DE112021003580T5 - Überwachen von sensorereignissen und einsparen von energie - Google Patents

Überwachen von sensorereignissen und einsparen von energie Download PDF

Info

Publication number
DE112021003580T5
DE112021003580T5 DE112021003580.0T DE112021003580T DE112021003580T5 DE 112021003580 T5 DE112021003580 T5 DE 112021003580T5 DE 112021003580 T DE112021003580 T DE 112021003580T DE 112021003580 T5 DE112021003580 T5 DE 112021003580T5
Authority
DE
Germany
Prior art keywords
sensor
sensors
data
activity profiles
computer
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.)
Granted
Application number
DE112021003580.0T
Other languages
English (en)
Inventor
Sarbajit K. Rakshit
John D. Wilson
Jeremy R. Fox
Shikhar KWATRA
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.)
International Business Machines Corp
Original Assignee
International Business Machines 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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of DE112021003580T5 publication Critical patent/DE112021003580T5/de
Granted 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
    • 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
    • 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
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0426—Programming the control sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/303—Terminal profiles
    • 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
    • H04Q9/02—Automatically-operated arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/50—Service provisioning or reconfiguring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
    • H04Q2209/88—Providing power supply at the sub-station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
    • H04Q2213/002—Graphical representation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Telephonic Communication Services (AREA)
  • Debugging And Monitoring (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

Ein Verfahren zum Überwachen von Sensorereignissen und zum Einsparen von Energie umfasst Empfangen von Einheitensensordaten für eine Mehrzahl Sensoren in einem Sensornetzwerk. Ferner umfasst das Verfahren Ermitteln einer oder mehrerer Anomalien in den Einheitensensordaten, die anzeigen, dass ein oder mehrere Sensoren aus der Mehrzahl Sensoren zu einem bestimmten Zeitpunkt Daten während eines Ereignisses erfasst haben, und Erstellen von Bewegungsmustern für die Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien. Ferner umfasst das Verfahren Aktivieren eines ersten Sensors aus der Mehrzahl Sensoren auf der Grundlage der aktualisierten Basisaktivitätsprofile als Reaktion auf ein Aktualisieren der Basisaktivitätsprofile für die Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien und der Bewegungsmuster.

Description

  • HINTERGRUND DER ERFINDUNG
  • Die vorliegende Offenbarung betrifft allgemein Sensornetzwerke und insbesondere Verwalten eines Sensornetzwerkes zum Bereitstellen der Überwachung von Ereignissen und zum gleichzeitigem Einsparen von Energie.
  • In Wechselbeziehung zueinander stehende Datenverarbeitungseinheiten, auch als loT-Einheiten (Internet der Dinge) bezeichnet, werden oft mit Akkus betrieben und an fernen Orten eingesetzt, wo kein oder nur begrenzter Zugriff auf ein Stromnetz gewährleistet ist. Akkubetriebene loT-Einheiten sind in der Lage, Sensordaten zu erfassen und die Sensordaten über ein Netzwerk zur Auswertung an eine ferne Einheit zu übertragen. Da akkubetriebene loT-Einheiten nicht mit dem Stromnetz verbunden sind, muss der Akku periodisch ausgetauscht oder aufgeladen werden, um sicherzustellen, dass Daten erfasst und Ereignisse aufgezeichnet werden. Zwar können loT-Einheiten zum Aufladen des Akkus Energie durch Fotovoltaikelemente und Windkraft aus der Umgebung gewinnen, jedoch nimmt die Ladekapazität des Akkus durch wiederholte Ladezyklen während der erwarteten Lebensdauer des Akkus immer mehr ab.
  • KURZDARSTELLUNG
  • Ausführungsformen gemäß der vorliegenden Erfindung offenbaren ein Verfahren, ein Computerprogrammprodukt und ein Computersystem zum Überwachen von Sensorereignissen und zum Einsparen von Energie, wobei mittels des Verfahrens, des Computerprogrammprodukts und des Computersystems Sensordaten einer Einheit für eine Mehrzahl von Sensoren in einem Sensornetzwerk empfangen werden können. Mittels des Verfahrens, des Computerprogrammprodukts und des Computersystems können Einheitensensordaten für eine Mehrzahl Sensoren in einem Sensornetzwerk empfangen werden. Mittels des Verfahrens, des Computerprogrammprodukts und des Computersystems können eine oder mehrere Anomalien in den Einheitensensordaten erkannt werden, die anzeigen, dass ein oder mehrere aus der Mehrzahl Sensoren zu einem bestimmten Zeitpunkt während eines Ereignisses Daten aufgenommen haben. Mittels des Verfahrens, des Computerprogrammprodukts und des Computersystems können auf der Grundlage einer oder mehrerer Anomalien Bewegungsmuster für die Mehrzahl Sensoren ermittelt werden. Mittels des Verfahrens, des Computerprogrammprodukts und des Computersystems kann als Reaktion auf Aktualisieren von Basisaktivitätsprofilen für die Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien und der Bewegungsmuster ein erster Sensor aus der Mehrzahl Sensoren auf der Grundlage der aktualisierten normalen Aktivitätsprofile aktiviert werden.
  • Figurenliste
    • 1 ist ein funktionelles Blockschaubild einer verteilten Datenverarbeitungsumgebung gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 2 ist ein Ablaufplan, der Arbeitsschritte eines Programms zum Überwachen von Sensorereignissen auf einem Servercomputer innerhalb der verteilten Datenverarbeitungsumgebung von 1 zum Bereitstellen der Überwachung von Ereignissen in einem Sensornetzwerk gemäß einer Ausführungsform der vorliegenden Erfindung zeigt.
    • 3A veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n) beim Überwachen von Ereignissen in einem Sensornetzwerk durch das Programm zum Überwachen von Ereignissen gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 3B veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n+50) beim Überwachen von Ereignissen in einem Sensornetzwerk durch das Programm zum Überwachen von Sensorereignissen gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 3C veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n+100) beim Überwachen von Ereignissen durch das Programm zum Überwachen von Sensorereignissen für eine andere Jahreszeit gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 4 veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n) beim Überwachen von Ereignissen in einem Sensornetzwerk durch das Programm zum Überwachen von Sensorereignissen gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 5 zeigt ein Blockschaltbild von Komponenten des Servercomputers, der das Programm zum Überwachen von Sensorereignissen innerhalb der verteilten Datenverarbeitungsumgebung von 1 gemäß einer Ausführungsform der vorliegenden Erfindung ausführt.
    • 6 zeigt eine Cloud-Computing-Umgebung gemäß einer Ausführungsform der vorliegenden Erfindung; und
    • 7 zeigt die Schichten des Abstraktionsmodells gemäß einer Ausführungsform der vorliegenden Erfindung.
  • DETAILLIERTE BESCHREIBUNG
  • Ein loT-Sensornetzwerk (Internet der Dinge) nutzt mehrere in Wechselbeziehung zueinander stehende Datenverarbeitungseinheiten, um Ereignisse zu überwachen und Daten zu erfassen, wobei nicht jeder loT-Sensor in dem loT-Sensornetzwerk zum Erfassen und Senden von Daten benötigt und somit Energie eingespart wird. Ausführungsformen der vorliegenden Erfindung verwalten ein loT-Sensornetzwerk, um einen Teil der Sensoren in einem Bereich zum Überwachen von Ereignissen auf der Grundlage von Aktivitätsprofilen zum Erfassen von Daten zu aktivieren, um das Überwachen von Ereignissen zu gewährleisten. In Fällen, in denen ein Teil der Sensoren des loT-Sensornetzwerks zum Überwachen von Ereignissen auf der Grundlage der Aktivitätsprofile nicht benötigt wird, kann dieser Teil der Sensoren in einen Energiesparzustand (z.B. in den Ruhemodus) versetzt werden. In den Energiesparzuständen kann der Teil der Sensoren in dem loT-Sensornetzwerk eine Anweisung zum Aktivieren empfangen, jedoch brauchen diese keine Daten zu erfassen und zu senden, da sich der Teil der Sensoren außerhalb eines Bereichs zum Überwachen von Ereignissen befindet.
  • 1 ist ein funktionelles Blockschaubild, das eine verteilte Datenverarbeitungsumgebung gemäß einer Ausführungsform der vorliegenden Erfindung veranschaulicht. Die verteilte Datenverarbeitungsumgebung umfasst einen Servercomputer 102, eine Client-Einheit 104 und ein Sensornetzwerk 122, die über ein Netzwerk 106 miteinander verbunden sind.
  • Bei dem Servercomputer 102 kann es sich um einen Arbeitsplatzcomputer, um einen Laptop-Computer, um einen Tablet-Computer, um einen spezialisierten Computerserver, um ein Smartphone oder um ein beliebiges Computersystem handeln, das in der Lage ist, die verschiedenen Ausführungsformen des Programms 108 zum Überwachen von Sensorereignissen auszuführen. Gemäß bestimmten Ausführungsformen stellt der Servercomputer 102 ein Computersystem dar, das in Gruppen zusammengefasste Computer und Komponenten verwendet, die wie ein einziger Pool nahtlos miteinander verbundener Ressourcen handeln, wenn über das Netzwerk 106 darauf zugegriffen wird, wie dies bekanntlich in Rechenzentren und bei Cloud-Computing-Anwendungen der Fall ist. Im Allgemeinen steht der Servercomputer 102 repräsentativ für eine beliebige programmierbare elektronische Einheit oder eine Kombination programmierbarer elektronischer Einheiten, die in der Lage sind, durch eine Maschine lesbare Programmanweisungen auszuführen und Daten über ein Netzwerk mit anderen Datenverarbeitungseinheiten auszutauschen. Der Servercomputer 102 ist in der Lage, Daten mit anderen (in 1 nicht veranschaulichten) Datenverarbeitungseinheiten auszutauschen, um Informationen von den Datenverarbeitungseinheiten abzufragen. Gemäß dieser Ausführungsform enthält der Servercomputer 102 ein Programm zum Überwachen von Sensorereignissen 108, das in der Lage ist, Daten mit einer Datenbank 110 auszutauschen, wobei die Datenbank 110 Einheitenaktivitätsprofile 112, Sensordaten 114, Anomaliedaten 116 und Bewegungsmusterdaten 118 enthält.
  • Bei der Client-Einheit 104 kann es sich um ein Mobiltelefon, um ein Smartphone, um eine Smartwatch, um einen Laptop-Computer, um einen Tablet-Computer oder um eine beliebige andere elektronische Einheit handeln, die in der Lage sind, Daten über das Netzwerk 106 auszutauschen. Im Allgemeinen steht die Client-Einheit 104 repräsentativ für eine oder mehrere programmierbare elektronische Einheiten oder eine Kombination programmierbarer elektronischer Einheiten, die in der Lage sind, durch eine Maschine lesbare Programmanweisungen auszuführen und Daten mit anderen (nicht gezeigten) Datenverarbeitungseinheiten innerhalb der verteilten Datenverarbeitungsumgebung über ein Netzwerk wie das Netzwerk 106 auszutauschen. Gemäß einer Ausführungsform steht die Client-Datenverarbeitungseinheit 104 repräsentativ für eine oder mehrere einem Benutzer zugehöriger Einheiten. Die Client-Einheit 104 umfasst eine Benutzeroberfläche 1120, wobei die Benutzeroberfläche 120 einen Benutzer der Client-Einheit 104 in die Lage versetzt, mit dem Programm zum Überwachen von Sensorereignissen 108 auf dem Servercomputer 102 zu interagieren.
  • Das Programm zum Überwachen von Ereignissen 108 nutzt Aktivitätsprofile 112 für eine Mehrzahl als Sensor 124A, 124B und 124N bezeichneter Sensoren in dem Sensornetzwerk 122, um zu ermitteln, wann ein bestimmter Sensor in dem Sensornetzwerk 122 zum Überwachen von Ereignissen aktiviert und deaktiviert werden muss. Gemäß dieser Ausführungsform sind einem Sensor (z.B. dem Sensor 124A) aus der Mehrzahl Sensoren eine Mehrzahl Aktivitätsprofile 112 zugeordnet. Dabei ist zu beachten, dass der Sensor 124A repräsentativ für einen ersten Sensor steht, dass der Sensor 124B repräsentativ für einen zweiten Sensor steht und dass der Sensor 124N repräsentativ für einen letzten Sensor in dem Sensornetzwerk 122 steht, wobei der Sensor 124N zum Beispiel repräsentativ für einen zwanzigsten Sensor oder einen fünfundvierzigsten Sensor in dem Sensornetzwerk 122 stehen kann. Beim Überwachen von Ereignissen kommt es zu Fällen, in denen das Programm zum Überwachen von Sensorereignissen 108 beim Eintreten eines Ereignisses Daten erfassen und senden muss. Das Programm nutzt bekannte Orte für die Sensoren 124A, 124B zum Überwachen von Ereignissen 108 124N und vorgegebene Bereiche zum Überwachen von Ereignissen zum Erstellen der Aktivitätsprofile 112.
  • Das Programm zum Überwachen von Sensorereignissen 108 ermittelt Basisaktivitätsprofile 112 für die Sensoren 124A, 124B und 124N in dem Sensornetzwerk 122, wobei das Programm zum Überwachen von Sensorereignissen 108 Aktivierungspläne auf zeitlicher Grundlage und/oder benutzerdefinierte Aktivierungsvorgaben für die Sensoren 124A, 124B und 124N nutzt. Das Programm zum Überwachen von Sensorereignissen 108 empfängt Einheitensensordaten 114 von jedem Sensor (z.B. vom Sensor 124B) im Sensornetzwerk 122, wobei die Einheitensensordaten 114 einen Zeitpunkt der erfassten Daten, einen Grund für das Erfassen der Daten, einen oder mehrere Typen erfasster Daten und einen oder mehrere gesendete Datentypen für jeden Sensor 124A, 124B und 124N anzeigen. Das Programm zum Überwachen von Sensorereignissen 108 ermittelt Anomalien in den empfangenen Einheitensensordaten 114 und Bewegungsmuster auf der Grundlage der ermittelten Anomalien. Anschließend speichert das Programm zum Überwachen von Sensorereignissen 108 die Einheitensensordaten 114, speichert die ermittelten Anomalien als Anomaliedaten 116 und speichert die ermittelten Bewegungsmuster als Bewegungsmusterdaten 118. Das Programm zum Überwachen von Sensorereignissen 108 aktualisiert die Basisaktivitätsprofile 112 für das Sensornetzwerk 122 durch Wiederholen eines Prozesses für maschinelles Lernen auf der Grundlage der empfangenen Einheitensensordaten 114, der Anomaliedaten 116 und der Bewegungsmusterdaten 118.
  • Das Programm zum Überwachen von Sensorereignissen 108 ermittelt, ob die Aktivitätsprofile 112 für die Sensoren 124A, 124B und 124N im Sensornetzwerk 122 initialisiert werden müssen. Als Reaktion darauf, dass das Programm zum Überwachen von Sensorereignissen 108 feststellt, dass die Aktivitätsprofile 112 initialisiert werden müssen, aktiviert das Programm zum Überwachen von Sensorereignissen 108 jeden Sensor im Sensornetzwerk 122 auf der Grundlage der Aktivitätsprofile 112. Als Reaktion darauf, dass das Programm zum Überwachen von Sensorereignissen 108 feststellt, dass das Programm zum Überwachen von Sensorereignissen 108 nicht initialisiert werden muss, kehrt das Programm zum Überwachen von Sensorereignissen 108 zurück zum Empfangen weiterer Einheitensensordaten 114, um eine weitere Wiederholung des Prozesses für maschinelles Lernen durchzuführen, um die Aktivitätsprofile 112 weiter zu aktualisieren. Indem das Programm zum Überwachen von Sensorereignissen 108 jeden Sensor im Sensornetzwerk 122 aktiviert und deaktiviert, aktualisiert das Programm zum Überwachen von Sensorereignissen 108 die Aktivitätsprofile 112 für das Sensornetzwerk 122 auf der Grundlage der empfangenen Einheitensensordaten 114.
  • Bei der Datenbank 110 handelt es sich um ein Datenarchiv, das vom Programm zum Überwachen von Sensorereignissen 108 genutzt wird, beispielsweise um Aktivitätsprofile 112, um Sensordaten 114 der Einheit, um Anomaliedaten 116 und um Bewegungsmusterdaten 118. In der gezeigten Ausführungsform befindet sich die Datenbank 110 auf dem Servercomputer 102. Gemäß einer anderen Ausführungsform kann sich die Datenbank 110 auf einer Client-Einheit 104 oder anderswo innerhalb der verteilten Datenverarbeitungsumgebung befinden, sofern das Programm zum Überwachen von Sensorereignissen 108 auf die Datenbank 110 zugreifen kann. Die Datenbank 110 kann mit einer beliebigen Art von Speichereinheit realisiert werden, die zum Speichern von Daten und Konfigurationsdateien in der Lage ist, die durch das Programm zum Überwachen von Sensorereignissen 108 abgerufen und genutzt werden können, beispielsweise mit einem Datenbank-Server, mit einem Festplattenlaufwerk oder mit einem Flash-Speicher.
  • Die Aktivitätsprofile 112 für die Sensoren 124A, 124B und 124N stellen Anweisungen zum Aktivieren und Deaktivieren der Sensoren 124A, 124B und 124N bereit, wobei eine Aktivierung eines Sensors bedeutet, dass der Sensor Daten erfasst und Daten sendet, und wobei durch eine Deaktivierung eines Sensors angezeigt wird, dass sich der Sensor in einem Stromsparzustand (z.B. im Ruhemodus) befindet. Die Einheitensensordaten 114 enthalten Informationen wie einen Zeitpunkt der erfassten Daten, einen Grund für das Erfassen von Daten, einen oder mehrere erfasste Datentypen und einen oder mehrere gesendete Datentypen für jeden Sensor 124A, 124B und 124N. Die Anomaliedaten 116 enthalten durch einen bestimmten Sensor (z.B. den Sensor 124A) im Sensornetzwerk 122 erfasste Daten, die das Programm zum Überwachen von Sensorereignissen 108 als im Verhältnis zu Daten als unregelmäßig erkennt, die durch andere Sensoren (z.B. die Sensoren 124B und 124N) im Sensornetzwerk 122 erfasst wurden. Die Bewegungsmusterdaten 118 umfassen Bewegungsmuster oder -wechsel über das Sensornetzwerk 122 hinweg, die das Programm zum Überwachen von Sensorereignissen 108 auf der Grundlage der Einheitensensordaten 114 und der Anomaliedaten 116 erkennt.
  • Allgemein kann es sich bei dem Netzwerk 106 um eine beliebige Kombination von Verbindungen und Protokollen handeln, die einen Austausch von Daten zwischen dem Servercomputer 102, der Client-Einheit 104 und dem Sensornetzwerk 122 unterstützt. Das Netzwerk 106 kann zum Beispiel ein lokales Netzwerk (LAN), ein Weitverkehrsnetzwerk (WAN) wie das Internet, ein Mobilfunknetzwerk oder eine beliebige Kombination der vorhergehenden Netzwerke und ferner leitungsgebundene, drahtlose und/oder Lichtwellenleiter-Verbindungen umfassen. Gemäß einer Ausführungsform kann es sich bei dem Programm zum Überwachen von Sensorereignissen 108 um einen Web-Service handeln, auf den ein Benutzer der Client-Einheit 104 über das Netzwerk 106 zugreifen kann. Gemäß einer anderen Ausführungsform kann das Programm zum Überwachen von Sensorereignissen 108 direkt durch einen Benutzer des Servercomputers 102 ausgeführt werden. Bei dem Sensornetzwerk 122 kann es sich um eine beliebige Kombination von Verbindungen und Protokollen handeln, das ein Übertragen von Daten zwischen den Sensoren 124A, 124B und 124N sowie dem Netzwerk 106 unterstützt. Das Sensornetzwerk 122 kann unabhängig vom Netzwerk 106 zum Beispiel ein lokales Netzwerk (LAN), ein Weitverkehrsnetzwerk (WAN) wie das Internet, ein Mobilfunknetzwerk oder eine beliebige Kombination der vorhergehenden Netzwerke und ferner leitungsgebundene, drahtlose und/oder Lichtwellenleiter-Verbindungen umfassen.
  • 2 ist ein Ablaufplan, der Arbeitsschritte eines Programms zum Überwachen von Sensorereignissen auf einem Servercomputer innerhalb der verteilten Datenverarbeitungsumgebung von 1 zeigt, um Überwachen von Ereignissen in einem Sensornetzwerk gemäß einer Ausführungsform der vorliegenden Erfindung bereitzustellen.
  • Für eine Trainingsphase erfasst jeder Sensor in einem Sensornetzwerk fortlaufend Sensordaten, und ein Programm zum Überwachen von Sensorereignissen ermittelt auf der Grundlage einer Analyse der erfassten Sensordaten Anomalien in den erfassten Sensordaten. Jeder Sensor in dem Sensornetzwerk enthält ein unverwechselbares Kennzeichen, und für alle erfassten Sensordaten sind entsprechende Berechtigungen in einer Datenbank gespeichert. Während ein Servercomputer mit dem Programm zum Überwachen von Sensorereignissen Sensordaten von jedem Sensor in dem Sensornetzwerk empfängt, wird für jeden Sensor das unverwechselbare Kennzeichen hinzugefügt, um den erfassten Sensordaten einen bestimmten Sensor zuzuordnen. Das Programm zum Überwachen von Sensorereignissen kann auf der Grundlage der ermittelten Anomalien Bewegungsmuster erkennen. Eine Matrix von Sensordatenwerten für verschiedene Zeitpunkte (n) wird in ein Modell eines neuronalen Netzwerks des Programms zum Überwachen von Sensorereignissen eingegeben. Gemäß einer Ausführungsform kann ein Wert auf die Werte „0“ und „1“ normalisiert werden, die für einen inaktiven Sensor beziehungsweise einen aktiven Sensor repräsentativ sind. Ein inaktiver Sensor kann für einen Sensor repräsentativ sein, der zu einem bestimmten Zeitpunkt (n) Daten erfasst. Gemäß einer anderen Ausführungsform kann ein Wert in der Matrix der Sensordatenwerte einen Sensormesswert (z.B. 25 °C) für einen bestimmten Sensor enthalten. Gemäß einer weiteren Ausführungsform kann ein Wert in der Matrix der Sensordatenwerte anzeigen, ob sich ein bestimmter Sensor in einem Normalzustand oder in einem Zustand befindet, indem eine Anomalie detektiert wird. Eine bildliche Darstellung einer beispielhaften Matrix von Sensordatenwerten wird unter Bezugnahme auf die 3A bis 3C ausführlich erörtert.
  • Das Programm zum Überwachen von Sensorereignissen kann eine Dimensionsreduktion durch Verringern redundanter Merkmale einsetzen, um eine Klassifizierung zu erleichtern und die Eingabemerkmale in das neuronale Netzwerkmodell einzugeben. Ein nichtüberwachtes Lernverfahren mit Dimensionsreduktion (z.B. das Monte-Carlo-Verfahren) kann ein Verringern oder Ausschließen von Merkmalen im Laufe der Zeit oder, in diesem Beispiel, ein Verringern der Abhängigkeit von einem oder mehreren Sensormesswerten ermöglichen. Das nichtüberwachte Lernverfahren mit Dimensionsreduktion erlangt eine größere Genauigkeit und beschleunigt den Prozess des Anpassens der Gewichte und des Trainierens des Modells. Der Ausgabewert des neuronalen Netzwerks wird in einer weiteren Wiederholung des Trainingsprozesses mit den Daten des Sensorwertes für den Zeitpunkt (n+1) verglichen, und die Gewichte werden bei jeder Wiederholung (d.h., zum Zeitpunkt (n+2), zum Zeitpunkt (n+3),...) angepasst, während das neuronale Netzwerk trainiert wird. Das Programm zum Überwachen von Sensorereignissen ermittelt, wann das neuronale Netzwerk ausreichend trainiert worden ist, um mitzuteilen, womit der Satz aktiver Sensoren für eine kurze aktuelle Zeitspanne mit dem Satz aktiver Sensoren verglichen werden sollte.
  • Für eine Arbeitsphase in Fällen, bei denen das Sensornetzwerk keine Daten erfasst (d.h., wenn keine Ereignisse vorkommen), verfügt das neuronale Netzwerk über keine Daten zum Erkennen von Mustern, und dem Vorhersagesystem ist ein Erkundungsmodus überlagert. Der Erkundungsmodus aktiviert einen Mindestsatz von Sensoren in dem Sensornetzwerk, um Daten zu erfassen, wobei der Mindestsatz von Sensoren eine Teilmenge von Sensoren in dem Sensornetzwerk darstellt. Die Teilmenge von Sensoren in dem Sensornetzwerk kann auf der Grundlage durch einen Benutzer definierter spezieller Erkundungssensoren ausgewählt werden, von Sensoren mit der größten Aktivität, von Sensoren, die als Punkte zum Detektieren von Anomalien infrage kommen, und von nach dem Zufallsprinzip ausgewählten Sensoren. Im Arbeitsmodus liegen für mindestens einen Sensor in dem Sensornetzwerk Suchsignaldaten für ein Ereignis und Daten für den Zeitpunkt (n) vor. Das neuronale Netzwerk des Programms zum Überwachen von Sensorereignissen gibt Sensorwertdaten für den Zeitpunkt (n) ein, interne Schichten mit trainierten Gewichten berechnen Ausgabewerte, und das neuronale Netzwerk des Programms zum Überwachen von Sensorereignissen gibt einen Satz Sensoraktivierungen zum Zeitpunkt (n+1) aus. Das Programm zum Überwachen von Sensorereignissen nutzt den Satz Sensoraktivierungen zum Senden eines Aktivierungssignals zum Aktivieren eines Sensors beziehungsweise eines Ruhesignals zum Deaktivieren eines Sensors.
  • Das Programm zum Überwachen von Sensorereignissen 108 ermittelt Basisaktivitätsprofile für ein Sensornetzwerk (202). In dieser Ausführungsform ermittelt das Programm zum Überwachen von Sensorereignissen 108 Basisaktivitätsprofile für das Sensornetzwerk, um zu erkennen, ob ein Sensor in dem Sensornetzwerk einen Aktivierungsplan auf zeitlicher Grundlage und/oder eine benutzerdefinierte Aktivierungsvorgabe nutzt. In einem Beispiel eines Aktivierungsplans auf zeitlicher Grundlage stellt das Programm zum Überwachen von Sensorereignissen 108 fest, dass die Sensoren in dem Sensornetzwerk auf der Grundlage eingestellter Zeitintervalle (z.B., alle zwanzig Minuten) aktiviert und deaktiviert werden, wobei die Sensoren für ein erstes Zeitintervall zum Erfassen von Daten aktiviert und anschließend deaktiviert werden, bis ein zweites Zeitintervall erreicht wird. In einem anderen Beispiel eines Aktivierungsplans auf zeitlicher Grundlage stellt das Programm zum Überwachen von Sensorereignissen 108 fest, dass die Sensoren in dem Sensornetzwerk zu bestimmten Uhrzeiten eines Tages (z.B. während der Geschäftszeiten) aktiviert und deaktiviert werden können, wobei die Sensoren zwischen 8 Uhr morgens und 6 Uhr abends aktiv und während der restlichen Zeit inaktiv sind. In einem Beispiel einer benutzerdefinierten Aktivierungsvorgabe stellt das Programm zum Überwachen von Sensorereignissen 108 fest, dass ein Benutzer eine Teilmenge von Sensoren in dem Sensornetzwerk zu einer Gruppe zusammengestellt hat, wobei ein aktivierter Sensor in der Teilmenge zum Aktivieren der übrigen Sensoren in der Teilmenge und ein deaktivierter Sensor in der Teilmenge zum Deaktivieren der übrigen Sensoren in der Teilmenge führt. In einem anderen Beispiel einer benutzerdefinierten Aktivierungsvorgabe stellt das Programm zum Überwachen von Sensorereignissen 108 fest, dass ein Benutzer festgelegt hat, dass ein Sensor bei Messwerten in einem bestimmten Bereich (z.B. X > 15 °C) aktiv bleibt, wobei der Sensor deaktiviert werden kann, wenn der Messwert für den Sensor nicht mehr in dem vorgegebenen Bereich liegt (z.B. X > 15 °C). Das Programm zum Überwachen von Sensorereignissen 108 nutzt zum Überwachen von Ereignissen die ermittelten Aktivierungspläne auf zeitlicher Grundlage und die benutzerdefinierten Aktivierungsvorgaben zum Erstellen eines Basisaktivitätsprofils für jeden Sensor in dem Sensorprofil.
  • Das Programm zum Überwachen von Sensorereignissen 108 empfängt Daten von jedem Sensor in dem Sensornetzwerk (204). Jeder Sensor in dem Sensornetzwerk enthält einen unverwechselbaren Erkennungsmarkierer zum Kennzeichnen eines Sensortyps und eines bekannten Ortes, wobei der unverwechselbare Erkennungsmarkierer und entsprechende Berechtigungen für die Sensordaten der Einheit, die durch jeden Sensor erfasst wurden, in einer Datenbank gespeichert sind. Zu den Sensordaten der Einheit können ein erfasster Messwert (z.B. Temperatur, Feuchte, Lautstärke), ein Hinweis auf eine Aktivierung (d.h. aktiviert oder deaktiviert), ein Betriebszustand (d.h. ein Normalzustand, ein anomaler Zustand, ein Fehlerzustand), eine Zeitmarke für einen erfassten Messwert und ein Ort für einen erfassten Messwert gehören. Das Programm zum Überwachen von Sensorereignissen 108 empfängt die Einheitensensordaten für den Zeitpunkt (n) in Form einer Datenwertematrix, wobei jeder Wert in der Datenwertematrix durch einen erfassten Messwert eines einzelnen Sensors in dem Sensornetzwerk dargestellt wird. Das Programm zum Überwachen von Sensorereignissen 108 empfängt die Einheitensensordaten mit dem unverwechselbaren Erkennungsmarkierer von jedem Sensor in dem Sensornetzwerk und verwendet die empfangenen Sensordaten zum Ermitteln von Anomalien. Das Programm zum Überwachen von Sensorereignissen 108 kann den Ort für einen erfassten Messwert zum Erzeugen einer visuellen Überlagerung auf der Karte mit den Sensororten auf einer dem Benutzer zugehörigen Client-Einheit verwenden. Der Benutzer kann einen oder mehrere Sensoren in dem Sensornetzwerk auswählen, die vom anschließenden Aktualisieren der Basisaktivitätsprofile ausgeschlossen werden sollen, was unter Bezugnahme auf Schritt (212) ausführlich erörtert wird.
  • Das Programm zum Überwachen von Sensorereignissen 108 ermittelt Anomalien in den empfangenen Daten (206). In dieser Ausführungsform ermittelt das Programm zum Überwachen von Sensorereignissen 108 Anomalien für einen oder mehrere Sensoren in dem Sensornetzwerk durch Vergleichen der empfangenen Sensordaten der Einheit für einen einzelnen Sensor in dem Sensornetzwerk mit den übrigen Sensoren in dem Sensornetzwerk für den Zeitpunkt (n). Eine durch das Programm zum Überwachen von Sensorereignissen 108 ermittelte Anomalie in den Einheitensensordaten für einen Sensor in dem Sensornetzwerk zeigt an, dass der Sensor während eines Ereignisses zum Zeitpunkt (n) aktiv war und Daten erfasste. Ein Ereignis stellt ein Vorkommnis in einer näheren Umgebung (d.h. im Bereich der Ereignisüberwachung) des Sensors dar, das die Aktivierung des Sensors zum Erfassen von Daten und/oder zum Ausführen einer Maßnahme erfordert. In einem Beispiel ist eine Mehrzahl Kameraeinheiten in einem Einzelhandelsgeschäft angeordnet, wobei jede Kameraeinheit aus der Mehrzahl Kameraeinheiten einen Bewegungssensor zum Aktivieren einer entsprechenden Kamera enthält. Das Programm zum Überwachen von Sensorereignissen 108 ermittelt eine Anomalie in der Mehrzahl Kameraeinheiten, die anzeigt, dass eine erste Kameraeinheit in Verbindung mit einer zweiten Kameraeinheit zum Zeitpunkt (n) aktiviert wird. Bei einer zweiten Wiederholung des Empfangens von Sensordaten der Einheit erkennt das Programm zum Überwachen von Sensorereignissen 108 jedoch eine Anomalie in der Mehrzahl Kameraeinheiten, die anzeigt, dass eine erste Kameraeinheit zwar in Verbindung mit einer dritten Kameraeinheit zum Zeitpunkt (n+1) aktiviert wird, dass die zweite Kameraeinheit jedoch inaktiv bleibt. Das Programm zum Überwachen von Sensorereignissen 108 ermittelt die ermittelten Anomalien für die Mehrzahl Kameras in dem Einzelhandelsgeschäft zu verschiedenen Zeitpunkten (d.h. zum Zeitpunkt (n+1),zum Zeitpunkt (n+2), zum Zeitpunkt (n+3)...) und stellt diese zusammen.
  • In einem anderen Beispiel ist in einem Acker eine Mehrzahl Temperatursensoren angeordnet, wobei jeder Temperatursensor aus der Mehrzahl Temperatursensoren einen Temperaturmesswert zu einem Zeitpunkt (n) und bei einem Temperaturschwellenwert (z.B. x > 25 °C) erfasst, um einen Teil eines Bewässerungssystems in der Nähe des Temperatursensors in Betrieb zu nehmen. Zum Inbetriebnehmen eines Teils des Bewässerungssystems kann ein elektronisch gesteuertes Wasserventil geöffnet werden, damit im Boden eines Teils des Ackers in der Nähe des Temperatursensors mit einem Messwert oberhalb des Temperaturschwellenwertes ein bestimmter Feuchtewert eingehalten wird. Das Programm zum Überwachen von Sensorereignissen 108 ermittelt eine Anomalie in der Mehrzahl Temperatursensordaten, die anzeigt, dass ein erster Temperatursensor zum Zeitpunkt (n) einen ersten Messwert oberhalb des Temperaturschwellenwertes erfasst hat. In einer zweiten Wiederholung beim Empfangen von Temperatursensordaten ermittelt das Programm zum Überwachen von Sensorereignissen 108 jedoch eine Anomalie in der Mehrzahl Temperatursensordaten, die anzeigt, dass ein erster, ein zweiter und ein dritter Temperatursensor zum Zeitpunkt (n+1) einen ersten, einen zweiten und einen dritten Messwert oberhalb des Temperaturschwellenwertes erfasst haben. Das Programm zum Überwachen von Sensorereignissen 108 ermittelt die zu mehreren Zeitpunkten (d.h. zum Zeitpunkt (n+1), zum Zeitpunkt (n+2), zum Zeitpunkt (n+3) ...) erkannten Anomalien für die Mehrzahl in dem Acker angeordneter Temperatursensoren und stellt diese zusammen.
  • Das Programm zum Überwachen von Sensorereignissen 108 ermittelt Bewegungsmuster auf der Grundlage der ermittelten Anomalien (208). Das Programm zum Überwachen von Sensorereignissen 108 ermittelt Bewegungsmuster auf der Grundlage eines Vergleichs ermittelter Anomalien für zum Zeitpunkt (n) empfangene Sensordaten der Einheit mit allen zuvor ermittelten Anomalien zum Zeitpunkt (n+1), zum Zeitpunkt (n+2) und so weiter empfangener Sensordaten der Einheit. Unter Bewegungsmustern sind Fälle einer Aktivierung einer Teilmenge von Sensoren im Sensornetzwerk zu verstehen, wobei sich die Teilmenge der aktiven Sensoren im Sensornetzwerk zu verschiedenen Zeitpunkten (z.B. Zeitpunkt (n-1) in Bezug auf Zeitpunkt (n) in Bezug auf Zeitpunkt (n+1)) ändern kann. In einem anderen Beispiel, bei dem eine Mehrzahl Kameraeinheiten in einem Einzelhandelsgeschäft angeordnet ist, ermittelt das Programm zum Überwachen von Sensorereignissen 108 eine Anomalie in der Mehrzahl Kameraeinheiten, die anzeigt, dass zum Zeitpunkt (n) eine erste Kameraeinheit in Verbindung mit einer zweiten Kameraeinheit aktiviert wird. Das Programm zum Überwachen von Sensorereignissen 108 hat auch zuvor Anomalien in der Mehrzahl Kameraeinheiten ermittelt, die anzeigen, dass die erste Kameraeinheit zum Zeitpunkt (n-1) zusammen mit einer dritten Kameraeinheit und dass die erste Kameraeinheit zum Zeitpunkt (n-2) zusammen mit einer vierten Kameraeinheit aktiviert wurde. Das Programm zum Überwachen von Sensorereignissen 108 vergleicht die zum Zeitpunkt (n) ermittelte Anomalie mit den zuvor zum Zeitpunkt (n-1) und zum Zeitpunkt (n-2) ermittelten Anomalien, um Bewegungsmuster für die Sensoren im Sensornetzwerk zu erstellen. Das Programm zum Überwachen von Sensorereignissen 108 nutzt bekannte Standorte für jede Kameraeinheit mit Bewegungssensoren im Sensornetzwerk, um zu ermitteln, wann und wie jeder der Bewegungssensoren im Sensornetzwerk im Verhältnis zueinander aktiviert und deaktiviert wird.
  • In einem anderen Beispiel, bei dem eine Mehrzahl Temperatursensoren in einem Acker angeordnet ist, hat das Programm zum Überwachen von Sensorereignissen 108 eine Anomalie in der Mehrzahl Temperatursensoren ermittelt, die anzeigt, dass ein erster Temperatursensor zum Zeitpunkt (n) einen ersten Messwert oberhalb des Temperaturschwellenwertes erfasst hat. Das Programm zum Überwachen von Sensorereignissen 108 hat zuvor auch Anomalien in der Mehrzahl Temperatursensoren ermittelt, die anzeigen, dass ein zweiter Temperatursensor zum Zeitpunkt (n-1) einen zweiten Messwert oberhalb des Temperaturschwellenwertes erfasst hat, dass ein dritter Temperatursensor zum Zeitpunkt (n-2) einen dritten Messwert oberhalb des Temperaturschwellenwertes erfasst hat und dass ein vierter Temperatursensor zum Zeitpunkt (n-3) einen vierten Messwert oberhalb des Temperaturschwellenwertes erfasst hat. Das Programm zum Überwachen von Sensorereignissen 108 vergleicht die zum Zeitpunkt (n) ermittelte Anomalie mit den zuvor zum Zeitpunkt (n-1), zum Zeitpunkt (n-2) und zum Zeitpunkt (n-3) ermittelten Anomalien, um Bewegungsmuster für die Sensoren im Sensornetzwerk zu erstellen. Das Programm zum Überwachen von Sensorereignissen 108 nutzt bekannte Standorte für jeden der Temperatursensoren im Sensornetzwerk, um zu ermitteln, wann und wie jeder der Temperatursensoren im Sensornetzwerk im Verhältnis zueinander aktiviert und deaktiviert wird.
  • Das Programm zum Überwachen von Sensorereignissen 108 speichert die empfangenen Daten, die ermittelten Anomalien und die ermittelten Bewegungsmuster (210). Unter Verwendung der unverwechselbaren Kennzeichen für jeden Sensor im Sensornetzwerk und einer zugehörigen Zeitmarke speichert das Programm zum Überwachen von Sensorereignissen 108 die empfangenen Sensordaten, die Anomaliedaten und die Bewegungsmusterdaten für die Bewegungen zum Zeitpunkt (n) in einer Datenbank. Das Speichern der kombinierten Daten für das Sensornetzwerk zum Zeitpunkt (n) stellt eine einzelne Wiederholung beim Zusammenstellen der Daten für einen Prozess für maschinelles Lernen zum Aktualisieren der in (202) erstellten Basisaktivitätsprofile für das Sensornetzwerk dar. Die vorhergehenden Fälle der Speicherung der kombinierten Daten für das Sensornetzwerk zum Zeitpunkt (n-1) und die nachfolgenden Fälle der Speicherung der kombinierten Daten für das Sensornetzwerk zum Zeitpunkt (nl+1) stellen jeweils eine weitere Wiederholung beim Zusammenstellen der Daten für den Prozess für maschinelles Lernen zum ständigen Aktualisieren der in (202) erstellten Basisaktivitätsprofile für das Sensornetzwerk dar.
  • Das Programm zum Überwachen von Sensorereignissen 108 aktualisiert Basisaktivitätsprofile für das Sensornetzwerk (212). Das Programm zum Überwachen von Sensorereignissen 108 aktualisiert die Basisaktivitätsprofile für das Sensornetzwerk auf der Grundlage der empfangenen Sensordaten, der Anomaliedaten und der Bewegungsmusterdaten für jeden Sensor im Sensornetzwerk. Oben wurde bereits erörtert, dass die Aktivitätsprofile Anweisungen zum Aktivieren und Deaktivieren jedes Sensors im Sensornetzwerk bereitstellen, um die Überwachung von Ereignissen zu einem bestimmten Zeitpunkt sicherzustellen, wobei eine Aktivierung eines Sensors anzeigt, dass der Sensor Daten erfasst und Daten übermittelt, und wobei eine Deaktivierung eines Sensors anzeigt, dass sich der Sensor in einem Stromsparzustand (z.B. im Ruhemodus) befindet. In einem Beispiel hat das Programm zum Überwachen von Sensorereignissen 108 zuvor Basisaktivitätsprofile auf der Grundlage eines Aktivierungsplan auf zeitlicher Grundlage ermittelt, damit der Kameraeinheit im Sensornetzwerk zugehörige Bewegungssensoren während bestimmter Tageszeiten aktiviert und deaktiviert werden, wobei die Bewegungssensoren zwischen 8 Uhr morgens und 6 Uhr abends aktiv sind und während der übrigen Zeit inaktiv sind. Auf der Grundlage mehrfacher Wiederholungen des Prozesses für maschinelles Lernen hat das Programm zum Überwachen von Sensorereignissen 108 jedoch Bewegungsmuster für die Bewegungssensoren im Sensornetzwerk ermittelt, die anzeigen, dass nur ein Teil der Bewegungssensoren im Sensornetzwerk zu bestimmten Zeitpunkten (z.B. zum Zeitpunkt (n-1), zum Zeitpunkt (n), zum Zeitpunkt (n+1)) während der festgelegten Tageszeit aktiv Daten erfasst hat. Das Programm zum Überwachen von Sensorereignissen 108 aktualisiert die Basisaktivitätsprofile durch Kombinieren des Aktivierungsplans auf zeitlicher Grundlage mit den ermittelten Bewegungsmustern für den Sensor im Sensornetzwerk. Demgemäß wurde nur ein Teil der Bewegungssensoren im Sensornetzwerk zu einem bestimmten Zeitpunkt während der Zeitspanne zwischen 8 Uhr morgens und 6 Uhr abends aktiv. Zu beachten ist, dass das Programm zum Überwachen von Sensorereignissen 108 auch ermittelt, welcher Teil der Bewegungssensoren zu einem bestimmten Zeitpunkt aktiv war, wobei ein erster Teil der Bewegungssensoren im Sensornetzwerk zum Zeitpunkt (n-1) aktiv war und wobei ein zweiter Teil der Bewegungssensoren im Sensornetzwerk zum Zeitpunkt (n) aktiv war. Ein oder mehrere Sensoren im ersten Teil der Beispielssensoren können mit einem oder mehreren Sensoren im zweiten Teil der Bewegungssensoren identisch sein.
  • In einem anderen Beispiel hat das Programm zum Überwachen von Sensorereignissen 108 Basisaktivitätsprofile auf der Grundlage eines zeitbasierten Aktivierungsplans sowie einer benutzerdefinierten Aktivierungsvorgabe zum Aktivieren von Temperatursensoren in einem Sensornetzwerk erstellt. Das Programm zum Überwachen von Sensorereignissen 108 hat zuvor den zeitbasierten Aktivierungsplan erstellt, der fordert, dass jeder Temperatursensor im Netzwerk der Temperatursensoren alle 30 Minuten zum Erfassen eines Temperaturmesswertes aktiviert werden soll. Das Programm zum Überwachen von Sensorereignissen 108 hat zuvor die benutzerdefinierte Aktivierungsvorgabe ermittelt, die ein Aktivieren einer Teilmenge von Temperatursensoren im Sensornetzwerk, wenn ein Temperaturmesswert eines bestimmten Temperatursensors in der Teilmenge in einem bestimmten Bereich (z.B. X > 15 °C) liegt, und ein Deaktivieren der Teilmenge von Temperatursensoren im Sensornetzwerk vorsieht, wenn der Temperaturmesswert von dem bestimmten Temperatursensor in der Teilmenge außerhalb des vorgegebenen Bereichs (z.B. X ≤ 15 °C) liegt. Auf der Grundlage mehrerer Wiederholungen des Prozesses für maschinelles Lernen hat das Programm zum Überwachen von Sensorereignissen 108 Bewegungsmuster für die Temperatursensoren im Sensornetzwerk ermittelt, die anzeigen, dass die Temperatursensoren im Sensornetzwerk Daten nur während der Tagesstunden ermittelt haben, wenn eine Umgebungstemperatur in dem vorgegebenen Bereich lag. Außerdem hat das Programm zum Überwachen von Sensorereignissen 108 Bewegungsmuster für die Temperatursensoren im Sensornetzwerk ermittelt, die anzeigen, dass nur ein Teil der Teilmenge von Temperatursensoren Daten in dem vorgegebenen Bereich erfasste und dass ein übriger Teil der Teilmenge von Temperatursensoren Daten außerhalb des vorgegebenen Bereichs erfasste. Das Programm zum Überwachen von Sensorereignissen 108 aktualisiert die Basisaktivitätsprofile für das Sensornetzwerk auf der Grundlage der ermittelten Bewegungsmuster, um den Zeitraum weiter zu verringern, während dessen die Temperatursensoren zum Erfassen von Daten aktiv sind (d.h. während der Tagesstunden), und um die Teilmenge von Temperatursensoren auf den ermittelten Teil der Teilmenge von Temperatursensoren zu verringern, die zum Erfassen von Temperaturmesswertdaten aktiviert werden sollen.
  • Das Programm zum Überwachen von Sensorereignissen 108 ermittelt, ob die Aktivitätsprofile für das Sensornetzwerk initialisiert werden sollen (Entscheidungsschritt 214). Gemäß einer Ausführungsform nutzt das Programm zum Überwachen von Sensorereignissen 108 eine Gesamtzahl der Wiederholungen (z.B. einhundert Wiederholungen), damit der Prozess für maschinelles Lernen entscheiden kann, ob für verschiedene Zeitpunkte ausreichend Sensordaten der Einheit empfangen wurden, um Aktivitätsprofile für die Sensoren im Sensornetzwerk zu erstellen. Gemäß einer anderen Ausführungsform nutzt das Programm zum Überwachen von Sensorereignissen 108 eine Anzahl von Stabilisierungswiederholungen (z.B. zehn Wiederholungen) für den Prozess für maschinelles Lernen, wobei die Anzahl der Stabilisierungswiederholungen eine Anzahl zu verschiedenen Zeitpunkten gesammelter Daten darstellt, als es keine Aktualisierungen der Aktivierungsprofile gab. Wenn das Programm zum Überwachen von Sensorereignissen 108 entscheidet, die Aktivitätsprofile für das Sensornetzwerk zu initialisieren („Ja“-Zweig im Entscheidungsschritt 214), aktiviert das Programm zum Überwachen von Sensorereignissen 108 jeden Sensor im Sensornetzwerk auf der Grundlage der Aktivitätsprofile (216). Wenn das Programm zum Überwachen von Sensorereignissen 108 entscheidet, die Aktivitätsprofile für das Sensornetzwerk nicht zu initialisieren („Nein“-Zweig im Entscheidungsschritt 214), führt das Programm zum Überwachen von Sensorereignissen 108 eine weitere Wiederholung des Prozesses für maschinelles Lernen durch und kehrt zurück zum Empfangen weiterer Daten zum Zeitpunkt (n+1) von jedem Sensor im Sensornetzwerk, um die Aktivitätsprofile für das Sensornetzwerk durch Korrekturen weiter zu aktualisieren.
  • Das Programm zum Überwachen von Sensorereignissen 108 aktiviert jeden Sensor im Sensornetzwerk auf der Grundlage der Aktivitätsprofile (216). Für jeden Zeitpunkt aktiviert das Programm zum Überwachen von Sensorereignissen 108 jeden Sensor im Sensornetzwerk auf der Grundlage der Aktivitätsprofile und deaktiviert gleichermaßen alle Sensoren auf der Grundlage der Aktivitätsprofile. Die Aktivitätsprofile erfassen verschiedene Zeiträume und hängen von der beabsichtigen Verwendung des Sensornetzwerks ab. In einem Beispiel aktiviert und deaktiviert das Programm zum Überwachen von Sensorereignissen 108 einen Bewegungssensor, der einer Kameraeinheit in einem Einzelhandelsgeschäft zugehörig ist, entsprechend für sieben Tage erstellten Aktivitätsprofilen, wobei sich die Aktivitätsprofile nach Ablauf von sieben Tagen ständig für weitere sieben Tage wiederholen. In einem anderen Beispiel aktiviert und deaktiviert das Programm zum Überwachen von Sensorereignissen 108 Temperatursensoren in einem Acker gemäß für jeden Tag im Jahr erstellten Aktivitätsprofilen, da saisonale Muster und Muster der Sonneneinstrahlung jeden Tag sich ändern und eine Aktivierung von Temperatursensoren auf dem Acker beeinflussen.
  • Das Programm zum Überwachen von Sensorereignissen 108 aktualisiert die Aktivitätsprofile für das Sensornetzwerk (218). In einem Beispiel aktiviert und deaktiviert das Programm zum Überwachen von Sensorereignissen 108 einen einer Kameraeinheit in einem Einzelhandelsgeschäft zugehörigen Bewegungssensor entsprechend Aktivitätsprofilen, die für sieben Tage erstellt wurden, wobei sich die Aktivitätsprofile nach Ablauf von sieben Tagen ständig für weitere sieben Tage wiederholen. Wenn das Programm zum Überwachen von Sensorereignissen 108 die Aktivitätsprofile für die Bewegungssensoren nutzt, kann das Programm zum Überwachen von Sensorereignissen 108 ständig Einheitensensordaten von jedem aktiven Sensor empfangen, um weitere Anomalien und Bewegungsmuster zu ermitteln und die Aktivitätsprofile weiter zu aktualisieren. Durch diesen ständigen Prozess für maschinelles Lernen ist es dem Programm zum Überwachen von Sensorereignissen 108 möglich, die Aktivitätsprofile für verschiedene Zeiträume des Jahrs zu aktualisieren, wobei sich verschiedene Zeiträume des Jahres darauf auswirken, wie die Sensoren im Sensornetzwerk aktiviert und deaktiviert werden, um die geforderte Überwachung von Ereignissen zu gewährleisten und gleichzeitig elektrische Energie einzusparen. In einem anderen Beispiel aktiviert und deaktiviert das Programm zum Überwachen von Sensorereignissen 108 Temperatursensoren auf einem Acker entsprechend für jeden Tag des Jahres erstellten Aktivitätsprofilen, da sich saisonale Muster und Muster der Sonneneinstrahlung jeden Tag ändern und eine Aktivierung von Temperatursensoren auf dem Acker beeinflussen. Wenn das Programm zum Überwachen von Sensorereignissen 108 die Aktivitätsprofile für die Temperatursensoren nutzt, kann das Programm zum Überwachen von Sensorereignissen 108 ständig Sensordaten der Einheit von jedem aktiven Sensor empfangen, um weitere Anomalien und Bewegungsmuster zu ermitteln und die Aktivitätsprofile weiter zu aktualisieren. Durch diesen ständigen Prozess für maschinelles Lernen ist es dem Programm zum Überwachen von Sensorereignissen 108 möglich, die Aktivitätsprofile für alle in die Umgebung (z.B. den Acker) neu eingeführten Variablen (z.B. für eine Struktur, die ein Muster der Sonneneinstrahlung beeinflusst) zu aktualisieren, die die durch die Temperatursensoren erfassten Daten beeinflussen können.
  • 3A veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n) zur Überwachung von Ereignissen in einem Sensornetzwerk durch das Programm zum Überwachen von Sensorereignissen gemäß einer Ausführungsform der vorliegenden Erfindung. Gemäß dieser Ausführungsform aktiviert das Programm zum Überwachen von Sensorereignissen 108 verschiedene Temperatursensoren im Sensornetzwerk, wobei jeder Temperatursensor mit dem Betätigen eines elektronisch gesteuerten Wasserventils in einem Bewässerungssystem gekoppelt ist. Wenn ein Temperaturmesswert für einen Temperatursensor bei oder oberhalb eines Schwellenwertes liegt (z.B. X >_ 25 °C), wird ein dem Temperatursensor zugehöriges elektronisch gesteuertes Wasserventil geöffnet, damit im Boden eines Teils des Ackers in der Nähe des Temperatursensors mit dem Messwert oberhalb des Temperaturschwellenwertes ein bestimmter Feuchtewert eingehalten wird. Wenn ein Temperaturmesswert für einen Temperatursensor unterhalb eines Schwellenwertes liegt (z.B. X < 25 °C), wird ein den Temperatursensoren zugehöriges elektronisch gesteuertes Wasserventil geschlossen. Um sicherzustellen, dass die Temperatursensoren im Sensornetzwerk nicht ständig elektrische Energie zum Erfassen von Daten verbrauchen, nutzt das Programm zum Überwachen von Sensorereignissen 108 Aktivitätsprofile zum Aktivieren und Deaktivieren der Temperatursensoren im Sensornetzwerk für die Datenwertematrix 302. In diesem Beispiel ist ein aktivierter Temperatursensor durch eine „1“ dargestellt, und ein inaktiver Temperatursensor ist durch eine „0“ dargestellt. Durch mehrfache Wiederholungen des Prozesses für maschinelles Lernen hat das Programm zum Überwachen von Sensorereignissen 108 Aktivitätsprofile 304 für den Zeitpunkt (n), Aktivitätsprofile 306 für den Zeitpunkt (n+1) und Aktivitätsprofile 308 für den Zeitpunkt (n+2) erstellt.
  • Das Programm zum Überwachen von Sensorereignissen 108 hat zuvor Anomalien und Bewegungsmuster für die Temperatursensoren im Sensornetzwerk ermittelt. In diesem Beispiel stellt jedes der Aktivitätsprofile 304,306 und 308 Bewegungsmuster für das Sensornetzwerk dar und die Datenwertematrix 302 stellt den Acker dar, wobei jedes Bewegungsmuster einem Muster der Sonneneinstrahlung auf dem Acker zugehörig ist. Zum Zeitpunkt (n) (z.B. um 8 Uhr morgens am 1. Juni) ist ein Rand des Musters der Sonneneinstrahlung auf dem Acker durch das Aktivitätsprofil 304 dargestellt, wobei auf dem Rand des durch das Aktivitätsprofil 304 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren aktiv sind und wobei außerhalb des durch das Aktivitätsprofil 304 dargestellten Randes des Musters der Sonneneinstrahlung angeordnete Temperatursensoren inaktiv sind. Das Programm zum Überwachen von Sensorereignissen 108 hat zuvor das einem Muster der Sonneneinstrahlung zugehörige Bewegungsmuster ermittelt, wobei ein den Sonnenstrahlen (direkt oder indirekt) ausgesetzter Temperatursensor einen schnellen Anstieg der Temperaturmesswerte erfährt. Demgemäß kann die Temperatur schnell (z.B. innerhalb von 5 Minuten) den Schwellenwert (z.B. X < 25 °C) überschreiten, sowie er von dem Muster der Sonneinstrahlung erfasst und den Sonnenstrahlen ausgesetzt wird. Für den auf dem Rand des Aktivitätsprofils 304 angeordneten Temperatursensor 310 zieht das Programm zum Überwachen von Sensorereignissen 108 eine Initialisierungs- und Kalibrierungsperiode (z.B. 30 Sekunden) für den Temperatursensor 310 in Betracht und weist den Temperatursensor 310 an, in den aktiven Zustand überzugehen, bevor er den Sonnenstrahlen entsprechend dem Muster der Sonneneinstrahlung ausgesetzt wird.
  • 3B veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n+50) beim Überwachen von Ereignissen des Sensornetzwerks durch das Programm zum Überwachen von Sensorereignissen gemäß einer Ausführungsform der vorliegenden Erfindung. Zum Zeitpunkt (n+50) (z.B. um 12 Uhr mittags am 1. Juni) wird ein Rand eines Musters der Sonneneinstrahlung auf dem Acker durch das Aktivitätsprofil 306 dargestellt, wobei innerhalb des Randes des durch das Aktivitätsprofil 306 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren aktiv sind und außerhalb des Randes des durch das Aktivitätsprofil 306 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren inaktiv sind. Es gibt auch mehrere Aktivitätsprofile für Fälle zwischen dem Zeitpunkt (n) und dem Zeitpunkt (n+50), die nicht veranschaulicht sind und in denen mehrere Aktivitätsprofile den Übergang vom Aktivitätsprofil 304 bis zum Aktivitätsprofil 306 darstellen.
  • 3C veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (+100) beim Überwachen von Ereignissen in einem Sensornetzwerk durch das Programm zum Überwachen von Sensorereignissen für eine andere Jahreszeit gemäß einer Ausführungsform der vorliegenden Erfindung. Zum Zeitpunkt (n+100) (z.B. um 4 Uhr am 1. Juni) wird ein Rand des Musters der Sonneneinstrahlung auf dem Acker durch das Aktivitätsprofil 308 dargestellt, wobei auf dem Rand des durch das Aktivitätsprofil 308 dargestellten Musters der Sonneinstrahlung angeordnete Temperatursensoren aktiv sind und wobei außerhalb des Randes des durch das Aktivitätsprofil 308 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren inaktiv sind. Zu beachten ist, dass ein Teil der durch die Aktivitätsprofile 304 und 306 als aktiv angezeigten Temperatursensoren in dem Sensornetzwerk durch das Aktivitätsprofil 308 nicht mehr als aktiv gekennzeichnet ist. Es gibt für Fälle zwischen dem Zeitpunkt (n+50) und dem Zeitpunkt (n+100) mehrere Aktivitätsprofiles, wobei die mehreren Aktivitätsprofile den Übergang vom Aktivitätsprofil 306 bis zu dem Aktivitätsprofil 308 darstellen.
  • 4 veranschaulicht ein Beispiel eines aktiven Aktivitätsmusters zum Zeitpunkt (n) beim Überwachen von Ereignissen im Sensornetzwerk durch das Programm zum Überwachen von Sensorereignissen gemäß einer Ausführungsform der vorliegenden Erfindung. Das Programm zum Überwachen von Sensorereignissen 108 nutzt Aktivitätsprofile zum Aktivieren und Deaktivieren von Temperatursensoren im Sensornetzwerk für die Datenwertematrix 302 in den 3A bis 3C jedoch zu anderen Jahreszeiten, wenn ein Muster der Sonneinstrahlung von einem Muster der Sonneneinstrahlung in den 3A bis 3C verschieden ist. Ein aktiver Temperatursensor wird durch eine „1“ dargestellt, und ein inaktiver Temperatursensor wird durch eine „0“ dargestellt. Durch mehrere Wiederholungen des Prozesses für maschinelles Lernen hat das Programm zum Überwachen von Sensorereignissen 108 ein Aktivitätsprofil 402 für den Zeitpunkt (n), ein Aktivitätsprofil 404 für den Zeitpunkt (n+1) und ein Aktivitätsprofil 406 für den Zeitpunkt (n+2) für die andere Jahreszeit erstellt. Das Programm zum Überwachen von Sensorereignissen 108 hat zuvor Anomalien und Bewegungsmuster für die Temperatursensoren im Sensornetzwerk ermittelt. In diesem Beispiel stellt jedes der Aktivitätsprofile 402, 404 und 406 Bewegungsmuster für das Sensornetzwerk dar, und die Datenwertematrix 302 stellt den Acker dar, wobei jedes Bewegungsmuster einem Muster der Sonneneinstrahlung auf dem Acker zugehörig ist.
  • Zum Zeitpunkt (n) (z.B. um 8 Uhr morgens am 1. Oktober) wird ein Rand eines Musters der Sonneneinstrahlung auf dem Acker durch das Aktivitätsprofil 402 dargestellt, wobei auf dem Rand des durch das Aktivitätsprofil 402 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren aktiv sind und wobei außerhalb des Randes des durch das Aktivitätsprofil 402 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren inaktiv sind. Zum Zeitpunkt (n+50) (z.B. um 12 Uhr mittags am 1. Oktober) wird ein Rand eines Musters der Sonneneinstrahlung auf dem Acker durch das Aktivitätsprofil 404 dargestellt, wobei innerhalb des Randes des durch das Aktivitätsprofil 404 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren aktiv sind und wobei außerhalb des Randes des durch das Aktivitätsprofil 404 dargestellten Musters der Sonneinstrahlung angeordnete Temperatursensoren inaktiv sind. Zum Zeitpunkt (n+100) (z.B. um 4 Uhr nachmittags am 1. Oktober) wird ein Rand eines Musters der Sonneneinstrahlung durch das Aktivitätsprofil 406 dargestellt, wobei innerhalb des Randes des durch das Aktivitätsprofil 406 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren aktiv sind und wobei außerhalb des durch das Aktivitätsprofil 406 dargestellten Musters der Sonneneinstrahlung angeordnete Temperatursensoren inaktiv sind. Das Programm zum Überwachen von Sensorereignissen 108 hat die Fähigkeit, durch wiederholtes maschinelles Lernen die Bewegungsmuster in Bezug auf den Zeitpunkt zu ermitteln und dementsprechend für jeden Temperatursensor im Sensornetzwerk Aktivitätsprofile 304, 306, 308, 402, 404 beziehungsweise 406 zu erstellen.
  • 5 zeigt ein Computersystem, wobei es sich bei dem Servercomputer 102 um ein Beispiel eines Computersystems handelt, welches das Programm zum Überwachen von Sensorereignissen 108 enthalten kann. Das Computersystem umfasst Prozessoren 504, einen Cache 516, einen Arbeitsspeicher 506, einen permanenten Speicher 508, Datenübertragungseinheiten 510, eine oder mehrere Eingabe-/Ausgabe- (E-/A-) Schnittstellen und ein Datenübertragungsnetz 502. Das Datenübertragungsnetz 502 stellt Datenübertragungen zwischen dem Cache 516, dem Arbeitsspeicher 506, dem permanenten Speicher 508, der Datenübertragungseinheit 510 und der einen oder mehreren Eingabe-/Ausgabe- (E-/A-) Schnittstellen 512 bereit. Das Datenübertragungsnetz 502 kann mittels einer beliebigen Architektur realisiert werden, die zum Weiterleiten von Daten und/oder Steuerinformationen zwischen Prozessoren (beispielsweise Mikroprozessoren, Datenübertragungs- und Netzwerkprozessoren usw.), einem Systemspeicher, Peripherieeinheiten und anderen Hardwarekomponenten innerhalb eines Systems ausgelegt ist. Das Datenübertragungsnetz 502 kann zum Beispiel mittels eines oder mehrerer Busse oder eines Koppelfeldes (Kreuzschienenverteiler) realisiert werden.
  • Bei dem Arbeitsspeicher 506 und dem permanenten Speicher 508 handelt es sich um durch einen Computer lesbare Speichermedien. Gemäß dieser Ausführungsform enthält der Arbeitsspeicher 506 einen Direktzugriffspeicher (RAM). Allgemein kann der Arbeitsspeicher 506 beliebige geeignete flüchtige oder nichtflüchtige, durch einen Computer lesbare Speichermedien umfassen. Beim Cache 516 handelt es sich um einen schnellen Speicher, der die Leistungsfähigkeit der Prozessoren 504 steigert, indem er Daten aus dem Arbeitsspeicher 506 bereithält, auf die kürzlich oder nahezu kürzlich zugegriffen wurde.
  • Programmanweisungen und zum Ausführen von Ausführungsformen der vorliegenden Erfindung verwendete Daten können in dem permanenten Speicher 508 und im Arbeitsspeicher 506 gespeichert werden, um über den Cache 516 durch den einen oder mehrere entsprechende Prozessoren 504 ausgeführt zu werden. Gemäß einer Ausführungsform umfasst der permanenten Speicher 508 ein magnetisches Festplattenlaufwerk. Alternativ oder zusätzlich zu einem magnetischen Festplattenlaufwerk kann der permanente Speicher 508 eine Halbleiter-Speicherplatte, eine HalbleiterSpeichereinheit, einen Nur-Lese-Speicher (ROM), einen löschbaren programmierbaren Nur-Lese-Speicher (EPROM), eine Flash-Speicher oder beliebige andere, durch einen Computer lesbare Speichermedien umfassen, die in der Lage sind, Programmanweisungen oder digitale Informationen zu speichern.
  • Die durch den permanenten Speicher 508 verwendeten Medien können auch austauschbar sein. Zum Beispiel kann für den permanenten Speicher 508 ein austauschbares Plattenlaufwerk verwendet werden. Als weitere Beispiele kommen optische und magnetische Platten, USB-Sticks und Smartcards infrage, die in ein Laufwerk eingeführt werden, um Daten auf ein anderes, durch einen Computer lesbares Speichermedium zu übertragen, das ebenfalls Teil des permanenten Speichers 508 ist.
  • Die Datenübertragungseinheit 510 stellt in diesen Beispielen Datenübertragungen mit anderen Datenverarbeitungssystemen oder-einheiten bereit. In diesen Beispielen enthält die Datenübertragungseinheit 510 eine oder mehrere Netzwerk-Schnittstellenkarten. Die Datenübertragungseinheit 510 kann Datenübertragungen durch die Verwendung physischer und/oder drahtloser Datenübertragungsverbindungen bereitstellen. Programmanweisungen und zum Ausführen von Ausführungsformen der vorliegenden Erfindung verwendete Daten können mittels der Datenübertragungseinheit 510 auf den permanenten Speicher 508 heruntergeladen werden.
  • Eine oder mehrere E-/A-Schnittstellen 512 ermöglichen ein Eingeben und Ausgeben von Daten mit anderen Einheiten, die mit jedem Computersystem verbunden sein können. Zum Beispiel kann die E-/A-Schnittstelle 512 eine Verbindung mit externen Einheiten 518 wie mit einer Tastatur, mit einem Tastenfeld, mit einem berührungsempfindlichen Bildschirm und/oder mit einer anderen geeigneten Eingabeeinheit herstellen. Externe Einheiten 518 können auch austauschbare, durch einen Computer lesbare Speichermedien wie beispielsweise USB-Sticks, austauschbare optische oder magnetische Platten und Speicherkarten enthalten. Software und zum Ausführen von Ausführungsformen der vorliegenden Erfindung verwendete Daten können auf solchen austauschbaren, durch einen Computer lesbaren Speichermedien gespeichert werden und können über eine oder mehrere E-/A-Schnittstellen 512 auf den permanenten Speicher 508 geladen werden. Die eine oder mehrere E-/A-Schnittstellen 512 können auch eine Verbindung mit dem Bildschirm 520 herstellen.
  • Der Bildschirm 520 stellt einen Mechanismus zum Anzeigen von Daten für einen Benutzer bereit, bei dem es sich zum Beispiel um einen Computermonitor handeln kann.
  • Es sei von vornherein klargestellt, dass das Umsetzen der hierin angeführten Lehren nicht auf eine Cloud-Computing-Umgebung beschränkt ist, obwohl diese Offenbarung eine ausführliche Beschreibung von Cloud-Computing umfasst. Vielmehr können Ausführungsformen der vorliegenden Erfindung gemeinsam mit jeder beliebigen Art von jetzt bekannter oder später erfundener Datenverarbeitungsumgebung umgesetzt werden.
  • Cloud-Computing ist ein Servicebereitstellungsmodell zum Ermöglichen eines problemlosen bedarfsgesteuerten Netzwerkzugriffs auf einen gemeinsam genutzten Pool von konfigurierbaren Datenverarbeitungsressourcen (z.B. Netzwerke, Netzwerkbandbreite, Server, Verarbeitung, Hauptspeicher, Speicher, Anwendungen, virtuelle Maschinen und Dienste), die mit minimalem Verwaltungsaufwand bzw. minimaler Interaktion mit einem Anbieter des Service schnell bereitgestellt und freigegeben werden können. Dieses Cloud-Modell kann mindestens fünf Eigenschaften umfassen, mindestens drei Dienstmodelle und mindestens vier Implementierungsmodelle.
  • Bei den Eigenschaften handelt es sich um die folgenden:
    • On-Demand Self-Service: Ein Cloud-Nutzer kann einseitig automatisch nach Bedarf für Datenverarbeitungsfunktionen wie Serverzeit und Netzwerkspeicher sorgen, ohne dass eine menschliche Interaktion mit dem Anbieter der Dienste erforderlich ist.
    • Broad Network Access: Es sind Funktionen über ein Netzwerk verfügbar, auf die durch Standardmechanismen zugegriffen wird, welche die Verwendung durch heterogene Thin- oder Thick-Client-Plattformen (z.B. Mobiltelefone, Laptops und PDAs) unterstützen.
    • Resource-Pooling: Die Datenverarbeitungsressourcen des Anbieters werden zusammengeschlossen, um mehreren Nutzern unter Verwendung eines Multi-Tenant-Modells zu dienen, wobei verschiedene physische und virtuelle Ressourcen dynamisch nach Bedarf zugewiesen und neu zugewiesen werden. Es gibt eine gefühlte Standortunabhängigkeit, da der Nutzer allgemein keine Kontrolle bzw. Kenntnis über den genauen Standort der bereitgestellten Ressourcen hat, aber in der Lage sein kann, einen Standort auf einer höheren Abstraktionsebene festzulegen (z.B. Land, Staat oder Rechenzentrum).
    • Rapid Elasticity: Funktionen können für eine schnelle horizontale Skalierung (scale out) schnell und elastisch bereitgestellt werden, in einigen Fällen auch automatisch, und für ein schnelles Scale-in schnell freigegeben werden. Für den Nutzer erscheinen die für das Bereitstellen verfügbaren Funktionen häufig unbegrenzt und sie können jederzeit in jeder beliebigen Menge gekauft werden.
    • Measured Service: Cloud-Systeme steuern und optimieren die Verwendung von Ressourcen automatisch, indem sie eine Messfunktion auf einer gewissen Abstraktionsebene nutzen, die für die Art von Dienst geeignet ist (z.B. Speicher, Verarbeitung, Bandbreite sowie aktive Benutzerkonten). Die Nutzung von Ressourcen kann überwacht, gesteuert und gemeldet werden, wodurch sowohl für den Anbieter als auch für den Nutzer des verwendeten Dienstes Transparenz geschaffen wird.
  • Bei den Dienstmodellen handelt es sich um die folgenden:
    • Software as a Service (SaaS): Die dem Nutzer bereitgestellte Funktion besteht darin, die in einer Cloud-Infrastruktur laufenden Anwendungen des Anbieters zu verwenden. Die Anwendungen sind über eine Thin-Client-Schnittstelle wie einen Web-Browser (z.B. auf dem Web beruhende E-Mail) von verschiedenen Client-Einheiten her zugänglich. Der Nutzer verwaltet bzw. steuert die zugrunde liegende Cloud-Infrastruktur nicht, darunter das Netzwerk, Server, Betriebssysteme, Speicher bzw. sogar einzelne Anwendungsfunktionen, mit der möglichen Ausnahme von eingeschränkten benutzerspezifischen Anwendungskonfigurationseinstellungen.
    • Platform as a Service (PaaS): Die dem Nutzer bereitgestellte Funktion besteht darin, durch einen Nutzer erstellte bzw. erhaltene Anwendungen, die unter Verwendung von durch den Anbieter unterstützten Programmiersprachen und Tools erstellt wurden, in der Cloud-Infrastruktur einzusetzen. Der Nutzer verwaltet bzw. steuert die zugrunde liegende Cloud-Infrastruktur nicht, darunter Netzwerke, Server, Betriebssysteme bzw. Speicher, hat aber die Kontrolle über die eingesetzten Anwendungen und möglicherweise über Konfigurationen des Application Hosting Environment.
    • Infrastructure as a Service (laaS): Die dem Nutzer bereitgestellte Funktion besteht darin, das Verarbeiten, Speicher, Netzwerke und andere grundlegende Datenverarbeitungsressourcen bereitzustellen, wobei der Nutzer in der Lage ist, beliebige Software einzusetzen und auszuführen, zu der Betriebssysteme und Anwendungen gehören können. Der Nutzer verwaltet bzw. steuert die zugrunde liegende Cloud-Infrastruktur nicht, hat aber die Kontrolle über Betriebssysteme, Speicher, eingesetzte Anwendungen und möglicherweise eine eingeschränkte Kontrolle über ausgewählte Netzwerkkomponenten (z.B. Host-Firewalls).
  • Bei den Einsatzmodellen handelt es sich um die folgenden:
    • Private Cloud: Die Cloud-Infrastruktur wird einzig und allein für eine Organisation betrieben. Sie kann durch die Organisation oder einen Dritten verwaltet werden und kann sich in den eigenen Räumen oder in fremden Räumen befinden.
    • Community Cloud: Die Cloud-Infrastruktur wird von mehreren Organisationen gemeinsam genutzt und unterstützt eine spezielle Benutzergemeinschaft, die gemeinsame Angelegenheiten hat (z.B. Mission, Sicherheitsanforderungen, Richtlinien sowie Überlegungen bezüglich der Einhaltung von Vorschriften). Sie kann durch die Organisationen oder einen Dritten verwaltet werden und kann in den eigenen Räumen oder fremden Räumen stehen.
    • Public Cloud: Die Cloud-Infrastruktur wird der allgemeinen Öffentlichkeit oder einer großen Industriegruppe zur Verfügung gestellt und sie gehört einer Cloud-Dienste verkaufenden Organisation.
    • Hybrid Cloud: Die Cloud-Infrastruktur ist eine Zusammensetzung aus zwei oder mehreren Clouds (privat, Benutzergemeinschaft oder öffentlich), die zwar einzelne Einheiten bleiben, aber durch eine standardisierte oder proprietäre Technologie miteinander verbunden sind, die Daten- und Anwendungsportierbarkeit ermöglicht (z.B. Cloud-Zielgruppenverteilung für den Lastenausgleich zwischen Clouds).
  • Eine Cloud-Computing-Umgebung ist dienstorientiert mit Fokus auf Statusunabhängigkeit, geringer Kopplung, Modularität und semantischer Interoperabilität. Im Herzen von Cloud-Computing liegt eine Infrastruktur, die ein Netzwerk aus zusammengeschalteten Knoten umfasst.
  • Unter Bezugnahme auf 6 ist die veranschaulichende Cloud-Computing-Umgebung 50 abgebildet. Wie gezeigt ist, umfasst die Cloud-Computing-Umgebung 50 einen oder mehrere Cloud-Computing-Knoten 10, mit denen von Cloud-Nutzern verwendete lokale Datenverarbeitungseinheiten wie der elektronische Assistent (PDA, personal digital assistant) oder das Mobiltelefon 54A, der Desktop-Computer 54B, der Laptop-Computer 54C und/oder das Automobil-Computer-System 54N Daten austauschen können. Die Knoten 10 können miteinander Daten austauschen. Sie können physisch oder virtuell in ein oder mehrere Netzwerke wie private, Benutzergemeinschafts-, öffentliche oder hybride Clouds gruppiert werden (nicht gezeigt), wie vorstehend beschrieben wurde, oder in eine Kombination daraus. Dies ermöglicht es der Cloud-Computing-Umgebung 50, Infrastruktur, Plattformen und/oder Software als Dienst anzubieten, für die ein Cloud-Nutzer keine Ressourcen auf einer lokalen Datenverarbeitungseinheit vorhalten muss. Es sei darauf hingewiesen, dass die Arten von in 6 gezeigten Datenverarbeitungseinheiten 54A bis N lediglich veranschaulichend sein sollen und dass die Datenverarbeitungsknoten 10 und die Cloud-Computing-Umgebung 50 über eine beliebige Art Netzwerk und/oder über eine beliebige Art von über ein Netzwerk aufrufbarer Verbindung (z.B. unter Verwendung eines Web-Browsers) mit einer beliebigen Art von computergestützter Einheit Daten austauschen können.
  • Unter Bezugnahme auf 7 wird ein Satz von funktionalen Abstraktionsschichten gezeigt, die durch die Cloud-Computing-Umgebung 50 (6) bereitgestellt werden. Es sollte von vornherein klar sein, dass die in 7 gezeigten Komponenten, Schichten und Funktionen lediglich veranschaulichend sein sollen und Ausführungsformen der Erfindung nicht darauf beschränkt sind. Wie abgebildet ist, werden die folgenden Schichten und entsprechenden Funktionen bereitgestellt:
  • Eine Hardware- und Software-Schicht 60 umfasst Hardware- und Software-Komponenten. Zu Beispielen für Hardware-Komponenten gehören: Mainframe-Computer 61; auf der RISC- (Reduced Instruction Set Computer) Architektur beruhende Server 62; Server 63; Blade-Server 64; Speichereinheiten 65; und Netzwerke sowie Netzwerkkomponenten 66. In einigen Ausführungsformen umfassen Software-Komponenten eine Netzwerk-Anwendungsserver-Software 67 und eine Datenbank-Software 68.
  • Eine Virtualisierungsschicht 70 stellt eine Abstraktionsschicht bereit, aus der die folgenden Beispiele für virtuelle Einheiten bereitgestellt werden können: virtuelle Server 71, virtueller Speicher 72, virtuelle Netzwerke 73, darunter virtuelle private Netzwerke, virtuelle Anwendungen und Betriebssysteme 74; und virtuelle Clients 75.
  • In einem Beispiel kann die Verwaltungsschicht 80 die nachfolgend beschriebenen Funktionen bereitstellen. Eine Ressourcen-Bereitstellung 81 stellt die dynamische Beschaffung von Datenverarbeitungsressourcen sowie anderen Ressourcen bereit, die zum Durchführen von Aufgaben innerhalb der Cloud-Computing-Umgebung verwendet werden. Ein Messen und eine Preisfindung 82 stellen die Kostenverfolgung beim Verwenden von Ressourcen innerhalb der Cloud-Computing-Umgebung sowie die Abrechnung oder Rechnungsstellung für die Inanspruchnahme dieser Ressourcen bereit. In einem Beispiel können diese Ressourcen Anwendungs-Software-Lizenzen umfassen. Die Sicherheit stellt die Identitätsüberprüfung für Cloud-Nutzer und Aufgaben sowie Schutz für Daten und andere Ressourcen bereit. Ein Benutzerportal 83 stellt Nutzern und Systemadministratoren den Zugang zu der Cloud-Computing-Umgebung bereit. Eine Verwaltung des Dienstumfangs 84 stellt die Zuordnung und Verwaltung von Cloud-Computing-Ressourcen bereit, so dass die benötigten Dienstziele erreicht werden. Ein Planen und Erfüllen von Vereinbarungen zum Dienstumfang (SLA, Service Level Agreement) 85 stellt die Anordnung vorab und die Beschaffung von Cloud-Computing-Ressourcen, für die eine zukünftige Anforderung vorausgesehen wird, gemäß einem SLA bereit.
  • Eine Arbeitslastschicht 90 stellt Beispiele für die Funktionalität bereit, für welche die Cloud-Computing-Umgebung verwendet werden kann. Zu Beispielen für Arbeitslasten und Funktionen, die von dieser Schicht bereitgestellt werden können, gehören: Abbildung und Navigation 91; Software-Entwicklung und Lebenszyklusverwaltung 92; Bereitstellung von Ausbildung in virtuellen Klassenzimmern 93; Datenanalytikverarbeitung 94; Transaktionsverarbeitung 95; und Einsatz- und Verbindungsfunktionalität 96 für den sicheren Einsatz über Einsatzorte hinweg.
  • Die hierin beschriebenen Programme werden auf der Grundlage der Anwendung benannt, für die sie in einer bestimmten Ausführungsform der Erfindung eingesetzt werden. Es sollte jedoch einsichtig sein, dass alle hierin verwendeten Programmbezeichnungen lediglich der Zweckmäßigkeit halber verwendet werden und dass die Erfindung somit nicht allein auf eine durch eine solche Bezeichnung benannte und/oder angedeutete spezielle Anwendung beschränkt sein soll.
  • Bei der vorliegenden Erfindung kann es sich um ein System, ein Verfahren und/oder ein Computerprogrammprodukt handeln. Das Computerprogrammprodukt kann ein durch einen Computer lesbares Speichermedium (oder -medien) mit durch einen Computer lesbaren Programmanweisungen darauf umfassen, um einen Prozessor dazu zu veranlassen, Aspekte der vorliegenden Erfindung auszuführen.
  • Bei dem durch einen Computer lesbaren Speichermedium kann es sich um eine physische Einheit handeln, die Anweisungen zur Verwendung durch ein System zur Ausführung von Anweisungen behalten und speichern kann. Bei dem durch einen Computer lesbaren Speichermedium kann es sich zum Beispiel um eine elektronische Speichereinheit, eine magnetische Speichereinheit, eine optische Speichereinheit, eine elektromagnetische Speichereinheit, eine Halbleiterspeichereinheit oder jede geeignete Kombination daraus handeln, ohne auf diese beschränkt zu sein. Zu einer nicht erschöpfenden Liste spezifischerer Beispiele des durch einen Computer lesbaren Speichermediums gehören die Folgenden: eine auswechselbare Computerdiskette, eine Festplatte, ein Direktzugriffsspeicher (RAM), ein Nur-Lese-Speicher (ROM), ein löschbarer programmierbarer Nur-Lese-Speicher (EPROM bzw. Flash-Speicher), ein statischer Direktzugriffsspeicher (SRAM), ein auswechselbarer Kompaktspeicherplatte-Nur-Lese-Speicher (CD-ROM), eine DVD (digital versatile disc), ein Speicher-Stick, eine Diskette, eine mechanisch kodierte Einheit wie zum Beispiel Lochkarten oder erhabene Strukturen in einer Rille, auf denen Anweisungen gespeichert sind, und jede geeignete Kombination daraus. Ein durch einen Computer lesbares Speichermedium soll in der Verwendung hierin nicht als flüchtige Signale an sich aufgefasst werden, wie zum Beispiel Funkwellen oder andere sich frei ausbreitende elektromagnetische Wellen, elektromagnetische Wellen, die sich durch einen Wellenleiter oder ein anderes Übertragungsmedium ausbreiten (z.B. ein Lichtwellenleiterkabel durchlaufende Lichtimpulse) oder durch einen Draht übertragene elektrische Signale.
  • Hierin beschriebene, durch einen Computer lesbare Programmanweisungen können von einem durch einen Computer lesbaren Speichermedium auf jeweilige Datenverarbeitungs-/Verarbeitungseinheiten oder über ein Netzwerk wie zum Beispiel das Internet, ein lokales Netzwerk, ein Weitverkehrsnetzwerk und/oder ein drahtloses Netzwerk auf einen externen Computer oder eine externe Speichereinheit heruntergeladen werden. Das Netzwerk kann Kupferübertragungskabel, Lichtwellenübertragungsleiter, drahtlose Übertragung, Leitwegrechner, Firewalls, Vermittlungseinheiten, Gateway-Computer und/oder Edge-Server umfassen. Eine Netzwerkadapterkarte oder Netzwerkschnittstelle in jeder Datenverarbeitungs-/Verarbeitungseinheit empfängt durch einen Computer lesbare Programmanweisungen aus dem Netzwerk und leitet die durch einen Computer lesbaren Programmanweisungen zur Speicherung in einem durch einen Computer lesbaren Speichermedium innerhalb der entsprechenden Datenverarbeitungs-/Verarbeitungseinheit weiter.
  • Bei durch einen Computer lesbaren Programmanweisungen zum Ausführen von Arbeitsschritten der vorliegenden Erfindung kann es sich um Assembler-Anweisungen, ISA-Anweisungen (Instruction-Set-Architecture), Maschinenanweisungen, maschinenabhängige Anweisungen, Mikrocode, Firmware-Anweisungen, zustandssetzende Daten oder entweder Quellcode oder Objektcode handeln, die in einer beliebigen Kombination aus einer oder mehreren Programmiersprachen geschrieben werden, darunter objektorientierte Programmiersprachen wie Smalltalk, C++ o.ä. sowie herkömmliche prozedurale Programmiersprachen wie die Programmiersprache „C“ oder ähnliche Programmiersprachen. Die durch einen Computer lesbaren Programmanweisungen können vollständig auf dem Computer des Benutzers, teilweise auf dem Computer des Benutzers, als eigenständiges Software-Paket, teilweise auf dem Computer des Benutzers und teilweise auf einem fernen Computer oder vollständig auf dem fernen Computer oder Server ausgeführt werden. In letzterem Fall kann der entfernt angeordnete Computer mit dem Computer des Benutzers durch eine beliebige Art Netzwerk verbunden sein, darunter ein lokales Netzwerk (LAN) oder ein Weitverkehrsnetzwerk (WAN), oder die Verbindung kann mit einem externen Computer hergestellt werden (zum Beispiel über das Internet unter Verwendung eines Internet-Dienstanbieters). In einigen Ausführungsformen können elektronische Schaltungen, darunter zum Beispiel programmierbare Logikschaltungen, vor Ort programmierbare Gatter-Anordnungen (FPGA, field programmable gate arrays) oder programmierbare Logikanordnungen (PLA, programmable logic arrays) die durch einen Computer lesbaren Programmanweisungen ausführen, indem sie Zustandsinformationen der durch einen Computer lesbaren Programmanweisungen nutzen, um die elektronischen Schaltungen zu personalisieren, um Aspekte der vorliegenden Erfindung durchzuführen.
  • Aspekte der vorliegenden Erfindung sind hierin unter Bezugnahme auf Ablaufpläne und/oder Blockschaltbilder bzw. Schaubilder von Verfahren, Vorrichtungen (Systemen) und Computerprogrammprodukten gemäß Ausführungsformen der Erfindung beschrieben. Es wird darauf hingewiesen, dass jeder Block der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder sowie Kombinationen von Blöcken in den Ablaufplänen und/oder den Blockschaltbildern bzw. Schaubildern mittels durch einen Computer lesbare Programmanweisungen ausgeführt werden können.
  • Diese durch einen Computer lesbaren Programmanweisungen können einem Prozessor eines Universalcomputers, eines Spezialcomputers oder einer anderen programmierbaren Datenverarbeitungsvorrichtung bereitgestellt werden, um eine Maschine zu erzeugen, so dass die über den Prozessor des Computers bzw. der anderen programmierbaren Datenverarbeitungsvorrichtung ausgeführten Anweisungen ein Mittel zur Umsetzung der in dem Block bzw. den Blöcken der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktionen/Schritte erzeugen. Diese durch einen Computer lesbaren Programmanweisungen können auch auf einem durch einen Computer lesbaren Speichermedium gespeichert sein, das einen Computer, eine programmierbare Datenverarbeitungsvorrichtung und/oder andere Einheiten so steuern kann, dass sie auf eine bestimmte Art funktionieren, so dass das durch einen Computer lesbare Speichermedium, auf dem Anweisungen gespeichert sind, ein Herstellungsprodukt umfasst, darunter Anweisungen, welche Aspekte der/des in dem Block bzw. den Blöcken des Ablaufplans und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktion/Schritts umsetzen.
  • Die durch einen Computer lesbaren Programmanweisungen können auch auf einen Computer, eine andere programmierbare Datenverarbeitungsvorrichtung oder eine andere Einheit geladen werden, um das Ausführen einer Reihe von Prozessschritten auf dem Computer bzw. der anderen programmierbaren Vorrichtung oder anderen Einheit zu verursachen, um einen auf einem Computer ausgeführten Prozess zu erzeugen, so dass die auf dem Computer, einer anderen programmierbaren Vorrichtung oder einer anderen Einheit ausgeführten Anweisungen die in dem Block bzw. den Blöcken der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktionen/Schritte umsetzen.
  • Die Ablaufpläne und die Blockschaltbilder bzw. Schaubilder in den Figuren veranschaulichen die Architektur, die Funktionalität und den Betrieb möglicher Ausführungen von Systemen, Verfahren und Computerprogrammprodukten gemäß verschiedenen Ausführungsformen der vorliegenden Erfindung. In diesem Zusammenhang kann jeder Block in den Ablaufplänen oder Blockschaltbildern bzw. Schaubildern ein Modul, ein Segment oder einen Teil von Anweisungen darstellen, die eine oder mehrere ausführbare Anweisungen zur Ausführung der festgelegten logischen Funktion(en) umfassen. In einigen alternativen Ausführungen können die in dem Block angegebenen Funktionen in einer anderen Reihenfolge als in den Figuren gezeigt stattfinden. Zwei nacheinander gezeigte Blöcke können zum Beispiel in Wirklichkeit im Wesentlichen gleichzeitig ausgeführt werden, oder die Blöcke können manchmal je nach entsprechender Funktionalität in umgekehrter Reihenfolge ausgeführt werden. Es ist ferner anzumerken, dass jeder Block der Blockschaltbilder bzw. Schaubilder und/oder der Ablaufpläne sowie Kombinationen aus Blöcken in den Blockschaltbildern bzw. Schaubildern und/oder den Ablaufplänen durch spezielle auf Hardware beruhende Systeme umgesetzt werden können, welche die festgelegten Funktionen oder Schritte durchführen, oder Kombinationen aus Spezial-Hardware und Computeranweisungen ausführen.
  • Die Beschreibungen der verschiedenen Ausführungsformen der vorliegenden Erfindung sind zur Veranschaulichung vorgelegt worden, erheben jedoch nicht den Anspruch auf Vollständigkeit oder Beschränkung auf die offenbarten Ausführungsformen. Dem Fachmann dürften viele Modifikationen und Varianten offensichtlich sein, ohne vom Schutzumfang der Erfindung abzuweichen. Die hierin verwendeten Begriffe wurden gewählt, um die Grundgedanken der Ausführungsform, die praktische Anwendung oder technische Verbesserung gegenüber marktüblichen Technologien bestmöglich zu erläutern oder um anderen Fachleuten das Verständnis der hierin offenbarten Ausführungsformen zu ermöglichen.

Claims (20)

  1. Verfahren, das aufweist: Empfangen von Einheitensensordaten für eine Mehrzahl Sensoren in einem Sensornetzwerk durch einen oder mehrere Prozessoren; Ermitteln einer oder mehrerer Anomalien in den Einheitensensordaten, die anzeigen, dass ein oder mehrere Sensoren aus der Mehrzahl Sensoren zu einem bestimmten Zeitpunkt während eines Ereignisses Daten erfasst haben, durch einen oder mehrere Prozessoren; Erstellen von Bewegungsmustern für eine Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien durch einen oder mehrere Prozessoren; und Aktivieren eines ersten Sensors aus der Mehrzahl Sensoren durch einen oder mehrere Prozessoren auf der Grundlage aktualisierter Basisaktivitätsprofile als Reaktion auf ein Aktualisieren der Basisaktivitätsprofile für die Mehrzahl Sensoren.
  2. Verfahren nach Anspruch 1, das ferner aufweist: Erstellen der Basisaktivitätsprofile für die Mehrzahl Sensoren auf der Grundlage zeitbasierter Aktivierungspläne und benutzerdefinierter Aktivierungsvorgaben für jeden Sensor aus der Mehrzahl Sensoren durch einen oder mehrere Prozessoren.
  3. Verfahren nach Anspruch 2, das ferner aufweist: Ermitteln durch einen oder mehrere Prozessoren, ob die aktualisierten Aktivitätsprofile für das Sensornetzwerk unter Verwendung einer Gesamtzahl Wiederholungen für einen Prozess für maschinelles Lernen initialisiert werden müssen, um zu ermitteln, ob für die Mehrzahl Sensoren zu verschiedenen Zeitpunkten ausreichend Einheitensensordaten empfangen wurden; und Initialisieren der aktualisierten Aktivitätsprofile für die Mehrzahl Sensoren im Sensornetzwerk durch einen oder mehrere Prozessoren als Reaktion auf ein Feststellen, dass die Gesamtzahl Wiederholungen erreicht wurde.
  4. Verfahren nach Anspruch 2, das ferner aufweist: Ermitteln durch einen oder mehrere Prozessoren, ob die aktualisierten Aktivitätsprofile für das Sensornetzwerk unter Verwendung einer Anzahl Stabilisierungswiederholungen für einen Prozess für maschinelles Lernen initialisiert werden müssen, wobei die Anzahl Stabilisierungswiederholungen eine Anzahl von Fällen darstellt, in denen die Einheitensensordaten empfangen wurden und in denen es keine weiteren Aktualisierungen für die aktualisierten Basisaktivitätsprofile gab; und Initialisieren der aktualisierten Aktivitätsprofile für die Mehrzahl Sensoren im Sensornetzwerk durch einen oder mehrere Prozessoren als Reaktion auf ein Feststellen, dass die Anzahl Stabilisierungswiederholungen erreicht wurde.
  5. Verfahren nach Anspruch 2, wobei die Einheitensensordaten für die Mehrzahl Sensoren im Sensornetzwerk Daten umfassen, die aus der Gruppe ausgewählt wurden, die besteht aus: ein erfasster Sensormesswert, ein Aktivierungshinweis, ein Betriebszustand, eine Zeitmarke für den erfassten Sensormesswert und ein Ort für den erfassten Sensormesswert.
  6. Verfahren nach Anspruch 5, wobei die Bewegungsmuster Fälle einer Aktivierung des einen oder mehrerer Sensoren in der Mehrzahl Sensoren darstellen.
  7. Verfahren nach Anspruch 2, das ferner aufweist: Anzeigen einer Datenmatrix der Mehrzahl Sensoren, die einen Bereich zum Überwachen von Ereignissen darstellt, durch einen oder mehrere Prozessoren, wobei der Datenmatrix ein erstes Aktivitätsprofil aus den aktualisierten Basisaktivitätsprofilen überlagert wird, das den ersten Sensor aus der Mehrzahl Sensoren umfasst.
  8. Computerprogrammprodukt, das aufweist: einen oder mehrere durch einen Computer lesbare Speichermedien und auf mindestens einem des einen oder mehrerer Speichermedien gespeicherte Programmanweisungen, wobei die Programmanweisungen aufweisen: Programmanweisungen zum Empfangen von Einheitensensordaten für eine Mehrzahl Sensoren im Sensornetzwerk; Programmanweisungen zum Erkennen einer oder mehrerer Anomalien in den Einheitensensordaten; Programmanweisungen zum Erkennen von Bewegungsmustern für die Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien; und Programmanweisungen zum Aktivieren eines ersten Sensors aus der Mehrzahl Sensoren auf der Grundlage von aktualisierten Basisaktivitätsprofilen als Reaktion auf ein Aktualisieren der Basisaktivitätsprofile für die Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien und der Bewegungsmuster.
  9. Computerprogrammprodukt nach Anspruch 8, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: die Basisaktivitätsprofile für die Mehrzahl Sensoren auf der Grundlage zeitbasierter Aktivierungspläne und benutzerdefinierter Aktivierungsvorgaben für jeden Sensor aus der Mehrzahl Sensoren zu erstellen.
  10. Computerprogrammprodukt nach Anspruch 9, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: zu ermitteln, ob die aktualisierten Aktivitätsprofile für das Sensornetzwerk unter Verwendung einer Gesamtzahl der Wiederholungen für einen Prozess für maschinelles Lernen initialisiert werden müssen, um zu ermitteln, ob für die Mehrzahl Sensoren ausreichend Einheitensensordaten zu verschiedenen Zeitpunkten empfangen wurden; und als Reaktion auf ein Feststellen, dass die Gesamtzahl der Wiederholungen erreicht wurde, die aktualisierten Aktivitätsprofile für die Mehrzahl Sensoren im Sensornetzwerk zu initialisieren.
  11. Computerprogrammprodukt nach Anspruch 9, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: zu ermitteln, ob die aktualisierten Aktivitätsprofile für das Sensornetzwerk unter Verwendung einer Anzahl Stabilisierungswiederholungen für einen Prozess für maschinelles Lernen initialisiert werden müssen, wobei die Anzahl der Stabilisierungswiederholungen eine Anzahl von Fällen darstellt, in denen die Einheitensensordaten empfangen wurden, obwohl es keine weiteren Aktualisierungen für die aktualisierten Basisaktivitätsprofile gab; und als Reaktion auf ein Ermitteln, dass die Anzahl der Stabilisierungswiederholungen erreicht wurde, die aktualisierten Aktivitätsprofile für die Mehrzahl Sensoren im Sensornetzwerk zu initialisieren.
  12. Computerprogrammprodukt nach Anspruch 9, wobei die Einheitensensordaten für die Mehrzahl Sensoren im Sensornetzwerk Daten enthalten, die aus der Gruppe ausgewählt wurden, die besteht aus: ein erfasster Sensormesswert, ein Aktivierungshinweis, ein Betriebszustand, eine Zeitmarke für den erfassten Sensormesswert und ein Ort für den erfassten Sensormesswert.
  13. Computerprogrammprodukt nach Anspruch 12, wobei die Bewegungsmuster Fälle einer Aktivierung des einen oder mehrerer Sensoren aus der Mehrzahl Sensoren darstellen.
  14. Computerprogrammprodukt nach Anspruch 9, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: eine Datenmatrix der Mehrzahl Sensoren anzuzeigen, die einen Bereich zur Überwachung von Ereignissen darstellt, wobei ein erstes Aktivitätsprofil der aktualisierten Basisaktivitätsprofile der Datenmatrix überlagert wird und den ersten Sensor aus der Mehrzahl Sensoren umfasst.
  15. Computersystem, das aufweist: einen oder mehrere Computerprozessoren; ein oder mehrere durch einen Computer lesbare Speichermedien; und auf den durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen zur Ausführung durch mindestens einen des einen oder mehrerer Computerprozessoren, wobei die Programmanweisungen aufweisen: Programmanweisungen zum Empfangen von Einheitensensordaten für eine Mehrzahl Sensoren in einem Sensornetzwerk; Programmanweisungen zum Ermitteln einer oder mehrerer Anomalien in den Einheitensensordaten; Programmanweisungen zum Erstellen von Bewegungsmustern für die Mehrzahl Sensoren auf der Grundlage der einen oder mehrerer Anomalien; und Programmanweisungen zum Aktivieren eines ersten Sensors aus der Mehrzahl Sensoren auf der Grundlage aktualisierter Basisaktivitätsprofile als Reaktion auf ein Aktualisieren der Basisaktivitätsprofile für die Mehrzahl Sensoren auf der Grundlage der einen oder mehreren Anomalien und der Bewegungsmuster.
  16. Computersystem nach Anspruch 15, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: die Basisaktivitätsprofile für die Mehrzahl Sensoren auf der Grundlage zeitbasierter Aktivierungspläne und benutzerdefinierter Aktivierungsvorgaben für jeden Sensor aus der Mehrzahl Sensoren zu erstellen.
  17. Computersystem nach Anspruch 16, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: zu ermitteln, ob die aktualisierten Aktivitätsprofile für das Sensornetzwerk unter Verwendung einer Gesamtzahl der Wiederholungen für einen Prozess für maschinelles Lernen initialisiert werden müssen, um zu ermitteln, ob für die Mehrzahl Sensoren ausreichend Einheitensensordaten zu verschiedenen Zeitpunkten empfangen wurden; und als Reaktion auf ein Ermitteln, dass die Gesamtzahl der Wiederholungen erreicht wurde, die aktualisierten Aktivitätsprofile für die Mehrzahl Sensoren im Sensornetzwerk zu initialisieren.
  18. Computersystem nach Anspruch 16, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: zu ermitteln, ob die aktualisierten Aktivitätsprofile für das Sensornetzwerk unter Verwendung einer Anzahl der Stabilisierungswiederholungen für einen Prozess für maschinelles Lernen initialisiert werden müssen, wobei die Anzahl der Stabilisierungswiederholungen eine Anzahl von Fällen darstellt, in denen die Einheitensensordaten empfangen wurden, obwohl es keine weiteren Aktualisierungen für die aktualisierten Basisaktivitätsprofile gab; und als Reaktion auf ein Erreichen der Anzahl der Stabilitätswiederholungen, die aktualisierten Aktivitätsprofile für die Mehrzahl Sensoren im Sensornetzwerk zu initialisieren.
  19. Computersystem nach Anspruch 16, wobei die Einheitensensordaten für die Mehrzahl Sensoren im Sensornetzwerk Daten umfassen, die aus der Gruppe ausgewählt wurden, die besteht aus: ein erfasster Sensormesswert, ein Aktivierungshinweis, ein Betriebszustand, eine Zeitmarke für den erfassten Sensormesswert und ein Ort für den erfassten Sensormesswert.
  20. Computersystem nach Anspruch 16, das ferner auf dem einen oder mehreren durch einen Computer lesbaren Speichermedien gespeicherte Programmanweisungen aufweist, die bei Ausführung durch einen Prozessor den Prozessor veranlassen: eine Datenmatrix der Mehrzahl Sensoren anzuzeigen, die einen Bereich zur Überwachung von Ereignissen darstellt, wobei der Datenmatrix ein erstes Aktivitätsprofil der aktualisierten Basisaktivitätsprofile überlagert wird, das den ersten Sensor aus der Mehrzahl Sensoren umfasst.
DE112021003580.0T 2020-09-14 2021-09-13 Überwachen von sensorereignissen und einsparen von energie Granted DE112021003580T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/019,818 2020-09-14
US17/019,818 US11442442B2 (en) 2020-09-14 2020-09-14 Sensor event coverage and energy conservation
PCT/CN2021/118003 WO2022053047A1 (en) 2020-09-14 2021-09-13 Sensor event coverage and energy conservation

Publications (1)

Publication Number Publication Date
DE112021003580T5 true DE112021003580T5 (de) 2023-05-04

Family

ID=80626742

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112021003580.0T Granted DE112021003580T5 (de) 2020-09-14 2021-09-13 Überwachen von sensorereignissen und einsparen von energie

Country Status (6)

Country Link
US (1) US11442442B2 (de)
JP (1) JP2023542870A (de)
CN (1) CN116158095A (de)
DE (1) DE112021003580T5 (de)
GB (1) GB2613732B (de)
WO (1) WO2022053047A1 (de)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458325B (zh) 2009-01-08 2011-07-20 华南理工大学 一种基于自适应预测的无线传感器网络目标跟踪方法
US9037181B2 (en) 2012-12-03 2015-05-19 Robert Bosch Gmbh Multi-tone wakeup mechanism for a wireless network
US20160292584A1 (en) 2015-03-31 2016-10-06 Microsoft Technology Licensing, Llc Inferring User Sleep Patterns
US10140834B2 (en) * 2016-08-08 2018-11-27 Blackberry Limited Mobile transceiver having asset-based alarm profile and a method of operation
US20180046975A1 (en) * 2016-08-11 2018-02-15 Wal-Mart Stores, Inc. Sensor-based item management tool
US20180173853A1 (en) * 2016-12-15 2018-06-21 International Business Machines Corporation Cognitive adaptations for well-being management
US11379766B2 (en) * 2017-02-21 2022-07-05 International Business Machines Corporation Sensor deployment
EP3457635A1 (de) 2017-09-18 2019-03-20 Thomson Licensing Verfahren und vorrichtung zur identifikation eines benutzers in einer umgebung
GB2571128B (en) 2018-02-19 2022-10-12 Kinetik Tech Group Ltd A wearable alarm device and a method of use thereof

Also Published As

Publication number Publication date
US11442442B2 (en) 2022-09-13
JP2023542870A (ja) 2023-10-12
CN116158095A (zh) 2023-05-23
WO2022053047A1 (en) 2022-03-17
US20220083038A1 (en) 2022-03-17
GB2613732A (en) 2023-06-14
GB2613732B (en) 2023-11-01
GB202303360D0 (en) 2023-04-19

Similar Documents

Publication Publication Date Title
DE112019000596B4 (de) Optimierung von ressourcen des internets der dinge
DE102017217968A1 (de) Generieren eines Verschiebungsprotokolls für virtuelle Maschinen
DE112020002987T5 (de) Bereitstellen von mikrodiensten über eine dienstinfrastruktur hinweg
DE112021006130T5 (de) Automatisierte orchestrierung von containern durch bewerten von mikrodiensten
DE112019003042T5 (de) Erkennung von verdächtigen aktivitäten in computernetzwerken
DE112018003496T5 (de) Kognitive energiebewertung durch einen nicht intrusiven sensor in einem wärmeenergie-fluidtransfersystem
DE112021002820T5 (de) Dynamische automatisierung einer auswahl von pipeline-artefakten
DE102021130359A1 (de) Ressourcenzuordnung auf der grundlage eines kontextbezogenen szenarios
DE112020004116T5 (de) Dynamisches abändern der parallelität einer aufgabe in einer pipeline
DE102021123135A1 (de) Leistungs- und upgrade-verwaltung für anlagegüter mit hilfe von digitalen zwillingen
DE102013206354A1 (de) Adaptive Bewertung der Objektrelevanz auf der Grundlage dynamischer Benutzereigenschaften
DE112020003744T5 (de) Durch dienstqualitätskriterien vorgegebenes automatisiertes betriebsdatenmanagement
DE112019000421T5 (de) Arbeitslastverwaltung mit datenzugriffserkennung in einem datenverarbeitungscluster
DE102021123285A1 (de) Sensor-agnostische gestenerkennung
DE112021003402T5 (de) Blockchain-verwaltung von bereitstellungsfehlern
DE112021005364T5 (de) Abwehr von gezielten datenbankangriffen durch dynamische generierung von honeypot-datenbankantworten
DE112021005927T5 (de) Patchen von arbeitsabläufen
DE112021004225T5 (de) Detektieren und verwalten von anomalien in erdverlegten sensoren fürlandwirtschaftliche anwendungen
DE112019002052T5 (de) Datenschutzsensibilisierung bei der bereitstellung von arbeitslasten
DE112021001974T5 (de) Proaktives durchführen von aufgaben auf der grundlage eines schätzens vonhardwarerekonfigurationszeiten
DE102021125847A1 (de) Auf blockchain beruhende reservierung und delegierung von diensten
DE112020004487T5 (de) Erkennen von mutationsereignissen zum überwachen der integrität
DE112021003184T5 (de) Ermittlung von laufzeitumgebungen für software-container
DE112020005326T5 (de) Erzeugen eines skalierungsplans für externe systeme während eines cloud-tenant-onboardings/offboardings
DE112021003580T5 (de) Überwachen von sensorereignissen und einsparen von energie

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R084 Declaration of willingness to licence