-
HINTERGRUND
-
GEBIET
-
Die vorliegende Erfindung bezieht sich auf ein Verfahren zur Erzeugung eines Anomalieerkennungsmodells und insbesondere auf ein Verfahren zur Erzeugung eines Anomalieerkennungsmodells zur Erzeugung eines Anomaliemodells, das von verschiedenen Arten von Sensoren erkannt werden kann.
-
BESCHREIBUNG DES STANDES DER TECHNIK
-
Im Allgemeinen werden verschiedene Sensoren verwendet, um verschiedene Umweltveränderungen zu messen, z. B. um eine Störung in einer Industrieanlage zu erkennen oder einen Brand zu überwachen. Es gibt so viele verschiedene Arten von Sensoren und es sind viele kommerzielle Produkte auf dem Markt, und jeder Sensor kann eingebaut werden, um eine Störung oder einen Brand mit einem umfassenden Überblick zu erkennen. Damit diese verschiedenen Sensoren den Benutzern genaue Wahrnehmungsinformationen liefern können, müssen sie lernen, zwischen einem Normalzustand und einem Anomalie zu unterscheiden.
-
Um Normalzustände und Anomalien zu lernen, sind Modelle für Normalzustände bzw. Anomalien erforderlich, und diese Normalzustände und Anomalien variieren je nach der Umgebung, in der ein Sensor installiert ist.
-
Daher besteht ein Bedarf an einem Verfahren, das in der Lage ist, ein Modell zum Erlernen von Normalzuständen und Anomalien für verschiedene Sensoren in einem allgemeinen industriellen Bereich zu erstellen.
-
[Stand-der-Technik-Dokument]
-
[Patentschrift]
-
Koreanische Patentanmeldung Nr. 0726206
-
ZUSAMMENFASSUNG
-
Ein Aspekt der vorliegenden Erfindung kann ein Verfahren zur Erzeugung eines Anomalieerkennungsmodells bereitstellen, das in der Lage ist, ein Anomaliemodell bereitzustellen, das von verschiedenen Arten von Sensoren erkannt werden kann.
-
In einem Aspekt beinhaltet ein Verfahren zur Erzeugung eines Anomalieerkennungsmodells durch ein Computersystem mit einem Prozessor zum Empfangen von Signalen von einem ersten Sensor und einem zweiten Sensor Folgendes: einen Normalzustands-Empfangsvorgang, bei dem der Prozessor ein erstes Normalzustandssignal, das von dem ersten Sensor für eine vorbestimmte Zeit erfasst wird, und ein zweites Normalzustandssignal, das von dem zweiten Sensor für die vorbestimmte Zeit erfasst wird, empfängt; einen Normalzustands-Datensatz-Erzeugungsvorgang, bei dem der Prozessor einen Normalzustands-Datensatz basierend auf dem ersten Normalzustandssignal und dem zweiten Normalzustandssignal erzeugt; einen Anomalie- Variablenwert-Erkennungsvorgang, bei der der Prozessor einen ersten Variablenwert und einen zweiten Variablenwert erkennt; einen Anomaliesignalerzeugungsvorgang, bei dem der Prozessor ein erstes Anomaliesignal erzeugt, das dem ersten Normalzustandssignal entspricht, indem er den ersten Variablenwert auf eine Impulsfunktion anwendet und ein zweites Anomaliesignal erzeugt, das dem zweiten Normalzustandssignal entspricht, indem er den zweiten Variablenwert auf eine Gaußsche Verteilungsfunktion anwendet; einen Anomalie-Datensatz-Erzeugungsvorgang, bei dem der Prozessor einen Anomalie-Datensatz auf der Grundlage des ersten Anomaliesignals und des zweiten Anomaliesignals erzeugt; einen Lernsatz-Erzeugungsvorgang, bei dem der Prozessor einen Erkennungsmodell-Lernsatz zum Erzeugen eines Anomalieerkennungsmodells durch Kombinieren des Normalzustands-Datensatzes und des Anomalie-Datensatzes erzeugt; und einen Anomalieerkennungsmodell-Erzeugungsvorgang, bei dem der Prozessor ein Anomalieerkennungsmodell auf der Grundlage des Erkennungsmodell-Lernsatzes erzeugt.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann der erste Sensor ein Infrarotsensor und der zweite Sensor ein Kohlendioxid-Erkennungssensor sein.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann das erste Anomaliesignal ein Signal modellieren, das das Auftreten einer Flamme, eines Funkens und/oder eines Lichtbogens durch den ersten Sensor erkennt.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann das zweite Anomaliesignal ein Signal modellieren, das das Auftreten von Rauch und/oder Verbrennungsgas durch den zweiten Sensor erkennt.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann das Computersystem ein Brandmeldesystem sein.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann der erste Variablenwert ein Koeffizientenwert der Impulsfunktion sein, und bei dem Anomaliesignalerzeugungsvorgang kann der Prozessor das erste Anomaliesignal durch Multiplizieren des ersten Variablenwerts mit der Impulsfunktion erzeugen.
-
In dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann der zweite Variablenwert mindestens einer von einem Mittelwert und einer Varianz der Gaußschen Verteilungsfunktion sein, und in dem Anomaliesignalerzeugungsvorgang kann der Prozessor eine Form der Gaußschen Verteilungsfunktion festlegen, indem er den zweiten Variablenwert anwendet.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung können der erste Variablenwert und der zweite Variablenwert jeweils Informationen über einen Zeitpunkt und die Häufigkeit des Auftretens des ersten Anomaliesignals und des zweiten Anomaliesignals enthalten.
-
Das Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann ferner Folgendes umfassen: einen Testsatz-Erzeugungsvorgang, bei dem der Prozessor einen Erkennungsmodell-Testsatz durch Kombinieren des Normalzustands-Datensatzes und des Anomalie-Datensatzes erzeugt; und einen Anomalieerkennungsmodell-Testvorgang, bei dem der Prozessor das Anomalieerkennungsmodell unter Verwendung des Erkennungsmodell-Testsatzes testet.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung können der Erkennungsmodell-Lernsatz und der Erkennungsmodell-Testsatz unterschiedliche Kombinationsverhältnisse des Normalzustands-Datensatzes und des Anomalie-Datensatzes aufweisen.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann der Anomalie-Variablenwert-Erkennungsvorgang einen Vorgang beinhalten, bei dem der Prozessor den ersten Variablenwert und den zweiten Variablenwert empfängt, die in eine Eingabeeinheit eingegeben werden.
-
In dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann der Anomalie-Variablenwert-Erkennungsvorgang einen Vorgang beinhalten, bei dem der Prozessor den ersten Variablenwert und den zweiten Variablenwert aus dem Normalzustands-Datensatz erzeugt.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann der Prozessor beim Variablenwert-Erkennungsvorgang ferner einen dritten Variablenwert erkennen, und beim Anomaliesignalerzeugungsvorgang kann der Prozessor den dritten Variablenwert anstelle des ersten Variablenwerts und/oder des zweiten Variablenwerts in dem ersten Anomaliesignal und/oder dem zweiten Anomaliesignal anwenden und eine Stufenfunktion anstelle der Impulsfunktion und/oder der Gauß-Verteilungsfunktion anwenden.
-
Bei dem Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung kann auf der Grundlage des ersten Normalzustandssignals und/oder des zweiten Normalzustandssignals beim Anomaliesignalerzeugungsvorgang bestimmt werden, ob der Prozessor den dritten Variablenwert und die Schrittfunktion anwendet.
-
In einem Aspekt beinhaltet ein Computersystem zum Erzeugen eines Anomalieerkennungsmodells eine Eingabeeinheit; eine Kommunikationseinheit; und einen Prozessor, der so konfiguriert ist, dass er ein Signal von einem ersten Sensor und einem zweiten Sensor empfängt, wobei der Prozessor so konfiguriert ist, dass er ein erstes Normalzustandssignal, das von dem ersten Sensor für eine vorbestimmte Zeit erkannt wird, und ein zweites Normalzustandssignal, das von dem zweiten Sensor für eine vorbestimmte Zeit erkannt wird, empfängt, einen Normalzustands-Datensatz auf der Grundlage des ersten Normalzustandssignals und des zweiten Normalzustandssignals erzeugt, einen ersten Variablenwert und einen zweiten Variablenwert, die von der Eingabeeinheit empfangen werden, empfängt, ein erstes Anomaliesignal, das dem ersten Normalzustandssignal entspricht, erzeugt, indem der erste Variablenwert auf eine Impulsfunktion angewendet wird, Erzeugen eines zweiten Anomaliesignals, das dem zweiten Normalzustandssignal entspricht, indem der zweite Variablenwert auf eine Gaußsche Verteilungsfunktion angewendet wird, Erzeugen eines Anomalie-Datensatzes auf der Grundlage des ersten Anomaliesignals und des zweiten Anomaliesignals, Erzeugen eines Erkennungsmodell-Lernsatzes zum Erzeugen eines Anomalieerkennungsmodells durch Kombinieren des Normalzustands-Datensatzes und des Anomalie-Datensatzes, und Erzeugen eines Anomalieerkennungsmodells auf der Grundlage des Erkennungsmodell-Lernsatzes.
-
Das Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung ermöglicht es verschiedenen Sensoren, einen Anomalie zu erlernen, indem ein Anomalie-Modell erzeugt wird, das von den verschiedenen Sensoren erkannt werden kann.
-
Figurenliste
-
Die obigen und andere Aspekte, Merkmale und andere Vorteile der vorliegenden Erfindung werden aus der folgenden detaillierten Beschreibung in Verbindung mit den beigefügten Zeichnungen klarer verstanden, in denen:
- 1 ein Blockdiagramm eines Computersystems gemäß einer Ausführungsform der vorliegenden Erfindung;
- 2 ein Flussdiagramm eines Verfahrens zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung;
- 3 eine Ansicht, die ein erstes Normalzustandssignal und ein zweites Normalzustandssignal gemäß einer Ausführungsform der vorliegenden Erfindung zeigt;
- 4 eine Ansicht, die ein erstes Anomaliesignal und ein zweites Anomaliesignal gemäß einer Ausführungsform der vorliegenden Erfindung zeigt;
- 5 eine Ansicht, die ein zweites Anomaliesignal gemäß einer Ausführungsform der vorliegenden Erfindung zeigt;
- 6 eine Ansicht, die eine Kombination aus einem zweiten Normalzustandssignal und einem zweiten Anomaliesignal gemäß einer Ausführungsform der vorliegenden Erfindung zeigt.
-
AUSFÜHRLICHE BESCHREIBUNG
-
Nachfolgend werden Ausführungsformen der vorliegenden Erfindung unter Bezugnahme auf die beigefügten Zeichnungen im Einzelnen beschrieben. Wenn bei der Beschreibung der vorliegenden Erfindung bestimmt wird, dass eine detaillierte Beschreibung bekannter Funktionen und Komponenten, die mit der vorliegenden Erfindung verbunden sind, das Wesentliche der vorliegenden Erfindung unnötig verdeckt, wird die detaillierte Beschreibung davon weggelassen. Die im Folgenden verwendeten Begriffe dienen dazu, die Ausführungsformen der vorliegenden Erfindung in geeigneter Weise auszudrücken, und können von Personen, die auf einem verwandten Gebiet oder in der üblichen Praxis tätig sind, abgeändert werden. Daher sollten die Begriffe auf der Grundlage des gesamten Inhalts dieser Erfindung definiert werden.
-
Die in der vorliegenden Beschreibung verwendeten technischen Begriffe dienen lediglich der Beschreibung bestimmter beispielhafter Ausführungsformen und stellen keine Einschränkung der vorliegenden Erfindung dar. Die Begriffe in der Einzahl schließen die Mehrzahl ein, sofern nichts anderes angegeben ist. Es versteht sich ferner, dass die Begriffe „umfassen“ und/oder „umfassend“, wenn sie hier verwendet werden, das Vorhandensein bestimmter Merkmale, ganzer Zahlen, Schritte, Vorgänge, Elemente und/oder Komponenten spezifizieren, aber das Vorhandensein oder die Hinzufügung eines oder mehrerer anderer Merkmale, Regionen, ganzer Zahlen, Schritte, Vorgänge, Elemente, Komponenten und/oder Gruppen davon nicht ausschließen.
-
In der vorliegenden Beschreibung ist ein Kommunikationsverfahren eines Netzes 40 nicht beschränkt, und es kann sein, dass nicht jede Komponente mit demselben Netzwerkverfahren verbunden ist. Das Netzwerk 40 kann nicht nur ein Kommunikationsverfahren unter Verwendung eines Kommunikationsnetzes (z. B. eines mobilen Kommunikationsnetzes eines drahtgebundenen Internets, eines drahtlosen Internets, eines Rundfunknetzes, eines Satellitennetzes usw.) beinhalten, sondern auch eine drahtlose Kurzstrecken-Kommunikation zwischen Vorrichtungen. Das Netzwerk 40 kann zum Beispiel alle Kommunikationsverfahren umfassen, über die Objekte vernetzt werden können, und ist nicht auf drahtgebundene Kommunikation, drahtlose Kommunikation, 3G, 4G, 5G oder andere Verfahren beschränkt. Beispielsweise kann sich ein drahtgebundenes und/oder drahtloses Netzwerk auf ein Kommunikationsnetz beziehen, das auf einem oder mehreren Kommunikationsverfahren basiert, die aus der Gruppe ausgewählt sind, die aus einem lokalen Netzwerk (LAN), einem Metropolitan Area Network (MAN), einem Global System for Mobile Network (GSM), einer erweiterten Daten-GSM-Umgebung (EDGE), High Speed Downlink Packet Access (HSDPA), Wideband Code Division Multiple Access (W-CDMA), Code Division Multiple Access (CDMA), Time Division Multiple Access (TDMA), Bluetooth, Zigbee, Wi-Fi, Voice over Internet Protocol (VoIP), LTE Advanced, IEEE802.16m, wirelessMAN-Advanced, HSPA+, 3GPP long term evolution (LTE), mobile WiMAX (IEEE 802.16e), UMB (ehemals EV-DO Rev. C), flash-OFDM, iBurst und MBWA (IEEE 802.20) Systeme, HIPERMAN, beam-division multiple access (BDMA), world interoperability for microwave access (Wi-MAX), und ultraschallbasierter Kommunikation besteht, ist aber nicht darauf beschränkt.
-
In der vorliegenden Beschreibung bezieht sich der Normalzustand auf einen Zustand, in dem ein von einem Sensor zu erkennendes Element innerhalb eines normalen Bereichs liegt. Darüber hinaus bezieht sich eine Anomalie auf einen Fall, in dem ein vom Sensor zu erkennendes Element außerhalb des normalen Bereichs liegt.
-
Nachfolgend wird ein Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung unter Bezugnahme auf die 1 bis 6 beschrieben.
-
Die vorliegende Erfindung bezieht sich auf ein Verfahren und ein System zur Erzeugung eines Anomalieerkennungsmodells für eine Anomalie, die durch verschiedene Arten von Sensoren erkannt werden kann.
-
Das Verfahren zur Erzeugung eines Anomalieerkennungsmodells wird von einem Computersystem 1 durchgeführt.
-
1 ist ein Blockdiagramm eines Computersystems 1 gemäß einer Ausführungsform der vorliegenden Erfindung.
-
Bezugnehmend auf 1 beinhaltet ein Computersystem 1 einen Prozessor 10, eine Kommunikationseinheit 200 und eine Eingabeeinheit 100. Das Computersystem 1 kann mit einem ersten Sensor 20 und einem zweiten Sensor 30 über ein Netzwerk 40 kommunizieren.
-
Nachfolgend wird die Funktion der einzelnen Komponenten beschrieben.
-
Der Prozessor 10 erzeugt Normalzustands- und Anomalie-Datensätze auf der Grundlage eines Eingangswerts eines Sensoreingangs über die Kommunikationseinheit 200. Der Prozessor 10 erzeugt einen Erkennungsmodell-Lernsatz zur Erzeugung eines Anomalieerkennungsmodells durch Kombinieren der erzeugten Normalzustands- und Anomalie-Datensätze. Der Prozessor 10 kann direkt mit dem ersten Sensor 20 und dem zweiten Sensor 30 verbunden sein oder über das Netzwerk 40 und die Kommunikationseinheit 200 mit dem ersten Sensor 20 und dem zweiten Sensor 30 verbunden sein. Die Kommunikationseinheit 200 ist mit dem Netzwerk 40 verbunden, um einen Eingabewert von dem Sensor zu empfangen und den empfangenen Eingabewert an den Prozessor 10 zu übertragen. In die Eingabeeinheit 100 wird von einem Benutzer ein Eingabewert eingegeben und die Eingabeeinheit 100 überträgt den eingebebenen Eingabewert an den Prozessor 10.
-
Eine spezifischere Funktion jeder Komponente wird im Folgenden detailliert beschrieben, während ein Verfahren zur Erzeugung eines Anomalieerkennungsmodells erläutert wird.
-
Nachfolgend wird jeder Schritt des Verfahrens zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung beschrieben.
-
Der in der vorliegenden Erfindung beschriebene Sensor kann Temperatur, Feuchtigkeit, Infrarotstrahlen, Kohlendioxid usw. wahrnehmen, ist aber nicht darauf beschränkt und kann jeder Sensor sein, der eine äußere Umgebung erkennen kann. Im Folgenden wird der Einfachheit halber davon ausgegangen, dass der Sensor der vorliegenden Erfindung ein Sensor zur Erkennung von Infrarotstrahlen und Kohlendioxid ist.
-
2 ist ein Flussdiagramm eines Verfahrens zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung.
-
Bezug nehmend auf 2 beinhaltet das Verfahren zur Erzeugung eines Anomalieerkennungsmodells gemäß einer Ausführungsform der vorliegenden Erfindung einen Normalzustands-Empfangsvorgang, bei dem der Prozessor 10 ein erstes Normalzustandssignal, das von dem ersten Sensor 20 für eine vorbestimmte Zeit erkannt wird, und ein zweites Normalzustandssignal, das von dem zweiten Sensor 30 für die vorbestimmte Zeit erkannt wird, empfängt, einen Normalzustands-Datensatz-Erzeugungsvorgang, bei dem der Prozessor 10 einen Normalzustands-Datensatz basierend auf dem ersten Normalzustandssignal und dem zweiten Normalzustandssignal erzeugt, einen Anomalie-Variablenwert-Erkennungsvorgang, bei dem der Prozessor 10 einen ersten Variablenwert und einen zweiten Variablenwert erkennt, einen Anomaliesignalerzeugungsvorgang, bei dem der Prozessor 10 ein erstes Anomaliesignal erzeugt, das dem ersten Normalzustandssignal entspricht, indem er den ersten Variablenwert auf eine Impulsfunktion anwendet, und ein zweites Anomaliesignal erzeugt, das dem zweiten Normalzustandssignal entspricht, indem er den zweiten Variablenwert auf eine Gaußsche Verteilungsfunktion anwendet, einen Anomalie-Datensatz-Erzeugungsvorgang, bei dem der Prozessor 10 einen Anomalie-Datensatz basierend auf dem ersten Anomaliesignal und dem zweiten Anomaliesignal erzeugt, einen Lernsatz-Erzeugungsvorgang, bei dem der Prozessor 10 einen Erkennungsmodell-Lernsatz zur Erzeugung eines Anomalieerkennungsmodells durch Kombinieren des Normalzustands-Datensatzes und des Anomalie-Datensatzes erzeugt, und einen Anomalieerkennungsmodell-Erzeugungsvorgang, bei dem der Prozessor 10 ein Anomalieerkennungsmodell basierend auf dem Erkennungsmodell-Lernsatz erzeugt.
-
Jeder der Vorgänge kann unabhängig von der aufgeführten Reihenfolge ausgeführt werden, es sei denn, die Vorgänge müssen aufgrund einer besonderen kausalen Beziehung in der aufgeführten Reihenfolge ausgeführt werden. Der Einfachheit halber wird im Folgenden jedoch davon ausgegangen, dass jeder der oben beschriebenen Vorgänge in der aufgeführten Reihenfolge ausgeführt wird.
-
Zunächst wird unter Bezugnahme auf 2 der Normalzustands-Empfangsvorgang beschrieben, bei dem der Prozessor 10 das erste Normalzustandssignal, das vom ersten Sensor 20 für eine vorbestimmte Zeit erkannt wird, und ein zweites Normalzustandssignal, das vom zweiten Sensor 30 für eine vorbestimmte Zeit erkannt wird, empfängt. Wie oben beschrieben, übermitteln der erste Sensor 20 oder der zweite Sensor 30 dem Prozessor 10 einen Wert, der durch die Messung eines Erkennungselements wie Infrarotstrahlen oder Kohlendioxid gewonnen wurde. Dabei kann ein Eingangswert je nach Sensortyp unterschiedlich sein und auf einem analogen oder einem digitalen Verfahren beruhen. Im Falle der analogen Methode kann der Eingangswert eines bestimmten Sensors beispielsweise in einem Bereich von 0 V bis 5,0 V eingegeben werden. Bei dem Eingangswert kann es sich um einen vom Sensor selbst gemessenen Wert oder um einen Wert handeln, der durch Umwandlung des vom Sensor gemessenen Wertes in ein vorgegebenes Verhältnis erhalten wird.
-
3 zeigt, dass der Prozessor 10 ein erstes Normalzustandssignal empfängt, das vom ersten Sensor 20 für eine vorbestimmte Zeit erkannt wird, und ein zweites Normalzustandssignal, das vom zweiten Sensor 30 für die vorbestimmte Zeit erkannt wird. Hier bezieht sich die vorbestimmte Zeit auf eine Zeit von einem Anfangszeitpunkt t1 bis zu einem Endzeitpunkt t2, wie in 3 gezeigt. Der erste Sensor 20 oder der zweite Sensor 30 erkennt Infrarotstrahlen oder Kohlendioxid bereits vor dem Zeitpunkt t1 und setzt die Erkennung auch noch nach dem Zeitpunkt t2 fort, und der Prozessor 10 empfängt den Eingang des ersten Normalzustandssignals und des zweiten Normalzustandssignals vom Zeitpunkt t1 bis zum Zeitpunkt t2. Wie in 3 gezeigt, werden das erste Normalzustandssignal und das zweite Normalzustandssignal nur innerhalb eines bestimmten Bereichs geändert, in dem die Messwerte konstant sind.
-
Als nächstes wird ein Normalzustands-Datensatz -Erzeugungsvorgang, bei dem der Prozessor 10 einen Normalzustands-Datensatz auf der Grundlage des ersten Normalzustandssignals und des zweiten Normalzustandssignals erzeugt, unter Bezugnahme auf 3 beschrieben. Wie oben beschrieben, empfängt der Prozessor 10 das erste Normalzustandssignal und das zweite Normalzustandssignal für die vorbestimmte Zeit und erzeugt einen Normalzustands-Datensatz , der durch Umwandlung des empfangenen Signals in konstante Daten erhalten wird. Der erzeugte Normalzustands-Datensatz spiegelt die gemessenen Werte der Umgebung wider, in der der Sensor als Erkennungsziel installiert ist, daher soll der Normalzustands-Datensatz einen Normalzustand der Umgebung, in der der Sensor installiert ist, so widerspiegeln, wie er ist. Darüber hinaus kann der Normalzustands-Datensatz als Grundlage für die Bestimmung eines vom Normalzustands-Datensatz abweichenden Signals als Anomalie verwendet werden.
-
Als nächstes wird der Anomalie-Variablenwert-Erkennungsvorgang, bei dem der Prozessor 10 einen ersten Variablenwert und einen zweiten Variablenwert erkennt, unter Bezugnahme auf 4 beschrieben. Hier kann der Prozessor 10 bei dem Verfahren zur Erkennung des ersten Variablenwerts und des zweiten Variablenwerts den ersten Variablenwert und den zweiten Variablenwert über die Eingabeeinheit 100 empfangen, oder der Prozessor 10 kann den ersten Variablenwert und den zweiten Variablenwert aus dem Normalzustands-Datensatz erzeugen.
-
Der erste Variablenwert und der zweite Variablenwert können vom Benutzer über die Eingabeeinheit 100 eingegeben werden. Wie unten beschrieben, können sich der erste Variablenwert und der zweite Variablenwert auf einen Koeffizientenwert oder einen Variablenwert für eine konstante Funktion beziehen. Daher kann der Benutzer über die Eingabeeinheit 100 einen Koeffizientenwert oder einen Variablenwert eingeben, der auf die entsprechende Funktion angewendet werden kann, und den Koeffizientenwert oder den Variablenwert an den Prozessor 10 übertragen.
-
Der erste Variablenwert und der zweite Variablenwert können von dem Prozessor 10 basierend auf dem Normalzustands-Datensatz neu erzeugt werden. Wie oben beschrieben, kann der erste Variablenwert oder der zweite Variablenwert durch Änderung des Wertes des Normalzustands-Datensatzes gemäß einer vorbestimmten Regel oder durch einen im Prozessor 10 gespeicherten Befehl erzeugt werden, obwohl der Eingangswert des Normalzustands-Datensatzes innerhalb eines vorbestimmten Bereichs geändert wird.
-
Der Prozessor 10 kann ferner einen dritten Variablenwert erkennen. Hier kann der dritte Variablenwert vom Benutzer über die Eingabeeinheit 100 eingegeben werden. Wie der erste oder zweite Variablenwert kann sich der dritte Variablenwert auf einen Koeffizientenwert oder einen Variablenwert für eine konstante Funktion beziehen.
-
Als nächstes wird der Anomaliesignalerzeugungsvorgang beschrieben, bei dem der Prozessor 10 ein erstes Anomaliesignal erzeugt, das dem ersten Normalzustandssignal entspricht, indem der erste Variablenwert auf eine Impulsfunktion angewendet wird, und ein zweites Anomaliesignal erzeugt, das dem zweiten Normalzustandssignal entspricht, indem der zweite Variablenwert auf eine Gaußsche Verteilungsfunktion angewendet wird.
-
Der erste Variablenwert kann sich auf einen Koeffizientenwert oder einen Variablenwert für die Impulsfunktion beziehen. Dementsprechend kann der Prozessor 10 das erste Anomaliesignal durch Multiplikation des ersten Variablenwerts mit der Impulsfunktion oder durch Anwendung eines Variablenwerts erzeugen. Wie in 4 dargestellt, gibt es zwischen dem Zeitpunkt t1 und dem Zeitpunkt t2 drei Impulsfunktionen, d. h. Anomaliesignale. Das erste Anomaliesignal bezieht sich auf ein Signal aufweisend einen Koeffizientenwert a und ein Impulssignal zum Zeitpunkt ta. Das zweite Anomaliesignal bezieht sich auf ein Signal aufweisend einen Koeffizientenwert b und ein Impulssignal zum Zeitpunkt tb. In ähnlicher Weise bezieht sich das dritte Anomaliesignal auf ein Signal aufweisend einen Koeffizientenwert c und ein Impulssignal zum Zeitpunkt tc.
-
Der zweite Variablenwert kann sich auf einen Mittelwert oder eine Varianz der Gaußschen Verteilungsfunktion beziehen. Dementsprechend kann der Prozessor 10 das zweite Anomaliesignal erzeugen, indem er den zweiten Variablenwert auf die Gaußsche Verteilungsfunktion anwendet. Wie in 5 gezeigt, liegt zwischen dem Zeitpunkt t1 und dem Zeitpunkt t2 ein Anomaliesignal vor, das der Gaußschen Verteilung folgt. Dieses Signal bezieht sich auf ein Signal in Form einer Gauß-Verteilung mit Mittelwert m und Varianz σ.
-
Dabei können der erste Variablenwert und der zweite Variablenwert Informationen über den Zeitpunkt, zu dem das erste Anomaliesignal und das zweite Anomaliesignal erzeugt werden, bzw. die Häufigkeit des ersten Anomaliesignals und des zweiten Anomaliesignals beinhalten.
-
Wie oben beschrieben, kann der Prozessor 10 den dritten Variablenwert erkennen und eine Schrittfunktion anwenden. In diesem Fall kann auf der Grundlage eines des ersten Normalzustandssignals und des zweiten Normalzustandssignals bestimmt werden, ob der Prozessor 10 den dritten Variablenwert und die Schrittfunktion anwendet.
-
Als nächstes wird ein Anomalie-Datensatz-Erzeugungsvorgang beschrieben, bei dem der Prozessor einen Anomalie-Datensatz basierend auf dem ersten Anomaliesignal und dem zweiten Anomaliesignal erzeugt. Der Prozessor 10 erzeugt einen Anomalie-Datensatz, der durch Konvertieren des erzeugten ersten Anomaliesignals und des erzeugten zweiten Anomaliesignals in konstante Daten erhalten wird. Im Gegensatz zu Normalzustandsdatensätzen kann davon ausgegangen werden, dass der Anomalie-Datensatz einen Messwert widerspiegelt, der in einer Situation erzeugt werden kann, in der ein vom Sensor erkanntes Erkennungselement (z. B. Kohlendioxid) anormal ist, unabhängig von einer Umgebung, in der der Sensor installiert ist. Außerdem kann das Anomaliesignal als ein Signal betrachtet werden, das außerhalb des Bereichs des Normalzustands liegt.
-
Der Prozessor 10 kann den dritten Variablenwert anstelle mindestens eines des ersten oder des zweiten Variablenwerts auf mindestens eines des ersten oder des zweiten Anomaliesignals anwenden und die Stufenfunktion anstelle mindestens einer der Impulsfunktion oder der Gaußschen Verteilungsfunktion anwenden. Dementsprechend kann die Funktion, auf die der erste Variablenwert, der zweite Variablenwert und der dritte Variablenwert angewendet werden, zusätzlich zu der Impulsfunktion und der Gaußschen Verteilungsfunktion die Stufenfunktion beinhalten. In der vorliegenden Erfindung werden nur die drei oben beschriebenen Funktionen beschrieben, es kann jedoch jede beliebige Funktion verwendet werden, solange die Funktion ein Anomaliesignal erzeugt, was für einen Fachmann als offensichtlich angesehen wird.
-
Als nächstes wird ein Lernsatz-Erzeugungsvorgang, bei dem der Prozessor 10 einen Erkennungsmodell-Lernsatz zur Erzeugung eines Anomalieerkennungsmodells durch Kombinieren des Normalzustands-Datensatzes und des Anomalie-Datensatzes erzeugt, mit Bezug auf 6 beschrieben. Wie in 6 gezeigt, ist das erste Erkennungsmodellsignal eine Kombination des ersten Normalzustandssignals des Normalzustands-Datensatzes und des ersten Anomaliesignals des Anomalie-Datensatzes gemäß einer vorbestimmten Regel. In ähnlicher Weise ist das zweite Erkennungsmodellsignal eine Kombination des zweiten Normalzustandssignals des Normalzustands-Datensatzes und des zweiten Anomaliesignals des Anomalie-Datensatzes gemäß einer vorbestimmten Regel. Hier kann das Verfahren zum Kombinieren des Normalzustandssignals und des Anomaliesignals darin bestehen, die Signalwerte des Normalzustandssignals und des Anomaliesignals auf der Grundlage desselben Zeitpunkts zu addieren.
-
Als nächstes wird ein Anomalieerkennungsmodell-Erzeugungsvorgang beschrieben, bei dem der Prozessor 10 ein Anomalieerkennungsmodell auf der Grundlage eines Erkennungsmodell-Lernsatzes erzeugt. Der Prozessor 10 kann ein Anomalieerkennungsmodell auf der Basis von k-mean clustering erzeugen, indem er die erzeugte Erkennungsmodell-Lernmenge verwendet. Das heißt, da der Erkennungsmodell-Lernsatz das Normalzustandssignal und das Anomaliesignal enthält, kann der Prozessor 10 anschließend den Normalzustand und den Anomalie in Bezug auf verschiedene Eingangswerte, die vom Sensor eingegeben werden, bestimmen. Hier bezieht sich das k-mean Clustering auf einen Algorithmus, der gegebene Signale in k Cluster gruppiert.
-
Als nächstes wird ein Testsatz-Erzeugungsvorgang beschrieben, bei dem der Prozessor 10 einen Erkennungsmodell-Testsatz erzeugt, indem er den Normalzustands-Datensatz und den Anomalie-Datensatz kombiniert. Aus der Sicht des Benutzers kann es notwendig sein, zu testen, ob der Prozessor 10, auf den das Anomalieerkennungsmodell angewendet wird, normal arbeitet. Daher kann ein Erkennungsmodell-Testsatz, mit dem das Anomalieerkennungsmodell getestet werden kann, durch Kombination des Normalzustands-Datensatzes und des Anomalie-Datensatzes erzeugt werden. Hier haben der Erkennungsmodell-Lernsatz und der Erkennungsmodell-Testsatz unterschiedliche Kombinationen des Normalzustands-Datensatzes und des Anomalie-Datensatzes. Das heißt, die Normalzustandssignale und die Anomaliesignale, die im Erkennungsmodell-Lernsatz und im Erkennungsmodell-Testsatz enthalten sind, können unterschiedliche Verhältnisse oder Verteilungen aufweisen.
-
Als Nächstes wird ein Anomalieerkennungsmodell-Testvorgang beschrieben, bei dem der Prozessor 10 das Anomalieerkennungsmodell unter Verwendung des Erkennungsmodell-Testsatzes testet. Wie oben beschrieben, kann der Erkennungsmodell-Testsatz das Anomalieerkennungsmodell testen. Dadurch kann der Benutzer feststellen, ob das Anomalieerkennungsmodell normal funktioniert.
-
Das Computersystem 1 gemäß der vorliegenden Erfindung kann ein Brandmeldesystem sein. Die oben beschriebenen Sensoren können Temperatur, Luftfeuchtigkeit, Infrarotstrahlen, eine Kohlendioxidkonzentration usw. erkennen, um einen Brand zu erkennen, so dass der Prozessor 10 ein Brandrisiko bestimmen kann. Das von dem Prozessor 10 bestimmte Brandrisiko kann an den Benutzer weitergegeben werden.
-
Die technischen Merkmale, die in jeder Ausführungsform der vorliegenden Offenlegung offenbart werden, sind nicht nur auf die entsprechende Ausführungsform beschränkt, und die technischen Merkmale, die in jeder Ausführungsform offenbart werden, können kombiniert und auf verschiedene Ausführungsformen angewendet werden, sofern sie nicht miteinander unvereinbar sind.
-
Im Vorstehenden wurden Ausführungsformen des Verfahrens zur Erzeugung eines Anomalieerkennungsmodells gemäß der vorliegenden Erfindung beschrieben. Die vorliegende Ausführungsform ist nicht auf die oben beschriebenen Ausführungsformen und die begleitenden Zeichnungen beschränkt, und verschiedene Modifikationen und Variationen können aus der Sicht der Fachleute auf dem Gebiet, zu dem die vorliegende Ausführungsform gehört, vorgenommen werden. Dementsprechend sollte der Umfang der vorliegenden Ausführungsform nicht nur durch die Ansprüche der vorliegenden Erfindung, sondern auch durch die Ansprüche und ihre Entsprechungen definiert werden.
-
Bezugszeichenliste
-
- 1
- Computersystem
- 10
- Prozessor
- 20
- erster Sensor
- 30
- zweiter Sensor
- 40
- Netzwerk
- 100
- Eingabeeinheit
- 200
- Kommunikationseinheit
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
