JP2019520659A5 - - Google Patents

Description

本発明を例示的な実施形態を参照しながら具体的に図示・説明したが、当業者であれば、添付の特許請求の範囲に包含された本発明の範囲を逸脱しない範疇で形態や細部に様々な変更を施せることを理解するであろう。
なお、本発明は、態様として以下の内容を含む。
〔態様１〕
コンピュータに実装され、産業プロセスにおける動作イベントを検出する方法であって、
産業プロセスにおける動作イベントのシグネチャであって、前記動作イベントに関連するＫＰＩについての時系列パターンを含むシグネチャを定義する定義過程と、
前記産業プロセスのオンライン実行中に、前記ＫＰＩの動きのトレンドを監視する過程であって、動きの当該トレンドは、前記ＫＰＩの時系列として監視される、監視過程と、
(i)前記ＫＰＩの監視対象時系列の範囲と、(ii)前記定義されたシグネチャに含まれる、前記ＫＰＩについての前記時系列パターンの間の距離スコアを、リアルタイムで決定する決定過程と、
決定された前記距離スコアに基づき、実行されている前記産業プロセスにおいて、前記定義されたシグネチャに関連する前記動作イベントを検出する検出過程と、
前記動作イベントの検出に応答して、前記産業プロセスのパラメータを、検出された前記動作イベントを阻止するように調節する調節過程と、
を備える、方法。
〔態様２〕
態様１に記載の方法において、前記シグネチャを定義する過程が、さらに、
データサーバを介してプラントヒストリアンデータベースから、履歴プラントデータをロードする副過程、
ロードされた前記履歴プラントデータにおいて、前記ＫＰＩの時系列パターンであって、前記動作イベントに関連する時系列パターンを特定する副過程であって、前記ロードされた履歴プラントデータにおいて前記時系列パターンを特定する当該副過程は、自動パターン検索識別手法、動作ログの適用、およびドメイン専門家による閲覧の少なくとも１つにより行われる、副過程、
前記シグネチャの時系列範囲を選択する副過程、ならびに
選択された前記時系列範囲に対応する特定された時系列パターンを完全に含むように、前記シグネチャを設定する副過程、
を含む、方法。
〔態様３〕
態様２に記載の方法において、前記自動パターン検索識別手法が、
異常な動作状況のパターン特性を表す少なくとも１つのパターン形状を定義し、定義された当該パターン形状は、形状ライブラリに記憶されること、
前記形状ライブラリから、前記動作イベントについてのパターン形状を選択することであって、当該選択は、時系列パターンを特定するときに当該選択されたパターン形状を含めるか又は除外するかを指定すること、
(i)前記選択されたパターン形状と、(ii)前記ロードされた履歴プラントデータからの前記ＫＰＩの時系列の間の距離プロファイルを決定し、決定された当該距離プロファイルに基づいて検索プロファイルを生成すること、および
生成された前記検索プロファイルを用いて、前記動作イベントに関連する前記特定された時系列パターンを含む、少なくとも１つのパターンクラスタを決定すること、
を含む教師ありパターン発見手法である、方法。
〔態様４〕
態様１に記載の方法において、前記ＫＰＩについての前記距離スコアをリアルタイムで算出する過程が、
前記監視対象時系列の範囲と前記時系列パターンとにＺ正規化を実行する副過程、
独自の振幅フィルタを、Ｚ正規化された前記監視対象時系列の範囲に適用する副過程、
Ｚ正規化された前記監視対象時系列の範囲とＺ正規化された前記時系列パターンの間のユークリッド距離を、動的時間伸縮法（ＤＴＷ）を用いて算出する副過程、
ゼロのベクトルと前記Ｚ正規化された時系列パターンの間のゼロラインユークリッド距離を算出する副過程、ならびに
動的時間伸縮法を用いて算出された前記ユークリッド距離および算出された前記ゼロラインユークリッド距離に基づき、前記監視対象時系列の範囲が前記時系列パターンに合致する確率を示す前記距離スコアを決定する副過程、
を含む、方法。
〔態様５〕
態様４に記載の方法において、さらに、
前記距離スコアを決定するときに、前記監視対象時系列の範囲と前記時系列パターンの間の一定の違いをなくすようにフィルタを適用する過程、
を備える、方法。
〔態様６〕
態様４に記載の方法において、前記距離スコアが０〜１の数値であり、１は前記動作イベントの最も高い発生確率を示し、０は前記動作イベントの最も低い発生確率を示す、方法。
〔態様７〕
態様１に記載の方法において、さらに、
前記ＫＰＩの複数のシグネチャに関する、前記定義過程、前記監視過程、前記算出過程及び前記検出過程を、パラレルで実行する過程と、
前記ＫＰＩの定義された前記複数のシグネチャのそれぞれについて算出された前記距離スコアを、当該ＫＰＩについての統合距離スコアに組み合わせる過程と、
当該ＫＰＩについての前記統合距離スコアに基づき、前記動作イベントを検出する過程と、
を備える、方法。
〔態様８〕
態様７に記載の方法において、前記定義された複数のシグネチャに含まれる前記時系列パターンが、振幅、オフセット、形状および時間のうちの少なくとも１つによって変動する、方法。
〔態様９〕
態様７に記載の方法において、さらに、
前記定義された複数のシグネチャを記憶するシグネチャライブラリを構成する過程、
を備える、方法。
〔態様１０〕
態様１に記載の方法において、さらに、
複数のＫＰＩに関する、前記定義過程、前記監視過程、前記算出過程及び前記検出過程を、パラレルで実行する過程と、
前記複数のＫＰＩのそれぞれに対応する重み係数を定義する過程と、
各ＫＰＩについて算出された前記距離スコアを、前記対応する重み係数に基づいて重み付けする過程と、
前記複数のＫＰＩそれぞれについての重み付けられた前記距離スコアを、トータル距離スコアに組み合わせる過程と、
前記トータル距離スコアに基づき、前記動作イベントを検出する過程と、
を備える、方法。
〔態様１１〕
産業プロセスにおける動作イベントを検出するコンピュータシステムであって、
プロセッサと、
コンピュータコード命令が記憶されたメモリと、
を備え、前記メモリは、前記プロセッサにより実行されると前記コンピュータコード命令が、
産業プロセスにおける動作イベントのシグネチャであって、前記動作イベントに関連するＫＰＩについての時系列パターンを含むシグネチャを定義するように構成されたモデラエンジン、
分析エンジンであって、
前記産業プロセスのオンライン実行中に、前記ＫＰＩの動きのトレンドを前記ＫＰＩの時系列として監視するように、かつ、
前記ＫＰＩの監視対象時系列の範囲と、(ii)前記定義されたシグネチャに含まれる、前記ＫＰＩについての前記時系列パターンの間の距離スコアを、リアルタイムで決定するように、かつ、
決定された前記距離スコアに基づき、実行されている前記産業プロセスにおいて、前記定義されたシグネチャに関連する前記動作イベントを検出するように構成された分析エンジン、および
検出された前記動作イベントに関する情報の受取りに応答して、前記産業プロセスのパラメータを、検出された前記動作イベントを阻止するように調節するように構成されたプロセス制御システム、
を当該コンピュータシステムに実装させるように、前記プロセッサに作動的に接続されている、システム。
〔態様１２〕
態様１１に記載のシステムにおいて、前記モデラエンジンが、さらに、
データサーバから履歴プラントデータをロードし、
ロードされた前記履歴プラントデータにおいて、前記ＫＰＩの時系列パターンであって、前記動作イベントに関連する時系列パターンを特定し、
前記シグネチャの時系列範囲を選択し、
選択された前記時系列範囲に対応する特定された時系列パターンを完全に含むように、前記シグネチャを設定する
ように構成されており、
前記ロードされた履歴プラントデータにおいて前記時系列パターンを特定することは、自動パターン検索識別手法、動作ログの適用、およびドメイン専門家による閲覧の少なくとも１つにより行われる、システム。
〔態様１３〕
態様１２に記載の方法において、前記自動パターン検索識別手法が、
異常な動作状況のパターン特性を表す少なくとも１つのパターン形状を定義し、定義された当該パターン形状は、形状ライブラリに記憶されること、
前記形状ライブラリから、前記動作イベントについてのパターン形状を選択することであって、当該選択は、時系列パターンを特定するときに当該選択されたパターン形状を含めるか又は除外するかを指定すること、
(i)前記選択されたパターン形状と、(ii)前記ロードされた履歴プラントデータからの前記ＫＰＩの時系列の間の距離プロファイルを決定し、決定された当該距離プロファイルに基づいて検索プロファイルを生成すること、および
生成された前記検索プロファイルを用いて、前記動作イベントに関連する前記特定された時系列パターンを含む、少なくとも１つのパターンクラスタを決定すること、
を含む教師ありパターン発見手法である、方法。
〔態様１４〕
態様１１に記載のシステムにおいて、前記分析エンジンが、前記ＫＰＩについての前記距離スコアを、
前記監視対象時系列の範囲と前記時系列パターンとにＺ正規化を実行し、
Ｚ正規化された前記監視対象時系列の範囲とＺ正規化された前記時系列パターンの間のユークリッド距離を、ＤＴＷを用いて算出し、
ゼロのベクトルと前記Ｚ正規化された時系列パターンとの間のゼロラインユークリッド距離を算出し、
算出された前記ユークリッド距離および算出された前記ゼロラインユークリッド距離に基づき、前記監視対象時系列の範囲が前記時系列パターンに合致する確率を示す当該距離スコアを決定することによって
リアルタイムで算出するように構成されている、システム。
〔態様１５〕
態様１４に記載のシステムにおいて、前記分析エンジンが、さらに、
前記距離スコアを決定するときに、前記監視対象時系列の範囲と前記時系列パターンの間の一定の違いをなくすようにフィルタを適用する
ように構成されている、システム。
〔態様１６〕
態様１４に記載のシステムにおいて、前記距離スコアが０〜１の数値であり、１は前記動作イベントの最も高い発生確率を示し、０は前記動作イベントの最も低い発生確率を示す、システム。
〔態様１７〕
態様１６に記載のシステムにおいて、前記分析エンジンが、さらに、
前記距離スコアを決定するときに、前記監視対象時系列と前記時系列パターンの間の一定の違いをなくすようにフィルタを適用する
ように構成されている、システム。
〔態様１８〕
態様１６に記載のシステムにおいて、前記距離スコアが０から１までの数値であり、１は前記定義されたシグネチャの最も高い発生確率を示し、０は前記定義されたシグネチャの最も低い発生確率を示す、システム。
〔態様１９〕
態様１１に記載のシステムにおいて、前記モデラエンジンが、さらに、
前記動作イベントの複数のシグネチャに関する前記定義をパラレルで実行するように構成されており、
前記分析エンジンが、さらに、
前記ＫＰＩの複数のシグネチャに関する、前記定義、前記監視、前記算出及び前記検出をパラレルで実行し、
前記ＫＰＩの定義された前記複数のシグネチャのそれぞれについて算出された前記距離スコアを、当該ＫＰＩについての統合距離スコアに組み合わせ、
当該ＫＰＩについての前記統合距離スコアに基づき、前記動作イベントを検出するように構成されている、システム。
〔態様２０〕
態様１９に記載のシステムにおいて、前記定義された複数のシグネチャに含まれる前記時系列パターンが、振幅、オフセット、形状および時間のうちの少なくとも１つによって変動する、システム。
〔態様２１〕
態様１９に記載のシステムにおいて、前記モデラエンジンが、さらに、前記定義された複数のシグネチャを記憶するシグネチャライブラリを生成するように構成されている、システム。
〔態様２２〕
態様１１に記載のシステムにおいて、前記モデラエンジンが、さらに、
複数のＫＰＩに関する前記定義をパラレルで実行するように構成されており、
前記分析エンジンが、さらに、
複数のＫＰＩに関する、前記監視、前記算出及び前記検出をパラレルで実行し、
前記複数のＫＰＩのそれぞれに対応する重み係数を定義し、
各ＫＰＩについて算出された前記距離スコアを、前記対応する重み係数に基づいて重み付けし、
前記複数のＫＰＩそれぞれについての重み付けられた前記距離スコアを、トータル距離スコアに組み合わせ、
前記トータル距離スコアに基づき、前記動作イベントを検出するように構成されている、システム。
〔態様２３〕
コード命令が記憶された非過渡的なコンピュータ読取り可能記憶媒体、
を備える、コンピュータプログラムプロダクトであって、
前記記憶媒体は、産業プロセスでの動作イベントを検出するプロセッサにより実行されると前記コード命令が、当該プロセッサに：
産業プロセスにおける動作イベントのシグネチャであって、前記動作イベントに関連するＫＰＩについての時系列パターンを含むシグネチャを定義する手順、
前記産業プロセスのオンライン実行中に、前記ＫＰＩの動きのトレンドを監視する手順であって、動きの当該トレンドは、前記ＫＰＩの時系列として監視される、手順、
(i)前記ＫＰＩの監視対象時系列の範囲と、(ii) 前記定義されたシグネチャに含まれる、前記ＫＰＩについての前記時系列パターンの間の距離スコアを、リアルタイムで決定する手順、
決定された前記距離スコアに基づき、実行されている前記産業プロセスにおいて、前記定義されたシグネチャに関連する前記動作イベントを検出する手順、
前記動作イベントの検出に応答して、前記産業プロセスのパラメータを、検出された前記動作イベントを阻止するように調節する手順
を実行させるように、当該プロセッサに作動的に接続されている、コンピュータプログラムプロダクト。

Claims (23)

1. コンピュータに実装され、産業プロセスにおける動作イベントを検出する方法であって、
   産業プロセスにおける動作イベントのシグネチャであって、前記動作イベントに関連する主要パフォーマンス指標（ＫＰＩ）についての時系列パターンを含むシグネチャを定義する定義過程と、
   前記産業プロセスのオンライン実行中に、前記ＫＰＩの動きのトレンドを監視する過程であって、動きの当該トレンドは、前記ＫＰＩの時系列として監視される、監視過程と、
   (i)前記ＫＰＩの監視対象時系列の範囲と、(ii)前記定義されたシグネチャに含まれる、前記ＫＰＩについての前記時系列パターンの間の距離スコアを、リアルタイムで決定する決定過程と、
   決定された前記距離スコアに基づき、実行されている前記産業プロセスにおいて、前記定義されたシグネチャに関連する前記動作イベントを検出する検出過程と、
   前記動作イベントの検出に応答して、前記産業プロセスのパラメータを、検出された前記動作イベントを阻止するように調節する調節過程と、
   を備える、方法。
2. 請求項１に記載の方法において、前記シグネチャを定義する過程が、さらに、
   データサーバを介してプラントヒストリアンデータベースから、履歴プラントデータをロードする副過程、
   ロードされた前記履歴プラントデータにおいて、前記ＫＰＩの時系列パターンであって、前記動作イベントに関連する時系列パターンを特定する副過程であって、前記ロードされた履歴プラントデータにおいて前記時系列パターンを特定する当該副過程は、自動パターン検索識別手法、動作ログの適用、およびドメイン専門家による閲覧の少なくとも１つにより行われる、副過程、
   前記シグネチャの時系列範囲を選択する副過程、ならびに
   選択された前記時系列範囲に対応する特定された時系列パターンを完全に含むように、前記シグネチャを設定する副過程、
   を含む、方法。
3. 請求項２に記載の方法において、前記自動パターン検索識別手法が、
   異常な動作状況のパターン特性を表す少なくとも１つのパターン形状を定義し、定義された当該パターン形状は、形状ライブラリに記憶されること、
   前記形状ライブラリから、前記動作イベントについてのパターン形状を選択することであって、当該選択は、時系列パターンを特定するときに当該選択されたパターン形状を含めるか又は除外するかを指定すること、
   (i)前記選択されたパターン形状と、(ii)前記ロードされた履歴プラントデータからの前記ＫＰＩの時系列の間の距離プロファイルを決定し、決定された当該距離プロファイルに基づいて検索プロファイルを生成すること、および
   生成された前記検索プロファイルを用いて、前記動作イベントに関連する前記特定された時系列パターンを含む、少なくとも１つのパターンクラスタを決定すること、
   を含む教師ありパターン発見手法である、方法。
4. 請求項１に記載の方法において、前記ＫＰＩについての前記距離スコアをリアルタイムで決定する過程が、
   前記監視対象時系列の範囲と前記時系列パターンとにＺ正規化を実行する副過程、
   独自の振幅フィルタを、Ｚ正規化された前記監視対象時系列の範囲に適用する副過程、
   Ｚ正規化された前記監視対象時系列の範囲とＺ正規化された前記時系列パターンの間のユークリッド距離を、動的時間伸縮法（ＤＴＷ）を用いて算出する副過程、
   ゼロのベクトルと前記Ｚ正規化された時系列パターンの間のゼロラインユークリッド距離を算出する副過程、ならびに
   動的時間伸縮法を用いて算出された前記ユークリッド距離および算出された前記ゼロラインユークリッド距離に基づき、前記監視対象時系列の範囲が前記時系列パターンに合致する確率を示す前記距離スコアを決定する副過程、
   を含む、方法。
5. 請求項４に記載の方法において、さらに、
   前記距離スコアを決定するときに、前記監視対象時系列の範囲と前記時系列パターンの間の一定の違いをなくすようにフィルタを適用する過程、
   を備える、方法。
6. 請求項４に記載の方法において、前記距離スコアが０〜１の数値であり、１は前記動作イベントの最も高い発生確率を示し、０は前記動作イベントの最も低い発生確率を示す、方法。
7. 請求項１に記載の方法において、さらに、
   前記ＫＰＩの複数のシグネチャに関する、前記定義過程、前記監視過程、前記決定過程及び前記検出過程を、パラレルで実行する過程と、
   前記ＫＰＩの定義された前記複数のシグネチャのそれぞれについて決定された前記距離スコアを、当該ＫＰＩについての統合距離スコアに組み合わせる過程と、
   当該ＫＰＩについての前記統合距離スコアに基づき、前記動作イベントを検出する過程と、
   を備える、方法。
8. 請求項７に記載の方法において、前記定義された複数のシグネチャに含まれる前記時系列パターンが、振幅、オフセット、形状および時間のうちの少なくとも１つによって変動する、方法。
9. 請求項７に記載の方法において、さらに、
   前記定義された複数のシグネチャを記憶するシグネチャライブラリを構成する過程、
   を備える、方法。
10. 請求項１に記載の方法において、さらに、
    複数のＫＰＩに関する、前記定義過程、前記監視過程、前記決定過程及び前記検出過程を、パラレルで実行する過程と、
    前記複数のＫＰＩのそれぞれに対応する重み係数を定義する過程と、
    各ＫＰＩについて決定された前記距離スコアを、前記対応する重み係数に基づいて重み付けする過程と、
    前記複数のＫＰＩそれぞれについての重み付けられた前記距離スコアを、トータル距離スコアに組み合わせる過程と、
    前記トータル距離スコアに基づき、前記動作イベントを検出する過程と、
    を備える、方法。
11. 産業プロセスにおける動作イベントを検出するコンピュータシステムであって、
    プロセッサと、
    コンピュータコード命令が記憶されたメモリと、
    を備え、前記メモリは、前記プロセッサにより実行されると前記コンピュータコード命令が、
    産業プロセスにおける動作イベントのシグネチャであって、前記動作イベントに関連する主要パフォーマンス指標（ＫＰＩ）についての時系列パターンを含むシグネチャを定義するように構成されたモデラエンジン、
    分析エンジンであって、
    前記産業プロセスのオンライン実行中に、前記ＫＰＩの動きのトレンドを前記ＫＰＩの時系列として監視するように、かつ、
    前記ＫＰＩの監視対象時系列の範囲と、(ii)前記定義されたシグネチャに含まれる、前記ＫＰＩについての前記時系列パターンの間の距離スコアを、リアルタイムで決定するように、かつ、
    決定された前記距離スコアに基づき、実行されている前記産業プロセスにおいて、前記定義されたシグネチャに関連する前記動作イベントを検出するように構成された分析エンジン、および
    検出された前記動作イベントに関する情報の受取りに応答して、前記産業プロセスのパラメータを、検出された前記動作イベントを阻止するように調節するように構成されたプロセス制御システム、
    を当該コンピュータシステムに実装させるように、前記プロセッサに作動的に接続されている、システム。
12. 請求項１１に記載のシステムにおいて、前記モデラエンジンが、さらに、
    データサーバから履歴プラントデータをロードし、
    ロードされた前記履歴プラントデータにおいて、前記ＫＰＩの時系列パターンであって、前記動作イベントに関連する時系列パターンを特定し、
    前記シグネチャの時系列範囲を選択し、
    選択された前記時系列範囲に対応する特定された時系列パターンを完全に含むように、前記シグネチャを設定する
    ように構成されており、
    前記ロードされた履歴プラントデータにおいて前記時系列パターンを特定することは、自動パターン検索識別手法、動作ログの適用、およびドメイン専門家による閲覧の少なくとも１つにより行われる、システム。
13. 請求項１２に記載のシステムにおいて、前記自動パターン検索識別手法が、
    異常な動作状況のパターン特性を表す少なくとも１つのパターン形状を定義し、定義された当該パターン形状は、形状ライブラリに記憶されること、
    前記形状ライブラリから、前記動作イベントについてのパターン形状を選択することであって、当該選択は、時系列パターンを特定するときに当該選択されたパターン形状を含めるか又は除外するかを指定すること、
    (i)前記選択されたパターン形状と、(ii)前記ロードされた履歴プラントデータからの前記ＫＰＩの時系列の間の距離プロファイルを決定し、決定された当該距離プロファイルに基づいて検索プロファイルを生成すること、および
    生成された前記検索プロファイルを用いて、前記動作イベントに関連する前記特定された時系列パターンを含む、少なくとも１つのパターンクラスタを決定すること、
    を含む教師ありパターン発見手法である、システム。
14. 請求項１１に記載のシステムにおいて、前記分析エンジンが、前記ＫＰＩについての前記距離スコアを、
    前記監視対象時系列の範囲と前記時系列パターンとにＺ正規化を実行し、
    Ｚ正規化された前記監視対象時系列の範囲とＺ正規化された前記時系列パターンの間のユークリッド距離を、動的時間伸縮法（ＤＴＷ）を用いて算出し、
    ゼロのベクトルと前記Ｚ正規化された時系列パターンとの間のゼロラインユークリッド距離を算出し、
    算出された前記ユークリッド距離および算出された前記ゼロラインユークリッド距離に基づき、前記監視対象時系列の範囲が前記時系列パターンに合致する確率を示す当該距離スコアを決定することによって
    リアルタイムで決定するように構成されている、システム。
15. 請求項１４に記載のシステムにおいて、前記分析エンジンが、さらに、
    前記距離スコアを決定するときに、前記監視対象時系列の範囲と前記時系列パターンの間の一定の違いをなくすようにフィルタを適用する
    ように構成されている、システム。
16. 請求項１４に記載のシステムにおいて、前記距離スコアが０〜１の数値であり、１は前記動作イベントの最も高い発生確率を示し、０は前記動作イベントの最も低い発生確率を示す、システム。
17. 請求項１６に記載のシステムにおいて、前記分析エンジンが、さらに、
    前記距離スコアを決定するときに、前記監視対象時系列の範囲と前記時系列パターンの間の一定の違いをなくすようにフィルタを適用する
    ように構成されている、システム。
18. 請求項１６に記載のシステムにおいて、前記距離スコアが０から１までの数値であり、１は前記定義されたシグネチャの最も高い発生確率を示し、０は前記定義されたシグネチャの最も低い発生確率を示す、システム。
19. 請求項１１に記載のシステムにおいて、前記モデラエンジンが、さらに、
    前記動作イベントの複数のシグネチャに関する前記定義をパラレルで実行するように構成されており、
    前記分析エンジンが、さらに、
    前記ＫＰＩの複数のシグネチャに関する、前記監視、前記決定及び前記検出をパラレルで実行し、
    前記ＫＰＩの定義された前記複数のシグネチャのそれぞれについて決定された前記距離スコアを、当該ＫＰＩについての統合距離スコアに組み合わせ、
    当該ＫＰＩについての前記統合距離スコアに基づき、前記動作イベントを検出するように構成されている、システム。
20. 請求項１９に記載のシステムにおいて、前記定義された複数のシグネチャに含まれる前記時系列パターンが、振幅、オフセット、形状および時間のうちの少なくとも１つによって変動する、システム。
21. 請求項１９に記載のシステムにおいて、前記モデラエンジンが、さらに、前記定義された複数のシグネチャを記憶するシグネチャライブラリを生成するように構成されている、システム。
22. 請求項１１に記載のシステムにおいて、前記モデラエンジンが、さらに、
    複数のＫＰＩに関する前記定義をパラレルで実行するように構成されており、
    前記分析エンジンが、さらに、
    複数のＫＰＩに関する、前記監視、前記決定及び前記検出をパラレルで実行し、
    前記複数のＫＰＩのそれぞれに対応する重み係数を定義し、
    各ＫＰＩについて決定された前記距離スコアを、前記対応する重み係数に基づいて重み付けし、
    前記複数のＫＰＩそれぞれについての重み付けられた前記距離スコアを、トータル距離スコアに組み合わせ、
    前記トータル距離スコアに基づき、前記動作イベントを検出するように構成されている、システム。
23. コード命令が記憶された非過渡的なコンピュータ読取り可能記憶媒体、
    を備える、コンピュータプログラムプロダクトであって、
    前記記憶媒体は、産業プロセスでの動作イベントを検出するプロセッサにより実行されると前記コード命令が、当該プロセッサに：
    産業プロセスにおける動作イベントのシグネチャであって、前記動作イベントに関連する主要パフォーマンス指標（ＫＰＩ）についての時系列パターンを含むシグネチャを定義する手順、
    前記産業プロセスのオンライン実行中に、前記ＫＰＩの動きのトレンドを監視する手順であって、動きの当該トレンドは、前記ＫＰＩの時系列として監視される、手順、
    (i)前記ＫＰＩの監視対象時系列の範囲と、(ii) 前記定義されたシグネチャに含まれる、前記ＫＰＩについての前記時系列パターンの間の距離スコアを、リアルタイムで決定する手順、
    決定された前記距離スコアに基づき、実行されている前記産業プロセスにおいて、前記定義されたシグネチャに関連する前記動作イベントを検出する手順、
    前記動作イベントの検出に応答して、前記産業プロセスのパラメータを、検出された前記動作イベントを阻止するように調節する手順
    を実行させるように、当該プロセッサに作動的に接続されている、コンピュータプログラムプロダクト。