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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2017021790A JP2017021790A JP2016123180A JP2016123180A JP2017021790A JP 2017021790 A JP2017021790 A JP 2017021790A JP 2016123180 A JP2016123180 A JP 2016123180A JP 2016123180 A JP2016123180 A JP 2016123180A JP 2017021790 A JP2017021790 A JP 2017021790A
- Authority
- JP
- Japan
- Prior art keywords
- computing devices
- data
- classification
- computer
- hidden markov
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 239000000203 mixture Substances 0.000 title claims abstract description 22
- 238000012795 verification Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 238000012549 training Methods 0.000 claims description 46
- 238000000605 extraction Methods 0.000 claims description 40
- 230000002265 prevention Effects 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 238000005553 drilling Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 abstract description 11
- 230000009471 action Effects 0.000 description 17
- 238000013480 data collection Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B33/00—Sealing or packing boreholes or wells
- E21B33/02—Surface sealing or packing
- E21B33/03—Well heads; Setting-up thereof
- E21B33/06—Blow-out preventers, i.e. apparatus closing around a drill pipe, e.g. annular blow-out preventers
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Geochemistry & Mineralogy (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Geophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
- Alarm Systems (AREA)
Abstract
【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
(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。
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 (20)
- 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。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1510957.2 | 2015-06-22 | ||
GBGB1510957.2A GB201510957D0 (en) | 2015-06-22 | 2015-06-22 | Systems and Methods For Verification And Anomaly Detection |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017021790A true JP2017021790A (ja) | 2017-01-26 |
Family
ID=53784327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016123180A Pending JP2017021790A (ja) | 2015-06-22 | 2016-06-22 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20160371600A1 (ja) |
JP (1) | JP2017021790A (ja) |
BR (1) | BR102016014574A2 (ja) |
CA (1) | CA2933805A1 (ja) |
FR (1) | FR3037679B1 (ja) |
GB (2) | GB201510957D0 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018181052A (ja) * | 2017-04-17 | 2018-11-15 | 富士通株式会社 | モデル同定装置、予測装置、監視システム、モデル同定方法および予測方法 |
US12007832B2 (en) | 2022-02-25 | 2024-06-11 | Bank Of America Corporation | Restoring a system by load switching to an alternative cloud instance and self healing |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10587635B2 (en) * | 2017-03-31 | 2020-03-10 | The Boeing Company | On-board networked anomaly detection (ONAD) modules |
CN113454553B (zh) * | 2019-01-30 | 2022-07-05 | 布勒有限公司 | 用于检测和测量源自工业过程中使用的部件的信令中的异常的系统和方法 |
EP3690581B1 (en) * | 2019-01-30 | 2021-02-17 | Bühler AG | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
EP3715988A1 (en) * | 2019-03-26 | 2020-09-30 | Siemens Aktiengesellschaft | System, device and method for detecting anomalies in industrial assets |
US20230063814A1 (en) * | 2021-09-02 | 2023-03-02 | Charter Communications Operating, Llc | Scalable real-time anomaly detection |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005251185A (ja) * | 2004-02-05 | 2005-09-15 | Toenec Corp | 電気設備診断システム |
US20070255563A1 (en) * | 2006-04-28 | 2007-11-01 | Pratt & Whitney Canada Corp. | Machine prognostics and health monitoring using speech recognition techniques |
JP2010097342A (ja) * | 2008-10-15 | 2010-04-30 | Toshiba Corp | 異常動作検出装置及びプログラム |
JP2011070334A (ja) * | 2009-09-25 | 2011-04-07 | Hitachi Ltd | 異常診断装置及び異常診断方法 |
WO2011121726A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 東芝 | 異常検出装置 |
JP2012133226A (ja) * | 2010-12-22 | 2012-07-12 | Sogo Keibi Hosho Co Ltd | 音認識装置および音認識方法 |
US20130153241A1 (en) * | 2011-12-14 | 2013-06-20 | Siemens Corporation | Blow out preventer (bop) corroborator |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8902645D0 (en) * | 1989-02-07 | 1989-03-30 | Smiths Industries Plc | Monitoring |
US5465321A (en) * | 1993-04-07 | 1995-11-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hidden markov models for fault detection in dynamic systems |
US7128167B2 (en) * | 2002-12-27 | 2006-10-31 | Schlumberger Technology Corporation | System and method for rig state detection |
US6868920B2 (en) * | 2002-12-31 | 2005-03-22 | Schlumberger Technology Corporation | Methods and systems for averting or mitigating undesirable drilling events |
US6868325B2 (en) * | 2003-03-07 | 2005-03-15 | Honeywell International Inc. | Transient fault detection system and method using Hidden Markov Models |
US9798030B2 (en) * | 2013-12-23 | 2017-10-24 | General Electric Company | Subsea equipment acoustic monitoring system |
CN105137328B (zh) * | 2015-07-24 | 2017-09-29 | 四川航天系统工程研究所 | 基于hmm的模拟集成电路早期软故障诊断方法及系统 |
-
2015
- 2015-06-22 GB GBGB1510957.2A patent/GB201510957D0/en not_active Ceased
-
2016
- 2016-06-14 US US15/181,876 patent/US20160371600A1/en not_active Abandoned
- 2016-06-21 BR BR102016014574A patent/BR102016014574A2/pt not_active Application Discontinuation
- 2016-06-22 GB GB1610889.6A patent/GB2541510B/en not_active Expired - Fee Related
- 2016-06-22 JP JP2016123180A patent/JP2017021790A/ja active Pending
- 2016-06-22 FR FR1655821A patent/FR3037679B1/fr not_active Expired - Fee Related
- 2016-06-22 CA CA2933805A patent/CA2933805A1/en not_active Abandoned
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005251185A (ja) * | 2004-02-05 | 2005-09-15 | Toenec Corp | 電気設備診断システム |
US20070255563A1 (en) * | 2006-04-28 | 2007-11-01 | Pratt & Whitney Canada Corp. | Machine prognostics and health monitoring using speech recognition techniques |
JP2010097342A (ja) * | 2008-10-15 | 2010-04-30 | Toshiba Corp | 異常動作検出装置及びプログラム |
JP2011070334A (ja) * | 2009-09-25 | 2011-04-07 | Hitachi Ltd | 異常診断装置及び異常診断方法 |
WO2011121726A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 東芝 | 異常検出装置 |
JP2012133226A (ja) * | 2010-12-22 | 2012-07-12 | Sogo Keibi Hosho Co Ltd | 音認識装置および音認識方法 |
US20130153241A1 (en) * | 2011-12-14 | 2013-06-20 | Siemens Corporation | Blow out preventer (bop) corroborator |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018181052A (ja) * | 2017-04-17 | 2018-11-15 | 富士通株式会社 | モデル同定装置、予測装置、監視システム、モデル同定方法および予測方法 |
US12007832B2 (en) | 2022-02-25 | 2024-06-11 | Bank Of America Corporation | Restoring a system by load switching to an alternative cloud instance and self healing |
Also Published As
Publication number | Publication date |
---|---|
GB2541510A (en) | 2017-02-22 |
BR102016014574A2 (pt) | 2016-12-27 |
CA2933805A1 (en) | 2016-12-22 |
FR3037679B1 (fr) | 2019-12-20 |
GB201610889D0 (en) | 2016-08-03 |
GB201510957D0 (en) | 2015-08-05 |
FR3037679A1 (ja) | 2016-12-23 |
GB2541510B (en) | 2017-11-29 |
US20160371600A1 (en) | 2016-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017021790A (ja) | 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 | |
JP7240071B2 (ja) | 無人航空機のサイバー攻撃検出、位置特定、および中和 | |
CN106104496B (zh) | 用于任意时序的不受监督的异常检测 | |
US11120127B2 (en) | Reconstruction-based anomaly detection | |
US10013303B2 (en) | Detecting anomalies in an internet of things network | |
US20170364818A1 (en) | Automatic condition monitoring and anomaly detection for predictive maintenance | |
EP3515040B1 (en) | Reliable cyber-threat detection in rapidly changing environments | |
US11170314B2 (en) | Detection and protection against mode switching attacks in cyber-physical systems | |
US10706229B2 (en) | Content aware heterogeneous log pattern comparative analysis engine | |
US20180174062A1 (en) | Root cause analysis for sequences of datacenter states | |
WO2018150616A1 (ja) | 異常音検出装置、異常度計算装置、異常音生成装置、異常音検出学習装置、異常信号検出装置、異常信号検出学習装置、これらの方法及びプログラム | |
US11503045B2 (en) | Scalable hierarchical abnormality localization in cyber-physical systems | |
WO2017087440A1 (en) | Anomaly fusion on temporal casuality graphs | |
US20200322366A1 (en) | Intelligent data augmentation for supervised anomaly detection associated with a cyber-physical system | |
US11055631B2 (en) | Automated meta parameter search for invariant based anomaly detectors in log analytics | |
WO2022115419A1 (en) | Method of detecting an anomaly in a system | |
CN115202314A (zh) | 保护网络物理系统的系统、方法及计算机可读介质 | |
CN117980887A (zh) | 用于网络故障检测的系统和方法 | |
US10291483B2 (en) | Entity embedding-based anomaly detection for heterogeneous categorical events | |
CN117693747A (zh) | 多变量异常检测中信号跟随的被动推断 | |
WO2023230434A1 (en) | Distributed anomaly detection and localization for cyber-physical systems | |
Harutyunyan et al. | Challenges and experiences in designing interpretable KPI-diagnostics for cloud applications | |
US11989626B2 (en) | Generating performance predictions with uncertainty intervals | |
US11556555B2 (en) | Automatic data-screening framework and preprocessing pipeline to support ML-based prognostic surveillance | |
Munirathinam | RETRACTED CHAPTER: Industrial Internet of Things (IIoT) Framework for Real-Time Acoustic Data Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190402 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190620 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200817 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210315 |