JP2023077396A - 異種インターネットオブシングスデバイス間での統合センサを使用した劣化または異常状態の検出 - Google Patents

Abstract

【課題】異種インターネットオブシングスデバイス間での統合センサを使用して劣化または異常状態の検出する。【解決手段】センサなどの独立変数を第１の入力として使用して、第１の複数のセンサの動作を統合する統合センサを生成する故障検出および処理アーキテクチャであって、第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するとき、システムの動作の状態を検知するためのものであり、さらに状態が第１の出力として記憶される、生成することを行う技術を含む。この技術は、統合センサおよび第１の入力に基づき、第２の出力を生成し、劣化および異常状態のうちの１つまたは複数が存在するかどうかを、第２の出力に対する第１の出力の比較に基づき検出する。【選択図】図２

Description

実施形態は一般に、出力を生成する統合センサを備えたベースラインモデルの識別および発展に関する。出力は、機械の出力と比較されて、これらの出力間の差に基づき故障および／または異常が検出される。

多数の産業が複雑なシステム（例えば自動車、製造、産業などにおける、何らかの方法でともに作業する機械、デバイス、プロセッサ、およびセンサの集まり）を含んでおり、これらは安全性、信頼性、エコロジー、および収益性についての性能、効率、および基準によって規定されている。技術面および設計面での複雑さが増大するにつれて、健全性状態の監視はますます困難になるおそれがある。このように、仮に誤差があったとしても、それを検出するのは困難なことがある。

実施形態の様々な利点は、以下の明細書および添付の特許請求の範囲を読み、以下の図面を参照することにより、当業者に明らかになるであろう。

実施形態による、故障検出および処理アーキテクチャの例を示すブロック図である。

実施形態による、異常事象および／または劣化状態を検出する方法の例を示すフローチャートである。

実施形態による、弁位置、速度、および温度の関数として圧力を示す圧力曲線の例を示す図である。

実施形態による、温度が１００°Ｆ（３１１Ｋ）に設定された状態で、弁位置および速度の関数として圧力を示す圧力曲線の例を示す図である。

実施形態による、速度Ｎおよび一定温度の関数として係数Ａをマッピングしたグラフの例を示す図である。

実施形態による、速度Ｎおよび一定温度の関数として係数Ｂのグラフの例を示す図である。

実施形態による、速度Ｎおよび一定温度の関数として係数Ｃのグラフの例を示す図である。

実施形態による、統合センサ生成および処理アーキテクチャの例を示すブロック図である。

実施形態による、実際のグラフおよび統合グラフ、ならびに比較グラフの例を示す図である。

実施形態による、電気車両（ＥＶ）プラットフォームのグラフの例を示す図である。

実施形態による、システムに状態を割り当てる方法の例を示すフローチャートである。

実施形態による、セキュリティおよび頑健性の向上したコンピューティングシステムの例を示すブロック図である。

実施形態による、半導体装置の例を示す図である。

実施形態による、プロセッサの例を示すブロック図である。

実施形態による、マルチプロセッサベースのコンピューティングシステムの例を示すブロック図である。

いくつかの実施形態は、検討中のシステムと比較されるベースライン（例えば「健全性」）モデルを発展させる。ベースラインモデルおよびシステムの出力に基づき、デルタが生成されてよい。デルタは、故障または異常の検出などの意思決定プロセスをガイドしてよい。例えば、いくつかの実施形態は汎用合成関数を生成し、これが統合センサに変換される。統合センサは、実センサのための健全性ベースラインを提供するために、システムの実センサに対応してよい。合成関数を組み合わせ、変換して統合センサを形成することは、システムのサブシステム間の互いの相互作用から生じた非線形効果をモデル化する包括的手法であってよい。

ここで図１を見ると、故障検出および処理アーキテクチャ１００が示してある。例えば、システム１０４（例えばインターネットオブシングスデバイス）は、システム１０４の動作状態（例えば温度、圧力など）を検知する物理センサ１０６（例えば第１の複数のセンサ）を含む。検知された動作状態は、実センサ出力１１２（例えば第１の出力）として設定されてよい。統合器１１６が、システム１０４の物理センサ１０６の動作を統合する統合動作を生成する。例えば、統合器１１６は合成関数を発展させる。合成関数は、複数の異なるシステムにわたって再利用および調整されてよい。例えば、これらの合成関数を発展させた後、統合器１１６は、これらの合成関数を多数の他の機械に再利用する。様々な機械が互いに異なっていても、入力に対する機械の応答は、様々な法則（例えば、重力、相互作用、熱、化学反応など）に従う。実際、これらの合成関数は、システムのプロセス間のこれらの挙動および相互作用（例えば１次、２次、または３次）を捕捉するために導出されてよい。このように、統合器１１６は、合成関数を調整して統合センサ１２２を生成することにより、複数の異なるシステムで動作してよい。この例において、合成関数はシステム１０４に基づき調整される。

統合器１１６は、システム１０４と同じ第１～第Ｎの入力１０２ａ～１０２ｎを受信する。統合器１１６は、統合動作および第１の入力～第Ｎの入力１０２ａ～１０２ｎに基づき、統合出力１１４（例えば第２の出力）を生成する。分析器１１０は、統合出力１１４（例えば第２の出力）に対する実センサ出力１１２（例えば第１の出力）の比較に基づき、システム１０４に劣化または異常状態のうちの１つまたは複数が存在するかどうかを検出する。

例えば、システム１０４は、第１の入力１０２ａ、第２の入力１０２ｂ、および第Ｎの入力１０２ｎを含む複数の入力（例えば、プロセスを実行するためのコマンド、プロセスを実行するための命令、電流、電圧、空気、化学物質など、概して独立変数として知られている）を受信する。システム１０４が第１～第Ｎの入力１０２ａ～１０２ｎに基づき動作を実行するとき、物理センサ１０６は、システム１０４の動作状態を検知してよい。物理センサ１０６の出力は、システム１０４の性質に関する詳細事項、例えば、システム１０４が異常状態もしくは故障状態にあるかどうか、またはシステム１０４が検知している対象物が異常状態もしくは故障状態にあるかどうかを提供してよい。

統合器１１６は、統合センサ１２２を介して物理センサ１０６をシミュレートしてよい。統合センサ１２２は、物理センサ１０６間および／または物理センサ１０６に関連付けられた変数（例えば独立状態または独立変数として知られている動作状態）間の相互作用に基づき修正された合成関数であってよい。例えば、上で考察したように、統合器１１６は、任意のシステムに適用可能な合成関数を生成する。統合器１１６は、第１～第Ｎの入力１０２ａ～１０２ｎから検出可能な動作状態（例えば圧力、温度、電圧、電流など）に基づき、合成関数の係数を計算する。統合動作は、統合センサ１２２に対応してよい。例えば、それぞれの統合動作は、第１～第Ｎの入力１０２ａ～１０２ｎに基づき、複数の物理センサ１０６のうちの１つのセンサの動作および出力をシミュレートしてよい。統合器１１６は、物理センサ１０６に関連付けられた変数（例えば動作状態および相互作用）に基づき、係数を計算する。

いくつかの例において、合成関数は、物理センサ１０６のそれぞれに対して同じであってよい。物理センサ１０６間の相互作用を完全に説明するために、合成関数の係数は個々に調整されてよい。さらに係数は、システム１０４の動作状態に基づき個々に調整されてよい。動作状態は、第１～第Ｎの入力１０２ａ～１０２ｎ、ならびに複数の物理センサ１０６のうちのいくつかからの実際の物理的測定値から導出されてよい。このように統合センサ１２２は、理想的な作業条件下で物理センサ１０６をモデル化してよい。統合センサ１２２の統合出力１１４が物理センサ１０６の実センサ出力１１２とは異なるとき、異常または誤差が検出されてよい。

例として、統合センサ１２２のうちの第１の統合センサが、物理センサ１０６のうちの第１の物理センサをモデル化すると仮定する。第１の統合センサを表す合成関数の係数は、第１の物理センサと、他の物理センサ１０６の他の第１～第Ｎの入力１０２ａ～１０２ｎとの相互作用に基づき、個々に調整されてよい。このように、第１の統合センサの合成関数は、第１の物理センサの予想される出力および挙動をモデル化してよい。第１の統合センサの出力と第１の物理センサの出力との差が、閾値（例えば３％）を満足するとき、第１の物理センサは予想される出力をもはや提供していないので、異常が検出されてよい。物理センサ１０６と統合センサ１２２の対の出力同士がこのように比較されて、故障、異常、または劣化が存在するかどうかが決定されてよい。

このように、統合センサ１２２は、物理センサ１０６の（合成関数を有する）デジタルバージョンと考えられてよく、物理センサ１０６の動作を統合センサ１２２でシミュレートしてよい。分析器１１０は、システム１０４の実センサ出力１１２（例えば第１の出力）と統合センサ１２２の統合出力１１４（例えば第２の出力）とのデルタ１１８（例えば逸脱パターン）が、所定の閾値を下回っていることに応答して、正常な動作状態を検出する。デルタ１１８は、実センサ出力１１２から統合出力１１４を引いたものであってよい。分析器１１０は同様に、システム１０４の実センサ出力１１２（例えば第１の出力）と統合センサ１２２の統合出力１１４（例えば第２の出力）とのデルタ１１８（例えば逸脱パターン）が所定の閾値を満足していることに応答して、劣化または異常状態のうちの１つまたは複数を検出する。

例えば、システム１０４が正常な境界内で動作している場合、デルタ１１８はゼロであるか、または予め決定されていてよい許容可能な閾値を下回ってよい。デルタ１１８がゼロでない数であるか、または閾値を上回っている場合、分析器１１０は、劣化または異常が生じていると結論付けてよい。つまり分析器１１０は、故障のレベルはデルタ１１８の大きさに比例すると決定してよい。このように、システム１０４に固有の（例えば本来備わっている）特性（すなわち健全性状態）が不変である場合、統合センサ１２２の統合出力１１４と物理センサの実センサ出力１１２とは、厳密に互いに従い、それによりシステム１０４が異なる状態で動作した場合でも、デルタ１１８は低い値になる。システム１０４が劣化し始めた場合、システム１０４に本来備わっている特性が変化し、したがってデルタ１１８はゼロでなく、システム１０４は故障を示しているものと観測される。

いくつかの実施形態においては、物理センサ１０６のうちのそれぞれの実センサの、統合センサ１２２のうちの対応する統合センサに対する逸脱パターンを、定義された故障パターンと比較することにより、特定の故障が識別されてよい。例えば、物理センサ１０６の第１の物理センサは、統合センサ１２２の第１の統合センサに対応してよい。つまり、第１の統合センサは、物理センサ１０６の第１の物理センサをモデル化してよい。第１の物理センサの特定の出力が、第１の統合センサの出力と比較されて、デルタが生成され、第１の物理センサが異常状態または劣化を検知しているかどうかが決定されてよい。とりわけ、特定の出力は、統合センサ１２２の他の（第１の統合センサではない）統合センサの出力とは比較されない。このように、第１の物理センサが異常状態または劣化を検知していると決定された場合、および直接的な相関が存在する場合には、第１の物理センサに対応したサブシステム（例えば第１の物理センサがこのサブシステムの動作を検知している）が、異常状態にあるか、または劣化しているとみなされてよい。直接的なつながりが存在しないいくつかの他の事例では、故障は第１のサブシステムから他のサブシステムに伝播することがあり、そのような事例では、故障パターンを使用して特定の故障が診断される。

分析器１１０は、デルタ１１８に基づき調整１２０を生成してよい。例えば、デルタ１１８の傾向および値を監視することにより、分析器１１０は、故障の重大さ、次回メンテナンスまでに残っている有用な動作時間、物流管理、スペアパーツの計画、およびシステム１０４の在庫を評価してよい。いくつかの例において、分析器１１０は、より効率的な動作ができるようシステム１０４を調整してよい。例えばシステム１０４に異常が存在している場合、分析器１１０は、システム１０４の修正により異常を軽減または回避できるかどうかを決定してよい。例えば、物理センサ１０６の第１の物理センサが、システム１０４の第１の構成要素を監視していると仮定する。さらに、第１の物理センサの出力が、統合センサ１２２のうちの対応する第１の統合センサの出力と一致せず、それによりデルタ１１８がゼロでないと仮定する。デルタ１１８がゼロでないことに基づき、第１の構成要素は、機能不良であると識別されてよい。その結果、分析器１１０は、動作に関して第１の構成要素を回避してよい。その代わりに、システム１０４のプロセスは、機能不良ではないシステム１０４の第２の構成要素にシフトされてよい。他の事例においては、メンテナンスが実行されるのを待機する間に、最大限可能な動作範囲を下限に限定することにより、故障軽減を行うことができる。

いくつかの実施形態において、統合器１１６は汎用合成関数を設計する。統合器１１６は、汎用合成関数を使用して統合センサ１２２を構築し、物理センサ１０６の１つ（またはいくつか）のセンサ（例えば、同じおよび／または複数の機械のサブシステムプロセス）における、モデル化されたセンサに対する変化の相互および非線形の効果を戦略的に識別してよい。

例えば、汎用合成関数は、プロセスが何であるか、および統合中のセンサにそれらがどのように影響を及ぼすかを識別するように設計された、いくつかのセンサのグループに対応してよい。それぞれの汎用合成関数は、その相関のレベルを明らかにするために、生データから統計的に計算された影響係数に関連付けられる。いくつかの汎用合成関数は、互いに組み合わされ（例えば加算され）て、統合センサ１２２の他のセンサにリンクされた、統合センサ１２２のうちの１つの統合センサを形成し、相互効果をモデル化してよい。影響係数は、動作パラメータを含む様々な因子に基づき調整されてよい。

このように、統合センサ１２２は、システム１０４の動作から生じる非線形性効果を含め、サブシステムの特性およびサブシステム間の互いの相互作用を表す合成関数から構成されてよい。例えば、非線形性効果および伝播効果は、システム１０４の第１のサブシステムが正しく動作しない場合に生じることがある。第１のサブシステムの動作不良により、第２のサブシステムが故障しているように見えることがある。つまり、第１のサブシステムが、第２のサブシステムを冷却するための規定の温度まで冷却剤を冷却できないと仮定する。冷却剤が第２のサブシステムを適切に冷却できないので、第２のサブシステムはオーバーヒートするおそれがある。しかし、第２のサブシステムがオーバーヒートしても、第２のサブシステムは機能不良ではなく、むしろ第１のサブシステムが機能不良であり、第２のサブシステムをオーバーヒートさせている。このように、少なくとも異常の発生点を識別できるように統合センサ１２２がより容易に適合される程度まで、統合センサ１２２は、予測的なセンサネットワーク用途に関して向上させられてよい。つまり、統合センサ１２２を含む合成関数は、システム１０４の結合された特徴を包含している。動作環境が変わり、システム１０４に対する第１～第Ｎの入力１０２（ａ）～１０２（ｎ）が変化するにつれ、機械の設計原理に応じて異なるセンサ出力が予想されてよく、合成関数は、異常状態が存在するかどうかを正確に識別することができる。

統合器１１６は、必ずしも物理の法則に基づいて物理センサ１０６を統合しなくてよい。統合器１１６は、システム１０４内の複数のセンサ間の非線形性および互いの相互作用（観測相関および隠れ相関（ｏｂｓｅｒｖｅｄ ａｎｄ ｈｉｄｄｅｎ ｃｏｒｒｅｌａｔｉｏｎ））を考慮することにより、合成関数に依拠して統合センサ１２２を導出する。このように、合成関数に関連付けられた係数のみをデータ統計から計算すればよい（以下でより詳細に説明する）ので、合成関数の同じセット（例えば統計モデル化関数）が、異なるシステムおよび／または事例に向けた異なる統合センサを生成するために再利用されることが可能である。このように、汎用セットの関数は、ほとんどの産業上の物理的システムを網羅して、異なる動作状態間で機能することが可能なモデルを生成してよい。

このように、実施形態は、センサが物理的閾値を超過しているかどうかを単に検出すること、および／または従来のセンサ融合方法に勝っている。むしろ、統合器１１６は、異なるセンサ間の相互作用をモデル化して、そのような相互作用に基づき、異常および異常の発生箇所を検出してよい。統合器１１６は、故障を示す警告を生成してよい。さらに、統合センサ１２２は、時系列データから独立しており、モデル正確性を改善するために継続的学習を必要としなくてよい。この場合、正確性は、使用される相互効果次数の想定（表１を参照）、選択された適切な独立変数、および機械の動作エンベロープ全体を網羅するデータの完全性のみに依存する。物理センサ１０６の統計モデルは、観測相関（隠れ相関を含む）に基づき構築されるので、統合センサ１２２は、高い正確性および決定性を確保する。したがって、実センサの性能のいかなるわずかな逸脱も検出され、このようにタイムリーな予測的メンテナンスの正確性および効率が可能になる。

統合センサ１２２は、ハードウェアおよび／またはソフトウェアの実装形態に（例えば非一時的コンピュータ可読記憶媒体を介して）実装されてよい。統合センサ１２２は、システム１０４の仮想化機械またはデジタルコピーであるベースラインモデルを形成してよい。システム１０４は、航空用エンジン、発電所など、リアルタイムの動作を実行している実際の機械であってよい。統合器１１６および分析器１１０は、複雑で重大な産業システムでの異常検出に特化したものであってよい。統合器１１６および分析器１１０は、トレーニング用に大量のデータを必要としなくてよい。さらに、正確性の高いモデルを統合器１１６が構築するために、故障データの前処理も広範なデータの前処理も（例えば特徴量エンジニアリングも）必要ない。

例として、温度の影響を受けやすい抵抗負荷を有する電気モータについて検討する。電気モータはシステム１０４であってよい。いくつかの実施形態は、統合センサ１２２のうちのそれぞれの各統合センサと、それぞれの統合センサに対応した、物理センサ１０６のうちの対応する実センサとの間で、以下の式１による比較のメトリック（例えばデルタ）を含む。
デルタ＝実センサ値－統合センサ （１）
［式１］
第１～第Ｎの入力１０２ａ～１０２ｎは、この例において３つの独立変数（例えば電圧、外部負荷、温度）を含んでよく、１つの出力変数（例えば電流）が統合センサ１２２によってモデル化されて、統合値が生成されてよい。実電流の実値は、物理センサ１０６によって検知されてよい。統合値が実値と比較されて、異常状態が存在するかどうかが決定されてよい。

いくつかの例は、標的範囲（±１～３％の差）に近い正確性範囲を有してよく、これにより正確なアクションがもたらされる。例えば、正確性が欠けていると、誤警告がトリガされ、検証のために動作が一時中断されることからコストがかかる。他方で、検出漏れは、システム１０４が動作し続けて、最後には破局的な運転停止が強制的に行われることになるので、さらに大きな損害が生じることがある。これに関して、決定性のより高い効果的な手法が必要とされている。

また、何らかの新たな変化状態（例えば機械の退廃に起因した、本来備わっている特性の変化）を検出するために、従来の実装形態では継続的な学習が必要なことがある。例えば、従来の統計モデルは、状態の変化が生じるたびに更新されて、モデル正確性を改善することが必要である。したがって、産業機械の効率は経時的に退廃することから、統計モデルは継続的に更新されることが必要になる。さらに、そのような継続的に学習する異常システムは、これらの変化をキャッチし、新しい変化状態を学習して効率的に異常を検出するために、アルゴリズムが非常に効果的であることを必要とすることがあるが、これは実装するのが難しく、かなりの処理能力を要する。本明細書で説明する実施形態は、向上した融通性により、多数の状況に容易に適合可能なモデルを生成することができる。

図２は、本明細書の実施形態による、異常事象および／または劣化状態を検出する方法３００を示す。方法３００は、本明細書で説明する実施形態、例えばすでに考察した故障検出および処理アーキテクチャ１００（図１）により、概して実装されてよい。実施形態において、方法３００は、機械可読またはコンピュータ可読記憶媒体のセット、例えばランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、ファームウェア、フラッシュメモリなど、構成可能ロジック、例えばプログラマブルロジックアレイ（ＰＬＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、複合プログラマブルロジックデバイス（ＣＰＬＤ）など、回路技術を使用する固定機能ロジックハードウェア、例えば特定用途向け集積回路（ＡＳＩＣ）、相補型金属酸化膜半導体（ＣＭＯＳ）、もしくはトランジスタ－トランジスタロジック（ＴＴＬ技術）など、またはこれらの任意の組み合わせに記憶されたロジック命令のセットとして、１つまたは複数のモジュールに実装される。

例えば、方法３００に示す動作を実施するためのコンピュータプログラムコードは、オブジェクト指向プログラミング言語、例えばＪａｖａ（登録商標）、ＳＭＡＬＬＴＡＬＫ（登録商標）、Ｃ＋＋など、および従来の手続き型プログラミング言語、例えば「Ｃ」プログラミング言語、または同様のプログラミング言語を含む１つまたは複数のプログラミング言語の任意の組み合わせで記述されてよい。さらに、ロジック命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、状態設定データ、集積回路向け構成データ、電子回路をパーソナライズする状態情報、および／またはハードウェア固有の他の構造的構成要素（例えばホストプロセッサ、中央処理装置／ＣＰＵ、マイクロコントローラなど）を含んでよい。

示してある処理ブロック３０２は、第１の複数のセンサの動作を統合する統合センサを生成し、この第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときにシステムの動作の状態を検知し、さらにこの状態は、第１の出力として記憶される。示してある処理ブロック３０４は、統合センサおよび第１の入力に基づき、第２の出力を生成する。示してある処理ブロック３０６は、劣化および異常状態のうちの１つまたは複数が存在するかどうかを、第２の出力に対する第１の出力の比較に基づき検出する。

いくつかの実施形態において、方法３００は、異なる複数のセンサに適用可能な合成関数を生成する段階と、第１の複数のセンサと第１の複数のセンサのセンサ入力との相互作用に基づき、合成関数の係数を調整して、調整済み合成関数を生成する段階と、調整済み合成関数として統合センサを設定する段階とをさらに含む。いくつかの実施形態において、方法３００は、第１の複数のセンサに関連付けられた変数と第１の複数のセンサの入力とに基づき、係数を決定する段階をさらに含む。いくつかの実施形態において、方法３００は、第１の出力および第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出する段階をさらに含む。いくつかの実施形態において、方法３００は、第１の出力と第２の出力との逸脱パターンが閾値を満足していることに応答して、劣化および異常状態のうちの１つまたは複数を検出する段階をさらに含む。統合センサは、第１の複数のセンサのデジタルバージョンである。

図３～７は、合成関数を生成するためのプロセス３５０を示す。プロセス３５０は、本明細書で説明する実施形態、例えば、すでに考察した故障検出および処理アーキテクチャ１００（図１）および／または方法３００（図２）により、概して実装されてよい。プロセス３５０は、合成関数のための合成変数を導出してセンサを統合することに重点を置いてよい。プロセス３５０を示すために、モデル化すべき空気圧システムについて検討する。プロセス３５０は、空気圧システムのシステム圧力を、３つの独立変数（例えば弁位置、ポンプ速度、および温度）の関数として統合する。

図３は、弁位置、速度、および温度グラフ３７０の関数として圧力を示している。示してあるように、一連の圧力曲線３５２、３５４、３５６、３５８、３６０、３６２、３６４、３６６、３６８は、これらの独立変数である弁位置、速度、および温度の関数としてプロットされている。圧力曲線３５２、３５４、３５６、３５８、３６０、３６２、３６４、３６６、３６８の形状は、式２に示すような２次式を使用して、これらの圧力曲線３５２、３５４、３５６、３５８、３６０、３６２、３６４、３６６、３６８をモデル化できることを示唆している。
Ｐ＝Ｃ１．Ｖ^２＋Ｃ２．Ｖ＋Ｃ３ （２）
［式２］
式２において、Ｐは圧力であり、その一方でＶは弁位置である。Ｃ１、Ｃ２、およびＣ３は、係数である。式２は、圧力と弁位置との関係のみを示している。このように、速度（Ｎ）および温度（Ｔ）の変化を明らかにするために、係数Ｃ１、Ｃ２、Ｃ３が、変数ＮおよびＴの関数として表されてよい。例えば、図３に示してあるように、それぞれの圧力曲線３５２、３５４、３５６、３５８、３６０、３６２、３６４、３６６、３６８について、圧力データは一定温度において選択されている。例として、圧力曲線３５２は、温度（Ｔ）１００で速度（Ｎ）５０００を有し、その一方で圧力曲線３５６は、温度（Ｔ）１５０で速度（Ｎ）５０００を有する。それぞれの圧力曲線３５２、３５４、３５６、３５８、３６０、３６２、３６４、３６６、３６８は、以下の式３に示してあるように、２次方程式で表されてよい。
Ｐ＝Ａ．Ｖ^２＋Ｂ．Ｖ＋Ｃ （３）
［式３］
式３において、Ｐは圧力であり、その一方でＶは弁位置である。

図４には、温度が１００Ｆ（３１１Ｋ）に設定された状態（すなわちＴ＝１００Ｆ（３１１Ｋ））で弁位置、速度の関数としての圧力が、グラフ３７２として示してある。このように、圧力曲線３５２、３５４、３５６、３５８、３６０、３６２、３６４、３６６、３６８のうち、温度が１００Ｆ（３１１Ｋ）に設定された３つの圧力曲線３５２、３５８、３６２のみが示してある。この点で、プロセス３５０は、弁Ｖ位置および速度（Ｔ＝１００Ｆ（３１１Ｋ））のみの関数として、圧力Ｐの共通式をより扱いやすく導出してよい。図４において、設定値を含む係数Ａ、Ｂ、Ｃを有するそれぞれの２次方程式が、それぞれの圧力曲線３５２、３５８、３６２の隣に示してある。つまり、圧力曲線３５２は、ｙ＝．００３４Ｘ^２－．７８００ｘ＋６１．００００に対応し、圧力曲線３５８は、ｙ＝．００４０Ｘ^２－．７５６１ｘ＋５１．９９２６に対応し、圧力曲線３６２は、ｙ＝．００４０Ｘ^２－．７４００ｘ＋４８．７４８８に対応する。式３（すなわち２次方程式）のそれぞれの係数（すなわちＡ、Ｂ、Ｃ）を相関させることにより、実施形態は、速度Ｎの関数として係数Ａ、Ｂ、Ｃを導出するための別の２次式を、それぞれ図５、図６、および図７に示してあるように得ることができる。

図５は、速度Ｎおよび一定温度（すなわちＴ＝１００）の関数として、係数Ａをマッピングしたグラフ３８０を示している。曲線３８２は、多項式回帰法に基づく式４による係数Ａのマッピングを示している。
ｙ＝－２．５１０Ｅ－１０Ｘ^２＋１．６８２Ｅ－０６ｘ＋１．２６１Ｅ－０３ （４）
［式４］
このように、係数Ａは、変動することがある所与の速度Ｎについて温度が１００Ｆ（３１１Ｋ）のときに導出されてよい。このように、係数Ａは、温度が１００Ｆ（３１１Ｋ）のときの速度Ｎに基づき、動的に更新されてよい（例えば式４のＸが速度Ｎに設定されて、Ｙ軸に沿った係数Ａの値が導出される）。

図６は、速度Ｎおよび一定温度（Ｔ＝１００）の関数としての係数Ｂのグラフ３８６を示している。曲線３８８は、式５による、多項式回帰法に基づいて導出されてよい係数Ｂを示している。
ｙ＝－３．８９９Ｅ－０９Ｘ^２＋１．１１９Ｅ－０５ｘ＋７．３８５Ｅ－０１ （５）
［式５］
このように、係数Ｂは、変動することがある所与の速度Ｎについて温度が１００Ｆ（３１１Ｋ）のときに導出されてよい。そのため、係数Ｂは、温度が１００Ｆ（３１１Ｋ）のときの速度Ｎに基づき、動的に更新されてよい（例えば式５のＸが速度Ｎに設定されて、Ｙ軸に沿った係数Ｂの値が導出される）。

図７は、速度Ｎおよび一定温度（Ｔ＝１００）の関数としての係数Ｃのグラフ３９０を示している。曲線３９２は、多項式回帰法に基づく式６による係数Ｃを示している。
ｙ＝－２．８８２Ｅ－０６Ｘ^２－１．６９３Ｅ－０２ｘ＋７．３６０Ｅ＋０１ （６）
［式６］
このように、係数Ｃは、変動することがある所与の速度Ｎについて温度が１００Ｆ（３１１Ｋ）のときに導出されてよい。そのため、係数Ｃは、温度が１００Ｆ（３１１Ｋ）のときの速度Ｎに基づき、動的に更新されてよい（例えば式６のＸが速度Ｎに設定されて、Ｙ軸に沿った係数Ｃの値が導出される）。

このように、係数Ａ、Ｂ、Ｃのそれぞれは、グラフ３８０、３８６、３９０および式４、５、６に示してあるように速度および一定温度の関数としてマッピングされてよい。そのため、係数は、速度Ｎに基づく動作中に係数Ａ、Ｂ、Ｃを絶えず動的に更新するよう、速度Ｎに基づき調整されてよい。同様に、曲線３５４、３５６、３６０、３６４、３６６、３６８について他の温度（１２０および１５０）が分析されて、異なる速度Ｎについてそれぞれの温度における係数Ａ、Ｂ、Ｃの式が決定されてよい。

上の式４、５、６は、係数Ａ、Ｂ、Ｃを決定できるように、以下のように書き改められてよい。
Ａ＝Ａ１．Ｎ^２＋Ａ２．Ｎ＋Ａ３ （７）
［式７］
Ｂ＝Ｂ１．Ｎ^２＋Ｂ２．Ｎ＋Ｂ３ （８）
［式８］
Ｃ＝Ｃ１．Ｎ^２＋Ｃ２．Ｎ＋Ｃ３ （９）
［式９］
式７は式４に対応しており、式８は式５に対応しており、式９は式６に対応している。例えば、Ａ１は－２．５１０Ｅに設定されてよく、Ａ２は１．６８２に設定されてよく、Ａ３は１．２６１Ｅ－０３に設定されてよい。Ｂ１は－３．８９９に設定されてよく、Ｂ２は１．１１９に設定されてよく、Ｂ３は７．３８５Ｅ－０１に設定されてよい。Ｃ１は－２．８８２に設定されてよく、Ｃ２は－１．６９３に設定されてよく、Ｃ３は７．３６０に設定されてよい。

さらに、式３の係数Ａ、Ｂ、Ｃは、式７、８、９の等価表現に置換されてよい。このように、いくつかの実施形態は、互いに等しい式１０または式１１により、以下の通りに圧力を得る。
Ｐ＝（Ａ１．Ｎ^２＋Ａ２．Ｎ＋Ａ３）Ｖ^２＋（Ｂ１．Ｎ^２＋Ｂ２．Ｎ＋Ｂ３）Ｖ＋（Ｃ１．Ｎ^２＋Ｃ２．Ｎ＋Ｃ３） （１０）
［式１０］
Ｐ＝Ａ１（Ｎ^２Ｖ^２）＋Ａ２（ＮＶ^２）＋Ａ３（Ｖ^２）＋Ｂ１（Ｎ^２．Ｖ）＋Ｂ２（Ｎ．Ｖ）＋Ｂ３（Ｖ）＋（Ｃ１．Ｎ^２＋Ｃ２．Ｎ＋Ｃ３） （１１）
［式１１］

式１１に基づき、Ｐは、９つの係数（Ａ１、Ａ２、Ａ３、Ｂ１、Ｂ２、Ｂ３、Ｃ１、Ｃ２、Ｃ３）の関数であり、変数の関連群が合成関数と呼ばれる。変数の関連群が、いくつかの生変数（例えば速度Ｎおよびバルブ開度Ｖ）の関数であるので、合成関数という用語が利用される。この例において、合成関数のそれぞれは、異なる次数（例えばＮ^２Ｖ^２、ＮＶ^２、ＮＶなど）の２つの生変数（Ｎ、Ｖ）の関数である。上のプロセス３５０は、残りの２つの温度（１２０、１５０）について繰り返されてよく、図８のアルゴリズム４５４に示すように、合計で２６個の合成関数および定数（Ｘ１、Ｘ２・・・、Ｘ２６、定数）が得られる。

動作中、２６個の合成関数および定数が利用されてよい。ここで図８を見ると、２６個の合成関数は、統合センサ生成および処理アーキテクチャ４５０の態様に対応していてよい。この例において、正確な圧力Ｐは、３つのセンサＶ、Ｎ、Ｔの関数である。弁位置Ｖは、第１の汎用センサＳ１に割り当てられてよく、ポンプ速度Ｎは、第２の汎用センサＳ２に割り当てられてよく、温度Ｔは、第３の汎用センサＳ３に割り当てられてよい（順序は重要ではない）。

さらに詳細に、統合センサ生成および処理アーキテクチャ４５０が示してある。統合センサ生成および処理アーキテクチャ４５０は、本明細書で説明する実施形態、例えば、すでに考察した故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、および／またはプロセス３５０（図３～図７）により、概して実装されてよい。以下の例は、本明細書で説明する変動する弁位置（Ｐ）、速度（Ｎ）、および温度（Ｔ）を有するシステムを参照する。機械センサバスインタフェース４５２が示してある。機械センサバスインタフェース４５２は、検討中のシステムの独立センサの個数を識別し、合計数をアルゴリズムセレクタ４５４に提供してよい。

アルゴリズムセレクタ４５４は、統合センサとして使用すべき合成関数を選択してよい。合成関数の合計数は、以下のパラメータ：１）次数（相互効果次数）、２）係数の個数Ｎｃ＝次数＋１、および３）Ｓｎ：統合センサを導出するために使用される独立センサの個数、に基づき計算されてよい。上の例によれば、相互効果は２次であり（次数＝２）、圧力Ｐを計算するために使用される３つの独立センサ（Ｖ、Ｎ、Ｔ）または第１の汎用センサＳ１、第２の汎用センサＳ２、および第３の汎用センサＳ３を有している。この組み合わせは、以下の式１２を使用することにより、定数を含む２７個の合成関数を提供し、ここでＮｔｏｔａｌは、合成関数の合計数である。
Ｎｔｏｔａｌ＝Ｎｃ＾Ｓｎ （１２）
［式１２］

以下の表１は、センサを統合するために使用されるセンサの個数、ならびに１次、２次、および／または３次など任意の次数であってよい次数の種類（例えば、互いの相互作用および／または相互効果の次数）の関数として、合成関数の合計数を示している。示してあるように、センサおよび次数が増加するにつれて、合成関数の個数は増加してよい。センサの個数は、物理的にモデル化すべきセンサの合計数を含む。

［表１］

表１は、合成関数の合計数を、Ｎ（合成関数によって使用される独立した物理センサの個数）および次数の関数として示している。２次の相互効果を有する３つの変数（Ｓ１、Ｓ２、Ｓ３）についてのこれらの関数の全体的な形態が、以下に式１３で示してあり、アルゴリズムセレクタ４５４にプリロードされる。望まれる場合には、３次などのより高次の相互効果が、同様に行われてよい。
Ｘ１＝（Ｓ１）＾２＊（Ｓ２）＾２＊（Ｓ３）＾２
Ｘ２＝（Ｓ１）＊（Ｓ２）＾２＊（Ｓ３）＾２
Ｘ３＝（Ｓ２）＾２＊（Ｓ３）＾２
Ｘ４＝（Ｓ１）＾２＊（Ｓ２）＊（Ｓ３）＾２
Ｘ５＝（Ｓ１）＊（Ｓ２）＊（Ｓ３）＾２
Ｘ６＝（Ｓ２）＊（Ｓ３）＾２
Ｘ７＝（Ｓ１）＾２＊（Ｓ３）＾２
Ｘ８＝（Ｓ１）＊（Ｓ３）＾２
Ｘ９＝（Ｓ３）＾２
Ｘ１０＝（Ｓ１）＾２＊（Ｓ２）＾２＊（Ｓ３）
Ｘ１１＝（Ｓ１）＊（Ｓ２）＾２＊（Ｓ３）
Ｘ１２＝（Ｓ２）＾２＊（Ｓ３）
Ｘ１３＝（Ｓ１）＾２＊（Ｓ２）＊（Ｓ３）
Ｘ１４＝（Ｓ１）＊（Ｓ２）＊（Ｓ３）
Ｘ１５＝（Ｓ２）＊（Ｓ３）
Ｘ１６＝（Ｓ１）＾２＊（Ｓ３）
Ｘ１７＝（Ｓ１）＊（Ｓ３）
Ｘ１８＝（Ｓ３）
Ｘ１９＝（Ｓ１）＾２＊（Ｓ２）＾２
Ｘ２０＝（Ｓ１）＊（Ｓ２）＾２
Ｘ２１＝（Ｓ２）＾２
Ｘ２２＝（Ｓ１）＾２＊（Ｓ２）
Ｘ２３＝（Ｓ１）＊（Ｓ２）
Ｘ２４＝（Ｓ２）
Ｘ２５＝（Ｓ１）＾２
Ｘ２６＝（Ｓ１）
Ｘ２７＝定数 （１３）
［式１３］

式１３は、式１１に基づいてよい。式１３は、第３のセンサを含み、その一方で式１１は、２つのセンサ（９項に対応）しか含んでおらず、したがって式１３はより広範である（２７項に対応）。上の例において、いくつかの変数は、実施形態の頑健性を損なうことなく、Ｓ１＝Ｎ、Ｓ２＝Ｖ、Ｓ３＝Ｔを含めランダムに割り当てられてよい。Ｎ、Ｖ、およびＴが異なる態様で割り当てられた場合、結果は同じままである。なぜなら、計算は、全ての可能な組み合わせ（すなわち、上で述べた合成関数の合計数）で実行されるからである。式１３の公式は、少なくとも幅広いクラスのシステムにこの公式が適用可能な程度まで汎用性を有していてよい。つまり、式１３の公式は、汎用化されていてよく、まだ特定のシステム向けに規定されていない。

いくつかの実施形態において、式１３は前もってプログラミングされ、次いで特定のシステムについて、特定の相互効果次数および使用される独立センサの個数で調整されてよい。このように、いくつかの実施形態は、それぞれのシステムについて全く新しい合成関数を生成する長いプロセスを回避し、むしろ異なるシステム向けのこれらの合成関数に関連付けられた係数を調整する。

上の表１に示してあるように、４つの異なる生センサが使用される場合、８１個の合成関数（その一部は図示していない）が利用されて、高度に非線形の相互効果プロセスを網羅してよい。この例において、システムは、単に例示を目的として３つの独立センサＭ１～Ｍ３を含む。このように、アルゴリズムセレクタ４５４は、所与の出力センサＭｎをモデル化するために３つのセンサＭ１～Ｍ３が使用されることを決定してよい。上の表１によれば、これら３つの独立センサＭ１～Ｍ３を使用して、２７項（すなわちＸ１～Ｘ２６の合成関数と１つの定数）が計算される。この例において、３つの独立センサは、アルゴリズムセレクタ４５４に表示された汎用センサＳ１、Ｓ２、Ｓ３に割り当てられる。意図的に、大部分の工業プロセスは、１次または２次の挙動を呈するので、結果的に表１に示す２次の相互効果を選択することにより、１次の挙動の事例を含むこれらの事例の大部分をアルゴリズムは網羅することになる。

アルゴリズムセレクタ４５４は、項Ｘ１～Ｘ２７を係数計算器４５６に提供してよい。このように、項（例えばＸ１、Ｘ２、・・・、Ｘｎ、または上のＸ１～Ｘ２７）が選択され、かつ／または計算された後、係数計算器４５６は、（上で説明した）回帰アルゴリズムによって項Ｘ１～Ｘ２７を処理して、３つの出力センサＭｎ１、Ｍｎ２、Ｍｎ３それぞれについて、それぞれ影響係数（ａ１～ａ２７、ｂ１～ｂ２７、ｃ１～ｃ２７）を決定してよい（独立センサＭ１、Ｍ２、Ｍ３は独立したセンサであるが、一方で統合センサＭＳ１、ＭＳ２、ＭＳ３は、機械の構成要素Ｍｎ（例えば、Ｍｎ１、Ｍｎ２、Ｍｎ３の機械出力）に基づき、統合出力を生成したことに留意されたい）。統合センサＭＳ１～ＭＳ３は、独立センサＭ１、Ｍ２、Ｍ３から導出されており、Ｍｎの関連付けられたＭｎ１、Ｍｎ２、Ｍｎ３が、係数計算器４５６に入力される。例えば、多項式回帰法を使用して、上記の係数が推定されてよい。上で説明したプロセス３５０は、係数を決定するために使用されてよく、アルゴリズムセレクタ４５４が、同じ概念で容易に使用される。

上の２７項Ｘ１～Ｘ２７に関連付けられた２７個の係数のセットについて解を求めた後、係数計算器４５６は、実出力センサＭｎ１～Ｍｎ３を表す統合センサＭＳ１～ＭＳ３を得る。プール内の所与の独立センサＭ１～Ｍ３が、所与の機械出力プロセスから独立している場合、統合センサＭＳ１～ＭＳ３のうちモデル化されている統合センサ（すなわち、独立状態であり、選択された独立センサと相関していない）については、その統合センサの最適化プロセス中にゼロ影響係数が取得される。つまり、センサ間の相互作用が存在していないか、または少ししか存在していないので、係数計算器４５６は、ゼロの値を係数に割り当ててよい。対照的に、所与の独立センサＭ１～Ｍ３が、所与の機械出力センサＭｎに効果をもたらす場合には、統合センサＭＳ１～ＭＳ３のうちのモデル化されている対応する統合センサは、その依存度に比例した係数（例えば、Ｃ１、Ｃ２、Ｃ３など）を有することになる。その結果、それぞれの出力センサＭｎ１～Ｍｎ３を、関連付けられたその統合センサＭＳ１～ＭＳ３と比較して、故障を示す逸脱を検出することにより、異常検出を通した正確な予測的メンテナンスが実行されてよい。統合センサＭＳ１～ＭＳ３は、式１４に示す以下の形式を有する。
Ｓ＿統合＝Ｃ１＊Ｘ１＋Ｃ２＊Ｘ２＋Ｃ３＊Ｘ３＋・・・Ｃ２６＊Ｘ２６＋定数 （１４）
［式１４］
式１４は、３つの独立センサＭ１、Ｍ２、Ｍ３が存在することに基づく。このように２７項が使用される。しかし、２つのセンサしか存在しない場合、９項のみ（例えばＣ１～Ｃ８にそれぞれＸ１～Ｘ８を乗算したもの、および定数）が使用され（上の表１および式１１を参照）、残りは事実上ゼロになるように、式１２が調整されてよい。

Ｘ１、Ｘ２、Ｘ３・・・Ｘｎは、任意の個数のセンサと任意の相関の種類（１次、２次、３次など）との任意の組み合わせであってよいことから、合成関数Ｘ１～Ｘ２６の項は、（例えば、広範囲のシステムに適用可能な）汎用合成関数と呼ばれてよい。統合センサの式１４の正確性は、加算で使用される項の個数（例えば、汎用合成関数の個数）、相互効果次数、および使用される独立センサの種類に依存する。汎用関数の同じセットを使用することが可能である。

それぞれの故障モデルを導出するための時間は適切であってよく、生産品質制御（ビルド間のばらつき評価）などの他の用途について自動的に処理するように構成されて、組立体が規格を満足するかどうかを検出し、迅速な解決のために根本的原因を識別してよい。さらに、モデルの構築（例えば係数計算）は、それほどのレイテンシを必要としなくてよいことから、それぞれ個々の機械（例えば個々の健全性プロファイル）は、製造および組立てにおける性能のばらつきを明らかにするために、それ独自のベースラインモデルを有していてよい。このことは、より一層頑健で正確な故障検出モデルにつながる。

係数計算器４５６は、システムおよび項Ｘ１～Ｘ２７に提供される入力に基づき、統合出力Ｍｓを生成してよい。それぞれの各実センサＭｎ１～Ｍｎ３は、それぞれのセンサに関連付けられた観測特性および隠れ特性に応じて調整された定数（例えば、ａ１～ａ２７、ｂ１～ｂ２７、およびｃ１～ｃ２７）を有する項Ｘ１～Ｘ２７によってモデル化されてよい。このように、定数ａ１～ａ２７、ｂ１～ｂ２７、およびｃ１～ｃ２７の値は、様々な動作状態における物理的システムの相互作用に固有の特性に応じて、互いに異なってよい。とりわけ、Ｍｎ１、Ｍｎ２、およびＭｎ３の式の形は、定数ａ１～ａ２７、ｂ１～ｂ２７、およびｃ１～ｃ２７の値が異なることを除き同じである。

係数計算器４５６は、実センサＭｎを表す統合センサＭｓを出力してよい。減算器４５８が、負の値を係数計算器４５６の出力Ｍｓに割り当て、正の値を、入力に基づくシステムからの（物理センサＭ１～Ｍ３からの）出力Ｍｎに割り当ててよい。減算器４５８は、センサごとに出力Ｍｎから出力Ｍｓを引いてよい（例えば、センサＭｓ１の統合値を、センサＭｎ１の実際の物理値から引くなど）。

図９は、実グラフおよび統合グラフ、ならびに比較グラフ４００を示している。グラフ４００は、本明細書で説明する実施形態、例えば故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、および／または統合センサ生成および処理アーキテクチャ４５０（図８）において、概して利用されてよい。グラフ４００は、一定の周囲温度における電気車両の動作状態を模倣するために、可変負荷セレクタに接続された電気モータおよび発電機の例に対応している。３つの実センサを、対応する（本来は重なる）統合センサと比較した相対比較（ｂａｃｋ ｔｏ ｂａｃｋ ｃｏｍｐａｒｉｓｏｎ）が、式１１または１３を使用してグラフ４０２、４０６、４１０に示してある。

統合値の正確性は、センサの実際の読み取り値との差として計算され、統合値は、全体的な差が約０．０１（または誤差１％）の小数（すなわち（統合値－実値）／実値）の単位でグラフ４０４、４０８、４１２に示してある。この例において、第１のセンサはグラフ４０２に対応し、電気モータの全電流（Ａｍｐ１）を示しており、第２のセンサはグラフ４０６に対応し、モータの速度（Ｎ）を示しており、グラフ４１０は第３のセンサに対応し、発電機の端子電圧（Ｖｇ）を表している。入力電圧Ｖｓ（１４～２２ボルト）および負荷セレクタＲ（６０～１００Ω）を独立して変化させることにより、様々な動作状態において試験が実行された。式１１および式１３を参照することにより、以下が得られる。Ｓ１：１４≦Ｖｓ≦２２、Ｓ２：６０≦Ｒ≦１００、Ｓ３：Ｔ＝７８Ｆ（２９９Ｋ）（定数）

確認できるように、同じ式１１または１３を使用して、異なる物理的システムの異なる統合センサが計算された。統計的回帰を使用して２７個の係数について解を求めた後、係数のみが異なっていたが、それぞれの統合センサ向けの式の全体的な形態は同じままであることに留意されたい（全ての統合センサＡｍｐ１、Ｎ、Ｖｇ向けの汎用の共通合成関数）。これらのセンサは、共通システムの一部であり、それぞれのセンサ読み取り値は、第１の原理により規定されるそれぞれのプロセスに本来備わっている特性に依存する。これらの状況下で、これらのプロセスのそれぞれは互いに影響を及ぼし、一定の釣り合い（状態）に達するよう自己調整する。

図１０は、本明細書で説明する実施形態による、検証済みの電気車両（ＥＶ）プラットフォームのグラフ５２０を示す。グラフ５２０は、本明細書で説明する実施形態、例えば、すでに考察した故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、統合センサ生成および処理アーキテクチャ４５０（図８）、ならびに／または実グラフおよび統合グラフおよび比較グラフ４００（図９）により、概して実装されてよい。試験ベンチは、電気モータ、道路プロファイルおよび車両の走行状態をシミュレートするための可変負荷セレクタを有する発電機、メカニカルブレーキを備えていてよく、磁気ブレーキも含まれていた。システムの故障をシミュレートするために、ベンチは、電気回路を起動しその一部分を短絡させて、システムにおける電気短絡および巻線短絡を模倣するためのスイッチも備えていた。

図１０は、異なる走行状態における、進行中に故障が差し挟まれていないそのようなプラットフォームを、リアルタイムの試験で示す。図１０で確認できるように、ベースライン動作中（故障は差し挟まれていない）、統合センサと実センサとの差（デルタ）は（±１％）以内であり、実施形態の正確性および有効性を示している。さらに、少量の故障が差し挟まれるとすぐに、４つの異なるセンサ（全電流（Ｓ１）、発電機電流（Ｓ２）、発電機電圧（Ｓ３）、速度（Ｓ４））のデルタ値において、明確な／有意な変化が観測されて、この方法が異常／故障を検出するのに非常に効果的であることが示された。それぞれの故障は、図に示してあるように、デルタの異なる変化パターンを生成する。例えば、モータインピーダンス故障が差し挟まれたとき、４つ全ての残余誤差が増大したのに対し、発電機インピーダンス故障では、最初の３つの残余誤差のみが増大した。ギアボックスにおいて誘発された駆動摩擦故障は、システムの全電流をかなり増大させたが、その一方で残りの３つの残余誤差は実質的に減少した。ベースライン（またはゼロ）に対するこれらの残余差の正および負の変化は、所与の動作不良モードを識別するために使用可能な故障パターンを形成する。

図１１は、システムに状態を割り当てる方法５００を示す。方法５００は、本明細書で説明する実施形態、例えば、すでに考察した故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、統合センサ生成および処理アーキテクチャ４５０（図８）、実グラフおよび統合グラフおよび比較グラフ４００（図９）、ならびに／または電気車両（ＥＶ）プラットフォームのグラフ５２０（図１０）により、概して実装されてよい。方法５００は、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ファームウェア、フラッシュメモリなどの機械またはコンピュータ可読記憶媒体、例えばＰＬＡ、ＦＰＧＡ、ＣＰＬＤなどの構成可能ロジック、例えばＡＳＩＣ、ＣＭＯＳ、またはＴＴＬ技術などの回路技術を使用する固定機能ロジックハードウェア、またはこれらの任意の組み合わせに記憶されたロジック命令のセットとして、１つまたは複数のモジュールに実装されてよい。

示してある処理ブロック５０２は、合成関数および定数を識別する。合成関数および定数は、多数の多様なシステムに適用可能であってよい。示してある処理ブロック５０４は、特定のシステムに対する合成関数および定数を、その特定のシステムの動作パラメータ（例えば独立センサ入力、印加電圧、電流、温度、圧力、バルブ開度など）に基づき調整する。示してある処理ブロック５０６は、特定のシステムの統合出力を統合する。統合出力は、特定のシステムの健全性挙動をモデル化してよい。示してある処理ブロック５０８は、統合出力が特定のシステムの実出力と一致するかどうかを決定する。例えば、統合出力が実出力から引かれて、差が生成されてよい。差が閾値を満足する場合（すなわち、実出力が統合出力から余分に逸脱している場合）、実出力は、異常であるか、または非定型的挙動を呈している（例えば、実出力はもはや健全な挙動をモデル化していない）と考えられてよい。統合モデルが特定のシステムの実出力に一致しない場合には、示してある処理ブロック５１２は、異常状態および／または劣化状態をシステムに割り当てる。そうでない場合、示してある処理ブロック５１０は正常状態をシステムに割り当てる。示してある処理ブロック５１４は、正常状態が割り当てられているかどうか、または異常状態および／もしくは劣化状態が割り当てられているかどうかに基づき、１つまたは複数のアクションを調整する。例えば、正常状態が割り当てられている場合、メンテナンススケジュールが調整されてよく、特定のシステムに増大した作業負荷が割り当てられてよいなどである。異常状態および／または劣化状態が割り当てられている場合、軽減した作業負荷が特定のシステムに割り当てられてよく、メンテナンスがスケジュールされてよく、特定のシステムの劣化部分が回避されて、利用および／または劣化部分への動作の割り当てが防止されてよいなどである。

ここで図１２を見ると、セキュリティおよび頑健性の向上したコンピューティングシステム１５８が示してある。コンピューティングシステム１５８は、概して、コンピューティング機能（例えば、携帯情報端末／ＰＤＡ、ノートブックコンピュータ、タブレットコンピュータ、コンバーチブル型タブレット、サーバ）、通信機能（例えばスマートフォン）、撮像機能（例えばカメラ、カムコーダ）、メディア再生機能（例えばスマートテレビ／ＴＶ）、ウェアラブル機能（例えば時計、眼鏡、ヘッドウェア、履物、装身具）、運搬機能（例えば車、トラック、オートバイ）、ロボット機能（例えば自律ロボット）など、またはそれらの任意の組み合わせを有する電子デバイス／プラットフォームの一部であってよい。示してある例において、コンピューティングシステム１５８は、システムメモリ１４４に結合される統合メモリコントローラ（ＩＭＣ）１５４を有するホストプロセッサ１３４（例えばＣＰＵ）を含む。

また、示してあるコンピューティングシステム１５８は、ホストプロセッサ１３４とともに実装された入出力（ＩＯ）モジュール１４２、グラフィックスプロセッサ１３２（例えばＧＰＵ）、ＲＯＭ１３６、およびＡＩアクセラレータ１４８も、システムオンチップ（ＳｏＣ）として半導体ダイ１４６上に含む。示してあるＩＯモジュール１４２は、例えばディスプレイ１７２（例えばタッチスクリーン、液晶ディスプレイ／ＬＣＤ、発光ダイオード／ＬＥＤディスプレイ）、ネットワークコントローラ１７４（例えば有線および／または無線）、ＦＰＧＡ１７８、およびマスストレージ１７６（例えばハードディスクドライブ／ＨＤＤ、光ディスク、ソリッドステートドライブ／ＳＳＤ、フラッシュメモリ）と通信する。さらに、ＳｏＣ１４６は、人工知能（ＡＩ）および／またはニューラルネットワーク（ＮＮ）処理に特化したプロセッサ（図示せず）および／またはＡＩアクセラレータ１４８をさらに含んでよい。例えば、システムＳｏＣ１４６は、視覚処理ユニット（ＶＰＵ）、および／またはＡＩアクセラレータ１４８などの他のＡＩ／ＮＮ固有プロセッサなどを含んでよい。いくつかの実施形態において、本明細書で説明する実施形態の任意の態様は、ＡＩアクセラレータ１４８、グラフィックスプロセッサ１３２、および／またはホストプロセッサ１３４など、ＡＩおよび／またはＮＮ処理に特化したプロセッサおよび／またはアクセラレータに実装されてよい。

グラフィックスプロセッサ１３２および／またはホストプロセッサ１３４は、システムメモリ１４４（例えばダイナミックランダムアクセスメモリ）および／またはマスストレージ１７６から取り出した命令１５６を実行して、本明細書で説明する態様を実装してよい。例えば、グラフィックスプロセッサ１３２および／またはホストプロセッサ１３４は、ネットワークコントローラ１７４を介してシステム１３８からデータ（例えばセンサの実出力）を受信してよい。ホストプロセッサ１３４および／またはグラフィックスプロセッサ１３２は、統合出力を生成する統合センサ１６０を生成してよい。グラフィックスプロセッサ１３２および／またはホストプロセッサ１３４は、統合出力を物理的出力と比較して、異常が生じているかどうかを決定してよい。

命令１５６が実行されたとき、コンピューティングシステム１５８は、本明細書で説明する実施形態の１つまたは複数の態様を実装してよい。例えば、コンピューティングシステム１５８は、すでに考察した故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、統合センサ生成および処理アーキテクチャ４５０（図８）、実グラフおよび統合グラフおよび比較グラフ４００（図９）、電気車両（ＥＶ）プラットフォームのグラフ５２０（図１０）、および／または方法５００（図１１）のうちの１つまたは複数の態様を実装してよい。したがって、示してあるコンピューティングシステム１５８は、少なくとも、減少したレイテンシおよび計算リソースでコンピューティングシステム１５８が効率的な方法で異常を頑健に検出可能になる程度まで、性能が向上していると考えられる。

図１３は、半導体装置１８６（例えばチップ、ダイ、パッケージ）を示している。示してある装置１８６は、１つまたは複数の基板１８４（例えばシリコン、サファイア、ガリウムヒ素）、および基板１８４に結合されたロジック１８２（例えばトランジスタアレイ、および他の集積回路／ＩＣ構成要素）を含む。実施形態において、装置１８６は、アプリケーション開発段階において動作し、ロジック１８２は、例えば本明細書で説明する実施形態の１つまたは複数の態様を実行する。装置１８６は、本明細書で説明する実施形態、例えば、すでに考察した故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、統合センサ生成および処理アーキテクチャ４５０（図８）、実グラフおよび統合グラフおよび比較グラフ４００（図９）、電気車両（ＥＶ）プラットフォームのグラフ５２０（図１０）、および／または方法５００（図１１）を、概して実装してよい。ロジック１８２は、構成可能ロジックまたは機能固定型ハードウェアロジックに少なくとも部分的に実装されてよい。一例において、ロジック１８２は、基板１８４内に配置された（例えば埋め込まれた）トランジスタチャネル領域を含む。このようにロジック１８２と基板１８４とのインタフェースは、階段接合でなくてよい。ロジック１８２は、基板１８４の初期ウェハ上で成長するエピタキシャル層を含むとも考えられてよい。

図１４は、一実施形態によるプロセッサコア２００を示している。プロセッサコア２００は、マイクロプロセッサ、埋め込みプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、またはコードを実行するための他のデバイスなどの任意の種類のプロセッサに対するコアであってよい。図１４には、１つのプロセッサコア２００のみを示しているが、処理要素は代替的に、図１４に示してあるプロセッサコア２００を２つ以上含んでよい。プロセッサコア２００は、シングルスレッドコアであってもよいし、または少なくとも一実施形態について、プロセッサコア２００は、コアごとに２つ以上のハードウェアスレッドコンテキスト（もしくは「ロジカルプロセッサ」）を含んでよいという点で、マルチスレッドであってもよい。

図１４は、プロセッサコア２００に結合されたメモリ２７０も示している。メモリ２７０は、当業者にとって既知か、そうでなければ当業者にとって利用可能な（メモリ階層の様々な層を含む）多種多様なメモリのいずれかであってよい。メモリ２７０、プロセッサコア２００によって実行される１つまたは複数のコード２１３命令を含んでよく、コード２１３は、実施形態の１つまたは複数の態様、例えばすでに考察した故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、統合センサ生成および処理アーキテクチャ４５０（図８）、実グラフおよび統合グラフおよび比較グラフ４００（図９）、電気車両（ＥＶ）プラットフォームのグラフ５２０（図１０）、および／または方法５００（図１１）などを実装してよい。プロセッサコア２００は、コード２１３によって示される命令のプログラムシーケンスに従う。それぞれの命令は、フロントエンド部２１０に入ってよく、１つまたは複数のデコーダ２２０によって処理されてよい。デコーダ２２０は、予め定義されたフォーマットの固定幅マイクロオペレーションなどのマイクロオペレーションをその出力として生成してもよいし、または元のコード命令を反映する他の命令、マイクロ命令、もしくは制御信号を生成してもよい。示してあるフロントエンド部２１０はまた、レジスタリネーミングロジック２２５と、スケジューリングロジック２３０とを含み、これらは概して、リソースを割り当てて、変換命令に対応する動作を実行のためにキューに入れる。

プロセッサコア２００は、実行ユニット２５５－１から２５５－Ｎのセットを有する実行ロジック２５０を含んだ状態で示してある。いくつかの実施形態は、特定の機能または機能のセットに特化したいくつかの実行ユニットを含んでよい。他の実施形態は、１つの実行ユニットのみを含んでもよいし、または特定の機能を実行可能な１つの実行ユニットを含んでもよい。示してある実行ロジック２５０は、コード命令によって規定された動作を実行する。

コード命令によって規定された動作の実行が完了した後、バックエンドロジック２６０は、コード２１３の命令をリタイアする。一実施形態において、プロセッサコア２００は、アウトオブオーダ実行を可能にするが、命令のインオーダリタイアメントを必要とする。リタイアメントロジック２６５は、当業者に既知の様々な形態を取ってよい（例えば、リオーダバッファなど）。このように、プロセッサコア２００は、少なくとも、デコーダによって生成される出力、レジスタリネーミングロジック２２５によって利用されるハードウェアレジスタおよびテーブル、ならびに実行ロジック２５０によって修正される任意のレジスタ（図示せず）に関して、コード２１３の実行中に変換される。

図１４には示されていないが、処理要素は、プロセッサコア２００とともにチップ上の他の要素を含んでよい。例えば、処理要素は、プロセッサコア２００とともにメモリ制御ロジックを含んでよい。処理要素は、Ｉ／Ｏ制御ロジックを含んでよく、かつ／またはメモリ制御ロジックと一体化したＩ／Ｏ制御ロジックを含んでよい。処理要素は、１つまたは複数のキャッシュも含んでよい。

ここで図１５を参照すると、実施形態によるコンピューティングシステム１０００の実施形態のブロック図が示してある。図１５には、第１の処理要素１０７０および第２の処理要素１０８０を含むマルチプロセッサシステム１０００が示してある。２つの処理要素１０７０および１０８０を示しているが、その一方で、システム１０００の実施形態は、そのような処理要素を１つのみ含んでもよいことが理解されるべきである。

システム１０００は、ポイントツーポイント相互接続システムとして示してあり、第１の処理要素１０７０および第２の処理要素１０８０は、ポイントツーポイント相互接続１０５０を介して結合されている。図１５に示してあるいずれかまたは全ての相互接続は、ポイントツーポイント相互接続ではなくマルチドロップバスとして実装されてよいことが理解されるべきである。

図１５に示してあるように、処理要素１０７０および１０８０のそれぞれは、第１および第２のプロセッサコア（すなわち、プロセッサコア１０７４ａおよび１０７４ｂならびにプロセッサコア１０８４ａおよび１０８４ｂ）を含むマルチコアプロセッサであってよい。そのようなコア１０７４ａ、１０７４ｂ、１０８４ａ、１０８４ｂは、図１４に関して上で考察したのと同様に、命令コードを実行するように構成されてよい。

それぞれの処理要素１０７０、１０８０は、少なくとも１つの共有キャッシュ１８９６ａ、１８９６ｂを含んでよい。共有キャッシュ１８９６ａ、１８９６ｂは、それぞれコア１０７４ａ、コア１０７４ｂ、およびコア１０８４ａ、コア１０８４ｂなどのプロセッサの１つまたは複数の構成要素によって利用されるデータ（例えば、命令）を記憶してよい。例えば、共有キャッシュ１８９６ａ、１８９６ｂは、プロセッサの構成要素によるより高速なアクセスのために、メモリ１０３２、１０３４に記憶されたデータをローカルにキャッシュしてよい。１つまたは複数の実施形態において、共有キャッシュ１８９６ａ、１８９６ｂは、レベル２（Ｌ２）、レベル３（Ｌ３）、レベル４（Ｌ４）、もしくは他のレベルのキャッシュなどの１つまたは複数の中間レベルのキャッシュ、ラストレベルキャッシュ（ＬＬＣ）、および／またはそれらの組み合わせを含んでよい。

２つの処理要素１０７０、１０８０のみを有するものとして示してあるが、その一方で、実施形態の範囲はこのように限定されないことが理解されるべきである。他の実施形態において、１つまたは複数の追加の処理要素が、所与のプロセッサに存在してよい。代替的に、処理要素１０７０、１０８０のうちの１つまたは複数は、アクセラレータまたはフィールドプログラマブルゲートアレイなど、プロセッサ以外の要素であってよい。例えば、追加の処理要素は、第１のプロセッサ１０７０と同じ追加のプロセッサ、第１のプロセッサ１０７０のプロセッサとは異種または非対称の追加のプロセッサ、アクセラレータ（例えば、グラフィックスアクセラレータもしくはデジタル信号処理（ＤＳＰ）ユニットなど）、フィールドプログラマブルゲートアレイ、または任意の他の処理要素を含んでよい。アーキテクチャ特性、マイクロアーキテクチャ特性、熱特性、消費電力特性などを含む利点の計量範囲に関して、処理要素１０７０、１０８０の間に様々な差が存在してよい。これらの差は、処理要素１０７０、１０８０の間の非対称性および異種性として、それら自身を効果的に明示してよい。少なくとも一実施形態について、様々な処理要素１０７０、１０８０は、同一のダイパッケージに常在してよい。

第１の処理要素１０７０は、メモリコントローラロジック（ＭＣ）１０７２およびポイントツーポイント（Ｐ－Ｐ）インタフェース１０７６および１０７８をさらに含んでよい。同様に、第２の処理要素１０８０は、ＭＣ１０８２、ならびにＰ－Ｐインタフェース１０８６および１０８８を含んでよい。図１５に示してあるように、ＭＣ１０７２および１０８２は、プロセッサをそれぞれのメモリ、すなわちメモリ１０３２およびメモリ１０３４に結合し、これらのメモリは、それぞれのプロセッサにローカルに取り付けられたメインメモリの一部分であってよい。ＭＣ１０７２および１０８２は、処理要素１０７０、１０８０に一体化されたものとして示してあるが、その一方で、代替の実施形態については、ＭＣロジックは、それらに一体化されているのではなく、処理要素１０７０、１０８０の外部のディスクリートロジックであってよい。

第１の処理要素１０７０および第２の処理要素１０８０は、それぞれＰ－Ｐ相互接続１０７６、１０８６を介して、Ｉ／Ｏサブシステム１０９０に結合されてよい。図１５に示してあるように、Ｉ／Ｏサブシステム１０９０は、Ｐ－Ｐインタフェース１０９４および１０９８を含む。さらに、Ｉ／Ｏサブシステム１０９０は、Ｉ／Ｏサブシステム１０９０を高性能グラフィックスエンジン１０３８に結合するためのインタフェース１０９２を含む。一実施形態において、バス１０４９は、グラフィックスエンジン１０３８をＩ／Ｏサブシステム１０９０に結合するために使用されてよい。代替的に、ポイントツーポイント相互接続が、これらの構成要素を結合してよい。

さらに、Ｉ／Ｏサブシステム１０９０は、インタフェース１０９６を介して第１のバス１０１６に結合されてよい。一実施形態において、第１のバス１０１６は、ペリフェラルコンポーネントインターコネクト（ＰＣＩ）バスであってもよいし、またはＰＣＩエクスプレスバスなどのバスであってもよいし、または別の第３世代Ｉ／Ｏ相互接続バスであってもよいが、実施形態の範囲はこのように限定されない。

図１５に示してあるように、様々なＩ／Ｏデバイス１０１４（例えば、生体スキャナ、スピーカ、カメラ、センサ）は、第１のバス１０１６を第２のバス１０２０に結合することができるバスブリッジ１０１８とともに、第１のバス１０１６に結合されてよい。一実施形態において、第２のバス１０２０は、ローピンカウント（ＬＰＣ）バスであってよい。一実施形態において、例えば、キーボード／マウス１０１２、通信デバイス１０２６、およびデータストレージユニット１０１９、例えばディスクドライブ、またはコード１０３０を含んでよい他のマスストレージデバイスを含む様々なデバイスが、第２のバス１０２０に結合されてよい。示してあるコード１０３０は、例えば故障検出および処理アーキテクチャ１００（図１）、方法３００（図２）、プロセス３５０（図３～図７）、統合センサ生成および処理アーキテクチャ４５０（図８）、実グラフおよび統合グラフおよび比較グラフ４００（図９）、電気車両（ＥＶ）プラットフォームのグラフ５２０（図１０）、および／または方法５００（図１１）などのうちの１つまたは複数の態様を実装してよい。さらに、オーディオＩ／Ｏ１０２４が第２のバス１０２０に結合されてよく、バッテリ１０１０がコンピューティングシステム１０００に電力を供給してよい。

他の実施形態が企図されることに留意されたい。例えば、図１５のポイントツーポイントアーキテクチャの代わりに、システムは、マルチドロップバスまたは別のそのような通信トポロジを実装してよい。また、図１５の要素は代替的に、図１５に示すものより多いまたは少ない集積チップを使用して分割されてよい。

追加的な注記および例

例１は、コンピューティングシステムであって、第１の入力に基づきシステムがプロセスを実行するときに、システムの動作の状態を検知する第１の複数のセンサを有するデバイスと通信するためのネットワークコントローラであって、状態が第１の出力として記憶される、ネットワークコントローラと、ネットワークコントローラに結合されたプロセッサと、プロセッサに結合されたメモリであって、プロセッサによって実行されたときにコンピューティングシステムに、第１の複数のセンサの動作を統合する統合センサを生成させ、統合センサおよび第１の入力に基づき第２の出力を生成させ、第２の出力に対する第１の出力の比較に基づき、劣化および異常状態のうちの１つまたは複数が存在するかどうかを検出させる実行可能プログラム命令のセットを含むメモリとを備えるコンピューティングシステムを含む。

例２は、例１に記載のコンピューティングシステムであって、実行可能プログラム命令は、実行されたときコンピューティングシステムに、異なる複数のセンサに適用可能な合成関数を生成させ、第１の複数のセンサ間の相互作用に基づき合成関数の係数を調整させて、調整済み合成関数を生成させ、統合センサを調整済み合成関数として設定させる、コンピューティングシステムを含む。

例３は、例２に記載のコンピューティングシステムであって、実行可能プログラム命令は、実行されたときコンピューティングシステムに、第１の複数のセンサに関連付けられた変数に基づき係数を決定させる、コンピューティングシステムを含む。

例４は、例１から３のいずれか１つに記載のコンピューティングシステムであって、実行可能プログラム命令は、実行されたときコンピューティングシステムに、第１の出力および第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常動作状態を検出させる、コンピューティングシステムを含む。

例５は、例１から４のいずれか１つに記載のコンピューティングシステムであって、実行可能プログラム命令は、実行されたときコンピューティングシステムに、第１の出力と第２の出力との逸脱パターンが閾値を満足していることに応答して、劣化および異常状態のうちの１つまたは複数を検出させる、コンピューティングシステムを含む。

例６は、例１から５のいずれか１つに記載のコンピューティングシステムであって、統合センサが第１の複数のセンサのデジタルバージョンである、コンピューティングシステムを含む。

例７は、半導体装置であって、１つまたは複数の基板と、１つまたは複数の基板に結合されたロジックであって、ロジックが、構成可能ロジックまたは機能固定型ロジックハードウェアのうちの１つまたは複数に実装されており、１つまたは複数の基板に結合されたロジックが、第１の複数のセンサの動作を統合する統合センサを生成することであって、第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するとき、システムの動作の状態を検知するためのものであり、状態が第１の出力として記憶される、生成することを行い、統合センサおよび第１の入力に基づき、第２の出力を生成することを行い、劣化および異常状態のうちの１つまたは複数が存在するかどうかを、第２の出力に対する第１の出力の比較に基づき検出することを行うためのものである、ロジックとを備える半導体装置を含む。

例８は、例７に記載の装置であって、１つまたは複数の基板に結合されたロジックが、異なる複数のセンサに適用可能な合成関数を生成し、第１の複数のセンサ間の相互作用に基づき合成関数の係数を調整して、調整済み合成関数を生成し、統合センサを調整済み合成関数として設定するためのものである、装置を含む。

例９は、例８に記載の装置であって、１つまたは複数の基板に結合されたロジックが、第１の複数のセンサに関連付けられた変数に基づき係数を決定するためのものである、装置を含む。

例１０は、例７から９のいずれか１つに記載の装置であって、１つまたは複数の基板に結合されたロジックは、第１の出力および第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常動作状態を検出するためのものである、装置を含む。

例１１は、例７から１０のいずれか１つに記載の装置であって、１つまたは複数の基板に結合されたロジックは、第１の出力と第２の出力との逸脱パターンが閾値を満足していることに応答して、劣化および異常状態のうちの１つまたは複数を検出するためのものである、装置を含む。

例１２は、例７から１１のいずれか１つに記載の装置であって、統合センサが第１の複数のセンサのデジタルバージョンである、装置を含む。

例１３は、例７に記載の装置であって、１つまたは複数の基板に結合されたロジックが、１つまたは複数の基板内に配置されたトランジスタチャネル領域を含む、装置を含む。

例１４は、コンピューティングシステムによって実行されたときコンピューティングシステムに、第１の複数のセンサの動作を統合する統合センサを生成することであって、第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するとき、システムの動作の状態を検知するためのものであり、状態が第１の出力として記憶される、生成することと、統合センサおよび第１の入力に基づき、第２の出力を生成することと、劣化および異常状態のうちの１つまたは複数が存在するかどうかを、第２の出力に対する第１の出力の比較に基づき検出することとを行わせる実行可能プログラム命令のセットを備える、少なくとも１つのコンピュータ可読記憶媒体。

例１５は、例１４に記載の少なくとも１つのコンピュータ可読記憶媒体であって、命令は、実行されたときコンピューティングシステムに、異なる複数のセンサに適用可能な合成関数を生成することと、第１の複数のセンサ間の相互作用に基づき合成関数の係数を調整して、調整済み合成関数を生成することと、統合センサを調整済み合成関数として設定することとをさらに行わせる、少なくとも１つのコンピュータ可読記憶媒体を含む。

例１６は、例１５に記載の少なくとも１つのコンピュータ可読記憶媒体であって、命令は、実行されたときコンピューティングシステム、第１の複数のセンサに関連付けられた変数に基づき係数を決定することをさらに行わせる、少なくとも１つのコンピュータ可読記憶媒体を含む。

例１７は、例１４から１６のいずれか１つに記載の少なくとも１つのコンピュータ可読記憶媒体であって、命令は、実行されたときコンピューティングシステムに、第１の出力および第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常動作状態を検出することをさらに行わせる、少なくとも１つのコンピュータ可読記憶媒体を含む。

例１８は、例１４から１７のいずれか１つに記載の少なくとも１つのコンピュータ可読記憶媒体であって、命令は、実行されたときコンピューティングシステムに、第１の出力と第２の出力との逸脱パターンが閾値を満足していることに応答して、劣化および異常状態のうちの１つまたは複数を検出することをさらに行わせる、少なくとも１つのコンピュータ可読記憶媒体を含む。

例１９は、例１４から１８のいずれか１つに記載の少なくとも１つのコンピュータ可読記憶媒体であって、統合センサが第１の複数のセンサのデジタルバージョンである、少なくとも１つのコンピュータ可読記憶媒体を含む。

例２０は、方法であって、第１の複数のセンサの動作を統合する統合センサを生成する段階であって、第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するとき、システムの動作の状態を検知し、この状態は、第１の出力として記憶される、段階と、統合センサおよび第１の入力に基づき、第２の出力を生成する段階と、劣化および異常状態のうちの１つまたは複数が存在するかどうかを、第２の出力に対する第１の出力の比較に基づき検出する段階とを備える方法を含む。

例２１は、例２０に記載の方法であって、異なる複数のセンサに適用可能な合成関数を生成する段階と、第１の複数のセンサ間の相互作用に基づき、合成関数の係数を調整して、調整済み合成関数を生成する段階と、統合センサを調整済み合成関数として設定する段階とをさらに備える、方法。

例２２は、例２１に記載の方法であって、第１の複数のセンサに関連付けられた変数に基づき係数を決定する段階をさらに備える、方法を含む。

例２３は、例２０から２２のいずれか１つに記載の方法であって、第１の出力および第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常動作状態を検出する段階をさらに備える方法を含む。

例２４は、例２０から２３のいずれか１つに記載の方法であって、第１の出力と第２の出力との逸脱パターンが閾値を満足していることに応答して、劣化および異常状態のうちの１つまたは複数を検出する段階をさらに備える方法を含む。

例２５は、例２０から２４のいずれか１つに記載の方法であって、統合センサが第１の複数のセンサのデジタルバージョンである、方法を含む。

例２６は、装置であって、第１の複数のセンサの動作を統合する統合センサを生成するための手段であって、第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するとき、システムの動作の状態を検知し、この状態は、第１の出力として記憶される、手段と、統合センサおよび第１の入力に基づき、第２の出力を生成するための手段と、劣化および異常状態のうちの１つまたは複数が存在するかどうかを、第２の出力に対する第１の出力の比較に基づき検出するための手段とを備える装置を含む。

例２７は、例２６の装置であって、異なる複数のセンサに適用可能な合成関数を生成するための手段と、第１の複数のセンサ間の相互作用に基づき、合成関数の係数を調整して、調整済み合成関数を生成するための手段と、統合センサを調整済み合成関数として設定するための手段とをさらに備える装置を含む。

例２８は、例２７に記載の装置であって、第１の複数のセンサに関連付けられた変数に基づき係数を決定するための手段をさらに備える装置を含む。

例２９は、例２６から２８のいずれか１つに記載の装置であって、第１の出力および第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常動作状態を検出するための手段をさらに備える装置を含む。

例３０は、例２６から２９のいずれか１つに記載の装置であって、第１の出力と第２の出力との逸脱パターンが閾値を満足していることに応答して、劣化および異常状態のうちの１つまたは複数を検出するために手段をさらに備える装置を含む。

例３１は、例２６から３０のいずれか１つに記載の装置であって、統合センサが第１の複数のセンサのデジタルバージョンである、装置を含む。

このように、本明細書で説明する技術は、誤差または異常事象が生じているかどうかを分析するための向上した装置、システム、および方法を提供してよい。この技術は、動作状態に基づく予想される出力とセンサの出力とが一致するかどうかを効果的に追跡するための、動作状態に基づき変化する適合可能な分析に基づいていてよい。さらに、本明細書で説明する実施形態は、システム内の異なる構成要素間の相互作用を効果的にモデル化して、誤差および異常が生じているかどうかを正確に識別してよい。

実施形態は、全ての種類の半導体集積回路（「ＩＣ」）チップとの併用に適用可能である。これらのＩＣチップの例は、プロセッサ、コントローラ、チップセットコンポーネント、プログラマブルロジックアレイ（ＰＬＡ）、メモリチップ、ネットワークチップ、システムオンチップ（ＳｏＣ）、ＳＳＤ／ＮＡＮＤコントローラＡＳＩＣなどを含むが、これらに限定されない。さらに、いくつかの図においては、信号導線が線で表されている。いくつかは、より多くの成分信号パスを示すために異なっていてよく、複数の成分信号パスを示すために番号ラベルを有してよく、かつ／または主要情報の流れ方向を示すために１つまたは複数の端部に矢印を有してよい。しかし、このことは限定的に解釈されるべきではない。むしろ、そのような追加の詳細事項は、回路をより簡単に理解できるようにするため、１つまたは複数の例示的な実施形態に関連して使用されてよい。追加情報を有しているか否かにかかわらず、表される任意の信号線は、実際には、複数の方向に伝播してよい１つまたは複数の信号を備えてよく、任意の適切な種類の信号方式、例えば差動対で実装されるデジタル線またはアナログ線、光ファイバ線、および／または、シングルエンド線で実装されてよい。

例示的なサイズ／モデル／値／範囲が与えられることがあるが、実施形態はこれに限定されない。製造技術（例えば、フォトリソグラフィ）が経時的に成熟するにつれて、より小型のデバイスが製造可能になることが予想される。さらに、図示および考察を簡単にし、実施形態の特定の態様を不明瞭にしないために、ＩＣチップおよび他の構成要素に対する周知の電力接続／グラウンド接続は、図面内に示されても示されなくてもよい。さらに、構成はブロック図形態で示されてよい。これは、実施形態を不明瞭にすることを防止するためであり、かつそのようなブロック図構成の実装に関する詳細事項は、実施形態が実装されるプラットフォームに大きく依存するということ、すなわちそのような詳細事項は十分に当業者の認識範囲内にあるはずだということを考慮したものである。例示的な実施形態を説明するために具体的な詳細事項（例えば回路）が記載される場合、これらの具体的な詳細事項なしで、またはこれらの具体的な詳細事項の変形形態を用いて、実施形態を実施可能であることが当業者には明らかなはずである。このように、説明は、限定的ではなく例示的とみなされるべきである。

「結合された」という用語は、本明細書において、問題の構成要素間の任意の種類の関係、直接的かまたは間接的かを指すために使用されてよく、電気的接続、機械的接続、流体接続、光学的接続、電磁的接続、電子機械的接続、または他の接続に適用されてよい。さらに、「第１の」、「第２の」などの用語は、単に考察を容易にするために本明細書で使用されてよく、別段に示されない限り、特定の時間的または時系列的な意味を保有しない。

本出願および特許請求の範囲で使用されるように、「のうち１つまたは複数」という用語によって接続された項目のリストは、列挙された用語の任意の組み合わせを意味してよい。例えば、「Ａ、Ｂ、またはＣのうちの１つまたは複数」という表現は、Ａ、Ｂ、Ｃ；ＡおよびＢ；ＡおよびＣ；ＢおよびＣ；またはＡ、ＢおよびＣを意味してよい。

当業者は、前述の説明から、実施形態の広範な技術が様々な形態で実装可能であることを理解するであろう。したがって、実施形態は、その特定の例に関連して説明されてきたが、その一方で、図面、明細書、および以下の特許請求の範囲を検討すれば、他の修正例が当業者には明らかになることから、実施形態の真の範囲はそれに限定されるべきではない。
（他の可能な項目）
（項目１）
コンピューティングシステムであって、
第１の入力に基づきシステムがプロセスを実行するときに、前記システムの動作の状態を検知する第１の複数のセンサを有するデバイスと通信するためのネットワークコントローラであって、前記状態が第１の出力として記憶される、ネットワークコントローラと、
前記ネットワークコントローラに結合されたプロセッサと、
前記プロセッサに結合されたメモリであって、前記プロセッサによって実行されたとき前記コンピューティングシステムに、
前記第１の複数のセンサの動作を統合する統合センサを生成させ、
前記統合センサおよび前記第１の入力に基づき、第２の出力を生成させ、
劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出させる
実行可能プログラム命令のセットを有するメモリと
を備えるコンピューティングシステム。
（項目２）
前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
異なる複数のセンサに適用可能な合成関数を生成させ、
前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整させて、調整済み合成関数を生成させ、
前記統合センサを前記調整済み合成関数として設定させる、
項目１に記載のコンピューティングシステム。
（項目３）
前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定させる、
項目２に記載のコンピューティングシステム。
（項目４）
前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常動作状態を検出させる、
項目１に記載のコンピューティングシステム。
（項目５）
前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出させる、
項目１に記載のコンピューティングシステム。
（項目６）
前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、項目１に記載のコンピューティングシステム。
（項目７）
半導体装置であって、
１つまたは複数の基板と、
前記１つまたは複数の基板に結合されたロジックであって、前記ロジックが、構成可能ロジックまたは機能固定型ロジックハードウェアのうちの１つまたは複数に実装されており、前記１つまたは複数の基板に結合されたロジックが、
第１の複数のセンサの動作を統合する統合センサを生成することであって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知するためのものであり、前記状態が第１の出力として記憶される、生成することを行い、
前記統合センサおよび前記第１の入力に基づき、第２の出力を生成することを行い、
劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出することを行うためのものである、ロジックと
を備える半導体装置。
（項目８）
前記１つまたは複数の基板に結合された前記ロジックが、
異なる複数のセンサに適用可能な合成関数を生成し、
前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整して、調整済み合成関数を生成し、
前記統合センサを前記調整済み合成関数として設定するためのものである、
項目７に記載の装置。
（項目９）
前記１つまたは複数の基板に結合された前記ロジックが、
前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定するためのものである、
項目８に記載の装置。
（項目１０）
前記１つまたは複数の基板に結合された前記ロジックが、
前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出するためのものである、
項目７に記載の装置。
（項目１１）
前記１つまたは複数の基板に結合された前記ロジックが、
前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出するためのものである、
項目７に記載の装置。
（項目１２）
前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、項目７に記載の装置。
（項目１３）
前記１つまたは複数の基板に結合された前記ロジックが、前記１つまたは複数の基板内に配置されたトランジスタチャネル領域を有する、項目７に記載の装置。
（項目１４）
コンピューティングシステムによって実行されたとき前記コンピューティングシステムに、
第１の複数のセンサの動作を統合する統合センサを生成することであって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知するためのものであり、前記状態が第１の出力として記憶される、生成することと、
前記統合センサおよび前記第１の入力に基づき、第２の出力を生成することと、
劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出することと
を行わせる実行可能プログラム命令のセットを備える、少なくとも１つのコンピュータ可読記憶媒体。
（項目１５）
前記命令は、実行されたとき前記コンピューティングシステムに、
異なる複数のセンサに適用可能な合成関数を生成することと、
前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整して、調整済み合成関数を生成することと、
前記統合センサを前記調整済み合成関数として設定することと
をさらに行わせる、項目１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目１６）
前記命令は、実行されたとき前記コンピューティングシステムに、
前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定すること
をさらに行わせる、項目１５に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目１７）
前記命令は、実行されたとき前記コンピューティングシステムに、
前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出すること
をさらに行わせる、項目１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目１８）
前記命令は、実行されたとき前記コンピューティングシステムに、
前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出すること
をさらに行わせる、項目１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目１９）
前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、項目１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目２０）
方法であって、
第１の複数のセンサの動作を統合する統合センサを生成する段階であって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知し、前記状態が第１の出力として記憶される、生成する段階と、
前記統合センサおよび前記第１の入力に基づき、第２の出力を生成する段階と、
劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出する段階と
を備える方法。
（項目２１）
異なる複数のセンサに適用可能な合成関数を生成する段階と、
前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整して、調整済み合成関数を生成する段階と、
前記統合センサを前記調整済み合成関数として設定する段階と
をさらに備える、項目２０に記載の方法。
（項目２２）
前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定する段階
をさらに備える、項目２１に記載の方法。
（項目２３）
前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出する段階
をさらに備える、項目２０に記載の方法。
（項目２４）
前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出する段階
をさらに備える、項目２０に記載の方法。
（項目２５）
前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、項目２０に記載の方法。

Claims (25)

1. コンピューティングシステムであって、
   第１の入力に基づきシステムがプロセスを実行するときに、前記システムの動作の状態を検知する第１の複数のセンサを有するデバイスと通信するためのネットワークコントローラであって、前記状態が第１の出力として記憶される、ネットワークコントローラと、
   前記ネットワークコントローラに結合されたプロセッサと、
   前記プロセッサに結合されたメモリであって、前記プロセッサによって実行されたとき前記コンピューティングシステムに、
   前記第１の複数のセンサの動作を統合する統合センサを生成させ、
   前記統合センサおよび前記第１の入力に基づき、第２の出力を生成させ、
   劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出させる
   実行可能プログラム命令のセットを有するメモリと
   を備えるコンピューティングシステム。
2. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
   異なる複数のセンサに適用可能な合成関数を生成させ、
   前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整させて、調整済み合成関数を生成させ、
   前記統合センサを前記調整済み合成関数として設定させる、
   請求項１に記載のコンピューティングシステム。
3. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
   前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定させる、
   請求項２に記載のコンピューティングシステム。
4. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
   前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出させる、
   請求項１に記載のコンピューティングシステム。
5. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
   前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出させる、
   請求項１に記載のコンピューティングシステム。
6. 前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、請求項１から５のいずれか１項に記載のコンピューティングシステム。
7. 半導体装置であって、
   １つまたは複数の基板と、
   前記１つまたは複数の基板に結合されたロジックであって、前記ロジックが、構成可能ロジックまたは機能固定型ロジックハードウェアのうちの１つまたは複数に実装されており、前記１つまたは複数の基板に結合された前記ロジックが、
   第１の複数のセンサの動作を統合する統合センサを生成することであって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知するためのものであり、前記状態が第１の出力として記憶される、生成することを行い、
   前記統合センサおよび前記第１の入力に基づき、第２の出力を生成することを行い、
   劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出することを行うためのものである、ロジックと
   を備える半導体装置。
8. 前記１つまたは複数の基板に結合された前記ロジックが、
   異なる複数のセンサに適用可能な合成関数を生成し、
   前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整して、調整済み合成関数を生成し、
   前記統合センサを前記調整済み合成関数として設定するためのものである、
   請求項７に記載の半導体装置。
9. 前記１つまたは複数の基板に結合された前記ロジックが、
   前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定するためのものである、
   請求項８に記載の半導体装置。
10. 前記１つまたは複数の基板に結合された前記ロジックが、
    前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出するためのものである、
    請求項７に記載の半導体装置。
11. 前記１つまたは複数の基板に結合された前記ロジックが、
    前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出するためのものである、
    請求項７に記載の半導体装置。
12. 前記統合センサは、前記第１の複数のセンサのデジタルバージョンである、請求項７に記載の半導体装置。
13. 前記１つまたは複数の基板に結合された前記ロジックが、前記１つまたは複数の基板内に配置されたトランジスタチャネル領域を有する、請求項７から１２のいずれか１項に記載の半導体装置。
14. コンピューティングシステムによって実行されたとき前記コンピューティングシステムに、
    第１の複数のセンサの動作を統合する統合センサを生成することであって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知するためのものであり、前記状態が第１の出力として記憶される、生成することと、
    前記統合センサおよび前記第１の入力に基づき、第２の出力を生成することと、
    劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出することと
    を行わせる、実行可能プログラム命令のセットを備える、少なくとも１つのコンピュータ可読記憶媒体。
15. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
    異なる複数のセンサに適用可能な合成関数を生成することと、
    前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整して、調整済み合成関数を生成することと、
    前記統合センサを前記調整済み合成関数として設定することと
    をさらに行わせる、請求項１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
16. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
    前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定すること
    をさらに行わせる、請求項１５に記載の少なくとも１つのコンピュータ可読記憶媒体。
17. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
    前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出すること
    をさらに行わせる、請求項１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
18. 前記実行可能プログラム命令は、実行されたとき前記コンピューティングシステムに、
    前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出すること
    をさらに行わせる、請求項１４に記載の少なくとも１つのコンピュータ可読記憶媒体。
19. 前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、請求項１４から１８のいずれか１項に記載の少なくとも１つのコンピュータ可読記憶媒体。
20. 方法であって、
    第１の複数のセンサの動作を統合する統合センサを生成する段階であって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知し、前記状態が第１の出力として記憶される、生成する段階と、
    前記統合センサおよび前記第１の入力に基づき、第２の出力を生成する段階と、
    劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出する段階と
    を備える方法。
21. 異なる複数のセンサに適用可能な合成関数を生成する段階と、
    前記第１の複数のセンサ間の相互作用に基づき、前記合成関数の係数を調整して、調整済み合成関数を生成する段階と、
    前記統合センサを前記調整済み合成関数として設定する段階と
    をさらに備える、請求項２０に記載の方法。
22. 前記第１の複数のセンサに関連付けられた変数に基づき前記係数を決定する段階
    をさらに備える、請求項２１に記載の方法。
23. 前記第１の出力および前記第２の出力の逸脱パターンが所定の閾値を下回っていることに応答して、正常な動作状態を検出する段階と、
    前記第１の出力と前記第２の出力との逸脱パターンが閾値を満足していることに応答して、前記劣化および前記異常状態のうちの前記１つまたは複数を検出する段階と
    をさらに備え、
    前記統合センサが、前記第１の複数のセンサのデジタルバージョンである、請求項２０に記載の方法。
24. プロセッサに、請求項２０から２３のいずれか１項に記載の方法を実行させるためのコンピュータプログラム。
25. 装置であって、
    第１の複数のセンサの動作を統合する統合センサを生成するための手段であって、前記第１の複数のセンサは、第１の入力に基づきシステムがプロセスを実行するときに前記システムの動作の状態を検知し、前記状態が第１の出力として記憶される、手段と、
    前記統合センサおよび前記第１の入力に基づき、第２の出力を生成するための手段と、
    劣化および異常状態のうちの１つまたは複数が存在するかどうかを、前記第２の出力に対する前記第１の出力の比較に基づき検出するための手段と
    を備える装置。

Images