JP2019516163A - 予測モデルに基づいてアセット関連タスクを生成するコンピュータシステム及び方法 - Google Patents

予測モデルに基づいてアセット関連タスクを生成するコンピュータシステム及び方法 Download PDF

Info

Publication number
JP2019516163A
JP2019516163A JP2018549348A JP2018549348A JP2019516163A JP 2019516163 A JP2019516163 A JP 2019516163A JP 2018549348 A JP2018549348 A JP 2018549348A JP 2018549348 A JP2018549348 A JP 2018549348A JP 2019516163 A JP2019516163 A JP 2019516163A
Authority
JP
Japan
Prior art keywords
asset
predetermined
data
task
event
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
Application number
JP2018549348A
Other languages
English (en)
Inventor
マケルヒニー アダム
マケルヒニー アダム
ホーレル マイケル
ホーレル マイケル
リヤン デニス
リヤン デニス
Original Assignee
アップテイク テクノロジーズ、インコーポレイテッド
アップテイク テクノロジーズ、インコーポレイテッド
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 アップテイク テクノロジーズ、インコーポレイテッド, アップテイク テクノロジーズ、インコーポレイテッド filed Critical アップテイク テクノロジーズ、インコーポレイテッド
Publication of JP2019516163A publication Critical patent/JP2019516163A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本明細書中には、アセット状態監視に関係する技術を改善するためのコンピュータシステム、装置、及び方法を開示する。本発明によれば、アセットデータ・プラットフォームは、アセットの動作に関係するデータを受信し、受信したデータを取り込み、処理し、分析して、ユーザがアセットの動作を監視し、アセットの動作に基づいて行動をとることを可能にする一組の先進ツールを提供するように構成することができる。一組の先進ツールは、(1)対話型可視化ツール、(2)タスク生成ツール、(3)ルール作成ツール、及び／または(4)メタデータツールを含むことができる。

Description

関連出願の相互参照
本願は、米国特許出願第６２／３１３５６０号、２０１６年３月２５日出願、発明の名称”Asset-Related Interactive Tools”に基づいて優先権を主張し、この特許出願はその全文を参照することによって本明細書に含める。さらに、本願は米国特許非仮出願第１５／４６９７２０号、２０１７年３月２７日出願、発明の名称”Computer Systems and Methods for Creating Asset-Related Tasks Based on Predictive Models”に関連し、この特許非仮出願はその全文を参照することによって本明細書に含める。
背景
今日、機械（本明細書では「アセット」と称する）は、現代経済にとっては多数の産業において普遍的である。国々にわたって貨物を運ぶ機関車から作物を収穫する農業機械に至るまで、アセットは毎日の生活における重要な役割を果たす。アセットが果たす役割に応じて、アセットの複雑性及びコストは変化し得る。例えば、一部のアセットは、当該アセットが適切に機能するために調和して動作しなければならない複数のサブシステム（例えば、機関車のエンジン、変速機、等）を含むことができる。
アセットが果たす役割が増加しつつあることにより、限られたダウンタイム（休止時間）でアセットを修理することもますます望まれつつある。このことを促進するために、一部の者は、アセット状態を監視してアセットにおける異常状態を検出してアセットの修理を促すことを、恐らくはわずかなダウンタイムで行うためのメカニズムを開発してきた。
要約
アセットを監視するための１つの方法は、一般に、アセット全体にわたって分布してアセットの動作状態を監視する種々のセンサ及び／またはアクチュエータからの信号を受信するアセット上コンピュータが関与する。１つの代表例として、アセットが機関車であれば、センサ及び／またはアクチュエータは、多数の例の中で特に、温度、圧力、液位、電圧、及び／または速度といったパラメータを監視することができる。センサ及び／またはアクチュエータのうちの１つ以上が出力する信号が特定の値に達した場合、アセット上コンピュータは「故障コード」のような異常状態指標を生成することができ、異常状態指標は、アセット内に異常状態が発生して修理または保守が必要であり得ることの指示である。
米国特許出願第１４／９６３２０７号明細書
一般に、異常状態はアセットまたはそのコンピュータにおける欠陥であり得るし、アセット及び／またはコンピュータの故障をもたらし得る。このため、異常状態は、その異常状態が所定の故障または故障群の症状を示す点で、所定の故障、あるいは恐らくは複数の故障に関連し得る。実際には、ユーザは一般にセンサ、及び各異常状態指標に関連するそれぞれのセンサ値を定める。即ち、ユーザは、アセットの「正常」動作状態（例えば、故障コード及び「異常」動作状態（例えば、故障コードをトリガする動作状態））を定める。
アセット上コンピュータは、アセットの停止（シャットダウン）、再起動、等のようなアセットにおいて発生し得る他のイベント（事象）を示すデータを監視し、検出し、そして生成するように構成することもできる。
従って、アセットは、センサ／アクチュエータデータ、異常状態指標、及び／または他のアセットイベント指標といった当該アセットについての特定の動作データを、アセット状態監視システムのようなリモート（遠隔）位置へ送信するように構成することができ、アセット状態監視システムは、こうしたデータに対する分析を実行すること、及び／またはアセット動作に関する情報をユーザに対して出力することができる。
本明細書中には、アセット状態監視に関係する技術を改良するためのシステム、装置、及び方法を開示する。好適例によれば、アセットデータ・プラットフォームを、アセット動作に関係するデータを受信し、受信したデータを取り込み、処理し、分析し、そしてユーザがアセット動作を監視してアセット動作に基づく行動を取ることを可能にする１つ以上のツールを提供することを促進するように構成することができる。
一般に、アセット状態監視空間内では、大量の信号データ（例えば、センサ及び／またはアクチュエータデータ）及びアセット関連イベントデータ（例えば、機械イベント、流体解析イベント、診断イベント、等）が、こうしたデータの可視化（画像）を表示するための非常に多数の挑戦を生み出す。さらに、こうしたデータを視覚的に表示する際に、ユーザは一般に、有用な情報を識別する前に、膨大な量の無関係な情報、さもなければ関心事でない情報を選別する必要がある。さらに、こうした視覚表示を出力するために必要な大量のデータは、アセットデータ・プラットフォームの記憶能力にストレスを加えがちであり、理想的な処理時間よりも長い処理時間をもたらす。
一例のツールは、アセット（またはアセットのグループ）についてのアセットイベントデータ及び関係する信号データを共にタイムライン（時間経過）画像で表示することができる対話型可視化ツールの形をとることができる。好適例では、対話型可視化ツールが、パーソナルコンピュータ、スマートホン、等のようなクライアント・ステーション上で実行されるソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォームによって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）の形をとることができる。以下では、アセットデータ・プラットフォームによって実行される対話型可視化ツールに関係する動作を説明するが、こうした動作は、全体的または部分的に、アセットデータ・プラットフォームとは独立したコンピュータシステムによって実行することができることは明らかである。
対話型可視化ツール及びアセットデータ・プラットフォームは、大量のアセット関連データを処理することに関係する前述した問題を克服することに役立つことができる。例えば、アセットデータ・プラットフォームは、以下に説明するように長時間にわたるアセットデータを集約することによって、アセット関連データを効率的な方法で処理及び維持するように構成することができる。さらに、対話型可視化ツールは直感的インタフェースを提供することができ、この直感的インタフェースによってアセット関連データをユーザフレンドリーな（使い勝手の良い）方法で表示及び／または操作することができる。
他の好適例として、アセットデータ・プラットフォームは、データ源（データソース）の中で特にアセット、他のアセットデータ・プラットフォーム、及び／または他の第三者のデータ源（例えば、流体解析データ、診断データ、保守データ、修理データ、気象データ、現場データ、等）といった種々のデータ源からアセット関連データを取得することができる。アセット関連データは、信号データまたはイベントデータのような多数の形をとることができ、信号データはセンサ／アクチュエータによって測定した生の値を示すことができ、イベントデータはアセット関連イベントの種類、時刻、及び／または継続時間を示すことができる。他の形態のアセットデータが可能である。一般に、アセット関連イベントはアセットの動作に関係するイベントであり、イベントはアセットの動作に影響を与えるかアセットの動作を反映する１つ以上の状態によって定義される。イベントの例は、数ある例の中で特に、異常状態指標（例えば、故障コード）がトリガされること、アセットルールがトリガされること、アセットまたはアセット上の一部分が修理中であること、アセットが停止または再起動されること、診断が実行中であるること、及び流体解析がアセット流体中の粒子の正常を上回る濃度を示していることを含む。
アセットデータ・プラットフォームがアセット関連データを取得した後に、アセットデータ・プラットフォームはこのアセット関連データを種々の方法で処理及び／または維持することができる。例えば、アセットデータ・プラットフォームは、アセット関連データを利用して「イベント・スナップショットデータ」を生成して１つ以上のデータベースに記憶することができる。特に、アセットデータ・プラットフォームは、アセット関連イベントの発生を示すイベントデータを受信することができ、この発生に基づいて、受信したイベントに関係する信号データを発生の時刻またはその付近で捕捉して「イベント・スナップショット」を生成することができ、「イベント・スナップショット」は、イベントの種類、イベントの時刻及び／または継続時間の指示を、捕捉した信号データと共に含むことができる。イベント・スナップショットは他の形をとることもできる。
それに加えて、あるいはその代わりに、アセットデータ・プラットフォームは、受信したアセット関連データに基づいて、種々の時間分解能（例えば、分毎、時間毎、日毎、等）にわたる信号データを表現する集合信号データを生成するように構成することができる。実際には、アセットデータ・プラットフォームは、１つ以上のアセットについてのそれぞれの信号データを受信することができ、どの所定アセットについての信号データも、当該所定アセットの１つ以上のセンサ及び／またはアクチュエータからの信号データを含むことができる。アセットデータ・プラットフォームは、こうしたアセット関連データを連続的に、周期的に、または他の何らかの基準で受信することができ、このことは大量のデータを処理するアセットデータ・プラットフォームを生じさせることができる。
従って、アセットデータ・プラットフォームは、１つ以上の所定時間分解能における集合信号データをアセット毎に生成するように構成することができ、所定時間分解能における集合信号データは、その時間分解能における信号の要約を含む。アセットデータ・プラットフォームはこの動作を種々の方法で実行することができる。
１つの好適例では、アセットデータ・プラットフォームが所定アセットについての信号データを１秒に１回受信することができ、この信号データはこの所定アセットの所定センサによって測定した値を含む。一旦、アセットデータ・プラットフォームが所定量のデータ、例えば１分間分の信号データを受信すると、アセットデータ・プラットフォームは、その１分間分のデータに相当する測定したセンサ値を反映した信号の要約を決定することができる。
実際には、所定信号の概要は、特定量の時間にわたる特定信号の値を表現する１つまたは複数の値を含むことができる。例えば、所定信号の要約は、特定量の時間における信号データから決定される次の値のうちの１つ以上を含むことができる：可能性のある中で特に、平均値、中央値（メジアン）、最大値、最小値、分散値、最初の信号データ値、及び／または最後の信号データ値。
信号の要約を生成した後に、アセットデータ・プラットフォームは、上記決定した集合信号データをデータベース（例えば、「分毎の」集合信号データベース）に記憶することができ、あるいは、データベース内の、特定の時間分解能における集合データ用の記憶場所（例えば、データベース内の「分毎の」集合信号テーブル）に記憶することができる。その代わりに、好適例では、所定タイムフレーム（時間枠）における（例えば、２４時間毎の）集合信号データを単一データ構造（例えば、単一データテーブル）内に記憶することができ、これにより、異なる時間分解能における集合データが１つの記憶位置に記憶され、このことはスケーリング目的にとって有利であり得る。いずれにせよ、アセットデータ・プラットフォームは、他の１分間分の信号データを受信する毎に、これらの集合操作を実行し続けることができる。このようにして、アセットデータ・プラットフォームは、所定量の時間においてより少ないデータを記憶するが、有用な情報を保つことができる。
上記で示唆したように、アセットデータ・プラットフォームは、所定アセットの単一発生源（例えば、センサ／アクチュエータ）毎に、及び複数のアセットについて上記の動作を実行することができる。さらに、アセットデータ・プラットフォームは複数の集合信号データベースを含むことができ、集合信号データベースの各々は所定の時間分解能における集合信号データを記憶する。即ち、各集合信号データベースは異なる粒度に対応することができる。例えば、数ある例の中で特に、１秒間、５秒間、１５秒間、１分間、１時間、１日、１週間、及び／または１カ月間の集合信号データベースが存在し得る。その代わりに、上記で説明したように、アセットデータ・プラットフォームは、異なる粒度における集合信号データを１つのデータ構造（例えば、単一のデータテーブル（表））内に、特定のタイムフレーム毎に（例えば、２４時間毎に１つのテーブルに）記憶することができる。
好適例では、信号データを集合にする時間分解能にかかわらず、集合信号データを上記の説明に従って定めることができる。これに対し他の好適例では、所定の時間分解能における集合信号データを、他の時間分解能における集合信号データに基づいて定めることができる。例えば、１時間分のデータについての信号の要約を、その同じ１時間のタイムフレームにおける複数の１分間分の集合についての信号の要約に基づいて定めることができる。他の例も可能である。
この点では、アセットデータ・プラットフォームは、さらに、信号データ及び／または集合信号データを廃棄及び／またはアーカイブ記録するように構成することができ、このことは多数の方法で行うことができる。好適例では、アセットデータ・プラットフォームが、少なくとも、データを記憶しているデータベースの性質及び所定量の時間に基づいて、特定データを廃棄することができる。例えば、アセットデータ・プラットフォームは、「リアルタイム」データベース（例えば、信号データを連続的に受信して記憶するデータベース）に記憶されているデータのうち、例えば３０日前よりも古いデータを廃棄することができる。こうした場合の一部では、「廃棄された」データを、アセットデータ・プラットフォームから遠隔位置にあるデータ記憶装置にアーカイブ記録することができる。それに加えて、あるいはその代わりに、アセットデータ・プラットフォームは、特定の集合信号データベースに記憶されているデータのうち、例えば６０日前よりも古いデータを廃棄することができる。例えば、アセットデータ・プラットフォームは、６０日前であり、かつ、例えば１秒間、５秒間、１５秒間、及び１分間の集合信号データベースに記憶されているデータを廃棄するように構成することができるが、１時間、１日、１週間、１カ月間、等のようなより粒度の低い集合信号データベースに記憶されているデータは、データの「年齢（経年）」にかかわらず保持するように構成することができる。他のデータ記憶機能も可能である。
アセットデータ・プラットフォームは、さらに、上述した「イベント・スナップショット」データ及び集合信号データを利用して、アセット・イベント及び集合信号データの視覚表現を対話型可視化ツールに表示させるように構成することができる。実現の一例では、対話型可視化ツールにおける１つ以上のユーザ入力をアセットデータ・プラットフォームが受信したことに基づいて、アセットデータ・プラットフォームがイベント関連データをタイムラインに入れることができる。例えば、ユーザはまず自分のクライアント・ステーションにおいて（例えば、対話型可視化ツールに関連するアイコンを押すことによって）対話型可視化ツールを起動し、次に対話型可視化ツールは、あり得る選別基準の中で特に、特定のアセットまたはアセットのグループ、関心事のタイムフレーム（例えば、データ範囲）、及び／または１つ以上のアセット関連イベントを選択する入力を受けることができる
こうした選択に基づいて、対話型可視化ツールは、こうした選択を示すデータをアセットデータ・プラットフォームへ送信することができる。一方、アセットデータ・プラットフォームは、特定のアセットまたはアセットのグループについてのアセット関連データ（例えば、「イベント・スナップショット」データ及び／または集合信号データ）を含む１つ以上のデータベースにアクセスすることができる。アセットデータ・プラットフォームは、この動作を種々の方法で実行することができる。
一例として、上記選択に基づく質問を生成して、アセットデータ・プラットフォームに、まず「イベント・スナップショット」データを含む１つ以上のデータベースにアクセスさせて、選択した関心事のタイムフレーム内で、選択したアセット関連イベントの種類が特定のアセットまたはアセットのグループにおいて発生した瞬時を識別して、この所定イベントに関係する信号データをイベント・スナップショットデータから取得することができる。次に、アセットデータ・プラットフォームは、一致する「イベント・スナップショット」データから、可能性のある中で特に、イベントが発生した時刻、及び／またはイベントの発生に関連する関係センサ／アクチュエータのような、各イベント発生の追加的特性を識別することができる。
次に、アセットデータ・プラットフォームは、「イベント・スナップショット」データから識別されたイベント特性を用いて、１つ以上の集合信号データにアクセスして、選択したタイムフレーム内で、識別されたイベントに対応する集合信号データを識別することができる。一部の好適例では、アセットデータ・プラットフォームが、選択したタイムフレームにおけるすべての関連する集合データを利用することができるのに対し、他の例では、アセットデータ・プラットフォームが、選択したタイムフレーム内の、「イベント・スナップショット」データと時間的にオーバーラップ（重複）しない関係集合データのみを利用することができる。上記選択に対応するアセット関連データの検索は、他の種々の様式で用いることができる。
いずれにせよ、「イベント・スナップショット」データ及び集合信号データを検索した後に、アセットデータ・プラットフォームは、対話型可視化ツールのタイムラインに、識別したアセット関連イベント及び対応する信号データの指示を表示させることができる。実際には、この情報は多種多様な方法で表示することができる。
例えば、イベントの指示と対応する信号データの指示とは、互いに重ね合わせて表示することができ、あるいは共通のタイムライン軸を共有する２つの別個の枠（ペイン）内に表示することもできる。いずれの場合にも、イベント及び対応する信号データの指示は、複数のｙ軸を利用して表示することができ、種々のセンサ／アクチュエータからの信号データは、互いに重ねて、あるいは互いに分離して表示することができる。さらに、対話型可視化ツールは、ユーザ、上記ツール、及び／またはアセットデータ・プラットフォームが、ユーザにとって関心事の可能性があるものと考えられる特定の信号パラメータ及び／またはイベントの瞬時を強調するか、さもなければ示すことを可能にするように構成することができる。可視化は、他の種々のインタフェース要素を含む多数の異なる形式で提示することができる。
一部の実現例では、アセットデータ・プラットフォームが、異なるデータベース、所定データベース内の異なるデータ構造、及び／または所定データ構造内の異なるエントリにアクセスして、対話型可視化ツールのタイムラインに入れるための特定データを、このタイムラインに関連するスクラバー（scrubber）要素への入力に基づいて取得することができる。一部の場合には、スクラバー要素が、表示されるタイムライン画像をズームイン（拡大）またはズームアウト（縮小）するように選択することができるスライド可能な要素、さもなければ調整可能な要素の形をとることができ、このことは、アセットデータ・プラットフォームに異なる位置からの信号データを提供させることができる。換言すれば、アセットデータ・プラットフォームは、スクラバー入力に基づいて、特定のアセットまたはアセットのグループについての異なる集合データにアクセスすることができる。例えば、ズームインの入力は、アセットデータ・プラットフォームに、分毎及び／または時間毎の集合信号データにアクセスさせることができるのに対し、ズームアウトの入力は、アセットデータ・プラットフォームに、日毎または月毎の集合信号データにアクセスさせることができる。次に、アセットデータ・プラットフォームは、特定の粒度に対応する集合データに基づいて、相応のものをタイムラインに入れることができる。タイムライン画像中の集合データ値の種々の表示は、他の方法で実現することもできる。
他の例のツールは、１つ以上の予測モデルを利用して、アセット関連タスクの生成に当たり用いることができる１つ以上のタスクフィールドの提案を出力することができるタスク生成ツールの形をとることができる。上述した対話型可視化ツールと同様に、タスク生成ツールは、クライアント・ステーション上で実行されてアセットデータ・プラットフォームからのデータを受信するソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォームによって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）とすることができる。実際には、第１ユーザ（例えば、「タスク生成者」）がタスク生成ツールを利用して特定のタスクを生成して、このタスクを第２ユーザ（例えば、整備士（メカニック））に提供することができ、第２ユーザはこのタスクを実行することもしないこともできる。
一般に、タスク生成ツールは、所定アセットの１つ以上の特定イベントの発生に対処しようとするタスクの生成を促進する。例えば、タスクは、整備士等が過熱（オーバーヒート）したエンジンに対処するために所定アセットに対して試みるべき１つ以上の推奨される修理または保守を含むことができる。このため、所定のタスクについては、タスク生成ツールが、ユーザ入力または機械入力（例えば、タスク生成ツール、アセットデータ・プラットフォーム、またはそれらの何らかの組合せ）とすることができる複数のタスクフィールドを提供するように構成されている。タスクフィールドの例は、数多くの可能性の中で特に、アセット識別子、アセットイベント識別子、推奨される動作、推奨される文書（例えば、修理マニュアル、構成部品の仕様書、アセットスキーム、等）、修理コスト、及び無活動の（何もしない）コストを含む。特定のタスク次第で、追加的なタスクフィールド、あるいはより少数のタスクフィールドを提供することができる。
実際には、ユーザはタスク生成ツールにおいて１つ以上の入力を与えて、アセット関連タスクを生成することができる。例えば、ユーザは、まずタスク生成ツールにおいて特定アセットの指示を選択することができ、特定アセットの指示は、アセットデータ・プラットフォームに、選択したアセットにおいて以前に発生した一組のイベントを検索させる。次に、アセットデータ・プラットフォームは、検索したイベントの発生をタスク生成ツールに表示させることができる。
一旦、以前に発生したイベントを表示すると、タスク生成ツールは、さらに、イベントの指示のうちの１つ以上を選択する入力を受け、続いてタスクを生成するための１つ以上の入力を受けるように構成することができる。タスクを生成するための入力は、種々の形をとることができ、一般にタスク生成ツールがタスクフィールドに入力する方法を指示する。
例えば、タスク生成ツールは、１つ以上のユーザ選択可能な要素（例えば、アイコン）を表示することができ、こうした要素の各々が、所定タスクを生成するための異なる方法に対応する。第１例では、タスク生成ツールは、第１のユーザ選択可能な要素により、ユーザが手作業でタスクを生成することを望むことを示す第１入力を受けることができる。即ち、ユーザは、どちらかと言えばタスク生成ツールによって表示されるタスクフィールドに入力したいことがある。こうした場合には、タスク生成ツールは、第１入力を受けたことに応答してブランク（空白）のタスクフィールドを表示することができる。
他の例では、タスク生成ツールは、第２のユーザ選択可能な要素により、提案されたタスクを受信することをユーザが望むことを示す第２入力を受ける。こうした場合には、タスク生成ツールは、第２入力を受けたことに応答して１つ以上の予測モデルを実行することの要求をアセットデータ・プラットフォームへ送信することを促進することができる。一方、アセットデータ・プラットフォームは、１つ以上の予測モデルを特定アセットについての信号データ及び／またはイベントデータで実行したことに基づいて、特定アセットに対して提案する１つ以上のタスクをタスク生成ツールへ返送して提供することができる。次に、タスク生成ツールは、提案された１つ以上のタスクを表示することができ、その時点で、ユーザは提案されたタスクを受け入れること、修正すること、または辞退することができる。その代わりに、タスク生成ツールは、ユーザが選択することができる「設定」等を含むことができ、こうした「設定」等は、タスク生成ツールに、アセットデータ・プラットフォームから提案されたタスクを受信させることができる。
さらに他の例では、タスク生成ツールが入力を受けることができ、この入力により、タスク生成ツールは、１つ以上の予測モデルを実行して所定タスク用の特定タスクフィールドに値を入れることをアセットデータ・プラットフォームに命令する。一例として、アセットデータ・プラットフォームは、特定アセットにおける１つ以上のイベントを入力として受ける１つ以上の予測モデルを実行して、知識記事（例えば、修理マニュアル、部品仕様書、コスト内訳、等）のランク付けされたリストを出力するように構成することができる。この例では、次に、知識記事のランク付けされたリストを、タスク生成ツールによって表示される推奨文書のタスクフィールドに入れることができる。
いずれにせよ、上記に示唆するように、タスク生成ツールは、さらに、１人以上の追加的なユーザがタスクに関係する行動をとる（例えば、推奨された動作を実現する）ことを可能にする目的で、生成されたタスクを他のコンピュータ装置へ送信することを促進するように構成することができる。それに加えて、あるいはその代わりに、タスク生成ツールは、生成したタスクに基づいて、推奨された動作に対応する修理をスケジュール（計画）するような１つ以上の動作をトリガすることを促進するように構成することができる。
さらに他の例のツールは、ルール（規則）作成ツールの形をとることができ、ルール作成ツールは、イベントをトリガするためにアセットデータ・プラットフォームに適用することができる新たなアセット関連ルールを作成することを促進するように構成されている。以上に説明したツールと同様に、ルール作成ツールは、クライアント・ステーション上で実行されるソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォームによって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）の形をとることができる。
実際には、アセットデータ・プラットフォームは、所定のアセットまたはアセットのグループについての１つ以上のアセット関連ルールを記憶して監視することができ、各ルールはそれぞれのトリガ条件を含む。例えば、アセット関連ルールはハイ（高）−ロー（低）の閾値ルールとすることができ、イベントは、信号測定値（例えば、センサ及び／またはアクチュエータの測定値）、あるいは閾値レベルを超えつつあるか、閾値レベルを下回るように下降しつつあるかのいずれかの信号測定値どうしの組合せに基づいてトリガされる。他の例では、アセット関連ルールは変化速度ルールとすることができ、イベントは、ある期間にわたって特定の度合いだけ変化する１つ以上の信号測定値に基づいてトリガされる。他の例のアセット関連ルールも可能である。
従来より、こうしたルールは、アセットデータ・プラットフォームを最初に実現する際に、あるいは そのルールが最初に適用されるアセットを有する組織がアセットデータ・プラットフォームを利用し始める際に、及び／または、例えばアセットデータ・プラットフォームの管理者しかこうしたルールを変更することができない際に規定することができる。本明細書中に説明するルール作成ツールは、アセット関連ルールの動的な作成及び／または変更を可能にすることができ、及び／または管理者以外の個人が変更を行うことを可能にすることができる。
ルール作成ツールは、アセット関連ルールを多数の方法で作成することを促進することができる。１つの実現では、ルール作成ツールは、当該ルール作成ツールにおけるユーザ入力に基づいてアセット関連ルールを作成することができる。即ち、ルール作成ツールは、
ユーザが値を入れることができる１つ以上のルールフィールド、及び値を入れたフィールド及びその内容に基づいてルールを作成させる選択可能な要素を含むことができる。例えば、ユーザはまずアセット、信号の種類、及び選択した信号の種類についての閾値をそれぞれのルールフィールドにより識別し、次に、選択に基づいて新たなアセット関連ルールを作成すべきことを示す入力を与えることができる。
それに加えて、あるいはその代わりに、ルール作成ツールは、アセットデータ・プラットフォームと組み合わせて、新たなアセット関連ルールを推奨するように構成することができ、この新たなアセット関連ルールをルール作成ツールによりユーザに対して表示して、ユーザが受け入れること、修正すること、または辞退することができる。実現例では、アセットデータ・プラットフォームが、同様なアセットを監視する他の組織が作成したアセット関連ルールの分析のような種々の分析論に基づいて、所定の組織向けの新たなアセット関連ルールを推奨することができる。新たなアセット関連ルールは、他の可能な要因に基づいて動的に作成することができる。
いずれにせよ、ルール作成ツールは、アセットデータ・プラットフォームに、アセット関連ルールを１つ以上のルール・データベースに記させることができる。その後に、アセットデータ・プラットフォームは、記憶されているルールを、特定組織のアセットについてのアセット関連データに適用して、何らかの記憶されているルールの条件がトリガされた際にイベントをトリガすることができる。即ち、アセットデータ・プラットフォームは、受信したアセット関連データを、ルール・パラメータ（例えば、アセット、信号の種類、閾値）に対してチェックして、作成されたルールに対応するイベントをトリガするべきか否かを決定することができる。
さらに他の例のツールは、メタデータ・ツールの形をとることができ、こうしたメタデータ・ツールは、追加的なアセット情報をアセット識別子に関連付けるように構成することができる。上述したツールと同様に、メタデータ・ツールは、クライアント・ステーション上で実行されるソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォームによって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）の形をとることができる。
一般に、アセットデータ・プラットフォームは、受信したアセット関連データ（例えば、信号データ、イベントデータ、等）を、アセット識別子により特定のアセットに関連付けることができ、このアセット識別子は、アセットデータ・プラットフォームへ送信される際にこうしたアセット関連データを伴うことができる。この点では、アセットデータ・プラットフォームは、受信したアセット関連情報をアセット識別子の各々と相互に関連付けるエントリを含む１つ以上のデータベースを維持することができる。一例では、アセット識別子に対するエントリが、可能性のある中で特に、アセットの種類（例えば、列車、飛行機、等）、モデル、通し番号、アセットの経年を含むことができる。上述した例からわかるように、アセット識別子に関連するアセット情報は一般にアセットの恒久的特徴（即ち、アセットが何であるか）に関係する。
本明細書中に開示するメタデータ・ツールは、アセットデータ・プラットフォームが追加的情報をアセット識別子に関連付けることを可能にし、このアセット識別子は実際により一時的なものとすることができる。例えば、アセットデータ・プラットフォームは、メタデータ・ツールにより、可能性のある中で特に、所定時刻におけるアセットのオペレータ（操作員）（例えば、運転者、機関士、パイロット、等）の身分証明、所定時刻におけるアセットの位置、及び／またはアセットがおかれている気象条件に関するアセット識別子情報に関連付けることができる。
メタデータ・ツールは、種々の方法で追加的情報をアセット識別子に関連付けることを促進するように動作可能である。例えば、メタデータ・ツールは、種々のメタデータ・フィールドを提供し、これにより、ユーザが特定のアセット識別子に関連付けることを望む追加的データに関するユーザ入力を受けるように構成することができる。こうした例では、ユーザはまず、追加的データを関連付けたいアセットまたはアセットのグループを選択し、さらに、入力フィールドまたはメニュー選択肢によりこうした追加的データを入力することができる。その後に、ユーザは、アセットに対して入力及び／または選択した追加的データを提出するための入力を実行することができる。次に、メタデータ・ツールは、ユーザ入力を示すデータをアセットデータ・プラットフォームへ送信することを促進することができ、アセットデータ・プラットフォームは、選択したアセット識別子に対応するエントリ内の追加的情報を１つ以上のデータベースに記憶することができる。
一部の例では、他の種々のツール（例えば、上述したもの、データ分析ツール、等）が、メタデータ・ツールにより提供される追加的情報を利用することができる。一例では、データ分析ツールが、少なくとも部分的に１つ以上の特定種類の追加的データ（例えば、オペレータ、天候、等）に基づいて、アセット関連データを検索して読み出すことができる。他の例では、タスク生成ツールが追加的データを利用してタスクフィールドに値を入れることができる。他の種々の可能性も存在する。
従って、１つの態様では、本明細書中に開示するものはコンピュータシステムであり、このコンピュータシステムは、(a)ネットワーク・インタフェースと、(b)少なくとも１つのプロセッサと、(c)非一時的なコンピュータ可読媒体と、(d)非一時的なコンピュータ可読媒体上に記憶されているプログラム命令とを含み、上記ネットワーク・インタフェースは、コンピュータシステムを複数のアセット及び複数のクライアント・ステーションに通信結合するように構成され、これらのアセットの各々はコンピュータシステムからリモート位置に存在し、これらのクライアント・ステーションの各々は、コンピュータシステムによって処理されるアセットデータを可視化するためのソフトウェア・アプリケーションを実行し、上記プログラム命令は、上記少なくとも１つのプロセッサによって実行可能であり、上記コンピュータシステムに少なくとも次の動作を実行させる：(i)複数のアセットのうちの所定アセットから、この所定アセットにおいて発生したアセットイベントを示すデータを受信し、(ii)複数のクライアント・ステーションのうちの第１クライアント・ステーションに、所定アセットにおいて発生したアセットイベントの視覚表現を表示させ、(iii)第１クライアント・ステーションから、所定アセットにおいて発生した少なくとも１つのアセット・イベントに関係する新たなタスクを生成することの要求を規定するデータを受信し、(iv)この要求を規定するデータに基づいて、新たなタスクを規定するための複数のタスクフィールドを含む所定タスク形式を生成し、複数のタスクフィールドのうちの少なくとも１つの所定タスクフィールドは、複数の所定選択肢のうちの１つに設定することができ、さらに、どの所定選択肢を上記所定タスク形式の所定タスクフィールド用に選択すべきかを提案するための一組の予測モデルを実行し、これら一組の予測モデルは、上記少なくとも１つのアセットイベントと同様な種類であるアセットイベントに対して以前に生成されたタスクにおいて、どの所定選択肢を所定タスクフィールド用に選択したかを示す履歴データに基づいて学習させてあり、一組の予測モデルにおける各予測モデルは、それぞれの所定選択肢が上記所定タスク形式における所定タスクフィールド用に選択されることの尤度を出力し、(v)上記一組の予測モデルの出力に基づいて、上記所定タスク形式の所定タスクフィールド用に選択すべき１つ以上の所定選択肢の提案を生成し、(vi)第１クライアント・ステーションに、上記所定タスク形式の視覚表現を、上記所定タスク形式の所定タスクフィールド用に選択することを提案する１つ以上の所定選択肢と共に表示させ、次に、上記所定タスク形式を用いて、所定アセットにおいて発生した少なくとも１つのアセットイベントに関係する新たなタスクを作成する。
他の態様では、コンピュータシステムによって実行可能な命令を記憶している非一時的なコンピュータ可読媒体を本明細書中に開示し、これらの命令はコンピュータシステムに次の動作を実行させる：(a)コンピュータシステムに通信結合された複数のリモートアセットのうちの所定アセットから、この所定アセットにおいて発生したアセットイベントを示すデータを受信し、(b)コンピュータシステムに通信結合された複数のクライアント・ステーションのうちの第１クライアント・ステーションに、所定アセットにおいて発生したアセットイベントの視覚表現を表示させ、(c)第１クライアント・ステーションから、所定アセットにおいて発生した少なくとも１つのアセット・イベントに関係する新たなタスクを生成することの要求を規定するデータを受信し、(d)この要求を規定するデータに基づいて、新たなタスクを規定するための複数のタスクフィールドを含む所定タスク形式を生成し、複数のタスクフィールドのうちの少なくとも１つの所定タスクフィールドは、複数の所定選択肢のうちの１つに設定することができ、さらに、どの所定選択肢を上記所定タスク形式の所定タスクフィールド用に選択すべきかを提案するための一組の予測モデルを実行し、これら一組の予測モデルは、上記少なくとも１つのアセットイベントと同様な種類であるアセットイベントに対して以前に作成したタスクにおいて、どの所定選択肢を所定タスクフィールド用に選択したかを示す履歴データに基づいて学習させてあり、一組の予測モデルにおける各予測モデルは、それぞれの所定選択肢が上記所定タスク形式における所定タスクフィールド用に選択されることの尤度を出力し、(e)上記一組の予測モデルの出力に基づいて、上記所定タスク形式の所定タスクフィールド用に選択すべき１つ以上の所定選択肢の提案を生成し、(f)第１クライアント・ステーションに、上記所定タスク形式の視覚表現を、上記所定タスク形式の所定タスクフィールド用に選択することを提案する１つ以上の所定選択肢と共に表示させ、次に、上記所定タスク形式を用いて、所定アセットにおいて発生した少なくとも１つのアセットイベントに関係する新たなタスクを作成する。
さらに他の態様では、コンピュータシステムによって実行されるコンピュータ実現方法を本明細書中に開示し、このコンピュータシステムは、各々が当該コンピュータシステムからリモート位置にある複数のアセット、及び各々がコンピュータシステムによって処理されるアセットデータを可視化するためのソフトウェア・アプリケーションを実行する複数のクライアント・ステーションに通信結合され、この方法は：(a)複数のリモートアセットのうちの所定アセットから、この所定アセットにおいて発生したアセットイベントを示すデータを受信するステップと、(b)複数のクライアント・ステーションのうちの第１クライアント・ステーションに、所定アセットにおいて発生したアセットイベントの視覚表現を表示させるステップと、(c)第１クライアント・ステーションから、所定アセットにおいて発生した少なくとも１つのアセット・イベントに関係する新たなタスクを生成することの要求を規定するデータを受信するステップと、(d)この要求を規定するデータに基づいて、新たなタスクを規定するための複数のタスクフィールドを含む所定タスク形式を生成し、複数のタスクフィールドのうちの少なくとも１つの所定タスクフィールドは、複数の所定選択肢のうちの１つに設定することができ、さらに、どの所定選択肢を上記所定タスク形式の所定タスクフィールド用に選択すべきかを提案するための一組の予測モデルを実行し、これら一組の予測モデルは、上記少なくとも１つのアセットイベントと同様な種類であるアセットイベントに対して以前に生成されたタスクにおいて、どの所定選択肢を所定タスクフィールド用に選択したかを示す履歴データに基づいて学習させてあり、一組の予測モデルにおける各予測モデルは、それぞれの所定選択肢が上記所定タスク形式における所定タスクフィールド用に選択されることの尤度を出力するステップと、(e)上記一組の予測モデルの出力に基づいて、上記所定タスク形式の所定タスクフィールド用に選択すべき１つ以上の所定選択肢の提案を生成するステップと、(f)第１クライアント・ステーションに、上記所定タスク形式の視覚表現を、上記所定タスク形式の所定タスクフィールド用に選択することを提案する１つ以上の所定選択肢と共に表示させ、次に、上記所定タスク形式を用いて、所定アセットにおいて発生した少なくとも１つのアセットイベントに関係する新たなタスクを生成するステップとを含む。
以下の開示を読むに当たり、これら及び他の多数の態様は通常の当業者にとって明らかである。
実施形態を実現することができるネットワーク構成の例を示す図である。 アセットの例の簡略化したブロック図である。 異常状態指標及びセンサ基準の例を概念的に示す図である。 プラットフォームの例の構造図である。 プラットフォームの例の機能ブロック図である。 イベント・スナップショットデータを生成する方法の例を示す流れ図の例である。 信号データ集合を生成して処理する方法の例を示す流れ図の例である。 記憶されているデータ集合を含むデータ構造の概念図である。 対話型可視化ツールのタイムラインに値を入れる方法の例を示す流れ図の例である。 空のタイムラインを表示するグラフィカル・ユーザ・インタフェースの例を示す図である。 値を入れたたタイムラインを表示するＧＵＩの他の例の一部分を示す図である。 選択可能なスクラバー要素への入力後の、図１０のＧＵＩの一部分を示す図である。 タスク生成ＧＵＩの例を示す図である。
以下の開示は、添付した図面及びいくつかの好適なシナリオを参照しながら行う。こうした参照は説明目的に過ぎず、従って限定的であることを意味しないことは、通常の当業者の理解する所である。開示するシステム、装置、及び方法は、種々の方法で再構成、組合せ、追加、及び／または除去することができ、本明細書ではこれらの各々を考えに入れる。
Ｉ．ネットワーク構成の例
ここで図面を参照すれば、図１は、実施形態を実現することができるネットワーク構成１００の例を示す。図に示すように、ネットワーク構成１００は、その中心部にリモートコンピュータシステム１０２を含み、リモートコンピュータシステム１０２は、通信ネットワーク１０４を通して、代表的アセット１０６及び１０８のような１つ以上のアセット、代表的データ源１１０のような１つ以上のデータ源、及び代表的クライアント・ステーション１１２のような１つ以上のクライアント・ステーションと通信することができる。ネットワーク構成は他の種々のシステムを含むこともできることは明らかである。
大まかに言えば、アセットデータ・プラットフォーム１０２（本明細書では時として「アセット状態監視システム」と称する）は、アセット関連データを受信し、取り込み、処理し、分析し、及び／またはアセット関連データへのアクセスを行うように構成された１つ以上のコンピュータシステムの形をとることができる。例えば、プラットフォームは、本明細書中に開示する１つ以上の機能を実行して、アセット関連データを受信し、取り込み、処理し、分析し、及び／またはアセット関連データへのアクセスを行うように構成されたハードウェア構成要素及びソフトウェア構成要素を有する１つ以上のサーバー（等）を含むことができる。それに加えて、プラットフォームは、プラットフォームのユーザがプラットフォームと相互作用することを可能にする１つ以上のユーザ・インタフェース構成要素を含むことができる。実際には、これらのコンピュータシステムは、単一の物理的位置に配置することができ、あるいは複数の位置にわたって分散させることができ、システムバス、通信ネットワーク（例えば、プライベート（私的）ネットワーク）、または他の何らかの接続メカニズムを介して通信リンク（通信結合）されている。さらに、プラットフォームは、数ある例の中で特に、ＴＰＬ（Task Parallel Library：タスク並列ライブラリ）データフローまたはＮｉＦｉ（登録商標）のようなデータフロー技術によりデータを受信及び送信するように構成することができる。プラットフォームは他の形をとることもできる。アセットデータ・プラットフォーム１０２は、以下に図４を参照してより詳細に説明する。
図１に示すように、アセットデータ・プラットフォーム１０２は、通信ネットワーク１０４を通して、ネットワーク構成１００内の１つ以上のアセット、データ源、及び／または出力システムと通信するように構成することができる。例えば、アセットデータ・プラットフォーム１０２は、１つ以上のアセット及び／またはデータ源によって送信されるアセット関連データを、通信ネットワーク１０４を通して受信することができる。他の例として、アセットデータ・プラットフォーム１０２は、アセット関連データ及び／またはコマンドを送信することができ、これらのアセット関連データ及び／またはコマンドは、クライアント・ステーション、作業命令システム、部品発注システムのような出力システムによって受信される。アセットデータ・プラットフォーム１０２は、通信ネットワーク１０４を通した他の種類の通信を行うこともできる。
一般に、通信ネットワーク１０４は、ネットワーク構成１００内のアセットデータ・プラットフォーム１０２と１つ以上のアセット、データ源、及び／または出力システムとの間でデータを転送することを促進するように構成された１つ以上のコンピュータシステム及びネットワーク・インフラストラクチャ（基盤）を含むことができる。通信ネットワーク１０４は、１つ以上のワイドエリア・ネットワーク（ＷＡＮ：Wide-Area Network）及び／またはローカルエリア・ネットワーク（ＬＡＮ：Local Area Network）とすることができ、あるいはこれらを含むことができ、有線及び／または無線とすることができ、安全な通信をサポートすることができる。一部の例では、通信ネットワーク１０４は、ネットワークの中で特に、１つ以上のセルラ・ネットワーク及び／またはインターネットを含むことができる。通信ネットワーク１０４は、ＬＴＥ（Long Term Evolution：ロングターム・エボリューション）、ＣＤＭＡ（Code Division Multiple Access：符号分割多重アクセス）、ＧＳＭ（Global System for Mobile Communications）、ＬＰＷＡＮ（low Power Wide Area Network：低電力ワイドエリア・ネットワーク）、ＷｉＦｉ（Wireless Fidelity：ワイファイ）、ブルートゥース（Bluetooth：登録商標）、イーサネット（Ethernet：登録商標）、ＨＴＴＰ／Ｓ（Hyper Text Transfer Protocol/Secure：ハイパーテキスト転送プロトコル／セキュア）、ＴＣＰ（Transmission Control Protocol：通信制御プロトコル）、ＣｏＡＰ／ＤＴＬＳ（Constrained Application Protocol/Datagram Transport Layer Security）等のような１つ以上の通信プロトコルに従って動作する。通信ネットワーク１０４は単一ネットワークとして示しているが、通信ネットワーク１０４は、それ自体が通信リンクされた複数の区別されるネットワークを含むことができることは明らかである。さらに、例の場合には、通信ネットワーク１０４は（例えば、暗号化または他のセキュリティ（安全）方策を介した）ネットワーク構成要素間の安全な通信を促進することができる。通信ネットワーク１０４は他の形をとることもできる。
さらに、図には示していないが、アセットデータ・プラットフォーム１０２と１つ以上のアセット、データ源、及び／または出力システムとの間の通信経路は、１つ以上の中間システムを含むことができる。例えば、１つ以上のアセット及び／またはデータ源は、アセット関連データを、アセット・ゲートウェイまたは組織に既存のプラットフォーム（図示せず）のような１つ以上の中間システムへ送信することができ、従って、アセットデータ・プラットフォーム１０２は、アセット関連データを１つ以上の中間システムから受信するように構成することができる。他の例として、アセットデータ・プラットフォーム１０２は、ホストサーバー（図示せず）のような１つ以上の中間システムを介して出力システムと通信することができる。他の多数の構成も可能である。
一般に、アセット１０６及び１０８は、（現場に基づいて規定することができる）１つ以上の動作を実行するように構成されたあらゆる装置の形をとることができ、そして所定アセットの動作（即ち、動作条件）を示すデータを送信するように構成された装置を含むこともできる。こうしたデータは種々の形をとることができ、その例は、センサ／アクチュエータ・データのような動作データ（例えば、信号データ）及び／または異常状態指標（例えば、故障コード）、アセットの識別データ、アセットの位置データ、等を含むことができる。
アセットの種類の代表例は、数ある例の中で特に、輸送機械（例えば、機関車、航空機、客車、セミトレーラー・トラック、船舶、等）、産業機械（例えば、採掘装置（鉱業機械）、建設機械、処理装置、組み立て装置、等）、医療機器（例えば、医療画像装置、外科手術装置、医療監視装置、医療研究装置、等）、公共設備（例えば、タービン、ソーラーファーム、等）、及び無人航空機を含むことができる。それに加えて、各所定種類のアセットは、種々の異なる形態（例えば、ブランド（銘柄）、メーカー、モデル（型式）、ファームウェア・バージョン、等）を有することができる。
このため、一部の例では、アセット１０６及び１０８の各々が同じ種類（例えば、数ある例の中で特に、機関車または航空機の隊列、風力タービンのグループ、鉱業機械のプール（共同体）、または一組の磁気共鳴撮像（ＭＲＩ：Magnetic Resonance Imaging）装置）を有することができ、そして恐らくは同じ形態（例えば、同じブランド、メーカー、モデル、ファームウェア・バージョン、等）を有することができる。他の例では、アセット１０６と１０８とが、異なるアセットの種類または異なる形態（例えば、異なるブランド、メーカー、モデル、及び／またはファームウェア・バージョン）を有することができる。例えば、アセット１０６と１０８とは、多数の例の中で特に、作業現場（例えば、採掘現場）または生産設備における異なる装置とすることができる。これらはアセットの少数の例に過ぎず、他の多数のものが可能であり、本明細書において考えに入れることは、通常の当業者にとって明らかである。
アセットの種類及び／または形態次第では、アセットが、１つ以上の動作のそれぞれを実行するように構成された１つ以上のサブシステムを含むこともできる。例えば、輸送アセットの関係では、サブシステムは、多数の例の中で特に、エンジン、トランスミッション（変速機）、ドライブトレイン（動力伝達装置、駆動系）、燃料システム、バッテリシステム、排気システム、ブレーキシステム、電気システム、信号処理システム、発電機、ギアボックス、ローター、及び油圧システムを含むことができる。実際には、アセットの複数のサブシステムは、アセットが動作するために並列的に、あるいは順次に動作することができる。代表的なアセットは図２を参照して以下でさらに詳細に説明する。
一般に、データ源１１０は、アセットに関係するか、さもなければアセットデータ・プラットフォーム１０２が実行する機能に関連するデータを収集、記憶、及び／または提供するように構成された１つ以上のコンピュータシステムとすることができ、あるいはこうしたコンピュータシステムを含むことができる。例えば、データ源１１０は、アセットから出る動作データ（例えば、履歴的動作データ）を収集して提供することができ、この場合、データ源１１０はこうしたアセット動作データの代替的な発生源として機能することができる。他の例として、データ源１１０は、アセットから出ないデータを提供するように構成することができ、本明細書ではこうしたデータを「外部データ」と称することがある。こうしたデータ源は種々の形をとることができる。
１つの実現では、データ源１１０が、アセットが動作する環境のいくつかの特性を示すデータを提供するように構成された環境データ源の形をとることができる。環境データ源の例は、数ある例の中で特に、所定領域の自然及び人工的特徴に関する情報を提供する気象データ・サーバー、全地球的航法衛星システム（ＧＮＳＳ：Global Navigation Satellite System）サーバー、地図データ・サーバー、及び地形データ・サーバーを含む。
他の実現では、データ源１１０は、（例えば、アセットが動作するか保守を受ける時と場合に）アセットの動作または保守に影響を与え得る実体（例えば、他のアセット）のイベントまたは状態を示すデータを提供するアセット管理データ源の形をとることができる。アセット管理データ源の例は、数ある例の中で特に、アセットに対して実行された、及び／または実行するようにスケジュールされた検査、保守、サービス（点検修理）、及び／または修理に関する情報を提供するアセット保守サーバー、航空交通、水上交通、及び／または地上交通に関する情報を提供する交通データサーバー、特定期日及び／または特定時刻に予期されるアセットの経路及び／または位置に関する情報を提供するアセット・スケジュールサーバー、欠陥検出システムに接近して通過するアセットの１つ以上の動作状態に関する情報を提供する欠陥検出システム（「ホットボックス」検出器としても知られている）、及び特定の供給者が在庫している部品及びその価格に関する情報を提供する部分供給サーバーを含む。
データ源１１０は他の形をとることもでき、その例は、数ある例の中で特に、流体解析の結果に関する情報を提供する流体解析サーバー、及び電力消費に関する情報を提供するパワーグリッド（電力網）を含むことができる。これらはデータ源の少数の例に過ぎず、他の多数の例が可能であることは、通常の当業者にとって明らかである。
実際には、アセットデータ・プラットフォーム１０２は、データ源によって提供されるサービスに「加入する」ことによってデータ源１１０からのデータを受信することができる。しかし、アセットデータ・プラットフォーム１０２は、データ源１１０からのデータを他の方法で受信することもできる。
クライアント・ステーション１１２は、アセットデータ・プラットフォーム１０２にアクセスして、ユーザがアセットデータ・プラットフォーム１０２と相互作用することを可能にするように構成されたコンピュータシステムまたは装置の形をとることができる。このことを促進するために、クライアント・ステーションは、数ある構成要素の中で特に、ユーザ・インタフェース、ネットワーク・インタフェース、プロセッサ、及びデータ記憶装置のようなハードウェア構成要素を含むことができる。それに加えて、クライアント・ステーションは、数ある例の中で特に、アセットデータ・プラットフォーム１０２によって提供されるウェブ・アプリケーションにアクセスすることができるウェブ・ブラウザ、あるいはアセットデータ・プラットフォーム１０２に関連する元からあるクライアント・アプリケーションのような、アセットデータ・プラットフォーム１０２との相互作用を可能にするソフトウェア構成要素を有するように構成することができる。クライアント・ステーションの代表例は、デスクトップ・コンピュータ、ラップトップ・コンピュータ、ノート型コンピュータ、タブレット、スマートホン、パーソナル・デジタル・アシスタント（ＰＤＡ：Personal Digital Assistant：個人用携帯端末）、あるいは現在既知または後に開発される他のあらゆるこうした装置を含むことができる。
出力システムの他の例は、とりわけ、アセットを修理することを整備工等に要求するように構成された作業命令システム、あるいはアセットの部品を発注してその受け付けを出力するように構成された部品発注システムを含むことができる。
ネットワーク構成１００は、本明細書中に説明する実施形態を実現することができるネットワークの一例であることは明らかである。他の多数の構成が可能であり、本明細書において考えに入れる。例えば、他のネットワーク構成は、図示していない追加的な構成要素、及び／または図示する構成要素のうちの大体を含むことができる。
ＩＩ．アセットの例
図２を参照すれば、アセット２００の例の簡略化したブロック図が示されている。図１のアセット１０６及び１０８のいずれかあるいは両方が、アセット２００のように構成することができる。図に示すように、アセット２００は、１つ以上のサブシステム２０２、１つ以上のセンサ２０４、１つ以上のアクチュエータ２０５、中央処理装置２０６、データ記憶装置２０８、ネットワーク・インタフェース２１０、ユーザ・インタフェース２１２、測位装置２１４、及び恐らくは局所分析装置２２０を含むことができ、これらのすべてが、システムバス、ネットワーク、または他の接続メカニズムによって（直接、または間接的に、のいずれかで）通信リンクされている。アセット２００が、図示しない追加的な構成要素、及び／また図示する構成要素のうちの大体を含むことができることは、通常の当業者にとって明らかである。
大まかに言えば、アセット２００は、１つ以上の動作を実行するように構成された１つ以上の電気的、機械的、及び／または電気機械的な構成要素を含むことができる。一部の場合には、１つ以上の構成要素を所定のサブシステム２０２にグループ化することができる。
一般に、サブシステム２０２は、アセット２００の一部である関連構成要素のグループを含むことができる。単一のサブシステム２０２は１つ以上の動作を独立して実行することができ、あるいは、単一のサブシステム２０２は、他の１つ以上のサブシステムと共に１つ以上の動作を実行することができる。一般に、異なる種類のアセット、さらには同じ種類のアセットの異なるクラスが、異なるサブシステムを含むことができる。サブシステムの代表例は図１を参照して上述している。
以上に示唆するように、アセット２００は、アセット２００の動作状態を監視するように構成された種々のセンサ２０４、及びアセット２００またはその構成要素と相互作用してアセット２００の動作状態を監視するするように構成された種々のアクチュエータ２０５を備えることができる。一部の場合には、センサ２０４及び／またはアクチュエータ２０５の一部を、特定のサブシステム２０２に基づいてグループ化することができる。このようにして、センサ２０４及び／またはアクチュエータ２０５のグループは、特定のサブシステム２０２の動作を監視するように構成することができ、このグループ内のアクチュエータは、特定のサブシステム２０２と、これらの動作状態に基づいて当該サブシステムの挙動を変化させることができる何らかの方法で相互作用するように構成することができる。
一般に、センサ２０４は物理特性を検出して、検出した物理特性の指示、例えば電気信号を提供するように構成することができ、こうした物理特性はアセット２００の１つ以上の動作状態を示すことができる。動作中には、センサ２０４は測定値を連続的に、（例えば、サンプリング周波数に基づいて）周期的に、及び／または何らかのトリガイベントに応答して取得するように構成することができる。一部の場合には、センサ２０４は、測定を実行するための動作パラメータを有するように事前設定することができ、及び／または中央処理装置２０６によって提供される動作パラメータ（例えば、測定値を得ることをセンサ２０４に命令するサンプリング信号）に従って測定を実行することができる。いくつかの例では、異なるセンサ２０４が異なる動作パラメータを有することができる（例えば、一部のセンサは第１周波数に基づいてサンプリングすることができるのに対し、他のセンサは第２の異なる周波数に基づいてサンプリングすることができる）。いずれにせよ、センサ２０４は、測定した物理特性を示す電気信号を中央処理装置２０６へ送信するように構成することができる。センサ２０４はこうした信号を連続的に、あるいは周期的に中央処理装置２０６に供給することができる。
例えば、センサ２０４は、アセット２００の位置及び／または動きのような物理特性を測定するように構成することができ、この場合、センサはＧＮＳＳセンサ、推測航法（デッドレコニング）系センサ、加速度計、ジャイロスコープ、歩数計、磁力計、等の形をとることができる。実施形態では、以下に説明するように、１つ以上のこうしたセンサを測位装置２１４と統合すること、あるいは測位装置２１４と別個に配置することができる。
それに加えて、種々のセンサ２０４は、アセット２００の他の動作状態を測定するように構成することができ、こうした動作状態の例は、数ある例の中で特に、温度、圧力、速度、加速度または減速度、摩擦、電力使用量、燃料使用量、燃料の残量、動作時間、電圧及び電流、磁界、電界、物体の存在または不在、構成要素の位置、及び発電量を含むことができる。これらは、当該動作状態を測定するようにセンサを構成することができる動作状態の少数の例に過ぎないことは、通常の当業者にとって明らかである。産業上の用途または特定のアセットに応じて追加的なセンサまたはより少数のセンサを用いることができる。
以上に示唆するように、アクチュエータ２０５は、いくつかの点でセンサ２０４と同様に構成することができる。具体的には、アクチュエータ２０５は、センサ２０４と同様の方法でアセット２００の動作状態を示す物理特性を検出してその指示を提供するように構成することができる。
さらに、アクチュエータ２０５は、アセット２００、１つ以上のサブシステム２０２、及び／またはその一部の構成要素と相互作用するように構成することができる。このため、アクチュエータ２０５は、構成要素、サブシステム、またはシステムの機械的動作（例えば、移動）を実行するように、さもなければこれらを制御するように構成されたモーター等を含むことができる。特定例では、アクチュエータを、燃料流量を測定して燃料流量を変化させる（例えば、燃料流量を制限する）ように構成することができ、あるいは、アクチュエータを、油圧を測定して油圧を変化させる（例えば、油圧を増加または減少させる）ように構成することができる。アクチュエータの相互作用の他の多数の例も可能であり、本明細書において考えに入れる。
一般に、中央処理装置２０６は、１つ以上のプロセッサ及び／またはコントローラを含むことができ、これらは汎用または特定目的のプロセッサまたはコントローラの形をとることができる。特に、実現例では、中央処理装置２０６を、マイクロプロセッサ、マイクロコントローラ、特定用途向け集積回路、デジタルシグナルプロセッサ、等とすることができ、あるいは中央処理装置２０６がこれらを含むことができる。一方、データ記憶装置２０８は、数ある例の中で特に、光メモリ、磁気メモリ、有機メモリ、またはフラッシュメモリのような１つ以上の非一時的なコンピュータ可読記憶媒体とすることができ、あるいはこうした非一時的なコンピュータ可読記憶媒体を含むことができる。
中央処理装置２０６は、データ記憶装置２０８に記憶されているコンピュータ可読のプログラム命令を記憶し、これらのプログラム命令にアクセスしこれらのプログラム命令を実行して、本明細書中に説明するアセットの動作を実行するように構成することができる。例えば、上記に示唆するように、中央処理装置２０６は、センサ２０４及び／またはアクチュエータ２０５からそれぞれのセンサ信号を受信するように構成することができる。中央処理装置２０６は、センサ及び／またはアクチュエータデータを記憶して、後にデータ記憶装置２０８からこれらのデータにアクセスするように構成することができる。
中央処理装置２０６は、受信したセンサ及び／またはアクチュエータ信号が、故障コードのような異常状態指標をトリガするか否かを判定するように構成することもできる。例えば、中央処理装置２０６は、異常状態のルールをデータ記憶装置２０８に記憶するように構成することができ、これらのルールの各々が、特定の異常状態、及び異常状態指標をトリガするそれぞれのトリガ基準を表す所定の異常状態指標を含む。即ち、各異常状態指標は、異常状態指標がトリガされる前に満たさなければならない、センサ及び／またはアクチュエータの１つ以上の測定値に対応する。実際には、アセット２００は、異常状態指標を事前にプログラムすることができ、及び／または新たな異常状態指標または既存のルールに対するアップデート（更新）を、アセットデータ・プラットフォーム１０２のようなコンピュータシステム１０２から受信することができる。
いずれにせよ、中央処理装置２０６は、受信したセンサ及び／またはアクチュエータ信号が何らかの異常状態指標をトリガするか否かを判定するように構成することができる。即ち、中央処理装置２０６は、受信したセンサ及び／またはアクチュエータ信号がトリガ基準を満たすか否かを判定することができる。こうした判定が肯定である際には、中央処理装置２０６は異常状態データを生成することができ、次に、アセットのネットワーク・インタフェース２１０に、異常状態データをアセットデータ・プラットフォーム１０２へ送信させること、及び／またはアセットのユーザ・インタフェース２１２に、視覚的警報及び／または可聴の警報のような異常状態の指示を出力させることができる。それに加えて、中央処理装置２０６は、異常状態指標がトリガされていることの発生を、恐らくはタイムスタンプ（日時印）付きでデータ記憶装置２０８に記録することができる。
図３に、あるアセットについての異常状態指標及びそれぞれのトリガ基準の例の概念的例示を示す。特に、図３は故障コードの例の概念的例示を示す。図に示すように、表３００は、それぞれセンサＡ、アクチュエータＢ、及びセンサＣに対応する列３０２、３０４、及び３０６を含み、それぞれ故障コード１、２、及び３に対応する行３０８、３１０、及び３１２を含む。従ってエントリ３１４は、所定の故障コードに対応するセンサ基準（例えば、センサ値の閾値）を指定する。
例えば、故障コード１は、センサＡが１分当たり１３５回転（RPM: revolutions per minute）よりも大きい回転数の測定値を検出し、かつセンサＣが摂氏６５度(℃)よりも高い温度測定値を検出するとトリガされ、故障コード２は、アクチュエータＢが１０００ボルト(V)より高い電圧測定値を検出し、かつセンサＣが５５℃未満の温度を検出するとトリガされ、故障コード３は、センサＡが１００RPMよりも大きい回転数測定値を検出し、アクチュエータＢが７５０Vよりも高い電圧測定値を検出し、かつセンサＣが６０℃よりも高い温度測定値を検出するとトリガされる。図３は例示及び説明目的で提供するに過ぎず、他の多数の故障コード及び／またはトリガ基準が可能であり、本明細書において考えに入れることは、通常の当業者にとって明らかである。
再び図２を参照すれば、中央処理装置２０６は、アセット２００の動作を管理及び／または制御するための種々の追加的機能を実行するように構成することもできる。例えば、中央処理装置２０６は、サブシステム２０２及び／またはアクチュエータ２０５にスロットル（加減弁）位置を変更するような何らかの動作を実行させる命令信号を、サブシステム２０２及び／またはアクチュエータ２０５に供給するように構成することができる。それに加えて、中央処理装置２０６は、センサ２０４及び／またはアクチュエータ２０５からのデータを処理する速度を変更するように構成することができ、あるいは、中央処理装置２０６は、センサ２０４及び／またはアクチュエータ２０５に例えばサンプリングレート（標本化速度）を変更させる命令信号を、センサ２０４及び／またはアクチュエータ２０５に供給するように構成することができる。さらに、中央処理装置２０６は、サブシステム２０２、センサ２０４、アクチュエータ２０５、ネットワーク・インタフェース２１０、ユーザ・インタフェース２１２、及び／または測位装置２１４からの信号を受信して、こうした信号に基づいて動作を発生させるように構成することができる。さらにその上、中央処理装置２０６は、データ記憶装置２０８に記憶されている診断ルールに従う１つ以上の診断ツールを中央処理装置２０６に実行させる信号を、診断装置のようなコンピュータ装置から受信するように構成することができる。中央処理装置２０６の他の機能は以下に説明する。
ネットワーク・インタフェース２１０は、アセット２００と通信ネットワーク１０４に結合された種々のネットワーク構成要素との通信を行うように構成することができる。例えば、ネットワーク・インタフェース２１０は、通信ネットワーク１０４との間の無線通信を促進するように構成することができ、従って、種々の無線信号を送信し受信するためのアンテナ構造及び関連装置の形をとることができる。他の例も可能である。実際には、ネットワーク・インタフェース２１０は、それらに限定されないが上述したもののいずれかのような通信プロトコルに従って構成することができる。
ユーザ・インタフェース２１２は、ユーザによるアセット２００との相互作用を促進するように構成することができ、ユーザの相互作用に応答してアセット２００に動作を実行させるように構成することもできる。ユーザ・インタフェース２１２の例は、数ある例の中で特に、タッチセンサ式インタフェース、機械的インタフェース（例えば、マイクロホン）を含む。一部の場合には、ユーザ・インタフェース２１２は、表示スクリーン、スピーカ、ヘッドホンジャック、等のような出力構成要素を含むこと、あるいはこうした出力構成要素への接続性を提供することができる。
測位装置２１４は、一般に、地球空間の場所／位置及び／またはナビゲーションに関係する機能の実行を促進するように構成されている。より具体的には、測位装置２１４は、ＧＮＳＳ技術（例えば、ＧＰＳ（Global Positioning System：全地球測位システム）、ＧＬＯＮＡＳＳ（Global Navigation Satellite System：全地球的航法衛星システム）、ガリレオ（Galileo）、BeiDou、等）、三角測量技術、等のような１つ以上の測位技術により、アセット２００の場所／位置の測定、及び／またはアセット２００の移動の追跡を促進するように構成することができる。このため、測位装置２１４は、１つ以上の特定の測位技術により構成された１つ以上のセンサ及び／または受信機を含むことができる。
実施形態では、測位装置２１４は、アセット２００が他のシステム及び／または装置（例えば、アセットデータ・プラットフォーム１０２）に、アセット２００の位置を示す位置データを提供することを可能にすることができる。一部の実現では、アセット２００は、トリガに基づいて、あるいは他の何らかの方法で、他のシステムに位置データを連続的に、周期的に提供することができる。さらに、アセット２００は、位置データを、アセット関連データと独立して、あるいはアセットデータと共に（例えば、動作データと共に）提供することができる。
局所分析装置２２０は、一般に、アセット２００に関係するデータを受信して分析するように構成することができ、こうした分析に基づいて、１つ以上の動作をアセット２００に発生させることができる。例えば、局所分析装置２２０は、アセット２００についての動作データ（例えば、センサ２０４及び／またはアクチュエータ２０５が発生する信号データ）を受信することができ、こうしたデータに基づいて、アセット２００に動作を実行させる命令を、中央処理装置２０６、センサ２０４、及び／またはアクチュエータ２０５に与えることができる。他の例では、局所分析装置２２０が、位置データを測位装置２１４から受信することができ、こうしたデータに基づいて、アセット２００についての予測モデル及び／またはワークフロー（作業の流れ）を処理する方法を変更することができる。他の例の分析及び対応する動作も可能である。
これらの動作のいくつかを促進するために、局所分析装置２２０は、局所分析装置２２０をアセットのオンボード（基板上）システムのうちの１つ以上に結合するように構成された１つ以上のアセット・インタフェースを含むことができる。例えば、図２に示すように、局所分析装置２２０は、アセットの中央処理装置２０６とのインタフェースを有することができ、このインタフェースは、局所分析装置２２０がデータ（例えば、センサ２０４及び／またはアクチュエータ２０５が発生して中央処理装置２０６へ送信するデータ、あるいは測位装置２１４が発生する位置データ）を中央処理装置２０６から受信することができ、次に、命令を中央処理装置へ与えることができる。このようにして、局所分析装置２２０は、アセット２００の他のオンボード・システム（例えば、センサ２０４及び／またはアクチュエータ２０５）との中央処理装置２０６を介した間接的なインタフェースとなって、他のオンボード・システムから処理装置２０６を介してデータを受信することができる。それに加えて、あるいはその代わりに、図２に示すように、局所分析装置２２０は、１つ以上のセンサ２０４及び／またはアクチュエータ２０５とのインタフェースを有することができ、こうしたインタフェースは、局所分析装置２２０がセンサ２０４及び／またはアクチュエータ２０５と直接通信することを可能にすることができる。局所分析装置２２０は、他の方法で、アセット２００のオンボード・システムとのインタフェースとなることもでき、図２に示すインタフェースが図示していない１つ以上の中間システムによって促進されることの可能性を含む。
実際には、局所分析装置２２０は、アセット２００が、予測モデル及び対応するワークフローを実行することのような、高度な分析及び関連する動作を局所的に実行することを可能にすることができ、さもなければ、こうした高度な分析及び関連する動作は他のアセット上の構成要素で実行することができない。このため、局所分析装置２２０は、アセット２００にとっての追加的処理能力及び／または知能を提供することに役立つことができる。
局所分析装置２２０は、予測モデルに関係しない動作をアセット２００に実行させるように構成することもできることは明らかである。例えば、局所分析装置２２０は、アセットデータ・プラットフォーム１０２または出力システム１１２のようなリモート・データ源からデータを受信することができ、受信したデータに基づいて、アセット２００に１つ以上の動作を実行させることができる。１つの特定例は、アセット２００用のファームウェアのアップデートをリモート・データ源から受信して、アセット２００に自分のファームウェアを更新させる局所分析装置２２０を含むことができる。他の特定例は、診断命令をリモート・データ源から受信して、受信した命令に従って局所診断ツールをアセット２００に実行させる局所分析装置２２０を含むことができる。他の多数の例も可能である。
図に示すように、上述した１つ以上のアセット・インタフェースに加えて、局所分析装置２２０は、処理装置２２２、データ記憶装置２２４、及びネットワーク・インタフェース２２６を含むこともでき、これらのすべてがシステムバス、ネットワーク、または他の接続メカニズムによって通信リンクすることができる。処理装置２２２は、中央処理装置２０６に関して上述した構成要素のいずれをも含むことができる。一方、データ記憶装置２２４は、１つ以上の非一時的なコンピュータ可読記憶媒体とすることができ、あるいはこうしたコンピュータ可読記憶媒体を含むことができ、こうしたコンピュータ可読記憶媒体は、上述したコンピュータ可読記憶媒体の形態のいずれをもとることができる。
処理装置２２２は、データ記憶装置２２４に記憶されているコンピュータ可読のプログラム命令を記憶し、こうしたプログラム命令にアクセスし、こうしたプログラム命令を実行するように構成することができる。例えば、処理装置２２２は、センサ２０４及び／またはアクチュエータ２０５が発生するそれぞれのセンサ及び／またはアクチュエータ信号を受信するように構成することができ、そしてこうした信号に基づいて、予測モデル及び対応するワークフローを実行することができる。他の機能は以下に説明する。
ネットワーク・インタフェース２２６は、上述したのと同じもの、あるいは類似のものとすることができる。実際には、ネットワーク・インタフェース２２６は、局所分析装置２２０とアセットデータ・プラットフォーム１０２との通信を促進することができる。
一部の実現例では、局所分析装置２２０は、ユーザ・インタフェースを含むことができ、あるいはユーザ・インタフェースと通信することができ、このユーザ・インタフェースはユーザ・インタフェース２１２と同様にすることができる。実際には、こうしたユーザ・インタフェースは、局所分析装置２２０（及びアセット２００）から遠隔して配置することができる。他の例も可能である。
図２は、１つ以上のアセット・インタフェースを介して関連するアセット（例えば、アセット２００）に物理的に結合されかつ通信結合された局所分析装置２２０を示しているが、このことは必ずしも成り立たないことも明らかである。例えば、一部の実現では、局所分析装置２２０は、関連するアセットに物理的に結合されず、その代わりに、アセット２００から遠隔して配置することができる。こうした実現の一例では、局所分析装置２２０をアセット２００に無線通信結合することができる。他の配置及び構成も可能である。
ローカル分析装置の構成及び動作のより詳細については、米国特許出願第１４／９６３２０７号明細書（特許文献１）を参照されたく、その全文を参照することによって本明細書に含める。
図２に示すアセット２００はアセットの簡略化表現の一例に過ぎず、他の多数の例も可能であることは、通常の当業者にとって明らかである。例えば、他のアセットは、図示していない追加的構成要素及び／または図示する構成要素の大体を含むことができる。さらに、所定アセットは、協調動作して当該所定アセットの動作を実行する複数の個別アセットを含むことができる。他の例も可能である。
ＩＩＩ．プラットフォームの例
図４は、データアセット・プラットフォーム４００の例に含めることができるいくつかのアセットを構造的全体像により例示する簡略化ブロック図である。以上の説明に沿えば、データアセット・プラットフォーム４００は、一般に１つ以上のコンピュータシステム（例えば、１つ以上のサーバー）を具えることができ、これら１つ以上のコンピュータシステムは、少なくとも１つのプロセッサ４０２、データ記憶装置４０４、ネットワーク・インタフェース４０６、及び恐らくはユーザ・インタフェース４１０も集合的に含むことができ、これらのすべてが、システムバス、ネットワーク、または他の接続メカニズムのような通信リンク４０８によって通信リンクすることができる。
プロセッサ４０２は１つ以上のプロセッサ及び／またはコントローラを含むことができ、これらは汎用の、あるいは特定目的のプロセッサまたはコントローラの形をとることができる。特に、実現例では、処理装置４０２がマイクロプロセッサ、マイクロコントローラ、特定用途向け集積回路、デジタル・シグナル・プロセッサ、等を含むことができる。
一方、データ記憶装置４０４は、１つ以上の非一時的なコンピュータ可読記憶媒体を具えることができ、こうしたコンピュータ可読記憶媒体の例は、ランダムアクセスメモリ、レジスタ、キャッシュ（メモリ）、等のような揮発性記憶媒体、及び読出し専用メモリ、ハードディスク・ドライブ（駆動装置）、ソリッドステート（半導体）ドライブ、フラッシュメモリ、光記憶装置、等のような不揮発性記憶媒体を含むことができる。
図４に示すように、データ記憶装置４０４は、プラットフォーム４００が本明細書中に開示する機能を実行することを可能にするソフトウェア・コンポーネントを設けることができる。これらのソフトウェア・コンポーネントは、一般に、プロセッサ４０２によって実行可能なプログラム命令の形をとることができ、まとめてアプリケーション、ソフトウェア開発キット、ツールセット、等の形に構成することができる。それに加えて、データ記憶装置４０４は、プラットフォームが実行する機能に関係するデータを記憶するように構成することができる１つ以上のデータベースを設けることができ、データベースの例は、とりわけ時系列データベース、ドキュメント（文書）データベース、リレーショナル（関係型）データベース（例えば、ＭｙＳＱＬ）、キー値データベース、及びグラフ・データベースを含む。１つ以上のデータベースは、ポリグロット（polyglot：多国語）記憶装置を提供することもできる。
ネットワーク・インタフェース４０６は、プラットフォーム４００と、アセット１０６及び１０８、データ源１１０、及びクライアント・ステーション１１２のような種々のネットワーク構成要素との通信ネットワーク１０４を介した無線及び／または有線通信を促進するように構成することができる。このため、ネットワーク・インタフェース４０６は、これらの機能を実行するためのあらゆる適切な形をとることができ、その例は、イーサネット（登録商標）インタフェース、シリアルバス・インタフェース（例えば、ファイヤーワイヤー（Firewire：登録商標））、ＵＳＢ（Universal Serial Bus）２．０、等）、無線通信を促進するように構成されたチップセットとアンテナ、及び／または、有線及び／または無線通信を提供する他のあらゆるインタフェースを含むことができる。ネットワーク・インタフェース４０６は、様々な異なる種類のネットワーク接続をサポートする複数のネットワーク・インタフェースを含むこともでき、そのいくつかの例は、Hadoop（登録商標）、ＦＴＰ（File Transfer Protocol：ファイル転送プロトコル）、リレーショナル・データベース、ＯＳＩ ＰＩ（登録商標）のような高周波データ、ＸＭＬ（Extensible Markup Language：拡張マークアップ言語）のようなバッチデータ、及びBase64を含むことができる。他の構成も可能である。
データアセット・プラットフォーム４００の例は、ユーザとプラットフォーム４００との相互作用を促進するように構成されたユーザ・インタフェース４１０をサポートすることができ、ユーザ・インタフェース４１０は、ユーザとの相互作用に応答した動作をプラットフォーム４００に実行させることを促進するように構成することもできる。このユーザ・インタフェース４１０は、種々の入力構成要素を含むことができ、あるいは種々の入力構成要素への接続性を提供することができ、入力構成要素の例は、タッチセンサ式インタフェース、機械的インタフェース（例えば、レバー、ボタン、回転輪、ダイヤル、キーボード、等）、及び他の入力インタフェース（例えば、マイクロホン）を含むことができる。それに加えて、ユーザ・インタフェース４１０は種々の出力構成要素を含むこと、あるいは種々の出力構成要素への接続性を提供することができ、出力構成要素の例は、表示スクリーン、スピーカ、ヘッドホンジャック、等を含むことができる。他の構成も可能であり、プラットフォームの例に通信結合されたクライアント・ステーション内にユーザ・インタフェース４１０を具体化する可能性を含む。
ここで図５を参照すれば、他の簡略化したブロック図が提供され、プラットフォームの例５００に含めることができるいくつかの構成要素を機能的全体像により例示する。例えば、図に示すように、プラットフォームの例５００は、データ取り込みシステム５０２及びデータ分析システム５０４を含むことができ、その各々が、特定の機能を実行するように構成されたハードウェアとソフトウェアの組合せを具えている。プラットフォーム５００は、データ取り込みシステム５０２及びデータ分析システム５０４のうちの１つ以上に結合されたデータベース５０６を含むこともできる。実際には、これらの機能的なシステムは、単一のコンピュータシステム上で実現することができ、あるいは複数のコンピュータシステムにわたって分散させることができる。
データ取り込みシステム５０２は、一般に、アセット関連データを受信して、受信したデータの少なくとも一部をデータ分析システム５０４に提供することができる。このため、データ取り込みシステム５０２は、アセット関連データを種々のデータ源から受信するように構成することができ、データ発生源の例は、アセット、アセット関連データ源、または組織に既存のインフラストラクチャを含むことができる。データ取り込みシステム５０２によって受信されるデータは種々の形をとることができ、その例は、アナログ信号、データストリーム（データ流）、及び／またはネットワーク・パケットを含むことができる。さらに、一部の例では、データ取り込みシステムを、ＮｉＦｉ（登録商標）受信機等のような所定のデータフローに従って構成することができる。
一部の例では、データ取り込みシステム５０２がデータを所定のデータ源（例えば、アセット、アセット関連データ源、組織に既存のインフラストラクチャ、等）から受信する前に、そのデータ源にデータ・エージェント５０８を設けることができる。一般に、データ・エージェント５０８は、所定のデータ源にある関連データにアクセスし、このデータを適切なフォーマットにし、そしてこのデータをプラットフォーム５００へ送信してデータ取り込みシステム５０２によって受信されることを促進するように機能するソフトウェア・コンポーネントとすることができる。このため、データ・エージェント５０８は、所定のデータ源に、数ある例の中で特に、圧縮及び／または伸張、暗号化及び／または暗号解読（暗号復号化）、アナログ−デジタル変換及び／またはデジタル−アナログ変換、フィルタ処理、増幅、及び／またはデータマッピングのような動作を実行させることができる。しかし、他の実施形態では、上記所定のデータ源を、データ・エージェントの支援なしに、プラットフォームの例５００にアクセスすること、プラットフォームの例５００に合わせてフォーマット化すること、及び／またはプラットフォームの例５００へデータを送信することを可能にすることができる。
データ取り込みシステム５０２によって受信したデータは種々の形をとることができる。一例として、受信したデータは、例えば信号データ（例えば、センサデータ及び／またはアクチュエータデータ）、異常状態指標、アセットイベント指標、及びアセット位置データのようなアセット用の動作データを含むことができる。他のものとして、受信したデータは、例えばアセット検査／保守／修理情報、ホットボックスデータ、気象データ、等のようなアセット動作に関係する外部データを含むことができる。さらに他の例として、受信したデータは、データ源の識別子、及び／または受信したデータに関連するタイムスタンプ（例えば、情報を取得した日付及び／または時刻）のような、受信したデータについての追加的情報を提供するメタデータ、信号署名、等を含むこともできる。例えば、一意的識別子（例えば、コンピュータが発生した英字、数字、英数字、等の識別子）を、各アセットに、そして恐らくは各センサ及びアクチュエータに割り当てることができ、こうした一意的識別子は、当該データが出るアセット、センサ、またはアクチュエータを識別するように動作可能である。データ取り込みシステム５０２によって受信したデータは他の形をとることもできる。
データ取り込みシステム５０２は、受信したデータをデータ分析システムに提供する前に、受信したデータに対する種々の前処理機能を実行して、受信したデータが混ざりものがなく、最新のものであり、データを管理するプラットフォーム５００に記憶されている記録またはデータ構造全体にわたって一貫性があることを保証するように構成することもできる。例えば、データ取り込みシステム５０２は、受信したデータを所定のデータ構造内へマッピングすることができ、そして可能性として、これらのデータ構造へマッピングすることができないあらゆるデータを落とすことができる。他の例として、データ取り込みシステム５０２は、受信したデータの信頼性（または「健全性」）を評価することができ、そして可能性として、あらゆる信頼性のないデータを落とすことができる。さらに他の例として、データ取り込みシステム５０２は、プラットフォームが何らかのデータを既に受信していることを識別し、次にこうしたデータを無視するか落とすことによって、受信したデータを「de-dup（重複排除）する」ことができる。さらに他の例として、データ取り込みシステム５０２は、受信したデータが、既にプラットフォームのデータベース５０６内に記憶されているデータに関係する（例えば、同じデータの異なるバージョンである）か否かを判定することができ、そして、受信したデータと記憶されているデータとを併合してまとめて１つのデータ構造または記録にすることができる。さらに他の例として、データ取り込みシステム５０２は、受信したデータを（例えば、異なるデータカテゴリを異なる待ち行列（キュー）に置くことによって）特定のデータカテゴリに編成することができる。他の機能を実行することもできる。
一部の実現では、データ・エージェント５０８がこれらの前処理機能のうちの特定のものを実行または支援し得るようにすることもできる。１つの可能な例として、データ取り込みシステム５０２ではなくデータ・エージェント５０８によって、データ・マッピング機能を全体的に、あるいは部分的に実行することができる。
データ取り込みシステム５０２は、さらに、受信したデータを後の検索用にデータベースに記憶するように構成することができる。以上の説明に従えば、データベース５０６は種々の形をとることができ、その例は、とりわけ、時系列データベース、ドキュメント・データベース、リレーショナル・データベース（例えば、ＭｙＳＱＬ）、キー値データベース、及びグラフ・データベースを含む。さらに、データベース５０６はポリグロット記憶装置を提供することができる。例えば、データベース５０６は、受信したデータのペイロードを第１種類のデータベース（例えば、時系列またはドキュメント・データベース）に記憶し、受信したデータに関連するメタデータを、より急速な検索を可能にする第２種類のデータベース（例えば、リレーショナル・データベース）に記憶することができる。他の例も可能である。
従って、図に示すように、データ取り込みシステム５０２はデータ分析システム５０４に通信結合することができる。データ取り込みシステム５０２とデータ分析システム５０４との間のこうしたインタフェースは種々の形をとることができる。例えば、データ取り込みシステム５０２は、ＡＰＩ（Application Program Interface：アプリケーションプログラム・インタフェース）を介してデータ分析システム５０４に通信結合することができる。他のインタフェース技術も可能である。
１つの実現では、データ取り込みシステム５０２が、データ分析システム５０４に、３つのカテゴリ、即ち：(1)信号データ、(2)イベントデータ、(3)アセット状態データ、に入るデータを提供することができる。信号データは、一般に、アセットにおけるセンサ及び／またはアクチュエータによって取得した測定値を表す生データまたは集合データの形をとることができる。イベントデータは、一般に、アセットから受信した指標（例えば、異常状態指標、アセットイベント指標、等）に対応するアセットイベント、検査イベント、保守イベント、修理イベント、流体イベント、天候イベント、等のような、アセットの動作に関係するイベントを識別するデータの形をとることができる。従って、アセット状態情報は、アセット識別子、アセット位置データ、等のようなアセットについての状態情報を含むことができる。データ分析システム５０４に提供されるデータは、他のデータを含むこともでき、そして他の形をとることもできる。
データ分析システム５０４は、一般に、データ取り込みシステム５０２からデータを受信し、このデータを分析し、そしてこのデータに基づく種々の動作を行うように機能することができる。例えば、データ分析システム５０４は、クライアント・ステーションに出力すべき特定データを（例えば、クライアント・ステーションから受信した要求に基づいて）識別することができ、そして、このデータをクライアント・ステーションに提供することができる。他の例として、データ分析システム５０４は、特定データが所定ルールを満足することを判定することができ、次に、この判定に応答して、新たなイベントデータを生成すること、あるいはクライアント・ステーションを通してユーザに通知を提供することのような特定の動作を行うことができる。他の例として、データ分析システム５０４は、受信したデータを用いて、アセット動作に関係する予測モデルを学習させること及び／または実行することができ、次にデータ分析システム５０４は、予測モデルの出力に基づいて特定の動作を行うことができる。さらに他の例として、データ分析システム５０４は、ＡＰＩを通した外部アクセスに利用可能な特定データを作成することができる。
これらの機能のうちの１つ以上を促進するために、データ分析システム５０４は、クライアント・ステーションによってアクセスして表示することができるウェブ・アプリケーション（等）を提供するように構成することができる。こうしたウェブ・アプリケーションは種々の形をとることができるが、一般に、ウェブ・アプリケーションは、クライアント・ステーションによって表示して情報をユーザに提示し、ユーザ入力を取得することもできる１つ以上のウェブページを含むことができる。他の例として、データ分析システム５０４は、クライアント・ステーション上にインストールされてクライアント・ステーション上で実行されるアセットデータ・プラットフォームに関連する元からあるクライアント・アプリケーションの「ホストとなる」（即ち、元からあるクライアント・アプリケーションにデータを提供する）か、元からあるクライアント・アプリケーションを「駆動する」ように構成することができる。
受信したデータに基づいて可能性のある動作を行うために、受信したデータを分析することに加えて、データ分析システム５０４は、受信したデータをデータベース５０６に記憶するように構成することもできる。データベース５０６は、その後の上記プラットフォームまたは他のプラットフォームによるアクセスのためにデータを持続的に記憶することができる。データ記憶装置に関係する追加的な動作は、以下でさらに詳細に説明する。
一部の実施形態では、データ分析システム５０４が、上記プラットフォーム対する追加的機能を構築し、カスタマイズ（顧客対応）し、そして追加するためのソフトウェア開発キット（ＳＤＫ：Software Development Kit）をサポートすることもできる。こうしたＳＤＫは、プラットフォームの機能を、プラットフォームのハードコード化された機能に上乗せした、プラットフォームの機能のカスタマイズを可能にすることができる。
データ分析システム５０４は、他の種々の機能を実行することもできる。データ分析システム５０４が実行する他の機能は、以下でさらに詳細に説明する。
図４〜５に示すプラットフォームの例は、プラットフォームに含めることができる構成要素の簡略化した表現の一例に過ぎず、他の多数の例も可能であることは、通常の当業者にとって明らかである。例えば、他のプラットフォームは、図示していない追加的な構成要素、及び／または図示する構成要素の大体を含むことができる。さらに、所定のプラットフォームは、協調して動作して当該所定のプラットフォームの動作を実行することができる複数の個別のプラットフォームを含むことができる。他の例も可能である。
ＩＶ．動作の例
ここで、図１に示すネットワーク構成１００の例の動作を以下でさらに詳細に説明する。これらの動作のいくつかを説明するのに役立てるために、流れ図を参照して、実行することができる動作の組合せを説明する。一部の場合には、各ブロックが、プロセス中の特定の論理的機能またはステップを実現するためにプロセッサによって実行可能な命令を含むモジュールまたはプログラムコードの一部分を表すことができる。このプログラムコードは、非一時的なコンピュータ可読媒体のようなあらゆる種類のコンピュータ可読媒体上に記憶することができる。他の場合には、各ブロックが、プロセス中の特定の論理的機能またはステップを実行するように配線された回路を表すことができる。さらに、流れ図に示すブロックは、特定の実施形態に基づいて、異なる順序に再配置すること、組み合わせてより少数のブロックにすること、分離して追加的なブロックにすること、及び／または除去することができる。
以下の説明は、アセット１０６０のような単一のデータ源がアセットデータ・プラットフォーム１０２にデータを提供し、次にアセットデータ・プラットフォーム１０２が１つ以上の機能を実行する例を参照することがある。このことは明瞭さ及び説明のために行うに過ぎず、限定的であることを意味しないことは明らかである。実際には、アセットデータ・プラットフォーム１０２は、一般に、多数のデータ源からデータを、恐らくは同時に受信して、このように集合的に受信したデータに基づいて動作を実行する。
Ａ，動作データの収集
上述したように、代表的なアセット１０２及び１０４の各々は種々の形をとることができ、そして多数の動作を実行するように構成することができる。非限定的な例では、アセット１０６が、貨物を米国全体中に輸送するように動作可能な機関車の形をとることができる。輸送中には、アセット１０６のセンサ及び／またはアクチュエータが、アセット１０６の１つ以上の動作状態を反映したデータを取得することができる。これらのセンサ及び／またはアクチュエータは、これらのデータをアセット１０６の処理装置へ送信することができる。
この処理装置は、センサ及び／またはアクチュエーからデータを受信するように構成することができる。実際には、この処理装置は、複数のセンサ及び／またはアクチュエータからの信号データを同時に、あるいは順次に受信することができる。上述したように、こうしたデータを受信しながら、処理装置は、故障コードのようなあらゆる異常状態指標をトリガするトリガ基準をデータが満たしているか否かを判定するように構成することができる。１つ以上の異常状態指標がトリガされたことを処理装置が判定した場合、処理装置は、指標がトリガされたことの指示を、ユーザ・インタフェースを介して出力することのような、１つ以上の局所的動作を実行するように構成することができる。
次に、アセット１０６は、動作データを、アセット１０６のネットワーク・インタフェース及び通信ネットワーク１０４を通してアセットデータ・プラットフォーム１０２へ送信することができる。動作中には、アセット１０６は、動作データをアセットデータ・プラットフォーム１０２へ、連続的に、周期的に、及び／またはトリガ・イベント（例えば、異常状態）に応答して送信することができる。具体的には、アセット１０６は、動作データを、特定頻度に基づいて周期的に（例えば、毎日、毎時、１５分毎に、１分毎に１回、１秒毎に１回、等）送信することができ、あるいは、アセット１０６は、動作データの連続的なリアルタイム供給を送信するように構成することができる。それに加えて、あるいはその代わりに、アセット１０６は、センサ及び／またはアクチュエータの測定値がいずれかの異常状態指標トリガ基準を満たす際のような特定トリガに基づいて動作データを送信するように構成することができる。
実際には、アセット１０６についての動作データは、センサデータ、アクチュエータデータ、異常状態データ、及び／または他のアセットイベントデータ（例えば、アセットの停止、再起動、診断動作、流体検査、修理、等）を含むことができる。一部の実現では、アセット１０６は、動作データを単一データストリームで提供するように構成することができるのに対し、他の実現では、アセット１０６は、動作データを複数の区別されるデータストリームで提供するように構成することができる。例えば、アセット１０６は、分析システム１０８に、信号データの第１データ流及び異常状態データの第２データ流を提供することができる。他の例として、アセット１０６は、分析システム１０８に、アセット１０６上のそれぞれのセンサ及び／またはアクチュエータ毎に別個のデータ流を提供することができる。他の可能性も存在する。
信号データは種々の形をとることができる。例えば、ある時には、センサデータ（またはアクチュエータデータ）は、アセット１０６のセンサ（またはアクチュエータ）の各々によって得られた測定値を含むことができる。これに対し他の時には、センサデータ（またはアクチュエータデータ）は、アセット１０６のセンサ（またはアクチュエータ）の部分集合によって得られた測定値を含むことができる。
具体的には、信号データは、所定のトリガされた異常状態指標に関連するセンサ及び／またはアクチュエータによって得られた測定値を含むことができる。例えば、トリガされた故障コードが図３の故障コード１であれば、センサデータはセンサＡ及びＣによって得られた生の測定値を含むことができる。それに加えて、あるいはその代わりに、これらのデータは、トリガされた故障コードに直接関連しない１つ以上のセンサまたはアクチュエータによって得られた測定値を含むことができる。最後の例を除いて続ければ、これらのデータはアクチュエータＢ及び／または他のセンサまたはアクチュエータによって得られた測定値を追加的に含むことができる。一部の例では、アセット１０６が、分析システム１０８によって提供される故障コードルールまたは命令に基づく動作データ中に特定のセンサデータを含むことができ、分析システム１０８は、例えば、アクチュエータＢが測定している動作データと第１の場所においてトリガされる故障コード１を生じさせた動作データとの間に相関関係が存在することを判定しており得る。他の例も可能である。
さらにその上、上記データは、関心事の特定時刻に基づく、関心事の各センサ及び／またはアクチュエータからの１つ以上のセンサ及び／またはアクチュエータの測定値を含むことができ、関心事の時刻は多数の要因に基づいて選択することができる。一部の例では、関心事の特定時刻がサンプリングレートに基づくことができる。他の例では、関心事の特定時刻が、異常状態指標がトリガされた時刻に基づくことができる。
特に、異常状態指標がトリガされた時刻に基づいて、上記データは、関心事の各センサ及び／またはアクチュエータ（例えば、トリガされた指標に直接または間接的に関連するセンサ及び／またはアクチュエータ）からの、１つ以上のそれぞれセンサ及び／またはアクチュエータ測定値を含むことができる。これら１つ以上の測定値は、特定数の測定値、あるいは異常状態指標がトリガされた時刻付近の特定の継続時間に基づくことができる。
例えば、トリガされた故障コードが図３の故障コード２であれば、関心事のセンサ及びアクチュエータはアクチュエータＢ及びセンサＣを含むことができる。上記１つ以上の測定値は、故障コードがトリガされる前にアクチュエータＢ及びセンサＣによって得られた最新のそれぞれの測定値（例えば、トリガする測定値）、あるいは、トリガする測定値の前、後、または付近のそれぞれの測定値の集合を含むことができる。例えば、５つの測定値の集合は、数ある可能性の中で特に、トリガする測定値の前または後の（例えば、トリガする測定値を除いた）５つの測定値、トリガする測定値の前または後の４つの測定値及びトリガする測定値（そのもの）、あるいはトリガする測定値の前の２つの測定値及び後の２つの測定値並びにトリガする測定値（そのもの）を含むことができる。
信号データと同様に、異常状態データは種々の形をとることができる。一般に、異常状態データは、アセット１０６において発生した特定の異常状態を、アセット１０６において発生し得る他のすべての異常状態から一意的に識別するように動作可能な指標を含むことができ、あるいはこうした指標の形をとることができる。異常状態指標は、数ある例の中で特に、英字、数字、または英数字の識別子の形をとることができる。さらに、異常状態指標は、数ある例の中で特に、「オーバーヒートしたエンジン」または「燃料切れ」のような異常状態を記述するストリング（文字列）または語の形をとることができる。
アセット関連イベントデータも種々の形をとることができる。実現例では、イベントデータが、発生したイベントの種類（例えば、故障コードがトリガされた、診断を実行した、流体の異常が発生した、等）、特定のイベントが発生した時点を識別するタイムスタンプ（日時印）、及び／またはイベントが発生した時間長を示す継続時間の指標を含むことができる。他の例も可能である。
アセットデータ・プラットフォーム１０２、特にアセットデータ・プラットフォーム１０２のデータ取り込みシステムは、１つ以上のアセット及び／またはデータ源からデータを受信するように構成することができる。データ取り込みシステムは、受信したデータの少なくとも一部を取り込み、受信したデータに対して１つ以上の操作を実行し、そしてこれらのデータをアセットデータ・プラットフォーム１０２のデータ分析システムに伝えるように構成することができる。一方、データ分析システムは、受信したデータを分析し、こうした分析に基づいて１つ以上の動作を実行することができる。
Ｂ．アセット関連ツールを提供する
上述したように、アセットデータ・プラットフォーム１０２は種々のアセット関連ツールを提供することができ、これらのアセット関連ツールは、クライアント・ステーションによってアクセスし、利用し、及び／または表示することができるソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォーム１０２によって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）の形をとることができる。こうしたツールは、ユーザ入力を受ける一方で、アセットデータ・プラットフォームに１つ以上の動作を実行させるように構成することができる。アセット関連ツールの例は以下に説明する。以下ではこれらのツールを個別に説明するが、これらのツールの任意の組合せを単一のソフトウェア・アプリケーションの形で提供することができる。
１．対話型可視化ツール
ツールの一例は、あるアセット（またはアセットのグループ）についてのイベントデータ及び関係する信号データをタイムライン（時間経過）画像で表示することができる対話型可視化ツールの形をとることができる。
図６、７Ａ、及び８は、それぞれ方法の例６００、７００、及び８００を表し、これらの方法は一般にイベットデータ及び関係する信号データを対話型可視化ツールのタイムライン上に表示することを促進するための動作を含む。例示目的で、方法の例６００、７００、及び８００はアセットデータ・プラットフォームによって実行されるように説明するが、これらの方法の例は他の装置またはシステムによって実行することができる。流れ図６００、７００、及び８００は明瞭さ及び説明のために提供し、他の多数の動作の組合せを利用してイベントデータ及び関係する信号データのタイムライン画像上への表示を促進することができることも、通常の当業者にとって明らかである。
図６は、「イベント・スナップショット」データを作成する方法の１つの可能な例６００を示す流れ図の例である。ブロック６０２では、アセットデータ・プラットフォーム１０２がデータ取り込みシステムを通してアセット関連データを受信することができる。前述したように、アセットデータ・プラットフォーム１０２は、種々のデータ源からアセット関連データを取得することができ、そして、数あるデータの中で特に、信号データ（例えば、生のセンサ／アクチュエータ読み取り値）及び／またはイベントデータのような種々のデータを含むことができる。
ブロック６０４では、アセットデータ・プラットフォーム１０２が、受信したアセット関連データに基づいてアセット関連イベントの発生を識別することができ、アセット関連イベントは種々の方法で発生することができる。一例では、アセットデータ・プラットフォーム１０２は、特定のアセット関連イベントの発生を示すイベント識別子及び／またはメタデータを含むアセット関連データを受信することができる。こうした場合には、アセットデータ・プラットフォーム１０２は、受信したデータを構文解析して、アセット関連イベントの発生を示すイベント識別子及び／またはメタデータを認識することができる。他の例では、アセットデータ・プラットフォーム１０２は、受信した信号データにイベントルールを適用して、アセット関連イベントが発生したか否かを判定することができる。アセットデータ・プラットフォーム１０２は、アセット関連イベントの発生を他の方法で識別することもできる。
ブロック６０６では、アセットデータ・プラットフォーム１０２が、識別したアセット関連イベントの発生毎に関連する信号データを捕捉することができる。即ち、アセットデータ・プラットフォーム１０２は、識別したアセット関連イベントに直接または間接的に関連し得るセンサデータ及び／またはアクチュエータデータを捕捉することができる。アセットデータ・プラットフォーム１０２は、関連する信号データを種々の方法で特定することができる。
一実施形態では、アセットデータ・プラットフォーム１０２が、所定のアセット関連イベントに関連する特定のセンサ及び／またはアクチュエータを特定することができ、一部の場合には、このことは、所定イベントに関連するそれぞれのアセット信号源（例えば、センサ及び／またはアクチュエータ）を規定することができる１つ以上のローカルまたはリモート・データベースに記憶されているエントリを参照することによって行う。例えば、こうしたエントリは、エンジン温度センサ及び冷媒レベル（液位）センサがエンジン停止イベントに関連することを規定することができる。他の例では、アセットデータ・プラットフォーム１０２が、特定のアセット関連イベントに関連する信号源を示す、受信したイベントデータに対応するデータ源のメタデータ等を外部データ源から受信することができる。これらの関連する信号源は他の方法で特定することができる。
次に、アセットデータ・プラットフォーム１０２は、所定のアセット関連イベントに関連するものとして識別された信号源毎に（例えば、センサ及び／またはアクチュエータ毎に）、１つ以上の信号測定値をイベント発生時刻またはその付近で捕捉することができる。一例では、アセットデータ・プラットフォーム１０２が、識別した信号源毎に特定数の測定値（例えば、イベント発生の前及び／または後の５つのセンサ測定値）に基づいて、１つ以上の信号測定値を捕捉することができる。他の例では、１つ以上の測定値を捕捉することが、イベント発生時点付近の特定の継続時間（例えば、イベント発生前後の１秒間分の測定値）に基づくことができる。一部の場合には、捕捉されるデータが、信号源の種類及び／またはイベントの種類毎に変化し得るし、同様に、他の手法に基づくことができる。
ブロック６０８では、アセットデータ・プラットフォーム１０２が、捕捉したデータを、イベント・スナップショットデータとして、イベント・スナップショットデータ用の１つ以上のデータベース、あるいは１つ以上のデータベース内の記憶場所に記憶することができる。その際に、アセットデータ・プラットフォーム１０２は、可能な情報の中で特に、イベントの種類／名称、当該アセットの動作がイベントの動作をトリガしたアセットの指示、イベントが発生した時点を示すタイムスタンプ、及び捕捉した信号データのような種々の情報を含むことができる１つ以上のデータベース内にデータエントリを作成することができる。イベント・スナップショットデータを記憶する他の方法も可能である。
図７Ａは、集合信号データを生成して処理する１つの可能な例を示す流れ図の例７００である。一般に、アセットデータ・プラットフォーム１０２が記憶するデータの量を低減することに役立てるために、アセットデータ・プラットフォーム１０２は、信号データにおける特定量の時間（即ち、特定の時間分解能）分の集合信号データを生成するように構成することができる。
図に示すように、ブロック７０２では、方法７００が、アセットデータ・プラットフォーム１０２がアセットまたはアセットのグループについての生の信号データを受信することを含むことができる。上述したように、所定の信号データは、数ある可能性の中で特に、センサまたはアクチュエータ（例えば、信号源）によって測定した生の値を含むことができる。実際には、アセットデータ・プラットフォーム１０２は、数ある可能性の中で特に、信号データを連続的に（例えば、「リアルタイム」または準リアルタイムで）、周期的に、あるいは「バッチ（ひとまとまり）」で受信することができる。アセットデータ・プラットフォーム１０２が信号データを受信する方法は、アセットの種類、信号源（例えば、特定のセンサ／アクチュエータ）、構成の設定、及び／または他の種々の要因に依存することができる。いずれの場合にも、アセットデータ・プラットフォーム１０２は、受信したデータを、数ある使用法の中で特に、集合信号データを生成するに当たり用いられる「リアルタイム」データベースのような第１データベースに記憶することができる。
ブロック７０４では、アセットデータ・プラットフォーム１０２が、第１期間の瞬時が経過したか否かを判定することができる。所定期間は、集合信号データを生成するための所定の継続時間とすることができる。このため、所定期間は、複数の秒、分、時間、日、月、年、等、あるいはその任意の組合せを含むように規定することができる。
いずれにせよ、アセットデータ・プラットフォーム１０２は、第１期間が経過した瞬時を種々の方法で判定することができる。一例では、アセットデータ・プラットフォーム１０２が、第１期間の瞬時が経過したか否かを内部クロックにより判定することができる。他の例では、アセットデータ・プラットフォーム１０２が、第１期間の瞬時が経過したか否かを、生の信号測定値をカウントすることによるようなより間接的な様式で判定することができる。例えば、アセットデータ・プラットフォーム１０２は、所定アセットについてのアセット信号データを１秒当たり１回受信することができ、この信号データは所定アセットの所定センサによって測定した値を含む。こうした例では、第１期間が１分間に等しければ、アセットデータ・プラットフォーム１０２は、６０個のセンサ測定値を受信した後に、第１期間が経過したことを判定することができる。他の多数の例が可能である。
ブロック７０６では、アセットデータ・プラットフォーム１０２が、第１期間の瞬時における集合信号データを決定する。例えば、第１期間が１分間であれば、アセットデータ・プラットフォーム１０２は、その１分間に当該アセットデータ・プラットフォームがデータを受信したセンサ及び／またはアクチュエータ毎に集合信号データを決定することができる。
実施形態では、所定の集合信号データが種々の形をとることができる。一例では、集合信号データが、第１期間分のその信号の値を代表する単一値の形をとることができる。他の例では、集合信号データが、所定期間中の信号の要約の形をとることができる。所定の信号の要約は、特定期間にわたる特定信号の値を代表する１つまたは複数の値を含むことができる。例えば、所定信号の要約は、数ある可能性の中で特に、特定期間中の信号データから決定される次の値のうちの１つ以上を含むことができる：平均値、中央値（メジアン）、最大値、最小値、分散、最初の信号データ値、及び／または最後の信号データ値。
ブロック７０８では、アセットデータ・プラットフォーム１０２が、第１期間分の集合信号データを、第１期間分の集合信号データ用の１つ以上のデータベース、あるいは１つ以上のデータベース内の記憶場所（例えば、「１分間」の集合信号データベース）に記憶することができる。その代わりに、第１期間分の集合信号データは、特定のタイムフレーム（例えば、２４時間）用の単一のデータ構造内に記憶することができ、この単一のデータ構造は、第１期間とは継続時間が異なる他の期間分の集合信号データを記憶することもできる。いずれにせよ、こうしたデータベース及び／またはデータ構造は、アセットデータ・プラットフォーム１０２に対してローカルにもリモートにもすることができる。
図７Ｂに、記憶している集合データを含むデータ構造の例の概念的例示を示す。この例では、アセットデータ・プラットフォーム１０２が、特定のタイムフレーム（例えば、２４時間）分の集合データを単一のデータ構造（例えば、単一のデータテーブル）内に記憶しているが、４５秒間分の集合データのみを示す。他の例では、アセットデータ・プラットフォーム１０２が、特定の時間分解能（例えば、期間）分の集合データを、この集合の粒度専用のデータ構造またはデータベース内に記憶することができる。
図７Ｂに示すように、データテーブル７５０は、粒度の列７５２、開始時刻の列７５４、信号要約の列７５６、及び複数のセル７５８を含む。データテーブル７５０の各行は所定の集合に対応する。列７５２内の各セル７５８は、所定集合の特定の粒度（即ち、分解能）を識別する。例えば、１行目のセルは、５秒間分の信号データのような第１粒度（「Ｇ1」）を有し、４行目のセルは、１５秒間分の信号データのような第２粒度（「Ｇ2」）を有し、９行目のセルは、３０秒間分の信号データのような第３粒度（「Ｇ3」）を有する。
列７５４中の各セル７５８は、所定集合が表現する信号データの開始時刻を識別し、列７５６中の各セル７５８は、集合にした信号データの信号要約を記憶する。例えば、１行目と列７５６とが交わる所のセルは、Ｔ0から始まるＴ0＋Ｇ1までのタイムフレームにおける信号データ（即ち、最初の５分間分の信号データ）についての信号要約（例えば、最小値、最大値、平均値、及び中央値の信号値）を記憶する。他の例として、２行目と列７５６とが交わる所のセルは、Ｔ1から始まるＴ1＋Ｇ1までのタイムフレームにおける信号データについての信号要約を記憶する。同様に、４行目と列７５６とが交わる所のセルは、Ｔ0から始まるＴ0＋Ｇ2までのタイムフレームにおける信号データ（即ち、最初の１５分間分の信号データ）についての信号要約を記憶する。同様に、９行目と列７５６とが交わる所のセルは、Ｔ0から始まるＴ0＋Ｇ3までのタイムフレームにおける信号データ（即ち、最初の３０秒間分の信号データ）を記憶する。図７Ｂに示すデータテーブル７５０は、集合信号データを記憶するデータ構造の一例に過ぎない。他の例も可能である。
図７Ａを参照すれば、７１０では、アセットデータ・プラットフォーム１０２が、任意で、集合信号データを決定する根拠をなした信号データを、リモート記憶装置にアーカイブ記録し、及び／または自身のローカルメモリから恒久的に消去して、利用可能なメモリを保つ。実施形態では、アセットデータ・プラットフォーム１０２が、集合信号データを決定することに基づいて、こうした動作を実行することができる。即ち、集合信号データを決定することの根拠をなした信号データは、集合の副産物としてアーカイブ記録し、及び／またはローカルメモリから消去する。これに対し他の実施形態では、数ある可能性の中で特に、他の期間（例えば、１時間、１日、３０日、等）が経過して初めて、これらの動作を実行することができる。
ブロック７１２では、アセットデータ・プラットフォーム１０２が、第２期間の瞬時が経過したか否か（即ち、第２の時間分解能）を判定する。例えば、前述した例を考慮すれば、第１期間が１分間であれば、第２期間は、６０個の１分間の瞬時から成る１時間とすることができる。いずれにせよ、アセットデータ・プラットフォーム１０２は、第２期間が経過したか否かをブロック７０４と同様に判定することができる。その代わりに、１つの特定例では、アセットデータ・プラットフォーム１０２が、第２期間が経過したことを、以前に計算した集合信号データ値の数に基づいて判定することができる。例えば、上記の例を続ければ、アセットデータ・プラットフォーム１０２は、１分間分の集合信号データを、その１時間について６０回計算した後に、１時間が経過したことを判定することができる。他の可能性も存在する。
ブロック７１４では、アセットデータ・プラットフォーム１０２が、第２期間の瞬時における集合信号データを決定することができる。実施形態では、第２期間分の集合信号データは、ブロック７０２において第２期間にわたって受信してブロック７０６に従って決定した信号データに基づくことができる。他の実施形態では、第２期間分の集合信号データは、第１期間について以前に計算した集合信号データ値であって第２期間に包含されるデータ値に基づくことができる。例えば、１時間分の集合信号データは、その１時間を構成する６０分間分の集合信号データに基づいて決定することができる。他の例も可能である。
ブロック７０８と同様に、ブロック７１６では、アセットデータ・プラットフォーム１０２が、第２期間分の集合信号データを、１つ以上のデータベース、あるいは１つ以上のデータベース内の記憶場所に記憶することができる。その代わりに、第２期間分の集合信号データは、第１期間分の集合信号データを記憶しているのと同じ単一のデータ構造内に記憶することができる。例えば、図７Ｂに戻れば、データテーブル７５０内の４行目のデータはブロック７１６の結果として記憶されている。いずれにせよ、上記のデータベース及び／またはデータ構造は、アセットデータ・プラットフォーム１０２に対してローカルにもリモートにもすることができる。
ブロック７１８では、アセットデータ・プラットフォーム１０２は、任意で、第２期間に包含される第１期間の（それぞれの）瞬時に対応する集合信号データを、アーカイブ記録し、及び／またはローカルメモリから恒久的に消去するように構成することができる。その代わりに、これらの動作の一方または両方は、集合信号データ値の「年齢」のような他の多数の要因によってトリガすることができる。例えば、特定の「年齢」（例えば、６０日）を超えたあらゆる集合信号データは、アーカイブ記録すること及び／または恒久的に消去することができる。他の例では、集合信号データの処理が、当該集合信号データが含まれる集合データベース（即ち、こうしたデータが対応する期間）に依存することができる。例えば、１分間に対応する集合信号データ値は１日後に消去することができるのに対し、１時間に対応する集合信号データ値は１週間後の消去することができる。集合信号データ値のアーカイブ記録及び／または消去は、他の種々の方法でトリガすることができる。
ブロック７２０に示すように、方法７００は、ブロック７０２〜７１８を参照して説明した機能と同様な様式で、任意数の周期（例えば、日、月、年）だけ継続することができる。例えば、図７Ｂに戻れば、方法７００がブロック７２０を過ぎるまで継続されて、Ｇ3と等価な時間分解能分の集合を処理する際に、データテーブル７５０の９行目のデータを記憶しておくことができる。
図８は、対話型可視化ツールのタイムラインにデータを入れる方法８００の例を示す流れ図の例である。ブロック８０２では、アセットデータ・プラットフォーム１０２が可視化パラメータを受信することができ、可視化パラメータは、対話型可視化ツールにおいてなされた１つ以上の選択を示すデータの形をとる。実施形態では、可視化パラメータは、数ある可能性の中で特に、関心事の１つ以上のアセット、１つ以上のイベントの種類（例えば、トリガされた特定種類の異常状態指標、流体解析イベント、診断イベント、等）、関心事のタイムフレーム、またはその任意の組合せを識別することができる。
実際には、アセットデータ・プラットフォーム１０２は、対話型可視化ツールにおける１つ以上のユーザ入力に基づいて可視化パラメータを受信することができる。１つの特定例では、ユーザはまず自分のコンピュータ装置（例えば、クライアント・ステーション１１２）において対話型可視化ツールを起動し、次に、対話型可視化ツールが、上述した１つ以上の選択を示す１つ以上の入力を受信することができる。こうした入力に基づいて、対話型可視化ツールは、選択を示すデータをアセットデータ・プラットフォーム１０２へ送信することができる。
実施形態では、アセットデータ・プラットフォーム１０２は、デフォルトの関心事のタイムフレーム（例えば、最後の２４時間）を利用するように構成することができる。一部の例では、アセットデータ・プラットフォーム１０２が、関心事のタイムフレームの選択を示すデータを受信し、アセットデータ・プラットフォームは、デフォルトの関心事のタイムフレームの代わりに、選択した関心事のタイムフレームを利用するように構成することができる。他の例も可能である。
ブロック８０４では、アセットデータ・プラットフォーム１０２が、関心事のタイムフレーム内で発生した１つ以上のイベントの種類と一致する関心事のイベントの瞬時を識別することができ、このことは種々の方法で実行することができる。この動作の一例として、アセットデータ・プラットフォーム１０２は、ブロック８０２で受信した可視化パラメータに基づく質問を生成することができ、この質問は、アセットデータプラットフォーム１０２に、アセット関連データを含む１つ以上のデータベースをアクセスさせて、選択したイベントの種類と一致するアセットイベントの発生を識別させる。他の例では、対話型可視化ツールは、受信した選択に基づく質問を生成させ、その後に生成した質問をアセットデータ・プラットフォーム１０２へ送信するように構成することができる。
１つの特定の実現では、生成した質問に基づいて、アセットデータ・プラットフォーム１０２は、まずイベント・スナップショットデータを含む１つ以上のデータベースにアクセスして、関心事のタイムフレーム内で、選択したイベントの種類のイベントが特定のアセットまたはアセットのグループにおいて発生した瞬時を識別することができる。特に、一例の場合、アセットデータ・プラットフォーム１０２は、１つ以上のイベント・スナップショット・データベースにアクセスして、選択したイベントの種類のいずれかと一致するイベントの発生を識別し、次に、これらの識別した発生を、関心事のタイムフレームによって選別することができる。他の例では、アセットデータ・プラットフォームは、その代わりに、関心事のタイムフレーム内でイベント・スナップショットデータを識別し、次に、選択したイベントの種類のいずれかと一致するイベントの発生を識別することができる。他の例も可能である。
ブロック８０６では、アセットデータ・プラットフォーム１０２が、識別したイベントの瞬時におけるイベント・スナップショットデータを取得することができる。取り込んだイベント・スナップショットデータに基づいて、アセットデータ・プラットフォーム１０２は、数ある可能性の中で特に、所定のイベントが発生した時刻、関連する信号源（例えば、特定のセンサ及び／またはアクチュエータ）、及び／または関連する信号データ（例えば、図６のブロック６０６からのもの）のような各イベント発生の追加的な特性を識別することができる。
次に、アセットデータ・プラットフォーム１０２は、イベント・スナップショットデータから識別した追加的な特性を利用して、集合信号データのような追加的な信号データを得ることができる。一実施形態として、アセットデータ・プラットフォーム１０２は、エンジン停止イベントに関係するイベント・スナップショットデータを、ｔ1〜ｔ10なる所定のタイムフレーム内で取り込んでおくことができ、さらに、この停止イベントがｔ5で発生したことを示す特性を、イベントの発生に関係する関連信号源（例えば、エンジン温度センサ及び冷媒センサ）に加えて識別しておくことができる。次に、識別した特性に基づいて、アセットデータ・プラットフォーム１０２は、１つ以上の集合信号データベース及び／またはデータ構造を検索するための第２の質問を生成することができる。
ブロック８０８では、アセットデータ・プラットフォーム１０２が、取り込んだイベント・スナップショットデータに対応するイベントに関連する集合信号データを取得することができる。一般に、この動作は、アセットデータ・プラットフォーム１０２が特定のデータベース（例えば、特定の時間分解能分の集合信号データを記憶するデータベース）またはデータ構造にアクセスすることを含むことができる。一部の実施形態では、この動作は第２の質問に基づくことができる。他の実施形態では、この動作は、第２の質問とは独立して、関心事のタイムフレームに基づくことができる。いずれにせよ、前の例を続ければ、アセットデータ・プラットフォーム１０２は、タイムフレームｔ1〜ｔ10内に発生する、エンジン温度センサ及び冷媒センサについての集合信号データを取得することができる。
一部の実施形態では、アセットデータ・プラットフォーム１０２が、取り込んだイベント・スナップショットデータのうちの捕捉した信号データと時間的にオーバーラップしない集合信号データのみを取得することができる。上記の例を続ければ、取り込んだイベント・スナップショットデータのうちの捕捉した信号データが、ｔ4〜ｔ6の（例えばエンジン停止イベントの前後１秒間の）冷媒及びエンジン温度測定値を含むものと仮定する。アセット・プラットフォームは時刻ｔ4〜ｔ6における信号データを既に有するので、アセットデータ・プラットフォーム１０２は、ｔ1〜ｔ3及びｔ7〜ｔ10における冷媒及びエンジン温度測定値についての集合信号データを取り込むだけでよい。上述した例は説明目的で提供するに過ぎず、他の多数の例も存在するので、限定的なものとして解釈するべきでない。
実施形態では、アセットデータ・プラットフォーム１０２が、少なくとも部分的に関心事のタイムフレームに基づいて集合信号データを取り込むことができる。この関係では、アセットデータ・プラットフォーム１０２は、集合信号データを取得する目的で生成する第２の質問に、関心事のタイムフレームを含めることができる。例えば、アセットデータ・プラットフォーム１０２は、第２の質問によって識別される関連信号源毎に、２、３時間を包含する関心事のタイムフレームにおける１分間分の集合信号データ、２、３日間を包含する関心事のタイムフレームにおける１時間分の集合信号データ、２、３週間を包含する関心事のタイムフレームにおける１日分の集合信号データ、等を取得するように構成することができる。他の種々の組合せが可能であり、ユーザまたはシステムが規定する設定構成に基づく。
一部の実施形態では、アセットデータ・プラットフォーム１０２を、関心事のタイムフレームにおける単位時間に基づく集合信号データを取得するように構成することができる。例えば、関心事のタイムフレームが特定範囲の日数であれば、アセットデータ・プラットフォームは、１日分の集合信号データベースから集合信号データを取得するように構成することができるのに対し、関心事のタイムフレームが特定範囲の時間数であれば、アセットデータ・プラットフォームは、１時間分の集合信号データベースから集合信号データを取得するように構成することができる。他の例も可能である。
ブロック８１０では、アセットデータ・プラットフォーム１０２が、対話型可視化ツールに、アセットイベントの瞬時及び集合信号データの視覚表現を表示させることができる。実施形態では、この動作は、アセットデータ・プラットフォームが、少なくとも部分的に、それぞれブロック８０６及び８０８で取り込んだイベント・スナップショットデータ及び集合信号データに基づく、対話型可視化ツールにおけるタイムライン画像の用意及び提示を促進することを含むことができる。即ち、アセットデータ・プラットフォーム１０２は、グラフィカル・ユーザ・インタフェースに、アセットイベント及び信号データの視覚表現を表示させることができる。一般に、アセットデータ・プラットフォーム１０２は、対話型可視化ツールを実行中のクライアント・ステーションによってレンダリング可能なフォーマットで可視化ファイル等を生成することによって、タイムライン画像の提示を促進することができる。一部の場合には、アセットデータ・プラットフォーム１０２は、特定瞬時についてのタイムラインを、ハイパーテキスト・マークアップ言語のような多様なフォーマットに符号化することによって用意することができ、このタイムラインは、ＨＴＭＬ（Hyper Text Markup Language：ハイパーテキスト・マークアップ言語）コード、スクリプトコード、及び／またはイメージファイルを含むデータ可視化ファイルとしてクライアント・ステーションへ送信することができる。他の例も可能である。
いずれにせよ、クライアント・ステーション１１２のような対話型可視化ツールを実行するコンピュータ装置は、可視化ファイルを読み出してタイムライン画像の可視化の提示を生じさせるように動作可能である。他の例では、アセットデータ・プラットフォーム１０２は、取り込んだイベント・スナップショットデータ及び集合信号データを示すデータを、対話型可視化ツールを実行中のコンピュータ装置へ送信して、用意及び提示を共に行うことができる。それに加えて、あるいはその代わりに、タイムライン画像の可視化の用意は、サーバーのような１つ以上の中間装置が関与することができ、そして通常の当業者に知られているいくつもの方法で実現することができる。
実際には、対話型可視化ツールは、表示されるタイムラインを多数の形で生じさせることができる。実施形態では、対話型可視化ツールは、数ある例の中で特に、選択したタイムフレーム、イベントの種類、イベントの瞬時、及び／または信号データの表現を表示することができる。一部の場合には、イベントの瞬時と対応する信号データとは、１つの信号枠内に重ね合わせて表示することができ、あるいは共通のタイムライン軸を共有する異なる枠内に別個に表示することができる。いずれの場合にも、イベントの瞬時及び信号データは、多重ｙ軸法を利用して表示することができ、信号データとイベントの瞬時とは重ね合わせて、あるいは互いに分離して表示する。同様に、識別された各イベントの種類のイベントの瞬時は単一の枠内に表示することができ、あるいは各イベントの種類のイベントの瞬時毎に別個の枠を表示することができる。他の例ももちろん可能である。
それに加えて、対話型可視化ツールは、ユーザの関心事の可能性があるものと考えることができる特定の信号データ及び／またはイベントの瞬時を動的に強調するか、さもなければ指示することができる。対話型可視化ツールは、タイムライン画像を他の種々のレイアウト（配置）で提示することができ、そして追加的なインタフェース要素を含むことができる。
図９〜１１は、対話型可視化ツールによって表示することができるグラフィカル・ユーザ・インタフェースの例である。図９〜１１は、例示及び図示の目的で提示するに過ぎず、限定的なものとして考えるべきでない。対話型可視化ツールは、タイムライン画像を、以上に述べたもののような多種多様な形式で提示することを促進することができる。さらに、タイムライン画像は、図９〜１１に提示するもの以外の追加的要素、あるいは図９〜１１に提示するものより少数の要素を含むことができる。
図９は、値を入れていないタイムラインを表示するインタフェースの例９００である。動作中には、ユーザは、インタフェース部分９０２を利用して、タイムライン枠９０３内に提示すべきものを規定するための種々の選択を行うことができる。例えば、ユーザは、ドロップダウン・メニュー９０４から、１つ以上のイベントの種類（例えば、アセットの停止、再起動、診断動作、流体検査、修理、異常状態指標、等）を選択して、関心事のタイムフレームを日付フィールド９０６内に入力することができる。インタフェース部分９０２は、表示基準の他の形式に対応する他の種々のフィールドまたはメニューを含むことができる。このインタフェースの例９００に示すように、タイムライン枠９０３は、タイムライン軸及び複数のイベント瞬時軸を含み、その各々は値を入れていない。他の例では、値を入れていないタイムライン枠を表示しないことができる。
インタフェースの例９００は、値を入れていないイベント選択部分９０８も表示する。実際には、一旦、インタフェース部分９０２により行った選択に基づいてタイムライン枠９０３にデータを入れると、イベント選択部分９０８は、選択したタイムフレーム内に発生したイベントの具体的発生のリストを含むことができ、このリストはイベント名（例えば、エンジン１の停止、ブレーキ検査、トランスミッションの流体検査、等）で表示することができる。それに加えて、あるいはその代わりに、インタフェース部分９０８を用いて、選択したタイムフレーム内で発生したものと判定された各個別のイベントの瞬時に関連する信号の種類（例えば、センサ及び／またはアクチュエータのデータ）を表示することができる。一旦、イベント選択部分９０８に値を入れると、ユーザは、タイムライン枠９０３内に表示される情報を選別及び／または拡張する目的で、１つ以上のイベント名及び／または関連する信号データを選択または除外することができる。
インタフェース部分９０２を利用して１つ以上の選択を行った後に、ユーザはさらに、タイムライン枠９０３に値を入れるべき事を示す追加的な入力を与える。例えば、ユーザは「更新（アップデート）」ボタンを選択して、対話型可視化ツールを実行中のクライアント・ステーションに、質問を、あるいは質問を生成することの要求をアセットデータ・プラットフォーム１０２へ送信させる。次に、１つ以上の選択に少なくとも部分的に基づいて、図８を参照して説明した方法で、タイムライン枠９０３を用意して表示することができる。他の例では、ユーザがインタフェース部分９０２内で選択を行う際に、（例えば、「更新」ボタンを選択することをユーザに要求せずに）タイムライン枠９０３及び／またはイベント選択部分９０８に順次に値を入れることができる。他の可能性も存在し得る。
図１０は、データを入れたタイムライン枠１００３を表示するインタフェース部分１００２の例であり、タイムライン枠１００３は、図９のインタフェース部分９０２の代わりに表示することができる。図に示すように、インタフェース部分１００２は、以前に行った可能な選択の中で特に、イベントの種類（例えば、イベントの種類１、イベントの種類２）及び関心事のタイムフレーム（例えば、１２／０１／１５（２０１５年１２月１日）〜１２／３１／１５（２０１５年１２月３１日））のような、図９のインタフェース部分９０２により行った１つ以上のユーザ選択の指示を表示することができる。それに加えて、インタフェース部分１００２は、選択したタイムフレームの期間中に発生したイベントの種類の具体的イベントの発生の指示（例えば、イベント名１、イベント名２）を表示することができる。
タイムライン枠１００３は、１つ以上のユーザ選択及び／または特定したイベントの瞬時に関係するデータを表現する可視化を含む種々の領域を表示することができる。図に示すように、タイムライン枠１００３は、時間軸１００８、１つ以上のイベント瞬時軸１００４、及び１つ以上の信号プロット１０１０を含み、時間軸１００８上に選択したタイムフレームを表示することができ、イベント瞬時軸１００４の各々は１つ以上のイベント発生の指示を表示することができ、信号プロット１０１０は、イベントの発生に関連する１つ以上の測定値を表示することができる。
特に、図１０は、ユーザが２つのイベントの種類（例えば、イベントの種類１、イベントの種類２）及び関心事である２０１５年１２月のタイムフレームを示す。こうした選択に基づいて、アセットデータ・プラットフォーム１０２は、選択したイベントの種類のものであり、かつ選択したタイムフレームの期間中に発生した２つの特定のイベント（例えば、イベント名１、イベント名２）の瞬時を識別しておくことができる。図８を参照して説明したように、アセットデータ・プラットフォーム１０２は、イベント・スナップショットデータから、識別したイベントの発生に関連する特定の信号の種類を追加的に特定しておくことができる。簡単のため、図１０の目的で、アセットデータ・プラットフォーム１０２が、単一の信号の種類のみを、選択したタイムフレーム内で発生した各特定のイベント名に関連するものとして特定しているものと仮定することがある。即ち、センサ１はイベント名１に関連し得るし、センサ２はイベント名２に関連し得る。しかし、各特定のイベントは任意数の信号の種類に関係することができることは明らかである。
前述したように、アセットデータ・プラットフォーム１０２は、選択したタイムフレーム内で発生したイベントに関連するイベント・スナップショットデータ及び集合信号データ値を取り込むことによって、タイムライン画像を用意して提示することを促進することができる。この関係では、タイムライン枠１００３は、取り込んだイベント・スナップショットデータ及び集合信号データ値の表現を視覚的に区別可能な方法で表示することができる。図１０に見られるように、センサのプロット１０１０は、１０１２のような連続データ部分、及び離散データ部分を含むことができ、連続データ部分は、イベント発生の時刻またはその付近で捕捉したイベント・スナップショットデータに対応することができ、離散データ部分は、イベントの発生に関連し、かつ選択したタイムフレーム内の集合信号データに対応することができる。図１０のインタフェースの例では、イベント瞬時軸１００４上に示すイベント名１及びイベント名２の各個別のイベントの瞬時が、それぞれ、センサ１及びセンサ２における、信号プロット１０１０上に表示するイベント・スナップショットに対応する。
他の例では、タイムライン枠１００３が、取り込んだイベント・スナップショットデータ及び集合信号データの表現を、視覚的に区別不可能な方法で表示することができる。即ち、センサプロット１０１０は、取り込んだデータの表現を連続した様式で（即ち、破線でないか、さもなければ「滑らかな」プロットで）表示することができる。アセットデータ・プラットフォーム１０２及び／または対話型可視化ツールを実行中のコンピュータ装置は、いくつもの曲線適合技術を、取り込んだイベント・スナップショット及び／または集合信号」データ値に適用することによって、プロットの「滑らかな」提示を促進することができる。
図１０のインタフェースの例は、対話型可視化ツールがタイムラインを表示することができる方法の一例に過ぎない。前に述べたように、イベント瞬時軸１００４上に示すイベントの瞬時及び信号プロット１０１０上に示す信号データは、多重ｙ軸法を利用して互いに重ねて表示することができる。さらに、タイムライン画像は、任意数のイベント瞬時軸及び／または関連する信号データプロットを含むことができる。
さらに、インタフェース部分１００２は、表示されるタイムラインをズームイン（連続拡大表示）及びズームアウト（連続縮小表示）するために選択可能な、タイムライン枠１００３に関連するスクラブバー及びスクラバー要素１０１４を追加的に表示しつつ、表示される集合信号データも変化させることができる。基本的に、スクラバー要素１０１４に対する入力は、アセットデータ・プラットフォーム１０２に、集合信号データの異なる集合にアクセスさせることができる。
図１０に示すように、スクラバー要素１０１４は、タイムライン枠１００３に最初に値を入れる際には中央に配置することができる。上述したように、アセットデータ・プラットフォーム１０２は、選択したタイムフレームに少なくとも部分的に基づいて、関連する集合データを取り込むことができる。例えば、図９より、対話型可視化ツールは、１ヶ月（例えば、２０１５年１２月）のタイムフレームの選択を受けておくことができる。選択したタイムフレームに応答して、アセットデータ・プラットフォーム１０２は、タイムライン枠１００３にデータを入れるに当たり用いるための関連する１日分の集合信号データを、１日分の集合信号データベースから、あるいは１つ以上のデータ構造からの１日の粒度のエントリから取り込んでおくことができる。１つの説明上の例として、図７Ｂに戻れば、アセットデータ・プラットフォーム１０２は、集合信号データを、データテーブル７５０における「Ｇ2」の粒度を有する各行から取得しておくことができる。他の種々の可能性も存在し得る。しかし、スクラバー要素１０１４の選択を示す入力は、アセットデータ・プラットフォーム１０２に、異なる時間的粒度に対応する異なる集合信号データを（例えば、１日分の集合信号データベース以外の集合信号データベースから）取り込ませることができる。
図１１は、図１０のスクラバー要素１０１４に対する入力から生じるインタフェース部分１１０２の例を示す。図１１に示すように、対話型可視化ツールはスクラバー要素１０１４に対する入力を受け取っており、この入力は、スクラバー要素１０１４がスクラブバー上を右の方へ移動したように表示することをもたらす。さらに、この入力に応答して、対話型可視化ツールは、図１０に表示されたタイムラインのズームイン画像をタイムライン枠１１０３内に表示しておくことができる。特に、タイムライン枠１１０３は、最初に選択したタイムフレーム（例えば２０１５年１２月）内の特定日の、１日分にズームインした画像を表示しているが、他の例も可能である。こうした例では、受け取ったスクラバー要素１０１４に対するズーム入力が、アセットデータ・プラットフォーム１０２に、１時間分の集合データを、１時間分の集合データベースから、あるいはズームインされたタイムライン画像の用意及び提示を促進するに当たり用いられる１つ以上のデータ構造における１時間の粒度のエントリから取り込ませる。説明的な例として、図７Ｂを参照すれば、アセットデータ・プラットフォーム１０２は、集合信号データを、データテーブル７５０における「Ｇ1」の粒度を有する各行から取得しておくことができる。同様に、ズームアウト操作（図示せず）は、アセットデータ・プラットフォーム１０２に、さらに他の集合信号データベース、あるいは１つ以上のデータ構造における異なるエントリにアクセスさせることができ、そして、より長い継続時間（例えば、６ヶ月間、１年間、等）について計算した集合データ値を表示させることができる。説明的な例として、図７Ｂに戻れば、アセットデータ・プラットフォーム１０２は、ズームアウト操作の結果として、データテーブル７５０における「Ｇ3」の粒度を有する各行からの集合信号データにアクセスすることができる。
さらに、一部の例では、スクラバー要素に対する入力が、集合信号データの新たな集合の取り込み及び表示を生じさせないことができる。こうした例は、例えば、集合信号データの他の集合が（例えば、こうしたデータがアーカイブ記録され、及び／または恒久的に消去されているので）もはや入手可能でない場合に発生し得る。こうした状況では、対話型可視化ツールは、タイムラインをズームインまたはズームアウトさせるための入力をまだ受け取ることができるが、センサのプロットに当たり利用される集合信号データは同じままにすることができる。他の例では、ズームされたタイムフレーム用の集合信号データが利用可能でないことをアセットデータ・プラットフォーム１０２が判定した際に、対話型可視化ツールがタイムラインをズームインまたはズームアウトすることを可能にしないことができる。他の例も可能である。
２．タスク生成ツール
他のツールの例はタスク生成ツールの形をとることができ、タスク生成ツールは、アセットデータ・プラットフォームによって実行される１つ以上の予測モデルを利用して、ユーザに提案するアセット関連タスク及び／またはその態様を提供することに役立てることができる。上述した対話型可視化ツールと同様に、タスク生成ツールは、クライアント・ステーション上で実行されてアセットデータ・プラットフォームからデータを受信するソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォーム１０２によって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）とすることができる。実際には、第１ユーザ（例えば、「タスク生成者」）がタスク生成ツールを利用して特定のタスクを生成して、第２ユーザ（例えば、メカニック等）に提供することができ、第２ユーザはこのタスクを実行することもしないこともできる。。
一般に、タスク生成ツールは、所定アセットの１つ以上の特定イベントの発生に対処することを意図したタスクを生成することを促進する。例えば、タスクは、メカニック等が所定アセットにおける問題（例えば、オーバーヒートしたエンジン）を考慮して取り掛かるべき１つ以上の推奨する修理、保守、または検査を含むことができる。このため、所定タスクに対して、タスク生成ツールは、ユーザ入力または機械入力とすることができる（例えば、タスク生成ツール、アセットデータ・プラットフォーム、またはその何らかの組合せ）複数のタスクフィールドを提供するように構成されている。タスクフィールドの例は、数多くの可能性の中で特に、アセット識別子、アセット−イベント識別子、推奨する動作、推奨する文書（例えば、修理マニュアル、構成部品の仕様書、アセットスキーム、等）、修理コスト、及び無活動のコストを含む。特定のタスク次第で、追加的なタスクフィールド、あるいはより少数のタスクフィールドを提供することができる。
図１２に、グラフィカル・ユーザ・インタフェース（ＧＵＩ：Graphical User Interface）の例１２００を示し、このＧＵＩはタスク生成ツールを動作させる際にクライアント・ステーションによって表示することができる。図に示すように、ＧＵＩ１２００は、テキスト（文字列）入力またはドロップダウン選択を受け付けることができる、タスクに関連する複数のフィールドを含むことができる。フィールドのいくつかの例は、推奨の名称、装置の詳細、問題、推奨する動作、及び推奨コスト（例えば、修理コスト及び／または無活動のコスト）を含む。
それに加えて、ＧＵＩ１２００は、タスクに関係する情報を受信して表示するように構成された区分（セクション）をさらに含むことができる。例えば、ユーザは補足情報を添付することができ、補足情報はタスクに関係するファイル（例えば、信号データのプロット、アセットの画像またはビデオ、音声命令、等）の形をとることができる。他の例では、タスク生成ツールは、タスクに関係する推奨文書（例えば、修理マニュアル、部品仕様書、コスト内訳、等）を表示するように構成することができる。なお、図１２はタスク生成ツールの可能な一例として提供するに過ぎず、追加的な、あるいはより少数の要素及び／またはフィールドを表示することができることは明らかである。それに加えて、タスク生成ツールは、数ある可能性の中で特に、アセットの種類（例えば、機関車、航空機、発電機、等）及び／または当該イベント用にタスクを生成すべく選択したイベントのような要因に応じて、ＧＵＩの種々のバージョンを表示することができる。
実現例では、ユーザがタスク生成ツールに種々の方法でＧＵＩを表示させることができる。大部分の例では、ユーザは、タスク生成ツールにおいて１つ以上の入力を与えることによってアセット関連タスクを生成し始めることができる。こうした例では、ユーザはまずタスク生成ツールにおいて特定アセットの指示を選択することができる。特定アセットの選択に応答して、タスク生成ツールを実行中のコンピュータ装置は、選択されたアセット及びそのアセットについて以前に発生したアセット関連イベントを取り込むことの要求を、アセットデータ・プラットフォーム１０２へ送信することができる。上記のように、アセット関係イベントは、アセット上のイベント（例えば、異常状態の発生）、アセットの修理／保守／検査イベント、外部流体検査／試験イベント、等の形をとることができる。一例では、アセットデータ・プラットフォーム１０２が、上記要求に応答して、あるアセットについて過去に発生したすべてのイベントを取り込むことができるのに対し、他の例では、アセットデータ・プラットフォーム１０２が、種々の要因に基づいて過去のイベントの部分集合のみを取り込むことができる。例えば、アセットデータ・プラットフォーム１０２は、数ある可能性の中で特に、所定数のイベント（例えば、直近１００回のイベントの発生）、特定タイムフレーム内のイベント（例えば、過去１ヶ月間のイベントの発生）、及び／または所定の重大性のイベント（例えば、危機的なイベントの発生）のみを受け取ることができる。一旦、アセットデータ・プラットフォーム１０２が、選択したアセットにおいて過去に発生したイベントを取り込むと、アセットデータ・プラットフォーム１０２はこうしたデータをコンピュータ装置へ送信して、こうしたデータの指示をタスク生成ツールによって表示することができる。選択したアセットに対応する過去のイベントの取り込みは、他の様々な方法で実現することができる。
タスク生成ツールが過去のイベント発生の指示を表示した後に、タスク生成ツールは、当該イベント用にタスクを生成することを望むイベントの指示のうちの１つ以上を選択する入力をさらに受けることができる。それに加えて、タスク生成ツールは、過去のイベント発生の１つ以上の指示を選択する前または後に、１つ以上のユーザ選択可能な要素（例えば、アイコン）をユーザに対して提示することができ、こうした要素は一般に、タスク生成ツールのＧＵＩに値を入れる方法を指示する。こうした例では、１つ以上のユーザ選択可能な要素の各々が、タスク生成ツールのＧＵＩにアクセスすると共に、以前に選択したイベント発生の指示に対してタスクを生成するための異なる方法に対応することができる。
一例では、タスク生成ツールが、第１のユーザ選択可能な要素により、ユーザが手作業でタスクを生成することを望むことを示す第１入力を受けることができる。その後に、タスク生成ツールは、タスク生成ツールのＧＵＩを、含まれるフィールドのすべて（あるいはほとんどすべて）が未記入であるような方法で表示することができる。次に、ユーザは、ＧＵＩの各フィールド内に自分が生成したいタスクに関する情報を入力することができる。例えば、ユーザは、ＧＵＩにより、数ある可能性の中で特に、推奨の名称、問題、推奨する動作を入力することができる。それに加えて、ユーザは、タスクに含めるべき補足情報及び文書を手動で検索及び／または閲覧することができる。他の例では、タスク生成ツールが、第１入力を受信した後に、特定のフィールドに自動的に記入する（例えば、事前に値を入れる）ことができる。１つの特定例では、アセットデータ・プラットフォーム１０２から受信した、選択したアセットに関するデータに基づいて、ＧＵＩ１２００の装置詳細フィールドに相当するフィールドに自動的に記入する。他のＧＵＩフィールドも自動的に記入することができる。
他の例では、タスク生成ツールが、第２のユーザ可能な要素により、提案されたタスクを受信することをユーザが望むことを示す第２入力を受けることができる。こうした場合には、タスク生成ツールは、第２入力に応答して１つ以上の予測モデルを実行することの要求をアセットデータ・プラットフォームへ送信することを促進することができる。一方、アセットデータ・プラットフォームは、１つ以上の予測モデルを、特定アセットについての信号データ及び／またはイベントデータで実行したことに基づいて、特定アセットに対して提案する１つ以上のタスクを、タスク生成ツールに返送して提供することができる。次に、タスク生成ツールは、提案する１つ以上のタスクを表示することができ、その時点で、ユーザは提案されたタスクを受け入れること、修正すること、または辞退することができる。その代わりに、タスク生成ツールは、ユーザが選択することができ、かつアセットデータ・プラットフォームから提案されたタスクを当該タスク生成ツールに受信させる「設定」等を含むことができる。
特に、第２入力に応答して、タスク生成ツールを実行中のクライアント・ステーションは、提案する１つ以上のタスクを提供することをアセットデータ・プラットフォームに命令することができる。アセットデータ・プラットフォーム１０２は、まず、当該アセットに対して提案する１つ以上のタスクを提供すべき１つ以上のアセットを識別することによって、こうした命令に応答することができる。例えば、クライアント・ステーションの命令は、アセット識別情報（例えば、ユーザが選択した１つ以上のアセットの識別子）を含むことができ、その場合に、アセットデータ・プラットフォームは、上記命令に含まれるアセット識別情報に基づいて１つ以上のアセットを識別することができる。他の例として、アセットデータ・プラットフォームは、（例えば、クライアント・ステーションが、アセットの特定集合を動作させる組織に関連する場合、）上記命令を送信したクライアント・ステーションに関連する１つ以上のアセットを識別することができる。こうしたアセット毎に、アセットデータ・プラットフォームは、所定アセットについて「対象」イベントが存在するか否かを識別することができる。対象イベントは、過去の特定量の時間内のあらゆるアセット関連イベントのうち、まだ対処、解決、無視、等をしていないイベントとすることができる。こうしたイベントが存在する場合、アセットデータ・プラットフォームは、少なくとも識別した対象イベントのうちの１つ以上に基づいて１つ以上の予測モデルを実行することができる。
一般に、上記１つ以上の予測モデルは、当該予測モデルに関係する対象イベントデータ及び／または信号データを分析して、１つ以上の対象イベントに基づいて、所定タスクを生成すべきであることの尤度を出力する。このようにして、アセットデータ・プラットフォームは、さもなければ対象イベントに対処するためにユーザが手作業で生成するかもしれないタスクを提案する。実際には、提案するタスク用のモデルは多数の方法で規定することができる。
一例では、モデルは、少なくとも、複数のアセットについてのアセットイベント履歴データ及び履歴的タスクデータに基づいて規定することができる。アセットデータ・プラットフォームは、所定タスクの過去の発生を示す履歴的タスクデータにアクセスし、次に、こうした過去の発生の各時点またはその付近に存在した１つ以上の対象イベントを識別することができる。一方、アセットデータ・プラットフォームは、対象イベントの存在と、こうしたイベント（またはこうしたイベントの部分集合）に対処するために所定タスクを生成すべきであることの尤度との関係を規定することができる。このように規定される関係は、提案するタスク用のモデルを具体化することができる。アセットデータ・プラットフォームは、こうしたモデルを種々の異なるタスク毎に生成することができる。（個別のタスクモデルどうしは、組み合わせてまとめることができ、さもなければ単一のモデルであるものと考えることができる。）
実際には、こうした関係（従って、上記モデル）は、多数の方法で規定することができる。一部の実現例では、アセットデータ・プラットフォームが、ランダムフォレスト（Random Forest）技術、ロジスティック回帰技術、または他の回帰技術のような１つ以上の教師付き学習技術を利用することによって予測モデルを定義することができる。他の実現例では、アセットデータ・プラットフォームが、１つ以上の教師なし学習技術を利用することによって予測モデルを定義することができる。他の例も可能である。
特定例では、予測モデルを定義することが、アセットデータ・プラットフォームが応答変数を生成することを含むことができ、この応答変数は関心事の時刻を規定し、これらの時刻における履歴的イベントデータを分析することになる。この応答変数は、関心事の時刻（例えば、タスクの生成に至るまでの時刻）に１の値を割り当てるような、バイナリ（二進数）値に応答する変数とすることができる。
応答変数に基づいて予測モデルを定義する特定例を続ければ、アセットデータ・プラットフォームは、履歴的イベントデータ及び生成した応答変数で予測モデルを学習させることができる。次に、この学習プロセスに基づいて、アセットデータ・プラットフォーム１０２は、種々の対象アセットイベントを入力として受け取り、これらの対象イベントに基づいて、特定のタスクが推奨可能であることの０と１との間の確率を出力する予測モデルを定義することができる。
次に、アセットデータ・プラットフォームは、このプロセスを反復して、他の種々のタスク毎にそれぞれの予測モデルを定義することができる。
タスクを提案するためのモデルは、他の方法で定義することもできる。１つの特定例として、アセットデータ・プラットフォームは、コックス（Cox）比例ハザード技術のような１つ以上の生存率分析（生存時間解析）技術に基づいてモデルを定義するように構成することができる。他の例も可能である。
一部の実現では、履歴的アセットイベントデータ及び履歴的タスクデータに加えて、タスクを提案するためのモデルは、アセットイベントデータ及び／または履歴的タスクに関するフィードバックデータの基になる信号データのような他のデータに基づいて定義することもできる。このフィードバックデータは、１つ以上の対象イベントに対して生成したタスクが、当該イベントに対処して成功したか否かを示すことができる。他の例も可能である。
動作中には、アセットデータ・プラットフォームが複数の予測タスクモデルを実行中であることができ、各モデルはそれぞれのタスクに対応する。これらの予測タスクモデルの各々は、所定アセットにおける対象イベントのリストを入力として取得することができる。一方、各予測タスクモデルは、対象イベントの種々の組合せを通して反復することができ、そして、対象イベントの少なくとも１つの組合せに基づいてモデルのそれぞれのタスクを生成すべきであることの尤度の指示を出力することができる。この関係では、予測タスクモデルは、出力された尤度に関連する対象イベントの特定の組合せの指示を戻すこともできる。モデルが複数の尤度を生成することができ、各尤度は対象イベントの異なる組合せに対応することも明らかであり、その場合に、モデルは、最大尤度、平均尤度、等の形をとる代表的な尤度を出力することができる。
一部の実現では、予測モデルの実行が、１つ以上の前処理機能を含むこともできる。例えば、対象イベントのリストを所定の予測タスクモデルに入力する前に、アセットデータ・プラットフォームは、所定の予測タスクモデルの性質に基づいて、対象イベントのリストを選別または再編成することができる。他の例も可能である。
一旦、アセットデータ・プラットフォームが１つ以上の予測タスクモデルを実行すると、アセットデータ・プラットフォームは、１つ以上の提案するタスクをタスク生成ツールにより提示させることができる。一例では、アセットデータ・プラットフォームが、タスク生成ツールを実行中のクライアント・ステーションに、０でない尤度を有する各タスクのリストを、そのタスクを生成すべきであることの尤度の指示と共に提供することができる。他の例では、アセットデータ・プラットフォーム１０２が、タスク生成ツールを実行中のクライアント・ステーションに、信頼水準の閾値（例えば、０〜１の値）を超えることの尤度を有する、提案する各タスクの指示のみを提供することができる。信頼水準の閾値は、コンピュータ装置またはユーザによって定義される固定または可変の値の形をとることができる。
提案する１つ以上のタスクをアセットデータ・プラットフォームから受信した後に、タスク生成ツールを実行中のクライアント・ステーションは、１つ以上の提案するタスクをユーザに対して表示することができる。一方、ユーザは、提案するタスクを受け入れることを選定することができ、提案するタスクは、タスク生成ツールに、提案するタスクに関連する種々のフィールドを有する上述したもののような新たなタスクＧＵＩを起動させることができ、これらのフィールドは事前に値を入れてある（例えば、問題及び推奨する動作）。
（例えば、対象イベントの手作業での選択に基づいて、あるいは提案するタスクに基づいて）新たなタスクＧＵＩを起動することを命令するユーザの命令に応答して、タスク生成ツールは、タスクＧＵＩ中の特定のフィールドに事前に値を入れるために使用する１つ以上の予測モデルを実行することを、アセットデータ・プラットフォームに命令するように構成することもできる。一例として、タスクアセット・プラットフォームは、タスクを規定するために使用するデータ（例えば、タスクが基づく１つ以上のイベント）を入力として受け取り、１つ以上の知識記事（例えば、修理マニュアル、部品仕様書、コスト内訳、等）の各々をタスクに含めるべきであることの尤度を出力する１つ以上の予測モデルを実行するように構成することができる。次に、この出力に基づいて、アセットデータ・プラットフォームは、タスクＧＵＩを実行中のクライアント・ステーションに、１つ以上の知識記事を（例えば、ランク付けしたリストの形式で）推奨文書タスクフィールドに入れさせることができる。
一実施形態では、こうした予測モデルの各々が、現在生成中のタスクによって対処すべく選択された１つ以上のイベントを分析して、所定の知識記事がそのタスクにとって有用であり得ることの尤度を出力することができる。このようにして、アセットデータ・プラットフォームは、１つ以上の特定イベントに対処するためにユーザが生成中のタスクにとって有用であり得る知識記事を予測する。実際には、知識記事を予測するためのモデルは多数の方法で定義することができる。
一実施形態では、モデルは、履歴的アセットイベントデータ、履歴的タスクデータ、及び／または特定のイベント及び／またはタスクに関連して過去に使用した知識記事を示す履歴的知識記事データの何らかの組合せに基づいて定義することができる。例えば、アセットデータ・プラットフォームは、まず、所定の知識記事の過去の使用を示す履歴的知識記事データにアクセスし、次に、履歴的アセットイベントデータ及び／または履歴的タスクデータにアクセスして、所定の知識記事の過去の使用の各々に関連したイベント及び／またはタスクを識別することができる。一方、アセットデータ・プラットフォームは、１つ以上のアセット関連イベントの所定集合と、こうしたイベントに基づいて生成されるタスクに所定の知識記事を含めるべきであることの尤度との関係を規定することができる。このように規定した関係は、知識記事を提案するためのモデルを具体化することができる。アセットデータ・プラットフォームは、こうしたモデルを種々の異なる知識記事毎に定義することができる。（個別の知識記事モデルどうしは、組み合わせてまとめることができ、さもなければ単一のモデルと考えることができることも明らかである。）
実際には、こうした関係（従って上記モデル）は多数の方法で定義することができる。実現例では、アセットデータ・プラットフォームが、知識記事を提案するための予測モデルを、上述した予測モデルを定義するための技術と同様な方法で定義することができる。他の例も可能である。
アセットデータ・プラットフォームが（例えば。１つ以上のイベントに基づいてタスクを生成するためのユーザ入力に基づいて）１つ以上の知識記事モデルを実行した後に、アセットデータ・プラットフォームは、タスク生成ツールを実行中のクライアント・ステーションに、１つ以上の知識記事の指示を提供することができる。例えば、アセットデータ・プラットフォームは、タスク生成ツールを実行中のクライアント・ステーションに、利用可能な知識記事の各々のリストを、その知識記事をタスクに含めるべきことの尤度の指示と共に提供することができる。他の例では、アセットデータ・プラットフォーム１０２が、タスク生成ツールを実行中のクライアント・ステーションに、予測タスクモデルの出力が信頼水準の閾値（例えば、０〜１の値）を超えた各知識記事の指示のみを提供することができる。この信頼水準の閾値は、コンピュータ装置またはユーザによって定義される固定または可変の値の形をとることができる。
次に、タスク生成ツールは、タスクＧＵＩにおける推奨文書用のフィールドに１つ以上の知識記事の指示を入れることができ、これらの知識記事は、最も有用でありそうな順序で、あるいは類似したタスクを最も高頻度で含む順序でリストにすることができる。従って、ユーザは、表示された指示のうちの１つ以上を選択し、これにより特定の知識記事を所定のタスクに追加することができる。
一部の場合には、タスク生成ツールは、１人以上の追加的なユーザが生成されたタスクに関する行動をとる（例えば、推奨された動作を実現する）ことを可能にする目的で、生成したタスクを他のコンピュータ装置へ送信するように構成することができる。他の例では、タスク生成ツールが、生成されたタスクに基づいて、可能な多数の動作の中で特に、例えばタスクに関係する部品を注文すること、タスクが要求する保守のスケジュールを立てることのような１つ以上の動作をトリガすることができる。
以上に提案するように、推奨されたタスクまたはその一部に関係するフィードバックを利用して、予測モデルを定義及び／または更新することができる。実施形態では、推奨されたタスクまたはタスクフィールド内の提案に関係する動作を、最初の段階で推奨または提案を行うことに役立った予測モデルを定義及び／または更新するためのフィードバックデータとして用いることができる。例えば、ユーザが、推奨されたタスク、またはタスクフィールド内に入れられたアセットタスクの提案の表現を選択した場合、こうした選択を示すデータをアセットデータ・プラットフォーム１０２へ返送することができ、アセットデータ・プラットフォーム１０２は、この選択を、推奨または提案を最初に行うことに役立った１つ以上の予測モデルに対する肯定のフィードバックとして利用することができる。他方では、ユーザが、推奨されたタスク、またはタスクフィールド内に入れられたアセットタスクの提案の表現を選択することを辞退した場合、アセットデータ・プラットフォーム１０２は、このことが否定のフィードバックの指示であるものと推測して、推奨または提案を最初に行うことに役立った１つ以上の予測モデルを相応に修正することができる。同様に、推奨されたタスクまたはその態様が所定アセットの１つ以上の特定イベントに対処して成功（または失敗）したことの指示は、この予測モデルについてのフィードバックとして利用することができる。フィードバックの他の例も可能である。
３．ルール作成ツール
提供されるツールの他の例はルール作成ツールの形をとることができ、ルール作成ツールは、アセットデータ・プラットフォーム１０２においてイベントをトリガするために適用することができるアセット関連ルールを作成するように構成することができる。上述したツールと同様に、ルール作成ツールは、クライアント・ステーション１１２上で実行されてアセットデータ・プラットフォーム１０２からデータを受信するソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォーム１０２によって提供されるウェブ・アプリケーション、あるいは元からあるアプリケーション）とすることができる。
従来より、こうしたルールは、アセットデータ・プラットフォームを最初に実現する際に、あるいはルールを適用するアセットを有する組織が最初にアセットデータ・プラットフォームを利用し始める際に規定することができ、及び／またはこうしたルールは、例えばアセットデータ・プラットフォームの管理者のみが修正することができる。以下に説明するルール作成ツールは、アセット関連ルールの動的な作成及び／または修正を可能にすることができ、及び／または管理者以外の個人が変更を行うことを可能にすることができる。
一般に、アセットデータ・プラットフォーム１０２は、所定のアセットまたはアセットの集合についての１つ以上のアセット関連ルールを記憶して監視することができる。１つ以上のアセット関連ルールは多数の形をとることができる。１つの点では、アセット関連ルールが、アセット関連イベントがトリガされる前に満足しなければならない１つ以上の信号測定値（例えば、センサデータ及び／またはアクチュエータデータ）に対応することができる。一例では、アセット関連ルールをハイ−ローの閾値ルールとすることができ、アセットデータ・プラットフォーム１０２は、１つ以上の信号測定値が閾値レベルを超えるか下回るかのいずれかに基づいてイベントをトリガすることができる。例えば、例えば、温度センサによって記録される測定値が所定の温度閾値レベルよりも大きいか小さいかに応じて、２つの区別されるイベントをトリガすることができる。こうしたハイ−ロー閾値のルールは、任意数の信号の種類並びに閾値レベルを含むことが考えられる。
他の例では、アセット関連ルールを変化の速度ルールとすることができ、ここでは、所定の期間にわたって所定の度合いだけ変化する１つ以上の信号測定値（例えば、変化速度の閾値）に基づいてイベントをトリガすることができる。１つの特定例では、こうした異常状態ルールが、特定のセンサによって取得した温度測定値が５分間の期間内に１０度より大きく変化することの発生に基づいてイベントをトリガするべきことを規定することができる。変化の速度のアセット関連イベントルールは、他の種々の可能性が存在し、任意数の信号の種類及び変化速度の閾値を含むことができる。アセット関連ルールの他の例も可能である。
実現例では、ルール作成ツールが、アセット関連ルールを多数の方法で作成することを促進することができる。こうした実現では、ルール作成ツールが、当該ルール作成ツールにおけるユーザ入力に基づいてアセット関連ルールを作成することができる。即ち、ルール作成ツールは、ユーザが値を入れることができる１つ以上のルールフィールド、及び値の入ったフィールド及びその内容に基づいてアセット関連ルールを作成させる選択可能な要素を含むことができる。例えば、ユーザはまず、アセット、信号の種類（例えば、センサデータ及び／またはアクチュエータデータ）、及び選択した信号の種類に対する閾値を、それぞれのルールフィールドにより識別し、次に、新たなアセット関連ルールを作成すべき事を示す入力を与える。それに加えて、アセット作成ツールは１つ以上の動作フィールドを含むことができ、これらの動作フィールドを通して、ユーザは、アセット関連ルールに対応するイベントがトリガされた際に発生することを望む１つ以上の動作を識別することができる。例えば、ユーザは、数ある例の中で特に、イベントがトリガされた際に通知を受け取ること、イベントがトリガされた際に診断チェックのスケジュールを立ることを望むことがある。
他の実現では、ルール作成ツールをアセットデータ・プラットフォーム１０２と組み合わせて、新たなアセット関連ルールを推奨するように構成することができ、このアセット関連ルールはルール作成ツールによってユーザに対して表示することができる。新たなアセット関連ルールの推奨が表示されたことに応答して、ユーザは、この推奨を受け入れること、修正すること、または辞退することを示す入力を与えることができる。この関係では、アセットデータ・プラットフォーム１０２は、種々の分析に基づいて、所定の組織またはアセットに対して新たなアセット関連ルールを推奨するか否かを決定することができる。例えば、こうした分析は、同様なアセットを監視する他の組織によって作成されたアセット関連ルールの分析の形をとることができる。他の例では、この分析が１つ以上の予測モデルの形をとることができ、こうした予測モデルは一般に、１つ以上のアセットから受信した履歴的信号データに少なくとも部分的に基づいて、アセット関連ルールの推奨を出力すべきことの尤度を出力する。新たなアセット関連ルールの推奨は、他の可能な要因に基づいて提供することができる。
新たなアセット関連ルールの作成時に、ルール作成ツールは、アセットデータ・プラットフォーム１０２に、アセット関連ルールを１つ以上のルール・データベースに記憶させることができる。アセットデータ・プラットフォーム１０２は、その後に、記憶されているルールを、特定種類のアセットまたは特定組織のセットについてのアセット関連データに適用して、いずれかの記憶されているルールの条件がトリガされた際にイベントをトリガすることができる。即ち、アセット関連ルール１０２は、受信したアセット関連データをルール・パラメータ（例えば、アセット、信号の種類、閾値）に対してチェックして、作成されたアセット関連ルールに対応するイベントをトリガするか否かを決定することができる。
一部の実現では、アセットデータ・プラットフォーム１０２が、１つ以上のアセット関連イベントルールを満足したことの判定時に指示を出力することができる。一部の例では、アセットデータ・プラットフォーム１０２が、出力した指示を、可聴表現または視覚表示のためにアセットまたはコンピュータ装置（例えば、クライアント・ステーション１１２）へ送信することができる。他の場合には、出力した指示が、アセットデータ・プラットフォーム１０２に、イベント・スナップショットデータのエントリを作成させ、このエントリは、対話型可視化ツールと共に使用するために作成される。他の可能性も存在する。
４．メタデータツール
他のツールの例はメタデータツールの形をとることができ、メタデータツールは、追加的情報をアセット識別子に関連付けるように構成することができ、このことは、関心事のアセット関連データまたはその傾向を識別することをより効率的にするのに役立つことができる。上述したツールと同様に、メタデータツールは、クライアント・ステーション１１２上で実行されるソフトウェア・アプリケーション（例えば、アセットデータ・プラットフォーム１０２によって提供されるウェブ・アプリケーションまたは元からあるアプリケーション）の形をとることができる。
一般に、アセットデータ・プラットフォーム１０２は、受信したアセット関連データ（例えば、信号データ、イベントデータ、等）をアセット識別子により特定のアセットに関連付けることができ、アセット識別子は、アセットデータ・プラットフォームへ送信される際に、こうしたアセット関連データを伴うことができる。この関係では、アセットデータ・プラットフォーム１０２は、受信したアセット関連情報をアセット識別子の各々に相互に関係付けるエントリを含む１つ以上のデータベースを維持することができる。一例では、アセット識別子用のエントリに含まれる情報が、数ある可能性の中で特に、アセットの種類（例えば、列車、航空機、等）、型式、通し番号、及びアセットの「年齢（経年）」を含むことができる。上述した例からわかるように、アセット識別子に関連するアセット情報は、一般にそのアセットの恒久的特徴（即ち、アセットが何であるか）に関係する。
本明細書中に開示するメタデータ・ツールは、アセットデータ・プラットフォーム１０２が追加的情報をアセット識別子に関連付けることを可能にし、この追加的情報は、より一時的な性質（即ち、特定のアセットについては必ずしも成り立たない）のものとすることができる。例えば、アセットデータ・プラットフォーム１０２は、メタデータツールを介して、数ある可能性の中で特に、所定時刻におけるアセットのオペレータ（例えば、運転者、機関士、パイロット、等）の身元、所定時刻におけるアセットの位置、及び／またはアセットがおかれる気象条件に関連することができる。
メタデータ・ツールは、多数の方法で追加的情報をアセット識別子に関連付けることを促進するように動作可能にすることができる。一例では、メタデータツールは、種々のメタデータ・フィールドを提供し、これにより、ユーザが特定のアセット識別子に関連付けることを望む追加的データに関するユーザ入力を受けるように構成することができる。こうした例では、ユーザはまず自分が追加的情報を関連付けたいアセットまたはアセットのグループを選択し、さらに、こうした追加的データを、入力フィールドまたはメニュー選択により入力することができる。その後に、ユーザは、アセットに対して入力及び／または選択した追加的データを提出するための入力を実行することができる。
こうした例では、メタデータツールが、ユーザ入力を示すデータをアセットデータ・プラットフォーム１０２へ送信することを促進することができ、一方、アセットデータ・プラットフォーム１０２は、上記追加的情報を、１つ以上のデータベース内の、識別したアセット用のエントリ内に記憶することができる。他の例では、アセットデータ・プラットフォーム１０２が、数ある可能性の中で特に、上記追加的データを、アセット識別子への参照を含む別個のエントリ内に記憶することができる。
一部の例では、他の種々のツール（例えば、上述したもの、データ分析ツール、等）が、メタデータツールにより提供される追加的情報を利用することができる。一例では、データ分析ツールを、１つ以上の特定種類の追加的データ（例えば、オペレータ、天候、等）に少なくとも部分的に基づいてアセット関連データを検索して取り込むことができるようにすることができる。例えば、個別のオペレータに基づいてアセット信号の傾向を識別したいユーザは、データ分析ツールにより、アセットデータ・プラットフォーム１０２に、オペレータ名に部分的に基づく質問により関連するデータを取り込ませることができる。他の例では、アセット識別子に関連する追加的データに基づいて、アセットデータ・プラットフォーム１０２によって傾向を動的に識別することができる。こうした場合には、識別した傾向を用いて、傾向データの視覚表示を用意して提示することができ、この傾向を利用して、種々の可能性の中で特に、保守方策を生成することができる。他の例では、タスク生成ツールが追加的データを利用してタスクフィールドに値を入れることができる。他の多数の可能性が存在する。
Ｖ．結論
開示した新規なものの実施形態を以上に説明してきた。しかし、特許請求の範囲によって規定する本発明の真の範囲及び精神から逸脱することなしに、説明した実施形態に変更及び修正を加えることができることは、当業者の理解する所である。
さらに、本明細書中に説明する例が、「人間」、「オペレータ」、「ユーザ」または他の主体のような行為者によって実行または開始される動作を含む範囲内で、このことは例示及び説明目的に過ぎない。請求項の文言中に明示的に記載されていない限り、特許請求の範囲は、こうした行為者による動作を要求するものとして考えるべきでない。

Claims (20)

  1. ネットワーク・インタフェースと、
    少なくとも１つのプロセッサと、
    非一時的なコンピュータ可読媒体と、
    前記非一時的なコンピュータ可読媒体上に記憶されているプログラム命令とを具えたコンピュータシステムであって、
    前記ネットワーク・インタフェースは、前記コンピュータシステムを、(a)複数のアセット及び(b)複数のクライアント・ステーションに通信結合するように構成され、該アセットの各々は前記コンピュータシステムから遠隔位置に配置され、該クライアント・ステーションの各々は、前記アセットの動作に関係するタスクを生成するためのソフトウェア・アプリケーションを実行し、
    前記プログラム命令は、前記少なくとも１つのプロセッサによって実行されて、前記コンピュータシステムに：
    前記複数のアセットのうちの所定アセットから、当該所定アセットにおいて発生したアセットイベントを示すデータを受信させ、
    前記複数のクライアント・ステーションのうちの第１クライアント・ステーションにより、前記所定アセットにおいて発生した前記アセットイベントの視覚表現を表示させ、
    前記所定アセットにおいて発生した少なくとも１つの前記アセットイベントに関係する新たなタスクを生成することの要求を規定するデータを、前記第１クライアント・ステーションから受信させ、
    前記要求を規定するデータに基づいて、(i)前記新たなタスクを規定するための複数のタスクフィールドを含む所定タスク形式を生成させ、該複数のタスクフィールドのうちの少なくとも１つの所定タスクフィールドは、複数の所定選択肢のうちの１つに設定することができ、(ii)前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための一組の予測モデルを実行させ、該一組の予測モデルは、前記少なくとも１つのアセットイベントと同様な種類であるアセットイベントに対して以前に生成されたタスクにおいて前記所定タスクフィールド用に選択された前記所定選択肢を示す履歴データに基づいて学習させてあり、前記一組の予測モデルにおける各予測モデルは、それぞれの前記所定選択肢が、前記所定タスク形式における前記所定タスクフィールド用に選択されることの尤度を出力し、
    前記一組の予測モデルの前記出力に基づいて、前記所定タスク形式の前記所定タスクフィールド用に選択すべき１つ以上の前記所定選択肢の提案を生成させ、
    前記第１クライアント・ステーションにより、前記所定タスク形式の視覚表現を、前記所定タスク形式の前記所定タスクフィールド用に選択することを提案する前記１つ以上の所定選択肢と共に表示させ、前記所定タスク形式を用いて、前記所定アセットにおいて発生した前記少なくとも１つのアセットイベントに関係する前記新たなタスクを生成する、コンピュータシステム。
  2. 前記所定タスクフィールドが、前記新たなタスクに含めるための知識記事を選択するためのフィールドを含む、請求項１に記載のコンピュータシステム。
  3. 前記１つ以上の所定選択肢の提案が、前記新たなタスクに含めるための知識記事をランク付けしたリストを含む、請求項２に記載のコンピュータシステム。
  4. 前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記１つ以上の所定選択肢の提案が、該提案する１つ以上の所定選択肢毎に、当該所定選択肢が前記所定タスク形式における前記所定タスクフィールド用に選択されることの尤度の対応する指示を含む、請求項１に記載のコンピュータシステム。
  5. 前記複数の予測モデルの前記出力に基づいて、前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記１つ以上の所定選択肢の提案を生成することが、
    前記予測モデルの各々の前記出力を信頼水準の閾値と比較することと、
    前記信頼水準の閾値を超える前記出力を有するあらゆる前記予測モデルについて、前記所定選択肢のそれぞれを前記提案に含めることとを含み、
    前記出力は、前記所定選択肢のそれぞれが、前記所定タスク形式における前記所定タスクフィールド用に選択されることの尤度を含む、請求項１に記載のコンピュータシステム。
  6. 前記非一時的なコンピュータ可読媒体上に記憶されている追加的なプログラム命令をさらに具え、該追加的なプログラム命令は、前記１つ以上のプロセッサによって実行されて、前記コンピュータシステムに：
    前記所定タスク形式の前記タスクフィールド内へのユーザ入力を表現するタスクデータを、前記第１クライアント・ステーションから受信させ、該ユーザ入力は、前記タスクフィールド用に提案された１つ以上の所定選択肢の選択を含み、
    前記タスクデータに基づいて、前記所定アセットにおいて発生した前記少なくとも１つのアセットイベントに関係する前記新たなタスクを生成させ、
    前記複数のクライアント・ステーションのうちの第２クライアント・ステーションにより、前記新たなタスクの視覚表現を表示させる、請求項１に記載のコンピュータシステム。
  7. 前記非一時的なコンピュータ可読記憶媒体上に記憶されている第２の追加的なプログラム命令をさらに具え、該第２の追加的なプログラム命令は、前記少なくとも１つのプロセッサによって実行されて、前記コンピュータシステムに：
    前記所定タスク形式の前記タスクフィールド内への前記ユーザ入力を表現する前記タスクデータを受信した後に、該受信したタスクデータを用いて、前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための前記一組の予測モデルを学習させるために使用される前記履歴データを更新させ、
    前記更新した履歴データに基づいて、前記一組の予測モデルを再学習させる、請求項６に記載のコンピュータシステム。
  8. 前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための前記一組の予測モデルが第１組の予測モデルを含み、前記コンピュータシステムは、前記非一時的なコンピュータ可読記憶媒体上に記憶されている第３の追加的なプログラム命令をさらに具え、該第３の追加的なプログラム命令は、前記少なくとも１つのプロセッサによって実行されて、前記コンピュータシステムに：
    前記所定アセットにおいて発生したアセットイベントを示すデータに基づいて、前記所定アセットにおいて発生した前記アセットイベントに基づいて生成すべき新たなタスクを提案するための第２組の予測モデルを実行させ、該第２組の予測モデルは、前記複数のアセットにおいて発生したアセットイベントの異なる組合せに基づいて以前に生成されたタスクを示す履歴データに基づいて学習させてあり、前記第２組の予測モデルにおける各予測モデルは、前記所定アセットにおいて発生した前記アセットイベントに対してそれぞれのタスクが生成されることの尤度を出力し、
    前記第２組の予測モデルの前記出力に基づいて、前記所定アセットにおいて発生した前記アセットイベントに対して生成すべき１つ以上のタスクの提案を生成させ、
    前記第１クライアント・ステーションにより、前記所定アセットにおいて発生した前記アセットイベントに対して生成することを提案する１つ以上のタスクの視覚表現を表示させる、請求項１に記載のコンピュータシステム。
  9. 前記所定アセットにおいて発生した少なくとも１つの前記アセットイベントに関係する前記新たなタスクを生成することの要求を規定するデータが、前記提案する１つ以上のタスクのうちの１つを生成することを規定するデータを含む、請求項８に記載のコンピュータシステム。
  10. 前記第２組の予測モデルの前記出力に基づいて生成すべき１つ以上のタスクの提案を生成することが：
    前記第２組の予測モデルの各々の前記出力を信頼水準の閾値と比較することと、
    前記信頼水準の閾値を超える前記出力を有するあらゆる前記予測モデルについて、前記タスクのそれぞれを前記提案に含めることとを含み、
    前記出力は、前記タスクのそれぞれが、前記所定アセットにおいて発生した前記アセットイベントに対して生成されることの尤度を含む、請求項８に記載のコンピュータシステム。
  11. 前記所定アセットにおいて発生した前記アセットイベントが、前記所定アセットにおいて未解決のアセットイベントを含む、請求項８に記載のコンピュータシステム。
  12. 前記第２組の予測モデルにおける各予測モデルが：
    (i)前記所定アセットにおいて未解決のアセットイベントの異なる組合せの全体を通して反復され、
    (ii)前記異なる組合せ毎に、前記タスクのそれぞれが生成されることの尤度を決定し、
    (iii)前記所定アセットにおいて未解決のアセットイベントの前記異なる組合せに対する前記尤度に基づいて、代表的な尤度を決定し、
    (iv)前記代表的な尤度を出力する、請求項１１に記載のコンピュータシステム。
  13. 前記非一時的なコンピュータ可読媒体上に記憶されている第４の追加的なプログラム命令をさらに具え、該第４の追加的なプログラム命令は、前記少なくとも１つのプロセッサによって実行されて、前記コンピュータシステムに：
    前記所定アセットにおいて発生した前記アセットイベントに関係する信号データを前記所定アセットから受信させ、
    前記第２組の予測モデルは、前記所定アセットにおいて発生した前記アセットイベントを示すデータと、前記所定アセットにおいて発生した前記アセットイベントに関係する信号データとの両方に基づいて実行され、前記第２組の予測モデルを学習させるために使用される前記履歴データが、前記複数のアセットにおいて発生したアセットイベントの異なる組合せに関連する信号データをさらに含む、請求項８に記載のコンピュータシステム。
  14. 前記所定アセットにおいて発生した前記アセットイベントに対して生成すべき１つ以上のタスクの提案が、提案するタスクをランク付けしたリストを含み、該リストは、前記提案するタスク毎に、前記所定アセットにおいて発生した前記アセットイベントに対して当該タスクが生成されることの尤度の対応する指示を含む、請求項８に記載のコンピュータシステム。
  15. 命令を記憶している非一時的なコンピュータ可読媒体であって、該命令は、コンピュータシステムの１つ以上のプロセッサによって実行されて、該コンピュータシステムに：
    前記コンピュータシステムに通信結合された複数の遠隔的なアセットのうちの所定アセットにおいて発生したアセットイベントを示すデータを、該所定アセットから受信させ、
    前記コンピュータシステムに通信結合された複数のクライアント・ステーションのうちの第１クライアント・ステーションにより、前記所定アセットにおいて発生した前記アセットイベントの視覚表現を表示させ、
    前記所定アセットにおいて発生した少なくとも１つの前記アセットイベントに関係する新たなタスクを生成することの要求を規定するデータを、前記第１クライアント・ステーションから受信させ、
    前記要求を規定するデータに基づいて、(a)前記新たなタスクを規定するための複数のタスクフィールドを含む所定タスク形式を生成させ、該複数のタスクフィールドのうちの少なくとも１つの所定タスクフィールドは、複数の所定選択肢のうちの１つに設定することができ、(b)前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための一組の予測モデルを実行させ、該一組の予測モデルは、前記少なくとも１つのアセットイベントと同様な種類であるアセットイベントに対して以前に生成されたタスクにおいて前記所定タスクフィールド用に選択された前記所定選択肢を示す履歴データに基づいて学習させてあり、前記一組の予測モデルにおける各予測モデルは、それぞれの前記所定選択肢が、前記所定タスク形式における前記所定タスクフィールド用に選択されることの尤度を出力し、
    前記一組の予測モデルの前記出力に基づいて、前記所定タスク形式の前記所定タスクフィールド用に選択すべき１つ以上の前記所定選択肢の提案を生成させ、
    前記第１クライアント・ステーションにより、前記所定タスク形式の視覚表現を、前記所定タスク形式の前記所定タスクフィールド用に選択することを提案する前記１つ以上の所定選択肢と共に表示させ、前記所定タスク形式は、前記所定アセットにおいて発生した前記少なくとも１つのアセットイベントに関係する前記新たなタスクを生成するために用いられる、非一時的コンピュータ可読媒体。
  16. 追加的なプログラム命令をさらに含み、該追加的なプログラム命令は、前記１つ以上のプロセッサによって実行されて、前記コンピュータシステムに：
    前記所定タスク形式の前記タスクフィールド内へのユーザ入力を表現するタスクデータを、前記第１クライアント・ステーションから受信させ、該ユーザ入力は、前記タスクフィールド用に提案された１つ以上の所定選択肢の選択を含み、
    前記タスクデータに基づいて、前記所定アセットにおいて発生した前記少なくとも１つのアセットイベントに関係する前記新たなタスクを生成させ、
    前記複数のクライアント・ステーションのうちの第２クライアント・ステーションにより、前記新たなタスクの視覚表現を表示させる、請求項１５に記載の非一時的コンピュータ可読媒体。
  17. 前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための前記一組の予測モデルが第１組の予測モデルを含み、前記非一時的なコンピュータ可読媒体は第２の追加的なプログラム命令をさらに含み、該第２の追加的なプログラム命令は、前記少なくとも１つのプロセッサによって実行されて、前記コンピュータシステムに：
    前記所定アセットにおいて発生したアセットイベントを示すデータに基づいて、前記所定アセットにおいて発生した前記アセットイベントに基づいて生成すべき新たなタスクを提案するための第２組の予測モデルを実行させ、該第２組の予測モデルは、前記複数のアセットにおいて発生したアセットイベントの異なる組合せに基づいて以前に生成されたタスクを示す履歴データに基づいて学習させてあり、前記第２組の予測モデルにおける各予測モデルは、前記所定アセットにおいて発生した前記アセットイベントに対してそれぞれのタスクが生成されることの尤度を出力し、
    前記第２組の予測モデルの前記出力に基づいて、前記所定アセットにおいて発生した前記アセットイベントに対して生成すべき１つ以上のタスクの提案を生成させ、
    前記第１クライアント・ステーションにより、前記所定アセットにおいて発生した前記アセットイベントに対して生成することを提案する１つ以上のタスクの視覚表現を表示させる、請求項１５に記載の非一時的コンピュータ可読媒体。
  18. (a)複数のアセット及び(b) 複数のクライアント・ステーションに通信結合されたコンピュータシステムによって実行されるコンピュータで実現可能な方法であって、該アセットの各々は前記コンピュータシステムから遠隔位置に配置され、該クライアント・ステーションの各々は、前記コンピュータシステムによって処理されるアセットデータを可視化するためのソフトウェア・アプリケーションを実行する方法において、
    前記複数のアセットのうちの所定アセットから、当該所定アセットにおいて発生したアセットイベントを示すデータを受信するステップと、
    前記複数のクライアント・ステーションのうちの第１クライアント・ステーションにより、前記所定アセットにおいて発生した前記アセットイベントの視覚表現を表示するステップと、
    前記所定アセットにおいて発生した少なくとも１つの前記アセットイベントに関係する新たなタスクを生成することの要求を規定するデータを、前記第１クライアント・ステーションから受信するステップと、
    前記要求を規定するデータに基づいて、(i)前記新たなタスクを規定するための複数のタスクフィールドを含む所定タスク形式を生成するステップであって、該複数のタスクフィールドのうちの少なくとも１つの所定タスクフィールドは、複数の所定選択肢のうちの１つに設定することができるステップと、(ii)前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための一組の予測モデルを実行するステップであって、該一組の予測モデルは、前記少なくとも１つのアセットイベントと同様な種類であるアセットイベントに対して以前に生成されたタスクにおいて前記所定タスクフィールド用に選択された前記所定選択肢を示す履歴データに基づいて学習させてあり、前記一組の予測モデルにおける各予測モデルは、それぞれの前記所定選択肢が、前記所定タスク形式における前記所定タスクフィールド用に選択されることの尤度を出力するステップと、
    前記一組の予測モデルの前記出力に基づいて、前記所定タスク形式の前記所定タスクフィールド用に選択すべき１つ以上の前記所定選択肢の提案を生成するステップと、
    前記第１クライアント・ステーションにより、前記所定タスク形式の視覚表現を、前記所定タスク形式の前記所定タスクフィールド用に選択することを提案する前記１つ以上の所定選択肢と共に表示するステップであって、前記所定タスク形式を用いて、前記所定アセットにおいて発生した前記少なくとも１つのアセットイベントに関係する前記新たなタスクを生成するステップと
    を含む方法。
  19. 前記所定タスク形式の前記タスクフィールド内へのユーザ入力を表現するタスクデータを、前記第１クライアント・ステーションから受信するステップであって、該ユーザ入力は、前記タスクフィールド用に提案された１つ以上の所定選択肢の選択を含むステップと、
    前記タスクデータに基づいて、前記所定アセットにおいて発生した前記少なくとも１つのアセットイベントに関係する前記新たなタスクを生成するステップと、
    前記複数のクライアント・ステーションのうちの第２クライアント・ステーションにより、前記新たなタスクの視覚表現を表示するステップと
    をさらに含む、請求項１８に記載の方法。
  20. 前記所定タスク形式の前記所定タスクフィールド用に選択すべき前記所定選択肢を提案するための前記一組の予測モデルが第１組の予測モデルを含み、前記方法がさらに、
    前記所定アセットにおいて発生したアセットイベントを示すデータに基づいて、前記所定アセットにおいて発生した前記アセットイベントに基づいて生成すべき新たなタスクを提案するための第２組の予測モデルを実行するステップであって、該第２組の予測モデルは、前記複数のアセットにおいて発生したアセットイベントの異なる組合せに基づいて以前に生成されたタスクを示す履歴データに基づいて学習させてあり、前記第２組の予測モデルにおける各予測モデルは、前記所定アセットにおいて発生した前記アセットイベントに対してそれぞれのタスクが生成されることの尤度を出力するステップと、
    前記第２組の予測モデルの前記出力に基づいて、前記所定アセットにおいて発生した前記アセットイベントに対して生成すべき１つ以上のタスクの提案を生成するステップと、
    前記第１クライアント・ステーションにより、前記所定アセットにおいて発生した前記アセットイベントに対して生成することを提案する１つ以上のタスクの視覚表現を表示するステップと
    をさらに含む、請求項１８に記載の方法。
JP2018549348A 2016-03-25 2017-03-27 予測モデルに基づいてアセット関連タスクを生成するコンピュータシステム及び方法 Pending JP2019516163A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662313560P 2016-03-25 2016-03-25
US62/313,560 2016-03-25
PCT/US2017/024256 WO2017165881A1 (en) 2016-03-25 2017-03-27 Computer systems and methods for creating asset-related tasks based on predictive models

Publications (1)

Publication Number Publication Date
JP2019516163A true JP2019516163A (ja) 2019-06-13

Family

ID=59898532

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2018549348A Pending JP2019516163A (ja) 2016-03-25 2017-03-27 予測モデルに基づいてアセット関連タスクを生成するコンピュータシステム及び方法
JP2018549349A Pending JP2019512807A (ja) 2016-03-25 2017-03-27 アセットイベント及び信号データの可視化を提供するコンピュータシステム及び方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2018549349A Pending JP2019512807A (ja) 2016-03-25 2017-03-27 アセットイベント及び信号データの可視化を提供するコンピュータシステム及び方法

Country Status (9)

Country Link
US (2) US10796235B2 (ja)
EP (2) EP3433727A4 (ja)
JP (2) JP2019516163A (ja)
KR (2) KR20180120263A (ja)
CN (2) CN109074255A (ja)
AU (2) AU2017238862A1 (ja)
CA (2) CA3018378A1 (ja)
SG (2) SG11201808139PA (ja)
WO (2) WO2017165880A1 (ja)

Families Citing this family (166)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9729583B1 (en) 2016-06-10 2017-08-08 OneTrust, LLC Data processing systems and methods for performing privacy assessments and monitoring of new versions of computer code for privacy compliance
CA2960391C (en) * 2014-09-12 2024-01-02 Learjet Inc. Methods and apparatus for diagnostics of aircraft and other mobile platforms
US20220164840A1 (en) 2016-04-01 2022-05-26 OneTrust, LLC Data processing systems and methods for integrating privacy information management systems with data loss prevention tools or other tools for privacy design
US11244367B2 (en) 2016-04-01 2022-02-08 OneTrust, LLC Data processing systems and methods for integrating privacy information management systems with data loss prevention tools or other tools for privacy design
US11004125B2 (en) 2016-04-01 2021-05-11 OneTrust, LLC Data processing systems and methods for integrating privacy information management systems with data loss prevention tools or other tools for privacy design
US10706447B2 (en) 2016-04-01 2020-07-07 OneTrust, LLC Data processing systems and communication systems and methods for the efficient generation of privacy risk assessments
US11100444B2 (en) 2016-06-10 2021-08-24 OneTrust, LLC Data processing systems and methods for providing training in a vendor procurement process
US10944725B2 (en) 2016-06-10 2021-03-09 OneTrust, LLC Data processing systems and methods for using a data model to select a target data asset in a data migration
US10846433B2 (en) 2016-06-10 2020-11-24 OneTrust, LLC Data processing consent management systems and related methods
US10585968B2 (en) 2016-06-10 2020-03-10 OneTrust, LLC Data processing systems for fulfilling data subject access requests and related methods
US10909265B2 (en) 2016-06-10 2021-02-02 OneTrust, LLC Application privacy scanning systems and related methods
US11544667B2 (en) 2016-06-10 2023-01-03 OneTrust, LLC Data processing systems for generating and populating a data inventory
US10242228B2 (en) 2016-06-10 2019-03-26 OneTrust, LLC Data processing systems for measuring privacy maturity within an organization
US10503926B2 (en) 2016-06-10 2019-12-10 OneTrust, LLC Consent receipt management systems and related methods
US10510031B2 (en) 2016-06-10 2019-12-17 OneTrust, LLC Data processing systems for identifying, assessing, and remediating data processing risks using data modeling techniques
US10284604B2 (en) 2016-06-10 2019-05-07 OneTrust, LLC Data processing and scanning systems for generating and populating a data inventory
US11403377B2 (en) 2016-06-10 2022-08-02 OneTrust, LLC Privacy management systems and methods
US11341447B2 (en) 2016-06-10 2022-05-24 OneTrust, LLC Privacy management systems and methods
US10803200B2 (en) 2016-06-10 2020-10-13 OneTrust, LLC Data processing systems for processing and managing data subject access in a distributed environment
US10776517B2 (en) 2016-06-10 2020-09-15 OneTrust, LLC Data processing systems for calculating and communicating cost of fulfilling data subject access requests and related methods
US11675929B2 (en) 2016-06-10 2023-06-13 OneTrust, LLC Data processing consent sharing systems and related methods
US10873606B2 (en) 2016-06-10 2020-12-22 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11228620B2 (en) 2016-06-10 2022-01-18 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11295316B2 (en) 2016-06-10 2022-04-05 OneTrust, LLC Data processing systems for identity validation for consumer rights requests and related methods
US11025675B2 (en) 2016-06-10 2021-06-01 OneTrust, LLC Data processing systems and methods for performing privacy assessments and monitoring of new versions of computer code for privacy compliance
US11277448B2 (en) 2016-06-10 2022-03-15 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11727141B2 (en) 2016-06-10 2023-08-15 OneTrust, LLC Data processing systems and methods for synching privacy-related user consent across multiple computing devices
US11366909B2 (en) 2016-06-10 2022-06-21 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US11625502B2 (en) 2016-06-10 2023-04-11 OneTrust, LLC Data processing systems for identifying and modifying processes that are subject to data subject access requests
US10607028B2 (en) 2016-06-10 2020-03-31 OneTrust, LLC Data processing systems for data testing to confirm data deletion and related methods
US11057356B2 (en) 2016-06-10 2021-07-06 OneTrust, LLC Automated data processing systems and methods for automatically processing data subject access requests using a chatbot
US11038925B2 (en) 2016-06-10 2021-06-15 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11416109B2 (en) 2016-06-10 2022-08-16 OneTrust, LLC Automated data processing systems and methods for automatically processing data subject access requests using a chatbot
US10909488B2 (en) 2016-06-10 2021-02-02 OneTrust, LLC Data processing systems for assessing readiness for responding to privacy-related incidents
US11354435B2 (en) 2016-06-10 2022-06-07 OneTrust, LLC Data processing systems for data testing to confirm data deletion and related methods
US11238390B2 (en) 2016-06-10 2022-02-01 OneTrust, LLC Privacy management systems and methods
US10318761B2 (en) 2016-06-10 2019-06-11 OneTrust, LLC Data processing systems and methods for auditing data request compliance
US10592692B2 (en) 2016-06-10 2020-03-17 OneTrust, LLC Data processing systems for central consent repository and related methods
US11188862B2 (en) 2016-06-10 2021-11-30 OneTrust, LLC Privacy management systems and methods
US11210420B2 (en) 2016-06-10 2021-12-28 OneTrust, LLC Data subject access request processing systems and related methods
US11354434B2 (en) 2016-06-10 2022-06-07 OneTrust, LLC Data processing systems for verification of consent and notice processing and related methods
US10839102B2 (en) 2016-06-10 2020-11-17 OneTrust, LLC Data processing systems for identifying and modifying processes that are subject to data subject access requests
US11200341B2 (en) 2016-06-10 2021-12-14 OneTrust, LLC Consent receipt management systems and related methods
US11146566B2 (en) 2016-06-10 2021-10-12 OneTrust, LLC Data processing systems for fulfilling data subject access requests and related methods
US10496846B1 (en) 2016-06-10 2019-12-03 OneTrust, LLC Data processing and communications systems and methods for the efficient implementation of privacy by design
US11151233B2 (en) 2016-06-10 2021-10-19 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US11475136B2 (en) 2016-06-10 2022-10-18 OneTrust, LLC Data processing systems for data transfer risk identification and related methods
US11636171B2 (en) 2016-06-10 2023-04-25 OneTrust, LLC Data processing user interface monitoring systems and related methods
US10997318B2 (en) 2016-06-10 2021-05-04 OneTrust, LLC Data processing systems for generating and populating a data inventory for processing data access requests
US10949565B2 (en) * 2016-06-10 2021-03-16 OneTrust, LLC Data processing systems for generating and populating a data inventory
US10997315B2 (en) 2016-06-10 2021-05-04 OneTrust, LLC Data processing systems for fulfilling data subject access requests and related methods
US10798133B2 (en) 2016-06-10 2020-10-06 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11157600B2 (en) 2016-06-10 2021-10-26 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US10853501B2 (en) 2016-06-10 2020-12-01 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US11074367B2 (en) 2016-06-10 2021-07-27 OneTrust, LLC Data processing systems for identity validation for consumer rights requests and related methods
US10949170B2 (en) 2016-06-10 2021-03-16 OneTrust, LLC Data processing systems for integration of consumer feedback with data subject access requests and related methods
US11416798B2 (en) 2016-06-10 2022-08-16 OneTrust, LLC Data processing systems and methods for providing training in a vendor procurement process
US10282559B2 (en) 2016-06-10 2019-05-07 OneTrust, LLC Data processing systems for identifying, assessing, and remediating data processing risks using data modeling techniques
US10592648B2 (en) 2016-06-10 2020-03-17 OneTrust, LLC Consent receipt management systems and related methods
US11294939B2 (en) 2016-06-10 2022-04-05 OneTrust, LLC Data processing systems and methods for automatically detecting and documenting privacy-related aspects of computer software
US10776514B2 (en) 2016-06-10 2020-09-15 OneTrust, LLC Data processing systems for the identification and deletion of personal data in computer systems
US11301796B2 (en) 2016-06-10 2022-04-12 OneTrust, LLC Data processing systems and methods for customizing privacy training
US11222309B2 (en) 2016-06-10 2022-01-11 OneTrust, LLC Data processing systems for generating and populating a data inventory
US10565161B2 (en) 2016-06-10 2020-02-18 OneTrust, LLC Data processing systems for processing data subject access requests
US11227247B2 (en) 2016-06-10 2022-01-18 OneTrust, LLC Data processing systems and methods for bundled privacy policies
US10685140B2 (en) 2016-06-10 2020-06-16 OneTrust, LLC Consent receipt management systems and related methods
US11461500B2 (en) 2016-06-10 2022-10-04 OneTrust, LLC Data processing systems for cookie compliance testing with website scanning and related methods
US11343284B2 (en) 2016-06-10 2022-05-24 OneTrust, LLC Data processing systems and methods for performing privacy assessments and monitoring of new versions of computer code for privacy compliance
US11651106B2 (en) 2016-06-10 2023-05-16 OneTrust, LLC Data processing systems for fulfilling data subject access requests and related methods
US11651104B2 (en) 2016-06-10 2023-05-16 OneTrust, LLC Consent receipt management systems and related methods
US11481710B2 (en) 2016-06-10 2022-10-25 OneTrust, LLC Privacy management systems and methods
US10796260B2 (en) 2016-06-10 2020-10-06 OneTrust, LLC Privacy management systems and methods
US10282700B2 (en) 2016-06-10 2019-05-07 OneTrust, LLC Data processing systems for generating and populating a data inventory
US11416589B2 (en) 2016-06-10 2022-08-16 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US10606916B2 (en) 2016-06-10 2020-03-31 OneTrust, LLC Data processing user interface monitoring systems and related methods
US11144622B2 (en) 2016-06-10 2021-10-12 OneTrust, LLC Privacy management systems and methods
US11138242B2 (en) 2016-06-10 2021-10-05 OneTrust, LLC Data processing systems and methods for automatically detecting and documenting privacy-related aspects of computer software
US11188615B2 (en) 2016-06-10 2021-11-30 OneTrust, LLC Data processing consent capture systems and related methods
US11366786B2 (en) 2016-06-10 2022-06-21 OneTrust, LLC Data processing systems for processing data subject access requests
US11520928B2 (en) 2016-06-10 2022-12-06 OneTrust, LLC Data processing systems for generating personal data receipts and related methods
US11392720B2 (en) 2016-06-10 2022-07-19 OneTrust, LLC Data processing systems for verification of consent and notice processing and related methods
US10740487B2 (en) 2016-06-10 2020-08-11 OneTrust, LLC Data processing systems and methods for populating and maintaining a centralized database of personal data
US11336697B2 (en) 2016-06-10 2022-05-17 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US10848523B2 (en) 2016-06-10 2020-11-24 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11222139B2 (en) 2016-06-10 2022-01-11 OneTrust, LLC Data processing systems and methods for automatic discovery and assessment of mobile software development kits
US10565236B1 (en) 2016-06-10 2020-02-18 OneTrust, LLC Data processing systems for generating and populating a data inventory
US10769301B2 (en) 2016-06-10 2020-09-08 OneTrust, LLC Data processing systems for webform crawling to map processing activities and related methods
US10467432B2 (en) 2016-06-10 2019-11-05 OneTrust, LLC Data processing systems for use in automatically generating, populating, and submitting data subject access requests
US11438386B2 (en) 2016-06-10 2022-09-06 OneTrust, LLC Data processing systems for data-transfer risk identification, cross-border visualization generation, and related methods
US11418492B2 (en) 2016-06-10 2022-08-16 OneTrust, LLC Data processing systems and methods for using a data model to select a target data asset in a data migration
US10169609B1 (en) 2016-06-10 2019-01-01 OneTrust, LLC Data processing systems for fulfilling data subject access requests and related methods
US10678945B2 (en) 2016-06-10 2020-06-09 OneTrust, LLC Consent receipt management systems and related methods
US10878127B2 (en) 2016-06-10 2020-12-29 OneTrust, LLC Data subject access request processing systems and related methods
US11562097B2 (en) 2016-06-10 2023-01-24 OneTrust, LLC Data processing systems for central consent repository and related methods
US11087260B2 (en) 2016-06-10 2021-08-10 OneTrust, LLC Data processing systems and methods for customizing privacy training
US10885485B2 (en) 2016-06-10 2021-01-05 OneTrust, LLC Privacy management systems and methods
US11134086B2 (en) 2016-06-10 2021-09-28 OneTrust, LLC Consent conversion optimization systems and related methods
US11328092B2 (en) 2016-06-10 2022-05-10 OneTrust, LLC Data processing systems for processing and managing data subject access in a distributed environment
US11138299B2 (en) 2016-06-10 2021-10-05 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US11222142B2 (en) 2016-06-10 2022-01-11 OneTrust, LLC Data processing systems for validating authorization for personal data collection, storage, and processing
US11416590B2 (en) 2016-06-10 2022-08-16 OneTrust, LLC Data processing and scanning systems for assessing vendor risk
US10896394B2 (en) 2016-06-10 2021-01-19 OneTrust, LLC Privacy management systems and methods
US11586700B2 (en) 2016-06-10 2023-02-21 OneTrust, LLC Data processing systems and methods for automatically blocking the use of tracking tools
US10783256B2 (en) 2016-06-10 2020-09-22 OneTrust, LLC Data processing systems for data transfer risk identification and related methods
US11023842B2 (en) 2016-06-10 2021-06-01 OneTrust, LLC Data processing systems and methods for bundled privacy policies
US10572686B2 (en) 2016-06-10 2020-02-25 OneTrust, LLC Consent receipt management systems and related methods
US10861202B1 (en) 2016-07-31 2020-12-08 Splunk Inc. Sankey graph visualization for machine data search and analysis system
US10459939B1 (en) 2016-07-31 2019-10-29 Splunk Inc. Parallel coordinates chart visualization for machine data search and analysis system
US11037342B1 (en) * 2016-07-31 2021-06-15 Splunk Inc. Visualization modules for use within a framework for displaying interactive visualizations of event data
US10564622B1 (en) 2016-07-31 2020-02-18 Splunk Inc. Control interface for metric definition specification for assets and asset groups driven by search-derived asset tree hierarchy
US10853380B1 (en) 2016-07-31 2020-12-01 Splunk Inc. Framework for displaying interactive visualizations of event data
US10503784B1 (en) 2016-07-31 2019-12-10 Splunk Inc. Control interface for asset tree monitoring
US10459938B1 (en) 2016-07-31 2019-10-29 Splunk Inc. Punchcard chart visualization for machine data search and analysis system
US11210278B1 (en) 2016-07-31 2021-12-28 Splunk Inc. Asset group interface driven by search-derived asset tree hierarchy
US11099924B2 (en) * 2016-08-02 2021-08-24 International Business Machines Corporation Preventative system issue resolution
US9781603B1 (en) * 2016-10-20 2017-10-03 Fortress Cyber Security, LLC Combined network and physical security appliance
US10929421B2 (en) 2017-06-08 2021-02-23 Sap Se Suggestion of views based on correlation of data
US11250343B2 (en) 2017-06-08 2022-02-15 Sap Se Machine learning anomaly detection
US10013577B1 (en) 2017-06-16 2018-07-03 OneTrust, LLC Data processing systems for identifying whether cookies contain personally identifying information
US11144675B2 (en) 2018-09-07 2021-10-12 OneTrust, LLC Data processing systems and methods for automatically protecting sensitive data within privacy management systems
US11544409B2 (en) 2018-09-07 2023-01-03 OneTrust, LLC Data processing systems and methods for automatically protecting sensitive data within privacy management systems
US10803202B2 (en) 2018-09-07 2020-10-13 OneTrust, LLC Data processing systems for orphaned data identification and deletion and related methods
CN109753502B (zh) * 2018-12-29 2023-05-12 浪潮软件科技有限公司 一种基于NiFi的数据采集方法
GB2582590A (en) 2019-03-26 2020-09-30 Ge Aviat Systems Ltd Method and system for fusing disparate industrial asset event information
US11451611B1 (en) 2019-03-26 2022-09-20 Samsara Inc. Remote asset notification
US10609114B1 (en) 2019-03-26 2020-03-31 Samsara Networks Inc. Industrial controller system and interactive graphical user interfaces related thereto
US11451610B1 (en) 2019-03-26 2022-09-20 Samsara Inc. Remote asset monitoring and control
US11349901B1 (en) 2019-03-26 2022-05-31 Samsara Inc. Automated network discovery for industrial controller systems
US11127130B1 (en) 2019-04-09 2021-09-21 Samsara Inc. Machine vision system and interactive graphical user interfaces related thereto
JP6912828B2 (ja) * 2019-04-15 2021-08-04 国立大学法人 鹿児島大学 農作業進捗管理装置、農作業進捗管理システム、農作業進捗管理方法、及び農作業進捗管理プログラム
US11210116B2 (en) * 2019-07-24 2021-12-28 Adp, Llc System, method and computer program product of navigating users through a complex computing system to perform a task
CN110569174B (zh) * 2019-09-17 2023-05-12 浪潮软件科技有限公司 一种用于nifi任务的分布式监控系统及方法
US11556902B2 (en) 2019-09-30 2023-01-17 Mitchell International, Inc. Automated vehicle repair estimation by aggregate ensembling of multiple artificial intelligence functions
CN112651583A (zh) * 2019-10-11 2021-04-13 鸿富锦精密电子(天津)有限公司 固定资产盘点方法、装置、移动终端及存储介质
US20210141785A1 (en) * 2019-11-12 2021-05-13 Aveva Software, Llc Computerized system and method for automatically detecting anomalies in distributed scada systems and dynamically displaying a unified interface therefrom
WO2021126024A1 (en) * 2019-12-17 2021-06-24 Telefonaktiebolaget Lm Ericsson (Publ) Observation of resources by a coap client
EP4091299A1 (en) * 2020-01-17 2022-11-23 Acentium Inc. Systems and methods for generating dynamic 3d models of computer systems
EP4100851A4 (en) * 2020-02-09 2023-09-06 Hubble Technology Inc. SYSTEM, METHOD AND COMPUTER PROGRAM FOR INGESTING, PROCESSING, STORING AND RETRIEVAL OF TECHNOLOGY ASSET DATA
US20210264301A1 (en) * 2020-02-21 2021-08-26 OnSolve, LLC Critical Event Intelligence Platform
US11153275B2 (en) * 2020-02-24 2021-10-19 Saudi Arabian Oil Company Method to transfer process data utilizing highly secure boundary networks
US11137744B1 (en) * 2020-04-08 2021-10-05 Samsara Inc. Systems and methods for dynamic manufacturing line monitoring
CN111625523B (zh) * 2020-04-20 2023-08-08 沈阳派客动力科技有限公司 数据合成的方法、装置和设备
US11797528B2 (en) 2020-07-08 2023-10-24 OneTrust, LLC Systems and methods for targeted data discovery
WO2022026564A1 (en) 2020-07-28 2022-02-03 OneTrust, LLC Systems and methods for automatically blocking the use of tracking tools
EP4193268A1 (en) 2020-08-06 2023-06-14 OneTrust LLC Data processing systems and methods for automatically redacting unstructured data from a data subject access request
WO2022060860A1 (en) 2020-09-15 2022-03-24 OneTrust, LLC Data processing systems and methods for detecting tools for the automatic blocking of consent requests
WO2022061270A1 (en) 2020-09-21 2022-03-24 OneTrust, LLC Data processing systems and methods for automatically detecting target data transfers and target data processing
US11158177B1 (en) 2020-11-03 2021-10-26 Samsara Inc. Video streaming user interface with data from multiple sources
US11874803B2 (en) * 2020-11-04 2024-01-16 Wetx Inc. System and method for identifying, inventorying, managing, and monetizing water assets
EP4241173A1 (en) 2020-11-06 2023-09-13 OneTrust LLC Systems and methods for identifying data processing activities based on data discovery results
US20220148348A1 (en) * 2020-11-06 2022-05-12 Wi-Tronix, Llc Connected Diagnostic System and Method
US11131986B1 (en) 2020-12-04 2021-09-28 Samsara Inc. Modular industrial controller system
KR102230440B1 (ko) * 2020-12-09 2021-03-22 주식회사 이글루시큐리티 이상 이벤트가 표시된 타임라인을 제공하는 보안 관제 대시보드 시스템 및 상기 보안 관제 대시보드 시스템을 활용한 보안 관제 방법
WO2022159901A1 (en) 2021-01-25 2022-07-28 OneTrust, LLC Systems and methods for discovery, classification, and indexing of data in a native computing system
US11442906B2 (en) 2021-02-04 2022-09-13 OneTrust, LLC Managing custom attributes for domain objects defined within microservices
EP4288889A1 (en) 2021-02-08 2023-12-13 OneTrust, LLC Data processing systems and methods for anonymizing data samples in classification analysis
US20240098109A1 (en) 2021-02-10 2024-03-21 OneTrust, LLC Systems and methods for mitigating risks of third-party computing system functionality integration into a first-party computing system
US11775348B2 (en) 2021-02-17 2023-10-03 OneTrust, LLC Managing custom workflows for domain objects defined within microservices
US11546661B2 (en) 2021-02-18 2023-01-03 OneTrust, LLC Selective redaction of media content
EP4305539A1 (en) 2021-03-08 2024-01-17 OneTrust, LLC Data transfer discovery and analysis systems and related methods
US11562078B2 (en) 2021-04-16 2023-01-24 OneTrust, LLC Assessing and managing computational risk involved with integrating third party computing functionality within a computing system
US20230236588A1 (en) * 2022-01-21 2023-07-27 Caterpillar Inc. Integrated record of asset usage, maintenance, and condition, and associated systems and methods
US11741760B1 (en) 2022-04-15 2023-08-29 Samsara Inc. Managing a plurality of physical assets for real time visualizations
WO2023212409A1 (en) * 2022-04-29 2023-11-02 Clean Claims Ip Llc Task tracking tool
US11620142B1 (en) 2022-06-03 2023-04-04 OneTrust, LLC Generating and customizing user interfaces for demonstrating functions of interactive user environments
US11861955B1 (en) 2022-06-28 2024-01-02 Samsara Inc. Unified platform for asset monitoring

Family Cites Families (164)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5633800A (en) 1992-10-21 1997-05-27 General Electric Company Integrated model-based reasoning/expert system diagnosis for rotating machinery
US5566092A (en) 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
JP3366837B2 (ja) 1997-08-15 2003-01-14 株式会社小松製作所 機械の異常監視装置および方法
US6473659B1 (en) 1998-04-10 2002-10-29 General Electric Company System and method for integrating a plurality of diagnostic related information
US6622264B1 (en) 1999-10-28 2003-09-16 General Electric Company Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures
US6336065B1 (en) 1999-10-28 2002-01-01 General Electric Company Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions
US6947797B2 (en) 1999-04-02 2005-09-20 General Electric Company Method and system for diagnosing machine malfunctions
US20110208567A9 (en) 1999-08-23 2011-08-25 Roddy Nicholas E System and method for managing a fleet of remote assets
US6442542B1 (en) 1999-10-08 2002-08-27 General Electric Company Diagnostic system with learning capabilities
US6615367B1 (en) 1999-10-28 2003-09-02 General Electric Company Method and apparatus for diagnosing difficult to diagnose faults in a complex system
US6959235B1 (en) 1999-10-28 2005-10-25 General Electric Company Diagnosis and repair system and method
US7020595B1 (en) 1999-11-26 2006-03-28 General Electric Company Methods and apparatus for model based diagnostics
US6650949B1 (en) 1999-12-30 2003-11-18 General Electric Company Method and system for sorting incident log data from a plurality of machines
US6634000B1 (en) 2000-02-01 2003-10-14 General Electric Company Analyzing fault logs and continuous data for diagnostics for a locomotive
US6725398B1 (en) 2000-02-11 2004-04-20 General Electric Company Method, system, and program product for analyzing a fault log of a malfunctioning machine
US20030126258A1 (en) 2000-02-22 2003-07-03 Conkright Gary W. Web based fault detection architecture
US7739096B2 (en) 2000-03-09 2010-06-15 Smartsignal Corporation System for extraction of representative data for training of adaptive process monitoring equipment
US6957172B2 (en) 2000-03-09 2005-10-18 Smartsignal Corporation Complex signal decomposition and modeling
WO2001067262A1 (en) 2000-03-09 2001-09-13 Smartsignal Corporation Generalized lensing angular similarity operator
US6952662B2 (en) 2000-03-30 2005-10-04 Smartsignal Corporation Signal differentiation system using improved non-linear operator
US6799154B1 (en) 2000-05-25 2004-09-28 General Electric Comapny System and method for predicting the timing of future service events of a product
MXPA03001691A (es) 2000-08-23 2004-06-22 Gen Electric Metodo y sistema para dar servicio a una pieza seleccionada de equipo que contiene configuraciones de sistema y requerimientos de servicio unicos.
US6760631B1 (en) 2000-10-04 2004-07-06 General Electric Company Multivariable control method and system without detailed prediction model
US6882961B2 (en) 2000-12-20 2005-04-19 Caterpillar Inc Method and system for providing diagnostics for a work machines
MXPA02008345A (es) 2000-12-29 2002-12-13 Gen Electric Metodo y sistema para identificar equipo que repetidamente funciona mal.
US20020091972A1 (en) 2001-01-05 2002-07-11 Harris David P. Method for predicting machine or process faults and automated system for implementing same
US7233886B2 (en) 2001-01-19 2007-06-19 Smartsignal Corporation Adaptive modeling of changed states in predictive condition monitoring
US6859739B2 (en) 2001-01-19 2005-02-22 Smartsignal Corporation Global state change indicator for empirical modeling in condition based monitoring
US7373283B2 (en) 2001-02-22 2008-05-13 Smartsignal Corporation Monitoring and fault detection system and method using improved empirical model for range extrema
US20020183971A1 (en) 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
US7539597B2 (en) 2001-04-10 2009-05-26 Smartsignal Corporation Diagnostic systems and methods for predictive condition monitoring
US6643600B2 (en) 2001-04-26 2003-11-04 General Electric Company Method and system for assessing adjustment factors in testing or monitoring process
US7107491B2 (en) 2001-05-16 2006-09-12 General Electric Company System, method and computer product for performing automated predictive reliability
US6975962B2 (en) 2001-06-11 2005-12-13 Smartsignal Corporation Residual signal alert generation for condition monitoring using approximated SPRT distribution
US7428478B2 (en) 2001-08-17 2008-09-23 General Electric Company System and method for improving accuracy of baseline models
US7457732B2 (en) 2001-08-17 2008-11-25 General Electric Company System and method for measuring quality of baseline modeling techniques
US6892163B1 (en) 2002-03-08 2005-05-10 Intellectual Assets Llc Surveillance system and method having an adaptive sequential probability fault detection test
US7660705B1 (en) 2002-03-19 2010-02-09 Microsoft Corporation Bayesian approach for learning regression decision graph models and regression models for time series analysis
US9565275B2 (en) * 2012-02-09 2017-02-07 Rockwell Automation Technologies, Inc. Transformation of industrial data into useful cloud information
US6748304B2 (en) 2002-08-16 2004-06-08 Honeywell International Inc. Method and apparatus for improving fault isolation
EP1579288B1 (en) 2002-11-04 2017-03-15 GE Intelligent Platforms, Inc. System state monitoring using recurrent local learning machine
US6823253B2 (en) 2002-11-27 2004-11-23 General Electric Company Methods and apparatus for model predictive control of aircraft gas turbine engines
JP4333331B2 (ja) 2002-12-20 2009-09-16 セイコーエプソン株式会社 故障予測システム及び故障予測プログラム並びに故障予測方法
US20040243636A1 (en) 2003-03-18 2004-12-02 Smartsignal Corporation Equipment health monitoring architecture for fleets of assets
US7634384B2 (en) 2003-03-18 2009-12-15 Fisher-Rosemount Systems, Inc. Asset optimization reporting in a process plant
US7912820B2 (en) * 2003-06-06 2011-03-22 Microsoft Corporation Automatic task generator method and system
US8645276B2 (en) 2003-07-11 2014-02-04 Ca, Inc. Modeling of applications and business process services through auto discovery analysis
US7313573B2 (en) 2003-09-17 2007-12-25 International Business Machines Corporation Diagnosis of equipment failures using an integrated approach of case based reasoning and reliability analysis
US7127371B2 (en) 2003-10-08 2006-10-24 Ge Medical Systems Information Customized medical equipment preventative maintenance method and system
AU2003295301A1 (en) 2003-12-23 2005-07-14 Telefonaktiebolaget Lm Ericsson (Publ) Method and system for efficient routing in ad hoc networks
WO2005069246A2 (en) 2004-01-09 2005-07-28 United Parcel Service Of America, Inc. System, method and apparatus for collecting telematics and sensor information in a delivery vehicle
US7062370B2 (en) 2004-03-30 2006-06-13 Honeywell International Inc. Model-based detection, diagnosis of turbine engine faults
US7447666B2 (en) 2004-04-09 2008-11-04 The Boeing Company System and method for analyzing a pattern in a time-stamped event sequence
US7280941B2 (en) 2004-12-29 2007-10-09 General Electric Company Method and apparatus for in-situ detection and isolation of aircraft engine faults
US7853629B2 (en) 2005-03-23 2010-12-14 Executive Data Systems, Inc. Document imaging and management system for paperless workflow
US7640145B2 (en) 2005-04-25 2009-12-29 Smartsignal Corporation Automated model configuration and deployment system for equipment health monitoring
US7536364B2 (en) 2005-04-28 2009-05-19 General Electric Company Method and system for performing model-based multi-objective asset optimization and decision-making
US7509235B2 (en) 2005-08-31 2009-03-24 General Electric Company Method and system for forecasting reliability of assets
JP4717579B2 (ja) 2005-09-30 2011-07-06 株式会社小松製作所 作業機械のメンテナンス作業管理システム
US7720639B2 (en) 2005-10-27 2010-05-18 General Electric Company Automatic remote monitoring and diagnostics system and communication method for communicating between a programmable logic controller and a central unit
US7869908B2 (en) 2006-01-20 2011-01-11 General Electric Company Method and system for data collection and analysis
US20070203869A1 (en) 2006-02-28 2007-08-30 Microsoft Corporation Adaptive semantic platform architecture
US20080059120A1 (en) 2006-08-30 2008-03-06 Fei Xiao Using fault history to predict replacement parts
US20080059080A1 (en) 2006-08-31 2008-03-06 Caterpillar Inc. Method and system for selective, event-based communications
US8275577B2 (en) 2006-09-19 2012-09-25 Smartsignal Corporation Kernel-based method for detecting boiler tube leaks
EP2482209A1 (en) 2006-10-05 2012-08-01 Splunk Inc. Time series search engine
US7725293B2 (en) 2006-12-07 2010-05-25 General Electric Company System and method for equipment remaining life estimation
US8311774B2 (en) 2006-12-15 2012-11-13 Smartsignal Corporation Robust distance measures for on-line monitoring
US7548830B2 (en) 2007-02-23 2009-06-16 General Electric Company System and method for equipment remaining life estimation
US8185355B2 (en) 2007-04-03 2012-05-22 Microsoft Corporation Slot-cache for caching aggregates of data with different expiry times
US8145578B2 (en) 2007-04-17 2012-03-27 Eagel View Technologies, Inc. Aerial roof estimation system and method
US8229769B1 (en) 2007-06-13 2012-07-24 United Services Automobile Association Systems and methods for processing overhead imagery
KR101491196B1 (ko) 2007-08-03 2015-02-06 스마트시그널 코포레이션 결함 패턴 매칭을 위한 퍼지 분류 접근
US10007951B2 (en) * 2007-08-30 2018-06-26 Oracle International Corporation IT asset management trend charting for compliance over time
US7919940B2 (en) 2007-10-21 2011-04-05 Ge Intelligent Platforms, Inc. System and method for jerk limited trajectory planning for a path planner
US8050800B2 (en) 2007-10-21 2011-11-01 Ge Intelligent Platforms, Inc. Method and system for meeting end conditions in a motion control system
US7962240B2 (en) 2007-12-20 2011-06-14 Ge Intelligent Platforms, Inc. Methods and systems for synchronizing a control signal of a slave follower with a master source
US8352216B2 (en) 2008-05-29 2013-01-08 General Electric Company System and method for advanced condition monitoring of an asset system
US7756678B2 (en) 2008-05-29 2010-07-13 General Electric Company System and method for advanced condition monitoring of an asset system
US7822578B2 (en) 2008-06-17 2010-10-26 General Electric Company Systems and methods for predicting maintenance of intelligent electronic devices
US8285402B2 (en) 2008-07-14 2012-10-09 Ge Intelligent Platforms, Inc. Method and system for safety monitored terminal block
US20100114838A1 (en) 2008-10-20 2010-05-06 Honeywell International Inc. Product reliability tracking and notification system and method
US8024069B2 (en) 2009-01-28 2011-09-20 Ge Intelligent Platforms, Inc. System and method for path planning
US8886689B2 (en) 2009-02-17 2014-11-11 Trane U.S. Inc. Efficient storage of data allowing for multiple level granularity retrieval
US8214370B1 (en) 2009-03-26 2012-07-03 Crossbow Technology, Inc. Data pre-processing and indexing for efficient retrieval and enhanced presentation
US20110106734A1 (en) 2009-04-24 2011-05-05 Terrance Boult System and appartus for failure prediction and fusion in classification and recognition
TWI430199B (zh) 2009-12-10 2014-03-11 Inst Information Industry 工具機管理系統及方法，及其電腦程式產品
JP2011170724A (ja) 2010-02-22 2011-09-01 Hitachi Ltd 故障診断システム、故障診断装置および故障診断プログラム
JP5454671B2 (ja) 2010-02-26 2014-03-26 株式会社日立製作所 故障原因診断システムおよびその方法
US8483375B2 (en) * 2010-03-19 2013-07-09 Avaya, Inc. System and method for joining conference calls
EP2375637A1 (en) 2010-03-22 2011-10-12 British Telecommunications Public Limited Company Network routing adaptation based on failure prediction
US8234420B2 (en) 2010-07-14 2012-07-31 Ge Intelligent Platforms, Inc. Method, system, and apparatus for communicating using multiple controllers
US8532795B2 (en) 2010-10-04 2013-09-10 General Electric Company Method and system for offline code validation
US8275508B1 (en) 2011-03-03 2012-09-25 Telogis, Inc. History timeline display for vehicle fleet management
WO2012068278A1 (en) 2010-11-17 2012-05-24 Decisiv Inc. Service management platform for fleet of assets
US9082107B2 (en) * 2010-12-30 2015-07-14 Anaqua, Inc. Intellectual asset automatic docketing and file association
US9208626B2 (en) 2011-03-31 2015-12-08 United Parcel Service Of America, Inc. Systems and methods for segmenting operational data
US8862938B2 (en) 2011-04-18 2014-10-14 General Electric Company System, method, and apparatus for resolving errors in a system
CA2833779A1 (en) 2011-04-20 2012-10-26 The Cleveland Clinic Foundation Predictive modeling
US9367824B2 (en) 2011-07-05 2016-06-14 Sap Se Provisioning and performing action items
US8660980B2 (en) 2011-07-19 2014-02-25 Smartsignal Corporation Monitoring system using kernel regression modeling with pattern sequences
US8620853B2 (en) 2011-07-19 2013-12-31 Smartsignal Corporation Monitoring method using kernel regression modeling with pattern sequences
US9256224B2 (en) 2011-07-19 2016-02-09 GE Intelligent Platforms, Inc Method of sequential kernel regression modeling for forecasting and prognostics
GB2494416A (en) 2011-09-07 2013-03-13 Rolls Royce Plc Asset Condition Monitoring Using Internal Signals Of The Controller
US8601030B2 (en) 2011-09-09 2013-12-03 International Business Machines Corporation Method for a natural language question-answering system to complement decision-support in a real-time command center
US8560494B1 (en) 2011-09-30 2013-10-15 Palantir Technologies, Inc. Visual data importer
US20130117277A1 (en) * 2011-11-09 2013-05-09 Microsoft Corporation Aggregating distributed sources of application guidance information
US8626385B2 (en) 2012-03-15 2014-01-07 Caterpillar Inc. Systems and methods for analyzing machine performance
US20130290347A1 (en) 2012-04-26 2013-10-31 Appsense Limited Systems and methods for providing data-driven document suggestions
US9051945B2 (en) 2012-04-30 2015-06-09 Caterpillar Inc. System and method for identifying impending hydraulic pump failure
US8850000B2 (en) 2012-05-08 2014-09-30 Electro-Motive Diesel, Inc. Trigger-based data collection system
US20130325502A1 (en) 2012-06-05 2013-12-05 Ari Robicsek System and method for providing syndrome-specific, weighted-incidence treatment regimen recommendations
US20140025414A1 (en) 2012-07-20 2014-01-23 Bret Dwayne Worden Health assessment method and system for assets
US9234750B2 (en) 2012-07-30 2016-01-12 Caterpillar Inc. System and method for operating a machine
US20140060030A1 (en) 2012-08-31 2014-03-06 Caterpillar Inc. Hydraulic accumulator health monitor
CN104823194B (zh) 2012-09-24 2017-07-28 卡特彼勒公司 采矿作业控制和审查
WO2014052921A2 (en) 2012-09-27 2014-04-03 University Of Utah Research Foundation Patient health record similarity measure
US9613413B2 (en) 2012-10-17 2017-04-04 Caterpillar Inc. Methods and systems for determining part wear based on digital image of part
US20140121973A1 (en) 2012-10-25 2014-05-01 Schlumberger Technology Corporation Prognostics And Health Management Methods And Apparatus To Predict Health Of Downhole Tools From Surface Check
US9139188B2 (en) 2012-11-01 2015-09-22 Caterpillar Inc. Prediction control strategy for hybrid machinery
US9152671B2 (en) 2012-12-17 2015-10-06 General Electric Company System for storage, querying, and analysis of time series data
US9151681B2 (en) 2012-12-19 2015-10-06 Progress Rail Services Corporation Temperature detector having different types of independent sensors
US20140170617A1 (en) 2012-12-19 2014-06-19 Caterpillar Inc. Monitoring System for a Machine
US8918246B2 (en) 2012-12-27 2014-12-23 Caterpillar Inc. Augmented reality implement control
US20140184643A1 (en) 2012-12-27 2014-07-03 Caterpillar Inc. Augmented Reality Worksite
US9129248B2 (en) 2013-01-25 2015-09-08 Trimble Navigation Limited Kinematic asset management
US10001518B2 (en) 2013-02-04 2018-06-19 Abb Schweiz Ag System and method for power transmission and distribution asset condition prediction and diagnosis
CN105210103B (zh) * 2013-02-13 2020-02-18 Op40后丁斯公司 分布式云服务及其使用
KR102208113B1 (ko) 2013-02-28 2021-01-27 엘지전자 주식회사 멀티미디어 커머스 서비스 처리 장치 및 방법
US9547695B2 (en) 2013-03-13 2017-01-17 Abb Research Ltd. Industrial asset event chronology
US8917274B2 (en) 2013-03-15 2014-12-23 Palantir Technologies Inc. Event matrix based on integrated data
WO2014145977A1 (en) 2013-03-15 2014-09-18 Bates Alexander B System and methods for automated plant asset failure detection
US8937619B2 (en) 2013-03-15 2015-01-20 Palantir Technologies Inc. Generating an object time series from data objects
US8909656B2 (en) 2013-03-15 2014-12-09 Palantir Technologies Inc. Filter chains with associated multipath views for exploring large data sets
US20140330609A1 (en) 2013-05-01 2014-11-06 International Business Machines Corporation Performance Driven Municipal Asset Needs and Sustainability Analysis
US20140330747A1 (en) 2013-05-01 2014-11-06 International Business Machines Corporation Asset lifecycle management
US8799799B1 (en) 2013-05-07 2014-08-05 Palantir Technologies Inc. Interactive geospatial map
US9438648B2 (en) 2013-05-09 2016-09-06 Rockwell Automation Technologies, Inc. Industrial data analytics in a cloud platform
US9456302B2 (en) 2013-06-03 2016-09-27 Temeda Llc Geospatial asset tracking systems, methods and apparatus for acquiring, manipulating and presenting telematic metadata
US9665843B2 (en) 2013-06-03 2017-05-30 Abb Schweiz Ag Industrial asset health profile
US8886601B1 (en) 2013-06-20 2014-11-11 Palantir Technologies, Inc. System and method for incrementally replicating investigative analysis data
US20160196513A1 (en) 2013-06-26 2016-07-07 Climate Risk Pty Ltd Computer implemented frameworks and methodologies for enabling climate change related risk analysis
US8713467B1 (en) 2013-08-09 2014-04-29 Palantir Technologies, Inc. Context-sensitive views
US8806361B1 (en) 2013-09-16 2014-08-12 Splunk Inc. Multi-lane time-synched visualizations of machine data events
US10089407B2 (en) * 2013-09-20 2018-10-02 Salesforce.Com, Inc. Systems, methods, and apparatuses for implementing analytics on demand functionality
US8689108B1 (en) 2013-09-24 2014-04-01 Palantir Technologies, Inc. Presentation and analysis of user interaction data
US9424521B2 (en) * 2013-09-27 2016-08-23 Transvoyant, Inc. Computer-implemented systems and methods of analyzing spatial, temporal and contextual elements of data for predictive decision-making
US8938686B1 (en) 2013-10-03 2015-01-20 Palantir Technologies Inc. Systems and methods for analyzing performance of an entity
US8812960B1 (en) 2013-10-07 2014-08-19 Palantir Technologies Inc. Cohort-based presentation of user interaction data
US8786605B1 (en) 2013-10-24 2014-07-22 Palantir Technologies Inc. Systems and methods for distance and congestion-aware resource deployment
US8832594B1 (en) 2013-11-04 2014-09-09 Palantir Technologies Inc. Space-optimized display of multi-column tables with selective text truncation based on a combined text width
US8868537B1 (en) 2013-11-11 2014-10-21 Palantir Technologies, Inc. Simple web search
US10713585B2 (en) * 2013-12-16 2020-07-14 Google Llc Using template exploration for large-scale machine learning
US9817851B2 (en) * 2014-01-09 2017-11-14 Business Objects Software Ltd. Dyanmic data-driven generation and modification of input schemas for data analysis
US10410116B2 (en) 2014-03-11 2019-09-10 SparkCognition, Inc. System and method for calculating remaining useful time of objects
US8935201B1 (en) 2014-03-18 2015-01-13 Palantir Technologies Inc. Determining and extracting changed data from a data source
US20160019558A1 (en) 2014-06-08 2016-01-21 Shawn Bridy Intelligent asset platform
US9684694B2 (en) 2014-09-23 2017-06-20 International Business Machines Corporation Identifying and scoring data values
US10648735B2 (en) 2015-08-23 2020-05-12 Machinesense, Llc Machine learning based predictive maintenance of a dryer
US10142596B2 (en) 2015-02-27 2018-11-27 The United States Of America, As Represented By The Secretary Of The Navy Method and apparatus of secured interactive remote maintenance assist
US9922269B2 (en) 2015-06-05 2018-03-20 Kla-Tencor Corporation Method and system for iterative defect classification
US9787819B2 (en) 2015-09-18 2017-10-10 Microsoft Technology Licensing, Llc Transcription of spoken communications
US9916194B2 (en) 2015-10-01 2018-03-13 International Business Machines Corporation System component failure diagnosis
US20170233105A1 (en) * 2016-02-16 2017-08-17 Taleris Global Llp Visualization of Aggregated Maintenance Data for Aircraft Reliability Program

Also Published As

Publication number Publication date
EP3433727A1 (en) 2019-01-30
EP3433758A4 (en) 2019-09-11
WO2017165881A1 (en) 2017-09-28
CN109074344A (zh) 2018-12-21
CA3018378A1 (en) 2017-09-28
US20170276573A1 (en) 2017-09-28
US20170278004A1 (en) 2017-09-28
KR20180120262A (ko) 2018-11-05
CA3018377A1 (en) 2017-09-28
CN109074255A (zh) 2018-12-21
JP2019512807A (ja) 2019-05-16
AU2017238861A1 (en) 2018-11-01
US11017302B2 (en) 2021-05-25
SG11201808139PA (en) 2018-10-30
EP3433758A1 (en) 2019-01-30
US10796235B2 (en) 2020-10-06
EP3433727A4 (en) 2019-08-07
AU2017238861B2 (en) 2022-02-24
SG11201808144SA (en) 2018-10-30
WO2017165880A1 (en) 2017-09-28
AU2017238862A1 (en) 2018-11-01
KR20180120263A (ko) 2018-11-05

Similar Documents

Publication Publication Date Title
JP2019516163A (ja) 予測モデルに基づいてアセット関連タスクを生成するコンピュータシステム及び方法
US10210037B2 (en) Interface tool for asset fault analysis
US10474932B2 (en) Detection of anomalies in multivariate data
US10754721B2 (en) Computer system and method for defining and using a predictive model configured to predict asset failures
US10635095B2 (en) Computer system and method for creating a supervised failure model
US10394770B2 (en) Methods and systems for implementing a data reconciliation framework
US20220398495A1 (en) Computer System and Method for Detecting Anomalies in Multivariate Data
JP2019527897A (ja) アセットの修理を推奨するコンピュータ・アーキテクチャ及び方法
US20180211204A1 (en) Method and System of Identifying Environment Features for Use in Analyzing Asset Operation
KR20180042865A (ko) 네트워크 상의 데이터 플랫폼들 사이에서 자산-관련된 정보를 공유하기 위한 컴퓨터 시스템들 및 방법들