JP2023507550A - 産業環境向けインテリジェント振動デジタルツインシステム及び方法 - Google Patents
産業環境向けインテリジェント振動デジタルツインシステム及び方法 Download PDFInfo
- Publication number
- JP2023507550A JP2023507550A JP2022530815A JP2022530815A JP2023507550A JP 2023507550 A JP2023507550 A JP 2023507550A JP 2022530815 A JP2022530815 A JP 2022530815A JP 2022530815 A JP2022530815 A JP 2022530815A JP 2023507550 A JP2023507550 A JP 2023507550A
- Authority
- JP
- Japan
- Prior art keywords
- data
- digital twin
- industrial
- digital
- industrial environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 644
- 230000004044 response Effects 0.000 claims description 370
- 238000012544 monitoring process Methods 0.000 claims description 290
- 230000008569 process Effects 0.000 claims description 197
- 238000012423 maintenance Methods 0.000 claims description 111
- 230000033001 locomotion Effects 0.000 claims description 97
- 230000001133 acceleration Effects 0.000 claims description 81
- 238000004519 manufacturing process Methods 0.000 claims description 69
- 230000000007 visual effect Effects 0.000 claims description 69
- 238000005259 measurement Methods 0.000 claims description 64
- 230000003993 interaction Effects 0.000 claims description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 55
- 230000006399 behavior Effects 0.000 claims description 42
- 230000003287 optical effect Effects 0.000 claims description 36
- 238000006073 displacement reaction Methods 0.000 claims description 32
- 238000004088 simulation Methods 0.000 claims description 32
- 229910052751 metal Inorganic materials 0.000 claims description 28
- 239000002184 metal Substances 0.000 claims description 28
- 230000005855 radiation Effects 0.000 claims description 27
- 150000002894 organic compounds Chemical class 0.000 claims description 23
- 239000012491 analyte Substances 0.000 claims description 21
- 150000001875 compounds Chemical class 0.000 claims description 16
- 230000004913 activation Effects 0.000 claims description 15
- 239000002245 particle Substances 0.000 claims description 15
- 230000008676 import Effects 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 10
- 230000001413 cellular effect Effects 0.000 claims description 9
- 230000003190 augmentative effect Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 description 680
- 238000004458 analytical method Methods 0.000 description 499
- 238000012545 processing Methods 0.000 description 327
- 238000001514 detection method Methods 0.000 description 282
- 238000012806 monitoring device Methods 0.000 description 218
- 230000000875 corresponding effect Effects 0.000 description 187
- 238000010586 diagram Methods 0.000 description 180
- 238000013500 data storage Methods 0.000 description 172
- 238000011156 evaluation Methods 0.000 description 170
- 238000003860 storage Methods 0.000 description 166
- 230000008859 change Effects 0.000 description 154
- 238000005070 sampling Methods 0.000 description 138
- 230000006870 function Effects 0.000 description 118
- 230000036541 health Effects 0.000 description 111
- 238000004891 communication Methods 0.000 description 103
- 230000006854 communication Effects 0.000 description 103
- 230000009471 action Effects 0.000 description 101
- 239000007789 gas Substances 0.000 description 81
- 238000010801 machine learning Methods 0.000 description 73
- 230000001149 cognitive effect Effects 0.000 description 69
- 238000002604 ultrasonography Methods 0.000 description 69
- 230000000670 limiting effect Effects 0.000 description 64
- 238000013461 design Methods 0.000 description 59
- 230000000694 effects Effects 0.000 description 59
- 239000012530 fluid Substances 0.000 description 59
- 238000004422 calculation algorithm Methods 0.000 description 54
- 238000013507 mapping Methods 0.000 description 52
- 239000000523 sample Substances 0.000 description 49
- 238000013459 approach Methods 0.000 description 48
- 230000001052 transient effect Effects 0.000 description 47
- 238000012549 training Methods 0.000 description 40
- 239000000872 buffer Substances 0.000 description 39
- 239000000463 material Substances 0.000 description 39
- 238000006243 chemical reaction Methods 0.000 description 37
- 230000005540 biological transmission Effects 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 33
- 238000005065 mining Methods 0.000 description 33
- 238000001914 filtration Methods 0.000 description 32
- 238000007405 data analysis Methods 0.000 description 31
- 230000004927 fusion Effects 0.000 description 31
- 230000001976 improved effect Effects 0.000 description 31
- 239000000047 product Substances 0.000 description 31
- 238000012546 transfer Methods 0.000 description 31
- 230000032258 transport Effects 0.000 description 31
- 230000015654 memory Effects 0.000 description 29
- 230000010354 integration Effects 0.000 description 28
- 238000007726 management method Methods 0.000 description 27
- 238000012800 visualization Methods 0.000 description 26
- 230000007613 environmental effect Effects 0.000 description 25
- 238000005457 optimization Methods 0.000 description 25
- 230000003044 adaptive effect Effects 0.000 description 24
- 230000008901 benefit Effects 0.000 description 24
- 230000003750 conditioning effect Effects 0.000 description 24
- 239000000203 mixture Substances 0.000 description 24
- 230000001360 synchronised effect Effects 0.000 description 23
- 230000001186 cumulative effect Effects 0.000 description 21
- 238000003909 pattern recognition Methods 0.000 description 21
- 230000001276 controlling effect Effects 0.000 description 20
- 230000008878 coupling Effects 0.000 description 20
- 238000010168 coupling process Methods 0.000 description 20
- 238000005859 coupling reaction Methods 0.000 description 20
- 230000004907 flux Effects 0.000 description 20
- 230000001965 increasing effect Effects 0.000 description 20
- 230000035945 sensitivity Effects 0.000 description 20
- WCIDIJQCEUODDY-UHFFFAOYSA-N chloro(dimethyl)sulfanium Chemical compound C[S+](C)Cl WCIDIJQCEUODDY-UHFFFAOYSA-N 0.000 description 18
- 230000006378 damage Effects 0.000 description 18
- 238000013473 artificial intelligence Methods 0.000 description 17
- 230000000116 mitigating effect Effects 0.000 description 17
- 230000003595 spectral effect Effects 0.000 description 17
- 238000013135 deep learning Methods 0.000 description 16
- 230000002068 genetic effect Effects 0.000 description 16
- 239000000126 substance Substances 0.000 description 16
- 238000012360 testing method Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 15
- 238000001228 spectrum Methods 0.000 description 15
- 230000001960 triggered effect Effects 0.000 description 15
- 238000009423 ventilation Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 14
- 238000013021 overheating Methods 0.000 description 14
- 230000000737 periodic effect Effects 0.000 description 14
- 238000010183 spectrum analysis Methods 0.000 description 14
- 230000002596 correlated effect Effects 0.000 description 13
- 238000009795 derivation Methods 0.000 description 13
- 230000008520 organization Effects 0.000 description 13
- 238000004806 packaging method and process Methods 0.000 description 13
- 241000196324 Embryophyta Species 0.000 description 12
- 241000282414 Homo sapiens Species 0.000 description 12
- 230000001537 neural effect Effects 0.000 description 12
- 230000010399 physical interaction Effects 0.000 description 12
- 238000012805 post-processing Methods 0.000 description 12
- 230000035882 stress Effects 0.000 description 12
- 238000013019 agitation Methods 0.000 description 11
- 230000003139 buffering effect Effects 0.000 description 11
- 230000005611 electricity Effects 0.000 description 11
- 238000005461 lubrication Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 11
- 230000008439 repair process Effects 0.000 description 11
- 239000000725 suspension Substances 0.000 description 11
- 208000024891 symptom Diseases 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000000977 initiatory effect Effects 0.000 description 10
- 238000009434 installation Methods 0.000 description 10
- 238000010248 power generation Methods 0.000 description 10
- 230000000153 supplemental effect Effects 0.000 description 10
- 238000012952 Resampling Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 9
- 239000002360 explosive Substances 0.000 description 9
- 239000003550 marker Substances 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 9
- 238000002485 combustion reaction Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 8
- 238000011161 development Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 8
- 230000004438 eyesight Effects 0.000 description 8
- 239000000446 fuel Substances 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 8
- 239000007788 liquid Substances 0.000 description 8
- 230000003334 potential effect Effects 0.000 description 8
- 238000009877 rendering Methods 0.000 description 8
- 239000007787 solid Substances 0.000 description 8
- 241000282412 Homo Species 0.000 description 7
- 238000001816 cooling Methods 0.000 description 7
- 230000010355 oscillation Effects 0.000 description 7
- 230000001902 propagating effect Effects 0.000 description 7
- 230000001953 sensory effect Effects 0.000 description 7
- 230000011664 signaling Effects 0.000 description 7
- 238000012384 transportation and delivery Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 238000002156 mixing Methods 0.000 description 6
- 230000006855 networking Effects 0.000 description 6
- 230000003449 preventive effect Effects 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 230000001737 promoting effect Effects 0.000 description 6
- 230000010349 pulsation Effects 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 230000035939 shock Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000003213 activating effect Effects 0.000 description 5
- 238000003491 array Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005422 blasting Methods 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 5
- 230000005672 electromagnetic field Effects 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 230000003862 health status Effects 0.000 description 5
- 230000001939 inductive effect Effects 0.000 description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 239000011707 mineral Substances 0.000 description 5
- 238000004886 process control Methods 0.000 description 5
- 238000005067 remediation Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 235000011468 Albizia julibrissin Nutrition 0.000 description 4
- 241001070944 Mimosa Species 0.000 description 4
- 230000002411 adverse Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 4
- 230000001143 conditioned effect Effects 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 244000144992 flock Species 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 239000002609 medium Substances 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000002618 waking effect Effects 0.000 description 4
- 206010011878 Deafness Diseases 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 239000004567 concrete Substances 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005474 detonation Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 230000004941 influx Effects 0.000 description 3
- 230000008449 language Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000004801 process automation Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 239000002002 slurry Substances 0.000 description 3
- 238000013403 standard screening design Methods 0.000 description 3
- 230000008093 supporting effect Effects 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000003930 cognitive ability Effects 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000008672 reprogramming Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000239290 Araneae Species 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 241000295146 Gallionellaceae Species 0.000 description 1
- 230000005355 Hall effect Effects 0.000 description 1
- 241001289717 Hypolimnas Species 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- GJWAPAVRQYYSTK-UHFFFAOYSA-N [(dimethyl-$l^{3}-silanyl)amino]-dimethylsilicon Chemical compound C[Si](C)N[Si](C)C GJWAPAVRQYYSTK-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000013466 adhesive and sealant Substances 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 244000145845 chattering Species 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000009850 completed effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- LTMHDMANZUZIPE-PUGKRICDSA-N digoxin Chemical compound C1[C@H](O)[C@H](O)[C@@H](C)O[C@H]1O[C@@H]1[C@@H](C)O[C@@H](O[C@@H]2[C@H](O[C@@H](O[C@@H]3C[C@@H]4[C@]([C@@H]5[C@H]([C@]6(CC[C@@H]([C@@]6(C)[C@H](O)C5)C=5COC(=O)C=5)O)CC4)(C)CC3)C[C@@H]2O)C)C[C@@H]1O LTMHDMANZUZIPE-PUGKRICDSA-N 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000004374 forensic analysis Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- -1 increased pump speed Substances 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000002853 ongoing effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000013105 post hoc analysis Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000009291 secondary effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000003351 stiffener Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000004154 testing of material Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 239000008207 working material Substances 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37434—Measuring vibration of machine or workpiece or tool
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Processing Or Creating Images (AREA)
- Laminated Bodies (AREA)
- Combined Devices Of Dampers And Springs (AREA)
- Vibration Prevention Devices (AREA)
Abstract
1つ以上のデジタルツインの1つ以上のプロパティを更新するためのプラットフォームであって、1つ以上のデジタルツインに対する要求を受け取ること、要求を満たすために必要な1つ以上のデジタルツインをデジタルツインデータストアから取得すること、要求によって示された1つ以上のデジタルツインに描かれる1つ以上のプロパティに対応する1つ以上のダイナミックモデルを取得すること、1つ以上の動的モデルの1つ以上の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること、選択されたデータソースからデータを取得すること、取得されたデータを1つ以上の動的モデルへの1つ以上の入力として使用して1つ以上の出力を決定すること、及び、1つ以上の動的モデルの1つ以上の出力に基づいて、1つ以上のデジタルツインの1つ以上のプロパティを更新すること、を含む。
Description
(関連出願との相互参照)
本出願は、以下の米国仮特許出願の優先権の利益を主張するものである:2019年11月25日に出願された「METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE DATA SETS」という名称の仮出願番号第62/939,769号;2020年4月28日に出願された「DIGITAL TWIN SYSTEMS FOR INDUSTRIAL ENVIRONMENTS」という名称の仮出願番号第63/016,974号;2020年7月21日に出願された「INTELLIGENT VIBRATION DIGITAL TWIN SYSTEMS AND METHODS FOR INDUSTRIAL ENVIRONMENTS」という名称の仮出願番号第63/054,600号;及び2020年8月24日に出願された「INFORMATION TECHNOLOGY SYSTEMS AND METHODS FOR MANUFACTURING ARTIFICIAL INTELLIGENCE LEVERAGING DIGITAL TWINS」という名称の仮出願番号第63/069,548号。更に、本出願は、2020年11月25日に出願された「INTELLIGENT VIBRATION DIGITAL TWIN SYSTEMS AND METHODS FOR INDUSTRIAL ENVIRONMENTS」という名称の米国特許出願番号第17/104,964号に対する優先権の利益も主張する。上記の各出願は、本明細書に完全に記載されているかのように、その全体が参照により本明細書に組み込まれる。
本出願は、以下の米国仮特許出願の優先権の利益を主張するものである:2019年11月25日に出願された「METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE DATA SETS」という名称の仮出願番号第62/939,769号;2020年4月28日に出願された「DIGITAL TWIN SYSTEMS FOR INDUSTRIAL ENVIRONMENTS」という名称の仮出願番号第63/016,974号;2020年7月21日に出願された「INTELLIGENT VIBRATION DIGITAL TWIN SYSTEMS AND METHODS FOR INDUSTRIAL ENVIRONMENTS」という名称の仮出願番号第63/054,600号;及び2020年8月24日に出願された「INFORMATION TECHNOLOGY SYSTEMS AND METHODS FOR MANUFACTURING ARTIFICIAL INTELLIGENCE LEVERAGING DIGITAL TWINS」という名称の仮出願番号第63/069,548号。更に、本出願は、2020年11月25日に出願された「INTELLIGENT VIBRATION DIGITAL TWIN SYSTEMS AND METHODS FOR INDUSTRIAL ENVIRONMENTS」という名称の米国特許出願番号第17/104,964号に対する優先権の利益も主張する。上記の各出願は、本明細書に完全に記載されているかのように、その全体が参照により本明細書に組み込まれる。
本開示は、振動データ等を用いて産業エンティティのデジタルツインを作成、管理、及び提供するインテリジェントデジタルツインシステムに関するものである。
産業環境、例えば、大規模製造のための環境(航空機、船舶、トラック、自動車、及び大型産業機械の製造など)、エネルギー生産環境(石油及びガスプラント、再生可能エネルギー環境など)、エネルギー抽出環境(採掘、掘削など)、建設環境(大型ビルの建設など)といったものは、非常に複雑な機械、デバイス、システム、及び非常に複雑なワークフローを含み、オペレーターは、全体的な結果を改善するように、様々な技術の設計、開発、展開、及び操作を最適化するために、多数のパラメータ、メトリクスなどを考慮する必要がある。歴史的に、産業環境におけるデータの収集は、人間が専用のデータ収集装置を用いて行い、後の分析のために、特定のセンサーデータのバッチをテープやハードドライブなどの媒体に記録することが多い。従来、データのバッチは分析のために中央オフィスに戻されており、例えば、様々なセンサーによって収集されたデータに対して信号処理などの分析を行い、その分析を、環境の問題を診断したり、オペレーションを改善する方法を提案したりするための、基礎として使用することができる。この作業はこれまで、数週間から数カ月という時間スケールで行われ、限られたデータセットを対象にされてきた。
モノのインターネット(IoT)の出現により、より広範囲のデバイスに、及びデバイス間で、連続的に接続することが可能になった。そのようなデバイスのほとんどは、照明、サーモスタットなどの消費者向けデバイスである。しかし、より複雑な産業環境では、利用できるデータの範囲が限られていることが多く、複数のセンサーからのデータを扱うことが複雑なため、産業分野に有効な「スマート」ソリューションを生み出すことがより困難であることに変わりはない。産業環境におけるデータ収集のための改善された方法及びシステム、並びに収集されたデータを使用して、様々な重工業環境において改善された監視、制御、問題の知的診断及び操作の知的最適化を提供するための、改善された方法及びシステムに対するニーズが存在する。
振動センサーや他の産業用モノのインターネット(IIoT)センサーの普及に伴い、産業環境に関連する膨大な量のデータが利用可能になっている。このデータは、メンテナンスの必要性を予測したり、産業環境における潜在的な問題を分類したりするのに有用である。しかし、振動センサーのデータやその他のIIoTセンサーのデータには、産業環境の運用と稼働時間とを改善し、問題が致命的になる前に問題に対応するための俊敏性を産業エンティティに提供できる、未踏の用途が多く存在する。
産業の専門家に依存する産業企業は、これらの専門家が別の企業に移るとき、又はワークフォース(workforce)を離れるときに、これらの専門家の知識を得ることに苦労している。産業の専門知識を獲得し、獲得された産業の専門知識を、新しい労働者又はモバイル電子産業体が産業関連タスクを実行するように導く際に使用する必要性が、当技術分野には存在する。
本開示は、産業用モノのインターネット(IIoT)システムにおける知能の開発を促進するためのプラットフォームに向けられている。このプラットフォームは、複数の別個のデータ処理層から構成され得る。複数の別個のデータ処理層は、IIoTシステム内の複数の産業エンティティから又はそれらの産業エンティティに関するデータを収集する産業監視システム層と、産業監視システム層によって収集されたデータを格納する産業エンティティ指向データ格納システム層と、IIoTシステム内のインテリジェントシステムの調整された開発及び展開を促進する適応型インテリジェントシステム層と、複数のアプリケーションを含み、共通のアプリケーション環境においてプラットフォームを管理する産業管理アプリケーションプラットフォーム層と、を備えることが可能である。適応型インテリジェントシステム層は、IIoTシステム内の複数の産業エンティティの1つ以上のための自動化機能を開発及び展開する、ロボティックプロセス自動化システムを含むことができる。
実施形態において、本開示は、1つ又は複数のデジタルツインに対する要求を受信すること;デジタルツインデータストアから要求を満たすために必要な1つ又は複数のデジタルツインを取得する(retrieving)こと;要求によって示された1つ又は複数のデジタルツインに描かれる1つ又は複数のプロパティに対応する1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得したデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を決定すること;及び1つ又は複数の動的モデルの1つ又は複数の出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新すること;を含む、1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新するための方法を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応する、クライアントアプリケーションから受信される。実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。実施形態において、デジタルツインは、産業エンティティ及び産業環境のうちの少なくとも1つのデジタルツインである。実施形態において、1つ以上の動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データのセットから選択されるデータを取得する。実施形態において、選択されたデータソースは、モノのインターネットに接続されたデバイスを含む。実施形態において、選択されたデータソースは、マシンビジョンシステムを含む。
実施形態において、1つ以上の動的モデルを取得することは、要求によって示されたデジタルツインに描かれている1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して特定される。
実施形態において、本開示は、1つ以上のデータソースからインポートデータを受信することであって、そのインポートデータが産業環境に対応すること;インポートデータに基づいて産業環境を表す環境デジタルツインを生成すること;産業環境内の1つ以上の産業エンティティを識別すること;環境内の1つ以上の産業エンティティを表す離散(discrete)デジタルツインのセットを生成すること;環境デジタルツイン内に離散デジタルツインのセットを埋め込むこと;産業環境のセンサーシステムとの接続を確立すること;接続を介してセンサーシステムの1つ以上のセンサーからリアルタイムのセンサーデータを受信すること;及びリアルタイムのセンサーデータに基づいて環境デジタルツインと離散デジタルツインのセットとのうち少なくとも1つを更新すること;を含む方法を含む。
実施形態において、センサーシステムとの接続は、ウェブフック及びアプリケーションプログラミングインターフェース(API)のうちの1つを介して確立される。実施形態において、環境デジタルツイン及び離散デジタルツインのセットは、視覚的な方法でレンダリングされるように構成されたビジュアルデジタルツインである。実施形態において、本開示は、仮想現実ヘッドセットを介してビジュアルデジタルツインを表示するクライアントアプリケーションに対して、ビジュアルデジタルツインを出力することを含む。実施形態において、本開示は、ユーザデバイスのディスプレイデバイスを介してビジュアルデジタルツインを表示するクライアントアプリケーションに対して、ビジュアルデジタルツインを出力することを含む。実施形態において、本開示は、拡張現実対応デバイスを介してビジュアルデジタルツインを表示するクライアントアプリケーションに対して、ビジュアルデジタルツインを出力することを含む。実施形態において、本開示は、産業環境に関連する産業プロセスにおいて実行される1つ又は複数のステップに関連するユーザ入力を受信すること;及び産業環境及び一連の産業エンティティの1つ又は複数に関して、産業プロセスのステップを定義するプロセスデジタルツインを生成すること、を含む。実施形態において、本開示は、エッジによって接続されたノードのセットを有するグラフデータベースをインスタンス化することを含み、ノードのセットの第1のノードは、環境デジタルツインを定義するデータを含み、1つ以上のエンティティノードは、離散デジタルツインのセットのそれぞれの離散デジタルツインを定義するそれぞれのデータを各々が含む。実施形態において、各エッジは、2つのそれぞれのデジタルツイン間の関係を表す。実施形態において、離散デジタルツインを埋め込むことは、それぞれの離散デジタルツインに対応するエンティティノードを、それぞれの離散デジタルツインによって表されるそれぞれの産業エンティティと産業環境との間のそれぞれの関係を表すエッジで、第1のノードに対して接続することを含む。実施形態において、各エッジは、2つのそれぞれのデジタルツイン間の空間的関係、及び2つのそれぞれのデジタルツイン間の動作的関係を表す。実施形態において、各エッジは、2つのそれぞれのデジタルツインの間の関係に対応するメタデータを格納する。実施形態において、1つ以上のエンティティノードの各エンティティノードは、エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティを1つ以上含む。実施形態において、1つ以上のエンティティノードの各エンティティノードは、エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティの1つ以上の挙動(behaviors)を含む。実施形態において、環境ノードは、環境の1つ以上のプロパティを含む。実施形態において、環境ノードは、環境の1つ又は複数の挙動を含む。
実施形態において、本開示は、環境デジタルツイン及び1つ又は複数の離散デジタルツインに基づいて、シミュレーションを実行することを含む。実施形態において、シミュレーションは、入力のセットに基づいて出力を生成する産業環境内の機械の動作と、産業環境内の作業者の動きとのうち、1つをシミュレートする。実施形態において、インポートデータは、環境の3次元スキャンを含む。実施形態において、インポートデータは、産業環境のLIDARスキャンを含む。実施形態において、産業環境のデジタルツインを生成することは、産業環境の表面(surfaces)のセットを生成すること、及び産業環境の寸法(dimensions)のセットを構成することのうちの1つを含む。実施形態において、離散デジタルツインのセットを生成することは、産業エンティティの製造者から産業エンティティの事前定義されたデジタルツインをインポートすることを含み、事前定義されたデジタルツインは、産業エンティティのプロパティ及び挙動を含んでいる。実施形態において、離散デジタルツインのセットを生成することは、産業環境のインポートされたデータ内の産業エンティティを分類することと、分類された産業エンティティに対応する離散デジタルツインを生成することとを含む。
実施形態において、本開示は、産業環境内のインタラクション(interaction)を監視するためのシステムを含む。実施形態において、システムは、産業環境内に配置された近接センサーのセットによって収集されたデータを含むデジタルツインデータストアであって、そのデータが産業環境内の複数の要素のそれぞれの位置を示す位置データを含むデータストアと、以下のように構成された1つ以上のプロセッサとを含む:デジタルツインデータストアを介して、産業環境のための産業環境デジタルツインを維持し;複数の要素から現実世界の要素によって近接センサーのセット内の少なくとも1つの近接センサーの作動を示す信号を受け取り;少なくとも1つの近接センサーの作動に応答して、少なくとも1つの近接センサーを使用して現実世界の要素の更新された位置データを収集し;更新された位置データを含むようにデジタルツインデータストア内の産業環境デジタルツインを更新する。
実施形態では、近接センサーのセットの各々は、ユーザに関連するデバイスを検出するように構成される。実施形態において、デバイスは、ウェアラブルデバイス及びRFIDデバイスである。実施形態において、複数の要素の各要素は、モバイル要素である。実施形態において、複数の要素の各要素は、それぞれの作業者である。実施形態において、複数の要素は、モバイス機器要素及び作業者を含み、モバイル機器位置データは、それぞれのモバイル機器要素によって送信されるデータを用いて決定され、作業者位置データは、システムによって取得されるデータを用いて決定される。実施形態において、作業者位置データは、それぞれの作業者に関連付けられたデバイスから送信される情報を使用して決定される。実施形態において、少なくとも1つの近接センサーの作動は、それぞれの作業者と近接センサーとの間のインタラクションに応答して発生する。実施形態において、少なくとも1つの近接センサーの作動は、作業者と、少なくとも1つの近接センサーに対応するそれぞれの少なくとも1つの近接センサーデジタルツインとの間の、インタラクションに応答して発生する。実施形態において、1つ以上のプロセッサは、少なくとも1つの近接センサーの作動に応答して、近接センサーのセットを使用して複数の要素についての更新された位置データを収集する。
実施形態において、本開示は、産業用デジタルツインのための移動要素をモデル化するためのシステムを含む。このシステムは、産業要素に対応する産業環境デジタルツインを格納するデジタルツインデータストアを含み、産業環境デジタルツインは、その中に埋め込まれた現実世界要素デジタルツインを含み、各現実世界要素デジタルツインは、産業環境内に配置されたそれぞれの現実世界要素に対応しており、現実世界要素デジタルツインは、産業環境内のそれぞれのモバイル要素にそれぞれ対応するモバイル要素デジタルツインを含み、1つ以上のプロセッサは、各モバイル要素について、モバイル要素が動いているか否かを判断し、モバイル要素から経路情報を取得し、デジタルツインシミュレーションシステムを介して、各モバイル要素の経路情報の取得に応じて、産業環境内のトラフィックをモデル化するように構成されている。
実施形態において、経路情報は、モバイル要素のナビゲーションモジュールから取得される。実施形態において、1つ以上のプロセッサは更に、産業環境内の複数のセンサーを使用して、モバイル要素の動きを検出すること;モバイル要素の目的地を得ること;産業環境内の複数のセンサーを使用して、モバイル要素の最適化された経路を計算すること;及びモバイル要素に最適化された経路をナビゲートするように指示すること;によって経路情報を取得するように構成されている。
実施形態において、最適化された経路は、現実世界要素内の他のモバイル要素の経路情報を含み、最適化された経路は、産業環境内のモバイル要素と人間との間のインタラクションを最小にする。実施形態において、モバイル要素は、自律車両及び非自律車両を含み、最適化された経路は、自律車両と非自律車両との間のインタラクションを低減させる。実施形態において、トラフィックモデリングは、粒子トラフィックモデル、トリガー応答モバイル要素追従トラフィックモデル、巨視的トラフィックモデル、微視的トラフィックモデル、亜微視的トラフィックモデル、メゾスコピックトラフィックモデル、又はそれらの組み合わせの使用を含む。
実施形態において、本開示は、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態(vibration fault level states)を更新するための方法を含み、この方法は、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新するためにクライアントアプリケーションから要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得することであって、1つ又は複数の動的モデルが、入力データセットに基づいて振動故障レベルがいつ発生するかを予測する動的モデルを含むこと;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること;選択したデータソースからデータを得ること;取得したデータを1つ又は複数の動的モデルへの1つ以上の入力として使用して、1つ又は複数の出力を決定すること;及び1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。実施形態において、デジタルツインは、産業エンティティ及び産業環境のうちの少なくとも1つのデジタルツインである。実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業者、メンテナンス、生産性、資産パフォーマンス、作業者パフォーマンス、作業者応答時間、分析物濃度、生物化学物質濃度、金属濃度、及び有機化合物の濃度データ、から成るセットから選ばれるデータを取得する。
実施形態において、データソースは、モノのインターネット接続デバイス、マシンビジョンシステム、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、及びクロスポイントスイッチ、から成るセットから選択される。実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティ及び1つ以上のデジタルツインのそれぞれのタイプに基づいて、1つ以上の動的モデルを識別することを含む。実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して特定される。
実施形態において、本開示は、その中に配置された現実世界要素を有する産業環境を通じて、ナビゲーション経路データを監視するためのシステムを含む。このシステムは、産業環境に対応する産業環境デジタルツインと、産業環境内の作業者のセットのそれぞれの作業者に対応する作業者デジタルツインとを含むデジタルツインデータストア;及び、以下のように構成されている1つ以上のプロセッサを含む:デジタルツインデータストアを介して、産業環境内の作業者のセットについての同時期の位置を含むように産業環境デジタルツインを維持し;センサーアレイを介して作業者のセット内のそれぞれの作業者の動きを監視し;それぞれの作業者の動きを検出することに応答して、それぞれの作業者に対するナビゲーション経路データを決定し;そして、それぞれの作業者のためのナビゲーション経路データの指標を含むように、また、ナビゲーション経路データに対応する経路に沿った作業者デジタルツインの移動を表すように、産業環境デジタルツインを更新する。実施形態において、1つ以上のプロセッサは、それぞれの作業者の移動を表すことに応答して、作業者のセット内の残りの作業者についてのナビゲーション経路データを決定するように、更に構成される。実施形態において、ナビゲーション経路データは、1つ以上の個人関連デバイスによって、システムへ自動的に送信される。実施形態において、個人関連デバイスは、セルラーデータ機能を有するモバイルデバイス、及び作業者に関連付けられたウェアラブルデバイスのうちの1つである。実施形態において、ナビゲーション経路データは、環境関連センサーを介して決定される。実施形態において、ナビゲーション経路データは、デジタルツインデータストアに記憶された履歴経路データを使用して決定される。実施形態において、履歴経路データは、それぞれの作業者に関連付けられたデバイスから取得される。実施形態において、履歴経路データは、別の作業者に関連付けられたデバイスから取得される。実施形態において、履歴経路データは、作業者の現在のタスクに関連付けられる。実施形態において、デジタルツインデータストアは、産業環境デジタルツインを含む。実施形態において、1つ以上のプロセッサは更に、ナビゲーション経路データと産業環境デジタルツインとの間の競合の存在を判定すること;センサーアレイを介して産業環境デジタルツインの正確さを判定することに応答して、作業者のナビゲーション経路データを変更すること;及び、センサーアレイを介して産業環境デジタルツインの不正確さを判定することに応答して、産業環境デジタルツインを更新して、それによって競合を解決すること;を行うように構成されている。
実施形態において、産業環境デジタルツインは、作業者から送信される収集されたデータを使用して更新される。実施形態において、収集されたデータは、近接センサーデータ、画像データ、又はそれらの組み合わせを含む。実施形態において、ナビゲーション経路は、振動測定値を収集するための経路を含む。
実施形態において、本開示は、1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新する方法を含み、この方法は、1つ又は複数のデジタルツインに対する要求を受け取ること;要求を満たすために必要な1つ又は複数のデジタルツインをデジタルツインデータストアから取得すること;要求によって示された1つ又は複数のデジタルツインに描かれる1つ又は複数のプロパティに対応する1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて利用可能なデータソースのセットからデータソースを選択すること;選択したデータソースからデータを取得すること;1つ又は複数の動的モデルへの1つ又は複数の入力として取得されたデータを使用して、1つ又は複数の出力を決定すること;及び、1つ又は複数の動的モデルの1つ又は複数の出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。実施形態において、デジタルツインは、産業エンティティ及び産業環境のうちの少なくとも1つのデジタルツインである。実施形態において、1つ以上の動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データからなる、セットから選択されるデータを取る。実施形態において、選択されたデータソースは、モノのインターネット接続デバイスを含む。実施形態において、選択されたデータソースは、マシンビジョンシステムを含む。
実施形態において、1つ以上の動的モデルを取得することは、要求によって示されたデジタルツインに描かれている1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
実施形態において、本開示は方法を含み、この方法は、1つ以上のデータソースからインポートデータを受信することであって、そのインポートデータが産業環境に対応すること;インポートデータに基づいて産業環境を表す環境デジタルツインを生成すること;産業環境内の1つ以上の産業エンティティを識別すること;環境内の1つ以上の産業エンティティを表す離散デジタルツインのセットを生成すること;環境デジタルツイン内に離散デジタルツインのセットを埋め込むこと;産業環境のセンサーシステムとの接続を確立すること;その接続を介してセンサーシステムの1つ以上のセンサーからリアルタイムのセンサーデータを受信すること;及び、リアルタイムのセンサーデータに基づいて、環境デジタルツイン及び離散デジタルツインのセットのうち少なくとも1つを更新すること;を含む。
実施形態において、センサーシステムとの接続は、ウェブフック及びアプリケーションプログラミングインターフェース(API)のうちの1つを介して確立される。実施形態において、環境デジタルツイン及び離散デジタルツインのセットは、視覚的な方法でレンダリングされるように構成されたビジュアルデジタルツインである。実施形態において、本開示は、仮想現実ヘッドセットを介してビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを含む。実施形態において、本開示は、ユーザデバイスのディスプレイデバイスを介してビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを含む。実施形態において、本開示は、拡張現実対応デバイスを介してビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを含む。実施形態において、本開示は、産業環境に関連する産業プロセスにおいて実行される1つ又は複数のステップに関連するユーザ入力を受信することと、産業環境及び産業エンティティのセットのうちの1つ又は複数に関して産業プロセスのステップを定義するプロセスデジタルツインを生成することと、を含む。実施形態において、本開示は、エッジによって接続されたノードのセットを有するグラフデータベースをインスタンス化することを含み、ノードのセットの第1のノードは、環境デジタルツインを定義するデータを含み、1つ以上のエンティティノードは、離散デジタルツインのセットのそれぞれの離散デジタルツインを定義するそれぞれのデータをそれぞれ含む。実施形態において、各エッジは、2つのそれぞれのデジタルツイン間の関係を表す。実施形態において、離散デジタルツインを埋め込むことは、それぞれの離散デジタルツインに対応するエンティティノードを、それぞれの離散デジタルツインによって表されるそれぞれの産業エンティティと産業環境との間のそれぞれの関係を表すエッジで、第1のノードへ接続することを含む。実施形態において、各エッジは、2つのそれぞれのデジタルツイン間の空間的関係、及び2つのそれぞれのデジタルツイン間の動作的関係を表す。実施形態において、各エッジは、2つのそれぞれのデジタルツインの間の関係に対応するメタデータを格納する。実施形態において、1つ以上のエンティティノードの各エンティティノードは、エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティを1つ以上含む。実施形態において、1つ以上のエンティティノードの各エンティティノードは、エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティの1つ以上の挙動を含む。実施形態において、環境ノードは、環境の1つ以上のプロパティを含む。実施形態において、環境ノードは、環境の1つ又は複数の挙動を含む。
実施形態において、本開示は、環境デジタルツイン及び1つ又は複数の離散デジタルツインに基づいてシミュレーションを実行することを含む。実施形態において、シミュレーションは、入力のセットに基づいて出力を生成する産業環境内の機械の動作と、産業環境内の作業者の動きとのうち、1つをシミュレートする。実施形態において、インポートデータは、環境の3次元スキャンを含む。実施形態において、インポートデータは、産業環境のLIDARスキャンを含む。実施形態において、産業環境のデジタルツインを生成することは、産業環境の表面のセットを生成すること、及び産業環境の寸法のセットを構成することのうちの1つを含む。実施形態において、離散デジタルツインのセットを生成することは、産業エンティティの製造者から産業エンティティの事前定義されたデジタルツインをインポートすることを含み、事前定義されたデジタルツインは、産業エンティティのプロパティ及び挙動を含む。実施形態において、離散デジタルツインのセットを生成することは、産業環境のインポートされたデータ内の産業エンティティを分類することと、分類された産業エンティティに対応する離散デジタルツインを生成することとを含む。
実施形態において、本開示は、産業環境内のインタラクションを監視するためのシステムを含む。実施形態において、システムは、産業環境内に配置された近接センサーのセットによって収集されたデータを含むデジタルツインデータストアであって、そのデータが産業環境内の複数の要素のそれぞれの位置を示す位置データを含むデータストアと、以下のように構成された1つ以上のプロセッサとを含む:デジタルツインデータストアを介して、産業環境のための産業環境デジタルツインを維持し;複数の要素から現実世界の要素によって近接センサーのセット内の少なくとも1つの近接センサーの作動を示す信号を受け取り;少なくとも1つの近接センサーの作動に応答して、少なくとも1つの近接センサーを使用して現実世界の要素の更新された位置データを集め;及び、更新された位置データを含むようにデジタルツインデータストア内の産業環境デジタルツインを更新する。
実施形態において、近接センサーのセットの各々は、ユーザに関連付けられたデバイスを検出するように構成される。実施形態において、デバイスは、ウェアラブルデバイス及びRFIDデバイスである。実施形態において、複数の要素の各要素は、モバイル要素である。実施形態において、複数の要素の各要素は、それぞれの作業者である。実施形態において、複数の要素は、モバイル機器要素及び作業者を含み、モバイル機器位置データは、それぞれのモバイル機器要素によって送信されるデータを用いて判定され、作業者位置データは、システムによって取得されるデータを用いて判定される。実施形態において、作業者位置データは、それぞれの作業者に関連付けられたデバイスから送信される情報を使用して判定される。実施形態において、少なくとも1つの近接センサーの作動は、それぞれの作業者と近接センサーとの間のインタラクションに応答して発生する。実施形態において、少なくとも1つの近接センサーの作動は、作業者と、少なくとも1つの近接センサーに対応する少なくとも1つの近接センサーデジタルツインのそれぞれとの間の、インタラクションに応答して発生する。実施形態において、1つ以上のプロセッサは、少なくとも1つの近接センサーの作動に応答して、近接センサーのセットを使用して、複数の要素についての更新された位置データを収集する。
実施形態において、本開示は、産業用デジタルツインのための移動要素をモデル化するためのシステムを含む。このシステムは、産業要素に対応する産業環境デジタルツインを格納するデジタルツインデータストアを含み、その産業環境デジタルツインは、その中に埋め込まれた現実世界要素デジタルツインを含み、各現実世界要素デジタルツインは、産業環境内に配置されるそれぞれの現実世界要素に対応し、現実世界要素デジタルツインは、産業環境内のそれぞれのモバイル要素にそれぞれ対応するモバイル要素デジタルツインを含み、更にシステムは、以下のように構成される1又は複数のプロセッサを含む:各モバイル要素について、モバイル要素が移動中であるかどうかを判断し、モバイル要素から経路情報を取得し、各モバイル要素の経路情報を取得することに応答して、デジタルツインシミュレーションシステムを介して産業環境内のトラフィックをモデル化する。
実施形態において、経路情報は、モバイル要素のナビゲーションモジュールから取得される。実施形態において、1つ以上のプロセッサは、以下の方法によって経路情報を得るように更に構成される:産業環境内の複数のセンサーを使用して、モバイル要素の動きを検出すること;モバイル要素の目的地を得ること;産業環境内の複数のセンサーを使用して、モバイル要素の最適化された経路を計算すること;及び、モバイル要素に最適化された経路をナビゲートするように指示すること。
実施形態において、最適化された経路は、現実世界要素内の他のモバイル要素のための経路情報を含み、最適化された経路は、産業環境内のモバイル要素と人間との間のインタラクションを最小限にする。実施形態において、モバイル要素は、自律車両及び非自律車両を含み、最適化された経路は、自律車両と非自律車両とのインタラクションを低減させる。実施形態において、トラフィックのモデル化は、粒子トラフィックモデル、トリガー応答モバイル要素追従トラフィックモデル、巨視的トラフィックモデル、微視的トラフィックモデル、亜微視的トラフィックモデル、メゾスコピックトラフィックモデル、又はそれらの組み合わせの使用を含む。
実施形態において、本開示は、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新するための方法を含み、この方法は、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新するために、クライアントアプリケーションから要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得することであって、1つ又は複数の動的モデルが、入力データセットに基づいて振動故障レベルがいつ発生するかを予測する動的モデルを含むこと;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得したデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を決定すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。実施形態において、デジタルツインは、産業エンティティ及び産業環境のうちの少なくとも1つのデジタルツインである。実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化学物質濃度、金属濃度、及び有機化合物の濃度データから成る、セットより選択したデータを取得する。
実施形態において、データソースは、モノのインターネット接続デバイス、マシンビジョンシステム、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、及びクロスポイントスイッチからなるセットから選択される。実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上の特性及び1つ以上のデジタルツインのそれぞれのタイプに基づいて、1つ以上の動的モデルを識別することを含む。実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
実施形態において、本開示は、その中に配置された現実世界要素を有する産業環境を通じてナビゲーション経路データを監視するためのシステムを含む。このシステムは、産業環境に対応する産業環境デジタルツインと、産業環境内の作業者のセットのそれぞれの作業者に対応する作業者デジタルツインとを含むデジタルツインデータストア、及び以下を行うように構成された1つ以上のプロセッサを含む:デジタルツインデータストアを介して、産業環境内の作業者のセットの同時刻の位置を含むように、産業環境デジタルツインを維持し;センサーアレイを介して作業者のセット内のそれぞれの作業者の動きを監視し;それぞれの作業者の動きを検出することに応答して、それぞれの作業者のナビゲーション経路データを決定し;及び、それぞれの作業者のナビゲーション経路データの指標を含むように、また、ナビゲーション経路データに対応する経路に沿った作業者デジタルツインの動きを示すように、産業環境デジタルツインを更新する。実施形態において、1つ以上のプロセッサは、それぞれの作業者の移動を表すことに応答して、作業者のセット内の残りの作業者のためのナビゲーション経路データを決定するように更に構成される。実施形態において、ナビゲーション経路データは、1つ以上の個人関連デバイスによってシステムへ自動的に送信される。実施形態において、個人関連デバイスは、セルラーデータ機能を有するモバイルデバイス及び作業者に関連付けられたウェアラブルデバイスのうちの1つである。実施形態において、ナビゲーション経路データは、環境関連センサーを介して決定される。実施形態において、ナビゲーション経路データは、デジタルツインデータストアに記憶された履歴経路データを使用して決定される。実施形態において、履歴経路データは、それぞれの作業者に関連付けられたデバイスから取得される。実施形態において、履歴経路データは、別の作業者に関連付けられたデバイスから取得される。実施形態において、履歴経路データは、作業者の現在のタスクに関連付けられる。実施形態において、デジタルツインデータストアは、産業環境デジタルツインを含む。実施形態において、1つ以上のプロセッサは更に、ナビゲーション経路データと産業環境デジタルツインとの間の競合の存在を判定すること;センサーアレイを介して産業環境デジタルツインの正確さを判定することに応答して、作業者のナビゲーション経路データを変更すること;及び、センサーアレイを介して産業環境デジタルツインの不正確さを判定することに応答して、産業環境デジタルツインを更新し、それによって競合を解決すること;を行うように構成されている。
実施形態において、産業環境デジタルツインは、作業者から送信された収集されたデータを使用して更新される。実施形態において、収集されたデータは、近接センサーデータ、画像データ、又はそれらの組合せを含む。実施形態において、ナビゲーション経路は、振動測定値を収集するための経路を含む。
本開示のいくつかの実施形態によれば、デジタルツインが産業エンティティ又は環境のコンピュータ生成表現を提供するように、デジタルツイン動的モデルのセットに対する収集された振動データの影響に基づくなど、限定されることなく、産業エンティティのデジタルツイン及び産業環境のデジタルツインのプロパティを更新する方法及びシステムが、本明細書において提供される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新するための方法が開示される。本方法は、1つ以上のデジタルツインの1つ以上のプロパティを更新する要求を受信すること;要求を満たすために必要な1つ以上のデジタルツインを取得すること;要求を満たすために必要な1つ以上の動的モデルを取得すること;1つ以上の動的モデルの1つ以上の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化合物濃度、金属濃度、及び有機化合物の濃度データからなる、セットから選択したデータを取り込む。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステムからなる、セットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して特定される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づき、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新すること;を含む。
実施形態において、振動故障レベル状態は、正常、適切でない(suboptimal)、限界(critical)、及び警告のセットから選択される。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化学物質濃度、金属濃度、及び有機化合物の濃度に関わるデータ群から選択されたデータを取り込む。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステムからなる、セットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の振動厳しさ単位値(vibration severity unit values)を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の振動厳しさ単位値を更新する要求を受け取ること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基いて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数の振動厳しさ単位値を更新すること;を含む。
実施形態では、振動厳しさ単位が変位を表す。
実施形態では、振動の厳しさの単位が速度を表す。
実施形態では、振動厳しさ単位が加速度を表す。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物の濃度を表すデータ群から選択したデータを取得する。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステムからなる、セットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ又は複数の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の故障確率値を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の故障確率値を更新するための要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの故障確率値を更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、財務、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化合物濃度、金属濃度、及び有機化合物の濃度を表すデータからなる、セットから選択したデータを取り込む。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステム、からなるセットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態では、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数のダウンタイム確率値を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数のダウンタイム確率値を更新するための要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインのダウンタイム確率値に関連する1つ又は複数の値を更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化学物質濃度、金属濃度、及び有機物濃度データ、からなるセットより選択したデータを取る。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステム、からなるセットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ又は複数の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数のシャットダウン確率値を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数のシャットダウン確率値を更新するための要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づき、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインのダウンタイム確率に関連する1つ又は複数の値を更新すること;を含む。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化学物質濃度、金属濃度、及び有機化合物の濃度データ、からなるセットから選択したデータを取る。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステム、からなるセットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを特定することを含む。
実施形態において、1つ又は複数の動的モデルは、ルックアップテーブルを使用して特定される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数のダウンタイムコスト値を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数のダウンタイムコスト値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づき、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインのダウンタイムコスト値に関連する1つ又は複数の値を更新すること;を含む。
実施形態において、ダウンタイムコスト値は、時間当たりのダウンタイムコスト、1日当たりのダウンタイムコスト、週当たりのダウンタイムコスト、月当たりのダウンタイムコスト、四半期当たりのダウンタイムコスト、年当たりのダウンタイムコスト、からなるセットから選択される。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物の濃度データ、からなるセットから選ばれたデータを取得する。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステム、からなるセットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の製造重要業績評価指標(KPI)値を更新するための方法が開示される。本方法は、クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の製造KPI値を更新する要求を受け取ること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づき、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの1つ又は複数の製造KPI値を更新すること;を含む。
実施形態において、製造KPIは、稼働時間、稼働率、標準運転効率、全体運転効率、全体設備効果、機械停止時間、予定外停止時間、機械セットアップ時間、在庫回転、在庫精度、品質(例えば不良品率など)、一次歩留まり、手直し、スクラップ、審査落ち、納期遵守、顧客返品、研修時間、従業員の離職率、報告義務のある安全衛生事故、従業員一人当たりの売上高、従業員一人当たりの利益、スケジュール維持、総サイクル時間、スループット、切り替え時間、歩留、計画保守率、及び稼働率、からなるセットから選択される。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、要求は、振動センサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態では、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収益、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化合物濃度、金属濃度、及び有機化合物の濃度データ、からなるセットから選択されたデータを取る。
実施形態において、データソースは、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、クロスポイントスイッチ、モノのインターネット接続デバイス、及びマシンビジョンシステム、からなるセットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、方法が開示される。本方法は、1つ以上のデータソースからインポートデータを受信することであって、インポートデータが産業環境に対応すること;インポートデータに基づいて産業環境を表す環境デジタルツインを生成すること;産業環境内の1つ以上の産業エンティティを識別すること;環境内の1つ以上の産業エンティティを表す離散デジタルツインのセットを生成すること;産業環境のセンサーシステムとの接続を確立すること;その接続を介してセンサーシステムの1つ以上のセンサーからリアルタイムのセンサーデータを受信すること;及び、リアルタイムのセンサーデータに基づいて、環境デジタルツイン及び離散デジタルツインのセットの少なくとも1つを更新すること;を含む。
実施形態において、センサーシステムとの接続は、アプリケーションプログラミングインターフェース(API)を介して確立される。
実施形態において、環境デジタルツイン及び離散デジタルツインのセットは、視覚的な方法でレンダリングされるように構成されたビジュアルデジタルツインである。いくつかの実施形態において、本方法は、仮想現実ヘッドセットを介してビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを更に含む。いくつかの実施形態において、本方法は、ユーザデバイスのディスプレイデバイスを介してビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを更に含む。いくつかの実施形態において、本方法は、ビジュアルデジタルツイン上にオーバーレイされる及び/又はディスプレイインターフェース内に表示される、ビジュアルデジタルツインに関連する情報と共に、ディスプレイインターフェース内にビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを更に含む。いくつかの実施形態において、本方法は、拡張現実対応デバイスを介してビジュアルデジタルツインを表示するクライアントアプリケーションへ、ビジュアルデジタルツインを出力することを更に含む。
いくつかの実施形態において、本方法は、エッジによって接続されたノードのセットを有するグラフデータベースをインスタンス化することを更に含み、ノードのセットの第1のノードは、環境デジタルツインを定義するデータを含み、1つ又は複数のエンティティノードはそれぞれ、離散デジタルツインのセットのそれぞれの離散デジタルツインを定義するそれぞれのデータを含む。いくつかの実施形態では、各エッジが、2つのそれぞれのデジタルツイン間の関係を表す。これらの実施形態のいくつかにおいて、離散デジタルツインを埋め込むことは、それぞれの離散デジタルツインに対応するエンティティノードを、それぞれの離散デジタルツインによって表されるそれぞれの産業エンティティと産業環境との間のそれぞれの関係を表すエッジで、第1のノードへ接続することを含む。いくつかの実施形態では、各エッジが、2つのそれぞれのデジタルツイン間の空間的関係を表す。いくつかの実施形態では、各エッジが、2つのそれぞれのデジタルツイン間の動作的関係を表す。いくつかの実施形態では、各エッジが、2つのそれぞれのデジタルツインの間の関係に対応するメタデータを格納する。いくつかの実施形態において、1つ以上のエンティティノードの各エンティティノードは、エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティを1つ以上含む。いくつかの実施形態において、1つ以上のエンティティノードの各エンティティノードは、エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティの1つ以上の挙動を含む。いくつかの実施形態において、環境ノードは、環境の1つ又は複数のプロパティを含む。いくつかの実施形態において、環境ノードは、環境の1つ又は複数の挙動を含む。
いくつかの実施形態において、本方法は、環境デジタルツイン及び1つ以上の離散デジタルツインに基づいて、シミュレーションを実行することを更に含む。いくつかの実施形態において、シミュレーションは、入力のセットに基づいて出力を生成する機械の動作をシミュレートする。いくつかの実施形態において、シミュレーションは、産業環境の機械におけるベアリングの振動パターンをシミュレートする。
実施形態において、1つ以上の産業エンティティは、マシンコンポーネント、インフラストラクチャコンポーネント、機器コンポーネント、ワークピースコンポーネント、工具コンポーネント、建築コンポーネント、電気コンポーネント、流体処理コンポーネント、機械コンポーネント、動力コンポーネント、製造コンポーネント、エネルギー生産コンポーネント、材料抽出コンポーネント、作業員、ロボット、組立ライン、及び自律走行車からなる、セットから選択される。
実施形態において、産業環境は、工場、エネルギー生産施設、材料抽出施設、採掘施設、掘削施設、産業農業施設、及び産業貯蔵施設のうちの1つである。
実施形態において、インポートデータは、環境の三次元スキャンを含む。
実施形態において、インポートデータは、産業環境のLIDARスキャンを含む。
実施形態において、産業環境のデジタルツインを生成することは、産業環境の表面のセットを生成することを含む。
実施形態において、産業環境のデジタルツインを生成することは、産業環境の寸法のセットを構成することを含む。
実施形態において、離散デジタルツインのセットを生成することは、産業エンティティの製造者から産業エンティティの事前定義されたデジタルツインをインポートすることを含み、その事前定義されたデジタルツインが、産業エンティティのプロパティ及び挙動を含む。
実施形態において、離散デジタルツインのセットを生成することは、産業環境のインポートデータ内の産業エンティティを分類すること、及び分類された産業エンティティに対応する離散デジタルツインを生成することを含む。
本開示の態様によれば、産業環境内のインタラクションを監視するためのシステムは、デジタルツインデータストアと、1つ以上のプロセッサとを含む。デジタルツインデータストアは、産業環境内に配置された近接センサーのセットによって収集されたデータを含む。データは、産業環境内の複数の要素のそれぞれの位置を示す位置データを含む。1つ以上のプロセッサは、デジタルツインデータストアを介して、産業環境のための産業環境デジタルツインを維持し、複数の要素から現実世界の要素によって近接センサーのセット内の少なくとも1つの近接センサーの作動を示す信号を受け取り、少なくとも1つの近接センサーの作動に応答して、少なくとも1つの近接センサーを使用して現実世界の要素の更新された位置データを集め、及び、更新された位置データを含めるためにデジタルツインデータストア内の産業環境デジタルツインを更新するように構成される。
実施形態において、近接センサーのセットの各々は、ユーザに関連するデバイスを検出するように構成される。
実施形態において、デバイスはウェアラブルデバイスである。
実施形態では、デバイスはRFIDデバイスである。
実施形態において、複数の要素の各要素は、モバイル要素である。
実施形態において、複数の要素の各要素は、それぞれの作業者である。
実施形態において、複数の要素は、モバイル機器要素及び作業者を含み、モバイル機器位置データは、それぞれのモバイル機器要素によって送信されるデータを使用して測定され、作業者位置データは、システムによって取得されるデータを使用して測定される。
実施形態では、作業者位置データは、それぞれの作業者に関連するデバイスから送信される情報を使用して測定される。
実施形態において、少なくとも1つの近接センサーの作動は、それぞれの作業者と近接センサーとの間のインタラクションに応答して発生する。
実施形態において、少なくとも1つの近接センサーの作動は、作業者と、少なくとも1つの近接センサーに対応するそれぞれの少なくとも1つの近接センサーデジタルツインとの間の、インタラクションに応答して発生する。
実施形態において、1つ以上のプロセッサは、少なくとも1つの近接センサーの作動に応答して、近接センサーのセットを使用して複数の要素についての更新された位置データを収集する。
本開示の態様によれば、そこに配置された現実世界の要素を有する産業環境を監視するためのシステムは、デジタルツインデータストアと、1つ以上のプロセッサとを含む。デジタルツインデータストアは、そこに格納された状態のセットを含む。状態のセットは、現実世界の要素の1つ以上の状態を含む。状態のセット内の各状態は、監視された属性のセットからの識別基準(criteria)のセットによって、一意に識別可能である。監視された属性は、現実世界の要素に動作可能に結合されたセンサーアレイから受信された信号に対応する。1つ以上のプロセッサは、デジタルツインデータストアを介して、産業環境のための産業環境デジタルツインを維持し、センサーアレイを介して、監視された属性のセット内の1つ以上の属性についての信号を受信し、1つ以上の属性についての信号が識別基準のそれぞれのセットを満たすと判定することに応答して、現実世界の要素の1つ以上の現在の状態を判定し、現在の状態を判定することに応答して、1つ以上の現実世界の要素の現在の状態を含むよう産業環境デジタルツインを更新するように、構成される。現在の状態は、状態のセット内のそれぞれの状態に対応する。
実施形態において、認知知能システムは、デジタルツインデータストア内に識別基準を格納する。
実施形態において、認知知能システムは、識別基準を受信することに応答して、監視される属性のセットに対するトリガー条件を更新して、更新されたトリガー条件を含むようにする。
実施形態において、更新されたトリガー条件は、監視された属性のセットから感知された属性を受け取る間の時間間隔を減少させるものである。
実施形態において、感知された属性は、識別基準に対応する属性である。
実施形態において、感知された属性は、それぞれの現実世界の要素に対応する全ての属性である。
実施形態において、認知知能システムは、状態に応答するための指示が存在するかどうかを判定し、指示が存在しないと判定することに応答して、認知知能システムは、デジタルツインシミュレーションシステムを使用して、状態に応答するための指示を決定する。
実施形態において、デジタルツインシミュレーションシステム及び認知知能システムは、関連するコストファンクションが最小化されるまで、シミュレーション値及び応答動作を繰り返し反復し、1つ以上のプロセッサは、関連するコストファンクションの最小化に応答して、関連するコストファンクションを最小化する応答動作をデジタルツインデータストア内に記憶するように、更に構成される。
実施形態において、認知知能システムは、状態に関連する応答動作に影響を与えるように構成される。
実施形態において、認知知能システムは、応答動作によって識別される1つ以上の現実世界要素の動作を停止するように構成される。
実施形態において、認知知能システムは、応答動作によって識別された産業環境のためのリソースを決定し、それに応答してリソースを変更するように構成される。
実施形態において、リソースはデータ転送帯域幅を含み、リソースを変更することは、それによってデータ転送帯域幅を増加させるために追加の接続を確立することを含む。
本開示の態様によれば、そこに配置された現実世界要素を有する産業環境を通るナビゲーション経路データを監視するためのシステムは、デジタルツインデータストアと1つ以上のプロセッサとを含む。デジタルツインデータストアは、産業環境に対応する産業環境デジタルツインと、産業環境内の作業者のセットのそれぞれの作業者に対応する作業者デジタルツインとを含む。1つ以上のプロセッサは、デジタルツインデータストアを介して、産業環境内の作業者のセットの同時刻の位置を含むように、産業環境デジタルツインを維持し、センサーアレイを介して作業者のセット内のそれぞれの作業者の動きを監視し、それぞれの作業者の動きを検出することに応答して、それぞれの作業者のナビゲーション経路データを決定し、それぞれの作業者のナビゲーション経路データのインジケーター(indicia)を含むように、産業環境デジタルツインを更新し、及び、ナビゲーション経路データの経路に沿って作業者のデジタルツインを移動するように、構成されている。
実施形態において、1つ以上のプロセッサは、それぞれの作業者の移動を表すことに応答して、作業者のセット内の残りの作業者のためのナビゲーション経路データを決定することを更新するように、更に構成される。
実施形態において、ナビゲーション経路データは、産業環境における1つ以上の機械から振動測定値を収集するための経路を含む。
実施形態において、ナビゲーション経路データは、1つ以上の個人関連(individual-associated)デバイスによって、システムへ自動的に送信される。
実施形態において、個人関連デバイスは、セルラーデータ機能を有するモバイルデバイスである。
実施形態において、個人関連デバイスは、作業者に関連するウェアラブルデバイスである。
実施形態において、ナビゲーション経路データは、環境関連センサーを介して決定される。
実施形態において、ナビゲーション経路データは、デジタルツインデータストアに格納された過去の経路データを使用して決定される。
実施形態では、過去の経路データは、それぞれの作業者を使用して取得される。
実施形態では、過去の経路データは、別の作業者を使用して取得される。
実施形態において、過去の経路データは、作業者の現在のタスクと関連付けられる。
実施形態において、デジタルツインデータストアは、産業環境デジタルツインを含む。
実施形態において、1つ以上のプロセッサは、ナビゲーション経路データと産業環境デジタルツインとの間の競合の存在を判定し、センサーアレイを介して産業環境デジタルツインの正確さを判定することに応答して、作業者のナビゲーション経路データを変更し、及び、センサーアレイを介して産業環境デジタルツインの不正確さを判定することに応答して、産業環境デジタルツインを更新し、それによって競合を解消するように、更に構成される。
実施形態において、産業環境デジタルツインは、作業者から送信される収集データを使用して更新される。
実施形態において、収集されたデータは、近接センサーデータ、画像データ、又はそれらの組み合わせを含む。
本開示の態様によれば、ナビゲーション経路データを監視するためのシステムは、デジタルツインデータストアと、1つ以上のプロセッサとを含む。デジタルツインデータストアは、その中に埋め込まれた現実世界要素デジタルツインで産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素のデジタルツインを提供する。現実世界要素は、作業者のセットを含む。1つ以上のプロセッサは、作業者のセット内の各作業者の動きを監視し、作業者セット内の少なくとも1人の作業者のナビゲーション経路データを決定し、及び、ナビゲーション経路データを使用する関連するデジタルツインの動きによって、少なくとも1人の作業者の動きを表現するように、構成されている。
実施形態において、1つ以上のプロセッサは、少なくとも1人の作業者の動きを表すことに応答して、作業者のセット内の残りの作業者のためのナビゲーション経路データを決定するように、更に構成される。
実施形態において、ナビゲーション経路データは、産業環境における1つ以上の機械から振動測定値を収集するための経路を含む。
実施形態において、ナビゲーション経路データは、1つ以上の個人関連デバイスによってシステムへ自動的に送信される。
実施形態において、個人関連デバイスは、セルラーデータ機能を有するモバイルデバイスである。
実施形態において、個人関連デバイスは、作業者に関連するウェアラブルデバイスである。
実施形態では、ナビゲーション経路データは、環境関連センサーを介して決定される。
実施形態において、ナビゲーション経路データは、デジタルツインデータストアに格納された過去の経路データを使用して決定される。
実施形態において、過去の経路データは、それぞれの作業者を使用して取得される。
実施形態において、過去の経路データは、別の作業者を使用して取得される。
実施形態において、過去の経路データは、作業者の現在のタスクと関連付けられている。
実施形態において、デジタルツインデータストアは、産業環境デジタルツインを含む。
実施形態において、1つ以上のプロセッサは、ナビゲーション経路データと産業環境デジタルツインとの間の競合の存在を判定し、センサーアレイを介して産業環境デジタルツインの正確さを判定することに応答して、作業者のナビゲーション経路データを変更し、センサーアレイを介して産業環境デジタルツインの不正確さを判定することに応答して、産業環境デジタルツインを更新し、それによって競合を解消するように、更に構成されている。
実施形態において、産業環境デジタルツインは、作業者から送信される収集データを使用して更新される。
実施形態において、収集されたデータは、近接センサーデータ、画像データ、又はそれらの組合せを含む。
本開示の態様によれば、デジタルツインで産業ワークピースオブジェクトを表現するためのシステムは、デジタルツインデータストアと1つ以上のプロセッサとを含む。デジタルツインデータストアは、その中に埋め込まれた現実世界要素デジタルツインで産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素のデジタルツインを提供する。現実世界要素は、産業ワークピースと作業者とを含む。1つ以上のプロセッサは、デジタルツインシミュレーションシステムを使用して、作業者が産業ワークピースに対して実行する物理的インタラクションのセットをシミュレーションするように構成される。シミュレーションは、物理的インタラクションのセットを取得すること、作業者の履歴データに基づいて物理的インタラクションのセット内の各物理的インタラクションの実行に対する予想持続時間を推定すること、及び、デジタルツインデータストア内に、産業ワークピースの物理的インタラクションのセットの実行に対応する産業ワークピースデジタルツインを記憶させること、を含む。
実施形態では、履歴データが、ユーザ入力データから取得される。
実施形態では、履歴データが、産業環境内のセンサーアレイから取得される。
実施形態において、履歴データは、作業者が着用するウェアラブルデバイスから取得される。
実施形態において、履歴データの各データは、第1の時間及び第2の時間のインジケーターを含み、第1の時間は、物理的インタラクションの実行の時間である。
実施形態において、第2の時間は、作業者の予想される休憩時間を開始する時間である。
実施形態において、履歴データは、予想される休憩時間に対する持続時間のインジケーターを更に含む。
実施形態において、第2の時間は、作業者の予想される休憩時間を終了させる時間である。
実施形態において、履歴データは、予想される休憩時間に対する持続時間のインジケーターを更に含む。
実施形態において、第2の時間は、作業者の予期しない休憩時間を終了させる時間である。
実施形態において、履歴データは、予期しない休憩時間に対する持続時間のインジケーターを更に含む。
実施形態において、履歴データの各データは、ワークピースとの物理的インタラクションのセットを実行する前の、作業者と複数の他のワークピースとの連続するインタラクションのインジケーターを含む。
実施形態において、履歴データの各データは、作業者が産業環境内に存在した連続する日数のインジケーターを含む。
実施形態において、履歴データの各データは、作業者の年齢のインジケーターを含む。
実施形態において、履歴データは、作業者の予想される休憩時間の第1の持続時間と、作業者の予期しない休憩時間の第2の持続時間とのインジケーターを更に含み、履歴データの各データは、複数の時間のインジケーター、ワークピースとの物理的インタラクションのセットを実行する前の、作業者と複数の他のワークピースとの連続するインタラクションのインジケーター、作業者が産業環境内に存在した連続する日数のインジケーター、及び/又は作業者の年齢についてのインジケーターを含んでいる。複数の時間は、第1の時間、第2の時間、第3の時間、及び第4の時間を含む。第1の時間は、物理的インタラクションの実行時間であり、第2の時間は、予想される休憩時間の開始時間であり、第3の時間は、予想される休憩時間の終了時間であり、第4の時間は、予期しない休憩時間の終了時間である。
実施形態において、産業ワークピースデジタルツインは、任意の物理的インタラクションの実行前の産業ワークピースに対応する第1の産業ワークピースデジタルツインと、物理的インタラクションのセットの実行後の産業ワークピースに対応する第2の産業ワークピースデジタルツインと、である。
実施形態において、産業ワークピースデジタルツインは、複数の産業ワークピースデジタルツインであり、複数の産業ワークピースデジタルツインの各々は、物理的インタラクションのセットのそれぞれの1つを実行した後の産業ワークピースに対応する。
本開示の態様によれば、ウェアラブルデバイスを介して体験を誘発するためのシステムは、デジタルツインデータストアと1つ又は複数のプロセッサとを含む。デジタルツインデータストアは、その中に埋め込まれた現実世界要素デジタルツインで産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素のデジタルツインを提供する。現実世界要素は、産業環境内で着用者によって装着されるウェアラブルデバイスを含む。1つ以上のプロセッサは、デジタルツイン内にウェアラブルデバイスのための制御命令のセットを埋め込み、ウェアラブルデバイスとデジタルツインのそれぞれの1つとの間のインタラクションに応答して、ウェアラブルデバイスの着用者の体験を誘発するように構成される。
実施形態において、ウェアラブルデバイスは、ビデオ、オーディオ、触覚フィードバック、又はそれらの組み合わせを出力して、着用者の体験を誘発するように構成される。
実施形態では、体験が仮想現実体験である。
実施形態において、ウェアラブルデバイスは、画像キャプチャデバイスを含み、インタラクションは、ウェアラブルデバイスがデジタルツインの画像をキャプチャすることを含む。
実施形態において、ウェアラブルデバイスは、ディスプレイデバイスを含み、体験は、それぞれのデジタルツインに関連する情報の表示を含む。
実施形態において、表示される情報は、デジタルツインに関連する財務データを含む。
実施形態において、表示される情報は、デジタルツインの運用に関連する利益又は損失を含む。
実施形態において、表示される情報は、前景要素によって少なくとも部分的にオクルードされた(occluded)オクルードされた要素に関連する情報を含む。
実施形態において、表示される情報は、オクルードされた要素の動作パラメータを含む。
実施形態において、表示される情報は、表示された動作パラメータに対応する設計パラメータとの比較を更に含む。
実施形態において、比較は、操作パラメータの色、サイズ、又は表示期間を変更するために、操作パラメータの表示を変更することを含む。
実施形態において、情報は、オクルードされた要素にオーバーレイされ、前景要素と共に可視化された、オクルードされた要素の仮想モデルを含む。
実施形態において、情報は、オクルードされた要素へのアクセスを提供するように構成された取り外し可能な要素のためのインジケーターを含む。各インジケーターは、それぞれの取り外し可能な要素に近接して表示される。
実施形態において、インジケーターは、第1の取り外し可能な要素に対応する第1のインジケーターが表示され、作業者が第1の取り外し可能な要素を取り外すことに応答して、第2の取り外し可能な要素に対応する第2のインジケーターが表示されるように、順次表示される。
本開示の態様によれば、産業用デジタルツインにデバイス出力を埋め込むためのシステムは、デジタルツインデータストアと1つ又は複数のプロセッサとを含む。デジタルツインデータストアは、そこに埋め込まれた現実世界要素デジタルツインを有する産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素のデジタルツインを提供する。現実世界要素は、同期性(simultaneous)位置及びマッピングセンサーを含む。1つ以上のプロセッサは、同期性位置及びマッピングセンサーから位置情報を取得し、同期性位置及びマッピングセンサーが環境内に配置されていることを判定し、同期性位置及びマッピングセンサーからマッピング情報、経路情報、又はそれらの組み合わせを収集し、及び、マッピング情報、経路情報、又はそれらの組み合わせを使用して、産業環境デジタルツインを更新するように、構成される。収集は、同期性位置及びマッピングセンサーが産業環境内にあると判定することに応答して行われる。
実施形態において、1つ以上のプロセッサは、マッピング情報内のオブジェクトを検出し、マッピング情報内の各検出されたオブジェクトについて、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応するか否かを判定し、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応しないと判定することに応答して、デジタルツイン生成システムを使用して、検出されたオブジェクトのデジタルツインをデジタルツインデータストア内の現実世界要素デジタルツインへ追加し、及び、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応しないと判定することに応答して、同期性位置及びマッピングセンサーによって検出された新しい情報を含むように、現実世界要素デジタルツインを更新する、ように構成される。
実施形態において、同期性位置及びマッピングセンサーは、準最適(sub-optimal)マッピングアルゴリズムを使用してマッピング情報を生成するように構成される。
実施形態において、準最適マッピングアルゴリズムは、産業環境内の要素についての境界領域表現(bounded-region representations)を生成する。
実施形態において、1つ以上のプロセッサは、準最適マッピングアルゴリズムによって検出されたオブジェクトを取得し、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応するか否かを判定し、及び、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応すると判定したことに応答して、現実世界要素デジタルツインの寸法情報を含むようマッピング情報を更新するように、更に構成されている。
実施形態において、更新されたマッピング情報は、それによって産業環境を通るナビゲーションを最適化するために、同期性位置及びマッピングセンサーへ提供される。
実施形態において、1つ以上のプロセッサは、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応しないと判定したことに応答して、検出されたオブジェクトの洗練されたマップを生成するように構成されている同期性位置及びマッピングセンサーから、検出されたオブジェクトの更新データを要求するように、更に構成される。
実施形態において、同期性位置及びマッピングセンサーは、第2のアルゴリズムを用いて更新データを提供する。第2のアルゴリズムは、検出されたオブジェクトの解像度を高めるように構成される。
実施形態において、同期性位置及びマッピングセンサーは、要求を受信することに応答して、検出されたオブジェクトに対応する現実世界要素の更新データを捕捉する。
実施形態において、同期性位置及びマッピングセンサーは、産業環境をナビゲートする自律車両内にある。
実施形態において、自律走行車のナビゲーションは、デジタルツインデータストアから受信したデジタルツインの使用を含む。
本開示の態様によれば、産業用デジタルツインにデバイス出力を埋め込むためのシステムは、デジタルツインデータストアと1つ又は複数のプロセッサとを含む。デジタルツインデータストアは、そこに埋め込まれた現実世界要素デジタルツインを有する産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素に対するデジタルツインを提供する。現実世界要素は、光検出及び測距センサー(light detection and ranging sensor)を含む。1つ以上のプロセッサは、光検出及び測距センサーからの出力を取得し、光検出及び測距センサーの出力を産業環境デジタルツインに埋め込んで、産業環境内の現実世界要素の少なくとも1つの外部特徴(external features)を定義するように構成される。
実施形態において、1つ以上のプロセッサは、光検出及び測距センサーの出力内の複数の検出されたオブジェクトを特定するために、出力を分析するように更に構成される。複数の検出されたオブジェクトの各々は、閉じた形状(closed shape)である。
実施形態において、1つ以上のプロセッサは、複数の検出されたオブジェクトをデジタルツインデータストア内の現実世界要素デジタルツインと比較し、複数の検出されたオブジェクトのそれぞれについて、検出されたオブジェクトが現実世界要素デジタルツインのうちの1つ又は複数に対応すると判定することに応答して、デジタルツインデータストア内のそれぞれの現実世界要素デジタルツインを更新し、及び、検出されたオブジェクトが現実世界要素デジタルツインに対応しないと判定することに応答して、新しい現実世界要素デジタルツインをデジタルツインデータストアへ追加する、ように構成されている。
実施形態において、光検出及び測距センサーからの出力は、第1の解像度で受信され、1つ以上のプロセッサは、複数の検出されたオブジェクトをデジタルツインデータストア内の現実世界要素デジタルツインと比較し、現実世界要素デジタルツインに対応しない複数の検出されたオブジェクトのそれぞれについて、スキャン解像度を第2の解像度まで増加するよう光検出及び測距センサーに指示し、第2の解像度を用いて検出されたオブジェクトのスキャンを実行するように、更に構成される。
実施形態において、スキャンは、第1の解像度の少なくとも5倍の解像度である。
実施形態において、スキャンは、第1の解像度の少なくとも10倍の解像度である。
実施形態において、光検出及び測距センサーからの出力は、第1の解像度で受信され、1つ以上のプロセッサは、複数の検出されたオブジェクトをデジタルツインデータストア内の現実世界要素デジタルツインと比較し、複数の検出されたオブジェクトのそれぞれについて、検出されたオブジェクトが現実世界要素デジタルツインの1つ以上に対応すると判定することに応じて、デジタルツインデータストア内のそれぞれの現実世界要素デジタルツインを更新するように、更に構成されている。検出されたオブジェクトが現実世界要素デジタルツインに対応しないと判定することに応答して、システムは、光検出及び測距センサーに指示して、スキャン解像度を第2の解像度に増加させ、第2の解像度を用いて検出されたオブジェクトのスキャンを行い、検出されたオブジェクトに対する新しい現実世界要素デジタルツインをデジタルツインデータストアに追加するように、更に構成される。
本開示の態様によれば、産業デジタルツインにデバイス出力を埋め込むためのシステムは、デジタルツインデータストアと1つ又は複数のプロセッサとを含む。デジタルツインデータストアは、産業環境のデジタルツインを提供する産業環境デジタルツインを含む。産業環境は、その中に配置された現実世界要素を含む。現実世界要素は、複数のウェアラブルデバイスを含む。産業環境デジタルツインは、その中に埋め込まれた複数の現実世界要素デジタルツインを含む。各現実世界要素デジタルツインは、現実世界要素のうちのそれぞれの少なくとも1つに対応する。1つ以上のプロセッサは、複数のウェアラブルデバイスのそれぞれについて、ウェアラブルデバイスからの出力を取得し、トリガー条件を検出することに応答して、ウェアラブルデバイスからの出力を使用して産業環境デジタルツインを更新するように構成される。
実施形態において、トリガー条件は、ウェアラブルデバイスからの出力の受信である。
実施形態において、トリガー条件は、ウェアラブルデバイスからの出力が、ウェアラブルデバイスからの以前に記憶された出力と異なるという判定である。
実施形態において、トリガー条件は、複数のウェアラブルデバイス内の別のウェアラブルデバイスからの受信した出力が、その別のウェアラブルデバイスからの以前に記憶された出力と異なるという判定である。
実施形態において、トリガー条件は、ウェアラブルデバイスからの出力と、ウェアラブルデバイスの別のものからの同時期の出力との間のミスマッチを含む。
実施形態において、トリガー条件は、ウェアラブルデバイスからの出力と、ウェアラブルデバイスについてのシミュレーション値との間のミスマッチを含む。
実施形態において、トリガー条件は、ウェアラブルデバイスに対応するデジタルツインとのユーザインタラクションを含む。
実施形態において、1つ又は複数のプロセッサは、同期性位置及びマッピングセンサーから受信したマッピング情報内のオブジェクトを検出するように、更に構成される。マッピング情報内の検出された各オブジェクトについて、システムは、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応するか否かを判定し、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応しないと判定することに応答して、デジタルツイン生成システムを使用して、検出されたオブジェクトのデジタルツインを、デジタルツインデータストア内の現実世界要素デジタルツインに追加し、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応すると判定することに応答して、同期性位置及びマッピングセンサーによって検出された新しい情報を含むよう、現実世界要素デジタルツインを更新するように、更に構成される。
実施形態において、同期性位置及びマッピングセンサーは、準最適マッピングアルゴリズムを使用してマッピング情報を生成するように構成される。
実施形態において、準最適マッピングアルゴリズムは、産業環境内の要素について境界領域表現を生成する。
実施形態において、1つ以上のプロセッサは、準最適マッピングアルゴリズムによって検出されたオブジェクトを取得し、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応するか否かを判定し、及び、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応すると判定したことに応答して、現実世界要素デジタルツインからの寸法情報を含むようマッピング情報を更新するように、更に構成されている。
実施形態において、更新されたマッピング情報は、それによって産業環境を通るナビゲーションを最適化するために、同期性位置及びマッピングセンサーに提供される。
実施形態において、1つ以上のプロセッサは、検出されたオブジェクトが既存の現実世界要素デジタルツインに対応しないと判定することに応答して、検出されたオブジェクトの洗練されたマップを生成するように構成されている同期性位置及びマッピングセンサーから、検出されたオブジェクトの更新データを要求するように更に構成される。
実施形態において、同期性位置及びマッピングセンサーは、第2のアルゴリズムを用いて更新されたデータを提供する。第2のアルゴリズムは、検出されたオブジェクトの解像度を高めるように構成される。
実施形態において、同期性位置及びマッピングセンサーは、要求を受信することに応答して、検出されたオブジェクトに対応する現実世界要素の更新されたデータを取り込む。
実施形態において、同期性位置及びマッピングセンサーは、産業環境をナビゲートする自律車両内にある。
実施形態において、自律走行車のナビゲーションは、デジタルツインデータストアから受信した現実世界要素デジタルツインの使用を含む。
本開示の態様によれば、産業デジタルツインにおいて属性を表現するためのシステムは、デジタルツインデータストアと1つ以上のプロセッサとを含む。デジタルツインデータストアは、そこに埋め込まれた現実世界要素デジタルツインを含む産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境に対応する。各現実世界要素デジタルツインは、産業環境内に配置されているそれぞれの現実世界要素のデジタルツインを提供する。現実世界要素デジタルツインは、モバイル要素デジタルツインを含む。各モバイル要素デジタルツインは、現実世界要素内のそれぞれのモバイル要素のデジタルツインを提供する。1つ以上のプロセッサは、各モバイル要素について、トリガー条件の発生に応答して、モバイル要素の位置を推定し、モバイル要素の位置を推定することに応答して、モバイル要素の位置を反映するようモバイル要素に対応するモバイル要素デジタルツインを更新するように構成される。
実施形態において、モバイル要素は、産業環境内の作業者である。
実施形態において、モバイル要素は、産業環境内の車両である。
実施形態において、トリガー条件は、動的に決定された時間間隔の満了である。
実施形態において、動的に決定された時間間隔は、産業環境内の単一のモバイル要素を決定したことに応答して増加される。
実施形態において、動的に決定された時間間隔は、環境活動が減少した所定の期間の発生を判定したことに応答して増加される。
実施形態において、動的に決定された時間間隔は、産業環境内の異常な活動を判定することに応答して減少される。
実施形態において、動的に決定された時間間隔は、第1の時間間隔であり、動的に決定された時間間隔は、モバイル要素の動きを判定したことに応答して第2の時間間隔へ減少される。
実施形態において、動的に決定された時間間隔は、少なくとも第3の時間間隔の間、モバイル要素の非移動を判定したことに応答して、第2の時間間隔から第1の時間間隔へ増加される。
実施形態において、トリガー条件は、時間間隔の満了である。時間間隔は、モバイル要素が動いたという確率に基づいて計算される。
実施形態において、トリガー条件は、モバイル要素の別のものへのモバイル要素の近接である。
実施形態において、トリガー条件は、産業環境内の可動要素の密度に基づく。
実施形態において、経路情報は、モバイル要素のナビゲーションモジュールから取得される。
実施形態において、1つ以上のプロセッサは、産業環境内の複数のセンサーを使用して、モバイル要素の動きを検出することと、モバイル要素の目的地を得ることと、産業環境内の複数のセンサーを使用して、モバイル要素の最適化経路を計算することと、最適化経路をナビゲートするようにモバイル要素に指示することと、を含む経路情報を得るように更に構成される。
実施形態において、最適化された経路は、現実世界要素内の他のモバイル要素の経路情報を使用することを含む。
実施形態において、最適化された経路は、産業環境内のモバイル要素と人間との間のインタラクションを最小限にする。
実施形態において、モバイル要素は、自律車両と非自律車両とを含み、最適化された経路は、自律車両と非自律車両とのインタラクションを低減する。
実施形態では、トラフィックモデリングは、粒子トラフィックモデル、トリガー応答モバイル要素追従トラフィックモデル、巨視的トラフィックモデル、微視的トラフィックモデル、メゾスコピックトラフィックモデル、又はそれらの組み合わせの使用を含んでいる。
本開示の態様によれば、設計仕様情報を表現するためのシステムは、デジタルツインデータストアと1つ又は複数のプロセッサとを含む。デジタルツインデータストアは、そこに埋め込まれた現実世界要素デジタルツインを含む産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境に対応する。各現実世界要素デジタルツインは、産業環境内に配置されているそれぞれの現実世界要素のデジタルツインを提供する。1つ以上のプロセッサは、現実世界要素のそれぞれについて、現実世界要素の設計仕様を決定し、設計仕様を現実世界要素デジタルツインに関連付け、及び、ユーザが現実世界要素デジタルツインと対話することに応答して、設計仕様をユーザに表示するように、構成されている。
実施形態において、ユーザが現実世界要素デジタルツインと対話することは、ユーザが現実世界要素デジタルツインを選択することを含む。
実施形態において、ユーザが現実世界要素デジタルツインと対話することは、ユーザが現実世界要素デジタルツインに向けて画像キャプチャデバイスを指示することを含む。
実施形態において、画像キャプチャデバイスは、ウェアラブルデバイスである。
実施形態において、現実世界要素デジタルツインは、産業環境デジタルツインである。
実施形態において、設計仕様は、ユーザの入力に応答して、デジタルツインデータストアに格納される。
実施形態において、設計仕様は、デジタルツインシミュレーションシステムを使用して決定される。
実施形態において、1つ以上のプロセッサは、現実世界要素の各々について、産業環境内のセンサーを使用して、1つ以上の同期性動作パラメータを検出し、1つ以上の同期性動作パラメータを設計仕様と比較し、及び、1つ以上の同期性動作パラメータと設計仕様との間の不一致に応答して、設計仕様、1つ以上の同期性動作パラメータ、又はそれらの組み合わせを自動的に表示するように、更に構成される。1つ又は複数の同期性動作パラメータは、現実世界要素の設計仕様に対応する。
実施形態において、設計仕様の表示は、同期性動作パラメータのインジケーターを含む。
実施形態において、設計仕様の表示は、仕様情報のソースインジケーターを含む。
実施形態において、ソースインジケーターは、設計仕様がデジタルツインシミュレーションシステムの使用を介して決定されたことを、ユーザに通知する。
本開示のより完全な理解は、以下の説明及び添付の図面並びに特許請求の範囲から認識されるであろう。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して特定される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の流体力学関連値(fluid dynamics-related values)を更新するための方法が開示される。本方法は以下を含む:クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の流体力学関連値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの流体力学関連値に関する1つ又は複数の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選択されるデータを取る。
実施形態において、データソースは、モノのインターネットに接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、流体力学関連値は、流体流量値である。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含んでいる。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の放射線値(radiation values)を更新する方法が開示される。本方法は以下を含む:クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の放射線値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの放射線量に関連する1つ又は複数の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、音声、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選択したデータを取得する。
実施形態において、データソースは、モノのインターネットに接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、放射線値は、ガンマ線量率値である。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の量子力学的値(quantum mechanical values)を更新するための方法が開示される。本方法は以下を含む:クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の量子力学的値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの量子力学的値に関連する1つ又は複数の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選択したデータを取り込む。
実施形態において、データソースは、モノのインターネットに接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数のロケーション値を更新するための方法が開示される。本方法は以下を含む:クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数のロケーション値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ以上の動的モデルへの1つ以上の入力として使用して、1つ以上の出力を計算すること;及び、1つ以上の動的モデルの出力に基づいて、1つ以上のデジタルツインのロケーション値に関する1つ以上の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選ばれたデータを取り込む。
実施形態において、データソースは、モノのインターネットに接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ又は複数のデジタルツインの1つ又は複数の金属濃度値を更新する方法が開示される。本方法は以下を含む:
クライアントアプリケーションから、1つ以上のデジタルツインの1つ以上の金属濃度値を更新する要求を受信すること;要求を満たすために必要な1つ以上のデジタルツインを取得すること;要求を満たすために必要な1つ以上の動的モデルを取得すること;1つ以上の動的モデルの1つ以上の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの金属濃度値に関連する1つ又は複数の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは産業エンティティのデジタルツインである。
実施形態において、デジタルツインは産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選択されるデータを取る。
実施形態において、データソースは、モノのインターネットに接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、金属は、銅、クロム、ニッケル、及び亜鉛のセットから選択される。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含む。
実施形態において、1つ以上の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ以上のデジタルツインの1つ以上の有機化合物濃度値を更新するための方法が開示される。本方法は以下を含む:クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の有機化合物濃度値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの有機化合物濃度値に関する1つ又は複数の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、音声、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生物化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選ばれたデータを取り込む。
実施形態において、データソースは、モノのインターネットに接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含んでいる。
実施形態において、1つ又は複数の動的モデルは、ルックアップテーブルを使用して識別される。
本開示のいくつかの実施形態によれば、1つ以上のデジタルツインの1つ以上の生体化合物濃度値を更新するための方法が開示される。本方法は以下を含む:クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の生体化合物濃度値を更新する要求を受信すること;要求を満たすために必要な1つ又は複数のデジタルツインを取得すること;要求を満たすために必要な1つ又は複数の動的モデルを取得すること;1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用できるデータソースのセットからデータソースを選択すること;選択されたデータソースからデータを取得すること;取得されたデータを1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を計算すること;及び、1つ又は複数の動的モデルの出力に基づいて、1つ又は複数のデジタルツインの生体化合物濃度値に関する1つ又は複数の値を更新すること。
実施形態において、要求は、産業環境及び/又は産業環境内の1つ以上の産業エンティティに対応するクライアントアプリケーションから受信される。
実施形態において、要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信される。
実施形態において、デジタルツインは、産業エンティティのデジタルツインである。
実施形態において、デジタルツインは、産業環境のデジタルツインである。
実施形態において、動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生物化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選ばれたデータを取得する。
実施形態において、データソースは、モノのインターネット接続されたデバイスである。
実施形態において、データソースは、マシンビジョンシステムである。
実施形態において、1つ以上の動的モデルを取得することは、要求で示された1つ以上のプロパティと、1つ以上のデジタルツインのそれぞれのタイプとに基づいて、1つ以上の動的モデルを識別することを含んでいる。
いくつかの実施形態において、本方法は、産業環境に関連する産業プロセスで実行される1つ又は複数のステップに関連するユーザ入力を受け取ること、及び、産業環境と産業エンティティのセットの1つ又は複数とに関する産業プロセスのステップを定義するプロセスデジタルツインを生成すること、を更に含む。
本開示の態様によれば、停電を表現するためのシステムは、デジタルツインデータストアと1つ以上のプロセッサとを含む。デジタルツインデータストアは、その中に埋め込まれた現実世界要素デジタルツインで産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素のデジタルツインを提供する。現実世界要素は、電気的駆動式要素(electrically powered element)のセットを含む。1つ以上のプロセッサは、電気的駆動式要素のセットについての供給電力を監視し、供給電力が電力損失状態の識別基準に一致するか否かを判定し、及び、電気的駆動式要素のセットのそれぞれについて、対応するデジタルツインを用いて、電力損失状態が電気的駆動式要素に及ぼす影響を表すように構成されている。
実施形態において、1つ以上のプロセッサは、デジタルツインシミュレーションシステムを介して、現実世界要素の各々に対する電力損失状態の影響をシミュレーションし、デジタルツインデータストアを介して、電力損失状態の影響を記憶するように、更に構成される。
実施形態において、1つ以上のプロセッサは、供給電力が電力損失状態の識別基準に一致すると判定したことに応答して、緩和動作(mitigating action)を自動的に実施するように更に構成される。
実施形態において、緩和動作は、現実世界要素の第1の部分及び現実世界要素の第2の部分を選択すること、現実世界要素の第1の部分に対する電力消費を停止すること、及び現実世界要素の第2の部分に対する電力消費を継続することを含む。
実施形態において、現実世界要素の第2の部分に対する電力消費を継続することは、それぞれの現実世界要素によって消費される電力を、最適でない動作レベルまで低減させることを含む。
実施形態において、最適でない動作レベルは、それぞれの現実世界要素を動作させるために必要な最小電力レベルである。
実施形態において、緩和動作は、貯蔵電力から現実世界要素の第2の部分に電力を供給することを更に含み、貯蔵電力は、電力損失状態の発生前に産業環境内に存在する。
実施形態において、貯蔵電力は、環境内のバッテリーから供給される。
実施形態において、現実世界要素は、現実世界要素の第3の部分を含み、それぞれのバッテリーを含む現実世界要素の第3の部分内のそれぞれの現実世界要素はその中に配置され、それぞれのバッテリーは、電力損失状態の発生に応答して、それぞれの現実世界要素に電力を供給するように構成され、1つ以上のプロセッサは、現実世界要素の第3の部分のバッテリーを用いて、現実世界要素の第2の部分に電力供給をするように、更に構成される。
実施形態において、緩和動作は、デジタルツインシミュレーションシステムを使用して、現実世界要素デジタルツインの各々に対する電力損失状態の影響をシミュレートすることにより、産業環境に対する電力損失状態の影響をシミュレートすること、認知的知能システムを使用して、複数の潜在的行動を決定すること、認知的知能システム及びデジタルツインシミュレーションシステムを用いて、複数の潜在的行動の各々の産業環境への影響を評価すること、及び、認知的知能システムを使って、コストファンクションの最小化に基づいて複数の潜在的行動から緩和動作を選択すること、によって決定される。複数の潜在的行動は、各現実世界要素への電力を維持すること、電力を低減すること、及び電力を停止することを含む。
実施形態において、コストファンクションを最小化することは、産業環境から下流プロセスへの出力を最大化することを含む。
実施形態において、コストファンクションを最小化することは、電力損失状態によって引き起こされる現実世界の要素の保守を最小化することを含む。
実施形態において、コストファンクションを最小化することは、電力損失状態の停止後に定常状態動作を達成するための時間期間を最小化することを含む。
実施形態において、1つ以上のプロセッサは、バックアップ電力システム内の貯蔵電力を容量未満レベルに維持し、所定の期間の経過前に電力損失状態の発生の確率を計算し、及び、電力損失状態の発生の確率が所定の閾値を超えることに応答して、バックアップ電力システム内の貯蔵電力をバックアップ電力システムの満容量へと増加させるように、更に構成される。
実施形態において、所定の期間は、バックアップ電力システムが満容量に達するまでの期間である。
実施形態において、電力損失状態の発生確率を計算することは、天気予報データの使用を含む。
本開示の態様によれば、データ接続性の損失を表すためのシステムは、デジタルツインデータストアと1つ以上のプロセッサとを含む。デジタルツインデータストアは、その中に埋め込まれた現実世界要素デジタルツインで産業環境デジタルツインを格納する。産業環境デジタルツインは、産業環境のデジタルツインを提供する。各現実世界要素デジタルツインは、産業環境内の対応する現実世界要素のデジタルツインを提供し、現実世界要素は、産業環境の外部にある接続デバイスとデータ通信する複数のセンサーを含む。1つ以上のプロセッサは、現実世界要素と接続デバイスとの接続性を監視し、監視された接続性がネットワーク接続状態の識別基準に一致するか否かを判定し、及び、ネットワーク接続状態が各現実世界要素デジタルツインに与える影響を表すように構成される。
実施形態において、1つ以上のプロセッサは、デジタルツインシミュレーションシステムを介して、現実世界要素の各々に対するネットワーク接続状態の効果をシミュレーションし、デジタルツインデータストアを介して、ネットワーク接続状態の効果を記憶するように、更に構成される。
実施形態において、1つ以上のプロセッサは、ネットワーク接続状態の発生を判定したことに応答して、緩和動作を自動的に実施するように更に構成される。
実施形態において、緩和動作は、ネットワーク接続状態が帯域幅制限状態であると判定すること、センサーの第1の部分及びセンサーの第2の部分を選択すること、センサーの第1の部分に対するネットワーク通信を低減すること、及び、センサーの第2の部分に対するネットワーク通信を継続することを含む。
実施形態において、センサーの第1の部分のネットワーク通信を低減することは、センサーの第1の部分からの通信間の時間間隔を増加させることを含む。
実施形態において、センサーの第1の部分のネットワーク通信を低減することは、センサーの第1の部分から送信される情報量を減らすことを含む。
実施形態において、センサーの第1の部分のネットワーク通信を低減することは、センサーの第1の部分によって収集されたデータをエッジ処理して、それによってエッジ処理されたデータを生成し、エッジ処理されたデータを接続デバイスに送信することを含む。
実施形態において、緩和動作は、現実世界要素の第1の部分と現実世界要素の第2の部分とを選択すること、現実世界要素の第1の部分と産業環境の外部のデバイスとの間に直接接続を確立すること、及び、現実世界要素の第2の部分から直接接続を介して接続デバイスへデータを送信すること、を含む。現実世界要素の第1の部分の各現実世界要素は、無線通信モジュールを含み、産業環境の外部のデバイスに直接接続し、それを介して、それぞれの現実世界要素から発信されるデータを送信するように構成される。
実施形態において、緩和動作は、それぞれの直接接続を介して、それぞれの現実世界要素から発信されるデータの転送を阻害することを更に含む。
実施形態において、緩和動作は、デジタルツインシミュレーションシステムを使用して、現実世界要素デジタルツインのそれぞれからの報告及び制御に対するネットワーク接続状態の影響をシミュレーションすることによって、産業環境に対するネットワーク接続状態の影響をシミュレートすること、認知的知能システムを使用して、複数の潜在的行動を決定すること、認知的知能システム及びデジタルツインシミュレーションシステムを使用して、複数の潜在的行動のそれぞれの産業環境への影響を評価すること、及び、認知的知能システムを使用して、コストファンクションの最小化に基づいて、複数の潜在的行動から緩和動作を選択すること、によって決定される。複数の潜在的行動は、各現実世界要素との通信を減少させること、及びその代替の通信モードを確立することを含む。
実施形態において、コストファンクションを最小化することは、産業環境からの下流のプロセスへの影響を最小化することを含む。
実施形態において、コストファンクションを最小化することは、ネットワーク接続状態の停止後に定常状態動作を達成するための時間期間を最小化することを含む。
本開示の態様によれば、電力源特性を表すためのシステムは、デジタルツインデータストアと1つ以上のプロセッサとを含む。デジタルツインデータストアは、産業環境のデジタルツインを提供する産業環境デジタルツインを含む。産業環境デジタルツインは、産業環境に電気エネルギーを供給する電力源を表す電力源デジタルツインを含む。産業環境デジタルツインは、そこに埋め込まれた現実世界要素デジタルツインを更に含む。各現実世界要素デジタルツインは、産業環境内に配置されたそれぞれの現実世界要素に対応する。1つ以上のプロセッサは、トリガー条件の発生に応答して、電力源の同時期の特性を判定し、電力源の同時期の特性を判定することに応答して、同時期の特性を表すように電力源デジタルツインを更新するように構成される。
実施形態において、電力源の同時期の特性は、産業環境に供給される力率(power factor)を含む。
実施形態において、電力源の同時期の特性は、電力品質を含む。
実施形態において、電力源の同時期の特性は、ユーティリティ周波数を含む。
実施形態において、1つ以上のプロセッサは、デジタルツインシミュレーションシステムを介して、産業環境が現実世界要素デジタルツインを使用して同時期の特性を供給されることに応答して、現実世界要素の1つ以上の動作パラメータをシミュレーションし、1つ以上の動作パラメータがそれぞれの設計パラメータから外れることに応答して、デジタルツインシミュレーションシステムを介して同時期の特性が供給されることに応答して1つ以上の現実世界要素が取るべき緩和動作を計算し、及び、電力源の同時期の特性を検出することに応答して、緩和動作を作動させる、ように更に構成される。
実施形態において、シミュレーション及び計算は、同時期の特性を決定する前に実行される。
実施形態において、緩和動作は、電力源と現実世界要素との間に動作可能に結合された、誘導回路又は容量回路のうちの1つを作動させることを含む。
実施形態において、緩和動作は、現実世界要素の1つ以上に電力を供給するために、第2の電力源を作動させることを含む。第2の電力源は、産業環境内に配置される。
実施形態において、第2の電力源は、現実世界要素の別のものと一体化されたバックアップ電源である。
本開示の適用可能性の更なる領域は、以下に提供される詳細な説明から明らかになるであろう。詳細な説明及び特定の例は、例示のみを目的としており、本開示の範囲を限定することを意図していないことを理解されたい。
本開示の詳細な実施形態が本明細書に開示されているが、開示された実施形態は単に例示的なものであり、様々な形態で具現化することができることを理解されたい。したがって、本明細書に開示されている特定の構造的および機能的な詳細は、限定的なものとして解釈されるべきではなく、単に特許請求の範囲の根拠として、また、実質的に任意の適切に詳細な構造において本開示を様々に採用することを当業者に教えるための代表的な根拠として解釈されるべきである。
産業機械センサデータのストリーミング、収集、処理、および保存のために本明細書に記載された方法およびシステムは、既存のフォーマット/周波数範囲/解像度互換のデータへのアクセスを維持しながら、既存のデータ収集、処理、および保存システムで動作するように構成されてもよい。一方、産業機械センサーの本明細書に記載されているデータストリーミング設備は、既存のデータ収集システムよりも広い周波数範囲および高い解像度でセンサーから大量のデータを収集する可能性があるが、既存のシステムと意図的に互換性のある1つ以上の周波数範囲および/または1つ以上の解像度ラインを表すデータのストリームからのデータへのアクセスを提供するために、方法およびシステムを採用することができる。さらに、ストリームされたデータの一部は、既存の収集ベースのデータを使用する既存のデータ処理システムの動作と実質的に一致する既存のデータ処理システムの動作を容易にするために、既存のデータ処理システムに識別、抽出、保存、および/または転送されてもよい。このようにして、産業機械の可動部品の側面など、産業機械の側面を感知するために新たに展開されたシステムは、既存の感知されたデータ処理設備、アルゴリズム、モデル、パターン認識器、ユーザインタフェースなどの継続的な使用を容易にすることができる。
既存のデータのこれらの側面を定義するデータ構造にアクセスするなどして、既存の周波数範囲、フォーマット、および/または解像度を識別することにより、特定の周波数、周波数範囲、フォーマット、および/または解像度を表すように、より高い解像度のストリームデータを構成することができる。この構成されたストリームデータは、既存の感知されたデータ構造と互換性のあるデータ構造に格納することができるので、既存の処理システムおよび設備は、実質的に既存のデータであるかのようにデータにアクセスし、処理することができる。ストリーム化されたデータを既存の感知されたデータとの互換性のために適応させる1つのアプローチは、ストリーム化されたデータを既存のデータと整列させることを含み、既存のデータと整列するストリーム化されたデータの部分が抽出され、保存され、既存のデータ処理方法による処理のために利用可能になるようにしてもよい。あるいは、データ処理方法は、特定の周波数範囲または特定の解像度を含むデータを処理する方法など、既存のデータを処理するために使用される方法と実質的に類似した機能を実装する方法を用いて、既存のデータに整列するなどして対応するストリームデータの一部を処理するように構成されてもよい。
既存のデータを処理するために使用される方法は、特定の周波数範囲、データのソースなど、感知されたデータの特定の特性に関連していてもよい。一例として、産業機械の可動部のためのベアリング感知情報を処理するための方法は、特定の周波数範囲に入るベアリングセンサからのデータを処理することができるかもしれない。この方法は、したがって、処理されるデータのこれらの特性によって少なくとも部分的に識別することができる。したがって、データ処理システムは、感知される可動装置、産業機械の種類、感知されるデータの周波数などの一連の条件が与えられた場合、適切な方法を選択することができる。また、このような条件が与えられた場合、産業機械のデータセンシングおよび処理設備は、条件を満たすデータを処理するために、データフィルタ、ルータ、プロセッサなどの要素を構成することができる。
図1~図5は、産業用モノのインターネット(IoT)データ収集、監視および制御システム10の全体図の一部を描いている。図2は、モバイルアドホックネットワーク(「MANET」)20を描いており、このMANET20は、クラウド30または他のリモートネットワーキングシステムと、安全で一時的なネットワーク接続22(時には接続され、時には分離される)を形成してもよく、これにより、外部ネットワークを必要とせずに、環境内のMANET20上でネットワーク機能が発生する可能性があるが、他の時には、中央の場所との間で情報を送信することができる。これにより、産業環境では、ネットワーク技術や制御技術の利点を利用しつつ、サイバー攻撃の防止などのセキュリティを確保することができる。MANET20は、ルータ42、MAC44、および物理層技術46など、IPプロトコルに相当するものを形成するものを含む、コグニティブ無線技術40を使用してもよい。特定の実施形態では、図1~図5に描かれたシステムは、データ収集装置または重工業機械との間で、ネットワークを介したデータのネットワークセンシティブまたはネットワークアウェアトランスポートを提供する。
図3~図4は、重工業機械が配置されているIoT展開のエッジで、ローカルに展開されたインテリジェントデータ収集技術を描いている。これには、様々なセンサ52、IoTデバイス54、データストレージ機能(例えば、データプール60、または分散型台帳62)(インテリジェントな自己組織化ストレージを含む)、センサフュージョン(自己組織化センサフュージョンを含む)などが含まれる。マルチセンサインタフェース、タブレット、スマートフォン58などを含む、データ収集のためのインタフェースが示されている。また、図3には、ローカルまたはリモートのインテリジェンスによる後の消費のためなどに、機械または機械の状態を検出するセンサによって公開されたデータを収集することができるデータプール60が示されている。分散型台帳システム62は、環境の様々な要素のローカルストレージ全体に、またはより広範にシステム全体にストレージを分散させてもよい。図4はまた、複数のアナログセンサ82からのデータをデバイス上に格納するためなどの、デバイス上のセンサフュージョン80を示しており、これは、本明細書に開示された方法およびシステムを操作する際に、(成功の尺度に基づくなどの)フィードバックを提供することによって増強された、人間によって作成された初期モデルに基づいて機械を訓練することを含む、機械学習84などによって、ローカルまたはクラウドで解析されてもよい。
図1は、クラウドまたは企業の所有者または運営者の構内に展開される可能性がある産業用IoTシステムのサーバベースの部分を描いている。サーバ部分は、データ収集システムおよびクラウドとの間でネットワークを介して大量のデータを高効率に輸送するために、フィードバック手段、ネットワーク条件などに基づいてネットワークコーディングモデルを構成することができるネットワークコーディング(自己組織化ネットワークコーディングおよび/または自動構成を含む)を含む。ネットワークコーディングは、図1に描かれているように、インテリジェンス、アナリティクス、遠隔制御、遠隔操作、遠隔最適化、様々なストレージ構成などのための幅広い機能を提供してもよい。様々なストレージ構成は、トランザクションデータまたはシステムの他の要素をサポートするための分散型台帳ストレージを含んでもよい。
図5は、データコレクタ、データプール、分散型台帳、および本明細書に開示されている他の要素など、産業環境で収集されたデータを利用可能にするためなどの、自己組織化市場であってもよいプログラム的データ市場70を描いている。図1~図5の様々なコンポーネントおよびサブコンポーネントに関する追加の詳細は、本開示全体を通して提供される。
図6を参照すると、プラットフォーム100の一実施形態は、機械、コンポーネント、システム、サブシステム、周囲の状況、状態、ワークフロー、プロセス、および他の要素などの環境の要素からまたは環境の要素に関するデータを収集するために、図3に示されたものと同様の産業環境などの環境104に配置されているローカルデータ収集システム102を含んでもよい。プラットフォーム100は、図1~5に描かれた産業用IoTデータ収集・監視・制御システム10に接続してもよいし、その一部を含んでもよい。プラットフォーム100は、ネットワーク110を介してローカルデータ収集システム102との間でデータを輸送するためのようなネットワークデータ輸送システム108を含んでもよく、例えば、クラウドコンピューティング環境または企業の構内に配置されているようなホスト処理システム112、またはローカルデータ収集システム102によって収集されたデータを処理するために互いに相互作用する分散型コンポーネントから構成されているようなホスト処理システム112との間でデータを輸送するためのようなものである。いくつかの場合に便宜上ホストシステム112と呼ばれるホスト処理システム112は、1つ以上の環境104もしくはネットワーク110を監視するため、またはローカル環境104もしくはネットワーク110内の1つ以上の要素をリモートで制御するためなど、データの自動化、または自動化支援処理を可能にするための様々なシステム、コンポーネント、方法、プロセス、設備などを含んでもよい。プラットフォーム100は、ローカル環境104、ネットワーク110、ホストシステム112、または1つ以上の外部システム、データベースなどを含む広範なソースからの情報フィードおよび入力を構成する可能性がある、ローカルデータ収集システム102または1つ以上の入力ソース116からの入力データに対する一連のルールまたはモデルの適用に基づいて、自律的な動作を可能にするためなどの、1つ以上のローカル自律システムを含んでもよい。プラットフォーム100は、1つまたは複数のインテリジェントシステム118を含んでもよく、これらは、プラットフォーム100の1つまたは複数の構成要素に配置されたり、これらと統合されたり、またはこれらへの入力として機能したりする。プラットフォーム100のこれらの構成要素および他の構成要素の詳細は、本開示を通じて提供される。
インテリジェントシステム118は、メッシュ、ピアツーピア、リング、シリアルなどのアーキテクチャのように、1つまたは複数のノード要素が他のノード要素と調整されて、処理、通信、データ収集などを支援するための集団的な調整された動作を提供するような、処理要素の調整の結果として、ある程度の認知的な動作を可能にするような、認知システム120を含んでもよい。また、図2に描かれたMANET20は、ルータ42、MAC44、物理層技術46など、IPプロトコルに相当するものを形成するものを含む、コグニティブ無線技術を使用してもよい。一例では、コグニティブシステム技術スタックは、2011年11月15日に発行されたSchlichtらに対する米国特許番号8,060,017に開示された例を含むことができ、本明細書に完全に記載されているかのように参照により組み込まれる。
インテリジェントシステムは、1つまたは複数のデータセットで学習するためなどの機械学習システム122を含んでもよい。1つまたは複数のデータセットは、ローカルデータ収集システム102を使用して収集された情報、または、状態、オブジェクト、イベント、パターン、条件などを認識するためなど、入力ソース116からの他の情報を含んでもよく、それらは、順番に、プラットフォーム100のコンポーネントおよび産業用IoTデータ収集、監視および制御システム10の部分への入力として、ホストシステム112による処理のために使用されてもよい、など。学習は、学習すべき項目に関する情報とともにデータセットを提供するために1つまたは複数の入力ソース116を使用するなど、人間に教師されたものであってもよいし、完全に自動化されたものであってもよい。機械学習は、システムまたはプロセスの動作モデルへのフィードバックまたはフィードフォワードに基づくシステムまたはプロセスの制御の自動最適化のためなどに、1つまたは複数のモデル、ルール、セマンティック理解、ワークフロー、または世界の他の構造化または半構造化された理解を使用してもよい。意味的・文脈的理解、ワークフロー、またはその他の構造化・半構造化された理解のためのそのような機械学習技術の1つは、2012年6月12日に発行され、Mooreに付与された米国特許第8,200,775号に開示されおり、本明細書に完全に記載されているかのように参照により組み込まれる。機械学習は、(与えられた状況でのモデルの成功に関するものなどの)フィードバックに基づいて、または(再帰的プロセスにおけるものなどの)反復に基づいて、1つまたは複数の重み、構造、ルールなどを調整する(モデル内の関数を変更するなど)など、前述の内容を改善するために使用することができる。システムの基本的な構造や動作について十分な理解が得られない場合、十分なデータが得られない場合、または様々な理由で好ましいと思われるその他の場合には、基本的なモデルがない状態でも機械学習を行うことができる。すなわち、構造についての先験的な理解を考慮することなく、機械学習設備内で入力ソースに重み付け、構造化などを行い、結果(様々な所望の目的を達成するための成功の尺度に基づく結果など)を機械学習システムに連続的に供給することで、目標とする目的を達成する方法を学習させることができる。例えば、欠陥の認識、パターンの認識、モデルや機能の開発、ルールの開発、性能の最適化、故障率の最小化、利益の最適化、資源利用の最適化、(交通の流れなどの)フローの最適化、または成功した結果(幅広い環境での結果など)に関連する他の多くのパラメータの最適化などを学習することができる。機械学習では、フィードバックに基づいて、1つまたは複数の入力ソース、構造、データタイプ、オブジェクト、重み、ノード、リンク、またはその他の要素を昇格または降格させるような遺伝的プログラミング技術を使用することができる(一連の世代にわたって成功する要素が出現するように)。例えば、データ収集システム102のための代替的な利用可能なセンサ入力は、システムが、一連のデータ収集イベントにわたって汎用的なプログラミング技術を使用して、様々な条件(プラットフォーム100のコンポーネントの条件、ネットワーク110の条件、データ収集システム102の条件、環境104の条件など)などに基づいて、どのような順列が成功した結果を提供するかを決定するように、代替的な構成および順列に配置されてもよい。実施形態では、ローカル機械学習は、故障予測の成功への貢献、性能指標(効率、効果、投資収益率、歩留まりなど)への貢献、1つ以上のパラメータの最適化への貢献、(脅威、故障モード、成功モードなどに関連する)パターンの識別などの成功成果を追跡しながら、マルチセンサデータ収集装置102内の1つ以上のセンサを経時的に順列的にオンまたはオフにしてもよい。例えば、システムは、データコレクタ102の最高価値の利用を達成するために、所定の条件下でどのようなセンサのセットをオンまたはオフにすべきかを導き出すことができる。実施形態では、同様の技術を使用して、汎用プログラミングまたは他の機械学習技術を使用して、ネットワーク要素の構成(ネットワークトランスポートパスの構成、ネットワークコーディングタイプおよびアーキテクチャの構成、ネットワークセキュリティ要素の構成など)などを学習することにより、プラットフォーム100(ネットワーク110など)におけるデータのトランスポートの最適化を処理してもよい。
実施形態では、ローカルデータ収集システム102は、アナログおよびその他のセンサデータの収集および処理のための多数の新規機能を有する、高性能のマルチセンサデータコレクタを含んでもよい。実施形態では、ローカルデータ収集システム102は、図3に描かれた産業設備に配備されてもよい。また、ローカルデータ収集システム102は、機械2200のような他の機械をモニタして配備されてもよい。データ収集システム102は、オンボードのインテリジェントシステム118(コンテキストおよび条件に基づいてセンサの順列および組み合わせを構成するなど、データ収集装置の構成および動作を最適化するための学習など)を有してもよい。一例では、データ収集システム102は、クロスポイントスイッチ130または他のアナログスイッチを含む。ローカルデータ収集システム102の自動化されたインテリジェントな構成は、利用可能な電力、センサの電力要件、収集されたデータの価値(プラットフォーム100の他の要素からのフィードバック情報に基づくものなど)、情報の相対的な価値(同一または類似の情報の他のソースの利用可能性に基づく値など)、電力の利用可能性(センサに電力を供給するためのものなど)、ネットワーク条件、周囲の条件、動作状態、動作コンテキスト、動作イベント、およびその他多くのものを含む、様々な入力ソースからの情報など、様々なタイプの情報に基づいてもよい。
図7は、産業環境で収集されたセンサデータ(アナログセンサデータなど)のためのデータ収集および解析システム1100の要素およびサブコンポーネントを示す。図7に描かれているように、本明細書に開示されている方法およびシステムの実施形態は、マルチプレクサ(「MUX」)メインボード1104から始まるいくつかの異なるモジュールを有するハードウェアを含んでもよい。実施形態では、MUXオプションボード1108があってもよい。MUX114メインボードは、センサーがシステムに接続する場所である。これらの接続は、設置を容易にするために上部にある。次に、このボードの下側と、ボードの両端に1つずつある2つのヘッダを介してMUXメインボード1104に取り付けるMuxオプションボード1108には、多数の設定がある。実施形態では、Muxオプションボードは、Muxメインボードのメス型ヘッダーと噛み合うオス型ヘッダーを有している。これにより、MUXオプションボードを重ねて設置することが可能となり、設置面積を小さくすることができる。
実施形態では、メインMuxボードおよび/またはMUXオプションボードは、次に、ケーブルを介してマザー(例えば、4つの同時チャンネルを有する)およびドーター(例えば、4つの追加チャンネルで合計8つのチャンネルを有する)アナログボード1110に接続し、ここで、信号調整の一部(ハードウェア統合など)が行われる。次に、信号は、アナログボード1110からアンチエイリアシングボード(図示せず)に移動し、ここで潜在的なエイリアシングの一部が除去される。エイリアシング除去の残りの部分は、デルタシグマボード1112で行われる。デルタシグマボード1112は、信号の他のコンディショニングやデジタル化とともに、より多くのエイリアシング対策を行う。次に、データはJennieボード1114に送られ、さらにデジタル化されるとともに、USBやイーサネット経由でコンピュータに通信される。実施形態では、Jennieボード1114をPicボード1118に置き換えることで、より高度で効率的なデータ収集や通信が可能になる。データがコンピュータソフトウェア1102に移動すると、コンピュータソフトウェア1102はデータを操作して、トレンド、スペクトル、波形、統計、解析を表示することができる。
実施形態では、システムは、ボルトから4~20mAの信号まで、あらゆる種類のデータを取り込むことを意味する。実施形態では、データの保存および通信のオープンフォーマットを使用することができる。いくつかの例では、システムの特定の部分は、特に解析と報告に関連する研究とデータの一部を専有することができる。実施形態では、スマートバンド解析は、データを解析しやすい部分に分解し、他のスマートバンドと組み合わせて、よりシンプルでありながら洗練された新しい解析を行うことができる。実施形態では、このユニークな情報を取得し、画像による描写はユーザーにとってより有用であるため、グラフィックを使用して状態を描写する。実施形態では、複雑なプログラムやユーザーインターフェースを簡素化し、誰でも専門家のようにデータを操作できるようにしている。
実施形態では、システムは本質的に、大きなループで動作する。システムは、一般的なユーザインタフェース(「GUI」)1124を備えたソフトウェアで始まる。実施形態では、迅速なルート作成は、階層的なテンプレートを利用することができる。実施形態では、任意の一般ユーザが単純なテンプレートを用いて情報自体を入力できるように、GUIが作成される。テンプレートが作成されると、ユーザーは必要なものをコピー&ペーストすることができる。また、将来の使いやすさや知識の制度化のために、ユーザーが独自のテンプレートを開発することも可能である。ユーザーがすべての情報を入力し、すべてのセンサーを接続すると、ユーザーはシステムによるデータ取得を開始することができる。
本明細書に開示されている方法およびシステムの実施形態は、トリガーおよび振動入力に対する独自の静電保護を含むことができる。電気機器に害を及ぼす可能性のある大きな静電気力が蓄積される可能性のある多くの重要な産業環境、例えば回転機械や大きなベルトを使用した低速バランシングでは、適切なトランスデューサおよびトリガ入力の保護が必要である。実施形態では、外部の補助装置を必要とせずにそのような保護を行うための、低コストだが効率的な方法が説明されている。
一般的に、振動データ収集装置は、費用や必要とされないことが多いため、大きな入力電圧を扱うようには設計されていない。技術が向上し、監視コストが急落する中で、これらのデータコレクタが多くの多様な種類のRPMデータを取得する必要性が存在する。本実施形態では、従来のリードリレー方式ではなく、高電圧信号を前もって切り替えることができる、すでに確立されたOptoMOS技術を使用した方法がある。非線形ゼロクロスやその他の非線形固体動作に関する多くの歴史的な懸念は、弱いバッファリングされたアナログ信号の通過に関しては解消されている。さらに、実施形態では、プリント基板の配線トポロジーにより、個々のチャンネルの入力回路のすべてを入力コネクターにできるだけ近づけている。実施形態では、トリガーと振動入力のための独自の静電保護機能をMuxとDAQハードウェアの前面に配置し、センサーからハードウェアに信号が通過する際に蓄積された電荷を消散させることができる。実施形態では、Muxとアナログボードは、アップフロント回路のためのより広いトレースとソリッドステートリレーからなる設計トポロジーを使用して、高アンペア数の入力をサポートする。
一部のシステムでは、マルチプレクサは後回しにされ、マルチプレクサから来る信号の品質は考慮されない。質の悪いマルチプレクサの結果、信号の質は30dB以上も低下する可能性がある。このように、信号対雑音比が110dBの24ビットDAQを使用すると、かなりの信号品質が失われる可能性があり、もしMuxで信号対雑音比が80dBに低下すると、20年前の16ビットシステムよりもはるかに良くない可能性がある。このシステムの実施形態では、Muxの前段にある重要な部分は、信号対雑音比を改善するためのMux上のアップフロント信号コンディショニングである。実施形態では、最高のS/N比を実現するために、Mux切り替え前の前段階で、振動だけでなく他の信号入力に対してもシグナルコンディショニング(レンジ/ゲインコントロール、積分、フィルタリングなど)を行ってもよい。
実施形態では、より良い信号を提供することに加えて、マルチプレクサは、連続モニタのアラーム機能を提供してもよい。真に連続的なシステムは、すべてのセンサを常に監視するが、高価になる傾向がある。一般的なマルチプレクサシステムは、一度に設定された数のチャンネルしか監視せず、より大きなセンサセットのバンクからバンクへと切り替える。その結果、現在収集されていないセンサーは監視されておらず、レベルが上昇してもユーザーは知ることができない。実施形態では、データ収集(「DAQ」)が入力を監視していない場合でも、既知のアラーム条件に対して入力チャネルのレベルを測定できる回路をマルチプレクサに配置することで、マルチプレクサは連続監視アラーム機能を持つことができる。連続モニタMuxバイパスでは、Muxシステムでサンプリングされていないチャネルが、フィルタリングされたピークホールド回路や機能的に類似した回路を使用したいくつかのトリガ条件を介して、重要なアラーム条件を連続的にモニタすることができるが、これらの条件は、ハードウェア割り込みやその他の手段を使用して好都合な方法でモニタリングシステムに渡される。これにより、真の連続システムのように問題に関するデータを即座に取得する能力はないものの、システムを連続的に監視することができる。実施形態では、このアラーム機能を連続監視のための適応型スケジュール技術と結合し、連続監視システムのソフトウェアが統計、解析、データアラーム、動的解析に基づいてデータ収集シーケンスを適応・調整することで、システムがアラーム音の後すぐにアラームセンサーの動的スペクトルデータを迅速に収集できるようになるかもしれない。
典型的なマルチプレクサのもう一つの制約は、チャネル数が限られていることである。実施形態では、複数のMuxおよびデータ収集部の論理制御のための専用バスを備えた分散型Complex Programmable Logic Device(「CPLD」)チップを使用することで、CPLDが複数のMuxおよびDAQを制御することができるため、システムが扱えるチャネル数に制限がない。複数の種類の予測メンテナンスや振動トランスデューサとのインターフェースには、多くの切り替えが必要である。これには、AC/DCカップリング、4-20インターフェイス、統合された電子圧電トランスデューサ、チャンネルのパワーダウン(オペアンプの電力を節約するため)、シングルエンドまたは差動接地オプションなどが含まれる。また、レンジやゲイン調整のためのデジタルポットの制御、ハードウェア統合のためのスイッチ、AAフィルタリングやトリガリングなども必要である。これらのロジックは、制御するタスクに合わせて戦略的に配置された一連のCPLDチップで実行できる。単一の巨大なCPLDは、単一の巨大なCPLDで大きな密度を持つ長い回路ルートを必要とする。実施形態では、分散型CPLDはこれらの懸念に対処するだけでなく、非常に大きな柔軟性を提供する。割り当てが固定されている各CPLDが独自のデバイスアドレスを持つバスが作成される。実施形態では、マルチプレクサとDAQをスタックして、システムに追加の入出力チャンネルを提供する。複数のボード(例えば、複数のMuxボード)には、複数のアドレスを設定するためのジャンパーが用意されている。別の例では、3ビットで最大8枚のボードがジャンパ設定可能である。実施形態では、バス上の各CPLDが個別に、またはグループとしてアドレスを設定できるようにバスプロトコルが定義されている。
一般的なマルチプレクサは、同じバンクのセンサのみを収集するように制限されている場合がある。詳細な解析のためには、同じマシン上のセンサーからのデータを同時に確認できることに大きな価値があるため、これは制限となる可能性がある。従来の固定バンクマルチプレクサを使用したシステムでは、設置時に特定のグループに割り当てられた限られた数のチャンネル(バンクごとのチャンネル数に基づく)しか比較できない。柔軟性を持たせるには、チャンネルをオーバーラップさせるか、システムに多くの冗長性を持たせるしかないが、いずれもかなりのコストがかかる(場合によっては、柔軟性に対してコストが指数関数的に増加することもある)。最もシンプルなMuxデザインは、多数の入力から1つを選択し、それを1つの出力ラインにルーティングするものである。バンク型のデザインは、このようなシンプルなビルディングブロックのグループで構成され、それぞれが固定の入力グループを処理し、それぞれの出力にルーティングする。通常、入力は重ならないようになっており、あるMuxグループの入力を別のMuxグループにルーティングすることはできない。従来のMuxチップは、固定されたグループまたはバンクの選択されたチャンネルを単一の出力に切り替えるのが一般的でしたが(例えば、2、4、8などのグループ)、クロスポイントMuxでは、ユーザーが任意の入力を任意の出力に割り当てることができる。従来、クロスポイントマルチプレクサは、RGBデジタルビデオなどの特殊な用途に使用されており、振動解析などのアナログ用途にはノイズが大きすぎましたが、最近の技術の進歩により実現可能となりました。クロスポイントMUXのもう一つの利点は、出力をハイインピーダンス状態にしてディセーブルにできることである。この機能は出力バスに最適で、複数のMuxカードをスタックして、バススイッチを使わずに出力バスを結合することができる。
実施形態では、可変グループの振動入力チャンネルを収集するためにアナログのクロスポイントスイッチを使用し、マトリックス回路を提供することで、システムが入力センサの総数から8チャンネルの任意のセットにアクセスできるようにすることで、この問題に対処することができる。
実施形態では、複数のMuxの論理制御とデータ収集のための専用バスを備えた分散型CPLDチップを使用して、複数のマルチプレクサを制御することができる。セクションは、複数のDAQが複数のマルチプレクサからデータを収集することを可能にする階層型マルチプレクサによって強化されている。階層型マルチプレクサは、複数の8チャンネルカードセットに、16、24、またはそれ以上のチャンネルをモジュール式に出力することができる。これにより、より高速なデータ収集が可能となり、また、より複雑な解析を行うために、より多くのチャンネルを同時に収集することができる。実施形態では、Muxをわずかに構成してポータブルにし、データ収集パーキング機能を使用することで、SV3X DAQを保護されたシステムの実施形態に変えることができる。
実施形態では、信号がマルチプレクサと階層型Muxを離れると、他の機能強化が行われるアナログボードに移動する。実施形態では、次のような省電力技術を使用することができる:使用されていないときのアナログチャネルのパワーダウン、コンポーネントボードのパワーダウン、選択されていないチャネルのアナログ信号処理オペアンプのパワーダウン、マザーおよびドーターアナログボードのチャネルのパワーダウン。DAQシステムの低レベルのファームウェアでコンポーネントボードやその他のハードウェアのパワーダウンが可能なため、省電力機能に関する高度なアプリケーション制御が比較的容易である。ハードウェアの明示的な制御は常に可能だが、デフォルトでは必要ない。実施形態では、この省電力の利点は、保護されたシステム、特にバッテリー駆動または太陽電池駆動の場合に価値があるかもしれない。
実施形態では、S/N比を最大にして最良のデータを提供するために、別のA/Dにルーティングされた自動スケーリング用のピーク検出器によって、各データセットの最高ピークをシステムに提供し、そのピークにデータを迅速にスケーリングできるようにする。振動解析の場合、多くのマイクロプロセッサに内蔵されているA/Dコンバータは、ビット数、チャンネル数、サンプリング周波数の点で不十分で、マイクロプロセッサの速度を著しく低下させないようにする必要がある場合がある。これらの制限にもかかわらず、オートスケーリングの目的のためにそれらを使用することは有用である。実施形態では、機能が低下し、安価な別のA/Dを使用してもよい。入力の各チャンネルについて、信号がバッファリングされた後(通常は適切なカップリング:ACまたはDC)、しかし信号調整される前に、信号はマイクロプロセッサまたは低コストのA/Dに直接供給される。レンジ、ゲイン、フィルタのスイッチが投入されるコンディショニングされた信号とは異なり、スイッチは変更されない。これにより、入力データを信号処理し、より堅牢な外部A/Dに入力し、CPUを介さずにメモリにアクセスするDMA(Direct Memory Access)方式でオンボードメモリに誘導しながら、オートスケーリングデータを同時にサンプリングすることが可能になった。これにより、オートスケーリングプロセスを大幅に減速させる、スイッチを投げてからセトリング時間を確保する必要がなくなり、オートスケーリングプロセスを大幅に簡略化することができる。さらに、データを同時に収集することができるため、最高のS/N比を保証することができる。ビット数の減少などは、通常、オートスケーリング目的には十分すぎるほどである。実施形態では、アナログとデジタルの両方の方法を用いた改善された統合は、可能な限り最高の信号対雑音比も改善または維持する革新的なハイブリッド統合を作成する。
実施形態では、アナログボードのセクションは、生またはバッファリングされたトリガチャネルを他のアナログチャネルにルーティングすることができる。これにより、ユーザは、解析やトラブルシューティングのために、トリガをいずれかのチャネルにルーティングすることができる場合がある。システムは、様々な入力データセット間の相対的な位相を決定したり、不要な入力を繰り返すことなく重要なデータを取得したりする目的で、トリガーチャンネルを持つことができる。実施形態では、デジタル制御のリレーを使用して、生のトリガ信号またはバッファリングされたトリガ信号を入力チャネルのいずれかに切り替えることができる。トリガーパルスの品質は、トリガーセンサーの不適切な配置、配線の問題、光学センサーを使用している場合の反射テープの汚れなど、様々な理由で破損している可能性があるため、検証することが望ましい場合がある。生の信号またはバッファリングされた信号のいずれかを見ることができれば、優れた診断やデバッグが可能になる。また、記録されたデータ信号を可変速度フィルタリングアルゴリズムなどの様々な信号処理技術に利用することで、位相解析機能を向上させることもできる。
実施形態では、信号がアナログボードを離れると、信号はデルタシグマボードに移り、A/Dゼロリファレンス用の正確な電圧リファレンスにより、より正確な直流センサデータが得られる。また、デルタシグマの高速性により、デルタシグマA/Dの入力オーバーサンプリングを高めに設定し、アンチエイリアシングフィルタの必要性を最小限に抑えるために、より低いサンプリングレートで出力することができる。より高いサンプリングレートのために、より低いオーバーサンプリングレートを使用することができる。例えば、最も低いサンプリング条件である256Hz(Fmax100Hz)に設定された3次のAAフィルターは、Fmaxが200Hzと500Hzの範囲では適切である。また、Fmaxが1kHz以上の場合は、より高いカットオフのAAフィルターを使用することができる(最高のサンプリングレートである128kHzの2.56倍の二次フィルターを使用する)。実施形態では、CPLDをデルタシグマA/Dのクロック分配器として使用し、デジタルリサンプリングを必要とせずに低いサンプリングレートを実現することができる。実施形態では、プログラマブルなクロック分周器としてCPLDを採用することで、高周波の水晶リファレンスをより低い周波数に分周することができる。分割された低周波数の精度は、元のソースよりも長い時間周期に関連して、さらに正確になる。また、デルタ・シグマA/Dによるリサンプリング処理の必要性も最小限に抑えられている。
その後、データはデルタシグマボードからJennieボードに移動し、オンボードのタイマーを使って入力チャンネルやトリガーチャンネルに対する位相をデジタルで導き出する。また、Jennieボードには、校正データやシステムメンテナンスの履歴データをカードセットに保存する機能がある。また、Jennieボードは、複数のデータを異なるサンプリングレートで取得するのではなく、長いブロックのデータを高いサンプリングレートで取得することができるため、将来的にはデータをストリーミングしたり、長いブロックのデータを取得して高度な解析を行うことができる。
実施形態では、信号がJennieボードを通過した後、コンピュータに送信することができる。実施形態では、コンピュータソフトウェアを使用して、エキスパートシステムGUIから始まるシステムにインテリジェンスを追加する。このGUIは、スマートバンドや診断を定義するためのシンプルなユーザーインターフェースを備えたグラフィカルなエキスパートシステムであり、誰でも簡単に複雑な解析を行うことができる。実施形態では、このユーザーインターフェースは、一般ユーザーが複雑かつ柔軟な解析を行うためのシンプルなアプローチであるスマートバンドを中心に展開される。実施形態では、スマートバンドは、さらに高度な解析アプローチのための自己学習型ニューラルネットワークと組み合わせてもよい。実施形態では、このシステムは、さらなる解析的洞察のために機械の階層を使用してもよい。予測メンテナンスの重要な要素の1つは、修理や検査の際に既知の情報から学習する能力である。実施形態では、逆算のためのグラフィカルなアプローチにより、既知の故障や問題に基づくスマートバンドや相関関係を改善することができる。
実施形態では、追加の相関的なインテリジェンスを得るために、どのセンサを同時に収集するかを適応させるスマートルートがある。実施形態では、スマート運用データストア(「ODS」)により、機械の状態をさらに調べるために、運用上のたわみ形状解析を行うためのデータ収集をシステムが選択することができる。実施形態では、適応型スケジューリング技術により、システムは、多数(例えば、8つ)の相関チャンネルにわたってフルスペクトル解析のために収集される予定のデータを変更することができる。実施形態では、システムは、機械の問題を特定するために、周囲の温度と局所的な温度および振動レベルの変化を組み合わせた解析のために、周囲の局所的な振動と同様に、連続的なモニタリングのための拡張統計機能を可能にするデータを提供することができる。
実施形態において、データ取得装置は、所望のデータ取得コマンドを実施するためにパーソナルコンピュータ(PC)により制御されてもよい。実施形態において、DAQボックスは、自給自足であってもよく、外部PC制御から独立して、取得、処理、解析、および監視を行うことができる。実施形態は、セキュアデジタル(SD)カードストレージを含んでもよい。実施形態では、SDカードを利用することにより、重要な追加ストレージ機能を提供することができる。これは、重要なデータが永久に保存される可能性がある監視アプリケーションにとって重要であることが証明されるかもしれない。また、停電が発生した場合、他のシステムにオフロードされていないにもかかわらず、最新のデータが保存される可能性がある。
現在のトレンドは、DAQシステムを、通常は無線を含むネットワークの形で、可能な限り外界と通信可能にすることである。過去には、PCとペアになったマイクロプロセッサまたはマイクロコントローラ/マイクロプロセッサのいずれかでDAQシステムを制御するために専用バスを使用することが一般的でした。実施形態では、DAQシステムは、1つ以上のマイクロプロセッサ/マイクロコントローラ、特殊なマイクロコントローラ/マイクロプロセッサ、または主に外界との通信面に焦点を当てた専用プロセッサで構成されていてもよい。例えば、USB、イーサネット、ワイヤレス、ウェブページをホストするためのIPアドレスを提供する機能などがある。外部との通信はすべて、シンプルなテキストベースのメニューを使って行わる。InitializeCard、AcquireData、StopAcquisition、RetrieveCalibration Infoなどの通常のコマンド(実際には100以上)が用意されている。
実施形態では、リサンプリング、重み付け、フィルタリング、およびスペクトル処理を含む強力な信号処理アクティビティは、フィールドプログラマブルゲートアレイ(「FPGA」)、デジタルシグナルプロセッサ(「DSP」)、マイクロプロセッサ、マイクロコントローラ、またはそれらの組み合わせなどの専用プロセッサによって実行されてもよい。実施形態では、このサブシステムは、専用のハードウェアバスを介して通信処理部と通信することができる。また、デュアルポートメモリ、セマフォロジックなどで促進される。本実施形態では、効率が著しく向上するだけでなく、データのストリーミングをはじめ、他のハイエンド解析技術を含めた処理能力を大幅に向上させることができる。これにより、信号調整回路の制御、トリガー、A/Dによる生データの取得、A/D出力の適切なオンボードメモリーへの誘導、データの処理などの主要なプロセスを常に中断する必要がなくなる。
実施形態は、センサの過負荷識別を含むことができる。センサが過負荷になったときに識別する監視システムの必要性が存在する。業界で最も一般的に使用されている標準的な100mv/gセンサを飽和させる高周波入力を含む状況があるかもしれず、過負荷を感知する能力を持つことは、より良い解析のためにデータ品質を向上させる。モニタリングシステムは、システムが過負荷になったことを識別することができるが、実施形態では、システムはセンサーの電圧を見て、過負荷がセンサーによるものかどうかを判断し、ユーザーが状況に適した別のセンサーを入手したり、データを再度収集したりできるようにする。
実施形態では、RFID(Radio Frequency Identification)や傾斜計や加速度計をセンサーに搭載し、センサーがどの機械やベアリングに取り付けられているか、どの方向にあるかを示すことで、ユーザーの入力なしにソフトウェアが自動的にデータを保存できるようにしてもよい。実施形態では、ユーザーがこのシステムを任意の機械に取り付ければ、システムは自動的に設定され、数秒でデータ収集の準備が整う。
実施形態は、変圧器、モーター制御センター、ブレーカーなどの内部に超音波センサを配置し、音のスペクトルを介して、故障や問題を示すアーキング、コロナなどの電気的問題を識別するパターンを継続的に探して監視することによる超音波オンライン監視を含んでもよい。実施形態は、エネルギー生産設備の回転要素および軸受の連続的な超音波モニタリングを提供することを含むことができる。実施形態では、解析エンジンは、超音波データを、振動、温度、圧力、熱流束、磁場、電場、電流、電圧、静電容量、インダクタンス、およびこれらの組み合わせ(例えば、単純な比率)などの他のパラメータと組み合わせることにより、超音波オンライン監視だけでなく、他の故障を特定する際に使用されてもよい。
本明細書に開示されている方法およびシステムの実施形態は、振動入力チャネルの可変グループを収集するためのアナログ・クロスポイント・スイッチの使用を含むことができる。振動解析のためには、機械(またはマシン)の異なる部分に複数の方向に取り付けられた振動トランスデューサから複数のチャネルを同時に得ることが有用である。同時に取得することで、例えば、入力の相対的な位相を比較して、様々な機械の故障を診断することができる。また、相互相関、伝達関数、Operating Deflection Shape(ODS)など、他のタイプのクロスチャネル解析を行うこともできる。
本明細書に開示される方法及びシステムの実施形態は、A/Dゼロリファレンス用の正確な電圧リファレンスを含んでもよい。いくつかのA/Dチップは、A/Dと外部オペアンプの両方が同じ基準を使用することを確実にするために、外部信号調整回路の中間スケール値として使用される、それ自身の内部ゼロ電圧基準を提供する。これは原理的には合理的に聞こえるが、現実的には複雑な問題がある。多くの場合、これらのリファレンスは、本来、抵抗分割器を使った電源電圧に基づいている。現在の多くのシステム、特にUSBなどのバス経由でPCから電源を供給しているシステムでは、電源電圧が負荷によってかなり大きく変化することが多いため、信頼性の低いリファレンスになってしまう。特に、信号処理の必要なデルタシグマ方式のA/Dチップでは、この傾向が顕著である。オフセットは負荷によって変化するが、読み取った値をデジタルで校正する場合、問題が発生する。DCドリフトを補正するために、A/Dから出力されるカウントで表される電圧オフセットをデジタルで修正するのが一般的である。しかし、この場合、ある負荷条件に対して適切な校正オフセットが決定されても、他の条件には適用されないことになる。カウント数で表される絶対的なDCオフセットが適用できなくなる。その結果、すべての負荷条件について較正する必要が生じ、複雑で信頼性が低くなり、最終的に管理できなくなる。実施形態では、ゼロオフセットとして使用するために、電源電圧から単純に独立した外部電圧リファレンスを使用する。
実施形態では、本システムは、製紙工場などの低速機械を遠隔でバランスさせるために、バランス目的で低速のRPMと位相を得るための位相ロックループバンドパストラッキングフィルタ法を提供するとともに、そのデータから追加の解析を提供するものである。バランスをとるためには、非常に遅い速度でバランスをとる必要がある場合がある。一般的なトラッキングフィルターは、フェーズロックループまたはPLL設計に基づいて構築されるかもしれないが、安定性と速度範囲が何よりも重要である。実施形態では、適切なRC定数とダンピング定数を選択するために、多数のデジタル制御スイッチが使用されている。このスイッチは、入力されるタコ信号の周波数を測定した後、すべて自動的に行うことができる。本明細書に開示された方法およびシステムの実施形態は、オンボードタイマーを使用して、入力およびトリガチャネルに対する位相のデジタル導出を含むことができる。実施形態では、デジタル位相導出は、デジタルタイマーを使用して、トリガーイベントからデータ取得の正確な開始までの正確な遅延を確認する。この遅延またはオフセットは、補間法を用いてさらに精密なオフセットを得て、取得したデータの解析的に決定された位相に適用される。この位相は、ワンショットバランスやアライメント解析などに有用な、正確な機械的意味を持つ絶対位相となる。
本明細書に開示される方法およびシステムの実施形態は、信号処理ファームウェア/ハードウェアを含んでもよい。実施形態では、異なるサンプリングレートで取得された複数のデータセットとは対照的に、長いブロックのデータを高サンプリングレートで取得してもよい。一般的に、振動解析のためのモデムルート収集では、指定されたデータ長で固定のサンプリングレートでデータを収集することが通例となっている。サンプリングレートとデータの長さは、機械的な解析の必要性に応じて、ルートのポイントごとに異なる場合がある。例えば、モーターの場合、走行速度の高調波とライン周波数の高調波を区別するために、比較的低いサンプリングレートで高い分解能が必要になることがある。しかし、現実的なトレードオフは、この分解能の向上を達成するために、より多くの収集時間が必要となることである。対照的に、高速のコンプレッサーやギアセットでは、正確な分解能はそれほど必要ではないものの、比較的高い周波数のデータの振幅を測定するために、はるかに高いサンプリングレートが必要となる。しかし、理想的には、非常に長いサンプル長のデータを、非常に高いサンプリングレートで収集するのが良いであろう。デジタルアクイジションデバイスが普及し始めた1980年代初頭は、A/Dサンプリング、デジタルストレージ、演算能力が現在の水準に及ばなかったため、データ収集に要する時間と必要な解像度や精度の間で妥協がなされていました。そのため、データ収集にかかる時間と求められる解像度や精度の間で妥協を余儀なくされていた。このような限界があったため、現場の解析者の中には、デジタル化の欠点があまりないアナログテープ記録システムを手放さない人もいた。記録されたアナログデータを、希望する複数のサンプリングレートと長さでデジタル化して再生するハイブリッドシステムもいくつか採用されていたが、これらのシステムは自動化されていなかった。より一般的なアプローチは、前述したように、データ収集時間と解析能力のバランスを取り、複数のサンプリングレートとサンプリング長でデータブロックをデジタル取得し、これらのブロックを別々にデジタル保存することである。実施形態では、実用的な最高のサンプリングレート(例えば、102.4kHz。40kHzのFmaxに対応)で長いデータ長のデータを収集し、保存することができる。この長いデータブロックは、アプリオリな方法で利用される低いサンプリングレートの短い長さと同じ時間で取得することができるため、ルート収集で常に懸念される測定点でのサンプリングに追加される効果的な遅延はない。実施形態では、データのアナログテープ記録は、文脈がそうでないことを示す場合を除き、本開示の実施形態の目的を含む多くの目的のために、実質的に連続または「アナログ」とみなすことができるような精度でデジタル的にシミュレートされる。
本明細書に開示された方法およびシステムの実施形態は、オンボードカードセットの校正データおよび保守履歴の保存を含むことができる。PCとのインターフェイスに依存して機能する多くのデータ収集装置は、その校正係数をPCに保存する。これは、信号経路が多く、したがって校正テーブルがかなり大きくなる可能性がある複雑なデータ収集装置に特に当てはまる。実施形態では、校正係数をフラッシュメモリに保存し、このデータやその他のデータを記憶することができる。そのための重要な情報は、すべての実用的な目的のために永久に保存される。この情報には、個々のコンポーネントのシリアル番号などの銘板情報、ファームウェアまたはソフトウェアのバージョン番号、メンテナンス履歴、およびキャリブレーションテーブルが含まれる。実施形態では、ボックスが最終的にどのコンピュータに接続されても、DAQボックスは較正されたままであり、これらの重要な情報をすべて保持し続ける。PCや外部機器は、移植や情報交換の目的で、いつでもこの情報をポーリングすることができる。
本明細書に開示されている方法およびシステムの実施形態は、階層的なテンプレートを利用した迅速なルート作成を含むことができる。一般的なパラメトリック・モニタリングと同様に、振動モニタリングの分野では、データ・モニタリング・ポイントの存在をデータベースまたは同等の機能で確立することが必要である。これらのポイントには、トランスデューサの属性、データ収集設定、機械のパラメータ、動作パラメータなど、さまざまな属性が関連付けられている。トランスデューサの属性には、プローブのタイプ、プローブの取り付けタイプ、プローブの取り付け方向または軸の向きなどがある。測定に関連するデータ収集属性には、サンプリングレート、データ長、一体型電子圧電プローブの電源およびカップリング要件、ハードウェア統合要件、4-20または電圧インターフェイス、レンジおよびゲイン設定(該当する場合)、フィルタ要件などが含まれる。特定のポイントに関連する機械のパラメータ要件には、動作速度、ベアリングの種類、ベアリングのパラメータデータ(転動体ベアリングの場合はピッチ径、ボール数、インナーレース、アウターレースの直径など)などの項目が含まれる。ティルティングパッドベアリングの場合は、パッドの数などが含まれる。ギアボックスのような機器の測定点の場合、必要なパラメータとしては、例えば、各ギアの歯数などが挙げられる。誘導モーターの場合は、ローターバーやポールの数、コンプレッサーの場合はブレードやベーンの数、ファンの場合はブレードの数などが挙げられる。ベルト/プーリーシステムの場合は、プーリーの寸法とプーリーの中心間距離から、ベルトの数と関連するベルト通過周波数を計算することができる。カップリング付近の測定では、カップリングの種類やギヤードカップリングの歯数などが必要となる。運転パラメトリックデータには、メガワットで表される運転負荷、流量(空気または流体)、割合、馬力、フィート/分などが含まれる。また、周囲温度や動作温度、圧力、湿度なども関連してくる。このように、個々の測定ポイントに必要な設定情報は非常に多くなる。また、データの正当な解析を行うためにも重要な情報である。機械、装置、およびベアリング固有の情報は、故障の頻度を特定したり、予想される様々な種類の特定の故障を予測したりするために不可欠である。トランスデューサの属性およびデータ収集パラメータは、データを適切に解釈し、適切な解析技術の種類の限界を示すために不可欠である。これらのデータを入力する従来の方法は、手動で非常に面倒なものでした。通常、最も低い階層レベル(例えば、機械のパラメータに関してはベアリングレベル)で入力し、データ収集設定情報に関してはトランスデューサレベルで入力する。しかし、データの保存や移動だけでなく、解析や解釈のためにも、データを整理するために必要な階層関係の重要性は、いくら強調しても足りない。ここでは、データの保存と移動に焦点を当てている。前述の設定情報は、その性質上、最下層の階層レベルでは非常に冗長だが、強い階層性を持つため、その形でかなり効率的に保存することができる。実施形態では、テンプレートの形でデータをコピーする際に、階層性を利用することができる。一例として、会社、工場、サイト、ユニット、プロセス、機械、装置、軸要素、ベアリング、トランスデューサなど、一般的なものから特定のものまで、多くの目的に適した階層的な記憶構造が定義されている。特定の機械、装置、シャフトエレメント、ベアリングに関連するデータをコピーすることは、最も低いトランスデューサレベルでのみコピーすることよりもはるかに容易である。実施形態では、システムはこのような階層的な方法でデータを保存するだけでなく、これらの階層的なテンプレートを使用したデータの迅速なコピーを強固にサポートしている。特定の階層レベルでの要素の類似性は、階層形式での効果的なデータ保存に適している。例えば、多くの機械には、モーター、ギアボックス、コンプレッサー、ベルト、ファンなどの共通要素がある。具体的には、多くのモーターは、誘導機、直流機、固定速度、可変速度などに簡単に分類できる。多くの変速機は、入力/出力、入力ピニオン/中間ピニオン/出力ピニオン、4ポストなど、一般的に発生するグループに分類される。工場や会社の中では、コストやメンテナンスの観点から、似たような種類の機器が数多く購入され、標準化されている。そのため、似たようなタイプの機器が非常に多く重なっており、結果的に階層型テンプレートのアプローチを活用する絶好の機会となっている。
本明細書に開示された方法およびシステムの実施形態は、スマートバンドを含むことができる。スマートバンドとは、データを解析して正しい診断を実現する目的で、任意の動的入力または入力群から得られる、処理された信号特性を指す。さらに、スマートバンドは、より強固で複雑な診断を実現する目的で、ミニまたは比較的単純な診断を含むことさえある。歴史的に、機械的な振動解析の分野では、アラームバンドは、重要な振動パターンを解析および/または傾向解析する目的で、関心のあるスペクトル周波数帯域を定義するために使用されてきました。アラームバンドは、低周波と高周波の境界線の間のスペクトル(周波数に対してプロットされた振幅)領域で構成される。これらの境界線の間の振幅は、全体の振幅を計算するのと同じ方法で合計される。スマートバンドは、特定の周波数帯域を指すだけでなく、単一ピークの高調波などのスペクトルピーク群、時間波形から得られる真のピークレベルまたはクレストファクター、振動エンベロープスペクトルまたはその他の特殊な信号解析技術から得られる全体、あるいはこれらの信号属性の論理的な組み合わせ(AND、OR、XORなど)を指すことができるという点で、より柔軟性がある。さらに、システム負荷、モーターの電圧と位相情報、ベアリングの温度、流量などを含む無数の他のパラメトリックデータも同様に、追加のスマートバンドを形成するための基礎として使用することができる。実施形態では、スマートバンドの症状は、これらの入力を利用して診断を行うエキスパートシステムの構成要素として使用することができる。これらのミニ診断の一部は、より一般的な診断のためにスマートバンドの症状(スマートバンドは診断も含むことができる)として使用することができる。
本明細書に開示される方法およびシステムの実施形態は、スマートバンドを使用するニューラルネットエキスパートシステムを含むことができる。典型的な振動解析エンジンは、ルールベース(すなわち、満たされたときに特定の診断をトリガするエキスパートルールのリストを使用する)である。一方、ニューラルアプローチでは、複数の入力刺激を重み付けして小さな解析エンジン(ニューロン)に入力し、そのニューロンが単純化された重み付け出力を他のニューロンに供給する。これらのニューロンの出力は、スマートバンドとして分類され、他のニューロンに供給される。これにより、ルールベースのシステムのワンショットアプローチとは対照的に、エキスパートの診断にはより層の厚いアプローチが生まれる。本実施形態では、エキスパートシステムは、スマートバンドを用いたこのニューラルアプローチを利用しているが、ルールベースの診断をスマートバンドに再分類して、エキスパートシステムが利用するさらなる刺激とすることを妨げるものではない。この観点から、最高レベルでは本質的にニューラルであるものの、ハイブリッドアプローチとして概観することができる。
本明細書に開示された方法及びシステムの実施形態は、解析スマートバンドの症状及び診断が様々な階層的なデータベースレベルに割り当てられる可能性のあるデータベース階層の使用を含むことができる。例えば、スマートバンドは、ベアリングレベルで「緩み(Looseness)」と呼ばれ、装置レベルで「緩み」をトリガーし、機械レベルで「緩み」をトリガーすることができる。別の例では、カップリング全体で「水平面位相反転」というスマートバンド診断を行い、機械レベルで「垂直カップリングミスアライメント」というスマートバンド診断を生成することができる。
本明細書に開示された方法およびシステムの実施形態は、エキスパートシステムのGUIを含むことができる。実施形態では、システムは、エキスパートシステムのためのスマートバンドおよび診断を定義するためのグラフィカルなアプローチを引き受ける。特定の機械診断を作成するための症状、規則、またはより一般的にはスマートバンドの入力は、退屈で時間がかかる場合がある。そこで、配線を用いたグラフィカルな手段を提供することで、プロセスをより簡便かつ効率的にすることができる。提案されているグラフィカルインターフェースは、症状部品ビン、診断ビン、ツールビン、およびグラフィカル配線領域(「GW A」)の4つのメジャーまたはコンポーネントで構成されている。実施形態では、症状部品ビンは、様々なスペクトル、波形、エンベロープ、およびスペクトルピーク、スペクトルハーモニック、波形トゥルーピーク、波形クレストファクタ、スペクトルアラームバンドなどの任意のタイプの信号処理特性または特性のグループを含む。各パートには、追加の特性を割り当てることができる。例えば、スペクトルピークのパーツには、周波数や走行速度の順番(複数)が割り当てられていてもよい。lx、2x、3xの走行速度、lx、2x、3xのギアメッシュ、lx、2x、3xのブレードパス、モーターローターバーの数×走行速度など、いくつかのパーツは、あらかじめ定義されているか、またはユーザーが定義する。
実施形態では、診断ビンには、事前に定義されたさまざまな診断や、ミスアライメント、アンバランス、ルーズネス、ベアリングフォルトなどのユーザー定義の診断が含まれている。部品と同様に、診断もまた、より複雑な診断を構築するための部品として使用することができる。実施形態では、ツールビンは、AND、OR、XORなどの論理演算や、Find Max、Find Min、Interpolate、Average、その他の統計演算など、上記の様々なパーツを組み合わせる他の方法を含む。実施形態では、グラフィカルな配線領域は、部品ビンからの部品または診断ビンからの診断を含み、診断を作成するためにツールを使用して組み合わせてもよい。様々な部品、ツール、診断は、所望の方法で単純にグラフィカルに配線されたアイコンで表される。
本明細書に開示された方法およびシステムの実施形態は、逆算定義のためのグラフィカルなアプローチを含むことができる。実施形態では、エキスパートシステムは、システムが学習する機会も提供する。固有の刺激またはスマートバンドのセットが特定の故障または診断に対応することが既に分かっている場合、将来の同様の刺激のセットに適用されたときに同じ診断に到達するであろう係数のセットを逆算することが可能である。実施形態では、複数のデータセットがある場合、ベストフィットアプローチを使用することができる。スマートバンドのGUIとは異なり、本実施形態では、配線図が自己生成される。実施形態では、ユーザーは、バックプロパゲーションアプローチの設定を調整し、データベースブラウザを使用して、特定のデータセットを所望の診断と一致させてもよい。実施形態では、所望の診断は、スマートバンドGUIで作成またはカスタム調整してもよい。実施形態では、その後、ユーザーが「GENERATE」ボタンを押すと、最適な適合性を得るためにアルゴリズムを介して動作しながら、症状から診断までの動的な配線が画面に表示されることがある。実施形態では、完了すると、マッピングプロセスがどれだけうまく進んだかを詳細に示す様々な統計情報が提示される。場合によっては、例えば、入力データが全てゼロであったり、間違ったデータ(誤って割り当てられたデータ)であったりした場合などには、マッピングが達成されないこともある。本明細書に開示される方法およびシステムの実施形態は、ベアリング解析方法を含んでもよい。実施形態では、ベアリング解析方法は、コンピュータ支援設計(「CAD」)、予測デコンボリューション、最小分散歪みのない応答(「MVDR」)、およびスペクトラムサムオブハーモニクスと組み合わせて使用されてもよい。
近年、省電力化が強く求められており、その結果、可変周波数ドライブや可変速度機械が流入してきている。実施形態では、軸受解析方法を提供する。実施形態では、ねじり力が関連する機械(回転部品を有する機械など)を診断するより包括的な方法のための高度なねじり振動解析を提供するために、過渡的な信号解析を利用したねじり振動検出および解析が提供される。モータ速度制御システムの低価格化や、エネルギー消費に対する意識の高まりにより、負荷制御による大幅な省エネの可能性を利用することが、経済的に正当化されるようになってきました。しかし、この問題で見落とされがちなのが「振動」の問題である。機械が1つの速度でしか動作しないように設計されている場合、構造的およびねじり的な機械的共振を避けるように物理的な構造を設計することははるかに容易だが、これらはそれぞれ機械の健全性を劇的に低下させる。これには、使用する材料の種類、その重量、補強部材の要件と配置、ベアリングの種類、ベアリングの位置、ベースサポートの制約など、構造的な特性が含まれる。1つの速度で動く機械であっても、振動を最小限に抑えるために構造を設計することは、コンピュータによるモデリング、有限要素法による解析、フィールドテストなどを必要とする、困難な作業となる。そこに可変速度が加わると、多くの場合、すべての望ましい速度に対して設計することは不可能になる。そこで問題となるのが、速度を回避するなどして最小化することである。これが、多くのモデムモータコントローラが、特定の速度範囲または帯域をスキップまたは迅速に通過するようにプログラムされている理由である。実施形態は、振動監視システムにおいて速度範囲を特定することを含むことができる。非ねじり性の構造共振は、従来の振動解析技術を用いてかなり容易に検出することができる。しかし、ねじりの場合はそうではない。現在、特に注目されているのは、ねじり共振の問題が増加していることである。これは明らかに、ねじり共振速度での機器の操作だけでなく、速度変化によるねじり応力の増加によるものである。一般的に、ケーシングや外部の振動が劇的に増加することでその影響が現れる非ねじり構造共振とは異なり、ねじり共振は一般的にそのような影響を示さない。シャフトのねじり共振の場合、共振によって引き起こされたねじり運動は、速度や位相の変化を見ることによってのみ識別することができる。ねじり振動を解析するための現在の標準的な方法は、特殊な機器の使用を必要とする。ここで紹介する方法とシステムは、そのような特殊な機器を使用せずに、ねじり振動の解析を可能にする。そのためには、機械をシャットダウンして、ひずみゲージや、速度エンコーダプレートやギアなどの特殊な固定具を使用することが考えられる。フリクションホイールもその一つだが、これには通常、手動での実施と専門の解析者が必要である。一般的に、これらの技術は非常に高価で不便なものである。コストの削減と利便性の向上(例えば、リモートアクセス)により、連続的な振動監視システムの普及が進んでいる。実施形態では、振動信号だけでねじり速度および/または位相の変動を識別する能力がある。実施形態では、過渡解析技術を利用して、ねじりによって誘発された振動を、プロセス制御による単なる速度変化と区別することができる。実施形態では、識別のための要因は、以下の側面の1つ以上に焦点を当てるかもしれない。可変速モーター制御による速度変化の割合は、比較的遅く、持続的で意図的である。ねじりによる速度変化は、短く、衝動的で持続的ではない傾向がある。また、シャフトの回転速度に比べてねじりに関連する速度変化が小さいことから、位相挙動をモニタリングすると、歴史的に機械の速度を上げ下げすることに関連する遅い位相変化(ボード線図やナイキスト線図に代表される)とは対照的に、迅速または過渡的な速度のバーストを示すことが示唆される。
本明細書に開示された方法およびシステムの実施形態は、アナログおよびデジタルの両方の方法を使用した改善された統合を含むことができる。信号がソフトウェアを使用してデジタル的に統合される場合、本質的に、スペクトル低域周波数データは、その振幅がゼロに近づくとすぐに膨らむ関数によって乗算され、業界で「スキー・スロープ」効果として知られるものを作り出す。このスキー・スロープの振幅は、基本的に機器のノイズ・フロアとなる。これを簡単に解決するには、従来のハードウェア・インテグレーターが必要である。また、増幅率を適切なレベルに抑えることができるので、非常に大きな数の乗算を基本的に禁止することができる。しかし、周波数が大きくなる高周波では、ノイズフロアを大きく上回る元の振幅に、ノイズフロアを大きく下回る非常に小さな数(1/f)が乗算されてしまう。ハードウェアの積分器には固定のノイズフロアがあり、低フロアではあるが、低振幅の高周波データではスケールダウンしない。これに対して、デジタル化された高周波信号を同じようにデジタルで乗算すると、ノイズフロアも比例して小さくなる。実施形態では、理想的な結果を得るために、ハードウェア統合をユニティゲインのポイント以下で使用し(通常、ゲインに基づく単位および/または所望の信号対雑音比によって決定される値で)、ソフトウェア統合をユニティゲインの値以上で使用してもよい。実施形態では、この統合は周波数領域で行われる。実施形態では、結果として得られたハイブリッドデータを、ハードウェア統合データまたはソフトウェア統合データのいずれかと比較した場合に、信号対雑音比においてはるかに優れているはずの波形に変換して戻すことができる。実施形態では、最大のS/N比を達成するために、ハードウェア統合の強みとデジタルソフトウェア統合の強みを組み合わせて使用する。実施形態では、1次の段階的なハードウェアインテグレータのハイパスフィルタとカーブフィッティングにより、ノイズを低減または除去しながら比較的低い周波数のデータを通過させることができ、急峻なフィルタが殺してしまった非常に有用な解析データを救い出すことができる。
本明細書に開示される方法およびシステムの実施形態は、連続モニタリングのための適応型スケジューリング技術を含むことができる。連続モニタリングは、DAQシステムのハードウェア信号処理、A/D、および処理コンポーネントに供給するために、多数のデータの中から数チャネルのデータを選択することを目的としたアップフロントMuxを用いて実行されることが多い。これは、主に実用的なコストを考慮して行われる。トレードオフとして、すべてのポイントが継続的にモニターされないことが挙げられる(ただし、代替のハードウェア方法を介してある程度モニターされる可能性はある)。実施形態では、複数のスケジューリングレベルが提供される。実施形態では、ほとんどの部分が連続している最も低いレベルでは、すべての測定点がラウンドロビン方式で循環される。例えば、測定点を取得して処理するのに30秒かかり、測定点が30個ある場合、各測定点は15分ごとに1回サービスされるが、ユーザーが選択した基準によって測定点がアラームを発するべきである場合、その測定点の優先度を上げて、より頻繁にサービスされるようにすることができる。各アラームの重大度に複数のグレードがあるように、監視に関しても複数の優先度がある。実施形態では、より深刻なアラームがより頻繁に監視される。実施形態では、多くの追加的な高レベルの信号処理技術を、より低い頻度で適用することができる。実施形態では、PCの増大した処理能力を利用することができ、PCは、ラウンドロビン経路収集(その複数の層の収集を伴う)プロセスを一時的に中断し、選択したポイントに対して必要な量のデータをストリーミングすることができる。実施形態では、エンベロープ処理、ウェーブレット解析などの様々な高度な処理技術や、その他多くの信号処理技術を含むことができる。実施形態では、このデータの取得後、DAQカードセットは、中断されたポイントでそのルートを継続する。実施形態では、様々なPCのスケジュールされたデータ取得は、DAQカードのルートよりも少ない頻度で行われる独自のスケジュールに従う。それらは、1時間ごと、1日ごと、ルートサイクル数ごと(例えば、10サイクルごとに1回)に設定され、また、アラームの重大度の優先順位や測定の種類(例えば、モーターはファンとは異なって監視される場合がある)に基づいて、スケジュール的に増加する場合がある。
本明細書に開示された方法およびシステムの実施形態は、データ取得パーキング機能を含むことができる。実施形態では、経路収集、リアルタイム解析、および一般的に取得機器として使用されるデータ収集ボックスは、そのPC(タブレットなど)から切り離され、外部電源または適切なバッテリによって電力を供給することができる。実施形態では、データ収集装置は継続的なモニタリング機能を保持しており、そのオンボードファームウェアは、長時間の専用モニタリング機能を実装したり、さらなる解析のためにリモートで制御したりすることができる。本明細書に開示された方法およびシステムの実施形態は、連続監視のための拡張統計機能を含むことができる。
本明細書に開示される方法及びシステムの実施形態は、周囲センシング+局所センシング+解析のための振動を含んでもよい。実施形態において、周囲環境温度及び圧力、感知された温度及び圧力は、一連の条件又は特性のいずれかの予測のために、長期/中期振動解析と組み合わされてもよい。変形例では、赤外線感知、赤外線サーモグラフィー、超音波、および他の多くの種類のセンサーおよび入力タイプを、振動と組み合わせて、または互いに組み合わせて追加してもよい。本明細書に開示される方法及びシステムの実施形態は、スマートルートを含んでもよい。実施形態では、連続監視システムのソフトウェアは、統計、解析、データアラーム、及び動的解析に基づいてデータ収集順序を適応/調整することになる。典型的には、ルートは、センサが取り付けられているチャネルに基づいて設定される。実施形態では、クロスポイントスイッチにより、Muxは、任意の入力Muxチャンネルを(例えば、8つの)出力チャンネルに結合することができる。実施形態では、チャンネルがアラームになるか、システムが重要な偏差を識別すると、より高度な解析のために、重要な統計的変化を共有するチャンネルから、特定の同時データを収集するために、ソフトウェアで設定された通常のルートを一時停止することになる。実施形態は、スマートODSまたはスマート伝達関数を実施することを含む。
本明細書に開示された方法およびシステムの実施形態は、スマートODSおよび1つ以上の伝達関数を含むことができる。実施形態では、システムのマルチプレクサおよびクロスポイントスイッチにより、機械/構造体に取り付けられたすべての振動センサに対するODS、伝達関数、または他の特別なテストを実行し、機械のポイントが互いに関係してどのように動いているかを正確に示すことができる。実施形態では、40~50kHzで、より長いデータ長(例えば、少なくとも1分)のデータをストリーミングすることができ、通常のODSや伝達関数が示すものとは異なる情報を明らかにすることができる。実施形態では、システムは、使用するデータ/統計/解析に基づいて、標準的なルートから脱却し、条件/データが指示するために相関関係を示す可能性のあるマシン、構造、または複数のマシンと構造にわたってODSを実施するスマートルート機能を決定することができるようになる。実施形態では、伝達関数として、1つのチャンネルでインパクトハンマーを使用し、機械上の他の振動センサーと比較することができる。実施形態では、システムは、負荷、速度、温度、または機械やシステムの他の変化などの条件の変化を使用して伝達関数を実施することができる。実施形態では、異なる伝達関数を経時的に相互に比較してもよい。実施形態では、異なる伝達関数は、機械の故障がどのように変化するかを示す可能性のある映画のようにつなぎ合わせてもよく、例えば、ベアリングの故障の4つの段階をどのように通過するかを示す可能性のあるベアリングなどである。本明細書で開示する方法およびシステムの実施形態は、階層型Muxを含むことができる。
図8を参照すると、本開示は一般に、動作速度が比較的遅い回転速度または振動速度から、異なる状況ではるかに高い速度まで変化し得る機械2020から波形データ2010をデジタル的に収集またはストリーミングすることを含む。波形データ2010は、少なくとも1つの機械において、不変の基準位置2040に取り付けられた1軸センサ2030からのデータと、位置2052を含む変化する場所(または複数の場所に位置する)に取り付けられた3軸センサ2050からのデータとを含むことができる。実施形態では、波形データ2010は、周期的および過渡的な衝撃事象を捕捉するのに十分な大きさの最大分解可能な周波数で、複数分の継続時間にわたって各センサ2030、2050からギャップフリー形式で同時に得られた振動データとすることができる。この例によって、波形データ2010は、動作可能な偏向形状を作成するために使用することができる振動データを含むことができる。また、必要に応じて、振動を診断し、そこから機械修理ソリューションを処方することもできる。
実施形態では、機械2020は、シャフト2120を駆動することができる駆動モータ2110を含むことができるハウジング2100をさらに含むことができる。シャフト2120は、第1のベアリング2140および第2のベアリング2150を含むような、一組のベアリング2130によって回転または揺動のために支持され得る。データ収集モジュール2160は、機械2020に接続することができる(または、機械2020に常駐することができる)。一例では、データ収集モジュール2160は、クラウドネットワーク設備2170を介して配置され、アクセス可能であり、機械2020から波形データ2010を収集し、波形データ2010を遠隔地に配信することができる。機械2020の駆動軸2120の作動端2180は、本明細書に記載された技術が、回転要素または振動要素を含む広範囲の機械、装置、ツールなどに適用できるように、風車、ファン、ポンプ、ドリル、ギアシステム、ドライブシステム、または他の作動要素を駆動することができる。他の例では、モータ2110の代わりに発電機を使用することができ、駆動軸2120の作動端は、回転エネルギーを消費するのではなく、発電機に向けて電力を生成することができる。
実施形態では、波形データ2010は、機械2020のレイアウトに基づく所定の経路フォーマットを用いて取得することができる。波形データ2010は、一軸センサ2030および三軸センサ2050からのデータを含むことができる。一軸センサー2030は、1チャンネルのデータを持つ基準プローブとして機能し、調査対象の機械の不変の位置2040に固定することができる。三軸センサ2050は、その3つのチャネルのデータを有する三軸プローブ(例えば、直交する3つの軸)として機能することができ、1つのテストポイントから次のテストポイントまで、所定の診断ルート形式に沿って移動することができる。一例では、両方のセンサ2030、2050は、機械2020に手動で取り付けることができ、特定のサービス例では、別のポータブルコンピュータに接続することができる。基準プローブは1つの場所に留まることができ、一方、ユーザは、機械上のベアリングからベアリングへのような所定のルートに沿って三軸振動プローブを移動させることができる。この例では、ユーザーは、機械の調査(またはその一部)を完了するために、所定の位置にセンサーを配置するように指示される。
図9を参照すると、本開示に従った出力軸2230および出力部材2240を有する機械2200のモータベアリングに関連する場所2220に取り付けられた三軸センサ2210を有する例示的な機械2200の一部が示されている。
さらなる例では、センサおよびデータ取得モジュールおよび装置は、回転機械に一体化されているか、または常駐していることができる。これらの例によって、機械は、所定の位置に多くの一軸センサおよび多くの三軸センサを含むことができる。センサは、元々設置されている機器であり、元の機器製造業者によって提供されるか、または、レトロフィットアプリケーションにおいて異なる時期に設置されることができる。データ収集モジュール2160などは、三軸センサのそれぞれに移動しながら、波形データ2010の収集中に、1つの一軸センサを選択して使用し、そこから排他的にデータを取得することができる。データ収集モジュール2160は、機械2020に常駐し、および/または、クラウドネットワーク設備2170を介して接続することができる。
図8を参照すると、様々な実施形態は、クラウドネットワーク設備2170を介して、ローカルにデジタル記録するか、またはストリーミングすることによって、波形データ2010を収集することを含む。波形データ2010は、中断のないギャップフリーであるように収集することができ、いくつかの点では、波形データのアナログ記録に類似することができる。すべてのチャネルからの波形データ2010は、監視されている機械の回転速度または振動速度に応じて、1分から2分の間収集することができる。実施形態では、データサンプリングレートは、機械2020の動作周波数に対して比較的高いサンプリングレートにすることができる。
実施形態では、第2の基準センサを使用し、第5のチャネルのデータを収集することができる。このように、単軸センサが第1のチャネルとなり、三軸振動が第2、第3、および第4のデータチャネルを占めることができる。この第2の基準センサは、第1の基準センサと同様に、加速度センサなどの単軸センサとすることができる。実施形態では、第2の基準センサは、第1の基準センサと同様に、機械上の同じ位置に留まり、その機械の振動調査全体を行うことができる。第1の基準センサ(すなわち、一軸センサ)の位置は、第2の基準センサ(すなわち、別の一軸センサ)の位置と異なっていてもよい。特定の例では、機械が動作速度の異なる2つのシャフトを有し、2つの基準センサが2つの異なるシャフトに配置されている場合に、第2の基準センサを使用することができる。この例にしたがって、さらなる一軸基準センサを、回転機械に関連する追加の、しかし異なる不変の場所に採用することができる。
実施形態では、波形データは、比較的長い期間、著しく高いサンプリングレートでギャップフリー形式で電子的に送信することができる。一例では、期間は60秒~120秒である。別の例では、サンプリングレートは100kHzであり、最大解像可能周波数(Fmax)は40kHzである。本開示を考慮すると、波形データは、波形データのアナログ記録の以前の実施例から利用可能なデータの富の一部をより密接に近似するように示すことができることが理解されるであろう。
実施形態では、サンプリング、バンド選択、およびフィルタリング技術により、長いデータストリーム(すなわち、1分から2分の継続時間)の1つまたは複数の部分をアンダーサンプリングまたはオーバーサンプリングして、さまざまな有効サンプリングレートを実現することができる。この目的のために、補間とデシメーションを使用して、さまざまな有効サンプリングレートをさらに実現することができる。例えば、オーバーサンプリングは、サンプリングされた機械の回転または振動の動作速度に近い周波数帯、またはその高調波に適用することができる。これは、機械の動作範囲において、これらの周波数で振動の影響がより顕著になる傾向があるためである。実施形態では、デジタルサンプリングされたデータセットをデシメーションして、より低いサンプリングレートにすることができる。この文脈におけるデシメートは、補間の反対であり得ることが、本開示に照らして理解されるであろう。実施形態では、データセットをデシメーションすることは、まず、デジタルサンプリングされたデータセットにローパスフィルタを適用し、次にデータセットをアンダーサンプリングすることを含むことができる。
一例として、100Hzのサンプル波形をデジタル波形の10点毎にアンダーサンプリングして10Hzの有効サンプリングレートを生成することができるが、波形のその部分の残りの9点は事実上破棄されてサンプル波形のモデリングに含まれない。さらに、このような裸のアンダーサンプリングは、100Hzのサンプル波形に対してアンダーサンプリング率(すなわち10Hz)が高いため、ゴースト周波数を発生させる可能性がある。
アナログ-デジタル変換のためのほとんどのハードウェアは、特定の時間の変化にわたって波形の平均値が決定されるように、所定の時間コンデンサを充電することができるサンプル-アンド-ホールド回路を使用している。本開示を考慮すると、特定の時間変化にわたる波形の値は線形ではなく、枢機卿的な正弦波(「sine」)関数により近いことが理解されるであろう。したがって、枢機卿的な正弦波信号の指数関数的な減衰がその中心から発生することで、サンプリング間隔の中心における波形データをより重視することができることが示される。
上記の例によって、100Hzでのサンプル波形は、10Hzでハードウェアサンプリングすることができ、したがって、各サンプリングポイントは、100ミリ秒にわたって平均化される(例えば、100Hzでサンプリングされた信号は、各ポイントが10ミリ秒にわたって平均化されることができる)。上述のように、サンプリングされた波形の10個のデータポイントのうち9個を効果的に破棄することとは対照的に、本開示は、隣接データを計量することを含むことができる。隣接データは、以前に廃棄されたサンプルポイントと、保持された残り1つのポイントを指すことができる。一例では、ローパスフィルタは、隣接するサンプルデータを線形に平均化することができ、すなわち、10ポイントごとの合計を決定し、次にその合計を10で割る。さらなる例では、隣接するデータを正弦関数で重み付けすることができる。元の波形を正弦関数で重み付けするプロセスは、インパルス関数と呼ばれたり、時間領域ではコンボリューションと呼ばれたりする。
本開示は、検出された電圧に基づく波形信号のデジタル化だけでなく、電流波形、振動波形、およびビデオ信号のラスタライズを含む画像処理信号に基づく波形信号のデジタル化にも適用することが可能である。ある例では、コンピュータ画面上のウィンドウのサイズ変更を、少なくとも2方向ではあるが、デシメーションすることができる。これらのさらなる例では、アンダーサンプリングそれ自体が不十分であることを示すことができることが理解されるであろう。そのため、オーバーサンプリングまたはアップサンプリング自体も同様に不十分であることを示すことができ、デシメーションのように、アンダーサンプリング自体の代わりに補間を使用することができる。
この文脈での補間が、最初にデジタル的にサンプリングされた波形データにローパスフィルタを適用し、次に波形データをアップサンプリングすることを指すことができることは、本開示に照らして理解されるであろう。現実の例は、しばしば、デシメーションもしくは補間、またはその両方のために非整数の係数を使用することを必要とし得ることが、本開示に照らして理解されよう。そのため、本開示は、補間およびデシメーションのための非整数の係数率を実現するために、補間およびデシメーションを順次行うことを含む。一例では、補間及びデシメートを順次行うことは、サンプル波形にローパスフィルタを適用し、次にローパスフィルタの後に波形を補間し、次に補間の後に波形をデシメートすることを定義し得る。実施形態では、振動データは、従来のテープレコーダーのループを意図的にエミュレートするようにループさせることができ、より長い解析を容易にするために、有効なスプライスにデジタルフィルタリング技術を使用することができる。上記の技術が、波形、スペクトル、及び他のタイプの解析が、収集時にユーザのGUIで処理及び表示されることを排除しないことは、本開示に照らして理解されるであろう。より新しいシステムは、この機能を生波形データの高性能収集と並行して実行することを可能にし得ることが、本開示に照らして理解されよう。
収集時間の問題に関しては、異なるサンプリングレートとデータ長で収集することでデータ解像度を向上させるという妥協したアプローチを使用している古いシステムでは、実際には期待されているほど時間を節約できないことが理解できるだろう。そのため、特にハードウェアのオートスケーリングが行われている場合は、データ収集ハードウェアを停止・起動するたびに、レイテンシーの問題が発生する。また、経路情報(テスト地点)のデータ検索についても同様で、データベース形式であることが多いため、非常に時間がかかることがある。また、生データをディスク(ソリッドステートかどうかにかかわらず)にバーストで保存する場合も、望ましくないほど遅くなる。
これに対して、多くの実施形態では、本明細書に開示されているように、波形データ2010をデジタルストリーミングすることを含み、さらに、データ収集ハードウェアを設定しながら経路パラメータ情報をロードする必要が1回だけあるという利点を享受することができる。波形データ2010は1つのファイルにのみストリーミングされるので、ファイルを開いたり閉じたり、記憶媒体での読み込みと書き込みの動作を切り替える必要はない。本明細書に記載されているような波形データ2010の収集および保存は、従来のバッチデータ収集アプローチよりも大幅に短い時間で、比較的意味のあるデータを生成することができることを示すことができる。この例としては、電気モーターが挙げられる。電気モーターでは、特に電気サイドバンド周波数を区別するために、十分に高い解像度で4Kポイント(すなわち、4096)のデータ長で波形データを収集することができる。ファンやブロワーの場合は、IK(1,024)という低い解像度を使用できる。場合によっては、IKを最小の波形データ長の要件とすることもできる。サンプリングレートは1,280Hzで、これはFmaxが500Hzに相当する。この波形データを取得する時間は、1,280Hzで1,024点、つまり800ミリ秒となり、これは、ナイキスト基準の必要な2倍のオーバーサンプリングを満たすことになる。
精度を向上させるために、波形データを平均化することができる。8つの平均値を、例えば50%のオーバーラップで使用することができる。これにより、800ミリ秒から3.6秒に延長され、800ミリ秒×8回の平均値×0.5(オーバーラップ率)+0.5×800ミリ秒(オーバーラップしていないヘッドエンドとテールエンド)となる。Fmax=500Hzの波形データで収集した後、より高いサンプリングレートを使用することができる。ある例では、以前のサンプリングレートの10倍(lOx)を使用し、Fmax=10kHzとすることができる。この例では、8つの平均値を50%のオーバーラップで使用して、360ミリ秒または0.36秒の収集時間になるこの高いレートで波形データを収集することができる。本開示によれば、ルート・リストから高いサンプリングレート用のハードウェア収集パラメータを読み取り、ハードウェアのオートスケーリング、または他の必要なハードウェア収集パラメータのリセット、またはその両方を行う必要があることが理解できるであろう。そのため、サンプリングレートの変化に対応するために、数秒のレイテンシーを追加することができる。他の例では、待ち時間を設けることで、ハードウェアのオートスケーリングや、本明細書で開示されている低いサンプリングレートを使用する際に必要となるハードウェア収集パラメータの変更に対応できる。サンプリングレートの変更に対応することに加えて、データベースからのルート・ポイント情報の読み取り(すなわち、どこをモニターするか、次にどこをモニターするか)、ルート情報の表示、および波形データの処理に追加の時間が必要となる。さらに、波形データおよび/または関連するスペクトルの表示にも、かなりの時間を消費する。以上のことから、各測定点で波形データを取得する際には、15秒から20秒程度の時間が必要となる。
さらなる例では、追加のサンプリングレートを追加することができるが、1つのサンプリングレートから別のサンプリングレートへの切り替え時間や、異なるサンプリングレートで追加のデータを得るための時間が加算されるため、振動調査の合計時間がさらに長くなる可能性がある。ある例では、より低いサンプリングレートが使用される。例えば、Fmax=50Hzの場合、128Hzのサンプリングレートが使用される。この例では、このサンプリングレートで最初の平均データを取得するために、前述の他のデータに加えてさらに36秒が必要となり、その結果、各測定点での総時間がさらに大幅に増加する。さらに、本実施形態では、風力発電機やその他の比較的低速の回転系や振動系を持つ機械に、本明細書で開示されているようなギャップフリーの波形データのデジタルストリーミングを使用することができる。多くの例では、収集された波形データは、比較的高いサンプリングレートでデータの長いサンプルを含むことができる。一例では、サンプリングレートは100kHzで、サンプリング時間は記録されるすべてのチャネルで2分間とすることができる。多くの例では、1つのチャンネルは1軸基準センサー用であり、さらに3つのデータチャンネルは3軸3チャンネルセンサー用とすることができる。長いデータ長は、極低周波現象の検出を容易にすることを示すことができることが、本開示に照らして理解されるであろう。また、長いデータ長は、風力発電機の運転における固有の速度変動に対応することができる。さらに、長いデータ長は、本明細書で述べたような多数の平均値を使用する機会を提供し、非常に高いスペクトル分解能を達成し、特定のスペクトル解析のためのテープループを実現可能にすることができることが示される。多くの高度な解析技術が利用できるようになりましたが、これは、そのような技術が、本開示に従って利用可能な長く途切れない長さの波形データを使用できるからである。
複数のチャネルから波形データを同時に収集することで、複数のチャネル間の伝達関数を実行することが容易になることも、本開示に照らして理解されよう。さらに、複数のチャネルからの波形データの同時収集は、各チャネルからの波形が同時に収集されているという事実に頼ることで、より洗練された相関関係を利用できるように、機械全体の位相関係を確立することを容易にする。他の例では、データ収集のチャンネル数を増やすことで、複数のセンサからの波形データを同時に取得できるようになり、振動調査の中でセンサからセンサへと移動しながら取得しなければならなかったものが、全体の振動調査を完了するのにかかる時間を短縮することができる。
本開示は、チャネル間の相対的な位相比較の取得を可能にするために、チャネルの1つに単軸基準プローブの少なくとも1つを使用することを含む。基準プローブは、1つの機械の振動調査中に移動せず、したがって不変の位置に固定される加速度計または他のタイプのトランスデューサとすることができる。複数の基準プローブは、それぞれ、振動調査中の振動データの取得中、所定の場所に固定された(すなわち、不変の場所に)適切な場所として展開することができる。特定の例では、最大7つのリファレンスのプローブは、データ収集モジュール2160などの容量に応じて配置することができる。伝達関数または同様の技術を用いて、選択されたすべての周波数において、すべてのチャネルの相対的な位相を互いに比較することができる。1つ以上の基準プローブを不変の位置に固定したまま、他の3軸振動センサを移動または監視することで、機械全体を振幅と相対位相に関してマッピングできることを示すことができる。これは、データ収集のチャンネル数よりも測定点の数の方が多い場合にも当てはまる。この情報により、機械の動的な動きを3Dで示すことができる動作偏向形状を作成することができ、非常に貴重な診断ツールとなる。実施形態では、1つまたは複数の参照プローブは、絶対的な位相ではなく、相対的な位相を提供することができる。本開示を考慮すると、目的によっては相対的な位相は絶対的な位相ほど価値がないかもしれないが、相対的な位相の情報は依然として非常に有用であることを示すことができることが理解されるであろう。
実施形態では、振動調査中に使用されるサンプリングレートは、回転または振動速度などの機械の適切なパラメータに関連することができる所定の動作周波数にデジタル的に同期させることができる。これにより、同期平均化技術を使用して、さらに多くの情報を抽出することができる。これは、キーフェーズや回転軸からの基準パルスを使用することなく行えることが、本開示に照らして理解されるであろう。このように、キーフェーズを用いた同期平均化を展開する必要なく、複雑な信号から非同期信号を除去することができる。これは、ギアボックス内の特定のピニオンを解析する場合や、複雑な機械的機構内のあらゆるコンポーネントに適用する場合に非常に有効であることを示すことができる。多くの場合、キーフェーズまたは基準パルスは、ルート収集されたデータでほとんど利用できないが、本明細書に開示される技術は、この不在を克服することができる。実施形態では、解析される機械内に異なる速度で動作する複数のシャフトが存在し得る。ある実施形態では、各軸に1軸の基準プローブが存在することができる。他の実施例では、その不変の位置で1つのシャフト上の1つの単軸基準プローブのみを使用して、1つのシャフトの位相を別のシャフトに関連付けることが可能である。実施形態において、可変速機器は、単一速度機器と比較して、比較的長いデータの継続時間でより容易に解析することができる。振動調査は、本明細書に開示された同じ技術を使用して、振動データの同じ連続したセット内のいくつかの機械速度で実施することができる。また、これらの技術により、従来は得られなかった振動と速度変化との関係の変化を調査することができる。
実施形態では、生の波形データが本明細書に開示されているようなギャップフリーのデジタルフォーマットでキャプチャできるため、そこから生まれる解析技術が数多くある。ギャップのないデジタルフォーマットは、特定の問題を特定するために、波形データを事後的に多くの方法で解析するための多くの経路を容易にすることができる。本明細書に開示された技術に従って収集された振動データは、過渡現象、半周期現象、および超低周波現象の解析を提供することができる。本開示に従って取得された波形データは、必要に応じて便利に再生できる生のギャップフリー波形データの比較的長いストリームを含むことができ、これに対して多くの様々な洗練された解析技術を実行することができる。多数のそのような技術は、生のギャップフリー波形データの比較的長いストリームに含めることができる過渡的な衝撃データから低振幅変調を抽出するための様々な形態のフィルタリングを提供することができる。過去のデータ収集方法では、以前のデータ収集モジュールの目的が純粋に周期的な信号であったため、スペクトル処理アルゴリズムの平均化プロセスによってこれらのタイプの現象が典型的に失われていたこと、または、元の生の信号からのコンテンツの多くが通常は使用されないことを知って廃棄されていたため、ファイルサイズ削減方法によってこれらの現象が失われていたことが、本開示に照らして理解されるであろう。
実施形態では、一組のベアリングによって支持された少なくとも1つのシャフトを有する機械の振動を監視する方法がある。この方法は、機械に関連する不変の場所で、単軸センサに割り当てられた第1のデータチャネルを監視することを含む。また、3軸センサーに割り当てられた第2、第3、および第4のデータチャネルを監視することも含まれる。さらに、機械の動作中に、すべてのデータチャネルからギャップのないデジタル波形データを同時に記録することと、デジタル波形データに基づいて相対的な位相の変化を判定することを含む。また、本方法は、デジタル波形を取得している間、三軸センサーを機械に関連する複数の位置に配置することを含む。実施形態では、第2、第3、および第4のチャネルは、機械に関連する異なる位置にそれぞれ配置された一連の3軸センサーに一緒に割り当てられる。実施形態では、データはすべてのセンサーからすべてのチャンネルで同時に受信される。
本方法はまた、相対的な位相情報の変化および波形データに基づいて、動作たわみ形状を決定することを含む。実施形態では、基準センサの不変の位置は、機械のシャフトに関連する位置である。実施形態では、3軸センサーのシーケンスにおける3軸センサーは、それぞれ異なる位置に配置されており、それぞれが機械の異なるベアリングに関連付けられている。実施形態では、不変の位置は、機械のシャフトに関連付けられた位置であり、ここで、3軸センサーのシーケンス内の3軸センサーは、それぞれ異なる位置に配置され、それぞれ機械内のシャフトを支持する異なるベアリングに関連付けられている。様々な実施形態は、アンサンブルとして知られることができる多数のチャネルから、回転機械または振動機械または類似のプロセス機械の振動または類似のプロセスパラメータおよび信号を同時に順次監視する方法を含む。様々な例では、アンサンブルは1~8個のチャネルを含むことができる。さらなる例では、アンサンブルは、それらの測定位置が測定のための一時的なものであるか、オリジナルの機器製造者によって提供されたものであるか、後日後付けされたものであるか、またはそれらの1つ以上の組み合わせであるかにかかわらず、監視される機器上の論理的な測定グループを表すことができる。
一例では、アンサンブルは、単一の方向で軸受振動を監視することができる。さらなる例では、アンサンブルは、3軸センサを用いて3つの異なる方向(例えば、直交する方向)を監視することができる。さらに他の例では、アンサンブルは4つ以上のチャンネルを監視することができ、第1のチャンネルは1軸の振動センサを監視することができ、第2、第3、および第4のチャンネルは3軸センサの3つの方向のそれぞれを監視することができる。他の例では、アンサンブルは、同じ機器または関連するシャフト上の隣接するベアリングのグループに固定することができる。様々な実施形態は、振動研究などに配備された様々なアンサンブルから、比較的効率的な方法で波形データを収集するための戦略を含む方法を提供する。この方法はまた、機械を監視するアンサンブルに関連する不変の基準位置に割り当てられた基準チャネルを同時に監視することを含む。基準チャンネルとの連携は、アンサンブルから収集された波形のより完全な相関をサポートすることを示すことができる。基準チャネル上の基準センサは、一軸振動センサ、または回転軸などの基準位置でトリガすることができる位相基準センサとすることができる。本明細書で開示されているように、本方法は、各アンサンブルのすべてのチャネルからギャップフリーのデジタル波形データを同時に記録することをさらに含むことができ、これにより、監視対象の機械の動作中の適切な解析に必要と思われるすべての周波数を含むように、比較的高いサンプリングレートで記録することができる。アンサンブルからのデータは、後続の処理のために、クラウドネットワーク設備、ローカル・データ・リンク、Bluetooth接続、セルラー・データ接続などに接続可能な記憶媒体にギャップフリーでストリーミングすることができる。
実施形態では、本明細書で開示されている方法は、特定の周波数や波形現象を強調したり、より良く分離したりするために、後にアンサンブルからのデータに適用することができるデジタル信号処理技術を含む、様々なアンサンブルからデータを収集するための戦略を含む。これは、異なるサンプリングレートで複数のデータセットを収集したり、統合を含む異なるハードウェアのフィルタリング構成を用いたりする現在の方法とは対照的で、これらの構成(アプリオリなハードウェア構成として知られている)へのこだわりのために、後処理の柔軟性が相対的に低くなっている。これらの同じハードウェア構成は、各独立した試験のためにハードウェアを構成することに関連する待ち時間の遅延のために、振動調査の時間を増加させることも示される。実施形態では、様々なアンサンブルからデータを収集する方法は、ストリームデータのセクションを均質で特定のアンサンブルに属するものとして分類するために使用できるデータマーカー技術を含む。一例では、分類を動作速度として定義することができる。これにより、従来のシステムでは1つのアンサンブルしか収集できなかったものが、多数のアンサンブルを作成することができる。多数の実施形態は、収集されたアンサンブルの各チャネル間だけでなく、適用可能な場合には、監視されているアンサンブルのすべてのチャネル間で、関心のあるすべての周波数の相対的な位相を比較するための後処理解析技術を含む。
本開示は、生の波形データ内のタイムマークまたはサンプル長に適用できるマーカーを含むことができる。マーカーは、一般に、プリセットまたはダイナミックの2つのカテゴリに分類される。プリセットマーカーは、プリセットまたは既存の動作条件(例えば、負荷、ヘッド圧力、空気流量立方フィート/分、周囲温度、RPMなど)に相関することができる。これらのプリセットマーカーは、データ収集システムに直接入力することができる。特定の例では、プリセットマーカーは、波形データ(例えば、振動、電流、電圧などの波形)と並行してデータチャネルに収集することができる。また、プリセットマーカの値を手動で入力することもできる。
トレンドデータなどの動的なマーカーについては、振動の振幅やパターンを比較するような類似のデータを、再現可能な一連の動作パラメータで比較することが重要になることがある。本開示の1つの例は、パラレルチャネル入力の1つが、収集の瞬間的な時間にRPM情報を提供することができる動作シャフトからのキーフェーザートリガーパルスであることを含む。この例のダイナミックマーカーでは、収集された波形データのセクションには、適切な速度や速度範囲が表示される。
本開示は、サンプル波形に対して実行される後処理および解析から得られるデータに相関することができる動的マーカも含むことができる。さらなる実施形態では、ダイナミックマーカは、RPMを含む収集後に導出されるパラメータ、ならびに最大RPMのようなアラーム条件のような他の動作的に導出されるメトリクスにも相関することができる。特定の例では、本明細書に記載されているポータブルデータ収集システムによる振動調査の候補である多くのモデム機器は、タコメータ情報を含んでいない。これは、回転数の測定が振動調査および解析にとって重要であるにもかかわらず、タコメータを追加することが必ずしも実用的ではなく、コスト的にも妥当ではないためである。固定速度の機械の場合、特に機械のおおよその速度が事前に確認できる場合には、正確なRPMの測定値を得ることの重要性は低いことが理解されるであろう。また、本開示を考慮すると、様々な信号処理技術により、専用のタコメータ信号を必要とせずに、生データからRPMを導き出すことができることも理解できるだろう。
多くの実施形態では、RPM情報は、その収集履歴にわたって生の波形データのセグメントをマークするために使用することができる。さらに、実施形態には、振動調査の所定のルートに従って機器データを収集する技術が含まれる。動的なマーカは、解析および傾向解析ソフトウェアが、マーカによって示される収集間隔の複数のセグメント(例えば、2分)を、複数の履歴収集アンサンブルとして利用することを可能にする。これは、先に述べたように、負荷設定や周囲の温度など、他のあらゆる運転パラメータにも拡張することが可能である。しかし、生データストリームを指すインデックスファイルにダイナミックマーカーを配置することで、ストリームの一部を均質なエンティティに分類することができ、以前に収集した生データストリームの一部との比較が容易になる。
多くの実施形態には、リレーショナルデータストリームと生データストリームの両方に対して既存の技術の最良のものを使用できるハイブリッドリレーショナルメタデータ-バイナリストレージアプローチが含まれる。実施形態では、ハイブリッド・リレーショナル・メタデータ-バイナリ・ストレージ・アプローチは、様々なマーカー・リンケージを用いてそれらを結合することができる。マーカーリンクは以下を可能にする。これにより、従来のデータベース技術では実現できなかった多くの機能を利用できるようになる。これにより、従来のデータベース技術では提供できない多くの機能、連携、互換性、拡張性を利用できることが示される。
マーカリンクは、従来のバイナリストレージおよびデータ圧縮技術を使用して生データを迅速かつ効率的に保存することもできる。これは、TMDS(National Instruments)、UFF(UFF58などのUniversal File Format)など、従来の生データ技術が提供する機能、連携、互換性、および拡張の多くを利用できることを示すことができる。さらに、マーカーリンクを使用することで、従来のシステムと同じ収集時間で、アンサンブルからの膨大で豊富なデータセットを収集することができる。アンサンブルからの豊富なデータセットは、所定の収集基準に関連付けられたデータスナップショットを格納することができ、提案されたシステムは、マーカー技術を利用して収集されたデータストリームから複数のスナップショットを導出することができる。そうすることで、収集されたデータの比較的豊かな解析を実現できることが示される。そのような利点の1つには、従来のシステムでデータを収集するのに費やされた時間と比較して、同じような時間で収集することができる、特定の周波数または走行速度対RPMの順序での振動のより多くの傾向点、負荷、動作温度、流量などを含むことができる。
実施形態において、プラットフォーム100は、ローカルジョブサイトまたは共通制御下の分散ジョブサイトに配備された重機械を含む機械、機械の要素、および機械の環境からの信号を監視するために環境104に配備されたローカルデータ収集システム102を含んでもよい。重工業機械は、土木機械、重工業オンロード産業車両、重工業オフロード産業車両、タービン、ターボ機械、発電機、ポンプ、プーリーシステム、マニホールドおよびバルブシステムなどの様々な設定に配備された産業機械などを含んでもよい。実施形態において、重工業機械は、土砂移動装置、土砂圧縮装置、運搬装置、搬送装置、骨材製造装置、コンクリート建設に用いられる装置、及び杭打ち装置も含んでもよい。例において、土砂移動機器は、掘削機、バックホー、ローダー、ブルドーザー、スキッドステアローダー、トレンチャー、モーターグレーダー、モータースクレーパー、クローラーローダー、及び車輪付きローディングシャベルを含んでもよい。例において、建設車両は、ダンプカー、タンカー、ティッパー、及びトレーラを含んでもよい。例において、材料処理装置は、クレーン、コンベヤ、フォークリフト、及びホイストを含んでもよい。例において、建設機械は、トンネル及びハンドリング装置、ロードローラー、コンクリートミキサー、ホットミックスプラント、道路製造機(コンパクター)、ストーンクラッシャー、ペーバー、スラリーシール機、吹き付け及び左官機、並びに重工業用ポンプを含んでも良い。重工業機器のさらなる例は、インプルメントトラクション、構造、パワートレイン、制御、および情報などの異なるシステムを含んでもよい。重工業用機器は、運動用の動力を提供し、また付属品およびオンボード機能性に動力を提供するために、多くの異なるパワートレインおよびその組み合わせを含んでもよい。これらの例のそれぞれにおいて、プラットフォーム100は、ローカルデータ収集システム102を、これらの機械、モータ、ポンプなどが動作する環境104に配備し、機械、モータ、ポンプなどのそれぞれに直接接続された統合型であってもよい。
実施形態では、プラットフォーム100は、Siemens社のSGT6-5000Fガスタービン、SST-900蒸気タービン、SGen6-1000A発電機、およびSGen6-100A発電機などのタービンおよび発電機セットのような、動作中の機械および建設中の機械からの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。実施形態では、ローカルデータ収集システム102は、タービンを介して指示される可能性があるが、そうでなければガス燃焼バーナー、核心、溶融塩ループなどの異なるソースから発生する高温の水蒸気によって引き起こされる電流の中で回転する蒸気タービンを監視するために配備されてもよい。これらのシステムでは、ローカルデータ収集システム102は、水が凝縮し、その後、再び蒸発するまで加熱される閉ループサイクルにおいて、タービンと水または他の流体を監視してもよい。ローカルデータ収集システム102は、水を蒸気に加熱するために配置された燃料源とは別に、蒸気タービンを監視してもよい。例では、蒸気タービンの動作温度は、500~650℃の間であってもよい。多くの実施形態では、蒸気タービンのアレイは、高圧、中圧、および低圧のために配置および構成されてもよく、それにより、それぞれの蒸気圧を回転運動に最適に変換することができる。
ローカルデータ収集システム102はまた、ガスタービン配置に配備されてもよく、したがって、動作中のタービンを監視するだけでなく、1,500℃を超えることもあるタービンへの高温燃焼ガスの供給も監視する。これらのガスは蒸気タービンのものよりもはるかに高温であるため、ブレードは、排気ガスとブレードとの間に保護膜または境界層を形成するために小さな開口部から流出し得る空気で冷却されることがある。この温度プロファイルは、ローカルデータ収集システム102によって監視されてもよい。ガスタービンエンジンは、典型的な蒸気タービンとは異なり、圧縮機、燃焼室、及びタービンを含み、これらの全てが回転軸で回転するようにジャーナルされている。これらの各構成要素の構造及び動作は、ローカルデータ収集システム102によって監視されてもよい。
実施形態では、プラットフォーム100は、動く水からエネルギーを収穫して発電に使用される可能性のある回転エンジンとして機能する水車からの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。プロジェクトのために選択された水車または水力発電のタイプは、しばしばヘッドと呼ばれる立っている水の高さ、およびサイトでの流れ(または水の量)に基づいてもよい。この例では、水車に接続するシャフトの先端に発電機を設置する。水車が自然に動く水をブレードで受け止めて回転すると、タービンは回転力を発電機に送り、電気エネルギーを生成する。その際、プラットフォーム100は、発電機、タービン、地域の水系、ダムの窓や水門などの流量制御装置からの信号を監視してもよい。さらに、プラットフォーム100は、負荷、予測される需要、周波数応答などを含む電気グリッドのローカルな状況を監視し、これらの水力発電の設定でプラットフォーム100が展開する監視および制御にそのような情報を含めてもよい。
実施形態において、プラットフォーム100は、火力、原子力、地熱、化学、バイオマス、炭素系燃料、ハイブリッド-再生可能エネルギープラントなどのエネルギー生産環境からの信号を監視するために環境104に配備されたローカルデータ収集システム102を含んでもよい。これらのプラントの多くは、原子力、ガス燃焼、太陽、および溶融塩熱源からの熱によって動かされる風力タービン、水力タービン、および蒸気タービンのような複数の形態のエネルギー収穫装置を使用することができる。実施形態において、そのようなシステムにおける要素は、送電線、熱交換器、脱硫スクラバー、ポンプ、冷却器、復水器、冷却器などを含んでもよい。実施形態において、ターボ機械、タービン、スクロール圧縮機などの特定の実装は、消費のための電気を作成し、冷凍を提供し、ローカル製造および加熱のための蒸気を作成する大規模設備を監視するように、アレイ化制御で構成されてもよく、そのアレイ化制御プラットフォームは、HoneywellおよびそれらのExperion PKSプラットフォームなどの産業機器のプロバイダによって提供されてもよい。実施形態において、プラットフォーム100は、ローカル製造業者固有の制御と特に通信し、統合してもよく、ある製造業者からの機器が他の機器と通信することを可能にしてもよい。さらに、プラットフォーム100は、ローカルデータ収集システム102が、多くの異なる製造業者からのシステムにわたって情報を収集することを可能にする。実施形態において、プラットフォーム100は、海洋産業機器、海洋ディーゼルエンジン、造船、石油及びガスプラント、精製所、石油化学プラント、バラスト水処理ソリューション、海洋ポンプ及びタービン等からの信号を監視するために環境104に配備されたローカルデータ収集システム102を含んでもよい。
実施形態では、プラットフォーム100は、1つまたは複数のセンサを監視することを含む重工業機器およびプロセスからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。この例として、センサは、電気信号、熱信号、または光信号など、物理的環境からの何らかのタイプの入力を検出または応答するために使用され得るデバイスであってもよい。実施形態では、ローカルデータ収集システム102は、限定されないが、温度センサ、圧力センサ、トルクセンサ、フローセンサ、熱センサ、煙センサ、アークセンサ、放射線センサ、位置センサ、加速度センサ、歪みセンサ、圧力サイクルセンサ、圧力センサ、空気温度センサなどの複数のセンサを含んでもよい。トルクセンサは、磁気ねじれ角センサを包含してもよい。一例では、ローカルデータ収集システム102のトルクセンサおよび速度センサは、2013年1月8日に発行され、本明細書に完全に記載されているかのように参照により組み込まれている、Meachemに対する米国特許番号8,352,149で議論されているものと類似していてもよい。実施形態では、触覚センサ、バイオセンサ、化学センサ、画像センサ、湿度センサ、慣性センサなど、1つまたは複数のセンサが提供されてもよい。
実施形態では、プラットフォーム100は、過度の振動、不適切な材料、不適切な材料特性、適切なサイズへの真偽、適切な形状への真偽、適切な重量、バランスへの真偽を含む障害検出のための信号を提供する可能性のあるセンサからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含むことができる。さらに、在庫管理や、部品が計画通りに包装されているか、部品が計画通りの公差になっているか、包装の損傷や応力の発生を確認するための検査用のセンサー、輸送中の衝撃や損傷の発生を示すセンサーなどもある。また、追加の故障センサーとしては、潤滑不足、過潤滑、センサー検出窓の清掃の必要性、潤滑不足によるメンテナンスの必要性、潤滑領域での流れの遮断や減少によるメンテナンスの必要性などを検出するものがある。
実施形態では、プラットフォーム100は、ジャイロスコープ、加速度計、および磁気計など、航空機の姿勢・方位参照システム(AHRS)で使用されるセンサなど、特殊な用途のセンサからの信号を監視することを含む、航空機の運用および製造を含む環境104に展開されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、相補型金属酸化膜半導体(CMOS)またはN型金属酸化膜半導体(NMOS、Live MOS)技術の半導体電荷結合素子(CCD)、アクティブピクセルセンサなどの画像センサからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、赤外線(IR)センサ、紫外線(UV)センサ、タッチセンサ、近接センサなどのセンサからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、光学的文字認識(OCR)、バーコードの読み取り、表面音響波の検出、トランスポンダの検出、ホームオートメーションシステムとの通信、医療診断、健全性モニタリングなどのために構成されたセンサからの信号を監視するために、環境104に展開されたローカルデータ収集システム102を含んでもよい。
実施形態では、プラットフォーム100は、環境104に配備されたローカルデータ収集システム102を含み、3Dデジタル線形加速度センサおよび3Dデジタル磁気センサを特徴とする超低電力高性能システムインパッケージを含む、ST MicroelectronicのLSM303AHスマートMEMSセンサなどのMEMS(Micro-Electro-Mechanical Systems)センサなどのセンサからの信号を監視してもよい。
実施形態では、プラットフォーム100は、タービン、風車、産業車両、ロボットなどの追加の大型機械からの信号を監視するために環境104に配備されたローカルデータ収集システム102を含んでもよい。これらの大型機械は、各機械に複数のサブシステムを提供する複数のコンポーネント及び要素を含む。そのために、プラットフォーム100は、車軸、ベアリング、ベルト、バケット、ギア、シャフト、ギアボックス、カム、キャリッジ、カムシャフト、クラッチ、ブレーキ、ドラム、ダイナモ、フィード、フライホイール、ガスケット、ポンプ、ジョー、ロボットアーム、シール、ソケット、スリーブ、バルブ、ホイール、アクチュエータ、モータ、サーボモータなどの個別の要素からの信号を監視するために環境104内に配備されたローカルデータ収集システム102を含んでいてもよい。機械及びその要素の多くは、サーボモータを含んでもよい。ローカルデータ収集システム102は、サーボ機構のモータ、ロータリーエンコーダ、およびポテンショメータを監視して、産業プロセスの位置、配置、および進捗の3次元の詳細を提供してもよい。
実施形態では、プラットフォーム100は、ギアドライブ、パワートレイン、トランスファーケース、多速度アクスル、トランスミッション、ダイレクトドライブ、チェーンドライブ、ベルトドライブ、シャフトドライブ、磁気ドライブ、および同様の噛み合う機械的ドライブからの信号を監視するために、環境104に展開されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、過熱、騒音、ギアの研削、ギアのロック、過度の振動、ぐらつき、インフレ不足、インフレ過剰などを含む産業機械の故障状態からの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。動作不良、メンテナンス指標、他の機械からの相互作用により、メンテナンスや動作上の問題が動作中、設置中、メンテナンス中に発生することがある。欠陥は、産業機械の機構に発生する可能性があるが、その配線やローカル設置プラットフォームなど、機械を支えるインフラに発生する可能性もある。実施形態では、大型産業機械は、過熱、騒音、ギアの研削、機械部品の過度の振動、ファンの振動の問題、大型産業機械の回転部品の問題など、さまざまな種類の障害状態に直面する可能性がある。
実施形態において、プラットフォーム100は、環境104に配備されたローカルデータ収集システム102を含み、ベアリング潤滑剤の汚染または損失により発生する可能性のある早期ベアリング故障を含む産業機械からの信号を監視することができる。別の例では、ベアリングのミスアライメントのような機械的欠陥が発生する可能性がある。多くの要因が金属疲労などの故障に寄与する可能性があり、したがって、ローカルデータ収集システム102は、サイクル及び局所応力を監視してもよい。この例によって、プラットフォーム100は、機械部品の不正な操作、部品の保守及び整備の欠如、カップリング又はギアボックスなどの重要な機械部品の腐食、機械部品のミスアライメントなどを監視してもよい。故障の発生を完全に止めることはできないが、多くの産業用故障を軽減して、操業損失や財務損失を低減することができる。プラットフォーム100は、多くの産業環境においてリアルタイム監視および予知保全を提供し、それは、要素または機械の実際の負荷および消耗ではなく、厳密な時間切れに従って部品を交換する定期的にスケジュールされた保守プロセスよりもコスト削減を提示することが示されている。そのために、プラットフォーム10は、機械の操作マニュアル及びモード指示の遵守、適切な潤滑、及び機械部品の保守、定義された能力を超える機械のオーバーランの最小化又は排除、摩耗したがまだ機能している部品の必要に応じての交換、機械使用のための人員の適切な訓練等の予防措置のリマインダーを提供するか、又はいくつかの措置を実行してもよい。
実施形態では、プラットフォーム100は、複数の物理的、電子的、および記号的な形式または信号によって運ばれる可能性がある複数の信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。プラットフォーム100は、信号の複数の数学的、統計的、計算的、ヒューリスティック、および言語的な表現および処理と、信号からの情報の表現、モデリング、解析、合成、感知、取得、および抽出のための技術などの信号処理操作から有用な情報を抽出するために必要な複数の操作とを含む信号処理を採用してもよい。例では、信号処理は、変換、スペクトル推定、統計演算、確率的およびストキャスティック演算、数値理論解析、データマイニングなどを含むがこれらに限定されない複数の技術を使用して実行することができる。様々な種類の信号の処理は、多くの電気的または計算的プロセスの基礎を形成する。そのため、信号処理は、音声・映像処理、画像処理、無線通信、プロセス制御、産業オートメーション、金融システム、特徴抽出、ノイズ除去などの品質向上、画像強調など、産業環境におけるほぼすべての分野やアプリケーションに適用される。画像のための信号処理は、製造検査、品質検査、および自動化された運用検査と保守のためのパターン認識を含んでもよい。プラットフォーム100は、データのパターンまたは規則性を認識することを目的として、入力データを主要な特徴に基づいてクラスに分類し得るものを含む多くのパターン認識技術を採用してもよい。また、プラットフォーム100は、機械学習演算によるパターン認識処理を実装してもよく、コンピュータビジョン、音声およびテキスト処理、レーダー処理、手書き認識、CADシステムなどのアプリケーションで使用されてもよい。プラットフォーム100は、教師あり分類と教師なし分類を採用してもよい。教師あり学習分類アルゴリズムは、異なるオブジェクトクラスから得られた学習データに基づいて、画像またはパターン認識のための分類器を作成するために用いられてもよい。教師なし学習分類アルゴリズムは、セグメンテーションやクラスタリングなどの高度な解析技術を用いて、ラベルのないデータの中に隠れた構造を見つけることで動作してもよい。例えば、教師なし学習で使用される解析技術の一部には、K-meansクラスタリング、ガウス混合モデル、隠れマルコフモデルなどが含まれる。パターン認識の教師あり学習法および教師なし学習法で使用されるアルゴリズムは、様々な高精度アプリケーションでパターン認識を使用することを可能にする。プラットフォーム100は、セキュリティシステムなどの顔検出関連のアプリケーション、トラッキング、スポーツ関連のアプリケーション、指紋解析、医療・法医学関連のアプリケーション、ナビゲーション・ガイダンスシステム、車両追跡、交通システムなどの公共インフラシステム、ナンバープレート監視などでパターン認識を使用することができる。
実施形態において、プラットフォーム100は、機械学習を使用して環境104に配備されたローカルデータ収集システム102を含み、コンピュータをプログラムする必要なしにコンピュータからの導出ベースの学習結果を可能にし得る。したがって、プラットフォーム100は、データ駆動型の予測を行い、データの集合に従って適応することによって、データの集合から学習し、決定を下してもよい。実施形態において、機械学習は、教師あり学習、教師なし学習、及び強化学習などの機械学習システムによる複数の機械学習タスクの実行を含んでもよい。教師あり学習は、機械学習システムに例示的な入力と所望の出力のセットを提示することを含んでもよい。教師なし学習は、パターン検出及び/又は特徴学習などの方法によって、学習アルゴリズム自体がその入力を構造化することを含んでもよい。強化学習は、機械学習システムが動的環境において実行し、その後、正しい判断及び誤った判断に関するフィードバックを提供することを含んでもよい。実施例では、機械学習は、機械学習システムの出力に基づく複数の他のタスクを含んでもよい。例において、タスクはまた、分類、回帰、クラスタリング、密度推定、次元削減、異常検出などの機械学習問題として分類されてもよい。実施例において、機械学習は、複数の数学的及び統計的手法を含んでもよい。例において、多くの種類の機械学習アルゴリズムは、決定木ベース学習、アソシエーションルール学習、深層学習、人工ニューラルネットワーク、遺伝的学習アルゴリズム、帰納論理プログラミング、サポートベクターマシン(SVM)、ベイズネットワーク、強化学習、を含んでもよい。表現学習、ルールベース機械学習、スパース辞書学習、類似性およびメトリック学習、学習分類器システム(LCS)、ロジスティック回帰、ランダムフォレスト、K平均(K-Means)、勾配ブーストおよびアダブースト、K-最近傍(KNN)、先験的アルゴリズム、および同様のものがある。実施形態において、特定の機械学習アルゴリズムが使用されてもよい(生物進化を駆動するプロセスである自然選択に基づき得る、制約付き及び制約なしの両方の最適化問題を解くために定義された遺伝的アルゴリズムなど)。この例によって、遺伝的アルゴリズムは、目的関数が不連続、微分不可能、確率的、または高度に非線形である問題を含む、標準的な最適化アルゴリズムにあまり適していない様々な最適化問題を解くために配備されてもよい。一例として、遺伝的アルゴリズムは、一部の構成要素が整数値であることに制限される混合整数計画法の問題に対処するために使用される場合がある。遺伝的アルゴリズム及び機械学習の技術及びシステムは、計算知能システム、コンピュータビジョン、自然言語処理(NLP)、推薦システム、強化学習、グラフィカルモデルの構築等において使用されてもよい。この例では、機械学習システムは、多種多様なシステム(対話型ウェブサイトおよびポータル、ブレイン・マシン・インターフェース、オンラインセキュリティおよび詐欺検出システム、診断および治療支援システムなどの医療アプリケーション、DNA配列の分類など)において、知的コンピューティングに基づく制御を行い、タスクに応答するために使用されてもよい。例では、機械学習システムは、高度なコンピューティング用途(オンライン広告、自然言語処理、ロボット工学、検索エンジン、ソフトウェア工学、音声および手書き認識、パターンマッチング、ゲームプレイ、計算解剖学、バイオインフォマティクスシステムなど)において使用され得る。一例として、機械学習は、金融およびマーケティングシステム(ユーザー行動解析、オンライン広告、経済推計、金融市場解析など)でも使用され得る。
図1から図6に関連して描かれた方法、システム、デバイス、およびコンポーネントに関連して、以下に追加の詳細を提供する。実施形態では、リモートのアナログ産業用センサの融合に基づく、クラウドベースの機械パターン認識のための方法およびシステムが本明細書に開示されている。例えば、振動、圧力、温度、加速度計、磁界、電界、およびその他のアナログセンサーからのデータストリームは、多重化またはその他の方法で融合され、ネットワークを介して中継され、クラウドベースの機械学習設備に供給されてもよく、機械学習設備は、産業機械、産業プロセス、またはそのコンポーネントもしくは要素の動作特性に関する1つまたは複数のモデルを採用してもよい。モデルは、産業環境に精通した人間によって作成され、学習データセット(環境内のセンサー、または他の同様の環境のセンサーによって収集されたデータを人間が解析または機械が解析して作成されたモデルなど)と関連付けられていてもよい。その後、学習機械は、データの種類への分類、特定のパターンの認識(故障の存在を示すもの、燃料効率やエネルギー生産量などの稼働状況を示すオーソドックスなものなど)など、さまざまな出力を提供するように、最初は一連のルールまたはモデルの要素を使用して、他のデータに対して動作してもよい。機械学習機能は、1つまたは複数の入力または成功の尺度などのフィードバックを受けて、初期モデルを訓練または改善することができる(フィードバックに基づいて、重み、ルール、パラメータなどを調整することによる改善など)。例えば、産業機械の燃料消費のモデルには、重さ、動き、抵抗、運動量、慣性、加速度など、消費を示す要因を特徴づける物理モデルパラメータと、化学モデルパラメータ(例えば、燃焼、電池の充放電における化学反応など、生成および/または消費されるエネルギーを予測するパラメータなど)が含まれる。モデルは、機械の環境や機械内に配置されたセンサーからのデータや、実際の燃料消費量を示すデータを入力することで改良することができ、機械は、センサーに基づく燃料消費量の推定値の精度を高め、燃料消費量を増加させるためにどのような変更(機械の動作パラメータの変更や、環境の他の要素(周囲の温度、近隣の機械の動作など)の変更)を行うことができるかを示す出力を提供することができる。例えば、2台の機械の間の共振が片方の機械に悪影響を与えている場合、モデルはこれを考慮し、片方の機械の動作を変更するような出力を自動的に提供することができる(例えば、共振を減らし、片方または両方の機械の燃料効率を上げる)。出力が実際の状態と一致するようにパラメータを継続的に調整することで、機械学習機能は自己組織化し、環境の状態の高精度なモデルを提供することができる(故障の予測、運転パラメータの最適化など)。これは、燃料効率の向上、摩耗の低減、出力の増加、動作寿命の増加、故障状態の回避、その他多くの目的に使用することができる。
図10は、データ収集および処理への認知システムおよび機械学習システムの適用を含むデータ収集アーキテクチャの構成要素および相互作用を示す。図10を参照すると、データ収集システム102は、環境(電気機械システムや機械などの1つまたは複数の複雑なシステムが製造、組み立て、または操作される産業環境など)に配置されてもよい。データ収集システム102は、オンボードセンサを含んでいてもよく、1つ以上のセンサ(本明細書に開示されている任意のタイプのアナログセンサまたはデジタルセンサなど)から、および1つ以上の入力ソース116(Wi-Fi、Bluetooth、NFC、または他のローカルネットワーク接続を介して、あるいはインターネットを介して利用可能なソースなど)から、1つ以上の入力インターフェースまたはポート4008を介してなど、入力を取ってもよい。センサーは、(1つ以上のマルチプレクサ4002などで)組み合わせて多重化してもよい。データは、キャッシュ/バッファ4022にキャッシュまたはバッファリングされ、1つまたは複数の出力インタフェースおよびポート4010(実施形態では、入力インタフェースおよびポート4008とは別個であるか、または同じであってもよい)が、本開示の他の箇所で説明したようなリモートホスト処理システム112(これは、本開示全体および図で説明した他の実施形態に関連して説明した要素のいずれかを含む広範な処理アーキテクチャ4024を含んでもよい)などの外部システムに利用可能であってもよい。データ収集システム102は、解析システム4018からの入力など、ホスト処理システム112からの入力を取るように構成されてもよく、解析システム4018は、データ収集システム102からのデータおよび他の入力ソース116からのデータ上で動作して、解析結果を提供してもよく、この結果は、データ収集システム102の構成および動作を支援するためなどに、データ収集システムへの学習フィードバック入力4012として提供されてもよい。
入力の組み合わせ(どのセンサまたは入力ソースを「オン」または「オフ」にするかの選択を含む)は、ローカル認知的入力選択システム4004、任意にリモート認知的入力選択システム4114、またはその2つの組み合わせを使用するなど、マシンベースのインテリジェンスの制御下で実行されてもよい。認知的入力選択システム4004、4014は、検出された状態(入力ソース116またはセンサによって通知された状態など)、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、故障または診断状態を含む状態などに関連する状態情報(状態を決定することができる機械状態認識システム4020によって決定された状態情報を含む)を使用するなど、本開示の他の場所で説明されるインテリジェンスおよび機械学習能力を使用してもよい。これは、学習フィードバックシステム4012からの学習フィードバックに基づく入力選択および構成の最適化を含んでもよく、これは、(ホスト処理システム112から、または直接もしくはホスト112からの他のデータ収集システム102からなどの)学習データを提供することを含んでもよく、ホスト処理システム112の解析システム4018内で計算される成功メトリクスなどのフィードバックメトリクスを提供することを含んでもよい。例えば、センサおよび入力の特定の組み合わせからなるデータストリームが、所定の一連の条件において肯定的な結果をもたらす場合(改善されたパターン認識、改善された予測、改善された診断、改善された歩留まり、改善された投資収益率、改善された効率などを提供するなど)、解析システム4018からのそのような結果に関連するメトリクスを、学習フィードバックシステム4012を介して認知入力選択システム4004、4014に提供して、それらの条件においてその組み合わせを選択するように将来のデータ収集を構成することを支援することができる(他のセンサをパワーダウンするなどして、他の入力ソースを非選択にすることができる)。実施形態では、認知入力選択システム4004の1つまたは複数の制御下での、センサの組み合わせの選択および非選択は、解析システム4018からのような学習フィードバック4012に基づいて、遺伝的プログラミング技術を使用するなど、自動化されたバリエーションで発生してもよく、所与の状態または一連の条件に対する有効な組み合わせが昇格され、あまり有効でない組み合わせが降格され、その結果、ローカルデータ収集システムの各固有の環境に対する漸進的な最適化および適応が行われる。このように、自動的に適応するマルチセンサデータ収集システムが提供され、認知的な入力選択が(フィードバックとともに)使用されて、特定の環境内でデータ収集システムの有効性、効率、または他の性能パラメータを改善する。性能パラメータは、全体的なシステムメトリクス(財務収率、プロセス最適化の結果、エネルギー生産または使用など)、解析メトリクス(パターンの認識、予測、データの分類などの成功など)、およびローカルシステムメトリクス(帯域幅利用、ストレージ利用、電力消費など)に関連する可能性がある。実施形態では、ホストの解析システム4018、状態システム4020、および認知的入力選択システム4114は、複数のシステム102の協調動作によって(入力選択を含む)最適化を行うことができるように、複数のデータ収集システム102からデータを取得してもよい。例えば、認知的入力選択システム4114は、1つのデータ収集システム102が既にX軸の振動データを収集している場合、他のデータ収集システムからY軸データを取得することを優先して、他のデータ収集システムのX軸振動センサをオフにするかもしれないことを理解してもよい。このように、ホスト認知入力選択システム4114による調整された収集を通じて、異なるセンサのホストにまたがる複数の収集器102の活動は、エネルギー、帯域幅、記憶スペースなどを無駄にすることなく、ホスト処理システム112に豊富なデータセットを提供することができる。上述したように、最適化は、システム全体の成功指標、解析的な成功指標、およびローカルシステムの指標、またはこれらの組み合わせに基づいてもよい。
本明細書では、産業システムの予想される状態情報を提供するために、複数の産業用センサからの状態情報をクラウドベースで機械パターン解析する方法およびシステムが開示されている。実施形態では、機械学習は、複数のアナログおよび/またはデジタルセンサの状態を追跡し、状態をパターン解析設備に供給し、状態情報のシーケンスに関する履歴データに基づいて、産業システムの予想される状態を決定するなど、状態機械を利用することができる。例えば、産業機械の温度状態がある閾値を超え、ベアリングの故障などの障害状態が続いている場合、その温度状態はパターン認識器によって追跡され、パターン認識器は、(高温という入力状態が認識されるたびに)予想されるベアリングの障害状態を示す出力データ構造を生成することができる。温度、圧力、振動、加速度、運動量、慣性、摩擦、熱、熱流束、ガルバニック状態、磁界状態、電界状態、静電容量状態、充放電状態、運動、位置など、さまざまな測定値や予想される状態をステートマシンで管理することができる。状態は、データ構造が一連の状態を含み、各状態がバイト状のデータ構造の中の場所で表されるような、結合された状態で構成されてもよい。例えば、産業機械は、圧力、温度、振動、および音響データを提供するような遺伝子構造によって特徴付けられることがあり、それらの測定はデータ構造内の1つの場所を取るので、結合された状態は、機械または環境の現在の結合された状態をコンパクトに特徴付けるための構造、または予想される状態をコンパクトに特徴付けるための構造など、バイト状の構造として操作することができる。例えば、現在の機械や環境の複合的な状態をコンパクトに表現するための構造や、予測される状態をコンパクトに表現するための構造などである。このようなバイト状の構造は、機械学習のための状態機械で利用することができる。このような構造は、産業環境で感知できるさまざまな要素のさまざまな長さのさまざまな組み合わせを表す、機械学習などのために、多種多様なものを追跡して使用することができる。実施形態では、バイト状の構造を遺伝的プログラミング技術で使用することができる。例えば、異なるタイプのデータ、または様々なソースからのデータを代用し、時間の経過とともに結果を追跡することで、予想される状態の予測の成功を示す、または効率の向上、情報のルーティングの成功、利益の増加の達成など、実世界の状況で使用されたときの構造の成功に基づいて、1つまたは複数の有利な構造が出現する。すなわち、機械の最適化に使用されるバイト状の構造で使用されるデータタイプとソースを時間の経過とともに変化させることにより、遺伝的プログラミングに基づく機械学習設備は、所定の目的のために、データソースの好ましい組み合わせ(例えば、温度はセンサーXから得られ、振動はセンサーYから得られる)から、データタイプの好ましい組み合わせ(例えば、圧力、温度、振動)で構成されるデータ構造のセットを「進化」させることができる。所望の結果が異なれば、機械学習を適用し、遺伝的プログラミングによって当該所望の結果に有利な結果を持つ構造を促進することで、時間の経過とともにそれらの結果の効果的な達成をサポートするために最も適応される、異なるデータ構造が生じる可能性がある。推進されたデータ構造は、データプールに格納されること(所与の環境に対して最良の運用結果を提供する有利なデータ構造を格納することによって最適化されてもよい)、データマーケットプレイスに提示されること(所与の目的に対して最も効果的な構造として提示されることなど)などを含む、本開示全体を通して説明されるような様々な活動のために、コンパクトで効率的なデータを提供してもよい。
実施形態では、産業システムの予想される状態情報を提供するために、複数のアナログ産業用センサからの状態情報のクラウドベースの機械パターン解析を有するプラットフォームが提供される。実施形態では、クラウドに配置されているようなホスト処理システム112は、状態システム4020を含んでもよく、この状態システム4020は、マシン、コンポーネント、ワークフロー、プロセス、イベント(例えば、イベントが発生したかどうか)、オブジェクト、人、条件、機能などの状態のように、データ収集システム102またはデータ収集システム102が配置されている環境のいくつかの側面に関連する現在の状態を推論または計算するため、または予想される将来の状態を決定するために使用されてもよい。状態情報を維持することにより、ホスト処理システム112は、1つまたは複数の解析システム4018などで解析を行い、コンテキスト情報を決定し、セマンティックロジックおよび条件付きロジックを適用し、本開示全体を通して説明される処理アーキテクチャ4024によって可能となる他の多くの機能を実行することができる。
実施形態において、IoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有するプラットフォームが提供される。実施形態において、プラットフォーム100は、クラウドプラットフォーム上などのホスト処理システム112に、IoTデバイスに対するポリシーの作成、展開、および管理を自動化するためのポリシー自動化エンジン4032を含む(または統合されている、もしくは含まれている)。アクセスポリシー、ネットワーク使用ポリシー、ストレージ使用ポリシー、帯域幅使用ポリシー、デバイス接続ポリシー、セキュリティポリシー、ルールベースポリシー、ロールベースポリシー、およびその他を含み得るポリシーは、IoTデバイスの使用を管理するために必要とされ得る。例えば、IoTデバイスは、他のデバイスに対して多くの異なるネットワークおよびデータ通信を行う可能性があるため、所定のデバイスがどのデバイスに接続でき、どのデータを渡すことができ、どのデータを受信できるかを示すポリシーが必要となる可能性がある。近い将来、無数の潜在的な接続を持つ何十億ものデバイスが展開されることが予想されるため、人間が接続ごとにIoTデバイスのポリシーを構成することは不可能になる。したがって、インテリジェントなポリシー自動化エンジン4032は、ポリシーを作成、構成、および管理するための認知機能を含んでもよい。ポリシー自動化エンジン4032は、利用可能なポリシーの1つまたは複数のパブリックソースを含み得るポリシーデータベースまたはライブラリからなど、可能なポリシーに関する情報を消費し得る。これらは、1つまたは複数の従来のポリシー言語またはスクリプトで書かれてもよい。ポリシー自動化エンジン4032は、所定のデバイス、マシン、または環境の特徴に基づくなど、1つまたは複数のモデルに従ってポリシーを適用してもよい。例えば、発電用の機械などの大型機械は、検証可能なローカルコントローラのみが発電の特定のパラメータを変更できるというポリシーを含み、それによって、ハッカーによる遠隔「乗っ取り」を回避することができる。これは、アクセス認証を要求することなどにより、マシンの制御インフラストラクチャのインターネットへの接続を禁止するセキュリティポリシーを自動的に見つけ、適用することによって、順次達成され得る。ポリシー自動化エンジン4032は、ポリシーの適用、ポリシーの構成などを変化させるような認知的な機能(状態システム4020からの状態情報に基づく機能など)を含んでもよい。ポリシー自動化エンジン4032は、学習フィードバックシステム4012からのように、解析システム4018からの1つ以上の解析結果に基づいて、システム全体の結果(セキュリティ違反、ポリシー違反の程度など)、ローカル結果、解析結果などに基づいて、フィードバックを受けてもよい。このようなフィードバックに基づく変動および選択によって、ポリシー自動化エンジン4032は、時間の経過とともに、IoTデバイス間の接続の構成のためのポリシーを管理するなど、非常に多数のデバイスにわたるポリシーを自動的に作成、展開、構成、および管理するようになることが可能である。
本明細書には、産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを含む、複数のセンサからのデータが融合データストリームのストレージのためにデバイスで多重化される、方法およびシステムが開示される。例えば、圧力および温度データは、時系列で圧力と温度を組み合わせたデータストリームに多重化されてもよく、例えば、バイト状構造(時間、圧力、および温度がデータ構造内のバイトであるため、圧力と温度が時間的にリンクしたまま、外部システムによってストリームを別々に処理する必要がない)、または加算、分割、乗算、減算などにより、融合されたデータがデバイス上に保存できるようにすることができる。本開示を通じて説明されたセンサデータタイプのいずれも、この方法で融合され、ローカルデータプール、ストレージ、またはデータコレクタ、機械のコンポーネントなどのIoTデバイスに保存され得る。
実施形態では、産業用IoTデバイスのためのオンデバイスのセンサフュージョンおよびデータストレージを有するプラットフォームが提供される。実施形態では、データ収集システム102のための自己組織化ストレージシステム4028にコグニティブシステムが使用される。センサデータ、特にアナログセンサデータは、特にデータ収集装置102がオンボードまたはローカル環境からの複数のセンサ入力を有する場合、大量のストレージ容量を消費する可能性がある。すべてのデータを単に無期限に保存することは、典型的には好ましい選択肢ではなく、すべてのデータを送信することでさえ、帯域幅の制限に負担をかけたり、帯域幅の許可を超えたり(セルラーデータプランの容量を超えるなど)する可能性がある。そのため、ストレージ戦略が必要となる。例えば、データの一部だけをキャプチャする(スナップショットなど)、限られた期間だけデータを保存する、データの一部を保存する(中間形式や抽象化された形式など)、などである。これらの選択肢やその他の選択肢の中から多くの選択が可能であるため、正しいストレージ戦略を決定することは非常に複雑になる可能性がある。実施形態では、自己組織化ストレージシステム4028は、学習フィードバック4012に基づいて、解析システム4018またはホスト認知入力選択システム4114の他のシステムからの様々なメトリクス、例えば、システム全体のメトリクス、解析メトリクス、およびローカル性能指標を使用してもよい。自己組織化ストレージシステム4028は、ストレージ場所(データ収集システム102上のローカルストレージ、近くのデータ収集システム102上のストレージ(ピアツーピア組織を使用するなど)、ネットワークベースのストレージなどのリモートストレージを含む)、ストレージ量、ストレージ期間などのストレージパラメータを自動的に変化させてもよい。保存されているデータの種類(個々のセンサまたは入力ソース116だけでなく、認知的入力選択システム4004、4014の下で選択されたような様々な結合または多重化されたデータを含む)、保存タイプ(RAM、Flash、または他の短期メモリ対利用可能なハードドライブスペースを使用するなど)、保存組織(生の形態、階層など)など。パラメータの変動は、フィードバックとともに行われてもよく、それにより、データ収集システム102は、時間の経過とともに、データの保存を適応させて、特定の産業環境などの環境の条件に自らを最適化し、その結果、ユーザーが利用できるように必要なデータを適切な量および適切なタイプで保存することになる。
実施形態では、ローカル認知入力選択システム4004は、データ収集システム102によって扱われるソースアナログおよび/またはデジタルデータの組み合わせ、順列、混合、層、抽象化、データ-メタデータの組み合わせなどを表す様々な信号を作成するためにマルチプレクサ4002を使用するなどして、ローカル収集システム102に対する様々なオンボードセンサ、(ローカル環境などの)外部センサ、および他の入力ソース116のデータの融合を、1つまたは複数の融合データストリームに整理してもよい。センサの特定の融合の選択は、学習フィードバックシステム4012からの学習フィードバックに基づいて、様々な全体的なシステム、解析システム、およびローカルシステムの結果およびメトリクスなど、認知的入力選択システム4004によってローカルに決定されてもよい。実施形態では、システムは、状態システム4020によって取り扱われる様々な状態などの将来の状態を予測する能力に関する解析システム4018のフィードバックによって示されるように、状態の正しい予測を最も達成するためなどに、センサの特定の組み合わせおよび順列を融合するように学習することができる。例えば、入力選択システム4004は、利用可能なセンサのより大きなセットの中でセンサのサブセットの選択を示してもよく、選択されたセンサからの入力は、定義された複数ビットのデータ構造のバイトにそれぞれからの入力を配置することによって(所定のサンプリングレートまたは時間でそれぞれから信号を取り、その結果をバイト構造に配置し、その後、時間をかけてバイトを収集して処理することによる組み合わせなど)、マルチプレクサ4002で多重化することによって(連続信号の加算混合による組み合わせなど)、結合されてもよい。結合および融合のための広範囲の信号処理およびデータ処理技術のいずれかが使用されてもよく、これには、畳み込み技術、強制技術、変換技術などが含まれる。当該特定の融合は、ローカルデータ収集システム102が状況適応型センサ融合を実行するように、結果(解析システム4018によって伝えられるフィードバックなど)からのフィードバック4012に基づいて、認知的入力選択システム4004に学習させるなど、認知的学習によって所定の状況に適応させてもよい。
実施形態において、解析システム4018は、統計的及び計量的技法(線形回帰解析、使用類似度行列、ヒートマップベースの技法など)、推論技法(ベイズ推論、ルールベース推論、帰納推論など)、反復技法(フィードバック、再帰など。フィードフォワード等)、信号処理技術(フーリエ変換等)、パターン認識技術(カルマン等フィルタリング技術)、探索技術、確率的技術(ランダムウォーク、ランダムフォレストアルゴリズム等)、シミュレーション技術(ランダムウォーク、ランダムフォレストアルゴリズム、線形最適化等)等がある。これは、様々な統計又は尺度の計算を含んでもよい。実施形態において、解析システム4018は、ローカル解析システムが、本開示を通じて指摘された項目のいずれかに関する尺度などの1つ以上の尺度を計算できるように、少なくとも部分的に、データ収集システム102上に配置されてもよい。例えば、効率、電力利用、ストレージ利用、冗長性、エントロピー、及び他の要因の測定値は、データ収集102が、遠隔(例えば、クラウドベース)の解析システムに依存することなく、本開示を通じて指摘された様々な認知機能及び学習機能を可能にするように、オンボードで計算されてもよい。
実施形態では、ホスト処理システム112、データ収集システム102、またはその両方が、自己組織化ネットワーキングシステム4020を含み、これに接続し、またはこれと統合してもよく、この自己組織化ネットワーキングシステム4020は、1つまたは複数のローカルデータ収集システム102とホストシステム112との間などで、アナログおよび他のセンサデータ、または他のソースデータを処理するためなど、データ収集システムにおけるデータの輸送のためのネットワーク利用の機械ベースの、インテリジェントな、または組織化を提供するための認知システムを含んでもよい。これは、データ収集システムに配信されるソースデータ、学習フィードバックシステム4012に提供される、またはそれを経由して提供される解析データなどのフィードバックデータ、(他の実施形態に関連して説明されるような)市場をサポートするためのデータ、および1つまたは複数のデータ収集システム102から出力インタフェースおよびポート4010を介して提供される出力データのためのネットワーク利用の組織化を含むことができる。
産業用IoTデータのための自己組織化データ市場のための方法およびシステムが本明細書に開示されており、利用可能なデータ要素が、トレーニングセットを用いて自己組織化設備をトレーニングすること、および市場の成功の尺度からのフィードバックに基づいて、消費者による消費のために市場で組織化される場合を含む。マーケットプレイスは、タイプ別、ソース別、環境別、マシン別、1つ以上のパターン別などでデータを提示するなど、1つ以上の産業環境から収集されたデータを利用可能にするように初期設定されてもよい(メニューや階層での提示など)。マーケットプレイスは、収集したデータ、データの編成、データの提示(データの外部サイトへのプッシュ、リンクの提供、データにアクセスできるAPIの設定などを含む)、データの価格設定などを、前述のいずれかの異なるパラメータを変化させる機械学習の下で変化させてもよい。機械学習機能は、これらすべてのパラメータを自己組織化して管理することができる。例えば、時間とともにパラメータを変化させたり(提示されるデータタイプの要素を変化させることを含む)、各タイプのデータを取得するために使用されるデータソース、提示されるデータ構造(バイト状の構造、融合または多重化された構造(複数のセンサータイプを表すなど)など)。データの価格設定、データの表示場所、データの表示方法(API、リンク、プッシュメッセージなど)、データの保存方法、データの取得方法などがある。パラメータを変化させると、ビュー数、アクセスごとの歩留まり(支払い価格など)、総歩留まり、単位あたりの利益、総利益など、成功の尺度に関するフィードバックが得られ、自己組織化機械学習機能は、成功の尺度を向上させる構成を促進し、そうでない構成を降格させることで、時間の経過とともに、市場は、データタイプの有利な組み合わせ(例えば、予想されるロバストな予測を提供するもの)を提示するように徐々に構成される。これにより、市場は、有利なソース(例えば、信頼性が高く、正確で、低価格のもの)からの有利なデータタイプの組み合わせ(例えば、所定のタイプの特定の産業環境の予想される状態のロバストな予測を提供するもの)を、効果的な価格設定(例えば、市場からの高い総利益を提供する傾向のある価格設定)で、徐々に提示するように構成される。マーケットプレイスは、潜在的に関連するデータを公開しているデータプール、接続されたIoTデバイスなどを見つけるなど、入力データソースを求めるスパイダー、ウェブクローラーなどを含んでいてもよい。これらは、人間のユーザーによって訓練され、本開示の他の場所で説明されているのと同様の方法で機械学習によって改善されてもよい。
実施形態では、産業用IoTデータのための自己組織化データ市場を有するプラットフォームが提供される。図11を参照すると、実施形態では、1つまたは複数のデータ収集システム102によって収集されたデータ、または産業環境などの様々なデータ収集環境に配置されている他のセンサまたは入力ソース116からのデータのための、場合によっては自己組織化データ市場と呼ばれるコグニティブデータ市場4102を有するプラットフォームが提供される。データ収集システム102に加えて、そのような環境の機械、装置、コンポーネント、部品、動作、機能、条件、状態、イベント、ワークフロー、および他の要素(集合的に「状態」という用語に包含される)の様々なパラメータおよび機能を監視するためなどに、カメラ、モニタ、組み込みセンサ、モバイルデバイス、診断装置およびシステム、計装システム、テレマティクスシステムなどのIoTデバイスによって収集、処理、または交換されたデータを含んでもよい。データには、前述のいずれかに関するメタデータが含まれる場合がある。例えば、データを記述する、出所を示す、アイデンティティ、アクセス、役割、および許可に関連する要素を示す、データの要約または抽象化を提供する、あるいは、データの抽出、変換、読み込み、および処理のためなど、さらなる処理を可能にするためにデータの1つまたは複数の項目を補強するなどである。このようなデータ(文脈上そうでない場合を除き、メタデータを含む用語)は、個々の要素として(環境の状態に関するデータをプロセス内の条件として使用できる例など)、または集合体として(異なる環境にある多くのシステムやデバイスで任意に収集されたデータを、行動モデルの開発や学習システムの訓練などに使用できる例など)、第三者にとって非常に価値のあるものとなる可能性がある。数十億台のIoTデバイスが導入され、無数の接続が行われるようになると、利用可能なデータの量が急増する。データのアクセスおよび利用を可能にするために、コグニティブデータマーケットプレイス4102は、データのバッチ、データのストリーム(イベントストリームを含む)、様々なデータプール4120からのデータなどのデータのパッケージの供給、検索、消費、および取引をユーザーが行えるようにするための様々なコンポーネント、機能、サービス、およびプロセスを可能にする。実施形態では、コグニティブデータマーケットプレイス4102は、クラウドベースのシステムなどのホスト処理システム112のホスト処理アーキテクチャ4024の1つまたは複数の他のコンポーネントに含まれる、接続される、または統合されるとともに、様々なセンサ、入力ソース115、データ収集システム102などにも接続されてもよい。コグニティブデータマーケットプレイス4102は、マーケットプレイスインターフェース4108を含んでもよく、これは、データ供給者がデータを利用可能にすることができる1つ以上の供給者インターフェースと、データを見つけて取得することができる1つ以上の消費者インターフェースとを含んでもよい。消費者インターフェースは、データ市場検索システム4118へのインターフェースを含んでもよく、このシステムは、データまたはメタデータを特徴付けるキーワードを自然言語検索インターフェースに入力するなどして、ユーザがどのような種類のデータを取得したいかを示すことを可能にする機能を含んでもよい。検索インターフェースは、キーワードマッチング、協調的フィルタリング(消費者の既知の嗜好または特性を使用して、類似の消費者およびそれらの他の消費者の過去の成果に一致させるなど)、ランキング技術(本開示の他の実施形態に関連して説明したような様々なメトリクスに従った過去の成果の成功に基づいてランキングするなど)を含む、様々な検索およびフィルタリング技術を使用することができる。実施形態において、供給インターフェースは、データの所有者または供給者が、データのバッチ、データのストリームなどをパッケージ化するなど、1つまたは複数のパッケージでデータをコグニティブデータマーケットプレイス4102に、およびコグニティブデータマーケットプレイス4102を介して供給することを可能にすることができる。供給者は、単一の入力ソース116、単一のセンサなどからのデータを提供することによって、または組み合わせ、順列など(多重化されたアナログデータ、複数のソースからのデータの混合バイト、抽出、ロードおよび変換の結果、畳み込みの結果など)を提供することによって、さらに前述のいずれかに関するメタデータを提供することによって、データを事前にパッケージングしてもよい。パッケージングには、バッチ単位での価格設定、ストリーミング単位での価格設定(イベントフィードなどのフィードやストリームの購読など)、アイテム単位での価格設定、レベニューシェア単位での価格設定などがある。価格設定を伴うデータについては、データトランザクションシステム4114が、注文の履行を含む、注文、配送、および利用を追跡してもよい。トランザクションシステム4114は、購入したデータへのアクセス制御を管理する暗号鍵を管理するなどして、利用を管理する(データを、限られた時間、限られた領域、限られたユーザまたは役割によって、または限られた目的のために使用することを許可するなど)デジタル権利管理を含む、豊富なトランザクション機能を含んでもよい。トランザクションシステム4114は、クレジットカード、電信送金、引き落とし、およびその他の形態の対価を処理することなどにより、支払いを管理してもよい。
実施形態では、市場4102の認知データパッケージングシステム4012は、バッチ、ストリーム、プールなどでデータのパッケージを自動的に構成することなどにより、機械ベースのインテリジェンスを使用してデータをパッケージングしてもよい。実施形態では、パッケージングは、既存のモデルを補足または補完する可能性が高いデータをパッケージングまたは集約することなどにより、1つまたは複数のルール、モデル、またはパラメータに従ったものであってもよい。例えば、類似した機械のグループ(本開示全体に記載されている1つまたは複数の産業機械など)からの動作データは、データの種類を示すメタデータに基づいて、またはデータの性質を示すデータストリームの特徴または特性を認識することなどにより、一緒に集約されることがある。実施形態では、パッケージングは、入力ソース116、センサ、データプール4120からの情報、およびデータ収集システム102からの情報のどのような組み合わせ、順列、混合、層などが、ユーザ要件を満たす可能性が高いか、または成功の尺度をもたらす可能性が高いかを学習することなどにより、機械学習および認知能力を使用して発生してもよい。学習は、システム性能測定値、データ収集測定値、解析測定値などの、解析システム4018で決定された測定値に基づく学習など、学習フィードバック4012に基づいてもよい。実施形態では、成功尺度は、パッケージの視聴、パッケージとのエンゲージメント、パッケージの購入またはライセンス、パッケージのために行われた支払いなど、市場の成功尺度と相関していてもよい。そのような尺度は、以下のように計算されてもよい。解析システム4018は、特定のフィードバック尺度を検索語および他の入力に関連付けることを含み、認知的パッケージングシステム4110が、消費者に価値を高め、データ供給者にリターンを高めるように設計されたパッケージを見つけて構成することができるようにする。実施形態では、認知データパッケージングシステム4110は、学習フィードバック4012を使用して、好ましいパッケージを促進し、好ましくないパッケージを強調しないように、異なる組み合わせ、パーミュテーション、ミックスなどを使用したり、与えられた入力ソース、センサ、データプールなどに適用される重みを変化させたりするなど、パッケージングを自動的に変化させることができる。これは、異なるパッケージの結果を比較する遺伝的プログラミングおよび同様の技術を使用して発生してもよい。フィードバックは、状態システム4020からの状態情報(様々な動作状態に関するものなど)や、他のデータソースの価格や可用性の情報など、市場の状態や状態に関するものを含んでもよい。このように、市場4102に有利なデータのパッケージを提供するために、自動的に状態に適応する適応型認知データパッケージングシステム4110が提供される。
実施形態では、データパッケージの価格設定を行うために、コグニティブデータ価格設定システム4112を提供してもよい。実施形態では、データ価格設定システム4112は、供給条件、需要条件、様々な利用可能なソースの価格設定などに基づいて価格設定を行うなど、一連のルール、モデルなどを使用してもよい。例えば、パッケージの価格設定は、構成要素(入力ソース、センサーデータなど)の価格の合計に基づいて設定されるように構成されてもよいし、構成要素の価格の合計に対するルールベースの割引などに基づいて設定されるように構成されてもよい。コスト要因(帯域幅やネットワーク使用量、ピーク需要要因、希少性要因など)を加味したルールや、利用パラメータ(パッケージの目的、ドメイン、ユーザー、役割、期間など)を加味したルールなど、ルールや条件付きロジックを適用してもよい。実施形態では、コグニティブデータプライシングシステム4112は、自動的に価格設定を変化させ、結果に関するフィードバックを追跡することを含む遺伝的プログラミングを使用するなど、完全にコグニティブでインテリジェントな機能を含んでいてもよい。追跡フィードバックが基づいてもよい成果には、データトランザクションシステム4114からのデータに基づいて解析システム4018でメトリクスを計算することによって提供されてもよい、様々な財務歩留まりメトリクス、利用メトリクスなどが含まれる。
本明細書では、データプールを自己組織化するための方法およびシステムが開示されており、この方法は、複数のデータプールについて追跡される利用率および/または歩留まりメトリクスを含む、利用率および/または歩留まりメトリクスに基づいてデータプールを自己組織化することを含み得る。データプールは、最初は、産業機械またはコンポーネントからのまたはそれらに関するセンサデータなど、産業環境からのデータを含む、非構造化または疎構造化されたデータプールで構成されていてもよい。例えば、データプールは、タービン、コンプレッサー、バッテリー、リアクター、エンジン、モーター、車両、ポンプ、ローター、アクスル、ベアリング、バルブなど、環境内の様々な機械またはコンポーネントからのデータのストリームを取る可能性があり、データストリームは、(幅広い種類の)アナログおよび/またはデジタルのセンサーデータ、動作状態について公開されたデータ、診断および故障データ、機械またはコンポーネントの識別データ、資産追跡データ、および他の多くの種類のデータを含むものである。各ストリームは、プール内で、そのソースを示すなどの識別子を持ち、オプションでそのタイプを示すことができる。データプールは、1つまたは複数のインターフェースまたはAPI(例えば、RESTful API)を介して、またはデータ統合要素(ゲートウェイ、ブローカー、ブリッジ、コネクタなど)を介して、外部システムからアクセスされてもよく、データプールは同様の機能を使用して、利用可能なデータストリームへのアクセスを取得してもよい。データプールは、自己組織化された機械学習設備によって管理されてもよく、機械学習設備は、プールに使用されるソースを管理し、利用可能なストリームを管理し、データプールに出入りするAPIまたは他の接続を管理するなどして、データプールを構成してもよい。自己組織化は、利用率や歩留まりを含む成功の尺度に基づいて、フィードバックされることがある。利用率および収率の測定には、データの取得および/または保存のコストと、利益またはユーザによる有用性の表示などを含む他の測定方法のいずれかによって測定されるプールの利益が含まれる場合がある。例えば、自己組織化データプールでは、エネルギー生産環境の化学物質と放射線のデータは定期的にアクセスされ、抽出されているが、振動と温度のデータは使用されていないことが認識されるかもしれない。この場合、データプールは、振動および/または温度データの保存を中止するか、またはそのようなデータのより良いソースを取得するなど、自動的に再編成されるかもしれない。この自動再編成は、データ構造にも適用でき、例えば、段階的な反復とフィードバックにより、異なるデータタイプ、異なるデータソース、異なるデータ構造などを促進することができる。
実施形態では、利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有するプラットフォームが提供される。実施形態では、データプール4020は、本開示全体で説明されるような認知能力によって編成されるなど、自己組織化データプール4020であってもよい。データプール4020は、解析システム4018で計算されたものを含む、測定値および結果のフィードバックに基づくなど、学習フィードバック4012に応答して自己組織化してもよい。組織化は、プールに保存するデータまたはデータのパッケージ(特定の組み合わせ、順列、集約などを表すなど)、そのようなデータの構造(フラット、階層、リンク、または他の構造など)、保存期間、記憶媒体の性質(ハードディスク、フラッシュメモリ、SSD、ネットワークベースのストレージなど)、記憶ビットの配置、および他のパラメータを決定することを含んでもよい。ストレージの内容および性質は、データプール4020が、ホストシステム112、1つまたは複数のデータ収集システム102の状態、ストレージ環境パラメータ(容量、コスト、および性能要因など)、データ収集環境パラメータ、市場パラメータ、および他の多くのパラメータに基づいて、リーミングして適応するように、変化してもよい。実施形態では、プール4020は、歩留まりメトリクス(投資収益率、電力利用の最適化、収益の最適化など)に応じて、上記および他のパラメータの変動などにより、リーミングおよび適応してもよい。
本明細書では、利用率、歩留まり、または影響の尺度を反映する業界固有のフィードバックに基づいてAIモデルをトレーニングすることを含む、業界固有のフィードバックに基づいてAIモデルをトレーニングするための方法およびシステムが開示されており、AIモデルは産業環境からのセンサデータ上で動作する。上述したように、これらのモデルは、産業環境、機械、ワークフローの動作モデル、状態を予測するモデル、故障を予測して保守を最適化するモデル、(デバイス上、データプール内、および/またはクラウド内の)自己組織化ストレージのモデル、(ネットワークコーディング、ネットワーク条件に応じたルーティングなどを最適化するための)データトランスポートを最適化するモデル、データマーケットプレイスを最適化するモデル、およびその他多くのモデルを含むことができる。
実施形態では、業界固有のフィードバックに基づいてトレーニングAIモデルを有するプラットフォームが提供される。実施形態では、本明細書に開示される認知システムの様々な実施形態は、(特定の機械、デバイス、コンポーネント、プロセスなどの最適化に関連するような)業界固有およびドメイン固有のソース116からの入力およびフィードバックを取ることができる。したがって、ストレージ編成、ネットワーク利用、センサデータと入力データの組み合わせ、データプーリング、データパッケージング、データプライシング、および他の機能(市場4102のため、またはホスト処理システム112の他の目的のためなど)の学習および適応は、IoTデバイスを含むアプリケーション(産業環境など)などの所定の環境またはアプリケーションのドメイン固有のフィードバック手段で学習することによって構成されてもよい。これには、効率の最適化(電気的、電気機械的、磁気的、物理的、熱力学的、化学的、およびその他のプロセスやシステムなど)、出力の最適化(エネルギー、材料、製品、サービス、およびその他の出力の生産など)、障害の予測、回避、および緩和(前述のシステムやプロセスなど)が含まれる場合がある。パフォーマンス指標の最適化(投資収益率、歩留まり、利益、マージン、収益など)、コストの削減(人件費、帯域幅コスト、データコスト、材料投入コスト、ライセンスコストなど多数)、ベネフィットの最適化(安全性、満足度、健全性に関するものなど)、ワークフローの最適化(プロセスへの時間やリソースの割り当ての最適化など)、などである。
本明細書には、産業用データ収集装置の自己組織化群(self-organizing swarm)であって、スワーム(群)のメンバーの能力及び条件に基づいてデータ収集を最適化するためにそれ自身の間で組織化する産業用データ収集装置の自己組織化群を含む、方法及びシステムが開示されている。スワームの各メンバーは、インテリジェンス、及び他のメンバーと協調する能力を有するように構成されてもよい。例えば、スワームのメンバーは、他のメンバーがどのようなデータを扱っているかについての情報を追跡して、環境の条件、スワームのメンバーの能力、動作パラメータ、ルール(スワームの動作を支配するルールエンジンなど)、およびメンバーの現在の条件を考慮して、データ収集活動、データ記憶、データ処理、およびデータ公開をスワーム全体でインテリジェントに割り当てることができる。例えば、4つのコレクターのうち、現在の電力レベルが比較的低い(バッテリーが少ないなど)1つは、データを公開する必要があるときにリーダーまたは照会デバイス(REIDリーダーなど)から電力の投与を受ける可能性があるので、一時的にデータ公開の役割を割り当てることができる。良好な電力レベルと堅牢な処理能力を有する第2のコレクターには、データの処理、データの融合、群れの残りの部分の組織化(フィードバックに基づいて動作パラメータ、ルールなどを調整することによって、時間とともに群れが最適化されるように、機械学習の下で自己組織化を含む)など、より複雑な機能が割り当てられる可能性がある。堅牢なストレージ能力を有する群内の第3のコレクターには、振動センサーデータなど、かなりの帯域幅を消費するデータのカテゴリを収集して保存するタスクが割り当てられるかもしれない。スワーム内の第4のコレクター、例えば記憶能力の低いコレクターは、故障に関するデータのみを維持して渡す必要がある、現在の診断条件に関するデータなど、通常は廃棄できるデータを収集する役割を割り当てられるかもしれない。スワームのメンバーは、メンバーを「マスター」または「ハブ」として使用することによりピアツーピアの関係で接続してもよいし、直列またはリングで接続させることにより、各メンバーがデータ(コマンドを含む)を次のメンバーに伝え、先行メンバーおよび/または次のメンバーに適した能力およびコマンドの性質を認識することができる。スワームは、それを横断するストレージの割り当て(各メモリのメモリを集約データストアとして使用することなど)に使用されてもよい。これらの例では、集約データストアは、分散型台帳をサポートしてもよく、この台帳は、スワームによって収集されたデータを含む取引、産業環境において発生する取引などのための取引データを格納してもよい。実施形態において、トランザクションデータは、スワーム、環境、またはマシンもしくはそのコンポーネントを管理するために使用されるデータも含んでもよい。群は、群の1つ以上のメンバーに配置された機械学習機能によって、又は外部の機械学習設備からの指示に基づいて、自己組織化してもよく、この機械学習設備は、それぞれに関連する管理パラメータに基づいて、ストレージ、データ収集、データ処理、データ提示、データ輸送、及び他の機能を最適化することができる。機械学習設備は、初期構成で開始し、成功の尺度(利用率尺度、効率尺度、状態の予測又は予測における成功の尺度、生産性尺度、収量尺度、利益尺度など)に関する機械学習設備へのフィードバックに基づいて反復するなど、前述のいずれかに関連する群れのパラメータを変化させてよい(群れのメンバーシップを変化させることも含む)。時間の経過とともに、産業環境またはその機械、コンポーネント、またはプロセスの所有者、オペレータ、またはホストにとって望ましい成功の尺度を達成するために、群れが好ましい構成に最適化される場合がある。
スワーム(群)4202は、階層的な組織(マスターデータコレクタ102が1つ以上の従属的なデータコレクタ102の活動を組織して指示する場合など)、協調的な組織(群4202の組織のための意思決定がデータコレクタ102の間で分散される場合(投票システム、ポイントシステム、最小コストルーティングシステム、優先順位付けシステムなどの意思決定のための様々なモデルを使用する場合など)などに基づいて組織化されてもよい。実施形態において、データ収集装置102の1つまたは複数は、データ収集装置が移動式ロボット、ドローン、移動式潜水艇などの上または中に配置されている場合のように、移動性の能力を有していてもよく、そのため、組織はデータ収集装置102の位置および配置を含んでいてもよい。データ収集システム102は、収集器の1つ以上に搭載された、またはアクセス可能なストレージ(実施形態では、仮想化機能を使用するなどして、物理的に分散していても統一されたストレージ空間として扱ってもよい)を含む、集約された割り当てられたストレージ空間を共有することを含めて、相互に、およびホスト処理システム112と通信してもよい。組織は、1つまたは複数のルール、モデル、条件、プロセスなど(条件付き論理によって具現化または実行されるものなど)に基づいて自動化され、組織は、ポリシーエンジンによって処理されるようなポリシーによって支配されることがある。ルールは、前記と調整されるように、指定された場所および時間に選択されたタイプのデータを収集するようにスワーム4202を設定することなどにより、業界、アプリケーションおよびドメイン固有のオブジェクト、クラス、イベント、ワークフロー、プロセス、およびシステムに基づいてもよい。例えば、群4202は、産業プロセス(ロボット製造プロセスなど)を実行する一連の機械のそれぞれから、それらの機械のそれぞれへの入力およびそれらの機械からの出力の時間および場所などで、診断データ、センサデータ、計装データおよび/またはテレマティックデータを連続的に収集するように、データ収集器102を割り当ててもよい。実施形態では、自己組織化は、群が1つまたは複数の収集パラメータを変化させ、パラメータの選択、パラメータに適用される重みなどを時間の経過とともに適応させるような、認知的なものであってもよい。例では、これは、解析システム4018(実施形態では、スワーム4202、ホスト処理システム112、またはそれらの組み合わせに常駐してもよい)をスワーム4202によって処理されるデータ、または本明細書に開示される様々な実施形態の他の要素(市場要素等を含む)に適用することによって決定され得る様々なフィードバック尺度に基づいてもよい学習フィードバックシステム4012からのような、学習およびフィードバックに応答してもよい。したがって、群4202は、現在の状態4020またはその環境の予想される状態(市場の動作を考慮する)、様々なオブジェクト(IoTデバイス、マシン、コンポーネント、およびシステムなど)の動作、プロセス(イベント、状態、ワークフローなどを含む)、および所定の時間における他の要因に適応するなど、適応的な動作を表示することができる。ニューラルネット、自己組織化マップなどの)変動、選択、昇格などのプロセスで変化させることができるパラメータ(遺伝的プログラミングや他のAIベースの技術で可能になるものなど)。コグニティブ、機械学習によって管理、変動、選択、および適応され得るパラメータは、ストレージパラメータ(スワーム4202全体の位置、タイプ、期間、量、構造など)、ネットワークパラメータ(スワーム4202がどのように編成されているか、例えば、メッシュ、ピアツーピア、リング、シリアル、階層型、および他のネットワーク構成、ならびに帯域幅の利用など。ネットワークパラメータ(メッシュ、ピアツーピア、リング、シリアル、階層型などのネットワーク構成や、帯域幅の利用率、データルーティング、ネットワークプロトコルの選択、ネットワークコーディングタイプ、その他のネットワークパラメータなど)、セキュリティパラメータ(各種セキュリティアプリケーションやサービスの設定など)、ロケーションおよびポジショニングパラメータ(モバイルデータコレクタ102の移動をロケーションにルーティングしたり、データ取得ポイントに対するコレクタ102などのポジショニングやオリエンテーションなど)。入力選択パラメータ(各コレクター102および集合的な収集のための、センサー、入力ソース116などの間での入力選択など)、データ結合パラメータ(センサーフュージョン、入力結合、多重化、混合、レイヤリング、コンボリューションなどの結合など)、電力パラメータ(様々なセキュリティアプリケーションおよびサービスのための電力供給など)。などの組み合わせ)、電力パラメータ(1つまたは複数の収集器102または他のオブジェクト、デバイスなどの電力レベルおよび電力利用可能性に基づくパラメータなど)、状態(群4202、個々の収集システム102、ホスト処理システム112、または環境内の1つまたは複数のオブジェクトの予想される状態および条件など)、イベント、およびその他多くのものがある。フィードバックは、本明細書に記載された任意の種類のフィードバックに基づいていてもよく、それは、時間の経過とともに、群がその現在および予想される状況に適応して、広範囲の所望の目的を達成することができるようにするためである。
本明細書では、産業用IoTデータのための自動化されたデータ市場で実行されるトランザクションの追跡をサポートする分散型台帳を含む、産業用IoT分散型台帳のための方法およびシステムが開示される。分散型台帳は、暗号通貨(Bitcoin通貨をサポートするために使用されるブロックチェーンプロトコルなど)に使用されるような安全なプロトコルを使用して、デバイス間でストレージを分散してもよい。チェーンの連続する各メンバーが以前のトランザクションのデータを格納する構造を構成してもよく、代替のデータ格納データ構造のうちどれが「最良」(最も完全であるなど)であるかを決定するために競争を成立させることができる台帳または同様のトランザクション記録は、データコレクタ、産業機械またはコンポーネント、データプール、データマーケットプレイス、クラウドコンピューティング要素、サーバー、および/または企業(産業環境または本明細書に開示されているシステムの所有者、運営者またはホストなど)のITインフラストラクチャにまたがって格納することができる。台帳またはトランザクションは、ストレージ効率、セキュリティ、冗長性などを提供するように、機械学習によって最適化されてもよい。
実施形態では、コグニティブデータマーケットプレイス4102は、データパッケージのトランザクションがブロックチェーンなどの連鎖した分散データ構造で追跡され、個々のデバイスがデータパッケージのトランザクションを表す元帳の一部を保存するフォレンジック解析および検証を可能にする分散型元帳4004など、トランザクションを追跡および解決するための安全なアーキテクチャを使用してもよい。分散型台帳4004は、IoTデバイス、データプール4020、データ収集システム102などに分散されてもよく、これにより、情報の単一の中央リポジトリに依存することなく、取引情報を検証することができる。トランザクションシステム4114は、分散型台帳4004にデータを格納し、トランザクションを解決するために、分散型台帳4004から(および構成デバイスから)データを取得するように構成されてもよい。このようにして、IoTデータのパッケージなど、データのトランザクションを処理するための分散型台帳4004が提供される。実施形態では、自己組織化ストレージシステム4028は、分散型台帳データのストレージを最適化するためだけでなく、マーケットプレイス4102で提示可能なIoTデータなどのデータのパッケージのストレージを組織化するために使用されてもよい。
本明細書では、帯域幅、サービス品質、価格設定、および/またはその他のネットワーク条件に基づいて最適化できる、ネットワーク条件に敏感な自己組織化マルチセンサデータコレクタを含む、ネットワーク感度の高いコレクタのための方法およびシステムが開示されている。ネットワーク感度には、データ転送の価格(オフピーク期間または有料データプランの利用可能なパラメータ内でシステムがデータをプルまたはプッシュできるようにするなど)、ネットワークの品質(エラーが発生しやすい期間を回避するなど)、環境条件の品質(コレクタがシールドされた環境から出てきたときなど、信号品質が良好になるまで送信を遅らせる、産業環境の典型的な大きな金属構造物などでシールドされているときに信号を求めるときに電力の無駄遣いを回避するなど)などの認識が含まれる。
本明細書では、産業データ収集環境で特定された必要性および/または条件に基づいてセンサインタフェースの電源を入れたり切ったりすることができる、遠隔で組織化されたユニバーサルデータコレクタのための方法およびシステムが開示されている。例えば、インターフェースは、利用可能なセンサを認識することができ、インターフェースおよび/またはプロセッサをオンにして、そのようなセンサからの入力を取ることができる。これには、センサをデータコレクタにプラグインできるハードウェアインターフェース、ワイヤレスデータインターフェース(コレクタがセンサにpingを行い、オプションで質問信号を介して何らかの電力を提供する場合など)、およびソフトウェアインターフェース(特定のタイプのデータを処理する場合など)が含まれる。したがって、様々な種類のデータを扱うことができるコレクターは、所定の環境での特定の使用に適応するように構成することができる。実施形態では、構成は自動的に、または機械学習の下で行われてもよく、機械学習は、時間の経過に伴うフィードバック測定に基づいてパラメータを最適化することによって構成を改善してもよい。
本明細書では、産業用センサデータのマルチセンサデータコレクタの自己組織化ストレージを含む、マルチセンサデータコレクタの自己組織化ストレージのための方法およびシステムが開示されている。自己組織化ストレージは、機械学習の適用に基づいてストレージを割り当ててもよく、この機械学習は、時間をかけたフィードバック測定に基づいてストレージの構成を改善してもよい。どのようなデータタイプがあるかを設定することで、ストレージを最適化することができる。また、圧縮の設定、データ保存期間の設定、書き込み戦略の設定(複数のストレージデバイス間でのデータのストライピング、1つのデバイスが連鎖的に他のデバイスへの命令を保存するプロトコルの使用など)、ストレージ階層の設定(アクセス頻度の高いデータアイテムへのより迅速なアクセスを可能にするために事前に計算された中間統計を提供するなど)などを行うことができる。このように、高度にインテリジェントなストレージシステムは、フィードバックに基づいて、時間をかけて構成され、最適化される。
本明細書では、産業データ収集環境で複数のセンサからのデータを輸送するデータネットワークのための自己組織化ネットワークコーディングを含む、マルチセンサデータネットワークのための方法およびシステムが開示されている。ランダム線形ネットワークコーディングを含むネットワークコーディングは、様々な種類のネットワーク上で大量のデータを非常に効率的かつ信頼性高く伝送することを可能にすることができる。輸送されるデータの性質、環境条件、動作条件などのネットワーク条件、環境条件、および他の要因に基づいて、ネットワークコーディングおよび他のネットワーク輸送特性を最適化するために、機械学習に基づいて、異なるネットワークコーディング構成を選択することができる(本明細書に記載されているいずれかの尺度などの成功の尺度のフィードバックに基づいて、ネットワークコーディング選択モデルを経時的に訓練することによる場合も含む)。
実施形態では、マルチセンサデータネットワークのための自己組織化ネットワークコーディングを有するプラットフォームが提供される。コグニティブシステムは、ネットワークタイプの選択(例えば、以下のようなネットワークのための1つ以上のパラメータを変化させることができる。ネットワークタイプの選択(ローカル、セルラー、衛星、Wi-Fi、Bluetooth、NFC、Zigbee(登録商標)などのネットワークの選択)、ネットワークの選択(所望のセキュリティ機能を持つことが知られているネットワークなど、特定のネットワークの選択)、ネットワークコーディングの選択(ランダム線形ネットワークコーディング、固定コーディングなど、効率的な伝送のためのネットワークコーディングのタイプの選択)、ネットワークタイミングの選択(ネットワークの価格条件やトラフィックなどに基づいて配信を構成するなど)、ネットワークの特徴など、ネットワークに関する1つ以上のパラメータを変化させることができる。ネットワーク機能の選択(認知機能、セキュリティ機能などの選択など)、ネットワーク条件(現在の環境や動作条件に基づくネットワーク品質など)、ネットワーク機能の選択(利用可能な認証、許可などのシステムの有効化など)、ネットワークプロトコルの選択(HTTP、IP、TCP/IP、セルラー、衛星、シリアル、パケット、ストリーミング、その他多くのプロトコルなど)などがある。帯域幅の制約、価格の変動、環境要因への感度、セキュリティの懸念などを考慮すると、最適なネットワーク構成を選択することは非常に複雑で、状況に依存する可能性がある。自己組織化ネットワーキングシステム4030は、結果の様々な尺度に関する解析システム4018からの情報を使用するなど、学習フィードバックシステム4012からの入力を受けながら、これらのパラメータの組み合わせや順列を変化させてもよい。多くの例では、成果は、システム全体の測定値、解析的成功測定値、およびローカルパフォーマンス指標を含んでもよい。実施形態では、学習フィードバックシステム4012からの入力は、様々なセンサおよび入力ソース116からの情報、状態システム4020からの状態(イベント、環境条件、動作条件、その他多くの情報など)に関する情報、または他の入力を取ることを含んでもよい。異なる状態におけるネットワーキングパラメータの代替構成の変動および選択によって、自己組織化ネットワーキングシステムは、1つまたは複数のデータ収集システム102が配置されているインスタンスなど、ホストシステム112によって監視または制御されている環境によく適応し、出現するネットワーク条件によく適応する構成を見つけることができる。このようにして、自己組織化されたネットワーク条件適応型のデータ収集システムが提供される。
図32を参照すると、データ収集システム102は、1つ以上の出力インターフェース及び/又はポート4010を有していてもよい。これらは、ネットワークポート及び接続、アプリケーションプログラミングインターフェースなどを含んでもよい。振動、熱、電気、及び/又は音出力を有する、産業用センサデータ収集装置のためのウェアラブル触覚又は多感覚ユーザインターフェースを含む、触覚又は多感覚ユーザインターフェースに関する方法及びシステムが、本明細書に開示される。例えば、インターフェースは、インターフェースをサポートするように構成されたデータ構造に基づいて、環境内のセンサからのデータなどに基づいて、ユーザに入力またはフィードバックを提供するように設定され得る。例えば、振動データに基づく故障状態(ベアリングの摩耗、車軸のずれ、または機械間の共振状態に起因するものなど)が検出された場合、リストウォームデバイスを振るなど、インターフェースの振動によって、触覚インターフェースに提示することができる。同様に、過熱を示す熱データは、作業者が機械で作業していて必ずしもユーザーインターフェースを見ることができない間など、ウェアラブルデバイスを温めたり冷やしたりすることによって提示することができる。同様に、電気的又は磁気的データは、電気的接続又は配線が開いていることの存在を示すような、ブザー音等によって提示され得る。すなわち、多感覚インターフェースは、ユーザー(ウェアラブルデバイスを有するユーザーなど)が、環境に何が起こっているかを素早く示すのを直感的に助けることができ、ウェアラブルインターフェースは、ユーザーが環境を見続ける必要がある多くの産業環境では困難または不可能である可能性がある、グラフィカルなUIに見つめる必要がない様々な対話モードを有している。
実施形態では、振動、熱、電気、および/または音の出力を有する、産業用センサデータ収集装置のためのウェアラブル触覚ユーザインタフェースを有するプラットフォームが提供される。実施形態において、ハプティックユーザインタフェース4302は、データ収集システム102の1つ以上の構成要素、またはウェアラブルデバイス、携帯電話などの別のシステムへのように、振動、熱、電気、および/または音の出力のための情報を処理および提供するためのシステムなど、データ収集システム102のための出力として提供される。データ収集システム102は、ヘッドギア、アームバンド、リストバンドまたは時計、ベルト、衣料品、制服などに配置された入力など、振動、加温または冷却、ブザーなどの触覚入力をユーザに提供するのに適したフォームファクタで提供されてもよい。このような場合、データ収集システム102は、産業環境の操作または監視を担当する個人などのユーザーが着用するギア、ユニフォーム、機器などと統合することができる。実施形態では、様々なセンサまたは入力ソース(または、認知的入力選択システム4004、4014の1つまたは複数によって管理されるような選択的な組み合わせ、順列、混合など)からの信号が、触覚フィードバックをトリガすることがある。例えば、近くの産業機械が過熱している場合、触覚インターフェースは、暖めることによって、または別のデバイス(携帯電話など)に信号を送って暖めることによって、ユーザに警報することができる。また、システムに異常な振動が発生している場合、ハプティックインターフェースが振動することがある。このように、様々な形態の触覚入力を通じて、データ収集システム102は、メッセージを読んだり、目の前のタスクから視覚的注意をそらしたりすることを必要とせずに、1つまたは複数のデバイス、機械、または他の要因(産業環境にあるものなど)に注意を払う必要性をユーザーに知らせてもよい。ハプティックインターフェース、およびどのような出力を提供すべきかの選択は、認知的入力選択システム4004、4014において考慮されてもよい。例えば、ユーザの行動(入力に対する応答など)は、解析システム4018で監視および解析されてもよく、フィードバックは、学習フィードバックシステム4012を介して提供されてもよく、これにより、センサおよび入力の適切な収集またはパッケージに基づいて、適切なタイミングで、適切な方法で、信号が提供され、ハプティックシステム4202の有効性を最適化することができる。これには、ルールベースまたはモデルベースのフィードバック(伝えられているソースデータに何らかの論理的な方法で対応する出力を提供することなど)が含まれる場合がある。実施形態では、認知的なハプティックシステムが提供されてもよく、ここでは、ハプティックフィードバックのための入力またはトリガの選択、出力の選択、タイミング、強度レベル、持続時間、および他のパラメータ(またはそれらに適用される重み)が、実際の状況におけるフィードバックへの実世界の応答に基づく、またはユーザ行動のシミュレーションおよびテストの結果に基づくフィードバックとともに、(遺伝的プログラミングを使用するなど)変動、促進、および選択のプロセスで変化してもよい。このように、データ収集システム102のための適応型触覚インターフェースが提供され、このインターフェースは、要件を満たすように、また、システム全体の成果、データ収集の成果、解析の成果など、ユーザーの行動への影響を最適化するように、フィードバックを学習し、適応させることができる。
本明細書では、収集されたデータのパターンおよび/またはパラメータに基づいてヒートマップ要素が提示される、AR/VR産業用眼鏡のプレゼンテーション層のための方法およびシステムが開示される。本明細書では、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、AR/VRインタフェースを条件に応じて自己組織的にチューニングするための方法およびシステムが開示されている。実施形態では、本開示全体を通して説明されたデータ、測定値などのいずれかは、産業用眼鏡、スマートフォンまたはタブレット上のAR/VRインターフェース、データ収集器(スマートフォンまたはタブレットで具現化されてもよい)上のAR/VRインターフェース、機械またはコンポーネントに配置されたディスプレイ、および/または産業環境に配置されたディスプレイなど、AR/VRインターフェースで提示するための視覚要素、オーバーレイなどによって提示することができる。
実施形態では、AR/VRのために収集されたデータを表示するヒートマップを有するプラットフォームが提供される。実施形態において、プラットフォームは、AR/VRインターフェース4208に入力を提供するためのデータ収集システム102から収集されたデータを表示するヒートマップ4204を有することが提供される。実施形態において、ヒートマップインターフェース4304は、データ収集システム102の1つ以上の構成要素に、またはモバイルデバイス、タブレット、ダッシュボード、コンピュータ、AR/VRデバイスなどの別のシステムに、様々なセンサデータおよび他のデータ(地図データ、アナログセンサデータ、および他のデータなど)の視覚化のための情報を処理および提供するためなど、データ収集システム102の出力として提供される。データ収集システム102は、アナログ及びデジタルセンサデータ(回転、振動、加熱又は冷却、圧力、及び他の多くの条件のレベルを示すデータなど)のレベルの指標を含むマップの提示など、ユーザに視覚入力を提供するのに適したフォームファクタで提供されてもよい。このような場合、データ収集システム102は、産業環境の操作または監視に責任を負う個人によって使用される機器などと統合されてもよい。実施形態では、様々なセンサまたは入力ソースからの信号(または、認知入力選択システム4004、4014の1つ以上によって管理される選択的な組み合わせ、順列、混合など)は、ヒートマップに入力データを提供してもよい。座標は、色が関連する次元に沿った入力の様々なレベルを表すことができるように、マップベースの視覚化において、時間ベースの座標、周波数ベースの座標、またはアナログセンサ信号、デジタル信号、入力ソース情報、および様々な組み合わせの表現を可能にする他の座標など、現実世界の位置座標(ジオ位置または環境のマップ上の位置など)、ならびに他の座標を含んでもよい。例えば、近くの産業機械が過熱している場合、ヒートマップインターフェースは、機械を明るい赤で表示することによってユーザーに警報することができる。システムが異常な振動を経験している場合、ヒートマップインターフェースは、機械の視覚的要素に異なる色を表示してもよいし、機械を表すアイコンまたは表示要素をインターフェース内で振動させ、その要素への注意を喚起してもよい。マップをクリック、タッチ、またはその他の方法で相互作用させることにより、ユーザは、ヒートマップ表示の入力として使用される基礎となるセンサまたは入力データを掘り下げて見ることができる。したがって、表示の様々な形態を通じて、データ収集システム102は、テキストベースのメッセージまたは入力を読むことを必要とせずに、産業環境におけるものなど、1つまたは複数のデバイス、機械、または他の要素に注意する必要性をユーザに通知することができる。ヒートマップインターフェース、およびどのような出力が提供されるべきかの選択は、認知入力選択システム4004、4014において考慮されてもよい。例えば、ユーザーの行動(入力または表示に対する応答など)は、解析システム4018において監視および解析されてもよく、フィードバックは、学習フィードバックシステム4012を通じて提供されてもよく、これにより、ヒートマップUI4304の効果を最適化するために、センサーおよび入力の正しいコレクションまたはパッケージに基づいて、正しい時間に、正しい方法で、信号を提供することができる。これは、ルールベース又はモデルベースのフィードバック(伝達されるソースデータに何らかの論理的な方法で対応する出力を提供するフィードバックなど)を含んでもよい。実施形態では、ヒートマップ表示のための入力またはトリガの選択、出力、色、視覚表現要素、タイミング、強度レベル、持続時間および他のパラメータ(またはそれらに適用される重み)の選択が、実際の状況におけるフィードバックに対する現実世界の反応に基づくフィードバック、またはユーザ行動のシミュレーションおよびテストの結果に基づいて、変動、促進および選択(遺伝子プログラミングによる選択など)のプロセスで変化しうる、認知ヒートマップシステムが提供されうる。したがって、データ収集システム102、またはそれによって収集されたデータ102、またはホスト処理システム112によって取り扱われるデータのための適応型ヒートマップインターフェースが提供され、これは、要件を満たすためにフィードバックをリームし適応させて、システム全体の成果、データ収集成果、解析成果など、ユーザの行動および反応への影響を最適化することができる。
実施形態では、データ収集者によって収集されたデータの自動的に調整されたAR/VR視覚化を有するプラットフォームが提供される。実施形態では、データ収集システム102がAR/VRインターフェース4208を有する場合、またはAR/VRインターフェース4308(仮想現実またはARヘッドセットに配置された携帯電話、ARメガネのセットなど)に入力を提供する場合など、データ収集システム102によって収集されたデータの視覚化のために、自動的に調整されたAR/VR視覚化システム4308を有するプラットフォームが提供される。実施形態では、AR/VRシステム4308は、データ収集システム102の1つ以上の構成要素や、モバイルデバイス、タブレット、ダッシュボード、コンピュータ、AR/VRデバイスなどの別のシステムなど、様々なセンサデータやその他のデータ(地図データ、アナログセンサデータなど)の視覚化のための情報を扱い、提供するシステムなど、データ収集システム102の出力インターフェースとして提供される。データ収集システム102は、アナログおよびデジタルセンサデータ(回転、振動、加熱または冷却、圧力、およびその他の多くの条件のレベルを示すデータなど)のレベルの指標を含むまたは対応する、3Dリアルなビジュアライゼーション、オブジェクト、マップ、カメラオーバーレイ、またはその他のオーバーレイ要素、マップなどの1つまたは複数のディスプレイを入力ソース116などに提示することなどにより、ARまたはVRの視覚、聴覚、またはその他の感覚入力をユーザに提供するのに適したフォームファクタで提供されてもよい。このような場合、データ収集システム102は、産業環境を操作または監視する責任のある個人によって使用される機器などと統合されてもよい。
実施形態では、様々なセンサまたは入力ソース(または、認知的入力選択システム4004、4014の1つ以上によって管理される選択的な組み合わせ、順列、混合など)からの信号は、AR/VR要素を投入、構成、変更、またはその他の方法で決定するための入力データを提供してもよい。視覚的要素は、アナログセンサ信号、デジタル信号、入力ソース情報、および様々な組み合わせを表現するための、広範囲のアイコン、マップ要素、メニュー要素、スライダ、トグル、色、形状、サイズなどを含んでもよい。多くの例では、視覚的なオーバーレイ要素の色、形、サイズは、センサーまたはセンサーの組み合わせの関連する寸法に沿って、さまざまなレベルの入力を表すことができる。さらなる例では、近くの産業機械が過熱している場合、AR要素は、そのタイプの機械を表すアイコンをARメガネのディスプレイの一部に赤色の点滅で表示して、ユーザーに警報することができる。また、システムに異常な振動が発生している場合、機械の部品を可視化したバーチャルリアリティインターフェース(機械のカメラビューと3D可視化要素を重ね合わせたものなど)では、振動している部品をハイライトカラーで表示したり、動きをつけて表示するなどして、ユーザーが機械の監視や修理を行う際のバーチャルリアリティ環境で、その部品が目立つようにしている。また、AR/VRインターフェースの視覚的要素をクリック、タッチ、視線移動などで操作すると、ディスプレイへの入力として使用される基礎的なセンサーデータや入力データを掘り下げて見ることができる場合がある。このように、様々な形態のディスプレイを通じて、データ収集システム102は、テキストベースのメッセージまたは入力を読むことを要求することなく、または適用可能な環境(AR機能を備えた現実の環境であるか、シミュレーション、トレーニングなどのための仮想環境であるかを問わない)から注意をそらすことなく、(産業環境などの)1つまたは複数のデバイス、機械、または他の要因に注意を払う必要性をユーザに通知することができる。
AR/VR出力インタフェース4208、およびどのような出力または表示を提供すべきかの選択および構成は、認知的入力選択システム4004、4014で処理されてもよい。例えば、ユーザの行動(入力または表示に対する応答など)は、解析システム4018において監視および解析されてもよく、学習フィードバックシステム4012を通じてフィードバックが提供されてもよく、AR/VR表示信号は、AR/VR UI4308の有効性を最適化するために、センサおよび入力の適切な収集またはパッケージに基づいて、適切な時間に、適切な方法で提供されてもよい。これには、ルールベースまたはモデルベースのフィードバック(伝えられているソースデータに何らかの論理的な方法で対応する出力を提供することなど)が含まれる場合がある。実施形態では、認知的に調整されたAR/VRインターフェース制御システム4308が提供されてもよく、ここでは、AR/VR表示要素のための入力またはトリガの選択、出力(色、視覚表現要素、タイミング、強度レベル、持続時間、およびその他のパラメータ[またはそれらに適用される重み]など)、およびVR/AR環境のその他のパラメータが、実際の状況における現実世界の応答に基づく、またはユーザ行動のシミュレーションおよびテストの結果に基づくフィードバックを用いて、変動、促進、および選択のプロセス(遺伝的プログラミングの使用など)で変化させられてもよい。このように、データ収集システム102、またはそれによって収集されたデータ、またはホスト処理システム112によって処理されたデータのための適応性のある、調整されたAR/VRインターフェースが提供され、このインターフェースは、要件を満たすように、また、システム全体の成果、データ収集の成果、解析の成果などのユーザーの行動や反応への影響を最適化するために、フィードバックをリーミングし、適応させることができる。
上述したように、本明細書では、エネルギー生産設備の回転要素および軸受の連続的な超音波モニタリングを提供することを含む、連続的な超音波モニタリングのための方法およびシステムが開示されている。実施形態は、産業環境の連続的な超音波モニタリングを、クラウド展開されたパターン認識器のソースとして使用することを含む。実施形態は、連続的な超音波モニタリングを使用して、更新された状態情報を、クラウド展開されたパターン認識器への入力として使用される状態機械に提供することを含む。実施形態は、ポリシーエンジンで宣言されたポリシーに基づいて、連続的な超音波モニタリング情報をユーザに利用可能にすることを含む。実施形態は、連続的な超音波モニタリングデータを他のデータと共に、産業用センサデバイス上の融合データ構造に格納することを含む。実施形態は、産業環境からの連続超音波モニタリングデータのストリームを、データマーケットプレイスからサービスとして利用可能にすることを含む。実施形態は、連続的な超音波モニタリングデータのストリームを自己組織化データプールに供給することを含む。実施形態は、機械学習モデルをトレーニングして、連続的な超音波モニタリングデータストリームを監視することを含み、ここでモデルは、そのようなデータストリームの人間による解析から作成されたトレーニングセットに基づいており、産業環境でのパフォーマンスについて収集されたデータに基づいて改善される。
実施形態は、産業環境の連続的な超音波モニタリングのための少なくとも1つのデータコレクタと、少なくとも1つの他のタイプのデータコレクタとを含むデータコレクタの群を含む。実施形態は、分散型台帳を使用して、複数のデバイスにわたる連続的な超音波モニタリングからの時系列データを格納することを含む。実施形態は、自己組織化データ収集器、ネットワークセンシティブデータ収集器、遠隔組織化データ収集器、自己組織化ストレージを有するデータ収集器などにおいて、連続的な超音波データのストリームを収集することを含む。実施形態は、自己組織化ネットワークコーディングを使用して、産業環境から収集された超音波データのストリームを搬送することを含む。実施形態は、連続的に収集された超音波データストリームのパラメータの指標を、インターフェースを介して伝達することを含み、インターフェースは、ウェアラブルデバイスの感覚的なインターフェース、ウェアラブルデバイスのヒートマップ視覚的なインターフェース、インターフェース層の自己組織化されたチューニングで動作するインターフェースなどのいずれかである。
上述したように、本明細書では、リモートアナログ産業センサの融合に基づくクラウドベースの機械パターン認識のための方法およびシステムが開示されている。実施形態は、産業環境に配置された複数のアナログセンサから入力を取得することと、センサを多重化して多重化データストリームにすることと、データストリームをクラウド展開された機械学習設備に供給することと、産業環境に関連する定義されたパターンを認識するように機械学習設備のモデルをトレーニングすることとを含む。実施形態は、産業環境の状態を特徴づけるステートマシンからの入力状態に対して、クラウドベースのパターン認識器を使用することを含む。実施形態は、クラウドベースの機械学習において、どのようなデータをどのようなユーザがどのような目的で使用できるかを管理するポリシーエンジンによるポリシーの展開を含む。実施形態は、クラウドベースのプラットフォームを使用して、産業用センサーから公開されたデータを含む複数のデータプールにわたるデータのパターンを識別することを含む。実施形態は、産業環境の状態を診断するための好ましいセンサセットを特定するためにモデルをトレーニングすることを含み、トレーニングセットは人間のユーザによって作成され、モデルは、産業環境の状態について収集されたデータからのフィードバックに基づいて改善される。
実施形態は、群を介して自動的に伝搬されるポリシーによって支配されるデータ収集者の群を含む。実施形態は、分散型台帳を使用して、複数のデバイスにわたるセンサフュージョン情報を格納することを含む。実施形態は、データコレクタのセットからの入力を、産業環境のための複数のセンサからのデータを使用するクラウドベースのパターン認識器に供給することを含む。データ収集器は、自己組織化データ収集器、ネットワークセンシティブデータ収集器、遠隔地で組織化されたデータ収集器、自己組織化されたストレージを有するデータ収集器のセットなどであってもよい。実施形態は、環境内の複数のセンサから融合されたデータのデータ輸送のための自己組織化ネットワークコーディングを備えた、産業環境におけるデータ収集のためのシステムを含む。実施形態には、産業用データ収集システムにおける複数のセンサからの入力を融合して形成された情報を、マルチセンサ・インタフェース、ヒートマップ・インタフェース、インタフェース・レイヤの自己組織化されたチューニングで動作するインタフェースなどのインタフェースで伝えることが含まれる。
上述のように、産業システムの予想される状態情報を提供するために、複数のアナログ産業用センサからの状態情報をクラウドベースで機械パターン解析する方法およびシステムが本明細書に開示されている。実施形態は、ポリシーエンジンを使用して、クラウドベースの機械解析に使用できる状態情報を決定することを含む。実施形態は、産業環境の予想される状態を決定するために、複数のセンサストリームを融合させた複数のデバイスおよびデバイス上のストレージからの入力を、クラウドベースのパターン認識器に供給することを含む。実施形態は、遠隔地にあるアナログの産業用センサからの融合データを解析するクラウドベースの機械パターン認識器から、予想される状態情報などの出力を、データマーケットプレイスのデータサービスとして利用可能にすることを含む。実施形態は、クラウドベースのパターン認識器を使用して、環境内の機械からの情報のストリームを含むデータプールから収集されたデータに基づいて、産業環境の予想される状態を決定することを含む。実施形態は、産業環境の状態を診断するために好ましい状態情報を識別するモデルをトレーニングすることを含み、トレーニングセットは人間のユーザによって作成され、モデルは、産業環境の状態について収集されたデータからのフィードバックに基づいて改善される。実施形態は、産業環境の現在の状態情報を維持するステートマシンに供給するデータ収集者の群を含む。実施形態は、産業環境のための現在の状態情報を維持するステートマシンを供給する自己組織化データコレクタを融合センサ状態のための履歴状態情報を保存するために分散型台帳を使用することを含む。実施形態は、産業環境のための現在の状態情報を維持するステートマシンに供給するデータコレクタを含み、データコレクタは、ネットワークセンシティブデータコレクタ、リモートで組織化されたデータコレクタ、自己組織化されたストレージを有するデータコレクタなどであってもよい。実施形態は、データ輸送のための自己組織化ネットワークコーディングを有する産業環境におけるデータ収集のためのシステムを含み、環境のための予想される状態情報を維持する。実施形態は、産業用データ収集システムにおける機械学習によって決定された予想される状態情報を、インターフェイスで伝えることを含み、インターフェイスは、多感覚インターフェイス、ヒートマップインターフェイス、インターフェイス層の自己組織化されたチューニングで動作するインターフェイスなどの1つ以上であってもよい。
上述したように、IoTデバイスに適用されるポリシーの作成、展開、および管理を可能にする、IoT用のクラウドベースのポリシー自動化エンジンを含む、方法およびシステムが本明細書に開示されている。ポリシーは、複数の産業用センサーからの融合データを保存するデバイス上のストレージシステムへのデータ使用、またはIoTセンサーデータの自己組織化市場で誰にどのようなデータを提供できるかに関することができる。ポリシーは、特定の産業環境のために自己組織化スワームまたはデータコレクタをどのように組織化するか、特定の産業環境のためにネットワークに敏感なデータコレクタがネットワーク帯域幅をどのように使用するか、特定の産業環境に関連するデータを遠隔地で組織化されたデータコレクタがどのように収集し、利用可能にするか、または特定の産業環境のためにデータコレクタがどのようにストレージを自己組織化するかを規定することができる。ポリシーは、産業用センシングデバイスからストリーミングされたデータを含む一連の自己組織化データプールに展開して、プールからのデータの使用を管理したり、分散型台帳のためのデバイスのストレージ機能の使用を管理するデバイスに保存したりすることができる。実施形態は、産業用データ収集システムにどのようなポリシーを展開すべきかを決定するためにモデルをトレーニングすることを含む。実施形態は、システム内にポリシーを展開するためのポリシーエンジンと、任意に、データ輸送のための自己組織化ネットワークコーディングとを備えた、産業環境におけるデータ収集システムを含み、特定の実施形態において、ポリシーは、データがマルチセンスインターフェース、ヒートマップビジュアルインターフェース、またはインターフェース層の自己組織化チューニングで動作するインターフェースにおいてどのように提示されるかに適用される。
上述したように、自己組織化、遠隔組織化、またはネットワークセンシティブな産業用データコレクタを含む産業用データコレクタなどの産業用IoTデバイスのオンデバイスセンサフュージョンおよびデータストレージのための方法およびシステムが本明細書に開示されており、複数のセンサからのデータが、フュージョンされたデータストリームのストレージのためにデバイスで多重化される。実施形態は、IoTデバイスのオンデバイスストレージから抽出されたフュージョンされたセンサーデータを提示する自己組織化マーケットプレイスを含む。実施形態は、複数の産業用センサから、およびオンデバイスのデータ記憶装置から、データプールに融合されたセンサ情報をストリーミングすることを含む。実施形態は、データ収集環境において、どのデータをデバイスに保存すべきかを決定するためにモデルをトレーニングすることを含む。実施形態は、データ収集を最適化するために自らの間で組織化する産業用データ収集者の自己組織化群を含み、データ収集者の少なくとも一部は、複数のセンサからの融合データのオンデバイスストレージを有する。実施形態は、産業用IoTデバイスに、融合されたセンサー情報を持つ分散型台帳情報を格納することを含む。実施形態は、産業用センサーデータのようなオンデバイスのセンサーフュージョンを備えたデータ収集のためのシステムであって、任意で、データ輸送のための自己組織化ネットワークコーディングを備え、データ構造が、代替的な、多感覚の提示モード、視覚的なヒートマップの提示モード、および/または、インターフェース層の自己組織化されたチューニングで動作するインターフェースをサポートするように保存されるシステムを含む。
上述したように、産業IoTデータのための自己組織化データ市場のための方法およびシステムが本明細書に開示されており、利用可能なデータ要素は、トレーニングセットを用いた自己組織化設備のトレーニングおよび市場の成功の尺度からのフィードバックに基づいて、消費者による消費のために市場で組織化される。実施形態は、データプールの利用メトリクスに基づいて、自己組織化データ市場でデータプールのセットを組織することを含む。実施形態は、データ市場におけるデータの価格設定を決定するモデルをトレーニングすることを含む。データマーケットプレイスには、自己組織化された産業用データ収集器の群、自己組織化されたストレージを有する産業用データ収集器のセット、または自己組織化された、ネットワークに依存する、もしくは遠隔地に組織化された産業用データ収集器からのデータストリームが供給される。実施形態は、産業用IoTデータの自己組織化市場のためのトランザクションデータを格納するために分散型台帳を使用することを含む。実施形態は、産業環境で収集されたセンサデータのためのマーケットプレイスへのデータ輸送のために、自己組織化ネットワークコーディングを使用することを含む。実施形態は、データマーケットプレイスにおいて、ヒートマップの視覚化において、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースにおいて、代替的な多感覚インターフェースモードでデータを提示するのに適したデータ構造のライブラリを提供することを含む。
上述したように、複数のデータプールについて追跡することができる利用率および/または歩留まりメトリクスに基づいて自己組織化するようなデータプールのための方法およびシステムが本明細書に開示されている。実施形態では、プールは、自己組織化データ収集者からのデータを含む。実施形態は、データ市場で最も価値のあるデータを提示するようにモデルをトレーニングすることを含み、トレーニングは、業界固有の成功の尺度に基づく。実施形態は、自己組織化データプールのセットに、データ収集者の自己組織化スワームからのデータを投入することを含む。実施形態は、分散型台帳を使用して、データプールに展開されるデータのトランザクション情報を格納することを含み、分散型台帳は、データプール全体に分散される。実施形態は、一組の自己組織化データプールに、一組のネットワークセンシティブまたはリモートで組織化されたデータコレクタ、または自己組織化ストレージを有する一組のデータコレクタからのデータを投入することを含む。実施形態は、データストレージのための自己組織化プールおよびデータトランスポートのための自己組織化ネットワークコーディングを備えた産業環境におけるデータ収集のためのシステムを含み、例えば、マルチセンスインターフェースにおいて、ヒートマップインターフェースにおいて、および/またはインターフェース層の自己組織化チューニングで動作するインターフェースにおいて、データ提示をサポートするためのソースデータ構造を含むシステムである。
上述のように、AIモデルが産業環境からのセンサデータ上で動作する、利用、歩留まり、または影響の尺度を反映するような、産業特有のフィードバックに基づいてAIモデルを訓練するための方法およびシステムが、本明細書に開示されている。実施形態は、ストレージを構成するなどの産業環境における産業特有のフィードバックまたはネットワークおよび産業条件に基づいて、データコレクタの群れ、または遠隔組織化、自己組織化、またはネットワークセンシティブデータコレクタなどのデータコレクタを学習させることを含む。実施形態は、分散型台帳情報を格納するために産業環境における利用可能なストレージロケーションを識別し、使用するためにAIモデルを訓練することを含む。実施形態は、産業特有のフィードバック尺度に基づいて、リモートで編成されたデータコレクタのためのリモートオーガナイザを訓練することを含む。実施形態は、データ伝送のためのネットワークコーディングを組織化するためのネットワークコーディングモデルのクラウドベースのトレーニング、または、多感覚インターフェース、ヒートマップインターフェース、および/またはインターフェース層の自己組織化チューニングで動作するインターフェースにおけるデータの提示を管理する設備を有する産業環境におけるデータ収集のためのシステムを含む。
上述のように、本明細書では、群のメンバーの能力および条件に基づいてデータ収集を最適化するために自分たちの間で組織化する産業データ収集者の自己組織化群のための方法およびシステムが開示されている。実施形態は、データの群全体に分散型台帳データ構造を展開することを含む。データコレクタは、リモート組織化のために構成されたネットワークセンシティブなデータコレクタであってもよいし、自己組織化ストレージを有していてもよい。スワームを用いた産業環境におけるデータ収集のためのシステムは、データ輸送のための自己組織化ネットワークコーディングを含むことができる。システムは、多感覚インターフェースにおいて、ヒートマップインターフェースにおいて、および/または、インターフェース層の自己組織化されたチューニングで動作するインターフェースにおいて使用するための情報を中継するスワームを含む。
上述したように、産業用IoTデータの自動化されたデータ市場で実行されるトランザクションの追跡をサポートする分散型台帳を含む、産業用IoT分散型台帳のための方法およびシステムが本明細書に開示されている。実施形態は、収集した情報を分散型台帳に配信するように構成された自己組織化データコレクタを含む。実施形態は、ネットワーク条件に基づいて収集した情報を分散型台帳に分配するように構成されたネットワークセンシティブデータコレクタを含む。実施形態は、分散のインテリジェントな遠隔管理に基づいて、収集された情報を分散元帳に分配するように構成された遠隔組織データコレクタを含む。実施形態は、収集された情報を分散型台帳に分配するように構成された、自己組織化ローカルストレージを有するデータコレクタを含む。実施形態は、データストレージのための分散型台帳およびデータトランスポートのための自己組織化ネットワークコーディングを使用する、産業環境におけるデータ収集のためのシステムを含み、データストレージは、データ提示のための触覚インターフェース、データ提示のためのヒートマップインターフェース、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースをサポートするデータ構造のものである。
上述したように、本明細書では、環境の条件に基づいてデータ収集、電力、および/または歩留まりを最適化することができ、任意でリモート組織に反応する自己組織化マルチセンサデータコレクタを含む、自己組織化コレクタのための方法およびシステムが開示されている。実施形態は、ネットワーク条件に基づいて少なくとも部分的に編成する自己組織化データコレクタを含む。実施形態は、産業データ収集環境で収集されたデータのための自己組織化ストレージを有する自己組織化データコレクタを含む。実施形態は、自己組織化データ収集およびデータ輸送のための自己組織化ネットワークコーディングを有する、産業環境におけるデータ収集のためのシステムを含む。実施形態は、データ提示のための触覚または多感覚ウェアラブルインタフェース、データ提示のためのヒートマップインタフェース、および/またはインタフェース層の自己組織化されたチューニングで動作するインタフェースをサポートするデータ構造を供給する自己組織化データコレクタを備えた、産業環境におけるデータ収集のためのシステムを含む。
上述したように、本明細書では、帯域幅、サービス品質、価格設定、および/または他のネットワーク条件に基づいて最適化することができる、ネットワーク条件に敏感な自己組織化マルチセンサデータコレクタを含む、ネットワークに敏感なコレクタのための方法およびシステムが開示されている。実施形態には、ネットワーク条件を含む産業データ収集環境で識別される必要性および/または条件に基づいてセンサインターフェースをパワーアップおよびダウンさせることができる、遠隔で組織化されたネットワーク条件に敏感なユニバーサルデータコレクタが含まれる。実施形態には、産業用データ収集環境で収集されたデータのための自己組織化ストレージを備えたネットワーク条件感応型データコレクタが含まれる。実施形態は、産業用データ収集環境におけるデータ輸送のための自己組織化ネットワークコーディングを備えたネットワーク条件に敏感なデータコレクタを含む。実施形態は、データ提示のための触覚ウェアラブルインタフェース、データ提示のためのヒートマップインタフェース、および/またはインタフェース層の自己組織化されたチューニングで動作するインタフェースをサポートするデータ構造を中継するネットワーク感応型データコレクタを備えた、産業環境におけるデータ収集のためのシステムを含む。
上述のように、本明細書では、産業データ収集環境で特定された必要性および/または条件に基づいてセンサインタフェースをパワーアップおよびダウンすることができる、遠隔で組織化されたユニバーサルデータコレクタのための方法およびシステムが開示されている。実施形態は、産業データ収集環境で収集されたデータのための自己組織化ストレージを有する、遠隔で組織化されたユニバーサルデータコレクタを含む。実施形態は、データ収集の遠隔制御およびデータ輸送のための自己組織化ネットワークコード化を備えた、産業環境におけるデータ収集のためのシステムを含む。実施形態には、センサーデータを保存し、触覚または多感覚ウェアラブルインタフェース、ヒートマップビジュアルインタフェース、および/またはインタフェースレイヤの自己組織化チューニングで動作するインタフェースでデータを使用するための命令を配信するための遠隔組織化されたデータコレクタが含まれる。
上述のように、本明細書では、産業センサデータ用のマルチセンサデータコレクタ用の自己組織化ストレージを含む、マルチセンサデータコレクタ用の自己組織化ストレージのための方法およびシステムが開示されている。実施形態は、自己組織化データストレージおよびデータトランスポートのための自己組織化ネットワークコーディングを備えた、産業環境におけるデータ収集のためのシステムを含む。実施形態は、センサデータを格納するための自己組織化ストレージと、触覚ウェアラブルインタフェースで、ヒートマップ提示インタフェースで、および/またはインタフェース層の自己組織化チューニングで動作するインタフェースで使用するためにデータを変換する命令を備えたデータコレクタを含む。
上述したように、本明細書では、産業データ収集環境において複数のセンサからのデータを伝送するデータネットワークのための自己組織化ネットワークコーディングを含む、マルチセンサデータネットワークのための方法およびシステムが開示されている。本システムは、データ提示のための触覚ウェアラブルインタフェース、データ提示のためのヒートマップインタフェース、および/またはデータ提示のためのインタフェース層の自己組織化チューニングをサポートするデータ構造を含む。
上述したように、振動、熱、電気、および/または音の出力を備えた、産業センサデータコレクタのためのウェアラブルハプティックまたはマルチセンサユーザインタフェースを含む、ハプティックまたはマルチセンサユーザインタフェースのための方法およびシステムが本明細書に開示されている。実施形態は、振動、熱、電気、および/または音の出力を備えた、データコレクタからの産業状態情報を伝えるためのウェアラブルハプティックユーザーインターフェースを含む。また、ウェアラブルは、データのパラメータを示すヒートマップを提示するための視覚的提示層を有する。実施形態では、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、AR/VRインタフェースおよび多感覚インタフェースを条件に応じて自己組織的にチューニングすることができる。
上述したように、本明細書では、ヒートマップ要素が収集されたデータのパターンおよび/またはパラメータに基づいて提示される、AR/VR産業用眼鏡のプレゼンテーション層のための方法およびシステムが開示されている。実施形態は、フィードバックメトリクスおよび/または産業環境でのトレーニングに基づいて、ヒートマップAR/VRインタフェースを条件に応じて自己組織化して調整することを含む。上述したように、本明細書では、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、AR/VRインターフェースを条件に応じて自己組織化してチューニングするための方法およびシステムが開示されている。
以下の例示的な段落で、本開示の特定の実施形態を説明する。以下の開示で言及するデータ収集システムは、ローカルデータ収集システム102、ホスト処理システム112(例えば、クラウドプラットフォームを使用)、またはローカルシステムとホストシステムの組み合わせであってもよい。実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用を有し、いくつかの実施形態では、改善された信号対雑音比、マルチプレクサ連続監視アラーム機能のためのマルチプレクサ上のIPフロントエンド信号調整を有する、データ収集システムまたはデータ収集および処理システムが提供される。複数のMUXおよびデータ収集部を論理的に制御するための専用バスを備えた分散型CPLDチップの使用、ソリッドステートリレーおよび設計トポロジーを用いた高アンペア入力機能、アナログセンサーチャネルおよびコンポーネントボードの少なくとも一方のパワーダウン機能、トリガーおよび振動入力に対する独自の静電保護機能、およびA/Dゼロリファレンス用の正確な電圧リファレンス。
実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチを使用し、低速RPMおよび位相情報を得るためのフェーズロックループバンドパストラッキングフィルタを有し、オンボードタイマを使用して入力およびトリガチャネルに対する位相をデジタルで導出するデータ収集および処理システムが提供される。オートスケーリングのためのピーク検出器(ピーク検出のために別のアナログデジタルコンバータに接続される)、他のアナログチャネルへの生またはバッファリングされたトリガチャネルの接続、AAフィルタ要件を最小化するための低サンプリング・レート出力のためのデルタシグマA/Dの高い入力オーバーサンプリングの使用、および/またはデジタルリサンプリングを必要とせずに低サンプリング・レートを達成するためのデルタシグマアナログデジタルコンバータのクロック分配器としてのCPLDの使用。
実施形態では、アナログセンサ入力の可変グループを有し、異なるサンプリングレートで取得された複数のデータセットとは対照的に、高サンプリングレートの長いデータブロックを有するデータを収集するためのアナログクロスポイントスイッチの使用、保守履歴オンボードカードセットを用いた較正データの保存、階層的テンプレートを用いた迅速な経路作成機能、データ収集バンドのインテリジェントな管理、および/またはデータ収集バンドのインテリジェントな管理を用いたニューラルネットエキスパートシステムを有するデータ収集および処理システムが提供される。
実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用と、センサデータ解析におけるデータベース階層の使用と、インテリジェントデータ収集バンドとエキスパートシステムの診断を定義するためのエキスパートシステムGUIのグラフィカルなアプローチと、逆計算定義のためのグラフィカルなアプローチと、提案されたベアリング解析方法と、過渡的な信号解析を利用したねじり振動検出/解析と、アナログとデジタルの両方の方法を使用した改善された統合とを有するデータ収集および処理システムが提供される。
実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用と、ローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術と、データ収集パーキング機能と、自給型データ収集ボックスと、SDカードストレージとを有するデータ収集・処理システムが提供される。継続的なモニタリングのための拡張されたオンボード統計機能、予測のための周囲ノイズ、ローカルノイズ、振動ノイズの使用、解析や相関のための動的データの同時取得を可能にするための入力データやアラームに基づくスマートなルート変更、スマートなODSおよび転送機能、階層型マルチプレクサ、センサーの過負荷の識別、および/またはRF識別、傾斜計。
実施形態において、データ収集および処理システムが提供される。このシステムは、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用を有し、連続超音波監視、リモートのアナログ産業センサの融合に基づくクラウドベースの機械パターン認識、産業システムの予想される状態情報を提供するための、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン解析、IoTデバイスの作成、展開、および管理、産業IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージ、産業IoTデータのための自己組織化データマーケットプレイスを有するクラウドベースのポリシーオートメーションエンジン、利用率および/または収量メトリックに基づくデータプールの自己組織化、業界固有のフィードバックに基づくAIモデルのトレーニング、産業用データコレクタの自己組織化スワーム、IoT分散台帳、自己組織化コレクタ、ネットワークセンシティブコレクタ、遠隔組織化コレクタ、マルチセンサデータコレクタのための自己組織化ストレージ、マルチセンサデータネットワークのための自己組織化ネットワークコーディング、振動、熱、電気、および/または音出力を備えた産業センサデータコレクタのためのウェアラブル触覚ユーザインタフェース、AR/VR用の収集データを表示するヒートマップ、および/またはデータコレクタによって収集されたデータの自動調整AR/VR可視化、を有する。
実施形態では、信号対雑音比を改善するためにマルチプレクサ上のIPフロントエンド信号調整を有するデータ収集および処理システムが提供される。実施形態では、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整を有し、マルチプレクサ連続監視アラーム機能、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散CPLDチップの使用、の少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためにマルチプレクサ上でIPフロントエンド信号調整を行い、ソリッドステートリレーと設計トポロジーを使用した高アンペア入力機能、少なくとも1つのアナログセンサチャネルおよびコンポーネントボードのパワーダウン機能、トリガおよび振動入力に対する独自の静電保護機能、A/Dゼロリファレンス用の正確な電圧リファレンス、および低速RPMと位相情報を取得するためのフェーズロックループバンドパストラッキングフィルタのうち、少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためにマルチプレクサでIPフロントエンドの信号調整を行い、以下の少なくとも1つを有するデータ収集および処理システムが提供される。オンボードタイマを用いた入力およびトリガチャネルに対する位相のデジタル導出、ピーク検出のために別のアナログ/デジタルコンバータにルーティングされるオートスケーリングのためのピーク検出器、生またはバッファされたトリガチャネルの他のアナログチャネルへのルーティング、AAフィルタ要件を最小化するための低サンプリングレート出力のためのデルタシグマA/Dの高い入力オーバーサンプリングの使用、およびデジタルリサンプリングを必要とせずに低サンプリングレートを達成するためのデルタシグマアナログ/デジタルコンバータのクロック分配器としてのCPLDの使用。実施形態では、信号対雑音比を改善するためにマルチプレクサ上でIPフロントエンドの信号調整を行い、異なるサンプリングレートで取得された複数のデータセットとは対照的に、高サンプリングレートでの長いデータブロック、メンテナンス履歴を搭載したカードセットによるキャリブレーションデータの保存、階層型テンプレートを使用した迅速なルート作成機能、データ収集バンドのインテリジェントな管理、およびデータ収集バンドのインテリジェントな管理を使用したニューラルネットエキスパートシステムのうちの少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためのマルチプレクサ上のIPフロントエンド信号調整を有し、センサーデータ解析におけるデータベース階層の使用、インテリジェントデータ収集バンドとエキスパートシステムの診断を定義するためのエキスパートシステムGUIのグラフィカルなアプローチ、および以下の少なくとも1つを有するデータ収集および処理システムが提供される。逆算の定義実施形態において、データ収集および処理システムは、信号対雑音比を改善するためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下の少なくとも1つを有する:提案されたベアリング解析方法、過渡的な信号を利用したねじり振動の検出/解析、アナログおよびデジタル両方の方法を使用した改善された統合、ローカル環境におけるアナログデータの継続的な監視のための適応型スケジュール技術、データ収集パーキング機能、自給型データ収集ボックス、およびSDカードストレージ。実施形態では、信号対雑音比を改善するためにマルチプレクサ上でIPフロントエンドの信号調整を行い、連続的なモニタリングのための拡張されたオンボード統計機能、予測のための周囲、局所、および振動ノイズの使用、解析または相関のための同時動的データを可能にするための入力データまたはアラームに基づくスマートなルート変更、スマートなODSおよび転送機能、および階層型マルチプレクサのうちの少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためのマルチプレクサ上のIPフロントエンド信号調整を有し、センサの過負荷の識別、RF識別および傾斜計、連続的な超音波モニタリング、遠隔地のアナログ産業センサの融合に基づく機械パターン認識、および産業システムの予想される状態情報を提供するための複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン解析のうち、少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためにマルチプレクサ上でIPフロントエンドの信号調整を行い、IoTデバイスの作成、展開、および管理を行うIoT用のクラウドベースのポリシーオートメーションエンジン、産業用IoTデバイス用のオンデバイスのセンサフュージョンおよびデータストレージ、産業用IoTデータのための自己組織化データマーケットプレイス、および利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化のうちの少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためにマルチプレクサ上でIPフロントエンドの信号調整を行い、産業特有のフィードバックに基づくトレーニングAIモデル、産業用データコレクタの自己組織化スワーム、IoT分散型台帳、自己組織化コレクタ、およびネットワークセンシティブコレクタのうちの少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、信号対雑音比を改善するためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下の少なくとも1つを有するデータ収集および処理システムが提供される:遠隔で組織化されたコレクタ;マルチセンサデータコレクタのための自己組織化ストレージ;マルチセンサデータネットワークのための自己組織化ネットワークコーディング;振動、熱、電気、および/または音の出力を有する、産業センサデータコレクタのためのウェアラブルハプティックユーザインタフェース;AR/VRのために収集されたデータを表示するヒートマップ;およびデータコレクタによって収集されたデータの自動調整されたAR/VRビジュアライゼーション。
実施形態では、マルチプレクサ連続監視アラーム機能を有するデータ収集および処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、複数のMUXおよびデータ収集部の論理制御のための専用バスによる分散CPLDチップの使用、固体リレーおよび設計トポロジによる高アンペア入力能力、アナログセンサーチャンネルの少なくとも1つとコンポーネントボードのパワーダウン能力、トリガおよび振動入力に対する独自の静電保護、およびA/Dゼロリファレンスに対する正確な電圧リファレンス、の少なくとも1つを有するデータ収集および処理システムが提供される。実施形態において、マルチプレクサ連続監視アラーム機能を有し、低速回転数および位相情報を得るための位相ロックループバンドパス追跡フィルタ、オンボードタイマを用いた入力およびトリガチャネルに対する位相のデジタル導出、ピーク検出のために別のアナログ-デジタル変換器に送られるオートスケーリング用のピーク検出器、および他のアナログチャネルへの生またはバッファのいずれかのトリガチャネルの経路の少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集及び処理システムが提供される。それらは、AAフィルタの要件を最小化するための低サンプリングレート出力のためのΔΣA/Dのための高い入力オーバーサンプリングの使用、デジタル再サンプリングを必要とせずに低サンプリングレートを達成するためのΔΣアナログ-デジタル変換器のクロック分割器としてのCPLDの使用、異なるサンプリングレートで取得したデータの複数のセットに対して高サンプリングレートのデータの長いブロック、オンボードカードセット保守履歴による校正データの保存、および階層的テンプレートを用いた迅速なルート生成能力、から選択される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、データ収集バンドのインテリジェント管理、データ収集バンドのインテリジェント管理を用いたニューラルネットエキスパートシステム、センサデータ解析におけるデータベース階層の使用、及びエキスパートシステムのためのインテリジェントデータ収集バンド及び診断を定義するエキスパートシステムGUIグラフィックアプローチの少なくとも一つを有するデータ収集及び処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、逆計算定義のためのグラフィカルアプローチ、提案されたベアリング解析方法、過渡信号解析を利用したねじり振動検出/解析、及びアナログとデジタル両方の方法を用いた改良統合のうちの少なくとも1つを有するデータ収集及び処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、ローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術、データ収集駐車機能、自給自足データ収集ボックス、及びSDカードストレージのうちの少なくとも1つを有するデータ収集及び処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、連続監視のための拡張オンボード統計機能、予測のための周囲、局所および振動ノイズの使用、解析または相関のための同時動的データを可能にするための受信データまたはアラームに基づくスマート経路変更、およびスマートODSおよび転送機能の少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、階層型マルチプレクサ、センサ過負荷の識別、RF識別、及び傾斜計、遠隔のアナログ産業センサの融合に基づくクラウドベースの、機械パターン認識、及び複数のアナログ産業センサからの状態情報の機械パターン解析による産業システムの予想状態情報の少なくとも1つを有するデータ収集及び処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、IoTデバイスの作成、展開、および管理を伴うIoT用のクラウドベースのポリシー自動化エンジン、産業用IoTデバイス用のオンデバイスセンサ融合およびデータストレージ、産業用IoTデータ用の自己編成データ市場、利用および/または収量メトリックに基づくデータプールの自己編成、ならびに産業特有のフィードバックに基づくAIモデルのトレーニング、の少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、産業用データコレクタの自己組織化群、IoT分散台帳、自己組織化コレクタ、ネットワークセンシティブコレクタ、および遠隔組織化コレクタのうちの少なくとも1つを有するデータ収集および処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、マルチセンサデータコレクタのための自己組織化ストレージ、及びマルチセンサデータネットワークのための自己組織化ネットワーク符号化のうちの少なくとも1つを有するデータ収集及び処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、振動、熱、電気、及び/又は音出力を備えた産業センサデータコレクタ用のウェアラブル触覚ユーザインタフェース、AR/VR用に収集したデータを表示するヒートマップ、及びデータコレクタで収集したデータの自動調整AR/VR視覚化のうちの少なくとも1つを有するデータ収集及びプロセッシングシステムが提供される。
実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップを使用するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、ソリッドステートリレーおよび設計トポロジーを使用して高アンペア入力能力を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、アナログセンサチャネルおよびコンポーネントボードの少なくとも一方のパワーダウン機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、トリガおよび振動入力のための独自の静電保護機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、A/Dゼロリファレンスのための正確な電圧リファレンスを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、低速回転数および位相情報を得るためのフェーズロックループ・バンドパス・トラッキング・フィルタを有するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、オンボードタイマを使用して入力およびトリガチャネルに対する位相をデジタルで導出するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、ピーク検出のために別個のアナログ/デジタル変換器にルーティングされるオートスケーリング用のピーク検出器を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、生またはバッファリングされたトリガーチャネルを他のアナログチャネルにルーティングするデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、AAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためにデルタシグマA/Dのためのより高い入力オーバーサンプリングを使用するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップを使用し、デジタル・リサンプリングを必要とせずに低いサンプリング・レートを実現するために、デルタ・シグマ・アナログ/デジタル・コンバータのクロック分配器としてCPLDを使用するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、異なるサンプリングレートで取得された複数のデータセットとは対照的に、高サンプリングレートの長いデータブロックを有するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、保守履歴付きの校正データをカードセットに搭載したデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、階層型テンプレートを使用した迅速なルート作成機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、データ収集帯域をインテリジェントに管理するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、データ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、センサデータ解析にデータベース階層を使用するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、インテリジェントなデータ収集バンドおよびエキスパートシステムの診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、逆計算定義のためのグラフィカルなアプローチを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、提案されたベアリング解析方法を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、一過性の信号解析を利用してねじり振動の検出・解析を行うデータ収集・処理システムを提供する。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、アナログおよびデジタルの両方の方法を用いて改善された統合を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップを使用し、ローカル環境におけるアナログデータの連続的な監視のための適応型スケジューリング技術を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、データ取得パーキング機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、自給自足のデータ取得ボックスを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、SDカードストレージを備えたデータ収集・処理システムを提供する。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、連続的な監視のための拡張オンボード統計機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、周囲の騒音、局所的な騒音、および振動騒音を予測に使用するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、入力データまたはアラームに基づいてスマートな経路変更を行い、解析または相関のための動的データを同時に得ることができるデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、スマートODSおよび転送機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップと、階層型マルチプレクサとを備えている。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用と、センサの過負荷の識別とを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、RF識別および傾斜計を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、連続的な超音波モニタリングを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、リモートのアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、複数のアナログ産業用センサからの状態情報をクラウドベースで機械パターン解析して、産業用システムの予想される状態情報を提供するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップを使用し、IoTデバイスの作成、展開、および管理を行う、クラウドベースのIoT用ポリシーオートメーションエンジンを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、産業用IoTデバイスのためのオンデバイスのセンサフュージョンおよびデータストレージを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、産業用IoTデータのための自己組織化データ市場を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、利用率および/または歩留まりメトリクスに基づいてデータプールの自己組織化を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、業界固有のフィードバックに基づいてAIモデルをトレーニングするデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用と、産業データ収集者の自己組織化された群とを有するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、IoT分散型台帳を有するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、自己組織化コレクタを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散CPLDチップの使用と、ネットワークセンシティブコレクタを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップを使用し、遠隔地に組織化されたコレクタを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得セクションの論理制御のための専用バスを備えた分散CPLDチップの使用を有し、マルチセンサデータコレクタのための自己組織化ストレージを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、マルチセンサデータネットワーク用の自己組織化ネットワークコーディングを有するデータ収集・処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、振動、熱、電気、および/または音の出力を
備えた、産業用センサデータコレクタのためのウェアラブルな触覚ユーザーインターフェースを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップを使用し、AR/VRのために収集されたデータを表示するヒートマップを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、データ収集者が収集したデータを自動的に調整してAR/VRで可視化するデータ収集・処理システムが提供される。
備えた、産業用センサデータコレクタのためのウェアラブルな触覚ユーザーインターフェースを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを備えた分散型CPLDチップを使用し、AR/VRのために収集されたデータを表示するヒートマップを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、データ収集者が収集したデータを自動的に調整してAR/VRで可視化するデータ収集・処理システムが提供される。
実施形態では、ソリッドステートリレー及び設計トポロジーを使用した高アンペア数の入力機能、アナログセンサチャネルおよびコンポーネントボードの少なくとも一方のパワーダウン機能、トリガおよび振動入力に対する独自の静電保護機能、A/Dゼロリファレンス用の高精度電圧リファレンス、低速回転数および位相情報を得るためのフェーズロックループバンドパストラッキングフィルタ、オンボードタイマを使用した入力およびトリガチャネルに対する位相のデジタル導出、デルタシグマA/Dの入力オーバーサンプリングを高めに設定することでアンチエイリアシング(AA)フィルタの必要性を最小限に抑え、デジタルリサンプリングを必要とせずに低いサンプリングレートを実現するためのデルタシグマA/Dのクロック分配器としてのCPLDの使用、異なったサンプリングレートで複数のデータを取得するのではなく、高サンプリングレートで長いデータブロックを取得すること、メンテナンス履歴を記録したカードを用いた校正データの保存、階層型テンプレートを用いた迅速なルート作成機能、データ収集帯域のインテリジェントな管理、データ収集帯域のインテリジェントな管理を用いたニューラルネットエキスパートシステム、センサーデータ解析におけるデータベース階層の使用、エキスパートシステムのGUIによるインテリジェントデータ収集帯域の定義と診断、逆計算の定義のためのグラフィカルなアプローチ、提案されたベアリング解析方法、過渡的な信号解析を利用したねじり振動の検出/解析、アナログとデジタルの両方の方法を使用した改良された統合、ローカル環境でのアナログデータの継続的なモニタリングのための適応的なスケジューリング技術、データ収集パーキング機能、自給自足型データ収集ボックス、SDカードストレージ、連続モニタリングのための拡張オンボード統計機能、周囲騒音、局所騒音、振動騒音の予測への利用、入力データやアラームに基づくスマートなルート変更により、解析や相関のための動的データを同時に取得可能であること、スマートODSと転送機能、階層型マルチプレクサ、センサーの過負荷の識別、RF識別と傾斜計、連続的な超音波モニタリング、クラウドベースの、遠隔地にあるアナログ産業用センサーの融合に基づく機械パターン認識、クラウドベースの、複数のアナログ産業用センサーからの状態情報の機械パターン解析による、産業システムの予想される状態情報の提供、クラウドベースのIoT用ポリシーオートメーションエンジン(作成、展開。IoTデバイスの作成、展開、管理、デバイス上でのセンサーフュージョン、産業用IoTデバイスのデータストレージ、産業用IoTデータの自己組織化データマーケットプレイス、利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化、産業特有のフィードバックに基づくAIモデルのトレーニング、産業用データコレクターの自己組織化スワーム、IoT分散型台帳、自己組織化コレクター、ネットワークセンシティブコレクター、遠隔組織化コレクター、ネットワークセンシティブコレクター、リモートで組織化されたコレクター、マルチセンサーデータコレクターのための自己組織化ストレージ、マルチセンサーデータネットワークのための自己組織化ネットワークコーディング、振動、熱、電気、および/または音の出力を備えた、産業用センサーデータコレクターのためのウェアラブル触覚ユーザーインターフェース、AR/VRのために収集されたデータを表示するヒートマップ、またはデータコレクターによって収集されたデータの自動調整されたAR/VRビジュアライゼーション、の1つまたは複数を有するデータ収集および処理システムが提供される。
実施形態では、クラウドベースの、遠隔地のアナログ産業用センサの融合に基づく機械パターン認識、産業システムの予想される状態情報を提供するための、複数のアナログ産業用センサからの状態情報のクラウドベースの機械パターン解析、IoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジン、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージ、産業用IoTデータのための自己組織化データ市場、利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化、産業特有のフィードバックに基づくAIモデルのトレーニング、産業用データコレクターの自己組織化スワーム、IoT分散型台帳、自己組織化コレクター、ネットワークセンシティブコレクター、リモート組織化コレクター、マルチセンサーデータコレクターの自己組織化ストレージ、マルチセンサーデータネットワークの自己組織化ネットワークコーディング、振動、熱、電気、および/または音の出力を備えた産業用センサーデータコレクターのウェアラブル触覚ユーザーインターフェース、AR/VR用に収集したデータを表示するヒートマップ、またはデータコレクターが収集したデータを自動的に調整したAR/VRビジュアライゼーションの1つまたは複数を有するプラットフォームが提供される。
図14に関して、産業用センシング、処理、およびストレージシステム4500を備えた一連の既存のデータセンシングおよび処理システムは、本明細書に記載されているような一連のフォーマットのデータを受け入れるように構成されてもよいストリーミングデータコレクタ4510を含む。実施形態では、フォーマットの範囲は、データフォーマットA 4520、データフォーマットB 4522、データフォーマットC 4524、およびデータフォーマットD 4528を含むことができ、これらは、センサの範囲から供給され得る。さらに、センサの範囲は、機器A 4540、機器B 4542、機器C 4544、および機器D 4548を含むことができる。ストリーミングデータコレクタ4510は、本明細書に記載されているストリーミング、ルーティング、自己組織化ストレージ、およびその他の機能を活用しながら、個々のフォーマットへのアクセスを可能にする処理機能で構成されてもよい。
図15は、レガシー機器4620およびストリーミング機器4622からデータを収集および取得するためのストリーミングデータコレクタ4610の使用を容易にする、産業機械センサデータストリーミング収集、処理、および保存のための方法およびシステム4600を示す。レガシー計測器4620およびそのデータ方法は、本明細書で上述した既存のデータ方法などのレガシーシステムおよび取得手順に起因して、特定の範囲の周波数などに限定されたデータを捕捉および提供することができる。ストリーミングデータコレクタ4610は、レガシー機器データ4630と同様に、ストリーミング機器データ4632を捕捉するように構成されてもよい。ストリーミングデータコレクタ4610はまた、現在のストリーミング機器4620およびレガシー機器4622と、現在およびレガシーデータ方法を使用するセンサとを捕捉するように構成されてもよい。これらの実施形態は、レガシー機器および処理から、現在のまたは所望の機器または方法である可能性のあるストリーミング機器および処理への移行アプリケーションにおいて有用であり得る。実施形態では、ストリーミングデータコレクタ4610は、レガシー機器データ4630を処理して、ストリーミング機器データ4632と互換性を持って保存できるように構成されてもよい。ストリーミングデータコレクタ4610は、ストリームされた機器データ4632をレガシー機器データ4630に基づいて処理または解析して、翻訳されたレガシーデータ4640に処理できるレガシー機器データ4630と互換性のあるストリームされたデータの少なくとも1つの抽出データ4642を生成してもよい。実施形態では、翻訳されたレガシーデータ4652およびストリームデータ4654の抽出された部分を含むことができる抽出されたデータ4650は、レガシー計測器データ処理およびレガシー計測器データ処理方法をエミュレートすることができる更なる処理などによるアクセスおよび処理を容易にするフォーマットで保存されてもよい。また、実施形態では、翻訳されたレガシーデータ4652の部分は、ストリーミング機器で可能なより高い周波数、解像度、およびデータ量を利用できる異なる方法での処理を容易にする形式で記憶されてもよい。
図16は、レガシー機器および処理の統合を容易にする産業機械センサデータのストリーミング、収集、処理、および保存のための方法およびシステム4700を説明する代替実施形態を示す。実施形態では、ストリーミングデータコレクタ4710は、産業機械4712と接続されてもよく、機械4712の少なくとも1つの可動部に関連する産業機械4712の側面を感知するように構成されてもよいストリーミングセンサ4720および4722などの複数のセンサを含んでもよい。センサ4720および4722(またはそれ以上)は、センサの1つまたは複数からストリーミングデータコレクタ4710へのデータのストリーミングを促進することができる1つまたは複数のストリーミングデバイス4740と通信してもよい。実施形態では、産業機械4712は、産業機械4712の1つまたは複数の可動部に関連するデータを捕捉し、そのデータをレガシーデータ記憶設備4732に格納することができる1つまたは複数のレガシー機器4730とインターフェースするか、またはそれを含むこともできる。
実施形態では、周波数および/または解像度検出設備4742は、データの周波数範囲またはデータの解像度など、レガシー機器ソースのデータに関する情報を検出することを容易にするように構成されてもよい。検出設備4742は、レガシー計測器4730からの直接データ、またはレガシー記憶設備4732に格納されたデータからのデータで動作してもよい。検出設備4742は、レガシー計測器4730、そのソースデータ、およびその保存データ4732などについて検出された情報を、ストリーミングデータコレクタ4710に伝達してもよい。あるいは、検出設備4742は、レガシー計測器4730からのソースデータを特徴づける周波数範囲、解像度などに関する情報などにアクセスしてもよく、および/またはレガシー記憶設備4732の一部からアクセスしてもよい。
実施形態では、ストリーミングデータコレクタ4710は、1つまたは複数のレガシー機器4730によってキャプチャされた情報を、1つまたは複数の産業機械4712から1つまたは複数のストリーミングデバイス4740によって提供されているデータの一部と照合するために、1つまたは複数の自動プロセッサ、アルゴリズム、および/または他のデータ方法を備えて構成されてもよい。ストリーミングデバイス4740からのデータは、レガシー計測器4730のソースされたデータよりも広い範囲の周波数および解像度を含む可能性があり、したがって、周波数範囲、解像度などの側面においてレガシー計測器4730のソースされたデータに対応するデータをストリーミングデバイス4740から抽出するために、フィルタリングおよび他のそのような機能を実装することができる。実施形態では、構成されたストリーミングデータコレクタ4710は、ストリーミングデバイス4740からのデータのストリームに対応し得るデータのストリームと、レガシー計測器のソースデータと、それを取り込み、自動的に処理するインフラストラクチャと、いくつかの側面で互換性のあるデータの別のストリームとを含む、複数のデータのストリームを生成してもよい。あるいは、ストリーミングデータコレクタ4710は、バッチ、アグリゲーション、サマリーなど、ストリームとしてではないモードでデータを出力してもよい。
構成されたストリーミングデータコレクタ4710は、ストリーミングデバイス4710からのデータ出力、およびレガシー機器4730のソースされたデータといくつかの側面で互換性がある可能性があるそこから抽出されたデータのうちの少なくとも1つを格納するためのストリームストレージ設備4764と通信してもよい。構成されたレガシー互換性のある出力のストリーミングデータコレクタ4710は、レガシー処理設備4744がレガシー互換性記憶設備4762等のデータ上で、レガシー計測器4730のソースデータを処理するように構成されたデータ処理方法を実行できるように、レガシー互換性データをレガシー互換性記憶設備4762に格納できるように、レガシー互換性データを構成、適応、再フォーマット、および他の調整を行うフォーマットアダプタ設備4748、4760にも提供されてよい。レガシー互換データがストリーム記憶設備4764に記憶されている実施形態では、レガシー処理設備4744は、フォーマットアダプタ4760によって任意に処理された後、このデータを自動的に処理することもできる。データ収集、ストリーミング、処理、フォーマット、および保存要素を配置して、レガシー機器のソースデータと完全に互換性のあるフォーマットでデータを提供することにより、レガシーシステムからの移行が簡素化され、レガシー機器からのソースデータは、レガシー機器4730からのソースデータのレガシー価値を失うことなく、新たに取得したデータ(より多くのコンテンツを有する)と容易に比較することができる。
図17は、レガシー機器データの収集および処理と互換性があり得る、産業機械センサデータのストリーミング、収集、処理、および保存のための、本明細書に記載の方法およびシステム4800の代替実施形態を描いている。実施形態では、産業機械の感知されたデータを処理することは、保存されたレガシーデータとストリーミングデータを整列させること、保存されたレガシーデータを感知されたデータのストリームと整列させること、および収集されているときにレガシーデータとストリーミングデータを整列させることなど、データのレガシーソースとストリーミングソースを整列させることを含む様々な方法で達成することができる。実施形態では、産業機械4810は、機械の1つまたは複数の可動部品の側面など、産業機械4810の側面を感知することができる1つまたは複数のストリームデータセンサ4820を含み、それと通信し、またはそれと統合されてもよい。また、産業機械4810は、産業機械4810の同様の側面を感知することができる1つ以上のレガシーデータセンサ4830と通信するか、それを含むか、またはそれと統合されてもよい。実施形態では、1つまたは複数のレガシーデータセンサ4830は、感知したデータを1つまたは複数のレガシーデータ収集器4840に提供してもよい。ストリームデータセンサ4820は、すべての側面を包含し(すなわち、より豊かな信号)、レガシーデータセンサ4830からの感知されたデータと互換性のある出力を生成してもよい。ストリームデータセンサ4820は、互換性のあるデータをレガシーデータコレクタ4840に提供してもよい。レガシーデータセンサ4830またはそのデータストリームを模倣することによって、ストリームデータセンサ4820は、産業機械の感知および処理システムのアップグレード中などに、1つまたは複数のレガシーデータセンサを置き換える(または、そのための適切な複製として機能する)ことができる。周波数範囲、解像度などは、ストリームデータセンサ4820によって模倣されてもよい。ストリームデータは、すべての形式のレガシーデータがキャプチャされるか、ストリームデータから導出されることを保証するようになっている。実施形態では、必要に応じて、フォーマット変換もストリームデータセンサ4820によって実行することができる。ストリームデータセンサ4820はまた、ストリームデータコレクタ4850による収集に適した代替データストリームを生成してもよい。実施形態では、そのような代替データストリームは、周波数範囲、解像度、データを感知する期間などの少なくとも1つ以上において、レガシーデータセンサデータのスーパーセットであってもよい。
実施形態では、産業機械の感知データ処理設備4860は、広範囲の感知データ処理方法を実行してもよく、そのうちのいくつかは、レガシーデータセンサ4830からのデータと互換性があり、レガシー感知データ処理要件を満たす可能性のある出力を生成してもよい。処理設備4860の広範なデータ処理能力の使用を容易にするために、レガシーデータおよびストリームデータは、ストリームデータの互換性のある部分がレガシー互換性のある方法などで処理するために抽出され得るように、整列する必要があるかもしれない。実施形態では、図17は、ストリームデータをレガシーデータに整合させるための3つの異なる手法を描いている。第1の位置合わせ手法4862は、レガシーデータコレクタ4840によって出力されたレガシーデータを、ストリームデータコレクタ4850によって出力されたストリームデータに位置合わせすることを含む。データがレガシーデータコレクタ4840によって提供されると、解像度、周波数、持続時間などのデータの側面が検出されてもよく、レガシーデータと意図的に互換性があるストリームデータコレクタ4850からのデータのストリームの部分を識別する処理方法の制御として使用されてもよい。処理設備4860は、ストリームデータの特定された部分に1つまたは複数のレガシー互換性のある方法を適用して、レガシーデータと容易に比較またはレガシーデータに対して参照できるデータを抽出してもよい。
実施形態では、第2の位置合わせ方法4864は、ストリーミングデータをレガシー記憶設備4882からのデータと整列させることを含んでもよい。実施形態では、第3の位置合わせ方法4868は、ストリーム記憶設備4884からの格納されたストリームデータを、レガシーデータ記憶設備4882からのレガシーデータと位置合わせすることを含んでもよい。方法4862、4864、4868のそれぞれにおいて、アライメントデータは、レガシーデータを処理して、解像度、継続時間、周波数範囲などの側面を検出することによって決定されてもよい。あるいは、アライメントは、レガシー周波数範囲、継続時間、解像度などのレガシーデータ記述情報を受信するか、またはレガシーデータ記述情報を用いて構成される可能性がある方法4862、4864、4868を使用する設備などのアライメント設備によって実行されてもよい。
実施形態では、産業機械感知データ処理設備4860は、レガシーデータ方法記憶設備4880に記憶され得るレガシー互換性のある方法およびアルゴリズムにアクセスすることができる。レガシーアルゴリズム記憶設備4880内のこれらの方法、アルゴリズム、または他のデータはまた、産業機械感知データ処理設備4860によって方法4862、4864、4868を有する様々なアライメント設備に通信され得るアライメント情報のソースであってもよい。レガシー互換性のあるアルゴリズムおよび方法へのアクセスを有することにより、データ処理設備4860は、レガシーデータ、レガシーデータと互換性のあるストリームデータ、またはレガシーデータを表すストリームデータの一部を処理して、レガシー互換性のあるアナリティクスを生成することを容易にすることができる。
実施形態では、データ処理設備4860は、ウェーブレット導出などの広範な他の感知されたデータ処理方法を実行して、ストリーミングデータ解析4892を生成してもよい。実施形態では、ストリーミングデータコレクタ102、4510、4610、4710(図3、6、14、15、16)またはデータ処理設備4860は、データストリームから定義および抽出される可能性のあるポータブルアルゴリズム、方法、および入力を含んでもよい。多くの例では、ユーザまたは企業は、特定の機械や資産の解析に関連する既存の効果的な方法をすでに持っている可能性がある。これらの既存の方法は、構成されたストリーミングデータコレクタ102、4510、4610、4710またはデータ処理設備4860に、ポータブルアルゴリズムまたは方法としてインポートされ得る。構成されたストリーミングデータコレクタ102、4510、4610、4710について本明細書に記載されているようなデータ処理は、アルゴリズムまたは方法を状況に合わせ、次にストリームからデータを抽出して、レガシー取得またはレガシー取得技術からのデータ方法に合わせてもよい。実施形態では、ストリーミングデータコレクタ102、4510、4610、4710は、多くの種類のシステムと互換性があり、様々な程度の重要性を有するシステムと互換性があってもよい。
本明細書に記載された方法およびシステムの例示的な産業機械の展開について説明する。産業機械は、ガス圧縮機であってもよい。一例では、ガス圧縮機は、10,000HPのモータを含む超大型ターボ機械などの超大型ターボ機械上のオイルポンプを動作させてもよい。オイルポンプは、その故障により工場全体が停止する可能性があるため、非常に重要なシステムであると考えられる。この例のガスコンプレッサーは、36,000RPMのような非常に高い周波数で4段動作し、油膜上に乗るチルトパッドベアリングを含んでいてもよい。この例のオイルポンプにはローラーベアリングが使われており、予想される故障がユーザーに拾われていない場合、オイルポンプの運転が停止し、ターボマシン全体が故障するようになっているかもしれない。この例を続けると、ストリーミングデータコレクタ102、4510、4610、4710は、ケーシングの振動や近接プローブの振動など、振動に関連するデータを収集してもよい。他の軸受産業機械の例としては、発電機、発電所、ボイラー供給ポンプ、ファン、強制通風ファン、誘導通風ファンなどが考えられる。産業ガス業界で使用されるベアリングシステムのためのストリーミングデータコレクタ102、4510、4610、4710は、モデルベースのエキスパートシステムによって実行されるような、モータに関する予測解析をサポートしてもよい-例えば、電圧、電流、および振動を解析メトリクスとして使用する。
別の例示的な産業機械の展開は、モータと、例えばモータの電圧および電流データを収集することによってモータの解析を支援することができるストリーミングデータコレクタ102、4510、4610、4710であってもよい。
さらに別の例示的な産業機械の展開は、油の品質感知を含んでもよい。産業機械は、油解析を行うことができ、ストリーミングデータコレクタ102、4510、4610、4710は、例えば、油中の金属の断片の検索を支援することができる。
本明細書に記載されている方法およびシステムは、モデルベースのシステムと組み合わせて使用することもできる。モデルベースのシステムは、近接プローブと統合してもよい。近接プローブは、機械の問題を感知し、感知された問題により機械を停止するために使用されてもよい。近接プローブと統合されたモデルベースのシステムは、ピーク波形を測定し、ピーク波形の測定値に基づいて機械をシャットダウンする信号を送信することができる。
産業機械を運営する企業は、多くの多様な産業で運営される可能性がある。これらの産業には、製造ラインを運営する産業、コンピューティングインフラを提供する産業、金融サービスをサポートする産業、HVAC機器を提供する産業などが含まれる場合がある。これらの産業は、稼働時間の損失および稼働時間の損失に起因するコストに非常に敏感である可能性がある。特にHVAC機器メーカーは、超音波、振動、赤外線などに関連するデータに関心があり、従来のシステムよりも、産業用機械感知データのストリーミング収集の方法とシステムを使用して、これらの指標に関連する機械の性能に関するはるかに多くの情報を得ることができる可能性がある。
産業機械センサデータのストリーミング、収集、処理、および保存のための本明細書に記載された方法およびシステムは、既存のデータ収集、処理、および保存システムと動作および統合するように構成されてもよく、監視するために配備されたセンサから感知されたデータの複数のストリームを捕捉する方法を含んでもよい。産業機械の少なくとも1つの可動部に関連する産業機械の側面であって、ストリームのうちの少なくとも1つは、複数の周波数のデータを含むものである。本方法は、少なくとも1つの事前定義された周波数を表すデータに対応する、複数のストリームのうちの少なくとも1つのデータのサブセットを特定することを含んでもよい。少なくとも1つの事前定義された周波数は、機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配備された代替センサから収集されたデータのセットによって表される。本方法は、代替センサから収集されたデータのセットに適用されるように構成されたデータ方法で識別されたデータを処理するデータ処理設備で識別されたデータを処理することをさらに含んでもよい。最後に、本方法は、データのストリーム、データの識別されたサブセット、および識別されたデータを処理した結果のうちの少なくとも1つを電子データセットに格納することを含んでもよい。
本方法およびシステムは、機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配備されたセンサから取り込まれたデータであって、所定の周波数範囲をカバーする所定の解像度のラインで取り込まれたデータを、機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配備された他のセンサからストリーミングされたデータのサブセットを識別する周波数マッチング設備に適用する方法であって、ストリームされたデータは複数の解像度のラインおよび周波数範囲を含み、識別されたデータのサブセットは解像度のラインおよび所定の周波数範囲に対応する。この方法は、データのサブセットを、予め定義された解像度のラインで撮影されたデータのフォーマットに対応するフォーマットで電子データ記録に格納することと、格納されたデータのサブセットの存在をデータ処理設備にシグナリングすることとを含んでもよい。この方法は、任意に、予め定義された周波数範囲をカバーする予め定義された解像度のラインでキャプチャされたデータの処理に関連するアルゴリズム、方法、モデル、およびパターン認識器のうちの少なくとも1つを用いてデータのサブセットを処理することを含むことができる。
本方法及びシステムは、ストリームされたセンサデータのサブセットを特定するための方法を含んでもよい。センサデータは、機械の少なくとも1つの可動部分に関連する産業機械の側面を監視するために配備されたセンサから取り込まれる。ストリームされたセンサデータのサブセットは、予め定義された周波数範囲に対して予め定義された解像度のラインである。本方法は、特定を実行する第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第1の論理経路を確立することを含む。ストリームされたセンサデータの識別されたサブセットは、ストリームされたセンサデータのサブセットを第1の施設から第2の施設へ通信する際に、確立された第1の論理ルートを介して排他的に通信される。この方法は、識別されたサブセットではないストリーミングされたセンサデータの少なくとも1つの部分について、第1のコンピューティング施設と第2のコンピューティング施設との間で電子的に通信するための第2の論理経路を確立することをさらに含んでもよい。この方法は、識別されたサブセットを含むストリーミングされたセンサデータの少なくとも1つの部分と、識別されたサブセットによって表されないデータの少なくとも1つの他の部分とについて、第1のコンピューティング施設と第2のコンピューティング施設との間で電子的に通信するための第3の論理経路を確立することをさらに含んでもよい。
本方法およびシステムは、機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配置された第1のセンサセットから第1のデータを捕捉する第1のデータ感知および処理システムを含んでもよく、第1のデータは、解像度のラインおよび周波数範囲のセットをカバーする。このシステムは、機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配備された第2のセンサのセットから第2のデータを捕捉してストリームする第2のデータ感知および処理システムを含んでもよく、第2のデータは、解像度のラインのセットを含む複数の解像度のラインと、周波数範囲を含む複数の周波数をカバーするものである。システムは、以下を可能にしてもよい。(1)第1のデータの解像度のラインのセットおよび周波数範囲に対応する第2のデータの一部を選択するステップと、(2)第2のデータの選択された部分を第1のデータ感知および処理システムで処理するステップとを含む。
本方法およびシステムは、感知されたデータのストリームの一部を自動的に処理する方法を含むことができる。機械の少なくとも1つの可動部品に関連する産業機械の側面を監視するために配備された第1のセンサのセットから受信した感知データは、機械の少なくとも1つの可動部品に関連する産業機械の側面を監視するために配備された第2のセンサのセットから受信した感知データのセットに対応する感知データのストリームのサブセットを抽出することを容易にする電子データ構造に応答する。感知データのセットは、周波数範囲に制約される。センシングされたデータのストリームは、センシングされたデータのセットの周波数範囲を超える周波数の範囲を含む。処理は、感知されたデータのストリームのうち、感知されたデータのセットの周波数範囲に制約されている部分に対して、データ方法を実行することを含む。データ方法は、感知されたデータのセットを処理するように構成される。
本方法およびシステムは、機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配備されたセンサから第1のデータを受信する方法を含んでもよい。この方法は、さらに以下を含んでもよい。(1)第1のデータによって表される周波数範囲および解像度のラインのうちの少なくとも1つを検出するステップと、(2)機械の少なくとも1つの可動部に関連する産業機械の側面を監視するために配置されたセンサからデータのストリームを受信するステップとを含む。データのストリームは、複数の周波数範囲と、第1のデータによって表される周波数範囲および解像度のラインを超える複数の解像度のラインとを含み、データのストリームから、第1のデータによって表される周波数範囲および解像度のラインのうちの少なくとも1つに対応するデータのセットを抽出し、抽出されたデータのセットを、第1のデータの周波数範囲内および解像度のライン内のデータを処理するように構成されたデータ処理方法で処理することを特徴とする。
本明細書に開示されている方法およびシステムは、データ取得機器を含む、データ取得機器に接続する、またはデータ取得機器と統合することができ、多くの実施形態では、図18は、SDAQとしても知られるデータ取得(DAQ)ストリーミング機器5002を含む方法およびシステム5000を示している。実施形態では、センサ5010、5012、5014からの出力は、振動、温度、圧力、超音波などを含む様々な種類のものであってよい。私の多くの例では、センサの1つが使用されてもよい。さらなる例では、センサの多くが使用されてもよく、それらの信号は、個別に、または所定の組み合わせで、および/または所定の間隔、状況、設定などで使用されてもよい。
実施形態では、センサ5010、5012、5014からの出力信号は、DAQ機器5002の機器入力5020、5022、5024に供給されてもよく、追加のストリーミング機能5028で構成されてもよい。これらの多くの例によって、センサ5010、5012、5014、または該当する以上からの出力信号は、少なくともスケーリングおよびフィルタリングに関して、デジタル化の前にアナログ信号として調整されてもよい。その後、信号は、アナログ/デジタル変換器5030によってデジタル化されてもよい。すべての関連するチャネル(すなわち、1つまたは複数のチャネルが手動で、アラームによって、経路によってなどでスイッチオンされる)から受信された信号は、必要に応じて調整および再調整されるか、さもなければ他の関連するデータセットとの互換性または適合性を確保するために一定に保持されてもよい、最大の所望の周波数解析を実行するのに十分な所定のレートで同時にサンプリングされてもよい。実施形態では、信号は次のようにサンプリングされる。これにより、十分な個別サンプリングを行った上で、より低いサンプリングレートでさらなる後処理を行うことが可能となる。
実施形態では、データは、ポイントのコレクションからストリーミングされてもよく、その後、次のデータのセットは、所定のシーケンス、ルート、パスなどに従って、追加のポイントから収集されてもよい。多くの例では、センサ5010、5012、5014以上は、所定のシーケンス、ルート、事前に配置された構成などに従って、次の場所に移動してもよい。特定の例では、センサ5010、5012、5014のすべてが移動するわけではなく、したがって、一部は所定の位置に固定されたままで、基準位相の検出などに使用されてもよい。
実施形態では、マルチプレックス(mux)5032を使用して、次のポイントの収集、2つの方法の混合、または組み合わせることができる収集パターン、他の所定のルートなどに切り替えてもよい。マルチプレクサ5032は、DAQ機器5002が提供するチャンネル数よりも多くのチャンネルを効果的に受け入れるように、梯子状に積み重ねることができるようになっていてもよい。例では、DAQ機器5002が8チャネルを提供する一方で、マルチプレクサ5032が32チャネルを供給するように積層されてもよい。さらなるバリエーションは、1つ以上のマルチプレクサで可能である。実施形態では、マルチプレクサ5032は、機器入力5034を介してDAQ機器5002に供給されてもよい。実施形態では、DAQ機器5002は、オンボードコントローラ、PC、他の接続されたデバイス、ネットワークベースのサービス、およびそれらの組み合わせの形態をとることができるコントローラ5038を含んでもよい。
実施形態では、データ収集プロセスを支配するために使用されるシーケンスおよびパネル条件は、マルチメディアプローブ(MMP)およびプローブ制御、シーケンスおよび解析(PCSA)情報ストア5040から取得されてもよい。実施形態では、情報ストア5040は、DAQ機器5002に搭載されていてもよい。実施形態では、情報ストア5040のコンテンツは、クラウドネットワーク設備を介して、他のDAQ機器から、他の接続されたデバイスから、感知されるマシンから、他の関連するソース、およびそれらの組み合わせから得られてもよい。実施形態では、情報ストア5040は、機械の階層的構造関係などの項目を含んでもよく、例えば、機械は所定の機器を含み、それらの機器の各々は、1つ以上のシャフトを含んでもよく、それらのシャフトの各々は、複数の関連するベアリングを有してもよい。それらの種類のベアリングの各々は、特定の種類のトランスデューサまたはプローブによって、1つまたは複数の特定の所定のシーケンス(パス、ルートなど)に従って、1つまたは複数のDAQ機器5002に設定され得る1つまたは複数の特定のパネル条件で、監視されてもよい。この例では、パネル条件には、ハードウェア固有のスイッチ設定やその他の収集パラメータが含まれている。多くの例では、収集パラメータは、サンプリングレート、AC/DC結合、電圧範囲およびゲイン、積分、ハイパスおよびローパスフィルタリング、アンチエイリアシングフィルタリング、ICPトランスデューサおよび他の集積回路圧電トランスデューサ、4~20mAループセンサなどを含むが、これらに限定されない。実施形態では、情報ストア5040は、ギアの歯、ポンプインペラのブレード数、モーターローターバーの数、ベアリングの周波数を計算するのに必要なベアリング固有のパラメータ、すべての回転要素の分当たりの回転数情報、およびそれらのRPM範囲の倍数など、適切な解析に重要となる機械固有の特徴も含んでもよい。また、情報ストアの情報は、永久保存用のストリームデータ5050を抽出するために使用されてもよい。
DAQ APIソフトウェア5052からの指示に基づいて、デジタル化された波形は、DAQ機器5002に搭載されたドライバのDAQドライバサービス5054を使用してアップロードされてもよい。実施形態では、データは、次に、ストリームデータ5050をストリームデータリポジトリ5060に格納することができる生データサーバ5058に供給されてもよい。実施形態では、このデータ記憶領域は、典型的には、データがDAQ機器5002からコピーされ、検証されるまでの記憶のためのものである。DAQ API 5052は、ローカルデータ制御アプリケーション5062に、最近得られたストリームデータ5050を抽出して処理し、1つまたは複数の所望の解像度をもたらすのに十分な長さの同じまたは低いサンプリングレートに変換するよう指示することもできる。これらの例によって、このデータは、スペクトルに変換され、平均化され、様々な方法で処理され、少なくとも一時的に、抽出/処理された(EP)データ5064として保存されてもよい。レガシーデータは、互換性を確保するために独自のサンプリングレートと解像度を必要とする場合があり、多くの場合、このサンプリングレートは、取得したサンプリングレートに整数比例しない場合があることが、本開示に照らして理解されるであろう。また、このことは、DAQ機器の内部クリスタル、クロック機能などによって採用されるより標準的なサンプリングレート(例えば、Fmaxの値が100、200、500、IK、2K、5K、10K、20Kなど)ではなく、サンプリング周波数が外部周波数(典型的には、マシンまたはそのローカルコンポーネントの実行速度)に直接関連するオーダーサンプリングデータに特に関連する可能性があることも、本開示に照らして理解されるであろう。
実施形態では、ローカルデータ制御アプリケーション5062の抽出/処理(EP)整列モジュール5068は、データをレガシーシステムと互換性を持たせるための重要な要件を満たす、これらの非整数比レートにサンプリングレートを小数調整することができる場合がある。実施形態では、処理されるデータの長さが調整可能な場合があるため、小数のレートもより容易に整数比のレートに変換することができる。データがストリーミングされておらず、標準または所定のFmaxを有するスペクトルとして保存されているだけの場合、ある状況では、それをオーダーサンプルされたデータに遡って正確に変換することが不可能な場合があることが、本開示に照らして理解されるであろう。また、内部の識別問題も調整する必要があるかもしれないことが、本開示に照らして理解されるであろう。多くの例では、ストリームデータは、説明したように適切なサンプリングレートおよび解像度に変換され、レガシーデータとの互換性を確保するために、EPレガシーデータリポジトリ5070に(一時的ではあるが)保存されてもよい。
レガシーデータの識別問題をサポートするために、識別変換のための自動化されたプロセスが(部分的または全体的に)存在しない場合、多くの実施形態においてユーザ入力モジュール5072が示される。このような例では、1つまたは複数のレガシーシステム(すなわち、既存のデータ取得)は、インポートされるデータがMimosaフォーマットや他の同様のフォーマットなどの完全に標準化されたフォーマットであることを特徴とすることができる。さらに、レガシーデータおよび/またはレガシーデータが生成された1つまたは複数のマシンの十分なインデントが、レガシーデータの一部を新たに取得されたストリームデータ5050の一部に関連付けてリンクするための識別マッピングテーブル5074の完成に必要な場合がある。多くの例において、エンドユーザおよび/またはレガシーベンダは、機能する識別(ID)マッピングテーブル5074の少なくとも一部を完成させるために十分な情報を供給することができ、したがって、新たにストリームされたデータ5050の比較、解析、および操作に使用されるレガシーシステムの生データのために必要なデータベーススキーマを提供することができる。
実施形態では、ローカルデータ制御アプリケーション5062は、ストリーミングデータだけでなく、抽出/処理された(EP)データを、有線または無線伝送を介してクラウドネットワーク設備5080に指示することもできる。クラウドネットワーク設備5080から、他のデバイスは、マスター生データサーバ(MRDS)5082からのデータを含むデータにアクセスし、受信し、維持してもよい。DAQ機器5002に遠隔地にあるデータの移動、配布、保存、および検索は、クラウドデータマネジメントサービス(「CDMS」)5084によって調整されてもよい。
図19は、関連するクラウドベースのサービスにアクセスするDAQ機器5002を含む追加の方法およびシステムを示す。実施形態において、DAQ API 5052は、データ収集プロセスだけでなく、そのシーケンスも制御してもよい。これらの例によって、DAQ API 5052は、プロセスの編集、データのプロットの閲覧、そのデータの処理の制御、その無数の形態の出力データの閲覧、エキスパート解析を含むこのデータの解析、およびローカルデータ制御アプリケーション5062を介した外部装置との通信、およびクラウドネットワーク設備5080を介したCDMS 5084との通信のための能力を提供してもよい。実施形態において、DAQ API 5052はまた、データの移動、そのフィルタリング、ならびに他の多くのハウスキーピング機能を支配することができる。
実施形態では、専門家解析モジュール5100は、ストリームデータアナライザモジュール5104および抽出/処理(「EP」)整列モジュール5068を備えたローカルデータ制御アプリケーション5062を使用してストリームデータ5050を解析するために、情報ストア5040からの機械または測定点固有の情報を使用することができるレポート5102を生成してもよい。実施形態では、エキスパート解析モジュール5100は、ストリームデータ5050に関連する新しいアラームを生成したり、アラーム設定をアラームモジュール5108に取り込んだりしてもよい。実施形態では、ストリームデータアナライザモジュール5104は、様々なプロットおよびレポート形式でストリームデータ5050から意味のある情報を抽出するための手動または自動のメカニズムを提供してもよい。実施形態では、エキスパート解析モジュール5100の監視制御は、DAQ API5052によって提供される。さらなる例では、エキスパート解析モジュール5100は、クラウドネットワーク設備5080を介して(全体的または部分的に)供給されてもよい。多くの例において、クラウドを介したエキスパート解析モジュール5100は、最新のソフトウェアバージョンを使用する、より多くの処理能力を有する、参照する履歴データの量が多い、などの様々な理由により、ローカルに配置されたエキスパート解析モジュール5100よりも使用されてもよい。多くの例では、インターネット接続が確立できないときにエキスパート解析モジュール5100が利用可能であることが重要であるため、このような冗長性を持つことが、シームレスで時間効率の良い操作のために重要である場合がある。この目的のために、DAQ機器5002で利用可能なモジュール式ソフトウェアアプリケーションおよびデータベースの多くは、システムコンポーネントの冗長性を持って実装され、必要なときにクラウドサービスへの接続を提供する運用の堅牢性を提供するだけでなく、接続が利用できない孤立したシナリオでもうまく動作し、セキュリティなどを高めるために意図的に利用できないこともある。
実施形態では、DAQ機器の取得は、特にPCによって取得されるストリームされたギャップフリーデータのために、ハードウェアのためのリアルタイムオペレーティングシステム(「RTOS」)を必要とする場合がある。いくつかの例では、RTOSの要件は、そのようなシステムを実行することができる高価なカスタムハードウェアおよびソフトウェアをもたらす(または必要とする)可能性がある。多くの実施形態では、そのような高価なカスタムハードウェアおよびソフトウェアを回避し、そのようなオペレーティングシステムに含まれる専用アプリケーションの手続きフローにおけるシステム割り込みを含む、標準的なWindowsオペレーティングシステムまたは類似の環境を使用して、RTOSを効果的かつ十分に実装することができる。
本明細書に開示された方法およびシステムは、1つまたは複数のDAQ機器を含み、それらに接続し、またはそれらと統合されてもよく、多くの実施形態では、図20は、DAQ機器5002(ストリーミングDAQまたはSDAQとしても知られている)を含む方法およびシステム5150を示している。実施形態では、DAQ機器5002は、先入れ先出し(FIFO)メモリ領域5152で構成されたソフトウェアドライバを含んでもよい、標準的なウィンドウズオペレーティングシステム(または他の類似のパーソナルコンピューティングシステム)を使用してRTOSを効果的かつ十分に実装してもよい。FIFOメモリエリア5152は、RTOSを効果的に提供するために、ローカルオペレーティングシステムから直面する可能性のある最悪のケースの割り込みを処理するのに十分な時間、情報を維持・保持することができる。多くの例において、ローカルパーソナルコンピュータまたは接続デバイス上の構成は、オペレーティングシステムの割り込みを最小限にするために維持されてもよい。これをサポートするために、オペレーティングシステムの割り込みが問題になる可能性のある極端な環境への露出を排除する(またはそれから隔離する)ために、構成を維持、制御、または調整してもよい。実施形態では、DAQ機器5002は、任意のギャップエラーが検出されたときに、ユーザに通知するために、通知、アラーム、メッセージなどを生成してもよい。これらの多くの例では、そのようなエラーは稀であることが示されてもよく、たとえエラーが発生したとしても、そのような状況が発生した場合には、いつエラーが発生したかを知ってデータを調整することができる。
実施形態では、DAQ機器5002は、データを取得する際にオペレーティングシステムの割り込みの影響を受けないように、入力データをバッファリングすることができる十分に大きなFIFOメモリ領域5152を維持してもよい。FIFOメモリ領域5152の所定のサイズは、DiskまたはSSDへのデータの書き込み、プロッティング、GUIインタラクションおよび標準的なWindowsタスクなどのWindowsシステムおよびアプリケーション機能、DAQハードウェアをサービスしてバーストでデータを取得するなどの低レベルドライバタスクなどを含むオペレーティングシステムの割り込みに基づいてもよいことが、本開示に照らして理解されるであろう。
実施形態では、DAQ機器5002に含まれ得るコンピュータ、コントローラ、接続されたデバイスなどは、USBポート、ファイアワイヤ、エテメットなどを介して1つまたは複数のハードウェアデバイスからデータを取得するように構成されてもよい。実施形態では、DAQドライバサービス5054は、データを見逃さないように構成されてもよい、すなわち、ギャップフリーであるチャネル固有のFIFOメモリバッファを提供することを容易にするように、データを周期的に配信させるように構成されてもよい。実施形態では、DAQドライバサービス5054は、デバイスから得られた新しいデータで満たす、さらに大きな(デバイスよりも)チャネル固有FIFO領域5152を維持するように構成されてもよい。実施形態では、DAQドライバサービス5054は、生データサーバ5058がFIFO5110からデータを取り出して、1つ以上のディスクドライブ、SSDなどとして構成され得るストリームデータリポジトリ5060などの不揮発性記憶領域に連続したストリームとして書き込むというさらなるプロセスを採用するように構成されてもよい。実施形態では、FIFO5110は、最新の最も新しいストリームが書き込まれた場所をマークするための開始および停止マーカーまたはポインタを含むように構成されてもよい。これらの例によって、FIFO終了マーカ5114は、スプーラの終わりに到達するまでの最新データの終わりをマークするように構成されてもよく、その後、常に循環して巻き付く。これらの例では、スプーラが一杯になると、FIFO5110には常に1メガバイト(または他の構成された容量)の最新データが利用可能である。本開示に照らして、FIFOメモリ領域のさらなる構成が採用され得ることが理解されるであろう。実施形態では、DAQドライバサービス5054は、DAQ API5052を使用して、最新のデータを処理、グラフ化、および解析目的の高レベルアプリケーションにパイプするように構成されてもよい。いくつかの例では、このデータがギャップフリーであることは要求されないが、これらの例でも、データのギャップを識別してマークすることは有用である。さらに、これらのデータ更新は、ユーザーがデータをライブと認識するように十分な頻度で行われるように構成してもよい。多くの実施形態では、生データは、少なくとも所定の時間の間、ギャップなしに不揮発性ストレージにフラッシュされ、所定の時間の例は、約30秒から4時間以上であってもよい。本開示を考慮すると、多くの機器およびその構成要素が、ギャップのないデータのストリームの相対的に必要とされる持続時間に寄与する可能性があり、それらの持続時間は、比較的低い速度が多数存在する場合、非周期的な過渡的活動が比較的長い時間枠で発生している場合、デューティサイクルが制限された持続時間のために関連する範囲での動作を許可するだけの場合などには、4時間以上となる可能性があることが理解されるであろう。
図19を参照すると、ストリームデータアナライザモジュール5104は、様々なプロットおよびレポート形式で、データストリームからの情報の手動または抽出を提供してもよい。実施形態では、リサンプリング、フィルタリング(アンチエイリアシングを含む)、伝達関数、スペクトル解析、エンベロープ、平均化、ピーク検出機能、ならびに他の信号処理ツールのホストが、解析者がストリームデータを解析し、スナップショットの非常に大きなアレイを生成するために利用可能であってもよい。本開示を考慮すると、スナップショットの収集を事前に、すなわち問題となっている測定ポイントの最初のデータ取得中にスケジュールすることで、これまで可能だったよりもはるかに大きなスナップショットのアレイが作成されることが理解できるだろう。
本開示を考慮すると、最大100kHz(またはいくつかのシナリオではそれ以上)の振動データのサンプリングレートは、非振動センサにも利用できることが理解できるだろう。そうすることで、これらのサンプリングレートでそのような期間のデータをストリームすることで、解析すべき新しいパターンを発見することができることが、本開示に照らしてさらに理解されるだろう。また、機械の状態監視に使用されるさまざまなセンサーは、速効性のある動的な信号ではなく、静的なレベルに近い測定値を提供する場合があることも、本開示に照らして理解されるであろう。場合によっては、より速いサンプリングレートを実現する前に、より速い応答時間のトランスデューサを使用しなければならないこともある。
多くの実施形態では、センサーは、温度、圧力、または流量などの比較的静的な出力を有していても、本明細書に開示されているような動的信号処理システムおよび方法を用いて解析することができる。多くの例では、時間スケールを遅くしてもよいことが、本開示に照らして理解されるであろう。多くの例では、2週間以上にわたって約1分ごとに収集された温度測定値のコレクションを、単独で、または他の関連するセンサと共同で、または融合して、その変動を解析することができる。これらの例では、直流レベルまたは平均レベルがすべての読み取り値から省略されてもよく(例えば、減算によって)、得られたデルタ測定値が処理されてもよい(例えば、フーリエ変換によって)。これらの例から、得られたスペクトルラインは、特定の機械の動作または産業システムプロセスに存在する他の症状に相関する可能性がある。さらなる例では、他の技術には、変調を探すエンベロープ、短時間しか続かないスペクトルパターン(例えば、バースト)を探すウェーブレット、振動を含む他のセンサとの相関を探すクロスチャネル解析などが含まれる。
図21は、本明細書に開示される方法およびシステムに接続され、それと連動し、または統合され得る多くの実施形態における1つまたは複数の外部監視システム5412に、アナログ信号を取り込み、次にそれらを処理およびデジタル化し、次にそれらを送信し得るストリーミングセンサー5410またはスマートセンサーを提供するために、1つまたは複数のアナログセンサー5402および終点ノード5404と統合されてよいDAQ計測器5400を示す。監視システム5412は、CDMS5084と通信し得るストリーミングハブサーバ5420を含んでもよい。実施形態において、CDMS5084は、1つ以上のクラウドネットワーク設備5080を介してアクセス可能なクラウドデータ5430及びクラウドサービス5432と接触、使用、及び統合してもよい。実施形態において、ストリーミングハブサーバ5420は、DAQ機器5442、エンドポイントノード5444、及びアナログセンサ5448などの1つ以上のアナログセンサを含んでもよい別のストリーミングセンサ5440に接続してもよい。ステミングハブサーバ5420は、DAQ計器5462、エンドポイントノード5464、およびアナログセンサ5468などの1つまたは複数のアナログセンサを含むことができるストリーミングセンサ5460などの他のストリーミングセンサと接続することができる。
実施形態において、DAQ機器5492、エンドポイントノード5494、およびアナログセンサ5498などの1つまたは複数のアナログセンサを含むことができるストリーミングセンサ5490などの他のストリーミングセンサと接続することができるステーミングハブサーバ5480などの追加のストリーミングハブサーバが存在することができる。実施形態において、ストリーミングハブサーバ5480は、DAQ計器5502、エンドポイントノード5504、およびアナログセンサ5508などの1つまたは複数のアナログセンサを含んでもよいストリーミングセンサ5500などの他のストリーミングセンサと接続することもできる。実施形態において、伝送は、平均化された全体的なレベルを含んでもよく、他の例では、所定の及び/又は固定レートでサンプリングされた動的な信号を含んでもよい。実施形態において、ストリーミングセンサ5410、5440、5460、5490、及び5500は、アナログ信号を取得し、その後、結合、平均化、積分、微分、スケーリング、様々な種類のフィルタリングなどを含む信号調整をそれらのアナログ信号に適用するよう構成されてもよい。ストリーミングセンサ5410、5440、5460、5490、および5500は、許容可能なレートおよび解像度(ビット数)でアナログ信号をデジタル化し、必要に応じてデジタル化された信号をさらに処理するように構成されてもよい。ストリーミングセンサ5410、5440、5460、5490、及び5500は、予め決定された、調整可能な、及び再調整可能なレートでデジタル化された信号を送信するように構成されてもよい。実施形態において、ストリーミングセンサ5410、5440、5460、5490、及び5500は、多数の有効な解析が可能であることが示され得るように、比較的一貫したデータの流れが適切な時間の間維持され得るように十分な有効速度でデータを取得、デジタル化、処理、及び送信するよう構成される。多くの実施形態では、データストリームにギャップはないだろうし、データの長さは比較的長く、理想的には無制限の時間であるべきであるが、実用的な考慮事項では、ストリームを終了させることが典型的である。ストリームに実質的に隙間のないこの長い持続時間のデータストリームは、データが比較的短い期間(すなわち、短いバースト収集)収集され、その後休止し、その後おそらく別のバースト収集などが続く、より一般的に用いられるバースト収集と対照的であることは、本開示に照らして理解されるであろう。非連続的なバーストにわたって収集されたデータの一般的に使用される収集では、データは、低周波解析のために遅い速度で収集され、高周波解析のために高い頻度で収集されるであろう。本開示の多くの実施形態では、対照的に、ストリーミングデータは、(i)1回、(ii)最も有用で可能なサンプリングレートで、(iii)高周波と同様に低周波解析が行われ得るほど長い間収集されている。ストリーミングデータの収集を容易にするために、ストリーミングセンサ5410、5440、5460、5490、5500などの1つ以上のストリーミングセンサにおいて、メモリがオーバーフローする前に新しいデータを別のシステムに外部からオフロードできるよう、十分なストレージメモリが利用可能でなければならない。実施形態では、このメモリ内のデータは、「先入れ先出し」(「FIFO」)モードに格納され、そこからアクセスされるであろう。これらの例では、FIFO領域を有するメモリは、外部システムが異なる部分から読み取る間にセンサコントローラがその1つの部分に書き込むことができるように、デュアルポートであってもよい。実施形態では、データフロートラフィックは、セマフォロジックによって管理されてもよい。
本開示を考慮すると、質量が大きい振動トランスデューサは、プローブの自然共振が質量の平方根に反比例して低くなるため、線形周波数応答範囲が狭くなることが理解できるだろう。そのため、共振応答は本質的に非線形なので、固有周波数が低い振動子は、線形通過帯域の周波数応答が狭くなる。また、固有周波数を超えると、センサーの振幅応答が無視できないレベルまで低下し、さらに使用できなくなることも、本開示に照らして理解できるであろう。このような理由から、高周波数の加速度センサは、1/2グラムのオーダーで非常に小さな質量になる傾向がある。また、ストリーミングに必要な信号処理やデジタル化のための電子機器を追加すると、特定の状況下では、センサーは多くの場合、高周波の活動を測定することができなくなることも、本開示に照らして理解されるであろう。
実施形態において、ストリーミングハブ5420、5480などのストリーミングハブは、ストリーミングに必要な電子機器をケーブルを介して外部ハブに効果的に移動させることができる。ストリーミングハブは、ストリーミングセンサの実質的に隣に、またはハブの電子駆動能力によってサポートされる距離まで配置されてもよいことは、本開示に照らして理解されるであろう。インターネット・キャッシュ・プロトコル(「ICP」)が使用される例では、ハブの電子駆動能力によってサポートされる距離は、所望の周波数応答、ケーブル容量などに基づいて、100~1000フィート(30.5~305メートル)のどこかであろう。実施形態において、ストリーミングハブは、ネットワーク(LANまたはWANである)に接続するだけでなく、電力を受け取るのに便利な場所に配置されてもよい。実施形態において、他の電力オプションは、太陽、熱、およびエネルギーハーベスティングを含むであろう。ストリーミングセンサーと外部システムとの間の転送は、無線または有線であってもよく、802.11および900MHz無線システム、イーサネット、USB、ファイヤーワイヤーなどの標準通信技術を含むことができる。
図18を参照すると、DAQ機器5002の多くの例は、ローカルデータ制御アプリケーション5062からマスター生データサーバ(「MRDS」)5082にアップロードされてもよいデータが含まれる実施形態を含む。実施形態では、マルチメディアプローブ(「MMP」)およびプローブ制御、シーケンスおよび解析(「PCSA」)情報ストア5040内の情報も、MRDS 5082からDAQ機器5002にダウンロードされてもよい。MRDS 5082のさらなる詳細は、データが、有線または無線ネットワークを介して、または1つ以上のポータブルメディア、ドライブ、他のネットワーク接続などへの接続を介して、DAQ機器5002からMRDS 5082に転送されてもよい実施形態を含む図22に示されている。実施形態では、DAQ機器5002は、携帯可能に構成されていてもよく、所定の測定点を評価するために、1つ以上の所定のルートで運ばれてもよい。これらの多くの例では、MRDS 5082に含まれ得るオペレーティングシステムは、Windows、Linux、またはMacOSのオペレーティングシステム、または他の同様のオペレーティングシステムであってもよい。さらに、これらの配置では、オペレーティングシステム、オペレーティングシステム用のモジュール、および他の必要なライブラリ、データストレージなどは、クラウドネットワーク設備5080へのアクセスを通じて、全体的または部分的にアクセス可能であってもよい。実施形態では、MRDS5082は、特にオンラインシステムの例では、DAQ機器5002に直接常駐してもよい。実施形態では、DAQ機器5002は、設備内のイントラネットワーク上でリンクされてもよいが、そうでなければファイアウォールの内側にあってもよい。さらなる例では、DAQ機器5002は、クラウドネットワーク設備5080にリンクされてもよい。様々な実施形態において、コンピュータまたはモバイルコンピューティングデバイスのうちの1つは、図31および32に描かれているように、MRDS6104のうちの1つなど、他のコンピューティングデバイスのすべてがそれにデータを供給することができるMRDS5082を実質的に指定してもよい。DAQ機器5002が展開され、スワーム環境でストリームデータを受信するように構成され得る多くの例では、DAQ機器5002のうちの1つまたは複数が、他のコンピューティングデバイスのすべてがそれにデータを供給し得るMRDS 5082を実質的に指定されてもよい。本明細書に開示される方法およびシステムが、データプール、コンピューティングリソース、ローカルデータ収集のためのネットワーク帯域幅などをインテリジェントに割り当て、制御し、調整し、再調整する環境で、DAQ機器5002がストリームデータを受信するように展開および構成されてもよい多くの例では、DAQ機器5002のうちの1つまたは複数が、他のコンピューティングデバイスのすべてがそれにデータを供給することができるMRDS 5082を効果的に指定してもよい。
図22をさらに参照すると、新しい生のストリーミングデータ、抽出、処理、および整列のプロセスを経たデータ(EPデータ)などが、必要に応じて、または様々な環境でスケーリングされて、1つまたは複数のマスター生データサーバにアップロードされてもよい。実施形態では、マスター生データサーバ(「MRDS」)5700は、MRDS5082などの他のマスター生データサーバに接続し、そこからデータを受信してもよい。MRDS5700は、データ配信マネージャモジュール5702を含んでもよい。実施形態では、新しい生のストリーミングデータは、新しいストリームデータリポジトリ5704に格納されてもよい。多くの例では、DAQ機器5002に格納された生データストリームのように、新しいストリームデータリポジトリ5704および新しい抽出および処理データリポジトリ5708は、一時的な記憶領域として同様に構成されてもよい。
実施形態において、MRDS5700は、抽出およびプロセスアライメントモジュール5710を有するストリームデータアナライザモジュールを含んでもよい。アナライザモジュール5710は、DAQ機器5002にも配備されてもよいが、ポータブルストリーミングDAQ機器に通常見られるよりも堅牢なデータアナライザおよび抽出器であることが示され得る。実施形態において、アナライザモジュール5710は、ストリーミングデータを取り込み、DAQ機器5002上のローカルデータ制御モジュール5062と同様の特定のサンプリングレートおよび分解能でそれをインスタンス化する。アナライザモジュール5710の特定のサンプリングレートおよび解像度は、ユーザ入力5712またはマルチメディアプローブ(「MMP」)およびプローブ制御、シーケンスおよび解析(「PCSA」)情報ストア5714および/または識別マッピングテーブル5718からの自動抽出のいずれかに基づいてよく、DAQ機器5002で詳述されていたのと同様のレガシーデータの様々な形態に関する不完全な情報がある場合、ユーザ入力5712が必要であってもよい。実施形態において、レガシーデータは、アナライザモジュール5710で処理されてもよく、新しいレガシーデータリポジトリ5720などの1つまたは複数の一時保持領域に格納されてもよい。つ以上の一時的な領域は、データがアーカイブにコピーされ、検証されるまでデータを保持するように構成されてもよい。アナライザ5710モジュールはまた、フィルタリング、フーリエ変換、重み付け、リサンプリング、包絡線復調、ウェーブレット、2チャンネル解析などを含むがこれらに限定されない多くの様々なタイプの信号処理ツールを提供することによって詳細な解析を促進してもよい。この解析から、多くの異なるタイプのプロット及びミニレポートが、レポート及びプロットモジュール5724から生成されてもよい。実施形態では、データは、ユーザの開始時に、または特にオンラインシステムのための自動化された方法で、処理、解析、レポート、およびアーカイブ(「PARA」)サーバ5730に送信される。
実施形態では、PARAサーバ5750は、PARAサーバ5730などの他のPARAサーバに接続し、そこからデータを受信してもよい。図24を参照すると、PARAサーバ5730は、処理、解析、報告、アーカイブ、監視、および同様の機能性のうちの少なくとも1つを提供するように構成されてもよいPARAサーバ5750上の監視モジュール5752にデータを提供してもよい。また、監視モジュール5752は、抽出、プロセスアラインメント機能などを含んでいてもよい。実施形態では、入ってくるストリーミングデータは、まず、適切に検証された後、生データストリームアーカイブ5760に格納されてもよい。マルチメディアプローブ(「MMP」)およびプローブ制御、シーケンスおよび解析(「PCS A」)情報ストア5762、ならびにユーザ設定から得られる解析要件に基づいて、データが抽出され、解析され、抽出および処理(「EP」)生データアーカイブ5764に格納されてもよい。実施形態では、レポートモジュール5768からの様々なレポートが、監視モジュール5752から生成される。レポートモジュール5768からの様々なレポートは、統計的パターンに沿った様々なスマートバンド、オーバーオールのトレンドプロットなどを含む。実施形態では、レポートモジュール5768は、入ってくるデータを過去のデータと比較するように構成されてもよい。これらの例によって、レポートモジュール5768は、不利な傾向、突然の変化、機械の欠陥パターンなどを検索して解析してもよい。実施形態では、PARAサーバ5750は、エキスパート解析モジュール5770を含んでもよく、そこからレポートが生成され、解析が行われてもよい。完了すると、アーカイブされたデータは、ローカルエリアネットワークに接続することができるサーバモジュール5774を介して、ローカルマスターサーバ(「LMS」)5772に供給されてもよい。実施形態では、アーカイブされたデータは、クラウドネットワーク設備5080のためのサーバモジュールを介して、クラウドデータ管理サーバ(「CDMS」)5778を介してLMS5772に供給されてもよい。実施形態では、PARAサーバ5750上の監視モジュール5752は、処理、解析、報告、アーカイブ、監視、および類似の機能性のうちの少なくとも1つを提供するように構成されてもよく、そこからアラームが生成され、評価され、保存され、修正され、再割り当てされるなどの機能が、アラーム生成モジュール5782を用いて提供されてもよい。
図24は、PARAサーバ5800およびLAN5802へのその接続を含む様々な実施形態を描写している。実施形態において、DAQ機器5002などの1つ以上のDAQ機器は、DAQ機器5002に取り込まれ得る1つ以上のアナログセンサ5710からアナログデータを受信して処理してもよい。本明細書で議論されるように、DAQ計器5002は、1つ以上のアナログセンサからの取り込まれたアナログデータに基づいて、データのデジタルストリームを作成してもよい。DAQ機器5002からのデジタルストリームは、MRDS5082にアップロードされてもよく、そこから、端末5810 5812、5814などの複数の端末がそれぞれそれまたはMRDS5082とインターフェースしてデータおよび/または解析レポートを表示してもよいPARAサーバー5800に送信されてもよい。実施形態において、PARAサーバ5800は、LMS5822を含むことができるネットワークデータサーバ5820と通信することができる。これらの例では、LMS5822は、アーカイブされたデータ用の任意の記憶領域として構成されてもよい。また、LMS5822は、LMS5822を実行し得るPC又は他のコンピューティングデバイスに接続され得る外部ドライバとして構成されてもよく;又はLMS5822がPARAサーバ5800と動作及び共存するように構成されてもよいところでLMS5822が直接実行されるように構成されるようにしてもよい。LMS5822は、生データストリームアーカイブ5824、抽出及び処理(「EP」)生データアーカイブ5828、並びにMMP及びプローブ制御、配列及び解析(「PCS A」)情報ストア5830に接続してもよい。実施形態では、CDMS5832もLAN5802に接続してもよく、また、データのアーカイブをサポートしてもよい。
実施形態では、タブレット5852およびスマートフォン5854などの携帯接続デバイス5850は、図25に描かれているように、それぞれウェブAPI5860および5862を使用してCDMS5832に接続してもよい。API5860、5862は、ブラウザで実行するように構成されてもよく、PARAサーバ5800を介してアクセス可能であると以前に論じた機能のすべて(または一部)のクラウドネットワーク設備5870を介したアクセスを許可してもよい。実施形態では、コンピューティングデバイス5882、5884、5888などのユーザ5880のコンピューティングデバイスも、同じ機能を受け取るために、ブラウザまたは他の接続を介してクラウドネットワーク施設5870にアクセスしてもよい。実施形態では、シンクライアントアプリは、他のデバイスドライバを必要とせず、クラウドサービス5890およびクラウドデータ5892によってサポートされるウェブサービスによって促進され得る。多くの例において、シンクライアントアプリは、例えば、NXG Webベースの仮想インターフェースサブルーチンを有する視覚的な高レベルLabVIEWプログラミング言語を使用して開発および再構成され得る。実施形態において、シンクライアントアプリは、LabVIEツールによってサポートされるような高レベルのグラフ機能を提供してもよい。実施形態では、LabVIEWツールは、コンパイル後に編集可能なJSCRIPTコードおよびJAVAコードを生成することができる。NXGツールは、専用ドライバーを必要とせず、どのブラウザからでも容易にインストールできるRESTfulサービスのみを提供するWeb Viを生成することができる。ブラウザ内で各種アプリケーションを実行できるため、Windows、Linux、Androidなど、特に個人用デバイス、モバイルデバイス、携帯用接続デバイスなどの任意のオペレーティングシステム上でアプリケーションを実行できることが、本開示に照らして理解されるであろう。
実施形態では、CDMS5832は、図26にさらに詳細に描かれている。実施形態では、CDMS5832は、PARAサーバ5800(図34)が提供することができるデータストレージおよびサービスのすべてを提供してもよい。対照的に、すべてのAPIは、ブラウザで実行されるウェブAPIであってもよく、他のすべてのアプリは、通常、Windows、Linux、または他の同様のオペレーティングシステムであるPARAサーバ5800またはDAQ機器5002上で実行されてもよい。実施形態では、CDMS 5832は、以下の機能の少なくとも1つまたは組み合わせを含む:CDMS 5832は、トレンド、波形、スペクトル、エンベロープ、伝達関数、測定イベントのログ、エキスパートを含む解析、ユーティリティなどを含むすべてのデータプロットへのアクセスを提供するように構成されてもよいクラウドGUI 5900を含む。実施形態では、CDMS5832は、クラウドネットワーク設備5870との間でデータの転送を容易にするように構成されたクラウドデータ交換5902を含んでもよい。実施形態では、CDMS5832は、トレンド、波形、スペクトル、エンベロープ、伝達関数などを含むすべてのプロットをウェブアプリ経由で表示するように構成されたクラウドプロット/トレンドモジュール5904を含んでもよい。実施形態では、CDMS5832は、すべての解析レポート、ログ、専門家の解析、トレンドプロット、統計情報などを提供するように構成されてもよいクラウドレポーター5908を含んでもよい。実施形態では、CDMS5832は、クラウドアラームモジュール5910を含んでもよい。クラウドアラームモジュール5910からのアラームは、生成されてもよく、電子メール、テキスト、または他のメッセージング機構を介して様々なデバイス5920に送信されてもよい。様々なモジュールから、データが新しいデータ5914に格納されてもよい。様々なデバイス5920は、端末5922、ポータブル接続デバイス5924、またはタブレット5928を含んでもよい。クラウドアラームモジュールからのアラームは、エンドユーザが冗長なアラームの受信を避けるためにアラームを確認することができるように、また、スペクトル、波形統計情報などを含むことができるアラームポイントからの重要なコンテキストセンシティブデータを見ることができるように、インタラクティブに設計されている。
実施形態では、リレーショナルデータベースサーバ(「RDS」)5930は、MMP及びPCSA情報ストア5932からの全ての情報にアクセスするために使用されてもよい。PARAサーバ5800(図26)と同様に、情報ストア5932からの情報は、EP及び整列モジュール5934、データ交換5938、及びエキスパートシステム5940と共に使用されてもよい。実施形態では、生データストリームアーカイブ5942及び抽出及び処理生データアーカイブ5944も、PARAサーバ5800と同様に、EPアライン5934、データ交換5938、及びエキスパートシステム5940によって使用されてもよい。実施形態では、新しいストリーム生データ5950、新しい抽出および処理生データ5952、および新しいデータ5954(基本的に、オーバーオール、スマートバンド、統計、および情報ストア5932からのデータなどの他のすべての生データ)が、CDMS5832によって指示される。
実施形態では、ストリーミングデータは、技術データ管理ストリーミング(「TDMS」)ファイルフォーマットを使用して、RDS5930およびMMPおよびPCSA情報ストア5932とリンクされてもよい。実施形態では、情報ストア5932は、すべての測定イベントの少なくとも一部を記録するためのテーブルを含んでもよい。これらの例によって、測定イベントは、任意の単一のデータキャプチャ、ストリーム、スナップショット、平均化されたレベル、または全体的なレベルであってもよい。点の識別情報に加えて、測定イベントのそれぞれは、日付およびタイムスタンプを有してもよい。実施形態では、TDMSフォーマットを使用して、ストリーミングデータ、測定イベント、および情報ストア5932内のテーブルの間でリンクを作成してもよい。これらの例によって、リンクは、TDMSプロパティを含み、割り当てることによって、TDMSフォーマットを有するファイル構造で、一意の測定点識別コードを格納することによって作成されてもよい。実施形態では、TDMSフォーマットを有するファイルは、3つのレベルの階層を可能にしてもよい。これらの例によって、3つのレベルの階層は、ルート、グループ、およびチャネルであってもよい。Mimosaのデータベーススキーマは、理論的には無制限であってもよいことが、本開示に照らして理解されるであろう。そうは言っても、限られたTDMS階層には利点がある。多くの例では、ミモザ互換のデータベーススキーマを使用しながら、TDMSストリーム構造に追加するために、以下の特性を提案することができる。
Root Level: Global ID 1 : Text String (これはウェブから取得したユニークなIDであり得る。); Global ID 2: Text String (これはウェブから取得した追加のIDであり得る。); Company Name: Text String; Company ID: Text String; Company Segment ID: 4-byte Integer; Company Segment ID: 4-byte Integer; Site Name: Text String; Site Segment ID: 4-byte Integer; Site Asset ID: 4-byte Integer; Route Name: Text String; Version Number: Text String
Group Level: Section 1 Name: Text String; Section 1 Segment ID: 4-byte Integer; Section 1 Asset ID: 4-byte Integer; Section 2 Name: Text String; Section 2 Segment ID: 4-byte Integer; Section 2 Asset ID: 4-byte Integer; Machine Name: Text String; Machine Segment ID: 4-byte Integer; Machine Asset ID: 4-byte Integer; Equipment Name: Text String; Equipment Segment ID: 4-byte Integer; Equipment Asset ID: 4-byte Integer; Shaft Name: Text String; Shaft Segment ID: 4-byte Integer; Shaft Asset ID: 4-byte Integer; Bearing Name: Text String; Bearing Segment ID: 4-byte Integer; Bearing Asset ID: 4-byte Integer; Probe Name: Text String; Probe Segment ID: 4-byte Integer; Probe Asset ID: 4- byte Integer
Channel Level: Channel #: 4-byte Integer; Direction: 4-byte Integer (in certain examples may be text); Data Type: 4-byte Integer; Reserved Name 1: Text String; Reserved Segment ID 1: 4-byte Integer; Reserved Name 2: Text String; Reserved Segment ID 2: 4-byte Integer; Reserved Name 3: Text String; Reserved Segment ID 3: 4-byte Integer
実施形態では、TDMSフォーマットを有するファイルは、プロパティまたはアセット情報を自動的に使用してもよく、データベース検索を容易にするために特定のプロパティおよびアセット情報からインデックスファイルを作成してもよく、データのバイナリストリームを格納するために最適化されてもよいが、多くの標準的なSQL操作を実現するいくつかの最小のデータベース構造を含んでもよいため、大量のデータストリームを格納するための妥協点を提供してもよいが、本明細書で議論されるTDMSフォーマットおよび機能は、本格的なSQLリレーショナルデータベースほど効率的ではないかもしれない。しかし、TDMSフォーマットは、バイナリデータの大きなストリームを効率的に書き込み、保存するクラスまたはフォーマットと、検索、ソート、データ検索を容易にする完全なリレーショナルデータベースのクラスまたはフォーマットとの間でバランスをとることができるという点で、両方の世界の利点を利用することができる。実施形態では、2つのデータベース方法の間のリンクを確立することによって、解析目的とストリーム収集のためのパネル条件を持つ所定のリストを抽出するために必要なメタデータが、RDS 5930に保存されるという最適な解決策が見出されるかもしれない。これらの例によって、比較的大きなアナログデータストリームは、迅速なストリームロードのために生データストリームアーカイブ5942に主にバイナリストレージとして保存されてもよいが、固有のリレーショナルSQLタイプのフック、フォーマット、規約などを有する。TDMS形式のファイルは、アナログデータやストリーミングデータへのアクセスを便利かつ迅速に行うためのさらなるメカニズムを提供するために、LabVIEWソフトウェアのDIAdemレポート機能を組み込むように構成することもできる。
本明細書に開示される方法およびシステムは、仮想データ収集機器を含むか、それに接続するか、またはそれと統合されてもよく、多くの実施形態において、図27は、仮想DAQ機器、VRDS、またはVSDAQとしても知られる仮想ストリーミングDAQ機器6000を含む方法およびシステムを示している。DAQ機器5002(図18)とは対照的に、仮想DAQ機器6000は、1つのネイティブアプリケーションのみを含むように構成され得る。多くの例において、許可された1つのネイティブアプリケーションは、ストリーミング機能を含み得るDAQデバイス6004とのすべての通信を管理し得るDAQドライバモジュール6002であってよい。実施形態において、他のアプリケーションは、もしあれば、RESTfulウェブサービスのようなシンクライアントウェブアプリケーションとして構成されてもよい。1つのネイティブアプリケーション、または他のアプリケーションもしくはサービスは、DAQ Web API 6010を通じてアクセス可能であり得る。DAQ Web API 6010は、様々なウェブブラウザで実行されるか、または様々なウェブブラウザを通してアクセス可能である可能性がある。
実施形態では、ストリーミングデータの保存、およびストリーミングデータの抽出および処理データへの抽出および処理は、DAQ Web API 6010の指示の下、主にDAQドライバサービス6012によって処理されてもよい。実施形態では、振動、温度、圧力、超音波などを含む様々なタイプのセンサからの出力が、DAQデバイス6004の機器入力に供給されてもよい。実施形態では、出力センサからの信号は、スケーリングおよびフィルタリングに関して信号調整され、アナログ/デジタル変換器でデジタル化されてもよい。実施形態では、出力センサからの信号は、最大の所望の周波数解析を行うのに十分なレートで同時にサンプリングされたすべての関連チャネルからの信号であってもよい。実施形態では、出力センサーからの信号は、十分なサンプルを用いて、より低いサンプリングレートで広範囲のさらなる後処理を可能にするように、1つの連続ストリームとして、ギャップフリーで比較的長い時間サンプリングされてもよい。さらなる例では、ストリーミング周波数を調整して(再調整して)、不均等な間隔でストリーミングデータを記録することができる。比較的遅い可能性がある温度データ、圧力データ、および他の同様のデータについては、サンプル間のデルタタイムを変化させることで、データの品質をさらに向上させることができる。上記の例によって、データはポイントのコレクションからストリーミングされてもよく、その後、次のデータセットが所定のシーケンス、ルート、パスなどに従って追加のポイントから収集されてもよい。多くの例では、携帯型センサーは、所定の順序に従って次の場所に移動してもよいが、一部は基準位相などに使用される場合があるため、必ずしもすべての場所ではない。さらなる例では、マルチプレクサ6020を使用して次の点の集まりに切り替えてもよいし、2つの方法の混合を組み合わせてもよい。
実施形態では、仮想DAQ機器6000を使用してデータ収集プロセスを支配するために使用され得るシーケンスおよびパネル条件は、MMP PCS A情報ストア6022から取得されてもよい。MMP PCSA情報ストア6022は、機械の階層的な構造関係、すなわち、機械は、各機器のピースがシャフトを含み、各シャフトがベアリングと関連しており、特定のパネル条件を有する特定の所定のシーケンス(ルート、パスなど)に従って、特定のタイプのトランスデューサまたはプローブによって監視されてもよい、などの項目を含んでもよい。これらの例によって、パネル条件は、ハードウェア固有のスイッチ設定またはサンプリングレート、AC/DC結合、電圧範囲およびゲイン、積分、ハイパスおよびローパスフィルタリング、アンチエイリアシングフィルタリング、ICPトランスデューサおよび他の集積回路圧電トランスデューサ、4-20mAループセンサなどの他の収集パラメータを含んでもよい。情報ストア6022には、ギアの歯数、ポンプインペラーのブレード数、モーターローターバーの数、ベアリングの周波数を計算するのに必要なベアリング固有のパラメータ、すべての回転要素のlx回転速度(RPM)などを含む、適切な解析に重要となる機械固有の特徴となるものが格納されている可能性がある他の情報が含まれている。
DAQ Web API 6010ソフトウェアの指示により、デジタル化された波形は、仮想DAQ機器6000のDAQドライバサービス6012を使用してアップロードされてもよい。実施形態では、データは、次に、ストリームデータをネットワークストリームデータリポジトリ6032に格納することができるRLNデータおよび制御サーバ6030に供給されてもよい。DAQ機器5002とは異なり、サーバ6030は、DAQドライバモジュール6002内から実行されてもよい。別のアプリケーションが、ネイティブなオペレーティングシステムで実行するためのドライバを必要とする場合があり、この計測器については、計測器ドライバのみがネイティブに実行される場合があることが、本開示に照らして理解されるであろう。多くの例では、他のすべてのアプリケーションは、ブラウザベースであるように構成されてもよい。そのため、関連するネットワーク変数は、1つ以上のネットワークを介して、またはWebアプリケーションを介してアクセスできるように設計されているLabVIEW共有変数またはネットワークストリーム変数と非常によく似ている。
実施形態では、DAQウェブAPI6010は、ローカルデータ制御アプリケーション6034に、最近得られたストリーミングデータを抽出して処理し、ひいては、所望の解像度を提供するのに十分な長さの同じまたは低いサンプリングレートに変換するように指示することもできる。このデータは、スペクトルに変換され、次に平均化され、様々な方法で処理され、EPデータリポジトリ6040上などでEPデータとして保存されてもよい。EPデータリポジトリ6040は、特定の実施形態では、一時的な保存のためだけのものであってもよい。レガシーデータは、独自のサンプリングレートおよび解像度を必要とする場合があり、特にサンプリング周波数が外部周波数に直接関係しているオーダサンプルされたデータの場合、このサンプリングレートが取得されたサンプリングレートに整数比例しない場合が多いことが、本開示に照らして理解されるであろう。外部周波数は、典型的には、DAQ機器5002、6000の内部クリスタル、クロック機能などによって生成されるより標準的なサンプリングレートではなく、マシンまたはその内部コンポーネントの実行速度であってもよい(例えば、Fmaxの値は、100、200、500、IK、2K、5K、10K、20Kなど)。実施形態では、ローカルデータ制御アプリケーション6034のEPアラインコンポーネントは、レガシーデータセットにより適用可能であり、したがってレガシーシステムとの互換性を推進する可能性がある非整数比レートにサンプリングレートを小数調整することができる。実施形態では、DAQ機器5002、6000による元の取得されたストリーミングデータの深さおよび内容のために、処理されるデータの長さ(または、より大きなデータのストリームの少なくともその部分)が調整可能であるため、小数のレートは、より容易に整数比レートに変換され得る。データがストリーミングされず、Fmaxの標準値を有するスペクトルの従来のスナップショットとして保存されただけであれば、取得されたデータをオーダーサンプルされたデータに遡って正確に変換することは非常に不可能である可能性があることが、本開示に照らして理解されるであろう。実施形態では、ストリームデータは、特にレガシーデータの目的のために、説明したように適切なサンプリングレートおよび解像度に変換され、EPレガシーデータリポジトリ6042に保存されてもよい。レガシーデータ識別シナリオをサポートするために、識別変換のための自動化されたプロセスがない場合、ユーザ入力6044が含まれてもよい。実施形態では、識別変換のための1つのそのような自動化されたプロセスは、Mimosaフォーマットなどの完全に標準化されたフォーマットと、IDマッピングテーブル6048を完成させるのに十分な識別情報とを含む可能性のあるレガシーシステムからのデータのインポートを含んでもよい。さらなる例では、エンドユーザ、レガシーデータベンダ、レガシーデータ保管設備などが、IDマッピングテーブル6048の関連部分を完成させる(または十分に完成させる)のに十分な情報を提供し、ひいてはレガシーシステムの生データのデータベーススキーマを提供して、本明細書に開示されている現在のシステムで解析のために容易に取り込み、保存し、使用することができるようにすることができる場合がある。
図28は、仮想DAQ機器6000のさらなる実施形態および詳細を示している。これらの例では、DAQ Web API 6010は、データ収集プロセスだけでなく、そのシーケンスも制御してもよい。DAQ Web API 6010は、このプロセスの編集、データのプロットの表示、そのデータの処理の制御およびその無数の形態での出力の表示、専門家の解析を含むデータの解析、DAQドライバモジュール6002を介した外部デバイスとの通信、ならびにストリーミングデータおよびEPデータの両方との通信および可能な限り1つまたは複数のクラウドネットワーク設備5080への転送のための機能を提供してもよい。実施形態では、仮想DAQ機器自体およびDAQ Web API 6010は、ローカルな需要が必要とする可能性がある場合には、クラウドネットワーク設備5080へのアクセスとは無関係に実行されてもよく、または単に、以下のようなことがない結果として実行されてもよい。DAQ Web API 6010は、そのような信号を防止するための独自の産業環境での使用を可能にする。実施形態では、DAQ Web API 6010は、データの移動、フィルタリング、および他の多くのハウスキーピング機能を管理することもできる。
仮想DAQ機器6000はまた、エキスパート解析モジュール6052を含んでもよい。実施形態では、エキスパート解析モジュール6052は、ストリームデータアナライザモジュール6050を使用してストリームデータ6058を解析するために、MMP PCSA情報ストア6022からのマシンまたは測定点固有の情報を使用することができるレポート6054を生成することができるウェブアプリケーションまたは他の適切なモジュールであってもよい。実施形態では、モジュール6052の監視制御は、DAQ Web API 6010によって提供されてもよい。また、実施形態では、エキスパート解析は、CDMS5832を介してアクセス可能な1つ以上のクラウドネットワーク設備に常駐しているエキスパートシステムモジュール5940を介して供給(または補完)されてもよい。多くの例において、クラウドを介したエキスパート解析は、最新のソフトウェアバージョンの利用可能性および使用、より多くの処理能力、参照する履歴データのより大きなボリュームなどの様々な理由から、エキスパート解析モジュール6052などのローカルシステムよりも好ましい場合がある。シームレスで時間効率の良い動作のために、必要なときに冗長性を提供するように、インターネット接続が確立できないときにエキスパート解析を提供することが重要である場合があることが、本開示に照らして理解されるであろう。実施形態では、この冗長性は、本明細書で議論される各モジュールがインターネット接続がない場合に動作を継続する冗長性を提供するように構成されるように、議論されるモジュール式ソフトウェアアプリケーションおよびデータベースのすべてに適用可能な場合に拡張されてもよい。
図29は、オンラインシステム内に存在し、ネットワークエンドポイントを介して中央のDAQ機器から1つまたは複数のクラウドネットワーク設備に接続する多くの仮想DAQ機器のさらなる実施形態および詳細を示している。実施形態では、ネットワークエンドポイント6060を有するマスターDAQ機器が、ネットワークエンドポイント6062を有するDAQ機器、ネットワークエンドポイント6064を有するDAQ機器、およびネットワークエンドポイント6068を有するDAQ機器などの追加のDAQ機器とともに提供される。ネットワークエンドポイント6060を有するマスターDAQ機器は、LAN6070を介してネットワークエンドポイント6062、6064、6068を有する他のDAQ機器と接続してもよい。計器6060、6062、6064、6068のそれぞれは、イーサネット、無線802.1lg、900MHz無線(例えば、産業環境で一般的に遭遇する壁、筐体、および他の構造的障壁をよりよく貫通するため)などの多くの有線および無線ネットワークオプションを利用するデバイスの接続を容易にするために、Windows、Linux、または他の適切なオペレーティングシステムを含むパーソナルコンピュータ、接続デバイスなどを含んでもよく、必要なときに既製の通信ハードウェアを使用することによって許可される無数の他のものも含まれることが理解されるであろう。
図30は、さまざまな設定、環境、およびネットワーク接続性の設定で使用することができるエンドポイントの多くの機能コンポーネントのさらなる実施形態および詳細を描いている。エンドポイントは、エンドポイントハードウェアモジュール6080を含む。実施形態では、エンドポイントハードウェアモジュール6080は、1つまたは複数のマルチプレクサ6082、DAQ機器6084、ならびに本明細書に開示されているようなマルチプレクサ、DAQ機器、およびコンピュータ、接続されたデバイスなどを含むことができるコンピュータ6088、コンピューティングデバイス、PCなどを含むことができる。エンドポイントソフトウェアモジュール6090は、データコレクタアプリケーション(DCA)6092および生データサーバ(RDS)6094を含む。実施形態では、DCA6092は、DAQ API5052(図18)に類似していてもよく、所定のシーケンスに従って、またはユーザの指示に応じて、DAQデバイス6084からストリームデータを取得し、ローカルに格納することを担当するように構成されてもよい。多くの例では、所定のシーケンスまたはユーザー指示は、DAQ機器を制御してデータを読み取ることができるLab VIEWソフトウェアアプリであってもよい。クラウドベースのオンラインシステムの場合、多くの実施形態では、保存されたデータはネットワークでアクセス可能である可能性がある。多くの例では、LabVIEWツールを使用して、共有変数やネットワークストリーム(または共有変数のサブセット)でこれを実現することができる。共有変数および関連するネットワークストリームは、ネットワーク上でデータを共有するために最適化されたネットワークオブジェクトであってもよい。多くの実施形態において、DCA6092は、可能な限り効率的かつ高速にデータを収集し、共有変数およびその提携ネットワークストリームにデータをプッシュするように構成されてもよいグラフィックユーザインタフェースを備えていてもよい。実施形態では、エンドポイント生データサーバ6094は、シングルプロセス共有変数から生データを読み取るように構成されてもよく、マスターネットワークストリームと一緒に配置されてもよい。実施形態では、ポータブルシステムからのデータの生ストリームは、データの生ストリームがMRDS5082(図18)にプッシュされるまで、ローカルで一時的に保存されてもよい。ネットワーク上のオンラインシステム機器は、ローカルまたはリモート、あるいはローカルエリアネットワークまたはワイドエリアネットワークに関連するかどうかにかかわらず、エンドポイントと呼ぶことができることが、本開示に照らして理解されるであろう。1つまたは複数のクラウドネットワーク設備に無線接続されてもされなくてもよいポータブルデータコレクタアプリケーションの場合、ネットワーク接続を必要としない機器を詳細に説明するために、エンドポイントという用語を省略してもよい。
図31は、デバイスの少なくとも1つがマスターブロックとして構成された、それぞれのソフトウェアブロックを有する複数のエンドポイントのさらなる実施形態および詳細を示している。ブロックの各々は、データコレクタアプリケーション(「DC A」)7000および生データサーバ(「RDS」)7002を含んでもよい。実施形態では、各ブロックは、さらに、マスター生データサーバモジュール(「MRDS」)7004、マスターデータ収集および解析モジュール(「MDCA」)7008、および監視制御インターフェースモジュール(「SCI」)7010を含んでもよい。MRDS7004は、他のエンドポイントからネットワークストリームデータを(最低限)読み取るように構成されていてもよく、クラウドサービス5890およびクラウドデータ5892を含むCDMS5832を介して1つまたは複数のクラウドネットワーク設備まで転送されてもよい。実施形態では、CDMS5832は、データを格納し、ウェブ、データ、および処理サービスを提供するように構成されてもよい。これらの例では、これは、ネットワークストリームからデータを読み取ったり、ローカルエンドポイントのすべてから変数を共有したり、TDMSフォーマットのネットワークストリームとファイルの両方として、ローカルホストPC、ローカルコンピューティングデバイス、接続デバイスなどに書き込んだりするように構成されたLabVIEWアプリケーションで実装されてもよい。実施形態では、CDMS 5832はまた、その後、Amazon Web Services(「AWS」)からのS3ウェブサービスがAmazonウェブサーバー上でサポートされている可能性があるLabVIEWまたは同様のソフトウェアを使用して、このデータを適切なバケットにポストするように構成されてもよく、バックエンドサーバーとして効果的に機能してもよい。多くの例では、データを投稿するタイミング、スケジュールの作成または調整、新規データイベントを含むイベントトリガーの作成または調整、バッファフルメッセージの作成、複数のアラームメッセージの作成などについて、異なる基準を有効にしたり、設定したりすることができる。
実施形態では、MDCA 7008は、生データの自動化された解析だけでなく、特定の発生を追跡して注釈を付け、そうすることで、レポートが生成される可能性のある場所や、アラームが注記される可能性のある場所を注記することを含む、ユーザー主導の解析を提供するように構成されてもよい。実施形態では、SCI7010は、クラウドからシステムの遠隔制御を提供するとともに、ステータスおよびアラームを生成する能力を提供するように構成されたアプリケーションであってもよい。実施形態では、SCI7010は、監視制御およびデータ取得(「SCADA」)制御システムに接続する、インターフェイスする、または統合されるように構成されてもよい。実施形態では、SCI7010は、クラウドネットワーク設備5870の1つ以上に接続することができる任意のリモートデバイスに提供することができるリモート制御およびステータスアラートを提供することができるLabVIEWアプリケーションとして構成されてもよい。
実施形態では、監視されている機器は、重要な機械解析背景情報を提供することができるRFIDタグを含んでいてもよい。RFIDタグは以下のようなものである。RFIDタグは、機械全体に関連付けられているか、個々の部品に関連付けられており、機械の特定の部品を交換、修理、または再構築する際に代替することができる。RFIDタグは、ユニットの寿命に関連する永久的な情報を提供してもよいし、また、新しい情報の少なくとも一部で更新するために再フラッシュされてもよい。多くの実施形態において、本明細書に開示されたDAQ機器5002は、1つまたは複数のRFIDチップを尋問して、機械、そのコンポーネンツ、そのサービス履歴、およびドライブダイアグラム、ワイヤダイアグラム、および油圧レイアウトを含むすべてのものがどのように接続されているかの階層的構造を知ることができる。実施形態では、RFIDタグから取得できる情報には、メーカー、機械の種類、モデル、シリアル番号、モデル番号、製造日、設置日、ロット番号などがある。機械の種類には、モーター、ギアボックス、ファン、コンプレッサーのうち1つ以上の情報を含むMimosaフォーマットのテーブルを使用することができる。機械の種類には、ベアリングの数、その種類、位置、および識別番号も含まれることがある。1つまたは複数のファンに関連する情報には、ファンのタイプ、ブレードの数、ベーンの数、およびベルトの数が含まれる。本開示を考慮すると、他の機械およびその構成部品も同様に、関連情報を階層的に配置してもよく、これらの情報はすべて、1つまたは複数の機械に関連する1つまたは複数のRFIDチップの問いかけによって利用できる可能性があることが理解されるであろう。
実施形態では、産業環境におけるデータ収集は、アナログセンサなどの複数のソースから複数のアナログ信号処理回路にアナログ信号をルーティングすることを含む場合がある。アナログ信号のルーティングは、複数のアナログ入力信号のいずれかを、アナログおよび/またはデジタル出力などの複数の出力のいずれかにルーティングすることができるアナログクロスポイントスイッチによって達成されてもよい。産業環境におけるアナログ信号クロスポイントスイッチにおける入力から出力へのルーティングは、例えば、アナログクロスポイントスイッチのスイッチ部分が応答する電子信号によって、構成可能であってもよい。
実施形態では、アナログクロスポイントスイッチは、産業環境内の複数のアナログ信号源からアナログ信号を受信してもよい。アナログ信号源は、アナログ信号を生成するセンサを含んでもよい。アナログクロスポイントスイッチによって切り替えられる可能性のあるアナログ信号を生成するセンサは、条件を検出し、条件を対応する電圧に変換するなど、条件を代表する可能性のあるアナログ信号に変換するセンサを含んでもよい。可変電圧によって表され得る例示的な状態には、温度、摩擦、音、光、トルク、回転数、機械抵抗、圧力、流量などが含まれてもよく、本開示および参照により本明細書に組み込まれる文書全体に開示された入力源およびセンサによって表される状態のいずれかを含む。アナログ信号の他の形態は、可変電圧、可変電流、可変抵抗などの電気信号を含んでもよい。
実施形態では、アナログクロスポイントスイッチは、産業環境でそれに入力されるアナログ信号の1つまたは複数の側面を保持してもよい。スイッチに統合されたアナログ回路は、バッファリングされた出力を提供してもよい。アナログクロスポイントスイッチのアナログ回路は、出力上にバッファリングされた表現を生成するために、入力電圧などの入力信号を追跡してもよい。これは代替的に、入力に存在するアナログ電圧または電流をアナログスイッチの選択された出力に伝搬させるリレー(機械式、ソリッドステートなど)によって達成されてもよい。
実施形態では、産業環境におけるアナログクロスポイントスイッチは、複数のアナログ入力のいずれかを複数のアナログ出力のいずれかに切り替えるように構成されてもよい。例示的な実施形態は、MIMO、マルチプレックス構成を含む。アナログクロスポイントスイッチは、構成を変更すると入力と出力のマッピングが変更されるように、動的に構成可能であってもよい。構成の変更は、マッピングの変更により、1つまたは複数の出力が構成変更前とは異なる入力にマッピングされるように、1つまたは複数のマッピングに適用されてもよい。
実施形態では、アナログクロスポイントスイッチは、入力のサブセットのみが同時に出力にルーティングされることができるように、出力よりも多くの入力を有してもよい。他の実施形態では、アナログクロスポイントスイッチは、入力よりも多くの出力を有してもよく、これにより、単一の入力が複数の出力で現在利用可能になるか、または、少なくとも1つの出力がどの入力にもマッピングされなくてもよい。
実施形態において、産業環境におけるアナログクロスポイントスイッチは、複数のアナログ入力のいずれかを複数のデジタル出力のいずれかに切り替えるように構成され得る。アナログ入力からデジタル出力への変換を達成するために、アナログ-デジタル変換回路は、各入力、各出力、またはアナログクロスポイントスイッチの入力(複数可)と出力(複数可)の間の中間点に構成されてもよい。アナログ信号源の近くに配置され得るアナログクロスポイントスイッチにアナログ信号のデジタル化を含めることの利点は、デジタル信号通信がアナログに対して有する信号輸送コスト及び複雑さの低減、エネルギー消費の低減、産業環境全体に伝播する前の異常状態の検出及び調節の容易化等を含む場合がある。また、アナログ信号をその発生源の近くで捕捉することは、複数の信号を同時にルーティングすることを要求するような現実世界の効果に対してより寛容な、改善された信号ルーティング管理を促進することができる。この例では、信号の一部をローカルにキャプチャ(および保存)し、別の一部をデータ収集ネットワークを通じて転送することができる。データ収集ネットワークに利用可能な帯域幅があれば、ローカルに保存された信号を、データが収集された時刻を示すタイムスタンプなどとともに配信することができる。この技術は、利用可能なチャネル数を超えるデータ収集チャネルに対する同時要求があるアプリケーションに有用であると考えられる。サンプリング制御はまた、サンプリングに値するデータの指示に基づくこともできる。一例として、産業環境におけるセンサなどの信号源は、センサからのデータがいつ利用可能であるかという指示を送信するデータ有効信号を提供することができる。
実施形態では、アナログクロスポイントスイッチの入力を出力にマッピングすることは、クロスポイントスイッチに提示される可能性のある産業環境の一部の信号ルートプランに基づいてもよい。信号経路計画は、複数のアナログ信号を複数のアナログ信号経路に沿ってルーティングすることを含む、産業環境におけるデータ収集の方法で使用されてもよい。本方法は、複数のアナログ信号を、経路計画を用いて構成される可能性のあるアナログクロスポイントスイッチの入力に個別に接続することを含んでもよい。クロスポイントスイッチは、構成された経路計画に応答して、複数のアナログ信号の一部を複数のアナログ信号経路の一部にルーティングしてもよい。
実施形態では、アナログクロスポイントスイッチは、高電流を必要とする経路に沿ってアナログ信号をルーティングするのに適している、少なくとも1つの高電流出力駆動回路を含んでもよい。実施形態において、アナログクロスポイントスイッチは、過剰なアナログ入力信号電圧による損傷からアナログクロスポイントスイッチを保護することを容易にする、少なくとも1つの電圧制限入力を含んでもよい。実施形態では、アナログクロスポイントスイッチは、過剰なアナログ入力電流による損傷からアナログクロスポイントスイッチを保護することを容易にすることができる少なくとも1つの電流制限入力を含んでもよい。アナログクロスポイントスイッチは、実質的な信号損失がほとんどない状態で入力を出力にルーティングすることを容易にする複数の相互接続されたリレーを含んでいてもよい。
実施形態では、アナログクロスポイントスイッチは、1つまたは複数のアナログ入力信号の状態を検出することができる信号処理などの処理機能(例えば、プログラムされたプロセッサ、特別目的プロセッサ、デジタル信号プロセッサなど)を含んでもよい。そのような検出に応答して、アラームの設定、産業環境内の別の装置へのアラーム信号の送信、クロスポイントスイッチの構成の変更、1つ以上の出力の無効化、スイッチの一部の電源のオンまたはオフ、汎用デジタルまたはアナログ出力などの出力の状態の変更など、1つ以上のアクションが実行されてもよい。実施形態では、スイッチは、1つまたは複数の出力上に信号を生成するために入力を処理するように構成されてもよい。使用する入力、入力の処理アルゴリズム、信号を生成するための条件、使用する出力などは、データ収集テンプレートで構成してもよい。
実施形態では、アナログクロスポイントスイッチは、32を超える入力および32を超える出力から構成されてもよい。複数のアナログクロスポイントスイッチは、各スイッチが32入力および32出力よりも少ない数を提供するにもかかわらず、複数のクロスポイントスイッチに広がる32入力のいずれかを32出力のいずれかに切り替えることを容易にするように構成されてもよい。
実施形態では、産業環境での使用に適したアナログクロスポイントスイッチは、4つ以下の入力と4つ以下の出力から構成されてもよい。各出力は、マッピングされたアナログ入力に対応するアナログ出力を生成するように構成されてもよいし、対応するマッピングされた入力のデジタル表現を生成するように構成されてもよい。
実施形態では、産業環境で使用するためのアナログクロスポイントスイッチは、出力信号から入力信号をバッファリング(例えば、分離)しながら、電流、電圧範囲、オフセット、周波数、デューティサイクル、ランプレートなどの入力信号の属性の少なくとも一部を再現することを容易にする回路で構成されてもよい。また、アナログクロスポイントスイッチをバッファリングされていない入力/出力で構成することで、双方向ベースのクロスポイントスイッチを効果的に実現することもできる。
実施形態では、産業環境で使用するためのアナログクロスポイントスイッチは、信号調整回路を使用するなどして、損傷する条件から保護することができる保護された入力を含むことができる。保護された入力は、スイッチおよびスイッチ出力が接続される下流のデバイスへの損傷を防止することができる。一例として、このようなアナログクロスポイントスイッチの入力は、入力信号の電圧が入力保護閾値を超えるのを防ぐ電圧クリッピング回路を含んでいてもよい。また、アクティブ電圧調整回路は、入力に存在する最大電圧が安全なしきい値を超えないように、入力信号を一様に減少させることで、入力信号をスケーリングする。別の例として、このようなアナログクロスポイントスイッチの入力には、最大入力保護電流閾値を超える電流がスイッチに入るのではなく、保護回路を介して迂回するようにする電流分流回路が含まれていてもよい。アナログスイッチの入力は、静電気や落雷から保護されている場合がある。アナログクロスポイントスイッチの入力に適用される他の信号調整機能には、有効な入力信号と入力上に存在する可能性のある低電圧ノイズとの区別を容易にしようとする電圧スケーリング回路が含まれる場合がある。しかし、実施形態では、アナログクロスポイントスイッチへの入力は、信号への影響を最小限にするために、バッファおよび/または保護されていない場合がある。アラーム信号などの信号や、本明細書で上述したスキームなどの保護スキームに容易に耐えられない信号は、アナログクロスポイントスイッチのバッファなしの入力に接続してもよい。
実施形態では、アナログクロスポイントスイッチは、入力信号のアラーム監視を容易にする回路、論理、および/または処理要素で構成されてもよい。そのようなアナログクロスポイントスイッチは、アラーム条件を満たす入力を検出し、それに応答して、入力を切り替え、入力から出力へのマッピングを切り替え、入力を無効にし、出力を無効にし、アラーム信号を発行し、汎用出力を活性化/非活性化するなどしてもよい。
実施形態では、産業環境でデータを収集するためのシステムは、入力保護装置、入力調整装置、スイッチ制御装置などの、アナログクロスポイントスイッチまたはアナログクロスポイントスイッチに関連する回路の一部を選択的にパワーアップまたはダウンするように適合されているアナログクロスポイントスイッチを含んでもよい。電源のオン/オフが可能なアナログクロスポイントスイッチの部分には、出力、入力、スイッチのセクションなどが含まれる。一例として、アナログクロスポイントスイッチは、スイッチの一部を独立して電力供給されるセクションに分離することができるモジュール構造を含んでいてもよい。基準を満たす入力信号や、アナログクロスポイントスイッチに提示される設定値などの条件に基づいて、1つまたは複数のモジュールセクションの電源をオン/オフすることができる。
実施形態では、産業環境でデータを収集するためのシステムは、電圧基準を交差する入力を検出するための電圧基準の提供(例えば、ゼロ交差信号を検出するためのゼロボルト)、低速周波数信号(例えば、低速の回転数/分信号)を捕捉し、それらの対応する位相を検出することを容易にするための位相ロックループ、他の入力に対する入力信号の位相の導出、基準(例えば、基準クロック)に対する入力信号の位相の導出、などを含むがこれらに限定されない信号処理を行うように適合されたアナログクロスポイントスイッチを含むことができる。他の入力との相対的な入力信号の位相の導出、基準(例えば、基準クロック)との相対的な入力信号の位相の導出、検出されたアラーム入力状態との相対的な入力信号の位相の導出などがある。このようなアナログクロスポイントスイッチの他の信号処理機能には、デルタシグマA/D用の入力のオーバーサンプリング、より低いサンプリングレートの出力の生成、AAフィルタ要件の最小化などが含まれる。このようなアナログクロスポイントスイッチは、入力が切り替わっても一定のサンプリングレートでのロングブロックサンプリングをサポートし、入力信号のレートに依存しないようにして、サンプリングスキームの複雑さを軽減することができる。一定のサンプリングレートは、基準クロックの複数のコンポーネントを利用可能にするクロック分周回路などの回路によって生成され得る複数のレートから選択されてもよい。
実施形態では、産業環境でデータを収集するためのシステムは、産業環境でのデータ収集/データルーティングテンプレートの実装をサポートするように適合されたアナログクロスポイントスイッチを含んでもよい。アナログクロスポイントスイッチは、1つ以上の基準(例えば、第1の条件から第2の条件への信号の遷移、予め定義された時間インターフェース内での入力信号の遷移の欠如(例えば、非アクティブ入力)など)を満たす入力信号など、それが検出または導出し得る産業環境内の条件に基づいて、データ収集/データルーティングテンプレートを実装してもよい。
実施形態では、産業環境でデータを収集するためのシステムは、データ収集テンプレートの一部から構成されるように適応されてもよいアナログクロスポイントスイッチを含んでもよい。設定は、テンプレート内の時間パラメータなどに基づいて、(設定動作や設定変更を行うために人の介入を必要とせずに)自動的に行われてもよい。設定は、アナログクロスポイントスイッチのスイッチ設定機能で検出可能な信号を遠隔地から送信するなどして、遠隔で行われてもよい。設定は、アナログクロスポイントスイッチの構成機能によって検出可能な条件(例えば、タイマー、入力条件、出力条件など)に基づいて、動的に行われてもよい。実施形態では、アナログクロスポイントスイッチを構成するための情報は、ストリーム、制御線のセット、データファイル、インデックス付きデータセットなどで提供されてもよい。実施形態では、スイッチのデータ収集テンプレートの構成情報は、各入力と対応する出力のリスト、各出力機能(アクティブ、インアクティブ、アナログ、デジタルなど)のリスト、構成を更新するための条件(例えば、条件を満たす入力信号、トリガ信号、時間(別の時間/イベント/状態に対する相対的なもの、または絶対的なもの)、構成の持続時間などを含んでもよい。実施形態では、スイッチの構成は、所定の出力に対する第1の入力から第2の入力への切り替えがプロトコルに基づいて発生するように、入力信号プロトコルを認識してもよい。一例では、第1のビデオ信号から第2のビデオ信号に切り替えるために、スイッチで構成変更を開始してもよい。構成回路は、入力信号のプロトコルを検出し、水平または垂直リフレッシュの間など、ビデオ信号の同期フェーズの間に第2のビデオ信号に切り替えてもよい。他の例では、スイッチングは、1つ以上の入力がゼロボルトであるときに発生してもよい。これは、ゼロボルト以下からゼロボルト以上に遷移する正弦波信号に対して発生する可能性がある。
実施形態では、産業環境でデータを収集するためのシステムは、スイッチに入力されたアナログ信号をデジタル出力に変換することによって、デジタル出力を提供するように適合されているアナログクロスポイントスイッチを含んでもよい。変換は、データ収集テンプレートなどに基づいて、アナログ入力を切り替えた後に行われてもよい。実施形態では、スイッチの出力の一部がデジタルで、一部がアナログであってもよい。各出力、またはそのグループは、データ収集テンプレートに含まれる、またはデータ収集テンプレートから得られるアナログクロスポイントスイッチ出力構成情報に基づいて、アナログまたはデジタルとして構成可能であってもよい。アナログクロスポイントスイッチの回路は、入力信号の電圧範囲を感知し、それに応じてアナログ/デジタル変換機能を賢く構成することができる。例として、第1の入力は12ボルトの電圧範囲を持ち、第2の入力は24ボルトの電圧範囲を持つことがある。これらの入力に対するアナログ-デジタル変換回路は、デジタル値の全範囲(例えば、8ビット信号の256レベル)が、第1の入力では12ボルトに、第2の入力では24ボルトに、実質的に直線的にマッピングされるように調整される。
実施形態において、アナログクロスポイントスイッチは、接続されたアナログ信号の特性に基づいて入力回路を自動的に構成することができる。回路構成の例は、最大電圧、感知された最大閾値に基づく閾値、接地基準より上及び/又は下の電圧範囲、オフセット基準等の設定を含んでもよい。また、アナログクロスポイントスイッチは、電圧信号、電流信号などをサポートするために入力を適応させてもよい。アナログクロスポイントスイッチは、ビデオ信号プロトコル、オーディオ信号プロトコル、デジタル信号プロトコル、入力信号周波数特性に基づくプロトコルなど、入力信号のプロトコルを検出してもよい。入力信号に基づいて適合され得るアナログクロスポイントスイッチの入力の他の態様は、信号のサンプリングの持続時間、および比較器または差動タイプの信号などを含んでもよい。
実施形態では、アナログクロスポイントスイッチは、アナログ信号が値を変えずに(例えば、一定の電圧)長期間にわたって通過したときに発生する可能性のある入力信号ドリフトおよび/またはリークを打ち消す機能を備えて構成されてもよい。技術的には、電圧ブースト、電流注入、周期的なゼロリファレンス(例えば、入力を一時的にグランドなどの基準信号に接続したり、グランドリファレンスに高抵抗の経路を適用したりすることなど)などがある。
実施形態では、産業環境におけるデータ収集のためのシステムは、コンベヤおよび/またはリフターからなる組立ラインに配置されたアナログクロスポイントスイッチを含むことができる。パワーローラコンベヤシステムは、経路に沿って製品を搬送する多くのローラを含む。ローラの適切な動作、ローラへの負荷、製品の蓄積などを監視することができる経路に沿った多くのポイントがあるかもしれない。また、パワーローラーコンベアシステムは、製品をより長い距離で移動させることを容易にするため、一度に多くの製品を搬送することができる。このような組立環境でデータを収集するシステムには、搬送経路に沿った多数の位置だけでなく、広範囲の条件を検出するセンサーが含まれる。製品が搬送経路を進むにつれて、あるセンサーはアクティブになり、他のセンサー(製品が通過したセンサーなど)は非アクティブになることがある。データ収集システムは、アナログクロスポイントスイッチを使用して、非アクティブなセンサーに接続する入力をアクティブなセンサーに接続する入力に切り替えることにより、現在または将来アクティブになると予想されるセンサーのみを選択し、それによって最も有用なセンサー信号をデータ検出および/または収集および/または処理設備に提供することができる。実施形態では、アナログクロスポイントスイッチは、製品アクティビティを監視し、組立環境に関連する制御プログラムまたはデータ収集テンプレートに基づいて、異なる入力を特定の出力に向けるようにアナログクロスポイントスイッチに指示するコンベア制御システムによって構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業部品としてのファンの使用からなる工場に配備されたアナログクロスポイントスイッチを含むことができる。実施形態では、工場環境におけるファンは、乾燥、排気管理、清浄な空気の流れなどを含む様々な機能を提供することができる。多数のファンが設置されている場合、ファンの回転速度やトルクなどを監視することは、ファンによって生成される空気の流れに関する潜在的な問題を早期に検出するのに有益な場合がある。しかし、多数のファンについてこれらの要素を同時に監視することは、効率が悪い場合がある。そこで、タコメーターやトルクメーターなどのセンサーを各ファンに配置し、それらのアナログ出力信号をアナログクロスポイントスイッチに供給することができる。限られた数の出力、または少なくともセンサデータを処理できるシステムの数が限られている場合、アナログクロスポイントスイッチを使用して、多数のセンサの中から選択し、利用可能なセンサ信号のサブセットをデータ収集、監視、および処理システムに伝えることができる。一例として、ファンのグループに配置されたセンサーからのセンサー信号を選択して、クロスポイントスイッチの出力に切り替えることができる。このファングループのセンサー信号を十分に収集および/または処理した後、アナログクロスポイントスイッチを再構成して、処理すべき別のファングループからの信号を切り替えることができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、タービンベースの電力システムの産業コンポーネントとして配備されたアナログクロスポイントスイッチを含むことができる。水力発電システムなどのタービンシステムにおける振動の監視は、ダウンタイムの短縮という利点をもたらすことが実証されている。しかし、振動を監視する箇所が多く、特にオンライン振動監視では、相対軸振動、軸受絶対振動、タービンカバー振動、スラスト軸受軸方向振動、ステータコア振動、ステータバー振動、ステータ端部巻線振動などがあり、これらの振動の種類ごとにセンサーからサンプルを数個ずつ採取するなど、時間をかけてこのリストの中から選択することが有益な場合がありました。アナログクロスポイントスイッチを含むデータ収集システムでは、各振動センサをアナログクロスポイントスイッチの別々の入力に接続し、スイッチをその入力のサブセットを出力するように構成することで、この機能を提供することができる。コンピュータなどの振動データ処理システムは、どのセンサをアナログクロスポイントスイッチに通すかを決定し、それに応じて振動解析を行うアルゴリズムを構成することができる。一例として、タービンカバーの振動を捕捉するためのセンサをアナログクロスポイントスイッチで選択し、センサ信号からタービンカバーの振動を判定するアルゴリズムを構成したシステムに渡すことができる。タービンカバーの振動判定が完了したら、クロスポイントスイッチにスラストベアリングの軸方向の振動センサ信号を渡して、対応する振動解析アルゴリズムを適用するように構成してもよい。このようにして、各タイプの振動は、処理のために特定のセンサ信号を渡すために、アナログクロスポイントスイッチと協力して動作する単一の処理システムによって解析されることができる。
図34を参照すると、産業環境でデータを収集するためのアナログクロスポイントスイッチが描かれている。アナログクロスポイントスイッチ7022は、産業環境内のセンサ7026に接続する複数の入力7024を有してもよい。また、アナログクロスポイントスイッチ7022は、アナログ-デジタル変換器7030、アナログ比較器7032などのデータ収集インフラストラクチャに接続する複数の出力7028を備えてもよい。アナログクロスポイントスイッチ7022は、コントローラ7034などによってそれに提供され得るスイッチ制御値を解釈することによって、1つまたは複数の入力7024を1つまたは複数の出力7028に接続することを容易にしてもよい。
産業環境におけるデータ収集のための例示的なシステムは、複数の入力および複数の出力を含むアナログクロスポイントスイッチの少なくとも1つの入力にそれぞれ接続するアナログ信号源を含み、アナログクロスポイントスイッチは、入力信号源の一部を複数の出力に切り替えるように構成可能である。
2.特定の実施形態では、アナログクロスポイントスイッチは、クロスポイントスイッチに入力されるアナログ信号の一部を代表的なデジタル信号に変換するアナログ-デジタル変換器をさらに含み、出力の一部はアナログ出力を含み、出力の一部はデジタル出力を含み、および/または、アナログクロスポイントスイッチは、1つまたは複数のアナログ入力信号条件を検出するように適合される。例示された実施形態のいずれか1つ以上は、アナログ入力信号条件が信号の電圧範囲を含み、アナログクロスポイントスイッチが、検出された電圧範囲に準拠するように入力回路を応答的に調整する場合を含む。
産業環境におけるデータ収集の例示的なシステムは、多数の産業センサによって感知されている環境内の産業機械の状態を代表するアナログ信号を生成する多数の産業センサと、アナログ信号を受信し、クロスポイントスイッチに提示された信号ルートプランに基づいて、クロスポイントスイッチの別々のアナログ出力にアナログ信号をルーティングするクロスポイントスイッチとを含む。特定の実施形態では、アナログクロスポイントスイッチは、クロスポイントスイッチに入力されるアナログ信号の一部を代表的なデジタル信号に変換するアナログデジタル変換器をさらに含み、出力の一部はアナログ出力を含み、出力の一部はデジタル出力を含み、アナログクロスポイントスイッチは、1つ以上のアナログ入力信号条件を検出するように適合され、1つ以上のアナログ入力信号条件は、信号の電圧範囲を含み、および/または、アナログクロスポイントスイッチは、検出された電圧範囲に準拠するように入力回路を応答的に調整することができる。
産業環境におけるデータ収集の例示的な方法は、複数のアナログ信号をアナログクロスポイントスイッチの入力に個別に接続することによって、複数のアナログ信号経路に沿ってルーティングすることと、産業環境ルーティングのためのデータ収集テンプレートからのデータルーティング情報でアナログクロスポイントスイッチを構成することと、構成されたアナログクロスポイントスイッチで、複数のアナログ信号経路の一部に、複数のアナログ信号の一部をルーティングすることと、を含む。特定のさらなる実施形態では、アナログクロスポイントスイッチの少なくとも1つの出力は、高電流ドライバ回路を含み、アナログクロスポイントスイッチの少なくとも1つの入力は、電圧制限回路を含み、および/または、アナログクロスポイントスイッチの少なくとも1つの入力は、電流制限回路を含む。特定のさらなる実施形態では、アナログクロスポイントスイッチは、多数の入力のいずれかを複数の出力のいずれかに接続することを容易にする多数の相互接続されたリレーを含み、アナログクロスポイントスイッチは、クロスポイントスイッチに入力されるアナログ信号の一部を代表的なデジタル信号に変換するアナログ-デジタル変換器をさらに含み、アナログクロスポイントスイッチは、1つまたは複数のアナログ入力信号の状態を検出する信号処理機能をさらに含み、それに応答して、アクションを実行する(例えばアラームの設定、スイッチ構成の変更、1つ以上の出力の無効化、スイッチの一部の電源オフ、汎用(デジタル/アナログ)出力の状態変更など)を行う。出力の一部がアナログ出力であり、出力の一部がデジタル出力である場合、アナログクロスポイントスイッチが1つ以上のアナログ入力信号状態を検出するように適合されている場合。アナログクロスポイントスイッチが、1つ以上のアナログ入力信号条件を検出することに応答して、1つ以上のアクションを取るように適合されており、該1つ以上のアクションが、アラームを設定すること、アラーム信号を送信すること、アナログクロスポイントスイッチの構成を変更すること、出力を無効にすること、アナログクロスポイントスイッチの一部の電源を切ること、アナログクロスポイントスイッチの一部の電源を入れること、および/または、アナログクロスポイントスイッチの汎用出力を制御することを含む。
例示的なシステムは、アナログクロスポイントスイッチの説明された動作のいずれかを含む、コンベヤのパワーローラを含む。限定されないが、さらなる例示的な実施形態は、パワーローラの回転速度、パワーローラによって搬送されている負荷、パワーローラによって消費されている電力、および/またはパワーローラの加速速度を決定するために、センサによってパワーローラの状態を感知することを含む。例示的なシステムは、アナログクロスポイントスイッチの説明された操作のいずれかを含む、工場設定のファンを含む。限定されるものではないが、特定のさらなる実施形態は、ファンブレードの先端速度、トルク、背圧、RPM、および/またはファンによって置換される単位時間当たりの空気量を含む、ファンの状態を感知するために配置されたセンサを含む。例示的なシステムは、アナログクロスポイントスイッチの説明された動作のいずれかを含む、発電環境におけるタービンを含む。限定されないが、特定のさらなる実施形態は、タービンの状態を感知するように配置された多数のセンサを含み、感知された状態は、相対的なシャフトの振動、ベアリングの絶対的な振動、タービンカバーの振動、スラストベアリングの軸方向の振動、ステータまたはステータコアの振動、ステータバーの振動、および/またはステータエンドの巻線の振動を含む。
実施形態では、産業環境におけるデータ収集の方法およびシステムは、複数の産業状態感知および取得モジュールを含んでもよく、このモジュールは、モジュールごとに、そのモジュールの感知および取得機能の一部を制御することができる少なくとも1つのプログラマブルロジックコンポーネントを含んでもよい。各モジュールのプログラマブル・ロジック・コンポーネントは、データおよび制御チャネルを含む専用ロジックバスによって相互に接続されている。専用ロジックバスは、他のセンシングおよびアクイジションモジュール上の他のプログラマブル・ロジック・コンポーネントに論理的および/または物理的に拡張することができる。実施形態では、プログラマブルロジックコンポーネントは、専用相互接続バスを介して、専用相互接続バスの専用プログラミング部分を介して、プログラマブルロジックコンポーネント、センシングおよびアクイジションモジュール、またはシステム全体の間で受け渡されるプログラムを介して、プログラムされてもよい。産業環境データ感知および取得システムで使用するためのプログラマブルロジックコンポーネントは、複合プログラマブルロジックデバイス、特定用途向け集積回路、マイクロコントローラ、およびそれらの組み合わせであってもよい。
産業用データ収集環境におけるプログラマブルロジックコンポーネントは、データ収集に関連する制御機能を実行することができる。制御例としては、アナログチャネル、センサ、アナログレシーバ、アナログスイッチ、プログラマブルロジックコンポーネントが配置されているロジックモジュール(例えば、ロジックボード、システムなど)の一部の電力制御、セルフパワーアップ/ダウン、セルフスリープ/ウェイクアップなどがある。これらなどの制御機能は、1つのデータ収集モジュール上の他のコンポーネントや他のそのようなモジュール上のコンポーネントなど、他のプログラマブルロジックコンポーネントの制御機能および動作機能と協調して実行されてもよい。プログラマブルロジックコンポーネントが提供し得る他の機能には、入力信号の状態検出のための正確な電圧基準などの電圧基準の生成が含まれ得る。プログラマブル・ロジック・コンポーネントは、リファレンスの電圧やその許容範囲などを生成、設定、リセット、調整、較正、またはその他の方法で決定することができる。プログラマブルロジックコンポーネントの他の機能としては、デジタル位相ロックループを有効にして、ゆっくりと変化する入力信号の追跡を容易にし、さらにその信号の位相の検出を容易にすることができる。また、トリガー信号、他のアナログ入力、オンボードリファレンス(オンボードタイマーなど)に対する相対的な位相検出も実施することができる。プログラマブルロジックコンポーネントは、入力信号のピーク電圧検出を行い、入力の動作電圧範囲への入力の自動スケーリングを実施するなど、入力信号回路を制御するようにプログラムすることができる。プログラマブルロジックコンポーネントにプログラムされ得る他の機能には、入力をその動作周波数とは無関係にサンプリングするための適切なサンプリング周波数を決定することが含まれる場合がある。プログラマブルロジックコンポーネントは、複数の入力信号の中から最大周波数を検出し、検出された最大周波数よりも大きいサンプリング周波数を各入力信号に対して設定するようにプログラムされてもよい。
プログラマブルロジックコンポーネントは、産業環境のためのデータ収集テンプレートを実装するために、マルチプレクサ、クロスポイントスイッチ、アナログ/デジタルコンバータなどのデータルーティングコンポーネントを構成および制御するようにプログラムされてもよい。データ収集テンプレートは、プログラマブル・ロジック・コンポーネントのプログラムに含まれていてもよい。また、データ収集テンプレートを解釈して、産業環境のデータルーティングリソースを設定・制御するアルゴリズムをプログラムに含めてもよい。
実施形態では、産業環境における1つまたは複数のプログラマブルロジックコンポーネントは、スマートバンドの信号解析およびテストを実行するようにプログラムされてもよい。そのような解析およびテストの結果は、産業環境における1つまたは複数のデータルーティングリソースを再構成することを含む、スマートバンドデータ収集アクションをトリガすることを含んでもよい。プログラマブルロジックコンポーネントは、プログラマブルロジックコンポーネントにローカルである可能性がある1つまたは複数のセンサからの信号アクティビティの収集および検証など、スマートバンド解析の一部を実行するように構成されてもよい。複数のプログラマブルロジックコンポーネントからのスマートバンド信号解析結果は、他のプログラマブルロジックコンポーネント、サーバ、機械学習システムなどによってさらに処理され、スマートバンドのコンプライアンスを決定してもよい。
実施形態では、産業環境内の1つまたは複数のプログラマブルロジックコンポーネントは、電力消費の削減(例えば、必要に応じてリソースの電源をオン/オフする)、ユーザ認証を管理することによる産業環境内のセキュリティの実装などの成果のために、データルーティングリソースおよびセンサを制御するようにプログラムされてもよい。実施形態では、マルチプレクサなどの特定のデータルーティングリソースは、特定の入力信号タイプをサポートするように構成されてもよい。プログラマブルロジックコンポーネントは、リソースにルーティングされる信号のタイプに基づいて、リソースを構成してもよい。実施形態では、プログラマブルロジックコンポーネントは、ルーティングリソースに提示するプロトコルまたは信号タイプを構成可能なセンサに示すことにより、センサおよびデータルーティングリソースの信号タイプマッチングの調整を容易にすることができる。プログラマブルロジックコンポーネントは、アナログクロスポイントスイッチなどのデータルーティングリソースに入力される信号のプロトコルを検出することを容易にしてもよい。検出されたプロトコルに基づいて、プログラマブルロジックコンポーネントは、プロトコルのサポートと効率的な処理を促進するためにルーティングリソースを構成してもよい。一例として、産業環境におけるデータ収集モジュールを構成するプログラマブルロジックコンポーネントは、IEEE1451.2インテリジェントセンサインタフェース仕様などのインテリジェントセンサインタフェース仕様を実装してもよい。
実施形態では、産業環境における複数のデータ感知、収集、および/またはルーティングモジュールにプログラマブルロジックコンポーネントを分散させることで、より大きな機能性とローカルな相互運用制御を促進することができる。一例として、モジュールは、各モジュールに関連する1つまたは複数のプログラマブルロジックコンポーネントにインストールされたプログラムに基づいて、独立して動作機能を実行することができる。2つのモジュールは、実質的に同一の物理的コンポーネントで構成されているが、モジュール上のプログラマブルロジックコンポーネントにロードされたプログラムに基づいて、産業環境において異なる機能を実行することがある。このようにして、1つのモジュールに障害が発生したり、電源が切断されたりしても、他のモジュールは、それぞれのプログラマブルロジックコンポーネントを少なくとも部分的に持っているため、その機能を実行し続けることができる。実施形態では、産業環境の複数のデータ収集モジュールに分散された複数のプログラマブルロジックコンポーネントを構成することで、感知される環境の条件、産業環境全体で感知されたデータをルーティングするためのデータルーティングオプションの数、感知される条件の種類、環境のコンピューティング能力などの点で、スケーラビリティを促進することができる。
実施形態では、プログラマブルロジックコントローラで構成されたデータ収集およびルーティングシステムは、分散型台帳などのストレージノードとして使用するための外部システムの検証を容易にすることができる。プログラマブルロジックコンポーネントは、外部ストレージノードなどのそのような外部システムと通信するためのプロトコルの検証を実行するようにプログラムされてもよい。
実施形態では、CPLDなどのプログラマブル・ロジック・コンポーネントのプログラミングは、データの感知、収集、および構成の違いの範囲に対応するために実行されてもよい。実施形態では、センサを追加および/または削除するとき、センサの種類を変更するとき、センサの構成または設定を変更するとき、データストレージの構成を変更するとき、データ収集テンプレート(複数可)をデバイスプログラムに埋め込むとき、データ収集モジュールを追加および/または削除するとき(例えば、システムをスケーリングするとき)、高コストのデバイスよりも機能またはリソースを制限する可能性がある低コストのデバイスを使用するときなどに、1つまたは複数のコンポーネントで再プログラミングを実行してもよい。プログラマブルロジックコンポーネントは、専用のプログラマブルロジックデバイスプログラミングチャネルを介して、デイジーチェーンプログラミングアーキテクチャを介して、プログラマブルロジックコンポーネントのメッシュを介して、相互接続されたコンポーネントのハブアンドスポークアーキテクチャを介して、リング構成(例えば、通信トークンを使用するなど)を介して、他のプログラマブルコンポーネントのためのプログラムを伝播するようにプログラムされてもよい。
実施形態では、専用の制御バスによって接続された分散型プログラマブルロジックデバイスからなる産業環境におけるデータ収集のためのシステムが、油田および/またはガス田などの石油およびガス採取環境における掘削機とともに配備されてもよい。掘削機は、掘削作業中に操作、監視、および調整される可能性のある多くのアクティブな部分を有する。クラウンブロックを監視するセンサは、噴出防止装置などを監視するセンサから物理的に分離されている場合がある。このような広範囲で多様なセンサの制御を効果的に維持するために、Complex Programmable Logic Device(「CPLD」)などのプログラマブル・ロジック・コンポーネントを掘削機全体に分散させることができる。各CPLDは、限られたセンサ群の操作を容易にするプログラムで構成されているが、CPLDの少なくとも一部は、センサの制御、操作、および使用の調整を容易にするために、専用バスで接続されていてもよい。一例として、流量、密度、泥水タンクのレベルなどを監視するために、一連のセンサが泥水ポンプなどの近辺に配置されてもよい。各センサ(またはセンサ群)に1つ以上のCPLDを配置して、センサやセンサ信号のルーティングや収集リソースを操作することがある。このマッドポンプに搭載されているCPLDグループは、センサおよびデータ収集リソースの制御などの調整を容易にするために、専用の制御バスによって相互に接続されてもよい。この専用バスは、物理的および/または論理的にドリルマシンの泥水ポンプ制御部分を超えて拡張し、他の部分(例えば、クラウンブロックなど)のCPLDがドリルマシンの部分を介してデータ収集および関連活動を調整できるようにしてもよい。
実施形態では、専用の制御バスによって接続された分散型プログラマブルロジックデバイスからなる産業環境におけるデータ収集のためのシステムが、石油および/またはガス田などの石油およびガスの収穫環境におけるコンプレッサとともに配備されてもよい。コンプレッサは、石油・ガス産業において、様々なガスを圧縮するために使用され、その目的には、フラッシュガス、ガスリフト、再注入、ブースティング、蒸気回収、ケーシングヘッドなどが含まれる。これらの異なる圧縮機機能のためにセンサーからデータを収集するには、実質的に異なる制御体制が必要になる場合がある。異なる制御方式でプログラムされたCPLDを分散させることは、これらの多様なデータ収集要件に対応するためのアプローチである。1つまたは複数のCPLDは、異なる圧縮機機能のためのセンサのセットと一緒に配置される。専用の制御バスを使用して、圧縮機のインスタンス内およびインスタンス間でのCPLDの制御およびプログラミングを調整することができる。一例として、CPLDは、フラッシュガス圧縮のための圧縮機関連条件を収集するために配置されたセンサのためのデータ収集インフラストラクチャを管理するように構成されてもよく、第2のCPLDまたはCPLD群は、蒸気回収ガス圧縮のための圧縮機関連条件を収集するために配置されたセンサのためのデータ収集インフラストラクチャを管理するように構成されてもよい。これらのCPLD群は、制御プログラムを動作させてもよい。
実施形態では、専用の制御バスによって接続された分散型プログラマブルロジックデバイスからなる産業環境におけるデータ収集のためのシステムは、モジュール式インパルス蒸気タービンなどの石油・ガス生産用タービンを有する製油所に配備されてもよい。インパルス式蒸気タービンからデータを収集するシステムは、インパルス式蒸気タービンの特定の機能に適合した複数の状態検知・収集モジュールで構成される場合がある。これらのモジュールとともにCPLDを配置することで、個々の設備に合わせたデータ収集が可能になる。例えば、先端回転数、ブレードの温度上昇、インパルス圧力、ブレードの加速率などのブレードの状態は、これらの状態を検知するセンサーを備えたデータ収集モジュールで収集することができる。他のモジュールは、バルブに関連するデータを収集するように構成されていてもよい(例えば、マルチバルブ構成では、1つまたは複数のモジュールが各バルブまたはバルブのセットに対して構成されていてもよい)。さらに、インパルスガスタービンシステムは、複合サイクルシステム、コージェネレーションシステム、太陽光発電システム、風力発電システム、水力発電システムなど、他のシステムと一緒に設置される場合がある。このようなシステムでは、データ収集の要件も異なる。CPLDを使用したモジュール式データ収集システムでは、CPLD専用の相互接続バスを使用することで、各モジュールをシャットダウンしたり、物理的にアクセスしたりすることなく、各モジュールのプログラミングおよび/またはリプログラミングをその場で直接行うことができる。
図35を参照すると、その制御および/またはプログラミングのためにバスで相互接続された分散型CPLDを含む、産業環境におけるデータ収集のためのシステムの例示的な実施形態が描かれている。例示的なデータ収集モジュール7200は、センサ7202などの1つまたは複数のデータ収集システムリソースを制御するための1つまたは複数のCPLD7206を含んでもよい。CPLDが制御する他のデータ収集リソースは、クロスポイントスイッチ、マルチプレクサ、データ変換器などを含んでもよい。モジュール上のCPLDは、データ収集モジュールを超えて他のデータ収集モジュール上のCPLDまで拡張することができる専用ロジックバス7204などのバスによって相互に接続されてもよい。モジュール7200などのデータ収集モジュールは、産業機械7208(例えば、インパルスガスタービン)および/または7210(例えば、コージェネレーションシステム)などの環境下で構成されてもよい。CPLDの制御および/または構成は、環境内のコントローラ7212によって処理されてもよい。データ収集およびルーティングリソースおよび相互接続(図示せず)はまた、データ収集、ルーティング、保存、解析などを容易にするために、データ収集モジュール7200内およびデータ収集モジュール7200間、ならびに産業機械7208および7210の間および産業機械72010の間、および/またはインターネットポータル、データ解析サーバなどの外部システムとの間で構成されてもよい。
産業環境におけるデータ収集のための例示的なシステムは、複数の産業状態感知および取得モジュールを含み、モジュールのそれぞれに配置されたプログラマブルロジックコンポーネントを備え、プログラマブルロジックコンポーネントは、対応するモジュールの感知および取得機能の一部を制御する。システムは、複数のモジュールのうちの少なくとも1つに配置された少なくとも1つのプログラマブルロジックコンポーネントを相互に接続する専用の通信バスを含み、通信バスは、他のセンシングおよびアクイジションモジュール上の他のプログラマブルロジックコンポーネントにまで延びている。
特定のさらなる実施形態では、システムは、通信バスを介してプログラムされたプログラマブルロジックコンポーネントを含み、通信バスは、プログラマブルロジックコンポーネントのプログラミングに専用の部分を含み、センサ、マルチプレクサ、モジュールの一部の電力を制御すること、および/またはプログラマブルロジックコンポーネントのスリープモードを制御することなどの電力制御機能によって、モジュールの感知および取得機能の一部を制御する。センサー、マルチプレクサ、モジュールの一部の電力を制御したり、プログラマブルロジックコンポーネントのスリープモードを制御したりする電力制御機能と、モジュール上に配置されたセンサーおよび/またはアナログ/デジタルコンバータに電圧基準を提供したり、モジュール上に配置された少なくとも2つのセンサーから得られた少なくとも2つのアナログ信号の相対的な位相を検出したりすることによって、モジュールのセンシングおよびアクイジション機能の一部を制御する機能とを備えている。モジュール上に配置された少なくとも1つのセンサーから提供されるデータのサンプリングを制御すること、モジュール上に配置されたセンサーから提供される信号のピーク電圧を検出すること、および/または、モジュール上に配置された少なくとも1つのマルチプレクサを構成し、少なくとも1つの入力と1つの出力のマッピングをマルチプレクサに指定することによって、モジュール上に配置された少なくとも1つのマルチプレクサを構成すること。特定の実施形態では、通信バスは、他の状態検知および/または取得モジュール上の他のプログラマブル・ロジック・コンポーネントまで拡張される。特定の実施形態では、モジュールは、産業環境条件感知モジュールであってもよい。特定の実施形態では、モジュール制御プログラムは、IEEE1451.2互換のインテリジェントセンサインタフェース通信プロトコルなどのインテリジェントセンサインタフェース通信プロトコルを実装するためのアルゴリズムを含む。特定の実施形態では、プログラマブルロジックコンポーネントは、スマートバンドデータ収集テンプレートを実装するように、プログラマブルロジックコンポーネントおよび/またはセンシングモジュールもしくは取得モジュールを構成することを含む。例示的かつ非限定的なプログラマブルロジックコンポーネントには、フィールドプログラマブルゲートアレイ、複合プログラマブルロジックデバイス、および/またはマイクロコントローラが含まれる。
例示的なシステムは、石油・ガス田用の掘削機を含み、掘削機の側面を監視するための状態検知および/または取得モジュールを備える。限定されるものではないが、さらなる例示的システムは、圧縮機の監視および/またはインパルス蒸気機関の監視を含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、信号マルチプレクサの共通出力を共有するトリガ信号および少なくとも1つのデータ信号を含み、トリガ信号の状態などの産業環境における条件を検出すると、データ信号またはトリガ信号のいずれかを伝搬するように共通出力が切り替えられる場合がある。また、データ信号とトリガー信号の出力を共有することで、産業環境において個別に配線される信号の数を減らすことができる。個別に配線された信号を減らすことの利点には、データ収集モジュール間の相互接続の数を減らし、産業環境の複雑さを軽減することが含まれる。個別に配線された信号を減らすためのトレードオフには、信号の検出と条件付きスイッチングを実装するために、信号スイッチングモジュールのロジックをより高度にすることが含まれる場合がある。このような局所的な論理の複雑さが加わることで、産業環境におけるこのようなデータ収集システムの実装の複雑さが全体的に軽減されるという利点がある。
例示的な展開環境には、トリガ検出を実行するのに十分な計算能力を有するモジュールに追加のトリガ信号を伝送するための別個のトリガサポートを有していない既存のデータ収集システムなど、トリガ信号チャネルの制限がある環境が含まれ得る。また、別の例示的な展開には、データ収集を行うために少なくとも何らかの自律的な制御を必要とするシステムが含まれる場合がある。
実施形態では、産業環境におけるデータ収集のためのシステムは、第1の入力の状態に基づいて、トリガ入力などの第1の入力と、データ入力などの第2の入力との間で切り替わるアナログスイッチを含んでもよい。トリガー入力は、アナログスイッチの一部によって監視され、基準電圧またはトリガー閾値電圧に対する低電圧から高電圧への変化など、信号の変化を検出してもよい。実施形態では、アナログスイッチから切り替えられた信号を受信する可能性のあるデバイスは、トリガー入力からデータ入力への切り替えの条件を示す条件についてトリガー信号を監視してもよい。トリガー入力の条件が検出された場合、アナログスイッチは、データ入力をトリガー出力を伝播していたのと同じ出力に向けるように、再構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、アナログスイッチの出力が、第2の入力をアナログスイッチの出力に向けるべきであることを示すまで、第1の入力をアナログスイッチの出力に向けるアナログスイッチを含んでもよい。アナログスイッチの出力は、トリガ信号を出力に伝搬させることができる。スイッチを伝搬するトリガ信号が、第1の条件(例えば、トリガ閾値電圧値を下回る第1の電圧)から第2の条件(例えば、トリガ閾値電圧値を上回る第2の電圧)に遷移することに応答して、スイッチは、トリガ信号の伝搬を停止し、代わりに別の入力信号を出力に伝搬してもよい。実施形態では、トリガー信号と他のデータ信号は関連していてもよく、例えば、トリガー信号はコンベア上に置かれている物体の存在を示し、データ信号はコンベア上に置かれている歪みを表していてもよい。
実施形態では、トリガ条件のタイムリーな検出を容易にするために、アナログスイッチの出力のサンプリングレートを調整可能にして、例えば、トリガ信号が伝播している間はサンプリングレートを高くし、データ信号が伝播している間はサンプリングレートを低くすることができる。あるいは、トリガ信号またはデータ信号のいずれかに対して、サンプリングのレートを固定してもよい。実施形態では、サンプリングのレートは、トリガ発生からトリガ検出までの所定の時間に基づいて、データ信号を捕捉するための最小のサンプルレートよりも速くてもよい。
実施形態では、階層的に編成された複数のトリガを別のアナログチャネルにルーティングすることで、産業環境における階層的なデータ収集トリガ構造の実装を容易にすることができる。階層型トリガ信号アーキテクチャを実装するためのデータ収集テンプレートは、アナログクロスポイントスイッチまたはマルチプレクサなどの信号スイッチ設備が、階層内の第1の入力トリガを出力し、第1のトリガ条件が検出されたことに基づいて、入力から出力への内部マッピングを変更することにより、第1の入力トリガと同じ出力に階層内の第2の入力トリガを出力することを容易にする可能性がある信号スイッチ構成および機能データを含んでもよい。第2の入力トリガ条件が検出されると、出力は、産業環境におけるセンサからのデータなどのデータ信号に切り替えられてもよい。
実施形態では、トリガー状態を検出すると、トリガー信号からデータ信号への切り替えに加えて、アラームが生成され、任意でより高機能なデバイス/モジュールに伝搬される場合がある。また、データ信号への切り替えに加え、トリガーの状態を検出すると、無効化されていたり、電源が切れていたりするセンサーが、新たに選択されたデータ信号のデータ生成を開始するために、通電/起動される場合がある。活性化には、センサーにリセット信号やリフレッシュ信号を送ることも含まれる。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業車両のギアボックスに関連してデータ信号経路にトリガ信号をルーティングするためのシステムを含んでもよい。データ信号にも使用される信号経路にトリガ信号を組み合わせることは、ギアボックスのアプリケーションにおいて、配線が必要な信号線の数を減らすことで有用であり、一方で、作動油の圧力変化などに基づくデータ収集などの高度な機能を可能にする。例えば、低速時に高いトルクを得るために作動油の流れをインペラに戻す際に発生する、ある閾値を超えた作動油の圧力差を検出するようにセンサーを構成することができる。このようなセンサーの出力は、低速運転時のギアボックスに関するデータを収集するためのトリガーとして構成することができる。一例として、産業用のデータ収集システムは、マルチプレクサまたはスイッチを備えており、トリガまたはデータチャネルのいずれかを単一の信号経路でルーティングすることができる。圧力センサーからのトリガー信号を検出すると、コントロールのセットを切り替えることによって、トリガー信号がルーティングされたのと同じラインに異なる信号がルーティングされることがある。マルチプレクサは、例えば、出力をデータ信号に変更すべきであることを示すトリガ信号が検出されるまで、トリガ信号を出力してもよい。高圧状態を検出した結果、データ収集アクティビティが起動し、トリガー信号が最近使用したのと同じラインを使用してデータを収集できるようにしてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、トラックおよび自動車の動作のための車両サスペンションに関連して、データ信号経路上にトリガ信号をルーティングするためのシステムを含んでもよい。車両サスペンション、特にアクティブサスペンションは、道路イベント、サスペンションの状態、および速度、ステアリングなどの車両データを検出するためのセンサを含んでもよい。これらの条件は、例えばトリガー条件の検出時を除いて、常に検出する必要はないかもしれない。したがって、トリガー条件信号と少なくとも1つのデータ信号を1つの物理的な信号ルーティングパス上に組み合わせることが実装され得る。そうすることで、このようなデータ収集システムに必要な物理的な接続が少なくなるため、コストを削減することができる。一例として、センサーは、ポットホールなど、サスペンションが反応しなければならない状態を検出するように構成されている場合がある。サスペンションからのデータは、この道路状況トリガー信号と同じ信号ルーティング経路に沿ってルーティングされ、ポットホールの検出時に、ポットホールに対するサスペンションの反応の側面を決定するのに役立つデータが収集されるようにしてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、発電所の発電用タービンに関連して、データ信号経路上にトリガ信号をルーティングするためのシステムを含んでもよい。発電に使用されるタービンは、より大きなデータ収集機能を実装するために既存のデータ信号路を最適化するデータ収集システムで後付けされてもよい。そのような方法の一つに、新しいデータソースを既存のライン上にルーティングする方法がある。一般的には信号を多重化することで対応するが、マルチプレクサなどを介してトリガ信号とデータ信号を組み合わせることで、データ収集の効率をさらに高めることができる。一例として、第1のセンサーには、温度センサーが含まれている。発電タービンの側面の温度を測定するためのセンサー。そのトリガーが検出されると(例えば、温度が熱閾値を超えて上昇することにより)、データ収集システムコントローラは、トリガー条件を検出するために使用されたのと同じラインを介して異なるデータ収集信号を送信してもよい。これは、コントローラなどがトリガ信号の変化条件を検知し、マルチプレクサに信号を送って、トリガ信号からデータ収集用のトリガ信号と同じラインに出力されるデータ信号に切り替えることで実現されてもよい。この例では、タービンに安全温度閾値を超える部分があることが検出された場合、二次安全信号がトリガー信号経路上にルーティングされ、過熱などの追加の安全状態を監視することができる。
図36を参照すると、産業環境におけるデータ収集システムにおいてデータ信号経路上にトリガ信号をルーティングする一実施形態が描かれている。信号マルチプレクサ7400は、センサまたは他のトリガソース7404からの第1の入力上のトリガ信号と、環境7402内の産業機械に関連する温度を検出するためのセンサからの第2の入力上のデータ信号とを受信してもよい。マルチプレクサ7400は、トリガ信号を出力信号経路7406に出力するように構成されてもよい。データ収集モジュール7410は、データパス7406上の信号を処理して、トリガセンサ7404からマルチプレクサ7400を介して提供されるトリガ条件を示す信号の変化を探してもよい。検出されると、制御出力7408が変更されてもよく、それによって、出力7406にルーティングされ得る入力のうちの1つ以上を制御し得る内部スイッチなどを切り替えることによって、温度プローブ7402からのデータの出力を開始するようにマルチプレクサ7400を制御してもよい。データ収集設備7410は、検出されたトリガに応答して、マルチプレクサを切り替えること、およびトリガされたデータ記憶装置7412にデータを収集することを含むことができるデータ収集テンプレートを起動してもよい。データ収集活動の完了時に、マルチプレクサ制御信号7408は、トリガセンサ7404が再び監視され得るように、その初期状態に戻ってもよい。
産業環境におけるデータ収集のための例示的なシステムは、アナログスイッチの出力が第2の入力をアナログスイッチの出力に向けるべきであることを示すまで、第1の入力をアナログスイッチの出力に向けるアナログスイッチを含む。特定のさらなる実施形態において、例示的なシステムは、アナログスイッチの出力が、保留状態からトリガされた状態に遷移する出力に基づいて、第2の入力が出力に向けられるべきであることを示した場合、そして、トリガされた状態が、トリガ電圧値以上の電圧を提示する出力を検出することを含む場合、第2の入力が出力に向けられるべきであることを示すアナログスイッチの出力に応答して、アナログスイッチの入力からアナログスイッチの出力へ、アナログスイッチを用いて多数の信号をルーティングすること、アナログスイッチに入力される多数の信号の遷移速度を超える速度でアナログスイッチの出力をサンプリングすること、および/またはアナログスイッチの出力が第2の入力をアナログスイッチの出力に向けるべきであることを示すときにアラーム信号を生成すること、を含む。
産業環境におけるデータ収集のための例示的なシステムは、第1の入力の状態に基づいて第1の入力と第2の入力との間を切り替えるアナログスイッチを含む。特定のさらなる実施形態では、第1の入力の状態は、第1の入力がトリガされた状態を提示することを含み、および/または、トリガされた状態は、第1の入力がトリガ電圧値を超える電圧を提示することを検出することを含む。特定の実施形態では、アナログスイッチは、第1の入力の状態に基づいて、アナログスイッチ上の入力からアナログスイッチ上の出力へと、アナログを有する複数の信号をルーティングすること、アナログスイッチに入力される複数の信号の遷移速度を超える速度でアナログスイッチの入力をサンプリングすること、および/または、第1の入力の状態に基づいてアラーム信号を生成することを含む。
産業環境におけるデータ収集のための例示的なシステムは、信号マルチプレクサの共通出力を共有するトリガ信号と少なくとも1つのデータ信号とを含み、トリガ信号の予め定められた状態の検出時に、共通出力は、信号マルチプレクサを介して少なくとも1つのデータ信号を伝播するように構成されている。特定のさらなる実施形態では、信号マルチプレクサはアナログマルチプレクサであり、トリガ信号の事前定義状態は共通出力で検出され、トリガ信号の事前定義状態の検出は、共通出力がトリガ電圧値以上の電圧を提示することを検出することを含み、マルチプレクサは、トリガ信号の事前定義状態の検出に応じてマルチプレクサ上の入力からマルチプレクサ上の出力へ複数の信号を配線することを含み、マルチプレクサと複数の信号の配線も含み、マルチプレクサに入力される複数の信号の遷移速度を超える速度でマルチプレクサの出力をサンプリングすることを含み、マルチプレクサは、トリガ信号の事前定義状態の検出に応答してアラームを生成することを含み、及び/又は、マルチプレクサは、少なくとも1つのデータ信号を生成するために少なくとも1つのセンサを作動させることを含む。以下によって限定されるものではないが、例示的なシステムは、アナログスイッチの出力が、トリガ信号に関連するギアボックスの状態を表す第2の入力をアナログスイッチの出力に向けるべきであることを示すまで、ギアボックスの状態を表すトリガ信号をアナログスイッチの出力に向けることによる産業車両のギアボックスを監視すること、アナログスイッチの出力が、トリガ信号に関連するサスペンションの状態を表す第2の入力をアナログスイッチの出力に向けるべきであることを示すまで、サスペンションの状態を表すトリガ信号をアナログスイッチの出力に向けることにより産業車両のサスペンションシステムを監視すること、および/または、発電タービンの状態を表すトリガー信号を、アナログスイッチの出力が、トリガー信号に関連する発電タービンの状態を表す第2の入力をアナログスイッチの出力に向けるべきであることを示すまで、アナログスイッチの出力に向けることによって、発電タービンを監視すること、を含む。
実施形態において、産業環境におけるデータ収集のためのシステムは、収集バンドパラメータのセットについて少なくとも1つの信号を監視し、信号において収集バンドパラメータのセットからパラメータが検出されると、検出されたパラメータに基づいてセンサのセットからのデータの収集を構成するデータ収集システムを含んでもよい。選択されたセンサのセット、信号、および収集バンドパラメータのセットは、産業環境でデータを収集する際にシステムが使用することができるスマートバンドデータ収集テンプレートの一部であってもよい。スマートバンドデータ収集テンプレートを準備する動機には、操作の改善、ダウンタイムの短縮、予防保守、故障防止などを促進するために、産業機械の一連の条件を監視することが含まれる場合がある。一連のセンサによって検出される可能性のある条件など、産業機械に関するデータの解析に基づいて、条件の変化をユーザに通知する、動作パラメータを調整する、予防保守をスケジューリングする、追加のセンサセットからのデータ収集をトリガするなどのアクションを取ることができる。何らかのアクションが必要であることを示すデータの例としては、一連のセンサーからのデータに存在する傾向を通じて検出可能な変化が挙げられる。また、センサー群から得られる解析値の傾向もその一例である。
実施形態では、収集帯域パラメータのセットは、産業機械の状態(例えば、軸受振動)を感知するように構成されたセンサから受信した値を含んでもよい。しかしながら、一組の収集帯域パラメータは、代わりに、センサから受信したデータの傾向(例えば、軸受振動センサによる複数の振動測定値にわたる軸受振動の傾向)であってもよい。実施形態において、一組の収集帯域パラメータは、複数のセンサからのデータ及び/又はデータのトレンドの合成であってもよい(例えば、軸上振動センサ及び軸外振動センサからのデータのトレンド)。実施形態において、本明細書に記載される1つ以上のセンサから得られるデータ値が、収集帯域パラメータのセット内のデータの値に十分に近いとき、センサのセットからのデータ収集活動がトリガされてもよい。あるいは、1つ以上のセンサから導出されたデータ値(例えば、トレンドなど)が、収集帯域パラメータのセットの外に落ちたときに、センサのセットからのデータ収集アクティビティがトリガーされてもよい。一例として、モータのデータ収集帯域パラメータのセットは、選択された動作回転速度の95%から105%までの回転速度の範囲であってよい。モータの回転速度のトレンドがこの範囲内にある限り、データ収集活動は延期されることがある。しかし、トレンドがこの範囲に達するか、それを超えると、スマートバンドのデータ収集テンプレートによって定義されたものなどのデータ収集アクティビティがトリガーされる場合がある。
実施形態では、スマートバンドのデータ収集テンプレートによって定義されるようなデータ収集活動をトリガーすることで、データセンシング、スイッチング、ルーティング、ストレージの割り当て、ストレージの構成などのシステムの側面に影響を与える可能性のある、産業環境のデータ収集システムへの変更が生じることがある。データ収集システムへのこの変更は、状態の検出にほぼリアルタイムで発生する可能性があるが、将来的に発生するように予定されている場合もある。また、感知された状態がスマートバンドデータ収集トリガーを満たすことで起動されるスマートバンドデータ収集テンプレートに合わせてシステムが再構成される前に、異なるスマートバンドデータ収集テンプレートのためのデータ収集活動などのアクティブなデータ収集活動が完了できるように、他のデータ収集活動と調整してもよい。
実施形態では、センサからのデータの処理は、時間をかけて、センサのセットを超えて、産業環境のマシンを超えてなど、累積的に行われる場合がある。条件の感知された値は、スマートバンドのデータ収集テンプレート活動をトリガするのに十分な場合があるが、データ収集活動を条件付きでトリガするためのデータ収集バンドパラメータのセットと比較することができるデータ値を生成するために、複数のセンサから時間をかけてデータを収集し、処理する必要がある場合がある。複数のセンサーからのデータを使用して、データ値のトレンドを生成するなど、データを処理することで、感知されたデータ値が許容範囲外であるという取るに足らない事例が、不当なスマートバンドのデータ収集活動を引き起こすのを防ぐことが容易になる場合がある。一例として、ベアリングからの振動が許容範囲外でまれに検出される場合、この値の経時的なトレンドは、頻度が増加しているか、減少しているか、実質的に一定であるか、または値の範囲内であるかを検出するのに有用である。そのような値の頻度が増加していることが判明した場合、そのような傾向は、軸受が経験するような産業機械の動作で発生した変化を示している。この傾向のある振動値の許容範囲を、軸受の振動データを監視するためのデータ収集バンドのパラメータとして設定することができる。傾向のある振動値がこの許容範囲外の値である場合、スマートバンドのデータ収集活動が開始されることがある。
実施形態において、スマートバンドデータ収集テンプレートをサポートする産業環境におけるデータ収集のためのシステムは、例えば、データ処理能力を含み得るインテリジェントセンサの使用によって、センサとインタフェースしセンサからのデータを処理するプログラム可能な論理コンポーネントの使用によって、センサに近接して配置されたマイクロプロセッサ等のコンピュータプロセッサの使用によって、等々により、スマートバンドデータ収集テンプレートのデータ収集活動をトリガし得る1以上の条件を感知する時点でデータ処理能力を備えて構成されてもよい。実施形態において、スマートバンドテンプレートデータ収集活動を検出するための1つ以上のセンサから収集されたデータの処理は、複数のセンサ、センサモジュール、産業機械、産業環境などからのデータにアクセスすることができるリモートプロセッサ、サーバなどによって実行され得る。
実施形態では、産業環境におけるデータ収集のためのシステムは、一組のパラメータについて産業環境を監視し、少なくとも1つのパラメータが検出されると、一組のセンサからのデータの収集を構成し、データストレージコントローラに、検出されたパラメータに基づいて、一組のセンサからのデータの収集をサポートするためにデータストレージ設備の構成を適応させるデータ収集システムを含んでもよい。スマートバンドのデータ収集テンプレートを実装するために、産業環境におけるデータ収集システムの構成を条件付きで変更するための本明細書に記載の方法およびシステムは、データストレージアーキテクチャの変更をさらに含むことができる。一例として、データ記憶設備は、産業環境の状態を監視するための1つ以上のセンサを含むデータ収集モジュール上に配置されてもよい。このローカルなデータストレージ設備は、通常、モジュールから次のレベルの感知または処理モジュールまたはサーバーに感知されたデータを迅速に移動させるように構成されてもよい。スマートバンドのデータ収集条件が検出されると、複数のセンサーからのセンサーデータを同時に収集する必要がある場合がある。この同時収集に対応するために、ローカルメモリは、複数のセンサーのそれぞれからデータを協調して取り込むように再構成されてもよく、例えば、センサーのそれぞれを同期して繰り返しサンプリングする、または、これにより、通常、ローカルメモリに取り込まれて移動するよりもはるかに大きなサイズのセンサーデータセットを構築することができ、また、既知のオフセットなどを使用することができる。ローカルストレージを制御するストレージ制御設備は、ローカルデータストレージへのセンサデータの移動およびローカルデータストレージからのセンサデータの移動を監視し、それにより、複数のセンサからローカルデータストレージへのデータの移動、およびサーバ、ネットワークストレージ設備などの宛先へのデータの移動を安全に行うことができる。ローカルデータストレージ設備は、スマートバンドデータ収集テンプレートに関連付けられたセンサのセットからのデータが安全に保存され、スマートバンド特有のデータの処理を容易にするために、スマートバンドデータのセットとして容易にアクセスできるように構成されてもよい。一例として、ローカルストレージは、不揮発性メモリ(NVM)で構成されてもよい。スマートバンドデータ収集テンプレートがトリガされたことに応答してデータ収集を準備するために、NVMの一部が消去されて、テンプレートに示されたデータを受信するためにNVMを準備してもよい。
実施形態では、複数のセンサを、状態特定のモニタリングのためのセンサのセットに配置してもよい。センサの論理的なセットであってもよい各セットは、潜在的な問題、問題の根本原因などへの洞察を提供することができる産業環境の要素に関する情報を提供するように選択されてもよい。各セットは、許容範囲の値に準拠しているかどうかを監視することができる状態に関連付けられていてもよい。センサのセットは、機械のアーキテクチャ、コンポーネントの階層、または産業環境における性能の維持または向上に有効に適用できる機械に関する知見に寄与するデータの階層に基づいていてもよい。スマートバンドセンサーセットは、機械の故障などの複雑な状態のエキスパートシステム解析に基づいて構成されてもよい。スマートバンドセンサーセットは、特定の故障モードや履歴に依存しない知識収集を促進するように配置されてもよい。スマートバンドセンサセットは、提案されたスマートバンドデータ収集テンプレートを産業機械の操作プログラムの一部として実装する前にテストするように配置されてもよい。センサセットからデータを収集して処理することで、どのセンサがセットに意味のあるデータを提供しているかを判断することが容易になり、貢献していないセンサはセットから削除することができる。スマートバンドセンサーセットは、産業環境での故障を減らすために最も役立つセンサーデータの種類を示す産業調査など、外部データに基づいて調整することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、一連の収集帯域条件への準拠のために少なくとも1つの信号を監視し、準拠していないことが検出されると、構成するデータ収集システムを含むことができる。監視対象の信号に関連する所定のセンサセットからデータを収集するステップとコンプライアンスの欠如が検出されると、監視対象の信号に関連付けられた収集帯域テンプレートがアクセスされ、テンプレートで識別されたリソースがデータ収集を実行するように構成されてもよい。実施形態では、テンプレートは、起動するセンサ、収集するセンサからのデータ、収集の期間または収集するデータの量、収集したデータを格納する先(例えば、メモリ構造)などを特定してもよい。実施形態では、産業環境におけるデータ収集のためのスマートバンド方法は、環境内の産業機械の状態を感知するように構成された1つまたは複数のセンサからのデータの定期的な収集を含んでもよい。収集されたデータは、状態の許容範囲を定義する一連の基準と照合されてもよい。収集されたデータが許容限界の一端に近づいているか、状態の許容範囲を超えているかのいずれかであることが検証されると、データ収集テンプレートとして構成されたスマートバンド収集プロトコルに基づいて、感知された状態に関連付けられたセンサのスマートバンドグループからデータ収集が開始されることがある。実施形態では、状態の許容範囲は、状態の適用された解析の履歴に基づいている。実施形態では、許容範囲を超えていることが検証されると、感知された状態が検出されたモジュールのデータ記憶リソースは、センサーのスマートバンド群からのデータの取り込みを容易にするように構成されてもよい。
実施形態では、スマートバンドデータ収集テンプレートデータ収集動作をトリガするために条件を監視することは、安全規制などの規制に応答して、産業環境の一部が予防保守のためにシャットダウンされるなどの今後の活動に応答して、ルーチンデータ収集活動からセンサデータが欠落したことに応答して、などであってもよい。実施形態では、故障したセンサーまたはスマートバンドのテンプレートデータ収集活動でセンサーデータが欠落したことに対応して、1つまたは複数の代替センサーを一時的にセンサーセットに含めて、データ処理アルゴリズムで欠落したデータを効果的に代替できるデータを提供することができる。
実施形態では、スマートバンドデータ収集テンプレートは、絶対周波数または機械関連パラメータの因子の組み合わせである可能性があるスペクトル領域またはピークに対する振動エンベロープおよび電流シグネチャなどの振動スペクトル、時間領域由来の計算のための振動時間波形などを網羅するスマートバンド解析のためのデータを検出および収集するために構成されてもよい。時間領域由来の計算のための振動時間波形は、RMS 全体、ピーク全体、真のピーク、波高率、等々、及び、振動ベクトル、各領域(低周波領域、高周波領域、低次など)のスペクトルエネルギーハンプ、圧力-体積解析等々、を含むが、これらに限定されるものではない。
実施形態では、スマートバンドデータ収集テンプレートを適用するデータ収集用システムは、自動生産環境のボールねじアクチュエータなどの産業環境に適用されてもよい。スマートバンド解析は、精密製造または位置決めアプリケーション(例えば、半導体フォトリソグラフィ機械など)などの産業環境におけるボールねじアクチュエータに適用されてもよい。ボールねじを使用する典型的な主な目的は、正確な位置決めであるため、位置決め機構の変動を検出することで、コストのかかる不良品の生産を回避することができる。スマートバンドによるトリガーとデータ収集は、ボールねじ機構、ウォームドライブ、リニアモーターなどの位置決め機構の潜在的なばらつきをスマートバンドの解析によって検出することで、このような用途に役立つ。一例では、ボールねじの位置決めシステムに関連するデータは、本明細書に記載されているような産業環境におけるデータ収集のためのシステムを用いて収集されてもよい。複数のセンサが、ねじのトルク、ねじの方向、ねじの速度、ねじの段差、ねじの原点検出などのデータを収集するように構成されてもよい。このデータの一部は、スマートバンドのデータ解析機能によって処理され、トルクの関数としてのねじ速度の傾向などの差異が、許容可能な閾値に近づいているか、または超えているかを判断することができる。このような判断が下されると、ボールねじ生産システムのデータ収集テンプレートが起動され、データ収集システムのデータセンシング、ルーティング、および収集リソースを構成して、さらなる解析を容易にするためのデータ収集を行うことができる。スマートバンドのデータ収集テンプレートは、対応するセンサからのデータを1つ以上の信号経路を介してデータコレクタにルーティングすることで、ねじの速度やトルク以外の他のセンサ(位置、方向、加速度など)からのデータを迅速に収集することを容易にする。スマートバンドのデータ収集テンプレートでは、これらのソースからデータを収集する期間と順序を指定することができ、さらなる解析に必要なデータを効果的に収集することができる。
実施形態では、スマートバンドのデータ収集テンプレートを適用して、データ収集およびルーティングインフラストラクチャを構成して利用するデータ収集のためのシステムを、鉱業環境の換気システムに適用することができる。換気は、鉱業の安全性において重要な役割を提供する。換気装置の潜在的な問題の早期発見は、そのような環境におけるデータ収集にスマートバンドのアプローチを適用することによって支援することができる。センサは、採掘作業中の換気の動作、品質、および性能に関する情報を収集するために配置されてもよい。各換気装置では、ファン、モーター、ベルト、フィルター、温度計、電圧、電流、空気の質、毒物検出などの換気関連要素が、対応するセンサーで構成されている場合がある。任意の1つの要素(例えば、毎分の風量など)の変動が問題を示唆するとは限らないが、スマートバンド解析を適用して、換気装置の潜在的な問題を示唆するような経時的な傾向を検出することができる。スマートバンド解析を行うためには、解析の基礎となる複数のセンサーからのデータが必要となる場合がある。換気ステーションのデータ収集システムを実装することで、換気装置からのデータを取得することができる。一例では、換気ステーションに対してスマートバンド解析が指示されることがある。この指示に応答して、データ収集システムは、換気ステーションに配置されたセンサからのデータを、複数の換気ステーションからデータを収集して解析し得る中央監視設備にルーティングすることによって、データを収集するように構成されてもよい。
実施形態において、スマートバンドデータ収集テンプレートを適用してデータ収集及びルーティングインフラストラクチャを構成及び利用するデータ収集のためのシステムは、採掘環境におけるドライブトレインデータ収集及び解析に適用され得る。採掘車用のドライブトレインなどのドライブトレインは、本明細書に記載の産業環境におけるデータ収集の方法及びシステムの使用から利益を得ることができる様々な要素を含むことができる。特に、スマートバンドベースのデータ収集は、スマートバンド解析によって検出可能であり得る特定の条件下で、大型採掘車ドライブトレインからデータを収集するために使用されてもよい。スマートバンドベースのデータ収集テンプレートは、ドライブトレインデータ収集及びルーティングシステムによって使用され、センサー、データ経路、及びデータ収集リソースを構成して、ドライブトレイン性能の許容できない傾向を示し得るような特定の状況下でデータ収集を実行するために使用されてもよい。産業用ドライブトレインのためのデータ収集システムは、非操舵軸、遊星操舵軸、ドライブシャフト、(例えば、主軸および翼軸)、トランスミッション、(例えば、標準、トルクコンバータ、ロングドロップ)等の感知面を含んでもよい。これらの動作部品に関連する様々なデータが収集されてもよい。しかし、徹底したスマートバンド解析のために、ドライブトレインを支持する支持部材および構造部材のデータも収集する必要がある場合がある。したがって、この広範囲のドライブトレイン関連部品にわたる収集は、このデータの必要性に関するスマートバンド解析の判断に基づいてトリガされてもよい。一例として、スマートバンド解析は、メインドライブシャフトとウィングドライブシャフトとの間の潜在的な滑りを示すことがあり、これは、メインドライブシャフト操作に対するウィングドライブシャフトの応答遅延時間の増加傾向によって表されることがある。この増加傾向に対応して、採掘車両のドライブトレイン全体に配置されたデータ収集モジュールは、データ収集装置によって収集および解析されるようにローカルセンサからのデータをルーティングするように構成される場合がある。採掘車両のドライブトレインスマートベースのデータ収集は、どのタイプのトレンドが検出されたかに基づいて、様々なテンプレートを含むことができる。ステアリング軸に関連するトレンドが検出された場合、実装されるデータ収集テンプレートは、正規化されたペイロードに対する電力需要に関連するトレンドの場合とは、センサーの内容、期間などが異なる可能性がある。各テンプレートは、車両ドライブトレイン全体のデータ感知、ルーティング、および収集リソースを適宜設定することができる。
図37を参照すると、スマートバンド解析のためのデータ収集を容易にする、産業環境におけるデータ収集のためのシステムが描かれている。産業環境におけるデータ収集のためのシステムは、データ収集システム構成およびデータの収集のためのスマートバンドテンプレート7610が格納され、データ収集コントローラ7602によってアクセスされ得る、スマートバンド解析データ収集テンプレートリポジトリ7600を含んでもよい。テンプレート7610は、センサ、収集器、信号経路、および収集の開始と調整のための情報などを識別することができるデータ収集システム構成7604および動作情報7606を含んでもよい。コントローラ7602は、特定のスマートバンドテンプレート7610を選択して実施するために、スマートバンド解析設備7608からコマンドなどの指示を受けてもよい。コントローラ7602は、テンプレート7610にアクセスして、そのテンプレート内の情報に基づいてデータ収集システムリソースを構成してもよい。実施形態では、テンプレートは、特定のセンサ、マルチプレクサ/スイッチ構成、データ収集トリガ/開始信号および/または条件、収集のための時間継続時間および/またはデータ量、収集されたデータの宛先、もしあれば中間処理、ならびに他の有用な情報(例えば、インスタンス識別子など)を識別してもよい。コントローラ7602は、データ収集システムを構成して動作させ、スマートバンドテンプレートに対する収集を実行し、任意でシステム構成を以前の構成に戻すことができる。
産業環境におけるデータ収集のための例示的なシステムは、収集帯域パラメータのセットについて少なくとも1つの信号を監視し、収集帯域パラメータのセットからパラメータが検出されると、システムの一部を構成し、検出されたパラメータに基づいてセンサのセットからデータの収集を実行するデータ収集システムを含む。特定のさらなる実施形態では、信号は、産業環境における状態を感知するセンサの出力を含み、収集帯域パラメータのセットは、信号から導出可能な値の許容範囲を超える値を含み、少なくとも1つの信号は、産業環境における状態を感知するセンサの出力を含み、システムの部分を構成することは、センサのセットから収集されたデータを受け入れるために記憶装置を構成することを含み、システムの部分を構成することは、データルーティング部分が以下の少なくとも1つを含むように構成することを含む。アナログクロスポイントスイッチ、階層型マルチプレクサ、アナログ/デジタルコンバータ、インテリジェントセンサ、および/またはプログラマブルロジックコンポーネントのうちの少なくとも1つを含むデータルーティング部を構成することと、収集バンドパラメータのセットからパラメータを検出することが、信号のトレンド値がトレンド値の許容範囲を超えていることを検出することを含むことと、および/または、システムの一部を構成することが、検出されたパラメータに関連付けられたスマートバンドデータ収集テンプレートを実装することを含むこととを備えている。特定の実施形態では、データ収集システムは、信号の許容可能な収集帯域条件を表す一連の許容可能なデータ値内のデータ値について信号を監視し、一連の許容可能なデータ値外の少なくとも1つの信号のデータ値を検出すると、監視された信号に関連する所定のセンサセットからデータを収集させるデータ収集アクティビティをトリガする。特定のさらなる実施形態において、データ収集システムは、産業環境の状態を感知するセンサの出力を含む信号を含み、許容可能なデータ値のセットは、信号から導出可能な値の許容範囲内にある信号から導出可能な値を含み、許容可能なデータ値のセットの外にあるデータ値の検出に応答して、所定のセンサのセットからデータを収集することを容易にするように、システムの記憶装置を構成するステップと許容可能なデータ値のセットから外れたデータ値の検出に応答して、アナログクロスポイントスイッチ、階層型マルチプレクサ、アナログ/デジタル変換器、インテリジェントセンサ、および/またはプログラマブルロジックコンポーネントを含むシステムのデータルーティング部を構成するステップであって、許容可能なデータ値のセットから外れた信号のデータ値の検出が、信号のトレンド値がトレンド値の許容範囲を超えていることを検出することを含むステップ、および/または、データ収集活動が、検出されたパラメータに関連付けられたスマートバンドデータ収集テンプレートによって定義されるステップ。
産業環境におけるデータ収集のための例示的な方法は、環境内の産業機械の状態を感知するように構成されたセンサ(複数可)からデータを収集する動作と、状態の許容範囲を定義する一連の基準に対して収集されたデータをチェックする動作と、状態の許容範囲に違反する収集データに応答して、スマートバンドデータ収集テンプレートとして構成されたスマートバンド収集プロトコルに基づいて感知した状態に関連付けられたセンサのスマートバンドグループからデータを収集する動作とを含んでなる。特定のさらなる実施形態において、方法は、条件の許容範囲に違反することが、センサー(複数可)からのデータの傾向が許容範囲の最大値に近づく場合、センサーのスマートバンドグループが、スマートバンドデータ収集テンプレートによって定義される場合、スマートバンドデータ収集テンプレートが、起動するセンサーのリスト、収集するセンサーからのデータ、センサーからのデータの収集期間、及び/又は収集したデータを保存するための目的地、を含む場合、スマートバンドのセンサ群からデータを収集することが、スマートバンドのセンサ群から複数のデータ収集器へのデータのルーティングを容易にする産業環境の少なくとも1つのデータルーティング資源を設定することを含む場合、及び/又は、基準のセットが、センサーからのデータを処理することによって得られるトレンド値の範囲を含む場合、を含む。
限定されないが、例示的なシステムは、自動生産環境においてボールねじアクチュエータを監視し、収集帯域パラメータのセットについてボールねじアクチュエータからの少なくとも1つの信号を監視し、収集帯域パラメータのセットからパラメータを検出すると、システムの一部を構成し、検出されたパラメータに基づいてボールねじアクチュエータの状態を監視するように配置された一連のセンサからデータ収集を実行する。別の例示的なシステムは、採鉱環境における換気システムを監視し、換気システムからの少なくとも1つの信号を収集帯域パラメータのセットについて監視し、収集帯域パラメータのセットからのパラメータを検出すると、システムの一部を構成し、検出したパラメータに基づいて換気システムの状態を監視するように配置されたセンサのセットからのデータ収集を実行する。例示的なシステムは、採掘車両の駆動系を監視し、収集帯域パラメータのセットについて駆動系からの少なくとも1つの信号を監視し、収集帯域パラメータのセットからパラメータを検出すると、システムの一部を構成し、検出されたパラメータに基づいて駆動系の状態を監視するように配置されたセンサのセットからデータの収集を実行する。
実施形態では、産業環境におけるデータ収集のためのシステムは、ローカルおよびリモートのデータ収集リソースを自動的に構成してもよく、運用上のたわみ形状レンダリングを実行するために必要なデータを生成するセンサ群の一部として識別される複数のシステムセンサからのデータ収集を実行してもよい。実施形態では、システムセンサは以下の構造部分全体に分散している。産業用機械は、産業環境の中で使用される。実施形態では、システムセンサーは、振動、回転、バランス、摩擦などを含むシステム条件の範囲を感知する。実施形態では、自動設定は、環境の条件が条件値の許容範囲外で検出されたことに応答して行われる。実施形態では、システムセンサーの識別されたグループのセンサーが、条件を感知する。
実施形態では、産業環境におけるデータ収集のためのシステムは、機械の構造情報および機械のODSVを作成するために使用されるデータセットに基づいて、運用上のたわみ形状の視覚化(「ODSV」)を自動的に作成することを容易にするために、機械全体に分散した複数のシステムセンサからデータを収集するために、テンプレートなどのデータ収集プランを構成してもよい。
実施形態において、産業環境におけるデータ収集のためのシステムは、産業機械のODSVに基づいて、環境内の産業機械の予め選択された構造部材の状態を検知するために配置されたセンサを識別することによって、産業環境においてデータを収集するためのデータ収集テンプレートを構成してもよい。実施形態では、テンプレートは、特定されたセンサからのデータ収集の順序およびタイミングを含んでもよい。
実施形態において、産業環境におけるデータ収集のための方法およびシステムは、機械の構造要素の動作たわみ形状可視化が許容範囲内のたわみを示すことを検証することによって、複数の産業機械状態センサのセンサ値の許容範囲を確立する方法であって、検証されたODSVで使用される複数のセンサからのデータがセンサ値の許容範囲を定義する、方法を含むことができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、ODSVを生成するために必要なデータを提供するために調整されたデータ収集のためにグループ化されるセンサなどの複数のデータソースを含むことができる。グループ化するセンサー、データ収集の調整要件などの情報は、ODSVデータ収集テンプレートから取得することができる。調整されたデータ収集には、同時データ収集が含まれる場合がある。センサ群の一部からの同時データ収集を促進するために、データ収集のためのシステムのセンサルーティングリソースは、データマルチプレクサを構成して、それが接続するセンサ群の一部からのデータをデータ収集器にルーティングするなどして構成されてもよい。実施形態では、マルチプレクサの入力に接続する各ソースは、マルチプレクサ内で別々の出力にルーティングされ、接続されたソースのすべてからのデータが、産業環境のデータ収集要素にルーティングされるようにしてもよい。実施形態では、マルチプレクサは、入力の少なくとも一部について共通の出力を共有することを容易にするデータ記憶機能を含んでいてもよい。実施形態では、マルチプレクサは、各ソースのデータがメモリに取り込まれ、マルチプレクサの出力に共通するデータバスなどのデータバスを介して伝送されるように、データストレージ機能およびデータバス対応の出力を含んでもよい。実施形態では、センサーは、データストレージ機能を含むスマートセンサーであってもよく、マルチプレクサの共通出力の使用および/または共通データバスの使用をサポートする協調的な方法で、データストレージからマルチプレクサにデータを送信してもよい。
実施形態では、産業環境におけるデータ収集システムは、複数のたわみ形状に対してODSVを実行するために複数のセンサからデータを収集するようにデータ収集システムを構成するためのテンプレートを含んでもよい。個々のテンプレートは、緩み、ソフトジョイント、曲げ、ねじりなどを視覚化するように構成されてもよい。個々のたわみ形状データ収集テンプレートは、産業環境における機械の異なる部分のために構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、可視化にデータを寄与したセンサの位置の可視化を含むことができる操作偏向形状の可視化を容易にすることができる。可視化において、可視化を生成するためにデータを提供した各センサは、視覚的要素によって示されてもよい。視覚要素は、センサーの位置、種類、寄与した代表的なデータ、センサーからデータコレクタへのデータの経路、偏向形状テンプレート識別子、データがルーティングされるスイッチまたはマルチプレクサの構成など、センサーに関する情報へのユーザーのアクセスを容易にしてもよい。センサから受信したセンサ識別情報を、センサマップなどの、センサ識別情報と環境内の物理的な位置を関連付ける情報と関連付けることで、視覚的要素を決定してもよい。情報は、ユーザーがセンサー視覚要素上にカーソルを置くなどして、センサーを表す視覚要素が選択されたことに応答して、可視化に表示されてもよい。
実施形態では、ODSVは、位相関係要件を満たすデータから利益を得ることができる。環境内のデータ収集システムは、位相関係要件を満たすデータの収集を容易にするように構成されてもよい。あるいは、データ収集システムは、位相関係要件を満たすデータを含むが、満たさないデータも含む可能性がある複数のセンサからデータを収集するように構成されてもよい。位相検出データにアクセスする可能性のある後処理動作は、収集されたデータのサブセットを選択してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、複数のセンサからデータを受信し、データコレクタに配信するために受信したデータを多重化するマルチプレクサを含んでもよい。データコレクタは、ODSVを促進するためにデータを処理してもよい。ODSVは、複数の異なるセンサからのデータを必要とする場合があり、異なるセンサからのデータを処理する際に、センサからのデータなどの参照信号を使用することが有益である。マルチプレクサは、異なるセンサからのデータを提供するように構成されていてもよく、例えば、各センサからのデータがデータコレクタによって受信されるように、その入力を経時的に切り替えることができる。しかし、マルチプレクサは、入力の少なくとも一部が複数の出力のうちの少なくとも2つにルーティングされるように、複数の出力を含んでいてもよい。したがって、実施形態では、複数出力マルチプレクサは、その入力の1つからの基準信号(例えば、加速度計からのデータ)をその出力の1つにルーティングし、基準信号出力ルーティングを維持しながら、その出力の複数からのデータをその出力の1つまたは複数にマルチプレクスすることによって、ODSVに適したデータ収集を容易にするように構成されてもよい。データコレクタは、基準出力からデータを収集し、それを用いて他のセンサからの多重化データを整列させることができる。
実施形態において、産業環境におけるデータ収集のためのシステムは、採掘アプリケーションのためのコンベヤに関連する調整されたデータ収集を通じてODSVを促進し得る。採掘作業は、材料、供給品、及び装置を鉱山に出入りさせるためにコンベヤシステムに依存することがある。鉱業は通常、24時間体制で操業しているため、コンベアのダウンタイムは生産性やコストに大きな影響を与える可能性がある。コンベアや関連システムの高度な解析では、点での観察では検出が困難な二次的な影響に焦点を当て、ODSVによってより容易に検出できる可能性がある。振動や応力などの運転データを取得することで、ODSVを容易にすることができる。しかし、データの取得を連携させることで、より信頼性の高い結果を得ることができる。したがって、コンベヤシステム全体に分散したセンサを有する可能性のあるデータ収集システムは、そのような調整されたデータ収集を容易にするように構成することができる。一例として、着地点及びそれらを接続し着地点間でコンベヤを支持する水平部材、コンベヤセグメントハンドオフ点、モータマウント、コンベヤローラのマウント等のコンベヤの構造部品に影響を与えるデータの捕捉は、コンベヤ動的負荷、駆動システム、モータ、ゲート等に関するデータと調整する必要があり得る。鉱業環境などの産業環境におけるデータ収集のためのシステムは、セグメントハンドオフポイント、駆動システムなどの位置でコンベヤ全体に配置されたデータ感知および収集モジュールを含むことができる。各モジュールは、プログラマブルロジックコントローラなどの1つ以上のコントローラによって構成され、調整されたデータ収集の実行を助ける物理的または論理的(例えば、無線)通信バスを介して接続される場合がある。調整を容易にするために、トリガーなどの基準信号が、データを収集するときに使用するためにモジュール間で通信されてもよい。実施形態では、採掘環境全体で感知されたデータのリアルタイム転送の必要性を低減するように、データ収集及び保存は、各モジュールで実行されてもよい。モジュールからODSV処理施設へのデータの転送は、収集後、またはモジュールと処理施設間の通信帯域幅が許す限り、実行することができる。ODSVは、構造部材のたわみなど、コンベヤの状態に関する洞察を提供することができる。鉱業などの産業環境で使用するデータ収集システムと連携したデータ収集により、予期せぬ部品の故障に起因するダウンタイムを低減することで運用コストを削減できるODSVを実現できる。
実施形態では、産業環境におけるデータ収集のためのシステムは、鉱業アプリケーションのためのファンに関連する調整されたデータ収集を通じて、操作偏向形状の視覚化を促進することができる。ファンは、換気、機器の冷却、燃焼排気などを提供するために、鉱山全体に空気を移動させるという、採掘作業において重要な機能を提供する。ファンの信頼性を確保し、多くの場合、継続的に動作させることは、鉱山労働者の安全と費用対効果の高いオペレーションにとって重要である。大規模な鉱山作業では、何十台、何百台ものファンが使用されることがある。換気管理用のファンには、サーキットタイプ、ブースタータイプ、補助タイプなどがある。大容量の補助ファンは2500RPM以上の高速で動作する。ODSVを実施することで、鉱山環境に設置されているファンの重要な信頼性情報が得られる可能性がある。鉱業用ファンのODSVに必要な範囲のデータを収集することは、本明細書に記載されているような産業環境でデータを収集するためのシステムによって実行されてもよい。実施形態では、インテリジェントな感知およびデータ収集モジュールなどの感知要素が、ファンおよび/またはファンサブシステムとともに配備されてもよい。これらのモジュールは、データ収集を時間的および位相的に調整してODSVを促進するように、収集制御情報を交換してもよい(例えば、専用制御バスなどを介して)。
鉱山で使用するための大型補助ファンは、鉱山内および鉱山を通過する際の輸送性を考慮して構築されることがあり、そのため、ファン本体、吸気ポートおよび排気ポート、希釈弁、保護ケージ、電気筐体、車輪、アクセスパネル、およびその他の構造的および/または動作的要素を含むことがある。このような補助ファンのODSVでは、多くの異なる要素からデータを収集する必要があるかもしれない。データ収集のためのシステムは、この種の産業用ファンのODSVを促進するために構造工学データと組み合わせることができるデータを感知して収集するように構成されてもよい。
図38を参照すると、ODSVに適した調整されたデータ収集を実行する産業環境におけるデータ収集用システムの一実施形態が描かれている。産業環境におけるデータ収集のためのシステムは、データ収集システム構成およびデータの収集のためのODSVテンプレート7810が格納され、データ収集コントローラのためのシステム7802によってアクセスされ得るODSVデータ収集テンプレートリポジトリ7800を含んでもよい。テンプレート7810は、センサ、コレクタ、信号経路、基準信号情報、収集の開始および調整のための情報などを識別することができるデータ収集システム構成7804および動作情報7806を含んでもよい。コントローラ7802は、特定のODSVテンプレート7810を選択して実施するために、ODSV解析設備7808からコマンドなどの指示を受けてもよい。コントローラ7802は、テンプレート7810にアクセスして、そのテンプレート内の情報に基づいてデータ収集システムリソースを構成してもよい。実施形態では、テンプレートは、特定のセンサ、マルチプレクサ/スイッチ構成、データ収集を調整するための基準信号、データ収集トリガ/開始信号および/または条件、収集のための時間継続時間、および/またはデータ量、収集されたデータの宛先、あれば中間処理、およびその他の有用な情報(例えば、インスタンス識別子など)を識別してもよい。コントローラ7802は、ODSVテンプレートのための収集を実行し、任意にシステム構成を以前の構成に戻すように、データ収集システムを構成および動作させてもよい。
産業環境でODSVを実行するためのデータ収集の例示的な方法は、ローカルおよびリモートのデータ収集リソースを自動的に構成すること、および構成されたリソースを使用して多数のセンサからデータを収集することを含み、多数のセンサは、ODSVを実行するために必要なデータを生成するセンサのグループを含んでいる。特定のさらなる実施形態において、例示的な方法は、センサーが、産業環境内の産業機械の構造部分全体に分散されている場合、センサーが、振動、回転、バランス、および/または摩擦を含む一連のシステム状態を感知する場合、自動設定が、環境内の状態が状態値の許容範囲外で検出されたことに応答して行われる場合、をさらに含む。前記状態が、システムセンサ群の中のセンサによって感知される場合、自動設定には、センサ群の一部をデータ収集リソースに同時に接続するように信号切り替えリソースを設定することが含まれ、および/または、信号切り替えリソースが、ODSVを実行するためにセンサからデータを収集する期間中、基準センサとデータ収集リソースとの間の接続を維持するように設定される場合がある。
産業環境におけるデータ収集の例示的な方法は、産業環境内の機械全体に分散された多数のシステムセンサからデータを収集するためのデータ収集計画を構成することであって、この計画は、機械の構造情報および機械のODSVを生成するために必要なデータの指示に基づいていることと、データ収集計画に基づいて、環境内のデータセンシング、ルーティング、および収集リソースを構成することと、データ収集計画に基づいてデータを収集することとを含む。特定のさらなる実施形態では、例示的な方法は、さらに以下を含む。ODSVを生成するステップであって、データセンシング、ルーティング、および収集リソースを構成することが、環境内の状態が状態値の許容範囲外で検出されたことに応答するステップと、状態がデータ収集プランで識別されたセンサによって感知されるステップと、リソースを構成することが、複数のシステムセンサをデータ収集リソースに同時に接続するために信号切り替えリソースを構成することを含むステップと、および/または、信号切り替えリソースが、ODSVを実行するためにセンサからデータを収集する期間中、基準センサとデータ収集リソースとの間の接続を維持するように構成されるステップと、を含むことを特徴とする。
産業環境におけるデータ収集のための例示的なシステムは、環境全体に配置された多数のセンサと、複数のセンサからの信号をデータ収集リソースに接続するマルチプレクサと、データ収集テンプレートに応答して多数のセンサから収集されたデータを処理するためのプロセッサとを含み、処理の結果、環境に配置された機械の一部のODSVが得られるようになっている。特定のさらなる実施形態では、例示的なシステムは、ODSVデータ収集テンプレートが、識別されたセンサーからのデータ収集の実行が依存する環境の状態をさらに識別する場合、その状態は、ODSVデータ収集テンプレートで識別されたセンサーによって感知される場合、データ収集テンプレートが、データ収集リソースに同時に接続するためにマルチプレクサの入力を指定する場合、マルチプレクサが、ODSVを実行するためにセンサからデータを収集する期間中、基準センサとデータ収集リソースとの間の接続を維持するように構成されている場合、ODSVデータ収集テンプレートが、産業環境における機械の一部の緩み、軟らかい関節、曲げ、および/またはねじりに対するODSVを実行するためのデータ収集要件を指定している場合、および/または、ODSV収集テンプレートが、複数の識別されたセンサからのデータ収集の順序およびタイミングを指定している場合、を含む。
コンベアのODSVを実行するためにマイニングコンベアを監視する例示的な方法は、ローカルおよびリモートのデータ収集リソースを自動的に構成することと、構成されたリソースを使用してマイニングコンベアを感知するように配置された多数のセンサからデータを収集することとを含み、複数のセンサは、コンベアの一部の動作偏向形状の視覚化を実行するために必要なデータを生成するセンサのグループを構成する。ファンのODSVを実行するために採掘ファンを監視する例示的な方法は、構成されたリソースを使用して、ファンを感知するように配置された多数のセンサからデータを収集するローカルおよびリモートのデータ収集リソースを自動的に構成することを含み、多数のセンサは、ファンの一部のODSVを実行するのに十分なまたは必要なデータを生成するセンサのグループを含んでいる。
実施形態では、産業環境におけるデータ収集のためのシステムは、ユーザが構成可能な階層など、構成可能な階層に従って入力データチャネルの連続的な多重化を容易にする階層型マルチプレクサを含んでもよい。産業環境におけるデータ収集のためのシステムは、構成可能な階層に従って、複数の入力データチャネルの連続的な多重化を容易にする階層型マルチプレクサを含んでもよい。階層は、産業環境における機械のパラメータなど、産業環境における動作パラメータに基づいて、コントローラによって自動的に構成されてもよい。
実施形態において、産業環境におけるデータ収集のためのシステムは、異なるレートでデータを出力する可能性のある複数のセンサを含んでもよい。また、システムは、同様の出力レートを有する複数のセンサの第1の部分からのセンサ出力を、マルチプレクサモジュールの第1の階層型マルチプレクサの別々の入力に受け取るマルチプレクサモジュールを含んでもよい。マルチプレクサモジュールの第1の階層型マルチプレクサは、類似の出力レートで複数のセンサの第2の部分からセンサ出力を受信し、その入力の一部の少なくとも1つの多重化出力を提供する第2の階層型マルチプレクサに、その入力の一部の少なくとも1つの多重化出力を提供してもよい。実施形態では、第1のセンサのセットの出力レートは、第2のセンサのセットの出力レートよりも遅くてもよい。実施形態では、第1のセットのセンサのデータ収集レート要件は、第2のセットのセンサのデータ収集レート要件よりも低くてもよい。実施形態では、第1の階層型マルチプレクサの出力は、その入力の一部の時間多重化された組み合わせである。実施形態では、第2の階層型マルチプレクサは、第1のマルチプレクサの出力レートと同様の出力レートでセンサ信号を受信し、第1のマルチプレクサは、その複数の入力の一部の時間ベースの多重化を生成する。
実施形態では、産業環境におけるデータ収集のためのシステムは、データ収集テンプレートに基づいて動的に構成される階層型マルチプレクサを含んでもよい。階層型マルチプレクサは、複数の入力および複数の出力を含んでもよく、テンプレートのセンサ出力収集要件に応じて、任意の入力を任意の出力に向けることができ、入力のサブセットは、第1のスイッチングレートで多重化され、複数の出力のうちの少なくとも1つに出力されることができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境内の機械の状態を感知するための複数のセンサ、階層型マルチプレクサ、複数のアナログデジタルコンバータ(ADC)、プロセッサ、ローカルストレージ、および外部インタフェースを含んでもよい。システムは、プロセッサを使用して、複数のセンサの一部からのデータ収集のためのパラメータのデータ収集テンプレートにアクセスし、定義されたパラメータに基づいてデータ収集を容易にするように、階層型マルチプレクサ、ADC、およびローカルストレージを構成し、複数のセンサの一部から収集されたデータのセットをローカルストレージに格納することを含む、構成された要素を用いてデータ収集を実行してもよい。実施形態では、ADCは、アナログセンサデータを、階層型マルチプレクサと互換性のあるデジタル形式に変換する。実施形態では、プロセッサは、センサによって生成された少なくとも1つの信号をトリガ条件について監視し、トリガ条件を検出すると、外部インタフェースを介してアラートを通信することと、トリガ条件に対応するテンプレートに従ってデータ収集を実行することの少なくとも1つによって応答する。
実施形態において、産業環境におけるデータ収集のためのシステムは、環境のデータ収集テンプレートに基づいて構成可能であり得る階層的マルチプレクサを含んでもよい。マルチプレクサは、多数のデータ信号(例えば、環境内のセンサからの)を同時に受信することをサポートしてもよい。実施形態において、環境内の産業機械の一部のためのすべてのセンサは、マルチプレクサの第1ステージの入力に個別に接続されてもよい。マルチプレクサの第1ステージは、第2マルチプレクサステージに供給することができる複数の出力を提供することができる。第2段のマルチプレクサは、第3段に供給する複数の出力を提供することができ、以下同様である。環境のためのデータ収集テンプレートは、機械全体の温度を決定するためのセット、または機械全体の振動を決定するためのセットなど、特定のデータ収集セットに対して構成されてもよい。各テンプレートは、データ収集イベントの間など、データが収集されるべき環境中の複数のセンサーを識別してもよい。テンプレートが階層型マルチプレクサに提示されると、各多重化ステージの入力と出力のマッピングが構成され、データ収集のための最終多重化階層ステージの出力(複数可)で必要なデータが利用できるようにすることができる。一例として、環境内の機械全体の温度を決定するための一連のデータを収集するデータ収集テンプレートは、多くの温度センサを特定することができる。第1段階のマルチプレクサは、温度センサに接続する利用可能な入力をすべて選択することによって、テンプレートに応答することができる。これらのセンサからのデータは、センサの一部から温度データの時間多重化された出力を生成するために時間ベースの多重化を実行する第2段のセンサの複数の入力に多重化され得る。これらの出力は、データコレクターによって収集され、個々のセンサーの温度測定値にデマルチプレックスされる場合がある。
実施形態では、トリガーなどの時間に敏感な信号は、最終的なマルチプレクサステージに直接接続する入力に接続することができ、それにより、複数のマルチプレクサステージを介してルーティングすることによって生じる潜在的な遅延を低減することができる。
実施形態では、産業環境におけるデータ収集のためのシステムにおける階層型マルチプレクサは、リレーのアレイ、CPLDなどのプログラマブルロジックコンポーネント、フィールドプログラマブルゲートアレイ(FPGA)などで構成されていてもよい。
実施形態では、センサ出力を信号経路にルーティングするための階層型マルチプレクサを含む可能性がある産業環境におけるデータ収集のためのシステムが、鉱業用途における爆発物システムと共に使用されてもよい。発破開始システムおよび電子発破システムは、コンピュータ支援発破システムを提供するように構成されてもよい。発破が安全に行われるようにするには、様々な条件の効果的な感知および解析が必要となる場合がある。産業環境におけるデータ収集のためのシステムは、鉱業に使用される爆発性システムなどの爆発性システムに関連するデータを感知し、収集するために配備されてもよい。データ収集システムは、階層型マルチプレクサを使用して、例えば、レイアウト計画、統合、相互接続性、カスケード計画などを含む爆発物システムの配置を階層型マルチプレクサに合わせることにより、爆発物システムの設置から自動的にデータを収集することができる。爆発物システムは、プライマリ・イニシエータから始まり、電子爆発制御の連続した層を介して起爆接続を辿り、順次起爆するような形の階層で展開されることがある。爆破システム構成のこれらの各層から収集されたデータは、バルク爆発物の起爆から収集されたデータがその爆破制御階層に対応する階層で捕捉されるように、階層的マルチプレクサのステージに関連付けられてもよい。
実施形態において、センサ出力を信号経路にルーティングするための階層型マルチプレクサを含み得る産業環境におけるデータ収集のためのシステムは、石油及びガスパイプラインアプリケーションの精製送風機と共に使用されてもよい。精製所送風機の用途は、焼成ヒーター燃焼空気予熱システムなどを含む。強制通風送風機は、状態検知及び監視の恩恵を受ける可能性のある様々な可動部品及び移動部品を含む場合がある。センシングには、カップリング(温度、回転数など)、モーター(振動、温度、回転数、トルク、電力使用など)、ルーバー機構(アクチュエーター、ルーバーなど)、プレナム(流量、閉塞、背圧など)の状態を検出することが含まれる。センサ等からデータ収集装置への信号のルーティングに階層型マルチプレクサを使用する産業環境におけるデータ収集のためのシステムは、精油所ブロワからデータを収集するように構成されてもよい。一例として、複数のセンサが、燃焼用空気の予熱など、精製所用途で使用される強制通風送風機への空気の流れ、全体、および出口を感知するために配備される場合がある。センサーは、センサーによって生成される信号の周波数に基づいてグループ化される場合がある。ルーバーの位置と制御を検出するセンサーは、ブロワーのRPMを検出するセンサーよりも低いレートでデータを生成することができる。したがって、ルーバーからのデータは、RPMセンサからのデータよりも頻繁に変化しないので、ルーバー位置および制御センサ信号は、ブロワRPMセンサよりもマルチプレクサ階層の下位ステージに適用され得る。データ収集システムは、複数のルーバーセンサーを切り替えても、ルーバーの位置を適切に検出するのに十分な情報を取得することができる。しかし、送風機の回転数データを適切に検出するためには、送風機回転数センサーとデータ収集装置との間の接続の帯域幅を大きくする必要がある場合がある。階層型マルチプレクサは、複数のルーバーセンサー入力を切り替えて、ブロワーRPM出力とは異なる出力に誘導しながら、適切な検出に必要な速度で(おそらくRPMセンサーデータを長時間出力することによって)ブロワーRPMデータをキャプチャすることを可能にすることができるかもしれない。また、ルーバー入力は、ブロワ回転数データと共に単一の出力に時間多重化され、ブロワ回転数データがいつ出力されているか、ルーバー位置データがいつ出力されているかを判断できるように構成されたデータコレクタによって多重化が解除されることもある。
実施形態では、センサ出力を信号経路にルーティングするための階層型マルチプレクサを含むことができる産業環境におけるデータ収集のためのシステムは、石油およびガスのパイプラインアプリケーションにおけるパイプライン関連のコンプレッサ(例えば、レシプロ)と共に使用することができる。パイプラインアプリケーション用のレシプロコンプレッサーの典型的な用途は、パイプラインテスト用の圧縮空気の生産である。産業環境におけるデータ収集のためのシステムは、パイプラインテストベースのレシプロコンプレッサーからデータを収集している間に、階層型マルチプレクサを適用することができる。テストされるパイプラインの一部に沿って配置されたセンサーからのデータは、テスト前およびテスト中に定期的にサンプリングされるため、階層型マルチプレクサの最下段に入力される可能性がある。しかし、圧縮機の動作を検出するセンサー、例えば、往復リンク、モーターなど、より高い周波数で動作する圧縮機の部品に比べて、サンプリングの割合が低い場合がある。検出された動きを再現できる周波数でデータを提供するセンサーは、階層型マルチプレクサのより上位のステージに入力されてもよい。パイプラインセンサ間の時間多重化により、シール漏れなどのイベントを捕捉しつつ、多数のセンサをカバーすることができるかもしれない。しかし、往復リンクセンサ間の時間多重化は、マルチプレクサからデータコレクタにデータをルーティングするために利用可能な帯域幅を超える可能性のある出力信号帯域幅を必要とする場合がある。したがって、実施形態では、複数のパイプラインセンサを単一のマルチプレクサ出力に時分割多重化し、コンプレッサモータなどの急速に動く部品を検出するコンプレッサセンサをマルチプレクサの別の出力にルーティングしてもよい。
図39を参照すると、センサ信号をデータ収集器にルーティングするために階層型マルチプレクサを使用する産業環境におけるデータ収集のためのシステムが描かれている。比較的低い周波数で変化する条件を監視するセンサ(例えば、送風機ルーバー位置センサ)などの複数のセンサからの出力は、階層型マルチプレクサ8002の最も低い階層ステージ8000に入力され、マルチプレクサ内の連続的に高いステージにルーティングされて、最終的にマルチプレクサから、おそらく複数の低周波センサの各々の時間特定サンプルを含む時間多重化信号として出力されてもよい。1000RPM以上で動作し得るモータ動作を監視するセンサなどの第2の複数のセンサからの出力は、階層的マルチプレクサのより高い階層的ステージ8004に入力され、必要な帯域幅をサポートする出力にルーティングされてもよい。
産業環境におけるデータ収集のための例示的なシステムは、産業環境におけるデータ収集リソースを制御するコントローラと、構成可能な階層に従って多数の入力データチャネルの連続的な多重化を容易にする階層型マルチプレクサとを含み、階層は、産業環境における機械の動作パラメータに基づいてコントローラによって自動的に構成される。特定のさらなる実施形態では、例示的なシステムは、機械の動作パラメータがデータ収集テンプレートで識別される場合、階層がスマートバンドデータ収集活性化に応答して自動的に構成される場合、入力データチャネルのソースと階層型マルチプレクサとの間に配置されたアナログ/デジタル変換器をさらに含む場合、および/または、機械の動作パラメータがデータチャネルの少なくとも1つのトリガ条件を構成する場合を含む。産業環境におけるデータ収集のための別の例のシステムは、複数のセンサと、同様の出力レートでセンサの第1の部分からセンサ出力を第1の階層型マルチプレクサの別々の入力に受け取り、その入力の一部の少なくとも1つの多重化された出力を第2の階層型マルチプレクサに提供するマルチプレクサモジュールとを含み、第2の階層型マルチプレクサは、センサの第2の部分からセンサ出力を受け取り、その入力の一部の少なくとも1つの多重化された出力を提供する。特定のさらなる実施形態において、例示的なシステムは、センサの第2の部分がセンサの第1の部分の出力レートよりも高いレートでデータを出力する場合、センサの第1の部分および第2の部分が異なるレートでデータを出力する場合、第1の階層型マルチプレクサの出力がその入力の一部の時間多重化された組み合わせである場合、第2のマルチプレクサが第1のマルチプレクサの出力レートと同様の出力レートでセンサ信号を受信する場合、および/または第1のマルチプレクサがその入力の一部の時間ベースの多重化を生成する場合を含む。
産業環境におけるデータ収集のための例示的なシステムは、環境内の機械の状態を感知するための多数のセンサ、階層型マルチプレクサ、多数のアナログ-デジタル変換器、コントローラ、ローカルストレージ、外部インターフェースを含み、システムは、コントローラを使用して、センサの一部からデータを収集するためのパラメータを定義するデータ収集テンプレートにアクセスすることを含む。定義されたパラメータに基づいてデータ収集を容易にするために、階層型マルチプレクサ、ADC、及びローカルストレージを構成すること、並びにセンサの一部から収集されたデータのセットをローカルストレージに格納することを含む構成された要素でデータ収集を実行すること、を含む。特定のさらなる実施形態において、例示的なシステムは、以下を含む。ADCが、アナログセンサデータを階層型マルチプレクサと互換性のあるデジタル形式に変換する場合、プロセッサが、トリガ条件についてセンサによって生成された少なくとも1つの信号を監視し、トリガ条件の検出時に、外部インターフェースを介して警報を伝達し、及び/又はトリガ条件に対応するテンプレートに従ってデータ収集を行うことによって応答する場合、階層型マルチプレクサは、構成可能な階層に従ってセンサから受信したデータの連続多重化を行い、階層は産業環境における機械の動作パラメータに基づいてコントローラによって自動的に設定される場合、以下が挙げられる。ここで、機械の動作パラメータは、データ収集テンプレートにおいて識別され、階層は、スマートバンドのデータ収集起動に応答して自動的に構成され、システムは、入力データチャネルのソースと階層型マルチプレクサとの間に配置されたADCをさらに含み、機械の動作パラメータは、データチャネルの少なくとも一つのトリガ条件を含み、階層型マルチプレクサは、複数のセンサから受け取ったデータを設定可能階層にしたがって連続してマルチプレキシングし、及び/又は階層は、工業環境の検出パラメータに基づくコントローラにより自動的に構成される。限定されないが、例示的なシステムは、採掘用爆発物システムを監視するために構成され、爆発物システムに関連するデータ収集リソースを制御するためのコントローラと、構成可能な階層に従って多数の入力データチャネルの連続多重化を容易にする階層的マルチプレクサとを含み、階層は、爆発物システムの構成に基づいてコントローラによって自動的に構成される。限定されないが、例示的なシステムは、石油及びガスパイプラインアプリケーションにおける精製所送風機を監視するために構成され、精製所送風機に関連するデータ収集リソースを制御するためのコントローラと、構成可能な階層に従って多数の入力データチャネルの連続的多重化を容易にする階層的マルチプレクサとを含み、階層は、コントローラによって精製所送風機の構成に基づき自動的に設定される。限定されないが、例示的なシステムは、石油及びガスパイプラインアプリケーションにおける往復圧縮機を監視するために構成され、往復圧縮機に関連するデータ収集リソースを制御するためのコントローラと、構成可能な階層に従って多数の入力データチャネルの連続多重化を容易にする階層的マルチプレクサとを含み、階層は、往復圧縮機の構成に基づいてコントローラによって自動的に構成される。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境内の要素の超音波状態を捕捉するために配置された超音波センサを含んでもよい。システムは、捕捉された超音波状態を表すデータをコンピュータメモリに収集するように構成されてもよく、その上でプロセッサが超音波解析アルゴリズムを実行してもよい。実施形態では、感知された要素は、移動要素、回転要素、構造要素などのいずれかであってもよい。実施形態では、データは、コンピュータメモリにストリーミングされてもよい。実施形態では、データは、連続的にストリーミングされてもよい。実施形態では、データは、超音波条件サンプリング期間などの継続時間の間、ストリーミングされてもよい。実施形態では、システムは、超音波センサからのストリーミングデータを、ローカルおよびリモートの宛先を含む複数の宛先にルーティングすることを容易にするデータルーティングインフラストラクチャを含んでもよい。ルーティングインフラストラクチャは、ストリーミングデータおよび少なくとも1つの他のセンサからのデータを目的地にルーティングするように適合された階層型マルチプレクサを含んでもよい。
実施形態では、産業環境における超音波モニタリングは、回転要素(例えば、モータシャフトなど)、ベアリング、継手、カップリング、ハウジング、荷重支持要素などにおいて、本明細書に記載されているようなデータ収集のためのシステムによって実行されてもよい。超音波データは、パターン認識、状態判定、時系列解析などのために使用されてもよく、これらのいずれも、産業環境のコンピューティングリソースによって実行されてもよく、このコンピューティングリソースには、ローカルコンピューティングリソース(例えば、環境内および/または環境内のマシン内に配置されたリソースなど)およびリモートコンピューティングリソース(例えば、クラウドベースのコンピューティングリソースなど)が含まれてもよい。
実施形態では、データ収集のためのシステムによる産業環境における超音波モニタリングは、トリガ(例えば、モータが動作していることを示すモータからの信号など)、時間の尺度(例えば、最も最近のモニタリング活動からの時間、1日のうちの時間、トリガに対する時間、機械の停止などの将来のイベントまでの時間など)、外部イベント(例えば、落雷など)に応答して起動されてもよい。超音波監視は、スマートバンドのデータ収集活動の実施に応じて起動されてもよい。超音波モニタリングは、データ収集テンプレートが産業環境で適用されることに応答して起動されてもよい。データ収集テンプレートは、監視対象の要素、機械、環境などに適用可能な、以前の振動による故障の解析に基づいて構成されてもよい。超音波データの継続的な監視には、産業環境のデータルーティングリソースを長時間使用することが必要な場合があるため、継続的な超音波監視のためのデータ収集テンプレートは、データ収集システムのコントローラが継続的な超音波監視に対応するためにリソースを設定するために使用できるデータルーティングおよびリソース利用設定情報で構成されてもよい。一例では、データマルチプレクサは、テンプレートで指定された時間の間、その出力の一部を超音波データに割り当てるように構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、連続的な超音波モニタリングを実行してもよい。また、システムは、振動監視センサまたはデバイス(複数可)の近辺に配置されたローカルプロセッサによる超音波データの処理を含んでもよい。ローカルプロセッサの演算能力に応じて、ピーク検出などの機能を実行することができる。プログラム可能な論理コンポーネントは、ピーク検出を実行するのに十分な計算能力を提供することができる。超音波データの処理(ローカルまたはリモート)は、監視対象の要素に関連するコントローラにフィードバックを提供することができる。フィードバックは、超音波データ解析によって示唆された潜在的な負の影響を低減または少なくとも抑制するために、回転速度などの動作条件を調整するための制御ループで使用されることがある。
実施形態では、産業環境におけるデータ収集のためのシステムは、超音波モニタリング、特に、連続的な超音波モニタリングを実行してもよい。超音波監視データは、監視されている要素または機械の多次元モデルと組み合わせて、超音波データの視覚化を生成してもよい。実施形態では、感知された超音波データと時間的に相関する画像、画像のセット、ビデオなどが生成されてもよい。実施形態では、超音波モニタリングによって検出された状態の重症度を決定することをさらに容易にするために、画像認識および/または解析を超音波可視化に適用してもよい。画像解析アルゴリズムは、正常な状態と範囲外の状態を検出するように訓練されてもよい。材料やシステムの試験を容易にするために、荷重センサからのデータを超音波データと組み合わせてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、石油およびガスのパイプラインアプリケーションにおいて、パイプラインの超音波モニタリングを行うことができる。パイプラインを通る石油の流れは、パイプラインのライナー、支持部材、フローブースター、レギュレータ、ダイバータなどの構造的変化に寄与する可能性のある振動および他の機械的効果を生じさせる可能性がある。パイプラインの主要部分を連続的に超音波モニタリングすることで、故障につながる可能性のある接合部の破断などの材料の変化を早期に検出することができる。産業環境におけるデータ収集のためのシステムは、収集された超音波データが収集および解析され得るデータ収集および解析ノードに、クロスポイントスイッチ、マルチプレクサなどの信号データルーティングリソースを介して接続され得る超音波感知デバイスを用いて構成されてもよい。実施形態では、データ収集システムは、パイプラインに沿った複数の要素から超音波サンプルデータを収集することに対応するために、システムのデータサンプリング、ルーティング、および収集リソースの構成を容易にするための情報を含むデータ収集プランまたはテンプレートを参照するコントローラを含んでもよい。テンプレートは、複数の超音波センサから超音波データを収集するためのシーケンスを示してもよく、コントローラは、指定された超音波センサからの超音波センサデータを、テンプレートで指定された持続時間の間、データ記憶コントローラ、解析プロセッサなどの宛先にルーティングするようにマルチプレクサを構成してもよい。コントローラは、テンプレートにおける収集のシーケンス、またはアクセスするテンプレートのシーケンスを検出し、検出されたシーケンスの各テンプレートに応答して、各テンプレートで指定されたセンサデータを収集者にルーティングするようにマルチプレクサなどを調整してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、発電アプリケーションにおけるコンプレッサの超音波モニタリングを行うことができる。圧縮機は、いくつかの重要な回転要素(例えば、シャフト、モータなど)、回転支持要素(例えば、ベアリング、カップリングなど)などを含む。発電アプリケーションにおける超音波データのセンシング、ルーティング、収集、および解析を容易にするように構成されたデータ収集用システムは、複数の超音波センサから超音波センサデータを受信してもよい。つ以上の超音波センサデバイスから連続的な超音波データを収集するためのテンプレートなどの構成設定テンプレートに基づいて、コントローラは、少なくともセンサ(複数可)からの1つ以上の信号データラインを介した超音波データの、ローカルまたはリモートでアクセス可能なデータ収集器への配信を容易にするように、データ収集システムのリソースを構成してもよい。実施形態では、テンプレートは、主軸の超音波データを1分間連続して取得し、その後、副軸の超音波データをさらに1分間取得し、その後、圧縮機のハウジングの超音波データを取得することを示してもよい。コントローラは、これらの各センサの超音波データを受信するマルチプレクサを構成して、転送されるデータの時間または他の尺度に達するまで、最初に主軸の超音波センサからの入力をマルチプレクサを通して指示する制御セットを構成することによって、各センサからのデータを順にルーティングすることができる。コントローラは、第2のテンプレート要件を満たすために必要な追加の超音波データをルーティングするようにマルチプレクサを切り替えてもよい。コントローラは、すべての超音波監視データ収集テンプレートが満足されるまで、途中でデータ収集システムリソースの調整を続けてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、風力エネルギー生成アプリケーションにおける風力タービンのギアボックスの超音波モニタリングを実行してもよい。風力タービンのギアボックスは、風の変化の性質にも起因して、動作中に高度な抵抗を経験する可能性があり、これにより、ギアプレーン、油圧流体ポンプ、レギュレータなどの可動部品が早期に故障する可能性がある。工業環境におけるデータ収集のためのシステムは、これらの高ひずみ要素の潜在的な故障モードの早期検出につながる可能性のある情報を捕捉する超音波センサーを備えて構成される場合がある。実用的な超音波画像評価の生成を容易にするために十分な範囲で複数の異なる超音波センサから超音波データを効果的に取得できるように、システムは、センサの1つ以上から比較的高いレートで十分なデータを配信するように特別に構成されてもよい。ルーティングチャネル(複数可)は、超音波データ収集計画またはテンプレートで指定される可能性のある期間、超音波センシングデータを転送することに特化してもよい。これを達成するために、プログラマブルロジックコンポーネントなどのコントローラは、超音波センサの第1のセット(例えば、油圧流体の流量制御要素を感知するもの)からの超音波データを複数のデータコレクタに配信するように、クロスポイントスイッチおよびデータコレクタの一部を構成してもよい。クロスポイントスイッチの別の部分は、超音波データを評価するのに有用な追加のセンサデータ(例えば、モータのオン/オフ状態、感知された部品の熱状態など)を、他のデータチャネル上で、データを組み合わせて解析することができるデータコレクタにルーティングするように構成されてもよい。コントローラは、対応するデータ収集テンプレートに基づいて、他の要素から超音波データを収集できるように、データルーティングリソースを再構成してもよい。
図40を参照すると、産業環境におけるデータ収集のためのシステムは、超音波データ解析設備8058によってコントローラ8054に提供される可能性のある超音波センサ固有のデータ収集テンプレート8056に基づいてコントローラ8054によって構成される可能性のあるデータ収集およびルーティングシステム8052に接続する可能性のある1つまたは複数の超音波センサ8050を含む可能性がある。コントローラ8054は、データ収集システム8052のリソースを構成し、テンプレート8056内のデータ収集の要件に基づいて、データ収集のファーを持続的に監視してもよい。
産業環境におけるデータ収集のための例示的なシステムは、環境内の要素の超音波状態を捕捉するように配置された超音波センサと、超音波センサによって捕捉される超音波データを、超音波監視データ収集テンプレートによって指定される目的地にルーティングするように、データ収集システムのデータルーティングリソースを構成するコントローラと、目的地に到着した後にデータに超音波解析アルゴリズムを実行するプロセッサとを含む。特定のさらなる実施形態では、例示的なシステムは、テンプレートが、超音波センサからの連続的な超音波データの取り込みの時間間隔を定義する場合、超音波センサからのストリーミングデータを、ローカルおよびリモートの宛先を含む多数の宛先にルーティングすることを容易にするデータルーティングインフラストラクチャを含み、データルーティングインフラストラクチャが、ストリーミングデータおよび少なくとも1つの他のセンサからのデータを宛先にルーティングするように適合された階層型マルチプレクサを含む場合、環境中の要素が、回転要素、ベアリング、フィッティング、カップリング、ハウジング、および/または耐荷重部品を含む場合、テンプレートが、連続的な超音波モニタリングの起動条件を定義する場合、および/または、起動条件が、トリガー、スマートバンド、テンプレート、外部イベント、および/または規制遵守構成を含む場合、を含む。
産業環境におけるデータ収集のための例示的なシステムは、環境内の産業機械の要素の超音波状態を捕捉するように配置された超音波センサと、超音波センサによって捕捉されている超音波データを、超音波監視データ収集テンプレートによって指定されている目的地にルーティングするように、データ収集システムのデータルーティングリソースを構成するコントローラと、目的地に到着した後にデータに超音波解析アルゴリズムを実行するプロセッサとを含む。特定の実施形態では、例示的なシステムは、さらに、テンプレートが、超音波センサからの連続的な超音波データの捕捉の時間間隔を定義する場合、システムが、超音波センサからのデータを、ローカルおよびリモートの宛先を含む多数の宛先にルーティングすることを容易にするデータルーティングインフラストラクチャをさらに含み、データルーティングインフラストラクチャが、超音波データおよび少なくとも1つの他のセンサからのデータを宛先にルーティングするように適合された階層的マルチプレクサを含む場合、産業機械の要素が、回転要素、ベアリング、継手、カップリング、ハウジング、および/または負荷ベアリング部品を含む場合、テンプレートが、連続的な超音波モニタリングの起動、および/または、起動の条件が、トリガー、スマートバンド、テンプレート、外部イベント、および/または、規制遵守の設定を含む場合、を含む。
産業環境における連続超音波モニタリングの例示的な方法は、産業環境における産業機械の少なくとも1つの可動部の超音波モニタリング範囲内に超音波モニタリングデバイスを配置することを含む。超音波モニタリングデバイスは、超音波モニタリングデータのストリームを生成し、超音波モニタリングデータ収集テンプレートに基づいて、超音波モニタリングデータのストリームを宛先にルーティングするデータルーティングインフラストラクチャを構成する。このインフラストラクチャは、多数のセンサからアナログクロスポイントスイッチおよび/または階層型マルチプレクサを経由して多数の宛先にデータをルーティングし、超音波モニタリング装置のデータをルーティングインフラを経由して宛先にルーティングすること、モータシャフト、ベアリング、継手、カップリング、ハウジング、及び耐荷重部品のうちの少なくとも1つの超音波解析を提供する超音波データ解析アルゴリズムで、格納されたデータを処理すること、及び/又は、目的地のコンピュータでアクセス可能なメモリにデータを保存すること、を促進する。例示的な方法の特定のさらなる実施形態は、データ収集テンプレートが、超音波モニタリングデバイスから連続的に超音波データを取得する時間間隔を定義する場合、データルーティングインフラストラクチャを構成することが、超音波データおよび少なくとも1つの他のセンサからのデータを宛先にルーティングするように階層型マルチプレクサを構成することを含む場合、超音波モニタリングが、回転要素、ベアリング、継手、カップリング、ハウジング、および/または負荷ベアリング部品を含む産業機械の少なくとも1つの要素に対して実行される場合、テンプレートが、連続的な超音波モニタリングの起動条件を定義し、起動条件が、トリガー、スマートバンド、テンプレート、外部イベント、および/または規制遵守構成を含み、超音波データ解析アルゴリズムがパターン認識を実行し、および/または、超音波モニタリングデバイスデータのルーティングが、少なくとも1つの可動部品に関連する産業環境における状態の検出に応答する場合、を含む。
以下に限定されるものではないが、石油またはガスパイプラインを監視するための例示的なシステムは、目的地に到着した後のパイプラインデータに対して超音波解析アルゴリズムを実行するプロセッサを含み、発電コンプレッサーを監視するための例示的なシステムは、目的地に到着した後の発電コンプレッサデータに対して超音波解析アルゴリズムを実行するプロセッサを含み、風力タービンギアボックスを監視するための例示的なシステムは、目的地に到着した後のギアボックスデータに対して超音波解析アルゴリズムを実行するプロセッサを含んでいる。
ポンプ、コンプレッサー、空調機、ミキサー、アジテーター、モーター、エンジンなどの産業用部品は、工場、ガス処理システム、鉱業、自動車システムなどの産業環境における製造装置の一部として、さまざまな環境で機器の動作に重要な役割を果たすことがある。
ポンプには、様々な容積型ポンプ、速度型ポンプ、インパルスポンプなどがある。速度ポンプや遠心ポンプは、典型的には、湾曲した羽根を持つインペラで構成され、インペラが水や気体などの流体に浸されると、流体や気体がインペラと同じ回転方向に回転する。流体や気体が回転すると、遠心力によってポンプの外径、例えばポンプハウジングに移動し、そこで流体や気体を回収してさらに処理することができる。外周部から流体や気体が除去されると、ポンプの入力オリフィスの圧力が低下し、新たな流体や気体がポンプに引き込まれることがある。
容積型ポンプは、往復動ポンプ、スネークポンプ、ギアポンプまたはスクリューポンプを含むものであってもよく、例えば往復動ポンプは、典型的には、入口弁を開いて液体または気体をシリンダ内に引き込む吸引と、入口弁を閉じて存在する液体または気体を出口弁を通してシリンダから押し出す圧力とを交互に発生させるピストンからなる。この方法では、加圧された液体や気体が下流のシステムに周期的に導入されることになる。
自動車やトラックなどの自動車の中には、エンジンの過熱を防ぐために水冷システムを使用しているものがある。一部の自動車では、車両のドライブシャフトに関連付けられたベルトによって駆動される遠心式ウォーターポンプを使用して、水と冷却水の混合物をエンジンに押し付け、許容可能なエンジン温度を維持する。エンジンのオーバーヒートは、エンジンに大きなダメージを与える可能性があるが、自動車に搭載されているウォーターポンプにアクセスすることが困難であったり、コストがかかったりする場合がある。
実施形態では、車両のウォーターポンプは、ベアリングやポンプハウジングの温度、ポンプに関連するドライブシャフトの振動、液体の漏れなど、ウォーターポンプに関連する属性を測定するための複数のセンサを備えていてもよい。これらのセンサーは、監視装置に直接接続されるか、または有線および無線の接続技術を用いて仲介装置を介して接続される可能性がある。監視装置は、センサーに対応する検出値にアクセスすることができる。検出値は、センサー出力、またはセンサー出力のデジタル化されたバージョンやサンプリングされたバージョンなどのデータ出力の処理バージョン、および/または他の検出値から相関された仮想センサーまたはモデル化された値に直接対応する。監視装置は、本明細書の別の場所で議論されている方法を使用して検出値にアクセスして処理し、ウォーターポンプおよび摩耗や故障しやすいウォーターポンプの様々なコンポーネント(例えば、ベアリングまたはベアリングのセット、ドライブシャフト、モータなど)の健全性を評価してもよい。監視装置は、検出値を処理して、ポンプの駆動軸のねじれを特定してもよい。特定されたねじれは、ウォーターポンプの特定の形状と車両への設置方法に基づいて予想されるねじれと比較して評価されてもよい。予期しないねじれは、ドライブシャフトに過度のストレスを与え、ポンプの健全性状態が悪化していることを示す可能性がある。監視装置は、検出値を処理して、シャフトの予期せぬ振動や、ベアリングやベアリングに近接したハウジングの予期せぬ温度値や温度変化を識別してもよい。いくつかの実施形態では、センサは、軸受の故障の可能性を示す可能性のある軸受間またはポンプハウジング全体のホットスポットを特定するために、水ポンプの周囲に配置された複数の温度センサを含んでもよい。監視装置は、水センサーに関連する検出値を処理して、シール不良を示す可能性のあるポンプ付近の液体漏れを特定してもよい。これらの検出値を共同で解析し、ポンプの健全性を把握することができる。
例示的な例では、車両のウォーターポンプに関連する検出値は、ポンプの動作回転よりも高い周波数での振動の急激な増加と、ポンプサイクルの特定の段階に関連する対応する局所的な温度の上昇を示すことがある。これらは、局所的なベアリングの故障を示している可能性がある。
生産ラインは、酸性または腐食性の材料、可燃性材料、鉱物、様々なサイズの微粒子を含む流体、高粘度流体、可変粘度流体、または高密度流体を含む様々な材料を動かすための1つまたは複数のポンプを含むこともある。生産ラインのポンプは、様々な材料の種類を扱うためのポンプ構成や、流体を所望の速度または圧力で動かすために必要なトルクなど、生産ラインのニーズを満たすように特別に設計されることがある。これらの生産ラインは連続したプロセスラインであるため、部品が故障するのを待つのではなく、事前メンテナンスを行うことが望ましい場合がある。ポンプ速度や圧力の変動は最終製品に悪影響を及ぼす可能性があり、最終製品の問題を特定する能力は、実際の部品の劣化を許容できないほど長い期間遅らせる可能性がある。
実施形態では、産業用ポンプは、ベアリングやポンプハウジングの温度、ポンプに関連するドライブシャフトの振動、入力または出力ラインの振動、圧力、流量、流体の微粒子測定、ポンプハウジングの振動など、ポンプに関連する属性を測定するための複数のセンサを備えていてもよい。これらのセンサーは、有線および無線の接続技術を用いて、監視装置に直接、または中間装置を介して接続することができる。監視装置は、センサーに対応する検出値にアクセスすることができ、検出値は、センサー出力のデジタル化されたバージョンまたはサンプリングされたバージョンなど、データ出力の処理バージョンのセンサー出力に直接対応する。監視装置は、本明細書のどこかで説明されている方法を使用して検出値にアクセスして処理し、ポンプ全体の健全性を評価し、ポンプ部品の健全性を評価し、ポンプの非典型的な性能から生じる潜在的なダウンラインの問題を予測し、またはポンピングされる流体の変化を予測する。監視装置は、検出値を処理して、ポンプのドライブシャフトのねじれを識別してもよい。特定されたねじれは、ポンプの特定の形状と、組み立てライン上の他のコンポーネントとの関連で装置にどのように取り付けられているかに基づいて、予想されるねじれと比較して評価される。予期せぬねじれは、ドライブシャフトに過度のストレスを与え、ポンプの健全性状態が悪化していることを示す可能性がある。入口と出口の配管の振動は、予期しない振動や共振振動がないかどうかを評価することもでき、それによって特定のポンプ周波数を避けるためのプロセス制御を行うことができる。また、振動の変化は、流体の組成や密度の変化により、特定の周波数の振動が増幅または減衰することが原因となる場合もある。監視装置は、検出値を処理して、シャフトの予期せぬ振動、予期せぬ温度値、または軸受や軸受に近接するハウジングの温度変化を特定することができる。いくつかの実施形態では、センサーはポンプの周囲に配置された複数の温度センサーを含み、ベアリングの故障の可能性を示す可能性のあるベアリング間またはポンプハウジング全体のホットスポットを特定することができる。ポンプによっては、送液が腐食性であったり、大量の微粒子を含んでいたりする場合、送液への累積的な暴露により、送液に接触するポンプの内部部品に損傷が生じることがある。これは、出力圧力の予期しない変動に反映される可能性がある。また、ギアポンプのギアが腐食し始め、閉じ込められた流体をすべて排出できなくなった場合、ポンプ速度の上昇、流体のキャビテーション、出力パイプの予期せぬ振動などが発生する可能性がある。
コンプレッサー(圧縮機)は、気体が占める体積を減少させるか、または閉じ込められた体積内の気体の量を増加させることによって、気体の圧力を増加させる。ガスを加圧された保持室に移動させるために、ピストンまたは回転ねじの動きを利用する正変位式の圧縮機があるかもしれない。また、遠心力を利用してガスを加速させ、運動エネルギーを圧力に変換する固定式の圧縮機もある。コンプレッサーは、組立ラインで使用される様々なガスを圧縮するために使用されることがある。圧縮された空気は、組み立てラインの空圧機器を動かすことができる。石油・ガス産業では、フラッシュガスコンプレッサは、ガスが低圧環境に入るときに炭化水素液体を残すように圧縮するために使用されることがある。コンプレッサーは、ガスおよび石油パイプラインの圧力を回復するため、対象となる流体を混合するため、および/または対象となる流体を移送または輸送するために使用することができる。コンプレッサーは、天然ガスの地下貯蔵を可能にするために使用されることがある。
ポンプと同様に、コンプレッサー(圧縮機)は、ベアリングや圧縮機ハウジングの温度、圧縮機に関連するドライブシャフト、トランスミッション、ギアボックスなどの振動、容器圧力、流量など、圧縮機に関連する属性を測定するための複数のセンサーを備えることができる。これらのセンサーは、有線と無線の接続技術を組み合わせて、監視装置に直接、または仲介装置を介して接続することができる。監視装置は、センサに対応する検出値にアクセスすることができ、検出値は、センサ出力のデジタル化またはサンプリングされたバージョンなどのデータ出力の処理バージョンのセンサ出力に直接対応する。監視装置は、本明細書の他の場所で説明される方法を使用して検出値にアクセスし、処理し、圧縮機全体の健全性を評価し、圧縮機構成要素の健全性を評価し、及び/又は非典型的な圧縮機性能から生じる潜在的なダウンライン問題を予測してもよい。監視装置は、検出値を処理して、圧縮機のドライブシャフト上のねじれを特定してもよい。特定されたねじれは、次に、圧縮機の特定の形状、及び他の構成要素及び機器の部分に対する機器への設置方法に基づく予想ねじれに対して評価され得る。予期せぬねじれは、ドライブシャフトに過度のストレスを与え、コンプレッサーの健全性状態を悪化させる兆候である可能性がある。吸入管と吐出管の振動も、予期せぬ振動や共振振動を評価することができ、特定のコンプレッサーの周波数を避けるためにプロセス制御を駆動するために使用することができる。監視装置は、検出値を処理して、シャフトの予期せぬ振動、ベアリングまたはベアリングに近接するハウジングの予期せぬ温度値または温度変化を特定してもよい。いくつかの実施形態では、センサーは、潜在的なベアリングの故障を示すかもしれないベアリング間又はコンプレッサーのハウジングにわたるホットスポットを特定するためにコンプレッサーの周りに配置された複数の温度センサーを含んでもよい。いくつかの実施形態では、センサーは、圧縮ガスを貯蔵する容器内の圧力を監視してもよい。圧力または圧力変化の割合の変化は、コンプレッサーの問題を示唆する場合がある。
撹拌機やミキサーは、様々な産業環境で使用されている。撹拌機は、液体、固体、気体などの異なる成分を混ぜ合わせるために使用されることがある。撹拌機は、構成材料のより均質な混合を促進するために使用されることがある。撹拌機は、異なる成分の露出を増やし、システムにエネルギーを加えることで、化学反応を促進するために使用されることがある。攪拌機は、熱伝導を促進し、材料の均一な加熱または冷却を容易にするために使用することができる。
混合機や攪拌機は、化学生産、食品生産、医薬品生産などの多様な産業で使用されている。塗料・コーティング用ミキサー、接着剤・シーラント用ミキサー、石油・ガス用ミキサー、水処理用ミキサー、廃水処理用ミキサーなどがある。
攪拌機は、コンクリートミキサーのように、混合される材料が配置されているタンクまたは容器全体を回転または攪拌する装置を構成することができる。効果的な撹拌は、タンクの内部にあるバッフルの数や形状に影響されることがある。タンクまたは容器の回転による撹拌は、タンクの形状に対する回転軸、回転方向、およびタンク内の材料に作用する重力などの外力によって影響を受ける可能性がある。タンクや容器の撹拌による材料の撹拌や混合の効果に影響を与える要因としては、回転軸や、異なる軸に沿った振動の振幅や周波数などが考えられる。これらの要因は、選択される材料の種類、それらの相対粘度、比重、粒子数、構成材料または混合物に予想されるせん断減粘またはせん断増粘、容器またはタンクに入るまたは出る材料の流量、容器に入るまたは出る材料の流れの方向および位置などに基づいて選択することができる。
攪拌機、大型タンクミキサー、ポータブルタンクミキサー、トートタンクミキサー、ドラムミキサー、および(様々なマウントタイプの)マウントミキサーは、プロペラを回転させるか、または他の方法で機械装置を動かしながら、混合される材料のタンクに挿入されたブレード、ベーン、またはステータなどのプロペラまたは他の機械装置を含んでいてもよい。これらには、翼形インペラ、固定ピッチブレードインペラ、可変ピッチブレードインペラ、ラギング防止インペラ、固定ラジアルブレードインペラ、マリンタイプのプロペラ、折りたたみ式翼形インペラ、折りたたみ式ピッチブレードインペラ、折りたたみ式ラジアルブレードインペラ、可変ピッチインペラなどがある。アジテーターは、機械的な撹拌がタンクの中心になるように取り付けてもよい。アジテーターは、タンク内で角度がついたり、容器の中心から垂直または水平にオフセットされるように取り付けてもよい。撹拌機は、タンクの上、下、または側面からタンクに入ってもよい。薬品のタンクまたは容器全体で均一な混合を実現するために、1つのタンクに複数の撹拌機があってもよい。
撹拌機は、入口の位置と方向、入口の速度、入口の圧力、材料の粘度、材料の比重などを含む、構成材料の容器への戦略的な流れまたは導入を含むことができる。
材料の混合攪拌の成功させるには、成分が異なる位置で異なる速度で導入されるバッフル付きタンク内の1つまたは複数のプロペラなどの技術の組み合わせが必要になる可能性がある。
実施形態では、工業用ミキサーまたは撹拌機は、ベアリングまたはタンクハウジングの温度、ブレード、ベーンまたはステータなどのプロペラまたは他の機械装置に関連するドライブシャフトの振動、入力または出力ラインの振動、圧力、流量、流体微粒子対策、タンクハウジングの振動などの工業用ミキサーの属性を測定するための複数のセンサーを備えてもよい。これらのセンサーは、有線および無線の接続技術を組み合わせて、監視装置に直接、または仲介装置を介して接続することができる。監視装置は、検出値が、データの処理されたバージョンのセンサ出力、センサ出力のデジタル化またはサンプリングされたバージョンなどの出力、複数のセンサからのデータの融合などに直接対応するセンサに対応する検出値へのアクセスを有してもよい。監視装置は、攪拌機又はミキサーの全体の健全性を評価し、攪拌機又はミキサーの構成要素の健全性を評価し、非典型的性能又は攪拌される材料の組成の変化から生じる潜在的なダウンラインの問題を予測するために、本書の他の場所で議論される方法を用いて検出値にアクセスし、処理してもよい。例えば、監視装置は、検出値を処理して、攪拌インペラのドライブシャフトのねじれを特定することができる。特定されたねじれは、次に、攪拌機の特定の幾何学的形状と、他の構成要素及び/又は装置の部分に対する装置への設置方法とに基づいて、予想されるねじれに対して評価され得る。予期せぬねじれは、ドライブシャフトに過度のストレスを与え、攪拌機の健全性状態が悪化する兆しである可能性がある。流入管及び流出管の振動は、予期せぬ振動又は共振振動を監視してもよく、これは特定の撹拌周波数を避けるためにプロセス制御を駆動するために使用されてもよい。流入・流出パイプは、予期せぬ流量、予期せぬ粒子含有量などについても監視されることがある。振動の変化は、流体組成の変化、または特定の周波数で振動を増幅または減衰させる密度の変化による場合もある。監視装置は、シャフトの予期せぬ振動、またはベアリングやベアリングに近接するハウジングの予期せぬ温度値や温度変化を特定するために使用できる検出値を収集するセンサーを配備することができる。攪拌機によっては、攪拌される流体が腐食性であったり、大量の微粒子を含んでいる場合、材料に接触している攪拌機の内部部品(バッフル、プロペラ、ブレードなど)に、材料への累積暴露による破損が生じることがある。
HVACや空調システムなどでは、産業環境で空気を冷却したり循環させたりするために、コンプレッサとファンを組み合わせて使用することがある。コンプレッサーとアジテーターの議論と同様に、これらのシステムは、故障や性能低下が作業環境に悪影響を与え、製品の品質を低下させる可能性のある多数の回転部品を含む場合がある。監視装置は、1つまたは複数の回転部品、通気システム、環境条件などの様々な側面を測定するセンサーを監視するために使用することができる。HV AC/空調システムのコンポーネントには、ファンモータ、ドライブシャフト、ベアリング、コンプレッサなどが含まれる場合がある。監視装置は、センサ出力に対応する検出値にアクセスし、本明細書の他の箇所で説明する方法に従って処理して、空調ユニット、HVACシステムなど、およびこれらのシステムのコンポーネントの全体的な健全性を評価し、動作状態を特定し、非典型的な性能から生じる潜在的な問題を予測するなどしてもよい。評価手法としては、軸受解析、ドライブシャフト、ロータ、ステータのねじり解析、ピーク値検出などが考えられる。監視装置は、検出値を処理して、ドライブシャフトのねじれ、潜在的なベアリングの故障などの問題を特定してもよい。
組立ラインコンベヤは、製造工程で材料を移動させるシステムの一部として、多数の移動および回転部品から構成される場合がある。これらの組立ラインコンベヤは、広い範囲の速度で動作することがある。また、これらのコンベヤは、材料を水平に搬送する際に様々な周波数で振動し、スクリーニング、グレーディング、梱包用レーンニング、散布、脱水、次のインライン工程への製品の供給などを容易にすることができる。
搬送システムは、エンジンまたはモーター、ローラーまたはベアリングを回転させる1つまたは複数のドライブシャフトを含み、これらに沿ってコンベアベルトが移動することがある。振動コンベヤは、ばねと、コンベヤを正弦波状に振動させて前進させる複数のバイブレータとを含むことができる。
実施形態では、コンベアおよび振動コンベアは、ベアリングの温度、ドライブシャフトの振動、コンベアが移動するローラの振動、コンベアに関連する速度および速度など、コンベアに関連する属性を測定するための複数のセンサを備えていてもよい。監視装置は、本明細書の別の場所で議論されている方法を使用して検出値にアクセスして処理し、コンベアのコンポーネントと同様にコンベアの全体的な健全性を評価し、非典型的な性能から生じる潜在的な問題を予測するなどしてもよい。コンベアを評価するための技術には、ベアリング解析、ねじり解析、コンベアの異なる部分からの検出値を揃えるための位相検出/位相ロックループ、周波数変換および周波数解析、ピーク値検出などが含まれる場合がある。監視装置は、検出値を処理して、ドライブシャフトのねじれ、潜在的なベアリングの故障、不均一な搬送などを識別してもよい。
一例では、製紙工場の搬送システムは、紙スラリーがコーティングされるメッシュを含んでいてもよい。メッシュは、液体が蒸発して紙が乾燥する際にスラリーを搬送する。その後、紙はコアに巻かれ、ロールの直径は3メートルにもなる。抄紙機の搬送速度は、毎分14~48メートルの伝統的な装置から、毎分2000メートル近い高速の新しい装置まで様々である。遅い機械では、紙は14メートル/分でロールに巻き取られるが、これは直径が約3メートルのロールの端に向かって、巻き取りロールが1分間に2、3回転の速度で回転していることを示している。ウェブ搬送の振動や巻き取りロールのねじれは、紙の損傷、ウェブ上の紙の斜行、ロールの斜行を引き起こし、その結果、装置のダウンタイムや製品の品質低下、使用不能を招く可能性がある。さらに、機器の故障により、コストのかかる機械の停止や製品の損失が発生する可能性もある。したがって、問題を予測し、予防的なメンテナンスなどを提供する機能は有用であると考えらる。
トラックのエンジンやステアリングシステムを監視して,タイムリーなメンテナンスを行い,予期せぬ故障を回避することは重要である.燃焼室、回転するクランクシャフト、ベアリングなどの健全性は、温度、ねじれ、振動などを含むエンジン部品に関連する様々な特性を測定する複数のセンサから受け取った検出値を解釈するように構成された監視装置を使用して監視することができる。上述したように、監視装置は検出値を処理して、エンジンベアリングの健全性、クランクシャフト/ドライブシャフトのねじり振動、燃焼室の予期せぬ振動、異なるコンポーネントの過熱などを識別してもよい。処理はローカルで行われてもよいし、複数の車両でデータを収集して共同で解析してもよい。監視装置は、エンジンや燃焼室などに関連する検出値を処理してもよい。センサは、問題を特定するために、温度、振動、ねじれ、音響などを監視してもよい。監視装置またはシステムは、ピーク検出、軸受解析、ねじれ解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、ステアリングシステムの潜在的な問題を特定し、軸受およびねじれ解析を使用して、エンジンの回転部品の潜在的な問題を特定することができる。このような潜在的な問題の特定は、タイムリーなメンテナンスの予定を立てたり、メンテナンス前の動作を軽減したり、将来の部品設計に影響を与えるために使用することができる。
石油・ガス産業の掘削機やスクリュードライバは,大きなストレスにさらされることがある.これらの機械は遠隔地に設置されることが多いため、予期せぬ故障が発生すると、交換部品の搬入に伴うリードタイムのためにダウンタイムが長くなる可能性がある。温度、ねじれ、振動、回転速度、垂直方向の速度、加速度、画像センサーなど、掘削機やドライバーに関連するさまざまな特性を測定する複数のセンサーから受け取った検出値を解釈するように構成された監視装置を使用して、掘削機やドライバーおよび関連する回転クランクシャフト、ベアリングなどの健全性を監視することができる。上述したように、監視装置は検出値を処理して、機器の健全性、クランクシャフト/ドライブシャフトのねじり振動、コンポーネントの予期せぬ振動、異なるコンポーネントの過熱などを識別してもよい。処理は、ローカルに行われてもよいし、多数の機械にまたがってデータを収集し、共同で解析してもよい。監視装置は、検出値、機器のメンテナンス記録、製品記録、履歴データなどを共同で処理して、検出値と現在および将来の状態との間の相関関係を特定してもよい。また、部品や機器の予想される寿命などを監視することもできる。センサーは、温度、振動、ねじれ、音響などを監視し、ドリルシャフトの予期せぬねじれ、ギアの滑り、過熱などの問題を特定してもよい。監視装置またはシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、潜在的な問題を特定することができる。この潜在的な問題の特定は、タイムリーなメンテナンスのスケジュール、新しい部品や交換部品の注文、メンテナンス前の稼働率の低下、将来の部品設計への影響などに利用できる。
同様に,石油・ガス田で動作するギアボックスの健全性を監視することが望ましい場合がある。監視装置は、温度、振動などのギアボックスに関連する様々な特性を測定する複数のセンサから受信した検出値を解釈するように構成されてもよい。監視装置は、検出値を処理して、ギアおよびギアボックスの健全性と予想される寿命を特定することができる。処理は局所的に行われてもよいし、多数のギアボックスにわたってデータを収集し、共同で解析してもよい。監視装置は、検出値、装置のメンテナンス記録、製品記録の履歴データなどを共同で処理して、検出値、ギアボックスの現在および将来の状態、ギアボックスおよび関連部品の予想寿命などの相関関係を特定してもよい。監視装置やシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、潜在的な問題を特定することができる。このような潜在的な問題の特定は、タイムリーなメンテナンスのスケジュール、新しい部品や交換部品の注文、メンテナンス前の稼働率の低下、将来の機器設計への影響などに利用できる。
石油・ガス産業の精製タンクは,内部で発生する化学反応により大きなストレスを受けることがある。タンクが破損すると、潜在的に有毒な化学物質が放出される可能性があるため、精製タンクおよび関連部品の状態を監視することが有益である場合がある。精製タンクを監視して様々な継続的データを収集することで、機器の摩耗、部品の摩耗、予期せぬストレスなどを予測することができる。精製タンクの状態のような機器の健全性に関する予測は、適時のメンテナンスのスケジュール、新しい部品や交換部品の注文、メンテナンス前の稼働率の低下、将来の部品設計への影響などに利用することができる。上記の説明と同様に、以下のような精製タンクに関連する様々な特性を測定する複数のセンサーから受け取った検出値を解釈するように構成された監視装置を使用して、精製タンクを監視することができる。温度、振動、内圧、外圧、シームやポートでの液体や気体の存在などを検出する。監視装置は、検出値を処理して、機器の健全性、タンクの予期せぬ振動、タンクの過熱やタンク全体の不均一な加熱などを特定してもよい。処理は局所的に行ってもよいし、多数のタンクにまたがってデータを収集し、共同で解析してもよい。監視装置は、検出値、機器のメンテナンス記録、製品記録の履歴データなどを共同で処理して、検出値、タンクの現在および将来の状態、タンクおよび関連部品の予想される寿命などの間の相関関係を特定してもよい。監視装置やシステムは、潜在的な問題を特定するために、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用してもよい。
同様に、石油・ガス精製所で動作する遠心分離機の健全性を監視することが望ましい場合がある。監視装置は、温度、振動、圧力などの遠心分離機に関連する様々な特性を測定する複数のセンサから受け取った検出値を解釈するように構成されてもよい。監視装置は、検出値を処理して、装置の健全性、遠心分離機の予期せぬ振動、過熱、遠心分離機全体の圧力などを識別してもよい。処理は、ローカルに行われてもよいし、多数の遠心分離機にわたってデータを収集し、共同で解析してもよい。監視装置は、検出値、遠心分離機の現在および将来の状態、遠心分離機および関連部品の予想される寿命などの間の相関関係を識別するために、検出値、機器の保守記録、製品記録の履歴データなどを共同で処理してもよい。監視装置またはシステムは、潜在的な問題を特定するために、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用してもよい。このような潜在的な問題の特定は、タイムリーなメンテナンスのスケジュール、新規または交換部品の注文、メンテナンス前の動作の低減、および将来の機器設計への影響に使用されることがある。
実施形態では、産業用機器の部品の健全性やその他の状態に関する情報は、プロセス中の様々な部品の状態を監視することによって得られる場合がある。モニタリングは、温度、湿度、加速度、変位などのhributeを測定するセンサ信号の振幅を監視することを含んでもよい。データ監視装置8100の一実施形態が図41に示されており、コントローラ8102に通信可能に結合された複数のセンサ8106を含んでもよい。コントローラ8102は、データ取得回路8104、データ解析回路8108、MUX制御回路8114、および応答回路8110。データ取得回路8104は、入力が検出値のサブセットに対応するMUX8112を含んでいてもよい。MUX制御回路8114は、複数の検出値のサブセット、および/または、応答回路8110からのコマンド、および/または、データ解析回路8104の出力に基づいて、MUXの論理制御、および、MUXの入力と検出値の対応の適応的なスケジューリングを行う構造であってもよい。データ解析回路8108は、ピーク検出回路、位相差回路、PLL回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、ねじり解析回路、軸受解析回路、過負荷検出回路、センサ故障検出回路、機械や部品間の好ましくない相互作用を識別するための振動共振回路、動作時のたわみ形状、重量の過負荷、過大な力、応力やひずみに基づく効果などの好ましくないひずみを識別するためのひずみ識別回路などの1つ以上で構成されていてもよい。データ解析回路8108は、解析の結果、部品の健全性状態を出力してもよい。
データ解析回路8108は、所定の入力に対するMUX出力の最大値、または所定の入力に対するMUX出力の値の変化率に基づいて、機械、装置、システム、または機器のコンポーネント、部品、サブシステムなどの状態、条件、またはステータス(本明細書では、総称してコンポーネント健全性ステータスと呼ぶ)を決定してもよい。データ解析回路8108は、所定の入力に対するMUXの値の時間積分に基づいて、コンポーネントの健全性の状態を判定してもよい。データ解析回路8108は、搭載された時刻または他のセンサに対するMUX出力の位相差に基づいて、コンポーネントの健全性を判定してもよい。データ解析回路8108は、1つ以上の入力検出値に対応するMUX出力の値、位相、位相差、および変化率の関係に基づいて、コンポーネントの健全性状態を判定してもよい。また、データ解析回路8108は、プロセスステージや部品の仕様や部品の予想状態に基づいて、部品の健全性を判断してもよい。
マルチプレクサ制御回路8114は、部品の健全性状態、予想される部品の健全性状態、部品の種類、測定対象の機器の種類、機器の予想される状態、プロセスの段階(プロセスの異なる段階では、異なるパラメータ/センサ値)が重要である場合があることに基づいて、マルチプレクサの論理制御のスケジューリングを適応させてもよい。マルチプレクサ制御回路8114は、ユーザや遠隔監視アプリケーションによって選択されたシーケンスに基づいて、または、特定の値に対するユーザの要求に基づいて、マルチプレクサの論理制御のスケジューリングを適応してもよい。マルチプレクサ制御回路8114は、ストレージプロファイルまたはプラン(例えば、本開示の他の箇所および参照により本明細書に組み込まれた文書に記載されているようなストレージ要素およびパラメータのタイプおよび可用性に基づく)、ネットワーク条件または可用性(同じく本開示の他の箇所および参照により本明細書に組み込まれた文書に記載されているような)、またはコンポーネントもしくは機器の価値もしくはコストに基づいて、マルチプレクサの論理制御のスケジューリングを適応させてもよい。
複数のセンサ8106は、データ取得回路8104のポートに有線接続されてもよい。また、複数のセンサ8106は、データ取得回路8104に無線接続されてもよい。データ取得回路8104は、複数のセンサ8106のうち少なくとも1つのセンサの出力に対応する検出値にアクセスすることができてもよく、ここでセンサ8106は、機器または動作部品の異なる動作面に関するデータを取得してもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置8100のための複数のセンサ8106の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作および故障状態、プロセスまたはプラント内の様々な位置で望まれる分解能、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響、故障の時間応答(例:故障前の警報時間や異常モード)、故障の可能性、必要な感度、故障状態の検出の難しさなどにより、部品や機器をより多くのセンサで監視したり、予期せぬ故障や未検出の故障が高額な費用や深刻な結果をもたらすシステムに高機能のセンサを使用したりする程度が変わってくる。
機器の種類、測定されるコンポーネント、機器が動作する環境などに応じて、センサ8106は、振動センサ、温度計、湿度計、電圧センサおよび/または電流センサ(コンポーネントおよび/またはコンポーネントを測定する他のセンサのための)、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成、および/またはスペクトル解析、および/または物体の位置または動きを決定する)、イメージセンサ、構造化された光センサ、レーザーベースのイメージセンサの1つまたは複数を含むことができる。イメージセンサー、構造化光センサー、レーザーイメージセンサー、サーマルイメージャー、音響波センサー、変位センサー、濁度計、粘度計、軸方向荷重センサー、半径方向荷重センサー、3軸センサー、加速度計、スピードメーター、タコメーター、流体圧力計、空気流量計。加速度計、速度計、回転計、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、光学(レーザー)粒子カウンター、超音波センサー、音響センサー、熱流束センサー、ガルバニックセンサー、磁力計、pHセンサーなど、本開示および参考文献に記載されているセンサーのいずれかを含むが、これらに限定されるものではない。
センサ8106は、加速度や振動に関連するような位相成分を有する経時的なデータのストリームを提供してもよく、装置の一部または動作部品の異なる動作側面の位相解析または周波数解析の評価を可能にすることができる。センサ8106は、温度、湿度、負荷などのような、従来の位相成分を持たないデータのストリームを提供してもよい。センサ8106は、経時的なデータの連続的またはほぼ連続的なストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または、選択された間隔またはスケジュールに従った読み取りを提供してもよい。
センサ8106は、車両、現場の石油・ガス機器、組立ラインの部品などの、ベアリング、ベアリングのセット、モータ、ドライブシャフト、ピストン、ポンプ、コンベア、振動コンベア、コンプレッサ、ドリルなどの部品を監視してもよい。
実施形態では、図41に例示されているように、センサ8106は、本明細書ではデータコレクタと呼ばれるデータ監視装置8100の一部であってもよく、これは場合によってはモバイル型またはポータブル型のデータコレクタを構成してもよい。実施形態では、図42および43に示されるように、明示的に監視装置8120の一部ではなく、新規に、以前に装置またはコンポーネントに取り付けられた、または統合された、1つまたは複数の外部センサ8126が、監視装置8120に機会的に接続されるか、または監視装置8120によってアクセスされてもよい。監視装置8120は、コントローラ8122を含んでもよい。コントローラ8122は、データ取得回路8104と、データ解析回路8108と、MUX制御回路8114と、応答回路8110とを含んでもよい。データ取得回路8104は、入力が検出値のサブセットに対応するMUX8112を含んでいてもよい。MUX制御回路8114は、複数の検出値のサブセット、および/または、応答回路8110からのコマンド、および/または、データ解析回路8108の出力に基づいて、MUXの論理的な制御、および、MUXの入力と検出値の対応付けを行う構造であってもよい。データ解析回路8108は、ピーク検出回路、位相差回路、PLL回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、ねじり解析回路、軸受解析回路、過負荷検出回路、機械や部品間の好ましくない相互作用を識別するための振動共振回路、動作時のたわみ形状などの好ましくない歪みを識別するための歪み識別回路、応力や歪みに基づく効果などのうちの1つ以上で構成されていてもよい。
1つまたは複数の外部センサ8126は、コントローラ8122のデータ取得回路8104上の1つまたは複数の入力ポート8128に直接接続されてもよく、または、リーダ、インタロゲータ、または近距離無線プロトコル上などの他の無線接続によって、データ取得回路8104によって無線でアクセスされてもよい。実施形態において、図43に示すように、データ取得回路8104は、無線通信回路8130をさらに含んでいてもよい。データ取得回路8104は、無線通信回路8130を用いて、1つ以上の外部センサ8126に対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせでアクセスしてもよい。
実施形態では、図44に示されているように、コントローラ8134は、データ記憶回路8136をさらに含んでいてもよい。データ記憶回路8136は、センサの仕様、コンポーネントの仕様、予想される状態情報、検出値、マルチプレクサの出力、コンポーネントモデルなどの1つ以上を記憶する構造であってもよい。データ記憶回路8136は、仕様や予想される状態の情報をデータ解析回路8108に提供してもよい。
実施形態では、応答回路8110は、データ解析回路8108によって提供されるセンサステータスに基づいて、様々なアクションを開始してもよい。応答回路8110は、センサのスケーリング値を調整してもよい(例えば、100mV/グラムから10mV/グラムへ)。応答回路8110は、利用可能な複数のセンサから代替センサを選択してもよい。応答回路8110は、異なる範囲の複数のセンサからデータを取得してもよい。応答回路8110は、代替センサを推奨してもよい。応答回路8110は、アラームや警報を発してもよい。
実施形態では、応答回路8110は、部品の状態に基づいて、データ取得回路8104に、特定のセンサに対応する検出値の処理を有効または無効にさせてもよい。これには、応答速度、感度、範囲などが異なるセンサへの切り替え、新たなセンサやセンサの種類へのアクセス、複数のセンサからのデータへのアクセスなどが含まれる。切り替えは、モデルや一連のルールなどに基づいて行われてもよい。実施形態では、切り替えは機械学習システムの制御下にあり、一連の試行において、入力データと組み合わせた1つまたは複数の成功指標に基づいて切り替えが制御されるようになっており、これは人間の監督者の監視下で、または自動化システムの制御下で行われることがある。切り替えには、1つの入力ポートから別の入力ポートへの切り替え(例えば、1つのセンサーから別のセンサーへの切り替え)が含まれる場合がある。切り替えには、異なる状況下で異なるストリームを組み合わせるなど、データの多重化を変更することが含まれる場合がある。切り替えには、追加のデータを取得するためにシステムを起動することが含まれる。例えば、移動システム(ロボットシステムやドローンシステムなど)を、異なるデータまたは追加のデータが利用可能な場所に移動させること、例えば、画像センサーを別の景色に合わせて配置したり、ソナーセンサーを別の収集方向に合わせて配置したりすること、または、異なるセンサーにアクセスできる場所に移動させること、例えば、有線または無線接続によって環境内の場所にあるセンサーに接続するためにコレクターを移動させることなどがある。この切り替えは、マルチプレクサ(MUX)制御回路8114に変更を指示することによって実施することができる。
実施形態では、応答回路8110は、将来的に特定のセンサを、異なる応答速度、感度、範囲などを有するセンサと交換するための推奨を行ってもよい。応答回路8110は、部品、装置の一部、動作条件、プロセスなどの将来の実施形態について、設計変更を推奨してもよい。
実施形態では、応答回路8110は、今後のプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよく、メンテナンスは、センサを、異なる応答速度、感度、範囲などを有する同じまたは代替のタイプのセンサと交換することを含んでもよい。実施形態では、応答回路8110は、プロセスの変更を実施または推奨してもよい。例えば、保守間隔が近い、非公式に動作している、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げること、コンポーネントの動作速度を変更すること(低需要モードにするなど)、問題の改善を開始すること(ローラベアリングセットの追加の潤滑のために信号を送ること、またはバランスが取れていないシステムのアライメントプロセスのために信号を送ることなど)などである。
実施形態では、データ解析回路8108および/または応答回路8110は、コンポーネント性能のオーバータイムの追跡を可能にするために、特定の検出値および/またはマルチプレクサの出力および/またはMUXの論理制御に対応するデータを、データ記憶回路8136に定期的に格納してもよい。実施形態では、本明細書の他の箇所に記載されているように、センサの状態に基づいて、最近測定されたセンサデータと、RPM、コンポーネントの負荷、温度、圧力、振動、またはデータ記憶回路8136の本開示全体に記載されているタイプの他のセンサデータなどの関連する動作状態とが、過負荷/故障したセンサデータのバックアウトを可能にする。信号評価回路8108は、将来の処理におけるより大きな粒度、異なるサンプリングレートでの再処理能力、および/または、関心のある動作データにフラグが立てられたシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを記憶してもよい。
実施形態では、図45、46、47、および48に示すように、データ監視システム8138は、少なくとも1つのデータ監視デバイス8140を含んでもよい。少なくとも1つのデータ監視デバイス8140は、センサ8106と、データ取得回路8104、データ解析回路8108、データ記憶回路8136、およびデータおよび解析をリモートサーバ8148上の監視アプリケーション8150に送信できるようにするための通信回路8146を含むコントローラ8142とを含んでもよい。信号評価回路8108は、少なくとも過負荷検出回路(例えば、参照図91および92)および/またはセンサ故障検出回路(例えば、参照図91および92)を含んでもよい。信号評価回路8108は、監視アプリケーション8150による経時的かつ様々な条件下でのコンポーネントおよび機器の性能の追跡を可能にするために、リモートサーバ8148に送信するためのデータを通信回路8146と定期的に共有してもよい。センサの状態に基づいて、信号評価回路8108および/または応答回路8110は、1つまたは複数の基準に対するデータの適合性に基づいて、リモートサーバ8148に送信するために通信回路8146とデータを共有してもよい。データは、最近のセンサデータと、送信のためのRPM、コンポーネント負荷、温度、圧力、振動などの追加データとを含んでもよい。信号評価回路8108は、リモートサーバでの処理においてより大きな粒度を可能にするために、より高いデータレートでデータを共有して送信してもよい。
実施形態では、図45に示すように、通信回路8146は、データをリモートサーバ8148に直接通信してもよい。実施形態では、図46に示すように、通信回路8146は、オペレーティングシステム8156を実行するプロセッサ8154およびデータ記憶回路8158を含むことができる中間コンピュータ8152にデータを通信してもよい。
図47および48に示されているような実施形態では、データ収集システム8160は、単一の機器内の複数のコンポーネントに関するデータを収集する複数の監視装置8144を有していてもよく、同じ機器内の複数の機器(同じタイプの機器と異なるタイプの機器の両方)にわたって同じコンポーネントに関するデータを収集してもよい。設備の中で、複数の設備の監視装置からデータを収集することも可能である。リモートサーバ8148上の監視アプリケーション8150は、複数の様々な監視装置8144から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して保存してもよい。
実施形態では、図47に示すように、通信回路8146は、データをリモートサーバ8148に直接通信してもよい。実施形態では、図48に示すように、通信回路8146は、オペレーティングシステム8156を実行するプロセッサ8154と、データ記憶回路8158とを含む中間コンピュータ8152にデータを通信してもよい。各監視装置8140に関連付けられた個々の中間コンピュータ8152があってもよいし、個々の中間コンピュータ8152が複数の監視装置8144に関連付けられていてもよく、ここで中間コンピュータ8152は複数のデータ監視装置からデータを収集し、累積データをリモートサーバ8148に送信してもよい。リモートサーバ8148への通信は、ストリーミング、バッチ(例えば、接続が利用可能なとき)、またはオポチュニスティックであってもよい。
監視アプリケーション8150は、共同で解析する検出値のサブセットを選択してもよい。解析のためのサブセットは、単一のタイプのセンサ、コンポーネント、またはコンポーネントが動作している単一のタイプの機器に基づいて選択されてもよい。解析対象のサブセットは、負荷の大きさ、運転状態(断続的または連続的など)、運転速度またはタコメータ出力、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件など、共通の運転条件に基づいて選択またはグループ化されてもよい。また、同様の周波数で回転する機器、電磁場を発生させる機器、熱を発生させる機器、動きや振動を誘発する機器、蒸気や化学物質、微粒子を放出する機器など、他の周辺機器の影響に基づいて、解析用のサブセットを選択してもよい。
実施形態では、監視アプリケーション8150は、選択されたサブセットを解析してもよい。一例では、単一のセンサからのデータは、1つの動作サイクル、複数の動作サイクル、1ヶ月、1年、コンポーネントの寿命などの異なる期間にわたって解析されてもよい。また、同じ種類の部品を測定する複数のセンサーからのデータを、異なる期間に渡って解析してもよい。起動時やプロセスの異なる時点に関連する変化率など、データの傾向を特定することができる。異なるセンサーの傾向と値の相関関係を解析し、短期的な解析でセンサーの期待される性能を最もよく予測できるパラメーターを特定する。この情報は、センサモデル、センサの選択、センサの範囲、センサのスケーリング、センサのサンプリング頻度、収集されたデータの種類などを更新するために、監視装置に送信され、ローカルに解析されたり、将来の監視装置の設計に影響を与えたりする。
実施形態では、監視アプリケーション8150は、ルールベースまたはモデルベースの解析を使用して選択されたサブセットを解析するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、複数のセンサの予想される状態情報、動作履歴、過去の検出値、センサの寿命モデルなどにアクセスしてもよい。監視アプリケーション8150は、センサの選択、収集する追加データ、センサデータとともに保存するデータなどに関する推奨事項を提供してもよい。モニタリングアプリケーション8150は、修理および/またはメンテナンスのスケジューリングに関する推奨事項を提供してもよい。モニタリングアプリケーション8150は、センサの交換に関する推奨事項を提供してもよい。交換用センサは、交換されるセンサと一致してもよいし、交換用センサは、異なる範囲、感度、サンプリング周波数などを有してもよい。
実施形態では、監視アプリケーション8150は、センサの状態データ(例えば、センサの過負荷またはセンサの故障)を、他のセンサからのデータ、監視されているコンポーネントの故障データ、監視されている機器、生成されている出力などと共に解析するように構成された遠隔学習回路を含んでもよい。遠隔学習システムは、センサーの過負荷と他のセンサーからのデータとの間の相関関係を識別してもよい。
産業環境におけるデータ収集のための例示的な監視システムは、多数の検出値を解釈するデータ取得回路であって、検出値の各々は、多数の入力センサのうちの少なくとも1つから受信した入力に対応する、データ取得回路と、検出値のサブセットに対応する入力を有するMUXと、多数の検出値のサブセットを解釈し、MUXの論理制御と、その結果としてのMUX入力と検出値との対応を提供するMUX制御回路とを含む。ここで、MUXの論理制御は、セレクトラインの適応的なスケジューリングを含み、MUXからの出力と、MUXの論理制御の結果としてコンポーネントの健全性状態に対応するデータを受け取るデータ解析回路と、コンポーネントの健全性状態に対応して動作を実行する解析応答回路とを備え、ここで、多数のセンサーは、温度センサー、荷重センサー、振動センサー、音波センサー、熱流束センサー、赤外線センサー、加速度計、三軸振動センサー、および/またはタコメーターなどの少なくとも2つのセンサーを含む。特定のさらなる実施形態では、例示的なシステムは以下を含む。ここで、多数の検出値のうちの少なくとも1つは、仮想センサを表す2つ以上の入力センサの融合に対応していてもよく、システムは、コンポーネント仕様および予想されるコンポーネントの状態情報のうちの少なくとも1つを格納し、所定の長さの時間の間、多数の検出値のサブセットをバッファリングするデータ記憶回路をさらに含み、システムは、コンポーネント仕様および予想されるコンポーネントの状態情報のうちの少なくとも1つを格納し、所定の長さの時間の間、MUXの出力およびMUXの論理制御に対応するデータをバッファリングするデータ記憶回路をさらに含む。データ解析回路が、ピーク検出回路、位相検出回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、PLL回路、ねじり解析回路、および/または軸受解析回路を含み、動作が、データ記憶回路に追加のデータを格納することをさらに含み、動作が、MUX回路の1つ以上の部分を有効または無効にすることの少なくとも1つを含み、および/または、動作が、MUX制御回路に、MUXの論理制御およびMUXの入力値と検出値の対応関係を変更させることを含む、システム。特定の実施形態では、システムは、少なくとも2つのマルチプレクサを含み、マルチプレクサ入力と検出値の対応関係の制御は、第1のマルチプレクサの出力と第2のマルチプレクサの入力との接続を制御することをさらに含み、マルチプレクサ入力と検出値の対応関係の制御は、少なくとも2つのマルチプレクサのうちの1つの少なくとも一部をパワーダウンすることをさらに含み、および/または、MUX入力と検出値の対応関係の制御は、セレクトラインの適応的なスケジューリングを含む。ある実施形態では、データ応答回路が、1つまたは両方のMUXからのデータのストリームを解析し、解析に応じてアクションを推奨する。
例示的なテストシステムは、多数のアナログ及びデジタル入力センサー、多数の検出値を解釈するデータ取得回路を含む監視装置であって、多数の検出値の各々は、入力センサの少なくとも1つに対応する監視装置、検出値のサブセットに対応する入力を有するMUX、検出値の数のサブセットを解釈し、MUXの論理制御と、その結果としてのMUX入力と検出値の対応関係の制御とを行うMUX制御回路であって、MUXの論理制御は、前記選択線の適応的スケジューリングを含む、MUX制御回路、および、セレクトラインのスケジューリング入力を受け付け、MUXおよびセレクトラインデータの出力を表示することが可能なユーザインタフェース、と通信する。
実施形態では、産業機器のコンポーネントまたはピースの健全性または他のステータスまたは状態情報に関する情報は、関連するデータ信号、タイマー、基準信号またはデータ測定値に対するデータ信号の振幅および位相またはタイミングの両方を見ることによって得られてもよい。データ監視装置8500の一実施形態が図49に示されており、コントローラ8502に通信可能に結合された複数のセンサ8506を含んでもよい。コントローラ8502は、データ取得回路8504と、信号評価回路8508と、応答回路8510とを含んでもよい。複数のセンサ8506は、データ取得回路8504のポートに有線接続されてもよいし、データ取得回路8504と無線で通信してもよい。また、複数のセンサ8506は、データ取得回路8504と無線で接続されていてもよい。データ取得回路8504は、複数のセンサ8506のうち少なくとも1つのセンサの出力に対応する検出値にアクセスすることができてもよく、ここでセンサ8506は、機器または動作部品の異なる動作面に関するデータを取得していてもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置8500のための複数のセンサ8506の選択は、新しいセンサをインストールするためのアクセス性、初期設計におけるセンサの組み込み、予想される動作条件および故障条件、センサの信頼性など、さまざまな考慮事項に依存する場合がある。故障の影響を考慮して、より多くのセンサーや高機能のセンサーを、予期せぬ故障や未検出の故障が高額な費用や深刻な結果をもたらすシステム専用に設置することで、部品や機器を監視する範囲を決定することができる。
機器の種類、測定される成分、機器が動作している環境などに応じて、センサ8506は、限定されないが、振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、,温度、組成、スペクトル解析、物体の位置や動きの測定)、イメージセンサ、構造化光センサ、レーザベースイメージセンサ、音響波センサ、変位センサ、濁度計、粘度計、荷重センサ、3軸センサ、加速度計、タコメータ、流体圧力センサ、振動センサ、加速度計などタコメーター、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサー、pHセンサーなど、本開示及び参照により組み込まれる文書を通じて説明される任意のセンサーが含まれるが、これらに限定されない。
センサ8506は、加速度または振動に関連するような位相成分を有する経時的なデータのストリームを提供してもよく、装置の一部または動作部品の異なる動作側面の位相または周波数解析の評価を可能にする。センサ8506は、温度、湿度、負荷などのような、従来の位相成分を持たないデータのストリームを提供してもよい。センサ8506は、経時的なデータの連続的またはほぼ連続的なストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または、選択された間隔またはスケジュールに従った読み取りを提供してもよい。
実施形態では、図49に例示されているように、センサ8506は、本明細書でデータコレクタと呼ばれるデータ監視装置8500の一部であってもよく、これは場合によってはモバイル型またはポータブル型のデータコレクタを構成してもよい。実施形態では、図50および51に示されているように、装置またはコンポーネントに新たにまたは以前に取り付けられた、または統合されたセンサ8518は、監視装置8512に機会的に接続されるか、または監視装置8512によってアクセスされてもよい。センサ8518は、コントローラ8514のデータ取得回路8516上の入力ポート8520に直接接続されてもよいし、データ取得回路8516によって、リーダ、インタロゲータ、または近距離無線プロトコル上などの他の無線接続によって、無線でアクセスされてもよい。実施形態では、データ取得回路8516は、センサ8518に対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせでアクセスしてもよい。実施形態では、データ取得回路8504は、近傍のセンサ8518からデータをオポチュニティに無線で受信し、データ取得回路8516の入力ポート8520にデータをルーティングすることができる無線通信回路8522を含んでもよい。
実施形態では、図52および53に示されているように、信号評価回路8508は、次に、検出値を処理して、監視されているコンポーネントまたは装置の一部に関する情報を取得してもよい。信号評価回路8508によって抽出された情報は、回転速度、振幅、周波数、位相、および/または音響データを含む振動データ、および/または、温度、湿度、画像データなどの非位相センサデータを含んでもよい。
信号評価回路8508は、2つの時間ベースの信号間の位相差を決定する位相検出回路8528、第2の信号、タイマーまたは基準信号と整列するように信号の相対位相を調整する位相ロックループ回路8530、および/または異なる周波数で発生する信号を分離するために使用されてよいバンドパスフィルター回路8532などの1または複数のコンポーネントを含んでもよい。例示的なバンドパスフィルタ回路8532は、少なくともローパスフィルタ、ハイパスフィルタ、および/またはバンドパスフィルタを含む、当技術分野で理解される任意のフィルタリング動作を含む-例えば、特定の判定にとって関心のない周波数を除外または低減し、および/または関心のある周波数の信号を強化するために使用される。さらに、または代替的に、バンドパスフィルタ回路8532は、周波数の範囲(例えば、既知のノイズ源からの周波数)を狭めるための1つまたは複数のノッチフィルタまたは他のフィルタリング機構を含む。これは、全体の回転などの支配的な周波数の信号をフィルタリングするために使用されてもよく、ねじれ、軸受の故障などに関連する周波数での低振幅信号の評価を可能にするのに役立つ場合がある。
実施形態では、相対的な差を理解することは、2つの信号間の位相差を決定するための位相検出回路8528によって可能になる場合がある。装置の一部の相対的な回転に対して周期的な振動が発生する場合など、信号間の相対的な位相オフセットを理解することに価値がある可能性がある。実施形態では、モータの制御をよりバランスよく行うために、モータの制御入力に対して周期的なシャフトの振動が発生する場所を理解することに価値がある可能性がある。これは、相対的に遅い回転数で動作しているシステムや部品に特に当てはまる場合がある。2つの信号間の位相差、またはそれらの信号とタイマーの間の位相差を理解することで、信号の値とそれがプロセスや回転のどこで発生するかの関係を確立することができる。相対的な位相差を理解することは、ODS(Operational Deflection Shape)の振動モデルを作成する場合など、システムの異なるコンポーネント間の関係を評価するのに役立つ。
信号評価回路8544は、デジタル高速フーリエ変換(FFT)、ラプラス変換、Z変換、ウェーブレット変換、他の周波数領域変換、または他のデジタルもしくはアナログ信号解析技術などの技術を使用して周波数解析を実行してもよく、限定されないが、複素位相進化解析を含む複素解析が含まれる。全体的な回転速度またはタコメーターは、回転速度計、加速度計、変位計などのセンサーからのデータから導出されてもよい。また、関心のある追加の周波数が特定されてもよい。これらは、全体の回転速度に近い周波数だけでなく、回転速度のそれよりも高い周波数も含んでもよい。これらの周波数には、全体の回転速度と非同期の周波数が含まれる場合がある。回転速度の倍数の周波数で観測される信号は、ベアリングによる振動、またはベアリングが関与する他の動作や状況に起因する可能性がある。いくつかの実施形態では、これらの周波数は、回転速度の1倍、回転速度の2倍、回転速度の3倍などの範囲であってよく、最大で回転速度の3.15倍から15倍、またはそれ以上であってもよい。いくつかの実施形態において、信号評価回路8544は、他の周波数における小振幅信号の識別を容易にするために、全体の回転速度などの予想される周波数における信号を除去するバンドパスフィルタ回路8532を作成するために、全体の回転速度に基づいてバンドパスフィルタ回路8532のRC成分を選択してもよい。実施形態では、バンドパスフィルタが可変バンドパスフィルタであってもよいように、回転速度の変化に合わせて調整が行われるように、可変コンポーネントが選択されてもよい。これは、自動的に自己調整する回路要素の制御下で、または、回転速度インジケータまたは他のデータが制御の基礎として提供される、回路動作のモデルに基づく自動制御を含むプロセッサの制御下で発生してもよい。
実施形態では、信号評価回路8544は、周波数解析を行うのではなく、時間ベースの検出値を利用して一過性の信号解析を行ってもよい。これらは、振幅の変化が所定の値を超える、または一定の継続時間存在する変化を含む、信号振幅の急激な変化を識別することを含んでもよい。実施形態では、時間ベースのセンサーデータを、タイマーまたは基準信号に合わせることで、時間ベースのセンサーデータを、例えば、サイクル内の時間または場所に合わせることができる。時間経過に伴う周波数の変化を見るための追加の処理として、短時間フーリエ変換(STFT)やウェーブレット変換を用いることができる。
実施形態では、周波数ベースの技術と時間ベースの技術を組み合わせることができる。例えば、時間ベースの技術を使用して、所定の動作モードまたは状態が発生している間の離散的な時間帯を決定し、周波数ベースの技術を使用して、離散的な時間帯の1つまたは複数内の動作を決定することができる。
実施形態では、信号評価回路は、紙・パルプ機械、鉱山機械などの低速で動作する機器から得られる信号に対して復調技術を利用してもよい。復調技術を採用した信号評価回路は、データを周波数領域に変換する前に、バンドパスフィルタ回路、整流回路、および/または、ローパス回路を含んでいてもよい。
応答回路8510 8710は、信号評価回路8508 8544の結果を評価することと、特定の基準に基づいて、アクションを開始することとをさらに含んでもよい。基準は、特定のセンサからの検出値に対する所定の最大値または最小値、センサの対応する検出値の経時的な値、値の変化、値の変化率、および/または累積値(例えば、閾値を上回って/下回っている時間、1以上の閾値を上回って/下回っている加重時間、および/または1以上の閾値を上回る/下回る検出値の領域)、を含んでもよい。基準は、特定の周波数又は位相におけるセンサーの検出値を含んでもよく、周波数又は位相は、機器の形状、機器の制御スキーム、システム入力、履歴データ、現在の動作条件、及び/又は予想される反応に基づくものであってもよい。基準は、相対値、値の相対変化、値の相対変化率、時間経過による相対値など、異なるセンサーからのデータの組み合わせで構成されてもよい。相対的基準は、プロセス段階、処理されている製品の種類、装置の種類、周囲の温度と湿度、他の装置からの外部振動など、他のデータまたは情報によって変化することがある。相対的な基準は、ベアリングによって誘発される振動と装置設計に起因する振動とを区別するために、全体的な回転速度との同調性のレベルを含んでもよい。実施形態において、基準は、1つ又は複数の計算された統計又はメトリック(複数の基準又は統計に関する更なる計算によって生成されたものを含む)に反映されてもよく、これらは、順に、(データ収集装置上又は外部システムによって)処理に使用されてもよく、例えば、本開示において説明される機械学習能力の1又は複数への入力として提供されるようにする。制御システム(データ入力の選択、センサデータの多重化、記憶などを制御する、オンボードデータコレクタまたはリモートであってもよい)、またはデータ市場、SCADAシステム、遠隔制御システム、保守システム、解析システム、または他のシステムで利用できるデータストリームまたはデータパッケージなどの他のシステムへの入力となるデータ要素として使用することができる。
例示的かつ非限定的な例では、振動振幅及び/又は周波数が所定の最大値を超える場合、所定の許容範囲を超える変化又は変化率がある場合、及び/又は振動振幅及び/又は周波数に基づく累積値が閾値を超える場合に警報が発せられる場合がある。特定の実施形態は、本明細書において、検出値が閾値又は所定値を超えるものとして説明されるが、検出値は、閾値又は所定値を下回ることもある-例えば、検出値の変化量が起こると予想されるが、検出値は、変化が起こっていない可能性を示す場合などである。例えば、限定はしないが、振動データは、システムの攪拌レベル、適切に動作する機器などを示す場合があり、振幅及び/又は周波数の閾値を下回る振動データは、期待通りに動作していないプロセスの兆候である場合がある。文脈上明らかにそうでない場合を除き、閾値を超える値及び/又は所定の値若しくは期待値を超える値の判定を説明する本明細書のいかなる記述も、閾値を下回る値及び/又は所定の値若しくは期待値を下回る値の判定を含むと理解される。
所定の許容範囲は、ベアリングの数、相対的な回転速度、ある周波数でのシステムへの電力の流入など、機器の形状および制御方式に基づいて予想されるシステム応答または振動に基づいてもよい。また、所定の許容範囲は、複数の類似した機器や部品における検出値の長期的な解析や、機器の故障とのデータの相関関係に基づいてもよい。振動位相情報に基づいて、問題の物理的な位置を特定してもよい。振動位相情報に基づいて、システム設計上の欠陥、非正常な動作、および/またはコンポーネントやプロセスの故障が特定される場合がある。いくつかの実施形態では、振動が発生する周波数や位相における振幅の増加やシフトなど、データの経時的な変化や変化率に基づいて警報を発することができる。いくつかの実施形態では、閾値を超えて過ごした時間、1つ以上の閾値を超えて過ごした時間を加重した値、および/または1つ以上の閾値を超えて検出された値の曲線の面積など、蓄積された値に基づいて警報が出されることがある。実施形態では、温度、湿度などの非位相センサの値に加えて、値の相対的な変化、または振幅、位相の周波数の相対的な変化率など、異なるセンサからのデータの組み合わせに基づいてアラートを発行してもよい。例えば、特定の周波数での温度とエネルギーの増加は、故障し始めている高温のベアリングを示すことがある。実施形態では、アラームの相対的な基準は、プロセスステージ、装置で処理されている製品の種類、周囲の温度や湿度、他の装置からの外部振動など、他のデータや情報によって変わることがある。
実施形態において、応答回路8510は、データ取得回路8504に、上述した基準のいくつかに基づいて、特定のセンサに対応する検出値の処理を有効または無効にさせることができる。これは、異なる応答速度、感度、範囲などを有するセンサへの切り替え、新しいセンサまたはセンサの種類へのアクセスなどを含んでもよい。切り替えは、モデル、規則のセットなどに基づいて実施されてもよい。実施形態において、切り替えは、機械学習システムの制御下に置かれてもよく、切り替えが、人間の監督者の監視下又は自動化システムの制御下で行われ得る一連の試験にわたって、入力データと組み合わせた1つ又は複数の成功の測定基準に基づき制御されるようなものである。切り替えは、ある入力ポートから別の入力ポートへの切り替え(例えば、あるセンサーから別のセンサーへの切り替え)を含むことができる。切り替えは、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することを含む場合がある。切り替えは、移動システム(ロボットシステムまたはドローンシステムなど)を、異なるまたは追加のデータが利用可能な場所(異なる視界のために画像センサを配置する、または異なる収集方向のためにソナーセンサを配置するなど)、または異なるセンサがアクセス可能な場所(有線または無線接続によって環境内の場所に配置されるセンサまで接続するために収集器を移動するなど)に移動することなど、追加のデータを取得するシステムをアクティブにすることに関与してもよい。応答回路8510は、将来、特定のセンサを、異なる応答速度、感度、範囲などを有するセンサに置き換えるための推奨を行ってもよい。応答回路8510は、コンポーネント、装置の一部、動作条件、プロセスなどの将来の実施形態に対する設計変更を推奨してもよい。
実施形態では、応答回路8510は、今後のプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよい。応答回路8510は、装置のバランスを遠隔的に取るために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路8510は、プロセスの変更を実施または推奨してもよい-例えば、保守間隔に近い、オフノミナルに動作している、または目的のために故障しているが少なくとも部分的にはまだ動作しているコンポーネントの利用率を低下させる、コンポーネントの動作速度を変更する(低需要モードにするなど)、問題の改善を開始する(ローラベアリングセットの追加の潤滑のために信号を送る、またはバランスを失っているシステムのためのアライメントプロセスのために信号を送るなど)、などである。
実施形態では、図54に示すように、データ監視装置8540は、データ記憶回路8542やメモリなどをさらに備えてもよい。信号評価回路8544は、部品性能の経時的な追跡を可能にするために、特定の検出値を定期的に記憶してもよい。
実施形態では、センサ値が1つ以上の基準に近づくと発生し得る関連する動作条件及び/又は故障モードに基づいて、信号評価回路8544は、本開示を通じて説明されるような1つ以上の基準に対するデータの適合に基づいて、データ記憶回路8542にデータを記憶してもよい。指定された基準又は範囲を満たす又は近づく1つのセンサ入力に基づいて、信号評価回路8544は、回転数、コンポーネント負荷、温度、圧力、振動又は本開示を通じて説明される種類の他のセンサデータなどの追加のデータを記憶してもよい。信号評価回路8544は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、及び/又は関心のある動作データがフラグ付けされているシステム情報の診断又は後処理を可能にするため、より高いデータレートでデータを記憶してもよい。
実施形態では、図55に示すように、データ監視システム8546は、少なくとも1つのデータ監視装置8548を含んでいてもよい。少なくとも1つのデータ監視装置8548は、センサ8506と、データ取得回路8504、信号評価回路8538、データ記憶回路8542、およびデータおよび解析をリモートサーバ8554上の監視アプリケーション8556に送信できるようにする通信回路8552を含むコントローラ8550とを備える。なお、信号評価回路8538は、位相検出回路8528、位相ロックループ回路8530、および/またはバンドパス回路8532の少なくとも1つで構成されていてもよい。信号評価回路8538は、遠隔サーバ8554に送信するためのデータを通信回路8552と定期的に共有して、監視アプリケーション8556による時間経過や様々な条件でのコンポーネントや機器の性能の追跡を可能にしてもよい。センサ値が1つまたは複数の基準に近づくと、関連する動作条件および/または故障モードが発生する可能性があるため、信号評価回路8538は、1つまたは複数の基準に対するデータの適合性に基づいて、リモートサーバ8554に送信するために通信回路8552とデータを共有することができる。指定された基準または範囲を満たすまたは近づく1つのセンサ入力に基づいて、信号評価回路8538は、RPM、コンポーネント負荷、温度、圧力、振動などの追加データを送信のために共有してもよい。また、信号評価回路8538は、リモートサーバでの処理の粒度を高めるために、より高いデータレートでデータを共有して送信してもよい。
実施形態では、図56に示すように、データ収集システム8560は、単一の機器内の複数のコンポーネントに関するデータを収集する複数の監視装置8558を備えてもよく、同一施設内の複数の機器(同一および異なるタイプの機器の両方)間で同じコンポーネントに関するデータを収集してもよく、さらに複数の施設内の監視装置からデータを収集することもできる。リモートサーバー上の監視アプリケーションは、複数の様々な監視装置から来るデータを受信し、保存することができる。監視アプリケーションは、次に、共同で解析することができるデータのサブセットを選択することができる。モニタリングデータのサブセットは、単一タイプのコンポーネントからのデータ、またはコンポーネントが動作している単一タイプの装置からのデータに基づいて選択される場合がある。監視データは、負荷の大きさ、運転状態(例えば、間欠、連続)、運転速度またはタコメータなどの共通運転条件、湿度、温度、空気または流体の微粒子などの共通周囲環境条件などに基づいて選択またはグループ化することができる。監視データは、類似の周波数で回転する近くの機械、電磁場を発生する近くの機器、熱を発生する近くの機器、動きや振動を誘発する近くの機器、蒸気、化学物質または微粒子を放出する近くの機器、または他の潜在的に干渉または介入する影響など、他の近くの機器の影響に基づいて選択されてもよい。
その後、監視アプリケーションは、選択されたデータセットを解析してもよい。例えば、1つのコンポーネントからのデータは、1つの動作サイクル、複数の動作サイクル、1ヶ月、1年などの異なる期間にわたって解析されてもよい。また、同じ種類の複数のコンポーネントからのデータを、異なる期間にわたって解析してもよい。周波数や振幅の変化などのデータの傾向は、同じ部品や機器に関連する故障やメンテナンスの記録と相関があるかもしれない。また、起動時やプロセスの異なる時点に関連する変化率などのデータの傾向を特定することもできる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成功または失敗を示すデータなど、追加のデータを解析に導入してもよい。異なる種類のデータの傾向と値の相関関係を解析し、短期的な解析によって期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定することができる。この情報は、ローカルに収集・解析されたデータの種類を更新するため、または将来の監視装置の設計に影響を与えるために、監視装置に送信されることがある。
例示的かつ非限定的な例では、監視装置は、機械的なトルクを測定するためにセンサデータを収集および処理するために使用されてもよい。監視装置は、回転の複数のサイクルを測定するのに十分な長時間にわたってデータを収集するために、高解像度の高速振動センサと通信してもよいし、これを含んでもよい。歯車駆動の機器の場合、1サイクルあたりのサンプル数が、部品を駆動する歯車の数と少なくとも等しくなるようなサンプリング分解能が必要である。低いサンプリング分解能を利用することで、信頼性の低い判定を行うことができ、また、十分な統計的信頼性を得るために長期間にわたってデータを取得することができることを理解されたい。このデータは、機器の位相基準(相対プローブ)またはタコメーター信号の生成に使用することができる。この位相基準は、部品の異なる位置やシステム内の異なる部品に配置された複数のセンサーからの振動データや加速度データなどの位相データを揃えるために使用することができる。この情報は、異なるコンポーネントのトルクの決定や、動作モード時の1つまたは複数のコンポーネントの機械的な偏向の程度を示すODS(Operational Deflection Shape)の生成を容易にする可能性があり、このODSは、コンポーネントの機械的なトルクを測定するために使用することができる。
高解像度のデータストリームは、低速動作における一過性の信号の検出のための追加データを提供することができる。一過性の信号を特定することで、機器や部品の欠陥を特定シ得る。
例示的かつ非限定的な例では、故障予測モデルで使用するために機械的ジッターを特定するために監視装置を使用することができる。モニタリング装置は、機器の起動時にデータの取得を開始し、動作速度までのランプアップを経て、動作中にデータを取得することができる。動作速度に達すると、ねじりのジッターは最小限になると予想され、この段階でのねじりの変化は、クラックやベアリングの故障などを示す可能性がある。さらに、既知のねじれを信号から取り除くことで、システムの設計上の欠陥や部品の摩耗に起因する予期せぬねじれを識別しやすくすることができる。動作速度で収集したデータに関連した位相情報を持つことで、振動の発生場所や部品の摩耗の可能性を特定しやすくなる。機械全体に配置された複数のセンサの相対的な位相情報は、機器内を伝搬するねじりの評価を容易にする。
例示的なシステムの特定のさらなる実施形態は、信号評価回路が、位相検出回路、または位相検出回路と位相ロックループ回路および/またはバンドパスフィルタを含む場合、入力センサの数が、位相情報を提供する少なくとも2つの入力センサと、非位相センサ情報を提供する少なくとも1つの入力センサとを含む場合、信号評価回路が、前記入力センサのうちの少なくとも2つによって提供される位相情報をさらに整列させ、少なくとも1つの動作が、振動振幅の大きさの変化、振動の周波数または位相の変化、 振動振幅、振動周波数、振動位相のうち少なくとも1つの変化率、振動振幅、振動周波数、及び振動位相のうち少なくとも2つの値の相対的な変化、及び/又は、振動振幅、振動周波数、振動位相の少なくとも2つの間の相対的な変化率、のうちの少なくとも1つに応答している。このシステムは、さらに、警報回路であって、少なくとも1つの動作が警報を提供することを含み、警報が触覚、可聴および視覚のうちの1つであり得る、警報回路と、振動振幅、振動周波数、及び振動位相の少なくとも1つが振動履歴を作成するために定期的に記憶され、少なくとも1つの動作がデータ記憶回路に(例えば、コンポーネントの振動指紋として)追加のデータを記憶することを含む、データ記憶回路と、を含み、データ記憶回路に追加のデータを記憶することは、振動振幅の大きさの変化、振動の周波数または位相の変化、振動振幅、振動周波数、または振動位相の変化率、振動振幅、周波数、位相の少なくとも2つの値の相対的な変化、および、振動振幅、周波数、位相の少なくとも2つの値の相対的な変化率、のうちの少なくとも1つに応答する。このシステムは、さらに、ユーザ入力、検出された状態、および機械の選択された動作パラメータの少なくとも1つに基づいて、検出値の代替的な組み合わせが選択され得る多重化(MUX)回路の少なくとも1つ、多数の検出値のそれぞれが、入力センサの少なくとも1つに対応すること、少なくとも1つの動作が、多重化回路の1つ以上の部分の接続を有効化または無効化することを含む、多重化回路、検出値の数のサブセットを解釈し、MUXの論理制御と、結果としてMUX入力と検出値の対応を提供するMUX制御回路、および/または、MUXの論理制御が、セレクトラインの適応的なスケジューリングを含む場合、を含む。
コンポーネントを監視する例示的な方法は、少なくとも1つのセンサから時間ベースのデータを受信することと、受信したデータを基準信号で位相ロックすることと、受信した時間ベースのデータを周波数データに変換することと、タコメータの周波数を除去するために周波数データをフィルタリングすることと、高周波数で発生した低振幅信号を識別することと、低振幅信号が閾値を超えた場合にアラームを作動させることとを含む。
産業環境における信号のデータ収集、処理、および活用のための例示的なシステムは、複数の監視装置であって、各監視装置は、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路を含み、複数の検出値の各々は、入力センサの少なくとも1つに対応する、複数の監視装置と、前記複数の検出値のうちの対応する少なくとも1つに応答して、前記入力センサのうちの少なくとも1つに対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得するように構成された信号評価回路と、複数の検出値のサブセットを記憶するためのデータ記憶装置と、少なくとも1つの選択された検出値をリモートサーバーに伝達するように構成された通信回路と、リモートサーバー上の監視アプリケーションであって、少なくとも1つの選択された検出値を受信する、複数の監視装置から受信した検出値のサブセットを共同で解析する、および、アクションを推奨する、ように構築されたアプリケーションと、を含む。
特定のさらなる実施形態において、例示的なシステムは、各監視装置について、複数の入力センサが、位相情報を提供する少なくとも1つの入力センサと、非位相入力センサ情報を提供する少なくとも1つの入力センサとを含み、共同解析が、複数の監視装置からの情報を整合させるために複数の監視装置からの位相情報を使用することを含むこと、検出値のサブセットが、共通のタイプのコンポーネント、機器の共通タイプ、共通の動作条件のうちの少なくとも1つを含む、検出値に関連するデータに基づいて選択され、さらに、検出値に関連する部品の予想寿命が、検出値に関連する機器のタイプ及び検出値が測定された動作条件のうちの1つに基づいて選択されること、及び/又は、検出値のサブセットの解析が、検出値のサブセット及び補足情報をニューラルネットに与えて、深層学習技術を利用して様々な動作状態、健全性状態、寿命及び故障状態を認識するように学習することを含み、補足情報が、部品仕様、部品性能、機器仕様、機器性能、保守記録、修理記録及び予想状態モデルのうちの1つを含むこと、を含む。
産業環境におけるデータ収集のための例示的なシステムは、データ収集回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ収集回路、複数の検出値のうちの対応する少なくとも1つに応答して、前記入力センサのうちの少なくとも1つに対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得するように構成された信号評価回路、ユーザ入力、検出された状態、および機械の選択された動作パラメータの少なくとも1つに基づいて検出値の代替的な組み合わせが選択される多重化回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応する多重化回路、および、振動振幅、振動周波数、振動位相の位置の少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路、を含む。
機器におけるデータ収集のための例示的なシステムは、データ収集回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ収集回路、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、複数の検出値のうちの第2の検出値とタイミング信号との相対位相差を求める位相検出回路を含み、第2の検出値に対応する振動振幅、振動周波数および振動位相位置のうちの少なくとも1つを求める信号評価回路、および、振動振幅、振動周波数、振動位相の位置の少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路、を含む。
産業環境における軸受解析のための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、複数のベアリングタイプの仕様と予想される状態情報を記憶し、複数の検出値を所定の時間だけバッファリングするデータ記憶装置、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予測される状態情報と関連付けて解析し、寿命予測を行うように構成された軸受解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、振動位相位置の少なくとも1つを取得する信号評価回路とを含む、軸受解析回路、および、振動振幅、振動周波数および振動位相位置の少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路、を含む。
例示的なモーターモニタリングシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、モータとモータ部品の仕様、システム形状、および予測される状態情報を格納し、過去のモータ性能を格納し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、前記複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予測される状態情報と関連付けて解析し、モータ性能パラメータを生成するモータ解析回路であって、前記複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と第2の検出値に対応する振動振幅、振動周波数および振動位相位置の少なくとも1つを取得し、前記振動振幅、振動周波数および振動位相位置の少なくとも1つを、バッファリングされた検出値、仕様および予測状態情報に対して解析し、モータ性能パラメータを得るように構成された信号評価回路と含むモータ解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つの位置とモータ性能パラメータに応答して、少なくとも1つの動作を実行するように構成された応答回路を含む。
車両ステアリングシステムの性能パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、および、車両ステアリングシステム、ラック、ピニオン、およびステアリングコラムの仕様、システム形状、および予想される状態情報を記憶し、過去のステアリングシステムの性能を記憶し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路を含む。
このシステムは、さらに、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予想される状態情報と比較して解析し、ステアリングシステム性能パラメータを生成するように構成されたステアリングシステム解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数及び振動位相位置の少なくとも1つを取得し、振動振幅、振動周波数及び振動位相位置の少なくとも1つを、バッファされた検出値、仕様及び予想状態情報に対して解析し、ステアリングシステムの性能パラメータを得るように構成された信号評価回路を含む、ステアリングシステム解析回路、振動振幅、振動周波数、振動位相の少なくとも1つの位置とステアリングシステムの性能パラメータに応答して、少なくとも1つの動作を実行するように構成された応答回路、を含む。
軽全盛パラメータとポンプ性能パラメータとを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連するポンプおよびポンプ部品の仕様、システム形状、および予測される状態情報を記憶し、過去のポンプ性能を記憶し、複数の検出値を所定の時間だけバッファするように構成されたデータ記憶回路、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、仕様および予測される状態情報に対してバッファリングされた検出値を解析するように構成されたポンプ解析回路であって、ポンプ性能パラメータを含む、ポンプ解析回路であって、複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、振動位相位置の少なくとも1つを取得し、振動振幅、振動周波数、振動位相位置の少なくとも1つを、バッファされた検出値、仕様、予想状態情報に対して解析し、ポンプ性能パラメータを生成する信号評価回路を含む、ポンプ解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つとポンプ性能パラメータに応答して少なくとも1つの動作を行うように構成された応答回路であって、ポンプは自動車の水ポンプと鉱物ポンプのうちの1つである、応答回路、を含む。
掘削機のドリル性能パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連するドリルおよびドリルコンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去のドリル性能を格納し、複数の検出値を所定の時間だけバッファするように構成されたデータ記憶回路、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様と予想される状態情報に対して解析し、ドリル性能パラメータを生成するように構成されたドリル解析回路であって、数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数及び振動位相位置の少なくとも1つを取得し、振動振幅、振動周波数及び振動位相位置の少なくとも1つを、バッファリングされた検出値、仕様及び予想状態情報に対して解析し、ドリル性能パラメータを得るように構成された信号評価回路とを含む、ドリル解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つとドリル性能パラメータに応答して少なくとも1つの動作を実行するように構成された応答回路であって、掘削機は石油掘削機とガス掘削機のうちの1つである、応答回路、を含む。
コンベア健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連するコンベアおよびコンベアコンポーネントの仕様、システム形状、および予測される状態情報を記憶し、過去のコンベヤ性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路、仕様および予測される状態情報に対してバッファリングされた検出値を解析し、コンベア性能パラメータを生成するように構成されたコンベア解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数及び振動位相位置の少なくとも1つを取得し、振動振幅、振動周波数及び振動位相位置の少なくとも1つを、バッファされた検出値、仕様及び予想状態情報に対して解析し、コンベア性能パラメータを得るように構成された信号評価回路を含む、コンベア解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つの位置とコンベア性能パラメータに応答して少なくとも1つの動作を実行するように構成された応答回路、を含む。
攪拌機健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連する撹拌機および撹拌機コンポーネントの仕様、システム形状、および予想される状態情報を記憶し、過去の撹拌機性能を記憶し、複数の検出値を所定の時間だけバッファリングするように構成されたデータ記憶回路、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するタイマ回路、バッファリングされた検出値を仕様と予想される状態情報に基づいて解析し、攪拌機の性能パラメータを求める攪拌機解析回路であって、複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、振動位相位置の少なくとも1つを取得し、振動振幅、振動周波数、振動位相位置の少なくとも1つを、バッファされた検出値、仕様、予想される状態情報に対して解析し、攪拌機の性能パラメータとする信号評価回路を含む、撹拌機解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つと攪拌機の性能パラメータに応答して少なくとも1つの動作を行うように構成された応答回路であって、攪拌機が回転タンクミキサー、大型タンクミキサー、携帯タンクミキサー、トートタンクミキサー、ドラムミキサー、マウントミキサー、プロペラミキサーのいずれかである、応答回路、を含む。
圧縮機健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連する圧縮機及び圧縮機部品の仕様、システム形状、及び予想される状態情報を記憶し、過去の圧縮機性能を記憶し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予測される状態情報と関連付けて解析し、圧縮機性能パラメータを生成するように構成された圧縮機解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数及び振動位相位置の少なくとも1つを取得し、前記振動振幅、振動周波数及び振動位相位置の少なくとも1つを、バッファリングされた検出値、仕様及び予測状態情報に対して解析し、圧縮機性能パラメータを得るように構成された信号評価回路を含む、圧縮機解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つの位置と圧縮機性能パラメータに応答して少なくとも1つの動作を行うように構成された応答回路、を含む。
空調機健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連する空調機及び空調機部品の仕様、システム形状、及び予想される状態情報を記憶し、空調機の過去の性能を記憶し、複数の検出値を所定の時間バッファリングするように構成されたデータ記憶回路、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するタイマ回路、バッファリングされた検出値を仕様および予測される状態情報に基づいて解析し、空調機性能パラメータを算出する空調機解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数および振動位相位置の少なくとも1つを取得し、前記振動振幅、振動周波数および振動位相位置の少なくとも1つを、バッファリングされた検出値、仕様および予測状態情報に対して解析し、空調機性能パラメータを求める信号評価回路を含む、空調機解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つの位置と空調機性能パラメータに応答して少なくとも1つの動作を行うように構成された応答回路、を含む。
遠心分離機健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、遠心分離機及び遠心分離機部品の仕様、システム形状、及び予想される状態情報を検出値に関連付け、過去の遠心分離機の性能を記憶し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するタイマ回路、バッファリングされた検出値を仕様と予想される状態情報とに照らして解析し、遠心分離機の性能パラメータを得るように構成された遠心分離機解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数及び振動位相位置の少なくとも1つを取得し、前記振動振幅、振動周波数及び振動位相位置の少なくとも1つを、バッファされた検出値、仕様及び予想状態情報に対して解析し、遠心分離機の性能パラメータを求める信号評価回路を含む、遠心分離機解析回路、および、振動振幅、振動周波数、振動位相の少なくとも1つの位置と遠心分離機の性能パラメータに応答して、少なくとも1つの動作を実行するように構成された応答回路、を含む。
実施形態では、産業用機器のコンポーネントや部品の健全性に関する情報は、同一ポイントにおける複数の信号の値を比較することによって得られる。プロセスの中でこれは、他の関連するデータ信号、タイマー、または基準信号に対して信号を整列させることによって達成されてもよい。データ監視装置8700、8718の一実施形態は、図57~59に示されており、コントローラ8702、8720を含んでもよい。コントローラは、データ取得回路8704,8722と、信号評価回路8708と、データ記憶回路8716と、オプションの応答回路8710とを含んでいてもよい。信号評価回路8708は、タイマ回路8714と、任意に位相検出回路8712とを含んでいてもよい。
データ監視装置は、コントローラ8702に通信可能に結合された複数のセンサ8706を含んでもよい。複数のセンサ8706は、データ取得回路8704のポートに配線されてもよい。複数のセンサ8706は、複数のセンサ8706のうちの少なくとも1つの出力に対応する検出値にアクセスすることができるデータ取得回路8704に無線接続されてもよく、ここで、センサ8706は、装置の一部または動作部品の異なる動作面に関するデータを捕捉してもよい。実施形態では、図58および図59に示されているように、明示的に監視装置8718の一部ではない1つまたは複数の外部センサ8724が、監視装置8718に機会的に接続されるか、または監視装置8718によってアクセスされてもよい。データ取得回路8722は、1つまたは複数の入力ポート8726を含んでもよい。つまたは複数の外部センサ8724は、コントローラ8720のデータ取得回路8722に設けられた1つまたは複数の入力ポート8726に直接接続されてもよい。実施形態では、図59に示すように、データ取得回路8722は、1つまたは複数の外部センサ8724に対応する検出値に無線または別のソースを介してアクセスするための無線通信回路8728をさらに含んでいてもよいし、これらの方法のいくつかの組み合わせであってもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置8700 8718に接続するための複数のセンサ8706 8724の選択は、新しいセンサを取り付けるためのアクセス性、初期設計へのセンサの組み込み、予想される動作および故障の状態、プロセスまたはプラントのさまざまな位置で望まれる分解能、センサの信頼性など、さまざまな考慮事項に依存する場合がある。故障の影響、故障の時間応答(例:故障の前に発生する警報時間や異常モード)、故障の可能性、故障状態を検出するために必要な感度や難易度によって、部品や機器をどの程度監視するかが決まる。
信号評価回路8708は、検出値を処理して、監視されているコンポーネントまたは装置の一部に関する情報を取得してもよい。信号評価回路8708によって抽出された情報は、プロセスのどの時点または時間が検出値に対応するかに関する情報を含んでもよく、ここで、時点は、タイマ回路8714によって生成されたタイミング信号に基づいている。タイミング信号の開始は、立ち上がりエッジ、立ち下がりエッジ、またはその両方などの制御信号のエッジを検出することによって生成されてもよく、制御信号はプロセスの開始に関連付けられてもよい。タイミング信号の開始は、コンポーネントまたは機器の最初の動きによってトリガされてもよい。タイミング信号の開始は、パイプや開口部を通る最初の流れ、または所定の速度を達成した流れによってトリガされてもよい。タイミング信号の開始は、プロセスが開始されたことを示す状態値(例えば、スイッチ、ボタンの状態、プロセスが開始されたことを示すために提供されるデータ値など)によってトリガされてもよい。抽出された情報は、位相検出回路8712によって決定された、検出値のストリームと、タイマー回路8714によって生成された時間信号との間の位相の差に関する情報で構成されてもよい。抽出された情報は、検出値の1つのストリームと、検出値の第1のストリームがタイマ回路によって生成されたタイミング信号の基礎またはトリガとして使用される検出値の第2のストリームとの間の位相の差に関する情報を含んでいてもよい。
機器の種類、測定されるコンポーネント、機器が動作する環境などに応じて、センサ8706 8724は、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成、および/またはスペクトル解析、および/または物体の位置または動きを決定する)の1つまたは複数から構成されてもよい。温度、組成、スペクトル解析、物体の位置や動きの測定など)、イメージセンサ、変位センサ、濁度計、粘度計、荷重センサ、三軸センサ、タコメータ、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサ、pHセンサなどがある。
センサ8706 8724は、加速度や振動などの位相成分を有する経時的なデータのストリームを提供してもよく、装置の一部または動作部品の異なる動作側面の位相または周波数解析を評価することができる。センサ8706 8724は、温度、湿度、負荷などのような位相を持たないデータのストリームを提供してもよい。センサ8706 8724は、経時的なデータの連続的またはほぼ連続的なストリーム、定期的な読み取り、イベント駆動型の読み取り、および/または、選択された間隔またはスケジュールに従った読み取りを提供してもよい。
実施形態では、図60および61に示されているように、データ取得回路8734は、本明細書の他の箇所で説明されているように、マルチプレクサ回路8736をさらに含んでもよい。マルチプレクサ回路8736からの出力は、信号評価回路8708によって利用されてもよい。応答回路8710は、マルチプレクサ回路8736の一部をオン/オフする機能を有していてもよい。応答回路8710は、マルチプレクサ回路8736の制御チャネルを制御する機能を有していてもよい。
応答回路8710は、信号評価回路8708の結果を評価し、ある基準に基づいて、アクションを開始することをさらに含んでもよい。基準は、タイマー信号に対する特定の周波数または位相でのセンサの検出値を含んでもよく、関心のある周波数または位相は、機器の形状、機器の制御スキーム、システム入力、履歴データ、現在の動作条件、および/または予想される応答に基づいてもよい。基準には、特定のセンサからの検出値の所定の最大値または最小値、センサの対応する検出値の経時的な累積値、値の変化、値の変化率、および/または累積値(例えば、閾値以上/以下で過ごした時間、1つ以上の閾値以上/以下で過ごした加重時間、および/または1つ以上の閾値以上/以下で過ごした検出値の領域)が含まれてもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサーからのデータの組み合わせで構成されていてもよい。相対的な基準は、プロセスの段階、処理される製品の種類、機器の種類、周囲の温度や湿度、他の機器からの外部振動など、他のデータや情報によって変化することがある。
特定の実施形態は、検出値が閾値又は所定値を超えるものとして本明細書に記載されているが、検出値は閾値又は所定値を下回ることもある。例えば、検出値の変化量が起こると予想されるが、検出値に変化が起こっていない可能性を示している場合などである。例えば、限定はしないが、振動データは、システムの攪拌レベル、適切に動作する機器などを示す場合があり、振幅及び/又は周波数の閾値を下回る振動データは、期待通りに動作していないプロセスの兆候である場合がある。文脈上明らかにそうでない場合を除き、閾値を超える値及び/又は所定の値若しくは期待値を超える値の判定を説明する本明細書のいかなる記述も、閾値を下回る値及び/又は所定の値若しくは期待値を下回る値の判定を含むと理解される。
所定の許容範囲は、軸受の数、相対的な回転速度、ある周波数でのシステムへの電力の流入など、機器の形状や制御方式に基づいて予想されるシステムの応答や振動に基づいてもよい。また、複数の類似した機器や部品の検出値を長期的に解析し、機器の故障との相関性を考慮して、所定の許容範囲を設定してもよい。
実施形態では、上述したいくつかの基準に基づいて警報が出されることがある。例示的な例では、特定の周波数での温度およびエネルギーの増加は、故障し始めているホットベアリングを示すことがある。実施形態では、警報の相対的な基準は、プロセスステージ、機器で処理される製品の種類、周囲の温度と湿度、他の機器からの外部振動など、他のデータや情報によって変わることがある。例示的かつ非限定的な例では、応答回路8710は、振動振幅および/または周波数が所定の最大値を超えた場合、所定の許容範囲を超える変化または変化率があった場合、および/または、振動振幅および/または周波数に基づく累積値が閾値を超えた場合に、警報を開始してもよい。
実施形態では、応答回路8710は、データ取得回路8704に、上述したいくつかの基準に基づいて、特定のセンサに対応する検出値の処理を有効または無効にさせてもよい。これには、異なる応答速度、感度、範囲などを有するセンサに切り替えること、新しいセンサまたはセンサの種類にアクセスすることなどが含まれてもよい。この切り替えは、マルチプレクサ回路8736の制御信号を変更すること、および/または、マルチプレクサ回路8736の特定の入力部をオンまたはオフにすることによって実施されてもよい。応答回路8710は、将来的に特定のセンサを、応答速度、感度、範囲などが異なるセンサに交換することを推奨してもよい。また、応答回路8710は、部品、機器、動作条件、プロセスなどの将来の実施形態について、設計変更を推奨してもよい。
実施形態において、応答回路8710は、今後のプロセス停止時にメンテナンスを推奨するか、またはメンテナンスコールを開始することができる。応答回路8710は、プロセスまたは動作パラメータの変更を推奨して、装置の一部を遠隔でバランスさせることができる。実施形態において、応答回路8710は、例えば、保守間隔が近い、オフノーマルで動作している、または目的のために故障したがまだ少なくとも部分的に動作しているコンポーネントの利用率を下げるために、プロセスの変更を実施または推奨してもよい。例示的な例では、タイマ回路8714からのタイマ信号に対して位相検出回路8712によって導出された振動位相情報は、問題の物理的な位置を示すことができる。振動位相情報に基づいて、システム設計の欠陥、公称外の動作、及び/又はコンポーネント若しくはプロセスの不具合が特定されてもよい。
実施形態では、センサ値が1つまたは複数の基準に近づくにつれて発生する可能性のある関連する動作条件および/または故障モードに基づいて、信号評価回路8708は、1つまたは複数の基準に対するデータの適合性に基づいて、データ記憶回路8716にデータを格納してもよい。信号評価回路8708は、1つのセンサ入力が指定された基準または範囲に適合または接近したことに基づいて、RPM、コンポーネント負荷、温度、圧力、振動などの追加データをデータ記憶回路8716に格納してもよい。信号評価回路8708は、将来の処理におけるより大きな粒度、異なるサンプリングレートでの再処理能力、および/または、関心のある動作データにフラグが立てられたシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
実施形態では、図62および63ならびに図64および65に示すように、データ監視システム8762は、少なくとも1つのデータ監視装置8768を含んでもよい。少なくとも1つのデータ監視装置8768は、センサ8706と、データ取得回路8704、信号評価回路8772、データ記憶回路8742、およびデータおよび解析をリモートサーバ8774上の監視アプリケーション8776に送信できるようにするための通信回路8752を含むコントローラ8770を含んでもよい。信号評価回路8772は、位相検出回路8712及びアタイマー回路8714の少なくとも1つを含んでもよい。信号評価回路8772は、リモートサーバ8774に送信するために、通信回路8752と定期的にデータを共有して、監視アプリケーション8776による時間経過および変化する条件下でのコンポーネントおよび機器の性能の追跡を可能にしてもよい。センサ値が1つ以上の基準に近づくと関連する動作条件および/または故障モードが発生する可能性があるため、信号評価回路8708は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ8774に送信するために通信回路8752とデータを共有してもよい。指定された基準または範囲を満たすまたは近づく1つのセンサ入力に基づいて、信号評価回路8708は、回転数、コンポーネント負荷、温度、圧力、振動などの追加データを送信のために共有してもよい。信号評価回路8772は、リモートサーバーでの処理の粒度を大きくするために、より高いデータレートでデータを共有して送信してもよい。
実施形態では、図62に示すように、通信回路8752は、リモートサーバ8774に直接データを通信してもよい。実施形態では、図63に示すように、通信回路8752は、オペレーティングシステム8758を実行するプロセッサ8756と、データ記憶回路8760とを含む中間コンピュータ8754にデータを通信してもよい。中間コンピュータ8754は、複数のデータ監視装置からデータを収集し、その累積データをリモートサーバ8774に送信してもよい。
図64および65に示すような実施形態では、データ収集システム8762は、1つの機器内の複数のコンポーネントに関するデータを収集する複数の監視装置8768を有してもよく、同じ設備内の複数の機器(同じタイプの機器と異なるタイプの機器の両方)にわたって同じコンポーネントに関するデータを収集してもよく、また複数の設備内の監視装置からデータを収集してもよい。実施形態では、図64に示すように、通信回路8752は、遠隔地のサーバ8774に直接データを通信してもよい。実施形態では、図65に示すように、通信回路8752は、オペレーティングシステム8758を実行するプロセッサ8756と、データ記憶回路8760とを含む中間コンピュータ8754にデータを通信してもよい。中間コンピュータ8754は、複数のデータ監視装置からデータを収集し、その累積データをリモートサーバ8774に送信してもよい。
実施形態では、リモートサーバ8774上の監視アプリケーション8776は、複数の様々な監視デバイス8768から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して格納してもよい。その後、監視アプリケーション8776は、共同で解析する検出値、タイミング信号およびデータのサブセットを選択してもよい。解析のためのサブセットは、単一のタイプのコンポーネントまたはコンポーネントが動作している単一のタイプの機器に基づいて選択されてもよい。解析用のサブセットは、負荷の大きさ、動作条件(断続的、連続的、プロセス段階など)、動作速度またはタコメータ、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件など、共通の動作条件に基づいて選択またはグループ化されてもよい。解析のためのサブセットは、同様の周波数で回転する近隣の機械など、他の近隣の機器の影響に基づいて選択することができる。
監視アプリケーション8776は、次に、選択されたサブセットを解析してもよい。例示的な例では、1つのコンポーネントからのデータは、1つの動作サイクル、複数の動作サイクル、1ヶ月、1年、コンポーネントの寿命などの異なる期間にわたって解析されてもよい。また、同じ種類の複数の部品からのデータを、異なる期間にわたって解析してもよい。周波数や振幅の変化などのデータの傾向は、同じ部品や関連する機器に関連する故障やメンテナンスの記録と相関があるかもしれない。また、起動時やプロセスの異なる時点に関連する変化率などのデータの傾向を特定することもできる。出力製品の品質、プロセスの成功または失敗を示すデータなど、追加のデータを解析に導入してもよい。異なるタイプのデータの傾向と値の相関関係を解析し、短期的な解析によって期待される性能に関する最良の予測を行うことができるパラメータを特定することができる。この情報は監視装置に送信され、ローカルに収集・解析されたデータの種類を更新し、将来の監視装置の設計に影響を与えることができる。
例示的かつ非限定的な例では、機械的トルクを測定するためにセンサデータを収集および処理するために、監視装置8768を使用してもよい。監視装置8768は、回転の複数のサイクルを測定するのに十分な期間にわたってデータを収集するために、高解像度の高速振動センサと通信してもよいし、これを含んでもよい。歯車駆動部品の場合、センサのサンプリング分解能は、1サイクルあたりのサンプル数が部品を駆動する歯車の数と少なくとも等しくなるようにすべきである。サンプリング分解能を低くすると、信頼性の低い判定になったり、十分な統計的信頼性を得るために長期間にわたってデータを取得したりする場合があることはご理解されると考える。このデータは、機器の位相基準(相対プローブ)またはタコメーター信号の生成に使用することができる。この位相基準は、直接使用してもよいし、タイマー回路8714によって使用して、振動データや加速度データなどの位相データを、部品の異なる位置やシステム内の異なる部品に配置された複数のセンサーからのタイミング信号に合わせて生成してもよい。この情報は、異なるコンポーネントのトルクの決定またはODS(Operational Deflection Shape)の生成を容易にする可能性がある。
より高い解像度のデータストリームは、低速動作における一過性の信号を検出するための追加データを提供することもできる。一過性の信号を特定することで、低回転数で動作する機器や部品の欠陥を特定することができる場合がある。
例示的かつ非限定的な例では、監視装置は、故障予測モデルで使用するための機械的ジッターを特定するために使用することができる。監視装置は、装置の起動時、動作速度への立ち上げ時、および動作中にデータの取得を開始することができる。動作速度に達すると、ねじりジッターは最小であるか、予想範囲内であることが予想され、この段階でのねじりの変化は、亀裂、ベアリングの欠陥などを示すことがある。さらに、システム設計の欠陥、部品の磨耗、または予期せぬプロセスイベントから生じる予期せぬねじれを識別しやすくするために、既知のねじれを信号から除去することができる。動作速度で収集されたデータに関連する位相情報を持つことで、振動の場所や部品の潜在的な摩耗の特定を容易にし、及び/又は部品の故障の種類にさらに相関させることができるかもしれない。機械全体に配置された複数のセンサの相対的な位相情報は、装置内を伝搬するねじれの評価を容易にすることができる。
実施形態では、監視アプリケーション8776は、ルールベースまたはモデルベースの解析を用いて選択されたサブセットを解析する際に使用するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、複数のコンポーネントタイプの予想される状態情報、動作履歴、過去の検出値、コンポーネントの寿命モデルなどにアクセスしてもよい。実施形態では、監視アプリケーション8776は、選択されたサブセットをニューラルネットに与えて、深層学習技術を利用して様々な動作状態、健全性状態(例えば、寿命予測)、および故障状態を認識することを学習してもよい。実施形態では、2つの技術(モデルベースの学習と深層学習)のハイブリッドを使用してもよい。
例示的かつ非限定的な例として、組立ラインのコンベアやリフター、産業車両のウォーターポンプ、工場の空調機ユニット、石油・ガス田にある掘削機、スクリュードライバー、コンプレッサー、ポンプ、ギアボックス、振動コンベア、ミキサー、モーター、石油・ガス精製所にある工場のミネラルポンプ、遠心分離機、精製タンク、ガス処理システムのコンプレッサーなどのコンポーネントの健全性を、本明細書に記載されている位相検出・調整技術、データ監視装置、データ収集システムを用いて監視することができる。
例示的かつ非限定的な例では、化学および医薬品の生産ラインに配備された化学反応を促進する装置(例えば、回転タンク/ミキサー攪拌機、機械的/回転攪拌機、およびプロペラ攪拌機)の構成要素の健全性は、本明細書に記載された位相検出および整列技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、車両ステアリング機構および/または車両エンジンのコンポーネントの健全性は、本明細書に記載の位相検出およびアライメント技術、データ監視装置およびデータ収集システムを用いて評価することができる。
データ収集のための例示的な監視システムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応するデータ取得回路と、少なくとも1つのタイミング信号を生成するように構造化されたタイマ回路と、複数の検出値のうちの少なくとも1つとタイマ回路からのタイミング信号のうちの少なくとも1つとの間の相対的な位相差を決定するように構造化された位相検出回路と、相対的な位相差に応答して少なくとも1つの動作を実行するように構造化された応答回路とを含む信号評価回路とを含む。
特定のさらなる実施形態では、例示的なシステムは、少なくとも1つの動作が、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、及び記複数の検出値の少なくとも1つの振幅および相対位相の相対的な変化率、のうちの少なくとも1つに応答してさらに行われる場合、少なくとも1つの動作が、警報を発する場合、警報は、触覚、可聴および視覚のうちの1つであり得る場合、相対的な位相差、検出値、およびタイミング信号の少なくとも1つが記憶されるデータ記憶回路、少なくとも1つの動作が、データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することは、さらに、相対的な位相差の変化、および相対的な位相差の相対的な変化率のうちの少なくとも1つに応答する場合、データ取得回路が、ユーザー入力および機械の選択された動作パラメータの少なくとも1つに基づいて検出値の代替の組み合わせが選択され得る少なくとも1つのマルチプレクサ回路(MUX)をさらに含む、複数の検出値のそれぞれが入力センサの少なくとも1つに対応する場合、少なくとも1つの動作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御線を変更することを含む場合、データ収集回路が少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの操作が、少なくとも2つのマルチプレクサ回路間の接続を変更することからなる場合、を含み、および/または、システムは、複数の検出値のサブセットを解釈し、MUXの論理制御と、結果としてMUX入力と検出値の対応を提供するように構成されたMUX制御回路をさらに含み、MUXの論理制御は、選択線の適応的スケジューリングを含む。
データ収集のための例示的なシステムは、複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、データ収集回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ収集回路、信号評価回路であって、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路と、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路を含む、信号評価回路、および、位相差に応答して少なくとも1つの動作を実行するように構成された位相応答回路、を含む。特定のさらなる実施形態において、例示的なシステムは、少なくとも1つの動作が、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅および相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅および相対位相の相対的な変化率のうちの少なくとも1つに応答してさらに行われる場合、少なくとも1つの動作が、警報を発することを含む場合、警報が、触覚、可聴および視覚のうちの1つであり得る場合、システムが、データ記憶回路をさらに含む場合、相対的な位相差、検出値およびタイミング信号の少なくとも1つが記憶される場合、少なくとも1つの動作が、データ記憶回路に追加のデータを記憶させることをさらに含む場合、データ記憶回路に追加のデータを記憶することは、さらに、相対的な位相差の変化および相対的な位相差の相対的な変化率のうちの少なくとも1つに応答する場合、データ取得回路は、ユーザ入力と機械の選択された動作パラメータの少なくとも一方に基づいて、検出値の代替的な組み合わせが選択され得る少なくとも1つのマルチプレクサ(MUX)回路をさらに含む場合、複数の検出値の各々が、前記入力センサの少なくとも1つに対応するものである場合、少なくとも1つの動作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御線を変更することを含む場合、データ収集回路が少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの動作が、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む場合、システムが、複数の検出値のサブセットを解釈し、MUXの論理制御と、結果としてMUX入力と検出値の対応を提供するように構成されたMUX制御回路をさらに含む場合、および/または、MUXの論理制御が、セレクトラインの適応的スケジューリングからなる場合、を含む。
産業環境における信号のデータ収集、処理、および活用のための例示的なシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、信号評価回路であって、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路と、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路を含む、信号評価回路、複数の検出値のサブセットと前記タイミング信号とを記憶するデータ記憶装置、少なくとも1つの選択された検出値及びタイミング信号をリモートサーバに通信するように構成された通信回路、および、少なくとも1つの選択された検出値とタイミング信号を受信するように構成された、リモートサーバー上の監視アプリケーション、を含み、複数の監視装置から受信した検出値のサブセットを共同で解析し、ならびに、アクションを推奨する。特定の実施形態において、例示的なシステムは、共同解析が、複数の監視装置の各々からのタイミング信号を使用して、複数の監視装置からの検出値を整列させる場合、および/または、検出値のサブセットが、部品の共通タイプ、機器の共通タイプ、及び共通の動作条件の少なくとも1つを含む検出値に関連するデータに基づいて選択される場合、を含む。
産業環境におけるデータ収集のための例示的なシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサの少なくとも1つに対応し、データ取得回路は、ユーザ入力、検出状態および機械の選択された動作パラメータの少なくとも1つに基づいて検出値の代替の組み合わせが選択可能なマルチプレクサ回路を含み、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、信号評価回路であって、タイミング信号を生成するように構成されたタイマー回路と、複数の検出値のうちの少なくとも1つと前記タイマ回路からの信号との間の相対的な位相差を決定するように構成された位相検出回路、を含む信号評価回路、および、位相差に応答して少なくとも1つの動作を実行する応答回路、を含む。
機器内のデータ収集のための例示的な監視システムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の検出値のうちの第2の検出値と前記タイミング信号との相対的な位相差を求める位相検出回路であって、複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路と、第2の検出値に対応する振動振幅、振動周波数及び振動位相位置の少なくとも1つを取得するように構成された信号評価回路を含む、位相検出回路、および、振動振幅、振動周波数および振動位相の少なくとも1つの位置に応答して少なくとも1つの動作を行う応答回路、を含む。
産業環境における軸受解析のための監視装置は、複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、データ収集回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ収集回路、タイミング信号を生成するように構成されたタイマ回路、複数の軸受タイプの仕様と予想される状態情報を記憶し、複数の検出値を所定の時間だけバッファリングするデータ記憶装置、複数の検出値のうち最初の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予測される状態情報と関連付けて解析し、寿命予測を行うように構成された軸受解析回路であって、複数の検出値のうちの第2の検出値と前記タイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、振動位相位置の少なくとも1つを取得する信号評価回路を含む、軸受解析回路、および、振動振幅、振動周波数および振動位相の少なくとも1つの位置に応答して少なくとも1つの動作を行う応答回路、を含む。
実施形態において、産業機器の構成要素またはその一部に関する健全性または他のステータスまたは状態に関する情報は、プロセスを通して様々な構成要素の状態を監視することによって得ることができる。監視は、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅を監視することを含んでもよい。データ監視装置9000の一実施形態は、図66に示されており、コントローラ9002に通信可能に結合された複数のセンサ9006を含んでもよい。モバイルデータコレクタなどのデータ収集装置の一部であってもよいし、ネットワーク展開型またはクラウド展開型システムなどのシステムの一部であってもよいコントローラ9002は、データ取得回路9004、信号評価回路9008、および応答回路9010を含んでもよい。信号評価回路9008は、ピーク検出回路9012を含んでいてもよい。さらに、信号評価回路9008は、位相検出回路9016、バンドパスフィルタ回路9018、位相ロックループ回路、ねじれ解析回路、軸受解析回路などのうちの1つ以上を任意に含んでもよい。バンドパスフィルタ9018は、ピークおよびバレーのような値が、関心のある周波数などの関心のあるバンドにおいてのみ、またはそのバンド内で検出されるように、検出値のストリームをフィルタリングするために使用されてもよい。データ取得回路9004は、1つ以上のアナログ-デジタル変換器回路9014を含んでもよい。ピーク検出回路9012によって検出されたピーク振幅は、アナログ-デジタル変換回路9014の出力を適切にスケーリングするための基準値を提供するために、1つまたは複数のアナログ-デジタル変換回路9014に入力されてもよい。
複数のセンサ9006は、データ取得回路9004のポートに有線接続されてもよい。また、複数のセンサ9006は、データ取得回路9004に無線接続されてもよい。データ取得回路9004は、複数のセンサ9006のうちの少なくとも1つの出力に対応する検出値にアクセスすることができてもよく、ここでセンサ9006は、装置の一部または動作部品の異なる動作側面に関するデータを取得してもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置9000のための複数のセンサ9006の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作および故障の状態、プロセスまたはプラント内の様々な位置で望まれる分解能、センサの信頼性、電力利用可能性、電力利用、ストレージ利用などの様々な考慮事項に依存してもよい。故障の影響、故障の時間応答(例:故障の前に発生する警報時間および/または最適でないモード)、故障の可能性、故障の影響の程度、および/または故障状態を検出するために必要な感度および/または難易度によって、より多くのセンサおよび/またはより高い性能のセンサを、予期しないまたは検出されない故障がコスト高になったり深刻な結果になったりするようなシステムに特化して、コンポーネントまたは機器を監視する範囲が決まることがある。
信号評価回路9008は、検出値を処理して、監視対象の部品や機器に関する情報を取得してもよい。信号評価回路9008が抽出する情報は、ピーク温度、ピーク加速度、ピーク速度、ピーク圧力、ピーク耐荷重、ピークひずみ、ピーク曲げ、ピーク変位などの信号のピーク値に関する情報で構成されてもよい。また、ピーク検出は、アナログ回路またはデジタル回路を用いて行われてもよい。実施形態では、ピーク検出回路9012は、検出値のストリームにおける「ローカル」または短期的なピークと、「グローバル」または長期的なピークとを区別することができてもよい。実施形態では、ピーク検出回路9012は、フラットトップ、漸近的なアプローチ、ピーク値の離散的なジャンプまたはピーク値の急速/急な上昇、範囲内の正弦波の挙動などのピーク形状(単一のピーク値だけではない)を識別することができる場合がある。フラットトップのピークは、センサーが飽和していることを示す場合がある。ピークに漸近する場合は、システムの挙動が直線的であることを示する。値の不連続なジャンプやピーク値の急な変化は、測定を行うセンサーやコンポーネントの動作が量子化されているか、非線形であることを示している可能性がある。実施形態では、システムは、一連のピーク値を結ぶ線または曲線によって確立されるエンベロープなど、エンベロープ内のピーク値の正弦波変動を識別することができる。なお、「ピーク」とは、文脈上別の意味を持つ場合を除き、一連の低い測定値を表す1つまたは複数の「谷」を包含するものと理解すべきである。
実施形態では、ピーク値をアナログデジタル変換回路9014の基準として使用してもよい。
例示的かつ非限定的な例では、温度プローブは、機械の中で回転しているギアの温度を測定してもよい。ピーク温度は、ピーク検出回路9012によって検出されてもよい。ピーク温度は、機械の中で回転する歯車の温度測定値に対応する検出値のストリームを適切にスケーリングするために、アナログ/デジタル変換回路9014に供給されてもよい。歯車の向きに対する温度に対応する検出値の流れの位相は、位相検出回路9016によって決定されてもよい。歯車の回転中のどこで温度のピークが発生しているかを知ることで、歯車の歯の不良を特定できる可能性がある。
実施形態では、2つ以上の検出値のセットを融合して、仮想センサの検出値を作成してもよい。ピーク検出回路を用いて、2つ以上の検出値セットのうちの少なくとも1つと、仮想センサ用の検出値との間で、ピーク値のタイミングの整合性を検証してもよい。
実施形態では、信号評価回路9008は、監視装置9000の起動時、監視対象システムの制御信号のエッジ検出時、ユーザ入力に基づいて、システムエラーの後などに、ピーク検出回路9012をリセットすることができるようにしてもよい。実施形態では、信号評価回路9008は、ピーク値をアナログデジタル変換回路の基準値として使用してシステムの完全な立ち上げを可能にする前に、ピーク検出回路9012の出力の初期部分を廃棄してもよい。
機器の種類、測定されるコンポーネント、機器が動作する環境などに応じて、センサ9006は、振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成、および/またはスペクトル解析、および/または物体の位置または動きを決定する)、イメージセンサ、構造化された光センサ、レーザベースのイメージセンサ、音響波センサ、変位センサのうちの1つまたは複数から構成されてもよい(ただし、これらに限定されない)。イメージセンサー、構造化光センサー、レーザーイメージセンサー、音響波センサー、変位センサー、濁度計、粘度計、荷重センサー、三軸センサー、加速度計、タコメーター、流体圧力計、温度計、湿度計、電流計、加速度計、速度計、振動計、温度計、湿度計、電流計、加速度計、速度計、光センサー、電磁センサー(温度、組成、スペクトル解析、物体の位置や動きの測定など)。濁度計、粘度計、荷重計、三軸センサー、加速度計、タコメーター、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサー、pHセンサーなど、本開示および参考文献に記載されているセンサーのいずれかを含むが、これらに限定されない。
センサ9006は、加速度または振動に関連するような位相成分を有する経時的なデータのストリームを提供してもよく、装置の一部または動作部品の異なる動作側面の位相または周波数解析の評価を可能にする。センサ9006は、温度、湿度、負荷などのような、従来の位相成分を持たないデータのストリームを提供してもよい。センサ9006は、経時的なデータの連続的またはほぼ連続的なストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または、選択された間隔またはスケジュールに従った読み取りを提供してもよい。
実施形態では、図66に例示されているように、センサ9006は、本明細書において場合によってはデータ収集器と呼ばれる、データ監視装置9000の一部であってもよく、これは場合によってはモバイルまたはポータブルデータ収集器を構成することができる。実施形態では、図67及び68に示されるように、監視装置9020の明示的な一部ではなく、むしろ新しい、以前に装置又はコンポーネントに取り付けられた又は統合された1つ以上の外部センサ9026は、監視装置9020に日和見的に接続又はアクセスされ得る。監視装置9020は、コントローラ9022を含んでもよい。コントローラ9022は、応答回路9010と、信号評価回路9008と、データ取得回路9024とを含んでもよい。信号評価回路9008は、ピーク検出回路9012と、任意で位相検出回路9016及び/又はバンドパスフィルタ回路9018とを含んでもよい。データ取得回路9024は、1つ又は複数の入力ポート9028を含んでもよい。つ以上の外部センサ9026は、コントローラ9022のデータ取得回路9024上の1つ以上の入力ポート9028に直接接続されてもよく、短距離無線プロトコル上などのリーダー、質問器、または他の無線接続によって、データ取得回路9004によってワイヤレスにアクセスされてもよい。図68に示すような実施形態では、データ取得回路9024は、無線通信回路9030をさらに含んでもよい。データ取得回路9024は、無線通信回路9030を使用して、1つ以上の外部センサ9026に対応する検出値に無線で、または別のソースを介して、あるいはこれらの方法のいくつかの組み合わせでアクセスしてもよい。
図69に示されるような実施形態では、データ取得回路9036は、本明細書の他の箇所で説明されるようなマルチプレクサ回路9038をさらに含んでもよい。マルチプレクサ回路9038からの出力は、信号評価回路9008によって利用されてもよい。応答回路9010は、マルチプレクサ回路9038の一部をオン/オフする機能を有していてもよい。応答回路9010は、マルチプレクサ回路9038の制御チャネルを制御する能力を有していてもよい
応答回路9010は、信号評価回路9008の結果を評価し、ある基準に基づいて、アクションを開始してもよい。基準は、特定のセンサからの検出値の所定のピーク値、センサの対応する検出値の経時的な累積値、ピーク値の変化、ピーク値の変化率、および/または累積値(例えば、閾値以上/以下で過ごした時間、1つ以上の閾値以上/以下で過ごした加重時間、および/または1つ以上の閾値以上/以下で過ごした検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサーからのデータの組み合わせで構成されていてもよい。相対的な基準は、プロセスの段階、処理される製品の種類、機器の種類、周囲の温度や湿度、他の機器からの外部振動など、他のデータや情報によって変化する可能性がある。相対的な基準は、1つまたは複数の計算された統計またはメトリクス(以下で生成されたものを含む)に反映されてもよい。これらのデータは、(データコレクターに搭載されているか、外部システムによって)処理され、本開示に記載されている1つ以上の機械学習機能への入力として提供されたり、制御システム(データコレクターに搭載されているか、遠隔地にあるかなど)に提供されたりする。データ入力の選択、センサーデータの多重化、保存などを制御するなど)への入力として、または、データマーケットプレイス、SCADAシステム、遠隔制御システム、保守システム、解析システムなどのシステムで利用可能なデータストリームまたはデータパッケージなど、別のシステムへの入力となるデータ要素として提供される。
特定の実施形態は、検出値がしきい値または所定の値を超えるものとして本明細書に記載されているが、検出値はしきい値または所定の値を下回ることもあり、例えば、検出値の変化量が発生することが予想されるが、検出値は変化が発生していない可能性を示している。例えば、限定するものではないが、振動データは、システムの撹拌レベル、適切に動作している機器などを示すことがあり、振幅および/または周波数のしきい値を下回る振動データは、期待通りに動作していないプロセスを示すことがある。例えば、ブレンダー、ミキサー、アジテーターなどを含むプロセスにおいて、振動がないことは、ブレード、フィン、ベーンなどの作業要素が十分に動かないことを示している可能性がある。例えば、作業材料が、過度に粘性が高い場合や、ギアの問題(ギアの剥がれ、ギアの焼き付きなど)(クラッチなど)がある場合などが挙げらる。文脈が明らかにそうでないことを示す場合を除き、しきい値を超える値の判定および/または所定の値もしくは期待値を超える値の判定を説明する本明細書の記述は、しきい値を下回る値の判定および/または所定の値もしくは期待値を下回る値の判定を含むものと理解される。
所定の許容範囲は、ベアリングの数、相対的な回転速度、ある周波数でのシステムへの電力の流入など、機器の形状や制御方式に基づいて予想されるシステムの応答や振動に基づいていてもよい。また、複数の類似した機器や部品の検出値を長期的に解析し、機器の故障との相関性を考慮して、所定の許容範囲を設定してもよい。
実施形態において、応答回路9010は、上述した基準のうちの1つ以上に基づいて警報を発してもよい。例示的な例では、所定の値を超えるピーク温度の増加は、故障し始めた高温のベアリングを示す可能性がある。実施形態において、アラームの相対的な基準は、プロセス段階、装置で処理されている製品の種類、周囲の温度及び湿度、他の装置からの外部振動等の他のデータ又は情報によって変化してもよい。例示的かつ非限定的な例では、応答回路9010は、振動振幅及び/又は周波数などの振幅が所定の最大値を超える場合、所定の許容範囲を超える変化又は変化率がある場合、及び/又は、かかる振幅及び/又は周波数に基づく累積値が閾値を超える場合に警報を開始し得る。
実施形態では、応答回路9010は、データ取得回路9004に、上述した基準の1つ以上に基づいて、特定のセンサに対応する検出値の処理を有効または無効にさせてもよい。これには、異なる応答速度、感度、範囲などを有するセンサへの切り替え、新しいセンサまたは種類のセンサへのアクセス、複数のセンサからのデータへのアクセスなどが含まれる場合がある。切り替えは、切り替え先のセンサーのピーク値を検出して行う場合と、他のセンサーのピーク値を検出して行う場合がある。切り替えは、モデルや一連のルールなどに基づいて行われてもよい。実施形態では、切り替えは機械学習システムの制御下にあり、一連の試行において、入力データと組み合わせた1つ以上の成功指標に基づいて切り替えが制御されるようになっており、これは人間の監督者の監視下または自動化システムの制御下で行われることがある。切り替えには、1つの入力ポートから別の入力ポートへの切り替え(例えば、1つのセンサーから別のセンサーへの切り替え)が含まれる場合がある。切り替えには、異なる状況下で異なるストリームを組み合わせるなど、データの多重化を変更することが含まれる場合がある。切り替えには、追加データを取得するためにシステムを起動することが含まれる。例えば、移動システム(ロボットシステムやドローンシステムなど)を、異なるデータまたは追加データが利用可能な場所に移動させたり(画像センサーを別の景色に合わせて配置したり、ソナーセンサーを別の収集方向に合わせて配置したり)、異なるセンサーにアクセスできる場所に移動させたりする(有線または無線接続によって環境内の場所に配置されているセンサーに接続するためにコレクターを移動させるなど)。この切り替えは、マルチプレクサ回路9038の制御信号を変更することによって、および/または、マルチプレクサ回路9038の特定の入力部をオンまたはオフにすることによって実施されてもよい。
実施形態では、応答回路9010は、検出されたピークを基準電圧として用いて、センサのスケーリング値を調整してもよい。また、応答回路9010は、ピーク値が捕捉されるように、センサのサンプリングレートを調整してもよい。
応答回路9010は、センサの過負荷を識別してもよい。実施形態では、応答回路9010は、将来的に特定のセンサを、異なる応答速度、感度、範囲などを有するセンサと交換するための推奨を行ってもよい。また、応答回路9010は、部品、機器、動作条件、プロセスなどの将来の実施形態について、設計変更を推奨してもよい。
実施形態では、応答回路9010は、今後のプロセス停止時にメンテナンスを推奨するか、またはメンテナンスコールを開始してもよく、メンテナンスは、センサを、異なる応答速度、感度、範囲などを有する同じまたは代替のタイプのセンサと交換することを含むことができる。実施形態では、応答回路9010は、プロセスの変更を実施または推奨してもよい。例えば、保守間隔が近い、非公式に動作している、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げる、コンポーネントの動作速度を変更する(低需要モードにするなど)、問題の改善を開始する(ローラベアリングセットの追加潤滑の信号を送る、またはバランスが取れていないシステムのアライメントプロセスの信号を送るなど)、などである。
実施形態では、図70に示すように、データ監視装置9040は、センサ9006と、データ取得回路9004と、信号評価回路9008とを含んでもよいコントローラ9042とを含んでもよい。信号評価回路9008は、ピーク検出回路9012と、任意に、位相検出回路9016および/またはバンドパスフィルタ回路9018とを含んでもよい。コントローラ9042は、データ記憶回路9044、メモリなどをさらに含んでもよい。コントローラ9042は、応答回路9010をさらに含んでもよい。信号評価回路9008は、データ記憶回路9044に特定の検出値を定期的に格納して、部品性能の経時的な追跡を可能にしてもよい。
実施形態では、本明細書の他の箇所に記載されているような関連する基準、センサ値が1つまたは複数の基準に近づくと発生する可能性がある動作条件および/または故障モードに基づいて、信号評価回路9008は、本開示全体を通じて記載されているような1つまたは複数の基準に対するデータの適合性に基づいて、データ記憶回路9044にデータを格納してもよい。指定された基準または範囲を満たすまたは近づく1つのセンサ入力に基づいて、信号評価回路9008は、RPM、コンポーネント負荷、温度、圧力、振動、または本開示全体を通して説明されるタイプの他のセンサデータなどの追加データをデータ記憶回路9068に格納してもよい。信号評価回路9008は、将来の処理におけるより大きな粒度、異なるサンプリングレートでの再処理能力、および/または、関心のある動作データにフラグが立てられたシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを記憶してもよい。
実施形態では、信号評価回路9008は、長い期間にわたる全体的なスケーリングの変化を示す新たなピークを記憶してもよい(例えば、数ヶ月にわたる解析の履歴ピークに基づいてデータストリームをスケーリングする)。信号評価回路9008は、歴史的なピーク値が近づいたとき(例えば、温度、圧力、振動、速度、加速度などが歴史的なピークに近づくとき)にデータを記憶してもよい。
図71および72ならびに73および74に示すような実施形態では、データ監視システム9046は、少なくとも1つのデータ監視デバイス9048を含んでもよい。少なくとも1つのデータ監視装置9048は、センサ9006と、データ取得回路9004、信号評価回路9008、データ記憶回路9044、およびデータおよび解析をリモートサーバ9054上の監視アプリケーション9056に送信できるようにする通信回路9052からなるコントローラ9050とを含んでもよい。信号評価回路9008は、ピーク検出回路9012の少なくとも1つを含んでいてもよい。信号評価回路9008は、通信回路9052とデータを定期的に共有してリモートサーバ9054に送信し、監視アプリケーション9056による時間経過や様々な条件でのコンポーネントや機器の性能の追跡を可能にしてもよい。関連する動作条件および/または故障モードは、センサ値が本明細書の他の箇所に記載されているような1つまたは複数の基準に近づくと発生する可能性があるため、信号評価回路9008は、1つまたは複数の基準に対するデータの適合性に基づいて、リモートサーバ9054への送信のために通信回路9052とデータを共有してもよい。指定された基準または範囲を満たすまたは近づく1つのセンサ入力に基づいて、信号評価回路9008は、送信のために、RPM、コンポーネント負荷、温度、圧力、振動などの追加データを共有してもよい。また、信号評価回路9008は、リモートサーバでの処理の粒度を高めるために、より高いデータレートでデータを共有して送信してもよい。
実施形態では、図71に示すように、通信回路9052は、リモートサーバ9054に直接データを通信してもよい。実施形態では、図72に示すように、通信回路9052は、オペレーティングシステム9062を実行するプロセッサ9060およびデータ記憶回路9064を含むことができる中間コンピュータ9058にデータを通信してもよい。
実施形態では、図73および74に示されているように、データ収集システム9066は、単一の装置内の複数のコンポーネントに関するデータを収集する複数の監視装置9048を有してもよく、同じ設備内の複数の装置(同じタイプの装置と異なるタイプの装置の両方)にわたって同じコンポーネントに関するデータを収集してもよく、また、複数の設備内の監視装置からデータを収集してもよい。リモートサーバ9054上の監視アプリケーション9056は、複数の様々な監視装置9048から来る検出値、タイミング信号、またはデータの1つ以上を受信して保存してもよい。
実施形態では、図71に示すように、通信回路9052は、リモートサーバ9054に直接データを通信してもよい。実施形態では、図72に示すように、通信回路9052は、オペレーティングシステム9062を実行するプロセッサ9060と、データ記憶回路9064とを含む中間コンピュータ9058にデータを通信してもよい。各監視装置9048に関連付けられた個々の中間コンピュータ9058があってもよいし、個々の中間コンピュータ9058が複数の監視装置9048に関連付けられていてもよく、中間コンピュータ9058は複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9054に送信してもよい。
監視アプリケーション9056は、検出値、タイミング信号、およびデータのサブセットを選択して共同解析してもよい。解析のためのサブセットは、単一のタイプのコンポーネントまたはコンポーネントが動作している単一のタイプの機器に基づいて選択されてもよい。解析対象のサブセットは、負荷の大きさ、動作条件(断続的、連続的など)、動作速度またはタコメータ、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件などの共通の動作条件に基づいて選択またはグループ化されてもよい。また、同様の周波数で回転している機器、電磁場を発生させる機器、熱を発生させる機器、動きや振動を誘発する機器、蒸気や化学物質、微粒子を放出する機器など、他の周辺機器の影響に基づいて解析用のサブセットを選択してもよい。
その後、監視アプリケーション9056は、選択されたサブセットを解析してもよい。例示的な例では、単一のコンポーネントからのデータは、1つの動作サイクル、いくつかの動作サイクル、1ヶ月、1年、コンポーネントの寿命など、異なる期間にわたって解析されてもよい。また、同じ種類の複数の部品からのデータも、異なる期間にわたって解析することができる。周波数や振幅の変化などのデータの傾向は、同一または関連する部品や機器に関連する故障や保守の記録と相関がある場合がある。スタートアップやプロセスの異なるポイントに関連した変化率など、データの傾向が特定されることがある。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成否などの追加データを解析に導入することもできる。異なる種類のデータの傾向や値の相関を解析し、短期的な解析が期待される性能に関して最良の予測を提供する可能性があるパラメータを特定することができる。この情報は、ローカルで収集・解析されたデータの種類を更新するため、または将来の監視装置の設計に影響を与えるために、監視装置に伝送される場合がある。
実施形態では、監視アプリケーション9056は、ルールベースまたはモデルベースの解析を使用して選択されたサブセットを解析するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、複数のコンポーネントタイプの予想される状態情報、動作履歴、過去の検出値、コンポーネントの寿命モデルなどにアクセスしてもよい。実施形態では、監視アプリケーション9056は、選択されたサブセットをニューラルネットに供給して、(人間の解析者などによって)ピークが指定された所与のタイプの波形動作の大規模なデータセットサンプルを供給することによって、波形パターンのピークを認識することを学習してもよい。
産業環境におけるデータ収集のための監視システムであって、該監視システムは、データ収集回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値のそれぞれは入力センサの少なくとも1つに対応するデータ収集回路と、複数の検出値に応答して少なくとも1つのピーク値を決定するように構成されたピーク検出回路と,少なくとも1つのピーク値に応答して少なくとも1つの動作を実行するように構成されたピーク応答回路とを含む。
例示的な監視システムは、少なくとも1つの動作が、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値の少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、のうちの少なくとも1つに応答してさらに行われる場合、少なくとも1つの動作が、警報を発することを含む場合、警報は、触覚、可聴または視覚のうちの1つであり得る場合、データ記憶回路をさらに含む場合、相対的位相差と、検出値およびタイミング信号の少なくとも1つが記憶されるデータ記憶回路、少なくとも1つの動作が、前記データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することは、さらに、相対的な位相差の変化および相対的な位相差の相対的な変化率のうちの少なくとも1つに応答する場合、データ取得回路は、ユーザ入力と機械の選択された動作パラメータの少なくとも一方に基づいて、検出値の代替的な組み合わせを選択することができる少なくとも1つのマルチプレクサ回路をさらに有する場合、複数の検出値の各々が、入力センサの少なくとも1つに対応する場合、少なくとも1つの動作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御線を変更することを含む場合、データ収集回路が少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの動作が少なくとも2つのマルチプレクサ回路間の接続を変更することを含む場合、を含む。
産業環境におけるデータ収集のためのモニタリングシステムであって、複数のセンサーに対応する入力を受け取るように構成されたモニタリングシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の検出値に応答して少なくとも1つのピーク値を決定するように構造化されたピーク検出回路、および、少なくとも1つのピーク値に応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。
例示的な監視システムは、さらに、少なくとも1つの動作が、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値の少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、及び複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、のうちの少なくとも1つに応答してさらに行われる場合、少なくとも1つの動作が、警報を発することを含む場合、警報は、触覚、聴覚、視覚のいずれかであり、さらにデータ記憶回路を含む場合、相対的位相差と、検出値および前記タイミング信号の少なくとも1つが記憶される、データ記憶回路、少なくとも1つの動作が、データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することは、さらに、相対的な位相差の変化と相対的な位相差の相対的な変化率のうちの少なくとも1つに応答する場合、データ取得回路は、ユーザ入力と機械の選択された動作パラメータの少なくとも一方に基づいて、検出値の代替的な組み合わせを選択することができる少なくとも1つのマルチプレクサ回路をさらに有する場合、複数の検出値の各々が、入力センサの少なくとも1つに対応する場合、少なくとも1つの動作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御線を変更することを含む場合、データ収集回路が少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの動作が、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む場合、を含む。
産業環境における信号のデータ収集、処理、および活用のための例示的なシステムは、複数の監視装置であって、各監視装置は、データ収集回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ収集回路を含んでいる、複数の監視装置、複数の検出値に応答して少なくとも1つのピーク値を決定するように構成されたピーク検出回路、少なくとも1つのピーク値に応答して、少なくとも1つの検出値を選択するように構成されたピーク応答回路、少なくとも1つの選択された検出値をリモートサーバーに通信するように構成された通信回路、および、少なくとも1つの選択された検出値を受信し、複数の監視装置のサブセットから受信した検出値を共同で解析し、アクションを推奨するように構成されたリモートサーバー上の監視アプリケーション、を含む。
例示的なシステムは、さらに、検出値に関連する部品の予想寿命、検出値に関連する機器のタイプ、及び検出値が測定された動作条件のうちの1つに基づいて検出値をサブセットするようにさらに構成されたシステム、検出値のサブセットの解析が、前記検出値のサブセット及び補足情報をニューラルネットに与えて、深層学習技術を利用して様々な動作状態、健全性状態、寿命及び故障状態を認識するように学習する場合、補足情報が、部品仕様、部品性能、機器仕様、機器性能、保守記録、修理記録、及び予期される状態モデルのうちの1つを含む場合、少なくとも1つの動作が、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅および相対位相の相対的な変化率、のうちの少なくとも1つに応答してさらに行われる場合、少なくとも1つの動作が、警報を発することを含み、警報は、触覚、可聴および視覚のうちの1つであり得る場合、データ記憶回路を含む場合、相対的な位相差、検出値および前記タイミング信号の少なくとも1つが記憶される場合、少なくとも1つの動作が、データ記憶回路に追加のデータを記憶する場合、データ記憶回路に追加のデータを記憶することは、さらに、相対的な位相差の変化と相対的な位相差の相対的な変化率のうちの少なくとも1つに応答する場合、データ取得回路は、ユーザ入力と機械の選択された動作パラメータの少なくとも一方に基づいて検出値の代替的な組み合わせを選択することができる少なくとも1つのマルチプレクサ回路をさらに含む場合、複数の検出値の各々が、入力センサの少なくとも1つに対応する場合、少なくとも1つの動作が、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御線を変更することを含む場合、および/または、データ収集回路が少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの動作が、少なくとも2つのマルチプレクサ回路間の接続を変更することである場合、を含む。
例示的なモータ監視システムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、モータとモータ部品の仕様、システム形状、および予測される状態情報を格納し、過去のモータ性能を格納し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値、および振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様、および予測される状態情報に対してピーク値を解析して、モータ性能パラメータを得るように構成されたピーク検出回路、および、ピーク値およびモータシステムの性能パラメータのいずれかに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。
車両ステアリングシステムの性能パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、車両ステアリングシステム、ラック、ピニオン、およびステアリングコラムの仕様、システム形状、および予想される状態情報を記憶し、過去のステアリングシステム性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値および振動ピーク値からなる複数のピーク値を決定し、ピーク値を、バッファされた検出値、仕様および予想される状態情報に対して解析して、車両ステアリングシステム性能パラメータを得るように構成されたピーク検出回路、および、ピーク値およびステアリングシステム性能パラメータのいずれかに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。
ポンプ性能パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連するポンプおよびポンプ部品の仕様、システム形状、および予測される状態情報を格納し、過去のポンプ性能を格納し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値及び振動ピーク値からなる複数のピーク値を決定し、ピーク値を、バッファされた検出値、仕様及び予想される状態情報に対して解析して、ポンプ性能パラメータを得るように構成されたピーク検出回路、および、ピーク値およびポンプ性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。特定のさらなる実施形態において、例示的なシステムは、ポンプが自動車内の水ポンプであり、ポンプがミネラルポンプである場合を含む。
掘削機のドリル性能パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連するドリルおよびドリルコンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去のドリル性能を格納し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値、振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様、予想される状態情報に対してピーク値を解析して、ドリル性能パラメータを得るように構成されたピーク検出回路、および、ピーク値及びドリル性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。例示的なシステムは、掘削機が石油掘削機及びガス掘削機のうちの1つである場合をさらに含む。
コンベア健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連するコンベアおよびコンベアコンポーネントの仕様、システム形状、および予測される状態情報を記憶し、過去のコンベヤ性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値及び振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様及び予測される状態情報に対してピーク値を解析し、コンベヤ性能パラメータを得るように構成されたピーク検出回路、および、ピーク値およびコンベア性能パラメータの一方に応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。
攪拌機健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連する撹拌機および撹拌機コンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去の撹拌機性能を格納し、複数の検出値を所定の時間だけバッファするように構成されたデータ記憶回路、複数の検出値に対して、少なくとも温度ピーク値、速度ピーク値、振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様、予測状態情報に対してピーク値を解析し、攪拌機性能パラメータを求めるピーク検出回路、および、ピーク値及び攪拌機性能パラメータの一方に応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。特定の実施形態では、システムは、攪拌機が、回転タンクミキサー、大型タンクミキサー、携帯タンクミキサー、トートタンクミキサー、ドラムミキサー、マウントミキサー、及びプロペラミキサーのうちの1つである場合をさらに含む。
圧縮機健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連する圧縮機及び圧縮機部品の仕様、システム形状、及び予想される状態情報を記憶し、過去の圧縮機性能を記憶し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値及び振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様及び予測される状態情報に対してピーク値を解析し、圧縮機性能パラメータを得るように構成されたピーク検出回路、および、ピーク値および圧縮機性能パラメータのいずれかに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。
空調機の健全性パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、検出値に関連する空調機及び空調機部品の仕様、システム形状、及び予想される状態情報を記憶し、過去の空調機性能を記憶し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、複数の検出値に対して、少なくとも温度ピーク値、速度ピーク値、圧力値、振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様および予測状態情報に対してピーク値を解析し、空調機性能パラメータを決定するピーク検出回路、および、ピーク値および空調機性能パラメータのいずれかに応じて少なくとも1つの動作を行うピーク応答回路、を含む。
遠心分離機の健康パラメータを推定するための例示的なシステムは、データ取得回路に通信可能に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力センサの少なくとも1つに対応する、データ取得回路、遠心分離機及び遠心分離機の構成要素の仕様、システム形状、及び予想される状態情報を検出値に関連付け、過去の遠心分離機の性能を記憶し、複数の検出値を所定の時間だけバッファリングするように構成されたデータ記憶回路、複数の検出値に対して、少なくとも温度ピーク値、速度ピーク値、振動ピーク値からなる複数のピーク値を決定し、バッファリングされた検出値、仕様、予想状態情報に対してピーク値を解析して、遠心分離機の性能パラメータを求めるピーク検出回路、および、ピーク値および遠心分離機の性能パラメータのいずれかに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路、を含む。
軸受(ベアリング)は、様々な機器や用途に使用されている。軸受は、シャフト、モータ、ロータ、ステータ、ハウジング、フレーム、サスペンションシステムおよびコンポーネント、ギア、様々なタイプのギアセット、他の軸受、および他の要素に存在するか、またはそれらを支持することができる。軸受は、磁気浮上式列車などの高速車両の支持体として使用されることがある。エンジン、モーター、発電機、ファン、コンプレッサー(圧縮機)、タービンなどの回転軸を支持するために軸受が使用される。巨大なローラーベアリングは、建物や物理的なインフラを支えるために使用されることがある。通常のギア、遊星ギア、その他のギアを支えるために、さまざまなタイプのベアリングが使用される。ローラースラストベアリングなど、トランスミッションやギアボックスを支えるためにベアリングが使用される場合がある。円錐ローラーベアリングを使用して、ホイール、ホイールハブ、その他の転がり部品を支えるためにベアリングが使用されることがある。
ローラーベアリング、ニードルベアリング、スリーブベアリング、ボールベアリング、ラジアルベアリング、低速で使用されるボールスラストベアリングやローラースラストベアリングを含むスラスト荷重ベアリング、テーパーベアリングやテーパーローラーベアリング、特殊ベアリング、磁気ベアリング、ジャイアントローラーベアリング、ジュエルベアリング(例えば、サファイア)、流体ベアリング、曲げ要素の荷重をサポートするフレキシャーベアリングなど、様々な種類のベアリングがある。本開示全体におけるベアリングへの言及は、上記の用語を含むことを意図しているが、これに限定されるものではない。
実施形態では、産業機器の一部または産業プロセスにおける軸受の健全性または他のステータスまたは状態情報に関する情報は、産業機器または産業プロセスの様々なコンポーネントの状態を監視することによって得られてもよい。モニタリングには、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅および/または周波数および/または位相のモニタリングが含まれる場合がある。
データ監視装置9200の一実施形態が図75に示されており、コントローラ9202に通信可能に結合された複数のセンサ9206を含んでもよい。コントローラ9202は、データ取得回路9204と、データ記憶回路9216と、信号評価回路9208と、任意に応答回路9210とを含んでもよい。信号評価回路9208は、周波数変換回路9212および周波数評価回路9214を含んでもよい。
複数のセンサ9206は、データ取得回路9204のポート9226(参照図76)に有線接続されてもよい。また、複数のセンサ9206は、データ取得回路9204に無線で接続されていてもよい。データ取得回路9204は、複数のセンサ9206のうちの少なくとも1つの出力に対応する検出値にアクセスすることができてもよく、ここで、センサ9206は、軸受または機器の一部またはインフラストラクチャの異なる動作面に関するデータを取得してもよい。
特定の軸受または機器の一部のために設計されたデータ監視装置9200のための複数のセンサ9206の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作および故障の状態、センサの信頼性などの様々な考慮事項に依存する場合がある。故障の影響を考慮して、軸受や機器の監視範囲を決めることができる。予期せぬ軸受の故障や未検出の故障が発生した場合にコストがかさむか、深刻な結果を招くようなシステムには、より多くのセンサや高機能のセンサを使用する。
信号評価回路9208は、検出値を処理して、監視対象の軸受に関する情報を取得してもよい。周波数変換回路9212は、1つまたは複数の時間ベースの検出値を周波数情報に変換してもよい。変換は、デジタル高速フーリエ変換(「FFT」)、ラプラス変換、Z変換、ウェーブレット変換、他の周波数領域変換、または、限定されないが、複素位相展開解析を含む複素解析を含む、他のデジタルまたはアナログ信号解析技術などの技術を用いて達成されてもよい。
周波数評価回路9214(または周波数解析回路)は、関心のある周波数における信号を検出するように構成されてもよい。関心のある周波数は、機器が回転する周波数(例えば、タコメータによって測定される)よりも高い周波数、機器の設計と、軸回転速度の倍数または軸受によってホームとなる機器のための他の回転構成要素などの動作条件と関連する様々な高調波および/または共振周波数を含んでもよい。動作周波数に近い周波数でのエネルギーの変化は、システムのバランス/アンバランスの指標となる場合がある。動作周波数の2倍の周波数におけるエネルギーの変化は、システムのミスアライメント、例えばカップリングやシステムの緩み(例えば、動作周波数の高調波におけるガタツキ)を示している可能性がある。カップリングのボルト数に対応する、動作周波数の3倍または4倍に近い周波数でのエネルギー変化は、カップリングの1つが摩耗していることを示す可能性がある。動作周波数の4倍、5倍、またはそれ以上の周波数でのエネルギーの変化は、動作周波数の5倍付近にエネルギーのピークまたは活動がある場合、5ベーンポンプなどの摩耗またはアンバランスがあるなど、対応する数の要素を持つものに関連する可能性がある。
例示的かつ非限定的な例として、ころがり軸受の解析において、関心のある周波数には、ボールスピン周波数、ケージスピン周波数、インナーレース周波数(軸受はケージ内のレース上に置かれることが多いため)、アウターレース周波数などがある。損傷を受けたベアリングや故障し始めたベアリングは、上述した周波数や本開示の他の箇所で述べた周波数でエネルギーのハンプを示すことがある。これらの周波数のエネルギーは、ベアリングの摩耗が進み、回転加速度やピングの変動が大きくなって損傷すると、時間とともに増加する可能性がある。
例示的かつ非限定的な例では、悪いベアリングはエネルギーのハンプを示すことがあり、ベアリングが摩耗して不完全になると、高周波数の測定値の強度が時間とともに増加し始めることがある(より大きな加速度やピンが高周波数の測定領域に現れることがある)。これらの測定値は、ベアリングシステム内のエアギャップの指標となる可能性がある。ベアリングが摩耗し始めると、より強い衝撃によってエネルギー信号がより高い周波数に移動することがある。
実施形態では、信号評価回路9208は、位相検出回路、位相ロックループ回路、バンドパスフィルタ回路、ピーク検出回路などの1つ以上を含んでもよい。
実施形態では、信号評価回路9208は、過渡的な信号解析回路を含んでもよい。一過性の信号は、小さな振幅の振動を引き起こす可能性がある。しかし、ベアリング解析における課題は、単一または非周期的な衝撃と指数関数的な減衰に関連する信号を受け取る可能性があることである。したがって、ベアリングの振動は単一の正弦波ではなく、多数の高周波正弦波のスペクトルで表されることがある。例えば、故障したベアリングからの信号は、時間ベースの信号では、短時間の低振幅スパイクとしてしか見られない場合がある。故障したベアリングの影響はより重大であるにもかかわらず、故障したベアリングからの信号は、アンバランスに関連する信号よりも振幅が小さい場合がある。これらの信号を識別できることが重要である。このような低振幅の過渡的な信号は、FFTなどの従来の周波数変換ではなく、過渡解析を用いて解析するのが最適であろう。また、より高解像度のデータストリームは、低速走行時の過渡的な信号を検出するための追加データを提供することができる。一過性の信号を特定することで、低回転で動作する機器や部品の欠陥を特定できる可能性がある。
実施形態では、ベアリング解析のための一過性の信号解析回路は、エンベロープ変調解析および他の一過性の信号解析技術を含んでもよい。信号評価回路9208は、検出値の長いストリームをデータ記憶回路9216に格納してもよい。一過性の信号解析回路は、従来の正弦波解析(FFTなど)では特定できない可能性のある過渡的な影響(衝撃など)を特定するために、それらの長い検出値のストリームにエンベロープ解析技術を使用してもよい。
信号評価回路9208は、ベアリング、ギア、可変速度機械など、測定されるコンポーネントの種類に最適化された一過性の信号解析モデルを利用してもよい。例示的かつ非限定的な例では、歯車は、その平均回転速度に近いところで共振することがある。例示的かつ非限定的な例では、ベアリングは、ベアリングの回転周波数の近くで共振し、その周波数の周りに振幅のリンギングを生じることがある。例えば、シャフトのインナーレースが摩耗している場合、インナーレースとシャフトの間でチャタリングが発生し、ベアリングの周波数の左右に振幅変調が生じることがある。振幅変調は、独自のサイドバンドを持つ独自の正弦波特性を示すことがある。様々な信号処理技術を用いて正弦波成分を除去し、解析用の変調エンベロープを得ることができる。
信号評価回路9208は、可変速機械に最適化されていてもよい。歴史的に、可変速機械は作るのが高価であり、DCモータと、ベーンを使って流れを制御できるような可変シーブを使用するのが一般的であった。可変速モーターは、ソリッドステートドライブ(以下、SCR装置)の進歩により、より一般的になった。機器の基本動作周波数は、電力会社から供給される50~60Hzから変化させることができ、用途に応じて減速したり、高速化したりして、異なる速度で機器を動作させることができる。機器を様々な速度で動作させることができれば、省エネにつながる可能性がある。しかし、機器の形状によっては、共振周波数で振動を発生させ、部品の寿命を縮める速度がある場合がある。また、可変速モーターは、ベアリングに電気を放出し、ベアリングを損傷する可能性がある。実施形態では、本明細書に記載されている包絡線変調解析や他の過渡信号解析技術のための長いデータストリームの解析は、許容できない振動やベアリングへの損傷をもたらすこれらの速度を避けるように機器の制御スキームを設計するためにこれらの周波数を特定するのに有用である可能性がある。
例示的かつ非限定的な例では、動作速度が一定ではなく、それらの相対的な関係が不明である可変速度モータ、ファン、ベルト、コンプレッサなどを使用して、暖房、換気、および空調(「HVAC」)システムを現場で組み立てることができる。例示的かつ非限定的な例では、可変速度モーターは、建物の空気循環用のファンポンプに使用されることがある。可変速度モーターは、例えば製造業の組立ラインや製鉄所などで、コンベアの速度を変化させるために使用されることがある。可変速度モーターは、振動を避けることが重要な場合など、製薬プロセスのファンに使用されることがある。
例示的かつ非限定的な例では、スリーブベアリングの欠陥を解析することができる。スリーブベアリングは、通常、オイルシステムを有している。オイルの流れが停止したり、オイルがひどく汚染されたりすると、不具合が非常に早く発生する可能性がある。したがって、流体微粒子センサまたは流体圧力センサは、検出値の重要なソースとなり得る。
例示的かつ非限定的な例では、ブレードの通過周波数に関連する空気脈動を測定することによって、ファンの完全性を評価することができる。例えば、ファンに12枚のブレードがある場合、12個の空気脈動を測定することができる。異なるブレードに関連する脈動の振幅の変化は、ファンブレードの変化を示すことがある。また、空気の脈動に関連する周波数の変化は、ベアリングの問題を示している可能性がある。
例示的かつ非限定的な例として、ガス・石油分野や組立ラインのガス処理装置で使用されるコンプレッサは、ガスが貯蔵容器に送り込まれる際に貯蔵容器内のエネルギー/圧力の周期的な増加を測定することによって評価することができる。エネルギー増加の振幅の周期的な変化は、ピストンの摩耗や回転ねじの一部の損傷と関連している可能性がある。タイミング信号に対するエネルギー信号の位相評価は、どのピストンまたは回転ねじの一部が損傷しているかを特定するのに役立つ場合がある。エネルギー脈動に関連する周波数の変化は、ベアリングの問題を示す可能性がある。
例示的かつ非限定的な例として、ポンプ内のキャビテーション/エアポケットは、ポンプハウジングおよび出力フローにシャッターを形成する可能性があり、これは、上述および本明細書の他の箇所に記載されている周波数変換および周波数解析技術によって識別することができる。
例示的かつ非限定的な例として、上述および本明細書の他の箇所に記載されている周波数変換および周波数解析技術は、ビッグファンなどの建物のHVACシステムのコンポーネントの問題を特定するのに役立つ可能性がある。システムのダンパーの設定が悪いと、空気がシステムを通過する際にダクトが脈打ったり振動したりすることがある。ダクトに設置された振動センサーを監視することで、システムのバランスを取ることができる。また、大型ファンの羽根に欠陥があると、空気の流れが不均一になり、建物のダクトに脈動が生じることがある。
例示的かつ非限定的な例では、ベアリングの近くに配置された音響センサからの検出値は、ギア間の噛み合わせや不良ベアリングの問題を特定するのに役立つかもしれない。システムの "イン "および"アウト "ギア比などのギア比の知識と、入力および出力回転速度の測定値に基づいて、検出値は、これらの比率で発生するエネルギーを評価することができ、その結果、不良ベアリングを特定するために使用することができる。これは、モーターに大規模なセンサーを取り付けるのではなく、既製のシンプルなモーターで実現できる。
その様々な構成要素の出力に基づいて、信号評価回路9208は、軸受寿命予測、軸受健全性パラメータの識別、軸受性能パラメータの識別、軸受健全性パラメータ(例えば、故障状態)の判定などを行ってもよい。信号評価回路9208は、軸受の摩耗を識別してもよいし、軸受内の異物(例えば、微粒子)の存在を識別してもよいし、油/流体が塗布された軸受のエアギャップや流体の損失を識別してもよいし、一組の軸受の潤滑の損失を識別してもよいし、磁気軸受等の動力の損失を識別してもよいし、フレクシャー軸受の歪み/ストレスを識別してもよいし、などである。信号評価回路9208は、軸受の寿命を延ばすために、機器の最適な動作パラメータを特定してもよい。また、信号評価回路9208は、選択された動作周波数(例えば、シャフト回転数)における挙動(共振ウォブル)を特定してもよい。
信号評価回路9208は、データ記憶回路9216と通信して、その様々なコンポーネントの出力を評価するのに使用するために、機器の仕様、機器の形状、軸受の仕様、軸受の材料、複数の軸受タイプの予想される状態情報、動作履歴、過去の検出値などにアクセスしてもよい。信号評価回路9208は、複数の検出値のサブセット、周波数情報に変換された時間ベースの検出値などの中間データ、フィルタリングされた検出値、関心のある特定された周波数などを、所定の長さの時間バッファリングしてもよい。信号評価回路9208は、部品性能の経時的な追跡を可能にするために、データ記憶回路9216に特定の検出値を定期的に格納してもよい。実施形態では、検出値が1つまたは複数の基準に近づくと発生する可能性がある関連する動作条件および/または故障モードに基づいて、信号評価回路908は、本開示全体で説明したような1つまたは複数の基準に対するデータの適合性に基づいて、データ記憶回路9216にデータを格納してもよい。指定された基準または範囲を満たすまたは接近する1つのセンサ入力に基づいて、信号評価回路9208は、RPM、コンポーネント負荷、温度、圧力、振動、または本開示全体を通して記載されたタイプの他のセンサデータなどの追加データをデータ記憶回路9216に格納してもよい。信号評価回路9208は、将来の処理におけるより大きな粒度、異なるサンプリングレートでの再処理能力、および/または、関心のある動作データにフラグが立てられたシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを記憶してもよい。
機器の種類、測定されるコンポーネント、機器が動作する環境などに応じて、センサ9206は、振動センサ、光学的振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル解析、および/または物体の位置または動きを決定する)のうちの1つまたは複数を含むことができる。イメージセンサー、構造化光センサー、レーザーイメージセンサー、赤外線センサー、音響波センサー、熱流束センサー、変位センサー、濁度計、粘度計、荷重センサー、三軸振動センサー、加速度計、タコメーター、温度計、電圧センサー、電流センサー、加速度計、速度センサー、光センサー、電磁センサー(温度、組成、スペクトル解析、物体の位置や動きの測定など)。加速度計、タコメーター、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサー、pHセンサーなど、本開示および参照により組み込まれる文書に記載されているセンサーのいずれかを含むが、これらに限定されない。センサーは、典型的には、少なくとも、温度センサー、荷重センサー、三軸センサー、およびタコメーターから構成されてもよい。
センサ9206は、加速度又は振動に関連するような位相成分を有する経時的なデータのストリームを提供してもよく、機器の一部又は動作部品の異なる動作側面の位相又は周波数解析の評価を可能にする。センサ9206は、温度、湿度、負荷など、従来は位相に基づかないデータのストリームを提供してもよい。センサ9206は、時間の経過とともにデータの連続的またはほぼ連続的なストリーム、定期的な読み取り、イベント駆動の読み取り、および/または選択された間隔またはスケジュールに従った読み取りを提供してもよい。
実施形態では、図75に例示されているように、センサ9206は、本明細書で場合によってはデータコレクタと呼ばれるデータ監視装置9200の一部であってもよく、これは場合によってはモバイル型またはポータブル型のデータコレクタを構成してもよい。実施形態では、図76および77に示されているように、明示的に監視装置9218の一部ではなく、新しい、以前に装置またはコンポーネントに取り付けられた、または統合された1つまたは複数の外部センサ9224が、監視装置9218に機会的に接続されるか、または監視装置9218によってアクセスされてもよい。監視装置9218は、コントローラ9220を含んでもよい。コントローラ9202は、データ取得回路9222と、データ記憶回路9216と、信号評価回路9208と、任意に応答回路9210とを含んでもよい。信号評価回路9208は、周波数変換回路9212と、周波数解析回路9214とを含んでいてもよい。データ取得回路9222は、1つまたは複数の入力ポート9226を含んでもよい。つまたは複数の外部センサ9224は、コントローラ9220のデータ取得回路9222の1つまたは複数の入力ポート9226に直接接続されてもよいし、リーダ、インタロゲータ、または近距離無線プロトコル上などの他の無線接続によって、データ取得回路9222に無線でアクセスされてもよい。図77に示すような実施形態では、データ取得回路9222は、無線通信回路9262をさらに含んでいてもよい。データ取得回路9222は、無線通信回路9262を使用して、1つまたは複数の外部センサ9224に対応する検出値に、無線で、または別のソースを介して、またはこれらの方法のいくつかの組み合わせでアクセスしてもよい。
実施形態では、図78に示されるように、データ取得回路9222は、本明細書の他の箇所で説明されるようなマルチプレクサ回路9236をさらに含んでもよい。マルチプレクサ回路9236からの出力は、信号評価回路9208によって利用されてもよい。応答回路9210は、マルチプレクサ回路9236の一部をオン/オフする機能を有していてもよい。応答回路9210は、マルチプレクサ回路9236の制御チャネルを制御する能力を有していてもよい。
応答回路9210は、軸受性能パラメータ、軸受健全性値、軸受寿命予測パラメータなどに基づいて、アクションを開始してもよい。応答回路9210は、信号評価回路9208の結果を評価し、一定の基準または信号評価回路9208の様々なコンポーネントからの出力に基づいて、アクションを開始してもよい。基準は、タイマー信号に対する特定の周波数または位相でのセンサの検出値を含んでもよく、関心のある周波数または位相は、機器の形状、機器の制御スキーム、システム入力、履歴データ、現在の動作条件、および/または予想される応答に基づいていてもよい。基準は、第2のセンサーの検出値に対する、特定の周波数または位相におけるセンサーの検出値を含んでもよい。基準には、システムのタコメーターに関連する検出値と比較した、または機器の形状や動作条件に基づいて予想される、特定の共振周波数/ハーモニクスにおける信号強度が含まれる場合がある。基準は、特定のセンサからの検出値の所定のピーク値、センサの対応する検出値の経時的な累積値、ピーク値の変化、ピーク値の変化率、および/または累積値(例えば、しきい値以上/以下で過ごした時間、1つ以上のしきい値以上/以下で過ごした加重時間、および/または1つ以上のしきい値以上/以下で過ごした検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサーからのデータの組み合わせで構成されていてもよい。相対的な基準は、プロセスの段階、処理されている製品の種類、機器の種類、周囲の温度と湿度、他の機器からの外部振動など、他のデータや情報によって変化する可能性がある。相対基準は、1つまたは複数の計算された統計またはメトリクス(複数の基準または統計に関する更なる計算によって生成されたものを含む)に反映されてもよく、これらは、本開示に記載されている1つまたは複数の機械学習能力への入力として提供されるなど、(データコレクタに搭載されている、または外部システムによって)処理に使用されてもよい。また、データマーケットプレイス、SCADAシステム、遠隔制御システム、保守システム、解析システムなどのシステムで利用可能なデータストリームまたはデータパッケージなど、別のシステムへの入力となるデータ要素として利用することもできる。
本明細書では、特定の実施形態は、検出値が閾値又は所定値を超えるものとして記載されているが、検出値は閾値又は所定値を下回ることもあ。例えば、検出値の変化量が起こると予想されるが、検出値が変化が起こっていない可能性を示す場合などである。例えば、限定はされるものではないが、振動データは、システムの攪拌レベル、適切に動作する機器などを示す場合があり、振幅及び/又は周波数の閾値を下回る振動データは、期待通りに動作していないプロセスの兆候である場合がある。文脈上明らかにそうでない場合を除き、閾値を超える値及び/又は所定の値若しくは期待値を超える値の判定を説明する本明細書のいかなる記述も、閾値を下回る値及び/又は所定の値若しくは期待値を下回る値の判定を含むと理解される。
所定の許容範囲は、軸受の数、相対回転速度、ある周波数でのシステムへの電力の流入など、機器の形状や制御方式に基づいて予測されるシステムの応答または振動に基づいてもよい。また、複数の類似した機器や部品の検出値を長期的に解析し、機器故障との相関関係に基づいて、所定の許容範囲を設定することもできる。
いくつかの実施形態では、上述した基準のいくつかに基づいて警報を発することができる。例示的な例では、特定の周波数での温度およびエネルギーの増加は、故障し始めているホットベアリングを示すことがある。実施形態では、警報の相対的な基準は、プロセスステージ、装置で処理されている製品の種類、周囲の温度および湿度、他の装置からの外部振動などの他のデータまたは情報によって変わることがある。例示的かつ非限定的な例では、応答回路9210は、振動振幅および/または周波数が所定の最大値を超えた場合、所定の許容範囲を超える変化または変化率があった場合、および/または、振動振幅および/または周波数に基づく累積値が閾値を超えた場合に、警報を開始してもよい。
実施形態では、応答回路9210は、データ取得回路9204に、上述した基準のいくつかに基づいて、特定のセンサに対応する検出値の処理を有効または無効にさせてもよい。これには、異なる応答速度、感度、範囲などを有するセンサへの切り替え、または新しいセンサまたはセンサの種類へのアクセスなどが含まれる場合がある。切り替えは、モデル、一連のルールなどに基づいて行われてもよい。実施形態では、スイッチングは機械学習システムの制御下にあり、一連の試行において、入力データと組み合わせた1つまたは複数の成功指標に基づいて制御されるようになっており、これは人間の監督者の監視下で、または自動化システムの制御下で行われることがある。切り替えには、1つの入力ポートから別の入力ポートへの切り替え(例えば、1つのセンサーから別のセンサーへの切り替え)が含まれる場合がある。切り替えには、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することが含まれる。切り替えには、追加のデータを取得するためにシステムを起動することも含まれる。例えば、移動システム(ロボットやドローンシステムなど)を、異なるデータや追加のデータが利用できる場所に移動させたり(画像センサーを別の景色に合わせて配置したり、ソナーセンサーを別の収集方向に合わせて配置したり)、異なるセンサーにアクセスできる場所に移動させたりする(有線または無線の接続によって環境内の場所に配置されたセンサーに接続するためにコレクターを移動させるなど)。この切り替えは、マルチプレクサ回路9236の制御信号を変更すること、および/または、マルチプレクサ回路9236の特定の入力部をオンまたはオフにすることによって実施されてもよい。応答回路9210は、将来的に、特定のセンサを、応答速度、感度、範囲などが異なるセンサに交換するための提言を行ってもよい。また、応答回路9210は、部品、機器、動作条件、プロセスなどの将来の実施形態について、設計変更を推奨してもよい。
実施形態では、応答回路9210は、今後のプロセス停止時にメンテナンスを推奨するか、またはメンテナンスコールを開始してもよい。応答回路9210は、装置のバランスを遠隔的に取るために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路9210は、プロセスの変更を実施または推奨してもよい。例えば、保守間隔に近い、オフ・ノミナルに動作している、または目的のために故障しているが少なくとも部分的にはまだ動作しているコンポーネントの利用率を下げること、コンポーネントの動作速度を変更すること(低需要モードにするなど)、問題の改善を開始すること(ローラ・ベアリング・セットの追加の潤滑のために信号を送ること、またはバランスを崩しているシステムのためのアライメント・プロセスのために信号を送ることなど)などである。
図79、80、81、82に示すような実施形態では、データ監視システム9240は、少なくとも1つのデータ監視デバイス9250を含んでもよい。少なくとも1つのデータ監視装置9250は、センサ9206と、データ取得回路9204、信号評価回路9208、データ記憶回路9216、および通信回路9246を含むコントローラ9242とを含んでもよい。信号評価回路9208は、周波数検出回路9212および周波数解析回路9214の少なくとも一方を含んでいてもよい。また、上述および本明細書の他の箇所で説明したように、任意の応答回路があってもよい。信号の評価回路9208は、監視アプリケーション9248によって、時間の経過や様々な条件下でのコンポーネントおよび機器の性能の追跡を可能にするために、リモートサーバ9244に送信するために通信回路9246とデータを定期的に共有してもよい。センサ値が1つまたは複数の基準に近づくと、関連する動作条件および/または故障モードが発生する可能性があるため、信号評価回路9208は、1つまたは複数の基準に対するデータの適合性に基づいて、遠隔サーバ9244に送信するために通信回路9246とデータを共有してもよい。指定された基準または範囲を満たすまたは接近する1つのセンサ入力に基づいて、信号評価回路9208は、RPM、コンポーネント負荷、温度、圧力、振動などの追加データを送信のために共有してもよい。また、信号評価回路9208は、リモートサーバでの処理の粒度を大きくするために、より高いデータレートでデータを共有して送信してもよい。
実施形態では、図79に示すように、通信回路9246は、リモートサーバ9244に直接データを通信してもよい。実施形態では、図80に示すように、通信回路9246はデータを中間コンピュータ9252に通信してもよく、この中間コンピュータ9252は、オペレーティングシステム9256を実行するプロセッサ9254およびデータ記憶回路9258を含んでもよい。中間コンピュータ9252は、複数のデータ監視装置からデータを収集し、その累積データをリモートサーバ9244に送信してもよい。
実施形態では、図81および82に示されているように、データ収集システム9260は、単一の装置内の複数のコンポーネントに関するデータを収集する複数の監視装置9250を有してもよく、同じ設備内の複数の装置(同じタイプの装置と異なるタイプの装置の両方)にわたって同じコンポーネントに関するデータを収集してもよく、複数の設備内の監視装置からデータを収集してもよい。リモートサーバ9244上の監視アプリケーション9248は、複数の様々な監視装置9250から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して保存してもよい。実施形態では、図81に示すように、通信回路9246は、リモートサーバ9244に直接データを通信してもよい。実施形態では、図82に示すように、通信回路9246は、中間コンピュータ9252にデータを通信してもよく、この中間コンピュータ9252は、オペレーティングシステム9256を実行するプロセッサ9254と、データ記憶回路9258とを含んでもよい。各監視装置9264に関連付けられた個別の中間コンピュータ9252があってもよいし、個別の中間コンピュータ9252が複数の監視装置9250に関連付けられていてもよく、中間コンピュータ9252が複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9244に送信してもよい。
監視アプリケーション9248は、検出値、タイミング信号及びデータのサブセットを選択して共同解析してもよい。解析のためのサブセットは、軸受の種類、軸受の材料、または軸受が動作している単一のタイプの機器に基づいて選択されてもよい。解析対象のサブセットは、負荷の大きさ、運転状態(例えば、間欠運転、連続運転)、運転速度またはタコメータ、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件など、共通の運転条件または運転履歴に基づいて選択またはグループ化されてもよい。解析対象のサブセットは、共通の予想される状態情報に基づいて選択することができる。同様の周波数で回転する機械、電磁場を発生させる機器、熱を発生させる機器、動きや振動を誘発する機器、蒸気や化学物質、微粒子を放出する機器など、他の周辺機器の影響、またはその他の潜在的な干渉や妨害の影響に基づいて、解析対象のサブセットを選択してもよい。
監視アプリケーション9248は、選択されたサブセットを解析してもよい。例示的な例では、1つのコンポーネントからのデータは、1つの動作サイクル、サイクル間の比較、1ヶ月、1年、コンポーネントの寿命などの複数の動作サイクル/時間にわたる傾向など、異なる期間にわたって解析されてもよい。また、同じ種類の複数の部品のデータを異なる期間で解析してもよい。周波数や振幅の変化などのデータの傾向は、同じ部品や機器に関連する故障やメンテナンスの記録と相関があるかもしれない。また、起動時やプロセスの異なる時点に関連する変化率などのデータの傾向を特定することもできる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成功または失敗を示すデータなど、追加のデータを解析に導入してもよい。異なるタイプのデータの傾向と値の相関関係を解析し、短期的な解析により期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定することができる。解析により、予想される状態情報のためのモデルの改良、使用するセンサーに関する推奨事項、センサーの配置などを特定することができる。解析により、収集および保存すべき追加データが特定される場合がある。解析により、必要なメンテナンスや修理、および/または予防的メンテナンスのスケジューリングに関する推奨事項を特定することができる。解析により、交換用ベアリングの購入およびベアリングの交換時期に関する推奨事項が特定される場合がある。解析の結果、壊滅的な故障状態の危険性に関する警報が出されることもある。この情報は、ローカルで収集・解析されたデータの種類を更新するため、または将来のモニタリング装置の設計に影響を与えるために、モニタリング装置に送信されることがある。
実施形態では、監視アプリケーション9248は、ルールベースまたはモデルベースの解析を使用して選択されたサブセットを解析するために、機器の仕様、機器の形状、軸受の仕様、軸受の材料、複数の軸受タイプの予想される状態情報、動作履歴、過去の検出値、軸受の寿命モデルなどにアクセスしてもよい。実施形態では、監視アプリケーション9248は、選択されたサブセットをニューラルネットに与えて、深層学習技術を利用して様々な動作状態、健全性状態(例えば、寿命予測)、および故障状態を認識することを学習してもよい。実施形態では、2つの技術(モデルベースの学習と深層学習)のハイブリッドを使用してもよい。
例示的かつ非限定的な例として、組立ラインのコンベアやリフターのベアリング、産業車両のウォーターポンプ、ガス処理システムのコンプレッサー、ガス・油田の外に位置するコンプレッサー、工場の空調装置、工場のミネラルポンプの健全性状態は、本明細書に記載されている周波数変換・周波数解析技術、データ監視装置、データ収集システムを使用して監視することができる。
例示的かつ非限定的な例では、石油・ガス分野に位置するベアリング、ギア、ブレード、スクリュー、および関連するシャフト、モーター、ローター、ステータ、ギア、およびギアボックス、モーター、ポンプ、振動コンベア、ミキサー、遠心分離機、掘削機、スクリュードライバー、精製タンクの他のコンポーネントの1つまたは複数の健全性状態は、本明細書に記載されている周波数変換および周波数解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、化学品や医薬品の製造ラインに配備されている化学反応を促進するための回転タンク/ミキサー攪拌機、機械的/回転攪拌機、およびプロペラ攪拌機のベアリングおよび関連するシャフト、モーター、ローター、ステーター、ギア、およびその他のコンポーネントの健全性は、本明細書に記載されている周波数変換および周波数解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、ステアリング機構又はエンジンなどの車両システムの軸受及び関連するシャフト、モータ、ロータ、ステータ、ギア、及び他の構成要素の健全性は、本明細書に記載される周波数変換及び周波数解析技術、データ監視装置、並びにデータ収集システムを用いて評価されてもよい。
産業環境における軸受解析のための例示的な監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の長さの時間バッファリングするためのデータ記憶装置、および、バッファリングされた検出値を仕様と予想される状態情報に関連して解析し、軸受性能パラメータを得るように構成された軸受解析回路、を含む。
特定のさらなる実施形態において、例示的な監視装置は、軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路、複数の入力センサが、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ及びタコメータからなる群より選択される少なくとも2つのセンサを含む場合、少なくとも1つの動作は、さらに、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、のうちの少なくとも1つに応答して行われる場合、少なくとも1つの動作が、警告を発することを含む場合、警報は、触覚、可聴および視覚のうちの1つであり得る場合、少なくとも1つの動作が、前記データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することが、相対的な位相差の変化および相対的位相差の相対的変化率のうちの少なくとも1つに応答してさらに行われる場合、の1つまたは複数を含む。
産業環境における軸受解析のための例示的な監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の長さの時間バッファリングするためのデータ記憶装置、および、バッファリングされた検出値を仕様と予想される状態情報に関連して解析し、軸受の健全性値を得るように構成された軸受解析回路、を含む。
特定の実施形態において、例示的な監視装置は、軸受健全性値に応答して少なくとも1つの動作を実行する応答回路、複数の入力センサが、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ及びタコメータからなる群より選択される少なくとも2つのセンサを含む場合、少なくとも1つの動作は、さらに、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、のうちの少なくとも1つに応答して行われる場合、少なくとも1つの動作が、警告を発することを含む場合、警報は、触覚、可聴および視覚のうちの1つであり得る場合、なくとも1つの動作が、データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することが、相対的な位相差の変化および相対的位相差の相対的変化率のうちの少なくとも1つに応答してさらに行われる場合、のうちの1つまたは複数を含む。
産業環境における軸受解析のための例示的な監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の長さの時間バッファリングするためのデータ記憶装置、および、バッファリングされた検出値を仕様と予想される状態情報に関連して解析し、軸受の寿命予測パラメータを生成するように構成された軸受解析回路、を含む。
特定の実施形態において、監視装置は、さらに、軸受寿命予測パラメータに応答して少なくとも1つの動作を実行する応答回路、複数の入力センサが、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ、及びタコメータからなる群から選択される少なくとも2つのセンサを含む場合、少なくとも1つの動作は、さらに、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、のうちの少なくとも1つに応答して行われる場合、少なくとも1つの動作が、警告を発することを含む場合、警報は、触覚、可聴および視覚のうちの1つであり得る場合、少なくとも1つの動作が、データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することが、相対的な位相差の変化および相対的位相差の相対的変化率のうちの少なくとも1つに応答してさらに行われる場合、を含む。
産業環境における軸受解析のための例示的な監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の長さの時間バッファリングするためのデータ記憶装置、および、バッファリングされた検出値を仕様および予想される状態情報と比較して解析し、軸受性能パラメータを得るように構成された軸受解析回路、を含み、データ収集回路は、ユーザー入力、検出された状態、および機械の選択された動作パラメータの少なくとも1つに基づいて、検出値の代替的な組み合わせを選択することができるマルチプレクサ回路を含む。
特定のさらなる実施形態において、例示的な監視装置は、軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路であって、複数の入力センサは、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ及びタコメータからなる群から選択される少なくとも2つのセンサを含む、応答回路、複数の検出値のうち少なくとも1つの検出値の振幅の変化、複数の検出値のうち少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、及び、複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、のうちの1つまたは複数を含み、少なくとも1つの動作が、警告を発することを含み、該警報は、触覚、可聴および視覚のうちの1つであり得、少なくとも1つの動作が、データ記憶回路に追加のデータを記憶することをさらに含み、データ記憶回路に追加のデータを記憶することが、相対的な位相差の変化および相対的な位相差の相対的な変化率のうちの少なくとも1つに応答してさらに行われる。
産業環境におけるデータ収集、処理、およびベアリング解析のための例示的なシステムは、複数の監視装置であって、各監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の時間だけバッファリングするデータ記憶装置、および、バッファリングされた検出値を仕様及び予想される状態情報と関連付けて解析し、ベアリングの寿命予測を行うように構成されたベアリング解析回路を含む。
上記システムは、さらに、軸受寿命予測とバッファリングされた検出値の一部をリモートサーバーに提供する、リモートサーバーと通信するように構成された通信回路を含む。
上記システムは、さらに、複数の監視装置から検出値のサブセットを受信し、保存し、共同で解析するように構成されたリモートサーバー上の監視アプリケーションを含む。
特定のさらなる実施形態において、例示的な監視装置は、軸受寿命予測に応答して少なくとも1つの動作を実行する応答回路であって、複数の入力センサが、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ及びタコメータからなる群から選択される少なくとも2つのセンサを含む、応答回路、少なくとも1つの動作は、さらに、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対的な位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅と相対位相の相対的な変化率、うちの少なくとも1つに応答して行われる場合、少なくとも1つの動作が、警告を発することを含む場合、警報は、触覚、可聴および視覚のうちの1つであり得る場合、少なくとも1つの動作が、前記データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することが、相対的な位相差の変化および相対的位相差の相対的変化率の
うちの少なくとも1つに応答してさらに行われる場合、のうちの1つまたは複数を含む。
うちの少なくとも1つに応答してさらに行われる場合、のうちの1つまたは複数を含む。
産業環境におけるデータ収集、処理、および軸受解析のための例示的なシステムは、複数の監視装置であって、各々が、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々が、データ取得回路に通信可能に結合された複数の入力センサの少なくとも1つに対応する、データ取得回路、および、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の時間だけバッファリングするデータ記憶装置、を含む。
上記システムは、さらに、軸受性能パラメータをもたらす仕様及び予想される状態情報に対して、バッファリングされた検出値を解析するように構成された軸受解析回路、寿命予測とバッファリングされた検出値の一部をリモートサーバーに提供する、リモートサーバーと通信するように構成された通信回路、および、複数の監視装置から検出値のサブセットを受信し、保存し、共同で解析するように構成されたリモートサーバー上の監視アプリケーション、を含む。
特定のさらなる実施形態において、例示的な監視装置は、軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路であって、複数の入力センサが、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ及びタコメータからなる群より選択される少なくとも2つのセンサを含む、応答回路、少なくとも1つの動作は、さらに、複数の検出値のうちの少なくとも1つの振幅の変化、複数の検出値のうちの少なくとも1つの周波数または相対位相の変化、複数の検出値の少なくとも1つの振幅と相対位相の両方の変化率、および複数の検出値の少なくとも1つの振幅及び相対位相の相対変化率、のうちの少なくとも1つに応答して行われる場合、少なくとも1つの動作は、警告を発することを含む場合、警報は、触覚、可聴および視覚のうちの1つであり得る場合、少なくとも1つの動作が、前記データ記憶回路に追加のデータを記憶することをさらに含む場合、データ記憶回路に追加のデータを記憶することが、相対的な位相差の変化および相対的位相差の相対的変化率のうちの少なくとも1つに応答してさらに行われる場合、のうちの1つまたは複数を含む。
産業環境におけるデータ収集、処理、およびベアリング解析のための例示的なシステムは、複数の監視装置であって、各監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、取得された検出値の少なくともサブセットを遠隔学習システムにストリーミングするためのストリーミング回路、および、少なくとも1つのベアリングの状態に関する機械ベースの理解に関連して検出値を解析するように構成されたベアリング解析回路を含む、リモート学習システム、を含む。
特定のさらなる実施形態において、例示的なシステムは、さらに、機械ベースの理解が、軸受の挙動と産業機械の構成要素の動作周波数との関係に少なくとも部分的に基づいて、少なくとも1つの軸受の状態を決定する軸受のモデルに基づいて開発される場合、少なくとも1つの軸受の状態が、動作状態、健康状態、予測寿命状態、及び故障状態のうちの少なくとも1つである場合、機械ベースの理解が、深層学習機械に入力を提供することによって基づいて開発され、入力が、複数のベアリングについての検出値の複数のストリームと、複数のベアリングについての複数の測定状態値とからなる、機械ベースの理解である場合、少なくとも1つのベアリングの状態は、動作状態、健康状態、予測寿命状態、及び故障状態のうちの少なくとも1つである場合、のうちの1つまたは複数を含む。
軸受及び軸受のセットを解析する例示的な方法は、温度センサ、軸受又は軸受のセットの近くに配置された振動センサ、及び軸受又は軸受のセットに関連するシャフトの回転を測定するためのタコメータからのデータに対応する複数の検出値を受信するステップと、温度センサーに対応する検出値を所定の最大レベルと比較するステップと、振動センサーに対応する検出値をハイパスフィルターを通してフィルタリングし、フィルターがタコメーターに関連する検出値に関連する振動を除去するように選択されること、温度ピークと振動ピークの少なくとも一方における急激な変化を識別するステップと、振動センサに対応するフィルタリングされた検出値のスパイクが発生する周波数を特定し、ベアリング又はベアリングのセットに関連する予想される状態情報及び仕様に対する周波数及びスパイクの振幅を比較するステップ、を含む。
この方法は、さらに、軸受の健全性パラメータを決定するステップを含む。
産業環境においてころがり軸受を監視するための例示的な装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、複数のタイプのころ軸受の仕様と予想される状態情報を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、バッファリングされた検出値を仕様及び予想される状態情報と比較して解析し、ベアリング性能パラメータを得るように構成されたベアリング解析回路、および、軸受性能予測に応答して少なくとも1つの動作を実行する応答回路、を含む。
この装置において、複数の入力センサは、温度センサ、荷重センサ、光振動センサ、音波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサおよびタコメータからなる群から選択される少なくとも2つのセンサを含む。
産業環境においてスリーブ軸受を監視するための例示的な装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、スリーブベアリングの仕様およびスリーブベアリングのタイプの予測される状態情報を記憶し、複数の検出値を所定の長さの時間バッファリングするデータ記憶装置、および、軸受性能パラメータをもたらす仕様及び予期される状態情報に対してバッファリングされた検出値を解析するように構成された軸受解析回路、を含む。
この装置は、さらに、軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路を含み、複数の入力センサは、温度センサ、荷重センサ、光振動センサ、音波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサおよびタコメータからなる群から選択される少なくとも2つのセンサを含む。
産業環境におけるポンプ軸受を監視するための例示的なシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路、ポンプ仕様、軸受仕様、ポンプ軸受の予想される状態情報を記憶し、複数の検出値を所定の時間だけバッファリングするデータ記憶装置、および、軸受性能パラメータをもたらす仕様及び予想される状態情報に対して、バッファリングされた検出値を解析するように構成された軸受解析回路、を含む。
このシステムは、さらに、軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路を含み、複数の入力センサは、温度センサ、荷重センサ、光振動センサ、音波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサおよびタコメータからなる群から選択される少なくとも2つのセンサを含む。
産業環境におけるポンプベアリングの収集、処理、および解析のための例示的なシステムは、複数の監視装置であって、各々が複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、データ取得回路に通信可能に結合された複数の入力センサのうちの少なくとも1つに対応する、データ取得回路を含む、監視装置、ポンプ仕様、軸受仕様、ポンプ軸受の予想される状態情報を記憶し、複数の検出値を所定の時間だけバッファリングするデータ記憶装置、軸受性能パラメータをもたらすポンプ及び軸受の仕様及び予想される状態情報に対して、バッファリングされた検出値を解析するように構成された軸受解析回路、軸受性能パラメータ及びバッファリングされた検出値の一部をリモートサーバーに提供する、リモートサーバーと通信するように構成された通信回路、および、複数の監視装置から検出値のサブセットを受信、保存、共同解析するように構成されたリモートサーバー上の監視アプリケーション、を含む。
コンベア健全性パラメータを推定するための例示的なシステムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々が複数の入力センサの少なくとも1つに対応し、複数の入力センサが、回転構成要素を測定するように配置された角位置センサ、角速度センサ及び角加速度センサの少なくとも1つを含む、データ取得回路、コンベア及び関連する回転部品の仕様、システム形状、及び予想される状態情報を記憶し、過去のコンベヤ及び部品の性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、および、軸受性能パラメータをもたらす仕様および予測状態情報に対してバッファリングされた検出値を解析するように構成された軸受解析回路、を含む。
このシステムは、さらに、軸受性能と、予測状態、履歴データ及びシステム形状のうちの少なくとも1つとを利用して、コンベア健全性性能を推定するように構成されたシステム解析回路を含む。
攪拌機健全性パラメータを推定するための例示的なシステムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々が複数の入力センサの少なくとも1つに対応し、複数の入力センサが、回転部品を測定するように配置された角位置センサ、角速度センサ及び角加速度センサの少なくとも1つを含む、データ取得回路、攪拌機及び関連部品の仕様、システム形状、及び予想される状態情報を記憶し、過去の攪拌機及び部品の性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、バッファリングされた検出値を仕様と予想される状態情報に関連して解析し、軸受性能パラメータを得るように構成された軸受解析回路、および、軸受性能と、予測状態、履歴データ、およびシステム形状のうちの少なくとも1つを利用して、撹拌健全性パラメータを推定するように構成されたシステム解析回路、を含む。特定のさらなる実施形態において、例示的な装置は、攪拌機が、回転タンクミキサー、大型タンクミキサー、携帯タンクミキサー、トートタンクミキサー、ドラムミキサー、搭載ミキサー、及びプロペラミキサーのうちの1つである場合をさらに含む。
車両ステアリングシステムの性能パラメータを推定するための例示的なシステムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々が複数の入力センサの少なくとも1つに対応し、複数の入力センサが、回転成分を測定するように配置された角位置センサ、角速度センサおよび角加速度センサの少なくとも1つを含んでいる、データ取得回路、車両ステアリングシステム、ラック、ピニオン、およびステアリングコラムの仕様、システム形状、および予想される状態情報を記憶し、過去のステアリングシステム性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、および、バッファリングした検出値を仕様および予想される状態情報に対して解析し、ベアリング性能パラメータをもたらすように構成されたベアリング解析回路、を含む。
このシステムは、さらに、軸受性能と、予想状態、履歴データ及びシステム形状の少なくとも1つとを利用して、車両ステアリングシステム性能パラメータを推定するように構成されたシステム解析回路を含む。
ポンプ性能パラメータを推定するための例示的なシステムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々は、複数の入力センサの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサの少なくとも1つを含む、データ取得回路、ポンプ及びポンプ部品の仕様、システム形状、及び予想される状態情報を記憶し、過去のステアリングシステム性能を記憶し、複数の検出値を所定時間バッファリングするように構成されたデータ記憶回路、バッファリングされた検出値を仕様と予想される状態情報に対して解析し、軸受性能パラメータを生成するように構成された軸受解析回路、および、軸受性能と、予測状態、履歴データ、システム形状の少なくとも1つを利用して、ポンプ性能パラメータを推定するように構成されたシステム解析回路、を含む。特定の実施形態において、例示的なシステムは、ポンプが自動車の水ポンプであり、および/またはポンプが鉱石ポンプである場合をさらに含む。
掘削機の性能パラメータを推定するための例示的なシステムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々が複数の入力センサの少なくとも1つに対応し、複数の入力センサが、回転部品を測定するように配置された角位置センサ、角速度センサ及び角加速度センサの少なくとも1つを含んでいる、データ取得回路、掘削機及び掘削機部品の仕様、システム形状、及び予想される状態情報を記憶し、過去の掘削機性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、および、軸受性能パラメータをもたらす仕様および予測される状態情報に対して、バッファリングされた検出値を解析するように構成された軸受解析回路、を含む。
このシステムは、さらに、[軸受性能と、予想状態、履歴データ及びシステム形状のうちの少なくとも1つとを利用して、掘削機の性能パラメータを推定するように構成されたシステム解析回路を含む。特定の更なる実施形態では、掘削機は、石油掘削機及びガス掘削機のうちの1つである。
掘削機の性能パラメータを推定するための例示的なシステムは、複数の検出値を解釈するように構造化されたデータ取得回路であって、複数の検出値の各々が複数の入力センサの少なくとも1つに対応し、複数の入力センサが、回転部品を測定するように配置された角位置センサ、角速度センサ及び角加速度センサの少なくとも1つを含んでいる、データ取得回路、掘削機及び掘削機部品の仕様、システム形状、及び予想される状態情報を記憶し、過去の掘削機性能を記憶し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ記憶回路、軸受性能パラメータをもたらす仕様および予測される状態情報に対して、バッファリングされた検出値を解析するように構成された軸受解析回路、および、軸受性能と、予想状態、履歴データ、システム形状の少なくとも1つを利用して、掘削機の性能パラメータを推定するよう構成されたシステム解析回路、を含む。
回転部品は、様々な種類の機器や用途に使用されている。回転部品は、シャフト、モータ、ロータ、ステータ、ベアリング、フィン、ベーン、ウィング、ブレード、ファン、ベアリング、ホイール、ハブ、スポーク、ボール、ローラ、ピン、ギアなどを含むことができる。実施形態では、産業機器の一部または産業プロセスにおける回転部品の健全性またはその他の状態または状態情報に関する情報は、産業機器または産業プロセスの部品または他の様々な部品の状態を監視し、部品上のねじれを識別することによって得られてもよい。モニタリングには、角位置、角速度、角加速度などの属性を測定するセンサ信号の振幅と位相を監視することが含まれる場合がある。
データ監視装置9400の一実施形態が図83に示されており、コントローラ9402に通信可能に結合された複数のセンサ9406を含んでもよい。コントローラ9402は、データ取得回路9404と、データ記憶回路9414と、システム評価回路9408と、任意に応答回路9410とを含んでもよい。システム評価回路9408は、ねじり解析回路9412を含んでもよい。
複数のセンサ9406は、データ取得回路9404のポートに有線接続されてもよい。複数のセンサ9406は、データ取得回路9404に無線で接続されてもよい。データ取得回路9404は、複数のセンサ9406のうちの少なくとも1つの出力に対応する検出値にアクセスすることができてもよく、ここで、センサ9406は、軸受または装置もしくはインフラストラクチャの一部の異なる動作側面に関するデータを捕捉してもよい。
シャフト、モータ、ロータ、ステータ、ベアリング、ギアなどのコンポーネントや、本明細書に記載されている他のコンポーネント、またはドライブトレインや機器、システム内にある、またはそれらを構成するようなコンポーネントの組み合わせのねじりを評価するように設計されたデータ監視装置9400のための複数のセンサ9406の選択は、新しいセンサを取り付けるためのアクセス性、初期設計におけるセンサの組み込み、予想される動作および故障の状態、センサの信頼性など、さまざまな考慮事項に依存する場合がある。軸受の故障が予想外に発生したり、検出されなかったりすると費用がかさむ、あるいは重大な結果を招くようなシステムには、より多くのセンサや高機能のセンサを設置するなど、故障の影響を考慮して軸受や機器を監視する範囲を決めることができる。ねじれを評価するために、センサは、角位置センサ、角速度センサ、角加速度センサなどを含むことができる。
システム評価回路9408は、検出値を処理して、監視されている1つまたは複数の回転コンポーネントに関する情報を取得してもよい。ねじり解析回路9412は、データ記憶回路9414から得られるような、予想される状態、過去の状態、システムの幾何学的形状などに基づいて、コンポーネントまたはシステムのねじりを識別するように構成されてもよい。ねじり解析回路9412は、シャフトの異なる位置に配置された2つのリニア加速度センサからの検出値の振幅、位相、周波数の違いなどの様々な技術を用いて、ねじりを特定する構造であってもよい。ねじり解析回路9412は、シャフトに設けられた角型加速度センサと、シャフトの端部に設けられたスリップリングに設けられた角型加速度センサとの間の振幅および位相の差を用いて、ねじりを識別してもよい。ねじり解析回路9412は、ハーフブリッジ構成の2つのひずみゲージ、またはフルブリッジ構成の4つのひずみゲージを用いて、部品のせん断応力/伸びを特定することができる。ねじり解析回路9412は、シャフト、ベアリング、ロータ、ステータ、ギア、または他の回転コンポーネントの回転を識別するために、マーカなどのコーダベースの技術を使用してもよい。評価されるマーカーは、イメージセンサや光検出器などで撮影されたシャフト上のギアの歯やストライプなどの視覚的なマーカーを含んでもよい。評価されるマーカーは、回転部品上に位置し、電磁ピックアップによって感知される磁気成分を含んでいてもよい。また、センサーは、ホール効果センサーであってもよい。
追加の入力センサとしては、温度計、熱流束センサ、磁力計、軸方向荷重センサ、半径方向荷重センサ、加速度センサ、せん断応力トルクセンサ、ねじれ角センサなどが考えられる。ねじれ角は、回転の情報、またはシャフト上の2つの位置での角速度や角加速度の情報を得ることができる。実施形態では、センサーは、シャフトの異なる端部に配置されてもよい。
ねじり解析回路9412は、本明細書の他の箇所に記載されているように、過渡信号解析回路および/または周波数変換回路および/または周波数解析回路の1つ以上を含んでいてもよい。
実施形態では、ねじり解析のための一過性の信号解析回路は、エンベロープ変調解析、および他の一過性の信号解析技術を含んでもよい。システム評価回路9408は、検出値の長いストリームをデータ記憶回路9414に格納してもよい。一過性の信号解析回路は、従来の正弦波解析(FFTなど)では特定できない可能性のある過渡的な影響(衝撃など)を特定するために、それらの長い検出値のストリームにエンベロープ解析技術を使用してもよい。
実施形態では、関心のある周波数は、回転機器の関係次数の帯域幅でエネルギーを識別することを含んでもよい。観測された最大次数は、システムの帯域幅およびコンポーネントの回転速度の関数から構成されてもよい。変化する速度(ランアップ、ランダウンなど)については、最小回転数が最大観測次数を決定することがある。実施形態では、コンポーネントが駆動されている強制周波数/周波数の高調波において、ねじり共振が発生する場合がある。
例示的かつ非限定的な例では、監視装置は、部品のねじれを測定するためにセンサデータを収集し、処理するために使用されてもよい。監視装置は、回転の複数のサイクルを測定するのに十分な長時間にわたってデータを収集するために、高解像度の高速振動センサと通信するか、またはこれを含んでもよい。歯車駆動の装置の場合、サンプリングの分解能は、1サイクルあたりのサンプル数が部品を駆動する歯車の数と少なくとも等しくなるようにする必要がある。より低いサンプリング分解能を利用することもできるが、その場合、信頼性の低い判定になる可能性があり、また、十分な統計的信頼性を得るためには、より長い期間にわたってデータを取得する必要がある。このデータは、機器の位相基準(相対的なプローブ)またはタコメーター信号の生成に使用することができる。この位相基準は、部品の異なる位置やシステム内の異なる部品に配置された複数のセンサーからの速度データや位置データ、加速度データなどの位相データを揃えるために使用することができる。この情報は、異なるコンポーネントのねじれを決定したり、運用モードでの1つ以上のコンポーネントのねじれの程度を示すODS(Operational Deflection Shape)の生成を容易にする可能性がある。
高解像度のデータストリームは、低速動作における一時的な信号の検出のための追加データを提供することができる。一過性の信号を特定することで、機器や部品の欠陥を特定することができる場合がある。
例示的かつ非限定的な例では、故障予測モデルで使用するために機械的ジッターを特定するために監視装置を使用することができる。モニタリング装置は、機器が起動して動作速度まで上昇したとき、または動作中にデータの取得を開始してもよい。動作速度に達すると、ねじりのジッターは最小限になると予想され、この段階でのねじりの変化は、クラックやベアリングの故障などを示す可能性がある。さらに、既知のねじれを信号から取り除くことで、システムの設計上の欠陥や部品の摩耗に起因する予期せぬねじれを特定しやすくすることができる。動作速度で収集したデータに関連した位相情報を持つことで、振動の発生場所や部品の摩耗の可能性を特定しやすくなる。機械全体に配置された複数のセンサの相対的な位相情報は、機器の中を伝播するねじりの評価を容易にする。
システム評価回路9408は、その様々なコンポーネントの出力に基づいて、コンポーネントの寿命予測、コンポーネントの健全性パラメータの特定、コンポーネントの性能パラメータの特定などを行ってもよい。システム評価回路9408は、回転部品の予期せぬねじれを特定してもよいし、フレクシャー・ベアリングのひずみ・応力を特定してもよいなどである。システム評価回路9408は、ねじれを低減し、部品の寿命を延ばすための機器の最適な動作パラメータを特定してもよい。システム評価回路9408は、選択された動作周波数(例えば、シャフト回転速度)におけるねじりを特定してもよい。ねじれを引き起こす動作周波数に関する情報は、将来的に機器の動作バランスを促進する可能性がある。
システム評価回路9408は、データ記憶回路9414と通信して、その様々なコンポーネントの出力を評価するために、機器の仕様、機器の形状、軸受の仕様、コンポーネントの材料、複数のコンポーネントタイプの予想される状態情報、動作履歴、過去の検出値などにアクセスしてもよい。システム評価回路9408は、複数の検出値のサブセット、時間ベースの検出値、周波数情報に変換された時間ベースの検出値、フィルタリングされた検出値などの中間データをバッファリングしてもよい。また、システム評価回路9408は、特定の検出値をデータ記憶回路9414に定期的に保存してもよい。システム評価回路9408は、データ記憶回路9414に特定の検出値を定期的に格納して、部品性能の経時的な追跡を可能にしてもよい。実施形態では、検出値が1つまたは複数の基準に近づくと発生する可能性がある、関連する動作条件および/または故障モードに基づいて、システム評価回路9408は、本開示全体を通して記載されているような、1つまたは複数の基準に対するデータの適合性に基づいて、データ記憶回路9414にデータを格納してもよい。指定された基準または範囲を満たすまたは近づく1つのセンサ入力に基づいて、システム評価回路9408は、回転数情報、コンポーネントの負荷、温度、圧力、振動、または本開示全体を通して記載されたタイプの他のセンサデータなどの追加データをデータ記憶回路9414に格納してもよい。システム評価回路9408は、将来の処理におけるより大きな粒度、異なるサンプリングレートでの再処理能力、および/または、関心のある動作データにフラグが立てられたシステム情報の診断または後処理を可能にするために、より高いデータレートでデータ記憶回路にデータを格納してもよい。
装置の種類、測定されるコンポーネント、装置が動作している環境などに応じて、センサ9406は、限定されることなく、以下のうちの1つまたは複数から構成されてもよい:変位センサ、角速度センサ、角加速度計、振動センサ、光学的振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル解析、および/または物体の位置または動きを決定する。イメージセンサー、構造化光センサー、レーザーイメージセンサー、赤外線センサー、音響波センサー、熱流束センサー、変位センサー、濁度計、粘度計、荷重センサー、三軸振動センサー、加速度計、タコメーター、温度計、電圧センサー、電流センサー、加速度計、速度センサー、光センサー、電磁センサー(温度、組成、スペクトル解析、物体の位置や動きの測定など)。加速度計、タコメーター、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサー、pHセンサーなど、本開示および参考文献に記載されているセンサーのいずれかを含むが、これらに限定されない。
センサ9406は、角速度、角加速度、または振動に関連するような、位相成分を有する経時的なデータのストリームを提供してもよく、装置の一部または動作部品の異なる動作側面の位相または周波数解析の評価を可能にする。センサ9406は、温度、湿度、負荷などのような、従来の位相成分を持たないデータのストリームを提供してもよい。センサ9406は、経時的な連続またはほぼ連続的なデータの流れ、定期的な読み取り、イベント駆動型の読み取り、および/または選択された間隔やスケジュールに従った読み取りを提供してもよい。
例示的かつ非限定的な例として、エンジン部品を評価する際には、部品にかかる他のねじり力の特定を支援するために、ピストンの振動のタイミングによる振動や、クランクシャフトの形状による予想される振動入力を除去することが望ましい場合がある。これにより、自動車のウォーターポンプや容積式ポンプなど、様々な部品の健全性を評価することができる。
例示的かつ非限定的な例では、ねじり解析およびねじりの変動の識別は、ギアまたは伝達システムにおけるスティックスリップの識別に役立つ可能性がある。場合によっては、1サイクルに1回しか発生しないこともあり、位相情報は、システムの状態や挙動を判断する上で、信号の振幅と同じかそれ以上に重要であることもある。
例示的かつ非限定的な例では、ねじり解析は、ドライブトレインのラッシの識別、予測(例えば、タイミング)、および評価、ならびに方向の変更または起動に起因する後続のねじりを支援することができ、これらは、システムの制御、保守の必要性の評価、バランス調整またはその他のコンポーネントの再設定の必要性の評価などに使用することができる。
例示的かつ非限定的な例では、コンプレッサを評価する際に、コンポーネント上の他のねじり力の識別を支援するために、ピストンの振動のタイミングや、容積型コンプレッサに使用される技術および形状に関連する予想される振動入力による振動を除去することが望ましい場合がある。これは、工場の空調装置、産業環境のガス処理システムの圧縮機、油田の圧縮機などの多様な環境にある圧縮機の健全性を評価するのに役立つ可能性があり、本明細書の他の箇所にも記載されている。
例示的かつ非限定的な例では、ねじり解析は、クレーン、ブルドーザー、トラクター、運搬車、バックホー、フォークリフト、農業機械、鉱山機械、ボーリング・掘削機、掘削機、リフティングマシン、ミキサー(例えば、セメントミキサー)、冷凍トラック、セキュリティ車両(例えば、貴重品を保存するための金庫や同様の設備を含む)などの車両のドライブトレインに関連する様々なコンポーネントの健全性と期待寿命の理解を容易にすることができる。また、組立ライン、リフト、クレーン、コンベア、運搬システムなどの移動装置の駆動系も含まれる。システムの形状や動作条件のモデルを用いてセンサーデータを評価することは、予期せぬねじれや、モーターとドライブシャフト、ドライブシャフトからユニバーサルジョイント、ユニバーサルジョイントから1つ以上の車輪軸へのそのねじれの伝達を特定するのに有用である。
例示的かつ非限定的な例では、ねじり解析は、電車/トラムの車輪およびホイールセットに関連する様々なコンポーネントの健全性および予想される寿命の理解を促進することができる。上述したように、ねじり解析は、車輪またはホイールセットとレールとの間のスティック・スリップの識別を容易にすることができる。システムの形状を考慮したねじり解析は、エンジンと駆動軸と車輪軸をつなぐ駆動形状によるねじり振動とは対照的に、スティックスリップによるねじり振動の特定を容易にすることができる。
実施形態では、図83に例示されているように、センサ9406は、本明細書で場合によってはデータコレクタと呼ばれるデータ監視装置9400の一部であってもよく、これは場合によってはモバイル型またはポータブル型のデータコレクタを構成してもよい。実施形態では、図84および85に示されているように、明示的に監視装置9416の一部ではなく、新しい、以前に装置またはコンポーネントに取り付けられた、または統合された、1つまたは複数の外部センサ9422が、監視装置9416に機会的に接続されるか、または監視装置9416によってアクセスされてもよい。監視装置9416は、コントローラ9418を含んでもよい。コントローラ9418は、データ取得回路9420と、データ記憶回路9414と、システム評価回路9408と、任意に応答回路9410とを含んでもよい。システム評価回路9408は、ねじり解析回路9412を含んでいてもよい。データ取得回路9420は、1つまたは複数の入力ポート9424を含んでもよい。図85に示すような実施形態では、データ取得回路9420は、無線通信回路9426をさらに含んでいてもよい。つまたは複数の外部センサ9422は、コントローラ9418のデータ取得回路9420の1つまたは複数の入力ポート9424に直接接続されてもよいし、無線通信回路9426を使用して、リーダ、インタロゲータ、または近距離無線プロトコル上などの他の無線接続によって、データ取得回路9420が無線でアクセスしてもよい。データ取得回路9420は、無線通信回路9426を用いて、1つ以上の外部センサ9422に対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせでアクセスしてもよい。
実施形態では、図86に示されているように、データ取得回路9432は、本明細書の他の箇所で説明されているように、マルチプレクサ回路9434をさらに含んでもよい。マルチプレクサ回路9434からの出力は、システム評価回路9408によって利用されてもよい。応答回路9410は、マルチプレクサ回路9434の一部をオンまたはオフにする機能を有していてもよい。応答回路9410は、マルチプレクサ回路9434の制御チャネルを制御する能力を有していてもよい。
応答回路9410は、コンポーネントの性能パラメータ、コンポーネントの健康値、コンポーネントの寿命予測パラメータなどに基づいてアクションを開始してもよい。応答回路9410は、システム評価回路9408の結果を評価し、特定の基準またはシステム評価回路9408の様々なコンポーネントからの出力に基づいて、アクションを開始してもよい。基準は、ねじり解析回路によるコンポーネント上のねじりの識別を含んでもよい。基準には、タイマー信号に対する特定の周波数または位相でのセンサの検出値が含まれ、関心のある周波数または位相は、機器の形状、機器の制御スキーム、システムの入力、過去のデータ、現在の動作条件、および/または予想される応答に基づいていてもよい。基準は、第2のセンサーの検出値に対する、特定の周波数または位相におけるセンサーの検出値を含んでもよい。基準には、システムのタコメーターに関連する検出値と比較した、または機器の形状や動作条件に基づいて予想される、特定の共振周波数/ハーモニクスにおける信号強度が含まれる場合がある。基準は、特定のセンサからの検出値の所定のピーク値、センサの対応する検出値の経時的な累積値、ピーク値の変化、ピーク値の変化率、および/または累積値(例えば、閾値以上/以下で過ごした時間、1つ以上の閾値以上/以下で過ごした加重時間、および/または1つ以上の閾値以上/以下の検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサーからのデータの組み合わせで構成されていてもよい。相対的な基準は、プロセスの段階、処理される製品の種類、機器の種類、周囲の温度や湿度、他の機器からの外部振動など、他のデータや情報によって変化する可能性がある。相対的な基準は、1つ以上の計算された統計またはメトリクス(複数の基準または統計に関する更なる計算によって生成されたものを含む)に反映されてもよく、これらのメトリクスは、本開示に記載されている1つ以上の機械学習能力への入力として提供されるなど、(データコレクタに搭載されている、または外部システムによって)処理に使用されてもよい。また、データマーケットプレイス、SCADAシステム、遠隔制御システム、保守システム、分析システムなどのシステムで利用可能なデータストリームまたはデータパッケージなど、別のシステムへの入力となるデータ要素としても利用できる。
実施形態では、本明細書において、検出値がしきい値または所定の値を超えると記述されているが、検出値はしきい値または所定の値を下回ることもある。例えば、検出値の変化量が発生することが予想されるが、検出値は変化が発生していない可能性を示す場合などである。文脈が明らかにそうでないことを示す場合を除き、閾値を超える値の判定、および/または所定の値もしくは期待値を超える値の判定を説明する本明細書のあらゆる記述は、閾値を下回る値の判定、および/または所定の値もしくは期待値を下回る値の判定を含むと理解される。
所定の許容範囲は、機器の幾何学的形状、搬送システムの幾何学的形状、機器の構成、またはピストンの点火順序などの制御方式に基づいて予想されるねじれに基づいてもよい。また、所定の許容範囲は、過去の実行時および過去数回の実行時の信号および性能の長期的な分析など、過去の性能または予測された性能に基づいていてもよい。また、所定の許容範囲は、過去の実績や予測された実績に基づいてもよいし、複数の類似した機器や部品(特定の環境内、個々の企業内、同一業種の複数の企業内、業種を超えた企業内の両方)における信号や性能の長期的な分析に基づいていてもよい。また、所定の許容範囲は、センサーデータと実際の機器や部品の性能との相関関係に基づいていてもよい。
いくつかの実施形態では、上述した基準のいくつかに基づいて、警報が発せられることがある。実施形態では、警報の相対的な基準は、プロセスステージ、装置で処理されている製品の種類、周囲の温度および湿度、他の装置からの外部振動など、他のデータまたは情報によって変化してもよい。例示的かつ非限定的な例では、応答回路9410は、複数の構成要素にわたる構成要素のねじれが所定の最大値を超えた場合、所定の許容範囲を超えた場合、および/または、ねじりの振幅と周波数に基づく累積値が閾値を超えた場合である。
実施形態では、応答回路9410は、データ取得回路9432に、上述したいくつかの基準に基づいて、特定のセンサに対応する検出値の処理を有効または無効にさせてもよい。これには、異なる応答速度、感度、範囲などを有するセンサへの切り替え、新しいセンサまたはセンサの種類へのアクセスなどが含まれる場合がある。切り替えは、モデルや一連のルールなどに基づいて行われることがある。実施形態では、切り替えは機械学習システムの制御下にあり、一連の試行において、入力データと組み合わせた1つまたは複数の成功指標に基づいて切り替えが制御されるようになっており、これは人間の監督者の監視下または自動システムの制御下で行われることがある。切り替えには、1つの入力ポートから別の入力ポートへの切り替え(例えば、1つのセンサーから別のセンサーへの切り替え)が含まれる場合がある。切り替えには、異なる状況下で異なるストリームを組み合わせるなど、データの多重化を変更することが含まれる場合がある。切り替えには、追加データを取得するためにシステムを起動することが含まれる。例えば、移動システム(ロボットシステムやドローンシステムなど)を、異なるデータまたは追加データが利用可能な場所に移動させたり(画像センサーを別の景色に合わせて配置したり、ソナーセンサーを別の収集方向に合わせて配置したり)、異なるセンサーにアクセスできる場所に移動させたりする(有線または無線接続によって環境内の場所に配置されているセンサーに接続するためにコレクターを移動させるなど)。この切り替えは、マルチプレクサ回路9434の制御信号を変更することによって、および/または、マルチプレクサ回路9434の特定の入力部をオンまたはオフにすることによって実施することができる。
応答回路9410は、ギア比と入出力間の位相差を考慮した後の、出力軸の角位置と速度の測定値と理論値の差に基づいて、伝達効果を算出してもよい。
応答回路9410は、メンテナンスが必要な機器や部品を特定してもよい。応答回路9410は、将来的に特定のセンサを、異なる応答速度、感度、範囲などを有するセンサと交換するための推奨を行ってもよい。応答回路9410は、コンポーネント、装置の一部、動作条件、プロセスなどの将来の実施形態について、設計変更を推奨してもよい。
実施形態では、応答回路9410は、今後のプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよい。応答回路9410は、装置のバランスを遠隔的に取るために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路9410は、プロセスの変更を実施または推奨してもよい。例えば、保守間隔に近い、非公式に動作している、または目的のために故障しているが少なくとも部分的に動作しているコンポーネントの利用率を下げる、コンポーネントの動作速度を変更する(低需要モードにするなど)、問題の改善を開始する(ローラ・ベアリング・セットの追加の潤滑のために信号を送る、またはバランスを失っているシステムのためのアライメント・プロセスのために信号を送るなど)、などである。
図87、88、89、および90に示すような実施形態では、データ監視システム9460は、少なくとも1つのデータ監視デバイス9448を含んでもよい。少なくとも1つのデータ監視装置9448は、センサ9406と、データ取得回路9404、システム評価回路9408、データ記憶回路9414、および通信回路9442を含むコントローラ9438とを含んでもよい。システム評価回路9408は、ねじり解析回路9412を含んでいてもよい。また、上述および本明細書の他の箇所で説明したように、任意の応答回路があってもよい。システム評価回路9408は、監視アプリケーション9446による、経時的かつ様々な条件下でのコンポーネントおよび機器の性能の追跡を可能にするために、リモートサーバ9440に送信するためのデータを通信回路9442と定期的に共有してもよい。センサ値が1つまたは複数の基準に近づくと、関連する動作状態および/または故障モードが発生する可能性があるため、システム評価回路9408は、1つまたは複数の基準に対するデータの適合性に基づいて、リモートサーバ9440に送信するために通信回路9462とデータを共有してもよい。指定された基準または範囲に適合または接近した1つのセンサ入力に基づいて、システム評価回路9408は、回転数、コンポーネント負荷、温度、圧力、振動などの追加データを送信のために共有してもよい。また、システム評価回路9408は、リモートサーバでの処理の粒度を高めるために、より高いデータレートでデータを共有して送信してもよい。実施形態では、図87に示すように、通信回路9442は、リモートサーバ9440に直接データを通信してもよい。実施形態では、図88に示すように、通信回路9442は、オペレーティングシステム9454を実行するプロセッサ9452およびデータ記憶回路9456を含むことができる中間コンピュータ9450にデータを通信してもよい。
実施形態では、図89および90に示されているように、データ収集システム9458は、単一の装置内の複数のコンポーネントに関するデータを収集する複数の監視装置9448を有してもよく、同じ施設内の複数の装置(同じタイプの装置と異なるタイプの装置の両方)にわたって同じコンポーネントに関するデータを収集してもよく、また、複数の施設内の監視装置からデータを収集してもよい。リモートサーバ9440上の監視アプリケーション9446は、複数の様々な監視装置9448から来る検出値、タイミング信号およびデータのうちの1つまたは複数を受信して保存してもよい。実施形態では、図89に示すように、通信回路9442は、データをリモートサーバ9440に直接通信してもよい。実施形態では、図90に示すように、通信回路9442は、オペレーティングシステム9454を実行するプロセッサ9452およびデータ記憶回路9456を含む、中間コンピュータ9450にデータを通信してもよい。各監視装置9264に関連付けられた個々の中間コンピュータ9450があってもよいし、個々の中間コンピュータ9450が複数の監視装置9448に関連付けられていてもよく、ここで中間コンピュータ9450は、複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9440に送信してもよい。
監視アプリケーション9446は、検出値、タイミング信号、データ、製品性能などのサブセットを選択して共同分析してもよい。分析のためのサブセットは、コンポーネントのタイプ、コンポーネントの材料、またはコンポーネントが動作している単一のタイプの機器に基づいて選択されてもよい。分析対象のサブセットは、負荷の大きさ、動作条件(断続的、連続的など)、動作速度またはタコメーター、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件など、共通の動作条件または動作履歴に基づいて選択またはグループ化されてもよい。解析対象のサブセットは、共通の予想される状態情報に基づいて選択することができる。同様の周波数で回転する機械、電磁場を発生させる機器、熱を発生させる機器、動きや振動を誘発する機器、蒸気や化学物質、微粒子を放出する機器など、他の周辺機器の影響や、その他の潜在的な干渉や妨害の影響に基づいて、分析対象のサブセットを選択してもよい。
監視アプリケーション9446は、選択されたサブセットを分析してもよい。例示的な例では、1つのコンポーネントからのデータは、1つの動作サイクル、サイクル間の比較、1ヶ月、1年、コンポーネントの寿命などの複数の動作サイクル/時間にわたる傾向など、異なる期間にわたって分析されてもよい。また、同じ種類の複数の部品を異なる期間で分析することもできる。周波数や振幅の変化などのデータの傾向は、同じコンポーネントや機器に関連する故障やメンテナンスの記録と相関があるかもしれない。また、起動時やプロセスの異なる時点に関連する変化率などのデータの傾向を特定することもできる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成功または失敗を示すデータなど、追加のデータを分析に導入してもよい。異なるタイプのデータの傾向と値の相関関係を分析し、短期的な分析により期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定することができる。分析により、予想される状態情報のためのモデルの改良、使用するセンサーに関する推奨事項、センサーの配置などを特定することができる。分析により、収集および保存すべき追加データが特定される場合がある。分析により、必要なメンテナンスや修理、および/または予防的メンテナンスのスケジューリングに関する推奨事項を特定することができる。分析により、交換部品の購入および部品の交換時期に関する推奨事項が特定されることがある。分析により、コンポーネントのねじれを軽減するための将来の形状変更に関する推奨事項が明らかになる場合がある。分析の結果、壊滅的な故障状態の危険性に関する警告が出されることもある。この情報は、モニタリングデバイスに送信され、ローカルで収集・分析されたデータの種類を更新したり、将来のモニタリングデバイスの設計に影響を与えたりすることができる。
実施形態では、監視アプリケーション9446は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、複数のコンポーネントタイプの予想される状態情報、動作履歴、過去の検出値、コンポーネントの寿命モデルなどにアクセスしてもよい。実施形態では、監視アプリケーション9446は、選択されたサブセットをニューラルネットに与えて、深層学習技術を利用して様々な動作状態、健康状態(例えば、寿命予測)、および故障状態を認識することを学習してもよい。実施形態では、2つの技術(モデルベースの学習と深層学習)のハイブリッドを使用してもよい。
例示的かつ非限定的な例では、本明細書に記載されているねじり解析技術、データ監視装置およびデータ収集システムを使用して、組立ラインのコンベアおよびリフター上の回転部品の健全性を監視することができる。
例示的かつ非限定的な例では、産業車両の水ポンプの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して監視することができる。
例示的かつ非限定的な例では、本明細書に記載されているデータ監視装置およびデータ収集システムを使用して、ガス処理システムのコンプレッサにおける回転部品の健全性を監視することができる。
例示的かつ非限定的な例では、ガス田や油田に位置するコンプレッサの回転部品の健全性は、本明細書に記載されているデータ監視装置およびデータ収集システムを使用して監視することができる。
例示的かつ非限定的な例では、本明細書に記載されている技術、データ監視装置およびデータ収集システムを使用して、工場の空調装置の回転部品の健全性を評価することができる。
例示的かつ非限定的な例では、工場のミネラルポンプの回転部品の健全性は、本明細書に記載されている技術、データ監視装置およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、石油・ガス田に位置する掘削機やスクリュードライバーのシャフト、ベアリング、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、データ収集システムを用いて評価することができる。
例示的かつ非限定的な例では、石油・ガス田に位置するモータのシャフト、ベアリング、ギア、およびロータなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、石油・ガス田に位置するポンプのブレード、スクリューなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、石油・ガス田に位置する振動コンベヤのシャフト、ベアリング、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置およびデータ収集システムを用いて評価することができる。
例示的かつ非限定的な例として、石油・ガス田に位置するミキサーのベアリング、シャフト、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、データ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、石油・ガス精製所に位置する遠心分離機のベアリング、シャフト、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、石油・ガス精製所に位置する精製タンクのベアリング、シャフト、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、化学や医薬品の製造ラインに配備されている化学反応を促進するための回転タンク/ミキサー攪拌機のベアリング、シャフト、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、データ収集システムを用いて評価することができる。
例示的かつ非限定的な例では、化学や医薬品の製造ラインに配備されている化学反応を促進するための機械的/回転式攪拌機のベアリング、シャフト、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、化学品や医薬品の製造ラインに配備されている化学反応を促進するためのプロペラ攪拌機のベアリング、シャフト、モータ、ロータ、ステータ、ギアなどの回転部品の健全性は、本明細書に記載されているねじり解析技術、データ監視装置およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、ベアリングおよび関連するシャフト、モータ、ロータ、ステータ、ギア、および車両ステアリング機構の他のコンポーネントの健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価することができる。
例示的かつ非限定的な例では、本明細書に記載されているねじり解析技術、データ監視装置、およびデータ収集システムを使用して、車両エンジンのベアリングおよび関連するシャフト、モータ、ロータ、ステータ、ギア、およびその他のコンポーネントの健全性を評価することができる。
実施形態において、産業機械の回転部品の予想寿命を推定するための監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備える、データ取得回路を備えることができる。複数の回転部品の仕様、システム形状、および予想される状態の情報を格納し、部品の過去の性能を格納し、複数の検出値を所定の時間バッファリングするように構成されたデータ記憶回路と、一過性の信号解析を利用して、回転部品の仕様および予想される状態の情報に関連してバッファリングされた検出値を解析し、ねじり振動を特定するように構成されたねじり解析回路と、特定されたねじり振動と、予想される状態、過去のデータ、およびシステム形状のうちの少なくとも1つを利用して、回転部品の予想される寿命を特定するように構成されたシステム解析回路とを備えている。実施形態において、監視装置は、回転部品の予想寿命に応答して少なくとも1つの動作を実行する応答回路をさらに含んでもよく、複数の入力センサは、温度センサ、荷重センサ、光学振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、3軸振動センサ、タコメータなどからなるグループから選択された少なくとも2つのセンサを含む。少なくとも1つの動作は、警告および警報のうちの少なくとも1つを発行すること、データ記憶回路に追加データを格納すること、回転部品の交換を命令すること、回転部品の交換をスケジューリングすること、回転部品の代替品を推奨すること、などを含んでもよい。
実施形態において、産業機械の回転部品の健全性を評価する監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備えるデータ取得回路を備えることができる。複数の回転機器の仕様、システムの形状、および予想される状態の情報を格納し、過去の機器の性能を格納し、所定の時間の間、複数の検出値をバッファリングするように構成されたデータ記憶回路、およびねじり振動を識別するために、回転部品の仕様および予想される状態の情報に関連してバッファされた検出値を解析するために、過渡的な信号解析を利用するように構成されたねじり解析回路と、回転部品の健全性を識別するために、識別されたねじり振動および予想される状態、履歴データおよびシステム形状のうちの少なくとも1つを利用するように構成されたシステム解析回路とを備える。実施形態では、監視装置は、回転部品の健全性に応じて少なくとも1つの動作を実行する応答回路をさらに備えてもよい。複数の入力センサは、温度センサ、荷重センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、タコメータなどからなる群から選択された少なくとも2つのセンサを含んでもよい。監視装置は、データ記憶回路に追加データを格納する動作、回転部品の交換を指示する動作、回転部品の交換をスケジューリングする動作、回転部品の代替品を推奨する動作など、少なくとも1つの動作として、警告や警報を発してもよい。
実施形態において、産業機械の回転部品の動作状態を評価する監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備える、データ取得回路を備えることができる。複数の回転部品の仕様、システム形状、および予測状態の情報を格納し、部品の過去の性能を格納し、複数の検出値を所定の時間バッファリングするように構成されたデータ記憶回路と、一過性の信号解析を利用して、回転部品の仕様および予測状態の情報に関連してバッファリングされた検出値を解析し、ねじり振動を特定するように構成されたねじり解析回路と、特定されたねじり振動と、予測状態、過去のデータ、およびシステム形状のうちの少なくとも1つを利用して、回転部品の動作状態を特定するように構成されたシステム解析回路とを備えている。実施形態では、動作状態は、現在の動作状態または将来の動作状態であってもよい。応答回路は、回転部品の動作状態に応答して、少なくとも1つの動作を実行してもよい。少なくとも1つの動作は、データ記憶回路への追加データの格納、回転部品の交換の命令、回転部品の交換のスケジューリング、回転部品の代替品の推奨などを行ってもよい。
実施形態において、産業機械の回転部品の動作状態を評価する監視装置は、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備える、データ取得回路を含むことができる。複数の回転機器の仕様、システムの形状、および予想される状態の情報を記憶し、過去の機器の性能を記憶し、複数の検出値を所定の時間だけバッファリングする構造のデータ記憶回路と一過性の信号解析を利用して、バッファリングされた検出値を回転部品の仕様および予想される状態の情報と比較して解析し、ねじり振動を特定するねじり解析回路と、特定されたねじり振動と、予想される状態、過去のデータ、およびシステムの形状のうちの少なくとも1つを利用して、回転部品の動作状態を特定するシステム解析回路とを備え、データ収集回路は、ユーザの入力、検出された状態、および機械の選択された動作パラメータのうちの少なくとも1つに基づいて、検出値の代替的な組み合わせが選択されるマルチプレクサ回路を含むことを特徴とする。動作状態は、現在の動作状態または将来の動作状態であってもよい。少なくとも1つの操作は、マルチプレクサ回路の1つまたは複数の部分を有効または無効にしたり、マルチプレクサ制御線を変更したりしてもよい。データ収集回路は、少なくとも2つのマルチプレクサ回路を含んでいてもよく、少なくとも1つの操作は、少なくとも2つのマルチプレクサ回路間の接続を変更することからなる。
実施形態では、機器の回転部品の動作状態を評価するシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備える、データ取得回路を備えることができる。複数の回転機器の仕様、システムの形状、および予想される状態の情報を記憶し、過去の機器の性能を記憶し、複数の検出値を所定の時間だけバッファリングする構造のデータ記憶回路と一過性の信号解析を用いて、バッファリングされた検出値を回転機器の仕様および予測状態の情報と関連付けて解析し、あらゆるねじり振動を特定するねじり解析回路と、ねじり振動と、予測状態、過去のデータおよびシステム形状のうち少なくとも1つを利用して、回転機器の動作状態を特定するシステム解析回路。回転機器の動作状態、ねじり振動、および検出値をリモートサーバに通信するための通信モジュールであって、通信された検出値は、回転機器の動作状態およびねじり振動に部分的に基づいている、通信モジュールと、リモートサーバ上の監視アプリケーションであって、監視装置からの検出値のサブセットを受信、保存、および共同で分析するように構成されている、監視アプリケーションとを備えている。検出値のサブセットの分析は、高周波のねじり振動の存在を識別するための過渡的な信号分析を含んでもよい。監視アプリケーションは、運転状態、ねじり振動、回転部品の種類、検出値が測定された運転状態、および機器の種類または装置のいずれかに基づいて、検出値をサブセット化する構造であってもよい。サブセットの検出値の分析は、ニューラルネットにサブセットの検出値と補足情報を与え、ディープラーニング技術を利用して様々な動作状態、健康状態、および故障状態を認識することを学習することを含んでもよい。補足情報は、コンポーネントの仕様、コンポーネントの性能、機器の仕様、機器の性能、メンテナンス記録、修理記録、予想される状態モデル、などのいずれかを含んでもよい。運用状態は、現在の運用状態または将来の運用状態を含んでもよい。監視装置は、回転部品の動作状態に応じて少なくとも1つの動作を行う応答回路を含んでもよい。少なくとも1つの動作は、データ記憶回路に追加データを記憶することを含んでもよい。
実施形態において、機器の回転部品の健全性を評価するシステムは、複数の検出値を解釈するように構成されたデータ取得回路を備えてもよく、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備える。回転部品を測定するために配置された角位置センサー、角速度センサー、角加速度センサーと、複数の回転部品の仕様、システム形状、予想される状態の情報を記憶し、過去の部品性能を記憶し、複数の検出値を所定の時間バッファリングするように構成されたデータ記憶回路と、バッファリングされた検出値を回転部品の仕様および予想される状態の情報に関連して解析し、ねじり振動を特定するために一過性の信号解析を利用するように構成されたねじり解析回路とを備えている。回転部品の健康状態を特定するために、ねじり振動と、予測状態、履歴データ、およびシステム形状のうちの少なくとも1つを利用するように構成されたシステム解析回路と、回転部品の健康状態、ねじり振動、および検出値をリモートサーバに通信するように構成された通信モジュールであって、通信された検出値は、回転部品の健康状態およびねじり振動に部分的に基づいている、通信モジュールと、リモートサーバ上の監視アプリケーションであって、監視装置からの検出値のサブセットを受信し、保存し、共同で解析するように構成された監視アプリケーションとを備えている。実施形態では、検出値のサブセットの分析は、高周波ねじり振動の存在を識別するための過渡的な信号分析を含んでもよい。監視アプリケーションは、検出値をサブセット化するように構成されていてもよい。検出値のサブセットの分析は、検出値のサブセットと補足情報をニューラルネットに与えて、深層学習技術を利用して様々な動作状態、健康状態、および故障状態を認識することを学習することを含んでもよい。補足情報は、コンポーネントの仕様、コンポーネントの性能、機器の仕様、機器の性能、メンテナンス記録、修理記録、および予想される状態モデルのいずれかを含んでもよい。動作状態は、現在の動作状態または将来の動作状態であってもよい。応答回路は、回転部品の健全性に応じて、少なくとも1つの動作を実行してもよい。
実施形態において、機器の回転部品の予想寿命を推定するシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを含む、データ取得回路を備えることができる。複数の回転機器の仕様、システムの形状、および予想される状態の情報を記憶し、過去の機器の性能を記憶し、複数の検出値を所定の時間だけバッファリングする構造のデータ記憶回路と一過性の信号解析を利用して、バッファリングされた検出値を回転機器の仕様および予測状態の情報と関連付けて解析し、ねじり振動を特定するねじり解析回路と、ねじり振動と、予測状態、過去のデータおよびシステム形状の少なくとも1つを利用して、回転機器の予測寿命を特定するシステム解析回路。通信モジュールは、回転部品の予想寿命、ねじり振動、および検出値をリモートサーバに通信することができ、通信された検出値は、回転部品の予想寿命およびねじり振動に部分的に基づいており、リモートサーバ上の監視アプリケーションは、監視装置から検出値のサブセットを受信、保存、および共同で分析するように構成されている。実施形態では、検出値のサブセットの分析は、高周波のねじり振動の存在を識別するための過渡的な信号分析を含んでもよい。監視アプリケーションは、回転部品の予想寿命、ねじり振動、回転部品の種類、検出値が測定された運転条件、および機器の種類のうちの1つに基づいて、検出値をサブセット化するように構成されてもよい。検出値のサブセットの分析は、検出値のサブセットと補足情報をニューラルネットに与えて、ディープラーニング技術を利用して様々な動作状態、健康状態、寿命、故障状態を認識するように学習することを含んでもよい。補足情報は、部品の仕様、部品の性能、機器の仕様、機器の性能、保守記録、修理記録、予想状態モデルのいずれかを含んでもよい。監視装置は、回転部品の予想寿命に応じて、少なくとも1つの動作を行う応答回路を含んでもよい。少なくとも1つの動作は、回転部品の交換を注文すること、回転部品の交換をスケジューリングすること、および回転部品の代替品を推奨することの1つを含んでもよい。
実施形態において、産業環境における可変周波数モータの健全性を評価するシステムは、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを備える、データ取得回路を備えることができる。複数の回転機器の仕様、システムの形状、および予想される状態の情報を記憶し、過去の機器の性能を記憶し、複数の検出値を所定の時間だけバッファリングする構造のデータ記憶回路と一過性の信号解析を利用して、バッファリングされた検出値を回転機器の仕様および予測状態の情報と関連付けて解析し、ねじり振動を特定するねじり解析回路と、ねじり振動と、予測状態、過去のデータおよびシステム形状のうち少なくとも1つを利用して、モータの健全性パラメータを特定するシステム解析回路。通信モジュールは、モータの健全性パラメータ、ねじり振動、および検出値をリモートサーバに通信することができ、通信された検出値は、モータの健全性パラメータおよびねじり振動に部分的に基づいており、リモートサーバ上の監視アプリケーションは、監視装置から検出値のサブセットを受信、保存、および共同で分析するように構成されている。
実施形態において、産業環境における回転部品のデータ収集、処理、およびねじり解析のためのシステムは、複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応し、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つを含む、データ収集回路と、取得された検出値の少なくともサブセットを遠隔学習システムにストリーミングするストリーミング回路と、検出値を、回転部品の状態に対する機械ベースの理解に関連して解析するように構成されたねじり解析回路を含む、遠隔学習システムとを備えることができる。取得した検出値の少なくとも一部を遠隔学習システムにストリーミングするストリーミング回路と、少なくとも1つの回転部品の状態に関する機械ベースの理解に関連して検出値を解析するように構成されたねじり解析回路を含む遠隔学習システムとを備える。機械ベースの理解は、産業機械のコンポーネントの動作周波数に対する回転コンポーネントの挙動の関係に少なくとも部分的に基づいて、少なくとも1つの回転コンポーネントの状態を決定する回転コンポーネントのモデルに基づいて開発されてもよい。少なくとも1つの回転部品の状態は、動作状態、健康状態、予測寿命状態、および故障状態のうちの少なくとも1つであってもよい。機械ベースの理解は、深層学習機械に入力を提供することに基づいて開発されてもよく、入力は、複数の回転部品の検出値の複数のストリームと、複数の回転部品の測定された状態の複数の値とで構成される。少なくとも1つの回転部品の状態は、動作状態、健康状態、予測寿命状態、および故障状態のうちの少なくとも1つであってもよい。
実施形態では、産業用機器のコンポーネントまたはピースの健全性または他のステータスまたは状態情報に関する情報は、プロセスを通して様々なコンポーネントの状態を監視することによって得られる場合がある。モニタリングは、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅を監視することを含んでもよい。データ監視装置9700の一実施形態が図91に示されており、複数のセンサ9706を含んでいてもよい。コントローラ9702と通信可能に結合されている。コントローラ9702は、データ取得回路9704、信号評価回路9708、データ記憶回路9716、および応答回路9710を含んでもよい。信号評価回路9708は、過負荷検出回路9712、センサ故障検出回路9714、またはその両方など、1つ以上のセンサ、または一組のセンサの故障を検出する回路で構成されていてもよい。さらに、信号評価回路9708は、任意に、ピーク検出回路、位相検出回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、位相ロックループ回路、ねじり解析回路、軸受解析回路などの1つ以上を含んでいてもよい。
複数のセンサ9706は、データ取得回路9704のポートに有線接続されてもよい。また、複数のセンサ9706は、データ取得回路9704に無線で接続されてもよい。データ取得回路9704は、複数のセンサ9706のうちの少なくとも1つの出力に対応する検出値にアクセスすることができてもよく、ここで、センサ9706は、装置の一部または動作部品の異なる動作面に関するデータを取得してもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置9700のための複数のセンサ9706の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作条件および故障条件、プロセスまたはプラント内の様々な位置で望まれる分解能、センサの信頼性など、様々な考慮事項に依存する場合がある。故障の影響、故障の時間応答(例:故障の前に発生する警告時間および/または非正常モード)、故障の可能性、および/または故障状態を検出するために必要な感度および/または難易度によって、部品や機器を監視する範囲が決まることがあり、予期せぬ故障や未検出の故障がコスト高になったり、深刻な結果をもたらすシステムには、より多くのセンサや高機能のセンサが使用される。
機器の種類、測定されるコンポーネント、機器が動作している環境などに応じて、センサ9706は、以下のうちの1つまたは複数を構成することができる:振動センサ、温度計、湿度計、電圧センサおよび/または電流センサ(コンポーネントおよび/またはコンポーネントを測定する他のセンサ用)、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きを決定する。イメージセンサー、構造化光センサー、レーザーイメージセンサー、サーマルイメージャー、音響波センサー、変位センサー、濁度計、粘度計、軸方向荷重センサー、半径方向荷重センサー、3軸センサー、加速度計、スピードメーター、タコメーター、液圧計、エアフローメーターなど。流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、光学(レーザー)粒子カウンター、超音波センサー、音響センサー、熱流束センサー、ガルバニックセンサー、磁力計、pHセンサーなど、本開示および参考文献に記載されているセンサーのいずれかを含むが、これらに限定されるものではない。
センサ9706は、加速度や振動に関連するような、位相成分を有する経時的なデータのストリームを提供してもよく、装置の一部または動作部品の異なる動作側面の位相または周波数分析を評価することができる。センサ9706は、温度、湿度、負荷などのような、従来の位相成分を持たないデータのストリームを提供してもよい。センサ9706は、経時的なデータの連続的またはほぼ連続的なストリーム、定期的な読み取り、イベント駆動型の読み取り、および/または、選択された間隔またはスケジュールに従った読み取りを提供してもよい。
実施形態では、図91に例示されているように、センサ9706は、本明細書で場合によってはデータコレクタと呼ばれるデータ監視装置9700の一部であってもよく、これは場合によってはモバイル型またはポータブル型のデータコレクタを構成してもよい。実施形態では、図92および93に示されているように、明示的に監視装置9718の一部ではなく、新規に、以前に装置またはコンポーネントに取り付けられた、または統合された1つまたは複数の外部センサ9724が、監視装置9718に機会的に接続されるか、または監視装置9718によってアクセスされてもよい。監視装置は、データ取得回路9722、信号評価回路9708、データ記憶回路9716、および応答回路9710を含んでいてもよい。信号評価回路9708は、過負荷検出回路9712、センサ故障検出回路9714、またはその両方で構成されていてもよい。さらに、信号評価回路9708は、任意に、ピーク検出回路、位相検出回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、位相ロックループ回路、ねじり解析回路、軸受解析回路などの1つ以上を含んでいてもよい。なお、データ取得回路9722は、1つ以上の入力ポート9726を含んでいてもよい。
1つ以上の外部センサ9724は、コントローラ9720のデータ取得回路9722に設けられた1つ以上の入力ポート9726に直接接続されてもよいし、リーダなどによってデータ取得回路9722に無線でアクセスされてもよい。問いかけ器、または近距離無線プロトコルを介したような他の無線接続を使用することができる。実施形態では、図93に示すように、データ取得回路9722は、無線通信回路9730をさらに含んでいてもよい。データ取得回路9722は、無線通信回路9730を用いて、1つ以上の外部センサ9724に対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせでアクセスしてもよい。
実施形態では、データ記憶回路9716は、センサの仕様、予想される状態情報、検出値を記憶する構造であってもよい。データ記憶回路9716は、仕様や予想される状態の情報を信号評価回路9708に提供してもよい。
実施形態では、過負荷検出回路9712は、センサに関連する検出値を、同じ構成要素/属性を監視する、より大きな範囲/低い解像度を有するセンサに関連する検出値と比較することによって、センサの過負荷を検出してもよい。測定値の不一致は、より高い解像度のセンサが過負荷である可能性を示すことがある。実施形態では、過負荷検出回路9712は、センサの測定値と他のセンサデータ(構成要素/機器の同じまたは異なる側面を監視する)からの測定値との整合性を評価することによって、センサの過負荷を検出してもよい。実施形態では、過負荷検出回路9712は、他のセンサによって収集されたデータを評価して、センサの過負荷となる可能性が高い条件を特定することによって、センサの過負荷を検出してもよい(例えば、所定の場所のセンサが過負荷となる可能性を示す熱流束センサデータ、速度センサが過負荷となる可能性を示す加速度計データなど)。実施形態では、過負荷検出回路9712は、上昇傾向に続くフラットライン出力を識別することによって、センサの過負荷を検出してもよい。実施形態では、過負荷検出回路9712は、例えばFFT(Fast Fourier Transform)を用いてセンサデータを周波数データに変換し、過負荷センサのためにデータがクリップされたことに起因する可能性のある周波数データの「スキー・ジャンプ」を探すことによって、センサの過負荷を検出してもよい。センサ障害検出回路9714は、センサ自体の障害、センサの健全性、またはセンサデータの有効性に関する潜在的な懸念を識別することができる。値の変化率は、センサ自体の故障を特定するために使用されることがある。例えば、最大出力への突然のジャンプは、センサの過負荷ではなく、センサの故障を示す場合がある。実施形態において、過負荷検出回路9712および/またはセンサ故障検出回路9712は、センサの過負荷の識別において、センサの仕様、予想される状態情報、例えば故障、エラー、無効なデータなど、センサモデルなどを利用してもよい。実施形態では、過負荷検出回路9712またはセンサ故障検出回路9714は、他のセンサからの検出値や、ピーク検出回路および/または位相検出回路および/またはバンドパスフィルタ回路および/または周波数変換回路および/または周波数分析回路および/または位相ロックループ回路などの追加コンポーネントからの出力を使用して、識別されたセンサ過負荷、センサ故障、センサ障害などの潜在的なソースを識別してもよい。センサーの過負荷の原因や要因には、センサーレンジ、センサーの分解能、センサーのサンプリング周波数の制限などがある。見かけ上のセンサ過負荷の原因は、センサに関連する検出値を供給するマルチプレクサの範囲、解像度、またはサンプリング周波数に起因する場合がある。例えば、過度の熱や寒さは、半導体ベースのセンサーの損傷に関連する可能性があり、その結果、センサーデータが不規則になったり、センサーがデータを生成できなかったり、通常の動作の範囲外に見えるデータ(例えば、通常はそのような変化を経験しないシステムの温度が大きく離散的に変化するなど)が発生する可能性がある。電流や電圧のサージは、電気的に接続された感度の高い部品を持つセンサーの損傷につながる可能性がある。過度の振動は、ワイヤーやコネクターなどのセンサーの敏感な部品に物理的なダメージを与える可能性がある。急激な加速度や音響データによって示される衝撃は、ワイヤーやコネクターなどの敏感な部品を持つセンサーに物理的な損傷を与える可能性がある。センサーを取り巻く環境の湿度が急激に上昇したり、酸素がなくなったりすると、センサーが水害を受けたことになる。センサーからの信号が突然途絶えた場合、振動や衝撃などによりセンサーが断線した可能性がある。電力を必要とするセンサーは、バッテリー切れや電源からの切断の可能性がある。実施形態では、過負荷検出回路9712またはセンサ故障検出回路9714は、センサの状態を出力してもよく、センサの状態は、センサの過負荷、センサの故障、センサの健全性などのいずれかであってもよい。また、センサ故障検出回路9714は、センサ故障状態およびセンサ有効状態のいずれかを判定してもよい。
実施形態では、図94に示されているように、データ取得回路9722は、本明細書の他の箇所で説明されているように、マルチプレクサ回路9731をさらに含んでもよい。マルチプレクサ回路9731からの出力は、信号評価回路9708によって利用されてもよい。応答回路9710は、マルチプレクサの一部をオンまたはオフにする機能を有してもよい。なお、応答回路9710は、マルチプレクサ回路9731の制御チャネルを制御する機能を有してもよい。
実施形態では、応答回路9710は、過負荷検出回路9712によって提供されたセンサステータスに基づいて、様々なアクションを開始してもよい。応答回路9710は、センサステータスが "センサヘルシー "である場合、センサの使用を継続してもよい。応答回路9710は、センサのスケーリング値を調整してもよい(例えば、100mV/グラムから10mV/グラムまで)。応答回路9710は、代替センサの取得範囲を増やしてもよい。応答回路9710は、ベアリング解析、ねじり解析などの以前の計算および評価からセンサデータをバックアップしてもよい。応答回路9710は、軸受解析、ねじり解析などの計算および評価のために、実際のセンサデータの代わりに、(過負荷/故障の前に取得されたデータに基づく)予測または予想データを使用してもよい。なお、応答回路9710は、警報を発してもよい。応答回路9710は、センサが範囲外であることを通知するとともに、「過負荷範囲-データ応答が信頼性および/または線形でない可能性がある」、「破壊範囲-センサが損傷している可能性がある」などの過負荷の程度に関する情報を含んで構成される警報を発してもよい。また、応答回路9710は、センサの過負荷/故障により「機械の健全性を監視できない」など、センサの負荷の影響に関する情報を含んだアラートを発行してもよい。
実施形態では、応答回路9710は、データ取得回路9704に、上述したセンサの状態に基づいて、特定のセンサに対応する検出値の処理を有効または無効にさせてもよい。これには、異なる応答速度、感度、範囲などを有するセンサへの切り替え、新しいセンサまたは種類のセンサへのアクセス、複数のセンサからのデータへのアクセス、追加のデータ収集器の募集(本開示および参照により組み込まれた文書全体に開示されたルーティング方法およびシステムを使用して、収集器を作業地点にルーティングするなど)などが含まれる場合がある。切り替えは、モデル、一連のルールなどに基づいて行われてもよい。実施形態では、切り替えは機械学習システムの制御下にあり、人間の監督者の監視下で、または自動化システムの制御下で発生する可能性のある一連の試行において、入力データと組み合わせた1つまたは複数の成功の指標に基づいて切り替えが制御されるようになっていてもよい。切り替えには、1つの入力ポートから別の入力ポートへの切り替え(例えば、1つのセンサーから別のセンサーへの切り替え)が含まれる場合がある。切り替えには、異なる状況下で異なるストリームを組み合わせるなど、データの多重化を変更することが含まれる場合がある。切り替えには、追加データを得るためにシステムを起動することが含まれる。移動システム(ロボットシステムやドローンシステムなど)、異なるまたは追加のデータが利用可能な場所への移動(画像センサーを異なる景色に合わせて配置したり、ソナーセンサーを異なる収集方向に合わせて配置したりするなど)、または異なるセンサーにアクセスできる場所への移動(有線または無線接続によって環境内のある場所に配置されているセンサーまで接続するためにコレクターを移動するなど)などがある。この切り替えは、マルチプレクサ回路9731の制御信号を変更することによって、および/または、マルチプレクサ回路9731の特定の入力部をオンまたはオフにすることによって実施することができる。
実施形態では、応答回路9710は、将来的に特定のセンサを、異なる応答速度、感度、範囲などを有するセンサに交換するための推奨を行ってもよい。応答回路9710は、部品、装置の一部、動作条件、プロセスなどの将来の実施形態について、設計変更を推奨してもよい。
実施形態では、応答回路9710は、今後のプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよく、メンテナンスは、センサを、異なる応答速度、感度、範囲などを有する同じまたは代替のタイプのセンサと交換することを含んでもよい。実施形態では、応答回路9710は、プロセスの変更を実施または推奨してもよい。例えば、保守間隔に近い、非公式に動作している、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げる、コンポーネントの動作速度を変更する(低需要モードにするなど)、問題の改善を開始する(ローラベアリングセットの追加の潤滑のために信号を送る、またはバランスの取れていないシステムのためにアライメントプロセスのために信号を送るなど)などである。
実施形態では、信号評価回路9708および/または応答回路9710は、経時的なコンポーネント性能の追跡を可能にするために、データ記憶回路9716に特定の検出値を定期的に格納してもよい。実施形態では、本明細書の他の箇所に記載されているように、センサの状態に基づいて、最近測定されたセンサデータと、RPM、コンポーネントの負荷、温度、圧力、振動、または本開示全体を通して記載されているタイプの他のセンサデータなどの関連する動作状態を、データ記憶回路9716に格納して、過負荷/故障したセンサデータのバックアップを可能にする。信号評価回路9708は、将来の処理におけるより大きな粒度、異なるサンプリングレートでの再処理能力、および/または、関心のある動作データにフラグが立てられたシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを記憶してもよい。
図95、96、97、および98に示すような実施形態では、データ監視システム9726は、少なくとも1つのデータ監視デバイス9728を含んでもよい。少なくとも1つのデータ監視デバイス9728は、センサ9706と、データ取得回路9704、信号評価回路9708、データ記憶回路9716、およびデータおよび分析をリモートサーバ9734上の監視アプリケーション9736に送信できるようにする通信回路9754を含むコントローラ9730とを含んでもよい。なお、信号評価回路9708は、少なくとも過負荷検出回路9712を含んでいてもよい。信号評価回路9708は、通信回路9732と定期的にデータを共有してリモートサーバ9734に送信し、監視アプリケーション9736による時間経過や様々な条件での部品や機器の性能の追跡を可能にしてもよい。センサの状態に基づいて、信号評価回路9708および/または応答回路9710は、1つまたは複数の基準に対するデータの適合性に基づいて、リモートサーバ9734への送信のために通信回路9732とデータを共有してもよい。データは、最近のセンサデータと、送信のためのRPM、コンポーネント負荷、温度、圧力、振動などの追加データとを含んでもよい。信号評価回路9708は、リモートサーバでの処理の粒度を上げることができるように、より高いデータレートでデータを共有して送信してもよい。
図95に示すような実施形態では、通信回路9732は、リモートサーバ9734に直接データを通信してもよい。図96に示すような実施形態では、通信回路9732は、オペレーティングシステム9742を実行するプロセッサ9740およびデータ記憶回路9744を含むことができる中間コンピュータ9738にデータを通信してもよい。
実施形態では、図97および98に示されているように、データ収集システム9746は、1つの機器内の複数のコンポーネントに関するデータを収集する複数の監視装置9728を有してもよく、同じ施設内の複数の機器(同じタイプの機器と異なるタイプの機器の両方)にわたって同じコンポーネントに関するデータを収集してもよく、複数の施設内の監視装置からデータを収集してもよい。リモートサーバ9734上の監視アプリケーション9736は、複数の様々な監視装置9728から来る検出値、タイミング信号およびデータのうちの1つまたは複数を受信して保存してもよい。
実施形態では、図97に示すように、通信回路9732は、データをリモートサーバ9734に直接通信してもよい。実施形態では、図98に示すように、通信回路9732は、オペレーティングシステム9742を実行しているプロセッサ9740を含むことができる中間コンピュータ9738にデータを通信してもよい。記憶回路9744を備えている。各監視装置9728に関連付けられた個別の中間コンピュータ9738があってもよいし、個別の中間コンピュータ9738が複数の監視装置9728に関連付けられていて、中間コンピュータ9738が複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9734に送信してもよい。リモートサーバ9734への通信は、ストリーミング、バッチ(例えば、接続が利用可能なとき)、またはオポチュニスティックであってもよい。
監視アプリケーション9736は、共同で分析する検出値のサブセットを選択してもよい。分析のためのサブセットは、単一のタイプのセンサ、コンポーネント、またはコンポーネントが動作している単一のタイプの機器に基づいて選択されてもよい。分析対象のサブセットは、負荷の大きさ、動作条件(例えば、断続的、連続的)、動作速度またはタコメータ、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件などの共通の動作条件に基づいて選択またはグループ化されてもよい。また、同様の周波数で回転している機器、電磁場を発生させる機器、熱を発生させる機器、動きや振動を誘発する機器、蒸気や化学物質、微粒子を放出する機器など、他の周辺機器の影響に基づいて分析用のサブセットを選択してもよい。
実施形態では、監視アプリケーション9736は、選択されたサブセットを分析してもよい。例示的な例では、単一のセンサからのデータは、1つの動作サイクル、複数の動作サイクル、1ヶ月、1年、コンポーネントの寿命などの異なる期間にわたって分析されてもよい。また、同じ種類の部品を測定する共通のタイプの複数のセンサーからのデータを、異なる期間に渡って分析してもよい。始動時やプロセスの異なる時点に関連する変化率など、データの傾向を特定することができる。異なるセンサーの傾向と値の相関関係を分析し、短期的な分析でセンサーの期待される性能を最もよく予測できるパラメーターを特定する。この情報は、センサモデル、センサの選択、センサの範囲、センサのスケーリング、センサのサンプリング頻度、ローカルに収集・分析されたデータの種類を更新するために、または将来のモニタリングデバイスの設計に影響を与えるために、モニタリングデバイスに送信される。
実施形態では、監視アプリケーション9736は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、複数のセンサの予想される状態情報、動作履歴、過去の検出値、センサの寿命モデルなどにアクセスしてもよい。監視アプリケーション9736は、センサの選択、収集する追加データ、またはセンサデータと共に保存するデータに関する推奨事項を提供してもよい。監視アプリケーション9736は、修理および/またはメンテナンスのスケジューリングに関する推奨事項を提供してもよい。モニタリングアプリケーション9736は、センサの交換に関する推奨事項を提供してもよい。交換用のセンサは、交換されるセンサと一致してもよいし、交換用のセンサは、異なる範囲、感度、サンプリング周波数などを有してもよい。
実施形態では、監視アプリケーション9736は、センサの状態データ(例えば、センサの過負荷、センサの障害、センサの故障)を、他のセンサからのデータ、監視されているコンポーネントの障害データ、監視されている機器、生産されている製品などと共に分析するように構成された遠隔学習回路を含んでもよい。遠隔学習システムは、センサーの過負荷と他のセンサーからのデータとの間の相関関係を特定することができる。
(1)実施形態では、産業環境でデータを収集するための監視システムであって、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、複数の入力センサのうちの少なくとも1つに対応するデータ取得回路と、センサ仕様、予想される状態情報、および検出値を格納するように構成されたデータ格納回路と、以下を含む信号評価回路と、を備える。複数の検出値と予想状態情報およびセンサ仕様の少なくとも1つに応答して,少なくとも1つのセンサのセンサ過負荷状態を判定するように構成された過負荷識別回路と,複数の検出値と予想状態情報およびセンサ仕様の少なくとも1つに応答して,少なくとも1つのセンサのセンサ故障状態およびセンサ有効状態のいずれかを判定するように構成されたセンサ故障検出回路と、センサ過負荷状態,センサ有効状態およびセンサ故障状態のいずれかに応答して,少なくとも1つの動作を実行するように構成された応答回路とを備えた信号評価回路。(2)(1)項に記載の監視システムであって、前記複数の入力センサからデータを収集するモバイルデータコレクタをさらに備える、監視システム。(3)前記少なくとも1つの操作は、アラートまたはアラームを発行することを含む、条項1に記載の監視システム。(4)前記少なくとも1つの動作は、前記データ記憶回路に追加データを記憶することをさらに含む、(1)項に記載の監視システム。(5)少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効または無効にすること、およびマルチプレクサ制御線を変更することのうちの少なくとも1つを含む、(1)項に記載の監視システム。(7)(5)項の監視システムであって、該システムは、さらに、少なくとも2つのマルチプレクサ(MUX)回路を備え、少なくとも1つの操作は、少なくとも2つのマルチプレクサ回路間の接続を変更することからなる。(8)(7)項に記載の監視システムであって、複数の検出値のサブセットを解釈し、その結果としてMUXの論理制御とMUX入力と検出値の対応を提供するように構成されたMUX制御回路をさらに含み、MUXの論理制御はマルチプレクサ制御線の適応的なスケジューリングを含むことを特徴とする監視システム。(9)産業環境におけるデータ収集、処理、および成分分析のためのシステムであって、複数の監視装置であって、各監視装置は、複数の検出値を解釈するように構造化されたデータ取得回路であって、前記複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応するデータ取得回路と、複数のセンサタイプの仕様および予想される状態情報を記憶し、前記複数の検出値を所定の時間の間バッファリングするためのデータ記憶装置と、以下を含む信号評価回路と、を備える。複数の検出値と予測状態情報およびセンサー仕様の少なくとも一方に応答して、少なくとも1つのセンサーの過負荷状態を判定する過負荷識別回路と、複数の検出値と予測状態情報およびセンサー仕様の少なくとも一方に応答して、少なくとも1つのセンサーのセンサー故障状態およびセンサー有効状態のいずれかを判定するセンサー故障検出回路とを備えている。センサの過負荷状態、センサの健全性状態、およびセンサの有効性状態のいずれかに応答して、少なくとも1つの動作を実行する応答回路と、センサの過負荷状態、センサの健全性状態、およびセンサの有効性状態のいずれかと、バッファリングされた検出値の一部をリモートサーバに提供する、リモートサーバと通信する通信回路と、リモートサーバ上の監視アプリケーションとを備え、以下のように構成されている。少なくとも1つの選択された検出値と、センサーの過負荷状態、センサーの健全性状態、およびセンサーの有効性状態のうちの1つを受信するステップと、複数の監視装置から受信した検出値のサブセットを共同で分析するステップと、アクションを推奨するステップ。(10)前記監視装置の少なくとも1つは、前記複数の入力センサからデータを収集するモバイルデータコレクタをさらに備える、(9)項に記載のシステム。(11)前記少なくとも1つの動作は、アラートまたはアラームを発行することを含む、(9)項に記載のシステム。(12)前記少なくとも1つの動作は、前記データ記憶回路に追加データを記憶することをさらに含む、(9)項記載の監視システム。(13)前記監視装置の少なくとも1つは、マルチプレクサ(MUX)回路をさらに備える、(9)項記載のシステム。(14)システムは、(13)項に記載のシステムであって、少なくとも1つの操作が、マルチプレクサ回路の1つまたは複数の部分を有効または無効にすること、およびマルチプレクサ制御線を変更することの少なくとも1つを含む。(15)(9)項記載のシステムであって、前記監視装置の少なくとも1つは、少なくとも2つのマルチプレクサ(MUX)回路をさらに備え、前記少なくとも1つの操作は、前記少なくとも2つのマルチプレクサ回路間の接続を変更することを含む、システム。(16)(15)記載の監視システムであって、複数の検出値のサブセットを解釈し、その結果としてMUXの論理制御とMUX入力と検出値の対応を提供するように構成されたMUX制御回路をさらに含み、MUXの論理制御はマルチプレクサ制御線の適応的なスケジューリングを含むことを特徴とするシステム。(17)前記監視アプリケーションは、センサの状態データをセンサデータと共に分析し、センサの過負荷と他のシステムからのデータとの相関関係を識別するように構成された遠隔学習回路を含む、(9)項記載のシステム。(18)前記監視アプリケーションは、センサ過負荷状態、センサ健全性状態、センサ有効性状態、検出値に関連するセンサの予想寿命、検出値に関連する機器の予想タイプ、および検出値が測定された動作条件のいずれかに基づいて、検出値をサブセット化するように構成されている、(9)項に記載のシステム。(19)前記補足情報は、センサの仕様、センサの過去の性能、保守記録、修理記録、および予想される状態モデルのいずれかで構成される、(9)項記載のシステム。(20)前記検出値のサブセットの分析は、ニューラルネットに前記検出値のサブセットと補足情報を与えて、深層学習技術を利用して様々なセンサの動作状態、健康状態、寿命、および故障状態を認識するように学習させることを含む、(19)項記載のシステム。
産業用IoTのデータ収集、監視、制御環境の中には、大規模で多様なセンサーセットがあり、センサーデータ収集の効率的な設定やタイムリーな変更が課題となっている。すべてのセンサーからの継続的な収集は、大量のセンサーと、限られた電力の利用可能性や、センサーデータ収集デバイス、入出力インターフェース、データ転送設備、データストレージ、データ分析設備などの利用可能性や性能の様々な制限を含む限られたデータ収集・管理設備などの限られたリソースを考慮すると、不可能な場合がある。したがって、任意の時間に収集されるセンサーの数は、最初の収集を設定する時と、システムの状態の変化に基づく現在の収集スキームの迅速な変更の処理、運用状況(例えば、警告状態、運用モードの変更など)などがある。したがって、本明細書に開示される方法およびシステムの実施形態は、階層的なテンプレートの活用、スマートな経路変更の実行、運用状況の変化の監視および対応など、ルーティングコレクタの迅速な経路作成および変更を含むことができる。
実施形態では、産業環境におけるデータ収集のための迅速な経路作成および変更は、階層的なテンプレートを利用することができる。テンプレートは、同じ階層的センサ・ルーティング・スキームを利用することができるTike'機械を利用するために使用されてもよい。例えば、データが収集される可能性のある多くのタイプの機械の中で、ステッピングモータクラスなどの特定のクラスのモータのメンバーは、日常的な操作、定期的なメンテナンス、および故障モードの検出など、非常に類似したセンサルーティングのニーズを持っている可能性があり、これはセンサ収集ルーチンの共通の階層で記述される可能性がある。そして、新しいステッピングモータをインストールするユーザは、新しいモータに対して「ステッピングモータ階層ルーティングテンプレート」を使用することができる。インストール後、ステッピングモータ階層型ルーティングテンプレートを使用して、状況の変化に応じてルーティングスキームを変更することができる。ユーザーは、独自のモータ機能、アプリケーション、環境、モードなどごとに、必要に応じてテンプレートを任意に調整することができる。ルーティングスキームを展開するためにテンプレートを使用することで、新しいモータのためにルーティングスキームを設定したり、従来のセンサー収集方法を利用している既存のシステムに新しいルーティング技術を展開するために必要な時間を大幅に短縮することができる。階層型ルーティングテンプレートを導入すると、テンプレートに基づいてセンサ収集ルーチンを迅速に変更することができる。これにより、ステッピングモータの動作モードの変更に伴い、監視するセンサのサブセットを変更する必要がある場合や、リミットアラートや故障表示に伴い、問題の診断に使用するセンサのサブセットをより集中的に変更する必要がある場合など、状況の変化に応じて迅速に経路を変更することができる。このように、階層型ルーティングテンプレートは、センサーのルーティング構成を迅速に展開できるだけでなく、状況の変化に応じて感知された産業環境を動的に変化させることができる。
ルーティングテンプレートの機能階層は、すべてのセンサおよびすべてのセンサのサブセットから形成される複数の構成を含む、コンポーネント、マシン、システム、産業環境などのための異なる階層構成を含むことができる。システムレベルでは、「オールセンサ」構成には、システム内のすべてのセンサへの接続マップ、すべてのオンボード計装センサへのマッピング(例えば、機械または機械のセット内で報告する監視ポイント)、環境のセンサー(例:機械/装置周辺の監視ポイント、ただし、必ずしも搭載されている必要はない)、データ収集装置(例:異なる種類の特定のデータに対して柔軟に提供可能なデータ収集装置)の利用可能なセンサーへのマッピング、異なる個別のマッピングを組み合わせた統一マップなど。ルーティング設定は、運用ルーティングスキーム、定期保守ルーティングスキーム(例えば、運用モードよりも全体的に大きなセンサーセットから収集するが、システム全体に分散させる、または特定のコンポーネント、機能、モードに焦点を当てたセンサーセットを収集する)、異なる故障モード分析を対象とした複数の焦点を当てたセンサー収集グループのための つまたは複数の故障モードルーティングスキーム(例えば、モータの場合、1つの故障モードを収集することができる)などを提供することができる。例えば、モータの場合、ある故障モードはベアリングであり、別の故障モードは起動時の速度とトルクであり、故障モードに応じて異なるセンサーデータのサブセットが必要となる(運転中やメンテナンス中の異常な測定値で検出される場合など)、節電(天候によりプラントの電力を削減する必要がある場合など)など。
前述のように、階層テンプレートは、条件付き(例えば、ルールベース)であってもよく、例えば、第1の収集期間中に感知されたデータなどのパラメータに基づいて条件付きルーティングを行うテンプレートでは、後続のルーティング構成が変化する。階層内では、グラフまたはツリーのノードは、所定の動作モードのためにセンサの所定のサブセットを選択するなど、条件付き論理が使用される可能性のあるフォークを示すことができる。このように、階層テンプレートは、ルールベースまたはモデルベースのエキスパートシステムと関連しており、階層テンプレートに基づいて、機械の種類とその動作状態、環境の状況など、観測された条件に基づいて、自動ルーティングを促進することができる。非限定的な例では、階層テンプレートは、初期の収集構成と、初期のセンサー収集の感知された条件に基づいて初期の収集構成から第2の収集構成に切り替えるために設置された条件付き階層とを有することができる。この例を続けると、様々な可能性のある機械の中で、コンベヤシステムは、初期収集において収集のための複数のセンサを有していてもよいが、最初のデータが収集され、分析されると、コンベヤがアイドル状態であると判断された場合(例えば、モーションセンサ上の最小閾値以上の信号がないことによる)、システムは、コンベヤのアイドル状態に適したセンサデータ収集体制に切り替えてもよい(例えば、以下のように。例えば、複数のセンサのうち非常に小さなサブセットを使用して、アイドル状態からの離脱を検出するためにモーションセンサを使用するだけで、その時点で元の体制を更新し、センサセットの残りの部分を再び使用することができる))。このように、センサーデータの収集により、状態、動作モード、環境条件などの変化が検出された場合、センサーデータの収集を適切な構成に切り替えることができる。
1つのコレクターの階層的テンプレートは、他のコレクターのルーティングとの調整に基づいている場合がある。例えば、各マシンですべてのデータを収集するのではなく、同様のマシンのセットの各マシンで圧力または温度を実行するように別のコレクターが設定されている間に、コレクターが振動分析を実行するように設定されるかもしれない。そうでなければ、各マシンの各コレクターに異なるセンサタイプのセットアップが必要になるかもしれない。サンプリングに必要な時間、センサーの設定に必要な時間、消費電力、全体として収集に利用できる時間、センサーおよび/またはコレクターの入出力のデータレート、収集したデータの送信に利用できるチャネル(有線または無線)の帯域幅などの要因は、2つ以上のコレクターのルーティングの調整を行う際に考慮することができ、全体的な効果を得るために様々な並列および直列構成を行うことができる。これには、ルールベースの最適化、モデルベースの最適化、機械学習を用いた最適化など、エキスパートシステムを用いた調整の最適化が含まれる場合がある。
機械学習システムは、デフォルトの動作条件(例えば、通常の動作モード、システムのオンライン、平均的な生産)、ピーク動作モード(最大能力)、スラック生産などをシステムに教示するためなど、改善されたルーティングのための階層的テンプレート構造を作成してもよい。機械学習システムは、生産レベルプロファイル、生産率プロファイル、検出された故障モードパターン分析などに基づくテンプレートのように、監視された条件に基づいて新しい階層テンプレートを作成してもよい。機械学習によって作成された新しいテンプレートの適用は、現在の生産条件と機械学習テンプレート条件との間のモードマッチングに基づいて行われてもよい(例えば、機械学習システムは、新しい生産プロファイルのために新しいテンプレートを作成し、その新しいプロファイルが検出されるたびにその新しいテンプレートを適用する)。
迅速な経路作成は、1つ以上の階層的なルーティングテンプレートを使用して有効にすることができる。例えば、ルーティングテンプレートが異なる条件に対するルーティングスキームを事前に確立し、トリガーイベントが条件に対応するためにセンサのルーティングスキームの変更を実行する場合などである。実施形態では、トリガーイベントは、運用から故障モード解析へのルーティングスキームの変更を余儀なくされる可能性のある故障モードを示すトリガーに基づくルーティングの自動変更、受信したセンサデータに基づくルーティングスキームの人間による変更の実行、学習されたルーティングの変更の実行であってもよい。例えば、人間が実行した変更や人間が監督した変更のセットを機械に与えることに基づいて、変更をトリガーするタイミングを機械が学習すること、手動でルーティングを変更すること(例えば、自動/迅速な自動変更のオプション)、観測されたデバイスの性能に基づいて人間が実行することなどが挙げられる。ルーティングの変更には、運用モードから、加速メンテナンス、故障モード解析、省電力モード、高性能・高出力モード(発電所のピーク電力用)などへの変更が含まれる。
階層的なテンプレート構成の切り替えは、エンドデバイスのセンサとの接続性に基づいて実行されてもよい。高度に自動化された収集ルーティング環境(例えば、屋内のネットワーク化された組立工場)では、固定された産業レイアウトと柔軟な産業レイアウトに対して、異なるルーティング収集構成が採用される場合がある。エンドデバイスセンサ、自動収集装置、ネットワーク間の高度な有線接続性を有するレイアウトなどの固定された産業用レイアウトでは、ネットワークルーティング階層部、コレクタセンサ収集階層部、ストレージ部などに異なるルーティング構成が存在する可能性がある。また、エンドデバイスセンサー、自動収集装置、ネットワークの間に様々な有線・無線の接続がある、より柔軟な産業用レイアウトの場合、異なる方式があってもよい。例えば、適度に自動化された収集ルーティング環境には、自動収集と定期的なネットワーク接続、定期的な収集のためのロボット運搬型の収集器(例えば、自動収集と定期的なネットワーク接続、定期的な収集のためのロボットを搭載した収集機(地上ロボット、ドローン、水中装置、ネットワーク接続可能なロボット、ネットワーク接続が断続的なロボット、収集物を定期的にアップロードするロボットなど)、定期的な収集と自動ルーティングを行うルーティング方式、定期的な収集のみを行うが収集時に直接ルーティングを行う方式、定期的な収集と定期的な自動ルーティングを行い定期的に収集を行うルーティング方式、長期的には複数の収集物を定期的にルーティングする方式などが考えられる。自動化された収集ルーティングの程度が低い場合には、以下の組み合わせが考えられる:自動収集と人間が支援する収集者(例えば、人間が単独で収集する、人間がロボットによって支援する)、予定された収集と人間が支援する収集者(例えば、人間が収集を開始する、人間が収集開始のためにロボットによって支援する、人間が遠隔地でデータを収集するためにドローンを起動する)、などである。
実施形態において、および図99を参照すると、階層型テンプレートは、センサ10514、IoTデバイス10516などからのデータなど、複数の入力チャネル10500を介して収集されたデータの収集および監視のために、ローカルデータ収集システム10500によって利用されてもよい。本明細書でデータコレクタ10512とも呼ばれるローカル収集システム10512は、データストレージ10502、データ取得回路10504、データ解析回路10506などを含んでもよく、監視設備は、データコレクタ10512上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、データコレクタから離れた遠隔地の情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよく、などである。監視システムは、データコレクタ10512に通信可能に結合された複数の入力チャネルを含んでもよい。データストレージ10502は、入力チャネル10500に対応する複数のコレクタルートテンプレート10510およびセンサ10514のセンサ仕様を格納する構造であってもよく、複数のコレクタルートテンプレート10510はそれぞれ、異なるセンサ収集ルーチンを構成する。データ取得回路10504は、複数の検出値を解釈するように構造化されていてもよく、複数の検出値の各々は、入力チャネル10500のうちの少なくとも1つに対応し、データ解析回路10506は、複数の入力チャネル10500から出力データを受信し、受信した出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構造化されており、データコレクタ10500は、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている。監視システムは、機械学習システム(例えば、ニューラルネットワークエキスパートシステム)、ルールベースのテンプレート(例えば、入力チャネルが情報を提供する、入力チャネルが情報を提供する、入力チャネルが情報を提供する、に関する機械の動作状態に基づく)、スマートルートの変更、アラーム状態、ネットワーク接続性、複数のデータコレクタ間の自己組織化、センサグループの協調などをさらに利用してもよい。
実施形態では、現在のルーティングテンプレートの評価は、通常動作モード、ピーク動作モード、アイドル動作モード、保守動作モード、省電力動作モードなどの動作モードルーティング収集スキームに基づいてもよい。監視の結果、データコレクタは、データ解析回路が、動作モードが動作モードから加速保守モードに変化した、動作モードが動作モードから故障モード解析モードに変化した、動作モードが動作モードから省電力モードに変化した、動作モードが動作モードから高性能モードに変化した、などの動作モードの変化を判断したため、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。データ収集装置は、故障状態、性能状態、電力状態などの動作モードの変化を検知したことに基づいて、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。温度条件、振動条件など。現在のルーティングテンプレートの収集ルーチンの評価は、ネットワークの利用可能性、センサの利用可能性、時間ベースの収集ルーチン(例えば、スケジュールに沿って、時間をかけて)など、収集パラメータに関する収集ルーチンに基づいていてもよい。
実施形態において、産業環境におけるデータ収集のための監視システムは、複数の入力チャネルに通信可能に結合されたデータコレクタと、複数のコレクタルートテンプレートおよび入力チャネルに対応するセンサのセンサ仕様を格納するように構造化されたデータストレージとを備えることができる。複数の入力チャネルに通信可能に結合されたデータコレクタと、複数のコレクタ経路テンプレートおよび入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージであって、複数のコレクタ経路テンプレートがそれぞれ異なるセンサ収集ルーチンを構成するデータストレージと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれが入力チャネルの少なくとも1つに対応するデータ取得回路と複数の入力チャネルから出力データを受信し、受信した出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構成されたデータ解析回路であって、データ収集装置は、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている、データ解析回路。実施形態では、システムは、データコレクタ上でローカルに展開され、一部はデータコレクタ上でローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上で展開されるなど、様々な方法で展開される。入力チャネルの各々は、環境内に配置されたセンサに対応してもよい。現在のルーティングテンプレートの評価は、運用モードのルーティング収集スキームに基づいていてもよい。動作モードは、通常動作モード、ピーク動作モード、アイドル動作モード、メンテナンス動作モード、および省電力動作モードのうちの少なくとも1つである。データコレクタは、データ解析回路が、動作モードが動作モードから加速保守モードに変わる場合、動作モードから故障モード解析モードに変わる場合、動作モードから省電力モードに変わる場合、動作モードから高性能モードに変わる場合など、動作モードの変化を判定するので、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。データコレクタは、故障状態、性能状態、電力状態、温度状態、振動状態などの動作モードの変化が検知されたことに基づいて、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。現在のルーティングテンプレート収集ルーチンの評価は、収集パラメータに関する収集ルーチンに基づいて行われてもよい。例えば、パラメータがネットワークの可用性、センサの可用性、時間ベースの収集ルーチン(例えば、ルーチンがスケジュールに沿ってセンサデータを収集し、時間をかけてセンサデータを評価する場合)などである。
実施形態において、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数のコレクタルートテンプレートおよび入力チャネルに対応するセンサのセンサ仕様を格納するように構造化されたデータストレージを提供するステップであって、複数のコレクタルートテンプレートは、それぞれ異なるセンサ収集ルーチンを含む、ステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応する、ステップと。複数の入力チャネルから出力データを受信し、受信した出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構造化されたデータ分析回路を提供するステップであって、データ収集装置は、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている、ステップ。実施形態では、コンピュータで実装された方法は、一部はデータコレクタ上にローカルに展開され、一部はコレクタから離れたリモート情報技術インフラストラクチャコンポーネント上に展開されるなど、入力チャネルのそれぞれは、環境に配置されたセンサに対応するものである。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む1つまたは複数の非一時的コンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数のコレクタルートテンプレートおよび入力チャネルに対応するセンサのセンサ仕様を格納するように構造化されたデータストレージを提供するステップであって、複数のコレクタルートテンプレートはそれぞれ、異なるセンサ収集ルーチンを含む、ステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応する、ステップと。複数の入力チャネルから出力データを受信し、受信した出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構造化されたデータ分析回路を提供するステップであって、データ収集装置は、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている、ステップ。実施形態では、命令は、一部をデータコレクタ上にローカルに展開し、一部をリモートの情報コレクターとは別の技術インフラコンポーネントで、入力チャンネルのそれぞれが環境にあるセンサーに対応している。
実施形態において、産業環境におけるデータ収集のための監視システムは、複数の入力チャネルに通信可能に結合されたデータコレクタと、複数のコレクタ経路テンプレートと、入力チャネルに対応するセンサのセンサ仕様とを格納するように構造化されたデータストレージであって、複数のコレクタ経路テンプレートは、それぞれが異なるセンサ収集ルーチンを構成する、データストレージと、複数の検出値を解釈するように構造化されたデータ収集回路であって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応する、データ収集回路とを備える。複数の入力チャネルから出力データを受信し、経時的に受信した受信出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構成された機械学習データ分析回路であって、機械学習データ分析回路は、受信した出力データパターンを学習し、データ収集装置は、学習した受信出力データパターンに基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成されている、機械学習データ分析回路とを備える。実施形態では、監視システムは、一部をデータコレクタ上に、一部をコレクタとは別の遠隔情報技術インフラストラクチャコンポーネント上に展開するなど、データコレクタ上に局所的に展開されてもよく、入力チャネルの各々は、環境に配置されたセンサに対応する。機械学習データ分析回路は、ニューラルネットワークエキスパートシステムを含んでもよい。現在のルーティングテンプレートの評価は、運用モードのルーティング収集スキームに基づいていてもよい。運用モードは、通常運用モード、ピーク運用モード、アイドル運用モード、メンテナンス運用モード、および省電力運用モードのうちの少なくとも1つであってもよい。データコレクタは、データ解析回路が、動作モードが動作モードから加速保守モードに変わる場合、動作モードから故障モード解析モードに変わる場合、動作モードから省電力モードに変わる場合、動作モードから高性能モードに変わる場合など、動作モードの変化を判定するので、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。データコレクタは、故障状態、性能状態、電力状態、温度状態、振動状態などの動作モードの変化が検知されたことに基づいて、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。現在のルーティングテンプレート収集ルーチンの評価は、収集パラメータに関する収集ルーチンに基づいて行われてもよい。例えば、パラメータが、ネットワークの可用性、センサの可用性、時間ベースの収集ルーチン(スケジュールに沿ってセンサデータを収集し、時間をかけてセンサデータを評価する)である場合などである。
実施形態において、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、入力チャネルに対応するセンサのセンサ仕様である複数のコレクタルートテンプレートを格納するように構造化されたデータストレージを提供するステップであって、複数のコレクタルートテンプレートは、それぞれが異なるセンサ収集ルーチンを構成するステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応するステップとを含む。複数の入力チャネルから出力データを受信し、経時的に受信した受信出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構造化された機械学習データ分析回路を提供するステップであって、機械学習データ分析回路は、受信した出力データパターンを学習し、データコレクタは、学習した受信出力データパターンに基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成される、ステップ。実施形態では、本方法は、一部をデータコレクタ上に、一部をコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開するなど、データコレクタ上にローカルに展開してもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応する。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む1つまたは複数の非一過性のコンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、入力チャネルに対応するセンサのセンサ仕様である複数のコレクタルートテンプレートを格納するように構造化されたデータストレージを提供するステップであって、複数のコレクタルートテンプレートはそれぞれ、異なるセンサ収集ルーチンを構成するステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応するステップと、を含む。複数の入力チャネルから出力データを受信し、経時的に受信した受信出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構成された機械学習データ分析回路を提供するステップであって、機械学習データ分析回路は、受信した出力データパターンをリーミングし、データコレクタは、現在のルーティングテンプレートから切り替えるように構成されているステップと、学習された受信データパターンに基づいて、代替ルーティングテンプレート収集ルーチンに変更することができる。実施形態では、命令は、一部をデータコレクタ上に、一部をコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開するなど、データコレクタ上にローカルに展開してもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応する。
実施形態において、産業環境におけるデータ収集のための監視システムは、複数の入力チャネルに通信可能に結合されたデータコレクタと、コレクタ経路テンプレート、入力チャネルに対応するセンサのセンサ仕様を格納するように構造化されたデータストレージであって、コレクタ経路テンプレートは、センサ収集ルーチンを構成する、データストレージと、を備える。複数の入力チャネルに通信可能に結合されたデータコレクタと、コレクタ経路テンプレートと、入力チャネルに対応するセンサのセンサ仕様とを格納するように構成されたデータストレージであって、コレクタ経路テンプレートは、センサ収集ルーチンを含む、データストレージと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力チャネルの少なくとも1つに対応する、データ取得回路と、複数の入力チャネルから出力データを受信し、受信した出力データをルールに関して評価するように構成されたデータ分析回路であって、データコレクタは、受信した出力データへのルールの適用に基づいて、センサ収集ルーチンを修正するように構成される、データ分析回路とを備える。実施形態では、システムは、一部をデータコレクタ上に、一部をコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開するなど、データコレクタ上にローカルに展開されてもよく、入力チャネルのそれぞれは、環境内に配置されたセンサに対応する。ルールは、入力チャネルが情報を提供する機械の動作状態、入力チャネルが情報を提供する機械の予測状態、入力チャネルが情報を提供する機械の検出された故障状態などに基づいていてもよい。受信した出力データの評価は、動作モードルーティング収集スキームに基づいてもよく、動作モードは、通常動作モード、ピーク動作モード、アイドル動作モード、メンテナンス動作モード、および省電力動作モードのうちの少なくとも1つである。データコレクタは、データ分析回路が動作モードの変化を判断するため、センサ収集ルーチンを変更してもよい。例えば、動作モードが、動作モードから加速保守モードへ、動作モードから故障モード分析モードへ、動作モードから省電力モードへ、動作モードから高性能モードへ、などのように変化する場合である。データ収集装置は、動作モードの変化を検知した場合に、センサ収集ルーチンを変更することができる。例えば、検知された変化が、故障状態、性能状態、電力消費状態、その他の状態である場合などである。条件、温度条件、振動条件などが含まれる。受信した出力データの評価は、収集パラメータに関する収集ルーチンに基づいて行われてもよく、パラメータは、ネットワークの可用性、センサの可用性、時間ベースの収集ルーチン(例えば、スケジュールまたは時間をかけてセンサデータを収集する)などである。
実施形態では、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、コレクタ経路テンプレートと、入力チャネルに対応するセンサのセンサ仕様とを格納するように構成されたデータストレージを提供するステップであって、コレクタ経路テンプレートは、センサ収集ルーチンを含む、ステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルの少なくとも1つに対応する、ステップと。複数の入力チャネルから出力データを受信し、受信した出力データをルールに関して評価するように構造化されたデータ分析回路を提供するステップであって、データ収集装置は、受信した出力データへのルールの適用に基づいて、センサー収集ルーチンを修正するように構成されている。実施形態では、本方法は、一部をデータコレクタ上に、一部をコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開するなど、データコレクタ上にローカルに展開してもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応する。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む1つまたは複数の非一時的コンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、コレクタ経路テンプレートと、入力チャネルに対応するセンサのセンサ仕様とを格納するように構成されたデータストレージを提供するステップであって、コレクタ経路テンプレートは、センサ収集ルーチンを含む、ステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルの少なくとも1つに対応する、ステップと、を含む。複数の入力チャネルから出力データを受信し、受信した出力データをルールに従って評価するように構成されたデータ分析回路を提供するステップであって、データ収集装置は、受信した出力データへのルールの適用に基づいて、センサー収集ルーチンを修正するように構成されている。実施形態では、命令は、一部をデータコレクタ上に、一部をコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開するなど、データコレクタ上にローカルに展開されてもよく、入力チャネルのそれぞれは、環境内に配置されたセンサに対応する。
産業環境における迅速な経路作成および変更は、分析または相関のためのデータ収集の動的選択を可能にする変更など、入ってくるデータまたはアラームに基づくスマート経路変更を採用することができる。スマートな経路変更は、入力データまたはアラームに基づいて、システムがセンサデータの現在のルーティングを変更することを可能にするかもしれない。例えば、ユーザーは、分析のためのセンサー収集のスケジュールを確立するルーティング構成を設定することができるが、分析(またはアラーム)が特別な必要性を示した場合、システムは、その必要性に対処するためにセンサールーティングを変更することができる。例えば、振動センサーセットの少なくとも1つの軸の揺れのピーク振幅が急激に増加するなど、モータの振動プロファイルの変化がモータの早期故障の可能性を示す場合、システムは、分析のためのデータ収集をより集中的に行うようにルーティングを変更してもよい。例えば、モータのより多くの軸で収集を開始したり、モータの追加のベアリングで収集を開始したり、他のセンサー(温度センサーや熱流センサーなど)を使用して収集を開始したりすることで、故障モードが発生しているという初期の仮説を確認したり、機械の状態や動作状態の分析を支援したりすることができる。
検出された動作モードの変化は、迅速な経路変更を誘発することができる。例えば、動作モードは、一点センサの範囲外検出、分析判定などの結果として検出され、経路変更を生成してもよい。解析判定は、一点センサ解析、多点センサ解析、解析領域解析(例えば、時間プロファイル、周波数プロファイル、相関多点判定など)などにより、センサエンドポイントから検出されることがある。別の例では、ルーチンメンテナンス中にメンテナンスモードが検出される場合がある。この場合、ルーティングの変更によってデータ収集量が増加し、異常な状態でより高いレートでデータを取得することができる。故障モードは、例えば、機械の故障の可能性を示すアラームによって検出され、分析のためにデータ収集率を上げるきっかけとなる。パフォーマンスベースのモードは、出力レートのレベル(ピーク、スラック、アイドルなど)を検出するなどして、状態に関連するさまざまなパフォーマンスモニタリングやメトリクスの分析ニーズに対応するためのルーティングの変更を開始することができる。例えば、モータ、コンベヤー、組立ライン、発電機、タービンなどのピーク速度が過去と比較して高いことが検出された場合、その状態に応じてルーティングを変更することができる。また、ある期間の測定値を確認した後、追加のセンサーを使用して、過熱(温度センサーまたは熱流束センサーで測定)、過度のノイズ(音響センサーまたはノイズセンサーで測定)、過度の揺れ(1つまたは複数の振動センサーで測定)など、ピーク速度に関連する故障を監視することができる。
アラーム検出は、迅速なルート変更のトリガーとなり得る。アラームソースは、フロントエンドコレクタ、ローカルインテリジェンスリソース、バックエンドデータ分析プロセス、周囲環境検出器、ネットワーク品質検出器、電力品質検出器、熱、煙、ノイズ、フラッディングなどを含んでもよい。アラームの種類には、シングルインスタンス異常検知、マルチインスタンス異常検知、マルチセンサー同時検知、タイムクラスターセンサー検知(シングルセンサーまたはマルチセンサーなど)、周波数プロファイル検知(アラームの発生率が時間とともに増加するなどの異常検知率の増加、モータの物理的振動プロファイルが時間とともに変化するなどのセンサー出力の周波数成分の変化など)などがある。
機械学習システムは、学習したアラームパターン分析に基づいてルーティングを変更してもよい。機械学習システムは、通常の動作状態で予想されるアラーム状態、ピーク動作状態で予想されるアラーム状態、コンポーネントの経年変化(例えば、新品、動作寿命中、延長寿命中、保証期間中)など、システムのアラーム状態パターンを学習してもよい。機械学習システムは、アラームパターンの変化に基づいてルーティングを変更してもよい。例えば、システムは正常に動作しているが、ピーク動作のアラームパターンを経験している場合(例えば、システムが動作すべきでないときに動作している場合)、システムは新しいが古いプロファイルを経験している場合(例えば、乳児死亡率の検出)などである。機械学習システムは、現在のアラームプロファイルと予想される生産状況の変化とに基づいてルーティングを変更してもよい。例えば、プラント、システム、またはコンポーネントが平均以上のアラーム状態を経験している場合、生産量が増加する直前(例えば、生産量増加時に平均以上の故障が発生することを予見している可能性がある)、停滞する直前(例えば、増加したデータ取得ルーティングスキームに基づいて保守手順を強化する機会である可能性がある)、予定外のイベント(例えば、天候、停電、再起動)の後などである。
急速な経路変更アクションには、サンプリング速度の増加(例えば、単一のセンサへの、複数のセンサへの)、サンプリングされるセンサの数の増加(例えば、デバイス上の他のセンサの同時サンプリング、近接するデバイス上の類似のセンサの調整されたサンプリング)、サンプリングのバーストの生成(例えば、一定期間、高レートでのサンプリング)などが含まれ得る。アクションは、スケジュールに基づいて実行されたり、トリガーと連携して実行されたり、動作モードに基づいて実行される。トリガーとなるアクションには、異常なデータ、閾値を超えたレベル、動作イベントのトリガー(例えば、起動時のモータのトルクなど)などがある。
迅速な経路変更は、運用型ルーティングスキーム(例えば、通常の運用のためのセンサ収集のサブセット)、定期保守型ルーティングスキーム(例えば、通常の運用よりもセンサ収集のセットを増やして集中的に行う)など、ルーティングスキーム間で切り替えてもよい。特定のコンポーネント、機能、およびモードのためのセンサ収集セットのように、システム全体にセンサ収集を分配するように、センサデータの分配を変更してもよい。故障モードルーティングスキームは、異なる故障モード分析(例えば、モータの場合、ある故障モードはベアリングに関するものであり、別の故障モードは起動速度-トルクに関するものである)を対象とした複数の焦点化されたセンサ収集グループを必要とする場合があり、ここでは、故障モードに基づいてセンサデータの異なるサブセットが必要とされる場合がある(例えば、運転中または保守中に取得された異常な測定値から検出される)。省電力モードのルーティングは、気象条件によりプラントの電力を削減する必要がある場合に実行されることがある。
経路変更の動的調整は、コレクタに関連する要因、またはネットワークの利用可能性および帯域幅などの接続性要因に基づいて実行されてもよい。例えば、ネットワーク上の対象となるデバイスのルーティングを変更することで、帯域幅が解放される、アラーム検出に関連するデバイスのためにルーティングが変更されてもよい。ルーティングの変更は、事前に決められた期間だけ行い、その後元に戻す、ユーザーが指示するまで変更を維持する、ネットワークの可用性に基づいて期間を変更するなど、期間を持つことができる。
実施形態において、および図101を参照すると、スマートルート変更は、センサ10522、IoTデバイス10524などからのデータなど、複数の入力チャネル10500を介して収集されたデータを収集および監視するためのローカルデータ収集システム10520によって実装されてもよい。本明細書でデータコレクタ10520とも呼ばれるローカル収集システム102は、データストレージ10502、データ取得回路10504、データ解析回路10506、応答回路10508などを含んでもよく、監視設備は、データコレクタ10520上にローカルに配置されてもよく、一部はデータコレクタ上に、一部はデータコレクタとは別の遠隔地の情報技術インフラストラクチャコンポーネント上に配置されてもよく、などである。スマートルートの変更は、状態メッセージがデータコレクタ間で(例えば、第2の入力チャネルに近接して取り付けられている入力チャネルから、関連する入力センサ群から、など)送信されるなど、データコレクタ間で実施されてもよい。モニタリングシステムは、データコレクタ10520に通信可能に結合された複数の入力チャネル10500を含んでもよい。データ取得回路10504は、複数の検出値を解釈する構造になっていてもよく、複数の検出値のそれぞれは、入力チャネル10500の少なくとも1つに対応し、データ取得回路10504は、複数の入力チャネルに対して、入力チャネルの第1ルートからセンサデータを取得する。データ記憶部10502は、入力チャンネル10500に対応するセンサ10524のセンサデータやセンサ仕様などを記憶する構造であってもよい。データ解析回路10506は、格納された予想される状態情報に関してセンサデータを評価するように構造化されていてもよく、予想される状態情報は、アラーム閾値レベルを含んでいてもよく、データ解析回路10506は、入力チャネルの第1のグループにおける第1の入力チャネルについて、アラーム閾値レベルを超えた場合に、アラーム状態を設定するように構造化されていてもよい。さらに、データ解析回路10506は、ネットワークを介してアラーム状態をルーティング制御設備10512に送信してもよい。応答回路10508は、ルーティング制御施設からのルーティング変更指示の受信時に、データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更する構造であってもよい。ネットワーク送信の場合、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第1の入力チャネルに関連する入力チャネル群を含んでもよく、データコレクタは、データコレクタとルーティング制御ファシリティとの間のネットワークの通信パラメータ(例えば、時間-期間パラメータ、ネットワーク接続および/または帯域幅利用可能性パラメータ)が満たされない場合に、入力チャネルのルーティングの変更を実行する。
実施形態では、アラーム状態は、範囲外検出からなる動作モード検出、保守中に検出されたアラームからなる保守モード検出、故障モード検出(例えば、コントローラが故障モード検出設備を通信する場合)、アラーム状態が予想される状態情報の電力関連制限データを示す電力モード検出、アラーム状態が予想される状態情報の高性能制限データを示す性能モード検出などの検出モードを示してもよい。本監視システムは、分析回路が、第1の入力チャネル群の代替入力チャネルに対してアラーム閾値を超えた場合にアラーム状態を設定することをさらに含んでもよく、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が複数インスタンスの異常検出であると判断される場合、入力チャネルの第2のルーティングは、第1の入力チャネルおよび第2の入力チャネルから構成され、第1の入力チャネルおよび第2の入力チャネルからのセンサデータが同時データ分析に寄与する。入力チャネルの第2のルーティングは、ルーティング収集パラメータが、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどである場合など、ルーティング収集パラメータの変更を含んでもよい。
実施形態において、および図100を参照すると、コレクタルートテンプレート10510は、スマートなルート変更のために利用されてもよく、センサ10514、IoTデバイス10516などからのデータなど、複数の入力チャネル10500を介して収集されたデータの収集および監視のために、ローカルデータ収集システム10512によって実装されてもよい。本明細書でデータコレクタ10512とも呼ばれるローカル収集システム10512は、データストレージ10502、データ取得回路10504、データ解析回路10506、応答回路10508などを含んでもよく、監視設備は、データコレクタ10512上にローカルに配置されてもよく、一部はデータコレクタ上に配置され、一部はデータコレクタとは別の遠隔地の情報技術インフラストラクチャコンポーネント上に配置されてもよく、などである。
実施形態において、産業環境におけるデータ収集のための監視システムは、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応し、データ取得回路は、複数の入力チャネルのための入力チャネルの第1ルートからセンサデータを取得するデータ取得回路と、入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージと、を備える。保存されている予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路であって、予測状態情報はアラーム閾値を含み、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルについてアラーム閾値を超えたときにアラーム状態を設定するデータ解析回路と、データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路であって、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第1の入力チャネルに関連する入力チャネルのグループを含む、応答回路とを備えている。実施形態では、システムは、データコレクタ上に局所的に展開されてもよく、一部はデータコレクタ上に局所的に展開され、一部はコレクタとは別の遠隔情報技術インフラストラクチャコンポーネント上に展開されてもよく、入力チャネルの各々は、環境に配置されたセンサに対応している。入力チャネルのグループは、第1の入力チャネルに関連していてもよく、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから少なくとも部分的に取得されている。アラーム状態は、検出モードを示してもよく、例えば、検出モードが、範囲外検出からなる運用モード検出である場合、検出モードが、メンテナンス中に検出されたアラームからなるメンテナンスモード検出である場合、検出モードが、故障モード検出である場合などが挙げられる。制御装置は、検出モードが電力モード検出であり、アラーム状態が予想状態情報の電力関連制限データを示している場合、検出モードが性能モード検出であり、アラーム状態が予想状態情報の高性能制限データを示している場合など、故障モード検出設備を通信してもよい。解析回路は、第1の入力チャネル群における代替の入力チャネルについて、アラーム閾値を超えた場合にアラーム状態を設定してもよく、例えば、第1の入力チャネルおよび代替の入力チャネルに対するアラーム状態の設定が、複数インスタンスの異常検知であると判断される場合であって、入力チャネルの代替ルーティングが、第1の入力チャネルおよび第2の入力チャネルから構成され、第1の入力チャネルおよび第2の入力チャネルからのセンサデータが同時データ解析に寄与する場合などである。入力チャネルの代替ルーティングは、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなど、ルーティング収集パラメータの変更を含んでもよい。
実施形態において、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、前記複数の検出値の各々は、前記入力チャネルのうちの少なくとも1つに対応し、前記データ取得回路は、前記複数の入力チャネルのための入力チャネルの第1のルートからセンサデータを取得するステップと入力チャネルに対応するセンサの仕様を格納するように構成されたデータストレージを提供するステップと、格納された予想状態情報に関してセンサデータを評価するように構成されたデータ分析回路を提供するステップであって、予想状態情報は、アラーム閾値レベルを含み、データ分析回路は、入力チャネルの第1のグループの第1の入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定して、データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路であって、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む、応答回路。実施形態では、システムは、データコレクタにローカルに展開されてもよく、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。
実施形態では、実行されると少なくとも1つのプロセッサに動作を行わせることができるコンピュータ実行可能命令を含む1つまたは複数の非一時的なコンピュータ可読媒体は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、前記複数の検出値のそれぞれは、前記入力チャネルのうちの少なくとも1つに対応し、前記データ取得回路は、前記複数の入力チャネルのための入力チャネルの第1のルートからセンサデータを取得するステップと、前記入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージを提供するステップと、を含む。保存されている予想状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供するステップであって、予想状態情報はアラーム閾値を含み、データ解析回路は、入力チャネルの第1グループの第1入力チャネルについてアラーム閾値を超えたときにアラーム状態を設定するステップとデータ収集のための入力チャネルのルーティングを、入力チャネルの第1ルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路を提供するステップであって、入力チャネルの代替ルーティングは、第1入力チャネルおよび第1入力チャネルに関連する入力チャネルのグループを含むステップとを含む。実施形態では、命令は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開され、入力チャネルの各々は、環境に配置されたセンサに対応している。
実施形態において、産業環境におけるデータ収集のための監視システムは、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応し、データ取得回路は、複数の入力チャネルのための入力チャネルの第1ルートからセンサデータを取得するデータ取得回路と、入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージと、を備える。蓄積された予測状態情報に基づいてセンサデータを評価するデータ解析回路であって、予測状態情報はアラーム閾値を含み、データ解析回路は、入力チャネルの第1グループの第1入力チャネルについてアラーム閾値を超えたときにアラーム状態を設定し、ネットワークを介してルーティング制御施設にアラーム状態を送信するデータ解析回路とおよび、ルーティング制御施設からのルーティング変更指示の受信時に、データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路であって、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第1の入力チャネルに関連する入力チャネルのグループを含み、データコレクタとルーティング制御施設との間のネットワークの通信パラメータが満たされない場合、データコレクタは、入力チャネルのルーティングの変更を自動的に実行する、応答回路。実施形態では、命令は、データコレクタ上にローカルに展開されてもよく、一部はデータコレクタ上にローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開されてもよく、入力チャネルの各々は、環境に配置されたセンサに対応する。通信パラメータは、経路制御施設が応答しなければならない時間的期間パラメータであってもよい。また、通信パラメータは、ネットワーク接続パラメータや帯域幅要件などのネットワーク可用性パラメータであってもよい。第1の入力チャネルに関連する入力チャネルのグループは、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから少なくとも一部が取られてもよい。また、アラーム状態は、圏外検知からなる運用モード検知、メンテナンス時に検知されるアラームからなるメンテナンスモード検知などの検知モードを示していてもよい。また、検出モードは、制御装置が故障モード検出設備を通信する際に、アラーム状態が予想状態情報の電力関連制限データを示す故障モード検出であってもよく、検出モードは、アラーム状態が予想状態情報の高性能制限データを示す高性能モード検出であってもよい、などである。解析回路は、第1の入力チャネル群における代替入力チャネルについて、アラーム閾値を超えた場合にアラーム状態を設定してもよく、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が、複数インスタンスの異常検知であると判断される場合、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第2の入力チャネルから構成され、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ解析に寄与するものとする。入力チャネルの代替ルーティングは、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなど、ルーティング収集パラメータの変更であってもよい。
実施形態において、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、前記複数の検出値の各々は、前記入力チャネルのうちの少なくとも1つに対応し、前記データ取得回路は、前記複数の入力チャネルのための入力チャネルの第1のルートからセンサデータを取得するステップと、前記入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージを提供するステップと、前記データストレージは、前記入力チャネルに対応するセンサの仕様を格納するように構成されている。保存された予想状態情報に基づいてセンサデータを評価するデータ解析回路であって、前記予想状態情報がアラーム閾値を含み、前記データ解析回路が、前記入力チャネルの第1グループの第1入力チャネルについて前記アラーム閾値を超えたときにアラーム状態を設定し、ネットワークを介してルーティング制御施設に前記アラーム状態を送信するデータ解析回路とデータ収集のための入力チャネルのルーティングを、ルーティング制御施設からのルーティング変更指示の受信時に、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構造化された応答回路を提供するステップであって、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第1の入力チャネルに関連する入力チャネルのグループを含み、データコレクタとルーティング制御施設との間のネットワークの通信パラメータが満たされない場合、データコレクタは、入力チャネルのルーティングの変更を自動的に実行するステップとを含む。実施形態では、命令は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む1つまたは複数の非一時的コンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、前記複数の検出値のそれぞれは、前記入力チャネルのうちの少なくとも1つに対応し、前記データ取得回路は、前記複数の入力チャネルのための入力チャネルの第1のルートからセンサデータを取得するステップと、前記入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージを提供するステップと、を含む。保存されている予想状態情報に基づいてセンサデータを評価するデータ解析回路であって、前記予想状態情報がアラーム閾値を含み、前記データ解析回路が、前記入力チャネルの第1グループの第1入力チャネルについて前記アラーム閾値を超えたときにアラーム状態を設定し、ネットワークを介してルーティング制御施設に前記アラーム状態を送信するデータ解析回路とデータ収集のための入力チャネルのルーティングを、ルーティング制御施設からのルーティング変更指示の受信時に、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構造化された応答回路を提供するステップであって、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第1の入力チャネルに関連する入力チャネルのグループを含み、データコレクタとルーティング制御施設との間のネットワークの通信パラメータが満たされない場合、データコレクタは、入力チャネルのルーティングの変更を自動的に実行するステップとを含む。実施形態では、命令は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。
実施形態において、産業環境におけるデータ収集のための監視システムは、以下を含むことができる。複数の入力チャネルに通信可能に結合された第1および第2のデータコレクタと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、入力チャネルの少なくとも1つに対応し、データ取得回路は、複数の入力チャネルのための入力チャネルの第1のルートからセンサデータを取得するデータ取得回路と前記入力チャネルに対応するセンサの仕様を格納するデータストレージと、格納された予測状態情報に基づいて前記センサデータを評価するデータ解析回路であって、前記予測状態情報はアラーム閾値を含み、前記データ解析回路は、前記入力チャネルの第1グループの第1入力チャネルについて前記アラーム閾値を超えた場合にアラーム状態を設定するデータ解析回路と、を備えており第2のデータコレクタと通信するように構成された通信回路であって、第2のデータコレクタが、入力チャネルの第1の経路から第1の入力チャネルに関連する状態メッセージを送信する通信回路と、第2のデータコレクタからの状態メッセージに基づいて、データ収集のための入力チャネルの経路を、入力チャネルの第1の経路から入力チャネルの代替の経路に変更するように構成された応答回路であって、入力チャネルの代替の経路が、第1の入力チャネルおよび第1の入力センサに関連する入力チャネルのグループを含む、応答回路とを備える。実施形態では、システムは、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。第2のデータコレクタから送信されるセット状態メッセージは、第1の入力チャネルに近接して取り付けられている第2の入力チャネルからのものであってもよい。第2のコントローラから送信されるセットアラームは、第1の入力センサを構成する入力センサの関連グループの一部である第2の入力センサからのものであってもよい。第1の入力チャネルに関連する入力チャネル群は、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから少なくとも一部を取り出してもよい。アラーム状態は、検出モードを示していてもよく、例えば、検出モードが、圏外検出からなる運用モード検出である場合、メンテナンス中に検出されるアラームからなるメンテナンスモード検出である場合、故障モード検出である場合などが挙げられる。制御装置は、検出モードが電力モード検出であり、アラーム状態が予想状態情報の電力関連制限データを示している場合や、検出モードが性能モード検出であり、アラーム状態が予想状態情報の高性能制限データを示している場合など、故障モード検出設備を通信してもよい。解析回路は、第1の入力チャネル群における代替入力チャネルについて、アラーム閾値を超えた場合にアラーム状態を設定してもよく、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が、複数インスタンスの異常検知であると判断される場合には、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第2の入力チャネルからなり、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ解析に寄与する。入力チャネルの代替ルーティングは、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなど、ルーティング収集パラメータの変更であってもよい。
実施形態において、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合された第1および第2のデータコレクタを提供するステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルの少なくとも1つに対応し、データ取得回路は、複数の入力チャネルのための入力チャネルの第1のルートからセンサデータを取得するステップとを含む。前記入力チャネルに対応するセンサの仕様を格納するように構成されたデータストレージと前記センサデータを、格納された予想状態情報に基づいて評価するように構成されたデータ解析回路とを備え、前記予想状態情報は、アラーム閾値を含み、前記データ解析回路は、前記入力チャネルの第1グループの第1入力チャネルについて、前記アラーム閾値を超えた場合に、アラーム状態を設定するように構成されており第2のデータコレクタと通信するように構成された通信回路を提供するステップであって、第2のデータコレクタが、入力チャネルの第1の経路から第1の入力チャネルに関連する状態メッセージを送信するステップと、第2のデータコレクタからの状態メッセージに基づいて、データ収集のための入力チャネルの経路を、入力チャネルの第1の経路から入力チャネルの代替経路に変更するように構成された応答回路を提供するステップであって、入力チャネルの代替経路が、第1の入力チャネルおよび第1の入力センサに関連する入力チャネルのグループからなるステップとを含む。実施形態では、本方法は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む1つまたは複数の非一時的なコンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合された第1および第2のデータコレクタを提供するステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、前記複数の検出値のそれぞれは、前記入力チャネルのうちの少なくとも1つに対応し、前記データ取得回路は、前記複数の入力チャネルについて、前記入力チャネルの第1のルートからセンサデータを取得するステップと、を含む。前記入力チャネルに対応するセンサの仕様を格納するように構成されたデータストレージと、前記センサデータを、格納された予想状態情報に基づいて評価するように構成されたデータ解析回路と、を備え、前記予想状態情報は、アラーム閾値を含み、前記データ解析回路は、前記入力チャネルの第1グループの第1入力チャネルについて、前記アラーム閾値を超えた場合に、アラーム状態を設定するように構成されており第2のデータコレクタと通信するように構成された通信回路を提供するステップであって、第2のデータコレクタが、入力チャネルの第1の経路から第1の入力チャネルに関連する状態メッセージを送信するステップと、第2のデータコレクタからの状態メッセージに基づいて、データ収集のための入力チャネルの経路を、入力チャネルの第1の経路から入力チャネルの代替経路に変更するように構成された応答回路を提供するステップであって、入力チャネルの代替経路が、第1の入力チャネルおよび第1の入力センサに関連する入力チャネルのグループからなるステップとを含む。実施形態では、命令は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。
実施形態において、産業環境におけるデータ収集のための監視システムは、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、入力チャネルの少なくとも1つに対応し、データ取得回路は、複数の入力チャネルから入力チャネルの第1グループからセンサデータを取得するデータ取得回路と、入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージと、を備える。保存された予想状態情報に関してセンサデータを評価するように構成されたデータ解析回路であって、予想状態情報はアラーム閾値を含み、データ解析回路は、第1の入力チャネル群の第1の入力チャネルについてアラーム閾値を超えたときにアラーム状態を設定する、データ解析回路と、第1の入力チャネル群から収集される入力チャネルを代替の入力チャネル群に変更するように構成された応答回路であって、代替の入力チャネル群は、第1の入力チャネルおよび第1の入力センサに関連する入力チャネル群を含む、応答回路とを備える。実施形態では、システムは、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。第1の入力センサに関連する入力センサ群は、少なくとも一部が、第1の入力センサ群に含まれない複数の入力センサから取得されてもよい。第1の入力チャネルに関連する第1の入力チャネル群は、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから少なくとも一部が取られていてもよい。アラーム状態は、検出モードを示していてもよく、例えば、検出モードが、圏外検出からなる運用モード検出、メンテナンス時に検出されるアラームからなるメンテナンスモード検出である場合などが挙げられる。検知モードは、コントローラが故障モード検知設備を通信するような、故障モード検知であってもよい。検出モードは、アラーム状態が予想状態情報の電力関連制限データを示す電力モード検出であってもよい。検知モードは、アラーム状態が予想される状態情報のうち、高性能の制限データを示すパフォーマンスモード検知であってもよい。解析回路は、第1の入力チャネル群の代替入力チャネルについてアラーム閾値を超えた場合にアラーム状態を設定してもよく、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が、複数インスタンスの異常検知と判定された場合には、入力チャネルの代替ルーティングは、第1の入力チャネルおよび第2の入力チャネルからなり、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ解析に寄与する。入力チャネルの代替グループは、ルーティング収集パラメータが、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどである場合など、ルーティング収集パラメータの変更を含んでもよい。
実施形態において、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、複数の検出値の各々は、入力チャネルの少なくとも1つに対応し、データ取得回路は、複数の入力チャネルから入力チャネルの第1のグループからセンサデータを取得するステップと、入力チャネルに対応するセンサのセンサ仕様を格納するように構造化されたデータストレージを提供するステップと保存された予想状態情報に関してセンサデータを評価するように構成されたデータ分析回路を提供するステップであって、予想状態情報はアラーム閾値レベルを含み、データ分析回路は、第1の入力チャネル群の第1の入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定するステップと、第1の入力チャネル群から収集される入力チャネルを代替の入力チャネル群に変更するように構成された応答回路を提供するステップであって、代替の入力チャネル群は、第1の入力チャネルおよび第1の入力センサに関連する入力チャネル群を含むステップとを含む。実施形態では、本方法は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開され、入力チャネルのそれぞれは、環境に配置されたセンサに対応している。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む、1つまたは複数の非一時的なコンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数の検出値を解釈するように構造化されたデータ取得回路を提供するステップであって、前記複数の検出値のそれぞれは、前記入力チャネルのうちの少なくとも1つに対応し、前記データ取得回路は、前記複数の入力チャネルから第1のグループの入力チャネルからセンサデータを取得するステップと、前記入力チャネルに対応するセンサのセンサ仕様を格納するように構造化されたデータストレージを提供するステップと保存された予想状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供するステップであって、予想状態情報はアラーム閾値を含み、データ解析回路は、第1の入力チャネル群の第1の入力チャネルについてアラーム閾値を超えたときにアラーム状態を設定するステップと、第1の入力チャネル群から収集される入力チャネルを代替の入力チャネル群に変更するように構成された応答回路を提供するステップであって、代替の入力チャネル群は、第1の入力チャネルおよび第1の入力センサに関連する入力チャネル群を含むステップとを含む。実施形態では、命令は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開され、入力チャネルの各々は、環境に配置されたセンサに対応している。
実施形態において、産業環境におけるデータ収集のための監視システムは、以下を含むことができる。複数の入力チャネルに通信可能に結合されたデータコレクタと、入力チャネルに対応するセンサのセンサ仕様である複数のコレクタルートテンプレートを格納するように構成されたデータストレージであって、複数のコレクタルートテンプレートは、それぞれ異なるセンサ収集ルーチンを含む、データストレージと、複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応し、データ取得回路は、入力チャネルの第1のルートからセンサデータを取得する、データ取得回路と保存された予想状態情報に関してセンサデータを評価するように構成されたデータ解析回路であって、予想状態情報がアラーム閾値レベルを含み、データ解析回路が、入力チャネルの第1グループの第1入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定し、データ収集装置が、アラーム状態の設定に基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成されている、データ収集装置。実施形態では、システムは、データコレクタ上にローカルに展開されてもよく、一部はデータコレクタ上にローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネント上に展開されてもよく、入力チャネルの各々は、環境に配置されたセンサに対応する。アラーム状態の設定は、動作モードが、通常動作モード、ピーク動作モード、アイドル動作モード、メンテナンス動作モード、および省電力動作モードのうちの少なくとも1つであるような、動作モードのルーティング収集スキームに基づいていてもよい。アラーム閾値は、複数の入力チャネルのいずれかに感知された変化と関連していてもよく、例えば、感知された変化が、故障状態である場合、性能状態である場合、電力状態である場合、温度状態である場合、振動状態である場合などが挙げられる。また、アラーム状態は、検出モードを示していてもよく、例えば、検出モードが、圏外検出からなる運用モードの検出である場合や、メンテナンス時に検出されるアラームからなるメンテナンスモードの検出である場合などがある。また、検出モードは、アラーム状態が予想状態情報の電力関連制限データを示す電力モード検出であってもよい。検知モードは、予想される状態情報のうち、高性能の制限データを示すアラーム状態であるパフォーマンスモード検知であってもよい。解析回路は、アラーム状態の設定が複数インスタンスの異常検知であると判断された場合など、代替入力チャネルについてアラーム閾値を超えた場合に、アラーム状態を設定してもよい。また、代替ルーティングテンプレートは、入力チャネルのルーティング収集パラメータの変更であってもよい。ルーティング収集パラメータは、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなど、サンプリングレートの増加であってもよい。
実施形態では、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、複数のコレクタルートテンプレートと、入力チャネルに対応するセンサのセンサ仕様とを格納するように構造化されたデータストレージを提供するステップとを含み、複数のコレクタルートテンプレートは、複数の入力チャネルに対応するセンサ仕様を格納するように構造化されている。各テンプレートは、それぞれ異なるセンサ収集ルーチンで構成されており、複数の検出値を解釈するように構成されたデータ取得回路を備え、複数の検出値のそれぞれは、入力チャネルの少なくとも1つに対応しており、データ取得回路は、入力チャネルの第1ルートからセンサデータを取得する。保存された予想状態情報に関してセンサデータを評価するように構造化されたデータ分析回路を提供するステップであって、予想状態情報がアラーム閾値レベルを含み、データ分析回路が、入力チャネルの第1のグループの第1の入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定するステップと、データ収集装置が、アラーム状態の設定に基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成されるステップとを含む。実施形態では、システムは、データコレクタにローカルに展開されてもよく、一部はデータコレクタにローカルに展開され、一部はコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよく、入力チャネルのそれぞれは、環境に配置されたセンサに対応する。
実施形態では、実行されると、少なくとも1つのプロセッサに以下の動作を行わせることができるコンピュータ実行可能命令を含む、1つまたは複数の非一時的なコンピュータ可読媒体が提供される。複数の入力チャネルに通信可能に結合されたデータコレクタを提供するステップと、入力チャネルに対応するセンサのセンサ仕様である複数のコレクタルートテンプレートを格納するように構成されたデータストレージを提供するステップと、複数の検出値を解釈するように構成されたデータ取得回路を提供するステップであって、複数の検出値のそれぞれは、入力チャネルのうちの少なくとも1つに対応し、データ取得回路は、入力チャネルの第1のルートからセンサデータを取得するステップと、を含む。保存された予想状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供するステップであって、予想状態情報がアラーム閾値レベルを含み、データ解析回路が、入力チャネルの第1のグループの第1の入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定するステップであって、データコレクタが、アラーム状態の設定に基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成されるステップ。実施形態では、命令は、データコレクタにローカルに展開され、一部はデータコレクタにローカルに展開され、一部はデータコレクタとは別のリモート情報技術インフラストラクチャコンポーネントに展開されてもよい。コレクターで、入力チャンネルのそれぞれが、環境にあるセンサーに対応している。
本明細書では、データ収集バンド(本明細書ではいくつかのケースでスマートバンドと呼ばれる)のインテリジェントな管理を使用して、産業環境でデータを収集するためのシステムのための方法およびシステムが開示される。スマートバンドは、データ収集器(本開示全体で説明される広範なデータ収集器の実施形態のいずれかなど)などによる、インテリジェントな、状況に応じた、コンテキストを考慮したデータの収集を促進することができる。スマートバンドを介したデータ収集のインテリジェント管理は、データ収集の様々なパラメータ、ならびにデータ収集に依存するプロセス、アプリケーション、および製品のパラメータ、例えば、データ品質パラメータ、一貫性パラメータ、効率パラメータ、包括性パラメータ、信頼性パラメータ、有効性パラメータ、ストレージ利用パラメータ、歩留まりパラメータ(財務歩留まり、出力歩留まり、有害事象の低減を含む)、エネルギー消費パラメータ、帯域幅利用パラメータ、入出力速度パラメータ、冗長性パラメータ、セキュリティパラメータ、安全性パラメータ、干渉パラメータ、S/Nパラメータ、統計的関連性パラメータなどを改善することができる。スマートバンドのインテリジェントな管理は、パラメータの値の重み付けに基づいてなど、1つ以上のそのようなパラメータにわたって最適化することができる。例えば、スマートバンドは、重要なデータに対して所定のレベルの冗長性を提供する一方で、エネルギー使用量が所定のレベルを超えないように管理することができる。これには、本開示および参照により本明細書に組み込まれた文書全体に記載されている様々な最適化技術を使用することが含まれる場合がある。
実施形態では、スマートバンドのインテリジェントな管理のためのそのような方法およびシステムは、スマートバンドを管理するためのエキスパートシステムおよびサポートする技術コンポーネント、サービス、プロセス、モジュール、アプリケーション、およびインターフェース(いくつかのケースではまとめてスマートバンドプラットフォーム10722と呼ばれる)を含み、これらはモデルベースのエキスパートシステムを含んでもよい。ルールベースのエキスパートシステム、人工知能を使用したエキスパートシステム(機械学習システムなど、ニューラルネットエキスパートシステム、自己組織化マップシステム、人間監視型機械学習システム、状態判定システム、分類システム、またはその他の人工知能システムを含む場合がある)、または上記のいずれかの様々なハイブリッドまたは組み合わせを含む場合がある。エキスパート・システムとは、文脈上そうでない場合を除き、上記のいずれかまたは適切な組み合わせを利用することを包含すると理解すべきである。インテリジェントな管理は、イベント検出、状態検出などのための様々なタイプのデータ(例えば、振動データ、騒音データ、および本開示全体で説明されるタイプの他のセンサデータ)のデータ収集であってもよい。インテリジェント管理には、特定されたアプリケーション、プロセス、またはワークフローをサポートすることを目的とした複数のスマートバンドの管理が含まれる場合がある。また、インテリジェント管理には、他のデータの収集に基づいて未知の変数を裏付けること(変数を含むシステムの動作モデルに基づくことなど)、利用可能な入力の中から好ましい入力を選択すること(入力の組み合わせ、融合、または多重化の指定を含む)、および/または利用可能な入力バンドの中から入力バンドを指定することを目的としたデータ収集バンドの管理が含まれる場合がある。
データ収集バンド、またはスマートバンドは、本明細書に記載されているように、センサ、入力チャネル、データ位置、データストリーム、データプロトコル、データ抽出技術、データ変換技術、データロード技術、データタイプ、サンプリングの頻度、センサの配置、静的データポイント、メタデータ、データの融合、データの多重化など、任意の数の項目を含んでもよい。スマートバンド設定は、スマートバンドおよびデータ収集バンドと互換的に使用されることがあり、スマートバンドを定義するパラメータを指定するなどして、スマートバンドの構成およびメイクアップを記述することができる。例えば、データ収集バンド、またはスマートバンドは、測定する1つまたは複数の周波数を含んでもよい。周波数データは、さらに、スペクトルピーク群、真のピークレベル、時間波形に由来するクレストファクタ、および振動エンベロープに由来する全体波形のうちの少なくとも1つ、ならびに本開示全体を通して説明される他の信号特性を含んでもよい。スマートバンドは、1つまたは複数の波長、1つまたは複数のスペクトル、および/または様々なセンサとメタデータからの1つまたは複数のタイプのデータを測定するセンサまたはデータを含んでもよい。スマートバンドは、本開示および本明細書に参照として組み込まれている文書全体を通して記載されているような、1つまたは複数のセンサ、または広範囲のタイプのセンサを含んでもよい。実際、本明細書に記載されているセンサーは、本開示全体を通して記載されている方法またはシステムのいずれかで使用することができる。例えば、1つのセンサは、加速度のG(「V/G」)あたりの電圧(例えば、100mV/G、500mV/G、1V/G、5V/G、10V/Gなど)を測定するものなど、加速度計であってもよい。実施形態では、データ収集バンド回路は、例えば、低速のミキサーの加速度を測定するのに適した加速度計と、高速の工業用遠心分離機の加速度を測定するのに適した加速度計とを選択するなど、センサーの応答性を最適化することに基づいて、スマートバンドで使用される複数のセンサーのサブセットの構成を変更してもよい。例えば、遠心分離機に近接プローブと複数の加速度センサを配置し、低速時には1つの加速度センサをスマートバンドでの測定に使用し、高速時には別の加速度センサを使用するなど、インテリジェントに選択することができる。加速度センサーには、圧電結晶、低周波(例えば10V/G)、高速コンプレッサー(10MV/G)、MEMSなど、さまざまな種類がある。別の例では、1つのセンサは、スリーブまたはチルトパッドベアリング(例えば、オイルバス)に使用できる近接プローブ、または速度プローブであってもよい。さらに別の例では、1つのセンサは、データを取得または配信するために、ルーティングされたデータコレクタ(モバイルまたはポータブルデータコレクタなど)と自動的にインターフェースするように構成されたソリッドステートリレー(SSR)であってもよい。別の例では、モバイルまたはポータブルデータコレクタは、複数の利用可能なセンサの構成を変更するためにルーティングされる場合がある。例えば、適切な加速度計を機械のコンポーネント上または近くなどのセンシングポイントに持ってくることができる。さらに別の例では、1つのセンサーは、実施形態ではポータブルデータ収集に使用される3軸プローブ(例えば、100MV/Gの3軸プローブ)であってもよい。いくつかの実施形態では、3軸プローブのうち、1つの軸上にある垂直方向の要素は高い周波数応答を持ち、水平方向に取り付けられたものは3軸全体の周波数応答に影響を与える可能性がある。別の例では、1つのセンサーが温度センサーであり、ベアリングの温度を得るためなどに、内部に温度センサーを組み込んだプローブを含んでいてもよい。さらに追加の例では、センサーは、超音波、マイクロフォン、タッチ、静電容量式、振動、音響、圧力、ひずみゲージ、サーモグラフィ(例えば、カメラ)、イメージング(例えば、,電界検知器、交流電磁界を測定するEMFメーター、ガウスメーター、動体検知器、化学検知器、ガス検知器、CBRNE検知器、振動変換器、磁力計、位置検知器、位置情報検知器、速度検知器、変位検知器などがある。速度センサー、変位センサー、タコメーター、フローセンサー、レベルセンサー、近接センサー、pHセンサー、湿度計/水分センサー、デンシトメトリーセンサー、風速計、粘度計、または任意のアナログ工業用センサーおよび/またはデジタル工業用センサー。さらに別の例では、音センサやマイク、超音波センサ、音響波センサ、光学的振動センサ(例えば、カメラを使用してノイズを発生させる振動を確認する)など、周囲のノイズを検出または測定するためのセンサがある。さらに別の例では、あるセンサーが動き検出器であってもよい。
データ収集バンド、またはスマートバンドは、特定のセンサ、センサの特定のグループ、または複数のセンサからの結合された信号(多重化やセンサフュージョンを含む)のための1つまたは複数の周波数、波長、またはスペクトルを包含するように構成されていてもよいし、そうであってもよい。
データ収集バンド(スマートバンド)は、1つまたは複数の機器/コンポーネントのピース、設置のエリア、設置の異なるが相互に接続されたエリア(例えば、機械の組み立てラインとそのラインに電力を供給するためのボイラールーム)、または場所(例えば、ケンブリッジのビルとボストンのビル)からの1つまたは複数のセンサまたはセンサデータ(センサのグループと結合された信号を含む)を包含するように構成されていてもよい。スマートバンドの設定、構成、指示、または仕様(本明細書では、これらの用語のいずれかを使用して総称している)には、センサーをどこに配置するか、データポイントをどのくらいの頻度でサンプリングするか、サンプルを取得する粒度(例えば、1秒の何分の1かのサンプリングポイント数)、冗長センサーのセットのうちどのセンサーをサンプリングするか、冗長センサーの平均サンプリングプロトコル、およびデータ取得に影響を与えるその他のあらゆる側面が含まれる。
スマートバンドプラットフォーム10722内では、ニューラルネット、モデルベースのシステム、ルールベースのシステム、機械学習データ分析回路、および/またはそれらのいずれかのハイブリッドで構成されるエキスパートシステムが、装置の一部、コンポーネント、または装置やコンポーネントのシステムの性能、健康、またはその他の特性を予測して管理するなど、特定の目標または結果に最適化されたスマートバンドに収束するための反復を開始することができる。センサーデータの継続的または定期的な分析に基づいて、パテム/トレンドが特定されたり、外れ値が現れたり、センサーの読み取り値のグループが変化し始めるなどした場合、エキスパートシステムはそのデータ収集バンドをインテリジェントに変更することができる。これは、システム動作のモデルまたは理解を反映したルールをトリガーすることで発生する場合もあれば、ニューラルネットの制御下で発生する場合もある(ルールベースのアプローチと組み合わせて、または単独で)。ニューラルネットは、成功した結果(例えば、システムの状態の分類の成功、予測の成功、指標に対する操作の成功など)に関するフィードバックに基づいて、適切な収集モードを選択するように時間をかけて入力を行っている。例えば、化学処理施設に新しい圧力反応器が設置された場合、現在のデータ収集帯域からのデータは、システムの状態または動作のメトリックを正確に予測しない可能性があるため、機械学習データ分析回路は、新しいデータ収集帯域が状態を予測するのに優れているかどうかを判断するために反復を開始してもよい。ライブラリまたは他のデータ構造からのようなオフセットされたシステムデータに基づいて、特定のセンサ、周波数帯、または他のスマートバンドの部材が最初にスマートバンドで使用され、性能を評価するためにデータが収集されてもよい。ニューラルネットが反復されると、他のセンサー/周波数帯域にアクセスして、性能指標の特定における相対的な重みを決定することができる。時間の経過とともに、システムの性能をよりよく測定するための新たな周波数帯域(または、新たなセンサの集合、センサのための新たな構成など)が特定され、エキスパート・システムはこの繰り返しに基づいてデータ収集帯域を変更することができる。例えば、化学反応施設に設置されているタービン撹拌装置が、若干異なる、または古いものである場合、1つまたは複数の振動周波数を減衰させる一方で、異なる周波数がオフセットシステムで見られたものよりも高い振幅で、最適なパフォーマンス中に存在する場合がある。この例では、現在のシステムに存在するより高い振幅の周波数を捕捉するために、スマートバンドを、対応するオフセットシステムで提案されたものから変更することができる。
エキスパートシステムは、ニューラルネットまたは他の機械学習システムを含む実施形態において、シードされてもよく、本明細書に記載されているようなフィードバックおよび動作パラメータに基づいて、スマートバンドへの収束に向けてなど、反復してもよい。特定のフィードバックは、利用指標、効率指標(例えば、電力またはエネルギーの利用、ストレージの利用、帯域幅の利用、生鮮材料の入出力利用、燃料の利用、および/または財務効率)、状態の予測または予測の成功指標(例えば、故障の回避および緩和)、生産性指標(例えば、ワークフロー)、歩留まり指標、および利益指標を含んでもよい。特定のパラメータには、ストレージパラメータ(例えば、データストレージ、燃料ストレージ、在庫のストレージなど)、ネットワークパラメータ(例えば、ネットワーク帯域幅、入出力速度、ネットワーク利用率、ネットワークコスト、ネットワーク速度、ネットワーク可用性など)、伝送パラメータ(例えば、伝送パラメータ(例:データ伝送品質、データ伝送速度、伝送エラー率、伝送コストなど);セキュリティパラメータ(例:暴露イベントの数および/または種類、攻撃、データ損失、データ侵害に対する脆弱性、アクセスパラメータなど);位置および測位パラメータ(例:データ収集者の位置、データ収集者の位置、データ収集者がいる場所、データ収集者がいない場所など)。データ収集者の位置、作業員の位置、機械・装置の位置、在庫ユニットの位置、部品・材料の位置、ネットワークアクセスポイントの位置、入退場ポイントの位置、着地点の位置、センサーセットの位置、ネットワークインフラの位置、電源の位置など);入力選択パラメータ、データ結合パラメータ(例.入力選択パラメータ、データ結合パラメータ(例:多重化、抽出、変換、ロードなど)、電力パラメータ、状態(例:動作モード、アベイラビリティー状態、環境状態、故障モード、メンテナンスモード、予想される状態)、イベント、および機器の仕様。状態に関しては、動作モードは、モビリティモード(方向、速度、加速度など)、移動モードの種類(転がる、飛ぶ、滑る、浮く、ホバリング、浮くなど)、性能モード(ギア、回転速度、熱レベル、組み立てライン速度、電圧レベル、周波数レベルなど)、出力モード、燃料変換モード、資源消費モード、財務性能モード(歩留まり、収益性など)などがある。可用性の状態とは、マシンがオフラインになったり、バックアップが必要になったりする可能性のある状態を予測することを指す。環境状態とは、周囲の温度、周囲の湿度/水分、周囲の圧力、周囲の風/流体の流れ、汚染物質の存在、干渉要素(電気的ノイズ、振動など)の存在、電力の利用可能性、および電力品質を指す。予測される状態には、指定/閾値の出力生産率、指定/閾値の発電率、運用効率/故障率、財務効率/利益目標、電力効率/資源利用率などの所望の目標を達成すること、または達成しないこと、故障状態の回避(例えば、過熱、性能低下、過剰な性能、など)などがある。過熱、性能低下、過速度、過運動、過振動・振動、過加速、膨張・収縮、電気的故障、蓄電・燃料切れ、過圧、過度の放射線・メルトダウン、火災、凍結、流体の流れの障害(例:バルブの詰まり、流体の凍結)などの障害状態の回避、機械的な効率化・故障率、財務的な効率化・利益目標、電力効率・資源利用率など。機械的故障(例:コンポーネントの破損、コンポーネントの摩耗、カップリングの不具合、ミスアライメント、非対称性/たわみ、コンポーネントの損傷(例:たわみ、ひずみ、応力、ひび割れ)、不均衡、衝突、要素の詰まり、チェーンやベルトの紛失またはスリップ)、危険な状態または致命的な故障の回避、および可用性(オンライン状態)。
エキスパートシステムは、一連のデータ(これは、データコレクタなどのセンサからの入力、ならびにシステムコンポーネント、外部システム、および外部データソースなどの他のデータから構成されてもよい)が与えられた結果または状態を予測するモデルで構成されてもよいし、それをシードしてもよい。例えば、モデルは、産業環境、機械、またはワークフローの動作モデルであってもよい。別の例では、モデルは、状態を予測するためのもの、故障を予測して保守を最適化するためのもの、ストレージを自己組織化するためのもの(例えば、デバイス上、データプールおよび/またはクラウド内)、データ輸送を最適化するためのもの(ネットワークコーディング、ネットワーク条件に応じたルーティングなどを最適化するためのもの)、データマーケットプレイスを最適化するためのもの、などであってもよい。
エキスパートシステムの反復は、スマートバンドからのデータの分析に基づいて、任意の数の下流のアクションをもたらすことができる。一実施形態では、エキスパートシステムは、システムが動作パラメータを維持または修正するか、例えば、指定された/閾値の出力生産率、指定された/閾値の発電率、運用効率/故障率、財務効率/利益目標、電力効率/資源利用、故障状態の回避、危険な状態や致命的な故障の回避など、所望の目標を与えられたニューラルネットモデルの重み付けを行うことができる。実施形態では、調整は、機器の種類、目的、典型的な動作モード、機器の機能仕様、環境の他の特徴(機器への入力を提供する、または機器からの入力を取る他のシステムを含む)に対する機器の関係、オペレータ(人間および自動制御システムを含む)の存在および役割、ならびに周囲または環境条件を理解するなど、産業システムのコンテキストを決定することに基づいてもよい。例えば、利益目標を達成するために、製油所のパイプラインは、1日に一定の時間、および/または一定の流量で動作する必要があるかもしれない。エキスパートシステムには、例えば、材料の現在の市場販売価格と材料をパイプラインに入れるためのコストに基づいて、パイプラインを通る材料の所定の流量を示すなど、指定された利益目標を達成する方法でパイプラインを操作するためのモデルが設定される場合がある。モデルは、データを取得して反復することで、現在のデータから利益目標が達成されるかどうかを予測する。エキスパートシステムの反復の結果に基づいて、より高い流量でパイプラインを稼働させる、より長く稼働させるなどの推奨がなされる(または、制御命令が自動的に提供される)場合がある。さらに、システムが反復するにつれて、1つ以上の追加のセンサがモデルでサンプリングされ、スマートバンドへの追加が状態の予測を改善するかどうかを判断してもよい。別の実施形態では、エキスパートシステムは、動作の制約(例えば、要求されたエンドポイント(例えば、配送日、量、コスト、他のシステムとの調整)を満たすこと、限られたリソース(例えば、電力、燃料、バッテリー)で動作することなど)を考慮して、システムが動作パラメータ、機器、またはニューラルネットまたは他のモデルの重み付けを維持または修正すべきであると判断することができる。電力、燃料、バッテリーなど)、ストレージ(データストレージなど)、帯域幅(ローカルネットワーク、P2P、WAN、インターネットの帯域幅、可用性、入出力容量など)、権限(ロールベースなど)、保証の制限、メーカーのガイドライン、メンテナンスのガイドラインなど)がある。例えば、製油所でボイラを運転する際の制約として、ボイラ給水の曝気量をサイクル内で減少させる必要があるため、ボイラは脱気装置と連携する必要がある。この例では,エキスパートシステムに,脱気装置と連携してボイラを動作させたときに,所定の総合性能が得られるようなモデルが設定されている.システムからのセンサデータが取得されると、エキスパートシステムは、特定の総合性能を継続して達成するために、ボイラと脱気装置の一方または両方の側面を変更する必要があると判断することができる。さらに別の実施形態では、エキスパート・システムは、特定されたチョーク・ポイントを考慮して、システムが運転パラメータ、機器、またはニューラルネット・モデルの重み付けを維持または変更すべきであると判断することができる。さらに別の実施形態では、エキスパート・システムは、定格外の動作が発生した場合に、システムが動作パラメータ、機器、またはニューラルネットモデルの重み付けを維持または修正すべきであると判断してもよい。例えば、高圧のガスを供給する製油所のレシプロコンプレッサーは、エキスパートシステム(任意でニューラルネットまたは他の機械学習システムを含む)にデータを供給するセンサーによって、正常でない動作をしていると測定されることがある。エキスパートシステムは、反復して正常でないデータを受信すると、製油所が指定された目標を達成できないことを予測し、メンテナンスのためにレシプロコンプレッサーをオフラインにするなどのアクションを推奨することがある。別の実施形態では、エキスパート・システムは、システムが1つまたは複数のセンサからより多くの/より少ないデータポイントを収集すべきであると判断することができる。例えば、医薬品処理プラントのアンカー撹拌機は、一定レベルの粘度(例えば、センチポイズで測定)が得られるまでタンクの内容物を撹拌するようにプログラムされている場合がある。エキスパート・システムは、運転中に粘度の上昇を示すデータを収集すると、粘度によってプラント・システムにかかる負担が増大する中で、予測された状態を確認するために追加のデータ・ポイントを収集することを推奨することができる。さらに別の実施形態では、エキスパート・システムは、システムがデータ保存技術を変更すべきであると判断してもよい。さらに別の例では、エキスパート・システムは、システムがデータ提示モードまたは方法を変更すべきであると判断してもよい。さらなる実施形態では、エキスパート・システムは、システムが収集されたデータに1つまたは複数のフィルタ(ローパス、ハイパス、バンドパスなど)を適用すべきであると判断してもよい。さらに別の実施形態では、エキスパート・システムは、システムが新しいスマート・バンド/新しいセンサ・セットからデータを収集し、かつ/またはニューラル・ネットが自ら識別した新たな側面の測定を開始すべきであると決定してもよい。例えば、混合時間、温度、均質な基板分布、内部構造やタンク壁との熱交換または酸素移動速度、機械的ストレス、撹拌容器や内部構造にかかる力やトルクなど、製薬工場で動作するパドル型撹拌機の様々な測定を行ってもよい。パドル型攪拌機のこれらの様々な側面を監視するスマートバンドには、流量計、温度計など、様々なセンサーデータストリームが含まれていてもよい。エキスパートシステムが反復すると、おそらく撹拌機の運転中の最小限のデータを種にして、pHが運転の状態に与える影響など、運転の新たな側面が明らかになることがある。このようにして、pHメーターからのセンサーデータを含む新しいスマートバンドがエキスパートシステムによって識別される。さらにさらなる実施形態では、エキスパートシステムは、システムがスマートバンド、1つまたは複数のセンサなどからのデータの収集を中止すべきであると判断してもよい。別の実施形態では、エキスパート・システムは、システムが、ニューラルネット自体によって識別された新しいスマートバンドなど、新しいスマートバンドからのデータ収集を開始すべきであると決定してもよい。さらに別の実施形態では、エキスパート・システムは、システムがエキスパート・システムによって使用されるモデルの重み/バイアスを調整すべきであると決定してもよい。さらに別の実施形態では、エキスパート・システムは、システムが十分に活用されていない機器を除去/再タスク化すべきであると判断してもよい。例えば、医薬品処理プラントで液体を吹き飛ばすポンプと協働する複数の撹拌機を、プラントの運転中にエキスパート・システムが監視してもよい。エキスパートシステムは、撹拌機を用いたプラントの運転から得られたデータを用いて反復することにより、1つまたは複数の撹拌機を使用停止にしても、ある状態が達成されることを予測することができる。
実施形態では、産業環境におけるデータ収集のための監視システムは、コントローラを有するデータコレクタに通信可能に結合された、本明細書に記載されているいずれかのものなどの複数の入力センサを含んでもよい。監視システムは、出力データを処理するために複数のセンサの少なくとも1つのサブセットを決定するように構成されたデータ収集バンド回路を含んでもよい。また、本機は、複数のセンサーのうちの少なくとも1つのサブセットから出力データを受信し、状態を示す受信した出力データのパターンをリーミングするように構成された機械学習データ分析回路を含んでもよい。いくつかの実施形態では、データ収集帯域回路は、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサの少なくとも1つのサブセット、またはその側面を変更してもよい。特定の実施形態では、機械学習データ分析回路は、データパターンの学習を可能にするモデルをシードする。モデルは、物理モデル、運用モデル、システムモデルなどであってもよい。他の実施形態では、機械学習データ解析回路は、ディープラーニングのために構造化されており、入力データはシードなしまたは最小限のシードで回路に供給され、機械学習データ解析回路は出力フィードバックに基づいてリーミングを行っている。例えば、ポリマーを製造する化学処理プラントでは、重合反応を促進するためにスタティックミキサーを使用することができる。スタティックミキサーは、その動作において、乱流または層流を採用することができる。スタティックミキサーの動作中に取得した熱伝導、ミキサーからの流出速度、レイノルズ数、圧力損失などの最小限のデータをエキスパートシステムに入力し、初期のフィードバック(ポリマーの粘度、ポリマーの色、ポリマーの反応性など)に基づいて予測に向けて反復してもよい。
エキスパートシステムによるスマートバンドの管理には、複数の目標/ガイドラインのバランスがあるかもしれない。例えば、修理・メンテナンス組織(RMO)は、製油所の貯蔵タンクのメンテナンスのために設計された動作パラメータを持っているかもしれないが、一方で、製油所の所有者は、生産目標を満たすために設計された貯蔵タンクの特定の動作パラメータを持っているかもしれない。これらの目標(この例では、メンテナンス目標または生産出力に関連する)は、異なるデータ収集バンドによって追跡されてもよい。例えば、貯蔵タンクのメンテナンスは、振動変換器およびひずみゲージを含むセンサによって追跡されてもよく、一方、貯蔵タンクの生産目標は、温度センサおよび流量計を含むセンサによって追跡されてもよい。エキスパートシステムは、(任意で、ニューラルネット、機械学習システム、深層学習システムなどを使用して、1人以上のスーパーバイザー(人間または自動化された)による監督の下で発生する可能性がある)異なる目標に整合したバンドをインテリジェントに管理し、例えば、1つの目標への偏りや、追跡されているすべての目標とのより良い整合を可能にするための妥協などの要因に基づいて、重み、パラメータ修正、または推奨を割り当てることができる。エキスパートシステムに配信された目標間の妥協は、適用可能な目標の1つ以上の階層または規則(権限、役割、重要性などに関する)に基づいていてもよい。実施形態では、目標間の妥協は、ニューラルネット、深層学習システム、または本開示全体で説明されるような他の人工知能システムなどの機械学習を使用して最適化されてもよい。ある例示的な例では、ガス動力攪拌機が動作している化学処理プラントにおいて、エキスパートシステムは、ガス動力攪拌機の動作状態を検出することに向けられたもの、生産目標を達成する確率を特定することに向けられたもの、ガス動力攪拌機の動作が燃料効率目標を満たしているかどうかを判断することに向けられたものなど、複数のスマートバンドを管理してもよい。これらのスマートバンドのそれぞれには、異なるセンサーまたは異なるセンサーからのデータ(例えば、動作状態を示す振動変換器、生産目標を示す流量計、および燃料効率を示す燃料計)が搭載されており、その出力データは特定の目標の側面を示している。単一のセンサまたはセンサのセットが複数の目標に役立つ場合、スマートバンドプラットフォーム10722によって管理されるように、重複するスマートバンド(共通するいくつかのセンサと共通しない他のセンサを有する)がそのセンサまたはセンサのセットから入力を取ることができる。データに制約がある場合の収集(電力制限、ストレージ制限、帯域幅制限、入出力処理能力などによる)を優先することをルールで示し、その目標に関連するスマートバンドのデータ収集が維持され、他の目標は一時停止またはシャットダウンされるようにしてもよい。目標の優先順位付けの管理は、階層的に行われてもよいし、機械学習によって行われてもよい。エキスパートシステムは、取得した現在のデータをもとに、予測された状態(すなわち、目標を達成すること)に向けて反復する際に、モデルをシードしてもよいし、まったくシードしなくてもよい。この例では、ガス駆動の撹拌機の運転中に、工場のオーナーがシステムを燃料効率の良い方に偏らせることを決めるかもしれない。しかし、エキスパート・システムが反復して、システムが特定の目標を達成しない、または達成していないことを予測し、目標を達成する可能性を高めるための推奨される変更を提示すると、プラント・オーナーは、燃料効率に影響を与えるパラメータに対する推奨される変更が他の推奨される変更を優先して行われるように、燃料効率にバイアスをかけてシステムを構成することができる。
実施形態では、エキスパートシステムは、複数のスマートバンドでシードされた後に、1つ以上の目標を満たすことを最適化する単一のスマートバンドに到達するために、ディープリーミング方式で反復を続けることができる。例えば、化学処理プラントや食品処理プラントの熱加熱システムについて、熱効率や経済効率などの複数の目標が追跡される場合がある。熱効率は、使用する燃料の量と質を知ることで得られるシステムに投入されるBTUと、システムからの流出量とシステムに出入りする物質の温度差を用いて計算されるシステムからの流出BTUを比較することで表される。熱暖房システムの経済効率は、一定期間にシステムを稼働させるためのコスト(燃料、労働力、材料、サービスなど)とシステムから出力されるエネルギーとの比で表されることがある。熱効率を追跡するために使用されるデータは、流量計、品質データポイント(複数可)、および温度計からのデータを含んでもよく、経済効率を追跡するために使用されるデータは、システムからのエネルギー出力(例えば、kWh)およびコストデータであってもよい。これらのデータは、エキスパートシステムが状態を予測するためにスマートバンドで使用してもよいが、エキスパートシステムは、熱効率と経済効率の両方に関連する状態を予測するように最適化されたスマートバンドに向けて反復してもよい。新しいスマートバンドは、個々のスマートバンドで以前に使用されたデータを含んでもよいが、異なるセンサまたはデータソースからの新しいデータを使用してもよい。実施形態では、エキスパート・システムは、複数のスマート・バンドをシードし、様々な状態を予測するために反復するが、同じセットの状態を予測するために必要なスマート・バンドの数を減らすために反復することもできる。
エキスパートシステムの反復は、いくつかの実施形態では、規則によって支配されてもよい。例えば、エキスパートシステムは、事前に決定された頻度でシーディングのためのデータを収集するように構成されてもよい。エキスパート・システムは、新しいコンポーネント/機器/燃料源が追加されたとき、センサがオフラインになったとき、または標準的な慣行として、少なくとも何回か反復するように構成されてもよい。例えば、食品加工ラインの撹拌機の回転を測定するセンサーがオフラインになり、エキスパート・システムが同じデータポイントを測定する新しいセンサーからデータの取得を開始した場合、エキスパート・システムは、その状態が下流のアクションに利用されたり、影響を与えたりする前に、何度も反復するように構成されていてもよい。エキスパート・システムは、オフラインでトレーニングを行うか、または「/」/オンラインでトレーニングを行うように構成されていてもよい。エキスパートシステムは、そのスマートバンドに静的および/または手動で入力されたデータを含むように構成されてもよい。例えば、食品加工工場のミキサーに関連するスマートバンドを管理するエキスパートシステムは、処理される食品が特定の粘度を達成するまでの混合時間を予測するために反復するように構造化されていてもよく、スマートバンドは、ミキサーの速度、その内容物の温度、粘度測定、および食品の粘度と温度の必要な終点に関するデータを含む。エキスパートシステムは、最小/最大の数の変数を含むように構成されていてもよい。
実施形態では、エキスパート・システムを覆してもよい。実施形態では、エキスパートシステムは、エキスパートシステムが故障した場合、例えば、ニューラルネットエキスパートシステムにおいてニューラルネットワークが故障した場合、モデルベースのシステムにおいて不確実性が高すぎる場合、ルールベースのシステムにおいてシステムが矛盾するルールを解決できない場合、または前記のいずれかにおいてシステムが解決策に収束できない場合などに、以前のバンドの設定に戻すことができる。例えば、スマートバンドのエキスパートシステムが使用している灌漑システムのセンサーデータは、畑に大量の水漏れがあることを示しているが、ドローンなどによる目視検査ではそのような水漏れがないことを示している場合がある。この場合、エキスパートシステムは、エキスパートシステムをシードするために元のスマートバンドに戻す。別の例では、工業用圧力鍋の1つまたは複数のポイントセンサーがシールの切迫した故障を示しているが、エキスパートシステムが性能指標に重み付けをして収束させたデータ収集バンドでは故障を特定できなかった。この場合、スマートバンドは、元の設定、または圧力鍋の差し迫った故障も識別できたであろうスマートバンドのバージョンに戻る。シールを貼ることができる。実施形態では、エキスパート・システムは、システムを異なるオフセット・システムに近づけるような新しいコンポーネントが追加された場合に、スマート・バンドの設定を変更することができる。例えば、ナフタレンを蒸留するために石油・ガス精製所に真空蒸留装置が追加されたが、エキスパート・システムの現在のスマート・バンド設定は、灯油を蒸留する精製所に由来するものとなっている。この例では、さまざまなオフセットシステムのスマートバンド設定を持つデータ構造を検索して、現在のシステムにより近いシステムを探すことができる。新しいオフセットシステムが、ナフタレンも蒸留するものなど、より密接に一致するものとして識別されると、新しいスマートバンド設定(例えば、どのセンサを使用するか、どこに配置するか、どのくらいの頻度でサンプリングするか、どのような静的データポイントが必要かなど、本明細書に記載されている)が、システムの状態を予測するために反復するエキスパートシステムの種として使用される。実施形態では、エキスパートシステムは、サードパーティのライブラリから新しいオフセットデータのセットが利用可能になった場合に、スマートバンドの設定を変更することができる。例えば、製薬工場では、高効率で動作するように触媒反応器を最適化し、そのスマートバンド設定をデータ構造に保存している場合がある。データ構造は、触媒反応の監視に役立つ新しいスマートバンドを継続的にスキャンすることで、反応器の動作を最適化することができる。
実施形態では、エキスパート・システムは、未知の変数を明らかにするために使用されてもよい。例えば、エキスパートシステムは、更なるニューラルネットの反復など、更なる反復に使用するための不足変数を特定するために反復してもよい。例えば、発電所のレガシー復水・補水システムにある利用されていないタンクは、アクセスできず、タンクに関する文書も存在しないため、容量が不明である可能性がある。タンクの様々な側面をセンサー群で測定し、推定容量(下流の空間への流入量や、染料でトレースした溶液がシステムを通過する時間など)を算出し、その容量をスマートバンドの新たな変数としてニューラルネットに入力することができる。
実施形態では、エキスパートシステムのノードの位置は、マシン上、データコレクタ(またはそれらのグループ)上、ネットワークインフラストラクチャ(エンタープライズまたはその他)、またはクラウド上であってもよい。実施形態では、ノード(例えば、マシン、データコレクタ、ネットワーク、クラウド)全体に分散したニューロンがあってもよい。
一態様では、産業環境におけるデータ収集のための監視システム10700であって、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するための複数のセンサ10702のうちの少なくとも1つに対する少なくとも1つの収集パラメータを決定するように構造化されたデータ収集バンド回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターン10718を学習するように構造化された機械学習データ分析回路10712とを備える。データ収集帯域回路10708は、学習された受信された出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサに対する少なくとも1つの収集パラメータを変更する。状態は、環境内のマシンに関連する結果、環境内のマシンに関連する予想される結果、環境内のプロセスに関連する結果、環境内のプロセスに関連する予想される結果などに対応してもよい。収集パラメータは、帯域幅パラメータであってもよく、複数の入力センサの多重化を制御するために使用されてもよく、タイミングパラメータであってもよく、周波数範囲に関するものであってもよく、センサデータの収集の粒度に関するものであってもよく、収集されたデータの記憶パラメータである。機械学習データ分析回路は、物理モデル、運用モデル、またはシステムモデルであるモデル10720でシードされることによって、受信した出力データパターン10718をリーミングする構造であってもよい。機械学習データ解析回路は、状態に基づいて受信した出力データパターン10718をリーミングする構造になっていてもよい。データ収集帯域回路は、学習された受信出力データパターンが状態を確実に予測しない場合に、複数のセンサのサブセットを変更してもよく、これは、少なくとも1つのサブセットからのデータの収集を中止することを含んでもよい。
監視システム10700は、決定された状態に基づいて、環境内の機器のアイテムの動作パラメータを維持または修正してもよい。コントローラ10706は、学習した受信出力データパターン10718または状態に基づいて、機械学習データ分析回路10712の重み付けを調整してもよい。コントローラ10706は、学習した受信出力データパターン10718または状態に基づいて、複数のセンサ10702の少なくとも1つのサブセットの1つまたは複数のメンバーから、より多く/より少なくデータポイントを収集してもよい。コントローラ10706は、学習された受信出力データパターン10718または状態に基づいて、出力データ10710のデータ記憶手法を変更してもよい。コントローラ10706は、学習した受信出力データパターン10718または状態に基づいて、データ提示モードまたは態様を変更してもよい。コントローラ10706は、1つまたは複数のフィルタを出力データ10710に適用してもよい。コントローラ10706は、学習した受信出力データパターン10718および状態のうちの1つまたは複数に基づいて、新しいデータ収集帯域回路10708を特定してもよい。コントローラ10706は、学習した受信出力データパターンに応じてなど、機械学習データ分析回路10712の重み/バイアスを調整してもよい。学習した受信出力データパターン10718、機械学習データ解析回路による予想される状態の予測の精度に応じて、機械学習データ解析回路による状態の分類の精度に応じて、などである。監視装置10700は、学習した受信出力データパターン10718と状態の1つ以上に基づいて、稼働率の低い機器を削除したり、再タスク化したりしてもよい。機械学習データ解析回路10712は、ニューラルネットワークエキスパートシステムを含んでいてもよい。複数のセンサの少なくとも1つのサブセットは、振動および騒音データを測定する。機械学習データ分析回路10712は、1つ以上の目標/指針との進捗/整合を示す受信出力データパターン10718をリーミングするように構成されていてもよく、各目標/指針の進捗/整合は、複数のセンサの異なるサブセットによって決定されてもよい。機械学習データ分析回路10712は、未知の変数を示す受信した出力データパターン10718をリーミングする構造になっていてもよい。機械学習データ解析回路10712は、利用可能な入力のうち好ましい入力を示す受信した出力データパターン10718をリーミングする構造になっていてもよい。機械学習データ解析回路10712は、利用可能な入力データ収集バンドのうち、好ましい入力データ収集バンドを示す受信出力データパターン10718をリーミングする構造であってもよい。機械学習データ分析回路10712は、一部がマシン上、1つ以上のデータ収集器上、ネットワークインフラ上、クラウド上、またはそれらの任意の組み合わせで配置されてもよい。
実施形態では、産業環境におけるデータ収集のための監視装置は、コントローラ10706に通信可能に結合された複数の入力センサ10702を含み、コントローラ10706は、出力データ10710を処理するための複数のセンサ10702の少なくとも1つのサブセットを決定するように構造化されたデータ収集バンド回路10708と、複数のセンサ10702の少なくとも1つのサブセットから出力データを受信し、状態を示す受信した出力データパターン10718をリーミングするように構造化された機械学習データ分析回路10712とを含む。と、複数のセンサ10702の少なくとも1つのサブセットから出力データを受信し、状態を示す受信された出力データパターン10718を学習するように構造化された機械学習データ分析回路10712とを含み、データ収集帯域回路10708は、学習された受信された出力データパターン10718および状態のうちの1つまたは複数に基づいて、複数のセンサ10702の少なくとも1つのサブセットのアスペクトを変更する。データ収集帯域回路10708が変更する態様は、複数のセンサ10702の少なくとも1つのサブセットの1つ以上のメンバーから収集するデータポイントの数または頻度である。データ収集帯域回路10708が変更する態様は、帯域幅パラメータ、タイミングパラメータ、周波数範囲、センサデータの収集の粒度、収集データの保存パラメータなどである。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するための複数のセンサ10702のうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構造化されたデータ収集バンド回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターンを学習するように構造化された機械学習データ分析回路10712とを含むことができる。データ収集帯域回路10708が、学習された受信された出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサに対する少なくとも1つの収集パラメータを変更し、学習された受信された出力データパターン10718が状態を確実に予測しない場合に、データ収集帯域回路10708が複数のセンサ10702のうちの少なくとも1つのセンサを変更する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するために複数のセンサ10702のうちの少なくとも1つに対する少なくとも1つの収集パラメータを決定するように構造化されたデータ収集バンド回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターン10718を学習するように構造化された機械学習データ分析回路10712とを含むことができる。データ収集帯域回路10708が、学習された受信された出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つの収集パラメータを変更し、データコレクタ10704が、学習された受信された出力データパターン10718または状態に基づいて、複数のセンサ10702のうちの少なくとも1つからより多くまたはより少ないデータポイントを収集する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するために複数のセンサ10702のうちの少なくとも1つの収集パラメータを決定するように構造化されたデータ収集帯域回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データ10710のパターンを抽出するように構造化された機械学習データ分析回路10712とを含むことができる。と、複数のセンサのうちの少なくとも1つのセンサ10702から出力データ10710を受信し、状態を示す受信出力データ10710パターンを学習するように構造化された機械学習データ分析回路10712とを有し、データ収集帯域回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更し、コントローラ10706は、学習された受信出力データパターン10718または状態に基づいて、出力データ10710のためのデータ保存技術を変更する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するための複数のセンサ10702のうちの少なくとも1つの収集パラメータを決定するように構造化されたデータ収集帯域回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターン10718を抽出するように構造化された機械学習データ分析回路10712とを含むことができる。と、複数のセンサのうちの少なくとも1つのセンサ10702から出力データ10710を受信し、状態を示す受信した出力データパターン10718を学習するように構造化された機械学習データ分析回路10712とを有し、データ収集帯域回路10708は、学習した受信した出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのセンサ10702に対する少なくとも1つの収集パラメータを変更し、コントローラ10706は、学習した受信した出力データパターン10718または状態に基づいて、データ提示モードまたは態様を変更する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するために複数のセンサ10702のうちの少なくとも1つの収集パラメータを決定するように構造化されたデータ収集帯域回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターン10718を抽出するように構造化された機械学習データ分析回路10712とを含むことができる。と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターン10718を学習するように構造化された機械学習データ分析回路10712と、を有し、データ収集帯域回路10708は、学習した受信した出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つの収集パラメータを変更し、コントローラ10706は、学習した受信した出力データパターン10718および状態のうちの1つ以上に基づいて、新しいデータ収集帯域回路10708を識別することを特徴とする。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するために、複数のセンサ10702のうちの少なくとも1つの収集パラメータを決定するように構造化されたデータ収集帯域回路10708と、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信した出力データパターン10718を学習するように構造化された機械学習データ分析回路10712とを含むことができる。と、複数のセンサのうちの少なくとも1つのセンサ10702から出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構造化された機械学習データ分析回路10712とを備え、データ収集帯域回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのセンサ10702に対する少なくとも1つの収集パラメータを変更し、コントローラ10706は、機械学習データ分析回路10712の重み/偏りを調整する、というものである。調整は、学習した受信出力データパターンに応じて、機械学習データ解析回路による予想される状態の予測の精度に応じて、機械学習データ解析回路による状態の分類の精度に応じて、などであってもよい。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信可能に結合された複数の入力センサ10702と、出力データ10710を処理するための複数のセンサ10702のうちの少なくとも1つの収集パラメータを決定するように構造化されたデータ収集帯域回路10708と、機械学習データ分析回路10712とを含むことができる。この機械学習データ分析回路は、複数のセンサ10702のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信された出力データパターン10718を学習するように構造化されており、データ収集帯域回路10708は、学習された受信された出力データパターン10718および状態のうちの1つまたは複数に基づいて、複数のセンサ10702のうちの少なくとも1つの収集パラメータを変更し、機械学習データ分析回路10712は、1つまたは複数の目標またはガイドラインとの進歩または整合を示す受信された出力データパターン10718をリーミングするように構造化されている。
(1)実施形態では、産業環境におけるデータ収集のための監視システムであって、以下を備える。コントローラを有するデータコレクタに通信可能に結合された複数の入力センサと、出力データを処理する複数のセンサのうちの少なくとも1つに対する少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路と、複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路と、を備え、データ収集帯域回路は、学習した受信した出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つに対する少なくとも1つの収集パラメータを変更する。(2)前記状態は、前記環境における機械に関連する結果に対応する、(1)項に記載のシステム。(3)前記状態は、前記環境内の機械に関連する予想される結果に対応する、(1)項に記載のシステム。(4)前記状態は、前記環境におけるプロセスに関する結果に対応していることを特徴とする(1)項に記載のシステム。(5)前記状態は、前記環境におけるプロセスに関する予想される結果に対応する、(1)項に記載のシステム。(6)前記収集パラメータは、帯域幅パラメータであることを特徴とする(1)項に記載のシステム。(7)前記収集パラメータは、前記複数の入力センサの多重化を制御するために使用されることを特徴とする(1)項に記載のシステム。(8)前記収集パラメータは、タイミングパラメータであることを特徴とする(1)項に記載のシステム。(9)前記収集パラメータは、周波数範囲に関するものであることを特徴とする(1)項に記載のシステム。(10)収集パラメータは,センサデータの収集の粒度に関するものであることを特徴とする(1)項に記載のシステム。(11)前記収集パラメータは、前記収集されたデータの保存パラメータであることを特徴とする(1)項に記載のシステム。(12)前記機械学習データ解析回路は、モデルをシードして受信した出力データパターンをリーミングするように構成されていることを特徴とする(1)項に記載のシステム。(13)前記モデルは、物理モデル、運用モデル、またはシステムモデルであることを特徴とする(12)項に記載のシステム。(14)前記機械学習データ分析回路は、前記状態に基づいて受信した出力データパターンをリーミングするように構成されている、(1)項に記載のシステム。(15)前記データ収集帯域回路は、前記学習された受信出力データパターンが前記状態を確実に予測しない場合に、前記複数のセンサのサブセットを変更する、(1)項に記載のシステム。(16)少なくとも1つのサブセットを変更することは、少なくとも1つのサブセットからのデータの収集を中止することを含む、(15)項に記載のシステム。(17)前記監視システムは、前記決定された状態に基づいて、前記環境内の機器の動作パラメータを維持または変更することを特徴とする(1)項に記載のシステム。(18)前記コントローラは、学習された受信出力データパターンまたは前記状態に基づいて、前記機械学習データ分析回路の重み付けを調整する、(1)項に記載のシステム。(19)前記コントローラは、前記学習された受信出力パターンまたは前記状態に基づいて、前記複数のセンサの少なくとも1つのサブセットの1つまたは複数のメンバーから、より多くのまたはより少ないデータポイントを収集する(1)項に記載のシステム。(20)前記コントローラは、前記学習された受信出力データパターンまたは前記状態に基づいて、前記出力データのデータ記憶手法を変更する、(1)項に記載のシステム。(21)前記コントローラは、学習された受信出力データパターンまたは前記状態に基づいて、データ提示モードまたは態様を変更する、(1)項に記載のシステム。(22)前記コントローラは、前記出力データに1つまたは複数のフィルタを適用することを特徴とする、(1)項に記載のシステム。(23)コントローラは、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、新しいデータ収集バンド回路を識別する、(1)項に記載のシステム。(24)前記コントローラは、前記機械学習データ分析の重み/バイアスを調整する、(1)項に記載のシステム。回路を使用している。(25)前記調整は、学習された受信出力データパターンに応じて行われる、(24)項に記載のシステム。(26)前記調整は、前記機械学習データ分析回路による予想される状態の予測の精度に応じて行われる、(24)項に記載のシステム。(27)前記調整は、前記機械学習データ分析回路による状態の分類の精度に応じて行われる、(24)項に記載のシステム。(28)(1)項に記載のシステムであって、監視装置は、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、十分に活用されていない機器を除去/再作業する、システム。(29)前記機械学習データ分析回路は、ニューラルネットワークエキスパートシステムを含む、(1)項に記載のシステム。(30)前記複数のセンサの少なくとも1つのサブセットは、振動および騒音データを測定する、(1)項に記載のシステム。(31)前記機械学習データ分析回路は、1つ以上の目標/ガイドラインとの進捗状況/整合性を示す受信出力データパターンを学習するように構成されている、(1)項に記載のシステム。(32)各目標/ガイドラインの進捗状況/整合性は、複数のセンサの異なるサブセットによって決定される、(31)項に記載のシステム。(33)前記機械学習データ分析回路は、未知の変数を示す受信した出力データパターンを学習するように構成されている、(1)項に記載のシステム。(34)機械学習データ分析回路が、利用可能な入力のうち好ましい入力を示す受信した出力データパターンを学習するように構成されている、(1)項に記載のシステム。(35)前記機械学習データ分析回路は、利用可能な入力データ収集帯域のうち、好ましい入力データ収集帯域を示す受信出力データパターンをリーミングするように構成されている、(1)項に記載のシステム。(36)機械学習データ分析回路が、部分的にマシン上、1つ以上のデータ収集器上、ネットワークインフラストラクチャ内、クラウド内、またはそれらの任意の組み合わせで配置されている、(1)項に記載のシステム。(37)産業環境におけるデータ収集のための監視装置であって、コントローラに通信可能に結合された複数の入力センサであって、コントローラは、出力データを処理する複数のセンサの少なくとも1つのサブセットを決定するように構成されたデータ収集帯域回路と、複数のセンサの少なくとも1つのサブセットから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路と、を備え、データ収集帯域回路は、学習した受信した出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサの少なくとも1つのサブセットのアスペクトを変更する。(38)データ収集バンド回路が変更するアスペクトは、複数のセンサの少なくとも1つのサブセットの1つまたは複数のメンバーから収集されたデータポイントの数である、(37)項に記載のシステム。(39)前記データ収集バンド回路が変更する態様は、前記複数のセンサの少なくとも1つのサブセットの1つまたは複数のメンバーから収集されるデータポイントの頻度である、(37)項に記載のシステム。(40)前記データ収集帯域回路が変更する態様は、帯域幅パラメータであることを特徴とする(37)項に記載のシステム。(41)前記データ収集帯域回路が変更する態様は、タイミング・パラメータであることを特徴とする(37)項に記載のシステム。(42)前記データ収集バンド回路が変更する局面は、周波数範囲に関するものであることを特徴とする第37項に記載のシステム。43.データ収集バンド回路が変更する局面は、センサデータの収集の粒度に関するものである、(37)項に記載のシステム。(44)前記収集パラメータは、前記収集データの保存パラメータであることを特徴とする(37)項に記載のシステム。(45)産業環境におけるデータ収集のための監視システムであって、以下を含む。コントローラを有するデータコレクタに通信可能に結合された複数の入力センサと、出力データを処理するために前記複数のセンサのうちの少なくとも1つのセンサについて少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路と複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ分析回路と、データ収集帯域回路が、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つの収集パラメータを変更し、学習された受信出力データパターンが状態を確実に予測しない場合に、データ収集帯域回路が複数のセンサのうちの少なくとも1つを変更することを特徴とする。(46)産業環境におけるデータ収集のための監視システムであって、以下のものを備える。コントローラを有するデータ収集装置に通信可能に結合された複数の入力センサと,出力データを処理するために前記複数のセンサのうちの少なくとも1つのセンサについて少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路と前記複数のセンサーのうちの少なくとも1つから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ分析回路であって、前記データ収集帯域回路は、前記学習された受信出力データパターンおよび前記状態のうちの1つ以上に基づいて、前記複数のセンサーのうちの少なくとも1つの収集パラメータを変更し、前記データ収集装置は、前記学習された受信出力データパターンまたは前記状態に基づいて、前記複数のセンサーのうちの少なくとも1つからより多くのまたはより少ないデータポイントを収集する、機械学習データ分析回路とを備える。(47)産業環境におけるデータ収集のための監視システムであって、コントローラを有するデータコレクタに通信可能に結合された複数の入力センサと、処理を行うべき複数のセンサのうちの少なくとも1つについての少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路と、を備え、出力データと、複数のセンサーのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路とを備え、データ収集帯域回路は、学習した受信した出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサーのうちの少なくとも1つのセンサーのための少なくとも1つの収集パラメータを変更し、コントローラは、学習した受信した出力データパターンまたは状態に基づいて、出力データのためのデータストレージ技術を変更する。(48)産業環境におけるデータ収集のための監視システムであって、以下を含む。コントローラを有するデータ収集装置に通信可能に結合された複数の入力センサと、出力データを処理するために、複数のセンサのうちの少なくとも1つのセンサについて、少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路と前記複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ分析回路であって、前記データ収集帯域回路が、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、前記複数のセンサのうちの少なくとも1つの収集パラメータを変更し、前記コントローラが、学習された受信出力データパターンまたは状態に基づいて、データ提示モードまたは態様を変更する、機械学習データ分析回路とを備える。(49)産業環境におけるデータ収集のための監視システムであって,以下のものを含む。コントローラを有するデータ収集装置に通信可能に結合された複数の入力センサと、出力データを処理するために、複数のセンサのうちの少なくとも1つのセンサについて、少な
くとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路と複数のセンサーのうちの少なくとも1つから出力データを受信し、状態を示す受信出力データパターンを学習するように構造化された機械学習データ分析回路と、データ収集帯域回路が、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサーのうちの少なくとも1つの収集パラメータを変更し、コントローラが、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、新しいデータ収集帯域回路を識別することを特徴とする。(50)産業環境におけるデータ収集のための監視システムであって、以下を含む。コントローラを有するデータコレクタに通信可能に結合された複数の入力センサと、出力データを処理するために、複数のセンサのうちの少なくとも1つのセンサに対する少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路と前記複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路であって、前記データ収集帯域回路は、前記学習した受信した出力データパターンおよび前記状態のうちの1つ以上に基づいて、前記複数のセンサのうちの少なくとも1つの収集パラメータを変更し、前記コントローラは、前記機械学習データ分析回路の重み/バイアスを調整する、機械学習データ分析回路とを備える。(51)前記調整は、前記学習された受信出力データパターンに応答して行われる、(50)に記載のシステム。(52)前記調整は、前記機械学習データ分析回路による予想される状態の予測の精度に応じて行われる、(50)項に記載のシステム。(53)前記調整は、前記機械学習データ分析回路による状態の分類の精度に応じて行われる、(50)項に記載のシステム。(54)産業環境におけるデータ収集のための監視システムであって、以下を含む。コントローラを有するデータ収集装置に通信可能に結合された複数の入力センサと、出力データを処理するために前記複数のセンサのうちの少なくとも1つのセンサについて少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路と前記複数のセンサーのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路と、前記データ収集帯域回路が、学習した受信した出力データパターンおよび状態のうちの1つ以上に基づいて、前記複数のセンサーのうちの少なくとも1つの収集パラメータを変更し、前記機械学習データ分析回路が、1つ以上の目標またはガイドラインとの進捗状況または整合性を示す受信した出力データパターンを学習するように構成されていることを特徴とする。
くとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路と複数のセンサーのうちの少なくとも1つから出力データを受信し、状態を示す受信出力データパターンを学習するように構造化された機械学習データ分析回路と、データ収集帯域回路が、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサーのうちの少なくとも1つの収集パラメータを変更し、コントローラが、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、新しいデータ収集帯域回路を識別することを特徴とする。(50)産業環境におけるデータ収集のための監視システムであって、以下を含む。コントローラを有するデータコレクタに通信可能に結合された複数の入力センサと、出力データを処理するために、複数のセンサのうちの少なくとも1つのセンサに対する少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路と前記複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路であって、前記データ収集帯域回路は、前記学習した受信した出力データパターンおよび前記状態のうちの1つ以上に基づいて、前記複数のセンサのうちの少なくとも1つの収集パラメータを変更し、前記コントローラは、前記機械学習データ分析回路の重み/バイアスを調整する、機械学習データ分析回路とを備える。(51)前記調整は、前記学習された受信出力データパターンに応答して行われる、(50)に記載のシステム。(52)前記調整は、前記機械学習データ分析回路による予想される状態の予測の精度に応じて行われる、(50)項に記載のシステム。(53)前記調整は、前記機械学習データ分析回路による状態の分類の精度に応じて行われる、(50)項に記載のシステム。(54)産業環境におけるデータ収集のための監視システムであって、以下を含む。コントローラを有するデータ収集装置に通信可能に結合された複数の入力センサと、出力データを処理するために前記複数のセンサのうちの少なくとも1つのセンサについて少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路と前記複数のセンサーのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路と、前記データ収集帯域回路が、学習した受信した出力データパターンおよび状態のうちの1つ以上に基づいて、前記複数のセンサーのうちの少なくとも1つの収集パラメータを変更し、前記機械学習データ分析回路が、1つ以上の目標またはガイドラインとの進捗状況または整合性を示す受信した出力データパターンを学習するように構成されていることを特徴とする。
本明細書の他の箇所で説明したように、産業環境におけるエキスパートシステムは、環境または環境内のアイテムの結果または状態に関する予測を行うためにセンサデータを使用してもよい。データ収集は、イベント検出、状態検出などのための様々なタイプのデータ(例えば、振動データ、ノイズデータ、および本開示全体で説明されるタイプの他のセンサデータ)であってもよい。例えば、エキスパートシステムは、イベントまたは状態を検出または予測する際に、周囲の騒音、またはエリアの全体的な音環境および/または対象デバイスの全体的な振動を、任意に他のセンサデータと組み合わせて利用してもよい。例えば、製油所のレシプロコンプレッサーは、それ自体の振動を発生させる可能性があるが、システムの他の側面との接触を通じて周囲の振動を持つこともある。
実施形態では、その様々なサブセットや他のタイプのデータとの組み合わせを含む3種類の騒音(周囲の騒音、局所的な騒音、および振動騒音)のすべてが、測定結果とともに大規模なデータセットに整理され、1つまたは複数の状態(例えば、以下)を予測することをリーミングする「深層学習」マシン/専門家システムによって処理されることがある。メンテナンス、故障、または運用、または全体的な結果を、人間の監督からの学習、または本開示および本明細書に参照として組み込まれている文書全体に記載されている1つ以上のシステムからのフィードバックなどの他のフィードバックから学習するなどして得ることができる。
本開示を通して、様々な例は、機械、コンポーネント、機器、アセンブリなどを含むことになり、本開示は、前述のいずれにも適用され得ることを理解すべきである。産業環境で動作するこれらの機械の要素(例えば、回転要素、往復要素、スイング要素、屈曲要素、流動要素、懸垂要素、浮遊要素、跳ね返り要素、軸受要素など)は、要素が所定の動作状態または状態(例えば、所定の速度で、所定のギアでの機械の通常の動作モードなど)にあるときに、その要素に典型的な特定の周波数および/または振幅である振動を生成することがある。振動のパラメータの変化は、機械の状態や結果を示したり、予測したりすることができる。振動の測定には、加速度計、速度変換器、画像センサ、音響センサ、変位プローブなど、さまざまなセンサが有用であり、これらを総称して振動センサと呼ぶことがある。振動センサーは、機械に恒久的または一時的に取り付けたり(接着剤、フックアンドループ、または磁気アタッチメントなど)、移動式またはポータブルのデータ収集装置に配置したりすることができる。検知された状態を過去のデータと比較し、状態や結果を特定または予測することができる。振動解析を用いて特定できる典型的な故障には以下のようなものがある。機械のバランス不良、機械のアライメント不良、共振、シャフトの曲がり、ギアメッシュの乱れ、ブレードパスの乱れ、ベーンパスの乱れ、再循環とキャビテーション、モータの故障(ロータとステータ)、ベアリングの故障、その他。また、過度の摩擦、クラッチの滑り、ベルトの問題、サスペンションや衝撃吸収の問題、バルブやその他の流体の漏れ、潤滑システムやその他の流体システムの圧力不足、過熱(上記の多くに起因する)、機械システムの係合部の閉塞や凍結、干渉の影響、および本開示および参照により組み込まれる文書に記載されているその他の障害なども含まれている。
機械は他の機械に隣接しているか、他の機械と協調して動作していることが多いため、機械の振動を測定することは、環境中の様々なノイズ成分の存在や、機械が受ける可能性のある関連する振動によって複雑になる可能性がある。実際、周囲の環境および/またはローカル環境は、既知の振動および/またはノイズパターンを持っている可能性がある。実施形態では、組み合わせ、振動データは、周囲の騒音や局所的なノイズ、その他の周囲の環境条件によって、独自のパターンを形成することがあるが、ここではさらに詳しく説明する。
実施形態では、振動騒音の測定は、機械上または機械内の1つまたは複数の振動センサを含み、連続的または周期的に発生する機械の振動騒音を測定することができる。振動ノイズの分析は、フィルタリング、信号調整、スペクトル分析、トレンド分析などのように、実行されてもよい。分析は、機器の特徴的な振動、振動パターン、または機械の「振動フィンガープリント」を得るために、機器の振動ノイズを分離するために、集合的または個々のセンサーの測定値に対して行われてもよい。振動フィンガープリントは、振動フィンガープリントのデータ構造、またはライブラリに格納されてもよい。振動フィンガープリントは、周波数、スペクトル(すなわち、周波数対振幅)、速度、ピーク位置、波のピーク形状、波形形状、波のエンベロープ形状、加速度、位相情報、位相シフト(複素位相測定を含む)などを含んでいてもよい。振動フィンガープリントは、検索やソートが可能なパラメータと関連付けてライブラリに保存されてもよい。パラメータには、機械/コンポーネント/装置のブランドや種類、センサーの取り付けや配置の位置、装置/機械の負荷サイクル、装置/機械の負荷分散、他の装置との動的な相互作用、RPM、流量、圧力、その他の振動駆動特性、ラインパワーの電圧、装置の年齢、動作時間、振動の種類などが含まれる。機器の年代、稼働時間、既知の隣接機器、関連する補助機器/コンポーネント、機器が設置されている空間の大きさ、機器のプラットフォームの材質、熱流束、磁界、電界、電流、電圧、静電容量、インダクタンス、製品の側面、およびその組み合わせ(例えば、以下のようなもの)。g.,これらの組み合わせ(単純な比率など)を示している。振動フィンガープリントは、通常の動作中の機械、または他の期間の動作(例えば、非正規の動作、故障、メンテナンスが必要、欠陥のあるコンポーネント、正しくない動作パラメータ、その他の条件など)について取得することができ、現在のデータと比較するためにライブラリに保存することができる。振動フィンガープリントのライブラリは、関連する予測、状態、結果、および/またはイベントを持つ指標として保存することができる。測定された振動フィンガープリントのトレンド分析データは、メンテナンスイベント/故障イベント間の時間を示すことができる。
実施形態では、振動ノイズは、良好な動作、生産率、生成率、動作効率、財務効率(例えば、コストあたりの出力)、電力効率などの機械の状態を確認するためにエキスパートシステムによって使用されてもよい。実施形態では、エキスパートシステムは、振動ノイズと保存された振動フィンガープリントとの比較を行ってもよい。他の実施形態では、エキスパートシステムは、他の状態や結果を予測することを学習するために、振動ノイズと状態や結果に関する初期フィードバックでシードされてもよい。例えば、センターピボット灌漑システムを、取り付けられた振動センサーで遠隔監視し、測定された振動ノイズを振動フィンガープリントのライブラリと比較して、システムが正常に動作していることを確認することができる。システムが正常に動作していない場合は、エキスパートシステムが自動的に現場作業員やドローンを派遣して調査を行っている。製油所の真空蒸留装置の別の例では、振動ノイズをエキスパートシステムなどがライブラリに保存された振動フィンガープリントと比較して、ディーゼルの生産量を確認することができる。さらに、エキスパート・システムに、通常の生産量のパイプラインの振動音を入力し、エキスパート・システムが現在のデータ(例えば、変更された振動音や、場合によっては他の変更されたパラメータ)を用いて反復することにより、変更によって生産量が増加したことを予測することができる。このように、測定値を継続的に分析して、動作をリモートで監視することができる。
実施形態では、振動ノイズは、エキスパートシステムなどによって、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代わりに、メンテナンスが必要な時期を予測するためにエキスパートシステムの種として使用されてもよい(例えば、本明細書に記載されているように、振動ノイズが、機器/コンポーネントがメンテナンスを必要としたときの状態と一致したとき、振動ノイズが閾値/限界を超えたとき、振動ノイズが閾値/限界を超えたとき、または1つ以上の追加パラメータとともにライブラリの振動フィンガープリントと一致したときなど、規格外の測定、信号のアーティファクトなど)を行うことができる。例えば、医薬品処理プラントのタービン撹拌機からの振動フィンガープリントが、タービン撹拌機がベアリングの交換を必要としたときの振動フィンガープリントと一致した場合、エキスパートシステムは、撹拌機を直ちにシャットダウンする、またはそのシャットダウンとメンテナンスをスケジューリングするなどのアクションを発生させることができる。
実施形態では、振動ノイズは、エキスパートシステムなどによって、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代わりに、故障または差し迫った故障を予測するためにエキスパートシステムの種として使用されてもよい。例えば、製薬工場のガス撹拌機からの振動ノイズは、撹拌機が以前に故障したか、または故障しそうな状態と一致する場合がある。この場合、エキスパート・システムは、直ちに撹拌機を停止させたり、停止を予定したり、バックアップの撹拌機を起動させたりすることができる。別の例では、化学処理プラントのポンプブラスト液撹拌装置からの振動ノイズが閾値または制限値を超えた場合、エキスパートシステムは過剰な振動ノイズの原因を調査し、撹拌装置を停止させるなどの措置を取ることができる。別の例では、製薬工場のアンカー撹拌機からの振動ノイズが、閾値や限界を超えたり、流量の減少や温度の上昇などの1つ以上の追加パラメータ(本明細書のパラメータを参照)と一緒にライブラリの振動フィンガープリントに一致することがある。パラメータと一緒に取得した振動ノイズを使用して、エキスパートシステムは、より確実に故障または差し迫った故障を予測することができる。
実施形態では、振動ノイズは、エキスパートシステムなどによって、ライブラリに格納された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代わりに、機器または機器に振動ノイズを寄与する外部ソースの問題(例えば、アンバランス、ミスアライメント、摩耗、または損傷)を予測または診断するためにエキスパートシステムの種として使用されてもよい。例えば、パドル式攪拌機の振動音が、過去のアンバランスによる振動指紋と一致した場合、エキスパートシステムは直ちに攪拌機を停止させることができる。
実施形態では、エキスパート・システムが振動ノイズを使用して結果または状態の予測を行う場合、エキスパート・システムは下流のアクションを実行するか、または実行させることができる。ダウンストリームアクションには、故障、切迫した故障、またはメンテナンスイベントのアラートをトリガすること、機器/コンポーネントをシャットダウンすること、メンテナンス/潤滑/アライメントを開始すること、現場技術者を配置すること、振動吸収/減衰デバイスを推奨すること、バックアップ機器/コンポーネントを利用するためにプロセスを変更すること、製品/反応物を保存するためにプロセスを変更すること、メンテナンススケジュールを生成/変更することなどが含まれる。振動フィンガープリントを、機器のデューティサイクル、RPM、流量、圧力、温度、その他の振動駆動特性と結合して、機器やコンポーネントの状態を取得し、レポートを作成する、などである。例えば、化学処理プラントの触媒反応器の振動音を、その触媒反応器がメンテナンスを必要としている状態と照合することができる。この予測されたメンテナンスが必要な状態に基づいて、エキスパート・システムは、メンテナンスを実行するためにフィールド・テクニシャンを配置してもよい。
実施形態では、変更されたパラメータが新たな振動フィンガープリントをもたらした場合、または緩和策がない場合に予測された結果または状態が発生しなかった場合に、ライブラリが更新されてもよい。実施形態では、振動フィンガープリントが、ライブラリによって予測されたものとは別の状態に関連付けられた場合に、ライブラリが更新されてもよい。更新は、実際に発生した状態がライブラリから予測された状態と一致しなかった1回だけの後に発生してもよい。他の実施形態では、それは閾値数の後に発生してもよい。回とする。実施形態では、ライブラリは、予測された結果を受け入れるために、振動指紋とともにいくつのパラメータを一致させるか、または一致のための標準偏差を支配する規則など、比較のための1つまたは複数の規則を適用するように更新されてもよい。
実施形態では、振動ノイズは、エキスパートシステムなどによって、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代わりに、機械の外部または内部のシステムパラメータの変化がその本質的な動作に影響を与えるかどうかを決定するために、エキスパートシステムの種として使用されてもよい。実施形態では、温度、流量、使用材料、使用期間、電源、設置、またはその他のパラメータ(上記のパラメータを参照)の1つ以上が変化すると、機械の振動フィンガープリントが変化することがある。例えば、化学処理プラントの圧力反応器では、流量や反応物が変更されることがある。このような変更により、機械の振動フィンガープリントが変化し、ライブラリに保存されている通常運転時の振動フィンガープリントが正しくなくなることがある。
アンビエントノイズ、またはエリアの全体的な音環境および/または対象デバイスの全体的な振動を、任意で他のアンビエントに感知された状態と組み合わせて、イベント、結果、または状態の検出または予測に使用することができる。アンビエントノイズは、マイク、超音波センサー、音響波センサー、光学振動センサー(例えば、ノイズを発生させる振動を見るためにカメラを使用する)、または、パターン、音の種類、ノイズの種類などを識別するために、大規模なデータセットを使用してリーミングする様々なセンサーアレイを含む「ディープラーニング」ニューラルネットワークによって測定されてもよい。一実施形態では、周囲の感知された状態は、動きの検出に関するものであってもよい。例えば、動きは、プラットフォームの動き(例えば、車両、石油プラットフォーム、陸上の吊り下げ式プラットフォームなど)または物体の動き(例えば、移動する機器、人、ロボット、部品(例えば、ファンブレードまたはタービンブレード)など)であってもよい。一実施形態では、周囲の感知された状態は、局所的な振動に影響を与える可能性のあるものなど、様々な機械、装置、および他の物体の位置および性質を検出するためなどに、イメージングによって感知されてもよい。一実施形態では、周囲の感知された状態は、熱検出およびイメージングによって感知されてもよい(例えば、人の存在、性能パラメータに影響を与える可能性のある熱源の存在など)。実施形態では、周囲の感知された状態は、フィールド検出(例えば、電気、磁気など)によって感知されてもよい。実施形態では、周囲の感知された状態は、化学的検出(例えば、煙、その他の状態)によって感知されてもよい。エキスパートシステムは、任意のセンサーデータを使用して、振動と一緒に分析するための周囲の感知された状態を提供してもよい。フィンガープリントは、結果、イベント、または状態を予測するために使用される。例えば、食品加工工場の撹拌機やミキサーの近くで感知された周囲の状態は、冬の間のスペースヒーターの動作であり、感知された周囲の状態には、周囲の騒音と周囲の温度が含まれることがある。
局所的なノイズとは、周囲にあるが局所的に発生していることが分かっているノイズや振動環境のことである。エキスパートシステムは、周囲のノイズをフィルタリングし、コモンモードノイズ除去を採用し、および/または検知環境を物理的に分離してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、結果、イベント、および状態の予測のために、周囲の騒音、局所的な騒音、および振動騒音を使用してもよい。ライブラリは、様々な状態(例えば、起動、シャットダウン、通常動作、本明細書の他の場所で説明されるような他の動作期間)のための3つのノイズタイプのそれぞれで生成されてもよい。他の実施形態では、ライブラリは、周囲の騒音、局所的な騒音、および/または振動騒音の集合体を表す騒音パターンで構成されていてもよい。分析(例えば、フィルタリング、信号調整、スペクトル分析、トレンド分析)は、特徴的なノイズパターンを取得し、ノイズパターンの変化を変化した状態の可能な指標として識別するために、集約されたノイズに対して実行されてもよい。パラメータ(本明細書のパラメータを参照)、または局所および周囲環境の他のパラメータ/特徴(例えば、会社の種類、産業の種類、製品、ロボットハンドリングユニットが存在する/存在しない、動作環境、流量、生産量、補助装置(例えば、フィルタ、シール、結合機械)のブランドまたはタイプ)によってソートすることができる確立された振動フィンガープリントおよび局所および周囲のノイズを用いて、ノイズパターンのライブラリを生成してもよい。ノイズパターンのライブラリは、機械学習能力を備えたエキスパートシステムなどによって、機械の状態の確認、メンテナンスが必要な時期の予測(例:規格外の測定値、信号のアーチファクト)、故障または差し迫った故障の予測、問題の予測/診断などに使用されることがある。
現在のノイズパターンに基づいて、ライブラリは、ノイズパターンに基づいて結果、イベント、または状態を予測するエキスパートシステムを参照または使用してもよい。予測に基づいて、エキスパート・システムは、故障、切迫した故障、または保守イベントの警告を発すること、装置/コンポーネント/ラインを停止すること、保守/潤滑/アライメントを開始すること、現場技術者を配備すること、振動吸収/減衰装置を推奨すること、バックアップ装置/コンポーネントを利用するようにプロセスを変更することのうちの1つ以上を行うことができる。製品/反応物などを保存するためのプロセスの変更、メンテナンススケジュールの生成/変更などを行っている。
例えば、製薬工場や調理システムにおける熱加熱システムのノイズパターンには、局所ノイズ、周囲ノイズ、および振動ノイズが含まれる場合がある。周囲騒音は、例えば、システムに燃料を送り込むための様々なポンプの結果であるかもしれない。ローカルノイズは、ローカルのセキュリティカメラが動きを検知するたびに鳴くことが原因かもしれない。振動騒音は、熱流体を加熱するために使用される燃焼機械から生じる可能性がある。これらのノイズ源は、熱システムの状態と関連するノイズパターンを形成することがある。ノイズパターンと関連する状態は、ライブラリに保存されることがある。熱暖房システムの状態を監視するために使用されるエキスパートシステムは、ライブラリからのノイズパターンおよび関連する状態でシードされてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習したノイズパターンと関連する状態に基づいて状態を予測してもよい。
別の例では、製油所のボイラ給水のノイズパターンには、局所ノイズと周囲のノイズが含まれることがある。局所的な騒音は、例えば、給水を蒸気ドラムに供給する供給ポンプの動作に起因するものであってもよい。また、周囲の騒音は、近くのファンに起因するものであるかもしれない。これらのノイズ源は、ボイラ給水の状態に関連するノイズパターンを形成することがある。このノイズパターンと関連する状態は、ライブラリに保存されることがある。ボイラーの状態を監視するために使用されるエキスパートシステムは、ライブラリからのノイズパターンと関連する状態でシードされてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習されたノイズパターンと関連する状態に基づいて、状態を予測することができる。
さらに別の例では、製油所の貯蔵タンクのノイズパターンには、局所ノイズ、周囲ノイズ、および振動ノイズが含まれる場合がある。周囲の騒音は、例えば、製品をタンクに送り込むポンプの結果であるかもしれない。局所的な騒音は、タンク室を換気するためのファンによるものかもしれない。振動騒音は、貯蔵タンクに供給される電源のラインノイズに起因するものである。これらの騒音源は、貯蔵タンクの状態に関連する騒音パターンを形成することがある。ノイズパターンと関連する状態は、ライブラリに保存される。貯蔵タンクの状態を監視するために使用されるエキスパートシステムは、ライブラリからノイズパターンと関連する状態をシードすることができる。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習されたノイズパターンと関連する状態に基づいて、状態を予測することができる。
別の例では、発電所の復水・メイクアップシステムのノイズパターンには、振動と周囲のノイズが含まれることがある。周囲の騒音は、近くのファンに起因するかもしれない。振動騒音は、発電所の運転に起因しているかもしれない。凝縮器。これらのノイズ源は、凝縮器/メークアップウォーターシステムの状態に関連するノイズパタンを形成することができる。ノイズパタンと関連する状態は、ライブラリに保存されてもよい。凝縮器/メークアップウォーターシステムの状態を監視するために使用されるエキスパートシステムは、ライブラリからのノイズパタンと関連する状態でシードされてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習したノイズパタンと関連する状態に基づいて、状態を予測することができる。
ノイズパタンのライブラリは、変更されたパラメータにより新しいノイズパタンが発生した場合、または診断された問題が緩和されない場合に予測された結果または状態が発生しなかった場合に更新されることがある。また、ノイズパタンの結果、ライブラリで予測されたものとは別の状態になった場合にも、ノイズパタンのライブラリが更新されることがある。更新は、実際に発生した状態がライブラリから予測された状態と一致しなかった1回だけの後に行われてもよい。他の実施形態では、閾値の回数の後に発生してもよい。実施形態では、ライブラリは、予測された結果を受け入れるために、ノイズパタン、または一致するための標準偏差とともに、いくつのパラメータを一致させるかを規定する規則など、比較のための1つまたは複数の規則を適用するように更新されてもよい。例えば、製薬工場の静的撹拌装置のバッフルを交換すると、ノイズパタンが変化することがある。別の例では、食品加工工場の圧力鍋のシールが古くなると、圧力鍋に関連するノイズパタンが変化することがある。
実施形態では、振動フィンガープリント、ノイズソースおよび/またはノイズパタンのライブラリは、サブスクリプションのために利用可能であってもよい。ライブラリは、ローカルシステムの動作を改善するためにオフセットシステムで使用されてもよい。加入者は、競合他社のデータであったり、一般的に考慮されていない異業種の機械設備のデータであったりして、通常は利用できないデータにアクセスするために、任意のレベル(例えば、コンポーネント、機械、設備など)で加入することができる。加入者は、システム条件に基づいて、またはシステム条件によってフィルタリングされた指標/予測値を検索したり、独自のデータで指標/予測値を更新したりして、ライブラリをカスタマイズすることができる。ライブラリはさらに、設置全体に配置されたセンサ、オンボード診断システムおよび計測器とセンサ、環境中のアンビエントセンサ、1つ以上のモバイルデータコレクタのように一時的に配置することができるセンサ(例えば、フレキシブルセット)、デバイスまたはシステム上の関心点にアタッチされるなど、より長期的な使用のために配置することができるセンサ、などを含むことができる。
実施形態では、サードパーティ(例えば、RMO、製造業者)は、コンポーネントレベル、機器レベル、工場/設置レベルでデータを集約し、自身のシステムを最適化するための統計的に有効なデータセットを提供することができる。例えば、機械の新規設置を検討している場合、状態を予測する際に取得する最適なデータポイントをライブラリで確認することが有益な場合がある。例えば、故障の有無を確実に判断するためには、特定のセンサーパッケージを推奨することができる。例えば、機器の振動音が、特定のレベルの局所的な騒音やその他の環境条件と相まって、確実に故障が迫っていることを示す指標となる場合、それらの要素を観測する振動トランスデューサ/温度/マイクロフォンのパッケージを設置に推奨することができる。このような情報を知ることは、機械を確実に保守するために必要な情報の量と深さを知ることに基づいて、機械をレンタルするか購入するか、あるいは関連する保証やサービスプランを選択する際に役立つかもしれない。
実施形態では、メーカーはライブラリを利用して、新規顧客向けのエンジニアリング仕様書を作成するために、機械の稼働中の情報を迅速に収集することができる。
実施形態では、騒音や振動のデータを使用して、インストールをリモートで監視し、フィールドクルーを自動的に派遣することができる。
実施形態では、騒音と振動のデータをシステムの監査に使用することができる。例えば、ライセンスされたデューティサイクルの範囲外で動作している機器は、一連の振動センサおよび/または周囲/局所ノイズセンサによって検出されてもよい。実施形態では、振動センサおよび/または周囲/局所ノイズセンサからのデータに基づいて、保証期間外の違反の可能性について警告が発せられることがある。
実施形態では、騒音・振動データをメンテナンスに利用することができる。これは、発電所のように、互いに同じフロアまたはプラットフォームにある2つの大きな発電機など、環境と振動的に相互作用する可能性のある複数の機械が配備されている場合に、特に有用であり得る。
実施形態では、産業環境でデータを収集するための監視システム10800は、環境内の機械の近辺で非振動データを収集するための、振動センサ、周囲環境条件センサ、およびローカルセンサの中から選択された複数のセンサ10802を含むことができる。複数のセンサ10802は、データコレクタ10804に通信可能に結合され、複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808と、出力データ10810を受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターン10814を導出するように構成された機械学習データ分析回路10812と、を備える。状態は、環境内の機械に関連する結果、環境内の機械に関連する予想される結果、環境内のプロセスに関連する結果、または環境内のプロセスに関連する予想される結果に対応してもよい。システムは、データコレクタ10804上に展開されてもよいし、データコレクタ10804とリモートインフラストラクチャとの間で分散されてもよい。データコレクタ10804は、データ収集回路10808を含んでもよい。周囲環境条件またはローカルセンサは、ノイズセンサ、温度センサ、フローセンサ、圧力センサ、化学センサ、振動センサ、加速度センサ、加速度計、圧力センサ、力センサ、位置センサ、場所センサ、速度センサ、変位センサ、温度センサ、サーモグラフィセンサ、熱流束センサ、タコメータセンサ、モーションセンサ、磁場センサ、電場センサのうちの1つ以上を含む。ガルバニックセンサ、電流センサ、許容センサ、ガスフローセンサ、非ガス流体フローセンサ、熱フローセンサ、微粒子フローセンサ、レベルセンサ、近接センサ、有毒ガスセンサ、化学物質センサ、CBRNEセンサ、pHセンサ、湿度計、水分センサ、濃度計、イメージングセンサ、カメラ、SSR、トライアックスプローブ、超音波センサ、タッチセンサ、マイクロフォン、静電容量センサ、ストレインゲージ、電磁波計などがある。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択された複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808を含むことができる。複数のセンサ10802は、データ収集回路10808に通信可能に結合されており、出力データ10810を受信し、結果および状態のうちの少なくとも1つを予測する受信出力データパターン10814を学習するように構造化された機械学習データ分析回路10812であって、監視システム10800は、出力データが学習された受信出力データパターンと一致するかどうかを判定するように構造化されている、機械学習データ分析回路10812を備える。機械学習データ分析回路10812は、モデル10816でシードされることによって、受信した出力データパターン10814を学習するように構成されてもよい。モデル10816は、物理モデル、運用モデル、または、システムモデルであってもよい。機械学習データ解析回路10812は、結果または状態に基づいて、受信した出力データパターン10814をリーミングする構造になっていてもよい。監視システム10700は、予測された結果または状態に基づいて、運用パラメータまたは機器を保持または修正する。データ収集回路10808は、学習した受信出力データパターン10814、結果または状態に基づいて、複数のセンサ10802のうちの1つまたは複数のセンサから、より多くまたはより少ないデータポイントを収集する。データ収集回路10808は、学習した受信出力データパターン10814、結果、または状態に基づいて、出力データのデータ保存手法を変更する。データ収集装置10804は、学習した受信出力データパターン10814、結果、または状態に基づいて、データ提示モードまたは態様を変更する。データ収集回路10808は、1つまたは複数のフィルタ(ローパス、ハイパス、バンドパスなど)を出力データに適用する。データ収集回路10808は、学習した受信出力データパターン10814に対応して、機械学習データ分析回路10812の重み/偏りを調整するなどする。監視システム10800は、学習された受信出力データパターン10814、結果、または状態のうちの1つ以上に基づいて、使用されていない機器を除去/再タスク化する。機械学習データ解析回路10812は、ニューラルネットワークエキスパートシステムを含んでもよい。機械学習データ分析回路10812は、1つまたは複数の目標/指針との進捗/整合を示す受信出力データパターン10814を学習するように構成されてもよく、各目標/指針の進捗/整合は、複数のセンサ10802の異なるサブセットによって決定される。機械学習データ分析回路10812は、未知の変数を示す受信した出力データパターン10814をリーミングするように構成されてもよい。機械学習データ分析回路10812は、利用可能な入力センサのうち好ましい入力センサを示す受信した出力データパターン10814をリーミングするように構成されてもよい。機械学習データ解析回路10812は、一部が機械上に、1つ以上のデータ収集回路10808上に、ネットワークインフラ上に、クラウド上に、またはそれらの任意の組み合わせで配置されてもよい。振動センサからの出力データ10810は、振動フィンガープリントを形成し、これは、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波のエンベロープ形状、加速度、位相情報、および位相シフトのうちの1つまたは複数を含んでもよい。データ収集回路10808は、出力データ10810と学習した受信出力データパターンとの一致を識別するために、振動フィンガープリントのいくつのパラメータを一致させるか、または一致させるための標準偏差に関する規則を適用してもよい。また、状態は、正常動作、要メンテナンス、故障、差し迫った故障のいずれかであってもよい。監視システム10800は、予測された結果または状態に基づいて、警告を発する、機器/コンポーネント/ラインを停止する、保守/潤滑/調整を開始する、予測された結果または状態に基づいてフィールド技術者を配置する、予測された結果または状態に基づいて振動吸収/減衰装置を推奨する、予測された結果または状態に基づいてバックアップ機器/コンポーネントを利用するようにプロセスを変更する、などの措置を講じてもよい。予測された結果または状態などを示す。監視システム10800は、予測された結果または状態に基づいて、製品/反応物などを保存するためにプロセスを修正してもよい。監視システム10800は、予測された結果または状態に基づいて、メンテナンススケジュールを生成または修正してもよい。データ収集回路10808は、データ収集回路10808を含んでもよい。システムは、データ収集回路10808上に展開されてもよいし、データ収集回路10808と遠隔地のインフラストラクチャとの間で分散されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択された複数のセンサ10802から出力データ10810を収集するように構造化されたデータ収集回路10808と、データ収集回路10808に通信可能に結合された複数のセンサ10802とを含むことができる。出力データ10810を受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターン10814を学習するように構造化された機械学習データ分析回路10812と、を備え、監視システム10800は、出力データが学習した受信した出力データパターンと一致するかどうかを判断し、判断に基づいて動作パラメータまたは機器を維持または修正するように構造化されている。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択された複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808を含むことができる。データ収集回路10808に通信可能に結合された複数のセンサ10802と、出力データ10810を受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターン10814を学習するように構成された機械学習データ分析回路10812であって、振動センサからの出力データ10810が振動フィンガープリントを形成する、機械学習データ分析回路10812とを備える。振動フィンガープリントは、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波のエンベロープ形状、加速度、位相情報、および位相シフトのうちの1つまたは複数を含んでもよい。データ収集回路10808は、出力データ10810と学習された受信出力データパターンとの間の一致を識別するために、振動フィンガープリントのいくつのパラメータを一致させるか、または一致のための標準偏差に関する規則を適用してもよい。監視システム10800は、出力データが学習された受信出力データパターンと一致するかどうかを判断し、判断に基づいて動作パラメータまたは機器を保持または修正する構造であってもよい。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、出力データを処理するための複数のセンサ10802のサブセットを識別するデータ収集帯域回路10818であって、振動センサ、周囲環境条件センサ、および環境内の機械に近接して非振動データを収集するためのローカルセンサの中から選択されたセンサと、データ収集帯域回路10818に通信可能に結合された複数のセンサ10802と、を含むことができる。複数のセンサ10802のサブセットから出力データ10810を収集するように構成されたデータ収集回路10808と、出力データ10810を受信し、結果および状態のうちの少なくとも1つを予測する受信出力データパターン10814を学習するように構成された機械学習データ分析回路10812とを備え、学習された受信出力データパターン10814が結果または状態を確実に予測しない場合、データ収集バンド回路10818は、複数のセンサ10802のうちの少なくとも1つのパラメータを変更する。コントローラ10806は、学習した受信出力データパターン10814と、結果または状態のうちの1つ以上に基づいて、新たなデータ収集帯域回路10818を特定する。機械学習データ分析回路10812は、利用可能な入力データ収集バンドのうち好ましい入力データ収集バンドを示す受信出力データパターン10814を学習するようにさらに構成されてもよい。システムは、データ収集回路10808上に展開されてもよいし、データ収集回路10808と遠隔地のインフラストラクチャの間に分散されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808を含むことができ、センサは、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択され、複数のセンサ10802は、データ収集回路10808に通信可能に結合されている。振動センサからの出力データ10810は、振動フィンガープリントの形態であり、複数の振動フィンガープリントおよび関連する結果を含むデータ構造10820と、出力データ10810を受信し、振動フィンガープリントの処理に基づいて結果または状態を予測する受信された出力データパターン10814をリーミングするように構造化された機械学習データ分析回路10812とを備えている。機械学習データ分析回路10812は、データ構造10820から複数の振動フィンガープリントのうちの1つでシードされてもよい。データ構造10820は、変更されたパラメータが新たな振動フィンガープリントをもたらした場合、または緩和がない場合に予測された結果が発生しなかった場合に更新されてもよい。データ構造10820は、学習された受信出力データパターン10814が、結果または状態を確実に予測しない場合に更新されてもよい。システムは、データ収集回路上に展開されてもよいし、データ収集回路と遠隔地のインフラストラクチャの間に分散されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択された複数のセンサ10802から出力データ10810を収集するように構造化されたデータ収集回路10808を含んでもよく、複数のセンサ10802は、データ収集回路10808に通信可能に結合されている。複数のセンサ10802からの出力データ10810がノイズパターンの形態であり、複数のノイズパターンおよび関連する結果を含むデータ構造10820と、出力データ10810を受信し、ノイズパターンの処理に基づいて結果または状態を予測する受信された出力データパターン10814を学習するように構造化された機械学習データ分析回路10812とを備えている。
実施形態では、産業環境におけるデータ収集のための監視システムは、環境内の機械の近辺で非振動データを収集するための、振動センサ、周囲環境条件センサ、およびローカルセンサの中から選択された複数のセンサであって、データコレクタに通信可能に結合された複数のセンサと、複数のセンサから出力データを収集するように構成されたデータ収集回路と、出力データを受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターンを導き出すように構成された機械学習データ分析回路と、を備えてもよい。状態は、結果、予想される結果、プロセスに関連する結果、環境内の機械に関連する結果などに対応している。システムは、データコレクタに配置されていてもよい。システムは、データコレクタとリモートインフラストラクチャとの間で分散されてもよい。環境条件センサは、ノイズセンサ、温度センサ、流量センサ、圧力センサ、化学物質センサ、ノイズセンサ、温度センサ、流量センサ、圧力センサ、化学物質センサ、振動センサ、加速度センサ、加速度計、圧力センサ、力センサ、位置センサ、場所センサ、速度センサ、変位センサ、温度センサ、サーモグラフィセンサ、熱流束センサ、タコメータセンサ、モーションセンサを含んでいてもよい。磁界センサ、電界センサ、ガルバニックセンサ、電流センサ、許容センサ、ガスフローセンサ、非ガス流体フローセンサ、熱フローセンサ、微粒子フローセンサ、レベルセンサ、近接センサ、有毒ガスセンサ。化学センサ、CBRNEセンサ、pHセンサ、湿度計、水分センサ、濃度計、画像センサ、カメラ、SSR、3軸プローブ、超音波センサ、タッチセンサ、マイクロフォン、静電容量センサ、歪みゲージ、電磁波計などがある。ローカルセンサは、振動センサ、加速度センサ、加速度計、圧力センサ、力センサ、位置センサ、ロケーションセンサ、速度センサ、変位センサ、温度センサ、サーモグラフィセンサ、熱流束センサ、タコメータセンサ、モーションセンサ、磁界センサ、電界センサ、ガルバニックセンサ、電流センサのうちの1つ以上で構成されていてもよい。フローセンサ、ガスフローセンサ、非ガス流体フローセンサ、熱フローセンサ、微粒子フローセンサ、レベルセンサ、近接センサ、有毒ガスセンサ、化学物質センサ、CBRNEセンサ、pHセンサ、湿度計、水分センサ、濃度計、イメージングセンサ、カメラ、SSR、トライアックスプローブ、超音波センサ、タッチセンサ、マイクロフォン、静電容量センサ、ストレインゲージ、起電力計など。
実施形態では、産業環境におけるデータ収集のための監視システムは、振動センサ、周囲環境条件センサ、および環境内の機械の近傍で非振動データを収集するためのローカルセンサの中から選択された複数のセンサから出力データを収集するように構造化されたデータ収集回路であって、複数のセンサは、データ収集回路に通信可能に結合されているデータ収集回路と、出力データを受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターンをリーミングするように構造化された機械学習データ分析回路であって、監視システムは、出力データが学習した受信した出力データパターンと一致するかどうかを判定するように構造化されている機械学習データ分析回路とを含んでもよい。実施形態では、機械学習データ分析回路は、モデルが物理モデル、運用モデル、またはシステムモデルである場合などに、モデルをシードすることによって受信した出力データパターンを学習するように構成されてもよい。また、機械学習データ解析回路は、結果や状態に基づいて、受信した出力データパターンを導出する構造であってもよい。監視システムは、予測された結果または状態に基づいて、運用パラメータまたは機器を維持または修正してもよい。データ収集回路は、学習された受信出力パターン、結果、または状態に基づいて、複数のセンサのうちの1つまたは複数からデータポイントを収集する。データ収集回路は、以下に基づいて、出力データのデータ保存手法を変更してもよい。データ収集回路は、学習した受信出力データのパターン、結果、または状態に基づいてデータ収集回路は、学習された受信出力データのパターン、結果、または状態に基づいて、データ提示モードまたは方法を変更してもよい。データ収集回路は、出力データに1つまたは複数のフィルタ(ローパス、ハイパス、バンドパスなど)を適用してもよい。データ収集回路は、機械学習データ分析回路の重み/偏りを調整してもよく、例えば、調整が学習された受信出力データパターンに応じたものであってもよい。監視システムは、学習された受信出力データパターン、結果、または状態のうちの1つ以上に基づいて、使用されていない機器を除去、または再タスク化してもよい。機械学習データ解析回路は、ニューラルネットワークエキスパートシステムを含んでいてもよい。機械学習データ分析回路は、各目標またはガイドラインの進捗または整合が、複数のセンサの異なるサブセットによって決定される場合など、1つまたは複数の目標またはガイドラインの進捗/整合を示す受信出力データパターンを学習するように構成されてもよい。機械学習データ解析回路は、未知の変数を示す受信した出力データパターンをリーミングするように構成されていてもよい。機械学習データ解析回路は、利用可能な入力センサのうち、好ましい入力センサを示す受信した出力データパターンをリーミングするように構成されていてもよい。機械学習データ解析回路は、一部が機械上に配置されていても、1つ以上のデータ収集器上に配置されていても、ネットワークインフラ上に配置されていても、クラウド上に配置されていても、それらの組み合わせであってもよい。振動センサからの出力データは、振動フィンガープリントを形成してもよく、例えば、振動フィンガープリントが、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波のエンベロープ形状、加速度、位相情報、および位相シフトのうちの1つ以上を含む場合などである。データ収集回路は、出力データと学習した受信出力データパターンとの一致を識別するために、振動フィンガープリントのいくつのパラメータを一致させるか、または一致させるための標準偏差に関する規則を適用してもよい。また、状態は、正常動作、要メンテナンス、故障、切迫した故障のいずれかであってもよい。監視システムは、予測された結果または状態に基づいて、アラートをトリガしてもよい。モニタリングシステムは、予測された結果または状態に基づいて、機器、コンポーネント、またはラインをシャットダウンする。本機は、予測された結果または状態に基づいて、保守、潤滑、または調整を開始する。本機は、予測された結果または状態に基づいて、現場の技術者を配置する。本機は、予測された結果または状態に基づいて、振動吸収または減衰装置を推奨することができる。本機は、予測された結果または状態に基づいて、バックアップ機器または部品を利用するようにプロセスを変更することができる。監視システムは、以下の項目を変更してもよい。予測された結果または状態に基づいて、製品または反応物を保存するプロセス。モニタリングシステムは、予測された結果または状態に基づいて、メンテナンススケジュールを生成または修正してもよい。本システムは、データコレクタとリモートインフラストラクチャとの間で分散されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、以下を含むことができる。振動センサ、周囲環境条件センサ、および環境内の機械の近傍で非振動データを収集するためのローカルセンサの中から選択された複数のセンサから出力データを収集するように構成されたデータ収集回路であって、複数のセンサは、データ収集回路に通信可能に結合されているデータ収集回路と、出力データを受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターンを学習するように構成された機械学習データ分析回路であって、監視システムは、出力データが学習した受信した出力データパターンと一致するかどうかを判定し、判定に基づいて動作パラメータまたは機器を維持または修正するように構成されているデータ分析回路とを備えることができる。
実施形態では、産業環境におけるデータ収集のための監視システムは、振動センサ、周囲環境条件センサ、および環境内の機械の近傍で非振動データを収集するためのローカルセンサの中から選択された複数のセンサから出力データを収集するように構成されたデータ収集回路であって、複数のセンサは、データ収集回路に通信可能に結合されているデータ収集回路と、出力データを受信し、結果および状態のうちの少なくとも1つを予測する受信した出力データパターンを導出するように構成された機械学習データ分析回路であって、振動センサからの出力データは、振動フィンガープリントを形成する機械学習データ分析回路と、を備えてもよい。実施形態では、振動フィンガープリントは、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波のエンベロープ形状、加速度、位相情報、および位相シフトのうちの1つまたは複数を含んでもよい。データ収集回路は、出力データと学習した受信出力データパターンとの一致を識別するために、振動フィンガープリントのいくつのパラメータを一致させるか、または一致させるための標準偏差に関する規則を適用してもよい。監視システムは、出力データが学習した受信出力データパターンと一致するかどうかを判断し、その判断に基づいて動作パラメータまたは機器を保持または修正する構造であってもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、出力データを処理する複数のセンサのサブセットを識別するデータ収集バンド回路であって、以下の中から選択されたセンサを備えてもよい。振動センサ、周囲環境条件センサ、および環境内の機械の近傍で非振動データを収集するためのローカルセンサであって、データ収集バンド回路に通信可能に結合された複数のセンサと、複数のセンサのサブセットから出力データを収集するように構成されたデータ収集回路と、出力データを受信し、結果および状態のうちの少なくとも1つを予測する受信された出力データパターンを学習するように構成された機械学習データ分析回路であって、学習された受信された出力データパターンが結果または状態を確実に予測しない場合、データ収集バンド回路は、複数のセンサのうちの少なくとも1つのパラメータを変更する、機械学習データ分析回路とを備えている。実施形態では、コントローラは、学習された受信出力データパターンおよび結果または状態のうちの1つ以上に基づいて、新しいデータ収集帯域回路を特定してもよい。機械学習データ分析回路は、利用可能な入力データ収集帯域のうち、好ましい入力データ収集帯域を示す受信出力データパターンを学習するようにさらに構成されてもよい。本システムは、データ収集回路と遠隔地のインフラストラクチャとの間で分散されていてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、複数のセンサから出力データを収集するように構成されたデータ収集回路であって、センサは、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択され、データ収集回路に通信可能に結合されており、振動センサからの出力データは、振動フィンガープリントの形態である、データ収集回路を含んでもよい。複数の振動フィンガープリントおよび関連する結果を含むデータ構造と、出力データを受信し、振動フィンガープリントの処理に基づいて結果または状態を予測する受信した出力データパターンを導出するように構成された機械学習データ分析回路とを備えている。機械学習データ分析回路は、データ構造から複数の振動フィンガープリントの1つをシードしてもよい。データ構造は、変更されたパラメータが新たな振動フィンガープリントをもたらした場合、または緩和策がない場合に予測された結果が発生しなかった場合に更新されるかもしれない。データ構造は、学習された受信出力データパターンが、結果または状態を確実に予測しない場合に更新されることがある。システムは、データ収集回路と遠隔地のインフラストラクチャとの間で分散していてもよい。
実施形態において、産業環境におけるデータ収集のための監視システムは、振動センサ、周囲環境条件センサ、および環境内の機械の近辺で非振動データを収集するためのローカルセンサの中から選択された複数のセンサから出力データを収集するように構造化されたデータ収集回路と、データ収集回路に通信可能に結合された複数のセンサであって、複数のセンサからの出力データは、ノイズパターンの形態である、データ収集回路とを含んでもよい。複数のノイズパターンと関連する結果を含むデータ構造と、出力データを受信し、ノイズパターンの処理に基づいて結果または状態を予測する受信した出力データパターンをリーミングするように構成された機械学習データ分析回路とを備えている。
産業環境におけるデータ収集のための例示的なシステムは、多数の構成要素を有する産業システムと、センサの各々が構成要素の少なくとも1つに動作可能に結合されている多数のセンサとを含む。例示のシステムは、感知されたパラメータ群に応答して多数のセンサデータ値を解釈するセンサ通信回路と、センサデータ値の少なくとも一部に応答して認識されたパターン値を決定するパターン認識回路と、認識されたパターン値に応答して感知されたパラメータ群を更新するセンサ学習回路と、をさらに含む。例示のセンサ通信回路はさらに、更新された感知されたパラメータ群に応答して、センサデータ値の解釈を調整する。
例示的なシステムの特定のさらなる態様を以下に説明するが、そのうちのいずれか1つまたは複数が特定の実施形態に存在してもよい。例示的なシステムは、感知されたパラメータ群が、融合された数のセンサであり、認識されたパターン値が、融合された数のセンサに対応して決定された値を含む二次的な値をさらに含むことを含む。例示のシステムは、パターン認識回路とセンサ学習回路が、認識されたパターン値を決定することと、感知されたパラメータ群を更新することを反復的に実行して、感知性能値を向上させることをさらに含む。例示的なシステムは、感知性能値が、産業システムにおける関心のある値を検出するための信号対雑音性能、産業システムにおけるセンサのネットワーク利用率、産業システムにおける関心のある値に対する有効な感知解像度、産業システムにおける感知システムの電力消費値(感知システムはセンサを含む)、二次値を決定するための計算効率、二次値の精度及び/又は精密度、二次値を決定するための冗長性容量、及び/又は二次値を決定するためのリードタイム値、のうちの1つ以上の決定を含むことをさらに含む。例示的かつ非限定的な計算効率値は、次のような1つまたは複数の決定を含む、二次値を決定するためのプロセッサ操作。二次的な値を決定するためのメモリ利用率、二次的な値を決定するためのセンサ数からのセンサ入力数、および/または、二次的な値をサポートするためのサポートデータの長期保存。
例示的なシステムは、1つまたは複数の、またはすべてのセンサを、アナログセンサおよび/またはリモートセンサとして含む。例示的なシステムは、二次値が、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および/または、融合された数のセンサからのセンサデータ値を入力とするモデル出力値などの値であることを含む。システムの例としては、融合した数のセンサーが、振動センサーと温度センサー、振動センサーと圧力センサー、振動センサーと電界センサー、振動センサーと熱流束センサー、振動センサーとガルバニックセンサー、および/または、振動センサーと磁気センサーのようなセンサーの組み合わせのうちの1つ以上であることが挙げられる。
例示のセンサ学習回路は、以下のような動作を実行することによって、感知されたパラメータ群をさらに更新する。感知パラメータ群のセンサ選択を更新すること、感知パラメータ群からの少なくとも1つのセンサのセンササンプリングレートを更新すること、感知パラメータ群からの少なくとも1つのセンサのセンサ分解能を更新すること、感知パラメータ群からの少なくとも1つのセンサに対応する記憶値を更新すること、感知パラメータ群からの少なくとも1つのセンサに対応する優先度を更新すること、および/または、感知パラメータ群からの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリングフェーズ、および/またはネットワークパス構成の少なくとも1つを更新すること。例示的なパターン認識回路は、さらに、以下のような動作を実行して、認識されたパターン値を決定する。関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの信号有効性を決定するステップと、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの感度を決定するステップと、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測信頼度を決定するステップと。関心値に対する感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測遅延時間を決定すること、関心値に対する感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測精度を決定すること、関心値に対する感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測精度を決定すること。認識されたパターン値を外部からのフィードバックに応じて更新すること。例示的かつ非限定的な注目値には、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および/または、融合された複数のセンサからのセンサデータ値を入力とするモデル出力値が含まれる。
例示的なパターン認識回路は、第2の数のセンサデータ値を含むクラウドベースのデータにさらにアクセスし、第2の数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応する。例示的なセンサ学習回路は、さらに、少なくとも1つのオフセット産業システムに対応する第2の更新されたセンサパラメータ群を含むクラウドベースのデータにアクセスする。
産業環境におけるデータ収集のための例示的な手順は、多数のコンポーネントを含む産業システムに多数のセンサを提供する動作であって、多数のセンサの各々は、多数のコンポーネントのうちの少なくとも1つに動作可能に結合されている動作と、感知されたパラメータグループに応答して多数のセンサデータ値を解釈する動作とを含む。前記感知されたパラメータグループは、前記多数のセンサからの融合されたセンサ数を含む操作と、前記多数のセンサデータ値に応答して決定された二次値を含む認識されたパターン値を決定する操作と、前記認識されたパターン値に応答して前記感知されたパラメータグループを更新する操作と、前記更新された感知されたパラメータグループに応答して前記多数のセンサデータ値の解釈を調整する操作とを含む。
例示的な手順の特定のさらなる態様を以下に説明するが、そのうちの任意の1つまたは複数が特定の実施形態に含まれ得る。例示的な手順は、認識されたパターン値を決定することと、感知されたパラメータ群を更新することとを反復的に実行して、感知性能値を向上させる動作を含み、感知性能値を決定することは、以下を決定するなど、値を決定するための少なくとも1つの動作を含む。産業用システムにおける関心事の値を検出するための信号対雑音性能、産業用システムにおける複数のセンサのネットワーク利用率、産業用システムにおける関心事の値に対する有効な検出解像度、産業用システムにおける検出システムの電力消費値(検出システムは複数のセンサを含む)、二次値を決定するための計算効率、二次値の精度および/または正確さ、二次値を決定するための冗長性容量、および/または二次値を決定するためのリードタイム値などを決定するための少なくとも1つの動作を含む。
例示的な手順は、以下のような少なくとも1つの動作を実行することによって構成される、感知されたパラメータグループを更新する動作を含む。センサ付きパラメータグループのセンサ選択を更新すること、センサ付きパラメータグループの少なくとも1つのセンサのセンササンプリングレートを更新すること、センサ付きパラメータグループの少なくとも1つのセンサのセンサ分解能を更新すること、センサ付きパラメータグループの少なくとも1つのセンサに対応する記憶値を更新すること、センサ付きパラメータグループの少なくとも1つのセンサに対応する優先度を更新すること、および/または、センサ付きパラメータグループの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリングフェーズ、およびネットワークパス構成のうちの少なくとも1つを更新すること。例示的な手順には、以下のような少なくとも1つの動作を実行して、認識されたパターン値を決定することが含まれる。関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの信号有効性を決定すること、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの感度を決定すること、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測信頼度を決定すること。関心値に対する感知パラメータ群および更新された感知パラメータ群の少なくとも1つのセンサの予測遅延時間を決定すること、関心値に対する感知パラメータ群および更新された感知パラメータ群の少なくとも1つのセンサの予測精度を決定すること、関心値に対する感知パラメータ群および更新された感知パラメータ群の少なくとも1つのセンサの予測精度を決定すること、および/または、外部からのフィードバックに応答して認識されたパターン値を更新すること。
本明細書で利用される産業システム(および類似の用語)という用語は、広く理解されるべきである。本開示の他の態様または説明に限定されることなく、産業システムは、任意の大規模なプロセスシステム、機械システム、化学システム、組立ライン、石油・ガスシステム(生産、輸送、探査、遠隔操作、海洋操作、および/または精製を含むが、これらに限定されない)、鉱業システム(生産、探査、輸送、遠隔操作、および/または地下操作を含むが、これらに限定されない)、鉄道システム(ヤード、列車、出荷など)、建設、発電、航空宇宙、農業、食品加工、および/またはエネルギー生成を含む。特定のコンポーネントは、個別には産業用とみなされないかもしれないが、集積されたシステムでは産業用とみなされるかもしれない。例えば、単一のファン、モータ、および/またはエンジンは、産業用システムではないかもしれないが、より大きなシステムの一部であり、および/または他の多数の同様のコンポーネントと集積されて、産業用システムおよび/または産業用システムの一部とみなされるかもしれない。例えば、大規模なデータサーバーファームは、温度検出、振動などの特定のセンシング動作については産業用システムとみなされるが、ガス組成などの他のセンシング動作については産業用システムとみなされない場合がある。さらに、ある実施形態では、他の類似した外観のシステムは、そのようなシステムが産業用システムであるかどうか、および/またはどのタイプの産業用システムであるかを決定する際に区別される場合がある。例えば、あるデータサーバファームは、ある時点で動作に重要なプロセスストリームの流量を持っていないかもしれないが、別のデータサーバファームは、動作に重要なプロセスストリームの流量(例えば、冷却水の流れ)を持っているかもしれず、それに応じて、あるデータファームサーバは、データ収集および/または感知改善プロセスまたはシステムのための産業システムであるが、他のデータファームサーバはそうではないかもしれない。したがって、本開示の利点は、多種多様なシステムに適用することができ、そのような任意のシステムは、本明細書では産業用システムと見なされてもよく、一方、特定の実施形態では、所定のシステムは、本明細書では産業用システムと見なされなくてもよい。当業者であれば、本明細書の開示の恩恵と、その人が通常利用できる企図されたシステムに関する知識とを有することで、本開示のどの側面が特定のシステムに恩恵をもたらすか、企図されたシステムの動作を強化するために本開示のプロセスおよびシステムをどのように組み合わせるかを容易に判断することができる。当業者が、企図されたシステムが産業用システムであるかどうか、および/または本開示の側面が企図されたシステムに利益をもたらしたり強化したりできるかどうかを判断する際の特定の考慮事項には、以下が含まれるが、これらに限定されるものではない:システムの一部が位置検出装置にアクセス可能であること、資本コスト(例えば、初期設置)および運用コスト(例えば、プロセスの最適化、電力使用量の削減)に対するシステムの感度、システムの伝送環境(例えば、ブロードバンドインターネットの利用可能性、衛星放送の利用可能性、その他)。システムの伝送環境(例:ブロードバンドインターネットの利用可能性、衛星中継、無線セルラーアクセス、システムの電磁環境、システムの天候、温度、環境条件、電線、ネットワークラインなどを敷設するのに適した場所の利用可能性、ネットワークインフラ、ルーターの位置決め、無線リピータなどに適した場所の存在および/または利用可能性)、コンピューティングデバイスと対話するための訓練を受けた人材の利用可能性、システムで感知されたパラメータの望ましい空間、時間、および/または周波数分解能、システムまたはプロセスがどのような性質を持っているか(例:プロセスの最適化、電力使用量の削減)など、システム運用におけるターンダウン比(例:高負荷と低負荷の差、高流量と低流量の差、高温動作と低温動作の差)、運用コストにおけるターンダウン比(例:時間(日、季節など)に応じた人件費の影響、時間、スループットなどに応じた電力消費コストの変動の影響)、故障やダウンタイムなどに対するシステムの感度、想定しているシステムの遠隔性(例:輸送コスト、時間遅延など)、および/または運用サイクルにおけるシステムの質的な変化の範囲(例:システムは時間とともに変化するセンシング環境を必要とする複数の異なるプロセスを実行している。輸送コスト、時間遅延など)、および/または、動作サイクルにおけるシステムの質的な変化の範囲(例えば、システムは、時間とともに変化する感知環境を必要とする複数の異なるプロセスを実行しており、周期的、イベント駆動、一般的に利用可能なリードタイムなどの時間サイクルおよび変化の性質など)がある。本明細書では、例示を目的として産業用システムおよび考慮事項の具体例を記載しているが、本明細書の開示の恩恵を受ける任意のシステム、および本明細書の開示の恩恵を受ける当業者に理解される任意の考慮事項が、本開示の範囲内で具体的に企図されている。
本明細書で使用されるセンサ(および類似の用語)という用語は、広く理解されるべきである。本開示の他の態様または説明に限定されないが、センサは、システム内の物理的値(例えば、温度、力、圧力)を代表する感知された値を提供するように構成された任意のデバイス、または、物理的値(例えば、仕事、電荷の状態、周波数、位相など)に補助的な関係を少なくとも有するシステム内の概念的値を代表するデバイスを含む。
例示的かつ非限定的なセンサには、振動、加速度、騒音、圧力、力、位置、速度、変位、温度、熱流束、速度、回転速度(例えばタコメータ)、運動、加速度計、磁場、電場、ガルバニック、電流、流れ(ガス、流体、熱、微粒子、粒子など)がある。加速度計、磁場、電場、ガルバニック、電流、流れ(ガス、流体、熱、微粒子、粒子など)、レベル、近接性、ガス組成、流体組成、毒性、腐食性、酸性、pH、湿度、湿度計の測定値、水分、密度(バルクまたは比)、超音波、イメージング、アナログ、および/またはデジタルセンサー。感知された値のリストは非限定的な例であり、多くの用途における本開示の利点は、センサータイプとは無関係に実現できるが、他の用途では、本開示の利点はセンサータイプに依存する可能性がある。
センサーのタイプと検出のメカニズムは、当技術分野で理解されている任意のタイプのセンサーであってもよい。限定されるものではないが、加速度計は、任意のタイプおよびスケーリングであってよく、例えば、500mV/g(1g=9.8m/s2)、100mV、1V/g、5V/g、10V/g、10MV/gのように。また、任意の周波数にも対応している。加速度センサやすべてのセンサタイプでは、スケーリングとレンジが競合する場合がある(例えば、固定ビットまたは低ビットのA/Dシステムで)。非限定的な加速度計の例としては、圧電素子、高解像度でサンプリング速度の高い位置検出素子(例えば、レーザーベースの素子)、および/または、加速度および/または振動に相関できる他のパラメータ(歪み、力、ノイズなど)の検出が挙げられる。例示的かつ非限定的な近接プローブには、電気磁気デバイス(例えば、ホール効果、可変リラクタンスなど)、スリーブ/油膜デバイス、および/または近接に相関し得る他のパラメータの決定が含まれる。振動センサーの例としては、3軸プローブがあり、これは高い周波数応答(例えば、100MV/gのスケーリング)を持つことができる。例示的かつ非限定的な温度センサは、サーミスタ、熱電対、および/または光学的温度決定を含む。
センサは、追加的または代替的に、処理された値(例えば、デバウンスされた値、フィルタリングされた値、および/または補償された値)および/または生の値を提供し、下流(例えば、データコレクタ、コントローラ、プラントコンピュータ、および/またはクラウドベースのデータレシーバ上)で処理を行うことができる。特定の実施形態では、センサーは、電圧、電流、データファイル(例えば、画像)、または他の生データ出力を提供し、および/または、センサーは、意図された感知された測定値を代表する値を提供する(例えば、温度センサーは、電圧または温度値を通信することができる)。さらに、センサーは、無線通信、有線接続、光接続、またはその他のメカニズムで通信することができる。記載されているセンサータイプおよび/または通信パラメーターの例は、説明のための非限定的な例である。
さらに、または代わりに、特定の実施形態では、センサは分散した物理デバイスであり、例えば、2つの別個の感知要素が調整して感知された値を提供する(例えば、位置感知要素と質量感知要素が調整して加速度値を提供する場合がある)。ある実施形態では、1つの物理デバイスが2つ以上のセンサー、および/または2つ以上のセンサーの一部を形成することがある。例えば、位置検出素子は、位置センサと速度センサを形成し、同じ物理的なハードウェアが両方の決定のために感知されたデータを提供する場合がある。
本明細書で利用されるスマートセンサ、スマートデバイス(および同様の用語)という用語は、広く理解されるべきである。本開示の任意の他の態様または説明に限定されることなく、スマートセンサは、本開示全体を通して説明される任意のセンサおよびその態様を含む。スマートセンサーは、センサーによって伝達される感知された値に反映される処理の増分を含み、少なくとも基本的なセンサー処理(例えば、デバウンス、フィルタリング、補償、正規化、および/または出力制限)、より複雑な補償(例えば、より複雑な補正(例:現在の環境条件が感知された温度値に及ぼす既知の影響に基づく温度値の補正、コモンモードまたはその他のノイズの除去など)、感知された値をネットワーク通信として提供する感知装置、および/または、多数の感知された値を通信のために集約する感知装置(例:通信されたデバイス上の複数のセンサーが単一のスマートセンサーに値を提供し、スマートセンサーは感知した値をデータコレクター、コントローラー、プラントコンピュータ、および/またはクラウドベースのデータレシーバーに中継する)、スマートセンサーという用語の使用は説明のためであり、センサーがスマートセンサーであるかどうかは、文脈や企図されたシステムに依存し、企図されたシステムの他のセンサーと比較した相対的な説明となり得る。したがって、同一の機能を有する所定のセンサは、ある企図されたシステムの目的ではスマートセンサであり、別の企図されたシステムの目的では単なるセンサである可能性があり、および/または、特定の動作条件の間は企図されたシステムのスマートセンサであり、他の動作条件の間は同じ企図されたシステムの目的では単なるセンサである可能性がある。
本明細書で利用されるセンサフュージョン、フュージョンされたセンサ、および同様の用語は、文脈がそうでないことを示す場合を除き、本開示の他の態様または説明に限定されることなく、広範に理解されるべきである。センサフュージョンは、センサデータからの2次データの決定を含み、さらに、複数のセンサからのデータのストリームの多重化、データのバッチの組み合わせなどを含む、複数のセンサのセンサデータからの2次データの決定を含む。二次データとは、直接感知された以上のシステムまたは動作状態に関する決定を含む。例えば、温度、圧力、混合率などのデータを分析して、どのパラメータが望ましい結果(例えば、反応率)に効果的であるかを判断することができる。センサーフュージョンには、複数のソースからのセンサーデータ、および縦断的なデータ(例えば、一定期間、プロセスの過程、およびプラント内のコンポーネントの範囲(例えば、組み立てられた部品の数、パイプラインを通過する流体の仮想スラッグなどを追跡する)で取得されたデータ)が含まれてもよい。センサフュージョンは、リアルタイム(例えば、プロセスの進行に合わせてセンサデータを用いて多数のセンサフュージョン決定を行う)、オフライン(例えば、コントローラ、プラントコンピュータ、および/またはクラウドベースのコンピューティングデバイスで実行する)、および/または後処理操作(例えば、履歴データ、複数のプラントまたはプロセスからのデータなどを利用する)として実行されてもよい。特定の実施形態では、センサフュージョンは、機械パターン認識動作を含む-例えば、プロセスの結果が機械に与えられ、および/または機械によって決定され、機械パターン認識動作は、検出されたセンサ値空間から結果有効パラメータを決定して、どの動作条件が結果の原因および/または結果のオフノミナルな結果(例えば、プロセスがノミナルよりも効果的または効果的でなかった、失敗したなど)である可能性が高いかを決定する。特定の実施形態では、結果は、定量的な結果(例えば、公称運転よりも20%多く製品が生産された)、または定性的な結果(例えば、製品の品質が受け入れられない、プロセス中に企図されたシステムのコンポーネントXが故障した、企図されたシステムのコンポーネントXがメンテナンスまたはサービスイベントを必要とした、など)であってもよい。
特定の実施形態では、センサ融合動作は反復的または再帰的であり、例えば、結果有効パラメータの推定セットは、センサ融合動作の後に更新され、後続のセンサ融合動作は、結果有効パラメータの更新セットを有する同じデータまたは別のデータセットに対して実行される。特定の実施形態では、後続のセンサフュージョンオペレーションは、センシングスキームの調整を含む-例えば、より高い解像度の検出(例えば、時間、空間、および/または周波数ドメインにおいて)、より大きなデータセット(およびその結果としてのコンピューティングおよび/またはネットワークリソースのコミットメント)、センサ能力および/または設定の変更(例えば、A/Dスケーリング、範囲、解像度などの変更;より能力の高いセンサおよび/またはより能力の高いデータコレクタへの変更など)が、後続のセンサフュージョンオペレーションのために実行される。特定の実施形態では、センサフュージョン動作は、センシングスキームを改善するための追加リソースの支出が正当化されるような、企図されたシステムの改善(例えば、生産量、品質、および/または純度など)を示す。特定の実施形態では、センサフュージョン動作は、例えば、結果として有効なパラメータの数を狭め、それによってシステムリソースを解放して、企図されたシステムに既に存在するハードウェアからより高い解像度、サンプリングレートなどを提供することによって、増分コストなしに感知スキームの改善を提供する。特定の実施形態では、反復的および/または再帰的なセンサフュージョンが、同じデータセット、後続のデータセット、および/または過去のデータセットに対して実行される。例えば、高解像度データが既にシステム内に存在する場合があり、所望の時間枠内、所望のプロセッサ、メモリ、および/またはネットワーク利用率内でセンサフュージョン処理動作を完了できるように、および/または潜在的な結果有効パラメータとして多数の変数をチェックできるように、第1のセンサフュージョン動作が低解像度データ(例えば、高解像度データセットからサンプリングされたもの)で実行される。さらなる例では、改善が存在するという確信、潜在的な結果有効変数の絞り込み、および/または結果有効パラメータおよび/またはそのようなパラメータの有効値を決定するために高解像度データが必要であるという決定に応答して、高解像度データセットからのより多くのサンプルが、後続のセンサフュージョン動作において利用され得る。
センサーフュージョンに関する説明された操作および側面は、非限定的な例であり、当業者は、本明細書の開示および想定されるシステムについて通常利用可能な情報の恩恵を受けて、センサーフュージョン操作を利用および/または恩恵を受けるシステムを容易に設計することができる。センサーフュージョン操作を利用し、かつ/またはそれから利益を得るためのシステムの特定の検討事項には、限定されないが、システム内の構成要素の数、システム内の構成要素のコスト、システムのメンテナンスおよび/またはダウンタイムのコスト、システムの改善の価値(生産量、品質、収率など)、望ましくないシステムの結果の存在、可能性、および/または結果(例えば、副産物、熱および/または発光現象など)が含まれる。望ましくないシステムの結果の存在、可能性、および/または結果(例:副産物、熱および/または発光現象、環境上の利点または結果、システムに存在する危険性);システムに複数のセンサーを提供するための費用;システム入力とシステム出力の間の複雑さ;コンピューティングリソースの利用可能性とコスト(例:処理、メモリ、および/または通信スループット)。オフセットシステムが存在するかどうか(オフセットシステムからのデータが利用可能かどうか、およびオフセットシステムからのデータを組み合わせることで、単独で検討したシステムと比較して統計的に改善されたデータセットを生成できるかどうかを含む)、および/または、企図されたシステムのセンシングスキームをアップグレード、改善、または変更するためのコスト。センサーフュージョン操作から恩恵を受ける、またはそれを利用する可能性のある企図されたシステムについての説明された考察は、非限定的な例示である。
特定のシステム、プロセス、操作、および/またはコンポーネントは、本開示において「オフセットシステム」などと記載されている。オフセットシステムとは、企図されたシステムとは異なるが、企図されたシステムとの関連性を有するシステムである。例えば、企図された製油所は「オフセット製油所」を有することがあり、それは競合他社が運営する製油所、企図された製油所を運営する同じ事業者が運営する製油所、および/または、もはや存在しない歴史的に運営されてきた製油所であることがある。オフセット製油所は、類似の反応、プロセスフロー、生産量、フィードストック、廃液材料などを利用するなど、企図されている製油所と何らかの関連性がある。ある目的のためのオフセットシステムであるシステムは、別の目的のためのオフセットシステムではないかもしれない。例えば、コンベヤベルトおよび同様のモータを利用する製造プロセスは、製品の移動を追跡する、モータの動作および故障モードを理解するなどの目的で、考えられている製造プロセスのためのオフセットプロセスであるかもしれないが、製造される製品が異なる品質結果パラメータを有する場合、製品品質のためのオフセットプロセスではないかもしれない。本明細書で企図される任意の産業システムは、特定の目的のためのオフセットシステムを有することができる。当業者であれば、本開示の利益と、企図されたシステムについて通常利用可能な情報とを有することにより、オフセットシステムまたはシステムのオフセット側面によって開示されるものを容易に決定することができる。
コンピュータ、コンピューティングデバイス、プロセッサ、回路、および/またはサーバという用語のいずれか1つ以上は、非一時的なコンピュータ可読媒体上などに通信可能に格納された命令にアクセスすることができる、任意のタイプのコンピュータを含み、コンピュータは、命令の実行時に本明細書に記載されたシステムまたは方法の動作を実行する。ある実施形態では、そのような命令自体が、コンピュータ、コンピューティングデバイス、プロセッサ、回路、および/またはサーバーを構成する。加えて、または代替として、コンピュータ、コンピューティングデバイス、プロセッサ、回路、および/またはサーバは、個別のハードウェアデバイスであっても、ハードウェアデバイスに分散された1つまたは複数のコンピューティングリソースであってもよく、および/または、論理回路、組み込み回路、センサ、アクチュエータ、入力および/または出力デバイス、ネットワークおよび/または通信リソース、任意のタイプのメモリリソース、任意のタイプの処理リソース、および/または、本明細書のシステムおよび方法の1つまたは複数の操作を機能的に実行するために、決定された条件に応答するように構成されたハードウェアデバイスなどの側面を含んでいてもよい。
本明細書に記載されている特定の操作は、1つまたは複数の値、パラメータ、入力、データ、または他の情報を解釈、受信、および/または決定することを含む。任意の値パラメータ、入力、データ、および/または他の情報を解釈、受信、および/または決定することを含む操作には、限定されないが、ユーザ入力を介してデータを受信すること、任意のタイプのネットワークを介してデータを受信すること、受信デバイスと通信するメモリロケーションからデータ値を読み取ること、受信データ値としてデフォルト値を利用すること、受信デバイスが利用可能な他の情報に基づいてデータ値を推定、計算、または導出すること、および/または後に受信したデータ値に応答してこれらのいずれかを更新することが含まれる。特定の実施形態では、データ値を受信することの一部として、第1の動作によってデータ値を受信し、後に第2の動作によって更新してもよい。例えば、通信がダウンしている、断続的である、または中断されているときに、データ値を解釈、受信、および/または決定するための第1の操作を実行し、通信が回復したときに、データ値を解釈、受信、および/または決定するための更新された操作を実行することができる。
本開示の方法または手順など、本明細書における操作の特定の論理的グループ化は、本開示の側面を説明するために提供される。本明細書に記載されている操作は、概略的に記載および/または描写されており、操作は、本明細書の開示と一致する方法で、結合、分割、再順序付け、追加、または削除することができる。操作の説明の文脈では、1つまたは複数の操作の順序が必要な場合があり、および/または1つまたは複数の操作の順序が明示的に開示される場合があるが、操作の順序は広く理解されるべきであり、操作の同等の結果を提供するための操作の任意の同等のグループ化が、本明細書では特に企図されている。例えば、ある操作ステップで値が使用される場合、値の決定は、特定の文脈(例えば、ある効果を達成するための操作のためのデータの時間遅延が重要である場合)ではその操作ステップの前に必要であるかもしれないが、他の文脈(例えば、操作の以前の実行サイクルからの値の使用がそれらの目的のために十分である場合)ではその操作ステップの前に必要でないかもしれない。したがって、特定の実施形態では、説明されているような操作の順序および操作のグループ化が本明細書で明示的に企図されており、特定の実施形態では、操作の再順序付け、細分化、および/または異なるグループ化が本明細書で明示的に企図されている。
図104を参照すると、産業環境におけるデータ収集のための例示的なシステム10902は、多数のコンポーネント10906と、多数のセンサ10908とを有する産業システム10904を含み、センサ10908の各々は、コンポーネント10906のうちの少なくとも1つに動作可能に結合されている。センサの選択、分布、タイプ、および通信設定は、システム10902の用途および/または文脈に依存する。
例示のシステム10902は、感知されたパラメータ群10928に応答して多数のセンサデータ値10948を解釈するセンサ通信回路10920(参照図105)をさらに含む。感知されたパラメータ群10928は、どのセンサ10908がどのタイミングでサンプリングされたかの記述を含み、少なくとも選択された以下のものを含む。サンプリング周波数、特定のセンサが関心のある値を提供しているプロセス段階、などが含まれる。例示的なシステムは、感知されたパラメータ群10928が、例えば、生産出力、品質、効率、収益性、純度、システム内のコンポーネントの保守またはサービス予測、故障モード予測など、所望の出力に影響を与えるシステムの動作条件の検出を包含すると考えられるセンサ10926の融合数であることを含む。さらなる実施形態では、認識されたパターン値10930は、融合されたセンサ数10926に応答して決定された値を含む二次値10932をさらに含む。
特定の実施形態では、センサデータ値10948は、データコレクタ10910に提供され、このデータコレクタは、複数のセンサ10908と通信してもよく、および/またはコントローラ10914と通信してもよい。特定の実施形態では、プラントコンピュータ10912が追加的または代替的に存在する。例示のシステムでは、コントローラ10914は、センサ通信回路10920、パターン認識回路10922、および/またはセンサ学習回路10924の動作を機能的に実行するように構成されており、説明を明確にするために別個の装置として描かれている。コントローラ10914の態様は、センサ10908、データコントローラ10910、プラントコンピュータ10912、および/またはクラウドコンピューティングデバイス10916上に存在してもよい。特定の実施形態では、コントローラ10914のすべての側面は、システム10902上に描かれた別のデバイスに存在してもよい。プラントコンピュータ10912は、例えば処理、メモリ、および/またはネットワークリソースなどのローカルコンピューティングリソースを表しており、存在していてもよいし、産業用システム10904と通信していてもよい。特定の実施形態では、クラウドコンピューティングデバイス10916は、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介して、産業用システム10904に外部から利用可能なコンピューティングリソースを表す。特定の実施形態では、データコントローラ10910は、コンピューティングデバイス、スマートセンサ、MUXボックス、または、複数のセンサからデータを受信し、データをパススルーし、および/または、後の送信のためにデータを保存することができる他のデータ収集デバイスであってもよい。例示的なデータコントローラ10910は、記憶装置を持たず、および/または限られた記憶装置を持ち、選択的にセンサデータを通過させ、データコントローラ10910、関連するネットワークの帯域幅を考慮し、および/または環境上の制約によって課されることにより、所定の時間にセンサデータのサブセットが通信されるようになっている。特定の実施形態では、システム10902内の1つまたは複数のセンサおよび/またはコンピューティングデバイスは、ポータブルデバイス-例えば、産業システムを歩いているプラントオペレータがスマートフォンを持っている可能性があり、システム10902は、データコントローラ10910、センサ10908-として選択的に利用することができる。例えば、通信のスループットやセンサーの解像度を向上させるために、および/またはセンサーデータ値10948をコントローラ10914に通信するための主要な方法として使用される。
例示のシステム10902は、センサデータ値10948の少なくとも一部に応答して、認識されたパターン値10930を決定するパターン認識回路10922をさらに含む。
例示のシステム10902は、認識されたパターン値10930に応答して、感知されたパラメータ群10928を更新するセンサ学習回路10924をさらに含む。例示のセンサ通信回路10920は、更新された感知されたパラメータ群10928に応答して、センサデータ値10948の解釈をさらに調整する。
例示的なシステム10902は、パターン認識回路10922およびセンサ学習回路10924が、感知性能値10934を改善するために、認識されたパターン値10930を決定することおよび感知されたパラメータ群10928を更新することを反復的に実行することをさらに含む。例えば、パターン認識回路10922は、認識されたパターン値10930の予測が有効または無効であると思われるセンサに基づいて、センサを追加し、センサを削除し、および/またはセンサの設定を変更して、感知されたパラメータ群10928を修正してもよく、センサ学習回路10924は、継続的な変更を指示してもよい(例えば、改善がまだ発生している間)、増加または減少した変化率(例えば、改善された感知されたパラメータ群10928により早く収束するため)、および/または感知されたパラメータ群10928へのランダム化された変化を指示する(例えば、すべての潜在的に結果的に有効なセンサがチェックされていることを確実にするため、および/または、局所的な最適値に収束することを避けるため)。
感知性能値10934の例示的かつ非限定的なオプションは、産業システムにおける関心のある値を検出するための信号対雑音性能(例えば、値に対する予測信号が、感知されたパラメータ群10928の1つまたは複数のセンサ、および/または感知されたパラメータ群10928全体の雑音要因に対して高いという判定)、産業システムにおけるセンサのネットワーク利用率(例えば、センサ学習回路10924は、別のセンサ付きパラメータ群10928と同等またはほぼ同等の効果があるが、ネットワーク利用率が低い場合に、センサ付きパラメータ群10928を相対的に高く評価してもよい)、産業システムにおける関心のある値に対する効果的な感知分解能(例えば、センサ学習回路10924は、入力値のより小さな変化に対して出力値の応答性の高い予測を提供する場合に、センサ付きパラメータ群10928を相対的に高く評価してもよい)、産業システムにおける感知システムの電力消費値であって、感知システムは、以下を含む。センサ(例えば、センサ学習回路10924は、感知されたパラメータ群10928を、別の感知されたパラメータ群10928と同等またはほぼ同等の効果があるところで相対的に高く評価してもよいが、より低い消費電力になる)、二次値を決定するための計算効率(例えば、センサ学習回路10924は、二次値10932を決定するための計算効率(例えば、二次値10932を決定する際に、別の感知されたパラメータグループ10928と同程度またはほぼ同程度の効果がある場合に、感知されたパラメータグループ10928を相対的に高く評価してもよいが、より少ないプロセッササイクル、より低いネットワーク利用率、および/またはバッファなどの中間メモリ利用率だけでなく、格納されたメモリ要件を含むより低いメモリ利用率)、二次値の精度および/または正確さ(例えば、センサ学習回路10924は、二次値10932の高精度および/または高精密な決定を提供する場合に、感知されたパラメータ群10928を相対的に高くスコアリングしてもよい)、二次値を決定するための冗長性容量(例えば、センサ学習回路10924は、同様の能力および/またはリソース利用を提供するが、感知されたパラメータ群10928の1つまたは複数のセンサからのデータのギャップに対してより頑健であるなど、追加の感知の冗長性を提供する場合に、感知されたパラメータ群10928を相対的に高く採点することができる)、および/または二次値10932を決定するためのリードタイム値(例えば、以下のとおり。センサ学習回路10924は、二次値10932の決定において改善されたまたは十分なリードタイムを提供するところで、感知されたパラメータ群10928を相対的に高く採点してもよい-例えば、過熱動作の回避、生産実行全体の台無し、コンポーネントが生産実行を完了するのに十分な耐用年数を有するかどうかの決定などを支援するために。)例示的かつ非限定的な計算効率値には、二次値10932を決定するためのプロセッサ操作、二次値10932を決定するためのメモリ利用率、二次値10932を決定するための多数のセンサからのセンサ入力数、および/または二次値10932をサポートするための長期記憶装置またはバッファなどのサポートメモリなど、1つまたは複数の決定が含まれる。
例示的なシステムは、センサ10908の1つまたは複数、またはすべてを、アナログセンサとして、および/または、リモートセンサとして含む。例示的なシステムは、二次値10932が、以下のような値であることを含み、仮想センサ出力値、プロセス予測値(例えば、生産実行の成功値、過温値、過圧値、製品品質値など)、プロセス状態値(例えば、プロセスの段階、プロセス内の時間および場所での温度);コンポーネント予測値(例えば、コンポーネントの故障予測、コンポーネントの保守またはサービス予測、コンポーネントの応答予測、コンポーネントの保守またはサービス予測、コンポーネントの応答予測などの動作変化予測)、部品の状態値(部品の残りの耐用年数またはメンテナンス間隔)、および/または、融合した数のセンサ10926からのセンサデータ値10948を入力とするモデル出力値を含む。例示的なシステムは、融合された数のセンサ10926が、振動センサと温度センサ、振動センサと圧力センサ、振動センサと電界センサ、振動センサと熱流束センサ、振動センサとガルバニックセンサ、および/または、振動センサと磁気センサのようなセンサの組み合わせの1つ以上であることを含む。
例示的なセンサ学習回路10924は、以下のような動作を実行することによって、感知されたパラメータ群10928をさらに更新する:感知されたパラメータ群10928のセンサ選択を更新する(例えば、どのセンサがサンプリングされるか);感知されたパラメータ群からの少なくとも1つのセンサのセンササンプリングレートを更新する(例えば、センサーが情報を提供する速さ、および/または情報がネットワークを通過する速さなど)の更新;感知されたパラメータグループからの少なくとも1つのセンサーのセンサー分解能の更新(例えば、センサー分解能の変更または変更の要求、より大きな有効な分解能を提供するための追加のセンサーの利用など);感知されたパラメータグループからの少なくとも1つのセンサーに対応する記憶値の更新(例えば、センシングされたパラメータグループからの少なくとも1つのセンサに対応する優先度の更新(例えば、環境条件によって計画されたすべてのセンサからのデータ受信が妨げられた場合に、センサをより高い優先度に移動させる、および/または、センシングされたデータの作成とセンサ学習回路10924での受信との間のタイムラグを短縮する)、および/または、センシングされたパラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリングフェーズ、および/またはネットワークパス構成のうちの少なくとも1つの更新を行う。
例示的なパターン認識回路10922は、以下のような動作を実行することによって、認識されたパターン値10930をさらに決定する:関心値10950に対する感知されたパラメータ群および更新された感知されたパラメータ群の少なくとも1つのセンサの信号有効性を決定する(例えば、センサ値が関心値10950の良好な予測因子であることを決定する);関心値10950に対する感知されたパラメータ群10928および更新された感知されたパラメータ群10928の少なくとも1つのセンサの感度を決定する(例えば、選択された感知されたパラメータグループ10928に基づく動作条件の小さな変化に対する決定された関心のある値の相対的な感度を決定すること);関心のある値10950に対する感知されたパラメータグループ10928および更新された感知されたパラメータグループ10928の少なくとも1つのセンサの予測信頼度を決定すること。関心値10950に対する、感知されたパラメータグループ10928および更新された感知されたパラメータグループ10928の少なくとも1つのセンサの予測遅延時間を決定することと、関心値10950に対する、感知されたパラメータグループ10928および更新された感知されたパラメータグループ10928の少なくとも1つのセンサの予測精度を決定することと、感知されたパラメータグループ10928の少なくとも1つのセンサの分類精度を決定すること(e.g.,少なくとも1つのセンサの使用に基づく機械分類器によるパターンの分類精度を決定すること)と、関心値10950に対する感知されたパラメータ群10928および更新された感知されたパラメータ群10928の少なくとも1つのセンサの予測精度を決定することと、および/または外部データ10952として受信され得る外部フィードバックに応答して認識されたパターン値10930を更新すること(例えばメンテナンスイベント、製品品質の決定、生産結果の決定などの結果が既知である場合、認識されたパターン値10930の検出は、それによって、既知の結果が発生する前のシステムの条件に応じて改善される)。)例示的かつ非限定的な関心値10950は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および/または融合された複数のセンサからのセンサデータ値を入力として有するモデル出力値を含む。
例示的パターン認識回路10922は、第2の数のセンサデータ値を含むクラウドベースのデータ10954にさらにアクセスし、第2の数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応する。例示的なセンサ学習回路10924は、少なくとも1つのオフセット産業システムに対応する第2の更新されたセンサパラメータ群を含むクラウドベースのデータ10954にさらにアクセスする。したがって、パターン認識回路10922は、オフセットシステムから利用可能な増加した統計データに基づいて、システム内のパターン認識を改善することができる。さらに、または代わりに、センサ学習回路10924は、オフセットシステムからのデータに基づいて、より迅速に、より高い信頼性で改善することができる-システムの結果を予測するのに有効であることが分かったオフセットシステムのどのセンサを決定することを含む。
例示的なシステムは、石油精製所を含む産業システムを含む。例示的な石油精製所は、プラント全体に流体を移送するための、および/または流体ストリームを加圧するための(例えば、蒸留塔における還流のための)1つまたは複数のコンプレッサを含む。さらに、または代わりに、例示の石油精製所は、炭化水素を分別するために、例えば、真空蒸留を含む。さらに、例示の石油精製所は、流体の移送、原料の持ち込み、最終製品の供給などのために、システム内に様々なパイプラインを含む。例えば、様々な流体の温度、カラム内の個々のコンタクトトレイの温度と組成、供給と還流の測定、および流出物や分離された製品の測定などである。蒸留塔の設計は複雑で、最適な設計は、ボイラーやコンプレッサーのサイズ、塔内の接触条件、原料の組成などに依存し、これらはすべて大きく変化する可能性がある。さらに、配管内の状態を効果的に検知するための最適な位置は、流体の流量、環境条件(例えば、熱伝達率の変化を引き起こす)、利用される原料、およびその他の要因によって異なる可能性がある。さらに、ボイラー、コンプレッサー、その他の運転機器の摩耗や機能低下により、システムの応答や機能が変化する可能性があり、センサーをどこに配置するか、どのようにデータをサンプリングするかなど、一点集中型の最適化は、システムの老朽化に伴い最適ではなくなっている。
これは、必ずしもセンサが高価だからではなく、センサが提供するデータは、送信、保存、利用するのに膨大なコストがかかるからである。コストには、ネットワークを介して送信するためのコストや、入力/出力操作の数(およびそのような操作を行うために必要な時間)などの操作のコストが含まれることがある。例示したシステムには、システム全体に多数のセンサを設け、どのセンサが蒸留プロセスの制御および最適化に有効であるかを決定することが含まれる。さらに、原料や環境条件が変わると、最適化と制御の両方に最適なセンサーパッケージが変わる可能性がある。この例のシステムでは、パターン認識回路を利用して、センサー融合操作(グループの選択、多重化と組み合わせの選択などを含む)を含めて、どのセンサーが蒸留の所望のパラメータを制御するのに有効であるかを決定し、温度、流量、供給と還流のためのエントリートレイ、および/または還流速度の最適値を決定する。さらに、センサー学習回路は、時間をかけて、あるいはオフセット製油所を利用して、多数の動作条件に適した様々なセンサーパッケージに迅速に収束させることができる。予期せぬ動作条件(例えば、コンプレッサーの異常動作など)が発生した場合、センサー学習回路は、システムを予期せぬ動作条件に適したセンシングおよび動作条件に移行させることができる。このように、複数のセンサーを柔軟に利用することで、センサーデータの送受信や保存に過剰な機能を持たせることなく、状況の変化に柔軟に対応することが可能となる。したがって、蒸留塔の操作性が向上し、多数の操作条件に合わせて最適化することができる。さらに、標準外の動作を示すパタンの認識に基づく蒸留塔の警告は、重大な製品品質の損失や危険な状態が発生する前にプロセスを調整またはシャットダウンするために容易に準備することができる。製油所におけるセンサーフュージョンの例としては、振動情報を温度、圧力、組成と組み合わせたもの(例えば、コンプレッサーの性能を判断するため)、温度と圧力、温度と組成、組成と圧力(例えば、原料のばらつき、コンタクトトレイの性能、コンポーネントの故障を判断するため)などがある。
例示的な製油所システムは、貯蔵タンクおよび/またはボイラ給水を含む。例示的なシステム決定は、温度と圧力の融合、および/または非振動決定(例えば、漏れ、システム内の空気、および/またはフィードポンプの問題を検出する)を伴う振動決定など、貯蔵タンクの故障および/または非正常な動作を決定するためのセンサ融合を含む。特定のさらなる例のシステム判定には、流量、圧力、温度、および/または振動を含むセンサフュージョンを介して、ボイラ給水の不具合を判定するセンサフュージョンが含まれる。これらのパラメータのいずれか1つまたは複数を利用して、システムの漏れ、故障、フィードポンプの摩耗、スケーリングを判断し、システムの流量を維持しながらポンプの損失を低減することができる。同様に、例示的な産業システムには、復水および/またはメークアップウォーターシステムを有する発電システムが含まれ、センサフュージョンにより、感知されたパラメータ群および故障、メンテナンスなどの予測が提供される。
例示的な産業システムは、フィールドまたはフィールドのシステムのための灌漑システムを含む。灌漑システムは、システムの大きな変動(例えば、入口圧力および/または水位、コンポーネントの摩耗およびメンテナンス)だけでなく、環境変動(例えば、植えられた作物の種類および分布、天候、土壌水分、湿度、太陽の季節変動、雲量、および/または風の変動)の影響を受ける。さらに、灌漑システムは遠隔地に設置されることが多く、高帯域のネットワークアクセス、メンテナンス施設、さらには監視のための人員も容易には確保できない。システムの例では、灌漑システムの状態を検出できる複数のセンサーを備えているが、すべてのセンサーがデータを送信または保存する必要はない。連続的に行うことができる。パターン認識回路は、パターンや応答を必要とするシステム状態(例えば、灌漑サイクル、位置決めなど)を効果的に予測するために、最も重要なセンサ群を容易に決定することができる。センサ学習回路は、遅いサイクル(季節、気候変動など)や速いサイクル(機器の故障、気象条件、植え付けや収穫などの段階的変化イベントなど)で発生する可能性のある変動に対して、感知されたパラメータ群を応答的に移行させる。さらに、遠隔地の施設に対する警告は、正常でない状態(例えば、ポンプの差し迫った故障やメンテナンスの必要性)を判断するために、正しいセンサーパッケージが設置されていることを確信して、容易に準備することができる。
産業システムの例としては、化学プラントや医薬品プラントが挙げられる。化学プラントは、システム全体で適切な温度、濃度、混合などを維持するために、特定の動作条件、流量、温度などを必要とする。多くのシステムでは、多数のプロセスステップがあり、プロセスの一部分で正常でない、または調整されていない操作が行われると、歩留まりの低下、プロセスの失敗、および調整されたプロセスが対応しなければならない(または調整されたプロセスが対応できない)ために生産能力が大幅に低下する可能性がある。したがって、システムを最小限に定義するためには、非常に多くのシステムが必要となり、特定の実施形態では、データ伝送およびストレージの観点から、広範囲の動作条件に対するセンシング能力を維持するために、法外な数のセンサが必要となる。さらに、システムが複雑になると、十分な数のセンサーが存在していても、システムの動作を最適化したり調整したりすることが難しくなる。ある実施形態では、パターン認識回路は、すべてのセンサが継続的にデータを保存および送信することを必要とせずに、システムの高解像度の理解を提供するセンシングパラメータ群を決定することができる。さらに、センサーフュージョンを利用することで、例えば、「収量を最大にする」、「望ましくない副反応を最小にする」などの所望の出力を抽象化することができ、抽象化された所望の出力を達成するために、どのセンサーとシステム条件が最も効果的であるかをオペレーターが完全に理解する必要はない。センサーフュージョン操作に基づく制御および予測が可能な化学または医薬品プランの例示的な構成要素には、撹拌機、圧力反応器、触媒反応器、および/または熱加熱システムが含まれる。センシングされたパラメータグループを決定し、パターン認識回路を調整するためのセンサフュージョン操作の例としては、限定されるものではないが、振動センサと他のセンサタイプを組み合わせたもの、組成センサと他のセンサタイプを組み合わせたもの、温度センサーと他のセンサーの組み合わせたもの、流量を決定するものなどがある。特定のアプリケーションに最適なセンサーフュージョンは、センサー学習回路によって収束させることができるが、予測の対象となる部品の種類や、オペレーターが求める出力の種類によっても異なる。例えば、撹拌機では、振動検知のほか、組成の均一性の検知(高分解能の温度検知など)、適切に混合された系での反応速度の予測などが可能である。触媒反応器は、温度検知(反応熱力学に基づく)、組成検知(例:予想される反応物の検知、触媒材料の直接検知)、流量検知(例:重大な機械的故障、ビーズの体積減少など)、および/または圧力検知(例:流量の変化を示す、または流量の変化と連動する)が可能である。
例示的な産業システムは、食品処理システムを含む。例示的な食品処理システムは、加圧容器、撹拌器、ミキサー、および/または熱的加熱システムを含む。プロセスの制御は、食品の安全性、製品の品質、および製品の一貫性を維持するために重要である。しかし、食品加工システムへのほとんどの入力パラメータは、高い変動性の対象となる。例えば、基本的な食品は、天然物として本質的に変動性があり、水分含有量、タンパク質含有量、および美観の変化が異なる。さらに、人件費管理、電力コスト管理、供給水の変動などにより、プロセス制御変数の決定、これらを決定するためのセンシングパラメータ、プロセス変動に対応したセンシングの最適化が解決困難な問題となる複雑なプロセスが提供されている。食品加工システムは、しばしばコスト意識が高く、資本コスト(例えば、最適化のためのロバストネットワークおよびコンピューティングシステムのためのコスト)は容易に発生しない。さらに、食品加工システムは、例えば、製品ライン全体をサポートするために、あるいは季節的な変動のために、類似または同じ生産設備で多種多様な製品を製造することがある。そのため、ある工程で使用するセンサーでは、別の工程に対応できない場合がある。本システムの例では、パターン認識回路が、システムの状態に大きなばらつきがある場合でも、目標とする結果において強い信号応答を提供するセンシングパラメータ群を決定する。パターン認識回路は、大規模なコンピューティングリソースやデータストレージリソースを必要とせずに、異なるプロセス条件で利用可能な多数のセンシンググループパラメータオプションを提供することができる。さらに、センサ学習回路は、プロセス条件の変化に対するセンシングシステムの迅速な応答を可能にする。これには、オペレータがどの感知パラメータが出力目標を最もよくサポートするかを理解しなくても、抽象化された目標出力を追求するために感知グループのパラメータオプションを更新することが含まれる。特定のアプリケーションに最も適したセンサフュージョンは、センサ学習回路によって収束させることができるが、予測の対象となるコンポーネントの種類や、オペレータが追求する目標出力の種類にも依存する。例えば、加圧容器、撹拌器、混合器、加熱装置の制御や予測には、温度判定と非温度判定、振動判定と非振動判定、ヒートマップとヒートマップの変化率および非ヒートマップ判定を組み合わせたセンサフュージョンが適している。例示的なシステムは、振動判定と非振動判定とのセンサフュージョンを含み、ミキサーおよび/または撹拌機の予測情報が提供される。圧力判定、温度判定、非圧力判定とのセンサフュージョンにより、加圧容器の予測情報を提供するシステム例を紹介する。
図106を参照すると、産業環境におけるデータ収集のための例示的な手順10936は、多数のコンポーネントを含む産業システムに多数のセンサを提供する操作10938を含み、多数のセンサの各々は、多数のコンポーネントのうちの少なくとも1つに動作可能に結合される。手順10936はさらに、感知されたパラメータ群に応答して多数のセンサデータ値を解釈する動作10940を含み、感知されたパラメータ群は、多数のセンサからの融合されたセンサ数を含み、多数のセンサデータ値に応答して決定された二次値を含む認識されたパターン値を決定する動作10942と、認識されたパターン値に応答して感知されたパラメータ群を更新する動作10944と、更新された感知されたパラメータ群に応答して多数のセンサデータ値の解釈を調整する動作10946とを含む。
例示的な手順10936は、認識されたパターン値を決定することと、感知されたパラメータ群を更新することとを反復的に実行して、感知性能値を向上させる動作を含む(例えば、周期的に、選択された間隔で、および/またはシステム変更に応答して、動作10940から10944を繰り返すことによって)。例示的な手順10936は、産業システムにおける関心のある値を検出するための信号対雑音性能、産業システムにおける複数のセンサのネットワーク利用率、産業システムにおける関心のある値に対する有効な感知分解能、産業システムにおける感知システムの電力消費値、感知システムは複数のセンサを含む、二次値を決定するための計算効率、二次値の精度および/または精密度、二次値を決定するための冗長性容量、および/または二次値を決定するためのリードタイム値を決定することにより、感知性能値を決定することを含む。
例示的な手順10936は、以下のような少なくとも1つの動作を実行することによって、感知されたパラメータグループを更新する動作10944を含む。感知パラメータグループのセンサ選択を更新すること、感知パラメータグループからの少なくとも1つのセンサのセンササンプリングレートを更新すること、感知パラメータグループからの少なくとも1つのセンサのセンサ解像度を更新すること、感知パラメータグループからの少なくとも1つのセンサに対応する記憶値を更新すること、感知パラメータグループからの少なくとも1つのセンサに対応する優先度を更新すること、および/または感知パラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリングフェーズ、およびネットワークパス構成のうちの少なくとも1つを更新すること。例示的な手順10936は、以下のような少なくとも1つの動作を実行することによって、認識されたパターン値を決定する動作10942を含む。関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの信号有効性を決定すること、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの感度を決定すること、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測信頼度を決定すること。関心値に対する感知パラメータ群および更新された感知パラメータ群の少なくとも1つのセンサの予測遅延時間を決定すること、関心値に対する感知パラメータ群および更新された感知パラメータ群の少なくとも1つのセンサの予測精度を決定すること、関心値に対する感知パラメータ群および更新された感知パラメータ群の少なくとも1つのセンサの予測精度を決定すること、および/または、外部からのフィードバックに応答して認識されたパターン値を更新すること。
(1)実施形態では、産業環境におけるデータ収集のためのシステムであって、システムは以下を含む。複数のコンポーネントと、それぞれが前記複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、前記認識されたパターン値に応答して前記感知されたパラメータ群を更新するように構成されたセンサ学習回路と、を備え、前記センサ通信回路は、更新された感知されたパラメータ群に応答して前記複数のセンサデータ値の解釈を調整するようにさらに構成されている、産業システム。(2)前記感知されたパラメータ群は、融合された複数のセンサからなり、前記認識されたパターン値は、前記融合された複数のセンサに応答して決定された値からなる二次値をさらに含む、(1)項に記載のシステム。(3)前記パターン認識回路および前記センサ学習回路は、前記認識されたパターン値の決定および前記感知されたパラメータ群の更新を反復して行い、感知性能値を向上させるようにさらに構成されていることを特徴とする、(2)項に記載のシステム。(4)前記センシング性能値は、産業用システムにおける関心事の値を検出するためのS/N性能、産業用システムにおける複数のセンサのネットワーク利用率、産業用システムにおける関心事の値に対する有効なセンシング解像度、および産業用システムにおけるセンシングシステムの電力消費値からなる性能決定から選択された少なくとも1つの性能決定を含み、前記センシングシステムは前記複数のセンサを含む、(3)項に記載のシステム。(5)前記感知性能値は、前記産業用システムにおける関心事の値を検出するための信号対雑音性能を含む、(3)項に記載のシステム。(6)前記感知性能値は、前記産業用システムにおける前記複数のセンサのネットワーク利用率を構成する、(3)項に記載のシステム。(7)前記検知性能値は、前記産業用システムにおける関心事の値に対する有効な検知解像度を構成する、(3)項に記載のシステム。(8)前記感知性能値は、前記産業用システムにおける感知システムの電力消費値を構成し、前記感知システムは、前記複数のセンサを含む、(3)項に記載のシステム。(9)前記感知性能値は、前記二次値を決定するための計算効率を含む、(3)項に記載のシステム。(10)前記計算効率は、前記二次値を決定するためのプロセッサ演算、前記二次値を決定するためのメモリ使用率、前記二次値を決定するための前記複数のセンサからのセンサ入力数、及び前記二次値をサポートするためのサポートデータ長期記憶のうちの少なくとも1つからなる、(9)項に記載のシステム。(11)前記感知性能値は、前記二次値の精度および正確さのうちの1つからなる、(3)項に記載のシステム。(12)前記感知性能値は、前記二次値を決定するための冗長性容量からなる、(3)項に記載のシステム。(13)前記感知性能値は、セカンダリーバリューの決定のためのリードタイム値からなる、(3)項に記載のシステム。(14)前記二次的な値は、コンポーネントの過温値からなる、(13)項に記載のシステム。(15)前記二次的な値は、コンポーネントのメンテナンス時間、コンポーネントの故障時間、およびコンポーネントの耐用年数のうちの1つからなる、(13)項に記載のシステム。(16)前記副次的な値は、前記産業用システムの動作によって生産される製品の品質に影響を与える公称外の動作状態である、(13)項に記載のシステム。(17)前記複数のセンサは、少なくとも1つのアナログセンサを含む、(1)項に記載のシステム。(18)前記センサのうち少なくとも1つは、リモートセンサである、(1)項に記載のシステム。(19)前記二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および前記融合された複数のセンサからのセンサデータ値を入力とするモデル出力値からなる値から選択された少なくとも1つの値からなる、(2)項に記載のシステム。(20)前記融合された複数のセンサは、振動センサと温度センサ、振動センサと圧力センサ、振動センサと電界センサ、振動センサと熱流束センサ、振動センサとガルバニックセンサ、および振動センサと磁気センサからなるペアリングから選択されたセンサタイプの少なくとも1つのペアリングをさらに含む、(2)項に記載のシステム。(21)前記センサ学習回路は、以下の操作から選択される少なくとも1つの操作を行うことによって、前記感知されたパラメータ群を更新するようにさらに構成されている、(1)項に記載のシステム。センサパラメータ群のセンサ選択を更新すること、センサパラメータ群からの少なくとも1つのセンサのセンササンプリングレートを更新すること、センサパラメータ群からの少なくとも1つのセンサのセンサ分解能を更新すること、センサパラメータ群からの少なくとも1つのセンサに対応する記憶値を更新すること、センサパラメータ群からの少なくとも1つのセンサに対応する優先度を更新すること、およびセンサパラメータ群からの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリングフェーズ、およびネットワークパス構成のうちの少なくとも1つを更新すること。(22)前記パターン認識回路は、以下の操作から選択される少なくとも1つの操作を実行することによって、認識されたパターン値を決定するようにさらに構成される、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの、関心のある値に対する信号有効性を決定すること、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの、関心のある値に対する感度を決定すること、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの、関心のある値に対する予測信頼度を決定すること、および、認識されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの、関心のある値に対する予測信頼度を決定すること、からなる操作から選択され、関心のある値に対する、感知されたパラメータ群の少なくとも1つのセンサと更新された感知されたパラメータ群の予測遅延時間を決定すること、関心のある値に対する、感知されたパラメータ群の少なくとも1つのセンサと更新された感知されたパラメータ群の予測精度を決定すること、関心のある値に対する、感知されたパラメータ群の少なくとも1つのセンサと更新された感知されたパラメータ群の予測精度を決定すること、外部からのフィードバックに応じて認識されたパターンの値を更新すること、である。(23)前記関心値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および前記融合された複数のセンサからのセンサデータ値を入力とするモデル出力値からなる値から選択される少なくとも1つの値を含む、(22)項に記載のシステム。(24)前記パターン認識回路は、第2の複数のセンサデータ値を含むクラウドベースのデータにアクセスするようにさらに構成されており、前記第2の複数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応する、(2)項に記載のシステム。(25)前記センサ学習回路は、前記少なくとも1つのオフセット産業システムに対応する第2の更新されたセンサパラメータ群を含むクラウドベースデータにアクセスするようにさらに構成されている、(24)項に記載のシステム。(26)方法であって、複数のコンポーネントを含む産業システムに複数のセンサを提供するステップであって、複数のセンサの各々は、複数のコンポーネントのうちの少なくとも1つに動作可能に結合されるステップと、感知されたパラメータグループに応答して複数のセンサデータ値を解釈するステップであって、感知されたパラメータグループは、複数のセンサからの融合された複数のセンサを含むステップと、複数のセンサデータ値に応答して決定された二次値を含む認識されたパターン値を決定するステップと、認識されたパターン値に応答して感知されたパラメータグループを更新するステップと、更新された感知されたパラメータグループに応答して複数のセンサデータ値の解釈を調整するステップとを含む方法。(27)前記認識されたパターン値を決定することと、前記感知されたパラメータ群を更新することとを、感知性能値を向上させるために反復して実行することをさらに含む、(26)項に記載の方法。(28)産業システムにおける関心値を検出するための信号対雑音性能、産業システムにおける複数のセンサのネットワーク利用率、の少なくとも1つを決定することに応答して、感知性能値を決定することをさらに含む、(27)項に記載の方法。
産業システムにおける関心のある値に対する有効な感知分解能と、産業システムにおける感知システムの電力消費値であって、感知システムは複数のセンサを含むものと、二次値を決定するための計算効率であって、計算効率は、二次値を決定するためのプロセッサ動作と、二次値を決定するための複数のセンサからのセンサ入力の数と、二次値をサポートするためのサポートデータ長期記憶とのうちの少なくとも1つとを含む。二次値を決定するためのプロセッサ動作、二次値を決定するためのメモリ使用率、二次値を決定するための複数のセンサからのセンサ入力数、および二次値をサポートするためのサポートデータの長期保存、二次値の精度および精度のうちの1つ、二次値を決定するための冗長性容量、および二次値を決定するためのリードタイム値。(29)(27)項に記載の方法であって、感知されたパラメータ群を更新することは、以下からなる操作から選択された少なくとも1つの操作を実行することを含む。センサ付きパラメータ群のセンサ選択を更新すること、センサ付きパラメータ群からの少なくとも1つのセンサのセンササンプリングレートを更新すること、センサ付きパラメータ群からの少なくとも1つのセンサのセンサ分解能を更新すること、センサ付きパラメータ群からの少なくとも1つのセンサに対応する記憶値を更新すること、センサ付きパラメータ群からの少なくとも1つのセンサに対応する優先度を更新すること、および、センサ付きパラメータ群からの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリングフェーズ、およびネットワークパス構成のうちの少なくとも1つを更新すること。(30)認識されたパターン値を決定することは、以下からなる操作から選択された少なくとも1つの操作を実行することを含む、(27)項に記載の方法。関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの信号有効性を決定すること、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの感度を決定すること、関心のある値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測信頼度を決定すること。関心値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測遅延時間を決定することと、関心値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測精度を決定することと、関心値に対する、感知されたパラメータグループおよび更新された感知されたパラメータグループの少なくとも1つのセンサの予測精度を決定することと、外部からのフィードバックに応答して、認識されたパターン値を更新することと、を含む。(31)産業環境におけるデータ収集のためのシステムであって、複数の構成要素と、それぞれが前記複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサとを含む産業システムと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路であって、前記感知されたパラメータ群が融合されたセンサデータを含む、センサ通信回路とを備えるシステム。複数のセンサと、感知されたパラメータ群に応答してパターン値を認識する手段と、認識されたパターン値に応答して感知されたパラメータ群を更新する手段とを備えている。(32)前記感知されたパラメータ群を反復的に更新する手段をさらに備える、(31)項に記載のシステム。(33)外部データおよびオフセット産業システムに対応する第2の複数のセンサデータ値のうちの少なくとも1つにアクセスする手段をさらに備え、感知されたパラメータ群を反復的に更新する手段が、外部データおよび第2の複数のセンサデータ値のうちの少なくとも1つにさらに応答する、(32)項に記載のシステム。(34)前記オフセット産業システムに対応する第2の感知されたパラメータ群にアクセスする手段をさらに備え、前記反復的に更新する手段は、前記第2の感知されたパラメータ群にさらに応答する、(33)項に記載のシステム。(35)産業環境におけるデータ収集のためのシステムであって、以下の構成を有する。複数のコンポーネントと、それぞれが前記複数のコンポーネントの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路であって、前記認識されたパターン値が、前記複数のセンサの少なくとも一部に応答して決定された値からなる二次値を含む、パターン認識回路と、を備える。前記認識されたパターン値に応答して前記感知されたパラメータ群を更新するように構成されたセンサ学習回路と、前記センサ通信回路が、更新された感知されたパラメータ群に応答して前記複数のセンサデータ値の解釈を調整するようにさらに構成され、前記パターン認識回路および前記センサ学習回路が、感知性能値を向上させるために、前記認識されたパターン値の決定および前記感知されたパラメータ群の更新を反復して実行するようにさらに構成され、前記感知性能値が、前記産業システムにおいて関心のある値を検出するための信号対雑音性能を構成する、(1)項に記載のシステム。(36)前記感知されたパラメータ群は、融合された複数のセンサを含み、前記二次値は、前記融合された複数のセンサに応答して決定された値を含む、(35)項に記載のシステム。(37)前記二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および前記融合された複数のセンサからのセンサデータ値を入力とするモデル出力値からなる値から選択される少なくとも1つの値からなる、(36)項に記載のシステム。(38)産業環境におけるデータ収集のためのシステムであって、以下を含む。複数のコンポーネントと、それぞれが前記複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、前記複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路であって、前記認識されたパターン値が、前記複数のセンサのうちの少なくとも一部に応答して決定された値からなる二次値を含むパターン認識回路と、を備える。前記認識されたパターン値に応答して前記感知されたパラメータ群を更新するように構成されたセンサ学習回路と、前記センサ通信回路が、更新された感知されたパラメータ群に応答して前記複数のセンサデータ値の解釈を調整するようにさらに構成され、前記パターン認識回路および前記センサ学習回路が、前記認識されたパターン値の決定および前記感知されたパラメータ群の更新を反復実行して感知性能値を向上させるようにさらに構成され、前記感知性能値が、前記産業システムにおける前記複数のセンサのネットワーク利用率を構成することを特徴とする。39.前記感知されたパラメータ群は、融合された複数のセンサを含み、前記二次値は、前記融合された複数のセンサに応答して決定された値を含む、(37)項に記載のシステム。(40)前記二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および前記融合された複数のセンサからのセンサデータ値を入力とするモデル出力値からなる値から選択される少なくとも1つの値からなる、(39)項に記載のシステム。(41)産業環境におけるデータ収集のためのシステムであって、以下を含む。複数のコンポーネントと、それぞれが前記複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路であって、前記認識されたパターン値が、前記複数のセンサのうちの少なくとも一部に応答して決定された値からなる二次値を含む、パターン認識回路とを備え認識されたパターン値に応答して感知されたパラメータ群を更新するように構造化されたセンサ学習回路と、更新された感知されたパラメータ群に応答して複数のセンサデータ値の解釈を調整するようにさらに構造化されたセンサ通信回路と、パターン認識回路およびセンサ学習回路が前記認識されたパターン値の決定と前記感知されたパラメータ群の更新とを反復して実行して、感知性能値を向上させるようにさらに構成されており、前記感知性能値は、前記産業システムにおける関心のある値に対する有効な感知分解能を構成する。(42)前記感知されたパラメータ群は、融合された複数のセンサを含み、前記二次値は、前記融合された複数のセンサに応答して決定された値を含む、(41)項に記載のシステム。(43)前記二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および前記融合された複数のセンサからのセンサデータ値を入力とするモデル出力値からなる値から選択される少なくとも1つの値からなる、(42)項に記載のシステム。(44)産業環境におけるデータ収集のためのシステムであって、以下を含む。複数のコンポーネントと、それぞれが前記複数のコンポーネントの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路であって、前記認識されたパターン値は、前記複数のセンサの少なくとも一部に応答して決定された値からなる二次値を含む、パターン認識回路と、前記認識されたパターン値に応答して前記感知されたパラメータ群を更新するように構成されたセンサ学習回路と、を備える産業用システム。センサ通信回路が、更新された感知されたパラメータ群に応答して、複数のセンサデータ値の解釈を調整するようにさらに構造化されており、パターン認識回路およびセンサ学習回路が、感知性能値を向上させるために、認識されたパターン値の決定および感知されたパラメータ群の更新を反復して実行するようにさらに構造化されており、感知性能値が、産業システム内の感知システムの電力消費値を含み、感知システムが複数のセンサを含むセンサ通信回路。(45)前記感知されたパラメータ群は、融合された複数のセンサを含み、前記二次値は、前記融合された複数のセンサに応答して決定された値を含む、(44)項に記載のシステム。(46)前記二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および前記融合された複数のセンサからのセンサデータ値を入力とするモデル出力値からなる値から選択される少なくとも1つの値からなる、(45)項に記載のシステム。
図107を参照すると、産業環境におけるデータ収集のための例示的なシステム11000は、多数のコンポーネント11004を有する産業システム11002と、各々が多数のコンポーネント11004のうちの少なくとも1つに動作可能に結合された多数のセンサ11006とを含む。センサの選択、分布、タイプ、および通信設定は、システム11000の用途および/または文脈に依存する。
例示のシステム11000は、感知されたパラメータ群11026に応答して多数のセンサデータ値11034を解釈するセンサ通信回路11018(参照図108)をさらに含む。感知されたパラメータ群11026は、少なくとも選択されたサンプリング周波数、特定のセンサが関心のある値を提供している可能性があるプロセスステージなどを含む、どのセンサ11006がどのタイミングでサンプリングされているかの記述を含む。例示的なシステムは、感知されたパラメータ群11026が、センサフュージョン動作のために提供される多数のセンサであることを含む。特定の実施形態では、感知されたパラメータ群11026は、プロセス、コンポーネント、センサ、および/またはシステム11000に対する関心のある任意の側面について、結果、オフノミナル動作、メンテナンス間隔、メンテナンス健全性状態、および/またはこれらのいずれかに対する将来の状態値を予測するシステムの動作状態の検出を包含するセンサのセットを含む。
特定の実施形態では、センサデータ値11034は、データコレクタ11008に提供され、このデータコレクタは、複数のセンサ11006とおよび/またはコントローラ11012と通信してもよい。特定の実施形態では、プラントコンピュータ11010が追加的または代替的に存在する。例示のシステムでは、コントローラ11012は、センサ通信回路11018、パターン認識回路11020、および/またはシステム特性評価回路11022の動作を機能的に実行するように構成されており、説明を明確にするために別個のデバイスとして描かれている。コントローラ11012の態様は、センサ11006、データコレクタ11008、プラントコンピュータ11010、および/またはクラウドコンピューティングデバイス11014上に存在してもよい。特定の実施形態では、コントローラ11012のすべての側面は、システム11000上に描かれた別のデバイスに存在してもよい。プラントコンピュータ11010は、例えば処理、メモリ、および/またはネットワークリソースなどのローカルコンピューティングリソースを表しており、存在していてもよいし、産業用システム11000と通信していてもよい。特定の実施形態では、クラウドコンピューティングデバイス11014は、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはを介して、産業用システム11000に外部から利用可能なコンピューティングリソースを表す。データコレクタは、インターネット経由でデータを収集することができる。特定の実施形態では、データコレクタ11008は、コンピューティングデバイス、スマートセンサ、MUXボックス、または複数のセンサからデータを受信し、データを通過させ、および/または後に送信するためにデータを保存することができる他のデータ収集デバイスであってもよい。例示的なデータコレクタ11008は、記憶装置を持たず、および/または限られた記憶装置を持ち、選択的にセンサデータを通過させ、データコレクタ11008、関連するネットワークの帯域幅の考慮、および/または環境上の制約により、所定の時間に通信されるセンサデータのサブセットを持つ。特定の実施形態では、システム11000内の1つまたは複数のセンサおよび/またはコンピューティングデバイスは、ポータブルデバイスであり、例えば、産業システムを歩いているプラントオペレータは、スマートフォンを持っている可能性があり、システム11000は、データコレクタ11008、センサ11006として選択的に利用することができ、例えば、通信スループット、センサの解像度を高めるために、および/またはセンサデータ値11034をコントローラ11012に通信するための主要な方法として利用することができる。
例示システム11000は、センサデータ値11034の少なくとも一部に応答して認識されたパターン値11028を決定するパターン認識回路11020と、認識されたパターン値11028に応答して産業システムのシステム特徴付け値11030を提供するシステム特徴付け回路11022とをさらに含む。システム特徴付け値11030は、関心のあるシステム状態が存在すること、関心のあるコンポーネント状態が存在すること、システムまたはコンポーネントの抽象化された状態が存在すること(例えば、製品品質値、運用コスト値、コンポーネントの健全性、摩耗、またはメンテナンス値、コンポーネントの容量値、および/またはセンサの飽和値)を決定すること、および/または関心のある時間枠(例えば、カレンダー時間、運用時間、および/またはプロセス段階)内に発生することが予測されることを含む、パターン認識回路11020のパターン認識動作から決定された任意の値を含む。パターン認識操作には、以前から知られているパターンに適合する操作、以前から知られているパターンに類似する操作、および/または以前から知られているパターン情報から推定される操作を決定することが含まれる(例えば、以前から知られているパターンには、第1のコンポーネントの温度応答が含まれ、コンポーネント間の既知または推定の関係により、既知または推定の関係と組み合わされた第1のコンポーネントのパターン認識に基づいて、第2のコンポーネントの温度が閾値を超えることを決定することができる)。
システム特徴付け値11030の多数の例の非限定的な説明を以下に記載する。例示的なシステム特徴付け値11030は、産業システムに関連するプロセスの予測された結果を含む-。例えば、製品の品質に関する記述、製品の数量に関する記述、製品の変動性に関する記述(例えば、システムの動作条件に従って予測される製品パラメータの予想変動性)、製品の歩留まりに関する記述、プロセスの正味現在価値(NPV)、プロセスの完了時間、プロセスの完了成功確率、および/または製品の純度に関する結果などである。予測結果は、バッチ予測(例えば、プロセスの1回の実行、または整数回の実行、および関連する予測結果)、時間ベースの予測(例えば、次の日、次の3週間、予定されたシャットダウンまでのプロセスの予測結果など)、生産定義の予測(例えば、次の1,000ユニットにわたる、次の47オーダーにわたる予測結果など)、および/または変化率に基づく結果(例えば、1ヶ月に3回の部品故障、1年に1回の排出量などを予測したものなど)。例示的なシステム特性値11030は、産業システムに関連するプロセスの予測された将来の状態、例えば、将来の所定の時間における動作温度、エネルギー消費値、タンク内の容積、産業システムに隣接する学校での放出された騒音値、および/またはポンプの回転速度を含む。予測された将来の状態は、時間に基づくもの(例えば、木曜日の午後4時)、プロセスの状態に基づくもの(例えば、第3段階中、システム停止中など)、および/または、特に関心のある将来の状態に基づくもの(例えば、エネルギー消費量のピーク、温度の最高値、ポンプの回転速度など)である。ピークエネルギー消費量、最高温度値、最大ノイズ値、最大数の人員が敏感な領域から50フィート以内に入る時間またはプロセス段階、システムの冗長性の側面が最低点である時間またはプロセス段階(例えば、プロセスにおける高リスク点を決定するためなど)に基づく。)例示的なシステム特性値11030は、産業システムに関連するプロセスの予測されたオフノミナル動作を含む-例えば、システムのコンポーネント容量がノミナルパラメータを超える場合(ただし、おそらく故障は発生しない)、システムの任意のパラメータが通常の動作から3標準偏差離れる場合、コンポーネントの容量が十分に活用されない場合など。例示的なシステム特性値11030は、多数の構成要素のうちの1つ、例えば、ある時点および/またはプロセス段階における動作状態の予測値を含む。例示的なシステム特徴付け値11030は、多数の構成要素のうちの1つについての将来の状態値を含む。コンポーネントの予測された将来の状態は、時間に基づいていても、プロセスの状態に基づいていても、および/または、特に関心のある将来の状態(例えば、コンポーネントについて予測された最高値または最低値)に基づいていてもよい。例示的なシステム特性値11030は、以下のいずれかの予想される維持健康状態情報を含む。数の構成要素の、特定の時間、プロセス段階、次のメンテナンスイベントまで予測される最低値などを含む。例示的なシステム特性値11030は、多数の構成要素のうちの少なくとも1つについての予測されたメンテナンス間隔(例えば、現在の使用量、予想される使用量、計画されたプロセス動作などに基づく)を含む。例示的なシステム特性値11030は、多数の構成要素のうちの1つについての予測されたオフノミナル動作を含む(例えば、選択された時間、プロセス段階、および/または特に関心のある将来の状態において)。例示的なシステム特徴付け値11030は、複数の構成要素のうちの1つに対する予測された故障動作-例えば、選択された時間、プロセス段階、現在の使用量、予想される使用量、計画されたプロセス動作、および/または特に関心のある将来の状態に基づいて予測された任意の故障発生-を含む。例示的なシステム特性値11030は、複数の構成要素のうちの1つに対する予測された超過値を含み、超過値は、設計仕様の超過、および/または、選択された閾値の超過を含む。例示的なシステム特性値11030は、例えば選択された時間、プロセス段階、現在の使用量、予想される使用量、計画されたプロセス操作、および/または特に関心のある将来の状態に基づいて予測される任意の飽和発生など、複数のセンサのうちの1つに対する予測された飽和値を含む。
予測値11030の任意の値は、生の値(例えば、温度値)、微分値(例えば、温度値の変化率)、加重累積値を含む累積値(例えば、1つ以上の温度閾値を超えて過ごした時間)、および/または積分値(例えば、関心のある温度値または温度軌跡における温度-時間曲線上の面積)であってもよい。提供された例では温度が挙げられているが、少なくとも振動、システムスループット、圧力などを含む任意の予測値11030を利用することができる。特定の実施形態では、1つまたは複数の予測値11030の組み合わせが利用されてもよい。
予測値11030を組み合わせることで、本明細書で具体的に企図されている、システム分析、制御、およびリスク管理のための特に強力な組み合わせを作り出すことができることが、本開示に照らして理解されるであろう。例えば、第1の予測値は、システムを通る最大流量の時間またはプロセス段階を示してもよく、第2の予測値は、その特定の時間またはプロセス段階に存在するシステムの1つまたは複数のコンポーネントの予測される状態を決定してもよい。別の例では、第1の予測値は、送出能力の観点からシステムの最低マージンを示している(例えば、プロセスの中で少なくとも1つのコンポーネントが最も低い動作マージンを持つ場合、および/または、多数の同時低動作マージンによって誘発されるリスクのためにコンポーネント群が統計的に低い動作マージンを持つ場合)、および、システムリスク(例えば、入口水の損失、電力の損失、温度の上昇、熱伝達を減少または増加させる環境条件の変化、または、特定の排水の排出を妨げる環境条件の変化)をテストする第2の予測値を使用して、別々のイベントのリスクを組み合わせて、システム全体のリスクを評価することができる。さらに、予測値は、感度チェック(例えば、何らかの障害が発生する可能性があるかどうかを判断するために、マージンの範囲内でシステム条件を変化させること)とともに運用することができ、予測値を使用することで、プロセスの高リスクポイントで感度チェックをより高い解像度で実行することができる。
例示的なシステム11000は、外部データ11036を解釈するシステム連携回路11024をさらに含み、パターン認識回路11020が、外部データ11036に応答して、認識されたパターン値11028をさらに決定する。外部データ11036は、限定されないが、システム11000の外部および/またはコントローラ11012の外部から提供されるデータを含む。非限定的な例示の外部データ11036は、オペレータからのエントリ(例えば、故障、障害、および/またはサービスイベントを示す)を含む。例示的なパターン認識回路11020は、外部データ11036に応答してパターン認識動作をさらに反復的に改善する(例えば、保守イベント、製品品質決定、生産結果決定などの結果が既知である場合、認識されたパターン値11028の検出は、それによって、既知の結果が発生する前のシステムの状態に従って改善される)。例示的かつ非限定的な外部データ11036は、以下のようなデータを含む:指示されたプロセス成功値;指示されたプロセス失敗値;指示されたコンポーネントメンテナンスイベント;指示されたコンポーネント失敗イベント;指示されたプロセス結果値;指示されたコンポーネント摩耗値;指示されたプロセス動作超過値;指示されたコンポーネント動作超過値;指示された故障値;および/または指示されたセンサ飽和値。
例示的なシステム11000は、第2の数のセンサデータ値を含むクラウドベースのデータ11032を解釈するシステムコラボレーション回路11024をさらに含み、第2の数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応し、パターン認識回路11020が、クラウドベースのデータ11032に応答して、認識されたパターン値11028をさらに決定する。例示的なパターン認識回路11020は、さらに、パターン認識動作を反復的に改善しては、クラウドベースのデータ11032に応答する。例示的な感知されたパラメータ群11026は、三軸振動センサ、振動センサおよび振動センサではない第2のセンサを含み、第2のセンサはデジタルセンサであり、および/または多数のアナログセンサである。
例示的なシステムは、石油精製所を含む産業システムを含む。例示的な石油精製所は、プラント全体に流体を移送するための、および/または流体ストリームを加圧するための(例えば、蒸留塔における還流のための)1つまたは複数の圧縮機を含む。さらに、または代わりに、例示の石油精製所は、例えば、炭化水素を分取するための真空蒸留を含む。さらに、例示の石油精製所は、流体の移送、原料の投入、最終製品の供給などのために、システム内に様々なパイプラインを含む。例えば、様々な流体の温度、カラム内の個々のコンタクトトレイの温度と組成、供給と還流の測定、および流出物や分離された製品の測定などである。蒸留塔の設計は複雑で、最適な設計は、ボイラーやコンプレッサーの大きさ、塔内の接触条件、さらには大きく変化する可能性のある原料の組成に依存する。さらに、配管内の状態を効果的に感知するための最適な位置は、流体の流量、環境条件(例えば、熱伝達率の変動を引き起こす)、利用される原料、およびその他の要因によって異なる可能性がある。さらに、ボイラー、コンプレッサー、その他の運転機器の摩耗や機能低下により、システムの応答や機能が変化し、センサーをどこに配置するか、どのようにデータをサンプリングするかなどの一点最適化は、システムの老朽化に伴い最適ではなくなる。
システム全体で複数のセンサを提供することは、必ずしもセンサが高価であるからではなく、センサが送信、保存、および利用するために法外な費用がかかる可能性のあるデータを提供するため、コストがかかる可能性がある。例示のシステムは、システム全体に多数のセンサを提供することと、システムのコンポーネント、プロセス変数、製品、および/または排出物の将来の状態を予測することとを含む。この例のシステムでは、パターン認識回路を利用して、将来予測されるパラメータの状態だけでなく、将来予測されるパラメータの状態がいつ注目されるか、また、将来予測される他のパラメータの状態と組み合わされて新たなリスクや機会が生じるかを判断する。
さらに、システム特性評価回路およびシステム連携回路は、予測および/またはシステム特性評価を経時的に改善することができ、および/またはオフセット石油精製所を利用して、予測またはシステム特性評価をよりロバストに行うことができ、これにより、早期の検出、企業全体の最適化のための長期的な計画、および/または産業システムをよりマージンに近い状態で動作させることができるようになる。予期せぬ動作条件が発生した場合(例えば、コンプレッサの異常動作など)、センサ連携回路は、システム予測を移行させ、システムおよび/またはオフセットシステムにおいて予期せぬ動作条件を引き起こした条件を検出する能力を向上させることができる。さらに、異常運転、限界運転、高リスク運転、今後のメンテナンスや故障の可能性を示す予測に基づく蒸留塔の警告を容易に作成することができ、厳密な分析を行わずにシステムの能力や過去の経験を見ただけでは明らかにならないリスクを可視化することができる。
製油所のセンサフュージョン操作の例には、温度、圧力、および/または組成と組み合わせた振動情報(例えば、コンプレッサの性能を決定するため)、温度と圧力、温度と組成、および/または組成と圧力(例えば、フィードストックのばらつき、コンタクトトレイの性能、および/またはコンポーネントの故障を決定するため)が含まれる。
例示的な製油所システムは、貯蔵タンクおよび/またはボイラ給水を含む。例示的なシステム決定は、温度と圧力の融合、および/または非振動決定(例えば、漏れ、システム内の空気、および/またはフィードポンプの問題の検出)を伴う振動決定など、貯蔵タンクの故障および/または非正常な動作を決定するためのセンサ融合を含む。特定のさらなる例示的なシステム予測は、流量、圧力、温度、および/または振動を含むセンサフュージョンを介してなど、ボイラ給水の不具合を判定するセンサフュージョンを含む。これらのパラメータのいずれか1つまたは複数を利用して、システムの漏れ、故障、フィードポンプの摩耗、およびスケーリングを予測することができる。
同様に、例示的な産業システムは、復水および/またはメークアップウォーターシステムを有する発電システムを含み、センサフュージョンが、感知されたパラメータ群および故障、メンテナンスなどの予測を提供する。システム特性評価回路は、センサフュージョンおよび/または連続的な機械学習プロセスを利用して、限定されるものではないが、コンプレッサ、配管、貯蔵タンク、および/または石油精製所のボイラ給水について、故障、オフノミナル動作、コンポーネントの健全性、および/またはメンテナンスイベントを予測することができる。
例示的な産業システムは、フィールドまたはフィールドのシステムのための灌漑システムを含む。灌漑システムは、システムの大きな変動(例えば、入口圧力および/または水位、コンポーネントの摩耗およびメンテナンス)だけでなく、環境変動(例えば、植えられた作物の種類および分布、天候、土壌水分、湿度、太陽の季節変動、雲量、および/または風の変動)の影響を受ける。さらに、灌漑システムは遠隔地に設置されることが多く、広帯域のネットワークアクセス、メンテナンス施設、さらには監視のための人員も容易には確保できない。システムの例では、複数のセンサーを使用することで、すべてのセンサーが継続的にデータを送信または保存しなくても、灌漑システムの状態を予測することができる。パターン認識回路は、パターンを効果的に予測するために最も重要なセンサーのセットを容易に決定することができ、その結果、応答を必要とするシステムの状態(例えば、灌漑サイクル、位置など)を予測することができる。さらに、遠隔地の施設に対する警告を容易に作成することができ、正常でない状態(例えば、ポンプの差し迫った故障やメンテナンスの必要性)を予測するために正しいセンサパッケージが配置されていることを確信することができる。特定の実施形態では、システムは、水供給の可用性が通常以下であるなどのオフノミナルなプロセス状態(例えば、最近の降水量の履歴、灌漑システムまたは同じ水供給をめぐって競合する他のシステムからの水生産の履歴などの認識されたパターン条件に基づく)、構造化されたニュースアラートまたは外部データなどを決定してもよい。と、感知されたパラメータ群を更新し、例えば、水供給の利用可能性を確認し(例えば、関連する場所の水位センサ)、水供給レベルを落とすことができる許容可能な条件が利用可能であることを確認し(例えば、湿度センサ、および/または、ユーザへのプロンプト)、および/または、十分に利用可能な二次ソースが利用可能であることを確認する(例えば、補助水位センサ)。
産業システムの例としては、化学プラントや医薬品プラントがある。化学プラントは、システム全体で適切な温度、濃度、混合などを維持するために、特定の動作条件、流量、温度などを必要とする。多くのシステムでは、多数のプロセスステップがあり、プロセスの一部分で正常でない、または調整されていない操作が行われると、歩留まりの低下、プロセスの失敗、および調整されたプロセスが対応しなければならない(または調整されたプロセスが対応できない)ために生産能力が大幅に低下する可能性がある。したがって、システムを最小限に定義するためには、非常に多くのシステムが必要となり、特定の実施形態では、法外な数のセンサーが必要となり、データ伝送と蓄積の観点から、幅広い動作条件でセンシング能力を維持することができる。さらに、システムが複雑になると、十分な数のセンサーが存在していても、システム動作の最適化や調整が難しくなる。ある実施形態では、パターン認識回路は、すべてのセンサが継続的にデータを保存および送信しなくても、システムの高解像度の理解を提供するセンシングパラメータ群を予測することができる。さらに、パターン認識回路は、複雑なプロセスの中にリスクが埋もれている、今後のプロセス操作のために予測されるシステムリスクと能力制限を強調することができる。これにより、故障や容量制限が発生する前にメンテナンスやシステムアップグレードを行うことができ、より低コストで、よりマージンに近い状態での運転が可能となる。
さらに,センサフュージョンを利用することで,「品質を最大化する」,「望ましくない副反応を最小化する」などの望ましい予測を抽象化することができる。ただし,抽象化された望ましい出力を達成するためにどのセンサとシステム条件が最も効果的であるかをオペレータが完全に理解する必要はない。さらに、パターン認識回路の予測機能により、プロセスが最適ではない結果になる前に、望ましい結果をサポートするためのプロセスの変更を実行することができる。パターン認識回路および/またはセンサーフュージョン操作に基づいて制御および予測が可能な化学または製薬プランのコンポーネントの例としては、撹拌機、圧力反応器、触媒反応器、および/または熱加熱システムが挙げられる。センシングされたパラメータ群を決定し、パターン認識回路をチューニングするためのセンサフュージョン動作の例としては、振動センサと他のセンサタイプとの組み合わせ、組成センサと他のセンサタイプとの組み合わせ、流量判定と他のセンサタイプとの組み合わせ、および/または、温度センサと他のセンサタイプとの組み合わせなどが挙げられるが、これらに限定されるものではない。例えば、撹拌機は、振動検知に加えて、組成検知の均一性(例えば、高解像度の温度)、適切に混合された系での予想される反応速度などに適応している。触媒反応器は、温度検知(反応熱力学に基づく)、組成検知(例:予想される反応物の検知、および触媒材料の直接検知)、流量検知(例:重大な機械的故障、ビーズの体積減少など)、および/または圧力検知(例:流量の変化を示す、または流量の変化と連動する)が可能である。
例示的な産業システムは、食品処理システムを含む。例示的な食品処理システムは、加圧容器、撹拌器、ミキサー、および/または熱的加熱システムを含む。プロセスの制御は、食品の安全性、製品の品質、および製品の一貫性を維持するために重要である。しかし、食品加工システムへのほとんどの入力パラメータは、高い変動性の対象となる。例えば、基本的な食品は、天然物として本質的に変動性があり、水分含有量、タンパク質含有量、およびその他の美的変動が異なる。さらに、人件費管理、電力コスト管理、供給水の変動などにより、予測変数の決定、これらを決定するための感知されたパラメータ、およびプロセス変動に応じた予測の最適化が解決困難な問題となる複雑なプロセスが提供される。食品加工システムは、しばしばコスト意識が高く、資本コスト(例えば、最適化のためのロバストネットワークおよびコンピューティングシステムのためのコスト)は容易に発生しない。さらに、食品加工システムは、例えば、製品ライン全体をサポートするために、および/または、季節的な変動のために、類似のまたは同じ生産設備で幅広いバリエーションの製品を製造することがあり、それに応じて、あるプロセスのための予測動作が、別のプロセスをうまくサポートしないことがある。本システムでは、パターン認識回路が、システムの状態に大きなばらつきがある場合でも、目標とする結果に対して強い信号応答を示す検出パラメータ群を決定することができる。パターン認識回路は、大規模なコンピューティングまたはデータストレージリソースを必要とせずに、異なるプロセス条件で利用可能な多数の感知グループパラメータオプションを提供することができ、それに応じて、多種多様な動作条件に対する関連する予測を達成することができる。例えば、加圧容器、撹拌器、混合器、および/または熱加熱システムの制御および予測は、パターン認識回路、および/または、非温度判定と組み合わせた温度判定、非振動判定と組み合わせた振動判定、および/または、ヒートマップの変化率と組み合わせたヒートマップ、および/または、非ヒートマップ判定と組み合わせたセンサーフュージョンの動作に適応可能である。また、パターン認識回路の動作や、振動判定と非振動判定のセンサーフュージョンにより、ミキサーやスターラーの予測情報を提供したり、圧力判定、温度判定、非圧力判定のセンサーフュージョンにより、加圧容器の予測情報を提供したりするシステムを例示する。
図109を参照すると、例示的な手順11038は、多数の構成要素を含む産業システムに多数のセンサを提供する動作11040と、多数のセンサの各々は、多数の構成要素のうちの少なくとも1つに動作可能に結合されている。前記感知されたパラメータグループは、前記多数のセンサのうちの少なくとも1つのセンサを含む、操作11044と、前記多数のセンサデータ値の少なくとも一部に応答して、認識されたパターン値を決定する操作11046と、前記認識されたパターン値に応答して、前記産業システムのシステム特性値を提供する操作11046と、を含む。
例示的な手順11038は、以下のような動作を実行することによって、システム特性化値を提供する動作11046をさらに含む。産業システムに関連するプロセスに対する予測された結果を決定すること;産業システムに関連するプロセスに対する予測された将来の状態を決定すること;産業システムに関連するプロセスに対する予測されたオフノミナル動作を決定すること;複数の構成要素のうちの1つに対する予測値を決定すること;複数の構成要素のうちの1つに対する将来の状態値を決定すること;複数の構成要素のうちの1つに対する予測されたメンテナンス健全性状態情報を決定すること。前記複数のコンポーネントのうちの少なくとも1つについて予測されるメンテナンス間隔を決定すること、前記複数のコンポーネントのうちの1つについて予測されるオフノミナル動作を決定すること、前記複数のコンポーネントのうちの1つについて予測されるフォールト動作を決定すること、前記複数のコンポーネントのうちの1つについて予測される超過値を決定すること、および/または、前記複数のセンサーのうちの1つについて予測される飽和値を決定すること。
例示的な手順11038は、外部データおよび/またはクラウドベースのデータを解釈する動作11050を含み、認識されたパターン値を決定する動作11044が、外部データおよび/またはクラウドベースのデータに応答してさらに行われる。例示的な手順11038は、外部データおよび/またはクラウドベースのデータに応答してパターン認識動作を反復的に改善する動作を含み、例えば、感知されたパラメータ群を更新するなどして、センサ値を解釈する動作11042を調整する動作11048によって、パターン認識動作を改善する。パターン認識を反復的に改善する動作は、システムの変化に対応して、および/またはコンポーネント、プロセス、またはシステムの予測値に対応して、選択された間隔で、定期的に、動作11042から11048を繰り返すことをさらに含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下を含むことができる。複数のコンポーネントと、それぞれが前記複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータグループに応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路であって、前記感知されたパラメータグループは、前記複数のセンサのうちの少なくとも1つのセンサを含む、センサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、前記認識されたパターン値に応答して前記産業システムのシステム特性値を提供するように構成されたシステム特性化回路と、を含む産業システム。実施形態では、特性評価値は、産業システムに関連するプロセスの予測された結果、産業システムに関連するプロセスの予測された将来の状態、および産業システムに関連するプロセスの予測されたオフノミナル動作、からなる特性評価値から選択された少なくとも1つの特性評価値を含んでもよい。システム特性値は、複数の構成要素の1つに対する予測値、複数の構成要素の1つに対する将来の状態値、複数の構成要素の1つに対する予想される保守健全性状態情報、および複数の構成要素の少なくとも1つに対する予測される保守間隔、からなる特性値から選択される少なくとも1つの特性値を含んでもよい。システム特性値は、以下からなる特性値から選択された少なくとも1つの特性値を含んでもよい:複数の構成要素のうちの1つに対する予測されたオフノミナル動作、複数の構成要素のうちの1つに対する予測されたフォールト動作、および複数の構成要素のうちの1つに対する予測された超過値。システム特性値は、複数のセンサのうちの1つについての予測飽和値を含んでもよい。外部データを解釈するように構造化されたシステムコラボレーション回路が含まれていてもよく、パターン認識回路は、外部データに応答して、認識されたパターン値をさらに決定するように構造化されていてもよい。パターン認識回路は、外部データに応答してパターン認識動作を反復的に改善するようにさらに構造化されていてもよい。外部データは、指示された部品の保守イベント、指示された部品の故障イベント、指示された部品の摩耗値、指示された部品の動作超過値、および指示された故障値のうちの少なくとも1つを含んでもよい。外部データは、指示されたプロセス失敗値、指示されたプロセス成功値、指示されたプロセス結果値、および指示されたプロセス動作超過値のうちの少なくとも1つを含んでもよい。外部データは、指示されたセンサ飽和値を含んでもよい。第2の複数のセンサデータ値を含むクラウドベースのデータを解釈するように構成されたシステムコラボレーション回路が含まれていてもよく、第2の複数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応し、パターン認識回路は、クラウドベースのデータに応答して、認識されたパターン値をさらに決定するように構成されている。パターン認識回路は、クラウドベースのデータに応答してパターン認識動作を反復的に改善するようにさらに構成されていてもよい。センシングされたパラメータ群は、三軸振動センサを含んでもよい。センシングされたパラメータ群は、振動センサと、第2のセンサがデジタルセンサからなる場合など、振動センサではない第2のセンサとを含んでもよい。センシングされたパラメータ群は、複数のアナログセンサを含んでいてもよい。
実施形態において、方法は、複数のコンポーネントを含む産業システムに複数のセンサを提供するステップであって、複数のセンサの各々は、複数のコンポーネントのうちの少なくとも1つに動作可能に結合されるステップと、感知されたパラメータグループに応答して複数のセンサデータ値を解釈するステップであって、感知されたパラメータグループは、複数のセンサのうちの少なくとも1つのセンサを含むステップと、複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するステップと、認識されたパターン値に応答して、産業システムのシステム特性値を提供するステップとを含んでもよい。システム特性値は、複数の構成要素のうちの1つに対する予測値を決定することと、複数の構成要素のうちの1つに対する将来の状態値を決定することと、複数の構成要素のうちの1つに対する予想される保守健康状態情報を決定することと、複数の構成要素のうちの少なくとも1つに対する予想される保守間隔を決定することと、からなる動作から選択される少なくとも1つの動作を実行することによって提供されてもよい。システム特性値は、産業用システムに関連するプロセスの予測される結果を決定することと、産業用システムに関連するプロセスの予測される将来の状態を決定することと、産業用システムに関連するプロセスの予測されるオフノミナル動作を決定することと、からなる動作から選択される少なくとも1つの動作を実行することによって提供されてもよい。システム特性値は、複数の構成要素のうちの1つに対する予測されたオフノミナル動作を決定することと、複数の構成要素のうちの1つに対する予測されたフォールト動作を決定することと、複数の構成要素のうちの1つに対する予測された超過値を決定することと、からなる動作から選択される少なくとも1つの動作を実行することによって提供されてもよい。システム特性値は、複数のセンサのうちの1つについて予測される飽和値を決定することによって提供されてもよい。認識されたパターン値の決定は、外部データに応じてさらに行われてもよい。パーム認識操作を反復的に改善することは、外部データに対応して提供されてもよい。外部データを解釈することは、指示されたコンポーネントメンテナンスイベントを解釈すること、指示されたコンポーネント故障イベントを解釈すること、指示されたコンポーネント摩耗値を解釈すること、指示されたコンポーネント動作超過値を解釈すること、および指示された故障値を解釈することからなる動作から選択される少なくとも1つの動作を含んでもよい。外部データを解釈することは、指示されたプロセス成功値を解釈すること、指示されたプロセス失敗値を解釈すること、指示されたプロセス結果値を解釈すること、および指示されたプロセス動作超過値を解釈すること、からなる操作から選択された少なくとも1つの操作を含んでもよい。外部データを解釈することは、指示されたセンサー飽和値を解釈することを含んでもよい。クラウドベースのデータを解釈することは、第2の複数のセンサデータ値を含んでもよく、第2の複数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応しており、認識されたパターン値を決定することは、さらにクラウドベースのデータに応答して行われる。パターン認識動作を反復的に改善することは、クラウドベースのデータに応答して提供されてもよい。
実施形態において、産業環境におけるデータ収集のためのシステムは、以下を含むことができる。複数の構成要素と、それぞれが前記複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路であって、前記感知されたパラメータ群は前記複数のセンサのうちの少なくとも1つのセンサを含むセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定する手段と、前記認識されたパターン値に応答して前記産業システムのシステム特性値を提供する手段と、を備える産業システム。システム特性値を提供する手段は、産業システムに関連するプロセスの予測された結果を決定すること、産業システムに関連するプロセスの予測された将来の状態を決定すること、および産業システムに関連するプロセスの予測されたオフノミナル動作を決定すること、からなる動作から選択された少なくとも1つの動作を実行する手段を含んでもよい。システム特性値を提供する手段は、複数の構成要素の1つに対する予測値を決定することと、複数の構成要素の1つに対する将来の状態値を決定することと、複数の構成要素の1つに対する予想される保守健全性状態情報を決定することと、複数の構成要素の少なくとも1つに対する予測される保守間隔を決定することと、からなる動作から選択される少なくとも1つの動作を実行する手段を含んでもよい。システム特性値を提供する手段は、予測されたオフを決定すること、および複数のコンポーネントのうち少なくとも1つのコンポーネントについて予測されたメンテナンス間隔を決定すること、からなる動作から選択された少なくとも1つの動作を実行する手段を含んでもよい。前記複数のコンポーネントのうちの1つに対する公称動作を決定し、前記複数のコンポーネントのうちの1つに対する予測される故障動作を決定し、前記複数のコンポーネントのうちの1つに対する予測される超過値を決定する。システム特性値を提供する手段は、複数のセンサのうちの1つについて予測される飽和値を決定する手段を含んでもよい。外部データを解釈するように構成されたシステム連携回路が提供されてもよく、認識されたパターン値を決定するための手段は、外部データに応じてさらに認識されたパターン値を決定する。外部データに応答して、パターン認識動作を反復的に改善する手段が提供されてもよい。外部データは、指示されたプロセス成功値、指示されたプロセス失敗値、および指示されたプロセス結果値の少なくとも1つを含んでもよい。外部データは、指示された部品保守イベント、指示された部品故障イベント、および指示された部品摩耗値のうちの少なくとも1つを含んでもよい。外部データは、指示されたプロセス動作超過値、指示されたコンポーネント動作超過値、および指示された障害値のうちの少なくとも1つを含んでもよい。外部データは、指示されたセンサ飽和値を含んでもよい。第2の複数のセンサデータ値を含むクラウドベースデータを解釈するように構成され、第2の複数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応し、認識されたパターン値を決定する手段は、クラウドベースデータに応答して認識されたパターン値をさらに決定する、システム連携回路が提供されてもよい。パターン認識動作を反復的に改善する手段が、クラウドベースのデータに応答して提供されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下を含むことができる。複数の構成要素を含む蒸留塔と、それぞれが前記複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路であって、前記感知されたパラメータ群は前記複数のセンサのうちの少なくとも1つのセンサを含むセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、前記認識されたパターン値に応答して前記蒸留塔のシステム特性値を提供するように構成されたシステム特性化回路と、を備えていてもよい。複数の構成要素は、熱力学的処理構成要素を含んでもよく、システム特性値は、熱力学的処理構成要素の予測値を決定することと、以下からなる値から選択された少なくとも1つの値を含んでいる。前記熱力学的処理コンポーネントの将来の状態値を決定し、前記熱力学的処理コンポーネントの予想される維持健康状態情報を決定し、前記熱力学的処理コンポーネントの容量に応じてプロセスレートの制限を決定する。熱力学的処理コンポーネントは、コンプレッサまたはボイラの少なくとも1つを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下を含むことができる。複数のコンポーネントと、それぞれが前記複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータグループに応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路であって、前記感知されたパラメータグループは、前記複数のセンサのうちの少なくとも1つのセンサを含む、センサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、前記認識されたパターン値に応答して、前記化学プロセスシステムのシステム特性値を提供するように構成されたシステム特性化回路と、を備える化学プロセスシステム。化学プロセスシステムは、化学プラント、医薬品プラント、または石油精製所のいずれかを含んでもよい。システム特性値は、容量値または純度値の少なくとも1つからなる分離プロセス値、副反応速度値からなる副反応プロセス値、および熱力学的処理コンポーネントの能力、容量、および予想されるメンテナンスヘルスの1つからなる熱力学的処理値からなる値の中から選択された少なくとも1つの値を含んでもよい。
産業環境におけるデータ収集のためのシステムであって、該システムは以下を含む。
ポンプを含む複数のコンポーネントと、それぞれが複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサと、感知されたパラメータグループに応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路であって、感知されたパラメータグループは、複数のセンサのうちの少なくとも1つのセンサを含むセンサ通信回路と、複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、認識されたパターン値に応答して、灌漑システムのシステム特徴付け値を提供するように構成されたシステム特徴付け回路とを備える灌漑システムを提供する。システム特性値は、ポンプの予想される維持健全性値と、ポンプの未来状態値の少なくとも1つを含んでもよい。パターン認識回路は、複数のセンサデータ値の少なくとも一部に応答して、オフノミナルプロセス条件を決定してもよく、センサ通信回路は、オフノミナルプロセス条件に応答して、感知されたパラメータ群を変更するようにさらに構成される。前記オフノミナルプロセス状態は、通常以下の水供給の利用可能性の表示を含むことができ、更新された感知されたパラメータ群は、水位センサ、湿度センサ、および補助水位センサからなるセンサから選択された少なくとも1つのセンサを含む。
本明細書の他の箇所に記載されているように、ルールベースのシステム、モデルベースのシステム、人工知能(AI)システム(ニューラルネット、自己組織化システム、および本開示全体に記載されているその他のものを含む)、およびそれらの様々な組み合わせおよびハイブリッドから構成される、様々なインテリジェントおよび/またはエキスパートシステム、制御システム(リモートおよびローカルシステム、自律システムなどを含む)などへのフィードバックは、利用率の測定値、効率の測定値(例えば、コスト削減などの経済的な測定値)などの測定値を含む幅広い情報を含むことができる。電力、コスト削減などの財務)、状態の予測または先取りの成功の尺度(故障の回避および緩和など)、生産性の尺度(ワークフローなど)、歩留まりの尺度、利益の尺度など、本明細書に記載されているような幅広い情報を含むことができる。実施形態では、エキスパートシステムへのフィードバックは、業界固有、ドメイン固有、工場固有、マシン固有などであってもよい。
エキスパート・システムに対する業界固有のフィードバックは、修理・保守組織、製造業者、1つまたは複数のコンソーシアムなどの第三者によって提供されてもよいし、対象システム自体の1つまたは複数の要素によって生成されてもよい。業界固有のフィードバックは、1つまたは複数のデータ構造に集約される場合があり、データはコンポーネントレベル、機器レベル、工場/設置レベル、および/または業界レベルで集約される。データ構造のユーザは、任意のレベル(コンポーネント、機器、工場、業界など)のデータにアクセスすることができる。ユーザは、必要に応じてシステム条件に基づいて、またはシステム条件によってフィルタリングされた指標/予測値をデータ構造で検索したり、独自のデータで指標/予測値を更新してデータ構造を業界向けにカスタマイズしたりすることができる。実施形態では、エキスパートシステムは、ディープラーニング方式などで業界特有のフィードバックをシードして、予想される結果または状態を提供し、および/または特定の機械、装置、コンポーネント、プロセスなどを最適化するためのアクションを実行してもよい。
実施形態では、エキスパートシステムに提供されたフィードバックは、1つまたは複数の目標に向けた進捗を予測するために、1つまたは複数のスマートバンドで使用されてもよい。エキスパートシステムは、フィードバックを使用して、本明細書の他の箇所に記載されているように、フィードバックを提供したシステムの1つまたは複数の構成要素に対する修正、変更、追加、変更などを決定してもよい。専門家システムは、業界特有のフィードバックに基づいて、入力、入力または出力の処理または保存の方法、フィードバックを提供するために使用されるセンサまたはセンサ、動作パラメータ、システムで使用される機器、またはフィードバックをもたらした産業システムの参加者の他の側面を変更してもよい。本明細書の他の箇所で説明したように、エキスパートシステムは、1つまたは複数のスマートバンドを使用するなどして、複数の目標を追跡してもよい。産業特有のフィードバックは、1つ以上の目標に関連する結果または状態を予測し、結果または状態を達成する可能性を高めることに向けられた変化を推奨または指示するために、スマートバンドでまたはスマートバンドによって使用されてもよい。
例えば、ミキサーは、食品加工環境または化学処理環境で使用されるが、食品加工工場で関連するフィードバック(例えば、必要な殺菌温度、食品の粘度、粒子密度(例えば、光学センサで測定されるような。例えば、必要な殺菌温度、食品の粘度、粒子密度(例えば、光学センサーで測定)、調理の完了(例えば、ベーキングに関わる反応の完了)、サニテーション(例えば、病原体の不在)など)は、化学処理工場で関連するもの(例えば、インペラ速度、速度ベクトル、流量、高い汚染物質レベルがないことなど)とは異なる場合がある。このような業界特有のフィードバックは、その特定の環境におけるミキサーの動作を最適化するのに役立つ。
別の例では、エキスパートシステムは、農業システムからのフィードバックを使用して、フィールドに配置された灌漑システムに関連するモデルをトレーニングすることができ、業界固有のフィードバックは、業界全体で使用される水の量(例えば、流量計で測定されるような。業界特有のフィードバックは、業界全体で使用される水の量(例えば、流量計で測定されたものなど)、一定期間の水使用量の傾向(例えば、流量計で測定されたものなど)、収穫量(例えば、重量計で測定されたものなど)、虫の侵入(例えば、ドローン撮影で特定および/または測定されたものなど)、植物の枯死(例えば、ドローン撮影で特定および/または測定されたものなど)などの1つ以上に関するものである。
製造業における冷却を制御する流体フローシステム(例えば、ファン、ポンプまたは圧縮機)の別の例では、エキスパートシステムは、出力製品の品質、出力製品の強度、出力製品の柔軟性などの1つ以上(例えば、密度計、粘度計、サイズ排除クロマトグラフ、およびトルクメータを含む一連のセンサによって測定されるような)、製造プロセス中に冷却を必要とする材料(例えば、ポリマー)を含むコンポーネントの製造からのフィードバックを使用してもよい。モノマー変換中にポリマーが急速に冷却されていることをセンサーが示している場合、エキスパートシステムは、1つまたは複数のシステムに命令を中継することができる。品質目標を達成するために、流体フローシステムのファン、ポンプ、またはコンプレッサーの動作の一部を減少させること。
精製プロセス(例えば、水素化処理、水素化分解、異性化、改質)を実行する精製所で動作する往復圧縮機の別の例では、エキスパートシステムは、圧縮機の下流の硫黄、窒素、および/または芳香族の量(例えば、近赤外(「IR」)分析器で測定されたものなど)、製品のセタン/オクタン価または煙点(例えば、オクタン分析器を用いたものなど)、製品の密度、および/または煙点の1つまたは複数に関連するフィードバックを使用してもよい。製品のセタン/オクタン価または煙点(例えば、オクタン分析器など)、製品の密度(例えば、密度計など)、副産物ガス量(例えば、電気化学ガスセンサーなど)などに関するフィードバックを使用することができる。この例では、ブタンをイソブテンに異性化する際に、イソブテンの量および/または品質を測定するインライン近赤外分析器からフィードバックを受け取ると、エキスパートシステムは、生産目標を達成するために、往復圧縮機を含む異性化システムの1つまたは複数のコンポーネントの性能を変更すべきであると決定することができる。
製油所で動作する真空蒸留装置の別の例では、エキスパート・システムは、回収された生ガソリンの量(例えば、IRを用いて様々な留分の体積または組成を測定するなど)、回収された留分の沸点(例えば、沸点分析器を用いるなど)、蒸気冷却率(例えば、温度計で測定するなど)などに関連するフィードバックを使用してもよい。この例では、ディーゼルを回収するための減圧蒸留中にフィードバックを受け、回収量が生産量の公称比から外れていることを示すと、エキスパート・システムは減圧蒸留装置に原料の供給源を変更し、先行する原料のより詳細な分析を開始するよう指示することができる。
製油所のパイプラインのさらに別の例では、エキスパート・システムは、炭化水素製品の流れの種類(例えば、気泡、成層、スラグ、アニュラー、トランジション、ミスト)(例えば、色素追跡によって測定されるような)、流量、蒸気の速度(例えば、流量計を用いたもの)、蒸気のせん断などに関連するフィードバックを使用してもよい。この例では、パイプラインの操作中に、流れの種類とその速度に関するフィードバックを受け取ると、パイプラインを通る流れを改善するために、エキスパートシステムによって修正が推奨されることがある。
製薬工場のパドル型またはアンカー型の撹拌機の他の例では、エキスパート・システムは、高粘度の液体の混合度、中低粘度の液体の加熱、混合物の密度、混合物中の生物の増殖率などに関するフィードバックを使用してもよい。この例では、撹拌機の動作中に、分光光度計で測定した細菌の増殖率が高すぎるというフィードバックを受け取ると、エキスパートシステムは撹拌機の速度を下げて、混合物や成長基質に加えられる空気の量を制限するように指示することができる。
化学処理プラントの圧力反応器のさらなる例では、エキスパートシステムは、触媒反応速度(質量分析計で測定されるなど)、粒子密度(密度計で測定されるなど)、生物学的成長速度(分光光度計で測定されるなど)などに関連するフィードバックを使用してもよい。この例では、圧力反応器の動作中に、粒子密度および生物学的成長率が規格外であるというフィードバックが受信されると、エキスパートシステムは、圧力反応器に、圧力の低下、温度の上昇、反応量の増加など、1つまたは複数の動作パラメータを修正するよう指示することができる。
化学処理プラントで動作するガス撹拌装置の別の例では、エキスパート・システムは、適切なセンサまたは装置によって測定された、ガス化された液体の有効密度、粘度、ガス圧などに関連するフィードバックを使用してもよい。この例では、ガス撹拌機の動作中にフィードバックを受信すると、エキスパートシステムはガス撹拌機に対して、撹拌速度の増加または減少など、1つまたは複数の動作パラメータの変更を指示することができる。
化学処理プラントにおけるポンプブラスト液体タイプ撹拌機のさらに別の例では、エキスパートシステムは、混合物の粘度、成長媒体の光学密度、および溶液の温度に関連するフィードバックを使用してもよい。この例では、撹拌機の動作中にフィードバックを受信すると、エキスパート・システムは、撹拌速度の増減や追加の熱の注入など、1つまたは複数の動作パラメータを変更するよう撹拌機に指示することができる。
化学処理プラントにおけるタービン型撹拌機のさらに別の例では、エキスパート・システムは、振動音、反応物の反応速度、熱伝導、または懸濁液の密度に関連するフィードバックを使用してもよい。この例では,撹拌機の動作中にフィードバックを受信すると,エキスパート・システムは撹拌機に対して,撹拌速度の増減や触媒の追加注入など,1つ以上の動作パラメータの変更を指示することができる。
ポリマーを製造するために化学処理プラントでモノマーを混合する静的撹拌機のさらに別の例では、エキスパートシステムは、ポリマーの粘度、ポリマーの色、ポリマーの反応性などに関連するフィードバックを使用して、例えばレイノルズ数を変更する設定、温度の上昇、圧力の上昇など、撹拌機の新しい設定またはパラメータに反復することができる。
化学処理プラントの触媒反応器のさらなる例では、エキスパートシステムは、反応速度、生成物濃度、生成物の色などに関連するフィードバックを使用してもよい。この例では、触媒反応器の動作中にフィードバックが受信されると、エキスパート・システムは、温度を上昇または下降させる、および/または追加量の触媒を注入するなど、1つまたは複数の動作パラメータを修正するように反応器に指示することができる。
化学処理工場または食品工場における熱加熱システムのさらなる例では、エキスパート・システムは、システムからのBTU、流量などに関連するフィードバックを使用してもよい。この例では、熱加熱システムの動作中にフィードバックが受信されると、エキスパート・システムは、入力原料を変更する、原料の流量を増加させるなど、1つまたは複数の動作パラメータを修正するようにシステムに指示することができる。
製油所でボイラの給水を使用するさらなる例では、エキスパート・システムは、曝気レベル、温度などに関連するフィードバックを使用してもよい。この例では、ボイラ給水に関連するフィードバックが受信されると、エキスパート・システムは、曝気の低減を増加させる、給水の流量を増加させるなど、ボイラの1つまたは複数の動作パラメータを修正するようにシステムに指示することができる。
製油所の貯蔵タンクのさらなる例では、エキスパート・システムは、温度、圧力、タンクからの流量などに関連するフィードバックを使用することができる。この例では、貯蔵タンクに関連するフィードバックを受信すると、エキスパート・システムは、冷却または加熱を増加させたり、撹拌を開始したりするなど、1つまたは複数の動作パラメータを修正するようにシステムに指示することができる。
タービンからの蒸気を凝縮し、メークアップ水とともにボイラフィーダに再循環させる発電所の復水/メークアップ水システムの例では、エキスパート・システムは、内部の空気漏れ、熱伝導、およびメークアップ水の品質の測定に関連するフィードバックを使用することができる。この例では、復水・補水システムに関するフィードバックを受け取ると、エキスパート・システムは、補水の精製度を上げること、真空ポンプをオンラインにすることなどをシステムに指示することができる。
食品工場の撹拌機の別の例では、エキスパート・システムは、食品の粘度、食品の色、食品の温度などに関連するフィードバックを使用してもよい。この例では、フィードバックを受信すると、エキスパート・システムは、目標に到達するための予測される成功に応じて、撹拌機の速度を上げたり下げたりするように指示することができる。
食品工場の圧力鍋の別の例では、エキスパートシステムは、食品の粘度、食品の色、食品の温度などに関連するフィードバックを使用してもよい。この例では、フィードバックを受け取ったエキスパート・システムは、予測される目標達成の成功に応じて、圧力鍋の運転を継続する、温度を上げるなどの指示を出すことができる。
一実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信可能に結合された複数の入力センサ11102と、入力センサ11102から出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信した出力データパターン1112を学習するように構成された機械学習データ分析回路11110とを含むことができる。と、出力データ11108を受信し、結果を示す受信した出力データパターン11112を学習するように構造化された機械学習データ分析回路11110とを含み、機械学習データ分析回路11110は、産業特有のフィードバック11118に基づくモデル11114をシードすることによって、受信した出力データパターン11112を学習するように構造化されている。モデル11114は、物理モデル、運用モデル、システムモデルのいずれかであってもよい。業界固有のフィードバック11118は、利用率の尺度、効率の尺度(例えば、電力および/または財務)、状態の予測または予測の成功の尺度(例えば、故障の回避および緩和)、生産性の尺度(例えば、ワークフロー)、生産の尺度、および利益の尺度のうちの1つまたは複数であってもよい。業界固有のフィードバック11118は、機械の動作中に入力センサが情報を提供する機械によって生成された電力量を含む。産業固有のフィードバック11118は、入力センサが情報を提供する組立ラインの出力の測定値を含む。業界固有のフィードバック1118は、入力センサが情報を提供する機械によって生産される製品のユニットの故障率を含む。産業固有のフィードバック1118は、入力センサが情報を提供する機械の故障率を含む。産業固有のフィードバック11118は、入力センサが情報を提供する機械の電力利用効率を含み、ここで、機械は、タービン、変圧器、発電機、圧縮機、エネルギーを貯蔵するもの、およびパワートレインコンポーネントを含むもののうちの1つである(例えば、入力センサが情報を提供する機械による材料の抽出率、入力センサが情報を提供する機械によるガスの生産率、入力センサが情報を提供する機械による炭化水素製品の生産率、入力センサが情報を提供する機械による化学製品の生産率)。機械学習データ分析回路11110は、結果に基づいて受信した出力データパターン1112を学習するようにさらに構成されてもよい。システム11100は、動作パラメータまたは機器を維持または修正してもよい。コントローラ11106は、学習された受信出力データパターン1112または結果に基づいて機械学習データ分析回路11110の重み付けを調整し、学習された受信出力データパターン1112または結果に基づいて入力センサからより多くの/より少ないデータポイントを収集し、学習された受信出力データパターン1112または結果に基づいて出力データ11108のデータ保存手法を変更し、学習された受信出力データパターン1112または結果に基づいてデータ提示モードまたは態様を変更し、1つまたは複数のフィルタ(ローパス、ハイパス、バンドパスなど)を出力データ11108に適用してもよい。)を出力データ11108に適用する。実施形態では、システム11100は、学習された受信出力データパターン11112および結果のうちの1つ以上に基づいて、使用されていない機器を除去/再タスク化してもよい。機械学習データ分析回路11110は、ニューラルネットワークエキスパートシステムを含んでもよい。入力センサは、振動や騒音のデータを測定してもよい。機械学習データ分析回路11110は、1つ以上の目標/ガイドライン(例えば、入力センサの異なるサブセットによって決定されてもよい)との進捗/整合性を示す受信出力データパターン1112を学習するように構成されてもよい。機械学習データ分析回路11110は、未知の変数を示す受信した出力データパターン1112をリーミングする構造であってもよい。機械学習データ解析回路11110は、利用可能な入力のうち好ましい入力を示す受信した出力データパターン11112をリーミングするように構成されてもよい。機械学習データ解析回路11110は、利用可能な入力データ収集バンドのうち、好ましい入力データ収集バンドを示す受信出力データパターン1112をリーミングする構造であってもよい。機械学習データ分析回路11110は、一部がマシン上に、1つ以上のデータ収集器上に、ネットワークインフラストラクチャに、クラウドに、またはそれらの任意の組み合わせで配置されてもよい。システム11100は、データ収集回路11104上に配置されてもよい。システム11100は、データ収集回路11104と遠隔地のインフラストラクチャとの間で分散されてもよい。データ収集回路11104は、データコレクタを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信可能に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構造化されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信した出力データパターン11112を学習するように構造化された機械学習データ分析回路11110とを含み、機械学習データ分析回路11110は、利用率測定に基づくモデル11114でシードされることによって受信した出力データパターン11112をリーミングするように構造化されている。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信可能に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構造化されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信した出力データパターン11112をリーミングするように構造化された機械学習データ分析回路11110とを含み、機械学習データ分析回路11110は、効率測定に基づくモデル11114でシードされることによって、受信した出力データパターン11112をリーミングするように構造化されていてもよい。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信可能に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信した出力データパターン1112をリーミングするように構成された機械学習データ分析回路11110とを含むことができる。と、出力データ11108を受信し、結果を示す受信した出力データパターン11112をリーミングするように構造化された機械学習データ分析回路11110とを含み、機械学習データ分析回路11110は、状態の予測または予測における成功の尺度に基づくモデル11114でシードされることによって、受信した出力データパターン11112をリーミングするように構造化されている。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信可能に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構造化されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信した出力データパターン11112をリーミングするように構造化された機械学習データ分析回路11110とを含み、機械学習データ分析回路11110は、生産性測定に基づくモデル11114でシードされることによって、受信した出力データパターン11112をリーミングするように構造化されていてもよい。
(1)実施形態において、産業環境におけるデータ収集のためのシステムであって、コントローラに通信可能に結合された複数の入力センサと、入力センサから出力データを収集するように構造化されたデータ収集回路と、出力データを受信し、結果を示す受信した出力データパターンを学習するように構造化された機械学習データ分析回路と、を備え、機械学習データ分析回路は、産業特有のフィードバックに基づくモデルをシードされることによって、受信した出力データパターンを学習するように構造化される。(2)前記モデルは、物理モデル、運用モデル、またはシステムモデルである、(1)項に記載のシステム。(3)前記業界固有のフィードバックは、利用率の測定値である、(1)項に記載のシステム。(4)前記業界固有のフィードバックは、効率性の指標である、(1)項に記載のシステム。(5)前記効率指標は、電力および財務のいずれかである、(4)項に記載のシステム。(6)前記業界固有のフィードバックが、状態の予測または予想における成功の尺度である、(1)項に記載のシステム。(7)前記成功の尺度は、故障の回避および軽減である、(6)項に記載のシステム。(8)前記産業固有のフィードバックは、生産性の指標である、(1)項に記載のシステム。(9)前記生産性指標は、ワークフローである、(8)項に記載のシステム。(10)前記業界固有のフィードバックは、歩留まり指標である、(1)項に記載のシステム。(11)前記業界固有のフィードバックが利益指標である、(1)項に記載のシステム。(12)前記機械学習データ分析回路は、前記結果に基づいて受信した出力データパターンを学習するようにさらに構成されている、(1)項に記載のシステム。(13)(1)項1に記載のシステムであって、運用パラメータまたは機器を保持または変更するシステム。(14)前記コントローラは、学習した受信出力データパターンまたは結果に基づいて、前記機械学習データ分析回路の重み付けを調整する、(1)項に記載のシステム。(15)コントローラは、学習された受信出力データパターンまたは結果に基づいて、入力センサからより多くの/より少ないデータポイントを収集する、(1)項に記載のシステム。(16)前記コントローラは、学習された受信出力データパターンまたは結果に基づいて、出力データのデータストレージ技術を変更する、(1)項に記載のシステム。(17)制御装置は、学習された受信出力データパターンまたは結果に基づいて、データ提示モードまたは方法を変更する、(1)項に記載のシステム。(18)前記コントローラは、前記出力データに1つ以上のフィルタ(ローパス、ハイパス、バンドパスなど)を適用する、(1)項に記載のシステム。(19)学習された受信出力データパターンおよび結果のうちの1つ以上に基づいて、システムが十分に活用されていない機器を除去/再作業する、(1)項に記載のシステム。(20)前記機械学習データ分析回路は、ニューラルネットワークエキスパートシステムからなる、(1)項に記載のシステム。(21)前記入力センサは、振動および騒音データを測定する、(1)項に記載のシステム。(22)前記機械学習データ分析回路は、1つ以上の目標/ガイドラインとの進捗状況/整合性を示す受信した出力データパターンをリーミングするように構成されている、(1)項に記載のシステム。(23)各目標/ガイドラインの進捗/整合性が、入力センサの異なるサブセットによって決定される、(22)項に記載のシステム。(24)前記機械学習データ分析回路は、未知の変数を示す受信した出力データパターンをリーミングするように構成されている、(1)項に記載のシステム。(25)機械学習データ分析回路は、利用可能な入力のうち好ましい入力を示す受信した出力データパターンをリーミングするように構成されている、(1)項に記載のシステム。(26)機械学習データ分析回路が、利用可能な入力データ収集バンドのうち、好ましい入力データ収集バンドを示す受信した出力データパターンをリーミングするように構成されている、(1)項に記載のシステム。(27)機械学習データ分析回路は、一部がマシン上、1つ以上のデータ収集装置上、ネットワークインフラ上、クラウド上、またはそれらの任意の組み合わせで配置されている、(1)項に記載のシステム。(28)前記システムは、前記データ収集回路上に配置される、(1)項に記載のシステム。(29)前記システムは、前記データ収集回路と遠隔地のインフラストラクチャとの間で分散されている、(1)項に記載のシステム。(30)前記産業固有のフィードバックは、前記機械の動作中に前記入力センサが情報を提供する前記機械によって生成される電力量を含む、(1)項に記載のシステム。(31)前記産業別フィードバックは、前記入力センサが情報を提供する組立ラインの出力の測定値を含む、(1)項に記載のシステム。(32)前記産業固有のフィードバックは、前記入力センサが情報を提供する機械によって生産される製品のユニットの故障率を含む、(1)項に記載のシステム。(33)前記産業固有のフィードバックは、前記入力センサが情報を提供する機械の故障率を含む、(1)項に記載のシステム。(34)前記産業固有のフィードバックは、前記入力センサが情報を提供する機械の電力利用効率を含む、(1)項に記載のシステム。(35)前記機械はタービンである、(34)項に記載のシステム。(36)前記機械は、変圧器である、(34)項に記載のシステム。(37)機械が発電機である、(34)項に記載のシステム。(38)機械が圧縮機である、(34)項に記載のシステム。(39)機械がエネルギーを貯蔵する、(34)項に記載のシステム。(40)機械がパワートレインコンポーネントを含む、(1)項に記載のシステム。(41)前記産業別フィードバックは、前記入力センサが情報を提供する機械による材料の抽出率を含む、(34)項に記載のシステム。(42)前記産業固有のフィードバックは、前記入力センサが情報を提供する機械によるガスの生産率を含む、(34)項に記載のシステム。(43)前記産業特有のフィードバックは、前記入力センサが情報を提供する機械による炭化水素製品の生産率を含む、(34)項に記載のシステム。(44)前記産業特有のフィードバックは、前記入力センサが情報を提供する機械による化学製品の生産率を含む、(34)項に記載のシステム。(45)前記データ収集回路は、データコレクタを備える、(1)項に記載のシステム。(46)産業環境におけるデータ収集のためのシステムであって、コントローラに通信可能に結合された複数の入力センサと、前記入力センサから出力データを収集するように構成されたデータ収集回路と、前記出力データを受信し、結果を示す受信した出力データパターンを導出するように構成された機械学習データ分析回路と、を備え、前記機械学習データ分析回路は、利用率測定に基づくモデルをシードすることによって、受信した出力データパターンを導出するように構成されている、システム。(47)産業環境におけるデータ収集のためのシステムであって、コントローラに通信可能に結合された複数の入力センサと、前記入力センサから出力データを収集するように構成されたデータ収集回路と、前記出力データを受信し、結果を示す受信した出力データパターンをリーミングするように構成された機械学習データ分析回路であって、前記機械学習データ分析回路は、効率測定に基づくモデルでシードされることにより、受信した出力データパターンをリーミングするように構成されている、システム。(48)産業環境におけるデータ収集のためのシステムであって、コントローラに通信可能に結合された複数の入力センサと、前記入力センサから出力データを収集するように構成されたデータ収集回路と、前記出力データを受信し、結果を示す受信した出力データパターンをリーミングするように構成された機械学習データ分析回路であって、前記機械学習データ分析回路は、状態の予測または予測における成功の尺度に基づくモデルをシードすることによって、受信した出力データパターンをリーミングするように構成されている、システム。(49)産業環境におけるデータ収集のためのシステムであって、コントローラに通信可能に結合された複数の入力センサと、前記入力センサから出力データを収集するように構成されたデータ収集回路と、前記出力データを受信し、結果を示す受信した出力データパターンをリーミングするように構成された機械学習データ分析回路であって、前記機械学習データ分析回路は、生産性の尺度に基づくモデルをシードされることによって、受信した出力データパターンをリーミングするように構成されている、データ収集システム。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、ユーザは、グラフィカルユーザインタフェース要素と対話することによって、データ収集者による収集のためのデータ収集帯域のパラメータを設定することができる。このパラメータは、収集のための周波数範囲の設定および収集のための粒度の範囲の設定の少なくとも1つに関するものであってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、ユーザは、グラフィカルユーザインタフェース要素と対話することによって、データ収集器による収集のために、より大きな利用可能なセンサのセットの中からセンサのセットを識別することができる。ユーザーインターフェースには、利用可能なデータ収集装置、その機能、1つまたは複数の対応するスマートバンドなどの表示が含まれる場合がある。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、この場合、ユーザは、グラフィカルユーザインタフェース要素と対話することによって、利用可能な入力のセットの中から多重化される入力のセットを選択することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含むことができ、ユーザは、グラフィカルユーザインタフェース要素と対話することによって、データ収集のためにグラフィカルユーザインタフェースに表示される産業機械のコンポーネントを選択し、産業機械に関するデータを提供するために利用可能なセンサのセットを表示し、データ収集のためにセンサのサブセットを選択することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、ユーザは、グラフィカルユーザインタフェース要素と対話することによって、1つまたは複数の産業機械の故障状態の指標のセットを表示することができ、故障状態は、データ収集器のセットから収集されたデータへのエキスパートシステムの適用によって識別される。実施形態では、故障状態は、1つまたは複数の産業機械の一部の製造業者によって特定されてもよい。故障状態は、業界の取引データ、第三者試験機関のデータ、業界標準などの分析によって特定されてもよい。実施形態では、1つ以上の産業機械の故障状態の指標のセットは、応力、振動、熱、摩耗、超音波シグネチャ、操作上のたわみ形状などの指標を含んでもよく、任意で、本開示および参照により本明細書に組み込まれた文書全体に記載されたタイプのセンサによって感知できる広く変化する状態のいずれかを含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、スマートバンド監視を確立するためにユーザが産業機械の構成部品のリストから選択することを可能にし、それに応答して、産業機械の少なくとも1つのセンサの値の許容範囲の少なくとも1つのスマートバンド定義と、少なくとも1つのセンサから許容範囲外の状態が検出されたときにデータが収集および分析される相関センサのリストとをユーザに提示する、エキスパートグラフィカルユーザインタフェースを含むことができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、スマートバンド監視を確立するための産業機械の条件のリストからユーザが選択することを可能にし、それに応答して、産業機械の少なくとも1つのセンサの値の許容範囲の少なくとも1つのスマートバンド定義と、少なくとも1つのセンサから許容範囲外の条件が検出されたときにデータが収集および分析される相関センサのリストとをユーザに提示するエキスパートグラフィカルユーザインタフェースを含むことができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、スマートバンド監視を確立するための産業機械の信頼性測定のリストからユーザが選択することを可能にし、それに応答して、産業機械の少なくとも1つのセンサの値の許容範囲の少なくとも1つのスマートバンド定義と、少なくとも1つのセンサから許容範囲外の状態が検出されたときにデータが収集および分析される相関センサのリストとをユーザに提示する、エキスパートグラフィカルユーザインタフェースを含んでもよい。本システムでは、信頼性測定値は、業界平均データ、メーカーの仕様、材料の仕様、推奨事項などの1つ以上を含んでいてもよい。実施形態では、信頼性測定値は、応力、振動、熱、摩耗、超音波シグネチャ、操作上のたわみ形状効果など、故障に相関する測定値を含んでもよい。実施形態では、製造者の仕様は、サイクルカウント、作業時間、保守推奨、保守スケジュール、動作限界、材料限界、保証条件などを含んでもよい。実施形態では、産業環境のセンサは、センサによって感知されている状態を仕様タイプに関連付けることによって、製造者の仕様に相関させてもよい。実施形態では、センサを製造者の仕様に相関させる非限定的な例として、可動部の回転を検出するセンサに相関させるデューティサイクル仕様が含まれてもよい。実施形態では、温度仕様は、産業機械の近辺の周囲温度を感知するように配置された熱センサーに相関してもよい。
実施形態において、産業環境におけるデータ収集のためのシステムは、監視のための産業環境の状態および状態の値の許容範囲を受信することに応答して、産業環境に配置されたセンサのスマートバンドグループを自動的に作成するエキスパートグラフィカルユーザインタフェースを含むことができる。
実施形態において、産業環境におけるデータ収集のためのシステムは、産業環境に配置可能な産業機械のコンポーネントの表現を電子ディスプレイ上に提示し、ユーザがコンポーネントの1つまたは複数を選択することに応答して、以下を行うエキスパート・グラフィカル・ユーザ・インターフェースを含むことができる。ユーザーが1つ以上のコンポーネントを選択すると、産業機械の故障モードのデータベースを検索して、選択されたコンポーネントに関連するモードと、監視すべき故障モードに関連する条件を調べ、さらに、提示された機械の表現に配置された、または配置可能な複数のセンサーを特定して、監視すべき条件が許容範囲外であることが検出された場合に、自動的にデータを取得する機能を備えている。実施形態では、特定された複数のセンサーは、状態が監視される少なくとも1つのセンサーを含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境内の機械の地図上に提示されたセンサを選択することによって、ユーザがセンサのスマートバンドグループに含めるセンサを特定することを容易にする、スマートバンドと連携するためのユーザインタフェースを含むことができる。ユーザーは、スマートバンドに必要なセンサデータの種類などのスマートバンドの基準に基づいて、すべての可能なセンサのサブセットの中から選択するように誘導されてもよい。スマートバンドは、産業環境の一部における傾向のある状態を検出することに重点を置くことができ、したがって、ユーザインタフェースは、環境のスマートバンド指示部分に近接するセンサのみをユーザインタフェースで選択可能にするなど、識別されたセンサのサブセットの中から選択するようユーザに指示することができる。
実施形態では、スマートバンドデータ収集構成および展開ユーザインタフェースは、産業環境のコンポーネントおよび関連する利用可能なセンサのビューを含むことができる。実施形態では、ユーザインタフェースに描かれた産業機械の構成部品の選択に応答して、構成部品のためのスマートバンドデータ収集に関連するセンサが、ユーザがセンサの1つ以上を選択できるようにハイライトされてもよい。この文脈でのユーザの選択は、センサの自動選択の検証、またはスマートバンドセンサグループに含めるセンサの手動による識別を含んでいてもよい。
実施形態では、軸受温度の傾向など、スマートバンドの条件の選択に応答して、スマートバンドの構成および使用のためのユーザインタフェースは、条件のためのスマートバンド分析に寄与するセンサを自動的に識別して提示することができる。ユーザは、センサのこの提示に応答して、スマートバンドのデータ収集グループに含まれる1つまたは複数のセンサを個別にまたはセットとして確認するか、またはその他の方法で承認することができる。
実施形態では、スマートバンドユーザインタフェースは、産業環境における産業機械の位置を地図上に提示することができる。場所は、注釈を付けられた場所にある機械のスマートバンドデータを収集するように構成されたスマートバンドデータ収集テンプレートのインジケータで注釈されてもよい。場所は、その場所にある機械のスマートバンドカバレッジの程度を反映して色分けされてもよい。実施形態では、スマートバンドのカバー率が高いマシンの場所は緑色に着色され、スマートバンドのカバー率が低いマシンの場所は赤色または他の対照的な色に着色されることがある。また、視覚的なアノテーションなど、他のアノテーションを使用してもよい。ユーザは、ある場所で機械を選択し、選択した機械を第2の機械の場所にドラッグすることにより、第1の機械のスマートバンドに対応する第2の機械のスマートバンドを効果的に構成することができる。このようにして、ユーザーは、新しく追加された機械や新しい産業環境などのために、複数のスマートバンドデータ収集テンプレートを構成することができる。
実施形態では、データ収集プラットフォーム全体で使用するために、スマートバンドの様々な構成と選択が保存される場合がある。例えば、センシング用のテンプレート、ルーティング用のテンプレート、デバイスのプロビジョニングなどを選択するために、また、人員や、自律制御または遠隔制御のドローンなどの機械によるセンサーの配置を指示するために使用される場合がある。
実施形態では、スマートバンドのユーザインタフェースは、産業機械、機械固有のデータ収集者、モバイルデータ収集者(ロボットおよび人間)などを含む産業環境のマップを提示してもよい。ユーザは、実行すべきスマートバンドのデータ収集アクションのリストを表示し、データ収集リソースセットを選択して収集を行うことができる。一例では、ガイド付き移動ロボットは、複数のスマートバンドデータセットのデータを収集するためのデータ収集システムを備えていてもよい。ユーザは、ロボットが関連付けられている産業環境を表示し、ロボット、スマートバンドデータ収集テンプレート、および機械または機械の一部などの産業環境内の場所を選択することによって、スマートバンドデータ収集活動を実行するようにロボットを割り当ててもよい。ユーザインタフェースは、データ収集が完了したときにユーザに知らせることができるように、収集引き受けのステータスを提供してもよい。
実施形態では、スマートバンド動作管理ユーザインタフェースは、スマートバンドデータ収集アクティビティの提示、結果の分析、結果に基づいて取られたアクション、スマートバンドデータ収集の変更の提案(例えば、スマートバンド収集テンプレートへのセンサの追加、テンプレート固有の収集アクティビティのデータ収集期間の増加)などを含むことができる。ユーザインタフェースは、ユーザがスマートバンドデータ収集を実行するための閾値を緩和するなど、ユーザがスマートバンドデータ収集テンプレートに変更を加えようとすることに応答して、信頼性、コスト、リソース利用、データ収集のトレードオフ、保守スケジュールの影響、故障のリスク(増加/減少)などに対する潜在的な影響を提示することにより、「what if」型の分析を促進することができる。実施形態では、ユーザは、単位時間(例えば、月、四半期など)あたりの予防保守のための目標予算をユーザインターフェースに選択または入力し、ユーザインターフェースのエキスパートシステムは、予算を遵守するためのスマートバンドデータ収集テンプレートおよび閾値を推奨してもよい。
実施形態では、スマートバンドのユーザインタフェースは、ユーザが産業環境においてスマートバンドのデータ収集のためのシステムを構成することを容易にすることができる。ユーザインタフェースは、ユーザが選択することができる、モータ、リンケージ、ベアリングなどの産業機械コンポーネントの表示を含んでもよい。このような選択に応答して、エキスパートシステムは、ユーザーインターフェースと連携して、監視対象の部品に関連する潜在的な故障条件のリストを提示してもよい。ユーザーは、監視する1つまたは複数の条件を選択することができる。ユーザ・インタフェースは、ユーザに承認を求めるセットとして監視すべき条件を提示してもよい。ユーザーは、セットまたはセットモニタ内の選択された条件の承認を示すことができる。モニタリングする1つ以上の条件のユーザによる選択/承認に続くものとして、ユーザインタフェースは、データを収集するために産業環境で利用可能な関連センサのマップを、センサのスマートバンドグループとして表示してもよい。関連センサーは、1つ以上の部品(例えば、ユーザーが最初に選択した部品)、1つ以上の故障条件などに関連付けられていてもよい。
実施形態では、エキスパート・システムは、環境内の関連センサを、故障状態のスマートバンド・モニタリングのための好ましいセンサのセットと比較し、故障状態の利用可能なセンサに基づいてスマートバンド・モニタリングを実行するための信頼度などのフィードバックをユーザに提供してもよい。ユーザは、提示された故障状態およびスマートバンド分析情報を評価し、関連するセンサを承認するなど、ユーザインタフェースでアクションを起こしてもよい。これに応じて、データ収集システムを構成するためのスマートバンドデータ収集テンプレートが作成されてもよい。実施形態では、スマートバンドデータ収集テンプレートは、ユーザの承認とは無関係に作成されてもよい。そのような実施形態では、ユーザは、スマートバンド分析情報の承認を介して、作成されたテンプレートの承認を明示的または暗示的に示してもよい。
実施形態では、スマートバンドのユーザインタフェースは、エキスパートシステムと連携して、製造者の仕様、類似の産業機械の実世界での経験から得られた統計情報などの情報に基づいて、スマートバンドの状態監視のために産業環境における産業機械の候補部分を提示することができる。実施形態では、ユーザインタフェースは、ユーザが、例えば、監視する信頼性/故障リスクの程度(例えば、故障寸前、最高の性能、業界平均など)を含む、スマートバンドのデータ収集および分析プロセスの特定の側面を選択することを可能にしてもよい。それに応じて、エキスパートシステムは、モニターする許容値の範囲、モニター頻度、データ収集頻度、データ収集量、データ収集活動の優先順位(例えば、スマートバンドのデータ収集用テンプレートの優先順位を効果的に設定する)、センサーからのデータの重み付け(例えば、グループ内の特定のセンサー、センサーの種類など)など、スマートバンド分析の側面を調整することができる。
実施形態では、スマートバンドのユーザインタフェースは、業界平均データ、業界最高データ、近くにある比較可能なマシン、最も類似した構成のマシンなど、ユーザが優先する可能性のある一連の比較データに基づいて、実装する1つまたは複数のスマートバンドをエキスパートシステムに推奨させることができるように構成されてもよい。比較データの重み付けに基づいて、エキスパートシステムは、ユーザーインターフェースを使用して、重み付けに沿った1つまたは複数のスマートバンドテンプレートをユーザーに推奨し、ユーザーは、推奨されたテンプレートの1つまたは複数を使用するために承認するなど、ユーザーインターフェースでアクションを取ることができる。
実施形態では、産業環境におけるセンサの配置を構成するためのユーザインタフェースは、産業機器のコンポーネントのスマートバンド分析を実行するために含めるべきセンサのグループについて、産業環境機器のサプライヤ(例えば、製造業者、卸売業者、販売業者、ディーラー、サードパーティのコンサルタントなど)による推奨を含んでもよい。これらの情報は、データ収集テンプレートとしてユーザーに提示され、ユーザーは、テンプレートを表すグラフィックを産業機器の一部に配置するなどして、受け入れ/承認されたことを示すことができる。
実施形態では、スマートバンド発見ポータルは、推奨事項、実際の使用例、スマートバンドのデータ収集およびと処理などのスマートバンド関連情報の共有を促進することができる。発見ポータルは、スマートバンドのユーザーインターフェースのパネルとして具現化されてもよい。
実施形態では、スマートバンド評価ポータルは、スマートバンドベースのデータ収集および分析の評価を促進することができる。そのようなポータルで提示され得るコンテンツは、1つまたは複数の産業機械、産業環境、産業などのための既存のスマートバンドテンプレートの用途の描写を含んでもよい。スマートバンドの価値は、例えば、過去の使用および結果に基づいて、ポータル内の各スマートバンドに付与されてもよい。また、スマートバンド評価ポータルは、付与された価値、予防保守コスト、監視されている故障状態などを含む様々な要因に基づいて、スマートバンドのデータ収集テンプレートに含める候補センサの視覚化を含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連するスマートバンドのグラフィカルユーザインタフェースは、工場ベースの空調ユニットのような産業部品のために展開されてもよい。空調ユニットのスマートバンド分析のためのデータ収集用システムのユーザインタフェースは、特定の空調システムの設置のためのスマートバンドデータ収集テンプレートなどのグラフィカルな構成を容易にすることができる。実施形態では、圧縮機、凝縮器、熱交換器、ダクト、冷却剤レギュレータ、フィルタ、ファンなどの空調システムの主要な構成要素が、空調システムの特定の設置のための対応するセンサとともに、ユーザインタフェースに描かれてもよい。ユーザーは、スマートバンドのデータ収集のためのシステムを構成するために、ユーザーインターフェースでこれらのコンポーネントの1つまたは複数を選択することができる。ユーザーが、例えば、冷媒用コンプレッサーを選択したことに応答して、コンプレッサーに関連するセンサーが、ユーザーインターフェースにおいて自動的に識別されてもよい。ユーザは、選択されたコンプレッサのスマートバンドデータ収集を行うための推奨データ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してなど、スマートバンドユーザのコミュニティに収集テンプレートの候補を要求してもよい。テンプレートが選択されると、ユーザーインターフェースは、収集の頻度、監視する信頼性の程度などのカスタマイズオプションをユーザーに提供することができる。テンプレートが最終的に承認されると、ユーザーインターフェースは、設置された空調システムのデータ収集システム(そのようなシステムが利用可能な場合)と対話して、データ収集テンプレートを実施し、テンプレートの実施結果をユーザーに示すことができる。これを受けて、ユーザーは、空調装置に使用するテンプレートを最終的に承認してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連するスマートバンドのグラフィカルユーザインタフェースが、石油およびガスの精製所ベースのチラーのために展開されてもよい。製油所ベースの冷凍機のスマートバンド分析のためのデータ収集用システムのユーザインタフェースは、特定の製油所ベースの冷凍機の設置のためのスマートバンドデータ収集テンプレートなどのグラフィカルな構成を容易にしてもよい。実施形態では、熱交換器、圧縮機、水調整器などを含む製油所ベースの冷凍機の主要コンポーネントが、製油所ベースの冷凍機の特定の設置のための対応するセンサとともに、ユーザインタフェースに描かれてもよい。ユーザーは、スマートバンドのデータ収集のためのシステムを構成するために、ユーザーインターフェースでこれらのコンポーネントの1つまたは複数を選択することができる。ユーザーが例えば整水器を選択したことに応じて、整水器に関連するセンサーがユーザーインターフェースで自動的に識別されてもよい。ユーザーは、選択されたコンポーネントのスマートバンドデータ収集を実行するために、推奨されるデータ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してなど、スマートバンドユーザのコミュニティに収集テンプレートの候補を要求してもよい。テンプレートが選択されると、ユーザーインターフェースは、収集の頻度、監視する信頼性の程度などのカスタマイズオプションをユーザーに提供することができる。テンプレートが最終的に承認されると、ユーザーインターフェースは、設置された製油所ベースの冷凍機のデータ収集システム(そのようなシステムが利用可能な場合)と対話して、データ収集テンプレートを実施し、テンプレートの実施結果をユーザーに示すことができる。これを受けて、ユーザは、精油所ベースの冷凍機で使用するためのテンプレートを最終的に承認してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連するスマートバンドのグラフィカルユーザインタフェースは、自動車の生産ラインロボット組み立てシステムのために展開されてもよい。生産ラインロボット組立システムのスマートバンド分析のためのデータ収集用システムのユーザインタフェースは、特定の生産ラインロボット組立システムの設置のためのスマートバンドデータ収集テンプレートなどのグラフィカルな構成を容易にしてもよい。実施形態では、モータ、リンケージ、ツールハンドラ、位置決めシステムなどを含む生産ラインロボット組立システムの主要な構成要素を、生産ラインロボット組立システムの特定の設置のための対応するセンサとともに、ユーザインターフェイスを提供する。ユーザーは、スマートバンドのデータ収集のためのシステムを構成するために、ユーザーインターフェースにおいてこれらのコンポーネントの1つまたは複数を選択することができる。ユーザが選択したことに応答して、例えば、ロボットリンケージに関連付けられたロボットリンケージセンサが、ユーザインタフェースにおいて自動的に識別されてもよい。ユーザーは、選択されたコンポーネントのスマートバンドデータ収集を実行するために、推奨されるデータ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルなどを介して、スマートバンドユーザのコミュニティに収集テンプレートの候補を要求してもよい。テンプレートが選択されると、ユーザーインターフェースは、収集の頻度、監視する信頼性の程度などのカスタマイズオプションをユーザーに提供することができる。テンプレートが最終的に承認されると、ユーザーインターフェースは、設置された生産ラインのロボット組立システムのデータ収集システム(そのようなシステムが利用可能な場合)と対話して、データ収集テンプレートを実施し、テンプレートの実施結果をユーザーに示すことができる。これを受けて、ユーザは、生産ライン・ロボット組み立てシステムで使用するためのテンプレートを最終的に承認してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連するスマートバンドのグラフィカルユーザインタフェースは、自動車の生産ラインロボット組み立てシステムのために展開されてもよい。生産ラインロボット組立システムのスマートバンド分析のためのデータ収集用システムのユーザインタフェースは、特定の生産ラインロボット組立システムの設置のためのスマートバンドデータ収集テンプレートなどのグラフィカルな構成を容易にしてもよい。実施形態では、生産ラインロボット組立システムの特定の設置のための対応するセンサとともに、それ自体が多くのコンポーネントを有する可能性のあるサブシステムであるカッターヘッド、制御システム、デブリ処理および搬送コンポーネント、プレキャストコンクリート送出および設置サブシステムなど、建設現場のボーリング機械の主要なコンポーネントが、ユーザインタフェースに描かれてもよい。ユーザーは、スマートバンドのデータ収集のためのシステムを構成するために、ユーザーインターフェースでこれらのコンポーネントの1つまたは複数を選択することができる。ユーザーが、例えば、瓦礫処理コンポーネントを選択したことに応答して、コンベアなどの瓦礫処理コンポーネントに関連するセンサが、ユーザーインターフェースにおいて自動的に識別されてもよい。ユーザーは、選択されたコンポーネントのスマートバンドデータ収集を実行するために、推奨されるデータ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してなど、スマートバンドユーザのコミュニティに収集テンプレートの候補を要求してもよい。テンプレートが選択されると、ユーザーインターフェースは、収集の頻度、監視する信頼性の程度などのカスタマイズオプションをユーザーに提供することができる。テンプレートが最終的に承認されると、ユーザーインターフェースは、設置された生産ラインのロボット組立システムのデータ収集システム(そのようなシステムが利用可能な場合)と対話して、データ収集テンプレートを実施し、テンプレートの実施結果をユーザーに示すことができる。これを受けて、ユーザは、生産ライン・ロボット組み立てシステムで使用するためのテンプレートを最終的に承認してもよい。
図111を参照すると、産業環境におけるデータ収集のためのシステムのスマートバンド構成のための例示的なユーザインタフェースが描かれている。ユーザインタフェース11200は、産業環境可視化部分11202を含んでもよく、その中には1つまたは複数のセンサ、機械などが描写されてもよい。各センサ、機械、またはその一部(例えば、モータ、コンプレッサなど)は、スマートバンド構成プロセスの一部として選択可能であってもよい。同様に、各センサ、機械、またはその一部は、ユーザの選択に応答して、またはスマートバンドセンサのグループの一部であると自動識別されるなど、スマートバンド構成プロセスの間に視覚的に強調表示されてもよい。また、ユーザインタフェースは、スマートバンドのインジケータ、故障モードなどが選択可能な要素で描かれているスマートバンド選択部11204またはパネルを含んでもよい。症状、故障モードなどをユーザが選択すると、産業用可視化部の対応するコンポーネント、センサ、機械などが強調表示されてもよい。また、ユーザインタフェースは、選択されたスマートバンドの属性、例えば、許容範囲、モニタリングの頻度などをユーザが調整できるようにしたカスタマイズパネル11206を含んでもよい。
(1)実施形態では、ユーザインタフェースが対話を可能にするシステムのためにデータ収集システムがデータを収集する複数のセンサが配備されている産業環境から、産業機械のコンポーネントの表現の選択を容易にする選択可能なグラフィカル要素と、産業環境内のセンサのデータ収集サブセットを形成するためのセンサの選択を容易にする複数のセンサの一部を表現する選択可能なグラフィカル要素と、を含むシステムが提供される。(2)データ収集サブセットを形成するセンサの選択により、センサのデータ収集サブセットからデータを収集するためのデータルーティングおよび収集システムの構成を容易にするように適合されたデータ収集テンプレートが得られる、(1)項に記載のシステム。(3)前記ユーザーインターフェースは、コンポーネントの選択を容易にするグラフィカル要素のユーザーによる選択を分析し、選択されたグラフィカル要素に関連するコンポーネントに関連するセンサのみをアクティブにするために、複数のセンサの一部を表す選択可能なグラフィカル要素を調整するエキスパートシステムを備える、(1)項に記載のシステム。(4)産業機械のコンポーネントの選択を容易にする選択可能なグラフィカル要素が、コンポーネントに関連する複数のデータ収集テンプレートの提示をさらに容易にする、(1)項に記載のシステム。(5)前記複数のセンサの一部は、センサのスマートバンドグループを構成する、(1)項に記載のシステム。(6)前記スマートバンドのセンサ群は、前記選択可能なグラフィック要素によって選択された前記産業機械のコンポーネントのためのセンサで構成されている、(5)項に記載のシステム。(7)複数のセンサが配置されている産業環境から産業機械の複数のコンポーネントの表現を含むエキスパートグラフィカルユーザインタフェースであって、データ収集システムが、ユーザインタフェースが対話を可能にするシステムのためのデータを収集し、複数のコンポーネントの少なくとも1つの表現がユーザインタフェースにおいてユーザによって選択可能である、エキスパートグラフィカルユーザインタフェースと、産業機械の故障モードのデータベースと、複数のコンポーネントのコンポーネントのユーザによる選択に対応するモードについて故障モードのデータベースを検索するデータベース検索機能と、を備えるシステム。(8)前記故障モードに関連する条件のデータベースを備える、(7)項に記載のシステム。(9)(8)項に記載のシステムであって、前記条件のデータベースは、前記条件に関連する前記産業環境のセンサのリストを含む、システム。(10)(9)項に記載のシステムであって、前記データベース検索機能は、少なくとも1つの条件に対応するセンサを前記条件のデータベースからさらに検索し、前記グラフィカル・ユーザ・インターフェースにおいて前記センサを表示する、システム。(11)(7)項に記載のシステムであって、複数のコンポーネントのコンポーネントをユーザが選択することにより、選択されたコンポーネントに関連するセンサからデータを自動的に収集するようにデータルーティングおよび収集システムを構成するためのデータ収集テンプレートを引き起こすシステム。(12)エキスパート・グラフィカル・ユーザ・インターフェースにおいて、産業機械の信頼性測定のリストを提示するステップと、リストから1つの信頼性測定をユーザが選択することを容易にするステップと、選択された信頼性測定に関連するスマートバンド・データ収集テンプレートの表示を提示するステップと、スマートバンド・データ収集テンプレートを受け入れるというユーザの指示に応答して、複数のセンサの1つからのデータ値がデータ値の許容範囲外であることが検出されたことに応答して、産業環境内の複数のセンサからデータを収集するようにデータ・ルーティングおよび収集システムを構成するステップと、を含む方法。(13)(12)項に記載の方法であって、前記信頼性測定値が以下の1つ以上を含むことを特徴とする方法。業界の平均的なデータ、メーカーの仕様書、メーカーの材料仕様書、メーカーの推奨事項などがある。(14)(13)項に記載の方法であって、製造者の仕様には、サイクル数、作業時間、保守推奨事項、保守スケジュール、運用限界、材料限界、および保証条件のうち少なくとも1つが含まれることを特徴とする方法。(15)信頼性測定は、応力、振動、熱、摩耗、超音波シグネチャ、および操作上のたわみ形状効果からなるリストから選択された故障に相関する、(12)項に記載の方法。(16)さらに、産業環境におけるセンサを製造者の仕様に関連付けることを含む、(12)項に記載の方法。(17)相関することは、デューティサイクルの仕様を可動部の回転を検出するセンサに一致させることを含む、(16)項に記載の方法。(18)前記相関関係は、前記産業機械の近傍の環境温度を感知するように配置された熱センサーと温度仕様を一致させることを含む、(16)項に記載の方法。(19)前記相関処理の結果に基づいて、前記データ値の許容範囲を動的に設定することをさらに含む、(16)項に記載の方法。(20)前記相関関係の結果に基づいて、前記許容範囲外のデータ値を検出するための前記複数のセンサのうちの1つを自動的に決定することをさらに含む、(16)項に記載の方法。
故障の可能性のある根本原因を決定するなどの逆算には、故障に関連するセンサーなどのデータを提供する情報源の表示が付いた産業環境、機械、またはその一部の視覚化を容易にするグラフィカルなアプローチが有効である。軸受などの故障部品は、シャフトやモータなどの他の部品と関連している場合がある。軸受および関連部品の状態を監視するセンサーは、故障の原因となり得る情報を提供することができる。そのような情報は、将来的に故障を監視または回避するために、センサー出力の変化などの指標を示唆するのにも有用である。逆算のためのグラフィカルなアプローチを容易にするシステムは、センサデータ収集および分析システムと相互に作用して、逆算プロセスから決定されるデータ収集および処理に関連する側面を少なくとも部分的に自動化することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、故障状態などの関心のある状態に関連する産業機械の部分が、関心のある状態に寄与するセンサデータタイプ、データタイプを監視する機械部分に関連するデータ収集ポイント(例えば、センサ)、関心のある状態を決定するために収集され使用されたデータ収集ポイントからのデータセットとともに電子ディスプレイ上に提示されるユーザインタフェースを含むことができる。データ収集ポイント(例えば、センサー)、データ収集ポイントから収集され、関心のある状態を決定するために使用された一連のデータ、および、関心のある状態を決定するために使用された可能性のある、許容範囲外のデータなどの例外的なデータを提供したセンサーの注釈が表示される。ユーザーインターフェースは、タービンを回転させるなどの機能に寄与するベアリング、シャフト、ブレーキ、ロータ、モータハウジングなどの関連部品を決定し、視覚化することを容易にする機械の説明にアクセスしてもよい。また、ユーザーインターフェースは、機械に配置されたセンサーとコンポーネントを関連付けるデータセットにもアクセスできる。データセットに含まれる情報には、センサーの説明、その機能、各センサーが感知する状態、センサーから出力される値の典型的または許容範囲などが含まれる。また、データセット内の情報は、産業環境におけるデータ収集のためのシステムにおいて、センサーデータがデータ収集者に届けられるための複数の潜在的な経路を特定してもよい。また、ユーザインタフェースは、特定の目的に合わせてセンサからデータを収集するためのデータ収集システムを構成するために使用されるデータ収集テンプレートを含むデータセットにアクセスしてもよい(例えば、モータに対するシャフトの滑りの程度など、機械の状態を判断するのに適したセンサデータセットに、センサのグループからデータを収集する)。
実施形態では、産業機械の状態に寄与するデータの収集元候補を決定するための逆算方法は、寄与するデータが収集されたときに設置されていた、産業機械に配置されたセンサからデータを収集するためのデータ収集システムの構成および運用テンプレートから決定されたデータ収集経路に従うことを含んでもよい。設定・運用テンプレートには、センサー群からのデータの信号経路の切り替え、多重化、収集タイミングなどが記述されている。センサ群は、軸受などのコンポーネントに局所的に配置されていてもよいし、軸受とその関連コンポーネントに関する情報を取得するセンサのように、より地域的に分散していてもよい。実施形態では、データ収集テンプレートは、産業機械の特定の状態を検出するためにデータを収集および処理するように構成されてもよい。したがって、テンプレートは、関心のある状態の逆算を実行することが、相関のあるテンプレートによって導かれるように、状態に相関していてもよい。テンプレートに基づいて収集されたデータは、様々なセンサーのデータの許容範囲と比較検討されてもよい。許容範囲外のデータは、許容できない状態の潜在的な根本原因を示す可能性がある。実施形態では、候補データソースから収集されたデータと、各候補データソースから収集されたデータの許容範囲との比較に基づいて、データ収集の候補ソースから、データ収集の疑わしいソースが決定されてもよい。これらの逆算に基づく信号経路、センサー候補、および疑わしいデータソースを可視化することで、ユーザーは故障などの可能性のある根本原因に対する貴重な洞察を得ることができる。
実施形態では、逆算の方法は、逆算を適用して、寄与したデータのソースを決定することによって、産業環境で検出された故障状態に寄与するデータの経路を視覚化することを含み、視覚化は、産業機械のデータ収集システムの視覚的表現において強調されたデータ経路として現れる。実施形態では、データのソースを決定することは、障害状態のデータ収集および処理テンプレートに基づいていてもよい。テンプレートは、決定されたソースからのデータがデータ収集システムで収集されたときの、データ収集システムの構成を含んでいてもよい。
故障が発生した場合、または産業環境における機械の一部の状態が、予防保守などで検出されるような故障前の臨界点に達した場合、逆算は、故障の回避および/またはシステム性能の向上に役立つ可能性のある情報を収集することを決定するのに役立つ場合がある(例えば、コンポーネントの動作における実質的な劣化を回避することなど)。データ収集ソース、状態に関連するコンポーネント、状態の潜在的な開始を決定する可能性のあるアルゴリズムなどを視覚化することで、産業環境におけるデータ収集のためのシステムにおいて、データ感知、ルーティング、および収集リソースを構成するためのデータ収集テンプレートの準備が容易になる場合がある。実施形態では、産業環境でデータを収集するためのシステムのためのデータ収集テンプレートを構成することは、機械の故障を回避するために監視する候補条件を特定する、機械の故障に適用される逆計算に基づいてもよい。結果として得られるテンプレートは、監視するセンサー、センサーデータ収集経路の構成、収集するデータの頻度、量、センサーデータの許容レベルなどを特定することができる。どの部品が他の部品と密接に関係しているか、機械内の部品からデータを収集したセンサーなど、機械に関する情報にアクセスできれば、対象となる部品が特定されたときに、データ収集システムの構成テンプレートが自動的に生成される場合がある。
実施形態では、ユーザインタフェースは、産業環境における機械の状態の計算にデータを提供する可能性のあるセンサの論理的配置として、データソースのグラフィカルな表示を含むことができる。論理的配置は、センサタイプ、データ収集テンプレート、状態、状態を決定するためのアルゴリズムなどに基づいてもよい。一例として、ユーザは、産業環境における部品の故障などの状態に寄与する可能性のあるすべての温度センサを表示することを望むかもしれない。ユーザインタフェースは、状態に関連する部品、それらの部品のセンサ、およびそれらのセンサの種類などの機械関連情報のデータベースと通信し、温度を測定するセンサのサブセットを決定することができる。ユーザーインターフェースは、それらのセンサーをハイライト表示する。ユーザーインターフェースは、それらのセンサーの選択可能なグラフィック要素を起動してもよく、ユーザーが選択すると、センサーの種類、収集されたデータの範囲、許容範囲、所定の条件で収集された実際のデータ値など、それらのセンサーに関連するデータを、ポップアップパネルなどで表示してもよい。ユーザーインターフェースの同様の機能は、モータ、ボーリングマシンのカッティングヘッド、風力タービンなどに関連するすべてのセンサーなど、物理的に配置されたセンサーにも適用することができる。
実施形態では、部品メーカー、リモートメンテナンス組織などのサードパーティが、逆算の可視化にアクセスすることで利益を得ることができる。条件の計算に許容できないデータ値を寄与したセンサ、センサの位置の視覚化などの逆算情報へのアクセスを第三者に許可することは、本明細書に記載されているような逆算へのグラフィカルなアプローチのためのユーザインタフェースにおいて、ユーザが行使できるオプションであってもよい。機械、サブシステム、個々のコンポーネント、センサ、データ収集システムなどの製造業者のリストが、リモートメンテナンス組織などとともに、ユーザインタフェースの一部に提示されてもよい。インターフェースのユーザーは、これらのサードパーティのうち1つまたは複数を選択して、利用可能なデータおよび視覚化の少なくとも一部へのアクセスを許可することができる。これらのサードパーティの1つまたは複数を選択すると、そのサードパーティに関する統計情報(そのサードパーティがアクセスを許可されたデータへのアクセスの発生および頻度、そのサードパーティからのアクセス要求など)を提示することもできる。
実施形態では、逆算分析の可視化を機械学習と組み合わせることで、逆算とその可視化を利用して、故障状態などの状態に対する潜在的な新しい診断を導き出したり、監視すべき新しい状態を導き出したりすることができる。ユーザーは、ユーザーインターフェースと対話して、特定のデータ収集および処理ソリューション(例えば、テンプレート)を介して障害を防止する試みの成功または失敗を示すなど、結果を改善するために機械学習技術にフィードバックを提供してもよい。
実施形態では、産業環境でのデータ収集のためのシステムで収集されたデータの逆算の方法およびシステムは、建設現場でのアプリケーションにおけるコンクリート打設装置に適用されてもよい。コンクリート打設装置は、水および骨材供給システム、混合制御システム、混合モータ、方向制御装置、コンクリートセンサなどを含む混合器、コンクリートポンプ、送出システム、流量制御およびオン/オフ制御などを含むいくつかのアクティブコンポーネントで構成されてもよい。コンクリート打設装置の能動的または受動的なコンポーネントの故障または他の状態の逆算は、装置、そのコンポーネント、センサー、およびデータが収集される他のポイント(例えば、コントローラなど)の視覚化から恩恵を受けることができる。流量障害条件の逆算を行う際に、コンクリートポンプなどに関連するセンサから収集されたデータ/条件を視覚化することで、流量障害に寄与する可能性のあるポンプの条件をユーザに知らせることができる。流量は、ポンプの温度が上昇すると同時に減少することがある。これは、例えば、流量センサデータとポンプ温度センサデータをユーザインタフェースに表示することによって可視化され得る。この相関関係は、エキスパートシステムまたは視覚化を観察しているユーザーによって指摘され、是正措置が取られるかもしれない。
実施形態では、産業環境におけるデータ収集のためのシステムで収集されたデータの逆算の方法およびシステムは、鉱業アプリケーションにおける掘削および抽出システムに適用されてもよい。掘削抽出システムは、カッティングヘッド、空気圧ドリル、ジャックハンマ、掘削機、輸送システムなどを含む複数のアクティブなサブシステムから構成されてもよい。掘削および抽出システムの能動的または受動的なコンポーネントの故障または他の状態の逆算は、装置、そのコンポーネント、センサー、およびデータが収集される他のポイント(例えば、コントローラなど)の視覚化から利益を得ることができる。空圧ラインの故障状態の逆算を行う際に、空圧ドリルなどに関連するセンサから収集したデータ/状態を視覚化することで、ラインの故障に寄与する可能性のあるドリルの状態をユーザに知らせることができる。ラインの圧力は、ドリルの状態の変化と同時に上昇することがある。これは、例えば、ライン圧力センサデータおよびドリルに関連するセンサからのデータをユーザインタフェースに表示することによって視覚化することができる。この相関関係は、エキスパート・システムまたは視覚化を観察しているユーザーによって指摘され、是正措置が取られることがある。
実施形態では、産業環境でデータ収集を行うシステムで収集したデータを逆算する方法およびシステムを、石油・ガス生産環境の冷却塔に適用してもよい。冷却塔は、給水システム、ポンプ、バルブ、温度制御された温度制御装置など、いくつかのアクティブなコンポーネントで構成されることがある。操作、貯蔵システム、混合システムなどがある。冷却塔の能動的または受動的コンポーネントの故障または他の状態の逆算は、装置、そのコンポーネント、センサー、およびデータが収集される他のポイント(例えば、コントローラなど)の視覚化から利益を得ることができる。循環ポンプの故障状態の逆算を行う際に、冷却塔に関連するセンサなどから収集されたデータ/状態を視覚化することで、ポンプの故障に寄与する可能性のある冷却塔の状態をユーザに知らせることができる。供給水の温度は、循環ポンプの出力が低下すると同時に上昇することがある。これは、例えば、給水温度センサデータおよびポンプ出力率センサデータをユーザインタフェースに表示することによって可視化することができる。この相関関係は、エキスパートシステムまたは可視化を観察しているユーザーによって指摘され、是正措置が取られる可能性がある。
実施形態では、産業環境でのデータ収集のためのシステムで収集されたデータの逆算の方法およびシステムは、発電アプリケーションの循環水システムに適用されてもよい。循環水システムは、ポンプ、貯蔵システム、水冷却器などを含む複数のアクティブなコンポーネントで構成される場合がある。循環水システムの能動的または受動的なコンポーネントの故障やその他の状態を逆算するには、機器、コンポーネント、センサー、およびデータが収集される他のポイント(コントローラーなど)を視覚化することが有効である。循環水の温度障害条件の逆算を行う際に、冷却器などに関連するセンサから収集したデータ/条件を視覚化することで、温度条件の障害に寄与する可能性のある冷却器の条件をユーザに知らせることができる。循環水温は、コア・ウォーター・クーラーの温度上昇に伴って上昇することがある。これは、例えば、循環水温センサデータと水冷器温度センサデータをユーザインタフェースに表示することによって可視化されてもよい。この相関関係は、エキスパートシステムまたは視覚化を観察しているユーザーによって指摘され、是正措置が取られるかもしれない。
図112を参照すると、逆算のためのグラフィカルなアプローチ11300が描かれている。産業環境のコンポーネントは、環境のマップ11302に描かれてもよい。このインストールまたは他のインストールで)失敗の履歴を持つ可能性があるコンポーネントは、ハイライトされてもよい。これらの構成要素の1つの選択に応答して(選択を行うユーザなど)、選択された部品および関連する構成要素のセンサが、それらの関連するセンサからデータコレクタへのデータのための信号ルーティングパスを含めて強調表示されてもよい。さらに、許容できないデータが収集されたセンサーを強調表示することで、選択された部品の故障の原因となり得るものを示すことができる。部品間の関係は、少なくとも部分的には機械構成メタデータに基づいている。特定のセンサと故障状態の関係は、少なくとも部分的には、部品および/または故障状態に関連するデータ収集テンプレートに基づいていてもよい。
(1)実施形態では、産業環境でデータを収集するように適合されたシステムのユーザインタフェースであって、ユーザインタフェースは以下を含むシステムを提供する。産業機械の機械部分を表す複数のグラフィック要素であって、前記複数のグラフィック要素は、データ分析アルゴリズムを実行するプロセッサによって生成された関心のある状態に関連付けられている、複数のグラフィック要素と、産業環境でデータを収集するように適合されたシステムのデータ収集器を表す複数のグラフィック要素であって、データ分析アルゴリズムで使用されるデータを収集した、複数のグラフィック要素と、データ分析アルゴリズムで使用されるデータを捕捉するために使用されるセンサを表す複数のグラフィック要素であって、データ値の許容範囲外のデータを提供したセンサのグラフィック要素は、ユーザインタフェースの視覚的なハイライトによって示される、複数のグラフィック要素と、を備える。(2)前記関心のある条件は、前記ユーザーインターフェースに提示された関心のある条件のリストから選択される、(1)項に記載のシステム。(3)前記関心のある状態は、前記産業機械の機械部分の少なくとも1つの機械的故障である、(1)項に記載のシステム。(4)前記機械的部分は、前記産業機械のベアリング、シャフト、ロータ、ハウジング、およびリンケージのうちの少なくとも1つを含む、(1)項に記載のシステム。(5)前記データ値の許容範囲は,各センサで利用可能である、(1)項に記載のシステム。(6)前記データ値の許容範囲外のデータを収集したデータ収集器を強調表示することをさらに含む、(1)項に記載のシステム。(7)(1)に記載のシステムであって、関心のある条件を計算するためのデータを収集するようにデータ収集システムを構成することを容易にするデータ収集システム構成テンプレートをさらに含む、システム。(8)関心条件のソース候補を決定する方法であって、以下を含む。産業環境においてデータを収集するためのシステムにおいて、データルーティングおよび収集リソースを構成するためのデータ収集テンプレートを特定するステップであって、前記テンプレートは、関心条件の計算に寄与するデータを収集するために使用されたステップと、前記データ収集テンプレートを分析することによって、収集されたデータのためのデータ収集器から、収集されたデータを生成したセンサへの経路を決定するステップとセンサーによって収集されたデータを、センサーによって収集されたデータの許容範囲のデータ値と比較するステップと、産業環境およびセンサーの少なくとも1つを描写する電子ユーザーインターフェースにおいて、関心条件の計算に寄与したデータを生成した少なくとも1つのセンサーが、そのセンサーの許容範囲のデータから外れていることを強調表示するステップと、を含む。(9)関心条件が故障条件である、(8)項に記載の方法。(10)前記データ収集テンプレートは、産業環境でデータを収集するように適合されたシステムの、アナログクロスポイントスイッチ、マルチプレクサ、階層型マルチプレクサ、センサ、コレクタ、およびデータ記憶装置のうちの少なくとも1つの構成情報を含む、(8)項に記載の方法。(11)産業環境でのハイライトは、少なくとも1つのセンサと、産業環境でのデータ収集のためにセンサからシステムのデータコレクタへのデータの少なくとも1つのルートとをハイライトすることを含む、(8)項に記載の方法。(12)前記センサーによって収集されたデータを、データ値の許容範囲と比較することは、各センサーによって収集されたデータを、各センサーに固有のデータ値の許容範囲と比較することを含む、第8項記載の方法。(13)関心のある状態の計算は、少なくとも1つのセンサからのデータの傾向を計算することからなる、(8)項に記載の方法。(14)(8)項に記載の方法であって、許容できる値の範囲は、データ値の傾向からなる方法。(15)産業環境で検出された関心のある状態に寄与するデータのルートを視覚化する方法であって、以下を含む方法。関心のある状態に逆算を適用して、関心のある状態に関連するデータ収集システム構成テンプレートを決定するステップと、テンプレートを分析して、関心のある状態を検出するためのデータを収集するためのデータ収集システムの構成を決定するステップと、電子ユーザインタフェースにおいて、テンプレートによって構成されたデータ収集のマップを提示するステップと、電子ユーザインタフェースにおいて、関心のある状態の計算に寄与するデータについて、少なくとも1つのセンサから少なくとも1つのデータ収集装置へのデータの経路を反映するデータ収集システム内の経路を強調表示するステップと、を含む。(16)前記データ収集システム構成テンプレートは、アナログクロスポイントスイッチ、マルチプレクサ、階層型マルチプレクサ、データコレクタ、およびセンサからなるリストから選択された、データ収集システムに配置された少なくとも1つのリソースの構成情報を含む、(15)項に記載の方法。(17)前記逆算に機械学習を適用することにより、関心のある状態に対する目標診断を生成することをさらに含む、(15)項に記載の方法。(18)電子ユーザインタフェースにおいて、関心のある状態の計算に使用されるデータが、センサのデータ値の許容範囲外であるデータを生成するセンサを強調表示することをさらに含む、(15)項に記載の方法。(19)関心のある条件が、ユーザーインターフェースに提示された関心のある条件のリストから選択される、(15)項に記載の方法。(20)関心のある条件は、産業環境の少なくとも1つの機械的部分の機械的故障である、(15)項に記載のシステム。(21)前記機械的部分は、前記産業環境のベアリング、シャフト、ロータ、ハウジング、およびリンケージのうちの少なくとも1つを含む、(15)項に記載のシステム。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境における複数のセンサからのデータを、センサからのデータを、触覚、振動、熱、音、および力のうちの少なくとも1つを含む人間の検出可能な刺激として提示するウェアラブルな触覚刺激装置にルーティングしてもよい。実施形態では、触覚刺激は、感知されたデータに起因する機械への影響を表す。実施形態では、曲げ効果は、ハプティックグローブの指を曲げることとして提示されてもよい。実施形態では、振動効果は、ハプティックアームバンドを振動させるように提示されてもよい。実施形態では、加熱効果は、ハプティックリストバンドの温度上昇として提示されてもよい。実施形態では、電気的効果(例えば、過電圧、電流、その他)は、ファティックオーディオシステムの音の変化として提示されてもよい。
実施形態では、産業機械オペレータの触覚ユーザインタフェースは、オペレータによる機械の制御に応答する触覚刺激をオペレータに提供するように適合されてもよく、刺激は、オペレータの制御の結果としての機械への影響、およびその結果としての環境内のオブジェクトとの相互作用を示すものである。実施形態では、許容範囲を超える機械の感知された状態は、触覚ユーザーインターフェースを通じて操作者に提示されてもよい。実施形態では、許容範囲内にある機械の感知された状態は、ハプティックユーザインタフェースを介してオペレータに提示されなくてもよい。実施形態では、許容範囲内にある機械の感知された状態は、オペレータ制御の確認の自然言語表現として提示されてもよい。実施形態では、ハプティックユーザーインターフェースの少なくとも一部は、操作者によって着用される。実施形態では、ウェアラブルハプティックユーザーインターフェースデバイスは、デバイスオペレータのユニフォームの外側の脚部に沿って力を発揮するデバイスを含んでもよい。操作者が制御している車両が車両の横方向に沿って障害物に近づくと、膨張可能なベローズが膨張し、障害物に近づく車両の側面に最も近い操作者の脚部に対して圧力をかけてもよい。ベローズは膨張し続け、それにより、障害物の接近に応じて操作者の脚に追加の圧力をかけることができる。また、障害物への接触が迫っている場合には、圧力をパルス状にしてもよい。別の例では、操作者のアームバンドが、操作者が制御している車両の一部で発生する振動と連動して振動することがある。これらは単なる例であり、産業環境におけるデータ収集のためのシステムによって感知された状態を示すためにウェアラブル触覚フィードバックユーザーデバイスを制御する方法を制限することを意図していない。
実施形態では、産業環境でユーザが着用する触覚ユーザインタフェース安全システムは、圧力、熱、衝撃、電気刺激などの少なくとも1つでユーザの一部を刺激することによって、環境内の機器のユーザへの接近を示すように適合されてもよく、刺激されるユーザの一部は機器に最も接近してもよい。実施形態では、刺激の種類、強さ、持続時間、および頻度の少なくとも1つが、ユーザーの負傷のリスクを示している。
実施形態では、産業環境でユーザが着用することができるウェアラブル触覚ユーザインタフェースデバイスは、産業環境における警告状態の検出時にその位置および関連情報をブロードキャストすることができる。警告状態は、デバイスを装着しているユーザーに近接していてもよいし、近接していないがデバイスを装着しているユーザーに関連していてもよい。ユーザは緊急応答者であってもよく、緊急応答を必要とする状況の検出により、ユーザの触覚デバイスは、ユーザへの、またはユーザによる緊急場所への迅速なアクセスを容易にするために、ユーザの位置をブロードキャストしてもよい。実施形態では、産業機械のセンサーの監視から決定された警告状態が、触覚刺激としてユーザーに提示されてもよく、警告の重大度は刺激の程度に対応する。実施形態では、刺激の程度は、アラートの重症度に基づいて、対応する刺激が継続され、繰り返され、またはエスカレートしてもよく、オプションとして、複数の刺激を同時に作動させること、追加のハプティックユーザーにアラートを送信することなどを含み、許容できる応答が検出されるまで、例えば、ハプティックUIを介して行われてもよい。ウェアラブルハプティックユーザーデバイスは、許容できる応答の検出を容易にするために、他のハプティックユーザーデバイスと通信するように適応されてもよい。
実施形態では、産業環境で使用するためのウェアラブルハプティックユーザーインターフェースは、手袋、指輪、リストバンド、腕時計、アームバンド、ヘッドギア、ベルト、ネックレス、シャツ(例えば、ユニフォームシャツ)、フットウェア、パンツ、イヤープロテクター、安全眼鏡、ベスト、オーバーオール、カバーオール、およびハプティック刺激を提供するように適合させることができる任意の他の衣料品またはアクセサリを含むことができる。
実施形態では、ウェアラブルハプティックデバイスの刺激は、産業環境のセンサに相関してもよい。非限定的な例としては、ウェアラブルハプティックの振動がある。産業環境で検出された振動に応答して、ウェアラブルハプティックデバイスの温度を上昇または下降させることや、感知された電気信号の変化に応答してピッチが変化する音を生成することなどがある。実施形態では、ウェアラブルハプティックデバイスの刺激の重症度は、産業環境で感知された状態の側面に相関してもよい。非限定的な例としては、感知された振動の程度が低い場合の中程度または短期の振動、感知された振動の増加のための強いまたは長期の振動刺激、感知された振動の量が多い場合の積極的な、パルス状の、および/またはマルチモードの刺激が挙げられる。ウェアラブルハプティックデバイスの刺激には、照明(点滅、色の変化など)、音、匂い、触覚出力、ハプティックデバイスの動き(バルーンの膨張/収縮、関節セグメントの伸長/収縮など)、力/衝撃なども含まれる。
実施形態では、産業環境におけるデータ収集のためのシステムは、発電アプリケーションにおける燃料処理システムから収集されたデータを、触覚刺激を介してユーザに中継するために、ウェアラブルな触覚フィードバックユーザデバイスとインターフェースしてもよい。発電用の燃料ハンドリングは、ウッドチップ、切り株、森林残留物、スティック、エネルギーヤナギ、ピート、ペレット、バーク、ストロー、アグロバイオマス、石炭、および固体回収燃料などの固体燃料を含んでもよい。処理システムには、燃料をサンプリングすることもできる受け入れステーション、木質系燃料を粉砕またはチップ化したり、廃棄物系燃料を細断したりする準備ステーションが含まれる場合がある。また、燃料処理システムには、貯蔵・搬送システム、供給・灰分除去システムなどが含まれる。ウェアラブルな触覚ユーザーインターフェースデバイスは、ユーザーが他の方法では隔離されている処理環境の状態をオペレーターにフィードバックすることにより、燃料処理システムで使用することができる。センサーは、固体燃料供給スクリューシステムの操作面を検出することができる。スクリューの回転数、燃料の重量、燃料の種類などの条件は、ユーザーが手を使い、燃料供給システムを操作するために注意を払うことができるようにしながら、ユーザーへの触覚刺激に変換されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、トラックおよび/または車両アプリケーションのサスペンションシステムから収集されたデータを、触覚刺激を介してユーザに中継するために、ウェアラブル触覚フィードバックユーザデバイスとインターフェースしてもよい。触覚シミュレーションは、車両サスペンションシステムによって感知されている状態と相関してもよい。実施形態では、道路の粗さが検出され、ウェアラブルハプティックアームバンドの振動のような刺激に変換されてもよい。実施形態では、サスペンション力(収縮と反発)は、着用可能なハプティックベストを介してユーザーに力の縮小版を提示する刺激に変換することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、農業アプリケーションにおける水耕栽培システムから収集されたデータを触覚刺激を介してユーザに中継するために、ウェアラブルな触覚フィードバックユーザデバイスとインターフェースしてもよい。実施形態では、温度、湿度、水位、植物の大きさ、二酸化炭素/酸素レベルなどの水耕栽培システムのセンサーをウェアラブルデバイスの触覚刺激に変換してもよい。触覚フィードバックウェアを着用したオペレータが水耕栽培農業施設を歩くと、オペレータに近接したセンサが、触覚ウェアが触覚刺激に変換することができる温度または実際の温度対所望の温度の測定値などの関連情報を、触覚フィードバックウェアに信号を送ることができる。一例として、リストバンドは、農業環境内のセンサからの温度データまたはその派生物を追跡するために、温度を素早く変化させることができる熱刺激装置を含んでもよい。ユーザが施設内を歩くと、触覚フィードバックリストバンドが温度を変化させて、近辺の温度が予想される温度に準拠している度合いを示してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、自動化された生産ラインアプリケーションにおけるロボット位置決めシステムから収集されたデータを、触覚刺激を介してユーザに中継するために、ウェアラブルな触覚フィードバックユーザデバイスとインターフェースしてもよい。触覚フィードバックは、精度の位置決めシステムインジケータを受信し、精度が許容できる場合には可聴信号に変換し、精度が許容できない場合には別のタイプの刺激に変換することを含んでもよい。
図113を参照すると、産業環境でデータを収集するように適合されたシステムによって産業環境で収集されたデータに応答する触覚刺激をユーザに提供するためのウェアラブル触覚ユーザインタフェースデバイスが描かれている。産業環境11400におけるデータ収集11402のためのシステムは、複数のセンサを含んでもよい。それらのセンサからのデータは、コンピューティングシステムによって収集および分析されてもよい。分析の結果は、産業環境に関連するユーザが着用する1つまたは複数のウェアラブル触覚フィードバック刺激装置11404に無線で通信されてもよい。ウェアラブルな触覚フィードバック刺激装置は、結果を解釈し、触覚刺激と感知された状態のマッピングに基づいて刺激の形態に変換し、刺激を生成してもよい。
(1)実施形態では、産業環境におけるデータ収集のためのシステムであって、以下を含む。触覚、振動、熱、音、力、匂い、および運動からなる刺激のリストから選択された刺激を生成する複数のウェアラブル触覚刺激装置と、産業環境に配置され、環境の状態を感知する複数のセンサと、を備える。前記複数のセンサと前記ウェアラブル触覚刺激装置との間に論理的に配置されたプロセッサであって、前記センサから感知された状態を表すデータを受信し、前記受信したデータに対応する少なくとも1つの触覚刺激を決定し、前記ウェアラブル触覚刺激装置に前記少なくとも1つの刺激を生成するように指示するための少なくとも1つの信号を送信するプロセッサと、を備える。(2)前記触覚刺激は、前記状態に起因する、前記産業環境における機械への影響を表す、(1)項に記載のシステム。(3)曲げ効果が、触覚デバイスを曲げることとして提示される、(2)項に記載のシステム。(4)振動効果は、ハプティックデバイスを振動させるように提示される、(2)項に記載のシステム。(5)加熱効果は、ハプティックデバイスの温度の上昇として提示される、(2)項に記載のシステム。(6)電気的効果が、ハプティックデバイスによって生成される音の変化として提示される、(2)項に記載のシステム。(7)複数の着用可能な触覚刺激装置の少なくとも1つが、手袋、指輪、リストバンド、腕時計、アームバンド、ヘッドギア、ベルト、ネックレス、シャツ、フットウェア、パンツ、オーバーオール、カバーオール、および安全ゴーグルからなるリストから選択される、(2)項に記載のシステム。(8)前記少なくとも1つの信号は、産業環境において関心のある状態の警告を含む、(2)項に記載のシステム。(9)前記警告信号に応答して生成された少なくとも1つの刺激は、許容可能な応答が検出されるまで、前記複数のウェアラブル触覚刺激装置のうちの少なくとも1つによって繰り返される、(8)項に記載のシステム。(10)オペレータの制御の結果としての機械への影響、およびその結果としての環境内のオブジェクトとの相互作用を示す、機械の少なくとも1つの感知された状態に基づいて、オペレータによる機械の制御に応答して、オペレータに触覚刺激を提供するように適合された産業機械オペレータの触覚ユーザインタフェース。(11)条件に対するデータ値の許容範囲を超えた機械の感知された条件が、触覚ユーザインタフェースを通じてオペレータに提示される、(10)項に記載のユーザインタフェース。(12)(10)項に記載のユーザーインターフェースであって、条件のためのデータ値の許容範囲内にある機械の感知された状態は、音声触覚刺激装置を介して、オペレーター制御の確認の自然言語表現として提示される。(13)(10)項に記載のユーザインタフェースであって、前記触覚ユーザインタフェースの少なくとも一部は、前記オペレータによって装着されることを特徴とするユーザインタフェース。(14)(10)項に記載のシステムであって、振動を感知した状態は、触覚ユーザーインターフェースによって振動刺激として提示される。(15)(10)項に記載のシステムであって、温度に基づいて感知された状態が、触覚ユーザーインターフェースによって熱刺激として提示されるシステム。(16)産業環境でユーザが装着する触覚ユーザインタフェース安全システムであって、インタフェースは、機器に最も近い触覚ユーザインタフェースの部分を介した触覚刺激によって、環境内の機器のユーザへの接近を示すように適合されており、刺激の種類、強さ、持続時間、および頻度の少なくとも1つは、ユーザへの傷害のリスクを示す。(17)前記触覚刺激は、圧力、熱、衝撃、および電気刺激からなるリストから選択される、(16)項に記載の触覚ユーザーインターフェース。(18)前記ハプティックユーザインタフェースは、ユーザの位置をブロードキャストする無線送信機をさらに備える、(16)項に記載のハプティックユーザインタフェース。(19)前記無線送信機は、前記ユーザが前記機器に近接していることを示すことに応答して、前記ユーザの位置をブロードキャストする、(18)項に記載の触覚ユーザインタフェース。(20)(16)項に記載のハプティック・ユーザ・インターフェースであって、環境内の機器のユーザへの近接性は、産業環境でデータを収集するように適合されたシステムからハプティック・ユーザ・インターフェースに提供されるセンサデータに基づいており、システムは、産業環境におけるユーザの安全状態に関連付けられたデータ収集テンプレートに基づいて適合されている、ハプティック・ユーザ・インターフェース。
実施形態では、産業環境におけるデータ収集のためのシステムは、拡張現実(AR)ディスプレイ上で産業機械の感知されたデータを示すグラフィカル要素を提示することを容易にすることができる。グラフィカルな要素は、感知されたデータの許容値のスケール上の位置を表すように適合されてもよい。グラフィカルな要素は、ARディスプレイで感知されたデータをキャプチャした、拡張された視野内で検出されたセンサの近辺に配置されてもよい。グラフィカル要素は、色であってもよく、スケールは、クールな色(例えば、緑、青)からホットな色(例えば、黄色、赤)などの範囲のカラースケールであってもよい。クールな色は、許容範囲の中間値に近いデータ値を表し、ホットな色は、範囲の最大値または最小値に近いまたはそれ以外のデータ値を表してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、ARディスプレイにおいて、産業環境における複数のセンサから収集されているデータを、各センサから収集されているデータを、許容範囲内の値と許容範囲外の値とを比較したスケールに相関させる複数のグラフィカル効果(例えば、色の範囲内の色)の1つとして提示してもよい。実施形態では、複数のグラフィック効果は、産業環境のビューをオーバーレイしてもよく、複数のグラフィック効果の配置は、対応するセンサデータを生成しているセンサが配置されている環境のビュー内の位置に対応してもよい。実施形態では、グラフィック効果の第1のセット(例えば、ホットカラー)は、複数のセンサが許容範囲外の値を示すコンポーネントを表す。
実施形態では、産業環境におけるデータ収集のためのシステムは、ARディスプレイにおいて、産業環境内のセンサによって収集されている情報を、環境の可視化に重ねてヒートマップとして提示することを容易にすることができ、故障の可能性が大きいことを示唆するセンサデータを有する環境の領域が、故障の可能性が小さいことを示唆するセンサデータを有する環境の領域とは異なるグラフィック効果で重ねられる。実施形態では、ヒートマップは、現在感知されているデータに基づいている。実施形態では、ヒートマップは、以前の故障のデータに基づいている。実施形態では、ヒートマップは、機械の故障の可能性が高まることを示唆するデータなど、以前の期間からのデータの変化に基づいている。実施形態では、ヒートマップは、産業環境における予防保守計画および予防保守の記録に基づいている。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境内のセンサによって収集される情報を、ARディスプレイで提示されるようなライブビューなどの環境のビューにオーバーレイするヒートマップとして提示することを容易にすることができる。このようなシステムは、行動喚起を促進するオーバーレイを提示することを含んでもよく、オーバーレイは、ヒートマップの領域に関連付けられている。オーバーレイは、アクションが実行されるべき環境の一部またはサブシステムの視覚効果を構成してもよい。実施形態では、実行されるべきアクションは、メンテナンスに関連しており、部品固有のものであってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境の一部のARビューにおいて、産業環境における機械の少なくとも1つの側面の動作指示の変更に基づいて、産業環境の側面のヒートマップを更新することを容易にすることができる。ヒートマップは、産業環境内の機械の一部に対する動作制限への準拠を表してもよい。実施形態では、ヒートマップは、動作指示への変更の結果としてのコンポーネントの故障の可能性を表してもよい。
実施形態において、産業環境におけるデータ収集のためのシステムは、環境の一部のARビューにおけるヒートマップとして、データ収集のための産業環境におけるセンサのカバレッジの程度または尺度を提示することを容易にすることができる。データ収集活動のために産業環境で選択されたセンサーを識別するテンプレート。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境の様々な部分の故障関連データの産業環境のライブビューなどのビューに重ねてヒートマップを表示することを容易にすることができる。故障関連データは、様々な部分の実際の故障率と別の故障率との間の差で構成されてもよい。別の故障率は、環境内の他の場所にある比較可能な部分の故障率、および/または、業界平均、メーカーの故障率推定値などの複数の環境にわたる比較可能な部分の平均故障率であってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境の一部の拡張現実ビューにおいて、生産ラインのロボットハンドリングのためのロボットアームおよびハンドから収集されたデータに関連するヒートマップを表示することを容易にすることができる。ロボットアームおよびハンドから収集されたデータに関連するヒートマップは、例えば、ロボットハンドの指に配置されたセンサからのデータを表してもよい。センサーは、物体をつまむときの圧力、物体の抵抗(例えば、ロボットのタッチに反応する)、工具の保持などの操作を行う際に指にかかる多軸力、物体の温度、最初の接触点から抵抗の閾値を満たすまでの指の総移動量、その他の手の位置や使用状況などのデータを収集してもよい。このデータのヒートマップは、ロボット生産環境の拡張現実ビューに表示され、ユーザーは、例えば、ロボットの指の相対的な位置関係が処理される対象物にどのような影響を与えるかを視覚的に評価することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境の一部の拡張現実ビューにおいて、生産ラインのロボット処理のためにリニアベアリングから収集されたデータに関連するヒートマップを表示することを容易にすることができる。リニアベアリングは、ほとんどのベアリングと同様に、使用中は見えないことがある。しかし、ベアリングの動作を評価するには、使用中のベアリングに関する情報を取得するセンサーからのデータを拡張現実ディスプレイで表現することが有益である。実施形態では、ベアリングが支持する回転部材または要素によってベアリングの一部にかかる力を検出するためにセンサーを配置することができる。これらの力は、リニアベアリングを使用するロボットハンドリングマシンの拡張現実ビューにおけるベアリングの視覚化において、相対的な力に対応するヒートマップとして提示されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境の一部の拡張現実ビューにおいて、採掘のためのボーリング機械から収集されたデータに関連するヒートマップを表示することを容易にすることができる。ボーリング機械、特に多先端の円形ボーリングヘッドは、様々な岩層を同時に経験することがある。センサは、各ボーリングチップの近辺に配置され、チップが経験する力を検出してもよい。データは、産業環境でデータを収集するように適合されたシステムによって収集されてもよく、データをボーリング機械の視界内にヒートマップなどとして表示することができる拡張現実システムに提供されてもよい。
図114を参照すると、環境内でデータを収集するように適合されたシステムによって産業環境内で収集されたデータに基づくヒートマップの拡張現実ディスプレイが描かれている。産業環境11500の拡張現実ビューは、産業環境内のセンサ11504から受信したデータまたはそれに由来するデータを描写するヒートマップ11502を含んでもよい。センサデータは、産業環境におけるデータ収集および分析に適応したシステムによって捕捉および処理されてもよい。データは、ヒートマップを表示するための拡張現実システムで使用するのに適した形態に変換されてもよい。ヒートマップ11502は、拡張現実ビューにおいて、基礎となるデータが供給されたセンサと位置合わせされてもよい。
(1)実施形態では、産業機械の感知されたデータが、産業機械のビューにおいて、ビュー内のセンサから収集されたデータのヒートマップとして提示される拡張現実(AR)システムであって、ヒートマップは、ARディスプレイで可視化される感知されたデータを捕捉するセンサの近位に配置される、拡張現実(AR)システム。(2)前記ヒートマップは、センサーから収集されたリアルタイムデータと、そのデータの許容範囲の値との比較に基づいている、(1)項に記載のシステム。(3)前記ヒートマップは、感知されたデータの傾向に基づくものである、(1)項に記載のシステム。(4)ヒートマップは、産業環境のセンサによって収集されたデータから計算された、関心のある状態に対応する産業環境のセンサのカバレッジの尺度を表す、(1)項に記載のシステム。(5)前記ビュー内のセンサから収集されたデータのヒートマップは、アナログクロスポイントスイッチ、マルチプレクサ、および階層型マルチプレクサのうちの少なくとも1つを介して複数のセンサから複数のデータ収集器にデータをルーティングすることによって、産業環境でデータを収集するように適合されたシステムによって収集されたデータに基づいている、(1)項に記載のシステム。(6)前記ヒートマップは、異なる収集データ値を異なる色で表示する、(1)項に記載のシステム。(7)複数のセンサーから収集したデータを組み合わせてヒートマップを作成する、(1)項に記載のシステム。(8)産業環境におけるデータ収集のためのシステムであって、産業環境における複数のセンサから収集されたデータを複数の色のうちの1つとして提示する拡張現実ディスプレイであって、色は、各センサから収集されたデータをカラースケールに相関させ、クールカラーは許容範囲内のデータの値にマッピングし、ホットカラーは許容範囲外のデータの値にマッピングし、複数の色は産業環境のビューをオーバーレイし、複数の色の配置は、対応するセンサデータを生成しているセンサが配置されている環境のビュー内の位置に対応する、拡張現実ディスプレイを備えるシステム。(9)ホットカラーは、複数のセンサーが典型的な範囲外の値を示しているコンポーネントを表している、(8)項に記載のシステム。(10)前記複数の色は、センサーから収集されたリアルタイムデータと、そのデータの許容範囲との比較に基づいている、(8)項に記載のシステム。(11)前記複数の色は、感知されたデータの傾向に基づいている、(8)項に記載のシステム。(12)(8)項に記載のシステムであって、前記複数の色は、前記産業環境内のセンサによって収集されたデータから計算される、関心のある条件に応じた前記産業環境内のセンサのカバレッジの尺度を表す、ことを特徴とするシステム。(13)産業環境のセンサによって収集された情報を、環境のビューに重ねてヒートマップとして提示することにより、故障の可能性が大きいことを示唆するセンサデータを有する環境の領域が、故障の可能性が小さいことを示唆するセンサデータを有する環境の領域とは異なるヒートマップで重ねられるようにすることを含む、方法。(14)前記ヒートマップは、現在感知されているデータに基づいている、(13)項に記載の方法。(15)前記ヒートマップは、以前の故障データに基づくものである、(13)項に記載の方法。(16)ヒートマップは、機械の故障の可能性の増加を示唆する以前の期間からのデータの変化に基づいている、(13)項に記載の方法。(17)前記ヒートマップは、前記産業環境における予防保守計画および予防保守の記録に基づいている、(13)項に記載の方法。(18)前記ヒートマップは、実際の故障率対基準故障率を表す、(13)項に記載の方法。(19)前記基準故障率は、業界平均の故障率である、(18)項に記載の方法。(20)前記基準故障率は、メーカーの故障率推定値である、(18)項に記載の方法。
実施形態では、産業環境におけるデータ収集およびその視覚化のためのシステムは、拡張現実および/または仮想現実(AR/VR)を含むことができる。AR/VRディスプレイの視野内に配置されたセンサーから出力されたデータ値が、感知されたデータの許容範囲または値に対するデータの適合度を示す視覚的属性とともに表示される。実施形態では、視覚的属性は、感知されたデータおよび/またはその派生物の傾向をほぼリアルタイムで描写することができる。実施形態では、視覚的属性は、捕捉されている実際のデータ、またはデータの傾向などの派生データであってもよい。
実施形態では、産業環境におけるデータ収集およびその視覚化のためのシステムは、AR/VRディスプレイを含み、AR/VRの視野内に配置されたセンサが出力するデータ値の傾向が、傾向の深刻さの度合いを示す視覚的属性とともに表示されてもよい。実施形態では、表示され得る他のデータまたは分析には、許容範囲を超えたセンサーからのデータ、ユーザーによって選択されたスマートバンドの一部であるセンサーからのデータ、スマートバンドの収集アクションをトリガするために監視されるセンサーからのデータ、PMアクションが近日中に予定されている、PMアクションが最近実行された、またはPMの期限が切れているなど、予防保守基準を満たす環境の側面を感知するセンサーからのデータが含まれ得る。そのようなAR/VRビジュアライゼーションのための他のデータは、許容範囲が最近変更された、拡大された、狭められたなどのセンサーからのデータを含んでもよい。産業機械(掘削、穿孔など)のオペレータにとって特に有用な、そのようなAR/VRビジュアライゼーションのための他のデータは、例えば操作要素への影響(トルク、力、歪みなど)など、センサからのデータの分析を含んでもよい。
実施形態では、AR/VR環境で収集されたデータを表す視覚的属性の提示を含むことができる産業環境でのデータ収集およびその視覚化のためのシステムは、鉱業アプリケーションのポンプについてそうすることができる。鉱業用途のポンプは、水を供給し、液化した廃棄物を採掘場から除去してもよい。ポンプ性能は、ポンプモータ、レギュレータ、流量計などを検出するセンサによって監視されてもよい。ポンプ性能監視データを収集し、一連の視覚的属性として拡張現実ディスプレイに表示してもよい。一例として、ポンプモータの消費電力、効率などが、拡張現実ディスプレイを通して見たポンプの近くに表示されることがある。
実施形態では、AR/VR環境で収集されたデータを表す視覚的属性の提示を含むことができる産業環境におけるデータ収集およびその視覚化のためのシステムは、電力におけるエネルギー貯蔵のために行うことができる。発電アプリケーションのために発電用エネルギー貯蔵は、貯蔵エネルギーの貯蔵および使用に関連するデータを捕捉するセンサで監視されてもよい。個々のエネルギー貯蔵セルの利用率、エネルギー貯蔵率(例えば、バッテリの充電など)、貯蔵エネルギー消費率(例えば、エネルギー貯蔵システムによって供給されるKWH)、貯蔵セルの状態などの情報が捕捉され、エネルギー貯蔵システムの拡張現実ビューで提示され得る拡張現実ビュー可能な属性に変換されてもよい。
実施形態では、AR/VR環境で収集されたデータを表す視覚的属性の提示を含むことができる、産業環境におけるデータ収集およびその視覚化のためのシステムが、発電アプリケーションにおける給水システムのためにそうすることができる。給水システムに関するデータを収集するために、発電などの産業環境にセンサが配置されてもよい。それらのセンサーからのデータは、データ収集のためのシステムによって取り込まれ、処理されてもよい。この処理の結果は、給水の冷却率、流量、圧力などのデータの傾向を含んでいてもよい。これらの傾向は、物理的要素が見えるセンサーのマップをビューに適用し、マップされたセンサーからデータを検索することで、給水システムの拡張現実ビュー上に提示されてもよい。検索されたデータ(およびその派生物)は、給水システムの拡張現実ビューに表示されてもよい。
図115を参照すると、産業環境のビューに重なるリアルタイムデータ11602からなる拡張現実ディスプレイ11600が描かれている。環境内のセンサ1164は、センサが関連付けられている産業機械、システム、またはその一部を最初に検出するなどして、拡張現実システムによって認識されてもよい。センサ11604からのデータは、データリポジトリから取得され、トレンドに処理され、データの発生源であるセンサの近くの拡張現実ビュー11600に提示されてもよい。
(1)実施形態では、電子ディスプレイの視野内に配置されたセンサによって出力されたデータ値が、感知されたデータの許容範囲または値に対するデータの適合度を示す視覚的属性とともに電子ディスプレイに表示される、産業環境におけるデータ収集およびその視覚化のためのシステムを提供する。(2)前記電子ディスプレイの視野は,前記産業環境の拡張現実ディスプレイの視野である、(1)項に記載のシステム。(3)前記視覚的属性は、前記許容範囲に対する前記感知されたデータの経時的な傾向を示すものである、(1)項に記載のシステム。(4)前記データ値は、前記データ値が出力される前記センサーに近接して前記電子ディスプレイに配置されている、(1)項に記載のシステム。(5)前記視覚的属性は、前記データ値が出力されたセンサに関連するスマートバンドのセンサセットの表示をさらに含む、(1)項に記載のシステム。(6)産業環境の拡張現実ビューに配置された選択されたセンサによって出力されたデータ値が、感知されたデータの許容範囲または値に対するデータのコンプライアンスの程度を示す視覚的属性とともに表示される、産業環境におけるデータ収集およびその視覚化のためのシステム。(7)前記センサーは、前記システムにおけるセンサーデータのルーティングリソースの設定を容易にするデータ収集テンプレートに基づいて選択される、(6)項に記載のシステム。(8)(7)項に記載のシステムであって、選択されたセンサーは、スマートバンドセンサーのグループの一部としてテンプレートに表示される。(9)(7)項に記載のシステムであって、選択されたセンサは、スマートバンドデータ収集アクションをトリガするために監視されるセンサである。(10)前記選択されたセンサは、予防保守基準に関連する環境の側面を感知するセンサである、(6)項に記載のシステム。(11)前記視覚的属性は、前記許容範囲が過去72時間以内に拡大または縮小されたかどうかをさらに示す、(6)項に記載のシステム。(12)拡張現実ディスプレイに描かれた産業環境の視野内に配置された選択されたセンサによって出力されたデータ値の傾向が、傾向の深刻さの度合いを示す視覚的属性とともに表示される、産業環境におけるデータ収集とその視覚化のためのシステム。(13)センサーからのデータが許容範囲を超えたときにセンサーが選択される、(12)項に記載のシステム。(14)センサが、センサのスマートバンドグループの一部であることに基づいて選択される、(14)項に記載のシステム。(15)前記視覚的属性は、前記データ値の許容範囲に対する前記傾向の適合性をさらに示す、(12)項に記載のシステム。(16)データ収集のためのシステムは、データ収集のためのシステムのルーティングリソースを構成することを容易にするデータ収集テンプレートに基づいて、選択されたセンサから拡張現実ディスプレイのコントローラにデータをルーティングするように適合されている、(12)項に記載のシステム。(17)前記センサは、前記センサデータが、スマートバンドデータ収集動作をトリガするための指示として、スマートバンドデータ収集テンプレートに構成されていることに応答して選択される、(12)項に記載のシステム。(18)前記センサは、予防保守基準に応答して選択される、(12)項に記載のシステム。(19)前記予防保守基準は、予防保守アクションが予定されている、予防保守アクションが過去72時間以内に完了している、予防保守アクションが期限切れである、からなるリストから選択される、(18)項に記載のシステム。
図158は、センサ入力を分析するためのデータ回路11708に接続するセンサ入力11700、11702、11704、11706と、ネットワーク通信インタフェース11712と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路11710と、ネットワーク通信インタフェースを介して受信した指示に基づいて情報のどの部分を送信するかを動的に調整するように構成されたデータフィルタ回路とを含む、産業環境でデータを捕捉し分析するための自給自足型データ収集ボックスを有する産業環境におけるデータ収集のためのシステムを示す。様々なセンサー入力Xは、データ回路Yに接続され、データ回路は、1つ以上のネットワークインターフェースに接続されたネットワーク制御回路と相互に通信する。これらのインターフェースは、スター型、マルチホップ型、ピアツーピア型、ハブアンドスポーク型、メッシュ型、リング型、階層型、デイジーチェーン型、ブロードキャスト型などのネットワークプロトコルで通信する有線インターフェースや無線インターフェースを含んでいてもよい。これらのインターフェースは、イーサネットのようなマルチペアでも、I2Cのような単線のネットワークプロトコルでもよい。ネットワークプロトコルは、Modbus(登録商標)overTCP、産業用イーサネット、イーサネット・パワーリンク、Ethemet/IP、EtherCAT、Sercos(登録商標)、Profmet(商標)、CANバス、シリアルプロトコル、近距離通信プロトコル、さらにはZigBee(登録商標)、Z-Wave(商標)どのホームオートメーションプロトコル、LTETM、Wi-Fi、Bluetooth(商標)などの無線WWANまたはWLANプロトコルなど、産業用ネットワークでのリアルタイム通信のためのイーサネットおよびその他のプロトコルの様々なバリエーションの中から1つ以上をインタフェースとして使用することができる。センサー入力は、測定対象物に恒久的または取り外し可能に接続することができ、また、スタンドアローンのデータ収集ボックスに統合することもできる。システム全体は、測定対象となる装置、例えば、車両(自動車、トラック、商用車、トラクター、建設車両、その他のタイプの車両)、機器のコンポーネントまたはアイテム(例えば、コンプレッサー、アジテーター、モータ、ファン、タービン、発電機、コンベヤー、リフト、ロボットアセンブリ、または本開示全体に記載されているその他のアイテム)、インフラストラクチャ要素(基礎、ハウジング、壁、床、天井、屋根、出入り口、ランプ、階段など)、または産業環境のその他の特徴または側面。システム全体は、生産アセンブリなどの静止した産業システム、摩耗やストレスを受けるアセンブリラインの静的コンポーネント(レールガイドなど)、またはロボット、リニアアクチュエータ、ギアボックス、バイブレータなどの運動要素に統合することができる。
本明細書では、自己組織化機能を特徴とする産業環境におけるデータ収集のための方法およびシステムを開示する。そのようなデータ収集システムおよび方法は、1つまたは複数のデータ収集器(本開示全体を通して説明される広範なデータ収集器の実施形態のいずれかなど)、中央本部またはコンピューティングシステムなどによる、データのインテリジェントな、状況に応じた、コンテキストアウェアの収集、要約、保存、処理、送信、および/または整理を促進することができる。産業環境におけるデータ収集の記載された自己組織化機能は、データ品質パラメータ、一貫性パラメータ、効率性パラメータ、包括性パラメータ、信頼性パラメータ、有効性パラメータ、ストレージ利用パラメータ、歩留まりパラメータ(財務歩留まり、出力歩留まり、有害事象の低減を含む)、エネルギー消費パラメータ、帯域幅利用パラメータ、入出力速度パラメータ、冗長性パラメータ、セキュリティパラメータ、安全性パラメータ、干渉パラメータ、S/Nパラメータ、統計的関連性パラメータなど、データ収集に依存するプロセス、アプリケーション、および製品のパラメータと同様に、このようなデータ収集の様々なパラメータを改善することができる。自己組織化機能は、パラメータの値の重み付けなどに基づいて、1つまたは複数のそのようなパラメータにわたって最適化することができる。例えば、データコレクタの群は、重要なデータに対して所定のレベルの冗長性を提供する一方で、指定されたレベルのエネルギー使用量を超えないように、例えば、データコレクタごと、データコレクタの群、またはデータコレクタの群全体を管理(または自己管理)することができる。これには、本開示および参照により本明細書に組み込まれた文書全体に記載されている様々な最適化技術を使用することが含まれる。
実施形態では、産業環境におけるデータ収集のためのそのような方法およびシステムは、コンピューティングシステムと通信してデータプールと連携してデータを収集および整理する、例えばデータ収集者の協力グループまたは「スウォーム」に配置された1つまたは複数のデータ収集者、ならびにデータ収集を管理するためのサポート技術コンポーネント、サービス、プロセス、モジュール、アプリケーションおよびインターフェース(いくつかの場合にデータ収集システム1204と総称される)を含むことができる。このようなコンポーネントの例には、モデルベースのエキスパートシステム、ルールベースのエキスパートシステム、人工知能を用いたエキスパートシステム(機械学習システムなどで、ニューラルネットエキスパートシステム、自己組織化マップシステム、人間監視型機械学習システム、状態判定システム、分類システム、またはその他の人工知能システムを含む場合がある)、または上記のいずれかの様々なハイブリッドまたは組み合わせが含まれるが、これらに限定されない。自己組織化方法またはシステムへの言及は、文脈が示す場合を除き、前述のいずれかまたは適切な組み合わせの利用を包含すると理解されるべきである。
本開示のデータ収集システムおよび方法は、振動データ、騒音データ、および本開示全体を通して説明されるタイプの他のセンサデータを含むがこれらに限定されない、様々なタイプのデータで利用することができる。そのようなデータ収集は、イベント検出、状態検出などのために利用することができ、そのようなイベント検出、状態検出などは、本明細書でさらに説明するように、データ収集システムおよび方法を自己組織化するために利用することができる。自己組織化機能には、個別またはグループでのデータ収集者の管理が含まれる。このような機能は、1つまたは複数の目的、目標、規則、ポリシー、またはガイドラインに対する進捗状況の確認など、識別されたアプリケーション、プロセス、またはワークフローのサポートに向けられている。また、自己組織化機能には、別の目標/ガイドラインの管理や、他のデータの収集に基づいて未知の変数を決定することを目的としたデータ収集者への指示(変数を含むシステムの動作モデルに基づく指示など)、利用可能な入力の中から好ましいセンサー入力の選択(入力の組み合わせ、融合、または多重化の指定を含む)、および利用可能なデータ収集者の中から特定のデータ収集者の指定などが含まれる。
データコレクタは、本明細書に記載されているように、センサ、入力チャネル、データ位置、データストリーム、データプロトコル、データ抽出技術、データ変換技術、データロード技術、データタイプ、サンプリング頻度、センサの配置、静的データポイント、メタデータ、データの融合、データの多重化、自己組織化技術など、任意の数のアイテムを含むことができる。データコレクタの設定は、データコレクタを定義するパラメータを指定するなどして、データコレクタの構成および構造を記述することができる。例えば、データコレクタの設定には、測定する1つまたは複数の周波数が含まれる場合がある。周波数データは、スペクトルピークのグループ、真のピークレベル、時間波形に由来するクレストファクタ、および振動エンベロープに由来する全体波形のうちの少なくとも1つ、ならびに本開示全体で説明される他の信号特性をさらに含んでもよい。データコレクタは、1つ以上の波長、1つ以上のスペクトル、および/または様々なセンサとメタデータからの1つ以上のタイプのデータを測定するセンサまたはデータを含んでもよい。データコレクタは、本開示および本明細書に参照として組み込まれている文書全体を通して記載されているような、1つまたは複数のセンサまたは広範囲のタイプのセンサを含んでもよい。実際、本明細書に記載されているセンサは、本開示全体を通して記載されている方法またはシステムのいずれかで使用することができる。例えば、1つのセンサは、加速度のGあたりの電圧を測定するもの(例えば、100mV/G、500mV/G、1V/G、5V/G、10V/G)などの加速度計であってもよい。実施形態では、データ、例えば、発電環境で高速タービンの加速度を測定するのに適した加速度計と、低速のギアシステムやドリル/ボーリング装置の加速度を測定するのに適した加速度計を選択するなど、センサーの応答性を最適化することに基づいて、データコレクタで使用される複数のセンサーのサブセットの構成を変更することができる。例えば、特定のターゲット(ギアシステム、ドリル、タービンなど)に近接プローブと複数の加速度計を配置し、低速時には1つの加速度計をデータコレクタでの測定に使用し、高速時には別の加速度計を使用するなど、インテリジェントに選択を行うことができる。加速度計には、圧電結晶、低周波(例えば、10V/G)、高速コンプレッサー(10MV/G)、MEMSなど、さまざまな種類がある。別の例では、1つのセンサは、スリーブまたはチルトパッドベアリング(例えば、オイルバス)に使用できる近接プローブ、または速度プローブであってもよい。さらに別の例では、1つのセンサは、データを取得または配信するために別のルーティングされたデータコレクタ(モバイルまたはポータブルデータコレクタなど)と自動的にインターフェースする構造のソリッドステートリレー(SSR)であってもよい。別の例では、データコレクタは、複数の利用可能なセンサの構成を変更するためにルーティングされることがある。例えば、適切な加速度計を機械のコンポーネント上または近くなどのセンシングポイントに持ってくることがある。さらに別の例では、1つのセンサーは、実施形態ではポータブルデータ収集に使用される3軸プローブ(例えば、100MV/Gの3軸プローブ)であってもよい。いくつかの実施形態では、3軸プローブの1つの軸上の垂直要素は高い周波数応答を有し、水平に取り付けられたものは3軸全体の周波数応答を制限する影響を与える可能性がある。別の例では、あるセンサーは温度センサーであり、ベアリングの温度を得るためなどに、内部に温度センサーを組み込んだプローブを含むことができる。さらに追加の例では、センサーは、超音波、マイクロフォン、タッチ、静電容量式、振動、音響、圧力、ひずみゲージ、サーモグラフィー(例えば、カメラ)、イメージング(例えば、,電界検知器、交流電磁界を測定するEMFメーター、ガウスメーター、動体検知器、化学検知器、ガス検知器、CBRNE検知器、振動変換器、磁力計、位置検知器、位置情報検知器、速度検知器、変位検知器などがある。速度センサー、変位センサー、タコメーター、フローセンサー、レベルセンサー、近接センサー、pHセンサー、湿度計/水分センサー、デンシトメトリーセンサー、風速計、粘度計、または任意のアナログ工業用センサーおよび/またはデジタル工業用センサー。さらに別の例では、音センサやマイク、超音波センサ、音響波センサ、光学的振動センサ(例えば、カメラを使用してノイズを発生させる振動を確認する)など、周囲のノイズを検出または測定するためのセンサがある。さらに別の例では、あるセンサーが動き検出器であってもよい。
データコレクタは、特定のセンサ、センサの特定のグループ、または複数のセンサからの結合された信号(多重化またはセンサフュージョンを含むなど)のための1つまたは複数の周波数、波長、またはスペクトルを包含するように構成されてもよいし、構成されてもよい。データコレクタは、1つまたは複数の機器/コンポーネント、設置のエリア、設置の異なるが相互に接続されたエリア(例えば、機械の組み立てラインとそのラインに電力を供給するためのボイラールーム)、または場所(例えば、ある地理的な場所にある建物と、別の異なる地理的な場所にある建物)からの1つまたは複数のセンサまたはセンサデータ(センサのグループおよび結合された信号を含む)を包含するように構成されている場合がある。データコレクタの設定、構成、指示、または仕様(本明細書では、これらの用語のいずれかを使用して総称している)には、センサを配置する場所、データポイントまたはポイントをサンプリングする頻度、サンプルを取得する粒度(例えば、1秒の何分の1かのサンプリングポイント数)、冗長センサのセットのうちどのセンサをサンプリングするか、冗長センサの平均サンプリングプロトコル、およびデータ取得に影響を与える他のあらゆる側面が含まれる。
データ収集システム1204内では、自己組織化機能は、ニューラルネット、モデルベースのシステム、ルールベースのシステム、機械学習システム、および/またはそれらのシステムのいずれかのハイブリッドによって実装することができる。さらに、自己組織化機能は、個々のデータコレクタ、データコレクタのコレクションまたはグループ、ネットワークベースのコンピューティングシステム、1つまたは複数のコンピューティングデバイスを含むローカルコンピューティングシステム、1つまたは複数のコンピューティングデバイスを含むリモートコンピューティングシステム、およびこれらのコンポーネントの1つまたは複数の組み合わせによって、全体または一部が実行されてもよい。自己組織化機能は、機器、コンポーネント、または機器やコンポーネントのシステムの性能、健全性、またはその他の特性を予測および管理するなど、特定の目標または結果に対して最適化される場合がある。センサーデータの継続的または定期的な分析に基づいて、パターン/トレンドが特定されたり、外れ値が現れたり、センサーの読み取り値のグループが変化し始めたりすると、本明細書で説明したように、自己組織化機能がデータの収集をインテリジェントに変更することがある。これは、システム動作のモデルまたは理解を反映したルールをトリガーすることで発生する可能性がある(例えば、シャフトの速度が増加すると、異なるセンサーを必要とする動作モードのシフトを認識する)、またはニューラルネットの制御下で発生する可能性がある(ルールベースのアプローチと組み合わせて、または単独で)。例えば、システムの状態を分類することができた、予測することができた、指標に照らし合わせて動作させることができた、などの結果をフィードバックして、適切な収集モードを選択するための時間的余裕がある。例えば、新しい製品のために組立ラインが再構成されたり、製造施設に新しい組立ラインが設置されたりした場合、現在のデータ収集器からのデータは、システムの状態や動作指標を正確に予測できない可能性があるため、自己組織化機能は、新しいデータ収集器、感知されたデータの種類、感知されたデータのフォーマットなどが、状態や指標の予測に優れているかどうかを判断するために、反復を開始することができる。ライブラリや他のデータ構造などのオフセットされたシステムデータに基づいて、特定のセンサー、周波数帯、または他のデータ収集器をシステムに最初に使用し、性能を評価するためにデータを収集してもよい。自己組織化機能が繰り返されると、他のセンサー/周波数帯にアクセスして、性能評価指標を特定する際の相対的な重みを決定することができる。時間の経過とともに、システムの性能をより良く、またはより適切に評価するために、新しい周波数帯(または、新しいセンサーのコレクション、センサーのための新しい構成など)が特定され、自己組織化機能は、この反復に基づいてデータコレクタを修正することができる。例えば、エネルギー抽出環境における古いボーリング工具は、1つまたは複数の振動周波数を減衰させるが、異なる周波数は、現在のシステムで見られたものよりも高い振幅を持ち、最適なパフォーマンス中に存在する。この例では、自己組織化機能は、現在のシステムに存在するより高い振幅の周波数を捕捉するために、例えばデータ収集システムによって最初に提案されたものからデータ収集者を変更することができる。
自己組織化機能は、ニューラルネットまたは他の機械学習システムを含む実施形態では、シードされてもよく、例えば、本明細書に記載されているようなフィードバックおよび動作パラメータに基づいて反復してもよい。特定のフィードバックは、利用率測定値、効率測定値(例えば、電力またはエネルギーの利用、ストレージの利用、帯域幅の利用、生鮮材料の入力/出力の利用、燃料の利用、および/または、コストの削減などの財務的な効率)、状態の予測または予測の成功の測定値(例えば、故障の回避および軽減)、生産性測定値(例えば、ワークフロー)、歩留まり測定値、および利益測定値を含んでもよい。特定のパラメータには、ストレージパラメータ(例えば、データストレージ、燃料ストレージ、在庫のストレージ)、ネットワークパラメータ(例えば、ネットワーク帯域幅、入出力速度、ネットワーク利用率、ネットワークコスト、ネットワーク速度、ネットワーク可用性)、伝送パラメータ(例えば、データの伝送品質、データの伝送速度、伝送におけるエラーレート、伝送コスト)、セキュリティパラメータ(例:暴露イベントの数および/または種類、攻撃に対する脆弱性、データ損失、データ侵害、アクセスパラメータ)、位置および配置パラメータ(例:データ収集者の位置、作業者の位置、機械および装置の位置、在庫ユニットの位置、部品および材料の位置、ネットワークアクセスポイントの位置、出入口の位置、着地点の位置、センサーセットの位置、ネットワークインフラの位置、電源の位置)、入力選択パラメータ、データ結合パラメータ(例:多重抽出、変換、ロード)、電力パラメータ(例:個々のデータ収集者のグループ、または潜在的に利用可能なすべてのデータ収集者のグループ)。入力選択パラメータ、データ結合パラメータ(例:多重化、抽出、変換、読み込み)、電力パラメータ(例:個々のデータ収集器、データ収集器のグループ、または潜在的に利用可能なすべてのデータ収集器)、状態(例:動作モード、可用性の状態、環境の状態、故障モード、健康状態、保守モード、予想される状態)、イベント、および機器の仕様。状態に関して、動作モードは、移動モード(方向、速度、加速度など)、移動モードの種類(転がる、飛ぶ、滑る、浮く、ホバリング、浮くなど)、性能モード(ギア、回転速度、熱レベル、組立ライン速度、電圧レベル、周波数レベルなど)、出力モード、燃料変換モード、資源消費モード、および財務性能モード(歩留まり、収益性など)を含むことができる。可用性の状態とは、マシンがオフラインになったり、バックアップが必要になったりする可能性のある状態を予測することである。環境状態とは、周囲の温度、周囲の湿度/水分、周囲の圧力、周囲の風/流体の流れ、汚染物質の存在、干渉要素(電気的ノイズ、振動など)の存在、電力の利用可能性、電力品質などのパラメータを指すことがある。予期される状態には、所望の目標(指定/閾値の出力生産率、指定/閾値の発電率、運用効率/故障率、財務効率/利益目標、電力効率/資源利用率、故障状態の回避(例えば、過熱、性能低下、過剰性能、過負荷)など)を達成することや達成しないことが含まれる。過熱、性能低下、過速度、過運動、過振動・振動、過加速、膨張・収縮、電気的故障、蓄電・燃料切れ、過圧、過度の放射線・メルトダウン、火災、凍結、流体の流れの不具合(例:バルブの詰まり、流体の凍結)、機械的な故障など)の回避。機械的故障(例:コンポーネントの破損、コンポーネントの摩耗、カップリングの不具合、ミスアライメント、非対称性/たわみ、コンポーネントの損傷(例:たわみ、ひずみ、応力、ひび割れ)、不均衡、衝突、要素の詰まり、チェーンやベルトの紛失またはスリップ)、危険な状態または壊滅的な故障の回避、可用性(オンライン状態))など。
このデータは、データコレクタを介したセンサからの入力や、システムコンポーネント、外部システム、および外部データソースからの他のデータから構成されてもよい。例えば、モデルは、産業環境、機械、またはワークフローの動作モデルであってもよい。別の例では、モデルは、状態を予測するためのもの、障害を予測するためのもの、メンテナンスを最適化するためのもの、データ輸送を最適化するためのもの(ネットワークコーディングを最適化するためのもの、ネットワーク条件に応じたルーティングを最適化するためのものなど)、データマーケットプレイスを最適化するためのものなどであってもよい。
自己組織化機能は、データコレクタからのデータの分析に基づいて、任意の数の下流のアクションをもたらす可能性がある。一実施形態では、自己組織化機能は、指定された/閾値の出力生産率、指定された/閾値の発電率、運用効率/故障率、財務効率/利益目標、電力効率/資源利用、故障状態の回避、危険な状態または致命的な故障の回避などの所望の目標が与えられた場合に、システムが運用パラメータ、機器、またはニューラルネットモデルの重み付けを維持または修正すべきであると決定してもよい。実施形態では、調整は、機器の種類、目的、典型的な動作モード、機器の機能仕様、環境の他の特徴(機器への入力を提供する、または機器からの入力を取る他のシステムを含む)に対する機器の関係、オペレータ(人間および自動制御システムを含む)の存在および役割、ならびに周囲または環境条件を理解するなど、産業システムのコンテキストを決定することに基づいてもよい。例えば、流通環境(例えば、配電環境)において利益目標を達成するために、発電機または発電機のシステムは、一定の効率レベルで動作する必要があるかもしれない。自己組織化機能は、時間帯、発電機で消費される燃料の現在の市場販売価格、現在の需要または予想される将来の需要などに基づいて、発電システム内の個々の発電機のオン/オフ状態を示すなど、指定された利益目標を達成する方法で発電機のシステムを動作させるためのモデルでシードされることがある。モデルは、データを取得して反復しながら、現在のデータから利益目標が達成されるかどうかを予測し、収集しているデータやデータの種類がモデルにとって適切かどうか、十分かどうかなどを判断する。反復の結果に基づいて、異なる/追加のデータを収集すること、データを異なる方法で整理すること、異なるデータ収集者に新しいデータを収集するように指示することなど、および/または、発電機のサブセットをより高い出力(ただし効率は低い)で動作させること、追加の発電機に電力を供給すること、現在の動作状態を維持することなどの推奨が行われる(または、制御命令が自動的に提供される)ことがある。さらに、システムが繰り返し動作する中で、1つまたは複数の追加センサーをモデル内でサンプリングし、自己組織化機能への追加が状態の予測を改善するかどうか、またはデータ収集作業の目標を支援するかどうかを判断してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、1つ以上のプロセッサを有するデータコレクタに通信可能に結合された、本明細書に記載されているもののいずれかなどの複数の入力センサを含んでもよい。データ収集システムは、出力データを処理するための複数のセンサの少なくとも1つのサブセットを決定するために一緒に動作するように構成された複数の個々のデータ収集器を含んでもよい。また、データ収集システムは、複数のセンサーの少なくとも1つのサブセットから出力データを受信し、状態を示す受信した出力データのパターンをリーミングするように構成された機械学習回路を含んでもよい。いくつかの実施形態では、データ収集システムは、学習された受信出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのサブセット、またはその側面を変更してもよい。特定の実施形態では、機械学習回路には、データパターンの学習を可能にするモデルがシードされる。モデルは、物理モデル、運用モデル、システムモデルなどであってもよい。他の実施形態では、機械学習回路は、入力データをシードなしまたは最小限のシードで回路に供給し、機械学習データ分析回路が出力フィードバックに基づいてリーミングする、深層学習のために構成されている。例えば、製造環境における金属工具システムは、旋盤、フライス盤、研削盤、中ぐり盤などの工作機械を使用して部品を製造するために動作することがある。このような機械は、様々な速度や出力率で動作する可能性があり、機械の寿命、効率、精度などに影響を与える可能性がある。データ収集装置は、工作機械の環境を評価するための様々なパラメータ、例えば、動作速度、発熱、振動、部品仕様への適合性などを取得してもよい。システムは、そのようなパラメータを利用し、そのようなフィードバックに基づいて、状態、出力率などの予測に向けて反復することができる。さらに、システムは、データ収集者が追加のデータや異なるデータを収集し、そのデータから予測を行うように自己組織化することができる。
データ収集システムの自己組織化機能において、複数の目標/ガイドラインのバランスがあるかもしれない。例えば、修理・メンテナンス組織(RMO)は、以下のようなメンテナンスのために設計された動作パラメータを持っているかもしれない。一方、製造施設の所有者は、生産目標を達成するために設計された機械の特定の動作パラメータを持っているかもしれない。これらの目標(この例では、メンテナンス目標または生産出力に関連する)は、異なるデータ収集器またはセンサーによって追跡されることがある。例えば、機械のメンテナンスは、温度センサー、振動変換器、およびひずみゲージを含むセンサーによって追跡され、機械の生産目標は、速度センサーおよび電力消費メーターを含むセンサーによって追跡されることがある。データ収集システムは、(任意で、ニューラルネット、機械学習システム、深層学習システムなどを使用して、1人以上のスーパーバイザー(人間または自動化された)による監督の下で発生する可能性がある)異なる目標に揃えられたデータ収集者をインテリジェントに管理し、例えば、1つの目標への偏りや、追跡されているすべての目標とのより良い整合性を可能にするための妥協などの要因に基づいて、重み、パラメータの修正、または推奨を割り当ててもよい。データ収集システムに配信された目標間の妥協は、適用可能な目標の権限、役割、重要性などに関する1つ以上の階層または規則に基づいていてもよい。実施形態では、目標間の妥協は、ニューラルネット、深層学習システム、または本開示全体で説明されるような他の人工知能システムなどの機械学習を使用して最適化されてもよい。例えば、タービンが動作している発電所では、データ収集システムは、タービンの動作状態を検出することに向けられたもの、生産目標を達成する確率を特定することに向けられたもの、タービンの動作が燃料効率目標を満たしているかどうかを判断することに向けられたものなど、複数のデータ収集器を管理してもよい。これらのデータ収集装置には、それぞれ異なるセンサーまたは異なるセンサーからのデータ(稼働状況を示す振動変換器、生産目標を示す流量計、燃料効率を示す燃料計など)が搭載されており、その出力データは特定の目標の側面を示している。1つのセンサーまたはセンサーのセットが複数の目標に役立つ場合、データ収集システムによって管理されるように、重複するデータ収集者(一部のセンサーを共通に持ち、他のセンサーを共通に持たない)がそのセンサーまたはセンサーのセットから入力を取ることができる。データ収集に制約がある場合(電力制限、ストレージ制限、帯域幅制限、入出力処理能力などによる)、ある目標(例えば、法律や規制で義務付けられている燃料利用目標や汚染削減目標)が優先され、他の目標が一時停止またはシャットダウンされても、その目標に関連するデータ収集器のデータ収集が維持されるように、ルールが示されることがある。目標の優先順位付けの管理は、階層的または機械学習によって発生する可能性がある。データ収集システムは、取得した現在のデータを基に、予測される状態(例えば、目標を達成する)に向けて反復する際に、モデルをシードすることもあれば、全くシードしないこともある。この例では、タービンの運転中に、工場のオーナーがシステムを燃料効率に偏らせることを決定するかもしれない。しかし、自己組織化機能が繰り返し実行され、システムが特定の目標を達成しているかどうかを判断するのに十分なデータを収集しない、または収集していないことが予測されると、データ収集システムは、適切なデータを収集するための変更を推奨または実施することができる。さらに、プラントオーナーは、特定の目標に偏ってシステムを構成し、そのような目標に影響を与えるデータ収集パラメータの推奨された変更が、他の推奨された変更を行うことに優先して行われるようにしてもよい。
実施形態では、データ収集システムは、複数のデータ収集データタイプでシードされた後に、複数の目標を満たすことを最適化するデータ収集者の分布に到達するために、深層学習方式で反復を続けてもよい。例えば、精製効率や経済効率など、精製環境について追跡される複数の目標があるかもしれない。精製システムの精製効率は、システムに投入される燃料(使用される燃料の量および品質を知ることによって得られる)と、システムから出力される精製品の量(システムからの流出量を用いて計算される)とを比較することによって表されてもよい。精製システムの経済効率は、燃料、労働力、材料、サービスなど、システムを稼働させるためのコストと、一定期間にシステムから出力される精製品との比率で表されることがある。精製効率の追跡に使用されるデータには、流量計、品質データポイント(複数可)、および温度計からのデータが含まれ、経済効率の追跡に使用されるデータには、システムから出力される製品のフローおよびコストデータが含まれる。これらのデータは、状態を予測するためにデータ収集システムで使用することができるが、システムの自己組織化機能は、熱効率と経済効率の両方に関連する状態を予測するために最適化されたデータ収集戦略に向けて反復することができる。新しいデータ収集スキーマは、個々のデータ収集装置で以前に使用されたデータを含んでいてもよいが、異なるセンサーまたはデータソースからの新しいデータを使用してもよい。
データ収集システムの反復は、いくつかの実施形態では、規則によって支配されてもよい。例えば、データ収集システムは、予め定められた頻度でシーディングのためのデータを収集するように構成されてもよい。データ収集システムは、新しいコンポーネント/機器/燃料源が追加されたとき、センサがオフラインになったとき、または標準的な慣行として、少なくとも何回か反復するように構成されてもよい。例えば、海洋掘削作業においてボーリングツールの回転を測定するセンサがオフラインになり、データ収集システムが同じデータポイントを測定する新しいセンサまたはデータコレクタからデータの取得を開始した場合、データ収集システムは、その状態が下流のアクションに利用される前、または影響を与えることが許可される前に、何度も反復するように構成されてもよい。データ収集システムは、オフラインでのトレーニングまたは現場/オンラインでのトレーニングを行うように構成されていてもよい。データ収集システムは、データ収集装置に静的データおよび/または手動入力データを含むように構成されていてもよい。例えば、このようなボーリングツールに関連するデータ収集システムは、操作の継続時間に基づいて掘削された距離を予測することに向けて反復するように構造化されてもよく、データ収集器(複数可)は、ボーリングツールの速度、距離センサ、温度センサなどに関するデータを含む。
実施形態では、データ収集システムを覆してもよい。実施形態では、データ収集システムは、自己組織化機能が失敗した場合、例えば、収集データが不十分または不適切に収集された場合、モデルベースのシステムで不確実性が高すぎる場合、ルールベースのシステムでシステムが矛盾するルールを解決できない場合、または前記のいずれかでシステムが解決策に収束できない場合などに、以前の設定に戻してもよい。例えば、データ収集システムが使用する発電システムのセンサーデータが非動作状態(タービンの焼き付きなど)を示していても、出力センサーやドローンなどによる目視検査では正常動作を示している場合がある。このような場合、データ収集システムは、自己組織化機能をシードするための元のデータ収集スキーマに戻すことができる。別の例では、冷凍システム上の1つまたは複数のポイントセンサーが圧縮機の故障が迫っていることを示していても、性能指標の決定に関連するデータを収集するために自己組織化されたデータ収集者が故障を特定できなかった場合がある。この場合、データコレクタは、元の設定または圧縮機の切迫した故障を識別したであろうデータコレクタの設定のバージョンに戻る。
実施形態では、データ収集システムは、システムを異なるシステムに近づけるような新しいコンポーネントが追加された場合に、データコレクタの設定を変更することができる。例えば、ナフタレンを蒸留するために石油・ガス精製所に真空蒸留装置が追加されたが、データ収集システムの現在のデータコレクタ設定は、灯油を蒸留する精製所に由来するものである。この例では、様々なシステムのデータ収集装置の設定を持つデータ構造を検索し、現在のシステムにより近いシステムを探すことができる。新しいシステムがより密接に一致すると識別された場合。ナフタリンも蒸留するものなど、新しいデータ収集装置の設定(どのセンサーを使うか、どこに向けるか、どのくらいの頻度でサンプリングするか、どのような種類のデータとポイントが必要かなど、本明細書で説明する)は、システムの状態を予測するためにデータ収集システムを反復するための種として使用される。実施形態では、データ収集システムは、新しいデータセットがサードパーティのライブラリから利用可能になった場合に、データコレクタの設定を変更することができる。例えば、発電所では、高効率で動作するように特定のタービンモデルを最適化し、そのデータコレクタ設定をデータ構造に保存している場合がある。このデータ構造を継続的にスキャンして、発電量の監視に役立つ新しいデータ収集器を探し、その結果、タービンの動作を最適化することができる。
実施形態では、データ収集システムは、未知の変数を明らかにするために自己組織化機能を利用してもよい。例えば、データ収集システムは、さらなる反復のために使用される欠落変数を特定するために反復してもよい。例えば、発電所のレガシー復水・補水システムにある利用されていないタンクは、アクセスできず、タンクに関する文書も存在しないため、容量が不明である可能性がある。タンクの様々な側面をデータ収集者の群によって測定し、推定容量(例えば、下流の空間への流入量、染料でトレースした溶液がシステムを通過する時間)を算出し、それを新たな変数としてデータ収集システムに入力することができる。
実施形態では、データ収集システムのノードは、マシン上、データコレクタ(またはそれらのグループ)上、ネットワークインフラストラクチャ(企業またはその他)内、またはクラウド内にあってもよい。実施形態では、ノード(例えば、マシン、データコレクタ、ネットワーク、クラウド)全体に分散したニューロンがあってもよい。
一態様では、そして図118に示されているように、データ収集システム1204は、産業環境12000において、例えば1つまたは複数のターゲット1202からデータを収集するように配置することができる。図示された実施形態では、データ収集システム1204は、データ収集器1208のグループまたは「スウォーム」1206、ネットワーク1210、コンピューティングシステム1212、およびデータベースまたはデータプール1214を含む。データ収集器1208の各々は、1つまたは複数の入力センサを含むことができ、コンポーネント間の接続矢印によって部分的に図示されるように、データ収集システム1104の他のコンポーネントのいずれかおよびすべてに通信可能に結合される。
ターゲット1202は、産業環境12000における任意の形態の機械またはその構成要素であり得る。そのような産業環境12000の例としては、工場、パイプライン、建設現場、海洋石油掘削装置、船舶、飛行機、その他の航空機、鉱業環境、掘削環境、精製所、流通環境、製造環境、エネルギー源抽出環境、海洋探査現場、水中探査現場、組立ライン、倉庫、発電環境、有害廃棄物環境などが挙げられるが、これらに限定されず、それぞれが1つ以上のターゲット1202を含むことができる。ターゲット1202は、センサがデータを得ることができるアイテムまたは場所の任意の形態をとることができる。このようなターゲット1202の例としては、機械、パイプライン、機器、設置物、ツール、車両、タービン、スピーカー、レーザー、オートマトン、コンピュータ機器、産業機器、スイッチなどが挙げられるが、これらに限定されない。
データ収集システム1204の自己組織化機能は、データ収集システム1204のコンポーネントのいずれかで、またはそれによって実行することができる。実施形態では、データ収集器1208またはデータ収集器1208の群1206は、他のコンポーネントからの支援なしに、例えば、その関連するセンサによって感知されたデータおよび他の知識に基づいて、自己組織化することができる。実施形態では、ネットワーク1210は、他の構成要素からの支援なしに、例えば、データコレクタ1208によって感知されたデータや他の知識に基づいて、自己組織化することができる。同様に、コンピューティングシステム1212および/またはデータプール1214は、他のコンポーネントからの支援なしに、かつ、例えば、データコレクタ1208または他の知識によって感知されたデータに基づいて、自己組織化することができる。任意の組み合わせまたはハイブリッド型の自己組織化システムも実装可能であることを理解すべきである。
例としてのみ、データ収集システム1204は、産業環境12000において自己組織化機能を有するデータ収集のための様々な方法またはシステムを実行するか、または可能にすることができる。これらの方法およびシステムは、複数のセンサ入力(例えば、データコレクタ(複数可)12008でセンサから受信されるか、センサによって感知される)を分析することを含むことができる。また、これらの方法およびシステムは、受信したデータをサンプリングし、以下の少なくとも1つを自己組織化することを含むことができる。(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作。
側面では、格納動作は、例えば、データコレクタ1208、コンピューティングシステム1212、および/またはデータプール1214のローカルデータベースにデータを格納することを含むことができる。データは、感知されたデータのサイズを縮小するために、所定の期間にわたって要約されることもできる。要約されたデータは、1つまたは複数のデータ収集ボックスに、1つまたは複数のデータセンターに、および/またはシステムの他のコンポーネントまたは他の別のシステムに送信することができる。データのサイズを縮小するために、所定の期間のデータを要約することは、一部の側面では、ネットワーク(例えば、ネットワーク1210)を介してデータを送ることができる速度を決定することを含むことができ、要約されたデータのサイズは、ネットワークを介してデータをリアルタイムで連続的に送ることができる速度に対応している。そのような態様などでは、要約されたデータは、ネットワークを介して、例えば、外部デバイスに連続的に送信することができる。
様々な実装において、方法およびシステムは、要約されたデータをローカル台帳にコミットすること、アクセス可能なネットワーク上で1つまたは複数の他のアクセス可能な信号取得機器を特定すること、および/またはローカル台帳で要約されたデータを他のアクセス可能な信号取得機器(例えば、データコレクタ1208)のうちの少なくとも1つと同期させることを含むことができる。実施形態では、ネットワークを介して1つまたは複数の他のアクセス可能な信号取得機器からセンサデータのリモートストリームを受信することを含むことができる。ローカルに保存されたデータ、要約されたデータ、およびセンサデータのリモートストリームのうちの少なくとも1つの利用可能性を示す、潜在的なクライアントへの広告メッセージも、または代替的に送信することができる。
方法およびシステムは、アクセス可能なネットワーク(例えば、1210)上の1つまたは複数の他のアクセス可能な信号取得機器(例えば、データコレクタ1208)を識別することと、1つまたは複数の他のアクセス可能な信号取得機器のうちの少なくとも1つを論理通信ハブとして指名することと、利用可能なデータのリストおよびそれらの関連するソースを論理通信ハブに提供することとを含むことができる。利用可能なデータのリストとそれらの関連するソースは、ハイブリッドピアツーピア通信プロトコルを利用して論理通信ハブに提供することができる。
いくつかの態様では、格納動作は、ローカルデータベースにデータを格納することと、機械学習を利用してデータプールの少なくとも1つのパラメータを自動的に整理することとを含むことができる。整理は、データプール(例えば、データプール12014)からのデータを使用する外部機械学習システムの分類の精度および予測の精度のうちの少なくとも1つに関する情報を受信することに、少なくとも部分的に基づくことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、以下のうちの少なくとも1つを自己組織化することとを含むことができる。(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のためのシステムを記載しており、このシステムは、開示された1つの本開示の非限定的な実施形態は、産業環境内のセンサーからの複数のセンサー入力を扱い、複数のセンサー入力に関連するデータを生成するためのデータコレクタと、(i)データの保存動作、(ii)複数のセンサー入力を提供するセンサーのデータ収集動作、および(iii)複数のセンサー入力の選択動作のうち、少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のセンサ入力を分析することを含むことができる。
センサ入力から受信したデータをサンプリングするステップと(i)データの保存操作、(ii)複数のセンサ入力を提供するセンサの収集操作、および(iii)複数のセンサ入力の選択操作、ここで、保存操作は、ローカルデータベースにデータを保存すること、およびデータのサイズを縮小するために所定の期間にわたってデータを要約することを含む。
実施形態では、本方法は、要約されたデータを1つまたは複数のデータ取得ボックスに送信することをさらに含む。
実施形態では、本方法は、要約されたデータを1つまたは複数のデータセンターに送信することをさらに含む。
実施形態では、データのサイズを縮小するために所定の期間のデータを要約することは、ネットワークを介してデータを送信することができる速度を決定することを含み、要約されたデータのサイズは、ネットワークを介してリアルタイムで連続的にデータを送信することができる速度に対応する。
実施形態では、本方法は、ネットワークを介して外部デバイスに要約されたデータを継続的に送信することをさらに含む。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、以下のうちの少なくとも1つを自己組織化することとを含むことができる。(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作、ここで、格納動作は、ローカルデータベースにデータを格納することと、データのサイズを小さくするために所定の期間にわたってデータを要約することと、要約されたデータをコミットすることと、を含む。データをローカル台帳に登録することと、アクセス可能なネットワーク上の1つ以上の他のアクセス可能な信号取得機器を特定することと、ローカル台帳の要約されたデータを他のアクセス可能な信号取得機器の少なくとも1つと同期させることとを含む。実施形態では、本方法は、ネットワークを介して1つまたは複数の他のアクセス可能な信号取得機器からセンサデータのリモートストリームを受信することをさらに含む。
実施形態では、本方法は、ローカルに保存されたデータ、要約されたデータ、およびセンサデータのリモートストリームのうちの少なくとも1つの利用可能性を示す広告メッセージを潜在的なクライアントに送信することをさらに含む。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のセンサ入力を分析することを含むことができる。
センサ入力から受信したデータをサンプリングすることと(i)データの格納動作(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作であって、格納動作は、ローカルデータベースにデータを格納すること、およびデータのサイズを縮小するために所定の期間にわたってデータを要約することを含む、アクセス可能なネットワーク上の1つまたは複数の他のアクセス可能な信号取得機器を識別すること、1つまたは複数の他のアクセス可能な信号取得機器のうちの少なくとも1つを論理通信ハブとして指名すること、および利用可能なデータおよびそれらの関連するソースのリストを論理通信ハブに提供すること。
実施形態では、利用可能なデータのリストおよびそれらの関連するソースは、ハイブリッドピアツーピア通信プロトコルを利用して論理通信ハブに提供される。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することとを含むことができる。および(iii)複数のセンサー入力の選択動作であって、保存動作が、データをローカルデータベースに保存することと、データのサイズを縮小するために所定の期間にわたってデータを要約することと、データをローカルデータベースに保存することと、機械学習を利用してデータベースの少なくとも1つのパラメータを自動的に編成することとを含み、編成が、情報の受信に少なくとも部分的に基づいていることを特徴とする。データベースのデータを利用した外部の機械学習システムの分類精度と予測精度の少なくとも一方についてである。
側面において、複数のセンサ入力を提供するセンサの収集動作は、モバイルデータコレクタユニット(例えば、データコレクタ12008)にターゲット(例えば、12002)でセンサを動作させるよう指示する命令を受信することを含むことができ、複数のセンサのうちの少なくとも1つはモバイルデータコレクタユニットに配置される。指示に関する通信を、1つまたは複数の他のモバイルデータ収集ユニット(1208)に送信することができる。スウォーム1206またはその一部は、ターゲット1202におけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニット(例えば、データコレクタ1208)の分布を自己組織化することができる。
側面において、ターゲット12002におけるモバイルデータコレクタユニットの分布を自己組織化することは、機械学習アルゴリズムを利用して、モバイルデータコレクタユニットのそれぞれについてそれぞれのターゲット位置を決定することを含む。機械学習アルゴリズムは、複数の特徴のうちの1つまたは複数を利用して、それぞれのターゲット位置を決定することができる。特徴の例としては、モバイルデータコレクタユニット(データコレクタ1208)のバッテリ寿命、感知されているターゲット1202の種類、感知されている信号の種類、ターゲット1202のサイズ、ターゲット1202をカバーするために必要なモバイルデータコレクタユニット(データコレクタ1208)の数、ターゲット1202に必要なデータポイント数、信号捕捉の事前の達成度の成功度、指示を受ける本部などの構成要素から受信した情報、ターゲット1202で操作されているセンサに関する履歴情報などを含むことができる。
実装において、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットのターゲットロケーションを提案することと、ターゲットロケーションを少なくとも1つの他のモバイルデータコレクタユニットに送信することと、ターゲットロケーションに対する競合がないことの確認を受信することと、モバイルデータコレクタユニットの1つをターゲットロケーションに向けることと、向けられたモバイルデータコレクタユニットからターゲットロケーションでセンサデータを収集することとを含むことができる。
ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、特定の実施形態では、モバイルデータコレクタユニットのターゲットロケーションを提案すること、ターゲットロケーションを1つまたは複数の他のモバイルデータコレクタユニットの少なくとも1つに送信すること、新しいターゲットロケーションの提案を受信すること、モバイルデータコレクタユニットを新しいターゲットロケーションに向けること、およびモバイルデータコレクタユニットから新しいターゲットロケーションでセンサデータを収集することも含むことができる。
追加または代替の態様において、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットのターゲットロケーションを提案することと、1つまたは複数の他のモバイルデータコレクタユニットのうちの少なくとも1つがターゲットロケーションにいるか、またはターゲットロケーションに移動していることを決定することと、を含むことができる。前記1つまたは複数の他のモバイルデータ収集ユニットのうちの少なくとも1つが前記ターゲット位置にいるか、または前記ターゲット位置に移動していることに基づいて、新しいターゲット位置を決定し、前記モバイルデータ収集ユニットを前記新しいターゲット位置に向けることと、前記モバイルデータ収集ユニットから前記新しいターゲット位置でセンサデータを収集することとを含むことができる。
ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、ターゲット1202で動作させるセンサの種類を決定することと、センサの種類に対する競合がないことの確認を受信することと、ターゲット1202でセンサの種類を動作させるようにモバイルデータコレクタユニットに指示することと、ターゲット1202のセンサの種類からのセンサデータをモバイルデータコレクタユニットから収集することとをさらに含むことができる。
側面において、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、ターゲットで動作させるセンサの種類を決定することと、1つまたは複数の他のモバイルデータコレクタユニットのうちの少なくとも1つにセンサの種類を送信することと、センサの新しい種類の提案を受信することと、ターゲットで新しい種類のセンサを動作させるようにモバイルデータコレクタユニットに指示することと、ターゲットで新しい種類のセンサからのセンサデータをモバイルデータコレクタユニットから収集することとを含むことができる。
ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの分布を自己組織化することは、ターゲットで動作するセンサのタイプを決定することと、1つ以上の他のモバイルデータコレクタユニットのうちの少なくとも1つがターゲットでセンサのタイプを動作させているまたは動作させることができることを決定することと、を含むことができる。前記1つまたは複数の他のモバイルデータ収集ユニットの少なくとも1つが前記ターゲットで前記センサの種類を動作させているか、または動作させることができることに基づいて、前記センサの新しい種類を決定し、前記モバイルデータ収集ユニットに前記ターゲットで前記新しい種類のセンサを動作させるように指示し、前記モバイルデータ収集ユニットから前記ターゲットで前記新しい種類のセンサからセンサデータを収集するステップとを含むことができる。
ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、いくつかの実装において、モバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの間でセンサ責任の領域を割り当てるために、群最適化アルゴリズムを利用することを含むことができる。群最適化アルゴリズムの例には、遺伝的アルゴリズム(GA)、アントコロニー最適化(ACO)、粒子群最適化(PSO)、差分進化(DE)、人工ビーコロニー(ABC)が含まれるが、これらに限定されない。Glowworm Swarm Optimization (GSO)、およびCuckoo Search Algorithm (CSA)、Genetic Programming (GP)、Evolution Strategy (ES)、Evolutionary Programming (EP)、Firefly Algorithm (FA)、Bat Algorithm (BA)、Grey Wolf Optimizer (GWO)、またはこれらの組み合わせがある。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうち少なくとも1つを自己組織化することとを含むことができる。
本開示は、自動化された自己組織化を有する産業環境におけるデータ収集のためのシステムを記載しており、本開示の1つの開示された非限定的な実施形態によるシステムは、産業環境内のセンサからの複数のセンサ入力を取り扱い、複数のセンサ入力に関連するデータを生成するためのデータコレクタと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のセンサ入力を分析することを含むことができる。
センサー入力から受信したデータをサンプリングし、(i)データの保存動作、(ii)複数のセンサー入力を提供するセンサーの収集動作、および(iii)複数のセンサー入力の選択動作のうち、少なくとも1つを自己組織化し、複数のセンサー入力を提供するセンサーの収集動作では、複数のセンサのうちの少なくとも1つがモバイルデータコレクタユニットに配置されており、ターゲットでセンサを操作するようにモバイルデータコレクタユニットに指示する命令を受信することと、命令に関する通信を1つ以上の他のモバイルデータコレクタユニットに送信することと、ターゲットにおけるモバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの分布を自己組織化することとを含む。
実施形態では、ターゲットにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、機械学習アルゴリズムを利用して、モバイルデータコレクタユニットのそれぞれについてそれぞれのターゲット位置を決定することを含む。
実施形態では、機械学習アルゴリズムは、複数の特徴のうちの1つ以上を利用して、それぞれのターゲットの位置を決定する。複数の特徴は、モバイルデータコレクタユニットのバッテリ寿命、感知されるターゲットの種類、感知される信号の種類、ターゲットのサイズ、ターゲットをカバーするために必要なモバイルデータコレクタユニットの数、ターゲットに必要なデータポイントの数、信号捕捉の以前の達成の成功、指示を受けた本部から受信した情報、およびターゲットで操作されるセンサに関する履歴情報を含む。
実施形態では、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットのターゲットロケーションを提案することと、ターゲットロケーションを1つまたは複数の他のモバイルデータコレクタユニットのうちの少なくとも1つに送信することと、ターゲットロケーションに対する競合がないことの確認を受信することと、モバイルデータコレクタユニットをターゲットロケーションに向けることと、モバイルデータコレクタユニットからターゲットロケーションにおけるセンサデータを収集することとを含む。
実施形態では、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットのターゲットロケーションを提案することと、ターゲットロケーションを1つまたは複数の他のモバイルデータコレクタユニットのうちの少なくとも1つに送信することと、新しいターゲットロケーションの提案を受信することと、モバイルデータコレクタユニットを新しいターゲットロケーションに向けることと、モバイルデータコレクタユニットから新しいターゲットロケーションでセンサデータを収集することとを含む。
実施形態では、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、以下を含む。モバイルデータコレクタユニットのターゲット位置を提案するステップと、1つ以上の他のモバイルデータコレクタユニットの少なくとも1つがターゲット位置にいるか、またはターゲット位置に移動していることを決定するステップと、1つ以上の他のモバイルデータコレクタユニットの少なくとも1つがターゲット位置にいるか、またはターゲット位置に移動していることに基づいて、新しいターゲット位置を決定するステップと、モバイルデータコレクタユニットを新しいターゲット位置に向けるステップと、モバイルデータコレクタユニットから新しいターゲット位置でセンサデータを収集するステップとを含む。
実施形態では、ターゲットの場所におけるモバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの分布を自己組織化することは、ターゲットで動作させるセンサの種類を決定することと、センサの種類に対する競合がないことの確認を受信することと、ターゲットでセンサの種類を動作させるようにモバイルデータコレクタユニットを指示することと、を含む。
モバイルデータコレクタユニットからターゲットのセンサの種類からセンサデータを収集する。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作(ii)複数のセンサ入力を提供するセンサの収集動作(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することとを含むことができる。複数のセンサ入力を提供するセンサの収集動作が、モバイルデータコレクタユニットにターゲットでセンサを動作させるよう指示する命令を受信することを含み、複数のセンサのうち少なくとも1つがモバイルデータコレクタユニットに配置されている場合に、複数のセンサ入力の選択動作を自己組織化するステップと前記指示に関する通信を1つ以上の他のモバイルデータコレクタユニットに送信するステップと、前記モバイルデータコレクタユニットおよび前記1つ以上の他のモバイルデータコレクタユニットの前記目標地点での分布を自己組織化するステップであって、前記モバイルデータコレクタユニットおよび前記1つ以上の他のモバイルデータコレクタユニットの前記目標地点での分布を自己組織化することは、前記目標地点で動作させるセンサの種類を決定することを含むステップと前記センサーの種類を前記1つ以上の他のモバイルデータ収集ユニットのうちの少なくとも1つに送信するステップと、前記センサーの新しい種類の提案を受信するステップと、前記モバイルデータ収集ユニットに前記ターゲットで前記新しい種類のセンサーを動作させるように指示するステップと、前記モバイルデータ収集ユニットから前記ターゲットで前記新しい種類のセンサーからセンサーデータを収集するステップとを含む。
実施形態では、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、ターゲットで動作させるセンサのタイプを決定することと、1つまたは複数の他のモバイルデータコレクタユニットのうちの少なくとも1つがターゲットでセンサのタイプを動作させているか、または動作させることができることを決定することと、を含む。前記1つ以上の他のモバイルデータ収集ユニットの少なくとも1つが前記ターゲットで前記センサの種類を動作させているか、または動作させることができることに基づいて、前記センサの新しい種類を決定し、前記モバイルデータ収集ユニットに前記ターゲットで前記新しい種類のセンサを動作させるように指示し、前記モバイルデータ収集ユニットから前記ターゲットで前記新しい種類のセンサからセンサデータを収集するステップと、を含む。
実施形態では、ターゲットロケーションにおけるモバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットおよび1つまたは複数の他のモバイルデータコレクタユニットの間でセンサ責任領域を割り当てるために群最適化アルゴリズムを利用することを含む。
実施形態では、群最適化アルゴリズムは、遺伝的アルゴリズム(GA)、アントコロニー最適化(ACO)、粒子群最適化(PSO)、差分進化(DE)、人工ビーコロニー(ABC)の1つ以上の種類である。Glowworm Swarm Optimization (GSO)、Cuckoo Search Algorithm (CSA)、Genetic Programming (GP)、Evolution Strategy (ES)、Evolutionary Programming (EP)、Firefly Algorithm (FA)、Bat Algorithm (BA)、Grey Wolf Optimizer (GWO)などがある。
側面において、選択動作は、産業環境12000の少なくとも1つの条件に関連する信号を受信することと、信号に基づいて、分析されたセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することとを含むことができる。産業環境の少なくとも1つの状態は、サンプリングされたデータの信号対雑音比であることができる。選択操作は、感知されるべきターゲット信号を特定することを含むことができる。さらに、選択操作は、感知されるべきターゲット信号と同じ周波数帯の1つまたは複数の非ターゲット信号を特定することと、特定された1つまたは複数の非ターゲット信号に基づいて、分析されたセンサ入力およびサンプリングの周波数のうちの少なくとも1つを変更することとをさらに含むことができる。
選択動作は、感知されるターゲット信号と同じ信号帯域で感知する他のデータコレクタを識別することと、識別された他のデータコレクタに基づいて、分析されたセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することとを含むことができる。実装において、選択操作は、感知されるべきターゲット信号に関連するターゲットの活動レベルを特定し、特定された活動レベルに基づいて、分析されるセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することをさらに含むことができる。
選択動作は、ターゲット信号に関連付けられたターゲット付近の環境条件を示すデータを受信することと、ターゲットの受信された環境条件を、ターゲットまたはターゲットに類似する別のターゲット付近の過去の環境条件と比較することと、比較に基づいて、分析されたセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することとをさらに含むことができる。受信したサンプリングデータの少なくとも一部は、データ収集の所定の階層に従って、別のデータ収集者に送信することができる。
選択操作はさらに、いくつかの局面では、ターゲット信号に関連するターゲット付近の環境条件を示すデータを受信することと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信することと、送信されたデータの品質または充足に関連するフィードバックをネットワーク接続を介して受信することと、受信したフィードバックを分析することと、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうちの少なくとも1つを変更することとを含む。
さらに、または代わりに、選択操作は、ターゲット信号に関連付けられたターゲットの近くの環境条件を示すデータを受信することと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信することと、送信されたデータの1つまたは複数の歩留まりメトリクスに関連するフィードバックをネットワーク接続を介して受信することと、受信したフィードバックを分析することと、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうちの少なくとも1つを変更することとを含むことができる。
実装において、選択動作は、ターゲット信号に関連付けられたターゲット付近の環境条件を示すデータを受信することと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信することと、電力利用に関連するフィードバックをネットワーク接続を介して受信することと、受信したフィードバックを分析することと、受信したフィードバックの分析に基づいて、分析したセンサ入力、サンプリングの頻度、保存したデータ、および送信したデータのうちの少なくとも1つを変更することとを含むことができる。
選択動作は、ターゲット信号に関連付けられたターゲットの近くの環境条件を示すデータを受信することと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信することと、送信されたデータの品質または充足に関連するフィードバックをネットワーク接続を介して受信することと、受信したフィードバックを分析することと、受信したフィードバックの分析に基づいて、感知されたデータに次元削減アルゴリズムを実行することと、を含むこともできる。次元削減アルゴリズムは、決定木、ランダムフォレスト、主成分分析、因子分析、線形判別分析、相関行列に基づく識別、欠損値比、低分散フィルタ、ランダムプロジェクション、非負行列因子化、スタックオートエンコーダ、カイ二乗または情報利得、多次元スケーリング、コレスポンデンス分析、因子分析、クラスタリング、およびベイズモデルのうちの1つまたは複数であることができる。次元削減アルゴリズムは、データコレクタ1208、データコレクタ1208のスウォーム1206、ネットワーク1210、コンピューティングシステム1212、データプール1214、またはこれらの組み合わせで実行することができる。側面では、次元削減アルゴリズムを実行することは、感知されたデータをリモートコンピューティングデバイスに送信することを含むことができる。
側面では、発電環境におけるデータ収集の収集および保存を自己組織化するためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなセンサは、データコレクタのコンポーネント、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)のコンポーネント)、またはそれらの組み合わせであり得る。複数のセンサー入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例には、燃料処理システム、電源、タービン、発電機、ギアシステム、電気伝送システム、変圧器、燃料電池、およびエネルギー貯蔵装置/システムが含まれるが、これらに限定されない。また、システムは、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムを含むことができる。(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作、の少なくとも1つを自己組織化するように構成された自己組織化システムも、本明細書に記載されているように含むことができる。
側面では、システムは、モバイルデータ収集者(たとえば、データ収集者1208)の群1206を含むことができる。さらに、追加または代替の局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成、反復、最適化などすることができる。ストレージ仕様は、例えば、どのデータが発電環境のローカルストレージ用に保存されるか、どのデータが発電環境からネットワーク接続(例えば、ネットワーク1210)を介してストリーミング用に出力されるかを指定することができる。他のデータ収集、生成、および/または保存操作は、本明細書に記載されているように、システムによって実行または有効にすることができる。
非限定的な例では、システムは、対象システムとしてのタービンの環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。振動センサ、温度センサ、音響センサ、歪みゲージ、および加速度計などが、タービンの動作に関するデータを生成するために、システムによって利用され得る。本明細書で述べたように、複数のセンサ入力の記憶操作、データ収集操作、および選択操作のいずれかおよびすべてが、システムによって適応、最適化、学習、またはその他の方法で自己組織化されてもよい。
側面では、エネルギー源抽出環境におけるデータ収集の自己組織化収集および保存のためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなエネルギー源抽出環境の例には、石炭採掘環境、金属採掘環境、鉱物採掘環境、および石油掘削環境が含まれるが、他の抽出環境も本開示によって企図されている。利用されるセンサは、データコレクタのコンポーネント、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)のコンポーネント)、またはそれらの組み合わせとすることができる。複数のセンサー入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、運搬システム、リフティングシステム、掘削システム、マイニングシステム、ディギングシステム、ボーリングシステム、マテリアルハンドリングシステム、コンベアシステム、パイプラインシステム、廃水処理システム、流体ポンプシステムなどが挙げられるが、これらに限定されない。
システムは、以下のうちの少なくとも1つを自己組織化するように構成される自己組織化システムも含むことができる。(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作、本明細書に記載されているように。側面では、システムは、モバイルデータ収集者(例えば、データ収集者1208)の群1206を含むことができる。さらに、追加または代替の局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成、反復、最適化などすることができる。ストレージ仕様は、例えば、どのデータが発電環境のローカルストレージ用に保存されるか、どのデータが発電環境からネットワーク接続(例えば、ネットワーク1210)を介してストリーミング用に出力されるかを指定することができる。他のデータ収集、生成、および/または保存操作は、本明細書に記載されているように、システムによって実行または有効にすることができる。
非限定的な例では、システムは、対象システムとしての流体ポンプシステムの環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。振動センサ、流量センサ、圧力センサ、温度センサ、音響センサなどが、流体ポンプシステムの動作に関するデータを生成するために、システムによって利用され得る。本明細書で述べたように、複数のセンサ入力の記憶操作、データ収集操作、および選択操作のいずれかおよびすべてが、システムによって適応、最適化、学習、またはその他の方法で自己組織化されてもよい。
実装では、製造環境におけるデータ収集の収集および保存を自己組織化するためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなセンサは、データコレクタのコンポーネント、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)のコンポーネント)、またはそれらの組み合わせであり得る。複数のセンサー入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、電源システム、コンベアシステム、発電機、組立ラインシステム、ウェハ処理システム、化学蒸着システム、エッチングシステム、印刷システム、ロボット処理システム、部品組立システム、検査システム、ロボット組立システム、および半導体製造システムが挙げられるが、これらに限定されない。また、システムは、以下のうちの少なくとも1つを自己組織化するように構成することができる自己組織化システムを含むことができる。(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作、の少なくとも1つを自己組織化するように構成された自己組織化システムも、本明細書に記載されているように含むことができる。
側面では、システムは、モバイルデータ収集者(たとえば、データ収集者1208)の群1206を含むことができる。さらに、追加または代替の局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成、反復、最適化などすることができる。ストレージ仕様は、例えば、どのデータが発電環境のローカルストレージ用に保存されるか、どのデータが発電環境からネットワーク接続(例えば、ネットワーク1210)を介してストリーミング用に出力されるかを指定することができる。他のデータ収集、生成、および/または保存操作は、本明細書に記載されているように、システムによって実行または有効にすることができる。
非限定的な例では、システムは、ターゲットシステムとしてのウェハ処理システムの環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。振動センサ、流体フローセンサ、圧力センサ、ガスセンサ、温度センサなどが、ウエハハンドリングシステムの動作に関するデータを生成するために、システムによって利用され得る。本明細書で述べたように、複数のセンサ入力の記憶操作、データ収集操作、および選択操作のいずれかおよびすべてが、システムによって適応、最適化、学習、またはその他の方法で自己組織化されてもよい。
また、精錬環境におけるデータ収集の収集および保存を自己組織化するための追加または代替システムの実施形態も開示される。そのようなシステム(複数可)は、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのような精製環境の例には、化学的精製環境、医薬品精製環境、生物学的精製環境、および炭化水素精製環境が含まれるが、他の精製環境も本開示によって企図されている。利用されるセンサは、データコレクタのコンポーネント、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)のコンポーネント)、またはそれらの組み合わせとすることができる。複数のセンサー入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、電力システム、ポンプシステム、混合システム、反応システム、蒸留システム、流体処理システム、加熱システム、冷却システム、蒸発システム、触媒システム、移動システム、および容器システムが挙げられるが、これらに限定されない。
システムは、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムも含むことができる。(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作、本明細書に記載されているように。側面では、システムは、モバイルデータ収集者(例えば、データ収集者1208)の群1206を含むことができる。さらに、追加または代替の局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成、反復、最適化などすることができる。ストレージ仕様は、例えば、どのデータが発電環境のローカルストレージ用に保存されるか、どのデータが発電環境からネットワーク接続(例えば、ネットワーク1210)を介してストリーミング用に出力されるかを指定することができる。他のデータ収集、生成、および/または保存操作は、本明細書に記載されているように、システムによって実行または有効にすることができる。
非限定的な例では、システムは、ターゲットシステムとしての加熱システムの精製環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。温度センサ、流体流量センサ、圧力センサなどが、加熱システムの動作に関するデータを生成するためにシステムによって利用され得る。本明細書で述べたように、複数のセンサ入力の記憶動作、データ収集動作、および選択動作のいずれかおよびすべてが、システムによって適応、最適化、学習、またはその他の方法で自己組織化されてもよい。
側面では、流通環境におけるデータ収集の収集および保存を自己組織化するためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなセンサは、データコレクタのコンポーネント、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)のコンポーネント)、またはそれらの組み合わせであり得る。複数のセンサ入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、電力システム、コンベヤーシステム、ロボット輸送システム、ロボット処理システム、梱包システム、低温貯蔵システム、高温貯蔵システム、冷蔵システム、真空システム、運搬システム、昇降システム、検査システム、およびサスペンションシステムが挙げられるが、これらに限定されない。本システムは、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムも含むことができる。(本明細書に記載されているように、(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作。
側面では、システムは、モバイルデータ収集者(たとえば、データ収集者1208)の群1206を含むことができる。さらに、追加または代替の局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成、反復、最適化などすることができる。ストレージ仕様は、例えば、どのデータが発電環境のローカルストレージ用に保存されるか、どのデータが発電環境からネットワーク接続(例えば、ネットワーク1210)を介してストリーミング用に出力されるかを指定することができる。他のデータ収集、生成、および/または保存操作は、本明細書に記載されているように、システムによって実行または有効にすることができる。
非限定的な例では、システムは、対象システムとしての冷凍機システムの流通環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。電力センサ、温度センサ、振動センサ、歪みゲージなどが、システムによって利用されて、システムの動作に関するデータを生成することができる。タービンを使用している。本明細書で述べたように、複数のセンサー入力の記憶操作、データ収集操作、および選択操作のいずれかおよびすべてが、システムによって適応、最適化、学習、またはその他の方法で自己組織化されてもよい。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することとを含むことが可能である。
本開示は、自動化された自己組織化を有する産業環境におけるデータ収集のためのシステムを記載しており、本開示の1つの開示された非限定的な実施形態によるシステムは、産業環境内のセンサからの複数のセンサ入力を取り扱い、複数のセンサ入力に関連するデータを生成するためのデータコレクタと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することとを含むことができ、選択動作は以下を含む。
産業環境の少なくとも1つの状態に関連する信号を受信し、その信号に基づいて、分析されたセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することを特徴とする。
実施形態では、産業環境の少なくとも1つの条件は、サンプリングされたデータの信号対雑音比である。
実施形態では、選択動作は、感知されるべきターゲット信号を特定することを含む。
実施形態では、選択動作は、感知されるターゲット信号と同じ周波数帯の1つまたは複数の非ターゲット信号を識別することをさらに含み、それに基づいて、識別された1つまたは複数の非ターゲット信号は、分析されたセンサー入力とサンプリングの頻度のうち少なくとも1つを変更する。
実施形態では、選択動作は、感知されるターゲット信号と同じ信号帯域で感知する他のデータコレクタを識別することと、識別された他のデータコレクタに基づいて、分析されるセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することと、をさらに含む。
実施形態では、選択動作は、感知されるターゲット信号に関連するターゲットの活動レベルを識別することと、識別された活動レベルに基づいて、分析されるセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することとをさらに含む。
実施形態では、選択動作は、ターゲット信号に関連するターゲット付近の環境条件を示すデータを受信することと、ターゲットの受信された環境条件を、ターゲットまたはターゲットに類似する別のターゲット付近の過去の環境条件と比較することと、比較に基づいて、分析されたセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することと、をさらに含む。
実施形態では、選択動作は、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信することをさらに含む。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することとを含むことができ、選択動作は、感知されるべきターゲット信号を特定することを含む。産業環境の少なくとも1つの状態に関連する信号を受信するステップと、前記信号に基づいて、分析されるセンサ入力およびサンプリングの頻度のうち少なくとも1つを変更するステップと、前記ターゲット信号に関連するターゲット付近の環境状態を示すデータを受信するステップと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータ収集装置に送信するステップと、ネットワーク接続を介して、送信されたデータの品質または充足に関連するフィードバックを受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、以下を変更するステップとを含む。分析されたセンサー入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうち少なくとも1つ。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることとを含むことができる。i)データの保存動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するステップであって、選択動作は、感知されるべきターゲット信号を特定することと、産業環境の少なくとも1つの状態に関連する信号を受信することと、を含む。前記信号に基づいて、分析されたセンサ入力およびサンプリングの頻度のうち少なくとも1つを変更するステップと、前記ターゲット信号に関連するターゲット近傍の環境状態を示すデータを受信するステップと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信するステップと、送信されたデータの1つまたは複数の歩留まりメトリクスに関連するフィードバックをネットワーク接続を介して受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうち少なくとも1つを変更するステップとを含む、選択動作。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることとを含むことができる。i)データの保存動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するステップであって、選択動作は、感知されるべきターゲット信号を特定することと、産業環境の少なくとも1つの状態に関連する信号を受信することと、を含む。前記信号に基づいて、分析されたセンサ入力およびサンプリングの頻度のうち少なくとも1つを変更するステップと、前記ターゲット信号に関連するターゲット付近の環境状態を示すデータを受信するステップと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータコレクタに送信するステップと、ネットワーク接続を介して、電力利用に関連するフィードバックを受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうち少なくとも1つを変更するステップと、を含む、選択動作。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることと、(i)データの格納動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することとを含むことができ、選択動作は、感知されるべきターゲット信号を特定することを含む。産業環境の少なくとも1つの状態に関連する信号を受信するステップと、前記信号に基づいて、分析されたセンサ入力およびサンプリングの頻度の少なくとも1つを変更するステップと、前記ターゲット信号に関連するターゲット付近の環境状態を示すデータを受信するステップと、受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信するステップと、ネットワーク接続を介して、送信されたデータの品質または充足に関連するフィードバックを受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、感知されたデータに次元削減アルゴリズムを実行するステップと、を含む、選択操作。
実施形態では、次元削減アルゴリズムは、決定木、ランダムフォレスト、主成分分析、因子分析、線形判別分析、相関行列に基づく識別、欠損値比、低分散フィルタ、ランダム投影、非負行列因子化、スタックオートエンコーダ、カイ二乗または情報利得、多次元スケーリング、コレスポンデンス分析、因子分析、クラスタリング、およびベイズモデルのうちの1つまたは複数である。
実施形態では、次元削減アルゴリズムは、データコレクタで実行される。
実施形態では、次元削減アルゴリズムを実行することは、感知されたデータをリモートコンピューティングデバイスに送信することを含む。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、複数のセンサ入力を分析することと、センサ入力から受信したデータをサンプリングすることとを含むことができる。i)データの保存動作、(ii)複数のセンサ入力を提供するセンサの収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するステップであって、選択動作は、感知されるべきターゲット信号を特定することと、産業環境の少なくとも1つの状態に関連する信号を受信することと、を含む。前記信号に基づいて、分析されたセンサ入力およびサンプリングの頻度の少なくとも1つを変更するステップと、前記ターゲット信号に関連するターゲット近傍の環境状態を示すデータを受信するステップと、データ収集の所定の階層に従って、受信したサンプリングデータの少なくとも一部を別のデータ収集装置に送信するステップと、ネットワーク接続を介して、ネットワーク接続の帯域幅および品質の少なくとも1つに関連するフィードバックを受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータの少なくとも1つを変更するステップと、を含む。
本開示は、発電環境におけるデータ収集の収集および保存を自己組織化するためのシステムを記載しており、本開示の開示された非限定的な一実施形態によるシステムは、発電環境内のセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができ、複数のセンサ入力は、燃料処理システム、動力源、タービン、発電機、ギアシステム、および電気伝送システム、ならびに変圧器からなるグループから選択される少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成される。燃料処理システム、電源、タービン、発電機、ギアシステム、電気伝送システム、および変圧器からなるグループから選択された少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成されているデータコレクタと、(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化する自己組織化システムとを含むことができる。
実施形態では、自己組織化システムは、複数のターゲットシステムからデータを収集するために、モバイルデータ収集者の群を組織化する。
実施形態では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様は、発電環境におけるローカルストレージのためのデータを指定し、発電環境からネットワーク接続を介してストリーミングするためのデータを指定する。
本開示は、エネルギー源抽出環境におけるデータ収集の収集および保存を自己組織化するためのシステムを記載しており、本開示の開示された非限定的な一実施形態によるシステムは、エネルギー抽出環境内のセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができ、複数のセンサ入力は、動作モード、故障モード、および運搬システム、リフティングシステム、掘削システム、採掘システム、掘削システム、ボーリングシステムからなるグループから選択される少なくとも1つのターゲットシステムの健康状態のうちの少なくとも1つを感知するように構成される。と、(i)データの保存動作、(ii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
実施形態では、自己組織化システムは、複数のターゲットシステムからデータを収集するために、モバイルデータ収集者の群を組織化する。
実施形態では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様は、エネルギー抽出環境におけるローカルストレージのためのデータを指定し、エネルギー抽出環境からネットワーク接続を介してストリーミングするためのデータを指定する。
実施形態では、エネルギー源抽出環境は、石炭採掘環境である。
実施形態では、エネルギー源抽出環境は、金属採掘環境である。
実施形態では、エネルギー源抽出環境は、鉱物採掘環境である。
実施形態では、エネルギー源抽出環境は、石油掘削環境である。
本開示は、製造環境におけるデータ収集の収集および保存を自己組織化するためのシステムを記載しており、本開示の開示された1つの非限定的な実施形態によるシステムは、発電環境内のセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができ、複数のセンサ入力は、電力システムからなるグループから選択される少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成される。コンベアシステム、発電機、組立ラインシステム、ウェーハ処理システム、化学蒸着システム、エッチングシステム、印刷システム、ロボット処理システム、部品組立システム、検査システム、ロボット組立システム、および半導体製造システムからなるグループから選択されたターゲットシステムの動作モード、故障モード、および健康状態のうちの1つを検知するように構成されており、(i)データの保存動作、(ii)複数のセンサー入力を提供するセンサーのデータ収集動作、および(iii)複数のセンサー入力の選択動作のうちの少なくとも1つを自己組織化する自己組織化システムを備えている。
実施形態では、自己組織化システムは、複数のターゲットシステムからデータを収集するために、モバイルデータ収集者の群を組織化する。
実施形態では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様は、製造環境におけるローカルストレージのためのデータを指定し、製造環境からネットワーク接続を介してストリーミングするためのデータを指定する。
本開示は、精製環境におけるデータ収集の収集および保存を自己組織化するためのシステムを記載しており、本開示の1つの開示された非限定的な実施形態によるシステムは、発電環境内のセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができ、複数のセンサ入力は、電力システム、ポンプシステム、混合システム、反応システム、蒸留システム、および流体処理システムからなる群から選択される少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成される。ポンプシステム、混合システム、反応システム、蒸留システム、流体処理システム、加熱システム、冷却システム、蒸発システム、触媒システム、移動システム、および容器システムからなるグループから選択された少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態の少なくとも1つを感知するように構成されており、(i)データの保存動作、(ii)複数のセンサー入力を提供するセンサーのデータ収集動作、および(iii)複数のセンサー入力の選択動作の少なくとも1つを自己組織化する自己組織化システムを備えている。
実施形態では、自己組織化システムは、複数のターゲットシステムからデータを収集するために、モバイルデータ収集者の群を組織化する。
実施形態では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様は、精錬環境内のローカルストレージ用のデータを指定し、精錬環境からネットワーク接続を介してストリーミングするためのデータを指定する。
実施形態では、精製環境は、化学的精製環境である。
実施形態では、精製環境は、医薬品精製環境である。
実施形態では、精製環境は、生物学的精製環境である。
実施形態では、精製環境は、炭化水素精製環境である。
本開示は、流通環境におけるデータ収集の収集および保存を自己組織化するためのシステムを記載しており、本開示の開示された1つの非限定的な実施形態によるシステムは、流通環境内のセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができ、複数のセンサ入力は、電力システム、コンベアシステム、ロボット搬送システム、ロボット処理システム、梱包システム、冷蔵保存システム、高温保存システム、真空システムからなる群から選択される少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成される、。コンベアシステム、ロボット搬送システム、ロボットハンドリングシステム、梱包システム、低温貯蔵システム、高温貯蔵システム、冷凍システム、真空システム、運搬システム、昇降システム、検査システム、およびサスペンションシステムからなるグループから選択されたターゲットシステムの動作モード、故障モード、および健康状態のうちの1つを感知するように構成されたシステムと、(i)データの保存動作、(ii)複数のセンサー入力を提供するセンサーのデータ収集動作、および(iii)複数のセンサー入力の選択動作のうちの少なくとも1つを自己組織化する自己組織化システムとを備えている。
実施形態では、自己組織化システムは、複数のターゲットシステムからデータを収集するために、モバイルデータ収集者の群を組織化する。
実施形態では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様は、配信環境におけるローカルストレージのためのデータを指定し、配信環境からネットワーク接続を介してストリーミングするためのデータを指定する。
図119を参照すると、産業環境における自己組織化された、ネットワークに依存したデータ収集のための例示的なシステム12200が描かれている。システム12200は、多数のコンポーネント12204を有する産業システム12202と、多数のセンサ12206とを含み、センサ12206の各々は、コンポーネント12204のうちの少なくとも1つに動作可能に結合されている。センサの選択、分布、タイプ、および通信設定は、システム12200の用途および/または文脈に依存する。
特定の実施形態では、センサデータ値12204は、データコレクタ12208に提供され、このデータコレクタは、複数のセンサ12206とおよび/またはコントローラ12212と通信してもよい。特定の実施形態では、プラントコンピュータ1222が追加的または代替的に存在する。例示のシステムでは、コントローラ12212は、センサ通信回路12224、センサデータ記憶プロファイル回路12226、センサデータ記憶実装回路12228、記憶計画回路12230、および/または触覚フィードバック回路12232の動作を機能的に実行するように構成されている。コントローラ12212は、説明を明確にするために、別のデバイスとして描かれている。コントローラ12212の側面は、センサ12206、データコントローラ12208、プラントコンピュータ12210、および/またはクラウドコンピューティングデバイス12214上に存在してもよい。本開示を通じて説明される特定の実施形態では、コントローラ12212または他のコントローラのすべての側面が、システム12200に描かれた別のデバイスに存在してもよい。プラントコンピュータ1222は、例えば処理、メモリ、および/またはネットワークリソースなどのローカルコンピューティングリソースを表しており、存在していてもよいし、産業用システム12200と通信していてもよい。特定の実施形態では、クラウドコンピューティングデバイス12214は、コンピューティングリソースを表す。データコントローラ12208は、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介して、産業システム12202に外部から利用可能である。特定の実施形態では、データコントローラ12208は、コンピューティングデバイス、スマートセンサ、MUXボックス、または、複数のセンサからデータを受信し、データをパススルーし、および/または、後の送信のためにデータを保存することができる他のデータ収集デバイスであってもよい。例示的なデータコントローラ12208は、記憶装置を持たず、および/または限られた記憶装置を持ち、選択的にセンサデータを通過させ、データコントローラ12208、関連するネットワークの帯域幅の考慮、および/または環境制約によって課されることにより、センサデータのサブセットが所定の時間に通信されることになる。特定の実施形態では、システム12200内の1つまたは複数のセンサおよび/またはコンピューティングデバイスは、ユーザ12218に関連付けられたユーザ関連デバイス12216のようなポータブルデバイスであり、例えば、産業システムを歩いているプラントオペレータはスマートフォンを持っている可能性があり、システム12200は、データコントローラ12208、センサ12206として-例えば、通信スループット、センサの解像度を高めるために、および/またはセンサデータ値12244をコントローラ12212に通信するための主要な方法として-選択的に利用することができる。システム12200は、コントローラ12212、センサ12206、データコントローラ12208、プラントコンピュータ12210、および/または、その上にセンサデータを格納するためのメモリストレージを有するクラウドコンピューティングデバイス12214を描いているが、そのうちの任意の1つ以上は、その上にセンサデータを格納するためのメモリストレージを有していなくてもよい。
例示のシステム12200は、その上に描かれた複数のネットワークノードを有するメッシュネットワーク12220をさらに含む。メッシュネットワーク12220は、図示の便宜上、単一の場所に描かれているが、システム12200内にある、および/または、断続的にも含めてシステム12200との通信内にある任意のネットワークインフラストラクチャが、システムネットワーク内に企図されていることが理解されるであろう。さらに、クラウドサーバ12214、プラントコンピュータ12210、コントローラ12212、データコントローラ12208、任意のネットワーク対応センサ12206、および/またはユーザ関連デバイス12218のいずれかまたはすべてが、システム12200の少なくとも特定の動作条件の間、メッシュネットワーク12220を含む、システムのためのネットワークの一部であってもよい。さらに、または代わりに、システム12200は、階層型ネットワーク、ピアツーピアネットワーク、1つ以上のスーパーノードを有するピアツーピアネットワーク、これらの組み合わせ、これらのハイブリッドを利用してもよく、および/または、システム12200内に、またはシステムと通信する複数のネットワークを含んでもよい。本開示の特定の特徴および動作は、これらのタイプのネットワークのうちの1つだけまたは1つ以上に有益であり、本開示の特定の特徴および動作は、任意のタイプのネットワークに有益であり、特定の特徴および動作は、これらのネットワークの組み合わせに特に有益であり、および/または、ネットワーク内に複数のネットワークオプションを有するネットワークに有益であり、ここで、有益は、任意のタイプのオプションの利用に関連し、または、有益は、1つまたは複数のオプションが特定のネットワークタイプであることに関連する。
図120を参照すると、例示的な装置12222は、多数のセンサ12206からの多数のセンサデータ値12244を解釈するセンサ通信回路12224を有するコントローラ12212と、センサデータ送信プロトコル12232に従って、多数のセンサデータ値の少なくとも一部(たとえば、ターゲットストレージ12252へのセンサデータ12244)をストレージターゲットコンピューティングデバイスに通信するシステム連携回路12228とを含む。ターゲットコンピューティングデバイスは、選択されたセンサデータ12252のターゲットロケーションであるメモリを有するシステム内の任意のデバイスを含む。例えば、クラウドサーバ12214、プラントコンピュータ12210、ユーザ関連デバイス12218、および/または、システムのネットワークを介してセンサ12206および/またはデータコントローラ12208と通信するコントローラ12212の別の部分である。ターゲットコンピューティングデバイスは、短期ターゲット(例えば、プロセス操作が完了するまで)、中期ターゲット(例えば、データに対して特定の処理操作が完了するまで、および/または、定期的なデータ移行が発生するまで保持する)、および/または、長期ターゲット(例えば。データ保持ポリシーの経過のために保持されること、および/または、長期的なデータ移行が計画されるまで)、および/または、未知の期間のデータ保存対象(例えば、データはクラウドサーバ12214に渡され、その際、システム12200は、特定の実施形態において、データの制御を維持しない)である。特定の実施形態では、対象のコンピューティングデバイスは、データを格納するように計画されたシステム内の次のコンピューティングデバイスである。特定の実施形態では、対象のコンピューティングデバイスは、データが移動されるシステム内の次のコンピューティングデバイスであり、そのような移動は、システム12200のネットワークの任意の側面を越えて発生する。
例示のコントローラ12212は、多数のセンサデータ値12252の少なくとも一部の記憶対象コンピューティングデバイスへの通信に対応する送信条件12254を決定する送信環境回路12226を含む。送信条件12254は、データの送信に影響を与えるあらゆる条件を含む。例えば、図123を参照すると、環境条件12272(例えば、EMノイズ、振動、温度、金属、導電性、高密度などの伝送に影響を与えるデバイスまたはコンポーネントの存在およびレイアウト)を含む、例示的かつ非限定的な伝送条件12254が描写されている。通信に直接影響を与える条件12272と、ルータ、サーバ、トランスミッタ/トランシーバなどのネットワーク機器に影響を与える環境条件12272とがある。例示的な送信条件12254は、ネットワーク性能12274を含み、例えば、ネットワーク機器またはノードの仕様、ネットワーク機器またはノードの指定された制限(例えば、利用限度、利用の承認、利用可能な電力など)、ネットワークの推定された制限(例えば。例えば、機器の温度、ノイズ環境などに基づく)、および/またはネットワークの実際の性能(例えば、メッセージのタイミング、診断メッセージの送信、またはスループットの決定などの直接的な観察、および/またはネットワークの性能に関する情報を提供する傾向があるメモリバッファ、到着メッセージなどのパラメータを観察することによる間接的な観察など)。別の例示的な送信条件12254は、タイミングパラメータ12278(例えば、クロック速度、メッセージ速度、同期速度、非同期速度など)などのネットワークパラメータ12276、プロトコル選択12280(例えば、アドレッシング情報、メッセージ内の管理サポートビットを含むメッセージサイズ、および/または、存在するか利用可能なプロトコルによってサポートされる速度)、ファイルタイプ選択12282(例えば。データ転送ファイルタイプ、保存されたファイルタイプ、およびデータが少なくとも部分的に読めるようになるまでにどれだけのデータを転送しなければならないか、データが転送されたことをどのように判断するか、可能性の高いまたはサポートされているファイルサイズなどのネットワーク上の意味合いなど)、ストリーミングパラメータ選択12284(例えば。ストリーミングプロトコル、ストリーミング速度、ストリーミングデータの優先度情報、ストリーミングデータを管理するための利用可能なノードおよび/またはコンピューティングデバイスなど)、および/または圧縮パラメータ12286(圧縮アルゴリズムおよびタイプ、メッセージの各末端での処理の意味合い、非可逆圧縮対可逆圧縮、使用可能なデータが利用可能になる前にどれだけの情報を渡さなければならないかなど)がある。
図124を参照すると、センサデータ12252の通信に対応する送信条件12254の特定のさらなる非限定的な例が描写されている。例示的かつ非限定的な伝送条件12254は、メッシュネットワークの必要性12288(例えば、スループットのバランスをとるためにメッシュを再配置する)、階層的に配置されたネットワークにおける親ノードの接続性の変化12290(例えば、親ノードが接続性を失った、接続性を再び獲得した、および/または子ノードおよび/または上位ノードの異なるセットに変化した)、および/またはハイブリッドピアツーピアアプリケーションレイヤネットワークにおけるネットワークスーパーノードが交換された12292を含む。本明細書で利用されるスーパーノードとは、他のピアツーピアノードからの追加能力を有するノードである。このような追加能力は、設計上のものである可能性がある。例えば、スーパーノードは、別のまた、ピア・ツー・ピア・ノードシステムの外部のノードに対しても使用できる。特定の実施形態では、スーパーノードは、追加的または代替的に、より多くの処理能力、増加したネットワーク速度またはスループットアクセス、および/またはより多くのメモリ(例えば、バッファリング、キャッシング、および/または短期記憶用)を有し、スーパーノードの機能を満たすためのより多くの能力を提供することができる。
例示的な伝送条件12254は、(たとえば、別の監視プロセスから、ヒューリスティックに、またはシステム12200に示されるように)悪意があると検出されたメッシュまたは階層ネットワーク内のノードと、ピアノードが帯域幅または接続性の変化を経験した12296(たとえば、パケットを転送していたメッシュネットワークピアが接続性を失った、追加の帯域幅を得た、利用可能な帯域幅が減少した、および/または接続性を回復した)とを含む。例示的な送信条件12254は、情報12298を送信するためのコストの変化(例えば、コストが増加または減少した、ここで、コストは、データ送信サブスクリプションコストなどの直接的なコストパラメータであってもよいし、全体的なシステムの優先順位を反映する抽象化されたコストパラメータであってもよいし、および/または、ネットワークホップを介して情報を配信するための現在のコストが変化した)、階層的なネットワーク配置に変更が加えられたこと(例えば。ネットワークツリーの帯域幅使用のバランスをとるなどのネットワーク配置変更12300)、および/または許可スキームの変更12302(例えば、サンプリングデータを中継するネットワークの一部が許可、承認レベル、または認証情報を変更した)。特定のさらなる例示的な送信条件12254は、追加の接続タイプ12304の利用可能性(例えば、より高い帯域幅のネットワーク接続タイプが利用可能になった、および/または、より低コストのネットワーク接続タイプが利用可能になった)、ネットワークトポロジー12306に変更が加えられた(例えば、ノードがオフラインまたはオンラインになった、メッシュの変更が発生した、および/または、階層の変更が発生した)、および/または、データ収集クライアントがプリファレンスまたは要件12308を変更した(例えば、以下のとおり。センサ値の数のうちの少なくとも1つに対するデータ頻度要件、センサ値の数のうちの少なくとも1つに対するデータタイプ要件、データ収集のためのセンサターゲット、および/またはデータ収集クライアントがストレージターゲットコンピューティングデバイスを変更したことで、ネットワーク配信結果およびルーティングが変更された可能性がある)。)
例示のコントローラ12212は、伝送条件12254に応答してセンサデータ伝送プロトコル12232を更新するネットワーク管理回路12230を含む。例えば、送信条件12254が、センサデータ12252の通信に関連する現在のルーティング、プロトコル、配信頻度、配信レート、および/またはその他のパラメータが、もはやコスト的に有効でなく、可能でなく、最適でなく、および/または改善が可能であることを示している場合、ネットワーク管理回路12230は、より低コストで、可能でなく、最適でなく、および/または改善された送信条件に応答して、センサデータ送信プロトコル12232を更新する。例示的なシステムコラボレーション回路12228は、更新されたセンサデータ送信プロトコル12232にさらに応答し、例えば、更新されたセンサデータ送信プロトコル12232に準拠してセンサデータ12252の後続の通信を実施し、更新されたセンサデータ送信プロトコル12232のどの側面に従うことができないか、または従っていないかを示す通信をネットワーク管理回路12230に提供し、および/または、アラート(例えば、。オペレータ、ネットワークノード、コントローラ12212、および/またはネットワーク管理回路12230に)、変更が要求されていることを示すアラート、変更が実施されていることを示すアラート、および/または要求された変更が実施できないもしくは実施されていないことを示すアラートを提供する。
例示的なシステム12200は、送信条件12254が、多数のセンサデータ値12252のセンサ通信に関連する環境条件12272であることを含み、ネットワーク管理回路12230が、環境条件12272をさらに分析し、センサデータ送信プロトコル12232を更新することが、多数のセンサ12206から記憶対象コンピューティングデバイスに多数のセンサデータ値を送信する態様を修正することを含む、例示的なシステム12200である。例示的なシステムは、多数のセンサ12206の少なくとも一部に通信可能に結合され、センサデータ送信プロトコル12232に応答するデータコレクタ12208をさらに含み、システム連携回路12228は、多数のセンサの少なくとも一部から多数のセンサデータ値12244をさらに受信し、送信条件12254は、多数のセンサの少なくとも一部からの多数のセンサデータ値の通信に対応する少なくとも1つのネットワークパラメータに対応する。図125を参照すると、多数の例示的なセンサデータ送信プロトコル12232の値が描かれている。例示的なセンサデータ送信プロトコル12232値は、データ収集レート12310-例えば、センサ12206がデータを送信、提供、またはサンプリングするレートおよび/または周波数、および/または、データコレクタ12208がセンサデータを受信、引き渡し、保存、またはその他の方法で捕捉するレートおよび/または周波数を含む。例示的なネットワーク管理回路12230は、センサデータ送信プロトコル12232をさらに更新して、データコレクタ12208を修正して、センサの数のうちの少なくとも1つについてデータ収集レート12310を調整する。別の例示的なセンサデータ伝送プロトコル12232値は、多重化スケジュール12312を含み、これは、交互または他のスケジュールされた方法などで複数のセンサデータ値を提供し、および/または構成された方法で複数のセンサ値を単一のメッセージにパッケージするように構成されたデータコレクタ12208および/またはスマートセンサを含む。例示的なネットワーク管理回路12230は、データコレクタ12208および/またはスマートセンサの多重化スケジュールを修正するために、センサデータ送信プロトコル12232を更新する。別の例示的なセンサデータ伝送プロトコル12232値は、中間ストレージ動作12314を含み、中間ストレージは、ターゲットストレージコンピューティングデバイスよりも少なくとも1つのネットワーク伝送前のシステム内の任意の場所にあるストレージである。中間ストレージは、データの要求(例えば、ユーザ、機械学習動作、または別のシステムコンポーネントから)が、中間ストレージからターゲットコンピューティングデバイスへの後続の転送をもたらす、オンデマンド動作として実装されてもよく、および/または、中間ストレージは、ネットワーク通信を低コストおよび/または低ネットワーク利用時間にタイムシフトするため、および/または、ネットワーク上の瞬間ごとのトラフィックを管理するために実装されてもよい。例示的なネットワーク管理回路12230は、センサデータ送信プロトコル12232を更新して、センサデータ値の数の少なくとも一部のための中間記憶操作を命令し、ここで、中間記憶は、センサ、データコレクタ、メッシュネットワークのノード、コントローラ、コンポーネント、および/またはシステム内の他の任意の場所にあってもよい。例示的なセンサデータ送信プロトコル12232は、センサの数の少なくとも一部についての更なるデータ収集12316のコマンドを含む-例えば、センサデータ提供の解像度、レート、および/または周波数がシステムのいくつかの側面にとって十分ではないため、機械学習アルゴリズムに追加のデータを提供するため、および/または以前のリソース制限がもはや適用できず、1つまたは複数のセンサからの更なるデータが利用可能になったためである。例示的なセンサデータ送信プロトコル12232は、多重化スケジュール12318を実施するコマンドを含む-例えば、データコレクタ12208および/またはスマートセンサがセンサデータを多重化することが可能であるが、すべての動作条件でそうしない場合、またはセンサデータ送信プロトコル12232の多重化スケジュール12318に応答してのみそうする場合などである。
例示的なネットワーク管理回路12230は、センサデータ送信プロトコル12232をさらに更新して、センサ値の数の少なくとも一部についてネットワーク送信パラメータ(たとえば、任意のネットワークパラメータ12276)を調整する。例えば、制御変数ではない、および/または、現在制御されていない特定のネットワークパラメータは、送信条件12254であり、特定のネットワークパラメータは、制御変数であり、データ送信プロトコル12232に応答して変化する対象であり、および/または、ネットワーク管理回路12230は、任意に、特定のネットワークパラメータを制御して、制御変数にすることができる。例示的なネットワーク管理回路12230は、センサデータ送信プロトコル12232をさらに更新して、データを送信する頻度、データを送信する量、データを送信する宛先(目標または中間宛先、および/またはルーティングを含む)、データを送信するために使用されるネットワークプロトコル、および/またはネットワークパス(例えば、データを送信するために冗長パスを提供する(例えば、高ノイズ、高ネットワーク損失、および/または重要なデータが関与する場合、ネットワーク管理回路12230は、データの一部について冗長パスを使用することでシステム運用が改善されると判断することができる))のうちのいずれか1つ以上を変更する。例示的なネットワーク管理回路12230は、センサデータ送信プロトコル12232をさらに更新し、例えば、データを送信するために追加のネットワークパスを結合し(例えば、ネットワーク管理回路12230は、追加のネットワークリソースをオンラインにする権限、および/または、追加のネットワークリソースに選択的にアクセスする権限を有してもよい)、データを送信するために階層的なネットワークを再配置し(例えば。例えば、重要なデータに追加のパス、より少ないレイヤ、および/またはより高い優先度のパスを提供するために、階層レイヤの追加または削除、親子関係の変更など)、データを送信するために階層ネットワークのバランスを取り直すこと、および/またはデータを送信するためにメッシュネットワークを再構成することができる。例示的なネットワーク管理回路12230は、データ送信時間を遅延させ、および/またはデータ送信時間をより低コストの送信時間に遅延させるために、センサデータ送信プロトコル12232をさらに更新する。
例示的なネットワーク管理回路は、センサデータ送信プロトコル12232をさらに更新して、ネットワークを介して一度に送信される情報の量を減らし、および/またはセンサデータ送信プロトコルを更新して、第2のデータコレクタ(たとえば、ネットワーク管理回路12230の直接の権限内または外にあるオフセットデータコレクタであって、第2のデータコレクタからのネットワークリソースの利用が第1のデータコレクタの利用と競合するもの)から送信されるデータの頻度を調整する。
例示的なネットワーク管理回路12230は、外部データアクセス頻度12234-例えば、エキスパートシステム12242および/または機械学習アルゴリズム12248がシステムを継続的に改善するために外部データ12246にアクセスする場合(例えば、センサデータ値12244の外部の情報、および/またはオフセットシステムもしくは集約されたクラウドベースのデータからのアクセス)、および/または外部データアクセスタイミング(12236)をさらに調整する。外部データ12246のアクセスの制御により、システムのリソースが少ないとき、センサデータ値12244の高忠実度および/または周波数が優先されるとき、および/またはシステムの動作空間の低コスト部分にリソースの利用をシフトさせるときに、ネットワークの利用を制御することができる。特定の実施形態では、システムコラボレーション回路12228は、外部データ12246にアクセスし、調整された外部データアクセス頻度12234および/または外部データアクセスタイミング値12236に応答する。例示的なネットワーク管理回路12230は、ネットワーク利用値12238をさらに調整する-例えば、システム利用動作をマージンを確保するための閾値以下に維持するために、および/または、容量制限によるシステムの資本コストアップグレードの必要性を回避するために。例示的なネットワーク管理回路12230は、より低いコストの帯域幅時間で帯域幅を利用するようにネットワーク利用値12238を調整する-例えば、競合するトラフィックが低いとき、ネットワーク利用が他のシステムプロセスに悪影響を与えないとき、および/または、電力消費コストが低いとき。
例示的なネットワーク管理回路は、さらに12230により、高速ネットワークを利用することを可能にし、および/または、より高いコストが正当化されるほどシステムプロセスの改善が十分である場合、データの最小配信要件を満たすため、および/または、老朽化したデータが陳腐化する前にシステムから移動させるため、または、後続のデータのためのスペースを作るために削除する必要がある場合に、より高いコストの帯域幅アクセスを要求する。
例示的なネットワーク管理回路12230は、エキスパートシステム12242をさらに含み、センサデータ送信プロトコル12232を更新することは、エキスパートシステム12242の操作に応じてさらに行われる。自己組織化された、ネットワークに敏感なデータ収集システムは、エキスパートシステムを使用して、本開示全体を通して指摘された任意のそのようなパラメータまたは要因を、個別にまたは組み合わせて、管理または最適化することができ、このエキスパートシステムは、ルールベースの最適化、性能のモデルに基づく最適化、および/またはディープラーニングアプローチを任意に含むマシンリーミング/人工知能を使用した最適化、または上記のハイブリッドまたは組み合わせを含むことができる。図119を参照すると、エキスパートシステム12242の多数の非限定的な例であって、そのうちの任意の1つまたは複数が、エキスパートシステム12242を有する実施形態に存在してもよい。エキスパートシステム、機械学習操作、および/または最適化ルーチンに関する本開示の任意の他の態様に限定されないが、例示のエキスパートシステム12242は、ルールベースのシステム12202(例えば、モデリング、エキスパートの入力、オペレータの経験などに基づくルールによってシードされる)、モデルベースのシステム12204(例えば、エキスパートシステムの特定の操作を知らせるシステム内のモデル化された応答または関係、および/または、エキスパートシステムの他の操作との連携)、ニューラルネットシステム(例えば、ルール、ステートマシン、決定木、条件付き決定、および/またはその他の側面を含む)、ベイジアンベースのシステム12208(例えば、統計的モデリング、確率的な応答または関係の管理、および不確実性を管理するためのその他の決定)、ファジー論理ベースのシステム12210(例えば、様々なシステムパラメータのファジー化状態の決定、応答のための状態論理の決定、および/またはシステムの曖昧な状態を管理するためのその他の決定)。様々なシステムパラメータのファジケーション状態の決定、応答のための状態論理、および真理値のファジケーション解除、および/またはシステムの曖昧な状態を管理するための他の決定)、および/または機械学習システム12212(例えば、エキスパートシステムの範囲内ではないデータ、解像度、サンプリングレートなどを検索して、現在利用されていない改良されたパラメータが利用可能であるかどうかを決定することを含む、エキスパートシステムの再帰的、反復的、または他の長期的な最適化または改良)であり、これらは機械学習アルゴリズム12248に加えてもよいし、機械学習アルゴリズムの一実施形態であってもよい。エキスパートシステム12242の任意の態様は、エキスパートシステム12242の動作中に、システムによって学習された更新された情報、ユーザまたはオペレータによって提供された情報、機械学習アルゴリズム12248によって提供された情報、外部データ12246からの情報、および/またはオフセットシステムからの情報に応答して、再較正、削除、および/または追加されてもよい。
例示的なネットワーク管理回路12230は、機械学習アルゴリズム12248をさらに含み、センサデータ伝送プロトコル12232の更新は、機械学習アルゴリズム12248の動作に応じてさらに行われる。例示的な機械学習アルゴリズム12248は、機械学習最適化ルーチンを利用し、改善されたセンサデータ送信プロトコル12232が利用可能であると決定すると、ネットワーク管理回路12230は、システムコラボレーション回路12228によって利用される、更新されたセンサデータ送信プロトコル12232を提供する。特定の実施形態では、ネットワーク管理回路12230は、システム連携回路12228によって利用されるセンサデータ伝送プロトコル12232を供給して実世界の結果を出す、システムにモデリングを適用する(システムの特性に基づく第1原理モデリング、システムの実際の動作データを利用したモデルのいずれか。与えられたセンサデータ伝送プロトコル12232の結果がどうなるか、またはどうなっていたかを決定するために(例えば、システムが動作するプロセスをサポートするために利用されるものを超える余分なセンサデータを取得すること、および/または外部データ12246および/またはベンチマークデータ12240を利用することを含む)、および/または、最適化ルーチンが局所的な最適状態や非最適状態に陥らないように、センサデータ送信プロトコル12232にランダムな変更を加える。
例示的な機械学習アルゴリズム12248は、伝送条件12254、センサ値の数12244の少なくとも一部を含むフィードバックデータをさらに利用し、および/または、フィードバックデータがベンチマークデータ12240を含む場合。図126を参照すると、ベンチマーキングデータ12240の非限定的な例が描かれている。ベンチマーキングデータ12240は、一般的に、予想されるデータ(例えば、エキスパートシステム12242、ユーザ入力、事前の経験、および/またはモデリング出力による)、オフセットシステムからのデータ(企図されたシステム12200の差異のために調整されたものを含む)、同様のシステムの集約されたデータ(例えば、クラウドベースであってもよい外部データ12246として)などを参照してもよい。ベンチマーキングデータは、システム全体、ネットワーク、ネットワーク上のノード、データコレクタ、および/または、単一のセンサまたは選択されたセンサ群に対するものであってもよい。例示的かつ非限定的なベンチマークデータには、ネットワーク効率12320(例えば、システム12200のインフラ、負荷サイクル、および/または環境条件に対する通信のスループット能力、電力利用、品質および/または整合性)、データ効率12322(例えば。データ効率12322(例えば、目標値に対して捕捉された全体的に成功したデータの割合、目標値に対するデータギャップの説明、および/または重要または優先されたデータに焦点を当ててもよい)、オフセットデータコレクタ12324との比較(例えば、類似の環境、データ収集責任、または比較を意味のあるものにする他の特性を有するシステム内のデータコレクタの比較)、スループット効率12326(例えば。スループット効率12326(例えば、利用可能なスループットの利用率、変動性指標(例えば、高い変動性は、ネットワークが過大であるか、さらなる伝送能力を有していることを示す、または高い変動性は、ネットワークがコスト回避の機会に対応していることを示す)、または利用率の違いが生じる理由などの他の情報を見て理解することができるさらなる文脈に応じてその両方)、データ有効性12328(例えばデータの有効性12328(例えば、捕捉されたパラメータが結果的に有効であり、強力な制御パラメータ、および/または高度な予測パラメータであり、有効なデータが許容可能な解像度、サンプリングレートなどで取得されているという判断)、データ品質12330(例えばノイズ、デコンボリューションエラー、複数回の演算と丸め、圧縮、パケットロスなどによるデータの劣化)、データ精度12342(例えば、十分に正確なデータが撮影され、通信中に保存され、保存中に保存されているという判定)、データ精度12340(例えば。データ精度12340(例えば、破損したデータ、送信および/または保存による劣化、および/またはタイムラグにより、単独では不正確なデータ、または時系列または他の構成で適用された場合には不正確なデータになるという判断)、データ周波数12338(例えば、通信されたデータは、関心のある応答を決定するのに十分な時間および/または周波数領域の分解能を有するという判断)、環境応答12336(例えば、ネットワークに対する環境影響が、データの他の側面を維持するために十分に管理されているかどうか)、信号の多様性12332(例えば、劣化の結果を増大させる系統的なギャップが存在するかどうか。例えば、データの1%が欠落しているが、それは系統的に単一の重要なセンサであるか、重要な感知されたパラメータには複数の潜在的な情報源があるか)、重要な応答(センサフュージョン操作および/またはパターン認識操作のサポートなど、重要な応答を検出するのに十分なデータであるか)、および/またはメッシュネットワークコヒーレンス12334(例えば、プロセッサ、ノード、および他のネットワークの側面を、適用可能なメモリ状態の単一のビューにまとめておくこと)。
図127を参照すると、ベンチマーキングデータ12240の特定のさらなる非限定的な例が描かれている。例示的かつ非限定的なベンチマークデータ12240は、データカバレッジ12346(例えば、所望のデータ、重要なデータなどのどの部分が正常に通信され、捕捉されたか、データはシステム全体にどのように分布しているか)、ターゲットカバレッジ12344(例えば、システムのコンポーネントまたはプロセスは、感知された値の十分な時間的および空間的解像度を有しているか)、動作効率12348(例えば、動作効率12348(例えば、所定の結果を達成するために必要な時間、ステップ数、または動作の範囲を反映したもので、動作を達成するために人間のオペレータ、ロボット要素、ドローンなどが必要とする場合など)、サービス品質コミットメント12358(例えば、サービス品質のコミットメント12358(例えば、合意、公式または非公式のコミットメント、および/または、最大データギャップ、最小アップタイム、最小カバー率などのベストプラクティスのサービス品質)、サービス品質の保証 12360(例えば、コスト関数に作用することができる既知またはモデル化された結果を伴うサービス品質の公式合意など)、サービスレベル合意 12362(例えば、最小アップタイム、データレート、データ解像度など。これは、システム内の特定のパラメータ、特定のコンポーネントの検出、または特定のプロセスの検出が、タイプ、解像度、サンプルレートなどのデータ配信要件を満たすという、業界の慣行、規制要件、および/または正式な合意によって駆動される可能性がある)、所定のサービス品質値(例えば、ユーザ定義の値、システムのオペレータのポリシーなど)、および/またはネットワーク障害値12364である。例示的かつ非限定的なネットワーク障害値12364には、ネットワーク干渉値(例えば、環境ノイズ、ネットワーク上のトラフィック、衝突など)、ネットワーク障害値(例えば、ネットワークの領域で、またはネットワーク全体で、無線または有線通信を妨害するコンポーネント、動作、および/またはオブジェクト)、および/またはネットワーク接続性が阻害された領域(例えば、何らかの理由による接続性の喪失(動作中に少なくとも断続的に通常の状態になることがある)、電源喪失、エリア内での物体の移動、エリア内でのネットワークノードの移動(例えば、ノードとして利用されるスマートフォン)など)。特定の実施形態では、ネットワーク障害値12364は、システムのコンポーネントからの干渉、1つまたは複数のセンサによって引き起こされる干渉(例えば、故障や障害、または予想される範囲外の動作による)、金属(または他の導電性)オブジェクトによって引き起こされる干渉、物理的な障害によって引き起こされる干渉(例えば、以下のようなもの)によって引き起こされる可能性がある。低電力状態(例:ブラウンアウト、予定された電力削減、低バッテリーなど)による信号の減衰、およびネットワークの一部におけるネットワーク・トラフィック需要(例:システムの運用中にノードまたはノード群のトラフィック需要が高い)による信号の減衰などがある。
さらに別の例示的なシステムは、多数のコンポーネントと、それぞれが多数のコンポーネントのうちの少なくとも1つに動作可能に結合された多数のセンサとを含む産業システムと、多数のセンサからの多数のセンサデータ値を解釈するセンサ通信回路と、センサデータ送信プロトコルに従って、多数のノードを有するネットワークを介して多数のセンサデータ値の少なくとも一部を記憶対象のコンピューティングデバイスに通信するシステム連携回路とを含む。前記多数のセンサデータの少なくとも一部の通信に対応する送信フィードバックを決定する送信環境回路と、前記送信フィードバックに応答して前記センサデータ送信プロトコルを更新するネットワーク管理回路と、を備える。例のシステム連携回路は、更新されたセンサデータ送信プロトコルにさらに対応する。
図121を参照すると、多数のノードを有するネットワークを有する産業システムのための、産業環境における自己組織化された、ネットワークに依存したデータ収集のための例示的な装置12256が描かれている。装置1222の態様に加えて、装置12256は、システム連携回路1228が、更新されたセンサデータ送信プロトコル12232に応答して、多数のノードのうちの少なくとも1つに(例えば、ノード通信12258として)アラートをさらに送信することを含む。特定の実施形態では、センサデータ送信プロトコル12232を更新することは、ネットワーク管理回路12230が、ノード制御命令を含む、例えば、ノードを再配置する命令を提供することを含む。ノードの数を含むメッシュネットワークを再配置する指示を提供すること、ノードの数を含む階層データネットワークを再配置すること、ノードの数を含むピアツーピアデータネットワークを再配置すること、ノードの数を含むハイブリッドピアツーピアデータネットワークを再配置すること。特定の実施形態では、システムコラボレーション回路12228は、1つまたは複数のノード通信12258としてノード制御命令を提供する。
本実施形態では、センサデータ送信プロトコル12232を更新することは、ネットワーク管理回路12230が、ネットワークを介して送信されるデータの量を減らすための命令を提供すること、ネットワークを介して送信されるデータキャプチャの頻度を調整するための命令を提供すること、ネットワークを介して送信されるセンサ値の数の少なくとも一部をタイムシフトして配信する命令を提供すること(例えば、ネットワークに対応するネットワークプロトコルを変更する命令を提供すること、ネットワークに接続された少なくとも1つのデバイスのスループットを低減する命令を提供すること、ネットワークの帯域幅使用量を低減する命令を提供すること、ネットワークを介して送信された多数のセンサ値の少なくとも一部に対応するデータを圧縮する命令を提供すること、ネットワークを介して送信された多数のセンサ値の少なくとも一部に対応するデータを凝縮する命令を提供すること(例えば、関連するサブセットを提供すること、サンプルレートを低減したデータを提供することなど)、データを要約する命令を提供すること(例えば、ネットワークを介して送信された多数のセンサー値の少なくとも一部に対応するデータを要約する(統計的な記述、集約された値など)指示を提供すること、ネットワークを介して送信された多数のセンサー値の少なくとも一部に対応するデータを暗号化する指示を提供する(例えば、以下のようなこと)、安全性の低い代替ネットワークパスの使用を可能にするため、および/または、暗号化を必要とする別のネットワークパスにアクセスするため)、センサー値の数の少なくとも一部に対応するデータを分散型台帳に配信する命令を提供すること、センサー値の数の少なくとも一部に対応するデータを中央サーバー(例えば、プラントコンピュータ12210および/またはクラウドサーバー)に配信する命令を提供すること。プラントコンピュータ12210および/またはクラウドサーバ12214)に配信する命令を提供することと、センサー値の数の少なくとも一部に対応するデータをスーパーノードに配信する命令を提供することと、センサー値の数の少なくとも一部に対応するデータを複数のネットワーク接続にわたって冗長的に配信する命令を提供することとを含む。特定の実施形態では、センサデータ送信を更新することは、数のセンサ値の少なくとも一部に対応するデータをコンポーネントの1つに配信する命令を提供することを含み(例えば、システム内の1つ以上のコンポーネント12204がメモリストレージを有し、センサ12206、データコレクタ12208、および/またはネットワークに通信可能にアクセス可能である場合)、および/またはコンポーネントの1つが前記多数のセンサ値の少なくとも一部に対応するデータを提供するセンサと通信可能に結合され(例えば、コンポーネント12204に記憶されるデータが、データが測定されたコンポーネントである場合、またはデータを取るセンサ12206に近接している場合)。
例示的なネットワークはメッシュネットワークを含み、ネットワーク管理回路12230は、メッシュネットワークから数のノードの1つを排出する(例えば、メッシュマップから削除する、サービスを停止するなど)指示を提供するために、センサデータ送信プロトコル12232をさらに更新する。例示的なネットワークは、ピアツーピアネットワークを含み、ネットワーク管理回路12230は、ピアツーピアネットワークから多数のノードのうちの1つを排出する指示を提供するように、センサデータ送信プロトコル12232をさらに更新する。
例示的なネットワーク管理回路12230は、センサデータ送信プロトコル12232をさらに更新して、センサ値12252の数の少なくとも一部をキャッシュする(たとえば、センサデータキャッシュ12260として)。特定のさらなる実施形態では、ネットワーク管理回路12230は、キャッシュされたデータが要求されているとの判断(例えば、以下のうちの少なくとも1つに応答して、キャッシュされたセンサ値12260を通信するようにセンサデータ送信プロトコル12232をさらに更新する。ユーザ、モデル、機械学習アルゴリズム、エキスパートシステムなどがデータを要求した)という判断、キャッシュされたデータの通信が利用可能であることをネットワークのフィードバックが示しているという判断(例えば、ネットワーク管理回路12230にキャッシュを指示させるネットワーク上の事前の制限が現在は解除または改善されている)、および/または、キャッシュされたデータ12260を保持するキャッシュリソースの利用を必要とするより高い優先度のデータが存在するという判断。
産業環境において自己組織化された、ネットワークに依存したデータ収集のための例示的なシステム12200は、多数のコンポーネント12204と、各々が多数のコンポーネント12204のうちの少なくとも1つに動作可能に結合された多数のセンサ12206とを有する産業システム12202を含む。センサ通信回路12224は、所定の周波数で多数のセンサからの多数のセンサデータ値12244を解釈する。センサデータ送信プロトコル12232に従って、多数のノードを有するネットワークを介して多数のセンサデータ値12252の少なくとも一部を記憶対象のコンピューティングデバイスに通信するシステム連携回路12228であって、センサデータ送信プロトコル12232は、データ収集の所定の階層と所定の周波数とを含む。データ管理回路の一例12230は、伝送条件12254に応じて、および/または、ベンチマークデータ12240に応じて、所定の周波数を調整する。
産業環境において自己組織化された、ネットワークに依存したデータ収集のための例示的なシステム12200は、多数のコンポーネント12204を有する産業システム12202と、各々が多数のコンポーネント12204のうちの少なくとも1つに動作可能に結合された多数のセンサ12206とを含む。センサ通信回路12224は、所定の周波数で多数のセンサ12206から多数のセンサデータ値12244を解釈し、システム連携回路12228は、センサデータ送信プロトコルに従って、多数のノードを有するネットワークを介して多数のセンサデータ値12252の少なくとも一部を記憶対象のコンピューティングデバイスに通信する。送信環境回路12226は、ネットワークを介した多数のセンサデータ値12252の少なくとも一部の通信に対応する送信フィードバック(例えば、送信条件12254)を決定する。ネットワーク管理回路12230は、送信フィードバック12254に応答して、センサデータ送信プロトコル12232を更新し、ネットワーク通知回路12268は、更新されたセンサデータ送信プロトコル12232に応答して、アラート値12264を提供する。例示的なアラート値12264は、オペレータへの通知、ユーザへの通知、ユーザに関連するポータブルデバイスへの通知、ネットワークのノードへの通知、クラウドコンピューティングデバイスへの通知、プラントコンピューティングデバイスへの通知、および/または、オフセットシステムへの外部データとしてのアラートの提供を含む。例示的かつ非限定的な警告条件には、システムのコンポーネントが故障状態で動作していること、システムのプロセスが故障状態で動作していること、ネットワーク通信の制限によりセンサ値のためのキャッシュストレージおよび/または中間ストレージの利用が開始されたこと、センサデータ伝送プロトコルの変更(選択されたタイプの変更を含む)、および/またはデータの忠実度または解像度の損失(例えば、データの圧縮、データの凝縮、および/またはデータの要約)をもたらす可能性のあるセンサデータ伝送プロトコルの変更が含まれる。
例示的な送信フィードバックは、以下のようなフィードバック値を含む:送信価格の変更、ストレージ価格の変更、接続性の喪失、帯域幅の減少、接続性の変更、ネットワークの可用性の変更、ネットワーク範囲の変更、ワイドエリアネットワーク(WAN)接続性の変更、および/またはワイヤレスローカルエリアネットワーク(WLAN)接続性の変更。
例示的なシステムは、モータ、コンベヤ、ファン、および/またはコンプレッサなどの多数の振動コンポーネントを有する組立ライン産業システムを含む。システムは、振動コンポーネントに関連する様々なパラメータを決定する多数のセンサを含み、これには、コンポーネントの1つ以上の診断および/またはプロセス関連情報(適切な動作、非正常な動作、動作速度、差し迫ったサービスまたは故障など)の決定が含まれる。センサーの例としては、騒音、振動、加速度、温度、軸速度などが挙げられるが、これらに限定されるものではない。センサー情報は、少なくとも部分的に、組立ライン産業システムに通信可能に結合されたネットワークを介して、ターゲットストレージシステムに伝達される。この例のシステムは、センサーからターゲットストレージシステムへのデータの流れを制御するためのセンサーデータ送信プロトコルを決定するネットワーク管理回路を含む。ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムは、効率的なネットワーク利用、システム制御、診断、および/またはシステム外のデータに対して計画された他の決定をサポートするためのデータの十分な配信、データ送信のリソース利用の削減、および/またはシステムのノイズ要因、変動性、および/またはコストや環境パラメータなどのシステムまたは関連する側面の変化に対応するために、センサデータ送信プロトコルを更新する。例示したシステムには、診断、制御、またはその他のデータに依存する操作を確実に完了させるため、性能を維持しながらコストを削減するため、および/または時間またはプロセスサイクルにわたってシステムの能力を向上させるためのシステム操作の改善が含まれている。
例示的なシステムは、アクチュエータ、ギアボックス、および/またはレールガイドなどの多数のコンポーネントを含む、自動化されたロボットハンドリングシステムを含む。システムは、アクチュエータの位置および/またはフィードバックセンサ、振動、加速度、温度、イメージングセンサ、および/または空間位置センサ(例えば、ハンドリングシステム内、関連プラント、および/またはGPSタイプの位置決め)を含むがこれらに限定されない、コンポーネントに関連する様々なパラメータを決定する多数のセンサを含む。センサ情報は、自動ロボットハンドリングシステムに通信可能に結合されたネットワークを少なくとも部分的に介して、ターゲットストレージシステムに伝達される。例示のシステムは、センサからターゲットストレージシステムへのデータの流れを制御するためのセンサデータ伝送プロトコルを決定するネットワーク管理回路を含む。ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムは、効率的なネットワークの利用、システムの制御、診断、改善、および/または制御をサポートするためのデータの十分な配信を保証するために、センサデータ伝送プロトコルを更新する。また、データ伝送のリソース使用量を削減するために、システムのノイズ要因、変動性、およびシステムまたはコストや環境パラメータなどの関連する側面の変化に対応するために、処理効率の更新、および/またはシステム外のデータに対して計画された他の決定を行っている。例示したシステムには、診断、制御、または他のデータに依存する操作を確実に完了させるため、性能を維持しながらコストを削減するため、および/または時間またはプロセスサイクルにわたってシステム能力を向上させるためのシステム操作の改善が含まれる。
例示的なシステムは、地表および/または地下の採掘作業を含む、採掘作業を含む。例示的な採掘作業は、地下検査システム、ポンプ、換気、発電機および/または発電、ガス組成または品質システム、および/またはプロセスストリーム組成システム(例えば、所望の材料組成の決定、および/または汚染および/または規制制御のための廃液ストリームの組成を含む)などのコンポーネントを含む。例示したシステムには、操作の制御、コンポーネントの状態の決定、安全な操作のサポート、および/または規制遵守のサポートのために、様々なセンサーが存在する。センサー情報は、少なくとも部分的に、採掘作業に通信可能に結合されたネットワークを介して、ターゲットストレージシステムに伝達される。特定の実施形態では、採掘作業のネットワークインフラストラクチャは、限定されるものではないが、重大な環境変動(例えば、ピットまたはシャフトの状態の変動)および/または断続的な利用可能性(例えば、特定の採掘作業中に電子機器をシャットダウンすること、採掘作業の一部にネットワークアクセスを提供することの難しさ、および/またはネットワークインフラストラクチャ内にモバイルデバイスまたは断続的に利用可能なデバイスを含めることの望ましさ)のために、高い変動性を示す。この例のシステムは、センサーからターゲットストレージシステムへのデータの流れを制御するためのセンサーデータ送信プロトコルを決定するネットワーク管理回路を含む。ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムは、効率的なネットワーク利用、システム制御をサポートするためのデータの十分な配信、診断、処理効率の改善および/または効率の更新、財務および/または規制遵守のサポート、および/またはシステム外のデータに対して計画された他の決定、データ伝送のリソース利用の削減、および/またはシステムのノイズ要因、変動性、ネットワークインフラの課題、および/またはコストや環境パラメータなどのシステムまたは関連する側面の変化に対応するために、センサデータ伝送プロトコルを更新する。
システムの例としては、飛行機、ヘリコプター、衛星、宇宙船またはランチャー、軌道プラットフォーム、および/またはミサイルなどの航空宇宙システムが挙げられる。航空宇宙システムは、エンジンの動作、制御面の状態や振動、環境の状態(内部および外部)、テレメトリーのサポートなど、センサによってサポートされる多数のシステムを有する。さらに、航空宇宙システムでは、さまざまな種類のセンサーの数(例えば、燃料圧力センサーの数は少ないが、制御面のセンサーの数は多い)と、さまざまな種類のセンサーの関連する決定のためのサンプリングレート(例えば、機内の圧力は1秒のデータで十分だが、気象レーダーやエンジン速度センサーははるかに高い時間分解能を必要とする場合がある)の両方に大きなばらつきがある。航空宇宙アプリケーションのコンピューティングパワーは、消費電力と重量を考慮してプレミアムであり、それに応じて、センサーデータの取得およびセンサー情報の送信を含む航空宇宙システム上の任意のシステムを改善するための反復的、再帰的、深層学習、エキスパートシステム、および/または機械学習操作は、多くの実施形態において、システムの航空宇宙車両の外部のコンピューティングデバイスに駆動される(例えば、オフライン学習、後処理などを通じて)。航空宇宙アプリケーションのストレージ容量も同様に高額であり、航空宇宙ビークル上でセンサデータを長期保存することは、多くの実施形態において費用対効果の高いソリューションではない。さらに、航空機からのネットワーク通信は、航空機が環境中を急速に移動したり、地上のリソースとの直接通信が実用的でない領域に入ったりすると、高い変動性や帯域幅の制限を受ける可能性がある。さらに、特定の航空宇宙アプリケーションでは、利用可能なネットワークリソースに対して大きな競争が発生している。例えば、多数の乗客がいる環境では、乗客がネットワークインフラストラクチャを利用すると、かなりの帯域幅が消費されている。したがって、ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムを操作して、センサデータ送信プロトコルを更新することで、様々な航空宇宙システムにおけるセンシング操作を大幅に向上させることができる。さらに、特定の航空宇宙アプリケーションでは、オフセットシステムの数が多いため、エキスパートシステムまたは機械学習アルゴリズムの能力が向上し、センサデータの取得および送信操作を改善することができ、また、動作条件にかかわらずシステムの感知パラメータ(周波数、データレート、および/またはデータ分解能)の高い変動性を管理することができる。
例示的なシステムは、生産プラットフォーム(陸上または海上)、ポンプ、リグ、掘削装置、ブレンダーなどの石油またはガス生産システムを含む。石油・ガス生産システムは、感知された変数タイプおよび感知パラメータにおいて高い変動性を示し、例えば、振動(例えば、ポンプ、回転シャフト、パイプを通る流体の流れなど。例えば、振動(ポンプ、回転軸、配管内の流体の流れなど)、ガス組成(坑口エリア、作業員ゾーン、貯蔵タンク付近など。例えば、坑口エリア、作業員ゾーン、貯蔵タンク付近などのガス組成(低頻度でもよいし、作業員がいないときなど特定の時間にデータを取得しなくてもよい)、および圧力値(システムで現在行われている操作に応じて、必要な分解能と頻度またはサンプリングレートの両方が大きく変化する可能性がある)などである。さらに、石油・ガス生産システムは、システム(例えば、海上プラットフォームと長期的な地上の生産施設)に応じて、また、システムで実行されている操作に応じて(例えば、生産中の坑口はネットワークアクセスが限られているかもしれないが、掘削または破砕操作では操作中のサイトに大きなネットワークインフラがあるかもしれない)、ネットワークインフラに大きなばらつきがある。したがって、センサデータ伝送プロトコルを更新するためのネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムの操作は、様々な石油またはガス生産システムにおけるセンシング操作を大幅に向上させることができることがわかる。
本開示は、産業環境において自己組織化された、ネットワークに依存したデータ収集のためのシステムを記載しており、本開示の開示された1つの非限定的な実施形態によるシステムは、複数の構成要素を含む産業システムと、それぞれが複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサと、複数のセンサからの複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、を含むことができる。センサデータ伝送プロトコルに従って、複数のセンサデータ値の少なくとも一部をストレージターゲットコンピューティングデバイスに通信するように構造化されたシステムコラボレーション回路と、複数のセンサデータ値の少なくとも一部のストレージターゲットコンピューティングデバイスへの通信に対応する伝送条件を決定するように構造化された伝送環境回路と、伝送条件に応答してセンサデータ伝送プロトコルを更新するように構造化されたネットワーク管理回路と、を備え、システムコラボレーション回路が、更新されたセンサデータ伝送プロトコルにさらに応答することを特徴とする。
実施形態では、伝送条件は、複数のセンサデータ値のセンサ通信に関連する環境条件を含み、ネットワーク管理回路は、環境条件を分析するようにさらに構成され、センサデータ伝送プロトコルを更新することは、複数のセンサデータ値が複数のセンサから記憶対象コンピューティングデバイスに伝送される方法を変更することを含む。
実施形態では、複数のセンサの少なくとも一部に通信可能に結合され、センサデータ伝送プロトコルに応答するデータコレクタであって、システム連携回路は、複数のセンサの少なくとも一部から複数のセンサデータ値を受信するように構成され、伝送条件は、複数のセンサの少なくとも一部からの複数のセンサデータ値の通信に対応する少なくとも1つのネットワークパラメータに対応する。
実施形態では、ネットワーク管理回路は、複数のセンサのうちの少なくとも1つのデータ収集レートを調整するようにデータコレクタを修正するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データコレクタの多重化スケジュールを修正するためにセンサデータ伝送プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、複数のセンサデータ値の少なくとも一部のための中間記憶動作を命令するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、複数のセンサの少なくとも一部に対してさらなるデータ収集を命令するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データコレクタを変更して多重化スケジュールを実装するようにセンサデータ伝送プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、複数のセンサ値の少なくとも一部のためにネットワーク伝送パラメータを調整するために、センサデータ伝送プロトコルを更新するようにさらに構成される。
実施形態では、調整されたネットワーク伝送パラメータは、タイミングパラメータ、プロトコル選択、ファイルタイプ選択、ストリーミングパラメータ選択、および圧縮パラメータからなるパラメータから選択された少なくとも1つのパラメータを含む。
実施形態では、ネットワーク管理回路は、送信されるデータの頻度を変更するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、送信されるデータの量を変更するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、送信するデータの宛先を変更するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データを送信するために使用されるネットワークプロトコルを変更するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データを送信するために冗長なネットワークパスを追加するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データを送信するために追加のネットワークパスを結合するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データを送信するために階層的なネットワークを再配置するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データを送信するために階層的なネットワークのバランスを取り直すために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データを送信するためにメッシュネットワークを再構成するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データ送信時間を遅らせるためにセンサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、データ送信時間をより低コストの送信時間に遅延させるために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、ネットワーク上で一度に送信される情報の量を減らすために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、第2のデータコレクタから送信されるデータの頻度を調整するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、外部データアクセス頻度を調整するようにさらに構成され、システム連携回路は、調整された外部データアクセス頻度に応答するようになっている。
実施形態では、ネットワーク管理回路は、外部データアクセスタイミング値を調整するようにさらに構成されており、システム連携回路は、調整された外部データアクセスタイミング値に応答している。
実施形態では、ネットワーク管理回路は、ネットワーク利用値を調整するようにさらに構成される。
実施形態では、ネットワーク管理回路は、より低いコストの帯域幅時間で帯域幅を利用するようにネットワーク利用値を調整するようにさらに構成される。
実施形態では、ネットワーク管理回路は、高速ネットワークの利用を可能にするようにさらに構成されている。
実施形態では、ネットワーク管理回路は、より高いコストの帯域幅アクセスを要求し、より高いコストの帯域幅アクセスに応答してセンサ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、エキスパートシステムをさらに含み、センサデータ送信プロトコルを更新することは、エキスパートシステムの操作にさらに応答する。
実施形態では、ネットワーク管理回路は、機械学習アルゴリズムをさらに含み、センサデータ送信プロトコルを更新することは、機械学習アルゴリズムの動作に応答してさらに行われる。
実施形態では、機械学習アルゴリズムは、伝送条件を含むフィードバックデータを利用するようにさらに構成される。
実施形態では、フィードバックデータは、複数のセンサ値の少なくとも一部をさらに含む。
実施形態では、フィードバックデータは、ベンチマークデータをさらに含む。
実施形態では、ベンチマークデータは、ネットワーク効率、データ効率、オフセットデータコレクタとの比較、スループット効率、データ有効性、データ品質、データ精度、データ正確性、およびデータ頻度からなるリストから選択されたデータをさらに含む。
実施形態では、ベンチマークデータは、環境応答、メッシュネットワーキングコヒーレンス、データカバレッジ、ターゲットカバレッジ、シグナルダイバーシティ、クリティカル応答、および動作効率からなるリストから選択されたデータをさらに含む。
実施形態では、通信に対応する送信条件は、メッシュネットワークがスループットのバランスをとるために再編成する必要がある、階層的に配置されたネットワークの親ノードの接続性が変化した、ハイブリッドピアツーピアアプリケーション層ネットワークのネットワークスーパーノードが交換された、メッシュネットワークまたは階層的ネットワークのノードが悪意を持って検出された、からなる条件から選択された少なくとも1つの条件を含む。
実施形態では、通信に対応する送信条件は、パケットを転送するメッシュネットワークピアが接続性を失った、パケットを転送するメッシュネットワークピアが追加の帯域幅を獲得した、パケットを転送するメッシュネットワークピアが帯域幅を減少させた、パケットを転送するメッシュネットワークピアが接続性を回復した、からなる条件から選択される少なくとも1つの条件を含んでいる。
実施形態では、通信に対応する送信条件は、以下の条件から選択される少なくとも1つの条件を含む。サンプリングデータを中継するネットワークの一部の権限、認証レベル、または資格が変更されたこと、ネットワークホップを介して情報を配信するための現在のコストが変更されたこと、より高い帯域幅のネットワーク接続タイプが利用可能になったこと、より低コストのネットワーク接続タイプが利用可能になったこと、およびネットワークトポロジーに変更が加えられたこと。
実施形態では、通信に対応する送信条件は、データ収集クライアントが複数のセンサ値のうちの少なくとも1つのデータ周波数要件を変更したこと、データ収集クライアントが複数のセンサ値のうちの少なくとも1つのデータタイプ要件を変更したこと、データ収集クライアントがデータ収集のためのセンサターゲットを変更したこと、およびデータ収集クライアントがストレージターゲットのコンピューティングデバイスを変更したことからなる条件から選択される少なくとも1つの条件を含む。
本開示は、産業環境において自己組織化された、ネットワークに依存したデータ収集のためのシステムを記載しており、本開示の開示された非限定的な一実施形態によるシステムは、複数の構成要素を含む産業システムと、それぞれが複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサと、複数のセンサからの複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、複数のセンサデータ値の少なくとも一部をネットワークを介して通信するように構成されたシステム連携回路とを含むことができる。センサデータ送信プロトコルに従ってストレージターゲットコンピューティングデバイスに複数のノードを有するシステムコラボレーション回路と、ネットワークを介した複数のセンサデータ値の少なくとも一部の通信に対応する送信フィードバックを決定するように構成された送信環境回路と、送信フィードバックに応答してセンサデータ送信プロトコルを更新するように構成されたネットワーク管理回路とを備え、システムコラボレーション回路は、更新されたセンサデータ送信プロトコルにさらに応答することを特徴とする。
実施形態では、システム連携回路は、更新されたセンサデータ送信プロトコルに応答して、複数のノードのうちの少なくとも1つにアラートを送信するようにさらに構成される。
実施形態では、センサデータ送信を更新することは、複数のノードを含むメッシュネットワークを再編成する命令を提供すること、複数のノードを含む階層型データネットワークを再編成する命令を提供すること、複数のノードを含むピアツーピアデータネットワークを再編成すること、および複数のノードを含むハイブリッドピアツーピアデータネットワークを再編成することからなる動作から選択される少なくとも1つの動作を含む。
実施形態では、センサデータ送信を更新することは、ネットワーク上で送信されるデータの量を減少させる命令を提供すること、ネットワーク上で送信されるデータキャプチャの頻度を調整する命令を提供すること、ネットワーク上で送信される複数のセンサ値の少なくとも一部の配信をタイムシフトする命令を提供すること、およびネットワークに対応するネットワークプロトコルを変更する命令を提供することからなる動作から選択される少なくとも1つの動作を含む。
実施形態では、センサデータ送信を更新することは、ネットワークに結合された少なくとも1つのデバイスのスループットを低減する命令を提供することと、ネットワークの帯域幅使用量を低減する命令を提供することと、ネットワークを介して送信された複数のセンサ値の少なくとも一部に対応するデータを圧縮する命令を提供することと、からなる動作から選択される少なくとも1つの動作を含む。ネットワークを介して送信された複数のセンサ値の少なくとも一部に対応するデータを凝縮する命令を提供することと、ネットワークを介して送信された複数のセンサ値の少なくとも一部に対応するデータを要約する命令を提供することと、ネットワークを介して送信された複数のセンサ値の少なくとも一部に対応するデータを暗号化する命令を提供することとを含んでいる。
実施形態では、センサデータ送信を更新することは、複数のセンサ値の少なくとも一部に対応するデータを分散型台帳に配信する命令を提供すること、複数のセンサ値の少なくとも一部に対応するデータを中央サーバに配信する命令を提供すること、複数のセンサ値の少なくとも一部に対応するデータをスーパーノードに配信する命令を提供すること、および複数のネットワーク接続を介して複数のセンサ値の少なくとも一部に対応するデータを冗長に配信する命令を提供することからなる動作から選択される少なくとも1つの動作を含む。
実施形態では、センサデータ送信を更新することは、複数のセンサ値の少なくとも一部に対応するデータを複数のコンポーネントの1つに配信する命令を提供することを含む。
実施形態では、複数のコンポーネントのうちの1つは、複数のセンサ値の少なくとも一部に対応するデータを提供するセンサに通信可能に結合される。
実施形態では、システムコラボレーション回路は、サービス品質のコミットメントを解釈するようにさらに構成され、ネットワーク管理回路は、サービス品質のコミットメントに応答して、センサデータ伝送プロトコルをさらに更新するようにさらに構成される。
実施形態では、システムコラボレーション回路は、サービスレベル合意を解釈するようにさらに構成され、ネットワーク管理回路は、サービスレベル合意に応答してセンサデータ送信プロトコルをさらに更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、サービス品質の値を向上させる指示を提供するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワークはメッシュネットワークを含み、ネットワーク管理回路は、複数のノードのうちの1つをメッシュネットワークから排出する命令を提供するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワークは、ピアツーピアネットワークを含み、ネットワーク管理回路は、ピアツーピアネットワークから複数のノードの1つを排出する命令を提供するために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、複数のセンサ値の少なくとも一部をキャッシュするために、センサデータ送信プロトコルを更新するようにさらに構成される。
実施形態では、ネットワーク管理回路は、キャッシュされたデータが要求されたという判断、キャッシュされたデータの通信が利用可能であることを示すネットワークフィードバックがあるという判断、およびキャッシュされたデータを保持するキャッシュリソースの利用を必要とするより高い優先度のデータが存在するという判断の少なくとも1つに応答して、複数のセンサ値のうちキャッシュされた少なくとも一部を通信するようにセンサデータ伝送プロトコルを更新するようにさらに構成される。
実施形態では、システムは、複数のセンサデータ値の少なくとも一部を受信するように構成されたデータコレクタをさらに含み、複数のセンサデータ値の少なくとも一部は、複数のセンサによって提供されるデータを含み、送信フィードバックは、データコレクタに対応するネットワーク性能情報を含む、。
実施形態では、システムは、複数のセンサデータ値の少なくとも一部を受信するように構成されたデータコレクタであって、複数のセンサデータ値の少なくとも一部は、複数のセンサによって提供されるデータを含む、データコレクタと、ネットワークに通信可能に結合された第2のデータコレクタであって、送信フィードバックは、第2のデータコレクタに対応するネットワーク性能情報を含む、第2のデータコレクタとをさらに含む。
本開示は、産業環境における自己組織化されたネットワークに依存したデータ収集のためのシステムを記載しており、本開示の開示された1つの非限定的な実施形態によるシステムは、複数の構成要素を含む産業システムと、それぞれが複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサと、所定の周波数で複数のセンサからの複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、を含むことができる。複数のノードを有するネットワークを介して、複数のセンサデータ値の少なくとも一部を、センサデータ伝送プロトコルに従って記憶対象のコンピューティングデバイスに通信するように構成されたシステム連携回路であって、センサデータ伝送プロトコルは、データ収集の所定の階層と所定の周波数を含むシステム連携回路と、ネットワークを介した複数のセンサデータ値の少なくとも一部の通信に対応する伝送フィードバックを決定するように構成された伝送環境回路と、センサを更新するように構成されたネットワーク管理回路とを備えている。送信フィードバックに応答して、さらにベンチマークデータに応答して、データ送信プロトコルを更新し、システムコラボレーション回路は、更新されたセンサデータ送信プロトコルにさらに応答する。
実施形態では、センサデータの送信を更新することは、複数のセンサのセンサを変更する命令を提供することと、所定の周波数を調整する命令を提供することと、格納されている複数のセンサデータ値の量を調整する命令を提供することと、からなる動作から選択される少なくとも1つの動作を含む。前記複数のセンサデータ値の少なくとも一部の通信のデータ伝送速度を調整する指示を出すことと、前記複数のセンサデータ値の少なくとも一部の通信のデータ伝送時間を調整する指示を出すことと、ネットワークを介した通信のネットワーク方式を調整する指示を出すことと、からなる操作。
実施形態では、ベンチマークデータは、ネットワーク効率、データ効率、オフセットデータコレクタとの比較、スループット効率、データ有効性、データ品質、データ精度、データ正確性、およびデータ頻度からなるリストから選択されたデータをさらに含む。
実施形態では、ベンチマークデータは、環境応答、メッシュネットワーキングコヒーレンス、データカバレッジ、ターゲットカバレッジ、シグナルダイバーシティ、クリティカル応答、およびモーションからなるリストから選択されたデータをさらに含む。
実施形態では、ベンチマークデータは、ネットワーク干渉値、ネットワーク障害値、およびネットワーク接続性が阻害されている領域からなるリストから選択されたデータをさらに含む。
実施形態では、送信フィードバックは、システムのコンポーネントに起因する干渉、センサの1つに起因する干渉、金属物体に起因する干渉、物理的な障害物に起因する干渉、低電力状態に起因する減衰信号、およびネットワークの一部におけるネットワークトラフィックの要求に起因する減衰信号からなる値から選択される通信干渉値を含む。
本開示は、産業環境において自己組織化された、ネットワークに依存したデータ収集のためのシステムを記載しており、本開示の開示された1つの非限定的な実施形態によるシステムは、複数の構成要素を含む産業システムと、それぞれが複数の構成要素のうちの少なくとも1つに動作可能に結合された複数のセンサと、を含むことができる。前記複数のセンサーからの複数のセンサーデータ値を所定の周波数で解釈するように構成されたセンサー通信回路と、センサーデータ送信プロトコルに従って、複数のノードを有するネットワークを介して、前記複数のセンサーデータ値の少なくとも一部を記憶対象のコンピューティングデバイスに通信するように構成されたシステム連携回路と前記複数のセンサデータ値の少なくとも一部の前記ネットワーク上の通信に対応する送信フィードバックを決定するように構造化された送信環境回路と、前記送信フィードバックに応答して前記センサデータ送信プロトコルを更新するように構造化されたネットワーク管理回路と、前記更新されたセンサデータ送信プロトコルに応答してアラート値を提供するように構造化されたネットワーク通知回路と、を備え、前記システム連携回路は、前記更新されたセンサデータ送信プロトコルにさらに応答することを特徴とする。
実施形態では、送信フィードバックは、送信価格の変更、ストレージ価格の変更、接続性の喪失、帯域幅の減少、接続性の変更、ネットワークの可用性の変更、ネットワーク範囲の変更、ワイドエリアネットワーク(WAN)接続性の変更、およびワイヤレスローカルエリアネットワーク(WLAN)接続性の変更からなる値から選択される少なくとも1つのフィードバック値を含む。
実施形態では、ネットワーク管理回路は、エキスパートシステムをさらに含み、センサデータ送信プロトコルを更新することは、エキスパートシステムの操作に応じてさらに行われる。
実施形態では、エキスパートシステムは、ルールベースのシステム、モデルベースのシステム、ニューラルネットシステム、ベイジアンベースのシステム、ファジーロジックベースのシステム、および機械学習システムからなるシステムから選択された少なくとも1つのシステムを含む。
実施形態では、ネットワーク管理回路は、機械学習アルゴリズムをさらに含み、センサデータ送信プロトコルを更新することは、機械学習アルゴリズムの動作に応答してさらに行われる。
実施形態では、機械学習アルゴリズムは、伝送条件を含むフィードバックデータを利用するようにさらに構成されている。
実施形態では、フィードバックデータは、複数のセンサ値の少なくとも一部をさらに含む。
実施形態では、フィードバックデータは、ベンチマーキングデータをさらに含む。
実施形態では、ベンチマークデータは、ネットワーク効率、データ効率、オフセットデータコレクタとの比較、スループット効率、データ有効性、データ品質、データ精度、データ正確性、およびデータ頻度からなるリストから選択されたデータをさらに含む。
実施形態では、ベンチマークデータは、環境応答、メッシュネットワーキングコヒーレンス、データカバレッジ、ターゲットカバレッジ、シグナルダイバーシティ、クリティカル応答、および動作効率からなるリストから選択されたデータをさらに含む。
図128を参照すると、産業環境におけるデータ収集のための例示的なシステム12500は、多数のコンポーネント12504と、多数のセンサ12506とを有する産業システム12502を含み、センサ12506の各々はコンポーネント12504のうちの少なくとも1つに動作可能に結合されている。センサの選択、分布、タイプ、および通信設定は、システム12500の用途および/または文脈に依存する。
例示的システム12500は、多数のセンサデータ値12542を解釈するセンサ通信回路12522(参照図129)をさらに含む。例示的なシステムは、センサデータ値12542が、センサフュージョン動作をサポートするための多数の値であり、例えば、所望の出力に影響を与えるシステムの動作条件の検出を包含すると考えられるセンサのセットであり、産業用システム12502のプロセスまたは部分を制御するため、産業用システム12502の側面または産業用システム産業用システム12502に関連するプロセスを診断または予測するためのものである。
特定の実施形態では、センサデータ値12542は、データコレクタ12508に提供され、このデータコレクタは、複数のセンサ12506と、および/またはコントローラ12512と通信してもよい。特定の実施形態では、プラントコンピュータ12510が追加的または代替的に存在する。例示のシステムでは、コントローラ12512は、センサ通信回路12522、センサデータ記憶プロファイル回路12524、センサデータ記憶実装回路12526、記憶計画回路12528、および/または触覚フィードバック回路12530の動作を機能的に実行するように構成されている。コントローラ12512は、説明を明確にするために、別個のデバイスとして描かれている。コントローラ12512の態様は、センサ12506、データコントローラ12508、プラントコンピュータ12510、および/またはクラウドコンピューティングデバイス12514上に存在してもよい。本開示を通じて説明される特定の実施形態では、コントローラ12512または他のコントローラのすべての側面が、システム12500上に描かれた別のデバイスに存在してもよい。プラントコンピュータ12510は、ローカルコンピューティングリソース、例えば処理、メモリ、および/またはネットワークリソースを表しており、これは、産業用システム12500に存在し、および/または産業用システム12500と通信していてもよい。特定の実施形態では、クラウドコンピューティングデバイス12514は、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介して、産業用システム12502に外部から利用可能なコンピューティングリソースを表す。特定の実施形態では、データコントローラ12508は、コンピューティングデバイス、スマートセンサ、MUXボックス、または、複数のセンサからデータを受信し、データをパススルーし、および/または、後で送信するためにデータを保存することができる他のデータ収集デバイスであってもよい。例示的なデータコントローラ12508は、記憶装置を持たず、および/または、限られた記憶装置を持ち、選択的にセンサデータを通過させ、データコントローラ12508、関連ネットワークの帯域幅の考慮、および/または、環境制約によって課されることにより、所定の時間にセンサデータのサブセットが通信される。特定の実施形態では、システム12500内の1つまたは複数のセンサおよび/またはコンピューティングデバイスは、ポータブルデバイスであり、例えば、産業システムを歩いているプラントオペレータは、スマートフォンを持っている可能性があり、システム12500は、例えば、通信スループット、センサの解像度を高めるために、および/またはセンサデータ値12542をコントローラ12512に通信するための主要な方法として、データコントローラ12508、センサ12506として選択的に利用することができる。システム12500は、コントローラ12512、センサ12506、データコントローラ12508、プラントコンピュータ12510、および/または、その上にセンサデータを格納するためのメモリストレージを有するクラウドコンピューティングデバイス12514を描いており、そのうちの任意の1つ以上は、その上にセンサデータを格納するためのメモリストレージを有していなくてもよい。特定の実施形態では、センサデータ記憶プロファイル回路12524は、センサデータをあるメモリ記憶装置から別のメモリ記憶装置に制御された方法で移動させることを含む、センサデータをメモリ記憶装置に指示するデータ記憶プロファイル12532を準備する。様々なデバイスに格納されたセンサデータは、デバイス上のメモリを消費し、デバイス間で格納されたデータを転送することは、システム12500におけるネットワークおよび/または通信帯域幅を消費し、および/または、処理、圧縮、統計分析、要約、および/またはアラートの提供などのセンサデータに対する動作は、プロセッササイクルを消費するとともに、バッファファイル、中間データなどの動作をサポートするためのメモリを消費する。したがって、データストレージプロファイル12532の改善されたまたは最適な構成および/または更新は、システムリソースの低い利用率を提供し、および/または、より高い解像度で、より長い時間枠で、および/または、より多数のセンサからのセンサデータの保存を可能にする。
図129を参照すると、産業システムのデータコレクタのためにデータストレージを自己組織化するための例示的な装置12520が描かれている。例示的な装置12520は、コントローラ12512のようなコントローラを含む。例示的なコントローラは、多数のセンサデータ値12542を解釈するセンサ通信回路12522と、データストレージプロファイル12532を決定するセンサデータストレージプロファイル回路12524とを含む。データ記憶プロファイル12532は、センサデータ値の数12542のデータ記憶計画を含む。データ記憶計画は、センサデータ値12542のうちどれだけの量を初期(例えば、データがサンプリングされるとき、および/または、データコントローラ12508、プラントコンピュータ12510、コントローラ12512、および/またはクラウドコンピューティングデバイス12514への初期送信後)に記憶するかを含む。例示的なデータ保存プロファイル12532は、データの送信のための計画を含み、これは、時間、プロセスステージ、システム12500および/またはシステムに関連するネットワークの動作条件、ならびにシステム12500内のデバイスの通信条件に従ったものであってもよい。
例えば、温度センサからのデータは、記憶容量を持つセンサにローカルに保存され、データコントローラにバーストで送信されるように計画することができる。データコントローラは、例えば、データコントローラのメモリが閾値に達したとき、ネットワーク通信容量が利用可能になったとき、プロセスの終了時、および/または要求に応じて、スケジュールに沿ってセンサデータをクラウドコンピューティングデバイスに送信するように指示されてもよい。さらに、または代わりに、センサーからのデータは、デバイス上で、またはデータの転送時に(例えば、転送直前、転送直後、またはスケジュールに沿って)変更されてもよい。例えば、データ保存プロファイル12532は、高解像度、高精度、および/または高サンプリングレートのデータを保存し、一定期間、選択されたイベント、および/または成功したプロセスの確認、または高解像度データがもはや必要ないことを確認した後に、データセットの保存を減らすことを記述してもよい。したがって、高解像度のデータおよび/または多数のセンサからのデータを、センサフュージョン操作などで利用できるようにするとともに、長期メモリの利用率も管理することができる。センサデータセットのそれぞれは、メモリストレージ特性のために個別に処理されてもよく、また、同様の処理のためにセンサがグループ化されてもよい(例えば、同様のデータ特性および/またはシステムへの影響を有するセンサ、センサフュージョン操作に協力するセンサ、モデルまたは仮想センサに利用されるセンサのグループなど)。特定の実施形態では、単一のセンサからのセンサデータは、データ保存プロファイル12532の更新、データが取得された時間またはプロセス段階、および/またはネットワークの問題、障害状態などのシステム状態に応じて、区別して扱われることがある。さらに、または代わりに、単一のセンサデータのセットは、例えば、同じデータが複数の別個のセンサフュージョン操作で利用される場合には、システム内の複数の場所に格納されてもよく、同じデータの複数のセットを格納することによるリソース消費は、単一の格納されたデータセットを複数の別個のプロセスで利用するためのプロセッサまたはネットワークの利用よりも低い。
図133を参照すると、例示的なデータ記憶プロファイル12532のさまざまな側面が描かれている。例示的なデータ記憶プロファイル12532は、記憶場所定義12534、記憶時間定義、および/または記憶時間定義12536、データ解像度記述12540に対するデータ記憶プロファイル12532の追加的または代替的な側面として含まれてもよく、および/またはこれらの側面として含まれてもよい、データ記憶プロファイル12532の側面を含む。図133に描かれたストレージに関する要因またはパラメータのうちの任意の1つまたは複数は、データストレージプロファイル12532に含まれてもよく、および/または自己組織化ストレージシステム(例えば、システム12500および/またはコントローラ12532)によって管理されてもよい。自己組織化ストレージシステムは、本開示全体を通して指摘された任意のそのようなパラメータまたは要因を、個別にまたは組み合わせて、エキスパートシステムを使用して管理または最適化してもよく、このエキスパートシステムは、ルールベースの最適化、性能のモデルに基づく最適化、および/または深層学習アプローチを任意に含む機械学習/人工知能を使用した最適化、またはこれらのハイブリッドまたは組み合わせを含んでもよい。実施形態では、例示的なデータストレージプロファイル12532は、ストレージの基礎的な物理メディアタイプ、ストレージが存在するデバイスまたはシステムのタイプ、データの読み取りまたは書き込みのためにストレージにアクセスできるメカニズムなどに基づいて、ストレージのタイプを説明または指定するストレージタイププラン12576またはプロファイルを含む。例えば、ストレージメディアプラン12578は、テープメディア、ハードディスクドライブメディア、フラッシュメモリメディア、不揮発性メモリ、光学メディア、ワンタイムプログラマブルメモリなどの使用を指定または考慮してもよい。ストレージメディアプランは、ストレージ期間、電力使用量、信頼性、冗長性、熱性能要因、環境条件(放射線や極端な温度など)に対する堅牢性、入出力速度および能力、書き込み速度、読み取り速度などの能力、または、データファイル編成、オペレーティングシステム、読み書きライフサイクル、データエラーレート、および/またはメディアもしくはメディアコントローラに関連するか固有のデータ圧縮側面などの他のメディア固有のパラメータを含む、メディアに関連するパラメータを説明または指定してもよい。ストレージアクセスプラン12580またはプロファイルは、データベースストレージ(リレーショナルデータベース、オブジェクト指向データベース、およびその他のデータベース、ならびに分散データベース、仮想マシン、クラウドベースのデータベースなどを含む)、クラウドストレージ(S3TMバケットおよびその他の単純なストレージ形式など)、ストリームベースのストレージ、キャッシュストレージ、エッジストレージ(たとえば、エッジベースのネットワークノード内)、オンデバイスストレージ、サーバベースのストレージ、ネットワーク接続型ストレージなど、利用可能なストレージへのインターフェースの性質を指定または考慮してもよい。ストレージアクセスプランまたはプロファイルは、異なるストレージタイプのコスト、入出力性能、信頼性、複雑さ、サイズなどの要因を指定または考慮してもよい。ストレージプロトコルプラン12582またはプロファイルは、データが送信または書き込まれるプロトコルを指定または考慮してもよく、例えば、ストリーミングプロトコル、IPベースのプロトコル、不揮発性メモリ表現プロトコル、SATAプロトコルまたは他のネットワーク接続型ストレージプロトコル、ディスク接続型ストレージプロトコル、イーサネットプロトコル、ピアードストレージプロトコル、分散型ストレージプロトコルなどが挙げられる。ピアードストレージプロトコル、分散型台帳プロトコル、パケットベースのストレージプロトコル、バッチベースのストレージプロトコル、メタデータストレージプロトコル、圧縮ストレージプロトコル(パケットベースのメディア、ストリーミングメディア、非可逆圧縮タイプ、可逆圧縮タイプなど、さまざまな圧縮タイプを使用)などがある。ストレージプロトコルプランは、入出力性能、利用可能なネットワークリソースとの互換性、コスト、複雑性、プロトコルを実装するために必要なデータ処理、プロトコルをサポートするためのネットワーク利用率、システムノイズ(EM、競合するネットワークトラフィック、ネットワーク可用性の中断頻度など)をサポートするためのプロトコルの堅牢性、プロトコルを実装するためのメモリ利用率(保存されたメモリの利用率、および/または、データを作成または転送する際の中間メモリの利用率など)など、ストレージプロトコルに関連する要因を説明または指定することができる。ストレージ書き込みプロトコル12584の計画またはプロファイルは、ファイル形式、ストリーミング形式、バッチ形式、離散的なチャンク、パーティション、異なるストレージロケーション間のストライプまたはバンド、ストリーム、パケットなど、データをストレージに書き込む方法を指定または考慮することができる。ストレージ書き込みプロトコルは、入力速度、信頼性、冗長性、セキュリティなど、書き込みに関するパラメータや要因を説明または指定することができる。ストレージセキュリティプラン12586またはプロファイルは、パスワード保護、認証、許可、権利管理、(データ、記憶媒体、および/またはシステム上のネットワークトラフィックの)暗号化、物理的隔離、ネットワーク隔離、地理的配置など、ストレージをどのように保護するかを説明または指定することができる。ストレージロケーションプラン12588またはプロファイルは、ジオロケーション、ネットワークロケーション(例えば、エッジで、所定のサーバで)など、ストレージのロケーションを説明または指定することができる。データコレクタ上の場所、ハンドヘルドデバイス上の場所(環境内のオペレータのスマートフォン、タブレット、パーソナルコンピュータなど)、デバイスグループ内またはデバイスグループ間の場所(メッシュ、ピアツーピアグループ、リング、ハブアンドスポークグループ、並列デバイスのセット、スウェージなど)など。並列デバイスのセット、デバイスの群(コレクターの群など)など)、産業環境内の場所(機械のまたは機械のための計装システムのストレージ要素内、環境のための情報技術システム上の場所など)、またはディスク、ドングル、USBデバイスなどの専用ストレージシステムなど。ストレージバックアッププラン12590またはプロファイルは、バックアップストレージの場所について、冗長な場所を示し、上記の要因のいずれかまたはすべてを管理するなど、保存データのバックアップまたは冗長性の計画を説明または指定してもよい。特定の実施形態では、ストレージセキュリティプラン12586および/またはストレージバックアッププラン12590は、データ保持、長期保存計画(例えば、一定期間後および/またはシステム内の特定の操作がデータに対して実行された後に、保存されたデータを別のストレージメディアに移行する)、データおよび/またはストレージメディアの物理的リスク管理(例えば、異なる物理的リスクパラメータを有する複数の地理的地域でのデータの提供、ストレージロケーションが物理的リスクを経験したときのデータの移動、長期ストレージメディアの予測されたライフサイクルに応じたデータのリフレッシュなど)などのパラメータを指定してもよい。
例示のコントローラ12512は、データ記憶プロファイル12532に応答して、多数のセンサデータ値の少なくとも一部を記憶するセンサデータ記憶実施回路12526をさらに含む。例示的なコントローラ12512は、多数のセンサデータ値12542のうちの少なくとも1つに対応する記憶場所定義12534を有するデータ記憶プロファイル12532を含み、以下のような少なくとも1つの場所を含む:センサ記憶場所(例えば、センサ上に一定期間記憶されたデータ、および/または、ポータブルデバイスがシステムによってセンサとして適応される産業システム12502に近接したユーザ12518のためのポータブルデバイス上に記憶されたデータ)、センサ通信デバイス記憶場所(例えば、データコントローラ12508、MUXデバイス、他のセンサと通信しているスマートセンサ、および/またはポータブルデバイスがシステム内のコンポーネント間でセンサデータを転送する通信デバイスとしてシステムによって適合されている産業システム12502または産業システム12502のネットワークに近接しているユーザ12518のためのポータブルデバイス上など)、地域ネットワーク記憶場所(例えば、プラントコンピュータ12510および/またはコントローラ12512上)、および/またはグローバルネットワーク記憶場所(例えば、クラウドコンピューティングデバイス12514上)。
例示的なコントローラ12512は、多数のセンサデータ値12542のうちの少なくとも1つに対応する記憶時間定義12536を含むデータ記憶プロファイル12532を含み、以下のような少なくとも1つの時間値を含む:多数のセンサデータ値のうちの対応する少なくとも1つが記憶されることになる時間領域の記述(例えば、データの時間と場所。これは、データサンプリングの時間、プロセスステージの開始時間または停止時間などのいくつかの側面に対する相対的な時間、または真夜中、土曜日、月の1日などの絶対的な時間を含むことができる)、多数のセンサデータ値のうちの対応する少なくとも1つが保存される多数の記憶場所に対応する多数の時間値を含む時間領域の記憶軌跡(例えば、複数のデバイスにまたがってシステムを通過するセンサデータの流れであり、各ストレージ転送の時間は相対的または絶対的な時間の記述を含む)、多数のセンサデータ値のうち対応する少なくとも1つが保存されるプロセス記述値(例えば、プロセス記述は、プロセスのステージ、およびどのプロセスがストレージプランに関連しているかの識別などを含むことができる)、および/または、多数のセンサデータ値のうち対応する少なくとも1つが保存される多数のストレージロケーションに対応する多数のプロセスステージを含むプロセス記述の軌跡(例えば、多数のデバイスにわたるシステムを介したセンサデータのフローであり、各ストレージ転送のためのプロセスステージおよび/またはプロセスの識別を含む)。
例示的なコントローラ12512は、多数のセンサデータ値12544のうちの少なくとも1つに対応するデータ解像度記述12540を含むデータ記憶プロファイル12532を含み、データ解像度記述12540は、以下のような値を含む:多数のセンサデータ値のうちの少なくとも1つに対応する検出密度値(例えば、検出密度は、時間サンプリング解像度、空間サンプリング解像度、サンプリングされたデータの精度、および/または、データのフィルタリングおよび/または非可逆圧縮など、利用可能な解像度に影響を与える可能性のある適用される処理操作であってもよい);センサデータ値の数のうちの少なくとも1つに対応する検出密度値(例えば、以下のような値を含む。同様の検出密度値を有するセンサ群、指定された検出密度値を有するセンサ群から決定された二次データ値など)、多数のセンサデータ値のうちの少なくとも1つの多数の検出密度値を含む検出密度軌跡であって、多数の検出密度値のそれぞれが時間値に対応する検出密度軌跡(例えば、以下のようなもの)。検出密度の概念のいずれかと時間領域の概念のいずれかを組み合わせたもの)、多数のセンサデータ値のうちの少なくとも1つの多数の検出密度値を含む検出密度軌道であって、多数の検出密度値のそれぞれがプロセスステージ値に対応するもの(例えば、検出密度の概念のいずれかとプロセス記述またはステージの概念のいずれかを組み合わせたもの)、および/または、多数のセンサデータ値のうちの少なくとも1つの検出密度値の数を含む検出密度軌跡であって、検出密度値の数のそれぞれが記憶場所の値に対応するもの(例えば、データを記憶する装置に応じて検出密度を変化させることができる)。
例示的なセンサデータ記憶プロファイル回路12524は、センサデータ記憶実装回路12526の動作後に、データ記憶プロファイル12532をさらに更新し、センサデータ記憶実装回路12526は、更新されたデータ記憶プロファイル12532に応答して、センサデータ値の数12544の部分をさらに記憶する。例えば、第1の時点でのシステムの動作中、センサデータ記憶実装回路12526は、現在存在するデータ記憶プロファイルセンサデータ記憶実装回路12526を利用し、これは、システム性能の初期推定値、システムのオペレータからの所望のデータ、および/またはセンサデータ記憶プロファイル回路12524の以前の動作からのデータに基づいていてもよい。システムの動作中、センサデータ記憶実装回路12526は、データ記憶プロファイル12532に従ってデータを記憶し、センサデータ記憶プロファイル回路12524は、システムの性能の向上をもたらす可能性のあるデータ記憶プロファイル12532のパラメータを決定する。例示的なセンサデータ記憶プロファイル回路12524は、例えば、機械学習最適化ルーチンを利用して、データ記憶プロファイル12532のための様々なパラメータをテストし、改善されたデータ記憶プロファイル12532が利用可能であると判断すると、センサデータ記憶プロファイル回路12524は、センサデータ記憶実装回路12526によって利用される更新されたデータ記憶プロファイル12532を提供する。特定の実施形態において、センサデータ記憶プロファイル回路12524は、センサデータ記憶実装回路12526によって利用される中間データ記憶プロファイル12532を供給して実世界の結果を出す、システムにモデリングを適用する(システムの特性に基づく第1原理モデリング、システムの実際の動作データを利用したモデルのいずれか)、などの様々な動作を行ってもよい。システムの特性に基づく第一原理モデリング、システムの実際の動作データを利用したモデル、オフセットシステムの実際の動作データを利用したモデル、および/またはこれらの組み合わせ)を適用して、所定のデータ記憶プロファイル12532の結果がどうなるか、またはそうなっていたであろうかを判断し、および/または最適化ルーチンが局所的な最適または非最適な状態に落ち着かないように、データ記憶プロファイル12532にランダムな変更を適用する。
例示的なセンサデータ記憶プロファイル回路12524は、以下のようなデータを含む外部データ12544および/またはクラウドベースのデータ12538に応答して、データ記憶プロファイル12532をさらに更新する強化されたデータ要求値(例えば、オペレータ、モデル、最適化ルーチン、および/または他のプロセスが、1つまたは複数のパラメータについて強化されたデータ解像度を要求する)、プロセス成功値(例えば、現在の記憶方法で十分なデータ可用性および/またはシステム性能が得られることを示す、および/または、現在の記憶方法は能力過剰である可能性があり、システム使用率を低減するための1つまたは複数の変更が可能であることを示す。プロセス成功値(例えば、現在のストレージの使用方法では、十分なデータ可用性および/またはシステム性能が得られること、および/または現在のストレージの使用方法では能力が過剰である可能性があり、システム使用率を低減するための1つまたは複数の変更が可能であることを示す)、プロセス失敗値(例えばプロセス障害値(例えば、現在のストレージの使用方法では、十分なデータ利用可能性および/またはシステム性能が得られない可能性があることを示し、データ伝送および/または利用可能性がプロセス障害の原因となったかどうかを判断するための追加操作またはオペレーターへの警告が含まれる場合がある);コンポーネントサービス値(例えば、将来のサービスイベントを予測する学習アルゴリズムを向上させるために、より高い解像度のデータが利用できるようにデータストレージを調整する操作、および/または、どの要因が早期サービスの原因となったかを判断する操作)、コンポーネントメンテナンス値(例えば、コンポーネントメンテナンス値(例えば、将来のメンテナンスイベントを予測する学習アルゴリズムを改善するために、より高い解像度のデータが利用できるようにデータストレージを調整する操作、および/または、どの要因が早期メンテナンスの原因となったかを判断する操作)、ネットワーク記述値(例えば、デバイスの識別、プロトコルの決定、および/または、ユーザまたはオペレータによって入力されたネットワークの変化で、ネットワークの変化が能力の変化をもたらし、潜在的にセンサデータのための個別の最適ストレージプランをもたらす)、プロセスフィードバック値(例えば、検出された1つまたは複数のプロセス状態)、ネットワークフィードバック値(例えば、ネットワークフィードバック値(例えば、ネットワークの実際の操作によって決定された1つ以上のネットワークの変化(例えば、1つ以上のデバイスの通信の損失または減少、ネットワーク通信量の変化、ネットワーク上の伝送ノイズ値の変化など))、センサーフィードバック値(例えば、以下のようなメタデータ。センサーの故障、能力の変化などのメタデータ、および/または、システムからの検出データに基づいて、例えば、強化または低減された解像度、サンプリング時間などが保存プランを変更すべきことを示す異常な読み取り、変化率、またはオフノミナル状態)、および/または、第2のデータ保存プロファイルであって、第2のデータ保存プロファイルがオフセットシステム用に生成されたもの。
例示的なストレージ計画回路12528は、データ構成プラン12546を決定し、データ構成プラン12546に応答してデータストレージプロファイル12532を更新し、センサデータストレージ実装回路12526は、更新されたデータストレージプロファイル12532に応答して、センサデータ値の数の少なくとも一部をさらに格納する。例示的なデータ構成プラン12546は、以下のような値を含む:データ記憶構造値(例えば、整数、文字列、カンマ区切りのファイルなどのデータタイプ、何ビットを値にコミットするかなど)、データ圧縮値(例えば、データ圧縮値(データを圧縮するかどうか、使用する圧縮モデル、および/またはデータのセグメントを要約情報、多項式などのカーブフィット要約に置き換えるかどうかなど);データ書き込み戦略値(値を分散して保存するか、単一のデバイスに保存するか、どのネットワーク通信および/またはオペレーティングシステムプロトコルを利用するかなど);データ階層値(どのデータを他のデータよりも優先するかなど)。データ階層値(例えば、ストレージの制約や通信の制約により保存されたデータが制限される場合に、どのデータを他のデータよりも優先的に使用するか-制限は、データが意図した時間に意図した場所にないなどの一時的なものや、一部のデータを損失のある方法で圧縮する必要があるなどの永続的なものがある)、データに対して決定された拡張アクセス値(例えば、データはレポート用のタイプである。データに決定された拡張アクセス値(例えば、データが、レポート、検索、モデル化されたアクセス、および/またはタグ付けされたタイプであり、拡張アクセスには、生または処理されたセンサデータに加えて保存される可能性のある、利用可能範囲、データの索引付け、データの要約、データの時事レポートのためにデータが保存されている場所が含まれる)、および/またはデータに対応する指示値(例えば、データが配置される場所を示すプレースホルダー、データにアクセスするためのインターフェース、単位、精度、時間枠、動作中のプロセス、存在する欠陥、結果などを示すメタデータなど)。
このように、システム内のデータの流れと保存を制御することで、システム全体のデータ管理を全般的に改善し、時間をかけて最適化することができる。したがって、ストレージスペース、通信帯域幅、消費電力、および/またはプロセッサの実行サイクルなどのリソースの所定の利用に対して、固定または手動で構成可能なデータストレージおよびフローを有する従来のシステムよりも、より高い解像度のデータを、より容易にアクセス可能な方法で蓄積することができる。さらに、このシステムは、データフローおよびストレージを制御するための最適または有益なパラメータに影響を与えるプロセスの変動に対応することができる。本明細書の開示内容の恩恵を受けた当業者であれば、データ記憶方式の制御と、データタイプの制御およびシステムのプロセス操作に関する知識との組み合わせが、特定の分野で強力な組み合わせを生み出すことを認識するでしょう。企図された実施形態例えば、より高い解像度のデータを長期間維持し、データの必要性が生じた場合に利用できるようにすることができるが、データを恒久的に保存したり、システムのすべての層を通じてデータを通信したりするための完全なコストは発生しない。
一実施形態では、地下鉱山検査システムにおいて、規制目的のために有毒ガス濃度、温度、騒音などに関する特定の詳細なデータを捕捉して保存する必要があるかもしれないが、継続的な運用目的のためには、おそらく1つまたは複数の有毒ガスに関する単一のデータポイントのみが定期的に必要とされる。本実施形態では、システムのデータストレージプロファイルは、規制上のニーズに沿った特定のセンサーデータのみを、長期的かつオプションとして必要なときにのみ利用可能な特定の方法で保存し、運用上必要な他のセンサーデータはよりアクセスしやすい方法で保存することを示している。
車両のブレーキに関する別の実施形態では、ブレーキの使用および性能に関するデータが高解像度で取得され、ネットワーク全体に送信されない第1のデータストレージに保存される一方で、低解像度のデータが車両制御および保守アプリケーションに定期的におよび/またはほぼリアルタイムで送信されることがある。アプリケーションや他のユーザーが高解像度のデータを必要とする場合は、第1のデータストレージからアクセスすることができる。
トラックや自動車のボディおよびフレーム部品を製造するさらなる実施形態では、塗料の色、表面の曲率、およびその他の品質管理手段に関する特定の詳細なデータを高解像度でキャプチャして保存することができるが、継続的な運用目的のために、スループットに関する低解像度のデータのみが送信される。本実施形態では、システムのデータストレージプロファイルは、品質管理の必要性に沿った特定のセンサーデータのみを、長期的かつ任意に必要なときのみ利用可能な特定の方法で保存し、運用上必要な他のセンサーデータはよりアクセスしやすい方法で保存することを示している場合がある。
別の例では、データタイプ、解像度などは、データを処理する個々のコンポーネントにとって有益な値に応じて、データのために利用されるネットワークリソースに応じて、および/または、より高い能力のデータが付随するデータを利用するプロセスの精度を向上させない場合には、付随するデータ(例えば、モデル、仮想センサ、および/またはセンサフュージョン動作)に応じて、システムを流れるときに構成および変更することができる。
一実施形態では、レール状態監視システムにおいて、レール状態データが取得されると、システムの各コンポーネントは、同じデータの異なる解像度を必要とする場合がある。この例を続けると、リアルタイムの鉄道交通データが取得されると、これらのデータは、システム全体にデータを迅速に普及させるために低解像度で保存および/または送信される可能性があり、一方、利用率および負荷データは、より詳細なレベルでのレール使用料およびレール保守の必要性を追跡するために高解像度で保存および利用される可能性がある。
トラクターで動作する油圧ポンプの別の実施形態では、トラクターが現場にいてネットワークにアクセスできない場合、オンボードセンサーからのデータを低解像度で取得し、トラクターのローカルな方法で保存することができるが、トラクターがアクセスを回復したときに、データを高解像度で取得して送信することができる。
自動車工場のロボットハンドリングユニットのアクチュエータの別の実施形態では、アクチュエータに関するデータは、アクチュエータのデータを単独で利用する生産追跡システムや、環境センサからのデータとのセンサフュージョンでデータを利用するエネルギー効率追跡システムなど、複数の下流システムに流れる可能性がある。これらのシステムでは、それぞれの用途に合わせて、アクチュエータのデータの解像度が異なるように設定されている。
鉱山の発電機のさらに別の実施形態では、発電機の性能、発電機の近くの一酸化炭素レベル、および発電機を動かすためのコストに関するデータを取得することができる。鉱山を監督する制御システムの各コンポーネントは、同じデータの異なる解像度を必要とする場合がある。この例を続けると、一酸化炭素データが取得されると、作業員に適切に警告するためにシステム全体にデータを迅速に普及させるために、これらのデータは低解像度で保存および/または送信されてもよい。性能やコストのデータは、経済性や生涯にわたるメンテナンスの必要性を追跡するために、より高い解像度で保存・利用されるかもしれない。
追加の実施形態では、トラックのホイールエンド上のセンサは、潤滑、ノイズ(例えば、研削、振動)、および温度を監視することができる。現場では、センサーデータは、遠隔監視のために低解像度で遠隔送信されてもよいが、フリートメンテナンス施設からしきい値の距離内では、データは高解像度で送信されてもよい。
別の例では、データの付随情報は、データをアンパッケージすること、関連する高能力データがシステム内に存在する可能性がある場所を容易に決定すること、および/またはデータを利用する操作を合理化すること(例えば、報告、モデリング、警告、および/またはセンサフュージョンまたは他のシステム分析を実行すること)を含む、(例えば、データにアクセスする下流のデバイスまたはプロセスによる)効率的な下流処理を可能にする。一実施形態は、システム内の第1の記憶装置(例えば、ネットワーク通信リソースを保存するために、ネットワーク層内のセンサの近く)に高能力(例えば、高サンプリングレート、高精度、インデックス付きなど)を記憶し、ネットワーク層を上って(例えば、クラウドコンピューティングデバイスに)低能力データを送信することを含み、低能力データは、記憶された高能力データにアクセスするための付随情報を含み、ユーザがアクセス可能な付随データ(例えば、ユーザーがアクセスできる付属データ(例:ヘッダー、メッセージボックス、またはその他の有機的にインターフェース可能な付属データ)および/または自動プロセスがアクセスできる付属データ(例:構造化データ、XML、入力済みフィールドなど)を含み、プロセスが付属データを利用して高能力データを自動的に要求、取得、またはアクセスすることができる。特定の実施形態では、付属データは、コンテンツ、精度、サンプリング時間、キャリブレーション(例えば、デバウンス、フィルタリング、または適用される他の処理)に関する情報をさらに含み、アクセスするコンポーネントまたはユーザーが、高機能データを取得することなく、当該データが所望のパラメータを満たすかどうかを判断できるようになっている。
ある実施形態では、組立ラインのバイブレータに取り付けられた振動センサからの振動ノイズが高解像度フォーマットでローカルに保存される一方で、センサフュージョンのための周囲およびローカルノイズデータの利用可能性に関する付随情報を含む同じデータの低解像度バージョンがクラウドベースのサーバに送信されることがある。機械学習プロセスなど、サーバー上の常駐プロセスが高解像度データを必要とする場合は、その時点でサーバーがデータを取得してもよい。
飛行機のエンジンの別の実施形態では、複数のセンサから集約された性能データが、付随する情報とともに飛行中にリモートサイトに送信されることがある。歴史的な飛行機情報に関連するメタデータを有するヘッダなどの付随情報により、リモートサイトは、追加のデータベースにアクセスすることなく、歴史的データの文脈で性能データを効率的に分析することができる場合がある。
発電施設の石炭粉砕機のさらなる実施形態では、粉砕機から出る石炭のサイズに関する低品質のセンサデータに付随するデータは、粉砕機がメンテナンスのためにオフラインになる必要があるという判断を確認するために、より高い解像度のデータが必要かどうかを技術者が判断できるように、サイズ測定の精度に関する情報を含んでもよい。
石油・ガス生産に採用されている掘削機または生産プラットフォームのさらなる実施形態では、ドリルおよびプラットフォームの動作のパラメータに関して高能力データを取得してローカルに保存してもよいが、帯域幅を節約するために低能力データのみをオフサイトで送信する。低能力データとともに、付随する情報には、高能力データが必要になった場合に、オフサイトの自動化されたプロセスが自動的に高能力データにアクセスする方法に関する指示が含まれる場合がある。
さらに別の実施形態では、石油・ガスの生産や採掘に使用されるポンプの温度センサは、高解像度フォーマットでローカルに保存されてもよいが、センサフュージョンのためのノイズおよびエネルギー使用データの利用可能性に関する付随情報を含む同じデータの低解像度バージョンは、クラウドベースのサーバに送信されてもよい。機械学習プロセスなど、サーバー上の常駐プロセスが高解像度データを必要とする場合は、その時点でサーバーがデータを取得してもよい。
自動ロボット処理装置または農業環境におけるギアボックスの別の実施形態では、複数のセンサから集約された性能データが、付随する情報とともに使用中にリモートサイトに送信されてもよい。過去のギアボックス情報に関連するメタデータを有するヘッダなどの付随情報により、リモートサイトは、追加のデータベースにアクセスすることなく、過去のデータのコンテキストで性能データを効率的に分析することができる場合がある。
鉱山の換気システムのさらなる実施形態では、空気中の微粒子のサイズに関する低品質のセンサデータに付随するデータは、換気システムにメンテナンスが必要であるという判断を確認するために高解像度のデータが必要であるかどうかを技術者が判断できるように、サイズ測定の精度に関する情報を含んでもよい。
農業に使用される転がり軸受のさらなる実施形態では、転がり軸受の動作のパラメータに関して高能力データを取得してローカルに保存してもよいが、帯域幅を節約するために低能力データのみをオフサイトで送信する。低能力データとともに、付随する情報は、自動化されたオフサイトプロセスが必要な場合に高能力データに自動的にアクセスする方法に関する指示を含むことができる。
鉱山のスタンプミルのさらなる実施形態では、スタンプミルから出る鉱床のサイズに関する低品質のセンサデータに付随するデータには、サイズ測定の精度に関する情報が含まれる場合があり、技術者は、スタンプミルが動作パラメータの変更を必要とするという判断を確認するために、より高い解像度のデータが必要かどうかを判断することができる。
図130を参照すると、例示的な記憶時間定義12536が描かれている。例示的なストレージ時間定義12536は、多数の時間値12558に対応する多数のストレージロケーション12556を描いている。記憶タイプ、記憶媒体、記憶アクセス、記憶プロトコル、記憶書き込み値、記憶セキュリティ、および/または記憶バックアップ値などの任意の値が、記憶時間定義12536に含まれてもよいことが理解される。さらに、または代替として、例示的なストレージ時間定義12536は、時間値12558に加えて、または代替として、プロセス操作、イベント、および/または他の値を含んでもよい。例示的な記憶時間定義12536は、第1の時間間隔にわたって第1の記憶場所12550への、第2の時間内部にわたって第2の記憶場所12552への、および第3の時間間隔にわたって第3の記憶場所12554への、関連するセンサデータの移動を描いている。記憶場所値12550、12552、12554は、計画された記憶場所に対応する積分選択として描かれているが、追加的または代替的に、値は連続的または離散的であってもよいが、必ずしも積分値である必要はない。例えば、「1」の記憶場所値12550は、第1の記憶場所に関連付けられてもよく、「2」の記憶場所値12550は、第2の記憶場所に関連付けられてもよく、「1」と「2」の間の値は、理解された意味例えば、データを移動するための優先順位(例えば、「1.1」は、「1.4」と比較して相対的に高い優先順位で「2」から「1」にデータを移動するべきであることを示す)、移動するデータの割合(例えば、「1.4」と比較して相対的に高い優先順位で「2」から「1」にデータを移動するべきであることを示す)を有する。例えば、転送操作中のネットワーク使用率、メモリ使用率などを制御するため)、および/または代替オプションを使用した保存場所の優先順位(例えば、保存場所を指示できるようにし、保存場所をシステムの他の制約とバランスさせることができるようにコスト関数に含めるため)。さらにまたは代替として、保管時間定義12536は、追加の次元(例えば、プロトコル、メディア、セキュリティ計画の変更など)を含むことができ、および/または保管計画の複数のオプションを含むことができる(例えば、三角化されたまたは複数の次元の定義空間において、2、3、4、またはそれ以上の保管場所、プロトコル、メディアなどの間で重み付けされた値を提供すること)。
図131を参照すると、例示的なデータ解像度記述12540が描かれている。例示的なデータ解像度記述12540は、多数の時間値12564に対応する多数のデータ解像度値12562を描いている。記憶タイプ、記憶媒体、記憶アクセス、記憶プロトコル、記憶書き込み値、記憶セキュリティ、および/または記憶バックアップ値などの任意の値が、データ解決記述12540に含まれてもよいことが理解される。加えて、または代替として、例示的なデータ解決記述12540は、時間値12558に加えて、または代替として、プロセス操作、イベント、および/または他の値を含んでもよい。例示的なデータ解像度記述12540は、保存された関連センサデータ解像度値12560の解像度の時間間隔での変化を描いており、例えば、最初は低解像度で動作し、高解像度(例えば、プロセス開始時間に対応する)にステップアップし、高解像度値(例えば、関連センサデータの高解像度によってプロセスが大幅に改善されるプロセス時間中)にステップアップし、低解像度値(例えば、プロセスの完了後)にステップアップするようなものである。本例では、例示的な例として、プロセス終了後よりもプロセス開始前の方が高解像度であることを描いているが、データ解像度記述12540は、任意のデータ解像度の軌跡を含んでいてもよい。データ解像度値12560は、計画されたデータ解像度に対応する積分選択値として描かれているが、追加的または代替的に、連続的または離散的な値であってもよく、必ずしも積分値でなくてもよい。例えば、「1」のデータ解像度値12560は、第1のデータ解像度(例えば、特定のサンプリング時間、バイト解像度など)と関連していてもよく、「2」のデータ解像度値12560は、第2のデータ解像度と関連していてもよく、「1」と「2」の間の値は、理解された意味、例えば、定義された解像度でサンプリングするための優先順位(例えば、以下のような意味を持つ。例えば、「1.1」は、「1.3」に比べて相対的に高い優先順位で「1」に対応するサンプリングレートでデータを取得する必要があること、および/または、「1」と「2」の間のレートの10%のサンプリングレートでデータを取得する必要があることを示す)、および/または、代替オプション(例えば、センサーまたはネットワークの制限、データコントローラ、スマートセンサー、またはセンサーからデータを取得するポータブルデバイスなどの利用可能なセンサー通信デバイス、および/または、データ分解能をシステム内の他の制約とバランスさせることができるようなコスト関数に含めること)を備えたデータ分解能の優先順位を示す。追加または代替として、データ解像度記述12540は、追加の次元(例えば、プロトコル、メディア、セキュリティ計画の変更など)を含むことができ、および/またはデータ解像度計画の複数のオプション(例えば、三角化または多次元定義空間において、2、3、4、またはそれ以上のデータ解像度値、プロトコル、メディアなどの間で重み付けされた値を提供すること)を含むことができる。
例示的なシステム12500は、センサ値の数12542および/またはデータ記憶プロファイル12532のうちの少なくとも1つに応答して、ハプティックフィードバック命令12548を決定するハプティックフィードバック回路12530と、ハプティックフィードバック命令12548に応答するハプティックフィードバックデバイス12516とをさらに含む。例示的かつ非限定的な触覚フィードバック命令12548は、以下のような命令を含む:振動命令;温度命令;音命令;電気命令;および/または光命令。ハプティックフィードバック回路12530の例示的かつ非限定的な動作は、データが、触覚フィードバックデバイス12516および/または触覚フィードバックデバイス12516と通信しているユーザ12518に関連する携帯デバイスに保存されているか、または保存されているというフィードバックを含む(例えば、以下のように。ユーザ12518は、システム12500がセンサデータを格納するために利用するスマートフォンを持ってシステム12500を通過し、スマートフォンがシステム12500によって現在利用されていることをユーザ12518に通知するための触覚フィードバック命令12548を提供し、例えば、ユーザ12518がセンサ、データコントローラ、または他の送信デバイスとの通信を維持することを可能にし、および/または、ユーザがデータ転送を積極的にキャンセルまたは有効にすることを可能にする)。)さらにまたは代替として、触覚フィードバックデバイス12516は、スマートフォンであってもよく(例えば、スマートフォンの振動、音、光、または他の触覚的側面を利用する)、および/または、触覚フィードバックデバイス12516は、データ記憶および/または通信機能を含んでいてもよい。
特定の実施形態では、触覚フィードバック回路12530は、例えば、プロセスが開始されたこと、または開始されようとしていること、異常な動作が検出されたこと、または予測されたこと、システムのコンポーネントがメンテナンスを必要とすること、またはメンテナンスを必要とすることが予測されること、システムの側面が、ユーザ12518が注意したいと思う可能性がある状態にあること(例えば、コンポーネントがまだ電力を供給されていること、任意のタイプの高い潜在的エネルギーを有していること、および/またはユーザ12518がコンポーネントに近接している可能性がある高温であること)をユーザf25f8に警告または通知するために、ユーザ12518への警告または通知として、触覚フィードバック命令12548を提供する。コンポーネントにまだ電力が供給されていること、あらゆる種類の高い潜在的エネルギーを有していること、高圧であること、および/または、ユーザ12518がコンポーネントに近接している可能性がある高温であること)、システムのデータストレージ関連の側面が注目すべき状態であること(例えば、特定の実施形態では、触覚フィードバック回路12530は、触覚フィードバック命令12548を構成して、ユーザ12518に直感的なフィードバックを提供する。例えば、警告値は、情報通知に対して、より迅速、緊急、および/または断続的な振動モードを提供してもよく、温度ベースの警告または通知は、温度ベースの触覚フィードバックを利用してもよく(例えば、過温容器通知は、暖かいまたは冷たい触覚フィードバックを提供してもよい)、および/または温度に関連する色を点滅させてもよい(例えば、電気的な通知では、電気に関連した触覚フィードバック(例えば、ブザー音やスパーク音などの電気に関連した音や、ユーザーがまだ電源が入っている部品のパネルを開けたときのような軽い電気的フィードバック)を提供したり、振動を提供したりすることができる。例えば、専門家が物理的に接触することなくコンポーネントを診断できるように、要求されたコンポーネントで検出された振動に類似した振動プロファイルを触覚フィードバックデバイスに送信したり、コンポーネントに入る前、パネルを開く前、および/または潜在的に危険なエリアに入る前に、ユーザーがロックアウト/タグアウト操作をダブルチェックする場合に、要求されたコンポーネントに対する触覚フィードバックを提供したりすることができる。ハプティック・フィードバック回路12530の動作について提供された例は、非限定的な図示である。
図132を参照すると、産業環境におけるデータ収集のための例示的な装置12566は、コントローラ12512と、多数のセンサデータ値12542を解釈するセンサ通信回路12522と、データ記憶プロファイル12532を決定するセンサデータ記憶プロファイル回路12524とを含み、データ記憶プロファイル12532は、多数のセンサデータ値12542のためのデータ記憶計画を含み、ネットワークコーディング回路12568は、多数のセンサデータ値12542およびデータ記憶プロファイル12532に応答して、ネットワークコーディング値12570を提供する。コントローラ12512は、データ格納プロファイル12532およびネットワークコーディング値12570に応答して、多数のセンサデータ値12542の少なくとも一部を格納するセンサデータ格納実施回路12526をさらに含む。ネットワークコーディング値12570は、限定されるものではないが、パケットサイジング、分配、パケット内のセンサデータの組み合わせ、ネットワークデータおよび通信のためのエンコードおよびデコードアルゴリズムなどのデータ伝送のためのネットワークエンコーディング、および/または、システム全体のネットワーク通信を制御するための他のあらゆる側面を含む。特定の実施形態では、ネットワークコーディング値12570は、線形ネットワークコーディングアルゴリズム、ランダム線形ネットワークコーディングアルゴリズム、および/またはコンボリューションコードを含む。追加または代替として、ネットワークコーディング回路12568は、システムのネットワーク通信デバイスのスケジューリングおよび/または同期を提供し、システム内の別々のネットワークのための別々のスケジューリングおよび/または同期を含むことができる。ネットワークコーディング回路12568は、データ量、転送速度、およびネットワーク利用率に応じて、システム全体でネットワークコーディング値12570をスケジューリングし、代替的または追加的に、自己学習および/または機械学習動作を実行して、ネットワークコーディングを改善または最適化する。例えば、データコントローラへの単一の低容量データ転送を有するセンサは、線形ネットワークコーディングなしでデータコントローラへのTCP/IPパケット通信を利用することができ、一方、より高容量のデータ転送を有するセンサは、線形ネットワークコーディングなしでデータコントローラへのTCP/IPパケット通信を利用することができる。データコントローラから別のシステムコンポーネント(例えば、コントローラ12532)への集約されたデータ転送は、線形ネットワークコーディングを利用することができる。例示のネットワークコーディング回路12568は、システム内のコンポーネントに対してネットワークコーディング値12570をリアルタイムで調整して、転送速度、電力利用率、エラーおよびパケットの損失、および/または他の任意の所望のパラメータを最適化または改善する。例えば、所定のコンポーネントは、結果的に転送レートが低いが、利用可能なメモリが大きく、一方、下流のコンポーネントは、利用可能なメモリが低く(潜在的にそのコンポーネントのデータストレージの期待値に比べて)、それに応じて、所定のコンポーネントのための複雑なネットワークコーディング値12570は、システム全体のデータのスループットの改善につながらない可能性があり、一方、下流のコンポーネントのスループットを向上させるネットワークコーディング値12570は、より複雑なネットワークコーディング値12570のための処理オーバーヘッドを正当化する可能性がある。
例示的なシステムは、ネットワークコーディング回路12568が、ネットワーク定義値12572をさらに決定することと、ネットワーク定義値12572に応答してネットワークコーディング値12570をさらに提供することとを含む。例示的なネットワーク定義値12572は、以下のような値を含む:ネットワークフィードバック値(例えば、転送レート、アップタイム、同期利用可能性など)、ネットワーク条件値(例えば、ノイズの存在、送信/受信能力、ドロップアウトなど)、ネットワークトポロジー値(例えば、デバイスの通信フローおよび接続性、デバイスのオペレーティングシステム、プロトコル、およびストレージタイプ、デバイス上の利用可能なコンピューティングリソース、システム内のデバイスの位置および機能)、断続的に利用可能なネットワークデバイス値(例えば、間欠的に利用可能なネットワークデバイスの値(例えば、時間またはプロセス段階におけるデバイスの既知または観測された利用可能性、デバイスの予測された利用可能性、デバイスの利用可能性を低下させるプロセス操作など、デバイスの既知のノイズ要因の予測)、および/またはネットワークコスト記述値(例えば、以下のようなもの。デバイスのリソース使用率(処理、メモリ、および/または通信リソースの相対的なコストまたは影響など)、デバイスの電力使用率および電力消費のコスト、デバイスの利用可能な電力、および電力消費に関連する外部性のコスト記述(電力自体は高価ではないかもしれないが、特定の場所での電力には、操作中のデバイスの利用可能性またはアクセスを含む、交換に関連するコストがあるバッテリーなど)。
例示的なシステムは、センサデータ記憶実装回路が、第1のネットワーク符号化値12570を利用してセンサデータ値12542の数の第1の部分を記憶するように、ネットワーク符号化値12570をさらに提供することと、センサデータ値12542の数の第2の部分を記憶することと、を含む。第2のネットワーク符号化値12570を利用する(例えば、ネットワーク符号化値12570は、送信されるデータ、送信装置、および/または時間またはプロセス段階に応じて変化することができる)。例示的かつ非限定的なネットワーク符号化値には、ネットワークタイプの選択(例えば、パブリック、プライベート、ワイヤレス、ワイヤード、イントラネット、外部、インターネット、セルラーなど)、ネットワークの選択(例えば、利用可能な数のネットワークのうち、どの1つまたは複数が利用されるか)、ネットワーク符号化の選択(例えば、以下のものが含まれる。パケット定義、符号化技術、線形、ランダム線形、畳み込み、三角形など)、ネットワークタイミングの選択(デバイス間のデータ伝送の同期と順序付けなど)、ネットワーク機能の選択(ネットワークサポートデバイスまたはデバイスのオン/オフなど)。ネットワーク機能の選択(ネットワークサポートデバイスまたはリピータのオン/オフ、セキュリティの有効化/無効化/調整、デバイスの電力の増減など)、ネットワークプロトコルの選択(TCP/IP、FTP、Wi-Fi、Bluetooth、Ethernet、および/またはルーティングプロトコルなど)、パケットサイズの選択(ヘッダおよび/またはパリティ情報を含む)、および/またはパケット順序の選択(デバイスに存在する可能性のある様々なセンサ情報をどのように送信するかを決定すること、および/またはパケットとデータ値の対応を決定することなど)。例示的なネットワーク符号化回路12568は、ネットワーク符号化値12570をさらに調整して、中間ネットワーク符号化値(例えば、システム上のテスト符号化値として、および/またはオフラインで実行されるモデル化された符号化値として)を提供し、ネットワーク符号化値12570および中間ネットワーク符号化値のそれぞれに対応する性能指標12574を比較し、性能指標12574の比較に応答して、更新されたネットワーク符号化値(例えば、ネットワーク符号化値12570として)を提供することが可能である。
例示的なシステムは、多数の構成要素と、それぞれが多数の構成要素のうちの少なくとも1つに動作可能に結合された多数のセンサとを有する産業システムを含む。多数のセンサは、多数のセンサ値を提供し、システムは、コントローラ、データコレクタ、プラントコンピュータ、クラウドベースのサーバおよび/またはグローバルコンピューティングデバイス、および/またはネットワーク層などの多数の組織構造をさらに含み、組織構造は、多数のセンサ値の少なくとも一部を自己組織的に記憶するように構成される。例えば、コントローラ12512の動作は、センサデータを格納するためのリソース(プロセッサ、ネットワーク、および/またはメモリ)の消費を低減するために、センサデータ値の格納および分配を提供する。自己組織化操作は、貯蔵されたセンサデータの経時的な管理を含み、したがって操作を完了するのに間に合うようにシステム構成要素にセンサ情報を提供することを含む(例えば、プロセスの制御、改善、モデリング、および/または機械学習、システムの運用)。さらに、記憶媒体、地理的、および/または不正アクセスによる長期的なセキュリティを含むデータセキュリティが、データストレージのライフサイクルを通して考慮される。例示的なシステムは、産業システムに対応する強化されたデータ要求値または警告値の少なくとも1つに応答して、センサ値の数の強化された解像度を提供する組織構造をさらに含む。システムは、システムへの影響を考慮して保存プロセスを制御することにより、解像度の低いデータ、サマリーデータ、またはその他のアクセシビリティデータを利用可能な状態に保ち、より高い解像度のデータを、要求時および/またはシステム運用に適した時間に利用可能な、リソース使用率の低い方法で保存することで、解像度を向上させる。強化された解像度の例としては、強化された空間解像度、強化された時間領域の解像度、センサー値の数の標準的な解像度よりも多い数のセンサー値、および/またはセンサー値の数の標準的な解像度よりも少なくとも1つのセンサー値の精度が高いことが挙げられる。例示的なシステムは、ネットワーク層をさらに含み、組織化構造は、ネットワーク層上の数のセンサ値の通信のための自己組織化ネットワークコーディングのために構成される。例示的なシステムは、産業システムまたはネットワーク層の少なくとも1つに近接するユーザの触覚フィードバックデバイスをさらに含み、組織構造は、触覚フィードバックデバイスに触覚フィードバックを提供するために、および/またはユーザに直感的なアラートを提供するために触覚フィードバックを構成するために構成される。
実施形態では、産業環境におけるデータ収集のためのシステムは、複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、データ記憶プロファイルを決定するように構成されたセンサデータ記憶プロファイル回路であって、データ記憶プロファイルは、複数のセンサデータ値のためのデータ記憶計画を含む、センサデータ記憶実装回路と、データ記憶プロファイルに応答して、複数のセンサデータ値の少なくとも一部を記憶するように構成されたセンサデータ記憶実装回路とを含んでもよい。実施形態では、データ格納プロファイルは、複数のセンサデータ値のうちの少なくとも1つに対応する格納場所定義を含んでもよく、格納場所定義は、センサ格納場所、センサ通信デバイス格納場所、地域ネットワーク格納場所、およびグローバルネットワーク格納場所からなる場所から選択される少なくとも1つの場所を含む。データストレージプロファイルは、複数のセンサデータ値のうちの少なくとも1つに対応するストレージ時間定義を含むことができ、ストレージ時間定義は、以下からなる時間値から選択された少なくとも1つの時間値を含むことを特徴とする。対応する複数のセンサデータ値のうちの少なくとも1つが格納される時間領域記述、対応する複数のセンサデータ値のうちの少なくとも1つが格納される複数の格納場所に対応する複数の時間値からなる時間領域格納軌跡、対応する複数のセンサデータ値のうちの少なくとも1つが格納されるプロセス記述値、および対応する複数のセンサデータ値のうちの少なくとも1つが格納される複数の格納場所に対応する複数のプロセスステージからなるプロセス記述軌跡。データ記憶プロファイルは、複数のセンサデータ値のうちの少なくとも1つに対応するデータ解像度記述を含んでもよく、データ解像度記述は、以下のうちの少なくとも1つを含んでいる。複数のセンサデータ値のうちの少なくとも1つに対応する検出密度値、複数のセンサデータ値のうちの少なくとも1つに対応する検出密度値、複数のセンサデータ値のうちの少なくとも1つの複数の検出密度値からなる検出密度軌跡であって、複数の検出密度値のそれぞれが時間値に対応する検出密度軌跡。前記複数のセンサデータ値のうちの少なくとも1つのセンサデータ値の複数の検出密度値からなる検出密度軌跡であって、前記複数の検出密度値のそれぞれがプロセスステージ値に対応する検出密度軌跡と、前記複数のセンサデータ値のうちの少なくとも1つのセンサデータ値の複数の検出密度値からなる検出密度軌跡であって、前記複数の検出密度値のそれぞれが記憶位置値に対応する検出密度軌跡と、を有する。前記センサデータ記憶プロファイル回路は、前記センサデータ記憶実装回路の動作後に前記データ記憶プロファイルを更新する構造をさらに有し、前記センサデータ記憶実装回路は、前記更新されたデータ記憶プロファイルに応答して前記複数のセンサデータ値の一部を記憶する構造をさらに有する、としてもよい。センサデータ記憶プロファイル回路は、外部データに応答してデータ記憶プロファイルを更新するようにさらに構造化されていてもよく、外部データは、拡張データ要求値、プロセス成功値、プロセス失敗値、コンポーネントサービス値、コンポーネントメンテナンス値、ネットワーク記述値、プロセスフィードバック値、ネットワークフィードバック値、センサフィードバック値、および第2のデータ記憶プロファイルから選択された少なくとも1つのデータ値を含み、第2のデータ記憶プロファイルは、オフセットシステムのために生成されたものである。記憶計画回路は、データ構成計画を決定し、データ構成計画に応答してデータ記憶プロファイルを更新し、センサデータ記憶実装回路は、更新されたデータ記憶プロファイルに応答して、複数のセンサデータ値の少なくとも一部を記憶するようにさらに構成されてもよい。データ構成プランは、データ記憶構造値、データ圧縮値、データ書き込み戦略値、データ階層値、データに対して決定された拡張アクセス値、およびデータに対応する命令値からなる値から選択された少なくとも1つの値を含んでもよい。ハプティックフィードバック回路は、複数のセンサ値またはデータストレージプロファイルのうちの少なくとも1つに応答してハプティックフィードバック命令を決定する構造であってもよく、ハプティックフィードバック命令に応答するハプティックフィードバックデバイスを備えている。触覚フィードバック命令は、振動命令、温度命令、音命令、電気命令、および光命令からなる命令から選択される少なくとも1つの命令を含んでもよい。データ保存計画は、フィードバックを利用するルールベースのエキスパートシステムによって生成されてもよく、フィードバックは、産業環境の側面または複数のセンサデータ値のうちの1つ以上に関連する。データ保存プランは、フィードバックを利用するモデルベースのエキスパートシステムによって生成されてもよく、フィードバックは、産業環境の側面または複数のセンサデータ値のうちの1つ以上に関連する。データ保存プランは、フィードバックを利用する反復エキスパートシステムによって生成されてもよく、フィードバックは、産業環境の側面または複数のセンサデータ値のうちの1つまたは複数に関連する。データ保存計画は、フィードバックを利用する深層学習機械システムによって生成されてもよく、フィードバックは、産業環境の側面または複数のセンサデータ値のうちの1つまたは複数に関連する。データ保存計画は、ストレージの基礎となる物理媒体の種類、ストレージが存在するデバイスまたはシステムの種類、およびデータの読み書きのためにストレージにアクセスできるメカニズムの1つ以上に基づいていてもよい。基礎となる物理媒体は、テープ媒体、ハードディスクドライブ媒体、フラッシュメモリ媒体、不揮発性メモリ、光学媒体、およびワンタイムプログラマブルメモリのうちの1つであってもよい。データストレージ計画は、基礎となる物理媒体またはメディアコントローラに関連する、または固有の、保存期間、電力使用量、信頼性、冗長性、熱性能係数、環境条件に対する堅牢性、入出力速度および能力、書き込み速度、読み取り速度、データファイル構成、オペレーティングシステム、読み書きライフサイクル、データエラーレート、およびデータ圧縮の側面のうちの1つ以上を含む、基礎となる物理媒体に関するパラメータを考慮または指定してもよい。データストレージプランは、ストレージタイププラン、ストレージメディアプラン、ストレージアクセスプラン、ストレージプロトコルプラン、ストレージ書き込みプロトコルプラン、ストレージセキュリティプラン、ストレージロケーションプラン、およびストレージバックアッププランのうちの1つまたは複数を含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、複数のセンサデータ値およびデータストレージプロファイルに応答してネットワークコーディング値を提供するように構造化されたネットワークコーディング回路と、データストレージプロファイルおよびネットワークコーディング値に応答して複数のセンサデータ値の少なくとも一部を記憶するように構造化されたセンサデータストレージ実装回路と、を含んでもよい。ネットワークコーディング回路は、ネットワーク定義値を決定し、ネットワーク定義値に応答してネットワークコーディング値をさらに提供するように構造化されていてもよく、ネットワーク定義値は、ネットワークフィードバック値、ネットワーク条件値、ネットワークトポロジー値、断続的に利用可能なネットワークデバイス値、およびネットワークコスト記述値からなる値から選択された少なくとも1つの値を含むものである。ネットワーク符号化回路は、センサデータ記憶実装回路が、第1のネットワーク符号化値を利用して複数のセンサデータ値の第1の部分を記憶し、第2のネットワーク符号化値を利用して複数のセンサデータ値の第2の部分を記憶するように、ネットワーク符号化値を提供するように構成されてもよい。ネットワーク符号化値は、ネットワークタイプ選択、ネットワーク選択、ネットワーク符号化選択、ネットワークタイミング選択、ネットワーク特徴選択、ネットワークプロトコル選択、パケットサイズ選択、およびパケット順序選択からなる値から選択された少なくとも1つの値を含んでもよい。ネットワーク符号化回路は、ネットワーク符号化値を調整して中間ネットワーク符号化値を提供し、ネットワーク符号化値および中間ネットワーク符号化値のそれぞれに対応する性能指標を比較し、性能指標の比較に応答して更新されたネットワーク符号化値を提供するようにさらに構成されていてもよい。
実施形態では、システムは、複数のコンポーネントと、それぞれが複数のコンポーネントのうちの少なくとも1つに動作可能に結合された複数のセンサとを含む産業システムと、複数のセンサが複数のセンサ値を提供することと、複数のセンサ値の少なくとも一部を自己組織化して記憶する手段とを備えてもよい。実施形態では、強化されたデータ要求値または産業システムに対応するアラート値の少なくとも1つに応答して、複数のセンサ値の解像度を強化する手段が提供されてもよく、強化された解像度は、強化された空間解像度、強化された時間領域、および強化された時間領域の少なくとも1つから構成される。解像度、複数のセンサ値の標準的な解像度よりも複数のセンサ値の数が多いこと、および複数のセンサ値の標準的な解像度よりも複数のセンサ値の少なくとも1つの精度が高いことを特徴とする。システムは、ネットワーク層を含み、ネットワーク層上の複数のセンサ値の通信のための自己組織化ネットワークコーディングの手段を含んでもよい。システムは、産業用システムまたはネットワーク層の少なくとも一方に近接するユーザの触覚フィードバック装置に、触覚フィードバックを提供する手段を含んでもよい。本システムは、ユーザに直感的な警告を提供するように、触覚フィードバックを構成する手段を含んでもよい。
実施形態において、鉱山から収集されたデータのための自己組織化データストレージのためのシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路と、を含んでもよい。実施形態では、システムは、組立ラインから収集されたデータのための自己組織化データストレージであって、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して、複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路と、を含むことができる。
実施形態では、農業システムから収集されたデータのためのデータストレージを自己組織化するシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して、複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路と、を含んでもよい。
実施形態では、自動車のロボットハンドリングユニットから収集されたデータのためのデータストレージを自己組織化するシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して、複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路と、を含んでもよい。
実施形態では、自動車システムから収集されたデータのためのデータストレージを自己組織化するシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路とを含んでもよい。
実施形態では、自動車のロボットハンドリングユニットから収集されたデータのためのデータストレージを自己組織化するシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路とを含むことができる。
実施形態では、航空宇宙システムから収集されたデータのためのデータストレージを自己組織化するシステムは、複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して、複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実装回路とを含んでもよい。
実施形態では、鉄道から収集されたデータのための自己組織化データストレージのシステムは、複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実装回路とを含むことができる。
実施形態では、石油・ガス生産システムから収集されたデータのためのデータストレージを自己組織化するシステムは、複数のセンサデータ値を解釈するように構造化されたセンサ通信回路と、データストレージプロファイルを決定するように構造化されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して、複数のセンサデータ値の少なくとも一部を格納するように構造化されたセンサデータストレージ実装回路と、を含んでもよい。
実施形態では、発電システムから収集されたデータのためのデータストレージを自己組織化するシステムであって、複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路であって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを含む、センサデータストレージプロファイル回路と、データストレージプロファイルに応答して、複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実装回路とを備える。
実施形態では、ネットワークにおけるセンサデータのネットワーク伝送のための自己組織化ネットワークコーディングを使用して、産業環境に配備された1つまたは複数の機械におけるまたはそれに関連するデータ収集のための方法およびシステムが提供される。実施形態では、ネットワーク符号化を使用して、パケット(本開示および参照により組み込まれた文書全体に開示された様々な実施形態に記載されたパケットのストリームを含む)が送信者(例えば、データコレクタ、計測システム)から中継される方法を指定および管理することができる。データが収集される産業環境のデータコレクタ、計装システム、コンピュータなど)から受信者(例えば、産業環境の別のデータコレクタ(スウォームまたは協調グループなど)、計装システム、コンピュータ、ストレージなど、またはリモートコンピュータ、サーバー、クラウドプラットフォーム、データベース、データプール、データマーケットプレイス、モバイルデバイス(例えば、アクセスポイント、スイッチ、ルーター、サーバー、ゲートウェイ、ブリッジ、コネクター、物理インターフェースなどの1つ以上のネットワークインフラ要素(本明細書ではノードと呼ぶことがある)を介して、ネットワークに接続されたデバイス(携帯電話、パーソナルコンピューター、タブレットなど)に接続することができる。IPベースのプロトコル、TCP/IP、UDP、HTTP、Bluetooth、Bluetooth Low Energy、セルラープロトコル、LTE、2G、3G、4G、5G、CDMA、TDSM、パケットベースのプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、ブロードキャストプロトコル、マルチキャストプロトコル、ユニキャストプロトコルなどの1つまたは複数のネットワークプロトコルを使用すること。双方向通信を含む状況では、上述のデバイスやシステムのいずれか、または本開示全体で言及されているその他のデバイスやシステムが、送信者または受信者、あるいはその両方の役割を果たすことがある。ネットワークコーディングは、また、ネットワークの利用可能性(複数の代替ネットワークの利用可能性を含む)を考慮し、異なるコンポーネントに分割したり、同じコンポーネントを冗長的に送信したりして、異なるネットワークを介して送信を行うことができるようにする。ネットワークコーディングでは、帯域幅とスペクトルの利用可能性を考慮することができる。例えば、所定のスペクトルを分割することができる(周波数によるスペクトルの細分化、時分割多重化、およびその他の技術など)。ネットワークまたはそのコンポーネントは、ネットワークリソースのプロビジョニング、仮想化されたネットワークのためのネットワークコーディングの仕様などの目的のために、仮想化されてもよい。ネットワーク符号化には、ここで説明されているような様々なアプローチが含まれるが、ここでは、組み込まれた文書に記載されている。
実施形態では、本開示の1つまたは複数のネットワーク符号化システムまたは方法は、モデルベースのシステムを構成することができるエキスパートシステムを使用して、1つまたは複数のネットワークを介した1つまたは複数の伝送のためにネットワーク符号化パラメータを構成するなど、自己組織化を使用することができる(伝送されるデータまたはコンテンツのパラメータ、送信者、受信者、利用可能なネットワークインフラストラクチャコンポーネント、ネットワークインフラストラクチャの条件、産業環境の条件など、伝送に関連する1つまたは複数の定義または測定されたパラメータに基づいて、ネットワーク符号化パラメータまたは構成を自動的に選択するなど)。モデルは、例えば、ファイルサイズ、パケット数、ストリームのサイズ、データパケットまたはストリームの重要性、パケットまたはストリームの価値、伝送コスト、伝送の信頼性、サービスの質、伝送の質、ユーザーエクスペリエンスの質、財務利回り、スペクトルの利用可能性、入出力速度、ストレージの利用可能性、ストレージの信頼性、および本開示全体で言及されている他の多くのものに関連するパラメータを考慮することができる。実施形態では、エキスパートシステムは、ルールベースのシステムで構成されてもよく、条件またはパラメータの検出、変数の計算などに基づいて、1つまたは複数のルールが実行される。実施形態では、エキスパートシステムは、ニューラルネットワーク、自己組織化マップ、または他の人工知能アプローチ(本開示または参照により組み込まれた文書全体に記載されたものを含む)に基づくような、深層学習システムなどの機械学習システムを構成してもよい。本開示の実施形態のいずれかにおける機械学習システムは、1つまたは複数の入力、重み、接続、機能(ニューラルネット内の個々のニューロンまたはニューロン群の機能を含む)、または人工知能システムの他のパラメータを構成してもよい。このような設定は、成功または失敗の様々な指標をフィードバックするなど、人間の監督を任意に伴う反復とフィードバックによって行われる場合がある。ネットワークコーディングの場合、設定には、ネットワークコーディングの仕様または計画に対する1つまたは複数のコーディングパラメータの設定が含まれる。例えば、ネットワークの選択、1つまたは複数のノードの選択、データパスの選択、タイマーまたはタイミングパラメータの設定、冗長性パラメータの設定、コーディングタイプの設定(ピアツーピアネットワークなどの分散ストレージのためのネットワークコーディングの使用など、再生成コードの使用を含む)などがある。符号化のための係数(線形代数係数を含む)、ランダムまたはニアランダム線形ネットワーク符号化のためのパラメータ(符号化のためのニアランダム係数の生成を含む)、セッション構成パラメータ、または以下に説明するネットワーク符号化の実施形態、本開示全体、および参照により本明細書に組み込まれる文書に記載されている他のパラメータを含む。例えば、機械学習システムは、送信のためのプロトコルの選択、使用されるネットワーク(複数可)の選択、1つ以上の送信者の選択、1つ以上の経路の選択、1つ以上のネットワークインフラストラクチャノードの構成、宛先受信者の選択、受信者の構成などを構成することができる。実施形態では、これらの各1つは、個々の機械学習システムによって構成されてもよいし、同じシステムが、反復の下で、一連の試行を通じて、上記の1つまたは複数の様々なパラメータを調整することによって、全体的な構成を構成してもよく、この構成は、人間によるパラメータの構成に基づいてもよいし、モデルベースおよび/またはルールベースの構成によってもよい、トレーニングセットによって任意にシードされるものである。機械学習システムへのフィードバックは、伝送の成功または失敗、信頼性、効率(伝送されるビットあたりのエネルギー、保存されるビットあたりのエネルギーの測定など、コストベース、エネルギーベース、およびその他の効率の測定を含む)、伝送の品質、サービスの品質、財務上の収率、運用上の有効性、予測の成功、分類の成功など、さまざまな測定値で構成される場合がある。実施形態では、機械学習システムは、ネットワークの動作または特性を予測することによってネットワークコーディングパラメータを構成してもよく、上述の技術のいずれかを使用して予測を改善するように学習してもよい。実施形態では、機械学習システムは、1つまたは複数のネットワーク要素および/または1つまたは複数のネットワーク動作の分類によってネットワークコーディングパラメータを構成してもよく、時間をかけたトレーニングおよび反復などによって、分類を改善するようにしてもよい。このような機械ベースの予測および/または分類は、モデルベース、ルールベース、および機械学習ベースによるものを含め、自己組織化のために使用または構成することができる。このように、ネットワークコーディングの自己組織化は、モデルベースのシステム、ルールベースのシステム、および様々な異なる機械学習システム(特に、分類システム、予測システム、および深層学習システムを含む)の様々な組み合わせまたは順列を使用または構成することができる。
「クロスセッションネットワーク通信構成」と題された米国特許出願2017/0013065に記載されているように、ネットワークコーディングは、第1のノードと第2のノードとの間のデータパス上のデータチャネルを介したデータ通信のための方法およびシステムを含んでもよく、データチャネルを通過する1つまたは複数の現在または以前のデータ通信接続を特徴付けるデータを維持することと、維持されたデータに少なくとも部分的に応じて新しいデータ通信接続を構成することを含む、第1のノードと第2のノードとの間の新しいデータ通信接続を開始することとを含むことができる。前記維持されたデータは、前記1つまたは複数の現在または以前のデータ通信接続が通過する、前記第1のノードと前記第2のノードとの間の1つまたは複数のデータパス上の1つまたは複数のデータチャネルを特徴付けてもよい。前記維持データは、前記1つまたは複数のデータチャネルのエラーレートを特徴付けてもよい。前記維持されたデータは、前記1つまたは複数のデータチャネルの帯域幅を特徴付けることができる。維持されたデータは、1つまたは複数のデータチャネルのラウンドトリップタイムを特徴づけることができる。維持されたデータは、1つまたは複数の現在または以前のデータ通信接続の通信プロトコルパラメータを特徴付けることができる。
通信プロトコルパラメータは、輻輳ウィンドウサイズ、ブロックサイズ、インターリーブ係数、ポート番号、ペーシング間隔、ラウンドトリップタイム、およびタイミング変動のうちの1つ以上を含んでもよい。通信プロトコルパラメータは、輻輳ウィンドウサイズ、ブロックサイズ、インターリーブ係数、ポート番号、ペーシングインターバル、ラウンドトリップタイム、およびタイミング変動のうちの2つ以上を含んでもよい。
維持されたデータは、1つまたは複数の現在または以前のデータ通信接続に関連するフォワードエラー補正パラメータを特徴付けることができる。フォワードエラー訂正パラメータは、コードレートを含んでもよい。新しいデータ通信接続を開始することは、維持されたデータの第1のデータに従って新しいデータ通信接続を構成することを含んでもよく、第1のデータは第1のノードで維持され、新しいデータ通信接続を開始することは、新しいデータ通信接続を構成するために第1のノードから第2のノードに第1のデータを提供することを含む。
新しいデータ通信接続を開始することは、維持されたデータの第1のデータに従って新しいデータ通信接続を構成することを含んでもよく、第1のデータは第1のノードで維持され、新しいデータ通信接続を開始することは、新しいデータ通信接続を構成するために第1のノードで第1のデータにアクセスすることを含む。通信プロトコルの様々なパラメータ、エラー訂正パラメータ、接続パラメータなどを含む、維持されたデータのこれらの要素のいずれかが、維持されたデータに基づいてネットワークコーディングパラメータを設定するルールの実行のため、モデルの母集団のため、またはニューラルネットや他の人工知能システムのパラメータの構成のためを含む、ネットワークコーディングの自己組織化をサポートするために、エキスパートシステムに提供されてもよい。
新しいデータ通信接続を開始することは、維持されたデータの第1のデータに従って新しいデータ通信接続を構成することを含んでもよく、第1のデータは第1のノードで維持され、新しいデータ通信接続を開始することは、第1のノードと第2のノードとの間の新しいデータ通信接続を確立するための第1のノードからの要求を受け入れることを含み、第2のノードで、前記接続を構成するための第1のデータを含む第1のノードからの少なくとも1つのメッセージを受信することを含む。本方法は、第1のノードと第2のノードとの間の新しいデータ通信接続を維持することであって、第1のノードからの少なくとも1つのメッセージで受信した第1のデータに従って前記通信パラメータを初期化することを含む、通信パラメータを維持することを含んでもよい。
新しいデータ通信接続を維持することは、第1のノードからのフィードバックに応じて通信パラメータを適応させることを含んでもよい。第1のノードからのフィードバックは、第1のノードから受信したフィードバックメッセージを含んでもよい。フィードバックは、第1のノードから受信した複数のフィードバックメッセージに由来するフィードバックを含んでもよい。フィードバックは、上述したフィードバックの種類のいずれかに関連していてもよく、エキスパートシステムを使用してデータ通信接続を自己組織化するために使用されてもよい。
いくつかの例では、データパス上のデータチャネルを介したデータ通信接続を確立する前に、データパス上のデータチャネルを介した1つまたは複数のトレーニング通信接続が採用される。トレーニング通信接続は、データチャネルに関する情報を収集するために使用され、その情報はデータ通信接続を確立する際に使用される。他の例では、トレーニング用の通信接続は行われず、データチャネルに関する情報は、データパス上のデータチャネルを介した1つまたは複数の以前または現在のデータ通信接続から得られる。
本開示は、第1のノードと第2のノードとの間のデータパス上のデータチャネルを介したデータ通信のための方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、データチャネルを横断する1つまたは複数の現在または以前のデータ通信接続を特徴付けるデータを維持することと、維持されたデータに従って少なくとも部分的に新しいデータ通信接続を構成することを含む、第1のノードと第2のノードとの間の新しいデータ通信接続を開始することと、を含むことができ、新しいデータ通信接続の構成は、エキスパートシステムによって構成される。
実施形態では、エキスパートシステムは、ルールおよびモデルの少なくとも1つを使用して、構成のパラメータを設定する。
実施形態では、エキスパートシステムは、データチャネルに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
実施形態では、エキスパート・システムは、産業環境で動作する機械に関するデータを受け入れるデータ収集者から複数の入力を受け付ける。
「マルチパスネットワーク通信」と題された米国特許出願2017/0012861に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワークコーディングは、第1のノードと第2のノードとを結合する多数のデータパスを介して第1のノードと第2のノードとの間でデータ通信を行うための方法およびシステムを含んでもよく、多数のデータパスを介して第1のノードと第2のノードとの間でメッセージを送信することを含んでもよい。前記メッセージの第1のサブセットを前記複数のデータパスのうちの第1のデータパスを介して送信することと、前記メッセージの第2のサブセットを前記複数のデータパスのうちの第2のデータパスを介して送信することとを含み第1のデータパスが第1のレイテンシを有し、第2のデータパスが第1のレイテンシよりも実質的に大きい第2のレイテンシを有し、メッセージの第1のサブセットのメッセージが、第1のメッセージ特性を有するように選択され、第2のサブセットのメッセージが、第1のメッセージ特性とは異なる第2のメッセージ特性を有するように選択される。
例えば、産業環境では、機械の重大な故障状態(例えば、過熱、過度の振動、または本開示全体に記載されている他の故障状態のいずれか)に関連するメッセージ、安全上の危険に関連するメッセージ、または他のプロセスが依存するタイムクリティカルな動作ステップ(例えば、高価値の高速製造プロセスにおける触媒反応の完了、サブアセンブリの完了など)に関連するメッセージがタイムクリティカルに指定されることがある。触媒反応の完了、高価値の高速製造プロセス、精製プロセスなどにおけるサブアセンブリの完了など)は、(ルールエンジンによって解析または処理されるルールなどによって)時間的に重要であると指定されるか、または、同様の産業環境で同様のデータを有する同様の機械の結果を含む時間的な結果に関するフィードバックに基づいて、エキスパートシステムによって時間的に重要であると学習されることがある。メッセージの第1のサブセットおよびメッセージの第2のサブセットは、送信時に第1のノードで利用可能なメッセージの一部から決定されてもよい。その後の送信時に、第1のノードで利用可能な追加のメッセージは、追加のメッセージに関連するメッセージ特性に基づいて、第1のサブセットと第2のサブセットに分割されてもよい。サブセットへの分割と、どのサブセットがどのデータパスを対象とするかの選択は、エキスパートシステムによって行われてもよい。第1のメッセージ特性を有するメッセージは、データセットの最初のサブセットに関連付けられてもよく、第2のメッセージ特性を有するメッセージは、データセットの後続のサブセットに関連付けられてもよい。データ収集のための入力を選択するため、およびデータを多重化するための本明細書に記載された方法およびシステムは、エキスパートシステムなどによって編成され、第1のデータパスにリアルタイムの重要性を有するストリーミング要素を提供し、他のデータパスに長期的な予知保全のためなどの他の要素を提供するなどして、代替チャネルのための入力を構成してもよい。実施形態では、第2のサブセットのメッセージは、メッセージに関連する逐次的な送信順序において、最後に確認されたメッセージよりも最大でn個のメッセージが先行するメッセージを含んでもよく、nは、第1および第2のノードの一方におけるバッファサイズに基づいて決定される。
第1のメッセージ特性を有するメッセージは確認応答メッセージを含んでもよく、第2のメッセージ特性を有するメッセージはデータメッセージを含んでもよい。第1のメッセージ特性を有するメッセージは、補足的なデータメッセージを含んでもよい。補足データメッセージは、冗長データを含むデータメッセージを含んでもよく、第2のメッセージ特性を有するメッセージは、オリジナルデータメッセージを含んでもよい。第1のデータパスは、地上データパスを含んでもよく、第2のデータパスは、衛星データパスを含んでもよい。地上データパスは、セルラーデータパス、DSL(digital subscriber line)データパス、光ファイバーデータパス、ケーブルインターネットベースのデータパス、および無線ローカルエリアネットワークデータパスのうちの1つ以上を含んでもよい。衛星データパスは、低地球軌道衛星データパス、中地球軌道衛星データパス、および静止地球軌道衛星データパスのうちの1つまたは複数を含んでもよい。第1のデータパスは、中地球軌道衛星データパスまたは低地球軌道衛星データパスを含み、第2のデータパスは、静止地球軌道衛星データパスを含んでもよい。
本方法は、多数のデータパスの各パスについて、データパスを介したメッセージの成功および失敗の表示を維持することと、表示に基づいてデータパスの輻輳ウィンドウを調整することとをさらに含んでもよく、これは、一連の送信の結果のフィードバックに基づいてなど、エキスパートシステムの制御下で発生してもよい。本方法は、さらに、多数のデータパスの各パスについて、第1のノードにおいて、第2のノードで受信したメッセージの数が、メッセージに関連するデータをデコードするのに十分であるかどうかの指示を維持することを含んでもよく、この指示は、多数のデータパスにわたって第1のノードで受信したフィードバックに基づいている。
別の一般的な態様では、多数のノードを結合する多数のデータパスを介して多数のノード間でデータ通信を行うシステムは、多数のデータパスの第1のデータパスを介してメッセージの第1のサブセットを送信することと、多数のデータパスの第2のデータパスを介してメッセージの第2のサブセットを送信することとを含む、多数のデータパスを介して第2のノードにメッセージを送信するように構成された第1のノードを含む。
実施形態では、それぞれのデータパスのためのメッセージの第1のサブセットおよびメッセージの第2のサブセットは、送信時に第1のノードで利用可能なメッセージの一部から決定されてもよい。その後の送信時に、第1のノードで利用可能な追加のメッセージは、追加のメッセージに関連するメッセージ特性に基づいて、第1のサブセットと第2のサブセットに分割されてもよい。第1のメッセージ特性を有するメッセージは、データセットの初期サブセットに関連付けられてもよく、第2のメッセージ特性を有するメッセージは、データセットの後続サブセットに関連付けられてもよい。
実施形態では、第2のサブセットのメッセージは、メッセージに関連付けられたシーケンシャルな送信順序において、最後に確認されたメッセージよりも最大でn個のメッセージが先行しているメッセージを含んでもよく、nは第2のノードにおける受信バッファサイズに基づいて決定される。第1のメッセージ特性を有するメッセージは、確認応答メッセージを含んでもよく、第2のメッセージ特性を有するメッセージは、データメッセージを含んでもよい。第1のメッセージ特性を有するメッセージには、補完データメッセージ。補足データメッセージは、冗長データを含むデータメッセージを含んでいてもよく、第2のメッセージ特性を有するメッセージは、オリジナルデータメッセージを含んでいてもよい。
第1のノードは、多数のデータパスの各パスについて、データパス上のメッセージの成功および失敗した配信の表示を維持し、表示に基づいてデータパスの輻輳ウィンドウを調整するようにさらに構成されてもよい。第1のノードは、多数のデータパスにわたって第2のノードで受信されたメッセージの数が、メッセージに関連付けられたデータをデコードするのに十分であるかどうかの集約表示を維持し、集約表示に基づいて補足メッセージを送信するようにさらに構成されてもよく、集約表示は、多数のデータパスにわたって第1のノードで受信された第2のノードからのフィードバックに基づくものである。
本開示は、第1のノードと第2のノードとを結合する複数のデータパスを介して第1のノードと第2のノードとの間でデータ通信を行う方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、複数のデータパスの第1のデータパスを介してメッセージの第1のサブセットを送信することと、複数のデータパスの第2のデータパスを介してメッセージの第2のサブセットを送信することとを含む、複数のデータパスを介して第1のノードと第2のノードとの間でメッセージを送信することを含むことができる。前記第1のデータパスが第1のレイテンシを有し、前記第2のデータパスが前記第1のレイテンシよりも実質的に大きい第2のレイテンシを有し、前記第1のサブセットのメッセージが第1のメッセージ特性を有するように選択され、前記第2のサブセットのメッセージが前記第1のメッセージ特性とは異なる第2のメッセージ特性を有するように選択され、前記第1および第2のサブセットのメッセージ特性の選択がエキスパートシステムの制御の下で自動的に実行されることを特徴とする。
実施形態では、エキスパートシステムは、ルールおよびモデルの少なくとも1つを使用して、選択のパラメータを設定する。
実施形態では、エキスパートシステムは、データパスのうちの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
実施形態では、エキスパートシステムは、産業環境で動作する機械に関するデータを受け入れるデータコレクタから複数の入力を受ける。
「マルチプロトコルネットワーク通信(Multiple protocol network communication)」と題された米国特許出願2017/0012868に記載されているように、専門家の制御下での自己組織化されたネットワークコーディングシステムは、第1のノードと第2のノードとの間で、第1のノードと第2のノードとを結合する1つ以上のデータパスを介してデータ通信を行うための方法およびシステムであって、第1の通信プロトコルを使用して第1のデータパスを介してメッセージの少なくとも一部を送信することと、第2の通信プロトコルを使用して第2のデータパスを介してメッセージの少なくとも一部を送信することとを含む、データパスを介して第1のノードと第2のノードとの間でメッセージを送信することを含む場合がある。前記第1のデータパスが、前記第1の通信プロトコルを用いてメッセージを送信することに起因して、前記第1のデータパス上のメッセージの流れを変化させていると判定し、前記判定に応答して、前記第1のデータパスを介して送信されるメッセージの数を減少させ、前記第2のデータパスを介して送信されるメッセージの数を増加させることを含む、前記データパスを介して送信されるメッセージの数を調整するステップと、を含む。第1のデータパスがメッセージの流れを変化させているという判定、および/またはデータパスを介して送信されるメッセージの数を調整することは、ルールベースのシステム、モデルベースのシステム、機械学習システム(深層学習を含む)、またはそれらのいずれかのハイブリッドなどのエキスパートシステムの制御下で行われてもよく、エキスパートシステムは、データパス、ノード、使用される通信プロトコルなどのうちの1つまたは複数に関連する入力を取る。データパスは、産業機械の計装システム、1つまたは複数のモバイルデータコレクタ(任意に群で調整される)、データストレージシステム(ネットワーク接続ストレージを含む)、サーバ、およびその他の情報技術要素など、産業環境におけるデバイスおよびシステムの間にあってもよく、これらのデバイスおよびシステムのいずれも、1つまたは複数のネットワークノードを有するか、または関連付けられていてもよい。データパスは、任意の種類のネットワーク(スイッチ、ルーターなど)内の任意のそのようなデバイスおよびシステムとデバイスおよびシステムの間、またはそれらと、企業の情報技術システム、クラウドプラットフォームなどの遠隔環境にあるものとの間にあってもよい。
第1のデータパスが第1のデータパス上のメッセージの流れを変更していると判定することは、第1のデータパスが第1の通信プロトコルを使用して伝送されるメッセージのレートを制限していると判定することを含んでもよい。第1のデータパスが第1のデータパス上のメッセージの流れを変えていると判断することは、第1のデータパスが、第2のデータパスが第2の通信プロトコルを使用して伝送されるメッセージをドロップしているレートよりも高いレートで、第1の通信プロトコルを使用して伝送されるメッセージをドロップしていると判断することを含んでもよい。第1の通信プロトコルは、UDP(User Datagram Protocol)であってもよく、第2の通信プロトコルは、UDP(User Datagram Protocol)であってもよい。TCP(Transmission Control Protocol)、またはその逆を使用する。本開示で説明した他のプロトコルを使用してもよい。
メッセージは、最初に均等に分割されてもよいし、負荷分散技術を使用するなどして、第1のデータパスおよび第2のデータパスにわたって何らかの所定の割り当て(他の実施形態に関連して述べたように、タイプ別など)に従って分割されてもよい。メッセージは、1つまたは複数の先行するデータ通信接続における第1のデータパスおよび第2のデータパスにわたるメッセージの分割に従って、第1のデータパスおよび第2のデータパスにわたって最初に分割されてもよい。メッセージは、メッセージが第1の通信プロトコルを使用して送信されることにより、第1のデータパスが第1のデータパス上のメッセージの流れを変化させる確率に基づいて、第1のデータパスと第2のデータパスとの間で最初に分割されてもよい。
メッセージは、メッセージタイプに基づいて、第1のデータパスと第2のデータパスに分割されてもよい。メッセージタイプは、確認応答メッセージ、前方誤り訂正メッセージ、再送メッセージ、およびオリジナルデータメッセージのうちの1つ以上を含んでもよい。第1のデータパスを介して送信されるメッセージの数を減少させ、第2のデータパスを介して送信されるメッセージの数を増加させることは、第2のパスを介してすべてのメッセージを送信し、第1のパスを介してすべてのメッセージを送信しないことを含んでもよい。
多数のデータパスのうちの少なくともいくつかは、共通の物理データパスを共有してもよい。第1のデータパスおよび第2のデータパスは、共通の物理的データパスを共有してもよい。多数のデータパスにわたって送信されるメッセージの数の調整は、メッセージの送信の初期段階で行われてもよい。データパスの数にわたって送信されるメッセージの数の調整は、メッセージの送信の継続期間中に繰り返し行われてもよい。多数のデータパスにわたって送信されるメッセージ数の調整は、第1のデータパスを介して送信されるメッセージの数を増加させ、第2のデータパスを介して送信されるメッセージの数を減少させることを含んでもよい。
これは、TCPとUDPがともに低レベルのデータパスを共有し、それにもかかわらず非常に異なるプロトコル特性を持っているためである。
いくつかの例では、アプローチは瞬間的なネットワークの動作に応答し、変化を探ることによってネットワークのデータ処理ポリシーと状態を学習する。例えば、SCADAシステムは、SCADAシステムを介して制御(遠隔制御を含む)されている基本的なマシンやプロセスの機密性や、サイバー攻撃の可能性への懸念から、限られた認可されたユーザ、サービス、アプリケーションのみがデータパスを使用することを許可する場合がある。従来のロードバランサーは、それぞれのデータパスがユニークで他に影響を与えないと仮定していましたが、TCPとUDPは低レベルのデータパスを共有しており、お互いに直接影響を与えることを認識するアプローチもある。さらに、TCPはインオーダーデリバリとデータの再送(フロー制御、輻輳制御なども含む)を行うのに対し、UDPは行わない。この独自性は、本明細書に開示されている方法およびシステムによって提供される追加のロジックを必要とする。このロジックには、プロトコルの異なる特性(例えば、TCPではより長いジッターを期待し、UDPではアウトオブオーダーデリバリーを期待するなど)に少なくとも部分的に基づいて、特定のメッセージタイプを各通信プロトコルにマッピングすることが含まれる場合がある。例えば、TCPは信頼性が高いため、システムはTCP経由で送信されるパケットのコーディングを控えることができるが、UDPでは前方誤り訂正を送信して冗長性を追加し、帯域幅を節約することができる。いくつかの例では、TCPデータをACKするために、より大きなACK間隔が使用される。
例えば、ネットワークプロバイダのポリシーでUDPが不当に扱われているような状況でも(可能であればUDPを使用し、そうでなければTCPにフォールバックする従来のシステムと比較して)、最適または最適に近いスループットを達成するために、本明細書に記載されている技術を採用することで、アプローチはTCPおよびUDPのデータパス上でデータを分配する。
第1のノードと第2のノードとを結合する複数のデータパスを介して、第1のノードと第2のノードとの間でデータ通信を行う方法であって、当該方法は以下を含む。
第1の通信プロトコルを使用して、複数のデータパスのうちの第1のデータパスを介してメッセージの少なくとも一部を送信することと、第2の通信プロトコルを使用して、複数のデータパスのうちの第2のデータパスを介してメッセージの少なくとも一部を送信することとを含む、複数のデータパスを介して、第1のノードと第2のノードとの間でメッセージを送信すること。
第1のデータパスが、メッセージが第1の通信プロトコルを使用して送信されることに起因して、第1のデータパス上のメッセージの流れを変化させていることを決定し、決定に応答して、第1のデータパス上で送信されるメッセージの数を減少させ、第2のデータパス上で送信されるメッセージの数を増加させることを含む、複数のデータパス上で送信されるメッセージの数を調整するステップであって、メッセージの流れの変化は、エキスパートシステムの制御下で自動的に実行される。
実施形態では、エキスパートシステムは、ルール及びモデルの少なくとも1つを使用して、フローの変更のパラメータを設定する。
実施形態では、エキスパートシステムは、データパスのうちの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、及び関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
実施形態では、エキスパートシステムは、産業環境で動作する機械に関するデータを受け入れるデータコレクタから複数の入力を受ける。
実施形態では、第1の通信プロトコルは、UDP(User Datagram Protocol)である。
実施形態では、第2の通信プロトコルは、TCP(Transmission Control Protocol)である。
実施形態では、メッセージは、負荷分散技術を使用して、第1のデータパスと第2のデータパスにわたって最初に分割される。
実施形態では、メッセージは、1つまたは複数の先行するデータ通信接続における第1のデータパス及び第2のデータパスを横断するメッセージの分割に従って、第1のデータパス及び第2のデータパスを横断して最初に分割される。
実施形態では、メッセージは、メッセージが第1の通信プロトコルを使用して送信されることに起因して、第1のデータパスが第1のデータパス上のメッセージの流れを変化させるという確率に基づいて、第1のデータパスと第2のデータパスとの間で最初に分割される。
実施形態では、確率はエキスパートシステムによって決定される。
「Message reordering timers」と題された米国特許出願2017/0012884に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワークコーディングは、第1のノードと第2のノードとを結合するデータチャネルを介して、第1のノードから第2のノードへのデータ通信のための方法及びシステムを含んでもよく、第2のノードでデータメッセージを受信することであって、メッセージは、第1のノードから順次送信されるデータメッセージのセットに属することを含んでもよい。前記第2のノードから前記第1のノードにフィードバックメッセージを送信するステップであって、前記フィードバックメッセージは、前記第2のノードにおける前記データメッセージのセットの配信状態を特徴づけるものであり、配信順序イベントの数の発生に応じて1つ以上のタイマーのセットを維持することを含み、前記維持することは、前記配信順序イベントの数の発生に基づいて前記タイマーのセットの1つ以上のタイマーの状態を変更することと、前記1つ以上のタイマーのセットの1つ以上の期限が切れるまで前記フィードバックメッセージの送信を延期することとを含むステップとを含む。データチャネルは、デバイス間であってもよく、例えば、産業機械の計装システム、1つまたは複数のモバイルデータ収集装置(任意で群をなして調整される)、データストレージシステム(ネットワーク接続型ストレージを含む)、サーバ、その他の情報技術要素などで、これらの要素は1つまたは複数のネットワークノードを有するか、または関連している可能性がある。データチャネルは、そのような任意のデバイス及びシステムと、任意の種類のネットワーク内のデバイス及びシステム(スイッチ、ルーターなど)との間、またはそれらと、企業の情報技術システム、クラウドプラットフォームなどの遠隔環境に位置するものとの間にあってもよい。タイマーが必要であるとの判断、タイマーの設定、及びタイマーの使用者の開始は、ルールベースのシステム、モデルベースのシステム、機械学習システム(深層学習を含む)、またはそれらのハイブリッドなどのエキスパートシステムの制御下で行われることがあり、エキスパートシステムは、発生している通信の種類、データチャネル、ノード、使用されている通信プロトコルなどの1つ以上に関する入力を取得する。
1つまたは複数のタイマーのセットは、第1のタイマーを含んでもよく、第1のタイマーは、第1の配信順序イベントの検出時に開始されてもよく、第1の配信順序イベントは、順次の順序における第1の位置に先行する位置に関連する1つまたは複数の欠落メッセージの受信前に、順次の順序における第1の位置に関連する第1のデータメッセージの受信に関連付けられる。本方法は、第2の配信順序イベントの検出時に、第2のノードにおいてデータメッセージのセットの配信が成功したことを示すフィードバックメッセージを送信することを含んでもよく、第2の配信順序イベントは、第1のタイマーの満了前に1つまたは複数の欠落したメッセージの受信に関連している。本方法は、1つ以上の欠落したメッセージのいずれかが受信される前の第1のタイマーの満了時に、第2のノードにおけるデータメッセージのセットの配信が失敗したことを示す前記フィードバックメッセージを送信することを含んでもよい。前記1つまたは複数のタイマーのセットは、第2のタイマーを含んでもよく、前記第2のタイマーは、第2の配信命令イベントの検出時に開始され、前記第2の配信命令イベントは、前記第1のタイマーの満了前に、すべてではないがいくつかの欠落したメッセージの受信に関連している。本方法は、欠落したメッセージを受信する前の第2のタイマーの満了時に、第2のノードでデータメッセージのセットの配信に失敗したことを示すフィードバックメッセージを送信することを含んでもよい。本方法は、第3の配信命令イベントの検出時に、第2のノードでデータメッセージのセットの配信が成功したことを示すフィードバックメッセージを送信することを含んでもよく、第3の配信命令イベントは、第2のタイマーの満了前の欠落したメッセージの受信に関連している。
別の一般的な態様では、第1のノードと第2のノードとの間のデータチャネルを介して、第1のノードから第2のノードへデータ通信を行う方法は、第1のノードにおいて、第2のノードから第2のノードへ順次送信されるデータメッセージのセットの配信ステータスを示すフィードバックメッセージを受信することを含む。前記第1のノードにおいて、輻輳ウィンドウのサイズを維持することは、多数のフィードバックイベントの発生に応じて1つ以上のタイマーのセットを維持することを含み、前記維持することは、前記多数のフィードバックイベントの発生に基づいて前記タイマーのセットの1つ以上のタイマーの状態を修正することと、前記1つ以上のタイマーのセットの1つ以上が満了するまで前記輻輳ウィンドウのサイズの修正を遅延させることとを含む。
1つまたは複数のタイマーのセットは、第1のタイマーを含んでもよく、第1のタイマーは、第1のフィードバックイベントの検出時に開始されてもよく、第1のフィードバックイベントは、順次の順序における第1の位置の前の位置を有する1つまたは複数の他のデータメッセージの成功した配信を示す1つまたは複数のフィードバックメッセージの受信に先立って、順次の順序における第1の位置を有する第1のデータメッセージの成功した配信を示す第1のフィードバックメッセージの受信に関連している。本方法は、第2のフィードバックイベントの検出時に、輻輳ウィンドウの修正をキャンセルすることを含んでもよく、第2のフィードバックイベントは、第1のタイマーの満了前に、1つ以上の他のデータメッセージの配信成功を示す1つ以上のフィードバックメッセージの受信に関連している。本方法は、1つまたは複数の他のデータメッセージの正常な配信を示す任意のフィードバックメッセージの受信前に、第1のタイマーの満了時に輻輳ウィンドウを修正することを含んでもよい。
1つまたは複数のタイマーのセットは、第2のタイマーを含んでもよく、第2のタイマーは、第3のフィードバックイベントの検出時に開始されてもよく、第3のフィードバックイベントは、第1のタイマーの満了前に、1つまたは複数の他のデータメッセージのすべてではないがいくつかの配信に成功したことを示す1つまたは複数のフィードバックメッセージの受信に関連する。本方法は、1つまたは複数の他のデータメッセージの配信が成功したことを示す1つまたは複数のフィードバックメッセージを受信する前に、第2のタイマーの満了時に輻輳ウィンドウのサイズを修正することを含んでもよい。本方法は、第4のフィードバックイベントの検出時に、輻輳ウィンドウのサイズの変更をキャンセルすることを含んでもよく、第4のフィードバックイベントは、第2のタイマーの満了前に、1つ以上の他のデータメッセージの配信成功を示す1つ以上のフィードバックメッセージの受信に関連している。
別の一般的な態様では、データチャネルを介して多数のノード間でデータ通信を行うシステムは、多数のノードのうちの第1のノードであって、第1のノードにおいて、第2のノードから第2のノードに順次送信されるデータメッセージのセットの配信ステータスを示すフィードバックメッセージを受信するように構成された第1のノードを含む。前記第1のノードにおいて、多数のフィードバックイベントの発生に応じて1つ以上のタイマーのセットを維持することを含む輻輳ウィンドウのサイズを維持するステップであって、前記維持することは、前記多数のフィードバックイベントの発生に基づいて前記タイマーのセットの1つ以上のタイマーの状態を修正することと、前記1つ以上のタイマーのセットの1つ以上が満了するまで前記輻輳ウィンドウのサイズの修正を遅延させることとを含む。
本開示は、第1のノードと第2のノードとを結合するデータチャネルを介して、第1のノードから第2のノードへデータ通信を行う方法を記載しており、本開示の開示された非限定的な一実施形態による方法は、エキスパートシステムを使用して、データチャネルの少なくとも1つの条件に基づいて、データ通信を管理するために1つまたは複数のタイマーが使用されるかどうかを決定することと、そのような決定に基づいて、第2のノードでデータメッセージを受信することであって、メッセージは、第1のノードから順次送信されるデータメッセージのセットに属することと、を含むことができる。前記第2のノードから前記第1のノードにフィードバックメッセージを送信するステップであって、前記フィードバックメッセージは、前記第2のノードにおける前記データメッセージのセットの配信状態を特徴づけるものであり、複数の配信順序イベントの発生に応じて1つ以上のタイマーのセットを維持することを含み、前記維持することは、前記複数の配信順序イベントの発生に基づいて前記タイマーのセットの1つ以上のタイマーの状態を変更することと、前記1つ以上のタイマーのセットの1つ以上の期限が切れるまで前記フィードバックメッセージの送信を延期することと、を含む。
実施形態では、エキスパートシステムは、ルール及びモデルの少なくとも1つを使用して、1つまたは複数のタイマーを使用するかどうかの決定のパラメータを設定する。
実施形態では、エキスパートシステムは、データパスのうちの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、及び関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
実施形態では、エキスパートシステムは、産業環境で動作する機械に関するデータを受け入れるデータコレクタから複数の入力を受ける。
実施形態では、1つまたは複数のタイマーのセットは、第1のタイマーを含み、第1のタイマーは、第1の配信順序イベントの検出時に開始され、第1の配信順序イベントは、順次の順序における第1の位置の前の位置に関連する1つまたは複数の欠落メッセージの受信前に、順次の順序における第1の位置に関連する第1のデータメッセージの受信に関連する。
「ネットワーク通信再コーディングノード」と題された米国特許出願2017/0012885に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワークコーディングは、データパスを介して第1のノードから第2のノードに渡す符号化データに関連する冗長性情報を修正するための方法及びシステムを含んでもよく、第1のノードと中間ノードとを接続する第1のチャネルを介して、第1のノードから中間ノードで第1の冗長性情報を含む第1の符号化データを受信することを含んでもよい。前記第1のチャネルは、第1のチャネル特性を有し、前記中間ノードと前記第2のノードとを接続する第2のチャネルを介して、前記中間ノードから前記第2のノードに、第2の冗長情報を含む第2の符号化データを送信することを含むことができる。第2の冗長性情報に関連する冗長性の度合いは、第1の符号化データを復号することなく、第1のチャネル特性及び第2のチャネル特性の一方または両方に基づいて、第1の冗長性情報を修正することによって決定してもよい。データパスは、産業機械の計装システム、1つまたは複数のモバイルデータコレクタ(任意に群で調整される)、データストレージシステム(ネットワーク接続ストレージを含む)、サーバ、及び他の情報技術要素など、産業環境におけるデバイス及びシステム(それぞれがデータを送信、受信、または伝送するための1つまたは複数のノードとして動作する)の間にあってもよく、これらのいずれもが1つまたは複数のネットワークノードを有するか、またはそれに関連付けられていてもよい。データパスは、そのような任意のデバイス及びシステムと、任意の種類のネットワーク内のデバイス及びシステム(スイッチ、ルーターなど)との間にあってもよいし、それらと、企業の情報技術システムやクラウドプラットフォームなどの遠隔環境にあるものとの間にあってもよい。冗長性情報の変更は、ルールベースのシステム、モデルベースのシステム、機械学習システム(ディープラーニングを含む)、またはそれらのハイブリッドなどのエキスパートシステムによって、またはその制御下で行われることがあり、エキスパートシステムは、データパス、ノード、使用される通信プロトコルなどの1つまたは複数に関連する入力を取得する。冗長性は、本開示全体に記載されているような、一連のデータ入力からのデータの組み合わせまたは多重化に起因する場合がある(また、少なくとも部分的にはそれに基づいて識別される場合がある)。
第1の冗長性情報を修正することは、第1の冗長性情報に冗長性情報を追加することを含んでもよい。第1の冗長性を修正することは、第1の冗長性情報から冗長性情報を削除することを含んでもよい。第2の冗長性情報は、第2のノードへの符号化データの配信の成功または失敗を示す第2のノードからのフィードバックに基づいて、第1の冗長性情報を修正することによってさらに形成してもよい。第1の符号化データ及び第2の符号化データは、ランダムな線形ネットワークコードまたは実質的にランダムな線形ネットワークコードを使用するなどして、符号化してもよい。第1のチャネル特性及び第2のチャネル特性の一方または両方に基づいて第1の冗長性情報を修正することは、第1のチャネル特性及び/または第2のチャネル特性に関連するブロックサイズ、輻輳ウィンドウサイズ、及びペーシングレートのうちの1つまたは複数に基づいて第1の冗長性情報を修正することを含んでもよい。
本方法は、中間ノードにおける1つまたは複数のメッセージの受信を確認するフィードバックメッセージを、中間ノードから第1のノードに送信することを含んでもよい。本方法は、中間ノードにおいて第2のノードからフィードバックメッセージを受信することと、フィードバックメッセージを受信することに応答して、第2のノードに追加の冗長性情報を送信することとを含んでもよい。
別の一般的な態様では、多数のデータパスを介して第1のノードから第2のノードへ通過する符号化データに関連する冗長性情報を修正するシステムは、第1のノードと中間ノードとを接続する第1のチャネルを介して第1のノードから第1の冗長性情報を含む第1の符号化データを受信し、第1のチャネルは第1のチャネル特性を有し、中間ノードと第2のノードとを接続する第2のチャネルを介して中間ノードから第2のノードへ第2の冗長性情報を含む第2の符号化データを送信し、第2のチャネルは第2のチャネル特性を有するように構成された中間ノードを含む。前記第2の冗長情報に関連する冗長度は、前記第1の符号化データを復号することなく、前記第1のチャネル特性及び前記第2のチャネル特性の一方または両方に基づいて、前記第1の冗長情報を修正することによって決定されることを特徴とする。
本開示は、複数のデータパスを介して第1のノードから第2のノードに渡される符号化データに関連する冗長性情報を修正する方法を記載しており、本開示の開示された1つの非限定的な実施形態による方法は、第1のノードと中間ノードとを接続する第1のチャネルを介して、第1のノードから中間ノードにおいて第1の冗長性情報を含む第1の符号化データを受信することを含むことができ、第1のチャネルは、第1のチャネル特性を有し、中間ノードと第2のノードとを接続する第2のチャネルを介して、中間ノードから第2のノードに第2の冗長性情報を含む第2の符号化データを送信することを含むことができる。前記第2のチャネルは、第2のチャネル特性を有し、前記第2の冗長情報に関連する冗長度は、前記第1の符号化データを復号することなく、前記第1のチャネル特性及び前記第2のチャネル特性のうちの1つまたは両方に基づいて前記第1の冗長情報を修正することによって決定され、前記第1の冗長情報の修正は、前記第1のチャネル特性及び/または前記第2のチャネル特性に関連するブロックサイズ、輻輳ウィンドウサイズ、及びペーシングレートのうちの1つまたは複数に基づいて行われ、前記第1の冗長情報の修正は、エキスパートシステムの制御下で行われることを特徴とする。
実施形態では、エキスパートシステムは、ルール及びモデルの少なくとも1つを使用して、冗長性情報の修正のパラメータを設定する。
実施形態では、エキスパートシステムは、データパスのうちの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、及び関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
実施形態では、エキスパートシステムは、産業環境で動作する機械に関するデータを受け入れるデータコレクタから複数の入力を受ける。
実施形態では、第1の冗長性情報を修正することは、第1の冗長性情報に冗長性情報を追加することを含む。
実施形態では、第1の冗長性情報を修正することは、第1の冗長性情報から冗長性情報を削除することを含む。
実施形態では、第2の冗長性情報は、第2のノードへの符号化データの配信の成功または失敗を示す第2のノードからのフィードバックに基づいて、第1の冗長性情報を修正することによってさらに形成される。
実施形態では、第1の符号化データ及び第2の符号化データは、ランダムな線形ネットワークコードを用いて符号化される。
「誤り訂正最適化」と題された米国特許出願2017/0012905号に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワークコーディングは、第1のノードと第2のノードとを結合するデータパスを介した第1のノードと第2のノードとの間のデータ通信のための方法及びシステムを含んでもよく、データパスを介して第1のノードから第2のノードにデータのセグメントを多数のメッセージとして送信することを含んでもよく、多数のメッセージは、送信順序に従って送信される。前記メッセージ数の各メッセージに関連する冗長性の度合いのメッセージは、送信順序における前記メッセージの位置に基づいて決定される。データパスは、産業機械の計装システム、1つまたは複数のモバイルデータコレクタ(任意に群で調整される)、データストレージシステム(ネットワーク接続ストレージを含む)、サーバ、及び他の情報技術要素など、産業環境におけるデバイス及びシステム(それぞれがデータを送信、受信、または伝送するための1つまたは複数のノードとして動作する)の間にあってもよく、これらのいずれもが1つまたは複数のネットワークノードを有するか、または関連付けられていてもよい。データパスは、そのような任意のデバイス及びシステムと、任意の種類のネットワーク内のデバイス及びシステム(スイッチ、ルーターなど)との間にあってもよいし、それらと、企業の情報技術システムやクラウドプラットフォームなどの遠隔環境にあるものとの間にあってもよい。送信順序の決定は、ルールベースのシステム、モデルベースのシステム、機械学習システム(深層学習を含む)、またはそれらのハイブリッドなどのエキスパートシステムによって、またはその制御下で行われ、エキスパートシステムは、データパス、ノード、使用される通信プロトコルなどの1つまたは複数に関連する入力を取得する。冗長性は、本開示全体に記載されているような、一連のデータ入力からのデータの組み合わせまたは多重化に起因する場合がある(また、少なくとも部分的にはそれに基づいて識別される場合がある)。
メッセージ数の各メッセージに関連する冗長性の程度は、送信順序におけるメッセージの位置が非減少であるため、増加してもよい。送信順序におけるメッセージの位置(i)に基づいて、多数のメッセージの各メッセージに関連する冗長性の程度を決定することは、さらに、第2のノードにおけるアプリケーションのための遅延要件、データパスに関連するラウンドトリップタイム、チャネルに関連する平滑化損失率(P)のうちの1つ以上に基づいている。メッセージの数に関連するデータのサイズ(N)、メッセージの数からのメッセージに対応する第2のノードから受信した確認メッセージの数(ai)、メッセージの数の飛行中メッセージの数(fi)、及びメッセージの数に関連するデータのインデックスに基づく増加関数(g(i))に基づいている。
メッセージ数の各メッセージに関連する冗長度を次のように定義してもよい。(N+g(i)-ai)/(l-p)-fi。g(i)は、パラメータmとN-iの最大値として定義されてもよく、g(i)は、必要に応じて整数の丸めを行い、Pが多項式であるN-p(i)として定義してもよい。本方法は、第1のノードにおいて、第2のノードから、第2のノードにおけるメッセージの欠落を示すフィードバックメッセージを受信することを含んでもよく、また、これに応答して前記フィードバックメッセージを受信すると、前記欠落したメッセージに関連する冗長性の程度を高めるために、前記第2のノードに冗長性メッセージを送信するステップと本方法は、第1のノードにおいて、先制的に計算された冗長性メッセージのキューを維持し、フィードバックメッセージの受信に応答して、先制的に計算された冗長性メッセージの一部またはすべてをキューから削除し、送信のために冗長性メッセージをキューに追加することを含んでもよい。冗長性メッセージは、フィードバックメッセージの受信に応答してオンザフライで生成及び送信してもよい。
本方法は、第1のノードにおいて、メッセージの数に対する先取り計算された冗長性メッセージのキューを維持することと、メッセージの数の配信が成功したことを示すフィードバックメッセージを受信することに応答して、先取り計算された冗長性メッセージのキューから、メッセージの数に関連する先取り計算された冗長性メッセージを削除することとを含むことができる。メッセージのそれぞれに関連する冗長性の度合いは、メッセージの消去の修正可能性の確率を特徴づけることがある。正当性の確率は、冗長性の度合いと損失確率との比較に依存してもよい。
本開示は、第1のノードと第2のノードとを結合するデータパスを介して第1のノードと第2のノードとの間でデータ通信を行う方法を記載しており、本開示の1つの開示された非限定的な実施形態による方法は、データパスを介して第1のノードから第2のノードにデータのセグメントを複数のメッセージとして送信することを含むことができる。前記複数のメッセージは、送信順序に従って送信され、前記複数のメッセージの各メッセージに関連する冗長性の程度は、前記送信順序における前記メッセージの位置に基づいて決定され、前記送信順序は、エキスパートシステムの制御下で決定されることを特徴とする。
実施形態では、エキスパートシステムは、ルール及びモデルの少なくとも1つを使用して、送信順序のパラメータを設定する。
実施形態では、エキスパートシステムは、データパスのうちの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、及び関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
実施形態では、エキスパートシステムは、産業環境で動作する機械に関するデータを受け入れるデータコレクタから複数の入力を受ける。
実施形態では、複数のメッセージの各メッセージに関連する冗長性の度合いは、送信順序におけるメッセージの位置が非減少するにつれて増加する。
実施形態では、送信順序におけるメッセージの位置(i)に基づいて、複数のメッセージの各メッセージに関連する冗長性の程度を決定することは、アプリケーションの遅延要件、データパスに関連するラウンドトリップタイム、チャネルに関連する平滑化損失率(P)の1つ以上にさらに基づいている。複数のメッセージに関連するデータのサイズ(N)、複数のメッセージからのメッセージに対応して第2のノードから受信した確認応答メッセージの数(ai)、複数のメッセージの飛行中メッセージの数(fi)、及び複数のメッセージに関連するデータのインデックスに基づく増加関数(g(i))に基づいている。
「パケット符号化ベースのネットワーク通信」と題された米国特許出願14/935885に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワーク符号化は、パス上の第1のノードと第2のノードとの間のデータ通信のための方法及びシステムを含むことがあり、損失イベントが発生するレートを推定することを含むことがある。ここで、損失イベントとは、第2のデータノードへの単一のパケットの配信失敗、または第2のデータノードへの連続して送信された複数のパケットの配信失敗のいずれかであり、損失イベントが発生する推定レートで冗長性メッセージを送信することを含むことができる。損失イベントが発生する割合を推定するために、エキスパートシステムを使用してもよい。
産業環境のような第1のノードと第2のノードとを結合するデータチャネルを介して、第1のノードから第2のノードへデータ通信を行う方法であって、第1のノードで、第2のノードからメッセージを受信すること(第1のノードと第2のノードとを結合するチャネルの特性に少なくとも部分的に依存するデータを含むメッセージを受信することを含む)と、第1のノードから第2のノードへメッセージを送信すること(受信したメッセージから決定されたパラメータに従って前方誤り訂正を適用することを含む)とを含み、受信したメッセージから決定されたパラメータは、ブロックサイズ、インターリーブ係数、及びコードレートのうちの少なくとも2つを含む。本方法は、エキスパートシステムの制御下で行われてもよい。
本開示は、産業環境における第1のノードから、第1のノードと第2のノードとを結合するデータチャネルを介して第2のノードにデータ通信を行う方法を記載しており、本開示の開示された非限定的な一実施形態による方法は、第2のノードから第1のノードでメッセージを受信することであって、第1のノードと第2のノードとを結合するチャネルの特性に少なくとも部分的に依存するデータを含むメッセージを受信することを含む。第1のノードから第2のノードにメッセージを送信するステップであって、受信したメッセージから決定されたパラメータに応じてエラー訂正を適用するステップであって、受信したメッセージから決定されたパラメータは、ブロックサイズ、インターリーブ係数、及びコードレートのうちの少なくとも2つを含み、エラー訂正の適用はエキスパートシステムの制御下で行われるステップとを含む。
実施形態では、エキスパートシステムは、ルールとモデルの少なくとも1つを使用して、エラー補正のパラメータを設定する。
実施形態では、エキスパートシステムは、データパスのうちの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、及び関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである。
図134に描かれているように、産業環境内などのモノのインターネット(IoT)におけるデバイスのデプロイメントをサポートするためのクラウドプラットフォームは、様々なコンポーネント、モジュール、サービス、要素、アプリケーション、インターフェース、及びその他の要素(総称して「クラウドプラットフォーム13000」と呼ばれる)を含んでもよく、これらは、ポリシー自動化エンジン13002及びデータマーケットプレイス13008を含んでもよい。クラウドプラットフォーム13000は、様々なデバイス13006、クラウドコンピューティング環境13068、データプール13070、データコレクタ13020及びセンサ13024を含み、それらと統合し、またはそれらに接続してもよい。また、クラウドプラットフォーム13000は、自己組織化13012、機械学習13014、及び権利管理13016のためのシステム及び機能を含んでもよい。
クラウドプラットフォーム13000内では、様々なコンポーネントが、広範なアーキテクチャ及び配置で展開してもよい。実施形態では、デバイス13006は、クラウドコンピューティング環境13068、ポリシーオートメーションエンジン13002、データマーケットプレイス13008、データコレクタ13020、ならびに自己組織化13012、機械学習13014及び権利管理13016のためのシステム及び機能に接続したり、それらと統合したり、またはそれらの中に配備してもよい。デバイス13006は、ポリシー自動化エンジン13002、データマーケットプレイス13008、データコレクタ13020、ならびに自己組織化13012、機械学習13014及び権利管理13016のためのシステムまたは能力に、直接またはクラウドコンピューティング環境13068を介して接続または統合することができる。
デバイス13006は、本開示全体を通して説明されるような広範囲の産業環境の機械、人員、装置、インフラストラクチャ要素、コンポーネント、部品、在庫、資産、及びその他の特徴に関連する情報を収集、交換、及び管理するためのような、IoTデバイスであってもよい。デバイス13006はまた、ネットワーキングなどの様々なプロトコル13004を介して接続してもよい。プロトコル、ストリーミングプロトコル、ファイル転送プロトコル、データ変換プロトコル、ソフトウェアオペレーティングシステムプロトコルなどが挙げられる。デバイスは、クラウドプラットフォーム13000内に展開される可能性のあるポリシーを実行するため、例えば、プラットフォーム13000内のアクティビティ、パーミッション、ルールなどを統治するためなどに、ポリシー自動化エンジン13002に接続してもよい。また、デバイス13006は、データマーケットプレイス13008内のデータストリーム13010に接続してもよい。
データプール13070は、クラウドコンピューティング環境13068、データコレクタ13020、及びデータマーケットプレイス13008、ポリシー自動化エンジン13002、自己組織化13012、機械学習13014、及び権利管理13016の機能に接続してもよいし、それらと統合してもよい。データプール13070は、クラウドコンピューティング環境30の中に含まれていても、クラウドコンピューティング環境13068の外部にあってもよい。その結果、データプール13070への接続は、データプール13070への直接接続、データプール13070へのクラウド接続、またはデータプール13070への直接接続とクラウド接続の組み合わせによって行われてもよい。また、データプール13070は、データマーケットプレイス13008の中に含まれていてもよいし、データマーケットプレイス13008の外部にあってもよい。
データプール13070は、マルチプレクサ(MUX)13022を含み、また、自己組織化13012、機械学習13014、及び権利管理機能に接続してもよい。MUX13022は、センサ13024に接続し、センサ13024からデータを収集し、センサ13024から収集したデータを単一のデータセットに統合してもよい。例示的かつ非限定的な実施形態では、データプール13070、データ収集器13020及びセンサ13024は、産業環境13018内に含まれてもよい。
ポリシー自動化エンジン13002及びデータマーケットプレイス13008は、様々な産業環境13018で使用してもよい。産業環境13018は、航空宇宙環境、農業環境、組立ライン環境、自動車環境、及び化学及び製薬環境を含んでもよい。また、産業環境13018は、食品加工環境、工業部品環境、鉱業環境、石油・ガス環境、特に石油・ガス生産環境、トラック・自動車環境などを含んでもよい。
同様に、デバイス13006は、産業環境内で動作する可能性がある、または他のそのようなデバイスに関してデータを収集する可能性がある、様々なデバイスを含んでもよい。多くの例の中でも、デバイス13006は、タービンアジテーターを含むアジテーター、機体制御面振動装置、触媒反応器及び圧縮機を含んでもよい。また、デバイス13006は、コンベア及びリフター、廃棄システム、ドライブトレイン、ファンを含んでもよい。灌漑システム、モータなどである。また、デバイス13006は、パイプライン、電動パワートレイン、生産プラットフォーム、水ポンプなどのポンプ、ロボット組立システム、熱線加熱システム、トラック、トランスミッションシステム及びタービンを含んでもよい。デバイス13006は、単一の産業環境13018内で動作してもよいし、複数の産業環境13018内で動作してもよい。例えば、パイプラインデバイスは、石油・ガス環境内で動作してもよく、一方、触媒反応器は、石油・ガス生産環境または医薬品環境のいずれかで動作してもよい。
ポリシー自動化エンジン13002は、クラウドベースのポリシー自動化エンジン13002であってもよい。ポリシー自動化エンジン13002は、セキュリティ、承認、許可などに関連するポリシーなどの、ポリシー13030、ルール13028、及びプロトコル13004の相互接続されたセットを作成、展開、及び/または管理するために使用してもよい。例えば、ポリシーは、どのユーザ、アプリケーション、サービス、システム、デバイスなどがIoTデバイスにアクセスするか、IoTデバイスからデータを読み取るか、IoTデバイスからのストリームにサブスクライブするか、IoTデバイスにデータを書き込むか、IoTデバイスとのネットワーク接続を確立するか、IoTデバイスをプロビジョニングするか、IoTデバイスとコラボレーションするか、などを規定してもよい。
ポリシー自動化エンジン13002は、ポリシー13030を生成及び管理してもよい。ポリシー生成エンジンは、クラウドプラットフォーム13000の集中型ポリシー管理システムであってもよい。
ポリシー自動化エンジン13002によって生成及び管理されるポリシー13030は、IoTデバイスのさまざまな側面へのアクセス及び使用を許可するために、多数のルール13028を展開してもよい。ポリシー13030は、IoTデバイス作成ポリシー13032、IoTデバイス展開ポリシー13034、IoTデバイス管理ポリシー13036などを含んでもよい。ポリシー13030は、プロトコル13004を通じて、またはポリシー自動化エンジン13002から直接、デバイス13006に伝達してもよい。
例えば、例示的かつ非限定的な実施形態において、ポリシー自動化エンジン13002は、IoTデバイスによって提供されるデータを作業者がどのように使用することができるかに関連する、作業者のための役割13026及び許可証13074を指定及び実施するポリシー13030を管理し、プロトコル13004を作成してもよい。作業者は、人間の作業者または機械の作業者であってもよい。
追加の例示的かつ非限定的な実施形態では、ポリシー13030は、修復プロセスを自動化するために使用してもよい。修復プロセスは、システムが部分的に無効になったとき、機器が故障したとき、及びシステム全体が無効になる可能性があるときに実行してもよい。救済プロセスは、システム再起動の開始、機器のバイパスまたは交換、適切な利害関係者への状態の通知などの指示を含んでもよい。また、ポリシー自動化エンジン13002は、ユーザ13072が修復または他のプロセスを開始するか、または他の方法で行動するために必要な役割13026及び許可13074を指定するポリシー13030を含んでもよい。
ポリシー自動化エンジン13002は、条件を指定及び検出することもできる。条件は、ポリシー13030がいつ配布されるか、または他の方法で行動されるかを決定してもよい。条件は、個々の条件、条件のセット、独立した条件、相互に依存する条件などを含んでもよい。
独立した条件の例示的かつ非限定的な実施形態では、ポリシー自動化エンジン13002は、非重要なデバイス13006の故障がシステムオペレータの通知を必要としないと決定してもよい。相互依存的な条件の例示的かつ非限定的な実施形態において、ポリシー自動化エンジン13002は、2つの非重要なシステムデバイス13006の故障が、可能なシステム全体の故障の初期指標である可能性があるため、2つの非重要なシステムデバイス13006の故障が、システムオペレータの通知を必要とすると決定してもよい。
図135に描かれているように、ポリシー自動化エンジン13002は、コンプライアンスポリシー13050及びフォールト、コンフィグレーション、アカウンティング、プロビジョニング、及びセキュリティ(FCAPS)ポリシー13052を含んでもよい。ポリシー13030は、ルール13028、プロトコル13004、及びポリシー入力13048に接続してもよい。
ポリシー13030は、ルール13028への入力を提供し、役割13026、許可13074、及び用途130280がどのように定義されるかに関連する情報を提供してもよい。ポリシー13030は、ポリシー入力13048を受け取り、ポリシー13030内に含まれるポリシーパラメータとしてポリシー入力13048を組み込んでもよい。ポリシー13030は、プロトコル13004に入力を提供し、デバイス13006を作成、展開、及び管理するために使用されるプロトコル13004内に含まれてもよい。
コンプライアンスポリシー13050は、データ所有ポリシー、データ分析ポリシー、データ使用ポリシー、データフォーマットポリシー、データ伝送ポリシー、データセキュリティポリシー、データプライバシーポリシー、情報共有ポリシー、管轄ポリシーなどを含んでもよい。データ送信ポリシーは、管轄を超えたデータ送信ポリシーを含んでもよい。
データ所有ポリシーは、誰がデータを管理するか、誰がデータを使用できるか、データをどのように使用できるかなどを管理するポリシー13030を示してもよい。データ分析ポリシーは、データ所有者がアクセスを許可されているデータで何ができるかを示すとともに、どのデータを見ることができるか、どのデータを他のデータと組み合わせることができるかを決定してもよい。については、例えば、データ保有者は集約されたユーザデータを見ることはできても、個々のユーザデータを見ることはできない。データ使用ポリシーは、データをどのように使用するか、またどのような状況でデータを使用するかを示すものである。データフォーマットポリシーは、データの取り扱いに許可されている標準フォーマット及び義務化されたフォーマットを示すことができる。管轄区域を越えたデータ伝送ポリシーを含むデータ伝送ポリシーは、データの管轄区域間及び管轄区域内の伝送がどのように取り扱われるかを規定するポリシー13030を決定することができる。データセキュリティポリシーは、例えば保存されたデータなどの静止状態のデータや、送信されたデータをどのように保護する必要があるかを決定することができる。
データプライバシーポリシーは、データをどのように共有してよいか、または共有してはならないかを、例えば組織内及び組織外で決定することができる。情報共有ポリシーは、データをどのように販売、共有するか、また、どのような状況で情報を販売、共有できるかを決定することができる。管轄権に関するポリシーは、境界内及び境界を越えて送信されるデータについて、誰がデータを管理するか、いつ、どこでデータを管理するかを決定することができる。
FCAPSポリシー13052は、故障管理ポリシー、構成管理ポリシー、アカウンティング管理ポリシー、プロビジョニング管理ポリシー、及びセキュリティ管理ポリシーを含んでもよい。故障管理ポリシーは、デバイスの故障を処理するために使用されるポリシー13030を指定してもよい。構成管理ポリシーは、デバイス13006を構成するために使用されるポリシーを指定してもよい。会計管理ポリシーは、報告、請求などのデバイス会計目的に使用されるポリシー13030を指定してもよい。プロビジョニング管理ポリシーは、デバイス13006にサービスをプロビジョニングするために使用されるポリシー13030を指定してもよい。セキュリティ管理ポリシーは、デバイス13006のセキュリティを確保するために使用されるポリシー13030を指定してもよい。
ポリシー入力13048は、ポリシー入力インターフェース13046から受信してもよい。ポリシー入力13048は、標準ベースのポリシー入力13044及び他のポリシー入力13048を含んでもよい。標準ベースのポリシー入力13044は、例えば、標準データフォーマット、標準ルールセット、及び標準団体によって設定された他の標準関連情報に関連する入力を含んでもよい。
他のポリシー入力13048は、業界固有のポリシー、業界横断的なポリシー、製造者固有のポリシー、デバイス固有のポリシー13030などに関連する広範な情報を含んでもよい。ポリシー入力13048は、クラウドコンピューティング環境13068に接続し、ポリシー入力インターフェース13046を介して提供してもよいし、または人間が入力したものであってもよい。ポリシー入力インターフェース13046は、マシンによって提供されるポリシー入力13048を収集してもよい。
図134に描写されているように、データマーケットプレイス13008は、データストリーム13010、データマーケットプレイス入力インターフェース、データマーケットプレイス入力13056、データ支払割当エンジン13038、マーケットプレイス価値評価エンジン13040、データ仲介エンジン13042、マーケットプレイス自己組織化エンジン13076、及び1つまたは複数のデータプール13070を含んでもよい。データマーケットプレイス13008は、クラウドネットワーキング環境30内に含まれていてもよいし、クラウドネットワーキング環境13068に外部から接続されていてもよい。また、データプール13070は、クラウドネットワーキング環境13068内に含まれていてもよいし、クラウドネットワーキング環境13068に外部から接続されていてもよい。
データマーケットプレイス13008は、例えば、データマーケットプレイス13008とデータプール13070とが同じ物理的な場所に位置する場合、データプール13070に直接接続してもよい。データマーケットプレイス13008は、例えば、データマーケットプレイス13008とデータプール13070が異なる物理的な場所に位置する場合、クラウドネットワーキング環境30を介してデータプール13070に接続してもよい。
データマーケットプレイス13008は、入力に接続し、入力を受け取ってもよい。データマーケットプレイス13008は、例えば1つまたは複数のデータコレクタ13020などのデータインターフェースを介して、マーケットプレイスの入力を受信してもよい。データ収集器13020は、多重化データ収集器であってもよい。データコレクタ13020を介して受信された入力は、1つまたは複数のデータコレクタ13020から1つまたは複数のデータストリーム13010として受信され、マルチプレクサ(MUX)13022によって追加のデータストリーム13010に統合してもよい。
データストリーム13010はまた、データプール60からのデータを含んでもよい。データマーケットプレイスの入力、データストリーム13010及びデータプール13070は、データマーケットプレイス13008の成功のメトリクス及び測定値を含んでもよい。データマーケットプレイス13008の成功のメトリクス及び測定値は、次に、データマーケットプレイス13008の1つまたは複数のパラメータを構成するために、機械学習能力13014によって使用してもよい。
入力は、コンソータ入力13054であってもよい。コンソーティア入力13054は、コンソーティアから受け取ってもよい。コンソーシャは、エネルギーコンソーシャ、ヘルスケアコンソーシャ、製造コンソーシャ、スマートシティコンソーシャ、輸送コンソーシャなどを含んでもよい。コンソーシャは、既存のコンソーシャであってもよいし、新しいコンソーシャであってもよい。
例示的かつ非限定的な実施形態では、データマーケットプレイス13008が特定のデータタイプ及びデータの組み合わせを利用可能にした結果、新たなコンソーシアムが形成してもよい。データ仲介エンジン13042は、コンソーシアムのメンバーが情報を取引できるようにしてもよい。データ仲介エンジン13042は、コンソーシアムメンバーが、例えば市場価値評価エンジン13040が算出した情報価値に基づいて提供する情報を取引できるようにしてもよい。
データマーケットプレイス13008は、自己組織化13012、機械学習13014、及び権利管理13016の能力にも接続することができる。権利管理能力13016は、権利を含んでもよい。
権利には、ビジネス戦略及びソリューションの権利、リエゾンの権利13058、マーケティングの権利13078、セキュリティの権利13060、技術の権利13062、テストベッドの権利13064などが含まれることがある。事業戦略・ソリューションライフサイクル権は、事業戦略・企画権、インダストリアルインターネットシステム設計権、プロジェクト管理権、ソリューション評価権、契約面での権利などを含んでもよい。リエゾン権13058は、標準化団体権、オープンソースコミュニティ権、認証・試験機関権、政府機関権などを含んでもよい。マーケティング権13078は、コミュニケーション権、エネルギー権、ヘルスケア権、マーケティング・セキュリティ権、小売店運営権、スマートファクトリー権、ソートリーダーシップ権を含んでもよい。セキュリティ権13060は、業界のコンセンサスを推進し、セキュリティのベストプラクティスを促進し、セキュリティのベストプラクティスの採用を加速する推進権を含んでもよい。
技術権13062は、アーキテクチャ権、接続性権、分散データ管理及び相互運用性権、産業分析権、イノベーション権、IT/OT権、安全権、語彙権、ユースケース権及びリエゾン権13058を含んでもよい。テストベッド権13064は、例えば、特定のユースケース及びシナリオの実装権、ならびに実装が期待される結果に適合することを確認するためのテスト可能な結果を生成する権利を含んでもよい。また、テストベッド権13064には、例えば相互運用性のテストなど、未検証の技術や既存の技術の連携を模索する権利や、破壊的な可能性のある新製品やサービスを生み出す権利、標準化団体やコンソーシアムなどのステークホルダーグループに対する要求事項や優先事項を生み出す権利も含まれる場合がある。
権利管理能力は、データ市場13008の異なる参加者に異なる権利を割り当ててもよい。例示的かつ非限定的な実施形態では、メーカーまたはリモートメンテナンス組織(RMO)。参加者は、彼らの装置または独自の方法に基づいて、情報に対する権利を割り当てられてもよい。そして、データマーケットプレイス13008は、割り当てられた権利に基づいて、適切なデータストリーム13010のみが市場に提供されるようにしてもよい。
権利管理能力13016は、アクセスするための許可を管理することができる。権利管理能力13016の1つまたは複数のパラメータは、機械学習能力13014によって自動的に構成されてもよく、データマーケットプレイス13008の成功のメトリックに基づいてもよい。また、機械学習エンジン13014は、メトリック及び成功の尺度を使用して、ユーザインターフェースを構成してもよい。ユーザインターフェースは、データマーケットプレイス13008のユーザのデータ要素を提示してもよい。また、ユーザインターフェースは、データマーケットプレイス13008のユーザが1つまたは複数のデータ要素へのアクセスを得ることができる1つまたは複数のメカニズムを提示してもよい。
データ支払い割り当てエンジン13038は、データマーケットプレイス支払いを割り当ててもよい。データ支払い割り当てエンジン13038は、データストリーム13010の価値、データストリーム13010への貢献の価値などに応じて、データマーケットプレイスの支払いを割り当ててもよい。このような支払いの割り当てにより、データマーケットプレイス13008は、データ貢献の価値に基づいて、データ貢献者に支払いを割り当てることができてもよい。
例えば、より価値の高いデータストリーム13010へのデータの貢献者は、価値の低いデータストリーム13010へのデータの貢献者よりも高い支払いを受けてもよい。同様に、データマーケットプレイスの参加者、例えばIoTデバイスメーカーやシステムインテグレーターは、データの価値や、彼らが提供・サポートする構成の力によって評価またはランク付けしてもよい。
データマーケットプレイス13008は、自己組織化データマーケットプレイスであってもよい。自己組織化データマーケットプレイスは、自己組織化能力13012を用いて自己組織化してもよい。自己組織化能力13012は、人工知能(AI)能力を用いて学習、開発、及び最適化してもよい。AI能力は、例えば、機械学習13014能力によって提供してもよい。自己組織化は、エキスパートシステムを介して発生してもよく、モデル、1つまたは複数のルールなどの適用に基づいてもよい。自己組織化は、ニューラルネットワークまたは深層学習システムを介して発生してもよく、例えば、1つまたは複数の成功の尺度へのフィードバックに基づいて、データプールの組織化のバリエーションを時間をかけて最適化することによって行われる。自己組織化は、ルールベースのシステム、モデルベースのシステム、及びニューラルネットワークまたは他のAIシステムのハイブリッドまたは組み合わせによって発生してもよい。様々な能力が自己組織化される可能性があり、例えば、データ要素がマーケットプレイスのユーザインターフェースにどのように提示されるか、どのようなデータ要素が提示されるか、マーケットプレイスへの入力としてどのようなデータストリームが取得されるか、データ要素がどのように記述されるか、どのようなメタデータがデータ要素と共に提供されるか、データ要素がどのように保存されるか(キャッシュなどの「ホット」ストレージや、より遅いが安価なストレージの場所など)、データ要素がどこに保存されるか(ネットワークのエッジ要素など)、データ要素がどのように組み合わされるか、融合されるか、多重化されるか、などが挙げられる。自己組織化へのフィードバックには、利益測定、歩留まり測定、評価(ユーザ、購入者、ライセンシー、レビュアーなどによる)、関心の指標(クリックストリーム活動、ページに費やした時間、要素やデータ要素へのリンクをレビューするのに費やした時間など)など、本開示全体で説明されているような様々な指標や成功の測定が含まれる場合がある。
データマーケットプレイス入力13056、データストリーム13010及びデータプール13070は、データマーケットプレイス13056の成功のメトリクス及び尺度に基づいて、編成してもよい。データマーケットプレイス入力13056、データストリーム13010、及びデータプール13070は、自己組織化能力13012によって組織化されてもよく、データマーケットプレイス13008のユーザによるインタラクションを必要とせずに、マーケットプレイス入力13056、データストリーム13010、及びデータプール60を自動的に組織化することができる。
成功のメトリック及び尺度は、少なくとも2つの市場参加者の間で取引を実行するようにデータブローカリングエンジン13042を構成するためにも使用してもよい。機械学習エンジン13014は、成功のメトリックを使用して、ユーザの介入を必要とせずに、データ仲介エンジン13042を自動的に構成してもよい。また、成功のメトリックは、データマーケットプレイス13008内の1つ以上のデータ要素の価格を設定するために、価格設定エンジン、例えばマーケットプレイス価値評価エンジン13040によって使用してもよい。
例示的かつ非限定的な実施形態では、自己組織化データ市場は、どのタイプのデータストリーム13010が最も価値があるかを判断し、最も価値があるその他のデータストリーム13010を販売のために提供するように自己組織化してもよい。データストリームの価値の計算は、マーケットプレイス価値評価エンジン13040によって実行してもよい。
実施形態において、産業環境におけるデータ収集システムのためのポリシー自動化システムは、以下を含むことができる。ルール、ポリシー、及びプロトコルのうちの少なくとも1つのパラメータの定義に関連するポリシー入力を受け取るように構成されたポリシー入力インターフェースであって、少なくとも1つのパラメータが、データ収集デバイスの構成、データ収集デバイスからデータにアクセスするためのアクセスポリシー、及びデバイスによるデータの収集のための収集ポリシーのうちの少なくとも1つを定義するポリシー入力インターフェースと、入力を受け取り、データ収集のためのシステム内でルール、ポリシー、及びプロトコルのうちの少なくとも1つを自動的に構成して展開するポリシー自動化エンジンとを備えることができる。実施形態では、少なくとも1つのパラメータは、エネルギー利用ポリシー、コストベースのポリシー、データ書き込みポリシー、及びデータ保存ポリシーのうちの少なくとも1つを定義してもよい。パラメータは、デバイスがどのように作成され、展開され、管理されるかを定義するための、コンプライアンスポリシー、フォールトポリシー、コンフィギュレーションポリシー、アカウンティングポリシー、プロビジョニングポリシー、及びセキュリティポリシーの中から選択されたポリシーに関するものであってもよい。コンプライアンスポリシーは、データ所有権ポリシーを含んでいてもよい。データ所有ポリシーは、誰がデータを所有しているかを指定するものである。データ所有ポリシーは、所有者がどのようにデータを使用するかを規定することができる。コンプライアンスポリシーには、データ分析ポリシーが含まれる場合がある。データ分析ポリシーは、データ所有者がアクセスできるデータ、データ所有者がデータを使用する方法、及びデータ所有者がデータを他のデータと組み合わせる方法を指定することができる。コンプライアンスポリシーは、データ使用ポリシー、データフォーマットポリシーなどを含んでもよい。データフォーマットポリシーには、標準データフォーマットポリシー、強制データフォーマットポリシーなどが含まれる場合がある。コンプライアンスポリシーは、データ伝送ポリシーを含んでもよい。データ伝送ポリシーは、管轄間伝送データ伝送ポリシーを含んでもよい。コンプライアンスポリシーは、データセキュリティポリシー、データプライバシーポリシー、情報共有ポリシーなどを含んでもよい。データセキュリティポリシーは、アットレストデータセキュリティポリシー、送信データセキュリティポリシーなどを含んでもよい。情報共有ポリシーには、情報を販売する場合、情報を共有する場合などを指定するポリシーが含まれてもよい。コンプライアンスポリシーは、管轄ポリシーを含んでもよい。管轄ポリシーは、誰がデータを管理するかを指定するポリシーを含んでもよい。管轄ポリシーは、いつデータを管理できるかを指定するポリシーを含んでもよい。管轄ポリシーは、境界を越えて送信されるデータがどのように制御されるかを指定するポリシーを含んでもよい。
実施形態において、産業環境におけるデータ収集システムのためのポリシー自動化システムは、以下を含むことができる。複数の産業環境に配置された複数のネットワーク接続デバイスによって処理されるデータの収集及び利用に適用される複数のポリシーの設定を可能にするポリシー自動化エンジンであって、ポリシー自動化エンジンは、産業環境とは別個に配置された情報技術インフラストラクチャ要素上でホストされ、ポリシー自動化エンジンにおいてポリシーが設定されると、ポリシーは、複数の産業環境における複数のデバイスに自動的に展開され、ポリシーは、データ収集システムによって収集されるデータの種類及び収集されたデータのアクセス許可に関連する設定パラメータを設定する、ポリシー自動化エンジンとを備えることができる。ポリシーは、デバイスがどのように作成され、展開され、管理されるかを定義するための、コンプライアンスポリシー、フォールトポリシー、コンフィギュレーションポリシー、アカウンティングポリシー、プロビジョニングポリシー、及びセキュリティポリシーの中から選択された複数のポリシーと、ポリシーに通信可能に結合された複数のポリシーとを含んでもよい。ポリシー入力インターフェースは、産業環境内のデバイスのためのポリシーを作成、展開、及び管理するためのポリシーの一元化されたソースであるポリシー自動化システムがある場合など、ルール、ポリシー、及びプロトコル定義の少なくとも1つへの入力として使用されるポリシー入力を受信するように構成されていてもよい。
実施形態において、産業環境におけるデータ収集システムのためのポリシー自動化システムは、以下を含むことができる。複数の産業環境に配置された複数のネットワーク接続デバイスによって処理されるデータの収集及び利用に適用される複数のポリシーの構成を可能にするポリシー自動化エンジンであって、ポリシー自動化エンジンは、産業環境とは別個に配置された情報技術インフラストラクチャ要素上でホストされ、ポリシー自動化エンジンにおいてポリシーを構成するとポリシーは、データ収集システムによって収集されるデータ及び収集されたデータへのアクセス許可に関連する構成パラメータを設定し、ポリシー自動化システムは、クラウドネットワーク接続を介して複数のデバイスに通信可能に結合されている。クラウドネットワーク接続は、非公開のクラウド接続、公的に提供されるクラウド接続、ポリシーオートメーションシステムとデバイスとの間のプライマリ接続、単一の企業内でデバイスを接続するイントラネットクラウド接続、複数の企業間でデバイスを接続するエクストラネットクラウド接続、仮想プライベートネットワーク(VPN)接続で保護されたセキュアクラウドネットワーク接続、などであってもよい。
実施形態において、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、マーケットプレイスの入力を受け取るように構造化された入力インターフェースと、マーケットプレイス内で収集されたデータを提供するためのデータプール及びデータストリームのうちの少なくとも1つと、データプールからのデータを含むデータストリームと、を含んでもよい。実施形態では、マーケットプレイスの少なくとも1つのパラメータは、マーケットプレイスの成功の指標に基づいて、機械学習機能によって自動的に構成してもよい。入力は、複数の産業用データ収集器からの複数のデータストリームを含んでもよい。データ収集器は、多重化データ収集器であってもよい。入力は、コンソーシアムの入力を含んでもよい。コンソーシアムは、既存のコンソーシアム、新規のコンソーシアム、共通の関心事を通じてデータストリームに関連する新規のコンソーシアムなどであってもよい。成功の指標及び尺度は、利益尺度、歩留まり尺度、評価、関心のある指標などを含んでもよい。評価は、ユーザ評価、購入者評価、ライセンシー評価、レビュアー評価などを含んでもよい。関心のある指標には、クリックストリームアクティビティ、ページ滞在時間、レビュー要素に費やした時間、データ要素へのリンクなどを含む。
実施形態において、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、1つまたは複数の産業機械からまたはそれについて感知されたデータに関連する複数のデータ入力を受け取るように構造化された入力システムと、マーケットプレイス内で収集されたデータを提供するためのデータプール及びデータストリームのうちの少なくとも1つと、マーケットプレイスの成功のメトリックに基づいてデータ入力及びデータプールのうちの少なくとも1つを組織化するための自己組織化システムとを含んでもよい。実施形態では、自己組織化システムは、データプールの組織のバリエーションを時間の経過とともに最適化してもよい。最適化されたバリエーションは、1つまたは複数の成功の指標へのフィードバックに基づいてもよい。自己組織化システムは、データ要素がマーケットプレイスのユーザインターフェースにどのように表示されるかを整理してもよい。自己組織化システムは、どのようなデータ要素を提示するか、マーケットプレイスへの入力としてどのようなデータストリームを取得するか、データ要素をどのように記述するか、データ要素とともにどのようなメタデータを提供するか、データ要素の格納方法、格納要素の通信ネットワーク内の位置(ネットワークのエッジ要素内など)、データ要素の組み合わせ方法などを選択してもよい。記憶方法は、キャッシュまたは他の「ホット」な記憶方法を含んでもよい。記憶手段は、より遅いが安価な記憶場所を含んでもよい。データ要素の組み合わせ方法は、データ融合方法、データ多重化方法などであってもよい。自己組織化システムは、フィードバックデータを受け取ってもよく、例えば、フィードバックデータが成功指標や測定値を含む場合などである。成功指標及び尺度は、利益尺度を含んでもよいし、歩留まり尺度を含んでもよいし、評価を含んでもよいし、関心のある指標を含んでもよいし、などである。評価は、ユーザ、購入者、ライセンシー、レビュアーによって提供してもよい。成功の測定基準及び尺度は、関心のある指標を含んでもよい。関心の指標は、クリックストリームアクティビティ、ページアクティビティに費やされた時間、要素のレビューに費やされた時間、データ要素へのリンク、などを含んでもよい。自己組織化システムは、データストリームの価値を決定してもよい。データストリームの価値は、どのデータストリームがデータマーケットプレイスによって販売のために提供されるかを決定してもよい。評価は、ユーザの評価を含んでもよい。評価は、購入者の評価、ライセンシーの評価、レビュアーの評価などを含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下を含んでいてもよい:からのデータ入力を受け取るように構造化された入力インターフェース、または複数の産業機械のうちの1つまたは複数に関するデータと、マーケットプレイス内で収集されたデータを提供するためのデータプール及びデータストリームのうちの少なくとも1つと、マーケットプレイス内のデータにアクセスするための権限を管理するための権利管理エンジンとを備える。実施形態では、権利管理エンジンの少なくとも1つのパラメータは、マーケットプレイスの成功の指標に基づいて、機械学習機能によって自動的に構成してもよい。権利管理エンジンは、データマーケットプレイスの参加者に権利を割り当ててもよい。権利は、ビジネス戦略及びソリューションの権利、リエゾンの権利、マーケティングの権利、セキュリティの権利、技術の権利、テストベッドの権利などを含んでもよい。成功の指標や尺度には、利益尺度、歩留まり尺度、評価などである。評価は、ユーザ評価、購入者評価、インクルードライセンシー評価、レビュアー評価などを含んでいてもよい。成功の指標は、興味の指標を含んでいてもよい。例えば、興味には、クリックストリームアクティビティ、ページに費やした時間、要素のレビューに費やした時間、及びデータ要素へのリンクが含まれる。
実施形態において、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、複数の産業機械のうちの1つ以上から、またはそれに関するデータ入力を受け取るように構造化された入力インターフェースと、マーケットプレイス内で収集されたデータを提供するためのデータプール及びデータストリームのうちの少なくとも1つと、少なくとも2つのマーケットプレイス参加者の間でデータ取引を実行するように構成されたデータ仲介エンジンと、を備えてもよい。実施形態では、データ仲介エンジンの少なくとも1つのパラメータは、マーケットプレイスの成功の指標に基づいて、機械学習設備によって自動的に構成してもよい。データ取引入力は、市場価値評価を含んでもよい。マーケットプレイス価値評価は、マーケットプレイス参加者に割り当てられてもよい。市場価値評価は、市場参加者に割り当てられてもよく、市場参加者が市場に提供した入力の価値に基づいて割り当てられる。データ取引は、取引であってもよいし、販売取引であってもよいし、支払取引であってもよいし、そのようなものである。成功の指標及び尺度は、利益尺度、歩留まり尺度、評価などを含んでもよい。評価は、ユーザ評価を含んでもよい。評価は、購入者の評価、ライセンシーの評価、レビュアーの評価などを含んでもよい。指標と成功の尺度は、関心のある指標を含んでもよい。関心のある指標には、クリックストリームアクティビティ、ページに費やした時間、レビュー要素に費やした時間、データ要素へのリンクなどが含まれることがある。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、複数の産業機械のうちの1つ以上から、またはそれに関するデータ入力を受け取るように構造化された入力インターフェースと、マーケットプレイス内で収集されたデータを提供するためのデータプール及びデータストリームのうちの少なくとも1つと、マーケットプレイス内の少なくとも1つのデータ要素に価格を設定するための価格設定エンジンと、を備えてもよい。実施形態では、価格設定は、マーケットプレイスの成功の指標に基づいて、機械学習機能によって価格設定エンジンに対して自動的に設定してもよい。成功のメトリクス及び尺度は、利益尺度、歩留まり尺度、評価を含む、などを含んでもよい。評価は、ユーザ評価を含んでもよい。評価は、購入者の評価、ライセンシーの評価、レビュアーの評価などを含んでもよい。指標と成功の尺度は、関心のある指標を含んでもよい。興味のある指標には、クリックストリームアクティビティ、ページ上での滞在時間、レビュー要素に費やされた時間、データ要素へのリンクなどを含む。
実施形態において、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、複数の産業機械のうちの1つ以上から、または1つ以上に関するデータ入力を受け取るように構造化された入力インターフェースと、マーケットプレイス内で収集されたデータを提供するためのデータプール及びデータストリームのうちの少なくとも1つと、データ要素及びマーケットプレイスを使用する当事者が少なくとも1つのデータストリームまたはデータプールへのアクセスを得ることができる少なくとも1つのメカニズムを提示するためのユーザインターフェースと、を備えてもよい。実施形態では、価格設定は、マーケットプレイスの成功の指標に基づいて、機械学習機能によって価格設定エンジンに対して自動的に設定してもよい。成功のメトリクス及び尺度は、利益尺度、歩留まり尺度、評価を含む、などを含んでもよい。評価は、ユーザ評価を含んでもよい。評価は、購入者の評価、ライセンシーの評価、レビュアーの評価などを含んでもよい。指標と成功の尺度は、関心のある指標を含んでもよい。興味のある指標には、クリックストリームアクティビティ、ページ上での滞在時間、レビュー要素に費やされた時間、データ要素へのリンクなどを含む。
実施形態において、産業環境におけるデータ収集システムは、産業環境におけるデータ収集システムのためのポリシー自動化システムであって、以下のものを含むことができる。役割、許可、及び用途の中から選択された複数のルールであって、ポリシー、プロトコル、及びポリシー入力に通信可能に結合された複数のルールと、デバイスがどのように作成され、展開され、管理されるかを定義するためのコンプライアンス、フォールト、コンフィギュレーション、アカウンティング、プロビジョニング、及びセキュリティポリシーの中から選択された複数のポリシーであって、ポリシー、プロトコル、及びポリシー入力に通信可能に結合された複数のポリシーと、ルール、ポリシー、及びプロトコル定義のうちの少なくとも1つへの入力として使用されるポリシー入力を受信するように構造化されたポリシー入力インターフェースと、を備えていてもよい。
実施形態では、データマーケットプレイスは、マーケットプレイスの入力を受信するように構造化された入力インターフェースと、マーケットプレイスの入力を含む収集されたデータを格納し、マーケットプレイスによる使用のために収集されたデータを利用可能にする複数のデータプールと、データプールからのデータを含むデータストリームとを備えることができる。
本明細書及び添付の付録Bに記載されているように、インテリジェント産業機器及びシステムは、自己形成ネットワーク、プライベートネットワーク、インターネットベースのネットワークなどを含む様々なネットワークに構成してもよい。水素の製造、貯蔵、及び使用を組み込むことができる付録Bに記載されているようなスマートな加熱システムの1つまたは複数が、そのようなネットワークのノードとして構成してもよい。実施形態では、スマートヒーティングシステムは、WiーFi及び記載されている他の有線及び/または無線通信プロトコルによる接続を容易にする無線ネットワークポートなど、1つ以上のネットワークポートを備えて構成してもよい。スマートヒーティングシステムは、付録Bに記載されたスマート水素製造システム及びスマート水素貯蔵システムなどを含み、個別に構成してもよいし、産業機器及びシステムのネットワーク内の1つ以上のノードとして接続された一体型システムとして構成してもよい。この例では、スマートヒーティングシステムは、通信機能などを備えたポータブルトレーラーなど、現場の産業機器オペレーションセンターに配置してもよい。このような配置されたスマートヒーティングシステムは、産業用データ収集、制御、及び監視ノードなどのデバイスのネットワークに参加し、ネットワーク管理、通信、データ収集、データ監視、制御などに参加するように、手動、自動、または半自動で構成してもよい。
産業機器の監視、制御、及びデータ収集装置のネットワークに参加するスマートな加熱システムの別の例では、複数のスマートな加熱システムがスマートな加熱システムのサブネットワークに構成してもよい。実施形態では、デバイスのサブネットワークによって生成されたデータは、本明細書に記載の方法及びシステムを使用して、産業機器のネットワークを介して通信してもよい。
実施形態では、スマートヒーティングシステムは、本明細書に記載されているような産業機器のネットワークに参加してもよい。この例として、図136に描かれているように、スマート加熱システムの1つまたは複数は、本明細書に記載されているIoTデバイス13500などのIoTデバイスとして構成してもよい。実施形態では、スマートヒーティングシステム13502は、アクセスポイントを介して、デバイス及びシステム要素のための本明細書に記載されたモバイルアドホックネットワークまたは接続のためのメカニズムを介して、及び/または本明細書に記載されたネットワーク要素を介して通信してもよい。
実施形態では、付録Bに記載された1つ以上のスマートヒーティングシステムは、スマートヒーティングシステムがデータ収集を改善し、増加したインテリジェンスを展開する分析、自己組織化ストレージ、データ収集などの機能を実行することを可能にする設備、プラットフォーム、モジュールなどを組み込み、統合し、使用し、またはそれらと接続してもよい。データの機械パターン認識、アナログ産業用センサからの融合データの収集、生成、保存、及び通信、マルチセンサデータの収集及び多重化、自己組織化データプール、産業用データ収集者の自己組織化スウォームなど、本明細書に記載されている様々なデータ分析技術は、スマート暖房システムの1つまたは複数によって収集されたデータで具現化され、それによって可能になり、それと組み合わせて使用され、それから導き出してもよい。
実施形態では、スマート暖房システムは、異なるサンプリングレートで取得された複数のデータセットとは対照的に、単一の比較的高いサンプリングレートで、複数のセンサなどから長いブロックのデータ(すなわち、長いデータ取得期間)を取得するためのローカルデータ収集機能を備えるように構成してもよい。この例では、ローカルデータ収集機能は、履歴テンプレートなどに基づいてデータ収集ルートを計画することを含むことができる。実施形態では、ローカルデータ収集機能は、特定の周波数帯域と、スペクトルピーク群、真のピークレベル、クレストファクタなどの少なくとも1つを定義する帯域など、データ収集帯域を管理することを含んでもよい。
実施形態では、1つまたは複数のスマートヒーティングシステムは、産業データ収集を促進する可能性のあるIoTデバイスの自己組織化群として参加してもよい。スマートヒーティングシステムは、他のスマートヒーティングシステム、IoTデバイス、産業データ収集者などと一緒に、スマートヒーティングシステムの能力及び条件に基づいてデータ収集を最適化するために自分たちの間で組織化してもよく、スマートヒーティングシステム及びその周辺から情報を感知、記録、及び取得するニーズがある。実施形態では、1つまたは複数のスマート暖房システムは、群の他のメンバー、デバイスなどとの調整を容易にすることができる処理インテリジェンス及び能力を備えて構成してもよい。実施形態では、スウォームのスマートヒーティングシステムのメンバーは、スウォームのメンバーの間でデータ収集活動、データ保存、データ処理、及びデータ公開を割り当てることを容易にするために、スウォームの他のスマートヒーティングシステムが何を処理し、収集しているかについての情報を追跡してもよい。
実施形態では、複数のスマートヒーティングシステムは、異なるバーナーで構成されていても、共通の水素製造システム及び/または共通の水素貯蔵システムを提供する。実施形態では、複数のスマートヒーティングシステムは、データ収集が複数のスマートヒーティングシステムによって不必要に重複しないように、共通の水素製造及び/又は貯蔵システムに関連するデータ収集を調整してもよい。実施形態では、水素を消費する可能性のあるスマート暖房システムは、水素を消費する準備をする可能性のあるスマート暖房システムが、別のスマート暖房システムがデータ収集、処理などを行ったとしても、消費量が追跡されるように、他のスマート暖房システムと調整するように、水素生産及び/または貯蔵データ収集を行ってもよい。実施形態では、群内のスマート加熱システムは、加熱、調理、または熱の他の使用が完了に近づいたときなど、各スマート加熱システムが水素の消費を停止する準備をするときに、どのスマート加熱システムが水素消費データの収集及び処理を行うかを決定するために、互いに通信してもよい。ところで、複数のスマート加熱システムが水素を積極的に消費しているとき、データ収集は第1のスマート加熱システムによって実行されてもよく、データ分析は第2のスマート加熱システムによって実行されてもよく、データ及びデータ分析の記録または報告は第3のスマート加熱システムによって実行されてもよく、この例では、データ及びデータ分析の記録または報告は、第3のスマート加熱システムによって実行してもよい。特定のデータ収集、処理、保存、及び報告機能を異なるスマート暖房システムに割り当てることにより、十分なストレージ、処理帯域幅、通信帯域幅、利用可能なエネルギー供給などを有する特定のスマート暖房システムに適切な役割を割り当ててもよい。スマートヒーティングシステムは、加熱時間や調理時間などの終了が近づくと、まもなく省電力モードに入ることを群に知らせ、そのため、省電力モードで中断する必要があるデータ分析などの実行には割り当てないようにしてもよい。
実施形態では、本明細書に開示されているようなスマートヒーティングシステムの群を使用することの別の利点は、群のデータ記憶能力を利用して、群のデータを記憶する役割を共有することにより、単一のスマートヒーティングシステムに記憶できるよりも多くの情報を記憶することができることである。
実施形態では、スマート暖房システムの自己組織化スウォームは、システムの1つが、データ収集、処理、保存、報告などの活動のためにスウォーム内の個々のスマート暖房システムのリソースの割り当てに関する意思決定を促進することができるマスタースウォーム参加者として指定されることを含む。
実施形態では、産業用データコレクタの自己組織化スウォームの方法及びシステムは、本明細書に記載されている複数の追加機能、能力、特徴、動作モードなどを含んでもよい。実施形態では、スマートヒーティングシステムは、これらの追加機能、能力、機能などのいずれかまたはすべてを制限なく実行するように構成してもよい。
本明細書に記載された方法及びシステムは、プロセッサ上でコンピュータソフトウェア、プログラムコード、及び/または命令を実行する機械を介して、一部または全部を展開することができる。本開示は、マシン上の方法として、マシンの一部またはマシンに関連するシステムまたは装置として、またはマシンの1つ以上で実行されるコンピュータ可読媒体に具現化されたコンピュータプログラム製品として実施してもよい。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラストラクチャ、モバイルコンピューティングプラットフォーム、据置型コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってもよい。プロセッサは、プログラム命令、コード、バイナリ命令などを実行できる、あらゆる種類の計算デバイスまたは処理デバイスであってもよい。プロセッサは、シグナルプロセッサ、デジタルプロセッサ、エンベデッドプロセッサ、マイクロプロセッサ、または、その上に格納されたプログラムコードまたはプログラム命令の実行を直接的または間接的に容易にすることができるコプロセッサ(数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサなど)などの任意の変形であってもよいし、それを含んでいてもよい。さらに、プロセッサは、複数のプログラム、スレッド、及びコードの実行を可能にしてもよい。スレッドは、プロセッサの性能を高め、アプリケーションの同時操作を容易にするために、同時に実行してもよい。実施の方法として、本明細書に記載されている方法、プログラムコード、プログラム命令などは、1つ以上のスレッドで実装してもよい。スレッドは、関連する優先度が割り当てられている可能性のある他のスレッドを生成してもよく、プロセッサは、プログラムコードで提供される命令に基づいて、優先度またはその他の順序に基づいてこれらのスレッドを実行してもよい。プロセッサ、またはそれを利用する任意の機械は、本明細書などに記載されている方法、コード、命令、及びプログラムを格納する非一過性のメモリを含んでもよい。プロセッサは、本明細書などに記載されている方法、コード、及び命令を格納することができるインターフェースを介して、非一過性の記憶媒体にアクセスしてもよい。方法、プログラム、コード、プログラム命令、またはコンピューティングデバイスまたは処理デバイスによって実行可能な他のタイプの命令を格納するためにプロセッサに関連付けられた記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュなどのうちの1つまたは複数を含んでもよいが、これらに限定されない。
プロセッサは、マルチプロセッサの速度及び性能を向上させることができる1つ以上のコアを含んでもよい。実施形態では、プロセスは、デュアルコア・プロセッサ、クアッドコア・プロセッサなど、独立した2つ以上のコア(ダイと呼ぶ)を組み合わせたチップレベル・マルチプロセッサなどである。
本明細書に記載されている方法及びシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、またはその他のコンピュータ及び/またはネットワークハードウェア上でコンピュータソフトウェアを実行するマシンを介して、一部または全体を展開することができる。ソフトウェアプログラムは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、及びセカンダリサーバ、ホストサーバ、分散型サーバなどの他の変形を含むサーバと関連していてもよい。サーバは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性及び/または非一過性の媒体、記憶媒体、ポート(物理的及び仮想的)、通信デバイス、及び有線または無線媒体を介して他のサーバ、クライアント、マシン、及びデバイスにアクセス可能なインターフェースなどのうちの1つ以上を含んでいてもよい。本明細書などに記載されている方法、プログラム、またはコードは、サーバによって実行してもよい。また、本願明細書に記載されている方法の実行に必要な他の装置は、サーバに関連するインフラの一部として考えてもよい。
サーバは、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散型サーバ、ソーシャル・ネットワークなどを含むがこれらに限定されない他のデバイスへのインターフェースを提供してもよい。さらに、この結合や接続により、ネットワーク上でのプログラムのリモート実行が容易になる場合がある。これらのデバイスの一部または全部をネットワーク化することで、本開示の範囲を逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インターフェースを介してサーバに接続されたデバイスのいずれかが、方法、プログラム、コード、及び/または命令を格納することができる少なくとも1つの記憶媒体を含んでいてもよい。中央リポジトリは、異なるデバイスで実行されるプログラム命令を提供してもよい。本実施形態では、リモートリポジトリは、プログラムコード、命令、及びプログラムの記憶媒体として機能してもよい。
ソフトウェアプログラムは、ファイルクライアント、プリントクライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、及びセカンダリークライアント、ホストクライアント、分散型クライアントなどの他のバリエーションを含むクライアントと関連していてもよい。クライアントは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性及び/または非一過性の媒体、記憶媒体、ポート(物理的及び仮想的)、通信デバイス、及び有線または無線媒体を介して他のクライアント、サーバ、マシン、及びデバイスにアクセス可能なインターフェースなどのうちの1つまたは複数を含むことができる。本明細書などに記載されている方法、プログラム、またはコードは、クライアントによって実行してもよい。さらに、本願明細書に記載されている方法の実行に必要な他の装置は、クライアントに関連するインフラストラクチャの一部として考えてもよい。
クライアントは、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含むがこれらに限定されない他のデバイスへのインターフェースを提供してもよい。さらに、この結合及び/または接続は、ネットワークを介したプログラムのリモート実行を促進してもよい。これらのデバイスの一部または全部をネットワーク化することで、本開示の範囲を逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インターフェースを介してクライアントに接続されたデバイスのいずれかは、方法、プログラム、アプリケーション、コード、及び/または命令を格納することができる少なくとも1つの記憶媒体を含んでいてもよい。中央リポジトリは、異なるデバイスで実行されるプログラム命令を提供してもよい。本実施形態では、リモートリポジトリは、プログラムコード、命令、及びプログラムの記憶媒体として機能してもよい。
図286は、産業用モノのインターネットソリューションのためのアーキテクチャ、その構成要素、及び機能的関係の概略図を提供するものである。データ処理プラットフォーム13700は、インテリジェントストレージシステム及び能力13724、監視及び収集システム及び能力13728、ならびに処理及びインテリジェンス能力13730など、本開示及び本明細書で参照により組み込まれた文書全体にわたって様々な実施形態で説明されているような、一連のデータ処理層を含んでもよく、これは、プラットフォーム13700の様々な能力、マイクロサービスなどが、統一されたまたは統合された方法で複数のアプリケーション13732にサービスを提供することができるなど、一連のアプリケーション13732にサービスを提供することができる。プラットフォーム13700は、クラウドコンピューティングインフラストラクチャ及びサービス上などのクラウドコンピューティング環境に展開されてもよく、監視及び収集システム及び能力13728を介してなど、産業環境13704に接続してもよく、エッジシステム13718が接続性を提供してもよく(本開示及び本明細書に参照として組み込まれた文書全体に記載されているネットワーク及び/またはソフトウェアシステム、サービス、プロトコル、または能力のいずれかを使用して、または当業者が理解するような、セルラー接続(5G能力を含む)、WiーFi、Bluetooth(登録商標)、及び他のネットワークプロトコルなどを使用して、及びアプリケーションプログラミングインターフェース、ポート、コネクタ、ブローカー、その他のソフトウェアシステムなど、多くのものを含む)、計算(データの処理、信号処理、データ変換、データの正規化など)、及びインテリジェンス(決定ルールまたはモデルの適用、分析、アラート、レポート及び/または制御命令を生成するための入力の計算及び操作、1つまたは複数の人工知能システム(機械学習システム、ニューラルネットワーク、エキスパートシステム、ディープラーニングシステム、または本開示全体もしくはここに参照として組み込まれた文書に開示されているその他のシステムなど)の適用などを含む。
実施形態では、プラットフォーム13700は、一組の産業実体デジタルツイン13734を生成、ホスト、統合、リンク、包含、統合、またはその他の方法で相互作用してもよく、このデジタルツインは、労働者13712、固定資産13712(機械、システム、装置、備品など)、インフラストラクチャ13710(床、壁、天井、ロードドック、基礎など)などの一組の産業実体13736の現実世界の状態のデジタル表現またはレプリカを構成してもよい。固定資産13712(機械、システム、装置、備品など)、インフラストラクチャ13710(床、壁、天井、搬入口、基礎など)、及び移動資産13708(車両、フォークリフト、自律走行車、ドローン、組立ライン、ファン、ローター、タービン、ポンプ、バルブ、流体など)など、産業環境13704内またはその周辺に存在する多くの他のものを含む。
実施形態では、エッジシステム13718は、モバイルデータコレクタ13702のそれぞれとインターフェースしてもよい(本開示及び本明細書に参照として組み込まれた文書全体に記載されている機能のいずれかを有するなど、オンボードインテリジェンス(データの保存及び処理、電力利用の最適化など)を有する。例えば、センサチャネルのサブセットを選択してルーティングするためのクロスポイントスイッチなどの機能、エンティティ13736からアセットタグなどのデータを取得するためのRFIDリーダーなどのリーダー、またはセンサ13722及び/またはオンボード診断システムに接続してそこから読み取る機能などを備えている。また、SLAM(Simultaneous Location and Mapping)システム13714(空間内のエンティティ13736の位置を正確に決定し、それらのエンティティをその位置にマッピングするためのものなどである。例えば、LIDAR、超音波、ソナー、X線、磁気共鳴イメージング、赤外線、深赤外線、または環境13704内のエンティティ13736の表現を提供することができる他の走査技術を用いて環境13704またはその一部を走査した結果を表す点群で、エンティティ13736を表現することなどである。ある例示的な実施形態では、スキャンは、LIDARベースのSLAMシステム13714によって収集されたデータポイントの点群としてエンティティ13736を表す。実施形態では、モバイルデータコレクタ13702及びSLAMシステム13714は統合またはリンクされており、モバイルデータコレクタ13702によるデータの収集点の位置、ポジション、向きなどが、SLAMシステム114にまたはSLAMシステム114によって自動的に登録され、統一されたデータセットがさらなる通信、計算、または処理のためにエッジシステム13718に提供されるようになっている。例えば、3軸モバイルデータコレクタ13702によって行われた一連の振動データの読み取りは、SLAMシステム13714によってまたはSLAMシステム13714内で作成されたデータのマッピングされた点群の特定の場所に登録されて、振動情報が点群のそれらの部分にリンクされ、その後、点群のその部分または他のマッピングシステムによって表されるマシンまたは他のエンティティ13730にリンクすることができるようにしてもよい。
実施形態では、SLAMシステム13714及びモバイルデータコレクタ13702が単一のポータブルデバイスに統合されており、SLAMシステム13714によって空間がマッピングされているときに、(作業員、ドローン、または自律車両などによって)データ収集ルートを実行することができる。そのため、これは、同時位置情報マッピングデータ収集システム(SLAMDC)13740を構成することができる。実施形態において、モバイルデータコレクタ13702は、データコレクタ13702に含まれる、またはデータコレクタ13702と統合されるセンサ13722(オンボード三軸振動センサ、超音波センサ、音響センサ、熱センサなど、本明細書または参照により本明細書に組み込まれる文書に開示されるセンサの種類のいずれかを含む多くのセンサ)から収集してもよい。実施形態では、モバイルデータコレクタ13702は、カメラ、アナログセンサ、デジタルセンサ、または他の多くのセンサなど、環境13704の中または周囲に配置されたセンサ13722から収集してもよい。実施形態では、作業員、ドローン、または自律車両などのデータ収集者は、オンボードインテリジェンス、エッジシステム13718のインテリジェンス、またはプラットフォーム13700のインテリジェントシステム13730などによって、問題が検出または予測されるなど、インテリジェンスが情報を追加収集することの利点を示す場所など、一連の産業エンティティ13736に、その上に、または近接して追加のセンサを配置するように指示してもよい。
実施形態では、エッジシステム13718は、制御システム13742を含み、リンクまたは接続し、制御システム13742と統合してもよく、例えば、1つまたは複数の産業エンティティ13736の制御を提供するために、工場内の機械(CNCマシン、付加製造マシン、エネルギーシステム(例えば、発電機またはタービン)、組立ラインなど)を制御したり、ワークフロー(生産ワークフロー、検査ワークフロー、データ収集ワークフロー、保守ワークフロー、サービスワークフローなど)を制御したりするために、制御システム13742に統合してもよい。ワークフロー(生産ワークフロー、検査ワークフロー、データ収集ワークフロー、保守ワークフロー、サービスワークフローなど)の制御、工場全体または工場のセットのサブシステム、システム、またはオペレーションの制御などである。エッジシステム13718の処理、計算、及び知能の能力(及び、エッジシステム13718との間の接続性によるプラットフォーム13700、プラットフォーム13700の処理、計算、及びインテリジェンス能力13730)は、このように、一連の制御システム13742からの入力の恩恵を受け、一連の制御システム13742に入力を提供する(そのための制御信号を含む)ことができる。モバイルデータコレクタ13702からのデータ(センサ13722、エンティティ13736のオンボード情報、及びその他の情報からのデータを含む)、エッジシステム13718からのデータ、SLAMシステム13714からのデータ、複合SLAMDCシステム13740からのデータ、1つ以上のアプリケーション13732からのデータ、またはプラットフォーム13700(そこにある層のいずれかを含む)からのデータは、産業用デジタルツイン13734のセットで表してもよい。例えば、産業用デジタルツイン13734は、マッピングされた産業環境(実施形態では、3Dマッピング、ARまたはVRシステムを使用するなど、拡張してもよい)の点群ビューを、点群とともに点群ビューに提示された関連するデータ収集要素とともに示してもよい。デジタルツイン13734において、システムが正常な範囲から外れた形で振動している(本明細書の他の箇所で議論されているような重大度単位が閾値を超えているような)点群の領域を(色や動きなどによって)強調するなど、多くの例が利用可能である。産業エンティティデジタルツイン13734は、特定のワークフロー、役割、及びユーザのために構成されたものなど、様々なインターフェース及びダッシュボード13738を含み、それらにリンクまたは接続し、またはそれらと統合してもよい。例えば、ダッシュボード及びインターフェースは、特定の機械と対話する作業者(デジタルツインがトレーニング、ワークフローのガイダンス、問題の診断などに使用される場合など)、工場フロアのオペレーションの管理者(デジタルツイン13734がフロア上の機械のレイアウト、トラフィックのパターン(例えば、資産の移動、ワークフローに関わる移動資産13708及び作業者13712)、作業者、機械、プロセスなどのステータス情報(稼働状況、保守状況、検査状況などを含む)、分析情報(オペレーションに関するメトリクス、潜在的な問題などを示すなど)、検査員(デジタルツイン13734が、データコレクタ13702によって追加の検査が必要または有益であると示された領域を表す場合など(例えば、検査員は、デジタルツインインターフェースまたはダッシュボード13738で対話することにより、既に検査された項目をチェックオフしたり、さらなる検査のための項目を強調表示したりすることができる)保守及びサービス作業者(デジタルツイン13734が、保守を必要とする項目の位置を概略図で強調表示し、サービス作業者を適切な場所及び/または機械に案内し、サービスまたは保守を実施する方法に関する情報及びガイダンス(チェックリストまたはワークフローから、機械で提示することができる仮想、複合または拡張現実のトレーニングまたはガイダンスセッションまで)を(別のビューなどで)提示する場合など)が挙げられる。フロントオフィスの管理者(ROI指標、出力指標、コスト指標などの財務情報(現状と予測を含む)を提示できる財務担当者など)、法務担当者(デジタルツイン13734がコンプライアンス情報を提示し、法的リスク(安全違反や、オペレーションに関するステータス情報が会社の契約違反の可能性を示す場合(契約で要求された出力ができないなど)など)を強調する場合など)、在庫管理者、調達担当者などである。また、CEO、CTO、COO、CIO、CDO、CMOなどの経営者は、工場全体または工場のセットを表すデジタルツイン13734と対話して、企業の全体的な運営や戦略などに対する産業実体13736に関わる要素の相互作用及び/または要素の貢献を理解することを含む可能性のあるリスク及び機会を特定する場合がある。
様々な実施形態において、インターフェース及びダッシュボード13738は、センサ13722から、モバイルデータコレクタ13702から、SLAMシステム13714(または複合SLAMDCシステム13740)から収集されたセンサ情報、SLAMシステム13714またはSLAMDCシステム13740からのマッピング情報、エンティティ13736の形状及び配置の表現(点群、CAD図面、写真、3D表現、設計図、または抽象的な表現(関係性を示すトポロジーや階層など)など)を表示してもよい。計算、メトリクス、計算、統計、分析などの表現(エッジシステム13718、処理・インテリジェンスシステム13730、またはその他のシステムによって計算されたものなど)、状態またはステータス情報(産業界のエンティティ13736を含むワークフローの運用状態やステータスを示すものなど)などである。
産業環境13704からの情報要素、または産業エンティティ13736に関する情報要素は、オーバーレイ(例えば、3Dインターフェースの点群、写真、またはユニットの3D表現の上に指標やシンボルが提示される)、ネイティブ形式(点群が表現されるなど)、3Dビジュアライゼーション(インターフェースが要素を3D幾何学的要素として扱うなど)などで提示することができる。
インターフェース及びダッシュボード13738は、グラフィカルインターフェース(ラップトップ、タブレット、モバイルデバイス用など)、タッチスクリーンインターフェース、音声起動型インターフェース、拡張現実インターフェース、仮想現実インターフェース、複合現実インターフェース、アプリケーションプログラミングインターフェース(API)などを含むことができる。
例えば、コンポーネントの個々の部品を表すコンポーネントデジタルツイン、機械全体を表す機械デジタルツイン、複数のコンポーネント、部品、機械などとそれらの相互作用を含むシステムを表すシステムデジタルツイン、一連の作業者13712の1つまたは複数の属性または状態を表す作業者デジタルツイン、エンティティ13736のレイアウトまたは配置を表す配置デジタルツイン(例えば、限定されるものではないが、工場フロアにおけるコンポーネント、資産、機械、作業者、またはその他の要素の配置など)などである。資産、他の作業員、ワークフローなどとの相互作用をシミュレートまたは模倣するなど、ユーザにリアルな体験を提供する拡張現実、仮想現実、複合現実のデジタルツイン(機械やシステムの操作方法やメンテナンス方法、機械やシステムを含むワークフローの実行方法などを作業員や作業員のグループにトレーニングする場合など)、抽象的なデジタルツイン(トポロジー、階層、フローダイアグラムなど、要素や関係を表すものなど)などである。
実施形態では、デジタルツイン13734でのドリルダウン及び/またはズームアップを容易にするインターフェース及びダッシュボード13738が提供してもよい(ユーザの制御下にあるか、ステータス情報、文脈情報、ユーザーインタラクションなどの理解に基づく自動化によるかを問わない)。より多くのコンポーネント及び/またはそれらの相互作用を包含する広いビューに移動する、追加の情報を取得する(デジタルツイン13734で表されるメトリックに関連する追加のメトリック、より粒度の高いデータ、メトリックを決定するために使用されたソースデータなどを見るなど)、などである。
実施形態では、インターフェース及びダッシュボード13738は、同じエンティティ13736のデジタルツインのビューまたはタイプ間の切り替えを容易にするように構成してもよい(デジタルツイン13734に関わるステータス情報、コンテキスト情報、ユーザのインタラクション、または他の要因の理解に基づくなど、ユーザの制御下にあるか自動化によるかを問わない)。例えば、ユーザは、工場フロア上の機械及びワークフローの現在のステータス情報を表す全体的な概略ビューから、機械の1つの現実的な表現を示す3Dビューに切り替えることができる(例えば、データコレクタ13702が、温度、振動、圧力などの正常なパラメータ外で動作していると判断した場合など、問題があると強調されたものなど)。
様々な実施形態では、エンドツーエンドシステムが提供され、産業用デジタルツイン13734が、プラットフォーム100の1つ以上の層を介して、エッジシステムへの接続を通じて、モバイルデータコレクタ13702、SLAMシステム13714及び/またはSLAMDCシステム13740への継続的または定期的に更新されるデータ接続を維持し、産業用デジタルツイン13734が、産業環境13704内のエンティティ13736の現在の属性、状態、ステータスなどに関するリアルタイムまたは定期的に更新される情報を提供するようになっている。これには、上述したように、センサ13722からのセンサデータ、エンティティ13736からのオンボードデータ、制御システム13742からの制御情報、データ収集器13702によって収集された様々なデータ、マッピング情報、エッジシステム13718及び/または処理・インテリジェンスシステム13730のエッジインテリジェンスによって計算された情報などを表すことが含まれ、管理者、幹部、または他のユーザが、ユーザの権限下にある、またはそうでなければユーザが関心を持つ要素の高度にインタラクティブな視覚化及び相互作用を行うことができるようになっている。
実施形態では、モバイルデータコレクタ13702によるデータ収集、及び/または産業エンティティ13736のセンサ13722、制御システム13742、及び/またはオンボードのセンシングまたは診断から得られた分析は、エッジシステム13718によって計算されてもよく、及び/または処理及びインテリジェンスシステム13730は、これらの様々なデータソースからの現在の情報に基づいて、及び任意に類似のエンティティ13736を含む結果からの履歴データに基づいて、ある期間中に予定外のシャットダウンが発生する確率を示すメトリックを含んでもよい。予定外のシャットダウンのメトリックは、機械、システム、ワークフロー、工場、または工場のセットなど、様々なエンティティ13736について計算されてもよく、工場フロアの概略図を提供するデジタルツイン上のオーバーレイ要素としてメトリックを表現することなどにより、産業用デジタルツイン13734に表現してもよい。
実施形態では、産業用エンティティ13736、ワークフロー、またはオペレーションなどの予定外のシャットダウンの確率に対する寄与成分要因が、産業用デジタルツイン13734のインターフェースまたはダッシュボード13738で分析され、表現してもよい。これらの構成要素には、機械的ストレス、過負荷、磨耗、ベアリングの問題、カップリングの問題、回転部品のバランスが取れていない状態、過熱、凍結、過剰な粘性、潤滑の問題、目詰まりに基づく故障など、コンポーネントまたは機械の既知の故障モード(物理モデル、履歴モデル、履歴モデルなどを使用する予測保守モデルによって計算されるものなど)の発生確率が含まれてもよい。キャビテーション、真空不良、漏れ、液面低下、圧力低下、電気不良、電力不良、部品供給不良、工具の不在、部品の不在、部品の破損、他の事業体のシャットダウン13736、交通渋滞、情報技術の問題、計算エラー、サイバー攻撃、その他多くの問題がある。
実施形態では、予定外のシャットダウン確率は、故障の履歴データセットで訓練されたニューラルネットワークなどの予測機械によって決定してもよい。実施形態では、エンティティの予定外のシャットダウン確率は、モデルベースのアプローチとニューラルネットワークの組み合わせによって決定してもよい。例えば、ニューラルネットワークが、特定のタイプの故障及び/またはシステムの特定の部品の確率を決定し、その確率が、そのタイプの故障または特定の部品が関与するシステムのシャットダウンの確率を計算するためのモデルで使用される、またはその逆の場合がある。
実施形態では、予定外のシャットダウン確率は、エッジシステム13718で計算してもよいし、プラットフォーム100の処理及びインテリジェンス能力13730で計算してもよいし、それらまたは他のインテリジェンスシステムの組み合わせで計算してもよい。予定外のシャットダウン確率メトリクスは、管理者、保守作業者、幹部、検査官などに、予定外のシャットダウンの全体的なリスクの視覚的な表示や、リスクにさらされている、または工場、プラント、システム、プロセス、ライン、機械、ワークフローなどの予定外のシャットダウンの確率の増加に寄与している構成要素またはエンティティ13736の視覚的な表示を提供するなど、産業用デジタルツイン13734のセットで表現してもよい。これにより、管理者や経営者は、ドリルダウンして詳細な情報を入手し、リスクを低減するための行動を取ることができる。一例として、幹部は、一連の工場のビューを提示され、ある工場が、予定外のシャットダウンの確率がしきい値を超えていること(または、単に一連の工場の中で最も高い確率であること)に基づいて、産業用デジタルツイン13734で異なる色(真っ赤など)で表現されている場合がある。これにより、経営者はその工場に注目し、予定外のシャットダウンの確率を計算したり推測したりする必要がある生データやスプレッドシートなどを提示されただけでは見落とされていたであろう、運用上の選択についてのさらなる洞察を得ることができる。同様に、ハイライトされた工場の工場長は、様々なコンポーネントの機械やプロセスの予定外のシャットダウンの確率を提示する産業用デジタルツイン13734を持っているかもしれない。例えば、重要な半導体製造装置の真空を維持するポンプや、半導体の製造工程で使用される部品などである。工場(または生物学的生産プロセスなど)のプロセスは、キャビテーションを示す振動分析に基づいて、ポンプの年齢やその保守・運転履歴などの他のデータソースと組み合わせて、故障のリスクが高いと特定されることがある。ポンプは、産業用デジタルツイン13734において、工場管理者向けに構成されたビューで、明るい色で強調表示され、振動問題がポンプの予定外のシャットダウン(真空の故障、重要な生産プロセスの故障、工場全体のシャットダウンに連鎖する)のリスクの原因である可能性が高いことを示す動き(視覚要素を揺らすなど)でポンプをアニメーション化するなどして、強調表示してもよい。スプレッドシートや生データの出力に比べて、デジタルツインでは視覚的な手がかりによって注意が向けられる結果、工場の管理者は、メンテナンスや交換のためにポンプに注意を向けることができる(デジタルツインのポンプに触れるなどのインタラクションを含む)。あるユーザー(工場長や幹部など)によって提供された指示またはメッセージは、別のユーザ用に構成された別のデジタルツイン13734またはユーザインターフェースまたはダッシュボード13738において、メッセージ、または強調表示をもたらす可能性がある。例えば、ポンプは、工場のビューで工場長によってフラグが立てられた場合、ポンプへのルートを示し、その後、点検、保守、サービス、及び/または交換を介して作業者をガイドするビューに切り替えるなど、サービス作業者のデジタルツイン13734に表示されることがある。このように、デジタルツイン13734のセットは、エッジインテリジェンスを介したデータ収集システムへのリアルタイムまたは定期的な接続に基づいて予定外のシャットダウンリスクを強調し、デジタルツインのセットの追加のビューからのガイダンス及び指示を用いて、任意に、様々な作業者が対処できる問題に(視覚的要素を強調することによって)注意が向けられるワークフロー(デジタルツイン内で有効)を促進することができる。
実施形態では、プラットフォーム13700、エッジシステム13718、制御システム13742、データコレクタ13702、SLAMシステム13714、SLAMDCシステム13740、及びセンサ13722を介した一連の産業用デジタルツイン13734と、産業用エンティティ13736及びそれらの様々なオンボードセンサとの間のエンドツーエンドのリアルタイムまたは周期的な接続が行われる。データ収集システム、診断システム、バスなどは、APIを介してなど、1つまたは複数のアプリケーション13732にリンクされている、含まれている、または統合されているものを含む、デジタルツイン13734のインターフェース及びダッシュボード13738内の要素の操作を介して、これらのシステムの様々な要素に対する制御を容易にすることができる。例えば、産業用デジタルツイン13734の要素を操作することは、モバイルデータコレクタ13702によるデータ収集を設定または変更するために使用されてもよく、例えば、モバイルデータコレクタ13702にチャネルを切り替えさせることによって(複数のセンサチャネルが利用可能であり、(クロスポイントスイッチを介して)データコレクタ13702が、例えば、1軸の振動チャネル、温度及び圧力の収集から3軸の振動データの収集に切り替えるように指示される場合などである。これは、例えば、管理者が機械のデジタルツイン13734に潜在的な振動問題を見て、ドリルダウンのために要素に触れた場合に発生する可能性があり、自動的に、またはユーザ制御の下で、データ収集モードを切り替えて、異なるセンサデータ、より粒度の高いデータ(例えば、はるかに短い時間間隔でデータを収集したり、ストリーミング形式でデータを収集したりするなど)を提供することができる。別の例として、ユーザインターフェース要素またはダッシュボード要素13738を操作すること、またはデジタルツイン13734にAPIを介して命令を提供することは、エッジシステム13718、プラットフォーム13700の処理及びインテリジェンスシステム13730、または他のインテリジェンスシステムなどの、インテリジェンスまたは計算能力の構成を構成または変更することができる。例えば、ユーザー(または自動制御されたシステム)は、エッジシステムを再構成して異なるデータソースにアクセスすることができる。例えば、影響力が小さいと思われるデータソースを刈り取ったり、分類活動、予測活動、または制御活動を伴うものなど、結果を改善する可能性のある新しいデータソースを追加したりすることができる。例えば、ある工場に予知保全システム(または複数のこのようなシステム)が存在する場合がある。SLAMDCシステム13740のデータ収集及びマッピング経路の間などに、環境内の様々な物理的実体を表す点群を生成するために工場がスキャンされ、工場がユーザの産業用デジタルツイン13734上に表示されると、ユーザは、予測保守データを含む、その工場に対して利用可能な追加のデータソースのセットを提示されてもよく、ユーザは、データソースを選択し、それを(ドラッグアンドドロップなどによって)デジタルツインの一部にリンクさせてもよい(例えば、以下のように)。その結果、予知保全データは、その機械上で動作するあらゆるインテリジェンスシステムにデータソースとして供給されることになる。この例のようにインテリジェンスシステムを増強することを容易にするために、または他の目的のために、プラットフォーム13700は、エンドツーエンドの産業用デジタルツインシステム13734(及びそれと情報を交換する要素及び/またはそれによって制御される要素)と、企業の他の情報技術システムとの接続を容易にすることができる。例えば、それらの他のシステムにリンクし、入力を提供し、そこから出力し、及び/またはそれらのシステムと統合することができ、それらのシステムには、限定されないが、エンタープライズリソースプランニングシステム、制御システム、予知保全システム、在庫管理システムが含まれる、調達システム、検査システム、コンプライアンスシステム、品質管理システム、運用計画システムなど、様々なものがある。
実施形態では、ユーザインターフェース要素やダッシュボード要素13738を操作したり、APIを介してデジタルツイン13734に命令を提供したりすることで、制御システム13742の構成を設定または変更したり、制御システム13736に制御信号を提供したりして、デジタルツインが1つ以上の産業エンティティ13736に直接制御インターフェースを提供することができる。
実施形態では、産業用デジタルツイン13734、及びデータ収集とインテリジェンスの関連エンドツーエンドシステムは、サービスエコシステムのサポートに関連して使用することができる。例えば、メンテナンス及びサービスのニーズの理解、特に、インテリジェンスが重要なエンティティ13736の予定外のシャットダウンの高い確率を示している場合、サービスエコシステムに関与するユーザ及びアプリケーション(ロボティック・プロセス・オートメーションを提供するものを含む)による使用のために構成された産業用デジタルツイン13734のセットで表現される場合などである。例えば、リスクの特定、サービス問題の警告、必要な部品、ツール、またはコンポーネントの特定及び注文、必要な専門知識を持つ有能な作業員の特定、作業員、部品、コンポーネントなどのスケジューリング、依存するプロセス及びオペレーションの必要なシャットダウンのスケジューリング、作業員及び資産のサービスロケーションへのルーティング(工場またはプラントのフロア外及びフロア内)、手順及びプロトコルを通じた作業員(自動化された作業員を含む)の誘導、データ収集及び報告の促進、その他多くのことに関連するものである。このサポートには、データ収集からのリアルタイム及び/または定期的な更新の提供、ズーム、ドリルダウン、ビューの切り替えなどによる要素の視覚化の提供(自動及び/またはユーザー制御の下で)、インテリジェンス及び/または制御を取得または構成するためのインタラクションの許可、及び本開示全体及び参照により本明細書に組み込まれる文書に記載されているその他の機能を含む。
図287は、センサキット28700が設置された産業用セッティング28720を示す概略図である。実施形態では、センサキット28700は、統一されたキットで提供され、消費者エンティティ(例えば、産業用設定28720の所有者またはオペレータ)による産業用設定28720での展開の準備ができている、完全に展開可能な、目的に応じて構成された産業用IoTシステムを指してもよい。実施形態では、センサキット28700は、所有者またはオペレータが、全くまたは最小限の構成(例えば、ユーザ許可の設定、パスワードの設定、及び/または通知及び/または表示のプリファレンスの設定)で、センサキットをインストールして展開することを可能にする。センサキット」28700という用語は、産業環境28720(例えば、工場、アミン、油田、石油パイプライン、製油所、商業用厨房、工業団地、貯蔵施設、建築現場など)に設置されるデバイスの集合体を指すことがある。センサキット28700を構成するデバイスの集合体は、1つ以上のIoT(Internet of Things)センサの集合体28702と、1つ以上のエッジデバイスの集合体28704を含む。議論の目的のために、「センサ」または「センサデバイス」への言及は、特に別段の記載がない限り、IoTセンサを意味すると理解されるべきである。
実施形態では、センサキット28700は、産業用コンポーネント、産業用コンポーネントの種類(例えば、タービン、発電機、ファン、ポンプ、バルブ、組立ライン、パイプまたはパイプライン、食品検査ライン、サーバラックなど)、産業用設定28720、及び/または産業用設定28720の種類(例えば、屋内、屋外、製造、鉱業、掘削、資源抽出、地下、水中など)と、センサからの入力を処理し、ネットワークベースの通信を提供することができるエッジデバイスのセットとを含む。実施形態では、エッジデバイス28704は、信号及びローカル処理の結果である分析結果などのローカル出力を提供することができるローカルデータ処理システム(例えば、センサデータの圧縮、センサデータのフィルタリング、センサデータの分析、センサデータに基づく通知の発行などを行うように構成されたデバイス)を含むか、またはそれと通信してもよい。実施形態では、エッジデバイス28704は、産業環境の内外でデータ(例えば、生及び/または処理されたセンサデータ、通知、コマンド命令など)を通信することができる通信システム(例えば、WiーFiチップセット、セルラーチップセット、衛星トランシーバ、コグニティブラジオ、1つまたは複数のBluetooth(登録商標)チップ及び/または他のネットワーキングデバイス)を含むか、またはそれと通信することができる。実施形態では、通信システムは、産業環境28720の主要なデータまたは通信ネットワークに依存することなく動作するように構成される。実施形態では、通信システムは、産業設定28720の主なデータまたは通信ネットワークから物理的及びデータの完全な分離を維持するセキュリティ機能及び命令を備える。例えば、実施形態では、Bluetooth(登録商標)対応エッジデバイスは、産業環境28720内の他のBluetooth(登録商標)対応デバイスではなく、キットの事前に登録されたコンポーネントのみとのペアリングを許可するように構成してもよい。
実施形態では、IoTセンサ28702は、収集するように構成されたセンサデバイスであり、センサデータと、少なくとも1つの通信プロトコルを使用してセンサデータを別のデバイスに通信することができる。実施形態では、IoTセンサ28702は、定義されたタイプの産業実体の中、上、または周囲に展開するように構成される。産業用エンティティという用語は、産業環境28720で監視することができる任意のオブジェクトを指すことがある。実施形態では、産業エンティティは、産業コンポーネント(例えば、タービン、発電機、ファン、ポンプ、バルブ、組立ライン、パイプまたは管路、食品検査ライン、サーバラックなど)を含んでもよい。実施形態では、産業エンティティは、産業用セティング28720に関連する生物(例えば、産業用セティング28720で働く人間や、産業用セティング28720で監視される家畜)を含んでもよい。センサキット28700の使用目的、セティング、または目的に応じて、IoTセンサ28702の構成及びフォームファクタは異なる。異なる種類のセンサの例としては、振動センサ、慣性センサ、温度センサ、湿度センサ、モーションセンサー、LIDARセンサ、煙/火災センサ、電流センサ、圧力センサ、pHセンサ、光センサ、放射線センサなどが挙げられる。
実施形態では、エッジデバイス28704は、1つまたは複数のIoTセンサ28702からセンサデータを受信し、センサデータに関連する1つまたは複数のエッジ関連プロセスを実行するように構成されたコンピューティングデバイスであってもよい。エッジ関連プロセスは、センサデータを保存し、通信ネットワークの帯域幅を削減し、及び/またはバックエンドシステムで必要とされる計算リソースを削減するために、エッジデバイス28704で実行されるプロセスを指すことができる。エッジプロセスの例には、データフィルタリング、信号フィルタリング、データ処理、圧縮、エンコーディング、クイック予測、クイック通知、緊急警報などを含めることができる。
実施形態では、センサキット28700は、センサキット28700内のデバイス(例えば、センサ28702、エッジデバイス28704、収集デバイス、ゲートウェイなど)が、ユーザがセンサキットネットワークを構成することなく、センサキットネットワークを介して互いに通信するように構成されるように、予め構成される。センサキットネットワークとは、センサキットの様々な装置間で確立され、2つ以上の異なる通信プロトコル及び/または通信媒体を利用して、装置間及び公衆通信網28790(例えば、インターネット、衛星ネットワーク、及び/または1つ以上のセルラーネットワーク)などのより広範な通信ネットワークへのデータの通信を可能にする、閉じた通信ネットワークを指すことがある。例えば、センサキットネットワーク内の一部のデバイスは、Bluetooth(登録商標)通信プロトコルを使用して通信することができるが、他のデバイスは、近距離無線通信プロトコルを使用して互いに通信することができる。通信プロトコル、Zigbeeプロトコル、及び/またはWiーFi通信プロトコルを使用することができる。いくつかの実装では、センサキット28700は、センサキットネットワーク内でルーティングノードとして動作する様々なデバイスを有するメッシュネットワークを確立するように構成してもよい。例えば、センサ28702は、データを収集し、収集したデータをセンサキットネットワークを介してエッジデバイス28704に送信するように構成してもよいが、センサキットネットワーク内の他のセンサ28702からエッジデバイス28704に向けてデータパケットを受信してルーティングするように構成してもよい。
実施形態では、センサキットネットワークは、追加のタイプのデバイスを含んでもよい。実施形態では、センサキット28700は、収集装置がメッシュネットワークの一部であるように、センサネットワークのルーティングノードとして機能する1つまたは複数の収集装置(図138には示されていない)を含んでもよい。実施形態では、センサキット28700は、より広範なネットワークとの通信を可能にするゲートウェイデバイス(図138には示されていない)を含んでもよく、それによって、ゲートウェイデバイスは、エッジデバイス28704が公衆通信ネットワーク28790と通信することを妨げるような産業設定28720において(例えば、非常に厚いコンクリート壁を有する工場において)、有線または無線の通信媒体を介してエッジデバイス28704と通信してもよい。センサキット28700の実施形態は、本開示の範囲から逸脱することなく、追加のデバイスを含むことができる。
実施形態では、センサキット28700は、公衆通信網28790などの通信網を介してバックエンドシステム28750と通信するように構成される。実施形態では、バックエンドシステム28750は、センサキット28700からセンサデータを受信し、受信したセンサデータに対して1つまたは複数のバックエンド操作を実行するように構成される。バックエンド操作の例は、センサデータをデータベースに格納すること、センサデータに対して分析タスクを実行すること、分析の結果及び/またはセンサデータの可視化をポータル及び/またはダッシュボードを介してユーザに提供すること、センサデータを用いて1つまたは複数の機械学習モデルをトレーニングすること、を含むことができる。センサデータに基づいて、産業用設定28720及び/または産業用設定28720の産業用デバイスの動作に関する予測及び/または分類を決定すること、予測及び/または分類に基づいて、産業用設定28720のアスペクト及び/または産業用デバイスを制御すること、予測及び/または分類に基づいて、ポータル及び/またはダッシュボードを介してユーザに通知を発行すること、などが挙げられる。
いくつかの実施形態では、センサキット28700は、バックエンドシステム28750に追加のタイプのデータを提供してもよいことが理解される。例えば、センサキット28700は、検出されたあらゆる問題(例えば、誤動作、バッテリのレベルが低いなど)、またはセンサ28702やセンサキット28700の他のデバイスの潜在的な問題。
実施形態では、センサキット28700は、故障しているコンポーネント(例えば、故障しているセンサ28702)を自己監視し、故障しているコンポーネントをオペレータに報告するように構成される。例えば、いくつかの実施形態では、エッジデバイス28704は、センサからの報告がないこと、要求(例えば、「ping」)に対する応答がないこと、及び/または信頼性のないデータ(例えば、データが予想されるセンサの読み取り値から定期的に外れること)に基づいて、センサ28702の故障を検出するように構成してもよい。いくつかの実施形態では、エッジデバイス28704は、センサキットネットワーク内の各デバイスがどこに位置するかを示すセンサキットネットワークマップを維持し、故障したセンサのおおよその位置及び/または識別子をユーザに提供することができる。
実施形態では、センサキット28700は、インストール後の構成を可能にするように実装してもよい。インストール後の構成とは、センサキット28700がインストールされた後に、デバイス及び/またはサービスをセンサキット28700に追加することによって、センサキット28700を更新することを指してもよい。これらの実施形態のいくつかでは、システムのユーザ(例えば、産業設定28720のオペレータ)は、特定のエッジ "サービス "を購読または購入してもよい。例えば、センサキット28700は、ユーザがプログラムによってサポートされるエッジサービスにアクセスするための有効な加入または所有権の許可を有している場合にのみ、センサキット28700の1つまたは複数のデバイスにインストールされた特定のプログラムを実行するように構成してもよい。ユーザが有効な加入及び/または所有権の許可を持たなくなった場合、センサキット28700は、それらのプログラムの実行を排除してもよい。例えば、ユーザは、アンロックAI-ベースのエッジサービス、メッシュネットワーク機能、セルフモニタリングサービス、圧縮サービス、施設内通知などを購読してもよい。
いくつかの実施形態では、ユーザは、プラグアンドプレイのような方法で、設置後のセンサキットに新しいセンサ28702を追加することができる。これらの実施形態の一部では、エッジデバイス28704及びセンサ28702(またはセンサキット28700に追加される他のデバイス)は、それぞれの短距離通信機能(例えば、近距離通信(NFC)チップ、RFIDチップ、Bluetooth(登録商標)チップ、WiーFiアダプタなど)を含んでもよい。これらの実施形態では、センサ28702は、識別データ(例えば、センサ識別子値)と、センサ28702をセンサキット28700に追加するために使用されるであろう他のデータ(例えば、産業用デバイスのタイプ、サポートされる通信プロトコルなど)とを格納する永続的なストレージを含んでもよい。いくつかの実施形態では、ユーザは、エッジデバイス28704のボタンを押すことによって、及び/または、センサ28702をエッジデバイス28704の近傍に持ってくることによって、センサキット28700への設置後の追加を開始することができる。いくつかの実施形態では、ユーザがセンサキットへの設置後の追加を開始したことに応答して、エッジデバイス28704は、信号(例えば、無線周波数)を発してもよい。エッジデバイス28704は、例えば、人間のユーザがボタンを押した結果として、または所定の時間間隔で、信号を放出してもよい。発信された信号は、信号を受信するのに十分なほど近接したセンサ28702をトリガして、センサ28702のセンサID及び他の任意の適切な構成データ(例えば、デバイスタイプ、通信プロトコルなど)を送信してもよい。センサ28702がその構成データ(例えば、センサID及び他の関連する構成データ)をエッジデバイス28704に送信することに応答して、エッジデバイス28704は、センサ28702をセンサキット28702に追加してもよい。センサ28702をセンサキット28704に追加することは、センサキット28700のデバイス及びそれに関連するデータを識別する、エッジデバイス28704に格納されたデータストアまたはマニフェストを更新することを含んでもよい。それぞれのセンサ28702に関連するマニフェストに格納することができるデータの非限定的な例は、センサ28702がエッジデバイス28704(または中間デバイス)と通信するために使用する通信プロトコル、センサ28702によって提供されるセンサデータの種類(例えば、振動センサデータ、温度データ、湿度データなど)、センサ28702からのセンサデータを分析するために使用されるモデル(例えば、モデル識別子)、センサ28702に関連するアラームリミットなどを含んでもよい。
実施形態では、センサキット28700(例えば、エッジデバイス28704)は、センサキット28700によって捕捉されたセンサデータで分散型台帳28762を更新するように構成してもよい。実施形態では、分散型台帳28762は、ブロックチェーンまたは他の任意の適切な分散型台帳28762である。分散型台帳28762は、パブリックな台帳であってもよいし、プライベートな台帳であってもよい。プライベートな台帳は、分散型台帳28762を維持するための電力消費要件を低減し、パブリックな台帳は、より多くの電力を消費するが、より強固なセキュリティを提供する。実施形態では、分散型台帳28762は、複数のノードコンピューティングデバイス28760に分散してもよい。ノードコンピューティングデバイス28760は、物理サーバ、仮想サーバ、パーソナルコンピューティングデバイスなどを含む、任意の適切なコンピューティングデバイスであってもよい。いくつかの実施形態において、ノードコンピューティングデバイス28760は、ノードコンピューティングデバイス28760が分散型台帳に参加する前に、(例えば、コンセンサスメカニズムを介して)承認される。いくつかの実施形態では、分散型台帳28762は、私的に保存してもよい。例えば、分散型元帳は、分散型元帳28762が承認されていないデバイスによってアクセスできないように、事前に承認されたノードコンピューティングデバイスのセットの間で保存してもよい。いくつかの実施形態では、ノードコンピューティングデバイス28760は、センサキット28702及び他のセンサキット28702のエッジデバイス28704である。
実施形態では、分散型台帳28762は、リンクされたデータ構造(例えば、ブロック、データレコードなど)のセットで構成され、リンクされたデータ構造が非循環グラフを形成するようになっている。説明の便宜上、データ構造をブロックと呼ぶことにする。実施形態では、各ブロックは、ブロックの一意のIDを含むヘッダと、ブロックに格納されているデータを含むボディと、ポインタとを含むことができる。実施形態では、ポインタは、ブロックの親ブロックのブロックIDであり、親ブロックは、ブロックが書き込まれる前に作成されたブロックである。それぞれのブロックに格納されているデータは、それぞれのセンサキット28700によって取り込まれたセンサデータとすることができる。実装に応じて、ブロックのそれぞれの本体に格納されるセンサデータの種類及びセンサデータの量は異なる場合がある。例えば、ブロックは、一定期間にわたってキャプチャされたセンサキット28700の1つまたは複数の種類のセンサ28702からのセンサ測定値のセット(例えば、1時間または1日の期間にわたってセンサキット28700のすべてのセンサ28702からキャプチャされたセンサデータ28702)、及びそれに関連するメタデータ(例えば、各センサ測定値のセンサ識別子、及び各センサ測定値またはセンサ測定値のグループのタイムスタンプ)を格納してもよい。いくつかの実施形態では、ブロックは、異常であると判断されたセンサ測定値(例えば、予想されるセンサ測定値の標準偏差の外側、または閾値を超えるセンサ測定値のデルタ)、及び/または問題もしくは潜在的な問題を示すセンサ測定値、ならびに関連するメタデータ(例えば、各センサ測定値のセンサID、及び各センサ測定値またはセンサ測定値のグループのタイムスタンプ)を格納してもよい。いくつかの実施形態では、ブロックに格納されたセンサデータは、エッジデバイス28704がセンサデータをよりコンパクトなフォーマットに圧縮/エンコードするような、圧縮及び/またはエンコードされたセンサデータであってもよい。実施形態では、エッジデバイス28704は、ボディの内容(例えば、親ブロックのブロックID及びセンサデータ)がハッシュ化され、ハッシュの値を変更することなく変更することができないように、ボディのハッシュを生成してもよい。実施形態では、エッジデバイス28704は、ブロック内のコンテンツを暗号化して、不正なデバイスによってコンテンツが読み取られないようにしてもよい。
前述のように、分散型台帳28762は、異なる目的のために使用してもよい。いくつかの実施形態では、分散型台帳28762は、1つまたは複数のスマートコントラクトをさらに含んでもよい。スマートコントラクトは、自己実行型のデジタルコントラクトである。スマートコントラクトは、1つまたは複数のアクションをトリガする1つまたは複数の条件を定義するコード(例えば、実行可能な命令)を含んでもよい。スマートコントラクトは、開発者によって、スクリプト言語(例えば、JavaScript)、オブジェクトコード言語(例えば、Java)、またはコンパイル言語(例えば、C++またはC)で書かれてもよい。書かれたスマートコントラクトは、ブロックにエンコードされ、分散型台帳28762にデプロイしてもよい。実施形態では、バックエンドシステム28750は、ユーザからスマートコントラクトを受信し、スマートコントラクトをそれぞれの分散型台帳28762に書き込むように構成される。実施形態では、スマートコントラクトのアドレス(例えば、スマートコントラクトを含むブロックのブロックID)は、それぞれの当事者がアドレスを使用してスマートコントラクトを呼び出すことができるように、スマートコントラクトの1つまたは複数の当事者に提供してもよい。いくつかの実施形態では、スマートコントラクトは、当事者がデータ(例えば、ブロックのアドレス)を提供すること、及び/またはデータ(例えば、口座に資金を転送する命令)を送信することを可能にするAPIを含んでもよい。
例示的な実装では、保険会社は、産業環境28720の被保険者である所有者及び/またはオペレータが、施設内の機器が適切に機能していることを実証するために、保険会社とセンサデータを共有することに同意することを許可してもよく、その見返りとして、所有者及び/またはオペレータが保険会社との合意に準拠している場合、保険会社は、所有者及び/またはオペレータにリベートまたは返金を発行してもよい。契約の遵守は、スマートコントラクトを介して、分散型台帳の参加者ノード及び/またはセンサキット28700によって電子的に検証してもよい。実施形態では、保険会社は、センサキット28700が、施設が問題なく動作していることを示す十分なセンサデータを分散型台帳を介して保険会社に提供した場合に、保険料の一部に対するリベートまたは払い戻しの発行をトリガするスマートコントラクトを展開してもよい(例えば、スマートコントラクトを分散型台帳28762に追加することにより)。これらの実施形態の一部では、スマートコントラクトは、施設から一定量のセンサデータが報告されることを要求する第1の条件と、センサデータの各インスタンスが値(例えば、分類されたまたは予測された問題がない)または値の範囲(例えば、すべてのセンサ測定値が予め定義された値の範囲内にある)に等しいという第2の条件とを含むことができる。いくつかの実施形態では、1つまたは複数の条件が満たされたことに応じて取られる行動は、口座に資金(例えば、電信送金または暗号通貨)を入金することであってもよい。この例では、エッジデバイス28704は、センサデータを含むブロックを分散型台帳に書き込んでもよい。また、エッジデバイス28704は、これらのブロックのアドレスをスマートコントラクトに提供してもよい(例えば、スマートコントラクトのAPIを使用して)。スマートコントラクトが契約の第1条件及び第2条件を検証すると、スマートコントラクトは、保険者の口座から被保険者の口座への資金の移転を開始してもよい。
別の例では、規制機関(例えば、州、地方、または連邦の規制機関)は、1つまたは複数の規制への準拠を保証するために、施設のオペレータにセンサデータを報告することを要求することができる。例えば、規制機関は、食品検査施設、医薬品製造施設、例えば、製造施設1700、屋内農業施設、例えば、屋内農業施設1800、海洋石油採掘施設、例えば、水中工業施設1900などを規制することができる。実施形態では、規制機関は、産業設定28720からセンサデータを受信して検証するように構成されたスマートコントラクトを展開し、センサデータを検証することに応答して、施設所有者のアカウントにコンプライアンストークン(または証明書)を発行することができる。これらの実施形態の一部では、スマートコントラクトは、施設から一定量のセンサデータが報告されることを要求する条件と、センサデータが報告規則に準拠することを要求する第2の条件とを含んでもよい。この例では、エッジデバイス28704は、センサデータを含むブロックを分散型台帳28762に書き込んでもよい。また、エッジデバイス28704は、これらのブロックのアドレスをスマートコントラクトに提供してもよい(例えば、スマートコントラクトのAPIを使用して)。スマートコントラクトが契約の第1条件及び第2条件を検証すると、スマートコントラクトは、施設運営者によるコンプライアンスを示すトークンを生成し、施設に関連付けられた口座(例えば、デジタルウォレット)への資金の転送を開始してもよい。
分散型台帳28762は、本開示の範囲から逸脱することなく、追加または代替のアプリケーションに適応させることができる。
図139、図140、及び図141は、センサキットネットワーク28800の構成例を示す。センサキット28700と、センサキット28700が設置されている産業環境28720とに応じて、センサキットネットワーク28800は異なる態様で通信することができる。
図139は、スターネットワークである例示的なセンサキットネットワーク28800Aを示す。これらの実施形態では、センサ28702は、エッジデバイス28704と直接通信する。これらの実施形態では、センサデバイス28702及びエッジデバイス28704が通信するために利用する通信プロトコル(複数可)は、センサキットネットワーク28702の物理的領域、利用可能な電源、及びセンサキット28700内のセンサ28702の種類のうちの1つ以上に基づいている。例えば、監視される領域が比較的小さな領域であり、センサ28702が電源に接続できない設定では、センサ28702は、Bluetooth(登録商標)、Low Energyプロトコル(例えば、Bluetooth(登録商標)、Special Interest Groupによって維持されるBluetooth(登録商標)、5プロトコル)を使用して通信するBluetooth(登録商標)、Low Energy(BLE)マイクロチップで製造してもよい。別の例では、たくさんのセンサ28702が配置される比較的小さなエリアでは
センサ28702は、IEEE802.11プロトコルを用いて通信するWiーFiマイクロチップで製造してもよい。図139の実施形態では、センサ28702は、片方向または双方向の通信を行うように構成してもよい。エッジデバイス28704がデータ及び/または命令をセンサ28702に通信する必要がない実施形態では、センサ28702は、一方向通信用に構成してもよい。エッジデバイス28704がデータ及び/または命令をセンサ28702に通信する実施形態では、センサ28702は、双方向通信を行うトランシーバで構成してもよい。スターネットワークは、本開示の範囲から逸脱することなく、他の適切な通信装置を有するデバイスで構成してもよい。
センサ28702は、IEEE802.11プロトコルを用いて通信するWiーFiマイクロチップで製造してもよい。図139の実施形態では、センサ28702は、片方向または双方向の通信を行うように構成してもよい。エッジデバイス28704がデータ及び/または命令をセンサ28702に通信する必要がない実施形態では、センサ28702は、一方向通信用に構成してもよい。エッジデバイス28704がデータ及び/または命令をセンサ28702に通信する実施形態では、センサ28702は、双方向通信を行うトランシーバで構成してもよい。スターネットワークは、本開示の範囲から逸脱することなく、他の適切な通信装置を有するデバイスで構成してもよい。
図140は、ノード(例えば、センサ28702)が互いに直接、動的に、及び/または非階層的に接続して、エッジデバイス28704との間でデータを効率的にルーティングするために互いに協力する、メッシュネットワークである例示的なセンサキットネットワーク28800Bを示す。いくつかの実施形態では、メッシュネットワーク内のデバイス(例えば、センサ28702、エッジデバイス28704、及び/またはセンサキットネットワーク28800B内の任意の他のデバイス)は、センサ28702及び/またはエッジデバイス28704が、どのデバイスが他のデバイスに代わってデータをルーティングするか、及び/またはルーティングノード(例えば、センサ28702)が故障した場合の伝送のための冗長性を決定するように、メッシュネットワークを自己組織化及び自己構成するように構成してもよい。実施形態では、センサキット28700は、監視される領域が比較的大きい(例えば、エッジデバイス28704からの半径が28700メートルを超える)、及び/または、センサキット28700内のセンサ28702が互いに近接して設置されることが意図される産業設定28720において、メッシュネットワークを実装するように構成してもよい。後者のシナリオでは、それぞれの個々のセンサ28702が伝送する必要がある距離が、スターネットワークにおけるセンサ28702と比較して相対的に小さいため、個々のセンサ28702の電力消費が低減することができる。実施形態では、センサ28702は、ZigBee(登録商標)マイクロチップ、Digi XBee(登録商標)マイクロチップ、Bluetooth(登録商標)、Low Energyマイクロチップ、及び/または、メッシュネットワークに参加するように構成された他の適切な通信デバイスで製造してもよい。
図141は、階層型ネットワークであるセンサキットネットワーク28800Cの一例を示す。これらの実施形態では、センサキット28700は、収集デバイス28806のセットを含む。収集デバイス28806は、センサデバイス28704からセンサデータを受信し、センサデータを、直接または別の収集デバイス28806を介して、エッジデバイス28704にルーティングするオンセンサデバイスを指してもよい。実施形態では、階層型ネットワークは、1つまたは複数の中間デバイス(例えば、収集デバイス28806)が、1つまたは複数のそれぞれの周辺デバイス(例えば、センサデバイス28702)から中央デバイス(例えば、エッジデバイス28704)にデータをルーティングするネットワークトポグラフィを指してもよい。階層型ネットワークは、有線及び/または無線の接続を含んでもよい。実施形態では、センサデバイス28702は、任意の適切な通信デバイス(例えば、Bluetooth(登録商標)、Low Energyマイクロチップ、WiーFiマイクロチップ、ZigBeeマイクロチップなど)を介して収集デバイス28806と通信するように構成してもよい。実施形態では、階層型センサキットネットワークは、収集デバイス28806に電力を供給するための電源が利用可能であり、及び/またはセンサ28702が信頼性の高いメッシュネットワークをサポートするにはあまりにも遠くに離されている可能性が高い産業環境28720で実装してもよい。
図139から141の例は、センサキットネットワークの異なるトポロジーの例について提供されている。これらの例は、センサキット28700によって形成することができるセンサキットネットワーク28800のタイプを制限することを意図していない。さらに、センサキットネットワーク28800は、それぞれのセンサキット28800が展開されている産業環境28720に応じて、スターネットワーク、階層型ネットワーク、及び/またはメッシュネットワークのハイブリッドとして構成してもよい。
図289Aは、本開示の実施形態による例示的なIoTセンサ28702(またはセンサ)を示す。IoTセンサ28702の実施形態は、1つまたは複数の感知コンポーネント28902、1つまたは複数のストレージデバイス28904、1つまたは複数の電源28906、1つまたは複数の通信デバイス28908、及び処理デバイス28910を含むことができるが、これらに限定されない。実施形態では、処理装置28910は、エッジ報告モジュール28912を実行してもよい。
センサ28702は、少なくとも1つの感知コンポーネント28902を含む。センシングコンポーネント28902は、生のセンサデータを処理装置28910に出力する任意のデジタル、アナログ、化学、及び/または機械的コンポーネントであってもよい。異なるタイプのセンサ28702は、異なるタイプの感知コンポーネントで製造されることが理解される。実施形態では、慣性センサの感知コンポーネント28902は、1つまたは複数の加速度計及び/または1つまたは複数のジャイロスコープを含んでもよい。実施形態では、温度センサの感知コンポーネント28902は、1つまたは複数のサーミスタまたは他の温度感知機構を含んでもよい。実施形態では、熱流束センサの感知コンポーネント28902は、例えば、薄膜センサ、表面実装センサ、ポリマーベースのセンサ、化学センサなどを含んでもよい。実施形態では、動きセンサの感知コンポーネント28902は、LIDARデバイス、レーダーデバイス、ソナーデバイスなどを含んでもよい。実施形態では、占有センサの感知コンポーネント28902は、占有を監視される表面、占有センサの表面の下に埋め込まれた圧力活性化スイッチ、及び/または占有センサの表面に統合された圧電素子を含んでもよく、物体が占有を監視される表面を占有すると電気信号が生成されるようになっている。実施形態では、湿度センサの検出コンポーネント28902は、周囲湿度に対応する電気容量値を出力する容量性要素(例えば、電極間の金属酸化物)と、媒体の2つの側面に電極を有する塩媒体を含み、それによって電極で測定される可変抵抗が周囲湿度に対応する抵抗性要素と、及び/または乾燥媒体(例えば、乾燥窒素)の温度を出力する第1の熱センサを含む熱要素とを含んでもよい。乾燥媒体(乾燥窒素など)の温度を出力する第1の熱センサと、センサの環境の周囲温度を出力する第2の熱センサを含む熱素子で、乾燥媒体の温度と周囲温度の変化(デルタ)に基づいて湿度が決定されるようになっている。実施形態では、振動センサの感知コンポーネント28902は、加速度計コンポーネント、位置感知コンポーネント、トルク感知コンポーネントなどを含んでもよい。センサタイプ及びその感知コンポーネントのリストは、例として提供されていることが理解される。追加または代替のタイプのセンサ及び感知コンポーネントが、本開示の範囲から逸脱することなく、センサ28702に統合してもよい。さらに、いくつかの実施形態では、センサキット28700のセンサ28702は、非オーディオ/ビジュアルセンサ28702(すなわち、ビデオまたはオーディオをキャプチャしないセンサ)に加えて、オーディオ、ビジュアル、またはオーディオ/ビジュアルセンサを含んでもよい。これらの実施形態では、センシングコンポーネント28992は、カメラ及び/または1つまたは複数のマイクロフォンを含んでもよい。いくつかの実施形態では、マイクロフォンは、オーディオのソースの方向が決定することができるような指向性マイクロフォンであってもよい。
記憶装置28904は、エッジデバイス28704に送信されるべきデータを記憶するための任意の適切な媒体であってもよい。実施形態では、記憶装置28904は、フラッシュメモリデバイスなどの永続的な記憶媒体であってもよい。実施形態では、記憶装置28904は、ランダムアクセスメモリデバイスなどの一過性の記憶媒体であってもよい。実施形態では、記憶装置28904は、電荷を格納するように構成された回路であってもよく、それにより、構成要素によって格納された電荷の大きさは、感知された値、または増分カウントを示す。これらの実施形態では、この種の記憶装置28904は、電力利用可能性及びサイズが懸念される場合、及び/またはセンサデータがカウントベース(例えば、検出イベントの数)である場合に使用してもよい。任意の他の適切な記憶装置28904が使用してもよいことが理解される。実施形態では、記憶装置28904は、キャッシュ28914を含んでもよく、キャッシュ28914は、エッジ装置28704にまだ報告されていないセンサデータを記憶するようになっている。これらの実施形態では、エッジ報告モジュール28912は、キャッシュ28914に格納されているセンサデータがエッジデバイス28704に送信された後に、キャッシュ28914をクリアしてもよい。
電源28906は、センシングコンポーネント28902、ストレージデバイス28904、通信デバイス28906、及び/または処理デバイス28908を含む、センサ28702の他のコンポーネントに電力を提供する任意の適切なコンポーネントである。実施形態では、電源28906は、外部電源(例えば、電源コンセントから送出される交流、または、バッテリもしくは太陽電池電源から送出される直流)への有線接続を含む。実施形態では、電源28906は、交流電流を直流電流(またはその逆)に変換する電力インバータを含んでもよい。実施形態では、電源28906は、充電式リチウムイオン電池または太陽素子などの統合電源を含んでもよい。実施形態では、電源28906は、圧電素子などの自己発電素子を含んでもよい。これらの実施形態では、圧電素子は、素子に十分な機械的応力または力が加えられると、電圧を出力してもよい。この電圧は、コンデンサに蓄えられてもよいし、検出素子28902に電力を供給してもよい。実施形態では、電源は、センサ28702に通電する無線周波数を受信するアンテナ(例えば、受信機またはトランシーバ)を含んでもよい。これらの実施形態では、無線周波数は、センサ28702を「ウェイクアップ」させてもよく、センサ測定を行うこと、及び/またはセンサデータをエッジデバイス28704に報告することなど、センサ28702によるアクションをトリガしてもよい。電源28906は、同様に追加または代替のコンポーネントを含んでもよい。
実施形態では、通信デバイス28908は、センサキットネットワーク28800内の別のデバイスとの有線または無線の通信を可能にするデバイスである。ほとんどのセンサキット構成28700では、センサ28702は、無線で通信するように構成されている。これらの実施形態では、通信装置28908は、センサキットネットワーク28800内の他の装置にデータを送信する送信機またはトランシーバを含んでもよい。さらに、これらの実施形態の一部では、トランシーバを有する通信デバイス28908は、センサキットネットワーク200内の他のデバイスからデータを受信してもよい。無線実施形態では、トランシーバは、それぞれの通信プロトコルを使用して通信を実行するように構成されたチップに統合してもよい。いくつかの実施形態では、通信デバイス28908は、ZigBee(登録商標)マイクロチップ、Digi XBee(登録商標)マイクロチップ、Bluetooth(登録商標)マイクロチップ、Bluetooth(登録商標)、Low Energyマイクロチップ、WiーFiマイクロチップ、または任意の他の適切な短距離通信マイクロチップである。センサキット200がメッシュネットワークをサポートする実施形態では、通信デバイス28908は、メッシュネットワーキングをサポートする通信プロトコル(例えば、ZigBee PROメッシュネットワーキングプロトコル、Bluetooth(登録商標)、Mesh、802.IIA/B/g/n/ACなど)を実装するマイクロチップであってもよい。これらの実施形態において、通信デバイス28908は、メッシュネットワークを確立し、通信デバイス28908が実装する通信プロトコルに従って、他のデバイスから受信したデータパケットのルーティングを処理するように構成してもよい。いくつかの実施形態では、センサ28702は、2つ以上の通信デバイス28908で構成してもよい。これらの実施形態では、センサ28702は、異なるセンサキット28700の構成に追加されてもよく、及び/または、産業設定28720に応じて、センサキット28702を柔軟に構成することができる。
実施形態では、処理デバイス28910は、マイクロプロセッサであってもよい。マイクロプロセッサは、コンピュータ実行可能な命令を格納するメモリ(例えば、リードオンリーメモリ(ROM))と、コンピュータ実行可能な命令を実行する1つまたは複数のプロセッサとを含んでもよい。実施形態では、処理装置28910は、エッジ報告モジュール28912を実行する。実施形態では、エッジ報告モジュール28912は、エッジデバイス28704にデータを送信するように構成される。センサキットネットワーク28800の構成及びエッジデバイス28704に対するセンサ28702の位置に応じて、エッジ報告モジュール28912は、データ(例えば、センサデータ)を、エッジデバイス28704に直接送信するか、または、データをエッジデバイス28704に向けてルーティングする中間デバイス(例えば、収集デバイス206または別のセンサデバイス28702)に送信することができる。実施形態では、エッジ報告モジュール28912は、検知コンポーネント28902から、または記憶装置28904から生のセンサデータを取得し、生のセンサデータを報告パケット28920にパケット化する。
図289Bは、本開示のいくつかの実施形態による例示的な報告パケット28920を示す。これらの実施形態のいくつかでは、エッジ報告モジュール28912は、報告パケットテンプレートをポピュレートして報告パケット28920を取得してもよい。実施形態では、報告パケット28920は、センサ28702のセンサIDを示す第1のフィールド28922と、センサデータを示す第2のフィールド28926とを含んでもよい。さらに、報告用パケット28920は、パケットの宛先(例えば、エッジデバイス28704のアドレスまたは識別子)を示すルーティングデータフィールド28924、タイムスタンプを示すタイムスタンプフィールド28928、及び/または、以下のような追加のフィールドを含んでもよい。チェックサムフィールド28930は、チェックサム(例えば、報告パケットの内容のハッシュ値)を示す。報告用パケットは、本開示の範囲から逸脱することなく、追加または代替のフィールド(例えば、エラーコード)を含んでもよい。
図142に戻ると、実施形態では、エッジ報告モジュール28912は、センサデータの各インスタンスに対して報告パケット28920を生成してもよい。あるいは、エッジ報告モジュール28912は、センサデータのバッチ(例えば、前のN個のセンサ読取値、または、キャッシュ28914が最後にパージされてからセンサ28702のキャッシュ28914に保持されたすべてのセンサ読取値)を含む報告パケット28920を生成してもよい。報告パケット28920を生成すると、エッジ報告モジュール28912は、報告パケット28920を通信デバイス28908に出力してもよく、通信デバイス28908は、報告パケット28920をエッジデバイス28704に(直接または1つまたは複数の中間デバイスを介して)送信する。エッジ報告モジュール28912は、所定の間隔(例えば、1秒ごと、1分ごと、1時間ごと)で、継続的に、またはトリガされたとき(例えば、電源を介して起動されたとき、またはエッジデバイス28704からコマンドを受けたとき)に、報告パケット28920を生成及び送信してもよい。
実施形態では、エッジ報告モジュール28912は、センサデータを捕捉するように感知コンポーネント(複数可)28902に指示する。実施形態では、エッジ報告モジュール28912は、所定の間隔でセンサデータを捕捉するよう感知コンポーネント28902に指示してもよい。例えば、エッジ報告モジュール28912は、センサデータを1秒ごと、1分ごと、または1時間ごとに捕捉するように感知コンポーネント28902に指示してもよい。実施形態では、エッジ報告モジュール28912は、電源28906が通電されたときにセンサデータを捕捉するように感知コンポーネント28902に指示してもよい。例えば、電源28906は、無線周波数によって通電してもよいし、圧力スイッチが作動して回路を閉じたときに通電してもよい。実施形態では、エッジ報告モジュール28912は、エッジデバイス28704または人間のユーザからセンサデータを報告するコマンドを受信したことに応答して(例えば、ユーザがボタンを押したことに応答して)、センサデータを捕捉するように感知コンポーネント28902に指示してもよい。
実施形態では、センサ28702は、ハウジング(図示せず)を含む。センサのハウジングは、任意の適切なフォームファクタを有してもよい。センサ28702が屋外で使用される実施形態では、センサは、防水性及び/または極寒及び/または極暑に対する耐性を有するハウジングを有してもよい。実施形態では、ハウジングは、産業用部品に取り外し可能に結合するための適切な結合機構を有していてもよい。
上述は、センサ28702の一例である。センサ28702は、本開示の範囲から逸脱することなく、追加または代替の構成要素を有することができる。
図290は、エッジデバイス28704の一例を示す。実施形態では、エッジデバイス28704は、ストレージシステム29002、通信システム29004、及び処理システム29006を含んでもよい。エッジデバイス28704は、電源、ユーザインターフェースなど、図示しない追加のコンポーネントを含んでもよい。
ストレージシステム29002は、1つまたは複数のストレージデバイスを含む。記憶装置は、永続的な記憶媒体(例えば、フラッシュメモリドライブ、ハードディスクドライブ)及び/または一過性の記憶装置(例えば、RAM)を含んでもよい。ストレージシステム29002は、1つまたは複数のデータストアを格納してもよい。データストアは、1つまたは複数のデータベース、テーブル、インデックス、レコード、ファイルシステム、フォルダ及び/またはファイルを含んでもよい。図示の実施形態では、記憶装置は、設定データストア29010、センサデータストア29012、及びモデルデータストア29014を格納する。ストレージシステム29002は、本開示の範囲から逸脱することなく、追加または代替のデータストアを格納してもよい。
実施形態では、構成データストア29010は、センサキット28700のデバイスを含む、センサキット28700の構成に関連するデータを格納する。いくつかの実施形態では、構成データストア29010は、デバイスレコードのセットを維持してもよい。デバイスレコードは、センサキット28700のデバイスを一意に識別するデバイス識別子を示してもよい。デバイスレコードは、さらに、デバイスのタイプ(例えば、センサ、収集デバイス、ゲートウェイデバイスなど)を示してもよい。また、各デバイスからエッジデバイス28704までのネットワーク経路が変化しない実施形態では、デバイスレコードは、エッジデバイス28704までのデバイスのネットワーク経路(例えば、デバイスのネットワーク経路内の任意の中間デバイス)を示してもよい。また、デバイスレコードがセンサ28702に対応する場合、デバイスレコードは、センサの種類(例えば、センサタイプ識別子)及び/またはセンサ28702が提供するデータの種類を示してもよい。
実施形態では、構成データストア29010は、センサタイプレコードのセットを維持してもよく、各レコードは、センサキット28700内のセンサ28702の異なるタイプに対応する。センサタイプレコードは、センサのタイプ及び/またはセンサによって提供されるセンサデータのタイプを識別するタイプ識別子を示してもよい。実施形態では、センサタイプレコードは、センサデータの最大値または最小値、センサタイプのセンサ28702が出力するエラーコードなどを含む、センサデータに関連する関連情報をさらに示してもよい。
実施形態では、構成データストア29010は、センサキットネットワーク200のマップを維持してもよい。センサキットネットワーク200のマップは、センサキット28700内のデバイスのコレクションのネットワークパスを含む、センサキットネットワーク200のネットワークトポロジーを示してもよい。いくつかの実施形態では、マップは、センサの物理的位置も含んでもよい。センサ28702の物理的な位置は、センサ28702がいる部屋またはエリア、センサ28702が監視している特定の産業用コンポーネント、エッジデバイス28704の相対的な座標のセット(例えば、エッジデバイス28704に対するx、y、z座標、またはエッジデバイス28704に対するセンサ28702の角度及び距離)、センサ28702の推定された経度及び緯度、または相対的または絶対的な位置決定及び/または測定の任意の他の適切なフォーマットとして定義してもよい。
実施形態では、センサデータストア29012は、センサキット28700のセンサ28702から収集されたセンサデータを格納する。実施形態では、センサデータストア29012は、一定期間にわたって収集されたセンサデータを維持する。これらの実施形態のいくつかでは、センサデータストア29012は、バックエンドシステム28750で報告されバックアップされるまでセンサデータを保存するキャッシュであってもよい。これらの実施形態では、センサデータがバックエンドシステム28750に報告されると、キャッシュがクリアしてもよい。いくつかの実施形態では、センサデータストア29012は、センサキット29012によって収集されたすべてのセンサデータを格納する。これらの実施形態では、センサデータストア29012は、センサキット28700によって収集されたすべてのセンサデータのバックアップを経時的に提供し、それによって、センサキット28700の所有者がそのデータの所有権を維持することを保証してもよい。
実施形態では、モデルデータストア29014は、機械学習されたモデルを格納する。機械学習されたモデルは、ニューラルネットワーク、ディープニューラルネットワーク、再帰的ニューラルネットワーク、ベイジアンニューラルネットワーク、回帰ベースのモデル、決定木、予測木、分類木、隠れマルコフモデル、及び/または任意の他の適切なタイプのモデルを含む、任意の適切なタイプのモデルを含んでもよい。機械学習されたモデルは、専門家が作成したデータ、履歴データ、及び/またはアウトカムベースのデータであるトレーニングデータで学習される場合がある。アウトカムベースのデータとは、予測または分類が行われた後に収集されたデータであって、予測または分類が正しかったか間違っていたか、及び実現された結果を示すデータであってもよい。トレーニングデータインスタンスとは、特徴量のセットとラベルを含むトレーニングデータの単位を指すことがある。実施形態では、トレーニングデータインスタンスのラベルは、所定の時間における産業用コンポーネントまたは産業用設定28720の状態を示してもよい。条件の例は、産業設定28720と、機械学習されたモデルが予測または分類するように訓練されている条件とに応じて大きく異なる。製造施設におけるラベルの例は、問題が検出されなかったこと、コンポーネントの機械的故障、コンポーネントの電気的故障、化学物質のリークが検出されたこと、などを含むが、これらに限定されない。鉱業施設におけるラベルの例としては、問題が検出されない、酸素欠乏、有毒ガスの存在、構造部品の故障などがあるが、これらに限定されない。石油・ガス施設(例えば、油田、ガス田、石油精製所、パイプライン)におけるラベルの例には、問題が検出されないこと、部品の機械的故障(例えば、故障したバルブや故障したOリング)、リークなどを含むが、これらに限定されるものではない。屋内農業施設におけるラベルの例としては、問題が検出されなかったこと、植物が枯れたこと、植物がしおれたこと、植物が特定の色(例えば、茶色、紫色、オレンジ色、または黄色)になったこと、カビが見つかったことなどが挙げられるが、これらに限定されない。これらの例では、状態に関連する可能性のある特定の特徴と、状態にほとんど関係のない可能性のあるいくつかの特徴がある。機械学習プロセス(バックエンドシステム28750または別のシステムで実行してもよい)を通じて、モデルは、特徴のセットに基づいて予測または分類を決定するように訓練される。したがって、トレーニングデータインスタンスの特徴のセットは、産業用コンポーネントまたは産業用設定28720の状態が発生した時間(例えば、産業用コンポーネントまたは産業用設定28720に関連付けられたラベル)に一時的に近接したセンサデータを含んでもよい。
実施形態では、機械学習されたモデルは、監視されている産業用部品に関連する潜在的な問題を予測するために使用される予測モデルを含んでもよい。これらの実施形態のいくつかでは、機械学習されたモデルは、特定のコンポーネントに関連する1つまたは複数の条件に対応するトレーニングデータ(専門家が生成したデータ及び/または履歴データ)でトレーニングしてもよい。これらの実施形態のいくつかでは、トレーニングデータセットは、メンテナンスまたは何らかの介入措置が後で必要となったシナリオに対応するセンサデータと、メンテナンスまたは何らかの介入措置が最終的に必要とならなかったシナリオに対応するセンサデータとを含んでもよい。これらの例示的な実施形態では、機械学習されたモデルは、監視されている1つ以上の産業用コンポーネント及び/または監視されている産業用設定28720に関して発生する可能性のある1つ以上の潜在的な問題の予測を決定するために使用してもよい。
実施形態では、機械学習されたモデルは、監視されている産業用コンポーネントの状態及び/または産業用設定28720を分類する分類モデルを含んでもよい。これらの実施形態のいくつかでは、機械学習されたモデルは、以下でトレーニングしてもよい。特定のコンポーネントに関連する1つ以上の条件に対応するトレーニングデータ(例えば、専門家が生成したデータ及び/または履歴データ)を含む。これらの実施形態のいくつかでは、トレーニングデータセットは、それぞれの産業用コンポーネント及び/またはそれぞれの産業用設定28720が正常な状態で動作していたシナリオに対応するセンサデータと、それぞれの産業用コンポーネント及び/またはそれぞれの産業用設定28720が異常な状態で動作していたセンサデータとを含んでもよい。異常な状態があったトレーニングデータインスタンスでは、トレーニングデータインスタンスは、異常な状態の種類を示すラベルを含んでもよい。例えば、理想的な栽培条件に対して湿度が高すぎると判断された屋内農業施設に対応するトレーニングデータインスタンスは、施設が湿度高すぎたことを示すラベルを含んでもよい。
実施形態では、通信システム29004は、センサキットネットワーク200と通信する少なくとも1つの内部通信デバイスと、直接またはゲートウェイデバイスを介して公衆通信ネットワーク(例えば、インターネット)と通信する少なくとも1つの外部通信デバイスとを含む2つ以上の通信デバイスを含む。少なくとも1つの内部通信デバイスは、Bluetooth(登録商標)チップ、ZigBeeチップ、XBeeチップ、WiーFiチップなどを含んでいてもよい。内部通信デバイスの選択は、産業設定28720の環境及びその中に設置されるセンサ28702への影響(例えば、センサ28702が信頼できる電源を有するかどうか、センサ28702が互いに近接して間隔を空けるかどうか、センサ28702が壁を介して送信する必要があるかどうか、など)に依存してもよい。外部通信装置は、有線通信または無線通信を行ってもよい。実施形態では、外部通信デバイスは、セルラーチップセット(例えば、4Gまたは5Gチップセット)、イーサネットカード、衛星通信カード、または他の適切な通信デバイスを含んでもよい。エッジデバイス28704の外部通信デバイス(複数可)は、産業用設定28720の環境(例えば、屋内vs屋外、無線通信を妨げる厚い壁vs無線通信を可能にする薄い壁、携帯電話タワーの近くに位置するvs遠隔地に位置する)や、産業用設定28720のオペレータの好み(例えば、以下のようなもの)に基づいて選択してもよい。オペレータは、エッジデバイス28704が産業設定28720のプライベートネットワークにアクセスすることを許可している、または、オペレータはエッジデバイス28704が産業設定28720のプライベートネットワークにアクセスすることを許可していない)。
実施形態では、処理システム29006は、コンピュータ実行可能な命令を格納する1つまたは複数のメモリデバイス(例えば、ROM及び/またはRAM)と、1つまたは複数のコンピュータ実行可能な命令を実行する複数のプロセッサである。処理システム29006は、データ処理モジュール29020、符号化モジュール29022、即決AIモジュール29024、通知モジュール29026、構成モジュール29028、及び分散型台帳モジュール29030のうちの1つまたは複数を実行してもよい。処理システム29006は、本開示の範囲から逸脱することなく、追加または代替のモジュールを実行してもよい。さらに、本明細書で説明するモジュールは、それぞれのモジュールの1つまたは複数の機能を実行するサブモジュールを含んでもよい。
実施形態では、データ処理モジュール29020は、センサキットネットワーク200からセンサデータを受信し、受信したセンサデータに対して1つまたは複数のデータ処理動作を実行する。実施形態では、データ処理モジュール29020は、センサデータを含む報告パケット320を受信する。これらの実施形態のいくつかでは、データ処理モジュール29020は、重複しているデータレコードをフィルタリングしてもよい(例えば、冗長性のために同じコンポーネントを監視する2つのそれぞれのセンサから受信した2つの報告パケット320のうち1つをフィルタリングする)。データ処理モジュール29020は、追加的または代替的に、明らかに誤りであるセンサデータを含む報告パケット320をフィルタリング及び/またはフラグを立ててもよい(例えば、センサ28702のタイプが与えられた許容範囲内にないセンサ、またはエラーコードを含むセンサ)。実施形態では、データ処理モジュール29020は、センサデータをセンサデータストアに格納及び/またはインデックスしてもよい。
実施形態では、データ処理モジュール29020は、センサキット28700のセンサ28702またはそのサブセットから一定期間にわたって受信したセンサデータを集約して、センサデータをバックエンドシステム28750に送信してもよい。センサデータをバックエンドシステム28750に送信する際に、データ処理モジュール29020は、センサデータの1つまたは複数のインスタンスを含むセンサキット報告パケットを生成してもよい。センサキット報告パケット内のセンサデータは、圧縮されていてもよいし、圧縮されていなくてもよい。実施形態では、センサキット報告パケットは、バックエンドシステム28750へのデータパケットのソースを識別するセンサキット識別子を示してもよい。実施形態では、データ処理モジュール29020は、センサ28702からセンサデータを受信したとき、所定の間隔(例えば、毎秒、毎分、毎時間、毎日)で、またはトリガ条件(例えば、受信したセンサデータに基づいて、産業用コンポーネントまたは産業用設定28720に問題があるという予測または分類)に応答して、センサデータを送信してもよい。いくつかの実施形態では、センサデータは、複数のセンサ28702から及び/または一定期間にわたって収集されたセンサデータがより効率的に伝送されるように、符号化/圧縮してもよい。実施形態では、データ処理モジュール29020は
は、迅速決定AIモジュール29024を活用して、産業用設定28720の産業用コンポーネント及び/または産業用設定28720自体が正常な状態である可能性が高いかどうかを判断してもよい。迅速決定AIモジュール29024が、産業構成要素及び/または産業設定28720が高い確実性で正常な状態にあると決定した場合、データ処理モジュール29020は、分類を行うために使用されるセンサデータをバックエンドシステム28750に送信することを遅延または見送ってもよい。加えて、または代わりに、迅速決定AIモジュール29024が、産業用部品及び/または産業用設定28720が高い確実性で正常な状態にあると決定した場合、データ処理モジュール29020は、センサデータを圧縮してもよく、より大きなレートで圧縮してもよい。データ処理モジュール29020は、本開示の範囲から逸脱することなく、追加または代替の機能を実行してもよい。
は、迅速決定AIモジュール29024を活用して、産業用設定28720の産業用コンポーネント及び/または産業用設定28720自体が正常な状態である可能性が高いかどうかを判断してもよい。迅速決定AIモジュール29024が、産業構成要素及び/または産業設定28720が高い確実性で正常な状態にあると決定した場合、データ処理モジュール29020は、分類を行うために使用されるセンサデータをバックエンドシステム28750に送信することを遅延または見送ってもよい。加えて、または代わりに、迅速決定AIモジュール29024が、産業用部品及び/または産業用設定28720が高い確実性で正常な状態にあると決定した場合、データ処理モジュール29020は、センサデータを圧縮してもよく、より大きなレートで圧縮してもよい。データ処理モジュール29020は、本開示の範囲から逸脱することなく、追加または代替の機能を実行してもよい。
実施形態では、エンコーディングモジュール29022は、センサデータを受信し、センサデータをエンコード、圧縮、及び/または暗号化してもよい。符号化モジュール29022は、センサデータを圧縮するために他の技術を採用してもよい実施形態では、符号化モジュール29022は、センサデータを圧縮するために水平または圧縮技術を採用してもよい。例えば、エンコーディングモジュール29022は、Lempel-Zev-WelChアルゴリズムまたはその変形を使用してもよい。いくつかの実施形態では、符号化モジュール522は、元の整数または「カウント形式」で、かつ収集時の関連する較正係数及びオフセットで、センサデータを表してもよい。これらの実施形態では、各チャネルに対して1つの浮動小数点係数と1つの整数オフセットが格納されるように、正確な信号経路が分かっている収集時に、係数とオフセットを合体させてもよい。
実施形態では、エンコーディングモジュール29022は、センサデータを圧縮するために1つまたは複数のコーデックを採用してもよい。コーデックは、独自のコーデック及び/または公的に利用可能なコーデックであってもよい。いくつかの実施形態では、エンコーディングモジュール29022は、メディア圧縮コーデック(例えば、ビデオ圧縮コーデック)を使用してセンサデータを圧縮してもよい。例えば、エンコーディングモジュール29022は、センサデータをメディアフレームの範囲及びフォーマット内に入る値に正規化してもよく(例えば、センサデータをビデオフレームに含めるための許容可能なピクセル値に正規化してもよい)、正規化されたセンサデータをメディアフレームに埋め込んでもよい。符号化モジュール29022は、センサキット28700のセンサ28702から収集された正規化されたセンサデータを、予め定義されたマッピング(例えば、メディアフレーム内の1つ以上のそれぞれのピクセルに対するそれぞれのセンサ28702のマッピング)に従って、メディアフレームに埋め込んでもよい。符号化モジュール29022は、連続したメディアのセットを生成してもよい。このようにして、メディアフレームを、メディアコーデック(H.264/MPEG-4コーデック、H.265/MPEG-Hコーデック、H.263/MPEG-4コーデック、独自のコーデックなど)を使用して圧縮し、センサデータエンコーディングを得てもよい。その後、エンコーディングモジュール29022は、センサデータエンコーディングをバックエンドシステムに送信し、バックエンドシステムは、正規化された値に基づいてセンサデータを解凍し、再計算してもよい。これらの実施形態では、圧縮に使用されるコーデック、及びセンサのピクセルへのマッピングは、損失性を低減するため、または圧縮率を高めるために選択してもよい。さらに、前述の技術は、より静的であり、サンプリング間の変化が少ない傾向にあるセンサデータ、及び/または、異なるセンサから収集されたセンサデータが、同時にサンプリングされた場合に変化が少ない傾向にあるセンサデータに適用してもよい。符号化モジュール29022は、本開示の範囲から逸脱することなく、追加または代替の符号化/圧縮技術を採用してもよい。
実施形態では、迅速決定AIモジュール29024は、機械学習されたモデルの限られたセットを利用して、監視されている産業用コンポーネントの状態及び/または監視されている産業用設定28720の状態の予測及び/または分類を生成してもよい。実施形態では、迅速決定AIモジュール29024は、一連の特徴(例えば、1つまたは複数のセンサデータ値)を受け取り、それに基づいて特定のタイプの予測または分類を要求してもよい。実施形態では、迅速決定AIモジュール29024は、要求された予測または分類に対応する機械学習されたモデルを活用してもよい。迅速決定AIモジュール29024は、受信した特徴に基づいて特徴ベクトルを生成してもよく、特徴ベクトルは、センサキット28700の1つまたは複数のセンサ28702から得られた1つまたは複数のセンサデータ値を含むようにする。即決AIモジュール29024は、特徴ベクトルを機械学習されたモデルに供給してもよい。機械学習されたモデルは、予測または分類と、予測または分類の信頼度とを出力してもよい。実施形態では、即決AIモジュール29024は、予測または分類をデータ処理モジュール29020(または、予測または分類を要求した別のモジュール)に出力してもよい。例えば、実施形態では、データ処理モジュール29020は、産業用コンポーネント及び/または産業用設定28720が正常な状態であるという分類を使用して、センサデータの送信を遅延または見送り、及び/またはセンサデータを圧縮してもよい。実施形態では、データ処理モジュール29020は、産業用コンポーネント及び/または産業用設定28720が故障に遭遇する可能性が高いという予測または分類を使用して、圧縮されていないセンサデータをバックエンドシステム28750に送信してもよく、バックエンドシステム28750は、センサデータをさらに分析してもよく、及び/または潜在的な問題を人間のユーザに通知してもよい。
実施形態では、通知モジュール29026は、センサデータに基づいて、ユーザに通知またはアラームを提供してもよい。これらの実施形態のいくつかでは、通知モジュール29026は、特定の条件が満たされた場合に通知またはアラームをトリガする一連のルールを適用してもよい。条件は、望ましくない(例えば、緊急事態)状態と強く相関しているセンサデータ値を定義してもよい。データ処理モジュール29020からセンサデータを受信すると、通知モジュール29026は、1つまたは複数のルールをセンサデータに適用してもよい。アラームまたは通知をトリガする条件が満たされた場合、通知モジュール29026は、アラームまたは通知を人間のユーザに発行してもよい。アラームまたは通知が人間のユーザに提供される態様(例えば、ユーザデバイスへの提供、または可聴アラームのトリガ)は、事前に定義されてもよく、または、いくつかの実施形態では、産業設定28720のオペレータによって定義してもよい。
実施形態では、構成モジュール29028は、センサキットネットワーク200を構成する。実施形態では、構成モジュール29028は、センサ28702、エッジデバイス28704、及び産業設定28720に設置されている任意の他のデバイスに応じて、センサキット28700の他のデバイスに構成要求を送信してもよい。これらの実施形態のいくつかでは、センサ28702及び/または他のデバイスは、構成要求に応答して、メッシュネットワークまたは階層型ネットワークを確立してもよい。実施形態では、センサキットネットワーク内のセンサ28702及び他のデバイスは、構成要求に応答して、構成要求に応答してもよい。実施形態では、構成モジュール29028は、それらのデバイスのデバイスIDと、構成要求への応答で提供された任意の追加データとに基づいて、応答したデバイスに対応するデバイスレコードを生成してもよい。
実施形態では、構成モジュール29028は、センサキット28700に新しいデバイスを追加する。これらの実施形態では、構成モジュール29028は、プラグアンドプレイのような方法で、設置後のセンサキット28700に新しいセンサ28702を追加する。これらの実施形態の一部では、エッジデバイス28704及びセンサ28702(または、センサキット28700に追加される他のデバイス)の通信デバイス29004、308は、それぞれの短距離通信機能(例えば、近距離通信(NFC)チップ)を含んでもよい。これらの実施形態では、センサ28702は、識別データ(例えば、センサID値)及びセンサをセンサキットに追加するために使用されるであろう他のデータ(例えば、デバイスタイプ、サポートされる通信プロトコルなど)を格納する永続的なストレージを含んでもよい。ユーザがセンサキット28700への設置後の追加を開始すること(例えば、ユーザがエッジデバイス28704のボタンを押すこと、及び/または、センサ28702をエッジデバイス28704の近傍に持ってくること)に応答して、構成モジュール29028は、通信システム29004に信号(例えば、無線周波数)を発せさせてもよい。発信された信号は、その信号を受信するのに十分なほど近接したセンサ28702が、そのセンサID及び他の任意の適切な構成データ(例えば、デバイスタイプ、通信プロトコルなど)を送信するようにトリガしてもよい。センサ28702がその構成データ(センサID及び他の関連する構成データ)をエッジデバイス28704に送信することに応答して、構成モジュール29028は、新しいセンサ28702をセンサキット28702に追加してもよい。実施形態では、センサ28702をセンサキット28704に追加することは、センサIDに基づいて、新しいセンサ28702に対応する新しいデバイスレコードを生成し、構成データストア29010を新しいデバイスレコードで更新することを含んでもよい。構成モジュール29028は、任意の他の適切な方法で、新しいセンサ28702をセンサキット28700に追加してもよい。
実施形態では、エッジデバイス28704は、分散型台帳モジュール29030を含んでもよい。実施形態では、分散型台帳モジュール29030は、センサキット28700によって捕捉されたセンサデータで分散型台帳28762を更新するように構成してもよい。実施形態では、分散型台帳は、複数のノードコンピューティングデバイス28760の間で分散してもよい。説明したように、実施形態では、分散型台帳28762は、リンクされたデータ構造(例えば、ブロック、データレコードなど)のセットで構成される。説明の便宜上、データ構造をブロックと呼ぶことにする。
説明したように、各ブロックは、ブロックの一意のIDを含むヘッダと、ブロックに格納されているデータ及び親ブロックのポインタを含むボディとを含んでもよい。実施形態では、ブロックのポインタは、そのブロックの親ブロックのブロックIDである。それぞれのブロックに格納されているデータは、それぞれのセンサキット28700によって取り込まれたセンサデータとすることができる。実施形態によっては、ブロックのそれぞれの本体に格納されるセンサデータの種類及びセンサデータの量が異なる場合がある。例えば、ブロックは、一定期間にわたってキャプチャされたセンサキット28700内の1つまたは複数の種類のセンサ28702からのセンサ測定値のセット(例えば、1時間または1日の期間にわたってセンサキット28700内のすべてのセンサ28702からキャプチャされたセンサデータ28702)、及びそれに関連するメタデータ(例えば、各センサ測定値のセンサID、及び各センサ測定値またはセンサ測定値のグループのタイムスタンプ)を格納してもよい。いくつかの実施形態では、ブロックは、異常であると判断されたセンサ測定値(例えば、予想されるセンサ測定値の標準偏差の外側、または、センサ測定値のデルタが、以下のようなもの)を格納してもよい。しきい値を超える及び/または問題または潜在的な問題を示すセンサ測定値、及び関連するメタデータ(例えば、各センサ測定値のセンサID、及び各センサ測定値またはセンサ測定値のグループのタイムスタンプ)を含む。いくつかの実施形態では、ブロックに格納されたセンサデータは、エンコードモジュール29022がセンサデータをよりコンパクトなフォーマットに圧縮/エンコードするような、圧縮及び/またはエンコードされたセンサデータであってもよい。実施形態では、分散型台帳モジュール29030は、本体の内容(例えば、親ブロックのブロックID及びセンサデータ)がハッシュ化され、ハッシュの値を変更しなければ変更できないように、本体のハッシュを生成してもよい。実施形態では、分散型台帳モジュール29030は、ブロック内のコンテンツを暗号化して、不正なデバイスによってコンテンツが読み取られないようにしてもよい。
実施形態では、分散型台帳モジュール29030は、トリガーイベントに応答してブロックを生成する。トリガーイベントの例には、所定の時間(例えば、毎分、毎時間、毎日)、潜在的な問題が分類または予測されたとき、1つまたは複数のセンサの測定値が許容閾値の外側にあるとき、などが含まれる場合がある。トリガーイベントに応答して、分散型台帳モジュール29030は、報告されるべきセンサデータに基づいてブロックを生成してもよい。サーバキット28700の構成や分散型台帳28762の使用目的に応じて、ブロックに含まれるデータ量やデータの種類が異なる場合がある。例えば、製造施設1700または水中工業設定1800のような製造または資源採掘設定において、分散型台帳28762は、機能的な機械を実証するため、及び/または、メンテナンスの必要性を予測するために使用してもよい。この例では、分散型台帳モジュール29030は、保険料の設定及び/または返金の発行のために、保険業者がアクセスしてもよい。したがって、この例では、分散型台帳モジュール29030は、問題が分類または予測される許容閾値またはインスタンスの外側にある任意のセンサ測定値(及び関連するメタデータ)を含んでもよい。別の例では、分散型台帳は、施設が1つまたは複数の規制に従って動作していることを保証するために、規制機関によってアクセス可能であってもよい。これらの実施形態では、分散型台帳モジュール29030は、1つまたは複数のセンサ測定値(及び関連するメタデータ)のセットをブロックに格納して、センサ測定値が規制機関によって分析されるようにしてもよい。これらの実施形態のいくつかでは、センサ測定値は、より多くのセンサデータを単一のブロックに格納するために圧縮してもよい。ブロックを生成することに応答して、分散型台帳モジュール29030は、ブロックを1つまたは複数のノードコンピューティングデバイス28760に送信してもよい。ブロックが検証されると(例えば、コンセンサスメカニズムを使用して)、各ノードコンピューティングデバイス28760は、新しいブロックで分散型台帳28762を更新してもよい。
議論したように、いくつかの実施形態では、分散型台帳はスマートコントラクトをさらに含むことができる。書き込まれると、スマートコントラクトは、ブロックにエンコードされ、分散型台帳28762にデプロイしてもよい。スマートコントラクトのアドレス(例えば、スマートコントラクトを含むブロックのブロックID)は、スマートコントラクトの1つまたは複数の当事者に提供されてもよく、それぞれの当事者がアドレスを使用してスマートコントラクトを呼び出すことができる。これらの実施形態のいくつかでは、スマートコントラクトのアドレスは、分散型台帳モジュール29030がスマートコントラクトにアイテムを報告するように、分散型台帳モジュール29030に提供してもよい。いくつかの実施形態では、分散型台帳モジュール29030は、スマートコントラクトにアイテムを報告するために、スマートコントラクトのAPIを活用してもよい。
上述の例示的な実装では、保険会社は、被保険施設の所有者及び/またはオペレータが、施設内の機器が適切に機能していることを実証することを可能にするために、スマートコントラクトを利用してもよい。いくつかの実施形態では、スマートコントラクトは、施設の所有者及び/またはオペレータが、施設が問題なく動作していることを示す十分なセンサデータを提供した場合に、保険料の一部に対するリベートまたは返金の発行をトリガしてもよい。これらの実施形態のいくつかでは、スマートコントラクトは、施設から一定量のセンサデータが報告されることを要求する第1の条件と、センサデータの各インスタンスが値(例えば、分類されたまたは予測された問題がない)または値の範囲(例えば、すべてのセンサ測定値が予め定義された値の範囲内にある)に等しいという第2の条件とを含んでもよい。いくつかの実施形態では、アクションは、第1及び第2の条件が満たされたことに応答して、口座に資金(例えば、電信送金または暗号通貨)を入金することであってもよい。この例では、分散型台帳モジュール29030は、センサデータを含むブロックを分散型台帳28762に書き込んでもよい。また、分散型台帳モジュール29030は、これらのブロックのアドレスをスマートコントラクトに提供してもよい(例えば、スマートコントラクトのAPIを介して)。スマートコントラクトが、契約の第1条件及び第2条件を検証すると、スマートコントラクトは、保険者の口座から被保険者の口座への資金の移動を開始してもよい。
上述の別の例では、規制機関(例えば、州、地方、または連邦の規制機関)は、報告されたセンサデータに基づいて施設(例えば、食品検査施設、医薬品製造施設、屋内農業施設、海洋石油採掘施設など)を監視して、1つまたは複数の規制の遵守を保証するスマートコントラクトを利用することができる。実施形態では、スマートコントラクトは、以下のものであってもよい。施設からセンサデータを受信して検証し(例えば、スマートコントラクトのAPIを介して)、センサデータを検証したことに応答して、コンプライアンストークン(または証明書)を施設所有者のアカウントに発行するように構成される。これらの実施形態のいくつかでは、スマートコントラクトは、施設から報告される一定量のセンサデータを必要とする第1の条件と、センサデータが報告規則に準拠していることを必要とする第2の条件とを含んでもよい。この例では、分散型台帳モジュール29030は、センサデータを含むブロックを分散型台帳に書き込んでもよい。また、センサキット28700は、これらのブロックのアドレスをスマートコントラクトに提供してもよい(例えば、スマートコントラクトのAPIを使用して)。スマートコントラクトが契約の第1条件及び第2条件を検証すると、スマートコントラクトは、施設運営者によるコンプライアンスを示すトークンを生成し、施設に関連付けられた口座(例えば、デジタルウォレット)への資金の転送を開始してもよい。
図291は、本開示のいくつかの実施形態による例示的なバックエンドシステム28750を示す。実施形態では、バックエンドシステム28750は、1つまたは複数の物理サーバデバイスで実行されるクラウドサービスとして実装してもよい。実施形態では、バックエンドシステム28750は、ストレージシステム29102、通信システム29104、及び処理システム29106を含んでもよい。バックエンドシステム28750は、図示しない追加のコンポーネントを含んでもよい。
ストレージシステム29102は、1つまたは複数のストレージデバイスを含む。記憶装置は、永続的な記憶媒体(例えば、フラッシュメモリドライブ、ハードディスクドライブ)及び/または一過性の記憶装置(例えば、RAM)を含んでもよい。ストレージシステム29102は、1つまたは複数のデータストアを格納してもよい。データストアは、1つまたは複数のデータベース、テーブル、インデックス、レコード、ファイルシステム、フォルダ及び/またはファイルを含んでもよい。図示された実施形態では、ストレージシステム29102は、センサキットデータストア29110及びモデルデータストア29112を格納する。ストレージシステム29102は、本開示の範囲から逸脱することなく、追加または代替のデータストアを格納してもよい。
実施形態では、センサキットデータストア29110は、それぞれのセンサキット28700に関連するデータを格納する。実施形態では、センサキットデータストア29110は、インストールされた各センサキット28700に対応するセンサキットデータを格納してもよい。実施形態では、センサキットデータは、センサキット28700内の各センサ28702(例えば、センサID)を含む、センサキット28700内のデバイスを示してもよい。いくつかの実施形態では、センサキットデータは、センサキット28700によって捕捉されたセンサデータを示してもよい。これらの実施形態のいくつかでは、センサキットデータは、センサキット28700によって捕捉されたセンサデータの各インスタンスを識別してもよく、センサデータの各インスタンスについて、センサキットデータは、センサデータを捕捉したセンサ28702を示してもよく、いくつかの実施形態では、センサデータに対応するタイムスタンプを示してもよい。
実施形態では、モデルデータストア29112は、学習データに基づいてAIシステム29124によって学習された機械学習モデルを格納する。機械学習されたモデルは、予測モデル及び分類モデルを含んでもよい。実施形態では、特定のモデルを訓練するために使用される訓練データは、同じタイプの産業環境28720を監視する1つまたは複数のセンサキット28700から収集されたデータを含む。訓練データは、追加的または代替的に、履歴データ及び/または専門家が生成したデータを含んでもよい実施形態では、各機械学習されたモデルは、それぞれのタイプの産業用設定28720に関連してもよい。これらの実施形態のいくつかでは、AIシステム29124は、それらの種類の産業設定28720を監視するセンサキット28700から収集されたセンサデータ及びそれらの産業設定28720から得られた結果に基づいて、産業設定28720の種類に係る機械学習済みモデルを定期的に更新してもよい。実施形態では、産業設定28720の種類に係る機械学習済みモデルは、その種類の産業設定28720を監視するセンサキット28700のエッジデバイス28704に提供してもよい。
実施形態では、通信システム29104は、公衆通信網(例えば、インターネット)エーテルと通信する少なくとも1つの外部通信デバイスを含む、1つまたは複数の通信デバイスを含む。外部通信装置は、有線通信または無線通信を行ってもよい。実施形態では、外部通信デバイスは、セルラーチップセット(例えば、4Gまたは5Gチップセット)、イーサネットカード及び/またはWiーFiカード、または他の適切な通信デバイスを含んでもよい。
実施形態では、処理システム29106は、コンピュータ実行可能な命令を格納する1つまたは複数のメモリデバイス(例えば、ROM及び/またはRAM)と、コンピュータ実行可能な命令を実行する1つまたは複数のプロセッサとを含んでもよい。プロセッサは、並列または分散方式で実行してもよい。プロセッサは、同じ物理的サーバ装置に配置してもよいし、異なるサーバ装置に配置してもよい。処理システム29106は、デコードモジュール29120、データ処理モジュール29122、AIモジュール29124、通知モジュール29126、分析モジュール29128、制御モジュール29130、ダッシュボードモジュール29132、構成モジュール29134、及び分散型台帳管理モジュール29136のうちの1つまたは複数を実行してもよい。処理システム406は、本開示の範囲から逸脱することなく、追加または代替のモジュールを実行してもよい。さらに、本明細書で説明するモジュールは、それぞれのモジュールの1つまたは複数の機能を実行するサブモジュールを含んでもよい。
実施形態では、センサキット28700は、センサデータを含む符号化されたセンサキットパケットをバックエンドシステム28750に送信してもよい。これらの実施形態では、復号モジュール29120は、エッジデバイス28704から符号化されたセンサデータを受信してもよく、センサデータ及び受信したセンサデータに関連するメタデータ(例えば、センサキットID及びセンサデータを捕捉したセンサの1つまたは複数のセンサID)を取得するために、符号化されたセンサキットパケットを復号化、デコード、及び/または解凍してもよい。復号化モジュール29120は、センサデータ及びその他のメタデータをデータ処理モジュール29122に出力してもよい。
実施形態では、データ処理モジュール29122は、センサキット28700から受信したセンサデータを処理してもよい。いくつかの実施形態では、データ処理モジュール29122は、センサデータを受信してもよく、センサデータに提供したセンサキット28700に関連して、センサデータをセンサキットデータストア29110に格納してもよい。実施形態では、データ処理システム29122は、AIモジュール29124にAI関連の要求を提供してもよい。これらの実施形態において、データ処理システム29122は、受信したセンサデータから関連するセンサデータインスタンスを抽出してもよく、抽出したセンサデータインスタンスを、要求の種類(例えば、どのようなタイプの予測または分類)及び使用するセンサデータを示す要求で、AIモジュール29124に提供してもよい。潜在的な問題が予測または分類された場合、データ処理モジュール29122は、潜在的な問題に関連するワークフローを実行してもよい。ワークフローは、潜在的な問題が処理される方法を定義してもよい。例えば、ワークフローは、通知が人間のユーザに送信されるべきであること、是正措置が開始されるべきであること、及び/または他の適切なアクションを示してもよい。データ処理モジュール29122は、本開示の範囲から逸脱することなく、追加または代替の処理タスクを実行してもよい。
実施形態では、AIモジュール29124は、予測または分類を行うために使用される機械学習されたモデルをトレーニングする。機械学習されたモデルは、ニューラルネットワーク、ディープニューラルネットワーク、再帰的ニューラルネットワーク、ベイジアンニューラルネットワーク、回帰ベースのモデル、決定木、予測木、分類木、隠れマルコフモデル、及び/または任意の他の適切なタイプのモデルを含む、任意の適切なタイプのモデルを含んでもよい。AIモジュール29124は、訓練データセットで機械学習モデルを訓練してもよい。訓練データセットは、専門家が生成したデータ、履歴データ、及び/またはアウトカムベースのデータを含んでもよい。アウトカムベースのデータは、予測または分類が行われた後に収集されるデータであって、予測または分類が正しいか正しくないか、及び/または実現された結果を示すデータであってもよい。トレーニングデータインスタンスとは、特徴量のセットとラベルを含むトレーニングデータの単位を指すことがある。実施形態では、トレーニングデータインスタンスのラベルは、所定の時間における産業用コンポーネントまたは産業用セティング28720の状態を示してもよい。条件の例は、産業用セティング28720と、機械学習モデルが予測または分類するように訓練されている条件とに応じて大きく異なる。製造施設におけるラベルの例は、問題が検出されなかったこと、コンポーネントの機械的故障、コンポーネントの電気的故障、化学物質のリークが検出されたこと、などを含むが、これらに限定されない。鉱業施設におけるラベルの例としては、問題が検出されない、酸素欠乏、有毒ガスの存在、構造部品の故障などがあるが、これらに限定されない。石油・ガス施設(例えば、油田、ガス田、石油精製所、パイプライン)におけるラベルの例には、問題が検出されないこと、部品の機械的故障(例えば、故障したバルブや故障したOリング)、リークなどを含むが、これらに限定されるものではない。屋内農業施設におけるラベルの例としては、問題が検出されなかったこと、植物が枯れたこと、植物がしおれたこと、植物が特定の色(例えば、茶色、紫色、オレンジ色、または黄色)になったこと、カビが見つかったことなどが挙げられるが、これらに限定されない。これらの例のそれぞれにおいて、状態に関連する可能性のある特定の特徴と、状態にほとんどまたは全く関係のない可能性のあるいくつかの特徴がある。実施形態では、AIモジュール29124は、より多くのセンサデータ及び機械学習されたモデルに関連する結果が受信されると、機械学習されたモデルを強化してもよい。実施形態では、機械学習されたモデルは、モデルデータストア29112に格納してもよい。各モデルは、モデル識別子とともに格納されてもよく、この識別子は、モデルが行う産業設定28720のタイプ、モデルが行う予測または分類のタイプ、及びモデルが受信する特徴を示す(例えば、マッピングされる)ものであってもよい。いくつかの実施形態では、1つまたは複数の機械学習されたモデル(及びその後の更新)は、それぞれのセンサキット28700にプッシュされてもよく、それによって、それぞれのセンサキット28700のエッジデバイス28704は、バックエンドシステム28750に依存することなく、1つまたは複数の機械学習されたモデルを使用して、予測及び/または分類を行ってもよい。
実施形態では、AIモジュール29124は、予測及び/または分類の要求を受信し、要求に基づいて予測及び/または分類を決定する。実施形態では、要求は、要求されている予測または分類のタイプを示してもよく、予測または分類を行うための特徴のセットを含んでもよい。要求に応答して、AIモジュール29124は、要求されている予測または分類のタイプに基づいて、活用する機械学習モデルを選択してもよく、それによって、以下のようになる。選択されたモデルは、特定の特徴のセットを受け取る。その後、AIモジュール29124は、センサデータの1つまたは複数のインスタンスを含む特徴ベクトルを生成し、特徴ベクトルを選択されたモデルに供給してもよい。特徴ベクトルに応答して、選択されたモデルは、予測または分類、及び予測または分類の確信度(例えば、確信度スコア)を出力してもよい。AIモジュール29124は、予測または分類、及びそこでの確信度を、リクエストを提供したモジュールに出力してもよい。
実施形態では、通知モジュール29126は、それぞれの設定で問題が検出されると、ユーザ及び/またはそれぞれの産業設定28720に通知を発行してもよい。実施形態では、通知は、問題の性質を示すユーザのユーザデバイスに送信してもよい。通知モジュール29126は、API(例えば、REST API)を実装してもよく、それによって、産業用設定28720に関連するユーザのユーザデバイスは、バックエンドシステム28750から通知を要求してもよい。要求に応答して、通知モジュール29126は、任意の通知(もしあれば)をユーザデバイスに提供してもよい。実施形態において、通知は、産業用設定28720に位置するデバイスに送信されてもよく、それによって、デバイスは、産業用設定28720に応答して、産業用設定28720でアラームを発生させてもよい。
実施形態では、分析モジュール29128は、バックエンドシステム28750によって収集され、センサキットデータストア29110に格納されたセンサデータに対して分析関連のタスクを実行してもよい。実施形態では、分析タスクは、個々のセンサキットから受信したセンサデータに対して実行してもよい。さらに、または代替的に、分析タスクは、センサデータ上で実行してもよい。異なる産業設定28720を監視する様々なセンサキット28700から得られたセンサデータ上で実行してもよい分析タスクの例である。分析タスクの例には、エネルギー利用分析、品質分析、プロセス最適化分析、財務分析、予測分析、歩留まり最適化分析、故障予測分析、シナリオプランニング分析、及びその他多くのものを含むことができる。
実施形態では、制御モジュール29130は、AIシステム29124によって行われた決定に基づいて、産業用設定28720の1つまたは複数の側面を制御してもよい。実施形態では、制御モジュール29130は、特定の問題が検出されたことに応答して是正措置を取るために、産業用設定28720のデバイスまたはシステムにコマンドを提供するように構成してもよい。例えば、制御モジュール29130は、組立ライン上の重要なコンポーネントが故障している可能性が高い、または故障している可能性が高いという判断に応答して、組立ラインを停止するためのコマンドを製造施設に発行してもよい。別の例では、制御モジュール29130は、施設内の湿度レベルが高すぎるという判定に応答して、除湿機を作動させるコマンドを農業施設に発行してもよい。別の例では、制御モジュール29130は、弁の下流にある石油パイプライン内のコンポーネントが故障している可能性が高い、または故障している可能性が高いという判定に応答して、石油パイプライン内の弁を閉鎖するコマンドを発行してもよい。特定の産業設定28720について、制御モジュール29130は、産業設定28720に関連する人間のユーザによって定義された改善措置を実行してもよく、その場合、人間のユーザは、どのような条件が改善措置をトリガする可能性があるかを定義することができる。
実施形態では、ダッシュボードモジュール29132は、人間のユーザに関連付けられたユーザデバイス28740を介して、人間のユーザにダッシュボードを提示する。実施形態では、ダッシュボードは、人間のユーザが関連付けられているセンサキット28700(例えば、産業設定28720の従業員)に関連するものを人間のユーザが見ることができるグラフィカルユーザインターフェイスを提供する。これらの実施形態では、ダッシュボードモジュール29132は、センサキットによって提供される生のセンサデータ、センサキット28700によって提供されるセンサデータに関連する分析データ、センサデータに基づいてバックエンドシステム28750によって行われる予測または分類などを取得して表示してもよい。
実施形態では、ダッシュボードモジュール29132は、人間のユーザがセンサキット28700の側面を構成することを可能にする。実施形態では、ダッシュボードモジュール29132は、人間のユーザが関連付けられているセンサキット28700の1つまたは複数の側面を構成することを可能にするグラフィカルユーザインターフェイスを提示してもよい。実施形態では、ダッシュボードは、ユーザが1つまたは複数のセンサタイプ及び/または条件に関するアラーム制限を構成することを可能にしてもよい。例えば、ユーザは、通知が人間のユーザに送信される温度値を定義してもよい。別の例では、ユーザは、AIモジュール及び/またはエッジデバイスが予測した場合にアラームを作動させる一連の条件を定義してもよい。実施形態では、ダッシュボードは、アラームがトリガされたときにどのユーザが通知を受け取るかをユーザが定義できるようにしてもよい。実施形態では、ダッシュボードは、ユーザがバックエンドシステム28750及び/またはエッジデバイス28704の追加機能に加入することを可能にしてもよい。
実施形態では、ダッシュボードは、ユーザがセンサキット28700に1つまたは複数のサブスクリプションを追加することを可能にしてもよい。サブスクリプションは、バックエンドサービス及び/またはエッジサービスへのアクセスを含んでもよい。ユーザは、センサキット28700に追加するサービスを選択してもよく、サービスの支払いのために支払い情報を提供してもよい。支払い情報の検証時に、バックエンドシステム28750は、センサキット28700にそれらの機能へのアクセスを提供してもよい。加入することができるサービスの例には、分析サービス、AIサービス、通知サービスなどが含まれる。ダッシュボードは、ユーザが追加または代替の構成を実行できるようにしてもよい。
実施形態では、構成モジュール29134は、それぞれのセンサキット28700の構成を維持する。最初に、新しいセンサキット28700が産業環境28720に展開されると、構成モジュール29134は、新たに設置されたセンサキット28700の各デバイスのデバイスIDでセンサキットデータストア29110を更新してもよい。新たに設置されたセンサキット28700を反映するようにセンサキットデータストア29110を更新すると、バックエンドシステム28750は、センサキット28700からのセンサデータの格納を開始してもよい。実施形態では、新しいセンサ28702がそれぞれのセンサキット28700に追加してもよい。これらの実施形態では、エッジデバイス28704は、センサキット28700にデバイスを追加しようとする際に、バックエンドシステム28750に追加要求を提供してもよい。実施形態では、要求は、新しいセンサのセンサIDを示してもよい。要求に応答して、構成モジュール29134は、センサキットデータストア29110内の要求中のセンサキット28700のセンサキットデータに、新しいセンサのセンサIDを追加してもよい。
実施形態では、バックエンドシステム28750は、分散型元帳管理モジュール29136を含む。これらの実施形態のいくつかでは、分散型元帳管理モジュール29136は、ユーザが分散型元帳を更新及び/または構成することを可能にする。これらの実施形態のいくつかでは、分散型元帳管理モジュール29136は、ユーザがスマートコントラクトを定義またはアップロードすることを可能にする。議論されたように、スマートコントラクトは、スマートコントラクトによって検証される1つまたは複数の条件と、条件が検証されたときにトリガされる1つまたは複数のアクションとを含んでもよい。実施形態では、ユーザは、ユーザインターフェースを介して、検証されるべき1つまたは複数の条件を分散型台帳管理モジュール29136に提供してもよい。これらの実施形態のいくつかでは、ユーザは、条件を定義するコード(例えば、JavaScriptコード、Javaコード、Cコード、C++コードなど)を提供してもよい。また、ユーザは、特定の条件が満たされたことに応答して実行されるべきアクションを提供してもよい。スマートコントラクトがアップロード/作成されたことに応答して、分散型台帳管理モジュール29136は、スマートコントラクトをデプロイしてもよい。実施形態では、分散型台帳管理モジュール29136は、スマートコントラクトを含むブロックを生成してもよい。ブロックは、ブロックのアドレスを定義するヘッダと、前のブロックへのアドレス及びスマートコントラクトを含むボディとを含んでもよい。いくつかの実施形態では、分散型台帳管理モジュール29136は、以下に基づいてハッシュ値を決定してもよい。分散型台帳管理モジュール29136は、ブロックを1つまたは複数のノードコンピューティングデバイス28760に送信してもよく、それらのノードコンピューティングデバイスは、スマートコントラクトを含むブロックで分散型台帳を更新する。分散元帳管理モジュール29136は、さらに、スマートコントラクトにアクセスする可能性がある1つまたは複数の当事者に、ブロックのアドレスを提供してもよい。分散型元帳管理モジュール29136は、本開示の範囲から逸脱することなく、追加または代替の機能を実行してもよい。
バックエンドシステム28750は、議論されていない追加または代替のコンポーネント、データストア、及び/またはモジュールを含んでもよい。
図292は、センサキット28700によって得られたセンサデータを圧縮するための方法29200の操作の例を示す。実施形態では、方法29200は、センサキット28700のエッジデバイス28704によって実行してもよい。
29210において、エッジデバイス28704は、センサキットネットワーク200を介して、センサキット28700の1つまたは複数のセンサ28702からセンサデータを受信する。実施形態では、それぞれのセンサ28702からのセンサデータは、報告パケットで受信してもよい。各報告パケットは、報告パケットを生成したセンサ28702のデバイス識別子と、センサ28702によってキャプチャされたセンサデータの1つまたは複数のインスタンスとを含んでもよい。報告パケットは、タイムスタンプまたは他のメタデータなどの追加データを含んでもよい。
29212において、エッジデバイス28704は、センサデータを処理する。実施形態では、エッジデバイス28704は、重複している任意の報告パケットをデデュープしてもよい。実施形態では、エッジデバイス28704は、明らかに誤っている(例えば、許容範囲外の)センサデータをフィルタリングしてもよい。実施形態では、エッジデバイス28704は、複数のセンサ28702から得られたセンサデータを集約してもよい。実施形態では、エッジデバイス28704は、産業設定28720の1つまたは複数の産業コンポーネントの状態に関連する予測または分類を決定するなど、1つまたは複数のAI関連タスクを実行してもよい。これらの実施形態のいくつかでは、センサデータを圧縮する決定は、エッジデバイス28704が、産業用コンポーネントに潜在的な問題があると判断するかどうかに依存してもよい。例えば、エッジデバイス28704は、予測または分類された問題がなかった場合に、センサデータを圧縮してもよい。他の実施形態では、エッジデバイス28704は、バックエンドシステムに送信されている任意のセンサデータまたは特定のタイプのセンサデータ(例えば、温度センサから得られるセンサデータ)を圧縮してもよい。
29214で、エッジデバイス28704は、センサデータを圧縮してもよい。エッジデバイス28704は、センサデータを圧縮するための任意の適切な圧縮技術を採用してもよい。例えば、エッジデバイス28704は、垂直方向または水平方向の圧縮技術を採用してもよい。エッジデバイス28704は、センサデータを圧縮するコーデックで構成してもよい。コーデックは、独自のコーデックであってもよいし、「既製品」のコーデックであってもよい。
29216で、エッジデバイス28704は、圧縮されたセンサデータをバックエンドシステム28750に送信してもよい。実施形態では、エッジデバイス28704は、圧縮されたデータを含むセンサキットパケットを生成してもよい。センサキットパケットは、センサキットパケットのソース(例えば、センサキットIDまたはエッジデバイスID)を指定してもよく、追加のメタデータ(例えば、タイムスタンプ)を含んでもよい。実施形態では、エッジデバイス28704は、センサキットパケットをバックエンドシステム28750に送信する前に、センサキットパケットを暗号化してもよい。実施形態では、エッジデバイス28704は、センサキットパケットをバックエンドシステム28750に直接(例えば、セルラー接続、ネットワーク接続、または衛星アップリンクを介して)送信する。他の実施形態では、エッジデバイス28704は、センサキットパケットをゲートウェイデバイスを介してバックエンドシステム28750に送信し、ゲートウェイデバイスは、センサキットパケットをバックエンドシステム28750に直接(例えば、セルラー接続または衛星アップリンクを介して)送信する。
図293は、センサキット28700から受信した圧縮されたセンサデータを処理するための方法29300の操作の例を示す。実施形態では、方法29300は、バックエンドシステム28750によって実行される。
29310で、バックエンドシステム28750は、センサキットから圧縮されたセンサデータを受信する。実施形態では、圧縮されたセンサデータは、センサキットパケットで受信してもよい。
29312で、バックエンドシステム28750は、受信したセンサデータを解凍する。実施形態では、バックエンドシステムは、受信したセンサデータを解凍するためにコーデックを利用してもよい。受信したセンサデータを解凍する前に、バックエンドシステム28750は、圧縮されたセンサデータを含むセンサキットパケットを復号してもよい。
29314で、バックエンドシステム28750は、解凍されたセンサデータに対して1つまたは複数のバックエンド操作を実行する。バックエンド操作は、データを格納すること、データをフィルタリングすること、センサデータにAI関連のタスクを実行すること、AI関連のタスクの結果に関連して1つ以上の通知を発行すること、1つ以上の分析関連のタスクを実行すること、産業用設定28720の産業用コンポーネントを制御すること、などを含むことができる。
図294は、センサキット28700からバックエンドシステム28750にセンサデータをストリーミングするための方法29400の操作の例を示す。実施形態の方法29400では、センサキット28700のエッジデバイス28704によって実行してもよい。
29410において、エッジデバイス28704は、センサキットネットワーク28800を介して、センサキット28700の1つまたは複数のセンサ28702からセンサデータを受信する。実施形態では、それぞれのセンサ28702からのセンサデータは、報告パケットで受信してもよい。各報告パケットは、報告パケットを生成したセンサ28702のデバイス識別子と、センサ28702によって捕捉されたセンサデータの1つまたは複数のインスタンスとを含んでもよい。報告パケットは、タイムスタンプまたは他のメタデータなどの追加データを含んでもよい。実施形態では、エッジデバイス28704は、センサデータを処理してもよい。例えば、エッジデバイス28704は、重複している任意の報告パケットをデデュープしてもよく、及び/または、明らかに誤っている(例えば、許容範囲外の)センサデータをフィルタリングしてもよい。実施形態では、エッジデバイス28704は、複数のセンサ28702から得られたセンサデータを集約してもよい。
29412で、エッジデバイス28704は、センサデータをメディアフレーム準拠のフォーマットに正規化及び/または変換してもよい。実施形態では、エッジデバイス28704は、各センサデータインスタンスを、センサデータを含むことになるメディアフレームの制約に準拠した値に正規化及び/または変換してもよい。例えば、メディアフレームがビデオフレームである実施形態では、エッジデバイス28704は、センサデータのインスタンスを許容可能なピクセルフレームに正規化及び/または変換してもよい。エッジデバイス28704は、1つまたは複数のマッピング及び/または正規化関数を採用して、センサデータを変換及び/または正規化してもよい。
29414で、エッジデバイス28704は、変換及び/または正規化されたセンサデータに基づいて、メディアフレームのブロックを生成してもよい。例えば、メディアフレームがビデオフレームである実施形態では、エッジデバイス28704は、変換及び/または正規化されたセンサデータの各インスタンスを、ビデオフレームのそれぞれのピクセルに割り当ててもよい。エッジデバイス28704が、変換及び/または正規化されたセンサデータのインスタンスをそれぞれのピクセルに割り当てる態様は、それぞれのセンサをそれぞれのピクセル値にマッピングするマッピングで定義してもよい。実施形態では、マッピングは、隣接するピクセルの値の間の分散を最小化するように定義してもよい。実施形態では、エッジデバイス28704は、連続する各メディアフレームが後続のセンサデータインスタンスのセットに対応するように、一連のタイムシーケンスされたメディアフレームを生成してもよい。
29416で、エッジデバイス28704は、メディアフレームのブロックをエンコードしてもよい。実施形態では、エッジデバイス28704は、メディアフレームのブロックを圧縮するために、メディアコーデック(例えば、ビデオコーデック)のエンコーダを採用してもよい。コーデックは、独自のコーデックであってもよいし、「既製の」コーデックであってもよい。例えば、メディアコーデックは、H.264/MPEG-4コーデック、H.265/MPEG-Hコーデック、H.263/MPEG-4コーデック、独自のコーデックなどであってもよい。コーデックは、メディアフレームのブロックを受け取り、それに基づいて符号化されたメディアブロックを生成する。
29418において、エッジデバイス28704は、エンコードされたメディアブロックをバックエンドシステム28750に送信してもよい。実施形態では、エッジデバイス28704は、エンコードされたメディアブロックをバックエンドシステム28750にストリーミングしてもよい。各符号化されたブロックは、ブロックのソース(例えば、センサキットIDまたはエッジデバイスID)を指定してもよく、追加のメタデータ(例えば、タイムスタンプ及び/またはブロック識別子)を含んでもよい。実施形態では、エッジデバイス28704は、符号化されたメディアブロックをバックエンドシステム28750に送信する前に、符号化されたメディアブロックを暗号化してもよい。エッジデバイス28704は、符号化されたメディアブロックをバックエンドシステム28750に直接(例えば、セルラー接続、ネットワーク接続、または衛星アップリンクを介して)送信してもよいし、ゲートウェイデバイスを介して、符号化されたメディアブロックをバックエンドシステム28750に直接(例えば、セルラー接続または衛星アップリンクを介して)送信してもよい。
エッジデバイス28704は、センサキットからライブセンサデータのストリームを配信するように、前述の方法29400の実行を継続してもよい。前述の方法29400は、設定内に多くのセンサが配備されており、センサが頻繁にまたは連続的にサンプリングされる設定で実行してもよい。このようにして、センサデータをバックエンドシステムに提供するために必要な帯域幅が低減される。
図295は、エッジデバイス28704からセンサデータストリームを取り込むための方法29500の操作の例を示す。実施形態では、方法29500は、バックエンドシステムによって実行される。
29510において、バックエンドシステム28750は、センサキットから符号化されたメディアブロックを受信する。バックエンドシステム28750は、センサデータストリームの一部として符号化されたメディアブロックを受信してもよい。
29512において、バックエンドシステム28750は、メディアブロックをエンコードするために使用されたコーデックのコーデックに対応するデコーダを使用して、エンコードされたブロックをデコードして、連続するメディアフレームのセットを得る。符号化動作に関して説明したように、コーデックは、独自のコーデックであってもよいし、「既製の」コーデックであってもよい。例えば、メディアコーデックは、H.264/MPEG-4コーデック、H.265/MPEG-Hコーデック、H.263/MPEG-4コーデック、独自のコーデックなどであってもよい。コーデックは、メディアフレームの符号化されたブロックを受信し、符号化されたブロックを復号して、一連の連続したメディアフレームを得る。
29514で、バックエンドシステム28750は、メディアフレームに基づいてセンサデータを再作成する。実施形態では、バックエンドシステム28750は、各それぞれのメディアフレームに埋め込まれた正規化及び/または変換されたセンサ値を決定する。例えば、メディアフレームがビデオフレームである実施形態では、バックエンドシステム28750は、メディアフレーム内の各ピクセルに対するピクセル値を決定してもよい。ピクセル値は、センサキット28700のそれぞれのセンサ28702に対応してもよく、その値は、センサデータの正規化及び/または変換されたインスタンスを表してもよい。実施形態では、バックエンドシステム28750は、ピクセル値の正規化及び/または変換を逆にすることによって、センサデータを再作成してもよい。実施形態では、バックエンドシステム28750は、逆変換及び/または逆正規化関数を利用して、再作成された各センサデータインスタンスを取得してもよい。
方法29518で、バックエンドシステム28750は、再作成されたセンサデータに基づいて、1つまたは複数のバックエンド操作を実行する。バックエンド操作は、データを格納すること、データをフィルタリングすること、センサデータにAI関連のタスクを実行すること、AI関連のタスクの結果に関連して1つ以上の通知を発行すること、1つ以上の分析関連のタスクを実行すること、産業用設定28720の産業用コンポーネントを制御すること、などを含むことができる。
図296は、センサデータに基づいて、センサキット28700によって収集されたセンサデータの送信戦略及び/または記憶戦略を決定するための方法29600の一連の動作を示す。送信戦略は、センサデータが(もしあれば)バックエンドシステムに送信される態様を定義してもよい。例えば、センサデータは、アグレッシブロッシーコーデックを用いて圧縮してもよいし、ロスレスコーデックを用いて圧縮してもよいし、及び/または圧縮せずに送信してもよい。ストレージ戦略は、センサデータがエッジデバイス28704に格納される方法を定義してもよい。例えば、センサデータは、永久的に(または人間がセンサデータを削除するまで)保存されてもよく、一定期間(例えば、1年間)保存されてもよく、または廃棄してもよい。方法29600は、エッジデバイス28704によって実行してもよい。方法29600は、センサキット28700によって消費されるネットワーク帯域幅を低減するため、及び/または、エッジデバイス28704におけるストレージの制約を低減するために実行してもよい。
方法29610において、エッジデバイス28704は、センサキット28700のセンサ28702からセンサデータを受信する。データは、連続的または間欠的に受信してもよい。実施形態では、センサ28702は、センサデータをエッジデバイス28704にプッシュしてもよく、及び/または、エッジデバイス28704は、センサ28702からセンサデータ28702を定期的に要求してもよい。実施形態では、エッジデバイス28704は、センサデータをデデュープすることを含めて、受信時にセンサデータを処理してもよい。
実施形態では、エッジデバイス28704は、衛星アップリンクを介した送信の前に、1つまたは複数のAI関連のタスクを実行するように構成してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、センサデータ及び1つまたは複数の機械学習されたモデルに基づいて、コンポーネント及び/または産業設定28720のいずれかに関連する問題がない可能性が高いかどうかを決定するように構成してもよい。
方法29612において、エッジデバイス28704は、センサデータに基づいて、1つまたは複数の特徴ベクトルを生成してもよい。特徴ベクトルは、単一のセンサ28702、センサ28702のサブセット、またはセンサキット28700のセンサ28702のすべてからのセンサデータを含んでもよい。単一のセンサまたはセンサ28702のサブセットが特徴ベクトルに含まれるシナリオでは、機械学習されたモデルは、産業用コンポーネントまたは産業用設定28720に関連する1つまたは複数の問題を識別するように訓練してもよいが、設定全体を問題がない/安全である可能性が高いと完全に判断するには十分ではない可能性がある。さらに、または代替として、特徴ベクトルは、時間内の単一のスナップショット(例えば、特徴ベクトル内のすべてのセンサデータは、同じサンプリングイベントに対応する)、または、一定期間(最新のサンプリングイベントからのセンサデータサンプル及び以前のサンプリングイベントからのセンサデータサンプル)に対応してもよい。特徴ベクトルが単一のスナップショットからのセンサデータを定義する実施形態では、機械学習されたモデルは、時間的なコンテキストなしに潜在的な問題を識別するように訓練してもよい。特徴ベクトルが一定期間のセンサデータを定義する実施形態では、機械学習されたモデルは、センサ(複数可)28702が以前に報告していた/していた内容のコンテキストで潜在的な問題を識別するように学習してもよい。これらの実施形態では、エッジデバイス28704は、所定の時間(例えば、前の時間、前の日、前のN日)にわたってサンプリングされたセンサデータのキャッシュを、キャッシュが先入れ先出しでクリアされるように維持してもよい。これらの実施形態では、エッジデバイス28704は、一定期間にわたるデータサンプルを有する特徴ベクトルの生成に使用するために、キャッシュから前のセンサデータサンプルを取得してもよい。
方法29614で、エッジデバイス28704は、1つまたは複数の特徴ベクトルを、1つまたは複数のそれぞれの機械学習モデルに入力してもよい。それぞれのモデルは、産業用コンポーネント及び/または産業用セッティング28720に関連する予測または分類、ならびに予測または分類に関連する信頼性スコアを出力してもよい。
29616において、エッジデバイス28704は、機械学習されたモデルの出力に基づいて、送信戦略及び/または記憶戦略を決定してもよい。いくつかの実施形態では、エッジデバイス28704は、センサデータがバックエンドシステム28750に送信される態様に関連する決定を行ってもよい。いくつかの実施形態において、エッジデバイスは
28704は、センサデータがバックエンドシステム28750に送信される、及び/またはエッジデバイスに保存される方法に関連する決定を行ってもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用設定28720全体及び産業用設定28720の個々のコンポーネントにわたって問題がない可能性が高い場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度(例えば、信頼度スコアが0.98より大きい)で現在問題がないと分類した場合、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、センサデータをエッジデバイス28704に所定の期間(例えば、1年間の有効期限)保存してもよい。機械学習されたモデルが潜在的な問題を予測したり、現在の問題を分類したりするシナリオでは、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。さらにまたは代わりに、機械学習されたモデルが潜在的な問題を予測するか、または現在の問題を分類するシナリオでは、エッジデバイス28704は、予測または分類を行うために使用されたセンサデータを無期限に保存するとともに、状態が予測または分類される前及び/または後に収集されたデータを保存してもよい。
28704は、センサデータがバックエンドシステム28750に送信される、及び/またはエッジデバイスに保存される方法に関連する決定を行ってもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用設定28720全体及び産業用設定28720の個々のコンポーネントにわたって問題がない可能性が高い場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度(例えば、信頼度スコアが0.98より大きい)で現在問題がないと分類した場合、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、センサデータをエッジデバイス28704に所定の期間(例えば、1年間の有効期限)保存してもよい。機械学習されたモデルが潜在的な問題を予測したり、現在の問題を分類したりするシナリオでは、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。さらにまたは代わりに、機械学習されたモデルが潜在的な問題を予測するか、または現在の問題を分類するシナリオでは、エッジデバイス28704は、予測または分類を行うために使用されたセンサデータを無期限に保存するとともに、状態が予測または分類される前及び/または後に収集されたデータを保存してもよい。
図297は、本開示のいくつかの実施形態によるセンサキット29700の構成例を示す図である。図示の例では、センサキット29700は、衛星29710へのアップリンク29708を介して、通信ネットワーク28780と通信するように構成されている。実施形態では、図151のセンサキット29700は、セルラーのカバレッジが信頼できない、または存在しない、遠隔地に位置する産業設定28720で使用するように構成される。実施形態では、センサキット29700は、天然資源採掘、天然資源輸送システム、発電施設などに設置してもよい。例えば、センサキット29700は、油田または天然ガス田、沖合の石油掘削装置、鉱山、油またはガスのパイプライン、太陽電池場、風力発電所、水力発電所などに配備してもよい。
図151の例では、センサキット29700は、エッジデバイス28704と、センサ28702のセットを含む。センサ28702は、産業設定28720に応じて異なる、様々なタイプのセンサ28702を含んでもよい。図示の例では、センサ28702は、メッシュネットワークを介してエッジデバイス28704と通信する。これらの実施形態では、センサ28702は、センサデータを近接するセンサに通信してもよい。産業設定28720の遠隔地/周辺部に位置するエッジデバイス28704にセンサデータを伝搬させるようにしている。メッシュネットワークが示されているが、図151のセンサキット29700は、階層型トポロジー(例えば、センサ28702の一部または全部が、それぞれの収集装置を介してエッジ装置28704と通信する)またはスター型トポロジー(例えば、センサ28702がエッジ装置に直接通信する)などの代替的なネットワークトポロジーを含んでもよい。
図151の実施形態では、エッジデバイス28704は、衛星と通信する指向性アンテナを有する衛星端末を含む。衛星端末は、地球同期衛星または地球低軌道衛星と通信するように予め構成されていてもよい。エッジデバイス28704は、センサキット29700によって確立されたセンサキットネットワークからセンサデータを受信してもよい。そして、エッジデバイス28704は、センサデータを、衛星29710を介してバックエンドシステム28750に送信してもよい。
実施形態では、センサキット29700の構成は、外部電源が豊富ではない遠隔地をカバーする産業設定28720に適している。実施形態では、センサキット29700は、電池、充電池、発電機、及び/またはソーラーパネルなどの外部電源を含んでもよい。これらの実施形態では、外部電源は、センサ28702、エッジデバイス28704、及びセンサキット29700内の任意の他のデバイスに電力を供給するために配備してもよい。
実施形態では、センサキット29700の構成は、屋外の産業設定28720に適している。実施形態では、センサ28702、エッジデバイス28704、及びセンサキット28700の他のデバイス(例えば、収集デバイス)は、耐候性ハウジングで構成してもよい。これらの実施形態では、センサキット29700は、屋外設定で展開してもよい。
実施形態では、エッジデバイス28704は、衛星アップリンクを介した送信の前に、1つまたは複数のAI関連のタスクを実行するように構成してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、センサデータ及び1つまたは複数の機械学習されたモデルに基づいて、コンポーネント及び/または産業設定28720のいずれかに関連する問題がない可能性が高いかどうかを判断するように構成してもよい。実施形態では、エッジデバイス28704は、様々なセンサからセンサデータを受信してもよく、それに基づいて1つまたは複数の特徴ベクトルを生成してもよい。特徴ベクトルは、単一のセンサ28702、センサ28702のサブセット、またはセンサキット29700のすべてのセンサ28702からのセンサデータを含んでもよい。単一のセンサまたはセンサ28702のサブセットが特徴ベクトルに含まれるシナリオでは、機械学習されたモデルは、産業用コンポーネントまたは産業用セッティング28720に関連する1つまたは複数の問題を識別するように訓練してもよいが、セッティング全体を問題がない/安全である可能性が高いと完全に判断するには十分ではない可能性がある。さらに、または代替として、特徴ベクトルは、時間内の単一のスナップショット(例えば、特徴ベクトル内のすべてのセンサデータは、同じサンプリングイベントに対応する)、または、一定期間(最新のサンプリングイベントからのセンサデータサンプル及び以前のサンプリングイベントからのセンサデータサンプル)に対応してもよい。特徴ベクトルが単一のスナップショットからのセンサデータを定義する実施形態では、機械学習されたモデルは、時間的なコンテキストなしに潜在的な問題を識別するように訓練してもよい。特徴ベクトルが一定期間のセンサデータを定義する実施形態では、機械学習されたモデルは、センサ(複数可)28702が以前に報告していた/していた内容のコンテキストで潜在的な問題を識別するように学習してもよい。これらの実施形態では、エッジデバイス28704は、所定の時間(例えば、前の時間、前の日、前のN日)にわたってサンプリングされたセンサデータのキャッシュを、キャッシュが先入れ先出しでクリアされるように維持してもよい。これらの実施形態では、エッジデバイス28704は、一定期間にわたるデータサンプルを有する特徴ベクトルの生成に使用するために、キャッシュから前のセンサデータサンプルを取得してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数の特徴ベクトルを、1つまたは複数のそれぞれの機械学習モデルに供給してもよい。それぞれのモデルは、産業用コンポーネント及び/または産業用セティング28720に関連する予測または分類、ならびに予測または分類に関連する信頼性スコアを出力してもよい。いくつかの実施形態では、エッジデバイス28704は、センサデータがバックエンドシステム28750に送信され、及び/またはエッジデバイスに格納される方法に関連する決定を行ってもよい。例えば、いくつかの実施形態では、エッジデバイス28704は、予測または分類に基づいて、センサデータを圧縮してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用セティング28720全体及び産業用セティング28720の個々のコンポーネント全体で問題が発生しそうにない場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度(例えば、信頼度スコアが0.98より大きい)で現在問題がないと分類した場合、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、センサデータをエッジデバイス28704に所定の期間(例えば、1年間)保存してもよい。機械学習されたモデルが潜在的な問題を予測したり、現在の問題を分類したりするシナリオでは、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。このようにして、センサデータが圧縮されるか、または送信されないことが大半であるため、衛星アップリンクを介して送信される帯域幅の量が減少してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数のルールを適用して、トリガ条件が存在するかどうかを判断してもよい。実施形態では、1つまたは複数のルールは、潜在的に危険及び/または緊急事態を識別するように調整してもよい。これらの実施形態では、エッジデバイス28704は、トリガ条件が存在するときに、1つまたは複数の通知またはアラームをトリガしてもよい。さらに、または代替として、エッジデバイス28704は、トリガ条件が存在するときに、圧縮を行わずにセンサデータを送信してもよい。
図298は、本開示のいくつかの実施形態によるセンサキット29800の構成例を示す。図示の例では、センサキット29800は、衛星29710へのアップリンク29708を介して通信ネットワーク28780と通信するゲートウェイデバイス29806を含むように構成されている。実施形態では、図152のセンサキット29800は、セルラーカバレッジが信頼できないまたは存在しない遠隔地に位置する産業設定28720で使用するように構成され、エッジデバイス28704が、衛星への物理的な送信が信頼できないまたは不可能な場所に位置する。実施形態では、センサキット29700は、地下または水中の施設、または非常に厚い壁を有する施設に設置してもよい。例えば、センサキット29700は、地下鉱山、水中の石油またはガスのパイプライン、水中の水力発電所などに配備してもよい。
図152の例では、センサキット29800は、エッジデバイス28704と、センサ28702のセットと、ゲートウェイデバイス29806とを含む。実施形態では、ゲートウェイ装置29806は、衛星と通信する指向性アンテナを有する衛星端末を含む通信装置である。衛星端末は、地球同期衛星または地球低軌道衛星と通信するように予め構成されていてもよい。実施形態では、ゲートウェイ装置29806は、有線通信リンク29808(例えば、イーサネット)を介してエッジ装置28704と通信してもよい。エッジデバイス28704は、センサキット29800によって確立されたセンサキットネットワークからセンサデータを受信してもよい。そして、エッジデバイス28704は、有線通信リンク29808を介して、ゲートウェイデバイス29806にセンサデータを送信してもよい。その後、ゲートウェイ装置29806は、衛星アップリンク29708を介して、バックエンドシステム28750にセンサデータを通信してもよい。
センサ28702は、産業設定28720に応じて異なる様々なタイプのセンサ28702を含んでいてもよい。図示の例では、センサ28702は、メッシュネットワークを介してエッジデバイス28704と通信する。これらの実施形態では、センサ28702は、産業設定28720の遠隔地/周辺部に位置するエッジデバイス28704にセンサデータを伝搬するように、近接するセンサ28702にセンサデータを通信してもよい。メッシュネットワークが示されているが、図152のセンサキット29800は、階層型トポロジー(例えば、センサ28702のいくつかまたはすべてが、それぞれの収集装置を介してエッジ装置28704と通信する)またはスター型トポロジー(例えば、センサ28702がエッジ装置に直接通信する)などの代替的なネットワークトポロジーを含んでもよい。
実施形態では、サーバキット29800の構成は、外部電源が豊富ではない遠隔地をカバーする産業設定28720に適している。実施形態では、センサキット29800は、バッテリ、充電式バッテリ、発電機、及び/またはソーラーパネルなどの外部電源を含んでもよい。これらの実施形態では、外部電源は、センサ28702、エッジデバイス28704、及びセンサキット29800内の任意の他のデバイスに電力を供給するために配備してもよい。
実施形態では、サーバキット29800の構成は、地下または水中の産業設定28720に適している。実施形態では、センサ28702、エッジデバイス28704、及びセンサキット28700の他のデバイス(例えば、収集デバイス)は、(エッジデバイス28704及び/またはセンサデバイス28702に埃が入るのを防ぐために)防水ハウジングまたはその他の気密ハウジングで構成してもよい。さらに、ゲートウェイ装置29808は屋外に設置される可能性が高いため、ゲートウェイ装置29808は耐候性のハウジングを含んでいてもよい。
実施形態では、エッジデバイス28704は、衛星アップリンクを介した送信の前に、1つまたは複数のAI関連のタスクを実行するように構成してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、センサデータ及び1つまたは複数の機械学習されたモデルに基づいて、コンポーネント及び/または産業設定28720のいずれかに関連する問題がない可能性が高いかどうかを判断するように構成してもよい。実施形態では、エッジデバイス28704は、様々なセンサからセンサデータを受信してもよく、それに基づいて1つまたは複数の特徴ベクトルを生成してもよい。特徴ベクトルは、単一のセンサ28702、センサ28702のサブセット、またはセンサキット29800のすべてのセンサ28702からのセンサデータを含んでもよい。単一のセンサまたはセンサ28702のサブセットが特徴ベクトルに含まれるシナリオでは、機械学習されたモデルは、産業用コンポーネントまたは産業用セッティング28720に関連する1つまたは複数の問題を識別するように訓練してもよいが、セッティング全体を問題がない/安全である可能性が高いと完全に判断するには十分ではない可能性がある。さらに、または代替として、特徴ベクトルは、時間内の単一のスナップショット(例えば、特徴ベクトル内のすべてのセンサデータは、同じサンプリングイベントに対応する)、または、一定期間(最新のサンプリングイベントからのセンサデータサンプル及び以前のサンプリングイベントからのセンサデータサンプル)に対応してもよい。特徴ベクトルが単一のスナップショットからのセンサデータを定義する実施形態では、機械学習されたモデルは、時間的なコンテキストなしに潜在的な問題を識別するように訓練してもよい。特徴ベクトルが一定期間のセンサデータを定義する実施形態では、機械学習されたモデルは、センサ(複数可)28702が以前に報告していた/していた内容のコンテキストで潜在的な問題を識別するように学習してもよい。これらの実施形態では、エッジデバイス28704は、所定の時間(例えば、前の時間、前の日、前のN日)にわたってサンプリングされたセンサデータのキャッシュを、キャッシュが先入れ先出しでクリアされるように維持してもよい。これらの実施形態では、エッジデバイス28704は、一定期間にわたるデータサンプルを有する特徴ベクトルの生成に使用するために、キャッシュから前のセンサデータサンプルを取得してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数の特徴ベクトルを、1つまたは複数のそれぞれの機械学習モデルに供給してもよい。それぞれのモデルは、産業用コンポーネント及び/または産業用セティング28720に関連する予測または分類、ならびに予測または分類に関連する信頼性スコアを出力してもよい。いくつかの実施形態では、エッジデバイス28704は、センサデータがバックエンドシステム28750に送信され、及び/またはエッジデバイスに格納される方法に関連する決定を行ってもよい。例えば、いくつかの実施形態では、エッジデバイス28704は、予測または分類に基づいて、センサデータを圧縮してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用セティング28720全体及び産業用セティング28720の個々のコンポーネント全体で問題が発生しそうにない場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類した場合(例えば、信頼度スコアが0.98より大きい)、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いことを予測し、高い信頼度で現在問題がないことを分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、センサデータをエッジデバイス28704に予め定義された期間(例えば、1年間)保存してもよい。シナリオでは、機械が学んだモデルが潜在的な問題を予測したり、現在の問題を分類したりすると、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。このようにして、センサデータが圧縮されるか、または送信されないことが大半であるため、衛星アップリンクを介して送信される帯域幅の量が減少してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数のルールを適用して、トリガ条件が存在するかどうかを判断してもよい。実施形態では、1つまたは複数のルールは、潜在的に危険及び/または緊急事態を識別するように調整してもよい。これらの実施形態では、エッジデバイス28704は、トリガ条件が存在するときに、1つまたは複数の通知またはアラームをトリガしてもよい。さらに、または代替として、エッジデバイス28704は、トリガ条件が存在するときに、圧縮を行わずにセンサデータを(ゲートウェイデバイス29806を介して)送信してもよい。
図153は、本開示のいくつかの実施形態によるセンサキット29900の構成例を示す。図153の例では、センサキット29900は、エッジデバイス28704と、センサのセットと、収集デバイスのセットとを含む。実施形態では、センサキット29900の構成は、大規模なエリアをカバーし、電源が豊富にある産業設定28720に適しているが、産業運営者がセンサキット29900を産業設定28720のプライベートネットワークに接続することを望まない場合に適している。実施形態では、エッジデバイス28704は、セルラータワー29910と通信するトランシーバを備えたセルラー通信デバイス(例えば、4G LTEチップセットまたは5G LTEチップセット)を含む。セルラー通信は、セルラーデータプロバイダと通信するように予め設定されていてもよい。例えば、実施形態では、エッジデバイス28704は、産業設定28720に近接するセルラータワー29910を有するセルラープロバイダに登録されたSIMカードを含んでもよい。エッジデバイス28704は、センサキット29900によって確立されたセンサキットネットワークからセンサデータを受信してもよい。エッジデバイス28704は、センサデータを処理した後、セルラータワー29910を介してバックエンドシステム28750にセンサデータを送信してもよい。
センサ28702は、産業設定28720に応じて異なる様々なタイプのセンサ28702を含んでいてもよい。図示された例では、センサ28702は、階層的なネットワークを介してエッジデバイス28704と通信する。これらの実施形態では、センサ28702は、センサデータを収集装置206に通信してもよく、収集装置206は、有線または無線の通信リンクを介して、センサデータをエッジ装置28704に通信してもよい。階層型ネットワークは、エリアのどこに展開してもよい。工場、発電所、食品検査施設、屋内栽培施設などのように、むしろより大きく(例えば、40000平方フィート以上)、電源が豊富である。階層型ネットワークが示されているが、図153のセンサキット29900は、メッシュ型トポロジーまたはスター型トポロジーなどの代替ネットワークトポロジーを含んでもよい(例えば、センサ28702はエッジデバイスに直接通信する)。
実施形態では、エッジデバイス28704は、衛星アップリンクを介した送信の前に、1つまたは複数のAI関連のタスクを実行するように構成してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、センサデータ及び1つまたは複数の機械学習されたモデルに基づいて、コンポーネント及び/または産業設定28720のいずれかに関連する問題がない可能性が高いかどうかを判断するように構成してもよい。実施形態では、エッジデバイス28704は、様々なセンサからセンサデータを受信してもよく、それに基づいて1つまたは複数の特徴ベクトルを生成してもよい。特徴ベクトルは、単一のセンサ28702、センサ28702のサブセット、またはセンサキット29900のすべてのセンサ28702からのセンサデータを含んでもよい。単一のセンサまたはセンサ28702のサブセットが特徴ベクトルに含まれるシナリオでは、機械学習されたモデルは、産業用コンポーネントまたは産業用設定28720に関連する1つまたは複数の問題を識別するように訓練してもよいが、設定全体を問題がない/安全である可能性が高いと完全に判断するには十分ではない可能性がある。さらに、または代わりに、特徴ベクトルは、時間内の単一のスナップショット(例えば、特徴ベクトル内のすべてのセンサデータは、同じサンプリングイベントに対応する)、または、一定期間(最新のサンプリングイベントからのセンサデータサンプル及び以前のサンプリングイベントからのセンサデータサンプル)に対応してもよい。特徴ベクトルが単一のスナップショットからのセンサデータを定義する実施形態では、機械学習されたモデルは、時間的なコンテキストなしに潜在的な問題を識別するように訓練してもよい。特徴ベクトルが一定期間のセンサデータを定義する実施形態では、機械学習されたモデルは、センサ(複数可)28702が以前に報告していた/していた内容のコンテキストで潜在的な問題を識別するように学習してもよい。これらの実施形態では、エッジデバイス28704は、所定の時間(例えば、前の時間、前の日、前のN日)にわたってサンプリングされたセンサデータのキャッシュを、キャッシュが先入れ先出しでクリアされるように維持してもよい。これらの実施形態では、エッジデバイス28704は、一定期間にわたるデータサンプルを有する特徴ベクトルの生成に使用するために、キャッシュから前のセンサデータサンプルを取得してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数の特徴ベクトルを、1つまたは複数のそれぞれの機械学習モデルに供給してもよい。それぞれのモデルは、以下を出力してもよい。産業用部品及び/または産業用環境28720に関する予測または分類と、予測または分類に関する信頼度スコアとを含む。いくつかの実施形態では、エッジデバイス28704は、センサデータがバックエンドシステム28750に送信され、及び/またはエッジデバイスに記憶される態様に関連する決定を行ってもよい。例えば、いくつかの実施形態では、エッジデバイス28704は、予測または分類に基づいて、センサデータを圧縮してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用設定28720全体及び産業用設定28720の個々の構成要素全体で問題が発生しそうにない場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類した場合(例えば、信頼度スコアが0.98より大きい)、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、センサデータをエッジデバイス28704で所定の期間(例えば、1年間)保存してもよい。機械学習されたモデルが潜在的な問題を予測したり、現在の問題を分類したりするシナリオでは、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。このようにして、センサデータが圧縮されるか、または送信されないことが大半であるため、セルラータワーを介して送信される帯域幅の量が減少してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数のルールを適用して、トリガ条件が存在するかどうかを判断してもよい。実施形態では、1つまたは複数のルールは、潜在的に危険及び/または緊急事態を識別するように調整してもよい。これらの実施形態では、エッジデバイス28704は、トリガ条件が存在するときに、1つまたは複数の通知またはアラームをトリガしてもよい。さらに、または代替として、エッジデバイス28704は、トリガ条件が存在するときに、圧縮を行わずにセンサデータを送信してもよい。
図154は、本開示のいくつかの実施形態によるセンサキット30000の構成例を示す。図154の例では、センサキット30000は、エッジデバイス28704、センサ28702のセット、収集デバイス206のセット、及びゲートウェイデバイス30006を含む。実施形態では、センサキット30000の構成は、大規模なエリアをカバーし、電源が豊富な産業設定28720に適しているが、産業運営者がセンサキット30000を産業設定28720のプライベートネットワークに接続することを望まない場合、産業環境28720では、無線通信(例えば、セルラー通信)の信頼性が低いか、不可能である。実施形態では、ゲートウェイ装置30006は、セルラータワー29910と通信するトランシーバを備えたセルラー通信デバイス(例えば、4G、5Gチップセット)を含むセルラーネットワークゲートウェイ装置である。セルラー通信は、セルラーデータプロバイダと通信するように予め設定されていてもよい。例えば、実施形態では、ゲートウェイ装置は、産業設定28720に近接するタワー29910を有するセルラープロバイダに登録されたSIMカードを含んでもよい。実施形態では、ゲートウェイ装置30006は、有線通信リンク30008(例えば、イーサネット)を介してエッジ装置28704と通信してもよい。エッジデバイス28704は、センサキット30000によって確立されたセンサキットネットワークからセンサデータを受信してもよい。そして、エッジデバイス28704は、有線通信リンク30008を介して、センサデータをゲートウェイデバイス30006に送信してもよい。その後、ゲートウェイ装置30006は、セルラータワー29910を介して、バックエンドシステム28750にセンサデータを通信してもよい。
センサ28702は、産業設定28720に応じて異なる様々なタイプのセンサ28702を含んでいてもよい。図示された例では、センサ28702は、階層的なネットワークを介してエッジデバイス28704と通信する。これらの実施形態では、センサ28702は、センサデータを収集装置206に通信してもよく、収集装置206は、有線または無線の通信リンクを介して、センサデータをエッジ装置28704に通信してもよい。階層型ネットワークは、工場、発電所、食品検査施設、屋内栽培施設などのように、監視される領域がむしろ大きく(例えば、40000平方フィート以上)、電源が豊富な場所に展開してもよい。階層型ネットワークが示されているが、図154のセンサキット30000は、メッシュ型トポロジーまたはスター型トポロジー(例えば、センサ28702がエッジデバイスに直接通信する)などの代替ネットワークトポロジーを含んでもよい。
実施形態では、エッジデバイス28704は、衛星アップリンクを介した送信の前に、1つまたは複数のAI関連のタスクを実行するように構成してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、センサデータ及び1つまたは複数の機械学習されたモデルに基づいて、コンポーネント及び/または産業設定28720のいずれかに関連する問題がない可能性が高いかどうかを判断するように構成してもよい。実施形態では、エッジデバイス28704は、様々なセンサからセンサデータを受信してもよく、それに基づいて1つまたは複数の特徴ベクトルを生成してもよい。特徴ベクトルは、単一のセンサ28702、センサ28702のサブセット、またはセンサキット30000のすべてのセンサ28702からのセンサデータを含んでもよい。単一のセンサまたはセンサ28702のサブセットが特徴ベクトルに含まれるシナリオでは、機械学習されたモデルは、産業用コンポーネントまたは産業用設定28720に関連する1つまたは複数の問題を識別するように訓練してもよいが、設定全体を問題がない/安全である可能性が高いと完全に判断するには十分ではない可能性がある。さらに、または代替として、特徴ベクトルは、時間内の単一のスナップショット(例えば、特徴ベクトル内のすべてのセンサデータは、同じサンプリングイベントに対応する)、または、一定期間(最新のサンプリングイベントからのセンサデータサンプル及び以前のサンプリングイベントからのセンサデータサンプル)に対応してもよい。特徴ベクトルが単一のスナップショットからのセンサデータを定義する実施形態では、機械学習されたモデルは、時間的なコンテキストなしに潜在的な問題を識別するように訓練してもよい。特徴ベクトルが一定期間のセンサデータを定義する実施形態では、機械学習されたモデルは、センサ(複数可)28702が以前に報告していた/していた内容のコンテキストで潜在的な問題を識別するように学習してもよい。これらの実施形態では、エッジデバイス28704は、所定の時間(例えば、前の時間、前の日、前のN日)にわたってサンプリングされたセンサデータのキャッシュを、キャッシュが先入れ先出しでクリアされるように維持してもよい。これらの実施形態では、エッジデバイス28704は、一定期間にわたるデータサンプルを有する特徴ベクトルの生成に使用するために、キャッシュから前のセンサデータサンプルを取得してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数の特徴ベクトルを、1つまたは複数のそれぞれの機械学習モデルに供給してもよい。それぞれのモデルは、産業用コンポーネント及び/または産業用設定28720に関連する予測または分類、ならびに予測または分類に関連する信頼性スコアを出力してもよい。いくつかの実施形態では、エッジデバイス28704は、センサデータがバックエンドシステム28750に送信され、及び/またはエッジデバイスに記憶される方法に関連する決定を行ってもよい。例えば、いくつかの実施形態では、エッジデバイス28704は、予測または分類に基づいて、センサデータを圧縮してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用設定28720全体及び産業用設定28720の個々の構成要素全体で問題が発生しそうにない場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度(例えば、信頼度スコアが0.98より大きい)で現在問題がないと分類した場合、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、予め定義された期間(例えば、1年間)、センサデータを保存し、エッジデバイス28704に送信してもよい。機械学習されたモデルが潜在的な問題を予測したり、現在の問題を分類したりするシナリオでは、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。このようにして、センサデータが圧縮されるか、または送信されないことが大半であるため、セルラータワーを介して送信される帯域幅の量が減少してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数のルールを適用して、トリガ条件が存在するかどうかを判断してもよい。実施形態では、1つまたは複数のルールは、潜在的に危険な及び/または緊急事態を識別するように調整してもよい。これらの実施形態では、エッジデバイス28704は、トリガ条件が存在するときに、1つまたは複数の通知またはアラームをトリガしてもよい。さらに、または代替として、エッジデバイス28704は、トリガ条件が存在するときに、圧縮を行わずにセンサデータを送信してもよい。
図155は、本開示のいくつかの実施形態による、農業設定30120に設置するためのセンサキット30100の構成例を示す。図155の例では、センサキット30100は、制御システム30122、HVACシステム30124、照明システム30126、電力システム30128、及び/または灌漑システム30130を含むことができるが、これらに限定されない、屋内の農業設定30120に設置するために構成される。この例では、農業設定の様々な特徴及びコンポーネントは、一組のセンサ28702によって監視されるコンポーネントを含む。実施形態では、センサ28702は、センサデータのインスタンスを捕捉し、センサデータのそれぞれのインスタンスをエッジデバイス28704に提供する。図155の例示的な実施形態では、センサキット30100は、センサ28702からエッジデバイス28704にセンサデータをルーティングする収集デバイス206のセットを含む。農業環境で展開するためのセンサキット30100は、異なるセンサキットネットワークトポロジーも有することができる。例えば、監視される部屋が2つまたは3つ以上ではない施設では、エッジデバイス28704と最も遠い潜在的なセンサ位置との間の距離に応じて、センサキットネットワークはメッシュまたはスターネットワークであってもよい。例えば、エッジデバイス28704と最も遠い潜在的なセンサ位置との間の距離が150メートルよりも大きい場合、センサキットネットワークはメッシュネットワークとして構成してもよい。図155の実施形態では、エッジデバイス28704は、センサデータをバックエンドシステム28750に直接送信する。これらの実施形態では、エッジデバイス28704は、予め設定されたセルラープロバイダのセルラータワー29910と予め設定されたセルラー接続を介して通信を行うセルラー通信デバイスを含む。本開示の他の実施形態では、エッジデバイス28704は、予め設定されたセルラープロバイダのセルラータワー29910と通信するセルラー通信デバイスを含むゲートウェイデバイス(例えば、ゲートウェイデバイス30006)を介して、バックエンドシステム28750にセンサデータを送信する。
実施形態では、センサキット30100は、光センサ30102、重量センサ30104、温度センサ30106、C02センサ30108、湿度センサ30110、ファン速度センサ30112、及び/またはオーディオ/ビジュアル(AV)センサ30114(例えば、カメラ)の任意の適切な組み合わせを含んでもよい。センサキット30100は、追加または代替のセンサ28702を配置してもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、光センサ30102の領域で検出された環境光の量を示す環境光測定値を含んでもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、重量センサ30104の上に置かれている物体(例えば、1つまたは複数の植物を含むポットまたはトレイ)の重量または質量を示す重量または質量測定値を含んでもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、温度センサ30106の近傍の周囲温度を示す温度測定値を含んでもよい。実施形態において、エッジデバイス28704によって収集されたセンサデータは、湿度センサ30110の近傍における周囲の湿度を示す湿度測定値、または湿度センサ30110によって監視される媒体(例えば、土壌)中の水分の相対量を示す水分測定値を含んでもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、C02センサ30108の近傍におけるC02の周囲レベルを示すC02測定値を含んでもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、温度センサ30106の近傍での周囲の温度を示す温度測定値を含んでもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、ファン速度センサ30112によって測定されたファン(例えば、HVACシステム30124のファン)の測定速度を示すファン速度測定値を含んでもよい。実施形態では、エッジデバイス28704によって収集されたセンサデータは、AVセンサ30116によって取り込まれたビデオ信号を含んでもよい。センサ28702によって捕捉され、エッジデバイス28704によって収集されたセンサデータは、本開示の範囲から逸脱することなく、追加または代替のタイプのセンサデータを含んでもよい。
実施形態では、エッジデバイス28704は、センサデータに対して1つまたは複数のエッジ操作を実行するように構成される。例えば、エッジデバイス28704は、受信したセンサデータを前処理してもよい。実施形態では、エッジデバイス28704は、HVACシステム30124、照明システム30126、電力システム30128、灌漑システム30130、農業施設で生育している植物、及び/または施設自体の1つまたは複数のコンポーネントの潜在的な問題を予測または分類してもよい。実施形態では、エッジデバイス28704は、トリガ条件を定義する一連のルールに関して、センサデータを分析してもよい。これらの実施形態では、エッジデバイス28704は、トリガ条件が満たされたことに応答して、アラームまたは通知をトリガしてもよい。実施形態では、エッジデバイス28704は、バックエンドシステム28750に送信する前に、センサデータを符号化、圧縮、及び/または暗号化してもよい。これらの実施形態のいくつかにおいて、エッジデバイス28704は、エッジデバイス28704によって行われた予測または分類に基づいて、及び/または1つまたは複数のトリガ条件が満たされたことに基づいて、センサデータを選択的に圧縮してもよい。
実施形態では、エッジデバイス28704は、衛星アップリンクを介した送信の前に、1つまたは複数のAI関連のタスクを実行するように構成してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、センサデータ及び1つまたは複数の機械学習されたモデルに基づいて、コンポーネント及び/または産業設定28720のいずれかに関連する問題がない可能性が高いかどうかを判断するように構成してもよい。実施形態では、エッジデバイス28704は、様々なセンサからセンサデータを受信してもよく、それに基づいて1つまたは複数の特徴ベクトルを生成してもよい。特徴ベクトルは、単一のセンサ28702、センサ28702のサブセット、またはセンサキット29900のすべてのセンサ28702からのセンサデータを含んでもよい。単一のセンサまたはセンサ28702のサブセットが特徴ベクトルに含まれるシナリオでは、機械学習されたモデルは、産業用コンポーネントまたは産業用設定28720に関連する1つまたは複数の問題を識別するように訓練してもよいが、設定全体を問題がない/安全である可能性が高いと完全に判断するには十分ではない可能性がある。さらに、または代替として、特徴ベクトルは、時間内の単一のスナップショット(例えば、特徴ベクトル内のすべてのセンサデータは、同じサンプリングイベントに対応する)、または、一定期間(最新のサンプリングイベントからのセンサデータサンプル及び以前のサンプリングイベントからのセンサデータサンプル)に対応してもよい。特徴ベクトルが単一のスナップショットからのセンサデータを定義する実施形態では、機械学習されたモデルは、時間的なコンテキストなしに潜在的な問題を識別するように訓練してもよい。特徴ベクトルが一定期間のセンサデータを定義する実施形態では、機械学習されたモデルは、センサ(複数可)28702が以前に報告していた/していた内容のコンテキストで潜在的な問題を識別するように学習してもよい。これらの実施形態では、エッジデバイス28704は、所定の時間(例えば、前の時間、前の日、前のN日)にわたってサンプリングされたセンサデータのキャッシュを、キャッシュが先入れ先出しでクリアされるように維持してもよい。これらの実施形態では、エッジデバイス28704は、一定期間のデータサンプルを持つ特徴ベクトルを生成するために使用するキャッシュである。
実施形態では、エッジデバイス28704は、1つまたは複数の特徴ベクトルを、1つまたは複数のそれぞれの機械学習モデルに供給してもよい。それぞれのモデルは、産業用コンポーネント及び/または産業用セッティング28720に関連する予測または分類、ならびに予測または分類に関連する信頼性スコアを出力してもよい。いくつかの実施形態では、エッジデバイス28704は、センサデータがバックエンドシステム28750に送信され、及び/またはエッジデバイスに記憶される方法に関連する決定を行ってもよい。例えば、いくつかの実施形態では、エッジデバイス28704は、予測または分類に基づいて、センサデータを圧縮してもよい。これらの実施形態のいくつかでは、エッジデバイス28704は、産業用設定28720全体及び産業用設定28720の個々の構成要素全体で問題が発生しそうにない場合に、センサデータを圧縮してもよい。例えば、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度(例えば、信頼度スコアが0.98より大きい)で現在問題がないと分類した場合、エッジデバイス28704は、センサデータを圧縮してもよい。あるいは、機械学習されたモデルが、問題がない可能性が高いと予測し、高い信頼度で現在問題がないと分類するシナリオでは、エッジデバイス28704は、送信を見送ってもよいが、センサデータをエッジデバイス28704に所定の期間(例えば、1年間)保存してもよい。機械学習されたモデルが潜在的な問題を予測したり、現在の問題を分類したりするシナリオでは、エッジデバイス28704は、センサデータを圧縮せずに、または可逆圧縮コーデックを使用して、センサデータを送信してもよい。このようにして、センサデータが圧縮されるか、または送信されないことが大半であるため、セルラータワーを介して送信される帯域幅の量が減少してもよい。
実施形態では、エッジデバイス28704は、1つまたは複数のルールをセンサデータに適用して、トリガ条件が存在するかどうかを判断してもよい。実施形態では、1つまたは複数のルールは、潜在的に危険及び/または緊急事態を識別するように調整してもよい。これらの実施形態では、エッジデバイス28704は、トリガ条件が存在するときに、1つまたは複数の通知またはアラームをトリガしてもよい。さらに、または代わりに、エッジデバイス28704は、トリガ条件が存在するときに、圧縮を行わずにセンサデータを送信してもよい。いくつかの実施形態では、エッジデバイス28704は、センサデータへの1つまたは複数のルールの適用に基づいて、センサデータを選択的に圧縮及び/または送信してもよい。
実施形態では、バックエンドシステム28750は、1つまたは複数のバックエンドの操作を、受信したセンサデータに基づいて行うことができる。実施形態では、バックエンドシステム28750は、それぞれのセンサキット30100から受信したセンサデータをデコード/解凍/復号してもよい。実施形態では、バックエンドシステム28750は、受信したセンサデータを前処理してもよい。実施形態では、バックエンドシステム28750は、それぞれのセンサキット30100から受信したセンサデータを前処理してもよい。例えば、バックエンドシステム28750は、センサデータをフィルタリング、デデュープ、及び/または構造化してもよい。実施形態では、バックエンドシステム28750は、センサデータを用いて1つまたは複数のAI関連タスクを実行してもよい。これらの実施形態のいくつかでは、バックエンドシステム28750は、センサデータから特徴を抽出してもよく、これを使用して、農業環境に関連する特定の条件またはイベントを予測したり分類したりしてもよい。例えば、バックエンドシステム28750は、重量測定、温度測定、CO2測定、光測定、及び/または他の抽出された特徴に基づいて、作物の収量を予測するために使用されるモデルを展開してもよい。別の例では、バックエンドシステム28750は、温度測定値、湿度測定値、ビデオ信号または画像、及び/または他の抽出された特徴に基づいて、農業施設の部屋または領域におけるカビを誘発する状態を予測または分類するために使用されるモデルを展開してもよい。実施形態では、バックエンドシステム28750は、センサデータに対して1つまたは複数の分析タスクを実行し、その結果をダッシュボードを介して人間のユーザに表示してもよい。いくつかの実施形態では、バックエンドシステム28750は、ダッシュボードを介して人間のユーザから制御コマンドを受信してもよい。例えば、十分なログイン認証情報を有する人間のリソースは、産業設定28720のHVACシステム30124、照明システム30126、電力システム30128、及び/または灌漑システム30130を制御してもよい。これらの実施形態の一部では、バックエンドシステム28750は、人間のユーザの行動を遠隔測定的に監視してもよく、分析結果を人間のユーザに表示することに応答して取るべき行動について、1つまたは複数の機械学習モデル(例えば、ニューラルネットワーク)を訓練してもよい。他の実施形態では、バックエンドシステム28750は、センサデータに応答してバックエンドシステムが行った予測または分類に基づいて農業設定30120のシステムの1つまたは複数を制御するために、HVACシステム30f24、照明システム30126、電力システム30128、及び/または灌漑システム30130に関連する1つまたは複数のワークフローを実行してもよい。実施形態では、バックエンドシステム28750は、農業設定30120の制御システム30122に1つまたは複数の制御コマンドを提供し、これにより、受信した制御コマンドに基づいて、HVACシステム30124、照明システム30126、電力システム30128、及び/または灌漑システム30130を制御することができる。実施形態では、バックエンドシステム28750は、農業設定30120に制御コマンドを提供するために、APIを提供または利用してもよい。
図156は、自動的に構成されたバックエンドシステム28750を使用して産業用設定28720を監視するための方法30200の動作例を示す。実施形態では、方法30200は、バックエンドシステム28750、センサキット28700、及びダッシュボードモジュール532によって実行してもよい。
30202において、バックエンドシステム28750は、センサキット28700をそれぞれの産業用設定28720に登録する。いくつかの実施形態では、バックエンドシステム28750は、複数のセンサキット28700を登録し、複数のセンサキット28700の各センサキット28700を、それぞれの産業用設定28720に登録する。実施形態では、バックエンドシステム28750は、監視すべきエンティティまたは産業設定28720のタイプを指定するためのインターフェースを提供する。いくつかの実施形態では、ユーザは、センサキット28700のそれぞれの産業設定28720を監視するためのパラメータのセットを選択してもよい。バックエンドシステム28750は、選択されたパラメータに基づいて、バックエンドシステム28750のサービス及び能力のセットを自動的に提供してもよい。
30204において、バックエンドシステム28750は、センサキット28700が登録されているそれぞれの産業設定28720の物理的特性を監視するように、センサキット28700を構成する。例えば、それぞれの産業設定28720が天然資源抽出設定である場合、バックエンドシステム28750は、赤外線センサ、地面貫通センサ、光センサ、湿度センサ、温度センサ、化学センサ、ファン速度センサ、回転速度センサ、重量センサ、及びカメラセンサのうちの1つまたは複数を構成して、天然資源抽出設定及びそこで使用される機器のメトリクス及びパラメータに関連するセンサデータを監視及び収集してもよい。
30206において、センサキット28700は、センサデータのインスタンスをバックエンドシステム28750に送信する。いくつかの実施形態では、センサキット28700は、センサデータのインスタンスを、ゲートウェイデバイスを介してバックエンドシステム28750に送信する。ゲートウェイデバイスは、それぞれの産業設定28720の登録された所有者またはオペレータのみがバックエンドシステム28750を介してセンサデータにアクセスできるように、センサデータのインスタンスのための仮想コンテナを提供してもよい。
30208において、バックエンドシステム28750は、センサキット28700から受信したセンサデータのインスタンスを処理する。いくつかの実施形態では、バックエンドシステム28750は、分析ファシリティ及び/または機械学習ファシリティを含む。分析ファシリティ及び/または機械学習ファシリティは、産業設定28720のタイプに基づいて構成されてもよく、センサキット28700から受信したセンサデータのインスタンスを処理してもよい。いくつかの実施形態では、バックエンドシステム28750は、処理されたセンサデータのインスタンスに基づいて、分散型台帳を更新及び/または構成する。
30210で、バックエンドシステム28750は、ダッシュボードを構成し、ポピュレートする。実施形態では、バックエンドシステム28750は、センサキットによって提供された生のセンサデータ、センサキット28700によって提供されたセンサデータに関連する分析データ、センサデータに基づいてバックエンドシステム28750によって行われた予測または分類などのうちの1つまたは複数を取得して表示するようにダッシュボードを構成する。いくつかの実施形態では、バックエンドシステム28750は、産業設定28720に基づいて、1つまたは複数のセンサタイプ及び/または条件に関するアラーム制限を構成する。バックエンドシステム28750は、アラームがトリガされたときにどのユーザが通知を受け取るかを定義してもよい。実施形態では、バックエンドシステム28750は、産業用設定28720に基づいて、バックエンドシステム28750及び/またはエッジデバイス28704の追加機能をサブスクライブしてもよい。
30212で、ダッシュボードは、監視情報を人間のユーザに提供する。実施形態では、ダッシュボードは、デバイス、例えば、コンピュータ端末、スマートフォン、モニタ、または情報を表示するための任意の他の適切なデバイスに監視情報を表示することによって、ユーザに監視情報を提供する。モニタリング情報は、グラフィカルユーザインターフェイスを介して提供してもよい。
図157は、本開示のいくつかの実施形態による、例示的な製造施設30300を示す。製造施設30300は、例示的に、コンベヤベルト、組立機械、ダイ機械、タービン、及び電力システムを含む複数の産業機械30302を含んでもよい。製造施設30300は、さらに、複数の製品30304を含んでもよい。製造施設は、そこに設置されたセンサキット28700を有してもよく、センサキット28700は、複数のセンサ28702及びエッジデバイス28704を含む。一例として、1つ以上のセンサ28702は、産業機械30302及び製品30304の一部または全部に設置してもよい。
図158は、本開示のいくつかの実施形態による、例示的な水中産業施設30400の表面部分を示す。水中産業施設30400は、輸送及び通信プラットフォーム30402、貯蔵プラットフォーム30404、及びポンププラットフォーム30406を含んでもよい。水中産業施設30400は、そこに設置されたセンサキット28700を有してもよく、センサキット28700は、複数のセンサ28702及びエッジデバイス28704を含む。一例として、1つ以上のセンサ28702は、輸送・通信プラットフォーム30402、貯蔵プラットフォーム30404、及び揚水プラットフォーム30406の一部または全部、ならびにそれらの個々のコンポーネント及び機械に設置してもよい。
図159は、本開示のいくつかの実施形態による、例示的な屋内農業施設30500を示す。屋内農業施設30500は、温室30502及び複数の風力発電機30504を含んでもよい。屋内農業施設30500は、その中に設置されたセンサキット28700を有してもよく、センサキット28700は、複数のセンサ28702及びエッジデバイス28704を含む。例として、1つまたは複数のセンサ28702は、温室30504の一部またはすべての構成要素、及び、風車30504の一部またはすべての構成要素に設置されていてもよい。
図160を参照すると、実施形態では、エッジデバイス28704は、工場内のマシン(CNCマシン、付加製造マシン、エネルギーシステム(例えば、発電機またはタービン)、組立ラインなど)を制御するなど、1つまたは複数の産業エンティティ13736の制御を提供するために、制御システム13742及び/またはデータ処理プラットフォーム13700を含む、リンクまたは接続する、統合する、または統合されることができる。ワークフロー(生産ワークフロー、検査ワークフロー、データ収集ワークフロー、保守ワークフロー、サービスワークフローなど)の制御、または工場全体もしくは工場のセットのサブシステム、システム、またはオペレーションの制御などである。いくつかの実施形態では、エッジデバイス28704は、ネットワーク28780を介して制御システム13742にリンクまたは接続してもよい。いくつかの実施形態では、エッジデバイス28704は、処理デバイス29006を介して制御システム13742と統合してもよい。いくつかの実施形態では、制御システム13742は、バックエンドシステム28750と統合してもよい。エッジデバイス28704の処理、計算、及びインテリジェンス能力は、このように、一連の制御システム13742からの入力の恩恵を受けてもよく、一連の制御システム13742に入力を提供してもよい(そのための制御信号を含む)。センサキット28700からのデータ(報告パケット、センサキットパケット、及び/またはセンサ28702からの他のデータを含む)、及び/またはデータ処理モジュール29020、符号化モジュール29022、即決AIモジュール29024、通知モジュール29026、構成モジュール29028、及び分散型台帳モジュール29030)、及び/またはエッジデバイス28704からのデータは、産業用デジタルツイン13734のセットで表してもよい。例えば、産業用デジタルツイン13734は、産業用設定28720の点群ビュー(実施形態では、3Dマッピング、ARまたはVRシステムを使用するなど、拡張してもよい)を、点群とともに点群ビューに提示された関連するデータ収集要素とともに示してもよい。デジタルツイン13734において、システムが正常な範囲から外れた形で振動している(本明細書の他の箇所で議論されているような重大度単位が閾値を超えているような)点群の領域を(色や動きなどによって)強調するなど、多くの例が利用可能である。産業エンティティデジタルツイン13734は、特定のワークフロー、役割、及びユーザのために構成されたものなど、様々なインターフェース及びダッシュボード13738を含み、それらにリンクまたは接続し、またはそれらと統合してもよい。例えば、ダッシュボード及びインターフェースは、特定の機械と対話する作業者(デジタルツインがトレーニング、ワークフローのガイダンス、問題の診断などに使用される場合など)、工場フロアのオペレーションの管理者(デジタルツイン13734がフロア上の機械のレイアウト、トラフィックのパターン(例えば、資産の移動。ワークフローに関わる移動資産13708及び作業者13712)、作業者、機械、プロセスなどのステータス情報(稼働状況、保守状況、検査状況などを含む)、分析情報(オペレーションに関するメトリクス、潜在的な問題などを示すなど)、検査員(デジタルツイン13734が、データコレクタ13702によって追加の検査が必要または有益であると示された領域を表す場合など(例えば、検査員は、デジタルツインインターフェースまたはダッシュボード13738で対話することにより、既に検査された項目をチェックオフしたり、さらなる検査のための項目を強調表示したりすることができる)保守及びサービス作業者(デジタルツイン13734が、保守を必要とする項目の位置を概略図で強調表示し、サービス作業者を適切な場所及び/または機械に案内し、サービスまたは保守を実施する方法に関する情報及びガイダンス(チェックリストまたはワークフローから、機械で提示することができる仮想、複合または拡張現実のトレーニングまたはガイダンスセッションまで)を(別のビューなどで)提示する場合などが挙げられる。フロントオフィスの管理者(ROI指標、出力指標、コスト指標などの財務情報(現状と予測を含む)を提示できる財務担当者など)、法務担当者(デジタルツイン13734がコンプライアンス情報を提示し、法的リスク(安全違反や、オペレーションに関するステータス情報が会社の契約違反の可能性を示す場合(契約で要求された出力ができないなど)など)を強調する場合など)、在庫管理者、調達担当者などである。また、CEO、CTO、COO、CIO、CDO、CMOなどの経営者は、工場全体または工場のセットを表すデジタルツイン13734と対話して、企業の全体的な運営や戦略などに対する産業エンティティ13736が関与する要素の相互作用及び/または要素の貢献を理解することを含む可能性のあるリスク及び機会を特定することができる。デジタルツイン13734は、デジタルツイン13734が実質的にリアルタイムで維持されるように、センサキット28700からのデータに基づいて更新してもよい。
様々な実施形態では、インターフェース及びダッシュボード13738は、センサキット28700から収集されたセンサ情報を表示することができる。産業環境13704または産業設定28720についての情報要素は、オーバーレイ(例えば、メトリクスまたはシンボルが、3Dインターフェースにおける点群、写真、またはユニットの3D表現の上に提示される)、ネイティブフォーム(点群が表現されるなど)、3Dビジュアライゼーション(インターフェースが要素を3D幾何学的要素として扱うなど)などで提示することができる。
本明細書では、一組のインテリジェントな処理能力を有するデータ処理プラットフォームによってサポートされる一組の産業エンティティの産業デジタルツインのセットと、一組の産業エンティティから及びそれに関するデータの収集を容易にする一組のモバイルデータ収集システムと、一組の産業エンティティが配置されている一組の産業環境のスキャンのセットを提供する一組の同時ロケーション及びマッピングシステムと、一組のモバイルデータ収集システム、一組の同時ロケーション及びマッピングシステム、データ処理プラットフォーム、及び一組の産業エンティティの制御システムの間の接続を提供するエッジ計算システムとを含むシステムが提供される。一連のモバイルデータ収集システム、一連の同時ロケーション及びマッピングシステム、データ処理プラットフォーム、及び一連の産業エンティティの制御システムの間の接続性を提供するエッジ計算システムであって、モバイルデータ収集システムによって収集された情報が、一連の産業デジタルツインにおいて、同時ロケーション及びマッピングシステムを介して得られた産業エンティティの一連の視覚的表現に自動的に関連付けられている、エッジ計算システムを備える。実施形態では、システムは、産業エンティティについて収集されたデータに基づいて、デジタルツインのリアルタイムの更新を提供する。実施形態では、デジタルツインのセットは、単一の機械のデジタルツインを含む。実施形態では、デジタルツインのセットは、システムデジタルツインを含む。実施形態では、デジタルツインのセットは、ワークフローデジタルツインを含む。
実施形態では、デジタルツインのセットは、作業者デジタルツインを含む。実施形態では、デジタルツインのセットは、産業環境における産業エンティティの配置を表示する配置デジタルツインを含む。実施形態では、デジタルツインのセットは、産業環境におけるエンティティ及び関係を表す論理デジタルツインを含む。実施形態では、デジタルツインは、インターフェースのセットを含む。実施形態では、インターフェースのセットは、アプリケーションプログラミングインターフェースを含む。実施形態では、インターフェースのセットは、タッチスクリーンインターフェースを含む。実施形態では、インターフェースのセットは、グラフィカルユーザインターフェイスを含む。実施形態では、インターフェースのセットは、分析ダッシュボードインターフェイスを含む。
実施形態では、インターフェースは、機械、プロセス、システム、工場、及びワークフローのうちの少なくとも1つの予定外のシャットダウンの確率のメトリックを提示する。実施形態では、産業用デジタルツインのセットのインターフェースとの対話は、データ収集の構成をもたらす。実施形態では、産業用デジタルツインのセットのインターフェースとの相互作用は、エッジシステムによるインテリジェンスの構成をもたらす。実施形態では、産業用デジタルツインのセットのインターフェースとの相互作用は、データ処理プラットフォームのインテリジェンスシステムのセットによるインテリジェンスの構成をもたらす。実施形態では、産業用デジタルツインのセットのインターフェースとの相互作用は、産業用エンティティのセットの制御の構成をもたらす。実施形態では、システムは、エンタープライズリソースプランニングシステムと相互運用するように構成される。実施形態では、本システムは、保守・サービスシステムと相互運用するように構成される。
本明細書に記載の方法及びシステムは、酸素の導入を必要としない用途を含む特定の用途のために、加水分解装置から直接水素を供給するために使用してもよい。水素ガスのみを必要とする可能性があるそのような実施形態では、加熱用バーナー、溶接やろう付けなどの工業用加熱プロセス、及び直接使用する水素を必要とする他のすべてのユースケースなどのリアルタイムの使用のために、水素を製造して直接送ってもよい。他のケースとしては、コーティング、工具、押し出し、乾燥などが考えられる。本明細書に記載されている方法とシステムは、レーザ切断などの高品質な水素ガスを必要とするアプリケーションのために、高品質な水素ガスを生成することができる。他の用途としては、溶接に適した火炎を生成するため、酸素水素トーチに供給するためなどの操作のために、他の可燃性ガスと組み合わせて水素ガスを生成することができる。
分離された水素と分離された酸素の両方が異なる目的のために必要とされる可能性がある用途では、生成、貯蔵、分配、及び/または加熱、例えば、調理システムは、独立して両方のガスを適切なプロセス用途に導くことができる。例えば、潜水艦の電解槽では、水素はバーナーに使用され、酸素は潜水艦の空気循環システムに使用されるなどの例がある。さらに他の実施形態では、加水分解プロセス中に分離された酸素と水素を、酸素と水素の組み合わせの所望の組み合わせと速度を生み出すプロトコルの下で再結合する必要があるかもしれない。そのような例の1つが、酸素-水素溶接である。
実施形態では、水素貯蔵から恩恵を受ける、及び/または水素貯蔵を含む電解槽製品のタイムシフト使用の他の例は、非圧縮状態の水素、気体状態の水素、圧縮された液体状態の水素、またはそれらの組み合わせで、調理システムまたは他の産業システムの一部である小さなタンクに貯蔵すること、調理システム上または近くの大きなタンクに貯蔵すること、または近くではない施設の非常に大きな保持タンクに輸送することを含むことができる。水素貯蔵技術のさらなる例としては、基板による水素の吸収が挙げられる。その後、基材は、調理システムの一部である小型タンクまたは他の基材貯蔵施設、調理システム上または近くの大型タンク、近くにない施設の非常に大きな貯蔵タンクに輸送されるか、または貯蔵されたエネルギーへの局所的なアクセスを促進する複数の小型、中型、及び大型の貯蔵施設に分散して貯蔵してもよい。適切な時期に、基板を加熱し、水素を元の気体状態に戻すことができる。
複数の燃料源の1つとして水素を使用する可能性がある調理及び他の加熱システムは、燃料源の中から自動的に選択することに参加してもよい。これらのシステムは、どのエネルギー源を選択するかを決定する際に考慮することが有益な要因に関するデータを提供することができる様々な情報源に接続される処理機能を含んでもよい。どのエネルギー源を選択するかの決定は、例えば、1つまたは複数のエネルギー源の現在の価格などの単一の要因に基づいて行われてもよい。最も低い現在の価格で十分なエネルギーを提供するエネルギー源が選択してもよい。実施形態では、調理システムまたは他の加熱システムが、コンピュータ制御の下で、選択されたエネルギー源に合わせて自動的に構成してもよい。例えば、水素が選択された場合、水素の供給源への接続が有効になり、他の供給源への接続は無効になることがある。同様に、バーナー、ヒーター制御、熱と安全性のプロファイル、調理時間、及びその他のさまざまな要素が、選択されたエネルギー源に基づいて自動的に調整される場合がある。調理中や加熱中に別のエネルギー源(電気など)の方が低コストであることがわかった場合、システムは自動的に別のエネルギー源を使用するように再設定される。ガスヒーターを使用せず、電気ヒーターを使用することで、調理・加熱作業を最小限の中断で継続することができる。このようなハイブリッドエネルギー源による調理・加熱プロセスでは、新しいエネルギー源に基づいて調理・加熱プロセスを完了させるための別のプロトコルが必要になる場合がある。
別の方法として、燃料源の自動選択は、多数の要因に基づいてもよい。これらの要因は、要因の一部を個別に、グループで、または組み合わせて処理することができる燃料源選択アルゴリズムに適用することができる。要因の例としては、調理・加熱システムで利用可能なエネルギー源と、直接利用できないエネルギー源を含む、他のエネルギー源の価格が挙げられる。このように、エネルギー源の選択は、どのエネルギー源が環境に良いかなど、他の考慮事項によって行われてもよい。実施形態では、エネルギー源の自動選択は、少なくとも部分的には、エネルギー源の予想される利用可能性に基づいていてもよい。実施形態では、ブラウンアウトなどのエネルギー停止の予測は、予定されたブラウンアウトの直接の知識などを含む様々な要因に基づいてもよい。また、そのような予測は、エネルギー源の利用可能性に関する事前の経験に基づいていてもよく、それを機械学習アルゴリズムに適用して、将来のエネルギー利用可能性の予測を提供してもよい。エネルギー源を自動的に決定するためのアルゴリズムに適用することができる他の要因には、水素を製造するための水源の利用可能性、再生可能エネルギーの利用可能性(例えば、太陽光、風などの予測に基づく)、エネルギーの必要性のレベル及び/または強度、今後24時間などの将来の期間における必要性のレベルの予測などが含まれる場合がある。将来の期間における必要性の予測に、その期間における需要の大きな変動が含まれる場合は、需要の各ピークを個別に分析することができる。また、様々なエネルギー源の重み付けを決定するために、需要の平均値やその他の派生物を使用することもできる。
調理や暖房に直接適用するためのエネルギーの選択に加えて、水素を製造するために加水分解装置を動作させるためのエネルギーの選択を自動化してもよい。そのような自動化された選択プロセスに含まれ得るエネルギー源は、太陽エネルギー、風力エネルギー、水素エネルギー、二酸化硫黄、電気(電力網からのものなど)、天然ガスなどを含むことができる。実施形態では、エネルギーの自動選択を促進する可能性のあるアルゴリズムは、各エネルギー源に関する情報、例えば利用可能性、コスト、効率などの情報を受け取り、例えば情報を比較して、どのエネルギー源が所定の期間に加水分解装置を動作させるのに最も適しているかを決定することによって処理される可能性がある。この例では、アルゴリズムは、信頼性が高く、利用可能性が高く、コストが低いエネルギー源を、信頼性が低く、利用可能性が低く、コストが高いエネルギー源よりも有利にすることができる。実施形態では、これら3つの要素の組み合わせにより、特定のソースが選択されることがある。例えば、特定の時間における信頼性の高いエネルギーに対する需要が、価格よりも高く重み付けされている場合、より確実に利用可能であるという理由から、コストの高いエネルギー源が自動的に選択されることがある。また、自動燃料選択アルゴリズムは、燃料選択のための推奨事項を作成し、人間または他の自動化されたプロセスが選択を行ってもよい。一例として、自動燃料選択アルゴリズムは、コストの低い燃料を推奨する場合があるが、他の供給源よりも信頼性がやや低い場合がある。しかし、供給源に関する利用可能な情報の重み付けまたは他の側面を考慮すると、そのような推奨はアルゴリズムの受け入れ基準を満たす場合がある。
本明細書に記載の方法及びシステムは、再生可能エネルギー(太陽、風力、地熱、水力など)または非再生可能燃料の最適な使用を決定する方法など、エネルギー源を自動的に選択するための方法及びシステムと関連していてもよい。実施形態では、オンサイトのスタンドアローンの調理システムまたは加熱システムに電力を供給するためのエネルギー源の選択は、調理システムに直接、一次供給源としての再生可能エネルギー源へのアクセス及び距離を含む様々な要因に基づいて行うことができる。例えば、水力を利用した再生可能エネルギーの生産コストのデータは、その選択をサポートするかもしれないが、配送ネットワークが整備されていないかもしれないし、その特定の再生可能エネルギー源へのアクセスに対して実質的なプレミアムを請求するかもしれないので、水力を利用した再生可能エネルギーは、最適な使用ではないかもしれない。
実施形態では、他の要因として、調理システムや電解槽を使用するために必要な電力の価格や量、及び、持続的な使用期間と短期的な使用期間の両方で必要とされる発電電力の需要と可用性を一致させるためのエネルギー源の能力がある。実施形態では、自動化されたエネルギー源の選択プロセスに影響を与える可能性のある他の要因として、調理システム及び/または他の近隣の産業施設からの余剰熱の利用可能性及び再利用能力が挙げられる。実施形態では、余剰熱は、熱交換プロセスを介して熱を生成するために使用することができる排気熱、二酸化硫黄の副産物などを含むことができる。実施形態では、本明細書に記載されているような調理システムによる使用に最適なエネルギー源を決定するための別の一連の基準は、1日中の任意の時間に電力に短期的にアクセスする必要性を、近隣の電源などの電源のタイミング及び利用可能性を考慮して電力への需要のタイミングを制限することと比較することを含んでもよい。廃熱副産物としての二酸化硫黄は、二酸化硫黄ガスから熱を回収するための熱伝達プロセスで使用してもよいが、水素を製造するために加水分解装置システムに直接適用してもよい。実施形態では、二酸化硫黄ガスを直接ハイドロライザーシステムに適用して水素を発生させ、二酸化硫黄ガスの量を減らして環境保全のためのツールとしたり、発生した水素をゴミなどを燻して除去するために使用したり、発電のために使用したりしてもよい。
実施形態では、情報システムなどの外部システムが、本明細書に記載されている水素製造、貯蔵、分配、及び使用システムに関連付けられ、または接続してもよい。情報システムは、予測結果と比較した実際の結果を含むエネルギー選択(自動化されたエネルギー選択など)、エネルギー消費、エネルギー源の種類ごとの水素生成(太陽電池、水力発電、風力発電、二酸化硫黄の使用を含む排ガスなど)を含むすべての側面及びシステムプロセスから情報を受け取ることができる。水素精製プロセス、水素貯蔵(圧縮、自然状態での貯蔵、基板注入ベースなどを含む)、水素の分配、用途、他の燃料源との組み合わせ(水素と他の可燃性エネルギー媒体との組み合わせなど)など、タイミング、コスト、適用環境などを含む水素の用途などである。
実施形態では、外部システムとの間の通信は、遠隔監視、遠隔制御などを容易にする可能性のあるメッセージの交換を介して行うことができる。この例として、メッセージは、メッセージの送信元、宛先、目的(例えば、制御、監視など)、取るべき推奨行動、取るべき代替行動、回避すべき行動などに関する情報を含んでもよい。
実施形態では、水素の製造、貯蔵、分配、及び使用に関連する方法及びシステムは、システム性能、品質などの継続的な改善を提供する改善機能を含む、関連する、または統合することができる。実施形態では、改善機能には、プロセス制御と熱回収、流量制御と精密制御、安全性、信頼性、サービス可用性の向上、出力一貫性を含むプロセスと出力品質が含まれる。本明細書に記載されている水素ベースのシステムに提供及び/または統合することができる他の特徴には、改善のためのデータ収集、分析、及びモデリング、データセキュリティ、サイバーセキュリティ、制御システムなどへの外部からの攻撃を回避するためのネットワークセキュリティ、予防保守及び修理を容易にするための監視及び分析を含むことができる。
実施形態では、サードパーティのデータにもアクセスできるデータ処理システムの統合及び/またはアクセスが、本明細書に記載されている方法及びシステムに含まれる場合がある。センサから収集されたデータを監視することにより、時間帯、気象条件、及び他のデータソースを特定のルールセットとともに使用して、水素使用(例えば、調理)操作の起動及び/又は停止をトリガすることができる。実施形態では、データは、調理動作などの動作に関連する様々なメトリクスのデータを取得する連続的なフィードバックループに蓄積してもよい。実施形態では、このようなシステムの起動の分析及び制御は、調理システムを使用する必要があるときの実際の要件及びタイミング(例えば、朝食などの食事を準備しているとき、または新しい仕事の糞の開始時などの産業作業に加熱が必要なときなど)を考慮してもよい。
実施形態では、データ収集、モニタリング、プロセス改善、品質改善なども、このようなシステムの動作中に実行されることがある。一例では、調理システムが起動されると、システムは、その特定の瞬間に手元のプロセスを実行するために必要な熱を受け取るための最良の方法を決定することができる場合がある。プロセスを実行するために必要な熱を受け取ることは、インライン水素生成、貯蔵水素消費、複合エネルギー利用などを含む様々な熱源から選択することができる。実施形態では、水素熱バーナーと非水素熱バーナーを混在させた調理要素は、システムが、例えば機械学習と連続的なモニタリングを用いて、一方または他方の熱源またはそれらの組み合わせを使用することを自動的に決定できるように、自動的に制御可能であってもよい。
さらにこの例では、スマートクックトップは、水素用及び液体プロパン用のバーナーを含むことができる。実施形態では、調理操作のための方法及びシステムは、燃料の選択に基づいて、適切なバーナーを自動的に起動してもよい(例えば、水素バーナーまたは液体プロパンバーナー)。このような調理システムまたは加熱システムの操作は、時間帯、各代替案のスポット価格によるエネルギーコスト、関係するプロセスの長さ、100%の環境保護要件を満たすこと、調理システムの場所に応じた火炎の潜在的な危険な使用、その他のセキュリティ機能などを含む要因を処理することができるコンピュータ対応のコントローラによって行われてもよい。運転制御の継続的な改善のために、システムのすべての側面についてデータ分析を行うことができる。一例として、電解槽が作動していない場合、センサは、使用されている液体プロパンバーナーに関する情報を取得することができる。実施形態では、この単一のデータ取得例は、情報の欠落を避けるためにすべての動作側面に関する情報を収集することが望ましいが、実用上の考慮により、より焦点を絞ったデータ収集及び分析が可能であることを示している。実施形態では、調理システム及び発熱体によるすべての活動及び行動を捕捉し、記録し、測定し、品質向上などの行動を知らせるために使用することができる。
実施形態では、自己改善及びリアルタイムの意思決定を促進するために、本調理システムの1つまたは複数の展開について情報を提供してもよい。実施形態では、捕捉された情報は、改善の機会を示す可能性のあるパターンを決定するために、時系列分析などに保存及び使用することもできる。実施形態では、複数の展開で取得したデータを、コンピュータで生成されたシミュレーションなどに使用できるモデルの作成及び更新に使用することができる。これらのモデルは、設計プロセスなどに適用することができる。実施形態では、継続的な改善修正は、機械対機械の学習プログラム、人間の改善努力、命令の改善及び/または修正などによって活性化してもよい。
次に、産業用IoTデータ収集のための環境内でモバイルデータ収集のためにウェアラブルデバイスを使用するためのシステム及び方法を、図に関して説明する。図161から図164を参照する。最初に図161を参照すると、データ収集システムは、産業用IoTデータ収集のための環境内でモバイルデータ収集器として動作するように構成された1つまたは複数のウェアラブルデバイスを含んでもよい。例えば、1つまたは複数のウェアラブルデバイスは、データを送信し、データから受信し、コマンドを送信し、コマンドを受信し、制御下にあり、制御を通信し、またはその他の方法で産業用IoTデータ収集、監視及び制御システム10と通信してもよい。本明細書では、産業用IoTデータ収集のための環境内で状態関連の測定値(別の言い方をすれば、以下に記載するように「状態の測定値」または「状態の測定値」)を記録するための単一のセンサを有する単一のウェアラブルデバイスを含む、ウェアラブルデバイスを使用したデータ収集のための方法及びシステムが開示されている。産業用IoTデータ収集のための環境内で状態関連測定値を記録するための複数のセンサを有する単一のウェアラブルデバイス、産業用IoTデータ収集のための環境内で状態関連測定値を記録するための単一のセンサをそれぞれが有する複数のウェアラブルデバイス、及び産業用IoTデータ収集のための環境内で状態関連測定値を記録するための1つまたは複数のセンサをそれぞれが有する複数のウェアラブルデバイス。例えば、ウェアラブルデバイスは、振動、熱、電気、及び/または音の出力、ならびに他の任意の適切な出力を備えた、産業用センサデータ収集装置のためのウェアラブルハプティックまたはマルチセンサーのユーザインターフェースであってもよい。別の例では、ウェアラブルデバイスは、有形の形態を有し、そのような使用の期間にかかわらず、産業環境内の人に配置して使用するように構成されているか、またはそうでなければ使用することができる、他の適切なデバイス、コンポーネント、ユニット、または他の計算面であってもよい。例えば、ウェアラブルデバイスは、衣類または衣類に含まれるデバイスであってもよい。別の例では、ウェアラブルデバイスは、アクセサリー物品またはアクセサリー物品内に含まれるデバイスであってもよい。ウェアラブルデバイスが装着可能な衣類の例としては、シャツ、ベスト、ジャケット、パンツ、ショートパンツ、手袋、靴下、靴、保護用アウターウェア、下着、アンダーシャツ、タンクトップなどが挙げられるが、これらに限定されるものではない。また、ウェアラブルデバイスが装着可能なアクセサリーの例としては、帽子、ヘルメット、眼鏡、ゴーグル、視覚安全アクセサリー、マスク、チェストバンド、ベルト、リフトサポートウェア、アンテナ、リストバンド、リング、ネックレス、ブレスレット、時計、ブローチ、ネックストラップ、バックパック、フロントパック、アームパック、レッグパック、ランヤード、キーリング、ヘッドフォン、聴覚安全アクセサリー、イヤホン、イヤーピースなどが挙げられるが、これらに限定されるものではない。特定の形態にかかわらず、本開示によるウェアラブルデバイスは、産業IoTデータ収集のために環境の状態関連の測定値を記録するための1つまたは複数のセンサを含む。例えば、本開示に記載のウェアラブルデバイスの1つまたは複数のセンサは、産業用IoT環境内の機器に関する状態を測定することができ、または産業用IoT環境自体に関する状態を測定することができる。本明細書で使用されるように、(例えば、ウェアラブルデバイスの、または他の適切なデータコレクタの)センサを使用して記録された状態の測定は、産業用IoTデータ収集のための環境の対象に関連する情報を指す。すなわち、情報は、直接的または間接的に対象者の状態を示すものであり、または他の方法で対象者の状態を示すために使用してもよい。例えば、情報は、対象の状態を識別または決定するために処理されるか、または別の方法で使用されるところで、対象の状態を間接的に示してもよい。本明細書では、(例えば、ウェアラブルデバイスの、または他の適切なデータコレクタの)センサを使用して測定値を記録することは、測定値をさらなる処理に利用できるようにするためのセンサの使用を意味する。例えば、センサを使用して測定値を記録することは、測定値を示すデータを生成すること、測定値を示す信号を送信すること、または測定値を取得することのうち、1つ以上のことを指する。
多数のウェアラブルデバイス14000が、産業用IoTデータ収集のための環境内に配置されている。いくつかのシナリオでは、ウェアラブルデバイス14000は、産業用IoTデータ収集のための環境のオペレータによって発行されたウェアラブルデバイスであってもよい。あるいは、ウェアラブルデバイス14000は、産業用IoTデータ収集のための環境内でタスクを実行するように選択された作業者が所有するウェアラブルデバイスであってもよい。図161に示すように、ウェアラブルデバイス14000は、単一のセンサ14002を有する単一のウェアラブルデバイス、複数のセンサ14004を有する単一のウェアラブルデバイス、それぞれが単一のセンサ14006を有するウェアラブルデバイスの組み合わせ、それぞれが1つ以上のセンサ14008を有するウェアラブルデバイスの組み合わせの任意の組み合わせを含んでもよい。しかしながら、実施形態では、ウェアラブルデバイス14000は、異なるウェアラブルデバイスを含んでもよい。例えば、実施形態では、ウェアラブルデバイス14000は、単一のセンサ14006を備えるウェアラブルデバイスの組み合わせ、及び/または、1つ以上のセンサ14008を備えるウェアラブルデバイスの組み合わせを省略してもよい。例えば、ウェアラブルデバイス14000は、個別に捉えた構成ウェアラブルデバイスのそれぞれと比較して、結合された、改善された、またはそうでなければ異なる機能を提供するウェアラブルデバイスの組み合わせではなく、個々のウェアラブルデバイスに限定してもよい。別の例では、実施形態において、ウェアラブルデバイス14000は、単一のセンサ14002を有する単一のウェアラブルデバイス、及び/または、複数のセンサ14004を有する単一のウェアラブルデバイスを省略してもよい。例えば、ウェアラブルデバイス14000は、個々のデバイスではなく、ウェアラブルデバイスの組み合わせに限定してもよい(例えば、ウェアラブルデバイスの特定の組み合わせが、産業IoTデータ収集のための環境内で特定の状態に関連する測定値を記録するために、特定のコンテキストなどで価値があると識別される場合)。ウェアラブルデバイス14000とウェアラブルデバイスからの出力を受信するデバイスとの間、またはそうでなければウェアラブルデバイス14000内のセンサとそれらのセンサの出力を受信するデバイスとの間のデータの通信及びその他の転送は、無線または有線であってもよく、802.11及び900MHzの無線システム、イーサネット、USB、ファイアワイヤなどのような標準的な通信技術を含んでいてもよい。
実施形態では、異なるウェアラブルデバイス14000は、いくつかまたはすべてのターゲット(例えば、デバイスまたは機器)の一部またはすべての状態関連測定値を記録するように構成してもよい。例えば、ウェアラブルデバイス14000の一部は、ターゲットの一部またはすべてに関して測定された振動に基づいて、ターゲットの状態関連測定値を記録するように構成してもよい。ターゲットに関して測定された振動は、限定されないが、ターゲットのすべてまたは一部が振動する周波数、ターゲットに関連する振動エンベロープから得られる波形、振動レベルの変化などを参照してもよい。別の例では、ウェアラブルデバイス14000の一部は、ターゲットの一部またはすべてに関して測定された温度に基づいて、ターゲットの状態関連の測定値を記録するように構成してもよい。ターゲットに関して測定された温度は、限定されないが、ターゲットのすべてまたは一部の内部または外部の温度、ターゲットの動作温度、ターゲットの周囲の領域内で測定された温度などを参照してもよい。別の例では、ウェアラブルデバイス14000の一部は、状態関連の記録を行うように構成してもよい。ターゲットの一部またはすべてに関して測定された電気または磁気出力に基づいて、ターゲットの測定を実施する。ターゲットに関して測定された電気的または磁気的出力は、限定されないが、ターゲットに関連する電磁場のレベルまたは変化、ターゲットから出力された、またはターゲットによって別の方法で放出された電気または磁気質の量などを参照してもよい。別の例では、ウェアラブルデバイス14000の一部は、ターゲットの一部またはすべてに関して測定された音出力に基づいて、ターゲットの状態関連測定値を記録するように構成してもよい。ターゲットに関して測定された音出力は、限定されないが、ターゲットによってまたはターゲットに関連して生成された音波、ターゲットの動作の変化によって放出された音波などに対応する可聴または不可聴の周波数を指してもよい。別の例では、ウェアラブルデバイス14000の一部は、ターゲットの一部またはすべてに関して測定される、振動、温度、電気または磁気、または音以外の出力に基づいて、ターゲットの状態関連測定値を記録するように構成してもよい。
代替的に、または追加的に、異なるウェアラブルデバイス14000は、産業IoTデータ収集のための環境内の特定のタイプのターゲットの一部またはすべての状態関連測定値を記録するように構成してもよい。例えば、ウェアラブルデバイス14000のうちのいくつかは、撹拌機(例えば、タービン撹拌機)、機体制御面振動装置、触媒反応器、圧縮機などからの一部またはすべての状態関連の測定値を記録するように構成してもよい。別の例では、ウェアラブルデバイス14000のうちのいくつかは、コンベヤ及びリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム、モータなどからのいくつかまたはすべての状態関連測定値を記録するように構成してもよい。別の例では、ウェアラブルデバイス14000のうちのいくつかは、パイプライン、電気パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボット組み立てシステム、熱加熱システム、トラック、伝送システム、タービンなどからの一部またはすべての状態関連の測定値を記録するように構成してもよい。実施形態では、ウェアラブルデバイス14000は、特定のタイプの産業環境の一部またはすべての状態関連の測定値を記録するように構成してもよい。例えば、ウェアラブルデバイス14000を用いて測定された状態を有するターゲットを有する産業環境は、製造環境、化石燃料エネルギー生産環境、航空宇宙環境、鉱業環境、建設環境、船舶環境、海運環境、潜水艦環境、風力エネルギー生産環境、水力エネルギー生産環境、原子力エネルギー生産環境などを含んでもよいが、これらに限定されない。石油掘削環境、石油パイプライン環境、その他の適切なエネルギー製品環境、その他の適切なエネルギー経路または伝送環境、その他の適切な産業環境、工場、飛行機などの航空機、流通環境、エネルギー源抽出環境、海洋探査サイト、水中探査サイト、組立ライン、倉庫、発電環境、有害廃棄物環境などである。
単一のセンサ14006を備える各ウェアラブルデバイスの組み合わせ、及び/または、1つ以上のセンサ14008を備える各ウェアラブルデバイスの組み合わせは、産業用IoTデータ収集のための環境内で一緒に使用するために選択されたウェアラブルデバイスの組み合わせを表してもよい。例えば、単一のセンサ14006をそれぞれ備えるウェアラブルデバイスの組み合わせ、及び/または、1つ以上のセンサ14008をそれぞれ備えるウェアラブルデバイスの組み合わせは、産業用IoTデータ収集のための環境内で1つ以上のタスクを実行する作業者が着用する産業用ユニフォームのすべてまたは一部を表してもよい。例えば、単一のセンサ14006を有するウェアラブルデバイスの各々の組み合わせ、及び/又は、1つ以上のセンサ14008を有するウェアラブルデバイスの各々の組み合わせは、ユーザが着用する多数のウェアラブルデバイス(例えば、1つの帽子、1つのシャツ、1つのパンツ、1つの靴、1つのベスト、1つのネックレス、1つのブレスレット、1つのバックパック、又はそれ以上若しくはそれ以下のウェアラブルデバイス)の各々の1つを含んでもよい。本開示の実施形態は、産業用ユニフォームを、ウェアラブルデバイスの他の可能な組み合わせを、それぞれが単一のセンサ14006を有するウェアラブルデバイスの組み合わせ、及び/または、それぞれが1つ以上のセンサ14008を有するウェアラブルデバイスの組み合わせとして含むものとして企図することができる。
実施形態では、単一のセンサ14006をそれぞれ備えたウェアラブルデバイスの組み合わせとして、及び/または、1つ以上のセンサ14008をそれぞれ備えたウェアラブルデバイスの組み合わせとして、複数のセンサを組み合わせて使用することで、産業用IoTデータ収集のための拡張機能または追加機能を導入することができる。したがって、それらの実施形態のいくつかにおいて、産業用ユニフォームは、産業用ユニフォーム内に統合されている個々のセンサによって提供されるものを超える機能性を含んでもよい。例えば、同じターゲットの状態に関連した測定値を記録するためのセンサを有するウェアラブルデバイスの出力は、産業用ユニフォーム内に統合された、またはそうでなければ産業用ユニフォームに対応する中央処理ソフトウェアまたはハードウェア面(例えば、以下に説明するような集団処理心)によって前処理してもよい。例えば、産業用ユニフォーム内に統合された、またはその他の方法で産業用ユニフォームに対応する中央処理ソフトウェアまたはハードウェアアスペクトは、複数のウェアラブルデバイスの出力を処理して、ターゲットの特定の観測された測定値に対して出力が同じであるかどうかを判断してもよい。それらの出力の1つが他の出力から閾値以上の偏差がある場合、その偏差のある出力は廃棄してもよい。例えば、廃棄された出力は、ターゲットの状態に関連する測定値を記録している間に、干渉やその他の問題に見舞われたセンサを使用して生成された出力を表しているかもしれない。別の例では、産業用ユニフォーム内に統合された、またはその他の方法で産業用ユニフォームに対応する中央処理ソフトウェアまたはハードウェア面は、複数のウェアラブルデバイスの異なるタイプの出力(例えば、異なるターゲットまたは異なる状態関連測定タイプ(例えば、振動対温度)に基づいて記録されたもの)を処理して、ターゲットの状態を決定または識別してもよい。例えば、状態が複数の出力の組み合わせによって示される場合がある。このようなシナリオでは、第1のウェアラブルデバイスからの第1の出力を、第2のウェアラブルデバイスからの第2の出力とともに組み合わせるか、または他の方法で処理して、ターゲットの状態を決定または識別することができる。ウェアラブルデバイスの異なる組み合わせは、異なる産業用ユニフォームとして識別されてもよく、その場合、産業用ユニフォームのそれぞれは、ターゲットの状態関連の測定値のタイプを記録することに関して、同じまたは異なる能力を有していてもよい。さらに別の例では、産業用ユニフォーム内の複数のウェアラブルデバイスの統合により、それらのウェアラブルデバイスを使用して記録された状態関連の測定値の同時または実質的に同時の処理が可能になる。
ウェアラブルデバイス14000を用いた状態関連の測定は、ネットワーク14010を介して(例えば、外部ネットワークを必要とせずに)利用可能であってもよい。ネットワーク14010は、MANET(例えば、図2に示すMANET20または他の任意の適切なMANET)、インターネット(例えば、図3に示すインターネット110または他の任意の適切なインターネット)、または他の任意の適切なタイプのネットワーク、またはそれらの任意の組み合わせであってもよい。例えば、ネットワーク14010は、ウェアラブルデバイス14000を使用して記録された状態関連の測定値を受信するために使用してもよい。そして、ネットワーク14010は、それらの受信した状態関連測定値の一部または全部を、データ収集システム102の他のコンポーネントに送信するために使用してもよい。例えば、ネットワーク14010は、それらの受信された状態関連の測定値を保存するために、データプール14012(例えば、図2に示されたデータプール60または任意の他の適切なデータプール)にそれらの受信された状態関連の測定値の一部または全部を送信するために使用してもよい。別の例では、ネットワーク14010は、受信した状態関連測定値の一部または全部を、産業IoTデータ収集のための環境に対応する1つまたは複数のサーバ14014に送信するために使用してもよい。サーバ14014は、1つまたは複数のハードウェアまたはソフトウェアサーバの側面を含んでもよい。例えば、受信した状態関連の測定値が送信されるサーバ14014は、受信した状態関連の測定値を処理するインテリジェントシステム14016を含んでもよい。インテリジェントシステム14016は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを使用して、受信した状態関連の測定値内の、またはそれ以外の方法で受信した状態関連の測定値に関連する情報を識別することを含む、任意の適切な方法で受信した状態関連の測定値を処理してもよい。実施形態では、受信した状態関連の測定値を処理した後、受信した状態関連の測定値が送信されたサーバ14014は、処理された情報または処理された情報を示すデータを他のシステムに(例えば、保存または分析のために)送信してもよい。サーバ14014からの処理された情報を示すデータは、例えば、人工知能プロセス、機械学習プロセス、及び/または、他の認知プロセスの出力または他の結果を含んでもよい。
実施形態では、ウェアラブルデバイス14000の一部またはすべては、それらの記録された状態関連の測定値を(例えば、ネットワーク14010を介して)または他の任意の適切な通信メカニズムを送信する前に、それらのウェアラブルデバイス14000を使用して記録された状態関連の測定値を処理するためのインテリジェントシステム14018を含んでもよい。例えば、ウェアラブルデバイス14000の一部または全部は、それによって記録された状態関連の測定値を分析するために、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを統合してもよい。ウェアラブルデバイス14000のインテリジェントシステム14018による処理は、産業用IoTデータ収集・監視・制御システム10の前処理ステップ内であってもよいし、表現してもよい。例えば、前処理は、記録された状態関連の測定値を前処理するために、例えば、冗長な情報、無関係な情報、または重要でない情報を識別するために、ウェアラブルデバイス14000の特定のタイプによって選択的に実行してもよい。別の例では、前処理は、例えば、冗長な情報、無関係な情報、または重要でない情報を識別するために、記録された状態関連の測定値を前処理するために、ウェアラブルデバイス14000の特定のタイプに対して自動化してもよい。別の例では、前処理は、例えば、冗長な情報、無関係な情報、または重要でない情報を識別するために、記録された状態関連の測定値を前処理するために、ウェアラブルデバイス14000のいずれかによって記録された状態関連の測定値の特定のタイプに対して選択的に実行してもよい。別の例では、前処理は、例えば、冗長な情報、無関係な情報、または重要でない情報を識別するために、記録された状態関連の測定値を前処理するために、ウェアラブルデバイス14000のいずれかによって記録された特定のタイプの状態関連の測定値に対して自動化してもよい。
実施形態では、ウェアラブルデバイス14000の一部またはすべてが、センサフュージョン機能を含んでもよい。例えば、センサフュージョン機能は、オンデバイスセンサフュージョン80として具現化してもよい。例えば、ウェアラブルデバイス14000のうちの1つ以上の複数のアナログセンサ(例えば、図4に示す複数のアナログセンサ82または任意の他の適切なセンサ)を使用して記録された状態関連の測定値は、ローカルまたはリモートで処理されてもよく(例えば、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを使用して)、これは、ウェアラブルデバイス14000自体の中、サーバ14014の中、両方の中、または任意の他の適切なハードウェアもしくはソフトウェアの中で具現化してもよい。例えば、ウェアラブルデバイス14000内に統合されたセンサの出力は、オンデバイスのセンサフュージョンアスペクト80に直接提供してもよい。センサフュージョン機能は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスの前に実行される前処理ステップによって具現化してもよい。実施形態では、センサフュージョン機能は、MUXを用いて実行してもよい。例えば、複数のセンサ14004を有する単一のウェアラブルデバイスのそれぞれは、それら複数のセンサの異なる個別のセンサを用いて記録された状態関連の測定値を結合するための独自のMUXを含んでもよい。別の例では、それぞれが1つ以上のセンサ14008を有するウェアラブルデバイスの組み合わせ内の個々のウェアラブルデバイスの一部または全部は、それらの複数のセンサの異なる個々のセンサを使用して記録された状態関連の測定値を組み合わせるための独自のMUXを含んでもよい。いくつかのそのような実施形態では、MUXは、それらのウェアラブルデバイスの内部にあってもよい。いくつかのそのような実施形態では、MUXは、それらのウェアラブルデバイスの外部にあってもよい。
実施形態では、ウェアラブルデバイス14000は、図6に示すホスト処理システム112(または任意の他の適切なホストシステム)内で制御されるか、または他の方法で接続して使用してもよい。ホスト処理システム112は、ネットワーク14010を介してローカルにアクセス可能であってもよい。あるいは、ホスト処理システム112は、リモート(例えば、クラウドコンピューティングシステムで具現化される)であってもよく、1つまたは複数のネットワークインフラストラクチャ要素(例えば、アクセスポイント、スイッチ、ルータ、サーバ、ゲートウェイ、ブリッジ、コネクタ、物理的インターフェースなど)を使用してアクセス可能であってもよく、及び/または1つまたは複数のネットワークプロトコル(例えば、IPベースのプロトコル、TCP/IP、UDP、HTTP、Bluetooth(登録商標)、Bluetooth(登録商標)、Low Energy、セルラープロトコル、LTE、2G、3G、4G、5G、CDMA、TDSM、パケットベースのプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、ブロードキャストプロトコル、マルチキャストプロトコル、ユニキャストプロトコルなど)を使用することができる。実施形態では、ウェアラブルデバイス14000を使用して記録された状態関連の測定値は、ホスト処理システム112に関して内部または外部で具現化することができるネットワークコーディングシステムまたは方法を使用して処理してもよい。例えば、ネットワークコーディングシステムは、それらの記録された状態関連の測定値を通信するためのネットワークの利用可能性に基づいて、それらの記録された状態関連の測定値を通信するための帯域幅及びスペクトルの利用可能性に基づいて、他のネットワーク特性に基づいて、またはそれらのいくつかの組み合わせに基づいて、ウェアラブルデバイス14000を使用して記録された測定値を処理することができる。
実施形態では、ウェアラブルデバイス14000を使用して記録された状態関連測定値は、上流デバイス(例えば、状態関連測定値をレビュー、分析、または他の方法で見るために使用されるクライアントデバイスまたは他のソフトウェアもしくはハードウェアの側面)によってウェアラブルデバイス14000から引き出してもよい。例えば、ウェアラブルデバイス14000は、受信した状態関連測定値を(例えば、サーバ14014、データプール14012、またはウェアラブルデバイス14000を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントで)積極的に送信しなくてもよい。むしろ、ウェアラブルデバイス14000からの状態関連測定値の送信は、ウェアラブルデバイス14000で(例えば、サーバ14014から、またはデータ収集システム102の他のハードウェアもしくはソフトウェアから)受信したコマンドによって引き起こしてもよい。例えば、環境の特定の場所内に固定されていてもよいし、環境に対して移動可能であってもよいデータ収集装置は、様々なウェアラブルデバイス14000によって記録された状態関連の測定値を引き出すように構成されていてもよい。例えば、ウェアラブルデバイス14000は、産業IoTデータ収集のために、環境内の状態関連測定値を連続的に、定期的に、またはその他の複数回で記録してもよい。データコレクタは、一定の間隔で、ランダムな時間で、またはそうでなければ、1つまたは複数のコマンドをウェアラブルデバイス14000の一部またはすべてに送信してもよい(例えば、最後に状態関連の測定値をそこから引き出したとき以降に、それらのウェアラブルデバイス14000によって記録された状態関連の測定値の一部またはすべてを引き出すため)。あるいは、データコレクタは、それらの固定された間隔で、それらのランダムな時間で、またはその他の方法で、1つまたは複数のコマンドを、ウェアラブルデバイス14000に関連付けられた集団処理心14020に送信してもよい。例えば、集団処理心14020は、ウェアラブルデバイス14000の一部または全部を使用して記録された状態関連の測定値を受信するためのハブであるか、またはそれを含んでもよい。別の例では、コマンドは、使用して処理されると、個々のウェアラブルデバイス14000またはウェアラブルデバイス14000の集合処理心14020によって、記録された状態関連測定値またはその代表的なデータをウェアラブルデバイス14000から送信させる。例えば、集団処理心14020は、ウェアラブルデバイス14000の一部または全部から状態関連測定値を引き出すように構成してもよい(例えば、一定の間隔で、ランダムな時間で、またはその他の方法で)。次に、集団処理心14020は、ウェアラブルデバイス14000から引き出された状態関連測定値を(例えば、サーバ14014、データプール14012、または状態関連測定値を受信するように選択されたもしくは別の方法で構成された他のハードウェアもしくはソフトウェアコンポーネントに)送信してもよい。
実施形態では、ウェアラブルデバイス14000を使用して記録された状態関連測定値は、それらの状態関連測定値の要求に応答して、ウェアラブルデバイス14000から送信してもよい。例えば、集団処理心14020は、一定の間隔で、ランダムな時間で、またはその他の方法で、記録された状態関連測定値の要求をウェアラブルデバイス14000の一部またはすべてに送信してもよい。要求が送信されたウェアラブルデバイス14000の一部または全部のプロセッサは、どの状態関連測定値を送信するかを決定するために、要求を処理してもよい。例えば、記録された状態関連測定値に対する最新の要求の時間を示すデータが、それらのプロセッサによってアクセスしてもよい。次に、プロセッサは、その時刻を、新たな要求が集合処理心14020から受信される時刻と比較してもよい。その後、プロセッサは、2つの時間の間に記録された状態関連測定値をデータストアに照会してもよい。その後、プロセッサは、要求に応答して、それらの状態関連測定値を送信してもよい。別の例では、プロセッサは、対応するウェアラブルデバイス14000を使用して記録された状態関連測定値の最新のセットを識別し、要求に応答してそれらの状態関連測定値を送信してもよい。別の例では、データ収集システム10内のデータ収集者は、要求をウェアラブルデバイス14000に直接送信してもよい。さらに別の例では、データ収集者は、要求を集団処理心14020に送信してもよい。集合処理心14020は、要求された状態関連測定値を記録するために使用された、選択された個々のウェアラブルデバイス14000を決定するために、要求を処理してもよい。次に、集団処理マインド14020は、例えば、それらの選択された個々のウェアラブルデバイス14000を使用して記録された状態関連測定値の一部または全部をストレージに照会することによって、要求に応答して特定の状態関連測定値を送信してもよい。あるいは、集団処理心14020は、要求を処理して、ウェアラブルデバイス14000の一部または全部によって記録された状態関連測定値のうち、どの測定値を要求に応答して送信するかを決定してもよい(例えば、要求の時間に基づいて)。例えば、集団処理心14020は、要求の時間を、記録された状態関連測定値に対する最新の要求の時間と比較することができる。そして、集団処理心14020は、それらの時間の間に記録された状態関連測定値を検索し、検索された状態関連測定値を要求に応答して送信することができる。
実施形態では、状態関連の測定値は、ウェアラブルデバイス14000から上流のデバイス(例えば、状態関連の測定値をレビュー、分析、またはその他の方法で見るために使用されるクライアントデバイスまたは他のソフトウェアもしくはハードウェアの側面)にプッシュしてもよい。例えば、ウェアラブルデバイス14000は、受信した状態関連測定値を(例えば、サーバ14014、データプール14012、またはウェアラブルデバイス14000を使用して記録された状態関連測定値を受信する任意の他の適切なハードウェアまたはソフトウェアコンポーネントに)、そのような受信ハードウェアまたはソフトウェアコンポーネントがそれらの状態関連測定値を要求することなく、またはコマンドに基づいてウェアラブルデバイスにそれらの状態関連測定値を送信させることなく、積極的に送信してもよい。例えば、ウェアラブルデバイス14000の一部または全ては、一定の間隔で、ランダムなタイミングで、それらの状態関連測定値の記録時に直ちに、それらの測定値を記録してからある程度の時間が経過してから、閾値数の状態関連測定値が記録されたと判断されたときに、または他の適切なタイミングで、状態関連測定値を送信してもよい。いくつかのそのような実施形態では、ウェアラブルデバイス14000は、それ自体で、または集団処理心14020を使用して、データ収集ルータ14014の近接を検出することに応答して、記録された状態関連測定値をプッシュしてもよい。
例えば、次に図162を参照すると、集団処理心14020は、ウェアラブルデバイス14000のうちの1つまたは複数に関して、ターゲット14024(例えば、図134に示されたデバイス13006のうちの1つまたは他の任意の適切なターゲット)の近接を検出するように構成された検出器14022を含んでもよい。例えば、そのような検出時に、集合処理心14020は、ウェアラブルデバイス14000のうちの1つまたは複数に信号を送信して、データ収集ルータ14026で受信の状態関連測定値を記録及び送信してもよい。あるいは、そのような検出時に、集団処理心14020は、データストアに問い合わせて状態関連測定値を取得し、その後、データ収集ルータ14026で受信のそれらの状態関連測定値を送信してもよい。いずれの場合も、データ収集ルータ14026は、受信した状態関連測定値をサーバ14014、データプール14012、または他の任意の適切なハードウェアまたはソフトウェアコンポーネントに転送する。別の例では、そのような検出時に、集合処理心14020は、例えば、データ収集ルータ14026を迂回するように、またはデータ収集ルータ14026が省略されている場合には、信号をサーバ14014、データプール14012、または他のハードウェアもしくはソフトウェアコンポーネントに直接送信してもよい。
次に図163を参照すると、実施形態では、集団処理心14020は省略してもよい。これらの実施形態のいくつかでは、ウェアラブルデバイス14000は、ターゲット14024の近接を検出してもよい。そのような検出の際、ウェアラブルデバイス14000は、ターゲット14024の状態関連の測定値(例えば、振動、温度、電気または磁気出力、音出力など)を記録してもよい。記録された状態関連の測定値は、ネットワーク14010を介して(例えば、データプール14012、サーバ14014、または他の適切なハードウェアまたはソフトウェアコンポーネントに)送信することができる。代替的に、記録された状態関連測定値は、例えば、ネットワーク14010が利用できない場合、またはデータ収集ルータ14026がウェアラブルデバイス14000から記録された状態関連測定値を受信及び/または前処理するように構成されている場合に、データ収集ルータ14026に送信することができる。データ収集ルータ14026は、産業IoTデータ収集のための環境全体に配置された多数のデータ収集ルータ14026のうちの1つであってもよい。例えば、データ収集ルータ14026は、ターゲット14024に対して具体的に記録された状態関連測定値を送信するように構成されたデータ収集ルータ14026であってもよい。
次に図164を参照すると、ウェアラブルデバイス14000の出力を処理するために使用されるインテリジェントシステム14028の機能性の様々な側面が開示されている。実施形態では、インテリジェントシステム14028は、認知的学習モジュール14030、人工知能モジュール14032、及び機械学習モジュール14034を含む。インテリジェントシステム14028は、追加のまたはより少ないモジュールを含んでもよい。インテリジェントシステム14028は、例えば、図161に示されたインテリジェントシステム14018またはインテリジェントシステム14016であってもよいし、他のインテリジェントシステムであってもよい。別々のモジュールとして示されているが、実施形態では、認知学習モジュール14030、人工知能モジュール14032、及び機械学習モジュール14034の一部または全部の間に重なりがあってもよい。例えば、人工知能モジュール14032は、機械学習モジュール14034を含んでいてもよい。別の例では、認知学習モジュール14030は、人工知能モジュール14032を含んでいてもよい。実施形態では、したがって、機械学習モジュール14034)がある。ウェアラブルデバイス14000は、任意の数のウェアラブルデバイスを含んでもよい。例えば、図示するように、ウェアラブルデバイス14000は、第1のウェアラブルデバイス14000A、第2のウェアラブルデバイス14000B、及びN番目のウェアラブルデバイス14000Nを含み、Nは2より大きい数である。インテリジェントシステム14028は、ウェアラブルデバイス14000A、14000B、・・・の出力を受信する。14000N.特に、インテリジェントシステム14028のモジュール14030、14032、及び14034のうちの1つまたは複数は、ウェアラブルデバイス14000A、14000B、・・・のうちの1つまたは複数によって生成され、そこから出力されるデータを受信する。14000N.ウェアラブルデバイス14000A、14000B、・・・14000Nからの出力は、例えば、14000Nは、例えば、ウェアラブルデバイス14000A、14000B、・・・を用いて記録された状態関連の測定値を含むことができる。14000N(例えば、産業IoTデータ収集のための環境内の機器の状態関連の測定値)。実施形態では、ウェアラブルデバイス14000A、14000B、・・・からの出力は、ウェアラブルデバイス14000A、14000B、・・・。14000Nは、インテリジェントシステム14028のモジュール14030、14032、及び14034の3つすべてによって処理してもよい。実施形態では、ウェアラブルデバイス14000A、14000B、・・・からの出力は。14000Nは、インテリジェントシステム14028のモジュール14030、14032、及び14034のうちの1つだけによって処理してもよい。例えば、ウェアラブルデバイス14000A、14000B、・・・14000Nからの出力を処理するために使用する、インテリジェントシステム14028のモジュール14030、14032、及び14034のうちの特定の1つは、ウェアラブルデバイス14000A、14000B、・・・14000Nからの出力に基づいて選択してもよい。14000Nは、その出力を生成するために使用されるウェアラブルデバイス、その出力を生成する際に測定された機器、その出力の値、他の選択基準などに基づいて選択してもよい。
知識ベース14036は、インテリジェントシステム14028からの出力に基づいて更新してもよい。知識ベース14036は、その環境内の機器、その環境内で実行されるタスク、その環境内でタスクを実行するスキルを有する人員などを含む、産業用IoTデータ収集の環境に関連する知識のライブラリまたは他のセットまたはコレクションを表す。インテリジェントシステム14028は、ウェアラブルデバイス14000A、14000B、・・・を使用して記録された状態関連の測定値を処理することができる。14000Nを処理して、知識ベース14036を拡張するための知識収集を容易にすることができる。例えば、インテリジェントシステム14028のモジュール14030、14032、及び14034は、知識ベース14036内の情報を更新またはその他の方法で修正するために、知識ベース14036内の既存の知識に対してそれらの状態関連の測定値を処理することができる。インテリジェントシステム14028は、インテリジェンス及び機械学習能力(例えば、機械学習モジュール14034の、または本開示の他の箇所で説明されている)を使用して、検出された状態(例えば、ウェアラブルデバイス14000によって通知された状態及び/またはトレーニングデータとして提供された状態)及び/または状態情報(例えば、状態を決定することができる機械状態認識システムによって決定された状態情報、例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、故障または診断状態を含む状態などに関連する情報)に基づいて、状態関連の測定値及び関連情報を処理することができる。これは、学習フィードバックシステムからの学習フィードバックに基づいて、入力選択及び構成を最適化することを含んでもよく、これは、トレーニングデータ(例えば、ホスト処理システムから、または、直接またはホスト処理システムからの他のデータ収集システムから)を提供することを含んでもよく、フィードバックメトリック(例えば、ホスト処理システムの分析システム内で計算される成功メトリック)を提供することを含んでもよい。ホスト処理システム、学習フィードバックシステム、データ収集システム、及び分析システムの例は、本開示の他の箇所で説明されている。したがって、インテリジェントシステム14028は、ウェアラブルデバイス14000A、14000B、・・・14000Nからの出力に基づいて、産業用IoT環境内で割り当てられ、実行されるタスクのワークフローを更新するために使用することができる。
実施形態では、インテリジェントシステム14028は、モジュール14030、14032、及び14034のいずれかの中で、またはその他の方法で、他のインテリジェンスまたは機械学習の側面を含んでもよい。例えば、インテリジェントシステム14028は、YOLO(YOU OnLY LOOK OnCE)ニューラルネットワーク、YOLO畳み込みニューラルネットワーク(CNN)、FPGA上またはFPGAから動作するように構成されたニューラルネットワークのセット、FPGA及びGPU(GRAPHICS PROCESSing UniT)ハイブリッドコンポーネント上またはGPUから動作するように構成されたニューラルネットワークのセット、ハイブリッドニューラルネットワークのためのユーザ構成可能な直列及び並列フロー(例えば、ニューラルネットワーク間の直列及び/または並列フローを、当該ニューラルネットワーク間で通信可能な出力として構成すること)、一組のハイブリッドニューラルネットワークのためのトポロジーまたはワークフローを自動的に構成するための機械学習システム(例えば、系列、並列、データフローなど)のためのトポロジーまたはワークフローを自動的に構成するための機械学習システムであって、(例えば、人間のユーザによる)手動の構成を使用してもしなくてもよい訓練データセットに基づいて、ハイブリッドニューラルネットワーク(例えば、系列、並列、データフローなど)のセットのためのトポロジーまたはワークフローを自動的に構成するための深層学習システムである。直列、並列、データフローなど)を、産業用IoTプロセス(例えば、保守、修理、サービス、故障の予測、機械、設備のシステムなどの動作の最適化など)からの成果のトレーニングデータセットに基づいて構成するための、または他の知能または機械学習の側面を持つ。
このように、実施形態では、ウェアラブルデバイス14000の出力は、インテリジェントシステム14028を使用して処理されて、知識ベース14036に追加したり、知識ベースから削除したり、その他の方法で修正したりしてもよい。例えば、知識ベース14036は、以下の情報を反映してもよい。ウェアラブルデバイス14000は、ターゲットが配置され、ウェアラブルデバイス14000が使用される産業環境内で1つまたは複数のタスクを実行するために使用することができる。ウェアラブルデバイス14000からの出力は、例えば、測定値が記録されたターゲットに関する情報、測定値が記録された時間及び/または日付、ターゲットに関する既存の状態または他の状態の情報を記述することによって、産業環境に関して発生する問題の性質に関する知識を増やすために使用することができる。ターゲットに関する問題を解決するために必要な時間に関する情報、ターゲットに関する問題を解決する方法に関する情報、問題を解決した結果、ターゲット及びそれぞれの産業環境の他の側面に対するダウンタイムの量を示す情報、問題を今すぐ解決すべきか、後で解決すべきか(または全く解決しないか)の指示などである。インテリジェントシステム14028は、その出力を処理して、既存のトレーニングデータを更新してもよい。例えば、既存のトレーニングデータは、ウェアラブルデバイス14000の出力に基づいて、ターゲットの状態を識別するための機械学習、人工知能、及び/または他の認知機能を更新するために使用することができる。
例えば、知識ベース14036は、対象または対象を含む産業環境の領域に基づいて階層的に配置された一連のデータベースまたは他のテーブルまたはグラフを含んでもよい。例えば、知識ベース14036の第1の層は、産業環境(例えば、発電所、製造施設、採掘施設など)を参照してもよい。知識ベース14036の第2の層は、産業環境内のゾーン(例えば、ゾーン1、ゾーン2など、場合によっては名前付きのゾーン)を参照してもよい。知識ベース14036の第3の層は、それらのゾーン内のターゲットを参照してもよい(例えば、電気機器を含む発電所の第1のゾーン内では、これは、オルタネータ、サーキットブレーカ、トランス、バッテリ、エキサイタなどを含むことができ、また、タービン、発電機、発電機マグネットなどを含む発電所の第2のゾーン内では、これは、オルタネータ、サーキットブレーカ、トランス、バッテリ、エキサイタなどを含むことができる)。知識ベース14036は、インテリジェントシステム14028の出力に基づいて、ユーザの手動によるデータ入力によって、またはその両方によって更新してもよい。例えば、発電所内の作業者は、1つまたは複数のウェアラブルデバイス(例えば、ウェアラブルデバイス14000)を与えられてもよい。タービンに近づくと、振動測定値を記録するためのセンサを有するウェアラブルデバイス14000の1つが、タービンが特定の速度で振動していると判断することがある。ウェアラブルデバイスの出力は、その出力をタービンの既知のデータのセットと比較するなどして、インテリジェントシステム14028によって処理される。例えば、インテリジェントシステム14028は、以下を示す知識ベース14036からその特定の発電所内のそのタービンの振動に関して記録された過去の測定値であるデータを照会することができる。次に、インテリジェントシステム14028は、ウェアラブルデバイスからの新しい出力が、知識ベース14036内のデータと一致しているか、またはそこから逸脱しているかを判断することができる。新しい出力が知識ベース内のデータから逸脱している場合、インテリジェントシステム14028は、知識ベース14036のその部分内のデータを更新して、新しい出力を反映させることができる。あるいは、知識ベース14036の更新は、例えば、逸脱した出力測定値の閾値数が記録された後まで遅らせて、誤った出力がタービンの動作理解を修正するために使用されることを防止してもよい。
本明細書では、ウェアラブルデバイスを統合した産業環境におけるデータ収集のためのシステムを開示する。本明細書で使用されるように、ウェアラブルデバイス統合は、特定の目的または一般的な目的のためにウェアラブルデバイスを使用することを指す。例えば、システムの機能または構成に関して記載されるウェアラブルデバイス統合は、例えば、図161から図164に示すように、産業用IoT環境内のデータ収集のために、ウェアラブルデバイス14000及び/またはウェアラブルデバイス14000に関連して使用されるハードウェア及び/またはソフトウェアのそのシステムによる使用を指す。このようなウェアラブルデバイスの統合は、1つまたは複数のウェアラブルデバイス14000の使用を意味する。例えば、ウェアラブルデバイス統合を含むものとして本明細書に開示されるシステムは、シャツ、ベスト、ジャケット、一対のパンツ、一対のショーツ、手袋、靴下、靴、保護アウターウェア、アンダーウェア、アンダーシャツ、タンクトップ、帽子、ヘルメット、眼鏡、ゴーグル、視覚安全アクセサリーのうちの1つ以上の統合を含むことができる。このような他のタイプのウェアラブルデバイスを含む物品(例えば、衣類及び/またはアクセサリー物品)は、マスク、チェストバンド、ベルト、リフトサポートウェア、アンテナ、リストバンド、リング、ネックレス、ブレスレット、時計、ブローチ、ネックストラップ、バックパック、フロントパック、アームパック、レッグパック、ランヤード、キーホルダー、ヘッドフォン、聴覚保護アクセサリー、イヤホン、イヤホン、またはその他のタイプのウェアラブルデバイスや物品などである。
実施形態では、ウェアラブルデバイスを統合したアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合して信号対雑音比を改善するために、マルチプレクサ上のIPフロント信号調整を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチプレクサ連続監視アラーム機能を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、ウェアラブルデバイスを統合した産業環境におけるデータ収集システムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数の入力能力と、ウェアラブルデバイスを統合した設計トポロジーを有する、産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、アナログセンサチャネル及びウェアラブルデバイスを統合したコンポーネントボードの少なくとも1つのパワーダウン能力を有する、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したトリガ及び振動入力のための独自の静電保護を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境でのデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して低速RPMと位相情報を取得するためのフェーズロックループバンドパストラッキングフィルタを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境におけるデータ収集システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したピーク検出のための別個のアナログ-デジタルコンバータにルーティングされるオートスケーリングのためのピーク検出器を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合してAAフィルタの要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合に伴うデジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するために、デルタシグマアナログ/デジタルコンバータのクロック分配器としてCPLDを使用する産業環境におけるデータ収集システムが開示されている。
実施形態では、ウェアラブルデバイスを統合して異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したカードセットにメンテナンス履歴付きの校正データをオンボードで保存する産業環境でのデータ収集システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した階層型テンプレートを使用した迅速なルート作成機能を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータ収集バンドのインテリジェントな管理を有する、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したセンサデータ分析におけるデータベース階層の使用を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したエキスパートシステムのインテリジェントデータ収集バンド及び診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した逆算定義のためのグラフィカルなアプローチを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う提案されたベアリング分析方法を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合に伴い、アナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したローカル環境におけるアナログデータの継続的な監視のための適応型スケジューリング技術を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うデータ取得パーキング機能を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した自給自足のデータ収集ボックスを有する産業環境でのデータ収集システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したSDカードストレージを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した継続的なモニタリングのための拡張されたオンボード統計機能を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した予測のための周囲騒音、局所騒音、及び振動騒音の使用を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、入力データまたはアラームに基づいてルートを変更するスマートルートを有する産業環境におけるデータ収集のためのシステムが開示され、ウェアラブルデバイスの統合による分析または相関のための動的データを同時に得ることができる。
実施形態では、ウェアラブルデバイスを統合したスマートODS及び転送機能を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した階層型マルチプレクサを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した識別感覚オーバーロードを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、RF識別と、ウェアラブルデバイスを統合した傾斜計とを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した連続的な超音波モニタリングを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したリモートのアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業システムの予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したIoTデバイスの作成、展開、及び管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した産業用データコレクタの自己組織化された群を有する、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したIoT分散型台帳を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した自己組織化コレクタを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したネットワークセンシティブなコレクタを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した遠隔組織化されたコレクタを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した振動、熱、電気、及び/または音の出力を備えた、産業用センサデータコレクタのためのウェアラブル触覚ユーザインターフェースを有する産業環境におけるデータ収集のためのシステムが開示されている。
統合において、ウェアラブルデバイスの統合によるAR/VRのための収集データを表示するヒートマップを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したデータコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した遠隔監視及び制御のための処理、通信、及びその他のITコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合して水素と酸素の成分を分離するために水源で動作する水素燃料生成電解槽を有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合した電解槽で生成された水素を貯蔵する低圧水素貯蔵システムを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合して、過去、現在、計画、及び/または予想される消費または利用可能性の何らかの尺度に基づいて、燃料調達または混合デバイスを自動的に制御する燃料制御モジュールを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合した太陽電池式水素電解槽を有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した風力発電式水素電解槽を有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した水力発電水素電解槽を有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合により、ユーザの入力や監視を必要とせずにLPG、水素、または他の燃料を動的に供給するオンデマンドのガス-LPGハイブリッドバーナを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合した熱の平面としてターゲットヒートゾーンに熱を提供する密閉されたバーナチャンバを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合したインテリジェントクックトップデバイスまたは他のIoTデバイスを制御するための接続性とローカル及びリモートコントロールを備えたスマートノブを有するインテリジェントクッキングシステムが開示されている。
実施形態では、モバイルデバイスを充電するための電力、データ通信、及びウェアラブルデバイスを統合した熱保護を備えたモバイルドッキング施設を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したクックトップのサブシステムに配置される分散型モジュールまたはコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したクックトップのサブシステムの動作を管理する集中制御設備を有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したリモートコントロール機能を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した自動化を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合して調理システムの状態を監視するための検出器及びセンサを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合した調理システムの動作を最適化するための機械学習を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したモバイルアプリケーションを有するインテリジェント調理システムが開示されている。
実施形態では、電子機器や、サプライヤー、コンテンツプロバイダ、サービスプロバイダ、規制当局などの関連エコシステムの参加者と相互作用し、ウェアラブルデバイスを統合した付加価値サービスをインテリジェントクッキングシステムのユーザ、水素製造システムのユーザ、及びエコシステムの他の参加者に提供するクラウドベースのプラットフォームを有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したユーザに推奨を提供するための推奨エンジンを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合してユーザに通知を提供するための通知エンジンを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合したユーザにロケーションベースのオファーを提供するための広告エンジンを有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した他のデバイス及びシステムの分析、監視、制御、及び操作のためにデータを提供するために、他のデバイス及びクラウドとの機械対機械またはユーザ対機械の通信を可能にするインターフェースを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合したインテリジェントクッキングシステムを中心としたネットワークに接続するコンピューティングデバイスのために、コンテキスト及びインテリジェンス駆動のパーソナライズされた体験を促進するユーザインターフェースを有するインテリジェントクッキングシステムが開示される。
実施形態では、ユーザのプロファイリング、記録または分析、装置の使用状況、保守・修理の履歴、パターンまたは故障に関するパターン、エネルギー使用パターン、調理パターン、及びウェアラブルデバイスを統合した電解槽の展開・使用・サービスのための分析を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した、食材、コンポーネント、及び材料を注文するためのコマースユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合してユーザの調理タスクを支援するための調理支援ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合して、食品の健康指標、栄養情報、栄養検索機能、栄養支援、及びパーソナライズされた提案及び推奨を提供するための健康ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合して、音楽、ビデオ、及び/またはポッドキャストを再生するためのインフォテイメントユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合した調理システムから放送される、パーソナライズされた調理チャネルを可能にするための放送ユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、ウェアラブルデバイスを統合した地域全体のスマートクックトップシステムのユーザが使用しているレシピに関するスマートクックトップとユーザアクティビティから情報を収集するための食品調査ユーティリティを有するインテリジェントクッキングシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したIoTプラットフォームを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、データ入力を受信し、ウェアラブルデバイス統合でデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した1つまたは複数のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した適応エンジンを備えたIoTデータアダプタを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージをクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する産業環境におけるデータ収集のためのシステム、及びウェアラブルデバイス統合を伴うデータソース統合及び使用指示が開示される。
実施形態では、受信した到着率及び配信成功フィードバックメッセージに基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、ウェアラブルデバイスを統合した送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用してウェアラブルデバイスの統合による冗長性メッセージのレートを調整する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、選択された冗長メッセージを決定するために使用されるエラー修正コードが、ウェアラブルデバイスを統合した損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したチャネル特性を記述した受信メッセージに基づいて、前方誤り訂正を適用する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、ウェアラブルデバイスを統合したタイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、ウェアラブルデバイスを統合してタイマーに基づく輻輳ウィンドウサイズの変更を遅延させる能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、配信順序イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、ウェアラブルデバイスを統合して配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続のエラーレートを特徴づける維持データを使用して、新しい接続を構成する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続のタイミング変動を特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続の帯域幅を特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続のラウンドトリップタイムを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続の通信制御パラメータを特徴づける維持データを使用して、新しい接続を構成する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続の前方誤り訂正パラメータを特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信システムが開示される。
実施形態では、1つまたは複数の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、ウェアラブルデバイスの統合により維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して、低遅延データパスでデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合により、低遅延データパスでデータメッセージの第1の初期サブセットを送信する能力と、その後に高遅延データパスで利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して、確認応答メッセージの第1のサブセットを低遅延データパス上で送信し、データメッセージの第2のサブセットを高遅延データパス上で送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合により、低遅延データパス上で補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した送信順序におけるメッセージの位置に基づく、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信システムが開示される。
実施形態では、メッセージの位置がウェアラブルデバイスの統合に伴って非減少するにつれて増加する、各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいて、ウェアラブルデバイスの統合によるフィードバックメッセージの受信に応答して、各メッセージに関連する冗長度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、ウェアラブルデバイスの統合を伴うフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合に伴い、データパスがメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを持つ複数の異なるデータパスのそれぞれで送信されるメッセージの数を調整する能力を有するノード間のデータ通信システムが開示されている。
実施形態では、データパスがウェアラブルデバイス統合の以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージ数を調整する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合したチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、エンコードされたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間のデータ通信システムが開示される。
実施形態では、ウェアラブルデバイスを統合して、損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うパケット送信の複合コーディング、TCP、及びペーシングを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、ウェアラブルデバイスの統合を伴うメッセージパケットのオーバーラップするグループにまたがるコーディングを有する前方誤り訂正コード構築を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、遅延ベースのバックオフと安定したウィンドウ増加機能を組み合わせたTCPのバリアントを有するノード間のデータ通信システムが、ウェアラブルデバイスの統合とともに開示される。
次に、産業用IoTデータ収集のための環境内でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステム及び方法を、図165から図167に関して説明する。最初に図165を参照すると、データ収集システムは、産業用IoTデータ収集のための環境内でモバイルデータ収集者として動作するように構成された1つまたは複数のモバイルロボット及び/またはモバイルビークルを含むことができる。例えば、1つまたは複数のモバイルロボット及び/またはモバイルビークルは、産業用IoTデータ収集、監視及び制御システム10にデータを送信し、データを受信し、コマンドを送信し、コマンドを受信し、制御下にあり、制御を通信し、またはその他の方法で通信してもよい。本明細書では、1つ以上のモバイルデータ収集器がそこに統合されたモバイルロボット、1つ以上のモバイルデータ収集器がそこに統合されたモバイルビークル、1つ以上のモバイルデータ収集器がそれに結合されたモバイルロボット、及び1つ以上のモバイルデータ収集器がそれに結合されたモバイルビークルを含む、モバイルロボット及び/またはモバイルビークルを使用したデータ収集のための方法及びシステムが開示される。本明細書では、「モバイルロボット」という用語は、ロボットアーム、アンドロイドロボット、小型または大型の自律型ロボット、遠隔操作型ロボット、プログラム可能に構成されたロボット、またはその他のロボット機構を指すことがあるが、これらに限定されない。モバイルデータコレクタが組み込まれた、またはモバイルデータコレクタが結合されたモバイルロボットの例には、限定されるものではないが、前述のタイプのモバイルロボットのいずれかを含む。本明細書で使用される場合、「移動体」という用語は、大型機械(例えば、土木機械)、大型オンロード産業用車両、大型オフロード産業用車両、様々な環境で展開される産業用機械(例えば、タービン、ターボ機械、発電機、ポンプ、プーリーシステム、マニホールド、バルブシステムなど)、土木機械、地固め機械、運搬機械、巻上げ機械、搬送機械、骨材製造機械、コンクリート建設に使用される機械、杭打ち機械、建設機械(例、掘削機、バックホー、ローダー、ブルドーザー、スキッドステアローダー、トレンチャー、モーターグレーダー、モータースクレーパー、クローラーローダー、ホイールローディングショベル、ダンプカー、タンクローリー、ティッパー、トレーラー、トンネル・ハンドリング装置、ロードローラー、コンクリートミキサー、ホットミックスプラント、道路製造機(コンパクターなど)、ストーンクラッシャー、ホットミックスプラントなどである。道路ローラー、コンクリートミキサー、ホットミックスプラント、道路製造機(コンパクターなど)、砕石機、舗装機、スラリーシール機、吹付機、左官機、大型ポンプなど)、マテリアルハンドリング機器(クレーン、コンベア、フォークリフトなど)。クレーン、コンベア、フォークリフト、ホイストなど)、人員輸送用車両(自動車、トラック、カート、水上バイク、航空機など)、無人車両(ドローンなどの自律型航空機、自律型水上バイク、自律型自動車やトラックなど)、その他の車両(例えば、大きさ、目的、モータの使用の有無を問わない)などが挙げられる。モバイルデータコレクタが統合することができる、またはモバイルデータコレクタが結合することができるモバイルビークルの例には、限定されないが、任意の適切なモバイルビークルが含まれる。特定の形態にかかわらず、本開示によるモバイルロボットまたはモバイルビークルは、産業IoTデータ収集のために環境の状態関連測定値を記録するためのセンサであるか、またはそれを含む1つ以上のモバイルデータコレクタを含む。例えば、本開示に記載されたモバイルデータコレクタの1つまたは複数のセンサは、産業用IoT環境内の機器に関する状態を測定することができ、または産業用IoT環境自体に関する状態を測定することができる。モバイルロボットまたは移動体の中に統合され、かつ/または移動体に結合することができるモバイルデータコレクタの例には、限定されないが、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、パーソナルデジタルアシスタント、ウォーキートーキー、ラジオ、長距離または短距離通信デバイス、懐中電灯などが含まれる。モバイルロボットまたはモバイルビークル内に統合された、及び/またはモバイルロボットまたはモバイルビークルに結合されたモバイルデータコレクタのセンサは、振動、温度、電気出力、磁気出力、音出力、または産業IoT環境内のターゲットの、またはターゲットに関連するその他の出力のうちの1つ以上を測定してもよい。
実施形態では、モバイルデータコレクタの群14038は、多数のモバイルロボット及び/またはモバイルビークルを含む。群14038のモバイルロボット及び/またはモバイルビークルは、産業IoT環境に固有のモバイルロボット及び/またはモバイルビークルであってもよいし、異なる場所から産業IoT環境に持ち込まれたモバイルロボット及び/またはモバイルビークルであってもよい。図165に示すように、群14038は、1つ以上のモバイルデータコレクタがそこに統合されたモバイルロボット14040、1つ以上のモバイルデータコレクタがそこに統合されたモバイルビークル14042、1つ以上のモバイルデータコレクタがそれに結合されたモバイルロボット14044、及び1つ以上のモバイルデータコレクタがそれに結合されたモバイルビークル14046を含む、異なるタイプのモバイルロボット及び/またはモバイルビークルを含んでもよい。実施形態では、移動ロボットまたは移動車両の典型的な動作中に移動ロボットまたは移動車両から移動データコレクタを取り外すと、移動ロボットまたは移動車両の原則的な動作に支障をきたす場合に、移動データコレクタが移動ロボットまたは移動車両内に統合される。実施形態では、モバイルデータコレクタは、モバイルデータコレクタがモバイルロボットまたはモバイルビークルの原則的な動作に重大な混乱をきたすことなくモバイルロボットまたはモバイルビークルから取り外されるか、またはそうでなければ切り離されることができる場合に、モバイルロボットまたはモバイルビークルに結合される。
モバイルデータコレクタ群14038のモバイルロボット及びモバイルビークルは、ターゲット14048(例えば、図118に示すターゲット1202、または任意の他の適切なターゲット)からデータを収集する。実施形態では、モバイルデータコレクタがターゲット14048から収集したデータは、データプール14050(例えば、図118に示すデータプール14012)に格納することができる。例えば、ターゲット14048は、機械、パイプライン、機器、設置物、ツール、車両、タービン、スピーカー、レーザ、オートマトン、コンピュータ機器、産業機器、スイッチなどの1つ以上であってもよいし、それらを含んでいてもよい。
群14038の異なるモバイルロボット及び/またはモバイルビークルは、ターゲット14048の一部または全部の特定のタイプの状態関連測定値を記録するように構成してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルのうちのいくつかは、ターゲット14048のうちのいくつかまたはすべてに関して測定された振動に基づいて状態関連測定値を記録するように構成してもよい。別の例では、群14038のモバイルロボット及び/またはモバイルビークルのうちのいくつかは、ターゲット14048の一部またはすべてに関して測定された温度に基づいて、状態関連測定値を記録するように構成してもよい。別の例では、群14038のモバイルロボット及び/またはモバイルビークルのうちのいくつかは、ターゲット14048のうちのいくつかまたはすべてに関して測定された電気または磁気出力に基づいて状態関連測定値を記録するように構成してもよい。別の例では、群14038のモバイルロボット及び/またはモバイルビークルのうちのいくつかは、ターゲット14048のうちのいくつかまたはすべてに関して測定された音出力に基づいて、状態関連測定値を記録するように構成してもよい。別の例では、群14038のモバイルロボット及び/またはモバイルビークルのうちのいくつかは、ターゲット14048のうちのいくつかまたはすべてに関して測定された、振動、温度、電気または磁気、または音以外の出力に基づいて、状態関連測定値を記録するように構成してもよい。
代替的に、または追加的に、群14038の異なるモバイルロボット及び/またはモバイルビークルは、特定のタイプのターゲット14048の一部またはすべての状態関連測定値を記録するように構成してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルのうちのいくつかは、撹拌機(例えば、タービン撹拌機)、機体制御面振動装置、触媒反応器、圧縮機などの一部またはすべての状態関連測定値を記録するように構成してもよい。別の例では、群14038のモバイルロボット及び/またはモバイルビークルの一部は、コンベア及びリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム、モータなどからの一部またはすべての状態関連測定値を記録するように構成してもよい。別の例では、群14038のモバイルロボット及び/またはモバイルビークルの一部は、パイプライン、電気パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボット組み立てシステム、熱的加熱システム、トラック、伝送システム、タービンなどから一部またはすべての状態関連測定値を記録するように構成してもよい。実施形態では、群14038のモバイルロボット及び/またはモバイルビークルは、特定のタイプの産業環境の一部またはすべての状態関連の測定値を記録するように構成してもよい。例えば、群14038の移動ロボット及び/または移動車両を用いて測定された状態を有するターゲットを有する産業環境は、製造環境、化石燃料エネルギー生産環境、航空宇宙環境、採掘環境、建設環境、船舶環境、海運環境、潜水艦環境、風力エネルギー生産環境、水力エネルギー生産環境、原子力エネルギー生産環境、石油掘削環境、石油パイプライン環境、その他の適切なエネルギー製品環境、その他の適切なエネルギーのルーティングや伝送環境、その他の適切な産業環境、工場、飛行機などの航空機、流通環境、エネルギー源の抽出環境、海洋探査サイト、水中探査サイト、組立ライン、倉庫、発電環境、有害廃棄物環境などを含んでもよいが、これらに限定されない。
群14038は、群14038内のモバイルロボットまたはモバイルビークルに自己組織化を行わせるための自己組織化システム14052を含む(例えば、産業用IoT環境内でのデータ収集動作中)。実施形態では、群14038を含むデータ収集システム(例えば、データ収集システム1204または任意の他の適切なデータ収集システム)は、データ収集システムのコンポーネントのいずれかでまたはそれによって実行することができる自己組織化機能を含むことができる。実施形態では、群14038の移動ロボットまたは移動車両は、他の構成要素からの支援なしに、例えば、その関連するセンサによって感知されたデータ及び他の知識に基づいて、自己組織化することができる。実施形態では、ネットワーク14010は、他のコンポーネントからの支援なしに、かつ、例えば、モバイルロボット及び/またはモバイルビークルによって感知されたデータ、または他の知識に基づいて、自己組織化のためにアクセスすることができる。任意の組み合わせまたはハイブリッド型の自己組織化システムも具現化することができることを理解すべきである。例えば、データ収集システムは、産業用IoT環境において自己組織化機能を有するデータ収集のための様々な方法またはシステムを実行または可能にすることができる。これらの方法及びシステムは、例えば、群14038のモバイルロボット及び/またはモバイルビークルにおけるセンサから受信された、またはセンサによって感知された、複数のセンサ入力を分析することを含むことができる。また、これらの方法及びシステムは、受信したデータをサンプリングし、以下の少なくとも1つを自己組織化することを含むことができる。(i)データの保存動作(例えば、データプール14050に関する)、(ii)複数のセンサ入力を提供するセンサの収集動作、及び(iii)複数のセンサ入力の選択動作など。
実施形態では、自己組織化システム14052は、群14038の2つ以上のモバイルロボット及び/またはモバイルビークルを集合的に組織化するために使用することができる。あるいは、自己組織化システム14052は、群14038の個々のモバイルロボット及び/またはモバイルビークルを組織化するために使用することができる。例えば、自己組織化システム14052は、異なる領域、セクション、またはその他の中で、群14038のモバイルロボット及びモバイルビークルのそれぞれの横断を制御することができる。実施形態では、ターゲット14048の一部または全部のデータを収集するが、群14038に含まれない、そこに統合された1つまたは複数のモバイルデータ収集器を有する他のモバイルロボット、そこに統合された1つまたは複数のモバイルデータ収集器を有する他のモバイルビークル、それに結合された1つまたは複数のモバイルデータ収集器を有する他のモバイルロボット、及び/またはそれに結合された1つまたは複数のモバイルデータ収集器を有する他のモバイルビークルが存在してもよい。そのような他のモバイルロボット及び/または他のモバイルビークルは、個別に(例えば、自己組織化システム14052の外部で)制御してもよい。
実施形態では、群14038は、ネットワーク14010または任意の他の適切な通信メカニズムを介してそれらの記録された状態関連の測定値を送信する前に、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連の測定値を処理するインテリジェントシステム14054を含んでもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルの一部または全部は、それによって記録された状態関連測定値を分析するために、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを統合してもよい。実施形態では、群14038のモバイルロボット及び/またはモバイルビークルのインテリジェントシステム14054による処理は、産業用IoTデータ収集・監視・制御システム10の前処理ステップ内であってもよいし、表現してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルの特定のタイプは、冗長な情報、無関係な情報、または重要でない情報を識別するために、記録された状態関連の測定値の前処理を選択的に実行してもよい。別の例では、群14038の特定のタイプのモバイルロボット及び/またはモバイルビークルは、冗長な情報、無関係な情報、または重要でない情報を識別するように、記録された状態関連の測定値の前処理を自動化された方法で行ってもよい。別の例では、前処理は、記録された状態関連測定値を前処理するために(例えば、冗長な情報、無関係な情報、または重要でない情報を識別するために)、群14038のモバイルロボット及び/またはモバイルビークルのいずれかによって記録された特定のタイプの状態関連測定値に対して選択的に実行してもよい。別の例では、前処理は、記録された状態関連の測定値を前処理する(例えば、冗長な情報、無関係な情報、または重要でない情報を識別する)ために、群14038のモバイルロボット及び/またはモバイルビークルのいずれかによって記録された特定のタイプの状態関連の測定値に対して自動化してもよい。
実施形態では、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連の測定値は、外部ネットワークを必要とせずに、(例えば、図307に関して説明したように)ネットワーク14010を介して利用できるようにしてもよい。ネットワーク14010は、MANET(例えば、図に示すMANET20または他の任意の適切なMANET)、インターネット(例えば、図3に示すインターネット110または他の任意の適切なインターネット)、または他の任意の適切なタイプのネットワーク、またはそれらの任意の組み合わせである。例えば、ネットワーク14010は、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連の測定値を受信するために使用してもよい。そして、ネットワーク14010は、それらの受信した状態関連の測定値の一部または全部を、データ収集システム102の他のコンポーネントに送信するために使用してもよい。例えば、ネットワーク14010は、それらの受信した状態関連の測定値を保存するために、データプール14050(例えば、図2に示すデータプール60または他の任意の適切なデータプール)にそれらの受信した状態関連の測定値の一部または全部を送信するために使用してもよい。別の例では、ネットワーク14010は、受信した状態関連測定値の一部または全部を、産業IoTデータ収集のための環境のサーバ14056(例えば、図161に示すサーバ14014、または任意の他の適切なサーバ)に送信するために使用してもよい。サーバ14056は、1つまたは複数のハードウェアまたはソフトウェアサーバの側面を含んでもよい。例えば、受信した状態関連測定値が送信されるサーバ14056は、受信した状態関連測定値を処理するためのインテリジェントシステム14058を含んでもよい。インテリジェントシステム14058は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを使用して、受信された状態関連の測定値を処理して、受信された状態関連の測定値内の情報または他の方法で関連する情報を識別してもよい。実施形態では、受信した状態関連の測定値を処理した後、受信した状態関連の測定値が送信されるサーバ14056は、処理された情報または処理された情報を示すデータを、他のシステムに(例えば、記憶または分析のために)送信してもよい。実施形態では、サーバ14056からの処理された情報を示すデータは、例えば、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスの出力または他の結果を含んでもよい。
実施形態では、群14038のモバイルロボットまたはモバイルビークルは、コンピュータビジョンシステムを含むか、さもなければコンピュータビジョン機能を含むことができる。例えば、モバイルロボットまたはモバイルビークルのコンピュータビジョン機能は、画像センシングを使用して多軸空間内のオブジェクトを識別するように構成されたハードウェア及びソフトウェアを含むことができる。実施形態では、移動ロボット内または移動車両内のコンピュータビジョン機能性は、移動ロボットまたは移動車両の通常の動作中にターゲット14048の可視状態を観察するための機能性を含むことができる。実施形態では、移動ロボットまたは移動車両のコンピュータビジョン機能によって処理されたデータは、インテリジェントシステム14054に入力することができる(例えば、ターゲット14048及び/またはターゲット14048を含む環境のさらなる処理及び学習のため)。
実施形態では、群14038のモバイルロボット及び/またはモバイルビークルの一部またはすべてが、センサフュージョン機能を含んでもよい。例えば、センサフュージョン機能は、オンデバイスセンサフュージョン80として具現化してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルの1つ以上の複数のアナログセンサ(例えば、図4に示す複数のアナログセンサ82または任意の他の適切なセンサ)を使用して記録された状態関連の測定値は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを使用して、ローカルまたはリモートで処理されてもよく、これらは、群14038のモバイルロボット及び/またはモバイルビークル自体、サーバ14056、またはその両方の中で具現化してもよい。実施形態では、センサフュージョン機能は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスの前に実行される前処理ステップによって具現化してもよい。実施形態では、センサフュージョン機能は、MUXを用いて実行してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルのそれぞれは、それらの複数のセンサのうちの個々のセンサを用いて記録された状態関連の測定値を結合するための独自のMUXを含んでもよい。いくつかのそのような実施形態では、MUXは、群14038のモバイルロボット及び/またはモバイルビークルの内部にあってもよい。そのようないくつかの実施形態では、MUXは、群14038のモバイルロボット及び/またはモバイルビークルの外部にあってもよい。
実施形態では、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連測定値は、上流デバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で表示するために使用されるクライアントデバイスまたは他のソフトウェアもしくはハードウェアの側面)によって、モバイルロボット及び/またはモバイルビークルから引き出してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルは、受信した状態関連測定値を(例えば、サーバ14056、データプール14050、または群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントで)積極的に送信しなくてもよい。むしろ、モバイルロボット及び/または群14038のモバイルビークルからの状態関連測定値の送信は、モバイルロボット及び/または群14038のモバイルビークルで(例えば、サーバ14056から、またはデータ収集システム102の他のハードウェアもしくはソフトウェアから)受信したコマンドによって引き起こしてもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルのいずれかのデータ収集装置は、そのモバイルロボットまたはモバイルビークルを使用して記録された状態関連の測定値を引き出すように構成してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルは、産業IoTデータ収集のために、環境内の状態関連の測定値を連続的、定期的、またはその他の複数回で記録してもよい。データコレクタは、一定の間隔で、ランダムな時間で、またはそうでなければ、例えば、最後に状態関連の測定値が引き出されたとき以降に、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連の測定値の一部またはすべてをそこから引き出すために、群14038のモバイルロボット及び/またはモバイルビークルの一部またはすべてに、1つまたは複数のコマンドを送信してもよい。別の例では、コマンドは、個々のモバイルロボット及び/または群14038のモバイルビークルを使用して処理されると、記録された状態関連測定値またはその代表的なデータを、モバイルロボット及び/または群14038のモバイルビークルから送信させる。
実施形態では、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連測定値は、それらの状態関連測定値の要求に応答して、群14038のモバイルロボット及び/またはモバイルビークルから送信してもよい。例えば、自己組織化システム14052は、一定の間隔で、ランダムな時間で、またはその他の方法で、記録された状態関連の測定値の要求を、群14038のモバイルロボット及び/またはモバイルビークルの一部またはすべてに送信してもよい。要求が送信された群14038の一部または全部のモバイルロボット及び/またはモバイルビークルのプロセッサは、どの状態関連測定値を送信するかを決定するために、要求を処理してもよい。例えば、記録された状態関連測定値に対する最新の要求の時間を示すデータが、それらのプロセッサによってアクセスしてもよい。次に、プロセッサは、その時刻を、自己組織化システム14052から新たな要求を受信した時刻と比較してもよい。次に、プロセッサは、2つの時間の間に記録された状態関連の測定値をデータストアに照会してもよい。その後、プロセッサは、要求に応答して、それらの状態関連の測定値を送信してもよい。別の例では、プロセッサは、状態関連の測定値の最新のセットを識別してもよい。また、対応するモバイルロボット及び/または群14038のモバイルビークルを使用して記録された、それらの状態関連の測定値を、要求に応答して送信してもよい。別の例では、データ収集システム10内のデータ収集者は、要求を群14038のモバイルロボット及び/またはモバイルビークルに直接送信してもよい。さらに別の例では、群14038のモバイルロボット及び/またはモバイルビークルは、要求を自己組織化システム14052に送信してもよい。自己組織化システム14052は、要求された状態関連測定値を記録するために使用された、群14038の個々のモバイルロボット及び/またはモバイルビークルの選択を決定するために、要求を処理してもよい。実施形態では、集団処理マインド14020は、次に、例えば、それらの選択された個々のモバイルロボット及び/または群14038のモバイルビークルを使用して記録された状態関連測定値の一部または全部をストレージに照会することによって、要求に応答して特定の状態関連測定値を送信してもよい。あるいは、自己組織化システム14052は、要求を処理して、群14038の一部または全部のモバイルロボット及び/またはモバイルビークルによって記録された状態関連測定値のうち、どの測定値を要求に応答して送信するかを決定してもよい(例えば、要求の時刻に基づく)。例えば、自己組織化システム14052は、要求の時間を、記録された状態関連測定値に対する最新の要求の時間と比較することができる。そして、自己組織化システム14052は、それらの時間の間に記録された状態関連測定値を検索し、検索された状態関連測定値を、要求に応答して送信することができる。
実施形態では、群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連の測定値は、上流のデバイス(例えば、状態関連の測定値をレビュー、分析、またはその他の方法で見るために使用されるクライアントデバイスまたは他のソフトウェアもしくはハードウェアの側面)にプッシュしてもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルは、受信した状態関連測定値を(例えば、サーバ14056、データプール14050、または群14038のモバイルロボット及び/またはモバイルビークルを使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントで)、そのような受信ハードウェアまたはソフトウェアコンポーネントがそれらの状態関連測定値を要求することなく、またはその他の方法でコマンドに基づいてモバイルロボットまたはモバイルビークルにそれらの状態関連測定値を送信させることなく、積極的に送信してもよい。例えば、群14038のモバイルロボット及び/またはモバイルビークルの一部または全部は、一定の間隔で、ランダムなタイミングで、それらの状態関連測定値の記録時に直ちに、それらの測定値を記録してからある程度の時間が経過した後に、閾値数の状態関連測定値が記録されたと判定された時に、または他の適切なタイミングで、状態関連測定値を送信してもよい。いくつかのそのような実施形態では、群14038のモバイルロボット及び/またはモバイルビークルは、それ自体で、または自己組織化システム14052を使用して、データ収集ルータ14062の近辺を検出することに応答して、記録された状態関連測定値をプッシュしてもよい。
例えば、次に図166を参照すると、モバイルロボットまたはモバイルビークル14060(例えば、1つまたは複数のモバイルデータ収集器が組み込まれたモバイルロボット14040、1つまたは複数のモバイルデータ収集器が組み込まれたモバイルビークル14042のうちの1つまたは複数)によるターゲット14048の検出時に群14038の、それに統合された1つまたは複数のモバイルデータコレクタを有するモバイルロボット14040、それに統合された1つまたは複数のモバイルデータコレクタを有するモバイルビークル14042、それに結合された1つまたは複数のモバイルデータコレクタを有するモバイルロボット14044、またはそれに結合された1つまたは複数のモバイルデータコレクタを有するモバイルビークル14046のうちの1つまたは複数)がターゲット14048を検出すると、モバイルロボットまたはモバイルビークル14060は、ターゲット14048の状態関連測定値(例えば、振動、温度、電気または磁気出力、音出力など)を記録する。記録された状態関連の測定値は、ネットワーク14010を介して(例えば、データプール14050、サーバ14056、または別のハードウェアまたはソフトウェアコンポーネントに)送信することができる。代替的に、記録された状態関連測定値は、例えば、ネットワーク14010が利用できない場合、またはデータ収集ルータ14062がモバイルロボットまたは移動体14060から記録された状態関連測定値を受信及び/または前処理するように構成されている場合に、データ収集ルータ14062に送信することができる。データ収集ルータ14062は、産業IoTデータ収集のために環境全体に配置された多数のデータ収集ルータ14062のうちの1つであってもよい。例えば、データ収集ルータ14062は、ターゲット14048に対して特に記録された状態関連測定値を送信するように構成されたデータ収集ルータ14062であってもよい。
次に図167を参照すると、群14038のモバイルロボット及び/またはモバイルビークルの出力を処理するために使用されるインテリジェントシステム14064の機能性の様々な側面が開示されている。実施形態では、インテリジェントシステム14064は、認知学習モジュール14066、人工知能モジュール14068、及び機械学習モジュール14070を含んでもよい。知的システム14064は、追加のまたはより少ないモジュールを含んでもよい。インテリジェントシステム14064は、例えば、図165に示されたインテリジェントシステム14054またはインテリジェントシステム14058、あるいは、他の適切なインテリジェントシステムであってもよい。別々のモジュールとして示されているが、実施形態では、認知学習モジュール14066の一部または全部の間に重複があってもよく、人工知能モジュール14068と、機械学習モジュール14070とを含む。例えば、人工知能モジュール14068は、機械学習モジュール14070を含んでもよい。別の例では、認知学習モジュール14066は、人工知能モジュール14068(及び、実施形態では、したがって、機械学習モジュール14070)を含んでもよい。群れ14038は、任意の数のモバイルロボット及び/またはモバイルビークルを含んでもよい。例えば、図示されているように、群14038は、第1の移動ロボットまたは第1の移動車両14060A、第2の移動ロボットまたは第2の移動車両14060B、及びN番目の移動ロボットまたはN番目の移動車両14060Nを含み、Nは2より大きい数である。インテリジェントシステム14064は、移動ロボットまたは移動車両14060A、14060B、・・・14060Nの出力を受信する。特に、インテリジェントシステム14064のモジュール14066、14068、及び14070のうちの1つまたは複数は、移動ロボットまたは移動車両14060A、14060B、・・・のうちの1つまたは複数によって生成され、そこから出力されるデータを受信する。14060N.移動ロボットまたは移動車両14060A、14060B、・・・からの出力は、例えば、移動ロボットまたは移動車両14060A、14060B、・・・14060Nからの出力である。14060Nは、例えば、移動ロボットまたは移動車両14060A、14060B、・・・を用いて記録された状態関連の測定値を含んでもよい。14060N、(例えば、産業IoTデータ収集のための環境内の機器の状態関連の測定値)。実施形態では、モバイルロボットまたはモバイルビークル14060A、14060B、・・・14060Nからの出力は、すべてのモバイルロボットまたはモバイルビークル14060A、14060B、・・・。14060Nは、インテリジェントシステム14064のモジュール14066、14068、及び14070の3つすべてによって処理してもよい。実施形態では、移動式ロボットまたは移動式車両14060A、14060B、・・・14060Nからの出力は、インテリジェントシステム14064のモジュール14066、14068、14070のすべてによって処理してもよい。14060Nは、インテリジェントシステム14064のモジュール14066、14068、及び14070のうちの1つだけによって処理してもよい。例えば、移動ロボットまたは移動車両14060A、14060B、・・・からの出力を処理するために使用する、インテリジェントシステム14064のモジュール14066、14068、及び14070のうちの特定の1つは、その出力を生成するために使用される移動ロボット及び/または移動車両、機器に基づいて選択してもよい。14060Nは、その出力を生成するために使用される移動ロボット及び/または移動車両、その出力を生成する際に測定された機器、出力の値、その他の選択基準などに基づいて選択してもよい。
知識ベース14036(例えば、図164に関して説明したもの)は、インテリジェントシステム14064からの出力に基づいて更新してもよい。知識ベース14036は、その環境内の機器、その環境内で実行されるタスク、その環境内でタスクを実行するスキルを有する人員などを含む、産業用IoTデータ収集の環境に関連する知識のライブラリまたは他のセットまたはコレクションを表す。インテリジェントシステム14064は、モバイルロボットまたはモバイルビークル14060A、14060B、・・・を使用して記録された状態関連の測定値を処理することができる。14060Nは、知識ベース14036を拡張するための知識収集を容易にするためのものである。例えば、インテリジェントシステム14064のモジュール14066、14068、及び14070は、知識ベース14036内の情報を更新またはその他の方法で修正するために、知識ベース14036内の既存の知識に対してそれらの状態関連の測定値を処理することができる。インテリジェントシステム14064は、インテリジェンス及び機械学習能力(例えば、機械学習モジュール14070の、または本開示の他の箇所で説明されている)を使用して、検出された状態(例えば、群14038のモバイルロボット及び/またはモバイルビークルによって通知された状態、及び/またはトレーニングデータとして提供された状態)及び/または状態情報(例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、故障または診断状態を伴う状態などに関連する状態を決定することができる機械状態認識システムによって決定される状態情報)。これは、学習フィードバックシステムからの学習フィードバックに基づいて、入力の選択及び構成を最適化することを含む場合があり、学習データ(例えば、ホスト処理システムから、または直接またはホスト処理システムからの他のデータ収集システムから)を提供することを含む場合があり、フィードバックメトリクス(例えば、ホスト処理システムの分析システム内で計算される成功メトリクス)を提供することを含む場合がある。学習フィードバックシステム、データ収集システム、及び分析システムの例は、本開示の他の場所で説明されている。したがって、インテリジェントシステム14064は、モバイルロボットまたはモバイルビークル14060A、14060B、・・・14060Nからの出力に基づいて、産業用IoT環境内で割り当てられ、実行されるタスクのワークフローを更新するために使用することができる。
実施形態では、インテリジェントシステム14064は、モジュール14066、14068、及び14070のいずれかの中で、またはその他の方法で、他のインテリジェンスまたは機械学習の側面を含んでもよい。例えば、インテリジェントシステム14064は、YOLOニューラルネットワーク、YOLO CNN、FPGA上またはFPGAから動作するように構成されたニューラルネットワークのセット、FPGA及びGPUのハイブリッドコンポーネント上またはGPUから動作するように構成されたニューラルネットワークのセット、ハイブリッドニューラルネットワークのためのユーザが構成可能な直列及び並列フロー(例えば、ニューラルネットワーク間の直列及び/または並列フローを、当該ニューラルネットワーク間で通信可能な出力として構成すること)、一組のハイブリッドニューラルネットワークのトポロジーまたはワークフローを自動的に構成するための機械学習システム(例.系列、並列、データフローなど)のためのトポロジーまたはワークフローを自動的に構成するための機械学習システムであって、(例えば、人間のユーザによる)手動の構成を使用してもしなくてもよい訓練データセットに基づいて、ハイブリッドニューラルネットワーク(例えば、系列、並列、データフローなど)のセットのためのトポロジーまたはワークフローを自動的に構成するための深層学習システムである。直列、並列、データフローなど)を、産業用IoTプロセス(例えば、保守、修理、サービス、故障の予測、機械、設備のシステムなどの動作の最適化など)からの成果のトレーニングデータセットに基づいて構成するための、または他の知能または機械学習の側面を持つ。
このように、実施形態では、群14038のモバイルロボット及び/またはモバイルビークルの出力は、インテリジェントシステム14054を使用して処理されて、知識ベース14036に追加したり、知識ベースから削除したり、その他の方法で修正したりしてもよい。例えば、知識ベース14036は、ターゲットが配置され、かつ群14038のモバイルロボット及び/またはモバイルビークルが使用される産業環境内で1つまたは複数のタスクを実行するために使用する情報を反映してもよい。したがって、群14038のモバイルロボット及び/またはモバイルビークルからの出力は、例えば、測定値が記録されたターゲットに関する情報、測定値が記録された時間及び/または日付、ターゲットに関する既存の状態または他の状態の情報を記述することによって、産業環境に関して発生する問題の性質に関する知識を増やすために使用することができる。ターゲットに関する問題を解決するために必要な時間に関する情報、ターゲットに関する問題を解決する方法に関する情報、問題を解決した結果、ターゲット及びそれぞれの産業環境の他の側面に対するダウンタイムの量を示す情報、問題を今すぐ解決すべきか、後で解決すべきか(または全く解決しないか)の指示などである。インテリジェントシステム14054は、その出力を処理して、既存のトレーニングデータを更新してもよい。例えば、既存のトレーニングデータは、群14038のモバイルロボット及び/またはモバイルビークルの出力に基づいて、ターゲットの状態を識別するための機械学習、人工知能、及び/または他の認知機能を更新するために使用することができる。
例えば、知識ベース14036は、ターゲットまたはターゲットを含む産業環境の領域に基づいて階層的に配置された一連のデータベースまたは他のテーブルまたはグラフを含んでもよい。例えば、知識ベース14036の第1の層は、産業環境(例えば、発電所、製造施設、鉱業施設など)を参照してもよい。知識ベース14036の第2の層は、産業環境内のゾーン(例えば、ゾーン1、ゾーン2など、場合によっては名前付きのゾーン)を参照してもよい。知識ベース14036の第3の層は、それらのゾーン内のターゲットを参照してもよい(例えば、電気機器を含む発電所の第1のゾーン内では、これは、オルタネータ、サーキットブレーカ、トランス、バッテリ、エキサイタなどを含むことができ、また、タービン、発電機、発電機マグネットなどを含む発電所の第2のゾーン内では、これは、オルタネータ、サーキットブレーカ、トランス、バッテリ、エキサイタなどを含むことができる)。知識ベース14036は、インテリジェントシステム14054の出力に基づいて、手動のユーザデータ入力によって、またはその両方によって更新することができる。
例えば、群14038の移動式ロボット及び/または移動式車両は、燃料材料(例えば、石炭、天然ガスなど)及び/または非燃料材料(例えば、石、砂、砂利、金、銀など)を採掘及び/または処理するために使用される採掘施設内の異なる場所(例えば、ゾーン)を監視または他の方法でトラバースするために展開してもよい。移動ロボットは、鉱物破砕機械が動作している第1のゾーンを横断するように配備されてもよく、移動車両は、地下鉱山機械が動作している第2のゾーンを横断するように配備してもよい。移動ロボットは、第1ゾーン内の鉱石破砕機の動作温度、第1ゾーンの鉱石破砕機周辺の温度などを測定してもよい。移動ロボットは、例えば、鉱物破砕機械の一部または全部から出力される音の測定値を記録することによって、鉱物破砕機械から出力される音をさらに測定してもよい。モバイルロボットは、知識ベース14036に格納されたデータに対してインテリジェントシステム14054によって処理されたときに、温度が危険なレベルにあることを示す温度測定値を記録した場合に、鉱物破砕機械の1つに関して過熱の問題を検出することができる。移動ロボットは、その機械の場所に留まり、ある期間にわたって(例えば、一定の間隔などで)新たな温度測定値を記録して、その機械が実際に危険な高温で動作しているかどうかを判断するように指示してもよい。知的システム14054が、最初の高温測定値が機械の動作温度を代表していないことを検出した場合、知的システム14054は、誤った測定値を反映するように知識ベース14036を更新しないか、代わりに、そのような温度測定値が危険な状態を表さない可能性があることを反映するように知識ベース14036を更新してもよい。
移動車両は、地下採掘装置に関する振動出力を測定してもよい。移動体の出力は、インテリジェントシステム14054を使用して処理されて、知識ベース14036内のデータと一致しているか、またはそこから逸脱しているかを判断してもよい。移動体の出力が知識ベース内のデータから逸脱する場合、インテリジェントシステム14054は、知識ベース14036のその部分内のデータを更新して、移動体の出力を反映させることができる。インテリジェントシステム14054は、また、またはその代わりに、移動車両に、そのゾーンに位置する人員に警告するために、(例えば、光、音、またはその両方を用いて)警報を発するようにさせることができる。例えば、インテリジェントシステム14054は、移動体の出力が、例えば、潜在的な地下陥没に関連する危険な状態を反映していることを示唆する情報を知識ベース14036から取得してもよい。一部のシナリオでは、インテリジェントシステム14054は、危険な状態を警告するために、地下機械のオペレータに直接通知を送信してもよい。
本明細書では、産業環境でデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムを開示する。本明細書で使用される場合、モバイルロボット及び/またはモバイルビークルを使用することは、特定または一般の目的のためにモバイルロボット及び/またはモバイルビークルを使用することを意味する。例えば、システムの機能または構成に関して記載されているモバイルロボット及び/またはモバイルビークルの使用は、図165から167に示されているように、産業用IoT環境内でのデータ収集のために、群14038のモバイルロボット及び/またはモバイルビークル、ならびに群14038のモバイルロボット及び/またはモバイルビークルに関連して使用されるハードウェア及び/またはソフトウェアのそのシステムによる使用を意味する。このようなモバイルロボット及び/またはモバイルビークルの使用は、群14038のモバイルロボット及び/またはモバイルビークルの1つまたは複数の使用を指す。例えば、移動ロボット及び/または移動車両を使用するものとして本明細書に開示されているシステムは、ロボットアーム、アンドロイドロボット、小型または大型の自律型ロボット、遠隔操作型ロボット、プログラム可能に構成されたロボット、その他のロボット機構、大型機械(例えば、土木機械)、大型オンロード産業車両、大型オフロード産業車両、様々な場面で展開される産業機械(例えば、タービン、ターボ機械、発電機、ポンプ、プーリーシステム、マニホールド、バルブシステムなど)、土木機械、地固め機械、運搬機械、巻上げ機械、搬送機械、骨材製造機械、コンクリート建設に使用される機械、杭打ち機械、建設機械(例、掘削機、バックホー、ローダー、ブルドーザー、スキッドステアローダー、トレンチャー、モーターグレーダー、モータースクレーパー、クローラーローダー、ホイールローディングショベル、ダンプカー、タンクローリー、ティッパー、トレーラー、トンネル・ハンドリング装置、ロードローラー、コンクリートミキサー、ホットミックスプラント、道路製造機(コンパクターなど)、ストーンクラッシャー、ホットミックスプラントなどである。道路ローラー、コンクリートミキサー、ホットミックスプラント、道路製造機(コンパクターなど)、砕石機、舗装機、スラリーシール機、吹付機、左官機、大型ポンプなど)、マテリアルハンドリング機器(クレーン、コンベア、フォークリフトなど)。クレーン、コンベア、フォークリフト、ホイストなど)、人員輸送用車両(自動車、トラック、荷車、水上バイク、航空機など)、無人車両(ドローンなどの自律型航空機、自律型水上バイク、自律型自動車やトラックなど)、その他の車両(サイズ、目的、モータの使用の有無などは問わない)などである。
実施形態では、ウェアラブルデバイスを統合したアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して信号対雑音比を改善するために、マルチプレクサ上のIPフロント信号調整を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したマルチプレクサ連続監視アラーム機能を有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、複数のMUX及びデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、ウェアラブルデバイスを統合した、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペアの入力能力と、ウェアラブルデバイスを統合した設計トポロジーとを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、アナログセンサチャネル及びウェアラブルデバイスを統合したコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したトリガ及び振動入力のための独自の静電保護を有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したA/Dゼロリファレンス用の正確な電圧リファレンスを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して低速RPM及び位相情報を取得するためのフェーズロックループバンドパストラッキングフィルタを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うピーク検出のために別のアナログ-デジタルコンバータにルーティングされるオートスケーリングのためのピーク検出器を有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合に伴うAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合に伴うデジタルリサンプリングを必要とせずに低いサンプリングレートを実現するために、デルタシグマアナログデジタルコンバータのクロック分周器としてCPLDを使用することを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境でのモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を備えたオンボードカードセットにメンテナンス履歴付きのキャリブレーションデータを保存することを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うデータ収集バンドのインテリジェントな管理を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したセンサデータ分析におけるデータベース階層の使用を有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うエキスパートシステムのインテリジェントデータ収集バンド及び診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う逆算定義のためのグラフィカルなアプローチを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う提案されたベアリング分析方法を有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うアナログ及びデジタルの両方の方法を用いた改善された統合を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したローカル環境におけるアナログデータの継続的なモニタリングのための適応型スケジューリング技術を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うデータ取得パーキング機能を有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した自給自足のデータ収集ボックスを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したSDカードストレージを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合による連続的なモニタリングのための拡張されたオンボード統計機能を有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合による予測のための周囲ノイズ、局所ノイズ、及び振動ノイズの使用を有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合による分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいてルートを変更するスマートルートを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイル車両を使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うスマートODS及び転送機能を有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した階層型マルチプレクサを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した識別感覚過多を有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、RF識別と、ウェアラブルデバイスを統合した傾斜計とを有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した連続的な超音波モニタリングを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したリモートのアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した産業システムの予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うIoTデバイスの作成、展開、及び管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う産業データ収集者の自己組織化された群を有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したIoT分散型台帳を有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う自己組織化コレクタを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うネットワークセンシティブなコレクタを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う遠隔組織化されたコレクタを有する産業環境において、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う振動、熱、電気及び/または音の出力を備えた、産業センサデータコレクタのためのウェアラブル触覚ユーザインターフェースを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
統合において、ウェアラブルデバイスの統合を伴うAR/VRのための収集データを表示するヒートマップを有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴うデータコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した遠隔監視及び制御のための処理、通信、及び他のITコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した水素と酸素成分を分離するために水源で動作する水素燃料生成電解槽を有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためのモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスの統合を伴う電解槽によって生成された水素を貯蔵する低圧水素貯蔵システムを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合して、過去、現在、計画、及び/または予測された消費または利用可能性の何らかの測定値に基づいて、燃料調達または混合デバイスを自動的に制御する燃料制御モジュールを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した太陽電池式水素電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した風力発電水素電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した水力発電水素電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合してユーザの入力や監視を必要とせずにLPG、水素、または他の燃料を動的に供給するオンデマンドガス-LPGハイブリッドバーナを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためのモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスの統合を伴う熱の平面としてターゲットヒートゾーンで熱を提供する密閉されたバーナチャンバを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスの統合を伴うインテリジェントクックトップデバイスまたは他のIoTデバイスを制御するための接続性及びローカル及びリモートコントロールを有するスマートノブを有するインテリジェントクッキングシステムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、モバイルデバイスを充電するための電力、データ通信、及びウェアラブルデバイスを統合した熱保護を備えたモバイルドッキング施設を有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合したクックトップのサブシステムに配置される分散型モジュールまたはコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合したクックトップのサブシステムの動作を管理する集中制御施設を有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合したリモートコントロール機能を有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスの統合による自動化を有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合して調理システムの状態を監視するための検出器及びセンサを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した調理システムの動作を最適化するための機械学習を有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合したモバイルアプリケーションを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、電子デバイス及びサプライヤー、コンテンツプロバイダ、サービスプロバイダ、及び規制当局の関連エコシステムの参加者と相互作用するクラウドベースのプラットフォームを有するインテリジェントクッキングシステムが開示され、ウェアラブルデバイスを統合して、インテリジェントクッキングシステムのユーザ、水素製造システムのユーザ、及びエコシステムの他の参加者に付加価値サービスを提供する。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合してユーザに推奨を提供するための推奨エンジンを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合してユーザに通知を提供するための通知エンジンを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合してユーザにロケーションベースのオファーを提供するための広告エンジンを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した分析、監視、制御、及び他のデバイス及びシステムの操作のためにデータを提供するために、他のデバイス及びクラウドとの機械対機械またはユーザ対機械の通信を可能にするインターフェースを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合したインテリジェントクッキングシステムを中心としたネットワークに接続するコンピューティングデバイスのために、コンテキスト及びインテリジェンス主導のパーソナライズされた体験を容易にするユーザインターフェースを有するインテリジェントクッキングシステムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ユーザ、装置の使用状況、保守及び修理の履歴、パターンまたは故障に関連するパターン、エネルギー使用パターン、調理パターン、及びウェアラブルデバイスを統合した電解槽の展開、使用、及びサービスをプロファイリング、記録、または分析するためのアナリティクスを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合して材料、コンポーネント、及び素材を注文するためのコマースユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した調理タスクでユーザを支援するための調理支援ユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスの統合により、食品の健康指標、栄養情報、栄養検索機能、栄養支援、及びパーソナライズされた提案及び推奨を提供するための健康ユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイル車両を使用し、ウェアラブルデバイスを統合して音楽、ビデオ、及び/またはポッドキャストを再生するためのインフォテイメントユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスを統合した調理システムから放送されるパーソナライズされた調理チャネルを可能にするための放送ユーティリティを有するインテリジェント調理システムが開示される。
実施形態では、モバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用し、ウェアラブルデバイスの統合を伴う地域全体のスマートクックトップシステムのユーザが使用しているレシピに関するスマートクックトップ及びユーザアクティビティから情報を収集するための食品調査ユーティリティを有するインテリジェントクッキングシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したIoTプラットフォームを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、データ入力を受信し、ウェアラブルデバイスを統合してデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した適応エンジンを備えたIoTデータアダプタを有する産業環境におけるモバイルデータ収集のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うデータパケットまたはストリームを準備するための機械学習の使用を有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境でモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、新しいデータソースの利用可能性を示すメッセージをクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティと、ウェアラブルデバイスの統合を伴うデータソースの統合及び使用指示とを有する、産業環境におけるモバイルデータ収集のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、第1及び第2を維持する能力を有するノード間のモバイルデータ通信のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが提供される。
受信した到着率と配信成功率に基づく第2の送信制限、及びウェアラブルデバイスとの統合による送信制限に基づくメッセージの送信制限が開示されている。
受信した到着率と配信成功率に基づく第2の送信制限、及びウェアラブルデバイスとの統合による送信制限に基づくメッセージの送信制限が開示されている。
実施形態では、ウェアラブルデバイスを統合したウィンドウサイズに従って、まだ正常に配信されたと認められていないさらなるメッセージの送信を制限する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用してウェアラブルデバイスの統合による冗長性メッセージのレートを調整する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、選択された冗長メッセージを決定するために使用されるエラー修正コードが、ウェアラブルデバイスの統合を伴う損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合したチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、ウェアラブルデバイスを統合したタイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、ウェアラブルデバイスを統合してタイマーに基づく輻輳ウィンドウサイズの変更を遅延させる能力を有するノード間のモバイルデータ通信に、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、ウェアラブルデバイスを統合して配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続を特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続のエラーレートを特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続のタイミング変動を特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、モバイルロボット及び/またはモバイルビークルをノード間のモバイルデータ通信に使用するためのシステムであって、ウェアラブルデバイスを統合した現在/以前の接続の帯域幅を特徴づける維持データを使用して新しい接続を構成する能力を有するシステムが開示される。
実施形態では、モバイルロボット及び/またはモバイルビークルをノード間のモバイルデータ通信に使用するためのシステムであって、ウェアラブルデバイスを統合した現在/以前の接続の往復時間を特徴づける維持データを使用して新しい接続を構成する能力を有するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した現在/以前の接続の通信制御パラメータを特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、モバイルロボット及び/またはモバイルビークルをノード間のモバイルデータ通信に使用するためのシステムであって、ウェアラブルデバイスを統合した現在/以前の接続のフォワードエラー補正パラメータを特徴づける維持データを使用して新しい接続を構成する能力を有するシステムが開示される。
実施形態では、1つまたは複数の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、ウェアラブルデバイスの統合により維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、ウェアラブルデバイスを統合して、低遅延データパスでデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間のモバイルデータ通信に、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、ウェアラブルデバイスを統合した高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力と、ウェアラブルデバイスを統合した高遅延データパスを介して後に利用可能なメッセージの第2のサブセットを有するノード間のモバイルデータ通信のために、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合により、低遅延データパスで確認応答メッセージの第1サブセットを送信し、高遅延データパスでデータメッセージの第2サブセットを送信する能力を有するノード間のモバイルデータ通信に、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、低遅延データパス上で補足/冗長データメッセージの第1のサブセットを送信し、ウェアラブルデバイスの統合を伴う高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間のモバイルデータ通信のために、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスを統合した送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長度を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、メッセージの位置がウェアラブルデバイスの統合に伴って非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムであって、ウェアラブルデバイスの統合によるフィードバックメッセージの受信に応答するシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の程度を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するシステムであって、ウェアラブルデバイスの統合を伴うフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合に伴い、データパスがメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージの数を調整する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示されている。
実施形態では、データパスがウェアラブルデバイス統合との以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージ数を調整する能力を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、エンコードされたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合により、損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のモバイルデータ通信にモバイルロボット及び/またはモバイルビークルを使用するシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うパケット送信の結合されたコーディング、TCP、及びペーシングを有するノード間のモバイルデータ通信のために、モバイルロボット及び/またはモバイルビークルを使用するためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットとをインターリーブし、ウェアラブルデバイスの統合を伴うメッセージパケットのオーバーラップするグループを横断するコーディングを有する前方誤り訂正コード構築を有するノード間のモバイルデータ通信のためにモバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
実施形態では、ウェアラブルデバイスの統合を伴う安定したウィンドウ増加機能を備えた遅延ベースのバックオフを組み合わせたTCPのバリアントを有するノード間のモバイルデータ通信に、モバイルロボット及び/またはモバイルビークルを使用するシステムが開示される。
次に、産業用IoTデータ収集のための環境内でモバイルデータ収集のためにハンドヘルドデバイスを使用するためのシステム及び方法について、図に関して説明する。図168から図171を参照する。最初に図168を参照すると、データ収集システムは、産業用IoTデータ収集のための環境内でモバイルデータ収集者として動作するように構成された1つまたは複数のハンドヘルドデバイスを含んでもよい。例えば、1つまたは複数のハンドヘルドデバイスは、データを送信し、データから受信し、コマンドを送信し、コマンドを受信し、制御下にあり、制御を通信し、またはその他の方法で産業用IoTデータ収集、監視及び制御システム10と通信してもよい。産業用IoTデータ収集のための環境内で状態関連測定値を記録するための単一のセンサを有する単一のハンドヘルドデバイス、産業用IoTデータ収集のための環境内で状態関連測定値を記録するための複数のセンサを有する単一のハンドヘルドデバイス、産業用IoTデータ収集のための環境内で状態関連測定値を記録するための単一のセンサをそれぞれが有する複数のハンドヘルドデバイス、及び産業用IoTデータ収集のための環境内で状態関連測定値を記録するための1つまたは複数のセンサをそれぞれが有する複数のハンドヘルドデバイスを含む、ハンドヘルドデバイスを使用したデータ収集のための方法及びシステムが本明細書に開示される。例えば、ハンドヘルドデバイスは、振動、熱、電気、及び/または音の出力を備えた、産業用センサデータ収集装置のためのウェアラブルな触覚またはマルチセンサーのユーザインターフェースであってもよい。別の例では、ハンドヘルドデバイスは、有形の形態を有する他の適切なデバイス、コンポーネント、ユニット、または他の計算面であって、そのような使用の期間に関わらず、産業環境内の人に配置して使用できるように構成されているか、そうでなければ使用できるものであってもよい。携帯機器の例としては、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、パーソナルデジタルアシスタント、トランシーバ、ラジオ、長距離または短距離通信機器、懐中電灯、またはセンサが内蔵または結合されたその他の適切な携帯機器が挙げられるが、これらに限定されるものではない。特定の形態にかかわらず、本開示によるハンドヘルドデバイスは、産業IoTデータ収集のために環境の状態関連測定値を記録するための1つ以上のセンサを含む。例えば、本開示に記載のハンドヘルドデバイスの1つまたは複数のセンサは、産業用IoT環境内の機器に関する状態を測定することができ、または産業用IoT環境自体に関する状態を測定することができる。
多数のハンドヘルドデバイス14072が、産業用IoTデータ収集のための環境内に配置される。ハンドヘルドデバイス14072は、産業用IoTデータ収集のための環境のオペレータによって発行されたハンドヘルドデバイスであってもよい。あるいは、ハンドヘルドデバイス14072は、産業用IoTデータ収集のための環境内でタスクを実行するように選択された作業者が所有するハンドヘルドデバイスであってもよい。図168に示すように、ハンドヘルドデバイス14072は、単一のセンサ14074を有する単一のハンドヘルドデバイス、複数のセンサ14076を有する単一のハンドヘルドデバイス、それぞれが単一のセンサ14078を有するハンドヘルドデバイスの組み合わせ、及びそれぞれが1つまたは複数のセンサ14080を有するハンドヘルドデバイスの組み合わせを含む。しかし、実施形態では、ハンドヘルドデバイス14072は、異なるハンドヘルドデバイスを含んでもよい。例えば、実施形態において、ハンドヘルドデバイス14072は、単一のセンサ14078を有するハンドヘルドデバイスの各々の組み合わせ、及び/または、1つ以上のセンサ14080を有するハンドヘルドデバイスの各々の組み合わせを省略してもよい。例えば、携帯機器14072は、個別に取られた構成の携帯機器のそれぞれと比較して、組み合わされた、改善された、またはそうでなければ異なる機能を提供する携帯機器の組み合わせではなく、個々の携帯機器に限定してもよい。別の例では、実施形態において、携帯型機器14072は、単一のセンサ14074を有する単一の携帯型機器及び/または複数のセンサ14076を有する単一の携帯型機器を省略してもよい。例えば、ハンドヘルドデバイス14072は、個々のデバイスではなく、ハンドヘルドデバイスの組み合わせに限定してもよい(例えば、ハンドヘルドデバイスの特定の組み合わせが、産業IoTデータ収集のための環境内で特定の状態に関連する測定値を記録するために、特定のコンテキストなどで価値があると識別される場合)。
実施形態では、異なるハンドヘルドデバイス14072は、産業IoTデータ収集のための環境内のターゲット(例えば、デバイスまたは機器)の一部または全部の特定のタイプの状態関連測定値を記録するように構成してもよい。例えば、ハンドヘルドデバイス14072の一部は、ターゲットの一部またはすべてに関して測定された振動に基づいて、状態関連測定値を記録するように構成してもよい。別の例では、ハンドヘルドデバイス14072の一部は、ターゲットの一部またはすべてに関して測定された温度に基づいて状態関連測定値を記録するように構成してもよい。別の例では、ハンドヘルドデバイス14072のうちのいくつかは、以下を記録するように構成してもよい。ターゲットの一部またはすべてに関して測定された電気または磁気出力に基づいて、状態に関連する測定値を記録するように構成されている。別の例では、ハンドヘルドデバイス14072のうちのいくつかは、ターゲットのうちのいくつかまたはすべてに関して測定された音出力に基づいて状態関連測定値を記録するように構成してもよい。別の例では、ハンドヘルドデバイス14072のうちのいくつかは、ターゲットの一部またはすべてに関して測定された、振動、温度、電気または磁気、または音以外の出力に基づいて、状態に関連する測定値を記録するように構成してもよい。
代替的に、または追加的に、異なるハンドヘルドデバイス14072は、産業IoTデータ収集のための環境内の特定のタイプのターゲットの一部またはすべての状態関連測定値を記録するように構成してもよい。例えば、ハンドヘルドデバイス14072のうちのいくつかは、撹拌機(例えば、タービン撹拌機)、機体制御面振動装置、触媒反応器、圧縮機などからの一部またはすべての状態関連測定値を記録するように構成してもよい。別の例では、ハンドヘルドデバイス14072の一部は、コンベヤ及びリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム、モータなどからの一部またはすべての状態関連測定値を記録するように構成してもよい。別の例では、ハンドヘルドデバイス14072のうちのいくつかは、パイプライン、電動パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボット組立システム、熱加熱システム、トラック、伝送システム、タービンなどからの一部またはすべての状態関連測定値を記録するように構成してもよい。実施形態では、ハンドヘルドデバイス14072は、特定のタイプの産業環境の一部またはすべての状態関連測定値を記録するように構成してもよい。例えば、ハンドヘルドデバイス14072を用いて測定された状態を有するターゲットを有する産業環境は、製造環境、化石燃料エネルギー生産環境、航空宇宙環境、鉱業環境、建設環境、船舶環境、海運環境、潜水艦環境、風力エネルギー生産環境、水力エネルギー生産環境、原子力エネルギー生産環境などを含んでもよいが、これらに限定されない。石油掘削環境、石油パイプライン環境、その他の適切なエネルギー製品環境、その他の適切なエネルギー経路または伝送環境、その他の適切な産業環境、工場、飛行機などの航空機、流通環境、エネルギー源抽出環境、海洋探査サイト、水中探査サイト、組立ライン、倉庫、発電環境、有害廃棄物環境などである。
実施形態では、ハンドヘルドデバイス14072を使用した状態関連の測定は、外部ネットワークを必要とせずに、(例えば、図161に関して説明したように)ネットワーク14010を介して利用できるようにしてもよい。ネットワーク14010は、MANET(例えば、図2に示すMANET20または他の任意の適切なMANET n)、インターネット(例えば、図3に示すインターネット110または他の任意の適切なインターネット)、または他の任意の適切なタイプのネットワーク、またはそれらの任意の組み合わせであってもよい。例えば、ネットワーク14010は、ハンドヘルドデバイス14072を使用して記録された状態関連の測定値を受信するために使用してもよい。そして、ネットワーク14010は、それらの受信した状態関連測定値の一部または全部を、データ収集システム102の他の構成要素に送信するために使用してもよい。例えば、ネットワーク14010は、それらの受信された状態関連の測定値を保存するために、データプール14084(例えば、図2に示されたデータプール60または任意の他の適切なデータプール)にそれらの受信された状態関連の測定値の一部または全部を送信するために使用してもよい。別の例では、ネットワーク14010を使用して、受信した状態関連測定値の一部または全部を、産業IoTデータ収集のための環境のサーバ14086(例えば、図161に示すサーバ14014、または他の任意の適切なサーバ)に送信してもよい。サーバ14086は、1つまたは複数のハードウェアまたはソフトウェアサーバの側面を含んでもよい。例えば、受信した状態関連測定値が送信されるサーバ14086は、受信した状態関連測定値を処理するためのインテリジェントシステム14088を含んでもよい。インテリジェントシステム14088は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを使用して、受信された状態関連の測定値を処理して、受信された状態関連の測定値内の情報または他の方法で関連する情報を識別してもよい。実施形態では、受信した状態関連の測定値を処理した後、受信した状態関連の測定値が送信されるサーバ14086は、処理された情報または処理された情報を示すデータを、他のシステムに(例えば、記憶または分析のために)送信してもよい。サーバ14086からの処理された情報を示すデータは、例えば、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスの出力または他の結果を含んでもよい。
実施形態では、ハンドヘルドデバイス14072の一部またはすべては、それらの記録された状態関連測定値を(たとえば、ネットワーク14010または任意の他の適切な通信メカニズムを介して)送信する前に、それらのハンドヘルドデバイス14072を使用して記録された状態関連測定値を処理するためのインテリジェントシステム14082を含んでもよい。例えば、ハンドヘルドデバイス14072の一部または全部は、それによって記録された状態関連の測定値を分析するために、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを統合してもよい。ハンドヘルドデバイス14072のインテリジェントシステム14082による処理は、産業用IoTデータ収集・監視・制御システム10の前処理ステップ内であってもよいし、表現してもよい。例えば、前処理は、ハンドヘルドデバイス14072の特定のタイプによって選択的に実行され、記録された状態関連の測定値を前処理する(例えば、冗長な情報、無関係な情報、または重要でない情報を識別する)ことができる。別の例では、前処理は、記録された状態関連の測定値を前処理する(例えば、冗長な情報、無関係な情報、または重要でない情報を識別する)ために、特定のタイプのハンドヘルドデバイス14072に対して自動化してもよい。別の例では、前処理は、記録された状態関連の測定値を前処理する(例えば、冗長な情報、無関係な情報、または重要でない情報を識別する)ために、ハンドヘルドデバイス14072のいずれかによって記録された状態関連の測定値の特定のタイプに対して選択的に実行してもよい。別の例では、前処理は、記録された状態関連の測定値を前処理するために(例えば、冗長な情報、無関係な情報、または重要でない情報を識別するために)、ハンドヘルドデバイス14072のいずれかによって記録された特定のタイプの状態関連の測定値に対して自動化してもよい。
実施形態では、ハンドヘルドデバイス14072の一部またはすべてが、センサフュージョン機能を含んでもよい。例えば、センサフュージョン機能は、オンデバイスセンサフュージョン80として具現化してもよい。例えば、ハンドヘルドデバイス14072のうちの1つ以上の複数のアナログセンサ(例えば、図4に示す複数のアナログセンサ82または任意の他の適切なセンサ)を用いて記録された状態関連の測定値は、ハンドヘルドデバイス14072自体、サーバ14086、またはその両方の中で具現化することができる人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスを用いて、ローカルまたはリモートで処理してもよい。センサフュージョン機能は、人工知能プロセス、機械学習プロセス、及び/または他の認知プロセスの前に実行される前処理ステップによって具現化してもよい。実施形態では、センサフュージョン機能は、MUXを用いて実行してもよい。例えば、複数のセンサ14076を有する単一のハンドヘルドデバイスのそれぞれは、それら複数のセンサの異なる個別のセンサを用いて記録された状態関連の測定値を結合するための独自のMUXを含んでもよい。別の例では、1つ以上のセンサ14080をそれぞれ有するハンドヘルドデバイスの組み合わせ内の個々のハンドヘルドデバイスの一部またはすべては、それらの複数のセンサの異なる個々のセンサを用いて記録された状態関連測定値を組み合わせるための独自のMUXを含んでもよい。それらの複数のセンサのいくつかのそのような実施形態では、MUXは、それらのハンドヘルドデバイスの内部にあってもよい。いくつかのそのような実施形態では、MUXは、それらのハンドヘルドデバイスの外部にあってもよい。
ハンドヘルドデバイス14072は、図6に示すホスト処理システム112(または任意の他の適切なホストシステム)内で制御されるか、または他の方法で接続して使用してもよい。ホスト処理システム112は、ネットワーク14010を介してローカルにアクセス可能であってもよい。あるいは、ホスト処理システム112は、(例えば、クラウドコンピューティングシステムで具現化されるように)リモートであってもよく、1つ以上のネットワークインフラストラクチャ要素(例えば、アクセスポイント、スイッチ、ルータ、サーバ、ゲートウェイ、ブリッジ、コネクタ、物理的インターフェースなど)を使用してアクセス可能であってもよく、及び/または、1つ以上のネットワークプロトコル(例えば、IPベースのプロトコル、TCP/IP、UDP、HTTP、Bluetooth(登録商標)、Bluetooth(登録商標)、Low Energy、セルラープロトコル、LTE、2G、3G、4G、5G、CDMA、TDSM、パケットベースのプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、ブロードキャストプロトコル、マルチキャストプロトコル、ユニキャストプロトコルなど)。実施形態では、ハンドヘルドデバイス14072を使用して記録された状態関連測定値は、ホスト処理システム112に関して内部または外部で具現化することができるネットワークコーディングシステムまたは方法を使用して処理することができる。例えば、ネットワークコーディングシステムは、それらの記録された状態関連の測定値を通信するためのネットワークの利用可能性に基づいて、それらの記録された状態関連の測定値を通信するための帯域幅及びスペクトルの利用可能性に基づいて、他のネットワーク特性に基づいて、またはそれらのいくつかの組み合わせに基づいて、ハンドヘルドデバイス14072を使用して記録された測定値を処理することができる。
実施形態では、ハンドヘルドデバイス14072を使用して記録された状態関連測定値は、上流のデバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で表示するために使用されるクライアントデバイスまたは他のソフトウェアもしくはハードウェアの側面)によってハンドヘルドデバイス14072から引き出してもよい。例えば、ハンドヘルドデバイス14072は、受信した状態関連測定値を(例えば、サーバ14086、データプール14084、またはハンドヘルドデバイス14072を使用して記録された状態関連測定値を受信する任意の他の適切なハードウェアまたはソフトウェアコンポーネントで)積極的に送信しなくてもよい。むしろ、ハンドヘルドデバイス14072からの状態関連測定値の送信は、ハンドヘルドデバイス14072で(例えば、サーバ14086から、またはデータ収集システム102の他のハードウェアもしくはソフトウェアから)受信したコマンドによって引き起こしてもよい。例えば、産業IoTデータ収集の環境の特定の場所内に固定されていてもよいし、その中で移動可能であってもよいデータ収集装置は、様々なハンドヘルドデバイス14072を使用して記録された状態関連の測定値を引き出すように構成されていてもよい。例えば、ハンドヘルドデバイス14072は、産業用IoTデータ収集の環境内で、連続的に、定期的に、またはそうでなければ複数回、状態関連の測定値を記録してもよい。データコレクタは、一定の間隔で、ランダムな時間で、またはそうでなければ、1つまたは複数のコマンドをハンドヘルドデバイス14072の一部またはすべてに送信して、それらのハンドヘルドデバイス14072を使用して記録された状態関連の測定値の一部またはすべてを、状態関連の測定値がそれから最後に引き出されたとき以降に引き出すことができる。あるいは、データコレクタは、それらの固定された間隔で、それらのランダムな時間で、またはその他の方法で、1つまたは複数のコマンドを、携帯機器14072に関連付けられた集団処理心14090に送信してもよい。例えば、集団処理心14090は、ハンドヘルドデバイス14072の一部または全部を使用して記録された状態関連測定値を受信するためのハブであるか、またはそれを含んでもよい。別の例では、コマンドは、個々のハンドヘルドデバイス14072を用いて、またはハンドヘルドデバイス14072の集合処理心14090によって処理されると、記録された状態関連の測定値またはその代表的なデータをハンドヘルドデバイス14072から送信させる。例えば、集団処理心14090は、携帯型デバイス14072の一部または全部から状態関連測定値を引き出すように構成してもよい(例えば、一定の間隔で、ランダムな時間で、またはその他の方法で)。次に、集団処理心14090は、ハンドヘルドデバイス14072から引き出した状態関連測定値を(例えば、サーバ14086、データプール14084、または状態関連測定値を受信するように選択されたもしくは別の方法で構成された他のハードウェアもしくはソフトウェアコンポーネントに)送信してもよい。
実施形態では、ハンドヘルドデバイス14072を使用して記録された状態関連測定値は、それらの状態関連測定値の要求に応答してハンドヘルドデバイス14072から送信してもよい。例えば、集団処理心14090は、一定の間隔で、ランダムな時間で、またはその他の方法で、記録された状態関連測定値の要求を、いくつかまたはすべてのハンドヘルドデバイス14072に送信してもよい。要求が送信された一部または全部のハンドヘルドデバイス14072のプロセッサは、どの状態関連測定値を送信するかを決定するために、要求を処理してもよい。例えば、記録された状態関連測定値に対する最新の要求の時間を示すデータが、それらのプロセッサによってアクセスしてもよい。次に、プロセッサは、その時刻を、新たな要求が集合処理心14090から受信される時刻と比較してもよい。次に、プロセッサは、その2つの時間の間に記録された状態関連測定値をデータストアに照会してもよい。次に、プロセッサは、それらの状態関連の測定値をリクエストに応答して送信することができる。別の例では、プロセッサは、対応するハンドヘルドデバイス14072を使用して記録された状態関連測定値の最新のセットを識別し、要求に応答してそれらの状態関連測定値を送信してもよい。別の例では、データ収集システム10内のデータ収集者は、要求をハンドヘルドデバイス14072に直接送信してもよい。さらに別の例では、データ収集者は、要求を集団処理心14090に送信してもよい。集合処理心14090は、要求された状態関連測定値を記録するために使用された、選択された個々のハンドヘルドデバイス14072を決定するために、要求を処理してもよい。次に、集団処理マインド14090は、例えば、それらの選択された個々のハンドヘルドデバイス14072を使用して記録された状態関連測定値の一部または全部をストレージに照会することによって、要求に応答して特定の状態関連測定値を送信してもよい。あるいは、集団処理心14090は、要求を処理して、ハンドヘルドデバイス14072の一部または全部によって記録された状態関連測定値のうち、どの測定値を要求に応答して送信するかを決定してもよい(例えば、要求の時間に基づいて)。例えば、集団処理心14090は、要求の時間を、記録された状態関連測定値に対する最新の要求の時間と比較することができる。そして、集団処理心14090は、それらの時間の間に記録された状態関連測定値を検索し、検索された状態関連測定値を要求に応答して送信することができる。
実施形態では、ハンドヘルドデバイス14072を使用して記録された状態関連測定値は、ハンドヘルドデバイス14072から上流のデバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で表示するために使用されるクライアントデバイスまたは他のソフトウェアもしくはハードウェアの側面)にプッシュしてもよい。例えば、ハンドヘルドデバイス14072は、受信した状態関連測定値を(例えば、サーバ14086、データプール14084、またはハンドヘルドデバイス14072を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントで)、そのような受信ハードウェアまたはソフトウェアコンポーネントがそれらの状態関連測定値を要求することなく、またはコマンドに基づいてハンドヘルドデバイスにそれらの状態関連測定値を送信させることなく、積極的に送信してもよい。例えば、ハンドヘルドデバイス14072の一部または全ては、一定の間隔で、ランダムなタイミングで、それらの状態関連測定値の記録時に直ちに、それらの測定値を記録してからある程度の時間が経過した後に、閾値数の状態関連測定値が記録されたと判断された時に、または他の適切なタイミングで、状態関連測定値を送信してもよい。実施形態では、ハンドヘルドデバイス14072は、それ自体で、または集団処理心14090を使用して、データ収集ルータ14092の近接を検出することに応答して、記録された状態関連の測定値をプッシュしてもよい。
例えば、次に図169を参照すると、集団処理心14090は、ハンドヘルドデバイス14072のうちの1つまたは複数に関してターゲット14096(例えば、図134に示されたデバイス13006のうちの1つ、または任意の他の適切なターゲット)の近接を検出するように構成された検出器14094を含んでもよい。例えば、そのような検出が行われると、集合処理心14090は、ハンドヘルドデバイス14072のうちの1つ以上に信号を送信して、データ収集ルータ14092で受信の状態関連測定値を記録及び送信してもよい。あるいは、そのような検出時に、集合処理心14090は、データストアに問い合わせて、状態関連測定値を取得し、その後、データ収集ルータ14092で受信のそれらの状態関連測定値を送信してもよい。いずれの場合も、データ収集ルータ14092は、受信した状態関連測定値をサーバ14086、データプール14084、または他の任意の適切なハードウェアもしくはソフトウェアコンポーネントに転送する。別の例では、そのような検出時に、集合処理心14090は、例えば、データ収集ルータ14092を迂回するために、またはデータ収集ルータ14092が省略される場合に、信号をサーバ14086、データプール14084、または他のハードウェアもしくはソフトウェアコンポーネントに直接送信してもよい。
次に図170を参照すると、実施形態では、集合処理心14090を省略することができる。代わりに、ハンドヘルドデバイス14072は、ターゲット14096の近さを検出する。ハンドヘルドデバイス14072(例えば、単一のセンサ14074を備えた単一のハンドヘルドデバイス、複数のセンサ14076を備えた単一のハンドヘルドデバイス、それぞれが単一のセンサ14078を備えたハンドヘルドデバイスの組み合わせ、またはそれぞれが1つ以上のセンサ14080を備えたハンドヘルドデバイスの組み合わせのうちの1つまたは複数)を使用してそのような検出を行うと、ハンドヘルドデバイス14072は、ターゲット14096の状態関連測定値(例えば、振動、温度、電気または磁気出力、音出力など)を記録する。記録された状態関連の測定値は、ネットワーク14010を介して(例えば、データプール14084、サーバ14086、または他の適切なハードウェアまたはソフトウェアコンポーネントに)送信することができる。代替的に、記録された状態関連測定値は、例えば、ネットワーク14010が利用できない場合、またはデータ収集ルータ14092がハンドヘルドデバイス14072から記録された状態関連測定値を受信及び/または前処理するように構成されている場合に、データ収集ルータ14092に送信することができる。データ収集ルータ14092は、以下の各地に配置された多数のデータ収集ルータ14092のうちの1つであってもよい。産業用IoTデータ収集のための環境である。例えば、データ収集ルータ14092は、ターゲット14096のために特別に記録された状態関連の測定値を送信するように構成されたデータ収集ルータ14092であってもよい。
次に図171を参照すると、ハンドヘルドデバイス14072の出力を処理するために使用されるインテリジェントシステム14098の機能性の様々な側面が開示されている。インテリジェントシステム14098は、認知学習モジュール14100、人工知能モジュール14102、及び機械学習モジュール14104を含む。実施形態において、インテリジェントシステム14098は、追加のまたはより少ないモジュールを含んでもよい。インテリジェントシステム14098は、例えば、図161に示されたインテリジェントシステム14082またはインテリジェントシステム14088であってもよいし、他の適切なインテリジェントシステムであってもよい。別々のモジュールとして示されているが、実施形態では、認知学習モジュール14100、人工知能モジュール14102、及び機械学習モジュール14104の一部または全部の間に重なりがあってもよい。例えば、人工知能モジュール14102は、機械学習モジュール14104を含んでいてもよい。別の例では、認知学習モジュール14100は、人工知能モジュール14102(及び、実施形態では、したがって、機械学習モジュール14104)を含んでもよい。ハンドヘルドデバイス14072は、任意の数のハンドヘルドデバイスを含んでもよい。例えば、図示されているように、ハンドヘルドデバイス14072は、第1のハンドヘルドデバイス14072A、第2のハンドヘルドデバイス14072B、及びN番目のハンドヘルドデバイス14072Nを含み、Nは2よりも大きい数である。インテリジェントシステム14098は、ハンドヘルドデバイス14072A、14072B、・・・の出力を受信する。14072N、特に、インテリジェントシステム14098のモジュール14100、14102、及び14104のうちの1つまたは複数は、ハンドヘルドデバイス14072A、14072B、・・・14072Nのうちの1つまたは複数によって生成され、そこから出力されたデータを受信する。14072Nは、例えば、ハンドヘルドデバイス14072A、14072B、・・・を使用して記録された状態関連の測定値を含んでもよい。14072Nは、例えば、産業IoTデータ収集のための環境内の機器の状態関連の測定値である。実施形態では、ハンドヘルドデバイス14072A、14072B、・・・からの出力は。14072Nは、インテリジェントシステム14098のモジュール14100、14102、及び14104の3つすべてによって処理してもよい。実施形態では、ハンドヘルドデバイス14072A、14072B、・・・14072Nからの出力は、インテリジェントシステム14098の3つのモジュール14100、14102、14104の全てによって処理してもよい。14072Nは、インテリジェントシステム14098のモジュール14100、14102、及び14104のうちの1つだけによって処理してもよい。例えば、ハンドヘルドデバイス14072A、14072B、・・・からの出力を処理するために使用するインテリジェントシステム14098のモジュール14100、14102、及び14104のうちの特定の1つは、ハンドヘルドデバイス14072A、14072B、・・・からの出力に基づいて選択してもよい。14072Nは、その出力を生成するために使用されるハンドヘルドデバイス、その出力を生成する際に測定された機器、出力の値、他の選択基準などに基づいて選択してもよい。
知識ベース14036(例えば、図164に示すような)は、インテリジェントシステム14098からの出力に基づいて更新してもよい。知識ベース14036は、その環境内の機器、その環境内で実行されるタスク、その環境内でタスクを実行するスキルを有する人員などを含む、産業用IoTデータ収集の環境に関連する知識のライブラリまたは他のセットまたはコレクションを表す。インテリジェントシステム14098は、ハンドヘルドデバイス14072A、14072B、・・・を使用して記録された状態関連の測定値を処理することができる。14072Nは、知識ベース14036を拡張するための知識収集を促進する。例えば、インテリジェントシステム14098のモジュール14100、14102、及び14104は、知識ベース14036内の情報を更新またはその他の方法で修正するために、知識ベース14036内の既存の知識に対してそれらの状態関連の測定値を処理することができる。インテリジェントシステム14098は、インテリジェンス及び機械学習能力(例えば、機械学習モジュール14104の、または本開示の他の箇所で説明されている)を使用して、検出された状態(例えば、ハンドヘルドデバイス14072によって通知された状態及び/またはトレーニングデータとして提供された状態)及び/または状態情報(例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、故障または診断状態を含む状態などに関連する状態を決定することができる機械状態認識システムによって決定された状態情報)に基づいて、状態関連の測定値及び関連情報を処理することができる。これは、学習フィードバックシステムからの学習フィードバックに基づいて、入力の選択及び構成を最適化することを含む場合があり、学習データ(例えば、ホスト処理システムから、または直接またはホスト処理システムからの他のデータ収集システムから)を提供することを含む場合があり、フィードバックメトリクス(例えば、ホスト処理システムの分析システム内で計算される成功メトリクス)を提供することを含む場合がある。ホスト処理システム、学習フィードバックシステム、データ収集システム、及び分析システムの例は、本開示の他の箇所で説明されている。したがって、インテリジェントシステム14098は、ハンドヘルドデバイス14072A、14072B、・・・14072Nからの出力に基づいて、産業用IoT環境内で割り当てられ、実行されるタスクのワークフローを更新するために使用することができる。
実施形態では、インテリジェントシステム14098は、モジュール14100、14102、及び14104のいずれかの中で、またはその他の方法で、他のインテリジェンスまたは機械学習の側面を含んでもよい。例えば、インテリジェントシステム14098は、YOLOの1つまたは複数を含んでもよい。ニューラルネットワーク、YOLO CNN、FPGA上またはFPGAから動作するように構成されたニューラルネットワークのセット、FPGAとGPUのハイブリッドコンポーネント上またはGPUから動作するように構成されたニューラルネットワークのセット、ハイブリッドニューラルネットワークのためのユーザ構成可能な直列及び並列フロー(例えば、ニューラルネットワーク間で通信可能な出力としてニューラルネットワーク間の直列及び/または並列フローを構成する)、ハイブリッドニューラルネットワークのセットのためのトポロジーまたはワークフローを自動的に構成するための機械学習システム(例えば、系列、並列、データフローなど)のためのトポロジーまたはワークフローを自動的に構成するための機械学習システムであって、(例えば、人間のユーザによる)手動の構成を使用してもしなくてもよい訓練データセットに基づいて、ハイブリッドニューラルネットワーク(例えば、系列、並列、データフローなど)のセットのためのトポロジーまたはワークフローを自動的に構成するための深層学習システムである。直列、並列、データフローなど)を、産業用IoTプロセス(例えば、保守、修理、サービス、故障の予測、機械、設備のシステムなどの動作の最適化など)からの成果のトレーニングデータセットに基づいて構成するためのディープラーニングシステム、または他の知能または機械学習の側面を持っている。
したがって、実施形態では、ハンドヘルドデバイス14072の出力は、インテリジェントシステム14088を使用して処理されて、知識ベース14036に追加したり、知識ベースから削除したり、その他の方法で修正したりしてもよい。例えば、知識ベース14036は、ターゲットが配置され、ハンドヘルドデバイス14072が使用される産業環境内で1つまたは複数のタスクを実行するために使用する情報を反映してもよい。したがって、ハンドヘルドデバイス14072からの出力は、例えば、測定値が記録されたターゲットに関する情報、測定値が記録された時間及び/または日付、ターゲットに関する既存の状態または他の状態の情報を記述することによって、産業環境に関して発生する問題の性質に関する知識を増やすために使用することができる。ターゲットに関する問題を解決するために必要な時間に関する情報、ターゲットに関する問題を解決する方法に関する情報、問題を解決した結果、ターゲット及びそれぞれの産業環境の他の側面に対するダウンタイムの量を示す情報、問題を今すぐ解決すべきか、後で解決すべきか(または全く解決しないか)の指示などである。インテリジェントシステム14088は、その出力を処理して、既存のトレーニングデータを更新してもよい。例えば、既存のトレーニングデータは、ハンドヘルドデバイス14072の出力に基づいて、ターゲットの状態を識別するための機械学習、人工知能、及び/または他の認知機能を更新するために使用することができる。
例えば、知識ベース14036は、例えば、知識ベースの第1の層が対象または対象を含む産業環境の領域に基づいて階層的に配置された一連のデータベースまたは他のテーブルまたはグラフを含んでもよい。知識ベース14036は、産業環境(例えば、発電所、製造施設、鉱業施設など)を参照してもよい-知識ベース14036の第2の層は、産業環境内のゾーン(例えば、ゾーン1、ゾーン2など、または場合によっては名前の付いたゾーン)を参照してもよい。知識ベース14036の第3の層は、それらのゾーン内のターゲットを参照してもよい(例えば、電気機器を含む発電所の第1のゾーン内では、これは、オルタネータ、サーキットブレーカ、トランス、バッテリ、エキサイタなどを含むことができ、また、タービン、発電機、発電機マグネットなどを含む発電所の第2のゾーン内では、これは、オルタネータ、サーキットブレーカ、トランス、バッテリ、エキサイタなどを含むことができる)。知識ベース14036は、インテリジェントシステム14088の出力に基づいて、ユーザの手動によるデータ入力によって、またはその両方によって更新してもよい。例えば、製造施設内の作業者は、1つまたは複数のハンドヘルドデバイス(例えば、ハンドヘルドデバイス14072)を与えられてもよい。作業者は、製造施設内を歩き回り、第1ゾーン内の油圧プレス、第2ゾーン内の熱成形機、第3ゾーン内のコンベアなど、異なるゾーンにある複数の機械に近づくことができる。第1ゾーンに近づくと、ハンドヘルドデバイスは、油圧プレスの動作に起因する振動を示す油圧プレスに関する測定値を記録することができる。その測定値は、インテリジェントシステム14088を用いて、例えば、知識ベース14036内の油圧プレスに関するデータベースに格納されたデータに対して処理される。測定値がそのデータベースに格納されているデータと一致しない場合、インテリジェントシステム14088は、油圧プレスが適切に動作していないと判断してもよい。例えば、油圧プレスの動作に起因する振動が、知識ベース14036に記録されているものよりも小さい場合、油圧プレスが最適な速度で機能していないと判断してもよい。そして、知識ベース14036内のデータを参照して、この問題を解決するためにどのくらいの時間が必要になるかを含めて、この問題の可能性の高い原因を判断してもよい。例えば、知識ベース14036は、低振動出力が、油圧プレスに関する特定の部品の故障に起因することを示すことができる。
作業員はその後、熱成形機のところまで歩いて行き、ハンドヘルドデバイスを使用してその機械の周りの周囲温度を測定することができる。この測定値は、インテリジェントシステム14088を使用して処理され、熱成形機が予想される温度を出力していることを判断する。その後、作業者はコンベアまで歩いて行き、ハンドヘルド機を使ってコンベアの速度を測定することができる。例えば、ハンドヘルド機に内蔵されたカメラビジョンシステムを用いて、コンベアの動作速度を検出してもよい。そして、その動作速度を、予想される温度と比較することができる。知識ベース14036の適切なセクションに示されているように、コンベアの予想される動作速度を測定する。コンベアが予想外の速度で動作していると判断されると、インテリジェントシステム14088は、例えば、ハンドヘルドデバイスを介して、またはハンドヘルドデバイスと通信している集団処理心(例えば、製造施設の第3ゾーン内に位置する集団処理心)を介して、コンベアが意図された通りに機能していない可能性があることを、コンベアの領域にいる作業者に警告してもよい。警告は、突然の緊急行動が取られるのを防ぐために、警告通知として表現してもよい。このようなシナリオでは、作業者が警告を見て、知識ベース14036を更新して、予想外の速度測定を反映させることができる。
本明細書では、産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムを開示する。本明細書で使用されるハンドヘルドデバイスの統合とは、特定の目的または一般的な目的のためにハンドヘルドデバイスを使用することを指す。例えば、システムの機能または構成に関して記載されているハンドヘルドデバイスの統合は、図168から171に示されているように、産業用IoT環境内でのデータ収集のためのハンドヘルドデバイス14072及び/またはハンドヘルドデバイス14072に関連して使用されるハードウェア及び/またはソフトウェアのそのシステムによる使用を指す。このようなハンドヘルドデバイスの使用は、ハンドヘルドデバイス14072の1つまたは複数の使用を指す。例えば、ハンドヘルドデバイスを使用するものとして本明細書に開示されるシステムは、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、パーソナルデジタルアシスタント、ウォーキートーキー、無線機、長距離または短距離通信デバイス、懐中電灯、または他のタイプのハンドヘルドデバイスのうちの1つまたは複数を使用することを含んでもよい。
実施形態では、アナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、改善された信号対雑音比のためのマルチプレクサ上のIPフロント信号調整を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、マルチプレクサ連続監視アラーム機能を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用する産業環境におけるデータ収集システムが開示されている。
実施形態では、ソリッドステートリレーと設計トポロジーを使用して高アンペアの入力能力を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示されている。
実施形態では、アナログセンサチャネル及びコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、トリガ及び振動入力のための独自の静電保護を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、A/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、低速RPM及び位相情報を得るためのフェーズロックループバンドパストラッキングフィルタを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、オンボードタイマを使用して入力及びトリガチャネルに対する位相をデジタルで導出する、産業環境におけるデータ収集のためにハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、ピーク検出のために別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、生または他のアナログチャネルにバッファリングされたトリガチャネルのルーティングを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、AAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する、産業環境におけるデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、デジタルリサンプリングを必要とせずに低いサンプリングレートを実現するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用することを有する、産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、異なるサンプリングレートで取得されたデータの複数のセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、ボードカードセット上のメンテナンス履歴を持つ校正データの保存を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、階層的なテンプレートを使用した迅速な経路作成機能を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、データ収集バンドのインテリジェントな管理を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、データ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、センサデータ分析におけるデータベース階層の使用を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、インテリジェントなデータ収集バンド及びエキスパートシステムの診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、逆算定義のためのグラフィカルなアプローチを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、提案されたベアリング分析方法を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、過渡的な信号分析を利用したねじり振動の検出/分析を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、アナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、ローカル環境におけるアナログデータの継続的な監視のための適応型スケジューリング技術を有する産業環境におけるデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、データ取得パーキング機能を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、自給自足のデータ収集ボックスを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、SDカードストレージを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、連続的な監視のための拡張されたオンボード統計機能を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、予測のために周囲の騒音、局所的な騒音、及び振動騒音の使用を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、入力データまたはアラームに基づいてルートを変更するスマートルートを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示されており、分析または相関のための動的データを同時に得ることができる。
実施形態では、スマートODS及び転送機能を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、階層型マルチプレクサを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、識別感覚過多を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、RF識別及び傾斜計を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、連続的な超音波モニタリングを有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、リモートのアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示されている。
実施形態では、産業システムの予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、IoTデバイスの作成、展開、及び管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、産業用IoTデバイスのためのオンデバイスのセンサフュージョン及びデータストレージを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示されている。
実施形態では、産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、産業データ収集者の自己組織化された群を有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、IoT分散型台帳を有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、自己組織化コレクタを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、ネットワークに敏感なコレクタを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、遠隔に組織化されたコレクタを有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、マルチセンサデータコレクタのための自己組織化ストレージを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、マルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、振動、熱、電気及び/または音の出力を備えた、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する、産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
統合では、AR/VRのための収集データを表示するヒートマップを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、データコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、遠隔監視及び制御のための処理、通信、及び他のITコンポーネントを有するシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、水源で動作して水素成分と酸素成分を分離する水素燃料生成電解槽を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、電解槽で生成された水素を貯蔵する低圧水素貯蔵システムを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、過去、現在、計画された、及び/または予想された消費または利用可能性の何らかの尺度に基づいて、燃料調達または混合デバイスを自動的に制御する燃料制御モジュールを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、太陽電池式の水素電解槽を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用し、風力発電の水素電解槽を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用し、水力発電式の水素電解槽を有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、ユーザの入力または監視を必要とせずにLPG、水素、または他の燃料を動的に供給するオンデマンドガス-LPGハイブリッドバーナを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、熱の平面としてターゲットヒートゾーンに熱を提供する密閉されたバーナチャンバを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、インテリジェントクックトップデバイスまたは他のIoTデバイスを制御するための接続性及びローカル及びリモートコントロールを備えたスマートノブを有するシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、モバイルデバイスを充電するための電力、データ通信、及び熱保護を有するモバイルドッキング設備を有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、クックトップのサブシステムに配置される分散型モジュールまたはコンポーネントを有するためのインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、クックトップのサブシステムの動作を管理する集中制御設備を有するためのインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用し、リモートコントロール能力を有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、自動化を有するためのインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、調理システムの状態を監視するための検出器及びセンサを有するためのインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用し、調理システムの動作を最適化するための機械学習を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用し、モバイルアプリケーションを有するためのインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、電子デバイス及びサプライヤー、コンテンツプロバイダ、サービスプロバイダ、規制当局の関連エコシステムの参加者と相互に作用して、インテリジェント調理システムのユーザ、水素製造システムのユーザ、及びエコシステムの他の参加者に付加価値サービスを提供するクラウドベースのプラットフォームを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、ユーザに推薦を提供するための推薦エンジンを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、ユーザに通知を提供するための通知エンジンを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、ユーザにロケーションベースのオファーを提供するための広告エンジンを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、他のデバイス及びシステムの分析、監視、制御、及び操作のためにデータを提供するために、他のデバイス及びクラウドとの機械対機械またはユーザ対機械の通信を可能にするインターフェースを有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントなシステムであって、インテリジェントな調理システムの周りに基づいてネットワークに接続するコンピューティングデバイスのためのコンテキスト及びインテリジェンス駆動型のパーソナライズされた経験を容易にするユーザインターフェースを有するインテリジェントなシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、ユーザ、デバイスの使用状況、保守及び修理の履歴、パターンまたは故障に関連するパターン、エネルギー使用パターン、調理パターン、及び電解槽の展開、使用、及びサービスをプロファイリング、記録、または分析するための分析機能を有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、成分、コンポーネント、及び材料を注文するためのコマースユーティリティを有するためのインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、ユーザの調理タスクを支援するための調理支援ユーティリティを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用し、食品の健康指標、栄養情報、栄養検索機能、栄養支援、及びパーソナライズされた提案及び推奨を提供するための健康ユーティリティを有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、音楽、ビデオ、及び/またはポッドキャストを再生するためのインフォテイメントユーティリティを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、調理システムから放送されるパーソナライズされた調理チャネルを可能にするための放送ユーティリティを有するインテリジェントシステムが開示される。
実施形態では、ハンドヘルドデバイスを使用するためのインテリジェントシステムであって、スマートクックトップ及びユーザアクティビティから情報を収集するための食品調査ユーティリティを有する地域全体のスマートクックトップシステムのユーザが使用しているレシピについて開示している。
実施形態では、IoTプラットフォームを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、データ入力を受信し、データを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する、産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示されている。
実施形態では、IoTデータアダプタが1つ以上のIoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する、産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、適応エンジンを備えたIoTデータアダプタを有する産業環境でデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、データパケットまたはストリームを準備するための機械学習の使用を有する、産業環境におけるデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、データ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、データソースの統合及び使用指示とをクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する、産業環境におけるデータ収集のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、受信した到着率及び配信成功フィードバックメッセージに基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためにハンドヘルドデバイスを使用するシステムであって、送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、ウィンドウサイズに応じて、正常に配信されたことをまだ確認していない更なるメッセージの送信を制限する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して冗長性メッセージのレートを調整する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、チャネル特性を記述する受信したメッセージに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの修正を遅延させる能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、配信順序イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、現在/以前の接続の帯域幅を特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、ノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムであって、現在の/以前の接続のフォワードエラー補正パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するシステムが開示される。
実施形態では、1つまたは複数の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、低遅延データパスを介してデータメッセージの第1のサブセットを送信し、高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力と、高遅延データパスを介して後に利用可能なメッセージの第2のサブセットを有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、低遅延データパスを介して確認応答メッセージの第1サブセットを送信し、高遅延データパスを介してデータメッセージの第2サブセットを送信する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、メッセージの位置が非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためにハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信にハンドヘルドデバイスを使用し、フィードバックメッセージの受信に応答して、フィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、データパスがメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示されている。
実施形態では、データパスが以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージ数を調整する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示されている。
実施形態では、冗長性情報を修正/追加/削除する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステム
符号化されたデータがノードからノードへとチャネルを介して移動する際に、チャネルの特性に基づいて、そのデータに関連する情報が開示される。
符号化されたデータがノードからノードへとチャネルを介して移動する際に、チャネルの特性に基づいて、そのデータに関連する情報が開示される。
実施形態では、損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、パケット送信の複合コーディング、TCP、及びペーシングを有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、メッセージパケットのオーバーラップするグループにまたがって符号化を行う前方誤り訂正符号構成を有するノード間のデータ通信にハンドヘルドデバイスを使用するシステムが開示される。
実施形態では、遅延ベースのバックオフと安定したウィンドウ増加関数を組み合わせたTCPの変形を有するノード間のデータ通信にハンドヘルドデバイスを使用するためのシステムが開示される。
画像データセットを使用して、産業用IoT環境内で、説明されているような、本明細書でデバイスと呼ばれることがある1つまたは複数のターゲットの、振動などの動作特性を特定するためのシステム及び方法が、図に関して説明されている。まず、図172から図174を参照する。実施形態では、図に一般的に示されているコンピュータビジョンシステム15000などのシステムを備える。図172は、1つまたは複数の画像データセットを使用して、産業用IoT環境(例えば、上述したような)における1つまたは複数のターゲットの振動または他の動作特性(例えば、振動、熱、電磁放射、または他の適切な動作特性)を検出するように構成される。1つ以上のターゲットは、上述のように、デバイス13006を含んでもよい。デバイス13006は、タービン撹拌装置を含む撹拌装置、機体制御面振動装置、触媒反応器、及び圧縮機を含んでもよい。また、デバイス13006は、コンベア及びリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム及びモータを含んでもよい。
また、デバイス13006は、パイプライン、電動パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボット組立システム、熱加熱システム、トラック、伝送システム、及びタービンを含んでもよい。デバイス13006は、単一の産業環境13018内で動作してもよいし、複数の産業環境13018内で動作してもよい。例えば、パイプラインデバイスは、石油・ガス環境内で動作してもよく、触媒反応器は、石油・ガス生産環境または医薬品のいずれかで動作してもよい。実施形態では、本開示全体を通して説明されるように、1つまたは複数の装置13006を操作、監督、検査、またはそれらの組み合わせを行うオペレータが、コンピュータビジョンシステム15000を使用して、1つまたは複数の装置13006の動作を分析してもよい。実施形態では、オペレータは、コンピュータビジョンシステム15000からのデータ、レポート、チャート、または他の適切な出力を確認して、1つまたは複数のデバイス13006のメンテナンス、修理、または他の適切な相互作用が必要かどうかを判断してもよい。例えば、コンピュータビジョンシステム15000からの出力は、デバイス13006の特定のコンポーネントが特定の時間枠内で交換または修理されない場合に、デバイス13006の1つに関連する振動が故障につながる可能性があることを示してもよい。実施形態では、コンピュータビジョンシステム15000は、これから説明するように、画像データセットを分析し、1つまたは複数の問題(例えば、1つまたは複数のコンポーネントの故障または潜在的な障害)を特定し、是正措置を決定し(例えば、故障または障害のあるコンポーネントに関連するデバイスの動作速度を変更する)、是正措置を開始する(例えば、自動的にデータを分析し、問題を特定し、是正措置を決定し、是正措置の少なくとも一部を実行する)ように構成してもよい。
[0001]
コンピュータビジョンシステム15000のようなコンピュータビジョンシステムは、人間の視覚システムのタスク及び/または機能を自動化するように適応してもよい。例えば、コンピュータビジョンシステム15000は、デバイス13006に関連する画像データをキャプチャし、人間の視覚及び分析の側面をシミュレート及び改善する様々な視覚技術を使用して、画像データを分析するように構成してもよい。例えば、人間の視覚とは異なり、コンピュータビジョンシステム15000は、オブジェクトにズームインしたり、個々のフレームやフレーム間のデルタを分析したりすることで、画像を強調してもよい。別の例では、コンピュータビジョンシステム15000は、紫外線や赤外線信号など、人間が典型的に知覚できる範囲外の画像をキャプチャすることもできる。そして、コンピュータビジョンシステム15000は、視覚技術を用いて、望ましくない振動の有無や量など、デバイスf3006の様々な特性を識別してもよい。コンピュータビジョンシステム15000は、人間のオペレータや監督者などによって、あるいはデータセットやモデルなどに基づいて、トレーニングしてもよい。トレーニングは、コンピュータビジョンシステム15000に、センサデータ、イベントデータ、パラメータデータなどの値を表す1つ以上のトレーニングデータセット(本開示全体に記載されている多くの種類を含む)や、プロセスの結果、計算の結果、イベントの結果、活動の結果などの結果の1つ以上の指標を提示することを含んでもよい。トレーニングは、コンピュータビジョンシステム15000を以下のようにトレーニングするなど、最適化のトレーニングを含んでもよい。ベイズ法、パラメトリックベイズ分類法、k-nEAREST-nEigHBOr分類法、反復法、補間法、パレート最適化法、アルゴリズム法など、1つまたは複数の最適化法に基づいて、1つまたは複数のシステムを最適化する。フィードバックは、一連のラウンドを通じてフィードバックに基づいて1つまたは複数のソリューションを進化させる遺伝的アルゴリズムなど、変化と選択のプロセスで提供してもよい。フィードバックは、人間のオペレータまたは監視システムの別のコンポーネントによって決定及び提供される場合がある。
[0002]
実施形態では、コンピュータビジョンシステム15000は、1つまたは複数のデータキャプチャデバイス15002によってキャプチャされたデータを使用して、デバイス13006の動作特性を識別するために、視覚的及び/または非視覚的データを含むトレーニングデータセットを使用してトレーニングしてもよい。実施形態では、トレーニングデータセットは、デバイス13006のコンポーネントの様々な動作状態に対応する画像データを含んでもよい。例えば、トレーニングデータセットは、デバイス13006のコンポーネントが期待されるまたは許容される条件または許容範囲内で動作していることに対応する画像データ、デバイス13006のコンポーネントが期待されるまたは許容される条件または許容範囲を超えて動作していることに対応する画像データ、デバイス13006のコンポーネントが期待されるまたは許容される条件または許容範囲内で動作しているが、期待されるまたは許容される条件または許容範囲内で動作しない傾向にあることに対応する画像データを含んでもよい。
[0003]
実施形態では、トレーニングデータセットは、デバイス13006または類似のデバイスのコンポーネントの画像データと、様々なセンサ(例えば、本開示全体で説明されるような振動センサ)を捕捉したデータに基づいて生成してもよい。例えば、トレーニングデータセットは、画像データと、デバイス13006のコンポーネントの感知された振動との相関関係を含んでもよい(例えば、コンポーネントが予想されるまたは許容される条件または許容範囲内で動作していることを示す画像データは、振動が予想されるまたは許容されることを示す感知された振動データと相関してもよい)。
[0004]
実施形態では、コンピュータビジョンシステム15000は、様々な視覚入力デバイスを使用して、デバイス13006からデータ(例えば、画像データ)をキャプチャしてもよい。例えば、データキャプチャデバイス15002は、デバイス13006の動作中に、視覚データまたは画像データなどのデータをキャプチャしてもよい。例えば、データキャプチャデバイス15002は、ある期間(例えば、デバイス13006が動作している間)に複数の画像をキャプチャしてもよい。データキャプチャデバイス15002は、期間中の任意の適切な間隔でデバイス13006の画像をキャプチャしてもよい。例えば、データキャプチャデバイス15002は、1秒に1回、1秒の何分の1かに1回、または、期間中の任意の適切な間隔で画像をキャプチャしてもよい。実施形態では、データキャプチャデバイス15002は、生の画像データをキャプチャしてもよい。生の画像データは、信号画像、部分画像、画像を表すデータポイント、または他の適切な生の画像データを含んでもよい。実施形態では、データキャプチャデバイス15002は、任意の好適な画像エンコード技術を用いて生の画像データをエンコードしてもよい。
[0001]
コンピュータビジョンシステム15000のようなコンピュータビジョンシステムは、人間の視覚システムのタスク及び/または機能を自動化するように適応してもよい。例えば、コンピュータビジョンシステム15000は、デバイス13006に関連する画像データをキャプチャし、人間の視覚及び分析の側面をシミュレート及び改善する様々な視覚技術を使用して、画像データを分析するように構成してもよい。例えば、人間の視覚とは異なり、コンピュータビジョンシステム15000は、オブジェクトにズームインしたり、個々のフレームやフレーム間のデルタを分析したりすることで、画像を強調してもよい。別の例では、コンピュータビジョンシステム15000は、紫外線や赤外線信号など、人間が典型的に知覚できる範囲外の画像をキャプチャすることもできる。そして、コンピュータビジョンシステム15000は、視覚技術を用いて、望ましくない振動の有無や量など、デバイスf3006の様々な特性を識別してもよい。コンピュータビジョンシステム15000は、人間のオペレータや監督者などによって、あるいはデータセットやモデルなどに基づいて、トレーニングしてもよい。トレーニングは、コンピュータビジョンシステム15000に、センサデータ、イベントデータ、パラメータデータなどの値を表す1つ以上のトレーニングデータセット(本開示全体に記載されている多くの種類を含む)や、プロセスの結果、計算の結果、イベントの結果、活動の結果などの結果の1つ以上の指標を提示することを含んでもよい。トレーニングは、コンピュータビジョンシステム15000を以下のようにトレーニングするなど、最適化のトレーニングを含んでもよい。ベイズ法、パラメトリックベイズ分類法、k-nEAREST-nEigHBOr分類法、反復法、補間法、パレート最適化法、アルゴリズム法など、1つまたは複数の最適化法に基づいて、1つまたは複数のシステムを最適化する。フィードバックは、一連のラウンドを通じてフィードバックに基づいて1つまたは複数のソリューションを進化させる遺伝的アルゴリズムなど、変化と選択のプロセスで提供してもよい。フィードバックは、人間のオペレータまたは監視システムの別のコンポーネントによって決定及び提供される場合がある。
[0002]
実施形態では、コンピュータビジョンシステム15000は、1つまたは複数のデータキャプチャデバイス15002によってキャプチャされたデータを使用して、デバイス13006の動作特性を識別するために、視覚的及び/または非視覚的データを含むトレーニングデータセットを使用してトレーニングしてもよい。実施形態では、トレーニングデータセットは、デバイス13006のコンポーネントの様々な動作状態に対応する画像データを含んでもよい。例えば、トレーニングデータセットは、デバイス13006のコンポーネントが期待されるまたは許容される条件または許容範囲内で動作していることに対応する画像データ、デバイス13006のコンポーネントが期待されるまたは許容される条件または許容範囲を超えて動作していることに対応する画像データ、デバイス13006のコンポーネントが期待されるまたは許容される条件または許容範囲内で動作しているが、期待されるまたは許容される条件または許容範囲内で動作しない傾向にあることに対応する画像データを含んでもよい。
[0003]
実施形態では、トレーニングデータセットは、デバイス13006または類似のデバイスのコンポーネントの画像データと、様々なセンサ(例えば、本開示全体で説明されるような振動センサ)を捕捉したデータに基づいて生成してもよい。例えば、トレーニングデータセットは、画像データと、デバイス13006のコンポーネントの感知された振動との相関関係を含んでもよい(例えば、コンポーネントが予想されるまたは許容される条件または許容範囲内で動作していることを示す画像データは、振動が予想されるまたは許容されることを示す感知された振動データと相関してもよい)。
[0004]
実施形態では、コンピュータビジョンシステム15000は、様々な視覚入力デバイスを使用して、デバイス13006からデータ(例えば、画像データ)をキャプチャしてもよい。例えば、データキャプチャデバイス15002は、デバイス13006の動作中に、視覚データまたは画像データなどのデータをキャプチャしてもよい。例えば、データキャプチャデバイス15002は、ある期間(例えば、デバイス13006が動作している間)に複数の画像をキャプチャしてもよい。データキャプチャデバイス15002は、期間中の任意の適切な間隔でデバイス13006の画像をキャプチャしてもよい。例えば、データキャプチャデバイス15002は、1秒に1回、1秒の何分の1かに1回、または、期間中の任意の適切な間隔で画像をキャプチャしてもよい。実施形態では、データキャプチャデバイス15002は、生の画像データをキャプチャしてもよい。生の画像データは、信号画像、部分画像、画像を表すデータポイント、または他の適切な生の画像データを含んでもよい。実施形態では、データキャプチャデバイス15002は、任意の好適な画像エンコード技術を用いて生の画像データをエンコードしてもよい。
データキャプチャデバイス15002は、カメラ、センサ、他の画像キャプチャデバイス、他のデータキャプチャデバイス、またはそれらの組み合わせを含んでもよい。実施形態では、データキャプチャデバイス15002は、可視光画像データ及び/または赤外線画像データ、紫外線画像データ、他の非可視画像データ、またはそれらの組み合わせを含む非可視光画像データを含む画像データをキャプチャするように構成された1つまたは複数のフルスペクトルカメラを含んでもよい。実施形態では、データキャプチャデバイス15002は、X線イメージングデバイスまたは他の適切な放射線イメージングデバイスなどの、1つまたは複数の放射線イメージングデバイスを含んでもよい。1つまたは複数の放射線撮像デバイスは、X線撮像または他の適切な放射線撮像を用いて、デバイス13006の動作中にデバイス13006の画像データを捕捉するように構成してもよい。実施形態では、データキャプチャデバイス15002は、超音波または他の適切な音波などの音波を使用して、デバイス13006の動作中にデバイス13006の画像データをキャプチャするように構成された1つまたは複数の音波キャプチャデバイスを含んでもよい。実施形態では、データキャプチャデバイス15002は、パルス光でターゲットを照射し、1つ以上のセンサで反射パルスを測定することにより、ターゲットまでの距離を測定することで、デバイス13006の動作中にデバイス13006の画像データをキャプチャするように構成された光イメージング、検出、及び測距(LIDAR)デバイスを含んでもよい。実施形態では、データキャプチャデバイス15002は、デバイス13006の3次元モデルを表すデータポイントのセットを生成するために、レーザまたは他の適切な光を使用して、デバイス13006の動作中にデバイス13006の画像データをキャプチャするように構成された点群データキャプチャデバイスを含んでもよい。
実施形態では、データキャプチャデバイス15002は、赤外線撮像を用いてデバイス13006の動作中にデバイス13006の画像データをキャプチャするように構成された赤外線検査デバイスを含んでもよい。実施形態では、データキャプチャデバイス15002は、可視光を用いたデバイス13006の動作中にデバイス13006の画像データをキャプチャするように構成された、デジタルカメラなどのデジタル画像キャプチャデバイスを含んでもよい。例えば、1つまたは複数のデバイス13006を操作、監督、監視、及び/または検査するオペレータは、携帯電話、スマートフォン、タブレットコンピュータ、または他の適切なモバイルデバイスなどのモバイルデバイスを利用してもよい。モバイルデバイスは、デジタルカメラなどの画像キャプチャデバイスを含んでいてもよい。オペレータは、モバイルデバイスの画像キャプチャデバイスに関連する画像データをキャプチャしてもよい。実施形態では、データキャプチャデバイス15002は、説明されるように、画像データをキャプチャし、キャプチャされた画像データをクライアント、サーバ、またはそれらの組み合わせに通信するスタンドアローンデバイスであってもよい。
実施形態では、1つまたは複数のデータキャプチャデバイス15002は、それぞれのデバイス13006に対して予め定義された距離及び位置で、それぞれのデバイス13006に、またはその近くに配置してもよい。1つまたは複数のデータキャプチャデバイス15002が配置される、または配置される所定の距離及び位置は、1つまたは複数のデータキャプチャデバイス15002が、それぞれのデバイス13006の関心のある点のデータキャプチャの所望のフィールドを有するように選択してもよい。関心のある点は、それぞれのデバイス13006の任意の適切な点または領域を含んでもよい。例えば、関心点は、ベルト、ベアリング、ブレード、ベーン、ファン、またはそれぞれのデバイス13006上の、またはそれに関連する他の任意の適切なコンポーネント、ポイント、または関心領域を含んでもよい。データキャプチャのフィールドは、画像データキャプチャデバイス15002のための視野、音波データキャプチャデバイス15002のための音波データキャプチャのフィールド、または他の適切なデータキャプチャのフィールドを含んでもよい。それぞれのデバイス13006にまたはその近くに配置されたそれぞれのデータキャプチャデバイスからのデータキャプチャのコンバインフィールドからキャプチャされたデータは、これから説明するように、画像データセット生成器15006によって使用されて、それぞれのデバイス13006の関心点の画像を表す1つまたは複数の画像データセットを生成してもよい。実施形態では、データキャプチャデバイス15002は、本明細書で説明するデバイスの任意の組み合わせ、または説明しない他の適切なデータキャプチャデバイスを含んでもよい。
実施形態では、データキャプチャデバイス15002は、説明したように、デバイス13006の画像データをキャプチャし、キャプチャした画像データを、ネットワーク15008を使用して、クライアント15004及び/またはサーバ15010に通信してもよい。クライアント15004は、本開示全体を通して説明されたものを含む任意の適切なクライアントを含んでもよい。実施形態では、クライアント15004は、モバイルデバイス、または他の適切なクライアントであってもよい。クライアントは、メモリ上に格納された命令(例えば、プロセッサによって実行されると、コンピュータビジョンシステム15000の様々な部分または本明細書に記載された様々な方法をプロセッサに実行させる命令)を実行するように構成されたプロセッサを含んでもよい。クライアント15004は、本開示全体を通して説明されるように、デバイス13006上またはその近くで作業するオペレータによって所有、操作、及び/または利用してもよい。ネットワーク15008は、本開示全体を通して記述された任意のネットワークを含む、任意の適切なネットワークであってもよいが、これに限定されない。インターネット、クラウドネットワーク、ローカルエリアネットワーク、ワイドエリアネットワーク、無線ネットワーク、有線ネットワーク、セルラーネットワークなど、またはそれらの任意の組み合わせ。サーバ15010は、本開示全体を通して説明される任意のサーバを含む、任意の適切なサーバであってもよい。サーバ15010は、メモリ上に格納された命令(例えば、プロセッサによって実行されると、コンピュータビジョンシステム15000の様々な部分または本明細書に記載された様々な方法をプロセッサに実行させる命令)を実行するように構成されたプロセッサを含んでもよい。サーバ15010は、スタンドアローンのサーバであってもよいし、サーバ群であってもよい。また、サーバ15010は、専用のサーバであってもよいし、分散型コンピューティングサーバやクラウドサーバなどのいずれかであってもよいし、それらの任意の組み合わせであってもよい。
実施形態では、コンピュータビジョンシステム15000は、画像データセット生成器15006を含んでもよい。画像データセット生成器15006は、クライアント15004及び/またはサーバ15010上で実行可能なアプリケーションまたは他の適切なソフトウェアもしくはプログラムで構成してもよい。実施形態において、クライアント15004は、画像データセット生成器15006を実行するように構成してもよい。例えば、説明したようなオペレータは、オペレータが第1のデバイス13006と対話する際に、クライアント15004を携帯してもよい。データキャプチャデバイス15002のうちの1つまたは複数は、第1のデバイス13006に関連する、説明したような画像データをキャプチャするように構成してもよい。例えば、第1のデータキャプチャデバイス15002は、第1のデータキャプチャデバイス15002が第1のデバイス13006上の関心点に対して、説明したようなデータキャプチャのフィールドを有するように、第1のデバイス13006の近くに配置してもよい。第1のデータキャプチャデバイス15002は、第1のデバイス13006に関連する生の画像データをキャプチャしてもよい。第1のデータキャプチャデバイス15002は、ネットワーク15008を介して、生の画像データをクライアント15004に通信してもよい。画像データセット生成装置15006は、生の画像データを用いて、後述するような1つ以上の画像データセットを生成してもよい。いくつかの実施形態において、サーバ15010は、図152に一般的に示されているように、画像データセット生成器15006を実行するように構成してもよい。第1のデータキャプチャデバイス15002は、ネットワーク15008を介して、生の画像データをサーバ15010に通信してもよい。サーバ15010によって実行される画像データセット生成器15006は、生の画像データを用いて、後述するように、1つまたは複数の画像データセットを生成してもよい。
実施形態では、画像データセット生成器15006は、1つまたは複数のデータキャプチャデバイス15002から受信した生の画像データを使用して、1つまたは複数の画像データセットを生成するように構成してもよい。画像データセットは、後述するように、視覚分析モジュール15012によって分析または処理されることが可能な(例えば、適切なフォーマットの)データを含む画像を含んでもよい。生の画像データをデコードする画像データセット生成部15006は、以下のように構成してもよい。例えば、説明したように、1つまたは複数のデータキャプチャデバイス15002は、エンコードされた生の画像データをクライアント15004及び/またはサーバ15010に通信する前に、生の画像データをエンコードしてもよい。画像データセット生成装置15006は、任意の適切な画像復号化技術を用いて生の画像データを復号化するように構成してもよい。いくつかの実施形態では、画像データセット生成器15006は、関連する生の画像データを相関させ、生の画像データをステッチし(例えば、1つ以上のデータキャプチャデバイス15002からの複数の画像を使用して、デバイス13006の1つ上の関心点の単一の画像を作成することによって)、または任意の適切な画像データセット生成技術、及び/または任意の適切な画像処理技術を使用して画像データセットを生成するように構成してもよい。
実施形態では、画像データセット生成装置15006は、可視光画像データ以外のデータからなる生データから画像データセットを生成してもよい。例えば、説明したように、データキャプチャデバイス15002は、音波データ、非可視光データ、及び他の様々なデータなどのデータをキャプチャしてもよい。画像データセット生成部15006は、非画像生データを受け取り、非画像生データを画像データに変換してもよい。例えば、画像データセット生成器15006は、1つまたは複数のデータキャプチャデバイス15002によってキャプチャされた音波を用いて、デバイス13006の関心点の1つまたは複数の画像を生成してもよい。画像データセット生成装置15006は、任意の適切な技術を用いて画像データセットを生成してもよい。画像データセット生成装置15006は、1つまたは複数の画像データセットを、視覚分析モジュール15012に通信してもよい。
実施形態では、ビジョン分析モジュール15012は、サーバ15010上で実行可能なアプリケーションまたは他の適切なソフトウェアであってもよい。ビジョン分析モジュール15012は、サーバ15010によって実行されるものとして図示及び説明されているが、クライアント15004がビジョン分析モジュール15012を実行するように構成してもよいことを理解すべきである。
図174に概略的に示されるように、ビジョン分析モジュール15012は、画像データデータベース15014、トレーニングデータデータベース15016、ビジュアルアナライザ15018、及び動作特性検出器15020を含んでもよい。実施形態では、画像データデータベース15014は、任意の適切なデータベースを含んでもよく、クライアント15004及び/またはサーバ15010にローカルに配置されてもよく、クライアント15004及びサーバ15010のいずれかからリモートに配置されてもよく、または他の適切な場所に配置してもよい。画像データデータベース15014は、説明したように、画像データセット生成装置15006によって生成された画像データセットを格納してもよい。例えば、画像データセット生成装置15006は、説明したように、1つまたは複数の画像データセットを生成し、1つまたは複数の画像データセットを画像データデータベース15014に通信してもよい。実施形態では、画像データデータベース15014は、画像データセットを格納するように構成された任意の適切な画像リポジトリであってもよい。
学習データデータベース15016は、任意の適切なデータベースを含んでもよく、クライアント15004及び/またはサーバ15010にローカルに配置されてもよく、クライアント15004及びサーバ15010のいずれかからリモートに配置されてもよく、または他の適切な場所に配置してもよい。訓練データデータベース15016は、後述するように、深層学習システムによって生成された訓練データセットを格納してもよい。実施形態では、トレーニングデータデータベース15016は、トレーニングデータセットを格納するように構成された任意の適切なトレーニングデータリポジトリであってもよい。訓練データセットは、任意の適切な訓練データセットを含んでもよい。例えば、トレーニングデータセットは、デバイス13006の一部、他のデバイスの一部を表す画像データセット、デバイス13006または他のデバイスの動き、振動、または他の様々な特性を表す画像データセット、または任意の他の適切な画像データセットもしくは他のデータセットなど、様々な適切な画像データセットを用いて、これから説明するように、深層学習システムによって生成してもよい。
実施形態では、トレーニングデータセットは、デバイス13006の様々な動作特性を検出するためにコンピュータビジョンシステム15000をトレーニングするために使用してもよい。例えば、説明されるように、深層学習システムは、画像データセットの様々なデータポイント、例えば、異常、特徴、特性、または他の適切なデータポイントを識別するように、視覚分析器15018を訓練してもよい。実施形態では、視覚分析器15018は、機械学習システム、人工知能トレーニングシステム、深層学習システムなどの任意の適切なトレーニングシステムによってトレーニングされてもよく、人間のプログラマによってプログラムされてもよく、または任意の適切な技術、方法、及び/またはシステムを使用して構成、トレーニング、プログラムなどを行ってもよい。例えば、視覚分析器15018は、画像データセットに表されたそれぞれのデバイスf3006の関心点の一部を識別するように構成してもよい。例えば、視覚分析器15018は、画像データセットで表されるそれぞれのデバイス13006のベルトの一部を識別してもよい。視覚分析器15018は、注目点の部分を分析し、注目点の部分の特性(例えば、位置、サイズ、形状、及び/または他の適切な特性)が、注目点の部分の予測または所定の特性に対応するかどうかを判断するように構成してもよい。例えば、視覚分析器15018は、画像データセットに関連付けられた複数の画像のうちの1つで関心点の部分を識別してもよい。視覚分析器15018は、画像データセットの複数の画像のそれぞれに関連する注目点の部分の様々な特性に対応する値を記録してもよい。例えば、視覚分析装置15018は、以下を記録してもよい。画像データセットの複数の連続した画像の各画像における、それぞれのデバイス13006のベルトの一部の位置を追跡し、連続した画像におけるベルトの位置のデルタを追跡してもよい。
予測または所定の特性は、トレーニングデータセットに基づいて予測または所定の特性であってもよく、関心点の部分が、それぞれのデバイス13006が許容または期待される許容範囲内で動作していることを示している関心点の部分の特性に対応してもよい。例えば、注目点の部分の予測または所定の特性は、それぞれのデバイス13006が動作している間のベルトの一部の位置を含んでもよい。ベルトの位置は、それぞれの装置13006が動作している間のベルトの予想される動作位置(例えば、許容可能な動作公差に従ってそれぞれの装置13006が動作している間にベルトの一部があると予想される場所)に対応してもよい。様々な例が説明されているが、視覚分析器15018は、関心点の部分の任意の適切な特性を使用して、画像データセットを分析してもよいことを理解すべきである。
実施形態では、視覚分析器15018は、関心点の部分の記録された特性を、関心点の部分の予測されたまたは所定の特性と比較してもよい。視覚分析器15018は、関心点の部分の記録された特性と、関心点の部分の予測または所定の特性との比較に基づいて、関心点の部分の分析を生成するように構成してもよい(例えば、上述したように、訓練され、構成され、プログラムされているなどである)。例えば、視覚分析器15018は、注目点の部分の記録された位置と、注目点の部分の予測または所定の位置との間の分散(例えば、例えば、それぞれのデバイス13006のベルトの実際のまたは観察された位置と、それぞれのデバイス13006のベルトの予測または所定の位置との間の分散)を決定してもよい。説明したように、画像データセットは、ある期間に撮影された関心点の部分の複数の画像を含んでもよい。視覚分析器15018は、(例えば、第1の間隔中にキャプチャされた第1の画像を使用して)期間中の第1の間隔で、注目点の部分の第1の記録された特性と、注目点の部分の第1の予測されたまたは所定の特性との間の第1の分散を決定してもよい。視覚分析装置15018は、次に、注目点の部分の第2の記録された特性と、第2の予測または所定の特性との間の第2の分散を決定してもよい。期間中の第2の間隔で(例えば、第2の間隔の間に撮影された第2の画像を使用して)、注目点の部分の予測または所定の特性を決定する。視覚分析装置15018は、期間中のインターバルに対応する画像を用いて、期間中の複数の記録された特性及び複数の予測または所定の特性の分散を決定し続けてもよい。このようにして、視覚分析装置15018は、注目点の部分の予測または所定の特性に対する、注目点の部分の特性の分散を表すデータを経時的に生成してもよい。例えば、視覚分析器15018は、一定期間にわたるベルトの予測または所定の位置と比較した、ベルトの実際のまたは観察された位置の差を表すデータを生成してもよい。視覚分析装置15018は、分散を量子化してもよい。例えば、視覚分析器15018は、記録された特性と、予測または所定の特性との間の分散を表す値(例えば、ベルトの記録された位置と、ベルトの予測または所定の位置との間の距離を表す値)を決定するように構成してもよい。実施形態では、視覚分析器15018は、注目点の部分の記録された特性と、予測または所定の部分の記録された特性との間の分散を表す値を含む分散データセットを生成するように構成してもよい。視覚分析器15018は、分散データセットを動作特性検出器15020に伝達してもよい。
実施形態では、動作特性検出器15020は、ビジョン分析モジュール15012上に位置または配置してもよいし、ビジョン分析モジュール15012から遠隔地に位置または配置してもよい。実施形態では、動作特性検出器15020は、分散データセットに基づいて、それぞれのデバイス13006、または任意の適切なデバイス13006の様々な動作特性を決定または識別するように構成してもよい。様々な動作特性は、それぞれのデバイス13006の動作中の注目点の部分の振動、熱、歪み、偏向、他の適切な動作特性、またはそれらの組み合わせ、それぞれのデバイス13006の他の部分の振動、熱、歪み、偏向、他の適切な動作特性、またはそれらの組み合わせを含んでもよい。説明したように、動作特性検出器15020は、機械学習システム、人工知能トレーニングシステム、深層学習システムなどの任意の適切なトレーニングシステムによってトレーニングされてもよく、人間のプログラマによってプログラムされてもよく、または、任意のを使用して構成、トレーニング、プログラムなどしてもよい適切な技術、方法、及び/またはシステムを提供する。実施形態では、動作特性検出器15020は、それぞれのデバイス13006の1つまたは複数の動作特性の量または他の適切な測定値を示す分散データセットの様々なデータを識別することによって、関心点の部分の動作特性を識別するように構成してもよい。
例えば、動作特性検出器15020は、ベルトが第1の周波数で振動していることを示す分散データセットのデータを特定してもよい(例えば、一定期間のベルトの位置が第1の周波数で動いていることを示す分散データセットに関連する値を特定することによって)。動作特性検出器15020は、識別された動作特性を訓練またはプログラムされた動作特性と比較して、動作特性がそれぞれのデバイス13006の動作許容範囲内にあるかどうかを判定してもよい。例えば、動作特性検出器15020は、動作特性に関連する値を閾値と比較したり(例えば、動作特性の値が閾値を上回っているか下回っているかに応じて、動作特性が許容範囲内にあるかどうかを判断する)、動作特性に関連する値を予測値と比較したり(例えば、値が異なる場合に動作特性が許容範囲内で動作していないと判断する)、その他の適切な判定分析を行ったり、それらの組み合わせを行ったりしてもよい。例えば、動作特性検出器15020は、ベルトが振動している周波数を、訓練またはプログラムされた周波数と比較してもよい。訓練された又はプログラムされた周波数は、それぞれの装置13006の通常又は許容される動作中のベルトの振動の周波数、ベルトが許容される許容範囲を超えて振動していることを示すベルトの振動の周波数、それぞれの装置13006の通常又は許容される動作の範囲内であり、最終的にそれぞれの装置13006の動作の許容範囲を超える周波数でベルトが振動する可能性があることを示す振動の周波数、又は他の適切な周波数を含んでもよい。振動のみを説明したが、訓練されたまたはプログラムされた動作特性は、それぞれの装置13006の任意の適切な動作特性を示してもよい。動作特性検出器15020は、値または動作特性を示すデータ、及び/または予測的な(例えば、将来の)動作特性を示す情報(例えば、関心点の部分の実際のまたは観察された動作特性と、実際のまたは観察された動作特性が特定のさらなる動作特性を示すことを示す訓練されたまたはプログラムされた動作特性とに基づいて決定される)、実際のまたは観察された動作特性、他の適切な情報または値、またはそれらの組み合わせを含む動作特性データセットを出力(例えば、データベースへの出力、レポートへの出力、モニタへの出力、または他の適切な出力場所または装置への出力)してもよい。
実施形態では、オペレータは、動作特性データセットをレビュー及び/または分析して、それぞれのデバイス13006、及び/またはそれぞれのデバイス13006の関心点の部分が、期待されるまたは許容される許容範囲内で動作しているかどうかを決定することができる。さらに、または代わりに、オペレータは、動作特性データセットに基づいて、それぞれのデバイス13006の1つまたは複数のコンポーネントが故障している、故障するだろう、メンテナンスが必要である、または他の適切な決定を行ってもよい。例えば、動作特性データセットは、ベルトが第1の周波数で振動していることを示してもよい。ベルトが第1の周波数で振動していることは、ベルトに関連するプーリが故障しているか、メンテナンスが必要であることを示してもよい。オペレータは、動作特性データに基づいて、プーリを保守または交換してもよい。実施形態では、動作特性検出器15020は、それぞれのデバイス13006のコンポーネントがメンテナンスまたは交換を必要とすることを示す情報またはデータを出力するように構成してもよい。例えば、説明したように、動作特性データセットは、ベルトが第1の周波数で振動していることを示してもよい。動作特性検出器15020は、動作特性データセット(例えば、ベルトが第1の周波数で振動していることを示す)、及び訓練されたまたはプログラムされた動作特性に基づいて、第1の周波数で振動しているベルトは、第1のプーリが故障しており、交換または保守されるべきであることを示していると判断するように構成してもよい。動作特性検出器15020は、説明したように、情報またはデータをオペレータに出力してもよく、オペレータは、その後、情報またはデータに基づいて(例えば、第1のプーリを交換または保守することによって)行動してもよい。
実施形態では、コンピュータビジョンシステム15000は、様々な非視覚的入力デバイスを使用して、それぞれのデバイス13006からデータ(例えば、非画像データ)をキャプチャしてもよい。例えば、データキャプチャデバイス15002は、それぞれのデバイス13006の動作中に、温度、圧力、化学構造、他の適切な非視覚的データ、またはそれらの組み合わせなどのデータをキャプチャしてもよい。化学構造は、分子内の原子の空間的配置を表す分子幾何学と、原子を一緒に保持する化学結合とを含んでもよい。化学構造は、分子モデルまたは数式によって表することができる。例えば、データキャプチャデバイス15002は、以下をキャプチャしてもよい。ある期間(例えば、それぞれのデバイス13006が動作している間)における複数の測定値を取得する。データキャプチャデバイス15002は、期間中の任意の適切な間隔で、それぞれのデバイス13006の測定値をキャプチャしてもよい。例えば、データキャプチャデバイス15002は、1秒に1回、1秒の何分の1かに1回、または期間中の任意の適切な間隔で測定値をキャプチャしてもよい。実施形態では、データキャプチャデバイス15002は、生の測定データをキャプチャしてもよい。生の測定データは、温度測定、圧力測定(例えば、それぞれのデバイス13006の一部内の液体または気体の)、化学構造測定(例えば、それぞれのデバイス13006の一部内の液体、気体、または固体の)、または他の適切な生の測定データを含んでもよい。実施形態では、データキャプチャデバイス15002は、任意の適切な測定符号化技術を用いて生の測定データを符号化してもよい。
データキャプチャデバイス15002は、圧力センサ、温度センサ、化学センサ、流体センサ、他のセンサ、他のデータキャプチャデバイス、またはそれらの組み合わせを含んでもよい。実施形態では、データキャプチャデバイス15002は、それぞれのデバイス13006の一部のものを含む圧力測定データをキャプチャするように構成された1つ以上の圧力センサを含んでもよい。例えば、圧力センサは、それぞれのデバイス13006のバット、パイプ、タンク、または他の適切な加圧エンクロージャ内の圧力を測定してもよい。実施形態では、データキャプチャデバイス15002は、それぞれのデバイス13006の一部の温度を測定するように構成された1つまたは複数の温度センサを含んでもよい。例えば、温度センサは、オーブン、キルン、桶、パイプ、タンク、またはそれぞれのデバイス13006の他の適切な部分の温度を測定してもよい。実施形態では、データキャプチャデバイス15002は、それぞれのデバイス13006に関連する液体、気体、または固体の化学構造を測定または決定するように構成された1つまたは複数の化学センサを含んでもよい。例えば、化学センサは、それぞれのデバイス13006によって製造された部品の化学構造、動作中にそれぞれのデバイス13006を冷却するために使用される冷却流体の化学構造、動作中にそれぞれのデバイス13006によって生成された廃棄物の化学構造、またはそれぞれのデバイス13006に関連する他の適切な液体、流体、気体、または固体の他の適切な化学構造を測定してもよい。
実施形態では、データキャプチャデバイス15002は、モバイルデバイスと関連していてもよい。例えば、1つまたは複数のそれぞれのデバイス13006を操作、監督、監視、及び/または検査するオペレータは、携帯電話、スマートフォン、タブレットコンピュータ、または他の適切なモバイルデバイスなどのモバイルデバイスを利用してもよい。モバイルデバイスは、アドオンセンサなどのデータキャプチャデバイスを含んでいてもよい。操作者は、モバイルデバイスのアドオンセンサを使用して測定データをキャプチャしてもよい。実施形態において、データキャプチャデバイス15002は、説明されているように、測定データをキャプチャし、キャプチャされた測定データを、説明されているように、クライアント15004、サーバ15010、またはそれらの組み合わせに通信するスタンドアローンデバイスであってもよい。
実施形態では、1つまたは複数のデータキャプチャデバイス15002は、それぞれのデバイス13006に対して予め定義された距離及び位置で、それぞれのデバイス13006に、またはその近くに配置してもよい。1つまたは複数のデータキャプチャデバイス15002が配置される、または配置される所定の距離及び位置は、1つまたは複数のデータキャプチャデバイス15002が、それぞれのデバイス13006の関心のある点のデータキャプチャの所望のフィールドを有するように選択してもよい。説明したように、関心のある点は、それぞれのデバイス13006の任意の適切な点または領域を含んでもよい。例えば、関心点は、桶、タンク、パイプ、筐体、製造された部品、冷却液、廃棄物、他の適切な関心点、またはそれらの組み合わせを含んでもよい。データキャプチャのフィールドは、データキャプチャデバイス15002を使用して所望の測定値をキャプチャすることができる領域を含んでもよい。それぞれのデバイス13006に、またはその近くに配置されたそれぞれのデータキャプチャデバイス15002からのコンバインフィールドからキャプチャされたデータは、説明したように、画像データセット生成装置15006によって使用され、それぞれのデバイス13006の関心点の画像を表す1つまたは複数の画像データセットを生成してもよい。実施形態では、データキャプチャデバイス15002は、本明細書で説明したデバイスの任意の組み合わせ、または説明していない他の適切なデータキャプチャデバイスを含んでもよい。
実施形態では、データキャプチャデバイス15002は、説明したように、それぞれのデバイス13006の測定データをキャプチャし、キャプチャした測定データを、ネットワーク15008を使用して、クライアント15004及び/またはサーバ15010に通信してもよい。クライアント15004は、本開示全体を通して説明されたものを含む任意の適切なクライアントを含んでもよい。実施形態では、クライアント15004は、モバイルデバイス、または他の適切なクライアントであってもよい。クライアント15004は、本開示全体を通して説明したように、それぞれのデバイス13006上またはその近くで作業するオペレータによって所有、操作、及び/または利用してもよい。ネットワーク15008は、インターネット、クラウドネットワーク、ローカルエリアネットワーク、ワイドエリアネットワーク、無線ネットワーク、有線ネットワーク、セルラーネットワークなどを含むがこれらに限定されない、本開示全体を通して記載される任意の適切なネットワークであってもよいし、それらの任意の組み合わせであってもよい。サーバ15010は、本開示全体を通して説明される任意のサーバを含む、任意の適切なサーバであってもよい。サーバ15010は、スタンドアローン型のサーバであってもよい。サーバ15010は、専用サーバであってもよいし、分散型コンピューティングサーバやクラウドサーバなどの一つであってもよいし、それらの組み合わせであってもよい。
実施形態では、説明したように、画像データセット生成器15006は、クライアント15004及び/またはサーバ15010上で実行可能なアプリケーションまたは他の適切なソフトウェアもしくはプログラムで構成してもよい。実施形態では、クライアント15004は、画像データセット生成器15006を実行するように構成してもよい。例えば、説明したようなオペレータは、オペレータが第1のデバイス13006と対話する際に、クライアント15004を携帯してもよい。データキャプチャデバイス15002の1つまたは複数は、第1のデバイス13006に関連する、説明したような測定データをキャプチャするように構成してもよい。例えば、第1のデータキャプチャデバイス15002は、第1のデータキャプチャデバイス15002が、第1のデバイス13006上の関心点に対して、説明したようなデータキャプチャのフィールドを有するように、第1のデバイス13006の近くに配置してもよい。第1のデータキャプチャデバイス15002は、第1のデバイス13006に関連する生の測定データをキャプチャしてもよい。第1のデータキャプチャデバイス15002は、ネットワーク15008を介して、生の測定データをクライアント15004に通信してもよい。画像データセット生成装置15006は、生の測定データを用いて1つまたは複数の画像データセットを生成してもよい。いくつかの実施形態において、サーバ15010は、図152に一般的に示されているように、画像データセット生成器15006を実行するように構成してもよい。第1のデータキャプチャデバイス15002は、ネットワーク15008を介して、生の測定データをサーバ15010に通信してもよい。サーバ15010によって実行される画像データセット生成器15006は、生の測定データを用いて1つまたは複数の画像データセットを生成してもよい。
実施形態では、画像データセット生成器15006は、1つまたは複数のデータキャプチャデバイス15002から受信した生の測定データを使用して、1つまたは複数の画像データセットを生成するように構成してもよい。画像データセットは、説明したように、視覚分析モジュール15012によって分析または処理されることが可能な(例えば、適切なフォーマットの)データを含む画像を含んでもよい。画像データセット生成部15006は、生の測定データをデコードするように構成してもよい。例えば、説明したように、1つまたは複数のデータキャプチャデバイス15002は、エンコードされた生の測定データをクライアント15004及び/またはサーバ15010に通信する前に、生の測定データをエンコードしてもよい。画像データセット生成器15006は、任意の適切な測定デコード技術を用いて生の測定データをデコードするように構成してもよい。例えば、画像データセット生成装置15006は、測定値を表す信号を測定値として解釈するように構成してもよい。いくつかの実施形態では、画像データセット生成器15006は、関連する生の測定データ、ステッチ生の測定データを相関させるように構成してもよい(例えば、以下を使用して)。1つまたは複数のデータキャプチャデバイス15002からの複数の測定値を使用して、それぞれのデバイス13006の1つの関心点を表す単一の値を作成する)、または、任意の適切な画像データセット生成技術、及び/または、任意の適切な測定データ処理技術を使用して、画像データセットを生成することができる。例えば、画像データセット生成装置15006は、圧力、温度、化学構造、または他の適切な測定データに対応する測定データを使用して、それぞれのデバイス13006の注目点を表す画像データを生成するように構成してもよい。
実施形態では、画像データセット生成器15006は、生の画像データ(例えば、上述したように、データキャプチャデバイス15002によってキャプチャされた)と組み合わせて、説明したような測定データを使用して、1つ以上の画像データセットを生成するように構成してもよい。例えば、画像データセット生成器15006は、関心点の正確な画像を生成するために、関連する温度測定と組み合わせたキャプチャ画像データを使用して、それぞれのデバイス13006の関心点の画像を生成するように構成してもよい(例えば、コンポーネントの温度に起因するコンポーネントの膨張、たわみ、成長、収縮、または形状もしくはサイズの他の変化を考慮する)。画像データセット生成部15006は、1つまたは複数の画像データセットを視覚分析モジュール15012に通信してもよい。実施形態では、視覚分析モジュール15012は、サーバ15010上で実行可能なアプリケーションまたは他の適切なソフトウェアであってもよい。ビジョン分析モジュール15012は、サーバ15010によって実行されるものとして図示及び説明されているが、クライアント15004がビジョン分析モジュール15012を実行するように構成してもよいことを理解すべきである。実施形態において、視覚分析モジュール15012は、説明したように、画像データセットを分析してもよい。例えば、視覚分析器15018は、画像データセットを分析してもよい。動作特性検出器15020は、説明したように、動作特性を識別してもよい。
実施形態では、説明するように、トレーニングデータデータベース15016は、任意の適切なデータベースを含んでもよく、クライアント15004及び/またはサーバ15010にローカルに配置されてもよく、クライアント15004及びサーバ15010のいずれかからリモートに配置されてもよく、または他の適切な場所に配置してもよい。訓練データデータベース15016は、後述するように、深層学習システムによって生成された訓練データセットを格納してもよい。実施形態では、トレーニングデータデータベース15016は、トレーニングデータセットを格納するように構成された任意の適切なトレーニングデータリポジトリであってもよい。訓練データセットは、任意の適切な訓練データセットを含んでもよい。例えば、トレーニングデータセットは、それぞれのデバイス13006の一部を表すデータセット、他のデバイスの一部を表すデータセット、圧力を表すデータセット、温度を表すデータセット、化学構造を表すデータセット、振動を表すデータセット、またはそれぞれのデバイス13006もしくは他のデバイスの他の様々な特性を表すデータセットなどの様々な適切なデータセットを用いて、これから説明されるように、深層学習システムによって生成してもよい。
実施形態では、トレーニングデータセットは、コンピュータビジョンシステム15000をトレーニングして、それぞれのデバイス13006の様々な動作特性を検出するために使用してもよい。例えば、説明されるように、深層学習システムは、画像データセットの様々なデータポイント、例えば、異常、特徴、特性、または他の適切なデータポイントを識別するように、視覚分析器15018を訓練してもよい。実施形態では、視覚分析器15018は、機械学習システム、人工知能トレーニングシステム、深層学習システムなどの任意の適切なトレーニングシステムによってトレーニングされてもよく、人間のプログラマによってプログラムされてもよく、または任意の適切な技術、方法、及び/またはシステムを使用して構成、トレーニング、プログラムなどを行ってもよい。例えば、視覚分析器15018は、画像データセットに表されたそれぞれのデバイスf3006の関心点の一部を識別するように構成してもよい。例えば、視覚分析器15018は、画像データセットで表されるそれぞれのデバイス13006のベルトの一部を識別してもよい。視覚分析器15018は、注目点の部分を分析し、注目点の部分の特性(例えば、位置、サイズ、形状、及び/または他の適切な特性)が、注目点の部分の予測または所定の特性に対応するかどうかを判断するように構成してもよい。例えば、視覚分析器15018は、画像データセットに関連付けられた複数の画像のうちの1つにおいて、注目点の部分を識別してもよい。視覚分析装置15018は、画像データセットの複数の画像のそれぞれに関連する注目点の部分の様々な特性を記録してもよい。例えば、視覚分析器15018は、画像データセットの複数の連続した画像の各画像において、それぞれの装置13006のベルトの一部に関連する圧力値、温度値、または他の適切な測定値を記録してもよく、連続した画像におけるベルトの測定値のデルタを追跡してもよい(例えば、説明したように、データキャプチャデバイス15002によってキャプチャされた測定値を使用して)。説明したように、視覚分析装置15018は、記録された値と、予測または所定の値との間のデルタに基づいて、分散データセットを生成してもよい。
実施形態では、動作特性検出器15020は、ビジョン分析モジュール15012上に位置または配置してもよいし、ビジョン分析モジュール15012から遠隔地に位置または配置してもよい。実施形態では、動作特性検出器15020は、分散データセットに基づいて、それぞれのデバイス13006、または任意の適切なそれぞれのデバイス13006の様々な動作特性を決定または識別するように構成してもよい。様々な動作特性は、それぞれのデバイス13006の動作中の注目点の部分の振動、熱、歪み、偏向、他の適切な動作特性、またはそれらの組み合わせ、それぞれのデバイス13006の他の部分の振動、熱、歪み、偏向、他の適切な動作特性、またはそれらの組み合わせを含んでもよい。
説明したように、動作特性検出器15020は、機械学習システム、人工知能トレーニングシステム、深層学習システムなどの任意の適切なトレーニングシステムによってトレーニングされてもよく、人間のプログラマによってプログラムされてもよく、または任意の適切な技術、方法、及び/またはシステムを使用して構成され、トレーニングされ、プログラムされるなどの方法がある。実施形態では、動作特性検出器15020は、それぞれのデバイス13006の一部を表すデータセット、他のデバイスの一部を表すデータセット、圧力を表すデータセット、温度を表すデータセット、化学構造を表すデータセット、振動を表すデータセット、またはそれぞれのデバイス13006もしくは他のデバイスの他の様々な特性を表すデータセット、または任意の他の適切なデータセットを含むトレーニングデータセットを使用して、これから説明するように、深層学習システムによってトレーニングしてもよい。実施形態では、動作特性検出器15020は、それぞれのデバイス13006の1つまたは複数の動作特性の量または他の適切な測定値を示す分散データセットの様々なデータを識別することによって、関心点の部分の動作特性を識別するように構成してもよい。実施形態では、動作特性は、それぞれのデバイス13006のコンポーネント内の圧力、それぞれのデバイス13006のコンポーネントの少なくとも一部の温度、材料の化学構造(例えば、の化学構造(例えば、それぞれの装置13006の構成要素のまたはその中の気体、液体、または固体、またはそれぞれの装置13006によって製造された構成要素または部品)、材料の密度(例えば、それぞれの装置13006の構成要素のまたはその中の気体、液体、または固体、またはそれぞれの装置13006によって製造された構成要素または部品)、他の適切な動作特性、またはそれらの組み合わせを含むことができる。
例えば、動作特性検出器15020は、それぞれのデバイス13006のコンポーネントが予期せぬ温度上昇により形状不良になっていることを示す分散データセットのデータを特定してもよい(例えば、一定期間のコンポーネントの温度が予想よりも大きな割合で上昇していることを示す分散データセットに関連する値を特定することにより)。動作特性検出器15020は、識別された動作特性を訓練またはプログラムされた動作特性と比較して、動作特性がそれぞれのデバイス13006の動作許容範囲内にあるかどうかを判定してもよい。例えば、動作特性検出器15020は、コンポーネントの温度変化の速度を、トレーニングまたはプログラムされたコンポーネントの温度変化の速度と比較してもよい。動作特性検出器15020は、値または動作特性を示すデータ及び/または予測的な(例えば、将来の)動作特性(例えば、関心のある点の部分の実際のまたは観察された動作特性と、実際のまたは観察された動作特性が特定のさらなる動作特性を示すことを示す訓練されたまたはプログラムされた動作特性とに基づいて決定される)を示す情報、実際のまたは観察された動作特性、他の適切な情報または値、またはそれらの組み合わせを含む動作特性データセットを出力(例えば、データベースへの出力、レポートへの出力、モニタへの出力、または他の適切な出力場所または装置への出力)してもよい。説明したように、オペレータは出力データを分析し、適切な修正措置を取ることができる。さらに、またはその代わりに、コンピュータビジョンシステム15000は、自動的に是正措置を特定し、是正措置を開始してもよい。
実施形態では、コンピュータビジョンシステム15000は、分類モデルを実装してもよい(例えば、ディープニューラルネットワーク、または他の適切なニューラルネットワークもしくは他のネットワークを使用して)。例えば、ビジョン分析モジュール15012は、上述の分散データセットを含む画像データの分析を受け取る分類モジュールを実装してもよい。ビジョン分析モジュール15012は、それぞれのデバイス13006の動作特性に関連する分類を出力してもよい。例えば、分類モデルは、ビジョン解析モジュール15012を介して、動作中のそれぞれのデバイス13006のベルトの画像データセットの記録された特性の間の分散を定義する特徴を受け取ってもよい。分類モデルは、故障したベルトに対応する画像データ及び/または非画像データ、まだ故障していないベルトに対応する画像データ及び/または非画像データ、ならびに期待される及び/または許容される状態で動作しているベルトに対応する画像データ及び/または非画像データを用いて学習されており、ベルトが故障しているか、期待される及び/または許容される状態内で動作しているが故障に向かっている傾向があるか、または期待される及び/または許容される動作状態にあるかを示す分類を出力してもよい。
実施形態では、動作特性検出器15020、ビジョン分析モジュール15012、及び/またはコンピュータビジョンシステム15000は、それぞれの装置13006の動作特性の1つまたは複数、メンテナンスまたは交換を必要とするそれぞれの装置13006の1つまたは複数のコンポーネント、任意の他の適切なアラート、またはそれらの組み合わせをオペレータに警告するように構成された1つまたは複数の警告、信号、インジケータ、または他の適切な出力を生成してもよい。例えば、コンピュータビジョンシステム15000は、それぞれのデバイス13006のコンポーネント(例えば、第1のプーリ)がメンテナンスを必要としていることを示す、テキストメッセージ、電子メールメッセージ、ポップアップメッセージ、または他の適切なメッセージなどのメッセージを生成するように構成してもよい。メッセージは、意図するメッセージを伝えるテキスト、文字、画像、または他の適切な情報を含んでもよい。コンピュータビジョンシステム15000は、ネットワーク15008、近距離通信、または他の適切な通信システムもしくはプロトコルを介して、メッセージをオペレータに伝達するように構成してもよい。例えば、コンピュータビジョンシステム15000は、説明したように、モバイルデバイス、または他の適切なデバイス及び/または場所にメッセージを通信してもよい。
実施形態では、コンピュータビジョンシステム15000は、1つまたは複数のそれぞれのデバイス13006の現在のステータスを出力ディスプレイに表示するように構成してもよい。例えば、それぞれのデバイス13006の工場、プラント、または他の適切な場所は、それぞれのデバイス13006に近接しているオペレータが出力ディスプレイを見ることができるように配置された出力ディスプレイ(例えば、スクリーンまたはモニタ)を含んでもよい。コンピュータビジョンシステム15000は、それぞれのデバイス13006の1つまたは複数のステータス(例えば、赤、黄、緑のステータス、アップまたはダウンのステータス、または他の適切なステータスもしくはインジケータ、またはそれらの組み合わせ)を表示するように構成してもよい。例えば、コンピュータビジョンシステム15000は、(例えば、上述した画像データセットの視覚的分析に基づいて)許容可能な動作条件の範囲内で動作しているそれぞれのデバイス13006の隣に、緑色のステータスを表示してもよい。別の例では、コンピュータビジョンシステム15000は、許容可能な動作条件内で動作しているそれぞれの装置13006の隣にアイイエローのステータスを表示してもよく、視覚分析は、動作特性(例えば、説明したように識別された)が現在の動作傾向に沿って継続する場合に、それぞれの装置13006が許容可能な動作条件の外で動作し始める可能性があることを示す(例えば、ベルトの振動の周波数に基づいて、コンピュータビジョンシステム15000は、その周波数での振動の継続及び/または周波数の増加がそれぞれの装置13006を許容可能な動作条件の外で動作させる可能性があると判断する)。別の例では、コンピュータビジョンシステム15000は、現在許容動作条件外で動作しているそれぞれの装置13006の横に、赤色のステータスを表示してもよい。実施形態では、コンピュータビジョンシステム15000は、説明したように、モバイルデバイスのディスプレイなどの他の適切なディスプレイに、それぞれのデバイス13006の動作状態を表示してもよい。例えば、モバイルデバイスは、それぞれのデバイス13006の動作状況を表示するアプリケーションを含んでいてもよい。
実施形態では、ビジョン分析モジュール15012の出力は、上述したトレーニングデータセットを更新及び/または改善するために使用してもよい。例えば、ビジョン分析モジュール15012からの出力は、追加の動作特性を含むようにトレーニングデータセットを更新するために使用されてもよく、様々な動作特性を予測するために使用される値の精度を向上させるために使用されてもよく、トレーニングデータセットに対する他の適切な更新または改善のために使用されてもよく、またはそれらの組み合わせで使用してもよい。トレーニングデータセットは、コンピュータビジョンシステム15000の予測及び決定能力を向上させるために、コンピュータビジョンシステム15000への継続的なフィードバックとして使用してもよい。
実施形態では、ビジョン分析モジュール15012の出力は、オペレータまたはコンピュータビジョンシステム15000によって、故障の識別、修理またはメンテナンスのスケジューリング、それぞれのデバイス13006上の設定の調整、他の是正措置、または他の適切な行動を取るために使用することができるナレッジベースを生成及び/または更新するために使用してもよい。例えば、ビジョン分析モジュール15012の出力は、対応するコンポーネントの修理と相関してもよい(例えば、ビジョン分析モジュール15012の出力は、ベルトの振動が予想または許容される許容範囲を超えていることを示してもよく、オペレータは、出力に対応してプーリを交換してもよい)。知識ベースは、ビジョン分析モジュール15012の出力(例えば、上記で決定された動作特性の値を含む)が、交換されたプーリをもたらしたことを示すように更新してもよい。このようにして、知識ベースは、成長し続け、動作特性及び対応する是正措置に関連して、オペレータまたはコンピュータビジョンシステム15000に正確で精密な情報を提供し、それによって、コンピュータビジョンシステム15000の効率を向上させ、問題及び対応する是正措置を特定する際にオペレータを支援してもよい。
実施形態では、コンピュータビジョンシステム15000は、上述したもの以外のコンポーネント、部品、システム、デバイス、またはそれらの組み合わせを視覚的に検査するように構成してもよい。例えば、コンピュータビジョンシステム15000は、説明したように、部品製造施設で製造された部品を視覚的に検査するように構成してもよい。例えば、データキャプチャデバイス15002は、各それぞれのデータキャプチャデバイス15002のデータキャプチャのフィールドが、(例えば、部品製造ライン上で)製造されている部品の少なくとも一部に向けられるように、配置または位置決めしてもよい。データキャプチャデバイス15002は、部品が部品製造ラインに沿って移動する際に、部品に関連するデータをキャプチャしてもよい。コンピュータビジョンシステム15000は、データキャプチャデバイス15002によってキャプチャされたデータを(例えば、画像データセット生成器15006によって生成された画像データセットとして)分析し、部品の許容基準から逸脱した異常、変動、または他の状態を識別してもよい。実施形態では、部品は、車両用の部品、自転車用の部品、自転車チェーン、ガスケット、ファスナ(例えば、ねじ、ボルト、ナット、釘など)、プリント回路基板、コンデンサ、インダクタ、抵抗器、または他の適切な部品を含んでもよい。例えば、コンピュータビジョンシステム15000は、製造中の自転車チェーンに関連する画像データセットを分析してもよい。コンピュータビジョンシステム15000は、上述の分析に基づいて、自転車チェーンの部分の許容基準を外れた曲がりを識別してもよい。コンピュータビジョンシステム15000は、説明したように、自転車チェーンを流通から外す、修理する、破壊する、または他の適切な行動をとるべきであることを示すメッセージを生成してもよい。
図175から図176に概略的に示されるように、深層学習システム15030は、トレーニングデータセットを使用して、コンピュータビジョンシステム15000をトレーニングして、それぞれのデバイスf3006または他の適切なデバイスの動作特性を識別し、識別された動作特性に応答して是正措置を識別し、識別された是正措置に基づいて是正措置を開始するように構成してもよい。深層学習システム15030は、データ表現に基づく学習を用いて、コンピュータビジョンシステム15000を訓練してもよい。実施形態では、深層学習システム15030は、教師付きトレーニング(例えば、分類を使用)、半教師付きトレーニング、または教師なしトレーニング(例えば、パターン分析を使用)を使用して、コンピュータビジョンシステム15000をトレーニングしてもよい。実施形態では、深層学習システム15030は、深層ニューラルネットワーク、深層信念ネットワーク、リカレントニューラルネットワーク、他の適切なネットワークまたは学習システム、またはそれらの組み合わせを含んでもよい。
実施形態では、深層学習システム15030は、複数の層に編成された命題式または潜在変数を含んでもよい。複数の層のそれぞれは、画像の抽象的な部分を表すように構成してもよい。例えば、第1の層は、入力画像、例えば、代表デバイス13006の関心点を表す画像のピクセルの抽象的な部分を表し、エッジを符号化してもよい。第2の層は、エッジの配置を表してもよい。第3の層は、代表装置13006の関心点内の構成要素の第1の部分(例えば、説明したように、ベルトの一部)を符号化してもよい。第4の層は、構成要素の別の符号化された部分を表してもよく、そのようにして、複数の層は、重ねられたときに、代表的なデバイス13006の関心点を表す。深層学習システム15030は、層を、コンピュータビジョンシステム15000を訓練するために使用される訓練データセットに変換するように構成してもよい。例えば、深層学習システム15030は、第1の周波数で振動する代表デバイス13006のベルトを表す1つまたは複数の画像の複数の層を翻訳してもよい。深層学習システム15030は、様々なソースからの入力データを使用して、第1の周波数が、説明したように、予想されるまたは許容される許容範囲内でベルトが振動している周波数を表しているかどうかを判断してもよい。例えば、深層学習システム15030は、それぞれのデバイス13006、プロセス、生産ライン、設備、または他の適切なシステムに関連する、修理データ、保守データ、アップタイムデータ、ダウンタイムデータ、収益性データ、効率性データ、運用最適化データ、またはそれらの組み合わせを示すデータを受信してもよい。
実施形態では、深層学習システム15030は、ベルトの第1の周波数に対応するデータ値を特定してもよい。例えば、深層学習システム15030は、それぞれのデバイス13006がベルトを第1の周波数で振動させて動作した期間に対応するアップタイム値、ダウンタイム値、収益性値、他の適切な値、またはそれらの組み合わせを特定してもよい。例えば、深層学習システム15030は、それぞれのデバイス13006が、閾値を超えたアップタイム、閾値を下回ったダウンタイム、閾値を超えた収益性、またはそれらの組み合わせを有していたことをデータが示している場合に、第1の周波数が予想されるまたは許容される許容範囲内にあると判断してもよい。逆に、深層学習システム15030は、例えば、それぞれのデバイス13006に関連するダウンタイムが閾値を超えていた場合に、第1の頻度が予想されるまたは許容できる許容範囲を超えていると判断してもよい。深層学習システム15030は、本明細書に開示されたもの以外の任意の適切な動作特性を特定してもよく、深層学習システム15030は、本明細書に記載されたもの以外の任意の適切なデータ分析に基づいて、動作特性の正または負の結果を決定してもよいことを理解されたい。
実施形態では、深層学習システム15030は、識別された動作特性及びそれに関連する分析を使用して、トレーニングデータセットを生成してもよい。実施形態では、深層学習システム15030は、トレーニングデータセットを使用してコンピュータビジョンシステム15000をトレーニングしてもよい。実施形態では、深層学習システム15030は、コンピュータビジョンシステム15000、オペレータ、プログラマ、他の適切なソース、またはそれらの組み合わせからフィードバック情報を受信してもよい。深層学習システム15030は、フィードバックに基づいて、学習データセットを更新してもよい。例えば、トレーニングデータセットを使用してトレーニングされたコンピュータビジョンシステム15000は、コンポーネントを故障していると識別してもよい。オペレータは、コンポーネントを視覚的に検査して、コンポーネントが故障していないと判断してもよい。オペレータ及び/またはコンピュータビジョンシステム15000は、識別された動作特性(例えば、コンピュータビジョンシステム15000によって識別された)に基づいて、コンポーネントが故障していないことを深層学習システム15030に伝達してもよい。深層学習システム15030は、オペレータ及び/またはコンピュータビジョンシステム15000からのフィードバックを用いて、学習データセットを更新してもよい。
実施形態では、製造装置の動作特性を検出する装置は、メモリとプロセッサを含む。メモリは、プロセッサによって実行可能な命令を含み、1つまたは複数のデータキャプチャデバイスによってキャプチャされた生データを使用して1つまたは複数の画像データセットを生成し、1つまたは複数の画像データセットによって表される関心点内の製造装置の一部に対応する1つまたは複数の値を識別し、1つまたは複数の値を記録し、記録された1つまたは複数の値を対応する予測値と比較し、記録された1つまたは複数の値と対応する予測値との比較に基づいて分散データセットを生成し、分散データに基づいて製造装置の動作特性を識別し、動作特性を示す表示を生成する。
実施形態では、メモリは、動作特性を特定することに応答して是正措置を特定するために、プロセッサによってさらに実行可能な命令を含む。実施形態では、メモリは、動作特性を特定することに応答して是正措置を開始するために、プロセッサによってさらに実行可能な命令を含む。実施形態では、動作特性は、製造装置のコンポーネントの振動を含む。実施形態では、動作特性は、製造装置の構成要素の形状を含む。実施形態では、動作特性は、製造装置の構成要素のサイズを含む。実施形態では、動作特性は、製造装置のコンポーネントのたわみを含む。実施形態では、動作特性は、製造装置の構成要素の電磁放射を含む。実施形態では、前記動作特性は、前記製造装置のコンポーネントの温度を含み実施形態では、動作特性は、製造装置のコンポーネント内の気体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の密度を含む。
実施形態では、動作特性は、製造装置のコンポーネント内の液体の密度を含む。実施形態では、動作特性は、製造装置のコンポーネント内の固体の密度を含む。実施形態では、動作特性は、製造装置によって製造されたコンポーネントの密度を含む。実施形態では、部品は、車両用の部品を含む。実施形態では、構成要素は、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、部品は、ガスケットを含む。実施形態では、構成要素は、ファスナを含む。実施形態では、構成要素は、ねじのための部品を含む。実施形態では、構成要素は、ボルト用の部品を含む。実施形態では、構成要素は、プリント回路基板のための部品を含む。実施形態では、構成要素は、コンデンサのための部品を含む。実施形態では、部品は、抵抗器のための部品を含む。実施形態では、部品は、インダクタのための部品を含む。実施形態では、動作特性は、製造装置の部品内の気体の化学構造を含む。
実施形態では、動作特性は、製造装置のコンポーネント内の液体の化学構造を含む。実施形態では、動作特性は、製造装置のコンポーネント内の固体の化学構造を含む。実施形態では、動作特性は、製造装置によって製造されたコンポーネントの化学構造を含む。実施形態では、部品は、車両用の部品を含む。実施形態では、部品は、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、部品は、ガスケットを含む。実施形態では、部品は、ファスナを含む。実施形態では、コンポーネントは、ねじのための部品を含む。実施形態では、部品は、ボルト用の部品を含む。実施形態では、構成要素は、プリント回路基板のための部品を含む。実施形態では、構成要素は、コンデンサのための部品を含む。
実施形態では、コンポーネントは、抵抗器のための部品を含む。実施形態では、コンポーネントは、インダクタのための部品を含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、カメラを含む。実施形態では、データキャプチャデバイスは、データ測定デバイスを含む。実施形態では、データキャプチャデバイスは、センサを含む。実施形態では、データキャプチャデバイスは、フルスペクトルカメラを含む。実施形態では、データキャプチャデバイスは、放射線撮像デバイスを含む。実施形態では、データキャプチャデバイスは、X線イメージングデバイスを含む。実施形態では、データキャプチャデバイスは、非可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、音波データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、光イメージング、検出、及び測距デバイスを含む。実施形態では、データキャプチャデバイスは、点群データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、赤外線検査デバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。
実施形態では、データキャプチャデバイスは、圧力センサを含む。実施形態では、データキャプチャデバイスは、温度センサを含む。実施形態では、データキャプチャデバイスは、化学物質センサを含む。実施形態では、データキャプチャデバイスは、スタンドアローンデバイスを含む。実施形態では、データキャプチャデバイスは、モバイルデバイスと関連するものを含む。実施形態では、モバイルデバイスは、スマートフォンを含む。実施形態では、モバイルデバイスは、タブレットを含む。実施形態では、生データは、生の画像データを含む。実施形態では、生データは、生の測定データを含む。実施形態では、関心点内の製造装置の部分は、製造装置のコンポーネントを含む。実施形態では、注目点内の製造装置の部分は、製造装置のベルトを含む。実施形態では、注目点内の製造装置の部分は、製造装置によって製造されたコンポーネントを含む。実施形態では、注目点内の製造装置の部分は、製造装置によって製造された自転車チェーンを含む。
実施形態において、製造装置の動作特性を検出する方法は、1つ又は複数のデータキャプチャデバイスによって取り込まれた生データを用いて1つ又は複数の画像データセットを生成することと、1つ又は複数の画像データセットによって表される関心点内の製造装置の一部に対応する1つ又は複数の値を特定することと、1つ又は複数の値を記録することとを含む。記録された1つ以上の値を対応する予測値と比較するステップと、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成するステップと、分散データに基づいて製造装置の動作特性を特定するステップと、動作特性を示す表示を生成するステップと、を含むことを特徴とする。
実施形態では、本方法は、動作特性の特定に応答する是正措置を特定することも含む。実施形態では、本方法は、動作特性の特定に応答して是正措置を開始することも含む。実施形態では、動作特性は、製造装置のコンポーネントの振動を含む。実施形態では、動作特性は、製造装置の構成要素の形状を含む。実施形態では、動作特性は、製造装置の構成要素のサイズを含む。実施形態では、動作特性は、製造装置のコンポーネントのたわみを含む。実施形態では、動作特性は、製造装置の構成要素の電磁放射を含む。実施形態では、動作特性は、製造装置の構成要素の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の密度を含む。
実施形態では、動作特性は、製造装置のコンポーネント内の液体の密度を含む。実施形態では、動作特性は、製造装置のコンポーネント内の固体の密度を含む。実施形態では、動作特性は、製造装置によって製造されたコンポーネントの密度を含む。実施形態では、部品は、車両用の部品を含む。実施形態では、構成要素は、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、部品は、ガスケットを含む。実施形態では、構成要素は、ファスナを含む。実施形態では、構成要素は、ねじのための部品を含む。実施形態では、構成要素は、ボルト用の部品を含む。実施形態では、構成要素は、プリント回路基板のための部品を含む。実施形態では、構成要素は、コンデンサのための部品を含む。実施形態では、部品は、抵抗器のための部品を含む。実施形態では、部品は、インダクタのための部品を含む。実施形態では、動作特性は、製造装置の部品内の気体の化学構造を含む。
実施形態では、動作特性は、製造装置のコンポーネント内の液体の化学構造を含む。実施形態では、動作特性は、製造装置のコンポーネント内の固体の化学構造を含む。実施形態では、動作特性は、製造装置によって製造されたコンポーネントの化学構造を含む。実施形態では、部品は、車両用の部品を含む。実施形態では、部品は、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、部品は、ガスケットを含む。実施形態では、構成要素は、ファスナを含む。実施形態では、構成要素は、ねじのための部品を含む。実施形態では、構成要素は、ボルト用の部品を含む。実施形態では、構成要素は、プリント回路基板のための部品を含む。実施形態では、構成要素は、コンデンサのための部品を含む。
実施形態では、コンポーネントは、抵抗器のための部品を含む。実施形態では、コンポーネントは、インダクタのための部品を含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、カメラを含む。実施形態では、データキャプチャデバイスは、データ測定デバイスを含む。実施形態では、データキャプチャデバイスは、センサを含む。実施形態では、データキャプチャデバイスは、フルスペクトルカメラを含む。実施形態では、データキャプチャデバイスは、放射線撮像デバイスを含む。実施形態では、データキャプチャデバイスは、X線イメージングデバイスを含む。実施形態では、データキャプチャデバイスは、非可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、音波データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、光イメージング、検出、及び測距デバイスを含む。実施形態では、データキャプチャデバイスは、点群データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、赤外線検査デバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。
実施形態では、データキャプチャデバイスは、圧力センサを含む。実施形態では、データキャプチャデバイスは、温度センサを含む。実施形態では、データキャプチャデバイスは、化学物質センサを含む。実施形態では、データキャプチャデバイスは、スタンドアローンデバイスを含む。実施形態では、データキャプチャデバイスは、モバイルデバイスと関連するものを含む。実施形態では、モバイルデバイスは、スマートフォンを含む。実施形態では、モバイルデバイスは、タブレットを含む。実施形態では、生データは、生の画像データを含む。実施形態では、生データは、生の測定データを含む。実施形態では、関心点内の製造装置の部分は、製造装置のコンポーネントを含む。実施形態では、注目点内の製造装置の部分は、製造装置のベルトを含む。実施形態では、注目点内の製造装置の部分は、製造装置によって製造されたコンポーネントを含む。実施形態では、注目点内の製造装置の部分は、製造装置によって製造された自転車チェーンを含む。
実施形態では、製造装置の動作特性を検出するシステムは、製造装置の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャデバイスと、メモリと、プロセッサとを含む。メモリは、プロセッサによって実行可能な命令を含み、以下のことを行う取り込まれた生データを使用して1つまたは複数の画像データセットを生成する1つまたは複数の画像データセットによって表される関心点内の製造装置の一部に対応する1つまたは複数の値を識別する1つまたは複数の値を記録する記録された1つまたは複数の値を対応する予測値と比較する記録された1つまたは複数の値と対応する予測値との比較に基づいて分散データセットを生成する分散データに基づいて製造装置の動作特性を識別する及び動作特性を示す表示を生成する。
実施形態では、メモリは、動作特性を特定することに応答して是正措置を特定するために、プロセッサによってさらに実行可能な命令を含む。実施形態では、メモリは、動作特性を特定することに応答して是正措置を開始するために、プロセッサによってさらに実行可能な命令を含む。実施形態では、動作特性は、製造装置のコンポーネントの振動を含む。実施形態では、動作特性は、製造装置の構成要素の形状を含む。実施形態では、動作特性は、製造装置の構成要素のサイズを含む。実施形態では、動作特性は、製造装置のコンポーネントのたわみを含む。実施形態では、動作特性は、製造装置の構成要素の電磁放射を含む。実施形態では、動作特性は、製造装置の構成要素の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の密度を含む。
実施形態では、動作特性は、製造装置のコンポーネント内の液体の密度を含む。実施形態では、動作特性は、製造装置のコンポーネント内の固体の密度を含む。実施形態では、動作特性は、製造装置によって製造されたコンポーネントの密度を含む。実施形態では、部品は、車両用の部品を含む。実施形態では、構成要素は、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、部品は、ガスケットを含む。実施形態では、構成要素は、ファスナを含む。実施形態では、構成要素は、ねじのための部品を含む。実施形態では、構成要素は、ボルト用の部品を含む。実施形態では、構成要素は、プリント回路基板のための部品を含む。実施形態では、構成要素は、コンデンサのための部品を含む。実施形態では、部品は、抵抗器のための部品を含む。実施形態では、部品は、インダクタのための部品を含む。実施形態では、動作特性は、製造装置の部品内の気体の化学構造を含む。
実施形態では、動作特性は、製造装置のコンポーネント内の液体の化学構造を含む。実施形態では、動作特性は、製造装置のコンポーネント内の固体の化学構造を含む。実施形態では、動作特性は、製造装置によって製造されたコンポーネントの化学構造を含む。実施形態では、部品は、車両用の部品を含む。実施形態では、部品は、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、部品は、ガスケットを含む。実施形態では、構成要素は、ファスナを含む。実施形態では、構成要素は、ねじのための部品を含む。実施形態では、構成要素は、ボルト用の部品を含む。実施形態では、構成要素は、プリント回路基板のための部品を含む。実施形態では、構成要素は、コンデンサのための部品を含む。
実施形態では、コンポーネントは、抵抗器のための部品を含む。実施形態では、コンポーネントは、インダクタのための部品を含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、カメラを含む。実施形態では、データキャプチャデバイスは、データ測定デバイスを含む。実施形態では、データキャプチャデバイスは、センサを含む。実施形態では、データキャプチャデバイスは、フルスペクトルカメラを含む。実施形態では、データキャプチャデバイスは、放射線撮像デバイスを含む。実施形態では、データキャプチャデバイスは、X線イメージングデバイスを含む。実施形態では、データキャプチャデバイスは、非可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、音波データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、光イメージング、検出、及び測距デバイスを含む。実施形態では、データキャプチャデバイスは、点群データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、赤外線検査デバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。
実施形態では、データキャプチャデバイスは、圧力センサを含む。実施形態では、データキャプチャデバイスは、温度センサを含む。実施形態では、データキャプチャデバイスは、化学物質センサを含む。実施形態では、データキャプチャデバイスは、スタンドアローンデバイスを含む。実施形態では、データキャプチャデバイスは、モバイルデバイスと関連するものを含む。実施形態では、モバイルデバイスは、スマートフォンを含む。実施形態では、モバイルデバイスは、タブレットを含む。実施形態では、生データは、生の画像データを含む。実施形態では、生データは、生の測定データを含む。実施形態では、注目点内の製造装置の部分は、製造装置のコンポーネントを含む。実施形態では、注目点内の製造装置の部分は、製造装置のベルトを含む。実施形態では、注目点内の製造装置の部分は、製造装置によって製造されたコンポーネントを含む。実施形態では、注目点内の製造装置の部分は、製造装置によって製造された自転車チェーンを含む。
実施形態では、製造装置の動作特性を検出するためのコンピュータビジョンシステムは、製造装置の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャデバイスと、メモリと、プロセッサと、を含む。メモリは、プロセッサによって以下のように実行可能な命令を含む。撮像された生データを用いて1つまたは複数の画像データセットを生成するステップと、1つまたは複数の画像データセットによって表される関心点内の製造装置の一部に対応する1つまたは複数の値を視覚的に識別するステップと、1つまたは複数の値を記録するステップと、記録された1つまたは複数の値を対応する予測値と視覚的に比較するステップと、記録された1つまたは複数の値と対応する予測値の比較に基づいて分散データセットを生成するステップと分散データに基づいて、製造装置の動作特性を特定し、動作特性を閾値と比較し、動作特性が閾値より大きいかどうかに基づいて、動作特性が許容範囲内にあるかどうかを判断し、動作特性を示す表示を生成する。
実施形態では、コンピュータビジョンシステムは、深層学習システムによって訓練される。実施形態では、深層学習システムは、少なくとも1つのトレーニングデータセットを使用してコンピュータビジョンシステムをトレーニングするように構成される。実施形態では、少なくとも1つのトレーニングデータセットは、画像データを含む。実施形態では、少なくとも1つのトレーニングデータセットは、非画像データを含む。
実施形態では、デバイスの動作特性を検出するためのコンピュータビジョンシステムは、デバイスの関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャデバイスと、メモリと、プロセッサとを含む。メモリは、プロセッサによって以下のように実行可能な命令を含む。撮影された生データを用いて1つまたは複数の画像データセットを生成するステップと、1つまたは複数の画像データセットによって表される注目点内のデバイスの一部に対応する1つまたは複数の値を視覚的に識別するステップと、1つまたは複数の値を記録するステップと、記録された1つまたは複数の値を対応する予測値と視覚的に比較するステップと、記録された1つまたは複数の値と対応する予測値の比較に基づいて分散データセットを生成するステップと。分散データに基づいてデバイスの動作特性を特定し、動作特性を閾値と比較し、動作特性が閾値よりも大きいかどうかに基づいて動作特性が許容範囲内にあるかどうかを判断し、動作特性を示す表示を生成する。
実施形態では、装置は、攪拌機を含む。実施形態では、装置は、機体制御面振動装置を含む。実施形態では、装置は、触媒反応器を含む。実施形態では、装置は、圧縮機を含む。実施形態では、装置は、コンベアを含む。実施形態では、装置はリフターを含む。実施形態では、装置は、パイプラインを含む。実施形態では、装置は、電気パワートレインを含む。実施形態では、装置は、ロボット組立装置を含む。実施形態では、装置は、ガス生産環境における装置を含む。実施形態では、装置は、製薬環境における装置を含む。
実施形態では、遠隔監視でアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、遠隔監視で信号対雑音比を改善するために、マルチプレクサ上でアップフロント信号調整を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、遠隔監視を伴うマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、リモートモニタリングを行うことで、産業環境においてコンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されており、リモートモニタリングを備えたデザイントポロジーが提供されている。
実施形態では、コンピュータビジョンシステムを使用して、産業環境におけるデータ収集のためのシステムであって、リモートモニタリングを備えたアナログセンサチャネル及びコンポーネントボードの少なくとも1つのパワーダウン能力を有する。
実施形態では、リモートモニタリングを伴うトリガ及び振動入力のための独自の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、A/Dゼロリファレンス用の正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されており、リモートモニタリングが可能である。
実施形態では、遠隔監視で低速RPMと位相情報を得るためのフェーズロックループ・バンドパス・トラッキング・フィルタを有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されており、産業環境において、オンボードタイマを使用して入力及びトリガチャネルに対する位相をデジタルで導出し、リモートモニタリングを行う。
実施形態では、遠隔監視によるピーク検出のために別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、生またはバッファリングされたトリガチャネルを他のアナログチャネルにルーティングし、リモートモニタリングを行う産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、遠隔監視でAAフィルタの要件を最小化するために、低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用した産業環境でのデータ収集システムにおいて、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用し、リモートモニタリングでデジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視で異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高サンプリングレートでの長いデータブロックを有する産業環境でのデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視付きのボードカードセットにメンテナンス履歴付きの校正データを保存する産業環境でのデータ収集システムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視付きの階層的テンプレートを使用した迅速なルート作成機能を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、遠隔監視によるデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視によるデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、遠隔監視を備えたエキスパートシステムのためのインテリジェントデータ収集バンド及び診断を定義するエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、遠隔監視による逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、遠隔監視によるベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、遠隔監視による一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、アナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されており、遠隔監視が行われる。
実施形態では、遠隔監視を伴うローカル環境でのアナログデータの連続監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、遠隔監視付きのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、遠隔監視付きの自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、SDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集し、リモートモニタリングを行うシステムが開示されている。
実施形態では、遠隔監視による連続監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視による予測のために周囲の騒音、局所的な騒音、及び振動騒音を使用する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、入力データまたはアラームに基づいて経路を変更するスマートルートを有する産業環境におけるデータ収集のためのシステムが開示されており、遠隔監視による分析または相関のための動的データを同時に得ることができる。
実施形態では、遠隔監視付きのスマートODS及び転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、遠隔監視付きの階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、識別センサの過負荷を有する産業環境において、コンピュータビジョンシステムを使用して、遠隔監視でデータを収集するシステムが開示されている。
実施形態では、RF識別と遠隔監視付きの傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、遠隔監視による連続的な超音波監視を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、遠隔監視のアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集し、遠隔監視を行う産業システムの予想される状態情報を提供するシステムが開示されている。
実施形態では、リモートモニタリングを伴うIoTデバイスの作成、展開、及び管理を備えた、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、遠隔監視を行う産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視を伴う産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、産業環境においてデータを収集するためのシステムであって、リモートモニタリングを行いながら、利用率及び/または歩留まりメトリクスに基づいてデータプールを自己組織化する。
実施形態では、遠隔監視を伴う産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視を行う産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視を行うIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示されている。
実施形態では、遠隔監視付きの自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、遠隔監視を行うネットワークセンシティブなコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視付きの遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、遠隔監視付きのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、遠隔監視を伴うマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、振動、熱、電気、及び/または音の出力を備えた産業用センサデータコレクタ用のウェアラブルな触覚ユーザインターフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、遠隔監視を伴うAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、遠隔監視付きのデータコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、遠隔監視を行うIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムであって、リモートモニタリングでデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するシステムが開示されている。
実施形態では、遠隔監視でIoTデータアダプタが1つ以上のIoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する、産業環境でコンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視を伴う適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、遠隔監視でデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、遠隔監視で利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、データソースの統合及び使用方法の指示をクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する産業環境で、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功率に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、遠隔監視を伴う送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視しながらウィンドウサイズに従って正常に配信されたとまだ認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して遠隔監視で冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、遠隔監視を伴う損失イベントの推定レートに基づいている、損失イベントの推定レートを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いて、遠隔監視を伴うチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間でデータ通信を行うシステムが開示されている。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されており、遠隔監視でタイマーを使用してフィードバックメッセージの送信を遅延させることができる。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されており、遠隔監視によりタイマーに基づく輻輳ウィンドウサイズの変更を遅延させることができる。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、遠隔監視で配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、遠隔監視で現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のコンピュータビジョンシステムを使用した、データ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視で現在/以前の接続のエラーレートを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されており、リモートモニタリングが行われる。
実施形態では、コンピュータビジョンシステムを使用して、現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されており、リモートモニタリングが行われる。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う現在/以前の接続のラウンドトリップタイムを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されており、リモートモニタリングを行う。
実施形態では、コンピュータビジョンシステムを使用して、現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、遠隔監視しながら維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、低遅延データパスを介してデータメッセージの第1サブセットを送信する能力と、遠隔監視を伴う高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、遠隔監視で高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムと、遠隔監視で高遅延データパスを介して後に利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、低遅延データパス上で確認応答メッセージの第1のサブセットを送信する能力と、遠隔監視を伴う高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いたデータ通信のためのシステムであって、第1のサブセットを送信する能力を有するノード間のシステムが提供される。
低遅延データパス上の補完/冗長データメッセージと、高遅延データパス上のデータメッセージの第2サブセットをリモートモニタリングすることが開示されている。
低遅延データパス上の補完/冗長データメッセージと、高遅延データパス上のデータメッセージの第2サブセットをリモートモニタリングすることが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置に応じて増加する各メッセージに関連する冗長度を有するノード間のデータ通信のためのシステムが開示されており、遠隔監視により非減少する。
実施形態では、送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、遠隔監視でフィードバックメッセージを受信することに応答して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムであって、遠隔監視を伴うフィードバックメッセージに基づいて、冗長性メッセージをキューから追加または削除するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用した、ノード間のデータ通信のためのシステムであって、データパスが遠隔監視でメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う以前の通信接続に基づいて、データパスがメッセージの流れを初期分割で変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージ数を調整する能力を有するノード間のデータ通信システムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うチャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うパケット送信の複合コーディング、TCP、及びペーシングを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いて、メッセージパケットのグループとパリティパケットをインターリーブする前方誤り訂正符号構造を有するノード間でデータ通信を行うシステムであって、遠隔監視を伴うメッセージパケットのオーバーラップするグループにまたがる符号化を有するシステムが開示されている。
実施形態では、遠隔監視を伴う安定したウィンドウ増加機能を備えた遅延ベースのバックオフを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、予知保全でアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全で信号対雑音比を改善するために、マルチプレクサ上でアップフロント信号調整を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴うマルチプレクサの連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムを提供する。
実施形態では、複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用し、予測保守を行う産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されており、予知保全を備えた設計トポロジーが提供されている。
実施形態では、予測的なメンテナンスを備えたアナログセンサチャネル及びコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴うトリガ及び振動入力のための独自の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、予測的なメンテナンスを伴うA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、予知保全で低速RPMと位相情報を得るためのフェーズロックループバンドパストラッキングフィルタを有する産業環境で、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されており、予知保全を行うオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境である。
実施形態では、予知保全を伴うピーク検出のために別のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴う他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全でAAフィルタの要件を最小化するために、低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全でデジタルリサンプリングを必要とせずに低いサンプリングレートを達成するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用する産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、予測メンテナンスで異なるサンプリングレートで取得されたデータの複数のセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、予知保全を備えたボードカードセットにメンテナンス履歴付きの校正データを保存する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、予知保全を伴う階層的テンプレートを用いた迅速な経路作成機能を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、予知保全を伴うデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を伴うデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴うエキスパートシステムのためのインテリジェントなデータ収集バンド及び診断を定義するエキスパートシステムGUIグラフィカルアプローチを有する産業環境におけるコンピュータビジョンシステムを使用した、データ収集のためのシステムが開示される。
実施形態では、予知保全を伴う逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴うベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、予知保全を伴う一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、予知保全とアナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、予知保全を伴うローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を伴うデータ収集駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を備えた自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を行うSDカードストレージを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、予知保全を伴う連続監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、予知保全による予測のために周囲の騒音、局所的な騒音、及び振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、入力データまたはアラームに基づいて経路を変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されており、予知保全のための分析または相関関係のための動的データを同時に得ることができる。
実施形態では、予知保全を備えたスマートODS及び転送機能を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を行う階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全で識別センサの過負荷を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、RF識別と予知保全付き傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、予知保全を伴う連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を伴う遠隔地のアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、予知保全を備えた産業システムのために予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴うIoTデバイスの作成、展開、及び管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、予知保全を備えた産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、予知保全を伴う産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、予知保全を伴う利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、予知保全を伴う産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を行う産業用データ収集器の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を行うIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を行う自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を行うネットワークセンシティブコレクタを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予知保全を行う遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、予知保全を行うマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、予知保全を伴うマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、産業用センサデータコレクタのためのウェアラブルな触覚ユーザインターフェースを有する産業環境におけるデータ収集のためのシステムであって、予知保全を伴う振動、熱、電気及び/または音の出力を有するシステムが開示される。
実施形態では、予知保全を伴うAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を伴うデータ収集装置によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、予知保全を行うIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムであって
予測メンテナンスでデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立することが開示されている。
予測メンテナンスでデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立することが開示されている。
実施形態では、予知保全を伴う1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、予知保全を伴う適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、予知保全でデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、予測的なメンテナンスで利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージをクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステム、及び予知保全によるデータソースの統合及び使用指示が開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功率に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、予測的メンテナンスで送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴うウィンドウサイズに従って正常に配信されたとまだ認められていないさらなるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して予知保全で冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用されるエラー修正コードが、予測的メンテナンスを伴う損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、予測的な保守を伴うチャネル特性を記述する受信したメッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されており、予測メンテナンスを備えたタイマーを使用して、フィードバックメッセージの送信を遅らせることができる。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、タイマーに基づく輻輳ウィンドウサイズの変更を予測的に維持して遅延させるシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、予測的維持により配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴う現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴う現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴う現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴う現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、予知保全を伴う現在/過去の接続の往復時間を特徴づける維持されたデータを用いて新しい接続を構成する能力を有するノード間のコンピュータビジョンシステムを用いたデータ通信システムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測保守を伴う現在/以前の接続の通信制御パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴う現在/以前の接続の前方誤り訂正パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、予測的な保守を伴う維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介してデータメッセージの第1サブセットを送信する能力を有するノードと、予測保守を伴う高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノードとの間で、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上でタイムクリティカルなデータメッセージの第1サブセットを送信する能力を有するノード間のデータ通信のためのシステムと、予測的なメンテナンスで高遅延データパス上でメッセージの第2サブセットを送信する能力を有するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間のデータ通信のためのシステムと、予測的なメンテナンスで高遅延データパスを介して後に利用可能なメッセージの第2のサブセットが開示される。
実施形態では、コンピュータビジョンシステムを使用して、確認応答メッセージの第1のサブセットを低遅延データパス上で送信し、データメッセージの第2のサブセットを予測保守で高遅延データパス上で送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介して補足/冗長データメッセージの第1サブセットを送信する能力を有するノード間のデータ通信のためのシステムと、予測的なメンテナンスを伴う高遅延データパスを介してデータメッセージの第2サブセットを送信する能力を有するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予知保全を伴う送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が予測メンテナンスで非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間で、予測保守を伴うフィードバックメッセージを受信することに応答して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、予測的メンテナンスを伴うフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用したデータ通信システムであって、データパスが予知保全でメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを持つ複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のシステムを提供する。
実施形態では、コンピュータビジョンシステムを使用した、ノード間のデータ通信のためのシステムであって、データパスがメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するシステムが開示されており、予測的なメンテナンスを伴う以前の通信接続に基づいて、初期分割を行う。
実施形態では、コンピュータビジョンシステムを使用して、予測保守を伴うチャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測的なメンテナンスを伴う損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、予測保守を伴うパケット送信の複合コーディング、TCP、及びペーシングを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いて、メッセージパケットのグループとパリティパケットをインターリーブする前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムであって、予測保守を伴うメッセージパケットのオーバーラップするグループにまたがる符号化を有するシステムが開示される。
実施形態では、予測的なメンテナンスを備えた安定したウィンドウ増加機能を備えた遅延ベースのバックオフを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、パターン認識でアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集するためのシステムが開示される。
実施形態では、パターン認識で信号対雑音比を改善するために、マルチプレクサでアップフロント信号調整を行う産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識によるマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、複数のMUXとパターン認識によるデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを用いて、産業環境でコンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーとパターン認識による設計トポロジーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、アナログセンサチャネル及びパターン認識を備えたコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を備えたトリガ及び振動入力のための独自の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識によるA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識で低速RPMと位相情報を得るためのフェーズロックループ・バンドパス・トラッキング・フィルタを有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、パターン認識を備えたオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識によるピーク検出のために別のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を伴う他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識でAAフィルタの要件を最小化するために、低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する、産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、パターン認識によるデジタルリサンプリングを必要とせずに低いサンプリングレートを実現するために、デルタシグマアナログ/デジタルコンバータのクロック分配器としてCPLDを使用した、産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、パターン認識を用いて異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識で設定されたボードカードにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識による階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識によるデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、パターン認識によるデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を用いてインテリジェントなデータ収集バンドとエキスパートシステムの診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、パターン認識による逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識によるベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識を伴う一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識を用いたアナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識を用いたローカル環境におけるアナログデータの連続的な監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示される。
実施形態では、パターン認識によるデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を備えた自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識を備えたSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識による継続的な監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識による予測のために、周囲の騒音、局所的な騒音、及び振動騒音を使用することを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識による分析または相関のための動的データを同時に得ることができる、入力データまたはアラームに基づいて経路を変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識によるスマートODS及び転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識を備えた階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、パターン認識による識別センサ過多を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、パターン認識を備えたRF識別及び傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、パターン認識による連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、遠隔地にあるアナログの産業用センサのパターン認識との融合に基づく、クラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、パターン認識で産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの、機械パターン分析を有する産業環境で、コンピュータビジョンシステムを使用して、データ収集するためのシステムが開示される。
実施形態では、パターン認識によるIoTデバイスの作成、展開、及び管理を備えた、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、パターン認識を備えた産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、パターン認識による産業用IoTデータの自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、パターン認識を用いた利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を伴う産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、パターン認識を備えた産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、パターン認識を備えたIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、パターン認識を備えた自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を備えたネットワークセンシティブコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、パターン認識を備えた遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、パターン認識を備えたマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識によるマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識を伴う振動、熱、電気、及び/または音の出力を備えた産業用センサデータコレクタのためのウェアラブルな触覚ユーザインターフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識を用いたAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、パターン認識を用いてデータコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、パターン認識を備えたIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムであって
は、パターン認識でデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立することが開示されている。
は、パターン認識でデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立することが開示されている。
実施形態では、パターン認識を用いて、IoTデータアダプタが1つ以上のIoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、パターン認識を有する適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、パターン認識でデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識で利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、パターン認識によるデータソースの統合及び使用指示をクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する、産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功率に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、パターン認識による送信制限に基づいてメッセージの送信を制限するシステムが開示されている。
実施形態では、パターン認識を用いたウィンドウサイズに応じて、正常に配信されたとまだ認識されていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを用いてパターン認識による冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、パターン認識による損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いてチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、配達命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されており、パターン認識を有するタイマーを使用してフィードバックメッセージの送信を遅延させることができる。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されており、パターン認識によるタイマーに基づいて輻輳ウィンドウサイズの変更を遅延させることができる。
実施形態では、配信順序イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、パターン認識により配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、パターン認識で現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識による現在/以前の接続のエラーレートを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識による現在/以前の接続のタイミング変動を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されており、パターン認識を有する。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を用いて現在/以前の接続の往復時間を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を用いて現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を用いて現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、パターン認識を用いて維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示される。
実施形態では、パターン認識を用いて、低遅延データパス上でデータメッセージの第1サブセットを送信し、高遅延データパス上でメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いて、低遅延データパス上でタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパス上でメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いて、低遅延データパス上でデータメッセージの第1の初期サブセットと、その後に高遅延データパス上で利用可能なメッセージの第2のサブセットとを送信する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いて、低遅延データパス上で確認応答メッセージの第1のサブセットを送信し、高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いて、低遅延データパス上で補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を用いた送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、メッセージの位置がパターン認識で非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、パターン認識によるフィードバックメッセージの受信に応答して、各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、パターン認識によるフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いて、データパスがパターン認識でメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを持つ複数の異なるデータパスのそれぞれで送信されるメッセージの数を調整する能力を有するノード間のデータ通信システムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスがパターン認識を伴う以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いて、冗長性情報を修正/追加/削除する能力を有するノード間でデータ通信を行うシステム
符号化されたデータがノードからノードへとチャネルを介して移動する際に、パターン認識によるチャネル特性に基づいて、データに関連する情報を得ることができる。
符号化されたデータがノードからノードへとチャネルを介して移動する際に、パターン認識によるチャネル特性に基づいて、データに関連する情報を得ることができる。
実施形態では、パターン認識を用いて損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いたパケット送信の符号化、TCP、及びペーシングを組み合わせたノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、パターン認識を用いてメッセージパケットのオーバーラップするグループにまたがって符号化を行う前方誤り訂正符号構成を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を用いた安定したウィンドウ増加関数を用いた遅延ベースのバックオフを組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、製造のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のための改善された信号対雑音比のために、マルチプレクサ上のアップフロント信号調整を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造用の複数のMUX及びデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステム、及び製造のためのデザイントポロジーが開示されている。
実施形態では、アナログセンサチャネル及び製造用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のためのトリガと振動入力のための独特の静電保護を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、製造のためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造のための低速RPM及び位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、製造用のオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造のためのピーク検出のために別のアナログ-デジタルコンバータにルーティングされるオートスケーリングのためのピーク検出器を有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造のための他のアナログチャネルに生またはバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、製造のためのデジタルリサンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDの使用を有する産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のために異なるサンプリングレートで取得されたデータの複数のセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、製造のためにボードカードセットにメンテナンス履歴付きの校正データを保存する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、製造のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造用エキスパートシステムのためのインテリジェントデータ収集バンド及び診断を定義するエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、製造のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造のための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造のための一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造のためのアナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、製造のためのローカル環境でアナログデータを連続的に監視するための適応型スケジューリング技術を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造のためのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造用の自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、製造用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造のための継続的な監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のための予測のために周囲の騒音、局所的な騒音、及び振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のための分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいてルートを変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造のためのスマートODS及び転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、製造のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造用のRF識別及び傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、製造のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のための遠隔のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの、機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、製造用のIoTデバイスの作成、展開、及び管理を伴う、IoT用のクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、製造用の産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造業向けの産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、製造のための利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、製造のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造用のIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、製造のためのネットワークに敏感なコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、製造のために遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、製造用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造のための振動、熱、電気及び/または音の出力を備えた産業用センサデータコレクタのためのウェアラブルな触覚ユーザインターフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、製造のためのデータ収集者によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、製造のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、データ入力を受信し、製造のためにデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、IoTデータアダプタが製造用の1つ以上のIoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する、産業環境でコンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、製造用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、製造のためにデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造業のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、製造のためのデータソースの統合及び使用指示をクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功率に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、製造のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、製造用のウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して製造のための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、製造のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、製造のためのチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定し、製造のためのタイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されており、製造のためのタイマーに基づいて輻輳ウィンドウサイズの修正を遅延させることができる。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、製造のための配送が成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、製造のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、製造のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、製造のための現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、製造のための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、製造のための現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、製造のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、製造のための現在/以前の接続の前方誤り訂正パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、1つまたは複数の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、製造のために維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、製造のために、低遅延データパスを介してデータメッセージの第1サブセットを送信し、高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、製造のために、低遅延データパスを介してタイムクリティカルなデータメッセージの第1のサブセットを送信し、高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムと、製造のために高遅延データパスを介して後に利用可能となるメッセージの第2のサブセットとが開示される。
実施形態では、製造のために低遅延データパスを介して確認応答メッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、製造のために、より低いレイテンシのデータパスを介して補足/冗長性データメッセージの第1のサブセットを送信し、より高いレイテンシのデータパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、製造のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が製造のために非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいて、製造のためのフィードバックメッセージを受信することに応答して、各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、製造のためのフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが製造のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが製造のための以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、製造のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、製造のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間の、コンピュータビジョンシステムを使用するデータ通信のためのシステムが開示される。
実施形態では、製造のためのパケット送信の複合コーディング、TCP、及びペーシングを有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、製造のためのメッセージパケットのオーバーラップするグループにまたがって符号化を行う前方誤り訂正符号構造を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、製造のために、遅延ベースのバックオフと安定したウィンドウ増加関数を組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための改善された信号対雑音比のために、マルチプレクサ上のアップフロント信号調整を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための複数のMUX及びデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのソリッドステートリレー及び設計トポロジーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのアナログセンサチャネル及びコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのトリガ及び振動入力のための独特の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための低速RPMと位相情報を得るためのフェーズロックループバンドパストラッキングフィルタを有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための他のアナログチャネルに生またはバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのデジタルリサンプリングを必要とせずに低いサンプリングレートを達成するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用することを有する産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための階層的なテンプレートを使用した迅速なルート作成能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのエキスパートシステムのためのインテリジェントデータ収集バンド及び診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのアナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータ収集駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、化石燃料エネルギー生産のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための連続的なモニタリングのための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための予測のために、周囲の騒音、局所的な騒音、及び振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいて経路を変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのスマートODS及び転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのRF識別及び傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための遠隔地のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのIoTデバイスの作成、展開及び管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、化石燃料エネルギー生産のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、化石燃料エネルギー生産のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのネットワークに敏感なコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための振動、熱、電気及び/または音の出力を備えた産業センサデータコレクタのためのウェアラブル触覚ユーザインターフェースを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのデータ収集者によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータを公開するために、データ入力を受信し、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、化石燃料エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、化石燃料のエネルギー生産のための新しいデータソースとデータソースの統合及び使用指示の利用可能性を示すメッセージをクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功率に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、化石燃料エネルギー生産のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのウィンドウサイズに応じて、まだ正常に配信されたと認められていないさらなるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、それを化石燃料エネルギー生産のための冗長性メッセージのレートを調整するために使用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、化石燃料エネルギー生産のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、化石燃料エネルギー生産のためのチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのタイマーを使用したフィードバックメッセージの送信を遅延させ、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、配送命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの修正を遅延させる能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いて、配送命令イベントの発生に基づいてタイマーを維持/設定する機能、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能、化石燃料エネルギー生産のための配送成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間でデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、化石燃料エネルギー生産のために、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、低遅延データパスでデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノードと、その後に高遅延データパスを介して利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、確認応答の第1のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが提供される。化石燃料のエネルギー生産のために、低遅延データパス上のデータメッセージと、高遅延データパス上のデータメッセージの第2サブセットが開示されている。
実施形態では、化石燃料エネルギー生産のために、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、化石燃料エネルギー生産のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、メッセージの位置が非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、送信順序におけるメッセージの位置に基づいて、化石燃料エネルギー生産のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、フィードバックメッセージの受信に応答して、化石燃料エネルギー生産のためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためにデータパスがメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを持つ複数の異なるデータパスのそれぞれを介して送信されるメッセージ数を調整する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージの流れを初期分割で変更していると判断された場合に、異なる通信プロトコルを持つ複数の異なるデータパスのそれぞれで送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのパケット送信の結合された符号化、TCP、及びペーシングを有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットをインターリーブし、化石燃料エネルギー生産のためのメッセージパケットのオーバーラップしたグループにまたがるコーディングを有する前方誤り訂正コード構築を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、化石燃料のエネルギー生産のために、遅延ベースのバックオフと安定したウィンドウ増加関数を組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、航空宇宙用のアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙向けに改善された信号対雑音比のために、マルチプレクサ上でアップフロント信号調整を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の複数のMUX及びデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用した、産業環境におけるコンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステム、及び航空宇宙のためのデザイントポロジーが開示されている。
実施形態では、アナログセンサチャネル及び航空宇宙用コンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、トリガ用のユニークな静電保護と航空宇宙用の振動入力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用のA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用の低速RPMと位相情報を得るための位相ロックループ・バンドパス・トラッキング・フィルタを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用のオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用のピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、生または航空宇宙用の他のアナログチャネルにバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、産業環境でデータを収集するシステムが開示されており、航空宇宙用のAAフィルタ要件を最小化するために、低いサンプリングレートの出力のためにデルタシグマA/Dのための高い入力オーバーサンプリングを使用している。
実施形態では、航空宇宙用のデジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用する産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、航空宇宙のために異なるサンプリングレートで取得された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のボードカードセットにメンテナンス履歴付きの校正データを保存する産業環境でのデータ収集システムが開示されている。
実施形態では、航空宇宙用の階層的なテンプレートを使用した迅速な経路作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用のデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用のデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用のセンサデータ解析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のエキスパートシステムのためのインテリジェントなデータ収集バンド及び診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用の一過性の信号解析を利用したねじり振動の検出/解析を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙のためのアナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のローカル環境でアナログデータを継続的に監視するための適応型スケジューリング技術を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用のデータ収集駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用の自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙向けの継続的なモニタリングのために拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用の予測のために周囲の騒音、局所的な騒音、及び振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。これは、入力されたデータに基づいてルートを変更するスマートルートや、アラームを使用して航空宇宙のための分析や相関関係のための動的データを同時に得ることができる産業環境である。
実施形態では、航空宇宙向けのスマートODS及び転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の識別センサ過多を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、RF識別と航空宇宙用の傾斜計を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の遠隔アナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の産業システムの予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のIoTデバイスの作成、展開、及び管理を伴う、IoT用のクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、航空宇宙向けの産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、航空宇宙向けの産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、航空宇宙の利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙の業界特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、航空宇宙用のIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、航空宇宙のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、航空宇宙のためのネットワークセンシティブなコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用の遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、航空宇宙用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の振動、熱、電気、及び/または音の出力を備えた産業用センサデータコレクタのためのウェアラブルな触覚ユーザインターフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、航空宇宙用のデータ収集装置によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、航空宇宙向けのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されており、航空宇宙のためにデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、航空宇宙用の1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、航空宇宙用のデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙向けの利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージをクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティと、航空宇宙向けのデータソースの統合及び使用指示を有する、産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功率に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、航空宇宙のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、航空宇宙用のウィンドウサイズに従って正常に配信されたことをまだ確認していない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して航空宇宙用の冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、航空宇宙の損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、航空宇宙用のチャネル特性を記述した受信メッセージに基づいて、前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステム、及び航空宇宙用のタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステムであって、航空宇宙用のタイマーに基づいて輻輳ウィンドウサイズの修正を遅延させるシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、航空宇宙のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、航空宇宙の現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/以前の接続のエラーレートを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/以前の接続のタイミング変動を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のための現在/以前の接続の帯域幅を特徴づける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のための現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、航空宇宙用の現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを用いて新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のための現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、航空宇宙用の維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、航空宇宙のために、低遅延データパスでデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、航空宇宙用の高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムと、航空宇宙用の高遅延データパスを介して後から利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、低遅延データパス上で確認応答メッセージの第1のサブセットを送信し、航空宇宙用の高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のために、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が航空宇宙のために非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、航空宇宙のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態ではコンピュータビジョンシステムを用いて送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムであってフィードバックメッセージの受信に応答して航空宇宙のためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、データパスが航空宇宙のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが航空宇宙のための以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、航空宇宙用のチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、航空宇宙用の損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、航空宇宙のためのパケット送信の結合されたコーディング、TCP、及びペーシングを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いて、メッセージパケットのグループとパリティパケットをインターリーブし、航空宇宙用のメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、遅延ベースのバックオフと航空宇宙用の安定したウィンドウ増加関数を組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、マイニングのためにアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのための改善された信号対雑音比のために、マルチプレクサ上のアップフロント信号調整を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、マイニングのためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを用いて、産業環境でコンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステム、及びマイニングのためのデザイントポロジーが開示されている。
実施形態では、アナログセンサチャネル及びマイニング用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、トリガ用のユニークな静電保護と採掘用の振動入力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、マイニングのためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、マイニングのために低速RPMと位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニングのためのオンボードタイマを使用して、入力及びトリガチャネルに対する位相をデジタルで導出する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのピーク検出のために別のアナログ・デジタル・コンバータにルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、生またはバッファリングされたトリガチャネルをマイニングのための他のアナログチャネルにルーティングする産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、マイニングのためのAAフィルタ要件を最小化するために、低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、マイニングのためのデジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用する産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、マイニングのために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニング用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムを開示している。
実施形態では、マイニングのための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、マイニングのためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが提供される。インテリジェントなデータ収集バンドと、マイニングのためのエキスパートシステムの診断が開示されている。
実施形態では、マイニングのための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、マイニングのための一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニングのためのアナログ及びデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、マイニングのためのローカル環境におけるアナログデータの継続的なモニタリングのための適応型スケジューリング技術を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、マイニングのためのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニング用の自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、マイニング用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニングのための継続的なモニタリングのための拡張されたオンボード統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、採掘のための予測のために周囲の騒音、局所的な騒音、及び振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、スマートルートを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが、入力されたデータに基づいてルートを変更したり
このような状況の中で、マイニングのための分析や相関を行うための動的データを同時に取得できるアラームが開示されている。
このような状況の中で、マイニングのための分析や相関を行うための動的データを同時に取得できるアラームが開示されている。
実施形態では、スマートODSとマイニングのための転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニング用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニングのための識別センサの過負荷を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、RF識別と採掘用の傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、採掘のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのためのリモートのアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、マイニングのための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのためのIoTデバイスの作成、展開、及び管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、マイニングのための産業用IoTデバイスのためのオンデバイスセンサフュージョン及びデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、マイニングのための産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、マイニングのための利用率及び/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニングのための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、マイニングのための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、マイニングのためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、マイニングのための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのためのネットワークセンシティブなコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、マイニングのためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、マイニングのためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されている。
実施形態では、鉱業用の振動、熱、電気及び/または音の出力を備えた産業用センサデータコレクタのためのウェアラブルな触覚ユーザインターフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、鉱業用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、マイニングのためにデータコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、マイニングのためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムであって
1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立して、マイニングのためにデータを公開することが開示されている。
1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立して、マイニングのためにデータを公開することが開示されている。
実施形態では、マイニングのためにIoTデータアダプタが1つ以上のIoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、マイニングのための適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されている。
実施形態では、マイニングのためにデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、マイニングのために利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、マイニングのためのデータソースの統合及び使用指示をクラウドプラットフォームのユーザインターフェースに提供するメッセージングユーティリティを有する、産業環境でコンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率及び配信フィードバックメッセージの成功に基づいて第1及び第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、マイニングのための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、マイニングのためのウィンドウサイズに応じて、正常に配信されたとまだ認識されていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用してマイニングのための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、マイニングのための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、マイニングのためのチャネル特性を記述して受信したメッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、マイニングのためにタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、マイニングのためのタイマーに基づく輻輳ウィンドウサイズの修正を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、マイニングのための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、マイニングのための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、マイニングのための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、マイニングのための現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、マイニングのための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、マイニングのための現在/以前の接続のラウンドトリップタイムを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、マイニングのための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのための現在/以前の接続のフォワードエラー補正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、マイニングのために維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、マイニングのために、低遅延データパスを介してデータメッセージの第1サブセットを送信し、高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上でタイムクリティカルなデータメッセージの第1のサブセットを送信し、マイニングのために高遅延データパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムと、マイニングのために高遅延データパスを介して後から利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、マイニングのために、低遅延データパスを介して確認応答メッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ通信のためのシステムであって、第1のサブセットを送信する能力を有するノード間での
低遅延データパス上の補完/冗長データメッセージと、マイニングのための高遅延データパス上のデータメッセージの第2サブセットが開示されている。
低遅延データパス上の補完/冗長データメッセージと、マイニングのための高遅延データパス上のデータメッセージの第2サブセットが開示されている。
実施形態では、マイニングのための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置がマイニングのために非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいて、マイニングのためのフィードバックメッセージを受信することに応答して、各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムであって、フィードバックメッセージの受信に応答して、マイニングのためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、データパスがマイニングのためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスがマイニングのための以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、マイニングのためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、マイニングのために損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用し、コーディング、TCP、およびマイニングのためのパケット送信のペーシングを組み合わせたノード間のデータ通信のためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、マイニングのためのメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正符号構造を有するノード間で、コンピュータビジョンシステムを用いたデータ通信を行うシステムが開示されている。
実施形態では、マイニングのための安定したウィンドウ増加関数と遅延ベースのバックオフを組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、構築のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号調整を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、建設のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用して、産業環境でコンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステム、および構築のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルと構造用部品ボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、トリガのためのユニークな静電保護と建設のための振動入力を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、工事用の低速RPMと位相情報を取得するためのフェーズロックループ・バンドパス・トラッキング・フィルタを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、産業環境でデータを収集するためのシステムが開示されており、構築のためのオンボードタイマーを使用して、入力およびトリガチャネルに対する位相をデジタルで導出する。
実施形態では、建設のためのピーク検出のために別のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、産業環境でデータを収集するためのシステムが開示されており、このシステムは、未加工または建設のために他のアナログチャネルにバッファリングされたトリガチャネルのルーティングを有する。
実施形態では、構築のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する、産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、構築のためのデジタルリサンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマアナログ-デジタルコンバータのクロック分配器としてCPLDを使用する産業環境における、コンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、建設のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、工事用のボードカードにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムを開示している。
実施形態では、建設のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、建設のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、建設のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されている。
実施形態では、建設のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、インテリジェントなデータ収集バンドを定義するためのエキスパートシステムGUIのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、建設のためのエキスパートシステムのための診断が行われる。
実施形態では、建設のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、建設のためのベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設のための一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、構築のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのローカル環境でアナログデータを継続的に監視するための適応型スケジューリング技術を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設用のデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設用の自給式データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、建設用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設のための継続的な監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設のための予測のために周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されており、スマートルートは、入力されたデータまたはアラームに基づいてルートを変更し、建設のための分析または相関のための動的データを同時に得ることができる。
実施形態では、建設のためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設のための階層的なマルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、RF識別と建設用の傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、建設のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設用の遠隔アナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、建設のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、建設のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設用の産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のための産業IoTデータの自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、建設のための利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設のためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、建設のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のためのネットワークに敏感なコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のための振動、熱、電気及び/又は音の出力を備えた産業センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、建設のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設のためのデータ収集者によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、建設用のIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されており、建設のためにデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、IoTデータアダプタが建設のために1つ以上のIoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、建設用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、構築のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、建設のために利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、構築のためのデータソースの統合および使用指示をクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、建設のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、構築のためのウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して構築のための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、建設のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、建設のためのチャネル特性を記述した受信メッセージに基づいて、前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、構築のためのタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、構築のためのタイマーに基づく輻輳ウィンドウサイズの修正を遅延させるシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、工事のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、構築のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、構築のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、構築のための現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、構築のために現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、構築のための現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、構築のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、構築のための現在/以前の接続の前方誤り訂正パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、1つまたは複数の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、構築のために維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、建設のために、低遅延データパスを介してデータメッセージの第1サブセットを送信し、高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介してタイムクリティカルなデータメッセージの第1サブセットを送信し、建設のための高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムと、構築のために高遅延データパスを介して後に利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、確認応答メッセージの第1のサブセットを低遅延データパス上で送信し、データメッセージの第2のサブセットを建設のための高遅延データパス上で送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、建設のために低遅延データパスを介して補足/冗長性データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、構築のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置に応じて増加する各メッセージに関連する冗長性の程度が構造上非減少であるノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いて、以下の各メッセージに関連する冗長度を有するノード間でデータ通信を行うシステムが提供される。
は、送信順序におけるメッセージの位置に基づいて、建設のためのフィードバックメッセージの受信に応じて、開示される。
は、送信順序におけるメッセージの位置に基づいて、建設のためのフィードバックメッセージの受信に応じて、開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムであって、フィードバックメッセージの受信に応答して、構築のためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、データパスが建設のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを持つ複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが建設のための以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、構築のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、構築のためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、構築のためのメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正コード構築を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、遅延ベースのバックオフと構築用の安定したウィンドウ増加関数を組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、船舶用のアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、船舶の信号対雑音比を改善するために、マルチプレクサ上でアップフロント信号調整を有する産業環境で、コンピュータビジョンシステムを使用してデータ収集するためのシステムが開示されている。
実施形態では、船舶用のマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、複数のMUXと船舶用データ収集部を論理制御する専用バスを備えた分散型CPLDチップを用いて、産業環境でコンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステム、および船舶用の設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび船舶用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、トリガ用のユニークな静電保護と船舶用の振動入力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、船舶用のA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、船舶の低速RPMと位相情報を取得するためのフェーズロックループ・バンドパス・トラッキング・フィルタを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、船舶用のオンボードタイマを使用して、入力およびトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、船舶用のピーク検出のために別個のアナログ-デジタル変換器にルーティングされるオートスケーリング用のピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、生または船舶用の他のアナログチャネルにバッファリングされるトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、船舶のAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、船のためのデジタルリサンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマアナログ-デジタルコンバータのためのクロック分周器としてCPLDの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、船舶用の異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、船舶用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、船舶用の階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、船舶用のデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、船舶用のデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、船舶用のセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、船舶のためのエキスパートシステムのためのインテリジェントデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用した、データ収集のためのシステムが開示される。
実施形態では、船舶のための逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用した、データ収集のためのシステムが開示されている。
実施形態では、船舶のベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、船舶用の一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、船のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶のローカル環境におけるアナログデータの継続的な監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、船舶用のデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、船舶用の自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、船舶用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、船舶の継続的な監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶の予測のための周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、スマートルートを有する産業環境におけるデータ収集のためのシステムが開示されており、入力データに基づいてルートを変更したり、アラームが船舶のための分析または相関のための同時動的データを可能にする。
実施形態では、船舶用のスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、船舶用の階層的なマルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、船舶の識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、RF識別と船舶用傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、船舶用の連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、クラウドベースの、船舶用のリモートのアナログ産業センサの融合に基づく機械パターン認識を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、船舶用の産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの、機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、船舶用のIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶用の産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶の産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶の利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、船舶の業界固有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、船舶用の産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、船舶用のIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、船舶用の自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、船舶用のネットワークセンシティブなコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、遠隔地に組織された船舶用のコレクターを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、船舶用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶用のマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、船舶用の振動、熱、電気及び/又は音の出力を備えた産業用センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、船舶用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、船舶用のデータ収集装置によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、船舶用のIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムであって、船舶用のデータを公開するために1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立するシステムが開示されている。
実施形態では、IoTデータアダプタが1つ以上の船舶用IoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、船舶用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、船舶用のデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、船舶用の利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、船のためのデータソースの統合および使用指示をクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する、産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、船舶の送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、船舶用のウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを用いて船舶用の冗長メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、船舶の損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、船舶用のチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、船舶用のタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、船舶用のタイマーに基づいて輻輳ウィンドウサイズの修正を遅延させるシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、船舶の配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、船舶の現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、船舶の現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/以前の接続のタイミング変動を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、船舶の現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、船舶用の現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、船のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間の、コンピュータビジョンシステムを使用した、データ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/以前の接続のフォワードエラー補正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つまたは複数の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、船舶用の維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、船舶用の低遅延データパスを介してデータメッセージの第1のサブセットを送信し、高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介してタイムクリティカルなデータメッセージの第1のサブセットを送信し、船舶用の高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムと、その後、船舶用の高遅延データパスを介して利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、船舶用の低遅延データパスを介して確認応答メッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、船舶用の高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、船舶の送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が船舶に対して非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間で、船舶に対するフィードバックメッセージの受信に応答して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、船舶用のフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示される。
実施形態では、データパスが船舶用のメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが船舶の以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信システムが開示される。
実施形態では、船舶用のチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、船舶用のパケット送信の複合コーディング、TCP、およびペーシングを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、船舶用のメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正符号構造を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、遅延ベースのバックオフと船舶用の安定したウィンドウ増加関数を組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、潜水艦用のアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、潜水艦のために改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号調整を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、潜水艦用のマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、複数のMUXや潜水艦のデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを用いて、産業環境でコンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステム、および潜水艦のためのデザイントポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび潜水艦用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、潜水艦用のトリガと振動入力のための独自の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、潜水艦のA/Dゼロリファレンス用の正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦の低速RPMと位相情報を取得するためのフェーズロックループ・バンドパス・トラッキング・フィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のオンボードタイマーを使用して入力およびトリガチャネルに対する位相をデジタルで導出する産業環境におけるデータ収集システムが開示されている。
実施形態では、サブマリン用のピーク検出のために別のアナログ-デジタル変換器にルーティングされるオートスケーリング用のピーク検出器を有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、生またはバッファリングされたトリガチャネルを潜水艦用の他のアナログチャネルにルーティングすることを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、潜水艦のAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用することで、潜水艦用のデジタルリサンプリングを必要とせずに低いサンプリングレートを実現する、産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境でのデータ収集システムが開示されている。
実施形態では、潜水艦用の階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦のデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦のデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦のセンサデータ分析にデータベース階層を使用する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦用エキスパートシステムのインテリジェントデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、潜水艦の逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、潜水艦のベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦用の過渡的な信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、潜水艦のローカル環境でアナログデータを継続的に監視するための適応型スケジューリング技術を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦用のデータ収集駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦用の自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、潜水艦用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦の連続監視のための拡張されたオンボード統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦の予測のために周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、データ収集のためのシステムが開示されており、スマートルートは、入力されたデータまたはアラームに基づいてルートを変更し、潜水艦のための分析または相関関係のための同時動的データを可能にする。
実施形態では、スマートODSと潜水艦用の転送機能を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、潜水艦用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、潜水艦の識別センサの過負荷を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、RF識別と潜水艦用の傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、潜水艦のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、潜水艦用の遠隔アナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、クラウドベースの、状態のマシンパターン分析を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが提供される。
複数のアナログ産業用センサからの情報を用いて、潜水艦用産業システムの予測状態情報を提供することが開示されている。
複数のアナログ産業用センサからの情報を用いて、潜水艦用産業システムの予測状態情報を提供することが開示されている。
実施形態では、潜水艦用のIoTデバイスの作成、展開および管理を伴う、IoT用のクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、潜水艦用の産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、潜水艦の産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、潜水艦の利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、潜水艦のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、潜水艦のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、潜水艦用のIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、潜水艦用の自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、潜水艦用のネットワークセンシティブなコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、潜水艦用の遠隔組織化されたコレクターを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、潜水艦用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、潜水艦のマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、潜水艦用の振動、熱、電気、及び/又は音の出力を備えた産業センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、潜水艦用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、潜水艦用のデータ収集装置によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、潜水艦用のIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されており、潜水艦用のデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、IoTデータアダプタが1つ以上の潜水艦用IoTクラウドプラットフォームに行った接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、潜水艦用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、潜水艦用のデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、潜水艦のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、データソースの統合およびサブマリンの使用指示をクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、潜水艦のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、サブマリン用のウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して潜水艦の冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、潜水艦の損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、潜水艦のためのチャネル特性を記述した受信メッセージに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステム、および潜水艦用のタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、潜水艦用のタイマーに基づく輻輳ウィンドウサイズの修正を遅延させるシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されており、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、潜水艦のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルすることが可能である。
実施形態では、潜水艦の現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/以前の接続のエラーレートを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/以前の接続のタイミング変動を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/以前の接続の帯域幅を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/以前の接続の往復時間を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/以前の接続の通信制御パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、潜水艦用の維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、低遅延データパスを介してデータメッセージの第1のサブセットを送信する能力と、潜水艦用の高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、低遅延データパスでタイムクリティカルなデータメッセージの第1のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムと、潜水艦用の高遅延データパスでメッセージの第2のサブセットを送信する能力を有するシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムと、その後、潜水艦用の高遅延データパスを介して利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、確認応答メッセージの第1のサブセットを低遅延データパス上で送信し、データメッセージの第2のサブセットを潜水艦用の高遅延データパス上で送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いて、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信する能力を有するノード間のデータ通信のためのシステムと、潜水艦のための高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が潜水艦に対して非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、潜水艦のためのフィードバックメッセージの受信に応答して、各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いたデータ通信システムであって、送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、受信に応答して
のフィードバックメッセージ、および潜水艦のフィードバックメッセージに基づいてキューから冗長性のあるメッセージを追加または削除することが開示されている。
のフィードバックメッセージ、および潜水艦のフィードバックメッセージに基づいてキューから冗長性のあるメッセージを追加または削除することが開示されている。
実施形態では、データパスが潜水艦のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが潜水艦のための以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれにわたって送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用のチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、海底用のメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正符号構成を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、サブマリン用の安定したウィンドウ増加関数と遅延-ベースのバックオフを組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、風力エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号調整を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、風力発電用の複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用して、風力エネルギー生産のための設計トポロジーでデータ収集を行うシステムが開示されている。
実施形態では、アナログセンサチャネルおよび風力エネルギー生産のためのコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのトリガと振動入力のための独特の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、風力エネルギー生産のための低速RPMおよび位相情報を得るための位相ロックループバンドパス追跡フィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、風力エネルギー生産のためのオンボードタイマーを使用して、入力チャネルおよびトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、風力エネルギー生産のためのピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のための他のアナログチャネルに生またはバッファリングされるトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、風力発電のためのデジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用する産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、風力エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力発電用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、風力エネルギー生産のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、風力エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムである。
風力エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドと診断が開示されている。
風力エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドと診断が開示されている。
実施形態では、風力エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のための過渡的な信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのローカル環境におけるアナログデータの継続的な監視のための適応型スケジューリング技術を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、風力エネルギー生産のための継続的なモニタリングのための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、風力エネルギー生産の予測のために周囲の騒音、局所的な騒音、および振動騒音を使用する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、スマートルートを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが、入力されるデータに基づいてルートを変更したり風力エネルギー生産のための分析または相関のための同時動的データを可能にするアラームが開示されている。
実施形態では、風力エネルギー生産のためのスマートODSおよび伝達機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、風力エネルギー生産のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、RF識別と風力エネルギー生産のための傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のための遠隔地のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための産業システムの予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産の利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、風力エネルギー生産のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、風力エネルギー生産のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、風力エネルギー生産のためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、風力エネルギー生産のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのネットワークセンシティブなコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のための振動、熱、電気及び/又は音の出力を備えた産業センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、風力エネルギー生産のためのデータコレクタによって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されており、風力エネルギー生産のためのデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立している。
実施形態では、風力エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する、産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、風力エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、風力エネルギー生産のためのデータソースの統合および使用指示をクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、風力エネルギー生産のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、風力発電用のウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して風力エネルギー生産のための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、風力エネルギー生産のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、風力発電のためのチャネル特性を記述した受信メッセージに基づいて、前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、風力エネルギー生産のためのタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されており、風力発電のためのタイマーに基づいて輻輳ウィンドウサイズの修正を遅らせることが可能である。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、風力エネルギー生成のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のための現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のための現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、風力エネルギー生産のための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のために、低遅延データパスを介してデータメッセージの第1サブセットを送信し、高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のために、低遅延データパスでタイムクリティカルなデータメッセージの第1のサブセットを送信し、高遅延データパスでメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、風力エネルギー生産のために、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムと、その後に高遅延データパスを介して利用可能なメッセージの第2のサブセットとが開示されている。
実施形態では、風力エネルギー生産のために、低遅延データパス上で確認応答メッセージの第1サブセットを送信し、高遅延データパス上でデータメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、風力エネルギー生産のために、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の度合いを有するノード間のデータ通信のためのシステムが開示される。
実施形態では、風力エネルギー生産のために、メッセージの位置が非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、風力エネルギー生産のためのフィードバックメッセージを受信することに応答して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムであって、フィードバックメッセージの受信に応答して、風力エネルギー生産のためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、データパスが風力エネルギー生産のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージの流れを初期分割で変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、風力エネルギー生成のためのチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、風力エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、風力エネルギー生産のためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットをインターリーブし、風力エネルギー生産のためのメッセージパケットのオーバーラップしたグループにまたがるコーディングを有する前方誤り訂正コード構築を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、風力エネルギー生産のための安定したウィンドウ増加関数と遅延-ベースのバックオフを組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための改善された信号対雑音比のためにマルチプレクサ上でアップフロント信号調整を有する産業環境で、コンピュータビジョンシステムを使用してデータ収集するためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、水力発電のための複数のMUXおよびデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップを使用する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステム、および水力発電エネルギー生産のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび水力発電用のコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのトリガと振動入力のための独特の静電保護を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための低速RPMおよび位相情報を得るための位相ロックループバンドパス追跡フィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、水力発電のエネルギー生産のためのオンボードタイマーを使用して、入力およびトリガチャネルに対する位相のデジタル導出を有する産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための他のアナログチャネルに生またはバッファリングされるトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのデジタルリサンプリングを必要とせず、より低いサンプリングレートを達成するために、デルタシグマアナログデジタルコンバータのクロック分配器としてのCPLDの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電のエネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、水力発電のエネルギー生産のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのエキスパートシステムのためのインテリジェントデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための過渡的な信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、水力発電のエネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのローカル環境におけるアナログデータの連続的な監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、水力発電のエネルギー生産のための連続的なモニタリングのための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電のエネルギー生産のための予測のために、周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいてルートを変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電のエネルギー生産のためのスマートODSおよび伝達機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、水力発電エネルギー生産のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、水力発電エネルギー生産のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのRF識別および傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、水力発電のエネルギー生産のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、水力発電エネルギー生産のための遠隔地のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、水力発電エネルギー生産のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、水力発電エネルギー生産のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、水力エネルギー生産のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのネットワークに敏感なコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のために遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、水力発電エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための振動、熱、電気及び/又は音の出力を備えた産業センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力エネルギー生産のためのデータ収集者によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示され、水力発電エネルギー生産のためのデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立している。
実施形態では、水力発電エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、水力発電のエネルギー生産のための適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、水力発電エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、水力発電エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、新しいデータソースの利用可能性を示すメッセージをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティと、水力発電のエネルギー生産のためのデータソースの統合および使用指示とを有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、水力発電のエネルギー生産のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、水力発電のエネルギー生成のためのウィンドウサイズに従って、まだ正常に配信されたと認められていないさらなるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して水力発電エネルギー生産のための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、水力発電エネルギー生産のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、水力発電のエネルギー生産のためのチャネル特性を記述する受信したメッセージに基づいて、前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステムであって、水力発電エネルギー生産のためのタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、水力発電のエネルギー生産のためのタイマーに基づいて輻輳ウィンドウサイズの修正を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、水力発電のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、水力発電のエネルギー生産のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力エネルギー生産のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のための現在/以前の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のための現在/以前の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、水力エネルギー生産のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のための現在/以前の接続の前方誤り訂正パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、水力発電のエネルギー生産のための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、水力発電エネルギー生産のために、低遅延データパスを介してデータメッセージの第1のサブセットを送信し、高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、水力発電のエネルギー生産のために、低遅延データパスでタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパスでメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノードと、水力発電エネルギー生産のために高遅延データパスを介して後に利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のために、低遅延データパス上で確認応答メッセージの第1のサブセットを送信し、高遅延データパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のために、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いて、水力発電のエネルギー生産のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いたデータ通信のためのシステムであって、以下の各メッセージに関連する冗長性の程度を有するノード間のシステムを提供する。
水力発電のために、メッセージの位置が減少しないように増加することが開示されている。
水力発電のために、メッセージの位置が減少しないように増加することが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長度を有するノード間で、水力発電エネルギー生産のためのフィードバックメッセージの受信に応答して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、水力発電エネルギー生産のためのフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが水力発電のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージの初期分割の流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、水力発電エネルギー生成のためのチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、水力発電のエネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、水力発電のエネルギー生産のためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットをインターリーブし、水力発電のエネルギー生成のためのメッセージパケットのオーバーラップするグループにまたがるコーディングを有する前方誤り訂正コード構築を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、水力発電のエネルギー生産のために、遅延ベースのバックオフと安定したウィンドウ増加関数を組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、原子力エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための改善された信号対雑音比のために、マルチプレクサ上のアップフロント信号調整を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、原子力発電のための複数のMUXとデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、原子力エネルギー生産のためのソリッドステートリレーとデザイントポロジーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、アナログセンサチャネルおよび原子力発電用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのトリガと振動入力のための独特の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための低速RPMおよび位相情報を得るためのフェーズロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、原子力発電用のオンボードタイマーを使用して、入力およびトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、原子力エネルギー生産のためのピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、核エネルギー生産のための他のアナログチャネルに生またはバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、産業環境におけるデータ収集のためのシステムが開示されており、原子力エネルギー生産のためのAAフィルタ要件を最小化するために、低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有している。
実施形態では、原子力発電のためのデジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDを使用する産業環境における、コンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、原子力エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力発電用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのベアリング分析方法を提案している産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、原子力エネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのデータ収集駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、核エネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための継続的な監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための予測のために、周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいて経路を変更するスマートルートを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、原子力エネルギー生産のためのRF識別および傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、原子力エネルギー生産のための遠隔地のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのIoTデバイスの作成、展開および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための産業IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、原子力エネルギー生産のためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、原子力エネルギー生産のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのネットワークに敏感なコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための振動、熱、電気及び/又は音の出力を備えた産業センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのデータ収集者によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されており、原子力エネルギー生産のためのデータを公開するために、1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、原子力エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のための適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、核エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、原子力エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、クラウドプラットフォームのユーザインタフェースに、新しいデータソースの利用可能性を示すメッセージを提供するメッセージングユーティリティを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムと、原子力エネルギー生産のためのデータソースの統合および使用指示が開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、原子力エネルギー生産のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、核エネルギー生産のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して原子力エネルギー生産のための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、原子力エネルギー生産のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを用いたデータ通信のためのシステムであって、以下に基づいて前方誤り訂正を適用する能力を有するノード間のシステムを提供する。
原子力発電のためのチャンネル特性を記述した受信メッセージが開示されている。
原子力発電のためのチャンネル特性を記述した受信メッセージが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステムであって、原子力エネルギー生産のためのタイマーを使用してフィードバックメッセージの送信を遅延させるシステムが開示される。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムであって、原子力発電のためのタイマーに基づく輻輳ウィンドウサイズの修正を遅延させるシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、原子力発電のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、原子力エネルギー生産のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための現在/以前の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための現在/以前の接続のラウンドトリップタイムを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための現在/以前の接続の前方誤り訂正パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、原子力エネルギー生産のための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、原子力エネルギー生産のために、低遅延データパスを介してデータメッセージの第1のサブセットを送信し、高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のために、低遅延データパスを介してタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノードと、原子力エネルギー生産のために高遅延データパスを介して後に利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、原子力エネルギー生産のために、低遅延データパスを介して確認応答メッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ通信のためのシステムであって、第1のサブセットを送信する能力を有するノード間での
低遅延データパス上の補完/冗長データメッセージと、高遅延データパス上のデータメッセージの第2サブセットは、原子力エネルギー生産のために開示される。
低遅延データパス上の補完/冗長データメッセージと、高遅延データパス上のデータメッセージの第2サブセットは、原子力エネルギー生産のために開示される。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、原子力エネルギー生産のために、メッセージの位置が非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、原子力エネルギー生産のためのフィードバックメッセージを受信することに応答して、各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長性の度合いを有するノード間のデータ通信のためのシステムであって、原子力エネルギー生産のためのフィードバックメッセージに基づいて、キューから冗長性メッセージを追加または削除するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、ノード間のデータ通信のためのシステムであって、データパスが原子力エネルギー生産のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージの初期分割の流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力発電のためのチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、原子力エネルギー生産のためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットをインターリーブし、原子力エネルギー生産のためのメッセージパケットのオーバーラップするグループにまたがるコーディングを有する前方誤り訂正コード構築を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力発電のための安定したウィンドウ増加関数と遅延ベースのバックオフを組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号調整を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、石油掘削のためのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油掘削用の複数のMUXおよびデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境で、コンピュータビジョンシステムを使用してデータ収集を行うシステム、および石油掘削のためのデザイントポロジーが開示されている。
実施形態では、石油掘削用のアナログセンサチャネルおよびコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油掘削のためのトリガおよび振動入力のための独自の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油掘削のためのA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための低速RPMと位相情報を得るためのフェーズロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油掘削用のオンボードタイマを使用して、入力およびトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油掘削のためのピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための他のアナログチャネルに生またはバッファリングされるトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油掘削のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、石油掘削のためのデジタルリサンプリングを必要とせずに低いサンプリングレートを達成するために、デルタシグマアナログデジタルコンバータのクロック分配器としてCPLDの使用を有する産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油掘削用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油掘削のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油掘削のためのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のためのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油掘削のためのエキスパートシステムのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、石油掘削のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油掘削のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のためのローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、石油掘削のためのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油掘削のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、石油掘削用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、石油掘削のための連続監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油掘削のための予測のための周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいてルートを変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油掘削のためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油掘削用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、石油掘削のための識別センサ過多を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、RF識別と石油掘削用の傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油掘削のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油掘削のための遠隔地のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油掘削のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの、機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、石油掘削のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための産業用IoTデータのための自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、石油掘削の利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油掘削のための産業特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、石油掘削のための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示される。
実施形態では、石油掘削のためのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油掘削のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、石油掘削のためのネットワークに敏感なコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための遠隔に組織されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示される。
実施形態では、石油掘削のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための振動、熱、電気及び/又は音の出力を備えた産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油掘削のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のためのデータ収集者によって収集されたデータの自動的に調整されたAR/VRビジュアライゼーションを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示され、石油掘削のためにデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、石油掘削のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油掘削用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、石油掘削のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油掘削のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、石油掘削のためのデータソースの統合および使用指示をクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信フィードバックメッセージの成功に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、石油掘削のための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、石油掘削のためのウィンドウサイズに従って正常に配信されたとまだ認められていないさらなるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを使用して石油掘削のための冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、石油掘削のための損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、石油掘削のためのチャネル特性を記述して受信したメッセージに基づいて、前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のためのタイマーを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定し、フィードバックメッセージの送信を遅延させる能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、石油掘削のために、配送命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの修正を遅延させる能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配信命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、石油掘削のための配信成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のための現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油掘削のための現在/以前の接続のエラーレートを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油掘削のための現在/以前の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油掘削のための現在/以前の接続の帯域幅を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のための現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のための現在/以前の接続の通信制御パラメータを特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ通信のためのシステムであって、維持されたを使用して新しい接続を構成する能力を有するノード間のシステムを提供する。
石油掘削のための現在/以前の接続の前方誤り訂正パラメータを特徴づけるデータが開示されている。
石油掘削のための現在/以前の接続の前方誤り訂正パラメータを特徴づけるデータが開示されている。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、石油掘削のための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油掘削のために、低遅延データパスを介してデータメッセージの第1のサブセットを送信し、高遅延データパスを介してメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油掘削のために、低遅延データパスでタイムクリティカルなデータメッセージの第1のサブセットを送信し、高遅延データパスでメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のために、低遅延データパスを介してデータメッセージの第1の初期サブセットと、その後に高遅延データパスを介して利用可能なメッセージの第2のサブセットとを送信する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のために、低遅延データパスを介して確認応答メッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油掘削のために、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のための送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のためにメッセージの位置が非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のためのフィードバックメッセージを受信することに応答して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間のデータ通信のためのシステムであって、フィードバックメッセージの受信に応答して、石油掘削のためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するシステムが開示されている。
実施形態では、データパスが石油掘削のためのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のための以前の通信接続に基づいて、データパスがメッセージの初期分割の流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のためのチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、石油掘削のためのメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正符号構造を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油掘削のための安定したウィンドウ増加関数と遅延-ベースのバックオフを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、石油パイプラインのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプラインの信号対雑音比を改善するために、マルチプレクサ上でアップフロント信号調整を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインのマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、複数のMUXと石油パイプラインのデータ収集部を論理制御するための専用バスを備えた分散型CPLDチップを使用した、産業環境におけるコンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、ソリッドステートリレーを使用して高アンペア数の入力能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステム、および石油パイプラインの設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび石油パイプライン用コンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプラインのトリガと振動入力のための独自の静電保護を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油パイプラインのA/Dゼロリファレンス用の正確な電圧リファレンスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインの低速RPMと位相情報を取得するためのフェーズロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油パイプライン用のオンボードタイマを使用して、入力およびトリガチャネルに対する位相をデジタルで導出する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインのピーク検出のための別個のアナログ-デジタル変換器にルーティングされるオートスケーリングのためのピーク検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプライン用の他のアナログチャネルに生またはバッファリングされたトリガチャネルのルーティングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油パイプラインのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、石油パイプラインのためのデジタルリサンプリングを必要とせず、より低いサンプリングレートを達成するために、デルタシグマアナログデジタルコンバータのクロック分周器としてCPLDを使用する産業環境におけるコンピュータビジョンシステムを使用したデータ収集システムが開示されている。
実施形態では、石油パイプラインのための異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプライン用のボードカードセットにメンテナンス履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインのための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプラインのデータ収集バンドのインテリジェントな管理を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油パイプラインのデータ収集バンドのインテリジェントな管理を使用するニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油パイプラインのセンサデータ分析におけるデータベース階層の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油パイプラインのためのエキスパートシステムのインテリジェントデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインの逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのための提案されたベアリング分析方法を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインの一過性の信号分析を利用したねじり振動の検出/分析を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、石油パイプラインのためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのローカル環境におけるアナログデータの連続監視のための適応型スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのデータ取得駐車場機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプライン用の自給型データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、石油パイプライン用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインの連続監視のための拡張されたオンボード統計機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインの予測のために周囲の騒音、局所的な騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインの分析または相関のための同時動的データを可能にする、入力データまたはアラームに基づいてルートを変更するスマートルートを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプライン用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、石油パイプラインの識別センサ過多の産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、RF識別と石油パイプライン用の傾斜計を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油パイプラインのための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプラインのための遠隔地のアナログ産業センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプラインのための産業システムのための予想される状態情報を提供するために、複数のアナログ産業センサからの状態情報のクラウドベースの、機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示される。
実施形態では、石油パイプラインのためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシーオートメーションエンジンを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのための産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインの産業用IoTデータの自己組織化データ市場を有する産業環境において、コンピュータビジョンシステムを用いて、データ収集を行うシステムが開示される。
実施形態では、石油パイプラインの利用率及び/又は歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示される。
実施形態では、石油パイプラインの業界特有のフィードバックに基づくトレーニングAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、石油パイプラインのための産業データ収集者の自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのIoT分散型台帳を有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、石油パイプラインの自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示される。
実施形態では、石油パイプラインのネットワークセンシティブコレクタを有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油パイプラインのための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインの振動、熱、電気、及び/又は音の出力を備えた産業センサデータコレクタのためのウェアラブルな触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのためのデータ収集者によって収集されたデータの自動的に調整されたAR/VR可視化を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、データ入力を受信し、石油パイプラインのデータを公開するために1つまたは複数の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する条件を検出するための条件検出器を有する産業環境において、コンピュータビジョンシステムを使用してデータ収集を行うシステムが開示されている。
実施形態では、石油パイプライン用の適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集を行うシステムが開示されている。
実施形態では、石油パイプラインのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示される。
実施形態では、石油パイプラインのための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示される。
実施形態では、新しいデータソースの利用可能性を示すメッセージをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティと、石油パイプラインのためのデータソースの統合および使用指示を有する、コンピュータビジョンシステムを使用した、産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信した到着率および配信成功フィードバックメッセージに基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムであって、石油パイプラインのための送信制限に基づいてメッセージの送信を制限するシステムが開示される。
実施形態では、石油パイプラインのためのウィンドウサイズに従って正常に配信されたことをまだ認めていないさらなるメッセージの送信を制限する能力を有するノード間で、コンピュータビジョンシステムを使用するデータ通信のためのシステムが開示される。
実施形態では、損失イベントのレートの推定値を維持し、それを利用して石油パイプラインの冗長性メッセージのレートを調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、選択された冗長性メッセージを決定するために使用されるエラー修正コードが、石油パイプラインの損失イベントの推定率に基づいている、損失イベントの推定率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油パイプラインのためのチャネル特性を記述して受信したメッセージに基づいて、前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのためのタイマーを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定し、フィードバックメッセージの送信を遅延させる能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのために、配送命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの修正を遅らせる能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、配送命令イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、石油パイプラインの配送成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインの現在/以前の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油パイプラインの現在/以前の接続のエラーレートを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油パイプラインの現在/以前の接続のタイミング変動を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインの現在/以前の接続の帯域幅を特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインの現在/以前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油パイプラインの現在/以前の接続の通信制御パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油パイプラインの現在/以前の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴づけるデータを維持するためのデータストアと、石油パイプラインの維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのために、低遅延データパス上でデータメッセージの第1サブセットを送信し、高遅延データパス上でメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのために、低遅延データパスを介してタイムクリティカルなデータメッセージの第1サブセットを送信し、高遅延データパスを介してメッセージの第2サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、低遅延データパスを介してデータメッセージの第1の初期サブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムと、石油パイプラインの高遅延データパスを介して後に利用可能なメッセージの第2のサブセットが開示されている。
実施形態では、石油パイプラインのための低遅延データパスを介して確認応答メッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのために、低遅延データパスを介して補足/冗長データメッセージの第1のサブセットを送信し、高遅延データパスを介してデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、石油パイプラインの伝送順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、メッセージの位置が石油パイプラインに対して非減少するにつれて増加する各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示される。
実施形態では、送信順序におけるメッセージの位置に基づいている各メッセージに関連する冗長性の程度を有するノード間で、コンピュータビジョンシステムを使用して、石油パイプラインのためのフィードバックメッセージを受信することに応答して、データ通信を行うシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいている各メッセージに関連付けられた冗長性の程度を有するノード間で、フィードバックメッセージの受信に応答して、石油パイプラインのためのフィードバックメッセージに基づいて冗長性メッセージをキューから追加または削除するデータ通信のためのシステムが開示されている。
実施形態では、データパスが石油パイプラインのメッセージの流れを変えていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを用いてデータ通信を行うシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが石油パイプラインのための以前の通信接続に基づいてメッセージの初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのためのチャネル特性に基づくチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連する冗長性情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示される。
実施形態では、石油パイプラインの損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのためのパケット送信の結合された符号化、TCP、およびペーシングを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示される。
実施形態では、メッセージパケットのグループとパリティパケットをインターリーブし、石油パイプラインのためのメッセージパケットのオーバーラップするグループにまたがってコーディングを行う前方誤り訂正符号構造を有するノード間で、コンピュータビジョンシステムを使用して、データ通信を行うシステムが開示されている。
実施形態では、石油パイプラインのための安定したウィンドウ増加関数と遅延ベースのバックオフを組み合わせたTCPの変形を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、予知保全知識プラットフォームの参加者および要素間の情報の流れは、図177に描かれているように構成されてもよい。図177に例示的に構成されたようなプラットフォーム28600は、データストレージ、マシンインテリジェンス、および産業機械関連のトランザクションのうちの1つ以上を含む複数のサブシステムを含んでもよい。このようなサブシステムは、ウェブサーバベースのシステム、分散システム、ハンドヘルドデバイス、産業機械の同居システムなどであってもよい。一例では、産業機械メンテナンスデータ分析サブシステム28602は、データストレージ28604、機械学習及び/又は人工知能設備28606、トランザクション設備28608などを含んでもよい。産業機械メンテナンスデータ分析サブシステム28602は、サービス基準、故障防止、サービス価格、部品価格、潜在的な機械の故障を検出するためのテストおよび基準、修理の分析などの産業機械関連データの更新、故障予測メタデータの機能および更新などを含むサービス28610を提供してもよい。産業機械メンテナンスデータ分析サブシステム28602は、提供されたサービス28610に関連するものなどの情報を、クラウドベースのデータストレージへのアクセスのために、ストリーム、トランザクション、データベースの読み書きなどの形式で提供してもよい。産業機械メンテナンスデータ分析サブシステム28602は、データ収集ネットワーク28612を介して、個々の産業機械に関する情報を機械から受信してもよい。実施形態では、データ収集ネットワーク28612は、本明細書および本明細書で参照され、組み込まれた文書に記載されてもよい。産業機械メンテナンスデータ分析サブシステム28602は、産業機械の1つまたは複数のスマートRFID要素28614から取得され得る機械パラメータなどの特定の産業機械からの情報を受信してもよい。実施形態では、スマートRFID要素は、産業機械の一部で構成されてもよく、本明細書の他の場所で説明されるような機能を有してもよい。
実施形態では、産業機械予測保守サブシステム28616は、産業機械保守データ分析サブシステム28602から提供されたデータ、および産業機械健全性監視施設28618などからさらに提供されたデータに、機械の故障検出、識別、分類、および関連するアルゴリズムを適用して、産業機械の予測保守を促進するために通信することができるデータ構造、ストリーム、および他の電子データを生成してもよい。実施形態では、産業機械予知保全サブシステム28616は、産業機械健全性監視施設28618から産業機械健全性監視データのストリーム等を受信し、分析してもよい。そのようなストリーム分析の1つ以上の結果は、健全な機械、不健全な機械、故障を回避するためにサービスを必要とする可能性のある機械の少なくとも一部の可能性、サービスを必要とする特定の機械、などを示す条件の決定を含んでもよい。健全な機械を示す可能性のある条件は、産業用機械上または産業用機械によって実行され、機械健全性監視設備28618に伝達されたテストなどの結果であってもよい。一例では、機械健全性監視設備28618は、1つまたは複数の産業機械からライブまたは遅延ストリームで、産業機械のモータからのセンサデータ(例えば、トルク、毎分回転数、実行時間、開始/停止データ、方向データなど)などの動作関連情報を受信してもよい。この動作関連データは、健康監視設備28618によって処理されて、例えば、数は、1日、1週間、1ヶ月などの設定された期間の回転数がメンテナンス閾値を超える。ストリームデータの一部及び/又は健全性監視設備28618による処理の結果は、予知保全などで対処すべき潜在的な欠陥などを特定することを含む、説明されているような使用のために、産業機械予知保全サブシステム28616に、ストリームなどとして提供されてもよい。産業機械予測保守サブシステム28616は、1つまたは複数の産業機械を識別することができ、サービス、保守、修理、交換などの恩恵を受けると判断される機械の部分を示すことができる、1つまたは複数のデータ28620の予測保守セットを生成してもよい。データ28620のセットは、1つまたは複数の特定の産業機械で予知保全活動を行うために必要な、特定の部品、サービス手順、材料、サービス時間枠を含んでもよい。実施形態では、産業機械予測保守サブシステム28616によって実行され得る機械故障分析は、CMMSサブシステム28622からの作業命令の生成を容易にすることができる。
実施形態では、CMMSサブシステム28622は、産業機械の詳細、産業機械のサービス(例えば、修理、保守、アップグレードなど)の詳細、従うべき手順、必要な部品などを、産業機械予測保守サブシステム28616、CMMSインタフェース28624、産業機械の部品リストなどを含むことができるように構成され維持されているデータ構造、および産業機械のサービスの実行を容易にするための任意の他の情報などのソースから受信してもよい。CMMSサブシステム28622は、部品サプライヤ、サービスプロバイダ、サードパーティパートナー、ベンダー、サービスを受ける産業機械の所有者/オペレータなどとの間でアクションを開始してもよい。一例では、CMMSサブシステム28622は、必要なサービスを提供する資格があるとしてCMMSサブシステム28622に知られている1つまたは複数のサービスプロバイダからサービスの注文を生成してもよい。
実施形態では、CMMSサブシステム28622は、CMMSサブシステムによってアクセス可能なデータストアに格納されてもよい1つまたは複数の予知保全知識ベース及び/又は知識グラフとインタフェースしてもよい。実施形態では、そのようなCMMS知識ベース等は、CMMSサブシステム28622によって提供されるサービス決定及び注文生成サービスに有益な情報を含むことができる知識グラフをさらに含んでもよい。CMMS知識グラフは、産業機械に関する情報、産業機械のサービス活動、産業機械の部品、材料、ツール、およびサービスのためのコスト(例えば、履歴、傾向、および予測)、CMMSサービス28626を提供するためのアルゴリズムおよび機能性などを含むか、またはこれらへのコンピュータアクセスを提供してもよい。CMMSサブシステム28622は、所有者が選択した時間枠でサービスを実行できるように、産業機械のサービスに関する産業機械所有者の決定に基づいて、サービス提供者、部品提供者、材料およびツール提供者などとの調整を容易にすることができる。
CMMSサブシステム28622は、CMMSインタフェース28624を介してスマートRFID要素(複数可)28614内の情報にアクセスして、個々の産業機械などへのアクセスを容易にしてもよい。CMMSサブシステム28622は、CMMSインタフェース28624を介して受信した情報を使用して、特定の機械に対して効果的かつ効率的にメンテナンスを行うためのリソースの調整を実行することを容易にしてもよい。一例では、特定の産業機械は、その可動部の1つ(例えば、産業用モータ)の利用率が典型的なものよりも高くなる動作サイクルを有していてもよい。この情報は、予知保全サブシステム28616によって処理され、機械で実行する必要がある可能性のあるサービスの指示になることがある。予測保守サブシステム28616は、CMMSサブシステム28622が部品、サービスなどの注文を生成するために処理するであろう情報をCMMSサブシステム28622に提供してもよい。この知識は、CMMSサブシステム28622が、サービス、部品、および材料の供給者と対話して、利用率ベースの保守サービスを、利用率の低い他の比較可能な産業機械とは異なる時期(例えば、数週間または数ヶ月早く)に実行するための確定見積もりを提供するために使用されてもよい。
実施形態では、CMMSサブシステム28622は、異なるタイプの機械(例えば。据置型機械、移動型機械、車両に搭載された機械、ジョブサイトに配備された機械など)に関する情報を、サービスプロバイダ情報、部品および部品プロバイダ情報、部品の位置および在庫情報、機械生産プロバイダ、サードパーティの部品ハンドラ、物流プロバイダ、輸送プロバイダ、サービス基準、サービス要件、サービスの結果などを含むサービス活動、およびサービス、部品などの注文を調整することを含むサービス28626の提供を容易にするための他の情報とともに収集するアルゴリズムを実行してもよい。
実施形態では、予防保守サブシステム28616から提供された産業機械の故障識別情報に応答して、予測保守知識システム30002は、候補のサービスプロバイダを識別してもよい。サービスプロバイダは、CMMSサブシステム28622に、成功裏に実証されたものとして知られている。依頼されたサービスに必要な手順の経験者に連絡して、サービスの見積もり及び/又はサービス、部品などの価格の見積もりを提供してもよい。同様に、要求されたサービスの手順に関連する可能性のある部品及び/又は材料を特定してもよい。部品コスト、輸送コスト、入手可能性、部品と機械との位置関係、1つ以上の部品提供者と産業機械の所有者などのサービス要求に関連する当事者との間の以前の関係などの要因を評価して、部品の注文の準備としてどの部品提供者に連絡するかを決定してもよい。これらの要因を考慮して、予防保守サブシステム28616からの適格なサービス表示によって1つまたは複数のサービス推奨事項を伴うサービスが実施されることを見越して、1つまたは複数の部品提供者に部品照会を行ってもよい。実施形態では、CMMSサブシステム28622は、特定のサービス推奨を自動的に選択するのに十分な情報を有していてもよく、明示的な承認の有無にかかわらず、要求されたサービスに必要であれば、部品/材料/ツールの注文を含むサービスオーダー28626を生成してもよい。
実施形態では、CMMSサブシステム28622が頼ることができる情報は、産業機械に関連するERP(Enterprise Resource Planning)インタフェースだけでなく、産業機械のための部品及び/又はサービスを提供する可能性がある独立した部品供給者、サービスプロバイダなどのサードパーティの情報源から得られることがある。実施形態では、CMMSサブシステム28622は、サービスプロバイダ、部品プロバイダなどへの発注を有効にするために、ERPインタフェース28628を介してなど、産業機械所有者のERPシステムと連携してもよい。CMMSサブシステム28622は、サービス材料の価格および可用性を決定するために、サービス材料提供者情報を使用してもよい。この情報は、産業機械サービス提供28626の一部としてサービス材料の適切な注文を生成することを容易にするために、サービス材料在庫情報と組み合わせてもよい。
実施形態では、CMMSサブシステム28622は、故障を回避するために修理を完了しなければならない時間枠と、修理を実施する方法に関する製造者マニュアルからの指示を伴う推奨修理とを受信してもよい。この修理情報は、次に、CMMSサブシステム28622(例えば、クラウドベースのシステム)によって処理されてもよく、ここで作業オーダーが作成され、追跡される。作業指示書は、ERPシステムにデジタル的にプッシュされ、工場の生産スケジュールをチェックして、分析によって提供された時間枠と、例えば、修理にかかる時間が記載されたサービス手順で参照される製造者のマニュアルの情報に基づいて、メンテナンスを必要とする特定の機械がいつ修理可能になるかを見つけることができる。ERPシステムは、利用可能な日付を見つけたら、CMMSサブシステム28622と連携して、部品およびサービス作業のためのベンダーに入札を依頼したり、部品および優先契約者などのサービス契約者に注文を出したりすることができる。実施形態では、CMMSサブシステム28622またはERPシステムは、必要な部品情報(例えば、部品番号、ビンテージ、リビジョン、仕様、アフターマーケットの代替品、最後に支払った価格、中古部品がOKかどうかなど)と、サービス行為に必要な修理行為(例えば、手順のステップ、診断、必要な機器・ツール、必要な材料、必要な人員など)を入札者に提供するために、手順のメーカーマニュアルを使用するだけで、入札依頼を構成してもよい。入札は、手順書に記載された修理アクションに基づいて行われ、入札対象となる仕事の範囲となる場合がある。実施形態では、この範囲外で発見され対処された他の問題がある場合、ベンダーへの追加報酬を承認するために二次的なプロセスを踏んでもよい。
実施形態では、サービス提供および追跡サブシステム28630は、サービス技術者、産業機械の所有者/オペレータ、第三者(例えば、監査人、規制当局、組合員、安全協会、部品製造業者など)などのサービス提供者によって使用されて、サービス注文データ28626から決定される可能性がある、注文されたサービス要求に関連する情報を収集および報告することができる。サービス提供および追跡サブシステム28630は、機械の手順をサービス要求と照合し、注文されたサービスに関連する画像(例えば、サービスされる部品、機械の設置、サービス前及び/又はサービス後に動作する機械のビデオ、産業機械から取り外された部品、サービス担当者など)が、産業機械の1つまたは複数の部品の自動検出のための画像品質基準を満たす十分な品質でキャプチャされることを保証する機能を含んでもよい。
実施形態では、サービス提供および追跡サブシステム28630は、サービス手順の改良、部品発注などのために、データ、修理、画像などをまとめてサービスデータ28632として、産業機械メンテナンスデータ分析サブシステム28602に報告してもよい。
実施形態では、様々なサブシステムによって実行される作業および分析に対する補償は、様々なソースから得られてもよい。CMMSサブシステム28622のオペレータ/所有者/関連会社は、注文された各部品またはサービスに対する手数料を受け取ることなどにより、トランザクションベースで補償されてもよい。このような手数料は、固定部分(例えば、部品注文ごとの金額)を含んでもよく、可変部分(例えば、注文合計のパーセント)を含んでもよい。この手数料は、メンテナンス行為を行うための部品やサービスの支払いに責任を持つ当事者に請求される料金に明示的に含まれていてもよい。この手数料は、各部品やサービスのコストに組み込まれ、責任者から部品やサービスの提供者に渡される支払いから控除されて回収されてもよい。
実施形態では、産業機械予知保全システムは、データ収集ネットワークを介して受信した産業機械の一部の状態を代表するデータに機械学習を適用することによって、産業機械の健全性監視データのストリームを生成する産業機械データ分析施設を含んでもよい。システムはさらに、機械の故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答して産業機械サービス勧告を生成する産業機械予測保守設備を含んでもよい。システムは、産業機械サービス勧告の受信に応答して、サービスおよび部品の注文および要求のうちの少なくとも1つを生成するコンピュータ化された保守管理システム(CMMS)をさらに含んでもよい。そして、システムは、サービスおよび部品の注文および要求の少なくとも1つに応答して産業機械上で実行されたサービスに関する情報を受信および処理し、それによって実行されたサービスを検証するとともに、個々の産業機械に対するサービス活動および結果の台帳を作成するサービスおよび配送調整施設を含んでもよい。
実施形態では、特定の機械のメンテナンス、サービス、および修理に関する関連するノウハウおよび専門知識を有する一連の作業員を見つけるための方法およびシステムは、本明細書に記載されている予知保全などの産業機械のサービスのために、タイムリーで質の高い作業員が選択され、配置されることを保証するために、作業員選択アルゴリズムを備えた機械学習アルゴリズムを採用することができる。図178を参照すると、上述のような労働者のセットを見つけるための機械学習ベースの方法32400が描かれている。実施形態において、労働者を見つけるための設備32402は、プロセッサ上で実行され得るアルゴリズムおよびデータ構造のセットを含み得るシステムとして構成されてもよい。労働者を見つける施設32402は、労働者、機械、手順などに関するデータを、資格のある労働者を予知保全活動などのサービス活動とマッチングさせることを容易にするアルゴリズムで処理してもよい。労働者を見つける一例では、サービス活動は、産業機械の一部を修理及び/又は保守するなど、サービスまたは保守の手順32406に従うことを含むことができる。手順32406は、さらに、モデル番号、ファミリーなどによって、1つまたは複数の産業機械を示してもよい。作業者発見設備32402は、作業者データベース32422から作業者に関する情報を検索するなどして、作業者が経験、訓練、認証などを有する手順を含む、1人以上の作業者の特徴付けを容易にする情報にさらにアクセスしてもよい。手順の経験等を有する1人以上の作業者が、作業者の場所を機械の場所に、作業者の可用性及び/又はスケジュールを機械のサービススケジュールに、作業者の料金/手数料を機械の所有者のサービス予算に、などをマッチングさせることを含む、さらなる絞り込みのために選択されてもよい。絞り込まれた作業者のリスト上の1人または複数の作業者が、機械上で実行されるべきサービスについて連絡を受けることがある。例えば、そのような作業者の連絡に対する返信に基づいて、第1の作業者が作業者発見設備32402によって選択され、手順32406を介してサービスを実行するために割り当てられてもよい。
実施形態では、作業者発見施設32402は、サービスが要求される可能性のある手順3246のリストにアクセスしてもよい。作業者発見施設32402は、作業者が手順を実行した回数、作業者が類似の手順を実行した回数などの手順基準を満たす作業者の作業者情報32416を検索するなどして、手順を実行する資格のある作業者のデータセットを構築してもよい。より多くの経験を有する作業者は、手順の実行が要求されたときに、それらの好ましい作業者が容易に識別され得るように、特定の手順のためのそのようなデータベースにおいて好ましい作業者としてマークされてもよい。実施形態では、作業者は、自分が行う手順などに関する情報を更新することによって、作業者データベース32422を直接維持してもよい。
実施形態では、作業者発見施設32402は、実行される予知保全活動などの1つまたは複数のサービス活動について、手順32406、機械32408、機械の場所32410、機械の所有者及び/又は所属32412、必要なサービススケジュール32414などの情報を受け取り、手順、機械、場所、所有者、スケジュールなどの所定の組み合わせについて、好ましい作業者のプロファイルを形成してもよい。作業者発見設備32402は、プロファイルを最もよく満たす作業者が容易に見つけられるように、そのような情報の様々な組み合わせについてプロファイルを構築してもよい。実施形態では、サービス組織などの第三者が、プロファイルに基づいてサービスを提供するための見積もりなどを提供できるように、そのような好ましい作業者のプロファイルを公開してもよい。これらの見積もりは、産業機械等の予知保全の方法およびシステムによって捕捉されて使用され、予防保全サービス等の、共通のまたは頻繁に必要とされるサービスに対するサービス提供者の市場を構築してもよい。
実施形態では、労働者データベース32422などに取り込まれた情報を機械学習アルゴリズム32424で処理して、手続きなどのために資格のある労働者を提供するための要件と労働者のマッチングを改善することを容易にしてもよい。実施形態では、好ましい労働者プロファイルおよびその公開に応答して受け取った情報を機械学習アルゴリズム32424で処理して、好ましい労働者プロファイルを構築するために使用されるアルゴリズムを改良してもよい。
実施形態では、労働者発見施設32402による労働者の選択に影響を与え得る追加の情報は、労働者のサービス組織、産業機械の製造業者、業界団体などへの所属を含んでもよい。特定の労働者に関する紹介およびまたはフィードバックは、個々の労働者、労働者グループなどの、好ましい労働者の状態などの決定に織り込まれてもよい。労働者の料金及び/又は手数料(例えば、見積もり、実際の料金、支払い条件などに基づく)は、さらに労働者を見つけるために考慮されてもよく、例えば、2人以上の労働者が全体的に同等の資格を持っている場合に、コストが低いまたは支払い条件が容易な労働者が、コストが高い労働者などよりも所定の手順について上位にランク付けされる場合がある。
実施形態では、労働者を見つけるための技術は、産業機械の需要に応じて、リアルタイムまたはほぼリアルタイムで実行されてもよい。このようにして、新しい労働者が利用可能になると、労働者を見つけることは、インターネットを介してウェブサイトなどでアクセス可能な労働者プロファイルなどの更新を組み込んでもよい。
実施形態では、システムは、機械の故障検出および分類アルゴリズムを産業機械の健全性監視データに適用することによって産業機械サービス勧告を生成する産業機械予測保守施設を含んでもよい。このようなシステムは、実行されるべき少なくとも1つのサービスに関する勧告の情報を、産業サービス労働者データベース内の産業サービス労働者の経験およびノウハウの少なくとも1つと相関させることによって、産業機械サービス勧告によって示されるサービスを実行するための少なくとも1つの候補労働者を特定する労働者発見施設も含んでもよい。実施形態では、システムは、類似の産業機械で実行される複数のサービスに関するサービス関連情報と、少なくとも1人の作業員候補が実行する複数のサービスに関する作業員関連情報とに基づいて、相関関係を改善する、プロセッサ上で実行される機械学習アルゴリズムを含んでもよい。
実施形態では、予知保全などを含む産業機械のサービスおよび保全32500のための産業機械保全部品/サービス注文施設32502は、少なくとも本明細書に出願された図179に描かれているように具現化されてもよい。産業機械メンテナンス部品/サービス注文施設32502は、産業機械のメンテナンス、サービス、および修理作業が最小限の中断でシームレスに行われるように、関連する部品およびコンポーネントの検索、注文、および注文の履行を容易にすることができる。実施形態では、産業機械メンテナンス部品/サービス注文施設32502は、産業機械の詳細32508、産業機械のサービス(例えば、修理、メンテナンス、アップグレードなど)の詳細32510、従うべき手順32506、必要な部品32514、サービスプロバイダ32520、部品プロバイダ32522などを受信してもよい。産業機械メンテナンス部品/サービス注文施設32502は、部品供給者、サービス提供者、第三者のパートナー、ベンダー、サービスを受ける産業機械の所有者/運営者などと行動を開始してもよい。一例では、産業機械保守部品/サービス発注施設32502は、必要なサービスを提供する資格があるとして産業機械保守部品/サービス発注施設32502に知られている1つ以上のサービス提供者32520からサービスの注文32518を生成してもよい。また、産業機械メンテナンス部品/サービス発注施設32502は、必要な部品を、時間通り、予算内などで提供する資格があると知られている1つまたは複数の部品提供者32522から、部品の注文32516を生成してもよい。また、部品注文32516およびサービス注文32518は、所有者32512または産業機械へのアクセスを確保する責任のある他のエンティティに伝達されてもよい。選択された部品・サービス提供者は、サービスが適切に提供されることを保証するために、所有者32512とさらに調整してもよい。産業機械メンテナンス部品/サービス注文施設32502は、スケジュール、予算、サービスおよび部品プロバイダの好み及び/又は提携などに関する機械所有者32512の好み及び/又は要件にアクセスして、それに基づいてサービスプロバイダ、部品プロバイダ、材料およびツールプロバイダなどとの調整を容易にすることができる。
部品コスト、輸送コスト、入手可能性、部品と機械の位置関係、1つまたは複数の部品提供者と産業機械の所有者などのサービス要求に関連する当事者との間の以前の関係などの要因を評価して、どの部品提供者32522に連絡するかを決定してもよい。
部品を注文する準備をすること 32516。これらの要因を考慮して、資格のあるサービス提供者によってサービスが行われることを期待して、1つまたは複数の部品提供者32522に部品照会を行ってもよい。実施形態では、産業機械メンテナンス部品/サービス注文施設32502は、特定のサービス提供者32520を自動的に選択するのに十分な情報を有していてもよく、明示的な承認の有無にかかわらず、サービス注文32518を生成してもよい。
部品を注文する準備をすること 32516。これらの要因を考慮して、資格のあるサービス提供者によってサービスが行われることを期待して、1つまたは複数の部品提供者32522に部品照会を行ってもよい。実施形態では、産業機械メンテナンス部品/サービス注文施設32502は、特定のサービス提供者32520を自動的に選択するのに十分な情報を有していてもよく、明示的な承認の有無にかかわらず、サービス注文32518を生成してもよい。
実施形態では、産業機械保守部品/サービス注文施設32502が、産業機械の所有者が所有および運営するERP(Enterprise Resource Planning)システムからベンダーなどに関する情報を頼りにすることができる。実施形態では、産業機械保守部品/サービス注文施設32502は、サービス提供者、部品提供者などへの発注を有効にするために、産業機械所有者のERPシステムと連携してもよい。
実施形態では、システムは、産業機械の健全性監視データに機械の故障検出および分類アルゴリズムを適用することによって産業機械のサービス勧告を生成する産業機械予測保守施設から受け取ったサービス勧告に応答して、部品およびサービスの注文を準備および制御する産業機械保守部品およびサービス注文施設を含んでもよい。実施形態では、システムは、部品およびサービスの注文のうちの少なくとも1つを生成するためのサービス勧告に関連する手順をさらに分析してもよい。
実施形態では、産業機械予知保全システムは、産業機械の一部にスマートRFIDデバイスを展開することを含むことができる。スマートRFIDデバイスは、構成情報、組立情報、物理的要素の詳細(例えば、部品番号、リビジョン、生産詳細、テスト詳細など)、手順情報(例えば、組立、分解、テスト、構成、サービス、部品交換など)、および他の動作情報など、機械に関する情報を含むように構成されてもよい。スマートRFIDデバイスは、機械の効率的なサービスおよびメンテナンスに関連する情報を含む可能性のある各要素など、機械の各主要要素とともに配置されてもよい。実施形態では、スマートRFIDデバイスを配置することで、産業機械などの部品やサブシステムの生産に、特定の部品の生産情報などを取り込むことができるように構成してもよい。スマートRFID素子は、大規模なサービスマニュアル等を含む様々な情報のためのストレージを提供するだけでなく、スマートRFID素子は、機械のトラブルシューティング等に重要となる潤滑手順、軸受交換手順、軸受故障頻度等の手順をユーザが迅速に見つけることを容易にする検索、索引付け、リンク等の機能を含んでいてもよい。実施形態では、情報にアクセスするための少なくとも1つの方法は、専門のサービス担当者が使用する既存の技術と互換性があり、これらの専門家が仕事に残っている間に新しいサービス担当者に教えられることがある。実施形態では、インデックス付け、リンク付けなどを含む容易なアクセスを提供することは、情報の任意の実施形態(例えば、スマートRFIDにおいて、RFIDのクラウド表現において、サードパーティのサービスマニュアルにおいて、産業機械生産者システムにおいてなど)に共通のアクセスアプローチを使用できるように、文書、手順、データシート、マニュアルなどの作成時に組み込まれてもよい。
図180を参照すると、産業機械32600は、複数の要素、部品、サブアセンブリなどから構成されてもよい。そのようなサブアセンブリの1つは、産業機械のモータ32602を含むかもしれない。特定のモータについて、スマートRFIDデバイスについて本明細書に記載されているような詳細を含むRFIDデバイスが、機械とともに配置されてもよい。モータ32602のRFIDデバイスは、テーブルなど32614のユーザが、サービス、メンテナンス、テストなどを行うためにモータ32602のRFIDデバイスに格納された情報にアクセスできるように、スマートフォン、タブレットなど32614のような近接して配置された他のデバイスと無線通信などで通信してもよい。実施形態では、モータ32602のサービス手順をモータ32602のRFIDから取得し、テーブル32614上で実行されるアプリケーションを介して表示し、サービス技術者が従うようにしてもよい。別のそのようなサブアセンブリは、産業機械の駆動軸32604を含むかもしれない。特定の駆動軸32604について、スマートRFIDデバイスについて本明細書に記載されているような詳細を含むRFIDデバイスが、機械と共に配置されてもよい。駆動軸32604のRFID装置は、テーブル等32614のユーザが、サービス、メンテナンス、テスト等を行うために駆動軸32604のRFID装置に格納された情報にアクセスできるように、スマートフォン、タブレット等32614のような近接して配置された他の装置と無線通信などで通信してもよい。実施形態では、ドライブシャフト32604のサービス手順は、ドライブシャフト32604のRFIDから取得され、テーブル32614上で実行されるアプリケーションを介して表示され、サービス技術者が従うようになっていてもよい。さらに別のそのようなサブアセンブリは、産業機械のギアボックス32606を含むかもしれない。特定のギアボックス32606について、スマートRFIDデバイスについて本明細書に記載されているような詳細を含むRFIDデバイスが、機械とともに配置されてもよい。ギアボックス32606装置のRFIDデバイスは、テーブル等32614のユーザが、サービス、メンテナンス、テスト等を行うためにギアボックス32606のRFIDデバイスに格納された情報にアクセスできるように、スマートフォン、タブレット等32614のような近接させた他のデバイスと無線通信などで通信してもよい。実施形態では、ギアボックス32606のサービス手順は、ギアボックス32606のRFIDから取得され、テーブル32614上で実行されるアプリケーションを介して表示され、サービス技術者が従うようになっていてもよい。さらに別のそのようなサブアセンブリは、産業機械の関節アーム32608を含むかもしれない。特定の多関節アーム32608について、スマートRFIDデバイスについて本明細書に記載されているような詳細を含むRFIDデバイスが機械とともに配置されてもよい。多関節アーム32608のRFIDデバイスは、テーブル等32614のユーザが、サービス、メンテナンス、テスト等を行うために多関節アーム32608のRFIDデバイスに格納された情報にアクセスできるように、スマートフォン、タブレット等32614のように近接して配置された他のデバイスと、無線通信などで通信してもよい。実施形態では、多関節アーム32608のサービス手順を多関節アーム32608のRFIDから取得し、テーブル32614上で実行されるアプリケーションを介して表示し、サービス技術者がそれに従うようにしてもよい。
図180をさらに参照すると、さらに別のそのようなサブアセンブリは、産業機械のバケット32610を含むかもしれない。RFIDデバイスは、特定のバケット32610のための、スマートRFIDデバイスについて本明細書に記載されているような詳細を含む、機械と共に配置されてもよい。バケット32610のRFIDデバイスは、テーブル等32614のユーザが、サービス、メンテナンス、テスト等を行うためにバケット32610のRFIDデバイスに格納された情報にアクセスできるように、スマートフォン、タブレット等32614のように近接して配置された他のデバイスと無線通信などで通信してもよい。実施形態では、別のそのようなサブアセンブリは、産業機械のドライブトレイン32612を含むかもしれない。特定のドライブトレイン32612のために、スマートRFIDデバイスについて本明細書に記載されているような詳細を含むRFIDデバイスが、機械とともに配置されてもよい。駆動系32612のRFIDデバイスは、テーブル等32614のユーザが、サービス、メンテナンス、テスト等を行うために駆動系32612のRFIDデバイスに格納された情報にアクセスできるように、スマートフォン、タブレット等32614のような、近接して配置された他のデバイスと無線通信などで通信してもよい。実施形態では、ドライブトレイン32612のサービス手順をドライブトレイン32612のRFIDから取得し、テーブル32614上で実行されるアプリケーションを介して表示し、サービス技術者が従うようにしてもよい。実施形態では、モータ32602RFID、ドライブシャフト32604RFID、ギアボックス32606RFID、アーティキュレーテッドアーム32608RFID、バケット32610RFID、ドライブトレイン32612RFIDなどのRFIDデバイスのいずれかが、産業機械32600上またはその近辺に配置され得る産業機械アクセスポイント32616などのアクセスポイントと無線通信ネットワークを介して通信してもよい。RFIDデバイスから産業機械アクセスポイント32616を介して通信することで、施設内の他の産業機械を接続するためのネットワークや、インターネットなどの外部ネットワークなどのネットワーク32618へのアクセスを得ることができる。産業機械のRFIDデバイスに格納された情報は、本明細書に記載された予知保全方法およびシステムで使用するために、ネットワーク32618を介して送信されてもよい。
実施形態では、システムは、産業機械の部分の状態を監視するように構成された少なくとも1つのセンサと通信可能に結合することによって、産業機械の部分の操作、物理的および診断結果情報を捕捉して不揮発性コンピュータアクセス可能メモリに格納するように構成されたスマートRFID要素を含むことができる。スマートRFID素子は、さらに、産業機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されてもよい。
実施形態では、産業機械の一部などに関する情報を、産業機械またはその一部に配置されたRFID素子に格納してもよい。保存された情報は、スマートフォンや、少なくともウェブブラウザなどで構成された他のコンピューティングデバイスを使用するなどして、情報の任意の部分への迅速かつ効率的なランダムアクセスを容易にするように構成されてもよい。情報は、階層データ構造などの1つまたは複数のデータ構造として構成されてもよく、これにより、階層をブラウズすることなどを通じて情報の探索を容易にすることもできる。図181を参照すると、そのようなRFIDの一部の例示的な高レベル構造32700が提示され、行および列を含む。例示的な高レベル構造32700は、生産などの情報の一般的な領域を識別することができる情報のカテゴリ32702を含んでもよい。そのような各カテゴリは、さらなる識別情報を有してもよい説明欄32704に記載されてもよい。メモ欄32706は、必要に応じて更新される可能性のある自由形式のメモで構成されてもよい。実施形態では、カテゴリ32702は、生産、部品、品質、設置、検証など、産業機械に関連する様々な情報カテゴリを含んでもよい。手順、運用、組み立てなどがある。カテゴリ32702の例では、検証32708は、必要とされ、実行される検証テストのリストを、結果とともに含んでもよい。バリデーションテストは、顧客サイトでのインストールを検証するためなどに行われてもよい。また、検証32708は、検証に必要な、手順32710カテゴリを通じてRFIDでアクセス可能な1つ以上の手順へのリンクを含んでもよい。
実施形態では、スマートRFID要素に格納され、及び/又はスマートRFID要素を介してアクセスすることができる産業機械関連の情報は、産業機械に配備されたセンサによって収集され、本明細書に組み込まれた文献に記載されたセンサデータ収集方法およびシステムを介して収集された動作データを含むことができるが、これに限定されない。スマートRFID素子に保存される、またはスマートRFID素子からアクセス可能な他の情報には、温度超過、予期しないシャットダウン、システムの再起動など、運用及び/又はテストデータで検出された例外が含まれる場合があるが、これに限定されない。スマートRFID素子は、WiFi、NFC、BLUETOOTHなどの様々な通信プロトコルを介して、スマートフォン、タブレット、通信インフラノード、コンピュータ、メッシュネットワークデバイスなどの外部コンピューティングデバイスと通信することができる。実施形態では、スマートRFID素子は、コンピューティングデバイスが無線通信の近接状態にあるとき、例えば、ポータブルコンピューティングデバイスがスマートRFID素子のNFC範囲内に持ち込まれたときなどに、ポータブルコンピューティングデバイスと無線通信してもよい。スマートRFID素子は、IoTデバイスとして、インターネットなどのネットワークを介して通信してもよい。スマートRFID要素は、産業機械に関連する1つまたは複数のサービス活動のために要素およびクラウドアクセス可能なソースからの情報を集約することができるウェブサーバなどのサーバにデータを送信してもよい。実施形態では、スマートRFID要素は、活動の終了/開始時、シフト、一日、予防保守がまもなく実行される時など、都合の良い時に外部コンピューティングデバイス(複数可)と通信してもよい。
例えば、ベアリングの周波数、ギアの歯数とタイプ、製造/組立バージョン情報、製造/テストパラメータ、セルフテスト情報、キャリブレーション情報、テスト時間、在庫滞留時間などである。
スマートRFID素子は、産業機械またはその一部の設置及び/又は展開中に使用されて、機械の向き、テスト活動、起動活動、検証活動/実行、生産開始時間、設置/展開/構成担当者、産業機械の画像などを捕捉することができ、その少なくとも一部は、スマートRFID素子に格納されているか、またはスマートRFID素子を通じてアクセス可能な1つ以上の設置及び/又は展開手順によって決定されてもよい。
実施形態では、システムは、産業機械の部分の状態を監視するように構成された少なくとも1つのセンサと通信可能に結合することによって、産業機械の部分の操作、物理的および診断結果情報を捕捉して、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID素子は、さらに、産業機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されてもよい。スマートRFIDは、さらに、産業機械のルートエントリから直接アクセスできる複数の部分を含む、産業機械に関する情報への階層的なアクセスを容易にするように構成されてもよい。実施形態では、複数の直接アクセス可能な部分のそれぞれは、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、運用情報、および組立情報からなるリストから選択された1つの部分のエントリを格納するように構成される。
実施形態では、サービスなどのための産業機械情報の記憶およびアクセスのためのスマートRFIDの代替構成は、図182に描かれているようなデータ構造を含んでもよい。データ構造32800は、図示されているように、列および行などとして編成されてもよい。第1の列は、トピック列32802であってもよく、例えば、限定されるものではないが、組み立ての日付(複数)、場所、モデル番号、シリアル番号、時間、作業指示番号、顧客、構築されたままの産業機械の画像などを含む生産トピックなどである。トピック欄32802の各トピックは、値欄32804に1つまたは複数の対応する値を有してもよい。一例では、トピック欄32802のシリアル番号トピック32808は、値欄32804に記載された特定の産業機械の1つ以上の対応するシリアル番号を有していてもよい。トピック欄32802の各トピックに対するコメントまたは他のメタデータは、ノート欄32810の対応するエントリに取り込まれてもよい。
実施形態では、システムは、産業機械の部分の状態を監視するように構成された少なくとも1つのセンサと通信可能に結合することによって、産業機械の部分の操作情報、物理情報、および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含むことができる。スマートRFID素子は、さらに、産業機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されてもよい。実施形態では、生産部分は、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業注文番号、顧客、および産業機械の部分の画像のエントリを含んでもよい。
実施形態では、サービス等のための産業機械情報の記憶およびアクセスのためのスマートRFIDの代替構成は、図183に描かれているようなプロシージャデータ構造を含んでもよい。マシンレベルのプロシージャデータ構造32900は、図示されているような列および行などとして編成されてもよい。第1の列は、較正、シャットダウン、規制遵守、組み立て、安全確認、画像取り込みなどのマシンレベルの手順を列挙する手順列32902であってもよい。マシンレベルのプロシージャ列32902の各プロシージャは、プロシージャ識別番号、バージョンなど、属性列32904に1つ以上の対応する値を有してもよい。一例では、手順列32902の安全チェック手順32908エントリは、列32904に1つ以上の対応する手順番号(複数可)および対応するバージョン番号(複数可)を有してもよい。手順欄32902の各手順に対するコメントやその他のメタデータは、メモ欄32910の対応するエントリに取り込まれてもよい。
実施形態では、システムは、産業機械の部分の状態を監視するように構成された少なくとも1つのセンサと通信可能に結合することによって、産業機械の部分の動作、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID素子は、さらに、産業機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されてもよい。実施形態では、手順部分は、校正、シャットダウン、規制、組み立て、安全確認、画像取り込み、予防保守、部品修理、部品交換、および分解からなるリストから選択された手順のエントリを含んでもよい。
実施形態では、図184を参照すると、機械の動作、状態などに関する情報など、産業機械33020に関する情報33000を収集する方法およびシステムは、本明細書および他の場所で説明されるものなどの産業機械予測保守方法およびシステムにとって有益であり得る。実施形態では、産業機械上のセンサから情報を収集することは、収集した情報を1つまたは複数のアクセスポイント33008を介して、情報を処理および保存することができるネットワーク化されたサーバ33018にルーティングすることを含んでもよい。実施形態では、産業機械上のセンサから情報を収集することは、センサと、機械上または機械とともに配置されたスマートRFIDデバイス33002との間で通信することを含んでもよい。温度センサ33010、振動センサ33012、回転センサ33014、動作サイクルセンサ(例えば、サイクルカウンタなど)33016などのセンサからのデータは、スマートRFIDデバイス33002に提供されてもよく、そこで情報は、サーバ33018、産業機械33020の通信近接に持ち込まれた取扱デバイス(図示せず)などの外部デバイスによる更なるアクセスのために処理および保存されてもよい。産業機械固有のデータは、センサから収集され、プロセッサ33006を採用してスマートRFID33002以外のコンピュータアクセス可能なメモリ上にスマートRFID33002のデジタルツイン33004を生成する1つまたは複数のウェブサーバ33018にルーティングされてもよい。実施形態では、デジタルツイン33004は、スマートRFID33002のコンテンツをコピーすることによって生成されてもよい。同様に、機械固有の感知されたデータは、RFIDツイン33004のメモリからスマートRFID装置33002にコピーされてもよい。したがって、RFIDツイン33004は、スマートRFID33002のコピーであってもよいし、互換性のある構造、フォーマット、および実質的に同一のコンテンツを維持しつつ、スマートRFID33002とは独立して作成されてもよいし、マシン上の情報のコピーを維持するためにスマートRFID33002にコピーされてもよいマシン固有のデータ(例えば、アクセスポイント上のセンサから提供されるもの)のソースであってもよい。実施形態では、サーバ33018は、単一の産業機械に対する複数のスマートRFIDデバイスなどを含む、複数の産業機械に対する複数のスマートRFIDデバイスのデジタルツインを維持してもよい。
実施形態では、システムは、産業機械の部分の状態を監視するように構成された少なくとも1つのセンサと通信可能に結合することによって、産業機械の部分の動作、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含むことができる。スマートRFID素子は、さらに、産業機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されてもよい。実施形態では、上記システムは、プロセッサを介してアクセス可能なデータ記憶要素も含み、データ記憶要素は、複数のスマートRFID要素に記憶された情報のコピーを含んでいてもよい。実施形態では、情報の各コピーは、対応するスマートRFIDに格納されている情報のツインで構成されている。
実施形態では、本明細書に記載されているような産業機械の予知保全方法およびシステムは、産業機械の部分の計画、エンジニアリング、生産、組み立て、試験などに関連する情報を取り込むことができる1つ以上の機械常駐型スマートRFIDデータ構造の使用を含むことができる。これらのプロセスから情報を捕捉することを容易にすることができる実施形態33100は、図185に描かれていてもよい。産業機械33122は、操作要素、構造要素、処理要素、および少なくとも1つのスマートRFID要素33102などの複数の要素を含んでもよい。産業機械33122の生産中、産業機械常駐プロセッサ33108は、自己テスト要素33124などと協調して、産業機械のテストを実行してもよい。適切な動作の確認など、自己テスト中に収集されたデータは、プロセッサがこのデータをスマートRFID素子33102のメモリに書き込むなどして、スマートRFID素子33102に格納されてもよい。実施形態では、生産テストシステム33118は、産業機械33122の一部のテストを行うこともでき、その結果はスマートRFID素子33102に記憶されてもよい。産業機械33122は、生産中にイントラネット等の生産ネットワーク33120と通信して、品質システム33110、製造リソース・プランニング(MRP)システム33114、生産エンジニアリングシステム33116等の様々な生産システムのための情報を収集及び/又は提供してもよい。部品リスト、生産情報などの情報(そのデータ構造の例が図182に描かれている)は、生産アクセスポイント33112などを介して生産ネットワーク33120を介して通信する産業機械33122などによって、スマートRFID素子33102とともに保存されてもよい。様々な生産システム、品質33110、MRP33114、エンジニアリングシステム33116、テスト33118などからの情報は、ネットワーク33120を介してスマートRFID素子33102に転送されてもよい。実施形態では、ネットワーク化されたサーバ33126は、ネットワーク33120を介してこれらの生産システムの少なくとも一部と通信して、例えば、スマートRFID素子33102及び/又はサーバ33126がアクセス可能なメモリ内のデータ構造に格納されるべき関連生産情報をキャプチャしてプロセッサ33106で処理してもよい。データ構造33104は、スマートRFID素子33102に格納された情報の少なくとも一部を含んでもよい。実施形態では、データ構造33104は、生産されている特定の産業機械に対するスマートRFID要素33102の少なくとも関連する生産内容のデジタルツインであってもよい。実施形態では、生産システムからのデータは、ネットワーク33120を介してサーバ33126に流れてもよく、任意に、そこでフォーマット、エンコードなどの処理を行い、スマートRFID33102と一緒に格納するために産業機械33122に無線接続を介して配信するなどしてもよい。生産システムは、産業機械の部品、サブアセンブリ、および部分の画像をキャプチャすることを含む、品質管理システム33110を含んでもよい。撮影された画像は、マシンビジョンやその他の画像解析技術で処理され、組み立てなどを検証してもよい。これらの画像や、これらの画像から得られた画像解析データなどは、スマートRFID素子33102を介してアクセスできるように保存されてもよい。一例では、生産で使用されるテスト手順などの手順が、展開プロセスの一部として産業機械33122をテストするのに有用である場合がある。これらの手順は、生産ネットワーク33120を介してエンジニアリングシステム33116などの生産システムの1つから通信され、最終的にはスマートRFID33102、デジタルツイン33104、またはその両方に格納されるようにしてもよい。これは、各産業機械上のスマートRFID要素を介して産業機械固有の手順へのアクセスを容易にするという、本明細書に記載の方法およびシステムの目標を満たすことができる。
実施形態では、例えばスマートRFID素子33102に格納された生産情報は、設置、較正、修理、予防保守などの際に従うべき手順に有用な場合がある。一例として、特定の試験結果は、生産時に検証された動作マージン(例えば、最大値及び/又は最小値)を示すことがある。これらの結果は、産業用機械の配置の検証テストの際に有用であり、配置が引き続き期待を満たしていることを確認するのに役立つ。機械常駐型スマートRFID素子33102は、インストールやその他の導入手順の際に、このような情報やその他の生産および産業機械の情報を利用できるようにすることで、産業機械が生産環境から離れた後の生産および関連システムの相互依存性を低減することができる。一例では、産業機械の一部をテストするための手順が、スマートRFID素子に格納されてもよい。また、その手順に対応するテスト結果も保存されている場合がある。したがって、特定の手順がその後に生産される産業機械のために変更されたとしても、特定の産業機械を生産するために使用された特定の手順に関連するテストを実行することが可能であり、それによって、新しいテスト手順が使用されるが、古い手順のテスト結果が満たされることが期待される場合に発生する可能性のある時間と混乱を節約することができる。
実施形態では、産業機械のスマートRFIDに生産データを構成する方法は、産業機械の対応する部分の操作、物理的および診断結果情報を捕捉して不揮発性のコンピュータアクセス可能なメモリに格納するために、産業機械の部分でスマートRFIDを構成することを含んでもよい。本方法は、スマートRFIDを、産業機械のプロセッサと、産業機械の一部の状態を監視するように構成された少なくとも1つのセンサと、通信可能に結合することを含んでもよい。本方法は、プロセッサで産業機械の部分の自己テストを実行し、自己テストの結果をスマートRFIDに保存することをさらに含んでもよい。本方法は、さらに、生産アクセスポイントを介して産業機械をテストシステムのネットワークおよび産業機械生産サーバに結合することを含んでもよい。本方法は、試験システムを用いて産業機械の一部に対して生産試験を行うことをさらに含んでもよく、その結果は、スマートRFIDと、生産サーバのプロセッサによってアクセス可能なデータ記憶装置とに複製して記憶される。実施形態では、データ記憶施設に記憶されたテスト結果の複製は、スマートRFIDの対応する部分の双子であってもよい。
実施形態では、産業機械の部品、サービス、ツール、材料などの市場は、CMMS制御システムと、第三者が提供するサービス、部品、ツール、材料、コスト、ロジスティックスに関する情報を組み合わせて維持することができる。このようなマーケットプレイスは、クラウドベースで、産業機械の所有者などの参加者がこの情報にアクセスできるようにしてもよい。実施形態では、代表的な実施形態が図186に描かれている。必要なサービスのための少なくとも部品注文およびサービス注文を管理するためのCMMSシステム33202は、産業機械所有者33224などのためのマーケットプレイス33212への制御ゲートウェイとして機能してもよい。CMMSシステム33202は、部品、サービス、ツール、材料、および産業機械のサービスおよびメンテナンスの他の側面の入札および注文を管理することを含んでもよい。例示的なCMMSサブシステム、システム、設備などは、本明細書の他の箇所に記載されている。図186の実施形態では、CMMSシステム33202は、注文履歴詳細33210をさらに維持および更新してもよい。これらの詳細は、注文される可能性のある部品、サービスなどを記述した情報を含んでもよい。詳細は、過去の価格、物流要件およびコスト、注文リードタイム、および市場33212で情報を管理する際に有用な他の要因を含んでもよい。一例では、部品供給者33208が、市場で販売するための部品を提供することができる。注文詳細33210に基づく部品の履歴価格は、部品供給者33208が部品を提供すべき価格を推奨するために使用されてもよい。別の例では、部品供給者33208は、2日間のリードタイムで部品の可用性を提供してもよい。しかし、履歴詳細33210は、このサプライヤ33208が部品の提供に必要な時間を過小評価していることを示し、必要なときにのみ部品を注文できるが、部品を必要とするサービスの実施が予定されているときには十分なリードタイムで利用できるように、発注時に適切なリードタイムを組み込むことを容易にしてもよい。このような情報管理は、提供者の単なる発言ではなく、実際のパフォーマンスに基づいているため、暗黙の管理と言えるかもしれない。
実施形態では、サービスプロバイダ33206は、自分の技術的専門性を満たすサービス33216のセットの提供を構成してもよい。サービスプロバイダ33206は、このサービスのセットを直接構成し、経時的に更新して、各個々のサービスプロバイダ33206から利用可能なサービスを経時的に反映するようにしてもよい。同様に、部品供給者33208は、供給者が提供する産業用機械の部品33214のリストを構成し、維持してもよい。入手可能性(例えば、ローカル在庫、リードタイムなど)のような情報は、部品供給者33208によって直接維持されてもよい。CMMSシステム33202は、部品やサービスなどの注文を構成する際に、マーケットプレイス33212の彼と関連する情報にアクセスしてもよい。同様に、工具の供給者は、産業用機械サービス工具33220に関する情報を構成してもよく、材料の供給者は、産業用機械サービス材料33222(例えば、潤滑剤、他の消耗品など)に関する情報を構成して維持してもよい。
実施形態では、部品メーカー33204は、交換部品、アドオン、アップグレード、完全なシステム、サブシステム、アクセサリなど、自分が提供する部品に関する情報を市場に提供し、維持することもできる。
実施形態では、荷主などの物流業者33218が、産業機械の保守部品やサービスなどを提供する市場において、一連の物流サービスを提供し、維持してもよい。物流業者33218は、異なる地理的な地域で配送サービスを提供してもよく、産業機械の位置などの情報を使用して、関連する地域で利用可能な料金およびサービスを確立してもよい。
実施形態において、産業機械予知保全システムは、販売のために提供される産業機械部品に関する産業機械サービスマーケットプレイス情報を維持するように構成された複数の部品供給者コンピューティングシステムを含むマーケットプレイスを形成し得る。マーケットプレイスは、提供される産業機械サービスに関する産業機械サービス市場情報を維持するように構成された複数のサービスプロバイダコンピューティングシステムを含んでもよい。マーケットプレイスは、産業機械予知保全システムによって提供される産業機械保全推奨に応答して、マーケットプレイスで提供されるサービス、部品、材料、およびツールのうちの少なくとも1つへのアクセスを容易にするように構成された、少なくとも1つのコンピュータ化された保全管理システム(CMMS)をさらに含んでもよい。マーケットプレイスは、さらに、マーケットプレイスで提供される出荷および物流サービスのうちの少なくとも1つのための産業機械サービスマーケットプレイス情報を維持するように構成された複数の物流プロバイダコンピューティングシステムを含んでもよい。さらに実施形態では、複数の部品供給者、サービスプロバイダ、および物流プロバイダのそれぞれが、市場の少なくとも1つのアプリケーションプログラミングインタフェースを介して、市場で直接提供するための対応する情報を維持する。マーケットプレイスは、部品、サービス、および物流に関する過去の注文の分析から確立された規範に基づいて、部品、サービス、および物流の提供を産業機械の所有者に適応させるCMMSをさらに含むことができる。
実施形態では、産業機械で実行される予知保全活動などを含むフィールドサービス活動を追跡するための分散型台帳が、図187に描かれている。産業機械メンテナンス分散型台帳のために本明細書で開示される方法およびシステムは、自動化された産業機械予測メンテナンスエコシステム33300で実行される予測メンテナンス活動の追跡をサポートする分散型台帳33302を含んでもよい。実施形態は、収集した情報を分散型台帳33302に分配するように構成された自己組織化データコレクタ33308を含んでもよい。実施形態は、ネットワーク条件に基づいて収集した情報を分散型台帳に分配するように構成されたネットワークセンシティブデータコレクタを含んでもよい。実施形態は、分散のインテリジェントな遠隔管理に基づいて収集された情報を分散元帳に分配するように構成された遠隔編成データコレクタを含んでもよい。実施形態は、収集した情報を分散型台帳に分配するように構成された、自己組織化ローカルストレージを有するデータコレクタを含んでもよい。実施形態は、データストレージに分散型台帳を使用し、データトランスポートに自己組織化ネットワークコーディングを使用する、産業環境における産業機械メンテナンス関連データ収集のためのシステム33300を含んでもよい。実施形態では、データストレージは、データ提示のための触覚インタフェース、データ提示のためのヒートマップインタフェース、及び/又は、インタフェース層の自己組織化されたチューニングで動作するインタフェースをサポートするデータ構造のものであってもよい。
実施形態では、サービス、部品、サービスプロバイダ、特定の産業機械の記録、サービスおよびメンテナンス情報から生成された分析などを含むことができるサービスおよびメンテナンス情報の記憶は、システム33300の様々な要素における1つまたは分散台帳33302インスタンスを含むことができる。一例では、分散台帳33302は、情報の一部がインターネットなどのネットワークの異なる部分に分散され、任意に複製されることに少なくとも部分的に起因して、任意の1つのネットワークサーバ、ノードなどに依存することなく、分散台帳33302で利用可能なすべての情報へのアクセスを容易にすることができる。分散型台帳33302は、限定されないが、産業機械データ分析システム28602、産業機械予測保守サブシステム28616、CMMSシステム28622、サービス提供および追跡システム28630、産業機械33304、産業施設コンピューティングシステム33306、クラウドベースのストレージ33316などを含む産業機械保守プラットフォームの要素間で分散されてもよい。
実施形態では、分散型台帳33302に格納された情報は、分散型台帳がソースとなる情報を処理する機械学習アルゴリズムなどの人工知能33310によって生成され、及び/又はそれに基づいて調整されてもよい。
実施形態では、分散型台帳の実施形態をサポートすることができる方法およびシステムは、分散型台帳データのおよび分散型台帳データへのロールベースのアクセス制御33314を含むことができる。分散型台帳制御設備によって管理され得る例示的な役割33312は、産業機械のリース会社、個人、または直接使用する買い手の事業体または個人である可能性がある所有者の役割、産業機械を使用してサービスを提供する会社、機械の貸し手など、産業機械の日々の操作に責任を負う事業体または個人である可能性があるオペレータの役割、産業機械の期間限定またはその他の限定されたリースを有する事業体または個人である可能性がある貸し手の役割、製造者の役割:機械の一部を製造し、製造された部分に関連する情報などに限定的にアクセスできる事業体または個人、部品供給者の役割:製造、サービス、アップグレード、保守、再生などの機能のために一部の部品を提供し、産業用機械にOEM及び/又はアフターマーケット部品を提供できる事業体または個人、サービス提供者の役割:予防保守や修理、緊急修理、アップグレードなどの契約などのサービスを提供する個人または事業体、例えば、特定の国などの地域で自動化されたサービス活動を促進する地域団体や、特定の国でライセンスや登録などが必要な場合があり、第三者が行った作業の監督や保証を提供する総合請負業者のような役割を果たす団体や個人であり、規制当局の役割:政府やその他の当局の機関や個人が検査などを行い、予防保全、認定された部品やサービスプロバイダーの使用、監査などの活動のために、規制などへのコンプライアンスを確保するために必要な特定のデータへのアクセスが制限される場合を含む。
実施形態では、予知保全プラットフォームは、分散型台帳など、トランザクションを追跡および解決するための安全なアーキテクチャを使用してもよい。実施形態では、データパッケージ内のトランザクションは、Blockchain(登録商標)などの連鎖した分散データ構造で追跡され、個々のデバイスがデータパッケージ内のトランザクションを表す元帳の一部を保存するフォレンジック分析および検証を可能にする。分散型台帳は、IoTデバイス、ウェブサーバ、産業機械の保守取引記録保管施設などに分散されてもよく、これにより、保守および関連情報が、情報の単一の中央リポジトリに依存することなく検証できる。プラットフォームは、部品やサービスの注文などのサービストランザクションを解決するために、データを分散型台帳に格納し、分散型台帳から(および構成デバイスから)データを取得するように構成されてもよい。このように、メンテナンス関連のトランザクションのデータを扱うための分散型台帳が提供される。実施形態では、自己組織化ストレージシステムは、分散台帳データのストレージを最適化するために使用されてもよく、また、IoTデータ、産業機械のメンテナンスデータ、部品やサービスのデータ、知識のある作業者のデータなどのデータのパッケージのストレージを組織化するために使用されてもよく、このようなシステムが提供される。
実施形態では、システムは、1つまたは複数の予測的メンテナンスアクションを実行するように構成された複数のコンピューティングシステムを含むことができる。実施形態では、ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部が含まれる。予測的メンテナンスアクションの一部を含む産業機械メンテナンスアクションの記録は、複数のコンピューティングシステムの一部によって分散型台帳として維持されてもよい。実施形態では、のコンピューティングシステムは、以下のとおりである。
コンピューティングシステムの一部は、産業機械のデータ分析、産業機械の予知保全の推奨、産業機械の保守注文管理、サービスアクションの配信と追跡、産業機械のサービススケジューリングからなるリストから選択された少なくとも1つの産業機械の保守の役割を実行し、少なくとも1つの産業機械の保守を実行した結果を記録に投稿する。
コンピューティングシステムの一部は、産業機械のデータ分析、産業機械の予知保全の推奨、産業機械の保守注文管理、サービスアクションの配信と追跡、産業機械のサービススケジューリングからなるリストから選択された少なくとも1つの産業機械の保守の役割を実行し、少なくとも1つの産業機械の保守を実行した結果を記録に投稿する。
実施形態では、システムは、1つまたは複数の予測的メンテナンスアクションを実行するように構成された複数のコンピューティングシステムを含むことができる。実施形態では、複数のコンピューティングシステムの一部は、ピアツーピア通信ネットワークを介して接続される。実施形態では、システムは、産業機械のメンテナンスアクションの記録にアクセスするための役割ベースの制御設備をさらに含み、記録は、予測的メンテナンスアクションの一部を含むことができる。実施形態では、複数のコンピューティングシステムの一部は、記録を分散型台帳として操作する。
実施形態では、予知保全分析・制御システムを運用するための方法とシステムは、産業機械に配置された産業用センサなどからの性能や動作データだけでなく、視覚情報からも恩恵を受けることができる。個々の部品、アセンブリ、プロセスステップ、機械の状態などについて撮影された画像などの視覚情報は、マシンビジョンや、人間が見て評価することを含む他の技術を用いて分析され、サービスの必要性の予測などに影響を与える可能性のある状態を判断することができる。産業機械の視覚情報の更新された正確な画像ライブラリを生成および維持することは、サービス担当者が、動作中、試験中、および非動作中の状態(例えば、サービス、メンテナンス、修理、アップグレード、および機械の状態の改修中)を含むがこれらに限定されない様々な状態で、各産業機械の一部の画像をキャプチャすることから利益を得ることができる。実施形態では、画像のキャプチャを容易にするシステムが図188に描かれている。産業機械のサービスまたは修理のための手順33416が、機械の予定されたサービスのために識別されてもよい。手順33416は、予定されたサービス活動を実行するために取るべき一連のステップを含んでもよい。ステップの1つまたは複数は、展開された環境における機械を描写する外部ビュー、交換される部品のビュー、ギア、ベアリング、支持構造、ハウジングなどの状態を描写するビューなど、産業機械の一部の画像をキャプチャすることを含んでもよい。手順には画像のキャプチャが含まれるが、手順を実行するサービス技術者からの学習は、予防的な方法で手順を実行するために組み込まれる。予測メンテナンスシステム33424は、機械学習およびその他の技術を使用して、手順などにおける画像キャプチャの手順を増強及び/又は調整することを容易にする。予測メンテナンスシステム33424は、手順において直接必要ではないかもしれない画像をキャプチャするべきであることを示唆する条件などの情報を提供してもよい。このようなケースは、予測保守システム33424が、特定の軸受が、軸受が故障する前に目視できる摩耗を示すことをリーミングする場合に生じる可能性がある。ベアリングが様々な条件下で動作可能な時間の長さは、サービスを実行するための十分な指標ではないかもしれないが、そのような摩耗を視覚的に示す画像があれば十分である。したがって、サービス技術者が、特定のベアリングの画像を撮影することを含まないサービス手順を実行する場合、サービス技術者は、これらの特定のベアリングの画像を撮影するように指示されてもよい。このことは、一般的な掲示物などのサービスアラートとしてサービス技術者に示されてもよい。しかし、サービス活動の視覚的状態とタイミングに関する情報は、特定のベアリングの1つまたは複数の画像のキャプチャを含む手順33416などの手順の増強/更新を容易にするために使用されてもよい。
実施形態では、予知保全システム33424からの情報は、画像キャプチャトリガ設備33422によって処理されて、特定のベアリングの画像をキャプチャすることを追加するなど、手順の更新が必要であるという指示を手順更新設備33402に提供してもよい。この指示は、産業機械使用およびサービススケジュール情報33426を使用する画像キャプチャタイミング設備33420から手順更新設備33402に提供される画像キャプチャタイミング情報と組み合わせて、特定のベアリングが画像化できると予想される時間のウィンドウを作成してもよい。そのような時間の窓は、機械がオフラインである間の予定されたサービス及び/又は保守活動を含むことができる。そのような時間の窓には、機械が動作している間の計画された動作時間が含まれることがある。そのようなウィンドウの生成の潜在的な目的は、ベアリングを検査する予定の予防保守活動など、通常はベアリングが画像化されるサービス活動が実行される前に画像が必要であるにもかかわらず、画像を撮影するために特別に機械が停止するのを避けるために、計画されたサービス訪問中に特定のベアリングの画像を撮影することであるかもしれない。
実施形態では、既存の手順33416が画像キャプチャタイミング設備33420から出力される画像キャプチャウィンドウの間に適用される場合、画像キャプチャトリガ設備33422の出力がチェックされてもよい。画像キャプチャトリガリング設備33422が画像が必要であることを示す場合、手順更新設備33402によって、手順にステップを追加すること、既存の画像キャプチャステップの撮像対象(例えば、部品からベアリングまで)を変更することなどにより、手順を更新してもよい。
実施形態では、改訂された手順33402がサービス技術者によって従われてもよい。特定のベアリングの画像をキャプチャするために追加/拡張されたステップが実行される場合、画像キャプチャテンプレート33404が、適切な画像をキャプチャすることを支援するために技術者に提示されてもよい。同様に、本明細書の他の場所で説明したように、拡張現実アプリケーションをそのような画像キャプチャステップの一部として実行して、サービス技術者が適切な画像をキャプチャすることをさらに支援してもよい。実施形態では、マシンビジョンシステム33408および他の画像解析技術を使用して、改良を提案し、及び/又は、キャプチャされた画像が、特定のベアリングの視覚的状態の検出を容易にするための要件を満たしていることを確認してもよい。
実施形態では、画像キャプチャ報酬施設33414は、更新された手順33418及び/又はサービス技術者とインタフェースして、サービス技術者が許容できる画像をキャプチャするように動機付けすることを容易にすることができる。そのような報償施設33414は、直接的な金銭的報償からサービス技術者に対する肯定的な評価までの範囲の報償を含んでもよく、これは最終的に技術者の価値を高め、その結果として報酬を増加させる可能性がある。
マシンビジョンシステム33408などによって受け入れられた画像などのキャプチャ画像は、産業機械のスマートRFID素子33410に格納され、画像キャプチャデバイス(例えば、カメラ対応のスマートフォンなど)を介してスマートRFIDに転送され、予防保全データの分散型台帳の1つ以上のノードに転送されてもよい。
実施形態では、産業機械の一部の画像キャプチャの方法は、産業機械上で予測された保守動作を実施するサービスを実行するための手順を更新することを含み、更新は、産業機械の一部の画像をキャプチャするためのトリガ条件が満たされたことに応答する。画像キャプチャの方法は、画像キャプチャを容易にするために、産業機械の一部のライブ画像の上に重なる電子ディスプレイに画像キャプチャテンプレートを提供することと、ライブ画像とテンプレートとの整合性の度合いを示す拡張現実を適用することと、更新された手順を使用してキャプチャされた画像をマシンビジョンで検査して、キャプチャされた画像に存在する機械の少なくとも1つの部分を決定することと、マシンビジョン検査の結果に応答して、画像キャプチャ報酬施設を動作させて、キャプチャされた画像に対する報酬を生成することとをさらに含んでもよい。実施形態では、更新は、産業機械の故障データの分析に基づくトリガ条件に応答して行われ、分析は、更新ステップの前に手順で指定されていない画像をキャプチャすることを示唆する。実施形態では、更新は、サービスを実行するための手順が、画像がキャプチャされる産業機械の部分に関連する予知保全基準を満たす産業機械で実行されることに応答してもよい。実施形態では、トリガ条件は、サービスの手順が実行されている産業機械に関連する産業機械の種類と、産業機械の部分が画像で撮影されてからの期間とを含んでもよい。
実施形態では、産業機械の予知保全促進システムは、組立、試験、サービス、修理、アップグレード、定期保守、予防保守などの操作中に撮影された産業機械の画像に機械学習を適用してもよい。機械学習は、画像分析アルゴリズム、部品検出アルゴリズム、マシンビジョンなどのアルゴリズムを使用して、画像及び/又は画像から得られたデータに適用されて、個々の部品、サブアセンブリなどの産業機械の部分の機械自動検出の改善を促進してもよい。実施形態では、部品、サブアセンブリなどの機械自動検出は、限定されないが、予知保全プロセス、サービス提供者評価法、手順評価法、在庫管理システム、保守スケジューリング(例えば、保守操作が以前に推定されたものよりも早くスケジュールされるべきかどうかなど)を含むここの方法およびシステムに情報を提供することができる。
実施形態では、産業機械の部品を機械で自動検出するための方法およびシステムは、図189に例示的に描かれているような、画像キャプチャ、処理、分析、学習、および自動化のステップを含んでもよい。実施形態では、産業機械の部品を自動的に検出するための方法は、画像ステップ33502をキャプチャすることから始まってもよい。あるいは、以前にキャプチャした画像の画像データを、データベースなどの画像のデータストアからアクセスしてもよい。画像キャプチャステップ33502は、保守手順、修理手順、アップグレード手順などのサービス作業を行うことに関連して、サービス技術者などによって実行されてもよい。また、画像キャプチャステップ33502は、以下のように通知されてもよい。撮像の対象となる部位やそのテンプレートなどを示す手順書などがある。手順、対象パーツ、テンプレートなどは、撮像ガイダンスデータ記憶部33504から取得してもよい。実施形態では、手順は、部品撮像プロセスを使用して、手順で示された1つ以上の部品を撮影するための具体的な指示を含んでもよい。一例として、産業機械のベアリングを整備する手順は、ベアリングが扱うシャフトなどを撮影する手順を含んでいてもよい。手順では、タブレットやスマートフォンなどの画像キャプチャデバイスの電子ディスプレイ上に、撮影する画像の代表的な画像を提示してもよい。そのような画像は、例えば、産業機械に配置されたスマートRFID要素(例えば、ベアリングやシャフトなどを含む機械の部分に構成されたスマートRFID要素)の画像データ構造から検索された、特定の産業機械の最新の撮影画像であってもよい。このような画像には、画像が撮影されたカメラの相対的な位置、日時情報、実行された手順番号などの情報が付加されている場合がある。実施形態では、そのような画像は、画像キャプチャデバイスを手動で整列させることを容易にするテンプレート(例えば、塗り絵/アウトライン画像など)に処理されてもよい。実施形態では、そのようなテンプレートは、画像キャプチャデバイスを通して見える画像を処理し、画像キャプチャデバイスの位置合わせをさらに容易にするためにテンプレートの色の変化などのインジケータを提供するアクティブテンプレートであってもよい。アクティブテンプレートは、黒(または他の色)の輪郭で始まり、頂点やエッジなどが、部品の機械自動検出を容易にするために関連する頂点やエッジなどの位置合わせが十分に行われたときに、緑(または他の色)に変化するものであってもよい。
実施形態では、画像キャプチャステップ33502でキャプチャされた画像は、例えば、画像キャプチャガイダンスデータストア33504などの情報から検索されるか、またはそこから導出されるような参照画像と比較するなど、画像分析機能を実行する画像検証ステップ33506を通じて処理されてもよい。実施形態では、キャプチャされた画像は、コントラストなどを改善するために処理されてもよく、有効な画像キャプチャステップ33506の間に、例えば画像減算処理などを通じて産業機械とともに配置されたスマートRFID素子からの最新のキャプチャ画像と比較され、キャプチャされた画像が有効であるかどうかを判断することができる。検証されない画像は廃棄され、ユーザは別の画像をキャプチャするために画像キャプチャステップ33502に戻るように指示されてもよい。
実施形態では、ステップ33506で検証され得る画像は、検証された画像から1つまたは複数の候補パーツを検出するために画像解析ルール33510を処理し得る画像解析または類似のステップ33508に渡されてもよい。候補部品は、さらなる使用のために候補部品データ構造33514に格納されてもよい。実施形態では、候補部品データ構造33514内の候補部品の画像は、画像からの機械自動部品検出の改善を容易にする機械学習アルゴリズムのさらなるトレーニングのために保持されてもよい。実施形態では、部品候補の画像は、図189の機械自動化部品検出フロー33500のインスタンスで使用され、その後、廃棄、消去などされてもよい。実施形態では、画像解析ルール33510は、コントラストが悪いもの、予期しない内容(例えば、過剰な溶媒、可動部品、反射部品など)など、限界のある画像の画像解析を改善することができるフィードバックなどの形で、機械学習ステップ33520から提供されたデータを含んでもよい。
実施形態では、候補部品データ構造33514の1つまたは複数の候補部品は、特に機械自動部品認識を実行することができる部品認識アルゴリズムステップ33516によって処理されてもよい。自動化された部品認識アルゴリズムは、スマートRFIDデータストレージ33512から取得される可能性のある部品記述情報と比較される可能性のある、寸法などの部品候補の属性を生成することを含んでもよい。一例では、候補部品は、自動測定アルゴリズムで処理される可能性のあるエッジなどを検出するために処理されてもよい。結果として得られた測定値は、RFIDデータストレージ33512内の部品認識アルゴリズム33516が利用できる可能性のある、特定の産業機械用の部品のライブラリから、特定の部品を決定するために使用されてもよい。特定の部品情報は、部品リスト、MRPシステムなどの生産データシステムから取得され、図185に描かれた例示的な生産フローなどの生産作業中に、RFIDデータストレージ33512に格納されてもよい。
実施形態では、部品認識アルゴリズム33516の1つまたは複数の結果は、機械学習設備に転送されてもよく、その機械学習設備は、画像キャプチャプロセス33502、画像検証プロセス33506、画像分析プロセス33508、部品認識プロセス33516などを含むがこれらに限定されない機械自動部品検出の様々な側面を改善する1つまたは複数の機械学習アルゴリズム33520を実行してもよい。一例では、部品認識プロセス33516は、1つまたは複数の候補部品の画像、対応する基準部品、関連する属性など、部品認識プロセス中に抽出された情報などを機械学習プロセス33520に提供してもよい。機械学習プロセスは、機械学習技術を適用して、対応する基準部品の最良の候補を表す候補部品の側面を決定することを容易にし、部品検出などを改善するために少なくとも部品認識プロセス33516にフィードバックを提供してもよい。
実施形態では、認識された部品を記述する情報は、更新されたスマートRFID要素33518、それに匹敵する更新されたサーバベースのデータ構造33522などに格納されてもよい。保存される情報は、1つまたは複数の部品候補画像、参照部品の識別子、認識データ、画像をキャプチャするために続いた手順番号などを含んでもよい。
実施形態では、機械学習ベースの部品認識の方法は、キャプチャされた画像が画像キャプチャ検証基準を満たしているかどうかを判断する画像検証手順に、ターゲット部品画像テンプレートを適用することを含んでもよい。本方法は、画像内に存在する産業機械の候補部品を検出することを容易にする画像解析ルールを用いて撮影された画像を処理することにより、画像解析を行うことをさらに含んでもよい。実施形態では、特定の産業機械の部品の画像との候補部品の類似性に基づいて、部品候補のセットの1つ以上の部品を産業機械の部品として認識することが含まれてもよい。さらに、認識された部品の機械学習から生成されたフィードバックに基づいて、ターゲット部品テンプレート、画像解析ルール、および部品認識のうちの少なくとも1つを適応させ、それによって画像キャプチャ、画像解析、および部品認識のうちの少なくとも1つを改善することが、本方法に含まれてもよい。
実施形態では、予測メンテナンス、製造者が要求するメンテナンス、故障修理、部品およびサービスの提供および注文、メンテナンス活動のフォローアップ、手順およびサービスプロバイダの評価、故障率および予測分析、作業員のトレーニング、経験、および評価などを含む産業機械のメンテナンスライフサイクルのために収集および生成された情報は、サービスライフサイクル全体を通して捕捉され、人工知能および他の機械学習タイプのアルゴリズムで処理され、データモデル、リンクされたデータベース、列挙型データベースなどのデータベースに蓄積されてもよい。図169は、ナレッジグラフ33602として具現化されたこのようなデータのセットを示している。実施形態では、部品、画像、構成、内部構造、使用スケジュールなどの産業機械に関する情報は、限定されないサービス情報、故障情報、作業者関連情報などを含む他のソースからの情報とともに、人工知能型機能33606(例えば、機械学習アルゴリズムなど)によって処理されてもよい。例示的な人工知能施設33606で実行される情報連想アルゴリズムなどの情報処理アルゴリズムは、データノード33618間の知識グラフノードリンク33616の確立、変更、削除、強化などによって、予知保全および産業機械サービス知識グラフ33602の一部を更新させてもよく、データノード33618を追加、更新、分割などして、本明細書に記載されているような予知保全プロセスの側面に影響を与える事実、ノウハウ、分析結果などの間の関係性のグラフベースの理解を開始し、洗練させてもよい。
実施形態では、機械に関する情報は、機械データノード33608に処理および格納されてもよく、故障に関する情報は、故障データノード33610に処理および格納されてもよく、産業機械サービスに関する情報は、サービスデータノード33612に処理および格納されてもよく、産業機械サービスを実行するための作業者に関する情報は、作業者データノード33614に処理および格納されてもよい。機械データノード33608とサービスデータノード33612との間の関係など、データノード間の関係は、ノード間のリンク33616として描かれてもよい。このようなナレッジグラフを開始および更新する目的は、とりわけ、(内部構造、部品およびコンポーネントに関するなどの)事実上の情報、運用情報、およびメンテナンス、サービスおよび修理に関連するノウハウおよび他の情報を含む手順情報を含む、産業機械に関する情報を収集、発見、捕捉、普及、管理、および処理するためにさらに改善することであってもよい。
実施形態では、保守/サービス/修理/アップグレード/設置およびその他の産業機械関連の活動が実行されると、活動に関するデータが処理され、データノード33618、ノード間の関係などを強化、増強、改善、改良、明確化、および修正するために使用されてもよい。実施形態では、保守/サービス/修理および他の産業機械活動の準備は、知識グラフ33602で見つけられた知識から利益を得て、それによって、例えば、故障ノード33610と作業者ノード33614との間の既存の関係を利用して、特定の機械上で故障が発生したときに、その故障を解決するための適切な作業者を効率的に特定することによって、適切なサービスオプション、推奨、注文などを生成するために、効率を改善し、計算の複雑さを低減することができる。
実施形態では、(内部構造、部品、コンポーネントなどの)事実情報、運用情報、およびメンテナンス、サービス、修理に関連するノウハウやその他の情報を含む手続き情報を含む、産業機械に関する情報を収集、発見、捕捉、普及、管理、および処理するための改良された方法およびシステムが本明細書で提供される。これらの改良された方法およびシステムは、図191に描かれているように、予測メンテナンス知識システムプラットフォーム33700を備えてもよい。予測保守知識システム33702は、本明細書に記載された方法およびシステムを使用してそのサービスおよび保守を容易にするためなど、産業機械に関する情報を収集、発見、捕捉、普及、管理、および処理することを容易にしてもよい。これには、特定の機械の保守、サービス、および修理に関する関連するノウハウおよび専門知識を有する一連の作業員を見つけること、および保守、サービス、および修理作業が中断を最小限に抑えてシームレスに行われるように、関連する部品およびコンポーネントの注文を見つけ、注文し、および履行することなどが含まれるが、これらに限定されない。予知保全知識システム33702は、1つまたは複数の予知保全知識ベース及び/又は知識グラフ33704とインタフェースしてもよい。知識ベース33704は、予測保全知識システム33702によって可能になる可能性がある方法およびシステムに有益な情報を含む可能性がある1つまたは複数の知識グラフをさらに含むまたは参照してもよい。予測保守知識グラフは、産業機械に関する情報、産業機械のサービス活動、産業機械の部品、材料、ツール、およびサービスのコスト(例えば、履歴、傾向、および予測)、予測保守知識システム33702、プラットフォーム33700などを操作するためのアルゴリズムおよび機能性を含むか、またはそれらへのコンピュータアクセスを提供してもよい。実施形態では、予測メンテナンス知識システム33702は、産業機械サービスの特定のインスタンスに課された迅速サービス料金に関する予測メンテナンス知識ベース33704からの情報を処理し、サービス承認およびそのコストに関する産業機械所有者の決定を助けることができる価格-時間関係を開発してもよい。産業機械の所有者は、迅速サービスと標準タイミングサービスのコストを知らされ、メンテナンス機能のスケジュールを維持するよりも、他の理由で機械がオフラインになっている間に迅速料金を支払ってメンテナンス機能をすぐに実行させる方が良いかどうかを判断しやすくなる。予測メンテナンス知識システム33702は、近い将来などに機械をオフラインにする必要があるメンテナンス機能を提供する。予測保守知識システム33702は、所有者が選択した時間枠でサービスを実行できるように、所有者の決定に基づいて、サービス提供者、部品提供者、材料・工具提供者などとの調整を促進してもよい。
実施形態では、特定の産業機械の情報は、特定の機械と一緒に配置された1つ以上のスマートRFID要素33706に格納されてもよく、及び/又は、互換性がある(例えば、バックアップ、複製/双子、または他のフォーマットのデータ構造)クラウドベースのデータ構造33708に格納されてもよい。予知保全知識システム33702は、RFID要素(複数可)33706、クラウドベースのデータ構造33708などにアクセス(例えば、データの読み取り及び/又はデータの書き込み)してもよい。スマートRFID33706/クラウドベースの構造体33708から読み取られたデータは、特定の展開された産業機械に固有のものであってもよく、特定の機械に対して効果的かつ効率的にメンテナンスを行うためのリソースの調整を行う本明細書に記載された予知保全等の方法およびシステムを促進してもよい。一例として、特定の産業機械は、その可動部の1つ(例えば、産業用モータ)の利用率が典型的なものよりも高くなるような動作サイクルを有することがある。この知識は、予知保全知識システム33702によって使用され、サービス、部品、および材料の供給者と対話して、利用率ベースの保守サービスを、利用率の低い他の同等の産業機械とは異なる時期(例えば、数週間または数ヶ月早く)に実行するための確固たる見積もりを提供することができる。
実施形態では、予知保全知識システム33702は、異なるタイプの機械(例えば、静止した機械、車両に搭載された機械、ジョブサイトに配備された機械など)の複数の産業機械を含む、複数の産業機械に関する情報を収集するアルゴリズムを実行してもよい。据え置き型の機械、移動型の機械、車両に搭載された機械、ジョブサイトに配備された機械など)に関する情報を、サービスプロバイダ情報、部品および部品プロバイダ情報、部品の位置および在庫情報、機械生産プロバイダ、サードパーティの部品ハンドラ、物流プロバイダ、輸送プロバイダ、サービス基準、サービス要件、サービスの結果などを含むサービス活動などの情報とともに収集するアルゴリズムを実行して、本明細書に記載されている予測メンテナンス方法およびシステムを促進する。予測メンテナンス知識システム33702の1つ以上の機能は、特定の産業機械及び/又は産業機械からの産業機械の集合体のサービス要求などのサービス要求情報33726を利用することができる。
このようなサービス要求は、所有者、運営者、提供者、利用者がサービス要求を満たすのを容易にするためのものである。実施形態では、そのようなサービス要求は、要求者だけでなく、比較可能な産業機械に対してもサービスが推奨されるタイミングを予測するアルゴリズムへの入力となり得る。一例として、産業機械の所有者は、ジョブサイトの産業機械のサブセットが第1のサービスアクションを受けることを要求することができる。予測保守知識システム33702は、この要求情報と、機械の年齢や稼働率などの機械に関する他の情報とを使用して、サービスが要求された機械と同じタイプの他の産業機械が、同等のサービスアクションを受けるためにいつスケジュールされるべきかを決定してもよい。
このようなサービス要求は、所有者、運営者、提供者、利用者がサービス要求を満たすのを容易にするためのものである。実施形態では、そのようなサービス要求は、要求者だけでなく、比較可能な産業機械に対してもサービスが推奨されるタイミングを予測するアルゴリズムへの入力となり得る。一例として、産業機械の所有者は、ジョブサイトの産業機械のサブセットが第1のサービスアクションを受けることを要求することができる。予測保守知識システム33702は、この要求情報と、機械の年齢や稼働率などの機械に関する他の情報とを使用して、サービスが要求された機械と同じタイプの他の産業機械が、同等のサービスアクションを受けるためにいつスケジュールされるべきかを決定してもよい。
実施形態では、特定のサービス要求33726に応答して、予測保守知識システム33702は、スマートRFID33706またはそのクラウドベースのバックアップ33708の情報にアクセスして、関係する特定の手順を決定し、潜在的なサービス提供者がサービスを実行するためにどのような経験が必要であるかを決定してもよい。予測保守知識システム33702は、知識ベース33704にアクセスして、サービス提供者の候補を特定してもよい。要求されたサービスに必要な手順の経験をうまく実証していると予測保守知識システム33702に(例えば、知識ベース33704の情報などに基づいて)知られているサービス提供者は、サービス、部品などのサービス見積33736及び/又は価格見積33734を提供するために連絡されてもよい。同様に、要求されたサービスの手順に関連する可能性のある部品及び/又は材料が特定されてもよい。また、予知保全知識システム33702は、部品及び/又は材料の情報を調達するために、知識ベース33704にアクセスしてもよい。部品コスト、輸送コスト、入手可能性、部品対機械の位置、1つまたは複数の部品提供者と産業機械所有者等のサービス要求に関連する当事者との間の事前の関係等の要因を評価して、部品の注文の準備としてどの部品提供者に連絡するかを決定してもよい。これらの要因を考慮して、適格なサービス提供者が予定通りにサービスを実施することを見越して、1つ以上の部品提供者に部品の問い合わせを行ってもよい。予測保守知識システム33702は、要求者が選択することができる1つまたは複数の価格ベースのサービス推奨オプション33710に関連することができる1つまたは複数のサービス推奨33732でサービス要求33726に応答してもよい。実施形態では、予知保全知識システム33702は、知識ベース33704からの十分な情報、応答
に、サービス見積もり要求33736などを追加して、オプションから特定の価格ベースのサービス推奨33710を自動的に選択し、要求者の明示的な承認の有無にかかわらず、要求されたサービス33726のために必要であれば、サービス注文33718、部品/材料/ツール注文33716を生成してもよい。
に、サービス見積もり要求33736などを追加して、オプションから特定の価格ベースのサービス推奨33710を自動的に選択し、要求者の明示的な承認の有無にかかわらず、要求されたサービス33726のために必要であれば、サービス注文33718、部品/材料/ツール注文33716を生成してもよい。
実施形態では、サービス要求及び/又は予測されたメンテナンス活動などは、予測メンテナンス知識システム33702によって処理され、サービス資金調達の推奨及び/又は要求33712を出力してもよい。そのような推奨は、営業収入からサービスの資金を調達すること、サービスのためにローンを組むこと、第三者の資金を求めること(例えば、業界のソース、政府の助成金、民間の資金源など)を含んでもよい。このような要求は、第三者が資金調達の提案及び/又は回答を提出するために使用することができる、要求されたサービスに関する情報を1つ以上の第三者に提供することを含んでもよい。一例では、地域のためのきれいな水を公衆に提供する産業機械は、費用のかかるサービスを必要とする場合がある。予知保全知識システム33702は、特定の産業機械が、サービスの少なくとも一部について連邦政府からの払い戻しを受ける資格があると判断してもよい。連邦政府による資金調達の要求は、サービス資金調達33712などを通じて構成され、起動されてもよい。
実施形態では、予測メンテナンス知識システム33702が頼ることができる情報源は、サービスプロバイダ33724からの情報、部品プロバイダ33722からの情報、サービス材料プロバイダ33720からの情報、機械スケジュール33730、入荷サービス見積もり及び/又は引用33728などを含むことができる。予知保全知識システム33702は、サービス材料提供者情報33720を使用して、サービス材料の価格および可用性を決定してもよい。この情報は、要求者のサービス材料在庫(例えば、集中型、デポベース、または産業機械のオンサイト)、1つまたは複数の適格なサービスプロバイダの材料在庫などと組み合わせてもよい。一例では、サービス提供者が、サービスが要求されている産業機械のローカルにアクセス可能な必要な材料の十分な在庫を持っているが、サービスを実行した後にその在庫を補充する必要がある場合、システムは、サービス材料提供者がスケジュールサービスに間に合うようにサービス材料を産業機械のサイトに配送するように、サービス提供者に推奨を提供することができる。一例では、サービス提供者及び産業機械所有者が必要なサービス材料の在庫を持っていない場合、予測保守知識システム33702は、合計価格、可用性、産業機械所有者及び/又はサービス提供者との既存の関係等に基づいて、サービス材料提供者33720のうちの1つに注文を生成してよい。実施形態では、サービス材料プロバイダ33720の1つ以上の在庫の少なくとも一部は、予測保守知識システム33702がサービス行為のために在庫から材料を割り当てることができるように、予測保守知識システム33702によって直接管理されてもよい。サービス材料提供者33720は、サービスアクションのために材料を提供するように選択されたという通知を予測保守知識システム33702から受け取ってもよい。材料の支払いは、予測保守知識システム33702のオペレータおよびサービス材料提供者33720が、このサービスアクションにおける役割に対して補償されるように、予測保守知識システム33702に関連するトランザクション設備を通じて行われてもよい。比較可能な例は、部品提供者33722、サービス提供者33724、サービス資金源(図示せず)などについて想定され得る。
実施形態では、予知保全知識システムプラットフォーム33700は、機器の問題を解決するための保全行為などの作業命令を作成することを容易にするコンピュータ化された保全管理システム(CMMS)33714を含んでもよい。CMMS33714は、部品およびサービス注文の処理を容易にすることができるERP(Enterprise Resource Planning)システム(図示せず)への部品およびサービス要求の通信を容易にすることができる。実施形態において、ERPシステムは、予知保全知識システム33702によってサービス行為が調整されている産業機械の所有者/運営者/提供者/賃借人/賃貸人のうちの1つまたは複数に関連付けられてもよい。実施形態では、CMMS33714は、産業機械の所有者のERPシステムと連携して、サービス提供者、部品提供者などへの発注を有効にしてもよい。
実施形態では、予知保全システムは、産業機械に関する情報を収集、発見、捕捉、普及、管理、および処理することを容易にし、産業機械の予知保全行動をとることを容易にする予知保全知識システムを含んでもよい。知識システムは、サービスプロバイダ、部品プロバイダ、材料プロバイダ、機械使用スケジューラから情報を受信するための複数のインタフェースと、サービス注文施設、部品注文施設、サービス管理施設、サービス資金調達施設に情報を送信するための複数のインタフェースと、複数の産業機械上のスマートRFID要素への複数のインタフェースとを含むことができる。予知保全は
システムは、サービスプロバイダ、部品プロバイダ、サービス要求、サービス見積もり、機械スケジュール、およびメンテナンス活動の予測を含むデータドメイン間のリンクを介して、産業機械の予知保全サービスに関する情報への予知保全知識システムによるアクセスを容易にする予知保全知識グラフをさらに含むことができる。実施形態では、予知保全知識システムは、サービス推奨、価格ベースのサービスオプション、価格推定、およびサービス推定のうちの少なくとも1つを生成してもよい。
システムは、サービスプロバイダ、部品プロバイダ、サービス要求、サービス見積もり、機械スケジュール、およびメンテナンス活動の予測を含むデータドメイン間のリンクを介して、産業機械の予知保全サービスに関する情報への予知保全知識システムによるアクセスを容易にする予知保全知識グラフをさらに含むことができる。実施形態では、予知保全知識システムは、サービス推奨、価格ベースのサービスオプション、価格推定、およびサービス推定のうちの少なくとも1つを生成してもよい。
実施形態では、産業機械などの予防保守やその他の予定された保守は、故障率などに関するメーカーの予想に基づいて、設定された間隔でスケジュールされることがある。運用データ、故障データ、予防保守活動中に発見された状態など、産業機械などに関する情報を収集および分析することによって、部品の故障などによる予定外のシャットダウンの発生をさらに低減することができる保守活動の新しいスケジュールが構成されてもよい。図192は、ベアリングを使用する産業機械群33802の一組のベアリングに対する予防的メンテナンススケジュール33808を示す。提示されているように、ベアリングの予防保守イベントA、B、C、Dは、機械のそれぞれについて、時間的に間隔をおいて発生するようにスケジュールされている。本明細書に記載された産業機械の予知保全のための方法およびシステムを使用する予知保全システムによって収集および分析されたデータは、故障を防止するために軸受の保守の異なるスケジュールが必要であることを示すことができる。図192の例では、機械4および3の故障33804は、予防保守活動Bの後に発生している。これに対応して、産業機械の動作サイクル率などの他の要因を考慮すると、機械に対して新しい軸受保守スケジュールが確立されてもよい。機械1および2はまだ故障していないので、機械1の33810および機械2の33812に対して予測的メンテナンスイベントが設定されてもよい。実施形態では、機械2の稼働率は、機械1よりも実質的に低い可能性があり、したがって、両方の機械が、機械3および4で故障した軸受を使用する一方で、予知保全イベントのスケジュールは、各機械に対して個別に作成されてもよい。機械1の予知保全イベント33810は、予知保全スケジュール33808において、予定よりも早く発生するように設定してもよい(イベントC)。また、機械2の追加メンテナンスイベント33812は、例えば、予防メンテナンスイベントBの後の機械3および4の故障のタイミングなどに基づいて、今後予定されている予防メンテナンスイベント(再度のイベントC)の直後に発生するように設定されてもよい。予防メンテナンスイベントCと予測メンテナンスイベント2(33812)との間の間隔を短く設定することにより、軸受に関連する故障のリスクを低減することができる。
実施形態では、産業機械の予測保守システムは、機械学習などを様々な要因に適用して、サービスのスケジュールを決定すること、サービスを実行するための少なくとも1つの適格な当事者を特定すること、サービスに必要な1つまたは複数の材料の供給源を推奨すること、サービスに必要な材料の調達および配送を果たすこと、および産業機械の1つまたは複数の部品のサービスを評価することなど、サービスを予測および促進することができる。このようなシステムの機械学習能力は、産業機械の1つまたは複数の部品の赤外線サーモグラフィ、産業機械の1つまたは複数の部品の超音波テスト、産業機械の1つまたは複数の部品のモータテスト、産業機械の1つまたは複数の部品のモータの磁界テスト、産業機械の1つまたは複数の部品の電子磁束(EMF)テスト(例えば、産業機械の1つまたは複数の部品の電流及び/又は電圧試験(機械に常駐する試験装置及び/又は外部から適用される試験装置などによる)、産業機械の1つまたは複数の部品のねじり試験(起電力などによる)、産業機械の1つまたは複数の部品の非破壊試験、(例えば、産業機械の1つまたは複数の部品の非破壊検査(例えば、原子力・電力産業などで義務付けられているもの)、産業機械の1つまたは複数の部品(例えば、タービンブレードなど)のX線検査、産業機械の1つまたは複数の部品の振動検出のためのビデオ分析、産業機械の1つまたは複数の部品の電界検査、産業機械の1つまたは複数の部品の磁界検査、産業機械の1つまたは複数の部品の音響検出、産業機械の1つまたは複数の部品の電力及び/又は電流及び/又は電圧検査(例えば、EMFなどを使用したものと同等のアルゴリズムを適用したもの)など。振動分析に使用されるアルゴリズムと同等のアルゴリズムを適用して、電流の変化が異常であるかどうかを判断する)、機械(例えば、回転機械など)が消費する電力のスペクトル分析、産業機械の1つまたは複数の部品の機械的欠陥と電力欠陥の相関、産業機械の1つまたは複数の部品によって、または少なくともその部品に近接して発生する音を検証するためのサウンドメーターなどがある。実施形態では、機械学習をこれらのテストデータのソースのいずれかに個別に適用して、例えば検出されたパターンの顕著な変化が発生したとき、または発生しようとしているときを検出するのに有用なパターンなどを検出してもよい。
実施形態では、本明細書に記載されているような診断テストの組み合わせを機械学習によって使用して、サービスなどの必要性を示す可能性のある異常を生じさせる1つまたは複数の潜在的な原因を検証または否認することができる。実施形態では、赤外線サーモグラフィを、例えば、赤外線画像を撮影しながらモータに試験荷重をかけるなどのモータ試験と組み合わせることは、潜在的な故障、または少なくとも故障に関連する状態、サービスの必要性などを示す可能性のある条件の組み合わせを決定するのに有用である。実施形態では、例えば、サウンドメーターのキャプチャと非破壊検査を組み合わせることで、特定の非破壊検査条件のベースライン音と比較することができる音のパターンを生成することができ、それによって結果(非破壊検査の結果とサウンドテストの結果)をマルチモーダルに評価することができる。実施形態では、産業機械によって、または産業機械に近接して発生する音の変動は、潜在的な故障状態を示し、候補となる故障状態を検証し、及び/又は潜在的な故障の可能性を減少させる可能性がある。実施形態では、音響およびX線などの非破壊検査の複数のモードを組み合わせることで、検査モードの1つ(例えば、音響)で検出される可能性のある状態が、他の検査モード(例えば、X線)などで検出可能な潜在的な異常と相関しているかどうかを判断するのに役立つ場合がある。実施形態では、機械学習は、本明細書に記載された診断/テストシナリオのそれぞれについて、テスト条件、テスト結果、および期待される結果への適合度などのアレイを開発することができる。このような配列は、異常が有効な潜在的故障状態を表す場合の判断を容易にする可能性がある。
実施形態では、本明細書で上述したような各テスト条件を適用し、結果を取得することができる。所与の試験条件が適用されている間に、他の各試験条件が適用されてもよく、それによって、各試験条件と他の各試験条件との組み合わせの収集が容易になる。各組み合わせの結果は、上述したアレイのようなアレイに取り込まれ、表現されてもよい。試験条件の組み合わせ試験は、予防保守や修理などのサービスコールが必要な場合に実行されてもよい。実施形態では、産業機械予測保守システムは、産業機械の摩耗したベアリングの交換などの保守を調整することを容易にしてもよい。試験条件組み合わせ配列は、ベアリング交換後の試験軸に沿って配列内の1つまたは複数のセルが組み合わせデータをほとんどまたは全く持たないことを検出するなど、どの試験条件がベアリング交換後の試験と組み合わせて適用される可能性があるかを決定するために参照されてもよい。軸受交換後の試験のための作業指示書及び/又は手順は、条件付きで、特定の事例のために、以下を含むように適応されてもよい。
前記アレイの特定のセルが示す追加試験条件を適用するステップとこのようなアプローチは、テストデータを増加させる一方で、テストの負担を時間的に、あるいは少なくとも産業機械のサービスを行う際に分散させることができる。
前記アレイの特定のセルが示す追加試験条件を適用するステップとこのようなアプローチは、テストデータを増加させる一方で、テストの負担を時間的に、あるいは少なくとも産業機械のサービスを行う際に分散させることができる。
機械学習は、組み合わせ条件のテストにも適用することができ、例えば、どの組み合わせのテスト条件が実際の故障と最も相関があるかを検出することができる。どの組み合わせが故障と相関しているかを学習することで、潜在的な故障が発生する可能性が低い組み合わせを、優先順位を下げて、サービス担当者などの貴重なテストリソースを、実用的な情報が得られる可能性が高い組み合わせテストに向けることができるようにしてもよい。
実施形態では、モータ試験などの特定の産業機械の第1モードの試験結果は、特定の機械試験結果を1つまたは複数の候補の故障モードと相関させることができる機械学習アルゴリズムなどで処理されてもよい。ねじり試験など、特定の機械の第2の試験モードからの試験結果は、特定のねじり試験結果を1つ以上の候補故障モードと相関させることができる機械学習アルゴリズムなどで処理されてもよい。機械試験から得られた1つ以上の故障モード候補は、ねじり試験のものと比較されることがある。2種類の試験で一致した故障モードの候補は、機械学習を用いて結合試験結果を処理するための候補となり得る。機械試験の結果とねじり試験の結果を組み合わせて機械学習で処理する際に、故障モードの候補を相関させてもよい。結合テストの故障モード候補のうちの1つが、結合テストのいずれかの故障モード候補と一致する場合、結合テストが故障の可能性を示す可能性が強化されることがある。この複合テストの結果の機械学習プロセスを通じてそのような確認が検出された場合、特定の産業機械の故障を防ぐためにサービス/修理アクションが開始されてもよい。また、他の産業用機械においても、複合試験結果の故障モードの可能性を回避するために、複合試験を含む試験手順を適応してもよい。
図193を参照すると、産業機械の予知保全システム33902は、赤外線サーモグラフィシステム33906、超音波検査システム33908、モータ検査システム33910、電流・電圧検査システム33912、ねじり検査システム33914、非破壊検査システム33916、電力・電流・電圧検査システム33918、音・振動検査システム33917など、様々な診断検査システムからのデータに対して、機械学習アルゴリズム33904などを実行することができる。テストシステム33920などが挙げられる。産業機械予知保全システム33902は、特定の産業機械、及び/又は類似の産業機械に対するテストの事前の呼び出しに対するこれらのテストシステムのテスト結果を含む可能性があるテスト結果のライブラリ33922にアクセスしてもよい。これらの結果は、試験条件を決定するために、特定の産業機械及び/又は類似の産業機械の故障モード情報とともに機械学習アルゴリズムによって処理されてもよく、試験条件の特定の組み合わせは、特定の故障モードに相関してもよい。機械学習アルゴリズム33904は、人工知能技術を使用して、ライブラリからのデータ間のパターン、類似性などを決定し、それにより、1つまたは複数の故障モードに相関する可能性のある試験条件の組み合わせの検出を容易にすることができる。
実施形態では、診断テストの結果と機械の故障との間の相関関係を改善する方法は、機械の故障に相関する診断テストの結果のパターン、機械の故障と診断テストの結果の類似性の少なくとも1つを検出することによって、産業機械で実行される複数の診断テストの結果と、類似の産業機械の故障に関する故障情報との間の相関関係を改善することを含むことができる。実施形態では、単一のタイプの機械の故障が、診断テストのサブセットの故障結果に相関する。
実施形態では、産業機械の保守のための改良された方法およびシステムであって、(内部構造、部品およびコンポーネントに関するなどの)事実情報、運用情報および手順情報を含む、産業機械に関する情報の収集、発見、捕獲、普及、管理、および処理を容易にする方法およびシステムを含み、保守、サービスおよび修理に関連するノウハウおよび他の情報を含む方法は、産業機械の予知保全などに関連する一連のサービスおよびサービスプロバイダを格付けする方法を含んでもよい。実施形態では、メンテナンスおよび関連する活動を行うためのサービスプロバイダを格付けしてもよい。サービス手順で規定されたサービスを実行している間に、サービス提供者(例えば、技術者など)は、(中略)手順に従っている度合いについて評価されてもよい。手順に従っている度合いは、手順が指定された順序で完了したかどうかを独立して判断することにより、暗黙的に把握することができる。実施形態では、ベアリングのカバーパネルを取り外した後、ベアリングの写真を撮影する必要がある手順は、プロセスを進める前に、サービス技術者がカバーされていないベアリングの写真を提出することによって検証されてもよい。実施形態では、サービス技術者は、ユーザ技術者がサービス手順にアクセスするタブレット、携帯電話、産業用ポータブルコンピュータなどのコンピューティングデバイスのインタフェース。サービス技術者は、スケジューリングのしやすさ、特定の機械やサービス活動に関する専門知識やトレーニングの程度、サービス後の診断テスト(自己診断など)の結果、サービスにかかる推定コストと実際のコストの比較、予定通りにサービスを行う迅速さ、主観的ではあるが清潔さ、手順の遵守(上記のような)、第三者など他のリソースへの依存度など、様々な基準に基づいて評価されることがある。
実施形態では、ベンダー評価システム34000が図194に描かれている。ベンダー評価システム34000は、ベンダー34006に関する情報(例えば、場所(複数)、ユーザフィードバックなど)、ベンダー34006が知っていると主張する1つまたは複数の手順34008のサービスデータ、ベンダーを評価するために情報がどのように使用されるかに影響を与える可能性があるベンダー評価重み付けデータ34010(例えば、古いデータは新しいデータよりも重み付けが低くなる可能性があり、サービス情報が非常に少ない機械のサービスは重み付けが低くなる可能性があるなど)を捕捉するベンダー評価施設34002を含んでもよい。ベンダー評価システム設備34002は、ベンダーの経験と評価の程度に基づいて、特定のベンダー評価の信頼度に影響を与える経験尺度34012を適用することにより、ベンダーの総合的な経験レベルをさらに考慮してもよい。サービス技術者の入力34014は、手順が守られなかった理由や、サービスが予想よりも長くかかった理由などを説明するために、サービス技術者がサービス活動などについて提供することができる構造化された(例えば、複数の選択回答)及び/又は自由形式の入力などを考慮してもよい。ベンダー評価施設34002は、実行されたサービス活動の成功を評価するために使用され得る、サービス活動に関連する実行されたテストおよびテストの結果などの情報を、診断テスト34022からさらに受け取ってもよい。診断試験情報30222は、例えば、赤外線サーモグラフィ、超音波試験、モータ試験、電流/電圧試験、ねじり試験、非破壊試験、電力密度試験、音響試験などの診断試験からの情報を含んでもよい。実施形態では、ベンダー評価施設34002は、診断テスト結果データ30222などから決定されるサービス後診断の結果を含むがこれに限定されない、一連のベンダー評価基準34016でベンダーを評価してもよい。ベンダー評価基準はさらに、スケジュールの東、手順や機械などの経験の程度、コスト、迅速さ、清潔さ、手順の遵守などを含んでもよい。
ベンダーの評価結果は、例えば、ベンダーの評価基準(例えば、経験の度合い)とベンダーの評価との間の相関関係を改善するために、機械学習アルゴリズム34024で処理されてもよいベンダー評価結果データストア34022に格納され、アクセスされてもよい。
ベンダーの評価結果は、例えば、ベンダーの評価基準(例えば、経験の度合い)とベンダーの評価との間の相関関係を改善するために、機械学習アルゴリズム34024で処理されてもよいベンダー評価結果データストア34022に格納され、アクセスされてもよい。
実施形態では、ベンダー評価の方法は、サービスプロバイダによって提供される産業機械サービスに関するフィードバックを収集し、フィードバックを、少なくとも1つの産業機械サービスの完了後に実行される診断テストの結果、サービスプロバイダのスケジューリング、提供されるサービスのコスト、サービスプロバイダの迅速さ、サービスプロバイダの清潔さ、少なくとも1つの産業機械サービスの手順の遵守、手順および産業機械のうちの少なくとも1つに関するサービスプロバイダの経験の尺度を含む複数の評価基準と比較することによって、産業機械サービスプロバイダの評価を決定することを含んでもよい。実施形態では、本方法は、ベンダーの格付け結果に機械学習を適用し、ベンダーを格付けする際に機械学習の出力を組み込むことによって、ベンダーの格付け結果と格付け基準との相関を改善することを含んでもよい。
実施形態では、産業機械の保守のための改良された方法およびシステムであって、(内部構造、部品およびコンポーネントに関するなどの)事実情報、運用情報、および保守、サービスおよび修理に関連するノウハウおよび他の情報を含む手続き情報を含む、産業機械に関する情報の収集、発見、捕獲、普及、管理、および処理を容易にする方法およびシステムは、産業機械の予知保全などに関連する一連の活動および情報を格付けする方法を含んでもよい。実施形態では、メンテナンスおよび関連する活動を行うための手順情報を格付けしてもよい。サービス手順に規定されたサービスを実行している間、サービス提供者(例えば、技術者など)は、技術者がサービス手順にアクセスする際に経由するユーザインタフェースを通じて、各手順、例えば、各実質的なサービス手順の動作に対する評価を示してもよい。サービス技術者は、情報へのアクセスのしやすさ、情報の教育的価値、説明の正確さ、画像の正確さ、シーケンスの正確さ、サービスを実行する難易度などを含むがこれらに限定されない様々な基準に沿って、各手順を評価してもよい。1台以上の機械のメンテナンスなどを行うために手続き情報に依存しているサービス提供者などは、そのような手続き情報を用いてシステムのサービスに関するノウハウを開発することができる。このようなノウハウは、手順に関連するフリーフォームのコメントや、公開された手順に対する編集提案などを通じて、手順評価システムに反映されることがある。
実施形態では、メンテナンスタスクを実行する手順は、特定の機械に精通しているサービス技術者にとっては明確であっても、経験の少ないサービス担当者にとっては十分に明確ではない場合がある。そのため、手順評価タスクを完了したサービス技術者に関する情報を適用して、評価の重み付けを良くしてもよい。さらに、サービス手順は、経験スケールで評価されてもよく、これにより、経験の少ない人がサービスタスクを実行するために使用できる場合と、経験豊富な提供者が好ましい場合とを識別することが容易になる場合がある。このような情報は、必要なサービスタスクを実行するのに適したサービスエンティティの選択などを容易にするために、産業機械の予知保全システムにとって有用であり得る。実施形態では、産業機械予知保全システムは、吟味されたサービス担当者へのアクセスを容易にする際に、経験スケールの評価など、サービス/保守手順の様々な側面を記述することができる情報を収集することができる。特に、サービス手順が非常に複雑であると評価された場合、サービスを実行するために利用可能な経験豊富な人員がほとんどいないサービス事業体は、回避されるか、または少なくとも、より多くの経験、より多くの利用可能な経験豊富なサービス技術者などを有するサービス事業体よりも下に表示される可能性がある。評価された手順情報は、不足していると思われるサービス手順よりも好まれるサービス手順の特徴を特定することなどにより、サービス手順情報を生成するシステムをさらに強化することができる。
図195に示すような実施形態では、産業機械のサービス及び/又は修理手順を格付けするための方法およびシステムは、手順格付けコンテンツの様々なソースを集約して、使いやすさ、正確さ、柔軟性などの手順に対する1つまたは複数の格付けを生成する手順格付け施設34102を含んでもよい。このような評価施設34102は、手順のテキスト、画像、フローチャートなどを処理するように、手順34106にアクセスすることができ、それにより、手順に貢献する様々な要素の評価を容易にすることができる。また、手順評価施設34102は、手順の使用例の長さなど、手順のサービスデータ34108にアクセスしてもよい。このようなサービスデータは、手順の評価の信頼度を決定するのに有用であり得る。使用頻度の低い手技の評価は、使用頻度の高い手技の評価よりも信頼度が低い場合があるが、これは、少なくとも部分的には、使用頻度の低い手技の比較データがないためである。手技の評価はまた、評価に寄与する要因の重み付け34110にアクセスすることを含んでもよく、そのような重み付けは、明示的に述べられても、暗黙的に決定されてもよく、また、手技の年齢、手技に従うために必要な材料の入手可能性などの要因に基づいて変化してもよい。実施形態では、いくつかの手順の評価は、サービス技術者、監督者、手順品質試験者など、評価プロセスへの貢献者の経験によって影響を受けることがある。したがって、経験尺度34112を評価アルゴリズムに適用して、例えば、所定の経験を有する貢献者が評価することを許可される可能性がある手順の側面に影響を与えることなどができる。実施形態では、サービス技術者および他のコントリビューターの評価プロセスへの入力34114は、コントリビューターが手順の様々な側面(例えば、手順のテキスト、手順の翻訳など)に対して評価スケールをマークすることなどにより、明示的に集められてもよい。コントリビューターの意見は、手順のステップを実行するのにかかる時間を追跡するなど、暗黙的に収集することもできる。実施形態では、サービス技術者が手順に提示されたものとは異なる手順または追加の手順に従った場合、手順評価施設は、手順の評価に影響を与えるものとして、この入力およびこれらの他の手順の理由を取ることができる。このフィードバックは、サービス品質の向上に役立つ可能性のある、不正確な機械分析およびまたはメーカーのガイダンスを有する手順を特定するのに役立つ可能性がある。不適切な機械の故障診断は、分析を改善するために機械学習施設34124のような人工知能によって分析されるかもしれない。技術者からのフィードバック、手順評価の分析と結果は、手順開発者(産業機械メーカーなど)が利用できるようにしたり、プッシュしたりすることで、より良く、より速い修理を実現するための手順の改善を促進することができる。評価手順34102のように、インセンティブ付きのフィードバックプログラムとその適切な使用により、従来のような1対1のトレーニングを必要とせずに、制度的な知識が予防保守システムのあらゆる側面に浸透する可能性がある。
実施形態では、評価施設34102などの手順評価施設は、評価基準34116にさらにアクセスすることができ、この評価基準には、手順へのアクセスのしやすさ、手順の翻訳のしやすさ、手順の教育的価値、テキストの正確さ、画像/グラフィックスの正確さ、関連コンテンツ(例えば、パーツリスト)の正確さなどが制限なく含まれ得る。一連の手順の妥当性、その手順を初めて使用する際にエラーのない結果を得るための全体的な難易度、直接文書化されているかどうかに関わらず他の手順への依存度などである。手技評価施設34102などの評価施設は、不揮発性のコンピュータアクセス可能なメモリなどの電子的に保存されてもよい手技評価結果34122を生成してもよい。実施形態では、特定の産業機械に対する手順の格付けは、その機械と共に配置された1つ以上のスマートRFIDコンポーネントに格納されてもよい。手順評価結果34122は、手順評価設備34102と協調して動作する機械学習34124の使用などによって改善されてもよい。
実施形態において、産業用メンテナンス手順を格付けする方法は、産業用機械サービスを実行するために手順を使用するサービスプロバイダから手順に関するフィードバックを収集し、フィードバックを、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、コンテンツの正確さ、シーケンスの正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度からなる複数の格付け基準と比較することによって、産業用機械サービス手順の格付けを決定することを含んでもよい。本方法は、手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことにより、手順の評価結果と評価基準との相関を改善することをさらに含んでもよい。
実施形態では、分散型投票、暗号ハッシュ、検証可能性、セキュリティ、オープンアクセス、アクセスおよび更新の速度、ならびに参加者(例えば、貢献者、検証者など)の追加の容易さなどのブロックチェーン(登録商標)の技術およびアプリケーションが、本明細書に記載されている産業機械の予知保全方法およびシステムに適用されてもよい。産業機械からの運用、テスト、故障などのデータの収集は、システムの状態、故障などに関する情報の検証可能性の確保を容易にするブロックチェーン(登録商標)のアプローチで処理されてもよい。部品注文、サービス注文などのトランザクションは、ブロックチェーン(登録商標)で処理されてもよく、それによって、本明細書に記載されている予知保全システムが産業機械のメンテナンスやサービス活動を管理するために利用することができるコストなどの情報を含むトランザクションのセキュリティと検証可能性を高めることができる。ブロックチェーンの他の用途には、本明細書の図187に描かれ、関連して説明された分散型台帳33302のような分散型公開台帳の安全性を確保することが含まれる場合がある。
実施形態では、IoTデバイスなどの産業機械のピアツーピアネットワーク上で行われるトランザクションは、Blockchain(登録商標)対応の分散型台帳として運用されてもよく、それにより、産業機械などの予防保守データの中央管理やリポジトリへの依存度を低減することができる。産業機械の予知保全システムにおけるBlockchain(登録商標)機能の一例では。
個々のマシンに搭載されているスマートICタグの変更や、ネットワーク上に存在するコピーの変更は、ブロックチェーン(登録商標)の分散型台帳システムで処理され、ネットワーク上に存在するコピーの関連情報にアクセスするなど、ICタグの情報をオープンにすることができる。
個々のマシンに搭載されているスマートICタグの変更や、ネットワーク上に存在するコピーの変更は、ブロックチェーン(登録商標)の分散型台帳システムで処理され、ネットワーク上に存在するコピーの関連情報にアクセスするなど、ICタグの情報をオープンにすることができる。
実施形態では、図196は、産業機械が出荷されたときまたは出荷のために最終決定されたときに34202を開始することができる、特定の産業機械34200に関連するトランザクションのためのブロックチェーン(登録商標)を示す。特定の産業機械のさらなるトランザクションが実行されると、例えば設置中34204、産業機械に配置されたセンサからの動作情報の収集34206、機械のサービスイベント34208、部品およびサービス注文34210、診断活動34212などのそれぞれが、特定の産業機械のためのブロックチェーン(登録商標)に追加されてもよく、それによって、本明細書に記載されている予知保全方法およびシステムによって活用することができる産業機械のための安全で、検証可能で、追跡可能なデータセットを提供することができる。
実施形態では、産業機械に関する情報を蓄積する方法は、開始ブロックを生成することによって、特定の産業機械の産業機械情報のブロックチェーンを開始することと、出荷準備、設置、動作センサデータ、サービスイベント、部品注文、サービス注文、および診断活動のうちの少なくとも1つからのデータと、ブロックチェーン内の最も最近に生成されたブロックのハッシュとを組み合わせることによって、特定の産業機械のブロックチェーンの後続のブロックを生成することとを含むことができる。
実施形態では、予知保全のスケジュール、アクションなどは、産業機械とともに配置されたセンサからのデータなど、産業機械の動作データの分析に基づいてもよい。感知されたデータを含む動作データのための保守トリガ閾値を決定することは、データが表す効果のタイプを特定し、次に、許容可能な動作、疑わしい動作、許容できない動作、および他のタイプの動作を表すデータ値を決定することを含んでもよい。実施形態では、産業機械部品、構造要素などの振動活動を検出および監視するために配置された振動センサは、機械部品の振動が予知保全活動にどのように寄与するかを決定することを容易にすることができる。予知保全活動のタイミングなどに関連するセンサからの振動データの重要性を判断するには、従来の振動分析以上のものが必要となる場合がある。実施形態では、振動の測定値は、メンテナンスの必要性などを予測する際に使用される重大度の単位に変換されてもよい。
実施形態では、振動は産業機械への悪影響を判断するのに有用であるが、振動分析は一般的に複雑であり、振動の周波数、振動源、加振される材料、機械の毎分の動作サイクルなどに基づいて大きく変化する。振動速度のような振動の指標は、中程度の振動周波数の場合には、振動が問題になるかどうかを判断するのに役立つかもしれないが、単独では低周波や高周波の場合には有用な知見を得ることができない。したがって、正規化された振動解析指標など、周波数に依存しない振動解析を行うことで、有用な予知保全情報が得られる可能性がある。
実施形態では、本明細書に記載されているように、振動分析結果を厳しさの単位に正規化することで、振動周波数の独立性を容易にすることができる。全体的な振動スペクトル、RMSレベルなどは、変位、速度、加速度などの単位で表されてもよい。一例として、ベアリングキャップの振動測定値は、少なくとも、振動の機械的な重症度に直接関連するため、振動速度として表されることがある。上述したように、振動速度は中域の周波数コンポーネントには十分であるかもしれないが、低域および高域の周波数コンポーネントは、予知保全アルゴリズムのための振動速度の関連性に大きな例外を示す。振動速度マンは、ミッドレンジ周波数の速度シビアリティ要件と比較した場合などに、実質的に低周波数および高周波数の速度シビアリティ要件(例えば、振動振幅など)を線形に下げる振幅対周波数チャートなどを通じて特徴付けられることが、本願明細書に照らして理解されるであろう。
実施形態では、本明細書に記載の方法およびシステムは、周波数チャートの方法論を拡張および強化して、ゼロに近い周波数から18,000サイクル/分(cpm)をはるかに超える周波数など、広い振動周波数スペクトルにわたって一貫した振動重症度単位で表現できるように、振動スペクトルの正規化を容易にする。低端直線性周波数(例えば、低端ニー周波数値)以下の周波数で発生する振動スペクトルのコンポーネントは、変位(例えば、振幅)が低周波数では速度よりも重症度のより重要な指標であることが示されているため、変位の値(例えば、変位ミリメートルのプリセット値)に正規化するアルゴリズムで処理される。ハイエンドのリニアリティ周波数(例えば、ハイエンドのニー周波数値)を超える周波数で発生する振動スペクトルのコンポーネントは、重力単位の値(例えば、g'sまたはgフォースのプリセット値)に正規化するアルゴリズムで処理される。その結果、周波数スペクトルの各範囲(ローエンドニーの閾値以下、ミッドレンジ、オーバー
は、重症度単位に一様にマッピングすることができる。多くの例では、周波数スペクトルは、3つの範囲(ローエンドの膝のしきい値以下、ミッドレンジ、ハイエンドの膝のしきい値以上)に分割されてもよく、周波数スペクトルのより少ないまたはより多くの範囲が、予知保全の振動重症度ユニットを生成するための振動データ正規化技術の範囲を超えることなく決定され、適用されてもよい。
は、重症度単位に一様にマッピングすることができる。多くの例では、周波数スペクトルは、3つの範囲(ローエンドの膝のしきい値以下、ミッドレンジ、ハイエンドの膝のしきい値以上)に分割されてもよく、周波数スペクトルのより少ないまたはより多くの範囲が、予知保全の振動重症度ユニットを生成するための振動データ正規化技術の範囲を超えることなく決定され、適用されてもよい。
実施形態では、方法およびシステムは、振動振幅単位を、周波数に依存しない単位に正規化することを含む。これらの単位は、重大度単位またはアクション単位と呼ばれることがある。多くの例では、振動スペクトル、全体レベルまたは二乗平均平方根レベルは、変位、速度または加速度の単位で表される。例えば、ベアリングキャップの測定では、機械的な厳しさに直接関連する可能性があるため、振動速度が最も一般的に使用される。中周波成分では十分だが、低周波や高周波領域では大きな例外がある。多くの振幅-周波数厳しさチャートは、チャートに描かれている低周波成分と高周波成分の両方について、速度厳しさの要件を直線的に下げるように構築されていることが、本開示に照らして理解されるであろう。
実施形態では、方法およびシステムは、重症度単位として振動スペクトルを正規化するための重症度グラフの開発および構築を含む。この例によって、図176に描かれているように、毎分約1,200サイクルの所定のニーレベル以下の低周波数成分は、重症度単位でのその振幅が重症度に関して正規化され得るように、所定の因子(傾きの関数として)によって得られる。同様に、約18,000サイクル/分のニーレベルを超える高周波成分については、スペクトルピークも、重症度の平坦性を達成するために、異なる所定の因子によって得られる。実施形態では、重症度単位で表示されたスペクトルは、重症度を区分けするために水平線で表示されてもよい。実施形態の多くの側面では、1つ以上の軸受欠陥周波数及び/又は1つ以上の軸受共振周波数に関連する他のスペクトル成分は、それらの対応する振幅が重大度に合わせて調整されてもよい。この例によって、1つまたは複数のベアリング欠陥周波数に関連する他のスペクトル成分は、重症度を調整するためにそれらの対応する振幅を増加させてもよく、1つまたは複数のベアリング共振周波数に関連する他のスペクトル成分は、重症度を調整するためにそれらの対応する振幅を減少させてもよい。さらに、エンベロープなどのスペクトルを出力する他のデジタル処理技術を採用して、重症度スペクトル内のスペクトルピークを補完または重ね合わせてもよい。また、実施形態では、最終的に得られた重大度スペクトラムは、プレゼンテーションや分析の目的で、ローカル、リモート、及び/又はクラウドネットワーク施設を通じてアクセスして表示することができる。実施形態では、最終的に得られた重症度スペクトルは、重症度の分析と評価のためにエキスパートシステムに供給されてもよい。実施形態の多くの側面では、この「正規化」されたスペクトルから全体的なレベルが計算または導出され、現在の振動監視システムで利用されているバラバラの単位の典型的な集合ではなく、重症度の単位で全体的なレベルまたは二乗平均のレベルが生成されることがある。
実施形態では、図197は、産業機械のケーシング振動用の振動センサデータを正規化するための厳しさ単位変換関数を示す図である。重大度単位変換関数30602は、縦軸30604に沿って振動変位率(インチ/秒)を含み、横軸30606に沿って振動周波数cpm(サイクル/分)を含む。ローエンド周波数デマケーション30608は、1200cpmに設定され、ローエンド振動周波数領域30610の上端を定義するとともに、ミッド周波数領域30612の下端を定義する。ハイエンド周波数デマケーション30614は、18000cpmに設定され、ハイエンド振動周波数領域30616の下端を定義するとともに、ミッド周波数領域30612のハイエンドを定義する。
図176の実施形態の深刻度は以下のように計算される。
S=MxA (30601)
式30601において、Sは算出される厳しさ値、Aは中間の厳しさ限界値、Mは3つの振動スペクトル範囲のそれぞれについて以下のように算出される厳しさ正規化値である。
ローエンドレンジ30610の場合は、M=振動数/ローエンドの境界線の値
ミドルレンジ30612には、M=l;と
ハイエンドレンジの場合 30616: M=ハイエンドのデマケーション値/振動数。
図197の実施形態の例では、ローエンドレンジのM=周波数/1200、ハイエンドレンジのM=18000/周波数である。これにより、ローエンドレンジでは約2.5mil、ハイエンドレンジでは約2.5gの許容可能なシビアリティ値が得られる。
実施形態では、図197に例示されている重症度正規化機能は、本明細書に記載されている予知保全方法およびシステムによって使用され得る各周波数範囲に対する重症度単位の開発を容易にすることができる。
実施形態では、5つの深刻度ユニットが識別され、各周波数範囲に適用され得る。厳しさユニットには、許容、監視、再調査、近日中にアクション、即時、などの名称が付けられてもよい。実施形態では、許容可能な重大度単位の結果となった振動データは、予測メンテナンス分析およびアクションの推奨に影響を与えることはほとんどない。許容可能な重大度単位の分析結果となる振動センサデータ研究は、類似の産業機械、産業機械の類似部分、産業機械またはその一部の異なる世代など、産業機械間の変動について収集し、さらに分析してもよい。
実施形態では、図198に描かれているように、追加の重症度カテゴリを追加してもよい。引き続き図198を参照すると、例示的な重大度チャートは、それらのレベルに関連するアクションを伴う重大度レベルを定義してもよい。この例では、深刻度チャートは、ベアリングキャップに取り付けられた加速度計で取得されたスペクトルピークに関連付けられている場合がある。1つまたは複数の検出された信号が許容可能とみなされ、したがって、検出された信号の3つの範囲の中で最も深刻度が低いとみなされる範囲は、約1,200サイクル/分未満または約20Hz未満の体制で変位を測定する場合、ピークピークで約2.5千分の1インチ(ピークピークで約63.5マイクロメートル)未満である。約1,200サイクル/分~約18,000サイクル/分、または約20Hz~約300Hzの領域では、重大度チャートが速度の観点から信号を評価し、許容可能な、したがって最も重大度の低いレベルは、ピーク時で約0.15インチ/秒(ピーク時で約3.81ミリメートル/秒)未満であることがある。約18,500回/分以上または約300Hz以上のレジームでは、重大度チャートは加速度の観点から信号を評価し、許容可能な、したがって最低重度レベルはピーク時で約2.5gレベル未満とすることができる。
1つまたは複数の検出された信号が見る価値があるとみなされ、したがって、検出された信号の3つの範囲にわたって最も厳しいよりも1つ高いレベルの範囲は、約1,200サイクル/分未満または約20Hz未満であるレジームのために変位を測定するとき、ピーク・ツー・ピークの2.5千分の1インチ(約63.5マイクロメートル・ピーク・ツー・ピーク)とピーク・ツー・ピークの5千分の1インチ(約127マイクロメートル・ピーク・ツー・ピーク)の間である。約1,200サイクル/分~約18,000サイクル/分または約20Hz~約300Hzのレジームでは、重大度チャートは、速度と見るべき価値の観点から信号を評価することができ、したがって、最も重大度の低いレベルよりも1つ高いレベルは、ピーク時で約0.15インチ/秒(ピーク時で約33.8ミリメートル/秒)とピーク時で約0.3インチ/秒(ピーク時で約67.6ミリメートル/秒)の間にあることを示している。毎分約18,500サイクル以上、または約300Hz以上のレジームについては、深刻度チャートで信号を評価することができる。
そのため、最低レベルから1つ上のレベルは、ピークで約2.5gのレベルとピークで約5gのレベルの間となる。
そのため、最低レベルから1つ上のレベルは、ピークで約2.5gのレベルとピークで約5gのレベルの間となる。
1つ以上の検出信号が、1つ以上の信号が得られた機械または経路の再調査を示唆または要求するのに十分であると判断され、したがって、検出信号の3つの範囲にわたって、監視レベルよりも1レベル高い深刻度と、最も深刻度の低いものよりも2レベル高い深刻度とが、2.約1,200サイクル/分未満または約20Hz未満のレジームで変位を測定する場合、ピーク・ツー・ピークで1,000分の5インチ(ピーク・ツー・ピークで約63.5マイクロメートル)とピーク・ツー・ピークで1,000分の5インチ(ピーク・ツー・ピークで約127マイクロメートル)の間である。約1,200サイクル/分~約18,000サイクル/分または約20Hz~約300Hzの体制では、厳しさチャートは、速度の観点から信号を評価し、ピーク時で約0.3インチ/秒(ピーク時で約7.62ミリメートル/秒)~ピーク時で約0.6インチ/秒(ピーク時で約15.24ミリメートル/秒)の間で、1つまたは複数の信号が得られた機械または経路の再調査を提案または要求するのに十分な範囲を定義してもよい。毎分約18,500サイクル以上、または約300Hz以上の体制の場合、深刻度チャートは加速度で信号を評価し、ピーク時約5gレベルとピーク時約10gレベルの間で1つ以上の信号が得られた機械または経路の再調査を提案または要求するのに十分なものとすることができる。
この例では、1つまたは複数の検出された信号がすぐに行動のためのフラグを立てるのに十分であると判断される範囲であり、したがって、行動のためのフラグを立てる重大度レベルの1つ下のレベルである。他の例では、今すぐ行動するためのフラグと、1つ以上の検出された信号の重大度がそのようなフラグを正当化するときにシャットダウンのフラグを含むフラグアクションが存在することができる。約1,200サイクル/分未満または約20Hz未満の体制で変位を測定する場合、すぐに行動を起こすためのフラグを立てるのに十分な範囲は、約1,000分の1インチのピーク・ツー・ピーク(約254マイクロメートルのピーク・ツー・ピーク)と約1,600分の1インチのピーク・ツー・ピーク(約421.64マイクロメートルのピーク・ツー・ピーク)の間である可能性がある。約1,200サイクル/分~約18,000サイクル/分、または約20Hz~約300Hzの体制の場合、厳しさチャートは速度の観点から信号を評価し、ピーク時で約0.6インチ/秒(約15.24ミリメートル/秒)~ピーク時で約0.5インチ/秒(約0.5ミリメートル/秒)の間で、1つまたは複数の信号が得られた機械または経路の再調査を提案または要求するのに十分な範囲を定義することができる。
ピーク時の秒数)、ピーク時の秒数が約1インチ(ピーク時の秒数が約25.4ミリ)となっている。毎分約18,500サイクル以上、または約300Hz以上の体制の場合、深刻度チャートは加速度の観点から信号を評価し、ピーク時約10gレベルとピーク時約16.6gレベルの間で1つ以上の信号が得られた機械または経路の再調査を提案または要求するのに十分なものとすることができる。
ピーク時の秒数)、ピーク時の秒数が約1インチ(ピーク時の秒数が約25.4ミリ)となっている。毎分約18,500サイクル以上、または約300Hz以上の体制の場合、深刻度チャートは加速度の観点から信号を評価し、ピーク時約10gレベルとピーク時約16.6gレベルの間で1つ以上の信号が得られた機械または経路の再調査を提案または要求するのに十分なものとすることができる。
この例では、1つ以上の検出された信号が、即時行動のためのフラグを立てるのに十分であると判断され、したがって、最高の重大度レベルである範囲を示している。他の例では、1つまたは複数の検出された信号の重大度がそのようなフラグを正当化する場合に、即時アクションのためのフラグと、シャットダウンのためのフラグを含むフラグアクションがあり得る。約1,200サイクル/分未満または約20Hz未満の体制で変位を測定する場合、即時行動のフラグを立てるのに十分な近距離は、約16.6千分の1インチのピーク・ツー・ピーク(約421.64マイクロメートルのピーク・ツー・ピーク)以上である可能性がある。約1,200サイクル/分~約18,000サイクル/分、または約20Hz~約300Hzの体制では、重大度チャートは速度の観点から信号を評価し、ピーク時で約1インチ/秒(ピーク時で約25.4ミリメートル/秒)以上であれば、直ちに行動を起こすための十分なフラグを立てることができる範囲を定義することができる。毎分約18,500サイクル以上、または約300Hz以上の体制では、深刻度チャートは加速度の観点から信号を評価し、ピーク時に約16.6gのレベルを超えた時点で直ちに対策を講じるための十分なフラグを立てることができる。
図197の重症度チャートでは、1,250サイクル/秒での0.15インチ/秒の速度が許容カテゴリに描かれていることが、本開示に照らして理解されるであろう。図197に描かれている変位、速度、および加速度の間の変換は、重大度の単位を決定するための正規化において、ピークからピークまでの変位の1000分の2インチが、毎秒1,250サイクルでの毎秒0.15インチの速度と同等であることを示している。また、図197は、61,450サイクル/分でのピーク時の0.2インチ/秒の速度が、2.5gレベルの加速度に相当することを示している。Watchカテゴリは6dBの範囲である。再調査カテゴリは6dB、すぐに行動するカテゴリは約4.5dBである。
深刻度チャートの多くの例は、非常に特定の機器タイプに基づいていてもよいことが、本開示に照らして理解されるであろう。多くの例では、十分に低い速度または比較的遅い速度で動作する機械の多くのカテゴリが、別々の重症度カテゴリを必要としない場合があるため、これらの分類のいくつかは単純化される場合がある。これらの例では、速度に基づく深刻度の単位は、1つまたは診断を提供するのに十分な場合がある。多くの例では、振動波形、スペクトル、および全体的なレベルを提供する生データサーバと、この生データを意味のある重症度単位に変換しなければならないエキスパートシステムエンジンなどの異なるサブシステム間の通信は、重症度単位を生成するために正規化を使用することで大幅に簡素化される場合がある。
実施形態では、信号処理技術が、専門的な意義を持つが、正常に比較または分析するために正規化されなければならない任意の生のデータセットに適用され得る場合、厳しさの単位は、非振動データに適用されてもよい。実施形態では、性別が特定される可能性のある特定の医薬品治療の実行可能性に関する保険数理データを、一般人口に対して正規化することができる。性別に特化したデータを性別のない宇宙に正規化する1つまたは複数の確立された技術またはガイドラインが、AI、統計、チュートリアルまたは他の関連システムへのサブシステム通信に有用になることが、本開示に照らして理解されるであろう。
実施形態では、ウォッチ重症度ユニットの結果となる振動データは、振動データの収集および分析の発生頻度など、予測的メンテナンスの推奨の側面に影響を与える可能性がある。ウォッチシビアリティユニットの判定は、少なくとも振動データの収集および分析をより頻繁に実施することになるかもしれない。また、校正、診断テスト、目視検査などを行うことで、振動を受けている部品の他の状態を確認することになるかもしれない。
実施形態では、再調査重症度ユニットの結果となる振動データは、可能な限り早く振動データ収集および分析を実行することをトリガしてもよい。再調査重大度ユニット決定は、振動データ収集および分析を再び繰り返すためにデータ収集およびルーティング機能および要素を構成するために、影響を受けた産業機械の関連部分に信号(例えば、一連のコマンドなど)を送信することになってもよい。また、産業機械のデータ収集制御システムを構成して、関係する産業機械要素の他のセンサからのデータ収集を開始させることもできる。同様に、他の類似した産業機械から比較可能な振動センサデータを収集し、再調査された振動調査などの比較分析に利用できるようにすることで、優先順位を上げることができる。
実施形態では、すぐに行動を起こす深刻度ユニットの結果となる振動データは、影響を受けた部品を有する産業機械の部分の次の予定されたメンテナンスのかなり前に、影響を受けた部品のサービスアクションをスケジューリングするきっかけとなるかもしれない。また、関連する要素に対するアクション(例えば、予防、調査、分析など)をエスカレートさせることになるかもしれない。一例として、モータの振動データが近日中にアクションを起こすことを示している場合、モータのドライブシャフト、ドライブシャフトによって駆動されるギアボックスなどに対して、振動データの収集、予防保守アクション、キャリブレーションアクションなどを起動することができる。
実施形態では、即時深刻度ユニットの結果となった振動データは、必要なすべての部品交換をできるだけ早く実行する建設的な承認として扱われてもよく、それによって、産業機械上で1つ以上のサービスアクションを実行するために、交換部品や材料などを注文するきっかけとなる。このような結果は、サービスが実行されるまで、産業機械の使用を停止したり、産業機械のデューティサイクルを減らしたり、産業機械の動作サイクル率を減らしたりするなど、特定の自動アクションを引き起こすこともある。
広い振動周波数範囲の振動に適用される厳しさ単位の一実施形態が、図198に代表的に描かれている。図198の代表的な実施形態では、5つの厳しさ単位のそれぞれが、図197に表された3つの振動スペクトル領域、具体的には1200cpm以下の振動周波数、1200cpmから18000cpmの間の振動周波数、および18000cpm以上の振動周波数に対応付けられている。
実施形態では、各スペクトル領域内に重症度単位が定義される。ローエンド閾値(例えば、1200cpm)以下のスペクトル領域については、ピーク・トゥ・ピークで2.5ミル以下の振動変位が許容できる重症度単位の基準を満たし、2.5から50の間は監視重症度単位を示し、5.0から10.0の間は再調査重症度単位を示し、10.0から16.6ミルの間の変位はすぐに行動を起こす重症度単位を示し、16.6ミルを超える変位は直ちに行動を起こす重症度単位のトリガとなる。1200cpmから18000cpmの間の振動周波数スペクトルでは、通常の重症度は0.15インチ/秒ピーク(ipsp)以下の変位を特徴とし、監視は0.15から0.3ipspの間、再調査は0.3から0.6ipspの間、すぐに行動を起こす重症度は0.6から1.0ipspの間、そして1.0ipspを超える振動変位率では即時行動の重症度が発生する。18000 cpm以上の振動周波数スペクトルの場合、許容可能な重大度は、振動分析でピークが2.5gs未満であることを示し、監視は2.5gsから5.0gs、再調査は5.0gsから10.0gs、すぐに行動を起こすは10.0gsから16.6gs、そして16.6gsを超える力が発生する振動には即時行動の重大度単位が示されている。
ここに記載されているシビアリティユニットの方法とシステムの用途には、様々な速度で動作する様々な機械での使用が含まれる。既存の振動
しかし、ここで説明するアルゴリズムベースのアプローチでは、マシンの速度の影響に伴う不必要な計算の複雑さなどを効果的に取り除くことで、速度の遅いマシンにも容易に対応することができる。生データの分析や重大度の検出など、異なるマシンが異なる動作を行う環境では、ロバストな重大度判定を確実に行うための十分な情報提供をサポートするために、通信帯域幅を増加させる必要がある。本明細書に記載されている重大度ユニットの方法およびシステムを使用することで、そのような実施形態におけるデータ通信の必要性が大幅に簡素化され、それによって対応する環境などにおける通信帯域幅の需要が減少する。
しかし、ここで説明するアルゴリズムベースのアプローチでは、マシンの速度の影響に伴う不必要な計算の複雑さなどを効果的に取り除くことで、速度の遅いマシンにも容易に対応することができる。生データの分析や重大度の検出など、異なるマシンが異なる動作を行う環境では、ロバストな重大度判定を確実に行うための十分な情報提供をサポートするために、通信帯域幅を増加させる必要がある。本明細書に記載されている重大度ユニットの方法およびシステムを使用することで、そのような実施形態におけるデータ通信の必要性が大幅に簡素化され、それによって対応する環境などにおける通信帯域幅の需要が減少する。
この重大度単位の議論は振動データ分析などに向けられているが、重大度単位の決定および検出のための方法およびシステムは、正常な比較のために正規化の恩恵を受けることができる振動以外のデータソースに適用することができる。実施形態では、一方または両方の性別に対する特定の医薬品治療の実行可能性に関する保険数理データを、本明細書に記載の方法およびシステムを使用して正規化し、一般集団に適用することができる。重大度に関する既存のガイドラインに対応しつつ、本明細書に記載されている方法およびシステムを用いてそれらを拡張し、性別を問わない(性別を正規化した)重大度の測定値を生成するアルゴリズムを生成してもよい。
実施形態では、振動データからサービスイベントを予測する方法は、産業機械の一部の振動を捕捉するように配置された少なくとも1つの振動センサから振動データを捕捉することを含む一連の動作ステップを含んでもよい。キャプチャされた振動データは、キャプチャされた振動の周波数、振幅、および重力のうちの少なくとも1つを決定するために処理されてもよい。次に、例えば、決定された周波数に基づいて、捕捉された振動を境界とする複数セグメントの振動周波数スペクトルのセグメントを決定してもよい。したがって、捕捉された振動に対する振動重症度単位の計算は、決定されたセグメントと、振動データから得られたピーク振幅および重力の少なくとも1つとに基づいて行われてもよい。さらに、本方法は、重大度単位に基づいて、産業機械の部分に対するメンテナンスアクションを実行するための信号を、予測メンテナンス回路において生成することを含んでもよい。
実施形態では、セグメントは、決定された周波数を、マルチセグメント振動周波数スペクトルの中間セグメントの上限値および下限値と比較することに基づいて決定される。マルチセグメントの振動周波数の第1セグメントは、マルチセグメント振動周波数スペクトルの中間セグメントの下限値以下の周波数値を含むことがある。マルチセグメント振動周波数スペクトルの中間セグメントの下限は1,200kHzであり、上限は18,000kHzであってもよい。実施形態では、マルチセグメント振動周波数スペクトルの第2セグメントは、マルチセグメント振動周波数スペクトルの中間セグメントの上限値以上の決定された周波数値を含んでもよい。
実施形態では、振動の重症度単位を計算することは、複数の重症度正規化パラメータのうちの1つを中間重症度限界値で乗算することによって重症度値を生成することと、振動の重症度値を、決定されたセグメントの複数の重症度単位範囲のうちの1つにマッピングすることとを含むことができる。複数の重症度正規化値のうちの第1の重症度正規化値は、決定された周波数を、マルチセグメントの振動周波数スペクトルの中間セグメントの低域周波数値で割ることによって算出される。複数の重症度正規化パラメータの特定の1つは、決定された周波数値がローエンド周波数値よりも小さい場合に、第1の重症度正規化値を含む。
実施形態では、複数の正規化値のうちの第2の重症度正規化値は、マルチセグメントの振動周波数スペクトルのミッドセグメントのハイエンド周波数値を決定された周波数で割ることによって計算される。複数の重症度正規化パラメータの特定の1つは、決定された周波数値がハイエンド周波数値よりも大きい場合に、第2の重症度正規化値を含む。
マルチセグメント振動周波数スペクトルのセグメントについて、マルチセグメント振動周波数スペクトルの第1のセグメントは、決定された振動の振幅に基づいて、複数の重大度の単位に分割される。マルチセグメント振動周波数スペクトルの第2のセグメントは、決定された重力に基づいて、複数の重大度の単位に分割される。
実施形態では、振動重症度ユニットは、マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数についての決定された振動の振幅のピーク変位に基づいて決定される。一例では、振動重症度ユニットは、マルチセグメント振動周波数スペクトルの第2セグメント内の決定された振動周波数について、決定された振動誘導重力に基づいて決定される。
実施形態では、産業機械の部分は、可動部、可動部を支持する構造部材、モータ、駆動軸などであってもよい。
実施形態では、振動データからサービスイベントを予測するシステムは、産業機械の一部の振動を捕捉するように配置された少なくとも1つの振動センサを含む産業機械を含んでもよい。システムは、少なくとも1つの振動センサと通信し、捕捉された振動の周波数、ピーク振幅、および重力のうちの少なくとも1つを生成する振動分析回路をさらに含んでもよい。システムは、さらに、捕捉された振動を、振動周波数の複数のセグメントのうちの1つの振動周波数セグメントにマッピングすることを容易にする、複数セグメントの振動周波数スペクトル構造を含んでもよい。また、システムは、振動の決定された周波数と対応するマッピングされたセグメントとを受け取り、対応するマッピングされたセグメントに対して定義された複数の重症度ユニットの1つにマッピングされる重症度値を生成する重症度ユニットアルゴリズムを含んでもよい。実施形態では、システムは、複数の重大度ユニットの1つを受信し、それに基づいて、産業機械の部分に対応するメンテナンスアクションを実行するように予測メンテナンスサーバに信号を送る信号生成回路を含むこともできる。
実施形態では、システムは、振動シビアリティ計算ソフトウェアを介して、振動シビアリティレベルを計算してもよい。振動シビアリティ計算ソフトウェアは、振動解析回路、マルチセグメント振動周波数スペクトル構造、およびシビアリティユニットアルゴリズムのうちの1つ以上の機能をデジタル的に実質的に実行するように構成されてもよく、任意の汎用プロセッサまたは他の適切な機械によって実行されるように構成されてもよい。振動シビアリティ計算ソフトウェアは、振動センサからの信号の入力を受けるように構成されていてもよい。信号は、デジタル信号またはアナログ信号であってもよく、振動波形、すなわち捕捉された振動を含んでいてもよい。
実施形態では、振動重症度計算ソフトウェアは、振動センサから受信した信号のハイパスフィルタリング、ローパスフィルタリング、積分、および微分のうちの1つ以上をデジタル的に実行して、振動重症度を計算してもよい。また、前記振動シビアリティ算出ソフトウェアは、前記振動センサから取得した振動の周波数、ピーク振幅、及び重力のうち少なくとも1つを生成してもよい。振動シビアリティ計算ソフトウェアは、捕捉した振動を、複数の振動周波数セグメントのうちの1つの振動周波数セグメントにマッピングしてもよい。前記振動シビアリティ算出ソフトウェアは、前記シビアリティ値を生成してもよい。
決定された振動の周波数に基づいて、重大度の値を、対応するマッピングされたセグメントに定義された複数の重大度ユニットの1つにマッピングする。
決定された振動の周波数に基づいて、重大度の値を、対応するマッピングされたセグメントに定義された複数の重大度ユニットの1つにマッピングする。
実施形態では、重大度ユニットは、それに基づいてアクションを取ることができるように、振動重大度計算ソフトウェアによってユーザまたはアナリスト、及び/又は1つ以上のエキスパートシステムに出力されてもよい。いくつかの実施形態では、振動シビアリティ計算ソフトウェアは、複数のシビアリティユニットのうちの1つを受信し、キャプチャされた振動がキャプチャされた産業機械の部分に対して対応するメンテナンスアクションを実行するように、予測メンテナンスサーバに信号を送り、対応するメンテナンスアクションは、複数のシビアリティユニットのうちの1つに基づいている場合がある。振動シビアリティ計算ソフトウェアは、振動解析回路、マルチセグメント振動周波数スペクトル構造、およびシビアリティユニットアルゴリズムの1つ以上に代えて、または加えて、振動シビアリティレベルを計算するように実装されてもよい。
実施形態では、産業機械に配置されたセンサから収集された振動関連データは、変位、速度、加速度などを含んでもよい。さらに、速度、加速度などのデータは、既知の時間単位で収集された変位などの生の収集データから計算されてもよい。速度は、特定の期間における検出可能な振動イベントのカウントに基づいていてもよい。速度は、変位の発生の大きさや長さとは無関係であってもよい。実施形態では、加速度は、速度測定値の変化率として計算されてもよい。実施形態では、加速度は、特定の方向への変位開始の時間および変位終了の相対的な時間を検出する1つまたは複数の加速度センサから生成されてもよく、それに基づいて、振動発生中の部品の加速度を特定してもよい。振動データは、部品が過度の振動を受けているかどうかを判断するのに役立つ場合がある。そのような振動データを分析して判定を行うには、周波数などの振動の側面を考慮する必要がある。ここで述べたように、検出された振動がどの程度許容できないかを判断するための従来の振動分析のアプローチでは、振動スペクトルの異なる部分の振動を異なる方法で評価する必要がある。振動スペクトルの広い範囲における振動の影響の評価を正規化するための新規のアプローチ、例えば、振動コンポーネントの故障などの問題を引き起こす可能性が高い振動の閾値などは、機械所有者などに行動可能な情報を提供しようとするエキスパートシステムなどの予知保全システムに有益である。
実施形態では、重大度単位は、振動スペクトルの範囲にわたって複数の振動測定値を計算する必要性を排除するか、または少なくとも難読化することによって、検出された振動が許容できないかどうかを決定する目的で、振動分析の正規化を促進することができる。スペクトル範囲にわたって異なる振動測定単位を正規化することにより、本明細書でAction Unitsとも呼ばれるSeverity Unitsは、産業機械の振動解析、可動部の振動解析、複雑な機械システムの振動などを含むがこれらに限定されない幅広い振動解析アプリケーションへの適用を容易にすることができる。
実施形態では、システムは、含まれる(またはアクセスされる)重症度正規化方法論を使用して、1つまたは複数の重症度ユニットを正規化してもよい。いくつかの実施形態では、重大度正規化方法論は、エンベロープ分析方法を実行してもよい。実施形態では、重大度正規化方法論は、バンドパスフィルタ(例えば、500Hzの幅を有するバンドパスフィルタ)を用いて、重なりがほとんどない複数のバンド(例えば、1kHz~40kHz)にわたって、振動重大度ユニットのストリームをスキャンしてもよい。厳しさの正規化方法は、スキャンされたバンドのそれぞれを、例えば高調波フィルタリングを介して処理し、走行速度およびその電気信号を分析してエンベロープを決定することを含んでもよい。これにより、エンベロープの全体的なAC値およびDC値が計算され、AC値およびDC値に基づいてバンドパスフィルタの位置のための最適な領域が決定されることができる。これらの例では、AC値は、ベアリング欠陥周波数の変調を検出するために、重症度正規化方法論によって使用されてもよい。さらなる例では、DC値は、潤滑不足などの問題を判断するために使用されてもよい。これらの例により、決定されたバンドパスフィルタの位置は、エンベロープスペクトルと呼ばれてもよい。実施形態において、重症度正規化方法論は、異なる周波数における異なる重症度単位からのエンベロープスペクトルを重ね合わせてもよい。これらの例では、重大度正規化方法論は、任意の汎用プロセッサまたは他の適切な機械によって実行されるように構成されてもよい。
実施形態では、重症度正規化方法論は、オーバーオール、真のピーク、ピークツーピーク、クレストファクタ、Kファクタ、クレストファクタと振幅の積などの波形分析プロセスの適用を含んでもよい。実施形態では、厳しさ正規化方法論は、エンベロープスペクトル内の振動波形に統計的安定性測定技術を適用することをさらに含んでもよい。これらの例では、波形は、波形分析プロセスの結果に従ってラベル付けされてもよい。実施形態において、重大度正規化方法論は、重症度単位のストリームにおける振動波形の位相変動の時間的な傾向をマークすることによって、位相安定性スペクトル分析を実施してもよい。実施形態では、重症度正規化方法論は、振動波形の経時的な位相変動の傾向を直接マーキングすることによって、位相安定性スペクトル分析を実施することもできる。その際、シビアリティ正規化方法論は、位相変動の安定性の適格性を含んでもよい。実施形態では、重症度正規化方法論は、重症度単位のストリーム及び/又は振動波形の経時的な振幅変動の傾向を直接マーキングすることによって、(位相安定スペクトル分析とは対照的に)振幅安定スペクトル分析を実施してもよい。実施形態では、振幅安定性スペクトル分析は、位相変動の安定性の質的向上を含んでもよい。実施形態では、重症度正規化方法論は、ユーザ、アナリスト、及び/又はエキスパートシステムによる分析のための、振動波形の位相、振幅、およびその他の特性のヒストグラムの生成を含んでもよい。
実施形態では、図199は、横軸に沿って振動数をグラフ化した振動シビアリティ・グラフを示している。このグラフには2つの縦軸があり、1つは周波数に依存する従来の振動測定値を表し、もう1つは周波数に依存しない重症度単位を表す。従来の振動指標であるライン30802には3つのセグメントがあり、3つの周波数範囲における安全な振動限界を示している。厳しさの単位のライン30804は、すべての周波数の範囲で安全な振動-厳しさの限界を示す1本の水平線を示している。従来の振動解析では、振動の微分を周波数で調整していました。ライン30802以下の振動導関数は、許容レベルの振動を表している可能性がある。同様に、30802を超える振動の微分値は、許容できないレベルの振動を表している。しかし、振動のサンプルが線30802の上または下の導関数になるかどうかを決定するために必要な機能は、異なる振動周波数に対して異なる。膝の値30806および30808は、典型的には、本明細書で説明したように、1,200CPMおよび18,000CPMの振動周波数に合わせてもよいが、材料の種類、振動対象物の種類、およびその他の要因は、実行する機能にさらに影響を与える可能性がある。対照的に、深刻度ユニット及び/又はアクションユニットを生成および使用するために本明細書に記載された方法およびシステムは、線30804で表される振動深刻度の正規化された限界値を生成するように適合されてもよい。線30804以下の重大度/アクションユニットベースの計算された振動の測定値は、安全な振動限界を示すことがあり、一方、線30804以上の重大度/アクションユニットベースの測定値は、許容できないレベルの振動を示すことがある。のシステムなどのエキスパートシステムが使用される。産業用機械のメンテナンス予測には,産業用機械の重篤度・行動単位を,重篤度・行動単位と重篤度・行動単位の閾値を比較する単純比較機能を用いて適用することができる.単位値がしきい値以下の場合、メンテナンスの必要性の予測への影響は小さいか、無視してもよい。単位値が閾値以上の場合、メンテナンスの必要性の予測への影響は実質的であり、メンテナンスイベントを予測する直接的なきっかけとなる可能性がある。また、ユニット値としきい値の比較結果を利用して、メンテナンスイベントを予測するために処理される他の要因の重み付けを調整することもできる。他の要因の重大度/行動単位の重み付けを通じて、産業機械のメンテナンスの必要性を予測することは、振動および他の要因の閾値以下または限界の結果を産業機械のメンテナンスの予測に組み合わせることができる。
実施形態では、他の信号処理技術を用いて重症度単位を計算してもよい。これらの他の信号処理技術は、感知された振動データを正規化した作用単位表現を生成してもよい。実施形態では、他の周波数閾値は、様々な技術で使用されてもよく、重症度ピーク振動レベル、ガスパルス周波数ピークレベル、機械部品タイプ、ベアリング故障頻度など、限定されない、振動される機械部品の様々な要因に依存してもよい。実施形態では、正規化された重大度/アクションユニットは、ハンマーミル、クラッシャー、大馬力の原動機、ソフトファウンデーション(例えば、スプリング・アイソレーション)などのアプリケーションのためのコンポーネントタイプに基づいて重み付けされてもよい。本明細書中の図178等の例では、低閾値を1200Hz、高閾値を18000Hzとしているが、低閾値を500Hz、高閾値を5000Hz等、他の値を用いることもできる。なお、用途に応じた低閾値と高閾値の関係は、材料、動作周波数、重症度の感度などに基づいて決定すればよい。
例えば、機械サイクルに依存した振動イベント(例えば、ローラーベアリングが欠陥に衝突する際の衝撃)を引き起こすローラーベアリングの欠陥などである。エンベロープ処理によって検出された振動イベントがキャプチャされると、それらを処理して、重症度単位の周波数スペクトルにマッピングできるピーク値を得ることができる。このようにして、RMSや同様の時間平均計算によってフィルタリングされたエンベロープで検出された振動イベントを、重大度/アクションユニットの周波数チャートにマッピングすることができる。
実施形態では、産業機械またはその一部(例えば、ギアボックスなど)における様々なコンポーネントの重大度を、機械/部分の全体的な重大度にまとめることができる。1つのアプローチは、機械/部分の1つまたは複数の構成要素に対するすべての厳しさ単位の計算を合計することによって、集約された厳しさの値を生成することである。別のアプローチは、生成された重大度値の平均を決定するなどして、機械/割合の全体的な平均重大度を計算することである。機械/割合のための全体的な厳しさを計算するための他のアプローチは、個々のコンポーネントの厳しさの値の一部を重み付けすることなどを含むことができる。
実施形態では、産業機械の可動部品(例えば、ギア、シャフト、モータ、すぎるヘッドなど)などの産業機械コンポーネントの重大度単位の計算は、スペクトルピークレベルと重大度レベルの尺度との間の対応関係をマップ内で識別することなどにより、図198に描かれ、本明細書に記載されているような重大度グラフ上にマッピングされてもよい。マップされた重大度レベルは、識別に基づいて決定されてもよい。産業機械のコンポーネントの重大度を、例えば、産業機械の個々のコンポーネントを示す画像、図面、または他の表現のオーバーレイとして絵画的に提示できるように、各重大度レベルにグラフィカルな要素を割り当ててもよい。図200は、グラフィカルなオーバーレイ要素30904によって示される重大度ユニットレベルを有する産業機械30900のコンポーネント30902を表すブロック図を示している。実施形態では、オーバーレイ画像30904'は、例えば、グラフィカルオーバーレイ要素30904の1つに触れるか、さもなければ選択することによってオーバーレイと対話するユーザによるデータ発見を容易にすることができるグラフィカルユーザインタフェースで提示されてもよい。このようなシナリオは、図200に示されている。ポップアップウィンドウ30908内のコンポーネント重大度および関連情報は、ユーザがグラフィカルオーバーレイ要素30904を選択したことに応答して視覚化される。実施形態では、グラフィカルオーバーレイ要素30904は、ギアボックス、モータアセンブリなどのコンポーネント群の複合重大度を表すことができる。複合的なグラフィカルオーバーレイ要素が選択されると、ギアボックス等の詳細のような第2の画像がグラフィカルユーザインタフェースで視覚化されて、ユーザがアセンブリ内のコンポーネント等のための更なる詳細に飛び込むことができるようにしてもよい。
実施形態では、重症度単位は、マスターアクションユニットノモグラム(MAUN)のコンテキストで提示されてもよい。実施形態では、振動データは、少なくとも3次元について収集されてもよく、したがって、動作中の振動データまたは重大度単位を3次元プレゼンテーションで提示する3次元MAUNが生成されてもよい。
実施形態では、生の振動データは、機械学習などの技術を適用して、スペクトルの範囲にわたって許容可能な振動の閾値を決定するシステムなどの、メンテナンス予測システムに提供されることがある。しかし、この生の情報から学習するためには、環境に関する情報や振動解析工学が必要となり、結果として非常に複雑なメンテナンス予測操作が必要となる場合がある。MAUN等を含む本明細書に記載されているようなSeverity Unitsは、生の振動データを正規化された振動の重大度の尺度(例えば、Severity Units等)とより効率的にマッチングさせることにより、学習を単純化するために、予知保全システムに提供されてもよい。深刻度単位等の使用は、これらの操作の少なくとも一部が生の振動データからの深刻度単位測定値の生成に組み込まれる可能性があるため、予測保全システムのフィルタリングおよび評価の複雑さをさらに低減することができる。
実施形態では、このようなシステムからの学習は、データ収集エージェント、ローカルネットワークプロセッサなどによってローカルに実行されるような重症度単位計算関数に、フィードバックとして適用されてもよい。このフィードバックは、例えば、生の振動データから重症度レベル(例えば、閾値)の決定を調整する閾値精密化アルゴリズムに適用されてもよく、これにより、振動閾値をローカルな条件などに合わせて調整することができる。このようなフィードバックは、さらに、複数のデータ処理技術/アルゴリズム(例えば、深刻度及び/又はアクションユニットなどを生成する)のうち、どれがより正確なMAUN測定値を生成する可能性があるかを決定しようとするプロセスにおいて有用である可能性がある。そうすることで、処理の複雑さを軽減し、データストレージの需要を減らすことができ、これは、深刻度ユニットデータを生成する可能性のあるデータ収集デバイスなどの全体的なコストと洗練度を減らすために望ましい場合がある。
実施形態では、予知保全の方法およびシステムは、回転設備機械などの産業機械に適用することができる。本明細書に記載されている予知保全の方法およびシステムを使用することができる例示的な回転機器機械は、限定されるものではないが、ドリル、ボーリングヘッド、ポリッシャー、モータ、タービン、ギアボックス、トランスミッション、回転振動アダプタ、ドライブシャフト、コンピュータ数値制御(CNC)ルータ、旋盤、ミル、グラインダ、遠心分離機、燃焼エンジン、コンプレッサ、レシプロエンジン、ポンプ、ファン、ブロワ、発電機などを含むことができる。例示的な回転機器のメーカーや、テストサービス、部品メーカー、下請け業者などの関係者は、機械ごとにそのような機器に関する技術データにアクセスすることができる。さらに、機械、サブアセンブリ、個々のコンポーネント、アクセサリ、回転統合部品などに関する情報には、設計パラメータ、テスト仕様、動作仕様、製品の改訂版などが含まれる。この情報および関連情報は、特定のシリアル番号、産業用機械の製品ライン、所定の生産バージョン、生産ランなど、1つまたは複数の展開された機械に適用される場合がある。利用可能な機械情報は、1つ以上のギア(例えば、ヘリカルギアボックス、ウォームリダクションギアボックス、プラネタリーギアボックスなどのギアボックス、パワートランスファーギアセットなど)のギア歯の数、モータのロータバー(例えば、同期モータなどのリスケージロータと巻線のロータバー)の数、回転部品のRPMレートなど、1つ以上の回転部品に関連する機器の側面をカバーしてもよい。さらに、(ローラーボールの数、ボールの数、ボール/ローラーの数、ボールとローラーの接触角(複数可)、レースの寸法(例えば、内側と外側のレースの寸法)、ベーンの数、フルートの数、モード形状(例えば、相対的な変位など)のデータを含むが、これらに限定されないローラーベアリングベースのシステムなどの産業機械の予知保全イベントの計画および実行のために、情報が利用可能であり、利用される場合がある。
予知保全分析回路などの予知保全処理のために、本明細書に例示的に記載されているような回転機器情報へのアクセスを提供することは、限定されるものではないが、以下のような範囲の手段によって自動化されてもよい。(ii)展開検証作業中など、展開後または展開の一部として、機械と一体化した不揮発性記憶素子を関連する回転部品情報で更新すること;(iii)回転機器の仕様、測定、生産試験などを代表するデータを、ネットワークでアクセス可能なデータ記憶施設(例えば、以下のようなもの)に格納すること。g.,(iii)部品(例えば、ローラーベアリングアセンブリ)と機械/配備を関連付けるシリアル番号またはそのセットなど、部品、サブシステム、機械などの識別子の少なくとも1つで索引付けされたクラウドベースのデータストレージ施設(iv)(i)または(ii)と(iii)の組み合わせで、機械と一緒に配備された不揮発性データストレージ施設に保存された情報の少なくともサブセット(例えば、機械のシリアル番号。ネットワークから配備されているマシンの関連情報を特定するために使用できる、マシンのシリアル番号、回転機器コンポーネントのシリアル番号など)の少なくともサブセットと
アクセス可能なデータ保存施設。商業上の機密性の問題に対処するために、ネットワークにアクセス可能な情報の一部及び/又はすべてを、パスワードなどのセキュリティ手段で保護してもよい。同様に、産業機械に配置されたRFIDなどの不揮発性記憶装置に格納された情報には、第三者がアクセス可能な非機密情報(シリアル番号、モデル番号など)と、アクセスに明示的な認証が必要な機密情報(性能データ、最終故障日、次回故障の予測、機械またはその上位部分の故障率など)が含まれる場合がある。
アクセス可能なデータ保存施設。商業上の機密性の問題に対処するために、ネットワークにアクセス可能な情報の一部及び/又はすべてを、パスワードなどのセキュリティ手段で保護してもよい。同様に、産業機械に配置されたRFIDなどの不揮発性記憶装置に格納された情報には、第三者がアクセス可能な非機密情報(シリアル番号、モデル番号など)と、アクセスに明示的な認証が必要な機密情報(性能データ、最終故障日、次回故障の予測、機械またはその上位部分の故障率など)が含まれる場合がある。
このような回転機器の情報にアクセスするには、RFIDタグの少なくとも非機密部分にアクセスするために近辺の産業機械と対話するデータ収集回路を備えた携帯電話などのモバイルデータ収集装置を使用することができる。データ収集回路が産業機械と通信するために起動されると、近位の産業機械に関する予知保全有益情報(例えば、本明細書などに記載されているような情報)が、RFIDから直接、またはRFIDから収集されたインデキシング(例えば、URLなど)情報を適用して収集され、インデキシング情報をホストしているネットワーク化されたサーバから適切な情報にアクセスすることができる。一例として、RFIDでアクセス可能な公開データであるURLと、機密情報として扱われる機械のシリアル番号が、リモートデータコレクタによってRFIDから取得されることがある。データコレクタは、取得した情報を予知保全システムに提供し、予知保全システムは、取得した情報をURLへのウェブクエリに適用するなどしてもよい。
しかし、収集時に利用できない情報(例えば、インターネットを介して取得しなければならない情報)を必要とする予知保全機能は、データ収集回路がインターネットなどにアクセスできるようになったときなど、後になってから実行してもよい。実施形態では、予知保全イベント分析は、適切に装備されたデータ収集装置(例えば、十分な処理能力とデータ記憶装置などを備えたモバイルデバイス)で、またはネットワークサーバなどのサーバで、またはそれらの組み合わせで実行されてもよい。また、予知保全イベント分析は、産業機械に近接している間にモバイルデータ収集装置がアクセスできるローカルエリアネットワークなど、インターネット以外のネットワークを介してアクセス可能なコンピューティング装置によって実行されてもよい。このようなサイト固有のローカルエリアネットワークは、モバイルデータコレクタから提示された適切な認証情報により、インターネットなどを介して産業機械の回転部品関連情報へのアクセスを容易にすることができる。
実施形態では、ローターバーの欠陥や弱体化は、ローターコアの交換など、さらにコストのかかる修理につながる二次的な劣化の前兆である可能性がある。したがって、ローターバーの破損や弱体化を検出することで、メンテナンスや修理のコストを最小限に抑えることができる。ローターバーの数を知ることは、1つまたは複数のローターバーのメンテナンス及び/又はサービスを行うタイミングを決定するための要因となり得る。一例として、ローターバーがいつ故障するかを予測する式にローターバーの故障率を適用することにより、サイクルレート、年齢などの他の事柄のうち、所定の機械のローターバーの数を知ることは、ローターバーを用いたシステムのサービス及び/又はテストの実施が有益に行われ得る時期を予測することを容易にすることができる。産業用機械などのメンテナンスイベントを予測する予測メンテナンス回路は、ローターバーの数が多い機械のメンテナンスを、ローターバーの数が少ない同等の機械のメンテナンスよりも早く予測することができる。
実施形態では、回転機器ベースの機械などの機械のメンテナンスイベントを予測することは、機械および類似の機械のギアの歯の数を考慮しながら、類似の機械の予測されたメンテナンスイベントから適応されてもよい。例えば、ギアの歯の数に影響される可能性があるメンテナンスイベントの予測の側面は、イベントのタイミングである可能性がある。一例では、類似の機械に比べてより多くのギアの歯を有する機械は、類似の機械よりも早く、より多くのギアの歯を有する機械を保守する必要性を予測することを示唆する場合がある。実施形態では、回転機器ベースの部品などの機械の可動部のメンテナンスイベントの予測は、機械および類似の部品または機械のギアの歯数を考慮しながら、同じ機械または類似の機械の類似の部品のメンテナンスイベントの予測から適応されてもよい。実施形態では、回転機器ベースの機械の回転部品などの機械の回転部品のメンテナンスイベントを予測することは、機械および類似の部品または機械におけるギアの歯の数を考慮しながら、同じまたは類似の機械における類似の回転部品の予測されたメンテナンスイベントから適応されてもよい。実施形態では、回転機器ベースのギアボックスなどのメンテナンスイベントの予測は、同じまたは類似の機械における類似の部品のための予測されたメンテナンスイベントから適応されてもよい。
予測されたメンテナンスイベントは、機械と同様の部品または機械のギアの歯数を考慮しながら、同じまたは類似の機械の同様の部品に対する予測から適応される。実施形態では、回転機器ベースのコンポーネントなど、多歯ギアを含む機械のコンポーネントのメンテナンスイベントの予測は、機械および類似の部品または機械のギアの歯数を考慮しながら、同じ機械または類似の機械の類似のコンポーネントのメンテナンスイベントの予測から適応されてもよい。
予測されたメンテナンスイベントは、機械と同様の部品または機械のギアの歯数を考慮しながら、同じまたは類似の機械の同様の部品に対する予測から適応される。実施形態では、回転機器ベースのコンポーネントなど、多歯ギアを含む機械のコンポーネントのメンテナンスイベントの予測は、機械および類似の部品または機械のギアの歯数を考慮しながら、同じ機械または類似の機械の類似のコンポーネントのメンテナンスイベントの予測から適応されてもよい。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラート(例えば、交換部品の注文など、メンテナンスイベントの少なくとも自動化された部分のトリガを容易にする信号)を生成する機械の回転可能なコンポーネントのギアの歯数に反応する予測メンテナンス回路の機能であってもよい。実施形態では、予知保全回路は、機械またはその回転部分の動作データを処理してもよく、及び/又は、機械または類似の機械の特定の回転部品等の故障データを処理してもよく、それによって、特定の機械に関するコンテキスト情報を、ギアの歯数等の機械に関する静的情報とともに予測に組み込む。
実施形態では、回転機器などの産業機械に組み込まれたRFIDコンポーネントなどのサービスコンポーネントのギアの歯数が機械学習回路に入力されてもよく、この機械学習回路は、複数の産業機械にわたる類似のサービスコンポーネントのサービス情報とともに入力を処理してもよい。機械学習回路は、予知保全回路処理に適用可能な予知保全調整係数を生成し、それによって機械固有の予知保全イベントを生成することができる。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラートを生成する機械の回転可能なコンポーネントのモータローターバーのカウントに応答する予測メンテナンス回路の機能であってもよい。実施形態では、回転機器などの産業機械と統合された、または産業機械に組み込まれたRFIDコンポーネントからのような、サービスコンポーネントのモータローターバーのカウントが、複数の産業機械にわたる類似のサービスコンポーネントのサービス情報とともに入力を処理する機械学習回路に入力されてもよい。機械学習回路は、予知保全回路処理に適用可能な予知保全調整係数を生成し、それによって機械固有の予知保全イベントを生成することができる。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラートを製品化する機械の例えば内部回転可能なコンポーネントの毎分回転数を代表するデータに応答する予測メンテナンス回路の機能であってもよい。実施形態では、回転機器などの産業機械と統合された、または産業機械に組み込まれたRFIDコンポーネントからのようなサービスコンポーネントのRPMデータは、複数の産業機械にわたる同様のサービスコンポーネントのサービス情報とともに入力を処理する機械学習回路に入力されてもよい。機械学習回路は、予知保全回路処理に適用可能な予知保全調整係数を生成し、それによって機械固有の予知保全イベントを生成することができる。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラートを製品化する機械の回転可能なコンポーネントのローラベアリングの側面を代表するデータ、例えば、ローラあたりのボールの数、ボール対ローラの接触角、インナーレースの寸法、アウターレースの寸法、ベーンの数、フルートの数、モード形状情報などに反応する予測メンテナンス回路の機能であってもよい。実施形態では、回転機器などの産業機械と統合された、または産業機械に組み込まれたRFIDコンポーネントからのような、サービスコンポーネントのローラベアリングアスペクトデータは、機械学習回路に入力されてもよく、機械学習回路は、複数の産業機械にわたる類似のサービスコンポーネントのサービス情報とともに入力を処理してもよい。機械学習回路は、予知保全回路処理に適用可能な予知保全調整係数を生成し、それによって機械固有の予知保全イベントを生成してもよい。実施形態では、予測メンテナンスイベントは、部品交換、機械サブシステムの交換、キャリブレーション、ディープデータ収集、機械のサービス、機械のシャットダウン、予防的メンテナンスなどを含むがこれらに限定されないメンテナンスイベントのリストから選択されてもよい。
実施形態では、ローラベアリングサービスコンポーネントの少なくとも1つの側面は、産業機械にローラベアリングコンポーネントと共に配置されたRFIDコンポーネントを介して取得されたローラベアリングコンポーネント生産情報のデジタルデータ構造の一部に格納されてもよい。実施形態では、デジタルデータの一部は、ローラベアリングコンポーネントが配置されている産業機械に固有のものであってもよい。実施形態では、デジタルデータ構造の部分は、RFIDコンポーネントから検索されたネットワークロケーションにアクセスすることによって検索されてもよく、RFIDコンポーネントから検索された機械固有の識別子によってさらに索引付けされてもよい。実施形態では、データ収集装置がRFIDコンポーネントと短距離無線通信を行っている間に、データ収集装置のWiFiインタフェースを介してネットワークロケーションにアクセスしてもよい。さらに、実施形態では、データ収集デバイスがRFIDコンポーネントと近距離無線通信を行わなくなったときに、データ収集デバイスのWiFiインタフェースを介してネットワークロケーションにアクセスしてもよい。実施形態では、デジタルデータ構造の部分は、RFIDコンポーネントから取得された機械固有のキーを、産業機械の外部に保存されたローラベアリングコンポーネント生産情報へのアクセスを容易にする予知保全システムのアプリケーションプログラミングインタフェース機能に提供することによって取得されてもよい。実施形態では、デジタルデータ構造の部分は、RFIDコンポーネントから検索された生産情報を含んでもよい。実施形態では、回路は、回路を実行するプロセッサのネットワーク接続性とは無関係に、RFIDコンポーネントからデジタルデータ構造の一部を取得したことに応答して、ローラベアリングコンポーネントのメンテナンスイベントを予測する。さらに実施形態では、データ収集装置は、データ収集装置のネットワーク接続性とは無関係に、RFIDコンポーネントからデジタルデータ構造の一部を取り出すことに応答して、ローラーベアリングコンポーネントのメンテナンスイベントを予測する予測メンテナンス回路を含むことができる。
図201を参照すると、特に、回転部品に関連する産業機械の一部のメンテナンスイベントを予測する際に使用するための回転部品関連情報を格納するためのデータ構造31000の図が描かれている。回転部品31002は、産業機械の特定のギア、ギアボックス内のギア、シャフト、ローラベアリングなどを含んでもよい。各回転部品のパラメータ31004は、限定されないが、歯の数、ギアの数、ギアボックス内のギアの種類、回転数、ボールの数、レースの寸法、ベーンの数などを含んでもよい。各回転部品とパラメータの組み合わせの値31006は、データ構造31000に格納されてもよい。このデータ構造は、産業機械に配備されたRFIDコンポーネントに格納されている回転部品データの一部を代表するものかもしれない。データ構造上のエントリ数、データ構造内のデータの種類、および値のフォーマット(例えば、10進数、16進数など)は、回転部品関連の構成情報、生産情報、およびテスト情報の保存をサポートするために、必要に応じて変化してもよい。
図202を参照すると、感知された回転部品の健全性データのストリームと、ギアの歯数、ローラベアリング/チェイスの寸法、モータのロータバー数などの部品固有の構成情報とに基づいて、ギア、モータ、ローラベアリングなどの回転部品のメンテナンスイベントを予測する方法を表すフローチャートが描かれている。方法3100は、ギア、モータ、ローラベアリングなどの回転部品の健全性データのストリームを生成するステップ31102を含んでもよい。方法3100は、回転部品をホストする産業機械とともに配備されたRFID部品から、及び/又はネットワークアクセス可能なデータ記憶施設からなど、回転部品の構成情報にアクセスするステップ31104を続けてもよい。方法3100は、ギア、モータ、及び/又はローラベアリング関連のメンテナンスイベント/アクション/可能性のうちの少なくとも1つを予測するステップ31106を続けてもよい。方法3100は、メンテナンスアクション/イベントが予測された回転部品をメンテナンス、修理、及び/又は交換するために、予測されたメンテナンスアクションの命令を作成するステップ31108に続いてもよい。方法3100は、メンテナンスイベントのサービスデータに基づいて、回転部品に基づいて取られたメンテナンスアクション(複数可)を検証するステップ31110を続けてもよく、メンテナンスイベントのそのようなデータは、産業機械などからネットワーク化されたサーバなどのプロセッサによって受信されてもよい。
本開示は、上記の特定されたニーズおよび他のニーズに対処するように構成された産業用モノのインターネット(IIoT)システムにも関する。より詳細には、本開示は、産業環境におけるデータの収集、保存、処理、共有、および利用を改善するように最適化されたIIoTプラットフォームに向けられる。IIoTプラットフォームは、層状トポロジーにおける複数の異なるデータ処理層に配置することができる。この層状トポロジーは、データ処理層の各々の独立した最適化を容易にする。例えば、層は、データ収集/監視層、データストレージ層、適応型知能層、およびアプリケーションプラットフォーム層を含むことができる。各層は、マイクロサービスアーキテクチャと他の層とのインタフェースを持ち、出力、イベント、結果などを層間で交換、共有することができる。このようにして、上述したように、データ処理層のそれぞれは、特定の機能(ストレージ、モニタリング、インテリジェンス開発、アプリケーション)に対して独立して最適化される一方で、プラットフォーム全体としては層間での共有と最適化を可能にする。
一態様では、IIoTプラットフォームは、インテリジェンスの開発および利用を促進する共通のインフラストラクチャを共有するマルチアプリケーションのIIoTアプリケーションプラットフォームを構成することができる。共通インフラストラクチャは、IIoTプラットフォームの調整された最適化(例えば、機械学習を介した)を促進するために、イベント、出力、および結果の共有を含む、アプリケーション間および層間のデータ共有を提供する。共通のデータ処理インフラストラクチャは、産業界のエンティティおよびアプリケーションの効率的な監視、ならびにそのような収集されたデータの効率的な共有を可能にし、インテリジェンスソリューションの迅速な開発および展開のための環境を提供することができる。また、共通のインフラは、異なる産業プロセスに関連する複数のアプリケーションに対して、一貫したユーザエクスペリエンスを提供することができる。
別の態様では、IIoTプラットフォームは、IIoTプラットフォーム内の様々なコンポーネントに適応性のあるインテリジェンスソリューションを提供する適応性のあるインテリジェンス層を含むことができる。適応性のあるインテリジェンス層は、IIoTプラットフォームのプロセスを開発、改善、または適応させるデータ処理、人工知能、および計算システムのセットを含むことができる。適応性のあるインテリジェンス層は、IIoTプラットフォームによって収集、生成、保存、またはその他の方法で得られたデータを利用する。データは、例えば、機械、デバイス、プロセス、ワークフロー、およびそれらの組み合わせを含むがこれらに限定されない、産業環境の様々なエンティティに関連することができる。適応型インテリジェンス層は、IIoTシステムにおけるエッジ計算、ストレージ、および処理を適応的に管理する適応型エッジ計算管理システムを含むことができる。さらにまたは代わりに、適応型インテリジェンス層は、IIoTシステム内の複数の産業エンティティのうちの少なくとも1つのための自動化能力を開発および展開するロボットプロセスオートメーションシステムを含むことができる。さらに、適応型インテリジェンス層は、IIoTシステム内のデータの適応型プロトコル変換を促進するプロトコルアダプタのセットを含むことができる。適応型インテリジェンス層は、追加的または代替的に、エッジ計算リソースを適応させるエッジインテリジェンスシステムを含むことができる。例えば唯一、エッジインテリジェンスシステムは、様々な制約(速度、コストなど)に基づいて計算リソースが最適化された方法で利用されるように、エッジ計算リソースを適応させることができる。
適応型インテリジェンス層は、さらなる側面では、IIoTシステムにおけるネットワーク通信を適応させる適応型ネットワーキングシステムを含むことができる。他の態様では、適応型インテリジェンス層は、状態およびイベントデータに基づいてIIoTシステム内のプロセスを適応させる状態およびイベントマネージャのセットを含むことができる。機会マイニングシステム(これを含み、また本明細書では機会マイナーのセットと呼ぶことがある)もまた、適応型インテリジェンス層に含まれ得る。機会マイナーのセットは、IIoTシステムにおける自動化またはインテリジェンスの増加の機会を特定することができる。最後に、適応型インテリジェンス層は、IIoTシステムのプロセスを開発、改善、または適応させる人工知能システムのセットを含むことができる。
上述したように、ロボットプロセスオートメーションシステムは、IIoTシステム内の複数の産業エンティティのうちの少なくとも1つのための自動化能力を開発し、展開する。ロボットプロセスオートメーションシステムは、マルチアプリケーションIIoTアプリケーションプラットフォーム内のアプリケーションのそれぞれによって管理、制御、または媒介されるプロセス、ワークフローなどのそれぞれについて、そのような能力を開発することができる。さらに、ロボットプロセスオートメーションシステムは、アプリケーションの組み合わせに対してそのような能力を開発することができる。さらに、または代替として、ロボットプロセスオートメーションシステムは、エネルギー生産プロセス、製造プロセス、輸送プロセス、貯蔵プロセス、精製プロセス、蒸留プロセス、流体処理プロセス、エネルギー貯蔵プロセス、化学プロセス、石油化学プロセス、半導体プロセス、ガス生産プロセス、メンテナンスプロセス、サービスプロセス、修理プロセス、およびサプライチェーンプロセスを含むがこれらに限定されない、様々な産業プロセスのための自動化能力を開発および展開することができる。
ロボティックプロセスオートメーションシステムは、ソフトウェアインタラクション(例えば、様々なソフトウェアインタフェースを使用する作業者による)、ハードウェアインタラクション(例えば、機械、装置、ツールなどと実際にインタラクションしたり使用したりする作業者を見ることによる)、またはそれらの組み合わせを監視/モニタリングすることに基づいて、オートメーション能力を開発し、展開することができる。さらに、ロボティック・プロセス・オートメーション・システムは、IIoTプラットフォームから、またはIIoTプラットフォームについて収集、生成、またはその他の方法で得られたデータを利用して、その活動を支援することができる。
上で簡単に述べたように、プロトコルアダプタのセットは、IIoTシステム内のデータの適応型プロトコル変換を容易にする。例えば、プロトコルアダプタのセットは、適応的な飛行中データプロトコル変換、通信ネットワークプロトコル変換、およびリンク(ゲートウェイ、ルータ、スイッチなど)を容易にすることができる。いくつかの側面では、これには、ネイティブな記憶形式、処理形式、または通信システムのプロトコルに関係なく、データを移動、保存、および処理できるように、データ処理層のそれぞれ、および各産業環境のさまざまなコンポーネントおよびシステムによって使用される適切なプロトコルの認識が含まれる。いくつかの側面では、プロトコルアダプターのセットは、自己組織化することができる。自己組織化プロトコルアダプタは、通信ノード間の可能なインタフェースのセットから少なくとも1つのインタフェースを選択することにより、データの適応的な飛行中データプロトコル変換を促進することができる。代替的または追加的に、自己組織化プロトコルアダプタは、データに対して適切なプロトコルを選択することにより、データの適応型飛行中データプロトコル変換を促進し、いくつかの側面では、選択された適切なプロトコルに準拠するようにデータを変換することもできる。
上述したように、適応型インテリジェントシステム層は、データを利用してプラットフォーム内で自動化を強化する機会を特定する機会マイニングシステムを含むことができる。機会マイニングシステムは、プラットフォーム内で、また、IIoTシステムにおける自動化及び/又は知能の向上の機会を特定し、優先順位をつけるのに役立つ、一連の産業環境および産業実体の中で、それらについて、情報を収集するように構成することができる。機会マイニングシステムは、例えば、センサ(カメラやウェアラブルなど)または他のシステムを利用して、労働者のクラスターを時間別、種類別、場所別に観察し、労働集約的なエリアやプロセスを特定することができる。さらに、オポチュニティマイニングシステムは、所定のプロセスに関わる作業者のアイデンティティ、資格、経験を観察するなどして、行動を起こす、プログラムを使用する、機械を使用するなどのために必要なドメイン固有またはエンティティ固有の知識や専門知識の程度を特徴づけることができる。また、一部の実装では、オポチュニティマイニングシステムは、開発者が役立つ情報(専門家が何かをしている様子を示すビデオなど)を募集または指定し、指定された情報を提供することで対価/報酬を提供するシステムを含むことができる。
特定の局面では、適応型インテリジェントシステム層は、エッジの計算リソースを適応させるエッジインテリジェンスシステムを含むことができる。エッジインテリジェンスシステムは、デバイス上のストレージ、ローカルシステム、ネットワーク、およびクラウドの間で、データの保存場所や処理場所(例えば、Atの適用)を変化させるなどして、「エッジ」の計算、ストレージ、および処理を適応的に管理することができる。エッジインテリジェンスシステムは、所定のアプリケーション、デバイス、システムなどの目的のために、「エッジ」を構成するものを動的に定義することを可能にし、促進することができる。さらに、エッジインテリジェンスシステムは、サービス品質、レイテンシー要件、輻輳、コスト、その他の要因を考慮するなど、マルチアプリケーションを意識したエッジ計算の適応を可能にする。
他の局面では、産業エンティティ指向データストレージシステム層は、IIoTシステム内の複数の産業エンティティのうちの1つの特定の産業エンティティに関連付けられた、少なくとも1つのジオフェンス付き仮想資産タグを含むことができる。少なくとも1つのジオフェンス付き仮想資産タグは、1つの特定の産業用エンティティに関するエンティティデータを含み、1つの特定の産業用エンティティの近接性にリンクされたデータ構造で構成することができる。基本的に、ジオフェンス付き仮想資産タグは、タグが資産に物理的に配置されているかのようにアクセスを制限する。ジオフェンス内のIIoTデバイスは、リーダデバイスの存在を(質問信号の認識などによって)認識し、例えばプロトコルアダプターの助けを借りて、ジオフェンス付き仮想資産タグと通信するために使用することができる。さらに、いくつかの側面では、IIoTデバイスは、メンテナンス、修理、サービスのためのトランザクション履歴を含むエンチェインデータの検証(様々なコンセンサスプロトコルによるものなど)などのために、分散型ブロックチェーンノードとして機能することができる。ジオフェンス内のIIoTデバイスは、例えば、隣人が他の隣人を検証する構成で、固定資産の位置とアイデンティティを集合的に検証することができる。
図203を参照すると、産業用モノのインターネット(IIoT)システムにおけるインテリジェンスの開発を促進するためのプラットフォーム34900が図示されており、プラットフォーム34900の一部であるか、プラットフォーム34900と統合されているか、プラットフォーム34900にリンクされているか、またはプラットフォーム34900によって操作されている可能性がある産業用エンティティ34930のセットのインテリジェントな管理を可能にするために協調して動作するシステム、アプリケーション、プロセス、モジュール、サービス、レイヤ、デバイス、コンポーネント、機械、製品、サブシステム、インタフェース、接続、および他の要素のセットを含む。産業用エンティティ34930は、本開示全体または参照により本明細書に組み込まれた文書で言及されている多種多様な資産、システム、装置、機械、施設、個人、または他のエンティティのいずれかを含むことができ、例えば、以下に限定されないが、産業用機械34952およびそのコンポーネント(工場コンポーネント、発電機械、タービン、モータ、リアクター、流体処理システム、コンデンサー、ファン、ソフトウェアコンポーネント、ハードウェアコンポーネント、電気コンポーネント、物理コンポーネントなど。産業プロセス34950(電力生産プロセス、ソフトウェアプロセス(アプリケーション、プログラム、サービスなどを含む)、工場生産プロセス、製造プロセス(例.34950(電力生産プロセス、ソフトウェアプロセス(アプリケーション、プログラム、サービスなどを含む)、工場生産プロセス、製造プロセス(半導体製造プロセス、化学製造プロセス、石油製造プロセス、生物学的製造プロセスなど)、サービス・保守・修理プロセス、診断プロセス、セキュリティプロセス、安全プロセスなど)、ウェアラブル・ポータブルデバイス 34948(携帯電話、タブレット、産業用専用ポータブルデバイス、データコレクタ(モバイルデータコレクタを含む)、センサベースデバイス、時計、メガネ、ヒアラブル、ヘッドウォムデバイス、ウェア一体型デバイス、アームバンド、ブレスレット、ネックウォムデバイス、AR/VRデバイス、ヘッドフォンなど)、労働者 34944(工場の労働者。)、労働者34944(工場労働者、保守・サービス担当者、管理者、エンジニア、フロアマネージャー、倉庫労働者、検査員、給油担当者、マテリアルハンドリング担当者、プロセス監督者、セキュリティ担当者、安全担当者など)、ロボットシステム34942(物理的ロボット、協働ロボット(「コボット」)、ソフトウェアボットなど。)、および運転施設34940(電力生産施設、製油所、組立施設、製造施設、倉庫施設、プラント、工場、採掘施設、電力抽出施設、建設現場、探査現場、掘削現場、収穫現場など。これらの施設には、保管・倉庫施設IP138(在庫、部品、包装材、商品、製品、機械、設備などを保管するための施設)、輸送施設34934(商品、部品、機械、原材料などを移動させるための港、デポ、格納庫、輸送機器、車両、ドック、ローディングベイ、組立ラインなどの施設)、製造施設34932(さまざまな商品を製造、組立、精製、仕上げ、包装、その他の方法で生産するための施設)が含まれるが、これらに限定されるものではない。
実施形態では、プラットフォーム34900は、複数のデータ処理層34908を含むことができ、その各々は、多種多様な産業アプリケーションおよびエンドユースのためのインテリジェンス(自動化、機械学習、人工知能のアプリケーション、インテリジェントトランザクション、状態管理、イベント管理、およびプロセス管理を促進するためなど)の開発および展開を容易にする一連の機能を提供するように構成される。いくつかの実装では、データ処理層34908は、産業用監視システム層34906、産業用エンティティ指向データストレージシステム層34910(本明細書では、便宜上、単にデータストレージ層34910と呼ぶ場合もある)、適応型インテリジェントシステム層34904、および産業用管理アプリケーションプラットフォーム層34902を含む。データ処理層34908のそれぞれは、本明細書および参照により本明細書に組み込まれる文書にさらに記載されているように、様々なサービス、プログラム、アプリケーション、ワークフロー、システム、コンポーネントおよびモジュールを含むことができる。特定の実装では、データ処理層34908のそれぞれ(および任意に全体としてのプラットフォーム3490)は、その要素の1つ以上が、他の層34908または他のシステムによってサービスとしてアクセスできるように構成され、例えば、マイクロサービスアーキテクチャにおける一連のクラウドインフラストラクチャコンポーネント上に展開されたPlatform-as-a-Serviceとして構成される。例えば、データ処理層34908は、データ処理層34908とプラットフォーム3490の他の層、システムまたはサブシステムとの間でデータを交換することができるインタフェース34980(アプリケーションプログラミングインタフェース(API)、ブローカー、サービス、コネクタ、有線または無線の通信リンク、ポート、ヒューマンアクセス可能なインタフェース、ソフトウェアインタフェースなど)のセットを有していてもよく、また、他のシステム(例えば、産業エンティティ34930または外部システム、クラウドベースまたはオンプレミスのエンタープライズシステム(例えば、会計システム、リソース管理システム、顧客関係管理(CRM)システム、サプライチェーン管理システムなど)。データ処理層34908のそれぞれは、データ抽出、変換、およびロードのための設備、データクレンジングおよび重複排除のための設備、データ正規化のための設備、データ同期のための設備、データセキュリティのための設備、計算のための設備(例えば、データストリーム上で事前に定義された計算操作を実行し、出力ストリームを提供するための設備)、圧縮および非圧縮のための設備、および分析のための設備(例えば、データビジュアライゼーションの自動生産を提供するための設備)を含む、データ処理のための一連のサービス(例えば、マイクロサービス)を含むことができる。
様々な側面において、各データ処理層34908は、他のデータ処理層34908のそれぞれとのデータ交換を自動化するための一連のインタフェース34980(アプリケーションプログラミングインタフェースまたは「API」など)を有する。側面では、データハンドリング層34908は、産業用監視システム層34906によるプラットフォーム3490内の複数のアプリケーションおよび用途にわたる共有データの収集および配布を容易にするトポロジーで構成される。産業用監視システム層34906は、産業用エンティティ34930からまたは産業用エンティティ34930について収集されたデータ、ならびに、様々なデータ処理層34908またはそのサービス及び/又はコンポーネントからまたはそれらについて収集されたデータを収集および整理するための様々なデータ収集および管理システム34918(いくつかの態様では便宜上、データ収集システム34918と呼ばれる)を含むことができる。
例えば、工場フロアの作業者34944が着用するウェアラブルデバイスからの生理学的データのストリームは、産業監視システム層34906を介して、作業者の健康を監視することを容易にするアプリケーションや、運用効率を容易にするアプリケーションなど、産業管理アプリケーションプラットフォーム層34902の複数の異なるアプリケーションに配信することができる。側面では、産業監視システム層34906は、1つ以上の産業エンティティ34930に関して収集されるデータの整合(時間同期、正規化など)を容易にする。例えば、カメラ対応IoTデバイスのセットからなど、産業環境における作業者34944の収集された1つまたは複数のビデオストリームは、ビデオのセットの相対的なタイミングが、ビデオ内の画像、ビデオの異なるフレーム内の画像間の変化に基づいて動作する機械学習システムなど、ビデオを処理する可能性のあるシステムによって理解できるように、共通のクロックに整列されてもよい。このような例では、産業用監視システム層34906は、ウェアラブルデバイスからのデータのストリーム、産業用システム(オンボード診断システム、テレマティクスシステム、および様々な他のセンサなど)によって生成されるデータのストリーム、モバイルデータコレクタによって収集されるデータのストリーム、ならびに感知、生成、またはその他の方法で取得される他のデータまたはデータストリームなどの他のデータとビデオの集合をさらに整合させることができる。産業用監視システム層34906を、多くのアプリケーション間でアクセスされる共通プラットフォーム(またはマイクロサービスのセット)として構成することで、増加するIoTデバイスや、その制御下にある他のシステムやデバイスを監視するアプリケーションの増加するセットを持つために、企業が必要とする相互接続の数を劇的に減少させることができる。
側面では、データ処理層34908は、産業エンティティ指向データストレージシステム層34910(本明細書では便宜上、単にストレージ層34910と呼ばれる場合もある)によって、プラットフォーム3490の複数のアプリケーションおよび用途にわたって共有または共通のデータストレージを容易にするトポロジーで構成される。例えば、産業エンティティ34930について収集された様々なデータ、ならびに他のデータ処理層34908によって生成されたデータは、様々なデータ処理層34908のサービス、アプリケーション、プログラムなどのいずれもが共通のデータソースにアクセスできるように、産業エンティティ指向データストレージシステム層34910に格納されてもよい。これにより、プラットフォーム3490において、産業エンティティ34930によって、または産業エンティティ34930に関する膨大な量のデータを処理するために必要なデータストレージの量の劇的な削減が促進され得る。例えば、産業管理アプリケーションプラットフォーム層34902のサプライチェーン管理アプリケーション(交換部品を注文するためのものなど)は、機械が修理を必要とする可能性が高いかどうかを予測するために使用される予測メンテナンスアプリケーションと、機械のセットについてどの部品が交換されたかについての同じデータセットにアクセスすることができる。側面では、産業エンティティ指向データストレージシステム層34910は、エキスパートシステム、人工知能システム、ロボティックプロセスオートメーションシステム、機械学習システム、深層学習システム、教師付き学習システム、または本開示および参照により本明細書に組み込まれる文書全体で開示される他のインテリジェントシステムなどの、インテリジェンスシステムのための特徴または入力の抽出に使用できるデータの収集のための極めて豊富な環境を提供してもよい。その結果、産業管理アプリケーションプラットフォーム層34902の各アプリケーションと、適応型インテリジェントシステム層34904の各適応型インテリジェントシステムは、他の各アプリケーションによって、または他の各アプリケーションのために収集または生成されたデータから利益を得ることができる。
広範囲のデータタイプが、様々な記憶媒体およびデータ記憶タイプおよびフォーマットを使用して、ストレージ層34910に格納されてもよいが、これには以下が含まれる。アセットおよびファシリティデータ34920(アセットのアイデンティティデータ、運用データ、トランザクションデータ、イベントデータ、状態データ、ワークフローデータ、メンテナンスデータ、およびその他のデータを含む)、ワーカーデータ34922(アイデンティティデータ、ロールデータ、タスクデータ、ワークフローデータ、ヘルスデータ、パフォーマンスデータ、品質データ、およびその他のデータを含む)。イベントデータ34924(プロセスイベント、財務イベント、出力イベント、入力イベント、状態変化イベント、動作イベント、修理イベント、保守イベント、サービスイベント、損傷イベント、負傷イベント、交換イベント、給油イベント、充電イベント、供給イベントなどに関するデータを含む)、クレームデータ34954(事業中断保険、製造物責任保険、商品・施設・設備に対する保険、洪水保険、契約関連リスクに対する保険など、保険金請求に関するデータを含む。製造物責任、一般責任、労働者災害補償、傷害などの賠償請求に関するデータ、および供給契約履行請求、製品納入要件、保証請求、補償請求、エネルギー生産要件、納入要件、タイミング要件、マイルストーン、主要業績評価指標などの契約に関する請求データ。)生産データ34958(エネルギーインフラを維持する公益事業者や独立系サービス機関のデータベースにあるエネルギー生産に関連するデータ、製造業の生産物に関連するデータ、鉱業やエネルギー抽出施設、掘削やパイプライン施設の生産物に関連するデータなど)、およびサプライチェーンデータ34960(供給される品目、金額、価格、配送、ソース、ルート、税関情報、その他のサプライチェーンの側面に関連するデータなど)。
側面では、データ処理層34908は、共有適応能力を容易にするトポロジーで構成され、これは、便宜上、本明細書で適応知能層34904と呼ばれる適応知能システム層34904のサービス、コンポーネント、プログラム、システム、または能力のセットのうちの1つまたは複数によって提供、管理、媒介などされてもよい。適応型知能システム層34904は、本開示全体の他の場所でより詳細に説明されているデータ処理、人工知能、および計算システム34914のセットを含むことができる。このように、コンピューティングリソース(利用可能な処理コア、利用可能なサーバ、利用可能なエッジコンピューティングリソース、利用可能なオンデバイスリソース-単一デバイスまたはピアードネットワーク用、利用可能なクラウドインフラストラクチャなど)、データストレージリソース(デバイス上のローカルストレージ、産業エンティティ内または上のストレージリソースを含む)などの様々なリソースの使用は、適応的なインテリジェンスシステム層34904を構成する。環境(デバイス上のストレージ、アセットタグ上のストレージ、ローカルエリアネットワークストレージ)、ネットワークストレージリソース、クラウドベースのストレージリソース、データベースリソースなどを含む)、ネットワークリソース(セルラーネットワークスペクトル、ワイヤレスネットワークリソース、固定ネットワークリソースなどを含む)、エネルギーリソース(利用可能なバッテリー電力、利用可能な再生可能エネルギー、燃料、グリッドベースの電力など)は、複数のアプリケーション、プログラム、ワークフロー、または他のサービス/プロセスの利益のためなどに、オペレータ、企業、システム、アプリケーションなどに代わって、調整されたまたは共有された方法で最適化されてもよい。例えば、適応性のあるインテリジェンス層34904は、低遅延のリソースが遠隔制御に使用され、より長い遅延のリソースが分析アプリケーションに使用されるように、産業分析アプリケーションと産業遠隔制御アプリケーションの両方に対して利用可能なネットワークリソースを管理およびプロビジョニングすることができる。本開示および参照により本明細書に組み込まれる文書全体でより詳細に説明されるように、アプリケーション要件、サービス品質、予算、コスト、価格設定、リスク要因、運用目的、最適化パラメータ、投資収益率、収益性、およびアップタイム/ダウンタイムに基づくものを含む、様々な層34908にわたる様々なサービスおよび機能に代わって、多種多様な適応が提供されてもよい。
産業管理アプリケーションプラットフォーム層34902(本明細書では便宜上、いくつかの場合にアプリケーションプラットフォーム層34902と呼ばれる)は、オペレータが共通のアプリケーション環境で産業環境または産業エンティティ34930の複数の側面を管理することを可能にする、一連の産業プロセス、ワークフロー、アクティビティ、イベント、およびアプリケーション34912(文脈がそうでないことを示す場合を除き、個別に、および集合的に、アプリケーション34912と呼ばれる)を含んでもよい。共通のアプリケーション環境は、プラットフォーム34900が、データストレージ層34910の共通のデータストレージ、産業監視システム層34906の共通のデータ収集または監視、及び/又は適応型知能システム層34904の共通の適応型知能を利用することを可能にすることができる。アプリケーションプラットフォーム層34902のアプリケーション34912からの出力は、他のデータハンドリング層34908に提供されてもよい。これらは、限定されないが、様々なオブジェクト、エンティティ、プロセス、フローなどのための状態およびステータス情報、オブジェクト情報(様々なデータタイプの様々なクラスのオブジェクトのためのアイデンティティ、属性、およびパラメータ情報など)、タイミング情報を含むがこれに限定されないイベントおよび変更情報(ワークフロー、動的システム、プロセス、手順、プロトコル、およびアルゴリズムのためのものなど)を含んでもよい。結果情報(成功および失敗の表示、プロセスまたはマイルストーンの完了の表示、正しいまたは間違った予測の表示、正しいまたは間違ったラベリングまたは分類の表示、および歩留まり、エンゲージメント、投資収益率、収益性、効率性、適時性、サービスの質、製品の質、顧客満足度、およびその他の成功の測定に関連するものなどの成功指標など)。各アプリケーション34912からの出力は、データストレージ層34910に格納され、データ収集層34906による処理のために分配され、及び/又は適応型インテリジェンス層34904によって使用され得る。アプリケーションプラットフォーム層34902のアプリケーション横断的な性質は、このように、アプリケーション横断的な成果に関する機械学習を供給すること、他のアプリケーション(またはプラットフォーム3490の他の要素)からの成果に基づく機械学習を介して所定のアプリケーションの自動化のエンリッチメントを提供すること、およびアプリケーション開発者がプラットフォーム3490の他の能力の恩恵を受けながらアプリケーションネイティブなプロセスに集中することを可能にすることなど、任意のアプリケーションにインテリジェンスを追加するために必要なインフラストラクチャ要素のすべての便利な構成を容易にする。
図204を参照すると、図203のプラットフォーム34900の任意の実装の追加の詳細、コンポーネント、サブシステム、および他の要素が図示されている。産業管理アプリケーションプラットフォーム層34902は、様々な任意の実装において、アプリケーション、システム、ソリューション、インタフェース、またはサービスのセット(便宜上、本明細書では個別に、およびまとめてアプリケーション34912と呼ぶ)を含むことができ、これにより、産業エンティティ34930のオペレータまたは所有者、または他のユーザが、産業エンティティ34930の1つまたは複数の要素を管理、監視、制御、分析、またはその他の方法で対話することができる。アプリケーションのセット34912は、所有者、オペレータ、または他のユーザのための産業エンティティ、施設などの改善された運用を容易にする1つ以上の他のアプリケーション34912を含んでもよく、これには、ブロックチェーンベースの産業資産ライフサイクル管理アプリケーション35002、産業資産ライフサイクル管理アプリケーション35004、プロセス制御最適化アプリケーション35010,ビルディングオートメーションおよび制御アプリケーション35012、企業資産管理アプリケーション35014、クラウド/PaaS/SaaSソリューション35008、工場オペレーションの可視化およびインテリジェンス(FOVI)アプリケーション35018、自律型製造アプリケーション35020、スマートサプライチェーンアプリケーション35022、在庫品質管理アプリケーション35024、および産業分析アプリケーション35028である。
特定の態様では、産業管理アプリケーションプラットフォーム層34902及び/又は人工知能システム35048の1つまたは複数のアプリケーション34912は、産業エンティティ34930(保守または修理を必要とする可能性のある機械及び/又はプロセスなど)に関連する文書を提供し、産業エンティティ34930に関する診断を提供し、及び/又はサービス、更新、保守、交換、修理、または他の活動のための一連の推奨事項を提供する人工知能対応アシスタント35089を含むことができる。この人工知能対応アシスタント35089は、プラットフォーム34900および様々な共有マイクロサービスおよびレイヤの機能(人工知能および高度な分析を含む)を使用して、ダウンタイムおよびメンテナンス管理など、産業用エンティティ34930に関連する予防および予測タスクを可能にする、一連のソリューションまたはアプリケーション34912の一部とすることができる。
さらなる態様では、アプリケーション34912は、特に、車両、製造ロボット、タービン、採掘装置、エレベータ、変圧器、モータ、発電機、および他の機械またはそれらのコンポーネントなどの様々な資産または産業実体34930の故障のリスクを低減したり、性能を向上させたりするための、資産パフォーマンス管理ソリューション35091及び/又は企業資産管理アプリケーション35093を含むこともできる。そのようなソリューションは、データ収集システム34918および他のデータソースを使用して、物理的資産からほぼリアルタイムでデータを収集し、動作状態、プロセス状態、及び/又は故障状態に関する情報を提供するとともに、潜在的な問題を予測し、他の同様のタスクを行うことができる。側面では、サービス、メンテナンス、修理、更新、または交換のための推奨事項を提供することができ、これには、本開示および参照により組み込まれる文書全体を通して説明されるように、交換部品に関する推奨事項、手順情報、タイミングおよびスケジュール情報の識別、修理を引き受けることができる人員またはエンティティの識別、評価、および他の同様の情報が含まれる。
様々な実装では、アプリケーション34912は、エネルギー産業、製造産業、発電産業、および鉱業などの産業固有またはエンティティ固有のバージョンを含むことができる。他のエンティティ/産業が企図され、本開示の範囲内に入ることが理解されるべきである。業界固有またはエンティティ固有のバージョンによって収集、整理、コンパイル、生成、利用などされたデータは、業界固有のリスクモデル、特定のタイプの機械の性能および劣化に関するモデル、ならびに気象条件、運用条件、及び/又は市場条件などの外部データを含むことができる。
いくつかの実装では、エッジでの機械学習のためのハードウェアは、エッジベースのTensor Processing Unit(TPU)、システムオンモジュール(SOM)(Coral(登録商標)から入手可能な最近発表されたSOMなど)を実行するシングルボードコンピュータ、および既存のシステムに機械学習の推論をもたらすUSB接続またはその他のアクセサリデバイスの形をとることができる。
特定の態様では、適応型インテリジェントシステム層34904は、産業管理アプリケーションプラットフォーム層34902におけるアプリケーション34912の1つまたは複数を強化することができるものなど、インテリジェントシステムの調整された開発および展開を集合的に促進するシステム、コンポーネント、サービス、および他の能力のセットを含むことができる。適応性のあるインテリジェンスシステム層34904は、例えば、適応性のあるエッジコンピュート管理システム35030、ロボットプロセスオートメーションシステム35042、プロトコルアダプタ35602のセット、パケットアクセラレーションシステム35034、エッジインテリジェンスシステム35038、適応性のあるネットワーキングシステム35040、状態およびイベントマネージャ35044のセット、機会マイナー35046のセット、および人工知能システム35048のセットを含むことができるが、追加またはより少ない要素が可能である。
側面では、産業用監視システム層34906およびそのデータ収集システム34918は、データを収集するための広範囲のシステムを含むことができる。この層は、限定されるものではないが、リアルタイム監視システム35068(車載診断システムやテレマティクスシステムのような車載監視システム、監視インフラ(カメラ、モーションセンサ、周囲のセンサなど)、ならびにポータブルおよびモバイルデータコレクタのようなリムーバブルおよび交換可能な監視システムなど)、ソフトウェアインタラクション観測システム35050(ユーザのソフトウェアユーザインタフェースとのインタラクション(マウス移動、マウスクリック、カーソル移動、キーボードインタラクション、ナビゲーションアクション、視線移動、メニュー選択など)に関与するイベントをロギングおよびトラッキングするためのものなど。モバイルデータコレクタ35052(本明細書および参照により組み込まれる文書に記載されているようなもの)、視覚的品質検出システム35054(産業実体34930の材料、コンポーネント、機械、ハウジング、シール、ベアリング、およびその他多くの要素の視覚化を可能にするビデオおよびスチルイメージングシステム、LIDAR、IR、およびその他のシステムの使用、ならびにプロセス、作業員の活動などを監視する検査システムを含む)。イベントバス、通信ポート、その他の通信システムを介して診断コードやイベントを提供できる車載診断(OBD)およびテレマティクスシステム35070、物理的プロセス作業者と他の作業者、作業者と機械や装置などの物理的実体、物理的実体と他の物理的実体などの物理的相互作用を追跡するための観察システム35058(ビデオカメラ、モーション・センシング・システム(光学センサ、LIDAR、IRなどのセンサセットを含む)、ロボット・モーション・トラッキング・システム(人間や物理的実体に取り付けられたシステムの動きを追跡するなど)、機械状態監視システム35060(機械の状態、状態、動作パラメータ、または機械の状態の他の尺度のオンボード・モニタおよび外部モニタを含む)など。センサとカメラ 35062(オンボードのセンサ、産業環境のセンサ、環境全体を監視するカメラ、特定の機械、プロセス、作業者、その他の機能のための専用カメラ、ウェアラブルカメラ、ポータブルカメラ、モバイルロボットに配置されたカメラ、スマートフォンやタブレットなどのポータブルデバイスのカメラ、および本開示全体または参照により本明細書に組み込まれた文書に開示された多くのセンサタイプのいずれかを含む)。室内空気質監視システム35072(ケミカルノーズおよび他の化学物質センサセット、ならびに視覚センサを含む)、連続排出ガス監視システム35074、室内音監視システム35078、および本開示全体および本明細書に参照として組み込まれた文書に記載されているような、多種多様なモノのインターネット(IoT)データ収集装置のうちの任意の他のもの。
特定の実装では、および上述したように、産業エンティティ指向データストレージシステム層34910は、データのストレージのためのさまざまなシステムを含むことができる。これらは、限定されないが、物理ストレージシステム、仮想ストレージシステム、ローカルストレージシステム35092、分散ストレージシステム、データベース、メモリ、ネットワークベースのストレージ、およびネットワークアタッチドストレージシステム35082(Non-Volatile Memory Express(「NVMe」)、ストレージアタッチドネットワーク、および他のネットワークストレージシステムを使用するなど)を含むことができる。さらにまたは代替として、ストレージ層34910は、有向非環状グラフ、データマップ、データ階層、または自己組織化マップなどの、1つまたは複数のナレッジグラフ35080にデータを格納してもよい。さらに、データ記憶層34910は、本明細書に記載されたエンティティのいずれかを含む、産業エンティティ34930の経時的な記録を維持するためなど、産業デジタルスレッド35084にデータを記憶してもよい。本明細書でさらに説明するように、データストレージ層34910は、仮想資産タグ35088を使用して有効にしてもよく、この仮想資産タグは、資産に関連付けられ、アクセス制御を使用するなどして、タグが資産上に物理的に配置されているかのようにアクセスおよび管理されるデータ構造を含んでもよく、これにより、データの保存および検索は、任意にローカルプロセスにリンクされるが、任意にリモート検索および保存オプションにも開かれる。実施形態では、ストレージ層34910は、役割ベースであってもよいし、産業エンティティ34930、サービス、または1つ以上のアプリケーション34912に関連付けられた資格情報に基づいてもよいアクセス制御を用いて、アイデンティティデータ、トランザクションデータ、履歴のインタラクションデータ、およびその他のデータを格納するものなど、1つ以上のブロックチェーン35090を含んでもよい。
図205をさらに参照すると、適応型インテリジェンスシステム層34904は、様々な産業エンティティ34930、環境、およびアプリケーション34912のための自動化能力の開発および展開のためのコンポーネント、プロセス、サービス、インタフェース、および他の要素のセットを含むロボットプロセス自動化(「RPA」)システム35042を含んでもよい。限定されないが、ロボットプロセス自動化システム35042は、アプリケーションプラットフォーム層34902のアプリケーション34912のセットのそれぞれによって管理、制御、または仲介されるプロセスのそれぞれに自動化機能を適用してもよい。
側面では、ロボットプロセスオートメーションシステム35042は、産業管理アプリケーションプラットフォーム層34902内の複数のアプリケーション34912の存在を活用して、アプリケーションのペアが、産業エンティティ34930に関して収集されたデータソース(データストレージ層34910など)および他の入力(産業監視システム層34906からなど)を共有し、出力(イベント、状態情報、および他のデータなど)を共有することができる。状態情報、および他のデータなど)を共有することができ、これらは集合的に、人工知能システム35048(本開示全体および参照により組み込まれた文書に記載されている様々なエキスパートシステム、人工知能システム、ニューラルネットワーク、教師付き学習システム、機械学習システム、深層学習システム、および他のシステムのいずれかを含む)の使用を含む、プロセス自動化のためのはるかに豊かな環境を提供することができる。
例えば、在庫品質管理アプリケーション35024は、通常は人間によって実行または監督される検査プロセスの自動化のためにロボットプロセス自動化システム35042を使用することができる。このプロセスは、実体34930の画像を表示するカメラまたは他の撮像装置からのビデオまたは静止画像を使用した視覚的検査を含み得るが、例えば、ロボットプロセスオートメーション35042システムは、アイテムの可能性のある欠陥を識別、診断、測定、パラメータ化、またはその他の方法で特徴付けるために使用されるインタフェースと一組の人間の検査員または監督者の相互作用を観察することによって検査を自動化するように訓練される。側面では、人間の検査員や監督者のやり取りには、ラベルやタグが欠陥の種類やその他の特性を示すラベル付きデータセットが含まれており、機械学習システムがトレーニングデータセットを使用して同じ特性を識別できるようになっている。同じ特性の識別は、今度は、欠陥が自動的に分類され、ビデオまたは静止画像のセットで検出されるような視覚的品質検出プロセスを自動化するために使用することができ、次に、在庫品質管理アプリケーション35024内で使用して、不合格にすべき、またはさらなる検査が必要な在庫アイテムにフラグを付けることができる。特定の実装では、ロボティック・プロセス・オートメーション・システム35042は、入力、データ構造、データソース、イベント、状態、出力、または結果のマルチアプリケーションまたはクロスアプリケーションの共有を含むことができる。例えば、在庫品質アプリケーション35042は、在庫品質管理アプリケーション35042のロボットプロセス自動化システム35042によるロボットプロセス自動化を豊かにするために、スマートサプライチェーンアプリケーション35022から情報を受信してもよく、例えば、特定のベンダーからの製品または他のアイテムの予想される特性に関する情報であり、これは、目視検査プロセスにおける偽陽性または偽陰性の低減を支援してもよい。アプリケーション34912を横断するロボティック・プロセス・オートメーション35042のマルチアプリケーションまたはクロスアプリケーションの共有のこれらおよび他の多くの例は、本開示に包含される。
様々な実装において、ロボットプロセスオートメーションシステム35042は、産業管理アプリケーションプラットフォーム層34902のアプリケーション34912の様々な組の間で共有または収束されたプロセスで動作してもよく、例えば、限定されないが、工場運営ビジュアルインテリジェンス(FOVI)システム35018およびプロセス制御最適化(PCO)システム35010を含む収束されたプロセス、およびブロックチェーンベースの産業資産ライフサイクル管理アプリケーション35002とスマートサプライチェーンアプリケーション35022との統合された自動化のようなプロセスである。他の例は、本開示によって企図されている。
特定の態様では、収束プロセスは、ブロックチェーン上の同じトランザクションを追跡するが、ブロックチェーンに維持されているデータオブジェクトの利用可能な属性の異なるサブセットを消費する可能性があるもの、または共通のナレッジグラフのノードおよびリンクのセットを使用するものを含む、複数のアプリケーション34912のための共有データ構造を含んでもよい。例えば、産業エンティティ34930の所有権の変更を示すトランザクションは、ブロックチェーンに格納され、ロールベースのアクセス制御、リモートコントロールのためのロールベースの許可、アイデンティティベースのイベント報告、および他の機能を有効にするなど、複数のアプリケーション34912によって使用されてもよい。側面では、収束したプロセスは、サブセットを含む、アプリケーション34912にわたる共有プロセスフローを含んでもよい。
一連のアプリケーション34912の1つまたは複数に関与する、より大きなフローの。例えば、エンティティ34930に関する目視検査フローは、在庫品質管理アプリケーション35024、産業分析アプリケーション35028、企業資産管理アプリケーション35014などに役立つ可能性がある。
一連のアプリケーション34912の1つまたは複数に関与する、より大きなフローの。例えば、エンティティ34930に関する目視検査フローは、在庫品質管理アプリケーション35024、産業分析アプリケーション35028、企業資産管理アプリケーション35014などに役立つ可能性がある。
実施形態では、RPAシステム35042は、エネルギー生産、製造、輸送、貯蔵、精製、蒸留、流体処理、エネルギー貯蔵、化学プロセス、石油化学プロセス、半導体プロセス、ガス生産プロセス、メンテナンスプロセス、サービスプロセス、修理プロセス、サプライチェーンプロセス、組立ラインプロセス、検査プロセス、売買プロセス、故障検出プロセス、電力利用最適化プロセスなど、本開示および参照により本明細書に組み込まれた文書全体で言及されている広範囲の産業プロセスに対して、ロボットによるプロセスオートメーションを提供することができる。
ロボティック・プロセス・オートメーションの開発のための環境は、開発者が人工知能システム35048を構成して、データストレージ層34910の選択されたデータソースから入力を取り、産業用監視システム層34906からイベントまたは他のデータを取り、ニューラルネットワークなどに、分類または予測のための入力として、成果として、または他の目的のために、RPAシステム35042に供給するように、開発者のための一連のインタフェースを含んでもよい。RPAシステム35042は、様々なアプリケーション34912から1つまたは複数のプロセスおよびアプリケーションの出力および成果34928を取得して、自動化されることが意図されているプロセスに関与する分類、予測、または他の活動の自動化された学習および改善を促進するように構成されてもよい。
側面では、開発環境、およびRPAシステム35042によって実行される結果としてのロボティック・プロセス・オートメーションは、産業エンティティ34930を含むアプリケーション34912の様々なソフトウェアインタフェースと相互作用する作業者を観察することによるなどのソフトウェアプログラム相互作用観測(例えば、ソフトウェア相互作用観測システム35050から受信)と、機械、装置、ツール、または他のコンポーネントと相互作用する、またはそれらを使用する作業者を観察することによるなどの物理プロセス相互作用観測(例えば、物理プロセス観測システム35058から受信)との両方の組み合わせを監視することを含んでもよい。様々な実装において、ソフトウェア相互作用観測システム35050によるソフトウェア相互作用の観測は、あるアプリケーション34912がAPIを介して別のアプリケーション34912とどのように相互作用するかなど、ソフトウェアコンポーネント間の他のソフトウェアコンポーネントとの相互作用の観測を含んでもよい。特定の態様において、物理プロセス観測システム35058による物理プロセス相互作用の観測は、産業エンティティ34930及び/又はその個々の要素の間の様々な物理的相互作用の検出だけでなく、(ビデオカメラ、モーション検出器、または他のセンサによるなどの)観測を含んでもよい。例えば、そのような物理的相互作用は、ハードウェア(ロボットハードウェアなど)の位置、動きなどの観察/検出、人間の作業者が産業エンティティ34930とどのように相互作用するか(施設内を通るルートを含む作業者の位置、所定の種類の作業者が所定の一連のイベント、プロセスなどの間にどこに位置するか、作業者が様々なツールや物理的インタフェースを使用して機器の一部や他のアイテムをどのように操作するか、様々なイベントに関する作業者の応答のタイミング(例えば、アラートや警告に対する応答)など)を制限なく含むことができる。作業者が予定された保守、更新、修理、およびサービスプロセスを行う手順、作業者が生産に関わるアイテムを調整する手順など)。)物理プロセス観測システム35058は、作業者がハードウェア(ツールなど)を操作する際の、作業者の位置、角度、力、速度、加速度、圧力、トルクなどの特性を追跡してもよい。このような観測は、ビデオデータ、機械内で検出されたデータ(位置検出器によって検出および報告された機械の要素の位置など)、ウェアラブルデバイスによって収集されたデータ(訓練データセットを開発する目的で人間の作業者とハードウェアアイテムとの相互作用の物理的特性を検出するように構成された、位置検出器、力検出器、トルク検出器、及び/又は他のセンサを含む外骨格など)の任意の組み合わせによって得られてもよい。ソフトウェア相互作用観測(例えば、ソフトウェア相互作用観測システム35050を用いて)および物理プロセス相互作用観測(例えば、物理プロセス観測システム35058を用いて)の両方を収集することにより、RPAシステム35042は、物理的ロボットと組み合わせてソフトウェア自動化を使用するなどして、産業実体34930を含むプロセスをより包括的に自動化することができる。
様々な実装では、RPAシステム35042は、人間が従来実行しているタスクを引き受けることを容易にするハードウェア要素を有する一連の物理的ロボットを訓練するように構成される。これらは、他の活動の中でも、歩く(階段の上り下りを含む)、登る(はしごを登るなど)、施設内を移動する、アイテムに取り付ける、アイテムを握る(ロボットアーム、ハンド、ペンチなどを使用するなど)、アイテムを持ち上げる、アイテムを運ぶ、アイテムを取り外す、交換する、およびツールを使用するロボットを含むことができる。
図206を参照すると、機会マイニングシステム35046が、適応型インテリジェンス層34904の一部として提供されてもよい。機会マイニングシステム35046は、プラットフォーム3490のシステム、サブシステム、コンポーネント、アプリケーション、または他の側面の1つ以上、またはプラットフォーム3490が相互に作用する他のシステム、アプリケーションなどへの人工知能システム35048、自動化(ロボティック・プロセス・オートメーションを含む、例えば、ロボティック・プロセス・オートメーション・システム35046などを介した)などの追加を介して、プラットフォーム3490の要素の1つ以上を改善する機会を求め、推奨するように構成される。側面では、機会採掘器35046は、より良いソリューションのための機会を見つけ、既存のソリューションを最適化するために、AIまたはRPAソリューションの開発者によって構成または使用されてもよい。特定の実装では、機会採掘システム35046は、プラットフォーム3490内で情報を収集し、一組の産業環境およびエンティティ34930内で、それらについて、およびそれらのために情報を収集する一組のシステムを含んでもよく、収集された情報は、自動化及び/又は知能の向上のための機会を特定し、優先順位をつけるのに役立つ可能性がある。例えば、機会マイニングシステム35046は、カメラ、ウェアラブル、または他のセンサを使用するなどして、時間別、種類別、および場所別に労働者のクラスタを観察するシステムを含み、一連の産業環境における労働集約的な領域およびプロセスを特定してもよい。これらは、労働活動の多い場所を示すために、ランク付けされたリストや優先順位付けされたリストなどで提示したり、可視化(環境の地図上で作業者の滞留時間を示すヒートマップや、環境内で作業者が移動するルートを示すヒートマップなど)したりしてもよい。様々な実装において、産業分析アプリケーション35028は、省力化の目的でどの環境または活動が自動化から最も恩恵を受けるかを特定するために使用されてもよい。
追加または代替の実装では、機会マイニングシステム35046は、例えば、所定のプロセスに関与する作業者のアイデンティティ、資格、経験、及び/又は他の特性を観察することによって、動作を行う、プログラムを使用する、機械を使用する、またはプロセスで任意のタスクを実行するために必要なドメイン固有またはエンティティ固有の知識または専門知識の程度を特徴付けるシステムを含むことができる。これは、非常に経験豊富な作業者が関与する状況(大型または複雑な機械の保守または再構築プロセス、または効果的な作業のために蓄積された経験が必要とされる複雑なプロセスの微調整など)において、特に、それらの作業者の人口が不足している可能性がある(退職または同じ資格を有する新しい作業者の供給が減少しているなど)場合に、特に有益である。したがって、機会マイニングシステム35046は、産業分析アプリケーション35028(RPAなどの自動化の開発を優先するためなど)に、産業エンティティ34930のまたは産業エンティティ34930に関するどのプロセスが、特定の一連の経験または資格を有する労働者(希少であるかまたは減少している経験または資格を有するものなど)に最も集中的に依存しているかを示すデータを収集して供給してもよい。機会マイニングシステム35046は、例えば、作業者の年齢、資格、及び/又は経験に関する集約されたデータ(トレンド情報を含む)を(プロセスタイプ別を含む)、それらの作業者が関与するプロセスに関するデータ(タイプ別に作業者の場所を追跡することによる、作業者タイプ別にプロセスに費やされた時間を追跡することによる、またはその他)と相関させてもよい。高価値の自動化機会のセットは、ランキングセットに基づいて自動的に推奨される場合がある。例えば、不足している、または不足することが予想される労働者に対するプロセスのセットの相対的な依存度に少なくとも部分的に基づいて機会を重み付けするランキングセットなどである。
様々な態様において、機会マイニングシステム35046は、例えば、様々な労働者の給与(個人としてまたは種類別に)を示す人事データベース情報、サービス労働者または他の請負業者が請求する料金に関する情報、または他の形式のコストデータを含む労働者データ34922にアクセスすることによって、一連のプロセスに関与する労働者のコストに関連する情報を使用してもよい。機会マイニングシステム35046は、産業分析アプリケーション35028がどのプロセスが最も高価な労働者の最も多くの時間を占めているかを特定できるようにするなど、プロセス追跡情報との相関のために、そのようなコスト情報を提供してもよい。これは、産業環境において、または産業エンティティ34930に関して、どの場所、ルート、またはプロセスが労働者の最も高価な時間に関与しているかを示すヒートマップなどによる、そのようなプロセスの視覚化を含んでもよい。機会マイニングシステム35046は、どの領域がさらなる自動化または人工知能の展開から最も恩恵を受ける可能性が高いかを開発者に示す、ランク付けされたリスト、重み付けされたリスト、または他の形式のデータセットを供給してもよい。
特定の態様では、機会マイニングシステム35046は、労働集約的なプロセスを含む領域について人事データベース及び/又は他の労働追跡データベースを検索することによって、RPAの機会について産業環境を「マイニング」してもよい。例えば、機会マイニングシステム35046は、労働者の資格が自動化の比較的高い可能性を示す領域をシステムで検索してもよく、労働者のクラスタを(例えば、ウェアラブルデバイスまたは他のセンサを介して)追跡して労働集約的な機械またはプロセスを見つけてもよく、及び/又は労働者のクラスタを(例えば、ウェアラブルデバイスまたは他のセンサを介して)労働者のタイプ別に追跡して労働集約的なプロセスを見つけてもよい。
機会マイニングシステム35046は、プロセスの自動化を促進するために使用することができる適切なトレーニングデータセットを勧誘するための設備を含むことができる。特定の種類のデータまたは他の入力は、利用可能であれば、複雑なタスクを実行する非常に経験豊富な及び/又は高度に専門的な労働者を捕捉するビデオデータセットなど、自動化に非常に高い価値を提供することができる。したがって、機会マイニングシステム35046は、本明細書に記載されているように、そのようなビデオデータセットを検索することができる。そのようなデータの検索に成功しなかった場合、または利用可能なデータを補完するために、プラットフォーム34900は、開発者などのユーザが、ソフトウェアインタラクションデータ(例えば、特定のタスクを実行するためにプログラムで作業している専門家のデータ)、ビデオデータ(特定の種類の修理を実行している一連の専門家、機械を再構築している専門家、特定の種類の複雑なプロセスを最適化している専門家、または同様のものを示すビデオなど)、及び/又は物理的プロセス観察データ(ビデオまたは他の種類のセンサデータなど)などの所望のタイプのデータを指定することができるシステムを含んでもよい。
プラットフォーム3490は、要求されたタイプのデータを提供する当事者に何らかの形の対価(金銭的報酬、トークン、暗号通貨、ライセンスまたは権利、収益共有、またはその他の対価)を提供するなどして、そのようなデータを募るために使用されてもよい。報酬は、既存のデータを提供した当事者、及び/又は、プロセスのビデオ撮影など、専門家のインタラクションをキャプチャするための手順を実施した当事者に提供される場合がある。指定、勧誘、および報酬に応答してキャプチャされたインタラクションの結果としてのライブラリは、様々なアプリケーション34912、適応型知能システム層34904の要素、および他のプロセスおよびシステムによって消費されるように、データストレージ層34910にデータセットとしてキャプチャされてもよい。側面では、ライブラリは、他の用途の中でも、手順またはプロトコルに従った一連のステップを提供することによって、手順またはプロトコルを自動化の候補であるサブステップに分解することによってなど、ビデオ内の指示に従うことができる自動化マップの開発を容易にするために、指示ビデオとして特別に開発されたビデオを含んでもよい。例えば、このような指示ビデオは、自然言語処理によって処理されてもよく、例えば、プロセスの自動化の開発を支援するマップ、グラフ、またはプロセスの他のモデルを促進するために開発者が使用できるラベル付き指示のシーケンスを自動的に開発することができる。側面では、指定されたトレーニングデータセットのセットが、学習の入力として動作するように構成されてもよい。例えばのみ、トレーニングデータは、プラットフォーム34900内の他のデータ(アプリケーション34912からの出力および成果、産業エンティティ34930の出力および成果など)と時間的に同期させて、プロセスの所定のビデオをそれらの出力および成果に関連付けることができ、それによって、キャプチャされたプロセスについて発生した成果に敏感な学習のフィードバックを可能にすることができる。
図206を参照すると、一連の機会鉱夫35046が、適応性のあるインテリジェンス層34904の一部として提供されてもよく、これは、人工知能35048、自動化(ロボティック・プロセス・オートメーション35046を含む)などをプラットフォーム100のシステム、サブシステム、コンポーネント、アプリケーションなどの1つまたは複数に追加するなどして、プラットフォーム34900の1つまたは複数の要素を改善する機会を求め、推奨するように構成されてもよい。実施形態において、オポチュニティマイナー35046は、より良いソリューションのための機会を見つけ、既存のソリューションを最適化するために、AIまたはRPAソリューションの開発者によって構成または使用されてもよい。実施形態では、機会鉱夫35046は、プラットフォーム100内の情報を収集し、一組の産業環境およびエンティティ34930内で、それらについて、およびそれらのための情報を収集するシステムのs組を含んでもよく、収集された情報は、自動化及び/又は知能の向上のための機会の特定および優先順位付けに役立つ可能性がある。例えば、機会採掘者35046は、一連の産業環境において労働集約的な領域およびプロセスを特定するために、カメラ、ウェアラブル、または他のセンサを使用するなどして、時間別、種類別、および場所別に労働者のクラスタを観察するシステムを含んでもよい。これらは、労働活動が多い場所を示すために、ランク付けされたリストや優先順位付けされたリスト、または視覚化(環境の地図上で労働者の滞留時間を示すヒートマップや、環境内で労働者が移動したルートを示すヒートマップなど)などで提示されてもよい。実施形態では、アナリティクス35028を使用して、省力化の目的でどの環境または活動が自動化から最も恩恵を受けるかを特定することができる。
実施形態では、オポチュニティマイナ35046は、所定のプロセスに関与する作業者のアイデンティティ、資格、および経験を観察するなどして、動作を行う、プログラムを使用する、機械を使用するなどのために必要なドメイン固有またはエンティティ固有の知識または専門知識の程度を特徴付けるシステムを含むことができる。これは、非常に経験豊富な作業者が関与している状況(大型または複雑な機械のメンテナンスや再構築プロセス、または効果的な作業のために蓄積された経験が必要とされる複雑なプロセスの微調整など)において、特にそれらの作業者の人口が不足している可能性がある(退職や、同じ資格を持つ新しい作業者の供給が減少しているなど)場合に、特に有益である。したがって、一連の機会鉱夫35046は、自動化35042の開発に優先順位をつけるためなどに、産業エンティティ34930のまたはそれに関するどのプロセスが、以下の資格を有する労働者に最も集中的に依存しているかを示すデータを収集し、分析ソリューション35028に供給してもよい。
また、特定の経験や資格のセット、例えば、不足している、または減少している経験や資格を持っている人などもいる。オポチュニティマイナー35046は、例えば、作業者の年齢、資格、経験(プロセスタイプ別を含む)に関する集約されたデータ(トレンド情報を含む)を、それらの作業者が関与するプロセスに関するデータ(タイプ別に作業者の場所を追跡すること、作業者のタイプ別にプロセスに費やされた時間を追跡することなど)と相関させてもよい。高価値の自動化機会のセットは、ランキングセットに基づいて自動的に推奨される場合がある。例えば、不足しているか、より不足すると予想される労働者に対するプロセスのセットの相対的な依存度に少なくとも部分的に基づいて機会を重み付けするものなどである。
また、特定の経験や資格のセット、例えば、不足している、または減少している経験や資格を持っている人などもいる。オポチュニティマイナー35046は、例えば、作業者の年齢、資格、経験(プロセスタイプ別を含む)に関する集約されたデータ(トレンド情報を含む)を、それらの作業者が関与するプロセスに関するデータ(タイプ別に作業者の場所を追跡すること、作業者のタイプ別にプロセスに費やされた時間を追跡することなど)と相関させてもよい。高価値の自動化機会のセットは、ランキングセットに基づいて自動的に推奨される場合がある。例えば、不足しているか、より不足すると予想される労働者に対するプロセスのセットの相対的な依存度に少なくとも部分的に基づいて機会を重み付けするものなどである。
実施形態では、一連の機会マイナー35046は、様々な労働者の給与(個人としてまたは種類別のいずれか)を示す人事データベース情報、サービス労働者または他の請負業者が請求する料金に関する情報などを含む労働者データ34922にアクセスすることなどにより、一連のプロセスに関与する労働者のコストに関連する情報を使用してもよい。機会鉱夫35046は、分析ソリューション35028が、最も高価な労働者の最も多くの時間を占めているプロセスを特定できるようにするなど、プロセス追跡情報との相関のために、そのようなコスト情報を提供してもよい。これは、産業環境において、または産業エンティティ34930に関して、どの場所、ルート、またはプロセスが労働者の最も高価な時間を巻き込んでいるかを示すヒートマップによるなど、そのようなプロセスの視覚化を含んでもよい。機会鉱夫35046は、どの領域がさらなる自動化または人工知能の展開から最も恩恵を受ける可能性が高いかを示すランク付けされたリスト、重み付けされたリスト、または他のデータセットを開発者に供給してもよい。
実施形態では、ロボティック・プロセス・オートメーションの機会のために産業環境をマイニングすることは、HRデータベース及び/又は他の労働追跡データベースを、労働集約的なプロセスを含む領域について検索すること、自動化の可能性を示す労働者の資格情報がある領域をシステムで検索すること、労働集約的な機械またはプロセスを見つけるためにウェアラブルによって労働者のクラスタを追跡すること、労働集約的なプロセスを見つけるためにウェアラブルによって労働者のタイプによって労働者のクラスタを追跡すること、などを含むことができる。
実施形態では、機会マイニングは、プロセスの自動化を促進するために使用される可能性のある適切なトレーニングデータセットを勧誘するための設備を含むことができる。例えば、ある種の入力は、利用可能であれば、自動化にとって非常に高い価値を提供するであろう。例えば、複雑なタスクを実行している非常に経験豊富な及び/又は高度に専門的な労働者を捉えたビデオデータセットなどである。オポチュニティマイナー35046は、そのようなビデオを探すことができる。
しかし、成功しなかった場合(または利用可能なデータを補完するために)、プラットフォームは、開発者などのユーザが、ソフトウェアインタラクションデータ(特定のタスクを実行するためにプログラムで作業する専門家のデータなど)、ビデオデータ(特定の種類の修理を実行する専門家のセット、機械を再構築する専門家、特定の種類の複雑なプロセスを最適化する専門家などを示すビデオなど)、物理的なプロセスの観察データ(ビデオ、センサデータなど)など、所望の種類のデータを指定することができるシステムを含んでいてもよい。本仕様書は、要求されたタイプのデータを提供する当事者に何らかの形の対価(例えば、金銭的報酬、トークン、暗号通貨、ライセンスまたは権利、レベニューシェア、その他の対価)を提供するなどして、そのようなデータを勧誘するために使用されてもよい。報酬は、既存のデータを提供した当事者、及び/又は、プロセスのビデオ撮影など、専門家のインタラクションをキャプチャするための手順を実施した当事者に提供される場合がある。指定、勧誘、および報酬に応じてキャプチャされたインタラクションの結果としてのライブラリは、様々なアプリケーション34912、適応型知能システム34904、および他のプロセスおよびシステムによる消費のためなどに、データストレージ層34910にデータセットとしてキャプチャされてもよい。実施形態において、ライブラリは、手順またはプロトコルに従った一連のステップを提供すること、手順またはプロトコルを自動化の候補であるサブステップに分解することなど、ビデオ内の指示に従うことができる自動化マップの開発を容易にするためなど、指示ビデオとして特別に開発されたビデオを含んでもよい。実施形態では、このような動画は、自然言語処理によって処理されてもよく、例えば、プロセスの自動化の開発を支援するマップ、グラフ、またはプロセスの他のモデルを促進するために開発者が使用することができるラベル付き命令のシーケンスを自動的に開発する。実施形態では、学習データセットの指定されたセットが、学習の入力として動作するように構成されてもよい。そのような場合、トレーニングデータは、アプリケーション34912からの出力および成果、産業エンティティ34930の出力および成果など、プラットフォーム34900内の他のデータと時間的に同期させて、プロセスの所与のビデオをそれらの出力および成果に関連付けることができ、それによって、(ビデオ上で、またはソフトウェアの相互作用もしくは物理的なプロセスの相互作用の観察を通じてなど)キャプチャされた所与のプロセスのときに発生した成果に敏感な学習のフィードバックを可能にすることができる。
しかし、成功しなかった場合(または利用可能なデータを補完するために)、プラットフォームは、開発者などのユーザが、ソフトウェアインタラクションデータ(特定のタスクを実行するためにプログラムで作業する専門家のデータなど)、ビデオデータ(特定の種類の修理を実行する専門家のセット、機械を再構築する専門家、特定の種類の複雑なプロセスを最適化する専門家などを示すビデオなど)、物理的なプロセスの観察データ(ビデオ、センサデータなど)など、所望の種類のデータを指定することができるシステムを含んでいてもよい。本仕様書は、要求されたタイプのデータを提供する当事者に何らかの形の対価(例えば、金銭的報酬、トークン、暗号通貨、ライセンスまたは権利、レベニューシェア、その他の対価)を提供するなどして、そのようなデータを勧誘するために使用されてもよい。報酬は、既存のデータを提供した当事者、及び/又は、プロセスのビデオ撮影など、専門家のインタラクションをキャプチャするための手順を実施した当事者に提供される場合がある。指定、勧誘、および報酬に応じてキャプチャされたインタラクションの結果としてのライブラリは、様々なアプリケーション34912、適応型知能システム34904、および他のプロセスおよびシステムによる消費のためなどに、データストレージ層34910にデータセットとしてキャプチャされてもよい。実施形態において、ライブラリは、手順またはプロトコルに従った一連のステップを提供すること、手順またはプロトコルを自動化の候補であるサブステップに分解することなど、ビデオ内の指示に従うことができる自動化マップの開発を容易にするためなど、指示ビデオとして特別に開発されたビデオを含んでもよい。実施形態では、このような動画は、自然言語処理によって処理されてもよく、例えば、プロセスの自動化の開発を支援するマップ、グラフ、またはプロセスの他のモデルを促進するために開発者が使用することができるラベル付き命令のシーケンスを自動的に開発する。実施形態では、学習データセットの指定されたセットが、学習の入力として動作するように構成されてもよい。そのような場合、トレーニングデータは、アプリケーション34912からの出力および成果、産業エンティティ34930の出力および成果など、プラットフォーム34900内の他のデータと時間的に同期させて、プロセスの所与のビデオをそれらの出力および成果に関連付けることができ、それによって、(ビデオ上で、またはソフトウェアの相互作用もしくは物理的なプロセスの相互作用の観察を通じてなど)キャプチャされた所与のプロセスのときに発生した成果に敏感な学習のフィードバックを可能にすることができる。
本明細書の他の箇所および参照により組み込まれた文書に記載されているように、人工知能(本開示全体に記載されている技術またはシステムのいずれかなど)は、様々な産業実体34930、機能およびアプリケーションに関連して、特に以下のことを促進するために使用することができる。(a)様々な機能、ワークフロー、アプリケーション、機能、リソース利用などの最適化、自動化、及び/又は制御、(b)様々な状態、エンティティ、パターン、イベント、コンテキスト、行動、またはその他の要素の認識または診断、及び/又は(c)様々な状態、イベント、コンテキスト、またはその他の要素の予測。人工知能の向上に伴い、様々な分野に特化した人工知能システムや一般的な人工知能システムが利用できるようになり、今後も増殖していくと考えられる。開発者は、産業事業体34930に関連するものや、本開示全体に記載されているプラットフォーム34902の様々なアプリケーションなど、ドメイン固有の問題に対する解決策を求めるとき、人工知能モデルの選択(どのようなニューラルネットワーク、機械学習システム、エキスパートシステムなどのセットを選択するかなど)や、与えられた問題に対して人工知能の効果的かつ効率的な使用を可能にする可能性のある入力を発見して選択する際の課題に直面する。上述したように、オポチュニティマイナー35046は、自動化と知能の向上のための機会の発見を支援することができる。しかし、いったん機会が発見されると、人工知能ソリューションの選択と構成は依然として大きな課題であり、この課題は人工知能ソリューションが増殖するにつれて成長し続ける可能性が高い。
これらの課題に対する解決策の1つのセットは、ドメイン及び/又はドメインに関連する問題の1つまたは複数の属性に基づいて、人工知能システムの関連するセットの収集、整理、推奨、および提示を可能にするように構成された人工知能ストアFMRP104である。実施形態では、人工知能ストアFMRP104は、関連する人工知能アプリケーションのダウンロード、人工知能システムへのリンクまたは他の接続の確立(API、ポート、コネクタ、または他のインタフェースを介したクラウド展開された人工知能システムへのリンクなど)などを可能にするような、人工知能システムへのインタフェースのセットを含んでもよい。人工知能ストアFMRP104は、特定のタイプの問題(例えば、予測、NLP、画像認識、パターン認識、動き検出、経路最適化、または他の多くの問題)を解決するための、及び/又はドメイン固有の入力、データ、または他のエンティティで動作するためのシステムの適合性を示すメタデータまたは他の説明資料など、さまざまな人工知能システムのそれぞれに関する説明的なコンテンツを含むことができる。実施形態では、人工知能ストアFMRP104は、ドメイン、入力タイプ、処理タイプ、出力タイプ、計算要件および能力、コスト、エネルギー使用量、および他の要因などのカテゴリによって編成されてもよい。実施形態では、アプリケーションストアFMRP104へのインタフェースは、開発者及び/又はからの入力を取ってもよい。また、開発者のドメイン固有の問題に基づいて、有利な候補を示す可能性のある人工知能ソリューションのサブセットについて、人工知能属性検索エンジンを介して、一連の推奨を提供することができる(オポチュニティマイナー35046など)。検索結果または推奨は、実施形態では、有利なモデルの要素を示すまたは選択するように開発者に求めることによるなどの協調的フィルタリングと、類似の開発者、類似のドメイン固有の問題、及び/又は類似の人工知能ソリューションを関連付ける類似性行列、k-meansクラスタリング、または他のクラスタリング技術を使用することによるなどのクラスタリングとに、少なくとも部分的に基づいていてもよい。人工知能ストアFMRP104は、評価、レビュー、関連コンテンツへのリンク、および提供、ライセンス、配信、支払い(関連会社およびまたは貢献者への支払いの割り当てを含む)のためのメカニズム(スマートコントラクト及び/又はブロックチェーン機能を使用して動作し、購入、ライセンス、支払いの追跡、トランザクションの決済、またはその他の機能を自動化するものを含む)などの電子商取引機能を含むことができる。
実施形態では、単独で、または人工知能ストアFMRP104を含むプラットフォームの他の要素と関連して展開することができる別のソリューションのセットは、機能的イメージング能力FMRP102のセットを含むことができ、これは、様々な産業エンティティ34930を監視するためなどの監視システム34906、および場合によっては物理的プロセス観察システム35058及び/又はソフトウェア相互作用観察システム35050を構成することができる。機能イメージングシステムFMRP102は、実施形態において、特定の種類の問題を最も効果的に解決するのに最も効果的である可能性が高い人工知能の種類について、かなりの洞察を提供することができる。本開示および本明細書で参照により組み込まれる文書の他の箇所で述べたように、計算システムおよびネットワークシステムは、規模、複雑さ、および相互接続が大きくなるにつれて、情報過多、ノイズ、ネットワークの輻輳、エネルギー浪費、および他の多くの問題を顕在化させる。モノのインターネットが何千億ものデバイスに成長し、事実上無数の潜在的な相互接続が発生すると、最適化が非常に困難になる。人間の脳は同じような課題に直面し、何千年にもわたって非常に困難な最適化問題の幅広い分野で合理的なソリューションを進化させてきました。人間の脳は、相互に接続されたモジュールシステムで構成された巨大な神経ネットワークで動作しており、それぞれが特定の問題を解決するために、生物学的システムの制御や生命維持などにある程度適応している。ホメオスタシス、多様な静的・動的パターンの検出、脅威や機会の認識など、さまざまな分野で活躍している。機能的磁気共鳴画像(fMRI)、脳波(EEG)、コンピュータ断層撮影(CT)などの機能的画像処理システムは、脳活動のパターンをリアルタイムで認識し、行動、刺激情報、環境条件データ、ジェスチャー、眼球運動などの他の情報と時間的に関連付けることができるまでに向上している。機能イメージングFMRP102を介して、単独で、または監視システム34906によって収集された他の情報と組み合わせて、プラットフォームは、ソフトウェアの相互作用35050、物理的プロセスの観察35058、またはそれらの組み合わせなど、一連のタスクや活動を行う際にどのような脳モジュール、操作、システム、及び/又は機能が使用されているかを決定し、分類することができる。この分類は、専門家である人間が実行するタスクを自動化するロボットプロセスオートメーション(RPA)システム35042の初期設定のためなど、活動を引き受ける際に、人間の脳のモジュールおよび機能のセットと同様の能力及び/又は機能のセットを含む、人工知能ストアFMRP104からなどの人工知能ソリューションのセットの選択及び/又は構成を支援することができる。したがって、プラットフォームは、afunctional imaging system FRMP102からの入力を受けて、脳システムなどの1つまたは複数の生物学的システムと1つまたは複数の人工知能システムとの間の属性のマッチングに基づいて、任意に自動的に、ロボットプロセスオートメーションシステムのための人工知能能力のセットを構成するシステムを含んでもよい。選択および構成は、脳の視覚システムが高度に活性化される視覚入力(カメラからの画像など)の選択、脳の聴覚システムが高度に活性化される音響入力の選択、脳の嗅覚システムが高度に活性化される化学入力(化学センサなど)の選択など、作業者が作業を行う際の脳の機能的イメージングに少なくとも部分的に基づいて構成されるロボットプロセスオートメーション及び/又は人工知能への入力の選択をさらに含むことができる。このように、生物学的に認識されたロボットによるプロセスオートメーションシステムは、自動化の恩恵を受ける可能性のある専門的な作業を作業者が行う際に収集された画像由来の情報によって、自動的に、または開発者の制御の下で、初期設定や反復的な改良が行われることで改善される可能性がある。
図207を参照すると、プラットフォーム34900の実施形態の追加の詳細が提供されており、特に、適応型エッジ計算管理システム35030およびエッジインテリジェンスシステム35038を含む、改善されたエッジインテリジェンスを促進する適応型インテリジェントシステム層34904の要素に関するものである。これらの要素は、オンデバイスのストレージ、ローカルシステム、ネットワーク内、およびクラウド内の間で、データの格納場所や処理場所(例えば、AIによって最適化されたもの)を変化させることなどにより、「エッジ」の計算、格納、および処理を適応的に管理するシステムのセットを提供する。適応型エッジコンピュート管理システム35030およびエッジインテリジェンスシステム35038は、プラットフォーム100の開発者、オペレータ、またはホストなどのユーザによる、所定のアプリケーションの目的のために「エッジ」を構成するものの動的な定義を促進することを可能にする。例えば、産業施設がセルラーネットワークにうまくアクセスできないなど、データ接続が遅かったり、信頼性が低かったりする環境の場合(例えば、環境によっては遠隔地にあるため)。例えば、遠隔地(掘削、建設、配管、探査など)、遮蔽物や干渉(厚いコンクリートや大きな金属製の機器がネットワーキングのパフォーマンスを阻害する場合など)、輻輳(限られたネットワーキング施設へのアクセスを求める多くのデバイスがある場合など)などの環境では、エッジコンピューティング機能を定義し、環境のローカルエリアネットワーク上、デバイスのピアツーピアネットワーク上、またはローカル産業体のコンピューティング機能上で動作するように展開することができる。強力なデータ接続が利用可能な場所(良好なバックホール設備が存在する場所など)では、エッジコンピューティング能力は、入出力性能を向上させ、遅延を低減させ、またはその他の方法でプラットフォーム34900の性能を向上させる場所で頻繁に使用されるデータをキャッシュするためなどに、ネットワーク内に配置することができる。このように、エッジコンピューティングの動作場所の適応的な定義と指定が可能になる。この適応的な定義/指定は、開発者またはオペレータの制御下にあり、かつ/または(例えば、環境、産業エンティティ34930、またはネットワーク全体について検出されたネットワーク条件に基づいて、エキスパートシステムまたは自動化システムなどによって)自動的に決定することができる。特定の実装では、エッジインテリジェンスシステム35038は、エッジ計算の適応を可能にすることができる(様々な利用可能なネットワークリソース内でどこで計算が行われるか、どのようにネットワークが行われるか(例えば、プロトコルの選択によって)、どこでデータストレージが行われるか。本明細書または参照により本明細書に組み込まれた文書に記載されたアプリケーション34912の任意の組み合わせおよびサブセットを含む、複数のアプリケーションにわたるエッジ計算機能の価値(ROI、歩留まり、および故障のコストなどのコスト情報を含む)の認識に基づいて理解および優先順位付けされたQoS、遅延要件、輻輳、およびコストを考慮するなど、マルチアプリケーションを意識したエッジ計算(計算が様々な利用可能なネットワーキングリソース内でどこで行われるか、ネットワーキングがどのように行われるか(プロトコル選択による)、データストレージがどこで行われるかなど)の適応を可能にすることができる。
様々な側面において、エッジインテリジェンスシステム35038は、Google(登録商標)のエッジベースのTensor Processing Unit(TPU)を実行するシングルボードコンピューティングデバイスなどのテンソル処理ユニット(TPU)を使用するなど、エッジ計算機能によって部分的に実現することができる。追加または代替の態様では、エッジインテリジェンスシステム35038は、Coral(登録商標)のSOMなどのシステムオンモジュール(SOM)能力や、機械学習推論能力をエッジデバイスおよびシステムに提供するように構成された1つまたは複数のアクセサリ、例えば、USB接続のアクセサリ、PoE(Power-over-Ethemt)給電のアクセサリ、および他のローカル電力およびデータプロトコルを介して接続されたアクセサリなどを使用することができる。エッジインテリジェンスシステム35038のためのそのような能力は、様々な産業エンティティ34930のまたはそれに関するエッジデバイスおよびシステムに展開することができ、予知保全、サービスおよび修理の推奨、異常検出、故障検出、プロセス障害の認識、プロセス最適化、マシンビジョン、視覚的検査、ロボティクス、プロセスオートメーション、ステータス報告、自然言語処理、診断条件認識、および音声認識などの様々な目的のために、パタン認識、予測、推論などを提供するために使用することができる。
例としてのみ、エッジTPUは、特定用途向け集積回路(ASIC)を含むことができ、例えば、NXP(登録商標)i.MX 8Mシステムオンチップ(SOC)、クアッドコアCortex-A53およびCortex-M4F、または同様の処理デバイスを特徴とすることができる。システムは、例えば、統合されたGC7000 Lite Graphics GPUなどのグラフィックGPUを使用することができ、RAM(例えば、1GBのRAM)およびFlashメモリ(例えば、8GB以上のFlashメモリ)を備えている。
実装では、システムは、MicroSDスロット、ギガビットまたは他のイーサネットポート、PoEポート、および様々なオーディオポートなど、様々なプロトコルを介してエッジインテリジェンス能力を様々なエッジデバイスおよびシステムにリンクすることを可能にする様々なポートを含むことができる。また、NFC、WiFi、Zigbee、Bluetooth 4.1など、さまざまな無線プロトコルに対応している。接続性は、Type-C OTG、Type-C電源接続、Type-A 3.0ホスト、及び/又はマイクロBシリアルコンソールを介したような、USB接続性などの有線接続性を含んでもよい。側面では、SOMは、Raspberry PiなどのLinuxシステム、または別の従来のオペレーティングシステムを使用するシステムなどのエッジデバイスまたはシステムに統合することができる。さらに、システムの要素は、Mendel(登録商標)などのLinuxベースのシステムのようなソフトウェアオペレーティングシステムを実行することができる。さらに、ある実施態様では、TensorFlow(登録商標)などのAIモデリングシステムを使ったモデルを、システム上で実行できるようにコンパイルすることができる。
図208を参照すると、プラットフォーム3490の産業エンティティ指向データストレージシステム層34910の例示的な実装の追加の詳細、コンポーネント、サブシステム、および他の要素が図示されており、特にジオフェンス付き仮想資産タグ35088を含む実装に関連している。仮想資産タグ35088は、産業エンティティ34930(機械、機器のアイテム、在庫のアイテム、製造された物品、コンポーネント、ツール、デバイス、作業者など)に関するデータを含むデータ構造として実装することができ、データは資産に「タグ付け」されることが意図されている。例えば、データは、特定の資産に一意に関連することができ(例えば、個々の資産のための一意の識別子に)、資産への近接性にリンクすることができる(例えば、資産のまたはその近くの領域または位置にジオフェンスされるなど)。したがって、仮想資産タグ35088は、ローカルリーダまたは同様のデバイスが仮想資産ステージ35088に近接している場合に、(リーダがRFIDタグにアクセスするように)データ構造へのアクセスをローカルリーダまたは同様のデバイスに提供するという点で、RFIDタグなどの物理的な資産タグと機能的に同等である。いくつかの側面では、タグが資産に物理的に配置されているかのように、アクセス制御を管理及び/又は制御することができる。例えば、特定のデータは、タグ付けされた産業用実体34930の近傍にいることが確認されたオペレータによる読み取り、書き込み、変更などを許可するだけのキーで暗号化されてもよい。この実装では、ローカルのみのデータ処理とリモートのデータ処理のパーティショニングが可能になる。
いくつかの態様では、仮想資産タグ35088は、従来のRFIDタグがないにもかかわらず、RFリーダなどの存在を認識し(質問信号の認識などにより)、例えばRF通信リンクまたは他の通信プロトコルを介して、(プロトコルアダプタの助けを借りて)リーダと通信するように構成することができる。これは、IoTデバイス、テレマティクスシステム、およびローカルエリアネットワーク上に存在する他のデバイスからの通信によって発生する可能性がある。追加または代替の実施形態では、産業環境にある一連のIoTデバイスは、仮想資産タグデータの保存のため、トランザクションの追跡のため、およびメンテナンス、修理、サービスのためのトランザクション履歴を含むエンチャントデータの(様々なコンセンサスプロトコルによるなどの)検証のためなど、分散型ブロックチェーンノードとして機能することができる。ジオフェンス内のIoTデバイスは、ピアや隣人が他のピアや隣人を所定の場所にいると検証し、それによって資産の固有のアイデンティティと場所を検証するような、仮想資産タグ35088によってタグ付けされた固定資産の場所とアイデンティティを集合的に検証することができる。
検証は、投票プロトコル、コンセンサスプロトコル、その他のプロトコル、またはそれらの組み合わせを使用することができる。側面では、タグ付けされた産業エンティティ34930のアイデンティティは、ブロックチェーンで維持することができる。さらにまたは代替として、いくつかの側面では、仮想資産タグ35088は、資産、その構成要素、その歴史などに関する履歴情報など、産業用デジタルスレッド35084に関連する情報を含むことができる。
検証は、投票プロトコル、コンセンサスプロトコル、その他のプロトコル、またはそれらの組み合わせを使用することができる。側面では、タグ付けされた産業エンティティ34930のアイデンティティは、ブロックチェーンで維持することができる。さらにまたは代替として、いくつかの側面では、仮想資産タグ35088は、資産、その構成要素、その歴史などに関する履歴情報など、産業用デジタルスレッド35084に関連する情報を含むことができる。
図209を参照すると、様々な側面において、RPAシステム35042は、ロボット運用分析システム35502のための能力を含む、または可能にする、1つまたは複数の自動化能力を開発および展開するために構成され得る。ロボット運用分析システム35502は、特定の側面において、ロボット及び/又はロボットコンポーネントが広範なプロトコルまたは手順(製造プロセス、組立プロセス、輸送プロセス、保守および修理プロセス、データ収集プロセスなど)内で使用される場合など、モバイルロボットの位置、移動性、およびルーティングに関して、ならびにロボットコンポーネントの動作に関してを含む、一連のロボットの運用アクションを分析することができる。
側面では、RPAシステム35042は、非構造化データ35508に関する機械学習のための能力を含むか、または可能にしてもよく、これには、非構造化データの特徴付け、非構造化データからのコンテンツの抽出、及び/又は非構造化データのコンテンツからの診断コードまたは同様のサマリーの生成を可能にする人間のラベル、タグ、または他の活動のトレーニングセットに関する学習が含まれるが、これらに限定されない。例えば、RPAシステム35042は、技術文書(技術データシート、機能仕様書、修理指示書、ユーザマニュアル、および産業体34930に関するその他の文書など)を処理するためのサブシステムまたは機能、人間が入力したメモ(問題の診断に関わるメモ、行動の処方または推奨に関わるメモ、運用活動の特徴付けに関わるメモ、および保守・修理作業に関わるメモなど)を処理するためのサブシステムまたは機能、ウェブサイト、ソーシャルメディアフィードなどに含まれる非構造化コンテンツなどの情報を処理するためのサブシステムまたは機能を含むことができる。(Webサイトやソーシャルメディアなどに含まれる非構造化コンテンツ(ベンダーのWebサイトから得られる産業環境における製品やシステムに関する情報など)やその他のドキュメントを処理するためのものである。
特定の局面では、RPAシステム35042は、RPA能力のセットを備えた統一プラットフォームを構成してもよく、また、監視用システム(監視層34906やデータ収集システム34918のシステムなど)、生データ処理システム(複数可)35504(光学式文字認識(OCR)、自然言語処理(NPL)、コンピュータビジョン処理、音声処理、およびその他の処理を行うシステムを含むが、これらに限定されない)を備えていてもよい。
他の形態のセンサ処理)、ワークフローの特性化および管理システム(複数可)35516、分析システム(複数可)35510、人工知能システム(複数可)35048、および管理システム(複数可)35514(ポリシー、ガバナンス、およびサービスのプロビジョニング、役割、アクセス制御などのためのもの)。特定の実装では、RPAシステム35042は、マイクロサービスアーキテクチャにおけるマイクロサービスのセットとして、そのような能力を含むことができる。RPAシステム35042は、RPAシステム35042が、1つまたは複数の自動化機能の恩恵を受けることができる他のプラットフォーム層34908及び/又は外部システムによって、RPA platform-as-a-serviceとしてアクセスされることができるように、データ交換のために、他のプラットフォーム層34908、および外部システムへの一連のインタフェースを有することができる。
他の形態のセンサ処理)、ワークフローの特性化および管理システム(複数可)35516、分析システム(複数可)35510、人工知能システム(複数可)35048、および管理システム(複数可)35514(ポリシー、ガバナンス、およびサービスのプロビジョニング、役割、アクセス制御などのためのもの)。特定の実装では、RPAシステム35042は、マイクロサービスアーキテクチャにおけるマイクロサービスのセットとして、そのような能力を含むことができる。RPAシステム35042は、RPAシステム35042が、1つまたは複数の自動化機能の恩恵を受けることができる他のプラットフォーム層34908及び/又は外部システムによって、RPA platform-as-a-serviceとしてアクセスされることができるように、データ交換のために、他のプラットフォーム層34908、および外部システムへの一連のインタフェースを有することができる。
実施形態では、RPAシステム35042は、例えば、他の作業と比較して高品質の作業を識別するか、または他の方法で作業品質を評価、測定、または特徴付けることができる作業品質特徴付けシステム35512を含むことができる。作業品質サービスのそのような特徴付けの例には、人間の作業を機械によって実行される作業とは異なるものとして認識すること、どの人間の作業が最高品質である可能性が高いかを認識すること(最も経験豊富なまたは高価な人員が関与する作業など)、どの機械によって実行される作業が最高品質である可能性が高いかを認識すること(新たに導入された機械と比較して、多くの結果からのフィードバックに基づいて広範に学習された機械によって実行される作業など)、どの作業が歴史的に良好な結果を提供してきたかを認識すること(分析または過去の結果との相関関係に基づくなど)が含まれる。RPAシステム35042の開発者または他のユーザの制御下で変化させることができる一連の閾値を適用して、過去の作業を示すデータセットが、RPAシステム35042における自動化を促進する機械学習システム内の学習に使用されることを、種類別、品質レベル別、または他の測定値によって示すことができる。
上で簡単に述べたように、一連のプロトコルアダプタは、IIoTシステム内のデータの適応型プロトコル変換を促進することができる。図210~212を参照すると、プロトコルアダプタを利用する産業環境におけるデータ処理のための例示的な方法およびシステムが、本明細書でプラットフォーム35600として集合的に参照される様々なコンポーネント、インタフェース、機械、デバイス、プログラム、方法、プロセス、プロトコル、および他の要素と関連して示されている。様々な実装では、プラットフォーム35600は、1つまたは複数のクラウドに接続することができるインテリジェント、自動化、機械学習、またはその他の「スマート」プロトコルアダプタ(文脈が示す場合を除き、本明細書では自己組織化プロトコルアダプタ35602と呼ぶ)を含むことができる。
ネットワーク化された、及び/又は分散型のコンピューティングプラットフォーム(文脈上そうでない場合を除き、本明細書ではIoTクラウドプラットフォーム35610と呼ぶ)。
ネットワーク化された、及び/又は分散型のコンピューティングプラットフォーム(文脈上そうでない場合を除き、本明細書ではIoTクラウドプラットフォーム35610と呼ぶ)。
プラットフォーム35600は、自己組織化プロトコルアダプタ35602に、または1つまたは複数のIoTクラウドプラットフォーム35610に接続することができる1つまたは複数のセンサ35622を含み、これに接続し、またはこれと統合することができる。このようにして、1つまたは複数のセンサ35622は、産業環境に関する情報、産業環境内の1つまたは複数の機械、コンポーネント、またはデバイスに関する情報、1つまたは複数のネットワーク条件(ネットワーク帯域幅、スペクトル利用可能性、輻輳、干渉、コスト、タイミング、及び/又は利用可能性など)に関する情報、または1つまたは複数のクラウド条件もしくはパラメータに関する情報を提供することができる。とりわけ、センサ35622は、自己組織化プロトコルアダプタ35602によって使用されて、1つまたは複数のIoTデバイス(産業環境35624の産業用IoTデバイス35620など)が通信できる適切なプロトコルの組織化または選択を促進してもよい。プラットフォーム35600は、産業環境35624またはクラウド35612を含む他の場所に配置されている1つまたは複数の外部データソース35618(データベース、データウェアハウス、データストリーム、データパッケージ、モバイルデータコレクタ、または他のソースなど)を含むことができる。様々なIoTデバイス35620は、産業環境35624に配置することができる。いくつかの態様では、IoTクラウドプラットフォーム35610がクラウド35612に展開され、産業用IoTデバイス35620などの様々なネットワークデバイスが、1つまたは複数のプロトコル35608を介してIoTクラウドプラットフォーム35610に接続できる1つまたは複数のインタフェース35614を有する。
側面では、センサ35612は、タッチID、化学的、電気的、音響的、振動、加速度、速度、位置、光、動き、温度、磁場、重力、湿度、水分、圧力、電場、および音のセンサのうちの1つ以上を含んでもよい。
自己組織化プロトコルアダプタ35602は、自己組織化プロトコルを選択、作成、決定、及び/又は組織化することができ、これは、集中型プロトコル、分散型プロトコル、およびハイブリッドプロトコルのうちの少なくとも1つであり得る。いくつかの態様では、自己組織化プロトコルは、人工知能によって、例えば、エキスパートシステム、機械学習システム、深層学習システム、およびニューラルネットワークのうちの少なくとも1つを介して自己組織化され、自己組織化プロトコルを選択、作成、決定、及び/又は組織化する。例えば、IoTクラウドプラットフォーム35610は、REST/HTTP、ウェブソケット、MQTT、CoAP、M2M IoT、Modbus、XMPP、およびDDSからなる群から選択される1つまたは複数のプロトコル35608を使用することができるが、使用に適した任意のプロトコルは本開示の範囲内である。
いくつかの実装では、IoTクラウドプラットフォーム35610は、Websphereプラットフォーム、AWSプラットフォーム、Azureプラットフォーム、Googleクラウドプラットフォーム、IBM Watsonプラットフォーム、Oracleプラットフォーム、SAPプラットフォーム、GE Predixプラットフォーム、Ciscoプラットフォーム、およびBoschプラットフォームのうちの少なくとも1つである。しかしながら、IoTクラウドプラットフォーム35610は、任意のタイプまたは形態であり得ることを理解すべきである。さらに、様々な側面において、産業用IoTデバイス35620は、インターネットプロトコル(IP)対応デバイス、非IP対応デバイス、IoTクライアントデバイス、低電力デバイス、javaデバイス、または他の任意の適切なIoTデバイスのうちの1つ以上であってもよい。
様々な側面において、産業環境35624は、エネルギー生産環境、製造環境、エネルギー抽出環境、および建設環境のうちの1つ以上である。
追加または代替の実装では、自己組織化プロトコルアダプタ35602を有し、スマート産業用ヒータ35604を有する産業用データ処理のための方法およびシステムが提供される。
追加または代替の実装では、IoTクラウドプラットフォーム35610は、IoTデータアダプタ35700を含んでもよい。図211に描かれているように、IoTデータアダプタ35700は、入力としてIoTデータ35710を受け取ることができる。入力は、本開示の別の場所で特定された多くの外部データソース35618(データベース、データウェアハウス、データストリーム、データパッケージ、およびモバイルデータコレクタなど)、センサ35622、および任意の他のデータソースのいずれか1つまたは複数から受け取ることができる。いくつかの実装では、IoTデータアダプタ35700は、1つまたは複数の利用可能なIoTクラウドプラットフォーム35610、またはデータを受信することができる任意の他のデバイス、サーバコンピューティングデバイスなどにデータを公開するための接続を確立することができる。いくつかの態様では、接続は、例えば条件検出器35716で条件を検出することによって、1つまたは複数の利用可能なIoTクラウドプラットフォーム35610に確立することもでき、または代替的に確立することもできる。条件は、IoTデータアダプタ35700が1つまたは複数のIoTクラウドプラットフォーム35610に対して行った接続の試みまたは試みに関連することができる。試行または試みに関連するこれらの条件は、IoTクラウドプラットフォーム35610からの応答メッセージ35718の受信を含むことができる。返答メッセージ35718は、接続の成功または失敗を示すことができ、及び/又は、接続の確立が成功する可能性のある代替プロトコルを示唆するコンテンツ、またはクラウドプラットフォームからのデータや使用指標などの同様のコンテンツを含むことができる。
いくつかの側面では、IoTクラウドプラットフォーム35610によってIoTアダプタ35700から受信されたデータは、IoTクラウドプラットフォーム35610によって自動的に公開されることができる。
は、データパッケージ35720またはデータストリーム35722をフォーマット、ラッピング、トランスレーション、またはその他の方法で準備する。データパッケージ35720またはデータストリーム35722は、本開示の他の箇所に記載されているものなど(ただし、これらに限定されない)、利用可能な広範なデータフォーマットのいずれかでフォーマットすることができる。
は、データパッケージ35720またはデータストリーム35722をフォーマット、ラッピング、トランスレーション、またはその他の方法で準備する。データパッケージ35720またはデータストリーム35722は、本開示の他の箇所に記載されているものなど(ただし、これらに限定されない)、利用可能な広範なデータフォーマットのいずれかでフォーマットすることができる。
任意で、IoTデータアダプタ35700は、本明細書に記載されている適応技術の実装のための適応エンジン35724を含むことができる。IoTデータアダプタ35700は、1つまたは2つ以上のIoTクラウドプラットフォーム35610への成功した接続を確立するために適応技術を使用することができる。適応技術は、本開示の他の場所で説明される機械学習技術のいずれかを使用することを含むことができる。
IoTデータアダプタ35700は、様々な側面において、データマーケットプレイスからの接続を行うこともできるし、代替的に行うこともできる。そのような実装では、新しいデータソースの最初の接続に関連するデータパッケージ35720は、新しいデータソースの利用可能性、データソースを統合する方法(たとえば、データソースに関するメタデータ及び/又はデータを使用するための条件を提供することによって)、および他の同様の情報を示すメッセージで、IoTクラウドプラットフォーム35610のユーザインタフェースを促してもよい。
図212を具体的に参照すると、本開示のいくつかの側面に従った例示的な接続試行が描かれている。センサスウォーム35810は、条件検出器35716を介して、IoTクラウドプラットフォーム35610へのHTTPプロトコル接続35814の確立を試みる。IoTクラウドプラットフォーム35610は、HTTPプロトコル接続35814の確立の試みを拒否し、試みの失敗を示す返信メッセージ35718をIoTデータアダプタ35700に送信する。HTTPプロトコル接続35814を確立する試みの失敗を示すメッセージを受信すると、適応エンジン35724は、条件検出器35716を介して、センサ群35810に失敗を示すメッセージを送信することができる。さらに、いくつかの態様では、適応エンジン35724からのメッセージは、センサ群35810が、例示されたMQTTプロトコル接続35812などの異なるプロトコルを使用してIoTクラウドプラットフォーム35610への接続を再試行することの提案に関連する情報を含むことができる。図212に図示された例示的な接続試行は単に例示的なものであり、他の接続試行は、追加または少数の、または異なる、要素、メッセージ、データなどを含むことができることを理解すべきである。
図213は、デジタルツインシステム40000の例示的な環境を示す。実施形態では、デジタルツインシステム40000は、一組の産業環境40020及び/又は一組の産業環境内の産業エンティティのデジタルツインのセットを生成する。実施形態では、デジタルツインシステム40000は、産業環境40020を監視するそれぞれのセンサシステム40030から得られるセンサデータを使用するなどして、それぞれの産業環境40020の状態のセットを維持する。実施形態では、デジタルツインシステム40000は、デジタルツイン管理システム40002、デジタルツインI/Oシステム40004、デジタルツインシミュレーションシステム40006、デジタルツイン動的モデルシステム40008、認知知能システム40010、及び/又は環境制御モジュール40012を含んでもよい。実施形態では、デジタルツインシステム40000は、それぞれのセンサシステム40030のセンサのための一連のインタフェースを有効にするための一連の機能を提供するリアルタイムセンサAPIを提供してもよい。実施形態では、デジタルツインシステム40000は、デジタルツインシステム40000との間でのデータの転送を容易にするために、他の適切なAPI、ブローカー、コネクタ、ブリッジ、ゲートウェイ、ハブ、ポート、ルータ、スイッチ、データ統合システム、ピアツーピアシステムなどを含む及び/又は採用してもよい。これらの実施形態において、これらの接続コンポーネントは、センサシステム40030内のHOTセンサまたは仲介デバイス(例えば、リレー、エッジデバイス、スイッチなど)が、デジタルツインシステム40030にデータを通信すること、及び/又は、デジタルツインシステム40030もしくは別の外部システムからデータ(例えば、構成データ、制御データなど)を受信することを可能にすることができる。実施形態では、デジタルツインシステム40000は、様々な産業環境40020と、環境40020内のオブジェクト40022、デバイス40024、センサ40026、及び/又は人間40028のデジタルツイン40018を格納するデジタルツインデータストア40016をさらに含んでもよい。
デジタルツインは、産業環境40020、物理的オブジェクト40022、デバイス40024、センサ40026、人間40028、またはそれらの任意の組み合わせなど、1つまたは複数の産業エンティティのデジタル表現を指すことがある。産業環境40020の例としては、工場、発電所、食品生産施設(検査施設を含んでもよい)、業務用厨房、屋内栽培施設、天然資源の掘削現場(鉱山、油田など)などが挙げられるが、これらに限定されない。環境の種類に応じて、環境に存在する物体、デバイス、およびセンサの種類も異なる。物理的物体40022の非限定的な例としては、原材料、製造品、掘削物、容器(例えば、箱、ダンプスター、冷却塔、桶、パレット、樽、パレット、ビンなど)、家具(例えば、テーブル、カウンター、ワークステーション、棚など)などが挙げられる。装置40024の非限定的な例としては、ロボット、コンピュータ、車両(例えば、自動車、トラック、タンカー、列車、フォークリフト、クレーンなど)、機械/装置(例えば、トラクター、耕運機、ドリル、プレス機、組立ライン、ベルトコンベアなど)などが挙げられる。センサ40026は、環境内のセンサシステム40030に見られる任意のセンサ装置及び/又はセンサ集約装置であってもよい。センサシステム40030に実装され得るセンサ40026の非限定的な例は、温度センサ40032、湿度センサ40034、振動センサ40036、LIDARセンサ40038、モーションセンサ40040、化学センサ40042、オーディオセンサ40044、圧力センサ40046、重量センサ40048、放射線センサ40050、ビデオセンサ40052、ウェアラブルデバイス40054、リレー40056、エッジデバイス40058、クロスポイントスイッチ40060、及び/又は任意の他の適切なセンサを含んでもよい。異なるタイプの物理オブジェクト40022、デバイス40024、センサ40026、および環境40020の例は、本開示全体で参照される。
実施形態では、クロスポイントスイッチ40060は、複数の入力と、第1のセンサに接続された第1の入力と第2のセンサに接続された第2の入力とを含む複数の出力とを有するセンサシステム40030に実装される。複数の出力は、第1の出力が第1のセンサ信号の送出と第2のセンサ信号の送出とを切り替えるように構成された状態と、第1の出力からの第1のセンサ信号の送出と第2の出力からの第2のセンサ信号の送出とが同時に存在する状態との間で切り替え可能に構成された第1の出力と第2の出力とを含む。複数の入力のそれぞれは、複数の出力のいずれかに個別に割り当てられるように構成されている。割り当てられていない出力は、高インピーダンス状態を作り出すスイッチオフになるように構成されている。
実施形態では、第1のセンサ信号および第2のセンサ信号は、産業環境に関する連続的な振動データである。実施形態では、センサシステム40030内の第2センサは、第1機械に接続されるように構成される。実施形態では、センサシステム40030内の第2のセンサは、産業環境内の第2の機械に接続されるように構成される。実施形態では、プラットフォームのコンピューティング環境は、第1および第2のセンサ信号の相対的な位相を比較するように構成される。実施形態では、第1のセンサは単軸センサであり、第2のセンサは3軸センサである。実施形態では、クロスポイントスイッチ40060の複数の入力のうちの少なくとも1つは、信号対雑音比を改善するために、インターネットプロトコル、フロントエンド信号調整を含む。実施形態では、クロスポイントスイッチ40060は、第3の入力が複数の出力のいずれかに割り当てられていない場合に、事前に決定されたトリガ条件を有する継続的に監視されるアラームで構成された第3の入力を含む。
実施形態では、クロスポイントスイッチ40060の複数の入力は、第2のセンサに接続された第3の入力と、第2のセンサに接続された第4の入力とを含む。
第1のセンサ信号は、第1の機械に関連する不変の位置にある1軸センサからのものである。実施形態では、第2のセンサは、3軸センサである。実施形態では、センサシステム40030は、少なくとも第1の入力、第2の入力、第3の入力、および第4の入力からギャップフリーのデジタル波形データを同時に記録するように構成される。実施形態では、プラットフォームは、同時に記録されたギャップフリーのデジタル波形データに基づいて、相対的な位相の変化を決定するように構成される。実施形態では、第2のセンサは、同時に記録されたギャップフリーデジタル波形データを取得しながら、第1の機械に関連する複数の位置に移動可能であるように構成される。実施形態では、クロスポイントスイッチの複数の出力は、第3の出力および第4の出力を含む。第2、第3、および第4の出力は、それぞれが機械に関連する異なる位置に配置された一連の3軸センサに一緒に割り当てられる。実施形態では、プラットフォームは、相対的な位相の変化と、同時に記録されたギャップフリーデジタル波形データに基づいて、動作偏向形状を決定するように構成される。
第1のセンサ信号は、第1の機械に関連する不変の位置にある1軸センサからのものである。実施形態では、第2のセンサは、3軸センサである。実施形態では、センサシステム40030は、少なくとも第1の入力、第2の入力、第3の入力、および第4の入力からギャップフリーのデジタル波形データを同時に記録するように構成される。実施形態では、プラットフォームは、同時に記録されたギャップフリーのデジタル波形データに基づいて、相対的な位相の変化を決定するように構成される。実施形態では、第2のセンサは、同時に記録されたギャップフリーデジタル波形データを取得しながら、第1の機械に関連する複数の位置に移動可能であるように構成される。実施形態では、クロスポイントスイッチの複数の出力は、第3の出力および第4の出力を含む。第2、第3、および第4の出力は、それぞれが機械に関連する異なる位置に配置された一連の3軸センサに一緒に割り当てられる。実施形態では、プラットフォームは、相対的な位相の変化と、同時に記録されたギャップフリーデジタル波形データに基づいて、動作偏向形状を決定するように構成される。
実施形態では、不変の位置は、第1の機械の回転軸に関連する位置である。実施形態では、3軸センサのシーケンスにおける3軸センサは、それぞれ、第1機械の異なる位置に配置されているが、それぞれ、機械の異なるベアリングに関連付けられている。実施形態では、一連の三軸センサのうちの三軸センサは、それぞれ、同様の軸受に関連する同様の位置に配置されているが、それぞれ、異なる機械に関連している。実施形態では、センサシステム40030は、第1の機械と第2の機械の両方が動作している間に、第1の機械から同時に記録されたギャップフリーデジタル波形データを取得するように構成される。実施形態では、センサシステム40030は、第1の機械からの同時記録されたギャップフリーデジタル波形データにおいて、第1の機械および第2の機械からの寄与を特徴づけるように構成される。実施形態では、同時に記録されたギャップフリーのデジタル波形データは、1分を超える継続時間を有する。
実施形態では、1組のベアリングによって支持された少なくとも1つのシャフトを有する機械を監視する方法は、機械に関連する不変の場所で1軸センサに割り当てられた第1のデータチャネルを監視することを含む。この方法は、3軸センサの軸にそれぞれ割り当てられた第2、第3、および第4のデータチャネルを監視することを含む。この方法は、機械の運転中に、すべてのデータチャネルからギャップフリーのデジタル波形データを同時に記録し、デジタル波形データに基づいて相対的な位相の変化を判定することを含む。
実施形態では、三軸センサは、デジタル波形を取得する間、機械に関連する複数の位置に配置される。実施形態では、第2、第3、および第4のチャネルは、機械に関連する異なる位置にそれぞれ配置された一連の三軸センサに一緒に割り当てられる。実施形態では、データは、すべてのセンサから同時に受信される。実施形態では、本方法は、相対的な位相情報の変化および波形データに基づいて、動作たわみ形状を決定することを含む。実施形態では、不変の位置は、機械のシャフトに関連する位置である。実施形態では、一連の三軸センサの中の三軸センサは、それぞれが異なる位置に配置され、それぞれが機械の異なる軸受に関連付けられている。実施形態では、不変の位置は、機械のシャフトに関連する位置である。三軸センサのシーケンスにおける三軸センサは、それぞれ異なる位置に配置されており、それぞれが機械内のシャフトを支持する異なるベアリングに関連付けられている。
実施形態では、方法は、第2の機械に位置する不変の位置にある1軸センサに割り当てられた第1のデータチャネルを監視することを含む。本方法は、第2の機械に関連する位置に配置されている3軸センサの軸にそれぞれ割り当てられた第2、第3、および第4のデータチャネルを監視することを含む。また、本方法は、第2の機械の両方が動作している間に、第2の機械のすべてのデータチャネルからギャップフリーのデジタル波形データを同時に記録することを含む。実施形態では、本方法は、第2の機械から同時に記録されたギャップフリーのデジタル波形データにおいて、各機械からの寄与を特徴付けることを含む。
いくつかの実施形態では、複数のセンサからのデータをデバイスで多重化して融合データストリームの保存を行う、産業用IoTデバイスのためのオンデバイスセンサフュージョンおよびデータストレージがサポートされている。例えば、圧力と温度のデータは、時系列で圧力と温度を組み合わせたデータストリームに多重化されてもよく、例えば、バイト状の構造(時間、圧力、温度がデータ構造の中でバイトであるため、外部システムによるストリームの個別処理を必要とせずに、圧力と温度が時間的にリンクしたままになる)、または、加算、分割、乗算、減算などによって、融合されたデータがデバイス上に保存できるようになる。振動データを含む、本開示で説明したセンサデータのいずれも、この方法で融合され、ローカルデータプール、ストレージ、またはデータコレクタ、機械のコンポーネントなどのIoTデバイスに保存することができる。
いくつかの実施形態では、デジタルツインのセットは、エネルギー生産組織、石油・ガス組織、再生可能エネルギー生産組織、航空宇宙メーカー、車両メーカー、重機メーカー、鉱業組織、掘削組織、オフショアプラットフォーム組織など、組織全体を表してもよい。これらの例では、デジタルツインは、組織の1つまたは複数の産業施設のデジタルツインを含んでいてもよい。
実施形態では、デジタルツイン管理システム40002は、デジタルツインを生成する。デジタルツインは、(例えば、参照を介して)他のデジタルツインで構成されてもよい。このようにして、離散的なデジタルツインは、他の離散的なデジタルツインの集合で構成されてもよい。例えば、機械のデジタルツインは、機械に搭載されたセンサのデジタルツイン、機械を構成するコンポーネントのデジタルツイン、機械に組み込まれた、または機械と一体化した他のデバイス(機械に入力を与えたり、機械から出力を得たりするシステムなど)のデジタルツイン、及び/又は機械によって作られた製品やその他のアイテムのデジタルツインを含むことができる。この例をさらに一歩進めると、産業施設(例えば、工場)のデジタルツインは、施設内またはその周辺の物理的な資産およびシステムの配置を含む産業施設のレイアウトを表すデジタルツインのほか、施設内の資産のデジタルアセット(例えば、機械のデジタルツイン)のほか、施設内の保管場所のデジタルツイン、施設内の機械から振動測定値を収集する人間のデジタルツインなどを含むことができる。この第2の例では、産業施設のデジタルツインは、埋め込まれたデジタルツインを参照してもよく、そのデジタルツインは、それらのデジタルツインの中に埋め込まれた他のデジタルツインを参照してもよい。
いくつかの実施形態では、デジタルツインは、入力、出力、一連のステップ、決定点、処理ループなど、ワークフローやプロセスなどの抽象的なエンティティを表すことができる。例えば、デジタルツインは、製造プロセス、物流ワークフロー、農業プロセス、鉱物抽出プロセスなどのデジタル表現であってもよい。これらの実施形態では、デジタルツインは、ワークフローまたはプロセスに含まれる産業エンティティへの参照を含んでもよい。製造プロセスのデジタルツインは、プロセスの様々なステージを反映していてもよい。これらの実施形態のいくつかにおいて、デジタルツインシステム40000は、製造プロセスが行われる産業施設から(例えば、環境40020のセンサシステム40030から)リアルタイムデータを受信し、プロセスの現在の(または実質的に現在の)状態をリアルタイムで反映する。
実施形態では、デジタル表現は、表現された物理オブジェクト40022、デバイス40024、センサ40026、または環境40020のプロパティのセット及び/又はその可能な動作を集合的に定義するデータ構造(例えば、クラス)のセットを含んでもよい。例えば、物理オブジェクト40022のプロパティのセットは、物理オブジェクトのタイプ、オブジェクトの寸法、オブジェクトの質量、オブジェクトの密度、オブジェクトの材料、材料の物理的特性、物理オブジェクトの表面、物理オブジェクトの状態、物理オブジェクトの位置、オブジェクト内に含まれる他のデジタルツインの識別子、及び/又は他の適切なプロパティを含んでもよい。物理的オブジェクトの動作の例としては、物理的オブジェクトの状態(例えば、固体、液体、気体)が挙げられる。物理的物体の状態(例えば、固体、液体、気体)、物理的物体の融点、液体状態のときの物理的物体の密度、液体状態のときの物理的物体の粘度、物理的物体の凝固点、固体状態のときの物理的物体の密度、固体状態のときの物理的物体の硬さ。物理的対象物の可鍛性、物理的対象物の浮力、物理的対象物の導電性、物理的対象物の燃焼点、湿度が物理的対象物に影響を与える方法、水または他の液体が物理的対象物に影響を与える方法、物理的対象物の終端速度などである。別の例では、デバイスの一連の特性には、デバイスの種類、デバイスの寸法、デバイスの質量、デバイスの密度、デバイスの材料、材料の物理的特性、デバイスの表面、デバイスの出力、デバイスの状態、デバイスの位置、デバイスの軌跡、デバイスの振動特性、デバイスが接続されている及び/又は含んでいる他のデジタルツインの識別子などが含まれる。機器の動作の例には、機器の最大加速度、機器の最大速度、機器の動作範囲、機器の加熱プロファイル、機器の冷却プロファイル、機器によって実行されるプロセス、機器によって実行される操作などが含まれる。環境の特性の例としては、環境の寸法、環境の境界、環境の温度、環境の湿度、環境の気流、環境内の物理的な物体、環境の流れ(水域の場合)などが挙げられる。環境の挙動の例としては、環境を支配する科学的な法則、環境を支配するプロセス、環境を支配しないプロセス、環境を支配しないプロセス、環境を支配しないプロセス、環境を支配しないプロセス、環境を支配しないプロセス、環境を支配しないプロセスなどがある。
環境の中で行われること、環境の中で守らなければならないルールや規則などである。
環境の中で行われること、環境の中で守らなければならないルールや規則などである。
実施形態では、デジタルツインの特性を調整してもよい。例えば、デジタルツインの温度、デジタルツインの湿度、デジタルツインの形状、デジタルツインの材料、デジタルツインの寸法、または任意の他の適切なパラメータを調整してもよい。デジタルツインの特性が調整されると、他の特性も影響を受ける可能性がある。例えば、環境40020の温度が上昇した場合、環境内の圧力(理想気体の法則に従った気体の圧力など)も上昇してもよい。別の例では、氷点下の環境のデジタルツインが氷点下以上の温度に上昇した場合、固体状態の水(すなわち、氷)の埋め込みツインの特性は、時間の経過とともに液体状態に変化する可能性がある。
デジタルツインは、いくつかの異なる形態で表現されてもよい。実施形態では、デジタルツインは、人間のユーザが環境40020及び/又は環境内の物理的オブジェクト40022、デバイス40024、及び/又はセンサ40026のデジタル表現を見ることができるように、コンピューティングデバイスによってレンダリングされる視覚的なデジタルツインであってもよい。実施形態では、デジタルツインは、レンダリングされ、ディスプレイデバイスに出力されてもよい。これらの実施形態のいくつかでは、デジタルツインは、ユーザがデジタルツインと対話することができるように、グラフィカルユーザインタフェースでレンダリングされてもよい。例えば、ユーザは、特定の要素(例えば、物理オブジェクトまたはデバイス)を「ドリルダウン」して、その要素に関する追加情報(例えば、物理オブジェクトまたはデバイスの状態、物理オブジェクトまたはデバイスのプロパティなど)を表示することができる。いくつかの実施形態では、デジタルツインは、バーチャルリアリティディスプレイでレンダリングされて出力されてもよい。例えば、ユーザは、環境の3Dレンダリングを(例えば、モニタまたはバーチャルリアリティヘッドセットを使用して)見ることができる。その際、ユーザは、環境内の物理的資産またはデバイスのデジタルツインを表示/検査してもよい。
いくつかの実施形態では、視覚的デジタルツイン(すなわち、2Dまたは3Dの方法で表示されるように構成されたデジタルツイン)のデータ構造は、サーフェス(例えば、スプライン、メッシュ、ポリゴンメッシュなど)を含んでもよい。いくつかの実施形態では、サーフェスは、テクスチャデータ、シェーディング情報、及び/又は反射データを含んでいてもよい。このようにして、サーフェスをよりリアルに表示することができる。いくつかの実施形態では、そのような表面は、デジタルツインが視野内にあるとき、及び/又は、より大きなデジタルツイン(例えば、産業環境のデジタルツイン)に存在するときに、視覚化エンジン(図示せず)によってレンダリングされてもよい。これらの実施形態では、デジタルツインシステム40000は、以下をレンダリングしてもよい。
レンダリングされたデジタルツインは、隣接した表面のセットとして描かれる。
レンダリングされたデジタルツインは、隣接した表面のセットとして描かれる。
実施形態では、ユーザは、グラフィカルユーザインタフェースを介して、デジタル・ツインの1つ以上のプロパティを制御する入力を提供することができる。例えば、ユーザは、デジタルツインのプロパティを変更する入力を提供してもよい。これに応答して、デジタルツインシステム40000は、変更されたプロパティの影響を計算し、デジタルツインおよびプロパティの変更によって影響を受ける他のデジタルツインを更新することができる。
実施形態では、ユーザは、1つまたは複数のデジタルツインに関して実行されているプロセス(例えば、製品の製造、鉱山または井戸からの鉱物の抽出、家畜の検査ラインなど)を見ることができる。これらの実施形態では、ユーザは、プロセス全体またはプロセス内の特定のステップを見ることができる。
いくつかの実施形態では、デジタルツイン(およびその中に埋め込まれた任意のデジタルツイン)は、非視覚的表現(または「データ表現」)で表されてもよい。これらの実施形態では、デジタルツインおよび任意の埋め込まれたデジタルツインは、バイナリ表現で存在するが、デジタルツイン間の関係は維持される。例えば、実施形態では、各デジタルツイン及び/又はその構成要素は、デジタルツイン(またはその構成要素)の形状を定義する物理的な寸法のセットによって表されてもよい。さらに、デジタルツインを具現化するデータ構造は、デジタルツインの位置を含んでいてもよい。いくつかの実施形態では、デジタル・ツインの位置は、座標のセットで提供されてもよい。例えば、産業環境のデジタルツインは、座標空間(例えば、デカルト座標空間、極座標空間など)に関して定義されてもよい。実施形態では、埋め込まれたデジタルツインは、1つまたは複数の順序付きトリプル(例えば、〔x座標、y座標、z座標〕または他のベクトルベースの表現)のセットとして表されてもよい。これらの実施形態のいくつかでは、各順序付きトリプルは、産業用エンティティが存在する環境に関連して、産業用エンティティ(例えば、オブジェクト、デバイス、またはセンサ)上の特定の点(例えば、中心点、上部点、下部点など)の位置を表してもよい。いくつかの実施形態では、デジタルツインのデータ構造は、環境に対するデジタルツインの動きを示すベクトルを含んでもよい。例えば、流体(例えば、液体または気体)または固体は、デジタルツインによって表されるエンティティの速度(例えば、速度の方向および大きさ)を示すベクトルによって表されてもよい。実施形態では、ツイン内のベクトルは、流体内の粒子などの微視的なサブコンポーネントを表してもよく、デジタルツインは、変位、速度、加速度、運動量などの物理的特性を表してもよい。
運動エネルギー、振動特性、熱的特性、電磁的特性などがある。
運動エネルギー、振動特性、熱的特性、電磁的特性などがある。
いくつかの実施形態では、2つ以上のデジタルツインのセットは、ノードおよびノードを接続するエッジを含むグラフデータベースによって表されてもよい。いくつかの実施形態では、エッジは、空間的な関係(例えば、「隣接する(abuts)」、「静止する(rests upon)」、「含む(contains)」など)。を表してもよい。これらの実施形態では、グラフデータベースの各ノードは、エンティティ(例えば、産業界のエンティティ)のデジタルツインを表し、デジタルツインを定義するデータ構造を含んでもよい。これらの実施形態では、グラフデータベース内の各エッジは、接続されたノードによって表される2つのエンティティ間の関係を表してもよい。いくつかの実施形態では、エッジは、空間的な関係(例えば、「隣接する(abuts)」、「静止する(rests upon)」、「連動する(interlocks with)」、「生む(bears)」、「含む(contains)」など)を表してもよい。実施形態では、様々なタイプのデータがノードまたはエッジに格納されてもよい。実施形態では、ノードは、施設、システム、サブシステム、及び/又はコンポーネントに関連するプロパティデータ、状態データ、及び/又はメタデータを格納してもよい。プロパティデータおよび状態データの種類は、ノードによって表されるエンティティに応じて異なる。例えば、ロボットを表すノードは、ロボットの材質、ロボット(またはそのコンポーネント)の寸法、ロボットの質量などを示すプロパティデータを含むことができる。この例では、ロボットの状態データは、ロボットの現在のポーズ、ロボットの位置などを含んでいてもよい。実施形態では、エッジは、2つのノード間の関係に関連する関係データおよびメタデータデータを格納してもよい。関係データの例には、関係の性質、関係が永続的であるかどうか(例えば、固定されたコンポーネントは、それが取り付けられているか、または載っている構造体と永続的な関係を有するであろう)などが含まれ得る。実施形態では、エッジは、2つのエンティティ間の関係に関するメタデータを含むことができる。例えば、製品が組立ラインで生産された場合、製品のデジタルツインと組立ラインとの間に記録される可能性のある1つの関係は、「によって作成(Created by)」であってもよい。これらの実施形態では、「によって作成(Created by)」の関係を表すエッジの例として、製品が作成された日時を示すタイムスタンプが含まれる場合がある。別の例では、センサが、デバイスの状態に関連する測定を行うことがあり、それによって、センサとデバイスとの間の1つの関係は、「測定された(measured)」を含み、センサによって測定される測定タイプを定義してもよい。この例では、エッジに格納されたメタデータは、取得されたN個の測定値のリストと、それぞれの測定値のタイムスタンプを含んでいてもよい。このようにして、2つのエンティティ間の関係の性質に関連する時間的なデータが維持されてもよく、それによって、分析エンジン、機械学習エンジン、及び/又は予測システムで使用される因果関係分析を容易にするために、異なるデータセットを一連の時点に合わせるなど、そのような時間的関係データを活用するための可視化エンジンである。
いくつかの実施形態では、グラフデータベースは、グラフデータベースが施設、システム、およびコンポーネントのセットを関連付けるような階層的な方法で実装されてもよい。例えば、製造環境のデジタルツインは、製造環境を表すノードを含んでもよい。グラフデータベースは、製造環境内の様々なシステムを表すノード、例えば、HVACシステム、照明システム、製造システムなどを表すノードをさらに含んでもよく、これらのノードはすべて、製造システムを表すノードに接続してもよい。この例では、各システムはさらに、システムの様々なサブシステム及び/又はコンポーネントに接続してもよい。例えば、HVACシステム内では、HVACシステムは、施設の冷却システムを表すサブシステムノード、施設の暖房システムを表す第2のサブシステムノード、施設のファンシステムを表す第3のサブシステムノード、および施設のサーモスタット(または複数のサーモスタット)を表す1つまたは複数のノードに接続してもよい。この例をさらに進めると、サブシステムノード及び/又はコンポーネントノードは、サブシステムノード及び/又はコンポーネントノードを含む下位レベルのノードに接続してもよい。例えば、冷却サブシステムを表すサブシステムノードは、エアコンユニットを表すコンポーネントノードに接続されてもよい。同様に、サーモスタット装置を表すコンポーネントノードは、様々なセンサ(例えば、温度センサ、湿度センサなど)を表す1つまたは複数のコンポーネントノードに接続してもよい。
グラフデータベースが実装されている実施形態では、グラフデータベースは、単一の環境に関連していてもよいし、より大きな企業を表していてもよい。後者のシナリオでは、企業が様々な製造施設や流通施設を持つことがある。これらの実施形態では、企業を表す企業ノードは、それぞれの施設の環境ノードに接続することができる。このようにして、デジタルツインシステム40000は、企業の複数の産業施設のデジタルツインを維持することができる。
実施形態では、デジタルツインシステム40000は、グラフデータベースを使用して、レンダリングされて表示されてもよい、及び/又は、データ表現で表されてもよいデジタルツインを生成してもよい。前者のシナリオでは、デジタルツインシステム40000は、デジタルツインをレンダリングする要求を受信してもよく、それによって、要求は、描写されるビューを示す1つまたは複数のパラメータを含む。例えば、1つまたは複数のパラメータは、描かれるべき産業環境と、レンダリングの種類(例えば、人間が見るような環境を描く「現実世界ビュー」、オブジェクトをそれぞれの温度の関数として描く「赤外線ビュー」、デジタルツインの気流を描く「気流ビュー」など)を示してもよい。これに応答して、デジタルツインシステム40000は、グラフデータベースをトラバースし、環境の環境ノードに(直接または下層ノードを介して)関連するグラフデータベース内のノードと、関連するノード間の関係を定義するエッジとに基づいて、描写される環境の構成を決定してもよい。構成を決定すると、デジタルツインシステム40000は、描写されるべき表面を特定し、それらの表面をレンダリングしてもよい。そして、デジタルツインシステム40000は、構成に従ってサーフェスを接続することで、要求されたデジタルツインをレンダリングしてもよい。そして、レンダリングされたデジタルツインは、視聴デバイス(例えば、VRヘッドセット、モニタなど)に出力されてもよい。いくつかのシナリオでは、デジタルツインシステム40000は、環境40020のセンサシステム40030からリアルタイムのセンサデータを受信し、センサデータに基づいて視覚的デジタルツインを更新してもよい。例えば、デジタルツインシステム40000は、モータおよびそのベアリングのセットに関連するセンサデータ(例えば、振動センサ40036からの振動データ)を受信してもよい。センサデータに基づいて、デジタルツインシステム40000は、モータのデジタルツイン内でベアリングのセットのおおよその振動特性を示すように、視覚的なデジタルツインを更新してもよい。
デジタルツインシステム40000がデジタルツインのデータ表現を提供しているシナリオでは(例えば、動的モデリング、シミュレーション、機械学習のために)、デジタルツインシステム40000は、グラフデータベースをトラバースして、環境の環境ノードに(直接または下層ノードを介して)関連するグラフデータベース内のノードと、関連するノード間の関係を定義するエッジとに基づいて、描写される環境の構成を決定してもよい。いくつかのシナリオでは、デジタルツインシステム40000は、環境40020のセンサシステム40030からリアルタイムのセンサデータを受信してもよく、センサデータに基づいて1つまたは複数の動的モデルをデジタルツインに適用してもよい。他のシナリオでは、デジタルツインのデータ表現は、本明細書全体でより詳細に議論されるように、シミュレーションを実行するために使用されてもよい。
いくつかの実施形態では、デジタルツインシステム40000は、産業環境のデジタルツインに関して実行されるデジタルゴーストを実行してもよい。これらの実施形態では、デジタルゴーストは、センサシステム40030の1つまたは複数のセンサを監視してもよい。産業環境の中で、悪質なウイルスやその他のセキュリティ問題を示唆する異常を検出する。
説明したように、デジタルツインシステム40000は、デジタルツイン管理システム40002、デジタルツインI/Oシステム40004、デジタルツインシミュレーションシステム40006、デジタルツインダイナミックモデルシステム40008、認知知能システム40010、及び/又は環境制御モジュール40012を含むことができる。
実施形態では、デジタルツイン管理システム40002は、新しいデジタルツインを作成し、既存のデジタルツインを維持/更新し、及び/又はデジタルツインをレンダリングする。デジタルツイン管理システム40002は、既存のデジタルツインを作成および維持するために、ユーザ入力、アップロードされたデータ、及び/又はセンサデータを受信してもよい。新しいデジタルツインを作成すると、デジタルツイン管理システム40002は、デジタルツインデータストア40016にデジタルツインを保存してもよい。デジタルツインの作成、更新、およびレンダリングについては、本開示を通じてより詳細に議論される。
実施形態では、デジタルツインI/Oシステム40004は、様々なソースから入力を受け取り、様々な受信者にデータを出力する。実施形態では、デジタルツインI/Oシステムは、1つまたは複数のセンサシステム40030からセンサデータを受信する。これらの実施形態において、各センサシステム40030は、それぞれのセンサデータを出力する1つ以上のIoTセンサを含んでもよい。各センサには、IPアドレスが割り当てられていてもよいし、別の適切な識別子を有していてもよい。各センサは、センサの識別子とセンサデータとを含むセンサパケットを出力してもよい。いくつかの実施形態では、センサパケットは、センサデータが収集された時間を示すタイムスタンプをさらに含んでもよい。いくつかの実施形態では、デジタルツインI/Oシステム40004は、ウェブフック、APIなどのリアルタイムセンサ接続性40014を介して、センサシステム40030とインタフェースしてもよい。これらの実施形態では、センサシステム40030内の1つまたは複数のデバイス(例えば、センサ、アグリゲータ、エッジデバイス)は、センサデータを含むセンサパケットを、ウェブフックなどを介してデジタルツインI/Oシステム40004に送信してもよい。デジタルツインI/Oシステムは、センサパケットを送信したセンサシステム40030およびその内容を判断し、センサデータおよびその他の関連データ(例えば、タイムスタンプ、環境識別子/センサシステム識別子など)をデジタルツイン管理システム40002に提供してもよい。
実施形態では、デジタルツインI/Oシステム40004は、1つまたは複数のソースからインポートされたデータを受信してもよい。例えば、デジタルツインシステム40000は、ユーザが自分のデジタルツインを作成および管理するためのポータルを提供してもよい。これらの実施形態では、ユーザは、作成中の新しいデジタルツインに関連して、1つまたは複数のファイル(例えば、画像ファイル、LIDARスキャン、設計図など)をアップロードしてもよい。これに応答して、デジタルツインI/Oシステム40004は、インポートされたデータをデジタルツイン管理システム40002に提供してもよい。デジタルツインI/Oシステム40004は、本開示の範囲から逸脱することなく、他の適切なタイプのデータを受信してもよい。
いくつかの実施形態では、デジタルツインシミュレーションシステム40006は、デジタルツインを使用してシミュレーションを実行するように構成される。例えば、デジタルツインシミュレーションシステム40006は、デジタルツイン及び/又は1つまたは複数の組み込みデジタルツインの1つまたは複数のパラメータを反復的に調整してもよい。実施形態では、デジタルツインシミュレーションシステム40006は、パラメータの各セットについて、パラメータのセットに基づいてシミュレーションを実行し、シミュレーションの結果であるシミュレーション結果データを収集してもよい。別の言い方をすると、デジタルツインシミュレーションシステム40006は、シミュレーション中に使用されたデジタルツインおよびデジタルツイン内またはデジタルツインを含むデジタルツインの特性、ならびにシミュレーションに起因するあらゆる結果を収集してもよい。例えば、屋内農業施設のデジタルツイン上でシミュレーションを実行する際、デジタルツインシミュレーションシステム40006は、温度、湿度、気流、二酸化炭素及び/又は他の関連するパラメータを変化させ、パラメータの異なる組み合わせに起因する結果を出力するシミュレーションを実行することができる。別の例では、デジタルツインシミュレーションシステム40006は、一連の入力を与えられて出力を生成する、産業施設内の特定の機械の動作をシミュレートすることができる。いくつかの実施形態では、入力を変化させて、機械およびその出力に対する入力の影響を決定することができる。別の例では、デジタルツインシミュレーションシステム40006は、機械及び/又は機械部品の振動をシミュレートしてもよい。この例では、機械のデジタルツインは、機械の動作パラメータ、インタフェース、および能力のセットを含んでもよい。いくつかの実施形態では、機械の有効性を評価するために、動作パラメータを変化させてもよい。デジタルツインシミュレーションシステム40006は、本開示を通じてさらに詳細に説明される。
実施形態では、デジタルツイン動的モデルシステム40008は、環境のデジタルツインに関する1つまたは複数の挙動をモデル化するように構成される。実施形態では、デジタルツイン動的モデルシステム40008は、環境またはプロセスに関するある種の挙動をモデル化する要求を受け取り、動的モデル、環境またはプロセスのデジタルツイン、および環境またはプロセスを監視している1つまたは複数のセンサから収集されたセンサデータを使用して、その挙動をモデル化してもよい。例えば、ベアリングを搭載した機械のオペレータが、ベアリングの動作をモデル化することを希望する場合がある。
の振動を測定し、機械及び/又はベアリングが出力の増加に耐えられるかどうかを判断する。この例では、デジタルツイン動的モデルシステム40008は、出力の増加が有害な結果(例えば、故障、ダウンタイムなど)をもたらすかどうかを判断するように構成された動的モデルを実行してもよい。デジタルツイン動的モデルシステム40008は、本開示を通じてさらに詳細に説明される。
の振動を測定し、機械及び/又はベアリングが出力の増加に耐えられるかどうかを判断する。この例では、デジタルツイン動的モデルシステム40008は、出力の増加が有害な結果(例えば、故障、ダウンタイムなど)をもたらすかどうかを判断するように構成された動的モデルを実行してもよい。デジタルツイン動的モデルシステム40008は、本開示を通じてさらに詳細に説明される。
実施形態では、認知プロセスシステム40010は、デジタルツインシステムに代わって機械学習および人工知能関連のタスクを実行する。実施形態では、認知プロセスシステム40010は、様々なタイプのニューラルネットワーク、回帰モデル、ランダムフォレスト、決定木、隠れマルコフモデル、ベイジアンモデルなどを含むがこれらに限定されない、任意の適切なタイプのモデルをトレーニングすることができる。実施形態では、認知プロセスシステム40010は、デジタルツインシミュレーションシステム40006によって実行されるシミュレーションの出力を用いて、機械学習モデルをトレーニングする。これらの実施形態の一部では、シミュレーションの結果は、実世界の環境及び/又はプロセスから収集されたトレーニングデータを補完するために使用されてもよい。実施形態では、認知プロセスシステム40010は、機械学習モデルを活用して、それぞれのデジタルツインによって表される実世界の環境及び/又はプロセスに関連する予測、識別、分類を行い、意思決定支援を提供する。
例えば、機械学習された予測モデルを使用して、産業施設のエンジンの軸受の不規則な振動パターン(例えば、最適でない振動、臨界、またはアラーム振動の故障状態)の原因を予測してもよい。この例では、コグニティブ・プロセス・システム40010は、エンジン上またはエンジン近傍に配置された1つまたは複数の振動センサから振動センサデータを受信してもよく、産業施設からメンテナンスデータを受信してもよく、振動センサデータおよびメンテナンスデータに基づいて特徴ベクトルを生成してもよい。認知処理システム40010は、特徴ベクトルを、エンジンに特化して学習した機械学習モデル(例えば、不規則な振動パターンの原因に関するシミュレーションデータと実世界のデータの組み合わせを用いて)に入力して、不規則な振動パターンの原因を予測してもよい。この例では、不規則な振動パターンの原因として、ベアリングの緩み、ベアリングの潤滑不足、ベアリングの位置ずれ、ベアリングの摩耗、ベアリングの位相がエンジンの位相と一致している場合がある、ハウジングの緩み、ボルトの緩みなどが考えられる。
別の例では、機械学習されたモデルが、最適ではない振動故障レベル状態で動作している産業施設のエンジンの軸受を、正常な動作の振動故障レベル状態にするための意思決定支援を提供するために使用されてもよい。この例では、コグニティブ・プロセス・システム40010は、エンジン上またはエンジン近傍に配置された1つまたは複数の振動センサから振動センサデータを受信してもよく、産業施設からメンテナンスデータを受信してもよく、振動センサデータおよびメンテナンスデータに基づいて特徴ベクトルを生成してもよい。認知処理システム40010は、特徴ベクトルを、エンジンに特化して学習された機械学習モデルに入力して(例えば、不規則な振動パターンに対する解決策のシミュレーションデータと実世界のデータを組み合わせて使用して)、軸受の正常動作故障レベル状態を達成するための意思決定支援を提供してもよい。この例では、意思決定支援は、ベアリングの締め付け、ベアリングへの潤滑、ベアリングの再調整、新しいベアリングの注文、新しい部品の注文、追加の振動測定の収集、エンジンの動作速度の変更、ハウジングの締め付け、ボルトの締め付けなどの推奨である。
別の例では、機械学習されたモデルが、作業者による振動測定収集に関連する決定支援を提供するために使用されてもよい。この例では、認知プロセスシステム40010は、産業施設から振動測定履歴データを受信してもよく、振動測定履歴データに基づいて特徴ベクトルを生成してもよい。認知処理システム40010は、特徴ベクトルを、エンジンに特化して学習された機械学習モデル(例えば、シミュレーションデータと現実の振動測定履歴データとの組み合わせを用いて)に入力して、振動測定位置の選択に関する意思決定支援を行ってもよい。
さらに別の例では、機械及び/又は機械コンポーネントの問題に関連する振動シグネチャを識別するために、機械学習されたモデルが使用されてもよい。この例では、認知プロセスシステム40010は、産業施設から振動測定履歴データを受信してもよく、振動測定履歴データに基づいて特徴ベクトルを生成してもよい。認知処理システム40010は、機械及び/又は機械部品に関連する振動シグネチャを識別するために、エンジン専用に訓練された(例えば、シミュレーションデータと実世界の振動測定履歴データの組み合わせを使用して)機械学習モデルに特徴ベクトルを入力してもよい。前述の例は非限定的な例であり、認知プロセスシステム400f0は、産業施設に関して実行される他の適切なAI/機械1稼ぎ関連のタスクに使用されてもよい。
実施形態では、環境制御システム40012は、産業施設の1つまたは複数の側面を制御する。これらの実施形態のいくつかでは、環境制御
システム40012は、産業環境内の1つまたは複数のデバイスを制御してもよい。例えば、環境制御システム40012は、環境内の1つまたは複数の機械、環境内のロボット、環境のHVACシステム、環境の警報システム、環境内の組立ラインなどを制御してもよい。実施形態では、環境制御システム40012は、デジタルツインシミュレーションシステム40006、デジタルツインダイナミックモデルシステム40008、及び/又は認知プロセスシステム40010を活用して、1つまたは複数の制御命令を決定してもよい。実施形態では、環境制御システム40012は、制御命令を決定するために、ルールベース及び/又は機械学習アプローチを実装してもよい。制御命令を決定することに応答して、環境制御システム40012は、デジタルツインI/Oシステム40004を介して、特定の環境内の意図されたデバイスに制御命令を出力してもよい。
システム40012は、産業環境内の1つまたは複数のデバイスを制御してもよい。例えば、環境制御システム40012は、環境内の1つまたは複数の機械、環境内のロボット、環境のHVACシステム、環境の警報システム、環境内の組立ラインなどを制御してもよい。実施形態では、環境制御システム40012は、デジタルツインシミュレーションシステム40006、デジタルツインダイナミックモデルシステム40008、及び/又は認知プロセスシステム40010を活用して、1つまたは複数の制御命令を決定してもよい。実施形態では、環境制御システム40012は、制御命令を決定するために、ルールベース及び/又は機械学習アプローチを実装してもよい。制御命令を決定することに応答して、環境制御システム40012は、デジタルツインI/Oシステム40004を介して、特定の環境内の意図されたデバイスに制御命令を出力してもよい。
図214は、本開示のいくつかの実施形態による例示的なデジタルツイン管理システム40002を示す。実施形態において、デジタルツイン管理システム40002は、デジタルツイン作成モジュール40064と、デジタルツイン更新モジュール40066と、デジタルツイン可視化モジュール40068とを含むが、これらに限定されない。
実施形態では、デジタルツイン作成モジュール40064は、ユーザからの入力、インポートされたデータ(例えば、設計図、仕様書など)、環境の画像スキャン、LIDARデバイス及び/又はSLAMセンサからの3Dデータ、および他の適切なデータソースを使用して、一組の環境の新しいデジタルツインを作成してもよい。例えば、ユーザ(例えば、組織/顧客アカウントに所属するユーザ)は、クライアントアプリケーション40070を介して、環境の新しいデジタルツインを作成するための入力を提供することができる。その際、ユーザは、環境の2Dまたは3D画像スキャン及び/又は環境の青写真をアップロードしてもよい。また、ユーザは、カメラ、LIDAR装置、IRスキャナ、一連のSLAMセンサ、レーダ装置、EMFスキャナなどで撮影された3Dデータをアップロードしてもよい。提供されたデータに応答して、デジタルツイン作成モジュール40064は、環境の3D表現を作成してもよく、これは、画像データで撮影された/3Dデータで検出された任意のオブジェクトを含んでもよい。実施形態では、認知処理システム40072は、入力データ(例えば、設計図、画像スキャン、3Dデータ)を分析して、部屋、通路、機器などを分類し、3D表現の生成を支援してもよい。いくつかの実施形態において、デジタルツイン作成モジュール40064は、デジタルツインを3D座標空間(例えば、x、y、およびz軸を有するデカルト空間)にマッピングしてもよい。
いくつかの実施形態では、デジタルツイン作成モジュール40064は、環境の3D表現をグラフィカルユーザインタフェース(GUI)に出力してもよい。これらの実施形態のいくつかでは、ユーザは、特定のエリア及び/又はオブジェクトを識別してもよく、識別されたエリア及び/又はオブジェクトに関連する入力を提供してもよい。例えば、ユーザは、特定の部屋、設備、機械などをラベル付けすることができる。さらに、または代わりに、ユーザは識別されたオブジェクト及び/又はエリアに関連するデータを提供してもよい。例えば、機器を特定する際に、ユーザは機器の製造番号/モデル番号を提供してもよい。いくつかの実施形態では、デジタルツイン作成モジュール40064は、装置、機器、または機械の製造者から情報を取得してもよい。この情報は、装置、機器、または機械の1つまたは複数の特性及び/又は動作を含んでもよい。いくつかの実施形態では、ユーザは、GUIを介して、環境中のセンサの位置を特定してもよい。各センサについて、ユーザは、センサの種類および関連データ(例えば、メーカー、モデル、IPアドレスなど)を提供してもよい。デジタルツイン作成モジュール40064は、環境のデジタルツインに、位置(例えば、センサのx、y、z座標)を記録してもよい。実施形態において、デジタルツインシステム40000は、デジタルツインの人口を自動化する1つまたは複数のシステムを採用してもよい。例えば、デジタルツインシステム40000は、デバイス、機器、またはセンサのメーカーやモデルを分類するマシンビジョンベースの分類器を採用してもよい。さらに、または代わりに、デジタルツインシステム40000は、環境内にある特定のタイプのセンサの存在を識別するために、異なるタイプの既知のセンサを反復的にpingしてもよい。センサがpingに応答するたびに、デジタルツインシステム40000は、センサのメーカーおよびモデルを推定してもよい。
いくつかの実施形態では、製造者は、その製品(例えば、センサ、デバイス、機械、装置、原材料など)のデジタルツインを提供し、または利用可能にしてもよい。これらの実施形態では、デジタルツイン作成モジュール40064は、環境で識別される1つまたは複数の製品のデジタルツインをインポートしてもよく、それらのデジタルツインを環境のデジタルツインに埋め込んでもよい。実施形態において、他のデジタルツイン内にデジタルツインを埋め込むことは、埋め込まれたデジタルツインと他のデジタルツインとの間に関係を作成することを含んでもよい。これらの実施形態では、デジタルツインの製造者が、それぞれの製品の動作及び/又は特性を定義してもよい。例えば、機械のデジタルツインは、機械が動作する態様、機械の入力/出力などを定義してもよい。このようにして、機械のデジタルツインは、一連の入力を与えられた機械の動作を反映することができる。
実施形態では、ユーザは、環境で発生する1つまたは複数のプロセスを定義することができる。これらの実施形態では、ユーザは、プロセスのステップ、プロセスの各ステップを実行するマシン/デバイス、プロセスへの入力、およびプロセスの出力を定義することができる。
実施形態では、デジタルツイン作成モジュール40064は、デジタルツインのセット間の関係を定義するグラフデータベースを作成してもよい。これらの実施形態において、デジタルツイン作成モジュール40064は、環境、環境のシステム及びサブシステム、環境内のデバイス、環境内のセンサ、環境内で作業する作業者、環境内で実行されるプロセス等のノードを作成してもよい。実施形態において、デジタルツイン作成モジュール40064は、デジタルツインのセットを表すグラフデータベースを、デジタルツインデータストア40016に書き込んでもよい。
実施形態では、デジタルツイン作成モジュール40064は、各ノードについて、エンティティを表すノードに、エンティティに関連する任意のデータを含んでもよい。例えば、環境を表すノードを定義する際に、デジタルツイン作成モジュール40064は、寸法、境界、レイアウト、経路、およびその他の関連する空間データをノードに含めてもよい。さらに、デジタルツイン作成モジュール40064は、環境を基準とした座標空間を定義してもよい。デジタルツインがレンダリングされる可能性がある場合には、デジタルツイン作成モジュール40064は、環境をレンダリングするために使用される可能性がある任意の形状、メッシュ、スプライン、サーフェスなどへの参照をノードに含んでもよい。システム、サブシステム、デバイス、またはセンサを表現する際、デジタルツイン作成モジュール40064は、それぞれのエンティティのノードを作成し、任意の関連データを含んでもよい。例えば、デジタルツイン作成モジュール40064は、環境内の機械を表すアノードを作成してもよい。この例では、デジタルツイン作成モジュール40064は、機械を表すノードに、機械に関連する寸法、動作、特性、位置、及び/又は他の任意の適切なデータを含んでもよい。デジタルツイン作成モジュール40064は、関連するエンティティのノードをエッジで接続し、それによって、エンティティ間の関係を作成してもよい。その際、エンティティ間で作成された関係は、エッジによって特徴付けられる関係のタイプを定義することができる。プロセスを表現する際、デジタルツイン作成モジュール40064は、プロセス全体のノードを作成してもよいし、プロセスの各ステップのノードを作成してもよい。これらの実施形態のいくつかでは、デジタルツイン作成モジュール40064は、プロセスのノードを、プロセスのステップを実行する機械/デバイスを表すノードに関連づけてもよい。エッジがプロセスステップノードをプロセスステップを実行する機械/装置に接続する実施形態では、エッジまたはノードの1つは、ステップへの入力、ステップの出力、ステップにかかる時間の量、出力を生成するための入力の処理の性質、プロセスが受けることができる状態またはモードのセットなどを示す情報を含んでもよい。
実施形態では、デジタルツイン更新モジュール40066は、1つまたは複数の産業エンティティの現在の状態に基づいて、デジタルツインのセットを更新する。いくつかの実施形態では、デジタルツイン更新モジュール40066は、産業環境のセンサシステム40030からセンサデータを受信し、産業環境のデジタルツイン及び/又は影響を受ける任意のシステム、サブシステム、デバイス、作業者、プロセスなどのデジタルツインの状態を更新する。説明したように、デジタルツインI/Oシステム40004は、1つまたは複数のセンサパケットでセンサデータを受信してもよい。デジタルツインI/Oシステム40004は、センサデータをデジタルツイン更新モジュール40066に提供してもよく、センサパケットが受信された環境と、センサパケットを提供したセンサとを識別してもよい。センサデータに応答して、デジタルツイン更新モジュール40066は、センサデータに基づいて、1つまたは複数のデジタルツインの状態を更新してもよい。これらの実施形態のいくつかでは、デジタルツイン更新モジュール40066は、現在のセンサデータを反映するために、センサデータを提供したセンサに対応するレコード(例えば、グラフデータベースのアノード)を更新してもよい。いくつかのシナリオでは、デジタルツイン更新モジュール40066は、センサによって監視される環境内の特定の領域を識別し、現在のセンサデータを反映するようにレコード(例えば、グラフデータベース内のノード)を更新してもよい。例えば、デジタルツイン更新モジュール40066は、機械及び/又は機械部品の異なる振動特性を反映したセンサデータを受信してもよい。この例では、デジタルツイン更新モジュール40066は、振動センサデータを提供した振動センサを表すレコード、及び/又は、機械及び/又は機械部品を表すレコードを、振動センサデータを反映するように更新してもよい。別の例では、いくつかのシナリオにおいて、産業環境(例えば、製造施設、産業用貯蔵施設、鉱山、掘削作業など)の作業者は、ウェアラブルデバイス(例えば、スマートウォッチ、スマートヘルメット、スマートシューズなど)を着用することを要求される場合がある。これらの実施形態において、ウェアラブルデバイスは、作業者(例えば、位置、動き、心拍数、呼吸数、体温など)及び/又は作業者を取り巻く環境に関連するセンサデータを収集してもよく、収集したセンサデータをデジタルツインシステム40000に(例えば、ウェブフックなどのリアルタイムセンサ接続性40014を介して)、直接またはセンサシステムの集約デバイスを介して通信してもよい。作業者のウェアラブルデバイスからセンサデータを受信することに応答して、デジタルツイン更新モジュール40066は、例えば、作業者の位置、作業者の軌跡、作業者の健康状態などを反映して、作業者のデジタルツインを更新してもよい。これらの実施形態のいくつかでは、デジタルツイン更新モジュール40066は、作業者の現在の状態を反映するために、作業者を表すノード、及び/又は、環境を表すノードと収集されたセンサデータとを接続するエッジを更新してもよい。
いくつかの実施形態では、デジタルツイン更新モジュール40066は、1つまたは複数のセンサからのセンサデータをデジタルツインダイナミックモデルシステム40008に提供してもよく、デジタルツインダイナミックモデルシステム40008は、環境及び/又は1つまたは複数の産業エンティティの動作をモデル化して、追加の状態データを推定してもよい。
実施形態では、デジタルツイン視覚化モジュール40068は、視覚的なデジタルツインまたはその一部を閲覧する要求を受信する。実施形態では、要求は、閲覧されるデジタルツインを示してもよい(例えば、環境識別子)。これに応答して、デジタルツイン可視化モジュール40068は、要求されたデジタルツインおよび要求によって暗示される他のデジタルツインを決定してもよい。例えば、環境のデジタルツインの閲覧を要求する場合、デジタルツイン可視化モジュール40068は、環境内の任意の産業エンティティのデジタルツインをさらに識別してもよい。実施形態において、デジタルツイン可視化モジュール40068は、例えば、グラフデータベースで定義された関係に基づいて、産業エンティティと環境との間の空間的関係を識別してもよい。これらの実施形態において、デジタルツイン可視化モジュール40068は、含有するデジタルツイン内の埋め込みデジタルツインの相対的な位置、隣接するデジタルツインの相対的な位置、及び/又は関係の過渡性(例えば、オブジェクトがある点に固定されているか、またはオブジェクトが移動するか)を決定することができる。デジタルツイン可視化モジュール40068は、識別された関係に基づいて、要求されたデジタルツインおよび他の関係するデジタルツインをレンダリングすることができる。いくつかの実施形態では、デジタルツイン可視化モジュール40068は、各デジタルツインについて、デジタルツインの表面を決定してもよい。いくつかの実施形態において、デジタルの表面は、デジタルツインに対応するレコードにおいて定義または参照されてもよく、これは、ユーザによって提供されてもよく、インポートされた画像から決定されてもよく、または産業実体の製造業者によって定義されてもよい。物体が異なるポーズまたは形状を取ることができるシナリオ(例えば、産業用ロボット)では、デジタルツイン可視化モジュール40068は、デジタルツインのために物体のポーズまたは形状を決定してもよい。デジタルツイン視覚化モジュール40068は、要求されたデジタルツインにデジタルツインを埋め込み、要求されたデジタルツインをクライアントアプリケーションに出力してもよい。
いくつかの実施形態では、デジタルツイン更新モジュール40004は、1つまたは複数のセンサからのセンサデータをデジタルツイン動的システム40008に提供してもよく、デジタルツイン動的システム40008は、環境及び/又は1つまたは複数の産業エンティティの挙動をモデル化して、追加の状態データを推定してもよい。例えば、産業用貯蔵施設が、大きな空間の4つの出入り口に温度センサ40032を含み、温度センサ40032のそれぞれが、温度センサ40032を囲む周囲の温度に対応するそれぞれの温度測定値を出力する場合、デジタルツインダイナミックシステム40008は、産業用貯蔵施設の他の監視されていない領域の温度を決定してもよい。この例では、デジタルツインダイナミックシステム40008は、決定された温度をデジタルツイン更新モジュール40004に出力してもよく、デジタルツイン更新モジュール40004は、外挿された温度を反映して環境のデジタルツインを更新してもよい。これらの例示的な実施形態では、決定された温度は、任意の数の下流のアプリケーションで使用されてもよい。いくつかの実施形態では、デジタルツインシステム40004は、外挿された温度(およびセンサで測定された温度)を、環境の過熱状態または不適切な温度を分類する監視システムに出力してもよい。例えば、デジタルツインシステム40004は、過熱したベアリングの判定が回転機械の故障を示すように、ベアリングの外挿された温度を出力してもよい。別の例では、デジタルツインシステム40004は、ブレーキパッドの外挿温度を出力してもよく、その場合、ブレーキパッドが過熱していると判定することは、ブレーキの故障を示すことになる。別の例では、デジタルツインシステム40004は、食品生産施設の外挿温度を出力してもよく、不適切な温度(例えば、最小閾値以下または上限閾値以上)は、生鮮品の腐敗につながる可能性があるようにする。別の例では、デジタルツインシステム40004は、不適切な温度(例えば、最小閾値未満または上限閾値以上)が化学ベースのプロセスの故障につながる可能性があるように、化学プロセスに関する外挿温度を出力してもよい。別の例では、デジタルツインシステム40004は、不適切な温度(例えば、最小閾値未満または上限閾値以上)が作物の失敗につながる可能性があるように、栽培施設の外挿した温度を出力してもよい。別の例では、デジタルツインシステム40004は、外挿した温度(およびセンサで測定した温度)を、外挿した温度及び/又はセンサで測定した温度に基づいて環境内の温度を調整する制御システム(例えば、HVACコントローラ)に出力してもよい。
これらの実施形態のいくつかでは、デジタルツインを閲覧する要求は、ビューのタイプをさらに示すことができる。議論したように、いくつかの実施形態では、デジタルツインは、多数の異なるビュータイプで描写されてもよい。例えば、環境または装置は、環境または装置を通常のように描写する「実世界」ビュー、環境または装置の温度を示す方法で環境または装置を描写する「熱」ビュー、機械及び/又は機械部品の振動特性を示す方法で産業環境の機械及び/又は機械部品を描写する「振動」ビューで見ることができる。環境またはデバイスのコンポーネント内の特定の種類のオブジェクト(例えば、故障状態の認識、警告、更新されたレポート、またはその他の要因に起因する注意が必要なオブジェクトなど)のみを表示する「フィルタリング」ビュー、デジタルツインにデータをオーバーレイする拡張ビュー、及び/又はその他の適切なビュータイプである。実施形態では、デジタルツインは、多数の異なる役割ベースのビュータイプで描写されてもよい。例えば、製造施設のデバイスは、施設のオペレータに適した方法で施設を描写する「オペレータ」ビュー、経営幹部レベルの管理者に適した方法で施設を描写する「C-Suite」ビュー、営業及び/又はマーケティングの役割を担う労働者に適した方法で施設を描写する「マーケティング」ビューで見ることができる。取締役会のメンバーに適した方法で施設を描写する「取締役会」ビュー、規制管理者に適した方法で施設を描写する「規制」ビュー、および人事担当者に適した方法で施設を描写する「人事」ビューである。ビュータイプを示す要求に応答して、デジタルツイン可視化モジュール40068は、ビュータイプに対応する各デジタルツインのデータを取得してもよい。例えば、ユーザが工場フロアの振動ビューを要求した場合、デジタルツイン可視化モジュール40068は、工場フロアの振動データ(これは、異なる機械及び/又は機械コンポーネントから取られた振動測定値、及び/又はデジタルツイン動的モデルシステム40008によって外挿された振動測定値、及び/又はデジタルツインシミュレーションシステム40006からのシミュレートされた振動データを含んでもよい)、ならびに工場フロアに現れる任意の産業エンティティの利用可能な振動データを取得してもよい。この例では、デジタルツイン可視化モジュール40068は、工場フロア上の各機械コンポーネントに対応する色を、振動障害レベルの状態を表す色(例えば、赤はアラーム、オレンジはクリティカル、黄色はサブオプティマル、緑は通常の動作)として決定してもよい。デジタルツイン可視化モジュール40068は、次に、デジタルツインは、決定された色に基づいて、環境内の機械コンポーネントのデジタルツインをレンダリングする。さらに、または代替として、デジタルツイン可視化モジュール40068は、決定された色を有するインジケータを用いて、環境内の機械コンポーネントのデジタルツインをレンダリングしてもよい。例えば、モータのインバウンド軸受の振動障害レベル状態が準最適であり、モータのアウトバウンド軸受が臨界である場合、デジタルツイン可視化モジュール40068は、インバウンド軸受のデジタルツインを、黄色のシェード(例えば、準最適)のインジケータを有し、アウトバウンド軸受を、オレンジのシェード(例えば、臨界)のインジケータを有してレンダリングしてもよい。いくつかの実施形態では、デジタルツインシステムTS06は、デジタルツイン可視化システムTS06が人間のユーザに情報を提示する態様を決定する分析システム(図示せず)を含んでもよいことに留意されたい。例えば、分析システムは、視覚的なデジタルツインで提示された情報に応答して、現実世界の環境または物体と人間の相互作用に関連する結果を追跡してもよい。いくつかの実施形態では、分析システムは、認知モデルを適用して、結果データに基づいて、視覚化された情報(例えば、アラーム状態を示すためにどのような色を使用するか、アラーム状態に注意を向けるためにどのような動きやアニメーションを使用するかなど)または音声情報(アラーム状態を示すためにどのような音を使用するか)を表示する最も効果的な方法を決定してもよい。いくつかの実施形態では、分析システムは、認知モデルを適用して、ユーザの役割に基づいて視覚化された情報を表示する最も適した方法を決定してもよい。実施形態では、視覚化は、視覚化されたデジタルツインに関連する情報の表示を含んでもよく、これには、グラフィカルな情報、振動特性を描いたグラフィカルな情報、高調波ピークを描いたグラフィカルな情報、ピークを描いたグラフィカルな情報、振動深刻度単位データ、振動故障レベル状態データが含まれる。コグニティブインテリジェンスシステム40010からの提言、コグニティブインテリジェンスシステム40010からの予測、故障確率データ、メンテナンス履歴データ、故障までの時間データ、ダウンタイムのコストデータ、ダウンタイムの確率データ、修理のコストデータ、機械交換のコストデータ、シャットダウンの確率データ、製造業のKPIなどが含まれる。
別の例では、ユーザは、プロセスのデジタルツインのフィルタリングされたビューを要求することができ、それによって、プロセスのデジタルツインは、プロセスに関与するコンポーネント(例えば、機械または装置)のみを示す。この例では、デジタルツイン可視化モジュール40068は、プロセスのデジタルツインに加えて、関連するデジタルツイン(例えば、環境のデジタルツインおよびプロセスに影響を与える任意の機械または装置のデジタルツイン)を取得してもよい。その後、デジタルツイン可視化モジュール40068は、デジタルツイン(例えば、環境および関連する産業実体)のそれぞれをレンダリングし、その後、レンダリングされたデジタルツイン上でプロセスを実行してもよい。プロセスが一定期間にわたって実行される可能性があり、移動するアイテム及び/又は部品を含む可能性があるため、デジタルツイン可視化モジュール40068は、プロセスを示す一連の連続したフレームを生成してもよいことに留意されたい。このシナリオでは、プロセスに関係する機械及び/又は装置の動きは、機械及び/又は装置のそれぞれのデジタルツインで定義された動作に従って決定されてもよい。
説明したように、デジタルツイン視覚化モジュール40068は、要求されたデジタルツインをクライアントアプリケーション40070に出力してもよい。いくつかの実施形態において、クライアントアプリケーション40070は、バーチャルリアリティアプリケーションであり、それによって、要求されたデジタルツインは、バーチャルリアリティヘッドセット上に表示される。いくつかの実施形態では、クライアントアプリケーション40070は、拡張現実アプリケーションであり、それによって、要求されたデジタルツインは、AR対応のデバイスに描写される。これらの実施形態では、要求されたデジタルツインは、視覚的要素及び/又はテキストがAR対応デバイスのディスプレイに重ねて表示されるようにフィルタリングされてもよい。
グラフデータベースについて説明したが、デジタルツインシステム40000は、デジタルツインのセットに関連する情報を格納するために、他の適切なデータ構造を採用してもよいことに留意されたい。これらの実施形態では、データ構造、および関連するストレージシステムは、フローの反復を表現する際に、データ構造がある程度のフィードバックループ及び/又は再帰を提供するように実装されてもよい。
図215は、本開示のいくつかの実施形態による、結合されたコンポーネント間のデータの双方向転送を提供するために、環境40020、デジタルツインシステム40000、及び/又はそれらのコンポーネントとインタフェースするデジタルツインI/Oシステム40004の一例を示す。
実施形態では、転送されたデータは、接続されたコンポーネント間の信号(例えば、要求信号、コマンド信号、応答信号など)を含み、これらのコンポーネントは、ソフトウェアコンポーネント、ハードウェアコンポーネント、物理デバイス、仮想化デバイス、シミュレートされたデバイス、それらの組み合わせなどを含んでもよい。信号は、材料特性(例えば、温度、圧力、湿度、密度、粘度などの物理量)、測定値(例えば、デバイスまたはシステムによって取得された同時または保存された値)、デバイス特性(例えば、デバイスIDまたはデバイスの設計仕様の特性、材料、測定能力、寸法、絶対位置、相対位置、それらの組み合わせなど)、セットポイント(例えば。セットポイント(材料特性、デバイス特性、システム特性、それらの組み合わせなどの目標値など)、及び/又はクリティカルポイント(材料特性、デバイス特性、システム特性などの最小値や最大値などの閾値など)がある。信号は、データを取得する(例えば、直接測定または生成する)、またはその他の方法で取得する(例えば、受信、計算、ルックアップ、フィルタリングなど)システムまたはデバイスから受信されてもよく、所定の時間に、またはデジタルツインI/Oシステム40004からの要求(例えば、ポーリング)に応じて、デジタルツインI/Oシステム40004に、またはデジタルツインI/Oシステム40004から通信されてもよい。通信は、直接的または間接的な接続を介して(例えば、回路内の中間モジュール及び/又は接続されたコンポーネント間の中間デバイスを介して)行われてもよい。値は、実世界の要素40302r(例えば、有形の振動センサのための入力または出力)または仮想の要素40302v(例えば、振動データを提供するデジタルツイン40302d及び/又はシミュレーションされた要素40302sのための入力または出力)に対応してもよい。
実施形態では、実世界要素40302rは、産業環境40020内の要素であってもよい。実世界要素40302rは、例えば、非ネットワーク要素40022、デバイス40024(スマートまたは非スマート)、センサ40026、および人間40028を含んでもよい。実世界要素40302rは、産業環境40020内のプロセス機器または非プロセス機器であってもよい。例えば、プロセス機器は、モータ、ポンプ、ミル、ファン、塗装機、溶接機、製錬機などを含んでいてもよく、非プロセス機器は、個人用保護具、安全装置、緊急ステーションまたは装置(安全シャワー、洗眼ステーション、消火器、スプリンクラーシステムなど)、倉庫の特徴(壁、フロアレイアウトなど)、障害物(環境40020内の人または他のアイテムなど)などを含んでいてもよい。
実施形態では、仮想要素40302vは、同時期に存在する実世界の要素40302rのデジタル表現であってもよいし、それに対応するものであってもよい。さらにまたは代替として、仮想要素40302vは、環境40020への後からの追加および実装に利用可能な実世界要素40302rのデジタル表現またはそれに対応するものであってもよい。仮想要素は、例えば、シミュレートされた要素40302s及び/又はデジタルツイン40302dを含んでもよい。実施形態において、シミュレートされた要素40302sは、産業環境40020内に存在しない実世界の要素40302sのデジタル表現であってもよい。シミュレーションされた要素40302sは、後に実世界の要素40302rとして環境40020内に統合され得る所望の物理的特性を模倣してもよい(例えば、実世界の要素40302rの寸法を模倣した「ブラックボックス」など)。模擬要素40302sは、既存のオブジェクトのデジタルツインを含んでいてもよい(例えば、単一の模擬要素40302sは、既存のセンサに対する1つ以上のデジタルツイン40302dを含んでいてもよい)。模擬要素40302sに関連する情報は、例えば、模擬要素40302sの情報や挙動を定義するライブラリ(例えば、物理ライブラリ、化学ライブラリなど)から、数学モデルやアルゴリズムを用いて対応する実世界の要素40302rの挙動を評価することで得られてもよい。
実施形態では、デジタルツイン40302dは、1つまたは複数の実世界要素40302rのデジタル表現であってもよい。デジタルツイン40302dは、周囲またはアンビエント環境の入力、出力、及び/又は条件に応じて、実世界要素40302rの挙動および応答を模倣、コピー、及び/又はモデル化するように構成される。実世界要素40302rの物理的特性および応答に関連するデータは、例えば、ユーザ入力、センサ入力、及び/又は物理的モデリング(例えば、熱力学モデル、電気力学モデル、機械力学モデルなど)を介して得られてもよい。デジタルツイン40302dのための情報は、デジタルツイン40302dに対応する1つまたは複数の実世界要素40302rに対応し、そこから得られてもよい。例えば、いくつかの実施形態では、デジタルツイン40302dは、機械コンポーネント上の固定デジタル振動センサ40036である1つの実世界要素40302rに対応してもよく、デジタルツイン40302dのための振動データは、機械コンポーネント上の固定デジタル振動センサによって測定された振動データをポーリングまたはフェッチすることによって得られてもよい。さらなる例では、デジタルツイン40302dは、要素の各々が機械コンポーネント上の固定デジタル振動センサであり得るような複数の実世界要素40302rに対応していてもよく、デジタルツイン40302dの振動データは、複数の実世界要素40302r上の固定デジタル振動センサの各々によって測定された振動データをポーリングまたはフェッチすることによって得られてもよい。さらにまたは代替的に、第1のデジタルツイン40302dの振動データは、第1のデジタルツイン40302d内に埋め込まれている第2のデジタルツイン40302dの振動データをフェッチすることによって得られてもよく、第1のデジタルツイン40302dの振動データは、第2のデジタルツイン40302dの振動データを含むか、または第2のデジタルツイン40302dの振動データから得られてもよい。例えば、第1のデジタルツインは、環境40020のデジタルツイン40302d(代替的に「環境デジタルツイン」と呼ばれる)であってもよく、第2のデジタルツイン40302dは、第1のデジタルツイン40302dの振動データが、第2のデジタルツイン40302dの振動データを含むデータから得られるか、またはそれに基づいて計算されるように、環境40020内に配置された振動センサに対応するデジタルツイン40302dであってもよい。
実施形態では、デジタルツインシステム40000は、デジタルツイン40302d及び/又は1つまたは複数のシミュレートされた要素40302sのモデルの出力によって表される、または表されてもよいそれぞれの環境40020内で、センサ40026を使用して実世界要素40302rの特性を監視する。実施形態において、デジタルツインシステム40000は、影響を受けた実世界要素40302rに対応するセンサのポーリング間隔を延長し、及び/又はデータ転送を最小化し、他のソース(例えば、影響を受けた実世界要素40302rに物理的に近接している、または影響を与えるセンサ)から得られたデータを使用して、延長された間隔の間にシミュレーションを(例えば、デジタル-ツインシミュレーションシステム106を介して)実行することによって、プロセスの効果的な監視を維持しつつ、ネットワークの輻輳を最小化することができる。さらに、または代替として、収集されたセンサデータをデジタル-ツインシミュレーションシステム106から得られたデータと比較することによって、エラーチェックを行ってもよい。例えば、実世界要素40302rとシミュレートされた要素40302sから得られたセンサデータの間の一貫した逸脱または変動は、それぞれのセンサの誤動作または別の障害状態を示す可能性がある。
実施形態では、デジタルツインシステム40000は、1つまたは複数のシミュレートされた要素40302の使用を通じて、環境の特徴を最適化してもよい。例えば、デジタルツインシステム40000は、環境のデジタルツイン内の模擬要素40302sの効果を評価して、環境40020内の実世界の要素40302rの包含、除外、または置換から流れてくるコスト及び/又は利益を迅速かつ効率的に決定してもよい。コストおよび利益には、例えば、機械コストの増加(例えば、設備投資および保守)、効率の向上(例えば、廃棄物の削減またはスループットの増加のためのプロセスの最適化)、環境40020内のフットプリントの減少または変更、耐用年数の延長または最適化、コンポーネントの故障の最小化、コンポーネントのダウンタイムの最小化などが含まれ得る。
実施形態では、デジタルツインI/Oシステム40004は、説明された機能に影響を与えるために、1つまたは複数のデバイス(例えば、サーバデバイス、ユーザデバイス、及び/又は分散デバイス)の1つまたは複数のコントローラによって実行される1つまたは複数のソフトウェアモジュールを含んでもよい。デジタルツインI/Oシステム40004は、例えば、入力モジュール400304と、出力モジュール400306と、アダプタモジュール400308とを含んでもよい。
実施形態では、入力モジュール400304は、センサシステム40030やデジタルツインシミュレーションシステム40006など、デジタルツインI/Oシステム40004と通信しているデータソースからデータを取得またはインポートしてもよい。データは、直ちに
は、デジタルツインシステム40000によって使用されるか、またはデジタルツインシステム40000内に保存される。インポートされたデータは、データストリーム、データバッチ、トリガイベントに応じて、それらの組み合わせなどから取り込まれてもよい。入力モジュール400304は、デジタルツインシステム40000内で情報を転送、読み出し、及び/又は書き込みするのに適した形式でデータを受け取ってもよい。
は、デジタルツインシステム40000によって使用されるか、またはデジタルツインシステム40000内に保存される。インポートされたデータは、データストリーム、データバッチ、トリガイベントに応じて、それらの組み合わせなどから取り込まれてもよい。入力モジュール400304は、デジタルツインシステム40000内で情報を転送、読み出し、及び/又は書き込みするのに適した形式でデータを受け取ってもよい。
実施形態では、出力モジュール400306は、他のシステムコンポーネント(例えば、デジタルツインデータストア40016、デジタルツインシミュレーションシステム40006、コグニティブインテリジェンスシステム40010など)、デバイス40024、及び/又はクライアントアプリケーション40070にデータを出力またはエクスポートしてもよい。データは、データストリーム、データバッチ、トリガとなるイベント(例えば、要求)に応じて、それらの組み合わせなどで出力されてもよい。出力モジュール400306は、対象要素が使用または保存するのに適した形式でデータを出力してもよい(例えば、クライアントアプリケーションへの出力のための1つのプロトコルと、デジタルツインデータストア40016のための別のプロトコルなど)。
実施形態では、アダプタモジュール400308は、入力モジュール400304と出力モジュール400306との間でデータを処理及び/又は変換してもよい。実施形態では、アダプタモジュール400308は、自動的に(例えば、データタイプに基づいて)、または受信した要求に応答して(例えば、データ内の情報に応答して)、データを変換及び/又はルーティングしてもよい。
実施形態では、デジタルツインシステム40000は、一連の産業用ワークピース要素をデジタルツインで表現してもよく、デジタルツインシミュレーションシステム40006は、ワークピース要素に対する作業者の一連の物理的相互作用をシミュレートする。シミュレーションされた物理的インタラクションは、例えば、ワークピースの移動(例えば、作業者がワークピースを場所間で運ぶ)、ワークピースの配置(例えば、作業者がさらなる処理のためにワークピースを取り付けたり、整列させたりする)、機械の作動(例えば、作業者の手及び/又は足が指定されたトリガに置かれたことに応答してシートメタルを機械で曲げる)、手動によるワークピースの変更(例えば、作業者が手でワークピースを塗装したり、溶接したり、ワークピースから材料を取り除いたりする)などを含むことができる。
実施形態では、デジタルツインシミュレーションシステム40006は、シミュレートされた人的要因を考慮して、シミュレートされた物理的相互作用のプロセス結果を決定してもよい。例えば、ワークピーススループットの変動は、例えば、イベントに対する作業者の応答時間、作業者の疲労、作業者の行動内の不連続性(例えば、人間の移動速度の自然な変動、異なる位置決め時間など)、不連続性の下流プロセスへの影響などを含めて、デジタルツインシステム40000によってモデル化されてもよい。実施形態では、デジタルツインシステム40000によって収集、取得、及び/又は保存された履歴データを用いて、個別の作業者のインタラクションをモデル化することができる。
シミュレーションは、推定金額(例えば、労働者の年齢、業界平均、職場での期待値など)に基づいて開始することができる。また、シミュレーションでは、各作業者のデータを個別化してもよい(例えば、推定量と収集した作業者固有の結果を比較する)。
シミュレーションは、推定金額(例えば、労働者の年齢、業界平均、職場での期待値など)に基づいて開始することができる。また、シミュレーションでは、各作業者のデータを個別化してもよい(例えば、推定量と収集した作業者固有の結果を比較する)。
実施形態では、作業者に関する情報(例えば、疲労率、効率率など)は、特定の作業者のパフォーマンスを経時的に分析し、前記パフォーマンスをモデル化することによって決定することができる。
実施形態では、デジタルツインシステム40000は、センサアレイ40030内に複数の近接センサを含む。近接センサは、所定の領域内にある環境40020の要素を検出するように構成されているか、または構成されていてもよい。例えば、近接センサは、電磁センサ、光センサ、及び/又は音響センサを含んでもよい。
電磁センサは、1つまたは複数の電磁場(例えば、放出された電磁放射または受信された電磁放射)を介して物体または相互作用を感知するように構成されているか、またはそうしてもよい。実施形態では、電磁センサは、誘導型センサ(例えば、無線周波数識別センサ)、容量性センサ(例えば、接触型および非接触型容量性センサ)、それらの組み合わせなどを含む。
光センサは、例えば、遠赤外、近赤外、光、及び/又は紫外のスペクトルの電磁放射を介して物体または相互作用を感知するように構成されているか、またはそうしてもよい。実施形態では、光センサは、イメージセンサ(例えば、電荷結合素子およびCMOSアクティブピクセルセンサ)、光電センサ(例えば、透過型センサ、再帰反射型センサ、および拡散型センサ)、それらの組み合わせなどを含んでもよい。さらに、光センサは、光検出・測距(「LIDAR」)センサなどのシステムまたはサブシステムの一部として実装されてもよい。
音響センサは、音響センサによって放出及び/又は受信される音波を介して物体または相互作用を感知するように構成されているか、またはそうしてもよい。実施形態では、音響センサは、低周波センサ、音波センサ、及び/又は超音波センサを含んでもよい。さらに、音響センサは、サウンドナビゲーション&レンジング(「SONAR」)センサなどのシステムまたはサブシステムの一部としてグループ化されてもよい。
実施形態では、デジタルツインシステム40000は、環境40020またはその一部内の一連の近接センサからデータを保存および収集する。収集されたデータは、例えば、デジタルツインシステム40000の構成要素による使用及び/又はユーザによる視覚化のために、デジタルツインデータストア40016に格納されてもよい。このような使用及び/又は視覚化は、データの収集と同時に、または収集後に(例えば、後の分析及び/又はプロセスの最適化の間に)行われてもよい。
実施形態では、データ収集は、トリガ条件に応じて発生することがある。これらのトリガ条件には、例えば、静的または動的な所定の間隔の満了、静的または動的な値に満たないまたは超過する値の取得、デジタルツインシステム40000またはそのコンポーネントから自動的に生成された要求または命令の受信、要素とそれぞれのセンサまたはセンサとの相互作用(例えば、例えば、作業者や機械がビームを壊したり、近接センサから所定の距離内に入ってきたりしたことに応答して)、ユーザとデジタルツインとの相互作用(例えば、環境デジタルツイン、センサアレイデジタルツイン、センサデジタルツインの選択)、それらの組み合わせなどである。
いくつかの実施形態では、デジタルツインシステム40000は、作業者の実世界要素40302rとのインタラクションに応答して、RFIDデータを収集及び/又は保存する。例えば、現実世界の環境との作業者のインタラクションに応答して、デジタルツインは、対応する環境40020内の又はそれに関連するRFIDセンサからRFIDデータを収集及び/又は保存する。さらに、または代わりに、センサアレイのデジタルツインとの作業者のインタラクションは、対応するセンサアレイ内のまたはそれに関連するRFIDセンサからRFIDデータを収集及び/又は保存する。同様に、センサデジタルツインとの作業者のインタラクションは、対応するセンサからRFIDデータを収集及び/又は保存する。RFIDデータは、近接するRFIDタグ、RFIDタグの位置、許可されたRFIDタグ、許可されていないRFIDタグ、認識されていないRFIDタグ、RFIDタイプ(例えば、アクティブまたはパッシブ)、エラーコード、それらの組み合わせなど、RFIDセンサによって達成可能な適切なデータを含んでもよい。
実施形態では、デジタルツインシステム40000は、1つ以上のデバイスからの出力を対応するデジタルツイン内にさらに埋め込んでもよい。実施形態では、デジタルツインシステム40000は、一組の個人に関連するデバイスからの出力を産業用デジタルツインに埋め込む。例えば、デジタルツインI/Oシステム40004は、産業環境内の個人に関連する1つまたは複数のウェアラブルデバイス40054またはモバイルデバイス(図示せず)から出力された情報を受信してもよい。ウェアラブルデバイスは、画像キャプチャデバイス(例えば、ボディカメラまたは拡張現実ヘッドウェア)、ナビゲーションデバイス(例えば、GPSデバイス、慣性誘導システム)、モーショントラッカー、音響キャプチャデバイス(例えば、マイクロフォン)、放射線検出器、それらの組み合わせなどを含んでもよい。
実施形態では、出力情報を受信すると、デジタルツインI/Oシステム40004は、環境デジタルツイン及び/又は環境内の関連するデジタルツイン(例えば、所定の時間における作業者、機械、またはロボットの位置のデジタルツイン)を確認及び/又は更新するために、デジタルツイン作成モジュール40064に情報をルーティングする。さらに、デジタルツインシステム40000は、埋め込まれた出力を使用して、環境40020の特性を決定してもよい。
実施形態では、デジタルツインシステム40000は、LIDAR点群システムからの出力を産業用デジタルツインに埋め込む。例えば、デジタルツインI/Oシステム40004は、産業環境内の1つまたは複数のLidarデバイス40038から出力された情報を受信してもよい。Lidarデバイス40038は、関連する位置データ(例えば、絶対的または相対的なx、y、およびz値の座標)を有する複数の点を提供するように構成される。複数のポイントのそれぞれは、強度、リターン数、総リターン数、レーザカラーデータ、リターンカラーデータ、スキャン角度、スキャン方向などの、さらなるLIDAR属性を含んでもよい。ライダ装置40038は、複数の点を含む点群を、例えば、デジタルツインI/Oシステム40004を介して、デジタルツインシステム40000に提供してもよい。加えて、または代替として、デジタルツインシステム40000は、点のストリームを受信し、ストリームを点群に組み立ててもよいし、点群を受信し、受信した点群を既存の点群データ、地図データ、または三次元(3D)モデルデータと組み立ててもよい。
実施形態では、出力情報を受信すると、デジタルツインI/Oシステム40004は、点群情報をデジタルツイン作成モジュール40064にルーティングして、環境デジタルツイン及び/又は環境内の関連するデジタルツイン(例えば、所定の時間における作業者、機械、またはロボットの位置のデジタルツイン)をチェック及び/又は更新する。いくつかの実施形態では、デジタルツインシステム40000は、受信したLIDARデータ内の閉じた形状のオブジェクトを決定するようにさらに構成される。例えば、デジタルツインシステム40000は、点群内の複数の点をオブジェクトとしてグループ化し、必要に応じて、オブジェクトの妨害された面(例えば、床に接触または隣接するオブジェクトの面、または、別の機器などの別のオブジェクトに接触または隣接するオブジェクトの面)を推定してもよい。システムは、そのような閉じた形状のオブジェクトを使用して、デジタルツインの検索空間を狭め、それによってマッチングアルゴリズム(例えば、形状マッチングアルゴリズム)の効率を高めることができる。
実施形態では、デジタルツインシステム40000は、同時位置とマッピング(「SLAM」)システムからの出力を、環境デジタルツインに埋め込む。例えば、以下の通りである。
は、デジタルツインI/Oシステム40004が、スラムセンサ40062などのSLAMシステムから出力された情報を受信し、受信した情報を、SLAMシステムによって決定された場所に対応する環境デジタルツイン内に埋め込んでもよい。実施形態では、SLAMシステムから出力情報を受信すると、デジタルツインI/Oシステム40004は、情報をデジタルツイン作成モジュール40064にルーティングして、環境デジタルツイン及び/又は環境内の関連するデジタルツイン(例えば、ワークピース、家具、可動オブジェクト、または自律的オブジェクトのデジタルツイン)をチェック及び/又は更新する。このような更新は、デジタルツインシステム40000とのユーザインタラクションを必要とせずに、自動的に非接続要素(例えば、家具または人物)のデジタルツインを提供する。
は、デジタルツインI/Oシステム40004が、スラムセンサ40062などのSLAMシステムから出力された情報を受信し、受信した情報を、SLAMシステムによって決定された場所に対応する環境デジタルツイン内に埋め込んでもよい。実施形態では、SLAMシステムから出力情報を受信すると、デジタルツインI/Oシステム40004は、情報をデジタルツイン作成モジュール40064にルーティングして、環境デジタルツイン及び/又は環境内の関連するデジタルツイン(例えば、ワークピース、家具、可動オブジェクト、または自律的オブジェクトのデジタルツイン)をチェック及び/又は更新する。このような更新は、デジタルツインシステム40000とのユーザインタラクションを必要とせずに、自動的に非接続要素(例えば、家具または人物)のデジタルツインを提供する。
実施形態では、デジタルツインシステム40000は、既知のデジタルツインを活用して、最適ではないマップ構築アルゴリズムを使用することにより、スラムセンサ40062の計算要件を低減することができる。例えば、亜最適マップ構築アルゴリズムは、単純な有界領域表現を使用して、可能性のあるデジタルツインを識別することで、より高い不確実性耐性を可能にすることができる。追加または代替として、デジタルツインシステム40000は、有界領域表現を使用してデジタルツインの数を制限し、双子の可能性のあるグループを区別する特徴について分析し、次に、区別する特徴についてより高精度の分析を行って、デジタルツインのカテゴリ、グループ、または個々のデジタルツインを識別及び/又は排除し、一致するデジタルツインが見つからない場合には、スキャンされる残りの領域のみの精密スキャンを行うことができる。
実施形態では、デジタルツインシステム40000は、環境内の他のセンサからキャプチャされたデータ(例えば、キャプチャされた画像またはビデオ、無線画像など)を活用して、初期のマップ構築プロセス(例えば、単純な境界領域マップまたは他の適切な写真測量法)を実行することによって、位置マップの構築に必要な計算をさらに削減してもよい。既知の環境オブジェクトのデジタルツインを単純境界領域マップの特徴に関連付けて、単純境界領域マップを改良し、残りの単純境界領域をより正確にスキャンしてマップをさらに改良することができる。いくつかの実施形態では、デジタルツインシステム40000は、受信したマッピング情報内のオブジェクトを検出し、検出された各オブジェクトについて、検出されたオブジェクトが実世界-要素の既存のデジタルツインに対応するかどうかを判断してもよい。検出されたオブジェクトが既存の実世界要素のデジタルツインに対応していないと判定することに応答して、デジタルツインシステム40000は、例えば、デジタルツイン作成モジュール40064を使用して、検出されたオブジェクトに対応する新たなデジタルツイン(例えば、検出されたオブジェクトのデジタルツイン)を生成し、検出されたオブジェクトのデジタルツインをデジタルツインデータストア内の実世界要素のデジタルツインに追加してもよい。さらに、または代わりに、検出されたオブジェクトが既存の実世界要素デジタルツインに対応すると決定することに応答して、デジタルツインシステム40000は、もしあれば、同時位置情報およびマッピングセンサによって検出された新しい情報を含むように、実世界要素デジタルツインを更新してもよい。
実施形態では、デジタルツインシステム40000は、産業用デジタルツイン内の自律的または遠隔的に移動可能な要素の位置およびその属性を表す。そのような移動可能な要素は、例えば、作業員、人、車両、自律走行車、ロボットなどを含んでもよい。移動可能な要素の位置は、トリガ条件に応じて更新されることがある。そのようなトリガ条件には、例えば、静的または動的な所定の間隔の満了、デジタルツインシステム40000またはそのコンポーネントからの自動生成された要求または命令の受信、要素とそれぞれのセンサまたはセンサとの相互作用(例えば、作業者または機械がビームを破壊したり、近接センサから所定の距離内に入ったりすることに応答して)、ユーザとデジタルツインとの相互作用(例えば、環境デジタルツイン、センサアレイデジタルツイン、またはセンサデジタルツインの選択)、それらの組み合わせなどが含まれてもよい。
実施形態では、時間間隔は、それぞれの可動要素がある期間内に移動した確率に基づいてもよい。例えば、作業者の位置を更新するための時間間隔は、頻繁に移動することが予想される作業者(例えば、環境40020内および環境40020を介して物体を持ち上げたり運んだりするタスクを遂行する作業者)に対しては相対的に短く、頻繁に移動しないことが予想される作業者(例えば、プロセスストリームを監視するタスクを遂行する作業者)に対しては相対的に長くてもよい。例えば、移動可能な要素が検出されない場合には時間間隔を長くし、環境内の移動可能な要素の数が増加したときには時間間隔を短くし(例えば、作業者の数が増加し、作業者の相互作用が増加した場合)、環境活動が低下した期間(例えば、昼食などの休憩時間)には時間間隔を長くし、環境活動が低下した期間には時間間隔を短くするなど、適用可能な条件に基づいて時間間隔を動的に調整することができる。また、環境活動が低下する期間(昼食などの休憩時間)に時間間隔を長くしたり、環境活動が異常になる期間(ツアー、検査、メンテナンスなど)に時間間隔を短くしたり、予期せぬ動きや特徴のない動き(通常は座っている要素が頻繁に動く場合や、出口に近づく作業員や大きな物体を運ぶために協力して動く作業員などの協調的な動き)が検出された場合に時間間隔を短くしたり、これらの組み合わせなどが考えられる。さらに、時間間隔は以下のようにもなる。
は、追加の半ランダムな取得を含む。例えば、特定の時間間隔の有効性を補強または評価するために、デジタルツインシステム40000によって、時折、中間間隔の位置が取得されることがある。
は、追加の半ランダムな取得を含む。例えば、特定の時間間隔の有効性を補強または評価するために、デジタルツインシステム40000によって、時折、中間間隔の位置が取得されることがある。
実施形態では、デジタルツインシステム40000は、デジタルツインI/Oシステム40004から受信したデータを分析して、条件を精査、削除、または追加してもよい。例えば、デジタルツインシステム40000は、必要以上に頻繁に更新される可動要素のデータ収集時間を最適化してもよい(例えば、複数の連続した受信位置が同一であるか、所定の誤差の範囲内である)。
実施形態では、デジタルツインシステム40000は、環境40020に関連する一連の状態40040a-nを受信、識別、及び/又は保存してもよい。状態40040a-nは、例えば、複数の属性40404a-nと、それぞれの状態40040a-nを一意に識別するための識別基準40406a-nのセットとを含むデータ構造であってもよい。実施形態では、状態40040a-nは、デジタルツインシステム40000が実世界要素40302r及び/又は環境40020の条件を設定または変更する(例えば、監視間隔の増加/減少、動作条件の変更など)ことが望ましい状態に対応していてもよい。
実施形態では、状態40040a-nのセットは、例えば、各状態40040a-nの最小監視属性、各状態40040a-nの識別基準40406a-nのセット、及び/又は、各状態40040a-nに対応して取ることが可能な、または取ることが推奨される行動をさらに含んでもよい。このような情報は、例えば、デジタルツインのデータストア40016または別のデータストアによって保存されてもよい。状態40040a-nまたはその一部は、デジタルツインシステム40000に提供されてもよいし、デジタルツインシステム40000によって決定されてもよいし、デジタルツインシステム40000によって変更されてもよい。さらに、一連の状態40040a-nは、異種のソースからのデータを含んでもよい。例えば、第1の状態の発生を特定及び/又は対応するための詳細は、ユーザ入力を介してデジタルツインシステム40000に提供されてもよく、第2の状態の発生を特定及び/又は対応するための詳細は、外部システムを介してデジタルツインシステム40000に提供されてもよく、第3の状態の発生を特定及び/又は対応するための詳細は、デジタルツインシステム40000によって決定されてもよい(例えば、プロセスデータのシミュレーションまたは分析を介して)。また、第4の状態の発生を特定及び/又は対応するための詳細は、デジタルツインシステム40000によって記憶され、所望に応じて変更されてもよい(例えば、状態の発生のシミュレーションや、状態の発生および状態への対応中に収集されたデータの分析に応じて)。
実施形態では、複数の属性40404a-nは、それぞれの状態40040a-nを識別するために必要な属性40404a-nを少なくとも含む。複数の属性40404a-nは、それぞれの状態40040a-nを決定する際に監視される、または監視される可能性があるが、それぞれの状態40040a-nを識別するために必要ではない追加の属性をさらに含んでもよい。例えば、第1の状態に関する複数の属性40404a-nは、回転速度、燃料レベル、エネルギー入力、線形速度、加速度、温度、歪み、トルク、体積、重量などの関連情報を含んでもよい。
一組の識別基準40406a-nは、一組の属性40404a-nのそれぞれについて、それぞれの状態を一意に識別するための情報を含んでいてもよい。識別基準40406a-nは、例えば、規則、しきい値、限界、範囲、論理値、条件、比較、それらの組み合わせなどを含んでもよい。
動作条件または監視の変化は、任意の適切な変化であってよい。例えば、それぞれの状態40406a-nの発生を識別した後、デジタルツインシステム40000は、デバイスの動作を変更することなく、デバイスの監視間隔を増加または減少させてもよい(例えば、公称動作と異なる測定パラメータに応答して監視間隔を減少させる)。さらにまたは代わりに、デジタルツインシステム40000は、デバイスの監視を変更することなく、デバイスの動作を変更してもよい(例えば、速度または電力入力を低減する)。さらなる実施形態では、デジタルツインシステム40000は、装置の動作を変更し(例えば、速度または電力入力を減少させる)、装置の監視間隔を変更してもよい(例えば、監視間隔を減少させる)。
図216は、本開示のいくつかの実施形態による、デジタルツインシステム40000が、インテリジェントシステム(例えば、認知知能システム40010)またはデジタルツインシステム40000のユーザによるアクセスのために識別及び/又は記憶することができる、産業環境に関連する識別された状態40040a-nの例示的なセットを示す。状態40040a-nは、動作状態(例えば、1つまたは複数のコンポーネントの最適でない、正常な、最適な、重要な、またはアラーム動作)、過剰または不足状態(例えば、供給側または出力側の量)、それらの組み合わせなどを含んでもよい。
実施形態では、デジタルツインシステム40000は、それぞれの状態40040a-nを決定するために、実世界要素40302r及び/又はデジタルツイン40302dの属性40404a-nを監視してもよい。属性40404a-nは、例えば、動作条件、セットポイント、クリティカルポイント、ステータスインジケータ、他の感知された情報、それらの組み合わせなどであってもよい。例えば、属性40404a-nは、電力入力40404a、動作速度40404b、臨界速度40404c、および動作温度40404dを含んでもよい。
を監視することができる。図示された例では、均一な監視属性を示しているが、監視属性はターゲットデバイスによって異なる可能性がある(例えば、デジタルツインシステム40000は、回転可能なコンポーネントを持たないオブジェクトの回転速度を監視しない)。
を監視することができる。図示された例では、均一な監視属性を示しているが、監視属性はターゲットデバイスによって異なる可能性がある(例えば、デジタルツインシステム40000は、回転可能なコンポーネントを持たないオブジェクトの回転速度を監視しない)。
状態40040a-nのそれぞれは、監視された状態40040a-nのグループの中で一意である特定の基準を満たす識別基準40406a-nのセットを含む。デジタルツインシステム40000は、例えば、監視された属性40404a-nが第1のセットの識別基準40406aを満たすこと(例えば、動作温度40404dが公称である一方で、動作速度40404bが臨界速度40404cよりも高いこと)に応答して、オーバースピード状態40040aを識別してもよい。
1つまたは複数の状態40040a-nが存在する、または発生したと判定することに応答して、デジタルツインシステム40000は、1つまたは複数の監視プロトコルのトリガ条件を更新し、アラートまたは通知を発行し、またはデジタルツインシステム40000のサブコンポーネントのアクションをトリガしてもよい。例えば、デジタルツインシステム40000のサブコンポーネントは、検出された状態40040a-nの影響を緩和及び/又は評価するためのアクションを取ることができる。実世界要素40302rに対する検出された状態40040a-nの影響を緩和するための行動を取ろうとする場合、デジタルツインシステム40000は、命令が存在する(例えば、デジタルツインデータストア40016に格納されている)か、または開発されるべき(例えば、シミュレーションおよび認知知能を介して、またはユーザもしくは作業者の入力を介して開発される)を判断してもよい。さらに、デジタルツインシステム40000は、例えば、緩和措置と同時に、またはデジタルツインシステム40000が検出された状態40040a-nに対する格納された緩和措置命令を有していないと判断したことに応答して、検出された状態40040a-nの影響を評価してもよい。
実施形態では、デジタルツインシステム40000は、デジタルツインシミュレーションシステム40006を採用して、認識された状態の即時、上流、下流、及び/又は継続的な影響など、1つまたは複数の影響をシミュレートする。デジタルツインシミュレーションシステム40006は、評価された状態40040a-nに関連する値を収集及び/又は提供されてもよい。つまたは複数の状態40040a-nの影響をシミュレートする際、デジタルツインシミュレーションシステム40006は、収束が達成されるまで、影響を受けるデジタルツイン40302dの性能特性を再帰的に評価してもよい。デジタルツインシミュレーションシステム40006は、例えば、認知知能システム40010と連携して、1つまたは複数の状態40040a-nの発生を緩和、軽減、抑制、及び/又は防止するための応答アクションを決定してもよい。例えば、デジタルツインシミュレーションシステム40006は、所望の適合性を達成する(例えば、収束する)まで、1つ以上の状態40040a-nの影響を再帰的にシミュレートし、シミュレートされた値を認知的知能システム40010に提供することができる。潜在的な行動の評価および決定のためのインテリジェンスシステム40010は、潜在的な行動を受信し、それぞれの望ましい適合性に対する潜在的な行動のそれぞれの影響を評価する(例えば、生産妨害の最小化、重要なコンポーネントの保存、メンテナンス及び/又はダウンタイムの最小化、システム、作業者、ユーザ、または個人の安全の最適化などのコスト関数)。
実施形態では、デジタルツインシミュレーションシステム40006および認知知能システム40010は、所望の条件が満たされる(例えば、各評価された行動に対する各評価されたコスト関数の収束)まで、各所望の結果に対するシミュレーションされた値および応答行動の共有および更新を繰り返してもよい。デジタルツインシステム40000は、1つまたは複数の状態40040a-nが発生したと判断することに応答して使用するために、結果をデジタルツインデータストア40016に格納してもよい。さらに、デジタルツインシミュレーションシステム40006及び/又は認知知能システム40010によるシミュレーションおよび評価は、イベントの発生または検出に応答して発生してもよい。
実施形態では、シミュレーションや評価は、関連するアクションがデジタルツインシステム40000内に存在しない場合にのみトリガされる。さらなる実施形態では、シミュレーションおよび評価は、保存されたアクションの使用と同時に実行され、アクションの有効性または効果をリアルタイムで評価し、及び/又はさらなるアクションを採用すべきかどうか、または認識されていない状態が発生した可能性があるかどうかを評価する。実施形態では、認知知能システム40010は、後の評価を最適化するために、望ましくない側面またはそのようなアクションの結果に関するデータを伴って、または伴わずに、望ましくないアクションのインスタンスの通知を提供することもできる。
実施形態では、デジタルツインシステム40000は、製造施設のデジタルツイン内で機械のダウンタイムの影響を評価及び/又は表現する。例えば、デジタルツインシステム40000は、デジタルツインシミュレーションシステム40006を採用して、機械のダウンタイム状態40040bの即時、上流、下流、及び/又は継続的な影響をシミュレートしてもよい。デジタルツインシミュレーションシステム40006は、影響を受けたデジタルツイン40302d内の要素(例えば、実世界要素40302r及び/又は入れ子になったデジタルツイン40302d)に対する最適、準最適、および最小の性能要件、及び/又は影響を受けたデジタルツイン40302d、入れ子になったデジタルツイン40302d、影響を受けたデジタルツイン40302d内の冗長システム、それらの組み合わせなどの特性などの性能関連値を収集したり、提供されたりしてもよい。
実施形態では、デジタルツインシステム40000は、実世界要素デジタルツインを使用して、産業環境に所定の特性が供給されることに応答して、実世界要素の1つまたは複数の動作パラメータをシミュレートするステップと、同時期の特性が供給されることに応答して、実世界要素の1つまたは複数によって取られる緩和動作を計算するステップと、同時期の特性を検出することに応答して、緩和動作を作動させるステップと、を実行するように構成される。計算は、それぞれの設計パラメータから外れた同時期の特性または動作パラメータの検出に応じて実行されるか、またはそのような特性の検出に先立ってシミュレーションによって決定されることがある。
さらに、または代わりに、デジタルツインシステム40000は、状態の検出に応答して、1人または複数のユーザまたはシステム要素にアラートを提供してもよい。
実施形態では、デジタルツインシステム40000は、デジタルツインにおける産業環境の動力源特性を含む。動力源特性は、例えば、潜在的な動力源、個々のラインまたはグリッドからの利用可能な電力、環境の他の要素と電力を共有することができるバッテリーベースのデバイス、バックアップ電源システム、ならびに環境動力源(例えば、利用して電力に変換することができる熱源)を含むことができる。電源の特性には、送出力率、電力品質、商用周波数、回路周波数、位相シフト(電力経路におけるキャパシタンスおよびインダクタンスの違いなど)、切り替えのタイムラグ、分配のタイムラグ(デバイスや回路がエネルギー量を必要とする場合や、作動前に定常状態に達する場合など)、これらの組み合わせなどの送出電力情報をさらに含めることができる。
実施形態では、緩和措置は、例えば、環境内の電力消費要素を停止すること、環境内の1つまたは複数のデバイスに供給される電力を低減すること、環境の外部にある代替電源から電力を供給すること、環境内の電力貯蔵デバイスから電力を割り当てること、それらの組み合わせなどを含むことができる。環境内の電池及び/又はコンデンサは、独立した要素(例えば、電池バンクまたはコンデンサバンク)であっても、環境の要素内に組み込まれていてもよい(例えば、電気自動車内の電池パックまたは電池バックアップを有する要素)。さらに、緩和措置は、電力損失状態の継続に対応して追加の措置が取られるように、反復的に実行されてもよい。例えば、デジタルツインシステム40000は、電力損失状態40402bを検出したことに応答して、環境をバッテリーバンクから供給される電力に切り替え、電力を消費する要素の第1のセットを停止してもよい。電力損失状態40402bが特定のトリガイベントを介して継続する場合、デジタルツインシステム40000は、第2のセットの電力消費素子を停止することによって環境の電力消費をさらに低減し、及び/又は第3のセットの電力消費素子の動作を低減するなど、さらなる行動をとってもよい。軽減行動は、例えば、産業環境内の実世界の要素に供給される電力を最適化するために、電源と実世界の要素との間で動作可能に結合された誘導回路または容量性回路の一方を作動させることをさらに含んでもよい。
実施形態では、トリガイベントは、例えば、バッテリバンク内の蓄積エネルギーが所定のレベルを下回ること、デジタルツインシステム40000が、電力損失状態40402bが一定期間継続することが予想されるという通知を受信すること、デジタルツインシステム40000が、電力損失状態40402bが一定期間継続することが予想されると判定すること、それらの組み合わせなどを含んでもよい。
さらに、または代替として、デジタルツインシステム40000は、電力損失状態40402bなどの状態を検出することに応答して、1人または複数のユーザまたはシステム要素にアラートを提供してもよい。例えば、デジタルツインシステム40000によって取られた行動は、電力損失状態40402bからの環境への顕著な影響を防ぐことができるかもしれないので、デジタルツインシステム40000は、デジタルツインシステム40000のユーザにアラートを提供してもよい。警告は、電力損失状態40402bの発生の通知、電力損失状態40402bに対応するデータの表示(例えば、信頼性の統計)、将来の事象の影響を低減するための指示(例えば、電力の信頼性が所定量以下に低下したことに応じて電源を切り替える)、特定の電力損失状態40402bの環境への影響に関する指示(例えば、電力損失状態40402bの間に予期せぬ動作をした機器やメンテナンススケジュールを変更する)、これらの組み合わせなどであってもよい。
実施形態では、デジタルツインシステム40000は、シミュレーションシステムによって実行されたシミュレーションに基づいて、環境内の電源バックアップシステムの長寿命化を図ることができる。例えば、そのようなバックアップシステムが時間枠内で採用される確率を決定することにより、バックアップシステムを低減された容量で維持することができる。確率の計算には、例えば、天気予報データ、同時期の天気データ、デジタルツインシステム40000によって収集された履歴データ、センサアレイによって収集されたデータに基づくシミュレーションデータ(例えば、予期しない電力
差し迫った機械的事象を示す変動)、それらの組み合わせなどがある。
差し迫った機械的事象を示す変動)、それらの組み合わせなどがある。
実施形態では、バックアップバッテリシステムは、最大容量以下の最適なレベルに維持され、それによって、十分なバックアップ容量を提供し、バックアップシステムの総貯蔵量を最小化しながら、バッテリーの寿命を増加させる。例えば、バッテリバンクは、容量の約80%まで通電され、(デジタルツインシステム40000によって決定される)停電の確率が所定のウィンドウ(例えば、バックアップシステムを容量まで充電するのにかかる時間)内に所定の閾値(例えば、50%の確率)を超えるまで、そのレベルに維持されてもよい。確率が所定の量を超えたことに応答して、デジタルツインシステム40000は、バッテイングシステムのフル容量への充電を開始してもよい。デジタルツインシステム40000は、停電によって放電が必要になるまで、または、停電の確率が所定のウィンドウ内で別の所定の閾値(例えば、10%以下)を下回るまで、容量での充電を維持してもよい。バックアップシステムが最適な充電量を超えている間に停電の確率が所定の閾値を下回ったことに応答して、デジタルツインシステム40000は、バックアップシステムを選択的に放電して、最適なレベルまたはバッテリーの健康と寿命を促進するための所望のレベルに戻してもよい。
さらに、または代わりに、デジタルツインシステム40000は、確率計算を活用して、蓄積電力のコストを最小化してもよい。例えば、バテリーバンクやキャパシタバンクなどの蓄電バックアップシステムにおいて、デジタルツインシステム40000は、より低価格の電気が利用できるようになるまで(例えば、オフピーク時間、卸売価格が特定の金額まで下がる、太陽エネルギーや他の再生可能エネルギーが利用できるなど)、バックアップの充電を遅らせてもよい。さらに、現場の貯蔵タンクから燃料を受け取る発電バックアップシステム(例えば、燃料式発電機)では、デジタルツインシステム40000は、燃料価格が所望の量を満たすか、配送前の停電の確率が所定の閾値を超えるまで、追加燃料の購入を遅らせてもよい(例えば、配送は注文から1週間かかり、デジタルツインシステム40000は、そのリードタイムに近接した気象現象による停電の確率を判断する)。
実施形態では、デジタルツインシステム40000は、実世界のネットワークのデジタルツインにおいて、ネットワーク接続性の停止の影響を評価及び/又は表現する。例えば、デジタルツインシステム40000は、デジタルツインシミュレーションシステム40006を採用して、ネットワーク制約状態の即時、上流、下流、及び/又は継続的な影響をシミュレートしてもよい。ネットワーク制約状態は、例えば、以下を含むことができる。
接続の損失または制約(例えば、帯域幅の損失、ネットワークの混雑または帯域幅の枯渇、遅延の増加)、干渉(例えば、断続的な接続、パケットドロップ、転送オーバーヘッドの増加)、信号強度の低下、データの衝突、アドレスの枯渇、それらの組み合わせなどがある。
接続の損失または制約(例えば、帯域幅の損失、ネットワークの混雑または帯域幅の枯渇、遅延の増加)、干渉(例えば、断続的な接続、パケットドロップ、転送オーバーヘッドの増加)、信号強度の低下、データの衝突、アドレスの枯渇、それらの組み合わせなどがある。
実施形態では、デジタルツインシミュレーションシステム40006は、ネットワーク内またはネットワークに接続された実世界要素40302rに対する最適、準最適、および最小の帯域幅及び/又はサービス品質の要件、ネットワークを介した潜在的なデータ転送経路、ネットワーク内の実世界要素40302rの代替接続能力、実世界要素40302rに対する接続性喪失の影響、ネットワーク内の帯域幅の減少または遅延の増加、影響を受けたネットワーク内の冗長システム、それらの組み合わせなどのネットワーク関連の値を収集し、または提供されてもよい。実施形態では、デジタルツインシミュレーションシステム40006は、ネットワークまたはそのコンポーネントのデジタルツインを利用して、様々なネットワーク制約状態をシミュレートすることができる。例えば、環境内の1つまたは複数のコンポーネントの損失、コンポーネント間の接続性の損失、環境とWANとの間の通信の損失、ボトルネック、ネットワーク接続コンポーネントとの人間の相互作用、外部イベントからの帯域幅または接続性の変化のシミュレート(例えば。雨、温度、電磁干渉、夜間の透過率の増加など)、システムを介したシグナリングの増加(例えば、環境内の1つまたは複数のデバイスがポーリングを増加させたり、送信値を増加させたりすることに応答して)、これらの組み合わせなどである。デジタルツインシミュレーションシステム40006は、後で使用するために、例えば、デジタルツインデータストア40016内にそのようなシミュレーションを保存してもよい。
通信ネットワークの文脈では、緩和措置は、例えば、フェイルオーバー接続の確立、影響を受けるデバイスの周りでデータをルーティングすることができるアドホックネットワーク接続の確立、1つまたは複数のデバイスからのデータの削減、その中でデータ転送が可能な実世界要素40302rの増加(例えば、アクセスポイントの増加)、1つまたは複数のWAN接続可能なデバイスの帯域幅の割り当て、それらの組み合わせなどを含むことができる。1つまたは複数のデバイスからのデータは、例えば、優先度の低いデバイスまたは冗長なデバイスからのポーリング間隔を減らすこと、潜在的に冗長なデバイスからのデータ転送を停止すること、データ処理をエッジに向けてプッシュして生データのネットワークスループットを低減することなどにより、低減することができる。WAN接続可能なデバイスからの帯域幅は、ネットワークの影響を受ける部分にサービスを提供するために割り当てられてもよい。本明細書で使用される「WAN接続可能なデバイス」とは、環境外のデバイスへの直接接続(例えば、セルラータワーや独立したインターネット接続への接続)が可能なデバイスである。例えば、ウェアラブルデバイス40054は、Wi-Fi送受信機だけでなく、セルラーネットワークを介してデータを送信できるセルラー送受信機を含んでいてもよい。デジタルツインシステム40000は、ネットワーク制約状態の発生に応答して、またはその発生を期待して、WANへの接続を確立するためのルールセットまたは実行可能な命令を、そのようなデバイスに提供するように構成されてもよい。例えば、ネットワークの混雑または帯域幅の枯渇に応答して、WAN接続可能なデバイスの1つまたは複数が、混雑または枯渇した接続と並行して、デジタルツインシステム40000への追加の接続を確立するように作動してもよい(例えば、接続されたデバイスに追加の通信帯域幅を提供するため)。
さらに、通信に利用可能なデータの減少は、特定の動作パラメータの使用を阻害する可能性がある。例えば、あるプロセスは、例えば反応の暴走を防ぐために、データ通信量が少ない状態で最適ではない処理を必要とする場合がある。デジタルツインシステム40000は、ネットワーク接続状態が停止した後、定常状態に戻るまでの期間を最小にすることで、最適でないレベルで動作する複数のプロセスの最適なパラメータを決定してもよい。
さらに、または代わりに、デジタルツインシステム40000は、ネットワーク制約状態などの状態を検出することに応答して、1人または複数のユーザまたはシステム要素にアラートを提供してもよい。例えば、デジタルツインシステム40000によって取られた行動は、ネットワーク制約状態から環境への顕著な影響を防ぐことができるかもしれないので、デジタルツインシステム40000は、デジタルツインシステム40000のユーザにアラートを提供してもよい。警告は、ネットワーク制約状態の発生の通知、ネットワーク制約状態に対応するデータの表示(例えば、信頼性統計や制約点)、将来の事象の影響を軽減するための指示(例えば、接続点や利用可能な帯域幅を増やす場所)、特定のネットワーク制約状態が環境に与える影響に関する指示(例えば、影響を受けるデバイスからのデータの欠落)、これらの組み合わせなどであってもよい。
実施形態では、デジタルツインI/Oシステム40004は、経路設定モジュール400310を含む。経路設定モジュール400310は、要素40302からナビゲーショナルデータを取り込み、デジタルツインシステム40000のコンポーネント(例えば、デジタルツインシミュレーションシステム40006、デジタルツイン行動システム108、及び/又は認知知能システム40010)にナビゲーショナルデータを提供及び/又は要求し、及び/又は要素40302に(例えば、ウェアラブルデバイス40054に)ナビゲーショナルデータを出力してもよい。航法データは、例えば、履歴データ、要素40302に提供される誘導データ、それらの組み合わせなどを用いて収集または推定されてもよい。
例えば、航法データは、デジタルツインシステム40000によって記憶された履歴データを用いて収集または推定されてもよい。履歴データは、取得時間、関連する要素40302、ポーリング間隔、実行されたタスク、積荷または非積荷の状態、事前のガイダンスデータが提供されたか及び/又は従ったかどうか、環境40020の状態、環境40020内の他の要素40302、それらの組み合わせなどの情報を含む、または提供するために処理されてもよい。推定データは、1つまたは複数の適切な経路探索アルゴリズムを用いて決定されてもよい。例えば、推定データは、好適なオーダーピッキングアルゴリズム、好適な経路探索アルゴリズム、それらの組み合わせなどを用いて算出されてもよい。オーダーピッキングアルゴリズムは、例えば、最大ギャップアルゴリズム、S字型アルゴリズム、アイルバイアイルアルゴリズム、複合アルゴリズム、それらの組み合わせ等であってもよい。経路探索アルゴリズムは、例えば、ダイクストラのアルゴリズム、A*アルゴリズム、階層的経路探索アルゴリズム、インクリメンタル経路探索アルゴリズム、任意の角度の経路探索アルゴリズム、フローフィールドアルゴリズム、それらの組み合わせなどであってもよい。
さらに、または代わりに、ナビゲーションデータは、作業者のガイダンスデータを使用して収集または推定されてもよい。案内データは、例えば、作業者のデバイス(例えば、モバイルデバイスまたはウェアラブルデバイス40054)に提供される計算されたルートを含んでもよい。別の例では、誘導データは、作業者のデバイスに提供される計算されたルートを含み、ルートに沿って1つまたは複数の機械の1つまたは複数の場所から振動測定値を収集するように作業者に指示してもよい。収集された及び/又は推定されたナビゲーションデータは、視覚化のためにデジタルツインシステム40000のユーザに提供されてもよいし、分析、最適化、及び/又は変更のためにデジタルツインシステム40000の他のコンポーネントによって使用されてもよいし、1つまたは複数の要素40302に提供されてもよいし、それらの組み合わせなどでもよいし、そのようなものであってもよい。
実施形態では、デジタル・ツイン・システム40000は、デジタル・ツインに表現するために、作業者のセットのためのナビゲーションデータを取り込む。さらに、または代わりに、デジタルツインシステム40000は、産業環境のモバイル機器資産のセットのためのナビゲーションデータをデジタルツインに取り込む。
実施形態では、デジタルツインシステム40000は、産業用デジタルツインにおけるモバイル要素のトラフィックをモデル化するためのシステムを取り込む。例えば、デジタルツインシステム40000は、環境40020内の作業者または人、モバイル機器資産、それらの組み合わせなどのトラフィックパターンをモデル化してもよい。トラフィックパターンは、過去のデータおよび同時期に取り込まれたデータからトラフィックパターンをモデル化することに基づいて推定されてもよい。さらに、交通パターンは、環境40020内の状況に応じて、連続的または断続的に更新されてもよい(例えば、複数の自律的な移動機器資産は、作業者および移動機器資産の両方を含む環境40020よりも遅い更新間隔でデジタルツインシステム40000に情報を提供してもよい)。
デジタルツインシステム40000は、1つまたは複数の所定の基準を達成するために、トラフィックパターンを変更してもよい(例えば、更新されたナビゲーションデータを1つまたは複数のモバイル要素に提供することによって)。所定の基準は、例えば、プロセス効率の向上、積載された作業者とモバイル機器資産との間の相互作用の減少、作業者の経路長の最小化、人の経路または潜在的な経路の周りにモバイル機器をルーティングすること、それらの組み合わせなどを含んでもよい。
実施形態では、デジタルツインシステム40000は、交通データ及び/又はナビゲーショナル情報を、産業用デジタルツインのモバイル要素に提供してもよい。航法情報は、指示またはルールセット、表示された経路データ、またはデバイスの選択的な作動として提供されてもよい。例えば、デジタルツインシステム40000は、振動センサを使用してルート上の1つまたは複数の指定された機械の1つまたは複数の指定された場所から振動データを収集するために、ロボットを所望のルートへ及び/又はルートに沿って誘導するための一連の命令をロボットに提供してもよい。ロボットは、障害物、経路変更、環境40020内の他の資産との予期せぬ相互作用などを含む更新情報をシステムに伝達してもよい。
いくつかの実施形態では、アリベースのシステム40074は、ロボットを含む産業エンティティが、自分自身を含む他の産業エンティティが後の旅で追いかけるために、1つまたは複数のメッセージで痕跡を築くことを可能にする。実施形態では、メッセージは、振動測定収集に関連する情報を含む。実施形態では、メッセージは、振動センサの測定位置に関連する情報を含む。いくつかの実施形態では、軌跡は、時間の経過とともに消えていくように構成されていてもよい。いくつかの実施形態では、アリベースの痕跡は、拡張現実システムを介して体験されてもよい。いくつかの実施形態では、アリベースのトレイルは、バーチャルリアリティシステムを介して体験されてもよい。いくつかの実施形態では、アリベースの痕跡は、複合現実システムを介して体験されてもよい。いくつかの実施形態では、アリに基づく領域のタグ付けは、痛みの反応を引き起こし、及び/又は警告信号に蓄積することができる。実施形態では、アリベースのトレイルは、情報フィルタリング応答を生成するように構成されてもよい。いくつかの実施形態では、アリベースの痕跡は、情報フィルタリング応答を生成するように構成されてもよく、情報フィルタリング応答は、視覚的認識の高まりである。いくつかの実施形態では、アリベースのトレイルは、情報フィルタリング応答を生成するように構成されてもよく、この情報フィルタリング応答は、音響意識の高まりを感じさせるものである。いくつかの実施形態では、メッセージは、ベクトル化されたデータを含む。
実施形態では、デジタルツインシステム40000は、デジタルツイン40302dを用いて実世界要素40302rを表現するための設計仕様情報を含む。デジタルは、既存の実世界の要素40302rまたは潜在的な実世界の要素40302rに対応してもよい。設計仕様情報は、1つ以上のソースから受け取ってもよい。例えば、設計仕様情報は、ユーザの入力によって設定された設計パラメータ、デジタルツインシステム40000(例えば、ビアデジタルツインシミュレーションシステム40006)によって決定された設計パラメータ、ユーザまたはデジタルツインシミュレーションシステム40006によって最適化された設計パラメータ、それらの組み合わせなどを含んでもよい。デジタルツインシミュレーションシステム40006は、例えば、表示装置やウェアラブルデバイスを介して、コンポーネントの設計仕様情報をユーザに表現してもよい。設計仕様情報は、模式的に(例えば、工程図や情報の表の一部として)表示されてもよいし、拡張現実や仮想現実の表示の一部として表示されてもよい。設計仕様情報は、例えば、デジタルツインシステム40000とのユーザインタラクションに応答して(例えば、要素のユーザ選択や、ディスプレイ内に設計仕様情報を一般的に含めるためのユーザ選択を介して)表示されてもよい。さらに、または代わりに、設計仕様情報は、例えば、要素が拡張現実または仮想現実デバイスの視界内に入ったときに、自動的に表示されてもよい。実施形態では、表示された設計仕様情報は、情報源の指標(例えば、異なる表示色は、ユーザ入力とデジタルツインシステム40000の決定を示す)、ミスマッチの指標(例えば、設計仕様情報と運用情報の間)、それらの組み合わせなどをさらに含んでもよい。
実施形態では、デジタルツインシステム40000は、ウェアラブルデバイスの制御命令セットを産業用デジタルツイン内に埋め込み、制御命令がウェアラブルデバイスに提供されて、産業用デジタルツインの要素との相互作用時にウェアラブルデバイスの着用者に体験を誘発するようにする。誘導される体験は、例えば、拡張現実(AR)体験や仮想現実(VR)体験などである。
体験を提供する。ヘッドセットなどのウェアラブルデバイスは、映像、音声、及び/又は触覚フィードバックを装着者に出力して、体験を誘発するように構成されていてもよい。例えば、ウェアラブルデバイスは、ディスプレイデバイスを含み、体験は、それぞれのデジタルツインに関連する情報の表示を含んでもよい。表示される情報は、デジタルツインに関連するメンテナンスデータ、デジタルツインに関連する振動データ、デジタルツインに関連する振動測定位置データ、デジタルツインに関連する財務データ(デジタルツインの動作に関連する利益または損失など)、デジタルツインに関連する製造KPI、オクルージョンされた要素に関連する情報(例えば、サブアセンブリ)を含んでもよい。デジタルツインの運用に関連する利益や損失、デジタルツインに関連する製造KPI、前景要素(筐体など)によって少なくとも部分的に隠蔽されている隠蔽要素(サブアセンブリなど)に関連する情報、隠蔽要素に重ねて前景要素と一緒に表示される隠蔽要素の仮想モデル、隠蔽要素の動作パラメータ、表示された動作パラメータに対応する設計パラメータとの比較、それらの組み合わせなどがある。比較には、例えば、操作パラメータの表示を変更して、操作パラメータの色、サイズ、表示期間などを変更することが含まれる。
体験を提供する。ヘッドセットなどのウェアラブルデバイスは、映像、音声、及び/又は触覚フィードバックを装着者に出力して、体験を誘発するように構成されていてもよい。例えば、ウェアラブルデバイスは、ディスプレイデバイスを含み、体験は、それぞれのデジタルツインに関連する情報の表示を含んでもよい。表示される情報は、デジタルツインに関連するメンテナンスデータ、デジタルツインに関連する振動データ、デジタルツインに関連する振動測定位置データ、デジタルツインに関連する財務データ(デジタルツインの動作に関連する利益または損失など)、デジタルツインに関連する製造KPI、オクルージョンされた要素に関連する情報(例えば、サブアセンブリ)を含んでもよい。デジタルツインの運用に関連する利益や損失、デジタルツインに関連する製造KPI、前景要素(筐体など)によって少なくとも部分的に隠蔽されている隠蔽要素(サブアセンブリなど)に関連する情報、隠蔽要素に重ねて前景要素と一緒に表示される隠蔽要素の仮想モデル、隠蔽要素の動作パラメータ、表示された動作パラメータに対応する設計パラメータとの比較、それらの組み合わせなどがある。比較には、例えば、操作パラメータの表示を変更して、操作パラメータの色、サイズ、表示期間などを変更することが含まれる。
いくつかの実施形態では、表示された情報は、閉塞された要素へのアクセスを提供するように構成されているか、または構成されている可能性がある取り外し可能な要素のための指標を含んでもよく、各指標は、それぞれの取り外し可能な要素に近接して、またはその上に表示される。さらに、指標は、第1の取り外し可能な要素(例えば、ハウジング)に対応する第1の指標が表示され、作業者が第1の取り外し可能な要素を取り外すことに応答して、第2の取り外し可能な要素(例えば、ハウジング内のアクセスパネル)に対応する第2の指標が表示されるように、順次表示されてもよい。いくつかの実施形態では、誘導された経験により、着用者は、最適な振動測定収集のために機械上の1つまたは複数の場所を見ることができる。例では、デジタルツインシステム40000は、機械上の強調表示された振動測定収集場所及び/又は振動測定の収集に関連する指示を含む拡張現実ビューを提供してもよい。さらに例を挙げると、デジタルツインシステム40000は、振動測定の収集のタイミングに関連する指示を含む拡張現実ビューを提供してもよい。強調表示された配置場所を表示する際に利用される情報は、デジタルツインシステム40000によって格納された情報を用いて取得されてもよい。いくつかの実施形態では、モバイル要素は、デジタルツインシステム40000によって(例えば、環境40020内の観察要素を介して及び/又はデジタルツインシステム40000に通信される経路情報を介して)追跡され、継続的に
ウェアラブルデバイスは、作業者の閉塞された視界内に表示される。これにより、環境40020内での要素の移動を最適化し、作業者の安全性を高め、損傷による要素の停止時間を最小限に抑えることができる。
ウェアラブルデバイスは、作業者の閉塞された視界内に表示される。これにより、環境40020内での要素の移動を最適化し、作業者の安全性を高め、損傷による要素の停止時間を最小限に抑えることができる。
いくつかの実施形態では、デジタルツインシステム40000は、現実世界の要素40302rの設計パラメータまたは期待されるパラメータの間のミスマッチを着用者に表示する拡張現実ビューを提供してもよい。表示される情報は、装着者の視界内にない実世界要素40302r(例えば、別の部屋の中にある要素や、機械によって隠された要素)に対応していてもよい。これにより、作業者は、ミスマッチを迅速かつ正確にトラブルシューティングして、ミスマッチの1つまたは複数の原因を特定することができる。その後、ミスマッチの原因は、例えば、デジタルツインシステム40000によって決定され、是正措置が指示されてもよい。例示的な実施形態では、装着者は、閉塞要素(例えば、ハウジングまたはシールド)を取り外すことなく、機械の故障したサブコンポーネントを見ることができる場合がある。さらにまたは代わりに、装着者は、装置を修理するための指示を提供してもよく、例えば、取り外しプロセスの表示(例えば、取り外すべきファスナーの位置)、修理のために他の場所に輸送すべきアセンブリまたはサブアセンブリ(例えば、埃に弱い部品)、潤滑が必要な組立品やサブアセンブリー、再組み立てのためのオブジェクトの位置(例えば、着用者が取り外したオブジェクトを置いた場所を記憶し、再組み立てを迅速に行うために着用者または他の着用者を記憶された場所に誘導し、再組み立てされた要素のさらなる分解や部品の欠落を最小限に抑える)。これにより、修理作業の迅速化、プロセスへの影響の最小化、作業者による機器の分解および再組み立て(例えば、作業者間の直接のコミュニケーションなしに分解を調整すること)、機器の寿命および信頼性の向上(例えば、サービスに戻す前にすべてのコンポーネントが適切に交換されていることを保証すること)、およびそれらの組み合わせなどが可能になる。
いくつかの実施形態では、誘導された経験は、既存または計画された要素に関連する情報を着用者が見ることができる仮想現実ビューまたは拡張現実ビューを含む。情報は、要素の物理的性能(例えば、資産価値、エネルギーコスト、入力材料コスト、出力材料価値、法令遵守、企業運営などの財務的性能)とは無関係であってもよい。一人または複数の着用者は、産業環境40020の仮想ウォークスルーまたは拡張ウォークスルーを実行してもよい。
例では、ウェアラブルデバイスは、検査または作業の実行を迅速化するコンプライアンス情報を表示する。例えば、電気検査員が歩いて
また、機器や仕上げ材などの検査ポイントが見えない場合でも、特定のコードに準拠しているかどうかを検査することができる。これにより、検査員の承認を得るために作業を遅らせたり変更したりする必要がなくなるため、工事や検査が迅速になり、変更注文を最小限に抑えることができる。さらに、コードに精通していない人でもコンプライアンスを確保できるため、再作業を最小限に抑えることができる(例えば、電気コードに精通していない作業者でも、機器を設置する前に電気工事のコンプライアンスを確保できる場合がある)。
また、機器や仕上げ材などの検査ポイントが見えない場合でも、特定のコードに準拠しているかどうかを検査することができる。これにより、検査員の承認を得るために作業を遅らせたり変更したりする必要がなくなるため、工事や検査が迅速になり、変更注文を最小限に抑えることができる。さらに、コードに精通していない人でもコンプライアンスを確保できるため、再作業を最小限に抑えることができる(例えば、電気コードに精通していない作業者でも、機器を設置する前に電気工事のコンプライアンスを確保できる場合がある)。
さらなる例では、ウェアラブルデバイスは、変更または最適化の対象を特定するために使用される財務情報を表示する。例えば、管理者または役員は、旧規制、「グランドファーザー」、及び/又は除外された要素への準拠に関する情報を含む、更新された規制への準拠について環境40020を検査することができる。これは、不必要なダウンタイムの削減(例えば、計画されたメンテナンスサイクル中など、最も影響の少ない時期にアップグレードをスケジューリングすること)、不必要なアップグレードの防止(例えば、グランドファザリングされた機器や除外された機器を交換すること)、および設備投資の削減に使用することができる。
図213に戻ると、実施形態では、デジタルツインシステム40000は、デジタルツイン動的モデルシステム40008を含み、統合し、連携し、管理し、処理し、リンクし、入力を取り、出力を提供し、制御し、連携し、またはその他の方法でデジタルツイン動的モデルシステム40008と対話することができる。デジタルツイン動的モデルシステム40008は、物理的な産業資産、作業員、プロセス、製造施設、倉庫などのプロパティを含む、一組の産業エンティティ及び/又は環境(または、本開示または本明細書に参照として組み込まれた文書に記載されている他のタイプのエンティティまたは環境のいずれか)のデジタルツインのプロパティを、デジタルツインがそれらの産業エンティティおよび環境、ならびにそのプロパティまたは属性を、リアルタイムまたは極めてリアルタイムに近い形で表すことができるような方法で更新することができる。いくつかの実施形態では、デジタルツイン動的モデルシステム40008は、センサシステム40030から受信したセンサデータを取得してもよく、センサデータに基づいて、1つまたは複数の動的モデルに基づいて、産業環境または環境内の産業エンティティの1つまたは複数の特性を決定してもよい。
実施形態では、デジタルツイン動的モデルシステム40008は、デジタルツイン及び/又は1つ以上の組み込みデジタルツインにおける様々なプロパティの値を更新/割り当ててもよく、これには、振動値、振動の故障レベルの状態、故障の確率の値、ダウンタイムの確率の値、ダウンタイムのコストの値、シャットダウンの確率の値などが含まれるが、これらに限定されない。財務値、KPI値、温度値、湿度値、熱流値、流体流値、放射線値、物質濃度値、速度値、加速度値、位置値、圧力値、応力値、歪み値、光度値、騒音値、体積値、形状特性、材料特性、寸法など。
実施形態では、デジタルツインは、他の埋め込みデジタルツインから(例えば、参照を介して)構成されてもよい。例えば、製造設備のデジタルツインは、機械の埋め込まれたデジタルツインと、機械内に封入された1つまたは複数のそれぞれのモータの1つまたは複数の埋め込まれたデジタルツインとを含んでもよい。デジタルツインは、例えば、オンボードITシステムを有する産業機械のメモリ(例えば、オンボード診断システム、制御システム(例えば、SC ADAシステム)などのメモリ)に埋め込まれてもよい。デジタルツインが埋め込まれる場所の他の非限定的な例としては、作業員のウェアラブルデバイス上、スイッチ、ルータ、アクセスポイントなどのローカルネットワーク資産上のメモリ、環境またはエンティティ用にプロビジョニングされているクラウドコンピューティングリソース、およびエンティティ専用のアセットタグまたは他のメモリ構造上などが挙げられる。
一例では、デジタルツイン動的モデルシステム40008は、産業環境内の1つまたは複数の場所で測定された捕捉された振動センサデータと、産業環境デジタルツイン内の振動をモデル化する1つまたは複数の動的モデルとに基づいて、産業環境デジタルツイン全体の振動特性を更新することができる。産業用デジタルツインは、更新する前に、振動特性がデジタルツイン内のエンティティ及び/又は環境に対して表現できるように、ダイナミックモデルに供給するために使用できる産業エンティティ及び/又は環境の特性に関する情報、例えば、材料、形状/体積(例えば、導管の)、位置、接続/インタフェースなどの情報を既に含んでいてもよい。あるいは、そのような情報を用いて動的モデルを構成してもよい。あるいは、熱力学モデルがそのような情報を用いて構成されてもよい。また、圧力データ(例えば、PV=nRTを使用)など、他のセンサデータが熱力学的挙動を更新するために働くこともある。また、熱力学モデルは、流体(冷却システムの循環流体など)だけでなく、静的な物体(大きな金属製の機械など)を介した熱の拡散を表現するように構成されていてもよい。
別の例では、デジタルツインダイナミックシステム40008は、捕捉された化学センサデータおよび産業環境デジタルツイン内の化学物質の濃度をモデル化する1つまたは複数の拡散モデルに基づいて、産業環境デジタルツイン全体の化学物質(分析物)の濃度値を更新することができる。産業環境デジタルツインは、材料、流体、気体などの化学組成、コンポーネント、導管、空間などの形状/体積、温度および圧力など、化学拡散モデル及び/又は化学的相互作用/反応モデルへの入力を供給するのに役立つ、環境及び/又はエンティティの一連の特性及び/又は属性を含むことができる。センサは、化学物質のセンサだけでなく、圧力、温度、流量など、拡散モデルに情報を与える可能性のあるセンサを使用することができる。
実施形態では、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070に代わって、デジタルツイン及び/又は1つまたは複数の埋め込みデジタルツインのプロパティを更新することができる。実施形態では、クライアントアプリケーション40070は、産業用コンポーネントまたは環境に関連するアプリケーション(例えば、産業施設またはその中のコンポーネントの監視、産業環境のシミュレーションなど)であってもよい。実施形態では、クライアントアプリケーション40070は、固定データ収集システムおよびモバイルデータ収集システムの両方に関連して使用されてもよい。実施形態では、クライアントアプリケーション40070は、産業用モノのインターネットセンサシステム40030と関連して使用されてもよい。
実施形態では、デジタルツイン動的モデルシステム40008は、デジタルツイン動的モデル400100を活用して、産業エンティティ及び/又は環境の挙動をモデル化する。動的モデル400100は、科学的原理に基づくなど、産業エンティティ及び/又は環境のデジタル表現を豊かにするために、限られた数の測定値を使用することによって、デジタルツインが、産業エンティティの相互作用を含む物理的現実を表現することを可能にすることができる。実施形態では、動的モデル400100は、定式化されたモデルまたは数学的モデルである。実施形態では、動的モデル400100は、科学法則、自然法則、および公式(例えば、ニュートンの運動法則、熱力学の第2法則、ベルヌーイの原理、理想気体の法則、ダルトンの分圧の法則、フックの弾性の法則、フーリエの熱伝導の法則、アルキメデスの浮力の原理など)に準拠する。実施形態では、動的モデルは機械学習されたモデルである。例えば、倉庫内の温度センサは、それぞれ特定の地理空間座標で温度測定を行うことができるが、これらの限られた測定値では、センサがカバーされていない場所など、倉庫内の他の場所の値は得られない。この例では、ダイナミックモデルは、限られた数のセンサの測定値を使用して倉庫全体の温度をモデル化し、倉庫のデジタルツインのより充実した表現を提供するように構成することができる。
実施形態では、デジタルツインシステム40000は、デジタルツインで表現され得る動的モデル400100を格納するためのデジタルツイン動的モデルデータストア400102を有してもよい。実施形態では、デジタルツイン動的モデルデータストアは、検索可能及び/又は発見可能であり得る。実施形態において、デジタルツイン動的モデルデータストアは、与えられた動的モデルがどのような特性を扱うことができるか、どのような入力が必要か、どのような出力が提供されるかなどをユーザが理解できるようなメタデータを含むことができる。いくつかの実施形態では、デジタルツイン動的モデルデータストア400102は、階層的にすることができる(利用可能なデータ及び/又は入力の範囲、入力の粒度、及び/又は状況的な要因(例えば、何かが高い関心を持つようになり、より高い忠実度のモデルが一定期間アクセスされるような場合)に基づいて、モデルをより深くしたり、より単純にしたりすることができるなど)。
実施形態では、産業実体または施設のデジタルツインまたはデジタル表現は、表現された物理的産業資産、デバイス、作業者、プロセス、施設、及び/又は環境の一連のプロパティ、及び/又はその可能な動作を集合的に定義するデータ構造のセットを含んでもよい。実施形態では、デジタルツイン動的モデルシステム40008は、動的モデル400100を活用して、デジタルツインを集合的に定義するデータ構造のセットをリアルタイムのデータ値で通知してもよい。デジタルツイン動的モデル400100は、1つまたは複数のセンサ測定値、産業用モノのインターネットデバイスデータ、及び/又は他の適切なデータを入力として受信し、受信したデータおよび1つまたは複数の動的モデル400100に基づいて1つまたは複数の出力を計算してもよい。そして、デジタルツインダイナミックモデルシステム40008は、1つまたは複数の出力を使用して、デジタルツインデータ構造を更新する。
一例では、ダイナミックモデル400100を使用してデジタルツインダイナミックモデルシステム40008によって更新される産業資産のデジタルツインのプロパティのセットは、資産の振動特性、資産の温度、資産の状態(例えば、固体、液体、気体)を含むことができる。資産の振動特性、資産の温度、資産の状態(固体、液体、気体など)、資産の位置、資産の変位、資産の速度、資産の加速度、資産に関連するダウンタイムの確率、資産に関連するダウンタイムのコスト、資産に関連するシャットダウンの確率、資産に関連する製造KPI、資産に関連する財務情報、資産に関連する熱流特性、資産に関連する流体の流量(例.資産のデジタルツインに埋め込まれた他のデジタルツインの識別子、及び/又は、資産のデジタルツインに埋め込まれたデジタルツインの識別子、及び/又は、他の適切な特性。資産のデジタルツインに関連する動的モデル400100は、産業環境に配置されたセンサ及び/又はデバイスから収集された入力データ及び/又は他の適切なデータに基づいて、かかる資産のデジタルツインプロパティの値を計算、補間、外挿、及び/又は出力し、その後、計算された値で資産のデジタルツインをポピュレートするように構成することができる。
いくつかの実施形態では、ダイナミックモデル400100を使用してデジタルツインダイナミックモデルシステム40008によって更新され得る産業デバイスのデジタルツインのプロパティのセットは、デバイスのステータス、デバイスの位置、デバイスの温度(複数可)、デバイスの軌跡、デバイスのデジタルツインが中に埋め込まれている、埋め込まれている、リンクされている、含まれている、統合されている、入力を受けている、出力を提供している、及び/又は相互作用している他のデジタルツインの識別子などを含むことができる。デバイスのデジタルツインに関連するダイナミックモデル400100は、入力データに基づいてこれらのデバイスデジタルツインプロパティの値を計算または出力し、その後、計算された値でデバイスデジタルツインを更新するように構成することができる。
いくつかの実施形態では、ダイナミックモデル400100を使用してデジタルツインダイナミックモデルシステム40008によって更新され得る産業作業者のデジタルツインのプロパティのセットは、作業者のステータス、作業者の位置、作業者のストレス指標、作業者によって実行されているタスク、作業者のパフォーマンス指標などを含むことができる。産業従事者のデジタルツインに関連する動的モデルは、入力データに基づいてそのようなプロパティの値を計算または出力するように構成することができ、これらのプロパティは、産業従事者のデジタルツインをポピュレートするために使用することができる。実施形態では、産業作業員の動的モデル(例えば、心理測定モデル)は、作業を行うように作業員に指示するために作業員に与えられる合図や、安全な行動を誘導することを目的とした警告または警告などの刺激に対する反応を予測するように構成することができる。実施形態では、産業作業者の動的モデルは、ワークフローモデル(ガントチャートなど)、故障モード効果分析モデル(FMEA)、生物物理学的モデル(作業者の疲労、エネルギー利用、空腹感をモデル化するなど)などであってもよい。
デジタルツイン動的モデルシステム40008が動的モデル400100を用いて更新することができる産業環境のデジタルツインの特性の例には、産業環境の寸法、産業環境の温度、産業環境の湿度値、産業環境の流体流動特性、産業環境の熱流動特性、産業環境の照明特性、音響特性、振動特性などが含まれることがある。
産業環境の特性、環境内の物理的なオブジェクト、産業環境で発生するプロセス、産業環境の流れ(水域の場合)などの情報を提供する。産業環境のデジタルツインに関連付けられたダイナミックモデルは、産業環境に配置されたセンサ及び/又はデバイスから収集された入力データ及び/又は他の適切なデータに基づいて、これらの特性を計算または出力し、その後、産業環境のデジタルツインに計算された値を入力するように構成することができる。
産業環境の特性、環境内の物理的なオブジェクト、産業環境で発生するプロセス、産業環境の流れ(水域の場合)などの情報を提供する。産業環境のデジタルツインに関連付けられたダイナミックモデルは、産業環境に配置されたセンサ及び/又はデバイスから収集された入力データ及び/又は他の適切なデータに基づいて、これらの特性を計算または出力し、その後、産業環境のデジタルツインに計算された値を入力するように構成することができる。
実施形態では、動的モデル400100は、デジタルツインのモデリングのための境界条件、定数または変数を定義する物理的制限を遵守してもよい。例えば、産業実体または産業環境のデジタルツインの物理的特性は、重力定数(例えば、9.8m/s2)、表面の摩擦係数、材料の熱係数、資産の最大温度、最大流量容量などを含んでもよい。さらに、または代わりに、動的モデルは自然の法則に準拠していてもよい。例えば、動的モデルは、熱力学の法則、運動の法則、流体力学の法則、浮力の法則、熱伝達の法則、放射の法則、量子力学の法則などに準拠してもよい。いくつかの実施形態では、動的モデルは、生物学的老化の理論または機械的老化の原理に準拠してもよい。したがって、デジタルツイン動的モデルシステム40008がリアルタイムのデジタル表現を容易にする場合、デジタル表現が実世界の状態を模倣するように、動的モデルに準拠してもよい。いくつかの実施形態では、動的モデルからの出力を人間のユーザに提示したり、実世界のデータと比較したりして、動的モデルの実世界への収束を確認することができる。さらに、動的モデルは部分的に仮定に基づいているため、実世界の動作がデジタルツインの動作と異なる場合、デジタルツインの特性を改善及び/又は修正することができる。実施形態では、所望の動的モデルに入力が欠けていること、動作中のモデルが期待通りに機能していないこと(おそらくセンサ情報の欠落や欠陥が原因)、異なる結果が必要であること(関心の高いものを作る状況的要因が原因)などの認識に基づいて、追加のデータ収集及び/又は計測を推奨することができる。
ダイナミックモデルは、いくつかの異なるソースから取得することができる。いくつかの実施形態では、ユーザは、ユーザまたは第三者が作成したモデルをアップロードすることができる。さらに、または代わりに、モデルは、グラフィカル・ユーザ・インタフェースを使用して、デジタル・ツイン・システム上で作成されてもよい。動的モデルは、特定の環境及び/又は産業実体のセットに合わせて構成されたオーダーメイドモデル、及び/又は同様のタイプのデジタルツインに適用可能なアグノスティックモデルを含んでもよい。動的モデルは、機械学習されたモデルであってもよい。
図217は、クライアントアプリケーション40070に代わってデジタルツイン及び/又は1つまたは複数の埋め込みデジタルツインのプロパティのセットを更新するための41100における方法の例示的な実施形態を示す。実施形態では、デジタルツイン動的モデルシステム40008は、センサシステム40030からの収集されたセンサデータ、モノのインターネット接続デバイス40024から収集されたデータ、及び/又は産業用デジタルツインを有効にするために使用される動的モデル400100のセット内の他の適切なデータの影響に基づいて、クライアントアプリケーション40070に代わって、デジタルツイン及び/又は1つ以上の埋め込みデジタルツインのプロパティのセットを更新するために、1つ以上の動的モデル400100を活用する。実施形態では、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070によって管理、維持、及び/又は監視される物理的な産業資産、デバイス、作業員、プロセス、及び/又は産業環境を表す1つまたは複数のデジタルツインを使用して、特定の動的モデルを実行するように指示されてもよい。
実施形態では、デジタルツイン動的モデルシステム40008は、必ずしも産業関連のデータソースではないが、動的モデルの入力データとして使用できるデータを提供することができる他のタイプの外部データソースからデータを取得してもよい。例えば、天候データ、ニュースイベント、ソーシャルメディアデータなどを収集、クローリング、サブスクライブなどして、センサデータ、産業用モノのインターネットデバイスデータ、及び/又はダイナミックモデルが使用する他のデータを補完してもよい。実施形態では、デジタルツインダイナミックモデルシステム40008は、マシンビジョンシステムからデータを取得してもよい。マシンビジョンシステムは、センサシステム40030およびビデオセンサ40052に含まれていてもよく、ビデオ及び/又は静止画像を使用して、ダイナミックモデルによって入力として使用され得る測定値(例えば、位置、状態など)を提供してもよい。
実施形態では、デジタルツイン動的モデルシステム40008は、1つ以上の出力を得るために、このデータを上述の動的モデルの1つ以上に供給してもよい。これらの出力は、計算された振動故障レベル状態、振動重症度単位値、振動特性、故障確率値、ダウンタイム確率値、シャットダウン確率値、ダウンタイムコスト値、シャットダウンコスト値、故障までの時間値、温度値、圧力値、湿度値、降水量値、可視性値、空気質値、歪み値、応力値、変位値、速度値、加速度値、位置値、性能値、財務値、製造KPI値、電気力学値、熱力学値、流体流量値などを含んでもよい。その後、クライアントアプリケーション40070は、デジタルツイン動的モデルシステム40008によって得られた結果を用いて、デジタルツイン可視化イベントを開始してもよい。実施形態では、可視化はヒートマップの可視化であってもよい。
実施形態では、デジタルツイン動的モデルシステム40008は、デジタルツインが産業エンティティ及び/又は環境をリアルタイムで表すように、産業エンティティ及び/又は環境のデジタルツインの1つまたは複数のプロパティを更新する要求を受信してもよい。41102において、デジタルツイン動的モデルシステム40008は、産業エンティティ及び/又は環境のデジタルツインの1つまたは複数のプロパティを更新する要求を受信する。例えば、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070から、またはデジタルツインシステム40000によって実行される別のプロセス(例えば、予知保全プロセス)から、要求を受信してもよい。要求は、1つまたは複数のプロパティ、および、要求が関与するデジタルツインまたはデジタルツインを示してもよい。41104において、デジタルツインダイナミックモデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストア40016から、任意の埋め込みデジタルツインを含む、1つまたは複数の必要なデジタルツインを取得する。41108において、デジタルツインダイナミックモデルシステム40008は、要求を満たすために必要な1つまたは複数のダイナミックモデルを決定し、デジタルツインダイナミックモデルストアから1つまたは複数の必要なダイナミックモデルを取り出す。41110において、デジタルツインダイナミックモデルシステム40008は、利用可能なデータソースおよびダイナミックモデル(複数可)の1つまたは複数の要求される入力に基づいて、センサシステム40030からの1つまたは複数のセンサ、モノのインターネット接続デバイス40024から収集されたデータ、及び/又はデジタルツインI/Oシステム40004からの他のデータソースを選択する。実施形態では、データソースは、1つまたは複数の動的モデルが必要とする入力で定義されてもよく、またはルックアップテーブルを使用して選択されてもよい。41112において、デジタルツインダイナミックモデルシステム40008は、選択されたデータをデジタルツインI/Oシステム40004から取得する。41114で、デジタルツイン動的モデルシステム40008は、検索された入力データ(例えば、振動センサデータ、産業用モノのインターネットデバイスデータなど)を入力として動的モデル(複数可)を実行し、動的モデル(複数可)および入力データに基づいて、1つまたは複数の出力値を決定する。41120において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の1つまたは複数の出力に基づいて、1つまたは複数のデジタルツインの1つまたは複数のプロパティの値を更新する。
例示的な実施形態では、クライアントアプリケーション40070は、産業実体のデジタルツインのデジタル表現及び/又は視覚化を提供するように構成されてもよい。実施形態では、クライアントアプリケーション40070は、1つまたは複数のサーバデバイスによって実行される1つまたは複数のソフトウェアモジュールを含んでもよい。これらのソフトウェアモジュールは、デジタルツインの特性を定量化し、デジタルツインの特性をモデル化し、及び/又はデジタルツインの挙動を視覚化するように構成されてもよい。実施形態では、これらのソフトウェアモジュールは、ユーザが特定のデジタルツインの行動の視覚化を選択して表示することを可能にすることができる。実施形態において、これらのソフトウェアモジュールは、ユーザがデジタルツイン挙動可視化の再生を閲覧することを選択できるようにしてもよい。いくつかの実施形態では、クライアントアプリケーション40070は、選択された挙動可視化をデジタルツイン動的モデルシステム40008に提供してもよい。
実施形態では、デジタルツイン動的モデルシステム40008は、リアルタイムデジタル表現がデジタルツインの視覚化である、産業実体及び/又は環境のデジタル表現を可能にするために、クライアントアプリケーション40070からデジタルツインのプロパティを更新する要求を受信してもよい。実施形態において、デジタルツインは、人間のユーザが実世界の産業資産、装置、作業者、プロセス及び/又は環境のデジタル表現を見ることができるように、コンピューティングデバイスによってレンダリングされてもよい。例えば、デジタルツインは、ディスプレイデバイスにレンダリングされ、結果として表示されてもよい。実施形態では、動的モデル出力及び/又は関連データは、デジタルツインのレンダリングにオーバーレイされてもよい。実施形態では、動的モデル出力及び/又は関連情報が、デジタルツインのレンダリングとともに表示インタフェースに表示されてもよい。実施形態では、関連情報は、デジタルツインによって表される実世界のエンティティに関連するリアルタイムのビデオ映像を含んでもよい。実施形態では、関連情報は、機械の振動障害レベルの各状態の合計を含んでもよい。実施形態では、関連情報は、グラフィカルな情報であってもよい。実施形態では、グラフィカルな情報は、個々の機械コンポーネントの動作及び/又は周波数の関数としての動作を描写してもよい。実施形態では、グラフィカル情報は、個々の機械コンポーネントの周波数の関数としての動き及び/又は運動を描写してもよく、ここで、ユーザは、x、y、およびz次元におけるグラフィカル情報のビューを選択することが可能である。実施形態では、グラフィカルな情報は、個々の機械コンポーネントの周波数の関数としての動き及び/又はモーションを描写してもよく、グラフィカルな情報は、高調波ピークおよびピークを含む。実施形態では、関連情報は、1日当たりのダウンタイムのコストデータ、修理のコストデータ、新しい部品のコストデータ、新しい機械のコストデータなどを含むコストデータであってもよい。実施形態では、関連情報は、ダウンタイムの確率データ、故障の確率データなどであってもよい。実施形態では、関連情報は、故障までの時間データであってもよい。
実施形態では、関連情報は、推奨及び/又は洞察であってもよい。例えば、機械に関連する認知知能システムから受信した推奨または洞察は、表示インタフェースにおける機械のデジタルツインのレンダリングとともに表示されてもよい。
実施形態では、表示インタフェースでレンダリングされたデジタルツインをクリック、タッチ、またはその他の方法で対話することにより、ユーザが「ドリルダウン」して、基礎的なサブシステムまたはプロセス及び/又は埋め込まれたデジタルツインを見ることができる。例えば、機械のデジタルツインにレンダリングされた機械のベアリングをユーザがクリックしたことに応答して、表示インタフェースは、ユーザがドリルダウンしてベアリングに関連する情報を見たり、ベアリングの振動の3Dビジュアライゼーションを見たり、ベアリングのデジタルツインを見たりすることを可能にすることができる。
実施形態では、表示インタフェースにレンダリングされたデジタルツインに関連する情報をクリック、タッチ、またはその他の方法で対話することにより、ユーザは「ドリルダウン」して、基礎的な情報を見ることができる。
図218は、乾燥機遠心分離機のデジタルツインおよび乾燥機遠心分離機に関連する他の情報をレンダリングする表示インタフェースの例示的な実施形態を示す。
いくつかの実施形態では、デジタルツインは、バーチャルリアリティディスプレイでレンダリングされ、出力されてもよい。例えば、ユーザは、環境の3Dレンダリングを(例えば、モニタまたは仮想現実ヘッドセットを使用して)見ることができる。また、ユーザは、産業体のデジタルツインを検査及び/又は対話することができる。実施形態では、ユーザは、1つまたは複数のデジタルツインに関して実行されているプロセスを見ることができる(例えば、測定値の収集、動き、インタラクション、インベントリ作成、ローディング、パッキング、出荷など)。実施形態では、ユーザは、グラフィカルユーザインタフェースを介して、デジタルツインの1つまたは複数のプロパティを制御する入力を提供することができる。
いくつかの実施形態では、デジタルツイン動的モデルシステム40008は、デジタル表現がデジタルツインのヒートマップ視覚化である、産業エンティティ及び/又は環境のデジタル表現を可能にするために、クライアントアプリケーション40070からデジタルツインのプロパティを更新する要求を受信してもよい。実施形態では、センサシステム40030からの収集データ、モノのインターネット接続デバイス40024、および表示インタフェースに入力を提供するための動的モデル400100からのデータ出力を表示するヒートマップを有するプラットフォームが提供される。実施形態では、ヒートマップインタフェースは、モバイルデバイス、タブレット、ダッシュボード、コンピュータ、AR/VRデバイスなどの別のシステムへの、様々なセンサデータ、動的モデル出力データ、および他のデータ(マップデータ、アナログセンサデータ、および他のデータなど)の視覚化のための情報を処理および提供するためなどの、デジタルツインデータのための出力として提供される。デジタルツインの表現は、フォームファクター(例えば。例えば、アナログセンサデータ、デジタルセンサデータ、ダイナミックモデルからの出力値(振動障害レベルの状態を示すデータ、振動深刻度単位の値、ダウンタイムの確率の値、コストの値など)のレベルを示す指標を含むマップを表示するなど、ユーザに視覚的な入力を提供するのに適したフォームファクター(ユーザデバイス、VR対応デバイス、AR対応デバイスなど)でデジタルツインの表現を提供することができる。ダウンタイムの確率、ダウンタイムのコスト、シャットダウンの確率、故障までの時間、故障の確率、製造業のKPI、温度、回転数、振動特性、流体の流れ、加熱・冷却、圧力、物質の濃度、その他多くの出力値などのデータ)。)実施形態では、デジタルツイン動的モデルシステム40008によって決定されたデータだけでなく、様々なセンサまたは入力ソース(または選択的な組み合わせ、順列、混合など)からの信号が、ヒートマップへの入力データを提供してもよい。座標は、現実世界の位置座標(ジオロケーションまたは環境の地図上の位置など)のほか、時間ベースの座標、周波数ベースの座標、またはアナログセンサ信号、デジタル信号、動的モデル出力、入力ソース情報、および様々な組み合わせの表現を可能にする他の座標などを含み、色が関連する次元に沿った様々なレベルの入力を表すように、マップベースの視覚化を行ってもよい。例えば、産業機械の部品が臨界振動障害レベルの状態にある場合、ヒートマップインタフェースは、機械部品をオレンジ色で表示してユーザに警告することができる。ヒートマップの例では、ヒートマップをクリック、タッチ、またはその他の方法で操作することにより、ユーザは、ヒートマップ表示の入力として使用される基礎的なセンサ、動的モデル出力、またはその他の入力データをドリルダウンして見ることができる。デジタルツインがVRまたはAR環境で表示されるような他の例では、産業機械部品が通常の動作以外で振動している場合(例えば、最適でない振動、重要な振動、またはアラーム振動の障害レベル)、ユーザが機械部品の表現に触れると触覚インタフェースが振動を誘発することがあり、また、機械部品が安全でない方法で動作している場合、ヘッドセットまたは他のサウンドシステムの特定のスピーカーで再生するなどして、方向性のある音信号がユーザの注意をデジタルツインの機械に向けることがある。
実施形態では、デジタルツイン動的モデルシステム40008は、一組の周囲環境データ及び/又は他のデータを取得し、デジタルツインを有効にするために使用される動的モデル400100の一組における環境データ及び/又は他のデータの影響に基づいて、産業実体または施設のデジタルツインのプロパティの一組を自動的に更新してもよい。周囲の環境データは、温度データ、圧力データ、湿度データ、風データ、降雨データ、潮汐データ、高潮データ、雲量データ、降雪データ、視界データ、水位データなどを含むことができる。追加または代替として、デジタルツインダイナミックモデルシステム40008は、デジタルツインを有効にするために使用されるダイナミックモデル400100のセットのための入力として、産業環境に配置されたモノのインターネット接続デバイス40024のセットによって収集された環境データ測定のセットを使用してもよい。例えば、デジタルツイン動的モデルシステム40008は、産業環境の機械、装置、構成要素、部品、動作、機能、条件、状態、イベント、ワークフロー、および他の要素(総称して「状態」という用語に包含される)の様々なパラメータおよび特徴を監視するための、カメラ、モニタ、埋め込みセンサ、モバイルデバイス、診断デバイスおよびシステム、計装システム、テレマティクスシステムなどの、モノのインターネット接続デバイス40024によって収集、処理、または交換された動的モデル400100のデータを供給してもよい。モノのインターネット接続デバイスの他の例としては、スマート火災報知器、スマートセキュリティシステム、スマート空気品質モニタ、スマート/リーミングサーモスタット、スマート照明システムなどがある。
図219は、機械のデジタルツインにおけるベアリングのセットの振動故障レベル状態を更新するための42000での方法の例示的な実施形態を示す。この例では、デジタルツイン動的モデルシステム40008とインタフェースするクライアントアプリケーション40070が、機械のデジタルツインにおけるベアリングの故障レベル状態の視覚化を提供するように構成されてもよい。
この例では、デジタルツイン動的モデルシステム40008は、機械デジタルツインの振動故障レベル状態を更新するために、クライアントアプリケーション40070から要求を受信してもよい。42002において、デジタルツイン動的モデルシステム40008は、機械デジタルツインの1つまたは複数の振動障害レベル状態を更新するための要求をクライアントアプリケーション40070から受信する。次に、42004において、デジタルツインダイナミックモデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストア40016から1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツイン動的モデルシステム40008は、機械のデジタルツインと、任意の埋め込まれたデジタルツイン、例えば、任意の埋め込まれたモータのデジタルツインおよびベアリングのデジタルツイン、ならびに、製造施設のデジタルツインなど、機械のデジタルツインを埋め込む任意のデジタルツインを検索してもよい。42008において、デジタルツインダイナミックモデルシステム40008は、以下の1つを決定する。要求を満たすために必要な1つまたは複数の動的モデルを、デジタルツイン動的モデルデータストア400102から取得する。42010において、デジタルツイン動的モデルシステム40008は、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)と、動的モデル(複数)の1つ以上の要求された入力とに基づいて、デジタルツインI/Oシステム40004を介して動的モデル入力データソース(例えば、センサシステム40030からの1つ以上のセンサ、モノのインターネット接続デバイス40024からのデータ、および他の任意の適切なデータ)を選択する。本実施例では、検索された動的モデル(複数可)400100は、動的モデルへの入力として、振動センサ40036からの1つまたは複数の振動センサ測定値を取ってもよい。実施形態では、振動センサ40036は、光学的振動センサ、一軸振動センサ、三軸振動センサなどであってもよい。42012において、デジタルツイン動的モデルシステム40008は、選択されたデータソースのそれぞれから1つまたは複数の測定値をデジタルツインI/Oシステム40004から取得する。次に、42014において、デジタルツイン動的モデルシステム40008は、検索された振動センサの測定値を入力として使用して、動的モデル(複数可)を実行し、軸受振動障害レベル状態を表す1つまたは複数の出力を計算する。次に、42018において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の1つまたは複数の出力に基づいて、製造施設デジタルツイン、機械デジタルツイン、モータデジタルツイン、及び/又はベアリングデジタルツインの1つまたは複数のベアリング故障レベル状態を更新する。クライアントアプリケーション40070は、軸受の振動故障レベル状態を取得してもよく、取得した振動故障レベル状態を各軸受に関連付けて表示してもよく、また、故障レベルの重大度に関連付けられた色(例えば、赤はアラーム、オレンジはクリティカル、黄色はサブオプティマム、緑は正常動作)を、表示インタフェース上のデジタルツインの1つ以上のレンダリングに表示してもよい。
例をさらに進めると、追加的または代替的に、クライアントアプリケーション40070は、パイプなどの製造施設内の産業エンティティのひずみのヒートマップ視覚化を提供するように構成されてもよい。配管材料は、温度による線形の伸縮を示すことができ、熱による配管の膨張は、配管材料に歪みを引き起こすことがある。
熱膨張と収縮の割合は、熱膨張係数によって特徴づけられる。パイプの寸法の変化は次のように定義できる。
e=a(T2-T1)(式1)
ところで
e=歪み(インチ/インチ
a=熱膨張係数(単位:インチ/°F
T2=終了温度(°F)
T1=起動時の温度(°F)
設置時の温度(Tl)、熱膨張係数、およびパイプ上の特定の点のリアルタイム温度を与えるセンサ測定値(T2)が与えられると、パイプ歪み値は、温度センサ40032からの1つまたは複数の温度測定値を動的モデルへの入力(複数可)として取り込む動的モデルから計算され、式1に準拠して1つまたは複数の推定パイプ歪み値を計算することができる。さらにまたは代替として、動的モデルは、他の適切なデータを入力(例えば、湿度センサ40034からの湿度データ、圧力センサ40046からの圧力データ、モノのインターネット接続デバイス40024からのデータなど)として取り、1つまたは複数のパイプ歪み値を計算するように構成されてもよい。デジタルツインダイナミックシステム40008は、次に、製造施設デジタルツイン、パイプデジタルツイン、および他の任意の適切な産業エンティティデジタルツインを、パイプ歪み値で更新してもよい。
別の例では、クライアントアプリケーション40070は、拡張現実アプリケーションであってもよい。この例のいくつかの実施形態では、クライアントアプリケーション40070は、クライアントアプリケーションをホストするAR対応デバイス(例えば、スマートグラス)の視野内のベアリングの振動故障レベル状態を、産業環境のデジタルツインから(例えば、デジタルツインシステム40000のAPI、ウェブフックなどを介して)取得してもよく、表示される振動故障レベル状態がAR対応デバイスの視野内の位置に対応するように、取得された振動故障レベル状態をAR対応デバイスのディスプレイに表示してもよい。このようにして、AR対応デバイスの視野内に振動センサが配置されていなくても、振動故障レベル状態が表示されてもよい。
図220は、機械のデジタルツインにおけるベアリングの振動シビアリティユニット値のセットを更新するための42100における方法の例示的な実施形態を示す。振動シビアリティユニットは、変位、速度、および加速度として測定されてもよい。
この例では、デジタルツイン動的モデルシステム40008とインタフェースするクライアントアプリケーション40070は、機械のデジタルツインにおけるベアリングの3次元振動特性の視覚化を提供するように構成されてもよい。RFスペクトル特性は、信号周波数、信号振幅、電力レベルなどを含んでもよい。実施形態では、これらの特性は、RFセンサ40078で測定されてもよい。RFセンサ40078は、スペクトラムアナライザ、パワーメータ、周波数カウンタ、RFベクトルネットワークアナライザ(VNA)などであってもよい。
この例では、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070から、機械のデジタルツインのベアリングの振動深刻度単位値を更新する要求を受信してもよい。42102において、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070から、製造設備のデジタルツインの1つまたは複数の振動シビアリティユニット値(複数可)を更新する要求を受信する。次に、42104において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストア40016から1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム40008は、機械のデジタルツインおよび任意の組み込みデジタルツイン(例えば、ベアリングおよび他のコンポーネントのデジタルツイン)を検索してもよい。42108において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア400102から1つまたは複数の必要な動的モデルを検索する。42110において、デジタルツイン動的モデルシステム40008は、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)および動的モデル(複数)の1つ以上の要求される入力に基づいて、デジタルツインI/Oシステム40004を介して動的モデル入力データソース(例えば、センサシステム40030からの1つ以上のセンサ、モノのインターネット接続デバイス40024からのデータ、および他の任意の適切なデータ)を選択する。本例では、検索された動的モデルは、1つまたは複数の振動センサの測定値を入力として受け取り、機械内のベアリングの厳しさの単位値を提供するように構成されてもよい。42112において、デジタルツイン動的モデルシステム40008は、選択されたセンサのそれぞれから1つまたは複数の測定値を取得する。本実施例では、デジタルツインダイナミックモデルシステム40008は、デジタルツインI/Oシステム40004を介して振動センサ40036から測定値を取得する。42114において、デジタルツイン動的モデルシステム40008は、検索された振動測定値を入力として動的モデル(複数可)を実行し、機械内のベアリングの振動厳しさ単位値を表す1つ以上の出力値を計算する。次に、42118において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)によって出力された1つまたは複数の値に基づいて、機械デジタルツインおよび他のすべての埋め込みデジタルツインまたは機械デジタルツインを埋め込むデジタルツインにおける軸受の1つまたは複数の振動重症度単位値を更新する。
図221は、機械のデジタルツインにおける機械コンポーネントの故障確率値のセットを更新するための方法42200の例示的な実施形態を示す。図217は、製造施設などの産業環境のデジタル・ツインにおいて、電気力学関連の値のセットを更新するための方法の例示的な実施形態を示している。この例では、デジタルツインダイナミックシステム40008とインタフェースするクライアントアプリケーション40070は、製造施設のデジタルツインにおいて、製造施設の地理空間放射特性の視覚化を提供するように構成されてもよい。実施形態では、電磁力学関連の値は、電磁場(EMF)放射に関連していてもよい。EMF放射の例示的なタイプは、無線周波数、磁場、および電場を含む。地理空間的な放射線特性は、放射線の強度、放射線の周波数などを含んでもよい。
この例では、デジタルツイン動的モデルシステム40008は、機械デジタルツインのコンポーネントの故障確率値を更新するために、クライアントアプリケーション40070から要求を受信してもよい。42202において、デジタルツイン動的モデルシステム40008は、機械デジタルツイン、任意の埋め込みコンポーネントデジタルツイン、および製造施設デジタルツインなどの機械デジタルツインを埋め込む任意のデジタルツインの1つまたは複数の故障確率値を更新するために、クライアントアプリケーション40070から要求を受信する。次に、42204において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム40008は、デジタルツインデータストア40016から、製造施設のデジタルツイン、機械のデジタルツイン、および機械コンポーネントのデジタルツインを取得してもよい。42208において、デジタルツインダイナミックモデルシステム40008は、要求を満たすために必要な1つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア400102から1つまたは複数の必要なダイナミックモデルを検索する。42210において、デジタルツイン動的モデルシステム40008は、デジタルツインI/Oシステム40004を介して、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)と、動的モデル(複数)の1つ以上の要求された入力とに基づいて、動的モデル入力データソース(例えば、センサシステム40030からの1つ以上のセンサ、モノのインターネット接続デバイス40024からのデータ、および他の任意の適切なデータ)を選択する。本例では、検索された動的モデルは、動的モデルの入力として、振動センサ40036からの1つまたは複数の振動測定値および過去の故障データを取り、機械のデジタルツインにおける機械コンポーネントの故障確率値を出力してもよい。42212で、デジタルツインダイナミックモデルシステム40008は、デジタルツインI/Oシステム40004を介して、選択されたセンサ及び/又はモノのインターネット接続デバイスのそれぞれからデータを取得する。42214で、デジタルツインダイナミックモデルシステム
デジタルツイン動的モデルシステム40008は、検索された振動データおよび過去の故障データを入力として動的モデル(複数可)を実行し、機械デジタルツインのベアリングの故障確率値を表す1つまたは複数の出力を計算する。次に、42218において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の出力に基づいて、機械デジタルツイン、すべての埋め込みデジタルツイン、および機械デジタルツインを埋め込むすべてのデジタルツインにおけるベアリングの1つまたは複数の故障確率値を更新する。
デジタルツイン動的モデルシステム40008は、検索された振動データおよび過去の故障データを入力として動的モデル(複数可)を実行し、機械デジタルツインのベアリングの故障確率値を表す1つまたは複数の出力を計算する。次に、42218において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の出力に基づいて、機械デジタルツイン、すべての埋め込みデジタルツイン、および機械デジタルツインを埋め込むすべてのデジタルツインにおけるベアリングの1つまたは複数の故障確率値を更新する。
図222は、製造施設のデジタルツインにおける機械のダウンタイムの確率のセットを更新するための方法42300の例示的な実施形態を示す。化学的特性は、環境に存在する化学物質、化学物質の濃度などを含んでもよい。化学センサ40054は、標的分子(分析物とも呼ばれる)の濃度を検出および測定してもよい。実施形態では、化学センサ40054は、ガスセンサ(半導体ガスセンサ、電気化学式ガスセンサ、接触燃焼式ガスセンサ、光学式ガスセンサ、およびポリマーガスセンサなど)、イオンセンサ、および湿度センサであってもよい。
この例では、デジタルツイン動的モデルシステム40008とインタフェースするクライアントアプリケーション40070は、製造施設のデジタルツインにおける製造施設のダウンタイム値の確率の視覚化を提供するように構成されてもよい。
この例では、デジタルツイン動的モデルシステム40008は、製造施設デジタルツイン内のマシンにダウンタイム値の確率を割り当てるために、クライアントアプリケーション40070から要求を受信してもよい。42302において、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070から、製造施設デジタルツインおよび個々のマシンデジタルツインなどの任意の埋め込みデジタルツインにおけるマシンの1つまたは複数のダウンタイム値の確率を更新する要求を受信する。次に、42304において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストア40016から1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム40008は、製造施設のデジタルツインおよび任意の組み込みデジタルツインをデジタルツインデータストア40016から取得してもよい。42308において、デジタルツインダイナミックモデルシステム40008は、要求を満たすために必要な1つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア400102から1つまたは複数の必要なダイナミックモデルを取得する。42310において、デジタルツイン動的モデルシステム40008は、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステム40004を介した動的モデル(複数)の1つまたは複数の要求される入力とに基づいて、動的モデル入力データソース(例えば、センサシステム40030からの1つまたは複数のセンサ、モノのインターネット接続デバイス40024からのデータ、および他の任意の適切なデータ)を選択する。本実施例では、動的モデル(複数可)は、振動センサからの振動測定値および過去のダウンタイムデータを入力とし、製造施設全体の異なる機械についてのダウンタイム値の確率を出力するように構成されてもよい。42312において、デジタルツイン動的モデルシステム40008は、デジタルツインI/Oシステム40004を介して、選択されたセンサのそれぞれから1つまたは複数の測定値を取得する。42314において、デジタルツイン動的モデルシステム40008は、検索された振動測定値および過去のダウンタイムデータを入力として動的モデル(複数可)を実行し、製造施設内の機械のダウンタイム値の確率を表す1つまたは複数の出力を計算する。次に、42318において、デジタルツイン動的モデルシステム40008は、動的モデルの1つまたは複数の出力に基づいて、製造施設のデジタルツインおよびすべての埋め込みデジタルツインにおける機械のための1つまたは複数のダウンタイム値の確率を更新する。
図223は、製造施設のセットを有する企業のデジタルツインにおける1つまたは複数のシャットダウンの確率の値を更新するための方法42400の実施形態の例を示す。
本実施例では、デジタルツイン動的モデルシステム40008は、エンタープライズデジタルツイン内の製造施設のセットのシャットダウンの確率値を更新するために、クライアントアプリケーション40070から要求を受信してもよい。42402において、デジタルツインダイナミックモデルシステム40008は、クライアントアプリケーション40070から、エンタープライズデジタルツインおよび任意の組み込みデジタルツインの1つまたは複数のシャットダウン確率値を更新する要求を受信する。次に、42404において、デジタルツインダイナミックモデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストア40016から1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム40008は、企業のデジタルツインおよび任意の組み込みデジタルツインを検索してもよい。42408において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア400102から1つまたは複数の必要な動的モデルを検索する。42410において、デジタルツインダイナミックモデルシステム40008は、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステム40004を介したダイナミックモデル(複数)の1つ以上の要求される入力とに基づいて、ダイナミックモデル入力データソース(例えば、センサシステム40030からの1つ以上のセンサ、モノのインターネット接続デバイス40024からのデータ、および他の任意の適切なデータ)を選択する。本実施例では、検索された動的モデルは、振動センサ40036及び/又は他の適切なデータから1つまたは複数の振動測定値を入力として取得し、エンタープライズデジタルツイン内の各製造エンティティに対するシャットダウンの確率値を出力するように構成されてもよい。42412において、デジタルツイン動的モデルシステム40008は、デジタルツインI/Oシステム40004から、選択された振動センサ40036のそれぞれから1つまたは複数の振動測定値を取得する。42414において、デジタルツイン動的モデルシステム40008は、検索された振動測定値および過去のシャットダウンデータを入力として動的モデル(複数可)を実行し、エンタープライズデジタルツイン内の製造設備のシャットダウン確率値を表す1つまたは複数の出力を計算する。次に、42418において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の1つまたは複数の出力に基づいて、エンタープライズデジタルツインおよびすべての組み込みデジタルツインの1つまたは複数のシャットダウン確率値を更新する。
図224は、製造施設のデジタルツイン内のマシンにおけるダウンタイムのコスト値のセットを更新するための方法42500の例示的な実施形態を示す。実施形態では、製造
本実施例では、デジタルツイン動的モデルシステム40008は、製造施設デジタルツイン内のマシンに関連するリアルタイムのダウンタイムのコスト値をポピュレートするために、クライアントアプリケーション40070から要求を受信してもよい。42502において、デジタルツインダイナミックモデルシステム40008は、クライアントアプリケーション40070から、製造施設デジタルツインおよび任意の埋め込みデジタルツイン(例えば、マシン、マシンパーツなど)の1つまたは複数のダウンタイムのコスト値を更新する要求を受信する。次に、42504において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、必要な1つまたは複数のデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム40008は、製造施設のデジタルツイン、機械、機械部品、およびその他の組み込みデジタルツインを、デジタルツインデータストア40016から検索してもよい。42508において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア400102から1つまたは複数の必要な動的モデルを取得する。42510において、デジタルツインダイナミックモデルシステム40008は、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステム40004を介したダイナミックモデル(複数)の1つ以上の要求される入力とに基づいて、ダイナミックモデル入力データソース(例えば、センサシステム40030からの1つ以上のセンサ、モノのインターネット接続デバイス40024からのデータ、およびその他の適切なデータ)を選択する。本実施例では、検索された動的モデル(複数可)は、入力として過去のダウンタイムデータおよび運用データを取り、製造施設内の機械の1日あたりのダウンタイムのコストを表すデータを出力するように構成されてもよい。42512において、デジタルツインダイナミックモデルシステム40008は、デジタルツインI/Oシステム40004から過去のダウンタイムデータおよび運用データを取得する。42514で、デジタルツインダイナミックモデルシステム40008は、取得したデータを入力としてダイナミックモデル(複数可)を実行し、製造施設内の機械の1日あたりのダウンタイムコストを表す1つ以上の出力を計算する。次に、42518で、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の1つ以上の出力に基づいて、製造施設デジタルツインおよび機械デジタルツインの1つ以上のダウンタイムコスト値を更新する。
図225は、製造施設のデジタルツインにおける一連の製造KPI値を更新するための方法42600の例示的な実施形態を示す。実施形態では、製造KPIは、稼働時間、容量利用率、標準稼働効率、全体の稼働効率、全体の設備有効性、機械のダウンタイム、予定外のダウンタイム、機械のセットアップ時間、在庫回転数、在庫精度、品質(例えば。品質(不良品率)、初回通過率、手直し、スクラップ、監査不合格、納期厳守、返品、トレーニング時間、従業員の離職率、報告義務のある安全衛生インシデント、従業員一人当たりの売上高、従業員一人当たりの利益、スケジュール達成度、総サイクル時間、スループット、切り替え時間、歩留まり、計画保守率、稼働率、返品率。
本実施例では、デジタルツイン動的モデルシステム40008は、クライアントアプリケーション40070からの要求を受信して、製造施設デジタルツインにリアルタイムの製造KPI値を投入してもよい。42602において、デジタルツインダイナミックモデルシステム40008は、クライアントアプリケーション40070から、製造施設デジタルツインおよび任意の埋め込みデジタルツイン(例えば、機械、機械部品など)の1つまたは複数のKPI値を更新する要求を受信する。次に、42604において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、必要な1つまたは複数のデジタルツインを取得する。この例では、デジタルツイン動的モデルシステム40008は、製造施設のデジタルツイン、機械、機械部品、および他の任意の組み込みデジタルツインを、デジタルツインデータストア40016から検索してもよい。42608において、デジタルツイン動的モデルシステム40008は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、ダイナミックモデルデータストア400102から1つまたは複数の必要なダイナミックモデルを取得する。42610において、デジタルツイン動的モデルシステム40008は、利用可能なデータソース(例えば、センサシステム40030のセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステム40004を介した動的モデル(複数)の1つまたは複数の要求される入力とに基づいて、動的モデル入力データソース(例えば、センサシステム40030からの1つまたは複数のセンサ、モノのインターネット接続デバイス40024からのデータ、およびその他の適切なデータ)を選択する。本実施例では、検索された動的モデル(複数可)は、振動センサ40036から得られた1つまたは複数の振動測定値および他の運用データを入力として取得し、施設の1つまたは複数の製造KPIを出力するように構成されてもよい。42612において、デジタルツイン動的モデルシステム40008は、選択された振動センサ40036のそれぞれから1つまたは複数の振動測定値を取得し、デジタルツインI/Oシステム40004から運用データを取得する。42614において、デジタルツイン動的モデルシステム40008は、検索された振動測定値および運用データを入力として動的モデル(複数可)を実行し、製造施設の製造KPIを表す1つまたは複数の出力を計算する。次に、42618において、デジタルツイン動的モデルシステム40008は、動的モデル(複数可)の1つまたは複数の出力に基づいて、製造施設デジタルツイン、機械デジタルツイン、機械部品デジタルツイン、および他のすべての組み込みデジタルツインの1つまたは複数のKPI値を更新する。
さらなる実施形態は、廃水処理プラントなどの産業実体のデジタルツインにおける生物学的に有害なエージェントの濃度値のセットを更新する方法を含む。生物学的に有害なエージェントは、金属加工液を使用する工場で発見される可能性があり、また、廃棄物処理施設で発見される可能性もある。生物学的に有害な物質は、バイオセンサを用いて検出することができる。本実施例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、廃水処理プラントのデジタルツインにおける生物学的に有害なエージェントの濃度の視覚化を提供するように構成されてもよい。実施形態において、バイオセンサは、音響バイオセンサ、アンペロメトリックバイオセンサ、電気化学バイオセンサ、光電バイオセンサ、熱量バイオセンサ、電位差バイオセンサ、イムノバイオセンサ、圧電バイオセンサなどであってもよい。
この例では、デジタルツインダイナミックシステムは、廃水処理場デジタルツインの生物学的に有害なエージェントの濃度値を更新する要求をクライアントアプリケーションから受け取ることができる。次のブロックで、デジタルツインダイナミックシステムは、濃度値がプラント内の生物学的に有害なエージェントのリアルタイムの濃度レベルを表すように、クライアントアプリケーションから廃水処理プラントのデジタルツインおよび任意の埋め込みデジタルツインの1つまたは複数の生物学的に有害なエージェントの濃度値を更新する要求を受信する。次のブロックで、デジタルツインダイナミックシステムは、要求を満たすために必要な1つ以上のデジタルツインを決定し、デジタルツインデータストアから必要な1つ以上のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、廃水処理プラントのデジタルツインを検索してもよいし、その他の埋め込まれたデジタルツインを検索してもよい。次のブロックでは、デジタルツインダイナミックシステムは、要求を満たすために必要な1つ以上のダイナミックモデルを決定し、ダイナミックモデルデータストアから1つ以上の必要なダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つ以上の要求される入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つ以上のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の適切なデータ)を選択する。本例では、検索された動的モデル(複数可)は、バイオセンサから得られた1つ以上の濃度測定値、温度センサから得られた温度測定値、及び/又は圧力センサから得られた圧力測定値を入力とし、プラント内の異なる場所における生物学的に有害なエージェントの濃度測定値を出力するように構成されていてもよい。次のブロックでは、デジタルツインダイナミックシステムが、デジタルツインI/Oシステムを介して、プラント内に配置されたバイオセンサ、温度センサ、圧力センサの測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した測定値を入力としてダイナミックモデルを実行し、廃水処理プラント内の異なる場所やプラント全体における生物学的有害物質の濃度値を表す1つまたは複数の出力を計算する。次のブロックで、デジタルツインダイナミックシステムは、ダイナミックモデル(複数可)の出力に基づいて、廃水処理プラントのデジタルツインの1つまたは複数の生物学的に有害なエージェント濃度値、および他のすべての組み込みデジタルツインを更新する。
さらなる例示的な実施形態は、給水配管システムなどの産業実体のデジタルツインにおける流体力学特性のセットを更新する方法を含む。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、給水配管システムのデジタルツインにおいて、給水配管システム内の流体流量の視覚化を提供するように構成されてもよい。流体流量は、圧力、寸法、および導管の材料特性(形状、粗さ、制限など)に依存してもよい。流体流量センサは、流体流量を測定するように構成されてもよい。流体流量センサは、差圧式流量計や圧力計などの流量計であってもよい。
計(オリフィスプレート、フローノズル、ベンチュリー管、可変面積ローターメーター)、速度流量計、容積式流量計、質量流量計、開水路式流量計(堰、フルーム、水中オリフィス、電流計、音響式流量計など)などがある。
計(オリフィスプレート、フローノズル、ベンチュリー管、可変面積ローターメーター)、速度流量計、容積式流量計、質量流量計、開水路式流量計(堰、フルーム、水中オリフィス、電流計、音響式流量計など)などがある。
この例では、デジタルツインダイナミックシステムは、クライアントアプリケーションから、給水配管システムのデジタルツインにおける流量値を更新する要求を受信することができる。次のブロックで、デジタルツインダイナミックシステムは、配管システムのデジタルツインおよび任意の組み込みデジタルツインにおける1つまたは複数の流量値を、流量値が配管システムにおけるリアルタイムの流体流量を表すように更新する要求を、クライアントアプリケーションから受け取る。次のブロックで、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストアから必要な1つまたは複数のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、給水配管システムのデジタルツイン、給水配管システムを含む施設のデジタルツイン、およびその他の埋め込まれたデジタルツインを検索してもよい。次のブロックでは、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つ以上のダイナミックモデルを決定し、ダイナミックモデルデータストアから必要な1つ以上のダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つ以上の要求される入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つ以上のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の適切なデータ)を選択する。本実施例では、検索された動的モデルは、流体流量センサから得られた1つまたは複数の流量測定値を取得し、配管システム全体の流量値をモデル化するように構成されてもよい。次のブロックで、デジタルツインダイナミックシステムは、デジタルツインI/Oシステムから、選択された流体流量センサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した流体流量測定値を入力としてダイナミックモデルを実行し、配管システム全体及び/又は配管システム全体の異なる位置での流量値を表す1つまたは複数の出力を計算する。次のブロックで、デジタルツインダイナミックシステムは、ダイナミックモデル(複数可)の1つ以上の出力に基づいて、給水配管系デジタルツイン、製造施設デジタルツイン、およびすべての埋め込みデジタルツインの1つ以上の流量値を更新する。
さらに例示的な実施形態は、放射線のセットを更新するための方法を含む。
デジタルツインは、原子力発電所などの産業環境のデジタルツインで、関連する値をモデリングすることができる。デジタルツインでの放射線モデリングは、原子力エネルギー生産、原子力研究炉、燃料サイクル、原子力海洋推進などに役立つ可能性がある。放射線センサは、さまざまな種類の検出器を使用して、アルファ線、ベータ線、ガンマ線、または中性子線のサイト固有のレベルを測定することができる。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、原子力生産施設のデジタルツインにおいて、原子力生産施設におけるガンマ線量率の視覚化を提供するように構成されてもよい。
デジタルツインは、原子力発電所などの産業環境のデジタルツインで、関連する値をモデリングすることができる。デジタルツインでの放射線モデリングは、原子力エネルギー生産、原子力研究炉、燃料サイクル、原子力海洋推進などに役立つ可能性がある。放射線センサは、さまざまな種類の検出器を使用して、アルファ線、ベータ線、ガンマ線、または中性子線のサイト固有のレベルを測定することができる。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、原子力生産施設のデジタルツインにおいて、原子力生産施設におけるガンマ線量率の視覚化を提供するように構成されてもよい。
デジタルツインダイナミックシステムは、核生産施設デジタルツインのガンマ線量率を更新する要求をクライアントアプリケーションから受け取ることができる。次のブロックで、デジタルツインダイナミックシステムは、ガンマ線量率が物理的な核生産施設システムにおけるリアルタイムのガンマ線量率を表すように、核生産施設デジタルツイン及び任意の埋め込みデジタルツインの1つ以上のガンマ線量率値を更新する要求をクライアントアプリケーションから受け取る。次のブロックでは、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つ以上のデジタルツインを決定し、デジタルツインデータストアから必要な1つ以上のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、原子力発電施設のデジタルツインと、その他の埋め込まれたデジタルツインを検索することができる。次のブロックでは、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つ以上のダイナミックモデルを決定し、ダイナミックモデルデータストアから必要な1つ以上のダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つ以上の要求される入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つ以上のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の適切なデータ)を選択する。本実施例では、検索された動的モデルは、放射線センサから得られた1つ以上のガンマ線量率測定値を入力とし、原子力生産施設全体の他の場所でガンマ線量率値を出力するように構成されていてもよい。次のブロックでは、デジタルツインダイナミックシステムが、選択された放射線センサのそれぞれから1つ以上の測定値をデジタルツインI/Oシステムから取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得したガンマ線量率の測定値を入力としてダイナミックモデルを実行し、施設内及び/又は施設全体の異なる場所におけるガンマ線量率の値を表す1つまたは複数の出力を計算する。次のブロックでは、デジタルツインダイナミックシステムは、ダイナミックモデル(複数可)の1つ以上の出力に基づいて、原子力生産施設のデジタルツインおよびすべての埋め込みデジタルツインの1つ以上のガンマ線量率値を更新する。
例示的な実施形態は、産業環境のデジタルツインにおける量子力学的値のセットを更新する方法を含む。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、産業環境のデジタルツインにおける量子力学的値の視覚化を提供するように構成されてもよい。例えば、原子サイズに近い産業実体は、量子力学的な挙動を示し、量子力学の原理に準拠した動的モデルによってモデル化される可能性がある。量子力学的特性は、量子センサによって測定されてもよい。
この例では、デジタルツインダイナミックシステムは、原子サイズの産業実体を表す産業実体デジタルツインが埋め込まれた産業環境デジタルツインの1つまたは複数の量子力学的値を更新する要求を、クライアントアプリケーションから受け取ることができる。次のブロックで、デジタルツインダイナミックシステムは、物理的な産業環境におけるリアルタイムの特性を表すように、産業環境デジタルツインおよび埋め込みデジタルツインの1つ以上の量子力学的値を更新する要求をクライアントアプリケーションから受け取る。次のブロックで、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストアから必要な1つまたは複数のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、産業環境のデジタルツインと、埋め込まれた原子のデジタルツインを取得することができる。次のブロックでは、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つ以上のダイナミックモデルを決定し、ダイナミックモデルデータストアから必要な1つ以上のダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つ以上の要求される入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つ以上のセンサ、モノのインターネット接続デバイスからのデータ、その他の適切なデータ)を選択する。本実施例では、検索された動的モデル(複数可)は、産業環境に配置された量子センサから得られた1つ以上の量子力学的測定値を入力とし、量子力学に準拠した1つ以上の動的モデルを適用して、産業環境の異なる場所及び/又は環境全体について1つ以上の量子力学的値を得るように構成されてもよい。次のブロックでは、デジタルツインダイナミックシステムは、デジタルツインI/Oシステムを介して、選択された量子センサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した量子力学的測定値を入力としてダイナミックモデルを実行し、産業環境の異なる場所及び/又は産業環境全体における1つまたは複数の量子力学的値を計算する。次のブロックで、デジタルツインダイナミックシステムは、量子力学的ダイナミックモデルの1つ以上の出力に基づいて、産業環境デジタルツイン、原子産業実体デジタルツイン、および他のすべての組み込みデジタルツインの1つ以上の値を更新する。
例示的な実施形態は、製造施設などの産業環境のデジタルツインにおいて、コンテナなどの産業エンティティの位置のセットを更新する方法を含む。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、製造施設のデジタルツインにおいて、製造施設を通るコンテナの位置の視覚化を提供するように構成されてもよい。
本実施例では、デジタルツインダイナミックシステムは、製造施設デジタルツイン内のコンテナのロケーション値を更新する要求をクライアントアプリケーションから受け取ることができる。次のブロックで、デジタルツインダイナミックシステムは、製造施設デジタルツイン、埋め込みコンテナデジタルツイン、およびその他の埋め込みデジタルツインにおける1つまたは複数のコンテナのロケーション値を、ロケーション値が物理的な製造施設におけるコンテナのリアルタイムのロケーションを表すように更新する要求を、クライアントアプリケーションから受け取る。次のブロックで、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストアから必要な1つまたは複数のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、製造施設のデジタルツイン、コンテナのデジタルツイン、ロボットのデジタルツイン、およびその他の埋め込まれたデジタルツインを取得することができる。次のブロックでは、デジタルツインダイナミックシステムが、要求を満たすために必要な1つ以上のダイナミックモデルを決定し、必要な1つ以上のダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサのセットから利用可能なセンサ)と、デジタルツインI/Oシステムを使用してダイナミックモデルの1つ以上の要求される入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つ以上のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の任意の適切なデータ)を選択する。本実施例では、検索された動的モデルは、古典的な力学に準拠していてもよい。1つまたは複数のダイナミックモデルは、コンテナを移動させるために使用されるロボットなど、コンテナを移動させるために使用されるInternet of Things接続デバイスから得られた1つまたは複数の速度測定値を入力として取り、ダイナミックモデルを適用して、製造施設全体のコンテナの位置に関する1つまたは複数の出力値を得るように構成されてもよい。次のブロックでは、デジタルツインダイナミックシステムが、デジタルツインI/Oシステムを介して、選択されたロボットのそれぞれから1つ以上の速度測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した速度計測値を入力としてダイナミックモデルを実行し、環境中のコンテナの位置を表す1つまたは複数の出力値を計算する。次のブロックで、デジタルツインダイナミックシステムは、ダイナミックモデルの1つまたは複数の出力に基づいて、製造施設デジタルツイン、コンテナデジタルツイン、ロボットデジタルツイン、およびすべての組み込みデジタルツインのコンテナの1つまたは複数のロケーション値を更新する。
例示的な実施形態は、廃棄物ストリームなどの産業環境における金属濃度のセットを更新する方法を含む。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、廃棄物ストリームのデジタルツインにおいて、廃棄物ストリームにおける金属濃度の視覚化を提供するように構成されてもよい。例えば、銅、クロム、ニッケル、および亜鉛は、産業廃水に高濃度で頻繁に見られ、それぞれが沈殿によって除去される可能性がある。
デジタルツインダイナミックシステムは、クライアントアプリケーションから、産業廃棄物ストリームデジタルツインの銅の濃度を更新する要求を受け取ることができる。次のブロックでデジタルツインダイナミックシステムは、銅濃度値が廃棄物の流れにおけるリアルタイムの銅濃度を表すように、廃棄物の流れのデジタルツインおよび他の組み込みデジタルツイン(沈殿物フィルタのデジタルツインなど)の1つまたは複数の銅濃度値を更新する要求をクライアントアプリケーションから受け取る。次のブロックで、デジタルツインダイナミックシステムは、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストアから1つまたは複数の必要なデジタルツインを取得する。本実施例では、デジタルツインダイナミックシステムは、廃棄物の流れのデジタルツインおよびその他の埋め込まれたデジタルツインを検索してもよい。次のブロックで、デジタルツインダイナミックシステムは、要求を満たすために必要な1つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストアから1つまたは複数の必要なダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムからの1つまたは複数のセンサ、モノのインターネット接続デバイスからのデータ、および他の任意の適切なデータ)に基づいて、ダイナミックモデルの入力データソース(例えば、1つまたは複数のセンサ、モノのインターネット接続デバイスからのデータ、および他の任意の適切なデータ)を選択する。
センサシステムのセンサセットから利用可能なセンサ)と、デジタルツインI/Oシステムを介して動的モデル(複数可)の1つ以上の要求された入力を取得する。本例では、検索された動的モデルは、無機化学の原理に基づいている。動的モデルは、廃棄物の流れの中に配置された化学センサから得られた1つ以上の銅濃度測定値を入力とし、動的モデルを適用して、廃棄物の流れの中の異なる場所及び/又は廃棄物の流れ全体における銅濃度の1つ以上の結果値を得ることができる。次のブロックでは、デジタル・ツイン・ダイナミック・システムが、デジタル・ツインI/Oシステムを介して、選択された化学センサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した測定値を入力としてダイナミックモデルを実行し、産業廃棄物の流れの中の異なる場所や産業廃棄物の流れ全体における銅の濃度値を表す1つまたは複数の出力を計算する。次のブロックでは、デジタルツイン・ダイナミックシステムは、ダイナミックモデルの1つ以上の出力に基づいて、産業廃棄物ストリームのデジタルツインおよびすべての埋め込みデジタルツインの1つ以上の銅濃度値を更新する。
センサシステムのセンサセットから利用可能なセンサ)と、デジタルツインI/Oシステムを介して動的モデル(複数可)の1つ以上の要求された入力を取得する。本例では、検索された動的モデルは、無機化学の原理に基づいている。動的モデルは、廃棄物の流れの中に配置された化学センサから得られた1つ以上の銅濃度測定値を入力とし、動的モデルを適用して、廃棄物の流れの中の異なる場所及び/又は廃棄物の流れ全体における銅濃度の1つ以上の結果値を得ることができる。次のブロックでは、デジタル・ツイン・ダイナミック・システムが、デジタル・ツインI/Oシステムを介して、選択された化学センサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した測定値を入力としてダイナミックモデルを実行し、産業廃棄物の流れの中の異なる場所や産業廃棄物の流れ全体における銅の濃度値を表す1つまたは複数の出力を計算する。次のブロックでは、デジタルツイン・ダイナミックシステムは、ダイナミックモデルの1つ以上の出力に基づいて、産業廃棄物ストリームのデジタルツインおよびすべての埋め込みデジタルツインの1つ以上の銅濃度値を更新する。
例示的な実施形態は、コンテナなどの産業実体のデジタルツインにおける有機化合物の濃度のセットを更新する方法を含む。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、液体および気体成分を有する容器のデジタルツインにおけるように、有機化合物の濃度の視覚化を提供するように構成されてもよい。
この例では、デジタルツインダイナミックシステムは、コンテナのデジタルツインにおける有機化合物の濃度を更新するための要求をクライアントアプリケーションから受け取ることができる。次のブロックで、デジタルツインダイナミックシステムは、コンテナのデジタルツインおよび他の埋め込みデジタルツインの1つまたは複数の有機化合物濃度値を、有機化合物濃度値がコンテナ内のリアルタイムの有機化合物濃度を表すように更新する要求をクライアントアプリケーションから受け取る。次のブロックで、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つまたは複数のデジタルツインを決定し、必要な1つまたは複数のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、コンテナのデジタルツイン、コンテナを埋め込むデジタルツイン、およびその他の埋め込まれたデジタルツインを、デジタルツインデータストアから取得することができる。次のブロックで、デジタルツインダイナミックシステムは、リクエストを満たすために必要な1つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストアから必要な1つまたは複数のダイナミックモデルを取得する。本実施例では
の動的モデルは、有機化学の原理に準拠していてもよい。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つまたは複数の必要な入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つまたは複数のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の適切なデータ)を選択する。動的モデルは、化学センサから得られた1つ以上の有機化合物濃度測定値、温度センサから得られた温度測定値、及び/又は圧力センサから得られた圧力測定値を入力とし、動的モデルを適用して、容器内の異なる位置及び/又は容器全体の有機化合物濃度に関する1つ以上の出力値を得るように構成されてもよい。次のブロックでは、デジタルツインダイナミックシステムが、デジタルツインI/Oシステムを介して、選択された化学センサ、温度センサ、および圧力センサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した測定値を入力としてダイナミックモデルを実行し、容器内の有機化合物濃度を表す1つまたは複数の出力を計算する。次のブロックで、デジタルツインダイナミックシステムは、ダイナミックモデルの1つ以上の出力に基づいて、コンテナデジタルツイン、コンテナを組み込んだすべてのデジタルツイン、およびすべての組み込みデジタルツインの1つ以上の有機化合物濃度値を更新する。
の動的モデルは、有機化学の原理に準拠していてもよい。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つまたは複数の必要な入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つまたは複数のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の適切なデータ)を選択する。動的モデルは、化学センサから得られた1つ以上の有機化合物濃度測定値、温度センサから得られた温度測定値、及び/又は圧力センサから得られた圧力測定値を入力とし、動的モデルを適用して、容器内の異なる位置及び/又は容器全体の有機化合物濃度に関する1つ以上の出力値を得るように構成されてもよい。次のブロックでは、デジタルツインダイナミックシステムが、デジタルツインI/Oシステムを介して、選択された化学センサ、温度センサ、および圧力センサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した測定値を入力としてダイナミックモデルを実行し、容器内の有機化合物濃度を表す1つまたは複数の出力を計算する。次のブロックで、デジタルツインダイナミックシステムは、ダイナミックモデルの1つ以上の出力に基づいて、コンテナデジタルツイン、コンテナを組み込んだすべてのデジタルツイン、およびすべての組み込みデジタルツインの1つ以上の有機化合物濃度値を更新する。
例示的な実施形態は、ビール醸造システムなどの産業実体のデジタルツインにおける一連の生物関連値を更新する方法を含む。この例では、デジタルツインダイナミックシステムとインタフェースするクライアントアプリケーションは、ビール醸造システムのデジタルツインにおける生物学的化合物の濃度の視覚化を提供するように構成されてもよい。
この例では、デジタルツインダイナミックシステムは、ビール醸造システムのデジタルツインにおける生物学的化合物の濃度を更新する要求をクライアントアプリケーションから受け取ることができる。次のブロックで、デジタルツインダイナミックシステムは、生物学的化合物の濃度値が物理的プロセスにおけるリアルタイムの濃度を表すように、醸造システムのデジタルツインおよびその他の組み込みデジタルツインの1つまたは複数の生物学的化合物の濃度値を更新する要求をクライアントアプリケーションから受け取る。次のブロックでは、デジタルツインダイナミックシステムが、リクエストを満たすために必要な1つ以上のデジタルツインを決定し、デジタルツインデータストアから必要な1つ以上のデジタルツインを取得する。この例では、デジタルツインダイナミックシステムは、醸造システムのデジタルツイン、機械コンポーネントのデジタルツイン、及び/又は他の任意の組み込みデジタルツインを検索してもよい。次のブロックでは、デジタルツインダイナミックシステムは、要求を満たすために必要な1つ以上のダイナミックモデルを決定し、ダイナミックモデルデータストアから1つ以上の必要なダイナミックモデルを取得する。次のブロックで、デジタルツインダイナミックシステムは、利用可能なデータソース(例えば、センサシステムのセンサセットからの利用可能なセンサ)と、デジタルツインI/Oシステムを介したダイナミックモデル(複数)の1つ以上の要求される入力に基づいて、ダイナミックモデルの入力データソース(例えば、センサシステムからの1つ以上のセンサ、モノのインターネット接続デバイスからのデータ、およびその他の適切なデータ)を選択する。本実施例では、検索された動的モデルは、生物学的原理に準拠していてもよい。
動的モデルは、醸造システム内のバイオセンサから得られた1つまたは複数の生物学的化合物濃度の測定値を入力とし、動的モデルを適用して、システム全体の異なる位置における生物学的化合物濃度の1つまたは複数の出力値を得ることができる。次のブロックでは、デジタルツインダイナミックシステムが、デジタルツインI/Oシステムを介して、選択されたバイオセンサのそれぞれから1つ以上の測定値を取得する。次のブロックでは、デジタルツインダイナミックシステムが、取得した生体化合物濃度の測定値を入力としてダイナミックモデルを実行し、システム内及び/又はシステム全体の異なる場所における生体化合物濃度の値を表す1つまたは複数の出力を計算する。次のブロックでは、デジタルツインダイナミックシステムは、ダイナミックモデルの1つ以上の出力に基づいて、醸造システムデジタルツインおよびすべての組み込みデジタルツインの1つ以上の生物学的化合物濃度値を更新する。実施形態では、デジタルツインダイナミックシステムを活用して、産業環境のデジタルツインにおける生物学的モデルの視覚的表現を可能にすることができる。いくつかの実施形態では、生物学的モデルは、生物学的な人口増加モデルであってもよい。いくつかの実施形態では、生物学的モデルは、病原体拡散モデルであってもよい。いくつかの実施形態では、生物学的モデルは、老化モデルである。
図218は、例えば乾燥機遠心分離機のデジタルツインをレンダリングし、乾燥機遠心分離機に関連する他の情報を表示する41200での表示インタフェースの例示的な実施形態を示す。表示インタフェース41200は、任意の数の故障または装置に関連する他の情報を表示する41202でのタイトル領域を含む。41200での表示インタフェースは、デジタルツインによって監視され、表示インタフェース上にレンダリングされる機械接続を描写することができる41210でのメイン画面を含むことができる
41200.メイン画面41210には、右軸受41308を有するモータ41304に接続された左軸受41302を描くことができる。右軸受41308は、プーリ41340に接続することができる。プーリ41340は、ベルト41350に接続することができ、ベルト41350は、駆動プーリ41360に接続することができる。プーリ41360は、左軸受41370に接続することができ、この左軸受41370は、乾燥機用遠心分離機41372に接続される。乾燥機遠心分離機41372は、プーリ4138ゼロに接続された右軸受41374を有することができる。プーリ41380は、ベルト41390に接続されている。ベルト41390は、プーリ41400に接続されている。プーリ41400は、モータ41412の左軸受41410に接続されている。モータ41412は、右軸受41414を有している。これらの実施形態では、左軸受41302の動きは、41320で描写することができる。右軸受41308の動きは、41330で描くことができる。左のベアリング41370の動きは、41420で描写することができる。右のベアリング41374の動きは、41422で描写することができる。表示インタフェース41200は、デジタルツインで利用可能な機器から選択された1つまたは複数のベアリングおよび他の機械コンポーネントの動き(または、より容易に視覚化するために拡大されたような動きの特徴付け)を表示および描写するように構成および再構成することができることが、本開示に照らして理解されるであろう。表示インタフェース41200は、さらに、41220での各ベアリングまたは他の関連する機械コンポーネントの詳細なリストと、それらのベアリングに関連する(またはその一部の)生涯活動とを含む。実施形態では、このような情報は、デジタルツインによって表示される動作に関連する修理に関連するコストを含むことができる。実施形態では、これらの推定値は、故障までの時間、故障までの現在の確率、ダウンタイムのコスト、修理のコストなどを含むことができる。実施形態では、表示インタフェース41200は、ベアリングおよび他の関連する機械コンポーネントの動きを41210で描写することができ、41230で様々な位置の間で選択することができる41240で簡略化されたグラフで描写することができ、41242で高調波ピーク、他の関連するピーク41244などを描写することができる。
41200.メイン画面41210には、右軸受41308を有するモータ41304に接続された左軸受41302を描くことができる。右軸受41308は、プーリ41340に接続することができる。プーリ41340は、ベルト41350に接続することができ、ベルト41350は、駆動プーリ41360に接続することができる。プーリ41360は、左軸受41370に接続することができ、この左軸受41370は、乾燥機用遠心分離機41372に接続される。乾燥機遠心分離機41372は、プーリ4138ゼロに接続された右軸受41374を有することができる。プーリ41380は、ベルト41390に接続されている。ベルト41390は、プーリ41400に接続されている。プーリ41400は、モータ41412の左軸受41410に接続されている。モータ41412は、右軸受41414を有している。これらの実施形態では、左軸受41302の動きは、41320で描写することができる。右軸受41308の動きは、41330で描くことができる。左のベアリング41370の動きは、41420で描写することができる。右のベアリング41374の動きは、41422で描写することができる。表示インタフェース41200は、デジタルツインで利用可能な機器から選択された1つまたは複数のベアリングおよび他の機械コンポーネントの動き(または、より容易に視覚化するために拡大されたような動きの特徴付け)を表示および描写するように構成および再構成することができることが、本開示に照らして理解されるであろう。表示インタフェース41200は、さらに、41220での各ベアリングまたは他の関連する機械コンポーネントの詳細なリストと、それらのベアリングに関連する(またはその一部の)生涯活動とを含む。実施形態では、このような情報は、デジタルツインによって表示される動作に関連する修理に関連するコストを含むことができる。実施形態では、これらの推定値は、故障までの時間、故障までの現在の確率、ダウンタイムのコスト、修理のコストなどを含むことができる。実施形態では、表示インタフェース41200は、ベアリングおよび他の関連する機械コンポーネントの動きを41210で描写することができ、41230で様々な位置の間で選択することができる41240で簡略化されたグラフで描写することができ、41242で高調波ピーク、他の関連するピーク41244などを描写することができる。
図226は、例えば乾燥機遠心分離機のデジタルツインをレンダリングし、乾燥機遠心分離機に関連する他の情報を表示する表示インタフェースの例示的な実施形態を示している。表示インタフェース45000は、任意の数の故障または装置に関連する他の情報を表示する45002でのタイトル領域を含む。表示インタフェース41200は、デジタルツインによって監視され、表示インタフェース41200上にレンダリングされている機械接続を描写することができる45010でのメイン画面を含むことができる。このビューにおいて、ユーザは、これらの機械を配置することができるショップフロア、製造エリアなどの特定のエリアを描写するために接続を調整することができる。このビューでは、ユーザは、表示インタフェース41200のメイン画面45010に描かれるものを設定することができる。
この見解では、ユーザは、表示インタフェース41200のメイン画面45010に何が描かれているかを設定(および再設定)することができるだけでなく、デジタルツインがどのような接続部で振動や動きなどの状態を聞いて記録しているかを設定(および再設定)することもできる。さらに、ユーザは、表示インタフェースに受信した情報をどのように表示するかを設定(および再設定)することができる。これらの例によって、45020での感知された情報は、図227の46050で示されるような、図218の41240での周波数による簡略化された運動のように表示されるように構成(および再構成)され得る。
この見解では、ユーザは、表示インタフェース41200のメイン画面45010に何が描かれているかを設定(および再設定)することができるだけでなく、デジタルツインがどのような接続部で振動や動きなどの状態を聞いて記録しているかを設定(および再設定)することもできる。さらに、ユーザは、表示インタフェースに受信した情報をどのように表示するかを設定(および再設定)することができる。これらの例によって、45020での感知された情報は、図227の46050で示されるような、図218の41240での周波数による簡略化された運動のように表示されるように構成(および再構成)され得る。
図227は、例えば乾燥機遠心分離機のデジタルツインをレンダリングし、乾燥機遠心分離機に関連する他の情報を表示する表示インタフェース46000の例示的な実施形態を示している。表示インタフェース46000は、装置に関連する任意の数の故障または他の情報を表示する46002でのタイトル領域を含む。表示インタフェース46000は、デジタルツインによって監視され、図346のものと同様の表示インタフェース46000上にレンダリングされている機械接続を描写することができる46010でのメイン画面を含むことができる。表示インタフェース46000はさらに、46010における各軸受および他の関連する機械コンポーネントの詳細なリスト、およびそれらの軸受に関連する(またはその一部の)生涯活動を含む。実施形態では、このような情報は、デジタルツインによって表示される動作に関連する修理に関連するコストを含むことができる。実施形態では、これらの推定値は、故障までの時間、故障までの現在の確率、ダウンタイムのコスト、修理のコストなどを含むことができる。実施形態では、表示インタフェース41200は、46050でベアリングおよび他の関連する機械コンポーネントの動きを描写することができ、46030で様々な位置の間で選択することができる46020で簡略化されたグラフで描写することができ、46032で高調波ピーク、他の関連するピーク46034、46042でフィルタリングされたビューおよび結合されたビューなどを描写することができる。ユーザは、表示インタフェースに受信した情報をどのように表示するかを設定(再設定)することができる。
図228は、47002でそのビューがデジタルツインドライヤ遠心分離機47040、デジタルツイン旋盤47010、デジタルツインスピナー47102などの間の選択を提供するデジタルツインをレンダリングする47000でのディスプレイインタフェースの例示的な実施形態を示す。デジタルツインドライヤー遠心分離機47040は、図346に描かれているものと同様の47044での遠心分離機およびツインモータの構成を含む。デジタルツインドライヤー遠心分離機47040は、47062で描かれた検出された欠陥に基づいて、修理費用表示器47060を含むことができる。デジタル双子乾燥機遠心分離機47040は、47062で描写された検出された欠陥に基づく修理費用表示器47060も含むことができる。47050のダウンタイム表示と47052の現在の故障確率表示。47010におけるデジタル双子旋盤は、旋盤47014に接続されたモータ47012を描写することができる。また、47010のデジタル双子旋盤は、47032で描かれた検出された故障に基づく修理費用表示器47030、47020でのダウンタイム費用表示器、および47022での現在の故障確率表示器を含むことができる。47010でのデジタルツイン旋盤と同様に、47102でのデジタルツインスピナーは、47100でのモータとスピナーの組み合わせを含むことができる。必要に応じて、ユーザは各ビューを構成して(再構成して)、描かれているものを追加または修正することができる。
図229は、48002でのビューがそれぞれ駆動ベアリングを有する接続された機械を組み込んでいるデジタルツインをレンダリングすることができる48000でのディスプレイインタフェースの例示的な実施形態を示す。図229に描かれた例示的な軸受1、2、3、4、5、6、7、8、9、10は、軸受1および2に相関する48010での固体接続の間の2つの軸受48012および48014としてツインによって表示され得る。さらに、48020での固体接続の間の2つの軸受48022および48024は、軸受3および4に相関することができ、48030での固体接続の間の2つの軸受48032および48034は、軸受5および6に相関することができ、などである。表示インタフェース48000は、48050で視覚化制御を含み、視界、視界の角度、および励起周波数を制御することができる。これらの例によって、48030での固体接続の間の2つのベアリング48032および48034が、公称運動の外で動いていることが分かる。ある意味では、ユーザは、どのベアリングまたは他のコンポーネントが鳴っているか、振動しているか、または他の方法で公称許容動作の外で動いているかを明白に見ることができ、これは、修理の必要性、メンテナンスの必要性などを示すことができる。また、48030での固体接続の間の2つのベアリング48032および48034を振動させる問題は、ベアリング7に見られるように、他のベアリングの動きがその公称の動きの外側にあることに寄与することができることが、本開示に照らして理解されるであろう。
図230は、48502でのビューが、それぞれが駆動ベアリングを有する接続された機械を組み込んでいるデジタルツインをレンダリングすることができる48500でのディスプレイインタフェースの例示的な実施形態を示す。図230に描かれた例示的なベアリング1、2、3、および4は、ツインによって、ベアリング1および2に相関する48520での固体接続と、ベアリング3および4に相関する48530での固体接続との間の2つのベアリングとして表示され得る。これらの例によって、2つのベアリングと48520での固体接続の間(および48530での程度は低い)が、公称運動の外で動いていることが分かる。ここでも、ユーザは、どの軸受または他のコンポーネントが鳴っているか、振動しているか、または他の方法で公称許容動作の外で動いているかを明確に見ることができ、これは、修理の必要性、保守の必要性などを示すことができる。ここでも、2つのベアリングと48520での固体接続の間が振動し、ベアリング3と4で見ることができるように、他のベアリングの動きがその公称の動きの外側にあることに寄与することができる。図231は、48802でのビューが、図230のような駆動ベアリングをそれぞれ有する接続された機械を組み込んだデジタルツインをレンダリングすることができる48800でのディスプレイインタフェースの例示的な実施形態を示す。これらの例によって、48820と48830の2つのベアリングと固体接続の間が、図230に示されているものに対して名目上移動していることが分かる。
図232は、49002でのビューが、それぞれが駆動ベアリングを有する接続された機械を組み込んだデジタルツインをレンダリングすることができる49000でのディスプレイインタフェースの例示的な実施形態を示す。例示的なベアリング1、2、3、および4は、ツインによって、ベアリング1および2に相関する49020での固体接続の間の2つのベアリング49022および49024と、ベアリング3および4に相関する49040での固体接続の間のベアリング49042および49044として表示することができる。これらの例によって、2つのベアリングと49020(および49040ではより少ない程度)の固体接続部の間が、公称動作の外で動いていることが分かる。ここでも、ユーザは、どのベアリングまたは他のコンポーネントが鳴っているか、振動しているか、または他の方法で公称許容動作の外で動いているかを明確に見ることができ、これは、修理の必要性、メンテナンスの必要性などを示すことができる。ここでも、2つのベアリングと49020での固体接続の間が振動し、ベアリング3と4で見ることができるように、他のベアリングの動きがその公称の動きの外側にあることに寄与することができる。モータとミルに関する情報は、49060にある。この例では、モータは、ベルト駆動でシャフトを一端から駆動することができ、そのような運動および片側駆動は、図に記載することができる。図233は、50002でのビューが、図232のような駆動ベアリングをそれぞれ有する接続された機械を組み込んだデジタルツインをレンダリングすることができる50000でのディスプレイインタフェースの例示的な実施形態を示す。これらの例によって、50010での固体接続の間の2つのベアリング50012および50014と、50020での固体接続の間の2つのベアリング50022および50024とが、図232に示されているものに対して名目上移動していることが分かる。
図234を参照すると、人工知能システム55050は、製造エンティティ55010の1つまたは複数のデータ処理、データ分析、シミュレーション作成、およびシミュレーション分析に関連する分析、シミュレーション、意思決定、および予測作成を実行するための機械学習モデル55052を定義してもよい。機械学習モデル55052は、明示的な指示を使用せず、代わりにパターンと推論に頼って特定のタスクを実行するアルゴリズム及び/又は統計モデルである。機械学習モデル55052は、特定のタスクを実行するように明示的にプログラムされることなく、予測及び/又は決定を行うために、トレーニングデータに基づいて1つまたは複数の数学モデルを構築する。機械学習モデル55052は、製造エンティティ55010の1つ以上に関連するイベントデータ55140および状態データ55140を含む、センサデータの入力を学習データとして受け取ってもよい。機械学習モデル55052に入力されるセンサデータは、1つ以上の製造エンティティ55010のデータ処理、データ分析、シミュレーション作成、およびシミュレーション分析に関連する分析、シミュレーション、意思決定、および予測を行うために、機械学習モデル55052を学習するために使用されてもよい。また、機械学習モデル55052は、情報技術システムのユーザまたはユーザからの入力データを使用してもよい。機械学習モデル55052は、人工ニューラルネットワーク、決定木、サポートベクターマシン、ベイジアンネットワーク、遺伝的アルゴリズム、任意の他の適切な形態の機械学習モデル、またはそれらの組み合わせを含んでもよい。機械学習モデル55052は、教師付き学習、教師なし学習、強化学習、自己学習、特徴量学習、疎な辞書学習、異常検出、連想ルール、それらの組み合わせ、または学習のための任意の他の適切なアルゴリズムによって学習するように構成されてもよい。
人工知能システム55050は、デジタルツインシステム55070を定義して、製造エンティティ55010の1つまたは複数のデジタルレプリカを作成することもできる。デジタルツインシステム55070、人工知能システム55050、および適応型エッジ知能システム55060は、適応型知能システム55080に含まれ得る。適応型インテリジェンスシステム55080は、接続設備55020を介して製造エンティティ55010に接続することができ、これにより、監視システム55100およびデータコレクタシステム55110との接続も可能となる。製造エンティティの1つまたは複数のデジタルレプリカは、実質的にリアルタイムのセンサデータを使用して、製造エンティティの実質的にリアルタイムの仮想表現を提供し、1つまたは複数の製造エンティティの1つまたは複数の可能な将来の状態のシミュレーションを提供することができる。デジタルレプリカは、複製される1つまたは複数の製造エンティティ55010と同時に存在する。デジタルレプリカは、複製される1つまたは複数の製造エンティティの物理的要素および特性、ならびにそのダイナミクスの両方の1つまたは複数のシミュレーションを、実施形態では、複製される1つまたは複数の製造エンティティのライフスタイル全体にわたって提供する。デジタルレプリカは、以下を提供してもよい。例えば、1つまたは複数の製造装置が建設または製造される前の設計段階、または1つまたは複数の製造装置の建設または製造の最中または後に、1つまたは複数の製造装置の状態をシミュレートするためにセンサデータの仮想的な外挿を可能にすることで、1つまたは複数の製造装置の仮想的なシミュレーションを行いる。例えば、高応力時、部品の摩耗が問題となる期間が経過した後、最大スループット動作時、1つ以上の仮想または計画された改善が1つ以上の製造エンティティに行われた後、またはその他の適切な仮想状況などである。いくつかの実施形態では、機械学習モデル55052は、デジタルレプリカを用いたシミュレーションのために、例えば、1つ以上の製造エンティティに対する改善の可能性を予測すること、1つ以上の製造エンティティの1つ以上のコンポーネントが故障する可能性を予測すること、及び/又は、タイミング設定、配置、コンポーネント、もしくは製造エンティティに対する任意の他の適切な変更など、1つ以上の製造エンティティに対する改善の可能性を提案することによって、仮説的な状況を自動的に予測することができる。デジタルレプリカは、1つまたは複数の製造装置の設計と運用の両方の段階で、1つまたは複数の製造装置のシミュレーションを可能にし、また、1つまたは複数の製造装置の仮想的な運用条件や構成のシミュレーションも可能にする。デジタルレプリカは、1つまたは複数の製造エンティティの各コンポーネントの中、上、および周辺だけでなく、いくつかの実施形態では1つまたは複数の製造エンティティ内でも、温度、摩耗、光、振動などを含むほぼすべてのタイプのメトリックの観察および測定を容易にすることにより、1つまたは複数の製造エンティティの非常に貴重な分析およびシミュレーションを可能にする。いくつかの実施形態では、機械学習モデル55052は、データ記憶システム55120からのイベントデータ55140及び状態データ55130を含むセンサデータを処理して、デジタルツインシステム55070が使用するためのシミュレーションデータを定義してもよい。機械学習モデル55052は、例えば、複数の製造エンティティのうちの特定の製造エンティティに関連する状態データ55130およびイベントデータ55140を受信し、状態データ55130およびイベントデータ55140に対して一連の操作を実行して、状態データ55140およびイベントデータ55140を、製造エンティティのデジタルレプリカの作成においてデジタルツインシステム55070が使用するのに適した形式にフォーマットしてもよい。例えば、1つまたは複数の製造エンティティは、隣接する組立ライン上の製品を増強するように構成されたロボットを含んでもよい。機械学習モデル55052は、ロボットの上、近く、中、及び/又は周囲に配置された1つまたは複数のセンサからデータを収集してもよい。機械学習モデル55052は、センサデータに対する演算を実行して、センサデータをシミュレーションデータに処理し、シミュレーションデータをデジタルツインシステム55070に出力してもよい。デジタルツインシステム55070は、シミュレーションデータを使用して、ロボットの1つまたは複数のデジタルレプリカを作成してもよく、シミュレーションは、例えば、ロボットおよびその構成要素の温度、摩耗、速度、回転、および振動を含むメトリクスを含む。シミュレーションは、実質的にリアルタイムのシミュレーションであってもよく、情報技術の人間のユーザが、ロボットのシミュレーション、それに関連するメトリクス、およびそれを構成するコンポーネントに関連するメトリクスを、実質的にリアルタイムで見ることができる。シミュレーションは、予測的または仮想的な状況であってもよく、情報技術の人間のユーザが、ロボットの予測的または仮想的なシミュレーション、それに関連するメトリクス、およびそのコンポーネントに関連するメトリクスを閲覧することを可能にする。
いくつかの実施形態では、機械学習モデル55052およびデジタルツインシステム55070は、センサデータを処理して、複数の製造エンティティの製造エンティティのセットのデジタルレプリカを作成し、製造エンティティの関連グループの設計、リアルタイムシミュレーション、予測シミュレーション、及び/又は仮想シミュレーションを容易にすることができる。製造エンティティのセットのデジタルレプリカは、実質的にリアルタイムのセンサデータを使用して、製造エンティティのセットの実質的にリアルタイムの仮想表現を提供し、製造エンティティのセットの1つまたは複数の可能な将来の状態のシミュレーションを提供することができる。デジタルレプリカは、複製される製造エンティティのセットと同時に存在する。デジタルレプリカは、複製される製造エンティティのセットのライフスタイル全体の実施形態において、複製される製造エンティティのセットの物理的要素および特性の両方、ならびにそのダイナミクスの1つまたは複数のシミュレーションを提供する。1つまたは複数のシミュレーションは、モニタ上で、拡張現実(AR)装置を使用して、または仮想現実(VR)装置を使用して見ることができる、1つまたは複数の製造エンティティのワイヤフレーム仮想表現などの視覚的シミュレーションを含んでもよい。視覚的シミュレーションは、情報技術システムの人間のユーザが操作できるようになっていてもよく、例えば、シミュレーションのコンポーネントをズームしたり、ハイライトしたり、1つまたは複数の製造エンティティの分解図を提供したりすることができる。デジタルレプリカは、例えば、1つまたは複数の製造エンティティが構築または製造される前の設計段階で、または1つまたは複数の製造エンティティの構築または製造の間もしくは後に、センサデータの仮想的な外挿を可能にすることによって、1つまたは複数の製造エンティティのセットの状態をシミュレートするために、製造エンティティのセットの仮想的なシミュレーションを提供することができる。例えば、高応力時、部品の摩耗が問題となる期間が経過した後、最大スループット動作時、1つまたは複数の仮想または計画された改善が製造エンティティのセットに行われた後、またはその他の適切な仮想状況などである。いくつかの実施形態では、機械学習モデル55052は、デジタルレプリカを用いたシミュレーションのための仮説的状況を自動的に予測してもよく、例えば、製造エンティティのセットに対する改善の可能性を予測し、製造エンティティのセットの1つまたは複数のコンポーネントが故障する可能性を予測し、及び/又は、タイミング設定、配置、コンポーネント、または製造エンティティに対する任意の他の適切な変更など、製造エンティティのセットに対する改善の可能性を提案してもよい。デジタルレプリカは、一連の製造装置の設計と運用の両方の段階で、一連の製造装置のシミュレーションを可能にし、また一連の製造装置の仮想的な運用条件や構成のシミュレーションも可能にする。デジタルレプリカは、製造エンティティのセットの各コンポーネント内、上、および周辺だけでなく、いくつかの実施形態では製造エンティティのセット内でも、温度、摩耗、光、振動などを含むほぼすべてのタイプのメトリックの観察および測定を容易にすることにより、1つまたは複数の製造エンティティの貴重な分析およびシミュレーションを可能にする。いくつかの実施形態において、機械学習モデル55052は、イベントデータ55140及び状態データ55140を含むセンサデータを処理して、デジタルツインシステム55070が使用するためのシミュレーションデータを定義してもよい。機械学習モデル55052は、例えば、複数の製造エンティティのうちの特定の製造エンティティに関連する状態データ55130およびイベントデータ55140を受信し、状態データ55130およびイベントデータ55140に対して一連の操作を実行して、状態データ55140およびイベントデータ55140を、製造エンティティのセットのデジタルレプリカの作成においてデジタルツインシステム55070が使用するのに適した形式にフォーマットしてもよい。例えば、一連の製造エンティティは、製品をコンベアベルト上に配置するように構成されたダイマシンと、ダイマシンが製品を配置するように構成されたコンベアベルトと、製品が組立ラインに沿って移動する際に製品に部品を追加するように構成された複数のロボットと、を含んでもよい。機械学習モデル55052は、ダイマシン、コンベアベルト、および複数のロボットのそれぞれの上、近く、中、及び/又は周囲に配置された1つまたは複数のセンサからデータを収集してもよい。機械学習モデル55052は、センサデータに対する演算を実行して、センサデータをシミュレーションデータに処理し、シミュレーションデータをデジタルツインシステム55070に出力してもよい。デジタルツインシステム55070は、シミュレーションデータを使用して、ダイマシン、コンベヤベルト、および複数のロボットの1つまたは複数のデジタルレプリカを作成してもよく、シミュレーションは、例えば、ダイマシン、コンベヤベルト、および複数のロボットとその構成要素の温度、摩耗、速度、回転、および振動を含むメトリクスを含む。シミュレーションは、実質的にリアルタイムのシミュレーションであってもよく、情報技術の人間のユーザが、ダイマシン、コンベヤベルト、および複数のロボットのシミュレーション、それらに関連するメトリクス、およびそれらのコンポーネントに関連するメトリクスを、実質的にリアルタイムで見ることができるようにする。シミュレーションは、予測的または仮想的な状況であってもよく、情報技術の人間のユーザが、ダイマシン、コンベヤベルト、および複数のロボット、それに関連するメトリクス、およびそれらの構成要素に関連するメトリクスの予測的または仮想的なシミュレーションを見ることを可能にする。
いくつかの実施形態では、機械学習モデル55052は、1つまたは複数の製造エンティティのデジタルレプリカシミュレーションで使用するためのセンサデータの収集に優先順位を付けてもよい。機械学習モデル55052は、センサデータおよびユーザ入力を使用して学習し、それによって、どのタイプのセンサデータが、1つまたは複数の製造エンティティのデジタル複製シミュレーションの作成に最も効果的であるかを学習してもよい。例えば、機械学習モデル55052は、特定の製造エンティティが、温度、湿度、および負荷の影響を受けるコンポーネントの摩耗およびスループットなどの動的特性を有することを見出してもよい。機械学習モデル55052は、機械学習を通じて、温度、湿度、および負荷に関連するセンサデータの収集を優先してもよく、優先されたタイプのセンサデータを、デジタルツインシステム55070に出力するためのシミュレーションデータに処理することを優先してもよい。いくつかの実施形態では、機械学習モデル55052は、優先順位付けされたタイプのより多くの及び/又はより良いデータが、そのデジタルレプリカを介した製造エンティティのシミュレーションに使用され得るように、優先順位付けされたタイプのより多くの及び/又は異なるセンサが、シミュレーションされている製造エンティティの近くおよびその周辺の情報技術に実装されることを、情報技術システムのユーザに提案することができる。
いくつかの実施形態では、機械学習モデル55052は、モデリング目標およびセンサデータの品質または種類の一方または両方に基づいて、どの種類のセンサデータがデジタルツインシステム55070に送信するためのシミュレーションデータに処理されるべきかを決定するように学習するように構成されてもよい。モデリング目標は、情報技術システムのユーザによって設定された目的であってもよいし、機械学習モデル55052によって予測または学習されてもよい。モデリング目標の例には、以下のことが可能なデジタルレプリカの作成が含まれる。
これは、組立ラインのスループットのダイナミクスを示すものであり、コンベアベルト、組立機械、1つまたは複数の製品、および製造エコシステムの他のコンポーネントの、例えば、熱、電力、コンポーネントの摩耗、および他のメトリクスの収集、シミュレーション、およびモデリングを含んでもよい。機械学習モデル55052は、そのようなモデルを実現するために、どのタイプのセンサデータをデジタルツインシステム55070に送信するためのシミュレーションデータに処理する必要があるかを決定するために学習するように構成されてもよい。いくつかの実施形態では、機械学習モデル55052は、どの種類のセンサデータが収集されているか、収集されているセンサデータの質および量、ならびに収集されているセンサデータが表すものを分析し、どの種類のセンサデータがモデリング目標の達成に関連している及び/又は関連していないかに関連する決定、予測、分析、及び/又は決定を行い、モデリング目標を達成するためにデジタルツインシステム55070が使用するためのシミュレーションデータに処理されるセンサデータの質および量に優先順位をつけ、改善し、及び/又は達成するための決定、予測、分析、及び/又は決定を行うことができる。
これは、組立ラインのスループットのダイナミクスを示すものであり、コンベアベルト、組立機械、1つまたは複数の製品、および製造エコシステムの他のコンポーネントの、例えば、熱、電力、コンポーネントの摩耗、および他のメトリクスの収集、シミュレーション、およびモデリングを含んでもよい。機械学習モデル55052は、そのようなモデルを実現するために、どのタイプのセンサデータをデジタルツインシステム55070に送信するためのシミュレーションデータに処理する必要があるかを決定するために学習するように構成されてもよい。いくつかの実施形態では、機械学習モデル55052は、どの種類のセンサデータが収集されているか、収集されているセンサデータの質および量、ならびに収集されているセンサデータが表すものを分析し、どの種類のセンサデータがモデリング目標の達成に関連している及び/又は関連していないかに関連する決定、予測、分析、及び/又は決定を行い、モデリング目標を達成するためにデジタルツインシステム55070が使用するためのシミュレーションデータに処理されるセンサデータの質および量に優先順位をつけ、改善し、及び/又は達成するための決定、予測、分析、及び/又は決定を行うことができる。
いくつかの実施形態では、情報技術システムのユーザは、モデリング目標を機械学習モデル55052に入力してもよい。機械学習モデル55052は、学習データを分析して、モデリング目標の達成に最も関連するセンサデータの種類、例えば、製造エンティティまたは複数の製造エンティティの中、上、または近くに配置された1つまたは複数の種類のセンサに関する提案を情報技術システムのユーザに出力してもよい。モデリング目標の達成に関連する製造エンティティまたは複数の製造エンティティの中、上、または近くに配置された1つまたは複数の種類のセンサは、モデリング目標の達成に十分であるか、及び/又は十分ではないか、また、センサを追加、除去、または再配置するなど、センサの種類の異なる構成が、機械学習モデル55052およびデジタルツインシステム55070によるモデリング目標の達成をどのように促進するかに関する提案を、情報技術システムのユーザに出力する。いくつかの実施形態では、機械学習モデル55052は、モデリング目標を達成またはよりよく達成するために、センサデータ収集の収集速度、処理、記憶、サンプリングレート、帯域幅の割り当て、ビットレート、および他の属性を自動的に増加または減少させてもよい。いくつかの実施形態では、機械学習モデル55052は、モデリング目標を達成またはよりよく達成するために、センサデータ収集の収集レート、処理、記憶、サンプリングレート、帯域幅の割り当て、ビットレート、および他の属性を増加または減少させることに関連する提案または予測を、情報技術システムのユーザに行ってもよい。いくつかの実施形態では、機械学習モデル55052は、複数の製造エンティティのうちの1つ以上の製造エンティティのセンサデータ、シミュレーションデータ、以前の、現在の、及び/又は将来のデジタルレプリカシミュレーションを使用して、モデリング目標を自動的に作成及び/又は提案してもよい。いくつかの実施形態では、機械学習モデル55052によって自動的に作成されたモデリング目標は、機械学習モデル55052によって自動的に実装されてもよい。いくつかの実施形態では、機械学習モデル55052によって自動的に作成されたモデリング目標は、情報技術システムのユーザに提案されてもよく、ユーザによって提案されたモデリング目標に修正が加えられた後など、ユーザによる受け入れ及び/又は部分的な受け入れの後にのみ実装されてもよい。
いくつかの実施形態では、ユーザは、例えば、1つまたは複数のモデリングコマンドを情報技術システムに入力することによって、1つまたは複数のモデリング目標を入力することができる。つまたは複数のモデリングコマンドは、例えば、機械学習モデル55052およびデジタルツインシステム55070に対して、1つの製造エンティティまたは製造エンティティのセットのデジタルレプリカシミュレーションを作成するコマンドを含んでもよく、デジタルレプリカシミュレーションが、リアルタイムシミュレーション、および仮想シミュレーションのうちの1つまたは複数であることを示すコマンドを含んでもよい。また、モデリングコマンドは、例えば、どのような種類のセンサデータを使用すべきか、センサデータのサンプリングレート、および1つまたは複数のデジタルレプリカシミュレーションで使用されるセンサデータの他のパラメータを含んでもよい。いくつかの実施形態では、機械学習モデル55052は、学習データとして以前のモデリングコマンドを使用するなどして、モデリングコマンドを予測するように構成されてもよい。機械学習モデル55052は、例えば、製造事業体の管理に有用な1つ以上の製造事業体のシミュレーションを容易にするために、及び/又は、製造事業体の潜在的な問題または改善の可能性をユーザが容易に特定できるようにするために、予測されたモデリングコマンドを情報技術システムのユーザに提案してもよい。
いくつかの実施形態では、機械学習モデル55052は、製造エンティティの1つまたは複数の仮想シミュレーションのセットを評価するように構成されてもよい。仮説シミュレーションのセットは、機械学習モデル55052およびデジタルツインシステム55070によって、1つまたは複数のモデリングコマンドの結果として、1つまたは複数のモデリング目標の結果として、1つまたは複数のモデリングコマンドの結果として、機械学習モデル55052による予測によって、またはそれらの組み合わせによって作成されてもよい。機械学習モデル55052は、ユーザによって定義された1つまたは複数のメトリック、機械学習モデル55052によって定義された1つまたは複数のメトリック、またはそれらの組み合わせに基づいて、仮説的シミュレーションのセットを評価してもよい。いくつかの実施形態において、機械学習モデル55052は、仮想シミュレーションのセットの仮想シミュレーションのそれぞれを互いに独立して評価する。いくつかの実施形態では、機械学習モデル55052は、例えば、1つまたは複数のメトリックに基づいて、仮想シミュレーションをランク付けしたり、仮想シミュレーションの階層を作成したりして、仮想シミュレーションのセットの仮想シミュレーションの1つまたは複数を互いに関連して評価してもよい。
いくつかの実施形態では、機械学習モデル55052は、機械学習モデル55052の出力、ならびに機械学習モデル55052の認知およびプロセスに関連する情報および洞察を人間が理解することを容易にするために、1つまたは複数のモデル解釈可能システムを含んでもよく、すなわち、1つまたは複数のモデル解釈可能システムは、機械学習モデル55052が「何を」出力しているかだけでなく、機械学習モデル55052が「なぜ」その出力を出力しているか、および機械学習モデル55052がその出力を策定するに至ったプロセスは何かを人間が理解することを可能にする。また、1つまたは複数のモデル解釈可能システムは、機械学習モデル55052のトレーニングを改善および指導するため、機械学習モデル55052のデバッグを助けるため、機械学習モデル55052のバイアスを認識するのを助けるために、人間のユーザによって使用されてもよい。つ以上のモデル解釈可能システムは、線形回帰、ロジスティック回帰、一般化線形モデル(GLM)、一般化付加モデル(GAM)、決定木、決定ルール、RuleFit、Naive Bayes Classifierのうちの1つ以上を含んでもよい。K-nearest neighborsアルゴリズム、部分依存性プロット、個別条件付き期待値(ICE)、累積局所効果(ALE)プロット、特徴の相互作用、順列特徴の重要性、グローバルサロゲートモデル、ローカルサロゲート(LIME)モデル、スコープ付きルール、すなわちアンカー、Shap.すなわちアンカー、シャプレー値、シャプレー加法説明(SHAP)、特徴の可視化、ネットワーク分解、または他の適切な機械学習の解釈可能性の実装を行う。いくつかの実施形態では、1つまたは複数のモデル解釈可能性システムは、モデルデータセット可視化システムを含んでもよい。モデルデータセット可視化システムは、センサデータ、シミュレーションデータ、および機械学習モデル55052のデータノードの値の分布に関連する視覚的分析を、情報技術システムの人間のユーザに自動的に提供するように構成される。
いくつかの実施形態では、機械学習モデル55052は、ベイジアンケースモデル(BCM)またはグラスボックスなどの、組み込みモデル解釈可能システムを含み及び/又は実装してもよい。ベイジアンケースモデルは、ベイジアンケースベースの推論、プロトタイプ分類、およびクラスタリングを使用して、機械学習モデル55052のセンサデータ、シミュレーションデータ、およびデータノードなどのデータの人間による理解を促進する。いくつかの実施形態では、モデル解釈可能性システムは、機械学習モデル55052のセンサデータ、シミュレーションデータ、およびデータノードなどのデータの人間による理解を促進するために、ガウスプロセスなどのグラスボックス解釈可能性方法を含み、及び/又は実装してもよい。
いくつかの実施形態では、機械学習モデル55052は、概念活性化ベクトル(TCAV)を用いたテストを含む及び/又は実装してもよい。TCAVは、機械学習モデル55052が、概念の定義、概念活性化ベクトルの決定、および方向微分の計算を含むプロセスによって、例から「走る」、「走らない」、「動力がある」、「動力がない」、「ロボット」、「人間」、「トラック」、または「船」などの、人間が解釈可能な概念を学習することを可能にする。人間が解釈可能な概念、物体、状態などを学習することにより、TCAVは、機械学習モデル55052が、情報技術システムの人間のユーザが容易に理解できる形式で、製造エンティティおよびそれから収集されたデータに関連する有用な情報を出力することを可能にすることができる。
いくつかの実施形態では、機械学習モデル55052は、人工ニューラルネットワーク、例えば、例を考慮することによって、タスク固有のルールで明示的にプログラムされることなく、タスクを実行するように「学習」するように構成されたコネクショニストシステムであってもよく、及び/又はこれを含んでもよい。機械学習モデル55052は、接続されたユニット及び/又はノードの集合体に基づいていてもよく、これらのユニット及び/又はノードは、いくつかの点で生物学的な脳のニューロンをエミュレートする人工ニューロンのように動作する可能性がある。ユニット及び/又はノードは、それぞれ、他のユニット及び/又はノードへの1つまたは複数の接続を有してもよい。ユニット及び/又はノードは、情報、例えば1つまたは複数の信号を他のユニット及び/又はノードに送信し、他のユニット及び/又はノードから受信した信号を処理し、処理された信号を他のユニット及び/又はノードに転送するように構成されていてもよい。1つまたは複数のユニット及び/又はノード、ならびにそれらの間の接続には、1つまたは複数の数値「重み」が割り当てられていてもよい。割り当てられた重みは、機械学習モデル55052の学習、すなわちトレーニングを促進するように構成されてもよい。割り当てられた重みは、1つまたは複数のユニット及び/又はノードの間の1つまたは複数の信号を増加及び/又は減少させてもよく、いくつかの実施形態では、重みの1つまたは複数に関連付けられた1つまたは複数の閾値を有してもよい。つまたは複数の閾値は、信号及び/又は集約信号が閾値を越えた場合に、1つまたは複数のユニット及び/又はノード間でのみ信号が送信されるように構成されてもよい。いくつかの実施形態では、ユニット及び/又はノードは、複数の層に割り当てられてもよく、層の各々は、入力および出力の一方または両方を有する。第1の層は、トレーニングデータを受信し、トレーニングデータの少なくとも一部を変換し、トレーニングデータおよびその変換に関連する信号を第2の層に送信するように構成されてもよい。
最終層は、機械学習モデル55052による1つまたは複数の入力の処理の結果として、推定値、結論、製品、またはその他の結果を出力するように構成されてもよい。層の各々は、1つまたは複数のタイプの変換を実行してもよく、1つまたは複数の信号は、層の1つまたは複数を1回または複数回通過してもよい。いくつかの実施形態では、機械学習モデル55052は、深層学習を採用し、1つ以上の隠れ層を含むように構成されることなどにより、深層ニューラルネットワーク、深層ビリーフネットワーク、リカレントニューラルネットワーク、及び/又は畳み込みニューラルネットワークとして少なくとも部分的にモデル化及び/又は構成されてもよい。
最終層は、機械学習モデル55052による1つまたは複数の入力の処理の結果として、推定値、結論、製品、またはその他の結果を出力するように構成されてもよい。層の各々は、1つまたは複数のタイプの変換を実行してもよく、1つまたは複数の信号は、層の1つまたは複数を1回または複数回通過してもよい。いくつかの実施形態では、機械学習モデル55052は、深層学習を採用し、1つ以上の隠れ層を含むように構成されることなどにより、深層ニューラルネットワーク、深層ビリーフネットワーク、リカレントニューラルネットワーク、及び/又は畳み込みニューラルネットワークとして少なくとも部分的にモデル化及び/又は構成されてもよい。
いくつかの実施形態では、機械学習モデル55052は、決定木、例えば、入力に基づいて1つまたは複数の観測値を識別し、1つまたは複数の結論を決定するように構成されたツリーベースの予測モデルであってもよく、及び/又はそれを含む。観測値は、決定木の1つまたは複数の「枝」としてモデル化されてもよく、結論は、決定木の1つまたは複数の「葉」としてモデル化されてもよい。いくつかの実施形態では、決定木は、分類木であってもよく、分類木は、1つまたは複数のクラスラベルを表す1つまたは複数の葉と、クラスラベルにつながるように構成された特徴の1つまたは複数の接続を表す1つまたは複数の枝とを含んでもよい。いくつかの実施形態では、決定木は、回帰木であってもよい。回帰ツリーは、1つまたは複数のターゲット変数が連続値をとるように構成されていてもよい。
いくつかの実施形態では、機械学習モデル55052は、サポートベクターマシン、例えば、データの分類および回帰ベースのモデリングの一方または両方で使用するように構成された関連する教師付き学習方法のセットであってもよく、及び/又はそれを含んでもよい。サポートベクターマシンは、新しい例が1つ以上のカテゴリに該当するかどうかを予測するように構成されてもよく、1つ以上のカテゴリは、サポートベクターマシンのトレーニング中に構成される。
いくつかの実施形態では、機械学習モデル55052は、1つまたは複数の入力と、1つまたは複数の入力の1つまたは複数の特徴との間の関係を決定及び/又は推定するために、回帰分析を実行するように構成されてもよい。回帰分析は、線形回帰を含んでもよく、機械学習モデル55052は、1つまたは複数の数学的基準に従って入力データに最も適合する単一の線を計算してもよい。
実施形態では、機械学習モデル55052(回帰モデル、ベイジアンネットワーク、教師付きモデル、または他のタイプのモデルなど)への入力は、モデル55052の精度に対する様々な入力の影響をテストするために、機械学習モデルの作成及び/又はトレーニングに使用されたデータセットから独立したテストデータセットを使用するなどして、テストされてもよい。例えば、回帰モデルへの入力は、単一の入力、入力のペア、トリプレットなどを含めて除去され、入力の不在がモデル55052の成功の重大な劣化を生じさせるかどうかを判断してもよい。これは、実際に相関している(例えば、同じ基礎データの線形結合である)、重複しているなどの入力を認識するのに役立つ可能性がある。モデルの成功を比較することで、類似した情報を提供する代替入力データセットの中から選択することができる。例えば、モデルの「ノイズ」を最も少なくする入力(複数の類似したものの中から)を特定したり、最も低いコストでモデルの有効性に最も影響を与える入力などを特定することができる。このように、入力のバリエーションと、モデルの有効性に対する入力のバリエーションの影響のテストは、本開示全体を通して説明された機械学習システムのいずれかについて、モデルの性能を剪定または強化するために使用することができる。
いくつかの実施形態では、機械学習モデル55052は、ベイジアンネットワークであってもよく、及び/又はベイジアンネットワークを含んでもよい。ベイジアンネットワークは、確率変数のセットおよび確率変数のセットの条件付き独立性を表すように構成された確率的なグラフィカルモデルであってもよい。ベイジアンネットワークは、有向非環状グラフを介して確率変数および条件付き独立性を表現するように構成されてもよい。ベイジアンネットワークは、ダイナミックベイジアンネットワークおよびインフルエンスダイアグラムの一方または両方を含んでいてもよい。
いくつかの実施形態では、機械学習モデル55052は、教師付き学習、すなわち、1つまたは複数の入力および所望の出力を含むトレーニングデータのセットの数学的モデルを構築するように構成された1つまたは複数のアルゴリズムを介して定義されてもよい。訓練データは、一組の訓練例で構成されてもよく、訓練例の各々は、1つ以上の入力および所望の出力、すなわち、監視信号を有する。訓練例の各々は、機械学習モデルAIDLT102において、配列及び/又はベクトル、すなわち特徴ベクトルによって表されてもよい。学習データは、機械学習モデル55052において、行列によって表されてもよい。機械学習モデル55052は、目的関数の反復的な最適化を介して1つまたは複数の関数を学習し、それによって、新しい入力に関連する出力を予測することを学習してもよい。最適化されると、目的関数は、機械学習モデル55052に、学習データに含まれる入力以外の入力に対する出力を正確に決定する能力を提供することができる。いくつかの実施形態では、機械学習モデル55052は、能動学習、統計的分類、回帰分析、および類似性学習などの1つまたは複数の教師付き学習アルゴリズムを介して定義されてもよい。能動的学習は、機械学習モデル55052によって、ユーザに対話的に照会することを含み、及び/又は情報源を用いて、新しいデータポイントに所望の出力をラベル付けすることができる。統計的分類は、機械学習モデル55052によって、既知のカテゴリを有するオブザベーションを含むデータのトレーニングセットに基づいて、新しいオブザベーションがサブカテゴリのセット、すなわちサブ集団のどれに属するかを識別することを含むことができる。回帰分析は、機械学習モデル55052によって、従属変数、すなわち結果変数と、1つまたは複数の独立変数、すなわち予測因子、共変量、及び/又は特徴との間の関係を推定することを含んでもよい。類似性学習は、機械学習モデル55052によって、類似性関数を使用して例から学習することを含んでもよく、類似性関数は、2つのオブジェクトがどれだけ似ているか、または関連しているかを測定するように設計されている。
いくつかの実施形態では、機械学習モデル55052は、教師なし学習、すなわち、データポイントのグループ化またはクラスタリングなどのデータ内の構造を見つけることによって、入力のみを含むデータセットの数学的モデルを構築するように構成された1つまたは複数のアルゴリズムを介して定義されてもよい。いくつかの実施形態では、機械学習モデル55052は、ラベル付けされていない、分類されていない、テストデータ、すなわち、トレーニングデータからリーミングしてもよい。教師なし学習アルゴリズムは、機械学習モデル55052によって、訓練データにおける共通性を識別すること、および新たなデータ部分における識別された共通性の有無に基づいて反応して学習することを含んでもよい。いくつかの実施形態では、機械学習モデル55052は、1つまたは複数の確率密度関数を生成してもよい。いくつかの実施形態では、機械学習モデル55052は、内部コンパクト性、分離、推定密度、及び/又はグラフ連結性が要因である類似性メトリックに従うなど、1つまたは複数の事前に指定された基準に従って、観測値の集合をサブセット、すなわちクラスタに割り当てるなど、クラスタ分析を実行することによってリーミングしてもよい。
いくつかの実施形態では、機械学習モデル55052は、半教師付き学習、すなわち、いくつかの訓練例が訓練ラベルを欠いていてもよい訓練データを使用する1つまたは複数のアルゴリズムを介して定義されてもよい。半教師付き学習は、弱い教師付き学習であってもよく、訓練ラベルは、ノイズが多く、限定的であり、かつ/または不正確であってもよい。ノイズの多い、限定された、及び/又は不正確なトレーニングラベルは、より安価に及び/又は労力をかけずに作成することができ、したがって、機械学習モデル55052は、より少ないコスト及び/又は労力で、より大きなトレーニングデータのセットでトレーニングすることができる。
いくつかの実施形態では、機械学習モデル55052は、機械学習モデル55052が累積報酬を最大化するために環境内で行動を取ることによって訓練することができるような、動的計画法を用いた1つまたは複数のアルゴリズムなど、強化学習を介して定義されてもよい。いくつかの実施形態では、トレーニングデータは、マルコフ決定過程として表される。
いくつかの実施形態では、機械学習モデル55052は、自己学習を介して定義されてもよく、機械学習モデル55052は、クロスバーアダプティブアレイ(CAA)を採用するなどして、外部報酬および外部教示を伴わないトレーニングデータを使用してトレーニングするように構成される。CAAは、結果の状況に関する行動及び/又は感情に関する決定をクロスバー方式で計算し、それにより、認知と感情の間の相互作用によって機械学習モデル55052の教示を促進することができる。
いくつかの実施形態では、機械学習モデル55052は、特徴学習、すなわち、訓練中に提供された1つまたは複数の入力、例えば訓練データのますます正確な及び/又は適切な表現を発見するように設計された1つまたは複数のアルゴリズムを介して定義されてもよい。特徴学習は、主成分分析及び/又はクラスタ分析による学習を含んでもよい。特徴学習アルゴリズムは、機械学習モデル55052によって、入力トレーニングデータを保存する一方で、変換された入力トレーニングデータが有用であるように入力トレーニングデータを変換する試みを含んでもよい。いくつかの実施形態では、機械学習モデル55052は、入力トレーニングデータの1つまたは複数の分類及び/又は予測を実行する前に、入力トレーニングデータを変換するように構成されてもよい。したがって、機械学習モデル55052は、分布に従った入力トレーニングデータのありえない構成に必ずしも適合することなく、1つまたは複数の未知のデータ生成分布から入力トレーニングデータを再構成するように構成されてもよい。いくつかの実施形態では、特徴学習アルゴリズムは、機械学習モデル55052によって、教師あり、教師なし、または半教師ありの方法で実行されてもよい。
いくつかの実施形態では、機械学習モデル55052は、異常検出を介して、すなわち、1つまたは複数のアイテム、イベント、及び/又は観測のまれな及び/又は異常値のインスタンスを識別することによって定義されてもよい。希少及び/又は外れ値のインスタンスは、インスタンスが訓練データの大部分のパターン及び/又は特性と大きく異なることによって識別されてもよい。教師なし異常検出は、訓練データの大部分が "正常 "であるという仮定の下で、機械学習モデル55052によってラベルのない訓練データセットの異常を検出することを含んでもよい。教師あり異常検出は、訓練データの少なくとも一部が "正常 "及び/又は "異常 "とラベル付けされたデータセットでの訓練を含んでもよい。
いくつかの実施形態では、機械学習モデル55052は、ロボット学習を介して定義されてもよい。ロボット学習は、機械学習モデル55052による、1つまたは複数のカリキュラムの生成を含んでもよく、カリキュラムは、学習経験のシーケンスであり、機械学習モデル55052によって導かれる探索および機械学習モデル55052による人間との社会的相互作用を介して、新しいスキルを累積的に獲得するものである。新しいスキルの獲得は、能動的学習、成熟、運動の相乗効果、及び/又は模倣などの1つまたは複数の誘導機構によって促進されてもよい。
いくつかの実施形態では、機械学習モデル55052は、連想ルール学習を介して定義され得る。関連ルール学習は、"面白さ"のいくつかの尺度を使用して強力なルールを識別するために、機械学習モデル55052によって、データベース内の変数間の関係を発見することを含んでもよい。アソシエーションルール学習は、知識を保存、操作、及び/又は適用するためのルールを特定、学習、及び/又は進化させることを含んでもよい。機械学習モデル55052は、一連の関係規則を識別及び/又は利用することによって学習するように構成されてもよく、関係規則は、機械学習モデル55052によって捕捉された知識を集合的に表す。関連規則学習は、学習分類器システム、帰納論理プログラミング、および人工免疫システムのうちの1つ以上を含んでもよい。学習分類器システムは、1つまたは複数の遺伝的アルゴリズムなどの発見コンポーネントと、教師付き学習、強化学習、または教師なし学習のための1つまたは複数のアルゴリズムなどの学習コンポーネントとを組み合わせることができるアルゴリズムである。帰納的論理プログラミングは、機械学習モデル55052による、学習中に機械学習モデル55052によって決定された入力例、背景知識、および仮説のうちの1つまたは複数を表すために論理プログラミングを使用する、ルール学習を含んでもよい。機械学習モデル55052は、既知の背景知識の符号化と、事実の論理データベースとして表される例のセットとが与えられた場合に、すべての正の例を伴う仮説の論理プログラムを導出するように構成されてもよい。
実施形態では、プラットフォームは、IIoT in a Boxとして構成可能なソリューションおよびIIoTのための他のシステム構成、IIoTインタフェースデバイスおよびシステム(例えば、AR、VR、xR、ウェアラブルなど)、IIoTアプリケーションのための高度なチップ、ボード、およびスイッチなどを含む、産業用モノのインターネット(IIoT)のための多くのシステムおよび方法を展開することができる。実施形態では、プラットフォームは、データ収集、センサフュージョン、データ管理および人工知能のための多くの異なるシステムおよび方法を展開することができ、IIoTのためのインテリジェントなデータ収集のためのシステムおよび方法、機器固有のデータ収集および管理システムのためのシステムおよび方法、以下のシステムおよび方法がある。
IIoTのための生物学ベースのデータ管理、IIoTインテリジェンスのための高度な視覚/光学センシングのためのシステムおよび方法、IIoTインテリジェンスのためのセンサフュージョンおよびセンサパッケージ構成のためのシステムおよび方法、IIoTストレージおよび計算のためのスマートデータパイプラインのためのシステムおよび方法、高度で協調的なデータ収集およびオペレーションシステム(例えば、ドローン、ロボットなど)のためのシステムおよび方法、ならびに高度な振動センシング、モニタリングおよび診断のためのシステムおよび方法。実施形態では、プラットフォームは、高度な産業プロセス制御のためのシステムおよび方法(例えば、産業用の加熱、調理、加工などのための水素を生成するための加水分解)、IIoTパターンおよび状態の検出および予測のための人工知能およびデータ処理のためのシステムおよび方法、IIoT運用のアジャイル管理およびガバナンスのためのプラットフォームおよび関連する方法論を含む、高度な運用認識および制御のための多くのシステムおよび方法を展開することができる(例えば、以下のとおり)。twins;ダッシュボード;ポリシーエンジンなど)、IIoTインテリジェンスプラットフォームのドメイン固有のアプリケーションのためのシステムおよび方法(例えば、オイル&ガス;鉱業、農業、自治体など)、コンバージドIIoTプラットフォームのためのシステムおよび方法、および自動化された産業サービスエコシステムのためのシステムおよび方法。実施形態では、プラットフォームは、エッジとネットワーキングの収束のためのシステムと方法、IIoTのための無線周波数(RF)ネットワーキングの強化のためのシステムと方法、IIoTインテリジェンスのための人工知能と組み合わせた量子アルゴリズムのためのシステムと方法、およびスマートネットワーキングプロトコルのためのシステムと方法を含む、IIoTエンティティのための多くのネットワーキングと計算を展開することができる。
IIoTのための生物学ベースのデータ管理、IIoTインテリジェンスのための高度な視覚/光学センシングのためのシステムおよび方法、IIoTインテリジェンスのためのセンサフュージョンおよびセンサパッケージ構成のためのシステムおよび方法、IIoTストレージおよび計算のためのスマートデータパイプラインのためのシステムおよび方法、高度で協調的なデータ収集およびオペレーションシステム(例えば、ドローン、ロボットなど)のためのシステムおよび方法、ならびに高度な振動センシング、モニタリングおよび診断のためのシステムおよび方法。実施形態では、プラットフォームは、高度な産業プロセス制御のためのシステムおよび方法(例えば、産業用の加熱、調理、加工などのための水素を生成するための加水分解)、IIoTパターンおよび状態の検出および予測のための人工知能およびデータ処理のためのシステムおよび方法、IIoT運用のアジャイル管理およびガバナンスのためのプラットフォームおよび関連する方法論を含む、高度な運用認識および制御のための多くのシステムおよび方法を展開することができる(例えば、以下のとおり)。twins;ダッシュボード;ポリシーエンジンなど)、IIoTインテリジェンスプラットフォームのドメイン固有のアプリケーションのためのシステムおよび方法(例えば、オイル&ガス;鉱業、農業、自治体など)、コンバージドIIoTプラットフォームのためのシステムおよび方法、および自動化された産業サービスエコシステムのためのシステムおよび方法。実施形態では、プラットフォームは、エッジとネットワーキングの収束のためのシステムと方法、IIoTのための無線周波数(RF)ネットワーキングの強化のためのシステムと方法、IIoTインテリジェンスのための人工知能と組み合わせた量子アルゴリズムのためのシステムと方法、およびスマートネットワーキングプロトコルのためのシステムと方法を含む、IIoTエンティティのための多くのネットワーキングと計算を展開することができる。
本開示のいくつかの実施形態のみを示し、説明してきたが、以下の特許請求の範囲に記載されている本開示の精神および範囲から逸脱することなく、多くの変更および修正をそれに対して行うことができることは、当業者にとって明らかであろう。海外および国内のすべての特許出願および特許、ならびに本明細書で言及されている他のすべての出版物は、法律で認められている最大限の範囲で、その全体が本明細書に組み込まれている。
本明細書に開示されている多くの特徴は、互いに独立して説明されているかもしれないが、様々な実施形態において、それらの特徴の組み合わせが可能であることを理解すべきである。実施形態では、そのような組み合わせは、例えば、ウェアラブルデバイス、ハンドヘルドデバイス、モバイルロボット、及び/又はモバイルビークルなどのモバイルデータ収集装置の使用、産業機械の予知保全に関連する記録を保存するための、例えばブロックチェーン構造を有する台帳の使用、振動データを厳しさの単位に変換またはマッピングすること、または産業機械の予知保全のうちの2つ以上の組み合わせを参照または含むことができる。本明細書で組み合わせを明示していない機能の他の組み合わせが、本開示の実施形態に従って可能であることを理解すべきである。
前述の書面による説明により、当業者は、現在その最良の態様であると考えられているものを作り、使用することができるが、当業者は、本明細書の特定の実施形態、方法、および実施例の変形、組み合わせ、および等価物の存在を理解し、評価するであろう。したがって、本開示は、上述の実施形態、方法、および実施例によって限定されるべきではなく、本開示の範囲および精神の範囲内のすべての実施形態および方法によって限定されるべきである。
本明細書に記載されている方法およびシステムは、プロセッサ上でコンピュータソフトウェア、プログラムコード、及び/又は命令を実行するマシンを介して、部分的または全体的に展開することができる。本開示は、マシン上の方法として、マシンの一部またはマシンに関連するシステムまたは装置として、またはマシンの1つ以上で実行されるコンピュータ可読媒体に具現化されたコンピュータプログラム製品として実施されてもよい。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラストラクチャ、モバイルコンピューティングプラットフォーム、据置型コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってもよい。プロセッサは、プログラム命令、コード、バイナリ命令などを実行できる任意の種類の計算デバイスまたは処理デバイスであってよく、中央処理装置(CPU)、一般処理装置(GPU)、ロジックボード、チップ(例えば、グラフィックチップ、ビデオ処理チップ、データ圧縮チップなど)、チップセット、コントローラ、システムオンチップ(例えば。RFシステムオンチップ、AIシステムオンチップ、ビデオ処理システムオンチップなど)、集積回路、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)、近似計算プロセッサ、量子計算プロセッサ、並列計算プロセッサ、ニューラルネットワークプロセッサなどの種類のプロセッサがある。プロセッサは、信号プロセッサ、デジタルプロセッサ、データプロセッサ、エンベデッドプロセッサ、マイクロプロセッサ、またはその上に格納されたプログラムコードまたはプログラム命令の実行を直接的または間接的に容易にすることができるコプロセッサ(数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサ、ビデオコプロセッサ、AIコプロセッサなど)などの任意の変形物であってもよく、またそれらを含んでもよい。さらに、プロセッサは、複数のプログラム、スレッド、およびコードの実行を可能にしてもよい。スレッドは、プロセッサの性能を高め、アプリケーションの同時操作を容易にするために、同時に実行されてもよい。
実施の方法として、本明細書に記載されている方法、プログラムコード、プログラム命令などは、1つ以上のスレッドで実装されてもよい。スレッドは、関連する優先度が割り当てられている可能性のある他のスレッドを生成してもよく、プロセッサは、プログラムコードで提供される命令に基づいて、優先度または他の順序に基づいてこれらのスレッドを実行してもよい。プロセッサ、または1つを利用する任意の機械は、本明細書などに記載されている方法、コード、命令、およびプログラムを格納する非一過性のメモリを含んでもよい。プロセッサは、本明細書および他の場所で説明されるような方法、コード、および命令を格納することができるインタフェースを介して非一過性の記憶媒体にアクセスしてもよい。方法、プログラム、コード、プログラム命令、またはコンピューティングデバイスまたは処理デバイスによって実行可能な他のタイプの命令を格納するためにプロセッサに関連付けられた記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュ、ネットワークに接続されたストレージ、サーバベースのストレージなどのうちの1つまたは複数を含むが、これらに限定されない場合がある。
実施の方法として、本明細書に記載されている方法、プログラムコード、プログラム命令などは、1つ以上のスレッドで実装されてもよい。スレッドは、関連する優先度が割り当てられている可能性のある他のスレッドを生成してもよく、プロセッサは、プログラムコードで提供される命令に基づいて、優先度または他の順序に基づいてこれらのスレッドを実行してもよい。プロセッサ、または1つを利用する任意の機械は、本明細書などに記載されている方法、コード、命令、およびプログラムを格納する非一過性のメモリを含んでもよい。プロセッサは、本明細書および他の場所で説明されるような方法、コード、および命令を格納することができるインタフェースを介して非一過性の記憶媒体にアクセスしてもよい。方法、プログラム、コード、プログラム命令、またはコンピューティングデバイスまたは処理デバイスによって実行可能な他のタイプの命令を格納するためにプロセッサに関連付けられた記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュ、ネットワークに接続されたストレージ、サーバベースのストレージなどのうちの1つまたは複数を含むが、これらに限定されない場合がある。
プロセッサは、マルチプロセッサの速度および性能を向上させることができる1つまたは複数のコアを含んでもよい。実施形態では、プロセスは、2つ以上の独立したコア(ダイと呼ばれることもある)を組み合わせたデュアルコアプロセッサ、クアッドコアプロセッサ、その他のチップレベルマルチプロセッサなどであってもよい。
本明細書に記載されている方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、スイッチ、インフラストラクチャーアズサービス、プラットフォームアズサービス、または他のそのようなコンピュータ及び/又はネットワークのハードウェアまたはシステム上でコンピュータソフトウェアを実行するマシンを介して、一部または全体を展開することができる。ソフトウェアは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、インフラストラクチャーアズサービスサーバ、プラットフォームアズサービスサーバ、ウェブサーバ、およびセカンダリサーバ、ホストサーバ、分散サーバ、フェイルオーバーサーバ、バックアップサーバ、サーバファームなどの他の変形例を含むサーバと関連していてもよい。サーバは、メモリ、プロセッサ、コンピュータ可読媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のサーバ、クライアント、マシン、およびデバイスにアクセス可能なインタフェースなどのうちの1つ以上を含んでいてもよい。本明細書などに記載されている方法、プログラム、またはコードは、サーバによって実行されてもよい。また、本願明細書に記載されている方法の実行に必要な他の装置は、サーバに関連するインフラの一部として考えてもよい。
サーバは、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワークなどを含むがこれらに限定されない他のデバイスへのインタフェースを提供してもよい。さらに、この結合及び/又は接続は、ネットワークを介したプログラムのリモート実行を容易にしてもよい。これらのデバイスの一部または全部をネットワーク化することで、本開示の範囲から逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インタフェースを介してサーバに接続されたデバイスのいずれかは、方法、プログラム、コード及び/又は命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイスで実行されるプログラム命令を提供してもよい。本実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
ソフトウェアプログラムは、ファイルクライアント、プリントクライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、およびセカンダリクライアント、ホストクライアント、分散型クライアントなどの他の変形を含むクライアントと関連していてもよい。クライアントは、メモリ、プロセッサ、コンピュータ可読媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のクライアント、サーバ、マシン、およびデバイスにアクセス可能なインタフェースなどのうち1つ以上を含んでいてもよい。本明細書などに記載されている方法、プログラム、またはコードは、クライアントによって実行されてもよい。また、本願明細書に記載されているような方法の実行に必要な他の装置は、クライアントに関連するインフラの一部と考えてもよい。
クライアントは、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含むがこれらに限定されない他のデバイスへのインタフェースを提供してもよい。さらに、この結合及び/又は接続は、ネットワークを介したプログラムのリモート実行を促進してもよい。これらのデバイスの一部または全部をネットワーク化することで、本開示の範囲から逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インタフェースを介してクライアントに取り付けられたデバイスのいずれかは、方法、プログラム、アプリケーション、コード及び/又は命令を格納することができる少なくとも1つの記憶媒体を含んでいてもよい。中央リポジトリは、異なるデバイスで実行されるプログラム命令を提供してもよい。本実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
実施形態では、本開示全体に記載されているコントローラ、回路、システム、データコレクタ、ストレージシステム、ネットワーク要素、コンポーネントなどの1つまたは複数は、アナログ、デジタル、または混合信号回路などの集積回路、例えば、マイクロプロセッサ、プログラマブルロジックコントローラで具現化され。特定用途向け集積回路、フィールドプログラマブルゲートアレイ、又は他の回路、例えば、1つ又は複数の回路基板上に配置された1つ又は複数のチップ上に具現化され、(潜在的に加速した速度、エネルギー性能、入出力性能、又は同様のもので)ハードウェアで本明細書に記載の機能のうちの1つ又は複数を提供するようなものであってよい。例えば、数十億個の論理ゲート、フリップフロップ、マルチプレクサなどの回路を小さなスペースに配置することで、高速処理、低消費電力、ボードレベルの集積化に比べた製造コストの削減などが可能になる。実施形態では、デジタルIC、典型的にはマイクロプロセッサ、デジタル信号プロセッサ、マイクロコントローラなどは、ブール代数を使用してデジタル信号を処理し、本明細書に記載されている回路、コントローラ、および他のシステムに関与するような複雑な論理を具現化することができる。実施形態では、データコレクタ、エキスパートシステム、ストレージシステムなどは、デジタル集積回路(「IC」)として具現化されてもよく、例えば、論理IC、メモリチップ、インタフェースIC(例えば、レベルシフタ、シリアライズ)などが挙げられる。論理IC、メモリチップ、インタフェースIC(レベルシフタ、シリアライザ、デシリアライザなど)、電源管理IC及び/又はプログラマブルデバイスなどのデジタル集積回路(「IC」)、リニアIC、RF ICなどのアナログ集積回路、またはデータ収集IC(A/Dコンバータ、D/Aコンバータ、デジタルポテンショメータを含む)及び/又はクロック/タイミングICなどのミックスドシグナルICとして具現化することができる。
本明細書に記載された方法およびシステムは、一部または全体がネットワークインフラストラクチャを通じて展開されてもよい。ネットワークインフラストラクチャは、コンピューティングデバイス、サーバ、ルータ、ハブ、ファイアウォール、クライアント、パーソナルコンピュータ、通信デバイス、ルーティングデバイス、および当技術分野で知られている他のアクティブおよびパッシブデバイス、モジュール及び/又はコンポーネントなどの要素を含んでもよい。ネットワークインフラストラクチャに関連するコンピューティングデバイス及び/又は非コンピューティングデバイス(複数可)は、他のコンポーネントとは別に、フラッシュメモリ、バッファ、スタック、RAM、ROMなどの記憶媒体を含んでいてもよい。本明細書などに記載されているプロセス、方法、プログラムコード、命令は、ネットワークインフラストラクチャー要素の1つまたは複数によって実行されてもよい。本明細書に記載されている方法およびシステムは、サービスとしてのソフトウェア(SaaS)、サービスとしてのプラットフォーム(PaaS)、及び/又はサービスとしてのインフラストラクチャ(IaaS)の機能を含む、あらゆる種類のプライベート、コミュニティ、またはハイブリッドクラウドコンピューティングネットワークまたはクラウドコンピューティング環境で使用するために適応されてもよい。
本明細書などに記載されている方法、プログラムコード、および命令は、複数のセルを有するセルラーネットワーク上で実装されてもよい。セルラーネットワークは、周波数分割多重アクセス(FDMA)ネットワークまたは符号分割多重アクセス(CDMA)ネットワークのいずれかであってもよい。セルラーネットワークは、モバイルデバイス、セルサイト、ベース
ステーション、リピータ、アンテナ、タワーなどがある。セルネットワークは、GSM、GPRS、3G、4G、5G、LTE、EVDO、メッシュ、その他のネットワークタイプであってもよい。
ステーション、リピータ、アンテナ、タワーなどがある。セルネットワークは、GSM、GPRS、3G、4G、5G、LTE、EVDO、メッシュ、その他のネットワークタイプであってもよい。
本明細書などに記載されている方法、プログラムコード、および命令は、モバイルデバイス上で、またはモバイルデバイスを介して実施することができる。モバイルデバイスは、ナビゲーションデバイス、携帯電話、モバイルパーソナルデジタルアシスタント、ラップトップ、パームトップ、ネットブック、ページャー、電子ブックリーダ、音楽プレーヤーなどを含んでもよい。これらのデバイスは、他のコンポーネントとは別に、フラッシュメモリ、バッファ、RAM、ROMなどの記憶媒体、および1つ以上のコンピューティングデバイスを含んでいてもよい。モバイル機器に関連するコンピューティングデバイスは、その上に格納されたプログラムコード、方法、および命令を実行できるようになっていてもよい。あるいは、モバイル機器は、他の機器と連携して命令を実行するように構成されていてもよい。モバイル機器は、サーバとインタフェースされ、プログラムコードを実行するように構成された基地局と通信してもよい。モバイル機器は、ピアツーピアネットワーク、メッシュネットワーク、または他の通信ネットワーク上で通信してもよい。プログラムコードは、サーバに関連付けられた記憶媒体に格納され、サーバ内に組み込まれたコンピューティングデバイスによって実行されてもよい。基地局は、コンピューティングデバイスと記憶媒体とを含んでもよい。記憶装置は、プログラムコードおよび基地局に関連するコンピューティングデバイスによって実行される命令を格納してもよい。
コンピュータソフトウェア、プログラムコード、及び/又は命令は、コンピュータコンポーネント、デバイス、およびコンピューティングに使用されるデジタルデータを一定期間保持する記録媒体、ランダムアクセスメモリ(RAM)として知られる半導体ストレージ、光ディスク、ハードディスク、テープ、ドラム、カードなどの磁気ストレージ、プロセッサレジスタ、キャッシュメモリ、揮発性メモリ、不揮発性メモリ、CD、DVDなどの光学的ストレージ、フラッシュメモリなどのリムーバブルメディア(例えば、CINEMA)などの機械可読媒体に格納及び/又はアクセスすることができる。例えば、USBスティックやキーなど)、フロッピーディスク、磁気テープ、紙テープ、パンチカード、スタンドアロンのRAMディスク、Zipドライブ、リムーバブルマスストレージ、オフラインなどのリムーバブルメディア;ダイナミックメモリ、スタティックメモリ、リード/ライトストレージ、ミュータブルストレージ、リードオンリー、ランダムアクセス、シーケンシャルアクセス、ロケーションアドレッサブル、ファイルアドレッサブル、コンテンツアドレッサブル、ネットワークアタッチドストレージ、ストレージエリアネットワーク、バーコード、磁気インク、ネットワークアタッチドストレージ、ネットワークストレージ、NVMEアクセス可能なストレージ、PCIE接続ストレージ、分散型ストレージなどのその他のコンピュータメモリなど。
本明細書に記載の方法およびシステムは、物理的及び/又は無形のアイテムをある状態から別の状態に変換してもよい。また、本明細書に記載の方法およびシステムは、物理的及び/又は無形のアイテムを表すデータをある状態から別の状態に変換してもよい。
図中のフローチャートやブロック図を含め、本明細書で説明され描かれている要素は、要素間の論理的な境界を意味している。しかし、ソフトウェアまたはハードウェアエンジニアリングの実践によれば、描かれた要素およびその機能は、モノリシックソフトウェア構造として、スタンドアロンソフトウェアモジュールとして、または外部ルーチン、コード、サービスなどを採用するモジュールとして、あるいはこれらの任意の組み合わせとして、その上に格納されたプログラム命令を実行することができるプロセッサを使用して、コンピュータ実行可能コードを通じて機械に実装されてもよく、そのような実装はすべて本開示の範囲内であると考えられる。このような機械の例としては、パーソナルデジタルアシスタント、ラップトップ、パーソナルコンピュータ、携帯電話、その他のハンドヘルドコンピューティングデバイス、医療機器、有線または無線通信デバイス、トランスデューサ、チップ、計算機、衛星、タブレットPC、電子書籍、ガジェット、電子デバイス、装置、人工知能、コンピューティングデバイス、ネットワーク機器、サーバ、ルータなどが考えられるが、これらに限定されるものではない。さらに、フローチャートやブロック図に描かれている要素や、その他の論理的な構成要素は、プログラム命令を実行できる機械に実装することができる。したがって、前述の図面および説明では、開示されたシステムの機能的な側面が示されているが、これらの機能的な側面を実装するためのソフトウェアの特定の配置は、明示的に述べられていない限り、または文脈から明らかでない限り、これらの説明から推測されるべきではない。同様に、上で特定され、説明された様々なステップは変化させることができ、ステップの順序は、ここで開示された技術の特定のアプリケーションに適応させることができることが理解されるであろう。このような変形や変更はすべて、本開示の範囲内であることが意図されている。そのため、様々なステップの順序の描写及び/又は説明は、特定のアプリケーションで必要とされる場合や、明示的に記載されている場合、または文脈から明らかな場合を除き、それらのステップの特定の実行順序を必要とすると理解すべきではない。
上述の方法及び/又はプロセス、ならびにそれに関連するステップは、ハードウェア、ソフトウェア、または特定のアプリケーションに適したハードウェアとソフトウェアの任意の組み合わせで実現することができる。ハードウェアは、汎用コンピュータ及び/又は専用のコンピューティングデバイス、または特定のコンピューティングデバイス、または特定のコンピューティングデバイスの特定の側面もしくはコンポーネントを含んでもよい。プロセスは、1つまたは複数のマイクロプロセッサ、マイクロコントローラ、組み込みマイクロコントローラ、プログラマブルデジタルシグナルプロセッサ、または他のプログラマブルデバイスで、内部及び/又は外部メモリとともに実現されてもよい。また、プロセスは、特定用途向け集積回路、プログラマブル・ゲート・アレイ、プログラマブル・アレイ・ロジック、または電子信号を処理するように構成された他のデバイスやデバイスの組み合わせで具現化してもよい。さらに、プロセスの1つまたは複数が、機械読み取り可能な媒体上で実行可能なコンピュータ実行可能コードとして実現されてもよいことが理解されるであろう。
コンピュータ実行可能コードは、Cなどの構造化プログラミング言語、C++などのオブジェクト指向プログラミング言語、またはその他の高レベルまたは低レベルのプログラミング言語(アセンブリ言語、ハードウェア記述言語、およびデータベースプログラミング言語および技術を含む)を使用して作成することができ、上記のデバイスの1つだけでなく、プロセッサの異種の組み合わせ、プロセッサアーキテクチャ、または異なるハードウェアとソフトウェアの組み合わせ、またはプログラム命令を実行することができるその他のマシン上で実行するために格納、コンパイル、または解釈することができる。コンピュータソフトウェアは、仮想化、仮想マシン、コンテナ、ドックファシリティ、ポーテナなどの機能を採用してもよい。
このように、一側面では、上述の方法およびその組み合わせは、1つ以上のコンピューティングデバイス上で実行されると、そのステップを実行するコンピュータ実行可能コードで具現化されてもよい。別の態様では、方法は、そのステップを実行するシステムに具現化されてもよく、多くの方法でデバイス間に分散されてもよく、または機能のすべてが専用のスタンドアロンデバイスまたは他のハードウェアに統合されてもよい。別の態様では、上述のプロセスに関連するステップを実行するための手段は、上述のハードウェア及び/又はソフトウェアのいずれかを含んでもよい。このようなすべての順列および組み合わせは、本開示の範囲内に入ることが意図されている。
本開示は、詳細に示され、説明された好ましい実施形態に関連して開示されてきたが、それに対する様々な修正および改良が当業者には容易に明らかになるであろう。したがって、本開示の精神および範囲は、前述の例によって限定されるものではなく、法律によって許容される最も広い意味で理解されるものである。
本開示を説明する文脈(特に以下の請求項の文脈)における用語「a」および「an」ならびに「the」および同様の参照語の使用は、本明細書で別段の指示がない限り、または文脈によって明らかに矛盾しない限り、単数形および複数形の両方をカバーするように解釈されるものとする。用語「comprising」、「with」、「including」、および「containing」は、特に断りのない限り、オープンエンドの用語(すなわち、「~を含むが、~に限定されない」という意味)として解釈される。本明細書での値の範囲の記述は、本明細書で別段の指示がない限り、範囲内に入る各個別の値を個別に参照する略記法として機能することを単に意図しており、各個別の値は、本明細書で個別に記述されているかのように、本明細書に組み込まれている。本明細書に記載されているすべての方法は、本明細書で別段の指示がない限り、または文脈上明らかに矛盾しない限り、任意の適切な順序で実行することができる。本明細書で提供される任意のおよびすべての例、または例示的な言語(例えば、「~など」)の使用は、単に本開示をよりよく照らすことを意図しており、別段の請求がない限り、本開示の範囲に制限を与えるものではない。セット」という用語は、単一の部材を有するセットを含むことができる。本明細書のいかなる文言も、本開示の実施に不可欠なものとして、請求されていない要素を示すものと解釈されるべきではない。
上述の書面による説明により、当業者は、現在その最良の態様であると考えられるものを製造および使用することができるが、当業者は、本明細書の特定の実施形態、方法、および実施例の変形、組み合わせ、および等価物の存在を理解し、評価するであろう。したがって、本開示は、上述の実施形態、方法、および実施例によって限定されるべきではなく、本開示の範囲および精神の範囲内のすべての実施形態および方法によって限定されるべきである。
ここで参照されているすべての文書は、ここに完全に記載されているかのように、参照することにより組み込まれる。
Claims (70)
- 1つ又は複数のデジタルツインの1つ又は複数のプロパティを更新するための方法であって、
1つ又は複数のデジタルツインに対する要求を受信すること、
デジタルツインデータストアから、前記要求を満たすために必要な前記1つ又は複数のデジタルツインを取得すること、
前記要求によって示された前記1つ又は複数のデジタルツインに描かれている1つ又は複数のプロパティに対応する1つ又は複数の動的モデルを取得すること、
前記1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること、
選択されたデータソースからデータを取得すること、
前記取得されたデータを前記1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を決定すること、及び、
前記1つ又は複数の動的モデルの前記1つ又は複数の出力に基づいて、前記1つ又は複数のデジタルツインの前記1つ又は複数のプロパティを更新すること、を含むことを特徴とする方法。 - 前記要求は、産業環境及び/又は前記産業環境内の1つ又は複数の産業エンティティに対応するクライアントアプリケーションから受信されることを特徴とする請求項1記載の方法。
- 前記要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信されることを特徴とする請求項1記載の方法。
- 前記デジタルツインは、産業エンティティ及び産業環境の少なくとも一方のデジタルツインであることを特徴とする請求項1記載の方法。
- 前記1つ又は複数の動的モデルは、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、速度、加速度、照明レベル、分析物濃度、生体化合物濃度、金属濃度、及び有機化合物濃度データ、からなるセットから選択されるデータを取ることを特徴とする請求項1記載の方法。
- 前記選択されたデータソースは、モノのインターネットに接続されたデバイスを含むことを特徴とする請求項1記載の方法。
- 前記選択されたデータソースは、マシンビジョンシステムを含むことを特徴とする請求項1記載の方法。
- 前記1つ又は複数の動的モデルを取得することは、前記要求によって示されたデジタルツインに描かれている前記1つ又は複数のプロパティと、前記1つ又は複数のデジタルツインのそれぞれのタイプとに基づいて、前記1つ又は複数の動的モデルを識別することを含むことを特徴とする請求項1記載の方法。
- 前記1つ又は複数の動的モデルは、ルックアップテーブルを使用して識別されることを特徴とする請求項9記載の方法。
- インポートデータを1つ又は複数のデータソースから受信することであって、前記インポートデータが産業環境に対応すること、
前記インポートデータに基づいて前記産業環境を表す環境デジタルツインを生成すること、
前記産業環境内の1つ又は複数の産業エンティティを識別すること、
前記環境内の前記1つ又は複数の産業エンティティを表す離散デジタルツインのセットを生成すること、
前記環境デジタルツインの中に前記離散デジタルツインのセットを埋め込むこと、
前記産業環境のセンサーシステムとの接続を確立すること、
前記接続を介して前記センサーシステムの1つ又は複数のセンサーからリアルタイムのセンサーデータを受信すること、及び、
前記リアルタイムのセンサーデータに基づいて、前記環境デジタルツインと前記離散デジタルツインのセットとのうちの少なくとも一方を更新すること、を含むことを特徴とする方法。 - 前記センサーシステムとの前記接続は、ウェブフック及びアプリケーションプログラミングインターフェース(API)のうちの1つを介して確立されることを特徴とする請求項10記載の方法。
- 前記環境デジタルツイン及び前記離散デジタルツインのセットは、視覚的な方法でレンダリングされるように構成されたビジュアルデジタルツインであることを特徴とする請求項10記載の方法。
- 前記ビジュアルデジタルツインを、仮想現実ヘッドセットを介して前記ビジュアルデジタルツインを表示するクライアントアプリケーションへ出力すること、を更に含むことを特徴とする請求項12記載の方法。
- 前記ビジュアルデジタルツインを、ユーザデバイスのディスプレイデバイスを介して前記ビジュアルデジタルツインを表示するクライアントアプリケーションへ出力すること、を更に含むことを特徴とする請求項12記載の方法。
- 前記ビジュアルデジタルツインを、拡張現実対応デバイスを介して前記ビジュアルデジタルツインを表示するクライアントアプリケーションへ出力すること、を更に含むことを特徴とする請求項12記載の方法。
- 前記産業環境に関連する産業プロセスにおいて実行される1つ又は複数のステップに関するユーザ入力を受信すること、及び、
前記産業環境及び前記産業エンティティのセットのうちの1つ又は複数に関して、前記産業プロセスの前記ステップを定義するプロセスデジタルツインを生成すること、を更に含むことを特徴とする請求項10記載の方法。 - エッジによって接続されたノードのセットを有するグラフデータベースをインスタンス化することを更に含み、前記ノードのセットの第1のノードが、前記環境デジタルツインを定義するデータを含み、1つ又は複数のエンティティノードの各々が、前記離散デジタルツインのセットのそれぞれの離散デジタルツインを定義するそれぞれのデータを含むことを特徴とする請求項10記載の方法。
- 前記エッジの各々は、2つのそれぞれのデジタルツイン間の関係を表すことを特徴とする請求項17記載の方法。
- 離散デジタルツインを埋め込むことは、それぞれの離散デジタルツインに対応するエンティティノードを、前記それぞれの離散デジタルツインによって表されるそれぞれの産業エンティティと前記産業環境との間のそれぞれの関係を表すエッジで、前記第1のノードに対して接続することを含むことを特徴とする請求項18記載の方法。
- 前記エッジの各々は、前記2つのそれぞれのデジタルツイン間の空間的関係、及び前記2つのそれぞれのデジタルツイン間の動作的関係を表すことを特徴とする請求項18記載の方法。
- 前記エッジの各々は、前記2つのそれぞれのデジタルツインの間の前記関係に対応するメタデータを格納することを特徴とする請求項18記載の方法。
- 前記1つ又は複数のエンティティノードの各エンティティノードは、前記エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティのうちの1つ又は複数のプロパティを含むことを特徴とする請求項17記載の方法。
- 前記1つ又は複数のエンティティノードの各エンティティノードは、前記エンティティノードによって表されるそれぞれの産業エンティティのそれぞれのプロパティの1つ又は複数の挙動を含むことを特徴とする請求項17記載の方法。
- 前記環境ノードが、前記環境の1つ又は複数のプロパティを含むことを特徴とする請求項17記載の方法。
- 前記環境ノードが、前記環境の1つ又は複数の挙動を含むことを特徴とする請求項17記載の方法。
- 前記環境デジタルツイン及び前記1つ又は複数の離散デジタルツインに基づいて、シミュレーションを実行すること、を更に含むことを特徴とする請求項10記載の方法。
- 前記シミュレーションは、前記産業環境において入力のセットに基づいて出力を生成する機械の動作と、前記産業環境における作業者の動きとのうち、一方をシミュレートすることを特徴とする請求項26記載の方法。
- 前記インポートデータは、前記環境の三次元スキャンを含むことを特徴とする請求項10記載の方法。
- 前記インポートデータは、前記産業環境のLIDARスキャンを含むことを特徴とする請求項10記載の方法。
- 前記産業環境の前記デジタルツインを生成することは、前記産業環境の表面のセットを生成することと、前記産業環境の寸法のセットを構成することとのうち、一方を含むことを特徴とする請求項10記載の方法。
- 前記離散デジタルツインのセットを生成することは、産業エンティティの事前定義されたデジタルツインを前記産業エンティティの製造者からインポートすることを含み、前記事前定義されたデジタルツインが、前記産業エンティティのプロパティ及び挙動を含むことを特徴とする請求項10記載の方法。
- 前記離散デジタルツインのセットを生成することは、前記産業環境の前記インポートデータ内の産業エンティティを分類すること、及び前記分類された産業エンティティに対応する離散デジタルツインを生成すること、を含むことを特徴とする請求項10記載の方法。
- 産業環境内のインタラクションを監視するためのシステムであって、
産業環境内に配置された近接センサーのセットによって収集されたデータを含むデジタルツインデータストアであって、前記データが、前記産業環境内の複数の要素のそれぞれの位置を示す位置データを含む前記デジタルツインデータストアと、
1つ又は複数のプロセッサと、を含み、
前記1つ又は複数のプロセッサは、
前記デジタルツインデータストアを介して、前記産業環境のための産業環境デジタルツインを維持すること、
前記複数の要素から現実世界の要素によって前記近接センサーのセット内の少なくとも1つの近接センサーの作動を示す信号を受信すること、
前記少なくとも1つの近接センサーの作動に応答して、前記少なくとも1つの近接センサーを使用して前記現実世界の要素についての更新された位置データを収集すること、及び、
前記更新された位置データを含むように、前記デジタルツインデータストア内の前記産業環境デジタルツインを更新すること、を実行するように構成されていることを特徴とするシステム。 - 前記近接センサーのセットの各々は、ユーザに関連するデバイスを検出するように構成されていることを特徴とする請求項33記載のシステム。
- 前記デバイスは、ウェアラブルデバイス及びRFIDデバイスであることを特徴とする請求項34記載のシステム。
- 前記複数の要素の各要素は、モバイル要素であることを特徴とする請求項33記載のシステム。
- 前記複数の要素の各要素は、それぞれの作業者であることを特徴とする請求項33記載のシステム。
- 前記複数の要素は、モバイス機器要素及び作業者を含み、それぞれの前記モバイス機器要素によって送信されるデータを用いて、モバイル機器位置データが決定されると共に、前記システムによって取得されるデータを用いて、作業者位置データが決定されることを特徴とする請求項33記載のシステム。
- 前記作業者位置データは、それぞれの作業者に関連するデバイスから送信される情報を用いて決定されることを特徴とする請求項38記載のシステム。
- 前記少なくとも1つの近接センサーの前記作動は、それぞれの作業者と前記近接センサーとの間のインタラクションに応答して発生することを特徴とする請求項33記載のシステム。
- 前記少なくとも1つの近接センサーの作動は、作業者と、前記少なくとも1つの近接センサーに対応する少なくとも1つの近接センサーデジタルツインのそれぞれとの間の、インタラクションに応答して発生することを特徴とする請求項33記載のシステム。
- 前記1つ又は複数のプロセッサは、前記少なくとも1つの近接センサーの作動に応答して、前記近接センサーのセットを用いて前記複数の要素についての更新された位置データを収集することを特徴とする請求項33記載のシステム。
- 産業用デジタルツインの移動要素をモデル化するシステムであって、
産業要素に対応する産業環境デジタルツインを記憶するデジタルツインデータストアであり、前記産業環境デジタルツインが、その中に埋め込まれた現実世界要素デジタルツインを含み、各現実世界要素デジタルツインが、前記産業環境内に配置されているそれぞれの現実世界要素に対応し、前記現実世界要素デジタルツインが、前記産業環境内のそれぞれのモバイル要素にそれぞれ対応するモバイル要素デジタルツインを含む前記デジタルツインデータストアと、
1つ又は複数のプロセサッサと、を含み、
前記1つ又は複数のプロセサッサは、
各モバイル要素について、前記モバイル要素が移動中であるか否かを判定すると共に、前記モバイル要素から経路情報を取得し、
各モバイル要素の経路情報を取得することに応答して、デジタルツインシミュレーションシステムを介して前記産業環境内のトラフィックをモデル化するように、構成されていることを特徴とするシステム。 - 前記経路情報は、前記モバイル要素のナビゲーションモジュールから取得されることを特徴とする請求項43記載のシステム。
- 前記1つ又は複数のプロセッサは、
前記産業環境内の複数のセンサーを用いて、前記モバイル要素の動きを検出すること、
前記モバイル要素の目的地を得ること、
前記産業環境内の前記複数のセンサーを用いて、前記モバイル要素の最適化された経路を計算すること、及び、
前記モバイル要素に前記最適化された経路を進むように指示すること、
によって前記経路情報を得るように更に構成されていることを特徴とする請求項43記載のシステム。 - 前記最適化された経路は、現実世界要素内の他のモバイル要素についての経路情報を含み、前記最適化された経路は、前記産業環境内のモバイル要素と人間との間のインタラクションを最小化することを特徴とする請求項45記載のシステム。
- 前記モバイル要素が自律車両及び非自律車両を含み、前記最適化された経路は、前記自律車両と前記非自律車両とのインタラクションを低減することを特徴とする請求項45記載のシステム。
- 前記トラフィックのモデル化は、粒子トラフィックモデル、トリガー応答モバイル要素追従トラフィックモデル、巨視的トラフィックモデル、微視的トラフィックモデル、亜微視的トラフィックモデル、メゾスコピックトラフィックモデル、或いはそれらの組み合わせの使用を含むことを特徴とする請求項43記載のシステム。
- 1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新するための方法であって、
クライアントアプリケーションから、1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新する要求を受信すること、
前記要求を満たすために必要な1つ又は複数のデジタルツインを取得すること、
前記要求を満たすために必要な1つ又は複数の動的モデルを取得することであって、前記1つ又は複数の動的モデルが、入力データセットに基づいて振動故障レベルがいつ発生するかを予測する動的モデルを含んでいること、
前記1つ又は複数の動的モデルの1つ又は複数の入力に基づいて、利用可能なデータソースのセットからデータソースを選択すること、
選択されたデータソースからデータを取得すること、
取得されたデータを前記1つ又は複数の動的モデルへの1つ又は複数の入力として使用して、1つ又は複数の出力を決定すること、及び、
前記1つ又は複数の動的モデルの前記出力に基づいて、前記1つ又は複数のデジタルツインの1つ又は複数の振動故障レベル状態を更新すること、を含むことを特徴とする方法。 - 前記要求は、産業環境及び/又は前記産業環境内の1つ又は複数の産業エンティティに対応するクライアントアプリケーションから受信されることを特徴とする請求項49記載の方法。
- 前記要求は、産業用モノのインターネットセンサーシステムをサポートするクライアントアプリケーションから受信されることを特徴とする請求項49記載の方法。
- 前記デジタルツインは、産業エンティティ及び産業環境の少なくとも一方のデジタルツインであることを特徴とする請求項49記載の方法。
- 前記動的モデルは、振動、温度、圧力、湿度、風、降雨、潮、高潮、雲量、降雪、視界、放射線、オーディオ、ビデオ、画像、水位、量子、流量、信号電力、信号周波数、運動、変位、速度、加速度、照明レベル、金融、コスト、株式市場、ニュース、ソーシャルメディア、収入、作業員、メンテナンス、生産性、資産パフォーマンス、作業員パフォーマンス、作業員応答時間、分析物濃度、生物化合物濃度、金属濃度、及び有機化合物の濃度データ、からなるセットから選択されるデータを取ることを特徴とする請求項49記載の方法。
- 前記データソースは、モノのインターネット接続デバイス、マシンビジョンシステム、アナログ振動センサー、デジタル振動センサー、固定デジタル振動センサー、3軸振動センサー、1軸振動センサー、光学振動センサー、及びクロスポイントスイッチ、からなるセットから選択されることを特徴とする請求項49記載の方法。
- 前記1つ又は複数の動的モデルを取得することは、前記要求で示された1つ又は複数のプロパティと、前記1つ又は複数のデジタルツインのそれぞれのタイプとに基づいて、前記1つ又は複数の動的モデルを識別することを含むことを特徴とする請求項49記載の方法。
- 前記1つ又は複数の動的モデルは、ルックアップテーブルを使用して識別されることを特徴とする請求項49記載の方法。
- その中に配置された現実世界要素を有する産業環境を通してナビゲーション経路データを監視するためのシステムであって、
前記産業環境に対応する産業環境デジタルツインと、前記産業環境内の作業者セットのそれぞれの作業者に対応する作業者デジタルツインとを含むデジタルツインデータストアと、
1つ又は複数のプロセッサと、を含み、
前記1つ又は複数のプロセッサは、
前記デジタルツインデータストアを介して、前記産業環境内の前記作業者のセットの同時期の位置を含むように前記産業環境デジタルツインを維持すること、
センサーアレイを介して、前記作業者のセット内の各作業者の動きを監視すること、
それぞれの作業者の動きを検出することに応答して、前記それぞれの作業者のナビゲーション経路データを決定すること、及び、
前記それぞれの作業者の前記ナビゲーション経路データのインジケーターを含むように、かつ、前記ナビゲーション経路データに対応する経路に沿った前記作業者デジタルツインの動きを表示するように、前記産業環境デジタルツインを更新すること、を行うように構成されていることを特徴とするシステム。 - 前記1つ又は複数のプロセッサは、前記それぞれの作業者の動きを表すことに応答して、前記作業者のセット内の残りの作業者のためのナビゲーション経路データを決定するように、更に構成されていることを特徴とする請求項57記載のシステム。
- 前記ナビゲーション経路データは、1つ又は複数の個人関連デバイスによって前記システムへ自動的に送信されることを特徴とする請求項58記載のシステム。
- 前記個人関連デバイスは、セルラーデータ機能を有するモバイルデバイスと、前記作業者に関連するウェアラブルデバイスとのうちの一方であることを特徴とする請求項59記載のシステム。
- 前記ナビゲーション経路データは、環境関連センサーを介して決定されることを特徴とする請求項57記載のシステム。
- 前記ナビゲーション経路データは、前記デジタルツインデータストアに格納された履歴経路データを用いて決定されることを特徴とする請求項61記載のシステム。
- 前記履歴経路データは、前記それぞれの作業者に関連するデバイスから取得されることを特徴とする請求項62記載のシステム。
- 前記履歴経路データは、他の作業者に関連するデバイスから取得されることを特徴とする請求項62記載のシステム。
- 前記履歴経路データは、前記作業者の現在のタスクと関連付けられていることを特徴とする請求項64記載のシステム。
- 前記デジタルツインデータストアは、産業環境デジタルツインを含むことを特徴とする請求項57記載のシステム。
- 前記1つ又は複数のプロセッサは、
前記ナビゲーション経路データと前記産業環境デジタルツインとの間の競合の存在を判定すること、
前記センサーアレイを介して前記産業環境デジタルツインの正確さを判定することに応答して、前記作業者の前記ナビゲーション経路データを変更すること、及び、
前記センサーアレイを介して前記産業環境デジタルツインの不正確さを判定することに応答して、前記産業環境デジタルツインを更新し、それによって前記競合を解消すること、を行うように更に構成されていることを特徴とする請求項66記載のシステム。 - 前記産業環境デジタルツインは、前記作業者から送信された収集データを用いて更新されることを特徴とする請求項67記載のシステム。
- 前記収集データは、近接センサーデータ、画像データ、又はそれらの組合せを含むことを特徴とする請求項68記載のシステム。
- 前記ナビゲーション経路は、振動測定値を収集するための経路を含むことを特徴とする請求項57記載のシステム。
Applications Claiming Priority (13)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962939769P | 2019-11-25 | 2019-11-25 | |
US62/939,769 | 2019-11-25 | ||
US202063016974P | 2020-04-28 | 2020-04-28 | |
US63/016,974 | 2020-04-28 | ||
US202063054600P | 2020-07-21 | 2020-07-21 | |
US63/054,600 | 2020-07-21 | ||
US202063069548P | 2020-08-24 | 2020-08-24 | |
US63/069,548 | 2020-08-24 | ||
US202063111526P | 2020-11-09 | 2020-11-09 | |
US63/111,526 | 2020-11-09 | ||
US17/104,964 US20210157312A1 (en) | 2016-05-09 | 2020-11-25 | Intelligent vibration digital twin systems and methods for industrial environments |
PCT/US2020/062384 WO2021108680A1 (en) | 2019-11-25 | 2020-11-25 | Intelligent vibration digital twin systems and methods for industrial environments |
US17/104,964 | 2020-11-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023507550A true JP2023507550A (ja) | 2023-02-24 |
JPWO2021108680A5 JPWO2021108680A5 (ja) | 2023-12-05 |
Family
ID=76129966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022530815A Pending JP2023507550A (ja) | 2019-11-25 | 2020-11-25 | 産業環境向けインテリジェント振動デジタルツインシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2023507550A (ja) |
AU (1) | AU2020392228A1 (ja) |
CA (1) | CA3158765A1 (ja) |
WO (1) | WO2021108680A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102608539B1 (ko) * | 2023-08-30 | 2023-12-01 | (주)스페이스 | 다방향으로 항공촬영을 하여 지형지물의 입체 정보를 표현할 수 있는 항공촬영시스템 |
KR102654240B1 (ko) * | 2022-10-26 | 2024-04-04 | 주식회사 에이아이네이션 | 딥러닝, 머신러닝 및 통계 모델을 이용한 산업설비 이상 감지 장치 및 시스템 |
CN118092209A (zh) * | 2023-10-20 | 2024-05-28 | 深圳市佳辰信息工程有限公司 | 基于数字孪生的海洋石油运输的管道控制系统及控制方法 |
KR102700480B1 (ko) * | 2023-03-17 | 2024-09-02 | 주식회사 시마크로 | 시뮬레이션 파라미터를 적응적으로 변경하는 디지털 트윈 구축 방법 및 이를 수행하는 디지털 트윈 구축 시스템 |
Families Citing this family (84)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023524250A (ja) * | 2020-04-28 | 2023-06-09 | ストロング フォース ティーピー ポートフォリオ 2022,エルエルシー | 輸送システムのデジタルツインシステムおよび方法 |
US12001197B2 (en) | 2021-04-14 | 2024-06-04 | Applied Materials, Inc. | Eco-efficiency (sustainability) dashboard for semiconductor manufacturing |
CN113434955B (zh) * | 2021-06-21 | 2023-02-07 | 中国舰船研究设计中心 | 基于数字孪生虚拟模型的舰船信息系统可重构设计方法 |
CN113535386B (zh) * | 2021-06-23 | 2022-09-02 | 河北中兴冀能电力发展有限公司 | 一种应用于电力仪器设备的板间多运算芯片资源监控系统 |
CN113420448B (zh) * | 2021-06-25 | 2023-05-23 | 中国兵器装备集团自动化研究所有限公司 | 一种弹药熔铸装药成型过程的数字孪生系统及方法 |
CN113670428B (zh) * | 2021-07-19 | 2023-12-22 | 国网四川省电力公司电力科学研究院 | 一种变压器振动在线异常检测方法 |
CN113486486B (zh) * | 2021-07-22 | 2022-04-29 | 湖南师范大学 | 传感器布局优化方法及电子设备 |
CN113673152B (zh) * | 2021-08-09 | 2024-06-14 | 浙江浙能数字科技有限公司 | 一种基于数字孪生体的集团级kks编码智能映射推荐方法 |
CN113656238B (zh) * | 2021-08-17 | 2023-07-04 | 北京京航计算通讯研究所 | 一种智能终端的ai工业应用能力测试方法和系统 |
CN113779769A (zh) * | 2021-08-18 | 2021-12-10 | 国网浙江省电力有限公司舟山供电公司 | 一种电缆试验数字孪生系统及其工作方法 |
CN113656971B (zh) * | 2021-08-18 | 2024-06-04 | 中国石油化工股份有限公司 | 数字孪生系统建立方法、装置、电子设备和可读存储介质 |
CN115903557A (zh) * | 2021-08-19 | 2023-04-04 | 华为云计算技术有限公司 | 设备控制方法、装置、服务器及存储介质 |
CN113671919B (zh) * | 2021-08-20 | 2023-02-24 | 西藏众陶联供应链服务有限公司 | 一种建筑陶瓷间歇式球磨机泥浆制备控制方法 |
CN113793359B (zh) * | 2021-08-25 | 2024-04-05 | 西安工业大学 | 一种融合孪生网络与相关滤波的目标跟踪方法 |
CN113850017B (zh) * | 2021-08-27 | 2024-04-02 | 国家电网有限公司 | 一种基于潮流变化图谱的系统级故障分析系统及方法 |
CN113810953B (zh) * | 2021-09-08 | 2023-06-27 | 重庆邮电大学 | 一种基于数字孪生的无线传感网络资源调度方法及系统 |
US20230071312A1 (en) * | 2021-09-08 | 2023-03-09 | PassiveLogic, Inc. | External Activation of Quiescent Device |
CN114018237B (zh) * | 2021-10-09 | 2023-11-24 | 烟台杰瑞石油服务集团股份有限公司 | 一种基于数字孪生的井场定位方法和装置 |
CN113779706B (zh) * | 2021-10-20 | 2024-07-23 | 中国科学院工程热物理研究所 | 一种基于数据可信度的叶轮机械损失模型构建方法 |
CN114281029A (zh) * | 2021-10-29 | 2022-04-05 | 新疆金风科技股份有限公司 | 风力发电机的数字孪生系统和方法 |
CN114035425B (zh) * | 2021-11-05 | 2022-07-26 | 广东工业大学 | 一种无人机数字孪生系统的虚实状态同步方法和系统 |
CN114063516B (zh) * | 2021-11-16 | 2023-05-09 | 中国船舶科学研究中心 | 一种基于虚实融合的舰船多物理场控制系统及控制方法 |
US20230168641A1 (en) * | 2021-11-30 | 2023-06-01 | Caterpillar Inc. | On-board machine component failure detection |
US20230185268A1 (en) * | 2021-12-10 | 2023-06-15 | Applied Materials, Inc. | Eco-efficiency monitoring and exploration platform for semiconductor manufacturing |
EP4201865B1 (en) | 2021-12-21 | 2024-09-18 | Hiab AB | A working equipment system, and a method of the working equipment system |
WO2023129164A1 (en) * | 2021-12-30 | 2023-07-06 | Hitachi Vantara Llc | Digital twin sequential and temporal learning and explaining |
CN114401292B (zh) * | 2022-01-10 | 2023-06-06 | 徐工汉云技术股份有限公司 | 一种基于物影子的设备消息采集系统及方法 |
CN114513430B (zh) * | 2022-01-14 | 2024-03-22 | 浪潮工业互联网股份有限公司 | 一种工业互联网设备的状态监控方法、设备及存储介质 |
US20230260055A1 (en) * | 2022-02-16 | 2023-08-17 | International Business Machines Corporation | Artificial intelligence enabled air quality control |
WO2023164463A1 (en) * | 2022-02-22 | 2023-08-31 | Iotecha Corp. | Methods, devices, and systems for integration of electric vehicle (ev) charging with virtual reality and augmented reality environments |
US12039523B2 (en) * | 2022-02-22 | 2024-07-16 | Iotecha Corp. | Methods, devices, and systems for integration of electric vehicle (EV) charging with virtual reality and augmented reality environments |
CN114898533A (zh) * | 2022-02-28 | 2022-08-12 | 国电南京自动化股份有限公司 | 一种水利水电智能报警方法及系统 |
CN114383847B (zh) * | 2022-03-23 | 2022-07-12 | 西南交通大学 | 一种基于数字孪生的滚动轴承全寿命状态监测方法 |
CN114492146B (zh) * | 2022-04-02 | 2022-07-08 | 武汉地震工程研究院有限公司 | 基于迁移学习的螺栓群松动定位和定量分析方法及系统 |
CN114462261A (zh) * | 2022-04-14 | 2022-05-10 | 北京安盟信息技术股份有限公司 | 一种机床数字孪生体等级评估方法及系统 |
CN114780614B (zh) * | 2022-04-24 | 2024-06-11 | 中冶赛迪信息技术(重庆)有限公司 | 一种时序数据全流程管理系统、方法、设备及介质 |
CN114648078B (zh) * | 2022-05-23 | 2022-09-13 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种地热清洁能源深浅联动降碳增效监控系统 |
CN114997292B (zh) * | 2022-05-23 | 2024-09-06 | 浙江大学 | 基于空间重构注意力模型的数字孪生扶梯寿命预测方法 |
CN114757111B (zh) * | 2022-06-16 | 2022-08-23 | 四川观想科技股份有限公司 | 一种基于数字孪生技术的智能装备健康管理方法 |
CN115080544B (zh) * | 2022-06-30 | 2024-05-03 | 北京亚控科技发展有限公司 | 一种孪生、订阅组织的历史状态的方法及装置 |
CN115967599B (zh) * | 2022-07-13 | 2024-09-06 | 安世亚太科技股份有限公司 | 一种基于数字孪生体的时变频率信号处理系统及方法 |
CN115085947B (zh) * | 2022-08-23 | 2022-11-08 | 深圳市迪博企业风险管理技术有限公司 | 一种数字孪生中数据安全检验方法及系统 |
KR102540035B1 (ko) * | 2022-08-26 | 2023-06-05 | 주식회사 에코에이블 | 반도체 생산 공정 유독가스처리 모니터링 시스템 |
CN115499467B (zh) * | 2022-09-06 | 2023-07-18 | 苏州大学 | 基于数字孪生的智能网联车测试平台及其搭建方法与系统 |
CN115328452B (zh) * | 2022-10-13 | 2023-03-24 | 中国电子科技集团公司第十五研究所 | 导航业务运管态势可视化方法、系统、服务器及存储介质 |
PL442584A1 (pl) * | 2022-10-20 | 2024-04-22 | Immersive Toolbox Spółka Z Ograniczona Odpowiedzialnością | Sposób wsparcia obrazowania medycznego |
CN115470663B (zh) * | 2022-11-15 | 2023-03-24 | 中科数智能源科技(深圳)有限公司 | 一种油气藏数字孪生系统的同步仿真方法、装置及介质 |
US20240161437A1 (en) * | 2022-11-16 | 2024-05-16 | Oshkosh Corporation | Systems and methods for a virtual lift device |
CN115730401B (zh) * | 2022-11-18 | 2024-05-07 | 中复连众风电科技有限公司 | 一种风电叶片模具参数化设计系统及方法 |
CN115741703B (zh) * | 2022-11-23 | 2024-09-17 | 上海理工大学 | 一种适用于多工位多机器人光学测点任务分配的方法 |
EP4379485A1 (en) * | 2022-11-29 | 2024-06-05 | Siemens Aktiengesellschaft | Industrial interaction system and a method for interaction |
CN116015543A (zh) * | 2022-12-08 | 2023-04-25 | 天津津航计算技术研究所 | 一种基于总线型fc网络数据快速恢复的方法 |
CN116012524A (zh) * | 2022-12-13 | 2023-04-25 | 阿里云计算有限公司 | 一种可视化建模方法、装置以及物联网平台 |
CN116033375B (zh) * | 2022-12-16 | 2023-11-03 | 科舸物联科技有限公司 | 一种通信基站全站智能化管控方法和系统 |
CN115906708A (zh) * | 2022-12-20 | 2023-04-04 | 北京航天智造科技发展有限公司 | 一种基于数字孪生的云端仿真方法及系统 |
CN116151100B (zh) * | 2022-12-22 | 2024-07-02 | 江西科骏实业有限公司 | 一种机理关联的数字孪生系统模型构建方法、系统及介质 |
CN115641097B (zh) * | 2022-12-23 | 2023-03-28 | 深圳市仕瑞达自动化设备有限公司 | 基于云平台的非标准机械加工协同制造管理方法及系统 |
CN116128320B (zh) * | 2023-01-04 | 2023-08-08 | 杭州有泰信息技术有限公司 | 电网输变电可视化管控方法及平台 |
CN116502931B (zh) * | 2023-02-06 | 2024-02-09 | 北京北投生态环境有限公司 | 一种化工厂污染场地生态环境风险防控用检测系统 |
KR102564220B1 (ko) * | 2023-02-23 | 2023-08-08 | 디엑스랩즈 주식회사 | 풍력발전설비의 풍속파라미터를 제어하는 방법 및 그 장치 |
EP4422136A1 (en) * | 2023-02-27 | 2024-08-28 | Siemens Aktiengesellschaft | Method for linking a digital twin to a subsystem of a real system and twin abstraction interface |
CN116009462B (zh) * | 2023-03-24 | 2023-07-07 | 四川弘仁财电科技有限公司 | 数据中心运维监控装置、系统及方法 |
CN116030213B (zh) * | 2023-03-30 | 2023-06-06 | 千巡科技(深圳)有限公司 | 一种多机云边协同地图创建与动态数字孪生方法及系统 |
CN116307263B (zh) * | 2023-05-11 | 2023-08-11 | 武汉理工大学 | 基于数字孪生的泵站全流程动态智能调度方法及系统 |
CN116258420B (zh) * | 2023-05-11 | 2023-08-01 | 中南大学 | 一种产品质量检测方法、装置、终端设备及介质 |
CN116306324B (zh) * | 2023-05-25 | 2023-07-25 | 安世亚太科技股份有限公司 | 一种基于多智能体的分布式资源调度方法 |
CN117152098A (zh) * | 2023-09-04 | 2023-12-01 | 深圳崎点数据有限公司 | 一种基于深度学习的电池缺陷检测方法及系统 |
CN117350114B (zh) * | 2023-10-11 | 2024-03-29 | 浙江浙能临海海上风力发电有限公司 | 一种风机健康状态评估方法、装置和系统 |
CN117421907B (zh) * | 2023-10-30 | 2024-05-24 | 安徽省中易环保新材料有限公司 | 生活垃圾焚烧烟气净化系统 |
CN117252032B (zh) * | 2023-11-10 | 2024-02-13 | 三峡科技有限责任公司 | 碱性电解水制氢系统的数字孪生体构建方法、装置及设备 |
CN117392227B (zh) * | 2023-12-12 | 2024-04-09 | 江西红声技术有限公司 | 一种头部姿态零位掉电保持方法及系统 |
CN117632970B (zh) * | 2023-12-18 | 2024-06-14 | 智人开源(北京)科技有限公司 | 多模融合数据库、数据库的数字孪生实体数据存储方法 |
CN117452148B (zh) * | 2023-12-22 | 2024-03-26 | 星玛智能电气有限公司 | 一种环网柜的智能监控方法 |
CN117471979B (zh) * | 2023-12-27 | 2024-03-08 | 成都川哈工机器人及智能装备产业技术研究院有限公司 | 一种基于数字孪生平台的数据采集处理方法及系统 |
CN117475431B (zh) * | 2023-12-27 | 2024-03-15 | 君华高科集团有限公司 | 一种基于数字孪生技术的食品安全监管方法及系统 |
CN117787907B (zh) * | 2023-12-28 | 2024-07-23 | 广州港股份有限公司 | 散货码头数字孪生可视化堆场智能管控系统及其构建方法 |
CN117991731A (zh) * | 2023-12-28 | 2024-05-07 | 安徽同新源科技有限公司 | 一种基于数字孪生的智慧工厂管控方法及系统 |
CN117493980B (zh) * | 2023-12-29 | 2024-03-19 | 合肥工业大学 | 一种集成特征提取和排序因果发现的轴承故障诊断方法 |
CN117521270B (zh) * | 2024-01-04 | 2024-06-21 | 中汽研汽车检验中心(广州)有限公司 | 多级变速箱的面向对象的扩展式建模方法、设备及介质 |
CN117640700B (zh) * | 2024-01-18 | 2024-04-30 | 深圳市宏大联合实业有限公司 | 一种数字孪生方法、系统以及第一节点 |
CN117780346B (zh) * | 2024-02-23 | 2024-05-24 | 太原矿机物联科技有限公司 | 基于3d可视化模型的远程煤机控制方法 |
CN117974928B (zh) * | 2024-03-29 | 2024-08-06 | 湖北华中电力科技开发有限责任公司 | 一种基于电力基建系留无人机激光雷达的数字孪生方法 |
CN118410657B (zh) * | 2024-07-03 | 2024-09-10 | 北京国星创图科技有限公司 | 一种卫星测控交互式仿真与发射管理一体化方法及系统 |
CN118445760B (zh) * | 2024-07-08 | 2024-09-13 | 广东工业大学 | 一种新能源汽车的电动机轴承健康状态监测方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10416614B2 (en) * | 2015-10-15 | 2019-09-17 | Siemens Aktiengesellschaft | Human programming interfaces for machine-human interfaces |
US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
US10417614B2 (en) * | 2016-05-06 | 2019-09-17 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
US10404569B2 (en) * | 2016-08-22 | 2019-09-03 | General Electric Company | Internet of things associate |
CN110249348A (zh) * | 2016-12-15 | 2019-09-17 | 西门子股份公司 | 能量控制系统的配置与参数化 |
-
2020
- 2020-11-25 JP JP2022530815A patent/JP2023507550A/ja active Pending
- 2020-11-25 WO PCT/US2020/062384 patent/WO2021108680A1/en unknown
- 2020-11-25 CA CA3158765A patent/CA3158765A1/en active Pending
- 2020-11-25 AU AU2020392228A patent/AU2020392228A1/en active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102654240B1 (ko) * | 2022-10-26 | 2024-04-04 | 주식회사 에이아이네이션 | 딥러닝, 머신러닝 및 통계 모델을 이용한 산업설비 이상 감지 장치 및 시스템 |
KR102700480B1 (ko) * | 2023-03-17 | 2024-09-02 | 주식회사 시마크로 | 시뮬레이션 파라미터를 적응적으로 변경하는 디지털 트윈 구축 방법 및 이를 수행하는 디지털 트윈 구축 시스템 |
KR102608539B1 (ko) * | 2023-08-30 | 2023-12-01 | (주)스페이스 | 다방향으로 항공촬영을 하여 지형지물의 입체 정보를 표현할 수 있는 항공촬영시스템 |
CN118092209A (zh) * | 2023-10-20 | 2024-05-28 | 深圳市佳辰信息工程有限公司 | 基于数字孪生的海洋石油运输的管道控制系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CA3158765A1 (en) | 2021-06-03 |
WO2021108680A1 (en) | 2021-06-03 |
AU2020392228A1 (en) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230089205A1 (en) | Intelligent vibration digital twin systems and methods for industrial environments | |
EP3966695B1 (en) | Platform for facilitating development of intelligence in an industrial internet of things system | |
US20230186200A1 (en) | Data collection in industrial environment using machine learning to forecast future states of industrial environment based on noise values | |
US20220083047A1 (en) | Platform for facilitating development of intelligence in an industrial internet of things system | |
JP2023507550A (ja) | 産業環境向けインテリジェント振動デジタルツインシステム及び方法 | |
US20230195058A1 (en) | Quantum, biological, computer vision, and neural network systems for industrial internet of things | |
JP7445928B2 (ja) | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム | |
US20230186201A1 (en) | Industrial digital twin systems providing neural net-based adjustment recommendation with data relevant to role taxonomy | |
US20230281527A1 (en) | User interface for industrial digital twin providing conditions of interest with display of reduced dimensionality views | |
EP4066073A1 (en) | Intelligent vibration digital twin systems and methods for industrial environments | |
JP2022531919A (ja) | 産業用モノのインターネットシステムにおけるインテリジェンスの開発を促進するためのプラットフォーム | |
US20230196230A1 (en) | User interface for industrial digital twin system analyzing data to determine structures with visualization of those structures with reduced dimensionality | |
US20200166923A1 (en) | Methods and systems for data collection and analysis of machine signals for analytics and maintenance using the industrial internet of things and a mobile data collector | |
US20190339686A1 (en) | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231127 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240710 |