JP2017021790A

JP2017021790A - 隠れマルコフモデルの混合を使用する検証および異常検出のためのシステムおよび方法

Info

Publication number: JP2017021790A
Application number: JP2016123180A
Authority: JP
Inventors: デイヴィッド・スティーヴン・ハードウィック; Stephen Hardwick David; ヨハン・フレデリック・マーカス・スヴェンセン; Fredrik Markus Svensen Johan; オナー・ポウリー; Elisabeth Georgette Powrie Honor
Original assignee: GE Aviation Systems Ltd
Current assignee: GE Aviation Systems Ltd
Priority date: 2015-06-22
Filing date: 2016-06-22
Publication date: 2017-01-26
Also published as: GB2541510A; BR102016014574A2; CA2933805A1; FR3037679B1; GB201610889D0; GB201510957D0; FR3037679A1; GB2541510B; US20160371600A1

Abstract

【課題】隠れマルコフモデルの混合を用いた検証および異常検出のためのシステムおよび方法を提供する。
【解決手段】ある時間にわたってシステムから記録されたデータを監視するためのシステムおよび方法に関する。この技術は、システムイベントを検出および分類し、通常システム動作および異常検出のインジケータを提供する機能を含む。本開示のシステムおよび方法は、監視されているシステムで生じるイベントを示すことができ、イベントの時間的性質を、検出、分類、および／または異常検出のために取得および使用することができ、複合システムおよび／またはイベントを扱う場合に特に有用とすることができる。
【選択図】図１Ａ

Description

本発明の主題は、一般に、状態を監視するためのシステムおよび方法に関し、より詳しくは、隠れマルコフモデルの混合を用いた検証および異常検出のためのシステムおよび方法に関する。

多くのシステムは、１つまたは複数のシステム構成要素および／または全体としてのシステムの動作状態をアクティブに監視することができる、状態監視の恩恵を受けることができる。特に、状態監視は、構成要素もしくはシステムが適切に動作していることの検証および／または構成要素もしくはシステムの異常動作の検出を含むことができる。

状態監視の恩恵を受けることができるシステムの例には、航空機システム、石油およびガス探査ならびに／もしくは抽出システム（例えば、石油掘削リグ）、産業用ガスタービン、および多くの他の複合システムが含まれる。

システム内の異常動作の検出は、多くの利益をもたらすことができ、例えば、システムを正常な動作に戻すためにメンテナンスを必要とする構成要素を迅速に識別すること、下流システムの障害を防ぐこと、およびシステムダウンタイムと関連したコストを減らすことなどが含まれる。より一般的には、状態監視により、システムオペレータが、システムアセットおよび構成要素をより良好に管理することを可能にすることができる。

しかしながら、多くのシステムに対し、状態監視が重要な問題を示す多数の複雑でさまざまな構成要素が存在する。一つの例として、石油掘削リグは、例えば、噴出を防ぐために石油および／またはガス井を封止、制御、および／または監視するために使用することができる、１つまたは複数の噴出防止装置（ＢＯＰ：ｂｌｏｗｏｕｔｐｒｅｖｅｎｔｅｒ）を含むことができる。場合によっては、ＢＯＰは、水没させることができ、または、観察するのが困難な位置に配置することができる。各ＢＯＰは、典型的に、多数のさまざまな構成要素（例えば、ラム、アニュラなど）を含むことができる。同じように、各ＢＯＰは、典型的に、多数のさまざまなタスクまたはイベントを実行するよう動作することができる。したがって、さまざまなＢＯＰ構成要素がさまざまなイベントを実行するよう動作する場合の状態監視は、水没したか、または他の観察が困難なＢＯＰに対して特に、重要な問題を示す。

別の例として、例えば、航空機エンジンなどの航空システムはまた、典型的に、ある時間にわたってさまざまな動作またはイベントを実行するよう動作する多数の構成要素を含む。航空機の動作状態を説明する膨大な量のデータを、さまざまなセンサまたは他の航空機フィードバック機構から収集することができる。例えば、フル・フライト・データを商業用航空機エンジンから収集し、航空機が適切に動作することを確実にしようとするために解析することができる。しかしながら、この膨大な量のデータの解釈および統合は、やっかいで、面倒で、エラーが発生しやすい問題である可能性がある。

したがって、複雑なシステムの状態を監視するためのシステムおよび方法を改善することが求められる。

本開示の実施形態の態様および利点は、以下の説明で部分的に記載し、またはその説明から学ぶことができ、または実施形態の実践を通じて学ぶことができる。

本開示の例示的態様の１つは、１つまたは複数の噴出防止装置を含む石油およびガス探査および抽出システムでの状態を監視する状態監視システムに関する。状態監視システムは、１つまたは複数の噴出防止装置の動作に起因する音響信号を受信して、音響信号に基づいて１つまたは複数の噴出防止装置での動作状態を示す音響データのセットを生成する、１つまたは複数の水中聴音器を含む。状態監視システムは、１つまたは複数のプロセッサによって実現される検証および異常検出部を含む。検証および異常検出部は、以下の少なくとも１つ、すなわち、音響データに基づき１つまたは複数の噴出防止装置の動作を検証する、および音響データに基づき１つまたは複数の噴出防止装置で異常が発生したと判断するために、隠れマルコフモデルの混合を使用する。

本開示の別の例示的態様は、システムに対して状態監視を実行するためのコンピュータ実施方法に関する。本方法は、１つまたは複数のコンピューティングデバイスによって、システムの１つまたは複数の構成要素での動作状態を示すシステムデータのセットを取得することを含む。本方法は、１つまたは複数のコンピューティングデバイスによって、システムデータのセットの少なくとも一部を、隠れマルコフモデルの混合に入力することを含む。本方法は、１つまたは複数のコンピューティングデバイスによって、隠れマルコフモデルの混合の出力として、少なくとも１つの分類と少なくとも１つの適応度スコアとを受信することを含む。本方法は、１つまたは複数のコンピューティングデバイスによって、少なくとも１つの分類および少なくとも１つの適応度スコアに少なくとも部分的に基づいて、システムの１つまたは複数の構成要素の動作状態を判断することを含む。動作状態は、システムの１つまたは複数の構成要素で異常が発生したかどうかを示す。

本開示の別の例示的態様は、検証および異常検出をもたらすコンピュータ実施方法に関する。本方法は、１つまたは複数のコンピューティングデバイスによって、システムデータのセットを受信することを含む。本方法は、１つまたは複数のコンピューティングデバイスによって、システムデータのセットから１つまたは複数の特徴を抽出することを含む。本方法は、１つまたは複数のコンピューティングデバイスによって、隠れマルコフモデルの混合を使用してシステムデータのセットに対して分類予測および適応度スコアの１つまたは複数を判断することを含む。本方法は、１つまたは複数のコンピューティングデバイスによって、分類予測および適応度スコアの１つまたは複数に基づいて異常が発生したことを判断することを含む。

変形および修正を、本開示のこれらの例示的態様に対して行うことができる。

さまざまな実施形態のこれらの、および他の特徴、態様、および利点は、以下の説明および添付の特許請求の範囲を参照して、より良好に理解されるだろう。添付図面は、本明細書に組み込まれて、本明細書の一部を構成し、本開示の実施形態を示し、記述と共に、関連した原理を説明するよう機能する。

当業者を対象とする実施形態の詳細な説明を、添付図面を参照して、本明細書に記載する。

本開示の例示的実施形態による、石油およびガス探査および／または抽出システムでの動作状態を監視するための例示的システムのブロック図である。本開示の例示的実施形態による、例示的状態監視システムの例示的なワークフローダイアグラムである。本開示の例示的実施形態による、例示的状態監視システムのブロック図である。本開示の例示的実施形態による、状態監視を実行する例示的方法のフローチャートダイアグラムである。本開示の例示的実施形態による、例示的ネットワーク環境のブロック図である。本開示の例示的実施形態による、例示的コンピューティングシステムまたは動作環境のブロック図である。

ここで、本発明の例示的実施形態についての参照を詳細に記載し、その１つまたは複数の例について、図面に図示する。各例は、本発明の説明のために提供され、本発明を限定するものではない。実際に、本発明の範囲および主旨から逸脱することなく、本発明でさまざまな変形および変更を行うことが可能であることは、当業者には明らかであろう。例えば、一実施形態の一部として図示または説明された特徴は、他の実施形態で使用され、さらに他の実施形態を生成することができる。したがって、本発明は、添付の特許請求の範囲およびその同等物の範囲内に入るような変形および変更を包含することを意図する。

本開示の例示的態様は、状態監視のために隠れマルコフモデルの混合を使用するシステムおよび方法に関する。特に、本開示の態様は、監視されるシステムから収集された所与のデータセットからの確率論的な隠れマルコフモデルの混合（ＭｏＨＭＭ：ＭｉｘｔｕｒｅｏｆＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌｓ）の生成に関する。本開示のさらなる態様は、システムに対して状態監視を実行するためにＭｏＨＭＭを使用することに関する。

より詳しくは、システムの１つまたは複数の構成要素での動作状態を示すデータセットを収集することができる。例えば、データセットは、さまざまな種類のセンサ、データ収集デバイス、または１つまたは複数の構成要素での、もしくは全体としてのシステムに対しての状態を監視する他のフィードバックデバイスからのデータを含むことができる。複数の特徴を、データセットから抽出することができる。データセットは、完全に、または部分的に、ラベル付けすることができる。例えば、データのラベル付けは、データ収集中に、人間の専門家によって手動で、および／または既知のグラウンドトルース情報に従って、実行することができる。データセットを使用して、トレーニングとして一般に知られている処理でＭｏＨＭＭをトレーニングすることができる。

トレーニングされると、その結果としてのＭｏＨＭＭは、検証、分類、および／または異常検出のために使用することができる。特に、同じシステムから収集された新規の、ラベル付けされていないデータを、ＭｏＨＭＭに入力することができる。新規入力データに応答して、ＭｏＨＭＭは、一般に予測として知られる処理で、少なくとも１つの分類予測および／または少なくとも１つの適応度スコアを出力することができる。いくつかの実装態様において、特徴は、ＭｏＨＭＭへの入力の前に、新規データから抽出される。

いくつかの実装態様において、分類予測または分類は、入力データが最も類似している（例えば、そのようなイベントまたは動作に対応するトレーニングデータからの特徴と一致する）特定のイベント、作用、または動作を識別することができる。さらに、いくつかの実装態様において、適応度スコアは、分類予測の信頼度を示すことができ、または入力データが、分類予測によって識別されたイベントまたは動作とどの程度類似しているかを示す他の何らかの尺度とすることができる。

ＭｏＨＭＭによって出力された少なくとも１つの分類予測および／または適応度スコアを使用して、監視されるシステムの部分（例えば、データが収集されたか、または収集された関連部分）の適切な動作を検証することができる。一例として、いくつかの実装態様において、ＭｏＨＭＭは、入力データが通常のシステム動作を示すとして分類されたか、または異常なシステム動作を示すとして分類されたかどうかを単に示す、単一分類および／または適応度スコアを出力することができる。例えば、いくつかの実装態様において、ＭｏＨＭＭによって出力された単一適応度スコアは、閾値と比較することができる。適応度スコアが閾値を超えることは、システムが適切に動作していることを示すことができ、適応度スコアが閾値未満であることは、システムが適切に動作していない（例えば、異常が発生している）ことを示すことができる。いくつかの実装態様において、使用する特定の閾値は、ＭｏＨＭＭによってもたらされる分類予測に依存することができる。

他の実装態様において、ＭｏＨＭＭは、複数の分類予測および／または適応度スコアを出力することができる。一例として、いくつかの実装態様において、ＭｏＨＭＭに含まれる各隠れマルコフモデル（ＨＭＭ：ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ）は、入力データのセットに対する分類予測および対応する適応度スコアを出力することができる。最大の対応する適応度スコアを有する分類予測を選択し、全体としてＭｏＨＭＭによってもたらされた予測として使用することができる。したがって、ＭｏＨＭＭの出力は、ＭｏＨＭＭに含まれるＨＭＭのいずれかによってもたらされる最も確度の高い予測とすることができる。

別の例として、いくつかの実装態様において、ＭｏＨＭＭによって出力された複数の分類／スコアは、それぞれ、入力データが、ある時間にわたって対応する複数の可能なイベントを識別することができる。特に、複数の分類／スコアは、ある時間にわたる一連のイベント／動作を識別することができる。

より詳しくは、監視対象システムは、動作の間、イベントの間で遷移することができる。一例として、動作の期間の間、航空機は、複数のイベント（例えば、短距離輸送、長距離輸送など）を有することができ、各イベントは、特定の順序で発生する多数の独自イベントまたはサブイベント（例えば、地上滑走、テイクオフ、上昇など）から成ることができる。同じように、例示的輪形ＢＯＰ閉鎖は、この場合も特定の順序で発生することができる異なる特性を伴う多数のイベントまたはサブイベントから成ることができる。

したがって、いくつかの実装態様において、ＭｏＨＭＭは、複数の分類と、それぞれが複数の分類と関連付けられる複数の適応度スコアとを出力することができる。複数の分類は、（入力データによって証明されるように）システムが経験するか、または実行するさまざまなイベントの時間的順序を識別することができる。各分類に対するそれぞれの適応度スコアは、対応する分類によって識別されるイベントが異常なく実行されたという信頼度を示すことができる。したがって、いくつかの実装態様において、一連の分類に対する複数の適応度スコアの全てが、それぞれ、複数の閾値を超える場合、全体的な一連の識別されたイベントは、通常の動作パラメータの範囲内で発生したと仮定することができる。他方で、一連の分類に対する１つ（または複数）の適応度スコアが各信頼度スコア未満である場合、そのような適応度スコアが対応する分類によって識別されるイベントに対する異常を検出することができる。そのようにして、本開示の態様は、ある時間にわたって複数の状態またはイベントの間を遷移する複合システムに対して、異常検出を含む、状態監視を提供するために使用することができる。

さらに、ＭｏＨＭＭに含まれる各隠れマルコフモデル（ＨＭＭ）が分類予測および対応する適応度スコアを出力するいくつかの実装態様において、上記した時間的順序の、ＭｏＨＭＭによって予測されたさまざまなイベントは、入力データの任意の特定の時間的区分または部分に対し、ＭｏＨＭＭの出力として最大の対応する適応度スコアを有する分類予測を選択することによって、識別することができる。したがって、入力データの各区分に対して最も確度の高い分類予測は、ＭｏＨＭＭの出力として使用することができ、それにより、それぞれが一連のイベントを識別する時間的順序の予測を提供することができる。

本開示の１つの例示的用途において、本開示の態様は、石油およびガス探査または抽出システムの１つまたは複数の噴出防止装置（ＢＯＰ）に対して状態監視を実行するよう適用することができる。１つの特定の例において、水中聴音器を使用して、ＢＯＰの動作から生じる音響信号を示す音響データを収集することができる。いくつかの実装態様において、音響データは、人間の専門家によって適切に変換および／または部分的にラベル付けすることができる。後に、変換および／またはラベル付けされたデータを使用して、データならびにＢＯＰシステムおよびイベントについての情報から派生した構造でＭｏＨＭＭをトレーニングすることができる。次いで、トレーニングされたＭｏＨＭＭは、トレーニングデータと同じ方法で変換された新規水中聴音器データに基づいて、イベント予測および異常検出のために使用することができる。

別の例示的用途において、本開示の態様は、航空機エンジンなどの１つまたは複数の航空システムに対して状態監視を実行するよう適用することができる。例えば、フル・フライト・データをトレーニングされたＭｏＨＭＭに入力して、さまざまな航空システムの動作状態に関する予測（例えば、検証または異常検出）を受信することができる．上記のように、この方式でＭｏＨＭＭを使用することは、上記したような、地上滑走、テイクオフ、上昇などの、時間的に連続するイベントを受けるシステムに対する状態監視に対して特に有利であるとすることができる。

さらに、本開示の態様は、基本的な確率理論に部分的に基づき、したがって、モデルを変化または拡張することを可能にする明確なフレームワークを提供する。例えば、本開示の態様により、新規センサからのデータを組み込むこと、または他の（確率論的）モデルと組み合わせることを可能にする。

さらに、本開示の態様は、必要に応じてノイズデータから構築されたモデルにおける本来の不確かさを扱うための原理的方法を提供することによって商業的利点を提供する。例えば、本開示の態様により、さまざまなコストをさまざまな種類のイベント誤分類と関連付けることを可能にし、ある時間にわたって最適となるよう期待される決定戦略を導出するため、モデルの確率論的予測と組み合わせることができる。

本開示の例示的態様は、噴出防止システムおよび／または航空システムを参照して説明するが、本明細書で説明する発明の主題は、本開示の範囲から逸脱しない、他のシステム、車両、機械、産業もしくは機械アセット、または構成要素とともに使用することができる。

ここで図面を参照して、本開示の例示的態様のさらなる詳細を説明する。

図１Ａは、本開示の例示的実施形態による、石油およびガス探査および／または抽出システム２０での動作状態を監視するための例示的システム１０のブロック図を示す。例えば、石油およびガス探査および／または抽出システム２０は、石油掘削リグとすることができる。

石油およびガス探査および／または抽出システム２０は、例えば、噴出を防ぐために石油および／またはガス井を封止、制御、および／または監視するために使用することができる、１つまたは複数の噴出防止装置（ＢＯＰ）２２を含むことができる。場合によっては、ＢＯＰ２２は、水没させることができ、または、観察するのが困難な位置に配置することができる。各ＢＯＰ２２は、典型的に、多数のさまざまな構成要素（例えば、ラム、アニュラなど）を含むことができる。同じように、各ＢＯＰ２２は、典型的に、多数のさまざまなタスクまたはイベントを実行するよう動作することができる。

ＢＯＰ２２の動作により、音響信号２４を発生させるか、または生成することができる。本明細書で使用される場合、音響信号２４は、媒体により機械的に伝達される任意の信号を含むことができる。非限定の例として、音響信号２４は、ガスまたは水などの液状媒体を通じて伝達される音波、固体媒体を通じて伝達される振動、および／またはそれらの何らかの組み合わせを含むことができる。音響信号２４は、人間が知覚可能である可能性があり、人間が知覚不可能である可能性もある。

システム１０は、石油およびガスシステム２０で状態を監視する状態監視システム３０を含む。状態監視システム３０は、１つまたは複数の水中聴音器３２と、検証ならびに異常検出部３４とを含むことができる。

水中聴音器３２は、海底石油生産設備
（例えば、ＢＯＰ２２）を監視し、構成要素（例えば、ラム、アニュラなど）の動作に関する音響データをもたらすことができる。特に、水中聴音器３２は、音響信号２４を受信し、音響信号２４を音響データ（例えば、デジタル電子信号またはアナログ電子信号）に変換することができる。水中聴音器３２からのデータは、検証および異常検出部（ＶＡＤ部）３４にもたらすことができる。

ＶＡＤ部３４は、音響データに隠れマルコフモデルの混合を適用することに基づいて、ＢＯＰ２２で生じるイベントを検出および分類することができる。ＶＡＤ部３４は、アラートを出力し、および／またはユーザに結果を表示することができる。特に、ＶＡＤ部３４は、通常のシステム動作および／または異常検出のインジケータをもたらすことができる。

ＶＡＤ部３４は、図２を参照してさらに詳細に説明するＶＡＤ部２０４と同じか、または同様とすることができる。ＢＯＰ２２が図１Ａで示されるが、状態監視システム３０は、ＢＯＰ２２に加えて、またはＢＯＰ２２の代わりに、石油およびガス探査および／または抽出システム２０の他の異なる構成要素に対して状態を監視するよう動作することができる。さらに、水中聴音器３２が図１Ａで示されるが、他のデータ収集デバイスを、水中聴音器３２に加えて、または水中聴音器３２の代わりに使用することができる。

図１Ｂは、本開示の例示的実施形態による、例示的状態監視システム１００の例示的なワークフローダイアグラムを示す。状態監視システム１００は、トレーニング部１０１と予測部１０２とを含むとして示される。

トレーニング部１０１は、特徴抽出１０４をもたらすシステムデータ１０３のセットを含む。システムデータ１０３は、データ収集デバイスのセットから取得、獲得、または受信することができる。例えば、データ収集デバイスは、これらに限定されないが、センサのセット、１つまたは複数のイメージャなどを含むことができる。

特徴抽出１０４は、特徴抽出基準、規則、またはパラメータのセットに基づいて、１つまたは複数の関心値または特徴を分離、取得、または抽出することができる。特徴抽出パラメータは、事前設定するか、学習させるか、または動的に調整することができる。

抽出された特徴は、トレーニング１０６のために、隠れマルコフモデルの混合（ＭｏＨＭＭ）にもたらすことができる。さらに、システムデータラベル１０５のセットを、ＭｏＨＭＭトレーニング１０６を容易にするためにもたらすことができる。例えば、ラベル１０５のセットにおける第１のラベルは、第１の抽出された特徴と関連付けられる、または特定の場合もしくは例に属する特徴の第１のセットと関連付けられるイベントまたは動作を識別することができる。ＭｏＨＭＭに含まれる１つまたは複数のＨＭＭは、第１の抽出された特徴および第１のラベルに基づいて動作を認識するようトレーニングすることができる。例として、ＭｏＨＭＭトレーニング１０６は、ＨＭＭをトレーニングするために、（フォワード−バックワード技術および／または期待値最大化アルゴリズムとしても既知であろう）バウム−ウェルチ技術を実行することができる。

トレーニング１０１は、一時的、または継続的とすることができる。例えば、トレーニング１０１は、状態監視システム１００のセットアップまたはインストールの間に行うことができる。さらに、またはあるいは、トレーニング１０１は、予測１０２を改善するために状態監視システム１００の標準動作の間（例えば、予測１０２の間）、続けることができる。

予測部１０２は、新規システムデータ１０８を含む。トレーニング部１０１で使用されるシステムデータ１０３と同様に、新規システムデータ１０８は、データ収集デバイスまたはその拡張セットから受信することができる。新規システムデータ１０８は、特徴抽出１１０をもたらす。特徴抽出１１０は、特徴抽出１０４に対するトレーニング部１０１の間に改善されたパラメータのセットを使用することができる。抽出された特徴は、予測１１２のためにＭｏＨＭＭにもたらされ（例えば、入力され）、ＭｏＨＭＭは、トレーニング部１０１の間にトレーニングされたＨＭＭを含む。

予測１１２は、分類予測１１４および／または適応度スコア１１６を生成、製作、または出力することができる。分類予測１１４および適応度スコア１１６は、新規システムデータ１０８と関連付けられたシステムの通常動作を示すか、または検証することができる。さらに、またはあるいは、分類予測１１４および／または適応度スコア１１６は、関連付けられたシステムの動作における異常を検出することができる。例えば、動作が、所定の閾値を満たさない適応度スコア１１６を有する場合、動作が異常であることを示すことができる。別の例として、ＭｏＨＭＭが不確かな分類を出力し、全ての可能な分類が（同様に可能性がないことを示す）低適応度スコアを受信した場合、動作が異常であることを示すことができる。

さらなる実装態様において、予測１１２は、複数の分類予測１１４および／または適応度スコア１１６を出力することができる。特に、いくつかの実装態様において、複数の分類予測１１４は、それぞれ、新規システムデータ１０８が対応する複数の可能なイベントを識別することができる。例えば、複数の分類／スコア１１４／１１６は、ある時間にわたる一連のイベント／動作を識別することができる。

したがって、いくつかの実装態様において、複数の分類１１４は、（新規システムデータ１０８によって証明されるように）システムが経験するか、または実行するさまざまなイベントの時間的順序を識別することができる。各分類１１４に対するそれぞれの適応度スコア１１６は、対応する分類１１４によって識別されるイベントが異常なく実行されたという信頼度を示すことができる。したがって、いくつかの実装態様において、複数の適応度スコア１１６の全てが、それぞれ、複数の閾値を超える場合、全体的な一連の識別されたイベントは、通常の動作パラメータの範囲内で発生したと仮定することができる。他方で、１つ（または複数）の適応度スコア１１６が各信頼度スコア未満である場合、そのような適応度スコアが対応する分類１１４によって識別されるイベントに対する異常を検出することができる。そのようにして、予測部１０２は、ある時間にわたって複数の状態またはイベントの間を遷移する複合システムに対して、異常検出を含む、状態監視を提供するために使用することができる。

トレーニング部１０１（特徴抽出１０４およびＭｏＨＭＭトレーニング１０６を含む）は、１つまたは複数のコンピューティングデバイスにより実行または実施することができ、コンピューティングデバイスは、非一時的コンピュータ読込み可能媒体に格納された命令を実行する１つまたは複数のプロセッサを含む。例えば、いくつかの実装態様において、特徴抽出１０４およびＭｏＨＭＭトレーニング１０６は、所望の機能をもたらすために使用されるコンピュータロジックに対応するか、または含む。したがって、特徴抽出１０４およびＭｏＨＭＭトレーニング１０６のそれぞれは、ハードウェア、特定用途向け回路、ファームウェア、およびまたは汎用プロセッサを制御するソフトウェアで実現することができる。一実施形態において、特徴抽出１０４およびＭｏＨＭＭトレーニング１０６のそれぞれは、ストレージデバイスに格納され、メモリにロードされ、プロセッサによって実行されるプログラムコードファイルに対応し、または、ＲＡＭ、ハードディスク、または光学もしくは磁気媒体などの有形コンピュータ読込み可能ストレージ媒体に格納された、例えば、コンピュータ実行可能命令などの、コンピュータプログラム製品からもたらすことができる。

同じように、予測部１０２（特徴抽出１１０およびＭｏＨＭＭ予測１１２を含む）は、１つまたは複数のコンピューティングデバイスにより実行または実施することができ、コンピューティングデバイスは、非一時的コンピュータ読込み可能媒体に格納された命令を実行する１つまたは複数のプロセッサを含む。予測部１０２を実施する１つまたは複数のコンピューティングデバイスは、トレーニング部１０１を実行する１つまたは複数のコンピューティングデバイスと同じとすることができ、別のものとすることができ、または重複するものとすることができる。例えば、いくつかの実装態様において、特徴抽出１１０およびＭｏＨＭＭ予測１１２は、所望の機能をもたらすために使用されるコンピュータロジックに対応するか、または含む。したがって、特徴抽出１１０およびＭｏＨＭＭ予測１１２のそれぞれは、ハードウェア、特定用途向け回路、ファームウェア、および／または汎用プロセッサを制御するソフトウェアで実現することができる。一実施形態において、特徴抽出１１０およびＭｏＨＭＭ予測１１２のそれぞれは、ストレージデバイスに格納され、メモリにロードされ、プロセッサによって実行されるプログラムコードファイルに対応し、または、ＲＡＭ、ハードディスク、または光学もしくは磁気媒体などの有形コンピュータ読込み可能ストレージ媒体に格納された、例えば、コンピュータ実行可能命令などの、コンピュータプログラム製品からもたらすことができる。

図２を参照すると、本明細書で説明するさまざまな態様による例示的状態監視システム２００が示される。状態監視システム２００は、データ収集デバイス２０２のセット、ならびに検証および異常検出部２０４を含むことができる。

収集デバイス２０２のセットは、Ｎ個のデータ収集デバイスを含むことができ、ここで、Ｎは整数である。収集デバイス２０２は、これに限定されないが、センサのセットを備えることができる。例えば、データ収集デバイス２０２は、水中聴音器を使用する受動的音響システムを含むことができる。水中聴音器は、海底石油生産設備（例えば、噴出防止装置（ＢＯＰ））を監視し、構成要素（例えば、ラム、アニュラなど）の動作に関する音響データをもたらすことができる。データ収集デバイス２０２からのデータは、検証および異常検出部（ＶＡＤ部）２０４にもたらすことができる。

ＶＡＤ部２０４は、入力部２０６、トレーニング部２０８、特徴抽出部２１０、およびＭｏＨＭＭ予測部２１２を含む。ＶＡＤ部２０４はまた、１つまたは複数のプロセッサ（図示せず）およびメモリ（図示せず）を含むことができる。１つまたは複数のプロセッサは、任意の適切な処理デバイス（例えば、プロセッサコア、マイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡ、コントローラ、マイクロコントローラなど）とすることができ、１つのプロセッサまたは動作可能に接続される複数のプロセッサとすることができる。メモリは、１つまたは複数の非一時的コンピュータ読込み可能媒体を含むことができ、そのような非一時的コンピュータ読込み可能媒体には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＥＰＲＯＭ、フラッシュメモリデバイス、磁気ディスクなど、およびそれらの組み合わせがある。メモリは、動作を行うためにプロセッサにより実行される命令を格納することができる。

再び図２を参照すると、入力部２０６は、データ収集デバイス２０２からデータを取得、獲得、または受信する。説明したように、データは、例えば、ＢＯＰの構成要素の動作に関連する音響データを含むことができる。さらに、データは、トレーニングデータおよび／または実際の動作データを含むことができる。さらに、入力部２０６は、任意の必要な、または所望の前処理を提供または実施することができる。

トレーニング部２０８は、トレーニングデータのセットに少なくとも部分的に基づいてＨＭＭをトレーニングすることができる。トレーニング部２０８は、ラベル部２０９をさらに含むことができる。ラベル部２０９は、ＨＭＭのトレーニングを容易にするラベルを受信または維持することができる。例えば、ラベルのセットは、技術者により提供され、トレーニングのためのデータに含まれる動作を識別することができる。ラベルおよびデータに基づいて、ＨＭＭのセットは、動作を認識、識別、または分類するためにトレーニングすることができる。

特徴抽出部２１０は、データから、１つまたは複数の関心値または特徴を分離、取得、または抽出することができる。特徴抽出部２１０は、特徴抽出基準、規則、またはパラメータのセットを判断、受信、または維持するパラメータ部２１１を含むことができる。例えば、パラメータは、ユーザ、専門家、または技術者によって、パラメータ部２１１に入力または登録することができる。さらに、またはあるいは、パラメータは、パラメータ部２１１によって学習されるか、または動的に選択されることができる。特徴抽出部２１０は、基準、規則、またはパラメータを使用して、データから特徴を識別および抽出することができる。

ＭｏＨＭＭ予測部２１２は、抽出された特徴における動作の検証および異常検出のために、（例えば、トレーニング部２０８を介して）トレーニングされたＨＭＭを適用、利用、または使用する。ＭｏＨＭＭ部は、分類部２１４および適応度部２１６を含むことができる。以前の例に戻ると、ＭｏＨＭＭに含まれるＨＭＭは、ＢＯＰの環状開口として抽出された特徴を識別および検証することができる。さらに、またはあるいは、ＨＭＭのいずれも、抽出された特徴と関連付けられた動作を確実にまたは満足に識別することができない（例えば、全ての分類が同様に低スコアを受信した）場合、ＭｏＨＭＭ部２１２は、動作が異常であると判断することができる。分類部２１４は、動作が既知の分類に属するか、または分類予測をもたらすかどうかを示すことができ、適応度部２１６は、動作を識別する候補ＨＭＭの適応度に関するスコアを判断および提供する。例えば、適応度部２１６は、ＨＭＭが動作を正確に識別した可能性を示す値としてスコアを提供することができる。スコアが所定の閾値を満たさない場合、ＭｏＨＭＭ予測部２１２は、動作が異常であると判断することができる。

ＭｏＨＭＭ予測部２１２からの結果は、ユーザ２２０に提供される、および／またはアラーム２１８をトリガするために使用することができる。例えば、ＢＯＰと関連付けられた動作が異常であることが判断された場合、アラーム２１８がトリガされ、人員に警告、警報、または報知することができる。さらに、またはあるいは、その結果は、例えば、コンピュータインターフェースを介して、ユーザ２２０にもたらすことができる。

ＶＡＤ部２０４（入力部２０６、トレーニング部２０８、ラベル部２０９、特徴抽出部２１０、パラメータ部２１１、ＭｏＨＭＭ予測部２１２、分類部２１４、および適応度部２１６を含む）は、所望の機能を提供するために使用されるコンピュータロジックに対応するか、または含むことができる。したがって、そのような構成要素のそれぞれは、ハードウェア、特定用途向け回路、ファームウェア、およびまたは汎用プロセッサを制御するソフトウェアで実現することができる。一実施形態において、そのような構成要素のそれぞれは、ストレージデバイスに格納され、メモリにロードされ、プロセッサによって実行されるプログラムコードファイルに対応し、または、ＲＡＭ、ハードディスク、または光学もしくは磁気媒体などの有形コンピュータ読込み可能ストレージ媒体に格納された、例えば、コンピュータ実行可能命令などの、コンピュータプログラム製品からもたらすことができる。

図３は、本開示の例示的実施形態による、状態監視を実行する例示的方法３００のフローチャートダイアグラムである。

３０２で、状態監視システムは、監視対象のシステムから、トレーニングデータのセットを取得する。例えば、トレーニング・データ・セットは、さまざまな種類のセンサ、または１つまたは複数の構成要素での、もしくは全体としてのシステムに対しての状態を監視する他のフィードバックデバイスからのデータを含むことができる。

いくつかの実装態様において、３０２で、複数の特徴を、データセットから抽出することができる。例えば、１つまたは複数の関心値または他の特徴は、特徴抽出基準、規則、またはパラメータのセットに基づいて、分離、取得、または抽出することができる。特徴抽出パラメータは、事前設定するか、学習させるか、または動的に調整することができる。

いくつかの実装態様において、トレーニング・データ・セットはまた、３０２で、完全に、または部分的にラベル付けすることができる。例えば、データのラベル付けは、データ収集中に、人間の専門家によって手動で、および／または既知のグラウンドトルース情報に従って、実行することができる。

３０４で、状態監視システムは、トレーニングデータを使用して、隠れマルコフモデルの混合（ＭｏＨＭＭ）をトレーニングする。例として、ＭｏＨＭＭトレーニング１０６は、ＨＭＭをトレーニングするために、（フォワード−バックワード技術および／または期待値最大化アルゴリズムとしても既知であろう）バウム−ウェルチ技術を実行することができる。

３０６で、状態監視システムは、新規システムデータのセットを取得する。例えば、３０２で取得されたトレーニングデータと同様に、３０６で取得された新規システムデータは、データ収集デバイスか、またはデータ収集デバイスの拡張セットから受信することができる。いくつかの実装態様において、新規システムデータは、３０６で、特徴抽出を提供することができる。特徴抽出は、３０４でのトレーニング中に改善されたパラメータのセットを使用することができる。

３０８で、状態監視システムは、システムデータのセットの少なくとも一部を、ＭｏＨＭＭに入力する。３１０で、状態監視システムは、ＭｏＨＭＭからの出力として、分類および／または少なくとも１つの適応度スコアの少なくとも一方を受信する。いくつかの実装態様において、分類は、システムデータの入力されたセットが最もよく類似している特定のイベント、作用、または動作を識別することができる。さらに、いくつかの実装態様において、適応度スコアは、分類の信頼度、またはシステムデータの入力されたセットが、分類によって識別されたイベントまたは動作とどの程度類似しているかを示す他の尺度を示すことができる。

３１２で、状態監視システムは、分類および適応度スコアの受信した少なくとも一方に少なくとも部分的に基づいて、監視対象のシステムの動作状態を判断する。一例として、いくつかの実装態様において、ＭｏＨＭＭは、３１０で、入力データが通常のシステム動作を示すとして分類されたか、または異常なシステム動作を示すとして分類されたかどうかを単に示す、単一分類および／または適応度スコアを出力することができる。例えば、いくつかの実装態様において、３１２で動作状態を判断するために、状態監視システムは、ＭｏＨＭＭによって出力された単一適応度スコアと閾値とを比較することができる。適応度スコアが閾値を超えることは、システムが適切に動作していることを示すことができ、適応度スコアが閾値未満であることは、システムが適切に動作していない（例えば、異常が発生している）ことを示すことができる。いくつかの実装態様において、使用する特定の閾値は、ＭｏＨＭＭによってもたらされる分類予測に依存することができる。

他の実装態様において、３１０で、ＭｏＨＭＭは、複数の分類予測および／または適応度スコアを出力することができる。一例として、いくつかの実装態様において、ＭｏＨＭＭに含まれる各隠れマルコフモデル（ＨＭＭ：ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ）は、入力データのセットに対する分類予測および対応する適応度スコアを出力することができる。最大の対応する適応度スコアを有する分類予測を３１２で選択し、システムの動作状態を（例えば、閾値との比較によって）判断するよう使用することができる。したがって、ＭｏＨＭＭの出力は、ＭｏＨＭＭに含まれるＨＭＭのいずれかによってもたらされる最も確度の高い予測とすることができる。

したがって、いくつかの実装態様において、３１０で、ＭｏＨＭＭは、複数の分類と、それぞれが複数の分類と関連付けられる複数の適応度スコアとを出力することができる。複数の分類は、（入力データによって証明されるように）システムが経験するか、または実行するさまざまなイベントの時間的順序を識別することができる。各分類に対するそれぞれの適応度スコアは、対応する分類によって識別されるイベントが異常なく実行されたという信頼度を示すことができる。

したがって、いくつかの実装態様において、３１２でシステムの動作状態を判断するために、状態監視システムは、複数の適応度スコアと複数の閾値とをそれぞれ比較することができる。一連の分類に対する複数の適応度スコアの全てが、それぞれ、複数の閾値を超える場合、全体的な一連の識別されたイベントは、通常の動作パラメータの範囲内で発生したと仮定することができる。他方で、一連の分類に対する１つ（または複数）の適応度スコアが各信頼度スコア未満である場合、そのような適応度スコアが対応する分類によって識別されるイベントに対する異常を検出することができる。そのようにして、本開示の態様は、ある時間にわたって複数の状態またはイベントの間を遷移する複合システムに対して、異常検出を含む、状態監視を提供するために使用することができる。

さらに、３１０で、ＭｏＨＭＭに含まれる各隠れマルコフモデル（ＨＭＭ）が分類予測および対応する適応度スコアを出力するいくつかの実装態様において、上記した時間的順序の、ＭｏＨＭＭによって予測されたさまざまなイベントは、３１２で、入力データの任意の特定の時間的区分または部分に対し、ＭｏＨＭＭの出力として最大の対応する適応度スコアを有する分類予測を選択することによって、識別することができる。したがって、入力データの各区分に対して最も確度の高い分類予測は、ＭｏＨＭＭの出力として使用することができ、それにより、それぞれが一連のイベントを識別する時間的順序の予測を提供することができる。時間的順序の予測は、上記のように（例えば、選択された予測からの適応度スコアと、各閾値とを比較することで）異常検出のために解析することができる。

図４は、例示的ネットワーク化または分散化コンピューティング環境の概略図を提供する。分散化コンピューティング環境は、コンピューティングオブジェクト１５１０、１５１２など、およびコンピューティングオブジェクトもしくはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などを備え、アプリケーション１５３０、１５３２、１５３４、１５３６、１５３８およびデータストア１５４０によって表されるような、プログラム、方法、データストア、プログラマブルロジックなどを含むことができる。コンピューティングオブジェクト１５１０、１５１２など、およびコンピューティングオブジェクトもしくはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などは、携帯情報端末（ＰＤＡ）、音声／ビデオデバイス、携帯電話、ＭＰ３プレイヤ、パーソナルコンピュータ、ラップトップなどの、さまざまなデバイスを備えることができることが理解されよう。

各コンピューティングオブジェクト１５１０、１５１２など、およびコンピューティングオブジェクトもしくはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などは、直接的または間接的に、通信ネットワーク１５５０を経由して、１つまたは複数の他のコンピューティングオブジェクト１５１０、１５１２など、およびコンピューティングオブジェクトもしくはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などと通信することができる。図４で単一要素として示したが、通信ネットワーク１５５０は、図４のシステムにサービスを提供する他のコンピューティングオブジェクトおよびコンピューティングデバイスを備えることができ、および／または、図示しないが、複数の相互接続されたネットワークを意味することができる。各コンピューティングオブジェクト１５１０、１５１２など、またはコンピューティングオブジェクトもしくはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などはまた、本開示のさまざまな実施形態により提供されるＣＯＭオブジェクトに対する動的コード生成およびメモリ管理のための技術と通信するか、またはそのような技術を実施するのに適切な、ＡＰＩ、もしくは他のオブジェクト、ソフトウェア、ファームウェア、および／またはハードウェアを利用することができる、アプリケーション１５３０、１５３２、１５３４、１５３６、１５３８などの、アプリケーションを含むことができる。

分散化コンピューティング環境をサポートするさまざまなシステム、構成要素、およびネットワーク構成が存在する。例えば、コンピューティングシステムは、有線または無線システムによって、ローカルネットワークまたは広域分散化ネットワークによって、共に接続することができる。現在、多くのネットワークが、広域分散化コンピューティングのためのインフラを提供し、多くのさまざまなネットワークを包含する、インターネットに接続されており、任意のネットワークインフラは、さまざまな実施形態で説明したようなＣＯＭオブジェクトのための動的コード生成およびメモリ管理のためのシステムに入る例示的通信のために使用することができる。

したがって、クライアント／サーバ、ピアツーピア、またはハイブリッドアーキテクチャなどの、ネットワークトポロジおよびネットワークインフラのホストを利用することができる。「クライアント」は、関連しない別のクラスまたはグループのサービスを使用するクラスまたはグループのメンバである。クライアントは、別のプログラムまたは処理によって提供されるサービスを要求する処理、すなわち、おおよそ命令またはタスクのセットとすることができる。クライアント処理は、他のプログラムまたはサービス自体について何らの作動詳細を「把握する」必要無く、要求されたサービスを使用する。

クライアント／サーバアーキテクチャ、特に、ネットワーク化システムでは、クライアントは、通常、別のコンピュータ、例えば、サーバによって提供される共有ネットワークリソースにアクセスするコンピュータである。図４の図示では、非限定の例として、コンピューティングオブジェクトまたはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などは、クライアントと考えることができ、コンピューティングオブジェクト１５１０、１５１２などは、サーバと考えることができ、サーバとして動作するコンピューティングオブジェクト１５１０、１５１２などは、クライアント・コンピューティング・オブジェクトまたはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などからデータを受信すること、データを格納すること、データを処理すること、データをクライアント・コンピューティング・オブジェクトまたはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などに送信することなどのデータサービスを提供するが、環境に応じて、任意のコンピュータを、クライアント、サーバ、またはその両方と考えることができる。

サーバは、典型的に、インターネットまたは無線ネットワークインフラなどの、リモートまたはローカルネットワークでアクセス可能なリモート・コンピュータ・システムである。クライアント処理は、第１のコンピュータシステムでアクティブとすることができ、サーバ処理は、第２のコンピュータシステムでアクティブとすることができ、通信媒体で互いに通信し、したがって、分散機能をもたらし、複数のクライアントが、サーバの情報収集能力を利用することが可能となる。本明細書で説明する技術に準じて使用される任意のソフトウェアオブジェクトは、スタンドアロン型とすることができ、または複数のコンピューティングデバイスまたはオブジェクトにまたがって分散させることができる。

通信ネットワーク１５５０またはバスが、例えば、インターネットである通信環境では、コンピューティングオブジェクト１５１０、１５１２などは、他のコンピューティングオブジェクトまたはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などが、ハイパーテキスト転送プロトコル（ＨＴＴＰ）などの、多数の任意のプロトコルのいずれかを介して通信するＷｅｂサーバとすることができる。サーバの役目を果たすコンピューティングオブジェクト１５１０、１５１２などはまた、分散化コンピューティング環境の特性であろうような、例えば、コンピューティングオブジェクトまたはデバイス１５２０、１５２２、１５２４、１５２６、１５２８などの、クライアントとして機能することができる。

有利には、本明細書で説明する技術は、任意のデバイスまたはシステムに適用され、本明細書で説明するような状態監視を実行することができる。したがって、あらゆる種類のハンドヘルド、ポータブル、ならびに他のコンピューティングデバイスおよびコンピューティングオブジェクトが、さまざまな実施形態と関連して使用されることを意図されることが理解されよう。したがって、図５において以下で説明する以下の汎用リモートコンピュータは、コンピューティングデバイスの一例に過ぎない。

必須ではないが、実施形態は、デバイスまたはオブジェクトに対するサービスのデベロッパが使用するために、オペレーティングシステムを介して部分的に実現することができ、および／または本明細書で説明するさまざまな実施形態の１つまたは複数の機能的態様を実行するよう動作するアプリケーションソフトウェア内に部分的に含むことができる。ソフトウェアは、クライアントワークステーション、サーバ、または他のデバイスなどの１つまたは複数のコンピュータによって実行される、プログラムモジュールなどの、コンピュータ実行可能命令の一般的な文脈で説明することができる。当業者は、コンピュータシステムが、データを通信するために使用することができるさまざまな構成およびプロトコルを有し、したがって、特定の構成またはプロトコルに構成を限定するべきではないことを理解するだろう。

図５は、本明細書で説明する実施形態の１つまたは複数の態様を実施することができる適切なコンピューティングシステム環境１６００の一例を示すが、上記で明確に示したように、コンピューティングシステム環境１６００は、適切なコンピューティング環境の単なる一例であり、使用または機能の範囲を限定する意図はない。コンピューティングシステム環境１６００は、例示的コンピューティングシステム環境１６００に示された構成要素の任意の１つまたは組み合わせに関する何らかの依存度または要件を有するとして解釈されるべきではない。

図５を参照すると、１つまたは複数の実施形態を実施するための例示的リモートデバイスは、コンピュータ１６１０の形式の汎用コンピューティングデバイスを含む。コンピュータ１６１０の構成要素は、これらに限定されないが、処理ユニット１６２０、システムメモリ１６３０、およびシステムメモリを含むさまざまなシステム構成要素を処理ユニット１６２０に結合するシステムバス１６２１を含むことができる。

コンピュータ１６１０は、典型的に、さまざまなコンピュータ読込み可能媒体を含み、そのようなコンピュータ読込み可能媒体は、コンピュータ１６１０がアクセスすることができる任意の利用可能な媒体とすることができる。システムメモリ１６３０は、リード・オンリ・メモリ（ＲＯＭ）および／またはランダム・アクセス・メモリ（ＲＡＭ）などの揮発性および／または不揮発性メモリの形式のコンピュータストレージ媒体を含むことができる。例えば、限定するものではないが、システムメモリ１６３０はまた、オペレーティングシステム、アプリケーションプログラム、他のプログラムモジュール、およびプログラムデータを含むことができる。さらなる例によれば、コンピュータ１６１０はまた、さまざまな他の媒体（図示せず）を含むことができ、そのような媒体には、限定するものではないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光学ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージもしくは他の磁気ストレージデバイス、または所望の情報を格納するために使用することができる他の有形および／または非一時的媒体を含む。

ユーザは、入力デバイス１６４０を介して、コマンドおよび情報を、コンピュータ１６１０に入力することができる。モニタまたは他の種類のディスプレイデバイスもまた、出力インターフェース１６５０などのインターフェースを介して、システムバス１６２１に接続される。モニタに加えて、コンピュータはまた、出力インターフェース１６５０を介して接続することができる、スピーカおよびプリンタなどの他の周辺出力デバイスを含むことができる。

コンピュータ１６１０は、リモートコンピュータ１６７０などの１つまたは複数の他のリモートコンピュータへの、ネットワークインターフェース１６６０などの、論理接続を使用するネットワーク化または分散化環境で動作することができる。リモートコンピュータ１６７０は、パーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ピアデバイスもしくは他の共通ネットワークノード、または他の任意のリモート媒体消費もしくは伝達デバイスとすることができ、コンピュータ１６１０に関して上記した要素のいずれかまたは全てを含むことができる。図５に示した論理接続は、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）などのネットワーク１６７１を含むが、他のネットワーク／バスを含んでもよい。そのようなネットワーキング環境は、家庭、事務所、企業規模コンピュータネットワーク、イントラネット、およびインターネットにおいて一般的である。

本明細書で説明する技術は、サーバ、データベース、ソフトウェアアプリケーション、および他のコンピュータベースシステム、ならびに実行される動作およびそのようなシステムに／から送信される情報を参照する。当業者は、コンピュータベースシステムの本来の自由度により、構成要素間のタスクおよび機能の非常にさまざまな構成、組み合わせ、および分割が可能になることを理解するだろう。例えば、本明細書で説明するサーバ処理は、単一サーバ、または組み合わせて動作する複数のサーバを使用して、実施することができる。データベースおよびアプリケーションは、単一システムで実現してもよく、複数のシステムにまたがって分散してもよい。分散構成要素は、連続的に、または並列に、動作することができる。

さまざまな実施形態の具体的な特徴を、一部の図面では示し、他の図面では示さない可能性があるが、これは単に便宜上のものである。本開示の原理によれば、図面の任意の特徴は、他の任意の図面の任意の特徴と組み合わせて参照および／または主張してもよい。

本明細書は最良の形態を含む本発明を開示するため、および、あらゆるデバイスまたはシステムを製作し、ならびに使用し、およびあらゆる組込方法を実行することを含む任意の当業者が本発明を実施することを可能にするための例を用いる。本発明の特許可能な範囲は、特許請求の範囲によって定義され、当業者が想到するその他の実施例を含むことができる。そのような他の例は、特許請求の範囲の文言と異ならない構造的な要素を有する場合、または特許請求の範囲の文言とわずかに異なる同等の構造的な要素を含む場合、特許請求の範囲内にあることを意図する。したがって、本発明は、任意の単一の実施形態または実装態様に限定されないが、添付の特許請求の範囲による精神および範囲で解釈することができる。

１０システム
２０石油およびガス探査および／または抽出システム、石油およびガスシステム
２２噴出防止装置
２４音響信号
３０状態監視システム
３２水中聴音器
３４検証および異常検出部、ＶＡＤ部
１００状態監視システム
１０１トレーニング部、トレーニング
１０２予測部、予測
１０３システムデータのセット
１０４特徴抽出
１０５システムデータラベルのセット
１０６隠れマルコフモデルの混合のトレーニング、ＭｏＨＭＭトレーニング
１０８新規システムデータ
１１０特徴抽出
１１２隠れマルコフモデルの混合の予測、ＭｏＨＭＭ予測
１１４分類予測、分類
１１６適応度スコア
２００状態監視システム
２０２データ収集デバイス
２０４検証および異常検出部、ＶＡＤ部
２０６入力部
２０８トレーニング部
２０９ラベル部
２１０特徴抽出部
２１１パラメータ部
２１２隠れマルコフモデルの混合の構成要素、ＭｏＨＭＭ予測部、ＭｏＨＭＭ部
２１４分類部
２１６適応度部
２１８アラーム
２２０ユーザ
３００方法
３０２方法ステップ
３０４方法ステップ
３０６方法ステップ
３０８方法ステップ
３１０方法ステップ
３１２方法ステップ
１５１０コンピューティングオブジェクト
１５１２コンピューティングオブジェクト
１５２０コンピューティングオブジェクトまたはデバイス
１５２２コンピューティングオブジェクトまたはデバイス
１５２４コンピューティングオブジェクトまたはデバイス
１５２６コンピューティングオブジェクトまたはデバイス
１５２８コンピューティングオブジェクトまたはデバイス
１５３０アプリケーション
１５３２アプリケーション
１５３６アプリケーション
１５３８アプリケーション
１５４０データストア
１５５０通信ネットワーク
１６００コンピューティングシステム環境
１６１０コンピュータ
１６２０処理ユニット
１６２１システムバス
１６３０システムメモリ
１６４０入力デバイス
１６５０出力インターフェース
１６６０ネットワークインターフェース
１６７０リモートコンピュータ
１６７１ネットワーク

Claims

１つまたは複数の噴出防止装置（２２）を含む石油およびガス探査または抽出システム（２０）で状態を監視するための状態監視システム（３０、１００、２００）であって、前記状態監視システム（３０、１００、２００）は、前記１つまたは複数の噴出防止装置（２２）の動作に起因する音響信号（２４）を受信し、前記音響信号（２４）に基づいて前記１つまたは複数の噴出防止装置（２２）で動作状態を示す音響データのセットを生成する１つまたは複数の水中聴音器（３２）と、１つまたは複数のプロセッサによって実現される検証および異常検出部（３４、２０４）とを備え、前記検証および異常検出部（３４、２０４）は、隠れマルコフモデルの混合を使用して、前記音響データに基づく１つまたは複数の噴出防止装置（２２）の前記動作の検証、および前記音響データに基づき前記１つまたは複数の噴出防止装置（２２）で異常が発生したことの判断の少なくとも一方を実行する、状態監視システム（３０、１００、２００）。
１つまたは複数のプロセッサによって実現される特徴抽出部（２１０）をさらに備え、前記特徴抽出部（２１０）が、パラメータのセットに基づいて、前記音響データから、１つまたは複数の特徴を抽出する、請求項１に記載の状態監視システム（３０、１００、２００）。
１つまたは複数のプロセッサによって実現されるトレーニング部（１０１、２０８）をさらに備え、前記トレーニング部（１０１、２０８）が、前記隠れマルコフモデルの混合に含めるため、複数の隠れマルコフモデルをトレーニングする、請求項１に記載の状態監視システム（３０、１００、２００）。
前記検証および異常検出部（３４、２０４）が、異常が発生したという判断に応答して、アラーム（２１８）をトリガする、請求項１に記載の状態監視システム（３０、１００、２００）。
システムに対して状態監視を実行するためのコンピュータ実施方法であって、前記方法は、１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記システムの１つまたは複数の構成要素での動作状態を示すシステムデータのセット（１０３）を取得するステップと、
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）の少なくとも一部を隠れマルコフモデルの混合に入力するステップと、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記隠れマルコフモデルの混合の出力として少なくとも１つの分類および少なくとも１つの適応度スコア（１１６）を受信するステップと、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記少なくとも１つの分類および前記少なくとも１つの適応度スコア（１１６）に少なくとも部分的に基づいて、前記システムの前記１つまたは複数の構成要素の動作状態を判断し、前記動作状態が、前記システムの前記１つまたは複数の構成要素で異常が発生したかどうかを示す、方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記少なくとも１つの分類および前記少なくとも１つの適応度スコア（１１６）に少なくとも部分的に基づいて、前記システムの前記１つまたは複数の構成要素の前記動作状態を判断するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記適応度スコア（１１６）と閾値とを比較するステップと、前記適応度スコア（１１６）が前記閾値より大きいという判断に応答して、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記分類によって識別されるイベントが異常なく前記システムで生じたことを判断するステップと、前記適応度スコア（１１６）が前記閾値未満であるという判断に応答して、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記システムの前記１つまたは複数の構成要素で異常が発生したことを判断するステップとを備える、請求項５に記載のコンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）を取得するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、石油掘削システムの１つまたは複数の噴出防止装置（２２）での動作状態を示す音響データのセットを取得するステップを備え、音響データの前記セットが、１つまたは複数の水中聴音器（３２）によって収集される、請求項５に記載のコンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）を取得するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、航空機エンジンの１つまたは複数の構成要素での動作状態を示すフルフライト航空データのセットを取得するステップを備える、請求項５に記載のコンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）を取得するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、ある時間にわたって複数のさまざまなイベントの間を前記システムが遷移する間に収集されたシステムデータの前記セット（１０３）を取得するステップを備える、請求項５に記載のコンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記少なくとも１つの分類および前記少なくとも１つの適応度スコア（１１６）を受信するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、複数の分類、および前記隠れマルコフモデルの混合の出力として前記複数の分類とそれぞれ関連付けられる複数の適応度スコア（１１６）を受信するステップを備え、前記複数の分類のそれぞれが、前記複数のさまざまなイベントの各１つを識別し、各分類に対する前記適応度スコア（１１６）が、前記対応する分類によって識別された前記イベントが異常なく実行されたことの信頼度を示す、請求項９に記載のコンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記複数の分類に対するそれぞれの複数の閾値を取得するステップをさらに備え、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記システムの前記１つまたは複数の構成要素の前記動作状態を判断するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記複数の適応度スコア（１１６）のそれぞれと、そのような適応度スコア（１１６）に対応する前記分類に対する前記各閾値とを比較するステップと、前記適応度スコア（１１６）の全てがそれらの各閾値を超過するという判断に応答して、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記分類によって識別された前記イベントが異常なく前記システムで生じたと判断するステップと、前記適応度スコア（１１６）の１つまたは複数がそれらの各閾値未満であるという判断に応答して、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、そのような１つまたは複数の適応度スコア（１１６）が対応する前記１つまたは複数の分類によってそれぞれ識別された前記１つまたは複数のイベントの間に前記システムの前記１つまたは複数の構成要素で異常が発生したと判断するステップとを備える、請求項９に記載のコンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）による、システムデータの前記セット（１０３）の少なくとも前記一部を前記隠れマルコフモデルの混合に入力する前に、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、トレーニングデータのセットで前記隠れマルコフモデルの混合をトレーニングするステップをさらに備え、トレーニングデータの前記セットがラベル付けされる、請求項５に記載のコンピュータ実施方法。
検証および異常検出を提供するためのコンピュータ実施方法であって、前記方法は、１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータのセット（１０３）を受信するステップと、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）から１つまたは複数の特徴を抽出するステップと、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、隠れマルコフモデルの混合を使用してシステムデータの前記セット（１０３）に対する分類予測（１１４）および適応度スコア（１１６）の１つまたは複数を判断するステップと、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記分類予測（１１４）および前記適応度スコア（１１６）の前記１つまたは複数に基づいて異常が発生したことを判断するステップとを備える、コンピュータ実施方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記異常に基づいてアラーム（２１８）をトリガするステップをさらに備える、請求項１３に記載の方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）を受信するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、１つまたは複数のセンサからシステムデータの前記セット（１０３）を受信するステップを備える、請求項１３に記載の方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、１つまたは複数のセンサからシステムデータの前記セット（１０３）を受信するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、１つまたは複数の水中聴音器（３２）からシステムデータの前記セット（１０３）を受信するステップを備える、請求項１５に記載の方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、１つまたは複数の水中聴音器（３２）からシステムデータの前記セット（１０３）を受信するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、１つまたは複数の水中聴音器（３２）から音響データのセットを受信するステップを備える、請求項１６に記載の方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、１つまたは複数の水中聴音器（３２）から音響データの前記セットを受信するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、噴出防止装置（２２）の動作と関連付けられた音響データの前記セットを受信するステップを備える、請求項１７に記載の方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、前記分類予測（１１４）および前記適応度スコア（１１６）の前記１つまたは複数をユーザ（２２０）に提供するステップをさらに備える、請求項１３に記載の方法。
前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、システムデータの前記セット（１０３）から前記１つまたは複数の特徴を抽出するステップが、前記１つまたは複数のコンピューティングデバイス（１５２０、１５２２、１５２４、１５２６、１５２８）によって、特徴抽出パラメータのセットに基づいて前記特徴を抽出するステップを備える、請求項１３に記載の方法。