JP2024056146A - 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム - Google Patents
産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム Download PDFInfo
- Publication number
- JP2024056146A JP2024056146A JP2024022066A JP2024022066A JP2024056146A JP 2024056146 A JP2024056146 A JP 2024056146A JP 2024022066 A JP2024022066 A JP 2024022066A JP 2024022066 A JP2024022066 A JP 2024022066A JP 2024056146 A JP2024056146 A JP 2024056146A
- Authority
- JP
- Japan
- Prior art keywords
- data
- industrial machine
- vibration
- industrial
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 1336
- 238000013480 data collection Methods 0.000 title claims abstract description 901
- 238000012423 maintenance Methods 0.000 title claims abstract description 525
- 238000004458 analytical method Methods 0.000 title claims description 286
- 230000013016 learning Effects 0.000 title claims description 62
- 230000000694 effects Effects 0.000 claims abstract description 301
- 238000012544 monitoring process Methods 0.000 claims abstract description 206
- 230000004044 response Effects 0.000 claims abstract description 147
- 230000008569 process Effects 0.000 claims abstract description 139
- 238000001514 detection method Methods 0.000 claims abstract description 125
- 238000010801 machine learning Methods 0.000 claims abstract description 125
- 238000007635 classification algorithm Methods 0.000 claims abstract description 39
- 238000007405 data analysis Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 464
- 238000005259 measurement Methods 0.000 claims description 371
- 238000001228 spectrum Methods 0.000 claims description 308
- 238000003860 storage Methods 0.000 claims description 189
- 238000013507 mapping Methods 0.000 claims description 180
- 238000005070 sampling Methods 0.000 claims description 155
- 230000009471 action Effects 0.000 claims description 143
- 230000006870 function Effects 0.000 claims description 115
- 210000003127 knee Anatomy 0.000 claims description 88
- 238000013481 data capture Methods 0.000 claims description 87
- 238000012549 training Methods 0.000 claims description 86
- 238000013528 artificial neural network Methods 0.000 claims description 79
- 238000004891 communication Methods 0.000 claims description 76
- 230000006854 communication Effects 0.000 claims description 76
- 238000013459 approach Methods 0.000 claims description 73
- 230000033001 locomotion Effects 0.000 claims description 71
- 238000004519 manufacturing process Methods 0.000 claims description 71
- 238000013500 data storage Methods 0.000 claims description 61
- 230000036541 health Effects 0.000 claims description 61
- 238000007726 management method Methods 0.000 claims description 59
- 230000001149 cognitive effect Effects 0.000 claims description 55
- 238000004422 calculation algorithm Methods 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 49
- 238000012384 transportation and delivery Methods 0.000 claims description 48
- 230000004927 fusion Effects 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 40
- 230000000007 visual effect Effects 0.000 claims description 39
- 238000009434 installation Methods 0.000 claims description 38
- 230000005291 magnetic effect Effects 0.000 claims description 33
- 238000002360 preparation method Methods 0.000 claims description 27
- 238000013473 artificial intelligence Methods 0.000 claims description 25
- 230000001965 increasing effect Effects 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 24
- 230000008439 repair process Effects 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000005484 gravity Effects 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 16
- 238000010168 coupling process Methods 0.000 claims description 16
- 238000005859 coupling reaction Methods 0.000 claims description 16
- 238000013135 deep learning Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 239000007787 solid Substances 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000002405 diagnostic procedure Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 230000003449 preventive effect Effects 0.000 claims description 8
- 230000000977 initiatory effect Effects 0.000 claims description 7
- 230000003190 augmentative effect Effects 0.000 claims description 6
- 239000004567 concrete Substances 0.000 claims description 6
- 230000001681 protective effect Effects 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 5
- 239000003990 capacitor Substances 0.000 claims description 5
- 238000009529 body temperature measurement Methods 0.000 claims description 4
- 230000003920 cognitive function Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 230000005672 electromagnetic field Effects 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000001845 vibrational spectrum Methods 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000013145 classification model Methods 0.000 claims description 2
- 230000000116 mitigating effect Effects 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 9
- 239000007788 liquid Substances 0.000 claims 8
- 238000003384 imaging method Methods 0.000 claims 7
- 238000010191 image analysis Methods 0.000 claims 4
- 210000002414 leg Anatomy 0.000 claims 4
- 230000003749 cleanliness Effects 0.000 claims 2
- 238000006073 displacement reaction Methods 0.000 claims 2
- 238000012634 optical imaging Methods 0.000 claims 2
- 238000012552 review Methods 0.000 claims 2
- 230000009474 immediate action Effects 0.000 claims 1
- 230000008054 signal transmission Effects 0.000 claims 1
- 238000013519 translation Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 148
- 230000003993 interaction Effects 0.000 description 66
- 239000000523 sample Substances 0.000 description 56
- 238000012806 monitoring device Methods 0.000 description 55
- 230000000875 corresponding effect Effects 0.000 description 49
- 230000001976 improved effect Effects 0.000 description 42
- 238000013461 design Methods 0.000 description 34
- 238000010411 cooking Methods 0.000 description 33
- 238000012546 transfer Methods 0.000 description 32
- 239000007789 gas Substances 0.000 description 29
- 230000001276 controlling effect Effects 0.000 description 28
- 230000003750 conditioning effect Effects 0.000 description 27
- 238000012800 visualization Methods 0.000 description 26
- 238000005065 mining Methods 0.000 description 25
- 230000003595 spectral effect Effects 0.000 description 25
- 238000001914 filtration Methods 0.000 description 23
- 230000010354 integration Effects 0.000 description 22
- 230000008901 benefit Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 21
- 238000003909 pattern recognition Methods 0.000 description 20
- WCIDIJQCEUODDY-UHFFFAOYSA-N chloro(dimethyl)sulfanium Chemical compound C[S+](C)Cl WCIDIJQCEUODDY-UHFFFAOYSA-N 0.000 description 19
- 239000003921 oil Substances 0.000 description 19
- 230000002068 genetic effect Effects 0.000 description 18
- 238000009423 ventilation Methods 0.000 description 17
- 238000012952 Resampling Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 238000004806 packaging method and process Methods 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 13
- 238000009826 distribution Methods 0.000 description 13
- 241000196324 Embryophyta Species 0.000 description 12
- 239000003550 marker Substances 0.000 description 12
- 230000001537 neural effect Effects 0.000 description 12
- 230000008520 organization Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 10
- 239000000725 suspension Substances 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 239000003570 air Substances 0.000 description 9
- 238000009795 derivation Methods 0.000 description 9
- 230000005611 electricity Effects 0.000 description 9
- 239000000446 fuel Substances 0.000 description 9
- 238000010438 heat treatment Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 230000001052 transient effect Effects 0.000 description 9
- 238000003672 processing method Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 230000009183 running Effects 0.000 description 8
- 208000024891 symptom Diseases 0.000 description 8
- 230000007704 transition Effects 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 8
- 239000008186 active pharmaceutical agent Substances 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 7
- 230000006855 networking Effects 0.000 description 7
- 238000013021 overheating Methods 0.000 description 7
- 238000012805 post-processing Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 230000001953 sensory effect Effects 0.000 description 7
- 230000008093 supporting effect Effects 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 6
- 239000013078 crystal Substances 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 238000005553 drilling Methods 0.000 description 6
- 238000011835 investigation Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 235000011468 Albizia julibrissin Nutrition 0.000 description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 241001070944 Mimosa Species 0.000 description 5
- 238000001816 cooling Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 238000003306 harvesting Methods 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 230000008449 language Effects 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 230000001902 propagating effect Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000001143 conditioned effect Effects 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 238000011068 loading method Methods 0.000 description 4
- 238000005461 lubrication Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 235000021251 pulses Nutrition 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 239000000872 buffer Substances 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010792 warming Methods 0.000 description 3
- 241001522296 Erithacus rubecula Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 239000010720 hydraulic oil Substances 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000008672 reprogramming Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000295146 Gallionellaceae Species 0.000 description 1
- 241001289717 Hypolimnas Species 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- LTMHDMANZUZIPE-PUGKRICDSA-N digoxin Chemical compound C1[C@H](O)[C@H](O)[C@@H](C)O[C@H]1O[C@@H]1[C@@H](C)O[C@@H](O[C@@H]2[C@H](O[C@@H](O[C@@H]3C[C@@H]4[C@]([C@@H]5[C@H]([C@]6(CC[C@@H]([C@@]6(C)[C@H](O)C5)C=5COC(=O)C=5)O)CC4)(C)CC3)C[C@@H]2O)C)C[C@@H]1O LTMHDMANZUZIPE-PUGKRICDSA-N 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004374 forensic analysis Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000009291 secondary effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 231100000167 toxic agent Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/04—Frequency
- G01H3/08—Analysing frequencies present in complex vibrations, e.g. comparing harmonics present
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/028—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41845—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by system universality, reconfigurability, modularity
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0289—Reconfiguration to prevent failure, e.g. usually as a reaction to incipient failure detection
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0291—Switching into safety or degraded mode, e.g. protection and supervision after failure
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0041—Arrangements at the transmitter end
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
- H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
- H04L1/18—Automatic repetition systems, e.g. Van Duuren systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
- H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32234—Maintenance planning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32287—Medical, chemical, biological laboratory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35001—Data input, data handling, programming, monitoring of nc
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37337—Noise, acoustic emission, sound
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37351—Detect vibration, ultrasound
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37434—Measuring vibration of machine or workpiece or tool
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40115—Translate goal to task program, use of expert system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45004—Mining
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45129—Boring, drilling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/80—Wireless
- H04L2209/805—Lightweight hardware, e.g. radio-frequency identification [RFID] or sensor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/0064—Rate requirement of the data, e.g. scalable bandwidth, data priority
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】産業用機械予測メンテナンスシステムを提供する。【解決手段】産業用機械予測メンテナンスシステムは、データ収集ネットワークを介して受信された産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械健全性モニタリングデータのストリームを生成する産業用機械データ解析設備と、機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を生成する産業用機械予測メンテナンス設備と、産業用機械サービス推奨に応答するサービスおよび部品の注文および/または要求を生成するコンピュータ化されたメンテナンス管理システムと、注文および/またはサービスおよび部品の要求に応答して産業用機械で実行されたサービスに関する情報を処理し、個々の産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証するサービスおよび提供調整設備を含む。【選択図】なし
Description
本出願は、2018年8月2日に出願され、『METHODS AND SYSTEMS FOR STREAMING OF MACHINE SIGNALS FOR ANALYTICS AND MAINTENANCE USING THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/714,078号、2018年8月2日に出願され、『METHODS AND SYSTEMS FOR DATA COLLECTION AND LEARNING USING THE INDUSTRIAL INTERNET OF THIINGS』と題された、米国特許仮出願第62/713,897号、2018年11月8日に出願され、『METHODS AND SYSTEMS FOR STREAMING OF MACHINE SIGNALS FOR ANALYTICS AND MAINTENANCE USING THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/757,166号、2019年1月31日に出願され、『METHODS AND SYSTEMS FOR DATA COLLECTION, LEARNING, AND STREAMING OF MACHINE SIGNALS FOR ANALYTICS AND MAINTENANCE USING THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/799,732号、2018年9月26日に出願され、『METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH FREQUENCY BAND ADJUSTMENTS FOR DIAGNOSING OIL AND GAS PRODUCTION EQUIPMENT』と題された、米国特許出願第16/143,286号、および、2018年5月7日に出願され、『METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE DATA SETS』と題された、米国特許出願第15/973,406号、の優先権を主張するものである。
2018年9月26日に出願され、『METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH FREQUENCY BAND ADJUSTIMENTS FOR DIAGNOSING OIL AND GAS PRODUCTION EQUIPMENT』と題された米国特許出願第16/143,286号は、少なくとも2016年5月9日に出願され、『STRONG FORCE INDUSTRIAL IOT MATRIX』と題された、米国特許仮出願第62/335,589号、2016年6月15日に出願され、『STRATEGY FOR HIGH SAMPLING RATE DIGITAL RECORDING OF MEASUREMENT WAVEFORM DATA OF AN AUTOMATED SEQUENTIAL LIST THAT STREAMS LONG-DURATION AND GAP-FREE WAVEFORM DATA TO STORAGE FOR MORE FLEXIBLE POST-PROCESSING』と題された、米国特許仮出願第62/350,672号、2016年10月26日に出願され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/412,843号、および、2016年111月28日に出願され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/417,141の優先権を主張する、2017年5月9日に出願され、2017年11月16日に国際公開第2017/19682号として公開され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、国際出願第PCT/US2017/031721号のバイパス一部継続出願である、2018年5月7日に出願され、『METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE DATA SETS』と題された、米国特許出願第15/973,406号の優先権を主張する、2018年8月2日に出願され、2019年2月7日に国際公開第2019/028269号として公開され、『METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE DATA SETS』と題された、国際出願第PCT/US2018/045306号のバイパス継続出願である。米国特許出願第16/143,286号において、国際出願第PCT/US2018/045306号および米国特許出願第15/973,406号は、2017年8月2日に出願され、『SMART HEATING SYSTEMS IN AN INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/540,557号、2017年9月24日に出願され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/562,487号、2017年11月8日に出願され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/584,487号、および、2017年8月2日に出願され、『SYSTEMS AND METHODS FOR SMART HEATING SYSTEM THATES PRODUCES AND USES HYDROGEN FUEL』と題された、米国特許仮出願第62/540,513号の優先権も主張する。本出願はまた、2018年8月2日出願され、『METHODS AND SYSTEMS FOR DATA COLLECTION AND LEARNING USING THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/713,897号、および、2018年11月2日に出願され、『METHODS AND SYSTEMS FOR STREAMING OF MACHINE SIGNALS FOR ANALYTICS AND MAINTENANCE USING THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/757,166号の優先権を主張する。これらは、それぞれ、2016年5月9日に出願され、『STRONG FORCE INDUSTRIAL IOT MATRIX』と題された、米国特許仮出願第62/333,589号、2016年6月15日に出願され、『STRATEGY FOR HIGH SAMPLING RATE DIGITAL RECORDING OF MEASUREMENT WAVEFORM DATA OF AN AUTOMATED SEQUENTIAL LIST THAT STREAMS LONG-DURATION AND GAP-FREE WAVEFORM DATA TO STRAGE FOR MORE FLEXIBLE POST-PROCESSING』と題された、米国特許仮出願第62/350,672号、2016年10月26日に出願され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/412,843号、および、2016年11月28日に出願され、『METHODS AND SYSTEMS FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/427,141号の優先権を主張する、2017年5月9日に出願され、2017年11月16日に国際公開第2017/196821号として公開され、『METHODS AND SYSTEM FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、国際出願PCT/US2017/031721号のバイパス一部継続出願である。本出願はまた、2017年8月2日に出願され、『SMART HEATING SYSTEMS IN AN INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/540,557号、2017年9月24日に出願され、『METHODS AND SYSTEM FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許仮出願第62/562,487号、および、2017年11月8日に出願され、『METHODS AND SYSTEM FOR THE INDUSTRIAL INTERNET OF THINGS』と題された、米国特許出願第583,487号の優先権も主張する。上記の出願は、それぞれ、その全体が本明細書に完全に記載されているものとして、参照により本明細書に組み込まれる。
本開示は、産業環境におけるデータ収集のための方法およびシステム、ならびに収集したデータを産業環境における監視、遠隔制御、自律行動などのために活用するための方法およびシステムに関する。
大規模製造環境(航空機、船舶、トラック、自動車、大型産業機械の製造など)、エネルギー生産環境(石油・ガスプラント、再生可能エネルギー環境など)、エネルギー抽出環境(採掘、掘削など)などの重工業環境。大規模ビルの建設などの建設環境では、非常に複雑な機械、装置、システムと非常に複雑なワークフローが存在し、その中でオペレータは、さまざまな技術の設計、開発、展開、運用を最適化して全体の結果を向上させるために、多くのパラメータ、メトリクスなどを考慮しなければならない。歴史的に、重工業環境では、データは専用のデータコレクタを使用して人間によって収集されてきましたが、多くの場合、特定のセンサデータのバッチをテープやハードドライブなどのメディアに記録し、後で分析するために使用していました。従来は、データのバッチは中央のオフィスに戻され、様々なセンサで収集されたデータに対して信号処理やその他の分析を行い、分析後に環境の問題点を診断したり、業務改善のための方法を提案したりするための基礎として利用されてきた。この作業は歴史的に数週間から数ヶ月という時間スケールで行われており、限られたデータセットを対象としている。
モノのインターネット(IoT)の出現により、より広範囲のデバイスとの間で、継続的に接続することが可能になりました。そのようなデバイスのほとんどは、照明やサーモスタットなどの消費者向けデバイスです。より複雑な産業環境では、利用可能なデータの範囲が限られていることが多く、複数のセンサーからのデータを扱うことが複雑であるため、産業分野に効果的な「スマート」ソリューションを作成することがはるかに困難な状況が続いている。産業環境におけるデータ収集のための改善された方法およびシステム、ならびに収集されたデータを使用して、様々な重工業環境における改善された監視、制御、問題のインテリジェントな診断、およびオペレーションのインテリジェントな最適化を提供するための改善された方法およびシステムに対するニーズが存在する。
様々な環境にある産業用システムでは、複数のセンサーからのデータを利用することに多くの課題がある。多くの産業システムは、例えば、システムの一部が様々な時間スケールでアップグレードまたは交換されたり、移動機器がその場所に出入りしたり、機器のアップグレードにかかる資本コストやリスクのために、ある時間にある場所で広範囲のコンピューティングリソースやネットワーク機能を持っている。さらに、多くの産業用システムは、ネットワーク接続性が変動し、振動騒音や電磁(EM)騒音源のような多数の騒音源が重要で様々な場所に存在し、システムの一部が高圧、高騒音、高温、腐食性の材料を持つような、困難な環境に置かれている。多くの産業プロセスは、プロセス動作パラメータの高い変動性と、規格外の動作に対する非線形応答の影響を受けます。したがって、工業プロセスのためのセンシング要件は、時間、プロセスの動作段階、装置の経年劣化、および動作条件によって変化し得る。従来知られている産業プロセスは、保守的であり、産業システムのほとんどの操作中に必要とされない多くのパラメータを検出し、またはプロセス内のリスクを許容し、システムの特徴付けにおいて時折しか利用されないパラメータを検出しないセンシング構成に悩まされている。さらに、以前に知られていた産業用システムは、検出されたパラメータを迅速かつリアルタイムに構成すること、および断続的なネットワークの可用性などのシステムの変動を管理することに柔軟性がない。産業用システムは、ポンプ、ミキサー、タンク、およびファンのようなシステム全体で類似したコンポーネントを使用することが多い。しかし、従来知られていた産業用システムは、異なるタイプのプロセスで使用される可能性のある類似のコンポーネントからのデータを活用するメカニズムを持っておらず、また競争上の懸念から利用できない可能性がある。さらに、従来知られている産業用システムは、オフセットシステムからのデータをセンサ計画および実行にリアルタイムで統合していない。
産業環境には、非常に長い耐用年数を持つように設計された、大型で複雑で重量のある機械が広く存在しており、定期的なメンテナンスや予期せぬ修理などの継続的なサービスが必要である。
継続的なメンテナンス、サービス、修理を必要とする大型産業機械の多くは、高額な生産プロセスや、エネルギー生産、製造、鉱業、掘削、輸送などの他のプロセスに関与しており、できれば中断を最小限に、または全く伴わないことが望ましい。予期せぬ問題、またはそのようなプロセスにとって重要な機械のシャットダウンを必要とするサービス操作の長期的な遅延は、1日あたり数千ドル、または数百万ドルのコストがかかることがある。本明細書に開示された実施形態および参照により組み込まれた文書には、特に、故障の予測、メンテナンスの必要性の予測、および修理の容易化を目的としたものを含む、産業用機械からおよび産業用機械についてのデータの収集、処理、および使用のための改良されたデバイス、システム、コンポーネント、プロセス、および方法を有するプラットフォームが提供されている。しかし、一部の地域では、重工業機械のメンテナンス、サービス、修理を行う労働力が高齢化している。労働者が退職すると、専門知識の多くが失われ、新しい労働者は、機械に関する基本的な事実情報(機械の内部構造など)、運転情報(様々な作業モードでどのように動作するように意図されているかなど)、および/または手順情報(定期的なメンテナンス作業の実行方法など)さえも不足していることが多く、ましてや、見慣れない部品や工具を使用した多段階の手順を必要とする可能性のある修理など、より複雑な手順を処理するためのノウハウや専門知識が不足していることがよくある。もう一つの課題は、緊急修理に必要な部品やコンポーネントなど、産業用機械に関連する部品やコンポーネントを、作業に必要な場所と時間で入手できるように、タイムリーに見つけることです。機械の内部構造、部品や構成部品に関する情報がないため、作業者が何が問題なのか、どの部品が関係しているのか、どのように修理を行う必要があるのかを推測しなければならない場合がある。修理には、問題の性質、交換が必要な部品、必要な工具などを発見するために1回以上の訪問が必要になる場合があり、また、関連する部品や工具が到着したら修理を行うために1回以上の訪問が必要になる場合がある。これは、機械のオペレータに多大なコストをかけて何日も遅れることを意味します。次の作業員は、最初の作業員によって取得された機械の内部構造、部品またはコンポーネントについて取得された知識にアクセスする方法がないかもしれないため、このプロセスは、数ヶ月後または数年後に繰り返される可能性がある。
産業用機械に関する情報(内部構造、部品、コンポーネントなどの事実情報、操作情報、およびメンテナンス、サービス、修理に関連するノウハウやその他の情報を含む手続き情報を含む)を収集、発見、捕捉、普及、管理、および処理するための改善された方法およびシステムが必要とされている。また、特定の機械のメンテナンス、サービス、修理に関連するノウハウや専門知識を持つ作業者を見つけるための改善された方法やシステムも必要とされている。また、メンテナンス、サービスおよび修理作業が中断を最小限に抑えてシームレスに行われるように、関連する部品およびコンポーネントを探し出し、発注し、注文を実行するための改善された方法およびシステムも必要とされている。
実施形態では、産業用機械予測メンテナンスシステムは、データ収集ネットワークを介して受信された産業用機械の一部の状態を代表するデータに機械学習を適用することにより、産業用機械健全性モニタリングデータのストリームを生成する産業用機械データ分析設備を含んでもよい。システムは、機械故障検出および分類アルゴリズムを適用することにより、健康モニタリングデータに応答する産業用機械サービス推奨事項を生成する産業用機械予測メンテナンス設備をさらに含んでもよい。システムは、産業用機械サービス推奨を受信することに応答するサービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含んでもよい。そして、システムは、サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証するサービスおよび配送調整設備を含んでもよい。
実施形態では、振動データからサービスイベントを予測する方法は、産業機械の一部分の振動を捕捉するために配置された少なくとも1つの振動センサから振動データを捕捉することを含む一連の動作ステップを含んでもよい。キャプチャされた振動データは、キャプチャされた振動の周波数、振幅、および重力のうちの少なくとも1つを決定するために処理されてもよい。次に、例えば決定された周波数に基づいて、捕捉された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが決定されてもよい。したがって、捕捉された振動のための振動厳しさ単位を計算することは、決定されたセグメントと、振動データから導出されたピーク振幅および重力力のうちの少なくとも1つに基づいてもよい。さらに、前記方法は、前記重大度単位に基づいて前記産業機械の部分のメンテナンス動作を実行するための信号を予測メンテナンス回路内に生成することを含んでもよい。
実施形態では、ストリーミングサンプルレートでのゼロギャップ信号捕捉は、ストリーミングサンプルレートで信号をサンプリングし、それによって信号の複数のサンプルを生成することを含んでもよい。信号の複数のサンプルは、信号の複数のサンプルの第1の部分を第1の信号分析回路に生成する信号ルーティング回路に割り当てられてもよく、この部分は、ストリーミングサンプルレートよりも小さい第1の信号分析サンプリングレートに基づいて、第1の信号分析回路に割り当てられてもよい。信号のサンプルの複数の部分は、信号のサンプルの複数の部分の第2の部分を第2の信号解析回路に生成する信号ルーティング回路と、ストリーミングサンプルレートよりも小さい第2の信号解析サンプリングレートに基づく部分とを割り当ててもよい。実施形態では、ゼロギャップ信号捕捉は、信号のサンプルの複数の部分、第1の信号解析回路の出力、および第2の信号解析回路の出力を記憶することをさらに含んでもよい。実施形態では、格納された複数のサンプルのうちの割り当てられた第1の部分および第2の部分は、対応する格納された信号解析出力を参照するインディケータでタグ付けされる。
工業環境におけるデータ収集のための方法およびシステム、ならびに様々な重工業環境における問題の改善された監視、制御、およびインテリジェントな診断、およびオペレーションのインテリジェントな最適化を提供するために収集されたデータを使用するための改善された方法およびシステムが本明細書に提供される。これらの方法およびシステムには、様々な構成および場所に配置される方法、システム、コンポーネント、デバイス、ワークフロー、サービス、プロセスなどが含まれる。a)重工業用機械のローカル環境などのモノのインターネットの「エッジ」で、(b)重工業用機械のローカル環境と、他の機械や、機械を所有または操作する企業、または機械が操作される設備などのリモートコントローラなどの他の環境との間でデータを移動させるデータ輸送ネットワークで、(c)重工業用環境またはそこに配置された機械、デバイス、またはシステムを所有または制御する企業のクラウドコンピューティング環境やオンプレミスコンピューティング環境など、機械またはその環境を制御するために設備が配置される場所で、など。これらの方法およびシステムには、改善されたデータ収集を提供するための様々な方法およびシステム、ならびに産業環境のコントローラのエッジ、ネットワーク内、クラウドまたは構内に、増加したインテリジェンスを展開するための方法およびシステムが含まれる。
エネルギー生産設備の回転要素および軸受の連続超音波モニタリングを提供することを含む連続超音波モニタリングのための方法およびシステムが本明細書に開示されており、遠隔のアナログ産業用センサの融合に基づくマシンパターン認識または複数のアナログ産業用センサからの状態情報のマシンパターン分析を含むクラウドベースのシステムのための、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージのための、融合されたデータストリームのストレージのために複数のセンサからのデータがデバイスで多重化される産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを含む、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージのための方法およびシステムが開示されている。を含む、産業用IoTデータのための自己組織化データマーケットプレイスを含む、自己組織化システムのための自己組織化システムであって、ここで、利用可能なデータ要素が、トレーニングセットを有する自己組織化設備をトレーニングし、マーケットプレイスの成功の尺度からのフィードバックに基づいて、消費者による消費のためにマーケットプレイス内で組織化される、自己組織化データプールのための自己組織化システムであって、利用率および/または歩留まり測定基準に基づいてデータプールを自己組織化することを含む、自己組織化データプールのための自己組織化システムであって、利用率および/または歩留まり測定基準は、複数のデータプールのために追跡される、産業用データコレクタの自己組織化スウォームを含む、自己組織化データプールのための自己組織化システム。群のメンバーの能力および条件に基づいてデータ収集を最適化するために自らの間で組織化する産業用データコレクタの自己組織化群を含む、自己組織化収集装置であって、その環境の条件に基づいてデータ収集、電力および/または歩留まりを最適化することができるマルチセンサデータコレクタを含む、自己組織化収集装置。産業用センサデータのためのマルチセンサデータコレクタのための自己組織化ストレージを含む、マルチセンサデータコレクタのための自己組織化ストレージ、産業用データ収集環境において複数のセンサからのデータを転送するデータネットワークのための自己組織化ネットワークコーディングを含む、マルチセンサデータネットワークのための自己組織化ネットワークコーディング。
産業界固有のフィードバックに基づいて人工知能(「AI」)モデルを訓練するための方法およびシステムが本明細書に開示されており、産業用IoT分散台帳のために、AIモデルが産業環境からのセンサデータ上で動作する場合に、稼働率、歩留まり、またはインパクトの尺度を反映する産業固有のフィードバックに基づいてAIモデルを訓練することを含む。産業用IoT分散台帳は、ネットワークに敏感なコレクタのための、産業用IoTデータのための自動データマーケットプレイスで実行されるトランザクションの追跡をサポートする分散台帳を含む。ネットワークに敏感なコレクタは、産業用データ収集環境で識別された必要性、および/または他の件に基づいてセンサインタフェースをパワーアップおよびダウンすることができる、遠隔に組織化されたユニバーサルデータコレクタのための、および振動、熱、電気、および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルな触覚またはマルチセンサのユーザインタフェースを含む、触覚またはマルチセンサのユーザインタフェースのための、帯域幅、サービス品質、価格設定、および/または他のネットワーク条件に基づいて最適化することができる、ネットワーク条件に敏感な、自己組織化されたマルチセンサデータコレクタを含む。
拡張現実および仮想現実(AR/VR)産業用眼鏡のためのプレゼンテーション層のための方法およびシステムが本明細書に開示されており、ここでは、ヒートマップ要素が収集されたデータのパターンおよび/またはパラメータに基づいて提示され、そして、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいてAR/VRインターフェースの状態に敏感な、自己組織化されたチューニングのための方法およびシステムが開示されている。
実施形態では、産業環境における少なくとも第1の機械の少なくとも第1の要素からの信号のデータ収集、処理、および利用のためのシステムは、産業環境における少なくとも第1の機械から得られる少なくとも第1のセンサ信号および第2のセンサ信号を有するローカルデータ収集システムに接続されたコンピューティング環境を含むプラットフォームを含む。システムは、第1の機械に接続されるように構成されたローカルデータ収集システム内の第1のセンサと、ローカルデータ収集システム内の第2のセンサとを含む。システムは、第1のセンサに接続された第1の入力と、第2のセンサに接続された第2の入力とを含む複数の入力と複数の出力とを有するローカルデータ収集システム内のクロスポイントスイッチをさらに含む。本開示を通して、クロスポイントスイッチ、マルチプレクサ(MUX)デバイス、または他の複数入力複数出力のデータ収集または通信デバイスが記載されている場合はどこでも、任意のマルチセンサ収集デバイスも本明細書では企図される。特定の実施形態では、マルチセンサ収集デバイスは、アナログセンサ入力のために構成された、またはアナログセンサ入力と互換性のある1つ以上のチャネルを含む。複数の出力は、第1の出力が第1のセンサ信号と第2のセンサ信号の送達を切り替えるように構成された状態と、第1の出力からの第1のセンサ信号と第2の出力からの第2のセンサ信号の同時送達がある状態との間で切り替え可能に構成された第1の出力と第2の出力とを含む。複数の入力の各々は、複数の出力のいずれかに個別に割り当てられるように構成されるか、または出力への入力のいずれかのサブセットに結合されるように構成される。割り当てられていない出力は、例えば、高インピーダンス状態を生成することによって、スイッチオフされるように構成されている。
実施形態では、第1のセンサ信号および第2のセンサ信号は、産業環境に関する連続的な振動データである。実施形態では、ローカルデータ収集システムの第2のセンサは、第1の機械に接続されるように構成される。実施形態では、ローカルデータ収集システム内の第2のセンサは、産業環境内の第2の機械に接続されるように構成される。実施形態では、プラットフォームのコンピューティング環境は、第1および第2のセンサ信号の相対的な位相を比較するように構成される。実施形態では、第1のセンサは1軸センサであり、第2のセンサは3軸センサである。実施形態では、クロスポイントスイッチの複数の入力のうちの少なくとも1つは、改善された信号対雑音比のために、インターネットプロトコル、フロントエンド信号のコンディショニングを含む。実施形態では、クロスポイントスイッチは、第3の入力が複数の出力のいずれかに割り当てられていないか、または検出されていない場合に、予め定められたトリガ条件を有する連続的に監視されるアラームを有するように構成された第3の入力を含む。
実施形態では、ローカルデータ収集システムは、産業環境内の複数の機械から複数のデータストリームを受信する複数の多重化ユニットおよび複数のデータ収集ユニットを含む。実施形態では、ローカルデータ収集システムは、産業環境内の複数の機械からの複数のデータストリームを受信する複数の多重化ユニットおよび複数のデータ収集ユニットの論理制御のためのデータバス専用の分散型複合プログラマブルハードウェアデバイス(「CPLD」)チップをそれぞれ含む。実施形態では、ローカルデータ収集システムは、ソリッドステートリレーを使用して高アンペア入力能力を提供するように構成されている。実施形態では、ローカルデータ収集システムは、アナログセンサチャネルおよびコンポーネントボードの少なくとも1つをパワーダウンするように構成されている。
実施形態では、ローカルデータ収集システムは、低速回転数毎分(「RPMs」)および位相情報を取得するように構成された位相ロックループバンドパストラッキングフィルタを含む。実施形態では、ローカルデータ収集システムは、少なくとも1つのトリガチャネルおよび複数の入力のうちの少なくとも1つに相対するオンボードタイマを使用して位相をデジタル的に導出するように構成されている。実施形態では、ローカルデータ収集システムは、ピーク検出のために別個のアナログ/デジタル変換器を使用してオートスケールするように構成されたピーク検出器を含む。実施形態では、ローカルデータ収集システムは、複数の入力のうちの少なくとも1つに生でバッファリングされた少なくとも1つのトリガチャネルをルーティングするように構成されている。実施形態では、ローカルデータ収集システムは、サンプリングレートの出力を減少させるために入力のオーバーサンプリングレートを増加させるように構成され、アンチエイリアシングフィルタ要件を最小化するように構成された少なくとも1つのデルタシグマアナログ-デジタル変換器を含む。実施形態では、複数の多重化ユニットおよび複数のデータ収集ユニットの論理制御のためのデータバスに専用の分散CPLDチップは、デジタルリサンプリングなしでより低いサンプリングレートを達成するために、分散CPLDチップのうちの少なくとも1つのデルタ・シグマ・アナログ/デジタル変換器のために、分散CPLDチップのうちの少なくとも1つによって分周されるように構成された高周波水晶クロック基準として含まれる。
実施形態では、ローカルデータ収集システムは、異なるサンプリングレートで取得されたデータの複数のセットとは対照的に、単一の比較的高いサンプリングレートでデータの長いブロックを取得するように構成されている。実施形態では、単一の比較的高いサンプリングレートは、約40キロヘルツの最大周波数に対応する。実施形態では、データの長いブロックは、1分を超える持続時間である。実施形態では、ローカルデータ収集システムは、それぞれが、オンボードカードセットが配置されたデータ収集ユニットの較正情報およびメンテナンス履歴を記憶するように構成されたオンボードカードセットを有する複数のデータ収集ユニットを含む。実施形態では、ローカルデータ収集システムは、階層テンプレートに基づいてデータ収集ルートを計画するように構成されている。
実施形態では、ローカルデータ収集システムは、データ収集バンドを管理するように構成されている。実施形態では、データ収集バンドは、特定の周波数帯域と、スペクトルピークのグループ、真ピークレベル、時間波形から導出されるクレスト係数、および振動包絡線から導出される全体波形のうちの少なくとも1つを定義する。実施形態では、ローカルデータ収集システムは、データ収集帯域のインテリジェント管理を使用するニューラルネットエキスパートシステムを含む。実施形態では、ローカルデータ収集システムは、データ収集ルートに関連付けられた機械に関連するデータ収集バンドをそれぞれ含む階層テンプレートに基づいてデータ収集ルートを作成するように構成されている。実施形態では、階層テンプレートの少なくとも1つは、第1のマシンの複数の相互接続された要素に関連付けられる。実施形態では、階層テンプレートの少なくとも1つは、少なくとも第1のマシンと第2のマシンとに関連付けられた類似の要素に関連付けられている。実施形態では、階層テンプレートの少なくとも1つは、少なくとも第1のマシンが第2のマシンに位置的に近接していることに関連付けられる。
実施形態では、ローカルデータ収集システムは、データ収集バンドを管理するように構成されたグラフィカルユーザインタフェース(「GUI」)システムを含む。実施形態では、GUIシステムは、エキスパートシステム診断ツールを含む。実施形態では、プラットフォームは、産業環境の予測される状態情報を提供するために、複数のセンサからの状態情報のクラウドベースのマシンパターン分析を含む。実施形態では、プラットフォームは、利用率メトリクスおよび歩留まりメトリクスのうちの少なくとも1つに基づいてデータプールの自己組織化を提供するように構成されている。実施形態では、プラットフォームは、産業用データコレクタの自己組織化された群を含む。実施形態では、ローカルデータ収集システムは、振動出力、熱出力、電気出力、および音出力のうちの少なくとも1つを有する産業用センサデータ収集器のためのウェアラブル触覚ユーザインタフェースを含む。
実施形態では、クロスポイントスイッチの複数の入力は、第2のセンサに接続された第3の入力と、第2のセンサに接続された第4の入力とを含む。第1のセンサ信号は、第1の機械に関連付けられた不変の位置にある単軸センサからの信号である。実施形態では、第2のセンサは、3軸センサである。実施形態では、ローカルデータ収集システムは、少なくとも第1の入力、第2の入力、第3の入力、および第4の入力からのギャップフリーデジタル波形データを同時に記録するように構成されている。実施形態では、プラットフォームは、同時に記録されたギャップフリーデジタル波形データに基づいて相対位相の変化を決定するように構成されている。実施形態では、第2のセンサは、同時に記録されたギャップフリーデジタル波形データを取得しながら、第1の機械に関連付けられた複数の位置に移動可能に構成されている。実施形態では、クロスポイントスイッチの複数の出力は、第3の出力と第4の出力とを含む。第2の出力、第3の出力、および第4の出力は、機械に関連付けられた異なる位置にそれぞれ配置された3軸センサのシーケンスに一緒に割り当てられる。実施形態では、プラットフォームは、相対位相の変化と同時に記録されたギャップフリーデジタル波形データとに基づいて、動作偏向形状を決定するように構成されている。
実施形態では、不変の位置は、第1の機械の回転軸に関連付けられた位置である。実施形態では、三軸センサのシーケンスにおける三軸センサは、それぞれ、第1の機械の異なる位置に配置されているが、それぞれ、第1の機械の異なる軸受に関連付けられている。実施形態では、三軸センサのシーケンスにおける三軸センサは、それぞれ、類似のベアリングに関連付けられた類似の位置に配置されているが、それぞれが異なる機械に関連付けられている。実施形態では、ローカルデータ収集システムは、第1の機械と第2の機械の両方が動作している間に、同時に記録されたギャップフリーデジタル波形データを第1の機械から取得するように構成されている。実施形態では、ローカルデータ収集システムは、第1の機械からの同時記録されたギャップフリーデジタル波形データにおいて、第1の機械および第2の機械からの寄与を特徴付けるように構成されている。実施形態では、同時に記録されたギャップフリーデジタル波形データは、1分を超える継続時間を有する。
実施形態では、一組の軸受によって支持された少なくとも1つのシャフトを有する機械を監視する方法は、機械に関連付けられた不変の位置で、1軸センサに割り当てられた第1のデータチャネルを監視することを含む。方法は、3軸センサの軸に割り当てられた第2、第3および第4のデータチャネルをそれぞれ監視することを含む。方法は、機械が動作している間、すべてのデータチャネルから同時にギャップフリーのデジタル波形データを記録し、デジタル波形データに基づいて相対位相の変化を決定することを含む。
実施形態では、三軸センサは、デジタル波形を取得しながら、機械に関連付けられた複数の位置に配置される。実施形態では、第2、第3、および第4のチャネルは、機械に関連付けられた異なる位置にそれぞれ配置された三軸センサのシーケンスに一緒に割り当てられる。実施形態では、データは、すべてのセンサから同時に受信される。実施形態では、方法は、相対位相情報の変化と波形データとに基づいて動作偏向形状を決定することを含む。実施形態では、変更されない位置は、機械のシャフトに関連付けられた位置である。実施形態では、一連の三軸センサは、それぞれ異なる位置に配置され、機械の異なる軸受に関連付けられている。実施形態では、不変の位置は、機械のシャフトに関連付けられた位置である。三軸センサのシーケンスの三軸センサは、それぞれ異なる位置に配置されており、それぞれ機械のシャフトを支持する異なる軸受に関連付けられている。
実施形態では、方法は、第2の機械に関連付けられた不変の位置にある単軸センサに割り当てられた第1のデータチャネルを監視することを含む。方法は、第2の機械に関連付けられた位置にある3軸センサの軸に割り当てられた第2のデータチャネル、第3のデータチャネル、および第4のデータチャネルをそれぞれ監視することを含む。方法はまた、第2の機械の両方が動作している間に、第2の機械からのデータチャネルのすべてから同時にギャップフリーのデジタル波形データを記録することを含む。実施形態では、方法は、第2の機械からのギャップフリーデジタル波形データを同時に記録する際に、各機械からの寄与を特徴付けることを含む。
実施形態では、産業環境における少なくとも第1の機械の少なくとも第1の要素を監視するプラットフォームによるデータ収集、処理、および信号の利用のための方法は、コンピューティング環境を用いて、少なくとも第1の機械を監視するローカルデータ収集システムで、少なくとも第1のセンサ信号および第2のセンサ信号を自動的に取得することを含む。方法は、ローカルデータ収集システムのクロスポイントスイッチの第1の入力を第1のセンサに接続し、クロスポイントスイッチの第2の入力をローカルデータ収集システムの第2のセンサに接続することを含む。方法は、クロスポイントスイッチの第1の出力が少なくとも第1のセンサ信号と第2のセンサ信号の送達を交互に行う状態と、第1の出力からの第1のセンサ信号とクロスポイントスイッチの第2の出力からの第2のセンサ信号の同時送達がある状態とを切り替えることを含む。方法はまた、クロスポイントスイッチの未割り当て出力をハイインピーダンス状態に切り換えることを含む。
実施形態では、第1のセンサ信号および第2のセンサ信号は、産業環境からの連続的な振動データである。実施形態では、ローカルデータ収集システムの第2のセンサは、第1の機械に接続される。実施形態では、ローカルデータ収集システムの第2のセンサは、産業環境の第2の機械に接続される。実施形態では、方法は、コンピューティング環境と自動的に、第1および第2のセンサ信号の相対的な位相を比較することを含む。実施形態では、第1のセンサは1軸センサであり、第2のセンサは3軸センサである。実施形態では、クロスポイントスイッチの少なくとも第1の入力は、改善された信号対雑音比のためのインターネットプロトコルフロントエンド信号調整を含む。
実施形態では、方法は、クロスポイントスイッチの少なくとも第3の入力を、第3の入力がクロスポイントスイッチの複数の出力のいずれかに割り当てられていないときに、予め定められたトリガ条件を有するアラームで連続的に監視することを含む。実施形態では、ローカルデータ収集システムは、産業環境内の複数の機械から複数のデータストリームを受信する複数の多重化ユニットおよび複数のデータ収集ユニットを含む。実施形態では、ローカルデータ収集システムは、産業環境内の複数の機械からの複数のデータストリームを受信する複数の多重化ユニットおよび複数のデータ収集ユニットのロジック制御のためのデータバスにそれぞれ専用の分散型CPLDチップを含む。実施形態では、ローカルデータ収集システムは、ソリッドステートリレーを使用した高アンペア入力機能を提供する。
実施形態では、方法は、アナログセンサチャネルおよびローカルデータ収集システムのコンポーネントボードの少なくとも1つをパワーダウンすることを含む。実施形態では、ローカルデータ収集システムは、第1のセンサおよび第2のセンサの電圧とは独立したA/Dゼロ基準のための外部電圧基準を含む。実施形態では、ローカルデータ収集システムは、低速回転数および位相情報を取得する位相ロックループバンドパストラッキングフィルタを含む。実施形態では、方法は、少なくとも1つのトリガチャネルとクロスポイントスイッチ上の複数の入力のうちの少なくとも1つとの相対的なオンボードタイマを使用して位相をデジタル的に導出することを含む。
実施形態では、方法は、ピーク検出のために別個のアナログ/デジタル変換器を使用してピーク検出器で自動スケーリングすることを含む。実施形態では、方法は、クロスポイントスイッチ上の複数の入力のうちの少なくとも1つに生でバッファリングされた少なくとも1つのトリガチャネルをルーティングすることを含む。実施形態では、方法は、サンプリングレート出力を低減し、アンチエイリアシングフィルタ要件を最小化するために、少なくとも1つのデルタシグマアナログ/デジタル変換器を用いて入力のオーバーサンプリングレートを増加させることを含む。実施形態では、分散CPLDチップは、それぞれ、多重化ユニットおよび多重データ収集ユニットの論理制御のためのデータバス専用であり、それぞれ、デジタルリサンプリングなしでより低いサンプリングレートを達成するために、分散CPLDチップのうちの少なくとも1つのデルタ・シグマ・アナログ/デジタル変換器のために、分散CPLDチップのうちの少なくとも1つで分周された高周波水晶クロック基準を含み、分散CPLDチップのうちの少なくとも1つで分周された高周波水晶クロック基準は、デジタルリサンプリングなしでより低いサンプリングレートを達成する。実施形態では、方法は、異なるサンプリングレートで取得されたデータの複数のセットとは対照的に、ローカルデータ収集システムで単一の比較的高いサンプリングレートでデータの長いブロックを取得することを含む。実施形態では、単一の比較的高いサンプリングレートは、約40キロヘルツの最大周波数に対応する。実施形態では、データの長いブロックは、1分を超える持続時間である。実施形態では、ローカルデータ収集システムは、複数のデータ収集ユニットを含み、各データ収集ユニットは、オンボードカードセットを有し、オンボードカードセットは、オンボードカードセットが配置されたデータ収集ユニットの較正情報およびメンテナンス履歴を記憶する。
実施形態では、方法は、産業環境における第1の機械の少なくとも第1の要素に関連付けられた階層テンプレートに基づいてデータ収集経路を計画することを含む。実施形態では、ローカルデータ収集システムは、特定の周波数帯域を定義するデータ収集バンドと、スペクトルピークのグループ、真のピークレベル、時間波形から導出されるクレスト係数、および振動包絡線から導出される全体波形のうちの少なくとも1つを管理する。実施形態では、ローカルデータ収集システムは、データ収集帯域のインテリジェント管理を使用するニューラルネットエキスパートシステムを含む。実施形態では、ローカルデータ収集システムは、データ収集ルートに関連付けられた機械に関連するデータ収集バンドをそれぞれ含む階層テンプレートに基づいてデータ収集ルートを作成する。実施形態では、階層テンプレートの少なくとも1つは、第1のマシンの複数の相互接続された要素に関連付けられる。実施形態では、階層テンプレートの少なくとも1つは、少なくとも第1のマシンと第2のマシンとに関連付けられた類似の要素に関連付けられている。実施形態では、階層テンプレートの少なくとも1つは、少なくとも第1のマシンが第2のマシンに位置的に近接していることに関連付けられる。
実施形態では、方法は、データ収集バンドを管理するために、ローカルデータ収集システムのGUIシステムを制御することを含む。GUIシステムは、エキスパートシステム診断ツールを含む。実施形態では、プラットフォームのコンピューティング環境は、産業環境の予測される状態情報を提供するために、複数のセンサからの状態情報の機械パターン分析をクラウドベースで行うことを含む。実施形態では、プラットフォームのコンピューティング環境は、利用率メトリクスおよび歩留まりメトリクスのうちの少なくとも1つに基づいてデータプールの自己組織化を提供する。実施形態では、プラットフォームのコンピューティング環境は、産業用データコレクタの自己組織化された群を含む。実施形態では、クロスポイントスイッチの複数の入力の各々は、クロスポイントスイッチの複数の出力のいずれかに個別に割り当て可能である。
産業機械センサデータのストリーミング、収集、処理、および記憶のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および記憶システムと動作および統合するように構成されていてもよく、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配置されたセンサからセンシングされたデータの複数のストリームを捕捉するための方法を含んでいてもよく、ストリームの少なくとも1つは、データの複数の周波数を含んでいる。前記方法は、前記複数のストリームのうちの少なくとも1つに含まれるデータのうち、少なくとも1つの事前定義された周波数を表すデータに対応するデータのサブセットを特定することを含んでもよい。少なくとも1つの予め定義された周波数は、産業用機械の少なくとも1つの可動部分に関連する産業用機械の側面を監視するために配置された代替センサから収集されたデータのセットによって表される。方法は、代替センサから収集されたデータのセットに適用されるように構成されたアルゴリズムで、識別されたデータを処理するデータ処理設備を用いて、識別されたデータを処理することをさらに含んでもよい。最後に、方法は、データのストリーム、識別されたデータのサブセット、および識別されたデータを処理した結果の少なくとも1つを電子データセットに格納することを含んでもよい。
産業機械センサデータのストリーミング、収集、処理、および記憶のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および記憶システムと動作および統合するように構成されていてもよく、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサから捕捉されたデータを適用するための方法を含んでいてもよい。データは、予め定義された周波数範囲をカバーする予め定義された解像度のラインで捕捉され、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された他のセンサからストリーミングされたデータのサブセットを識別する周波数マッチング機能に送られる。ストリームされたデータは、分解能および周波数範囲の複数のラインを含む。識別されたデータのサブセットは、解像度のラインおよび予め定義された周波数範囲に対応する。この方法は、データのサブセットを、予め定義された解像度のラインで捕捉されたデータのフォーマットに対応するフォーマットで電子データレコードに格納することと、格納されたデータのサブセットの存在をデータ処理設備にシグナリングすることとを含んでもよい。この方法は、任意に、予め定義された周波数範囲をカバーする予め定義された解像度のラインでキャプチャされたデータを処理することに関連付けられたアルゴリズム、モデル、およびパターン認識器の少なくとも1つのセットでデータのサブセットを処理することを含んでもよい。
産業機械センサデータのストリーミング、収集、処理、および記憶のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および記憶システムと動作および統合するように構成されてもよく、ストリーム化されたセンサデータのサブセット、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配置されたセンサからキャプチャされたセンサデータ、ストリーム化されたセンサデータのサブセットを識別する方法、および識別を実行する第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第1の論理経路を確立する方法を含んでいてもよい。実施形態では、識別されたストリーム化センサデータのサブセットは、第1の設備から第2の設備にストリーム化センサデータのサブセットを通信する際に、確立された第1の論理経路を介して排他的に通信される。この方法は、識別されたサブセットではないストリーム化されたセンサデータの少なくとも一部分について、第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第2の論理経路を確立することをさらに含んでもよい。さらに、本方法は、識別されたサブセットと、識別されたサブセットによって表されないデータの少なくとも1つの他の部分とを含むストリーミングされたセンサデータの少なくとも1つの部分のために、第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第3の論理経路を確立することをさらに含んでもよい。
産業機械センサデータのストリーミング、収集、処理、および記憶のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および記憶システムと動作および統合するように構成されてもよく、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサの第1のセットから第1のデータを捕捉する第1のデータセンシングおよび処理システムを含んでもよく、第1のデータは、解像度のラインのセットおよび周波数範囲をカバーしている。このシステムは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された第2のセットのセンサからの第2のデータをキャプチャしてストリームする第2のデータセンシングおよび処理システムを含んでもよく、第2のデータは、解像度のラインのセットを含む複数の解像度ラインと、周波数の範囲を含む複数の周波数とをカバーし、第2のデータは、解像度のラインのセットを含む複数の解像度ラインと、周波数の範囲を含む複数の周波数とをカバーする。前記システムは、前記第1のデータの解像度ラインのセットおよび周波数範囲に対応する前記第2のデータの一部を選択し、前記第2のデータの選択された部分を前記第1のデータ感知処理システムで処理することを可能にしてもよい。
産業機械センサデータのストリーミング、収集、処理、および保存のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および保存システムと動作および統合するように構成されていてもよく、センシングされたデータのストリームの一部を自動的に処理するための方法を含んでいてもよい。センシングされたデータは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された第1のセンサセットから受信される。前記感知データは、前記機械の少なくとも1つの可動部分に関連付けられた前記産業機械の側面を監視するために配備された第2のセンサのセットから受信された感知データのセットに対応する感知データのストリームのサブセットを抽出することを容易にする電子データ構造に応答している、電子データ構造。センシングデータのセットは、周波数範囲に制約される。前記センシングデータのストリームは、前記センシングデータのセットの周波数範囲を超える周波数範囲を含み、前記処理は、前記センシングデータのセットの周波数範囲に制約されている前記センシングデータのストリームの一部に対してアルゴリズムを実行することからなり、前記アルゴリズムは、前記センシングデータのセットを処理するように構成されている、請求項1に記載の方法。
産業機械センサデータのストリーミング、収集、処理、および記憶のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および記憶システムと動作および統合するように構成されてもよく、産業機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサから第1のデータを受信するための方法を含んでもよい。この方法は、第1のデータによって表される周波数範囲および分解能のラインのうちの少なくとも1つを検出すること、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサからデータのストリームを受信することをさらに含んでもよい。データのストリームは、以下を含む。すなわち、(1)複数の周波数範囲と、前記周波数範囲および前記第1のデータによって表される解像度のラインを超える複数の解像度のライン、(2)前記周波数範囲および前記第1のデータによって表される解像度のラインの少なくとも1つに対応するデータのストリームから抽出されたデータのセット、および、(3)前記周波数範囲および前記第1のデータによって表される解像度のラインの範囲内でデータを処理するように構成されたデータ処理アルゴリズムで処理される、抽出されたデータのセットである。
ウェアラブルデバイス、移動ロボット、移動車両、および/またはハンドヘルド装置を含むモバイルデバイスを使用して、産業環境内のターゲットの状態を識別するための方法およびシステムが本明細書に提供される。モバイルデバイスは、例えば、振動、温度、電気、磁気、音、および/または他の測定値に基づいて、ターゲットの状態に関連する測定値を記録するように構成されていてもよい1つ以上のセンサを含む。これらのモバイルデバイスの一部または全部を使用して捕捉されたデータは、それらのモバイルデバイスに搭載されたインテリジェントシステムによって処理されてもよく、および/またはネットワークを介してそれらのモバイルデバイスと通信するサーバで処理されてもよい。インテリジェントシステムは、それぞれのモバイルデバイスを使用して捕捉されたデータを処理するためのインテリジェンスを含む。データを処理することは、例えば、データベースに格納された情報(例えば、産業環境に関連する知識ベースの一部であってもよい)と比較して、ウェアラブルデバイスからの状態関連測定値を比較することによって、測定値が記録されたターゲットの状態を特定することを含むことができる。実施形態では、モバイルデバイスを使用して捕捉された状態関連の測定値に応答して、是正措置が識別され、実行されてもよい。
実施形態では、産業環境のターゲットの状態を識別するためにウェアラブルデバイスを使用する方法が開示されている。実施形態では、この方法は、ウェアラブルデバイスの1つ以上のセンサを使用してターゲットの状態関連測定を記録することと、ネットワークを介して状態関連測定をサーバに送信することと、サーバに関連付けられたインテリジェントシステムを使用して、ターゲットの事前に記録されたデータに対して状態関連測定を処理することとを含む。実施形態では、ターゲットのための事前に記録されたデータに対する状態関連測定を処理することは、産業環境に関連する知識ベース内でターゲットのための事前に記録されたデータを識別すること、およびターゲットの状態として、知識ベース内でターゲットのための事前に記録されたデータによって示される状態を識別することを含む。
実施形態では、産業環境のターゲットの状態を識別するためのシステムが開示されている。実施形態では、システムは、第1のタイプの状態関連測定を記録するように構成された1つ以上のセンサを含む第1のウェアラブルデバイスと、第2のタイプの状態関連測定を記録するように構成された1つ以上のセンサを含む第2のウェアラブルデバイスと、第1のウェアラブルデバイスから第1のタイプの状態関連測定を受信し、第2のウェアラブルデバイスから第2のタイプの状態関連測定を受信するサーバと、以下のように構成されたインテリジェントシステムを含むサーバとから構成されている。すなわち、第1のタイプの状態関連測定および第2のタイプの状態関連測定を、知識ベース内に格納されている事前記録データに対して処理して、ターゲットの状態を特定する工程と、第1のタイプの状態関連測定または第2のタイプの状態関連測定のうち少なくとも1つに従って事前記録データを更新する工程と、を行うように構成されたインテリジェントシステムを含むサーバである。
実施形態では、産業環境のターゲットの状態を識別するためにモバイルデータコレクタを使用する方法が開示されている。実施形態では、その方法は、産業環境内のターゲットの位置に近づくようにモバイルデータコレクタを制御すること、モバイルデータコレクタの1つ以上のセンサを使用してターゲットの状態関連測定を記録すること、ネットワークを介して状態関連測定をサーバに送信すること、サーバに関連付けられたインテリジェントシステムを使用して、ターゲットのために事前に記録されたデータに対して状態関連測定を処理することから構成される。実施形態では、ターゲットの事前に記録されたデータに対する状態関連測定を処理することは、産業環境に関連する知識ベース内でターゲットの事前に記録されたデータを識別すること、およびターゲットの状態として、知識ベース内でターゲットの事前に記録されたデータによって示される状態を識別することを含む。
実施形態では、産業環境のターゲットの状態を識別するためのシステムが開示されている。実施形態では、システムは、第1のタイプの状態関連測定を記録するように構成された1つ以上のセンサを含む第1のモバイルデータコレクタと、第2のタイプの状態関連測定を記録するように構成された1つ以上のセンサを含む第2のモバイルデータコレクタと、第1のモバイルデータコレクタから第1のタイプの状態関連測定を受信し、第2のモバイルデータコレクタから第2のタイプの状態関連測定を受信するサーバと、第1のタイプの状態関連測定および第2のタイプの状態関連測定を、ナレッジベース内に格納された事前記録データに対して処理して、ターゲットの状態を特定し、第1のタイプの状態関連測定または第2のタイプの状態関連測定の少なくとも1つに従って事前記録データを更新するように構成されたインテリジェントシステムを含むサーバとから構成される。
実施形態では、産業環境のターゲットの状態を識別するためにハンドヘルド装置を使用する方法が開示されている。実施形態では、この方法は、ハンドヘルド装置の1つ以上のセンサを使用してターゲットの状態関連測定を記録することと、ネットワークを介して状態関連測定をサーバに送信することと、サーバに関連付けられたインテリジェントシステムを使用して、ターゲットの事前に記録されたデータに対して状態関連測定を処理することとを含む。実施形態では、ターゲットの事前に記録されたデータに対する状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットの事前に記録されたデータを識別すること、およびターゲットの状態として、知識ベース内でターゲットの事前に記録されたデータによって示される状態を識別することを含む。
実施形態では、産業環境のターゲットの状態を識別するためのシステムが開示されている。実施形態では、システムは、第1のタイプの状態関連測定を記録するように構成された1つ以上のセンサを含む第1の携帯(ハンドヘルド)装置と、第2のタイプの状態関連測定を記録するように構成された1つ以上のセンサを含む第2のハンドヘルド装置と、第1のハンドヘルド装置から第1のタイプの状態関連測定を受信し、第2のハンドヘルド装置から第2のタイプの状態関連測定を受信するサーバと、以下を行うように構成されたインテリジェントシステムを含むサーバとから構成されている。第1のタイプの状態関連測定および第2のタイプの状態関連測定を、ナレッジベース内に格納された事前記録データに対して処理してターゲットの状態を特定する工程と、第1のタイプの状態関連測定または第2のタイプの状態関連測定のうち少なくとも1つに従って事前記録データを更新する工程である。
1つ以上のデータキャプチャデバイスからの入力を使用して、1つ以上の産業用IoTデバイスの動作特性、例えば振動または他の適切な特性を識別するように構成されたコンピュータビジョンシステムのための方法およびシステムが本明細書に提供される。つ以上のデータキャプチャ装置は、可視光および非可視光をキャプチャする画像データキャプチャ装置、1つ以上の産業用IoT装置の様々な特性を測定するセンサ、または他の適切なデータキャプチャ装置を含むことができる。コンピュータビジョンシステムは、入力から画像データセットを生成し、産業用IoTデバイスの動作特性を特定するために、画像データセットの視覚的側面を分析するように構成されている。さらに、コンピュータビジョンシステムは、産業用IoTデバイスの動作特性に応答して是正措置をとるかどうかを判断するように構成されている。
実施形態では、製造装置の動作特性を検出するための装置は、メモリとプロセッサとを含む。メモリは、1つまたは複数のデータキャプチャ装置によってキャプチャされた生データを使用して1つまたは複数の画像データセットを生成するためにプロセッサによって実行可能な命令を含む。メモリはさらに、1つ以上の画像データセットによって表される関心点内の製造装置の一部分に対応する1つ以上の値を識別するためにプロセッサによって実行可能な命令を含む。メモリはさらに、プロセッサによって実行可能な命令を含み、1つ以上の値を記録し、記録された1つ以上の値を対応する予測値と比較し、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成する。メモリは、分散データに基づいて製造装置の動作特性を識別し、動作特性を示す指示を生成するためにプロセッサによって実行可能な命令をさらに含む。
実施形態では、製造装置の動作特性を検出するための方法は、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成することを含む。方法はまた、1つ以上の画像データセットによって表される関心点内の製造装置の一部分に対応する1つ以上の値を特定すること、1つ以上の値を記録すること、および記録された1つ以上の値を対応する予測値と比較することを含む。方法はまた、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、分散データに基づいて製造装置の動作特性を特定することを含む。前記方法はさらに、前記動作特性を示す指示を生成することを含む。
実施形態では、製造装置の動作特性を検出するためのシステムは、製造装置の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、メモリと、プロセッサとを含む。メモリは、キャプチャされた生データを使用して1つまたは複数の画像データセットを生成し、1つまたは複数の画像データセットによって表される関心点内の製造装置の一部分に対応する1つまたは複数の値を識別するためにプロセッサによって実行可能な命令を含む。メモリはさらに、プロセッサによって実行可能な命令を含み、1つ以上の値を記録し、記録された1つ以上の値を対応する予測値と比較する。メモリはさらに、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、分散データに基づいて製造装置の動作特性を特定し、動作特性を示す指示を生成するためにプロセッサによって実行可能な命令を含む。
実施形態では、製造装置の動作特性を検出するためのコンピュータビジョンシステムは、製造装置の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、メモリと、プロセッサとを含む。メモリは、キャプチャされた生データを使用して1つ以上の画像データセットを生成し、1つ以上の画像データセットによって表される関心点内の製造装置の一部分に対応する1つ以上の値を視覚的に識別するために、プロセッサによって実行可能な命令を含む。メモリはさらに、プロセッサによって実行可能な命令を含み、1つ以上の値を記録し、記録された1つ以上の値を対応する予測値と視覚的に比較する。メモリはさらに、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、分散データに基づいて製造装置の動作特性を特定するためにプロセッサによって実行可能な命令を含む。前記メモリは、前記動作特性を閾値と比較し、前記動作特性が前記閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内にあるかどうかを判断するために、前記プロセッサによって実行可能な命令をさらに含む。前記メモリは、前記動作特性を示す指示を生成するために前記プロセッサによって実行可能な命令をさらに含む。
実施形態では、デバイスの動作特性を検出するためのコンピュータビジョンシステムは、デバイスの関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、メモリと、プロセッサとを含む。メモリは、キャプチャされた生データを使用して1つ以上の画像データセットを生成し、1つ以上の画像データセットによって表される関心点内のデバイスの一部分に対応する1つ以上の値を視覚的に識別するためにプロセッサによって実行可能な命令を含む。メモリはさらに、プロセッサによって実行可能な命令を含み、1つ以上の値を記録し、記録された1つ以上の値を対応する予測値と視覚的に比較する。メモリは、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成するためにプロセッサによって実行可能な命令をさらに含む。メモリは、分散データに基づいてデバイスの動作特性を識別し、動作特性を閾値と比較するためにプロセッサによって実行可能な命令を含む。前記メモリは、前記動作特性が前記閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内にあるかどうかを判断し、前記動作特性を示す指示を生成するために、前記プロセッサによって実行可能な命令を含む。
方法およびシステムは、本明細書に開示された実施形態の組み合わせを含むものとして本明細書に提供される。実施形態では、方法は以下を含む。振動データを捕捉するために使用される少なくとも1つの振動センサを含むウェアラブルデバイスから産業機械の少なくとも一部の振動を代表する振動データを受信するステップと、捕捉された振動データを処理して捕捉された振動の周波数を決定するステップと、周波数に基づいて、捕捉された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定するステップと、決定されたセグメントに基づいて捕捉された振動の重大度単位を計算するステップと、重大度単位に基づいて産業機械の少なくとも一部のメンテナンス動作を実行するための予測メンテナンス回路内の信号を生成するステップとを含む。実施形態では、ウェアラブルデバイスの少なくとも1つの振動センサは、産業機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて振動データを捕捉する。実施形態では、この方法はさらに、ウェアラブルデバイスを使用して、産業機械がウェアラブルデバイスに近接していることを検出すること、およびウェアラブルデバイスに産業機械がウェアラブルデバイスに近接していることを検出することに応答して、ウェアラブルデバイスに振動データを捕捉させることを含む。実施形態では、この方法はさらに、次のことを含む。すなわち、ウェアラブルデバイスの少なくとも1つの振動センサを使用して、産業機械の少なくとも一部の振動レベルの変化を検出すること、および振動レベルの変化を検出することに応答して振動データをキャプチャするためにウェアラブルデバイスを使用することである。実施形態では、この方法は、メンテナンス動作の実行を引き起こすために、信号をウェアラブルデバイスに送信することをさらに含む。実施形態では、決定されたセグメントに基づいて捕捉された振動の重大度単位を計算することは、次のようにして決定されたセグメントに基づいて重大度単位に捕捉された振動をマッピングすることを含む。捕獲された振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に、捕獲された振動を第1の重大度単位にマッピングすること、捕獲された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に、捕獲された振動を第2の重大度単位にマッピングすること、および捕獲された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に、捕獲された振動を第3の重大度単位にマッピングすることから構成される。実施形態では、方法はさらに、振動が第1の重大度単位(ユニット)、第2の重大度ユニット、または第3の重大度ユニットにマッピングされるかどうかを決定するために、インテリジェントシステムを訓練することを含む。実施形態では、重大度ユニットは、捕捉された振動データに基づいて、メンテナンス動作の産業機械の少なくとも一部に対する影響を表す。実施形態では、方法はさらに、捕捉された振動データの処理によって捕捉された振動データの振幅および重力を決定することを含む。実施形態では、捕捉された振動の重大度単位を計算することは、決定されたセグメントと振幅または重力の少なくとも一方に基づいて重大度単位を計算することを含む。実施形態では、重大度単位は、周波数に依存しない捕捉振動を表す。実施形態では、信号またはメンテナンス動作のうちの少なくとも1つは、重大度ユニットに基づいて、少なくとも1つの振動センサを使用して更なる振動データの収集および分析のために周波数を増加または減少させることを示す。実施形態では、メンテナンス動作は、産業用機械の少なくとも一部に対して、較正、診断テスト、または目視検査のうちのいずれかを実行することを示す。実施形態では、方法はさらに、産業機械の構成要素に信号を送信することを含む。実施形態では、メンテナンス動作は、産業用機械の少なくとも一部を再調査することを示す。実施形態では、産業機械の構成要素は、信号を受信することに応答してメンテナンス動作を実行させる。実施形態では、ウェアラブルデバイスは、産業用プラットフォーム内に統合された複数のウェアラブルデバイスのうちの第1のウェアラブルデバイスである。実施形態では、複数のウェアラブルデバイスの第2のウェアラブルデバイスは、温度センサを使用して産業用機械の温度を捕捉する。実施形態では、信号は、重大度単位に基づいて生成され、捕捉された温度に基づいて計算された第2の重大度単位に基づいて生成される。実施形態では、複数のウェアラブルデバイスの第3のウェアラブルデバイスは、電気センサを使用して産業機械の電気出力または電気使用を捕捉する。実施形態では、信号は、重大度単位に基づいて、捕捉された電気出力または電気使用に基づいて計算された第3の重大度単位に基づいて生成される。実施形態では、複数のウェアラブルデバイスのうちの第4のウェアラブルデバイスは、磁気センサを使用して、産業機械の電磁場のレベルまたは変化を捕捉する。実施形態では、信号は、重大度単位に基づいて、捕捉された電磁場のレベルまたは変化に基づいて計算された第4の重大度単位に基づいて生成される。実施形態では、複数のウェアラブルデバイスのうちの第5のウェアラブルデバイスは、音センサを使用して産業機械から出力される音波を捕捉する。実施形態では、信号は、重大度単位に基づいて、捕捉した音波に基づいて計算された第5の重大度単位に基づいて生成される。実施形態では、ウェアラブルデバイスは、衣類の物品内に組み込まれた第1のウェアラブルデバイスである。実施形態では、この方法はさらに、付属品の物品内に統合された第2の着用可能なデバイスを使用することを含む。
実施形態では、方法は、産業機械の少なくとも一部の振動活動を検出および監視するためのモバイルデータコレクタを配備すること、モバイルデータコレクタが1つ以上の振動センサを含むこと、振動活動を代表する振動データを処理し、1つ以上の振動センサを使用して生成された振動データを処理することにより、タイミングに対する振動活動の重大度を決定すること、および振動活動の重大度に基づいて、産業機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することを含む。実施形態では、振動活動を代表する振動データを処理し、1つ以上の振動センサを使用して生成された振動データを処理して、タイミングに対する振動データの重大度を決定することは、以下wを含む。すなわち、振動データを処理して振動活動の周波数を決定すること、周波数に基づいて、振動活動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、およびマルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動の重大度単位を計算すること。実施形態では、マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて振動活動の重大度単位を計算することは、次のことを含む。振動活動をマルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて重大度単位にマッピングすること。振動活動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動活動を第1の重大度ユニットにマッピングすること、振動活動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動活動を第2の重大度ユニットにマッピングすること、および振動活動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動活動を第3の重大度ユニットにマッピングすることである。実施形態では、この方法はさらに、モバイルデータコレクタの少なくとも1つにメンテナンス動作を実行させることを含む。実施形態では、この方法はさらに、次のことを含む。産業機械を含む産業環境内の産業機械の位置に接近するようにモバイルデータ収集器を制御すること、モバイルデータ収集器の1つ以上の振動センサに振動活動の1つ以上の測定値を記録させること、および振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信することである。実施形態では、振動データは、振動活動の重大度を決定するためにサーバで処理される。実施形態では、振動活動の重大度に基づいて、産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、サーバに関連付けられたインテリジェントシステムを使用して、産業用機械のために事前に記録されたデータに対して振動データを処理することを含む。実施形態では、産業用機械のための事前に記録されたデータに対して振動データを処理することは、産業用環境に関連付けられた知識ベース内の産業用機械のための事前に記録されたデータを識別することと、知識ベース内の産業用機械のための事前に記録されたデータに基づいて機械の少なくとも一部の動作特性を識別することと、動作特性に基づいて1つ以上のメンテナンス動作を予測することとを含む。実施形態では、振動活動は、産業用機械に関連する振動包絡線から得られる波形を示す。実施形態では、モバイルデータコレクタが産業用機械に近接しているときに、1つ以上の振動センサが振動活動を検出する。実施形態では、振動活動は、産業機械の少なくとも一部の速度情報を表す。実施形態では、振動活動は、産業機械の少なくとも一部に関する周波数情報を表す。実施形態では、移動データコレクタは、移動ロボットである。実施形態では、移動データコレクタは、移動車両である。実施形態では、移動データ収集器は、移動データ収集器群の複数の移動データ収集器のうちの1つである。実施形態では、方法はさらに、移動データコレクタ群の自己組織化システムを使用して、産業機械を含む産業環境内での移動データコレクタの動きを制御することを含む。実施形態では、1つ以上の振動センサは、移動データコレクタが産業用機械に近接しているときに振動活動を検出する。実施形態では、産業環境内でのモバイルデータコレクタの動きを制御するためにモバイルデータコレクタ群の自己組織化システムを使用することは、複数のモバイルデータコレクタのうちの少なくとも1つの他のモバイルデータコレクタの動きに基づいて、産業環境内でのモバイルデータコレクタの動きを制御することを含む。実施形態では、移動データコレクタは移動ロボットであり、複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタは移動車両である。
実施形態では、産業用機械予測メンテナンスシステムは、産業用環境に配置された1台以上の産業用機械の状態を代表する健康モニタリングデータを収集するように構成された1台以上の移動式データコレクタを含む。移動式データコレクタ群と、機械故障検出および分類アルゴリズムを適用して健康モニタリングデータに応答して産業用機械サービス推奨事項を生成する産業用機械予測メンテナンス設備と、産業用機械サービス推奨事項を受信することに応答してサービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化された保全管理システム(CMMS)とから構成されている。実施形態では、産業機械予測メンテナンスシステムは、サービスおよび部品の注文および要求の少なくとも1つに応答して産業機械で実行されるサービスに関する情報を受信して処理するサービスおよび配送調整設備をさらに含み、それにより、個々の産業機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証する。実施形態では、台帳は、ブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションの記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続のブロックを生成する。実施形態では、産業機械予測メンテナンスシステムは、産業環境内での1つ以上の移動データ収集器の動きを制御する自己組織化システムをさらに含む。実施形態では、自己組織化システムは、健康監視データに対する要求を1つ以上の移動データコレクタに送信する。実施形態では、モバイルデータ収集者は、要求に応答して健康監視データを自己組織化システムに送信する。実施形態では、自己組織化システムは、健康監視データを産業機械予測メンテナンス設備に送信する。実施形態では、産業機械予測メンテナンスシステムは、さらに、移動データコレクタがデータコレクタに近接しているときに、1つ以上の移動データコレクタから健康監視データを受信するデータ収集ルータを含む。実施形態では、データ収集ルータは、健康監視データを産業機械予測メンテナンス設備に送信する。実施形態では、1つ以上のモバイルデータ収集器は、健康監視データをデータ収集ルータにプッシュする。実施形態では、データ収集ルータは、1つまたは複数のモバイルデータコレクタから健康監視データを引き出す。実施形態では、産業用機械予測メンテナンスシステムは、産業用環境内での1つ以上の移動式データコレクタの動きを制御する自己組織化システムをさらに構成する。実施形態では、自己組織化システムは、1つ以上のモバイルデータコレクタからデータ収集ルータへの健康監視データの通信を制御する。実施形態では、1つ以上のモバイルデータ収集器の各モバイルデータ収集器は、1つ以上の統合センサを含むモバイルロボット、1つ以上の結合センサを含むモバイルロボット、1つ以上の統合センサを有するモバイルビークル、または1つ以上の結合センサを有するモバイルビークルのうちの1つである。実施形態では、産業機械予測メンテナンス設備は、健康モニタリングデータに対して計算された重大度単位に基づいて産業機械サービス推奨を生成する。
実施形態では、システムは、産業用ユニフォーム内に統合された複数のウェアラブルデバイスで構成され、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に位置する産業用機械から測定値を収集する1つ以上のセンサで構成され、測定値は、産業用機械の状態を代表するものであり、産業用機械の故障検出および分類アルゴリズムを適用することにより、測定値に基づいて産業用機械のサービス推奨を生成する産業用機械予測メンテナンス設備と、産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化された保守管理システム(CMMS)とから構成される。実施形態では、システムは、サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理するサービスおよび配送調整設備をさらに含み、それにより、個々の産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証する。実施形態では、台帳は、ブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションの記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続のブロックを生成する。実施形態では、産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサは、産業用機械の少なくとも1つから振動測定値を収集するように構成されたセンサを含む。実施形態では、産業用ユニフォームの第2のウェアラブルデバイスの1つ以上のセンサは、産業用機械の少なくとも1つから温度測定値を収集するように構成されたセンサを含む。実施形態では、産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサは、産業用機械の少なくとも1つから電気的測定値を収集するように構成されたセンサを含む。実施形態では、産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサは、産業用機械の少なくとも1つから磁気測定値を収集するように構成されたセンサを含む。実施形態では、産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサは、産業用機械の少なくとも1つから音の測定値を収集するように構成されたセンサを含む。実施形態では、産業用ユニフォームの第1の着用可能デバイスは衣類の物品であり、産業用ユニフォームの第2の着用可能デバイスはアクセサリーの物品である。実施形態では、システムはさらに、複数のウェアラブルデバイスによる1つ以上の産業用機械の測定値の収集を制御する集合的処理心を構成する。実施形態では、集合的処理心は、産業用ユニフォームのウェアラブルデバイスに第1のコマンドを送信して、ウェアラブルデバイスの1つまたは複数のセンサが1つまたは複数の産業用機械の測定値を収集するように引き起こす。実施形態では、集合的処理心は、ウェアラブルデバイスに第2のコマンドを送信して、ウェアラブルデバイスが集合的処理心に測定値を送信するように引き起こす。実施形態では、産業機械予測メンテナンス設備は、測定値に対して計算された重大度単位に基づいて、産業機械サービス推奨を生成する。
実施形態では、システムは以下から構成される。産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械から測定値を収集する1つ以上のセンサで構成され、測定値は産業用機械の状態を代表するものである。さらに、機械故障検出および分類アルゴリズムを適用して測定値に基づいて産業用機械サービス推奨を生成する産業用機械予知メンテナンス設備である。さらに、産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)、およびサービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証するサービスおよび配送調整設備である。実施形態では、産業機械予測メンテナンス設備は、測定値に対して計算された重大度単位に基づいて産業機械サービス推奨を生成する。実施形態では、台帳は、ブロックチェーン構造を使用して、サービスおよび部品の注文および要求の少なくとも1つのそれぞれについてのトランザクションの記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。
実施形態では、システムは以下のもので構成されている。産業用環境に配置された1台以上の産業用機械の状態を代表する健康モニタリングデータを収集するように構成された1台以上のモバイルデータコレクタである。さらに、モバイルデータコレクタ群と、機械故障検出および分類アルゴリズムを適用して健康モニタリングデータに応答して産業用機械サービス推奨事項を生成する産業用機械予測メンテナンス設備と、産業用機械サービス推奨事項を受信したことに応答してサービスおよび部品の注文および要求を生成するコンピュータ化された保全管理システム(CMMS)と産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)、およびサービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証するサービスおよび配送調整設備である。実施形態では、産業機械予測メンテナンス設備は、健康モニタリングデータに対して計算された重大度単位に基づいて産業機械サービス推奨事項を生成する。実施形態では、台帳は、ブロックチェーン構造を使用して、注文とサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。
実施形態では、この方法は、ハンドヘルド装置(携帯装置)の1つ以上の振動センサを使用して、産業機械の少なくとも一部の測定振動を表す振動データを生成すること、振動データを1つ以上の重要度単位にマッピングすること、および重要度単位に基づいて産業機械の少なくとも一部に対して実行すべきメンテナンス動作を決定することにより、産業機械の予測メンテナンスのために重要度単位を使用することを含む。実施形態では、振動データを1つ以上の重大度単位にマッピングすることは、次のことを含む。振動周波数スペクトルのローエンド膝閾値範囲以下に対応する周波数を有する振動データの一部を第1の重大度単位にマッピングすること、振動周波数スペクトルの中域に対応する周波数を有する振動データの一部を第2の重大度単位にマッピングすること、および振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する周波数を有する振動データの一部を第3の重大度単位にマッピングすることである。実施形態では、振動データの1つ以上の重大度ユニットへのマッピングは、ハンドヘルド装置で実行される。実施形態では、振動データの1つ以上の重大度単位へのマッピングは、サーバで実行される。実施形態では、この方法はさらに、ハンドヘルド装置からサーバに振動データを送信することを含む。実施形態では、この方法はさらに、ハンドヘルド装置に関連付けられた集合的処理マインドを使用して、ハンドヘルド装置が産業機械に近接していることを検出することと、集合的処理マインドから、ハンドヘルド装置に振動データを生成させるための第1のコマンドを送信することと、振動データを生成した後、集合的処理マインドから、ハンドヘルド装置に振動データを集合的処理マインドに送信させるための第2のコマンドを送信することとを含む。
実施形態では、システムは以下から構成される。産業機械の一部の振動を捕捉するために配置された少なくとも1つの振動センサである。さらに、産業機械と、前記少なくとも1つの振動センサから捕捉された振動を収集して振動データを生成する移動データコレクタと、前記捕捉された振動を前記複数の振動周波数セグメントの1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、前記捕捉された振動を前記複数の振動周波数セグメントの1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造である。さらに、決定された振動の周波数および対応するマッピングされたセグメントを受信して、対応するマッピングされたセグメントに対して定義された複数の重大度ユニットのうちの1つにマッピングされた重大度値を生成する重大度ユニットアルゴリズム、および複数の重大度ユニットのうちの1つを受信して、それに基づいて、産業機械の部分に対応するメンテナンスアクションを実行するように予知メンテナンスサーバに信号を送る信号生成回路である。
具体的には、この方法は、分散型台帳を使用して、産業用IoT(モノのインターネット:Internet of Things)データの自動データ・マーケットプレイスで実行された1 つ以上の取引を追跡することを含む。実施形態では、分散型台帳は、1つ以上のデバイス間で1つ以上のトランザクションを示すデータのためのストレージを配布する。実施形態では、1つ以上のトランザクションを示すデータは、トランザクションレコードに対応し、1つ以上のモバイルデータコレクタを使用して、産業用機械の状態を代表するセンサデータを生成する。実施形態では、センサデータは、機械の状態に関連する問題を解決するために使用されるサービスおよび部品の注文または要求の少なくとも1つを決定するために使用される。実施形態では、分散台帳に格納されたトランザクションレコードは、センサデータ、産業用機械の状態、注文またはサービスおよび部品の要求の少なくとも1つ、機械の状態に関連付けられた問題、またはトランザクションレコードを識別するために使用されるハッシュのうちの1つ以上を表す。実施形態では、分散台帳は、ブロックチェーン構造を使用してトランザクションレコードを格納する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。実施形態では、各モバイルデータコレクタは、モバイル車両、モバイルロボット、ハンドヘルド装置、またはウェアラブル装置のいずれかである。実施形態では、方法はさらに、機械故障検出および分類アルゴリズムをセンサデータに適用して産業用機械サービス推奨を生成することと、産業用機械サービス推奨に基づいて、注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することとから構成される。実施形態では、1つ以上のモバイルデータコレクタは、コンピュータビジョンシステムを使用して、1つ以上のデータキャプチャ装置を使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することにより、センサデータを生成する。実施形態では、画像セットデータは、産業機械サービス推薦を生成するために使用される。
実施形態では、システムは、産業用機械と1つ以上のモバイルデータコレクタを接続するIoTネットワークと、産業用機械の状態を示すセンサデータを生成するための1つ以上のセンサを含む各モバイルデータコレクタと、IoTネットワークと通信するサーバと、産業用機械に関連するメンテナンストランザクションを追跡するために分散台帳を使用する予測メンテナンスプラットフォームを実装するサーバと、分散台帳は、メンテナンストランザクションに対応するトランザクションレコードを保存することから構成されます。実施形態では、予測メンテナンスプラットフォームは、トランザクションレコードの少なくとも一部を、1つ以上のモバイルデータコレクタに配信する。実施形態では、システムはさらに、分散台帳内のトランザクションレコードの格納を最適化する自己組織化格納システムを構成する。実施形態では、システムはさらに、産業機械に関連するメンテナンスデータの保存を最適化する自己組織化ストレージシステムを構成する。実施形態では、システムはさらに、IoTネットワークに関連付けられたIoTデータのストレージを最適化する自己組織化ストレージシステムを構成する。実施形態では、システムはさらに、メンテナンストランザクションに関連する部品およびサービスデータのストレージを最適化する自己組織化ストレージシステムを構成する。実施形態では、システムはさらに、産業機械に関連する知識ベースデータのストレージを最適化する自己組織化ストレージシステムを構成する。実施形態では、各移動データコレクタは、移動車両、移動ロボット、ハンドヘルド装置、またはウェアラブル装置のいずれかである。実施形態では、システムはさらに、センサデータに機械故障検出および分類アルゴリズムを適用することにより、状態に対する産業機械サービス推奨を生成する産業機械予測メンテナンス設備を構成する。実施形態では、システムはさらに、センサデータに基づいて状態の重大度値を生成する重大度単位アルゴリズムを構成する。実施形態では、産業用機械サービス推奨は、重大度値に基づいて生成される。実施形態では、1つ以上の移動データコレクタのうちの少なくとも1つは、コンピュータビジョンシステムを使用して、1つ以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することにより、センサデータを生成する。実施形態では、画像セットデータは、産業用機械サービス推薦を生成するために使用される。
実施形態では、方法は、モバイルデータコレクタを使用して産業用機械の状態を表すセンサデータを生成すること、センサデータを分析することにより産業用機械の状態の重大度を決定すること、状態の重大度に基づいて産業用機械に対して実行すべきメンテナンス動作を予測すること、および予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳内に格納すること、から構成される。実施形態では、この方法はさらに次のことを含む。予測されたメンテナンス動作に関連して、メンテナンス動作を実行するために使用されるサービスおよび部品に対する注文または要求のうちの少なくとも1つを生成すること、およびトランザクションレコード内にサービスおよび部品に対する注文または要求のうちの少なくとも1つを示すデータを含むこと。実施形態では、モバイルデータコレクタは、モバイル車両、モバイルロボット、ハンドヘルド装置、またはウェアラブル装置のいずれかである。実施形態では、方法はさらに、産業用機械の状態を代表するデータに機械学習を適用することを含む。実施形態では、振動の周波数を分析してセンサデータの重大度を決定することは、適用された機械学習を使用して、振動の周波数または速度のうちの少なくとも1つに関連付けられた機械学習データに基づいて、センサデータの重大度を決定することを含む。
実施形態では、産業用機械予測メンテナンスシステムは、以下から構成される。1つまたは複数のデータキャプチャ装置によってキャプチャされた生データを使用して1つまたは複数の画像データセットを生成し、1つまたは複数の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステム、動作特性を示すデータに機械故障検出および分類アルゴリズムを適用することによって産業用機械サービス推奨を生成する産業用機械予測メンテナンス設備、産業用機械サービス推奨を受信することに応答するサービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)、およびサービスおよび部品の注文および要求の少なくとも1つに基づいて産業用機械で実行するサービスに関する情報を受信して処理するサービスおよび配送調整設備である。実施形態では、サービスおよび配送調整設備は、産業用機械のためのサービス活動および結果の台帳を作成しながら、産業用機械で実行するサービスを検証する。実施形態では、台帳は、ブロックチェーン構造を使用して、注文とサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続のブロックを生成する。実施形態では、産業機械予測メンテナンス設備は、産業機械に関連付けられた知識ベース内に格納されたデータを使用して、産業機械サービス推奨を生成する。実施形態では、動作特性は、産業機械の少なくとも一部について検出された振動に関連する。実施形態では、産業機械予測メンテナンス設備は、検出された振動について計算された重大度単位に従って産業機械サービス推奨を生成する。実施形態では、重大度単位は、検出された振動の周波数を決定し、検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、決定されたセグメントに基づいて検出された振動の重大度単位を計算することによって、検出された振動について計算される。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、検出された振動は、捕捉された振動の周波数が、マルチセグメント振動周波数スペクトルのローエンド膝閾値範囲以下に対応する場合に、第1の重大度ユニットにマッピングされる。実施形態では、捕捉された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合、検出された振動は、第2の重大度ユニットにマッピングされる。実施形態では、捕捉された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合、検出された振動は第3の重大度ユニットにマッピングされる。実施形態では、重大度ユニットは、検出された振動が産業機械の少なくとも一部の故障につながる可能性があることを示す。実施形態では、産業機械サービス推奨は、故障を防止または軽減するための推奨を含む。実施形態では、注文およびサービス要求のうちの少なくとも1つは、故障を防止または緩和するために使用される部品またはサービスのためのものである。実施形態では、1つ以上のデータキャプチャ装置は、コンピュータビジョンシステムの外部にある。実施形態では、産業機械予測メンテナンスシステムは、注文およびサービス要求と部品の少なくとも1つを使用して、産業機械のサービス推奨に対応するメンテナンスアクションを産業機械上で実行するように構成されたモバイルデータコレクタ(移動データコレクタ)をさらに含む。実施形態では、サービスおよび配送調整設備は、メンテナンスアクションの実行を示す信号をモバイルデータコレクタから受信する。実施形態では、サービスおよび配送調整設備は、台帳を使用して、産業機械のサービス活動および結果を記録する。実施形態では、サービスおよび配送調整設備は、モバイルデータコレクタから受信した信号に基づいて台帳内に新しいレコードを生成する。
実施形態では、産業用機械予測メンテナンスシステムは、次のものから構成される。1つまたは複数のデータキャプチャ装置によってキャプチャされた生データを使用して1つまたは複数の画像データセットを生成し、1つまたは複数の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステム、動作特性を示すデータに機械故障検出および分類アルゴリズムを適用して産業用機械サービス推奨を生成する産業用機械予測メンテナンス設備、および産業用機械サービス推奨を受信することに応答してサービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)である。実施形態では、産業用機械予測メンテナンスシステムは、サービスおよび部品の注文および要求のうちの少なくとも1つに基づいて産業用機械で実行すべきサービスに関する情報を受信し処理するサービスおよび配送調整設備をさらに含む。実施形態では、サービスおよび配送調整設備は、産業用機械のサービス活動および結果の台帳を作成しながら、産業用機械で実行するサービスを検証する。実施形態では、台帳は、ブロックチェーン構造を使用して、注文とサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続のブロックを生成する。実施形態では、産業機械予測メンテナンス設備は、産業機械に関連付けられた知識ベース内に格納されたデータを使用して、産業機械サービス推奨を生成する。実施形態では、動作特性は、産業機械の少なくとも一部について検出された振動に関連する。実施形態では、産業機械予測メンテナンス設備は、検出された振動について計算された重大度単位に従って産業機械サービス推奨を生成する。実施形態では、重大度単位は、検出された振動の周波数を決定し、検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、決定されたセグメントに基づいて検出された振動の重大度単位を計算することによって、検出された振動について計算される。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、検出された振動は、捕捉された振動の周波数が、マルチセグメント振動周波数スペクトルのローエンド膝閾値範囲以下に対応する場合に、第1の重大度ユニットにマッピングされる。実施形態では、捕捉された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合、検出された振動は、第2の重大度ユニットにマッピングされる。実施形態では、捕捉された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合、検出された振動は第3の重大度ユニットにマッピングされる。実施形態では、重大度ユニットは、検出された振動が産業機械の少なくとも一部の故障につながる可能性があることを示す。実施形態では、産業機械サービス推奨は、故障を防止または軽減するための推奨を含む。実施形態では、注文およびサービス要求のうちの少なくとも1つは、故障を防止または緩和するために使用される部品またはサービスのためのものである。実施形態では、1つ以上のデータキャプチャ装置は、コンピュータビジョンシステムの外部にある。実施形態では、産業機械予測メンテナンスシステムは、注文およびサービス要求と部品の少なくとも1つを使用して、産業機械のサービス推奨に対応するメンテナンスアクションを産業機械上で実行するように構成されたモバイルデータコレクタをさらに含む。実施形態では、サービスおよび配送調整設備は、メンテナンスアクションの実行を示す信号をモバイルデータコレクタから受信する。実施形態では、サービスおよび配送調整設備は、台帳を使用して、産業機械のサービス活動および結果を記録する。実施形態では、サービスおよび配送調整設備は、モバイルデータコレクタから受信した信号に基づいて台帳に新しいレコードを生成する。実施形態では、移動データコレクタは、移動車両である。実施形態では、モバイルデータコレクタは、モバイルロボットである。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。
実施形態では、産業機械予測メンテナンスシステムは、以下から構成される。1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成し、1つ以上の画像データセットに基づいて産業機械の動作特性を検出するコンピュータビジョンシステム、動作特性に基づいて産業機械サービス推奨を生成する産業機械予測メンテナンス設備、および産業機械の産業機械サービス推奨に対応するメンテナンス動作を実行するように構成されたモバイルデータコレクタである。実施形態では、モバイルデータコレクタは、モバイルデータコレクタの群の1つのモバイルデータコレクタであり、産業機械予測メンテナンスシステムは、産業機械を含む産業環境内での群のモバイルデータコレクタの動きを制御するように構成されたモバイルデータコレクタの群の自己組織化システムをさらに備える。実施形態では、産業用機械予測メンテナンス設備は、動作特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、産業用機械サービス推奨を生成する。実施形態では、産業用機械予測メンテナンス設備は、産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、産業用機械サービス推奨を作成する。実施形態では、動作特性は、産業用機械の少なくとも一部について検出された振動に関連している。実施形態では、産業機械予測メンテナンス設備は、検出された振動について計算された重大度単位に従って産業機械サービス推奨を生成する。実施形態では、重大度単位は、検出された振動の周波数を決定し、検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、決定されたセグメントに基づいて検出された振動の重大度単位を計算することによって、検出された振動について計算される。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいていくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、検出された振動は、捕捉された振動の周波数が、マルチセグメント振動周波数スペクトルのローエンド膝閾値範囲以下に対応する場合に、第1の重大度ユニットにマッピングされる。実施形態では、捕捉された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合、検出された振動は、第2の重大度ユニットにマッピングされる。実施形態では、捕捉された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合、検出された振動は第3の重大度ユニットにマッピングされる。実施形態では、重大度ユニットは、検出された振動が産業機械の少なくとも一部の故障につながる可能性があることを示す。実施形態では、産業機械サービス推奨は、故障を防止または軽減するための推奨を含む。実施形態では、産業用機械予測メンテナンスシステムは、さらに、産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)から構成される。実施形態では、モバイルデータコレクタは、サービスおよび部品の注文および要求のうちの少なくとも1つを使用してメンテナンスアクションを実行する。実施形態では、産業機械予測メンテナンスシステムは、サービスおよび部品に対する注文および要求のうちの少なくとも1つに基づいて、産業機械で実行すべきサービスに関する情報を受信して処理するサービスおよび配送調整設備をさらに含む。実施形態では、サービスおよび配送調整設備は、産業用機械のためのサービス活動および結果の台帳を生成しながら、産業用機械で実行するサービスを検証する。実施形態では、台帳は、ブロックチェーン構造を使用して、注文とサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する。
実施形態では、産業機械の予測メンテナンスのための方法は、以下を含む。モバイルデータコレクタの1つ以上のセンサを使用して産業機械の状態を表すデータを生成するステップと、データを処理して産業機械の状態の重大性を決定するステップと、重大性に基づいて産業機械の状態に対する産業機械サービスの推奨を決定するステップと、産業機械サービスの推奨を示す信号を生成するステップである。実施形態では、モバイルデータコレクタは、データとして、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成し、1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムを使用する。実施形態では、動作特性は、産業機械の状態に対応する。実施形態では、移動データコレクタは、移動ロボットである。実施形態では、移動データコレクタは、移動車両である。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタはウェアラブルデバイスである。実施形態では、重大度に基づいて産業用機械の状態に対する産業用機械サービス推奨を決定することは、機械故障検出および分類アルゴリズムをデータおよび重大度に適用するためにインテリジェントシステムを使用することを含む。実施形態では、産業用機械の状態は、産業用機械の少なくとも一部について検出された振動に関連しており、産業用機械の状態の重大性を決定するためにデータを処理することは、次のことを含む。検出された振動の周波数を決定すること、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および決定されたセグメントに基づいて検出された振動の重大性を計算することである。実施形態では、重大度は、重大度単位に対応する。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、検出された振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に、検出された振動を第1の重大度ユニットにマッピングすること、検出された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に、検出された振動を第2の重大度ユニットにマッピングすること、および検出された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に、検出された振動を第3の重大度ユニットにマッピングすることから構成される。実施形態では、この方法はさらに、産業機械サービス推奨に関連したメンテナンス動作を実行するように構成された移動ロボットに信号を送信することを含む。実施形態では、方法はさらに、産業用機械のサービス推奨の記録を、産業用機械に関連するサービス活動の台帳内に格納することを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械に対する産業用機械サービス推奨の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、方法はさらに、産業機械のサービス推奨に基づいて、サービスおよび部品の注文または要求の少なくとも1つを生成することを含む。実施形態では、信号は、注文またはサービスおよび部品の要求の少なくとも1つを示す。
実施形態では、産業機械の予測メンテナンスのための方法は、以下を含む。1つまたは複数のウェアラブルデバイスを使用して産業機械の状態を表すデータを生成することであって、各ウェアラブルデバイスは1つまたは複数のセンサを含む。実施形態では、1つ以上のウェアラブルデバイスのウェアラブルデバイスは、ウェアラブルデバイスが産業機械に近接しているときにデータの一部または全部を生成すること、データを処理して産業機械の状態の重大性を決定すること、重大性に基づいて産業機械の状態に対する産業機械サービス推奨を決定すること、および産業機械に関連付けられたサービス活動の台帳内に産業機械サービス推奨の記録を格納することを実行する。実施形態では、産業機械の状態は、産業機械の少なくとも一部について検出された振動に関連しており、産業機械の状態の重大度を決定するためにデータを処理することは、次のことを含む。検出された振動の周波数を決定すること、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および決定されたセグメントに基づいて検出された振動の重大度を計算することである。実施形態では、重大度は、重大度単位に対応する。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、検出された振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に、検出された振動を第1の重大度ユニットにマッピングすること、検出された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に、検出された振動を第2の重大度ユニットにマッピングすること、および検出された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に、検出された振動を第3の重大度ユニットにマッピングすること、を含む。実施形態では、重大度に基づいて産業機械の状態に対する産業機械サービス推奨を決定することは、インテリジェントシステムを使用して、機械故障検出および分類アルゴリズムをデータおよび重大度に適用することを含む。実施形態では、インテリジェントシステムは、YOLO(You only look once:見るのは一度きり)ニューラルネットワークを含む。実施形態では、インテリジェントシステムは、一度だけ見る畳み込みニューラルネットワークを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットハイブリッドコンポーネント上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための機械学習システムを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための深層学習システムを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械に対する産業用機械のサービス推奨の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、この方法はさらに、産業機械のサービス推奨に基づいて、サービスおよび部品の注文または要求の少なくとも1つを生成することを含む。実施形態では、台帳に格納された産業用機械サービス推奨のためのレコードは、サービスおよび部品の注文または要求のうちの少なくとも1つを示す。実施形態では、1つ以上のウェアラブルデバイスは、産業用ユニフォーム内に統合されている。実施形態では、ウェアラブルデバイスは、衣類の物品内に統合される。実施形態では、ウェアラブルデバイスは、アクセサリー物品内に組み込まれる。
実施形態では、産業機械の予測メンテナンスのための方法は、以下を含む。1つまたは複数のハンドヘルド装置を使用して産業機械の状態を表すデータを生成すること、各ハンドヘルド装置は1つまたは複数のセンサを含む。実施形態では、1つ以上のハンドヘルド装置のハンドヘルド装置は、ハンドヘルド装置が産業機械に近接しているときにデータの一部または全部を生成し、データを処理して産業機械の状態の重大性を決定し、重大性に基づいて産業機械の状態に対する産業機械サービス推奨を決定し、産業機械に関連付けられたサービス活動の台帳内に産業機械サービス推奨の記録を格納する。実施形態では、産業機械の状態は、産業機械の少なくとも一部について検出された振動に関連しており、産業機械の状態の重大度を決定するためにデータを処理することは、次のことを含む。:検出された振動の周波数を決定すること、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および決定されたセグメントに基づいて検出された振動の重大度を計算すること。実施形態では、重大度は、重大度単位に対応する。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、検出された振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に、検出された振動を第1の重大度ユニットにマッピングすること、検出された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に、検出された振動を第2の重大度ユニットにマッピングすること、および検出された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に、検出された振動を第3の重大度ユニットにマッピングすること、を含む。実施形態では、重大度に基づいて産業機械の状態に対する産業機械サービス推奨を決定することは、インテリジェントシステムを使用して、機械故障検出および分類アルゴリズムをデータおよび重大度に適用することを含む。実施形態では、インテリジェントシステムは、YOLOニューラルネットワークを含む。実施形態では、インテリジェントシステムは、一度だけ見る畳み込みニューラルネットワークを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットハイブリッドコンポーネント上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、ハイブリッドニューラルネットワークのためにユーザが構成可能な直列および並列フローを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための機械学習システムを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための深層学習システムを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械に対する産業用機械のサービス推奨の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、方法はさらに、産業機械のサービス推奨に基づいて、サービスおよび部品の注文または要求の少なくとも1つを生成することを含む。実施形態では、台帳に格納された産業用機械サービス推奨のためのレコードは、サービスおよび部品の注文または要求の少なくとも1つを示す。
実施形態では、産業機械の予測メンテナンスのための方法は、以下を含む。:1つ以上の移動ロボットを使用して産業機械の状態を表すデータを生成すること、各移動ロボットは1つ以上のセンサを含む。実施形態では、1つ以上の移動ロボットの移動ロボットは、移動ロボットが産業機械に近接しているときにデータの一部または全部を生成し、データを処理して産業機械の状態の重大性を決定し、重大性に基づいて産業機械の状態に対する産業機械サービス推奨を決定し、産業機械に関連付けられたサービス活動の台帳内に産業機械サービス推奨の記録を格納する。実施形態では、産業機械の状態は、産業機械の少なくとも一部について検出された振動に関連しており、産業機械の状態の重大度を決定するためにデータを処理することは、次のことを含む。:検出された振動の周波数を決定すること、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および決定されたセグメントに基づいて検出された振動の重大度を計算すること。実施形態では、重大度は、重大度単位に対応する。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、検出された振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に、検出された振動を第1の重大度ユニットにマッピングすること、検出された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に、検出された振動を第2の重大度ユニットにマッピングすること、および検出された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に、検出された振動を第3の重大度ユニットにマッピングすることから構成されている。実施形態では、重大度に基づいて産業機械の状態に対する産業機械サービス推奨を決定することは、インテリジェントシステムを使用して、機械故障検出および分類アルゴリズムをデータおよび重大度に適用することを含む。実施形態では、インテリジェントシステムは、YOLOニューラルネットワークを含む。実施形態では、インテリジェントシステムは、一度だけ見る畳み込みニューラルネットワークを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットハイブリッドコンポーネント上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための機械学習システムを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための深層学習システムを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械に対する産業用機械のサービス推奨の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、方法はさらに、産業機械のサービス推奨に基づいて、サービスおよび部品の注文または要求の少なくとも1つを生成することを含む。実施形態では、台帳に格納された産業用機械サービス推奨のためのレコードは、サービスおよび部品の注文または要求のうちの少なくとも1つを示す。実施形態では、移動ロボットは、移動データ収集スウォームの複数の移動ロボットのうちの1つである。実施形態では、方法はさらに、移動ロボットが産業環境内の産業機械の位置に接近するように移動データ収集群を制御することを含む。実施形態では、移動ロボットが産業環境内の産業機械の位置に接近するように移動データコレクタ群を制御することは、移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動ロボットの位置に基づいて、産業環境内の移動ロボットの動きを制御することを含む。
実施形態では、産業機械の予測メンテナンスのための方法は、以下を含む。:1つまたは複数の移動体を使用して産業機械の状態を表すデータを生成すること、各移動体は1つまたは複数のセンサを含む。実施形態では、1つ以上の移動体の移動体は、移動体が産業機械に近接しているときにデータの一部または全部を生成し、データを処理して産業機械の状態の重大性を決定し、重大性に基づいて産業機械の状態に対する産業機械サービス推奨を決定し、産業機械に関連付けられたサービス活動の台帳内に産業機械サービス推奨の記録を格納する。実施形態では、産業機械の状態は、産業機械の少なくとも一部について検出された振動に関連しており、産業機械の状態の重大度を決定するためにデータを処理することは、次のことを含む。:検出された振動の周波数を決定すること、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および決定されたセグメントに基づいて検出された振動の重大度を計算すること。実施形態では、重大度は、重大度単位に対応する。実施形態では、検出された振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、検出された振動を、決定されたセグメントに基づいて、いくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、検出された振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に、検出された振動を第1の重大度ユニットにマッピングすること、検出された振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に、検出された振動を第2の重大度ユニットにマッピングすること、および検出された振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に、検出された振動を第3の重大度ユニットにマッピングすること、を含む。実施形態では、重大度に基づいて産業機械の状態に対する産業機械サービス推奨を決定することは、インテリジェントシステムを使用して、機械故障検出および分類アルゴリズムをデータおよび重大度に適用することを含む。実施形態では、インテリジェントシステムは、YOLOニューラルネットワークを含む。実施形態では、インテリジェントシステムは、一度だけ見る畳み込みニューラルネットワークを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットハイブリッドコンポーネント上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む。実施形態では、インテリジェントシステムは、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための機械学習システムを含む。実施形態では、インテリジェントシステムは、ニューラルネットワークのセットのためのトポロジーまたはワークフローを構成するための深層学習システムを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械に対する産業用機械のサービス推奨の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、方法はさらに、産業機械のサービス推奨に基づいて、サービスおよび部品の注文または要求の少なくとも1つを生成することを含む。実施形態では、台帳に格納された産業機械サービス推奨のためのレコードは、サービスおよび部品の注文または要求のうちの少なくとも1つを示す。実施形態では、移動車両は、移動データ収集スウォームの複数の移動車両のうちの1つである。実施形態では、方法はさらに、移動体が産業環境内の産業機械の位置に接近するように移動体を引き起こすように移動体データ収集群を制御することを含む。実施形態では、移動体が産業環境内の産業機械の位置に接近するように移動体データ収集群を制御することは、移動体データ収集群の自己組織化システムを使用して、産業環境内の移動体データ収集群の他の移動体の位置に基づいて、産業環境内の移動体の移動を制御することを含む。
一実施形態では、方法は以下の工程から構成される。画像データまたは非画像データの少なくともいずれかを含む。トレーニングデータセットを使用して産業用機械の状態を検出するためにコンピュータビジョンシステムをトレーニングするステップと、トレーニングされたコンピュータビジョンを使用して、1つまたは複数のデータキャプチャ装置を使用して生成されたデータセットに基づいて産業用機械の状態を検出するステップと、検出された状態の重要度値を決定するステップと、検出された状態の産業用機械への影響を表す重要度値を決定するステップと、を含むことを特徴とする。重大度値に基づいて、産業用機械の検出された状態に関連する問題を解決するために使用するサービスおよび部品の注文または要求のうちの少なくとも1つを生成し、産業用機械の検出された状態に関連する問題の記録を産業用機械に関連付けられた台帳内に格納すること。実施形態では、1つ以上のデータキャプチャ装置は、放射線撮像装置、音波キャプチャ装置、LIDAR装置、点群キャプチャ装置、または赤外線検査装置を含む。実施形態では、検出された状態は、産業機械の振動特性に基づいて検出される。実施形態では、検出された状態は、産業機械の圧力特性に基づいて検出される。実施形態では、検出された状態は、産業機械の温度特性に基づいて検出される。実施形態では、検出された状態は、産業機械の化学的特性に基づいて検出される。実施形態では、画像データまたは非画像データのうちの少なくとも1つを含む。訓練データセットを使用して産業機械の状態を検出するためにコンピュータビジョンシステムを訓練することは、次のように構成される。画像データまたは非画像データのうちの少なくとも1つから特徴を検出するためにディープラーニングシステムを使用すること、および検出された特徴を使用して、検出された特徴の特徴に基づいて、および結果フィードバックに基づいて、産業機械の状態を検出することを学習するために分類モデルを訓練することである。実施形態では、結果フィードバックは、産業用機械、産業用機械を使用するためのプロセス、または産業用機械を含む設備のメンテナンス、修理、稼働時間、ダウンタイム、収益性、効率性、または運用の最適化のうちの少なくとも1つに関連する。実施形態では、訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、産業用機械の状態を検出することは、検出された状態に関連する問題につながる産業用機械の1つ以上の構成要素を識別するために、部品認識を使用することを含む。実施形態では、サービスおよび部品の注文または要求のうちの少なくとも1つは、1つ以上の部品の交換部品のためのものである。実施形態では、オーダーまたはサービスおよび部品の要求のうちの少なくとも1つは、重大度値が閾値を満たさない場合には生成されない。実施形態では、方法は、検出された状態、注文またはサービスおよび部品の要求の少なくとも1つ、または台帳に格納された記録のうちの少なくとも1つに応じて、予測メンテナンス知識システムを使用して予測メンテナンス知識ベースを更新することからさらに構成される。
実施形態では、システムは、産業機械に対応する産業機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化された保守管理システム(CMMS)と、信号を受信して、モバイルデータコレクタを使用する作業員に産業機械サービス推奨または生成された注文または要求の少なくとも1つを示すモバイルデータコレクタと、から構成される。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、ウェアラブルデバイスは、工業用機械サービスの推奨、または製造されたサービスおよび部品の注文または要求の少なくとも1つを示すデータをウェアラブルデバイスのディスプレイに出力することによって、工業用機械サービスの推奨、または製造されたサービスおよび部品の注文または要求の少なくとも1つを作業者に示す。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、ハンドヘルド装置は、ハンドヘルド装置のディスプレイに、産業用機械のサービス推奨、または製造されたサービスおよび部品の注文または要求の少なくとも1つを示すデータを出力することによって、作業者に産業用機械のサービス推奨、または製造されたサービスおよび部品の注文または要求の少なくとも1つを示す。実施形態では、システムはさらに、サービスおよび部品の注文または要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理するサービスおよび配送調整設備を含み、それにより、産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証する。実施形態では、システムはさらに、新しい記録を台帳に格納させる自己組織化データコレクタを含み、新しい記録は、産業用機械のサービス推奨またはサービスおよび部品の注文または要求のうちの少なくとも1つの生産された少なくとも1つを示す。実施形態では、台帳はブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する。
実施形態では、システムは以下を含む。産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、生成された注文またはサービスおよび部品の要求の少なくとも1つを示す信号を生成するコンピュータ化された保守管理システム(CMMS)と前記信号を受信して、前記モバイルデータコレクタを使用する作業者に前記産業機械サービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを示すモバイルデータコレクタ、および前記注文またはサービスおよび部品の要求の少なくとも1つに応答して前記産業機械上で実行されたサービスに関する情報を受信して処理し、それによって、前記産業機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証するサービスおよび配送調整機能である。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、ウェアラブルデバイスは、ウェアラブルデバイスのディスプレイに、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを示すデータを出力することによって、作業者に産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを示す。実施形態では、モバイルデータコレクタはハンドヘルド装置である。実施形態では、ハンドヘルド装置は、ハンドヘルド装置のディスプレイに、産業用機械のサービス推奨または製造されたサービスおよび部品の注文または要求のうちの少なくとも1つを示すデータを出力することによって、作業者に産業用機械のサービス推奨または製造されたサービスおよび部品の注文または要求のうちの少なくとも1つを示す。実施形態では、システムはさらに自己組織化データコレクタを含み、このデータコレクタは、新しい記録を台帳に格納させ、この新しい記録は、産業機械サービスの推奨、または製造されたサービスおよび部品の注文または要求のうちの少なくとも1つを示す。実施形態では、台帳はブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、CMMSは、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する。
実施形態では、システムは以下を含む。産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、生成された注文またはサービスおよび部品の要求の少なくとも1つを示す信号を生成するコンピュータ化された保守管理システム(CMMS)と前記信号を受信し、前記モバイルデータコレクタを使用する労働者に前記産業機械サービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを示すモバイルデータコレクタ、および前記台帳に新しいレコードを格納させる自己組織化データコレクタであって、前記新しいレコードは、前記産業機械サービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを示すものである、自己組織化データコレクタである。実施形態では、台帳はブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについての取引の記録を追跡する。実施形態では、各レコードは、ブロックチェーン構造内のブロックとして格納される。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、ウェアラブルデバイスは、ウェアラブルデバイスのディスプレイに、産業機械サービス推奨、またはサービスおよび部品の注文または要求の少なくとも1つを生産したことを示すデータを出力することによって、作業者に産業機械サービス推奨、またはサービスおよび部品の注文または要求の少なくとも1つを示す。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、ハンドヘルド装置は、ハンドヘルド装置のディスプレイに、産業用機械のサービス推奨、または製造されたサービスおよび部品の注文または要求の少なくとも1つを示すデータを出力することによって、作業者に産業用機械のサービス推奨、または製造されたサービスおよび部品の注文または要求の少なくとも1つを示す。実施形態では、システムはさらに自己組織化データコレクタからなり、新しい記録が台帳に格納され、その新しい記録は、産業機械サービス推奨、または製造されたサービスおよび部品の注文または要求のうちの少なくとも1つを示す。実施形態では、CMMSは、出荷準備、設置、動作センサデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する。
実施形態では、方法は、以下を含む。モバイルデータコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出すること、動作特性を示すデータをネットワークを介してサーバに送信すること、およびサーバに関連付けられたインテリジェントシステムを使用して、産業用機械のための事前に記録されたデータに対して動作特性を処理することである。実施形態では、産業用機械のための事前に記録されたデータに対して動作特性を処理することは、産業用環境に関連付けられた知識ベース内の産業用機械のための事前に記録されたデータを識別すること、産業用機械の状態として、知識ベース内の産業用機械のための事前に記録されたデータによって示される特性を識別することを含む。さらに、前記状態の重大度を決定し、前記重大度は前記産業用機械に対する前記状態の影響を表し、前記状態の重大度に基づいて前記産業用機械に対して実行すべきメンテナンス動作を予測し、前記予測されたメンテナンス動作のトランザクション記録を前記産業用機械に関連付けられたサービス活動の台帳内に格納することを含む。実施形態では、移動データコレクタは移動ロボットである。実施形態では、モバイルデータコレクタは、モバイル車両である。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、産業機械の状態は、産業機械の少なくとも一部について検出された振動に関連しており、状態の重大度を決定することは、振動の周波数を決定すること、振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、および決定されたセグメントに基づいて検出された振動の重大度を計算することを含む。実施形態では、重大度は、重大度単位に対応する。実施形態では、振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動を第1の重大度ユニットにマッピングすること、振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動を第2の重大度ユニットにマッピングすること、および振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動を第3の重大度ユニットにマッピングすることから構成される。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械の予測されたメンテナンスアクションのためのトランザクションレコードを追跡する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。実施形態では、産業用機械の状態は、産業用機械の少なくとも一部について検出された温度に関連する。実施形態では、産業用機械の状態は、産業用機械の少なくとも一部について検出された電気出力に関連する。実施形態では、産業用機械の状態は、産業用機械の少なくとも一部について検出された磁気出力に関連する。実施形態では、産業用機械の状態は、産業用機械の少なくとも一部について検出された音声出力に関連している。
実施形態では、方法は、以下を含む。モバイルデータコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出すること、動作特性を示すデータをネットワークを介してサーバに送信すること、およびサーバに関連付けられたインテリジェントシステムを使用して、産業用機械のための事前に記録されたデータに対して動作特性を処理することである。実施形態では、産業用機械のための事前に記録されたデータに対する動作特性を処理することは、産業用環境に関連付けられた知識ベース内の産業用機械のための事前に記録されたデータを識別すること、産業用機械の状態として、知識ベース内の産業用機械のための事前に記録されたデータによって示される特性を識別すること、産業用機械の少なくとも一部について検出された振動に関連する産業用機械の状態を識別することを含む。さらに、前記状態の重大度を決定するステップを含み、前記重大度は、前記振動を境界とするマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記状態が前記産業機械に与える影響を表すものである。さらに、前記状態の重大度に基づいて、前記産業機械に対して実行すべきメンテナンス行動を予測するステップを含む。実施形態では、移動データコレクタは、移動ロボットである。実施形態では、移動データコレクタは移動車両である。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、重大度は、重大度単位に対応する。実施形態では、振動を境界とするマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動を第1の重大度ユニットにマッピングすること、振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動を第2の重大度ユニットにマッピングすること、および振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動を第3の重大度ユニットにマッピングすることから構成される。実施形態では、方法はさらに、予測されたメンテナンス動作のトランザクションレコードを、産業機械に関連付けられたサービス活動の元帳内に格納することを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。
実施形態では、方法は、以下を含む。移動データコレクタの1つ以上のセンサを使用して産業機械の動作特性を検出することである。産業機械の動作特性は、産業機械の少なくとも一部について検出された振動に関連している。さらに、動作特性の重大度を決定することを含む。重大度は、振動を境界とするマルチセグメント振動周波数スペクトルのセグメントに基づいて、動作特性が産業機械に与える影響を表す。さらに、動作特性の重大度に基づいて産業機械に対して実行すべきメンテナンスアクションを予測することを含む。実施形態では、移動データコレクタは、移動ロボットである。実施形態では、移動データコレクタは移動車両である。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、重大度は、重大度単位に対応する。実施形態では、振動を境界とするマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、方法はさらに、振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動を第1の重大度ユニットにマッピングすること、振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動を第2の重大度ユニットにマッピングすること、および振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動を第3の重大度ユニットにマッピングすることから構成される。実施形態では、この方法はさらに、予測されたメンテナンス動作のトランザクションレコードを、産業機械に関連付けられたサービス活動の元帳内に格納することを含む。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。
実施形態では、方法は以下を含む。モバイルデータコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出することである。産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連する。さらに、動作特性の重要度を決定することを含む。重要度は、振動を束縛するマルチセグメント振動周波数スペクトルのセグメントに基づいて、産業用機械に対する動作特性の影響を表す。さらに、動作特性の重要度に基づいて産業用機械に対して実行すべきメンテナンス動作を予測し、予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することを含む。実施形態では、移動データコレクタは移動ロボットである。実施形態では、モバイルデータコレクタは、モバイル車両である。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタは、ウェアラブルデバイスである。実施形態では、重大度は、重大度単位に対応する。実施形態では、振動を境界とするマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応する。実施形態では、この方法はさらに、振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動を第1の重大度ユニットにマッピングすること、振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動を第2の重大度ユニットにマッピングすること、および振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動を第3の重大度ユニットにマッピングすることから構成される。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械の予測されたメンテナンスアクションのためのトランザクションレコードを追跡する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。
実施形態では、方法は、以下を含む。移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出することである。産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連している。さらに、動作特性の重大度を決定することを含む。その重大度は、振動を束縛するマルチセグメント振動周波数スペクトルのセグメントに基づいて、動作特性の産業用機械への影響を表す。実施形態では、重大度は、重大度単位に対応する。実施形態では、振動を束縛するマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定される。実施形態では、重大度単位の各々は、マルチセグメント振動周波数スペクトルの異なる範囲に対応しており、動作特性の重大度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測し、予測されたメンテナンス動作のトランザクションレコードを、産業用機械に関連付けられたサービス活動の元帳内に格納する。実施形態では、台帳は、ブロックチェーン構造を使用して、産業用機械に対する予測されたメンテナンスアクションのためのトランザクションレコードを追跡する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。実施形態では、移動データコレクタは、移動ロボットである。実施形態では、モバイルデータコレクタは、モバイル車両である。実施形態では、モバイルデータコレクタは、ハンドヘルド装置である。実施形態では、モバイルデータコレクタはウェアラブルデバイスである。実施形態では、動作特性の重大度を決定することは、次のことを含む。振動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動を第1の重大度ユニットにマッピングすること、振動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動を第2の重大度ユニットにマッピングすること、および振動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動を第3の重大度ユニットにマッピングすることである。
実施形態では、方法は以下を含む。産業用機械の少なくとも一部の振動活動を検出および監視するためのモバイルデータコレクタを配備することであり、モバイルデータコレクタは、1つ以上の振動センサを含んでいる。さらに、産業用機械を含む産業環境内の産業用機械の位置に近づくようにモバイルデータコレクタを制御すること、モバイルデータコレクタの1つ以上の振動センサに振動活動の1つ以上の測定値を記録させること、を含む。さらに、振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップと、サーバで、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップと、サーバで、振動活動の重大度に基づいて、産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップと、メンテナンス動作を示す信号をモバイルデータコレクタに送信して、モバイルデータコレクタにメンテナンス動作を実行させるステップと、を含む。実施形態では、振動データを処理することによってタイミングに対する振動データの重大度を決定することは、次のことを含む。振動データを処理することによって振動活動の周波数を決定すること、周波数に基づいて、振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、およびマルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて振動活動の重大度単位を計算することである。実施形態では、マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて振動活動の重大度単位を計算することは、次のことを含む。振動活動をマルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて重大度単位にマッピングすることである。これは、振動活動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動活動を第1の重大度ユニットにマッピングすること、振動活動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動活動を第2の重大度ユニットにマッピングすること、および振動活動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動活動を第3の重大度ユニットにマッピングすることを含む。実施形態では、振動活動の重大度に基づいて、産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、次のことを含む。サーバに関連付けられたインテリジェントシステムを使用して、産業用機械のために事前に記録されたデータに対して振動データを処理することである。実施形態では、産業用機械のための事前に記録されたデータに対して振動データを処理することは、産業用環境に関連付けられた知識ベース内の産業用機械のための事前に記録されたデータを識別すること、知識ベース内の産業用機械のための事前に記録されたデータに基づいて機械の少なくとも一部の動作特性を識別すること、および動作特性に基づいて1つ以上のメンテナンス動作を予測することを含む。実施形態では、振動活動は、産業用機械に関連する振動包絡線から得られる波形を示す。実施形態では、モバイルデータコレクタが産業用機械に近接しているときに、1つ以上の振動センサが振動活動を検出する。実施形態では、振動活動は、産業機械の少なくとも一部の速度情報を表す。実施形態では、振動活動は、産業機械の少なくとも一部に関する周波数情報を表す。実施形態では、モバイルデータコレクタは、モバイルデータコレクタ群の複数のモバイルデータコレクタのうちの1つである。実施形態では、この方法は、産業機械を含む産業環境内での移動データコレクタの動きを制御するために、移動データコレクタ群の自己組織化システムを使用することをさらに含む。実施形態では、1つ以上の振動センサは、移動データコレクタが産業用機械に近接しているときに振動活動を検出する。実施形態では、産業環境内でのモバイルデータコレクタの動きを制御するためにモバイルデータコレクタ群の自己組織化システムを使用することは、複数のモバイルデータコレクタのうちの少なくとも1つの他のモバイルデータコレクタの動きに基づいて、産業環境内でのモバイルデータコレクタの動きを制御することを含む。実施形態では、移動データコレクタは移動ロボットであり、複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタは移動車両である。
実施形態では、方法は以下を含む。産業用機械の少なくとも一部の振動活動を検出および監視するためのモバイルデータコレクタを配備することであり、モバイルデータコレクタが1つ以上の振動センサを含んでいる。さらに、産業用機械を含む産業用環境内の産業用機械の位置に近づくようにモバイルデータコレクタを制御すること、モバイルデータコレクタの1つ以上の振動センサに振動活動の1つ以上の測定値を記録させること、振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信すること、サーバで振動データを処理して振動活動の周波数を決定すること、を含む。サーバで、周波数に基づいて、振動活動を制限するマルチセグメント振動周波数スペクトルのセグメントを決定するステップと、サーバで、決定されたマルチセグメント振動周波数スペクトルのセグメントに基づいて、振動活動の重要度単位を計算するステップと、サーバで、重要度単位に基づいて、産業機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップと、メンテナンス動作を示す信号をモバイルデータコレクタに送信して、モバイルデータコレクタにメンテナンス動作を実行させるステップと、モバイルデータコレクタにメンテナンス動作を実行させるステップと、を含む。実施形態では、マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて振動活動のための重要度単位を計算することは、次のことを含む。マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重要度単位にマッピングすることを含む。これは、振動活動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動活動を第1の重大度ユニットにマッピングすること、振動活動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動活動を第2の重大度ユニットにマッピングすること、および振動活動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動活動を第3の重大度ユニットにマッピングすることを含む。実施形態では、重大度ユニットに基づいて、産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、次のことを含む。サーバに関連付けられたインテリジェントシステムを使用して、産業用機械のために事前に記録されたデータに対して振動データを処理することである。実施形態では、産業用機械の事前記録データに対する振動データを処理することは、産業用環境に関連付けられた知識ベース内の産業用機械の事前記録データを識別すること、知識ベース内の産業用機械の事前記録データに基づいて機械の少なくとも一部の動作特性を識別すること、および動作特性に基づいて1つ以上のメンテナンス動作を予測することを含む。実施形態では、振動活動は、産業用機械に関連する振動包絡線から得られる波形を示す。実施形態では、モバイルデータコレクタが産業用機械に近接しているときに、1つ以上の振動センサが振動活動を検出する。実施形態では、振動活動は、産業機械の少なくとも一部の速度情報を表す。実施形態では、振動活動は、産業機械の少なくとも一部に関する周波数情報を表す。実施形態では、モバイルデータコレクタは、モバイルデータコレクタ群の複数のモバイルデータコレクタのうちの1つである。実施形態では、方法は、産業機械を含む産業環境内での移動データコレクタの動きを制御するために、移動データコレクタ群の自己組織化システムを使用することからさらになる。実施形態では、1つ以上の振動センサは、移動データコレクタが産業用機械に近接しているときに振動活動を検出する。実施形態では、産業環境内でのモバイルデータコレクタの動きを制御するためにモバイルデータコレクタ群の自己組織化システムを使用することは、複数のモバイルデータコレクタのうちの少なくとも1つの他のモバイルデータコレクタの動きに基づいて、産業環境内でのモバイルデータコレクタの動きを制御することを含む。実施形態では、移動データコレクタは移動ロボットであり、複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタは移動車両である。
実施形態では、方法は以下から構成されている。産業用機械の少なくとも一部の振動活動を検出および監視するためのモバイルデータコレクタを配備することであり、モバイルデータコレクタは、1つ以上の振動センサを含む。さらに、産業用機械を含む産業環境内の産業用機械の位置に近づくようにモバイルデータコレクタを制御すること、モバイルデータコレクタの1つ以上の振動センサに振動活動の1つ以上の測定値を記録させること、振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信すること、を含む。さらに、サーバーで、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップと、サーバーで、振動活動の重大度に基づいて、産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップと、メンテナンス動作を示す信号をモバイルデータコレクタに送信して、モバイルデータコレクタにメンテナンス動作を実行させるステップと、予測されたメンテナンス動作の記録を産業用機械に関連付けられた台帳内に格納するステップと、を含む。実施形態では、振動データを処理することによってタイミングに対する振動データの厳しさを決定することは、次のことを含む。振動データを処理することによって振動活動の周波数を決定すること、周波数に基づいて、振動活動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、およびマルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて振動活動の厳しさ単位を計算することである。実施形態では、マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて振動活動の重大度単位を計算することは、次のことを含む。振動活動をマルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて重大度単位にマッピングすることである。これは、振動活動の周波数がマルチセグメント振動周波数スペクトルのローエンド膝閾値範囲未満に対応する場合に振動活動を第1の重大度ユニットにマッピングすること、振動活動の周波数がマルチセグメント振動周波数スペクトルのミッドレンジに対応する場合に振動活動を第2の重大度ユニットにマッピングすること、および振動活動の周波数がマルチセグメント振動周波数スペクトルのハイエンド膝閾値範囲以上に対応する場合に振動活動を第3の重大度ユニットにマッピングすることを含む。実施形態では、振動活動の重大度に基づいて、産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、次のことを含む。サーバに関連付けられたインテリジェントシステムを使用して、産業用機械のために事前に記録されたデータに対して振動データを処理することである。実施形態では、産業用機械のための事前に記録されたデータに対して振動データを処理することは、産業用環境に関連付けられた知識ベース内の産業用機械のための事前に記録されたデータを識別すること、知識ベース内の産業用機械のための事前に記録されたデータに基づいて機械の少なくとも一部の動作特性を識別すること、および動作特性に基づいて1つ以上のメンテナンス動作を予測することを含む。実施形態では、振動活動は、産業用機械に関連する振動包絡線から得られる波形を示す。実施形態では、モバイルデータコレクタが産業用機械に近接しているときに、1つ以上の振動センサが振動活動を検出する。実施形態では、振動活動は、産業機械の少なくとも一部の速度情報を表す。実施形態では、振動活動は、産業機械の少なくとも一部に関する周波数情報を表す。実施形態では、モバイルデータコレクタは、モバイルデータコレクタ群の複数のモバイルデータコレクタのうちの1つである。実施形態では、方法は、産業機械を含む産業環境内での移動データコレクタの動きを制御するために、移動データコレクタ群の自己組織化システムを使用することからさらになる。実施形態では、1つ以上の振動センサは、移動データコレクタが産業用機械に近接しているときに振動活動を検出する。実施形態では、産業環境内でのモバイルデータコレクタの動きを制御するためにモバイルデータコレクタ群の自己組織化システムを使用することは、複数のモバイルデータコレクタのうちの少なくとも1つの他のモバイルデータコレクタの動きに基づいて、産業環境内でのモバイルデータコレクタの動きを制御することを含む。実施形態では、移動データコレクタは移動ロボットであり、複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタは移動車両である。実施形態では、台帳は、ブロックチェーン構造を使用して、産業機械の予測されたメンテナンスアクションのためのトランザクションレコードを追跡する。実施形態では、トランザクションレコードの各々は、ブロックチェーン構造内のブロックとして格納される。
本開示の詳細な実施形態が本明細書に開示されているが、開示された実施形態は、様々な形態で具現化され得る本開示の単なる例示的なものであることが理解されるであろう。したがって、本明細書に開示された特定の構造的および機能的な詳細は、限定的なものとして解釈されるべきではなく、単に特許請求の範囲の基礎として、また、実質的に任意の適切な詳細な構造で本開示を様々に採用することを当技術分野に熟練した者に教示するための代表的な基礎として解釈されるべきである。
産業用機械センサデータストリーミング、収集、処理、および保存のための本明細書に記載の方法およびシステムは、既存のフォーマット/周波数範囲/分解能互換性のあるデータへのアクセスを維持しつつ、既存のデータ収集、処理、および保存システムで動作するように構成されていてもよい。本明細書に記載の産業用機械センサデータストリーミング設備は、既存のデータ収集システムよりも広い範囲の周波数で、既存のデータ収集システムよりも大きな分解能でセンサからより大量のデータ(例えば、データ収集のより長い期間)を収集してもよいが、方法およびシステムは、既存のシステムと意図的に互換性のある1つ以上の周波数範囲および/または1つ以上の分解能のラインを表すデータのストリームからのデータへのアクセスを提供するために採用されてもよい。さらに、ストリームされたデータの一部は、既存の収集ベースのデータを使用する既存のデータ処理システムの操作と実質的に一致する既存のデータ処理システムの操作を容易にするために、特定され、抽出され、格納され、および/または既存のデータ処理システムに転送されてもよい。このようにして、産業機械の可動部の側面など、産業機械の側面をセンシングするための新規に配備されたシステムは、既存のセンシングされたデータ処理設備、アルゴリズム、モデル、パターン認識器、ユーザインタフェースなどの継続的な使用を容易にしてもよい。
既存のデータのこれらの側面を定義するデータ構造にアクセスすることによってなど、既存の周波数範囲、フォーマット、および/または解像度を識別することによって、より高解像度のストリーム化データは、特定の周波数、周波数範囲、フォーマット、および/または解像度を表すように構成されてもよい。この構成されたストリームデータは、既存の処理システムおよび設備が、既存のデータであるかのように実質的にデータにアクセスして処理できるように、既存の感知されたデータ構造と互換性のあるデータ構造に格納することができる。既存の感覚データとの互換性のためにストリームデータを適合させるための1つのアプローチは、既存のデータと整合するストリームデータの部分が抽出され、格納され、既存のデータ処理方法で処理するために利用可能にすることができるように、ストリームデータを既存のデータと整合させることを含んでもよい。代替的に、データ処理方法は、特定の周波数範囲または特定の分解能などを含むデータを処理する方法など、既存のデータを処理するために使用される方法と実質的に類似した機能を実装する方法を用いて、アライメントを介してなど、既存のデータと対応するストリームデータの部分を処理するように構成されてもよい。
既存のデータを処理するために使用される方法は、特定の周波数範囲、データのソースなど、センシングされたデータの特定の特性に関連付けられていてもよい。一例として、産業機械の可動部のための軸受センシング情報を処理するための方法は、特定の周波数範囲に該当する軸受センサからのデータを処理することができる。したがって、この方法は、処理されるデータのこれらの特性によって少なくとも部分的に識別可能であり得る。したがって、感知される移動装置、産業機械のタイプ、感知されるデータの周波数などの一連の条件が与えられると、データ処理システムは、適切な方法を選択してもよい。また、このような一連の条件が与えられると、産業機械データ感知処理設備は、条件を満たすデータを処理するために、データフィルタ、ルータ、プロセッサなどの要素を構成してもよい。
図1~図5は、産業用IoTデータ収集、監視および制御システム10の全体図の一部を描いている。図2は、モバイルアドホックネットワーク(「MANET」)20を描写しており、これは、クラウド30または他のリモートネットワーキングシステムとの間で、安全で一時的なネットワーク接続22(時には接続され、時には分離されている)を形成してもよく、それにより、ネットワーク機能は、外部ネットワークを必要とせずに、環境内でMANET20を介して発生してもよいが、他の時には、中央の場所との間で情報が送信されてもよいようにすることができる。これにより、産業環境は、ネットワーク技術および制御技術の利点を利用しつつ、サイバー攻撃の防止などのセキュリティを提供することができる。MANET20は、ルータ42、MAC44、物理層技術46などのIPプロトコルと同等のものを構成するものを含む認知無線技術40を使用してもよい。特定の実施形態では、図1~図5に描かれたシステムは、データコレクタまたは重工業機械との間で、ネットワーク上のデータのネットワーク敏感なまたはネットワークを意識した輸送を提供する。
図3~図4は、重工業機械が配置されているIoT展開のエッジで、ローカルに展開されたインテリジェントなデータ収集技術を描いている。これには、様々なセンサ52、IoTデバイス54、データストレージ機能(例えば、データプール60、または分散型台帳62)(インテリジェントな自己組織化ストレージを含む)、センサ融合(自己組織化センサ融合を含む)などが含まれる。データ収集のためのインタフェース(マルチセンサリーインタフェース、タブレット、スマートフォン58などを含む)が示されている。図3はまた、機械または機械の状態を検出するセンサによって公開されたデータを収集してもよいデータプール60を示しており、例えば、ローカルまたはリモートのインテリジェンスによる後の消費のために、データプール60は、データプール60内のデータを収集してもよい。分散台帳システム62は、環境の様々な要素のローカルストレージにまたがって、あるいはより広範にシステム全体にストレージを分散させてもよい。図4はまた、複数のアナログセンサ82からのデータをデバイス上に格納するためのようなオンデバイスセンサ融合80を示し、これは、本明細書に開示された方法およびシステムを操作する際に、フィードバックを提供することによって増強される人間によって作成された初期モデルに基づいて機械を訓練することによって(成功の尺度に基づくような)機械を訓練することを含む機械学習84によって、ローカルまたはクラウドで分析されてもよい。
図1は、クラウド上または企業の所有者またはオペレータの構内に配備されてもよい産業用IoTシステムのサーバベースの部分を示している。サーバ部分は、データ収集システムおよびクラウドとの間のネットワークを横断する大量のデータの高度に効率的な輸送のために、フィードバック手段、ネットワーク条件、またはそのようなものに基づいてネットワークコーディングモデルを構成してもよいネットワークコーディング(自己組織化ネットワークコーディングおよび/または自動構成を含む)を含む。ネットワークコーディングは、図1に描かれているように、インテリジェンス、アナリティクス、遠隔制御、遠隔操作、遠隔最適化、様々なストレージ構成などのための幅広い機能を提供してもよい。様々なストレージ構成は、トランザクションデータまたはシステムの他の要素をサポートするための分散台帳ストレージを含んでもよい。
図5は、本明細書に開示されるデータコレクタ、データプール、分散台帳、および他の要素からなど、産業環境で収集されるデータを利用可能にするためのような、自己組織化されたマーケットプレイスであってもよい、プログラマティックデータマーケットプレイス70を描いている。図1~図5の様々な構成要素およびサブ構成要素に関する追加の詳細は、本開示の全体を通して提供される。
図6を参照して、プラットフォーム100の一実施形態は、機械、コンポーネント、システム、サブシステム、周囲の状態、状態、ワークフロー、プロセス、および他の要素などの環境の要素から、または環境の要素についてのデータを収集するために、図3に示されているような産業用環境などの環境104に配置されてもよいローカルデータ収集システム102を含んでもよい。プラットフォーム100は、図1~図5に描かれた産業用IoTデータ収集、監視および制御システム10に接続してもよいし、その一部を含んでもよい。プラットフォーム100は、ネットワーク110を介してローカルデータ収集システム102との間でデータを輸送するためのネットワークデータ輸送システム108、例えば、クラウドコンピューティング環境または企業の構内に配置されたもの、またはローカルデータ収集システム102によって収集されたデータを処理するために互いに相互作用する分散コンポーネントで構成されたホスト処理システム112にデータを輸送するためのネットワークデータ輸送システム108を含んでもよい。いくつかの場合に便宜上ホスト処理システム112と呼ばれるホスト処理システム112は、1つ以上の環境104またはネットワーク110を監視するため、またはローカル環境104またはネットワーク110内の1つ以上の要素を遠隔制御するためなど、データの自動化、または自動化を支援する処理を可能にするための様々なシステム、コンポーネント、方法、プロセス、設備などを含んでいてもよい。プラットフォーム100は、1つ以上のローカル自律システムを含んでもよく、例えば、人工知能、または機械ベースの知能を反映した自律的な行動を可能にするため、またはローカルデータ収集システム102からの入力データに基づいて、または1つ以上の入力ソース116からの入力データに基づいて、一連の規則またはモデルの適用に基づく自動化された行動を可能にするため、またはローカル環境104内、ネットワーク110内、ホストシステム112内、または1つ以上の外部システム、データベース、またはそのようなものからの情報フィードおよび入力を含む広範な配列のソースからの情報フィードおよび入力を含んでもよい。プラットフォーム100は、プラットフォーム100の1つ以上の構成要素の中に配置されていてもよいし、統合されていてもよいし、またはプラットフォーム100の1つ以上の構成要素への入力として機能してもよい1つ以上のインテリジェントシステム118を含んでいてもよい。プラットフォーム100のこれらおよび他の構成要素の詳細は、本開示全体を通して提供される。
インテリジェントシステム118は、メッシュ、ピアツーピア、リング、シリアルなどのアーキテクチャのように、1つ以上のノード要素が他のノード要素と協調して、処理、通信、データ収集などを支援するための集合的で協調された動作を提供するような、処理要素の協調の結果としてのある程度の認知的な動作を可能にするような、認知的システム120を含んでもよい。図2に描かれたMANET20はまた、ルータ42、MAC44、物理層技術46などのIPプロトコルと同等のものを構成するものを含む、コグニティブ無線技術を使用してもよい。一例では、コグニティブシステム技術スタックは、2011年11月15日に発行されたSchlichtらに対する米国特許第8,060,017号に開示された例を含むことができ、本明細書に完全に記載されているかのように参照により本明細書に組み込まれる。
知能システムは、1つ以上のデータセット上で学習するためのような機械学習システム122を含んでもよい。一つ以上のデータセットは、ローカルデータ収集システム102を使用して収集された情報、または入力ソース116からの他の情報、例えば状態、オブジェクト、イベント、パターン、状態、またはそのようなものを認識するために、順番に、プラットフォーム100のコンポーネントおよび産業用IoTデータ収集、監視および制御システム10の一部、またはそのようなものへの入力としてホストシステム112によって処理するために使用されるかもしれない情報を含んでもよい。学習は、学習されるべき項目に関する情報とともにデータセットを提供するために、1つ以上の入力ソース116を使用するなど、人間が管理するか、または完全に自動化されていてもよい。機械学習は、システムまたはプロセスのための動作モデルへのフィードバックまたはフィードフォワードに基づくシステムまたはプロセスの制御の自動最適化のためのような、1つまたは複数のモデル、ルール、意味理解、ワークフロー、または他の構造化されたまたは半構造化された世界の理解を使用してもよい。意味的および文脈的理解、ワークフロー、または他の構造化されたまたは半構造化された理解のためのそのような機械学習技術の1つは、2012年6月12日に発行されたムーアに対する米国特許第8,200,775号に開示されており、本明細書に完全に記載されているかのように参照により本明細書に組み込まれている。機械学習は、フィードバックに基づいて(所定の状況におけるモデルの成功に関するような)、または反復に基づいて(再帰的プロセスにおけるような)、1つまたは複数の重み、構造、規則、またはそのようなものを調整することによって(モデル内の関数を変更するような)、前記を改善するために使用されてもよい。システムの基礎となる構造または動作の十分な理解が知られていない場合、不十分なデータが利用できない場合、または様々な理由で好ましい他のケースでは、機械学習は、基礎となるモデルが存在しない場合にも実施されてもよい。すなわち、入力ソースは、構造の先験的な理解に関係なく、機械学習設備内で重み付けされ、構造化され、またはそのようなものであってもよく、結果(様々な所望の目的を達成する際の成功の尺度に基づくものなど)は、機械学習システムに連続的に供給され、機械学習システムが目標とする目的を達成する方法を学習できるようにすることができる。例えば、システムは、故障を認識するため、パターンを認識するため、モデルまたは機能を開発するため、ルールを開発するため、性能を最適化するため、故障率を最小化するため、利益を最適化するため、資源利用を最適化するため、フロー(トラフィックの流れなど)を最適化するため、または成功した成果に関連する可能性のある他の多くのパラメータを最適化するために学習してもよい(例えば、幅広い環境における成果など)。機械学習は、フィードバックに基づいて(成功した要素が一連の世代にわたって出現するような)1つ以上の入力ソース、構造、データタイプ、オブジェクト、重み、ノード、リンク、または他の要素を促進または降格させるような遺伝的プログラミング技術を使用してもよい。例えば、データ収集システム102のための代替的に利用可能なセンサ入力は、システムが、一連のデータ収集イベントにわたって一般的なプログラミング技術を使用して、様々な条件(例えば、プラットフォーム100のコンポーネントの条件、ネットワーク110の条件、データ収集システム102の条件、環境104の条件など)に基づいて、成功した結果を提供するどのような順列を決定するような、代替的な構成および順列に配置されてもよい。実施形態では、ローカル機械学習は、失敗予測の成功に寄与する、パフォーマンス指標(効率性、有効性、投資収益率、歩留まりなど)に寄与する、1つ以上のパラメータの最適化に寄与する、パターン(脅威、失敗モード、成功モード、またはそのようなものに関連するなど)の識別などの成功成果を追跡しながら、マルチセンサデータ収集システム102内の1つ以上のセンサを時間の経過とともに順列的にオンまたはオフにしてもよい。例えば、システムは、データコレクタ102の最も高い値の利用率を達成するために、与えられた条件の下でどのセンサのセットをオンまたはオフにすべきかを学習してもよい。実施形態では、ネットワーク要素を構成するための学習(ネットワークトランスポートパスの構成、ネットワークコーディングタイプおよびアーキテクチャの構成、ネットワークセキュリティ要素の構成など)を行うために、汎用プログラミングまたは他の機械学習技術を使用して、プラットフォーム100内(ネットワーク110内など)のデータのトランスポートの最適化を処理するために、同様の技術が使用されてもよい。
実施形態では、ローカルデータ収集システム102は、アナログおよび他のセンサデータの収集および処理のための多数の新規な機能を有する高性能のマルチセンサデータコレクタを含んでもよい。実施形態では、ローカルデータ収集システム102は、図3に描かれた産業設備に配備されてもよい。ローカルデータ収集システム1002はまた、図9および図10の機械2300、図12に描かれた機械2400、2600、2800、2950、3000、および図13に描かれた機械3202、3204のような他の機械を監視するために配備されてもよい。データ収集システム1002は、オンボードのインテリジェントシステム118(例えば、文脈や条件に基づいてセンサの順列や組み合わせを構成するなど、データコレクタの構成や動作を最適化するための学習のためのもの)を備えていてもよい。一例では、データ収集システム102は、クロスポイントスイッチ130または他のアナログスイッチを含む。ローカルデータ収集システム102の自動化されたインテリジェントな構成は、様々な入力ソースからの情報、例えば、利用可能な電力に基づく情報、センサの電力要件、収集されたデータの値(プラットフォーム100の他の要素からのフィードバック情報に基づくものなど)、情報の相対値(同じまたは類似の情報の他のソースの利用可能性に基づく値など)、電力の利用可能性(センサに電力を供給するためのものなど)、ネットワーク条件、周囲の条件、動作状態、動作コンテキスト、動作イベントなど、様々なタイプの情報に基づいていてもよい。
図7は、産業環境で収集されたセンサデータ(アナログセンサデータなど)のためのデータ収集および分析システム1100の要素およびサブコンポーネントを示す。図7に描かれているように、本明細書に開示された方法およびシステムの実施形態は、マルチプレクサ(「MUX」)メインボード1104から始まる複数の異なるモジュールを有するハードウェアを含んでもよい。実施形態では、MUXオプションボード1108があってもよい。MUXメインボード1104は、センサがシステムに接続する場所である。これらの接続は、設置の容易さを可能にするために上にある。そして、このボードの下側およびMUXオプションボード1108上には多数の設定があり、これは、ボードの両端にある2つのヘッダを介してMUXメインボード1104に取り付けられる。実施形態では、Muxオプションボードは、Muxメインボード上のメスヘッダと噛み合うオスヘッダを有する。これにより、それらをお互いに重ねることができ、より少ないスペースを占有することができます。
実施形態では、メインMUXボードおよび/またはMUXオプションボードは、次に、ケーブルを介してマザー(例えば、4つの同時チャンネルを有する)およびドーター(例えば、合計8チャンネルのための4つの追加チャンネルを有する)アナログボード1110に接続され、ここで信号のコンディショニング(ハードウェア統合など)の一部が行われる。次いで、信号は、アナログボード1110からアンチエイリアシングボード(図示せず)に移動し、ここで潜在的エイリアシングの一部が除去される。エイリアシング除去の残りの部分は、デルタシグマボード1112で行われる。デルタシグマボード1112は、信号の他のコンディショニングおよびデジタル化と共に、より多くのエイリアシング保護を提供する。次に、データはJennnicボード1114に移動し、さらにデジタイズを行い、USBまたはイーサネットを介してコンピュータと通信します。実施形態では、Jennnicボード1114は、より高度で効率的なデータ収集と通信のために、Picボード1118に置き換えることができます。データがコンピュータソフトウェア1102に移動すると、コンピュータソフトウェア1102は、データを操作して、トレンド、スペクトル、波形、統計、および分析を表示することができる。
実施形態では、システムは、ボルトから4~20mAの信号までのあらゆるタイプのデータを取り込むことを意図している。実施形態では、データ保存および通信のオープンフォーマットが使用されてもよい。いくつかの実施形態では、システムの特定の部分は、特に分析および報告に関連する研究およびデータの一部が専有であるかもしれません。実施形態では、スマートバンド分析は、データを簡単に分析された部分に分解する方法であり、他のスマートバンドと組み合わせて、より単純化されているが洗練された新しい分析を行うことができる。実施形態では、この固有の情報を撮影し、グラフィックを使用して条件を描写するのは、画像描写の方がユーザにとってより有用であるためである。実施形態では、複雑なプログラムおよびユーザインタフェースは、任意のユーザが専門家のようにデータを操作できるように簡略化されている。
実施形態では、システムは、本質的には、大きなループで動作する。システムは、一般的なユーザインタフェース(「GUI」)1124を備えたソフトウェアで開始される。実施形態では、迅速なルート作成は、階層的なテンプレートを利用してもよい。実施形態では、任意の一般ユーザが簡単なテンプレートで情報自体を入力できるように、GUIが作成される。テンプレートが作成されると、ユーザは、ユーザが必要とするものは何でもコピーアンドペーストすることができる。さらに、ユーザは、将来の使いやすさのために、また知識を制度化するために、独自のテンプレートを開発することができる。ユーザーがユーザーの情報をすべて入力し、ユーザーのセンサーをすべて接続したら、ユーザーはシステムのデータ取得を開始することができます。
本明細書に開示された方法およびシステムの実施形態は、トリガ入力および振動入力のための固有の静電保護を含んでもよい。電気機器に害を及ぼす可能性のある大きな静電気力が蓄積される可能性のある多くの重要な産業環境、例えば回転機械または大きなベルトを使用した低速バランシングでは、適切なトランスデューサおよびトリガ入力の保護が必要とされる。実施形態では、外部の補助装置を必要とせずに、そのような保護のための低コストでありながら効率的な方法が記載されている。
一般的に、振動データコレクタは、費用がかかることと、必要とされない場合が多いことから、大きな入力電圧を扱うように設計されていません。技術が向上し、監視コストが急落する中で、これらのデータコレクタが多くの多様なタイプの回転数データを取得する必要性が存在している。実施形態では、方法は、より従来のリードリレーアプローチを使用するのではなく、高電圧信号のスイッチングアップフロントを可能にする、既に確立されたOptoMOS技術を使用している。非線形ゼロクロスまたは他の非線形ソリッドステートの動作に関する多くの歴史的な懸念は、弱くバッファリングされたアナログ信号の通過に関して排除されている。さらに、実施形態では、プリント回路基板の配線トポロジは、個々のチャネル入力回路のすべてを入力コネクタに可能な限り近くに配置する。実施形態では、信号がセンサからハードウェアに渡されるときに蓄積された電荷を散逸させるために、トリガおよび振動入力のためのユニークな静電保護が、MuxおよびDAQハードウェア上に前もって配置されているかもしれません。実施形態では、Muxおよびアナログボードは、より広いトレースおよびアップフロント回路のためのソリッドステートリレーを含む。設計トポロジーを使用して、高アンペア入力をサポートしてもよい。
一部のシステムでは、マルチプレクサは余計なものであり、マルチプレクサから送られてくる信号の品質は考慮されていません。品質の悪いマルチプレクサの結果として、信号の品質は 30 dB 以上も低下する可能性がある。このように、信号対雑音比が110dBの24ビットDAQを使用すると、実質的な信号品質が失われる可能性があり、信号対雑音比がMuxで80dBに低下した場合、20年前の16ビットシステムよりもはるかに優れていない可能性がある。本システムの実施形態では、Muxの前部の重要な部分は、改善されたS/N比のためのMux上のアップフロント信号コンディショニングである。実施形態では、最高のS/N比を達成するために、Muxのスイッチングの前に、振動だけでなく他の信号入力に対して信号コンディショニング(レンジ/ゲイン制御、積分、フィルタリングなど)をアップフロントで実行してもよい。
実施形態では、より良い信号を提供することに加えて、マルチプレクサは、連続モニタアラーム機能を提供してもよい。真に連続的なシステムは、すべてのセンサを常時監視しますが、高価になる傾向がある。典型的なマルチプレクサシステムは、設定された数のチャネルを一度にモニタするだけで、より大きなセンサセットのバンクからバンクへと切り替わる。その結果、現在収集されていないセンサーは監視されていません。実施形態では、マルチプレクサは、データ収集(「DAQ」)が入力を監視していない場合でも、既知のアラーム条件に対して入力チャネルレベルを測定することができる回路をマルチプレクサに配置することにより、連続モニタアラーム機能を有することができる。継続的モニタリング Mux バイパスは、Mux システムによって現在サンプリングされていないチャネルが、フィルタリングされたピークホールド回路または機能的に類似したものを使用して、ハードウェア割り込みまたは他の手段を使用して、順番に本機に迅速な方法で渡されるいくつかのトリガ条件を介して、重要なアラーム状態を継続的に監視するメカニズムを提供している。これは、本質的には、真の連続システムのように問題のデータを瞬時に捕捉する能力はないが、システムを連続的に監視することになる。実施形態では、連続監視のための適応的スケジューリング技術と連続監視システムのソフトウェアが統計、分析、データアラーム、および動的分析に基づいてデータ収集シーケンスを適応させ、調整することで、アラームが鳴った後すぐにシステムがアラームセンサー上の動的スペクトルデータを収集することができます。
典型的なマルチプレクサの別の制限は、チャネル数が限られている可能性があることである。実施形態では、複数のMuxおよびデータ収集セクションの論理制御のための専用バスを有する分散型複合プログラマブル・ロジック・デバイス(「CPLD」)チップの使用は、システムが扱うことができるチャネル数に制限がないように、CPLDが複数のMuxおよびDAQを制御することを可能にする。複数のタイプの予測メンテナンスおよび振動トランスデューサとのインターフェースには、多くのスイッチングが必要です。これには、AC/DC カップリング、4-20 インターフェイス、統合された電子圧電トランスデューサ、チャネルのパワーダウン(オペアンプの電力を節約するため)、シングルエンドまたは差動接地オプションなどが含まれます。また、レンジとゲイン制御のためのデジタル・ポットの制御、ハードウェア統合のためのスイッチ、AAフィルタリングとトリガリングも必要です。これらのロジックは、制御するタスクに合わせて戦略的に配置された一連のCPLDチップによって実行されます。単一の巨大なCPLDでは、単一の巨大なCPLDで密度の高い長い回路経路を必要とする。具体的には、分散型CPLDはこれらの問題に対処するだけでなく、多くの柔軟性を提供します。固定割り当てを持つ各CPLDが独自のデバイスアドレスを持つバスが作成される。実施形態では、マルチプレクサとDAQは、システムに追加の入力と出力チャンネルを提供するために一緒にスタックすることができます。複数のボード(例えば、複数のMuxボード)の場合、複数のアドレスを設定するためのジャンパが提供されます。別の例では、3 ビットでジャンパ設定可能なボードを最大 8 枚まで許可している。実施形態では、バス上の各CPLDが個別にまたはグループとしてアドレス指定されることができるようなバスプロトコルが定義される。
一般的なマルチプレクサは、同じバンク内のセンサのみを収集することに制限される場合がある。詳細な分析では、同じマシン上のセンサからのデータを同時に確認できることに大きな価値があるため、これでは限界があるかもしれません。従来の固定バンクマルチプレクサを使用する現行システムでは、設置時に特定のグループに割り当てられた限られた数のチャンネル(バンクごとのチャンネル数に基づく)しか比較できません。柔軟性を持たせる唯一の方法は、チャンネルをオーバーラップさせるか、システムに多くの冗長性を組み込むしかありませんが、どちらも多額の費用がかかります(場合によっては、柔軟性に対してコストが指数関数的に増加します)。最も単純なMuxのデザインは、多くの入力のうちの1つを選択し、単一の出力ラインにルーティングします。バンクデザインは、これらのシンプルなビルディングブロックのグループで構成されており、それぞれが固定の入力グループを処理し、それぞれの出力にルーティングします。一般的に、入力は重複しないので、あるMuxグループの入力を別のMuxにルーティングすることはできません。従来のMuxチップとは異なり、固定されたグループまたはバンクの固定された選択されたチャンネルを1つの出力に切り替える(例えば、2、4、8などのグループ)従来のMuxとは異なり、クロスポイントMuxでは、任意の入力を任意の出力に割り当てることができます。以前は、クロスポイントマルチプレクサはRGBデジタルビデオアプリケーションのような特殊な用途に使用されており、振動解析のようなアナログアプリケーションにはノイズが多すぎて実用的ではありませんでした。クロスポイントMuxのもう一つの利点は、ハイインピーダンス状態にすることで出力をディセーブルにできることです。これは出力バスに理想的で、複数のMuxカードを重ねて、バススイッチを使わずに出力バスを接続することができます。
実施形態では、これは、振動入力チャンネルの可変グループを収集し、マトリックス回路を提供するためのアナログクロスポイントスイッチを使用することによって対処することができるので、システムは、入力センサーの総数から任意の8つのチャンネルのセットにアクセスすることができます。
実施形態では、複数のMuxおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップを使用して複数のマルチプレクサを制御する能力は、複数のDAQが複数のマルチプレクサからデータを収集することを可能にする階層型マルチプレクサによって強化される。階層化されたMuxは、8チャンネルのカードセットの複数に16、24またはそれ以上のようなより多くのチャンネルをモジュール化して出力することを可能にしてもよい。実施形態では、これは、より複雑な分析のためのより多くのチャンネルの同時データ収集と同様に、より速いデータ収集を可能にする。実施形態では、Muxは、SV3X DAQを保護されたシステムの実施形態に変える、ポータブルにしてデータ収集パーキング機能を使用するようにわずかに構成されてもよい。
実施形態では、一旦信号はマルチプレクサと階層的Muxを離れると、他の拡張があるアナログボードに移動します。実施形態では、省電力技術が使用されてもよい:使用されていないときのアナログチャネルのパワーダウン、コンポーネントボードのパワーダウン、選択されていないチャネルのためのアナログ信号処理オペアンプのパワーダウン、マザーおよびドーターアナログボード上のチャネルのパワーダウン。DAQ システムの低レベルファームウェアでコンポーネントボードや他のハードウェアをパワーダウンする機能は、省電力機能に関する高レベルのアプリケーション制御を比較的容易にします。ハードウェアの明示的な制御は常に可能であるが、デフォルトでは必須ではない。実施形態では、この省電力の利点は、保護されたシステム、特にそれが電池駆動または太陽電池駆動である場合に価値があるかもしれません。
実施形態では、信号対雑音比を最大化し、最高のデータを提供するために、オートスケーリング用のピーク検出器を別個のA/Dにルーティングすることで、システムは、データの各セットの中で最も高いピークを提供し、データをそのピークに迅速にスケーリングすることができます。振動解析を目的とする場合、多くのマイクロプロセッサに内蔵されているA/Dコンバータは、ビット数、チャンネル数、サンプリング周波数に関して、マイクロプロセッサの速度を大幅に低下させないという点で不十分な場合がある。これらの制限にもかかわらず、オートスケーリングの目的でそれらを使用することは有用である。実施形態では、機能性が低下し、より安価な別個のA/Dが使用されてもよい。入力の各チャンネルについて、信号がバッファリングされた後(通常は適切なカップリングで:ACまたはDC)、しかし信号がコンディショニングされる前に、信号はマイクロプロセッサまたは低コストA/Dに直接供給される。レンジ、ゲイン、フィルターのスイッチが投げられるコンディショニングされた信号とは異なり、スイッチは変化しません。これにより、入力データが信号処理され、より堅牢な外部A/Dに供給され、CPUを必要とせずにメモリにアクセスできるダイレクト・メモリ・アクセス(DMA)方式を使用してオンボード・メモリに指示されている間に、オートスケーリング・データの同時サンプリングが可能になります。これは、オートスケーリングプロセスを大幅に遅くするスイッチを投げたり、セトリング時間を許容したりする必要がないため、オートスケーリングプロセスを大幅に簡素化します。さらに、データを同時に収集することができるため、最良のS/N比を確保することができます。削減されたビット数および他の特徴は、通常、オートスケーリング目的には十分以上のものである。実施形態では、アナログ方法とデジタル方法の両方を使用した改善された統合は、また、可能な限り最高の信号対雑音比を改善するか、または維持する革新的なハイブリッド統合を作り出す。
実施形態では、アナログボードのセクションは、生またはバッファリングされたトリガチャネルを他のアナログチャネルにルーティングすることを可能にしてもよい。これにより、ユーザは、解析およびトラブルシューティングのために、トリガを任意のチャネルにルーティングすることができるかもしれない。システムは、様々な入力データセット間の相対位相を決定する目的のため、または不要な入力の不必要な繰り返しを行わずに有意なデータを取得する目的のために、トリガチャネルを有してもよい。実施形態では、デジタル制御されたリレーが、生のトリガ信号またはバッファリングされたトリガ信号のいずれかを入力チャネルのいずれかに切り替えるために使用されてもよい。トリガパルスの品質は、トリガセンサの不適切な配置、配線の問題、光学センサを使用している場合は反射テープの汚れなどの不良なセットアップの問題など、様々な理由で破損している可能性があるため、検査することが望ましいかもしれません。生の信号またはバッファリングされた信号のどちらかを見る機能は、優れた診断やデバッグの手段となります。また、記録されたデータ信号を可変速度フィルタリングアルゴリズムなどの様々な信号処理技術に利用することで、改善された位相解析機能を提供することができます。
実施形態では、信号がアナログボードを出ると、信号はデルタシグマボードに移動し、A/D ゼロリファレンスのための正確な電圧リファレンスが、より正確な直流センサデータを提供します。デルタシグマの高速はまた、アンチエイリアシング・フィルタ要件を最小化するために、より低いサンプリング・レートの出力のためにデルタシグマA/Dのためのより高い入力オーバーサンプリングを使用することを提供します。より低いオーバーサンプリングレートは、より高いサンプリングレートに使用することができます。例えば、256 Hz (Fmax 100 Hz) の最低サンプリング要件に設定された 3 次 AA フィルタは、200 Hz と500 Hz の Fmax レンジには適切です。その後、1 kHz以上のFmaxレンジには、別の高カットオフAAフィルタを使用することができます(2次フィルタは、最高サンプリングレート128 kHzの2.56倍でキックインします)。実施形態では、デジタルリサンプリングを必要とせずに低いサンプリングレートを達成するために、デルタシグマA/DのクロックディバイダとしてCPLDを使用することができます。具体的には、プログラム可能なクロック分周器としてCPLDを採用することで、高周波数の水晶リファレンスを低周波数に分周することができます。分割ダウンされた低周波の精度は、それらのより長い時間帯に相対する元のソースよりもさらに正確である。また、デルタシグマA/Dによるリサンプリング処理の必要性も最小限に抑えられます。
具体的には、データはデルタシグマボードからJennicボードに移動し、オンボードタイマーを使用して入力チャンネルとトリガチャンネルの相対位相をデジタル的に導き出すことができます。実施形態では、Jennicボードは、オンボード カード セットにキャリブレーション データとシステム メンテナンス修理履歴データを保存する機能も備えている。実施形態では、Jennicボードは、異なるサンプリングレートで取得された複数のデータセットとは対照的に、高サンプリングレートで長いブロックのデータを取得することを可能にするので、将来的にデータをストリーミングし、高度な分析のために長いブロックのデータを取得することができる。
実施形態では、信号はJennicボードを通過した後、コンピュータに送信されます。実施形態では、コンピュータ・ソフトウェアは、エキスパート・システムのGUIから始まるシステムにインテリジェンスを付加するために使用される。GUIは、スマートバンドや診断を定義するための簡素化されたユーザーインターフェースを備えたグラフィカルなエキスパートシステムを提供し、誰でも複雑な分析を容易に行うことができます。実施形態では、このユーザインタフェースは、一般ユーザのための複雑でありながら柔軟性のあるアナリティクスへの簡略化されたアプローチであるスマートバンドを中心に展開してもよい。実施形態では、スマートバンドは自己学習ニューラルネットワークと組み合わせて、より高度な分析アプローチを行うことができます。実施形態では、このシステムは、追加の分析的洞察のために機械の階層を使用してもよい。予測メンテナンスの重要な部分の1つは、修理または検査中に既知の情報から学習する能力である。実施形態では、逆算のためのグラフィカルなアプローチは、既知の故障または問題に基づくスマートバンドおよび相関を改善してもよい。
実施形態では、追加の相関性のあるインテリジェンスを得るために、どのセンサを同時に収集するかを適応させるスマートルートがある。実施形態では、スマートオペレーションデータストア(「ODS」)は、システムが、機械の状態をさらに調べるために、オペレーション偏向形状分析を実行するためにデータを収集することを選択することを可能にする。実施形態では、適応的スケジューリング技術により、システムは、相関チャネルの数(例えば、8個)にわたるフルスペクトル分析のために収集されたスケジュールされたデータを変更することを可能にする。実施形態では、システムは、機械の問題を特定するための周囲温度および局所温度および振動レベルの変化を組み合わせた分析のための周囲局所振動と同様に、連続監視のための拡張統計機能を可能にするためのデータを提供してもよい。
実施形態では、データコレクタは、所望のデータ収集コマンドを実施するために、パーソナルコンピュータ(PC)によって制御されてもよい。実施形態では、DAQボックスは、自己完結型であってもよく、外部PCの制御から独立して、データの取得、処理、分析、およびモニタを行うことができる。実施形態では、セキュアデジタル(SD)カードストレージを含んでもよい。実施形態では、SD カードを利用することにより、大幅な追加ストレージ機能が提供されるかもしれません。これは、重要なデータが永久に保存される可能性があるモニタリング・アプリケーションにとって重要であることが証明されるかもしれません。また、停電が発生した場合、最新のデータは、別のシステムにオフロードされていないにもかかわらず保存される可能性がある。
現在のトレンドは、ワイヤレスを含むネットワークの形で外部と可能な限り通信可能なDAQシステムにすることです。過去には、PCとペアになったマイクロプロセッサまたはマイクロコントローラ/マイクロプロセッサのいずれかを使用してDAQシステムを制御するために専用バスを使用することが一般的でした。実施形態では、DAQシステムは、1つ以上のマイクロプロセッサ/マイクロコントローラ、特化したマイクロコントローラ/マイクロプロセッサ、または主に外界との通信面に焦点を当てた専用プロセッサで構成されていてもよい。これらは、WebページをホストするためにIPアドレスまたはアドレスを提供する能力を有するUSB、イーサネットおよび無線を含む。外界との通信はすべて、シンプルなテキストベースのメニューを使用して行われます。InitializeCard、AcquireData、StopAcquisition、RetrieveCalibration Infoなどのコマンドの通常の配列(実際には100以上)が提供されます。
実施形態では、リサンプリング、重み付け、フィルタリング、およびスペクトル処理を含む激しい信号処理活動は、フィールドプログラマブルゲートアレイ(「FPGA」)、デジタル信号プロセッサ(「DSP」)、マイクロプロセッサ、マイクロコントローラ、またはそれらの組み合わせなどの専用プロセッサによって実行されてもよい。実施形態では、このサブシステムは、通信処理部と専用のハードウェアバスを介して通信してもよい。それは、デュアルポートメモリ、セマフォロジックなどによって促進されるであろう。この実施形態は、効率の著しい改善を提供するだけでなく、データのストリーミングだけでなく、他のハイエンドの分析技術を含む処理能力を大幅に改善することができる。これは、信号調整回路の制御、トリガ、A/Dを用いた生データの取得、A/D出力を適切なオンボードメモリに指示し、そのデータを処理することを含む主要なプロセスを常に中断する必要性を否定する。
実施形態は、センサの過負荷識別を含んでもよい。センサが過負荷になっているときに識別するための監視システムの必要性が存在する。標準的な 100 mv/g センサー(業界で最も一般的に使用されている)を飽和させる高周波入力を含む状況があるかもしれず、過負荷を感知する能力を持つことは、より良い分析のためのデータ品質を向上させます。モニタリングシステムは、システムが過負荷になっているときに識別することができますが、実施形態では、システムは、センサの電圧を見て、過負荷がセンサからのものであるかどうかを判断し、ユーザが状況に適した別のセンサを入手するか、またはデータを再度収集することを可能にすることができます。
実施形態では、無線周波数識別(「RFID」)とセンサ上の傾斜計または加速度計を含むことができ、センサがどの機械/ベアリングに取り付けられているか、どのような方向にあるかを示すことができるので、ソフトウェアはユーザの入力なしで自動的にデータを保存することができます。実施形態では、ユーザーは、任意の機械や機械にシステムを置くことができ、システムは自動的にそれ自体を設定し、数秒でデータ収集のための準備ができます。
実施形態は、変圧器、モータ制御センター、ブレーカなどの内部に超音波センサを配置し、サウンドスペクトルを介して、アーク放電、コロナ、および故障または問題を示す他の電気的問題を識別するパターンを連続的に探すことによって、超音波オンライン監視を提供することを含んでもよい。実施形態では、エネルギー生産設備の回転要素および軸受の連続的な超音波監視を提供することを含んでもよい。実施形態では、分析エンジンは、超音波データを、振動、温度、圧力、熱流束、磁場、電場、電流、電圧、キャパシタンス、インダクタンス、およびそれらの組み合わせ(例えば、単純な比)などの他のパラメータと組み合わせることによって、他の故障を識別するのと同様に、超音波オンライン監視において使用されてもよい。
本明細書に開示された方法およびシステムの実施形態は、振動入力チャンネルの可変グループを収集するためのアナログクロスポイントスイッチの使用を含んでもよい。振動解析のためには、機械(または機械)の異なる部分に多方向に取り付けられた振動トランスデューサから複数のチャンネルを同時に取得することが有用である。例えば、同時に測定値を取得することにより、様々な機械的故障を診断する目的で、入力の相対的な位相を比較することができる。また、交差相関、伝達関数、動作偏向形状(「ODS」)などの他のタイプのクロスチャネル解析を行ってもよい。
本明細書に開示される方法およびシステムの実施形態は、A/Dゼロ基準のための正確な電圧基準を含んでもよい。いくつかのA/Dチップは、A/Dと外部オペアンプの両方が同じ基準を使用することを確実にするために、外部信号調整回路のためのミッドスケール値として使用される独自の内部ゼロ電圧基準を提供する。これは原理的には合理的に聞こえますが、実際には複雑な問題がある。多くの場合、これらのリファレンスは本質的に抵抗分圧器を使用した電源電圧に基づいている。多くの電流システム、特にUSBなどのバスを介してPCから電源を供給しているシステムでは、電源電圧が負荷によって大きく変化することが多いため、信頼性の低いリファレンスとなってしまいる。これは、信号処理の増加を必要とするデルタシグマA/Dチップに特に当てはまります。オフセットは負荷と一緒にドリフトすることがあるが、測定値をデジタルで校正する場合に問題が発生します。DCドリフトを補正するために、デジタルでA/Dからのカウントで表される電圧オフセットを修正するのが一般的です。しかし、この場合、ある負荷条件のセットに対して適切な校正オフセットが決定されると、他の条件には適用されません。カウントで表される絶対的なDCオフセットは適用されなくなります。その結果、すべての負荷条件に対して校正を行う必要があり、複雑で信頼性が低く、最終的には管理しきれなくなります。実施形態では、ゼロオフセットとして使用する電源電圧から単純に独立した外部電圧基準が使用されます。
実施形態では、システムは、製紙工場などの低速機械の遠隔バランスをとるために、バランスをとる目的で低速回転数および位相を取得するための位相ロックループバンドパス追跡フィルタ方法を提供するとともに、そのデータから追加の分析を提供する。バランスをとる目的のために、非常に低速でバランスをとることが必要な場合がある。典型的なトラッキングフィルタは、位相ロックループまたはPLL設計に基づいて構築されてもよいが、安定性および速度範囲が最優先の懸念事項である。実施形態では、適切なRCおよびダンピング定数を選択するために、多数のデジタル制御されたスイッチが使用される。スイッチは、入力されるタコ信号の周波数を測定した後に、すべて自動的に行われ得る。本明細書に開示された方法およびシステムの実施形態は、オンボードタイマを使用して、入力チャネルおよびトリガチャネルに対する相対位相のデジタル導出を含むことができる。実施形態では、デジタル位相導出は、デジタルタイマを使用して、トリガイベントからデータ取得の正確な開始までの正確な遅延を確認する。この遅延またはオフセットは、その後、補間方法を使用してさらに精密なオフセットを得て、さらに精密なオフセットをさらに精密にし、このオフセットを、取得したデータの解析的に決定された位相に適用して、位相が「本質的に」絶対位相であり、特に、ワンショットバランシング、アライメント解析などに有用な精密な機械的意味を持つようにします。
本明細書に開示される方法およびシステムの実施形態は、信号処理ファームウェア/ハードウェアを含んでもよい。実施形態では、データの長いブロックは、異なるサンプリングレートで取られたデータの複数のセットとは対照的に、高いサンプリングレートで取得されてもよい。典型的には、振動解析のための現代のルート収集では、指定されたデータ長を有する固定サンプリングレートでデータを収集することが慣例である。サンプリングレートとデータの長さは、手元にある特定の機械的解析要件に基づいて、ルートポイントごとに異なる場合がある。例えば、モータは、走行速度高調波とライン周波数高調波を区別するために、比較的低いサンプリングレートと高い分解能を必要とする場合がある。しかし、ここでの実用的なトレードオフは、この改善された分解能を達成するためには、より多くの収集時間が必要になるということです。対照的に、いくつかの高速コンプレッサやギアセットは、正確な分解能はそれほど必要ではないかもしれませんが、比較的高い周波数のデータの振幅を測定するために、はるかに高いサンプリングレートを必要とします。しかし、理想的には、非常に長いサンプル長のデータを非常に高いサンプリングレートで収集する方が良いでしょう。1980年代初頭にデジタル収集装置が最初に普及したとき、A/Dサンプリング、デジタルストレージ、計算能力は今日のようなものではなかったので、データ収集に必要な時間と望ましい分解能と精度との間で妥協がなされました。この制限のため、現場のアナリストの中には、アナログテープ記録システムを手放すことを拒否した人もいましたが、アナログテープ記録システムは、同じようにデジタル化の欠点に悩まされることはありませんでした。いくつかのハイブリッドシステムが採用され、記録されたアナログデータを複数のサンプリングレートと長さでデジタル化して再生するシステムが採用されましたが、これらのシステムは自動化されていませんでした。前述したように、より一般的なアプローチは、データ収集時間と分析能力とのバランスをとり、複数のサンプリングレートおよびサンプリング長でデータブロックをデジタル的に取得し、これらのブロックを別々にデジタル的に保存することである。実施形態では、長いデータ長のデータは、最も高い実用的なサンプリングレート(例えば、102.4kHz;40kHzのFmaxに対応する)で収集され、保存され得る。この長いデータブロックは、経路収集において常に懸念される測定点でのサンプリングに追加される有効な遅延がないように、プリオリ法によって利用されるより低いサンプリングレートのより短い長さと同じ時間で取得することができる。実施形態では、データのアナログテープ記録は、文脈がそうでないことを示す場合を除き、本開示の実施形態の目的を含む多くの目的のために、実質的に連続的または「アナログ」とみなすことができるような精度でデジタル的にシミュレートされる。
本明細書に開示された方法およびシステムの実施形態は、較正データおよびメンテナンス履歴をオンボードカードセットに保存することを含んでもよい。機能するためにPCとのインターフェイスに依存する多くのデータコレクタは、その較正係数をPC上に保存する。これは、特に、信号経路が多く、したがって較正テーブルが非常に大きくなり得る複雑なデータコレクタに当てはまる。実施形態では、較正係数はフラッシュメモリに格納されており、このデータまたはその他の重要な情報は、すべての実用的な目的のために永久に記憶される。この情報は、個々のコンポーネントのシリアル番号、ファームウェアまたはソフトウェアのバージョン番号、メンテナンス履歴、および較正テーブルのような銘板情報を含んでもよい。実施形態では、ボックスが最終的にどのコンピュータに接続されていても、DAQボックスは較正されたままであり、この重要な情報のすべてを保持し続けます。PC または外部デバイスは、移植または情報交換の目的のために、いつでもこの情報をポーリングすることができます。
本明細書に開示された方法およびシステムの実施形態は、階層テンプレートを利用した迅速なルート作成を含むことができる。振動モニタリングの分野では、一般的なパラメトリックモニタリングと同様に、データモニタリングポイントの存在をデータベースまたは機能的に等価なものに確立することが必要である。これらのポイントは、トランスデューサ属性、データ収集設定、機械パラメータ、操作パラメータなどの様々な属性に関連付けられている。トランスデューサ属性には、プローブタイプ、プローブ取付タイプ、プローブ取付方向または軸方向が含まれる。測定に関連したデータ収集属性には、サンプリングレート、データ長、電子圧電プローブの電源とカップリング要件、ハードウェア統合要件、4-20 または電圧インターフェイス、レンジとゲイン設定(該当する場合)、フィルタ要件などが含まれます。特定のポイントに関連する機械のパラメトリック要件には、動作速度、ベアリングのタイプ、転動体ベアリングの場合はピッチ直径、ボールの数、インナーレース、アウターレースの直径を含むベアリングのパラメトリックデータなどが含まれます。傾斜パッドベアリングの場合は、パッドの数などが含まれます。ギアボックスのような装置の測定点のために必要なパラメータには、例えば、各ギアのギア歯の数が含まれます。誘導電動機の場合は、ローターバーとポールの数、コンプレッサーの場合はブレードとベーンの数、ファンの場合はブレードの数が含まれます。ベルト/プーリシステムの場合、ベルトの数と関連するベルト通過周波数は、プーリの寸法とプーリの中心から中心までの距離から計算することができます。カップリングの近くでの測定のためには、ギヤードカップリングのカップリングタイプと歯数などが必要となる場合がある。運転パラメトリックデータは、メガワット、流量(空気または流体のいずれか)、パーセンテージ、馬力、フィート/分などで表される運転負荷を含む。周囲温度、動作温度、圧力、湿度なども関連している可能性がある。ご覧のように、個々の測定ポイントに必要なセットアップ情報は非常に大きくなります。また、データの合法的な分析を行うためにも非常に重要です。機械、装置、及び軸受の特定の情報は、故障の頻度を特定したり、予想される様々な種類の特定の故障を予測したりするために不可欠である。トランスデューサの属性とデータ収集パラメータは、データを適切に解釈するために不可欠であり、また、適切な分析技術の種類の限界を提供します。このデータを入力する従来の方法は手動で非常に面倒で、通常は最も低い階層レベル(例えば、機械のパラメータに関してはベアリングレベル)で、データ収集の設定情報に関してはトランスデューサレベルで行われていました。しかし、データを整理するために必要な階層関係の重要性は、データの保存や移動だけでなく、分析や解釈の目的のためにも十分に強調することはできません。ここでは、主にデータの保存と移動に焦点を当てている。前述の設定情報は、その性質上、最下層の階層のレベルでは非常に冗長であるが、強い階層性のため、その形でかなり効率的に保存することができる。実施形態では、テンプレートの形態でデータをコピーする際に、階層性を利用することができる。一例として、多くの目的に適した階層的な記憶構造は、会社、工場またはサイト、ユニットまたはプロセス、機械、装置、シャフトエレメント、ベアリング、およびトランスデューサの一般的なものから特定のものまで定義されている。特定の機械、装置、シャフト要素またはベアリングに関連付けられたデータをコピーすることは、最も低いトランスデューサレベルでのみコピーするよりもはるかに簡単である。実施形態では、システムは、このような階層的な方法でデータを格納するだけでなく、これらの階層的なテンプレートを使用してデータの迅速なコピーをロバストにサポートする。特定の階層レベルでの要素の類似性は、階層形式での効果的なデータ保存にそれ自体を貸す。例えば、非常に多くの機械は、モータ、ギアボックス、コンプレッサ、ベルト、ファンなどの共通の要素を持っている。より具体的には、多くのモータは、誘導、DC、固定または可変速のいずれかに簡単に分類することができます。多くのギアボックスは、入力/出力、入力ピニオン/中間ピニオン/出力ピニオン、4本柱などのような一般的なグループに分類することができます。工場や企業内では、コストとメンテナンスの理由から、同じようなタイプの機器が多数購入され、標準化されている。その結果、同種の機器が膨大に重なってしまい、階層的なテンプレートアプローチを活用する絶好の機会となっている。
本明細書に開示される方法およびシステムの実施形態は、スマートバンドを含んでもよい。スマートバンドは、データを分析し、正しい診断を達成する目的のために、任意の動的入力または入力群から導出される任意の処理された信号特性を指す。さらに、スマートバンドは、より堅牢で複雑な診断を達成する目的のために、ミニ診断または比較的単純な診断を含んでもよい。歴史的に、機械的振動分析の分野では、アラームバンドは、有意な振動パターンを分析および/または傾向付けする目的のために、関心のあるスペクトル周波数帯を定義するために使用されてきた。アラームバンドは、通常、低周波と高周波の境界線の間に定義されたスペクトル(周波数に対してプロットされた振幅)領域で構成されている。これらの境界線間の振幅は、全体的な振幅が計算されるのと同じ方法で合計されます。スマートバンドは、特定の周波数帯域を指すだけでなく、単一のピークの高調波、時間波形に由来する真のピークレベルまたはクレストファクタ、振動包絡線スペクトルまたは他の特殊な信号解析技術に由来する全体、またはこれらの信号属性の論理的な組み合わせ(AND、OR、XORなど)のようなスペクトルピークのグループを指すことができるという点で、より柔軟性がある。さらに、システム負荷、モータ電圧および位相情報、ベアリング温度、流量などを含む、無数の他のパラメトリックデータを、同様に、追加のスマートバンドを形成するための基礎として使用することができる。実施形態では、スマートバンドの症状は、エンジンが診断を導き出すためにこれらの入力を利用するエキスパートシステムの構成要素として使用することができます。これらのミニ診断のいくつかは、その後、より一般的な診断のためにスマートバンド症状(スマートバンドは、診断を含むことができる)として使用されてもよい。
本明細書に開示される方法およびシステムの実施形態は、スマートバンドを使用するニューラルネットエキスパートシステムを含んでもよい。典型的な振動解析エンジンは、ルールベースである(すなわち、満たされた場合に特定の診断をトリガするエキスパートルールのリストを使用する)。対照的に、ニューラルアプローチでは、複数の入力刺激の加重トリガを利用して、より小さな分析エンジンまたはニューロンへと誘導し、その結果、単純化された加重出力を他のニューロンに供給します。これらのニューロンの出力は、スマートバンドとして分類され、他のニューロンに供給されます。これにより、ルールベースのシステムの単発的なアプローチとは対照的に、専門家診断のためのより多層的なアプローチが生成される。実施形態では、エキスパートシステムはスマートバンドを使用してこのニューラルアプローチを利用するが、ルールベースの診断がエキスパートシステムによって利用される更なる刺激としてスマートバンドとして再分類されることを排除するものではない。この観点からは、最高レベルでは本質的にニューラルであるが、ハイブリッド・アプローチとして概観することができる。
本明細書に開示された方法およびシステムの実施形態は、分析スマートバンドの症状および診断におけるデータベース階層の使用を含んでもよく、様々な階層データベースレベルに割り当てられてもよい。例えば、スマートバンドは、軸受レベルで「緩み」と呼ばれ、装置レベルで「緩み」をトリガし、機械レベルで「緩み」をトリガしてもよい。別の例としては、カップリングを横切って「水平面位相反転」と呼ばれるスマートバンド診断を行い、機械レベルで「垂直カップリングミスアライメント」のスマートバンド診断を生成することが考えられる。
本明細書に開示される方法およびシステムの実施形態は、エキスパートシステムのGUIを含んでもよい。実施形態では、システムは、エキスパートシステムのスマートバンドおよび診断を定義するためのグラフィカルアプローチを引き受ける。特定の機械診断を作成するための症状、規則、またはより一般的なスマートバンドの入力は、退屈で時間がかかるかもしれない。このプロセスをより迅速かつ効率的にするための一つの手段は、配線を利用したグラフィカル手段を提供することである。提案されたグラフィカル・インターフェースは、症状部品ビン、診断ビン、ツールビン、およびグラフィカル配線エリア(「GWA」)の4つの主要な構成要素から構成されている。実施形態では、症状部品ビンは、スペクトルピーク、スペクトルハーモニック、波形トゥルーピーク、波形クレストファクタ、スペクトルアラームバンドなどのような、様々なスペクトル、波形、エンベロープ、および任意のタイプの信号処理特性または特性のグループ化を含む。各部分には、追加の特性が割り当てられていてもよい。例えば、スペクトルピークの部分には、走行速度の周波数または次数(倍数)が割り当てられてもよい。一部のパーツは、1x、2x、3xの走行速度、1x、2x、3xのギアメッシュ、1x、2x、3xのブレードパス、モーターローターバーの数×走行速度などのように、事前に定義されていてもよいし、ユーザーが定義していてもよい。
実施形態では、診断ビンには、ミスアライメント、アンバランス、緩み、ベアリングの欠陥などのユーザ定義の診断だけでなく、様々な事前定義された診断が含まれている。部品と同様に、診断は、より複雑な診断を構築する目的で部品として使用されてもよい。実施形態では、ツールビンは、AND、OR、XORなどの論理演算、またはFind Max、Find Min、補間、平均、他の統計演算などの上記の様々な部品を組み合わせる他の方法を含む。実施形態では、グラフィカル配線領域は、部品ビンからの部品または診断ビンからの診断を含み、診断を作成するためのツールを使用して組み合わせてもよい。様々な部品、ツール、および診断は、単に所望の方法で一緒にグラフィカルに配線されたアイコンで表現される。
本明細書に開示される方法およびシステムの実施形態は、逆算定義のためのグラフィカルアプローチを含んでもよい。実施形態では、エキスパートシステムはまた、システムが学習する機会を提供する。刺激またはスマートバンドのユニークなセットが特定の障害または診断に対応することを既に知っている場合、類似の刺激の将来のセットに適用されたときに同じ診断に到達するであろう係数のセットを逆算することが可能である。実施形態では、データのセットが複数ある場合、ベストフィットアプローチを使用することができる。スマートバンドGUIとは異なり、本実施形態では、配線図を自己生成する。実施形態では、ユーザは、バックプロパゲーションアプローチの設定を調整し、データベースブラウザを使用して、データの特定のセットを所望の診断と一致させてもよい。実施形態では、所望の診断は、スマートバンドGUIを使用して作成されてもよいし、カスタマイズされてもよい。実施形態では、その後、ユーザは、GENERATEボタンを押してもよく、最適な適合を達成するためにアルゴリズムを介して動作するように、症状-診断の動的な配線が画面上に表示されてもよい。実施形態では、マッピングプロセスが完了すると、マッピングプロセスがどれだけうまく進行したかを詳細に示す様々な統計が提示される。いくつかのケースでは、例えば、入力データがすべてゼロであったり、間違ったデータ(誤って割り当てられている)などの場合、マッピングが達成されないことがある。本明細書に開示される方法およびシステムの実施形態は、ベアリング解析方法を含んでもよい。実施形態では、ベアリング分析方法は、コンピュータ支援設計(「CAD」)、予測デコンボリューション、最小分散ディストーションレス応答(「MVDR」)、およびスペクトルサムオブハーモニクスと組み合わせて使用されてもよい。
近年、省電力化の動きが強く、その結果、可変周波数駆動装置や可変速機が流入してきている。実施形態では、軸受解析方法が提供される。実施形態では、ねじり力が関連する機械(回転部品を有する機械など)を診断するためのより包括的な方法のための高度なねじり振動解析を提供するために、過渡的な信号解析を利用したねじり振動検出および解析が提供される。主にモータ回転数制御システムのコストの低下とエネルギー消費に対する意識の高まりにより、負荷制御による膨大なエネルギー節約の可能性を利用することが経済的に正当化されるようになってきている。残念ながら、この問題の設計上見落とされることが多いのが振動の問題です。機械が1つの速度でしか動作しないように設計されている場合、機械の機械的な健全性を劇的に低下させるような構造的およびねじり的な機械的共振を避けるために、それに応じて物理的な構造を設計する方がはるかに簡単です。これには、使用する材料の種類、その重量、補強部材の要件と配置、軸受の種類、軸受の位置、ベースサポートの制約などの構造的特性が含まれます。機械が1つの速度で動いている場合でも、振動を最小限に抑えるように構造を設計するのは大変な作業であり、コンピュータモデリング、有限要素解析、および実地試験を必要とする可能性がある。多くの場合、可変速度を混ぜることで、すべての望ましい速度を設計することは不可能になります。そうなると、問題は、例えば速度回避による最小化の1つになります。これは、多くの近代的なモータコントローラが、典型的には、特定の速度範囲またはバンドをスキップまたは迅速に通過するようにプログラムされている理由である。実施形態では、振動監視システムにおいて速度範囲を特定することを含んでもよい。非ねじり構造共振は、典型的には、従来の振動解析技術を用いて検出することはかなり容易である。しかし、これは、ねじりの場合はそうではない。現在注目されている特別な分野の一つは、ねじり共振問題の発生率の増加で、明らかに速度変化によるねじり応力の増加や、ねじり共振速度での機器の操作に起因している。一般的に劇的に増加したケーシングまたは外部振動でその効果を示す非ねじり構造共振とは異なり、ねじり共振は一般的にそのような効果を示さない。シャフトのねじり共振の場合、共振によって誘発されるねじれ運動は、速度および/または位相の変化を探すことによってのみ識別できるかもしれません。ねじれ振動を分析するための現在の標準的な方法は、特殊な計装装置の使用を含む。本明細書に開示されている方法およびシステムは、そのような特殊な計装を使用せずにねじり振動を分析することを可能にする。これは、機械を停止させ、ひずみゲージおよび/または速度エンコーダプレートおよび/またはギアのような他の特殊な固定具の使用を採用することで構成されてもよい。フリクションホイールは別の選択肢であるが、一般的には手動での実装と専門の解析者を必要とする。一般的に、これらの技術は法外に高価であったり、不便であったりします。コストの低下と利便性の向上(例えば、遠隔アクセス)のために、連続振動モニタリングシステムの普及が増加していることが存在する。実施形態では、振動信号だけでねじり速度および/または位相変化を識別する能力がある。実施形態では、過渡解析技術は、プロセス制御による単なる速度変化からねじり誘発振動を区別するために利用され得る。実施形態では、識別のための要因は、以下の側面のうちの1つ以上に焦点を当ててもよい。可変速度モータ制御による速度変化の速度は比較的遅く、持続的で意図的なものであり、ねじり速度の変化は短く、衝動的で持続的なものではない傾向がある。また、シャフトの回転速度に対するねじりに関連した速度変化が小さいことから、位相挙動を監視することで、機械の速度を上げたり下げたりする(ボーデやナイキストプロットに代表されるような)ゆっくりとした位相変化とは対照的に、迅速な速度バーストや過渡的な速度バーストを示すことが示唆されます。
本明細書に開示された方法およびシステムの実施形態は、アナログ方法およびデジタル方法の両方を使用して改善された統合を含んでもよい。信号がソフトウェアを使用してデジタル統合される場合、本質的にスペクトルローエンド周波数データは、その振幅がゼロに近づくとすぐに爆発し、「スキースロープ」効果として業界で知られているものを作成する関数によって乗算されている。スキー・スロープの振幅は、本質的に機器のノイズ・フロアです。これに対する簡単な解決策は、従来のハードウェア・インテグレータであり、すでにデジタル化された信号のS/N比よりもはるかに大きいS/N比で実行することができます。また、増幅率を適切なレベルに制限することができるので、非常に大きな数字の乗算は基本的に禁止されている。しかし、周波数が大きくなる高周波数では、ノイズ・フロアを大きく超えている可能性のある元の振幅は、非常に小さな数(1/f)で乗算され、ノイズ・フロアを大きく下回ってしまいる。ハードウェア・インテグレータは固定のノイズ・フロアを持っており、フロアは低いものの、振幅の低い高周波数データではスケールダウンしません。対照的に、デジタル化された高周波信号の同じデジタル乗算もまた、ノイズ・フロアを比例的にスケールダウンさせます。実施形態では、ハードウェア統合は、単一利得のポイントの下(通常、単位によって決定される値および/または利得に基づく所望の信号対雑音比で)で使用されてもよく、ソフトウェア統合は、理想的な結果を生成するために単一利得の値の上で使用されてもよい。実施形態では、この統合は、周波数領域で実行される。実施形態では、結果として得られたハイブリッドデータは、その後、ハードウェア統合されたデータまたはソフトウェア統合されたデータのいずれかと比較した場合に、信号対雑音比がはるかに優れているはずの波形に変換されてもよい。実施形態では、ハードウェア統合の強みは、最大の信号対雑音比を達成するために、デジタル・ソフトウェア統合の強みと組み合わせて使用される。実施形態では、カーブフィッティングと共に、1次の漸進的ハードウェア積分器ハイパスフィルタは、ノイズを低減または除去しながら、いくつかの比較的低周波数のデータを通過させることを可能にし、急峻なフィルタが殺してしまうような非常に有用な分析データを救済することを可能にする。
本明細書に開示された方法およびシステムの実施形態は、連続モニタリングのための適応的スケジューリング技術を含んでもよい。連続モニタリングは、しばしば、DAQシステムのハードウェア信号処理、A/D、および処理コンポーネントに供給するために、多数のデータの中から数チャンネルのデータを選択することを目的としたアップフロントMUXを用いて実行される。これは主に実用的なコストを考慮して行われます。トレードオフは、すべてのポイントが連続的に監視されないことである(代替のハードウェア方法を介してより少ない範囲で監視されてもよいが)。実施形態では、複数のスケジューリングレベルが提供される。実施形態では、大部分が連続的である最低レベルでは、測定ポイントのすべてがラウンドロビン方式でサイクルスルーされる。例えば、測定ポイントを取得して処理するのに30秒かかり、30個のポイントがある場合、各ポイントは15分に1回サービスされるが、ユーザーが選択した基準でポイントがアラームを発する場合、その優先度レベルを上げて、より頻繁にサービスされるようにすることができる。各アラームには複数の重大度のグレードがあるので、監視に関しては複数の優先度のレベルがあることができます。実施形態では、より深刻なアラームは、より頻繁に監視される。実施形態では、多くの追加の高レベル信号処理技術を、より少ない頻度の間隔で適用することができる。実施形態では、PCの増大した処理能力を利用してもよく、PCは、ラウンドロビン経路収集(その複数の層の収集を伴う)プロセスを一時的に中断して、必要な量のデータを、その選択したポイントのためにストリーミングすることができる。実施形態では、包絡線処理、ウェーブレット解析、および他の多くの信号処理技術のような様々な高度な処理技術を含んでもよい。実施形態では、このデータを取得した後、DAQカードセットは、中断されたポイントでその経路を継続する。実施形態では、様々なPCのスケジュールされたデータ取得は、DAQカードのルートよりも頻度の低い独自のスケジュールに従うであろう。それらは、毎時、毎日、ルートサイクルの数によって設定されてもよく(例えば、10サイクルごとに1回)、また、それらのアラーム重大度優先度または測定のタイプに基づいてスケジューリング的に増加されてもよい(例えば、モータは、ファンとは異なる方法で監視されてもよい)。
本明細書に開示された方法およびシステムの実施形態は、データ収集パーキング機能を含むことができる。実施形態では、経路収集、リアルタイム分析、および一般的に収集機器として使用されるデータ収集ボックスは、そのPC(タブレットまたはその他のもの)から切り離され、外部電源または適切なバッテリによって給電され得る。実施形態では、データコレクタは、継続的なモニタリング機能を保持し、そのオンボードファームウェアは、長時間の間、専用のモニタリング機能を実装することができ、またはさらなる分析のためにリモートで制御することができる。本明細書に開示された方法およびシステムの実施形態は、連続監視のための拡張統計機能を含んでもよい。
本明細書に開示された方法およびシステムの実施形態は、分析のために、環境センシング+局所センシング+振動を含んでもよい。実施形態では、周囲環境温度および圧力、センシングされた温度および圧力は、条件または特性のいずれかの範囲の予測のために、長期/中期振動分析と組み合わせてもよい。バリアントは、赤外線センシング、赤外線サーモグラフィ、超音波、および他の多くのタイプのセンサおよび入力タイプを、振動と組み合わせて、または互いに組み合わせて追加してもよい。本明細書に開示される方法およびシステムの実施形態は、スマートルートを含んでもよい。実施形態では、連続監視システムのソフトウェアは、統計、分析、データアラーム、および動的分析に基づいて、データ収集シーケンスを適応/調整する。典型的には、経路は、センサが接続されているチャネルに基づいて設定される。実施形態では、クロスポイントスイッチにより、Muxは、任意の入力Muxチャネルを(例えば、8つの)出力チャネルに結合することができる。実施形態では、チャネルがアラームに入るか、またはシステムが重要な逸脱を識別すると、より高度な分析のために、ソフトウェアで設定された通常のルートを一時停止して、主要な統計的変化を共有するチャネルから特定の同時データを収集します。具体的には、スマートODSまたはスマート転送機能を実施することが含まれます。
本明細書に開示された方法およびシステムの実施形態は、スマートODSおよび1つ以上の転送機能を含むことができる。実施形態では、システムのマルチプレクサおよびクロスポイントスイッチのために、ODS、転送機能、または機械/構造物に取り付けられたすべての振動センサ上の他の特別なテストが実行され、機械の点が互いに関連してどのように動いているかを正確に示すことができる。実施形態では、40~50kHzおよびより長いデータ長(例えば、少なくとも1分)がストリーミングされてもよく、これは、通常のODSまたは転送機能が示すものとは異なる情報を明らかにしてもよい。実施形態では、システムは、使用するデータ/統計/分析に基づいて、条件/データがそれを指示するので、相関関係を示す可能性がある機械、構造物または複数の機械と構造物を横断してODSを実施するスマートルート機能を決定することができるであろう。実施形態では、転送機能のために、1つのチャネルで使用されるインパクトハンマーがあってもよく、その後、機械上の他の振動センサと比較されてもよい。実施形態では、システムは、負荷、速度、温度、または機械またはシステム内の他の変化などの条件の変化を使用して、伝達機能を実施してもよい。実施形態では、異なる伝達関数は、時間の経過とともに互いに比較されてもよい。実施形態では、異なる伝達関数は、機械故障がどのように変化するかを示すことができる映画のように一緒にひも付けられてもよく、例えば、軸受が軸受故障の4つの段階を通ってどのように移動するかを示すことができる軸受のように。本明細書に開示された方法およびシステムの実施形態は、階層的Muxを含んでもよい。
図8を参照して、本開示は、一般に、動作速度が比較的遅い回転速度または振動速度から、異なる状況下ではるかに高い速度まで変化し得る機械2020から、波形データ2010をデジタル的に収集またはストリーミングすることを含む。少なくとも1つの機械上の波形データ2010は、不変の基準位置2040に取り付けられた1軸センサ2030からのデータと、位置2052を含む、変化する位置(または複数の位置)に取り付けられた3軸センサ2050からのデータとを含んでもよい。実施形態では、波形データ2010は、周期的で過渡的な衝撃事象を捕捉するために十分に大きい最大分解能周波数を有する複数分の継続時間の間、ギャップフリー形式で各センサ2030,2050から同時に取得された振動データであり得る。この例によって、波形データ2010は、操作上の偏向形状を作成するために使用することができる振動データを含むことができる。また、必要に応じて、振動を診断するために使用することができ、そこから機械の修理ソリューションを処方することができる。
実施形態では、機械2020は、シャフト2120を駆動することができる駆動モータ2110を含むことができるハウジング2100をさらに含むことができる。シャフト2120は、第1のベアリング2140および第2のベアリング2150を含むような、一組のベアリング2130によって回転または揺動のために支持され得る。データ収集モジュール2160は、機械2020に接続することができる(または常駐することができる)。一例では、データ収集モジュール2160は、クラウドネットワーク設備2170を介して配置され、アクセス可能であり、機械2020から波形データ2100を収集し、波形データ2100を遠隔地に配信することができる。機械2020の駆動シャフト2120の作動端2180は、本明細書に記載された技術が、回転または揺動要素を含む広範囲の機械、装置、工具、またはそのようなものに適用できるように、風車、ファン、ポンプ、ドリル、歯車システム、駆動システム、または他の作動要素を駆動することができる。他の実施形態では、発電機をモータ2110の代わりに使用することができ、駆動軸2120の作動端は、回転エネルギーを消費するのではなく、電力を生成するために発電機に向けることができる。
実施形態では、波形データ2010は、機械2020のレイアウトに基づく所定の経路フォーマットを用いて取得されてもよい。波形データ2010は、1軸センサ2030および3軸センサ2050からのデータを含んでもよい。単軸センサ2030は、その1チャネルのデータを有する基準プローブとして機能することができ、調査対象の機械2040上の不変の位置2040に固定されることができる。三軸センサ2050は、その三チャンネルのデータを有する三軸プローブ(例えば、直交する三軸)として機能することができ、一つのテストポイントから次のテストポイントまで、所定の診断経路フォーマットに沿って移動することができる。一実施例では、両方のセンサ2030,2050は、機械2020に手動で取り付けられ、特定のサービス例では、別個のポータブルコンピュータに接続することができる。ユーザが、機械上のベアリングからベアリングへの移動などの所定の経路に沿って三軸振動プローブを移動させることができる間、基準プローブは、一箇所に留まることができる。この例では、ユーザは、機械の調査(またはその一部)を完了するために、所定の位置にセンサを配置するように指示される。
図9を参照すると、例示的な機械2200の一部が、本開示に従って、出力軸2230および出力部材2240を有する機械2200のモータベアリングに関連付けられた位置2220に取り付けられた3軸センサ2210を有することが示されている。図10を参照すると、例示的な機械2300は、本開示に従って振動調査の間、機械2300に不変の位置に取り付けられた基準センサとして機能する3軸センサ2310および1軸振動センサ2320を有することが示されている。三軸センサ2310および単軸振動センサ2320は、データ収集システム2330に接続することができる。
さらなる例では、センサおよびデータ収集モジュールおよび装置は、回転機械に一体的に、または回転機械上に常駐させることができる。これらの例によって、機械は、多数の単軸センサおよび多数の三軸センサを所定の位置に含むことができる。センサは、元々設置されていた装置であって、元々の装置製造業者によって提供されたものであってもよいし、レトロフィットアプリケーションの別の時期に設置されたものであってもよい。データ収集モジュール2160等は、1個の単軸センサを選択して使用し、3軸センサの各々に移動しながら、波形データ2010の収集中に排他的にデータを取得することができる。データ収集モジュール2160は、機械2020上に常駐し、および/またはクラウドネットワーク設備2170を介して接続することができる。
図8を参照して、様々な実施形態では、クラウドネットワーク設備2170を介してローカルにデジタル記録するか、またはストリーミングすることにより、波形データ2010を収集することが含まれる。波形データ2010は、中断のないギャップフリーであるように収集することができ、いくつかの点で、波形データのアナログ記録に類似することができる。すべてのチャネルからの波形データ2010は、監視されている機械の回転速度または振動速度に応じて、1~2分間収集することができる。実施形態では、データサンプリングレートは、機械2020の動作周波数に対して比較的高いサンプリングレートであり得る。
実施形態では、第2の基準センサを使用することができ、第5のチャネルのデータを収集することができる。このように、一軸センサは、第1のチャネルであり得、三軸振動は、第2のデータチャネル、第3のデータチャネル、および第4のデータチャネルを占有することができる。この第2の基準センサは、第1のセンサと同様に、加速度センサなどの単軸センサであり得る。実施形態では、第1の基準センサと同様に、第2の基準センサは、その機械上の振動調査全体の間、その機械上の同じ場所に留まることができる。第1の基準センサ(すなわち、単軸センサ)の位置は、第2の基準センサ(すなわち、別の単軸センサ)の位置とは異なっていてもよい。特定の実施例では、第2の基準センサは、機械が異なる動作速度を有する2つのシャフトを有し、2つの基準センサが2つの異なるシャフト上に配置されている場合に使用することができる。本実施例に従って、回転機械に関連付けられた追加的ではあるが異なる不変の位置に、さらなる単軸基準センサを採用することができる。
実施形態では、波形データは、比較的長い時間の間、有意に高いサンプリングレートでギャップフリーフォーマットで電子的に送信され得る。一例では、期間は60~120秒である。別の例では、サンプリングレートは、40kHzの最大分解能周波数(Fmax)を有する100kHzである。本開示に照らして、波形データは、波形データのアナログ記録の以前の実施例から利用可能な豊富なデータの一部をより密接に近似して示すことができることが理解されるであろう。
実施形態では、サンプリング、バンド選択、およびフィルタリング技術は、変化する有効サンプリングレートを実現するために、長いデータストリーム(すなわち、持続時間が1~2分)の1つまたは複数の部分が、アンダーサンプリングまたはオーバーサンプリングされることを可能にすることができる。この目的のために、補間およびデシメーションを使用して、多様な有効サンプリングレートをさらに実現することができる。例えば、振動の影響は、機械の動作範囲全体にわたってそれらの周波数でより顕著になる傾向があるので、オーバーサンプリングは、サンプリングされた機械の回転または振動動作速度に近い周波数帯域、またはそれらの高調波に適用されてもよい。実施形態では、デジタルサンプリングされたデータセットは、より低いサンプリングレートを生成するためにデシメーション化することができます。本開示に照らして、この文脈でのデシメートは、補間の反対であり得ることが理解されるであろう。実施形態では、データセットをデシメートすることは、まず、デジタルサンプリングされたデータセットにローパスフィルタを適用し、その後、データセットをアンダースサンプリングすることを含むことができる。
ある例では、100 Hzのサンプル波形は、10 Hzの有効サンプリングレートを生成するために、デジタル波形の10番目のポイントごとにアンダーサンプリングされますが、波形のその部分の残りの9ポイントは事実上破棄され、サンプル波形のモデル化には含まれません。さらに、このタイプのベア・アンダーサンプリングは、100 Hzのサンプル波形に対するアンダーサンプリング・レート(すなわち、10 Hz)のために、ゴースト周波数を発生させる可能性がある。
アナログ-デジタル変換のためのほとんどのハードウェアは、波形の平均値が特定の時間の変化にわたって決定されるように、所定の時間の間コンデンサを充電することができるサンプル・アンド・ホールド回路を使用している。本開示を考慮すると、特定の変化時間にわたる波形の値は、線形ではなく、より枢軸正弦波(「sinc」)関数に類似しており、したがって、枢軸正弦波信号の指数関数的な減衰がその中心から発生し、サンプリング間隔の中心での波形データにより重点を置くことができることが示されている。
上記の例によれば、100Hzでのサンプル波形は、10Hzでハードウェアサンプリングすることができ、したがって、各サンプリングポイントは、100ミリ秒にわたって平均化される(例えば、100Hzでサンプリングされた信号は、10ミリ秒にわたって平均化された各ポイントを有することができる)。上述したように、サンプリングされた波形の10個のデータポイントのうちの9個のデータポイントを効果的に廃棄するのとは対照的に、本開示は、隣接するデータを計量することを含むことができる。隣接データは、以前に廃棄されたサンプル点と、保持された1つの残りの点とを参照することができる。一例では、ローパスフィルタは、隣接するサンプルデータを線形に平均化することができ、すなわち、10点毎の合計を決定し、その合計を10で除算することができる。さらなる例では、隣接するデータは、sinc関数で重み付けすることができる。元の波形をsinc関数で重み付けするプロセスは、インパルス関数と呼ばれてもよいし、時間領域では畳み込みと呼ばれてもよい。
本開示は、検出された電圧に基づいて波形信号をデジタイズすることに限らず、電流波形、振動波形、およびビデオ信号のラスタライズを含む画像処理信号に基づいて波形信号をデジタイズすることにも適用可能である。一実施例では、コンピュータ画面上のウィンドウのリサイズは、少なくとも2方向ではあるが、デシメーション化することができる。これらのさらなる例では、それ自体ではアンダーサンプリングが不十分であることが示され得ることが理解されるであろう。そのために、オーバーサンプリングまたはアップサンプリングは、同様に、それ自体が不十分であることを示すことができ、そのような補間は、デシメーションのように使用することができるが、それ自体がアンダーサンプリングのみの代わりに使用することができる。
この文脈での補間は、最初にローパスフィルタをデジタルサンプリングされた波形データに適用し、次に波形データをアップサンプリングすることを意味することができることは、本開示に照らして理解されるであろう。実世界の例では、デシメーションまたは補間のために非整数の因子を使用すること、またはその両方を使用することをしばしば必要とすることができることが開示に照らして理解されるであろう。そのために、本開示は、補間およびデシメーションのための非整数因子率を実現するために、順次補間およびデシメーションを行うことを含む。一例では、逐次的に補間およびデシメートすることは、サンプル波形にローパスフィルタを適用し、ローパスフィルタの後に波形を補間し、補間の後に波形をデシメートすることを定義することができる。実施形態では、振動データは、従来のテープレコーダーのループを意図的にエミュレートするためにループさせることができ、より長い分析を容易にするために有効なスプライスと一緒に使用されるデジタルフィルタリング技術を使用している。上記の技術は、波形、スペクトル、および他のタイプの分析を、収集時にユーザのGUIで処理して表示することを排除しないことが、本開示に照らして理解されるであろう。より新しいシステムが、生波形データの高性能収集と並行してこの機能を実行することを可能にすることができることは、開示に照らして理解されるであろう。
収集時間の問題に関しては、異なるサンプリングレートとデータ長で収集することでデータ分解能を向上させるという妥協したアプローチを使用している古いシステムでは、実際には期待したほどの時間の節約にはならないことが理解されるでしょう。そのため、データ収集ハードウェアが停止したり起動したりするたびに、特にハードウェアの自動スケーリングが実行されている場合には、レイテンシの問題が発生します。これは、データベース形式であることが多く、非常に遅くなる可能性がある経路情報(すなわち、試験場所)のデータ取得に関しても同様である。また、(ソリッドステートであるか否かにかかわらず)バーストでの生データのディスクへの格納も、望ましくないほど遅くなることがある。
これに対して、多くの実施形態では、本明細書に開示されているように、波形データ2010をデジタル的にストリーミングし、データ取得ハードウェアを一度だけ設定しながら経路パラメータ情報をロードする必要がないという利点を享受することができる。また、波形データ2010は、1つのファイルにのみストリーミングされるため、ファイルの開閉や、記憶媒体への読み込みと書き込みの操作を切り替える必要がない。本明細書に記載されているような波形データ2010の収集および保存は、従来のバッチデータ取得アプローチよりも有意に短い時間で比較的意味のあるデータを生成することを示すことができる。この例は、特に、電気的なサイドバンド周波数を区別するために、十分に高い分解能のために、4Kポイント(すなわち、4096)のデータ長で波形データを収集することができる電気モータを含む。ファンまたは送風機については、1K(すなわち、1,024)の縮小された分解能を使用することができる。特定の実施形態では、1Kは、最小波形データ長の要件とすることができる。サンプリングレートは、1,280Hzとすることができ、これは、500HzのFmaxに等しい。業界標準の係数2.56によるオーバーサンプリングは、アンチエイリアシング・フィルタ・ロールオフに対応することができるいくつかの追加の余裕をもって、ナイキスト基準のために必要な2倍(2x)のオーバーサンプリングを満たすことができることが、本開示を考慮すると理解されるであろう。この波形データを取得する時間は、1,280ヘルツで1,024点、800ミリ秒となります。
精度を向上させるために、波形データを平均化することができる。8つの平均値を、例えば50%のオーバーラップで使用することができます。これは、800ミリ秒×8つの平均値×0.5(オーバーラップ率)+0.5×800ミリ秒(オーバーラップしていないヘッドエンドとテールエンド)に相当し、800ミリ秒から3.6秒に延長されます。Fmax=500Hzの波形データで収集した後、より高いサンプリングレートを使用することができる。一例では、前のサンプリングレートの10倍(10倍)のサンプリングレートを使用することができ、Fmax = 10kHzとすることができる。この例では、50% (50%) のオーバーラップで 8 つの平均を使用して、360 msec または 0.36 秒の収集時間に相当することができるこの高いレートで波形データを収集することができます。本開示を考慮すると、より高いサンプリングレートのためのハードウェア収集パラメータをルートリストから読み出すことが必要であること、およびハードウェアの自動スケーリング、または他の必要なハードウェア収集パラメータのリセット、またはその両方を許可することが必要であることが理解されるであろう。そのために、サンプリングレートの変化に対応するために数秒のレイテンシを追加することができる。他の実施例では、レイテンシを導入することは、本明細書に開示されるより低いサンプリングレートを使用する際に必要とされ得るハードウェアオートスケーリングおよびハードウェア収集パラメータの変更に対応することができる。サンプリングレートの変化に対応することに加えて、データベースから経路点情報を読み出すこと(すなわち、どこを監視するか、次にどこを監視するか)、経路情報を表示すること、および波形データを処理することに追加の時間が必要となる。さらに、波形データおよび/または関連するスペクトルの表示にも多大な時間を消費する。以上のことから、各測定点での波形データの取得には15秒~20秒程度の時間がかかる場合がある。
さらなる例では、追加のサンプリングレートを追加することができるが、これは、あるサンプリングレートから別のサンプリングレートへの切り替え時間と、異なるサンプリングレートで追加のデータを得るための時間とから時間が加算されるため、振動調査の総量時間をさらに長くすることができる。一実施例では、より低いサンプリングレート、例えば、Fmax=50Hzである128Hzのサンプリングレートが使用される。この例によって、振動調査は、したがって、上述した他のものに加えて、このサンプリングレートでの平均化されたデータの最初のセットのために、追加の36秒を必要とし、その結果、各測定ポイントで費やされた合計時間は、さらに劇的に増加するであろう。さらなる実施形態では、本明細書に開示されているようなギャップフリー波形データの類似のデジタルストリーミングを、比較的低速の回転または振動システムを有することができる風力タービンおよび他の機械で使用するために使用することが含まれる。多くの例では、収集された波形データは、比較的高いサンプリングレートでのデータの長いサンプルを含むことができる。一例では、サンプリングレートは100kHzとすることができ、サンプリング持続時間は、記録されているすべてのチャネルについて2分間とすることができる。多くの例では、1つのチャネルは、1軸基準センサ用であり得、3つのデータチャネルは、3軸3チャネルセンサ用であり得る。長いデータ長は、極めて低い周波数の現象の検出を容易にするために示され得ることが、本開示に照らして理解されるであろう。長いデータ長はまた、風力タービン運転における固有の速度変動に対応するように示すことができる。さらに、長いデータ長は、非常に高いスペクトル分解能を達成するために、本明細書で議論されるような多数の平均を使用する機会を提供し、特定のスペクトル分析のためのテープループを実現可能にすることをさらに示すことができる。そのような技術は、本開示に従って波形データの利用可能な長く途切れない長さを利用することができるので、多くの複数の高度な分析技術が利用可能になり得る。
また、複数のチャネルからの波形データの同時収集は、複数のチャネル間の転送機能の実行を容易にすることができることも、本開示に照らして理解されるであろう。さらに、複数のチャネルからの波形データの同時収集は、各チャネルからの波形が同時に収集されるという事実に依存して、より洗練された相関関係を利用することができるように、機械全体の位相関係を確立することを容易にする。他の例では、データ収集のチャンネル数を増やすことで、複数のセンサからの波形データの同時収集を可能にし、振動調査の中でセンサからセンサへと移動しながら、後続の方法で波形データを収集しなければならない振動調査全体を完了するのにかかる時間を短縮することができます。
本開示は、チャンネル間の相対位相比較の取得を可能にするために、チャンネルのうちの1つのチャンネル上の少なくとも1つの単軸基準プローブを使用することを含む。基準プローブは、加速度計または他のタイプのトランスデューサであって、移動されず、したがって、1つの機械の振動調査中に不変の位置に固定されたものであってもよい。複数の基準プローブは、それぞれ、振動調査中の振動データの取得中に、所定の場所に固定された(すなわち、不変の場所に固定された)好適な位置に配置され得る。特定の実施例では、データ収集モジュール2160等の容量に応じて、最大7個の基準プローブを配備することができる。伝達関数または類似の技法を使用して、すべてのチャンネルの相対位相を、すべての選択された周波数において互いに比較してもよい。他の三軸振動センサを移動または監視している間、1つ以上の基準プローブを不変の位置に固定しておくことにより、機械全体が振幅および相対位相に関してマッピングされ得ることを示すことができる。これは、データ収集のチャンネルよりも多くの測定ポイントがある場合でも、真であることを示すことができます。この情報を用いて、機械の動的な動きを3Dで示すことができる動作偏向形状を作成することができ、これは非常に貴重な診断ツールを提供することができる。実施形態では、1つ以上の参照プローブは、絶対位相ではなく相対位相を提供することができる。本開示に照らして、相対位相は、いくつかの目的のためには価値ある絶対位相ではないかもしれないが、相対位相の情報は、依然として非常に有用であることを示すことができることが理解されるであろう。
実施形態では、振動調査中に使用されるサンプリングレートは、回転速度や振動速度などの機械の関連パラメータに関連する事前に設定された動作周波数にデジタル的に同期させることができます。これにより、同期化された平均化技術を使用して、より多くの情報を抽出することができます。本開示を考慮すると、これは、キー位相または回転シャフトからの参照パルスを使用せずに行うことができることが理解されるであろう。このように、非同期信号は、キーファザーを使用して同期平均化を展開する必要なしに、複雑な信号から除去することができる。これは、ギアボックスの特定のピニオンを解析する場合や、一般的に複雑な機械機構内の任意のコンポーネントに適用する場合に非常に強力であることが示されている。多くの実施形態では、キーファザーまたは基準パルスは、ルート収集されたデータではめったに利用できないが、本明細書に開示された技術は、この不在を克服することができる。実施形態では、分析される機械内には、異なる速度で走行する複数のシャフトが存在し得る。特定の実施形態では、各シャフトのための単軸基準プローブが存在し得る。他の実施形態では、不変の位置にある1つのシャフト上の1つの単軸参照プローブのみを使用して、1つのシャフトの位相を別のシャフトに関連付けることが可能である。実施形態では、可変速度装置は、単一速度装置と比較して比較的長いデータ持続時間で、より容易に分析することができる。振動調査は、本明細書に開示されるのと同じ技術を用いて、振動データの同じ連続するセット内の複数の機械速度で実施することができる。これらの技術はまた、以前には利用できなかった振動と速度の速度の変化との関係の変化の調査を可能にすることができる。
実施形態では、本明細書に開示されているように、生の波形データがギャップフリーデジタルフォーマットで捕捉され得るので、そこから出現することができる多数の分析技術がある。ギャップのないデジタル形式は、特定の問題を特定するために、波形データを事実の後で多くの方法で分析するための多くのパスを容易にすることができる。本明細書に開示された技術に従って収集された振動データは、過渡的、半周期的、および非常に低い周波数の現象の解析を提供することができる。本開示に従って取得された波形データは、必要に応じて便利に再生することができ、その上で多くの多様で洗練された分析技術を実行することができる、比較的長い生のギャップフリー波形データのストリームを含むことができる。そのような技術の多数は、生のギャップフリー波形データの比較的長いストリームに含めることができる過渡衝撃データから低振幅変調を抽出するための様々な形態のフィルタリングを提供することができる。過去のデータ収集の実施形態では、以前のデータ収集モジュールの目標が純粋に周期的な信号であったために、これらのタイプの現象は、典型的にはスペクトル処理アルゴリズムの平均化プロセスによって失われていた。または、これらの現象は、元の生信号からの内容の多くが典型的には使用されないことを知りながら廃棄されていたという事実のために、ファイルサイズ削減方法論によって失われていたことが、本開示に照らして理解されるであろう。
実施形態では、一組の軸受によって支持された少なくとも1つのシャフトを有する機械の振動を監視する方法がある。この方法は、機械に関連付けられた不変の位置にある単軸センサに割り当てられた第1のデータチャネルを監視することを含む。また、方法は、3軸センサに割り当てられた第2、第3および第4のデータチャネルを監視することを含む。この方法はさらに、機械の動作中に、すべてのデータチャネルから同時にギャップのないデジタル波形データを記録し、デジタル波形データに基づいて相対位相の変化を決定することを含む。この方法はまた、デジタル波形を取得している間、三軸センサを機械に関連する複数の位置に配置することを含む。実施形態では、第2、第3、および第4のチャネルは、機械に関連付けられた異なる位置にそれぞれ配置された一連の三軸センサに一緒に割り当てられます。実施形態では、データは、それらのすべてのチャネルのすべてのセンサから同時に受信される。
方法はまた、相対位相情報の変化と波形データとに基づいて動作偏向形状を決定することを含む。実施形態では、基準センサの不変の位置は、機械のシャフトに関連付けられた位置である。実施形態では、一連の三軸センサは、それぞれ異なる位置にあり、それぞれ機械の異なる軸受に関連付けられている。実施形態では、不変の位置は、機械のシャフトに関連付けられた位置であり、三軸センサのシーケンスにおける三軸センサは、それぞれ異なる位置に配置され、それぞれ機械のシャフトを支持する異なる軸受に関連付けられている。様々な実施形態では、回転または振動する機械またはアナログのプロセス機械の振動または類似のプロセスパラメータおよび信号を、アンサンブルとして知られ得る多数のチャンネルから同時に順次監視する方法が含まれる。様々な例では、アンサンブルは、1~8個のチャネルを含むことができる。さらなる例では、アンサンブルは、それらの測定位置が測定のための一時的なものであるか、元の装置製造業者によって供給されたものであるか、後から後付けされたものであるか、またはそれらの1つ以上の組み合わせであるかにかかわらず、監視される装置上の論理的な測定グループ化を表すことができる。
一例では、アンサンブルは、単一方向のベアリング振動をモニタすることができる。さらなる例では、アンサンブルは、3軸センサを使用して、3つの異なる方向(例えば、直交する方向)をモニタすることができる。さらなる例では、アンサンブルは、第1のチャネルが単軸振動センサをモニタすることができ、第2のチャネル、第3のチャネル、および第4のチャネルが三軸センサの3方向のそれぞれをモニタすることができる4つ以上のチャネルをモニタすることができる。他の例では、アンサンブルは、装置の同じピース上の隣接するベアリングのグループまたは関連するシャフトに固定することができる。様々な実施形態は、振動調査などに配備された様々なアンサンブルから比較的効率的な方法で波形データを収集するための戦略を含む方法を提供する。方法はまた、機械を監視するアンサンブルに関連付けられた不変の基準位置に割り当てられた基準チャネルを同時に監視することを含む。基準チャネルとの協働は、アンサンブルから収集された波形のより完全な相関をサポートすることを示すことができる。参照チャネル上の参照センサは、単軸振動センサであってもよいし、回転軸上の参照位置などによってトリガされ得る位相参照センサであってもよい。本明細書に開示されるように、方法は、動作中に監視される機械の適切な分析のために必要とみなされるすべての周波数を含むように、各アンサンブルのすべてのチャンネルから、比較的高いサンプリングレートで同時にギャップフリーデジタル波形データを記録することをさらに含むことができる。アンサンブルからのデータは、後続の処理のために、クラウドネットワーク設備、ローカルデータリンク、ブルートゥース(登録商標)接続、セルラーデータ接続などに接続可能な記憶媒体にギャップフリーでストリーミングすることができます。
実施形態では、本明細書に開示される方法は、特定の周波数または波形現象を強調するかまたはより良く分離するために、後にアンサンブルからのデータに適用することができるデジタル信号処理技術を含む、様々なアンサンブルからデータを収集するための戦略を含む。これは、異なるサンプリングレートで複数のデータセットを収集する、または統合を含む異なるハードウェアフィルタリング構成を有する現在の方法とは対照的であり得、これらの同じ(先験的なハードウェア構成として知られている)へのコミットメントのために、後処理の柔軟性が比較的少ないことを提供する。これらの同じハードウェア構成はまた、各独立した試験のためにハードウェアを構成することに関連した待ち時間の遅延のために、振動調査の時間を増加させることが示され得る。実施形態では、様々なアンサンブルからデータを収集するための方法は、ストリーム化されたデータのセクションを均質で特定のアンサンブルに属するものとして分類するために使用することができるデータマーカー技術を含む。一例では、分類は、動作速度として定義することができる。そうすることで、従来のシステムが1つだけとして収集するであろうものから、多数のアンサンブルを作成することができる。多数の実施形態は、収集されたアンサンブルの各チャンネル間だけでなく、適用可能な場合には、監視されているアンサンブルの全てのチャンネル間で、関心のある全ての周波数の相対位相を比較するための後処理分析技術を含む。
図12を参照して、多くの実施形態では、必要に応じて、軸受パック2422、軸受パック2424、軸受パック2426を含む一組の軸受2420によって支持された回転または揺動部材2410、またはその両方を有する第1の機械2400が含まれる。第1の機械2400は、第1のセンサアンサンブル2450によって監視され得る。第1のアンサンブル2450は、第1の機械2400上に最初に設置された(または後で追加された)センサからの信号を受信するように構成することができる。第1の機械2400上のセンサは、必要に応じて、単軸センサ2460、例えば単軸センサ2462、単軸センサ2464などを含むことができる。多くの例では、単軸センサ2460は、機械2400の回転部材2410または揺動部材2410のうちの1つを感知することを可能にする位置に機械2400内に配置することができる。
機械2400はまた、必要に応じて、三軸(例えば、直交軸)センサ2480、例えば三軸センサ2482、三軸センサ2484などを備えることができる。多くの例では、三軸センサ2480は、機械2400の回転部材または揺動部材に関連する軸受2420のセット内の軸受パックのそれぞれの1つを感知することを可能にする位置に機械2400内に配置することができる。機械2400はまた、必要に応じて、温度センサ2502、温度センサ2504などの温度センサ2500を備えることができる。また、機械2400は、必要に応じて、それぞれがその回転構成要素の1つの回転数を詳述するタコセンサ2510またはそれ以上を有することができる。上記の例によって、第1のセンサアンサンブル2450は、第1の機械2400に関連付けられた上記のセンサを調査することができる。そのために、第1のアンサンブル2450は、8つのチャネルを受信するように構成することができる。他の例では、第1のセンサアンサンブル2450は、必要に応じて、8つ以上のチャネルを有するように構成されてもよいし、8つ未満のチャネルを有するように構成されてもよい。この例では、8つのチャネルは、それぞれが1軸基準センサ信号をモニタすることができる2つのチャネルと、3軸センサ信号をモニタすることができる3つのチャネルとを含む。残りの3つのチャネルは、2つの温度信号とタコメータからの信号をモニタすることができる。一例では、第1のアンサンブル2450は、本開示に従って、一軸センサ2462、一軸センサ2464、三軸センサ2482、温度センサ2502、温度センサ2504、およびタコセンサ2510をモニタすることができる。機械2400の振動調査の間、第1のアンサンブル2450は、最初に三軸センサ2482を監視し、次に三軸センサ2484の隣に移動することができる。
三軸センサ2484を監視した後、第1のアンサンブル2450は、必要に応じて、機械2400上の追加の三軸センサを監視することができ、それは、本開示に従って、機械2400の振動調査に関連付けられた所定の経路リストの一部である。この振動調査の間、第1のアンサンブル2450は、一軸センサ2462、一軸センサ2464、2つの温度センサ2502、2504、およびタコセンサ2510を継続的に監視することができ、一方、第1のアンサンブル2450は、この振動調査のための予め定められた経路計画の中の複数の三軸センサ2480をシリアルに監視することができる。
図12を参照して、多くの実施形態では、必要に応じて、軸受パック2622、軸受パック2624、軸受パック2626を含む軸受2620のセットによって支持された回転または揺動部品2610、またはその両方を有する第2の機械2600が含まれる。第2の機械2600は、第2のセンサアンサンブル2650によって監視され得る。第2のアンサンブル2650は、第2の機械2600上にもともと設置された(または後で追加された)センサからの信号を受信するように構成することができる。第2の機械2600上のセンサは、必要に応じて、単軸センサ2660、例えば単軸センサ2662、単軸センサ2664などを含むことができる。多くの例では、単軸センサ2660は、機械2600の回転部材2610または揺動部材2610のうちの1つを感知することを可能にする位置に機械2600内に配置することができる。
機械2600はまた、必要に応じて、三軸(例えば、直交軸)センサ2680、例えば、三軸センサ2682、三軸センサ2684、三軸センサ2686、三軸センサ2688などを備えることができる。多くの例では、三軸センサ2680は、機械2600の回転部材または揺動部材に関連する軸受2620のセット内の軸受パックのそれぞれの1つを感知することを可能にする位置に機械2600内に配置することができる。機械2600はまた、必要に応じて、温度センサ2702、温度センサ2704などの温度センサ2700を備えることができる。機械2600はまた、必要に応じて、その回転構成要素の1つの回転数をそれぞれ詳細に示すタコセンサ2710またはそれ以上を有することができる。
上述の例によれば、第2のセンサアンサンブル2650は、第2の機械2600に関連付けられた上述のセンサを調査することができる。そのために、第2のアンサンブル2650は、8つのチャネルを受信するように構成することができる。他の例では、第2のセンサアンサンブル2650は、必要に応じて、8つ以上のチャネルを有するように構成されてもよいし、8つ未満のチャネルを有するように構成されてもよい。この例では、8つのチャネルは、1軸基準センサ信号をモニタすることができる1つのチャネルと、2つの3軸センサ信号をモニタすることができる6つのチャネルとを含む。残りのチャネルは、温度信号をモニタすることができる。一例では、第2のアンサンブル2650は、一軸センサ2662、三軸センサ2682、三軸センサ2684、および温度センサ2702をモニタすることができる。本開示に従って機械2600の振動調査の間、第2のアンサンブル2650は、最初に、三軸センサ2682を三軸センサ2684と同時に監視し、次に、三軸センサ2688と同時に三軸センサ2686に移動することができる。
三軸センサ2680を監視した後、第2のアンサンブル2650は、必要に応じて機械2600上の追加の三軸センサ(同時ペアで)を監視することができ、それは、本開示に従って機械2600の振動調査に関連付けられた所定の経路リストの一部である。この振動調査の間、第2のアンサンブル2650は、不変の位置にある単軸センサ2662および温度センサ2702を継続的に監視することができ、一方、第2のアンサンブル2650は、この振動調査のための予め定められた経路計画に含まれる複数の三軸センサをシリアルに監視することができる。
図12を引き続き参照して、多くの実施形態では、必要に応じて、軸受パック2822、軸受パック2824、軸受パック2826を含む軸受2820のセットによってそれぞれ支持された回転または揺動部品2810、またはその両方を有する第3の機械2800が含まれる。第3の機械2800は、第3のセンサアンサンブル2850によって監視され得る。第3のアンサンブル2850は、単軸センサ2860と、2つの3軸(例えば、直交軸)センサ2880,2882とを備えて構成することができる。多くの例では、単軸センサ2860は、機械2800の回転または揺動構成要素のうちの1つを感知することを可能にする位置に、ユーザによって機械2800上に固定され得る。三軸センサ2880,2882もまた、機械2800の回転構成要素または揺動構成要素にそれぞれ関連する軸受のセット内の軸受のそれぞれの1つを感知することを可能にする位置に、ユーザによって機械2800上に固定することができる。第3のアンサンブル2850はまた、温度センサ2900を含むことができる。第3のアンサンブル2850およびそのセンサは、第1および第2のアンサンブル2450,2650とは異なり、他の機械に移動することができる。
多くの実施形態はまた、必要に応じて、軸受パック2972、軸受パック2974、軸受パック2976を含む一組の軸受2970によって支持された回転部材または揺動部材2960、またはその両方を有する第4の機械2950を含む。第4の機械2950はまた、ユーザが第4の機械2950に移動したときに、第3のセンサアンサンブル2850によって監視され得る。多くの実施形態はまた、回転または揺動部材3010を有する第5の機械3000、またはその両方を含む。第5の機械3000は、動作中の任意のセンサまたは任意のセンサアンサンブルによって明示的に監視されなくてもよいが、振動調査の下で機械2400、2600、2800、2950のうちの任意の1つに関連付けられたデータに記録されるのに十分な大きさの振動または他のインパルスエネルギーを発生させることができる。
多くの実施形態は、本明細書に開示されているように、第1の機械2400上の第1のセンサアンサンブル2450を所定の経路を介して監視することを含む。多数の実施形態はまた、第2のマシン2600上の第2のセンサアンサンブル2650を所定の経路を介して監視することを含む。第1の機械2400が第2の機械2600に近接している位置は、両方の振動調査のコンテキストメタデータに含めることができる。第3のアンサンブル2850は、マシン2800、マシン2950、および他の適切なマシンの間で移動することができる。機械30000は、構成通りにオンボードのセンサを有していないが、第3のセンサアンサンブル2850によって必要に応じて監視され得る。マシン30000およびその動作特性は、他のマシンの振動調査に関連してメタデータに記録され、その近接性による貢献に注意することができる。
多くの実施形態では、リレーショナルメタデータとストリーミング生データ形式を調和させるためのハイブリッドデータベース適応が含まれている。離散的で比較的単純な個々のデータ測定値に銘板および操作パラメータ(時にはメタデータとみなされることもある)を関連付けるために従来のデータベース構造を利用した古いシステムとは異なり、より現代的なシステムは、より高いサンプリングレートおよびより大きな解像度で比較的大量の生ストリーミングデータを収集することができるということは、本開示に照らして理解されるであろう。
一例では、単一の全体的な振動レベルを、測定点の経路または所定のリストの一部として収集することができる。次いで、収集されたこのデータは、垂直方向のカップリングに隣接する機械の特定のピースのベアリングハウジングの表面上に位置する点のデータベース測定位置情報と関連付けることができる。適切な分析に関連する機械分析パラメータは、表面上に位置する点に関連付けることができる。適切な分析に関連する機械分析パラメータの例は、表面上の測定点を通過するシャフトの走行速度を含むことができる。適切な分析に関連する機械分析パラメータのさらなる例は、次のいずれか、またはそれらの組み合わせを含むことができる:その装置および/または機械の部品のすべてのコンポーネントシャフトの走行速度、スリーブまたは転がり軸受のような分析される軸受の種類、ギアボックスがある場合のギアの歯数、モータの極数、モータのスリップおよびライン周波数、ローラベアリング要素の寸法、ファンブレードの数、またはそのようなもの。適切な分析に関連する機械分析パラメータの例は、機械の負荷、負荷がパーセンテージ、ワット数、エアフロー、ヘッド圧力、馬力などで表されるかどうかなどの機械の動作条件をさらに含むことができる。機械分析パラメータのさらなる例は、振動調査中に得られたデータに影響を与える可能性のある隣接機械に関連する情報をさらに含む。
本開示に照らして、装置および機械の種類の膨大な配列が、多くの異なる分類をサポートし、それぞれが明確に異なる方法で分析され得ることが理解されるであろう。例えば、スクリュー圧縮機およびハンマーミルのようないくつかの機械は、はるかにうるさく動作することを示すことができ、他の機械よりも有意に多く振動することが予想される。より顕著に振動することが知られている機械は、より静かな機械と比較して許容できる振動レベルの変化を必要とすることを示すことができる。
本開示は、データの適切な分析を支援するために使用することができる、収集された振動データから見出される階層的な関係をさらに含む。階層データの一例は、振動調査で測定されるベアリングのような機械的構成要素の相互接続と、そのベアリングが、特定のギアボックス内の特定のピニオンが取り付けられている特定のシャフトとどのように接続するかを含む、そのベアリング間の関係と、シャフト、ピニオン、およびギアボックスの間の関係とを含む。階層化データは、監視されているベアリングが機械内の他の構成要素に対して相対的に配置されていることを、機械のギアトレイン内のどの特定のスポットにあるかをさらに含むことができる。階層データはまた、機械内で測定されているベアリングが、振動が振動調査の対象である機械内で測定されているものに影響を与える可能性のある別の機械に近接しているかどうかを詳述することができる。
階層データ内の互いに関連する軸受または他の構成要素からの振動データの分析は、テーブルルックアップ、生データから導出された周波数パターンと機械のメタデータからの特定の周波数との間の相関関係の検索を使用することができる。いくつかの実施形態では、上記は、リレーショナルデータベースに格納され、リレーショナルデータベースから検索することができる。実施形態では、National InstrumentのTechnical Data Management Solution(TDMS)ファイルフォーマットを使用することができる。TDMSファイル形式は、様々なタイプの測定データ(すなわち、波形のバイナリデジタルサンプル)をストリーミングするために最適化され得るだけでなく、階層的なメタデータを扱うことができる。
多くの実施形態では、ハイブリッドリレーショナルメタデータ-バイナリストレージアプローチ(HRM-BSA)を含む。HRM-BSAは、構造化クエリ言語(SQL)ベースのリレーショナル・データベース・エンジンを含むことができる。構造化されたクエリ言語ベースのリレーショナルデータベースエンジンはまた、フラットで比較的構造のないデータのスループットおよびストレージ密度のために最適化され得る生データエンジンを含むことができる。階層的メタデータとSQLリレーショナルデータベースエンジンとの間の連携において利益が示され得ることは、本開示に照らして理解されるであろう。一例では、マーカー技術およびポインタ・サインポストを使用して、生のデータベース・エンジンとSQLリレーショナル・データベース・エンジンとの間の相関関係を作ることができる。生のデータベースエンジンとSQLリレーショナルデータベースエンジンとの間の相関関係の3つの例としては、以下のものが挙げられる。(1) SQLデータベースから生データへのポインタ、(2) 生データの補助メタデータテーブルまたは類似のグループ化された生データからSQLデータベースへのポインタ、(3) SQLデータベースまたは生データ技術のいずれかのドメイン外の独立したストレージテーブル。
図13を参照して、本開示は、関連するファイル名、パス情報、テーブル名、特定のデータベースセグメントまたは場所、特定の測定生データストリームへの資産プロパティ、関連する時間/日付スタンプを有するレコード、または運転パラメータ、パネル条件などの関連するメタデータを関連付けるために使用することができる既存のSQLデータベース技術で採用されるようなデータベースキーフィールドを含むことができるグループ1およびグループ2のためのポインタを含むことができる。この例によって、プラント3200は、プラント3200内に第1の機械3202、第2の機械3204、および多くの他のものを含むことができる。第1機械3202は、ギアボックス3210、モータ3212等を含むことができる。機械23204は、モータ3220、および他の要素を含むことができる。波形3240、波形3242、波形3244、および必要に応じて追加の波形を含む多数の波形3230を、プラント3200の機械3202,3204から取得することができる。波形3230は、ローカルマーカリンクテーブル3300及びリンク生データテーブル3400と関連付けることができる。機械3202、3204およびそれらの要素は、リレーショナル・データベース3500を有するリンキング・テーブルに関連付けることができる。リンキングテーブル生データテーブル3400およびリレーショナルデータベース3500を有するリンキングテーブルは、任意の独立した記憶テーブル3600を有するリンキングテーブルに関連付けることができる。
本開示は、生波形データ内のタイムマークまたはサンプル長に適用可能なマーカを含むことができる。マーカは、一般に、プリセットまたはダイナミックの2つのカテゴリに分類される。プリセットマーカは、プリセットまたは既存の動作条件(例えば、負荷、ヘッド圧力、毎分空気流量立方フィート、周囲温度、回転数など)に相関させることができる。これらのプリセットマーカは、データ収集システムに直接供給することができる。特定の実施形態では、プリセットマーカは、波形データ(例えば、振動、電流、電圧などの波形)と並行してデータチャネル上で収集することができます。あるいは、プリセットマーカの値を手動で入力することもできます。
トレンドデータのような動的マーカの場合、振動振幅およびパターンを比較するような類似のデータを、動作パラメータの再現可能なセットと比較することが重要である場合がある。本開示の一例では、並列チャネル入力の1つは、収集の瞬間的な時間にRPM情報を提供することができる操作シャフトからのキーファサードリガパルスであることを含む。動的マーカのこの例では、収集された波形データのセクションは、適切な速度または速度範囲でマークされ得る。
本開示はまた、サンプル波形に対して実行される後処理および分析から導出されるデータに相関することができるダイナミックマーカを含むことができる。さらなる実施形態では、動的マーカはまた、最大回転数のようなアラーム条件のような他の操作上導き出されたメトリクスと同様に、回転数を含む収集後に導き出されたパラメータと相関することができる。特定の例では、本明細書に記載された携帯型データ収集システムを用いた振動調査の候補となる多くの現代の装置は、タコメータ情報を含まない。これは、回転数の測定が振動調査および分析のための主要な重要性であり得るにもかかわらず、タコメータを追加することが必ずしも実用的ではないか、またはコスト的に正当なものではないからである。固定速度の機械では、特に機械のおおよその回転数を事前に知ることができれば、正確な回転数の測定はそれほど重要ではないことが理解できるでしょう。また、本開示を考慮すると、様々な信号処理技術により、専用のタコメータ信号を必要とせずに、生データから回転数を導出することができることが理解されるであろう。
多くの実施形態では、回転数情報は、その収集履歴にわたって生波形データのセグメントをマークするために使用することができる。さらなる実施形態では、振動調査の所定のルートに沿って計器データを収集するための技術が含まれる。動的マーカは、分析およびトレンド解析ソフトウェアが、以前のシステムでは、ルート収集システムが歴史的に1つのRPM設定のためだけにデータを保存していたような1つだけではなく、マーカによって示された収集間隔(例えば、2分)の複数のセグメントを、複数の履歴収集アンサンブルとして利用することを可能にします。これは、先に説明したように、負荷設定、周囲温度などの他の運転パラメータにも拡張することができる。しかし、生データストリームを指す一種のインデックスファイルに配置することができるダイナミックマーカは、生データストリームの以前に収集された生データストリームの部分と比較して、より容易に比較することができる均質なエンティティでストリームの部分を分類することができます。
多くの実施形態では、リレーショナル・データ・ストリームと生データ・ストリームの両方のために、既存の技術の最良のものを使用することができるハイブリッド・リレーショナル・メタデータ-バイナリ・ストレージ・アプローチが含まれている。実施形態では、ハイブリッドリレーショナル・メタデータ-バイナリ・ストレージ・アプローチは、それらを様々なマーカー・リンケージと一緒に結婚させることができる。マーカー・リンケージは、リレーショナル・メタデータを介した迅速な検索を可能にし、既存の技術を用いた従来のSQL技術を用いた生データのより効率的な分析を可能にすることができます。これは、従来のデータベース技術では提供できない多くの機能、連携、互換性、拡張性の利用を可能にすることを示すことができる。
マーカー連結はまた、従来のバイナリストレージおよびデータ圧縮技術を使用した生データの迅速かつ効率的な保存を可能にすることができる。これは、TDMS(National Instruments)、UFF(UFF58などのユニバーサル・ファイル・フォーマット)など、従来の生データ技術が提供する多くの機能、連携、互換性、および拡張機能の利用を可能にすることを示すことができる。マーカーリンケージは、従来のシステムと同じ収集時間でアンサンブルからのデータの膨大なリッチなセットを蓄積することができるマーカー技術のリンクを使用することをさらに可能にします。アンサンブルからのより豊富なデータセットは、所定の収集基準に関連付けられたデータスナップショットを格納することができ、提案されたシステムは、マーカー技術を利用して収集されたデータストリームから複数のスナップショットを導出することができる。そうすることで、収集されたデータの比較的豊かな分析が達成され得ることが示され得る。そのような利点の1つは、従来のシステムでデータを収集するのに費やされるものと比較して、類似の時間をかけて収集することができる、特定の周波数または走行速度対RPM、負荷、動作温度、流量などの順序での振動のより多くの傾向点を含むことができる。
実施形態では、プラットフォーム100は、機械からの信号、機械の要素、および機械の環境からの信号を監視するために環境104に展開されたローカルデータ収集システム102を含んでもよく、これには、ローカルなジョブサイトまたは共通の制御下にある分散型ジョブサイトに展開されたヘビーデューティー機械が含まれてもよい。ヘビーデューティー機械は、土工機械、ヘビーデューティーオンロード産業車両、ヘビーデューティーオフロード産業車両、タービン、ターボマシナリー、発電機、ポンプ、プーリーシステム、マニホールドおよびバルブシステムなどの様々な設定で配備された産業機械を含むことができる。実施形態では、重工業機械はまた、土を動かす装置、土を圧縮する装置、運搬装置、吊り上げ装置、運搬装置、骨材生産装置、コンクリート建設で使用される装置、およびパイルドライビング装置を含んでもよい。例示的な例では、土質移動装置は、ショベル、バックホー、ローダー、ブルドーザー、スキッドステアローダー、トレンチャー、モーターグレーダー、モータースクレーパー、クローラローダー、および車輪付きローディングショベルを含むことができる。例示的な例では、建設車両は、ダンプカー、タンカー、ティッパー、およびトレーラを含むことができる。例示的な実施例において、マテハン機器は、クレーン、コンベア、フォークリフト、およびホイストを含むことができる。例示的な例では、建設機械は、トンネルおよびハンドリング機器、ロードローラー、コンクリートミキサー、ホットミックスプラント、道路を作る機械(コンパクター)、砕石機、舗装機、スラリーシール機、吹き付けおよび左官機、および重量物ポンプを含んでもよい。重工業用機器のさらなる例は、実施形態の牽引、構造、パワートレイン、制御、および情報などの異なるシステムを含んでもよい。重工業装置は、運動のための動力を提供するために、また、付属品およびオンボード機能に動力を提供するために、多くの異なるパワートレインおよびそれらの組み合わせを含んでもよい。これらの各実施例において、プラットフォーム100は、これらの機械、モータ、ポンプ、およびそのようなものが動作し、機械、モータ、ポンプ、およびそのようなもののそれぞれに統合的に直接接続された環境104にローカルデータ収集システム102を展開してもよい。
実施形態では、プラットフォーム100は、Siemens SGT6-5000Fガスタービン、SST-900蒸気タービン、SGen6-1000A発電機、およびSGen6-100A発電機などのタービンおよび発電機セットなど、運転中の機械および建設中の機械からの信号を監視するために環境104に配置されたローカルデータ収集システム102を含んでもよい。実施形態では、局所データ収集システム102は、タービンを通って誘導されてもよいが、ガス焚きバーナ、核心、溶融塩ループなどの別のソースから発生する熱水蒸気によって引き起こされる電流の中で回転する蒸気タービンを監視するために配置されてもよい。これらのシステムでは、局所データ収集システム102は、水が凝縮し、それが再び蒸発するまで加熱される閉ループサイクルにおいて、タービンおよび水または他の流体を監視してもよい。局所データ収集システム102は、水を蒸気に加熱するために配備された燃料源とは別に、蒸気タービンを監視してもよい。例示的な実施形態では、蒸気タービンの作動温度は、500℃から650℃の間であってもよい。多くの実施形態では、蒸気タービンのアレイは、高圧力、中圧力、および低圧力のために配置され、構成されてもよく、それにより、それぞれの蒸気圧力を最適に回転運動に変換してもよい。
局所データ収集システム102はまた、ガスタービンの配置に配置されてもよく、したがって、運転中のタービンを監視するだけでなく、1500℃を超えてもよいタービンに供給される高温の燃焼ガスを監視してもよい。これらのガスは、蒸気タービン内のガスよりもはるかに高温であるので、ブレードは、排気ガスとブレードとの間に保護膜または境界層を形成するために、小さな開口部から流れ出てもよい空気で冷却されてもよい。この温度プロファイルは、局所データ収集システム102によって監視されてもよい。ガスタービンエンジンは、典型的な蒸気タービンとは異なり、圧縮機、燃焼室、およびタービンを含み、これらのすべてが回転軸で回転するようにジャーナルされている。これらの各構成要素の構造および動作は、ローカルデータ収集システム102によって監視されてもよい。
実施形態では、プラットフォーム100は、移動する水からエネルギーを収穫してもよく、発電のために使用される回転エンジンとして機能する水タービンからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。プロジェクトのために選択される水車または水力発電のタイプは、しばしばヘッドと呼ばれる立水の高さ、および現場での流れ(または水の量)に基づいてもよい。この例では、水車に接続するシャフトの上部に発電機が配置されている場合がある。タービンが自然に動いている水をそのブレードでキャッチして回転すると、タービンは、電気エネルギーを生成するために発電機に回転動力を送る。その際、プラットフォーム100は、発電機、水車、ローカル水系、ダムの窓や水門などの流量制御からの信号を監視してもよい。さらに、プラットフォーム100は、負荷、予測された需要、周波数応答などを含む電気グリッド上のローカル状態を監視してもよく、このような情報を、これらの水力発電の設定においてプラットフォーム100によって展開される監視および制御に含めてもよい。
実施形態では、プラットフォーム100は、熱、原子力、地熱、化学、バイオマス、炭素系燃料、ハイブリッド再生可能エネルギープラントなどのエネルギー生産環境からの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。これらのプラントの多くは、原子力、ガス焚き、太陽熱、溶融塩熱源からの熱を動力源とする風力タービン、水力タービン、および蒸気タービンのような複数の形態のエネルギー収穫装置を使用してもよい。実施形態では、そのようなシステムの要素は、送電線、熱交換器、脱硫スクラバー、ポンプ、冷却器、復熱器、チラーなどを含んでもよい。実施形態では、ターボ機械、タービン、スクロール圧縮機などの特定の実施形態は、消費のために電力を生成し、冷凍を提供し、現地製造および加熱のために蒸気を生成し、大規模設備を監視するようにアレイ制御で構成されてもよく、アレイ制御プラットフォームは、ハネウェルおよびそのExpreion PKSプラットフォームなどの産業機器の提供者によって提供されてもよい。実施形態では、プラットフォーム100は、ローカル製造業者固有の制御装置と特異的に通信し、統合してもよく、ある製造業者からの装置が他の装置と通信することを可能にしてもよい。さらに、プラットフォーム100は、ローカルデータ収集システム102が、多くの異なる製造業者からのシステムをまたいで情報を収集することを可能にする。実施形態では、プラットフォーム100は、海洋産業機器、海洋ディーゼルエンジン、造船、石油およびガスプラント、精製所、石油化学プラント、バラスト水処理ソリューション、海洋ポンプおよびタービンなどからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。
実施形態では、プラットフォーム100は、1つ以上のセンサを監視することを含む、重工業装置およびプロセスからの信号を監視するために環境104に配備されたローカルデータ収集システム102を含んでもよい。この例では、センサは、電気信号、熱信号、または光信号などの物理環境からのある種の入力を検出または応答するために使用され得る装置であってもよい。実施形態では、局所データ収集システム102は、限定されないが、温度センサ、圧力センサ、トルクセンサ、流量センサ、熱センサ、煙センサ、アークセンサ、放射センサ、位置センサ、加速度センサ、ひずみセンサ、圧力サイクルセンサ、圧力センサ、空気温度センサなどの複数のセンサを含んでもよい。トルクセンサは、磁気ねじれ角センサを包含してもよい。一実施例では、ローカルデータ収集システム102のトルクセンサおよび速度センサは、2013年1月8日に発行されたMeachemに対する米国特許第8,352,149号で論じられたものに類似していてもよく、本明細書に完全に規定されているかのように参照により本明細書に組み込まれる。実施形態では、触覚センサ、バイオセンサ、化学センサ、画像センサ、湿度センサ、慣性センサなどのような1つ以上のセンサが提供されてもよい。
実施形態では、プラットフォーム100は、過度の振動、不正確な材料、不正確な材料特性、適切なサイズに対する真正度、適切な形状に対する真正度、適切な重量、バランスに対する真正度を含む故障検出のための信号を提供し得るセンサからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。追加の故障センサは、在庫管理のためのものと、部品が計画通りに包装されていること、部品が計画の許容範囲内にあること、包装損傷または応力の発生、および輸送中の衝撃または損傷の発生を示す可能性のあるセンサを確認するような検査のためのものとを含んでもよい。また、付加的な故障センサとしては、潤滑不足の検出、過潤滑の検出、センサ検出窓の清掃の必要性の検出、低潤滑によるメンテナンスの必要性の検出、潤滑領域の閉塞や流量減少によるメンテナンスの必要性の検出などが考えられる。
実施形態では、プラットフォーム100は、ジャイロスコープ、加速度計、および磁力計のような航空機の姿勢および方位基準システム(AHRS)で使用されるセンサのような特殊なアプリケーションのためのセンサからの信号を監視することを含む、航空機の運用および製造を含む環境104に配備されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、相補的金属酸化物半導体(CMOS)またはN型金属酸化物半導体(NMOS、Live MOS)技術において、半導体電荷結合デバイス(CCD)、アクティブピクセルセンサなどのイメージセンサからの信号を監視するために、環境104に配置されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、赤外線(IR)センサ、紫外線(UV)センサ、タッチセンサ、近接センサなどのセンサからの信号を監視するために、環境104に配置されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、光学的文字認識(OCR)、バーコードの読み取り、表面音響波の検出、トランスポンダーの検出、ホームオートメーションシステムとの通信、医療診断、健康モニタリングなどのために構成されたセンサからの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。
実施形態では、プラットフォーム100は、3Dデジタル線形加速度センサおよび3Dデジタル磁気センサを特徴とする超低消費電力高性能システムインパッケージを含んでもよいST Microelectronic社のLSM303AHスマートMEMSセンサのようなMEMS(Micro-Electro-Mechanical Systems)センサからの信号を監視するために環境104内に配置されたローカルデータ収集システム102を含んでもよい。
実施形態では、プラットフォーム100は、タービン、風車、産業車両、ロボットなどの追加の大型機械からの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。これらの大型機械は、各機械に複数のサブシステムを提供する複数のコンポーネントおよび要素を含む。そのために、プラットフォーム100は、アクスル、ベアリング、ベルト、バケット、ギア、シャフト、ギアボックス、カム、キャリッジ、カムシャフト、クラッチ、ブレーキ、ドラム、ダイナモ、フィード、フライホイール、ガスケット、ポンプ、ジョー、ロボットアーム、シール、ソケット、スリーブ、バルブ、ホイール、アクチュエータ、モータ、サーボモータなどの個々の要素からの信号を監視するために環境104内に配置されたローカルデータ収集システム102を含んでもよい。機械およびその要素の多くは、サーボモータを含んでもよい。ローカルデータ収集システム102は、モータ、ロータリーエンコーダ、およびサーボメカのポテンショメータを監視して、工業プロセスの位置、配置、および進行状況の3次元的な詳細を提供してもよい。
実施形態では、プラットフォーム100は、ギアドライブ、パワートレイン、トランスファーケース、多速度アクスル、トランスミッション、ダイレクトドライブ、チェーンドライブ、ベルトドライブ、シャフトドライブ、磁気ドライブ、および類似の噛み合い機械ドライブからの信号を監視するために環境104に配備されたローカルデータ収集システム102を含んでもよい。実施形態では、プラットフォーム100は、過熱、騒音、研削歯車、ロックされた歯車、過度の振動、ウォブリング、アンダーインフレ、オーバーインフレなどを含むかもしれない産業機械の故障状態からの信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。運転中、設置中、メンテナンス中に、運転上の不具合、メンテナンス表示、他の機械からの相互作用により、メンテナンスや運転上の不具合が発生することがある。欠陥は、産業用機械の機構内で発生してもよいが、その配線やローカル設置プラットフォームなどの機械を支持するインフラストラクチャ内でも発生してもよい。実施形態では、大型産業機械は、過熱、騒音、研削歯車、機械部品の過度の振動、ファンの振動問題、大型産業機械の回転部品の問題などの異なるタイプの故障状態に直面してもよい。
実施形態では、プラットフォーム100は、環境104に配備されたローカルデータ収集システム102を含んでもよく、汚染または軸受潤滑剤の損失により発生する可能性がある早期軸受故障を含む産業機械からの信号を監視してもよい。別の例では、軸受の位置ずれなどの機械的欠陥が発生する可能性がある。金属疲労などの多くの要因が故障に寄与してもよく、したがって、局所データ収集システム102は、サイクルおよび局所応力を監視してもよい。この例により、プラットフォーム100は、機械部品の不正確な操作、部品のメンテナンスおよびサービスの不足、カップリングまたはギアボックスなどの重要な機械部品の腐食、機械部品の位置ずれなどを監視してもよい。障害の発生を完全に止めることはできないが、多くの産業用故障は、運転上および財務上の損失を減らすために軽減される可能性がある。プラットフォーム100は、多くの産業環境において、リアルタイム監視および予測メンテナンスを提供し、それは、厳密な時間切れに従って部品を交換し、要素または機械の実際の負荷および摩耗および損傷ではなく、要素または機械の実際の負荷および摩耗および損傷に応じて部品を交換する定期的にスケジュールされたメンテナンスプロセスよりもコスト節約を提示することが示されている。そのために、プラットフォーム10は、機械の操作マニュアルおよびモード指示の遵守、適切な潤滑、機械部品のメンテナンス、機械の定義された容量を超えた機械のオーバーランの最小化または排除、必要に応じて摩耗したがまだ機能的な部品の交換、機械使用のための人員の適切なトレーニングなどのような、いくつかの予防的措置のリマインダーを提供するか、または実行してもよい。
実施形態では、プラットフォーム100は、複数の物理的、電子的、および記号的なフォーマットまたは信号によって運ばれてもよい複数の信号を監視するために、環境104に配備されたローカルデータ収集システム102を含んでもよい。プラットフォーム100は、信号の複数の数学的、統計的、計算的、ヒューリスティック、および言語的な表現および処理と、信号の表現、モデル化、分析、合成、感知、取得、および信号からの情報の抽出のための技術などの信号処理操作から有用な情報を抽出するために必要な複数の操作とを含む信号処理を採用してもよい。例示的には、信号処理は、変換、スペクトル推定、統計演算、確率的および確率的演算、数値理論解析、データマイニングなどを含むがこれらに限定されない複数の技法を用いて実行されてもよい。様々なタイプの信号の処理は、多くの電気的または計算プロセスの基礎を形成する。その結果、信号処理は、オーディオおよびビデオ処理、画像処理、無線通信、プロセス制御、産業オートメーション、金融システム、特徴抽出、ノイズ低減、画像強調などの品質向上などの産業環境におけるほぼすべての分野およびアプリケーションに適用される。画像のための信号処理は、製造検査、品質検査、および自動化された動作検査および保守のためのパターン認識を含んでもよい。プラットフォーム100は、データ内のパターンまたは規則性を認識することを目的として、入力データを主要な特徴に基づいてクラスに分類することができるものを含む多くのパターン認識技術を採用してもよい。また、プラットフォーム100は、機械学習演算を用いたパターン認識処理を実装してもよく、コンピュータビジョン、音声およびテキスト処理、レーダー処理、手書き認識、CADシステムなどのアプリケーションで使用されてもよい。プラットフォーム100は、教師付き分類と教師なし分類とを採用してもよい。教師あり学習分類アルゴリズムは、異なるオブジェクトクラスから得られた訓練データに基づいて、画像またはパターン認識のための分類器を作成するためのものであってもよい。教師なし学習分類アルゴリズムは、セグメンテーションやクラスタリングなどの高度な分析技術を用いて、ラベル付けされていないデータの隠れた構造を見つけることによって動作してもよい。例えば、教師なし学習で使用される分析技術のいくつかは、K平均クラスタリング、ガウス混合モデル、隠れマルコフモデルなどを含んでもよい。パターン認識の教師あり学習法および教師なし学習法で使用されるアルゴリズムは、様々な高精度アプリケーションでのパターン認識の使用を可能にする。プラットフォーム100は、セキュリティシステム、追跡、スポーツ関連アプリケーション、指紋分析、医療およびフォレンジックアプリケーション、ナビゲーションおよびガイダンスシステム、車両追跡、交通システムなどの公共インフラシステム、ナンバープレート監視などの顔検出関連アプリケーションでパターン認識を使用してもよい。
実施形態では、プラットフォーム100は、機械学習を使用して環境104に配備されたローカルデータ収集システム102を含んでもよく、コンピュータからの導出に基づく学習結果をプログラムすることなく可能にしてもよい。したがって、プラットフォーム100は、データ駆動型の予測を行い、データのセットに応じて適応することによって、データのセットから学習し、決定を行ってもよい。実施形態では、機械学習は、教師付き学習、教師なし学習、強化学習などの機械学習システムによる複数の機械学習タスクを実行することを含んでもよい。教師付き学習は、例示的な入力および所望の出力のセットを機械学習システムに提示することを含んでもよい。教師なし学習は、学習アルゴリズム自体が、パターン検出および/または特徴学習のような方法によって入力を構造化することを含んでもよい。強化学習は、機械学習システムが動的な環境で実行し、その後、正しい決定および間違った決定に関するフィードバックを提供することを含んでもよい。例示的な実施例では、機械学習は、機械学習システムの出力に基づく複数の他のタスクを含んでもよい。例示的な例では、タスクはまた、分類、回帰、クラスタリング、密度推定、次元削減、異常検出などの機械学習問題に分類されてもよい。例示的な実施例において、機械学習は、複数の数学的および統計的手法を含んでもよい。例示的な例では、機械学習アルゴリズムの多数の種類は、決定木ベースの学習、関連規則学習、ディープラーニング、人工ニューラルネットワーク、遺伝的学習アルゴリズム、帰納的論理プログラミング、サポートベクターマシン(SVM)、ベイズネットワーク、強化学習を含んでもよい。表現学習、ルールベースの機械学習、疎な辞書学習、類似性およびメトリック学習、学習分類器システム(LCS)、ロジスティック回帰、ランダムフォレスト、K-Means、勾配ブーストおよびアダブースト、K-nearest neighbors(KNN)、アプリオリアルゴリズムなどが挙げられる。実施形態では、特定の機械学習アルゴリズムが使用されてもよい(例えば、生物学的進化を駆動するプロセスである自然選択に基づいていてもよい制約付き最適化問題と制約なし最適化問題の両方を解くために定義された遺伝的アルゴリズムなど)。この例によって、遺伝的アルゴリズムは、目的関数が不連続である、微分可能でない、確率的である、または非常に非線形である問題を含む、標準的な最適化アルゴリズムにはあまり適していない様々な最適化問題を解決するために配備されてもよい。一例では、遺伝的アルゴリズムは、いくつかの構成要素が整数値であることに制限される混合整数計画の問題に対処するために使用されてもよい。遺伝的アルゴリズムおよび機械学習技術およびシステムは、計算知能システム、コンピュータビジョン、自然言語処理(NLP)、推薦システム、強化学習、グラフィカルモデルの構築などで使用されてもよい。この例によって、機械学習システムは、インテリジェントコンピューティングベースの制御を実行するために使用されてもよく、また、広範なシステム(例えば、インタラクティブなウェブサイトおよびポータル、ブレインマシンインターフェース、オンラインセキュリティおよび詐欺検出システム、診断および治療支援システムなどの医療アプリケーション、DNA配列の分類など)におけるタスクに応答性があるように使用されてもよい。例示的な例では、機械学習システムは、高度なコンピューティングアプリケーション(オンライン広告、自然言語処理、ロボット工学、検索エンジン、ソフトウェア工学、音声および手書き認識、パターンマッチング、ゲームプレイ、計算解剖学、バイオインフォマティクスシステムなど)で使用されてもよい。一例では、機械学習はまた、金融およびマーケティングシステム(例えば、ユーザ行動分析、オンライン広告、経済予測、金融市場分析など)で使用されてもよい。
図1から図6に関連して描かれた方法、システム、装置、および構成要素に関連して、以下に追加の詳細が提供される。実施形態では、遠隔のアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識のための方法およびシステムが本明細書に開示されている。例えば、振動、圧力、温度、加速度計、磁場、電場、および他のアナログセンサからのデータストリームは、多重化されるか、またはそうでなければ融合され、ネットワークを介して中継され、クラウドベースの機械学習設備に供給されてもよく、この設備は、産業用機械、産業用プロセス、またはそのコンポーネントもしくは要素の動作特性に関連する1つまたは複数のモデルを採用してもよい。モデルは、産業環境の経験を有する人間によって作成されてもよく、学習データセット(例えば、環境内のセンサ、または他の類似の環境内のセンサによって収集されたデータの人間分析または機械分析によって作成されたモデルなど)に関連付けられてもよい。次いで、学習機械は、データのタイプへの分類、特定のパターン(故障の存在を示すもの、燃料効率、エネルギー生産量などの動作条件を示すオーソーズなど)の認識などの様々な出力を提供するために、最初はモデルの規則のセットまたは要素を使用して、他のデータ上で動作してもよい。機械学習設備は、その初期モデルを訓練するか、または改良する(フィードバックに基づいて、重み、規則、パラメータ、またはそのようなものを調整することによる改良など)ような、1つ以上の入力または成功の尺度などのフィードバックを受けてもよい。例えば、産業機械による燃料消費のモデルは、重み、運動、抵抗、運動量、慣性、加速度、および消費を示す他の要因を特徴付ける物理モデルパラメータと、化学モデルパラメータ(例えば、燃焼を介して、電池の充放電における化学反応を介して、例えば、生成および/または消費されるエネルギーを予測するものなど)とを含んでもよい。モデルは、機械の環境、機械内、および同様に、実際の燃料消費量を示すデータと同様に、機械の環境内に配置されたセンサからのデータを送り込むことによって洗練されてもよく、それによって、機械は、より正確な、センサベースの、燃料消費量の推定値を提供することができ、また、燃料消費量を増加させるためにどのような変更が可能であるかを示す出力を提供することができる(例えば、機械の動作パラメータを変更すること、または環境の他の要素、例えば、周囲温度、近くの機械の動作、または同様のものを変更することなど)。例えば、2台の機械間の共振効果が一方の機械に悪影響を与えている場合、モデルはこれを考慮して、一方の機械の動作を変更する結果となる出力を自動的に提供してもよい(共振を低減する、一方または両方の機械の燃費を向上させるなど)。出力が実際の状態に一致するようにパラメータを連続的に調整することにより、機械学習機能は、環境の状態の非常に正確なモデルを提供するために自己組織化してもよい(例えば、故障の予測、動作パラメータの最適化などのために)。これは、燃費の向上、摩耗の低減、出力の向上、運転寿命の向上、故障状態の回避、その他多くの目的に利用されてもよい。
図14は、データ収集および処理への認知システムおよび機械学習システムの適用を含むデータ収集アーキテクチャの構成要素および相互作用を示す。図14を参照すると、データ収集システム102は、環境(例えば、電気機械システムや機械などの1つ以上の複雑なシステムが製造、組み立て、または操作される産業環境など)に配置されてもよい。データ収集システム102は、オンボードセンサを含んでもよく、1つ以上の入力インターフェースまたはポート4008を介して、1つ以上のセンサ(本明細書に開示された任意のタイプのアナログセンサまたはデジタルセンサなど)から、および1つ以上の入力ソース116(Wi-Fi、Bluetooth(登録商標)、NFC、または他のローカルネットワーク接続を介して、またはインターネットを介して利用可能なソースなど)からの入力を取ってもよい。センサは、結合され、多重化されてもよい(例えば、1つ以上のマルチプレクサ4002を用いて)。データは、キャッシュ/バッファ40022内にキャッシュまたはバッファリングされ、本開示の他の箇所に記載されているようなリモートホスト処理システム112(これは、本開示全体および図中に記載されている他の実施形態に関連して記載されている要素のいずれかを含む広範な処理アーキテクチャ4024を含み得る)などの外部システムに利用可能にされてもよいが、1つまたは複数の出力インタフェースおよびポート4010(これは、実施形態では、入力インタフェースおよびポート4008とは別個であるか、または同じであってもよい)を備えてもよい。データ収集システム1002は、ホスト処理システム112からの入力、例えば分析システム4018からの入力を取るように構成されてもよく、この分析システム4018は、データ収集システム1002からのデータおよび他の入力ソース116からのデータに基づいて動作して分析結果を提供してもよく、この分析結果は、データ収集システム1002の構成および動作を支援するように、データ収集システムに学習フィードバック入力4012として提供されてもよい。
入力の組み合わせ(「オン」または「オフ」にするためにどのようなセンサまたは入力源を選択するかを含む)は、ローカルの認知入力選択システム4004、任意にリモートの認知入力選択システム4114、またはそれらの組み合わせを使用するような、機械ベースの知性の制御下で実行されてもよい。認知入力選択システム4004,4014は、検出された状態(入力源116またはセンサによって知らされた状態など)、状態情報(状態を決定する機械状態認識システム4020によって決定された状態情報を含む)、例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、障害または診断状態に関連する状態、または他の多くの状態に関連する状態などを使用するように、本開示の他の場所に記載されているインテリジェンスおよび機械学習機能を使用してもよい。これは、学習フィードバックシステム4012からの学習フィードバックに基づいて入力選択および構成を最適化することを含んでもよく、これは、学習データ(例えば、ホスト処理システム112から、またはホスト処理システム112から直接、または他のデータ収集システム102から)を提供することを含んでもよく、ホスト処理システム112の分析システム4018内で計算された成功指標などのフィードバック指標を提供することを含んでもよい。例えば、センサおよび入力の特定の組み合わせを含む。データストリームが、所定の条件のセットにおいて肯定的な結果をもたらす場合(改善されたパターン認識、改善された予測、改善された診断、改善された歩留まり、改善された投資収益率、改善された効率性、またはそのようなものを提供することなど)。そして、分析システム4018からのそのような結果に関連するメトリクスは、学習フィードバックシステム4012を介して認知入力選択システム4004,4014に提供され、それらの条件でその組み合わせを選択するように将来のデータ収集を構成するのに役立つ(他の入力源をパワーダウンすることによって、他のセンサをパワーダウンすることによって、その組み合わせを非選択することを可能にする)。実施形態では、1つ以上の認知的入力選択システム4004の制御の下で、センサの組み合わせの選択および非選択は、遺伝的プログラミング技術を使用するような、自動化された変動で発生してもよく、分析システム4018からのような学習フィードバック4012に基づいて、所与の状態または条件のセットに対する効果的な組み合わせが促進され、効果的でない組み合わせが降格され、その結果、各固有の環境に対する局所的なデータ収集システムの漸進的な最適化および適応が行われる。このように、自動的に適応するマルチセンサデータ収集システムが提供され、ここで、認知的入力選択が、その特定の環境内のデータ収集システムの有効性、効率、または他のパフォーマンスパラメータを改善するために(フィードバックを伴って)使用される。パフォーマンスパラメータは、システム全体のメトリクス(財務収率、プロセス最適化結果、エネルギー生産または使用量など)、分析メトリクス(パターン認識の成功、予測の作成、データの分類など)、およびローカルシステムのメトリクス(帯域幅使用率、ストレージ使用率、電力消費など)に関連してもよい。実施形態では、ホストの分析システム4018、状態システム4020、および認知的入力選択システム4114は、最適化(入力選択を含む)が複数のシステム102の協調的な操作によって行われるように、複数のデータ収集システム102からデータを取ってもよい。例えば、認知入力選択システム4114は、一方のデータ収集システム102が既にX軸の振動データを収集している場合、他方のデータ収集システムのX軸振動センサは、他方のデータ収集システム102からY軸のデータを取得することを優先してオフにされるかもしれないことを理解してもよい。このように、ホスト認知入力選択システム4114による協調収集を介して、異なるセンサのホストにまたがる複数の収集装置102の活動は、エネルギー、帯域幅、ストレージスペースなどを無駄にすることなく、ホスト処理システム112に豊富なデータセットを提供することができる。上述したように、最適化は、全体的なシステム成功メトリクス、分析的成功メトリクス、およびローカルシステムメトリクス、またはこれらの組み合わせに基づいてもよい。
クラウドベースで、複数の産業用センサからの状態情報を機械パターン解析して、産業用システムの予測される状態情報を提供するための方法およびシステムが本明細書に開示されている。実施形態では、機械学習は、複数のアナログおよび/またはデジタルセンサの状態を追跡し、その状態をパターン分析設備に供給し、状態情報のシーケンスに関する過去のデータに基づいて産業システムの予測される状態を決定するなど、状態機械を利用してもよい。例えば、産業用機械の温度状態がある閾値を超えて、軸受のセットの故障などの故障状態が続く場合、その温度状態は、パターン認識装置によって追跡され、(高温の入力状態が認識されるたびに)予測される軸受の故障状態を示す出力データ構造を生成してもよい。温度、圧力、振動、加速度、運動量、慣性、摩擦、熱、熱流束、ガルバニック状態、磁界状態、電界状態、キャパシタンス状態、電荷および放電状態、運動、位置、および他の多くの状態に関連して、広範囲の測定値および予測される状態は、状態機械によって管理されてもよい。状態は、データ構造が一連の状態を含み、各状態はバイト状のデータ構造内の場所によって表現される、結合された状態を含んでもよい。例えば、産業用機械は、圧力、温度、振動、音響データを提供するような遺伝的構造を有していてもよく、その測定値はデータ構造内の1箇所を取るので、結合状態は、機械または環境の現在の結合状態をコンパクトに特徴付けるための構造、または予測される状態をコンパクトに特徴付けるための構造のような、バイト様構造として操作することができる。このバイト状構造体は、複数の状態の複合効果を反映したパターンを決定するために、この構造体を操作するパターン認識などの機械学習のための状態機械が使用することができる。このような構造の多種多様なものを追跡して使用することができ、機械学習のように、産業環境で感知され得る様々な要素の様々な長さの様々な組み合わせを表すことができる。実施形態では、バイト様構造は、異なるタイプのデータ、または様々なソースからのデータを代入することによって、予想される状態の成功した予測を示すような、または効率性の向上、情報のルーティングの成功、利益の増加の達成などのような、実世界の状況で使用されたときのそれらの構造の成功に基づいて、1つ以上の好ましい構造が出現するように、時間をかけて結果を追跡することによって、遺伝的プログラミング技術において使用することができる。すなわち、機械最適化のために使用されるバイトライクな構造において、どのようなデータタイプおよびソースが使用されるかを時間の経過とともに変化させることによって、遺伝的プログラミングに基づく機械学習設備は、所定の目的のために、データソースの好ましい組み合わせ(例えば、温度はセンサXから導出され、振動はセンサYから導出される)から、データタイプの好ましい組み合わせ(例えば、圧力、温度、および振動)を含む。データ構造のセットを「進化」させることができる。異なる所望の結果は、機械学習を適用し、遺伝的プログラミングによって、問題となる所望の結果に対して好ましい結果を有する構造を促進することによって、時間の経過とともにそれらの結果の効果的な達成をサポートするために最適に適合される異なるデータ構造をもたらすかもしれない。促進されたデータ構造は、データプールに格納される(所与の環境に対して最良の運用結果を提供する好ましいデータ構造を格納することによって最適化されてもよい)、データマーケットプレイスに提示される(所与の目的に対して最も効果的な構造として提示されるなど)、など、本開示全体に記載されているように、様々な活動のためのコンパクトで効率的なデータを提供してもよい。
実施形態では、産業システムの予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報の機械パターン分析をクラウドベースで行うプラットフォームが提供される。実施形態では、クラウドに配置されるようなホスト処理システム112は、機械、コンポーネント、ワークフロー、プロセス、イベント(例えば、イベントが発生したかどうか)、物体、人、状態、機能などの状態など、データ収集システム102またはデータ収集システム102が配置されている環境のいくつかの側面に関連して、現在の状態を推論または計算するために、または予測される将来の状態を決定するために使用される状態システム4020を含んでもよい。状態情報を維持することにより、ホスト処理システム112は、1つまたは複数の分析システム4018のような分析を実施すること、文脈情報を決定すること、意味論理および条件論理を適用すること、および本開示全体を通して説明される処理アーキテクチャ4024によって可能にされるような他の多くの機能を実行することを可能にする。
実施形態では、IoTデバイスの作成、展開、および管理を自動化するためのクラウドベースのポリシー自動化エンジンを有するプラットフォームが提供される。実施形態では、プラットフォーム100は、クラウドプラットフォームなどのホスト処理システム112に、IoTデバイスに対するポリシーの作成、展開、および管理を自動化するためのポリシー自動化エンジン4032を含む(または統合されている)。ポリシーは、アクセスポリシー、ネットワーク使用ポリシー、ストレージ使用ポリシー、帯域幅使用ポリシー、デバイス接続ポリシー、セキュリティポリシー、ルールベースのポリシー、ロールベースのポリシーなどを含み、IoTデバイスの使用を制御するために必要とされてもよい。例えば、IoTデバイスは、他のデバイスとの間で多くの異なるネットワークやデータ通信を行う可能性があるため、あるデバイスがどのデバイスに接続し、どのデータを転送し、どのデータを受信できるかを示すポリシーが必要になるかもしれません。近い将来、無数の潜在的な接続を有する数十億のデバイスが配備されることが予想されるため、人間が接続ごとにIoTデバイスのためのポリシーを構成することは不可能になる。したがって、インテリジェントなポリシー自動化エンジン4032は、ポリシーの作成、構成、および管理のためのコグニティブ機能を含んでもよい。ポリシー自動化エンジン4032は、可能なポリシーに関する情報、例えば、ポリシーデータベースまたはライブラリから、利用可能なポリシーの1つ以上の公開ソースを含んでもよい情報を消費してもよい。これらは、1つ以上の従来のポリシー言語またはスクリプトで記述されてもよい。ポリシー自動化エンジン4032は、所定のデバイス、マシン、または環境の特性に基づくなど、1つ以上のモデルに従ってポリシーを適用してもよい。例えば、発電用のマシンのような大型のマシンは、検証可能なローカルコントローラのみが発電の特定のパラメータを変更することができ、それによってハッカーによるリモート「乗っ取り」を避けることができるというポリシーを含んでもよい。これは、アクセス認証を要求するなどして、マシンの制御インフラストラクチャのインターネットへの接続を禁止するセキュリティポリシーを自動的に見つけて適用することによって、順番に達成されてもよい。ポリシー自動化エンジン4032は、ポリシーの適用、ポリシーの構成などを変化させるなどの認知機能(例えば、状態システム4020からの状態情報に基づく機能など)を含んでもよい。ポリシー自動化エンジン4032は、学習フィードバックシステム4012から、例えば分析システム4018から、システム全体の結果(セキュリティ侵害の程度、ポリシー違反の程度など)、局所的な結果、分析結果などの1つ以上の分析結果に基づくようなフィードバックを取ってもよい。このようなフィードバックに基づくバリエーションおよび選択によって、ポリシー自動化エンジン4032は、時間の経過とともに、非常に多数のデバイスにわたってポリシーを自動的に作成、展開、構成、および管理することを学習することができ、例えば、IoTデバイス間の接続の構成のためのポリシーを管理することができる。
本明細書に開示される方法およびシステムは、産業用IoTデバイスのためのオンデバイス・センサ融合およびデータ・ストレージを含む、産業用IoTデバイスのためのオンデバイス・センサ融合およびデータ・ストレージのための方法およびシステムであって、ここでは、複数のセンサからのデータがフュージョンされたデータ・ストリームのストレージのためにデバイスで多重化されている。例えば、圧力および温度データは、圧力および温度を時系列に結合するデータストリームに多重化されてもよく、例えば、バイトのような構造(ここで、時間、圧力および温度がデータ構造のバイトであるため、外部システムによるストリームの個別の処理を必要とせずに、圧力および温度が時間的にリンクされたままである)、または、融合されたデータがデバイス上に格納されるように、加算、除算、乗算、減算などによって、多重化されてもよい。本開示全体に記載されているセンサデータタイプのいずれかは、このようにして融合され、ローカルデータプール、ストレージ、またはデータコレクタ、機械の構成要素などのIoTデバイス上に格納され得る。
実施形態では、産業用IoTデバイスのためのオンデバイス・センサ融合およびデータ・ストレージを有するプラットフォームが提供される。実施形態では、データ収集システム102のための自己組織化ストレージシステム4028には、コグニティブシステムが使用される。センサデータ、特にアナログセンサデータは、特にデータ収集システム102がオンボードまたはローカル環境からの複数のセンサ入力を有する場合には、大量のストレージ容量を消費する可能性がある。単純にすべてのデータを無期限に保存することは、典型的には好ましいオプションではなく、すべてのデータを送信することさえも、帯域幅の制限に負担をかけたり、帯域幅の許可を超過したり(セルラーデータプランの容量を超過するなど)する可能性がある。したがって、ストレージ戦略が必要とされる。これらは、典型的には、データの一部のみをキャプチャすること(スナップショットなど)、限られた時間期間のためにデータを保存すること、データの一部を保存すること(中間形態または抽象化された形態など)、およびそのようなものを含む。これらおよび他の選択肢の中から多くの可能な選択があるため、正しいストレージ戦略を決定することは、非常に複雑である可能性がある。実施形態では、自己組織化ストレージシステム4028は、学習フィードバック4012に基づいて、分析システム4018またはホスト認知入力選択システム4114の他のシステムからの様々なメトリクス、例えば、全体的なシステムメトリクス、分析メトリクス、および局所的なパフォーマンス指標を使用してもよい。自己組織化ストレージシステム4028は、ストレージの位置(データ収集システム102上のローカルストレージ、近くのデータ収集システム102上のストレージ(ピアツーピア組織を使用するなど)およびリモートストレージ(ネットワークベースのストレージなど)を含む)、ストレージ量、ストレージ期間などのストレージパラメータを自動的に変化させてもよい。保存されるデータのタイプ(個々のセンサまたは入力ソース116、および認知入力選択システム4004、4004の下で選択されるような様々な組み合わせまたは多重化されたデータを含む)、保存タイプ(RAM、フラッシュ、または利用可能なハードドライブスペースに対する他の短期メモリの使用など)、保存組織(生の形態、階層、およびそのようなものなど)、およびその他。パラメータの変動は、データ収集システム102が、結果としてユーザが利用できるように、必要とされるデータを適切な量および適切なタイプで保存するように、データ収集システム102が、特定の産業環境などの環境の条件に合わせてそれ自身を最適化するように、データの保存を時間の経過とともに適応させるように、フィードバックを用いて実施されてもよい。
実施形態では、ローカル認知入力選択システム4004は、ローカルデータ収集システム1002への様々な車載センサ、外部センサ(ローカル環境内など)、および他の入力ソース116のためのデータの融合を、マルチプレクサ4002を使用して、データ収集システム1002によって取り扱われるソースのアナログおよび/またはデジタルデータの組み合わせ、パーミュテーション、ミックス、レイヤ、抽象化、データメタデータの組み合わせ、およびそのようなものを表す様々な信号を作成するように、1つまたは複数の融合データストリームに整理してもよい。センサの特定の融合の選択は、例えば、学習フィードバックシステム4012からの学習フィードバックに基づいて、様々な全体的なシステム、分析システム、およびローカルシステムの結果およびメトリクスなどのように、認知入力選択システム4004によってローカルに決定されてもよい。実施形態では、システムは、状態システム40020によって処理される様々な状態など、将来の状態を予測する能力に関する分析システム4018のフィードバックによって示されるような、状態の正しい予測を最良に達成するために、センサの特定の組み合わせおよびパーミュテーションを融合させることを学習してもよい。例えば、入力選択システム4004は、利用可能なセンサのより大きなセットの中からセンサのサブセットの選択を示してもよく、選択されたセンサからの入力は、定義されたマルチビットデータ構造のバイトにそれぞれからの入力を配置することによって(例えば、所定のサンプリングレートまたは時間でそれぞれから信号を取り、その結果をバイト構造に配置し、時間をかけてバイトを収集して処理することによる組み合わせなど)、連続信号の加算混合による組み合わせなど、マルチプレクサ4002における多重化による組み合わせなど、組み合わせられてもよい。組み合わせおよび融合のための信号処理およびデータ処理技術としては、畳み込み技術、強制技術、変換技術、およびそのようなものを含む、広範囲の信号処理およびデータ処理技術のうちの任意のものが使用されてもよい。問題の特定の融合は、局所データ収集システム1002が文脈適応型センサ融合を実行するように、結果からのフィードバック4012(例えば、分析システム4018によって伝えられるフィードバックなど)に基づいて、認知的入力選択システム4004に学習させることなどの認知的学習によって、所与の状況に適応させてもよい。
実施形態では、分析システム4018は、統計的および経済学的手法(線形回帰分析、類似性行列の使用、ヒートマップに基づく手法など)、推論手法(ベイズ推論、ルールに基づく推論、帰納的推論など)、反復的手法(フィードバック、再帰など)を含む幅広い分析手法のいずれかに適用されてもよい。フィードフォワードなど)、信号処理技術(フーリエ変換など)、パターン認識技術(カルマンなどのフィルタリング技術など)、探索技術、確率的技術(ランダムウォーク、ランダムフォレストアルゴリズムなど)、シミュレーション技術(ランダムウォーク、ランダムフォレストアルゴリズム、線形最適化など)などが挙げられる。これは、様々な統計または尺度の計算を含んでもよい。実施形態では、分析システム4018は、局所的な分析システムが、本開示を通して記載された項目のいずれかに関連する尺度など、1つ以上の尺度を計算することができるように、少なくとも部分的には、データ収集システム102上に配置されていてもよい。例えば、効率性、電力利用率、ストレージ利用率、冗長性、エントロピー、および他の要因の測定値は、データ収集システム1002が、リモート(例えば、クラウドベースの)分析システムに依存することなく、本開示全体に記載されている様々な認知機能および学習機能を可能にするように、オンボードで計算されてもよい。
実施形態では、ホスト処理システム112、データ収集システム102、またはその両方は、自己組織化ネットワークシステム4020を含むか、接続するか、または統合することができ、これは、アナログおよび他のセンサデータを扱うためのデータ収集システム内のデータ、または1つまたは複数のローカルデータ収集システム102とホスト処理システム112との間のデータ収集システム内のデータ、または他のソースデータの輸送のためのネットワーク利用の機械的、知的、または組織化を提供するためのコグニティブシステムを構成してもよい。これは、データ収集システムに送達されるソースデータ、学習フィードバックシステム4012に提供される、または学習フィードバックシステム4012を介して提供される分析データなどのフィードバックデータ、市場をサポートするためのデータ(他の実施形態に関連して記載されるような)、および1つ以上のデータ収集システム1002から出力インターフェースおよびポート4010を介して提供される出力データのためのネットワーク利用を組織化することを含んでもよい。
産業用IoTデータのための自己組織化データマーケットプレイスのための方法およびシステムが本明細書に開示されており、これには、利用可能なデータ要素が、トレーニングセットおよびマーケットプレイスの成功の尺度からのフィードバックを用いた自己組織化設備のトレーニングに基づいて、消費者による消費のためにマーケットプレイス内で組織化される場合を含む。マーケットプレイスは、タイプ別、ソース別、環境別、機械別、1つ以上のパターン別、または(メニューまたは階層のような)1つ以上のパターン別にデータを提示するなど、1つ以上の産業環境から収集されたデータを利用可能にするために、最初に設定されてもよい。マーケットプレイスは、収集されたデータ、データの組織、データの提示(データを外部サイトにプッシュすること、リンクを提供すること、データにアクセスすることができるAPIを構成することなどを含む)、データの価格設定、または前記のいずれかの異なるパラメータを変化させてもよい機械学習の下でのように、データの価格設定などを変化させてもよい。機械学習設備は、時間の経過とともにパラメータを変化させること(提示されるデータタイプの要素を変化させることを含む)、各タイプのデータを得るために使用されるデータソース、提示されるデータ構造(例えば、バイトのような構造、融合または多重化された構造(例えば、複数のセンサタイプを表すような)など)など、自己組織化によってこれらのパラメータのすべてを管理してもよい。データの価格設定、データの提示場所、データの提示方法(API、リンク、プッシュメッセージングなど)、データの保存方法、データの取得方法など。パラメータが変化すると、ビュー数、アクセスあたりの収量(例えば、支払われた価格)、総収量、単位利益あたりの利益、総利益、その他多くの成功の尺度についてフィードバックが得られ、自己組織化機械学習機能は、成功の尺度を改善する構成を促進し、そうでない構成を降格させることができるので、時間の経過とともに、マーケットプレイスは、データタイプの好ましい組み合わせを提示するように徐々に構成されます(例えば、予測された予測をロバストに提供するもの)。例えば、所定のタイプの特定の産業環境の予測される状態の頑健な予測を提供するもの)の有利な組み合わせを、有利なソース(例えば、信頼性があり、正確で、低価格のもの)から、効果的な価格設定(例えば、マーケットプレイスからの高い集合的利益を提供する傾向のある価格設定)で提示するように、徐々に構成される。マーケットプレイスは、潜在的に関連するデータを公開しているデータプール、接続されたIoTデバイスなどを見つけるような入力データソースを求めるためのスパイダー、ウェブクローラーなどを含んでもよい。これらは、本開示の他の場所に記載されたものと同様の方法で、人間のユーザによって訓練され、機械学習によって改良されてもよい。
実施形態では、産業用IoTデータのための自己組織化データマーケットプレイスを有するプラットフォームが提供される。図15を参照すると、実施形態では、1つ以上のデータ収集システム102によって収集されたデータ、または産業環境などの様々なデータ収集環境に位置する他のセンサまたは入力ソース116からのデータのための、場合によっては自己組織化データマーケットプレイスと呼ばれるコグニティブデータマーケットプレイス4102を有するプラットフォームが提供される。データ収集システム102に加えて、カメラ、モニタ、組み込みセンサ、モバイルデバイス、診断装置およびシステム、計装システム、テレマティクスシステムなどのIoTデバイスによって収集、処理または交換されたデータ、例えば、機械、デバイス、コンポーネント、部品、操作、機能、状態、状態、イベント、ワークフロー、およびそのような環境の他の要素(「状態」という用語によって総称される)の様々なパラメータおよび特徴を監視するためのデータを含んでもよい。データはまた、データを記述すること、実績を示すこと、アイデンティティ、アクセス、役割、および許可に関連する要素を示すこと、データの要約または抽象化を提供すること、またはデータの抽出、変換、ロード、および処理のためのデータなどのさらなる処理を可能にするためにデータの1つまたは複数の項目を補強することなど、前述のいずれかに関するメタデータを含んでもよい。このようなデータ(文脈が他に示す場合を除き、メタデータを含むこのような用語)は、個々の要素として(例えば、環境の状態に関するデータをプロセス内の条件として使用することができる例)、または集合体として(例えば、収集されたデータを、任意で異なる環境にある多数のシステムやデバイスにわたって、行動モデルを開発したり、学習システムを訓練したりするために使用することができる例)、第三者にとって非常に価値のあるものである可能性がある。数十億台のIoTデバイスが無数に接続されて配備されると、利用可能なデータの量は増えていきます。データへのアクセスおよび利用を可能にするために、コグニティブデータマーケットプレイス4102は、データのバッチ、データのストリーム(イベントストリームを含む)、様々なデータプール4120からのデータなどのデータのパッケージで、ユーザがデータを供給し、見つけ、消費し、取引することを可能にするための様々なコンポーネント、機能、サービス、およびプロセスを可能にする。実施形態では、コグニティブデータマーケットプレイス4102は、クラウドベースシステムなどのホスト処理システム1102のホスト処理アーキテクチャ4024の1つ以上の他のコンポーネントに含まれてもよいし、接続されてもよいし、統合されてもよいし、様々なセンサ、入力ソース1115、データ収集システム102などに接続されてもよい。認知データマーケットプレイス4102は、データ供給者がデータを利用可能にすることができる1つ以上の供給者インタフェースと、データを発見して取得することができる1つ以上の消費者インタフェースとを含むマーケットプレイスインタフェース4108を含んでもよい。消費者インタフェースは、データ市場検索システム4108へのインタフェースを含んでもよく、このインタフェースは、データまたはメタデータを特徴付ける自然言語検索インタフェースにキーワードを入力することによって、ユーザがどのようなタイプのデータを取得したいかを示すことを可能にする機能を含んでもよい。検索インターフェースは、キーワードマッチング、協調フィルタリング(既知の嗜好または消費者の特性を使用して、類似の消費者およびそれらの他の消費者の過去の成果にマッチングするような)、ランキング技術(本開示の他の実施形態に関連して記載されているような、様々なメトリクスに従って過去の成果の成功に基づいてランキングするような)を含む様々な検索およびフィルタリング技術を使用することができる。実施形態では、供給インターフェースは、データの所有者または供給者が、データのバッチ、データのストリーム、またはそのようなものをパッケージングするような、1つ以上のパッケージでデータをコグニティブデータマーケットプレイス4102に供給し、コグニティブデータマーケットプレイス4102を介してデータを供給することを可能にしてもよい。供給者は、単一の入力ソース116、単一のセンサなどからのデータを提供することによって、または組み合わせ、順列など(多重化されたアナログデータ、複数のソースからのデータの混合バイト、抽出、ロードおよび変換の結果、畳み込みの結果など)を提供することによって、前記のいずれかに関してメタデータを提供することによって、データを事前にパッケージ化してもよい。パッケージングは、バッチ単位、ストリーミング単位(イベントフィードまたは他のフィードまたはストリームへのサブスクリプションなど)、アイテム単位、レベニューシェア単位、または他の単位などのような価格設定を含むことができる。価格設定を含むデータについては、データトランザクションシステム4114は、注文の履行を含む注文、配送、および利用率を追跡してもよい。トランザクションシステム4114は、購入したデータへのアクセス制御を支配する暗号鍵を管理することによって、使用状況を支配する(限られた時間、限られたドメインで、限られたユーザまたは役割のセットによって、または限られた目的のためにデータを使用することを許可するような)デジタル権利管理を含む、リッチトランザクション機能を含んでもよい。また、トランザクションシステム414は、クレジットカード、電信送金、デビット、その他の対価の処理などの支払いを管理してもよい。
実施形態では、マーケットプレイス4102のコグニティブデータパッケージングシステム4010は、バッチ、ストリーム、プールなどでデータのパッケージを自動的に構成することによって、データをパッケージングするために、マシンベースのインテリジェンスを使用してもよい。実施形態では、パッケージ化は、既存のモデルを補完または補完しそうなデータをパッケージ化または集約することによってなど、1つ以上のルール、モデル、またはパラメータに従ったものであってもよい。例えば、データの種類を示すメタデータに基づいて、またはデータの性質を示すデータストリーム内の特徴または特徴を認識することによって、類似した機械のグループ(本開示全体に記載されている1つ以上の産業用機械など)からの動作データは、一緒に集約されてもよい。実施形態では、入力ソース116、センサ、データプール4120からの情報、およびデータ収集システム102からの情報のどのような組み合わせ、順列、混合、層、およびそのようなものが、ユーザの要求を満たす可能性が高いか、または成功の尺度をもたらす可能性が高いかを学習することによって、パッケージングは、機械学習および認知能力を使用して行われてもよい。学習は、学習フィードバック4012に基づくものであってもよく、例えば、システムパフォーマンス尺度、データ収集尺度、分析尺度などの分析システム4018内で決定された尺度に基づく学習などであってもよい。実施形態では、成功尺度は、パッケージの閲覧、パッケージとのエンゲージメント、パッケージの購入またはライセンス、パッケージのために行われた支払いなどの市場成功尺度と相関していてもよい。そのような尺度は、コグニティブパッケージシステム4110が、消費者に増加した価値を提供し、データ供給者に増加したリターンを提供するように設計されたパッケージを見つけ、構成することができるように、特定のフィードバック尺度を検索用語および他の入力に関連付けることを含む、分析システム4018において計算されてもよい。実施形態では、コグニティブデータパッケージングシステム4110は、学習フィードバック4102を使用して、好ましいパッケージを促進し、あまり好ましくないパッケージを非強調するために、異なる組み合わせ、パーマネテーション、ミックスなどを使用し、与えられた入力ソース、センサ、データプールなどに適用される重みを変化させるように、パッケージを自動的に変化させることができる。これは、異なるパッケージの結果を比較する遺伝的プログラミングおよび類似の技術を使用して行われてもよい。フィードバックは、状態システム4020からの状態情報(例えば、様々な動作状態についての情報など)や、他のデータソースの価格情報や利用可能性情報などの市場の状態や状態についての情報を含んでもよい。このように、市場4102に有利なデータのパッケージを提供するために条件に自動的に適応する適応型認知データパッケージシステム4110が提供される。
実施形態では、データパッケージの価格設定を行うために、コグニティブデータ価格設定システム4112が提供されてもよい。実施形態では、データ価格設定システム4112は、供給条件、需要条件、様々な利用可能なソースの価格設定などに基づいて価格設定を行うように、一連のルール、モデル、またはそのようなものを使用してもよい。例えば、パッケージの価格設定は、構成要素(入力ソース、センサデータ、またはそのようなもの)の価格の合計に基づいて設定されるように構成されてもよく、または構成要素の価格の合計に対するルールに基づく割引に基づいて設定されるように構成されてもよい。ルールおよび条件付きロジックは、コスト要因(帯域幅およびネットワーク使用量、ピーク需要要因、希少性要因など)を考慮するルール、利用パラメータ(パッケージの目的、ドメイン、ユーザ、役割、期間など)を考慮するルール、およびその他多くの要因を考慮するルールなど、適用されてもよい。実施形態では、認知データ価格設定システム412は、自動的に価格設定を変化させ、結果に関するトラッキングフィードバックを自動的に変化させることを含む遺伝的プログラミングを使用するような、完全に認知的でインテリジェントな機能を含んでもよい。トラッキングフィードバックがベースになってもよいアウトカムは、データトランザクションシステム4114からのデータに基づいて分析システム4108内のメトリクスを計算することによって提供されてもよい様々な財務利回りメトリクス、利用メトリクスなどを含んでもよい。
データプールを自己組織化するための方法およびシステムが本明細書に開示されており、この方法は、複数のデータプールについて追跡される利用率および/または歩留まりメトリックを含む、利用率および/または歩留まりメトリックに基づいてデータプールを自己組織化することを含んでもよい。データプールは、最初は、産業用機械またはコンポーネントからの、または産業用機械またはコンポーネントについてのセンサデータなどの産業用環境からのデータを含む、非構造化または疎構造化されたデータのプールから構成されてもよい。例えば、データプールは、タービン、コンプレッサ、バッテリ、リアクタ、エンジン、モータ、車両、ポンプ、ロータ、アクスル、ベアリング、バルブ、その他多数のような環境にある様々な機械またはコンポーネントからのデータのストリームを取ることができ、データストリームは、アナログおよび/またはデジタルセンサデータ(様々な種類の)、運転状態について公開されているデータ、診断および故障データ、機械またはコンポーネントの識別データ、資産追跡データ、およびその他多数の種類のデータを含むものである。各ストリームは、そのソースを示すような識別子をプール内に有してもよく、オプションでそのタイプを示してもよい。データプールは、1つ以上のインターフェースまたはAPI(例えば、RESTフルAPI)を介して、またはデータ統合要素(ゲートウェイ、ブローカー、ブリッジ、コネクタなど)を介して、外部システムによってアクセスされてもよく、データプールは、利用可能なデータストリームへのアクセスを得るために同様の機能を使用してもよい。データプールは、自己組織化機械学習設備によって管理されてもよく、自己組織化機械学習設備は、どのようなソースがプールに使用されるかを管理し、どのようなストリームが利用可能かを管理し、データプールに出入りするAPIまたは他の接続を管理するなどして、データプールを構成してもよい。自己組織化は、利用率および歩留まりの尺度を含んでもよい成功の尺度に基づくようなフィードバックを取ってもよい。含むことができる利用率および収量の尺度は、データを取得および/または格納するためのコストだけでなく、利益によってまたは有用性のユーザ表示などを含むことができる他の尺度によって測定されるプールの利益を考慮してもよい。例えば、自己組織化データプールは、エネルギー生産環境のための化学データおよび放射線データが定期的にアクセスされて抽出される一方で、振動データおよび温度データが使用されていないことを認識するかもしれないが、その場合、データプールは、振動データおよび/または温度データの保存を停止するか、またはそのようなデータのより良いソースを取得することによって、自動的に再編成するかもしれない。この自動再編成は、漸進的な反復およびフィードバックによって、異なるデータタイプ、異なるデータソース、異なるデータ構造などを促進するように、データ構造にも適用することができる。
実施形態では、利用率および/または収量メトリクスに基づくデータプールの自己組織化を有するプラットフォームが提供される。実施形態では、データプール4120は、本開示全体に記載されているように、認知能力によって組織化されるなど、自己組織化されたデータプール4120であってもよい。データプール4120は、分析システム4018において計算されたものを含む測定値および結果のフィードバックに基づくような、学習フィードバック4012に応答して自己組織化してもよい。組織化は、プールに格納するデータまたはデータのパッケージを決定すること(特定の組み合わせ、順列、集約、およびそのようなものを表すなど)、そのようなデータの構造(フラット構造、階層構造、リンクされた構造、または他の構造など)、格納期間、格納媒体の性質(ハードディスク、フラッシュメモリ、SSD、ネットワークベースのストレージ、またはそのようなものなど)、格納ビットの配置、および他のパラメータを含んでいてもよい。ストレージの内容および性質は、ホスト処理システム112の状態、1つ以上のデータ収集システム102の状態、ストレージ環境パラメータ(容量、コスト、および性能要因など)、データ収集環境パラメータ、市場パラメータ、および他の多くのパラメータなどに基づいて、データプール4120が学習して適応するように、変化してもよい。実施形態では、プール4120は、利回りメトリクス(投資収益率、電力利用率の最適化、収益の最適化など)に応答して、上記のパラメータおよび他のパラメータを変化させることによって、学習および適応してもよい。
稼働率、歩留まり、またはインパクトの尺度を反映する業界固有のフィードバックに基づいてAIモデルを訓練することを含む、業界固有のフィードバックに基づいてAIモデルを訓練するための方法およびシステムが本明細書に開示されており、ここで、AIモデルが産業環境からのセンサデータ上で動作する。上述したように、これらのモデルは、産業環境、機械、ワークフローのための動作モデル、状態を予測するためのモデル、故障を予測し、メンテナンスを最適化するためのモデル、ストレージを自己組織化するためのモデル(デバイス上、データプール内、および/またはクラウド内)、データ輸送を最適化するためのモデル(ネットワークコーディング、ネットワーク条件に応じたルーティングなどを最適化するためのモデル)、データマーケットプレイスを最適化するためのモデル、および他の多くのモデルを含むことができる。
実施形態では、業界固有のフィードバックに基づく訓練AIモデルを有するプラットフォームが提供される。実施形態では、本明細書に開示された認知システムの様々な実施形態は、(特定の機械、デバイス、コンポーネント、プロセスなどの最適化に関連するような)業界固有およびドメイン固有の入力ソース116からの入力およびフィードバックを取ることができる。このように、ストレージ組織、ネットワーク使用量、センサと入力データの組み合わせ、データプール、データパッケージング、データプライシング、および他の機能(例えば、マーケットプレイス4102のため、またはホスト処理システム112の他の目的のため)の学習および適応は、所定の環境またはアプリケーション、例えば、IoTデバイスが関与するアプリケーション(産業環境など)のドメイン固有のフィードバック手段に学習することによって構成されてもよい。これは、効率の最適化(電気的、電気機械的、磁気的、物理的、熱力学的、化学的および他のプロセスおよびシステムなど)、出力の最適化(エネルギー、材料、製品、サービスおよび他の出力の生産のためなど)、障害の予測、回避および緩和(前述のシステムおよびプロセスなど)を含んでもよい。パフォーマンス指標の最適化(投資収益率、利回り、利益、利益、マージン、収益など)、コストの削減(人件費、帯域幅コスト、データコスト、材料投入コスト、ライセンスコストなどを含む)、ベネフィットの最適化(安全性、満足度、健康に関するものなど)、ワークフローの最適化(プロセスへの時間やリソース配分の最適化など)など。
本明細書に開示される方法およびシステムは、産業用データコレクタの自己組織化された群のためのものであり、群のメンバーの能力および状態に基づいてデータ収集を最適化するために自己組織化される産業用データコレクタの自己組織化された群を含む。スウォームの各メンバーは、知性を有し、他のメンバーと協調する能力を有するように構成されていてもよい。例えば、スウォームのメンバーは、他のメンバーがどのようなデータを扱っているかについての情報を追跡してもよく、それにより、環境の状態、スウォームのメンバーの能力、動作パラメータ、ルール(スウォームの動作を支配するルールエンジンからのものなど)、およびメンバーの現在の状態を考慮して、データ収集活動、データ保存、データ処理、およびデータ公開をスウォーム全体にインテリジェントに割り当てることができる。例えば、4 つのコレクターのうち、現在の電力レベルが比較的低い (バッテリが低いなど) 1 つのコレクターは、データを公開する必要があるときに、リーダまたは尋問装置(RFID リーダなど) から電力を受け取る可能性があるため、データを公開する役割を一時的に割り当てられるかもしれません。良好な電力レベルと堅牢な処理能力を持つ第二のコレクタは、データの処理、データの融合、スウォームの残りの部分の組織化(機械学習の下での自己組織化を含み、フィードバックに基づいて動作パラメータ、ルールなどを調整することによってスウォームが時間の経過とともに最適化されるようにする)など、より複雑な機能を割り当てられるかもしれません。堅牢なストレージ能力を有するスウォーム内の第3のコレクタは、振動センサデータのような、かなりの帯域幅を消費するデータのカテゴリを収集して格納するタスクを割り当てられるかもしれない。スウォーム内の第 4 のコレクタ、例えばストレージ能力の低いものは、故障に関するデータだけを維持して渡す必要がある現在の診断状態に関するデータなど、通常は廃棄することができるデータを収集する役割を割り当てられるかもしれません。スウォームのメンバーは、メンバーを「マスター」または「ハブ」として使用してピアツーピアの関係で接続してもよいし、直列またはリングで接続させてもよく、各メンバーがデータ(コマンドを含む)を次のメンバーに渡し、先行および/または次のメンバーに適した能力およびコマンドの性質を認識している。スウォームは、それをまたいでストレージを割り当てるために使用されてもよい(例えば、各メモリのメモリを集約データストアとして使用するような)。これらの例では、集約データストアは、分散台帳をサポートしてもよく、この台帳は、例えば、スウォームによって収集されたデータが関与するトランザクション、産業環境で発生するトランザクション、またはそのようなトランザクションデータを格納してもよい。実施形態では、トランザクションデータは、スウォーム、環境、または機械やその構成要素を管理するために使用されるデータを含んでもよい。スウォームは、スウォームの1つ以上のメンバーに配置された機械学習能力によって、または外部の機械学習設備からの命令に基づいて、自己組織化してもよく、これは、それぞれに関連するパラメータの管理に基づいて、ストレージ、データ収集、データ処理、データ提示、データ輸送、および他の機能を最適化してもよい。機械学習設備は、初期構成から開始してもよく、成功の尺度(利用率の尺度、効率の尺度、状態の予測または予測における成功の尺度、生産性の尺度、歩留まりの尺度、利益の尺度など)に関する機械学習設備へのフィードバックに基づいて反復することなど、前述のいずれかに関連するスウォームのパラメータを変化させてもよい(スウォームのメンバーシップを変化させることも含む)。時間の経過とともに、スウォームは、産業環境またはその機械、コンポーネント、またはプロセスの所有者、オペレータ、またはホストにとって所望の成功尺度を達成するために、好ましい構成に最適化されてもよい。
スウォーム4202は、階層的な組織(マスターデータ収集器102が、1つ以上の従属データ収集器102の活動を組織化して指示する場合など)、協調的な組織(スウォーム4202の組織化のための意思決定がデータ収集器102の間で分散される場合など(投票システム、ポイントシステム、最小コストルーティングシステム、優先順位付けシステムなどの意思決定のための様々なモデルを使用する場合など)、などに基づいて組織化されていてもよい)。実施形態では、データ収集システム102の1つ以上は、データ収集システム102が移動ロボット、ドローン、移動潜水艇などの上に、またはその中に配置されている場合など、移動能力を有していてもよく、そのような組織は、データ収集システム102の位置および位置を含んでいてもよい。データ収集システム102は、データ収集器の1つまたは複数の収集器上のまたはアクセス可能なストレージを含む集約的に割り当てられたストレージ空間を共有することを含めて、互いに、およびホスト処理システム112と通信してもよい(これは、実施形態では、仮想化機能を使用するなど、物理的に分散されていても統一されたストレージ空間として扱われてもよい)。組織化は、1つ以上のルール、モデル、条件、プロセス、またはそのようなものに基づいて自動化されてもよく(条件ロジックによって具現化または実行されるような)、組織化は、ポリシーエンジンによって処理されるようなポリシーによって支配されてもよい。ルールは、業界、アプリケーションおよびドメイン固有のオブジェクト、クラス、イベント、ワークフロー、プロセス、およびシステムに基づいてもよく、例えば、前記のように調整されたように、指定された場所および時間に選択されたタイプのデータを収集するようにスウォーム4202を設定することによってもよい。例えば、スウォーム4202は、産業プロセス(ロボット製造プロセスなど)を実行する一連の機械のそれぞれから、診断データ、センサデータ、計装データおよび/またはテレマティックデータを、それらの機械のそれぞれへの入力および出力の時間および場所などでシリアルに収集するために、データ収集器102を割り当ててもよい。実施形態では、自己組織化は、群が1つ以上の収集パラメータを変化させ、パラメータの選択、パラメータに適用される重み、またはそのようなものを時間の経過とともに適応させるような、認知的なものであってもよい。例示的な実施形態では、これは、学習フィードバックシステム4012からのような、学習フィードバックシステム4012からの応答であってもよく、例えば、解析システム4018(これは、実施形態では、スウォーム40202、ホスト処理システム112、またはそれらの組み合わせに存在してもよい)を、スウォーム40202によって処理されるデータ、または本明細書に開示される様々な実施形態の他の要素(マーケットプレイス要素などを含む)に適用することによって決定され得る様々なフィードバック手段に基づいてもよい。したがって、スウォーム4202は、現在の状態4020またはその環境の予測される状態(マーケットプレイスの動作を考慮した)、様々なオブジェクト(例えば、IoTデバイス、マシン、コンポーネント、およびシステムなど)の動作、プロセス(イベント、状態、ワークフローなどを含む)、および所定の時点での他の要因に適応するような適応的な動作を表示してもよい。ニューラルネット、自己組織化マップなど)、選択、促進などのプロセス(遺伝的プログラミングや他のAIベースの技術によって可能になったものなど)で変動させてもよいパラメータ。認知的、機械学習によって管理され、変化し、選択され、適応されてもよいパラメータは、ストレージパラメータ(群40202全体の位置、種類、期間、量、構造など)、ネットワークパラメータ(群40202がどのように構成されているか、例えば、メッシュ、ピアツーピア、リング、シリアル、階層化、および他のネットワーク構成など)、および帯域幅の利用率などを含んでいてもよい。データルーティング、ネットワークプロトコルの選択、ネットワークコーディングタイプ、および他のネットワークパラメータ)、セキュリティパラメータ(様々なセキュリティアプリケーションおよびサービスのための設定など)、位置および位置決めパラメータ(移動データ収集器102の移動を場所にルーティングしたり、収集器102をデータ取得点に対して相対的に位置決めしたり、方向付けたりするようなもの)。互いに相対的に、とりわけネットワークの利用可能性が有利であり得る場所に相対的に)、入力選択パラメータ(各コレクタ102および集合コレクションのためのセンサ間の入力選択、入力ソース116など)、データ組み合わせパラメータ(センサ融合、入力組み合わせ、多重化、混合、レイヤリング、畳み込みなど)。および他の組み合わせ)、電力パラメータ(1つまたは複数の収集システム102または他のオブジェクト、デバイスなどのための電力レベルおよび電力利用可能性に基づくパラメータなど)、状態(群4202、個々の収集システム102、ホスト処理システム112または環境内の1つまたは複数のオブジェクトの予測される状態および状態を含む)、イベント、および他の多くのものを含む)。フィードバックは、本明細書に記載された種類のいずれかに基づいてもよく、そのようなフィードバックは、時間の経過とともに、スウォームが現在の状態および予測される状態に適応して、幅広い範囲の所望の目的を達成することができるようにしてもよい。
産業用IoTデータのための自動データマーケットプレイスで実行されるトランザクションの追跡をサポートする分散台帳を含む、産業用IoT分散台帳のための方法およびシステムが本明細書に開示されている。分散元帳は、暗号通貨(ビットコイン通貨をサポートするために使用されるブロックチェーンプロトコルなど)に使用されるような安全なプロトコルを使用して、デバイス間でストレージを分散させてもよい。台帳または類似のトランザクション記録は、チェーンの各連続したメンバーが以前のトランザクションのデータを格納する構造を構成してもよく、代替的に格納されたデータ構造のうちのどれが「最良」であるか(最も完全であることなど)を決定するために競争が確立されてもよく、データコレクタ、産業用機械またはコンポーネント、データプール、データマーケットプレイス、クラウドコンピューティング要素、サーバ、および/または企業(産業用環境または本明細書に開示されるシステムの所有者、オペレータまたはホストなど)のITインフラストラクチャ上に横断的に格納されてもよい。台帳またはトランザクションは、ストレージ効率、セキュリティ、冗長性、またはそのようなものを提供するように、機械学習によって最適化されてもよい。
実施形態では、コグニティブ・データ・マーケットプレイス4102は、分散台帳4004のような、トランザクションを追跡および解決するための安全なアーキテクチャを使用してもよい。実施形態では、データパッケージ内のトランザクションは、ブロックチェーンのような連鎖した分散データ構造で追跡され、個々のデバイスがデータパッケージ内のトランザクションを表す台帳の一部を保存するところで、フォレンジック分析および検証を可能にする。分散台帳4004は、単一の情報の中央レポジトリに依存することなくトランザクション情報を検証できるように、IoTデバイス、データプール4120、データ収集システム1002などに分散されてもよい。トランザクションシステム4114は、トランザクションを解決するために、分散台帳4004にデータを格納し、そこから(および構成デバイスから)データを取り出すように構成されていてもよい。このように、IoTデータのパッケージのようなデータのトランザクションを処理するための分散台帳4004が提供される。実施形態では、自己組織化ストレージシステム4028は、分散台帳データのストレージを最適化するために使用されてもよく、また、市場4102で提示され得るIoTデータなどのデータのパッケージのストレージを組織化するために使用されてもよい。
本明細書では、帯域幅、サービス品質、価格設定、および/または他のネットワーク条件に基づいて最適化することができる、ネットワーク条件に敏感な、自己組織化されたマルチセンサデータコレクタを含む、ネットワーク敏感なコレクタのための方法およびシステムが開示されている。ネットワーク感度は、データトランスポートの価格(オフピーク期間または有料データプランの利用可能なパラメータ内でシステムがデータをプルまたはプッシュすることを可能にするなど)、ネットワークの品質(エラーが発生しやすい期間を回避するなど)、環境条件の品質(信号品質が良好になるまで送信を遅延させるなど、コレクタがシールドされた環境から出てくるときなど、シールドされたときに信号を求めるときに電力を無駄に使用することを回避するなど、産業環境の典型的な大型金属構造物によって)などを意識することを含むことができる。
産業用データ収集環境で識別された必要性および/または条件に基づいてセンサインタフェースをパワーアップおよびダウンさせることができる、遠隔に編成されたユニバーサルデータコレクタのための方法およびシステムが本明細書に開示されている。例えば、インタフェースは、センサがデータコレクタにプラグインすることを可能にするハードウェアインタフェース、ワイヤレスデータインタフェース(コレクタがセンサにpingを打つことができ、任意に、インタロゲーション信号を介して何らかの電力を提供するような)、およびソフトウェアインタフェース(特定のタイプのデータを扱うためのような)を含む、利用可能なセンサを認識することができ、インタフェースおよび/またはプロセッサは、そのようなセンサからの入力を取るためにオンにすることができる。このように、様々な種類のデータを取り扱うことができるコレクタは、所与の環境における特定の使用に適応するように構成することができる。実施形態では、構成は、自動であってもよいし、機械学習の下であってもよく、これは、時間の経過に伴うフィードバック手段に基づいてパラメータを最適化することによって構成を改善してもよい。
産業用センサデータのためのマルチセンサデータコレクタのための自己組織化ストレージを含む、マルチセンサデータコレクタのための自己組織化ストレージのための方法およびシステムが本明細書に開示されている。自己組織化ストレージは、機械学習の適用に基づいてストレージを割り当ててもよく、これにより、経時的にフィードバック測定に基づいてストレージ構成が改善されてもよい。ストレージは、どのようなデータタイプを使用するか(例えば、バイトライクな構造、複数のセンサからの融合データを表す構造、データに数学関数を適用することによって計算された統計または測定値を表す構造など)を構成すること、圧縮を構成すること、データ保存期間を構成すること、書き込み戦略を構成すること(例えば、複数のストレージデバイス間でデータをストライピングすること、1つのデバイスが連鎖的に他のデバイスのための命令を保存するプロトコルを使用することなど)、およびストレージ階層を構成すること、例えば、頻繁にアクセスされるデータ項目へのより迅速なアクセスを容易にするために事前に計算された中間統計を提供することなどによって、最適化されてもよい。このように、高度にインテリジェントなストレージシステムは、フィードバックに基づいて、時間の経過とともに構成され、最適化されてもよい。
産業用データ収集環境において複数のセンサからのデータを輸送するデータネットワークのための自己組織化ネットワーク符号化を含む、マルチセンサデータネットワークのための自己組織化ネットワーク符号化のための方法およびシステムが本明細書に開示されている。ランダム線形ネットワーク符号化を含むネットワーク符号化は、様々な種類のネットワーク上での大量のデータの高効率かつ信頼性の高いトランスポートを可能にすることができる。異なるネットワーク符号化構成を機械学習に基づいて選択して、ネットワーク符号化および他のネットワーク輸送特性を、輸送されるデータの性質、環境条件、動作条件などの他の要因に基づいて最適化することができる(本明細書に記載されたいずれかの手段などの成功の尺度のフィードバックに基づいて、ネットワーク符号化選択モデルを経時的に訓練することによっても含む)。
実施形態では、マルチセンサデータネットワークのための自己組織化ネットワークコーディングを有するプラットフォームが提供される。認知システムは、ネットワークタイプの選択(例えば、ネットワークタイプの選択)など、ネットワーキングのための1つ以上のパラメータを変化させてもよい。ネットワークタイプの選択(例えば、利用可能なローカルネットワーク、セルラーネットワーク、衛星ネットワーク、Wi-Fiネットワーク、ブルートゥース(登録商標)ネットワーク、NFCネットワーク、Zigbeeネットワーク、および他のネットワークからの選択)、ネットワークの選択(例えば、所望のセキュリティ機能を有することが知られているネットワークなどの特定のネットワークの選択)、ネットワークコーディングの選択(例えば、効率的な輸送のためのネットワークコーディングのタイプの選択(ランダム線形ネットワークコーディング、固定コーディング、および他のものなど)、ネットワークタイミングの選択(例えば、ネットワークの価格設定条件に基づいて配信を設定するなど)など、ネットワーキングのための1つまたは複数のパラメータを変化させてもよい。トラフィックなど)、ネットワーク機能の選択(コグニティブ機能、セキュリティ機能などの選択)、ネットワーク条件(現在の環境や動作条件に基づくネットワーク品質など)、ネットワーク機能の選択(利用可能な認証、許可などのシステムを有効にするなど)、ネットワークプロトコルの選択(HTTP、IP、TCP/IP、セルラー、サテライト、シリアル、パケット、ストリーミング、その他多くのプロトコルの中から選択)などがある。帯域幅の制約、価格の変動、環境要因への感度、セキュリティの懸念などを考えると、最適なネットワーク構成を選択することは、非常に複雑であり、状況に依存することがある。自己組織化ネットワーキングシステム4030は、結果の様々な尺度に関する分析システム4018からの情報を使用するなど、学習フィードバックシステム4012からの入力を取りながら、これらのパラメータの組み合わせおよび順列を変化させてもよい。多くの例では、成果は、システム全体の尺度、分析的成功尺度、および局所的なパフォーマンス指標を含んでもよい。実施形態では、学習フィードバックシステム4012からの入力は、様々なセンサおよび入力源116からの情報、状態に関する状態システム4020からの情報(イベント、環境条件、動作条件、および多くの他の情報など)、または他の入力を取ることを含んでもよい。異なる状態におけるネットワークパラメータの代替構成の変動および選択によって、自己組織化ネットワークシステムは、ホスト処理システム112によって監視または制御されている環境、例えば、1つ以上のデータ収集システム102が配置されているインスタンスのような、新興のネットワーク状態に十分に適応した構成を見つけてもよい。このように、自己組織化された、ネットワーク条件に適応したデータ収集システムが提供される。
図42を参照すると、データ収集システム1002は、1つ以上の出力インターフェースおよび/またはポート4010を有してもよい。これらは、ネットワークポートおよび接続、アプリケーションプログラミングインターフェースなどを含んでもよい。振動、熱、電気、および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルな触覚またはマルチ感覚ユーザインタフェースを含む、触覚またはマルチ感覚ユーザインタフェースのための方法およびシステムが本明細書に開示されている。例えば、インターフェースは、インターフェースをサポートするように構成されたデータ構造に基づいて、環境内のセンサからのデータに基づいて、入力またはフィードバックをユーザに提供するように設定されてもよい。例えば、振動データに基づく故障状態(例えば、ベアリングが摩耗していること、車軸がずれていること、または機械間の共振状態に起因するものなど)が検出された場合、手首に装着された装置を振るなどのインターフェースの振動によって、触覚インターフェースに提示することができる。同様に、過熱を示す熱データは、作業者が機械で作業していて必ずしもユーザインタフェースを見ることができない間などに、ウェアラブルデバイスを暖めたり冷却したりすることによって提示され得る。同様に、電気的または磁気的なデータは、開いている電気的接続またはワイヤの存在を示すように、ブザー音などによって提示されてもよい。すなわち、マルチセンサリーインターフェースは、ユーザ(例えば、ウェアラブルデバイスを使用しているユーザ)が環境で何が起こっているかの迅速な表示を得るのを直感的に助けることができ、ウェアラブルインターフェースは、ユーザがグラフィカルUIに目を向けることを必要としない様々なインタラクションモードを有し、ユーザが環境を注視する必要がある多くの産業環境では困難であるか、または不可能であるかもしれない。
実施形態では、振動、熱、電気、および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有するプラットフォームが提供される。実施形態では、ハプティックユーザインタフェース4302は、振動、熱、電気、および/または音の出力のための情報を、データ収集システム102の1つまたは複数のコンポーネント、またはウェアラブルデバイス、携帯電話などの別のシステムに処理して提供するためのシステムなどの、データ収集システム102のための出力として提供される。データ収集システム102は、ヘッドギア、腕章、リストバンドまたは時計、ベルト、衣類のアイテム、制服、またはそのようなものに配置された入力のような、振動、温めまたは冷却、ブザー音などの触覚入力をユーザに提供するのに適したフォームファクタで提供されてもよい。このような場合、データ収集システム102は、産業環境を操作または監視する責任のある個人などのユーザによって着用されるギア、ユニフォーム、装置、またはそのようなものと統合されていてもよい。実施形態では、様々なセンサまたは入力源からの信号(または、認知入力選択システム4004、4004のうちの1つ以上の認知入力選択システムによって管理されるような選択的な組み合わせ、順列、混合、およびそのようなもの)は、触覚フィードバックをトリガしてもよい。例えば、近くの産業用機械が過熱している場合、ハプティックインターフェースは、ウォームアップするか、または別のデバイス(例えば、携帯電話)にウォームアップするための信号を送信することによって、ユーザに警告してもよい。システムが異常な振動を経験している場合、ハプティックインターフェースは振動してもよい。このように、様々な形態のハプティック入力を介して、データ収集システム102は、ユーザにメッセージを読むことを要求することなく、または手元のタスクから視覚的な注意をそらすことなく、1つまたは複数のデバイス、機械、または他の要因(例えば、産業環境におけるもの)に注意を払う必要性をユーザに通知してもよい。ハプティックインターフェース、およびどのような出力が提供されるべきかの選択は、認知入力選択システム4004,4014において考慮されてもよい。例えば、ユーザの行動(入力に対する応答など)は、分析システム4018において監視および分析されてもよく、フィードバックは、学習フィードバックシステム4012を介して提供されてもよく、これにより、ハプティックシステム4002の有効性を最適化するために、センサおよび入力の適切な収集またはパッケージに基づいて、適切なタイミングで、適切な方法で、信号が提供されてもよい。これは、ルールベースまたはモデルベースのフィードバック(伝えられているソースデータに何らかの論理的な方法で対応する出力を提供することなど)を含んでもよい。実施形態では、認知的ハプティックシステムが提供されてもよく、ここで、ハプティックフィードバックのための入力またはトリガーの選択、出力の選択、タイミング、強度レベル、持続時間、および他のパラメータ(またはそれらに適用される重み)は、実際の状況におけるフィードバックに対する実世界の応答に基づいて、またはユーザ行動のシミュレーションおよびテストの結果に基づいて、フィードバックを伴う変動、促進、および選択のプロセス(例えば、遺伝的プログラミングを使用することなど)で変動させてもよい。このように、データ収集システム102のための適応型触覚インターフェースが提供され、これは、システム全体の成果、データ収集の成果、分析の成果などのように、要件を満足させ、ユーザ行動への影響を最適化するために、フィードバックを学習し、適応させてもよい。
収集されたデータのパターンおよび/またはパラメータに基づいてヒートマップ要素が提示される、AR/VR工業用ガラスのための提示層のための方法およびシステムが本明細書に開示されている。方法およびシステムは、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、AR/VRインターフェースの状態に敏感な、自己組織化されたチューニングのために本明細書に開示されている。実施形態では、本開示を通して記載されたデータ、測定値、およびそのようなもののいずれかは、産業用眼鏡、スマートフォンまたはタブレット上のAR/VRインターフェース、データ収集器(スマートフォンまたはタブレットに具現化されてもよい)上のAR/VRインターフェース、機械またはコンポーネント上に配置されたディスプレイ、および/または産業環境に配置されたディスプレイ上に配置されたディスプレイなどのAR/VRインターフェースにおける提示のための視覚的要素、オーバーレイ、およびそのようなものによって提示することができる。
実施形態では、AR/VR用に収集されたデータを表示するヒートマップを有するプラットフォームが提供される。実施形態では、プラットフォームは、AR/VRインターフェース4208への入力を提供するために、データ収集システム102から収集されたデータを表示するヒートマップ4204を有するものが提供される。実施形態では、ヒートマップインターフェース4204は、データ収集システム102の1つ以上のコンポーネント、またはモバイルデバイス、タブレット、ダッシュボード、コンピュータ、AR/VRデバイスなどの別のシステムに、様々なセンサデータおよび他のデータ(地図データ、アナログセンサデータ、および他のデータなど)の可視化のための情報を処理して提供するためのような、データ収集システム102のための出力として提供される。データ収集システム102は、アナログおよびデジタルセンサデータ(回転、振動、加熱または冷却、圧力、および他の多くの条件のレベルを示すデータなど)のレベルの指標を含む地図の提示など、ユーザに視覚的な入力を提供するのに適したフォームファクタで提供されてもよい。このような場合、データ収集システム102は、産業環境を操作または監視する責任のある個人によって使用される機器、またはそのようなものと統合されていてもよい。実施形態では、様々なセンサまたは入力源からの信号(または、認知入力選択システム4004、4004の1つ以上によって管理されるような選択的な組み合わせ、順列、混合、およびそのようなもの)は、ヒートマップへの入力データを提供してもよい。座標は、実世界の位置座標(ジオロケーションまたは環境の地図上の位置など)だけでなく、時間ベースの座標、周波数ベースの座標、またはアナログセンサ信号、デジタル信号、入力ソース情報、および様々な組み合わせを地図ベースの可視化で表現することを可能にする他の座標を含んでもよく、そのような色は、関連する次元に沿って入力の変化するレベルを表してもよい。例えば、近くの産業用機械が過熱している場合、ヒートマップインターフェースは、機械を真っ赤に表示してユーザに警告することができます。システムが異常な振動を経験している場合、ヒートマップインターフェースは、機械の視覚的要素に対して異なる色を表示するか、または機械を表すアイコンまたは表示要素をインターフェース内で振動させ、要素に注意を促すことができる。マップをクリックしたり、触ったり、またはそうでなければマップと相互作用することにより、ユーザは、ヒートマップ表示への入力として使用される基礎となるセンサまたは入力データをドリルダウンして見ることができるようになり得る。このように、様々な表示の形態を通じて、データ収集システム102は、テキストベースのメッセージまたは入力を読むことをユーザに要求することなく、産業環境のような1つまたは複数のデバイス、機械、または他の要因に注意を払う必要性をユーザに通知してもよい。ヒートマップインターフェース、およびどのような出力を提供すべきかの選択は、認知的入力選択システム4004,4014において考慮されてもよい。例えば、ユーザの行動(入力または表示に対する応答など)は、分析システム4018において監視および分析されてもよく、フィードバックは、学習フィードバックシステム4012を介して提供されてもよく、これにより、ヒートマップUI4304の有効性を最適化するために、センサおよび入力の適切な収集またはパッケージに基づいて、適切なタイミングで、適切な方法で信号が提供されてもよい。これは、ルールベースまたはモデルベースのフィードバック(伝えられているソースデータに何らかの論理的な方法で対応する出力を提供するフィードバックなど)を含んでもよい。実施形態では、認知的ヒートマップシステムが提供されてもよく、ここで、ヒートマップ表示のための入力またはトリガーの選択、出力の選択、色、視覚的表現要素、タイミング、強度レベル、持続時間、および他のパラメータ(またはそれらに適用される重み)が、実際の状況におけるフィードバックに対する実世界の応答に基づいて、またはユーザ行動のシミュレーションおよびテストの結果に基づいて、フィードバックを用いて、変動、促進、および選択(遺伝的プログラミングを用いた選択など)のプロセスで変動させられてもよい。このように、データ収集システム102、またはそれによって収集されたデータ、またはホスト処理システム112によって処理されたデータのための適応的なヒートマップインターフェースが提供され、これは、システム全体の成果、データ収集の成果、分析の成果などのように、要件を満足させ、ユーザの行動および反応への影響を最適化するために、フィードバックを学習して適応させてもよい。
実施形態では、データコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有するプラットフォームが提供される。実施形態では、データ収集システム102がAR/VRインターフェース4208を有するか、またはAR/VRインターフェース4308(仮想現実またはARヘッドセットに配置された携帯電話、ARメガネのセットなど)への入力を提供する場合など、データ収集システム102によって収集されたデータの可視化のために自動的に調整されたAR/VR可視化システム4308を有するプラットフォームが提供される。実施形態では、AR/VRシステム4308は、データ収集システム102の出力インターフェースとして、データ収集システム102の1つ以上のコンポーネント、またはモバイルデバイス、タブレット、ダッシュボード、コンピュータ、AR/VRデバイスなどの別のシステムに、様々なセンサデータおよび他のデータ(地図データ、アナログセンサデータなど)の可視化のための情報を処理して提供するためのシステムなど、データ収集システム102の出力インターフェースとして提供される。データ収集システム102は、アナログおよびデジタルセンサデータ(回転、振動、加熱または冷却、圧力および他の多くの条件のレベルを示すデータなど、入力ソース116への回転、振動、加熱または冷却、圧力および他の多くの条件のレベルを示すデータなど)の指標を含むか、またはそれに対応する3Dリアリスティック可視化、オブジェクト、マップ、カメラオーバーレイ、または他のオーバーレイ要素などの1つまたは複数のディスプレイを提示することによって、ARまたはVRの視覚、聴覚、または他の感覚入力をユーザに提供するのに適したフォームファクタで提供されてもよい。このような場合、データ収集システム102は、産業環境を操作または監視する責任のある個人によって使用される装置、またはそのようなものと統合されてもよい。
実施形態では、様々なセンサまたは入力ソースからの信号(または、1つ以上の認知入力選択システム4004、4004によって管理されるような選択的な組み合わせ、順列、混合、およびそのようなもの)は、AR/VR要素を生成、構成、変更、またはそうでなければ決定するための入力データを提供してもよい。視覚要素は、アナログセンサ信号、デジタル信号、入力ソース情報、および様々な組み合わせを表現するために、広範囲のアイコン、マップ要素、メニュー要素、スライダー、トグル、色、形状、サイズなどを含んでもよい。多くの例では、視覚的なオーバーレイ要素の色、形状、およびサイズは、センサまたはセンサの組み合わせのための関連する寸法に沿って、入力の様々なレベルを表すことができる。さらなる例では、近くの産業機械が過熱している場合、AR要素は、一対のARメガネのディスプレイの一部に、そのタイプの機械を表すアイコンを点滅する赤色で表示することによって、ユーザに警告してもよい。システムが異常な振動を経験している場合、機械の構成要素の可視化を示す仮想現実インターフェース(3D可視化要素を有する機械のカメラビューのオーバーレイなど)は、ユーザが機械を監視またはサービスするのを助けるために使用される仮想現実環境において、構成要素が目立つように、振動している構成要素をハイライトされた色で、動きを伴って、またはそのようなもので表示してもよい。AR/VRインターフェース内の視覚的要素をクリックしたり、触ったり、目を動かしたり、そうでなければ対話したりすることで、ユーザがドリルダウンして、ディスプレイへの入力として使用される基礎となるセンサまたは入力データを見ることができるようにしてもよい。このように、様々な表示の形態を通して、データ収集システム102は、テキストベースのメッセージを読むか、入力するか、または適用される環境(それがAR機能を有する実環境であるか、またはシミュレーション、トレーニングなどのための仮想環境であるかにかかわらず)から注意をそらすことをユーザに要求することなく、1つまたは複数のデバイス、機械、または他の要因(産業環境など)に注意を払う必要性をユーザに通知してもよい。
AR/VR出力インターフェース4208、およびどのような出力または表示を提供すべきかの選択および構成は、認知入力選択システム4004、4014で処理されてもよい。例えば、ユーザの行動(入力または表示に対する応答など)は、分析システム4018において監視および分析されてもよく、フィードバックは、学習フィードバックシステム4012を介して提供されてもよく、これにより、AR/VR表示信号は、AR/VRUI4308の有効性を最適化するために、センサおよび入力の適切な収集またはパッケージに基づいて、適切なタイミングで、適切な方法で提供されてもよい。これは、ルールベースまたはモデルベースのフィードバック(伝えられているソースデータに何らかの論理的な方法で対応する出力を提供することなど)を含んでもよい。実施形態では、認知的に調整されたAR/VRインターフェース制御システム4308が提供されてもよく、ここで、AR/VR表示要素のための入力またはトリガーの選択、出力の選択(色、視覚表現要素、タイミング、強度レベル、持続時間、および他のパラメータ(またはそれらに適用される重みなど)、およびVR/AR環境の他のパラメータが、実際の状況における実世界の応答に基づいて、またはユーザ行動のシミュレーションおよびテストの結果に基づいて、フィードバックを伴って、変動、促進、および選択のプロセス(遺伝的プログラミングの使用など)で変動されてもよい。このように、データ収集システム102、またはそれによって収集されたデータ102、またはホスト処理システム112によって処理されるデータのための適応的で調整されたAR/VRインターフェースが提供され、これは、要件を満たすために、システム全体の成果、データ収集の成果、分析の成果などのように、ユーザの行動および反応への影響を最適化するために、フィードバックを学習して適応させてもよい。
上述したように、エネルギー生産設備の回転要素および軸受の連続超音波モニタリングを提供することを含む、連続超音波モニタリングのための方法およびシステムが本明細書に開示されている。実施形態では、クラウド展開されたパターン認識装置のソースとして、産業環境の連続超音波モニタリングを使用することが含まれる。実施形態は、クラウド展開型パターン認識装置への入力として使用されるステートマシンに更新された状態情報を提供するために、連続的な超音波モニタリングを使用することを含む。実施形態は、ポリシーエンジンで宣言されたポリシーに基づいて、連続超音波モニタリング情報をユーザに利用可能にすることを含む。実施形態は、産業用センサデバイス上の融合データ構造内に他のデータと共に連続超音波モニタリングデータを格納することを含む。実施形態は、産業環境からの連続超音波モニタリングデータのストリームを、データマーケットプレイスからサービスとして利用可能にすることを含む。実施形態は、連続的な超音波モニタリングデータのストリームを自己組織化データプールに供給することを含む。実施形態は、モデルが、そのようなデータストリームの人間の分析から作成されたトレーニングセットに基づいて、産業環境での性能について収集されたデータに基づいて改良される、連続超音波モニタリングデータストリームを監視するための機械学習モデルを訓練することを含む。
実施形態は、産業環境の連続超音波モニタリングのための少なくとも1つのデータ収集器と、少なくとも1つの他のタイプのデータ収集器とを含むデータ収集器の群を含む。実施形態は、分散型台帳を使用して、複数の装置にわたる連続超音波モニタリングからの時系列データを格納することを含む。実施形態は、自己組織化データ収集器、ネットワーク感応型データ収集器、遠隔組織化データ収集器、自己組織化ストレージを有するデータ収集器などで連続超音波データのストリームを収集することを含む。実施形態は、産業環境から収集された超音波データのストリームを搬送するために自己組織化ネットワーク符号化を使用することを含む。実施形態では、インターフェースがウェアラブルデバイスの感覚インターフェース、ウェアラブルデバイスのヒートマップ視覚インターフェース、インターフェース層の自己組織化されたチューニングで動作するインターフェースのいずれかであるインターフェースを介して、連続的に収集された超音波データストリームのパラメータのインジケータを搬送することを含む。
上述したように、遠隔のアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識のための方法およびシステムが本明細書に開示されている。実施形態は、産業環境に配置された複数のアナログセンサからの入力を取り、センサを多重化して多重化されたデータストリームに多重化し、データストリームをクラウド展開された機械学習設備に供給し、産業環境に関連付けられた定義されたパターンを認識するために機械学習設備のモデルを訓練することを含む。実施形態では、産業環境の状態を特徴付けるステートマシンからの入力状態にクラウドベースのパターン認識装置を使用することが含まれます。実施形態は、クラウドベースの機械学習において、どのようなデータをどのユーザがどのような目的で使用できるかを規定するポリシーエンジンによるポリシーを展開することを含む。実施形態は、産業用センサから公開されたデータを含む複数のデータプールにまたがるデータのパターンを識別するために、クラウドベースのプラットフォームを使用することを含む。実施形態は、産業環境の状態を診断するために好ましいセンサセットを識別するためのモデルを訓練することを含み、ここで、訓練セットは、人間のユーザによって作成され、モデルは、産業環境の状態について収集されたデータからのフィードバックに基づいて改良される。
実施形態は、スウォームを介して自動的に伝播されるポリシーによって統治されるデータ収集者のスウォームを含む。実施形態は、分散型台帳を使用して、複数のデバイスにまたがるセンサ融合情報を格納することを含む。実施形態は、データ収集者のセットからの入力を、産業環境のために複数のセンサからのデータを使用するクラウドベースのパターン認識装置に供給することを含む。データ収集器は、自己組織化されたデータ収集器、ネットワークに敏感なデータ収集器、遠隔で組織化されたデータ収集器、自己組織化されたストレージを有するデータ収集器のセットなどであってもよい。実施形態は、環境内の複数のセンサから融合されたデータのデータ輸送のための自己組織化ネットワーク符号化を有する産業環境におけるデータ収集のためのシステムを含む。実施形態は、産業用データ収集システムにおいて、複数のセンサからの入力を融合して形成された情報を、マルチセンサリーインタフェース、ヒートマップインタフェース、インタフェース層の自己組織化されたチューニングで動作するインタフェースなどのインタフェースで搬送することを含む。
上述したように、産業システムのために予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報をクラウドベースで機械パターン分析するための方法およびシステムが本明細書に開示されている。実施形態では、どのような状態情報がクラウドベースの機械パターン分析に使用できるかを決定するために、ポリシーエンジンを使用することを含む。実施形態は、産業環境の予測される状態を決定するために、複数のセンサストリームの融合およびオンデバイスストレージを有する複数のデバイスからの入力を、クラウドベースのパターン認識器に供給することを含む。実施形態は、データマーケットプレイスでデータサービスとして利用可能なリモートのアナログ産業用センサからの融合データを分析するクラウドベースの機械パターン認識器から、予測される状態情報などの出力を作成することを含む。実施形態では、クラウドベースのパターン認識器を使用して、環境内の機械からの情報のストリームを含むデータプールから収集されたデータに基づいて、産業環境の予測される状態を決定することを含む。実施形態は、産業環境の状態を診断するために好ましい状態情報を識別するためのモデルを訓練することを含み、ここで、訓練セットは、人間のユーザによって作成され、モデルは、産業環境の状態について収集されたデータからのフィードバックに基づいて改善される。実施形態は、産業環境の現在の状態情報を維持する状態マシンに供給するデータ収集器の群を含む。実施形態は、産業環境のための現在の状態情報を維持するステートマシンにフィードする自己組織化データコレクタを、融合したセンサ状態のための過去の状態情報を格納するために分散型台帳を使用することを含む。実施形態は、データコレクタが、ネットワークに敏感なデータコレクタ、遠隔に組織化されたデータコレクタ、自己組織化された記憶装置を有するデータコレクタなどであってもよい産業環境のための現在の状態情報を維持するステートマシンに供給するデータコレクタを含む。実施形態は、データ輸送のための自己組織化ネットワーク符号化を有する産業環境におけるデータ収集のためのシステムを含み、環境のための予測された状態情報を維持する。実施形態は、インターフェイスが多感覚インターフェイス、ヒートマップインターフェイス、インターフェイス層の自己組織化されたチューニングで動作するインターフェイスのうちの1つ以上であってもよいインターフェイスで、産業用データ収集システムにおいて機械学習によって決定された予測される状態情報を伝達することを含む。
上述したように、IoTデバイスに適用されるポリシーの作成、展開、および管理を可能にする、IoTのためのクラウドベースのポリシー自動化エンジンを含む、IoTのための方法およびシステムが本明細書に開示されている。ポリシーは、複数の産業用センサーからの融合データを保存するデバイス上のストレージ・システムへのデータ利用や、IoTセンサー・データの自己組織化市場で誰にどのようなデータを提供できるかに関連することができます。ポリシーは、自己組織化スウォームまたはデータコレクタを特定の産業環境向けに組織化する方法、ネットワークに敏感なデータコレクタが特定の産業環境向けにネットワーク帯域幅をどのように使用するか、リモートで組織化されたデータコレクタが特定の産業環境に関連するデータをどのように収集して利用可能にするか、またはデータコレクタが特定の産業環境向けにストレージをどのように自己組織化するかを制御することができます。ポリシーは、プールからのデータの使用を支配するために産業用センシングデバイスからストリーミングされたデータを含む自己組織化データのプールのセット、または分散台帳のためにデバイスのストレージ能力の使用を支配するデバイスに格納されたデータのセットにまたがって展開することができる。実施形態は、産業用データ収集システムにどのようなポリシーを配備すべきかを決定するためにモデルを訓練することを含む。実施形態は、システム内にポリシーを展開するためのポリシーエンジンと、オプションとして、データトランスポートのための自己組織化ネットワークコーディングとを有する、産業環境におけるデータ収集のためのシステムを含む。特定の実施形態では、ポリシーは、マルチセンサリーインターフェース、ヒートマップビジュアルインターフェース、またはインターフェース層の自己組織化されたチューニングで動作するインターフェースにおいて、データがどのように提示されるかに適用される。
上述したように、本明細書には、自己組織化、遠隔組織化、またはネットワークに敏感な産業用データコレクタを含む産業用データコレクタなどの産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージのための方法およびシステムが開示されており、ここでは、複数のセンサからのデータがフュージョンされたデータストリームのストレージのためにデバイスで多重化される。実施形態は、IoTデバイスのオンデバイスストレージから抽出された融合センサデータを提示する自己組織化マーケットプレイスを含む。実施形態は、複数の産業用センサから、およびオンデバイスデータ記憶装置からデータプールにフュージョンされたセンサ情報をストリーミングすることを含む。実施形態は、データ収集環境において、どのようなデータがデバイスに保存されるべきかを決定するためにモデルを訓練することを含む。実施形態は、データ収集を最適化するために自らの間で組織化する産業用データコレクタの自己組織化群を含み、ここで、データコレクタの少なくとも一部は、複数のセンサからの融合データのオンデバイスストレージを有する。実施形態は、産業用IoTデバイス上に融合されたセンサ情報を有する分散台帳情報を格納することを含む。実施形態は、産業用センサデータのようなオンデバイスセンサ融合を有するデータ収集のためのシステムと、オプションとして、データ輸送のための自己組織化ネットワークコーディングとを含み、ここで、データ構造は、代替的な、マルチセンサリーモードの提示、視覚的なヒートマップモードの提示、および/またはインターフェイス層の自己組織化されたチューニングで動作するインターフェイスをサポートするように格納されている。
上述したように、産業用IoTデータのための自己組織化データマーケットプレイスのための方法およびシステムが本明細書に開示されており、ここでは、利用可能なデータ要素が、トレーニングセットを有する自己組織化設備のトレーニングおよびマーケットプレイスの成功の尺度からのフィードバックに基づいて、消費者によって消費されるためにマーケットプレイス内に組織化されている。実施形態は、データプールのための利用メトリクスに基づいて、自己組織化データマーケットプレイスでデータプールのセットを組織化することを含む。実施形態は、データマーケットプレイスにおけるデータの価格設定を決定するためのモデルを訓練することを含む。データマーケットプレイスは、自己組織化された産業用データコレクタの群、自己組織化されたストレージを有する産業用データコレクタのセット、または自己組織化された産業用データコレクタ、ネットワークに敏感な産業用データコレクタ、またはリモートで組織化された産業用データコレクタからのデータストリームで供給される。実施形態は、産業用IoTデータの自己組織化マーケットプレイスのためのトランザクションデータを格納するために分散型台帳を使用することを含む。実施形態では、産業環境で収集されたセンサデータのためのマーケットプレイスへのデータ転送に自己組織化ネットワークコーディングを使用することが含まれる。実施形態は、データマーケットプレイスにおいて、ヒートマップの可視化において、および/またはインターフェイス層の自己組織化されたチューニングで動作するインターフェイスにおいて、代替的な多感覚インターフェイスモードでデータを提示するのに適したデータ構造のライブラリを提供することを含む。
上述したように、複数のデータプールについて追跡され得る利用率および/または収量メトリックに基づいて自己組織化するようなデータプールを自己組織化するための方法およびシステムが本明細書に開示されている。実施形態では、プールは、自己組織化データ収集器からのデータを含む。実施形態では、データ市場において最も価値のあるデータを提示するためにモデルを訓練することを含み、ここで訓練は、業界固有の成功の尺度に基づいて行われる。実施形態は、自己組織化データプールのセットを、自己組織化データ収集者の群れからのデータを含むデータプールに投入することを含む。実施形態は、分散台帳を使用して、データプールに展開されるデータのトランザクション情報を格納することを含み、ここで、分散台帳は、データプール全体に分散される。実施形態は、自己組織化データプールのセットを、ネットワークに敏感なデータ収集家のセットまたは遠隔に組織化されたデータ収集家のセット、または自己組織化ストレージを有するデータ収集家のセットからのデータでポップアップすることを含む。実施形態は、データストレージのための自己組織化されたプールと、データ輸送のための自己組織化されたネットワークコーディングとを有する産業環境におけるデータ収集のためのシステムであって、例えば、マルチセンサリーインターフェース、ヒートマップインターフェース、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースにおけるデータ提示をサポートするためのソースデータ構造を含むシステムを含む。
上述したように、本明細書では、AIモデルが産業環境からのセンサデータ上で動作する場合に、稼働率、歩留まり、またはインパクトの尺度を反映するような、産業固有のフィードバックに基づいてAIモデルを訓練するための方法およびシステムが開示されている。実施形態では、ストレージを構成するような、産業環境における産業固有のフィードバックまたはネットワークおよび産業条件に基づいて、遠隔で組織化された、自己組織化された、またはネットワークに敏感なデータコレクタなどのデータコレクタの群を訓練することが含まれる。実施形態では、分散台帳情報を格納するために産業環境で利用可能なストレージの場所を特定して使用するために、AIモデルを訓練することを含む。実施形態は、産業固有のフィードバック手段に基づいて、遠隔で整理されたデータコレクタのための遠隔整理装置を訓練することを含む。実施形態は、データ輸送のためのネットワークコーディングを整理するためのネットワークコーディングモデルをクラウドベースで訓練する産業環境におけるデータ収集のためのシステム、または、マルチセンサリーインターフェース、ヒートマップインターフェース、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースにおけるデータの提示を管理する設備を含む。
上述したように、スウォームのメンバーの能力および状態に基づいてデータ収集を最適化するために自己組織化された産業用データ収集者のスウォームのための方法およびシステムが本明細書に開示されている。実施形態は、データのスウォーム全体に分散型台帳データ構造を展開することを含む。データコレクタは、リモート組織化のために構成されたネットワーク感応型のデータコレクタであってもよいし、自己組織化ストレージを有していてもよい。スウォームを有する産業環境におけるデータ収集のためのシステムは、データ輸送のための自己組織化ネットワークコーディングを含むことができる。システムは、マルチセンサリーインターフェース、ヒートマップインターフェース、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースで使用するための情報を中継するスウォームを含む。
上述したように、産業用IoTデータのための自動データマーケットプレイスで実行されるトランザクションの追跡をサポートする分散台帳を含む、産業用IoT分散台帳のための方法およびシステムが本明細書に開示されている。実施形態は、収集した情報を分散元帳に分配するように構成された自己組織化データコレクタを含む。実施形態は、ネットワーク条件に基づいて収集された情報を分散元帳に分配するように構成された、ネットワークに敏感なデータコレクタを含む。実施形態は、インテリジェントな遠隔管理に基づいて収集した情報を分散元帳に分配するように構成された遠隔組織化データコレクタを含む。実施形態は、収集された情報を分散元帳に分配するように構成された自己組織化ローカルストレージを有するデータコレクタを含む。実施形態では、データストレージに分散型台帳を使用し、データトランスポートに自己組織化ネットワークコーディングを使用する、産業環境におけるデータ収集のためのシステムが含まれる。実施形態では、データストレージは、データ提示のためのハプティックインターフェース、データ提示のためのヒートマップインターフェース、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースをサポートするデータ構造である。
上述したように、本明細書に開示される方法およびシステムは、データ収集、電力および/または収量をその環境の条件に基づいて最適化することができ、任意にリモート組織化に応答する自己組織化マルチセンサデータコレクタを含む、自己組織化コレクタのための方法およびシステムである。実施形態では、ネットワーク条件に基づいて少なくとも部分的に組織化する自己組織化データコレクタを含む。実施形態は、産業用データ収集環境で収集されたデータのための自己組織化ストレージを有する自己組織化データコレクタを含む。実施形態は、産業用データ収集環境で収集されたデータのための自己組織化データ収集と、データ輸送のための自己組織化ネットワークコーディングとを有する、産業用データ収集のためのシステムを含む。実施形態は、データ提示のためのハプティックまたはマルチセンサリーウェアラブルインタフェース、データ提示のためのヒートマップインタフェース、および/またはインタフェース層の自己組織化されたチューニングで動作するインタフェースを支持するデータ構造を供給する自己組織化されたデータコレクタを有する産業環境におけるデータ収集のためのシステムを含む。
上述したように、本明細書では、帯域幅、サービス品質、価格設定、および/または他のネットワーク条件に基づいて最適化することができる、ネットワーク条件に敏感な、自己組織化されたマルチセンサデータコレクタを含む、ネットワークに敏感なコレクタのための方法およびシステムが開示されている。実施形態は、ネットワーク条件を含む産業用データ収集環境において識別された必要性および/または条件に基づいてセンサインタフェースをパワーアップおよびダウンさせることができる、遠隔的に組織化された、ネットワーク条件に敏感なユニバーサルデータコレクタを含む。実施形態は、産業用データ収集環境で収集されたデータのための自己組織化ストレージを有する、ネットワーク条件に敏感なデータコレクタを含む。実施形態は、産業用データ収集環境で収集されたデータの輸送のための自己組織化されたネットワークコーディングを有するネットワーク条件に敏感なデータコレクタを含む。実施形態は、データ提示のためのハプティックウェアラブルインタフェース、データ提示のためのヒートマップインタフェース、および/またはインタフェース層の自己組織化されたチューニングで動作するインタフェースを支持するデータ構造を中継するネットワーク感応型データコレクタを有する、産業用データ収集環境におけるデータ収集のためのシステムを含む。
上述したように、産業用データ収集環境で特定された必要性および/または条件に基づいてセンサインタフェースをパワーアップおよびダウンさせることができる、遠隔に組織化されたユニバーサルデータコレクタのための方法およびシステムが本明細書に開示されている。実施形態は、産業用データ収集環境で収集されたデータのための自己組織化ストレージを有する遠隔的に組織化されたユニバーサルデータコレクタを含む。実施形態は、データ収集の遠隔制御と、データ輸送のための自己組織化ネットワークコーディングとを有する、産業用データ収集環境におけるデータ収集のためのシステムを含む。実施形態は、センサデータを格納し、ハプティックまたはマルチセンサリーウェアラブルインタフェース、ヒートマップビジュアルインタフェース、および/またはインタフェース層の自己組織化されたチューニングで動作するインタフェースにおいて、データを使用するための命令を配信するための遠隔組織化されたデータコレクタを含む。
上述したように、産業用センサデータのためのマルチセンサデータコレクタのための自己組織化ストレージを含む、マルチセンサデータコレクタのための自己組織化ストレージのための方法およびシステムが本明細書に開示されている。実施形態では、自己組織化データストレージと、データ輸送のための自己組織化ネットワークコーディングとを有する、産業環境におけるデータ収集のためのシステムが含まれる。実施形態は、センサデータを格納するための自己組織化ストレージと、ハプティックウェアラブルインタフェース、ヒートマップ提示インタフェース、および/またはインタフェース層の自己組織化されたチューニングで動作するインタフェースで使用するためのデータを変換するための命令とを有するデータコレクタを含む。
上述したように、本明細書には、産業用データ収集環境において複数のセンサからのデータを輸送するデータネットワークのための自己組織化ネットワークコーディングを含む、複数のセンサデータネットワークのための自己組織化ネットワークコーディングのための方法およびシステムが開示されている。システムは、データ提示のためのハプティックウェアラブルインタフェース、データ提示のためのヒートマップインタフェース、および/またはデータ提示のためのインタフェース層の自己組織化チューニングをサポートするデータ構造を含む。
上述したように、本明細書では、振動、熱、電気、および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックまたはマルチセンサリーユーザインタフェースを含む、ハプティックまたはマルチセンサリーユーザインタフェースのための方法およびシステムが開示されている。実施形態では、振動、熱、電気、および/または音の出力を有する、データコレクタからの産業用状態情報を伝達するための、着用可能な触覚ユーザインタフェースを含む。ウェアラブルはまた、データのパラメータを示すヒートマップを提示するための視覚的提示層を含む。実施形態では、AR/VRインターフェースおよびマルチセンサリーインターフェースを、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、状態に敏感で、自己組織化されたチューニングを行うことが含まれる。
上述したように、収集されたデータのパターンおよび/またはパラメータに基づいてヒートマップ要素が提示される、AR/VR工業用ガラスのための提示層のための方法およびシステムが本明細書に開示されている。実施形態では、ヒートマップAR/VRインターフェースを、工業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、状態に敏感な、自己組織化されたチューニングを含む。上述したように、産業環境におけるフィードバックメトリクスおよび/またはトレーニングに基づいて、AR/VRインターフェースの状態に敏感な、自己組織化されたチューニングのための方法およびシステムが本明細書に開示されている。
以下の例示的な請求項は、本開示の特定の実施形態を説明する。以下の開示に記載のデータ収集システムは、ローカルデータ収集システム102、ホスト処理システム112(例えば、クラウドプラットフォームを使用する)、またはローカルシステムとホストシステムの組み合わせであってもよい。実施形態では、データ収集システムまたはデータ収集および処理システムは、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用を有し、いくつかの実施形態では、改善された信号対雑音比、マルチプレクサ連続監視アラーム機能のためのマルチプレクサ上のIPフロントエンド信号コンディショニングを有することが提供される。複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLDチップの使用、ソリッドステートリレーとデザイントポロジーを使用した高アンペア入力機能、アナログセンサチャネルとコンポーネントボードの少なくとも1つのパワーダウン機能、トリガおよび振動入力のための独自の静電保護、および/またはA/Dゼロリファレンスのための正確な電圧リファレンスなどがある。
実施形態では、データ収集および処理システムは、アナログセンサ入力の可変グループを持つデータを収集するためのアナログクロスポイントスイッチの使用、低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタ、オンボードタイマを使用した入力およびトリガチャネルに対する相対位相のデジタル導出、ピーク検出のための別個のアナログ-デジタルコンバータにルーティングされる自動スケーリングのためのピーク検出器を有することを提供されます。他のアナログチャンネルへの生またはバッファリングされたトリガチャンネルのルーティング、AAフィルタの要件を最小化するための低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用、および/またはデジタルリサンプリングを必要とせずに低いサンプリングレートを達成するためのデルタシグマアナログ/デジタルコンバータのためのクロックディバイダとしてCPLDを使用している。
実施形態では、データ収集および処理システムは、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用と、異なるサンプリングレートで取られた複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有するデータを収集するためのアナログクロスポイントスイッチの使用と、オンボードカードセット上の保守履歴を有する較正データの保存と、階層テンプレートを使用した迅速なルート作成機能と、データ収集バンドのインテリジェント管理と、および/またはデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムとを有することが提供されている。
実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用、センサデータ解析におけるデータベース階層の使用、エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチ、逆算定義のためのグラフィカルアプローチ、提案されたベアリング解析方法、遷移信号解析を利用したねじり振動検出/解析、および/またはアナログおよびデジタルの両方の方法を使用した改善された統合を有するデータ収集および処理システムが提供されている。
実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用と、ローカル環境でのアナログデータの連続監視のための適応的なスケジューリング技術、データ収集パーキング機能、自給自足型データ収集ボックス、SDカードストレージを有するデータ収集および処理システムが提供される。継続的なモニタリングのための拡張されたオンボード統計機能、予測のための周囲ノイズ、ローカルノイズ、振動ノイズの使用、分析や相関のための動的データを同時に取得できるようにするための入力データやアラームに基づくスマートなルート変更、スマートODSと転送機能、階層型マルチプレクサ、センサの過負荷の識別、RF識別、および傾斜計。
実施形態では、アナログセンサ入力の可変グループを有するデータを収集するためのアナログクロスポイントスイッチの使用を有し、連続的な超音波監視、クラウドベース、遠隔のアナログ産業用センサの融合に基づく機械パターン認識、クラウドベースを有するデータ収集および処理システムが提供される。複数のアナログ産業用センサーからの状態情報をマシンパターン分析して産業システムに予測される状態情報を提供、IoTデバイスの作成・展開・管理を行うクラウドベースのIoT向けポリシー自動化エンジン、産業用IoTデバイスのためのオンデバイスセンサ融合とデータストレージ、産業用IoTデータの自己組織化データマーケットプレイス。利用率および/または収量メトリクスに基づくデータプールの自己組織化、業界固有のフィードバックに基づくAIモデルのトレーニング、産業用データコレクタの自己組織化された群、IoT分散台帳、自己組織化されたコレクタ、ネットワークに敏感なコレクタ、リモートで組織化されたコレクタ、マルチセンサデータコレクタのための自己組織化されたストレージ。マルチセンサデータネットワークのための自己組織化ネットワークコーディング、振動、熱、電気、および/または音の出力、AR/VRのために収集されたデータを表示するヒートマップ、および/またはデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を備えた、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェース。
具体的には、S/N比を改善するためにマルチプレクサ上でIPフロントエンド信号調整を行うデータ収集および処理システムが提供されている。実施形態では、データ収集および処理システムは、S/N比を改善するためにマルチプレクサ上でIPフロントエンド信号調整を行い、以下のうち少なくとも1つを有するデータ収集および処理システムが提供されます:マルチプレクサ連続監視アラーム機能、S/N比を改善するためにマルチプレクサ上でIPフロントエンド信号調整を行うこと、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを有する分散型CPLDチップを使用すること。具体的には、S/N比を改善するためにマルチプレクサ上でIPフロントエンド信号調整を行い、以下のうち少なくとも1つを有するデータ収集および処理システムが提供されます:ソリッドステートリレーおよび設計トポロジーを使用した高アンペア入力機能、少なくとも1つのアナログセンサチャネルおよびコンポーネントボードのパワーダウン機能、トリガーおよび振動入力のための独自の静電保護、A/Dゼロリファレンスのための正確な電圧リファレンス、および低速RPMおよび位相情報を取得するための位相ロックループバンドパストラッキングフィルタ。実施形態では、データ収集および処理システムは、改善されたS/N比のためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下のうちの少なくとも1つを有するものが提供される。オンボードタイマーを使用した入力およびトリガチャネルに対する相対位相のデジタル導出、ピーク検出のために別個のアナログ/デジタル変換器にルーティングされた自動スケーリングのためのピーク検出器、生またはバッファリングされたトリガチャネルの他のアナログチャネルへのルーティング、AAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用、およびデジタルリサンプリングを必要とせずに低いサンプリングレートを達成するためのデルタシグマアナログ/デジタル変換器のためのクロックディバイダとしてのCPLDの使用のうち少なくとも1つを有する。実施形態では、データ収集および処理システムは、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:異なるサンプリングレートで取得された複数のデータセットとは対照的に、高サンプリングレートでのデータの長いブロック、オンボードカードセット上のメンテナンス履歴を有する較正データの保存、階層テンプレートを使用した迅速なルート作成機能、データ収集バンドのインテリジェント管理、およびデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステム。実施形態では、改善された信号対雑音比のためのマルチプレクサ上でのIPフロントエンド信号調整を有するデータ収集処理システムが提供され、以下のうちの少なくとも1つを有する:センサデータ分析におけるデータベース階層の使用;エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチ;およびバック計算定義のためのグラフィカルアプローチが提供される。
具体的には、S/N比を改善するためにマルチプレクサ上でIPフロントエンド信号調整を行い、以下のうち少なくとも1つを有するデータ収集および処理システムが提供されます:提案されたベアリング解析方法、遷移信号を利用したねじり振動検出/解析、アナログおよびデジタルの両方の方法を使用した改善された統合、ローカル環境でアナログデータを継続的に監視するための適応的なスケジューリング技術、データ収集パーキング機能、自給自足型データ収集ボックス、およびSDカード記憶装置。実施形態では、データ収集および処理システムは、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整を持ち、以下のうちの少なくとも1つを持つデータ収集および処理システムが提供されます:連続的な監視のための拡張されたオンボード統計機能、予測のための周囲雑音、ローカル雑音および振動雑音の使用、分析または相関のための同時動的データを可能にするための入力データまたはアラームに基づくスマートなルート変更、スマートODSおよび転送機能、および階層型マルチプレクサ。実施形態では、データ収集および処理システムは、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号処理を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:センサ過負荷の識別、RF識別および傾斜計、連続的な超音波モニタリング、リモートのアナログ産業用センサの融合に基づくマシンパターン認識、および産業用システムのために予測される状態情報を提供するための複数のアナログ産業用センサからの状態情報のクラウドベースのマシンパターン分析。実施形態では、データ収集および処理システムは、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:IoTデバイスの作成、展開、および管理を伴うIoTのためのクラウドベースのポリシー自動化エンジン、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージ、産業用IoTデータのための自己組織化データマーケットプレイス、および利用率および/または収量メトリクスに基づくデータプールの自己組織化。実施形態では、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:業界固有のフィードバックに基づくトレーニングAIモデル;産業用データ収集家の自己組織化された群;IoT分散台帳;自己組織化された収集家;およびネットワークに敏感な収集家。実施形態では、データ収集および処理システムが提供され、改善された信号対雑音比のためのマルチプレクサ上のIPフロントエンド信号調整を有し、以下のうちの少なくとも1つを有する:遠隔に組織化されたコレクタ;マルチセンサデータコレクタのための自己組織化ストレージ;マルチセンサデータネットワークのための自己組織化ネットワークコーディング;振動、熱、電気、および/または音の出力を有する産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェース;AR/VRのために収集されたデータを表示するヒートマップ;およびデータコレクタによって収集されたデータの自動調整されたAR/VR可視化...。
実施形態では、データ収集および処理システムは、マルチプレクサ連続監視アラーム機能を有することが提供される。実施形態では、データ収集および処理システムは、マルチプレクサ連続監視アラーム機能を有し、以下のうち少なくとも 1 つを有するデータ収集および処理システムが提供されます:複数の MUX およびデータ収集セクションの論理制御のための専用バスを備えた分散 CPLD チップの使用、ソリッドステートリレーおよび設計トポロジーを使用した高アンペア入力機能、アナログセンサチャネルおよび/またはコンポーネントボードのうち少なくとも 1 つのパワーダウン機能、トリガおよび振動入力のための独自の静電保護、および A/D ゼロリファレンスのための正確な電圧リファレンス。実施形態では、データ収集および処理システムは、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタ、オンボードタイマを使用した入力およびトリガチャネルに対する相対位相のデジタル導出、ピーク検出のために別個のアナログ/デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器、および生またはバッファリングされたトリガチャネルを他のアナログチャネルにルーティングすること。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される。デジタル再サンプリングを必要とせずに低いサンプリングレートを達成するために、デルタ・シグマ A/D のためのより高い入力オーバーサンプリングを使用して AA フィルタ要件を最小化すること、デジタル再サンプリングを必要とせずに低いサンプリングレートを達成するために、デルタ・シグマ・アナログ/デジタル変換器のためのクロック分周器として CPLD を使用すること、異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロック、オンボード・カード・セット上のメンテナンス履歴を持つ較正データの保存、および階層テンプレートを使用した迅速なルート作成機能のうち少なくとも 1 つを有する。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集処理システムが提供される:データ収集バンドのインテリジェント管理;データ収集バンドのインテリジェント管理を使用するニューラルネットエキスパートシステム;センサデータ分析におけるデータベース階層の使用;およびエキスパートシステムのためのインテリジェントデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチ。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:逆算定義のためのグラフィカルアプローチ;提案されたベアリング解析方法;遷移信号解析を利用したねじり振動検出/解析;およびアナログおよびデジタルの両方の方法を利用した改善された統合。実施形態では、マルチプレクサ連続監視アラーム機能を有し、ローカル環境でのアナログデータの連続監視のための適応的スケジューリング技術;データ収集パーキング機能;自給自足型データ収集ボックス;およびSDカード記憶装置のうちの少なくとも1つを有するデータ収集処理システムが提供される。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:連続監視のための拡張されたオンボード統計機能;予測のための周囲ノイズ、ローカルノイズおよび振動ノイズの使用;分析または相関のための同時動的データを可能にするための入力データまたはアラームに基づくスマートな経路変更;およびスマートなODSおよび転送機能。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:階層型マルチプレクサ;センサ過負荷の識別;RF識別;および傾斜計;リモートのアナログ産業用センサの融合に基づくクラウドベースのマシンパターン認識;および複数のアナログ産業用センサからの状態情報のマシンパターン分析を行い、産業用システムに予測される状態情報を提供する。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集および処理システムが提供される:IoTデバイスの作成、展開、および管理を伴うIoT用のクラウドベースのポリシー自動化エンジン;産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージ;産業用IoTデータのための自己組織化データマーケットプレイス;利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化;および業界固有のフィードバックに基づくAIモデルのトレーニング。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集処理システムが提供される:産業用データコレクタの自己組織化された群;IoT分散台帳;自己組織化された収集装置;ネットワークに敏感な収集装置;および遠隔に組織化された収集装置。実施形態では、マルチプレクサ連続監視アラーム機能を有し、以下のうちの少なくとも1つを有するデータ収集処理システムが提供される:マルチセンサデータ収集器のための自己組織化ストレージ;およびマルチセンサデータネットワークのための自己組織化ネットワークコーディング。実施形態では、データ収集および処理システムは、マルチプレクサ連続監視アラーム機能を有し、次のうちの少なくとも1つを有するデータ収集および処理システムが提供される:振動、熱、電気、および/または音の出力を有する産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェース、AR/VRのために収集されたデータを表示するヒートマップ、およびデータコレクタによって収集されたデータの自動調整されたAR/VR可視化。
実施形態では、複数の MUX およびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLD チップを使用したデータ収集および処理システムが提供されます。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLDチップの使用を有し、ソリッドステートリレーを使用した高アンペア入力能力を有する、デザイントポロジーを有する、提供されている。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用と、アナログセンサチャネルおよびコンポーネントボードの少なくとも1つのパワーダウン能力を有するデータ収集および処理システムが提供されます。実施形態では、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを持つ分散型CPLDチップを使用し、トリガおよび振動入力のための独自の静電保護機能を持つ、データ収集および処理システムが提供されている。実施形態では、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLDチップを使用し、A/Dゼロリファレンスのための正確な電圧リファレンスを有するデータ収集および処理システムが提供されている。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップを使用し、オンボードタイマーを使用して入力およびトリガチャネルに対する位相のデジタル導出を有するデータ収集および処理システムが提供されている。実施形態では、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLDチップを使用し、ピーク検出のために別個のアナログ/デジタル変換器にルーティングされた自動スケーリングのためのピーク検出器を有するデータ収集および処理システムが提供されている。実施形態では、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLDチップを使用し、生またはバッファリングされたトリガ・チャネルを他のアナログ・チャネルにルーティングすることを特徴とする、データ収集および処理システムが提供されている。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用と、AAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用とを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、デジタル再サンプリングを必要とせずに低いサンプリングレートを達成するためにデルタ・シグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有するデータ収集および処理システムが提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、異なるサンプリングレートで取得された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有することを特徴としている。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有し、オンボードカードセット上の保守履歴を有する較正データの格納を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用と、階層テンプレートを使用した迅速なルート作成機能を有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップを使用し、データ収集バンドのインテリジェント管理を有するデータ収集処理システムが提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、データ収集バンドのインテリジェント管理を使用するニューラルネットエキスパートシステムを有することを特徴とする、提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用と、センサデータ解析におけるデータベース階層の使用を有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用と、逆算定義のためのグラフィカルアプローチとを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用と、提案されたベアリング解析方法を有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用と、遷移信号解析を利用したねじり振動検出/解析を有するデータ収集および処理システムが提供されます。実施形態では、複数のMUXとデータ収集部の論理制御のための専用バスを持つ分散型CPLDチップを使用し、アナログとデジタルの両方の方法を使用して統合性を向上させたデータ収集・処理システムが提供されている。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用と、ローカル環境でのアナログデータの継続的な監視のための適応的なスケジューリング技術を有するデータ収集および処理システムが提供されます。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用と、データ収集パーキング機能を有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用と、自給自足型のデータ収集ボックスを有するデータ収集および処理システムが提供されます。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用とSDカードストレージを有するデータ収集および処理システムが提供されます。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションのロジック制御のための専用バスを備えた分散型CPLDチップの使用を有し、継続的なモニタリングのための拡張オンボード統計機能を有することを特徴としている。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、予測のための周囲雑音、局所雑音および振動雑音の使用を有することを特徴とする、提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを持つ分散型CPLDチップの使用を持ち、分析または相関のための動的データを同時に可能にするために、入力データまたはアラームに基づいてスマートなルート変更を持つことを提供されている。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップを使用し、スマートODSおよび転送機能を有するデータ収集および処理システムが提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、階層型マルチプレクサを有することを提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用と、センサ過負荷の識別を有するデータ収集および処理システムが提供される。実施形態では、複数の MUX およびデータ収集セクションの論理制御のための専用バスを備えた分散型 CPLD チップの使用と、RF 識別および傾斜計を有するデータ収集および処理システムが提供されます。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用と、連続的な超音波モニタリングを有するデータ収集および処理システムが提供されます。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、遠隔のアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有することを提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップを使用し、複数のアナログ産業用センサからの状態情報をクラウドベースのマシンパターン解析して、産業用システムのために予測される状態情報を提供するデータ収集および処理システムが提供されます。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを有する分散型CPLDチップの使用を有し、クラウドベースのIoT用ポリシー自動化エンジンを有し、IoTデバイスの作成、展開、および管理を行うデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ取得部の論理制御のための専用バスを有する分散型CPLDチップを使用し、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータ・ストレージを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを持つ分散型CPLDチップの使用を持ち、産業用IoTデータのための自己組織化データマーケットプレイスを持つ、データ収集および処理システムが提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有することを特徴とする、提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、業界固有のフィードバックに基づくトレーニングAIモデルを有することを特徴とする、提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、産業用データコレクタの自己組織化された群を有することを特徴とする、データ収集および処理システムが提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散CPLDチップの使用を有し、IoT分散台帳を有することを有することを提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散CPLDチップの使用を有し、自己組織化コレクタを有することを提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを備えた分散型CPLDチップの使用を有し、ネットワーク感応型コレクタを有することを特徴と
して提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、遠隔に組織化されたコレクタを有することを特徴とする、提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、マルチセンサデータコレクタのための自己組織化ストレージを有することを有することを提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有し、マルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、振動、熱、電気、および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、AR/VRのために収集されたデータを表示するヒートマップを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXとデータ収集部の論理制御のための専用バスを持つ分散型CPLDチップを使用して、データ収集処理システムが提供され、データコレクタによって収集されたデータのAR/VR可視化を自動的に調整することを有する。
して提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、遠隔に組織化されたコレクタを有することを特徴とする、提供される。実施形態では、データ収集および処理システムは、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、マルチセンサデータコレクタのための自己組織化ストレージを有することを有することを提供される。実施形態では、複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有し、マルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、振動、熱、電気、および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する、データ収集および処理システムが提供される。実施形態では、複数のMUXおよびデータ収集セクションの論理制御のための専用バスを有する分散型CPLDチップの使用を有し、AR/VRのために収集されたデータを表示するヒートマップを有するデータ収集および処理システムが提供される。実施形態では、複数のMUXとデータ収集部の論理制御のための専用バスを持つ分散型CPLDチップを使用して、データ収集処理システムが提供され、データコレクタによって収集されたデータのAR/VR可視化を自動的に調整することを有する。
実施形態では、データ収集および処理システムは、ソリッドステートリレーおよび設計トポロジーを使用した高アンペア数入力能力、アナログセンサチャネルおよびコンポーネントボードの少なくとも1つのパワーダウン能力、トリガおよび振動入力のための独自の静電保護、A/Dゼロリファレンスのための正確な電圧リファレンス、低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタの1つまたは複数を有することが提供されます。オンボード・タイマーを使用した入力およびトリガ・チャンネルに対する相対位相のデジタル導出、ピーク検出のために別個のアナログ/デジタル・コンバータにルーティングされた自動スケーリングのためのピーク検出器、生またはバッファリングされたトリガ・チャンネルの他のアナログ・チャンネルへのルーティング、アンチエイリアシング(AA)フィルタ要件を最小限に抑えるための低いサンプリング・レートの出力のためのデルタ・シグマA/Dのためのより高い入力オーバーサンプリングの使用、など。デジタルリサンプリングを必要とせず、より低いサンプリングレートを実現するためのデルタ・シグマ・アナログ/デジタル変換器のクロックディバイダとしてCPLDを使用すること、異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを実現すること、オンボードカードセットにメンテナンス履歴を持つキャリブレーションデータを保存すること、階層テンプレートを使用した迅速なルート作成機能、データ収集バンドのインテリジェントな管理など。データ収集バンドのインテリジェント管理を利用したニューラルネットエキスパートシステム、センサデータ解析におけるデータベース階層の利用、エキスパートシステムのためのインテリジェントデータ収集バンドの定義と診断のためのエキスパートシステムGUIグラフィカルアプローチ、逆算定義のためのグラフィカルアプローチ、軸受解析手法の提案、遷移信号解析を利用したねじり振動検出/解析、アナログとデジタルの両方の手法を利用した統合性の向上。ローカル環境でのアナログデータの連続モニタリングのための適応スケジューリング技術、データ収集パーキング機能、自給自足型データ収集ボックス、SDカードストレージ、連続モニタリングのための拡張されたオンボード統計機能、予測のための環境ノイズ、ローカルノイズ、振動ノイズの使用、分析や相関のための動的データの同時収集を可能にするための入力データやアラームに基づくスマートなルート変更、スマートODSと転送機能。階層型マルチプレクサ、センサ過負荷の識別、RF識別と傾斜計、連続超音波モニタリング、クラウド型、遠隔地のアナログ産業用センサの融合に基づくマシンパターン認識、クラウド型、複数のアナログ産業用センサからの状態情報のマシンパターン解析による産業システムの予測状態情報の提供、IoTのためのクラウド型ポリシー自動化エンジン。IoTデバイスの作成、展開、および管理、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージ、産業用IoTデータのための自己組織化データマーケットプレイス、利用率および/または歩留まり指標に基づくデータプールの自己組織化、業界固有のフィードバックに基づくAIモデルのトレーニング、産業用データコレクターの自己組織化スウォーム、IoT分散台帳、自己組織化コレクターを備えている。ネットワーク感応型コレクタ、遠隔組織化されたコレクタ、マルチセンサデータコレクタのための自己組織化ストレージ、マルチセンサデータネットワークのための自己組織化ネットワークコーディング、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェース、振動、熱、電気、および/または音の出力、AR/VRのために収集されたデータを表示するヒートマップ、またはデータコレクタによって収集されたデータの自動調整されたAR/VR可視化を備えた。
実施形態では、遠隔のアナログ産業用センサの融合に基づくクラウドベースのマシンパターン認識、産業システムのために予測される状態情報を提供するための複数のアナログ産業用センサからの状態情報のクラウドベースのマシンパターン分析、IoTデバイスの作成、展開、および管理を伴うIoT用のクラウドベースのポリシー自動化エンジン、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージ、産業用IoTデータのための自己組織化データマーケットプレイス、利用率および/または歩留まりのメトリクスに基づくデータプールの自己組織化のうちの1つまたは複数を有するプラットフォームが提供される。業界固有のフィードバックに基づくAIモデルのトレーニング、産業用データコレクタの自己組織化された群、IoT分散台帳、自己組織化されたコレクタ、ネットワークに敏感なコレクタ、遠隔で組織化されたコレクタ、マルチセンサデータコレクタのための自己組織化ストレージ、マルチセンサデータネットワークのための自己組織化ネットワークコーディング、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェース、振動、熱、電気、および/または音の出力、AR/VR用に収集されたデータを表示するヒートマップ、またはデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を備えた。
図18に関して、産業用センシング、処理、およびストレージシステム4500の既存のデータセンシングおよび処理システムの範囲は、本明細書に記載されているようなフォーマットの範囲のデータを受け入れるように構成されていてもよいストリーミングデータコレクタ4510を含む。実施形態では、フォーマットの範囲は、センサの範囲から供給され得るデータフォーマットA4520、データフォーマットB4522、データフォーマットC4524、およびデータフォーマットD4528を含むことができる。さらに、センサの範囲は、計器A4540、計器B4542、計器C4544、および計器D4548を含むことができる。ストリーミングデータコレクタ4510は、ストリーミング、ルーティング、自己組織化ストレージ、および本明細書に記載された他の機能を活用しながら、個々のフォーマットへのアクセスを可能にする処理機能を備えて構成されてもよい。
図19は、レガシー機器4620およびストリーミング機器4622からデータを収集して取得するためのストリーミングデータコレクタ4610の使用を容易にする、産業用機械センサデータストリーミング収集、処理、および保存のための方法およびシステム4600を示す。レガシー機器4620およびそのデータ方法論は、本明細書で上述した既存のデータ方法論のようなレガシーシステムおよび取得手順のために、特定の範囲の周波数などに限定されたデータを捕捉して提供してもよい。ストリーミングデータコレクタ4610は、レガシー機器データ4630と同様に、ストリーミング機器データ4632を捕捉するように構成されてもよい。ストリーミングデータコレクタ4610はまた、レガシー機器4620およびストリーミング機器4622の現在のストリーミングをキャプチャするように構成されてもよく、現在およびレガシーデータ方法論を使用してセンサをキャプチャするように構成されてもよい。これらの実施形態は、レガシー機器および処理から、現在の機器または所望の機器または方法論であってもよいストリーミング機器および処理への移行アプリケーションにおいて有用であってもよい。実施形態では、ストリーミングデータコレクタ4610は、レガシー計器データ4630を、ストリーミングされた計器データ4632と互換的に格納できるように処理するように構成されてもよい。ストリーミングデータコレクタ4610は、レガシー計装データ4630に基づいて、翻訳されたレガシーデータ4640に処理することができるレガシー計装データ4630と互換性のあるストリーミングデータ4642の少なくとも1つの抽出データを生成するように、ストリーミング計装データ4632を処理または解析してもよい。実施形態では、翻訳されたレガシーデータ4652およびストリームデータ4654の抽出された部分を含むことができる抽出データ4650は、レガシー計器データ処理方法、およびレガシー計器データ処理方法をエミュレートすることができるさらなる処理によるアクセスおよび処理を容易にする形式で格納されてもよい。実施形態では、翻訳されたレガシーデータ4652の部分はまた、ストリーミング機器で可能なより大きな周波数、解像度、およびデータ量を利用することができる別の方法による処理を容易にするフォーマットで格納されてもよい。
図20は、レガシー機器および処理の統合を容易にする産業機械センサデータのストリーミング、収集、処理、および保存のための方法およびシステム4700の代替的な実施形態を記述している。実施形態では、ストリーミングデータ収集器4710は、産業機械4712に接続されてもよく、産業機械4712の少なくとも1つの可動部分に関連する産業機械4712の側面を感知するように構成されてもよいストリーミングセンサ4720および4722のような複数のセンサを含んでもよい。センサ4720および4722(またはそれ以上)は、1つまたはそれ以上のセンサからストリーミングデータコレクタ4710へのデータのストリーミングを容易にするかもしれない1つまたはそれ以上のストリーミング装置4740と通信してもよい。実施形態では、産業用機械4712はまた、産業用機械4712の1つまたは複数の可動部に関連するデータを捕捉し、そのデータをレガシーデータ記憶装置4732に格納する1つまたは複数のレガシー機器4730とインタフェースしてもよいか、またはそれを含んでもよい。
実施形態では、周波数および/または分解能検出設備4742は、データの周波数範囲またはデータの分解能など、レガシー計器から供給されたデータに関する情報を検出することを容易にするように構成されてもよい。検出設備4742は、レガシー計器4730から直接、またはレガシー記憶設備4732に格納されたデータからのデータ上で動作してもよい。検出設備4742は、レガシー機器4730、そのソースとなったデータ、および保存されたデータ4732について検出された情報、またはそのような情報をストリーミングデータコレクタ4710に通信してもよい。代替的に、検出設備4742は、レガシー計器4730からのソースデータを特徴付ける周波数範囲、分解能、および/またはレガシー記憶設備4732の一部からアクセスされ得るような情報などの情報にアクセスしてもよい。
実施形態では、ストリーミングデータコレクタ4710は、1つ以上のレガシー機器4730によって捕捉された情報を、1つ以上の産業用機械4712から1つ以上のストリーミングデバイス4740によって提供されるデータの一部と一致させるために、1つ以上の自動プロセッサ、アルゴリズム、および/または他のデータ方法論を用いて構成されてもよい。ストリーミングデバイス4740からのデータは、レガシー機器4730のソースされたデータよりも広い範囲の周波数および解像度を含んでもよく、したがって、フィルタリングおよび他のそのような機能は、周波数範囲、解像度などの側面において、レガシー機器4730のソースされたデータに対応するストリーミングデバイス4740からのデータを抽出するために実装されてもよい。実施形態では、構成されたストリーミングデータコレクタ4710は、ストリーミングデバイス4740からのデータのストリームに対応してもよいデータのストリームと、いくつかの側面において、レガシー計器のソースデータと、それをインジェストして自動的に処理するためのインフラストラクチャとに互換性がある別個のデータのストリームとを含む、複数のデータのストリームを生成してもよい。代替的に、ストリーミングデータコレクタ4710は、バッチ、集約、要約などのストリーム以外のモードでデータを出力してもよい。
構成されたストリーミングデータコレクタ4710は、ストリーミング装置4710からのデータ出力およびそこから抽出されたデータのうちの少なくとも1つを記憶するためのストリーム記憶設備4764と通信してもよく、これは、いくつかの側面において、レガシー機器4730のソースデータと互換性があるかもしれない。構成されたストリーミングデータコレクタ4710のレガシー互換性のある出力は、レガシー機器4730のソースデータを処理するように構成されたレガシー処理設備4744がレガシー互換性のある記憶設備4762内のデータに対してデータ処理方法を実行するように、レガシー互換性のある記憶設備4762内に格納されるように、レガシー互換性のあるデータに対して構成、適応、再フォーマット、および他の調整を行うことができるフォーマットアダプタ設備4748,4760に提供されてもよい。レガシー互換性のあるデータがストリーム記憶設備4764に格納されている実施形態では、レガシー処理設備4744はまた、フォーマットアダプタ4760によって任意に処理された後に、このデータを自動的に処理してもよい。レガシー機器から供給されたデータと完全に互換性のあるフォーマットでデータを提供するようにデータ収集、ストリーミング、処理、フォーマット、および記憶要素を配置することにより、レガシーシステムからの移行を簡素化することができ、レガシー機器から供給されたデータは、レガシー機器4730から供給されたデータのレガシー価値を失うことなく、新たに取得されたデータ(より多くの内容を有する)と容易に比較することができる。
図21は、レガシー機器データの収集および処理と互換性があるかもしれない産業用機械センサデータのストリーミング、収集、処理、および保存のために本明細書に記載された方法およびシステム4800の代替的な実施形態を示す。実施形態では、産業機械センサデータの処理は、例えば、保存されたレガシーデータおよびストリーミングデータを整列させること、保存されたレガシーデータをセンサデータのストリームと整列させること、およびレガシーデータおよびストリーミングデータを収集中に整列させることを含む、様々な方法で達成され得る。実施形態では、産業用機械4810は、機械の1つ以上の可動部分の側面など、産業用機械4810の側面を感知し得る1つ以上のストリームデータセンサ4820を含んでもよいし、通信してもよいし、または統合されてもよい。産業用機械4810はまた、産業用機械4810の同様の側面を感知してもよい1つ以上のレガシーデータセンサ4830と通信してもよいし、含んでもよいし、統合してもよい。実施形態では、1つ以上のレガシーデータセンサ4830は、感知されたデータを1つ以上のレガシーデータ収集器4840に提供してもよい。ストリームデータセンサ4820は、(すなわち、よりリッチな信号)のすべての側面を包含し、レガシーデータセンサ4830からの感知されたデータと互換性のある出力を生成してもよい。ストリームデータセンサ4820は、レガシーデータコレクタ4840に互換性のあるデータを提供してもよい。レガシーデータセンサ4830またはそのデータストリームを模倣することにより、ストリームデータセンサ4820は、産業機械のセンシングおよび処理システムのアップグレードの間などに、1つまたは複数のレガシーデータセンサを置き換える(または適切な複製として機能する)ことができる。周波数範囲、分解能などは、レガシーデータのすべての形態が捕捉されるか、またはストリームデータから導出され得ることを確実にするように、ストリームデータによって模倣されてもよい。実施形態では、必要に応じて、フォーマット変換もまた、ストリームデータセンサ4820によって実行され得る。ストリームデータセンサ4820はまた、ストリームデータコレクタ4850による収集に適した代替データストリームを生成してもよい。実施形態では、そのような代替データストリームは、周波数範囲、解像度、データを感知する期間などの少なくとも1つ以上の点で、レガシーデータセンサデータのスーパーセットであってもよい。
実施形態では、産業用機械感知データ処理設備4860は、広範囲の感知データ処理方法を実行してもよく、そのうちのいくつかは、レガシーデータセンサ4830からのデータと互換性があり、レガシー感知データ処理要件を満たしてもよい出力を生成してもよい。処理設備4860の広範なデータ処理能力の使用を容易にするために、レガシーデータとストリームデータは、ストリームデータの互換性のある部分が、レガシー互換性のある方法などで処理するために抽出されてもよいように、整列される必要があるかもしれない。実施形態では、図21は、ストリームデータをレガシーデータに整列させるための3つの異なる技法を描いている。第1の整列方法4862は、レガシーデータコレクタ4840によって出力されたレガシーデータを、ストリームデータコレクタ4850によって出力されたストリームデータに整列させることを含む。レガシーデータコレクタ4840によってデータが提供されると、データの側面、例えば解像度、周波数、持続時間などが検出されてもよく、ストリームデータコレクタ4850からのデータのストリームのうち、レガシーデータと意図的に互換性のある部分を識別する処理方法の制御として使用されてもよい。処理設備4860は、ストリームデータの識別された部分に1つ以上のレガシー互換性のある方法を適用して、レガシーデータと容易に比較されるか、またはレガシーデータに対して参照され得るデータを抽出してもよい。
実施形態では、第2のアラインメント方法4864は、ストリーミングデータをレガシー記憶設備4882からのデータとアラインメントすることを含んでもよい。実施形態では、第3のアラインメント方法4868は、ストリーム記憶設備4884からの保存されたストリームデータを、レガシーデータ記憶設備4882からのレガシーデータとアラインメントすることを含んでもよい。方法論4862、4864、4868のそれぞれにおいて、アライメントデータは、レガシーデータを処理して、解像度、持続時間、周波数範囲などの側面を検出することによって決定されてもよい。代替的に、アライメントは、レガシー周波数範囲、持続時間、解像度などのレガシーデータ記述情報を受信してもよい、またはレガシーデータ記述情報で構成されてもよい方法論4862、4864、4868を使用する設備などのアライメント設備によって実行されてもよい。
実施形態では、産業用機械感知データ処理設備4860は、レガシーデータ方法論記憶設備4880に記憶されていてもよいレガシー互換性のある方法論およびアルゴリズムへのアクセスを有していてもよい。レガシーアルゴリズム記憶設備4880内のこれらの方法論、アルゴリズム、または他のデータは、産業用機械感知データ処理設備4860によって、方法論4862、4864、4868を有する様々なアライメント設備に伝達され得るアライメント情報のソースであってもよい。レガシー互換性のあるアルゴリズムおよび方法論へのアクセスを有することにより、データ処理設備4860は、レガシーデータ、レガシーデータと互換性のあるストリームデータ、またはレガシーデータを表すストリームデータの一部を処理して、レガシー互換性のあるアナリティクスを生成することを容易にしてもよい。
実施形態では、データ処理設備4860は、ストリーミングデータ解析4892を生成するために、ウェーブレット導出などの他の広範囲の感覚データ処理方法を実行してもよい。実施形態では、ストリーミングデータ収集器102、4510、4610、4710(図3、6、18、19、20)またはデータ処理設備4860は、データストリームから定義され、抽出されてもよい携帯可能なアルゴリズム、方法論、および入力を含んでもよい。多くの例では、ユーザまたは企業は、機械および資産の特定の部分の分析に関連する既存の効果的な方法を既に持っているかもしれない。これらの既存の方法は、構成されたストリーミングデータ収集器102、4510、4610、4710またはデータ処理設備4860に、携帯可能なアルゴリズムまたは方法論としてインポートされ得る。構成されたストリーミングデータ収集器102、4510、4610、4710のために本明細書に記載されたようなデータ処理はまた、アルゴリズムまたは方法論を状況に一致させ、その後、ストリームからデータを抽出して、レガシー取得またはレガシー取得技術からデータ方法論に一致させてもよい。実施形態では、ストリーミングデータ収集器102、4510、4610、4710は、多くのタイプのシステムと互換性があり、様々な臨界度を有するシステムと互換性があってもよい。
本明細書に記載された方法およびシステムの例示的な産業用機械の展開が、現在記載されている。産業機械は、ガス圧縮機であってもよい。例示的な実施形態では、ガス圧縮機は、10,0000馬力のモータを含む非常に大きなターボ機械などの非常に大きなターボ機械上でオイルポンプを作動させてもよい。オイルポンプは、その故障がプラント全体のシャットダウンを引き起こす可能性があるため、非常に重要なシステムであってもよい。本実施例のガス圧縮機は、36,000rpmなどの非常に高い周波数で4段運転してもよく、油膜上に乗るチルトパッドベアリングを含んでもよい。本実施例のオイルポンプは、予期される故障がユーザに拾われない場合、オイルポンプの運転が停止し、ターボ機械全体が故障するような、ローラーベアリングを含んでもよい。この例に引き続き、ストリーミングデータ収集器102、4510、4610、4710は、ケーシング振動や近接プローブ振動などの振動に関連するデータを収集してもよい。他のベアリング産業機械の例としては、発電機、発電所、ボイラ供給ポンプ、ファン、強制ドラフトファン、誘導ドラフトファンなどが挙げられる。産業ガス産業で使用される軸受システムのためのストリーミングデータ収集器102、4510、4610、4710は、モデルベースのエキスパートシステムによって実行されるような、例えば、電圧、電流、および振動を分析メトリクスとして使用するような、モータに関する予測分析をサポートしてもよい。
別の例示的な産業機械の展開は、モータと、例えばモータの電圧および電流データを収集することによってモータの分析を支援することができるストリーミングデータ収集器102、4510、4610、4710であってもよい。
さらに別の例示的な産業機械の展開は、油の品質センシングを含んでもよい。産業機械は、オイル分析を行ってもよく、ストリーミングデータ収集器102、4510、4610、4710は、例えば、オイル中の金属の断片を検索するのを支援してもよい。
本明細書に記載された方法およびシステムは、モデルベースのシステムと組み合わせて使用されてもよい。モデルベースのシステムは、近接プローブと統合してもよい。近接プローブは、機械の問題を感知し、感知された問題のために機械をシャットダウンするために使用されてもよい。近接プローブと統合されたモデルベースのシステムは、ピーク波形を測定し、ピーク波形の測定に基づいて機械をシャットダウンする信号を送信してもよい。
産業用機械を操作する企業は、多くの多様な産業で動作する可能性がある。これらの産業には、製造ラインを運営する産業、コンピューティングインフラストラクチャを提供する産業、金融サービスをサポートする産業、HVAC機器を提供する産業などが含まれます。これらの産業は、操業時間の損失と操業時間の損失によって発生するコストに非常に敏感であるかもしれません。特にHVAC機器企業は、超音波、振動、IRなどに関連するデータに関心を持っている可能性があり、産業用機械感知データストリーミング収集の方法およびシステムを使用して、これらのメトリクスに関連する機械性能に関する情報を、レガシーシステムから収集するよりもはるかに多く得ることができるかもしれません。
産業機械センサデータのストリーミング、収集、処理、および記憶のための本明細書に記載の方法およびシステムは、既存のデータ収集、処理、および記憶システムと動作および統合するように構成されていてもよく、機械の少なくとも1つの可動部分に関連する産業機械の側面を監視するために配置されたセンサからセンシングされたデータの複数のストリームを捕捉するための方法を含んでいてもよく、ストリームのうちの少なくとも1つは、データの複数の周波数を含む。前記方法は、前記複数のストリームのうちの少なくとも1つのデータのうち、少なくとも1つの事前定義された周波数を表すデータに対応するデータのサブセットを特定することを含んでもよい。少なくとも1つの予め定義された周波数は、産業機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配置された代替センサから収集されたデータのセットによって表される。方法は、代替センサから収集されたデータのセットに適用されるように構成されたデータ方法論を用いて、識別されたデータを処理するデータ処理設備を用いて、識別されたデータを処理することをさらに含んでもよい。最後に、方法は、データのストリーム、識別されたデータのサブセット、および識別されたデータを処理した結果の少なくとも1つを電子データセットに格納することを含んでもよい。
方法およびシステムは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサから捕捉されたデータを、予め定義された周波数範囲をカバーする予め定義された解像度ラインで捕捉されたデータを、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された他のセンサからストリームされたデータのサブセットを識別する周波数整合設備に適用する方法を含んでもよく、ストリームされたデータは、複数の解像度ラインおよび周波数範囲からなり、識別されたデータのサブセットは、解像度ラインおよび予め定義された周波数範囲に対応している。この方法は、任意に、データのサブセットを、予め定義された解像度のラインで捕捉されたデータのフォーマットに対応するフォーマットで電子データレコードに格納することと、格納されたデータのサブセットの存在をデータ処理設備にシグナリングすることとを含んでもよい。この方法は、任意に、予め定義された周波数範囲をカバーする予め定義された解像度のラインでキャプチャされたデータを処理することに関連付けられたアルゴリズム、方法論、モデル、およびパターン認識器のうちの少なくとも1つでデータのサブセットを処理することを含んでもよい。
方法およびシステムは、ストリーム化されたセンサデータのサブセットを識別するための方法を含んでもよい。センサデータは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配置されたセンサから取得される。ストリームされたセンサデータのサブセットは、予め定義された周波数範囲の解像度の予め定義されたラインにある。方法は、識別を実行する第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第1の論理経路を確立することを含む。識別されたストリームセンサデータのサブセットは、第1の設備から第2の設備にストリームセンサデータのサブセットを通信する際に、確立された第1の論理経路を介して排他的に通信される。この方法は、識別されたサブセットではないストリーム化されたセンサデータの少なくとも一部分について、第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第2の論理経路を確立することをさらに含んでもよい。本方法は、識別されたサブセットと、識別されたサブセットによって表されないデータの少なくとも1つの他の部分とを含むストリーミングされたセンサデータの少なくとも1つの部分のために、第1のコンピューティング設備と第2のコンピューティング設備との間で電子的に通信するための第3の論理経路を確立することをさらに含んでもよい。
方法およびシステムは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサの第1のセットから第1のデータをキャプチャする第1のデータセンシングおよび処理システムを含んでもよく、第1のデータは、解像度のラインのセットおよび周波数範囲をカバーしている。このシステムは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された第2のセットのセンサからの第2のデータをキャプチャしてストリームする第2のデータセンシングおよび処理システムを含んでもよく、第2のデータは、解像度のラインのセットを含む複数の解像度ラインと、周波数の範囲を含む複数の周波数とをカバーする。システムは、次のことを可能にしてもよい。(1)解像度のラインのセットおよび周波数範囲を含む第1のデータの周波数範囲に対応する第2のデータの一部を選択すること;および(2)第2のデータの選択された部分を第1のデータ感知処理システムで処理すること。
方法およびシステムは、センシングデータのストリームの一部を自動的に処理する方法を含んでもよい。機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された第1のセンサのセットから受信した感知データは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備された第2のセンサのセットから受信した感知データのセットに対応する感知データのストリームのサブセットを抽出することを容易にする電子データ構造に応答して、感知データのストリームのサブセットを抽出する。センシングデータのセットは、周波数範囲に制約される。センシングされたデータのストリームは、センシングされたデータのセットの周波数範囲を超える周波数範囲を含む。処理は、感知データのセットの周波数範囲に制約されている感知データのストリームの一部に対してデータ方法論を実行することを含む。データ方法論は、感知されたデータの集合を処理するように構成されている。
方法およびシステムは、機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配置されたセンサから第1のデータを受信するための方法を含んでもよい。この方法は、さらに含むことができる。第1のデータによって表される周波数範囲および分解能のラインのうちの少なくとも1つを検出すること、および(2)機械の少なくとも1つの可動部分に関連付けられた産業機械の側面を監視するために配備されたセンサからデータのストリームを受信することを含む。前記データのストリームは、複数の周波数範囲と、前記第1のデータによって表される前記周波数範囲および前記解像度のラインを超える複数の解像度のラインと、を含み、前記周波数範囲および前記第1のデータによって表される前記解像度のラインの少なくとも1つに対応するデータのセットを前記データのストリームから抽出することと、前記抽出されたデータのセットを、前記第1のデータの前記周波数範囲および前記解像度のラインの範囲内でデータを処理するように構成されたデータ処理手段で処理することと、を含んでいる。
本明細書に開示された方法およびシステムは、データコレクタを含むか、データコレクタに接続するか、またはデータコレクタと統合することができ、多くの実施形態では、図22は、SDAQとしても知られるデータ収集(DAQ)ストリーミング装置5002を含む方法およびシステム5000を示している。実施形態では、センサ5010、5012、5014からの出力は、振動、温度、圧力、超音波などを含む様々なタイプのものであってもよい。多くの実施例では、センサのうちの1つが使用されてもよい。さらなる例では、多くのセンサが使用されてもよく、それらの信号は、個別に、または所定の組み合わせで、および/または所定の間隔、状況、設定などで使用されてもよい。
実施形態では、センサ5010、5012、5014からの出力信号は、DAQ装置5002の計器入力5020、5022、5024に供給されてもよく、追加のストリーミング機能5028を備えて構成されてもよい。これらの多くの例によって、センサ5010、5012、5014、または適用可能なより多くのセンサからの出力信号は、少なくともスケーリングおよびフィルタリングに関してデジタル化される前に、アナログ信号としてコンディショニングされてもよい。その後、信号は、アナログ/デジタル変換器5030によってデジタル化されてもよい。すべての関連するチャネルから受信された信号(すなわち、1つ以上のチャネルが手動で、アラームによって、経路によって、スイッチオンされている、など)は、必要に応じて調整および再調整されてもよい、または他の関連するデータセットとの互換性または適合性を確保するために一定に保持されてもよい、最大の所望の周波数分析を実行するのに十分な所定のレートで同時にサンプリングされてもよい。実施形態では、信号は、十分な個別サンプリングで低いサンプリングレートでの更なる後処理を可能にするために、比較的長い時間、1つの連続ストリームとしてギャップフリーでサンプリングされる。
実施形態では、データは、点の集合からストリーミングされてもよく、次のセットのデータは、所定のシーケンス、経路、経路、またはそのようなものに従って、追加の点から収集されてもよい。多くの例では、センサ5010、5012、5014またはそれ以上のセンサは、所定のシーケンス、経路、事前に手配された構成、またはそのようなものに従って、次の場所に移動されてもよい。特定の例では、センサ5010、5012、5014の全てが移動するとは限らず、したがって、一部は、所定の位置に固定されたままであり、基準位相の検出などに使用されてもよい。
実施形態では、マルチプレックス(mux)5032は、ポイントの次の収集、2つの方法の混合物、または組み合わせてもよい収集パターン、他の所定の経路、およびそのようなものに切り替えるために使用されてもよい。マルチプレクサ5032は、ラダー化され、DAQ計器5002が提供するよりも多くのチャネルを効果的に受け入れるようにスタック可能であってもよい。例では、DAQ機器5002は8つのチャネルを提供してもよく、一方、マルチプレクサ5032は、32のチャネルを提供するようにスタックされてもよい。さらなるバリエーションは、1つ以上のマルチプレクサで可能である。実施形態では、マルチプレクサ5032は、装置入力5034を介してDAQ装置5002に供給されてもよい。実施形態では、DAQ機器5002は、オンボードコントローラ、PC、他の接続されたデバイス、ネットワークベースのサービス、およびそれらの組み合わせの形態をとることができるコントローラ5038を含んでもよい。
実施形態では、データ収集プロセスを制御するために使用されるシーケンスおよびパネル条件は、マルチメディアプローブ(MMMP)およびプローブ制御、シーケンスおよび分析(PCSA)情報ストア5040から得られてもよい。実施形態では、情報ストア5040は、DAQ装置5002に搭載されていてもよい。実施形態では、情報ストア5040の内容は、クラウドネットワーク設備を介して、他のDAQ装置から、他の接続された装置から、感知される機械から、他の関連するソースから、およびそれらの組み合わせから取得されてもよい。実施形態では、情報ストア5040は、機械の階層構造関係などの項目を含んでもよく、例えば、機械は、装置の所定の部分を含み、その各々は、1つ以上のシャフトを含んでもよく、それらのシャフトの各々は、複数の関連するベアリングを有してもよい。それらのベアリングの各々は、特定のタイプのトランスデューサまたはプローブによって、1つ以上の特定の所定のシーケンス(経路、経路など)に従って、かつ1つ以上のDAQ機器5002上に設定されてもよい1つ以上の特定のパネル条件によって、監視されてもよい。この例によって、パネル条件は、ハードウェア固有のスイッチ設定または他の収集パラメータを含んでもよい。多くの例では、収集パラメータは、サンプリングレート、AC/DC結合、電圧範囲およびゲイン、積分、ハイパスおよびローパスフィルタリング、アンチエイリアシングフィルタリング、ICPトランスデューサおよび他の集積回路圧電トランスデューサ、4~20mAループセンサなどを含むが、これらに限定されない。実施形態では、情報ストア5040はまた、ギアのギア歯、ポンプインペラ内のブレードの数、モータのロータバーの数、ベアリング周波数を計算するために必要なベアリング固有のパラメータ、すべての回転要素の分あたりの回転数情報、およびそれらの回転数範囲の倍数など、適切な分析のために重要であるかもしれない機械固有の特徴を含んでもよい。また、情報ストア内の情報は、永久保存用のストリームデータ5050を抽出するために使用されてもよい。
DAQ APIソフトウェア5052からの指示に基づいて、デジタル化された波形は、DAQ計器5002に搭載されたドライバのDAQドライバサービス5054を使用してアップロードされてもよい。実施形態では、データは、次に、ストリームデータ5050をストリームデータリポジトリ5060に格納してもよい生データサーバ50508に供給されてもよい。実施形態では、このデータ格納領域は、典型的には、データがDAQ機器5002からコピーオフされて検証されるまでの間、格納するためのものである。また、DAQ API5052は、最近得られたストリームデータ5050を抽出して処理し、1つ以上の所望の解像度をもたらすのに十分な長さの同じまたはより低いサンプリングレートに変換するために、ローカルデータ制御アプリケーション5062を指示してもよい。これらの例によって、このデータは、スペクトルに変換され、平均化され、様々な方法で処理され、抽出/処理された(EP)データ5064として、少なくとも一時的に保存されてもよい。レガシーデータは、互換性を確保するために独自のサンプリングレートおよび分解能を必要とする場合があり、多くの場合、このサンプリングレートは、取得されたサンプリングレートに整数比例しない場合があることは、本開示に照らして理解されるであろう。また、これは、サンプリング周波数が、DAQ装置の内部結晶、クロック機能、またはそのようなものによって採用されるより標準的なサンプリングレート(例えば、100、200、500、1K、2K、5K、10K、20KなどのFmaxの値)ではなく、外部周波数(典型的には、機械またはその局所的な構成要素の実行速度)に直接関連しているオーダーサンプリングされたデータに特に関連しているかもしれないことが、開示に照らして理解されるであろう。
実施形態では、ローカルデータ制御アプリケーション5062の抽出/処理(EP)アラインメントモジュール5068は、データをレガシーシステムと互換性のあるものにするための重要な要件を満たす、サンプリングレートをこれらの非整数比レートに分数的に調整することができるかもしれない。実施形態では、処理されるデータの長さは調整可能であるかもしれないので、小数のレートはまた、より容易に整数比のレートに変換されるかもしれない。データがストリーム化されず、単に標準または所定のFmaxを有するスペクトルとして保存されていた場合、特定の状況では、それをオーダサンプリングされたデータに遡って正確に変換することが不可能である可能性があることは、本開示に照らして理解されるであろう。また、内部識別の問題も調整する必要があるかもしれないことが、本開示に照らして理解されるであろう。多くの例では、ストリームデータは、記述されているように適切なサンプリングレートおよび解像度に変換され、レガシーデータとの互換性を確保するために、(一時的ではあるが)EPレガシーデータリポジトリ5070に保存されてもよい。
レガシーデータの識別問題をサポートするために、多くの実施形態では、識別変換のための自動化されたプロセスが(部分的または全体的であるかどうかにかかわらず)存在しない場合には、ユーザ入力モジュール5072が示されている。そのような例では、1つ以上のレガシーシステム(すなわち、既存のデータ取得)は、インポートされるデータが、Mimosaフォーマットなどの完全に標準化されたフォーマット、および他の類似のフォーマットであることを特徴とすることができる。さらに、レガシーデータおよび/またはレガシーデータが生成された1つ以上の機械の十分なインデントは、レガシーデータの一部を新たに取得されたストリームデータ5050の一部に関連付けおよびリンクさせるための識別マッピングテーブル5074の完成に必要とされてもよい。多くの例では、エンドユーザおよび/またはレガシーベンダーは、機能する識別(ID)マッピングテーブル5074の少なくとも一部を完成させるのに十分な情報を提供することができ、したがって、レガシーシステムの生データの比較、分析、および新たに取得されたストリームデータ5050の操作に使用されるために必要なデータベーススキーマを提供することができるかもしれない。
実施形態では、ローカルデータ制御アプリケーション5062はまた、ストリーミングデータだけでなく、抽出/処理された(EP)データを有線または無線伝送を介してクラウドネットワーク設備5080に指示してもよい。クラウドネットワーク設備5080から、他のデバイスは、マスター生データサーバ(MRDS)5082からのデータを含むデータにアクセスし、受信し、維持してもよい。DAQ装置5002に遠隔地にあるデータの移動、分配、保存、および検索は、クラウドデータ管理サービス(「CDMS」)5084によって調整されてもよい。
図23は、DAQ装置5002が関連するクラウドベースのサービスにアクセスすることを含む追加の方法およびシステムを示す。実施形態では、DAQ API5052は、データ収集プロセスだけでなく、そのシーケンスを制御してもよい。これらの例により、DAQ API5052は、プロセスの編集、データのプロットの表示、そのデータの処理の制御、あらゆる無数の形態の出力データの表示、エキスパート分析を含むこのデータの分析、およびローカルデータ制御アプリケーション5062を介した外部デバイスとの通信、およびクラウドネットワーク設備5080を介したCDMS5084との通信のための機能を提供してもよい。実施形態では、DAQ API5052はまた、データの移動、そのフィルタリング、および他の多くのハウスキーピング機能を支配してもよい。
実施形態では、エキスパート分析モジュール5100は、ストリームデータ分析モジュール5104および抽出/処理(「EP」)アラインメントモジュール5068によるローカルデータ制御アプリケーション5062を使用してストリームデータ5050を分析するために、情報ストア5040からの機械または測定ポイント固有の情報を使用してもよいレポート5102を生成してもよい。実施形態では、エキスパート分析モジュール5100は、ストリームデータ5050に関連するアラームモジュール5108に、新しいアラームを生成するか、またはアラーム設定をインジェストしてもよい。実施形態では、ストリームデータ解析モジュール5104は、様々なプロットおよびレポート形式でストリームデータ5050から意味のある情報を抽出するための手動または自動化されたメカニズムを提供してもよい。実施形態では、エキスパート分析モジュール5100の監視制御は、DAQ API5052によって提供される。さらなる例では、エキスパート分析モジュール5100は、クラウドネットワーク設備5080を介して(全体的にまたは部分的に)供給されてもよい。多くの例では、最新のソフトウェアバージョンを使用している、より多くの処理能力がある、参照する履歴データの量が多い、などの様々な理由から、クラウドを介した専門家分析モジュール5100は、ローカルに配備された専門家分析モジュール5100ではなく、使用されてもよい。多くの例では、インターネット接続が確立できないときに専門家分析モジュール5100が利用可能であることが重要であるかもしれないので、この冗長性を持つことは、シームレスで時間効率の良い操作のために重要であるかもしれない。そのために、適用可能な場合には、DAQ装置5002で利用可能なモジュール化されたソフトウェアアプリケーションおよびデータベースの多くは、必要なときにクラウドサービスへの接続性を提供するための操作上の堅牢性を提供するために、システムコンポーネントの冗長性を実装してもよいが、また、セキュリティなどを高めるために、接続性が利用できず、時には意図的に利用できない孤立したシナリオで正常に動作することもある。
実施形態では、DAQ機器の取得は、特にPCによって取得されるストリーミングされたギャップフリーデータのためのハードウェアのためのリアルタイムオペレーティングシステム(「RTOS」)を必要とすることがある。いくつかの実施形態では、RTOSの要求は、そのようなシステムを実行することができる高価なカスタムハードウェアおよびソフトウェアをもたらす(または必要とする)ことがある。多くの実施形態では、そのような高価なカスタムハードウェアおよびソフトウェアは回避され、RTOSは、標準的なウィンドウズ(登録商標)オペレーティングシステムまたはそのようなオペレーティングシステムに含まれる専用アプリケーションの手続きフローにおけるシステム割り込みを含む類似の環境を使用して、効果的かつ十分に実装されてもよい。
本明細書に開示された方法およびシステムは、1つ以上のDAQ機器を含むか、それに接続するか、またはそれと統合されてもよく、多くの実施形態では、図24は、DAQ機器5002(ストリーミングDAQまたはSDAQとしても知られている)を含む方法およびシステム5150を示している。実施形態では、DAQ機器5002は、ファーストイン、ファーストアウト(FIFO)メモリ領域5152で構成されたソフトウェアドライバを含んでもよい標準的なウィンドウズ(登録商標)オペレーティングシステム(または他の類似のパーソナルコンピューティングシステム)を使用してRTOSを効果的かつ十分に実装してもよい。FIFOメモリ領域5152は、RTOSを効果的に提供するために、ローカル・オペレーティング・システムから直面する可能性のある最悪のケースの割り込みを処理するのに十分な量の時間のために情報を維持し、保持してもよい。多くの例では、ローカルパーソナルコンピュータまたは接続されたデバイス上の構成は、オペレーティングシステムの割り込みを最小化するために維持されてもよい。これをサポートするために、構成は、オペレーティングシステムの割り込みが問題となる可能性がある極端な環境への曝露を排除する(または隔離する)ように維持され、制御され、または調整されてもよい。実施形態では、DAQ機器5002は、任意のギャップエラーが検出されたときに、ユーザに通知するための通知、アラーム、メッセージ、またはそのようなものを生成してもよい。これらの多くの例では、そのようなエラーは稀であることが示されてもよく、たとえ発生したとしても、そのような状況が発生した場合に、データは、いつ発生したかを知って調整されてもよい。
実施形態では、DAQ装置5002は、データ取得時にオペレーティングシステムの割り込みの影響を受けないように、入力データをバッファリングしてもよい十分に大きなFIFOメモリ領域5152を維持してもよい。FIFOメモリ領域5152の所定のサイズは、ディスクまたはSSDDへのデータの書き込み、プロット、GUIインタラクションおよび標準的なウィンドウズ(登録商標)タスク、DAQハードウェアのサービスおよびバーストでのデータの取得などの低レベルのドライバタスクなどのウィンドウズ(登録商標)システムおよびアプリケーション機能を含むかもしれないオペレーティングシステムの割り込みに基づいてもよいことが、本開示に照らして理解されるであろう。
実施形態では、DAQ機器5002に含まれていてもよいコンピュータ、コントローラ、接続されたデバイス、またはそのようなものは、USBポート、ファイアワイヤ、イーサネット、またはそのようなものを介して1つ以上のハードウェアデバイスからデータを取得するように構成されていてもよい。実施形態では、DAQドライバサービス5054は、データを見逃さないように、すなわちギャップフリーであるように構成されていてもよいチャネル固有のFIFOメモリバッファを提供することを容易にするように、定期的にデータがそれに配信されるように構成されていてもよい。実施形態では、DAQドライバサービス5054は、デバイスから得られた新しいデータで満たされる、(デバイスよりも)さらに大きなチャネル特定FIFO領域5152を維持するように構成されてもよい。実施形態では、DAQドライバサービス5054は、生データサーバ5058がFIFO5110からデータを取り、1つ以上のディスクドライブ、SSDD、またはそのようなものとして構成されてもよいストリームデータリポジトリ5060のような不揮発性記憶領域に連続した連続ストリームとして書き込むように、さらなるプロセスを採用するように構成されてもよい。実施形態では、FIFO5110は、最新の最新ストリームが書き込まれた場所を示す開始および停止マーカーまたはポインタを含むように構成されてもよい。これらの例によって、FIFO終了マーカ5114は、スプーラの終端に到達するまで、最も現在のデータの終端をマークするように構成されてもよく、その後、常に循環しながらラップするように構成されてもよい。これらの例では、スプールが一杯になると、FIFO5110内には常に1メガバイト(または他の構成された容量)の最新データが存在する。FIFOメモリ領域のさらなる構成が採用され得ることは、本開示に照らして理解されるであろう。実施形態では、DAQドライバサービス5054は、DAQAPI5052を使用して、 処理、グラフ化、および分析目的のために、最新のデータを高 レベルのアプリケーションにパイプするように構成されてもよい。 いくつかの例では、このデータがギャップフリーであることは必須ではないが、このような例であっても、データのギャップを識別し、マークすることは有用である。さらに、これらのデータの更新は、ユーザがデータをライブであると知覚するように十分に頻繁に行われるように構成されてもよい。多くの実施形態では、生データは、少なくとも所定の時間の間、ギャップなく不揮発性ストレージにフラッシュされ、所定の時間の例は、約30秒から4時間以上であってもよい。本開示に照らして、装置の多くの部分およびそれらの構成要素が、ギャップのないデータのストリームの相対的に必要とされる持続時間に寄与する可能性があり、それらの持続時間は、比較的低速が多数存在する場合、非周期的な過渡活動が比較的長い時間枠で発生している場合、デューティサイクルが制限された持続時間のために関連する範囲での動作のみを可能にする場合、およびそのような場合には、4時間を超えてもよいことが理解されるであろう。
図23を参照して、ストリームデータアナライザモジュール5104は、様々なプロットおよびレポート形式でのデータストリームからの情報の手動または抽出を提供してもよい。実施形態では、リサンプリング、フィルタリング(アンチエイリアシングを含む)、伝達関数、スペクトル分析、包絡、平均化、ピーク検出機能、および他の信号処理ツールのホストが、分析者がストリームデータを分析し、非常に大きなスナップショットの配列を生成するために利用可能であってもよい。本開示を考慮すると、スナップショットの収集を予めスケジューリングすることによって、すなわち、問題となっている測定ポイントの最初のデータ収集中に、これまでに可能であったであろうよりもはるかに大きなスナップショットのアレイが生成されることが理解されるであろう。
図25は、その閲覧可能なコンテンツ50202が、全体的にまたは部分的に、ローカルまたはリモートでアクセスされてもよいディスプレイ5200を描写している。多くの実施形態では、ディスプレイ5200は、DAQ機器5002の一部であってもよく、DAQ機器5002の一部であってもよいPCまたは接続されたデバイス5038の一部であってもよく、またはその閲覧可能なコンテンツ5202は、関連するネットワーク接続されたディスプレイから閲覧可能であってもよい。さらなる例では、ディスプレイ5200またはその一部のビューアブルコンテンツ5202は、1つ以上の関連するネットワークアドレスに移植されてもよい。多くの実施形態では、表示可能なコンテンツ5202は、例えば、約2分間のデータストリーム5208が、4つのチャンネル5220、5222、5224、5228のために25.6kHzのサンプリングレートで同時に収集されてもよいことを示す画面5204を含んでもよい。これらの例示的な方法で、およびこれらの構成では、データの長さは、約3.1メガバイトであってもよい。本開示に照らして、データストリーム(その4つのチャンネルのそれぞれを含む、または適用可能な限り多くのチャンネルを含む)は、前進5230、早送り、後退5232、早巻き、後退、ステップバック、ステップフォワード、時間点への前進、時間点への後退、開始5234、終了、5238、再生5240、停止5242などのような再生に通常関連するすべてのコントロールを備えた磁気テープ記録(例えば、リールツーリールまたはカセット)のように、いくつかの側面で再生されてもよいことが理解されるであろう。さらに、データストリームの再生は、データストリーム全体の連続する部分集合として表示されるようにデータストリームの幅を設定するようにさらに構成されてもよい。分のデータストリームを有する例では、2分全体が「すべて選択」ボタン5244によって選択されてもよいし、その一部のサブセットが画面5204上のコントロールによって選択されてもよいし、ディスプレイ5200およびDAQ機器5002を構成することによって画面5204上に配置されてもよい。この例では、画面5204上の「選択されたデータを処理する」ボタン5250は、データストリームの選択にコミットするために選択されてもよい。
図26は、本実施例に係るデータの全てを選択した結果を表示するディスプレイ5200上の画面5250を含む多くの実施形態を描いている。実施形態では、図26の画面5250は、図25の画面5204に描かれているものと同じまたは類似の再生機能を提供してもよいが、リサンプリング機能、波形表示、およびスペクトル表示を含んでもよい。本開示を考慮すると、この機能は、多くの状況において、ユーザが、元のストリーミングサンプリングレートによってサポートされるよりも小さい任意のFmaxを選択することを可能にしてもよいことが理解されるであろう。実施形態では、任意のサイズの任意のセクションが選択されてもよく、データを表示および解剖するための更なる処理、分析、およびツールが提供されてもよい。実施形態では、スクリーン5250は、図25の4つのチャネル5220、5222、5224、5228からのストリームデータを示す4つのウィンドウ5252、5254、5258、5260を含んでもよい。実施形態では、スクリーン5250は、オフセットおよびオーバーラップ制御5262、リサンプリング制御5264、および他の同様の制御を含んでもよい。
多くの例では、図27に描かれているように、ディスプレイ5200上に示された画面5284上に表示されてもよい2つのチャネル5280,5282のような、任意の2つのチャネル間に多数の転送機能のうちの任意の1つが確立されてもよい。画面5284上の2つのチャネル5280,5282の選択は、画面5284および画面5204を含む任意の画面上に転送機能の出力を描写することを可能にしてもよい。
実施形態では、図28は、波形ビュー5302、フルカーソル制御5304、およびピーク抽出ビュー5308を有するディスプレイ5200上の高解像度スペクトル画面5300を示す。これらの例では、ピーク抽出ビュー5308は、強化された振幅および周波数精度を提供するように構成されてもよく、スペクトル側帯エネルギー分布を使用してもよい解像度構成5310で構成されてもよい。また、ピーク抽出ビュー5308は、平均化5312、位相およびカーソルベクトル情報5314などを用いて構成されてもよい。
実施形態では、図29は、波形ビュー5352およびスペクトルフォーマットビュー5354を有するディスプレイ5200上の包絡画面5350を示す。包絡スクリーン5350上のビュー5352,5354は、波形フォーマットおよびスペクトルフォーマットの両方で信号からの変調を表示してもよい。実施形態では、図30は、4つの位相ビュー5382、5384、5388、5388、5390を有するディスプレイ5200上の相対位相スクリーン5380を示す。つの位相ビュー5382、5384、5388、5388、5390は、ビュー5352の波形フォーマットおよびビュー5354のスペクトルフォーマットで信号からの変調を表示してもよいオンスペクトル包絡スクリーン5350に関連している。実施形態では、基準チャネル制御5392は、各チャネル間の相対位相を決定するために、チャネル4を基準チャネルとして使用するように選択されてもよい。
最大100kHz(またはいくつかのシナリオではそれ以上)の振動データのサンプリングレートが、非振動センサにも利用され得ることは、本開示に照らして理解されるであろう。そうすることにより、これらのサンプリングレートでのそのような持続時間のストリームデータは、これらのタイプのセンサの多くがこのような方法で利用されていないことが少なからず原因で、分析されるべき新たなパターンを発見する可能性があることが、本開示に照らしてさらに理解されるであろう。また、機械の状態監視に使用される異なるセンサが、即効性のある動的信号よりも静的レベルに近い測定値を提供する可能性があることは、本開示に照らして理解されるであろう。場合によっては、より速い応答時間のトランスデューサが、より速いサンプリングレートを達成する前に使用されなければならないことがある。
多くの実施形態では、センサは、温度、圧力、または流量のような比較的静的な出力を有してもよいが、それでも、本明細書に開示されるような動的な信号処理システムおよび方法を用いて分析されてもよい。多くの例では、時間スケールが遅くなってもよいことは、本開示に照らして理解されるであろう。多くの例では、2週間以上にわたって約1分毎に収集された温度測定値のコレクションは、単独で、または他の関連するセンサとの協働で、または融合で、それらの変動について分析されてもよい。これらの実施例によって、直流レベルまたは平均レベルは、すべての読取値から省略されてもよく(例えば、減算によって)、結果として得られるデルタ測定値は、処理されてもよい(例えば、フーリエ変換を介して)。これらの例から、結果として得られるスペクトル線は、特定の機械の挙動または産業システムプロセスに存在する他の症状と相関してもよい。さらなる例では、他の技術は、変調を探すためのエンベロープ、短時間だけ続くスペクトルパターン(例えば、バースト)を探すためのウェーブレット、振動を含む他のセンサとの相関を探すためのクロスチャネル分析などを含む。
図31は、本明細書に開示された方法およびシステムに接続されてもよい、本明細書に開示された方法およびシステムとインターフェイスしてもよい、または本明細書に開示された方法およびシステムと統合されてもよい多くの実施形態において、ストリーミングセンサ5410またはスマートセンサを提供するために、1つまたは複数のアナログセンサ5402およびエンドポイントノード5404と統合されてもよいDAQ装置5400を示す。監視システム50412は、CDMS5084と通信してもよいストリーミングハブサーバ50420を含んでもよい。実施形態では、CDMS5084は、1つ以上のクラウドネットワーク設備5080を介してアクセス可能なクラウドデータ50430およびクラウドサービス50432と接触し、使用し、統合してもよい。実施形態では、ストリーミングハブサーバ5420は、DAQ機器5442、エンドポイントノード5444、およびアナログセンサ5448のような1つ以上のアナログセンサを含むかもしれない別のストリーミングセンサ5440と接続してもよい。スティーミングハブサーバ5420は、DAQ計器5462、エンドポイントノード5464、およびアナログセンサ5468のような1つ以上のアナログセンサを含むかもしれない他のストリーミングセンサ5460と接続してもよい。
実施形態では、DAQ機器5492、エンドポイントノード5494、およびアナログセンサ5498のような1つまたは複数のアナログセンサを含むかもしれないストリーミングセンサ5490のような他のストリーミングセンサと接続してもよいストリーミングハブサーバ5480のような追加のストリーミングハブサーバが存在してもよい。実施形態では、ストリーミングハブサーバ5480はまた、DAQ計器5502、エンドポイントノード5504、およびアナログセンサ5508のような1つ以上のアナログセンサを含むかもしれないストリーミングセンサ5500のような他のストリーミングセンサと接続してもよい。実施形態では、伝送は、平均化された全体的なレベルを含んでもよく、他の例では、所定のおよび/または固定レートでサンプリングされた動的な信号を含んでもよい。実施形態では、ストリーミングセンサ5410、5440、5460、5490、および5500は、アナログ信号を取得し、その後、結合、平均化、積分、微分、スケーリング、様々な種類のフィルタリングなどを含む信号条件付けをそれらのアナログ信号に適用するように構成されていてもよい。ストリーミングセンサ5410、5440、5460、5490、および55000は、許容可能な速度および分解能(ビット数)でアナログ信号をデジタル化し、必要に応じてデジタル化された信号をさらに処理するように構成されてもよい。ストリーミングセンサ5410、5440、5460、5490、および55000は、予め定められた、調整可能な、および再調整可能なレートでデジタル化された信号を送信するように構成されてもよい。実施形態では、ストリーミングセンサ5410、5440、5460、5490、および55000は、多数の有効な分析が可能であることが示されるように、データの比較的一貫したストリームが適切な時間の間維持され得るように、十分な有効レートでデータを取得し、デジタル化し、処理し、送信するように構成されている。多くの実施形態では、データストリームにギャップは存在しないであろうし、データの長さは比較的長く、理想的には無制限の時間の間であるべきであるが、実用的な考慮事項は、典型的にはストリームを終了させることを必要とする。ストリーム内に実質的にギャップのないこの長い持続時間のデータストリームは、データが比較的短い期間(すなわち、収集の短いバースト)収集され、その後に一時停止が続き、おそらく別のバースト収集が続く、より一般的に使用されているバースト収集とは対照的であることが、本開示に照らして理解されるであろう。非連続バーストにわたって収集されたデータの一般的に使用される収集では、データは、低頻度分析のために低速で収集され、高周波数分析のために高周波数で収集されるであろう。対照的に、本開示の多くの実施形態では、ストリーミングデータは、(i)一度に収集され、(iii)最高に有用で可能なサンプリングレートで収集され、(iiii)低周波分析が高周波数分析と同様に実行され得る十分に長い時間にわたって収集されている。ストリーミングデータの収集を容易にするために、メモリがオーバーフローする前に新しいデータを別のシステムに外部的にオフロードしてもよいように、ストリーミングセンサ5410、5440、5460、5490、5500のような1つ以上のストリーミングセンサ上で十分なストレージメモリが利用可能でなければならない。実施形態では、このメモリ内のデータは、「First-In, First-Out」(「FIFO」)モードに格納され、「First-In, First-Out」(「FIFO」)モードからアクセスされるであろう。これらの例では、FIFO領域を有するメモリは、外部システムが別の部分から読み出す間に、センサコントローラがそのうちの1つの部分に書き込むことができるように、デュアルポートであってもよい。実施形態では、データフロートラフィックは、セマフォロジックによって管理されてもよい。
本開示に照らして、質量が大きい振動トランスデューサは、プローブの固有共振が質量の平方根に反比例して低下するため、より低い線形周波数応答範囲を有することが理解されるであろう。そのため、共振応答は本質的に非線形であるため、固有振動数が低いトランスデューサは線形通過帯域の周波数応答が狭くなります。固有振動数を超えると、センサの振幅応答が無視できるレベルまで先細りしてしまい、さらに使い勝手が悪くなることは、本開示を考慮すると理解されるであろう。それを考慮して、高周波加速度ピックアップは、この理由から、質量が非常に小さく、1グラムの半分のオーダーになる傾向がある。ストリーミングに必要な信号処理およびデジタル化エレクトロニクスを追加することは、特定の状況では、高周波活動を測定する多くのインスタンスでセンサを無力にする可能性があることも、本開示を考慮すると理解されるであろう。
実施形態では、ストリーミングハブ5420、5480のようなストリーミングハブは、ケーブルを介して外部ハブにストリーミングに必要な電子機器を効果的に移動させてもよい。ストリーミングハブは、実質的にストリーミングセンサの隣に、またはハブの電子駆動能力によってサポートされる距離まで配置されてもよいことが、本開示に照らして理解されるであろう。インターネットキャッシュプロトコル(「ICP」)が使用される実施形態では、ハブの電子駆動能力によってサポートされる距離は、所望の周波数応答、ケーブル容量、およびそのようなものに基づいて、100から1000フィート(30.5から305メートル)の間のどこにでもあるであろう。実施形態では、ストリーミングハブは、電力を受信するだけでなく、ネットワーク(LANまたはWANである)に接続するのに便利な場所に配置されてもよい。実施形態では、他の電力オプションは、太陽、熱、およびエネルギーハーベスティングを含むであろう。ストリーミングセンサと外部システムとの間の転送は、無線または有線であってもよく、802.11や900MHzの無線システム、イーサネット、USB、ファイアワイヤなどの標準的な通信技術を含んでいてもよい。
図22を参照して、DAQ装置5002の多くの例は、ローカルデータ制御アプリケーション5062からマスター生データサーバ(「MRDS」)5082にアップロードされてもよいデータを含む実施形態を含む。実施形態では、マルチメディアプローブ(「MMMP」)およびプローブ制御、シーケンスおよび分析(「PCSA」)情報ストア5040内の情報もまた、MRDS5082からDAQ装置5002にダウンロードされてもよい。MRDS5082のさらなる詳細は、有線または無線ネットワークを介して、または1つ以上のポータブルメディア、ドライブ、他のネットワーク接続、またはそのようなものへの接続を介して、データがDAQ装置5002からMRDS5082に転送されてもよい実施形態を含む図32に示されている。実施形態では、DAQ機器5002は、ポータブルであるように構成されていてもよく、予め定義された測定ポイントを評価するために、1つ以上の予め定義された経路で運ばれてもよい。これらの多くの例では、MRDS5082に含まれ得るオペレーティングシステムは、ウィンドウズ(登録商標)、Linux(登録商標)、またはMacosオペレーティングシステム、または他の類似のオペレーティングシステムであってもよい。さらに、これらの配置では、オペレーティングシステム、オペレーティングシステムのためのモジュール、および他の必要なライブラリ、データストレージなどは、クラウドネットワーク設備5080へのアクセスを介して、全体的または部分的にアクセス可能であってもよい。実施形態では、MRDS5082は、特にオンラインシステムの例では、DAQ装置5002上に直接存在してもよい。実施形態では、DAQ機器5002は、設備内のイントラネットワーク上でリンクされていてもよいが、そうでなければ、ファイアウォールの背後にあってもよい。さらなる例では、DAQ機器5002は、クラウドネットワーク設備5080にリンクされていてもよい。様々な実施形態では、コンピュータまたはモバイルコンピューティングデバイスのうちの1つは、図41および図42に描かれているように、他のコンピューティングデバイスのすべてが、MRDS6104のうちの1つのようなデータをそれに供給してもよいMRDS5082と実質的に指定されてもよい。DAQ機器5002が配備され、スウォーム環境でストリームデータを受信するように構成されてもよい多くの例では、DAQ機器5002の1つまたは複数は、他のすべてのコンピューティングデバイスがそれにデータを供給してもよいMRDS5082に実質的に指定されてもよい。本明細書に開示された方法およびシステムが、データプール、コンピューティングリソース、ローカルデータ収集のためのネットワーク帯域幅などをインテリジェントに割り当て、制御し、調整し、再調整する環境でストリームデータを受信するようにDAQ機器5002が配備され、構成されてもよい多くの例では、DAQ機器5002の1つまたは複数は、他のすべてのコンピューティングデバイスがデータを供給するMRDS5082と実質的に指定されてもよい。
図32をさらに参照して、新しい生のストリーミングデータ、抽出、処理、および整列処理(EPデータ)を経たデータなどは、必要に応じて、または様々な環境でスケーリングされるように、1つまたは複数のマスター生データサーバにアップロードされてもよい。実施形態では、マスタ生データサーバ(「MRDS」)5700は、MRDS5082のような他のマスタ生データサーバに接続してデータを受信してもよい。MRDS5700は、データ分配マネージャモジュール5702を含んでもよい。実施形態では、新しい生ストリームデータは、新しいストリームデータリポジトリ5704に格納されてもよい。多くの実施形態では、DAQ装置5002に格納された生データストリームと同様に、新しいストリームデータリポジトリ5704および新しい抽出およびプロセスデータリポジトリ5708は、一時的な記憶領域として同様に構成されてもよい。
実施形態では、MRDS5700は、抽出器およびプロセスアライメントモジュールを有するストリームデータアナライザモジュールを含んでもよい。アナライザモジュール5710は、DAQ装置5002にも配置されてもよいが、ポータブルストリーミングDAQ装置に典型的に見られるかもしれないよりも、より堅牢なデータアナライザおよび抽出器であることが示されてもよい。実施形態では、分析器モジュール5710は、ストリーミングデータを取り、DAQ機器5002上のローカルデータ制御モジュール5062と同様の特定のサンプリングレートおよび分解能でインスタンス化する。分析器モジュール5710の特定のサンプリングレートおよび分解能は、ユーザ入力5712またはマルチメディアプローブ(「MMP」)およびプローブ制御、シーケンスおよび分析(「PCSA」)情報ストア5714および/または識別マッピングテーブル5718からの自動抽出のいずれかに基づいてもよく、これは、DAQ装置5002で詳述されたように類似したレガシーデータの様々な形態に関する不完全な情報がある場合に、ユーザ入力5712を必要としてもよい。実施形態では、レガシーデータは、分析モジュール5710で処理されてもよく、新しいレガシーデータリポジトリ5720のような1つ以上の一時的な保持領域に格納されてもよい。1つまたは複数の一時的な領域は、データがアーカイブにコピーされて検証されるまでデータを保持するように構成されてもよい。アナライザ5710モジュールはまた、フィルタリング、フーリエ変換、重み付け、リサンプリング、エンベロープ復調、ウェーブレット、2チャンネル解析などを含むがこれらに限定されない多くの異なるタイプの信号処理ツールを提供することによって、詳細な解析を促進してもよい。この分析から、多くの異なるタイプのプロットおよびミニレポートが、レポートおよびプロットモジュール5724から生成されてもよい。実施形態では、データは、ユーザの開始に応じて、または特にオンラインシステムのための自動化された方法で、処理、分析、レポート、およびアーカイブ(「PARA」)サーバ5730に送られる。
実施形態では、PARAサーバ5750は実施形態では、PARAサーバ5750上の監視モジュール5752は、処理、分析、報告、アーカイブ、監視、および類似の機能のうちの少なくとも1つを提供するように構成されていてもよく、そこから、アラームは、アラーム生成モジュール5782によって生成され、評価され、保存され、変更され、再割り当てされ、および同様の機能が提供されてもよい。
図34は、PARAサーバとLAN5802への接続を含む様々な実施形態を描いている。実施形態では、DAQ機器5002などの1つまたは複数のDAQ機器は、DAQ機器5002に供給されてもよい1つまたは複数のアナログセンサ5710からのアナログデータを受信して処理してもよい。本明細書で議論されるように、DAQ機器5002は、1つ以上のアナログセンサからのインジェストされたアナログデータに基づいて、データのデジタルストリームを作成してもよい。DAQ機器5002からのデジタルストリームは、MRDS5082にアップロードされてもよく、そこから、複数の端末、例えば端末50810、50812、50814が、それぞれそれまたはMRDS5082とインターフェースして、データおよび/または分析レポートを見ることができるPARAサーバ5800に送信されてもよい。実施形態では、PARAサーバ5800は、LMS5822を含んでもよいネットワークデータサーバ5820と通信してもよい。これらの例では、LMS5822は、アーカイブされたデータのための任意の記憶領域として構成されてもよい。また、LMS5822は、LMS5822を実行するPCまたは他のコンピューティングデバイスに接続されてもよい外部ドライバとして構成されてもよく、または、LMS5822は、LMS5822がPARAサーバ5800と動作し、共存するように構成されてもよいPARAサーバ5800によって直接実行されてもよい。LMS5822は、生データストリームアーカイブ5824、抽出および処理(「EP」)生データアーカイブ5828、およびMMMPおよびプローブ制御、配列および分析(「PCSA」)情報ストア5830に接続してもよい。実施形態では、CDMS5832はまた、LAN5802に接続してもよく、データのアーカイブをサポートしてもよい。
実施形態では、タブレット5852およびスマートフォン5854のようなポータブル接続デバイス5850は、図35に描かれているように、それぞれウェブAPI5860および5862を使用してCDMS5832に接続してもよい。API5860、5862は、ブラウザで実行するように構成されていてもよく、PARAサーバ5800を介してアクセス可能であるように先に説明したすべての(または一部の)機能のクラウドネットワーク設備5870を介したアクセスを許可してもよい。実施形態では、コンピューティングデバイス5882、5884、5888などのユーザ5880のコンピューティングデバイスは、同じ機能を受信するために、ブラウザまたは他の接続を介してクラウドネットワークファシリティ5870にアクセスしてもよい。実施形態では、他のデバイスドライバを必要とせず、クラウドサービス5890およびクラウドデータ5892によってサポートされるウェブサービスによって促進されてもよいシンクライアントアプリが提供される。多くの例では、シンクライアントアプリは、例えば、NXGウェブベースの仮想インターフェースサブルーチンを有する視覚的な高レベルLabVIEWプログラミング言語を使用して開発され、再構成されてもよい。実施形態では、シンクライアントアプリは、LabVIEWツールでサポートされているような高レベルのグラフ機能を提供することができます。実施形態では、LabVIEWツールは、コンパイル後に編集可能なJSCRIPTコードおよびJAVA(登録商標)コードを生成することができます。NXGツールは、特殊なドライバを必要とせず、どのブラウザからでも簡単にインストールできるRESTfulサービスのみを必要とするWeb VIを生成することができます。本開示を考慮すると、様々なアプリケーションがブラウザ内で実行される可能性があるため、アプリケーションは、ウィンドウズ(登録商標)、Linux(登録商標)、およびアンドロイド(登録商標)オペレーティングシステムなどの任意のオペレーティングシステム、特にパーソナル・デバイス、モバイルデバイス、ポータブル・コネクテッド・デバイスなどのためのオペレーティングシステム上で実行される可能性があることが理解されるであろう。
実施形態では、CDMS5832は、図36においてより詳細に描かれている。実施形態では、CDMS5832は、PARAサーバ5800(図34)が提供してもよいデータストレージおよびサービスのすべてを提供してもよい。対照的に、APIのすべては、ブラウザで実行されるウェブAPIであってもよく、他のすべてのアプリは、PARAサーバ5800または典型的にはウィンドウズ(登録商標)、Linux(登録商標)または他の類似のオペレーティングシステムであるかもしれないDAQ機器5002上で実行されてもよい。実施形態では、CDMS5832は、以下の機能のうちの少なくとも1つまたはその組み合わせを含む:CDMS5832は、トレンド、波形、スペクトル、エンベロープ、伝達関数、測定イベントのログ、エキスパート、ユーティリティなどを含む分析を含むすべてのデータプロットへのアクセスを提供するように構成されてもよいクラウドGUI5900を含んでもよい。実施形態では、CDMS5832は、クラウドネットワーク設備5870との間のデータの転送を容易にするように構成されたクラウドデータ交換5902を含んでもよい。実施形態では、CDMS5832は、トレンド、波形、スペクトル、エンベロープ、伝達関数などを含むウェブアプリを介してすべてのプロットを表示するように構成されたクラウドプロット/トレンドモジュール5904を含んでもよい。実施形態では、CDMS5832は、すべての分析レポート、ログ、エキスパート分析、トレンドプロット、統計情報、およびそのようなものを提供するように構成されてもよいクラウドレポーター5908を含んでもよい。実施形態では、CDMS5832は、クラウドアラームモジュール5910を含んでもよい。クラウドアラームモジュール5910からのアラームは、生成されてもよく、電子メール、テキスト、または他のメッセージング機構を介して様々なデバイス5920に送信されてもよい。様々なモジュールからのデータは、新しいデータ5914に格納されてもよい。様々なデバイス5920は、端末5922、携帯型接続デバイス5924、またはタブレット5928を含んでもよい。クラウドアラームモジュールからのアラームは、エンドユーザが、冗長なアラームの受信を避けるためにアラームを認識してもよいように、また、スペクトル、波形統計情報などを含むアラームポイントからの重要な文脈に敏感なデータを見ることができるように、インタラクティブであるように設計されている。
実施形態では、リレーショナルデータベースサーバ(「RDS」)5930が、MMMPおよびPCSA情報ストア5932からのすべての情報にアクセスするために使用されてもよい。PARAサーバ5800(図36)と同様に、情報ストア5932からの情報は、EPおよびアラインメントモジュール5934、データ交換5938、およびエキスパートシステム5940と共に使用されてもよい。実施形態では、生データストリームアーカイブ5942および抽出処理生データアーカイブ5944もまた、PARAサーバ5800と同様に、EP整列モジュール5934、データ交換5938およびエキスパートシステム5940によって使用されてもよい。実施形態では、新しいストリーム生データ5950、新しい抽出およびプロセス生データ5952、および新しいデータ5954(オーバーオール、スマートバンド、統計、および情報ストア5932からのデータなどの本質的に他のすべての生データ)は、CDMS5832によって指示される。
実施形態では、ストリーミングデータは、技術データ管理ストリーミング(「TDMS」)ファイル形式を使用して、RDS5930およびMMPおよびPCSA情報ストア5932とリンクされてもよい。実施形態では、情報ストア5932は、すべての測定イベントの少なくとも一部を記録するためのテーブルを含んでもよい。これらの例によって、測定イベントは、任意の単一のデータキャプチャ、ストリーム、スナップショット、平均化されたレベル、または全体的なレベルであってもよい。ポイント識別情報に加えて、測定イベントの各々は、日付およびタイムスタンプを有してもよい。実施形態では、TDMSフォーマットを使用して、ストリーミングデータ、測定イベント、および情報ストア5932内のテーブルの間にリンクが作成されてもよい。これらの例によって、リンクは、TDMSプロパティを含み、割り当てることによって、TDMSフォーマットを有するファイル構造体に固有の測定ポイント識別コードを格納することによって作成されてもよい。実施形態では、TDMSフォーマットを有するファイルは、3段階の階層を可能にしてもよい。これらの例では、3つのレベルの階層は、ルート、グループ、およびチャネルであってもよい。本開示を考慮すると、Mimosaデータベーススキーマは、理論的には無制限であってもよいことが理解されるであろう。そうは言っても、限定されたTDMS階層には利点がある。多くの例では、Mimosa互換データベーススキーマを使用しながら、TDMSストリーム構造に追加するために、以下の特性が提案されてもよい。
ルートレベル。グローバル ID 1.グローバル ID 2: テキスト文字列(これはウェブから取得した一意の ID である可能性がある。会社名: 文字列; 会社 ID: 文字列; 会社セグメント ID: 文字列会社名: 文字列; 会社ID: 文字列; 会社セグメントID: 4バイト整数; 会社セグメント。4 バイト整数; 会社セグメント ID.会社名:Text String; 会社ID:Text String; 会社セグメントID:4バイト整数; 会社セグメントID:4バイト整数; サイト名。Site Name: Text String; Site Segment ID.サイト名:Text String; サイトセグメントID:4バイト整数; サイトアセットID:4バイト整数; ルート名:Text Stringルート名: Text String; バージョン番号: 4 バイト整数。ルート名:文字列、バージョン番号:文字列。ルート名:文字列、バージョン番号:文字列
グループレベルセクション 1 名前。セクション 1 セグメントID: 4 バイト整数4 バイト整数; セクション 1 アセット ID.セクション 2 名前: テキスト文字列; セクション 2 セグメント ID: 4 バイト整数セクション2 名前: テキスト文字列; セクション2 セグメントID: 4バイト整数; セクション2 アセットID: 4バイト整数セクション2 名前:テキスト文字列、セクション2 セグメントID:4 バイト整数、セクション2 アセットID:4 バイト整数。Machine Name: Text String; Machine Segment ID: 4-byte Integer; Machine Asset ID: 4-byte Integer機械名:文字列、機械セグメント ID:4 バイト整数、機械資産 ID:4 バイト整数、機械名:文字列、機械セグメント ID:4 バイト整数。4 バイト整数; 機器名:Text String; 機器セグメント ID:4 バイト整数; セクション 2 アセット ID:4 バイト整数機器名:文字列、機器セグメント ID:4 バイト整数、機器資産 ID:4 バイト整数。Equipment Name: Text String; Equipment Segment ID: 4 バイト整数; Equipment Asset ID: 4 バイト整数。4 バイト整数; シャフト名: Text String; シャフトセグメント ID: 4 バイト整数。シャフト名:Text String; シャフトセグメントID:4バイト整数。4 バイト整数; シャフト資産 ID.軸受け名:文字列。軸受け名: 文字列; 軸受けセグメントID: 4バイト整数; 軸受け資産ID: 4バイト整数。ベアリング名:Text String; ベアリングセグメントID:4バイト整数; ベアリングアセットID:4バイト整数。プローブ名: Text String; プローブセグメントID: 4バイト整数。プローブ名: Text String; プローブセグメントID: 4バイト整数; プローブアセットID: 4バイト整数プローブ名:Text String; プローブセグメントID:4バイト整数; プローブアセットID:4バイト整数。プローブ名:Text String; プローブセグメントID:4バイト整数; プローブアセットID:4バイト整数
チャンネルレベル。チャンネル番号: 4バイト整数; Direction.Direction: 4バイト整数(例によってはテキスト)、データタイプ(Data Type): 4バイト整数、予約名(Reserved Name) 1: テキスト文字列、予約セグメント(Reserved Segment) ID 2: テキスト文字列データ型: 4 バイト整数; 予約名 1: 文字列; 予約セグメント ID 1: 4 バイト整数; 予約名2: 文字列; 予約セグメント ID 2: 4 バイト整数; 予約名 3: 文字列; 予約セグメント ID 3: 4 バイト整数
実施形態では、TDMSフォーマットを持つファイルは、自動的にプロパティまたは資産情報を使用することができ、データベース検索を容易にするために、特定のプロパティと資産情報からインデックスファイルを作成することができ、それはデータのバイナリストリームを格納するために最適化されている可能性があるため、大量のデータストリームを格納するための妥協点を提供することができますが、また、多くの標準的なSQL操作を実現可能にするいくつかの最小限のデータベース構造を含むことができますが、TDMSフォーマットと本明細書で議論されている機能は、本格的なSQLリレーショナルデータベースほど効率的ではないかもしれません。しかし、TDMSフォーマットは、バイナリデータの大規模なストリームを効率的に書き込んで保存するクラスやフォーマットと、検索、ソート、データ検索を容易にする完全なリレーショナルデータベースのクラスやフォーマットの間でバランスをとるという点で、両方の世界の利点を利用することができます。実施形態では、分析目的に必要なメタデータと、ストリーム収集のためのパネル条件を有する所定のリストを抽出するために必要なメタデータが、2つのデータベース方法論の間のリンクを確立することによって、RDS5930に格納されてもよいという点で、最適な解決策が見いだされてもよい。これらの例によって、比較的大きなアナログデータストリームは、迅速なストリームロードのために、生データストリームアーカイブ5942にバイナリストレージとして主に格納されてもよいが、固有のリレーショナルSQLタイプのフック、フォーマット、規約、またはそのようなものを備えてもよい。TDMS形式のファイルはまた、アナログまたはストリーミングデータへのアクセスを便利かつ迅速に容易にするための更なるメカニズムを提供するために、LabVIEWソフトウェアのDIAdemレポート機能を組み込むように構成されてもよい。
本明細書に開示された方法およびシステムは、仮想データコレクタを含むか、それに接続するか、またはそれと統合されてもよく、多くの実施形態では、図37は、仮想DAQ装置、VRDS、またはVSDAQとしても知られている仮想ストリーミングDAQ装置6000を含む方法およびシステムを示している。DAQ機器5002(図22)とは対照的に、仮想DAQ機器6000は、1つのネイティブアプリケーションのみを含むように構成されてもよい。多くの例では、1つの許可された1つのネイティブアプリケーションは、ストリーミング機能を含んでもよいDAQ装置6004とのすべての通信を管理してもよいDAQドライバモジュール6002であってもよい。実施形態では、他のアプリケーションは、もしあれば、RESTfulウェブサービスのようなシンクライアントウェブアプリケーションとして構成されてもよい。1つのネイティブアプリケーションまたは他のアプリケーションまたはサービスは、DAQウェブAPI6010を介してアクセス可能であってもよい。DAQ Web API6010は、様々なWebブラウザで実行されるか、または様々なWebブラウザを介してアクセス可能であってもよい。
実施形態では、ストリーミングデータの記憶、およびストリーミングデータの抽出および処理データへの抽出および処理は、主に、DAQウェブAPI6010の指示の下で、DAQドライバサービス6012によって処理されてもよい。実施形態では、振動、温度、圧力、超音波などを含む様々なタイプのセンサからの出力は、DAQ装置6004の計器入力に供給されてもよい。実施形態では、出力センサからの信号は、スケーリングおよびフィルタリングに関して信号調整され、アナログからデジタルへの変換器でデジタル化されてもよい。実施形態では、出力センサからの信号は、最大の所望の周波数分析を実行するのに十分な速度で同時にサンプリングされたすべての関連するチャネルからの信号であってもよい。実施形態では、出力センサからの信号は、十分なサンプルを用いて低いサンプリングレートで幅広い更なる後処理を可能にするように、1つの連続ストリームとして、比較的長い時間、ギャップフリーでサンプリングされてもよい。さらなる例では、ストリーミング周波数は、ストリーミングデータを不均等に間隔をあけない記録で記録するように調整されてもよい(および再調整されてもよい)。温度データ、圧力データ、および比較的低速であってもよい他の類似のデータについては、サンプル間のデルタ時間を変化させることは、データの品質をさらに向上させてもよい。上記の実施例の方法では、データは、点の集合からストリーミングされ、次のデータの集合は、所定のシーケンス、経路、経路、またはそのようなものに従って、追加の点から収集されてもよい。多くの例では、携帯型センサは、所定のシーケンスに従って次の場所に移動されてもよいが、いくつかは基準位相のために使用されてもよいし、そうでない場合もあるので、それらのすべてが必ずしもそうであるとは限らない。さらなる例では、マルチプレクサ6020は、次の点の集合体に切り替えるために使用されてもよいし、2つの方法の混合物を組み合わせて使用されてもよい。
実施形態では、仮想DAQ装置6000を用いたデータ収集プロセスを支配するために使用され得るシーケンスおよびパネル条件は、MMMP PCSA情報ストア6022から取得されてもよい。MMP PCSA情報ストア6022は、機械の階層構造関係、すなわち、機械は、各装置のピースがシャフトを含み、各シャフトがベアリングに関連付けられている装置のピースを含み、これらは、特定のパネル条件を有する特定の所定のシーケンス(経路、経路など)に従って、特定のタイプのトランスデューサまたはプローブによって監視されてもよい、などの項目を含んでもよい。これらの例によって、パネル条件は、サンプリングレート、AC/DC結合、電圧範囲およびゲイン、積分、ハイパスおよびローパスフィルタリング、アンチエイリアシングフィルタリング、ICPトランスデューサおよび他の集積回路圧電トランスデューサ、4~20mAループセンサなどのような、ハードウェア固有のスイッチ設定または他の収集パラメータを含んでもよい。情報ストア6022には、ギアのギア歯の数、ポンプインペラのブレードの数、モータのロータバーの数、ベアリング周波数を計算するために必要なベアリング固有のパラメータ、全回転要素の1×回転速度(RPMs)などを含む、適切な分析のために重要な機械固有の特徴となるであろうものに記憶されているであろう他の情報が含まれている。
DAQウェブAPI6010ソフトウェアの指示に応じて、デジタル化された波形は、仮想DAQ計器6000のDAQドライバサービス6012を使用してアップロードされてもよい。実施形態では、データは、次に、ストリームデータをネットワークストリームデータリポジトリ6032に格納してもよいRLNデータおよび制御サーバ6030に供給されてもよい。DAQ計器5002とは異なり、サーバ6030は、DAQドライバモジュール6002内から実行されてもよい。別個のアプリケーションが、ネイティブオペレーティングシステムで実行するためのドライバを必要とする場合があり、この計器のために計器ドライバのみがネイティブに実行されてもよいことは、本開示に照らして理解されるであろう。多くの例では、他のすべてのアプリケーションは、ブラウザベースであるように構成されてもよい。このように、関連するネットワーク変数は、1つまたは複数のネットワークを介して、またはWebアプリケーションを介してアクセスするように設計されているかもしれないLabVIEW共有またはネットワークストリーム変数に非常に類似しているかもしれません。
実施形態では、DAQウェブAPI6010はまた、最近得られたストリーミングデータを抽出して処理し、次いで、所望の分解能を提供するのに十分な長さの同じまたはより低いサンプリングレートに変換するように、ローカルデータ制御アプリケーション6034に指示してもよい。このデータは、スペクトルに変換され、次いで、様々な方法で平均化され、処理され、EPデータとして、例えばEPデータリポジトリ6040上に保存されてもよい。EPデータリポジトリ6040は、特定の実施形態では、一時的な保存のためだけに意図されてもよい。レガシーデータは、それ自身のサンプリングレートおよび分解能を必要とすることがあり、多くの場合、このサンプリングレートは、特にサンプリング周波数が外部周波数に直接関連しているオーダサンプリングされたデータの場合には、取得されたサンプリングレートに比例した整数ではないかもしれないことが、本開示を考慮して理解されるであろう。外部周波数は、典型的には、DAQ装置5002,6000の内部結晶、クロック機能など(例えば、100、200、500、1K、2K、5K、10K、20KなどのFmaxの値)によって生成されるより標準的なサンプリングレートではなく、機械またはその内部構成要素の動作速度であってもよい。実施形態では、ローカルデータ制御アプリケーション6034のEPアラインメントコンポーネントは、サンプリングレートを、レガシーデータセットにより適用可能であり、したがってレガシーシステムとの互換性を駆動する可能性のある非整数比レートに分数的に調整することができる。実施形態では、分数レートは、DAQ装置5002,6000によって取得された元のストリーミングデータの深さおよび内容のために、処理されるべきデータの長さ(またはデータのより大きなストリームの少なくともその部分)が調整可能であるので、より容易に整数比レートに変換されてもよい。データがストリーミングされず、単にFmaxの標準値を有するスペクトルの従来のスナップショットとして保存されていた場合、取得されたデータをオーダサンプリングされたデータに遡って正確に変換することが非常に不可能である可能性があることは、本開示に照らして理解されるであろう。実施形態では、ストリームデータは、特にレガシーデータ目的のために、記述されているように適切なサンプリングレートおよび分解能に変換され、EPレガシーデータリポジトリ6042に格納されてもよい。レガシーデータ識別シナリオをサポートするために、識別変換のための自動プロセスがない場合、ユーザ入力6044が含まれてもよい。実施形態では、識別変換のためのそのような自動化されたプロセスの1つは、Mimosaフォーマットのような完全に標準化されたフォーマットと、IDマッピングテーブル6048を完成させるのに十分な識別情報とを含むレガシーシステムからのデータのインポートを含んでもよい。さらなる例では、エンドユーザ、レガシーデータベンダ、レガシーデータ記憶設備、またはそのような者が、IDマッピングテーブル6048の関連部分を完成させる(または十分に完成させる)のに十分な情報を供給して、レガシーシステムの生データのためのデータベーススキーマを提供して、それが本明細書に開示される現在のシステムで容易に摂取、保存、および分析のために使用され得るようにすることができるかもしれない。
図38は、仮想DAQ機器6000のさらなる実施形態および詳細を示す。これらの例では、DAQウェブAPI6010は、データ収集プロセスを制御するだけでなく、そのシーケンスを制御してもよい。DAQウェブAPI6010は、このプロセスを編集し、データのプロットを表示し、そのデータの処理を制御し、すべての無数の形態の出力を表示し、エキスパート分析を含むデータを分析し、DAQドライバモジュール6002を介して外部デバイスと通信し、可能な限り1つ以上のクラウドネットワーク設備5080にストリーミングデータおよびEPデータの両方と通信し、転送するための機能を提供してもよい。実施形態では、仮想DAQ機器自体およびDAQウェブAPI6010は、ローカル需要が必要とするかもしれないとき、または単にそのような信号を防止する独自の産業設定全体でそのような使用のような外部接続性が存在しない結果として、クラウドネットワーク設備5080へのアクセスとは独立して実行されてもよい。実施形態では、DAQウェブAPI6010はまた、データの動き、そのフィルタリングだけでなく、他の多くのハウスキーピング機能を支配してもよい。
仮想DAQ機器6000はまた、エキスパート分析モジュール60052を含んでもよい。実施形態では、エキスパート分析モジュール6052は、ストリームデータアナライザモジュール6050を使用してストリームデータ6058を分析するために、MMMP PCSA情報ストア6022からのマシンまたは測定ポイント固有の情報を使用するレポート6054を生成してもよいWebアプリケーションまたは他の適切なモジュールであってもよい。実施形態では、モジュール6052の監視制御は、DAQウェブAPI6010によって提供されてもよい。実施形態では、エキスパート分析はまた、CDMS5832を介してアクセス可能な1つ以上のクラウドネットワーク設備に常駐してもよいエキスパートシステムモジュール5940を介して供給されてもよい(または補足されてもよい)。多くの例では、最新のソフトウェアバージョンの利用可能性および使用可能性、より多くの処理能力、参照するためのより大量の履歴データなどの様々な理由から、クラウドを介した専門家分析は、専門家分析モジュール6052のようなローカルシステムよりも好ましいかもしれない。本開示に照らして、シームレスで時間効率の良い操作のために、必要な場合には冗長性を提供するように、インターネット接続が確立できない場合に専門家分析を提供することが重要であることが理解されるであろう。実施形態では、この冗長性は、適用可能な場合には、議論されたモジュール式ソフトウェアアプリケーションおよびデータベースのすべてに拡張されてもよく、従って、本明細書で議論された各モジュールは、インターネット接続が確立されていない場合に操作を継続するための冗長性を提供するように構成されてもよい。
図39は、オンラインシステム内に存在し、中央のDAQ計器を介してネットワークエンドポイントを介して1つ以上のクラウドネットワーク設備に接続する多数の仮想DAQ計器のさらなる実施形態および詳細を示す。実施形態では、ネットワークエンドポイント6060を有するマスターDAQ計器が、ネットワークエンドポイント6062を有するDAQ計器、ネットワークエンドポイント6064を有するDAQ計器、およびネットワークエンドポイント6068を有するDAQ計器などの追加のDAQ計器とともに提供される。ネットワークエンドポイント6060を有するマスタDAQインストゥルメント6060は、LAN6070を介して、ネットワークエンドポイント6062、6064、6068を有する他のDAQインストゥルメントと接続してもよい。各計器6060、6062、6064、6068は、パーソナルコンピュータ、接続された装置、または、イーサネット、ワイヤレス802.11g、900MHzワイヤレス(例えば、工業環境で一般的に遭遇する壁、エンクロージャおよび他の構造的障壁のより良い浸透のために)などの多くの有線およびワイヤレスネットワークオプションを利用する装置の接続を容易にするために、ウィンドウズ(登録商標)、Linux(登録商標)、または他の適切なオペレーティングシステムを含む、パーソナルコンピュータ、接続された装置、または、必要に応じて既製の通信ハードウェアの使用によって許容される無数の他のものを含んでもよいことが理解されるであろう。
図40は、様々な設定、環境、およびネットワーク接続性の設定で使用され得るエンドポイントの多くの機能コンポーネントのさらなる実施形態および詳細を示す。エンドポイントは、エンドポイントおよびハードウェアモジュール6080を含む。実施形態では、エンドポイントハードウェアモジュール6080は、本明細書に開示されるように、1つ以上のマルチプレクサ6082、DAQ機器6084、およびコンピュータ6088、コンピューティングデバイス、PC、またはそのようなものを含んでもよい。エンドポイントソフトウェアモジュール6090は、データコレクタアプリケーション(DCA)6092および生データサーバ(RDS)6094を含む。実施形態では、DCA6092は、DAQ API5052(図22)に類似していてもよく、DAQデバイス6084からストリームデータを取得し、所定のシーケンスに従って、またはユーザの指示に基づいて、ストリームデータをローカルに格納することを担当するように構成されていてもよい。多くの例では、所定のシーケンスまたはユーザの指示は、DAQ装置からデータを制御して読み取ることができるLabVIEWソフトウェアアプリであってもよい。クラウドベースのオンラインシステムの場合、多くの実施形態では、保存されたデータは、ネットワークアクセス可能であってもよい。多くの例では、LabVIEWツールは、共有変数またはネットワークストリーム(または共有変数のサブセット)を使用してこれを達成するために使用されてもよい。共有変数と関連するネットワークストリームは、ネットワーク上でデータを共有するために最適化されたネットワークオブジェクトであってもよい。多くの実施形態では、DCA6092は、データをできるだけ効率的かつ高速に収集し、共有変数およびその関連ネットワークストリームにプッシュするように構成されてもよいグラフィックユーザインタフェースを備えていてもよい。実施形態では、エンドポイント生データサーバ6094は、シングルプロセス共有変数から生データを読み取るように構成されてもよく、それをマスターネットワークストリームと一緒に配置してもよい。実施形態では、ポータブルシステムからのデータの生ストリームは、データの生ストリームがMRDS5082(図22)にプッシュされるまで、ローカルに一時的に格納されてもよい。ネットワーク上のオンラインシステム機器は、ローカルまたはリモートであるか、またはローカルエリアネットワークまたはワイドエリアネットワークに関連付けられているかどうかにかかわらず、エンドポイントと呼ぶことができることは、本開示に照らして理解されるであろう。1つまたは複数のクラウドネットワーク設備に無線で接続されていてもよい、またはされていなくてもよいポータブルデータコレクタアプリケーションでは、ネットワーク接続を必要としないかもしれない計器を詳述するように、エンドポイントという用語は省略されてもよい。
図41は、マスターブロックとして構成されたデバイスの少なくとも1つを有するそれぞれのソフトウェアブロックを有する複数のエンドポイントのさらなる実施形態および詳細を示す。ブロックの各々は、データコレクタアプリケーション(「DCA」)7000と生データサーバ(「RDS」)7002とを含んでもよい。実施形態では、各ブロックはまた、マスタ生データサーバモジュール(「MRDS」)7004、マスタデータ収集および分析モジュール(「MDCA」)7008、および監視および制御インタフェースモジュール(「SCI」)7010を含んでもよい。MRDS7004は、他のエンドポイントからネットワークストリームデータ(少なくとも)を読み取り、クラウドサービス5890およびクラウドデータ5892を含むCDMS5832を介して、1つまたは複数のクラウドネットワーク設備に転送するように構成されていてもよい。実施形態では、CDMS5832は、データを格納し、ウェブ、データ、および処理サービスを提供するように構成されてもよい。これらの例では、これは、ネットワークストリームからデータを読み取るか、またはローカルエンドポイントのすべてから変数を共有し、ローカルホストPC、ローカルコンピューティングデバイス、接続されたデバイスなどに、ネットワークストリームとTDMSフォーマットのファイルの両方として書き込むように構成されてもよいLabVIEWアプリケーションで実装されてもよい。実施形態では、CDMS5832はまた、次に、Amazonウェブサーバ上のAmazonウェブサービス(「AWS」)からのS3ウェブサービスによってサポートされ、実質的にバックエンドサーバとして機能し得るLabVIEWまたは類似のソフトウェアを使用して、このデータを適切なバケットにポストするように構成されてもよい。多くの例では、データを投稿するタイミング、スケジュールを作成または調整するタイミング、新しいデータイベントを含むイベントトリガーを作成または調整するタイミング、バッファフルメッセージを作成するタイミング、アラームメッセージを作成するタイミング、またはそれ以上のアラームメッセージを作成するタイミング、などについて、異なる基準を有効にしてもよいし、設定してもよい。
実施形態では、MDCA7008は、生データの自動化された分析だけでなく、特定の発生を追跡して注釈を付けることを含む生データのユーザー指示の分析を提供するように構成されていてもよく、その際に、レポートが生成されてもよい場所やアラームが注釈されてもよい場所に注意を払うように構成されていてもよい。実施形態では、SCI7010は、クラウドからのシステムの遠隔制御及びステータス及びアラームを生成する能力を提供するように構成されたアプリケーションであってもよい。実施形態では、SCI7010は、監視制御およびデータ収集(「SCADA」)制御システムに接続し、インターフェースし、または統合するように構成されていてもよい。実施形態では、SCI7010は、クラウドネットワーク設備5870の1つ以上に接続する任意のリモートデバイスに提供され得るリモート制御およびステータスアラートを提供するように構成されてもよいLabVIEWアプリケーションとして構成されてもよい。
実施形態では、監視されている装置は、重要な機械分析の背景情報を提供してもよいRFIDタグを含んでもよい。RFIDタグは、機械全体に関連付けられていてもよいし、個々の構成要素に関連付けられていてもよく、機械の特定の部品が交換、修理、または再構築されたときに代用されてもよい。RFIDタグは、装置の寿命に関連する永久的な情報を提供してもよく、また、少なくとも一部の新しい情報で更新するために再フラッシュされてもよい。多くの実施形態では、本明細書に開示されたDAQ機器5002は、機械、その構成要素、そのサービス履歴、および駆動図、ワイヤ図、および油圧レイアウトを含むすべてのものがどのように接続されているかの階層構造を学習するために、1つまたは複数のRFIDチップを尋問してもよい。実施形態では、RFIDタグから取得され得る情報のいくつかは、製造業者、機械の種類、モデル、シリアル番号、モデル番号、製造日、設置日、ロット番号などを含む。これらの例によって、機械類型は、以下のモータ、ギアボックス、ファン、およびコンプレッサのうちの1つまたは複数に関する情報を含むMimosaフォーマットのテーブルの使用を含んでもよい。また、機械類型は、軸受の数、その種類、その位置、およびそれらの識別番号を含んでもよい。つ以上のファンに関連する情報は、ファンの種類、羽根の数、羽根の数、およびベルトの数を含む。本開示に照らして、他の機械およびその構成要素も同様に、関連する情報が階層的に配置されていてもよく、これらの情報はすべて、1つまたは複数の機械に関連付けられた1つまたは複数のRFIDチップの尋問によって利用可能であってもよいことが理解されるであろう。
実施形態では、産業環境におけるデータ収集は、アナログセンサなどの複数のソースからのアナログ信号を複数のアナログ信号処理回路にルーティングすることを含んでもよい。アナログ信号のルーティングは、複数のアナログ入力信号のうちの任意の複数のアナログ入力信号を、アナログおよび/またはデジタル出力などの複数の出力のうちの任意の出力にルーティングしてもよいアナログクロスポイントスイッチによって達成されてもよい。産業環境におけるアナログ信号クロスポイントスイッチの出力への入力のルーティングは、アナログクロスポイントスイッチのスイッチ部分が応答する電子信号によってなど、構成可能であってもよい。
実施形態では、アナログクロスポイントスイッチは、産業環境において、複数のアナログ信号源からアナログ信号を受信してもよい。アナログ信号源は、アナログ信号を生成するセンサを含んでもよい。アナログクロスポイントスイッチによって切り替えられ得るアナログ信号を生成するセンサは、条件を検出し、条件を対応する電圧に変換するなど、条件を代表するアナログ信号に変換するセンサを含んでもよい。可変電圧によって表され得る例示的な条件は、温度、摩擦、音、光、トルク、毎分回転数、機械的抵抗、圧力、流量などを含んでもよく、これは、本開示および参照により本明細書に組み込まれた文書を通して開示された入力ソースおよびセンサによって表される条件のいずれかを含む。アナログ信号の他の形態は、可変電圧、可変電流、可変抵抗などの電気信号を含むことができる。
実施形態では、アナログクロスポイントスイッチは、産業環境において、それに入力されるアナログ信号の1つ以上の側面を保持してもよい。スイッチに統合されたアナログ回路は、バッファリングされた出力を提供してもよい。アナログ・クロスポイント・スイッチのアナログ回路は、出力上にバッファリングされた表現を生成するために、入力電圧などの入力信号に追従してもよい。これは、入力に存在するアナログ電圧または電流がアナログスイッチの選択された出力に伝搬することを可能にするリレー(機械的、ソリッドステート、およびそのようなもの)によって代替的に達成されてもよい。
実施形態では、産業環境におけるアナログクロスポイントスイッチは、複数のアナログ入力のいずれかを複数のアナログ出力のいずれかに切り替えるように構成されてもよい。例示的な実施形態は、MIMO、多重化構成を含む。アナログクロスポイントスイッチは、構成の変更により入力と出力のマッピングが変更されるように、動的に構成可能であってもよい。構成の変更は、マッピングの変更により、出力の1つまたは複数が構成変更前とは異なる入力にマッピングされるように、1つまたは複数のマッピングに適用されてもよい。
実施形態では、アナログクロスポイントスイッチは、入力のサブセットのみを同時に出力にルーティングすることができるように、出力よりも多くの入力を有してもよい。他の実施形態では、アナログクロスポイントスイッチは入力よりも多くの出力を有してもよく、それにより、単一の入力が複数の出力上で現在利用可能にされてもよく、または少なくとも1つの出力が任意の入力にマッピングされていなくてもよい。
実施形態では、産業環境におけるアナログクロスポイントスイッチは、複数のアナログ入力のいずれかを複数のデジタル出力のいずれかに切り替えるように構成されてもよい。アナログ入力からデジタル出力への変換を達成するために、アナログ/デジタル変換回路は、各入力、各出力、またはアナログ・クロスポイント・スイッチの入力と出力の間の中間点で構成されてもよい。アナログ信号源の近くに位置してもよいアナログクロスポイントスイッチにアナログ信号のデジタル化を含めることの利点には、アナログよりもデジタル信号通信が有する信号輸送コストおよび複雑さを低減し、エネルギー消費を低減し、産業環境全体に伝播する前の異常状態の検出および規制を容易にすることなどが含まれ得る。また、アナログ信号をソースの近くでキャプチャすることは、複数の信号を同時にルーティングすることを要求するような実世界の影響に対してより寛容な、改善された信号ルーティング管理を容易にすることができるかもしれない。この例では、信号の一部をローカルにキャプチャ(および保存)し、別の部分をデータ収集ネットワークを介して転送することができます。データ収集ネットワークに利用可能な帯域幅があれば、ローカルに保存された信号は、データが収集された時刻を示すタイムスタンプなどで配信することができます。この技術は、利用可能なチャネル数を超えるデータ収集チャネルに対する同時需要を有するアプリケーションに有用であるかもしれない。サンプリング制御はまた、サンプリングする価値のあるデータの指示に基づいてもよい。一例として、産業環境におけるセンサなどの信号源は、センサからのデータが利用可能なときの指示を送信するデータ有効信号を提供してもよい。
実施形態では、アナログクロスポイントスイッチの入力を出力にマッピングすることは、クロスポイントスイッチに提示され得る産業環境の一部のための信号経路計画に基づいてもよい。信号経路計画は、複数のアナログ信号経路に沿って複数のアナログ信号をルーティングすることを含んでもよい産業環境のデータ収集方法において使用されてもよい。方法は、複数のアナログ信号のうちの複数のアナログ信号を、経路計画で構成されていてもよいアナログクロスポイントスイッチの入力に個別に接続することを含んでもよい。クロスポイントスイッチは、構成された経路計画に応答して、複数のアナログ信号の一部を複数のアナログ信号経路の一部にルーティングしてもよい。
実施形態では、アナログクロスポイントスイッチは、大電流を必要とする経路に沿ってアナログ信号をルーティングするのに適しているかもしれない少なくとも1つの大電流出力駆動回路を含んでもよい。実施形態では、アナログクロスポイントスイッチは、過剰なアナログ入力信号電圧による損傷からアナログクロスポイントスイッチを保護するのを容易にするかもしれない少なくとも1つの電圧制限入力を含んでもよい。実施形態では、アナログ・クロスポイント・スイッチは、過剰なアナログ入力電流による損傷からアナログ・クロスポイント・スイッチを保護することを容易にすることができる少なくとも1つの電流制限付き入力を含んでもよい。アナログクロスポイントスイッチは、実質的な信号損失がほとんどないか、または全くない状態で入力を出力にルーティングすることを容易にする複数の相互接続されたリレーを含んでもよい。
実施形態では、アナログクロスポイントスイッチは、1つ以上のアナログ入力信号の状態を検出してもよい信号処理などの処理機能(例えば、プログラムされたプロセッサ、特殊目的プロセッサ、デジタル信号プロセッサなど)を含んでもよい。このような検出に応答して、アラームを設定すること、産業環境の別の装置にアラーム信号を送信すること、クロスポイントスイッチの構成を変更すること、1つ以上の出力を無効にすること、スイッチの一部に電源を入れること、汎用デジタル出力またはアナログ出力などの出力の状態を変更することなど、1つ以上のアクションが実行されてもよい。実施形態では、スイッチは、1つ以上の出力で信号を生成するための入力を処理するように構成されていてもよい。使用するための入力、入力のための処理アルゴリズム、信号を生成するための条件、使用するための出力などは、データ収集テンプレートで構成されてもよい。
実施形態では、アナログ・クロスポイント・スイッチは、32以上の入力と32以上の出力で構成されていてもよい。複数のアナログクロスポイントスイッチは、各スイッチが32入力および32出力よりも少ない入力および32出力を提供しているにもかかわらず、複数のクロスポイントスイッチにまたがる32入力のいずれかを32出力のいずれかに切り替えることを容易にするように構成されてもよい。
実施形態では、産業環境での使用に適したアナログ・クロスポイント・スイッチは、4つまたはそれ以下の入力および4つまたはそれ以下の出力から構成されてもよい。各出力は、マッピングされたアナログ入力に対応するアナログ出力を生成するように構成されてもよく、または対応するマッピングされた入力のデジタル表現を生成するように構成されてもよい。
実施形態では、産業環境で使用するためのアナログクロスポイントスイッチは、入力信号を出力信号からバッファリング(例えば、分離)しながら、電流、電圧範囲、オフセット、周波数、デューティサイクル、ランプレートなどの入力信号の属性の少なくとも一部を複製することを容易にする回路で構成されていてもよい。あるいは、アナログ・クロスポイント・スイッチは、バッファリングされていない入出力で構成され、それによって効果的に双方向ベースのクロスポイント・スイッチを生成することができます)。
実施形態では、産業環境で使用するためのアナログクロスポイントスイッチは、信号調整回路の使用などの損傷状態から保護され得る保護された入力を含んでもよい。保護された入力は、スイッチおよびスイッチ出力が接続される下流デバイスへの損傷を防ぐことができます。一例として、そのようなアナログクロスポイントスイッチへの入力は、入力信号の電圧が入力保護閾値を超えることを防止する電圧クリッピング回路を含んでもよい。アクティブ電圧調整回路は、入力に存在する最大電圧が安全な閾値を超えないように、入力信号を一様に減少させることにより、入力信号をスケーリングしてもよい。別の例として、そのようなアナログクロスポイントスイッチへの入力は、最大入力保護電流閾値を超える電流がスイッチに入るのではなく保護回路を通って迂回されるようにする電流シャント回路を含んでもよい。アナログスイッチの入力は、静電気放電および/または落雷から保護されてもよい。アナログクロスポイントスイッチへの入力に適用され得る他の信号調整機能は、有効な入力信号と入力上に存在し得る低電圧ノイズとの区別を容易にしようとする電圧スケーリング回路を含んでもよい。しかしながら、実施形態では、アナログクロスポイントスイッチへの入力は、信号への影響を最小にするために、バッファリングされていないおよび/または保護されていないものであってもよい。アラーム信号などの信号、または本明細書に記載されているような保護スキームを容易に許容できない信号は、アナログクロスポイントスイッチのバッファリングされていない入力に接続されてもよい。
実施形態では、アナログ・クロスポイント・スイッチは、入力信号のアラーム監視を容易にする回路、ロジック、および/または処理要素で構成されていてもよい。そのようなアナログクロスポイントスイッチは、アラーム条件を満たす入力を検出し、それに応答して、入力の切り替え、入力の出力へのマッピングの切り替え、入力の無効化、出力の無効化、アラーム信号の発行、汎用出力の有効化/無効化などを行ってもよい。
実施形態では、産業環境でデータを収集するためのシステムは、アナログクロスポイントスイッチの一部またはアナログクロスポイントスイッチに関連付けられた回路、例えば入力保護装置、入力コンディショニング装置、スイッチ制御装置などに選択的に電源をオンまたはオフにするように適合されてもよいアナログクロスポイントスイッチを含んでもよい。パワーオン/オフされてもよいアナログクロスポイントスイッチの部分は、出力、入力、スイッチのセクションおよびそのようなものを含んでもよい。一例では、アナログクロスポイントスイッチは、スイッチの一部を独立して給電されるセクションに分離してもよいモジュール構造を含んでもよい。基準を満たす入力信号や、アナログクロスポイントスイッチに提示された構成値などの条件に基づいて、1つまたは複数のモジュール式セクションが電源オン/オフされてもよい。
また、他の入力に対する入力信号の位相の導出、基準(基準クロック)に対する入力信号の位相の導出、検出されたアラーム入力状態に対する入力信号の位相の導出などが可能です。そのようなアナログ・クロスポイント・スイッチの他の信号処理機能は、デルタ・シグマA/Dのための入力のオーバーサンプリング、より低いサンプリング・レートの出力を生成するためのオーバーサンプリング、AAフィルタ要件を最小化するためのオーバーサンプリングなどを含んでもよい。このようなアナログ・クロスポイント・スイッチは、入力が切り替わっても一定のサンプリング・レートでのロング・ブロック・サンプリングをサポートしてもよく、これは入力信号レートの独立性を容易にし、サンプリング・スキームの複雑さを減少させてもよい。一定のサンプリングレートは、基準クロックの複数の構成要素を利用可能にするクロック分周回路などの回路によって生成され得るレートの複数の中から選択されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境におけるデータ収集/データルーティングテンプレートの実装をサポートするように適合されていてもよいアナログクロスポイントスイッチを含んでもよい。アナログクロスポイントスイッチは、1つ以上の基準(例えば、第1の状態から第2の状態への信号の遷移、所定の時間インターフェース(例えば、非アクティブ入力)内での入力信号の遷移の欠如など)を満たす入力信号など、検出または導出され得る産業環境内の条件に基づいて、データ収集/データルーティングテンプレートを実装してもよい。
実施形態では、産業環境でデータを収集するためのシステムは、データ収集テンプレートの一部から構成されるように適合されてもよいアナログクロスポイントスイッチを含んでもよい。構成は、テンプレート内の時間パラメータなどに基づいて、自動的に(構成アクションまたは構成の変更を実行するための人間の介入を必要とせずに)行われてもよい。コンフィグレーションは、例えば、アナログ・クロスポイント・スイッチのスイッチ・コンフィグレーション機能によって検出可能なリモート・ロケーションからの信号を送信することによって、リモートで行われてもよい。コンフィグレーションは、例えば、アナログクロスポイントスイッチのコンフィグレーション機能によって検出可能な条件(例えば、タイマー、入力条件、出力条件など)に基づいて動的に行われてもよい。実施形態では、アナログ・クロスポイント・スイッチを構成するための情報は、ストリーム、制御ラインのセット、データ・ファイル、インデックス化されたデータ・セットなどとして提供されてもよい。実施形態では、スイッチのデータ収集テンプレート内の構成情報は、各入力および対応する出力のリスト、各出力機能(アクティブ、非アクティブ、アナログ、デジタルおよびそのようなもの)のリスト、構成を更新するための条件(例えば、条件を満たす入力信号、トリガ信号、時間(別の時間/イベント/状態に対する相対的なもの、または絶対的なもの)、構成の継続時間、およびそのようなものを含んでもよい。実施形態では、スイッチの構成は、所定の出力に対する第1の入力から第2の入力への切り替えがプロトコルに基づいて行われるように、入力信号プロトコルを認識していてもよい。例示的な実施形態では、第1のビデオ信号から第2のビデオ信号に切り替えるために、スイッチで構成変更が開始されてもよい。構成回路は、入力信号のプロトコルを検出し、水平または垂直リフレッシュの間など、ビデオ信号の同期位相の間に第2のビデオ信号への切り替えを行ってもよい。他の例では、スイッチングは、入力のうちの1つ以上がゼロボルトであるときに発生してもよい。これは、ゼロボルト未満からゼロボルト以上に遷移する正弦波信号に対して発生してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、スイッチに入力されたアナログ信号をデジタル出力に変換することによってデジタル出力を提供するように適合されていてもよいアナログクロスポイントスイッチを含んでもよい。変換は、データ収集テンプレートなどに基づいてアナログ入力を切り替えた後に行われてもよい。実施形態では、スイッチ出力の一部はデジタルであり、一部はアナログであってもよい。各出力またはそのグループは、データ収集テンプレートに含まれる、またはデータ収集テンプレートから派生したアナログクロスポイントスイッチ出力構成情報に基づいて、アナログまたはデジタルとして構成可能であってもよい。アナログクロスポイントスイッチの回路は、入力信号の電圧範囲を感知し、それに応じてアナログ-デジタル変換機能をインテリジェントに構成してもよい。一例として、第1の入力は12ボルトの電圧範囲を有し、第2の入力は24ボルトの電圧範囲を有してもよい。これらの入力のためのアナログ-デジタル変換回路は、デジタル値の全範囲(例えば、8ビット信号のための256レベル)が、第1の入力のための12ボルトおよび第2の入力のための24ボルトに実質的に線形にマッピングされるように調整されてもよい。
実施形態では、アナログクロスポイントスイッチは、接続されたアナログ信号の特性に基づいて入力回路を自動的に構成してもよい。回路構成の例は、最大電圧、感知された最大閾値に基づく閾値、接地基準の上および/または下の電圧範囲、オフセット基準、およびそのようなものを設定することを含んでもよい。また、アナログクロスポイントスイッチは、電圧信号、電流信号などをサポートするように入力を適応させてもよい。アナログクロスポイントスイッチは、ビデオ信号プロトコル、オーディオ信号プロトコル、デジタル信号プロトコル、入力信号周波数特性に基づくプロトコルなどの入力信号のプロトコルを検出してもよい。入力信号に基づいて適応されてもよいアナログクロスポイントスイッチの入力の他の側面は、信号のサンプリングの持続時間、およびコンパレータまたは差動タイプの信号、およびそのようなものを含んでもよい。
実施形態では、アナログクロスポイントスイッチは、アナログ信号が値を変化させることなく(例えば、一定の電圧で)長期間にわたってそれを通過したときに発生する可能性のある入力信号のドリフトおよび/またはリークを打ち消すための機能性を有するように構成されてもよい。技術は、昇圧、電流注入、周期的なゼロ参照(例えば、入力を一時的にグランドなどの基準信号に接続する、グランド基準に高抵抗の経路を適用する、など)を含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、コンベヤおよび/またはリフターを含む。組立ラインに配備されたアナログクロスポイントスイッチを含んでもよい。パワーローラコンベヤシステムは、パスに沿って製品を配送する多数のローラを含む。ローラの適切な動作、ローラ上に置かれた荷重、製品の蓄積などを監視することができるパスに沿って多くのポイントが存在してもよい。パワーローラコンベヤシステムはまた、より長い距離を通って製品を移動させることを容易にすることができ、したがって、一度に多くの製品を搬送することができる。このような組立環境におけるデータ収集のためのシステムは、搬送経路に沿った多数の位置だけでなく、広範囲の条件を検出するセンサを含んでもよい。製品が搬送経路を進むにつれて、いくつかのセンサはアクティブであってもよいし、製品が通過したセンサのような他のセンサは非アクティブであってもよい。データ収集システムは、アナログクロスポイントスイッチを使用して、非アクティブなセンサに接続する入力からアクティブなセンサに接続する入力に切り替えることにより、現在アクティブであるかまたはアクティブであると予想されるセンサのみを選択し、それにより、最も有用なセンサ信号をデータ検出および/または収集および/または処理設備に提供してもよい。実施形態では、アナログクロスポイントスイッチは、製品の活動を監視し、組立環境に関連付けられた制御プログラムまたはデータ収集テンプレートに基づいて、異なる入力を特定の出力に指示するようにアナログクロスポイントスイッチを指示するコンベア制御システムによって構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業用コンポーネントとしてのファンの使用を構成する工場内に配置されたアナログクロスポイントスイッチを含んでもよい。実施形態では、工場の設定におけるファンは、乾燥、排気管理、清浄な空気の流れなどを含む様々な機能を提供してもよい。多数のファンの設置では、ファンの回転速度、トルクなどを監視することは、ファンによって生成される気流の潜在的な問題の早期発見に有益であるかもしれない。しかし、多数のファンについてこれらの要素を同時に監視することは非効率的な場合がある。したがって、タコメータ、トルクメータなどのセンサが各ファンに配置され、それらのアナログ出力信号がアナログクロスポイントスイッチに提供されてもよい。限定された数の出力、またはセンサデータを処理することができる少なくとも限定された数のシステムでは、アナログクロスポイントスイッチは、多数のセンサの中から選択して、利用可能なセンサ信号のサブセットをデータ収集、監視、および処理システムに渡すために使用されてもよい。一例では、ファンのグループに配置されたセンサからのセンサ信号は、クロスポイントスイッチの出力に切り替えられるように選択されてもよい。このファンのグループに対するセンサ信号の十分な収集および/または処理が行われると、アナログクロスポイントスイッチは、処理される別のファンのグループからの信号を切り替えるように再構成されてもよい。
実施形態では、産業環境でのデータ収集のためのシステムは、タービンベースの電力システムの産業用コンポーネントとして展開されたアナログクロスポイントスイッチを含むことができます。水力発電システムなどのタービンシステムにおける振動のための監視は、ダウンタイムの短縮という利点を提供することが実証されている。しかし、相対軸振動、軸受絶対振動、タービンカバー振動、スラスト軸受軸振動、ステータコア振動、ステータバー振動、ステータ端巻振動など、振動のために監視すべき領域が非常に多く、特にオンライン振動監視のためには、これらの振動の種類ごとに数個ずつセンサからサンプルを採取するように、このリストの中から時間をかけて選択することが有益である場合がある。アナログクロスポイントスイッチを含むデータ収集システムは、各振動センサをアナログクロスポイントスイッチの別個の入力に接続し、その入力のサブセットを出力するようにスイッチを構成することによって、この機能を提供することができる。コンピュータなどの振動データ処理システムは、どのセンサがアナログクロスポイントスイッチを通過するかを決定し、それに応じて振動解析を実行するためのアルゴリズムを構成してもよい。一例として、タービンカバーの振動を捕捉するためのセンサは、センサ信号からタービンカバーの振動を決定するようにアルゴリズムが構成されたシステムに渡されるように、アナログクロスポイントスイッチ内で選択されてもよい。タービンカバー振動の決定が完了すると、クロスポイントスイッチは、スラストベアリングの軸方向振動センサ信号を渡すように構成され、対応する振動解析アルゴリズムがデータに適用されるように構成されていてもよい。このようにして、各タイプの振動は、処理のために特定のセンサ信号を渡すためにアナログクロスポイントスイッチと協調して動作する単一の処理システムによって解析されてもよい。
図44を参照すると、産業環境でデータを収集するためのアナログクロスポイントスイッチが描かれている。アナログクロスポイントスイッチ7022は、産業環境のセンサ7026に接続する複数の入力7024を有してもよい。アナログクロスポイントスイッチ7022はまた、アナログ/デジタル変換器7030、アナログ比較器7032などのデータ収集インフラストラクチャに接続する複数の出力7028を含んでもよい。アナログクロスポイントスイッチ7022は、コントローラ7034等によってそれに提供されてもよいスイッチ制御値を解釈することによって、1つ以上の入力7024を1つ以上の出力7028に接続することを容易にしてもよい。
産業環境におけるデータ収集のための例示的なシステムは、複数の入力および複数の出力を含むアナログクロスポイントスイッチの少なくとも1つの入力にそれぞれ接続するアナログ信号源を含み、アナログクロスポイントスイッチは、入力信号源の一部を複数の出力に切り替えるように構成可能である。
特定の実施形態では、アナログクロスポイントスイッチは、クロスポイントスイッチに入力されたアナログ信号の一部を代表的なデジタル信号に変換するアナログ/デジタル変換器をさらに含み、出力の一部はアナログ出力を含み、出力の一部はデジタル出力を構成する;および/または、ここで、アナログクロスポイントスイッチは、1つ以上のアナログ入力信号の状態を検出するように適合されている。例示的な実施形態のうちの任意の1つ以上のアナログ入力信号条件は、信号の電圧範囲を含み、ここで、アナログクロスポイントスイッチは、検出された電圧範囲に適合するように入力回路を応答的に調整する。
産業環境におけるデータ収集の例示的なシステムは、多数の産業用センサによって感知される環境における産業機械の状態を代表するアナログ信号を生成する多数の産業用センサと、アナログ信号を受信し、クロスポイントスイッチに提示された信号経路計画に基づいて、クロスポイントスイッチの別個のアナログ出力にアナログ信号をルーティングするクロスポイントスイッチとを含む。特定の実施形態では、アナログクロスポイントスイッチは、クロスポイントスイッチに入力されたアナログ信号の一部を代表的なデジタル信号に変換するアナログ/デジタル変換器をさらに含み、ここで、出力の一部はアナログ出力を含み、出力の一部はデジタル出力を含み、ここで、アナログクロスポイントスイッチは、1つ以上のアナログ入力信号の状態を検出するように適合されており、ここで、1つ以上のアナログ入力信号の状態は、信号の電圧範囲を含み、および/または、アナログクロスポイントスイッチは、検出された電圧範囲に適合するように入力回路を応答的に調整する。
産業環境におけるデータ収集の例示的な方法は、複数のアナログ信号の複数をアナログクロスポイントスイッチの入力に個別に接続することにより、複数のアナログ信号を複数のアナログ信号経路に沿ってルーティングすることと、産業環境ルーティングのためのデータ収集テンプレートからのデータルーティング情報を用いてアナログクロスポイントスイッチを構成することと、構成されたアナログクロスポイントスイッチを用いて、複数のアナログ信号の数の一部を複数のアナログ信号経路の一部にルーティングすることとを含む。特定のさらなる実施形態では、アナログクロスポイントスイッチの少なくとも1つの出力は高電流ドライバ回路を含み、アナログクロスポイントスイッチの少なくとも1つの入力は電圧制限回路を含み、および/またはアナログクロスポイントスイッチの少なくとも1つの入力は電流制限回路を含む。特定のさらなる実施形態では、アナログクロスポイントスイッチは、複数の入力のいずれかを複数の出力のいずれかに接続することを容易にする複数の相互接続リレーを含み;アナログクロスポイントスイッチは、クロスポイントスイッチに入力されたアナログ信号の一部を代表的なデジタル信号に変換するアナログ/デジタル変換器をさらに含み;アナログクロスポイントスイッチは、1つ以上のアナログ入力信号の状態を検出し、それに応答して、アクション(例えば、アラームを設定する、スイッチ構成を変更する、スイッチ構成を変更する、アクションを実行する)を実行するための信号処理機能をさらに含む。アラームの設定、スイッチ構成の変更、1つ以上の出力の無効化、スイッチの一部の電源オフ、汎用(デジタル/アナログ)出力の状態の変更など)を実行するための信号処理機能をさらに含む。出力の一部がアナログ出力であり、出力の一部がデジタル出力である場合、アナログクロスポイントスイッチは、1つ以上のアナログ入力信号の状態を検出するように適合されている。アナログ・クロスポイント・スイッチが、1つまたは複数のアナログ入力信号状態を検出することに応答して、1つまたは複数のアクションを取るように適合されており、1つまたは複数のアクションは、アラームを設定すること、アラーム信号を送信すること、アナログ・クロスポイント・スイッチの構成を変更すること、出力を無効にすること、アナログ・クロスポイント・スイッチの一部の電源をオフにすること、アナログ・クロスポイント・スイッチの一部の電源をオンにすること、および/またはアナログ・クロスポイント・スイッチの汎用出力を制御することを含む。
例示的なシステムは、アナログクロスポイントスイッチの記載された動作のいずれかを含む、コンベヤのパワーローラを含む。限定することなく、さらなる例示的な実施形態は、パワーローラの回転率、パワーローラによって搬送される負荷、パワーローラによって消費される電力、および/またはパワーローラの加速率を決定するために、センサによってパワーローラの状態を感知することを含む。例示的なシステムは、アナログクロスポイントスイッチの説明された動作のいずれかを含む、工場設定のファンを含む。限定されることなく、特定のさらなる実施形態は、ファンブレードの先端速度、トルク、背圧、回転数、および/またはファンによって変位される単位時間当たりの空気量を含む、ファンの状態を感知するために処分されたセンサを含む。例示的なシステムは、アナログクロスポイントスイッチの記載された動作のいずれかを含む、発電環境におけるタービンを含む。限定することなく、特定のさらなる実施形態は、タービンの状態を感知するために配置された多数のセンサを含み、感知された状態は、相対的なシャフト振動、軸受の絶対振動、タービンカバーの振動、スラスト軸受の軸方向振動、ステータまたはステータコアの振動、ステータバーの振動、および/またはステータ端部巻線の振動を含む。
実施形態では、産業環境におけるデータ収集の方法およびシステムは、複数の産業用状態センシングおよび捕捉モジュールを含み、そのモジュールのセンシングおよび捕捉機能の一部を制御してもよいモジュールごとに少なくとも1つのプログラマブル・ロジック・コンポーネントを含んでもよい。各モジュール上のプログラマブル・ロジック・コンポーネントは、データ・チャネルおよび制御チャネルを含んでもよい専用ロジック・バスによって相互に接続されてもよい。専用ロジックバスは、他の感知および捕捉モジュール上の他のプログラマブルロジックコンポーネントに論理的および/または物理的に拡張してもよい。実施形態では、プログラマブルロジックコンポーネントは、専用相互接続バスを介して、専用相互接続バスの専用プログラミング部分を介して、プログラマブルロジックコンポーネント、センシングおよびアクイジションモジュール、またはシステム全体の間で渡されるプログラムを介してプログラミングされてもよい。産業環境データセンシングおよび取得システムで使用するためのプログラマブルロジックコンポーネントは、複雑なプログラマブルロジックデバイス、アプリケーションに特化した集積回路、マイクロコントローラ、およびそれらの組み合わせであってもよい。
産業用データ収集環境におけるプログラマブル・ロジック・コンポーネントは、データ収集に関連した制御機能を実行してもよい。制御の例としては、アナログチャネル、センサ、アナログレシーバ、アナログスイッチ、プログラマブルロジックコンポーネントが配置されているロジックモジュール(例えば、ロジックボード、システムなど)の一部の電力制御、自己パワーアップ/ダウン、自己スリープ/ウェイクアップなどが挙げられる。これらのような制御機能および他の機能は、単一のデータ収集モジュール上の他のコンポーネントおよび他のそのようなモジュール上のコンポーネントなどの他のプログラマブルロジックコンポーネントの制御機能および動作機能と協調して実行されてもよい。プログラマブルロジックコンポーネントが提供する他の機能は、入力信号の状態検出のための正確な電圧基準などの電圧基準の生成を含んでもよい。プログラマブル・ロジック・コンポーネントは、基準の電圧、その許容範囲などを生成、設定、リセット、調整、較正、またはその他の方法で決定してもよい。プログラマブルロジックコンポーネントの他の機能は、ゆっくりと遷移する入力信号の追跡を容易にするためにデジタル位相ロックループを可能にし、さらに、そのような信号の位相を検出することを容易にすることを含んでもよい。トリガ信号、他のアナログ入力、オンボード参照(例えば、オンボードタイマ)などに対する相対的な位相を含む相対的な位相検出も実装されてもよい。プログラム可能な論理コンポーネントは、入力信号のピーク電圧検出を実行するようにプログラムされてもよく、入力信号回路を制御するようにプログラムされてもよく、例えば、入力の動作電圧範囲に対する入力の自動スケーリングを実装するようにプログラムされてもよい。プログラマブル・ロジック・コンポーネントにプログラムされてもよい他の機能は、動作周波数とは独立して入力をサンプリングするための適切なサンプリング周波数を決定することを含んでもよい。プログラム可能な論理コンポーネントは、複数の入力信号のうちの最大周波数を検出し、検出された最大周波数よりも大きい入力信号のそれぞれについてサンプリング周波数を設定するようにプログラムされてもよい。
プログラマブル・ロジック・コンポーネントは、マルチプレクサ、クロスポイント・スイッチ、アナログ/デジタル変換器などのデータ・ルーティング・コンポーネントを構成し、制御するようにプログラムされ、産業環境のためのデータ収集テンプレートを実装してもよい。データ収集テンプレートは、プログラム可能なロジックコンポーネントのプログラムに含まれていてもよい。あるいは、データ収集テンプレートを解釈して産業環境のデータルーティングリソースを構成および制御するアルゴリズムがプログラムに含まれていてもよい。
実施形態では、産業環境における1つ以上のプログラマブルロジックコンポーネントは、スマートバンド信号の分析およびテストを実行するようにプログラムされてもよい。そのような分析およびテストの結果は、スマートバンドデータ収集アクションをトリガすることを含んでもよく、そのアクションは、産業環境における1つ以上のデータルーティングリソースを再構成することを含んでもよい。プログラマブルロジックコンポーネントは、プログラマブルロジックコンポーネントに局所的であってもよい1つ以上のセンサからの信号アクティビティの収集および検証などのスマートバンド分析の一部を実行するように構成されてもよい。複数のプログラマブルロジックコンポーネントからのスマートバンド信号分析結果は、他のプログラマブルロジックコンポーネント、サーバ、機械学習システムなどによってさらに処理されて、スマートバンドへの適合性を決定してもよい。
実施形態では、産業環境における1つ以上のプログラマブル・ロジック・コンポーネントは、消費電力の削減(例えば、必要に応じてリソースのオン/オフの電力供給)、ユーザ認証の管理による産業環境のセキュリティの実装などの結果のために、データ・ルーティング・リソースおよびセンサを制御するようにプログラムされてもよい。実施形態では、マルチプレクサなどの特定のデータルーティングリソースは、特定の入力信号タイプをサポートするように構成されてもよい。プログラマブルロジックコンポーネントは、リソースにルーティングされる信号のタイプに基づいてリソースを構成してもよい。実施形態では、プログラマブルロジックコンポーネントは、構成可能なセンサにルーティングリソースに提示するプロトコルまたは信号タイプを指示することにより、センサとデータルーティングリソースの信号タイプマッチングの調整を容易にしてもよい。プログラマブルロジックコンポーネントは、アナログクロスポイントスイッチなどのデータルーティングリソースに入力される信号のプロトコルの検出を容易にしてもよい。検出されたプロトコルに基づいて、プログラマブルロジックコンポーネントは、プロトコルのサポートおよび効率的な処理を容易にするようにルーティングリソースを構成してもよい。一例では、産業環境におけるデータ収集モジュールを構成するプログラマブルロジックコンポーネントは、IEEE 1451.2 intelligent sensor interface specificationのようなインテリジェントセンサインタフェース仕様を実装してもよい。
実施形態では、産業環境において、複数のデータセンシング、収集、および/またはルーティングモジュールに亘ってプログラマブルロジックコンポーネントを分配することは、より大きな機能性およびローカルな相互運用制御を容易にするかもしれない。一例では、モジュールは、各モジュールに関連付けられた1つ以上のプログラマブル・ロジック・コンポーネントにインストールされたプログラムに基づいて、独立して動作機能を実行してもよい。2つのモジュールは、実質的に同一の物理コンポーネントで構成されていてもよいが、モジュール上のプログラマブル・ロジック・コンポーネントにロードされたプログラムに基づいて、産業環境において異なる機能を実行してもよい。このようにして、1つのモジュールに障害が発生したり、電源が落ちたりしても、他のモジュールは、それぞれが独自のプログラマブル・ロジック・コンポーネントを持っていることにより、その機能を実行し続けることができます。実施形態では、産業環境で複数のデータ収集モジュールに分散した複数のプログラマブル・ロジック・コンポーネントを構成することで、感知される環境の条件、感知されたデータを産業環境全体にルーティングするためのデータ・ルーティング・オプションの数、感知される条件の種類、環境のコンピューティング能力などの点でスケーラビリティが促進される可能性がある。
実施形態では、プログラマブル・ロジック・コントローラで構成されたデータ収集およびルーティング・システムは、分散型台帳などのストレージ・ノードとして使用するための外部システムの検証を容易にすることができます。プログラマブルロジックコンポーネントは、外部ストレージノードなどの外部システムと通信するためのプロトコルの検証を実行するようにプログラムされてもよい。
実施形態では、CPLDなどのプログラマブル・ロジック・コンポーネントのプログラミングは、データ・センシング、収集、および構成の違いの範囲に対応するために実行されてもよい。実施形態では、センサを追加および/または除去するとき、センサタイプを変更するとき、センサ構成または設定を変更するとき、データストレージ構成を変更するとき、データ収集テンプレートをデバイスプログラムに埋め込むとき、データ収集モジュールを追加および/または除去するとき(例えば、システムをスケーリングするとき)、高コストのデバイスよりも機能性またはリソースが制限される可能性がある低コストのデバイスが使用されるときなどに、再プログラミングが1つまたは複数のコンポーネント上で実行されてもよい。プログラマブル・ロジック・コンポーネントは、専用のプログラマブル・ロジック・デバイス・プログラミング・チャネルを介して、デイジーチェーン・プログラミング・アーキテクチャを介して、プログラマブル・ロジック・コンポーネントのメッシュを介して、相互接続されたコンポーネントのハブアンドスポーク・アーキテクチャを介して、リング構成を介して(例えば、通信トークンを使用して)、他のプログラマブル・コンポーネントのためのプログラムを伝搬するようにプログラムされてもよい。
実施形態では、専用の制御バスによって接続された分散型プログラマブルロジックデバイスを含む。産業環境におけるデータ収集のためのシステムが、石油および/またはガス田のような石油およびガスハーベスティング環境における掘削機械とともに配備されてもよい。穿孔機は、穿孔作業中に操作され、監視され、調整されてもよい多くのアクティブ部分を有する。クラウンブロックを監視するためのセンサは、ブローアウト防止装置などを監視するためのセンサから物理的に分離されていてもよい。センサのこのような広範囲で多様な処分の制御を効果的に維持するために、複雑なプログラマブルロジックデバイス(「CPLD」)のようなプログラマブルロジックコンポーネントが、穿孔機全体に分散していてもよい。各CPLDは、限られたセンサセットの操作を容易にするためのプログラムで構成されてもよいが、CPLDの少なくとも一部は、センサ制御、操作、および使用の調整を容易にするために、専用のバスで接続されてもよい。一例では、一連のセンサは、流量、密度、泥水タンクレベルなどを監視するために、泥水ポンプなどに近接して配置されてもよい。センサおよびセンサ信号のルーティングおよび収集リソースを操作するために、1つまたは複数のCPLDが、各センサ(またはセンサ群)とともに配置されてもよい。この泥ポンプ群のCPLDは、センサおよびデータ収集リソースの制御などの調整を容易にするために、専用の制御バスによって相互に接続されてもよい。この専用バスは、他の部分(例えば、クラウンブロックなど)のCPLDが、掘削機の部分を介してデータ収集および関連する活動を調整してもよいように、物理的および/または論理的に掘削機の泥ポンプ制御部分を越えて延びていてもよい。
実施形態では、専用の制御バスによって接続された分散型プログラマブルロジックデバイスを含む。産業環境におけるデータ収集のためのシステムが、石油および/またはガス田のような石油およびガスハーベスティング環境におけるコンプレッサとともに展開されてもよい。コンプレッサは、石油・ガス産業において様々なガスを圧縮するために使用されており、その目的には、フラッシュガス、ガスリフト、再注入、昇圧、蒸気回収、ケーシングヘッドなどが含まれている。これらの異なるコンプレッサ機能のためにセンサからデータを収集するには、実質的に異なる制御体制が必要になる場合がある。異なる制御レジームでプログラムされた CPLD を配布することは、これらの多様なデータ収集要件に対応するためのアプローチです。1つまたは複数のCPLDは、異なるコンプレッサ機能のためのセンサのセットと一緒に配置されてもよい。専用の制御バスは、圧縮機インスタンス内および圧縮機インスタンス間でのCPLDの制御および/またはプログラミングの調整を容易にするために使用されてもよい。一例では、1つのCPLDは、フラッシュガス圧縮のための圧縮機関連の条件を収集するために配置されたセンサのためのデータ収集インフラストラクチャを管理するように構成されてもよく、第2のCPLDまたはCPLDのグループは、蒸気回収ガス圧縮のための圧縮機関連の条件を収集するために配置されたセンサのためのデータ収集インフラストラクチャを管理するように構成されてもよい。これらのCPLDのグループは、制御プログラムを動作させてもよい。
実施形態では、専用の制御バスによって接続された分散型プログラマブルロジックデバイスを含む。産業環境におけるデータ収集のためのシステムが、モジュール式インパルス蒸気タービンなどの石油およびガス生産のためのタービンを有する製油所に配備されてもよい。インパルス蒸気タービンからデータを収集するためのシステムは、インパルス蒸気タービンの特定の機能に適合した複数の状態検知・収集モジュールで構成されてもよい。これらのモジュールと一緒にCPLDを配布することで、個々の設備に合わせた適応可能なデータ収集を容易にすることができます。例えば、先端回転率、ブレードの温度上昇、インパルス圧力、ブレード加速率などのブレードの状態は、これらの状態を検出するためのセンサで構成されたデータ収集モジュールで取得することができます。他のモジュールは、バルブに関連したデータを収集するように構成されてもよい(例えば、マルチバルブ構成では、1つまたは複数のモジュールが、各バルブまたはバルブのセットに対して構成されてもよい)、タービン排気(例えば、半径方向排気データ収集は、軸方向排気データ収集とは異なるように構成されてもよい)、タービン速度検出は、固定速度対可変速度の実施形態に対して異なるように構成されてもよい。さらに、インパルスガスタービンシステムは、コンバインドサイクルシステム、コージェネレーションシステム、太陽光発電システム、風力発電システム、水力発電システムなどの他のシステムと一緒に設置されてもよい。また、これらの設置に必要なデータ収集要件も異なる場合がある。CPLD用の専用相互接続バスを使用するCPLDベースのモジュール式データ収集システムを使用すると、各モジュールをシャットダウンしたり、物理的にアクセスしたりすることなく、各モジュールのプログラミングおよび/または再プログラミングを直接行うことが容易になる場合がある。
図 45 を参照して、制御および/またはプログラミングのためのバスで相互接続された分散 CPLD で構成される産業環境におけるデータ収集のためのシステムの例示的な実施形態が描かれている。例示的なデータ収集モジュール7200は、センサ7202などのような1つまたは複数のデータ収集システムリソースを制御するための1つまたは複数のCPLD7206で構成されていてもよい。CPLDが制御する他のデータ収集リソースは、クロスポイントスイッチ、マルチプレクサ、データコンバータなどを含んでもよい。モジュール上のCPLDは、データ収集モジュールを越えて他のデータ収集モジュール上のCPLDまで延びていてもよい専用ロジックバス7204などのバスによって相互接続されていてもよい。モジュール7200などのデータ収集モジュールは、産業機械7208(例えば、インパルスガスタービン)および/または7210(例えば、コージェネレーションシステム)などの環境で構成されてもよい。CPLDの制御および/または構成は、環境内のコントローラ7212によって処理されてもよい。データ収集およびルーティングリソースおよび相互接続(図示せず)もまた、データ収集モジュール7200内および間、ならびに産業用機械7208および7210間および/またはインターネットポータル、データ分析サーバなどの外部システムとの間で構成され、データ収集、ルーティング、記憶、分析などを容易にすることができる。
産業環境におけるデータ収集のための例示的なシステムは、複数の産業用状態センシングおよび取得モジュールを含み、各モジュール上に配置されたプログラマブル・ロジック・コンポーネントを備え、プログラマブル・ロジック・コンポーネントは、対応するモジュールのセンシングおよび取得機能の一部を制御する。システムは、複数のモジュールのうちの少なくとも1つのモジュール上に配置された少なくとも1つのプログラマブルロジックコンポーネントを相互接続するために専用の通信バスを含む。実施形態では、通信バスは、他のセンシングおよび取得モジュール上の他のプログラマブルロジックコンポーネントにまで及ぶ。
特定のさらなる実施形態では、システムは、通信バスを介してプログラムされたプログラマブル・ロジック・コンポーネントを含み、通信バスは、プログラマブル・ロジック・コンポーネントのプログラム専用の部分を含み、以下のような電力制御機能によってモジュールの感知および取得機能の一部を制御すること、センサ、マルチプレクサ、モジュールの一部、および/またはプログラマブル・ロジック・コンポーネントのスリープモードを制御すること。センサ、マルチプレクサ、モジュールの一部、および/またはプログラマブル・ロジック・コンポーネントのスリープ・モードを制御すること;モジュール上に配置されたセンサおよび/またはアナログ/デジタル変換器に電圧基準を提供することにより、モジュール上に配置された少なくとも2つのセンサから得られる少なくとも2つのアナログ信号の相対的な位相を検出することにより、モジュールのセンシングおよび取得機能の一部を制御すること;モジュール上に配置された少なくとも2つのセンサから得られる少なくとも2つのアナログ信号の相対的な位相を検出することにより、モジュールのセンシングおよび取得機能の一部を制御すること、など。モジュール上に配置された少なくとも1つのセンサによって提供されるデータのサンプリングを制御することによって;モジュール上に配置されたセンサによって提供される信号のピーク電圧を検出することによって;および/または、少なくとも1つの入力および1つの出力のマッピングをマルチプレクサに指定することによって、モジュール上に配置された少なくとも1つのマルチプレクサを構成することによって、モジュール上に配置された少なくとも1つのマルチプレクサを構成する。特定の実施形態では、通信バスは、他の状態検出および/または取得モジュール上の他のプログラマブル・ロジック・コンポーネントに拡張される。特定の実施形態では、モジュールは、産業環境条件感知モジュールであってもよい。特定の実施形態では、モジュール制御プログラムは、IEEE1451.2互換のインテリジェントセンサインタフェース通信プロトコルなどのインテリジェントセンサインタフェース通信プロトコルを実装するためのアルゴリズムを含む。特定の実施形態では、プログラマブルロジックコンポーネントは、スマートバンドデータ収集テンプレートを実装するために、プログラマブルロジックコンポーネントおよび/またはセンシングまたはアクイジションモジュールを構成することを含む。例示的かつ非限定的なプログラマブルロジックコンポーネントには、フィールドプログラマブルゲートアレイ、複雑なプログラマブルロジックデバイス、および/またはマイクロコントローラが含まれる。
例示的なシステムは、石油およびガス田で使用される掘削機を含み、掘削機の側面を監視するための状態検出および/または取得モジュールを有する。限定されないが、さらなる例示的なシステムは、コンプレッサの監視および/またはインパルス蒸気エンジンの監視を含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、信号マルチプレクサの共通出力を共有するトリガ信号および少なくとも1つのデータ信号を含んでもよく、トリガ信号の状態などの産業環境における状態が検出されると、共通出力は、データ信号またはトリガ信号のいずれかを伝搬するように切り替えられる。データ信号とトリガ信号の間で出力を共有することで、産業環境で個別にルーティングされた信号の数を減らすことができます。個別にルーティングされた信号を減らすことの利点は、データ収集モジュール間の相互接続の数を減らし、それによって産業環境の複雑さを減らすことを含んでもよい。個別にルーティングされた信号を減らすためのトレードオフは、信号の検出および条件付きスイッチングを実装するための信号スイッチングモジュールにおけるロジックの高度化を含むかもしれない。この追加された局所化されたロジックの複雑さの純利益は、産業環境におけるこのようなデータ収集システムの実装の複雑さの全体的な減少であってもよい。
例示的な展開環境は、トリガ検出を実行するのに十分なコンピューティングの洗練されたモジュールに追加のトリガ信号を伝送するための別個のトリガサポートを持たない既存のデータ収集システムのような、トリガ信号チャネルの制限を持つ環境を含んでもよい。別の例示的な展開環境は、データ収集を実行するために少なくともいくつかの自律制御を必要とするシステムを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、トリガ入力などの第1の入力と、第1の入力の状態に基づいてデータ入力などの第2の入力とを切り替えるアナログスイッチを含んでもよい。トリガ入力は、基準またはトリガしきい値電圧に対する低い電圧から高い電圧への相対的な電圧などの信号の変化を検出するために、アナログスイッチの一部によって監視されてもよい。実施形態では、アナログスイッチからスイッチされた信号を受信してもよい装置は、トリガ入力からデータ入力への切り替え条件を示す条件についてトリガ信号を監視してもよい。トリガ入力の条件が検出されると、アナログスイッチは、データ入力を、トリガ出力を伝播していたのと同じ出力に向けるように、再構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、アナログスイッチの出力が第2の入力をアナログスイッチの出力に向けるべきであることを示すようになるまで、第1の入力をアナログスイッチの出力に向けるアナログスイッチを含んでもよい。アナログスイッチの出力は、トリガ信号を出力に伝搬させてもよい。スイッチを伝搬するトリガ信号が、第1の状態(例えば、トリガ閾値電圧値以下の第1の電圧)から第2の状態(例えば、トリガ閾値電圧値以上の第2の電圧)に遷移することに応答して、スイッチは、トリガ信号の伝搬を停止し、代わりに別の入力信号を出力に伝搬してもよい。実施形態では、トリガ信号と他のデータ信号は関連していてもよく、例えば、トリガ信号はコンベア上に置かれている物体の存在を示し、データ信号はコンベア上に置かれている歪みを表す。
実施形態では、トリガ状態のタイムリーな検出を容易にするために、アナログ・スイッチの出力のサンプリング・レートは、例えば、トリガ信号が伝播している間はサンプリング・レートが高く、データ信号が伝播している間はサンプリング・レートが低くなるように、調整可能であってもよい。あるいは、サンプリングのレートは、トリガ信号またはデータ信号のいずれかに対して固定されていてもよい。実施形態では、サンプリングのレートは、トリガ発生からトリガ検出までの所定の時間に基づいてもよく、データ信号を捕捉するための最小サンプリングレートよりも高速であってもよい。
実施形態では、階層的に編成された複数のトリガを別のアナログチャネルにルーティングすることは、産業環境における階層的なデータ収集トリガ構造の実装を容易にするかもしれない。階層的なトリガ信号アーキテクチャを実装するためのデータ収集テンプレートは、アナログクロスポイントスイッチまたはマルチプレクサなどの信号スイッチ設備が、階層内の第1の入力トリガを出力し、第1のトリガ条件が検出されたことに基づいて、入力から出力への内部マッピングを変更することによって、第1の入力トリガと同じ出力に階層内の第2の入力トリガを出力することを容易にするような信号スイッチ構成および機能データを含んでもよい。第2の入力トリガ条件が検出されると、出力は、産業環境におけるセンサからのデータなどのデータ信号に切り替えられてもよい。
実施形態では、トリガ状態を検出すると、トリガ信号からデータ信号への切り替えに加えて、アラームが生成され、オプションでより高機能なデバイス/モジュールに伝搬されてもよい。データ信号への切り替えに加えて、トリガの状態が検出されると、他の方法では無効化またはパワーダウンされる可能性のあるセンサは、新たに選択されたデータ信号のためのデータを生成し始めるために通電/活性化されてもよい。アクティブ化には、センサにリセット信号またはリフレッシュ信号を送信することも含まれます。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業車両のギアボックスに関連して、トリガ信号をデータ信号経路上にルーティングするためのシステムを含んでもよい。データ信号にも使用される信号経路上にトリガ信号を結合することは、油圧流体中の圧力変化などに基づくデータ収集などの高度な機能を可能にしながら、ルーティングする必要のある信号線の数を減らすことによって、ギアボックスアプリケーションにおいて有用であるかもしれない。一例として、センサは、低速時に高いトルクを与えるために作動油の流れがインペラに戻されたときに発生する可能性があるように、ある閾値を超える作動油の圧力差を検出するように構成されていてもよい。このようなセンサの出力は、低速で動作しているときにギアボックスに関するデータを収集するためのトリガとして構成されてもよい。一例では、産業環境のためのデータ収集システムは、単一の信号経路上でトリガまたはデータチャネルのいずれかをルーティングすることを容易にするマルチプレクサまたはスイッチを備えていてもよい。圧力センサからのトリガ信号を検出すると、制御装置のセットを切り替えることにより、トリガ信号がルーティングされたのと同じラインを介して異なる信号がルーティングされてもよい。マルチプレクサは、例えば、トリガ信号が、出力をデータ信号に変更すべきことを示すものとして検出されるまで、トリガ信号を出力してもよい。高圧状態を検出した結果、データ収集活動を作動させて、トリガ信号によって最近使用されたのと同じラインを使用してデータを収集することができるようにしてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、トラックおよび自動車の運転のための車両サスペンションに関連して、トリガ信号をデータ信号経路上にルーティングするためのシステムを含んでもよい。車両サスペンション、特にアクティブサスペンションは、道路イベント、サスペンションの状態、および速度、ステアリングなどの車両データを検出するためのセンサを含んでもよい。これらの条件は、例えばトリガ条件の検出時を除いて、常に検出される必要はないかもしれない。したがって、トリガ条件信号と少なくとも1つのデータ信号とを単一の物理信号ルーティングパス上で結合することが実装され得る。そうすることで、そのようなデータ収集システムで必要とされる物理的接続が少なくなるため、コストが削減される可能性がある。一例として、センサは、サスペンションが反応しなければならないポットホールなどの状態を検出するように構成されていてもよい。サスペンションからのデータは、この道路状況トリガー信号と同じ信号経路に沿ってルーティングされ、ポットホールの検出時に、ポットホールに対するサスペンションの反応の側面を決定するのを容易にするデータが収集されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、発電所の発電用タービンに関連して、トリガ信号をデータ信号経路上にルーティングするためのシステムを含んでもよい。発電に使用されるタービンは、より大きなデータ収集機能を実装するために既存のデータ信号線を最適化するデータ収集システムに後付けされてもよい。そのようなアプローチの1つには、既存のライン上に新しいデータ源をルーティングすることが含まれる。信号を多重化することは一般にこの必要性を満たすが、トリガ信号を多重化器などを介してデータ信号と組み合わせることで、データ収集をさらに向上させることができる。一例では、第1のセンサは、発電タービンの側面の温度を測定する熱閾値センサを含むことができる。そのトリガが検出されると(例えば、温度が熱閾値を超えて上昇することによって)、データ収集システムのコントローラは、トリガ状態を検出するために使用された同じラインを介して、異なるデータ収集信号を送信してもよい。これは、コントローラ等がトリガ信号の変更条件を感知して、データ収集のためのトリガ信号と同じライン上で出力されるデータ信号にトリガ信号から切り替えるようにマルチプレクサに信号を送ることによって達成されてもよい。この例では、タービンがその安全熱閾値を超える部分を有することが検出された場合、二次安全信号がトリガ信号経路を介してルーティングされ、過熱などの追加の安全状態を監視してもよい。
図46を参照すると、産業環境におけるデータ収集システムにおけるデータ信号経路上のトリガ信号をルーティングする実施形態が描かれている。信号マルチプレクサ7400は、センサまたは他のトリガ源7404からの第1の入力上のトリガ信号と、環境7402内の産業機械に関連する温度を検出するためのセンサからの第2の入力上のデータ信号とを受信してもよい。マルチプレクサ7400は、トリガ信号を出力信号経路7406に出力するように構成されてもよい。データ収集モジュール7410は、マルチプレクサ7400を介してトリガセンサ7404から提供されるトリガ条件を示す信号の変化を探して、データ経路7406上の信号を処理してもよい。検出されると、制御出力7408が変更されてもよく、それによって、出力7406にルーティングされてもよい入力のうちの1つ以上を制御してもよい内部スイッチなどを切り替えることによって、マルチプレクサ7400を制御して、温度プローブ7402からのデータの出力を開始するようにしてもよい。データ収集設備7410は、マルチプレクサを切り替えて、トリガデータストレージ7412にデータを収集することを含んでもよい検出されたトリガに応答して、データ収集テンプレートを作動させてもよい。データ収集活動が完了すると、マルチプレクサ制御信号7408は、トリガセンサ7404が再び監視されてもよいように、初期状態に戻ってもよい。
産業環境におけるデータ収集のための例示的なシステムは、アナログスイッチの出力が第2の入力をアナログスイッチの出力に向けるべきであることを示すまで、第1の入力をアナログスイッチの出力に向けるアナログスイッチを含む。特定のさらなる実施形態では、例示的なシステムは、以下を含む:アナログスイッチの出力が、出力が保留状態からトリガ状態に遷移することに基づいて、第2の入力が出力に指示されるべきであることを示した場合、アナログスイッチの出力は、第2の入力が出力に指示されるべきであることを示す。実施形態では、トリガ条件は、トリガ電圧値以上の電圧を提示する出力を検出すること;第2の入力が出力に向けられるべきであることを示すアナログスイッチの出力に応答して、アナログスイッチの入力からアナログスイッチの出力にアナログスイッチで多数の信号をルーティングすること;アナログスイッチに入力された多数の信号の遷移速度を超える速度でアナログスイッチの出力をサンプリングすること;および/またはアナログスイッチの出力が第2の入力がアナログスイッチの出力に向けられるべきであることを示すときにアラーム信号を生成することを含む。
産業環境におけるデータ収集のための例示的なシステムは、第1の入力の状態に基づいて第1の入力と第2の入力とを切り替えるアナログスイッチを含む。特定のさらなる実施形態では、第1の入力の状態は、第1の入力がトリガ条件を提示することを含み、および/またはトリガ条件は、トリガ電圧値以上の電圧を提示する第1の入力を検出することを含む。特定の実施形態では、アナログスイッチは、第1の入力の状態に基づいて、アナログスイッチ上の入力からアナログスイッチ上の出力にアナログを有する複数の信号をルーティングすること、アナログスイッチに入力された複数の信号の遷移率を超えるレートでアナログスイッチの入力をサンプリングすること、および/または第1の入力の状態に基づいてアラーム信号を生成することを含む。
産業環境におけるデータ収集のための例示的なシステムは、信号マルチプレクサの共通出力を共有するトリガ信号および少なくとも1つのデータ信号を含み、トリガ信号の予め定義された状態が検出されると、共通出力は、信号マルチプレクサを介して少なくとも1つのデータ信号を伝搬するように構成される。特定のさらなる実施形態では、信号マルチプレクサはアナログマルチプレクサであり、トリガ信号の所定の状態は共通出力で検出され、トリガ信号の所定の状態の検出は、共通出力がトリガ電圧値以上の電圧を提示することを検出することを含み、マルチプレクサは、トリガ信号の所定の状態の検出に応答して、マルチプレクサ上の入力からマルチプレクサ上の出力にマルチプレクサを有する複数の信号をルーティングすることを含む。前記マルチプレクサは、前記マルチプレクサに入力された複数の信号の遷移速度を超える速度で前記マルチプレクサの出力をサンプリングすることを含み、前記マルチプレクサは、前記トリガ信号の所定の状態の検出に応答してアラームを生成することを含み、および/または前記マルチプレクサは、前記少なくとも1つのデータ信号を生成するために前記少なくとも1つのセンサを作動させることを含む。限定することなく、例示的なシステムには以下が含まれる。アナログスイッチの出力がトリガ信号に関連したギアボックスの状態を表す第2の入力をアナログスイッチの出力に向けるべきことを示すようになるまで、ギアボックスの状態を表すトリガ信号をアナログスイッチの出力に向けることによって産業車両のギアボックスを監視すること;アナログスイッチの出力がトリガ信号に関連したサスペンションの状態を表す第2の入力をアナログスイッチの出力に向けるべきことを示すようになるまで、サスペンションの状態を表すトリガ信号をアナログスイッチの出力に向けることによって産業車両のサスペンションシステムを監視すること。前記アナログスイッチの出力が、前記トリガ信号に関連した前記発電タービンの状態を表す第2の入力が前記アナログスイッチの出力に指示されるべきであることを示すような時間まで、前記発電タービンの状態を表すトリガ信号を前記アナログスイッチの出力に指示することによって、前記発電タービンを監視すること。
実施形態では、産業環境におけるデータ収集のためのシステムは、収集バンドパラメータのセットに対する少なくとも1つの信号を監視し、信号中の収集バンドパラメータのセットからパラメータを検出すると、検出されたパラメータに基づいてセンサのセットからのデータ収集を構成するデータ収集システムを含んでもよい。選択されたセンサのセット、信号、および収集バンドパラメータのセットは、産業環境でデータを収集するときにシステムによって使用され得るスマートバンドデータ収集テンプレートの一部であってもよい。スマートバンドデータ収集テンプレートを準備する動機は、操作の改善、ダウンタイムの削減、予防保守、故障防止などを容易にするために、産業用機械の一連の状態を監視することを含んでいてもよい。一組のセンサによって検出される可能性のある状態などの産業機械に関するデータの分析に基づいて、状態の変化をユーザに通知する、運転パラメータを調整する、予防保守をスケジューリングする、追加のセンサセットからのデータ収集をトリガする、などのアクションが実行されてもよい。何らかのアクションの必要性を示すデータの例としては、センサのセットからのデータに存在する傾向によって検出可能な変化が含まれてもよい。別の例は、センサのセットから導出された分析値の傾向である。
実施形態では、収集帯域パラメータのセットは、産業機械の状態(例えば、ベアリング振動)を感知するように構成されたセンサから受信した値を含んでもよい。しかしながら、収集帯域パラメータのセットは、代わりに、センサから受信したデータのトレンド(例えば、ベアリング振動センサによる複数の振動測定値にわたるベアリング振動のトレンド)であってもよい。実施形態では、収集帯域パラメータのセットは、複数のセンサからのデータおよび/またはデータのトレンド(例えば、軸上振動センサおよび軸外振動センサからのデータのトレンド)の合成であってもよい。実施形態では、本明細書に記載されているような1つ以上のセンサから導出されたデータ値が、収集帯域パラメータのセット内のデータの値に十分に近い場合、センサのセットからのデータ収集活動がトリガされてもよい。あるいは、1つ以上のセンサから導出されたデータ値(例えば、トレンドなど)が、収集バンドパラメータのセットの外に落ちたときに、センサのセットからのデータ収集活動がトリガされてもよい。一例では、モータのためのデータ収集バンドパラメータのセットは、選択された動作回転速度の95%から105%までの範囲の回転速度であってもよい。モータの回転速度の傾向がこの範囲内にとどまる限り、データ収集活動は延期されてもよい。しかし、トレンドがこの範囲に達するか、またはこの範囲を超えると、スマートバンドデータ収集テンプレートによって定義されたものなどのデータ収集活動がトリガされてもよい。
実施形態では、スマートバンドのデータ収集テンプレートによって定義されるようなデータ収集アクティビティをトリガすることは、データセンシング、スイッチング、ルーティング、ストレージ割り当て、ストレージ構成などのシステムの側面に影響を与える可能性のある産業環境のデータ収集システムへの変更をもたらす可能性がある。データ収集システムへのこの変更は、状態の検出にほぼリアルタイムで発生してもよいが、将来的に発生するようにスケジュールされていてもよい。また、感知された状態がスマートバンドデータ収集トリガーを満たすスマートバンドデータ収集テンプレートを満たすためにシステムが再構成される前に、別のスマートバンドデータ収集テンプレートのためのデータ収集活動などのアクティブなデータ収集活動が完了するように、他のデータ収集活動と調整されてもよい。
実施形態では、センサからのデータの処理は、センサのセットにわたって、産業環境内の機械をまたいで、時間をかけて累積的に行われてもよい。条件の感知された値は、スマートバンドのデータ収集テンプレート活動をトリガするのに十分であるかもしれないが、データ収集活動を条件付きでトリガするためのデータ収集バンドパラメータのセットと比較され得るデータ値を生成するために、複数のセンサから時間をかけてデータを収集し、処理する必要があるかもしれない。データ値の傾向などを生成するために複数のセンサからのデータおよび/または処理データを使用することは、感知されたデータ値が許容範囲外にあるという取るに足らないインスタンスが、不必要なスマートバンドのデータ収集活動を引き起こすことを防止することを容易にするかもしれない。一例として、ベアリングからの振動が許容範囲外の頻度で検出された場合、この値の時間的なトレンドは、周波数が増加しているか、減少しているか、または実質的に一定であるか、または値の範囲内にとどまっているかを検出するのに有用であるかもしれない。このような値の頻度が増加していることが判明した場合、そのような傾向は、軸受によって経験される産業機械の動作で発生している変化を示す。この傾向振動値の値の許容範囲は、軸受の振動データが監視されるデータ収集バンドパラメータのセットとして確立されてもよい。傾向振動値がこの許容範囲外の値である場合、スマートバンドデータ収集活動が作動してもよい。
実施形態では、スマートバンドデータ収集テンプレートをサポートする産業環境におけるデータ収集のためのシステムは、スマートバンドデータ収集テンプレートデータ収集活動をトリガする可能性のある1つ以上の条件を感知した時点でデータ処理能力を有するように構成されてもよく、例えば、データ処理能力を含む可能性のあるインテリジェントセンサを使用することによって;センサとインターフェースしてセンサからのデータを処理するプログラマブルロジックコンポーネントを使用することによって;センサに近接して配置されたマイクロプロセッサなどのコンピュータプロセッサを使用することによって;などが挙げられる。実施形態では、スマートバンドテンプレートデータ収集活動を検出するための1つ以上のセンサから収集されたデータの処理は、複数のセンサ、センサモジュール、産業機械、産業環境、およびそのようなものからのデータにアクセスすることができるリモートプロセッサ、サーバ、およびそのようなものによって実行されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、一連のパラメータについて産業環境を監視し、少なくとも1つのパラメータが検出されると、一連のセンサからのデータ収集を構成し、検出されたパラメータに基づいて一連のセンサからのデータ収集をサポートするようにデータ記憶設備の構成を適応させるようにデータ記憶コントローラを引き起こすデータ収集システムを含んでもよい。スマートバンドデータ収集テンプレートを実装するために、産業環境におけるデータ収集システムの構成を条件付きで変更するための本明細書に記載の方法およびシステムは、データストレージアーキテクチャの変更をさらに含んでもよい。一例として、データ記憶設備は、産業環境における状態を監視するための1つまたは複数のセンサを含んでもよいデータ収集モジュール上に配置されてもよい。このローカルデータ記憶設備は、典型的には、モジュールから次のレベルのセンシングまたは処理モジュールまたはサーバへのセンシングされたデータの迅速な移動のために構成されてもよい。スマートバンドデータ収集条件が検出されると、複数のセンサからのセンサデータを同時に収集する必要があるかもしれない。この同時収集に対応するために、ローカル・メモリは、複数のセンサのそれぞれからのデータを協調的に収集するように再構成されてもよく、例えば、複数のセンサのそれぞれを同期的に、または既知のオフセットで繰り返しサンプリングするなどして、一般的にローカル・メモリを介して収集されて移動されるよりもはるかに大きいかもしれないセンシング・データのセットを構築するようにしてもよい。ローカル・ストレージを制御するためのストレージ制御設備は、ローカル・データ・ストレージへのセンサ・データの出入りを監視し、それによって、複数のセンサからローカル・データ・ストレージへのデータの安全な移動、およびサーバ、ネットワーク化されたストレージ設備などの宛先へのデータの移動を確実にすることができます。ローカルデータストレージ設備は、スマートバンドデータ収集テンプレートに関連付けられた一連のセンサからのデータが、スマートバンド固有のデータの処理を容易にするために、スマートバンドデータのセットとして安全に保存され、容易にアクセスできるように構成されてもよい。一例として、ローカルストレージは、不揮発性メモリ(NVM)で構成されてもよい。スマートバンドデータ収集テンプレートがトリガされたことに応答してデータ収集の準備をするために、NVMの一部を消去して、テンプレートに示されたデータを受信するためにNVMを準備してもよい。
実施形態では、複数のセンサは、状態特定監視のためのセンサのセットに配置されてもよい。センサの論理的なセットであってもよい各セットは、潜在的な問題、問題の根本原因などについての洞察を提供し得る産業環境の要素に関する情報を提供するように選択されてもよい。各セットは、許容可能な範囲の値に準拠しているかどうかを監視することができる状態に関連付けられていてもよい。センサのセットは、機械アーキテクチャ、コンポーネントの階層、または産業環境における性能の維持または改善に有用に適用され得る機械に関する知見に寄与するデータの階層に基づいていてもよい。スマートバンドセンサセットは、機械の故障などの複雑な状態のエキスパートシステム分析に基づいて構成されてもよい。スマートバンドセンサセットは、特定の故障モードまたは履歴に依存しない知識収集を容易にするように構成されていてもよい。スマートバンドセンサセットは、産業用機械操作プログラムの一部として実施する前に、提案されたスマートバンドデータ収集テンプレートをテストするように配置されてもよい。センサのセットからデータを収集して処理することは、どのセンサがセットに意味のあるデータを貢献し、貢献しないセンサはセットから削除することができるかを決定することを容易にしてもよい。スマートバンドセンサセットは、産業環境における故障を低減するのに最も有用なセンサデータの種類を示す業界研究などの外部データに基づいて調整されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、一連の収集バンド条件に準拠するために少なくとも1つの信号を監視し、準拠の欠如を検出すると、監視された信号に関連付けられたセンサの所定のセットからのデータ収集を構成するデータ収集システムを含んでもよい。コンプライアンスの欠如が検出されると、監視された信号に関連付けられた収集帯域テンプレートにアクセスすることができ、テンプレート内で識別されたリソースは、データ収集を実行するように構成されることができる。実施形態では、テンプレートは、活性化するセンサ、収集するセンサからのデータ、収集されるべきデータの収集期間または量、収集されたデータを格納するための宛先(例えば、メモリ構造)などを特定してもよい。実施形態では、産業環境におけるデータ収集のためのスマートバンド方法は、環境内の産業機械の状態を感知するように構成された1つ以上のセンサからデータを定期的に収集することを含んでもよい。収集されたデータは、状態の許容範囲を定義する一連の基準に対してチェックされてもよい。収集されたデータが許容範囲の一端に近づいているか、または許容範囲を超えていることが確認されると、データ収集テンプレートとして構成されたスマートバンド収集プロトコルに基づいて、感知された状態に関連するセンサのスマートバンドグループからデータ収集が開始されてもよい。実施形態では、状態の許容範囲は、状態の適用された分析の履歴に基づいている。実施形態では、許容範囲を超えたことが検証されると、感知された状態が検出されたモジュールのデータ記憶リソースは、センサのスマートバンドグループからのデータの取り込みを容易にするように構成されてもよい。
実施形態では、スマートバンドデータ収集テンプレートデータ収集動作をトリガするための状態を監視することは、次のような場合がある:安全規制などの規制に応答して;予防保全のために産業環境の一部が停止されるなどの今後の活動に応答して;ルーチンデータ収集活動からセンサデータが欠落していることに応答して;およびそのような場合。実施形態では、スマートバンドテンプレートデータ収集活動から欠落した欠陥センサまたはセンサデータに応答して、データ処理アルゴリズムにおいて欠落したデータを効果的に代替することができるデータを提供するために、1つ以上の代替センサがセンサセットに一時的に含まれてもよい。
実施形態では、スマートバンドデータ収集テンプレートは、機械関連パラメータの絶対周波数または因子の組み合わせであってもよいスペクトル領域またはピークのための振動エンベロープおよび電流シグネチャなどの振動スペクトルをカバーするスマートバンド分析のためのデータを検出し、収集するように構成されてもよい、限定されないが、を含む時間領域由来の計算のための振動時間波形を検出するように構成されてもよい。RMS全体、ピーク全体、真のピーク、クレストファクターなど;振動ベクトル、様々な領域(例えば、低周波領域、高周波領域、低次など)のスペクトルエネルギーハンプ;圧力-体積分析などを含むがこれらに限定されない時間領域派生計算のための振動時間波形。
実施形態では、スマートバンドデータ収集テンプレートを適用したデータ収集のためのシステムは、自動化された生産環境におけるボールねじアクチュエータなどの産業環境に適用されてもよい。スマートバンド解析は、精密製造または位置決めアプリケーション(例えば、半導体フォトリソグラフィ装置など)のような産業環境におけるボールねじアクチュエータに適用されてもよい。ボールねじを使用する典型的な第一の目的は、精密な位置決めのためであるので、位置決め機構のばらつきを検出することは、コストのかかる不良品生産の実行を回避するのに役立つ。スマートバンドのトリガおよびデータ収集は、ボールねじ機構、ウォームドライブ、リニアモータなどの位置決め機構における潜在的な変動をスマートバンド分析を通じて検出することにより、このような用途に役立つ可能性がある。一例では、ボールねじ位置決めシステムに関連するデータは、本明細書に記載されているような産業環境におけるデータ収集のためのシステムで収集されてもよい。複数のセンサは、ねじトルク、ねじの方向、ねじの速度、ねじのステップ、ねじの原点検出などのデータを収集するように構成されてもよい。このデータの一部は、トルクの関数としてのねじ速度の傾向などの分散が、許容可能なしきい値に近づいているか、または超えているかどうかを判断するために、スマートバンドデータ分析設備によって処理されてもよい。このような決定の際に、ボールねじ生産システムのデータ収集テンプレートを作動させて、データ収集システムのデータセンシング、ルーティング、および収集リソースを構成し、さらなる分析を容易にするためにデータ収集を実行するようにしてもよい。スマートバンドデータ収集テンプレートは、対応するセンサからのデータを1つ以上の信号経路を介してデータコレクタにルーティングすることにより、位置、方向、加速度などのねじ速度およびトルク以外の他のセンサからのデータの迅速な収集を容易にする。さらなる分析に必要なデータが効果的に捕捉されるように、これらのソースからのデータの収集の期間および順序は、スマートバンドデータ収集テンプレートで指定されてもよい。
実施形態では、スマートバンドデータ収集テンプレートを適用してデータ収集およびルーティングインフラストラクチャを構成および利用するデータ収集のためのシステムは、マイニング環境における換気システムに適用されてもよい。換気は、鉱業の安全性において重要な役割を提供する。換気装置の潜在的な問題の早期発見は、そのような環境におけるデータ収集にスマートバンドアプローチを適用することによって支援され得る。センサーは、採掘作業全体の換気操作、品質、および性能に関する情報を収集するために配置されていてもよい。各換気装置において、ファン、モータ、ベルト、フィルタ、温度計、電圧、電流、空気品質、毒物検出などの換気関連要素は、対応するセンサで構成されてもよい。任意の1つの要素(例えば、毎分あたりの風量など)の変動は、問題を示すものではないかもしれないが、スマートバンド分析を適用して、換気装置の潜在的な問題を示唆する可能性のある経時的な傾向を検出してもよい。スマートバンド分析を実行するためには、複数のセンサからのデータが分析の基礎を形成するために必要とされてもよい。換気ステーションのためのデータ収集システムを実施することにより、換気システムからのデータが捕捉されてもよい。一例では、スマートバンド分析が換気ステーションに対して指示されてもよい。この指示に応答して、データ収集システムは、換気ステーションに配置されたセンサからのデータを、複数の換気ステーションからのデータを収集して分析することができる中央監視設備にルーティングしてデータを収集するように構成されてもよい。
実施形態では、スマートバンドデータ収集テンプレートを適用してデータ収集およびルーティングインフラストラクチャを構成および利用するデータ収集のためのシステムは、マイニング環境におけるドライブトレインのデータ収集および分析に適用されてもよい。マイニング車両のためのドライブトレインなどのドライブトレインは、本明細書に記載されているような産業環境におけるデータ収集の方法およびシステムの使用から利益を得られる可能性のある様々な要素を含んでいてもよい。特に、スマートバンドベースのデータ収集は、スマートバンド分析によって検出可能であるかもしれない特定の条件の下で、ヘビーデューティマイニング車両のドライブトレインからデータを収集するために使用されてもよい。スマートバンドベースのデータ収集テンプレートは、ドライブトレインの性能の許容できない傾向を示す可能性のある特定の状況下でデータ収集を実行するようにセンサ、データパス、およびデータ収集リソースを構成するために、ドライブトレインデータ収集およびルーティングシステムによって使用されてもよい。産業用ドライブトレインのデータ収集システムは、非ステアリングアクスル、遊星ステアリングアクスル、ドライブシャフト、(例えば、メインシャフトおよびウイングシャフト)、トランスミッション、(例えば、標準、トルクコンバータ、ロングドロップ)などの側面をセンシングすることを含んでもよい。これらの操作部材に関連する様々なデータが収集されてもよい。しかし、徹底的なスマートバンド解析のために、駆動系を支持する支持部材および構造部材に関するデータも収集する必要があるかもしれない。したがって、ドライブトレイン関連部品のこの広い範囲にわたる収集は、このデータの必要性のスマートバンド分析の決定に基づいてトリガされてもよい。一例では、スマートバンド分析は、メインドライブシャフトの動作に対するウイングドライブシャフトの応答遅延時間の増加傾向によって表される、メインドライブシャフトとウイングドライブシャフトとの間の潜在的な滑りを示してもよい。この増加傾向に対応して、マイニング車両のドライブトレイン全体に配置されたデータ収集モジュールは、ローカルセンサからのデータをデータコレクタによって収集および分析されるようにルーティングするように構成されていてもよい。マイニング車両のドライブトレインのスマートベースのデータ収集は、どのタイプの傾向が検出されたかに基づいて、様々なテンプレートを含んでもよい。ステアリングアクスルに関連する傾向が検出された場合、実装されるデータ収集テンプレートは、正規化ペイロードの電力需要に関連する傾向とは、センサの内容、期間などが異なっていてもよい。各テンプレートは、それに応じて、車両ドライブトレイン全体のデータセンシング、ルーティング、および収集リソースを構成し得る。
図47を参照すると、スマートバンド分析のためのデータ収集を容易にする産業環境におけるデータ収集のためのシステムが描かれている。産業環境におけるデータ収集のためのシステムは、データ収集システム構成およびデータ収集のためのスマートバンドテンプレート7610が格納され、データ収集コントローラ7602によってアクセスされてもよいスマートバンド分析データ収集テンプレートリポジトリ7600を含んでもよい。テンプレート7610は、データ収集システム構成7604と、センサ、収集器、信号経路、収集の開始および調整のための情報などを識別してもよい操作情報7606とを含んでもよい。コントローラ7602は、特定のスマートバンドテンプレート7610を選択して実装するために、スマートバンド分析設備7608からのコマンドなどの指示を受信してもよい。コントローラ7602は、テンプレート7610にアクセスして、そのテンプレート内の情報に基づいてデータ収集システムリソースを構成してもよい。実施形態では、テンプレートは、特定のセンサ;マルチプレクサ/スイッチ構成、データ収集トリガ/開始信号および/または条件、収集のためのデータの時間継続時間および/または量、収集されたデータの宛先、中間処理(もしあれば)、および他の有用な情報(例えば、インスタンス識別子など)を特定してもよい。コントローラ7602は、スマートバンドテンプレートに対する収集を実行するようにデータ収集システムを構成し、動作させてもよく、オプションでシステム構成を以前の構成に戻してもよい。
産業環境におけるデータ収集のための例示的なシステムは、収集帯域パラメータのセットに対する少なくとも1つの信号を監視し、収集帯域パラメータのセットからパラメータを検出すると、システムの一部を構成し、検出されたパラメータに基づいてセンサのセットからのデータ収集を実行するデータ収集システムを含む。特定のさらなる実施形態では、信号は、産業環境の状態を感知するセンサの出力を含み、ここで、収集帯域パラメータのセットは、信号から導出可能な値の許容範囲を超えている信号から導出可能な値を構成し;ここで、少なくとも1つの信号は、産業環境の状態を感知するセンサの出力を含み、ここで、少なくとも1つの信号は、産業環境の状態を感知するセンサの出力を含む。実施形態では、システムの一部を構成することは、センサのセットから収集されたデータを受け入れるように記憶装置を構成することを含み;ここで、システムの一部を構成することは、データルーティング部を構成することを含み、データルーティング部は、アナログクロスポイントスイッチ、階層型マルチプレクサ、アナログ/デジタル変換器、インテリジェントセンサ、および/またはプログラマブルロジックコンポーネントのうちの少なくとも1つを含む。実施形態では、収集帯域パラメータのセットからパラメータを検出することは、信号のトレンド値がトレンド値の許容範囲を超えていることを検出することからなり;および/または、システムの一部を構成することは、検出されたパラメータに関連付けられたスマートバンドデータ収集テンプレートを実装することを含む。特定の実施形態では、データ収集システムは、信号に対する許容可能な収集バンド条件を表す許容可能なデータ値のセット内のデータ値について信号を監視し、許容可能なデータ値のセット外の少なくとも1つの信号についてのデータ値を検出すると、監視された信号に関連付けられたセンサの所定のセットからデータを収集することを引き起こすデータ収集活動をトリガする。特定のさらなる実施形態では、データ収集システムは、産業環境の状態を感知するセンサの出力を含む信号を含み;ここで、許容可能なデータ値のセットは、信号から導出可能な値の許容可能な範囲内にある信号から導出可能な値を含む;許容可能なデータ値のセットの外側のデータ値の検出に応答して、所定のセンサのセットからのデータ収集を容易にするようにシステムの記憶設備を構成する。許容可能なデータ値のセットの外側のデータ値の検出に応答して、アナログクロスポイントスイッチ、階層型マルチプレクサ、アナログ/デジタル変換器、インテリジェントセンサ、および/またはプログラマブルロジックコンポーネントを含むシステムのデータルーティング部分を構成すること;ここで、許容可能なデータ値のセットの外側の信号に対するデータ値の検出は、信号に対するトレンド値が許容可能なトレンド値の範囲を超えていることを検出することを含み;および/または、データ収集活動が、検出されたパラメータに関連付けられたスマートバンドデータ収集テンプレートによって定義されることを特徴とする。
産業用環境におけるデータ収集のための例示的な方法は、環境中の産業用機械の状態を感知するように構成されたセンサからデータを収集する操作と、収集されたデータを、状態の許容範囲を定義する一連の基準に対してチェックする操作と、収集されたデータが状態の許容範囲に違反したことに応答して、スマートバンドデータ収集テンプレートとして構成されたスマートバンド収集プロトコルに基づいて、感知された状態に関連付けられたセンサのスマートバンドグループからデータを収集する操作と、を含む。特定のさらなる実施形態において、方法は、状態の許容範囲に違反することが、センサからのデータの傾向が許容範囲の最大値に近づくことを含む場合;ここで、センサのスマートバンドグループがスマートバンドデータ収集テンプレートによって定義される場合;ここで、スマートバンドデータ収集テンプレートは、アクティブにするセンサのリスト、収集するセンサからのデータ、センサからのデータの収集期間、および/または収集されたデータを格納するための保存先の場所を含む場合を含む。ここで、センサのスマートバンドグループからデータを収集することは、センサのスマートバンドグループから複数のデータ収集器へのデータのルーティングを容易にする産業環境の少なくとも1つのデータルーティングリソースを構成することを含む;および/または、基準のセットは、センサからのデータを処理することによって導出されたトレンド値の範囲を含む。
限定することなく、例示的なシステムは、自動生産環境においてボールねじアクチュエータを監視し、ボールねじアクチュエータからの少なくとも1つの信号を収集帯域パラメータのセットについて監視し、収集帯域パラメータのセットからのパラメータを検出すると、システムの一部を構成し、検出されたパラメータに基づいてボールねじアクチュエータの状態を監視するために配置されたセンサのセットからのデータの収集を実行する。別の例示的なシステムは、採掘環境で換気システムを監視し、換気システムからの少なくとも1つの信号を収集帯域パラメータのセットについて監視し、収集帯域パラメータのセットからパラメータを検出すると、システムの一部を構成し、検出されたパラメータに基づいて換気システムの状態を監視するために配置されたセンサのセットからのデータの収集を実行する。例示的なシステムは、採掘車両のドライブトレインを監視し、ドライブトレインからの少なくとも1つの信号を収集帯域パラメータのセットについて監視し、収集帯域パラメータのセットからのパラメータを検出すると、システムの一部を構成し、検出されたパラメータに基づいてドライブトレインの状態を監視するために配置されたセンサのセットからのデータの収集を実行する。
実施形態では、産業環境におけるデータ収集のためのシステムは、ローカルおよびリモートのデータ収集リソースを自動的に構成してもよく、操作上のたわみ形状レンダリングを実行するために必要なデータを生成するセンサのグループの一部として識別される複数のシステムセンサからのデータ収集を実行してもよい。実施形態では、システムセンサは、産業環境における産業用機械の構造部分全体に分布している。実施形態では、システムセンサは、振動、回転、バランス、摩擦などを含むシステム状態の範囲を感知する。実施形態では、自動的に構成することは、環境内の状態が状態値の許容範囲外で検出されたことに応答している。実施形態では、識別されたシステムセンサ群のセンサが、その状態を感知する。
実施形態では、産業環境におけるデータ収集のためのシステムは、機械の構造情報および機械のODSVを生成するために使用されるデータセットに基づいて、機械全体に分散した複数のシステムセンサからデータを収集して、運転中のたわみ形状可視化(「ODSV」)を自動的に生成することを容易にするために、テンプレートなどのデータ収集計画を構成してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業機械のODSVに基づいて、環境中の産業機械の予め選択された構造部材の状態を感知するために配置されたセンサを識別することにより、産業環境におけるデータ収集のためのデータ収集テンプレートを構成してもよい。実施形態では、テンプレートは、識別されたセンサからのデータ収集の順序およびタイミングを含んでもよい。
実施形態では、産業環境におけるデータ収集のための方法およびシステムは、機械の構造要素が許容範囲内のたわみを示すものとして、機械の構造要素の動作中のたわみ形状の可視化を検証することによって、複数の産業用機械状態センサのセンサ値の許容範囲を確立する方法を含んでもよい。実施形態では、検証されたODSVで使用される複数のセンサからのデータが、センサ値の許容範囲を定義する。
実施形態では、産業環境におけるデータ収集のためのシステムは、ODSVを生成するために必要なデータを提供するために調整されたデータ収集のためにグループ化されてもよいセンサなどの複数のデータソースを含んでもよい。グループ化するセンサ、データ収集の調整要件などに関する情報は、ODSVデータ収集テンプレートから取得されてもよい。調整されたデータ収集は、同時データ収集を含んでもよい。センサのグループの一部からの同時データ収集を容易にするために、データ収集のためのシステムのセンサルーティングリソースは、データ収集のためのシステムのセンサルーティングリソースは、例えば、データマルチプレクサを構成することによって、センサのグループの一部からのデータをデータコレクタに接続するデータをルーティングするように構成されてもよい。実施形態では、マルチプレクサの入力に接続する各そのようなソースは、接続されたソースのすべてからのデータが産業環境のデータ収集要素にルーティングされ得るように、マルチプレクサ内で別々の出力にルーティングされてもよい。実施形態では、マルチプレクサは、入力の少なくとも一部について共通の出力を共有することを容易にするデータ記憶機能を含んでもよい。実施形態では、マルチプレクサは、各ソースのデータがメモリ内に取り込まれ、マルチプレクサの出力と共通のデータバスなどのデータバスを介して送信されてもよいように、データ記憶機能およびデータバス対応出力を含んでもよい。実施形態では、センサは、データストレージ機能を含んでもよく、マルチプレクサの共通出力の使用および/または共通データバスの使用をサポートする協調的な方法で、データストレージからマルチプレクサにデータを送信してもよいスマートセンサであってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、複数のセンサからデータを収集して複数のたわみ形状についてODSVを実行するようにデータ収集システムを構成するためのテンプレートから構成されてもよい。個々のテンプレートは、ゆるみ、軟らかい関節、曲げ、ねじれなどを可視化するように構成されていてもよい。個々のたわみ形状データ収集テンプレートは、産業環境における機械の異なる部分用に構成されていてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、可視化にデータを貢献したセンサの位置の可視化を含んでもよい操作偏向形状の可視化を促進してもよい。可視化において、可視化を生成するためにデータを提供した各センサは、視覚要素によって示されてもよい。ビジュアル要素は、ユーザが、センサに関する情報、例えば、位置、タイプ、貢献した代表的なデータ、センサからデータコレクタへのデータの経路、偏向形状テンプレート識別子、データがルーティングされるスイッチまたはマルチプレクサの構成などへのアクセスを容易にしてもよい。可視化要素は、センサから受信したセンサ識別情報と、センサ識別情報と環境内の物理的な位置とを関連付けるセンサマップなどの情報とを関連付けることによって決定されてもよい。情報は、ユーザがセンサの視覚要素上にカーソルを置くことによって選択されるなど、センサを表す視覚要素が選択されたことに応答して、視覚要素内に現れてもよい。
実施形態では、ODSVは、位相関係要件を満たすデータから利益を得てもよい。環境内のデータ収集システムは、位相関係要件を満たすデータの収集を容易にするように構成されてもよい。あるいは、データ収集システムは、相関係要件を満たすデータを含むが、相関係要件を満たさないデータも含む複数のセンサからデータを収集するように構成されてもよい。位相検出データにアクセスしてもよい後処理動作は、収集されたデータのサブセットを選択してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、複数のセンサからデータを受信し、データコレクタに配信するために受信したデータを多重化するマルチプレクサを含んでもよい。データコレクタは、ODSVを容易にするためにデータを処理してもよい。ODSVは、複数の異なるセンサからのデータを必要とする場合があり、異なるセンサからのデータを処理する際に、センサからのデータなどの参照信号を使用することから利益を得る場合がある。マルチプレクサは、各センサからのデータがデータコレクタによって受信されてもよいように、その入力を時間の経過とともに切り替えることによって、異なるセンサからのデータを提供するように構成されてもよい。しかしながら、マルチプレクサは、入力の少なくとも一部が、複数の出力のうちの少なくとも2つの出力にルーティングされてもよいように、複数の出力を含んでもよい。したがって、実施形態では、複数の出力マルチプレクサは、その入力のうちの1つの入力(例えば、加速度計からのデータ)からの参照信号をその出力のうちの1つにルーティングし、参照信号の出力ルーティングを維持しながら、複数の出力からのデータをその出力のうちの1つ以上に多重化することによって、ODSVに適しているかもしれないデータ収集を容易にするように構成されていてもよい。データコレクタは、基準出力からのデータを収集し、他のセンサからの多重化されたデータを整列させるためにそれを使用してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、鉱業アプリケーションのためのコンベヤに関連する協調データ収集を介してODSVを促進してもよい。鉱山の操業は、材料、供給物、および装置を鉱山に出入りするためにコンベアシステムに依存している場合がある。採掘作業は一般的に24時間稼働しているため、コンベアのダウンタイムは生産性とコストに大きな影響を与える可能性がある。コンベアと関連システムの高度な解析は、点観測だけでは検出が困難な二次的な影響に焦点を当てており、ODSV を通じてより容易に検出できる可能性がある。振動や応力などの運転データを取得することで、ODSV を容易にすることができます。しかし、データ収集を連携させることで、より信頼性の高い結果を得ることができます。したがって、コンベアシステム全体に分散したセンサを有するデータ収集システムは、このような協調したデータ収集を容易にするように構成することができます。例としては、コンベヤの構造部品に影響を与えるデータ、例えば、着地点とそれを接続し、着地点間でコンベヤを支持する水平部材、コンベヤセグメントのハンドオフポイント、モータマウント、コンベヤローラのマウントなどのデータの取得は、コンベヤの動的負荷、駆動システム、モータ、ゲートなどに関連するデータと調整する必要があるかもしれません。マイニング環境などの産業環境におけるデータ収集のためのシステムは、セグメントハンドオフポイント、駆動システムなどの位置にコンベヤ全体に配置されたデータセンシングおよび収集モジュールを含んでもよい。各モジュールは、調整されたデータ収集の実行を助ける物理的または論理的(例えば、無線)通信バスを介して接続されてもよいプログラマブル・ロジック・コントローラなどの1つ以上のコントローラによって構成されてもよい。調整を容易にするために、トリガなどの参照信号は、データ収集時に使用するためにモジュール間で通信されてもよい。実施形態では、データ収集および保存は、マイニング環境全体で感知されたデータのリアルタイム転送の必要性を減らすために、各モジュールで実行されてもよい。モジュールからODSV処理設備へのデータの転送は、収集後に、またはモジュールと処理設備の間の通信帯域幅が許す限り実行されてもよい。ODSVは、時間の経過とともに早期故障を引き起こす可能性のある構造部材のたわみなど、コンベア内の状態についての洞察を提供することができる。マイニングなどの産業環境で使用するためのデータ収集システムとの調整されたデータ収集は、予期しないコンポーネントの故障によるダウンタイムを減少させることにより、運転コストを削減する可能性のあるODSVを可能にすることができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、鉱業アプリケーションのためのファンに関連する協調的なデータ収集を介して、操作上の偏向形状の可視化を促進してもよい。ファンは、換気、機器の冷却、燃焼排気排気などを提供するために鉱山全体に空気を移動させるという、鉱山の操業において重要な機能を提供する。ファンの信頼性の高い継続的な運転を保証することは、鉱山労働者の安全性とコスト効率の高い操業にとって重要なことかもしれません。大規模な採掘作業では、数十台から数百台のファンが使用されることもある。換気管理のためのファンなどのファンには、回路型、ブースター型、および補助型が含まれる場合がある。高容量の補助ファンは、2500 RPM以上の高速で動作する場合がある。ODSVを実行することで、採掘環境に配置されたファンの信頼性に関する重要な情報が明らかになる可能性がある。マイニングファンのODSVに必要な範囲のデータを収集することは、本明細書に記載されているように、産業環境でデータを収集するためのシステムによって実行されてもよい。実施形態では、インテリジェントセンシングおよびデータ収集モジュールなどのセンシング要素は、ファンおよび/またはファンサブシステムとともに配備されてもよい。これらのモジュールは、データ収集がODSVを容易にするために時間および位相で調整されてもよいように、収集制御情報を(例えば、専用の制御バスなどを介して)交換してもよい。
鉱山で使用するための大型の補助ファンは、鉱山への輸送性および鉱山を通しての輸送性のために構成されてもよく、したがって、ファン本体、吸気口および排出口、希釈弁、保護ケージ、電気的筐体、車輪、アクセスパネル、および他の構造的および/または操作上の要素を含んでもよい。このような補助ファンのODSVは、多くの異なる要素からのデータ収集を必要とする場合がある。データ収集のためのシステムは、この種の産業用ファンのODSVを容易にするために、構造工学データと組み合わせてもよいデータを感知して収集するように構成されてもよい。
図48を参照すると、ODSVに適した協調データ収集を行う産業環境におけるデータ収集のためのシステムの一実施形態が描かれている。産業環境におけるデータ収集のためのシステムは、データ収集コントローラ7802のためのシステムによってデータ収集システム構成およびデータ収集のためのODSVテンプレート7810が格納され、アクセスされるODSVデータ収集テンプレートリポジトリ7800を含んでもよく、テンプレート7810は、データ収集システム構成7804およびセンサ、収集器、信号経路、参照信号情報、収集の開始および調整のための情報などを識別し得る操作情報7806を含んでもよい。コントローラ7802は、特定のODSVテンプレート7810を選択して実装するために、ODSV解析設備7808からのコマンドなどの指示を受信してもよい。コントローラ7802は、テンプレート7810にアクセスして、そのテンプレート内の情報に基づいてデータ収集システムリソースを構成してもよい。実施形態では、テンプレートは、特定のセンサ、マルチプレクサ/スイッチ構成、データ収集を調整するための参照信号、データ収集トリガ/開始信号および/または条件、収集のための時間継続時間、および/またはデータ量、収集されたデータの宛先、中間処理、もしあれば中間処理、および任意の他の有用な情報(例えば、インスタンス識別子など)を識別してもよい。コントローラ7802は、ODSVテンプレートに対する収集を実行するようにデータ収集システムを構成し、動作させてもよく、任意にシステム構成を以前の構成に戻してもよい。
産業環境においてODSVを実行するためのデータ収集の例示的な方法は、ローカルおよびリモートのデータ収集リソースを自動的に構成することと、構成されたリソースを使用して多数のセンサからデータを収集することとを含み、ここで、センサの数は、ODSVを実行するために必要とされるデータを生成するセンサのグループを含む。特定のさらなる実施形態では、例示的な方法は、センサが、産業環境における産業機械の構造部分全体に分散されている場合;ここで、センサが、振動、回転、バランス、および/または摩擦を含むシステム状態の範囲を感知する場合;ここで、自動的に構成されることが、環境の状態が状態値の許容範囲外で検出されたことに応答している場合をさらに含む。ここで、状態がシステムセンサのグループ内のセンサによって感知される場合;ここで、自動的に構成することが、センサのグループの一部をデータ収集リソースに同時に接続するように信号切替リソースを構成することを含む場合;および/または、信号切替リソースが、ODSVを実行するためにセンサからデータを収集している期間中、基準センサとデータ収集リソースとの間の接続を維持するように構成される場合。
産業用環境におけるデータ収集の例示的な方法は、産業用環境における機械全体に分散した多数のシステムセンサからデータを収集するためのデータ収集計画を構成すること、機械の構造情報および機械のODSVを生成するために必要なデータの指示に基づく計画を構成すること、データ収集計画に基づいて環境内のデータセンシング、ルーティングおよび収集リソースを構成すること、およびデータ収集計画に基づいてデータを収集することを含む。特定のさらなる実施形態では、例示的な方法は、ODSVを生成することをさらに含み、ここで、データセンシング、ルーティング、および収集リソースを構成することは、環境内の状態が許容可能な状態値の範囲外で検出されたことに応答することであり、ここで、状態がデータ収集計画で識別されたセンサによって感知されることであり、リソースを構成することは、複数のシステムセンサをデータ収集リソースに同時に接続するための信号切替リソースを構成することを含み、および/または、信号切替リソースは、ODSVを実行するためにセンサからデータを収集する期間を通じて、基準センサとデータ収集リソースとの間の接続を維持するように構成されていることである。
産業環境におけるデータ収集のための例示的なシステムは、以下を含む:環境全体に配置された多数のセンサ;複数のセンサからの信号をデータ収集リソースに接続するマルチプレクサ;およびデータ収集テンプレートに応答して多数のセンサから収集されたデータを処理するためのプロセッサであって、処理の結果が環境に配置された機械の一部のODSVをもたらす。特定のさらなる実施形態では、例示的なシステムは以下を含む。ODSV収集テンプレートが、特定されたセンサからのデータ収集の実行に依存する環境の状態をさらに特定し、その状態がODSVデータ収集テンプレートで特定されたセンサによって感知され、データ収集テンプレートが、データ収集リソースに同時に接続するためのマルチプレクサの入力を指定している場合、マルチプレクサは、データ収集リソースに同時に接続するように構成されている。マルチプレクサが、ODSVを実行するためにセンサからデータを収集する期間中、参照センサとデータ収集リソースとの間の接続を維持するように構成されている場合;ODSVデータ収集テンプレートが、産業環境における機械の一部のゆるみ、軟らかい関節、曲げ、および/またはねじりについてODSVを実行するためのデータ収集要件を指定する場合;および/またはODSV収集テンプレートが、複数の識別されたセンサからのデータ収集の順序およびタイミングを指定する場合。
コンベアのODSVを実行するためにマイニングコンベアを監視する例示的な方法は、ローカルおよびリモートのデータ収集リソースを自動的に構成することと、構成されたリソースを使用してマイニングコンベアを感知するために配置された多数のセンサからデータを収集することとを含む。実施形態では、複数のセンサは、コンベアの一部の動作偏向形状の可視化を実行するために必要なデータを生成するセンサのグループを構成する。ファンのODSVを実行するためにマイニングファンを監視する例示的な方法は、構成されたリソースを使用してファンを感知するために配置された多数のセンサからデータを収集するローカルおよびリモートデータ収集リソースを自動的に構成することを含み、ここで、センサの数は、ファンの一部のODSVを実行するのに十分または必要とされるデータを生成するセンサのグループを含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、ユーザが設定可能な階層などの設定可能な階層に従って入力データチャネルの逐次多重化を容易にする階層多重化器を含んでもよい。産業環境におけるデータ収集のためのシステムは、構成可能な階層に従って複数の入力データチャネルの連続的な多重化を容易にする階層型マルチプレクサを含んでもよい。階層は、産業環境における機械のパラメータなどの産業環境における操作パラメータに基づいて、コントローラによって自動的に構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、異なるレートでデータを出力し得る複数のセンサを含んでもよい。システムはまた、類似の出力レートを有する複数のセンサの第1の部分からのセンサ出力を、マルチプレクサモジュールの第1の階層マルチプレクサの別個の入力に受信するマルチプレクサモジュールを含んでもよい。マルチプレクサモジュールの第1の階層マルチプレクサは、類似の出力レートを有する複数のセンサの第2の部分からのセンサ出力を受信し、その入力の一部の少なくとも1つの多重化された出力を提供する第2の階層マルチプレクサに、その入力の少なくとも1つの多重化された出力を提供してもよい。実施形態では、センサの第1のセットの出力レートは、センサの第2のセットの出力レートよりも遅くてもよい。実施形態では、第1のセンサセットのデータ収集レート要件は、第2のセンサセットのデータ収集レート要件よりも低くてもよい。実施形態では、第1の階層マルチプレクサの出力は、その入力の一部の時間多重化された組み合わせである。実施形態では、第2の階層マルチプレクサは、第1のマルチプレクサの出力レートに類似した出力レートを有するセンサ信号を受信する。実施形態では、第1のマルチプレクサは、その複数の入力の一部の時間多重化を生成する。
実施形態では、産業環境におけるデータ収集のためのシステムは、データ収集テンプレートに基づいて動的に構成される階層型マルチプレクサを含んでもよい。階層型マルチプレクサは、複数の入力および複数の出力を含んでもよい。実施形態では、任意の入力は、テンプレートのセンサ出力収集要件に応答して任意の出力に向けられることができる。実施形態では、入力のサブセットは、第1のスイッチングレートで多重化され、複数の出力のうちの少なくとも1つに出力され得る。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境内の機械の状態を感知するための複数のセンサと、階層型マルチプレクサと、複数のアナログ/デジタル変換器(ADC)と、プロセッサと、ローカルストレージと、外部インタフェースとを含んでもよい。システムは、プロセッサを使用して、複数のセンサの一部からのデータ収集のためのパラメータのデータ収集テンプレートにアクセスし、定義されたパラメータに基づいてデータ収集を容易にするように階層型マルチプレクサ、ADC、およびローカルストレージを構成し、複数のセンサの一部から収集されたデータのセットをローカルストレージに格納することを含む構成要素でデータ収集を実行してもよい。実施形態では、ADCは、アナログセンサデータを、階層型マルチプレクサと互換性のあるデジタル形式に変換する。実施形態では、プロセッサは、トリガ条件のためにセンサによって生成された少なくとも1つの信号を監視し、トリガ条件が検出されると、外部インタフェースを介してアラートを通信すること、およびトリガ条件に対応するテンプレートに従ってデータ収集を実行することのうちの少なくとも1つによって応答する。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境のデータ収集テンプレートに基づいて構成可能な階層型マルチプレクサを含んでもよい。マルチプレクサは、多数のデータ信号(例えば、環境内のセンサからの)を同時に受信することをサポートしてもよい。実施形態では、環境内の産業機械の一部のためのすべてのセンサは、マルチプレクサの第1ステージの入力に個別に接続されてもよい。マルチプレクサの第1のステージは、第2のマルチプレクサのステージに供給してもよい複数の出力を提供してもよい。第2のステージのマルチプレクサは、第3のステージに供給する複数の出力を提供してもよい。環境のためのデータ収集テンプレートは、機械全体の温度を決定するためのセット、または機械全体の振動を決定するためのセットなど、特定のデータ収集セットのために構成されてもよい。各テンプレートは、データ収集イベントの間など、データが収集されるべき環境の複数のセンサを識別してもよい。テンプレートが階層マルチプレクサに提示されると、各マルチプレクサのための入力から出力へのマッピングは、データ収集のための最終的なマルチプレクサ階層ステージの出力(複数可)で必要なデータが利用可能になるように構成されてもよい。一例では、環境内の機械全体の温度を決定するためのデータのセットを収集するためのデータ収集テンプレートは、多数の温度センサを識別してもよい。第1段階のマルチプレクサは、温度センサに接続する利用可能な入力をすべて選択することにより、テンプレートに応答してもよい。これらのセンサからのデータは、センサの一部からの温度データの時間多重化された出力(複数可)を生成するために時間ベースの多重化を実行してもよい第2ステージセンサの複数の入力に多重化されてもよい。これらの出力は、データコレクタによって収集され、個々のセンサの温度測定値に多重化解除されてもよい。
実施形態では、トリガなどの時間に敏感な信号は、最終的なマルチプレクサステージに直接接続する入力に接続してもよく、それにより、複数のマルチプレクサステージを介してルーティングすることによって生じる潜在的な遅延を低減することができる。
実施形態では、産業環境におけるデータ収集のためのシステムにおける階層型マルチプレクサは、リレーのアレイ、CPLDなどのプログラマブル・ロジック・コンポーネント、フィールド・プログラマブル・ゲート・アレイ(FPGA)などで構成されていてもよい。
実施形態では、センサ出力を信号経路上にルーティングするための階層型マルチプレクサを含んでもよい産業環境におけるデータ収集のためのシステムは、マイニングアプリケーションにおける爆発システムとともに使用されてもよい。ブラスト開始システムおよび電子ブラストシステムは、コンピュータ支援ブラストシステムを提供するように構成されてもよい。ブラストが安全に行われるようにするには、様々な条件の効果的なセンシングおよび分析が必要となる場合がある。産業環境におけるデータ収集のためのシステムは、マイニングに使用される爆発物システムなどの爆発物システムに関連するデータを感知して収集するために配備されてもよい。データ収集システムは、例えば、その配置計画、統合、相互接続性、カスケード計画などを含む爆薬システムの配置を階層型マルチプレクサに整列させることによって、爆薬システムの配置から自動的にデータを捕捉するために階層型マルチプレクサを使用してもよい。爆薬システムは、一次発火装置から始まり、電子爆風制御の連続した層を経て順次起爆に至る起爆接続に従う階層の形態で展開されてもよい。爆風システム構成のこれらの各層から収集されたデータは、バルク爆薬爆発から収集されたデータがその爆風制御階層に対応する階層で捕捉されるように、階層型マルチプレクサの段階に関連付けられていてもよい。
実施形態では、センサ出力を信号経路にルーティングするための階層型マルチプレクサを含んでもよい産業環境におけるデータ収集のためのシステムは、石油およびガスパイプラインアプリケーションにおける精製所ブロワとともに使用されてもよい。精製所ブロワアプリケーションは、焼成ヒータ燃焼空気予熱システムなどを含む。強制ドラフト送風機は、状態検知および監視から利益を得ることができる可動部品および可動部品の範囲を含んでもよい。センシングは、以下の状態を検出することを含んでもよい:カップリング(例えば、温度、回転率など)、モータ(振動、温度、回転数、トルク、電力使用量など)、ルーバー機構(アクチュエータ、ルーバーなど)、およびプレナム(流量、閉塞、背圧など)の状態を検出すること。センサ等からの信号をデータコレクタにルーティングするための階層型マルチプレクサを使用する産業環境におけるデータ収集のためのシステムは、精製所のブロワからデータを収集するように構成されていてもよい。一例では、複数のセンサが、燃焼空気を予熱するためなど、精製所アプリケーションで使用される強制ドラフト送風機への空気の流れ、全体、および送風機からの空気の流れを感知するために配置されてもよい。センサは、センサによって生成される信号の周波数に基づいてグループ化されてもよい。ルーバー位置および制御を検出するセンサは、ブロワ回転数を検出するセンサよりも低い速度でデータを生成してもよい。したがって、ルーバー位置および制御センサの信号は、ルーバーからのデータが回転数センサからのデータよりも変化する頻度が低いため、マルチプレクサ階層の中でブロワRPMセンサよりも低いステージに適用され得る。データ収集システムは、複数のルーバセンサの間で切り替えても、ルーバ位置を適切に検出するのに十分な情報を捕捉することができる。しかし、適切にブロワRPMデータを検出するためには、ブロワRPMセンサとデータコレクタとの間の接続の帯域幅を大きくする必要があるかもしれない。階層型マルチプレクサは、複数のルーバーセンサ入力の間で切り替えを行い、ブロアRPM出力とは異なる出力へ(または出力を介して)誘導しながら、適切な検出に必要な速度でブロアRPMデータをキャプチャすることを可能にするかもしれない(おそらく、RPMセンサデータを長時間出力することによって)。また、ルーバー入力は、ブロワRPMデータを1つの出力に時間多重化し、ブロワRPMデータが出力されているときとルーバー位置データが出力されているときを判断するように構成されたデータコレクタで多重化を解除することができます。
実施形態では、センサ出力を信号経路にルーティングするための階層型マルチプレクサを含んでもよい産業環境におけるデータ収集のためのシステムが、石油およびガスのパイプラインアプリケーションにおけるパイプライン関連コンプレッサ(例えば、レシプロ)とともに使用されてもよい。パイプラインアプリケーションのためのレシプロ圧縮機の典型的な使用は、パイプライン試験のための圧縮空気の生産である。産業環境におけるデータ収集のためのシステムは、パイプライン試験に基づくレシプロ圧縮機からデータを収集している間、階層型マルチプレクサを適用してもよい。試験されるパイプラインの一部に沿って配置されたセンサからのデータは、これらのセンサが試験前および試験中に定期的にサンプリングされてもよいので、階層型マルチプレクサの最下段に入力されてもよい。しかしながら、サンプリングの速度は、往復動リンケージ、モータなどのより高い周波数で動作する圧縮機の部分など、圧縮機の動作を検出するセンサに比べて低いかもしれない。検出された動きの再現を可能にする周波数でデータを提供するセンサは、階層多重化装置のより高いステージに入力されてもよい。パイプラインセンサ間の時間多重化は、シール漏れなどのイベントを捕捉しつつ、多数のセンサをカバーすることを可能にしてもよい。しかし、往復リンケージセンサ間の時間多重化は、マルチプレクサからデータコレクタにデータをルーティングするために利用可能な帯域幅を超える出力信号帯域幅を必要とする可能性がある。したがって、実施形態では、複数のパイプラインセンサは、単一のマルチプレクサ出力に時間多重化され、コンプレッサモータなどの急速に動く部品を検出するコンプレッサセンサは、マルチプレクサの別々の出力にルーティングされてもよい。
図49を参照すると、センサ信号をデータコレクタにルーティングするために階層型マルチプレクサを使用する産業環境におけるデータ収集のためのシステムが描かれている。比較的低い周波数で変化する条件を監視するセンサ(例えば、ブロワー・ルーバー位置センサ)などの複数のセンサからの出力は、階層型マルチプレクサ8002の最も低い階層ステージ8000に入力され、マルチプレクサ内の順次高いステージにルーティングされ、最終的にマルチプレクサから出力され、おそらく複数の低周波数センサのそれぞれの時間固有のサンプルを含む。時間多重化された信号として出力されてもよい。第2の複数のセンサからの出力、例えば、10000RPMを超える回転数で動作する可能性のあるモータ動作を監視するセンサは、階層マルチプレクサのより高い階層ステージ8004に入力され、必要な帯域幅をサポートする出力にルーティングされてもよい。
産業環境におけるデータ収集のための例示的なシステムは、産業環境におけるデータ収集リソースを制御するためのコントローラと、構成可能な階層に従って多数の入力データチャネルの連続的な多重化を容易にする階層多重化装置とを含む。実施形態では、階層は、産業環境における機械の動作パラメータに基づいてコントローラによって自動的に構成される。特定の更なる実施形態では、例示的なシステムは、以下を含む:機械の動作パラメータがデータ収集テンプレートで特定される場合;階層が、入力データチャネルのソースと階層マルチプレクサとの間に配置されたアナログ/デジタル変換器をさらに含むスマートバンドデータ収集活性化に応答して自動的に構成される場合;および/または機械の動作パラメータが、データチャネルのうちの少なくとも1つのトリガ条件を構成する場合。産業環境におけるデータ収集のための別の例示的なシステムは、複数のセンサと、類似の出力レートを有するセンサの第1の部分からのセンサ出力を、その入力の一部の少なくとも1つの多重化された出力を第2の階層マルチプレクサに提供する第1の階層マルチプレクサの別々の入力に受信するマルチプレクサモジュールと、第2の階層マルチプレクサが、センサの第2の部分からのセンサ出力を受信し、その入力の一部の少なくとも1つの多重化された出力を提供する第2の階層マルチプレクサと、を含む。特定のさらなる実施形態では、例示的なシステムは、ここで、センサの第2の部分が、センサの第1の部分の出力レートよりも高いレートでデータを出力する;センサの第1の部分と第2の部分が異なるレートでデータを出力する;第1の階層マルチプレクサの出力が、その入力の一部の時間多重化された組み合わせである;第2のマルチプレクサが、第1のマルチプレクサの出力レートに類似した出力レートでセンサ信号を受信する;および/または、第1のマルチプレクサが、その入力の一部の時間多重化された出力を生成する、ことを含む。
産業環境におけるデータ収集のためのシステムの例としては、環境内の機械の状態を感知するための多数のセンサ、階層型マルチプレクサ、多数のアナログ/デジタル変換器、コントローラ、ローカルストレージ、外部インターフェイスがあるが、ここでシステムは、コントローラを使用してセンサの一部からデータ収集のためのパラメータを定義するデータ収集テンプレートにアクセスすることを含む。を構成し、定義されたパラメータに基づいてデータ収集を容易にするために、階層マルチプレクサ、ADC、およびローカルストレージを構成し、センサの一部から収集されたデータのセットをローカルストレージに格納することを含む構成された要素でデータ収集を実行する。特定のさらなる実施形態では、例示的なシステムは以下を含む。ここで、前記ADCは、アナログセンサデータを階層型マルチプレクサと互換性のあるデジタル形式に変換し、前記プロセッサは、トリガ条件のために前記センサによって生成された少なくとも1つの信号を監視し、前記トリガ条件が検出されると、外部インタフェースを介してアラートを通信し、および/またはトリガ条件に対応するテンプレートに従ってデータ収集を実行することによって応答し、前記階層型マルチプレクサは、構成可能な階層に従って、前記センサから受信したデータの連続的な多重化を実行し、前記階層は、産業環境における機械の動作パラメータに基づいてコントローラによって自動的に構成される。機械の動作パラメータがデータ収集テンプレートで特定され、階層がスマートバンドデータ収集活性化に応答して自動的に構成され、システムが、入力データチャネルのソースと階層マルチプレクサとの間に配置されたADCをさらに含み、機械の動作パラメータがデータチャネルの少なくとも1つのトリガ条件を含み、階層マルチプレクサが、構成可能な階層に従って複数のセンサから受信したデータの連続多重化を実行し、および/または、階層が、産業環境の検出されたパラメータに基づいてコントローラによって自動的に構成される、システム。限定されずに、N例示的なシステムは、採掘爆発物システムを監視するように構成され、爆発物システムに関連付けられたデータ収集リソースを制御するためのコントローラと、構成可能な階層に従って多数の入力データチャネルの逐次多重化を容易にする階層多重化装置とを含み、ここで、階層は、爆発物システムの構成に基づいてコントローラによって自動的に構成される。限定することなく、例示的なシステムは、石油およびガスパイプラインアプリケーションにおける精製ブロアを監視するように構成され、精製ブロアに関連付けられたデータ収集リソースを制御するためのコントローラと、構成可能な階層に従って多数の入力データチャネルの逐次多重化を容易にする階層多重化装置とを含み、ここで、階層は、精製ブロアの構成に基づいてコントローラによって自動的に構成される。限定することなく、例示的なシステムは、石油およびガスパイプラインアプリケーションにおける往復圧縮機を監視するように構成され、往復圧縮機に関連するデータ収集リソースを制御するためのコントローラ、および構成可能な階層に従って多数の入力データチャネルの連続的な多重化を容易にする階層的多重化装置を含み、階層は往復圧縮機の構成に基づいてコントローラによって自動的に構成される。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境中の要素の超音波状態を捕捉するために配置された超音波センサを含んでもよい。システムは、捕捉された超音波状態を表すデータをコンピュータ・メモリに収集するように構成されていてもよく、その上でプロセッサが超音波解析アルゴリズムを実行してもよい。実施形態では、感知された要素は、移動要素、回転要素、構造要素などのうちの1つであってもよい。実施形態では、データは、コンピュータメモリにストリーミングされてもよい。実施形態では、データは連続的にストリーミングされてもよい。実施形態では、データは、超音波状態のサンプリング期間などの期間にわたってストリーミングされてもよい。実施形態では、システムはまた、超音波センサからのストリーミングデータを、ローカルおよびリモートの宛先を含む複数の宛先にルーティングすることを容易にするデータルーティングインフラストラクチャを含んでもよい。ルーティングインフラストラクチャは、ストリーミングデータおよび少なくとも1つの他のセンサからのデータを宛先にルーティングするように適合された階層型マルチプレクサを含んでもよい。
実施形態では、産業環境における超音波モニタリングは、回転要素(例えば、モータシャフトなど)、軸受、継手、カップリング、ハウジング、耐荷重要素などについて本明細書に記載されているようなデータ収集のためのシステムによって実行されてもよい。超音波データは、パターン認識、状態決定、時系列解析などのために使用されてもよく、これらのいずれかは、産業環境のコンピューティングリソースによって実行されてもよく、これらのリソースは、ローカルコンピューティングリソース(例えば、環境内および/または環境内の機械内に配置されたリソースなど)およびリモートコンピューティングリソース(例えば、クラウドベースのコンピューティングリソースなど)を含んでもよい。
実施形態では、データ収集のためのシステムによる産業環境における超音波モニタリングは、トリガ(例えば、モータが動作していることを示すモータからの信号など)、時間の尺度(例えば、直近のモニタリング活動からの時間の量、一日の時間、トリガに対する相対的な時間、機械のシャットダウンなどの将来のイベントまでの時間の量など)、外部イベント(例えば、落雷など)に応答して活性化されてもよい。超音波監視は、スマートバンドデータ収集活動の実施に応答して作動してもよい。超音波監視は、産業環境で適用されるデータ収集テンプレートに応答して作動してもよい。データ収集テンプレートは、監視される要素、機械、環境などに適用可能であるかもしれない事前の振動に起因する故障の分析に基づいて構成されてもよい。超音波データの連続的な監視は、長時間にわたって産業環境にデータルーティングリソースを割り当てる必要があるかもしれないので、連続的な超音波監視のためのデータ収集テンプレートは、データ収集システムのコントローラが連続的な超音波監視に対応するためにリソースを設定するために使用することができるデータルーティングおよびリソース利用セットアップ情報で構成されていてもよい。一例では、データマルチプレクサは、その出力の一部をテンプレートで指定された期間の超音波データに捧げるように構成されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、連続的な超音波モニタリングを実行してもよい。システムはまた、振動監視センサまたは装置の近位に位置するローカルプロセッサによる超音波データの処理を含んでもよい。ローカルプロセッサのコンピューティング能力に応じて、ピーク検出などの機能が実行されてもよい。プログラマブルロジックコンポーネントは、ピーク検出を実行するのに十分なコンピューティング能力を提供してもよい。超音波データの処理(ローカルまたはリモート)は、監視される要素に関連するコントローラにフィードバックを提供してもよい。フィードバックは、超音波データ分析によって示唆される潜在的な負の影響を減少させるか、または少なくとも抑制する試みで、回転速度などの動作条件を潜在的に調整するために、制御ループで使用されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、超音波モニタリング、特に連続的な超音波モニタリングを実行してもよい。超音波監視データは、監視されている要素または機械の多次元モデルと組み合わせて、超音波データの可視化を生成してもよい。実施形態では、感知された超音波データと時間的に相関する画像、画像のセット、ビデオなどが生成されてもよい。実施形態では、超音波モニタリングによって検出された状態の重大度の決定をさらに容易にするために、画像認識および/または分析が超音波可視化に適用されてもよい。画像解析アルゴリズムは、正常な状態および範囲外の状態を検出するように訓練されてもよい。荷重センサからのデータは、材料およびシステムの試験を容易にするために、超音波データと結合されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、石油およびガスのパイプラインアプリケーションにおけるパイプラインの超音波モニタリングを実行してもよい。パイプラインを通る石油の流れは、パイプラインのライナー、支持部材、フローブースター、レギュレータ、ダイバータなどの構造変化に寄与する振動および他の機械的効果を生じさせる可能性がある。パイプラインの主要な要素の連続的な超音波モニタリングを行うことで、ジョイントフラクチャリングなど、故障につながる可能性のある材料の変化を早期に検出することが容易になる可能性がある。産業環境におけるデータ収集のためのシステムは、クロスポイントスイッチ、マルチプレクサなどの信号データルーティングリソースを介して、収集された超音波データを収集および分析することができるデータ収集および分析ノードに接続されてもよい超音波センシングデバイスを備えて構成されてもよい。実施形態では、データ収集システムは、パイプラインに沿った複数の要素からの超音波サンプルデータの収集に対応するために、システムのデータサンプリング、ルーティング、および収集リソースの構成を容易にするための情報を含むデータ収集計画またはテンプレートを参照してもよいコントローラを含んでもよい。テンプレートは、複数の超音波センサから超音波データを収集するためのシーケンスを示してもよく、コントローラは、指定された超音波センサからの超音波センサデータを、テンプレートで指定された期間、データストレージコントローラ、分析プロセッサなどの宛先にルーティングするようにマルチプレクサを構成してもよい。コントローラは、テンプレート内の収集シーケンス、またはアクセスすべきテンプレートのシーケンスを検出し、検出されたシーケンス内の各テンプレートに応答して、各テンプレートで指定されたセンサデータを収集装置にルーティングするようにマルチプレクサ等を調整してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、発電アプリケーションにおける圧縮機の超音波モニタリングを実行してもよい。圧縮機は、複数の重要な回転要素(例えば、シャフト、モータ、およびそのようなもの)、回転支持要素(例えば、ベアリング、カップリング、およびそのようなもの)、およびそのようなものを含む。発電アプリケーションにおける超音波データのセンシング、ルーティング、収集および分析を容易にするように構成されたデータ収集のためのシステムは、複数の超音波センサから超音波センサデータを受信してもよい。つ以上の超音波センサ装置から連続的な超音波データを収集するためのテンプレートなどの構成設定テンプレートに基づいて、コントローラは、少なくともローカルまたはリモートでアクセス可能であってもよいデータコレクタへのセンサ(複数可)からの1つ以上の信号データ線を介した超音波データの送達を容易にするようにデータ収集システムのリソースを構成してもよい。実施形態では、テンプレートは、メインシャフトのための超音波データを1分間連続して取得し、次いで、セカンダリシャフトのための超音波データを別の1分間取得し、次いで、圧縮機のハウジングのための超音波データを取得することを示してもよい。コントローラは、これらのセンサのそれぞれについての超音波データを受信するマルチプレクサを構成して、転送されるデータの時間または他の尺度に達するまで、最初にマルチプレクサを介してメインシャフトの超音波センサからの入力を指示する制御セットを構成することによって、各センサからのデータを順番にルーティングするように構成してもよい。制御装置は、第2のテンプレート要件を満たすために必要に応じて、追加の超音波データをルーティングするようにマルチプレクサを切り替えてもよい。コントローラは、超音波モニタリングデータ収集テンプレートのすべてが満たされるまで、途中でデータ収集システムリソースを調整し続けてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、風力エネルギー生成アプリケーションにおける風力タービンのギアボックスの超音波モニタリングを実行してもよい。風力タービンのギアボックスは、風の性質の変化に起因して、運転中に高い抵抗を経験する可能性があり、これにより、ギアプレーン、油圧流体ポンプ、レギュレータなどの可動部品が早期に故障する可能性がある。産業環境におけるデータ収集のためのシステムは、これらの高ひずみ要素の潜在的な故障モードの早期検出につながる可能性のある情報を捕捉する超音波センサを備えて構成されてもよい。超音波データが、実用的な超音波イメージング評価を生成するのを容易にするのに十分なカバレッジを有する複数の異なる超音波センサから効果的に取得され得ることを保証するために、システムは、1つ以上のセンサから比較的高い速度で十分なデータを送達するように特別に構成されてもよい。ルーティングチャネルは、超音波データ収集計画またはテンプレートで指定された期間の超音波センシングデータを転送するために専用であってもよい。これを達成するために、プログラマブルロジックコンポーネントなどのコントローラは、クロスポイントスイッチおよびデータ収集器の一部を構成して、超音波センサの第1のセット(例えば、油圧流体流量制御要素を感知するもの)からの超音波データを複数のデータ収集器に送達するようにしてもよい。クロスポイントスイッチの別の部分は、他のデータチャネル上の超音波データ(例えば、モータのオン/オフ状態、感知された部品の熱状態など)を評価するのに有用であるかもしれない追加のセンサデータを、データが結合されて分析され得るデータコレクタにルーティングするように構成されていてもよい。コントローラは、対応するデータ収集テンプレートに基づいて他の要素から超音波データを収集できるように、データルーティングリソースを再構成してもよい。
図50を参照すると、産業環境におけるデータ収集のためのシステムは、データ収集に接続してもよい1つ以上の超音波センサ8050と、超音波データ分析設備8058によってコントローラ8054に提供されてもよい超音波センサ固有のデータ収集テンプレート8056に基づいてコントローラ8054によって構成されてもよいルーティングシステム8052とを含んでもよい。コントローラ8054は、データ収集システム8052のリソースを構成してもよく、テンプレート8056内のデータ収集の要件に基づいて、データ収集の期間を監視してもよい。
産業環境におけるデータ収集のための例示的なシステムは、環境中の要素の超音波状態を捕捉するために配置された超音波センサと、超音波センサによって捕捉される超音波データを、超音波モニタリングデータ収集テンプレートによって指定された目的地にルーティングするようにデータ収集システムのデータルーティングリソースを構成するコントローラと、目的地に到着した後にデータ上で超音波解析アルゴリズムを実行するプロセッサとを含む。特定のさらなる実施形態では、例示的なシステムは以下を含む。ここで、テンプレートは、超音波センサからの連続的な超音波データ収集の時間間隔を定義し、超音波センサからのストリーミングデータを、ローカルおよびリモートの宛先を含む多数の宛先にルーティングすることを容易にするデータルーティングインフラストラクチャと、ストリーミングデータおよび少なくとも1つの他のセンサからのデータを宛先にルーティングするように適合された階層的マルチプレクサとを含むルーティングインフラストラクチャと、を含む。ここで、環境内の要素が、回転要素、ベアリング、継手、カップリング、ハウジング、および/または耐荷重部品を含む;ここで、テンプレートが、連続的な超音波モニタリングの活性化条件を定義する;および/または、活性化条件が、トリガ、スマートバンド、テンプレート、外部イベント、および/または規制遵守構成を含む。
産業環境におけるデータ収集のための例示的なシステムは、環境中の産業機械の要素の超音波状態をキャプチャするために配置された超音波センサと、超音波センサによってキャプチャされた超音波データを、超音波モニタリングデータ収集テンプレートによって指定された目的地にルーティングするようにデータ収集システムのデータルーティングリソースを構成するコントローラと、目的地に到着した後、データに対して超音波解析アルゴリズムを実行するプロセッサとを含む。特定の実施形態において、前記テンプレートは、前記超音波センサからの連続的な超音波データの捕捉の時間間隔を定義し、前記システムは、前記超音波センサからのデータを、ローカルおよびリモートの宛先を含む多数の宛先へのルーティングを容易にするデータルーティングインフラストラクチャをさらに含み、前記データルーティングインフラストラクチャは、前記超音波データおよび前記少なくとも1つの他のセンサからのデータを宛先へルーティングするように適合された階層型マルチプレクサを含む、データルーティングインフラストラクチャ。ここで、産業機械の要素が、回転要素、軸受、継手、カップリング、ハウジング、および/または耐荷重部品を含む;ここで、テンプレートが、連続的な超音波モニタリングの活性化条件を定義する;および/または、活性化条件が、トリガ、スマートバンド、テンプレート、外部イベント、および/または規制遵守構成を含む。
産業環境における連続的な超音波モニタリングの例示的な方法は、産業環境における産業機械の少なくとも1つの可動部分の超音波モニタリング範囲内に超音波モニタリング装置を配置すること、超音波モニタリング装置が超音波モニタリングデータのストリームを生成すること、超音波モニタリングデータ収集テンプレートに基づいて、超音波モニタリングデータのストリームを宛先にルーティングするためのデータルーティングインフラストラクチャを構成すること、ここで、インフラストラクチャは、アナログクロスポイントスイッチおよび/または階層的マルチプレクサを介して多数のセンサからのデータを多数の宛先にルーティングすることを容易にすること、ルーティングインフラストラクチャを介して超音波モニタリング装置のデータを宛先にルーティングすることを含む。モータシャフト、ベアリング、フィッティング、カップリング、ハウジング、および耐荷重部品のうちの少なくとも1つの超音波解析を提供する超音波データ解析アルゴリズムで保存されたデータを処理すること;および/または、データを目的地のコンピュータアクセス可能なメモリに保存すること。例示的な方法の特定のさらなる実施形態には、以下が含まれる。ここで、データ収集テンプレートが、超音波モニタリング装置からの連続的な超音波データの取り込みの時間間隔を定義するところ;データルーティングインフラストラクチャを構成することが、少なくとも1つの他のセンサからの超音波データおよびデータを宛先にルーティングするように階層マルチプレクサを構成することを含むところ;超音波モニタリングが、回転要素、ベアリング、継手、カップリング、ハウジング、および/または荷重軸受部品を含む産業機械内の少なくとも1つの要素上で実行されるところ。ここで、テンプレートが、連続的な超音波モニタリングの活性化条件を定義し、ここで、活性化条件が、トリガ、スマートバンド、テンプレート、外部イベント、および/または規制遵守構成を含み、ここで、超音波データ解析アルゴリズムがパターン認識を実行し、および/または、超音波モニタリング装置のデータをルーティングすることが、少なくとも1つの可動部分に関連する産業環境の状態の検出に応答して行われる。
限定することなく、石油またはガスのパイプラインを監視するための例示的なシステムは、目的地に到着した後にパイプラインデータに対して超音波解析アルゴリズムを実行するプロセッサを含み、発電コンプレッサを監視するための例示的なシステムは、目的地に到着した後に発電コンプレッサデータに対して超音波解析アルゴリズムを実行するプロセッサを含み、風力タービンのギアボックスを監視するための例示的なシステムは、目的地に到着した後にギアボックスデータに対して超音波解析アルゴリズムを実行するプロセッサを含んでいる。
ポンプ、コンプレッサ、空調装置、ミキサー、攪拌機、モータ、エンジンなどの産業用部品は、工場、ガスハンドリングシステム、鉱業、自動車システムなどの産業環境における製造装置の一部として、様々な環境下で装置の運転に重要な役割を果たすことがある。
ポンプには、各種の容積式ポンプ、速度式ポンプ、衝動式ポンプなど多種多様なものがある。速度ポンプまたは遠心ポンプは、典型的には、湾曲した羽根を有する羽根車からなり、羽根車が水またはガスなどの流体中に浸漬されると、流体またはガスが羽根車と同じ回転方向に回転するようになる。流体またはガスが回転すると、遠心力によってポンプの外径、例えばポンプハウジングに移動し、そこで流体またはガスを回収し、さらに処理することができる。外周からの流体またはガスの除去は、ポンプ入力オリフィスでの圧力低下をもたらし、新しい流体またはガスがポンプ内に引き込まれることをもたらすことがある。
ポジティブ変位ポンプは、往復動ポンプ、スネークポンプ、ギアポンプまたはスクリューポンプから構成されてもよく、例えば往復動ポンプは、典型的には、入口弁を開いて液体またはガスをシリンダ内に引き込む吸引と、入口弁を閉じて存在する液体またはガスを出口弁を通ってシリンダ外に強制的に排出する圧力とを交互に作り出すピストンから構成される。このようなポンピング方法は、加圧された液体またはガスが下流システムに導入される周期的な波をもたらすことがある。
自動車やトラックなどの一部の自動車は、エンジンの過熱を防ぐために水冷システムを使用することがある。いくつかの自動車では、車両のドライブシャフトに関連付けられたベルトによって駆動される遠心水ポンプが、許容可能なエンジン温度を維持するために、水と冷却剤の混合物をエンジンを通して強制的に流すために使用される。エンジンの過熱は、エンジンにとって非常に破壊的であり得るが、それにもかかわらず、車両に設置されたウォーターポンプにアクセスすることが困難であるか、またはコストがかかる場合がある。
実施形態では、車両のウォーターポンプは、ベアリングまたはポンプハウジングの温度、ポンプに関連するドライブシャフトの振動、液体漏れなどのようなウォーターポンプに関連する属性を測定するための複数のセンサを備えてもよい。これらのセンサは、監視装置に直接接続されてもよいし、有線および無線接続技術を用いて中間装置を介して接続されてもよい。監視装置は、検出値がセンサ出力、またはセンサ出力のデジタル化されたまたはサンプリングされたバージョンなどのデータ出力の処理されたバージョン、および/または他の検出値から相関した仮想センサまたはモデル化された値に直接対応するセンサに対応する検出値へのアクセスを有してもよい。監視装置は、本明細書で他の場所で議論されている方法を使用して検出値にアクセスし、検出値を処理して、ウォーターポンプおよび摩耗および故障しやすいウォーターポンプの様々な構成要素、例えば、ベアリングまたはベアリングのセット、ドライブシャフト、モータなどの健全性を評価してもよい。監視装置は、検出値を処理して、ポンプのドライブシャフトのねじれを特定してもよい。そして、識別されたねじれは、ウォーターポンプの特定の形状および車両にどのように取り付けられているかに基づいて、予想されるねじれと比較して評価されてもよい。予期しないねじれは、駆動シャフトに過度のストレスを与える可能性があり、ポンプの健全性の悪化の兆候である可能性がある。監視装置は、検出値を処理して、シャフト内の予期しない振動、またはベアリングまたはベアリングに近接したハウジング内の予期しない温度値または温度変化を識別してもよい。いくつかの実施形態では、センサは、ベアリングの故障の可能性を示す可能性のあるベアリング間のホットスポットまたはポンプハウジング全体のホットスポットを識別するために、ウォーターポンプの周囲に配置された複数の温度センサを含んでもよい。監視装置は、水センサに関連した検出値を処理して、シール不良を示す可能性のあるポンプ付近の液体漏れを識別してもよい。検出値は、ポンプの健全性についての洞察を提供するために、共同で分析されてもよい。
例示的な例では、車両のウォーターポンプに関連した検出値は、ポンプの運転回転よりも高い周波数での振動の急激な増加と、ポンプサイクルの特定の段階に関連した温度の対応する局所的な上昇を示す場合がある。これらを合わせると、局所的なベアリングの故障を示すことがある。
生産ラインはまた、酸性または腐食性の材料、可燃性の材料、鉱物、様々なサイズの微粒子を含む。流体、高粘度の流体、可変粘度の流体、または高密度の流体を含む様々な材料を移動させるための1つまたは複数のポンプを含んでもよい。生産ラインポンプは、様々な材料の種類を扱うためのポンプ組成、または流体を所望の速度または所望の圧力で移動させるために必要なトルクを含む、生産ラインのニーズを特に満たすように設計されていてもよい。これらの生産ラインは、連続的なプロセスラインである場合があるので、コンポーネントが故障するのを待つのではなく、先を見越したメンテナンスを行うことが望ましい場合がある。ポンプ速度および圧力の変動は、最終製品に悪影響を及ぼす可能性があり、最終製品の問題を特定する能力は、実際のコンポーネントの劣化を許容できないほど長い期間遅らせる可能性がある。
実施形態では、産業用ポンプは、ベアリングまたはポンプハウジングの温度、ポンプに関連するドライブシャフトの振動、入力ラインまたは出力ラインの振動、圧力、流量、流体微粒子測定、ポンプハウジングの振動などのようなポンプに関連する属性を測定するための複数のセンサを備えていてもよい。これらのセンサは、監視装置に直接接続されていてもよいし、有線および無線接続技術の組み合わせを使用して中間装置を介して接続されていてもよい。監視装置は、センサに対応する検出値へのアクセスを有してもよく、ここで、検出値は、センサ出力のデジタル化されたバージョンまたはサンプリングされたバージョンなどのデータ出力の処理されたバージョンのセンサ出力に直接対応する。監視装置は、ポンプ全体の健全性を評価し、ポンプ部品の健全性を評価し、非定型のポンプ性能から生じる潜在的なダウンラインの問題を予測し、またはポンプされる流体の変化を予測するために、本明細書で他の場所で議論されている方法を使用して検出値にアクセスし、処理してもよい。監視装置は、ポンプのドライブシャフトのねじれを識別するために検出値を処理してもよい。次に、識別されたねじりは、ポンプの特定の形状および組立ライン上の他のコンポーネントと比較して装置にどのように設置されているかに基づいて、予想されるねじりと比較して評価されてもよい。予期しないねじれは、ドライブシャフトに過度のストレスを与える可能性があり、ポンプの健康状態の悪化の兆候である可能性がある。また、ポンプの特定の周波数を避けるためにプロセス制御を駆動するために使用される可能性のある予期せぬ振動や共振振動についても、入口および出口パイプの振動が評価されることがある。振動の変化はまた、流体組成または密度の変化によるものであってもよく、特定の周波数での振動を増幅または減衰させてもよい。監視装置は、検出値を処理して、シャフト内の予期しない振動、予期しない温度値、または軸受内または軸受に近接したハウジング内の温度変化を識別してもよい。いくつかの実施形態では、センサは、ベアリングの故障の可能性を示す可能性のあるベアリング間またはポンプハウジング全体のホットスポットを識別するために、ポンプの周囲に配置された複数の温度センサを含んでもよい。一部のポンプでは、送液される流体が腐食性であるか、または多量の微粒子を含む場合、流体に累積的に曝露されることにより、流体と接触するポンプの内部構成要素に損傷が生じる可能性がある。これは、出力圧力の予期せぬ変動に反映される可能性がある。さらに、ギアポンプのギアが腐食し始め、捕捉された全ての流体を押し出すことができなくなった場合、ポンプ速度の増加、流体のキャビテーション、および/または出力パイプの予期せぬ振動を引き起こす可能性がある。
コンプレッサは、ガスが占有する容積を減少させたり、閉じ込められた容積内のガス量を増加させたりすることで、ガスの圧力を増加させます。加圧された保持室内にガスを移動させるためにピストンまたは回転ネジの動きを利用する正変位型コンプレッサがある場合がある。遠心力を利用してガスを加速し、運動エネルギーが圧力に変換される定置圧縮機へと移動させる動圧式ガス圧縮機がある。コンプレッサは、組立ラインで使用するために様々なガスを圧縮するために使用されることがある。圧縮空気は、組立ラインの空圧機器に動力を与えることもある。石油およびガス産業では、フラッシュガスコンプレッサは、ガスが低圧環境に入るときに炭化水素液体を残すようにガスを圧縮するために使用されてもよい。圧縮機は、ガスおよび石油パイプライン内の圧力を回復するため、関心のある流体を混合するため、および/または関心のある流体を移送または輸送するために使用されてもよい。圧縮機は、天然ガスの地下貯蔵を可能にするために使用されてもよい。
ポンプと同様に、コンプレッサは、ベアリングやコンプレッサハウジングの温度、コンプレッサに関連するドライブシャフト、トランスミッション、ギアボックスなどの振動、容器圧力、流量などのコンプレッサに関連する属性を測定するための複数のセンサを備えていてもよい。これらのセンサは、監視装置に直接接続されてもよいし、有線および無線接続技術の組み合わせを使用して中間装置を介して接続されてもよい。監視装置は、センサに対応する検出値へのアクセスを有してもよく、ここで、検出値は、センサ出力のデジタル化されたバージョンまたはサンプリングされたバージョンなどのデータ出力の処理されたバージョンのセンサ出力に直接対応している。監視装置は、圧縮機全体の健全性を評価し、圧縮機コンポーネントの健全性を評価し、および/または非典型的な圧縮機性能から生じるダウンラインの潜在的な問題を予測するために、本明細書に記載された方法を使用して、検出値にアクセスして処理してもよい。監視装置は、検出値を処理して、コンプレッサのドライブシャフトのねじれを特定してもよい。識別されたねじりは、次に、圧縮機の特定の形状および他のコンポーネントおよび装置の一部と比較して装置内にどのように設置されているかに基づいて、予想されるねじりと比較して評価されてもよい。予期しないねじれは、ドライブシャフトに過度のストレスを与える可能性があり、圧縮機の健康状態の悪化の兆候である可能性がある。また、入口管および出口管の振動は、特定の圧縮機の周波数を回避するためにプロセス制御を駆動するために使用され得る予期しない振動または共振振動について評価されてもよい。監視装置は、検出値を処理して、シャフト内の予期しない振動、予期しない温度値、または軸受内の温度変化、または軸受に近接したハウジング内の温度変化を識別してもよい。いくつかの実施形態では、センサは、ベアリングの故障の可能性を示す可能性のあるベアリング間またはコンプレッサハウジング全体のホットスポットを識別するために、コンプレッサの周囲に配置された複数の温度センサを含んでもよい。いくつかの実施形態では、センサは、圧縮ガスを貯蔵する容器内の圧力を監視してもよい。圧力または圧力変化率の変化は、圧縮機の問題を示す場合がある。
攪拌機とミキサーは、様々な産業環境で使用されている。撹拌機は、液体、固体、または気体などの異なる成分を一緒に混合するために使用することができる。撹拌機は、構成材料のより均質な混合を促進するために使用されてもよい。撹拌機は、異なる構成材料間の暴露を増加させ、システムにエネルギーを加えることによって化学反応を促進するために使用されてもよい。攪拌機は、材料の均一な加熱または冷却を促進するために熱伝達を促進するために使用されてもよい。
ミキサーや撹拌機は、化学品製造、食品製造、医薬品製造など様々な業界で使用されている。塗料・コーティング用ミキサー、接着剤・シーラント用ミキサー、石油・ガス用ミキサー、水処理用ミキサー、排水処理用ミキサーなどがある。
撹拌機は、コンクリートミキサーのように、混合される材料が配置されたタンクや容器全体を回転させたり、撹拌したりする装置で構成されていてもよい。有効な撹拌は、タンク内部のバッフルの数や形状によって影響を受ける場合がある。タンクや容器の回転による撹拌は、タンクの形状に対する回転軸、回転方向、タンク内の材料に作用する重力などの外力の影響を受けることがある。タンクまたは容器の撹拌による材料の撹拌または混合の有効性に影響を与える要因としては、回転軸、異なる軸に沿った振動の振幅および周波数が挙げられてもよい。これらの要因は、選択される材料の種類、それらの相対粘度、比重、微粒子数、構成材料または混合物について予想される任意のせん断減肉またはせん断増粘、容器またはタンクに入るまたは出る材料の流量、容器またはタンクから出る材料の流れの方向および位置などに基づいて選択されてもよい。
攪拌機、大型タンクミキサ、ポータブルタンクミキサ、トートタンクミキサ、ドラムミキサ、およびマウントミキサ(様々なマウントタイプを有する)は、プロペラを回転させるか、またはその他の機械装置を移動させながら、混合される材料のタンク内に挿入されたブレード、ベーン、またはステータのようなプロペラまたはその他の機械装置で構成されていてもよい。これらには、翼型羽根車、固定ピッチ羽根車、可変ピッチ羽根車、ゴロゴロ防止羽根車、固定ラジアル羽根車、マリン型プロペラ、倒立式翼型羽根車、倒立式ピッチ羽根車、倒立式ラジアル羽根車、可変ピッチ羽根車などが含まれていてもよい。撹拌機は、機械的な撹拌がタンク内で中心になるように取り付けてもよい。撹拌機は、タンク内で角度をつけられているように、または容器の中心から垂直または水平にオフセットされているように取り付けられていてもよい。撹拌機は、タンクの上方、下方、または側面からタンク内に入ってもよい。薬液のタンクまたは容器全体の均一な混合を達成するために、単一のタンク内に複数の撹拌機があってもよい。
撹拌機は、容器内への構成材料の戦略的な流れまたは導入を含むものであってもよいが、これには、容器内への構成材料の導入位置および方向、導入速度、導入圧力、材料の粘度、材料の比重などが含まれる。
材料の混合の成功した撹拌は、コンポーネントが異なる場所で異なる速度で導入されるバッフルタンク内の1つまたは複数のプロペラのような技術の組み合わせで発生する可能性がある。
実施形態では、産業用ミキサーまたは攪拌機は、産業用ミキサーに関連する属性を測定するための複数のセンサを備えていてもよい:ベアリングまたはタンクハウジングの温度、プロペラまたはブレード、ベーンまたはステータのような他の機械装置に関連するドライブシャフトの振動、入力または出力ラインの振動、圧力、流量、流体の微粒子測定、タンクハウジングの振動など。これらのセンサは、監視装置に直接接続されてもよいし、有線および無線接続技術の組み合わせを使用して中間装置を介して接続されてもよい。監視装置は、検出値が、データの処理されたバージョンのセンサ出力、センサ出力のデジタル化またはサンプリングされたバージョンなどの出力、複数のセンサからのデータの融合などのセンサ出力に直接対応するセンサに対応する検出値にアクセスしてもよい。本機は、アジテータまたはミキサー全体の健全性を評価し、アジテータまたはミキサーの構成要素の健全性を評価し、非定型性能またはアジテータされる材料の組成の変化から生じる潜在的なダウンラインの問題を予測するために、本明細書で他の場所で議論されている方法を使用して検出値にアクセスし、処理してもよい。例えば、監視装置は、検出値を処理して、撹拌羽根車のドライブシャフトのねじれを特定してもよい。次に、識別されたねじれは、攪拌羽根車の特定の形状および他の構成要素および/または装置の一部と比較して装置内にどのように設置されているかに基づいて、予想されるねじれと比較して評価されてもよい。予期しないねじれは、ドライブシャフトに過度のストレスを与える可能性があり、アジテータの健康状態の悪化の兆候である可能性がある。流入管および流出管の振動は、特定の撹拌周波数を回避するためにプロセス制御を駆動するために使用され得る予期しないまたは共振振動のために監視されてもよい。流入管と流出管はまた、予想外の流量、予想外の微粒子含有量などを監視してもよい。振動の変化はまた、流体組成の変化、または特定の周波数での振動を増幅または減衰させる密度の変化によるものであってもよい。監視装置は、シャフト内の予期しない振動、またはベアリングまたはベアリングに近接したハウジング内の予期しない温度値または温度変化を識別するために使用され得る検出値を収集するためにセンサを分配してもよい。いくつかの撹拌装置では、撹拌される流体が腐食性であるか、または多量の微粒子を含む場合、材料に累積的に曝露されることにより、材料と接触している撹拌装置の内部構成要素(例えば、バッフル、プロペラ、ブレード等)に損傷が生じることがある。
HVAC、空調システムなどでは、工業環境で空気を冷却したり循環させたりするために、コンプレッサやファンを組み合わせて使用することがある。コンプレッサおよびアジテータの議論と同様に、これらのシステムは、故障または性能の低下が作業環境に悪影響を与え、製品の品質を低下させる可能性がある多数の回転部品を含んでいてもよい。モニタリング装置は、1つまたは複数の回転部品、通気システム、環境条件などの様々な側面を測定するセンサを監視するために使用されてもよい。HVAC/空調システムの構成要素には、ファンモータ、ドライブシャフト、ベアリング、コンプレッサなどが含まれてもよい。モニタリング装置は,本明細書で説明する方法に従ってセンサ出力に対応する検出値にアクセスして処理し, 空調ユニット,HVAC システムなどの全体的な健全性,およびこれらのシステムの構成要素を評価し,動作状態を特定し,非定型性能から生じる潜在的な問題を予 測することができる.評価技術としては、ベアリング解析、ドライブシャフト、ロータ、ステータのねじり解析、ピーク値検出などが考えられます。監視装置は、検出値を処理して、ドライブシャフトのねじれ、潜在的なベアリングの故障などの問題を特定することができます。
組立ラインコンベヤは、製造工程を介して材料を移動させるためのシステムの一部として、多数の移動部材および回転部材から構成されてもよい。これらの組立ラインコンベヤは、広い範囲の速度で動作してもよい。これらのコンベヤはまた、スクリーニング、グレーディング、包装のためのライニング、スプレッディング、脱水、次のインラインプロセスへの製品の供給などを容易にするために、材料を水平方向に搬送する際に、様々な周波数で振動させてもよい。
コンベヤシステムは、エンジンやモータ、ローラやベアリングを回転させる1つまたは複数のドライブシャフトを含んでいてもよい。振動コンベアは、スプリングと複数のバイブレータを含み、コンベアを正弦波状に振動させることができます。
実施形態では、コンベアおよび振動コンベアは、ベアリングの温度、ドライブシャフトの振動、コンベアが走行するローラの振動、コンベアに関連する速度および速度など、コンベアに関連する属性を測定するための複数のセンサを備えていてもよい。監視装置は、本明細書で他の場所で議論されている方法を使用して検出値にアクセスして処理してもよく、コンベアの構成要素だけでなく、コンベアの全体的な健全性を評価し、非定型の性能から生じる潜在的な問題を予測するなどしてもよい。コンベアを評価するための技術は、ベアリング解析、ねじり解析、コンベアの異なる部分からの検出値を整列させるための位相検出/位相ロックループ、周波数変換および周波数解析、ピーク値検出などを含んでもよい。監視装置は、検出値を処理して、ドライブシャフト上のねじれ、潜在的なベアリングの故障、不均一な搬送などを識別してもよい。
例示的な例では、ペーパーミル搬送システムは、ペーパースラリーがコーティングされたメッシュで構成されている場合がある。液体が蒸発して紙が乾燥すると、メッシュはスラリーを搬送します。次に、紙は、ロールの直径が最大3メートルに達するまでコアに巻かれていてもよい。製紙機の搬送速度は、14~48m/分で運転される従来の装置から、2000m/分に近い速度で運転される新しい高速装置まで様々です。遅い機械では、紙は14メートル/分でロールに巻かれているかもしれませんが、これは直径が約3メートルのロールの端に向かって、巻き取りロールが1分間に数回の回転数で回転していることを示している。ウェブ搬送中の振動や、テイクアップローラを横切るねじれは、用紙の損傷、ウェブ上の用紙の斜行、またはロールの斜行を引き起こし、装置のダウンタイム、または品質の低下や使用不可能な製品をもたらす可能性がある。さらに、装置の故障は、高額な機械の停止や製品の損失につながる可能性がある。したがって、問題を予測し、予防的なメンテナンスなどを提供する能力は有用であるかもしれない。
タイムリーなメンテナンスを容易にし、予期せぬ故障を回避するために、トラックエンジンおよびステアリングシステムを監視することは重要であるかもしれない。燃焼室、回転クランクシャフト、ベアリング等の健全性は、温度、ねじれ、振動等を含むエンジン部品に関連する様々な特性を測定する複数のセンサから受信した検出値を解釈するように構成された監視装置を使用して監視されてもよい。上述したように、監視装置は、エンジンベアリングの健全性、クランクシャフト/ドライブシャフト上のねじり振動、燃焼室内の予期せぬ振動、異なるコンポーネントの過熱などを識別するために、検出値を処理してもよい。処理は、局所的に行われてもよいし、複数の車両にまたがってデータが収集され、共同で分析されてもよい。監視装置は、エンジン、燃焼室等に関連する検出値を処理してもよい。センサは、問題を特定するために、温度、振動、ねじり、音響などを監視してもよい。監視装置またはシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、ステアリングシステムに関する潜在的な問題を特定し、ベアリング解析およびねじり解析を使用して、エンジン上の回転部品に関する潜在的な問題を特定してもよい。この潜在的な問題の特定は、タイムリーなメンテナンスのスケジュールを立て、メンテナンス前の操作を減らし、将来の部品設計に影響を与えるために使用される可能性がある。
石油・ガス産業の掘削機やスクリュードライバは、大きなストレスにさらされる可能性がある。これらの機械は遠隔地に設置されていることが多いため、予期せぬ故障が発生すると、交換部品の搬入にかかるリードタイムが長くなるため、ダウンタイムが長くなる可能性がある。穿孔機またはスクリュードライバーおよび関連する回転クランクシャフト、ベアリングなどの健全性は、温度、ねじり、振動、回転速度、垂直速度、加速度、画像センサなどを含む、穿孔機またはスクリュードライバーに関連する様々な特性を測定する複数のセンサから受信した検出値を解釈するように構成された監視装置を使用して監視されてもよい。上述したように、監視装置は、検出値を処理して、装置の健全性、クランクシャフト/ドライブシャフト上のねじり振動、部品内の予期せぬ振動、異なる部品の過熱などを識別してもよい。処理は、局所的に行われてもよいし、複数の機械にまたがって収集されたデータを共同で解析してもよい。監視装置は、検出値、装置のメンテナンス記録、製品記録、履歴データなどを共同で処理して、検出値、部品の現在および将来の状態、部品または装置の一部の予想寿命などの間の相関関係を特定してもよい。センサは、温度、振動、ねじり、音響などを監視して、ドリルシャフトの予期せぬねじり、ギアの滑り、過熱などの問題を特定してもよい。監視装置またはシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、潜在的な問題を識別してもよい。この潜在的な問題の特定は、タイムリーなメンテナンスのスケジュール、新規または交換部品の発注、メンテナンス前の動作の低減、および将来の部品設計に影響を与えるために使用されてもよい。
同様に、石油・ガス田で動作するギアボックスの健全性を監視することが望ましいかもしれない。監視装置は、温度、振動などのギアボックスに関連する様々な特性を測定する複数のセンサから受信した検出値を解釈するように構成されていてもよい。監視装置は、検出値を処理して、ギアボックスとギアボックスの健全性と予想寿命を特定することができる。処理は、ローカルで行われてもよいし、多数のギアボックスに渡って収集されたデータを共同で分析してもよい。監視装置は、検出値、装置メンテナンス記録、製品記録の履歴データなどを共同で処理して、検出値、ギアボックスの現在および将来の状態、ギアボックスおよび関連部品の予想寿命などの間の相関関係を特定してもよい。監視装置またはシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、潜在的な問題を特定してもよい。この潜在的な問題の特定は、タイムリーなメンテナンスのスケジュールを立て、新規または交換部品を発注し、メンテナンス前の操作を減らし、将来の装置設計に影響を与えるために使用されます。
石油・ガス産業の精製タンクは、内部で発生する化学反応により大きなストレスを受ける可能性がある。タンクの破損は、潜在的に有毒な化学物質の放出につながる可能性があるため、精製タンクおよび関連するコンポーネントの状態を監視することが有益である場合がある。精製タンクを監視して継続的に様々なデータを収集することで、装置の摩耗、部品の摩耗、予期せぬストレスなどを予測することができます。精製タンクの状態など、装置の健全性に関する予測が与えられた場合、タイムリーなメンテナンスのスケジュールを立てたり、新規または交換部品を発注したり、メンテナンス前の操作を減らしたり、将来の部品設計に影響を与えたりするために使用されてもよい。上述の議論と同様に、精製タンクは、温度、振動、内圧および外圧、継ぎ目およびポートにおける液体またはガスの存在などのような精製タンクに関連する様々な特性を測定する複数のセンサから受信した検出値を解釈するように構成された監視装置を使用して監視されてもよい。監視装置は、検出値を処理して、装置の健全性、タンク内の予期せぬ振動、タンクの過熱またはタンク全体の不均一な加熱などを識別してもよい。処理は、局所的に行われてもよいし、複数のタンクにまたがって収集されたデータを共同で分析してもよい。監視装置は、検出値、装置メンテナンス記録、製品記録の履歴データなどを共同で処理して、検出値、タンクの現在および将来の状態、タンクおよび関連部品の予想寿命などの間の相関関係を特定してもよい。監視装置またはシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、潜在的な問題を特定してもよい。
同様に、石油・ガス精製所で動作する遠心分離機の健全性を監視することが望ましい場合がある。監視装置は、温度、振動、圧力などの遠心分離機に関連する様々な特性を測定する複数のセンサから受信した検出値を解釈するように構成されていてもよい。監視装置は、検出値を処理して、機器の健全性、遠心分離機の予期せぬ振動、過熱、遠心分離機全体の圧力などを識別してもよい。処理は局所的に行われてもよいし、複数の遠心分離機にまたがって収集されたデータを共同で分析してもよい。監視装置は、検出値、装置メンテナンス記録、製品記録の履歴データなどを共同で処理して、検出値、遠心分離機の現在および将来の状態、遠心分離機および関連部品の予想寿命などの間の相関関係を特定してもよい。監視装置またはシステムは、ピーク検出、ベアリング解析、ねじり解析、位相検出、PLL、バンドパスフィルタリングなどの技術を使用して、潜在的な問題を特定してもよい。この潜在的な問題の特定は、タイムリーなメンテナンスのスケジュールを立て、新規または交換部品を発注し、メンテナンス前の操作を減らし、将来の機器設計に影響を与えるために使用されることがある。
実施形態では、構成要素または産業機器の一部の健康状態または他の状態または状態情報に関する情報は、プロセス全体を通して様々な構成要素の状態を監視することによって得られてもよい。モニタリングは、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅を監視することを含んでもよい。データ監視装置8100の一実施形態が図51に示されており、コントローラ8102に通信的に結合された複数のセンサ8106を含んでもよい。コントローラ8102は、データ取得回路8104、データ解析回路8108、MUX制御回路8114、および応答回路8110を含んでもよい。データ取得回路8104は、入力が検出値のサブセットに対応するMUX8112を含んでもよい。MUX制御回路8114は、複数の検出値のサブセットおよび/または応答回路8110からの命令および/またはデータ解析回路8104の出力に基づいて、MUXの論理制御およびMUXの入力と検出値との対応関係の適応的スケジューリングを提供するように構成されてもよい。データ解析回路8108は、ピーク検出回路、位相差回路、PLL回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、ねじり解析回路、軸受解析回路、過負荷検出回路、センサ故障検出回路、機械または部品間の好ましくない相互作用を識別するための振動共振回路、動作時のたわみ形状、重量の過負荷、過大な力、応力および歪みに基づく影響などの好ましくない歪みを識別するための歪み識別回路のうちの1つまたは複数を含んでいてもよい。データ解析回路8108は、解析の結果として、部品の健康状態を出力してもよい。
データ解析回路8108は、所与の入力に対するMUX出力の最大値または所与の入力に対するMUX出力の値の変化率に基づいて、機械、装置、システム、または装置のアイテムのコンポーネント、部品、サブシステムなどの状態、状態、または状態(本明細書ではコンポーネント健全状態と総称する)を決定してもよい。データ解析回路8108は、所与の入力に対するMUXの値の時間積分に基づいて、コンポーネントの健康状態を決定してもよい。データ解析回路8108は、オンボード時間または別のセンサに対するMUX出力の位相差に基づいて、コンポーネントの健全性状態を決定してもよい。データ解析回路8108は、1つ以上の入力検出値に対応するMUX出力の値、位相、位相差、および変化率の関係に基づいて、コンポーネントの健全性状態を決定してもよい。データ解析回路8108は、プロセスステージまたはコンポーネントの仕様またはコンポーネントの予期される状態に基づいて、コンポーネントの健康状態を決定してもよい。
マルチプレクサ制御回路8114は、コンポーネントの健康状態、予測されるコンポーネントの健康状態、コンポーネントの種類、測定される機器の種類、機器の予測される状態、プロセスの段階(異なるパラメータ/センサ値)がプロセスの異なる段階で重要である場合があることに基づいて、マルチプレクサの論理制御のスケジューリングを適応させてもよい。マルチプレクサ制御回路8114は、ユーザまたは遠隔監視アプリケーションによって選択されたシーケンスに基づいて、または特定の値に対するユーザの要求に基づいて、マルチプレクサの論理制御のスケジューリングを適応させてもよい。マルチプレクサ制御回路8114は、ストレージプロファイルまたはプラン(例えば、本開示の他の場所および参照により本明細書に組み込まれた文書に記載されているストレージ要素およびパラメータのタイプおよび可用性に基づく)、ネットワーク条件または可用性(これも本開示の他の場所および参照により本明細書に組み込まれた文書に記載されている)、またはコンポーネントまたは装置の値またはコストに基づいて、マルチプレクサの論理制御のスケジューリングを適応させてもよい。
複数のセンサ8106は、データ収集回路8104上のポートに有線接続されてもよい。複数のセンサ8106は、データ収集回路8104に無線で接続されてもよい。データ取得回路8104は、複数のセンサ8106のうちの少なくとも1つのセンサ8106の出力に対応する検出値にアクセスできるようにしてもよく、ここで、センサ8106は、装置の一部分または動作コンポーネントの異なる動作側面に関するデータを取得してもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置8100のための複数のセンサ8106の選択は、新しいセンサを設置するためのアクセス性、初期設計にセンサを組み込むこと、予想される動作および故障条件、プロセスまたはプラントの様々な位置で所望される分解能、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響、故障の時間応答(例えば、故障の前に発生する警告時間及び/又はオフノミナルモード)、故障の可能性、及び/又は必要とされる感度、及び/又は故障状態を検出することの難しさは、コンポーネント又は装置の一部がより多くのセンサで監視される範囲、及び/又は予期しない又は検出されない故障がコストがかかるか又は深刻な結果をもたらすシステムに専用のより高い能力のセンサが使用される範囲を駆動することがある。
装置の種類、測定されるコンポーネント、装置が動作している環境などに応じて、センサ8106は、限定されないが、振動センサ、温度計、湿度計、電圧センサおよび/または電流センサ(コンポーネントおよび/またはコンポーネントを測定する他のセンサ)、加速度センサ、速度検出器、光または電磁センサ(例えば、温度、組成、および/またはスペクトル分析、および/または物体の位置または動きを決定する)、画像センサ、構造化光センサ、レーザベースの画像センサ、熱イメージャー、音響波センサ、変位センサ、濁度計などのうちの1つまたは複数のセンサで構成されてもよい。温度、組成、および/またはスペクトル分析、および/または物体の位置または動きの決定)、イメージセンサ、構造化された光センサ、レーザベースのイメージセンサ、熱イメージャー、音響波センサ、変位センサ、濁度計、粘度計、軸方向負荷センサ、半径方向負荷センサ、三軸センサ、加速度計、速度計、タコメータ。流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、光学(レーザー)粒子カウンター、超音波センサー、音響センサー、熱流束センサー、ガルバニックセンサー、磁力計、pHセンサーなどが挙げられるが、これらに限定されることなく、本開示全体に記載されたセンサーおよび参照により組み込まれた文書のいずれかが挙げられる。
センサ8106は、加速度または振動に関連するような位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ8106は、温度、湿度、負荷などのような従来の位相成分を持たないデータのストリームを提供してもよい。センサ8106は、時間的に連続的またはほぼ連続的なデータのストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または選択された間隔またはスケジュールに従った読み取りを提供してもよい。
センサ8106は、車両、現場の石油・ガス機器、組立ラインの部品などにおいて、軸受、軸受セット、モータ、ドライブシャフト、ピストン、ポンプ、コンベア、振動コンベア、コンプレッサ、ドリルなどの構成要素を監視してもよい。
実施形態では、図51に図示されているように、センサ8106は、いくつかの場合にはデータコレクタとして本明細書で言及されるデータ監視装置8100の一部であってもよく、これは、いくつかの場合には、移動可能なまたは携帯可能なデータコレクタを構成してもよい。図52および図53に示されるように、実施形態では、監視装置8120の明示的な一部ではなく、むしろ新規であり、以前に装置またはコンポーネントに取り付けられた、または統合された、1つまたは複数の外部センサ8126が、監視装置8120に機会的に接続されてもよく、または監視装置8120によってアクセスされてもよい。監視装置8120は、コントローラ8122を含んでもよい。コントローラ8122は、データ取得回路8104、データ解析回路8108、MUX制御回路8114、および応答回路8110を含んでもよい。データ取得回路8104は、入力が検出値のサブセットに対応するMUX8112を含んでもよい。MUX制御回路8114は、複数の検出値のサブセットおよび/または応答回路8110からの命令および/またはデータ解析回路8108の出力に基づいて、MUXの論理制御およびMUXの入力と検出値の対応を提供するように構成されてもよい。データ解析回路8108は、ピーク検出回路、位相差回路、PLL回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、ねじり解析回路、軸受解析回路、過負荷検出回路、機械または部品間の好ましくない相互作用を識別するための振動共振回路、動作時のたわみ形状、応力および歪みに基づく効果などの好ましくない歪みを識別するための歪み識別回路のうちの1つまたは複数を含んでいてもよい。
つ以上の外部センサ8126は、コントローラ8122のデータ収集回路8104上の1つ以上の入力ポート8128に直接接続されてもよいし、データ収集回路8104によって、リーダ、インタロゲータ、または近距離無線プロトコルを介した他の無線接続などの無線でアクセスされてもよい。図53に示すように、実施形態では、データ取得回路8104は、無線通信回路8130をさらに構成してもよい。データ取得回路8104は、無線通信回路8130を使用して、1つ以上の外部センサ8126に対応する検出値に無線でアクセスするか、別のソースを介してアクセスするか、またはこれらの方法のいくつかの組み合わせを使用してもよい。
図54に示されるように、実施形態では、コントローラ8134は、データ記憶回路8136をさらに構成してもよい。データ記憶回路8136は、センサ仕様、コンポーネント仕様、予想される状態情報、検出値、マルチプレクサ出力、コンポーネントモデルなどの1つ以上を記憶するように構成されてもよい。データ記憶回路8136は、仕様および予測状態情報をデータ解析回路8108に提供してもよい。
実施形態では、応答回路8110は、データ解析回路8108によって提供されるセンサの状態に基づいて、様々な動作を開始してもよい。応答回路8110は、センサのスケーリング値(例えば、100mV/gramから10mV/gram)を調整してもよい。応答回路8110は、利用可能な複数の中から代替センサを選択してもよい。応答回路8110は、異なる範囲の複数のセンサからデータを取得してもよい。応答回路8110は、代替センサを推奨してもよい。応答回路8110は、警報またはアラートを発行してもよい。
実施形態では、応答回路8110は、データ取得回路8104に、コンポーネントの状態に基づいて、特定のセンサに対応する検出値の処理を有効または無効にするようにさせてもよい。これは、異なる応答速度、感度、範囲などを有するセンサへの切り替え、新しいセンサまたはタイプのセンサへのアクセス、複数のセンサからのデータへのアクセスなどを含んでもよい。スイッチングは、モデル、一連の規則、またはそのようなものに基づいて実施されてもよい。実施形態では、スイッチングは、機械学習システムの制御下で行われてもよく、そのようなスイッチングは、人間の監督者の監督下で行われてもよいし、自動化システムの制御下で行われてもよい一連の試行にわたって、入力データと組み合わせた1つまたは複数の成功のメトリクスに基づいて制御される。スイッチングは、1つの入力ポートから別のポートへのスイッチング(1つのセンサから別のセンサへのスイッチングなど)を含んでもよい。スイッチングは、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することを含んでいてもよい。スイッチングは、移動システム(ロボットシステムまたはドローンシステムなど)を、異なるビューのためにイメージセンサを位置決めするか、または収集方向を変えるためにソナーセンサを位置決めするなど、異なるまたは追加のデータが利用可能な場所に移動させるか、または、有線または無線接続によって環境中の場所のセンサに接続するためにコレクタを移動させるなど、異なるセンサにアクセス可能な場所に移動させるなど、追加のデータを得るためにシステムを作動させることを含んでいてもよい。この切り替えは、マルチプレクサ(MUX)制御回路8114に変化を指示することによって実施されてもよい。
実施形態では、応答回路8110は、異なる応答速度、感度、範囲、およびそのようなものを有するセンサとの将来の特定のセンサの交換のための推奨を行ってもよい。応答回路8110は、コンポーネント、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路8110は、来るべきプロセス停止時にメンテナンスを推奨するか、またはメンテナンスコールを開始してもよく、ここでメンテナンスは、異なる応答速度、感度、範囲、およびそのようなものを有する同じまたは代替タイプのセンサとのセンサの交換を含んでもよい。実施形態では、応答回路8110は、プロセス変更を実施するか、または推奨してもよい。例えば、メンテナンス間隔に近いコンポーネントの使用率を低下させるため、オフノミナルで動作するため、または目的のために故障したが少なくとも部分的には動作しているコンポーネントの使用率を低下させるため、コンポーネントの動作速度を変更するため(低要求モードにするためなど)、問題の改善を開始するため(ローラベアリングセットの追加潤滑のための信号を送るため、またはバランスを崩しているシステムのためのアライメントプロセスのための信号を送るためなど)、およびそのようなものである。
実施形態では、データ解析回路8108および/または応答回路8110は、経時的なコンポーネント性能の追跡を可能にするために、特定の検出値および/またはマルチプレクサの出力および/またはMUXの論理制御に対応するデータをデータ記憶回路8136に定期的に格納してもよい。実施形態では、本明細書の他の箇所に記載されているように、センサの状態に基づいて、最近測定されたセンサデータと、回転数、コンポーネント負荷、温度、圧力、振動、またはデータ記憶回路8136内の本開示全体に記載されているタイプの他のセンサデータのような関連する動作条件とが、過負荷/故障したセンサデータのバックアウトを可能にする。信号評価回路8108は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグ付けされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
実施形態では、図55、図56、図57、図58に示すように、データ監視システム8138は、少なくとも1つのデータ監視装置8140を含んでもよい。少なくとも1つのデータ監視装置8140は、センサ8106と、データ取得回路8104、データ解析回路8108、データ記憶回路8136、およびリモートサーバ8148上の監視アプリケーション8150にデータおよび解析を送信できるようにするための通信回路8146を含む。コントローラ8142とを含んでもよい。信号評価回路8108は、少なくとも過負荷検出回路(例えば、参照図101および102)および/またはセンサ故障検出回路(例えば、参照図101および102)を含んでもよい。信号評価回路8108は、監視アプリケーション8150による時間的および変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、リモートサーバ8148への送信のために、通信回路8146とデータを周期的に共有してもよい。センサの状態に基づいて、信号評価回路8108および/または応答回路8110は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ8148に送信するために通信回路8146とデータを共有してもよい。データは、最近のセンサデータや、送信用の回転数、部品負荷、温度、圧力、振動などの追加データを含んでもよい。信号評価回路8108は、リモートサーバ上での処理においてより大きな粒度を可能にするために、送信用のより高いデータレートでデータを共有してもよい。
実施形態では、図55に示すように、通信回路8146は、リモートサーバ8148に直接データを通信してもよい。図56に示すように、実施形態では、通信回路8146は、オペレーティングシステム8156を実行するプロセッサ8154およびデータ記憶回路8158を含むかもしれない中間コンピュータ8152にデータを通信してもよい。
図57および図58に示されるような実施形態では、データ収集システム8160は、単一の装置の複数の構成要素に関するデータを収集する複数の監視装置8144を有してもよく、同じ設備内の複数の装置(同じ種類の装置および異なる種類の装置の両方)にまたがって同じ構成要素に関するデータを収集してもよく、複数の設備内の監視装置からデータを収集してもよい。リモートサーバ8148上の監視アプリケーション8150は、複数の様々な監視装置8144から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して記憶してもよい。
実施形態では、図57に示すように、通信回路8146は、リモートサーバ8148に直接データを通信してもよい。実施形態では、図58に示すように、通信回路8146は、オペレーティングシステム8156を実行するプロセッサ8154およびデータ記憶回路8158を含む中間コンピュータ8152にデータを通信してもよい。各監視装置8140に関連付けられた個々の中間コンピュータ8152があってもよく、または個々の中間コンピュータ8152が複数の監視装置8144に関連付けられてもよく、ここで中間コンピュータ8152は、複数のデータ監視装置からデータを収集し、累積データをリモートサーバ8148に送信してもよい。リモートサーバ8148への通信は、ストリーミング、バッチ(例えば、接続が利用可能な場合)、またはオポチュニスティックであってもよい。
監視アプリケーション8150は、共同で分析する検出値のサブセットを選択してもよい。分析のためのサブセットは、単一のタイプのセンサ、コンポーネント、またはコンポーネントが動作している単一のタイプの装置に基づいて選択されてもよい。分析のためのサブセットは、負荷の大きさ、動作条件(例えば、断続的または連続的)、動作速度またはタコメータ出力、湿度、温度、空気または流体粒子などの共通の周囲環境条件などの共通の動作条件に基づいて選択されてもよいし、グループ化されてもよい。分析のためのサブセットは、類似の周波数で回転している近くの機械、電磁場を生成する近くの装置、熱を生成する近くの装置、運動または振動を誘発する近くの装置、蒸気、化学物質または微粒子を放出する近くの装置などの他の近くの装置の影響、または他の潜在的に干渉または介入する影響に基づいて選択されてもよい。
実施形態では、監視アプリケーション8150は、選択されたサブセットを分析してもよい。一例では、単一のセンサからのデータは、1回の動作サイクル、複数回の動作サイクル、1ヶ月、1年、部品の寿命などの異なる時間期間にわたって分析されてもよい。また、共通の部品タイプを測定する共通のタイプの複数のセンサからのデータは、異なる期間にわたって分析されてもよい。起動時やプロセスの異なるポイントに関連した変化率の変化など、データの傾向が特定されてもよい。異なるセンサの傾向と値の相関関係を分析して、短期的な分析が期待されるセンサ性能に関する最良の予測を提供する可能性のあるパラメータを特定してもよい。この情報は、センサモデル、センサ選択、センサ範囲、センサスケーリング、センササンプリング周波数、収集されたデータのタイプなどを更新するために本機に送信され、局所的に分析されたり、将来のモニタリング装置の設計に影響を与えるために送信されたりすることがある。
実施形態では、監視アプリケーション8150は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するのに使用するために、装置の仕様、装置の形状、コンポーネントの仕様、コンポーネントの材料、複数のセンサの予想される状態情報、動作履歴、過去の検出値、センサの寿命モデルなどへのアクセスを有してもよい。監視アプリケーション8150は、センサの選択、収集すべき追加データ、センサデータとともに保存すべきデータ、およびそのようなものに関する推奨事項を提供してもよい。監視アプリケーション8150は、修理および/またはメンテナンスのスケジューリングに関する推奨事項を提供してもよい。監視アプリケーション8150は、センサの交換に関する推奨事項を提供してもよい。交換されるセンサは、交換されるセンサと一致してもよく、または交換されるセンサは、異なる範囲、感度、サンプリング周波数などを有してもよい。
実施形態では、監視アプリケーション8150は、他のセンサからのデータ、監視されているコンポーネントの故障データ、監視されている機器の故障データ、出力が生成されているデータなどとともに、センサの状態データ(例えば、センサの過負荷またはセンサの故障)を分析するように構成された遠隔学習回路を含んでもよい。遠隔学習システムは、センサ過負荷と他のセンサからのデータとの間の相関関係を識別してもよい。
産業環境におけるデータ収集のための例示的な監視システムは、多数の検出値を解釈するデータ収集回路と、多数の入力センサのうちの少なくとも1つから受信した入力に対応する検出値の各々と、検出値のサブセットに対応する入力を有するMUXと、検出値の数のサブセットを解釈し、MUXの論理制御を提供するMUX制御回路と、その結果としてMUXの入力と検出値の対応関係を提供するMUX制御回路とを含む。ここで、MUXの論理制御は、選択ラインの適応的スケジューリングを含み、MUXからの出力と、コンポーネントの健康状態をもたらすMUXの論理制御に対応するデータとを受信するデータ解析回路と、コンポーネントの健康状態に応答して動作を実行する解析応答回路とを含み、センサの数は、温度センサ、負荷センサ、振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、および/またはタコメータなどの少なくとも2つのセンサを含む。特定のさらなる実施形態では、例示的なシステムは、以下を含む。ここで、検出値の数の少なくとも1つは、仮想センサを表す2つ以上の入力センサの融合に対応する可能性があり;ここで、システムは、コンポーネント仕様および予想されるコンポーネント状態情報の少なくとも1つを記憶し、検出値の数のサブセットを所定の長さの時間だけバッファリングするデータ記憶回路をさらに含み;ここで、システムは、コンポーネント仕様および予想されるコンポーネント状態情報の少なくとも1つを記憶し、MUXの出力およびMUXの論理制御に対応するデータを所定の長さの時間だけバッファリングするデータ記憶回路をさらに含み、検出値の数のサブセットは、MUXの出力およびMUXの論理制御に対応するデータをバッファリングするデータ解析回路をさらに含む。ここで、データ解析回路は、ピーク検出回路、位相検出回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、PLL回路、ねじり解析回路、および/またはベアリング解析回路を含み、ここで、動作は、データ記憶回路に追加のデータを記憶することをさらに含み、ここで、動作は、MUX回路の1つ以上の部分を有効化または無効化することのうちの少なくとも1つを含み、および/または、動作は、MUX制御回路に、MUXの論理制御およびMUXの入力値と検出値との対応関係を変更させることを含む。特定の実施形態では、システムは少なくとも2つのマルチプレクサを含み;マルチプレクサ入力と検出値の対応関係を制御することはさらに、第1のマルチプレクサの出力と第2のマルチプレクサの入力との接続を制御することを含み;マルチプレクサ入力と検出値の対応関係を制御することはさらに、少なくとも2つのマルチプレクサのうちの1つの少なくとも一部をパワーダウンすることを含み;および/または、MUX入力と検出値の対応関係を制御することは、選択ラインの適応的なスケジューリングを含む。特定の実施形態では、データ応答回路は、1つまたは両方のMUXからのデータのストリームを分析し、分析に応答してアクションを推奨する。
例示的なテストシステムは、多数のアナログおよびデジタル入力センサと通信するテストシステムと、多数の検出値を解釈するデータ収集回路を含む監視装置と、多数の検出値の各々が入力センサの少なくとも1つに対応するデータ収集回路と、検出値のサブセットに対応する入力を有するMUXとを含む。検出値の数のサブセットを解釈し、MUXの論理制御と、その結果としてのMUX入力と検出値との対応関係の制御を提供するMUX制御回路であって、前記MUXの論理制御は、選択ラインの適応的スケジューリングを含み、選択ラインのスケジューリング入力を受け付け、MUXおよび選択ラインデータの出力を表示することが可能なユーザインタフェースを有することを特徴とするMUX制御回路。
実施形態では、関連するデータ信号、タイマ、基準信号、またはデータ測定値に対するデータ信号の振幅と位相またはタイミングの両方を見ることによって、産業用機器のコンポーネントまたはピースの健康または他の状態または状態情報に関する情報が得られてもよい。データ監視装置8500の一実施形態が図59に示されており、コントローラ8502に通信的に結合された複数のセンサ8506を含んでもよい。コントローラ8502は、データ収集回路8504、信号評価回路8508、および応答回路8510を含んでもよい。複数のセンサ8506は、データ収集回路8504上のポートに有線で接続されてもよいし、データ収集回路8504と通信して無線で接続されてもよい。複数のセンサ8506は、データ収集回路8504に無線で接続されていてもよい。データ取得回路8504は、複数のセンサ8506のうちの少なくとも1つのセンサ8506の出力に対応する検出値にアクセスできるようにしてもよく、ここで、センサ8506は、装置の一部分または動作部品の異なる動作側面に関するデータをキャプチャしてもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置8500のための複数のセンサ8506の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作および故障条件、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響は、予期しないまたは検出されない故障がコストがかかるか、または深刻な結果をもたらすようなシステムに専用の、より多くのセンサおよび/またはより高い能力のセンサを使用して、コンポーネントまたは装置の一部を監視する範囲を駆動することができます。
装置の種類、測定されるコンポーネント、装置が動作する環境などに応じて、センサ8506は、振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きを決定する)、画像センサ、構造化された光センサ、レーザベースの画像センサ、音響波センサ、変位センサ、濁度計、粘度計、などのうちの1つまたは複数のセンサから構成されてもよい。温度、組成物および/またはスペクトル分析、および/または物体の位置または動きの決定)、イメージセンサ、構造化光センサ、レーザベースのイメージセンサ、音響波センサ、変位センサ、濁度計、粘度計、負荷センサ、三軸センサ、加速度計、タコメータ、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサ、pHセンサ、およびこれらに限定されないが、本開示および参照により組み込まれた文書全体に記載されたセンサのいずれかを含む、1つ以上のセンサを含む。
センサ8506は、加速度または振動に関連するような位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ8506は、温度、湿度、負荷などのような従来の位相成分を持たないデータのストリームを提供してもよい。センサ8506は、時間的に連続的またはほぼ連続的なデータのストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または選択された間隔またはスケジュールに従った読み取りを提供してもよい。
図59に例示されるように、実施形態では、センサ8506は、場合によっては移動式または携帯式のデータコレクタを構成してもよいデータコレクタとして本明細書で言及されるデータ監視装置8500の一部であってもよい。図60および図61に示されるように、実施形態では、センサ8518は、新規に、または以前に装置またはコンポーネントに取り付けられたか、または統合されたかのいずれかであり、監視装置8512に機会的に接続されてもよいし、または監視装置8512によってアクセスされてもよい。センサ8518は、コントローラ8514のデータ収集回路8516上の入力ポート8520に直接接続されてもよいし、データ収集回路8516によって、リーダ、インタロゲータ、または近距離無線プロトコルを介した他の無線接続などの無線接続によって、データ収集回路8516からアクセスされてもよい。実施形態では、データ取得回路8516は、センサ8518に対応する検出値に無線でアクセスしてもよいし、別のソースを介して、またはこれらの方法のいくつかの組み合わせを介してアクセスしてもよい。実施形態では、データ収集回路8504は、近傍のセンサ8518からのデータを無線で機会的に受信し、データ収集回路8516上の入力ポート8520にデータをルーティングすることができる無線通信回路8522を含んでもよい。
一実施形態では、図62および図63に示されるように、信号評価回路8508は、次に、検出値を処理して、監視されているコンポーネントまたは装置のピースに関する情報を取得してもよい。信号評価回路8508によって抽出される情報は、回転速度、振幅、周波数、位相、および/または音響データを含む振動データ、および/または温度、湿度、画像データなどの非位相センサデータから構成されてもよい。
信号評価回路8508は、2つの時間ベースの信号の間の位相差を決定するための位相検出回路8528、第2の信号、タイマまたは基準信号と整列するように信号の相対位相を調整するための位相ロックループ回路8530、および/または異なる周波数で発生する信号を分離するために使用され得るバンドパスフィルタ回路8532などの1つ以上の構成要素を含んでもよい。例示的なバンドパスフィルタ回路8532は、少なくともローパスフィルタ、ハイパスフィルタ、および/またはバンドパスフィルタを含む、当技術分野で理解されている任意のフィルタリング動作を含み、例えば、特定の決定のために関心のない周波数を除外または低減するため、および/または関心のある周波数のために信号を増強するために、フィルタリング動作を行う。さらに、または代替的に、バンドパスフィルタ回路8532は、周波数(例えば、既知のノイズ源からの周波数)の範囲を狭めるための1つ以上のノッチフィルタまたは他のフィルタリング機構を含む。これは、全体的な回転などの支配的な周波数の信号をフィルタリングするために使用されてもよく、ねじり、ベアリングの故障などに関連する周波数での低振幅信号の評価を可能にするのに役立つかもしれない。
実施形態では、相対的な差を理解することは、2つの信号間の位相差を決定するために、位相検出回路8528によって有効にされてもよい。周期的な振動が装置の一部の相対的な回転に対して相対的に発生する場合など、信号間の相対的な位相オフセットを理解することは、もしあれば価値があるかもしれない。実施形態では、モータの制御のバランスをより良くするために、モータ制御入力に対する周期的なシャフト振動がどこで発生するかを理解することに価値があるかもしれません。これは、相対的に遅い回転数で動作しているシステムおよびコンポーネントに特に当てはまるかもしれません。2つの信号間、またはそれらの信号とタイマーの間の位相差を理解することは、信号値とそれがプロセスまたは回転のどこで発生するかの関係を確立することを可能にするかもしれません。相対的な位相差を理解することは、動作偏向形状(ODS)の振動モデルを作成する際など、システムの異なるコンポーネント間の関係を評価する際に役立ちます。
信号評価回路8544は、デジタル高速フーリエ変換(FFT)、ラプラス変換、Z変換、ウェーブレット変換、他の周波数領域変換、または他のデジタルまたはアナログ信号分析技術、例えば、複雑な位相進化分析を含む複雑な分析を含むがこれに限定されない技術を使用して周波数分析を実行してもよい。全体的な回転速度またはタコメータは、回転速度計、加速度計、変位計などのセンサからのデータから導出されてもよい。また、関心のある追加の周波数が特定されてもよい。これらは、全体的な回転速度に近い周波数、および回転速度よりも高い周波数を含んでもよい。これらは、全体的な回転速度と非同期である周波数を含んでもよい。回転速度の倍数の周波数で観測された信号は、ベアリングに誘発された振動、またはベアリングが関与する他の動作や状況によるものである可能性がある。いくつかの実施形態では、これらの周波数は、回転速度の1倍、回転速度の2倍、回転速度の3倍、回転速度の3.15倍から15倍まで、またはそれ以上の範囲であってもよい。いくつかの実施形態では、信号評価回路8544は、他の周波数での小振幅信号の識別を容易にするために、全体の回転速度のような予想される周波数での信号を除去するためのバンドパスフィルタ回路8532を作成するために、全体の回転速度に基づいてバンドパスフィルタ回路8532のためのRC成分を選択してもよい。実施形態では、バンドパスフィルタが可変バンドパスフィルタであってもよいように、回転速度の変化に応じて調整が行われてもよいように、可変成分が選択されてもよい。これは、自動的に自己調整する回路要素の制御の下で行われてもよいし、回転速度インジケータまたは他のデータが制御の基礎として提供される回路動作のモデルに基づく自動制御を含むプロセッサの制御の下で行われてもよい。
実施形態では、周波数分析を実行するのではなく、信号評価回路8544は、時間ベースの検出値を利用して一過性の信号分析を実行してもよい。これらは、振幅の変化が所定の値を超えるか、または一定の期間存在する変化を含む信号振幅の急激な変化を識別することを含んでもよい。実施形態では、時間ベースのセンサデータは、時間ベースのセンサデータを、例えばサイクル内の時間または場所に整列させることを可能にするタイマーまたは基準信号と整列させてもよい。経時的な周波数変化を見るための追加の処理は、短時間フーリエ変換(STFT)またはウェーブレット変換の使用を含んでもよい。
実施形態では、所定の動作モードまたは状態が発生している間の離散的な時間期間を決定するために時間ベースの技術を使用し、離散的な時間期間のうちの1つまたは複数の期間内の動作を決定するために周波数ベースの技術を使用するように、周波数ベースの技術と時間ベースの技術とを組み合わせてもよい。
実施形態では、信号評価回路は、製紙機械やパルプ機械、鉱山機械などのような低速で走行する装置から得られる信号に対して復調技術を利用してもよい。復調技術を利用した信号評価回路は、データを周波数領域に変換する前に、バンドパスフィルタ回路、整流回路、および/またはローパス回路を構成してもよい。
応答回路85108710は、信号評価回路850888544の結果を評価し、特定の基準に基づいて、アクションを開始することをさらに含んでもよい。基準は、特定のセンサからの検出値の所定の最大値または最小値、センサの対応する検出値の経時的な値、値の変化、値の変化率、および/または累積値(例えば、閾値以上/閾値未満の時間、1つ以上の閾値以上/閾値未満の重み付けされた時間、および/または1つ以上の閾値以上/閾値未満の検出値の面積)を含んでもよい。基準は、特定の周波数または位相におけるセンサの検出値を含んでもよく、ここで、周波数または位相は、装置の形状、装置の制御スキーム、システム入力、過去のデータ、現在の動作条件、および/または予測される応答に基づいていてもよい。基準は、相対値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサからのデータの組み合わせで構成されてもよい。相対基準は、プロセスステージ、処理される製品のタイプ、装置のタイプ、周囲の温度および湿度、他の装置からの外部振動などのような他のデータまたは情報によって変化してもよい。相対的な基準は、ベアリングによって誘発される振動と装置の設計に起因する振動とを区別するために、全体的な回転速度との同期性のレベルを含んでもよい。実施形態では、基準は、1つ以上の計算された統計量またはメトリック(複数の基準または統計量についてのさらなる計算によって生成されたものを含む)に反映されてもよく、これは、ひいては、本開示に記載の機械学習能力の1つ以上への入力として提供されるように、処理のために(データコレクタに搭載された、または外部システムによって)使用されてもよい。制御システム(これは、データ入力の選択、センサデータの多重化、ストレージなどを制御するためのような、オンボードのデータコレクタまたはリモートであってもよい)に、または、データマーケットプレイス、SCADAシステム、遠隔制御システム、メンテナンスシステム、分析システム、または他のシステムに利用可能なデータストリームまたはデータパッケージなどの別のシステムへの入力であるデータ要素として。
例示的かつ非限定的な例では、振動振幅および/または周波数が予め定められた最大値を超えた場合、予め定められた許容範囲を超える変化または変化率があった場合、および/または振動振幅および/または周波数に基づく累積値が閾値を超えた場合にアラートが発行されてもよい。特定の実施形態では、検出値が閾値または所定の値を超えているが、検出値が閾値または所定の値を下回ってもよい-例えば、検出値の変化量が発生することが予想されるが、検出値が変化が発生していない可能性があることを示している場合-として本明細書に記載されている。例えば、限定されないが、振動データは、システムの撹拌レベル、装置の適切な動作、またはそのようなものを示してもよく、振幅および/または周波数のしきい値を下回る振動データは、期待通りに動作していないプロセスを示すものであってもよい。文脈が明確に別のことを示す場合を除いて、閾値を超える値の決定および/または所定値または期待値を超える値の決定を記述した本明細書のいかなる記述も、閾値を下回る値の決定および/または所定値または期待値を下回る値の決定を含むものと理解される。
所定の許容範囲は、軸受の数、相対的な回転速度、特定の周波数でのシステムへの電力の流入など、装置の形状および制御スキームに基づく予測されるシステム応答または振動に基づいていてもよい。また、所定の許容範囲は、複数の類似した装置および構成要素にわたる検出値の長期的な分析および装置の故障とのデータの相関関係に基づいてもよい。振動位相情報に基づいて、問題の物理的な位置を特定してもよい。振動位相情報に基づいて、システムの設計上の欠陥、規格外の動作、および/またはコンポーネントまたはプロセスの故障が特定されてもよい。いくつかの実施形態では、振動が発生する周波数または位相の振幅の増加またはシフトのような、経時的なデータの変化または変化率に基づいて、アラートが発行されてもよい。いくつかの実施形態では、アラートは、閾値を超えて過ごした時間、1つ以上の閾値を超えて過ごした加重時間、および/または1つ以上の閾値を超えて検出された値の曲線の面積などの蓄積された値に基づいて発行されてもよい。実施形態では、警報は、温度、湿度などの非位相センサの値に加えて、値の相対的な変化、または振幅の相対的な変化率、位相の周波数などの異なるセンサからのデータの組み合わせに基づいて発行されてもよい。例えば、特定の周波数での温度およびエネルギーの増加は、故障し始めているホットベアリングを示すかもしれない。実施形態では、アラームの相対的な基準は、プロセスステージ、装置で処理される製品の種類、周囲の温度および湿度、他の装置からの外部振動などのような他のデータまたは情報によって変化してもよい。
実施形態では、応答回路8510は、上述した基準のいくつかに基づいて、特定のセンサに対応する検出値の処理を有効または無効にするように、データ収集回路8504を引き起こしてもよい。これは、異なる応答速度、感度、範囲、およびそのようなものを有するセンサへの切り替え;新しいセンサまたはセンサの種類へのアクセス、およびそのようなものを含んでもよい。スイッチングは、モデル、一連の規則、またはそのようなものに基づいて実施されてもよい。実施形態では、スイッチングは、機械学習システムの制御下で行われてもよく、そのようなスイッチングは、人間の監督者の監督下で行われてもよいし、自動化システムの制御下で行われてもよい一連の試行にわたって、入力データと組み合わせた1つまたは複数の成功のメトリクスに基づいて制御される。スイッチングは、1つの入力ポートから別のポートへのスイッチング(1つのセンサから別のセンサへのスイッチングなど)を含んでもよい。スイッチングは、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することを含んでいてもよい。切替は、移動システム(ロボットまたはドローンシステムなど)を、異なるまたは追加のデータが利用可能な場所に移動させる(異なる視野のためにイメージセンサを位置決めする、または異なる収集方向のためにソナーセンサを位置決めするなど)、または異なるセンサにアクセス可能な場所に移動させる(有線または無線接続によって環境中の場所に配置されたセンサに接続するためにコレクタを移動させるなど)など、追加のデータを得るためにシステムを作動させることを含んでいてもよい。応答回路8510は、将来的に特定のセンサを、異なる応答速度、感度、範囲などを有するセンサと交換するための推奨を行ってもよい。応答回路8510は、構成要素、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路8510は、来るべきプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよい。応答回路8510は、装置のピースのバランスを遠隔的にとるために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路8510は、プロセス変更を実装または推奨してもよい。例えば、メンテナンス間隔に近い、オフノミナルで動作している、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げるため、コンポーネントの動作速度を変更するため(低要求モードにするためなど)、問題の改善を開始するため(ローラベアリングセットの追加潤滑のための信号を送るため、またはバランスを崩しているシステムのためのアライメントプロセスのための信号を送るためなど)、およびそのようなものである。
図64に示すように、実施形態では、データ監視装置8540は、データ記憶回路8542、メモリなどをさらに構成してもよい。信号評価回路8544は、コンポーネントの性能を経時的に追跡することを可能にするために、特定の検出値を周期的に記憶してもよい。
実施形態では、センサ値が1つ以上の基準に近づくにつれて発生する可能性のある関連する動作条件および/または故障モードに基づいて、信号評価回路8544は、本開示を通して説明されるような1つ以上の基準に対するデータの適合性に基づいて、データ記憶回路8542にデータを記憶してもよい。つのセンサ入力が所定の基準または範囲に適合または接近したことに基づいて、信号評価回路8544は、回転数、コンポーネント負荷、温度、圧力、振動、または本開示を通して説明したタイプの他のセンサデータなどの追加のデータを記憶してもよい。信号評価回路8544は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
図65に示すように、実施形態では、データ監視システム8546は、少なくとも1つのデータ監視装置8548を含んでいてもよい。少なくとも1つのデータ監視装置8548は、センサ8506と、データ取得回路8504と、信号評価回路8538と、データ記憶回路8542と、遠隔サーバ8554上の監視アプリケーション8556にデータおよび分析を送信できるようにするための通信回路8552とを含む。コントローラ8550とから構成されている。信号評価回路8538は、位相検出回路8528、位相ロックループ回路8530、および/またはバンドパス回路8532のうちの少なくとも1つを構成してもよい。信号評価回路8538は、監視アプリケーション8556による時間経過および変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、リモートサーバ8554に送信するために通信回路8552とデータを定期的に共有してもよい。センサ値が1つ以上の基準に近づくにつれて関連する動作条件および/または故障モードが発生する可能性があるので、信号評価回路8538は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ8554への送信用通信回路8552とデータを共有してもよい。つのセンサ入力が指定された基準または範囲に適合または接近していることに基づいて、信号評価回路8538は、送信のために、回転数、コンポーネント負荷、温度、圧力、振動などの追加のデータを共有してもよい。信号評価回路8538は、リモートサーバ上での処理においてより大きな粒度を可能にするために、送信用のより高いデータレートでデータを共有してもよい。
図66に示されるように、実施形態では、データ収集システム8560は、単一の設備の複数の構成要素に関するデータを収集する複数の監視装置8558を有してもよく、同じ設備の複数の設備(同じ種類の設備および異なる種類の設備の両方)にわたって同じ構成要素に関するデータを収集してもよく、また、複数の設備の監視装置からデータを収集してもよい。リモートサーバ上の監視アプリケーションは、複数の様々な監視装置からのデータを受信して保存してもよい。次に、監視アプリケーションは、共同で分析することができるデータのサブセットを選択してもよい。監視データのサブセットは、単一のタイプのコンポーネントからのデータ、またはコンポーネントが動作している単一のタイプの機器からのデータに基づいて選択されてもよい。モニタリングデータは、負荷の大きさ、動作条件(例えば、断続的、連続的)、動作速度またはタコメータ、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件などの共通の動作条件に基づいて選択されてもよいし、グループ化されてもよい。モニタリングデータは、同様の周波数で回転している近隣の機械、電磁界を発生させる近隣の装置、熱を発生させる近隣の装置、運動または振動を誘発する近隣の装置、蒸気、化学物質または微粒子を放出する近隣の装置などの他の近隣の装置の影響、または他の潜在的に干渉または介入する影響に基づいて選択されてもよい。
次に、監視アプリケーションは、選択されたデータセットを分析してもよい。例えば、単一のコンポーネントからのデータは、1回の動作サイクル、複数の動作サイクル、1ヶ月、1年などの異なる期間にわたって分析されてもよい。また、同じ種類の複数のコンポーネントからのデータを異なる期間にわたって分析してもよい。周波数や振幅の変化などのデータの傾向は、同じ部品や装置の故障やメンテナンスの記録と相関していてもよい。起動時やプロセスの異なるポイントに関連した変化率の変化などのデータの傾向を特定することができる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成否などの追加データが分析に導入されてもよい。異なるタイプのデータの傾向と値の相関が分析され、短期的な分析が期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定することができる。この情報は、ローカルで収集・分析されたデータを更新したり、将来のモニタリング装置の設計に影響を与えるために、本機に転送されます。
例示的かつ非限定的な例では、本機は、機械的トルクを測定するためのセンサデータを収集して処理するために使用されてもよい。本機は、複数の回転サイクルを測定するのに十分な長時間にわたってデータを収集するために、高分解能の高速振動センサと通信してもよいし、それを含んでもよい。歯車駆動装置の場合、サンプリング分解能は、1サイクルあたりに採取されるサンプルの数が、コンポーネントを駆動する歯車の歯の数に少なくとも等しいようなものでなければならない。より低いサンプリング分解能も利用され得ることが理解されるであろうが、これは、十分な統計的信頼性を開発するために、より低い信頼性の決定および/またはより長い期間にわたってデータを取得することになるかもしれない。次に、このデータは、装置の一部のための位相基準(相対プローブ)またはタコ信号の生成に使用されてもよい。この位相基準は、コンポーネント上の異なる位置に配置された複数のセンサからの振動データまたは加速度データのような位相データを、システム内の異なるコンポーネント上に配置された複数のセンサからの位相データを整列させるために使用されてもよい。この情報は、異なるコンポーネントのトルクの決定、または動作モード中の1つ以上のコンポーネントの機械的なたわみの程度を示す動作偏向形状(ODS)の生成を容易にし、ひいてはコンポーネントの機械的なトルクを測定するために使用することができる。
より高い分解能のデータストリームは、低速動作における過渡的な信号の検出のための追加データを提供してもよい。遷移信号の識別は、装置の一部またはコンポーネントの欠陥の識別を可能にしてもよい。
例示的かつ非限定的な例では、監視装置は、故障予測モデルで使用するために機械的なジッタを識別するために使用されてもよい。モニタリング装置は、装置が起動したときにデータの取得を開始し、動作速度へのランプアップを経て動作中にデータの取得を開始します。動作速度になると、ねじりジッタは最小になると予想され、この段階でのねじりの変化は、クラックやベアリングの欠陥などを示しているかもしれません。さらに、システム設計上の欠陥やコンポーネントの摩耗に起因する予期せぬねじりの識別を容易にするために、既知のねじりを信号から削除することができます。動作速度で収集されたデータに関連した位相情報を持つことで、振動やコンポーネントの摩耗の可能性のある場所の特定が容易になるかもしれません。機械全体に配置された複数のセンサの相対的な位相情報は、装置の一部を伝搬するねじりの評価を容易にします。
産業環境における例示的なシステムのデータ収集は、データ収集回路に通信的に結合された多数の入力センサからの多数の検出値を解釈するデータ収集回路と、多数の検出値の各々が入力センサの少なくとも1つに対応し、多数の検出値に応答して入力センサの少なくとも1つに対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得する信号評価回路と、振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つに応答して少なくとも1つの動作を実行する応答回路と、を含む。例示的なシステムの特定のさらなる実施形態では、信号評価回路が、位相検出回路、または位相検出回路と位相ロックループ回路および/またはバンドパスフィルタとを含み、入力センサの数が、位相情報を提供する少なくとも2つの入力センサと、非位相センサ情報を提供する少なくとも1つの入力センサとを含み、信号評価回路が、入力センサのうちの少なくとも2つの入力センサによって提供される位相情報を整列させることをさらに含み、少なくとも1つの動作が、以下のうちの少なくとも1つに応答して行われることをさらに含む。振動振幅の大きさの変化;振動の周波数または位相の変化;振動振幅、振動周波数および振動位相のうちの少なくとも1つの変化率;振動振幅、振動周波数および振動位相のうちの少なくとも2つの間の値の相対的な変化;および/または、振動振幅、振動周波数および振動位相のうちの少なくとも2つの間の相対的な変化率。システムはさらに、警告回路を含み、ここで、少なくとも1つの動作は警告を提供することを含み、ここで、警告は、触覚、可聴、および視覚のうちの1つであってもよい;データ記憶回路を含み、ここで、振動振幅、振動周波数、および振動位相のうちの少なくとも1つは、振動履歴を作成するために周期的に記憶され、ここで、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することを含み(例えば、以下、「データ記憶回路」という。g.,ここで、データ記憶回路への追加データの記憶は、以下のうちの少なくとも1つに応答して行われます。振動振幅の大きさの変化;振動の周波数または位相の変化;振動振幅、周波数または位相の変化率;振動振幅、周波数および位相の少なくとも2つの間の値の相対的な変化;および振動振幅、周波数および位相の少なくとも2つの間の相対的な変化率;システムはさらに、ユーザ入力、検出された状態、および機械のための選択された動作パラメータの少なくとも1つに基づいて検出値の代替的な組み合わせを選択することができる多重化(MUX)回路の少なくとも1つを含む。検出値の数のそれぞれが入力センサの少なくとも1つに対応し、少なくとも1つの操作が多重化回路の1つ以上の部分の接続を有効化または無効化することを含み、検出値の数のサブセットを解釈し、MUXの論理制御、およびその結果としてのMUX入力と検出値の対応関係を提供するMUX制御回路、および/または、MUXの論理制御が選択ラインの適応的スケジューリングを含むことを特徴とするシステム。
コンポーネントを監視する例示的な方法は、少なくとも1つのセンサから時間ベースのデータを受信すること、受信したデータを基準信号で位相固定すること、受信した時間ベースのデータを周波数データに変換すること、タコメータ周波数を除去するために周波数データをフィルタリングすること、高周波数で発生する低振幅信号を識別すること、および低振幅信号が閾値を超えた場合にアラームを作動させることを含む。
産業環境におけるデータ収集、処理、および信号の利用のための例示的なシステムは、複数の監視装置を含み、各監視装置は、データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は入力センサの少なくとも1つに対応している。複数の検出値のうちの対応する少なくとも1つの検出値に応答して、入力センサのうちの少なくとも1つに対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得するように構成された信号評価回路;複数の検出値のうちの少なくとも1つの検出値のサブセットを記憶するためのデータ記憶装置;少なくとも1つの選択された検出値をリモートサーバに通信するように構成された通信回路;および、以下のように構成されたリモートサーバ上の監視アプリケーション。少なくとも1つの選択された検出値を受信するステップと、複数の監視装置から受信した検出値のサブセットを共同で分析するステップと、アクションを推奨するステップと、を含むように構成されたリモートサーバ上の監視アプリケーション。
特定のさらなる実施形態では、例示的なシステムは、以下を含む:各監視装置について、複数の入力センサは、位相情報を提供する少なくとも1つの入力センサと、非位相入力センサ情報を提供する少なくとも1つの入力センサとを含み、ここで、共同分析は、複数の監視装置からの情報を整列させるために、複数の監視装置からの位相情報を使用することを含む;ここで、検出値のサブセットは、少なくとも1つを含む検出値に関連付けられたデータに基づいて選択される。コンポーネントの共通のタイプ、機器の共通のタイプ、および共通の動作条件、および検出値に関連付けられたコンポーネントの予想寿命、検出値に関連付けられた機器のタイプ、および検出値が測定された動作条件のうちの1つに基づいて選択されることをさらに含み;および/または検出値のサブセットの分析が、ディープラーニング技術を利用して様々な動作状態、健康状態、寿命、および故障状態を認識することを学習するために、検出値のサブセットおよび補足情報をニューラルネットに供給することを含むここで、検出値のサブセットは、検出値のサブセットおよび補足情報に基づいて選択される。実施形態では、補足情報は、コンポーネント仕様、コンポーネント性能、機器仕様、機器性能、メンテナンス記録、修理記録、および予測状態モデルのうちの1つを含む。
産業環境におけるデータ収集のための例示的なシステムは、データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が入力センサの少なくとも1つに対応する複数の検出値に応答して、入力センサの少なくとも1つに対応する振動振幅、振動周波数、および振動位相位置の少なくとも1つを取得するように構成された信号評価回路と、を含む。ユーザ入力、検出された状態、および機械の選択された動作パラメータのうちの少なくとも1つに基づいて検出値の代替的な組み合わせが選択され得る多重化回路であって、複数の検出値のそれぞれが入力センサの少なくとも1つに対応しており、振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路と、を備える。
装置の一部分におけるデータ収集のための例示的なシステムであって、データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、を含む。第2の検出値に対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得するように構成された信号評価回路と、を含む。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を求めるように構成された位相検出回路と、前記振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つに応答して少なくとも1つの動作を行うように構成された応答回路と、を備える。
産業環境における軸受解析のためのシステムの一例であって、データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ収集回路と、を含む。複数の軸受タイプの仕様および予測状態情報を格納し、複数の検出値を所定の長さの時間だけバッファリングするためのデータ記憶部と、複数の検出値のうちの最初の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、バッファリングされた検出値を仕様および予測状態情報と相対的に分析して寿命予測を行うように構成された軸受分析回路と、を備えている。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を決定するように構成された位相検出回路と、前記第2の検出値に対応する振動振幅、振動周波数、および振動位相位置の少なくとも1つを取得するように構成された信号評価回路と、前記振動振幅、振動周波数、および振動位相位置の少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成されている。
例示的なモータ監視システムは以下を含む。データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ記憶回路、モータおよびモータコンポーネントの仕様、システム形状、および予測状態情報を記憶し、過去のモータ性能を記憶し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路、第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予測状態情報と比較して分析するように構成されたモータ解析回路複数の検出値のうちの最初の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析してモータ性能パラメータを生成するように構成されたモータ分析回路。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数および振動位相位置の少なくとも1つを取得し、バッファリングされた検出値、仕様および予測される状態情報に対して振動振幅、振動周波数および振動位相位置の少なくとも1つを解析してモータ性能パラメータを得るように構成された信号評価回路と、振動振幅、振動周波数および振動位相位置の少なくとも1つおよびモータ性能パラメータに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成されている。
車両ステアリングシステムの性能パラメータを推定するための例示的なシステムであって、以下を含む。前記データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値の各々が前記入力センサの少なくとも1つに対応し、前記複数の検出値の各々が前記入力センサの少なくとも1つに対応するように構成されたデータ記憶回路と、前記車両ステアリングシステム、ラック、ピニオン、およびステアリングコラムの仕様、システム形状、および予測される状態情報を記憶し、過去のステアリングシステム性能を記憶し、前記複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、バッファリングされた検出値を仕様および予測状態情報と比較して解析し、ステアリングシステム性能パラメータを生成するように構成されたステアリングシステム解析回路と、を備える。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を決定するように構成された位相検出回路と、前記第2の検出値に対応する振動振幅、振動周波数および振動位相位置の少なくとも1つを取得し、前記バッファリングされた検出値、仕様および予測される状態情報に対して前記振動振幅、振動周波数および振動位相位置の少なくとも1つを解析してステアリングシステム性能パラメータを得るように構成された信号評価回路と、前記振動振幅、振動周波数および振動位相位置の少なくとも1つおよび前記ステアリングシステム性能パラメータに応答して少なくとも1つの動作を行うように構成された応答回路と、から構成されている。
ポンプ性能パラメータである健康パラメータを推定するための例示的なシステムは、データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は入力センサの少なくとも1つに対応している。複数の検出値のうちの最初に検出された値に基づいてタイミング信号を生成するように構成されたタイマー回路、バッファリングされた検出値を仕様および予測される状態情報と比較して分析するように構成されたポンプ分析回路、ポンプ性能パラメータを生成するように構成されたポンプ性能パラメータ。複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得し、緩衝された検出値、仕様、および予測される状態情報と相対的に振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを解析してポンプ性能パラメータを得るように構成された信号評価回路と、振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つとポンプ性能パラメータとに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成される。実施形態では、ポンプは、自動車の水ポンプおよび鉱物ポンプのいずれかである。
穿孔機のドリル性能パラメータを推定するための例示的なシステムであって、以下を含む。データ取得回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応し、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ記憶回路と、検出値に関連付けられたドリルおよびドリルコンポーネントの仕様、システム形状、および予測される状態情報を記憶し、過去のドリル性能を記憶し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値のうちの最初の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路と、バッファリングされた検出値を仕様および予測される状態情報と比較して分析し、ドリル性能パラメータを生成するように構成されたドリル分析回路と、を備える。複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得し、緩衝された検出値、仕様、および予測される状態情報に対して振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを解析してドリル性能パラメータを得るように構成された信号評価回路と、振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つとドリル性能パラメータとに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成されている。実施形態では、掘削機は、石油掘削機およびガス掘削機のいずれかである。
コンベアの健全性パラメータを推定するための例示的なシステムは、以下を含む。前記データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路と、前記データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路と、前記検出値に関連付けられたコンベアおよびコンベアコンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去のコンベア性能を格納し、前記複数の検出値を所定の長さだけバッファリングするように構成されたデータ格納回路と 複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析してコンベア性能パラメータを生成するように構成されたコンベア分析回路と、を備えている。複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、前記第2の検出値に対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得し、前記バッファリングされた検出値、仕様、および予測される状態情報に対して前記振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを解析してコンベア性能パラメータを得るように構成された信号評価回路と、前記振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つと前記コンベア性能パラメータとに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成されていることを特徴とするコンベア性能パラメータの製造方法。
撹拌機の健康パラメータを推定するための例示的なシステムは、以下を含む。データ取得回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応し、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ記憶回路と、検出値に関連付けられたアジテータおよびアジテータ構成要素の仕様、システム形状、および予測される状態情報を記憶し、過去のアジテータ性能を記憶し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、を含む。 複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、バッファリングされた検出値を仕様および予想される状態情報と相対的に分析してアジテータ性能パラメータを生成するように構成されたアジテータ分析回路と、を含む。アジテータ性能パラメータを生成するように構成された位相検出回路と複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数および振動位相位置のうちの少なくとも1つを取得し、緩衝された検出値、仕様および予測される状態情報との相対的な振動振幅、振動周波数および振動位相位置のうちの少なくとも1つを解析してアジテータ性能パラメータを得るように構成された 信号評価回路と、を含む。振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つおよび撹拌機性能パラメータに応答して少なくとも1つの動作を実行するように構成された応答回路と実施形態では、アジテータは、回転タンクミキサ、大型タンクミキサ、ポータブルタンクミキサ、トートタンクミキサ、ドラムミキサ、マウントミキサ、およびプロペラミキサのうちの1つである。
コンプレッサの健全性パラメータを推定するための例示的なシステムは、以下を含む。データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応しており、複数の検出値の各々が入力センサの少なくとも1つに対応しているデータ収集回路と、検出値に関連付けられた圧縮機および圧縮機コンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去の圧縮機性能を格納し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ格納回路と、を含む。複数の検出値のうちの最初の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析してコンプレッサ性能パラメータを生成するように構成されたコンプレッサ分析回路。複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得し、バッファされた検出値、仕様、および予測される状態情報に対して振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを解析して圧縮機性能パラメータを得るように構成された信号評価回路と、振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つと圧縮機性能パラメータとに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成されている。
空調機の健康パラメータを推定するためのシステムの一例としては、以下のものが挙げられます。データ取得回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は入力センサの少なくとも1つに対応しており、複数の検出値の各々は入力センサの少なくとも1つに対応している、データ取得回路と、検出値に関連付けられた空調機および空調機コンポーネントの仕様、システムジオメトリ、および予測される状態情報を格納し、空調機の過去の性能を格納し、複数の検出値を所定の長さの時間バッファリングするように構成されたデータ格納回路と、を含む。複数の検出値のうちの最初の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析してエアコン性能パラメータを生成するように構成されたエアコン分析回路と、を備える。複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数および振動位相位置の少なくとも1つを取得し、バッファリングされた検出値、仕様および予測される状態情報に対して、振動振幅、振動周波数および振動位相位置の少なくとも1つを解析して、エアコン性能パラメータを生成するように構成された信号評価回路と振動振幅、振動周波数、および振動位相位置の少なくとも1つとエアコン性能パラメータの少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路と
遠心分離機の健康パラメータを推定するための例示的なシステムには、以下が含まれます。複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析するように構成された遠心分離機分析回路であって、遠心分離機の性能パラメータを構成する。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数および振動位相位置のうち少なくとも1つを取得し、緩衝された検出値、仕様および予測される状態情報に対して振動振幅、振動周波数および振動位相位置のうち少なくとも1つを解析して遠心分離性能パラメータを得るように構成された信号評価回路と、から構成されます。前記第2の検出値に対応する振動振幅、振動周波数、および振動位相位置の少なくとも1つと、前記遠心分離機の性能パラメータの少なくとも1つに応答して、少なくとも1つの動作を実行するように構成された応答回路。
実施形態では、産業機器のコンポーネントまたはピースの健全性に関する情報は、プロセスの同じ時点での複数の信号の値を比較することによって得られてもよい。これは、他の関連するデータ信号、タイマ、または参照信号に対して信号を相対的に整列させることによって達成されてもよい。データ監視装置8700,8718の一実施形態が図67~69に示され、コントローラ8702,8720を含んでもよい。コントローラは、データ取得回路8704、8722、信号評価回路8708、データ記憶回路8716、および任意の応答回路8710を含んでもよい。信号評価回路8708は、タイマ回路8714および任意に位相検出回路8712を含んでもよい。
データ監視装置は、コントローラ8702に通信的に結合された複数のセンサ8706を含んでもよい。複数のセンサ8706は、データ収集回路8704上のポートに配線されてもよい。複数のセンサ8706は、複数のセンサ8706のうちの少なくとも1つの出力に対応する検出値にアクセスできるように、データ収集回路8704に無線で接続されてもよく、ここで、センサ8706は、装置の一部または動作コンポーネントの異なる動作側面に関するデータをキャプチャしてもよい。実施形態では、図68および図69に図示されているように、監視装置8718の明示的な一部ではない1つまたは複数の外部センサ8724が、監視装置8718に機会的に接続されてもよく、または監視装置8718によってアクセスされてもよい。データ取得回路8722は、1つ以上の入力ポート8726を含んでもよい。つ以上の外部センサ8724は、コントローラ8720のデータ収集回路8722上の1つ以上の入力ポート8726に直接接続されてもよい。図69に示すように、実施形態では、データ取得回路8722は、1つ以上の外部センサ8724に対応する検出値に無線でアクセスするための無線通信回路8728をさらに含んでもよいし、別のソースを介して、またはこれらの方法のいくつかの組み合わせを介してアクセスするための無線通信回路8728を含んでもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置8700 8718に接続するための複数のセンサ8706 8724の選択は、新しいセンサを設置するためのアクセス性、初期設計にセンサを組み込むこと、予想される動作および故障条件、プロセスまたはプラント内の様々な位置で所望される分解能、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響、故障の時間応答(例えば、故障の前に発生する警告時間および/またはオフノミナルモード)、故障の可能性、および/または必要とされる感度、および/または故障状態を検出することの難しさは、予期しないまたは検出されない故障がコストがかかるか、または深刻な結果をもたらすであろうシステムに専用の、より多くのセンサおよび/またはより高い能力のセンサを使用して、コンポーネントまたは装置の一部を監視する範囲を駆動する可能性がある。
信号評価回路8708は、検出値を処理して、監視対象の部品または装置の一部に関する情報を取得してもよい。信号評価回路8708によって抽出された情報は、プロセスのどの時点または時間が、タイマ回路8714によって生成されたタイミング信号に基づく検出値に対応するかに関する情報を含んでもよい。タイミング信号の開始は、制御信号がプロセスの開始に関連付けられていてもよいところで、立ち上がりエッジ、立ち下がりエッジ、またはその両方などの制御信号のエッジを検出することによって生成されてもよい。タイミング信号の開始は、コンポーネントまたは装置の一部の初期動作によってトリガされてもよい。タイミング信号の開始は、パイプまたは開口部を通る初期の流れ、または所定の速度を達成する流れによってトリガされてもよい。タイミング信号の開始は、プロセスが開始されたことを示す状態値、例えば、スイッチ、ボタンの状態、プロセスが開始されたことを示すために提供されたデータ値などによってトリガされてもよい。抽出される情報は、検出値のストリームとタイマ回路8714によって生成された時間信号との間の、位相検出回路8712によって決定された位相の差に関する情報であってもよい。また、抽出された情報は、第1の検出値のストリームと、第1の検出値のストリームがタイマ回路によって生成されたタイミング信号の根拠またはトリガとして用いられる第2の検出値のストリームとの間の位相の差に関する情報であってもよい。
装置のタイプ、測定されるコンポーネント、装置が動作する環境などに応じて、センサ8706 8724は、温度計、湿度計、電圧センサ、電流センサ、加速度センサ、速度検出器、光センサまたは電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きを決定する)、イメージセンサ、変位センサ、濁度計、粘度計、負荷センサ、三軸センサ、タコメータ、流体センサのうちの1つまたは複数で構成されていてもよい(限定されない)。温度、組成物および/またはスペクトル分析、および/または物体の位置または動きの決定)、イメージセンサ、変位センサ、濁度計、粘度計、負荷センサ、三軸センサ、タコメータ、流体圧力計、気流計、馬力計、流量計、流体粒子検出器、音響センサ、pHセンサなどのうちの1つ以上を含んでいてもよい。
センサ8706824は、加速度や振動などの位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部分または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ8706824は、温度、湿度、負荷などのような位相に基づかないデータのストリームを提供してもよい。センサ8706824は、選択された間隔またはスケジュールに従って、時間的に連続的またはほぼ連続的なデータのストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または読み取りを提供してもよい。
図70および図71に示されるように、実施形態では、データ収集回路8734は、本明細書の他の箇所に記載されるように、マルチプレクサ回路8736をさらに構成してもよい。マルチプレクサ回路8736からの出力は、信号評価回路8708によって利用されてもよい。応答回路8710は、マルチプレクサ回路8736の一部をオンオフする能力を有してもよい。応答回路8710は、マルチプレクサ回路8736の制御チャネルを制御する能力を有してもよい
応答回路8710は、信号評価回路8708の結果を評価し、特定の基準に基づいて、アクションを開始することをさらに含んでもよい。基準は、関心のある周波数または位相が機器の形状、機器の制御スキーム、システム入力、履歴データ、現在の動作条件、および/または予測される応答に基づいていてもよいタイマー信号に対する特定の周波数または位相でのセンサの検出値を含んでもよい。基準は、特定のセンサからの検出値に対する所定の最大値または最小値、センサの対応する検出値の経時的な累積値、値の変化、値の変化率、および/または累積値(例えば、閾値以上/閾値未満の時間、1つ以上の閾値以上/閾値未満の加重時間、および/または1つ以上の閾値以上/閾値未満の検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサからのデータの組み合わせから構成されてもよい。相対基準は、プロセスステージ、処理される製品の種類、装置の種類、周囲の温度および湿度、他の装置からの外部振動などのような他のデータまたは情報によって変化してもよい。
特定の実施形態では、検出値が閾値または所定値を超えるが、検出値が閾値または所定値を下回ってもよい-例えば、検出値の変化量が生じることが予想されるが、検出値は、変化が生じていない可能性があることを示している-として本明細書に記載されている。例えば、限定されないが、振動データは、システムの撹拌レベル、装置の適切な動作、またはそのようなものを示してもよく、振幅および/または周波数のしきい値を下回る振動データは、期待通りに動作していないプロセスを示すものであってもよい。文脈が明確に別のことを示す場合を除いて、閾値を超える値の決定および/または所定値または期待値を超える値の決定を記述した本明細書のいかなる記述も、閾値を下回る値の決定および/または所定値または期待値を下回る値の決定を含むものと理解される。
所定の許容範囲は、軸受の数、相対的な回転速度、特定の周波数でのシステムへの電力の流入など、装置の形状および制御スキームに基づく予測されるシステム応答または振動に基づいていてもよい。また、所定の許容範囲は、複数の類似した装置および構成要素にわたる検出値の長期的な分析および装置故障とのデータの相関に基づいてもよい。
いくつかの実施形態では、上記で説明した基準のいくつかに基づいて警報が発行されてもよい。例示的な例では、特定の周波数での温度およびエネルギーの増加は、故障し始めているホットベアリングを示すかもしれない。実施形態では、アラームの相対的な基準は、プロセスステージ、装置で処理される製品の種類、周囲の温度および湿度、他の装置からの外部振動などのような他のデータまたは情報によって変化してもよい。例示的かつ非限定的な例では、応答回路8710は、振動振幅および/または周波数が予め定められた最大値を超えた場合、予め定められた許容範囲を超える変化または変化率がある場合、および/または振動振幅および/または周波数に基づく累積値が閾値を超えた場合に警報を開始してもよい。
実施形態では、応答回路8710は、上述した基準のいくつかに基づいて、特定のセンサに対応する検出値の処理を有効または無効にするように、データ収集回路8704を引き起こすことができる。これは、異なる応答速度、感度、範囲、およびそのようなものを有するセンサに切り替えること、新しいセンサまたはセンサの種類にアクセスすること、およびそのようなものを含んでもよい。この切り替えは、マルチプレクサ回路8736の制御信号を変更することによって、および/またはマルチプレクサ回路8736の特定の入力セクションをオンまたはオフにすることによって実施されてもよい。応答回路8710は、将来的に特定のセンサを、異なる応答速度、感度、範囲、およびそのようなものを有するセンサと交換するための推奨を行ってもよい。応答回路8710は、構成要素、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路8710は、来るべきプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよい。応答回路8710は、装置のピースのバランスを遠隔的にとるために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路8710は、プロセスの変更を実施するか、または推奨してもよい-例えば、メンテナンス間隔に近い、オフノミナルで動作している、または目的のために故障しているが、少なくとも部分的にはまだ動作しているコンポーネントの使用率を下げるために-。例示的な例では、位相検出回路8712によって、タイマー回路8714からのタイマー信号に対して相対的に導出される振動位相情報は、問題の物理的な位置を示すものであってもよい。振動位相情報に基づいて、システム設計上の欠陥、規格外の動作、および/またはコンポーネントまたはプロセスの故障が特定されてもよい。
実施形態では、センサ値が1つ以上の基準に近づくにつれて発生する可能性のある関連する動作条件および/または故障モードに基づいて、信号評価回路8708は、1つ以上の基準に対するデータの適合性に基づいて、データ記憶回路8716にデータを記憶してもよい。つのセンサ入力が指定された基準または範囲に適合または接近することに基づいて、信号評価回路8708は、回転数、コンポーネント負荷、温度、圧力、振動などの追加のデータをデータ記憶回路8716に記憶してもよい。信号評価回路8708は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグ付けされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
実施形態では、図72および図73、ならびに図74および図75に示すように、データ監視システム8762は、少なくとも1つのデータ監視デバイス8768を含んでもよい。少なくとも1つのデータ監視装置8768は、センサ8706と、データ取得回路8704、信号評価回路8772、データ記憶回路8742、およびリモートサーバ8774上の監視アプリケーション8776にデータおよび分析を送信できるようにするための通信回路8752を含む。コントローラ8770とを含んでもよい。信号評価回路8772は、位相検出回路8712およびタイマ回路8714のうちの少なくとも1つを含んでもよい。信号評価回路8772は、監視アプリケーション8776による経時的および変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、遠隔サーバ8774に送信するために通信回路8752とデータを定期的に共有してもよい。センサ値が1つ以上の基準に近づくにつれて関連する動作条件および/または故障モードが発生する可能性があるので、信号評価回路8708は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ8774への送信のために通信回路8752とデータを共有してもよい。つのセンサ入力が指定された基準または範囲に適合または接近していることに基づいて、信号評価回路8708は、送信のために、回転数、部品負荷、温度、圧力、振動などの追加のデータを共有してもよい。信号評価回路8772は、リモートサーバ上での処理においてより大きな粒度を可能にするために、送信用のより高いデータレートでデータを共有してもよい。
実施形態では、図72に示すように、通信回路8752は、リモートサーバ8774に直接データを通信してもよい。実施形態では、図73に示すように、通信回路8752は、オペレーティングシステム8758を実行するプロセッサ8756およびデータ記憶回路8760を含む中間コンピュータ8754にデータを通信してもよい。中間コンピュータ8754は、複数のデータ監視装置からデータを収集し、累積データをリモートサーバ8774に送信してもよい。
図74および図75に示すような実施形態では、データ収集システム8762は、単一の設備の複数の構成要素に関するデータを収集する複数の監視装置8768を有してもよく、同じ設備の複数の設備(同じ種類の設備および異なる種類の設備の両方)にまたがって同じ構成要素に関するデータを収集してもよく、また複数の設備の監視装置からデータを収集してもよい。実施形態では、図74に示すように、通信回路8752は、リモートサーバ8774に直接データを通信してもよい。実施形態では、図75に示すように、通信回路8752は、オペレーティングシステム8758を実行するプロセッサ8756およびデータ記憶回路8760を含む中間コンピュータ8754にデータを通信してもよい。中間コンピュータ8754は、複数のデータ監視装置からデータを収集し、累積データをリモートサーバ8774に送信してもよい。
実施形態では、リモートサーバ8774上の監視アプリケーション8776は、様々な監視装置8768の複数から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して記憶してもよい。次に、監視アプリケーション8776は、共同で分析されるべき検出値、タイミング信号、およびデータのサブセットを選択してもよい。分析のためのサブセットは、単一のタイプのコンポーネントまたはコンポーネントが動作している単一のタイプの装置に基づいて選択されてもよい。解析のためのサブセットは、負荷の大きさ、運転状態(例えば、断続的、連続的、プロセスステージ)、運転速度またはタコメータ、湿度、温度、空気または流体微粒子などの共通の周囲環境条件などの共通の運転状態に基づいて選択されてもよいし、グループ化されてもよい。分析のためのサブセットは、類似の周波数で回転している近隣の機械のような他の近隣の機器の影響に基づいて選択されてもよい。
次に、監視アプリケーション8776は、選択されたサブセットを分析してもよい。例示的な例では、単一のコンポーネントからのデータは、1つの動作サイクル、複数の動作サイクル、1ヶ月、1年、コンポーネントの寿命などの異なる時間期間にわたって分析されてもよい。また、同じタイプの複数のコンポーネントからのデータを異なる期間にわたって分析してもよい。周波数や振幅の変化などのデータの傾向は、同じコンポーネントや関連するコンポーネント、機器の一部に関連する故障やメンテナンスの記録と相関していてもよい。スタートアップやプロセスの異なるポイントに関連した変化率の変化などのデータの傾向を特定することができる。出力製品の品質、プロセスの成否などの追加データを分析に導入してもよい。異なるタイプのデータの傾向と値の相関関係を分析して、短期的な分析が期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定してもよい。この情報は、ローカルで収集・分析されたデータの種類を更新するために、または将来のモニタリング装置の設計に影響を与えるために、本機に転送されることがある。
例示的かつ非限定的な例では、監視装置8768は、機械的トルクを測定するためのセンサデータを収集して処理するために使用されてもよい。本機監視装置8768は、複数の回転サイクルを測定するのに十分な期間にわたってデータを収集するために、高分解能の高速振動センサと通信してもよいし、それを含んでもよい。歯車駆動コンポーネントの場合、センサのサンプリング分解能は、サイクルごとに採取されるサンプルの数が、コンポーネントを駆動する歯車歯の数に少なくとも等しいようなものであるべきである。より低いサンプリング分解能も利用され得ることが理解されるであろうが、これは、十分な統計的信頼性を開発するために、より低い信頼性の決定および/またはより長い期間にわたってデータを取得することになるかもしれない。次に、このデータは、装置の一部のための位相基準(相対プローブ)またはタコ信号の生成に使用されてもよい。この位相基準は、部品上の異なる位置に配置された複数のセンサからの振動データまたは加速度データのような位相データを、システム内の異なる部品上に配置された複数のセンサからの位相データを整列させるためのタイミング信号を生成するために、直接またはタイマ回路8714によって使用されてもよい。この情報は、異なるコンポーネントのトルクの決定または動作偏向形状(ODS)の生成を容易にしてもよい。
より高い分解能のデータストリームは、低速動作における過渡的な信号の検出のための追加データを提供してもよい。遷移信号の識別は、低回転数で動作する装置またはコンポーネントの一部の欠陥の識別を可能にしてもよい。
例示的で非限定的な例では、監視装置は、故障予測モデルで使用するために機械的なジッタを識別するために使用されてもよい。モニタリング装置は、装置が起動したときにデータの取得を開始し、動作速度へのランプアップを経て、動作中にデータを取得することができます。動作速度になると、ねじりジッタは最小または予想される範囲内であることが予想され、この段階でのねじりの変化は、クラック、ベアリングの欠陥などを示すことができます。さらに、既知のねじりは、システム設計の欠陥、コンポーネントの摩耗、または予期しないプロセスイベントに起因する予期しないねじりの識別を容易にするために、信号から除去されることがある。動作速度で収集されたデータに関連した位相情報を持つことは、振動およびコンポーネントの潜在的な摩耗の場所の特定を容易にし、および/またはコンポーネントの故障のタイプにさらに相関させることができます。機械全体に配置された複数のセンサの相対的な位相情報は、装置の一部を伝搬するねじりの評価を容易にする可能性がある。
実施形態では、監視アプリケーション8776は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析する際に使用するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、コンポーネントの複数のタイプのための予測された状態情報、動作履歴、過去の検出値、コンポーネントの寿命モデルなどへのアクセス権を有していてもよい。実施形態では、監視アプリケーション8776は、ディープラーニング技術を利用して、様々な動作状態、健康状態(例えば、寿命予測)、および故障状態を認識することを学習するために、選択されたサブセットをニューラルネットに供給してもよい。実施形態では、2つの技術(モデルベースの学習およびディープラーニング)のハイブリッドが使用されてもよい。
例示的かつ非限定的な例では、以下のコンポーネントの健全性は、組立ラインのコンベアおよびリフター、産業車両のウォーターポンプ、工場の空調装置、石油およびガス田に位置する掘削機、スクリュードライバー、コンプレッサ、ポンプ、ギアボックス、振動コンベア、ミキサーおよびモータ、工場のミネラルポンプ、石油およびガス精製所に位置する遠心分離機および精製タンク、およびガスハンドリングシステムのコンプレッサを、本明細書に記載された位相検出およびアライメント技術、データ監視装置およびデータ収集システムを使用して監視してもよい。
例示的かつ非限定的な例では、化学および製薬の生産ラインに配備された化学反応を促進するための装置(例えば、回転タンク/ミキサー攪拌機、機械的/回転攪拌機、およびプロペラ攪拌機)の構成要素の健全性は、本明細書に記載された相検出および整列技術、データ監視装置、およびデータ収集システムを使用して評価されてもよい。
例示的かつ非限定的な例では、車両ステアリング機構および/または車両エンジンの構成要素の健全性は、本明細書に記載された位相検出およびアライメント技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
データ収集のための例示的な監視システムは、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応し、複数の検出値の各々は、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する:少なくとも1つのタイミング信号を生成するように構成されたタイマー回路;および複数の検出値のうちの少なくとも1つとタイマー回路からのタイミング信号のうちの少なくとも1つとの間の相対的な位相差を決定するように構成された位相検出回路;および相対的な位相差に応答して少なくとも1つの動作を実行するように構成された応答回路を含む。特定のさらなる実施形態では、例示的なシステムは、以下のうちの少なくとも1つに応答して、少なくとも1つの動作をさらに実行するように構成されている:複数の検出値のうちの少なくとも1つの振幅の変化;複数の検出値のうちの少なくとも1つの周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの振幅および相対位相の相対的な変化率のうちの少なくとも1つの変化率。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、アラートは、触覚、可聴、および視覚のうちの1つであってもよい;データ記憶回路。実施形態では、相対位相差と、検出値およびタイミング信号のうちの少なくとも1つとが記憶される。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを記憶することは、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、データ収集回路はさらに、少なくとも1つのマルチプレクサ回路(MUX)を含み、それにより、検出値の代替的な組み合わせが、ユーザ入力および機械のための選択された動作パラメータの少なくとも1つに基づいて選択され得る。実施形態では、複数の検出値の各々は、入力センサの少なくとも1つに対応する。実施形態では、少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御ラインを変更することを含む。実施形態では、データ収集回路は、少なくとも2つのマルチプレクサ回路からなり、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。;および/またはシステムは、検出値の複数のサブセットを解釈し、MUXの論理制御、およびその結果としてのMUXの入力値と検出値との対応関係を提供するように構成されたMUX制御回路をさらに含む。実施形態では、MUXの論理制御は、選択ラインの適応的スケジューリングを含む。
データ収集のための例示的なシステムであって、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値の各々を解釈するように構成されたデータ収集回路;複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路;および複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路;および位相差に応答して少なくとも1つの動作を実行するように構成された位相応答回路;を含む。特定のさらなる実施形態では、例示的なシステムは、以下のうちの少なくとも1つに応答して、少なくとも1つの動作をさらに実行するように構成されている:複数の検出値のうちの少なくとも1つの検出値の振幅の変化;複数の検出値のうちの少なくとも1つの検出値の周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率、および複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率の相対的な変化率。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよく、ここで、システムは、データ記憶回路をさらに含む。実施形態では、相対位相差、および検出値およびタイミング信号のうちの少なくとも1つが記憶される。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを格納することは、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、データ収集回路はさらに、少なくとも1つのマルチプレクサ(MUX)回路を含み、それにより、検出値の代替的な組み合わせが、ユーザ入力および機械のための選択された動作パラメータの少なくとも1つに基づいて選択され得る。実施形態では、複数の検出値の各々は、入力センサの少なくとも1つに対応する。実施形態では、少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御ラインを変更することを含む。実施形態では、データ収集回路は、少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することからなり;ここで、システムは、検出値の複数のサブセットを解釈し、MUXの論理制御およびその結果としてのMUXの入力値および検出値の対応関係を提供するように構成されたMUX制御回路をさらに含み;および/または、MUXの論理制御は、選択ラインの適応的スケジューリングを含む。
産業環境における信号のデータ収集、処理、および利用のための例示的なシステムは、複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々がデータ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、を含む。信号評価回路と、を含む。複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路と、複数の検出値のうちの第2の検出値とタイミング信号との間の相対的な位相差を決定するように構成された位相検出回路と、複数の検出値のサブセットとタイミング信号とを記憶するためのデータ記憶装置と、を備える。少なくとも1つの選択された検出値およびタイミング信号をリモートサーバに通信するように構成された通信回路と、少なくとも1つの選択された検出値およびタイミング信号を受信するように構成されたリモートサーバ上の監視アプリケーションと、複数の監視装置から受信した検出値のサブセットを共同で分析するように構成された複数の監視アプリケーションと、アクションを推奨するように構成された複数の監視アプリケーションと、を備える。特定の実施形態では、共同分析は、複数の監視装置のそれぞれからのタイミング信号を使用して、複数の監視装置からの検出値を整列させることを含む。実施形態では、検出値のサブセットは、部品の共通タイプ、装置の共通タイプ、および動作条件の共通の少なくとも1つを含む。検出値に関連付けられたデータに基づいて選択される。
複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応しており、データ収集回路は、ユーザ入力、検出された状態、および機械の選択された動作パラメータのうちの少なくとも1つに基づいて、検出値の代替的な組み合わせを選択することができるようにマルチプレクサ回路を構成しており、複数の検出値の各々は、入力センサのうちの少なくとも1つに対応しており、信号評価回路は、タイミング信号を生成するように構成されたタイマ回路と、複数の検出値のうちの少なくとも1つとタイマ回路からの信号との間の相対的な位相差を決定するように構成された位相検出回路と、応答回路とを含んでいる。タイミング信号を生成するように構成されたタイマ回路;および複数の検出値のうちの少なくとも1つの検出値とタイマ回路からの信号との間の相対的な位相差を決定するように構成された位相検出回路;および位相差に応答して少なくとも1つの動作を実行するように構成された応答回路。
装置内のデータ収集のための例示的な監視システムであって、複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値の各々が前記データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値のうちの第1の検出値に基づいてタイミング信号を生成するように構成されたタイマー回路と、前記複数の検出値のうちの第2の検出値に対応する振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つを取得するように構成された信号評価回路と、を含む。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を求めるように構成された位相検出回路と、前記振動振幅、振動周波数、および振動位相位置のうちの少なくとも1つに応答して少なくとも1つの動作を行うように構成された応答回路と、を備える。
産業環境における軸受分析のための監視システムで、監視装置には以下が含まれます。複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値の各々が前記データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、タイミング信号を生成するように構成されたタイマ回路と、複数の軸受タイプの仕様および予測される状態情報を格納するためのデータストレージと、複数の検出値を所定の長さの時間だけバッファリングするように構成されたデータストレージと、を備えている。複数の検出値のうち第1の検出値に基づいてタイミング信号を生成するように構成されたタイマ回路と、バッファリングされた検出値を仕様および状態予測情報と相対的に解析して寿命予測を行うように構成された軸受解析回路と、を備える。複数の検出値のうちの第2の検出値とタイミング信号との相対的な位相差を決定するように構成された位相検出回路と、第2の検出値に対応する振動振幅、振動周波数および振動位相位置の少なくとも1つを取得するように構成された信号評価回路と、前記振動振幅、振動周波数および振動位相位置の少なくとも1つに応答して少なくとも1つの動作を実行するように構成された応答回路と、から構成されている。
実施形態では、構成要素または産業機器の一部の健康状態または他の状態または状態情報に関する情報は、プロセス全体を通して様々な構成要素の状態を監視することによって得られてもよい。監視は、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅を監視することを含んでもよい。データ監視装置9000の一実施形態が図76に示されており、コントローラ9002に通信的に結合された複数のセンサ9006を含んでもよい。コントローラ9002は、移動データコレクタなどのデータコレクタの一部であってもよいし、ネットワーク展開またはクラウド展開システムなどのシステムの一部であってもよく、データ収集回路9004、信号評価回路9008、および応答回路9010を含んでもよい。信号評価回路9008は、ピーク検出回路9012を構成してもよい。さらに、信号評価回路9008は、任意に、位相検出回路9016、バンドパスフィルタ回路9018、位相ロックループ回路、ねじり解析回路、軸受解析回路等のうちの1つ以上を含んでいてもよい。バンドパスフィルタ9018は、ピークや谷などの値が、関心のある周波数などの関心のあるバンドでのみ、または関心のあるバンド内でのみ検出されるように、検出値のストリームをフィルタリングするために使用されてもよい。データ収集回路9004は、1つ以上のアナログ-デジタル変換回路9014を含んでもよい。ピーク検出回路9012によって検出されたピーク振幅は、アナログ-デジタル変換回路9014の出力を適切にスケーリングするための基準値を提供するために、1つ以上のアナログ-デジタル変換回路9014に入力されてもよい。
複数のセンサ9006は、データ収集回路9004上のポートに有線接続されてもよい。複数のセンサ9006は、データ収集回路9004に無線で接続されてもよい。データ取得回路9004は、センサ9006が装置の一部または動作コンポーネントの異なる動作側面に関するデータを取得してもよいセンサ9006の複数のうちの少なくとも1つの出力に対応する検出値にアクセスできるようにしてもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置9000のための複数のセンサ9006の選択は、新しいセンサを設置するためのアクセス性、初期設計にセンサを組み込むこと、予想される動作および故障条件、プロセスまたはプラントの様々な位置で所望される分解能、センサの信頼性、電力利用可能性、電力利用率、ストレージ利用率などの様々な考慮事項に依存してもよい。故障の影響、故障の時間応答(例えば、故障の警告時間および/または故障の前に発生するオフ最適モード)、故障の可能性、故障の影響の程度、および/または必要とされる感度、および/または故障状態の検出の難しさは、予期しないまたは検出されない故障がコストがかかるか、または深刻な結果をもたらすであろうシステムに専用の、より多くのセンサおよび/またはより高い能力のセンサを使用して、コンポーネントまたは装置の一部を監視する程度を駆動することができる。
信号評価回路9008は、検出値を処理して、監視対象の部品または装置に関する情報を取得してもよい。信号評価回路9008によって抽出された情報は、ピーク温度、ピーク加速度、ピーク速度、ピーク圧力、ピーク耐荷重、ピーク歪、ピーク曲げ、またはピーク変位などの信号のピーク値に関する情報であってもよい。ピーク検出は、アナログ回路またはデジタル回路を用いて行われてもよい。実施形態では、ピーク検出回路9012は、検出値のストリーム内の「局所的な」または短期的なピークと、「グローバルな」またはより長期的なピークとを区別することができるかもしれない。実施形態では、ピーク検出回路9012は、平坦な頂部、漸近的な接近、ピーク値における離散的なジャンプ、またはピーク値における急速/急な上昇、範囲内での正弦波の挙動などのピーク形状(単一のピーク値だけではない)を識別することができるかもしれない。フラットトップのピークはセンサの飽和を示している可能性がある。ピークへの漸近的なアプローチは、線形システムの挙動を示している可能性がある。値の離散的なジャンプまたはピーク値の急な変化は、測定を行うセンサまたはコンポーネントの動作のいずれかの量子化されたまたは非線形の動作を示すことがある。実施形態では、システムは、一連のピーク値を結ぶ線または曲線によって確立された包絡線のような包絡線内でのピーク値の正弦波の変動を識別することができるかもしれない。ピーク」への言及は、文脈がそうでないことを示す場合を除き、測定における一連の低点を表す1つまたは複数の「谷」を包含すると理解されるべきであることに留意すべきである。
実施形態では、ピーク値は、アナログ-デジタル変換回路9014の基準として使用されてもよい。
例示的かつ非限定的な例では、温度プローブは、機械内で回転する歯車の温度を測定してもよい。ピーク温度は、ピーク検出回路9012によって検出されてもよい。ピーク温度は、機械内で回転する歯車の温度測定値に対応する検出値のストリームを適切にスケーリングするために、アナログ/デジタル変換回路9014に供給されてもよい。歯車の向きに対する温度に対応する検出値の流れの位相は、位相検出回路9016によって決定されてもよい。歯車の回転中のどこでピーク温度が発生しているかを知ることで、不良歯車の歯を識別することができるかもしれない。
いくつかの実施形態では、2つ以上の検出値のセットは、仮想センサ用の検出値を作成するために融合されてもよい。ピーク検出回路は、2つ以上の検出値セットのうちの少なくとも1つの検出値と仮想センサの検出値との間のピーク値のタイミングの整合性を検証するために使用されてもよい。
実施形態では、信号評価回路9008は、監視装置9000の起動時に、監視対象システムの制御信号のエッジ検出時に、ユーザ入力に基づいて、システムエラーの後などに、ピーク検出回路9012をリセットすることができるかもしれない。実施形態では、信号評価回路9008は、ピーク値をアナログ/デジタル変換回路の基準値として使用する前に、ピーク検出回路9012の出力の初期部分を破棄して、システムが完全にオンラインになるようにしてもよい。
装置の種類、測定されるコンポーネント、装置が動作する環境などに応じて、センサ9006は、振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きを決定する)、画像センサ、構造化された光センサ、レーザベースの画像センサ、音響波センサ、変位センサ、濁度計、粘度計などのうちの1つまたは複数のセンサから構成されてもよい。温度、組成物および/またはスペクトル分析、および/または物体の位置または動きの決定)、イメージセンサ、構造化光センサ、レーザベースのイメージセンサ、音響波センサ、変位センサ、濁度計、粘度計、負荷センサ、三軸センサ、加速度計、タコメータ、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサ、pHセンサ、およびこれらに限定されないが、本開示および参照により組み込まれた文書全体に記載されたセンサのいずれかを含む、1つ以上のセンサを含む。
センサ9006は、加速度または振動に関連するような位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ9006は、温度、湿度、負荷などのような従来の位相成分を持たないデータのストリームを提供してもよい。センサ9006は、選択された間隔またはスケジュールに従って、時間経過に伴うデータの連続的またはほぼ連続的なストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または読み取りを提供してもよい。
実施形態では、図76に図示されているように、センサ9006は、いくつかの場合にはデータコレクタとして本明細書で言及されるデータ監視装置9000の一部であってもよく、これは、いくつかの場合には、移動可能なまたは携帯可能なデータコレクタを構成してもよい。図77および図78に示されるように、実施形態では、監視装置9020の明示的な一部ではなく、むしろ新規であり、以前に装置またはコンポーネントに取り付けられているか、または統合されている1つまたは複数の外部センサ9026は、監視装置9020に日和見的に接続されていてもよく、または監視装置9020によってアクセスされてもよい。監視装置9020は、コントローラ9022を含んでもよい。コントローラ9022は、応答回路9010、信号評価回路9008、およびデータ収集回路9024を含んでもよい。信号評価回路9008は、ピーク検出回路9012と、任意に位相検出回路9016および/またはバンドパスフィルタ回路9018とを含んでもよい。データ取得回路9024は、1つ以上の入力ポート9028を含んでもよい。外部センサ9026の1つ以上の入力ポート9028は、コントローラ9022のデータ収集回路9024上の1つ以上の入力ポート9028に直接接続されてもよいし、データ収集回路904によって、リーダ、インタロゲータ、または近距離無線プロトコルを介した他の無線接続などの無線接続によって、データ収集回路904にアクセスされてもよい。図78に示すような実施形態では、データ取得回路9024は、さらに無線通信回路9030を構成してもよい。データ取得回路9024は、無線通信回路9030を使用して、外部センサ9026のうちの1つ以上のセンサに対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせを使用してもよい。
図79に示されるような実施形態では、データ収集回路9036は、本明細書の他の場所に記載されるように、マルチプレクサ回路9038をさらに構成してもよい。マルチプレクサ回路9038からの出力は、信号評価回路9008によって利用されてもよい。応答回路9010は、マルチプレクサ回路9038の一部をオンオフする能力を有してもよい。応答回路9010は、マルチプレクサ回路9038の制御チャネルを制御する能力を有してもよい
応答回路9010は、信号評価回路908の結果を評価し、特定の基準に基づいて、アクションを開始してもよい。基準は、特定のセンサからの検出値の所定のピーク値、センサの対応する検出値の経時的な累積値、ピーク値の変化、ピーク値の変化率、および/または累積値(例えば、閾値以上/閾値未満の滞在時間、1つ以上の閾値以上/閾値未満の重み付けされた滞在時間、および/または1つ以上の閾値以上/閾値未満の検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサからのデータの組み合わせから構成されてもよい。相対基準は、プロセスステージ、処理される製品のタイプ、装置のタイプ、周囲の温度および湿度、他の装置からの外部振動などの他のデータまたは情報によって変化してもよい。相対基準は、1つ以上の計算された統計量またはメトリック(複数の基準または統計量についてのさらなる計算によって生成されたものを含む)に反映されてもよく、これは、ひいては、本開示に記載の機械学習能力の1つ以上への入力として提供されるように、処理のために(データコレクタに搭載された、または外部システムによって)使用されてもよい。制御システム(データ入力の選択、センサデータの多重化、ストレージなどを制御するために、データコレクタに搭載されていてもよいし、リモートであってもよい)に、または、データマーケットプレイス、SCADAシステム、リモートコントロールシステム、メンテナンスシステム、分析システム、または他のシステムに利用可能なデータストリームまたはデータパッケージなど、別のシステムへの入力であるデータ要素としてのデータを提供する。
特定の実施形態では、検出値がしきい値または所定値を超えると本明細書に記載されているが、検出値はまた、しきい値または所定値を下回ってもよく、例えば、検出値の変化量が生じることが予想されるが、検出値は、変化が生じていない可能性があることを示している。例えば、限定されないが、振動データは、システムの撹拌レベル、装置の適切な動作、またはそのようなものを示してもよく、振幅および/または周波数のしきい値を下回る振動データは、期待通りに動作していないプロセスを示すものであってもよい。例えば、ブレンダー、ミキサー、撹拌機などが関与するプロセスにおいて、振動がないことは、例えば、被処理物が過度に粘性を有することの結果として、または歯車(例えば、歯車の剥落、歯車内の焼き付き、またはクラッチなど)の問題の結果として、ブレード、フィン、ベーン、または他の作業要素が適切に動かないことを示してもよい。文脈が明確に別のことを示す場合を除いて、閾値を超える値および/または所定値または期待値を超える値の決定を記述する本明細書のいかなる記述も、閾値を下回る値の決定および/または所定値または期待値を下回る値の決定を含むと理解される。
所定の許容範囲は、軸受の数、相対的な回転速度、特定の周波数でのシステムへの電力の流入など、装置の形状および制御スキームに基づく予測されるシステム応答または振動に基づいていてもよい。また、所定の許容範囲は、複数の類似した装置および構成要素にわたる検出値の長期的な分析および装置故障とのデータの相関に基づいてもよい。
実施形態では、応答回路9010は、上述した基準のうちの1つ以上に基づいてアラートを発行してもよい。例示的な例では、所定の値を超えるピーク温度の増加は、故障し始めているホットベアリングを示してもよい。実施形態では、アラームの相対的な基準は、プロセスステージ、装置で処理される製品の種類、周囲の温度および湿度、他の装置からの外部振動などのような他のデータまたは情報によって変化してもよい。例示的かつ非限定的な例では、応答回路9010は、振動振幅および/または周波数などの振幅が予め定められた最大値を超えた場合、予め定められた許容範囲を超える変化または変化率があった場合、および/またはそのような振幅および/または周波数に基づく累積値が閾値を超えた場合に警報を開始してもよい。
実施形態では、応答回路9010は、上述した基準の1つ以上に基づいて、特定のセンサに対応する検出値の処理を有効または無効にするように、データ収集回路9004を引き起こすことができる。これには、異なる応答速度、感度、範囲、およびそのようなものを有するセンサへの切り替え、新しいセンサまたはセンサの種類へのアクセス、複数のセンサからのデータへのアクセス、およびそのようなものが含まれてもよい。切り替えは、切り替えられたセンサの検出されたピーク値に基づいて行われてもよいし、他のセンサのピーク値に基づいて行われてもよい。切り替えは、モデル、一連のルールなどに基づいて行われてもよい。実施形態では、スイッチングは、機械学習システムの制御下にあってもよく、そのようなスイッチングは、人間の監督者の監督下で、または自動化されたシステムの制御下で、一連の試行にわたって、入力データと組み合わされた1つ以上の成功のメトリクスに基づいて制御されてもよい。スイッチングは、1つの入力ポートから別のポートへのスイッチング(1つのセンサから別のセンサへのスイッチングなど)を含んでもよい。スイッチングは、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することを含んでいてもよい。スイッチングは、移動システム(ロボットシステムまたはドローンシステムなど)を、異なるまたは追加のデータが利用可能な場所に移動させる(異なる視野のためにイメージセンサを位置決めする、または異なる収集方向のためにソナーセンサを位置決めするなど)、または異なるセンサにアクセス可能な場所に移動させる(有線または無線接続によって環境中の場所に配置されたセンサに接続するためにコレクタを移動させるなど)など、追加のデータを得るためにシステムを作動させることを含んでいてもよい。この切り替えは、マルチプレクサ回路9038の制御信号を変更することによって、および/またはマルチプレクサ回路9038の特定の入力部をオンまたはオフにすることによって実施されてもよい。
実施形態では、応答回路9010は、検出されたピーク値を基準電圧としてセンサスケーリング値を調整してもよい。応答回路9010は、ピーク値が捕捉されるようにセンササンプリングレートを調整してもよい。
応答回路9010は、センサの過負荷を識別してもよい。実施形態では、応答回路9010は、異なる応答速度、感度、範囲、およびそのようなものを有するセンサとの将来の特定のセンサの交換のための推奨を行ってもよい。応答回路9010は、コンポーネント、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路9010は、来るべきプロセス停止時にメンテナンスを推奨するか、またはメンテナンスコールを開始してもよく、メンテナンスは、異なる応答速度、感度、範囲などを有する同じまたは代替タイプのセンサとのセンサの交換を含むかもしれない。実施形態では、応答回路9010は、プロセス変更を実施するか、または推奨してもよい。例えば、メンテナンス間隔に近いコンポーネントの使用率を低下させるため、オフノミナルで動作しているか、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を低下させるため、コンポーネントの動作速度を変更するため(低要求モードにするためなど)、問題の改善を開始するため(ローラベアリングセットの追加潤滑のための信号を送るため、またはバランスを崩しているシステムのためのアライメントプロセスのための信号を送るためなど)、およびそのような変更を行う。
図80に示すように、実施形態では、データ監視装置9040は、センサ9006と、データ取得回路9004と、信号評価回路9008とを含んでもよいコントローラ9002とを含んでもよい。信号評価回路9008は、ピーク検出回路9012と、任意に、位相検出回路9016および/またはバンドパスフィルタ回路9018とを含んでもよい。コントローラ90042は、データ記憶回路90044、メモリなどをさらに含んでもよい。コントローラ9002は、応答回路9010をさらに含んでもよい。信号評価回路9008は、コンポーネント性能の経時的な追跡を可能にするために、データ記憶回路90444に特定の検出値を周期的に記憶してもよい。
実施形態では、本明細書中に他の場所で説明されているような関連する基準、センサ値が1つ以上の基準に近づくにつれて起こり得る動作条件および/または故障モードに基づいて、信号評価回路9008は、本開示全体で説明されているような1つ以上の基準に対するデータの適合性に基づいて、データ記憶回路90444にデータを記憶してもよい。指定された基準または範囲に適合または接近した1つのセンサ入力に基づいて、信号評価回路9008は、回転数、コンポーネント負荷、温度、圧力、振動、または本開示を通して説明されるタイプの他のセンサデータなどの追加のデータをデータ記憶回路90068に記憶してもよい。信号評価回路9008は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
実施形態では、信号評価回路9008は、長い期間にわたる全体的なスケーリングの変化を示す新しいピークを記憶してもよい(例えば、数ヶ月間の分析の歴史的ピークに基づいてデータストリームをスケーリングすること)。信号評価回路9008は、歴史的なピーク値が近づいたとき(例えば、温度、圧力、振動、速度、加速度などが歴史的なピークに近づくにつれて)、データを格納してもよい。
図81および図82、ならびに図83および図84に示すような実施形態では、データ監視システム9046は、少なくとも1つのデータ監視装置9048を含んでもよい。データ監視装置9048の少なくとも1つは、センサ9006と、データ取得回路9004、信号評価回路9008、データ記憶回路9004、およびリモートサーバ9004上の監視アプリケーション90056にデータおよび分析を送信できるようにするための通信回路9002を含む。コントローラ9050とを含んでもよい。信号評価回路9008は、ピーク検出回路9012の少なくとも1つを含んでもよい。信号評価回路9008は、監視アプリケーション9056による経時的および変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、遠隔サーバ9054への送信のために通信回路9052とデータを定期的に共有してもよい。関連する動作条件および/または故障モードは、本明細書の他の箇所に記載されているように、センサ値が1つ以上の基準に近づくにつれて発生する可能性があるので、信号評価回路9008は、1つ以上の基準に対するデータの適合に基づいて、リモートサーバ9004への送信のために通信回路9002とデータを共有してもよい。つのセンサ入力が指定された基準または範囲に適合または接近したことに基づいて、信号評価回路9008は、送信のために、回転数、部品負荷、温度、圧力、振動などの追加のデータを共有してもよい。信号評価回路9008は、リモートサーバ上での処理においてより大きな粒度を可能にするために、送信用のより高いデータレートでデータを共有してもよい。
実施形態では、図81に示すように、通信回路9052は、リモートサーバ9054に直接データを通信してもよい。図82に示すような実施形態では、通信回路9052は、オペレーティングシステム9062およびデータ記憶回路9064を実行するプロセッサ9060を含むかもしれない中間コンピュータ9058にデータを通信してもよい。
図83および図84に示されるように、実施形態では、データ収集システム9066は、複数の監視装置9048が、1つの装置の複数の構成要素に関するデータを収集してもよいし、同じ設備内の複数の装置(同じ種類の装置および異なる種類の装置の両方)にまたがって同じ構成要素に関するデータを収集してもよいし、複数の設備内の監視装置からデータを収集してもよい。リモートサーバ9054上の監視アプリケーション9056は、複数の各種監視装置9048から来る検出値、タイミング信号、またはデータのうちの1つまたは複数を受信して記憶してもよい。
実施形態では、図81に示すように、通信回路9052は、リモートサーバ9054に直接データを通信してもよい。図82に示すように、実施形態では、通信回路9052は、オペレーティングシステム9062およびデータ記憶回路9064を実行するプロセッサ9060を含むかもしれない中間コンピュータ9058にデータを通信してもよい。監視装置9048の各々に関連付けられた個々の中間コンピュータ9058があってもよく、または個々の中間コンピュータ9058は、中間コンピュータ9058が複数のデータ監視装置9048からデータを収集し、累積データをリモートサーバ9054に送信してもよい監視装置9048の複数に関連付けられてもよい。
監視アプリケーション9056は、検出値、タイミング信号、およびデータのうち、共同で分析するためのサブセットを選択してもよい。分析のためのサブセットは、単一のタイプのコンポーネントまたはコンポーネントが動作している単一のタイプの装置に基づいて選択されてもよい。解析用サブセットは、負荷の大きさ、動作条件(例えば、断続的、連続的)、動作速度またはタコメータ、湿度、温度、空気または流体微粒子などの共通の周囲環境条件などの共通の動作条件に基づいて選択されてもよいし、グループ化されてもよい。分析のためのサブセットは、類似の周波数で回転している近隣の機械、電磁界を発生させる近隣の装置、熱を発生させる近隣の装置、運動または振動を誘発する近隣の装置、蒸気、化学物質または微粒子を放出する近隣の装置、または他の潜在的な干渉または介在効果などの他の近隣の装置の影響に基づいて選択されてもよい。
次に、監視アプリケーション9056は、選択されたサブセットを分析してもよい。例示的な例では、単一のコンポーネントからのデータは、1つの動作サイクル、複数の動作サイクル、1ヶ月、1年、コンポーネントの寿命などの異なる時間期間にわたって分析されてもよい。また、同じタイプの複数のコンポーネントからのデータを異なる期間にわたって分析してもよい。周波数や振幅の変化などのデータの傾向は、同じコンポーネントまたは関連するコンポーネントや機器の一部に関連する故障やメンテナンスの記録と相関していてもよい。スタートアップやプロセスの異なるポイントに関連した変化率の変化など、データの傾向を特定することができる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成否などの追加データが分析に導入されてもよい。異なるタイプのデータの傾向と値の相関関係を分析して、短期的な分析が期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定してもよい。この情報は、ローカルで収集・分析されたデータを更新したり、将来のモニタリング装置の設計に影響を与えるために、本機に転送されます。
実施形態では、監視アプリケーション9056は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するのに使用するために、装置の仕様、装置の形状、コンポーネントの仕様、コンポーネントの材料、複数のコンポーネントタイプのための予想される状態情報、動作履歴、過去の検出値、コンポーネントの寿命モデルなどにアクセスできるようにしてもよい。実施形態では、監視アプリケーション9056は、選択されたサブセットをニューラルネットに供給して、ピークが指定された範囲内の所定のタイプの波形挙動の大規模なデータセットサンプルを供給することによって、波形パターンのピークを認識することを学習するようにしてもよい(例えば、人間の分析者によって)。
産業環境におけるデータ収集のための監視システムであって、前記監視システムは、次のように構成されている:前記データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、前記複数の検出値の各々は、前記入力センサの少なくとも1つに対応しており、前記複数の検出値に応答して少なくとも1つのピーク値を決定するように構成されたピーク検出回路と、前記少なくとも1つのピーク値に応答して少なくとも1つの動作を実行するように構成されたピーク応答回路と、を備える。
例示的な監視システムは、複数の検出値のうちの少なくとも1つの検出値の振幅の変化;複数の検出値のうちの少なくとも1つの検出値の周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率のうちの相対的な変化率のうちの少なくとも1つに応答する少なくとも1つの動作をさらに含む。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、または視覚のうちの1つであってもよく、さらに、データ記憶回路を構成する。実施形態では、相対位相差と、検出値およびタイミング信号のうちの少なくとも1つとが記憶される。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを記憶することは、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、データ収集回路はさらに、少なくとも1つのマルチプレクサ回路を含み、それにより、検出値の代替的な組み合わせが、ユーザ入力および機械のための選択された動作パラメータの少なくとも1つに基づいて選択され得る。実施形態では、複数の検出値の各々は、入力センサの少なくとも1つに対応する。実施形態では、少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御ラインを変更することを含む。実施形態では、データ収集回路は、少なくとも2つのマルチプレクサ回路からなり、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。
産業環境におけるデータ収集のための監視システムであって、複数のセンサに対応する入力を受信するように構成された監視システムの構造であって、複数の検出値を解釈するように構成されたデータ取得回路と、複数の検出値のそれぞれが入力センサの少なくとも1つに対応するように構成された複数の検出値と、複数の検出値に応答して少なくとも1つのピーク値を決定するように構成されたピーク検出回路と、少なくとも1つのピーク値に応答して少なくとも1つの動作を実行するように構成されたピーク応答回路とを含む、監視システム。
例示的な監視システムは、複数の検出値のうちの少なくとも1つの検出値の振幅の変化;複数の検出値のうちの少なくとも1つの検出値の周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率のうちの相対的な変化率のうちの少なくとも1つに応答する少なくとも1つの動作をさらに含む。実施形態では、少なくとも1つの動作は、アラートを発行することを含む。実施形態では、警告は、データ記憶回路をさらに構成する触覚、可聴、または視覚のいずれかであってもよい。実施形態では、相対位相差と、検出値およびタイミング信号のうちの少なくとも1つとが記憶される。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを記憶することは、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、データ収集回路はさらに、少なくとも1つのマルチプレクサ回路を含み、それにより、検出値の代替的な組み合わせが、ユーザ入力および機械のための選択された動作パラメータの少なくとも1つに基づいて選択され得る。実施形態では、複数の検出値の各々は、入力センサの少なくとも1つに対応する。実施形態では、少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御ラインを変更することを含む。実施形態では、データ収集回路は、少なくとも2つのマルチプレクサ回路からなり、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。
産業環境における信号のデータ収集、処理、および利用のための例示的なシステムには、次のものが含まれます:複数の監視装置、各監視装置は、以下から構成されます。データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値のそれぞれが入力センサの少なくとも1つに対応するように構成されたピーク検出回路、複数の検出値に応答して少なくとも1つのピーク値を決定するように構成されたピーク応答回路、少なくとも1つのピーク値に応答して少なくとも1つの検出値を選択するように構成されたピーク応答回路、選択された少なくとも1つの検出値をリモートサーバに通信するように構成された通信回路、および以下のように構成されたリモートサーバ上の監視アプリケーションを含む。少なくとも1つの選択された検出値を受信するステップと、複数の監視装置のサブセットから受信した検出値を共同で分析するステップと、アクションを推奨するステップと、を実行するように構成されたリモートサーバ上の監視アプリケーション。
例示的なシステムは、検出値に関連付けられたコンポーネントの予想寿命、検出値に関連付けられた機器のタイプ、および検出値が測定された動作条件のうちの 1 つに基づいて検出値をサブセット化するように構成されたシステムをさらに含む。実施形態では、検出値のサブセットの分析は、ディープラーニング技術を利用して様々な動作状態、健康状態、寿命、および故障状態を認識することを学習するために、検出値のサブセットおよび補足情報をニューラルネットに供給することを含む。実施形態では、補足情報は、コンポーネント仕様、コンポーネント性能、機器仕様、機器性能、メンテナンス記録、修理記録、および予測される状態モデルのうちの1つを含む。実施形態では、少なくとも1つの動作は、複数の検出値のうち少なくとも1つの検出値の振幅の変化;複数の検出値のうち少なくとも1つの検出値の周波数または相対位相の変化;複数の検出値のうち少なくとも1つの検出値の振幅および相対位相の両方の変化率;および複数の検出値のうち少なくとも1つの検出値の振幅および相対位相の相対的な変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、アラートは、データ記憶回路をさらに構成する触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、相対位相差と、検出値およびタイミング信号のうちの少なくとも1つとが記憶される。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを記憶することは、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、データ収集回路はさらに、少なくとも1つのマルチプレクサ回路を含み、それにより、検出値の代替的な組み合わせが、ユーザ入力および機械のための選択された動作パラメータの少なくとも1つに基づいて選択され得る。実施形態では、複数の検出値の各々は、入力センサの少なくとも1つに対応する。実施形態では、少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御線を変更すること、および/または/または、マルチプレクサ制御線を変更することを含む。実施形態では、データ収集回路は、少なくとも2つのマルチプレクサ回路からなり、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。
例示的なモータ監視システムは、以下を含む。データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ記憶回路、モータおよびモータコンポーネントの仕様、システム形状、および予測される状態情報を記憶し、過去のモータ性能を記憶し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値、および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様、および予測される状態情報と比較してピーク値を分析してモータ性能パラメータを生成するように構成されたピーク検出回路、およびピーク値およびモータシステム性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。
車両ステアリングシステムの性能パラメータを推定するための例示的なシステムであって、装置は以下を含む。前記データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値の各々が前記入力センサの少なくとも1つに対応するように構成されたデータ記憶回路と、前記車両ステアリングシステム、ラック、ピニオン、およびステアリングコラムの仕様、システム形状、および予測される状態情報を記憶し、過去のステアリングシステム性能を記憶し、前記複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様および予測状態情報と比較してピーク値を分析して車両ステアリングシステム性能パラメータを生成するように構成されたピーク検出回路、およびピーク値および車両ステアリングシステム性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。
ポンプ性能パラメータを推定するための例示的なシステムは、以下を含む。データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応しており、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ収集回路と、検出値に関連付けられたポンプおよびポンプコンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去のポンプ性能を格納し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様および予測される状態情報と比較してピーク値を分析してポンプ性能パラメータを生成するように構成されたピーク検出回路;およびピーク値およびポンプ性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。特定のさらなる実施形態では、例示的なシステムは、以下を含む。実施形態では、ポンプは、自動車の水ポンプであり、そして実施形態では、ポンプはミネラルポンプである。
ドリルマシンのドリル性能パラメータを推定するための例示的なシステムであって、データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ記憶回路と、検出値に関連付けられたドリルおよびドリルコンポーネントの仕様、システム形状、および予測される状態情報を記憶し、過去のドリル性能を記憶し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値、および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様、および予測される状態情報と比較してピーク値を分析してドリル性能パラメータを生成するように構成されたピーク検出回路;およびピーク値およびドリル性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。実施形態では、掘削機は、石油掘削機およびガス掘削機のいずれかである。
コンベアの健全性パラメータを推定するためのシステムの一例で、システムには以下が含まれます。前記データ収集回路に通信的に結合された複数の入力センサから複数の検出値を解釈するように構成されたデータ収集回路と、前記複数の検出値の各々が前記入力センサの少なくとも1つに対応するように構成されたデータ記憶回路と、前記検出値に関連付けられたコンベアおよびコンベア構成部品の仕様、システム形状、および予測状態情報を記憶し、過去のコンベア性能を記憶し、前記複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様および予測状態情報と比較してピーク値を分析してコンベア性能パラメータを生成するように構成されたピーク検出回路、およびピーク値およびコンベア性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。
撹拌機の健康パラメータを推定するための例示的なシステムであって、システムは以下を含む。データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応しており、複数の検出値の各々が入力センサの少なくとも1つに対応しているデータ収集回路と、検出値に関連付けられたアジテータおよびアジテータ構成要素の仕様、システム形状、および予測される状態情報を格納し、アジテータの過去の性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値、および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様、および予測される状態情報と比較してピーク値を分析して撹拌機性能パラメータを得るように構成されたピーク検出回路;およびピーク値および撹拌機性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。特定の実施形態では、システムは、アジテータが回転タンクミキサ、大型タンクミキサ、ポータブルタンクミキサ、トートタンクミキサ、ドラムミキサ、マウントミキサ、およびプロペラミキサのうちの1つである場合をさらに含む。
コンプレッサの健全性パラメータを推定するための例示的なシステムであって、システムは以下を含む。データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々が入力センサの少なくとも1つに対応しており、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ収集回路と、検出値に関連付けられた圧縮機および圧縮機コンポーネントの仕様、システム形状、および予測される状態情報を格納し、圧縮機の過去の性能を格納し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、を含む。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様および予測される状態情報と比較してピーク値を分析して圧縮機性能パラメータを生成するように構成されたピーク検出回路、およびピーク値および圧縮機性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。
エアコンの健康パラメータを推定するための例示的なシステムであって、システムは以下を含む。データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値の各々が入力センサの少なくとも1つに対応するように構成されたデータ記憶回路、検出値に関連付けられた空調機および空調機コンポーネントの仕様、システムジオメトリ、および予測される状態情報を記憶し、空調機の過去の性能を記憶し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値、圧力ピーク値および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様および予測される状態情報と比較してピーク値を分析してエアコン性能パラメータを生成するように構成されたピーク検出回路、およびピーク値およびエアコン性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されたピーク応答回路。
遠心分離機の健康パラメータを推定するための例示的なシステムで、システムには以下が含まれます。データ収集回路に通信的に結合された複数の入力センサからの複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値のそれぞれが入力センサの少なくとも1つに対応しており、複数の検出値のそれぞれが入力センサの少なくとも1つに対応しており、検出値に関連付けられた遠心分離機および遠心分離機コンポーネントの仕様、システムジオメトリ、および予測される状態情報を格納し、過去の遠心分離機性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ピーク検出回路は、複数の検出値に応答して、少なくとも温度ピーク値、速度ピーク値および振動ピーク値を含む。複数のピーク値を決定し、バッファリングされた検出値、仕様および予測される状態情報と比較してピーク値を分析して遠心分離性能パラメータを得るように構成されており、ピーク値および遠心分離性能パラメータのうちの1つに応答して少なくとも1つの動作を実行するように構成されているピーク応答回路。
ベアリングは、多くの異なるタイプの機器やアプリケーション全体で使用されている。軸受は、シャフト、モーター、ローター、ステーター、ハウジング、フレーム、サスペンションシステムおよびコンポーネント、ギア、様々なタイプのギアセット、他のベアリング、および他の要素に存在したり、支持したりすることができます。軸受は、マグレブトレインのような高速車両の支持体として使用されてもよい。軸受は、エンジン、モータ、発電機、ファン、コンプレッサ、タービン等の回転軸を支持するために使用される。巨大なローラーベアリングは、建物や物理的なインフラストラクチャをサポートするために使用されることがある。異なったタイプの軸受けは従来の、遊星および他のタイプのギヤを支えるのに使用されるかもしれません。軸受は、例えば、ローラースラスト軸受のようなトランスミッションやギアボックスを支持するために使用されてもよい。軸受は、円すいころ軸受を使用して、車輪、ホイールハブ、および他の転動体を支持するために使用されてもよい。
軸受には、例えば、ころ軸受、ニードル軸受、スリーブ軸受、玉軸受、ラジアル軸受、低速用途で使用される玉スラスト軸受やころスラスト軸受を含むスラスト荷重軸受、テーパ軸受や円すいころ軸受、特殊軸受、磁気軸受、巨大ころ軸受、宝石軸受(例えば、サファイア)、流体軸受、曲げ要素の荷重を支持するためのフレクシャー軸受など、様々な種類の軸受がある。本開示全体を通して、ベアリングへの言及は、上記の用語を含むことが意図されているが、これらに限定されない。
実施形態では、産業機器または産業プロセスの様々な構成要素の状態を監視することによって、産業機器の一部または産業プロセス内の軸受の健康状態または他の状態または状態情報に関する情報を得ることができる。モニタリングは、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅および/または周波数および/または位相を監視することを含んでもよい。
データ監視装置9200の一実施形態が図85に示されており、コントローラ9202に通信的に結合された複数のセンサ9206を含んでもよい。コントローラ9202は、データ収集回路9204、データ記憶回路9216、信号評価回路9208、および任意に応答回路9210を含んでもよい。信号評価回路9208は、周波数変換回路9212および周波数評価回路9214を含んでもよい。
複数のセンサ9206は、データ取得回路9204のポート9226(参照図86)に配線されてもよい。複数のセンサ9206は、データ収集回路9204に無線で接続されてもよい。データ取得回路9204は、複数のセンサ9206のうちの少なくとも1つのセンサ9206の出力に対応する検出値にアクセスできるようにしてもよく、ここで、センサ9206は、軸受または装置の一部またはインフラストラクチャの異なる動作側面に関するデータを取得してもよい。
特定の軸受または装置の一部のために設計されたデータ監視装置9200のための複数のセンサ9206の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作および故障条件、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響は、予期せぬベアリングの故障や検出されないベアリングの故障がコストがかかるか、または深刻な結果をもたらすようなシステムには、より多くのセンサおよび/またはより高い能力のセンサを使用して、ベアリングまたは装置の一部を監視する程度を決定する場合がある。
信号評価回路9208は、検出値を処理して、監視対象のベアリングに関する情報を取得してもよい。周波数変換回路9212は、1つ以上の時間ベースの検出値を周波数情報に変換してもよい。変換は、デジタル高速フーリエ変換(「FFT」)、ラプラス変換、Z変換、ウェーブレット変換、他の周波数領域変換、または他のデジタルまたはアナログ信号解析技術(複雑な位相進化解析を含む複雑な解析を含むが、これに限定されない)などの技術を使用して達成されてもよい。
周波数評価回路9214(または周波数分析回路)は、関心のある周波数で信号を検出するように構成されてもよい。関心のある周波数は、装置が回転する(例えばタコメータによって測定される)周波数よりも高い周波数、シャフトの回転速度の倍数のような装置の設計および動作条件に関連した様々な高調波および/または共振周波数、または軸受によって負担される装置のための他の回転部品などを含んでもよい。動作周波数に近い周波数でのエネルギーの変化は、システムのバランス/不均衡の指標となる場合がある。動作周波数の2倍程度の周波数でのエネルギーの変化は、システムのミスアライメント(例えば、カップリングの場合)やシステムの緩み(例えば、動作周波数の高調波でのガタツキ)を示す場合がある。カップリング上のボルトの数に対応する動作周波数の3倍または4倍に近い周波数でのエネルギーの変化は、カップリングの1つの摩耗を示している可能性がある。動作周波数の4倍、5倍、またはそれ以上の周波数でのエネルギーの変化は、対応する要素の数を持っている何かに関連しているかもしれません。
例示的かつ非限定的な例では、ころ軸受の分析において、関心のある周波数は、ボールスピン周波数、保持器スピン周波数、内側レース周波数(軸受が保持器内のレース上に座ることが多いため)、外側レース周波数などを含むことができます。損傷しているか、または故障し始めているベアリングは、上記および本開示の他の場所で言及された周波数でエネルギーのこぶを示すかもしれない。これらの周波数におけるエネルギーは、回転加速度およびピンの変動が大きくなることにより、軸受がより多く摩耗し、より多くの損傷を受けるようになるにつれて、時間の経過とともに増加する可能性がある。
例示的かつ非限定的な例では、不良ベアリングはエネルギーの隆起を示し、ベアリングが摩耗して不完全になるにつれて、高周波測定の強度が時間の経過とともに大きくなり始めるかもしれません(高周波測定の領域では、より大きな加速度とpingが示されるかもしれません)。これらの測定値は、ベアリングシステムのエアギャップの指標となる場合がある。ベアリングが摩耗し始めると、より強い衝撃がエネルギー信号を高周波数に移行させる可能性がある。
実施形態では、信号評価回路9208は、位相検出回路、位相ロックループ回路、バンドパスフィルタ回路、ピーク検出回路などのうちの1つまたは複数を含んでもよい。
実施形態では、信号評価回路9208は、過渡信号解析回路を含んでもよい。一過性の信号は、小さな振幅の振動を引き起こす可能性がある。しかしながら、ベアリング解析における課題は、単一のまたは非周期的な衝撃と指数関数的な減衰に関連した信号を受信してもよいということである。そのため、ベアリングの振動は単一の正弦波ではなく、多数の高周波数の正弦波のスペクトルで表される場合がある。例えば、故障したベアリングからの信号は、時間ベースの信号では、短時間の低振幅スパイクとしてしか見えないかもしれません。ベアリングの故障からの信号は、ベアリングの故障の結果がより重要であっても、不均衡に関連した信号よりも振幅が低い場合がある。これらの信号を識別することが重要です。この種の低振幅の過渡信号は、信号を低周波の正弦波のように扱うFFTなどの従来の周波数変換ではなく、過渡解析を使用して解析するのが最適です。より高い分解能のデータストリームはまた、低速動作における過渡信号の検出のための追加データを提供するかもしれない。一過性の信号の識別は、低回転数で動作する装置またはコンポーネントの一部の欠陥の識別を可能にしてもよい。
実施形態では、ベアリング解析のための遷移信号解析回路は、包絡線変調解析および他の遷移信号解析技術を含んでもよい。信号評価回路9208は、検出値の長いストリームをデータ記憶回路9216に格納してもよい。遷移信号解析回路は、従来の正弦波解析(FFTなど)によっては識別されないかもしれない過渡的な効果(衝撃など)を識別するために、検出値のそれらの長いストリーム上で包絡線解析技術を使用してもよい。
信号評価回路9208は、ベアリング、歯車、可変速機械などのような測定されるコンポーネントのタイプに最適化された遷移信号解析モデルを利用してもよい。例示的かつ非限定的な例では、歯車は、その平均回転速度の近くで共振してもよい。例示的かつ非限定的な例では、ベアリングは、ベアリングの回転周波数の近くで共振し、その周波数の周りで振幅のリンギングを生成してもよい。例えば、シャフトのインナーレースが摩耗している場合、インナーレースとシャフトとの間にチャタリングが発生し、その結果、ベアリングの周波数の左右への振幅変調が発生することがある。振幅変調は、独自のサイドバンドを持つ独自の正弦波特性を示すことができる。正弦波成分を除去するために様々な信号処理技術が使用され、その結果、解析のための変調エンベロープが得られます。
信号評価回路9208は、可変速機械のために最適化されてもよい。歴史的に、可変速機械は高価であり、流れがベーンを使用して制御され得るような、DCモータおよび可変シーブを使用することが一般的であった。可変速モータは、ソリッドステートドライブの進歩(「SCRデバイス」)により一般的になった。装置の基本動作周波数は、標準的な公益事業者によって提供される50~60Hzから変化させることができ、アプリケーションに応じて異なる速度で装置を動作させるために、減速または加速させることができる。装置を様々な速度で運転する能力は、エネルギーの節約につながる可能性がある。しかし、装置の形状によっては、共振周波数で振動を発生させる速度があり、コンポーネントの寿命を縮める可能性がある。また、可変速モータは、ベアリングに電気を放出し、ベアリングを損傷する可能性がある。実施形態では、本明細書に記載されているような包絡線変調解析および他の遷移信号解析技術のための長いデータストリームの解析は、これらの周波数を特定するのに有用であり、これにより、装置の制御スキームは、許容できない振動および/またはベアリングの損傷をもたらすこれらの速度を回避するように設計されているかもしれない。
例示的かつ非限定的な例では、暖房、換気および空調(「HVAC」)システムは、動作速度が一定ではなく、それらの相対的な関係が不明な可変速モータ、ファン、ベルト、コンプレッサなどを使用して、現場で組み立てられてもよい。例示的かつ非限定的な例では、可変速モータは、建物の空気循環のためのファンポンプに使用されてもよい。可変速モータは、コンベアの速度を変化させるために使用されてもよく、例えば、製造組立ラインや製鉄所で使用されてもよい。可変速モータは、振動を避けることが重要な場合など、製薬プロセスのファンに使用されてもよい。
例示的かつ非限定的な例では、スリーブ軸受は、欠陥のために分析されてもよい。スリーブベアリングは、典型的には、オイルシステムを有する。油の流れが停止するか、または油がひどく汚染されると、故障が非常に迅速に発生する可能性がある。したがって、流体微粒子センサまたは流体圧力センサは、検出値の重要な供給源となり得る。
例示的かつ非限定的な例では、ファンの完全性は、ブレードの通過周波数に関連する空気脈動を測定することによって評価されてもよい。例えば、ファンに12枚のブレードがある場合、12枚の空気脈動が測定されてもよい。異なるブレードに関連する脈動の振幅の変化は、ファンブレードの変化を示してもよい。空気脈動に関連する周波数の変化は、ベアリングの問題を示すことができる。
例示的かつ非限定的な例では、ガスおよび石油分野または組立ラインのガスハンドリング装置で使用されるコンプレッサは、ガスが貯蔵容器にポンプで送り込まれる際に、貯蔵容器内のエネルギー/圧力の周期的な増加を測定することによって評価されてもよい。エネルギー増加の振幅の周期的な変動は、ピストンの摩耗や回転スクリューの一部の損傷に関連している可能性がある。タイミング信号に対するエネルギー信号の位相評価は、どのピストンまたは回転スクリューの一部に損傷があるかを特定するのに役立つかもしれません。エネルギー脈動に関連する周波数の変化は、ベアリングの問題を示す可能性がある。
例示的かつ非限定的な例では、ポンプ内のキャビテーション/エアポケットは、上記および本明細書の他の場所に記載された周波数変換および周波数解析技術を用いて特定され得る、ポンプハウジングおよび出力流れ内にシャッタリングを生じさせることができる。
例示的かつ非限定的な例では、上記および本明細書の他の場所に記載されている周波数変換および周波数解析技術は、大型ファンのような建物のHVACシステムの構成要素における問題の特定を支援することができる。システムのダンパの設定が悪いと、空気がシステムを通過する際にダクトが脈動したり、振動したりすることがある。ダクトの振動センサーを監視することで、システムのバランシングに役立てることができます。大型ファンのブレードに欠陥がある場合、これはまた、建物のダクトワークで不均一な空気の流れとその結果脈動につながる可能性がある。
例示的かつ非限定的な例では、軸受の近くに配置された音響センサからの検出値は、歯車間の噛み合いまたは不良軸受の問題の識別を支援してもよい。システムの「イン」と「アウト」のギア比などのギア比の知識と、入力と出力の回転速度の測定値に基づいて、これらのギア比で発生するエネルギーの検出値を評価することができ、その結果、ベアリングの不良を特定するために使用することができます。これは、センサー付きモータの大規模な改造を必要とするよりも、簡単な既製品のモータで行うことができます。
信号評価回路9208は、その様々な構成要素の出力に基づいて、ベアリングの寿命予測を行ってもよいし、ベアリングの健全性パラメータを特定してもよいし、ベアリングの性能パラメータを特定してもよいし、ベアリングの健全性パラメータ(例えば、故障状態)を決定してもよい。信号評価回路9208は、軸受上の摩耗を特定してもよいし、軸受内の異物(例えば、微粒子)の存在を特定してもよいし、油/流体コーティングされた軸受内のエアギャップまたは流体の損失を特定してもよいし、一組の軸受内の潤滑の損失を特定してもよいし、磁気軸受などの電力損失を特定してもよいし、フレクシャー軸受のひずみ/応力を特定してもよい。信号評価回路9208は、ベアリングの寿命を延ばすために、装置の一部分の最適な動作パラメータを特定してもよい。信号評価回路9208は、選択された動作周波数(例えば、シャフト回転率)における挙動(共振ぐらつき)を識別してもよい。
信号評価回路9208は、その様々な構成要素の出力を評価する際に使用するために、装置の仕様、装置の形状、軸受の仕様、軸受の材料、複数の軸受タイプのための予想される状態情報、動作履歴、過去の検出値などにアクセスするために、データ記憶回路9216と通信してもよい。信号評価回路9208は、複数の検出値のサブセット、周波数情報に変換された時間ベースの検出値、フィルタリングされた検出値、識別された関心のある周波数などの中間データを、所定の長さの時間だけバッファリングしてもよい。信号評価回路9208は、部品性能の経時的な追跡を可能にするために、特定の検出値をデータ記憶回路9216に定期的に格納してもよい。実施形態では、検出値が1つ以上の基準に近づくにつれて起こり得る関連する動作条件および/または故障モードに基づいて、信号評価回路9208は、本開示全体に記載されているような1つ以上の基準に対するデータの適合性に基づいて、データ記憶回路9216にデータを記憶してもよい。つのセンサ入力が指定された基準または範囲に適合または接近したことに基づいて、信号評価回路9208は、回転数、コンポーネント負荷、温度、圧力、振動、または本開示を通して説明されるタイプの他のセンサデータなどの追加のデータをデータ記憶回路9216に記憶してもよい。信号評価回路9208は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
装置の種類、測定されるコンポーネント、装置が動作する環境などに応じて、センサ9206は、振動センサ、光振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きを決定する)、画像センサ、構造化された光センサ、レーザベースの画像センサ、赤外線センサ、音響波センサ、熱流束センサ、変位センサのうちの1つまたは複数で構成されていてもよい。温度、組成および/またはスペクトル分析、および/または物体の位置または動きの決定)、イメージセンサ、構造化光センサ、レーザベースのイメージセンサ、赤外線センサ、音響波センサ、熱流束センサ、変位センサ、濁度計、粘度計、荷重センサ、三軸振動センサなどが挙げられる。加速度計、タコメータ、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサ、pHセンサなどが挙げられ、これらに限定されないが、本開示および参照により組み込まれた文書全体に記載されているセンサのいずれかが含まれる。センサは、典型的には、少なくとも温度センサ、負荷センサ、三軸センサ、およびタコメータから構成されてもよい。
センサ9206は、加速度または振動に関連するような位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ9206は、温度、湿度、負荷などのような従来の位相成分を持たないデータのストリームを提供してもよい。センサ9206は、時間的に連続的またはほぼ連続的なデータのストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または選択された間隔またはスケジュールに従った読み取りを提供してもよい。
図85に図示されるように、実施形態では、センサ9206は、場合によっては移動式または携帯式のデータコレクタを構成してもよいデータコレクタとして本明細書で言及されるデータ監視装置9200の一部であってもよい。図86および図87に示されるように、実施形態では、監視装置9218の明示的な一部ではなく、むしろ新しい、以前に装置またはコンポーネントに取り付けられた、または統合された、1つまたは複数の外部センサ9224が、監視装置9218に日和見的に接続されるか、または監視装置9218によってアクセスされてもよい。監視装置9218は、コントローラ9202を含んでもよい。コントローラ9220は、データ収集回路9222、データ記憶回路9216、信号評価回路9208、および任意に応答回路9210を含んでもよい。信号評価回路9208は、周波数変換回路9212および周波数解析回路9214を含んでもよい。データ取得回路9222は、1つ以上の入力ポート9226を含んでもよい。外部センサ9224の1つ以上は、コントローラ9220のデータ収集回路9222上の1つ以上の入力ポート9226に直接接続されてもよいし、データ収集回路9222によって、リーダ、インタロゲータ、または近距離無線プロトコルを介した他の無線接続などの無線でアクセスされてもよい。図87に示すような実施形態では、データ取得回路9222は、さらに無線通信回路9262を構成してもよい。データ取得回路9222は、無線通信回路9262を使用して、外部センサ9224の1つ以上に対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせを使用してもよい。
図88に示されるように、実施形態では、データ収集回路9222は、本明細書の他の箇所に記載されるように、マルチプレクサ回路9236をさらに構成してもよい。マルチプレクサ回路9236からの出力は、信号評価回路9208によって利用されてもよい。応答回路9210は、マルチプレクサ回路9236の一部をオンオフする能力を有してもよい。応答回路9210は、マルチプレクサ回路9236の制御チャネルを制御する能力を有してもよい。
応答回路9210は、軸受性能パラメータ、軸受健全値、軸受寿命予測パラメータなどに基づいてアクションを開始してもよい。応答回路9210は、信号評価回路9208の結果を評価し、特定の基準または信号評価回路9208の様々な構成要素からの出力に基づいて、アクションを開始してもよい。基準は、関心のある周波数または位相が機器の形状、機器の制御スキーム、システム入力、過去のデータ、現在の動作状態、および/または予測される応答に基づいていてもよいタイマー信号に対する特定の周波数または位相でのセンサの検出値を含んでもよい。基準は、第2のセンサの検出値に対する特定の周波数または位相におけるセンサの検出値を含んでもよい。基準は、システムタコメータに関連付けられた検出値に相対する特定の共振周波数/ハーモニクスにおける信号強度、または装置の形状および動作条件に基づいて予測される信号強度を含んでもよい。基準は、特定のセンサからの検出値に対する所定のピーク値、センサの対応する検出値の経時的な累積値、ピーク値の変化、ピーク値の変化率、および/または累積値(例えば、閾値以上/閾値未満の時間、1つ以上の閾値以上/閾値未満の重み付けされた時間、および/または1つ以上の閾値以上/閾値未満の検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサからのデータの組み合わせから構成されてもよい。相対基準は、プロセスステージ、処理される製品のタイプ、装置のタイプ、周囲の温度および湿度、他の装置からの外部振動などの他のデータまたは情報によって変化してもよい。相対基準は、1つ以上の計算された統計量またはメトリック(複数の基準または統計量についてのさらなる計算によって生成されたものを含む)に反映されてもよく、これは、ひいては、本開示に記載の機械学習能力の1つ以上への入力として提供されるように、処理のために(例えば、データコレクタに搭載された、または外部システムによって)使用されてもよい。制御システム(データ入力の選択、センサデータの多重化、ストレージなどを制御するために、データコレクタまたはリモートに搭載されていてもよい)に、またはデータマーケットプレイス、SCADAシステム、遠隔制御システム、メンテナンスシステム、分析システム、または他のシステムに利用可能なデータストリームまたはデータパッケージなどの別のシステムへの入力であるデータ要素として。
特定の実施形態では、検出値がしきい値または所定値を超えると本明細書に記載されているが、検出値はまた、しきい値または所定値を下回ってもよい-例えば、検出値の変化量が生じることが予想されるが、検出値は、変化が生じていない可能性があることを示している-。例えば、限定されないが、振動データは、システムの撹拌レベル、装置の適切な動作、またはそのようなものを示してもよく、振幅および/または周波数のしきい値を下回る振動データは、期待通りに動作していないプロセスを示すものであってもよい。文脈が明確に別のことを示す場合を除いて、閾値を超える値の決定および/または所定値または期待値を超える値の決定を記述した本明細書のいかなる記述も、閾値を下回る値の決定および/または所定値または期待値を下回る値の決定を含むものと理解される。
所定の許容範囲は、軸受の数、相対的な回転速度、特定の周波数でのシステムへの電力の流入など、装置の形状および制御スキームに基づく予測されるシステム応答または振動に基づいていてもよい。また、所定の許容範囲は、複数の類似した装置および構成要素にわたる検出値の長期的な分析および装置故障とのデータの相関に基づいてもよい。
いくつかの実施形態では、上述した基準のいくつかに基づいてアラートが発行されてもよい。例示的な例では、特定の周波数での温度およびエネルギーの増加は、故障し始めているホットベアリングを示すかもしれない。実施形態では、アラームの相対的な基準は、プロセスステージ、装置で処理される製品の種類、周囲の温度および湿度、他の装置からの外部振動などのような他のデータまたは情報によって変化してもよい。例示的かつ非限定的な例では、応答回路9210は、振動振幅および/または周波数が予め定められた最大値を超えた場合、予め定められた許容範囲を超える変化または変化率がある場合、および/または振動振幅および/または周波数に基づく累積値が閾値を超えた場合に警報を開始してもよい。
実施形態では、応答回路9210は、上述した基準のいくつかに基づいて、特定のセンサに対応する検出値の処理を有効または無効にするように、データ取得回路9204を引き起こすことができる。これは、異なる応答速度、感度、範囲、およびそのようなものを有するセンサへの切り替え、または新しいセンサまたはセンサの種類へのアクセスなどを含んでもよい。スイッチングは、モデル、一連の規則、またはそのようなものに基づいて実施されてもよい。実施形態では、スイッチングは、機械学習システムの制御下で行われてもよく、そのようなスイッチングは、人間の監督者の監督下で行われてもよいし、自動化されたシステムの制御下で行われてもよい一連の試行にわたって、入力データと組み合わせた1つまたは複数の成功のメトリクスに基づいて制御される。スイッチングは、1つの入力ポートから別のポートへのスイッチング(1つのセンサから別のセンサへのスイッチングなど)を含んでもよい。スイッチングは、異なる状況下で異なるストリームを組み合わせるなど、データの多重化を変更することを含んでもよい。スイッチングはまた、移動システム(ロボットシステムまたはドローンシステムなど)を、異なるまたは追加のデータが利用可能な場所に移動させる(異なる視野のためにイメージセンサを位置決めする、または異なる収集方向のためにソナーセンサを位置決めするなど)、または異なるセンサにアクセス可能な場所に移動させる(有線または無線接続によって環境中の場所に配置されたセンサに接続するためにコレクタを移動させるなど)など、追加のデータを得るためにシステムを作動させることを含んでいてもよい。この切り替えは、マルチプレクサ回路9236の制御信号を変更することによって、および/またはマルチプレクサ回路9236の特定の入力セクションをオンまたはオフにすることによって実施されてもよい。応答回路9210は、将来的に特定のセンサを、異なる応答速度、感度、範囲などを有するセンサと交換するための推奨を行ってもよい。応答回路9210は、構成要素、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路9210は、来るべきプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよい。応答回路9210は、装置のピースのバランスを遠隔的にとるために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路9210は、プロセス変更を実施または推奨してもよい。例えば、メンテナンス間隔に近い、オフノミナルで動作している、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げるため、コンポーネントの動作速度を変更するため(低要求モードにするためなど)、問題の改善を開始するため(ローラベアリングセットの追加潤滑のための信号を送るため、またはバランスを崩しているシステムのためのアライメントプロセスのための信号を送るためなど)、およびそのようなものである。
図89、図90、図91、図92に示すような実施形態では、データ監視システム9240は、データ監視装置9250の少なくとも1つを含んでもよい。データ監視装置9250の少なくとも1つは、センサ9206と、データ取得回路9204、信号評価回路9208、データ記憶回路9216、および通信回路9246を含む。コントローラ9242とを含んでもよい。信号評価回路9208は、周波数検出回路9212及び周波数解析回路9214の少なくとも一方を含んでもよい。また、上述したように、本明細書の他の場所で説明したように、任意の応答回路があってもよい。信号評価回路9208は、監視アプリケーション9248による時間的および変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、リモートサーバ9244に送信するために通信回路9246とデータを定期的に共有してもよい。センサ値が1つ以上の基準に近づくにつれて、関連する動作条件および/または故障モードが発生する可能性があるので、信号評価回路9208は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ9244への送信のために通信回路9246とデータを共有してもよい。つのセンサ入力が指定された基準または範囲に適合または接近していることに基づいて、信号評価回路9208は、送信のために、回転数、コンポーネント負荷、温度、圧力、振動などの追加のデータを共有してもよい。信号評価回路9208は、リモートサーバ上での処理においてより大きな粒度を可能にするために、送信用のより高いデータレートでデータを共有してもよい。
実施形態では、図89に示すように、通信回路9246は、リモートサーバ9244に直接データを通信してもよい。図90に示すように、実施形態では、通信回路9246は、オペレーティングシステム9256を実行するプロセッサ9254とデータ記憶回路9258とを含む中間コンピュータ9252にデータを通信してもよい。中間コンピュータ9252は、複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9244に送信してもよい。
実施形態では、図91および図92に示すように、データ収集システム9260は、複数の監視装置9250が、1つの装置内の複数の構成要素に関するデータを収集してもよいし、同じ設備内の複数の装置(同じ種類の装置および異なる種類の装置の両方)にまたがって同じ構成要素に関するデータを収集してもよいし、複数の設備内の監視装置からのデータを収集してもよい。リモートサーバ9244上の監視アプリケーション9248は、検出値、タイミング信号、および複数の様々な監視装置9250から来るデータのうちの1つ以上を受信して記憶してもよい。実施形態では、図91に示すように、通信回路9246は、リモートサーバ9244に直接データを通信してもよい。図92に示すように、実施形態では、通信回路9246は、オペレーティングシステム9256を実行するプロセッサ9254とデータ記憶回路9258とを含む中間コンピュータ9252にデータを通信してもよい。監視装置9264のそれぞれに関連付けられた個々の中間コンピュータ9252があってもよく、または個々の中間コンピュータ9252は、中間コンピュータ9252が複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9244に送信してもよい監視装置9250の複数に関連付けられてもよい。
監視アプリケーション9248は、検出値、タイミング信号、およびデータのうち、共同で分析するためのサブセットを選択してもよい。解析のためのサブセットは、軸受の種類、軸受材料、または軸受が動作している装置の単一の種類に基づいて選択されてもよい。解析のためのサブセットは、負荷の大きさ、運転条件(例えば、断続的、連続的)、運転速度またはタコメータ、湿度、温度、空気または流体の微粒子などの共通の周囲環境条件などの共通の運転条件または運転履歴に基づいて選択されてもよいし、グループ化されてもよい。分析のためのサブセットは、共通の予測状態情報に基づいて選択されてもよい。分析のためのサブセットは、類似の周波数で回転している近くの機械、電磁場を生成する近くの装置、熱を生成する近くの装置、運動または振動を誘発する近くの装置、蒸気、化学物質または微粒子を放出する近くの装置などの他の近くの装置の影響、または他の潜在的に干渉するまたは介入する影響に基づいて選択されてもよい。
監視アプリケーション9248は、選択されたサブセットを分析してもよい。例示的な例では、単一のコンポーネントからのデータは、1つの動作サイクル、サイクル間比較、月、年、コンポーネントの寿命などの複数の動作サイクル/時間にわたる傾向などの異なる時間期間にわたって分析されてもよい。また、同じ種類の複数の部品からのデータを異なる期間で分析してもよい。周波数や振幅の変化などのデータの傾向は、同じ部品や装置の故障やメンテナンス記録と相関がある場合がある。起動時やプロセスの異なるポイントに関連した変化率の変化などのデータの傾向を特定することができる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成否などの追加データが分析に導入されてもよい。異なるタイプのデータの傾向と値の相関が分析され、短期的な分析が期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定してもよい。分析は、予測される状態情報のためのモデルの改良、使用するセンサに関する推奨事項、センサの位置などを特定してもよい。分析は、収集および保存すべき追加データを特定することができる。分析は、必要なメンテナンスと修理、および/または予防メンテナンスのスケジューリングに関する推奨事項を特定してもよい。分析は、交換用ベアリングの購入およびベアリングの交換時期に関する推奨事項を特定することができる。分析の結果、壊滅的な故障状況の危険性に関する警告が表示される場合がある。この情報は、ローカルで収集・分析されたデータを更新したり、将来のモニタリング装置の設計に影響を与えるために、本機に転送されることがある。
実施形態では、監視アプリケーション9248は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するのに使用するために、装置仕様、装置形状、軸受仕様、軸受材料、複数の軸受タイプのための予測状態情報、運転履歴、過去の検出値、軸受寿命モデルなどにアクセスできるようにしてもよい。実施形態では、監視アプリケーション9248は、ディープラーニング技術を利用して、様々な動作状態、健康状態(例えば、寿命予測)、および故障状態を認識することを学習するために、選択されたサブセットをニューラルネットに供給してもよい。実施形態では、2つの技術(モデルベースの学習およびディープラーニング)のハイブリッドが使用されてもよい。
例示的かつ非限定的な例では、組立ラインのコンベアやリフター、産業車両のウォーターポンプ、ガスハンドリングシステムのコンプレッサー、ガス田や油田の外に位置するコンプレッサー、工場の空調ユニット、工場のミネラルポンプのベアリングの健全性は、本明細書に記載されている周波数変換および周波数分析技術、データモニタリング装置、およびデータ収集システムを使用して監視されてもよい。
例示的かつ非限定的な例では、石油およびガス田に位置するベアリング、ギア、ブレード、スクリュー、および関連するシャフト、モータ、ローター、ステータ、ギア、およびギアボックス、モータ、ポンプ、振動コンベア、ミキサー、遠心分離機、掘削機、スクリュードライバー、および精製タンクの1つ以上の構成要素の健全性は、本明細書に記載の周波数変換および周波数分析技術、データモニタリング装置、およびデータ収集システムを使用して評価されてもよい。
例示的かつ非限定的な例では、化学および製薬の生産ラインに配備された化学反応を促進するための回転タンク/ミキサー攪拌機、機械的/回転攪拌機、およびプロペラ攪拌機のベアリングおよび関連するシャフト、モータ、ローター、ステータ、ギア、および他の構成要素の健全性は、本明細書に記載された周波数変換および周波数分析技術、データ監視装置、およびデータ収集システムを使用して評価されてもよい。
例示的かつ非限定的な例では、ベアリングおよび関連するシャフト、モータ、ローター、ステータ、ギア、およびステアリング機構またはエンジンなどの車両システムの他の構成要素の健全性は、本明細書に記載された周波数変換および周波数分析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ記憶装置と、複数の軸受タイプの仕様および予測される状態情報を記憶するためのデータ記憶装置と、複数の検出値を所定の時間だけバッファリングするように構成された軸受分析回路と、バッファリングされた検出値を仕様および予測される状態情報と比較して分析するように構成された軸受分析回路と、軸受性能パラメータをもたらす軸受性能パラメータと、を含む。
特定のさらなる実施形態では、例示的な監視装置は、以下のうちの1つ以上を含む:軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む;。実施形態では、少なくとも1つの動作は、複数の検出値のうちの少なくとも1つの振幅の変化;複数の検出値のうちの少なくとも1つの周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの振幅および相対位相の相対的な変化率のうちの少なくとも1つの変化率のうちの少なくとも1つに応答して、さらに行われる。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加データを記憶することは、さらに、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答する。
複数の検出値の各々は、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応しており、複数の検出値の各々は、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応しており、複数の軸受タイプの仕様および予測される状態情報を格納し、複数の検出値を所定の長さの間バッファリングするためのデータ記憶装置と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析するように構成された軸受分析回路と、軸受の健全性値の結果として生じる軸受の仕様および予測される状態情報と比較して、バッファリングされた検出値を分析するように構成された軸受分析回路と、を含む。
特定の実施形態では、例示的な監視装置は、以下のうちの1つ以上をさらに含む:ベアリングの健康値に応答して少なくとも1つの動作を実行する応答回路。特定の実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。実施形態では、少なくとも1つの動作は、複数の検出値のうちの少なくとも1つの振幅の変化;複数の検出値のうちの少なくとも1つの周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの振幅および相対位相の相対的な変化率のうちの少なくとも1つの変化率のうちの少なくとも1つに応答して、さらに行われる。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加データを記憶することは、さらに、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答する。
複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ記憶装置と、複数の軸受タイプの仕様および予測される状態情報を記憶し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶装置と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析して軸受寿命予測パラメータを得るように構成された軸受分析回路とを含む。
特定の実施形態では、監視装置は、軸受寿命予測パラメータに応答して少なくとも1つの動作を実行する応答回路をさらに含む。特定の実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。実施形態では、少なくとも1つの動作は、複数の検出値のうちの少なくとも1つの振幅の変化;複数の検出値のうちの少なくとも1つの周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの振幅および相対位相の相対的な変化率のうちの少なくとも1つの変化率のうちの少なくとも1つに応答して、さらに行われる。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加データを記憶することは、さらに、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答する。
複数の検出値のそれぞれが、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、複数の軸受タイプの仕様および予測状態情報を格納し、複数の検出値を所定の長さの時間バッファリングするためのデータ記憶装置と、バッファリングされた検出値を仕様および予測状態情報と相対的に分析して軸受性能パラメータを生成するように構成された軸受分析回路と、を含む。実施形態では、データ収集回路は、マルチプレクサ回路からなり、それにより、検出値の代替的な組み合わせが、ユーザ入力、検出された状態、および機械の選択された動作パラメータのうちの少なくとも1つに基づいて選択される。
特定のさらなる実施形態では、例示的な監視装置は、以下のうちの1つ以上をさらに含む:軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む;複数の検出値のうちの少なくとも1つの振幅の変化;複数の検出値のうちの少なくとも1つの振幅の変化。複数の検出値のうちの少なくとも1つの検出値の周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の相対的な変化率。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを記憶することは、相対位相差の変化および相対位相差の変化率のうちの少なくとも1つに応答することをさらに含む。実施形態では、少なくとも1つの操作は、マルチプレクサ回路の1つ以上の部分を有効化または無効化すること、またはマルチプレクサ制御ラインを変更することを含む。実施形態では、データ収集回路は、少なくとも2つのマルチプレクサ回路を含み、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。
産業環境におけるデータ収集、処理、および軸受分析のための例示的なシステムには、次のものが含まれます:複数の監視装置、各監視装置は以下から構成されます。複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値のそれぞれがデータ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、複数の軸受タイプの仕様および予測される状態情報を格納し、複数の検出値を所定の長さだけバッファリングするためのデータストレージと、複数の軸受タイプの仕様および予測される状態情報を格納し、複数の検出値を所定の長さだけバッファリングするように構成された軸受分析回路と、を含む。軸受寿命予測をもたらす仕様および予測状態情報に関連してバッファリングされた検出値を分析するように構成された軸受分析回路と、軸受寿命予測およびバッファリングされた検出値の一部をリモートサーバに提供するリモートサーバと通信するように構成された通信回路と、複数の監視装置から検出値のサブセットを受信、保存および共同分析するように構成されたリモートサーバ上の監視アプリケーションと、を備える。
特定のさらなる実施形態では、例示的な監視装置は、以下のうちの1つ以上を含む:ベアリング寿命予測に応答して少なくとも1つの動作を実行する応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。実施形態では、少なくとも1つの動作は、複数の検出値のうちの少なくとも1つの振幅の変化;複数の検出値のうちの少なくとも1つの周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの振幅および相対位相の相対的な変化率のうちの少なくとも1つの変化率のうちの少なくとも1つに応答して、さらに行われる。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加データを記憶することは、さらに、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答する。
産業環境におけるデータ収集、処理、および軸受分析のためのシステムの一例で、以下のものから構成されている。複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値のそれぞれがデータ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、複数の軸受タイプの仕様および予測される状態情報を格納し、複数の検出値を所定の長さだけバッファリングするためのデータ記憶装置と、複数の軸受タイプの仕様および予測される状態情報を格納し、複数の検出値を所定の長さだけバッファリングするように構成された軸受分析回路と、を備えている。軸受性能パラメータをもたらす仕様および予測状態情報に関連してバッファリングされた検出値を分析するように構成された軸受分析回路、寿命予測およびバッファリングされた検出値の一部をリモートサーバに提供するリモートサーバと通信するように構成された通信回路、および複数の監視装置から検出値のサブセットを受信し、保存し、共同で分析するように構成されたリモートサーバ上の監視アプリケーション。
特定のさらなる実施形態では、例示的な監視装置は、以下のうちの1つ以上をさらに含む:軸受性能パラメータに応答して少なくとも1つの動作を実行する応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。実施形態では、少なくとも1つの動作は、複数の検出値のうちの少なくとも1つの検出値の振幅の変化;複数の検出値のうちの少なくとも1つの検出値の周波数または相対位相の変化;複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率;および複数の検出値のうちの少なくとも1つの検出値の振幅および相対位相の両方の変化率のうちの相対的な変化率のうちの少なくとも1つに応答して、さらに行われる。実施形態では、少なくとも1つの操作は、アラートを発行することを含む。実施形態では、警告は、触覚、可聴、および視覚のうちの1つであってもよい。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、データ記憶回路に追加のデータを記憶することは、さらに、相対位相差の変化および相対位相差の相対的な変化率のうちの少なくとも1つに応答する。
複数の検出値を解釈するように構成されたデータ取得回路と、データ取得回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値の各々と、取得された検出値の少なくとも一部を遠隔学習システムにストリーミングするためのストリーミング回路と、少なくとも1つの軸受の状態の機械ベースの理解に関連して検出値を分析するように構成された軸受分析回路とを含む遠隔学習システムとを含む。
特定のさらなる実施形態では、例示的なシステムは、以下のうちの1つまたは複数をさらに含む。実施形態では、機械ベースの理解は、産業機械のコンポーネントの動作周波数に対するベアリングの挙動の関係に少なくとも部分的に基づいて、少なくとも1つのベアリングの状態を決定するベアリングのモデルに基づいて展開される。実施形態では、少なくとも1つの軸受の状態は、動作状態、健康状態、予測寿命状態、および故障状態のうちの少なくとも1つである。実施形態では、機械ベースの理解は、ディープラーニングマシンに入力を提供することによって展開される。実施形態では、入力は、複数の軸受の複数の検出値のストリームと、複数の軸受の複数の測定された状態値のストリームを含む。実施形態では、少なくとも1つの軸受の状態は、動作状態、健康状態、予測寿命状態、および故障状態のうちの少なくとも1つである。
軸受および軸受セットを分析する方法の一例としては、以下のようなものがある。温度センサ、軸受または軸受セットの近くに配置された振動センサ、および軸受または軸受セットに関連するシャフトの回転を測定するタコメータからデータに対応する複数の検出値を受信するステップと、温度センサに対応する検出値を所定の最大レベルと比較するステップと、振動センサに対応する検出値をハイパスフィルタでフィルタリングするステップと、タコメータに関連する検出値に関連する振動を除去するようにフィルタリングされたフィルタを選択するステップと、を含む。温度ピークおよび振動ピークの少なくとも1つの急激な変化を識別するステップと、振動センサに対応するフィルタリングされた検出値のスパイクが発生する周波数を識別するステップと、ベアリングまたはベアリングのセットに関連する予測される状態情報および仕様に相対する振幅の周波数およびスパイクを比較するステップと、ベアリングの健全性パラメータを決定するステップと、を備えることを特徴としている。
産業環境でころ軸受を監視するための例示的な装置であって、複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、複数のタイプのころ軸受の仕様および予測される状態情報を記憶するように構成されたデータ記憶回路と、複数の検出値を所定の長さの時間だけバッファリングするように構成された軸受分析回路と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析するように構成された軸受分析回路と、軸受の性能パラメータをもたらす軸受性能パラメータと、を含む。
軸受性能予測に応答して少なくとも1つの動作を実行するための応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。
軸受性能予測に応答して少なくとも1つの動作を実行するための応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。
産業環境でスリーブ軸受を監視するための例示的な装置であって、複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、スリーブ軸受の仕様およびスリーブ軸受の種類の予測される状態情報を格納し、複数の検出値を所定の長さの間バッファリングするためのデータ記憶装置と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析するように構成された軸受分析回路と、軸受の性能パラメータをもたらす軸受性能パラメータと、を含む装置。
軸受性能パラメータに応答して少なくとも1つの動作を実行するための応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。
軸受性能パラメータに応答して少なくとも1つの動作を実行するための応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。
ポンプベアリングを産業環境で監視するための例示的なシステムであって、複数の検出値を解釈するように構成されたデータ収集回路と、複数の検出値の各々が、データ収集回路に通信的に結合された複数の入力センサのうちの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路と、ポンプの仕様、ベアリングの仕様、ポンプベアリングの予測される状態情報を格納し、複数の検出値を所定の長さの間バッファリングするためのデータ記憶装置と、バッファリングされた検出値を仕様および予測される状態情報と比較して分析するように構成されたベアリング分析回路と、ベアリングの性能パラメータをもたらすベアリング性能パラメータと、を含む。
軸受性能パラメータに応答して少なくとも1つの動作を実行するための応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。
軸受性能パラメータに応答して少なくとも1つの動作を実行するための応答回路。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、およびタコメータを含む。群から選択される少なくとも2つのセンサを含む。
産業環境におけるポンプベアリングの収集、処理、および分析のための例示的なシステムには、次のものが含まれます。ポンプおよび軸受の仕様と予測される状態情報に関連してバッファリングされた検出値を分析するように構成された軸受分析回路と、軸受性能パラメータをもたらす軸受性能パラメータおよびバッファリングされた検出値の一部をリモートサーバに提供するリモートサーバと通信するように構成された通信回路と、複数の監視装置から検出値のサブセットを受信、保存および共同分析するように構成されたリモートサーバ上の監視アプリケーションと、を備える。
コンベアの健康パラメータを推定するための例示的なシステムは、以下を含む:複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。一実施形態では、複数の入力センサは、回転部品を測定するために配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つから構成されており、コンベアおよび関連する回転部品の仕様、システムジオメトリ、および予測される状態情報を格納し、過去のコンベアおよび部品の性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。軸受性能パラメータをもたらす仕様および予測状態情報に対してバッファリングされた検出値を分析するように構成された軸受分析回路と、軸受性能および予測状態、履歴データおよびシステム形状のうち少なくとも一つを利用してコンベアの健全性性能を推定するように構成されたシステム分析回路と、を備えている。
攪拌機の健康パラメータを推定するための例示的なシステムは、以下を含む:複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、角位置センサ、角速度センサ、および回転コンポーネントを測定するように配置された角加速度センサのうちの少なくとも1つからなり、複数の検出値のうちの少なくとも1つは、回転コンポーネントを測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の検出値のうちの少なくとも1つは、回転コンポーネントを測定するように配置された角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の検出値のうちの少なくとも1つは、回転コンポーネントを測定するように配置された角速度センサ、および角加速度センサのうちの少なくとも1つを含む。軸受性能パラメータをもたらす仕様および予測状態情報に関連してバッファリングされた検出値を分析するように構成された軸受分析回路と、軸受性能および予測状態、履歴データおよびシステム形状のうち少なくとも1つを利用して撹拌健康パラメータを推定するように構成されたシステム分析回路と、を備える。特定のさらなる実施形態では、例示的な装置は、撹拌機が、回転タンクミキサー、大型タンクミキサー、ポータブルタンクミキサー、トートタンクミキサー、ドラムミキサー、マウントミキサー、およびプロペラミキサーのうちの1つである場合をさらに含む。
車両ステアリングシステムの性能パラメータを推定するための例示的なシステムは、以下を含む:複数の検出値を解釈するように構成されたデータ取得回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、角位置センサ、角速度センサ、および回転コンポーネントを測定するように配置された角加速度センサのうちの少なくとも1つからなり、車両ステアリングシステム、ラック、ピニオン、およびステアリングコラムの仕様、システム形状、および予測状態情報を格納し、過去のステアリングシステム性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ格納回路、バッファリングされた検出値を仕様および予測状態情報と相対的に分析してベアリング性能パラメータを得るように構成されたベアリング分析回路、を含む。
軸受性能と、予測状態、過去のデータ、およびシステム形状の少なくとも1つを利用して、車両のステアリングシステムの性能パラメータを推定するように構成されたシステム解析回路。
軸受性能と、予測状態、過去のデータ、およびシステム形状の少なくとも1つを利用して、車両のステアリングシステムの性能パラメータを推定するように構成されたシステム解析回路。
ポンプ性能パラメータを推定するための例示的なシステムは、以下を含む:複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転コンポーネントを測定するために配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、ポンプおよびポンプコンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去のステアリングシステム性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ格納回路。軸受性能パラメータをもたらす仕様および予測状態情報に関連してバッファリングされた検出値を分析するように構成された軸受分析回路;軸受性能および予測状態、履歴データおよびシステム形状のうちの少なくとも1つを利用してポンプ性能パラメータを推定するように構成されたシステム分析回路。特定の実施形態では、例示的なシステムは、さらに以下を含む。特定の実施形態では、ポンプは、自動車の水ポンプであり、および/または。実施形態では、ポンプはミネラルポンプである。
穿孔機の性能パラメータを推定するための例示的なシステムは、以下を含む:複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、角位置センサ、角速度センサ、および回転コンポーネントを測定するように配置された角加速度センサのうちの少なくとも1つから構成され、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、穿孔機および穿孔機コンポーネントの仕様、システム形状、および予測される状態情報を記憶し、過去の穿孔機性能を記憶し、複数の検出値を所定の長さだけバッファリングするように構成されたデータ記憶回路と、バッファリングされた検出値を仕様および予測される状態情報と相対的に分析して軸受性能パラメータをもたらすように構成された軸受分析回路と、を含み、軸受性能パラメータを推定するように構成された軸受分析回路と
軸受性能と、予測される状態、過去のデータ、およびシステム形状のうちの少なくとも1つを利用して、穿孔機の性能パラメータを推定するように構成されたシステム解析回路。特定の更なる実施形態では、掘削機は、石油掘削機およびガス掘削機のいずれかである。
軸受性能と、予測される状態、過去のデータ、およびシステム形状のうちの少なくとも1つを利用して、穿孔機の性能パラメータを推定するように構成されたシステム解析回路。特定の更なる実施形態では、掘削機は、石油掘削機およびガス掘削機のいずれかである。
穿孔機の性能パラメータを推定するための例示的なシステムは、以下を含む:複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、角位置センサ、角速度センサ、および回転コンポーネントを測定するように配置された角加速度センサのうちの少なくとも1つから構成されている;穿孔機および穿孔機コンポーネントの仕様、システムジオメトリ、および予測される状態情報を格納し、過去の穿孔機性能を格納し、複数の検出値を所定の時間の長さだけバッファリングするように構成されたデータ格納回路。軸受性能パラメータをもたらす仕様および予測状態情報に関連してバッファリングされた検出値を分析するように構成された軸受分析回路、および軸受性能および予測状態、過去のデータおよびシステム形状のうちの少なくとも1つを利用して穿孔機の性能パラメータを推定するように構成されたシステム分析回路。
回転部品は、さまざまなタイプの機器やアプリケーション全体に使用されている。回転部品は、シャフト、モータ、ロータ、ステータ、ベアリング、フィン、ベーン、翼、ブレード、ファン、ベアリング、ホイール、ハブ、スポーク、ボール、ローラ、ピン、ギアなどを含むことができる。実施形態では、産業機器の一部または産業プロセスの回転部品の健康状態または他の状態または状態情報に関する情報は、部品または産業機器または産業プロセスの他の様々な部品の状態を監視し、部品上のねじりを特定することによって得られてもよい。モニタリングは、角位置、角速度、角加速度などの属性を測定するセンサ信号の振幅および位相を監視することを含んでもよい。
データ監視装置9400の一実施形態が図93に示されており、コントローラ9402に通信的に結合された複数のセンサ9406を含んでもよい。コントローラ9402は、データ収集回路9404、データ記憶回路9414、システム評価回路9408、および任意に応答回路9410を含んでもよい。システム評価回路9408は、ねじり解析回路9412を含んでもよい。
センサ9406の複数は、データ収集回路9404上のポートに有線接続されてもよい。センサ9406の複数は、データ収集回路9404に無線で接続されていてもよい。データ取得回路9404は、センサ9406が軸受または装置の一部またはインフラストラクチャの異なる動作側面に関するデータを取得してもよいセンサ9406の複数のうちの少なくとも1つの出力に対応する検出値にアクセスできるようにしてもよい。
シャフト、モータ、ロータ、ステータ、ベアリングもしくはギア、または本明細書に記載された他のコンポーネント、またはドライブトレイン内もしくは装置の一部もしくはシステムを構成するようなコンポーネントの組み合わせなどのコンポーネント上のねじりを評価するように設計されたデータ監視装置9400のための複数のセンサ9406の選択は、新しいセンサを設置するためのアクセス性、初期設計におけるセンサの組み込み、予想される動作条件および故障条件、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響によって、ベアリングや装置の一部を監視する範囲が変わり、予期せぬベアリングの故障や検出されないベアリングの故障がコストがかかる、または深刻な結果をもたらすようなシステムには、より多くのセンサやより高い能力のセンサを使用します。ねじれを評価するために、センサは、他のオプションの中で、角位置センサおよび/または角速度センサおよび/または角加速度センサを含むことができます。
システム評価回路9408は、検出値を処理して、監視されている1つ以上の回転コンポーネントに関する情報を得てもよい。ねじれ解析回路9412は、データ記憶回路9414から得られるような、予測された状態、過去の状態、システムの形状などに基づいて、コンポーネントまたはシステムのねじりを識別するように構成されていてもよい。ねじれ解析回路9412は、シャフト上の異なる位置に配置された2つの線形加速度計からの検出値の振幅、位相および周波数の違いなどの様々な技法を用いてねじりを識別するように構成されていてもよい。ねじれ解析回路9412は、シャフト上の角加速度計と、シャフトの端部のスリップリング上の角加速度計との間の振幅および位相の差を用いて、ねじりを識別するように構成されていてもよい。ねじれ解析回路9412は、ハーフブリッジ構成では2つのひずみゲージを使用して、またはフルブリッジ構成では4つのひずみゲージを使用して、コンポーネント上のせん断応力/伸長を識別してもよい。ねじれ解析回路9412は、シャフト、ベアリング、ロータ、ステータ、ギア、または他の回転コンポーネントの回転を識別するために、マーカのようなコーダベースの技術を使用してもよい。評価されるマーカは、イメージセンサ、光検出器などによって捕捉されたシャフト上の歯車の歯またはストライプなどの視覚的なマーカを含んでもよい。評価されるマーカは、回転部品上に配置され、電磁ピックアップによって感知される磁性部品を含んでもよい。センサは、ホール効果センサであってもよい。
追加の入力センサは、温度計、熱流束センサ、地磁気センサ、アキシャル荷重センサ、ラジアル荷重センサ、加速度センサ、せん断応力トルクセンサ、ねじれ角センサなどを含んでもよい。ねじれ角は、シャフト上の2つの位置での回転情報、またはシャフト上の2つの位置での角速度または角加速度を含んでもよい。実施形態では、センサは、シャフトの異なる端部に配置されてもよい。
ねじれ解析回路9412は、本明細書の他の箇所に記載されているように、過渡信号解析回路および/または周波数変換回路および/または周波数解析回路のうちの1つまたは複数を含んでもよい。
実施形態では、ねじり解析のための遷移信号解析回路は、包絡線変調解析、および他の遷移信号解析技術を含んでもよい。システム評価回路9408は、検出値の長いストリームをデータ記憶回路9414に記憶してもよい。遷移信号解析回路は、従来の正弦波解析(FFTなど)では識別できないかもしれない過渡的な効果(衝撃など)を識別するために、検出値のそれらの長いストリーム上で包絡線解析技術を使用してもよい。
実施形態では、関心のある周波数は、回転装置の関係次数帯域幅におけるエネルギーを識別することを含んでもよい。観察される最大次数は、システムの帯域幅および構成要素の回転速度の関数を構成してもよい。変化する速度(ランアップ、ランダウンなど)については、最小回転数は、観察される最大次数を決定してもよい。実施形態では、コンポーネントが駆動されている強制周波数/周波数の高調波でねじり共振があってもよい。
例示的で非限定的な例では、本機は、コンポーネントのねじりを測定するためのセンサデータを収集して処理するために使用されてもよい。本機は、複数の回転サイクルを測定するのに十分な長期間にわたってデータを収集するために、高分解能の高速振動センサと通信してもよいし、それを含んでいてもよい。歯車駆動装置の場合、サンプリング分解能は、1サイクルあたりに採取されるサンプルの数が、コンポーネントを駆動する歯車の歯の数に少なくとも等しいようなものでなければならない。より低いサンプリング分解能も利用され得ることが理解されるであろうが、これは、十分な統計的信頼性を開発するために、より低い信頼性の決定および/またはより長い期間にわたってデータを取得することになるかもしれない。次に、このデータは、装置の一部のための位相基準(相対プローブ)またはタコ信号の生成に使用されてもよい。この位相基準は、部品上の異なる位置に配置された複数のセンサからの速度データおよび/または位置データおよび/または加速度データのような位相データを、システム内の異なる部品上または異なる部品上に配置された複数のセンサからの位相データを整列させるために使用されてもよい。この情報は、異なるコンポーネントのねじりの決定、または動作モード中の1つ以上のコンポーネントのねじりの程度を示す動作変形形状(「ODS」)の生成を容易にすることができる。
より高い分解能のデータストリームは、低速動作における過渡的な信号の検出のための追加データを提供してもよい。遷移信号の識別は、装置またはコンポーネントの一部の欠陥の識別を可能にしてもよい。
例示的かつ非限定的な例では、監視装置は、故障予測モデルで使用するための機械的ジッタを識別するために使用されてもよい。モニタリング装置は、装置が動作速度までランプアップして起動したとき、または動作中にデータの取得を開始してもよい。動作速度になると、ねじりジッタは最小になることが予想され、この段階でのねじりの変化は、クラックやベアリングの欠陥などを示しているかもしれません。さらに、システムの設計上の欠陥やコンポーネントの摩耗に起因する予期せぬねじりの識別を容易にするために、既知のねじりを信号から削除することができます。動作速度で収集されたデータに関連した位相情報を持つことで、振動やコンポーネントの摩耗の可能性のある場所の特定が容易になるかもしれません。機械全体に配置された複数のセンサの相対的な位相情報は、装置を伝搬するねじりの評価を容易にすることができます。
システム評価回路9408は、その様々な構成要素の出力に基づいて、構成要素の寿命予測を行ってもよいし、構成要素の健全性パラメータを特定してもよいし、構成要素の性能パラメータを特定してもよい。システム評価回路9408は、回転部品の予期せぬねじりを特定してもよいし、たわみ軸受のひずみ/応力を特定してもよい。システム評価回路9408は、ねじりを低減し、コンポーネントの寿命を延ばすために、装置の一部分に最適な動作パラメータを特定してもよい。システム評価回路9408は、選択された動作周波数(例えば、シャフト回転率)におけるねじりを特定してもよい。ねじれの原因となる動作周波数に関する情報は、将来的に装置の動作バランスを容易にする可能性がある。
システム評価回路9408は、データ記憶回路9414と通信して、その様々なコンポーネントの出力を評価する際に使用するために、機器の仕様、機器の形状、軸受の仕様、コンポーネントの材料、複数のコンポーネントタイプの予想される状態情報、動作履歴、過去の検出値などにアクセスしてもよい。システム評価回路9408は、複数の検出値のサブセット、時間ベースの検出値、周波数情報に変換された時間ベースの検出値、フィルタリングされた検出値、識別された関心のある周波数などの中間データを、所定の長さの時間だけバッファリングしてもよい。システム評価回路9408は、部品性能の経時的な追跡を可能にするために、特定の検出値をデータ記憶回路9414に定期的に格納してもよい。実施形態では、検出値が1つ以上の基準に近づくにつれて発生する可能性のある関連する動作条件および/または故障モードに基づいて、システム評価回路9408は、本開示を通して説明されるような1つ以上の基準に対するデータの適合性に基づいて、データ記憶回路9414にデータを記憶してもよい。つのセンサ入力が指定された基準または範囲に適合または接近したことに基づいて、システム評価回路9408は、回転数情報、コンポーネント負荷、温度、圧力、振動、または本開示を通して説明されるタイプの他のセンサデータなどの追加のデータをデータ記憶回路9414に記憶してもよい。システム評価回路9408は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグ付けされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータ記憶回路にデータを記憶してもよい。
装置の種類、測定されるコンポーネント、装置が動作している環境などに応じて、センサ9406は、限定されることなく、変位センサ、角速度センサ、角加速度センサ、振動センサ、光振動センサ、温度計、湿度計、電圧センサ、電流センサ、加速度センサ、速度検出器、光センサまたは電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きの決定)、画像センサ、構造化光センサ、レーザベースの画像センサ、赤外線センサ、音響波センサ、音響波センサ、熱流束センサ、変位センサ、および/または熱流束センサのうちの1つまたは複数から構成されてもよい。温度、組成及び/又はスペクトル分析、及び/又は物体の位置又は動きの決定)、イメージセンサ、構造化された光センサ、レーザベースのイメージセンサ、赤外線センサ、音波センサ、熱流束センサ、変位センサ、濁度計、粘度計、荷重センサ、三軸振動センサ。加速度計、タコメータ、流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、音響センサ、pHセンサなどが挙げられ、これらに限定されないが、本開示全体に記載されているセンサおよび参照により組み込まれている文書のいずれかが含まれる。
センサ9406は、角速度、角加速度、または振動に関連するような位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ9406は、温度、湿度、負荷などのような従来の位相に基づかないデータのストリームを提供してもよい。センサ9406は、時間的に連続的またはほぼ連続的なデータストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または選択された間隔またはスケジュールに従った読み取りを提供してもよい。
エンジン部品を評価する場合、例示的かつ非限定的な例では、ピストン振動のタイミングに起因する振動、またはクランクシャフトの形状に起因する予測される振動入力に起因する振動を除去することが、部品にかかる他のねじり力を特定するのに役立つことが望ましい場合がある。これは、車両内の水ポンプまたは正圧ポンプのような多様な構成要素の健全性を評価するのに役立つかもしれない。
例示的かつ非限定的な例では、ねじり解析およびねじりの変動の識別は、ギアまたはトランスファーシステムにおけるスティックスリップの識別を支援してもよい。場合によっては、これは1サイクルに1回しか発生しないことがあり、位相情報は、システムの状態または動作を決定する上で、信号の振幅と同じくらい、または信号の振幅よりも重要であることがある。
例示的かつ非限定的な例では、ねじり解析は、ドライブトレイン内のラッシュの識別、予測(例えば、タイミング)、および評価、および方向の変更または始動の結果として生じる後続のねじりの評価を支援することができ、その結果、システムの制御、メンテナンスのための必要性の評価、バランシングまたは他の方法でコンポーネントを再設定するための必要性の評価、またはそのようなものに使用することができます。
例示的かつ非限定的な例では、コンプレッサを評価する際に、ピストン振動のタイミングに起因する振動、または正方置換コンプレッサに使用される技術および形状に関連する予測される振動入力に起因する振動を除去して、コンポーネントにかかる他のねじり力を特定するのに役立つことが望ましい場合がある。これは、本明細書の他の箇所に記載されているような、工場内の空調装置、産業環境におけるガスハンドリングシステム内のコンプレッサ、油田内のコンプレッサ、および他の環境のような多様な環境におけるコンプレッサの健全性を評価するのに役立つ可能性がある。
例示的かつ非限定的な例では、ねじり解析は、クレーン、ブルドーザー、トラクター、運搬機、バックホー、フォークリフト、農業機械、鉱山機械、ボーリングおよび掘削機械、掘削機械、リフティング機械、ミキサー(例えば、セメントミキサー)、タンクトラック、冷凍トラック、セキュリティ車両(例えば、金庫および貴重品を保存する同様の設備を含む)、水中車両、水上船舶、航空機、自動車、トラックおよび列車などの車両のドライブトレインに関連する様々なコンポーネントの健全性および期待される寿命の理解を容易にするかもしれない。セメントミキサーなど)、タンクローリー、冷蔵車、セキュリティ車両(貴重品を保存するための金庫などを含む)、水中車両、水上車両、航空機、自動車、トラック、列車などの移動装置のドライブトレイン、組立ライン、リフト、クレーン、コンベア、運搬システムなどの移動装置のドライブトレインなど。システムの形状および動作条件のモデルを用いたセンサデータの評価は、モータおよびドライブシャフトから、ドライブシャフトからユニバーサルジョイントへ、ユニバーサルジョイントから1つ以上のホイールアクスルへ、予想外のねじりおよびそのねじりの伝達を特定するのに有用であるかもしれない。
例示的かつ非限定的な例では、ねじり解析は、列車/路面電車の車輪および車輪セットに関連する様々な構成要素の健康状態および期待寿命の理解を容易にするかもしれない。上述したように、ねじり解析は、車輪または車輪セットとレールとの間のスティックスリップの識別を容易にすることができる。システムの形状を考慮したねじり解析は、エンジンと駆動軸と車輪軸とを接続する駆動形状に起因するねじり振動とは対照的に、スティックスリップに起因するねじり振動の同定を容易にしてもよい。
実施形態では、図93に図示されているように、センサ9406は、いくつかの場合にはデータコレクタとして本明細書で言及されるデータ監視装置9400の一部であってもよく、これは、いくつかの場合には、移動可能なまたは携帯可能なデータコレクタを構成してもよい。図94および図95に示されるように、実施形態では、監視デバイス9416の明示的な一部ではなく、むしろ新規であり、以前に装置またはコンポーネントに取り付けられた、または統合された、1つまたは複数の外部センサ9422が、監視デバイス9416に日和見的に接続されてもよく、または監視デバイス9416によってアクセスされてもよい。監視装置9416は、コントローラ9418を含んでもよい。コントローラ9418は、データ収集回路9420、データ記憶回路9414、システム評価回路9408、および任意に応答回路9410を含んでもよい。システム評価回路9408は、ねじり解析回路9412を含んでもよい。データ取得回路9420は、1つ以上の入力ポート9424を含んでもよい。図95に示すような実施形態では、データ取得回路9420は、無線通信回路9426をさらに含んでもよい。外部センサ9422の1つ以上の入力ポート9424は、コントローラ9418のデータ収集回路9420の1つ以上の入力ポート9424に直接接続されてもよく、または、リーダ、インタロゲータ、または近距離無線プロトコルを介した他の無線接続などの無線通信回路9426を使用して、データ収集回路9420によって無線でアクセスされてもよい。データ取得回路9420は、無線通信回路9426を使用して、外部センサ9422のうちの1つ以上のセンサに対応する検出値に無線でアクセスしてもよいし、別のソースを介して、またはこれらの方法のいくつかの組み合わせを介してアクセスしてもよい。
図96に示されるように、実施形態では、データ収集回路9432は、本明細書で他の場所に記載されるように、マルチプレクサ回路9434をさらに構成してもよい。マルチプレクサ回路9434からの出力は、システム評価回路9408によって利用されてもよい。応答回路9410は、マルチプレクサ回路9434の一部をオンまたはオフにする能力を有してもよい。応答回路9410は、マルチプレクサ回路9434の制御チャネルを制御する能力を有してもよい
応答回路9410は、構成要素の性能パラメータ、構成要素の健康値、構成要素の寿命予測パラメータなどに基づいて、アクションを開始してもよい。応答回路9410は、システム評価回路9408の結果を評価し、特定の基準またはシステム評価回路9408の様々なコンポーネントからの出力に基づいて、アクションを開始してもよい。基準は、ねじり解析回路による部品上のねじりの識別を含んでもよい。基準は、関心のある周波数または位相が装置の形状、装置の制御スキーム、システム入力、過去のデータ、現在の動作条件、および/または予測される応答に基づいていてもよいタイマー信号に対する特定の周波数または位相でのセンサの検出値を含んでもよい。基準は、第2のセンサの検出値に対する特定の周波数または位相におけるセンサの検出値を含んでもよい。基準は、システムタコメータに関連付けられた検出値に相対する特定の共振周波数/ハーモニクスにおける信号強度、または装置の形状および動作条件に基づいて予測される信号強度を含んでもよい。基準は、特定のセンサからの検出値に対する所定のピーク値、センサの対応する検出値の経時的な累積値、ピーク値の変化、ピーク値の変化率、および/または累積値(例えば、閾値以上/閾値未満の時間、1つ以上の閾値以上/閾値未満の重み付けされた時間、および/または1つ以上の閾値以上/閾値未満の検出値の面積)を含んでもよい。基準は、相対的な値、値の相対的な変化、値の相対的な変化率、時間経過による相対的な値など、異なるセンサからのデータの組み合わせから構成されてもよい。相対基準は、プロセスステージ、処理される製品のタイプ、装置のタイプ、周囲の温度および湿度、他の装置からの外部振動などの他のデータまたは情報によって変化してもよい。相対基準は、1つ以上の計算された統計量またはメトリック(複数の基準または統計量についてのさらなる計算によって生成されたものを含む)に反映されてもよく、これは、ひいては、本開示に記載の機械学習能力の1つ以上への入力として提供されるように、処理のために(データコレクタに搭載されているか、または外部システムによって)使用されてもよい。制御システム(データ入力の選択、センサデータの多重化、ストレージなどを制御するために、データコレクタまたはリモートに搭載されていてもよい)に、またはデータマーケットプレイス、SCADAシステム、遠隔制御システム、メンテナンスシステム、分析システム、または他のシステムに利用可能なデータストリームまたはデータパッケージなどの別のシステムへの入力であるデータ要素として。
特定の実施形態では、検出値が閾値または所定値を超える値として本明細書に記載されているが、検出値は、閾値または所定値を下回ってもよい-例えば、検出値の変化量が発生することが予想されるが、検出値は、変化が発生していない可能性があることを示している-。文脈が明確に別のことを示す場合を除いて、閾値を超える値の決定および/または所定値または期待値を超える値の決定を記述する本明細書の任意の記述は、閾値を下回る値の決定および/または所定値または期待値を下回る値の決定を含むものと理解される。
予め設定された許容範囲は、装置の幾何学的形状、移送システムの幾何学的形状、ピストンの発射シーケンスなどの装置構成または制御スキームなどに基づく予測されたねじれに基づいてもよい。所定の許容範囲はまた、過去の運転からの信号および過去数回の運転からの信号および性能の両方の長期分析のような、過去の性能または予測された性能に基づいてもよい。また、所定の許容範囲は、過去の性能または予測された性能に基づいてもよいし、複数の類似の装置および構成要素(特定の環境内、個々の企業内、同一業界内の複数の企業内、および業界をまたいで)にまたがる信号および性能の長期的な分析に基づいてもよい。また、予め設定された許容範囲は、センサデータと実際の機器およびコンポーネントの性能との相関関係に基づいてもよい。
いくつかの実施形態では、警報は、上記で議論された基準のいくつかに基づいて発行されてもよい。実施形態では、警報の相対的な基準は、プロセス段階、装置上で処理される製品の種類、周囲の温度および湿度、他の装置からの外部振動などの他のデータまたは情報によって変化してもよい。例示的かつ非限定的な例では、応答回路9410は、複数の構成要素をまたぐ構成要素のねじりが所定の最大値を超えた場合、所定の許容範囲を超える変化または変化率がある場合、および/またはねじりの振幅および/または周波数に基づく累積値が閾値を超えた場合、警報を開始してもよい。
実施形態では、応答回路9410は、上述した基準のいくつかに基づいて、特定のセンサに対応する検出値の処理を有効または無効にするように、データ収集回路9432を引き起こすことができる。これは、異なる応答速度、感度、範囲、およびそのようなものを有するセンサへの切り替え;新しいセンサまたはセンサの種類へのアクセス、およびそのようなものを含んでもよい。スイッチングは、モデル、一連の規則、またはそのようなものに基づいて実施されてもよい。実施形態では、スイッチングは、機械学習システムの制御下で行われてもよく、そのようなスイッチングは、人間の監督者の監督下で行われてもよいし、自動化システムの制御下で行われてもよい一連の試行にわたって、入力データと組み合わせた1つまたは複数の成功のメトリクスに基づいて制御される。スイッチングは、1つの入力ポートから別のポートへのスイッチング(1つのセンサから別のセンサへのスイッチングなど)を含んでもよい。スイッチングは、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することを含んでいてもよい。スイッチングは、移動システム(ロボットシステムまたはドローンシステムなど)を、異なるまたは追加のデータが利用可能な場所に移動させる(異なる視野のためにイメージセンサを位置決めする、または異なる収集方向のためにソナーセンサを位置決めするなど)、または異なるセンサにアクセス可能な場所に移動させる(有線または無線接続によって環境中の場所に配置されたセンサに接続するためにコレクタを移動させるなど)など、追加のデータを得るためにシステムを作動させることを含んでいてもよい。この切り替えは、マルチプレクサ回路9434の制御信号を変更することによって、および/またはマルチプレクサ回路9434の特定の入力部をオンまたはオフにすることによって実施されてもよい。
応答回路9410は、ギア比および入力と出力との間の任意の位相差を考慮した後、出力軸の測定された角位置と理論的な角速度との間の差に基づいて伝達効果を計算してもよい。
応答回路9410は、メンテナンスが必要な機器またはコンポーネントを特定してもよい。応答回路9410は、将来的に、異なる応答速度、感度、範囲、およびそのようなものを有するセンサとの特定のセンサの交換を推奨してもよい。応答回路9410は、コンポーネント、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路9410は、来るべきプロセス停止時にメンテナンスを推奨してもよいし、メンテナンスコールを開始してもよい。応答回路9410は、装置のピースのバランスを遠隔的にとるために、プロセスまたは動作パラメータの変更を推奨してもよい。実施形態では、応答回路9410は、プロセス変更を実施または推奨してもよい-例えば、メンテナンス間隔に近い、オフノミナルで動作している、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げるため、コンポーネントの動作速度を変更するため(低要求モードにするためなど)、問題の改善を開始するため(ローラベアリングセットの追加潤滑のための信号を送るため、またはバランスを崩しているシステムのためのアライメントプロセスのための信号を送るためなど)、およびそのようなもの。
図97、図98、図99、図100に示すような実施形態では、データ監視システム9460は、少なくとも1つのデータ監視装置9448を含んでもよい。データ監視装置9448の少なくとも1つは、センサ9406と、データ取得回路9404、システム評価回路9408、データ記憶回路9414、および通信回路9442を含む。コントローラ9438とを含んでもよい。システム評価回路9408は、ねじり解析回路9412を含んでもよい。また、上述したように、本明細書の他の場所で説明したように、任意の応答回路があってもよい。システム評価回路9408は、監視アプリケーション9446による時間的および変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、リモートサーバ9440に送信するために、通信回路9442とデータを定期的に共有してもよい。センサ値が1つ以上の基準に近づくにつれて、関連する動作条件および/または故障モードが発生する可能性があるので、システム評価回路9408は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ9440に送信するための通信回路9462とデータを共有してもよい。つのセンサ入力が指定された基準または範囲に合致または接近したことに基づいて、システム評価回路9408は、送信のために、回転数、部品負荷、温度、圧力、振動などの追加のデータを共有してもよい。システム評価回路9408は、リモートサーバでの処理の粒度を上げることを可能にするために、送信用のデータレートを高くしてデータを共有してもよい。実施形態では、図97に示すように、通信回路942は、リモートサーバ940に直接データを通信してもよい。実施形態では、図98に示すように、通信回路942は、オペレーティングシステム9454を実行するプロセッサ9452およびデータ記憶回路9456を含む中間コンピュータ9450にデータを通信してもよい。
図99および図100に示されるように、実施形態では、データ収集システム9458は、複数の監視装置9448が、1つの装置の複数の構成要素に関するデータを収集してもよいし、同じ設備内の複数の装置(同じ種類の装置および異なる種類の装置の両方)にまたがって同じ構成要素に関するデータを収集してもよいし、複数の設備内の監視装置からのデータを収集してもよい。リモートサーバ9440上の監視アプリケーション9446は、複数の様々な監視装置9448から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して記憶してもよい。実施形態では、図99に示すように、通信回路942は、リモートサーバ9440に直接データを通信してもよい。実施形態では、図100に示すように、通信回路942は、オペレーティングシステム9454およびデータ記憶回路9456を実行するプロセッサ9452を含んでもよい中間コンピュータ9450にデータを通信してもよい。監視装置9264の各々に関連付けられた個々の中間コンピュータ9450があってもよく、または個々の中間コンピュータ9450が複数のデータ監視装置9448に関連付けられてもよく、ここで中間コンピュータ9450は、複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9440に送信してもよい。
監視アプリケーション9446は、共同で分析する検出値、タイミング信号、データ、製品性能などのサブセットを選択してもよい。分析のためのサブセットは、コンポーネントのタイプ、コンポーネントの材料、またはコンポーネントが動作している単一のタイプの装置に基づいて選択されてもよい。分析のためのサブセットは、負荷の大きさ、運転条件(例えば、断続的、連続的)、運転速度またはタコメータ、湿度、温度、空気または流体粒子などの共通の周囲環境条件などの共通の運転条件または運転履歴に基づいて選択されてもよいし、グループ化されてもよい。分析のためのサブセットは、共通の予測状態情報に基づいて選択されてもよい。分析のためのサブセットは、類似の周波数で回転している近くの機械、電磁場を生成する近くの装置、熱を生成する近くの装置、運動または振動を誘発する近くの装置、蒸気、化学物質または微粒子を放出する近くの装置などの他の近くの装置の影響、または他の潜在的に干渉するまたは介入する影響に基づいて選択されてもよい。
監視アプリケーション9446は、選択されたサブセットを分析してもよい。例示的な例では、単一のコンポーネントからのデータは、1回の動作サイクル、サイクル間の比較、1ヶ月、1年、コンポーネントの寿命などの複数の動作サイクル/時間にわたる傾向などの異なる時間期間にわたって分析されてもよい。また、同じタイプの複数のコンポーネントからのデータを異なる期間で分析してもよい。周波数や振幅の変化などのデータの傾向は、同じコンポーネントや機器の故障やメンテナンスの記録と関連していてもよい。起動時やプロセスの異なるポイントに関連した変化率の変化などのデータの傾向を特定することができる。出力製品の品質、出力量(単位時間当たりなど)、プロセスの成否などの追加データが分析に導入されてもよい。異なるタイプのデータの傾向と値の相関が分析され、短期的な分析が期待される性能に関する最良の予測を提供する可能性のあるパラメータを特定してもよい。分析は、予測される状態情報のためのモデルの改良、使用するセンサに関する推奨事項、センサの位置などを特定してもよい。分析は、収集および保存すべき追加データを特定することができる。分析は、必要なメンテナンスと修理、および/または予防メンテナンスのスケジューリングに関する推奨事項を特定してもよい。分析は、交換部品の購入および部品の交換時期に関する推奨事項を特定することができる。分析は、コンポーネントのねじれを低減するための将来の形状変更に関する推奨事項を特定する場合がある。分析は、壊滅的な故障状態の危険性に関する警告をもたらすことがある。この情報は、ローカルで収集・分析されたデータを更新したり、将来のモニタリング装置の設計に影響を与えるために、本機に転送されることがある。
実施形態では、監視アプリケーション9446は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するのに使用するために、機器の仕様、機器の形状、コンポーネントの仕様、コンポーネントの材料、複数のコンポーネントタイプのための予測された状態情報、動作履歴、過去の検出値、コンポーネントの寿命モデルなどへのアクセスを有してもよい。実施形態では、監視アプリケーション9446は、ディープラーニング技術を利用して、様々な動作状態、健康状態(例えば、寿命予測)、および故障状態を認識するために学習するために、選択されたサブセットをニューラルネットに供給してもよい。実施形態では、2つの技術(モデルベースの学習およびディープラーニング)のハイブリッドが使用されてもよい。
例示的かつ非限定的な例では、組立ライン内のコンベアおよびリフター上の回転部品の健全性は、本明細書に記載のねじり解析技術、データ監視装置およびデータ収集システムを使用して監視されてもよい。
例示的かつ非限定的な例では、産業車両の水ポンプ内の回転部品の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて監視されてもよい。
例示的かつ非限定的な例では、ガスハンドリングシステムにおける圧縮機の回転部品の健全性は、本明細書に記載のデータ監視装置およびデータ収集システムを使用して監視されてもよい。
例示的かつ非限定的な例では、ガスおよび油田に位置する圧縮機の回転部品の健全性は、本明細書に記載のデータ監視装置およびデータ収集システムを使用して監視されてもよい。
例示的かつ非限定的な例では、工場空調装置の回転部品の健全性は、本明細書に記載された技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、工場ミネラルポンプの回転部品の健全性は、本明細書に記載された技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、石油およびガス田に位置する掘削機械およびスクリュードライバーのシャフト、ベアリング、およびギアなどの回転部品の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、石油およびガス田に位置するモータのシャフト、ベアリング、ギア、およびロータなどの回転部品の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、油ガス田に位置するポンプのブレード、スクリュー、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、石油およびガス田に位置する振動コンベヤのシャフト、ベアリング、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、石油およびガス田に位置する混合機のベアリング、シャフト、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、石油およびガス精製所に位置する遠心分離機のベアリング、シャフト、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載のねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価されてもよい。
例示的かつ非限定的な例では、石油およびガス精製所に位置する精製タンクのベアリング、シャフト、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、化学薬品および医薬品の生産ラインに配備された化学反応を促進するための回転タンク/ミキサー攪拌機のベアリング、シャフト、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、化学薬品および医薬品の生産ラインに配備された化学反応を促進するための機械的/回転攪拌機のベアリング、シャフト、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価されてもよい。
例示的かつ非限定的な例では、化学薬品および医薬品の生産ラインに配備された化学反応を促進するためのプロペラ攪拌機のベアリング、シャフト、モータ、ローター、ステータ、ギア、および他の構成要素のような回転構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを使用して評価されてもよい。
例示的かつ非限定的な例では、ベアリングおよび関連するシャフト、モータ、ローター、ステータ、ギア、および車両ステアリング機構の他の構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
例示的かつ非限定的な例では、軸受および関連するシャフト、モータ、ロータ、ステータ、ギア、および車両エンジンの他の構成要素の健全性は、本明細書に記載されたねじり解析技術、データ監視装置、およびデータ収集システムを用いて評価されてもよい。
実施形態では、産業機械における回転部品の予想寿命を推定するための監視装置は、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を特定する結果となる回転部品の仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路、および回転部品の予測寿命を特定するために、特定されたねじり振動および予測状態、履歴データおよびシステム形状のうちの少なくとも1つを利用するように構成されたシステム分析回路。実施形態では、監視装置はさらに、回転部品の予想寿命に応答して少なくとも1つの動作を実行するための応答回路を構成してもよい。実施形態では、複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、タコメータなどを含む。群から選択された少なくとも2つのセンサを含む。少なくとも1つの動作は、警告および警告の少なくとも1つを発行すること、データ記憶回路に追加データを記憶すること、回転部品の交換を指示すること、回転部品の交換をスケジューリングすること、回転部品の代替品を推奨すること、などから構成されていてもよい。
実施形態では、産業機械内の回転部品の健全性を評価するための監視装置は、複数の検出値を解釈するように構成されたデータ収集回路を含んでもよく、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応する。実施形態では、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を特定する結果となる回転部品の仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路、および回転部品の健全性を特定するために、特定されたねじり振動および予測状態、履歴データおよびシステム形状のうちの少なくとも1つを利用するように構成されたシステム分析回路。実施形態では、監視装置は、回転コンポーネントの健全性に応答して少なくとも1つの動作を実行するための応答回路をさらに構成してもよい。複数の入力センサは、温度センサ、負荷センサ、光振動センサ、音響波センサ、熱流束センサ、赤外線センサ、加速度センサ、三軸振動センサ、タコメータなどを含む。群から選択された少なくとも2つのセンサを含んでもよい。監視装置は、データ記憶回路に追加データを記憶する、回転部材の交換を指示する、回転部材の交換をスケジューリングする、回転部材の代替案を推奨する、などの少なくとも1つの動作を行うことにより、警報やアラートを発行してもよい。
実施形態では、産業機械における回転部品の動作状態を評価するための監視装置は、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を特定する結果となる回転コンポーネントの仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路、および回転コンポーネントの動作状態を特定するために、特定されたねじり振動および予測状態、履歴データおよびシステム形状のうちの少なくとも1つを利用するように構成されたシステム分析回路。実施形態では、動作状態は、現在または将来の動作状態であってもよい。応答回路は、回転コンポーネントの動作状態に応答して、少なくとも1つの動作を実行してもよい。少なくとも1つの動作は、データ記憶回路に追加のデータを記憶してもよく、回転コンポーネントの交換を命令してもよく、回転コンポーネントの交換をスケジュールしてもよく、回転コンポーネントの代替案を推奨してもよい。
実施形態では、産業機械における回転部品の動作状態を評価するための監視装置は、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を特定する結果となる回転部品の仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路、および回転部品の動作状態を特定するために、特定されたねじり振動および予測状態、履歴データおよびシステム形状のうちの少なくとも1つを利用するように構成されたシステム分析回路。実施形態では、データ収集回路はマルチプレクサ回路で構成されており、それにより、検出値の代替的な組み合わせが、ユーザ入力、検出された状態、および機械の選択された動作パラメータのうち少なくとも1つに基づいて選択されることがある。動作状態は、現在または将来の動作状態であってもよい。少なくとも1つの動作は、マルチプレクサ回路の1つ以上の部分を有効にしてもよいし、無効にしてもよいし、マルチプレクサ制御線を変更してもよい。データ取得回路は、少なくとも2つのマルチプレクサ回路を含んでもよく、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。
実施形態では、装置の一部の回転部品の動作状態を評価するためのシステムは、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を識別する結果となる回転部品の仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路と、ねじり振動および予測状態、履歴データおよびシステム形状のうち少なくとも1つを利用して回転部品の動作状態を識別するように構成されたシステム分析回路と、回転部品の動作状態、ねじり振動および検出値をリモートサーバに通信することが可能な通信モジュールと、を備えている。通信される検出値は、回転コンポーネントの動作状態とねじり振動に部分的に基づいている。検出値のサブセットの分析は、高周波数のねじり振動の存在を識別するための過渡的な信号分析を含んでもよい。監視アプリケーションは、動作状態、ねじり振動、回転部品のタイプ、検出値が測定された動作条件、およびタイプまたは装置のいずれかに基づいて検出値をサブセット化するように構成されていてもよい。検出値のサブセットの分析は、ディープラーニング技術を利用して様々な動作状態、健康状態、および故障状態を認識するために学習するために、検出値のサブセットおよび補足情報をニューラルネットに供給することを含んでもよい。補足情報は、部品仕様、部品性能、機器仕様、機器性能、保守記録、修理記録、予測状態モデルなどのいずれかを含んでもよい。動作状態は、現在の動作状態または将来の動作状態を含んでもよい。監視装置は、回転部品の動作状態に応答して少なくとも1つの動作を実行する応答回路を含んでもよい。少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することを含んでもよい。
実施形態では、装置の一部分の回転部品の健全性を評価するためのシステムは、複数の検出値を解釈するように構成されたデータ収集回路を含んでいてもよく、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、以下のうちの少なくとも1つを含む。回転コンポーネントを測定するように配置された角位置センサ、角速度センサ、および角加速度センサ;複数の回転コンポーネントの仕様、システム形状、および予測される状態情報を格納し、過去のコンポーネント性能を格納し、複数の検出値を所定の長さの時間だけバッファリングするように構成されたデータ記憶回路。ねじれ振動を識別する結果となる回転コンポーネントの仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路、ねじり振動および予測状態、履歴データおよびシステム形状のうち少なくとも1つを利用して回転コンポーネントの健全性を識別するように構成されたシステム分析回路、および回転コンポーネントの健全性、ねじり振動および検出値をリモートサーバに通信することが可能な通信モジュール。実施形態では、通信される検出値は、回転コンポーネントの健康状態とねじり振動に部分的に基づいている。実施形態では、検出値のサブセットの分析は、高周波数のねじり振動の存在を識別するための一過性の信号分析を含んでもよい。監視アプリケーションは、検出値をサブセット化するように構成されてもよい。検出値のサブセットの分析は、ディープラーニング技術を利用して様々な動作状態、健康状態、および故障状態を認識することを学習するために、検出値のサブセットおよび補足情報をニューラルネットに供給することを含んでもよい。補足情報は、部品仕様、部品性能、機器仕様、機器性能、保守記録、修理記録、および予測状態モデルのうちの1つを含んでもよい。動作状態は、現在の動作状態であってもよいし、将来の動作状態であってもよい。応答回路は、回転部品の健全性に応答して少なくとも1つの動作を実行してもよい。
実施形態では、装置の一部における回転コンポーネントの予想寿命を推定するためのシステムは、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転部品を測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を識別する結果となる回転部品の仕様および予測状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路と、ねじり振動および予測状態、履歴データおよびシステム形状の少なくとも1つを利用して回転部品の予測寿命を識別するように構成されたシステム分析回路と、回転部品の予測寿命、ねじり振動および検出値をリモートサーバに通信することが可能な通信モジュールと、を備えている。実施形態では、通信される検出値は、回転コンポーネントの予想寿命とねじり振動に部分的に基づいている。実施形態では、検出値のサブセットの分析は、高周波数のねじり振動の存在を識別するための一過性の信号分析を含んでもよい。監視アプリケーションは、回転部品の予想寿命、ねじり振動、回転部品の種類、検出値が測定された動作条件、および装置の種類のうちの1つに基づいて検出値をサブセット化するように構成されてもよい。検出値のサブセットの分析は、ディープラーニング技術を利用して様々な動作状態、健康状態、寿命、および故障状態を認識するように学習するために、検出値のサブセットと補足情報とをニューラルネットに供給することを含んでもよい。補足情報は、コンポーネント仕様、コンポーネント性能、機器仕様、機器性能、メンテナンス記録、修理記録、および予測状態モデルのうちの1つを含んでもよい。監視装置は、回転部品の予想寿命に応答して少なくとも1つの動作を実行する応答回路を含んでもよい。少なくとも1つの動作は、回転部品の交換を注文すること、回転部品の交換をスケジューリングすること、および回転部品の代替品を推奨することのうちの1つを含んでもよい。
実施形態では、産業環境における可変周波数モータの健全性を評価するためのシステムは、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転部品を測定するために配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、複数の回転部品の仕様、システム形状、および予測される状態情報を格納し、過去の部品性能を格納し、複数の検出値を所定の長さの間バッファリングするように構成されたデータ記憶回路。ねじれ振動を特定する結果となる回転コンポーネントの仕様および予測される状態情報に関連してバッファリングされた検出値を分析するために一過性の信号分析を利用するように構成されたねじり振動分析回路と、モータ健康パラメータを特定するためにねじり振動および予測される状態、履歴データおよびシステム形状のうちの少なくとも1つを利用するように構成されたシステム分析回路と、モータ健康パラメータ、ねじり振動および検出値をリモートサーバに通信することが可能な通信モジュールと、を備えている。通信される検出値は、モータ健康パラメータおよびねじり振動に部分的に基づいており、リモートサーバ上の監視アプリケーションは、監視装置から検出値のサブセットを受信し、保存し、共同で分析するように構成されている。
実施形態では、産業環境における回転部品のデータ収集、処理、およびねじり解析のためのシステムは、複数の検出値を解釈するように構成されたデータ収集回路を含んでいてもよく、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応している。実施形態では、複数の入力センサは、回転コンポーネントを測定するように配置された角位置センサ、角速度センサ、および角加速度センサのうちの少なくとも1つからなり、取得された検出値の少なくともサブセットを遠隔学習システムにストリーミングするためのストリーミング回路;および少なくとも1つの回転コンポーネントの状態の機械ベースの理解に関連して検出値を分析するように構成されたねじり解析回路を含む遠隔学習システムを含む。前記機械ベースの理解は、前記産業機械のコンポーネントの動作周波数に対する前記回転コンポーネントの挙動の関係に少なくとも部分的に基づいて前記少なくとも1つの回転コンポーネントの状態を決定する前記回転コンポーネントのモデルに基づいて展開されてもよい。少なくとも1つの回転部品の状態は、動作状態、健康状態、予測寿命状態、および故障状態のうちの少なくとも1つであってもよい。マシンベースの理解は、ディープラーニングマシンへの入力を提供することにより、開発されてもよい。実施形態では、入力は、複数の回転部品の複数の検出値のストリームと、複数の回転部品の複数の測定された状態値のストリームとを含む。少なくとも1つの回転部品の状態は、動作状態、健康状態、予測寿命状態、および故障状態のうちの少なくとも1つであってもよい。
実施形態では、構成要素または産業機器の一部の健康状態または他の状態または状態情報に関する情報は、プロセスを通して様々な構成要素の状態を監視することによって得られてもよい。モニタリングは、温度、湿度、加速度、変位などの属性を測定するセンサ信号の振幅を監視することを含んでもよい。データ監視装置9700の一実施形態が図101に示されており、コントローラ9702に通信的に結合された複数のセンサ9706を含んでもよい。コントローラ9702は、データ取得回路9704、信号評価回路9708、データ記憶回路9716、および応答回路9710を含んでもよい。信号評価回路9708は、過負荷検出回路9712、センサ故障検出回路9714、またはその両方など、1つまたは複数のセンサの故障を検出するための回路、またはセンサのセットを含んでもよい。さらに、信号評価回路9708は、任意に、ピーク検出回路、位相検出回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、位相ロックループ回路、ねじり解析回路、ベアリング解析回路などのうちの1つ以上を構成してもよい。
センサ9706の複数は、データ収集回路9704上のポートに配線されていてもよい。複数のセンサ9706は、データ収集回路9704に無線で接続されていてもよい。データ取得回路9704は、複数のセンサ9706のうちの少なくとも1つのセンサ9706の出力に対応する検出値にアクセスできるようにしてもよく、ここで、センサ9706は、装置の一部または動作コンポーネントの異なる動作側面に関するデータを取得してもよい。
特定のコンポーネントまたは装置の一部のために設計されたデータ監視装置9700のための複数のセンサ9706の選択は、新しいセンサを設置するためのアクセス性、初期設計にセンサを組み込むこと、予想される動作および故障条件、プロセスまたはプラントの様々な位置で所望される分解能、センサの信頼性などの様々な考慮事項に依存してもよい。故障の影響、故障の時間応答(例えば、故障の前に発生する警告時間および/またはオフノミナルモード)、故障の可能性、および/または必要とされる感度、および/または故障条件の検出の難しさは、予期しないまたは検出されない故障がコストがかかるか、または深刻な結果をもたらすであろうシステムに専用の、より多くのセンサおよび/またはより高い能力のセンサを使用して、コンポーネントまたは装置の一部を監視する範囲を駆動することができる。
装置の種類、測定されるコンポーネント、装置が動作している環境などに応じて、センサ9706は、限定されないが、振動センサ、温度計、湿度計、電圧センサおよび/または電流センサ(コンポーネントおよび/またはコンポーネントを測定する他のセンサ)、加速度計、速度検出器、光または電磁センサ(例えば、温度、組成および/またはスペクトル分析、および/または物体の位置または動きを決定する)、画像センサ、構造化光センサ、レーザベースの画像センサ、熱イメージャー、音響波センサ、変位センサ、濁度計、および/または物体の位置または動きを測定する他のセンサ)のうちの1つ以上で構成されていてもよい。温度、組成物および/またはスペクトル分析、および/または物体の位置または動きの決定)、イメージセンサ、構造化された光センサ、レーザベースのイメージセンサ、熱イメージャー、音響波センサ、変位センサ、濁度計、粘度計、軸方向負荷センサ、半径方向負荷センサ、三軸センサ、加速度計、速度計、タコメータ。流体圧力計、空気流量計、馬力計、流量計、流体粒子検出器、光学(レーザー)粒子カウンター、超音波センサー、音響センサー、熱流束センサー、ガルバニックセンサー、磁力計、pHセンサーなどが挙げられるが、これらに限定されることなく、本開示全体に記載されたセンサーおよび参照により組み込まれた文書のいずれかが挙げられる。
センサ9706は、加速度または振動に関連するような位相成分を有するデータのストリームを経時的に提供してもよく、これにより、装置の一部または動作コンポーネントの異なる動作側面の位相または周波数分析の評価を可能にする。センサ9706は、温度、湿度、負荷などのような従来の位相成分を持たないデータのストリームを提供してもよい。センサ9706は、選択された間隔またはスケジュールに従って、時間経過に伴うデータの連続的またはほぼ連続的なストリーム、周期的な読み取り、イベント駆動型の読み取り、および/または読み取りを提供してもよい。
実施形態では、図101に図示されているように、センサ9706は、場合によっては移動式または携帯式のデータコレクタを構成してもよいデータコレクタとして本明細書で言及されるデータ監視装置9700の一部であってもよい。図102および図103に示されるように、実施形態では、監視装置9718の明示的な一部ではなく、新規に、以前に装置またはコンポーネントに取り付けられた、または統合された、1つまたは複数の外部センサ9724が、監視装置9718に日和見的に接続されるか、または監視装置9718によってアクセスされてもよい。監視装置は、データ収集回路9722と、信号評価回路9708と、データ記憶回路9716と、応答回路9710とを含んでもよい。信号評価回路9708は、過負荷検出回路9712、センサ故障検出回路9714、またはその両方から構成されてもよい。さらに、信号評価回路9708は、任意に、ピーク検出回路、位相検出回路、バンドパスフィルタ回路、周波数変換回路、周波数解析回路、位相ロックループ回路、ねじり解析回路、ベアリング解析回路等のうちの1つ以上を含んでいてもよい。データ取得回路9722は、1つ以上の入力ポート9726を含んでいてもよい。
外部センサ9724の1つ以上は、コントローラ9720のデータ収集回路9722の1つ以上の入力ポート9726に直接接続されてもよいし、データ収集回路9722によって、リーダ、インタロゲータ、または近距離無線プロトコルを介した他の無線接続などの無線でアクセスされてもよい。図103に示すように、実施形態では、データ取得回路9722は、無線通信回路9730をさらに構成してもよい。データ取得回路9722は、無線通信回路9730を使用して、外部センサ9724のうちの1つ以上のセンサに対応する検出値に無線でアクセスしてもよいし、別のソースを介してアクセスしてもよいし、これらの方法のいくつかの組み合わせを使用してもよい。
実施形態では、データ記憶回路9716は、センサの仕様、予想される状態情報、および検出された値を記憶するように構成されてもよい。データ記憶回路9716は、仕様および予測状態情報を信号評価回路9708に提供してもよい。
実施形態では、過負荷検出回路9712は、センサに関連付けられた検出値を、同じコンポーネント/属性を監視するより広い範囲/より低い解像度を有するセンサに関連付けられた検出値と比較することによって、センサの過負荷を検出してもよい。測定値の不一致は、より高い分解能を有するセンサが過負荷である可能性があることを示してもよい。実施形態では、過負荷検出回路9712は、センサの読取値と他のセンサデータからの読取値との整合性を評価することによって、センサの過負荷を検出してもよい(構成要素/装置の同じまたは異なる側面を監視している)。実施形態では、過負荷検出回路9712は、他のセンサによって収集されたデータを評価して、センサの過負荷をもたらす可能性のある状態を特定することによって、センサの過負荷を検出してもよい(例えば、所定の場所におけるセンサの過負荷の可能性を示す熱流束センサデータ、速度センサの過負荷の可能性を示す加速度センサデータ、およびそのようなもの)。実施形態では、過負荷検出回路9712は、上昇傾向に続く平坦なライン出力を識別することにより、センサの過負荷を検出してもよい。実施形態では、過負荷検出回路9712は、例えば高速フーリエ変換(FFT)を使用して、センサデータを周波数データに変換し、センサの過負荷のためにデータがクリップされることに起因する可能性のある周波数データの「スキージャンプ」を探すことによって、センサの過負荷を検出してもよい。センサ故障検出回路9714は、センサ自体の故障、センサの健全性、またはセンサデータの妥当性に関する潜在的な懸念を識別してもよい。値の変化率は、センサ自体の故障を識別するために使用されてもよい。例えば、最大出力への突然のジャンプは、センサの過負荷ではなく、センサの故障を示してもよい。実施形態では、過負荷検出回路9712および/またはセンサ故障検出回路9714は、センサの過負荷、故障、エラー、無効データなどの識別において、センサの仕様、予測される状態情報、センサモデルなどを利用してもよい。実施形態では、過負荷検出回路9712またはセンサ故障検出回路9714は、他のセンサからの検出値と、ピーク検出回路および/または位相検出回路および/またはバンドパスフィルタ回路および/または周波数変換回路および/または周波数解析回路および/または位相ロックループ回路などの追加コンポーネントからの出力を利用して、識別されたセンサ過負荷、センサ故障、センサ故障、またはそのようなものの潜在的なソースを特定することができる。センサ過負荷に関与する発生源または要因は、センサ範囲、センサ分解能、およびセンササンプリング周波数の制限を含んでもよい。明らかなセンサ過負荷の原因は、センサに関連した検出値に対応するマルチプレクサの範囲、分解能、またはサンプリング周波数に起因する可能性がある。明らかなセンサの故障または故障に関与する要因の発生源は、環境条件を含み得る;例えば、過度の熱または寒さは、半導体ベースのセンサの損傷に関連し得るが、これは、センサデータの不規則性、データを生成するためのセンサの故障、通常の動作の範囲外に見えるデータ(例えば、通常はそのような変化を経験しないシステムのための大きな、離散的な温度のジャンプ)をもたらし得る。電流および/または電圧のサージは、敏感なコンポーネントを持つ電気的に接続されたセンサの損傷に関連している可能性がある。過度の振動は、ワイヤおよび/またはコネクタなどのセンサの敏感なコンポーネントへの物理的な損傷をもたらす可能性がある。急激な加速度または音響データによって示されるような衝撃は、ワイヤおよび/またはコネクタのような敏感な構成要素を有するセンサの物理的な損傷をもたらす可能性がある。センサを取り巻く環境の湿度の急激な上昇、または酸素の不在は、センサへの水の損傷を示す可能性がある。センサからの突然の信号の欠落は、振動や衝撃などによるセンサの断線を示している可能性がある。電力を必要とするセンサは、バッテリ電力が不足しているか、または電源から切断されている可能性がある。実施形態では、過負荷検出回路9712またはセンサ故障検出回路9714は、センサステータスを出力してもよく、ここでセンサステータスは、センサ過負荷、センサ故障、センサ故障、センサ健常、およびそのようなもののうちの1つであってもよい。センサ故障検出回路9714は、センサ故障状態及びセンサ有効状態のいずれかを判定してもよい。
図104に示されるように、実施形態では、データ収集回路9722は、本明細書の他の場所に記載されるように、マルチプレクサ回路9731をさらに構成してもよい。マルチプレクサ回路9731からの出力は、信号評価回路9708によって利用されてもよい。応答回路9710は、マルチプレクサ回路9731の一部をオンまたはオフにする能力を有してもよい。応答回路9710は、マルチプレクサ回路9731の制御チャネルを制御する能力を有してもよい。
実施形態では、応答回路9710は、過負荷検出回路9712によって提供されるセンサの状態に基づいて、様々な動作を開始してもよい。応答回路9710は、センサステータスが"センサ健全"である場合、センサの使用を継続してもよい。応答回路9710は、センサのスケーリング値(例えば、100mV/gramから10mV/gram)を調整してもよい。応答回路9710は、代替センサの取得範囲を増加させてもよい。応答回路9710は、ベアリング解析、ねじり解析などの以前の計算および評価からセンサデータをバックアップしてもよい。応答回路9710は、ベアリング解析、ねじり解析などの計算および評価のために、実際のセンサデータの代わりに、(過負荷/故障の前に取得されたデータに基づく)予測データまたは予測データを使用してもよい。応答回路9710は、警報を発してもよい。応答回路9710は、「過負荷範囲-データ応答が信頼性および/または直線的でないかもしれない」、「破壊範囲-センサが損傷しているかもしれない」などのような過負荷の範囲に関する情報とともに、センサが範囲外にあることを通知するように構成されてもよい警報を発行してもよい。応答回路9710は、アラートを発行してもよく、ここで、アラートは、「センサの過負荷/故障による機械の健全性の監視ができない」などのセンサ負荷の影響に関する情報を含んでいてもよい。
実施形態では、応答回路9710は、データ収集回路9704に、上述したセンサ像に基づいて、特定のセンサに対応する検出値の処理を有効または無効にするようにさせてもよい。これは、異なる応答速度、感度、範囲、およびそのようなものを有するセンサへの切り替え、新しいセンサまたはセンサの種類へのアクセス、複数のセンサからのデータへのアクセス、追加のデータ収集器のリクルート(本開示および参照により組み込まれる文書全体に開示されるルーティング方法およびシステムを使用して、収集器を作業点にルーティングするなど)、およびそのようなものを含んでもよい。スイッチングは、モデル、一連の規則、またはそのようなものに基づいて実施されてもよい。実施形態では、スイッチングは、機械学習システムの制御下で行われてもよく、そのようなスイッチングは、人間の監督者の監督下で行われてもよいし、自動化システムの制御下で行われてもよい一連の試行にわたって、入力データと組み合わせた1つまたは複数の成功のメトリクスに基づいて制御される。スイッチングは、1つの入力ポートから別のポートへのスイッチング(1つのセンサから別のセンサへのスイッチングなど)を含んでもよい。スイッチングは、異なる状況下で異なるストリームを結合するなど、データの多重化を変更することを含んでいてもよい。スイッチングは、移動システム(ロボットシステムまたはドローンシステムなど)を、異なるまたは追加のデータが利用可能な場所に移動させる(異なる視野のためにイメージセンサを位置決めする、または異なる収集方向のためにソナーセンサを位置決めするなど)、または異なるセンサにアクセス可能な場所に移動させる(有線または無線接続によって環境中の場所に配置されたセンサに接続するためにコレクタを移動させるなど)など、追加のデータを得るためにシステムを作動させることを含んでいてもよい。この切り替えは、マルチプレクサ回路9731の制御信号を変更することによって、および/またはマルチプレクサ回路9731の特定の入力部をオンまたはオフにすることによって実施されてもよい。
実施形態では、応答回路9710は、異なる応答速度、感度、範囲、およびそのようなものを有するセンサとの将来の特定のセンサの交換のための推奨を行ってもよい。応答回路9710は、コンポーネント、装置の一部、動作条件、プロセス、およびそのようなものの将来の実施形態のための設計変更を推奨してもよい。
実施形態では、応答回路9710は、来るべきプロセス停止時にメンテナンスを推奨するか、またはメンテナンスコールを開始してもよく、ここでメンテナンスは、異なる応答速度、感度、範囲などを有する同じまたは代替タイプのセンサとのセンサの交換を含むことができる。実施形態では、応答回路9710は、プロセス変更を実施または推奨してもよい。例えば、メンテナンス間隔に近い、正常に動作していない、または目的のために故障しているが少なくとも部分的には動作しているコンポーネントの使用率を下げるため、コンポーネントの動作速度を変更するため(低要求モードにするためなど)、問題の改善を開始するため(ローラベアリングセットの追加潤滑のための信号を送るため、またはバランスを崩しているシステムのためのアライメントプロセスのための信号を送るためなど)、およびそのようなことを行う。
実施形態では、信号評価回路9708および/または応答回路9710は、経時的なコンポーネント性能の追跡を可能にするために、特定の検出値をデータ記憶回路9716に定期的に記憶してもよい。実施形態では、センサの状態に基づいて、本明細書の他の箇所に記載されているように、最近測定されたセンサデータと、回転数、コンポーネント負荷、温度、圧力、振動、または本開示全体に記載されているタイプの他のセンサデータなどの関連する動作状態とをデータ記憶回路9716に格納して、過負荷/故障したセンサデータのバックアウトを可能にしてもよい。信号評価回路9708は、将来の処理におけるより大きな粒度、異なるサンプリングレートで再処理する能力、および/または関心のある動作データがフラグされるシステム情報の診断または後処理を可能にするために、より高いデータレートでデータを格納してもよい。
図105、図106、図107、図108に示すような実施形態では、データ監視システム9726は、データ監視装置9728の少なくとも1つを含んでもよい。データ監視装置9728の少なくとも1つは、センサ9706と、データ取得回路9704、信号評価回路9708、データ記憶回路9716、およびリモートサーバ9734上の監視アプリケーション9736にデータおよび分析を送信できるようにするための通信回路9754を含む。コントローラ9730とを含んでもよい。信号評価回路9708は、少なくとも過負荷検出回路9712を含んでもよい。信号評価回路9708は、監視アプリケーション9736による経時的かつ変化する条件の下でのコンポーネントおよび装置の性能の追跡を可能にするために、遠隔サーバ9734への送信のために通信回路9732とデータを定期的に共有してもよい。センサの状態に基づいて、信号評価回路9708および/または応答回路9710は、1つ以上の基準に対するデータの適合性に基づいて、リモートサーバ9734に送信するための通信回路9732とデータを共有してもよい。データは、最近のセンサデータや、送信用の回転数、部品負荷、温度、圧力、振動などの追加データを含んでもよい。信号評価回路9708は、リモートサーバ上での処理においてより大きな粒度を可能にするために、送信用のより高いデータレートでデータを共有してもよい。
図105に示すような実施形態では、通信回路9732は、リモートサーバ9734に直接データを通信してもよい。図106に示すような実施形態では、通信回路9732は、オペレーティングシステム9742およびデータ記憶回路9744を実行するプロセッサ9740を含むかもしれない中間コンピュータ9738にデータを通信してもよい。
図107および図108に示されるように、実施形態では、データ収集システム9746は、複数の監視装置9728が、単一の設備の複数の構成要素に関するデータを収集してもよいし、同一の設備の複数の設備(同一の設備および異なるタイプの設備の両方)にまたがって同一の構成要素に関するデータを収集してもよいし、複数の設備の監視装置からデータを収集してもよい。リモートサーバ9734上の監視アプリケーション9736は、複数の様々な監視装置9728から来る検出値、タイミング信号、およびデータのうちの1つまたは複数を受信して記憶してもよい。
図107に示すように、実施形態では、通信回路9732は、リモートサーバ9734に直接データを通信してもよい。実施形態では、図108に示すように、通信回路9732は、オペレーティングシステム9742およびデータ記憶回路9744を実行するプロセッサ9740を含むかもしれない中間コンピュータ9738にデータを通信してもよい。各監視装置9728に関連付けられた個々の中間コンピュータ9738があってもよく、または個々の中間コンピュータ9738は、中間コンピュータ9738が複数のデータ監視装置からデータを収集し、累積データをリモートサーバ9734に送信してもよい監視装置9728の複数に関連付けられてもよい。リモートサーバ9734への通信は、ストリーミング、バッチ(例えば、接続が利用可能な場合)、またはオポチュニスティックであってもよい。
監視アプリケーション9736は、共同で分析する検出値のサブセットを選択してもよい。分析のためのサブセットは、単一のタイプのセンサ、コンポーネント、またはコンポーネントが動作している単一のタイプの装置に基づいて選択されてもよい。分析のためのサブセットは、負荷の大きさ、動作条件(例えば、断続的、連続的)、動作速度またはタコメータ、湿度、温度、空気または流体微粒子などの共通の周囲環境条件などの共通の動作条件に基づいて選択されてもよいし、グループ化されてもよい。分析のためのサブセットは、類似の周波数で回転している近隣の機械、電磁界を発生させる近隣の装置、熱を発生させる近隣の装置、運動または振動を誘発する近隣の装置、蒸気、化学物質または微粒子を放出する近隣の装置、または他の潜在的な干渉または介在効果などの他の近隣の装置の影響に基づいて選択されてもよい。
実施形態では、監視アプリケーション9736は、選択されたサブセットを分析してもよい。例示的な例では、単一のセンサからのデータは、1回の動作サイクル、複数回の動作サイクル、1ヶ月、1年、コンポーネントの寿命などの異なる時間期間にわたって分析されてもよい。共通の部品タイプを測定する共通のタイプの複数のセンサからのデータも、異なる期間に渡って分析されてもよい。スタートアップやプロセスの異なるポイントに関連した変化率の変化など、データの傾向が特定されてもよい。異なるセンサの傾向と値の相関関係を分析して、短期的な分析が期待されるセンサ性能に関する最良の予測を提供する可能性のあるパラメータを特定してもよい。この情報は、センサーモデル、センサーの選択、センサー範囲、センサーのスケーリング、センサーのサンプリング周波数、ローカルに収集され分析されたデータの種類を更新するために、または将来のモニタリング装置の設計に影響を与えるために、モニタリング装置に送信されます。
実施形態では、監視アプリケーション9736は、ルールベースまたはモデルベースの分析を使用して選択されたサブセットを分析するのに使用するために、装置の仕様、装置の形状、コンポーネントの仕様、コンポーネントの材料、複数のセンサの予想される状態情報、動作履歴、過去の検出値、センサ寿命モデルなどへのアクセスを有してもよい。監視アプリケーション9736は、センサの選択、収集すべき追加データ、またはセンサデータと共に保存すべきデータに関する推奨事項を提供してもよい。監視アプリケーション9736は、修理および/またはメンテナンスのスケジューリングに関する推奨事項を提供してもよい。監視アプリケーション9736は、センサの交換に関する推奨事項を提供してもよい。交換されるセンサは、交換されるセンサと一致してもよく、または交換されるセンサは、異なる範囲、感度、サンプリング周波数などを有してもよい。
実施形態では、監視アプリケーション9736は、他のセンサからのデータ、監視されているコンポーネント、監視されている機器、製造されている製品などの故障データとともに、センサの状態データ(例えば、センサ過負荷、センサ故障、センサ故障)を分析するように構成された遠隔学習回路を含んでもよい。遠隔学習システムは、センサ過負荷と他のセンサからのデータとの間の相関関係を識別してもよい。
実施形態では、方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、複数の検出値を解釈するように構成されたデータ収集回路を含み、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応する。システムは、センサ仕様、予測状態情報、および検出値を記憶するように構成されたデータ記憶回路と、複数の検出値と、予測状態情報およびセンサ仕様のうちの少なくとも1つに応答して、少なくとも1つのセンサのセンサ過負荷状態を決定するように構成された過負荷識別回路と、を含む。信号評価回路と、を含む。さらに、システムは、複数の検出値および予測される状態情報およびセンサ仕様の少なくとも1つに応答して、少なくとも1つのセンサのセンサ故障状態およびセンサ有効状態のうちの1つを決定するように構成されたセンサ故障検出回路;およびセンサ過負荷状態、センサ健全状態およびセンサ有効状態のうちの1つに応答して、少なくとも1つの動作を実行するように構成された応答回路を含む。実施形態では、システムは、複数の入力センサからデータを収集するためのモバイルデータコレクタをさらに含む。実施形態では、少なくとも1つの操作は、アラートまたはアラームを発行することを含む。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを格納することをさらに含む。実施形態では、システムは、マルチプレクサ(MUX)回路をさらに含む。実施形態では、少なくとも1つの動作は、マルチプレクサ回路の1つまたは複数の部分を有効化または無効化すること、およびマルチプレクサ制御線を変更することのうちの少なくとも1つを含む。実施形態では、システムは、少なくとも2つのマルチプレクサ(MUX)回路を含み、少なくとも1つの操作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。実施形態では、システムは、複数の検出値のサブセットを解釈し、MUXの論理制御と、その結果としてのMUX入力と検出値との対応関係を提供するように構成されたMUX制御回路を含み、システムは、複数の検出値のサブセットを解釈し、その結果としてのMUX入力と検出値との対応関係を提供する。実施形態では、MUXの論理制御は、マルチプレクサ制御線の適応的スケジューリングを含む。実施形態では、方法およびシステムは、産業環境におけるデータ収集、処理、およびコンポーネント分析のためのシステムを含む。例示的なシステムは、複数の監視装置を含み、各監視装置は、次のように構成される:複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、複数の入力センサのうちの少なくとも1つに対応する。システムは、複数のセンサタイプの仕様および予測状態情報を格納し、複数の検出値を所定の長さの間バッファリングするためのデータ記憶装置と、検出値の予測状態情報およびセンサ仕様の少なくとも1つに応答して、少なくとも1つのセンサの過負荷状態を決定するように構成された過負荷識別回路と、を含む。信号評価回路を含む。システムは、複数の検出値および予測される状態情報およびセンサ仕様の少なくとも1つに応答して、少なくとも1つのセンサのセンサ過負荷状態およびセンサ有効状態のうちの1つを決定するように構成されたセンサ故障検出回路;およびセンサ過負荷状態、センサ健全状態およびセンサ有効状態のうちの1つに応答して少なくとも1つの動作を実行するように構成された応答回路を含む。前記システムはまた、前記センサ過負荷状態、前記センサ健康状態、および前記センサ有効状態のうちの1つおよびバッファリングされた検出値の一部を前記リモートサーバに提供するリモートサーバと通信するように構成された通信回路を含む。前記システムはまた、次のように構成されたリモートサーバ上の監視アプリケーションを含む:少なくとも1つの選択された検出値と、センサ過負荷状態、センサ健康状態、およびセンサ有効性状態のうちの1つを受信すること、複数の監視装置から受信した検出値のサブセットを共同で分析すること、およびアクションを推奨すること。実施形態では、監視装置の少なくとも1つは、複数の入力センサからデータを収集するためのモバイルデータコレクタを含む。実施形態では、少なくとも1つの操作は、アラートまたはアラームを発行することを含む。実施形態では、少なくとも1つの動作は、データ記憶回路に追加のデータを記憶することをさらに含む。実施形態では、監視装置の少なくとも1つは、マルチプレクサ(MUX)回路を含む。実施形態では、少なくとも1つの動作は、マルチプレクサ回路の1つまたは複数の部分を有効化または無効化すること、およびマルチプレクサ制御線を変更することのうちの少なくとも1つを含む。実施形態では、監視装置の少なくとも1つは、少なくとも2つのマルチプレクサ(MUX)回路を含み、少なくとも1つの動作は、少なくとも2つのマルチプレクサ回路間の接続を変更することを含む。実施形態では、システムは、検出値の複数のサブセットを解釈し、MUXの論理制御と、その結果としてのMUX入力と検出値との対応関係を提供するように構成されたMUX制御回路を含み、システムは、検出値の複数のサブセットを解釈し、その結果としてのMUX入力と検出値との対応関係を提供する。実施形態では、MUXの論理制御は、マルチプレクサ制御ラインの適応的スケジューリングを含む。実施形態では、監視アプリケーションは、センサの状態データを一緒にセンサデータを分析し、センサの過負荷と他のシステムからのデータとの間の相関関係を識別するように構成された遠隔学習回路を含む。実施形態では、監視アプリケーションは、センサ過負荷状態、センサ健康状態、センサ有効性状態、検出値に関連付けられたセンサの予想寿命、検出値に関連付けられた装置の予想タイプ、および検出値が測定された操作条件のうちの1つに基づいて検出値をサブセット化するように構成されている。実施形態では、補足情報は、センサ仕様、センサ履歴性能、保守記録、修理記録、および予測状態モデルのうちの1つを含む。実施形態では、検出値のサブセットの分析は、ディープラーニング技術を利用して、様々なセンサの動作状態、健康状態、寿命、および故障状態を認識するために学習するために、検出値のサブセットと補足情報をニューラルネットに供給することを含む。
図109から図136を参照すると、エキスパートシステム、自己組織化、機械学習、人工知能などを含む本開示の実施形態は、パターン認識のため、1つ以上のパラメータ、特性、または現象の分類のため、自律制御の支援のため、および他の目的のために訓練されたニューラルネットなどのニューラルネットを使用することから利益を得ることができる。本開示全体を通してニューラルネットへの言及は、フィードフォワードニューラルネットワーク、放射状基底関数ニューラルネットワーク、自己組織化ニューラルネットワーク(例えば、コホーネン自己組織化ニューラルネットワーク)、リカレントニューラルネットワーク、モジュラーニューラルネットワーク、人工ニューラルネットワーク、物理ニューラルネットワーク、多層ニューラルネットワーク、畳み込みニューラルネットワーク、ニューラルネットワークと他の専門家システムとのハイブリッド(例えば。ハイブリッドファジィ論理-ニューラルネットワークシステム)、オートエンコーダーニューラルネットワーク、確率的ニューラルネットワーク、時間遅延ニューラルネットワーク、畳み込みニューラルネットワーク、調節フィードバックニューラルネットワーク、放射状基底関数ニューラルネットワーク、リカレントニューラルネットワーク、ホプフィールドニューラルネットワーク、ボルツマンマシンニューラルネットワーク、自己組織化マップ(SOM)ニューラルネットワーク、学習ベクトル量子化(LVQ)ニューラルネットワーク、完全リカレントニューラルネットワーク、単純リカレントニューラルネットワーク、エコー状態ニューラルネットワーク。長期短期記憶ニューラルネットワーク、双方向ニューラルネットワーク、階層ニューラルネットワーク、確率ニューラルネットワーク、遺伝規模RNNニューラルネットワーク、機械委員会ニューラルネットワーク、連想ニューラルネットワーク、物理ニューラルネットワーク、瞬間学習ニューラルネットワーク、スパイクニューラルネットワーク、新認識ニューラルネットワーク、動的ニューラルネットワーク、カスケードニューラルネットワーク、ニューロファジィニューラルネットワーク、構成パターン生成ニューラルネットワーク、記憶ニューラルネットワーク、階層的時間記憶ニューラルネットワーク。ディープフィードフォワードニューラルネットワーク、ゲーテッドリカレントユニット(GCU)ニューラルネットワーク、オートエンコーダニューラルネットワーク、変分オートエンコーダニューラルネットワーク、ディノイズオートエンコーダニューラルネットワーク、疎オートエンコーダニューラルネットワーク、マルコフ連鎖ニューラルネットワーク、制限ボルツマンマシンニューラルネットワーク、ディープビリーフニューラルネットワーク、ディープコンボリューションニューラルネットワーク、デコンボリューションニューラルネットワーク、ディープコンボリューションインバースグラフィックスニューラルネットワーク、ジェネレーティブアドバーサリアルニューラルネットワーク、リキッドステートマシンニューラルネットワーク。極端学習マシンニューラルネットワーク、エコー状態ニューラルネットワーク、ディープ残差ニューラルネットワーク、サポートベクトルマシンニューラルネットワーク、ニューラルチューリングマシンニューラルネットワーク、および/またはホログラフィック連想記憶ニューラルネットワーク、またはこれらのハイブリッドまたは組み合わせ、またはルールベースシステム、モデルベースシステム(物理モデル、統計モデル、フローベースモデル、生物モデル、生体モデル、バイオミメティックモデルなどに基づくものを含む)などの他のエキスパートシステムとの組み合わせ。
実施形態では、前記ニューラルネットワークは、1つ以上のセンサからアナログ信号を受信することができるDAQ装置および他のデータコレクタと接続するように構成されてもよい。前記ニューラルネットワークはまた、1つ以上のクラウドネットワークを介してローカルおよび/または利用可能であり得るエキスパートシステムとインターフェースし、接続し、または統合するように構成されてもよい。実施形態では、図110~図136は、例示的なニューラルネットワークを描写し、図109は、図110~図136を通して描写されたニューラルネットワークの様々な構成要素を示す凡例を描写している。図109は、割り当てられた機能および要件が存在するセル1002に描かれているように、様々なニューラルネットの構成要素10000を描写している。実施形態では、様々なニューラルネットの例は、バックフィードされたデータ/センサセル10010、データ/センサセル10012、ノイズ入力セル10014、および隠れセル10018を含むことができる。ニューラルネット構成要素100000はまた、確率的隠れセル10020、スパイク的隠れセル10022、出力セル10024、一致入力/出力セル10028、リカレントセル10030、メモリセル10032、異なるメモリセル10034、カーネル10038、および畳み込みまたはプールセル10040を含む他のセル10002を含む。
図110において、ストリーミングデータ収集システム10050は、センサ10060、センサ10062、およびセンサ10064を含むセンサからアナログ信号を収集してもよいDAQ装置10052または他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10050は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいパーセプトロンニューラルネットワーク10070を含んでもよい。図1111において、ストリーミングデータ収集システム10090は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからのアナログ信号を収集する他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10090は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインターフェースしてもよいフィードフォワードニューラルネットワーク10092を含んでもよい。図11012において、ストリーミングデータ収集システム10100は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10100は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい放射状基底ニューラルネットワーク10102を含んでもよい。図113において、ストリーミングデータ収集システム1010は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム1010は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいディープフィードフォワードニューラルネットワーク1012を含んでもよい。図114において、ストリーミングデータ収集システム10120は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10120は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいリカレントニューラルネットワーク10122を含んでもよい。
図115において、ストリーミングデータ収集システム10130は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10130は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい、長期/短期ニューラルネットワーク10132を含んでもよい。図116において、ストリーミングデータ収集システム10140は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10140は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい、ゲーテッドリカレントニューラルネットワーク10142を含んでもよい。図117において、ストリーミングデータ収集システム10150は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10150は、エキスパートシステム10080に接続してもよいオートエンコーダニューラルネットワーク10152を含んでもよいし、エキスパートシステム10080と統合してもよいし、インターフェースしてもよい。図118において、ストリーミングデータ収集システム10160は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10160は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい、変分ニューラルネットワーク10162を含んでもよい。図1119において、ストリーミングデータ収集システム10170は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10170は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい、ノイズ除去ニューラルネットワーク10172を含んでもよい。図120において、ストリーミングデータ収集システム10180は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10180は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインターフェースしてもよいスパースニューラルネットワーク10182を含んでもよい。図121において、ストリーミングデータ収集システム10190は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10190は、エキスパートシステム10080に接続してもよいし、エキスパートシステム10080と統合してもよいし、またはエキスパートシステム10080とインターフェースしてもよいマルコフ連鎖ニューラルネットワーク10182を含んでもよい。
図1222において、ストリーミングデータ収集システム10200は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10200は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいホップフィールドネットワークニューラルネットワーク100202を含んでもよい。図123において、ストリーミングデータ収集システム10210は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10210は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいボルツマンマシンニューラルネットワーク10212を含んでもよい。図124において、ストリーミングデータ収集システム1020は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム1020は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい制限付きBMニューラルネットワーク1022を含んでもよい。図125において、ストリーミングデータ収集システム10230は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10230は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインターフェースしてもよいディープビリーフニューラルネットワーク10232を含んでもよい。図126において、ストリーミングデータ収集システム10240は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10240は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインターフェースしてもよい深層畳み込みニューラルネットワーク10242を含んでもよい。図127において、ストリーミングデータ収集システム10250は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10250は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい、デコンボリューションニューラルネットワーク10242を含んでもよい。図1208において、ストリーミングデータ収集システム10260は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10260は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインターフェースしてもよい、深層畳み込みインバースグラフィックスニューラルネットワーク10262を含んでもよい。図1209において、ストリーミングデータ収集システム10270は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10270は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい、生成的敵対的ニューラルネットワーク10272を含んでもよい。図130において、ストリーミングデータ収集システム10280は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10280は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインターフェースしてもよい、液体状態機械ニューラルネットワーク10082を含んでもよい。図131において、ストリーミングデータ収集システム10290は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10290は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい極端学習マシンニューラルネットワーク10292を含んでもよい。図1302において、ストリーミングデータ収集システム10300は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10300は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいエコー状態ニューラルネットワーク10302を含んでもよい。図1333において、ストリーミングデータ収集システム10310は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10310は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよい深層残留ニューラルネットワーク10312を含んでもよい。図134において、ストリーミングデータ収集システム10320は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10320は、エキスパートシステム10080に接続してもよい、統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいコホーネンニューラルネットワーク10322を含んでもよい。図135において、ストリーミングデータ収集システム1030は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム1030は、エキスパートシステム10080に接続してもよい、エキスパートシステム10080と統合してもよい、またはエキスパートシステム10080とインタフェースしてもよいサポートベクトルマシンニューラルネットワーク1032を含んでもよい。図1366において、ストリーミングデータ収集システム10340は、DAQ装置10052またはセンサ10060、10062、10064を含むセンサからアナログ信号を収集してもよい他のデータコレクタを含んでもよい。ストリーミングデータ収集システム10340は、エキスパートシステム10080に接続してもよいし、エキスパートシステム10080と統合してもよいし、またはエキスパートシステム10080とインタフェースしてもよいチューリングマシンニューラルネットワーク10342を含んでもよい。
実施形態では、本明細書に記載されるようなストリーミングデータコレクタに関連するような産業機械センサデータストリーミングアクションは、最小レート値を満たすサンプリングレートのためのゼロギャップまたはほぼゼロギャップを有する産業機械に関するデータの収集を容易にするデータ収集プロセスを含んでもよい。産業機械に関するデータは、例えば、限定されないが、可動部品の動作率、構造部品および他の部品の振動率など、機械の少なくとも1つの側面を感知するために産業機械と共に配備されたセンサから収集されてもよい。産業用機械環境においてゼロまたはゼロに近いギャップを有する最小サンプリングレートでデータ収集を実行するデータ収集プロセスは、サンプリングレートでの中断されないデータ収集を収容するために、産業用機械等内および産業用機械等を横断するデータ収集ルーティングリソースを構成することを含んでもよい。実施形態では、ゼロギャップ性能のためにデータ収集ルーティングリソースを構成することは、必要なサンプリングレートで必要な量のデータを格納するのに十分なメモリストレージを備えたデータコレクタ(例えば、センサ)に物理的に近いデータコレクタを構成することを含んでもよい。実施形態では、ゼロギャップ性能のためにデータ収集ルーティングリソースを構成することは、データ収集デバイス(例えば、センサおよびアナログ-デジタル変換器など)を構成すること、ネットワークデバイス、ネットワークスイッチングデバイス(例えば、データルータ、マルチプレクサなど)などのデータルーティングリソースを構成すること、最小サンプリングレートでサンプリングされたすべてのデータが捕捉され、データ分析アルゴリズムなどによって将来の参照のために保存されることを確実にするためにデータストレージデバイスなどを構成することを含んでもよい。
実施形態では、ゼロギャップデータ収集プロセスは、コンピュータにアクセス可能なデータ記憶設備に記憶されている、サンプリングされたデータの少なくとも1つの未処理の出力ストリームを生成することをサポートするために、分解能(例えば、サンプルあたりのビット数)および長さ(例えば、サンプル数)を有する、ナイキスト周波数などの倍数であってもよい十分に高速なサンプリングレートで、途切れることなくデータを収集することを含んでもよい。実施形態では、そのようなデータ収集プロセスは、処理されたストリームを処理すること(例えば、保存、表示、評価、交換、専門家システムとの通信、統計分析装置などの目的のために、サンプリングされたデータを追加の出力ストリームに処理すること)をさらに含んでもよい。本明細書に記載されるようなデータ収集、データルーティングなどの方法およびシステムは、データ収集、ルーティング、処理、記憶、通信、および表示の産業機械関連リソースの構成に依存してもよい。
実施形態では、未処理および処理された出力データストリームの両方をサポートするためのデータ収集を実行することは、すべての処理ニーズに対応するために十分に高いサンプリングレートで単一のサンプリングプロセスを実行することによって達成されてもよい。特定の目的(例えば、保存、表示、統計分析など)のために必要とされる複数の周波数で連続したデータ収集イベントを実行するのではなく、単一の高周波数サンプリングレートが選択されてもよい。結果として生じるセンサデータのストリームは、ダウンサンプリング、生データの保存、統計的分析および他の分析などの機能を実行することができる産業用機械データ処理リソースにルーティングされてもよい。例示的な例では、生センサデータのサンプリングレートは、40kHz、100kHzまたはそれ以上であってもよい(本明細書では「ストリーミングレート」と呼ばれる)。サンプリング入力ストリームは、所望の分析を達成するために、この生センサデータサンプリングレートでのサンプル分解能および長さの点で定義されてもよい。この生センサデータは、コンピュータアクセス可能なメモリに格納されてもよい。データの処理は、単に記憶されたセンサデータにアクセスし、必要に応じて処理することによって、必要なときにのみ発生してもよい。実施形態では、生センサデータを格納することに加えて、サンプリングプロセスの間、例えばストリーミングレートで、生データは、ストリーミングレート未満の任意のレートで、データ分析(例えば、統計的)リソースにルーティングされ、データ分析(例えば、統計的)リソースによって処理されてもよい。一例では、ストリーミングレートでサンプリングされた生データは、データをより低い周波数表現(例えば、500Hz)に変換し、500Hzのサンプルレートが許容される特定のデータ分析、表示、およびそのような操作を実行するデータ分析設備にルーティングされてもよい。同様に、ストリーミングレート入力センサデータストリームは、結果が5kHzサンプリングに匹敵するように生データを最初にダウンサンプリングすることによって5kHzでのデータ分析を実行する追加のデータ分析リソースにルーティングされてもよい。単一のデータ収集イベントを、例えばストリーミングレートなどのより高いレートで実行することにより、広範囲の分析、表示、および参照操作のためにセンサから必要とされるすべてのデータ-基本的にストリーミングレート以下のサンプルレートを必要とするものは何でも、捕捉され、処理設備に直接(例えば、複数の出力データストリームで)提供されるだけでなく、後の間接的な処理などのために保存されることができます。このようなアプローチは、動作機械への影響を低減し、他のタイプのセンシングおよびルーチンのためのデータ収集およびルーティング帯域幅を解放し、共通のサンプリングレートの使用によるデータ収集設備の構成を簡素化するなどの効果がある。
実施形態では、ストリーミングサンプルレートでのゼロギャップ信号捕捉は、ストリーミングサンプルレートで信号をサンプリングし、それによって信号の複数のサンプルを生成することを含んでもよい。信号の複数のサンプルは、信号の複数のサンプルの第1の部分を第1の信号分析回路に生成する信号ルーティング回路に割り当てられてもよく、この部分は、ストリーミングサンプルレートよりも小さい第1の信号分析サンプリングレートに基づいて、第1の信号分析回路に割り当てられてもよい。信号のサンプルの複数の部分は、信号のサンプルの複数の部分の第2の部分を第2の信号解析回路に生成する信号ルーティング回路と、ストリーミングサンプルレートよりも小さい第2の信号解析サンプリングレートに基づく部分とを割り当ててもよい。実施形態では、ゼロギャップ信号捕捉は、信号のサンプルの複数の部分、第1の信号解析回路の出力、および第2の信号解析回路の出力を記憶することをさらに含んでもよい。実施形態では、格納された複数のサンプルのうちの割り当てられた第1の部分および第2の部分は、対応する格納された信号解析出力を参照するインディケータでタグ付けされる。
実施形態では、信号ルーティング回路での割り当ては、信号解析サンプリングレートとストリーミングサンプルレートの比率に基づいて複数のサンプルを統合することを含む。割り当てはまた、信号分析サンプリングレートとストリーミングサンプルレートの比率に基づいて信号のサンプルを選択することを含んでもよい。実施形態では、ストリーミングサンプルレートは、信号の支配周波数の少なくとも2倍の速度である。
実施形態では、信号解析サンプリングレートとストリーミングサンプルレートとの比は、第1および第2の信号解析回路の出力のデータの補足バイナリビットの数を決定する。補足バイナリビットの数は、ストリーミングサンプルレートが信号分析サンプリングレートの少なくとも2倍以上4倍未満である場合には、1であってもよい。また、ストリーミングサンプルレートが少なくとも4倍以上8倍未満の信号解析サンプリングレートである場合には、2であってもよい。
実施形態では、産業機械の状態のゼロギャップ信号検出を容易にするシステムは、産業機械の状態を検出するセンサを含んでもよく、センサは、時間の経過とともに変化し、その状態に実質的に対応する信号を生成する。システムはまた、信号を受信し、信号の支配周波数の少なくとも2倍のストリーミング・サンプル・レートで信号をサンプリングし、サンプリングされた信号は、一連のデータ値としてアナログ/デジタル変換器から出力されるアナログ/デジタル変換器を含んでもよい。システムは、データ値のシーケンスとサブサンプリングレートとを受信する少なくとも1つのデジタル信号ルータをさらに含んでもよい。実施形態では、サブサンプリングレートは、ストリーミングサンプルレートよりも低く、サブサンプリングレートおよびストリーミングサンプルレートとサブサンプリングレートとの比のうちの少なくとも1つに基づいて、サンプルのシーケンスから選択されたサンプルを含むデータの少なくとも1つのサブサンプリング出力シーケンスを生成する。実施形態では、システムはまた、データ値のシーケンスと、サブサンプリングされた出力シーケンスから導出されたデータ値の分析セットとを受信するデータ記憶装置を含んでもよい。実施形態では、分析されたデータ値の集合は、サブサンプリングされた出力シーケンスに対応するデータ値のシーケンス内のデータ値が、対応する分析されたデータ値の集合を参照するインディシアでタグ付けされるように、データ値のシーケンスと関連づけて格納される。
実施形態では、少なくとも1つのサブサンプリングされた出力シーケンスを生成することは、サブサンプリングレートとストリーミングサンプルレートの比に基づいて、データ値のシーケンス内の複数のサンプルを積分することを含んでもよい。また、少なくとも1つのサブサンプリング出力シーケンスを生成することは、サブサンプリングレートとストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含んでもよい。実施形態では、ストリーミングサンプルレートは、信号の支配周波数の少なくとも2倍の速度である。
実施形態では、サブサンプリング・レートとストリーミング・サンプル・レートとの比は、サブサンプリングされた出力シーケンス中の補助バイナリ・ビットの数を決定する。実施形態では、補足バイナリビットの数は、ストリーミングサンプルレートがサブサンプリングレートの少なくとも2倍以上4倍未満である場合には1ビットであり、ストリーミングサンプルレートがサブサンプリングレートの少なくとも4倍以上8倍未満である場合には2ビットである。
実施形態では、サンプリングレートよりもはるかに低い固有周波数を有するサンプリングされる信号に対して、ストリーミングレートなどの高いサンプリングレートを使用する場合に、複数のより低いサンプリングレートへの同時論理アクセスを提供することに加えて、結果として生じるオーバーサンプリングは、収集されたデータセット内のサンプリングされた信号の追加的な分解能を効果的に提供する。オーバーサンプリングのレートがサンプリングされた信号の周波数に対して相対的に増加すると、効果的な分解能も増加します。実施形態では、典型的なサンプルあたり 16 ビットのデータコレクタの場合、2 の係数でオーバーサンプリングすると、効果的な信号のサンプルされた分解能が 1 ビット追加され、それによってサンプルあたり 17 ビットの信号情報が効果的に提供されます。4 倍のオーバーサンプリングを行うと、1 サンプルあたり 2 ビットの分解能が追加されます。サンプリングレートが2倍になるごとに有効分解能を1ビット増加させるというこの一般的な規則は、関数的アルゴリズムで表すことができる:n=Log(2)(O)ここで、Oはオーバーサンプリング係数(1、2、4など)であり、"n"は、各サンプルで有効に捕捉された分解能の追加ビットのカウントとしての分解能の有効な増加量である。
実施形態では、オーバーサンプリングは、信号データにおけるサンプル誘発ノイズおよび分析誘発ノイズの影響を緩和しつつ、低周波成分を正確に捕捉することにさらに利益をもたらす。ストリーミングレートのような高いサンプリングレート(チャネルあたり)でのデータのストリーミングは、典型的には、例えば約1倍の走行速度振動ピーク、これらの関連する低次高調波、および他の低周波ピークのような高分解能の低周波データを達成するために、高いオーバーサンプリング比を使用することを可能にする。これは、上述したような増加した振幅分解能の付加的な利点を提供してもよく、すなわち、Nの因子によるオーバーサンプリングの増加は、各サンプルのためのバイナリビットの数の増加によって表されるのと同じ因子によって波形分解能を増加させる。追加のバイナリ・ビットの#は、次のように計算されます。Nb=LOG(2)(N)として計算される。実施形態では、低周波の1/fノイズ(スキースロープ)を生成するデジタル統合のような信号処理技術は、ノイズがオーバーサンプリングの増加した解像度の利益によって著しく低減されるので、効果的に増加した解像度の利益を得ることができる。ストリーミングデータは最も一般的に加速度計で収集されるので、加速度計データの統合は、生の加速度計データをより直接的に重大度に関連する単位に変換するために行われることが多い。実施形態では、本明細書に記載されるようなオーバーサンプリングは、測定される信号中のアナログノイズが有効なA/D分解能(例えば、オーバーサンプリングによって強化されたハードウェアの標準A/D分解能)を下回る状況のためのような、実行可能で実用的な代替手段であり得る。
実施形態では、アナログ/デジタル変換器は、+/-電圧波形を測定するために、16ビットまたは+/-15ビットの分解能を有してもよい。そのような実施形態では、フルスケールと比較した場合、-90 dB の分解能を提供する。一例では、測定された信号は、5ボルトのピーク・ツー・ピークであってもよい。オーバーサンプリングを行わない場合、このようなサンプリング関数は、約+/-153マイクロボルト(1.526 x 10^-4ボルト)の振幅分解能を生成することが期待されます。しかし、オーバーサンプリングを行うと、最大で-23dB以上の改善が期待でき、それによって分解能は約-113dBにまで向上します。フルスケール電圧を 5 ボルトから例えば 10 mV に下げるような信号振幅処理が採用される場合、分解能は 5 ボルト /10 mV = 500 = 54 dB (約) でさらに向上します。さらなる処理、例えば、5ボルトのフルスケール信号との比較を容易にするために1ボルトに正規化することによって:1ボルト / 10 mV = 40 dB。このように、この改善は、以前のオーバーサンプリングされた分解能 -113 -40 から -153 dBに加算されます。これにより、効果的に2.2 x 10^-8 = 22ナノボルトの分解能が得られます。
実施形態では、上記の概念をコヒーレント信号に適用すると、解像度等の示された改善が得られる。しかしながら、信号のノイズ成分は、記載されているように、ノイズの測定分解能への影響の判定を容易にするために、パワースペクトルでレンダリングされてもよい。
実施形態では、オーバーサンプリングを介して解像度を改善するための技術は、ハードウェアおよびハードウェアとソフトウェアの組み合わせで実行されてもよい。提示されたアルゴリズムは、カスタム、セミカスタム、およびプログラマブルアレイハードウェアデバイスなどのハードウェアコンポーネントにエンコードされてもよい。提示されたアルゴリズムは、代替的に、専用の処理リソース、多目的コンピューティングデバイスなどによって実行されてもよい。実施形態では、アルゴリズムのいくつかの部分は、ハードウェアで実行されてもよく(例えば、サンプリング、電圧低減など)、他の部分はプロセッサで実行されてもよい(例えば、対数関数など)。ハードウェア処理は、ノイズ(例えば、電子的に誘発される)が、所望の程度の分解能のために信号をノイズから分離することを妨げる場合など、特定の環境において好ましいかもしれない。実施形態では、ハードウェア処理は、以下の2つの技術のうちの少なくとも1つによって改善されてもよい。i)マルチチャネルデータ統合;および(iii)ハードウェアフィルタリングの使用。実施形態では、マルチチャネルデータ統合器の使用は、少なくとも2つのチャネルからデータを収集することを含み、一方のチャネルは、サンプリングされた信号の低周波数部分のためのようなハードウェア統合を有し、他方のチャネルは、サンプリングされた信号の高周波数部分のためのようなハードウェア統合を有さないチャネルである。実施形態では、ハードウェアフィルタリングの使用は、ローパスフィルタリングされた一方のチャネルからの統合されたデータを、ハイパスフィルタリングされた非統合されたデータとスプライシングすることを含んでもよく、そのようにして、フィルタが、データを一緒にスプライシングするのに役立つことができるオーバーラップするフィルタロールオフ領域を有するようにすることができる。
前記ニューラルネットワークは、他のノードを含むセンサまたは他のデータソースから受信した入力などの入力に対して様々な機能を実行する様々なノードまたはニューロンを有していてもよい。機能は、重み、特徴量、特徴ベクトルなどを含んでもよい。ニューロンは、パーセプトロン、生物学的機能(例えば、触覚、視覚、味覚、聴覚、嗅覚などの人間の感覚)を模倣するニューロンなどを含んでもよい。連続的なニューロン、例えばシグモイド活性化を有するニューロンは、バックプロパゲーションが関与する場合など、様々な形態のニューラルネットの文脈で使用されてもよい。
多くの実施形態では、エキスパートシステムまたはニューラルネットワークは、人間のオペレータまたはスーパーバイザーによって、またはデータセット、モデルなどに基づいて、訓練されてもよい。訓練は、センサデータ、イベントデータ、パラメータデータ、および他のタイプのデータ(本開示を通して説明される多くのタイプを含む)などの値を表す1つまたは複数の訓練データセットと、プロセスの結果、計算の結果、イベントの結果、活動の結果などの結果の1つまたは複数の指標とをニューラルネットワークに提示することを含んでもよい。トレーニングは、最適化におけるトレーニングを含んでもよく、例えば、ベイズアプローチ、パラメトリックベイズ分類器アプローチ、k-最近傍分類器アプローチ、反復アプローチ、補間アプローチ、パレート最適化アプローチ、アルゴリズムアプローチなどの1つまたは複数の最適化アプローチに基づいて、1つまたは複数のシステムを最適化するためにニューラルネットワークをトレーニングすることなどが挙げられる。フィードバックは、一連のラウンドを経てフィードバックに基づいて1つ以上の解を進化させる遺伝的アルゴリズムのように、変動と選択のプロセスで提供されてもよい。
実施形態では、複数のニューラルネットワークは、1つ以上の産業環境で収集されたデータストリームおよび他の入力(例えば、モバイルデータコレクタによって)を受信し、効率的な伝送を提供するためにネットワークコーディングを使用することを含めて、1つ以上のネットワークを介してクラウドプラットフォームに伝送されるクラウドプラットフォームに配備されてもよい。クラウドプラットフォームでは、任意に大規模並列計算能力を使用して、複数のタイプの異なるニューラルネットワーク(モジュラー形態、構造適応形態、ハイブリッドなどを含む)を複数使用して、本開示全体で開示されるエキスパートシステムに関連して記載されるような予測、分類、制御機能を実施し、他の出力を提供してもよい。異なるニューラルネットワークは、適切な入力セット、重み、ノードタイプおよび機能などを有する適切なタイプのニューラルネットワークが、例えばエキスパートシステムによって、所定のコンテキスト、ワークフロー、環境プロセス、システムなどに関与する特定のタスクのために選択されるように、互いに競合するように構成されてもよい(任意に、進化的アルゴリズム、遺伝的アルゴリズム、またはそのようなものの使用を含む)。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、フィードフォワードニューラルネットワークを使用してもよく、このネットワークは、産業機械上または産業機械に近接して配置されたアナログセンサのようなデータ入力から、一連のニューロンまたはノードを介して、出力に向けて情報を一方向に移動させる。データは、入力ノードから出力ノードに移動してもよく、オプションとして、ループなしで、1つ以上の隠れノードを通過してもよい。実施形態では、フィードフォワード・ニューラル・ネットワークは、最も単純なパーセプトロンであるバイナリ・マックロッホ・ピッツ・ニューロンのような様々なタイプのユニットを用いて構築されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、放射状基底関数(RBF)ニューラルネットワークを使用してもよく、これは、多次元空間における補間を含むいくつかの状況(例えば、本明細書に記載のようなデータマーケットプレイスの最適化、発電システム、工場システムなどの効率または出力の最適化、または多次元を含む他の状況など、多次元関数の最適化に補間が有用である場合など)において好ましい場合がある。実施形態では、RBFニューラルネットワークの各ニューロンは、訓練セットからの例を"プロトタイプ"として記憶する。このニューラルネットワークの機能に関与する直線性は、RBFには、典型的には局所的な最小値または最大値の問題に悩まされないという利点がある。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、中心(例えば、ガウス関数)に関する距離基準を採用するものなどの放射状基底関数(RBF)ニューラルネットワークを使用してもよい。放射状基底関数は、多層パーセプトロンにおける隠れ層(例えば、シグモイド隠れ層転送など)の代替として適用されてもよい。RBFネットワークは、隠れ層の各RBFに入力がマッピングされる場合のように、2つの層を有してもよい。実施形態では、出力層は、例えば平均予測出力を表す隠れ層値の線形の組み合わせで構成されてもよい。出力層の値は、統計学における回帰モデルと同じまたは類似した出力を提供してもよい。分類問題では、出力層は、隠れ層値の線形組み合わせのシグモイド関数であってもよく、事後確率を表す。どちらの場合も、古典的な統計学におけるリッジ回帰のような縮小技術によって性能が改善されることが多い。これは、ベイズのフレームワークにおける小さなパラメータ値(したがって、滑らかな出力関数)に対する事前の確信に対応する。学習プロセスで調整されるパラメータは、隠れ層から出力層への線形マッピングのみであるため、RBFネットワークは局所的な最小値を避けることができるかもしれません。直線性は、誤差面が二次であることを保証し、したがって単一の最小値を持つ。回帰問題では、これは1つの行列演算で見つけることができます。分類問題では、シグモイド出力関数によって導入される固定された非線形性は、反復的に再加重された最小二乗関数などを用いて処理されることがある。
RBFネットワークは、サポートベクターマシン(SVM)やガウス過程(ここでRBFはカーネル関数)などのカーネル法を使用してもよい。非線形カーネル関数は、学習問題が線形モデルを用いて解ける空間に入力データを投影するために使用されてもよい。
実施形態では、RBFニューラルネットワークは、入力層、隠れ層、および和算層を含んでもよい。入力層では、各予測変数に対して1つのニューロンが現れる。カテゴリ変数の場合には、N-1ニューロンが使用され、ここでNはカテゴリの数である。入力ニューロンは、実施形態では、中央値を減算し、四分位の範囲で割ることによって、値の範囲を標準化してもよい。次いで、入力ニューロンは、その値を、隠れ層の各ニューロンに供給してもよい。隠れ層では、可変数のニューロンが使用されてもよい(訓練プロセスによって決定される)。各ニューロンは、予測変数の数だけの次元を有する点を中心とする放射状の基底関数から構成されてもよい。RBF関数の広がり(例えば、半径)は、各次元ごとに異なっていてもよい。中心およびスプレッドは、訓練によって決定されてもよい。入力層からの入力値のベクトルが提示されると、隠れニューロンは、ニューロンの中心点からのテストケースのユークリッド距離を計算し、スプレッド値を使用するなどして、この距離にRBFカーネル関数を適用してもよい。次に、結果として得られた値を和算層に渡してもよい。和算層では、隠れ層のニューロンから出てくる値に、そのニューロンに関連付けられた重みを乗算し、他のニューロンの重み付けされた値に加算してもよい。この和が出力となる。分類問題の場合、各対象カテゴリに対して1つの出力が生成される(別個の重みのセットと和の単位を持つ)。あるカテゴリに対する値の出力は、評価されるケースがそのカテゴリを持つ確率である。RBF の学習では,隠れ層のニューロン数,各隠れ層関数の中心の座標,各次元における各関数の広がり,和算層への通過時に出力に適用される重みなど,様々なパラメータが決定される.訓練は、クラスタリングアルゴリズム(k平均クラスタリングなど)、進化的アプローチなどによって行われてもよい。
実施形態では、リカレント・ニューラル・ネットワークは、時間的に変化する実数値(ゼロまたは1以上)の活性化(出力)を有してもよい。各接続は、修正可能な実数値の重みを有してもよい。ノードの一部はラベル付きノードと呼ばれ、一部は出力ノードと呼ばれ、他のノードは隠れノードと呼ばれる。離散時間設定での教師付き学習では,実値入力ベクトルの学習シーケンスは,入力ノードの活性化シーケンスとなり,一度に1つの入力ベクトルとなることがある.各時間ステップにおいて、各非入力ユニットは、接続を受けるすべてのユニットの活性化の加重和の非線形関数として、その現在の活性化を計算することができる。システムは、特定の時間ステップでいくつかの出力ユニットを明示的に(入力信号とは無関係に)アクティブにすることができます。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、高次元データの低次元ビューなどのデータのビューの可視化のために、Kohonen自己組織化ニューラルネットワークなどの自己組織化ニューラルネットワークを使用してもよい。自己組織化ニューラルネットワークは、産業用機械からの、または産業用機械に関連付けられた1つ以上のセンサまたは他のデータ入力からのような入力データのセットに競合学習を適用してもよい。実施形態では、自己組織化ニューラルネットワークは、データのソースが未知の(例えば、振動が未知のソースの範囲のいずれかから来ている可能性がある)産業環境における振動、音響、または他のアナログセンサの範囲から感知されたデータのような、ラベル付けされていないデータのような、データ内の構造を識別するために使用されてもよい。自己組織化ニューラルネットワークは、床の動きによって誘発される振動に対応するものとして構造を識別するような、またはやや離れた機械のシャフトの高周波回転によって生成される音響信号に対応するものとして構造を識別するような、それらが認識、分析、およびラベル付けされ得るような、データ内の構造またはパターンを組織化してもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、接続されたユニット(例えば、ニューロンまたはノード)が有向サイクルを形成する場所など、データの双方向の流れを可能にするリカレントニューラルネットワークを使用してもよい。このようなネットワークは、本開示を通して記載される産業用機械および装置の多種多様なものを含む動的システムに関与するような、動的な時間的挙動をモデル化するために使用されてもよいし、動的システムの挙動が、オペレータが理解、予測、制御、および/または最適化を望むかもしれない複雑な相互作用を含む、可変入力を有する可変条件で可変速度または可変周波数で動作する発電機、ロボット製造システム、精錬システムなどのような動的システムに関与するような、動的な時間的挙動を示すために使用されてもよい。例えば、リカレント・ニューラル・ネットワークは、動的なプロセスまたは動作を行う産業機械などの状態(メンテナンス状態、障害状態、動作状態など)を予測するために使用されてもよい。実施形態では、リカレント・ニューラル・ネットワークは、内部メモリを使用して、本明細書に記載される様々なタイプの、他のノードからおよび/またはセンサおよび産業環境からの他のデータ入力などの一連の入力を処理することができる。実施形態では、リカレントニューラルネットワークは、音のシグネチャ、熱のシグネチャ、画像内の特徴ベクトルのセット、化学的シグネチャ、またはそのようなものに基づいて産業用機械を認識するためなどのパターン認識のためにも使用されてもよい。非限定的な例では、リカレント・ニューラル・ネットワークは、タービン、発電機、モータ、コンプレッサなどの運転モード(ギアシフトなど)のシフトを、そのような機械の1つ以上に適用された3軸振動センサおよび/または音響センサからのデータのストリームを含む。訓練データセットからシフトを分類するように学習することによって認識してもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、モジュラーニューラルネットワークを使用してもよく、これは、仲介者によって調節される一連の独立したニューラルネットワーク(例えば、本明細書に記載の様々なタイプのもの)から構成されてもよい。モジュラーニューラルネットワーク内の独立したニューラルネットワークの各々は、別々の入力で動作してもよく、モジュラーネットワーク全体が実行することを意図したタスクを構成するサブタスクを達成してもよい。例えば、モジュラー・ニューラル・ネットワークは、モジュラー・ネットワークへの入力チャネルとして提供される1つ以上のセンサによって感知されている産業用機械の種類を認識するようなパターン認識のためのリカレント・ニューラル・ネットワークと、一度理解された機械の動作を最適化するためのRBFニューラル・ネットワークとから構成されてもよい。仲介器は、個々のニューラルネットワークのそれぞれの入力を受け入れ、それらを処理し、モジュラーニューラルネットワークのための出力、例えば適切な制御パラメータ、状態の予測などを作成してもよい。
本明細書に記載されている様々なニューラルネットワークタイプのペア、三つ子、またはより大きな組み合わせのいずれかの間の組み合わせが、本開示によって包含される。これは、エキスパートシステムが、パターン(例えば、問題または障害状態を示すパターン)を認識するために1つのニューラルネットワークを使用し、認識されたパターンに基づいて活動またはワークフローを自己組織化するために別のニューラルネットワークを使用する(認識された状態またはパターンに応答してシステムの自律制御を支配する出力を提供するような)組み合わせを含んでもよい。これはまた、エキスパートシステムが、項目を分類するために1つのニューラルネットワーク(例えば、機械、コンポーネント、または動作モードを識別する)と、項目の状態(例えば、故障状態、動作状態、予期される状態、メンテナンス状態など)を予測するために別のニューラルネットワークを使用する組み合わせを含んでもよい。モジュラーニューラルネットワークはまた、エキスパートシステムが、状態またはコンテキスト(例えば、機械の状態、プロセス、ワークフロー、マーケットプレイス、ストレージシステム、ネットワーク、データコレクタなど)を決定するために1つのニューラルネットワークを使用し、状態またはコンテキストを含むプロセスを自己組織化するために別のニューラルネットワークを使用する状況を含んでもよい(例えば、データストレージプロセス、ネットワークコーディングプロセス、ネットワークコーディングプロセス、ネットワークコーディングプロセスなど)。データストレージプロセス、ネットワークコーディングプロセス、ネットワーク選択プロセス、データマーケットプレイスプロセス、発電プロセス、製造プロセス、精錬プロセス、掘削プロセス、ボーリングプロセス、または本明細書に記載された他のプロセス)を自己組織化するための異なるニューラルネットワーク。)
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、1つ以上のハードウェア要素がニューラル動作を実行またはシミュレートするために使用される物理ニューラルネットワークを使用してもよい。実施形態では、1つ以上のハードウェアニューロンは、アナログ振動センサデータの電圧値を表す電圧値をストリーミングするように構成されてもよく、音響、振動、または他のデータを表すアナログセンサ入力から速度情報を計算するように構成されてもよく、音響、振動、または他のデータを表すセンサ入力から加速度情報を計算するように構成されてもよい。一つ以上のハードウェアノードは、ニューラルネットの活動の結果として得られる出力データをストリーミングするように構成されていてもよい。つ以上のチップ、マイクロプロセッサ、集積回路、プログラマブル論理コントローラ、アプリケーション専用集積回路、フィールドプログラマブルゲートアレイなどから構成されてもよいハードウェアノードは、本明細書に記載されたタイプのいずれかのニューラルネットの一部の速度、入出力効率、エネルギー効率、信号対雑音比、または他のパラメータを最適化するために提供されてもよい。ハードウェアノードは、計算を加速するためのハードウェア(例えば、出力を提供するために入力データ上で基本的またはより高度な計算を実行するための専用プロセッサ、データをフィルタリングまたは圧縮するための専用プロセッサ、データを解凍するための専用プロセッサ、特定のファイルまたはデータタイプを圧縮するための専用プロセッサ(例えば、画像データ、ビデオストリーム、音響信号、振動データ、熱画像、ヒートマップ、またはそのようなものを扱うための)など)を含んでもよい。物理ニューラルネットワークは、異なるタイプの入力を扱うためにデータコレクタ内で異なるニューラルネット構成を提供するように、様々な構成で入力を切り替えまたはルーティングすることによって再構成されてもよいものを含む、本明細書に記載のモバイルデータコレクタなどのデータコレクタ内に具現化されてもよい(切り替えおよび構成は、オプションで、エキスパートシステムの制御下で行われ、データコレクタ上または遠隔地に配置されたソフトウェアベースのニューラルネットを含んでもよい)。物理的な、または少なくとも部分的に物理的なニューラルネットワークは、ニューラルネットにデータを供給する、またはニューラルネットからデータを取る1つ以上のストレージ要素への入力/出力機能を加速するために、産業用機械内にデータを格納するためなど、ストレージシステム内に配置された物理的なハードウェアノードを含んでもよい。物理的な、または少なくとも部分的に物理的なニューラルネットワークは、ネットワーク内に配置された物理的なハードウェアノードを含んでもよく、例えば、産業機械内または産業環境からデータを送信するために、ネット内の1つ以上のネットワークノードへの入出力機能を加速するために、リレー機能を加速するために、またはそのようなものを含んでもよい。物理ニューラルネットワークの実施形態では、電気的に調整可能な抵抗材料は、ニューラルシナプスの機能をエミュレートするために使用されてもよい。実施形態では、物理的ハードウェアはニューロンをエミュレートし、ソフトウェアはニューロン間のニューラルネットワークをエミュレートする。実施形態では、ニューラルネットワークは、従来のアルゴリズムコンピュータを補完する。それらは汎用性があり、分類機能、最適化機能、パターン認識機能、制御機能、選択機能、進化機能などのような、指示を必要とせずに適切な機能を実行するように訓練することができる。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、1つ以上の項目、現象、モード、状態、またはそのようなものの複雑なパターン分類のために、多層フィードフォワードニューラルネットワークを使用してもよい。実施形態では、多層フィードフォワードニューラルネットワークは、最適な、または最適に近い、大域的な解決策を見つけるために、選択肢の大きく複雑な空間を探索するような、遺伝的アルゴリズムのような最適化技術によって訓練されてもよい。例えば、1つ以上の遺伝的アルゴリズムは、機械間の複雑な相互作用(干渉効果、共振効果などを含む)が関与するモード、振動および他の信号の解析を困難にする可変速シャフトの衝撃などの非線形現象が関与するモード、複数の同時故障が発生し、根本原因の解析を困難にするような臨界故障が関与するモードなど、産業用機械の複雑な動作モードを認識するような、複雑な現象を分類するために、多層フィードフォワードニューラルネットワークを訓練するために使用されてもよい。実施形態では、多層フィードフォワードニューラルネットワークは、産業機械の超音波モニタリングまたは音響モニタリングからの結果を分類するために使用されてもよく、例えば、冷凍システム、精製システム、リアクターシステム、触媒システムなどにおいて、モータコンポーネント、ポンプ、バルブ、流体処理コンポーネント、および他の多くの他のもののようなハウジング内のコンポーネントの内部セットをモニタリングするようなものである。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、フィードフォワード、バックプロパゲーション多層パーセプトロン(MLP)ニューラルネットワークを使用してもよく、例えば、様々な産業環境全体に分散したセンサからの入力を取るためのような、1つ以上のリモートセンシングアプリケーションを扱うために使用されてもよい。実施形態では、MLPニューラルネットワークは、地質構造(地下の特徴および地上の特徴を含む)の分類、材料(流体、鉱物、金属、およびそのようなものを含む)の分類、および他の問題を含む、採掘環境、探査環境、掘削環境などの物理環境の分類のために使用されてもよい。ファジー分類を含む場合がある。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、構造適応型ニューラルネットワークを使用してもよく、ここでは、ニューラルネットワークの構造は、ルール、感知された条件、文脈上のパラメータ、またはそのようなものに基づいて適応される。例えば、ニューラルネットワークが、ある程度の量の訓練後に入力のセットに作用したときに、項目の分類や予測に到達するなどの解に収束しない場合、ニューラルネットワークは、フィードフォワードニューラルネットワークからリカレントニューラルネットワークへの変更、例えば、ノードのいくつかのサブセット間のデータ経路を一方向から双方向のデータ経路に切り替えることによって変更されてもよい。構造適応は、閾値の発生を認識する(所定の時間内に解への収束がないことなど)、または異なるまたは追加の構造を必要とする現象を認識する(システムが動的にまたは非線形に変化していることを認識するなど)など、トリガー、ルール、またはイベントの発生時に適応をトリガーするように、エキスパートシステムの制御の下で発生してもよい。一つの非限定的な例では、エキスパート・システムは、分析されるシステムにおいて、連続的に変化する伝送が発電機、タービンなどを駆動するために使用されているという指示を受信すると、フィードフォワード・ニューラル・ネットワークのような単純なニューラル・ネットワーク構造から、リカレント・ニューラル・ネットワーク、畳み込みニューラル・ネットワークなどのようなより複雑なニューラル・ネットワーク構造に切り替えることができる。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、オートエンコーダー、オートアソシエーター、またはディアボロニューラルネットワークを使用してもよく、これは、入力層、出力層、およびそれらを接続する1つ以上の隠れ層が存在してもよいような、多層パーセプトロン(「MLP」)ニューラルネットワークに類似していてもよい。しかしながら、オートエンコーダーの出力層は、MLPニューラルネットワークの目的がそれ自身の入力を再構成することである(単に目標値を放出するのではなく)入力層と同じ数のユニットを有してもよい。したがって、オートエンコーダは、教師なし学習モデルとして動作してもよい。オートエンコーダは、例えば、次元削減のため、データの生成モデルを学習するためなどの効率的な符号化の教師なし学習のために使用されてもよい。実施形態では、自動符号化ニューラルネットワークは、1つ以上のネットワークを介して産業用機械からのアナログセンサデータの伝送のための効率的なネットワーク符号化を自己学習するために使用されてもよい。実施形態では、自動符号化ニューラルネットワークは、産業用環境からのアナログセンサデータのストリームのストレージのための効率的なストレージアプローチを自己学習するために使用されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、確率的ニューラルネットワーク(「PNN」)を使用してもよく、これは、実施形態では、多層(例えば、4層)フィードフォワードニューラルネットワークを構成してもよく、ここで層は、入力層、隠れ層、パターン/和算層、および出力層を含んでもよい。PNNアルゴリズムの一実施形態では、各クラスの親確率分布関数(PDF)は、例えばパルゼン窓および/またはノンパラメトリック関数によって近似されてもよい。そして、各クラスのPDFを使用して、新しい入力のクラス確率が推定され、ベイズの法則が採用されてもよく、例えば、最も高い事後確率を持つクラスに割り当てることができます。PNNは、ベイズネットワークを具現化したものであってもよく、統計的アルゴリズムや解析的手法、例えばカーネルフィッシャー判別分析手法を用いてもよい。PNNは、本明細書に開示される広い範囲の実施形態のいずれかにおいて、分類およびパターン認識のために使用されてもよい。一つの非限定的な例では、確率的ニューラルネットワークは、エンジンのためのセンサおよび計器からのデータ入力の収集に基づいて、エンジンの故障状態を予測するために使用されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、時間遅延ニューラルネットワーク(TDNN)を使用してもよく、これは、シーケンス位置に依存しない特徴を認識するシーケンシャルデータのためのフィードフォワードアーキテクチャを構成してもよい。実施形態では、データの時間シフトを考慮するために、遅延が1つ以上の入力に、または1つ以上のノード間に追加され、複数のデータポイント(時間内の異なるポイントからの)が一緒に分析されるようになる。時間遅延ニューラルネットワークは、パーセプトロンネットワークを使用するなど、より大きなパターン認識システムの一部を形成してもよい。実施形態では、TDNNは、接続重みがバックプロパゲーションで訓練されるか、またはフィードバックの下で訓練されるような、教師付き学習で訓練されてもよい。実施形態では、TDNNは、速度データのストリーム、加速度データのストリーム、温度データのストリーム、圧力データのストリームなど、異なるストリームからのセンサデータを処理するために使用されてもよく、ここで、時間遅延は、様々なストリームの理解を伴うパターンの理解を助けるように、データストリームを時間的に整列させるために使用される(例えば、産業用機械が過熱すると圧力および加速度の増加が生じる)。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、畳み込みニューラルネットワーク(場合によってはCNN、ConvNet、シフト不変ニューラルネットワーク、または空間不変ニューラルネットワークと呼ばれる)を使用してもよい。実施形態では、ユニットは、人間の脳の視覚皮質に類似したパターンで接続されている。ニューロンは、受容野と呼ばれる空間の制限された領域で刺激に応答してもよい。受容野は、部分的に重なり合って、全体(例えば、視覚野)を覆うようになることがある。ノード応答は、最小の前処理を使用する多層パーセプトロンを使用するような畳み込み演算によって、数学的に計算されてもよい。畳み込みニューラルネットワークは、ドローンまたは移動ロボットのような移動データコレクタ上に配置されたカメラシステムを使用して、大規模な環境における機械の種類を認識するためなど、画像およびビデオストリーム内での認識に使用されてもよい。実施形態では、畳み込みニューラルネットワークは、センサ入力および他の文脈情報を含むデータ入力に基づいて、モバイルデータコレクタのための経路を推薦するような推薦を提供するために使用されてもよい。実施形態では、畳み込みニューラルネットワークは、入力を処理するために使用されてもよく、例えば、環境内のワークフローに関与する1つ以上の当事者によって提供される指示の自然言語処理のために使用されてもよい。実施形態では、畳み込みニューラルネットワークは、多数のニューロン(例えば、10万、50万またはそれ以上)、複数(例えば、4、5、6またはそれ以上)の層、および多数(例えば、数百万)のパラメータを有するニューロンを用いて配置されてもよい。畳み込みニューラルネットは、1つ以上の畳み込みネットを使用してもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、新興現象(例えば、産業環境において以前には理解されていなかった新しいタイプの故障など)を認識するために、規制フィードバックネットワークを使用してもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、教師なし学習を含む自己組織化マップ(「SOM」)を使用してもよい。ニューロンのセットは、入力空間内の点を出力空間内の座標にマッピングすることを学習してもよい。入力空間は出力空間とは異なる次元とトポロジーを持つことができ、SOMは現象をグループにマッピングしながらこれらを保持することができる。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、学習ベクトル量子化ニューラルネット(「LVQ」)を使用してもよい。クラスのプロトタイプの代表は、適切な距離尺度とともに、距離ベースの分類スキームにおいてパラメータ化されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、エコー状態ネットワーク(「ESN」)を使用してもよく、このネットワークは、まばらに接続されたランダムな隠れ層を有するリカレントニューラルネットワークから構成されてもよい。出力ニューロンの重みが変更されてもよい(例えば、重みはフィードバックに基づいて訓練されてもよい)。実施形態では、ESNは、時系列パターンを処理するために使用されてもよく、例えば、一例では、産業用タービン、発電機などのギアシフトに関連するイベントのパターンを認識することができる。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、有限の値のシーケンス(例えば、センサからの電圧値)を使用して、その要素の過去および未来の文脈の両方に基づいてシーケンスの各要素を予測またはラベル付けするような、双方向のリカレント・ニューラル・ネットワーク(「BRNN」)を使用してもよい。これは、2つのRNNの出力を加算することによって行われてもよく、例えば、1つは左から右にシーケンスを処理し、もう1つは右から左にシーケンスを処理する。結合された出力は、教師または監督者によって提供されるような目標信号の予測である。双方向RNNは、長短記憶RNNと組み合わせてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載された方法およびシステムは、有用なサブプログラムへの分解などの階層的な動作を行うために、様々な方法で要素を接続する階層的RNNを使用してもよい。実施形態では、階層的RNNは、産業環境におけるデータ収集のための1つ以上の階層的テンプレートを管理するために使用されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、確率的ニューラルネットワークを使用してもよく、これはネットワークにランダム変動を導入してもよい。このようなランダム変動は、モンテカルロサンプリングなどの統計的サンプリングの一形態とみなすことができる。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、遺伝的スケールのリカレントニューラルネットワークを使用してもよい。そのような実施形態では、RNN(多くの場合、LSTM)が使用され、ここで、系列が、すべてのスケールが、2つの連続した点間の一次長さを通知するいくつかのスケールに分解される。1次のスケールは通常のRNNから構成され、2次のスケールは2つのインデックスで区切られたすべての点から構成されます。N次のRNNは,最初のノードと最後のノードを接続します.すべての様々なスケールからの出力は、メンバーの委員会として扱われ、関連するスコアは、次の反復のために遺伝的に使用されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、所定の例について一緒に「投票」する異なるニューラルネットワークの集合を含む。機械の委員会(「CoM」)を使用してもよい。ニューラルネットワークは局所的な最小値に悩まされることがあるため、同じアーキテクチャおよびトレーニングで開始しても、ランダムに異なる初期重みを使用すると、しばしば異なる結果が得られる。CoMは結果を安定させる傾向がある。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、複数のフィードフォワードニューラルネットワークとk-最近傍技術を組み合わせた機械の委員会の拡張を含むような、連想ニューラルネットワーク(「ASNN」)を使用してもよい。これは、アンサンブル応答間の相関を、kNNのために分析されたケースの中での距離の尺度として使用することができる。これにより、ニューラルネットワークのアンサンブルの偏りが補正される。連想ニューラルネットワークは、訓練セットと一致するメモリを持っていてもよい。新しいデータが利用可能になると、ネットワークは瞬時に予測能力を向上させ、再学習を行わずにデータの近似(自己学習)を提供します。ASNNのもう一つの重要な特徴は、モデル空間内のデータケース間の相関関係を分析することで、ニューラルネットワークの結果を解釈できることである。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、隠れ層および出力層の重みが訓練ベクトルデータから直接マッピングされる瞬間的に訓練されたニューラルネットワーク(「ITNN」)を使用してもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、入力のタイミングを明示的に考慮してもよいスパイクニューラルネットワークを使用してもよい。ネットワークの入力および出力は、一連のスパイク(デルタ関数またはより複雑な形状など)として表されてもよい。SNNは、時間領域の情報(例えば、産業機械の動的な動作を含む信号など、時間の経過とともに変化する信号)を処理することができます。SNNはリカレント・ネットワークとして実装されることが多いです。
実施形態では、エキスパートシステムまたは自己組織化能力を含む本明細書に記載の方法およびシステムは、非線形多変量挙動に対処する動的ニューラルネットワークを使用してもよく、過渡現象および遅延効果などの時間依存挙動の学習を含んでもよい。過渡現象は、回転シャフトまたは他の回転部品の可変速度など、シフトする産業用部品の挙動を含んでもよい。
実施形態では、カスケード相関は、固定トポロジーのネットワーク内の重みの調整を補完するアーキテクチャおよび教師付き学習アルゴリズムとして使用されてもよい。カスケード相関は、最小限のネットワークから始まってもよく、次に、自動的に訓練し、新しい隠れユニットを1つずつ追加して、多層構造を作成する。新しい隠れユニットがネットワークに追加されると、その入力側の重みは凍結されることがある。このユニットは、ネットワーク内の恒久的な特徴検出器となり、出力を生成したり、他のより複雑な特徴検出器を作成したりすることができます。カスケード相関アーキテクチャは、迅速に学習し、独自のサイズとトポロジーを決定し、学習セットが変化しても、構築した構造を保持し、バックプロパゲーションを必要としません。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、人工ニューラルネットワークの本体にファジィ推論システムを関与させるようなニューラルファジィネットワークを使用してもよい。タイプによっては、複数の層が、ファジィ推論、推論、集約、デファジィ化などのファジィ推論に関与するプロセスをシミュレートしてもよい。ファジィシステムのパラメータを見つけるために利用可能な訓練方法を使用する利点として、ニューラルネットの一般的な構造にファジィシステムを埋め込むこと。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、活性化関数のセットおよびその適用方法が異なる連想ニューラルネットワーク(「ANN」)のバリエーションのような構成パターン生成ネットワーク(「CPPN」)を使用してもよい。典型的なANNはシグモイド関数(時にはガウス関数)のみを含むことが多いが、CPPNは両方のタイプの関数を含むことができ、他にも多くの関数を含むことができる。さらに、CPPNは、完全な画像を表現できるように、入力可能な空間全体に適用することができます。CPPNは、関数の合成であるため、実質的には無限の解像度で画像を符号化し,最適な解像度であれば何でも特定のディスプレイ用にサンプリングすることができる。
このタイプのネットワークは、再訓練なしに新しいパターンを追加することができる。実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、隣接して接続された階層アレイを使用して各新規パターンを直交平面に割り当てる特定のメモリ構造を作成することによって、ワンショット連想メモリネットワークを使用してもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、大脳新皮質の構造的およびアルゴリズム的特性を含むような階層的時間記憶(「HTM」)ニューラルネットワークを使用してもよい。HTMは、記憶予測理論に基づく生体模倣モデルを使用してもよい。HTMは、観察された入力パターンやシーケンスの高レベルの原因を発見し、推論するために使用されてもよい。
実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、ホログラフィック連想記憶(「HAM」)ニューラルネットワークを使用してもよく、このニューラルネットワークは、アナログ、相関ベース、連想、刺激応答システムから構成されてもよい。情報は、複素数の位相方位にマッピングされてもよい。この記憶は、連想記憶課題、一般化、注意力を変化させながらのパターン認識などに有効である。
実施形態では、ネットワークコーディングを含む様々な実施形態が、ノードが工業環境における1つ以上のデータコレクタまたは機械に配置されているような、ニューラルネットにおけるネットワークノード間の伝送データを符号化するために使用されてもよい。
実施形態では、方法およびシステムは、産業環境におけるセンサから収集された複数の入力を処理するためのエキスパートシステムを含む。例示的なシステムは、エキスパートシステムが、パターンを認識するための1種類のニューラルネットワークと、産業環境における活動を自己組織化するための別のニューラルネットワークとを使用するモジュラーニューラルネットワークを含む。実施形態では、パターンは、機械の故障状態を示す。実施形態では、自己組織化された活動は、環境におけるシステムの自律制御を支配する。実施形態では、エキスパートシステムは、認識されたパターンに少なくとも部分的に基づいて活動を組織化する。
実施形態では、方法およびシステムは、産業環境においてセンサから収集された複数の入力を処理するためのエキスパートシステムを含む。例示的なシステムは、モジュラーニューラルネットワークを含み、ここで、エキスパートシステムは、アイテムを分類するための1つのニューラルネットワークと、アイテムの状態を予測するための別のニューラルネットワークとを使用する。実施形態では、アイテムを分類することは、環境中のマシン、コンポーネント、およびマシンの動作モードを識別することのうちの少なくとも1つを含む。実施形態では、状態を予測することは、故障状態、動作状態、予想される状態、およびメンテナンス状態のうちの少なくとも1つを予測することを含む。
実施形態では、方法およびシステムは、産業環境においてセンサから収集された複数の入力を処理するためのエキスパートシステムを含む。例示的なシステムは、モジュラーニューラルネットワークを含み、ここで、エキスパートシステムは、状態およびコンテキストの少なくとも1つを決定するための1つのニューラルネットワークと、少なくとも1つの状態またはコンテキストを含むプロセスを自己組織化するための別のニューラルネットワークとを使用する。実施形態では、状態またはコンテキストは、マシン、プロセス、ワークフロー、マーケットプレイス、ストレージシステム、ネットワーク、およびデータコレクタの少なくとも1つの状態を含む。実施形態では、自己組織化されたプロセスは、データ保存プロセス、ネットワークコーディングプロセス、ネットワーク選択プロセス、データマーケットプレイスプロセス、発電プロセス、製造プロセス、精錬プロセス、掘削プロセス、およびボーリングプロセスのうちの少なくとも1つを含む。
産業環境におけるセンサから収集された複数の入力を処理するためのエキスパートシステムであって、以下から構成される。フィードフォワードニューラルネットワーク、放射状基底関数ニューラルネットワーク、自己組織化ニューラルネットワーク、コホーネン自己組織化ニューラルネットワーク、リカレントニューラルネットワーク、モジュラーニューラルネットワーク、人工ニューラルネットワーク、物理ニューラルネットワーク、多層ニューラルネットワーク、畳み込みニューラルネットワーク、別のエキスパートシステムとのニューラルネットワークのハイブリッド、オートエンコーダーニューラルネットワーク、確率的ニューラルネットワーク、時間遅延ニューラルネットワークを含む。群から選択された少なくとも2つのニューラルネットワークを含む。モジュラーニューラルネットワーク。畳み込みニューラルネットワーク、調節フィードバックニューラルネットワーク、放射基底関数ニューラルネットワーク、リカレントニューラルネットワーク、ホプフィールドニューラルネットワーク、ボルツマンマシンニューラルネットワーク、自己組織化マップ(SOM)ニューラルネットワーク、学習ベクトル量子化(LVQ)ニューラルネットワーク。完全リカレントニューラルネットワーク、単純リカレントニューラルネットワーク、エコー状態ニューラルネットワーク、長期短期記憶ニューラルネットワーク、双方向ニューラルネットワーク、階層ニューラルネットワーク、確率ニューラルネットワーク、遺伝規模RNNニューラルネットワーク。機械委員会ニューラルネットワーク、連想ニューラルネットワーク、物理ニューラルネットワーク、瞬間的に訓練されたニューラルネットワーク、スパイクニューラルネットワーク、新認識ニューラルネットワーク、動的ニューラルネットワーク、カスケードニューラルネットワーク、ニューロファジィニューラルネットワーク、構成パターン生成ニューラルネットワーク、記憶ニューラルネットワーク、階層的時間記憶ニューラルネットワーク、ディープフィードフォワードニューラルネットワーク、ゲーテッドリカレントユニット(GCU)ニューラルネットワーク、オートエンコーダーニューラルネットワーク、変分オートエンコーダーニューラルネットワーク、デノイジングオートエンコーダーニューラルネットワーク。疎な自動エンコーダーニューラルネットワーク、マルコフ連鎖ニューラルネットワーク、制限ボルツマンマシンニューラルネットワーク、ディープビリーフニューラルネットワーク、ディープコンボリューションニューラルネットワーク、デコンボリューションニューラルネットワーク、ディープコンボリューションインバースグラフィックスニューラルネットワーク、生成的敵対ニューラルネットワーク、液体状態マシンニューラルネットワーク、極限学習マシンニューラルネットワーク、エコー状態ニューラルネットワーク、ディープ残差ニューラルネットワーク、サポートベクトルマシンニューラルネットワーク、ニューラルチューリングマシンニューラルネットワーク、ホログラフィック連想記憶ニューラルネットワークなどがある。
実施形態では、方法およびシステムは、産業環境でデータを収集することを含む。例示的なシステムは、モバイルデータコレクタに具現化された物理ニューラルネットワークを含む。実施形態では、モバイルデータコレクタは、異なるタイプの入力を処理するために異なるニューラルネット構成がデータコレクタ内で有効になるように、異なる構成で入力をルーティングすることによって再構成されるように適合されている。実施形態では、再構成は、エキスパートシステムの制御下で行われる。実施形態では、エキスパートシステムは、ソフトウェアベースのニューラルネットを含む。実施形態では、ソフトウェアベースのシステムは、データコレクタ上に配置されている。実施形態では、ソフトウェアベースのシステムは、データコレクタから遠隔に配置されている。
実施形態では、方法およびシステムは、産業環境から収集されたデータを処理することを含む。例示的なシステムは、1つ以上の産業環境から収集されたデータストリームおよび他の入力を受信し、1つ以上のネットワークを介してクラウドプラットフォームに送信されるクラウドプラットフォームに配置された複数のニューラルネットワークを含む。実施形態では、ニューラルネットワークは異なるタイプのものである。実施形態では、複数のニューラルネットワークは、少なくとも1つのモジュラーニューラルネットワークを含む。実施形態では、複数のニューラルネットワークは、少なくとも1つの構造適応型ニューラルネットワークを含む。実施形態では、ニューラルネットワークは、例えば、同じ産業環境からの入力データセットを処理して出力を提供し、その出力を少なくとも1つの成功の尺度と比較することによって、エキスパートシステムの制御下で互いに競合するように構成されている。実施形態では、遺伝的アルゴリズムが、競合するニューラルネットワークのバリエーションおよび選択を容易にするために使用される。実施形態では、成功の尺度は、予測精度の尺度、分類精度の尺度、効率の尺度、利益の尺度、メンテナンスの尺度、安全の尺度、および歩留まりの尺度のうちの少なくとも1つを含む。
実施形態では、例示的なシステムは、ニューラルネットワークにおけるネットワークノード間のデータ伝送を符号化するためのネットワーク符号化システムを含む。実施形態では、ノードは、1つ以上のデータコレクタ、1つ以上のストレージシステム、および産業環境に配置された1つ以上のネットワーク装置のうちの少なくとも1つに配置されたハードウェア装置を含む。
産業用IoTのデータ収集、監視、制御環境の中には、大規模で多様なセンサセットがあり、効率的なセットアップとセンサデータ収集のタイムリーな変更が課題となっている。センサデータコレクタ、入出力インターフェース、データ転送設備、データストレージ、データ分析設備などの利用可能性と性能の様々な制限を含む、電力の限られた利用可能性や限られたデータ収集・管理設備などの限られたリソースを考慮すると、すべてのセンサからの連続的な収集が不可能な場合がある。したがって、任意の時点で収集されるセンサの数は、システムの状態の変化、動作条件(例えば、アラート状態、動作モードの変化など)、またはそのような変化に基づく現在の収集スキームへの迅速な変更への対応を含む、初期収集の設定時および収集のプロセス中の両方において、インテリジェントでありながらタイムリーな方法で制限されなければならない。したがって、本明細書に開示された方法およびシステムの実施形態は、階層的なテンプレートを活用すること、スマートルート変更の実行、動作状態の変化を監視して応答すること、などのような、ルーティング収集者のための迅速なルートの作成および変更を含むことができる。
実施形態では、産業環境におけるデータ収集のための迅速な経路の作成および修正は、階層的なテンプレートを利用してもよい。テンプレートは、同じ階層的センサ・ルーティング・スキームを利用することができる「似たような」機械を利用するために使用されてもよい。例えば、データが収集されるかもしれない機械の多くの可能なタイプの中で、ステッピングモータのクラスのような特定のクラスのモータのメンバーは、センサ収集ルーチンの共通の階層に記述されているかもしれないルーチン操作、ルーチンメンテナンス、および故障モード検出のような非常に類似したセンサルーティングのニーズを持っているかもしれない。次に、新しいステッピングモータを設置するユーザは、新しいモータのために「ステッピングモータ階層ルーティングテンプレート」を使用してもよい。設置後、ステッパモータ階層ルーティングテンプレートは、次に、条件を変更するためのルーティングスキームを変更するために使用されてもよい。ユーザは、任意に、固有のモータ機能、アプリケーション、環境、モードなどごとに、必要に応じてテンプレートを調整してもよい。ルーティングスキームを展開するためのテンプレートを使用することで、新しいモータのためにルーティングスキームを構成したり、従来のセンサ収集方法を利用している既存のシステムに新しいルーティング技術を展開したりするために必要な時間を大幅に短縮することができます。階層型ルーティングテンプレートが配置されると、テンプレートに基づいてセンサ収集ルーチンを迅速に変更することができるため、ステッピングモータの動作モードが変更されて監視用の異なるセンサのサブセットが必要になった場合や、問題の診断に使用するセンサのサブセットをより集中的に必要とするリミットアラートや故障の表示など、状況が変化した場合に迅速にルートを変更することができます。階層的なルーティングテンプレートにより、センサルーティング構成の迅速な展開が可能になり、また、センシングされた産業環境を状況の変化に応じて動的に変更することができます。
ルーティングテンプレートの機能階層は、全センサと、全センサのサブセットから形成された複数の構成とを含む、コンポーネント、マシン、システム、産業環境などのための異なる階層構成を含んでもよい。システムレベルでは、「すべてのセンサ」構成は、システム内のすべてのセンサへの接続マップ、すべてのオンボード計装センサ(例えば、機械または機械のセット内で報告する監視ポイント)へのマッピング、環境のセンサ(例えば、機械/装置の周囲の監視ポイントであるが、必ずしもオンボードである必要はない)へのマッピング、データコレクタ上の利用可能なセンサへのマッピング(例えば、異なる種類の中の特定のデータに対して柔軟に提供可能なデータコレクタ)、異なる個々のマッピングを組み合わせた統一マップ、などを含んでもよい。ルーティング構成は、運用ルーティングスキーム、定期メンテナンスルーティングスキーム(例えば、運用モードよりも全体的なセンサのセットから収集するが、システム全体に分散している、または特定のコンポーネント、機能、およびモードのための集中センサセット)、異なる故障モード分析を対象とする複数の集中センサ収集グループのための1つまたは複数の故障モードルーティングスキーム(例えば、モータの場合、1つの故障モードは、システム全体に分散しているが、システム全体に分散している)、複数の集中センサ収集グループのための1つまたは複数の故障モードルーティングスキーム(例えば、モータの場合、1つの故障モードは、システム全体に分散している。例えば、モータの場合、1 つの故障モードはベアリングに関するものであり、別の故障モードは起動速度-トルクに関するものであるかもしれませんが、運転中またはメンテナンス中に取得された異常な測定値から検出されるなど、故障モードに基づいてセンサデータの異なるサブセットが必要とされます)、省電力(例えば、プラントの電力を削減する必要がある気象条件)、など。
上述したように、階層テンプレートはまた、条件付き(例えば、ルールベース)であってもよく、例えば、最初の収集期間中に感知されたデータのようなパラメータに基づく条件付きルーティングを有するテンプレートであって、その後のルーティング構成が変化するようなテンプレートであってもよい。階層内では、グラフまたはツリー内のノードは、所定の動作モードのためにセンサの所定のサブセットを選択するような、条件付きロジックが使用され得るフォークを示してもよい。このように、階層テンプレートは、ルールベースまたはモデルベースのエキスパートシステムに関連付けられてもよく、このシステムは、階層テンプレートに基づいて、機械の種類およびその動作状態、環境コンテキストなどの観察された条件に基づいて、自動ルーティングを容易にしてもよい。非限定的な例では、階層テンプレートは、初期収集構成と、初期収集構成から第2収集構成への切り替えを、初期センサ収集の感知された条件に基づいて行うための条件階層とを備えていてもよい。この例を続けると、様々な可能性のある機械の中で、コンベヤシステムは、初期収集のための複数のセンサを有してもよいが、第1のデータが収集されて分析されると、コンベヤがアイドル状態にあると判断された場合(例えば、モーションセンサ上の最小閾値以上の信号がないことに起因する)、システムは、コンベヤのアイドル状態に適したセンサデータ収集レジームに切り替えてもよい(例えば、以下のようなものがある。例えば、アイドル状態からの離脱を検出するためにモーションセンサを使用するなど、複数のセンサの非常に小さなサブセットを使用して、その時点で元のレジームを更新し、センサセットの残りの部分を再エンゲージすることができます)。このように、センサデータの収集が、状態、動作モード、環境状態などへの変化を検出したときに、センサデータの収集を適切な構成に切り替えてもよい。
1 つのコレクタの階層テンプレートは、他のコレクタのそれとの ルーティングの調整に基づいているかもしれない。例えば、各マシンが各マシンのすべてのデータを収集するのではな く、別のコレクタが類似したマシンのセットで各マシンの圧力または温度を 実行するようにセットアップされている間に、あるコレクタが振動分析を実行す るようにセットアップされているかもしれない。必要なサンプリングの期間、所定のセンサをセットアップするのに必要な時間、消費される電力量、 全体として収集に利用可能な時間、センサおよび/またはコレクタの入出力のデータレート、 収集したデータの送信に利用可能なチャネル(有線または無線)の帯域幅などの 要因は、2 つ以上のコレクタのルーティングの調整を配置する際に考慮することがで き、そのような場合、全体的な有効性を達成するためにさまざまな並列および シリアル構成が実施される可能性がある。これは、ルールベースの最適化、モデルベースの最適化、または機械学習を用いた最適化などのエキスパートシステムを用いて調整を最適化することを含んでもよい。
機械学習システムは、デフォルトの動作条件(例えば、通常の動作モード、システムオンライン、平均生産)、ピーク動作モード(最大能力)、スラック生産などをシステムに教えるために、ルーティングを改善するための階層テンプレート構造を作成してもよい。機械学習システムは、監視された条件に基づいて、例えば、生産レベルプロファイル、生産率プロファイル、検出された故障モードパターン分析などに基づくテンプレートなど、新たな階層テンプレートを作成してもよい。機械学習で作成された新しいテンプレートの適用は、現在の生産条件と機械学習テンプレート条件との間のモードマッチングに基づいてもよい(例えば、機械学習システムは、新しい生産プロファイルのための新しいテンプレートを作成し、その新しいプロファイルが検出されるたびに、その新しいテンプレートを適用する)。
迅速なルート作成は、ルーティングテンプレートが異なる条件のためのルーティングスキームを事前に確立している場合や、トリガイベントが条件に対応するためにセンサのルーティングスキームの変更を実行する場合など、1つ以上の階層的なルーティングテンプレートを使用して有効化されてもよい。実施形態では、トリガイベントは、ルーティングスキームの変更を運用から故障モード解析に強制する可能性のある故障モードを示すトリガに基づくルーティングの自動変更であってもよく、受信したセンサデータに基づいて人間が実行するルーティングスキームの変更であってもよく、変更をトリガするタイミングの機械学習に基づく学習されたルーティング変更であってもよい(例えば、以下のように。手動ルーティング変更(例えば、オプションで自動/迅速な自動変更に変更)、観察されたデバイスのパフォーマンスに基づいて人が実行した変更などがある。ルーティング変更には、動作モードから保守の加速化への変更、故障モードの解析、省電力モード、高性能/高出力モード(例えば、発電所のピーク電力のための)などが含まれます。
切り替え階層テンプレート構成は、エンドデバイスセンサとの接続性に基づいて実行されてもよい。高度に自動化された収集ルーティング環境(例えば、屋内ネットワーク化された組立工場)では、異なるルーティング収集構成が、固定および柔軟性のある産業用レイアウトに対して採用されてもよい。エンドデバイスセンサ、自動コレクタ、およびネットワーク間の高度な有線接続性を持つレイアウトなどの固定産業用レイアウトでは、ネットワークルーティング階層部分、コレクタセンサ-コレクション階層部分、ストレージ部分などに異なるルーティング構成が存在する可能性がある。エンドデバイスセンサ、自動収集器、およびネットワーク間の様々な有線および無線接続を有する、より柔軟な産業用レイアウトのために、異なるスキームがあってもよい。例えば、適度に自動化された収集ルーティング環境は、次のものを含んでもよい:自動収集と定期的なネットワーク接続;定期的な収集のためのロボットを搭載した収集器(例えば。地上に設置されたロボット、ドローン、水中装置、ネットワーク接続を有するロボット、断続的なネットワーク接続を有するロボット、定期的にコレクションをアップロードするロボット);定期的なコレクションと自動ルーティングを有するルーティングスキーム;定期的なコレクションのみを収集するが、収集時に直接ルーティングするスキーム;定期的に収集するための定期的なコレクションと定期的な自動ルーティングを有するルーティングスキーム;およびより長い期間にわたって、複数のコレクションを定期的にルーティングするスキーム;などが挙げられる。自動収集ルーティングの程度が低い場合には、自動収集と人力収集者(例えば、人間が単独で収集を行い、ロボットに支援された人間)、予定された収集と人力収集者(例えば、人間が収集を開始し、人間が収集開始のためにロボットに支援され、人間がドローンを起動して遠隔地でデータを収集する)、およびそのような組み合わせがあり得る。
実施形態では、図137を参照して、階層テンプレートは、センサ10514、IoTデバイス10516などからのデータなど、複数の入力チャネル10500を介して収集されたデータの収集および監視のために、ローカルデータ収集システム10500によって利用されてもよい。本明細書ではデータ収集システム10512とも呼ばれるローカル収集システム10512は、データストレージ10502;データ収集回路10504;データ分析回路10506;などから構成されてもよい。実施形態では、監視設備は、データコレクタ10512上に局所的に配置されてもよい;部分的にはデータコレクタ上に局所的に配置され、部分的にはデータコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に配置されてもよい;などのように構成されてもよい。監視設備は、データコレクタ10512に通信的に結合された複数の入力チャネルから構成されてもよい。データストレージ10502は、入力チャネル10500に対応する複数のコレクタ経路テンプレート10510およびセンサ10514のセンサ仕様を格納するように構成されてもよい。実施形態では、複数のコレクタ経路テンプレート10510は、それぞれ異なるセンサ収集ルーチンを構成する。データ収集回路10504は、入力チャネル10500の少なくとも1つに対応する複数の検出値のそれぞれを解釈するように構成されてもよく、データ分析回路10506は、複数の入力チャネル10500から出力データを受信し、受信した出力データに基づいて現在のルーティングテンプレート収集ルーチンを評価するように構成されてもよい。実施形態では、データコレクタ10512は、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている。監視システムは、機械学習システム(例えば、ニューラルネットワークエキスパートシステム)、ルールベースのテンプレート(例えば、入力チャネルが情報を提供する、入力チャネルが情報を提供する、入力チャネルが情報を提供する、入力チャネルが情報を提供する)、スマートルート変更、アラーム状態、ネットワーク接続性、複数のデータコレクタ間の自己組織化、センサグループの調整などをさらに利用してもよい。
実施形態では、現在のルーティングテンプレートの評価は、通常動作モード、ピーク動作モード、アイドル動作モード、保守動作モード、省電力動作モードなどの動作モードルーティング収集スキームに基づいてもよい。監視の結果、データコレクタは、データ解析回路が、運転モードが運転モードから保守加速モードに変化したこと、運転モードが運転モードから故障モード解析モードに変化したこと、運転モードが運転モードから省電力運転モードに変化したこと、運転モードが運転モードから高性能運転モードに変化したことなどの運転モードの変化を判定したため、カレントルーティングテンプレート収集ルーチンから切り換えてもよい。データコレクタは、故障状態、性能状態、電力状態、温度状態、振動状態などの動作モードの変化を感知したことに基づいて、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。現在のルーティングテンプレート収集ルーチンの評価は、ネットワークの可用性、センサの可用性、時間ベースの収集ルーチン(例えば、スケジュール上、時間をかけて)などの収集パラメータに関する収集ルーチンに基づいてもよい。
複数の入力チャネルに通信的に結合されたデータコレクタと、複数のコレクタルートテンプレートと、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構成されたデータストレージと、を含む。実施形態では、複数のコレクタ経路テンプレートは、それぞれ異なるセンサ収集ルーチンを構成する;複数の検出値のうちの複数の検出値のそれぞれが入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路;および複数の入力チャネルから出力データを受信し、受信した出力データに基づいて現在の経路テンプレート収集ルーチンを評価するように構成されたデータ解析回路。実施形態では、データコレクタは、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている。実施形態では、システムは、データコレクタ上に局所的に配置され、部分的にはデータコレクタ上に局所的に配置され、部分的にはコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に配置される。入力チャネルの各々は、環境内に配置されたセンサに対応してもよい。現在のルーティングテンプレートの評価は、運用モードルーティング収集スキームに基づいてもよい。動作モードは、通常動作モード、ピーク動作モード、アイドル動作モード、保守動作モード、省電力動作モードのうちの少なくとも1つである。データコレクタは、データ解析回路が、運転モードが運転モードから保守加速モードに変化する場合、運転モードから故障モード解析モードに変化する場合、運転モードから省電力運転モードに変化する場合、運転モードから高性能運転モードに変化する場合などの運転モードの変化を判定するため、現在のルーティングテンプレート収集ルーチンから切り換えてもよい。データコレクタは、感知された変化が故障状態、性能状態、電力状態、温度状態、振動状態などである場合など、動作モードの感知された変化に基づいて、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。現在のルーティングテンプレート収集ルーチンの評価は、収集パラメータに関する収集ルーチンに基づいてもよく、例えば、パラメータがネットワーク可用性、センサ可用性、時間ベースの収集ルーチン(例えば、ルーチンがスケジュールでセンサデータを収集し、時間をかけてセンサデータを評価する)などである。
実施形態では、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、次のように構成されます:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること、複数のコレクタルートテンプレートおよび入力チャネルに対応するセンサのためのセンサ仕様を格納するように構造化されたデータストレージを提供すること。実施形態では、複数のコレクタ経路テンプレートはそれぞれ異なるセンサ収集ルーチンを構成する;複数の検出値のうちの少なくとも1つに対応する複数の検出値のそれぞれを解釈するように構成されたデータ収集回路を提供する;および複数の入力チャネルから出力データを受信し、受信した出力データに基づいて現在の経路テンプレート収集ルーチンを評価するように構成されたデータ分析回路を提供する。実施形態では、データコレクタは、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている。実施形態では、コンピュータ実装された方法は、データコレクタ上に局所的に展開され、例えば、データコレクタ上に部分的に展開され、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開され、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む1つ以上の非一過性のコンピュータ読み取り可能な媒体であって、実行されると、少なくとも1つのプロセッサに以下を含む。動作を実行させることができるコンピュータ実行可能命令を含む、1つ以上の非一過性のコンピュータ読み取り可能媒体を提供すること、複数の入力チャネルに通信的に結合されたデータコレクタを提供すること、複数のコレクタルートテンプレートおよび入力チャネルに対応するセンサのためのセンサ仕様を格納するように構成されたデータストレージを提供すること。実施形態では、複数のコレクタ経路テンプレートはそれぞれ異なるセンサ収集ルーチンを構成する;複数の検出値のうちの少なくとも1つに対応する複数の検出値のそれぞれを解釈するように構成されたデータ収集回路を提供する;および複数の入力チャネルから出力データを受信し、受信した出力データに基づいて現在の経路テンプレート収集ルーチンを評価するように構成されたデータ分析回路を提供する。実施形態では、データコレクタは、出力データの内容に基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている。実施形態では、命令は、データコレクタ上で部分的にローカルに展開されてもよく、例えば、データコレクタ上で部分的にローカルに展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上で部分的に展開されてもよく、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、産業環境におけるデータ収集のための監視システムは、複数の入力チャネルに通信的に結合されたデータコレクタと、複数のコレクタルートテンプレート、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構成されたデータストレージとから構成されていてもよい。実施形態では、複数のコレクタ経路テンプレートの各々は、異なるセンサ収集ルーチンを構成する;複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路;および複数の入力チャネルから出力データを受信し、経時的に受信された受信出力データに基づいて現在の経路テンプレート収集ルーチンを評価するように構成された機械学習データ解析回路。実施形態では、機械学習データ解析回路は、受信した出力データのパターンを学習する。実施形態では、データコレクタは、学習した受信出力データパターンに基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成されている。実施形態では、監視システムは、データコレクタ上に部分的にローカルに配置されてもよく、データコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよく、入力チャネルの各々は、環境内に配置されたセンサに対応する。機械学習データ解析回路は、ニューラルネットワークエキスパートシステムを含んでもよい。現在のルーティングテンプレートの評価は、運用モードのルーティング収集スキームに基づいてもよい。動作モードは、通常動作モード、ピーク動作モード、アイドル動作モード、保守動作モード、省電力動作モードのうちの少なくとも1つであってもよい。データコレクタは、データ解析回路が、動作モードが動作モードから保守加速モードに変化する場合、動作モードから故障モード解析モードに変化する場合、動作モードから省電力動作モードに変化する場合、動作モードから高性能動作モードに変化する場合などの動作モードの変化を判定するため、現在のルーティングテンプレート収集ルーチンから切り換えてもよい。データコレクタは、感知された変化が故障状態、性能状態、電力状態、温度状態、振動状態などである場合など、動作モードの感知された変化に基づいて、現在のルーティングテンプレート収集ルーチンから切り替えてもよい。現在のルーティングテンプレート収集ルーチンの評価は、収集パラメータに関する収集ルーチンに基づいてもよく、例えば、パラメータがネットワークの可用性、センサの可用性、時間ベースの収集ルーチン(スケジュール上でセンサデータを収集し、時間をかけてセンサデータを評価する)などである。
実施形態では、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること、複数のコレクタルートテンプレート、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構造化されたデータストレージを提供すること。実施形態では、複数のコレクタ経路テンプレートの各々は、異なるセンサ収集ルーチンを構成する;複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路を提供する;および複数の入力チャネルから出力データを受信し、経時的に受信された受信出力データに基づいて現在の経路テンプレート収集ルーチンを評価するように構成された機械学習データ解析回路を提供する。実施形態では、機械学習データ解析回路は、受信した出力データのパターンを学習する。実施形態では、データコレクタは、学習した受信出力データパターンに基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成される。実施形態では、方法は、データコレクタ上で部分的にローカルに展開されてもよく、例えば、データコレクタ上で部分的にローカルに展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上で部分的に展開されてもよく、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む。1つ以上の非一過性のコンピュータ読み取り可能な媒体であって、実行されると、少なくとも1つのプロセッサに次のような動作を実行させることができるコンピュータ実行可能命令を含んでいる:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること;複数のコレクタルートテンプレート、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構成されたデータストレージを提供すること。実施形態では、複数のコレクタ経路テンプレートの各々は、異なるセンサ収集ルーチンを構成する;複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路を提供する;および複数の入力チャネルから出力データを受信し、経時的に受信された受信出力データに基づいて現在の経路テンプレート収集ルーチンを評価するように構成された機械学習データ解析回路を提供する。実施形態では、機械学習データ解析回路は、受信した出力データのパターンを学習する。実施形態では、データコレクタは、学習された受信出力データパターンに基づいて、現在のルーティングテンプレート収集ルーチンから代替のルーティングテンプレート収集ルーチンに切り替えるように構成される。実施形態では、命令は、データコレクタ上で部分的にローカルに展開されてもよく、例えば、データコレクタ上で部分的にローカルに展開されてもよく、入力チャネルの各々が環境内に配置されたセンサに対応するように、データコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上で展開されてもよい。
具体的には、産業環境におけるデータ収集のための監視システムは、次のもので構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタ、コレクタルートテンプレート、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構成されたデータストレージ、および、複数の検出値のそれぞれが入力チャネルの少なくとも1つに対応するように構成されたデータ収集回路。実施形態では、コレクタ経路テンプレートは、センサ収集ルーチンからなり、複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値のそれぞれが入力チャネルの少なくとも1つに対応しており、複数の入力チャネルから出力データを受信し、受信した出力データを規則に従って評価するように構成されたデータ分析回路。実施形態では、データコレクタは、受信した出力データへのルールの適用に基づいてセンサ収集ルーチンを修正するように構成されている。実施形態では、システムは、データコレクタ上に部分的にローカルに配置されてもよく、データコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよく、入力チャネルの各々は、環境内に配置されたセンサに対応する。ルールは、入力チャネルが情報を提供するマシンの動作状態、入力チャネルが情報を提供するマシンの予測状態、入力チャネルが情報を提供するマシンの検出された故障状態などに基づいてもよい。受信した出力データの評価は、動作モードルーティング収集スキームに基づいてもよく、ここで、動作モードは、通常動作モード、ピーク動作モード、アイドル動作モード、保守動作モード、および省電力動作モードのうちの少なくとも1つである。データコレクタは、データ解析回路が、運転モードが運転モードからメンテナンス加速モードに変化する場合、運転モードから故障モード解析モードに変化する場合、運転モードから省電力運転モードに変化する場合、運転モードから高性能運転モードに変化する場合などの運転モードの変化を判定するので、センサ収集ルーチンを修正してもよい。データコレクタは、感知された変化が故障状態、性能状態、電力状態、温度状態、振動状態などである場合など、動作モードの感知された変化に基づいてセンサ収集ルーチンを修正してもよい。受信した出力データの評価は、収集パラメータに関して収集ルーチンに基づいてもよい。実施形態では、パラメータは、ネットワーク可用性、センサ可用性、時間ベースの収集ルーチン(例えば、スケジュール上または時間をかけてセンサデータを収集する)、およびそのようなものである。
実施形態では、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること、コレクタルートテンプレート、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構成されたデータストレージを提供すること。実施形態では、コレクタ経路テンプレートは、センサ収集ルーチンを構成する;複数の検出値のうちの複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路を提供する;および複数の入力チャネルから出力データを受信し、受信した出力データをルールに従って評価するように構成されたデータ分析回路を提供する。実施形態では、データコレクタは、受信した出力データへのルールの適用に基づいてセンサ収集ルーチンを修正するように構成されている。実施形態では、方法は、データコレクタ上で部分的にローカルに展開されてもよく、例えば、データコレクタ上で部分的にローカルに展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上で部分的に展開されてもよく、ここで、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む。1つ以上の非一過性のコンピュータ読み取り可能な媒体であって、実行されると、少なくとも1つのプロセッサに以下を含む。動作を実行させることができる、コンピュータ実行可能命令を含んでいる。実施形態では、コレクタルートテンプレートは、センサ収集ルーチンを構成する;複数の検出値を解釈するように構成されたデータ収集回路を提供する;複数の検出値のそれぞれが入力チャネルの少なくとも1つに対応する、複数の検出値を解釈するように構成されたデータ収集回路を提供する;および複数の入力チャネルから出力データを受信し、受信した出力データをルールに関して評価するように構成されたデータ分析回路を提供する。実施形態では、データコレクタは、受信した出力データへのルールの適用に基づいてセンサ収集ルーチンを修正するように構成されている。実施形態では、命令は、データコレクタ上で部分的にローカルに展開されてもよく、例えば、データコレクタ上で部分的にローカルに展開されてもよく、入力チャネルの各々が環境内に配置されたセンサに対応するように、データコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上で展開されてもよい。
産業環境における迅速なルート作成および変更は、分析または相関のためのデータ収集の動的選択を可能にする変更など、着信データまたはアラームに基づいてスマートなルート変更を採用してもよい。スマートルート変更は、システムが、入力データまたはアラームに基づいてセンサデータの現在のルーティングを変更することを可能にしてもよい。例えば、ユーザは、分析のためのセンサ収集のスケジュールを確立するルーティング構成を設定してもよいが、分析(またはアラーム)が特別な必要性を示す場合、システムは、その必要性に対処するためにセンサルーティングを変更してもよい。例えば、モータの早期故障の可能性を示す、振動センサセットの少なくとも1つの軸上の揺れのピーク振幅を急速に増加させるような、モータの振動プロファイルの変化(本開示全体に記載された機械のうちの1つの例として)が発生した場合、システムは、分析のためのより焦点を絞ったデータ収集を収集するようにルーティングを変更してもよい。例えば、モータのより多くの軸で収集を開始する、モータの追加のベアリングで収集を開始する、および/または他のセンサ(温度センサや熱流束センサなど)を使用して収集を開始するなど、故障モードが発生しているという最初の仮説を確認するか、または機械の状態または動作状態の分析を支援することができます。
検出された動作モードの変化は、迅速な経路変更を誘発してもよい。例えば、動作モードは、単点センサの範囲外検出、分析判定などの結果として検出され、経路変更を発生させてもよい。解析決定は、単点センサ解析、多点センサ解析、解析領域解析(例えば、時間プロファイル、周波数プロファイル、相関多点決定など)などを介して、センサ端点から検出されてもよい。別の実施例では、メンテナンスモードは、ルーチンメンテナンス中に検出されてもよく、その場合、ルーティングの変更は、異常な状態の下でデータをより高い速度で捕捉するためにデータ収集を増加させる。故障モードは、例えば、解析のためのデータ収集率の増加を誘発する機械の故障の短期的な可能性を示すアラームを介して検出されてもよい。パフォーマンスベースのモードは、出力レートのレベル(例えば、ピーク、スラック、アイドル)を検出するように検出されてもよく、これにより、状態に関連する異なるパフォーマンス監視およびメトリクスのための分析ニーズに対応するためにルーティングの変更が開始されてもよい。例えば、モータ、コンベア、組立ライン、発電機、タービンなどで高いピーク速度が検出された場合、ある期間の過去の測定値と比較して、過熱(温度センサまたは熱流束センサを使用して測定される)、過度の騒音(音響センサまたは騒音センサを使用して測定される)、過度の揺れ(1つまたは複数の振動センサを使用して測定される)などのピーク速度に典型的に関連する故障を監視するために、追加のセンサが使用されてもよい。
アラーム検出は、迅速なルート変更をトリガしてもよい。アラーム源は、フロントエンドコレクタ、ローカルインテリジェンスリソース、バックエンドデータ分析プロセス、周囲環境検出器、ネットワーク品質検出器、電力品質検出器、熱、煙、騒音、洪水などを含んでもよい。アラームタイプは、シングルインスタンス異常検出、マルチインスタンス異常検出、同時マルチセンサ検出、時間クラスタ化センサ検出(例えば、単一センサまたは複数センサ)、周波数プロファイル検出(例えば、アラームの発生率が時間の経過とともに増加するような異常検出、モータの物理的振動プロファイルが時間の経過とともに変化するようなセンサ出力の周波数成分の変化)などを含んでもよい。
機械学習システムは、学習されたアラームパターン分析に基づいてルーティングを変更してもよい。機械学習システムは、通常の動作状態の下で予想されるアラーム状態、ピーク動作状態の下で予想されるアラーム状態、コンポーネントの経年変化に基づいて予想されるアラーム状態(例えば、新品、動作寿命中、延長寿命中、保証期間中)などのシステムアラーム状態パターンを学習してもよい。機械学習システムは、アラームパターンの変化に基づいてルーティングを変更してもよく、例えば、システムが正常に動作しているが、ピーク動作アラームパターンを経験している場合(例えば、システムが動作すべきでないときに動作している場合)、システムが新しいが古いプロファイルを経験している場合(例えば、乳幼児死亡率の検出)などである。機械学習システムは、現在のアラームプロファイル対生産状態の予想される変化に基づいてルーティングを変更してもよい。例えば、プラント、システム、またはコンポーネントが、生産のランプアップの直前に平均以上のアラーム状態を経験している(例えば、生産の増加中に平均以上の故障を予言することができる)、たるむ直前に(例えば、増加したデータ取り込みルーティングスキームに基づいてメンテナンス手順をランプアップする機会であり得る)、計画外のイベント(例えば、天候、停電、再起動)の後に、などである。
急速な経路変更アクションは、次のようなものを含んでもよい:サンプリングのレートの増加(例えば、単一のセンサに対して、複数のセンサに対して)、サンプリングされるセンサの数の増加(例えば、デバイス上の他のセンサの同時サンプリング、近くのデバイス上の類似のセンサの協調的なサンプリング)、サンプリングのバーストの生成(例えば、一定期間の間、高レートでサンプリング)、およびそのようなもの。アクションは、スケジュール上で実行されてもよく、トリガーと協調して実行されてもよく、動作モードに基づいて実行されてもよい。トリガされたアクションには、異常データ、閾値レベルの超過、動作イベントのトリガ(例えば、起動モータトルクのための起動条件などで)などが含まれてもよい。
急速な経路変更は、運用ルーティングスキーム(例えば、通常の運用のためのセンサ収集のサブセット)、定期保守ルーティングスキーム(例えば、通常の運用のためのセンサ収集よりも増加して焦点を絞ったセンサ収集のセット)などのルーティングスキームの間で切り替えてもよい。センサデータの分布は、特定のコンポーネント、機能、およびモードのためのセンサ収集セットのように、システム全体にセンサ収集を分配するように変更されてもよい。故障モードルーティングスキームは、故障モードに基づいてセンサデータの異なるサブセットが必要とされる可能性がある(例えば、モータの場合、1 つの故障モードはベアリングに関するものであり、別の故障モードは始動速度-トルクに関するものであるかもしれない)、異なる故障モード分析を対象とした複数の焦点を絞ったセンサ収集グループを含んでもよい(例えば、運転中またはメンテナンス中に取得された異常な測定値で検出される)。省電力モードのルーティングは、気象条件がプラントの電力を削減する必要がある場合に実行されることがある。
ルート変更の動的な調整は、コレクタに関連する要因、またはネットワークの利用可能性と帯域幅などの接続性の要因に基づいて実行されてもよい。例えば、アラーム検出に関連付けられたデバイスのためにルーティングを変更してもよく、ここで、ネットワーク上のターゲットデバイスのためにルーティングを変更すると、帯域幅が解放される。ルーティングへの変更は、予め決められた期間だけ変更してから元に戻す、ユーザが指示するまで変更を維持する、ネットワークの可用性に基づいて期間を変更する、などのような継続時間を有してもよい。
実施形態では、図139を参照して、スマートルート変更は、センサ10522、IoTデバイス10524などからのデータなど、複数の入力チャネル10500を介して収集されたデータを収集して監視するためのローカルデータ収集システム10520によって実施されてもよい。本明細書ではデータ収集システム10520とも呼ばれるローカルデータ収集システム1002は、データストレージ10502、データ収集回路10504、データ分析回路10506、応答回路10508などから構成されてもよい。実施形態では、監視設備は、データコレクタ10520上に局所的に配置されてもよく、部分的にはデータコレクタ上に局所的に配置されてもよく、部分的にはデータコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に配置されてもよい。スマートルート変更は、データコレクタ間で状態メッセージが送信される場合など、データコレクタ間で実施されてもよい(例えば、第2の入力チャネルに近接して実装された入力チャネルから、入力センサの関連グループから、など)。監視システムは、データコレクタ10520に通信的に結合された複数の入力チャネル10500を構成してもよい。データ取得回路10504は、複数の検出値を解釈するように構成されてもよく、複数の検出値の各々は、入力チャネル10500の少なくとも1つに対応する。実施形態では、データ取得回路10504は、複数の入力チャネルに対応する入力チャネルの第1の経路からセンサデータを取得する。データ記憶部10502は、入力チャネル10500に対応するセンサ10522のセンサデータ、センサ仕様等を記憶するように構成されていてもよい。データ解析回路10506は、格納された予測状態情報に関してセンサデータを評価するように構成されてもよい。実施形態では、予測状態情報は、アラーム閾値レベルを含んでもよい。実施形態では、データ解析回路10506は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときに、アラーム状態を設定する。さらに、データ解析回路10506は、応答回路10508を有するルーティング制御設備に、ネットワークを介してアラーム状態を送信してもよい。応答回路10508は、ルーティング制御設備からルーティング変更指示を受信すると、データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成されていてもよい。ネットワーク伝送の場合、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含んでもよく、ここで、データコレクタは、データコレクタとルーティング制御設備との間のネットワークの通信パラメータ(例えば、時間周期パラメータ、ネットワーク接続および/または帯域幅可用性パラメータ)が満たされていない場合に、入力チャネルのルーティング変更を実行する。
実施形態では、アラーム状態は、範囲外検出を含む。動作モード検出、メンテナンス中に検出されたアラームを含む。メンテナンスモード検出、故障モード検出(例えば、コントローラが故障モード検出設備を通信する場合)、電力モード検出などの検出モードを示してもよい。実施形態では、アラーム状態は、予測された状態情報の電力関連制限データを示すものであり、性能モード検出である。実施形態では、アラーム状態は、予測された状態情報の高性能制限データなどを示す。前記監視システムは、前記第1の入力チャネルのグループ内の代替入力チャネルについてアラーム閾値レベルを超えたときに、前記第1の入力チャネルおよび前記代替入力チャネルに対するアラーム状態の設定が多重インスタンス異常検出であると判定された場合などに、前記アラーム状態を設定する解析回路をさらに含んでもよい。実施形態では、入力チャネルの第2のルーティングは、第1の入力チャネルと第2の入力チャネルとを含む。実施形態では、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ解析に寄与する。入力チャネルの第2のルーティングは、ルーティング収集パラメータの変更を含んでもよく、例えば、ルーティング収集パラメータがサンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどである。
実施形態では、図138を参照して、コレクタ経路テンプレート10510は、スマート経路変更のために利用されてもよく、センサ10514、IoTデバイス10516などからのデータなど、複数の入力チャネル10500を介して収集されたデータを収集して監視するためのローカルデータ収集システム10512によって実装されてもよい。本明細書ではデータ収集システム10512とも呼ばれるローカル収集システム10512は、データストレージ10502、データ収集回路10504、データ分析回路10506、応答回路10508などから構成されてもよい。実施形態では、監視設備は、データコレクタ10512上に局所的に配置されてもよく、部分的にはデータコレクタ上に局所的に配置されてもよく、部分的にはデータコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に配置されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタ;複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値の各々は、入力チャネルの少なくとも1つに対応している。実施形態では、データ取得回路は、複数の入力チャネルのうち複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶部;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、アラーム閾値レベルが入力チャネルの第1のグループの第1の入力チャネルに対して超過したときにアラーム状態を設定する;およびデータ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む。実施形態では、システムは、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。入力チャネルのグループは、第1の入力チャネルに関連するものであってもよく、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから少なくとも部分的に取り出される。アラーム状態は、検出モードを示してもよく、例えば、検出モードが範囲外検出を含む動作モード検出である場合、検出モードがメンテナンス中に検出されたアラームを含むメンテナンスモード検出である場合、検出モードが故障モード検出である場合などである。制御装置は、検出モードが電力モード検出であり、アラーム状態が予測状態情報の電力関連制限データを示す場合、検出モードが性能モード検出であり、アラーム状態が予測状態情報の高性能制限データを示す場合など、故障モード検出設備を通信してもよい。解析回路は、第1の入力チャネル群の代替入力チャネルについてアラーム閾値レベルを超えた場合、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が多重インスタンス異常検出であると判定された場合などに、アラーム状態を設定してもよい。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと第2の入力チャネルとを含む。実施形態では、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ分析に寄与する。入力チャネルの代替ルーティングは、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどのルーティング収集パラメータの変更を含んでもよい。
実施形態では、産業環境におけるデータ収集のための監視システムを実施するためのコンピュータ実装された方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること;複数の検出値を解釈するように構成されたデータ収集回路を提供すること、複数の検出値の各々が入力チャネルの少なくとも1つに対応している、複数の検出値を解釈するように構成されたデータ収集回路を提供すること。実施形態では、データ取得回路は、複数の入力チャネルのうちの複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループ内の第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路を提供する。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む。実施形態では、システムは、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、実行されると少なくとも1つのプロセッサに動作を実行させることができるコンピュータ実行可能命令を含む1つ以上の非一過性のコンピュータ可読媒体は、以下のように構成され得る:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること;複数の検出値を解釈するように構成されたデータ収集回路を提供すること、複数の検出値のそれぞれが入力チャネルのうちの少なくとも1つに対応するように構成されたデータ収集回路を提供すること。実施形態では、データ取得回路は、複数の入力チャネルのうちの複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを構成する。実施形態では、データ解析回路は、アラーム閾値レベルが入力チャネルの第1のグループの第1の入力チャネルに対して超過したときにアラーム状態を設定する;データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路を提供する。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む。実施形態では、命令は、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、産業環境におけるデータ収集のための監視システムは、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタ;複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値の各々は、入力チャネルの少なくとも1つに対応している。実施形態では、データ取得回路は、複数の入力チャネルのうち複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶部;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、アラーム閾値レベルが入力チャネルの第1のグループの第1の入力チャネルに対して超過したときにアラーム状態を設定し、ネットワークを介してアラーム状態をルーティング制御設備に送信する;およびルーティング制御設備からルーティング変更指示を受信したときに、データ収集のための入力チャネルのルーティングを入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む。実施形態では、データコレクタは、データコレクタとルーティング制御設備との間のネットワークの通信パラメータが満たされていない場合、入力チャネルのルーティング変更を自動的に実行する。実施形態では、命令は、データコレクタ上にローカルに展開されてもよく、データコレクタ上に部分的にローカルに展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。通信パラメータは、ルーティング制御機能が応答しなければならない期間パラメータであってもよい。通信パラメータは、ネットワーク接続パラメータや帯域幅要件などのネットワーク可用性パラメータであってもよい。第1の入力チャネルに関連する入力チャネルのグループは、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから少なくとも一部を取り出してもよい。また、アラーム状態は、範囲外検出を含む。動作モード検出、メンテナンス時に検出されたアラームを含む。メンテナンスモード検出などの検出モードを示していてもよい。また、検出モードは、コントローラが故障モード検出設備を通信した場合に、アラーム状態が、想定される状態情報の電力関連制限データを示す故障モード検出、アラーム状態が、想定される状態情報の高性能制限データを示す性能モード検出等のように、故障モード検出であってもよい。解析回路は、第1の入力チャネル群の代替入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定してもよく、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が多重インスタンス異常検出であると判定された場合などに、アラーム状態を設定してもよい。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと第2の入力チャネルとを含む。実施形態では、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ分析に寄与する。入力チャネルの代替ルーティングは、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどのルーティング収集パラメータの変更であってもよい。
実施形態では、産業環境におけるデータ収集のための監視システムを実施するためのコンピュータ実装された方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること;複数の検出値を解釈するように構成されたデータ収集回路を提供すること、複数の検出値の各々が入力チャネルの少なくとも1つに対応していること。実施形態では、データ取得回路は、複数の入力チャネルのうちの複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定し、ネットワークを介してアラーム状態をルーティング制御設備に送信すること;およびルーティング制御設備からルーティング変更指示を受信したときに、データ収集のための入力チャネルのルーティングを入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路を提供することを特徴とする。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む。実施形態では、データコレクタは、データコレクタとルーティング制御設備との間のネットワークの通信パラメータが満たされていない場合、入力チャネルのルーティング変更を自動的に実行する。実施形態では、命令は、データコレクタ上にローカルに展開されてもよく、データコレクタ上に部分的にローカルに展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む。1つ以上の非一過性のコンピュータ可読媒体であって、実行されると、少なくとも1つのプロセッサに以下を含む。動作を実行させることができる:データコレクタを提供すること;複数の入力チャネルの少なくとも1つに通信的に結合された複数の検出値を解釈するように構成されたデータ収集回路を提供すること;複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路を提供すること、を含む動作を実行する。実施形態では、データ取得回路は、複数の入力チャネルのうちの複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定し、そのアラーム状態をネットワークを介してルーティング制御設備に送信すること;およびルーティング制御設備からルーティング変更指示を受信したときに、データ収集のための入力チャネルのルーティングを、入力チャネルの第1のルーティングから入力チャネルの代替ルーティングに変更するように構成された応答回路を提供することを特徴とする。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力チャネルに関連する入力チャネルのグループとを含む。実施形態では、データコレクタは、データコレクタとルーティング制御設備との間のネットワークの通信パラメータが満たされていない場合、入力チャネルのルーティング変更を自動的に実行する。実施形態では、命令は、データコレクタ上にローカルに展開されてもよく、データコレクタ上に部分的にローカルに展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、産業環境におけるデータ収集のための監視システムは、次のように構成されてもよい:複数の入力チャネルに通信的に結合された第1および第2のデータコレクタ;複数の検出値を解釈するように構成されたデータ収集回路であって、複数の検出値の各々は、入力チャネルの少なくとも1つに対応している。実施形態では、データ取得回路は、複数の入力チャネルのうち複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶部;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;第2のデータコレクタと通信するように構成された通信回路。実施形態では、第2のデータコレクタは、入力チャネルの第1の経路から第1の入力チャネルに関連する状態メッセージを送信する;および第2のデータコレクタからの状態メッセージに基づいて、データ収集のための入力チャネルの経路を、入力チャネルの第1の経路から入力チャネルの代替経路に変更するように構成された応答回路。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力センサに関連する入力チャネルのグループとを含む。実施形態では、システムは、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。第2のデータコレクタから送信されるセット状態メッセージは、第1の入力チャネルに近接して取り付けられた第2の入力チャネルからのものであってもよい。第2のコントローラから送信されるセットアラームは、第1の入力センサを構成する入力センサの関連グループの一部である第2の入力センサからであってもよい。第1の入力チャネルに関連する入力チャネルのグループは、第1の入力チャネルのルーティングに含まれない複数の入力チャネルから少なくとも一部を取り出してもよい。アラーム状態は、検出モードを示すものであってもよく、例えば、検出モードが範囲外検出を含む。動作モード検出である場合、メンテナンス時に検出されたアラームを含む。メンテナンスモード検出である場合、故障モード検出である場合などである。制御装置は、検出モードが電力モード検出であり、アラーム状態が予測状態情報の電力関連制限データを示す場合、検出モードが性能モード検出であり、アラーム状態が予測状態情報の高性能制限データを示す場合など、故障モード検出設備を通信してもよい。解析回路は、第1の入力チャネル群の代替入力チャネルについてアラーム閾値レベルを超えたときにアラーム状態を設定してもよく、例えば、第1の入力チャネルおよび代替入力チャネルに対するアラーム状態の設定が多重インスタンス異常検出であると判定された場合などに、アラーム状態を設定してもよい。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと第2の入力チャネルとを含む。実施形態では、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ分析に寄与する。入力チャネルの代替ルーティングは、サンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどのルーティング収集パラメータの変更であってもよい。
実施形態では、産業環境におけるデータ収集のための監視システムを実施するためのコンピュータ実装された方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合された第1および第2のデータコレクタを提供すること;複数の検出値を解釈するように構成されたデータ収集回路を提供すること、複数の検出値のそれぞれが入力チャネルのうちの少なくとも1つに対応するように構成されたデータ収集回路を提供すること。実施形態では、データ取得回路は、複数の入力チャネルのうちの複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;第2のデータコレクタと通信するように構成された通信回路を提供する。実施形態では、第2のデータコレクタは、入力チャネルの第1の経路から第1の入力チャネルに関連する状態メッセージを送信し、第2のデータコレクタからの状態メッセージに基づいて、データ収集のための入力チャネルの経路を、入力チャネルの第1の経路から入力チャネルの代替経路に変更するように構成された応答回路を提供する。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力センサに関連する入力チャネルのグループとを含む。実施形態では、方法は、データコレクタ上に局所的に展開されてもよく、データコレクタ上に部分的に局所的に展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む。1つ以上の非一過性のコンピュータ可読媒体であって、実行されると、少なくとも1つのプロセッサに以下を含む。動作を実行させることができる:複数の入力チャネルに通信的に結合された第1および第2のデータコレクタを提供すること;複数の検出値を解釈するように構成されたデータ収集回路を提供すること、複数の検出値の各々が入力チャネルの少なくとも1つに対応するように構成されたデータ収集回路を提供すること、を含む。実施形態では、データ取得回路は、複数の入力チャネルのうちの複数の入力チャネルに対応する第1の経路からセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;第2のデータコレクタと通信するように構成された通信回路を提供する。実施形態では、第2のデータコレクタは、入力チャネルの第1の経路から第1の入力チャネルに関連する状態メッセージを送信し、第2のデータコレクタからの状態メッセージに基づいて、データ収集のための入力チャネルの経路を、入力チャネルの第1の経路から入力チャネルの代替経路に変更するように構成された応答回路を提供する。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと、第1の入力センサに関連する入力チャネルのグループとを含む。実施形態では、命令は、データコレクタ上に局所的に展開されてもよく、データコレクタ上に部分的に局所的に展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、産業環境におけるデータ収集のための監視システムは、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタ;複数の検出値を解釈するように構成されたデータ収集回路、複数の検出値の各々は、入力チャネルの少なくとも1つに対応し、複数の検出値の各々は、入力チャネルの少なくとも1つに対応する。実施形態では、データ取得回路は、複数の入力チャネルのうちの第1のグループからセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;そして、入力チャネルの第1のグループから収集されている入力チャネルを入力チャネルの代替グループに変更するように構成された応答回路。実施形態では、入力チャネルの代替グループは、第1の入力チャネルと、第1の入力センサに関連する入力チャネルのグループとを含む。実施形態では、システムは、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。第1の入力センサに関連する入力センサのグループは、第1の入力センサのグループに含まれない複数の入力センサから少なくとも一部を取り出してもよい。第1の入力チャネルに関連する入力チャネルの第1のグループは、少なくとも一部において、入力チャネルの第1のルーティングに含まれない複数の入力チャネルから取り出されてもよい。前記アラーム状態は、検出モードを示すものであってもよく、例えば、検出モードが、範囲外検出を含む。動作モード検出である場合、メンテナンス時に検出されたアラームを含む。メンテナンスモード検出である場合などである。検出モードは、コントローラが故障モード検出設備を通信する場所などの故障モード検出であってもよい。検出モードは、アラーム状態が予測状態情報の電力関連制限データを示す電力モード検出であってもよい。検出モードは、アラーム状態が予測状態情報の高性能制限データを示す性能モード検出であってもよい。解析回路は、第1の入力チャネル群の代替入力チャネルに対してアラーム閾値レベルを超えた場合、例えば、第1の入力チャネルに対するアラーム状態の設定と代替入力チャネルに対するアラーム状態の設定とが多重インスタンス異常検出であると判定された場合にアラーム状態を設定してもよい。実施形態では、入力チャネルの代替ルーティングは、第1の入力チャネルと第2の入力チャネルとを含む。実施形態では、第1の入力チャネルおよび第2の入力チャネルからのセンサデータは、同時データ解析に寄与する。入力チャネルの代替グループは、ルーティング収集パラメータの変更を含んでもよく、例えば、ルーティング収集パラメータがサンプリングレートの増加、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどである。
実施形態では、産業環境におけるデータ収集のための監視システムを実施するためのコンピュータ実装された方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること;複数の検出値を解釈するように構成されたデータ収集回路を提供すること、複数の検出値の各々が入力チャネルの少なくとも1つに対応していること。実施形態では、データ取得回路は、複数の入力チャネルのうちの第1のグループからセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;そして、入力チャネルの第1のグループから収集されている入力チャネルを入力チャネルの代替グループに変更するように構成された応答回路を提供する。実施形態では、入力チャネルの代替グループは、第1の入力チャネルと、第1の入力センサに関連する入力チャネルのグループとを含む。実施形態では、方法は、データコレクタ上に局所的に展開されてもよく、部分的にはデータコレクタ上に局所的に展開されてもよく、部分的にはコレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む。1つ以上の非一過性のコンピュータ可読媒体であって、実行されると、少なくとも1つのプロセッサに次のような動作を実行させることができる:データコレクタを提供すること;複数の入力チャネルの少なくとも1つに通信的に結合された複数の検出値を解釈するように構成されたデータ収集回路を提供すること;複数の検出値のうちの複数の検出値の各々が入力チャネルの少なくとも1つに対応するように構成されたデータ収集回路を提供すること、を含む動作を実行する。実施形態では、データ取得回路は、複数の入力チャネルのうちの第1のグループからセンサデータを取得する;入力チャネルに対応するセンサのセンサ仕様を記憶するように構成されたデータ記憶装置を提供する;記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラームしきい値レベルを含む。実施形態では、データ解析回路は、入力チャネルの第1のグループの第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する;そして、入力チャネルの第1のグループから収集されている入力チャネルを入力チャネルの代替グループに変更するように構成された応答回路を提供する。実施形態では、入力チャネルの代替グループは、第1の入力チャネルと、第1の入力センサに関連する入力チャネルのグループとを含む。実施形態では、命令は、データコレクタ上に局所的に展開されてもよく、データコレクタ上に部分的に局所的に展開されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
複数の入力チャンネルに通信的に結合されたデータコレクタと、複数のコレクタルートテンプレートを格納するように構成されたデータストレージと、入力チャンネルに対応するセンサの仕様を格納するように構成されたデータストレージと、複数のコレクタルートテンプレートは、それぞれが異なるセンサ収集ルーチンを構成するように構成されている。実施形態では、複数のコレクタ経路テンプレートの各々は、異なるセンサ収集ルーチンを構成し、複数の検出値の各々は、入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路。実施形態では、データ収集回路は、入力チャネルの第1の経路からセンサデータを取得する;および記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路。実施形態では、予測状態情報は、アラーム閾値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループ内の第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する。実施形態では、データコレクタは、アラーム状態の設定に基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成されている。実施形態では、システムは、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。アラーム状態の設定は、動作モードが通常動作モード、ピーク動作モード、アイドル動作モード、メンテナンス動作モード、および省電力動作モードのうちの少なくとも1つである場合など、動作モードルーティング収集スキームに基づいてもよい。アラーム閾値レベルは、感知された変化が故障状態である場合、感知された変化が性能状態である場合、電力状態である場合、温度状態である場合、振動状態である場合など、複数の入力チャネルのうちの1つへの感知された変化に関連付けられていてもよい。また、アラーム状態は、検出モードを示すものであってもよく、例えば、検出モードが範囲外検出を含む。動作モード検出、メンテナンス時に検出されたアラームを含む。メンテナンスモード検出などであってもよい。また、検出モードが電力モード検出であってもよく、ここでは、アラーム状態が予測状態情報の電力関連制限データを示すものである。また、検出モードは性能モードの検出であってもよく、アラーム状態が予測状態情報の高性能制限データを示すものであってもよい。解析回路は、アラーム状態の設定が多重インスタンス異常検出であると判定された場合など、代替入力チャネルに対してアラーム閾値レベルを超えた場合にアラーム状態を設定してもよい。代替ルーティングテンプレートは、入力チャネルのルーティング収集パラメータへの変更であってもよい。ルーティング収集パラメータは、サンプリングされるチャネル数の増加、複数の入力チャネルのうちの少なくとも1つのバーストサンプリングなどのサンプリングレートの増加であってもよい。
実施形態では、産業環境におけるデータ収集のための監視システムを実装するためのコンピュータ実装方法は、次のように構成されてもよい:複数の入力チャネルに通信的に結合されたデータコレクタを提供すること、複数のコレクタルートテンプレート、入力チャネルに対応するセンサのためのセンサ仕様を格納するように構造化されたデータストレージを提供すること。実施形態では、複数のコレクタ経路テンプレートの各々は、異なるセンサ収集ルーチンを構成する;複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路を提供する。実施形態では、データ収集回路は、入力チャネルの第1の経路からセンサデータを取得する;そして、記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラーム閾値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループ内の第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する。実施形態では、データコレクタは、アラーム状態の設定に基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成されている。実施形態では、システムは、データコレクタ上に局所的に配置されてもよく、データコレクタ上に部分的に局所的に配置されてもよく、コレクタから離れた遠隔情報技術インフラストラクチャコンポーネント上に部分的に配置されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
実施形態では、コンピュータ実行可能命令を含む。1つ以上の非一過性のコンピュータ読み取り可能な媒体であって、実行されると、少なくとも1つのプロセッサに以下を含む。動作を実行させることができるコンピュータ実行可能命令を含んでいる:データコレクタを提供すること;複数の入力チャネルに通信的に結合されたデータコレクタルートテンプレートの複数のコレクタルートテンプレート、入力チャネルに対応するセンサのセンサ仕様を格納するように構成されたデータストレージを提供すること。実施形態では、複数のコレクタ経路テンプレートの各々は、異なるセンサ収集ルーチンを構成する;複数の検出値の各々が入力チャネルの少なくとも1つに対応する複数の検出値を解釈するように構成されたデータ収集回路を提供する。実施形態では、データ収集回路は、入力チャネルの第1の経路からセンサデータを取得する;そして、記憶された予測状態情報に関してセンサデータを評価するように構成されたデータ解析回路を提供する。実施形態では、予測状態情報は、アラーム閾値レベルを構成する。実施形態では、データ解析回路は、入力チャネルの第1のグループ内の第1の入力チャネルに対してアラーム閾値レベルを超えたときにアラーム状態を設定する。実施形態では、データコレクタは、アラーム状態の設定に基づいて、現在のルーティングテンプレート収集ルーチンから代替ルーティングテンプレート収集ルーチンに切り替えるように構成される。実施形態では、命令は、データコレクタ上にローカルに展開されてもよく、データコレクタ上に部分的にローカルに展開されてもよく、コレクタから離れたリモート情報技術インフラストラクチャコンポーネント上に部分的に展開されてもよい。実施形態では、入力チャネルの各々は、環境内に配置されたセンサに対応する。
本明細書では、いくつかの場合にはスマートバンドと呼ばれるデータ収集バンドのインテリジェントな管理を使用して、産業環境におけるデータ収集のためのシステムのための方法およびシステムが開示されている。スマートバンドは、データコレクタ(本開示を通して記載されるデータコレクタの広範な実施形態のいずれかのような)によるような、インテリジェントな、状況に応じた、文脈を考慮したデータ収集を促進してもよい。スマートバンドを介したデータ収集のインテリジェント管理は、データ収集の様々なパラメータ、およびデータ収集に依存するプロセス、アプリケーション、および製品のパラメータ、例えば、データ品質パラメータ、一貫性パラメータ、効率パラメータ、包括性パラメータ、信頼性パラメータ、有効性パラメータ、ストレージ利用パラメータ、収量パラメータ(金銭的収量、出力収量、および有害事象の低減を含む)、エネルギー消費パラメータ、帯域幅利用パラメータ、入出力速度パラメータ、冗長性パラメータ、セキュリティパラメータ、安全パラメータ、干渉パラメータ、信号対雑音パラメータ、統計的関連性パラメータなどのパラメータを改善してもよい。スマートバンドのインテリジェント管理は、パラメータの値の重み付けに基づくような、1つ以上のそのようなパラメータにわたって最適化してもよく、例えば、スマートバンドは、所定のレベルのエネルギー使用量を超えないようにしながら、重要なデータに対して所定のレベルの冗長性を提供するように管理されてもよい。これは、本開示および参照により本明細書に組み込まれた文書を通して記載された様々な最適化技術を使用することを含んでもよい。
実施形態では、スマートバンドをインテリジェントに管理するためのそのような方法およびシステムは、スマートバンドを管理するためのエキスパートシステムおよびそれをサポートする技術コンポーネント、サービス、プロセス、モジュール、アプリケーションおよびインタフェース(いくつかの場合にはスマートバンドプラットフォーム10722と総称される)を含み、これはモデルベースのエキスパートシステム、ルールベースのエキスパートシステムを含んでもよい。人工知能を使用したエキスパートシステム(ニューラルネットエキスパートシステム、自己組織化マップシステム、人間が管理する機械学習システム、状態決定システム、分類システム、または他の人工知能システムを含むことができる機械学習システムなど)、または上記のいずれかの様々なハイブリッドまたは組み合わせ。エキスパートシステムへの言及は、文脈が異なる場合を除き、上記のいずれかの利用または適切な組み合わせを包含するものと理解されるべきである。インテリジェント管理は、イベント検出、状態検出などのための様々なタイプのデータ(例えば、振動データ、ノイズデータ、および本開示全体に記載されているタイプの他のセンサデータ)のデータ収集であってもよい。インテリジェント管理は、1つまたは複数の目標、目標、規則、ポリシー、またはガイドラインへの進捗状況の確認または整合性の確認など、識別されたアプリケーション、プロセス、またはワークフローをサポートすることに向けられた複数のスマートバンドをそれぞれ管理することを含んでもよい。インテリジェント管理はまた、他のデータの収集に基づいて(例えば、その変数を含むシステムの動作モデルに基づいて)未知の変数をバックアウトすることを目的としたデータ収集バンドを管理すること、利用可能な入力の中から好ましい入力を選択すること(入力の組み合わせ、融合、または多重化を指定することを含む)、および/または利用可能な入力バンドの中から入力バンドを指定することを含んでいてもよい。
データ収集バンド、すなわちスマートバンドは、本明細書に記載されるように、センサ、入力チャネル、データ位置、データストリーム、データプロトコル、データ抽出技術、データ変換技術、データローディング技術、データタイプ、サンプリング頻度、センサの配置、静的データポイント、メタデータ、データの融合、データの多重化などの任意の数の項目を含んでもよい。スマートバンド設定は、スマートバンドおよびデータ収集バンドと互換的に使用されてもよく、スマートバンドを定義するパラメータを指定するなど、スマートバンドの構成およびメイクアップを記述してもよい。例えば、データ収集バンド、すなわちスマートバンドは、測定する1つ以上の周波数を含んでもよい。周波数データは、スペクトルピークのグループ、真のピークレベル、時間波形から導出されるクレスト係数、および振動包絡線から導出される全体波形のうちの少なくとも1つ、ならびに本開示を通して説明される他の信号特性をさらに含んでもよい。スマートバンドは、1つ以上の波長、1つ以上のスペクトル、および/または様々なセンサからの1つ以上のタイプのデータを測定するセンサまたはデータ、およびメタデータを含んでもよい。スマートバンドは、本開示および参照により本明細書に組み込まれた文書全体に記載されているような、幅広い種類の1つまたは複数のセンサまたは種類のセンサを含んでもよい。実際、本明細書に記載されたセンサは、本開示全体に記載された方法またはシステムのいずれかで使用されてもよい。例えば、1つのセンサは、加速度(例えば、100mV/G、500mV/G、1V/G、5V/G、10V/Gなど)当たりの電圧を測定するものなどの加速度計であってもよい。実施形態では、データ収集バンド回路は、例えば、低速ミキサーの加速度を測定するのに適した加速度計を選択するのと、高速産業用遠心分離機の加速度を測定するのに適した加速度計を選択するのとでは、センサの応答性を最適化することに基づいて、スマートバンドで使用される複数のセンサのサブセットの構成を変更してもよい。選択は、例えば、近接プローブと遠心分離機に配置された複数の加速度センサを使用して、低速時には1つの加速度センサがスマートバンドでの測定に使用され、高速時には別の加速度センサが使用されるようなインテリジェントな方法で行われることがある。加速度計は、圧電結晶、低周波(例えば、10V/G)、高速圧縮機(10MV/G)、MEMSなど、様々なタイプのものがある。別の例では、1つのセンサは、スリーブまたはチルトパッドベアリング(例えば、オイルバス)に使用することができる近接プローブであってもよく、または速度プローブであってもよい。さらに別の例では、1つのセンサは、データを取得または送達するために、ルーティングされたデータコレクタ(例えば、モバイルまたはポータブルデータコレクタ)と自動的にインタフェースするように構成されたソリッドステートリレー(SSR)であってもよい。別の例では、移動式データコレクタまたは携帯式データコレクタは、適切な加速度計を機械のコンポーネント上またはその近くなどのセンシングポイントに持ってくることによって、利用可能なセンサの複数の構成を変更するようにルーティングされてもよい。まだ別の例では、1つのセンサは、実施形態ではポータブルデータ収集のために使用される3軸プローブ(例えば、100mv/gの3軸プローブ)であってもよい。いくつかの実施形態では、トライアックスプローブのうち、プローブの1つの軸上の垂直要素は、高い周波数応答を有してもよく、一方、水平に取り付けられたものは、トライアックス全体の周波数応答に影響を与えてもよい。別の例では、1つのセンサは温度センサであってもよく、ベアリング温度を得るためのように、内部に温度センサを内蔵したプローブを含んでもよい。まだ追加の例では、センサは、超音波センサ、マイクセンサ、タッチセンサ、静電容量センサ、振動センサ、音響センサ、圧力センサ、ひずみゲージ、サーモグラフィ(例えば、カメラ)、イメージング(例えば、カメラ。カメラ、レーザー、IR、構造化光)、電界検出器、交流電磁界を測定するための起電力計、ガウスメーター、運動検出器、化学検出器、ガス検出器、CBRNE検出器、振動トランスデューサー、磁力計、位置計、位置ベース、速度センサー、変位センサー、タコメーター、流量センサー、レベルセンサー、近接センサー、pHセンサー、湿度計/水分センサー、密度計センサー、風速計、粘度計、または任意のアナログ工業用センサーおよび/またはデジタル工業用センサーであってもよい。さらなる別の例では、センサは、音響センサまたはマイクロフォン、超音波センサ、音響波センサ、および光学振動センサ(例えば、ノイズを生成する振動を見るためにカメラを使用する)のような、周囲のノイズを検出または測定することに向けられていてもよい。まだ別の例では、1つのセンサは、動き検出器であってもよい。
データ収集バンド、またはスマートバンドは、特定のセンサ、特定のセンサ群、または複数のセンサからの複合信号(多重化またはセンサ融合を含むような)のための1つ以上の周波数、波長、またはスペクトルを包含するように構成されていてもよいし、または構成されていてもよい。
データ収集バンド、またはスマートバンドは、1つまたは複数の装置/コンポーネント、設置場所の領域、設置場所のばらばらだが相互に接続された領域(例えば、機械組立ラインおよびラインに電力を供給するために使用されるボイラー室)、または場所(例えば、ケンブリッジのビルおよびボストンのビル)からの1つまたは複数のセンサまたはセンサデータ(センサのグループおよび結合された信号を含む)を包含するように構成されていてもよいし、または構成されていてもよい。スマートバンドの設定、構成、指示、または仕様(これらの用語のうちのいずれか1つを用いて本明細書で総称される)は、センサをどこに配置するか、データ点または点をサンプリングする頻度、サンプルを採取する粒度(例えば、1秒の端数あたりのサンプリング点の数)、サンプリングする冗長センサのセットのうちのどのセンサをサンプリングするか、冗長センサのための平均サンプリングプロトコル、およびデータ取得に影響を与えるであろう他の任意の側面を含むことができる。
スマートバンドプラットフォーム10722内では、ニューラルネット、モデルベースシステム、ルールベースシステム、機械学習データ解析回路、および/またはそれらのハイブリッドのいずれかで構成されてもよいエキスパートシステムが、装置の一部分、コンポーネント、または装置またはコンポーネントのシステムの性能、健康、または他の特性を予測して管理するような、特定の目標または結果に対して最適化されたスマートバンドへの収束に向けて反復を開始してもよい。センサデータの連続的または周期的な分析に基づいて、パターン/傾向が特定されたり、外れ値が出現したり、センサの読み取り値のグループが変化し始めたりすると、エキスパートシステムは、そのデータ収集バンドをインテリジェントに変更してもよい。これは、モデルまたはシステム動作の理解を反映したルールをトリガーすることによって起こるかもしれません(例えば、シャフトの速度が増加するにつれて異なるセンサを必要とする動作モードのシフトを認識する)、またはニューラルネットの制御下で起こるかもしれません(ルールベースのアプローチと組み合わせて、またはそれ自体で)。例えば、新しい圧力反応器が化学処理設備に設置された場合、現在のデータ収集バンドからのデータは、システムの状態または運転のメトリックを正確に予測できない可能性があり、したがって、機械学習データ分析回路は、新しいデータ収集バンドの方が状態を予測するのに優れているかどうかを決定するために反復処理を開始してもよい。ライブラリまたは他のデータ構造からのようなオフセットシステムデータに基づいて、特定のセンサ、周波数バンドまたは他のスマートバンドメンバーがスマートバンドで最初に使用されてもよく、性能を評価するためにデータが収集されてもよい。ニューラルネットが反復するにつれて、他のセンサ/周波数バンドにアクセスして、性能メトリクスの識別におけるそれらの相対的な重みを決定してもよい。時間の経過とともに、システムのパフォーマンスのより良いゲージとして、新しい周波数帯域が特定されてもよく(または、新しいセンサのコレクション、センサのための新しい構成のセットなど)、エキスパートシステムは、この反復に基づいてそのデータ収集帯域を修正してもよい。例えば、おそらく、化学反応設備内のわずかに異なるまたは古い関連するタービンアジテータは、1つまたは複数の振動周波数を減衰させる一方で、異なる周波数は、オフセットシステムで見られたものよりも高い振幅であり、最適な性能の間に存在する。この例では、スマートバンドは、現在のシステムに存在するより高い振幅の周波数を捕捉するために、対応するオフセットシステムによって示唆されたものから変更されてもよい。
ニューラルネットまたは他の機械学習システムが関与する実施形態では、エキスパートシステムは、シードされてもよく、本明細書に記載されているようなフィードバックおよび動作パラメータに基づいて、スマートバンドの収束に向けてなどの反復処理を行ってもよい。特定のフィードバックは、利用率測定値、効率測定値(例えば、電力またはエネルギー利用、ストレージの利用、帯域幅の利用、生鮮材料の入出力利用、燃料の利用、および/または財務効率)、状態の予測または予測の成功の測定値(例えば、障害の回避および緩和)、生産性測定値(例えば、ワークフロー)、歩留まり測定値、および利益測定値を含んでもよい。特定のパラメータは、以下を含むことができる:ストレージパラメータ(例えば、データストレージ、燃料ストレージ、インベントリのストレージなど);ネットワークパラメータ(例えば、ネットワーク帯域幅、入出力速度、ネットワーク利用率、ネットワークコスト、ネットワーク速度、ネットワーク可用性など);伝送パラメータ(例えば、データ伝送の品質、速度、データ伝送の速度、データ伝送の速度など)。セキュリティパラメータ(露出イベントの数および/またはタイプ、攻撃に対する脆弱性、データ損失、データ侵害、アクセスパラメータなど)、位置および位置パラメータ(データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置など)。入力選択パラメータ、データ組み合わせパラメータ(多重化、抽出、変換、ローディングなど)、電力パラメータ、状態(動作モード、可用性の状態、環境の状態、故障モード、保守モード、予期される状態など)、イベント、および機器の仕様。状態に関して、動作モードは、移動モード(方向、速度、加速度など)、移動モードの種類(例えば、ローリング、飛行、スライディング、浮上、ホバリング、浮遊など)、性能モード(例えば、歯車、回転速度、熱レベル、組立ライン速度、電圧レベル、周波数レベルなど)、出力モード、燃料変換モード、資源消費モード、および財務性能モード(例えば、歩留まり、収益性など)を含むことができる。可用性の状態とは、機械がオフラインになるか、またはバックアップを必要とするような状況を予測することを意味する場合がある。環境状態とは、周囲温度、周囲湿度/水分、周囲圧力、周囲風/流体の流れ、汚染または汚染物質の存在、干渉要素(例えば、電気ノイズ、振動)の存在、電力利用可能性、および電力品質を指す場合がある。予測される状態には、次のようなものがある:特定/閾値の出力生産率、特定/閾値の発電率、運転効率/故障率、財務効率/利益目標、電力効率/資源利用率などの所望の目標の達成または達成しないこと、障害状態の回避(例えば、過熱、性能低下、過剰な性能、過剰な電力の供給など)、障害状態(例えば、過熱、性能低下、過剰な電力の供給、過剰な電力の供給など)の回避。過熱、性能低下、過度の速度、過度の運動、過度の振動/振動、過度の加速、膨張/収縮、電気的故障、蓄電/燃料切れ、過圧、過度の放射線/メルトダウン、火災、凍結、流体の流れの故障(例:バルブの詰まり、凍結した流体)、機械的な状態の回避。機械的故障(例えば、破損したコンポーネント、摩耗したコンポーネント、不良カップリング、位置ずれ、非対称性/たわみ、破損したコンポーネント(例えば、たわみ、ひずみ、応力、ひび割れ)、不均衡、衝突、詰まった要素、およびチェーンまたはベルトの紛失またはスリップ)、危険な状態または致命的な故障の回避、および可用性(オンライン状態)。
エキスパートシステムは、一連のデータ(これは、データコレクタを介したセンサなどのセンサからの入力、およびシステムコンポーネントからの入力、外部システムからの入力、外部データソースからの入力などの他のデータから構成されてもよい)を与えられた結果または状態を予測するモデルで構成されていてもよいし、シードされていてもよい。例えば、モデルは、産業環境、機械、またはワークフローのための動作モデルであってもよい。別の例では、モデルは、状態を予測するため、故障を予測してメンテナンスを最適化するため、ストレージを自己組織化するため(例えば、デバイス上、データプール内、および/またはクラウド内)、データトランスポートを最適化するため(例えば、ネットワークコーディング、ネットワーク状態に応じたルーティングを最適化するためなど)、データマーケットプレイスを最適化するためなどであってもよい。
エキスパートシステムの反復は、スマートバンドからのデータの分析に基づいて、任意の数の下流のアクションをもたらしてもよい。一実施形態では、エキスパートシステムは、特定/閾値出力生産率、特定/閾値発電率、運用効率/故障率、財務効率/利益目標、電力効率/資源利用率、故障状態の回避、危険な状態または破局的故障の回避などの所望の目標を与えられたニューラルネットモデルの運用パラメータ、装置、または重み付けのいずれかを維持または修正すべきであると決定してもよい。実施形態では、調整は、装置の種類、その目的、その典型的な動作モード、装置の機能仕様、環境の他の特徴(装置に入力を提供する、または装置から入力を受ける他のシステムを含む)と装置の関係、オペレータ(人間および自動制御システムを含む)の存在および役割、および周囲または環境条件の理解など、産業システムのコンテキストを決定することに基づいてもよい。例えば、利益目標を達成するために、製油所のパイプラインは、1日に一定の時間および/または一定の流量で運転する必要があるかもしれない。エキスパートシステムは、材料の現在の市場販売価格および材料をパイプラインに入れるためのコストに基づいて、パイプラインを通る材料の所定の流量を示すような、特定の利益目標をもたらす方法でパイプラインを操作するためのモデルをシードしてもよい。データを取得して反復すると、モデルは、現在のデータが与えられた利益目標が達成されるかどうかを予測する。エキスパートシステムの反復の結果に基づいて、パイプラインをより高い流量で作動させる、より長く作動させ続ける、またはそのようなことを推奨する(または制御命令が自動的に提供される)ことができる。さらに、システムが反復するにつれて、スマートバンドへの追加が状態予測を改善するかどうかを判断するために、1つ以上の追加のセンサがモデル内でサンプリングされてもよい。別の実施形態では、エキスパートシステムは、動作の制約(例えば、要求された終点(例えば、納期、量、コスト、他のシステムとの調整)を満たすこと、限られたリソース(例えば、電力、燃料、バッテリ、貯蔵、など)で動作すること、などの制約が与えられた場合に、システムが動作パラメータ、装置、またはニューラルネットまたは他のモデルの重み付けを維持または変更すべきであると判断してもよい。電力、燃料、バッテリなど)、ストレージ(データストレージなど)、帯域幅(ローカルネットワーク、p2p、WAN、インターネットの帯域幅、可用性、または入出力容量など)、認証(ロールベースなど))、保証制限、メーカーのガイドライン、メンテナンスガイドラインなど)。例えば、製油所でボイラを運転する際の制約として、サイクル内でボイラ給水の曝気を低減する必要があるため、ボイラは脱気装置との連携が必要となる。本例では、脱泡機と連携してボイラを運転する際のモデルをエキスパートシステムにシードし、そのモデルに基づいて所定の総合性能を実現している。システムからのセンサデータが取得されると、エキスパートシステムは、特定の全体的な性能を達成し続けるために、ボイラおよび脱泡器の一方または両方の側面を変更しなければならないと判断してもよい。さらなる実施形態では、エキスパートシステムは、識別されたチョークポイントを与えられたニューラルネットモデルの運転パラメータ、装置、または重み付けのいずれかを維持または変更すべきであると判断してもよい。さらに別の実施形態では、エキスパートシステムは、システムが、運転パラメータ、装置、またはニューラルネットモデルの重み付けのうちのいずれかを維持または修正すべきであると判断してもよい。例えば、高圧でガスを供給する製油所の往復圧縮機は、そのデータをエキスパートシステム(オプションでニューラルネットまたは他の機械学習システムを含む)に供給するセンサによって、規格外の動作を持っているとして測定されてもよい。エキスパートシステムが反復して定格外のデータを受信すると、それは、製油所が指定された目標を達成しないことを予測してもよく、メンテナンスのために往復圧縮機をオフラインにするなどの行動を推奨する。別の実施形態では、エキスパートシステムは、システムが1つ以上のセンサからより多くの/より少ないデータポイントを収集すべきであると判断してもよい。例えば、医薬品加工工場のアンカー攪拌機は、一定レベルの粘度(例えば、センチメートル単位で測定される)が得られるまでタンクの内容物を攪拌するようにプログラムされていてもよい。エキスパートシステムが粘度の増加を示すデータを実行中に収集すると、エキスパートシステムは、粘度によるプラントシステムへの負担の増加に直面して予測される状態を確認するために、追加のデータポイントを収集することを推奨してもよい。さらに別の実施形態では、エキスパートシステムは、システムがデータ記憶技術を変更すべきであると判断してもよい。さらなる別の実施形態では、エキスパートシステムは、システムがデータ提示モードまたは方法を変更すべきであると判断してもよい。
さらなる実施形態では、エキスパートシステムは、システムが収集したデータに1つ以上のフィルタ(ローパス、ハイパス、バンドパスなど)を適用すべきであると決定してもよい。さらなるさらなる実施形態では、エキスパートシステムは、システムが新しいスマートバンド/新しいセンサのセットからデータを収集し、および/またはニューラルネットがそれ自体を識別した新しい側面の測定を開始すべきであると判断してもよい。例えば、混合時間、温度、均一な基質分布、内部構造物およびタンク壁との熱交換、または酸素移動速度、機械的応力、攪拌容器および内部構造物上の力およびトルクなどのような、製薬工場で動作するパドル型攪拌機の様々な測定が行われてもよい。パドル型攪拌機ミキサーのこれらの様々な側面を監視しているスマートバンドには、流量計、温度計などの様々なセンサデータストリームが含まれていてもよい。エキスパートシステムが反復するにつれて、おそらく撹拌機の運転中の最小限のデータでシードされているので、運転の状態におけるpHの影響など、運転の新たな側面が明らかになるかもしれない。このようにして、新しいスマートバンドは、pHメータからのセンサデータを含むエキスパートシステムによって識別される。さらに別のさらなる実施形態では、エキスパートシステムは、スマートバンド、1つ以上のセンサ、またはそのようなセンサからのデータの収集を中止すべきであると判断してもよい。別の実施形態では、エキスパートシステムは、システムが、ニューラルネット自体によって識別された新しいスマートバンドなどの新しいスマートバンドからのデータ収集を開始すべきであると判断してもよい。さらに別の別の実施形態では、エキスパートシステムは、エキスパートシステムによって使用されるモデルの重み/バイアスを調整すべきであると判断してもよい。さらに別の別の実施形態では、エキスパートシステムは、システムが、十分に利用されていない装置を除去/再タスクするべきであると判断してもよい。例えば、医薬品加工プラント内の液体をポンプでブラストする作業を行う複数の撹拌機は、エキスパートシステムによってプラントの運転中に監視されてもよい。撹拌機を用いたプラントの運転からのデータでシードされたエキスパートシステムの反復により、エキスパートシステムは、1つ以上の撹拌機が使用不能になった場合でも、ある状態が達成されることを予測してもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、コントローラを有するデータコレクタに通信的に結合された、本明細書に記載されたもののいずれかのような複数の入力センサを含んでもよい。モニタリングシステムは、出力データを処理するための複数のセンサのうちの少なくとも1つのサブセットを決定するように構成されたデータ収集バンド回路を含んでもよい。監視システムはまた、複数のセンサの少なくとも1つのサブセットから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ分析回路を含んでもよい。いくつかの実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサの少なくとも1つのサブセットまたはその一側面を変更してもよい。特定の実施形態では、機械学習データ解析回路は、データパターンを学習することを可能にするモデルでシードされる。モデルは、物理モデル、動作モデル、システムモデルなどであってもよい。他の実施形態では、機械学習データ解析回路は、深層学習のために構成されている。実施形態では、入力データは、シードなしまたは最小限のシードで回路に供給され、機械学習データ解析回路は、出力フィードバックに基づいて学習する。例えば、ポリマーを生産する化学処理プラント内のスタティックミキサーは、重合反応を促進するために使用されてもよい。スタティックミキサーは、その動作において乱流または層流を採用してもよい。スタティックミキサーの運転中に取得された熱伝達、ミキサーからの流速、レイノルズ数または圧力損失などの最小限のデータは、初期フィードバック(例えば、ポリマーの粘度、ポリマーの色、ポリマーの反応性など)に基づいて予測に向けて反復処理を行うエキスパートシステムに供給されてもよい。
エキスパートシステムによるスマートバンドの管理において、複数の目標/ガイドラインのバランスがあってもよい。例えば、修理保守組織(RMO)は、製油所の貯蔵タンクの保守のために設計された運転パラメータを持っていてもよく、一方、製油所の所有者は、生産目標を満たすために設計された貯蔵タンクの特定の運転パラメータを持っていてもよい。この例では、メンテナンス目標または生産量に関連するこれらの目標は、異なるデータ収集バンドによって追跡されてもよい。例えば、貯蔵タンクのメンテナンスは、振動トランスデューサおよびひずみゲージを含むセンサによって追跡されてもよく、貯蔵タンクの生産目標は、温度センサおよび流量計を含むセンサによって追跡されてもよい。エキスパートシステムは、(任意に、ニューラルネット、機械学習システム、ディープラーニングシステムなどを使用して、1人または複数のスーパーバイザー(人間または自動化された)による監督の下で行われてもよい)異なる目標に整列されたバンドをインテリジェントに管理し、例えば、1つの目標への偏りまたは追跡されているすべての目標とのより良い整列を可能にするための妥協などの要因に基づいて、重み、パラメータの変更、または推奨を割り当てることができる。エキスパートシステムに提供される目標間の妥協は、適用される目標の1つまたは複数の階層または規則(権限、役割、重要性などに関連する)に基づいてもよい。実施形態では、目標間の妥協は、ニューラルネット、深層学習システム、または本開示の全体を通して記載されるような他の人工知能システムなどの機械学習を使用して最適化されてもよい。
一例示的な例示的な例では、ガス動力撹拌機が動作している化学処理プラントにおいて、エキスパートシステムは、ガス動力撹拌機の動作状態を検出するために指示されたもの、生産目標に到達する確率を特定するために指示されたもの、およびガス動力撹拌機の動作が燃料効率目標を満たしているかどうかを判断するために指示されたものなど、複数のスマートバンドを管理してもよい。これらのスマートバンドの各々は、特定の目標の側面を示す出力データを有する異なるセンサまたは異なるセンサ(例えば、動作状態を示す振動トランスデューサ、生産目標を示す流量計、および燃料効率を示す燃料計)からのデータで構成されていてもよい。単一のセンサまたはセンサのセットが複数の目標に役立つ場合には、スマートバンドプラットフォーム10722によって管理されるように、重複するスマートバンド(共通のいくつかのセンサと共通ではない他のセンサを有する)は、そのセンサまたはセンサのセットからの入力を取ることができる。データ収集に制約がある場合(例えば、電力制限、ストレージ制限、帯域幅制限、入出力処理能力、またはそのようなものによる)、ルールは、他のものが一時停止またはシャットダウンされている間、そのゴールに関連付けられたスマートバンドのためのデータ収集が維持されるように、1つのゴール(例えば、法律または規制によって義務付けられている燃料利用ゴールまたは汚染削減ゴール)が優先されることを示してもよい。目標の優先順位付けの管理は、階層的であってもよいし、機械学習によって行われてもよい。エキスパートシステムは、それが取得した現在のデータを与えられた予測された状態(すなわち、目標を満たす)に向けて反復処理を行う際に、モデルをシードしてもよいし、全くシードしていなくてもよい。この例では、ガス動力式アジテータの運転中に、プラントの所有者は、システムを燃料効率に向けてバイアスすることを決定してもよい。すべてのバンドは依然として監視されていてもよいが、エキスパートシステムが反復して、システムが特定の目標に適合しないか、または適合していないことを予測し、目標に適合する可能性を高めることに向けられた推奨変更を提供するように、プラント所有者は、燃料効率に影響を与えるパラメータに対する推奨変更が、他の推奨変更を行うことに有利に行われるように、燃料効率に偏ったシステムを構造化してもよい。
実施形態では、エキスパートシステムは、複数の目標を満たすことを最適化する単一のスマートバンドに到達するために、複数のスマートバンドでシードされた後、ディープラーニング的な方法で反復を続けてもよい。例えば、化学処理または食品処理プラントの熱加熱システムのために追跡される熱効率および経済効率のような複数の目標が存在してもよい。熱加熱システムの熱効率は、使用されている燃料の量および品質を知ることによって得られるシステムに投入されたBTUと、システムから出て行くBTUとを比較することによって表されてもよい。熱加熱システムの経済効率は、システムを実行するためのコスト(燃料、労働力、材料、およびサービスを含む)と、一定期間のシステムからのエネルギー出力との間の比率として表されてもよい。熱効率を追跡するために使用されるデータは、流量計、品質データポイント(複数可)、および温度計からのデータを含んでもよく、経済効率を追跡するために使用されるデータは、システムからのエネルギー出力(例えば、kWh)およびコストデータであってもよい。これらのデータは、状態を予測するためにエキスパートシステムによってスマートバンドで使用されてもよいが、エキスパートシステムは、熱効率および経済効率の両方に関連する状態を予測するために最適化されたスマートバンドに向かって反復してもよい。新しいスマートバンドは、個々のスマートバンドで以前に使用されたデータを含んでもよいが、異なるセンサまたはデータソースからの新しいデータを使用してもよい。実施形態では、エキスパートシステムは、複数のスマートバンドをシードし、様々な状態を予測するために反復処理を行ってもよいが、同じセットの状態を予測するために必要なスマートバンドの数を減らすことに向かって反復処理を行ってもよい。
エキスパートシステムの反復は、いくつかの実施形態では、規則によって支配されてもよい。例えば、エキスパートシステムは、予め定められた頻度で播種のためのデータを収集するように構成されてもよい。エキスパートシステムは、新しいコンポーネント/装置/燃料源が追加されたとき、センサがオフラインになったとき、または標準的な実施形態のように、少なくとも何回も反復するように構成されていてもよい。例えば、食品加工ラインにおける撹拌機の回転を測定するセンサがオフラインになり、エキスパートシステムが同じデータポイントを測定する新しいセンサからのデータの取得を開始した場合、エキスパートシステムは、その状態が下流のアクションに利用されるか、または下流のアクションに影響を与えることを許可される前に、何回も反復するように構成されていてもよい。エキスパートシステムは、オフラインで訓練するように構成されていてもよいし、原位置/オンラインで訓練するように構成されていてもよい。エキスパートシステムは、そのスマートバンドに静的および/または手動で入力されたデータを含むように構成されてもよい。例えば、食品加工工場のミキサーに関連付けられたスマートバンドを管理するエキスパートシステムは、加工される食品が特定の粘度を達成する前の混合の持続時間を予測するように反復するように構成されてもよい。実施形態では、スマートバンドは、ミキサーの速度、内容物の温度、粘度測定値、および食品の粘度および温度の必要な終点に関するデータを含む。エキスパートシステムは、変数の最小/最大数を含むように構成されてもよい。
実施形態では、エキスパートシステムは、上書きされてもよい。実施形態では、エキスパートシステムは、エキスパートシステムが失敗した場合、例えば、ニューラルネットエキスパートシステムにおいてニューラルネットワークが失敗した場合、モデルベースのシステムにおいて不確実性が高すぎる場合、ルールベースのシステムにおいて矛盾するルールを解決できない場合、または前記のいずれかにおいて解決策に収束できない場合などのように、以前のバンド設定に戻してもよい。例えば、エキスパートシステムがスマートバンドで使用している灌漑システムのセンサデータは、圃場の大規模な漏水を示しているかもしれないが、ドローンなどの目視検査ではそのような漏水は示されていない。この場合、エキスパートシステムは、エキスパートシステムの播種のために元のスマートバンドに戻る。別の例では、工業用圧力調理器の1つ以上のポイントセンサは、シールの差し迫った故障を示しているが、エキスパートシステムが性能メトリックに向かって重み付けをして収束したデータ収集バンドは、故障を特定しなかった。この場合、スマートバンドは、圧力調理器シールの差し迫った故障も識別したであろう元の設定またはスマートバンドのバージョンに戻る。実施形態では、エキスパートシステムは、システムを別のオフセットシステムに近づける新しいコンポーネントが追加された場合に、スマートバンドの設定を変更してもよい。例えば、ナフタレンを蒸留するために石油&ガス精製所に真空蒸留ユニットが追加されるが、エキスパートシステムの現在のスマートバンド設定は、灯油を蒸留する精製所に由来する。この例では、様々なオフセットシステムのためのスマートバンド設定を有するデータ構造は、現在のシステムとより密接に一致するシステムを検索してもよい。ナフタリンも蒸留するような新しいオフセットシステムがより密接に一致すると識別されると、新しいスマートバンド設定(例えば、どのセンサを使用するか、どこにそれらを配置するか、どのくらいの頻度でサンプリングするか、どのような静的データポイントが必要かなど、本明細書に記載されているように)は、システムの状態を予測するための反復処理を行うためにエキスパートシステムにシードするために使用される。実施形態では、エキスパートシステムは、第三者ライブラリからオフセットデータの新しいセットが利用可能になった場合に、スマートバンドの設定を変更してもよい。例えば、製薬処理プラントは、触媒反応器を高効率で動作するように最適化し、スマートバンド設定をデータ構造に堆積させてもよい。データ構造体は、触媒反応のモニタリングをより良く支援し、その結果、反応器の運転を最適化することにつながる新しいスマートバンドを連続的にスキャンしてもよい。
実施形態では、エキスパートシステムは、未知の変数を明らかにするために使用されてもよい。例えば、エキスパートシステムは、ニューラルネットの更なる反復などの更なる反復に使用される未知の変数を特定するために反復してもよい。例えば、発電所のレガシー復水/補水システム内の使用率の低いタンクは、アクセスできず、タンクに関する文書が存在しないため、未知の容量を有していてもよい。タンクの様々な側面をセンサーの群れによって測定して、推定された体積(例えば、下流空間への流れ、システムを通過する染料トレースされた溶液の持続時間)に到達した後、その体積をスマートバンドの新しい変数としてニューラルネットに供給することができます。
実施形態では、エキスパートシステムノードの位置は、マシン上、データコレクタ(またはそのグループ)上、ネットワークインフラストラクチャ(企業またはその他)内、またはクラウド内であってもよい。実施形態では、ノード間(例えば、マシン、データコレクタ、ネットワーク、クラウド)に分散ニューロンが存在してもよい。
一側面において、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、複数のセンサ10702の少なくとも1つから出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構成された機械学習データ解析回路10712と、を含む、産業環境におけるデータ収集のための監視システムである。データ収集帯域回路10708は、学習された受信出力データパターン10718と状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702に対する少なくとも1つの収集パラメータを変更する。状態は、環境内のマシンに関連する結果、環境内のマシンに関連する予測される結果、環境内のプロセスに関連する結果、環境内のプロセスに関連する予測される結果などに対応してもよい。収集パラメータは、帯域幅パラメータであってもよく、入力センサの複数の多重化を制御するために使用されてもよく、タイミングパラメータであってもよく、周波数範囲に関連してもよく、センサデータの収集の粒度に関連してもよく、収集されたデータの記憶パラメータである。機械学習データ解析回路は、物理モデル、動作モデル、またはシステムモデルであってもよいモデル10720でシードされることにより、受信出力データパターン10718を学習するように構成されていてもよい。機械学習データ解析回路は、状態に基づいて受信出力データパターン10718を学習するように構成されていてもよい。データ収集帯回路は、学習された受信出力データパターンが状態を確実に予測しない場合、複数のセンサのサブセットを変更してもよく、これは、少なくとも1つのサブセットからのデータ収集を中止することを含んでもよい。
監視システム10700は、決定された状態に基づいて、環境中の機器の項目の動作パラメータを保持してもよいし、変更してもよい。コントローラ10706は、学習された受信出力データパターン10718または状態に基づいて、機械学習データ解析回路10712の重み付けを調整してもよい。コントローラ10706は、学習された受信出力データパターン10718または状態に基づいて、複数のセンサ10702の少なくとも1つのサブセットの1つ以上のメンバーから、より多くの/より少ないデータポイントを収集してもよい。コントローラ10706は、学習された受信された出力データパターン10718または状態に基づいて、出力データ10710のデータ記憶手段を変更してもよい。コントローラ10706は、学習された受信出力データパターン10718または状態に基づいて、データ提示モードまたは態様を変更してもよい。コントローラ10706は、出力データ10710に1つ以上のフィルタを適用してもよい。コントローラ10706は、学習された受信出力データパターン10718及び状態のうちの1つ以上に基づいて、新たなデータ収集帯域回路10708を特定してもよい。コントローラ10706は、学習された受信出力データパターン10718に応答して、機械学習データ解析回路による予測された状態の予測精度に応答して、機械学習データ解析回路による状態の分類精度に応答して、機械学習データ解析回路10712の重み/バイアスを調整してもよい。監視装置10700は、学習した受信出力データパターン10718と状態の1つ以上に基づいて、稼働率の低い機器を削除したり、再タスクを行ったりしてもよい。機械学習データ解析回路10712は、ニューラルネットワークエキスパートシステムを含んでもよい。複数のセンサのうちの少なくとも1つのサブセットは、振動データおよび騒音データを測定する。機械学習データ解析回路10712は、1つ以上の目標/ガイドラインとの進捗/整合性を示す受信出力データパターン10718を学習するように構成されてもよい。実施形態では、各目標/ガイドラインの進捗/アライメントは、複数のセンサの異なるサブセットによって決定されてもよい。機械学習データ解析回路10712は、未知の変数を示す受信出力データパターン10718を学習するように構成されてもよい。機械学習データ解析回路10712は、利用可能な入力のうちの好ましい入力を示す受信出力データパターン10718を学習するように構成されてもよい。機械学習データ解析回路10712は、利用可能な入力データ収集バンドの中で好ましい入力データ収集バンドを示す受信出力データパターン10718を学習するように構成されていてもよい。機械学習データ解析回路10712は、部分的には、機械上、1つ以上のデータコレクタ上、ネットワークインフラストラクチャ内、クラウド内、またはそれらの任意の組み合わせに配置されてもよい。
実施形態では、産業環境におけるデータ収集のための監視装置は、コントローラ10706に通信的に結合された複数の入力センサ10702を含み、コントローラ10706は、出力データ10710を処理するためのセンサ10702の複数の少なくとも1つのサブセットをそこから決定するように構成されたデータ収集バンド回路10708;およびセンサ10702の複数の少なくとも1つのサブセットから出力データを受信し、状態を示す受信出力データパターン10718を学習するように構成された機械学習データ解析回路10712を含む。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのサブセットのアスペクトを変更する。データ収集バンド回路10708が変更するアスペクトは、複数のセンサ10702の少なくとも1つのサブセットの1つまたは複数のメンバーから収集されたデータポイントの数または頻度である。データ収集帯域回路10708が変化させるアスペクトは、帯域幅パラメータ、タイミングパラメータ、周波数範囲、センサデータの収集の粒度、収集されたデータの保存パラメータなどである。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、複数のセンサ10702の少なくとも1つから出力データ10710を受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ解析回路10712とを含んでもよい。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更する。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718が状態を確実に予測しない場合に、複数のセンサ10702のうちの少なくとも1つの収集パラメータを変更する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、複数のセンサ10702の少なくとも1つから出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構成された機械学習データ解析回路10712と、を含んでもよい。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更する。実施形態では、データ収集帯回路10704は、学習された受信出力データパターン10718または状態に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702からより多くまたはより少ないデータポイントを収集する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、センサ10702の複数のうちの少なくとも1つから出力データ10710を受信し、状態を示す受信出力データ10710のパターンを学習するように構成された機械学習データ解析回路10712とを含んでもよい。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラ10706は、学習された受信された出力データパターン10718または状態に基づいて、出力データ10710のためのデータ記憶手段を変更する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、複数のセンサ10702の少なくとも1つから出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構成された機械学習データ解析回路10712と、を含んでもよい。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラ10706は、学習された受信出力データパターン10718または状態に基づいて、データ提示モードまたは態様を変更する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、複数のセンサ10702の少なくとも1つから出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構成された機械学習データ解析回路10712と、を含んでもよい。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラ10706は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、新たなデータ収集バンド回路10708を識別する。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するためにそこから複数のセンサ10702の少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、複数のセンサ10702の少なくとも1つから出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構成された機械学習データ解析回路10712と、を含んでもよい。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718および状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702のための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラ10706は、機械学習データ解析回路10712の重み/バイアスを調整する。調整は、学習された受信出力データパターンに応答して、機械学習データ解析回路による予測された状態の予測精度に応答して、機械学習データ解析回路による状態の分類精度に応答して、等であってもよい。
一実施形態では、産業環境におけるデータ収集のための監視システム10700は、コントローラ10706を有するデータコレクタ10704に通信的に結合された複数の入力センサ10702と、出力データ10710を処理するために、複数のセンサ10702のうちの少なくとも1つについて少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路10708と、機械学習データ分析回路10712とを含んでもよい。この機械学習データ解析回路は、複数のセンサ10702のうちの少なくとも1つのセンサ10702から出力データ10710を受信し、状態を示す受信出力データパターン10718を学習するように構成されている。実施形態では、データ収集バンド回路10708は、学習された受信出力データパターン10718と状態のうちの1つ以上に基づいて、複数のセンサ10702のうちの少なくとも1つのセンサ10702に対する少なくとも1つの収集パラメータを変更する。実施形態では、機械学習データ分析回路10712は、1つ以上の目標またはガイドラインとの進捗状況または整合性を示す受信出力データパターン10718を学習するように構成されている。
請求項1に記載の産業環境におけるデータ収集のための監視システム。実施形態では、工業環境におけるデータ収集のための監視システムであって、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理するための複数のセンサのうちの少なくとも1つのセンサのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ解析回路から構成される、データ収集バンド回路。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのセンサの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、状態は、環境内の機械に関連する結果に対応する。実施形態では、状態は、環境中のマシンに関連する予測される結果に対応する。実施形態では、状態は、環境内のプロセスに関連する結果に対応している。実施形態では、状態は環境中のプロセスに関連する予想される結果に対応している。実施形態では、収集パラメータは帯域幅パラメータである。実施形態では、収集パラメータは、複数の入力センサの多重化を制御するために使用されます。実施形態では、収集パラメータは、タイミングパラメータである。実施形態では、収集パラメータは、周波数範囲に関連する。実施形態では、収集パラメータは、センサデータの収集の粒度に関連する。実施形態では、収集パラメータは、収集されたデータの保存パラメータである。実施形態では、機械学習データ解析回路は、モデルでシードされることにより、受信した出力データパターンを学習するように構成されている。実施形態では、モデルは、物理モデル、運用モデル、またはシステムモデルである。実施形態では、機械学習データ解析回路は、状態に基づいて受信した出力データパターンを学習するように構成されている。実施形態では、データ収集帯域回路は、学習された受信出力データパターンが状態を確実に予測しない場合に、複数のセンサのサブセットを変更する。実施形態では、少なくとも1つのサブセットを変更することは、少なくとも1つのサブセットからのデータ収集を中止することを含む。実施形態では、監視システムは、決定された状態に基づいて、環境中の装置の項目の動作パラメータを保持するか、または変更する。実施形態では、コントローラは、学習された受信出力データパターンまたは状態に基づいて、機械学習データ解析回路の重み付けを調整する。実施形態では、コントローラは、学習された受信された出力データパターンまたは状態に基づいて、複数のセンサの少なくとも1つのサブセットの1つまたは複数のメンバーから、より多くのまたはより少ないデータポイントを収集する。実施形態では、コントローラは、学習された受信された出力データパターンまたは状態に基づいて、出力データのためのデータ記憶手段を変更する。実施形態では、コントローラは、学習された受信された出力データパターンまたは状態に基づいて、データ提示モードまたは態様を変更する。実施形態では、コントローラは、出力データに1つ以上のフィルタを適用する。実施形態では、コントローラは、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、新しいデータ収集バンド回路を識別する。実施形態では、コントローラは、機械学習データ解析回路の重み/バイアスを調整する。実施形態では、調整は、学習された受信出力データパターンに応答して行われる。実施形態では、調整は、機械学習データ解析回路による予測状態の予測精度に応答する。実施形態では、調整は、機械学習データ解析回路による状態の分類の精度に応答する。実施形態では、監視装置は、学習された受信出力データパターンおよび状態のうちの1つまたは複数に基づいて、稼働率の低い機器の除去/タスクを行う。実施形態では、機械学習データ解析回路は、ニューラルネットワークエキスパートシステムを構成する。実施形態では、複数のセンサのうちの少なくとも1つのサブセットは、振動データおよび騒音データを測定する。実施形態では、機械学習データ解析回路は、1つ以上の目標/ガイドラインとの進捗/整合性を示す受信出力データパターンを学習するように構成されている。実施形態では、各目標/ガイドラインの進捗/アライメントは、複数のセンサの異なるサブセットによって決定される。実施形態では、機械学習データ分析回路は、未知の変数を示す受信出力データパターンを学習するように構成されている。実施形態では、機械学習データ解析回路は、利用可能な入力のうちの好ましい入力を示す受信出力データパターンを学習するように構成されている。実施形態では、機械学習データ解析回路は、利用可能な入力データ収集バンドの中で好ましい入力データ収集バンドを示す受信出力データパターンを学習するように構成されている。実施形態では、機械学習データ分析回路は、部分的に、機械上、1つ以上のデータコレクタ上、ネットワークインフラストラクチャ上、クラウド上、またはそれらの任意の組み合わせに配置される。
実施形態では、方法およびシステムは、コントローラに通信的に結合された複数の入力センサを含む、産業環境におけるデータ収集のための監視装置を含み、コントローラは、以下から構成される:出力データを処理する複数のセンサのうちの少なくとも1つのサブセットを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つのサブセットから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習データ解析回路。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのサブセットのアスペクトを変更する。実施形態では、データ収集バンド回路が変更するアスペクトは、複数のセンサの少なくとも1つのサブセットのうちの1つまたは複数のメンバーから収集されたデータポイントの数である。実施形態では、データ収集バンド回路が変化するアスペクトは、センサの少なくとも1つのサブセットの複数のセンサのうちの1つ以上のメンバーから収集されたデータポイントの頻度である。実施形態では、データ収集帯域回路が変更するアスペクトは、帯域幅パラメータである。実施形態では、データ収集バンド回路が変更する側面は、タイミングパラメータである。実施形態では、データ収集バンド回路が変更する側面は、周波数範囲に関連している。実施形態では、データ収集バンド回路が変化する側面は、センサデータの収集の粒度に関連する。実施形態では、収集パラメータは、収集されたデータの記憶パラメータである。実施形態では、方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理する複数のセンサのうちの少なくとも1つについての少なくとも1つの収集パラメータを決定するように構成されたデータ収集帯域回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路を含む。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、データ収集バンド回路は、学習された受信出力データパターンが状態を確実に予測しない場合に、複数のセンサのうちの少なくとも1つの収集パラメータを変更する。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理する複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路を含む。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンまたは状態に基づいて、複数のセンサのうちの少なくとも1つのセンサからより多くまたはより少ないデータポイントを収集する。
実施形態では、本明細書に開示された方法およびシステムは、工業環境におけるデータ収集のための監視システムを含み、以下から構成される:コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理するための複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ解析回路。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラは、学習された受信された出力データパターンまたは状態に基づいて、出力データのためのデータ記憶手段を変更する。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理する複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路を含む。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラは、学習された受信出力データパターンまたは状態に基づいて、データ提示モードまたは態様を変更する。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理する複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路を含む。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラは、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、新たなデータ収集バンド回路を識別する。
実施形態では、方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理する複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路を含む。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、コントローラは、機械学習データ解析回路の重み/バイアスを調整する。実施形態では、調整は、学習された受信出力データパターンに応答して行われる。実施形態では、調整は、機械学習データ解析回路による予測状態の予測精度に応答する。実施形態では、調整は、機械学習データ解析回路による状態の分類の精度に応答する。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のための監視システムを含む。システムは、コントローラを有するデータコレクタに通信的に結合された複数の入力センサ;出力データを処理する複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを決定するように構成されたデータ収集バンド回路;および複数のセンサのうちの少なくとも1つから出力データを受信し、状態を示す受信した出力データパターンを学習するように構成された機械学習データ分析回路を含む。実施形態では、データ収集バンド回路は、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサのうちの少なくとも1つのための少なくとも1つの収集パラメータを変更する。実施形態では、機械学習データ分析回路は、進歩または1つ以上の目標またはガイドラインとの整合性を示す受信出力データパターンを学習するように構成されている。
本明細書の他の箇所に記載されているように、産業環境におけるエキスパートシステムは、センサデータを使用して、環境または環境内のアイテムの結果または状態に関する予測を行うことができる。データ収集は、イベント検出、状態検出などのための様々なタイプのデータ(例えば、振動データ、騒音データ、および本開示全体に記載されているタイプの他のセンサデータ)であってもよい。例えば、エキスパートシステムは、イベントまたは状態を検出または予測するために、周囲の騒音、またはその領域の全体的な音環境、および/または関心のある装置の全体的な振動を、任意に他のセンサデータと組み合わせて利用してもよい。例えば、製油所の往復圧縮機は、それ自身の振動を発生させてもよいが、システムの他の側面との接触を介して周囲の振動を有してもよい。
実施形態では、それらの様々なサブセットおよび他のタイプのデータとの組み合わせを含む3種類の騒音(周囲騒音、局所騒音、および振動騒音)のすべてが、測定結果とともに、人間の監督からの学習または他のフィードバックからの学習、例えば、本開示全体を通して記載されたシステムの1つ以上のフィードバック、および参照により本明細書に組み込まれる文書からのフィードバックのような、1つ以上の状態(例えば、メンテナンス、故障、または運用)または全体的な結果を予測することを学習する「ディープラーニング」機械/専門家システムによって処理される、大規模なデータセットに編成されていてもよい。
本開示を通して、様々な例は、機械、構成要素、装置、アセンブリ等を含むであろうが、本開示は、前述のいずれにも適用され得ることが理解されるべきである。産業環境で動作するこれらの機械の要素(例えば、回転要素、往復運動要素、揺動要素、屈曲要素、流動要素、懸垂要素、浮遊要素、跳ね返り要素、軸受要素など)は、要素が所定の動作状態または状態(例えば、所定の速度での機械の通常の動作モード、所定のギアでの動作モードなど)にあるときに、要素に典型的な特定の周波数および/または振幅であり得る振動を発生させてもよい。振動のパラメータの変化は、機械の状態または結果を示すか、または予測することができます。加速度計、速度変換器、撮像センサ、音響センサ、および変位プローブなど、様々なセンサが振動を測定するのに有用であり、これらは総称して振動センサとして知られているかもしれない。振動センサは、恒久的または一時的(例えば、接着剤、フックアンドループ、または磁気アタッチメント)などのように機械に取り付けられてもよいし、移動可能なまたは携帯可能なデータコレクタに廃棄されてもよい。センシングされた状態は、状態、状態、または結果を特定または予測するために、過去のデータと比較されてもよい。振動分析を使用して特定できる典型的な欠陥には、以下のようなものがある。機械バランスの崩れ、機械のアライメントの崩れ、共振、シャフトの曲がり、ギアメッシュの乱れ、ブレードパスの乱れ、ベーンパスの乱れ、再循環とキャビテーション、モーターの不具合(ローターとキャビテーション)。ステータ)、ベアリングの故障、機械的な緩み、機械の臨界速度、および同様に、過度の摩擦、クラッチスリップ、ベルトの問題、サスペンションおよび衝撃吸収の問題、バルブおよび他の流体漏れ、潤滑および他の流体システムの低圧状態、過熱(上記の多くの原因のような)、機械システムの係合の閉塞または凍結、干渉効果、および本開示および参照により組み込まれた文書に記載されている他の欠陥がある。
機械が他の機械に隣接して、または他の機械と協調して作業していることが頻繁に見られることを考えると、機械の振動を測定することは、機械が受けるかもしれない環境またはそれに関連した振動の中に様々なノイズ成分が存在することによって複雑になるかもしれない。実際、環境および/または局所環境は、それ自体の振動および/または騒音パターンが知られているかもしれない。実施形態では、本明細書にさらに記載されるように、周囲および/または局所的なノイズまたは他の周囲で感知された条件と振動データとの組み合わせは、それ自身のパターンを形成してもよい。
実施形態では、振動騒音の測定は、連続的または周期的に発生する機械の振動騒音を測定するために、機械上または機械内の1つ以上の振動センサを含むことができる。振動騒音の分析は、フィルタリング、信号調整、スペクトル分析、傾向分析などのように実行されてもよい。分析は、機械の特徴的な振動、振動パターン、または機械の「振動フィンガープリント」を得るために、装置の振動騒音を分離するために、集合的または個別のセンサ測定に対して実行されてもよい。振動フィンガープリントは、振動フィンガープリントのデータ構造、またはライブラリに格納されてもよい。振動フィンガープリントは、周波数、スペクトル(すなわち、周波数対振幅)、速度、ピーク位置、波のピーク形状、波形形状、波の包絡線形状、加速度、位相情報、位相シフト(複雑な位相測定を含む)などを含んでもよい。振動フィンガープリントは、それが検索されたり、ソートされたりするパラメータと関連付けてライブラリに格納されてもよい。パラメータには、機械/コンポーネント/装置のブランドまたはタイプ、センサの取り付け場所または配置、装置/装置のデューティサイクル、装置/装置の負荷分担、他の装置との動的相互作用、回転数、流量、圧力、他の振動駆動特性、ラインパワーの電圧などが含まれていてもよい。装置の年齢、動作時間、既知の隣接装置、関連する補助装置/コンポーネント、装置がある空間の大きさ、装置のプラットフォームの材質、熱流束、磁場、電場、電流、電圧、静電容量、インダクタンス、製品の側面、およびその組み合わせ(例えばg.,の組み合わせ(例えば、単純な比)などです。振動フィンガープリントは、通常運転中の機械または他の運転期間(例えば、通常運転以外の運転、誤作動、メンテナンスが必要、欠陥のある部品、不正確な運転パラメータ、他の条件など)について取得されてもよく、現在のデータと比較するためにライブラリに格納されてもよい。振動フィンガープリントのライブラリは、関連する予測、状態、結果および/またはイベントを有する指標として保存されてもよい。測定された振動フィンガープリントのトレンド分析データは、メンテナンスイベント/故障イベント間の時間を示すことができる。
実施形態では、振動騒音は、良好な運転、生産率、生成率、運転効率、財務効率(例えば、コストあたりの出力)、電力効率などの機械の状態を確認するために、エキスパートシステムによって使用されてもよい。実施形態では、エキスパートシステムは、記憶された振動フィンガープリントと振動騒音との比較を行ってもよい。他の実施形態では、エキスパートシステムは、他の状態および結果を予測するために学習するために、振動ノイズおよび状態および結果に関する初期フィードバックをシードしてもよい。例えば、センターピボット灌漑システムは、システムが正常に動作していることを確認するために、振動フィンガープリントのライブラリと比較することができる測定振動ノイズを提供するために、付属の振動センサによって遠隔監視されてもよい。システムが正常に動作していない場合、エキスパートシステムは、調査のために現場の乗組員またはドローンを自動的に派遣してもよい。製油所の真空蒸留装置の別の例では、エキスパートシステムによって、例えば、ディーゼルの生産率を確認するために、ライブラリに保存された振動指紋と振動騒音を比較してもよい。さらなる例では、エキスパートシステムは、通常の生産率の条件下でパイプラインの振動騒音をシードしてもよく、エキスパートシステムが現在のデータ(例えば、変更された振動騒音、および場合によっては他の変更されたパラメータ)で反復すると、変更によって引き起こされたように生産率が増加したことを予測してもよい。このようにして測定値を継続的に分析し、遠隔操作を監視することができます。
実施形態では、振動ノイズは、エキスパートシステムによって、例えば、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代替的に、メンテナンスが必要なときに予測するためにエキスパートシステムをシードするために使用されてもよい(例えば、以下のような)。規格外の測定、信号のアーチファクトなど)、例えば、振動ノイズが、機器/コンポーネントがメンテナンスを必要としたときの状態にマッチしたとき、振動ノイズが閾値/限界を超えたとき、振動ノイズが閾値/限界を超えたとき、または本明細書に記載されているように、1つ以上の追加のパラメータとともにライブラリの振動フィンガープリントにマッチしたときなどに使用され得る。例えば、製薬処理プラント内のタービン攪拌機からの振動フィンガープリントが、軸受の交換を必要としたときにタービン攪拌機の振動フィンガープリントと一致した場合、エキスパートシステムは、攪拌機を直ちにシャットダウンするか、またはそのシャットダウンおよびメンテナンスをスケジューリングするなどのアクションを発生させることができる。
実施形態では、振動騒音は、エキスパートシステムによって、例えば、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代替的に、故障または差し迫った故障を予測するためのエキスパートシステムのシードに使用されてもよい。例えば、医薬品加工プラントのガス撹拌機からの振動騒音は、撹拌機が以前に故障したとき、または故障しそうになったときの状態と一致させることができます。この例では、エキスパートシステムは、アジテータを直ちにシャットダウンし、そのシャットダウンをスケジュールし、またはバックアップアジテータをオンラインにするようにしてもよい。別の例では、化学処理プラント内のポンプブラスト液体アジテータからの振動騒音は、閾値または限界を超えてもよく、エキスパートシステムは、過剰な振動騒音の原因を調査し、アジテータをシャットダウンするか、またはそのようなことを引き起こしてもよい。別の例では、製薬処理プラント内のアンカーアジテータからの振動騒音は、閾値/限界を超えてもよく、または流量の減少、温度の上昇、またはそのようなものなどの1つ以上の追加のパラメータ(本明細書のパラメータを参照)とともにライブラリの振動フィンガープリントと一致してもよい。パラメータと一緒に取られた振動ノイズを使用して、エキスパートシステムは、故障または差し迫った故障をより確実に予測してもよい。
実施形態では、振動騒音は、エキスパートシステムによって、例えば、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよく、または代替的に、エキスパートシステムをシードするために使用されてもよく、装置または装置に振動騒音を寄与する外部ソースの問題(例えば、アンバランス、位置ずれ、摩耗、または損傷)を予測または診断するために使用されてもよい。例えば、パドル型攪拌機ミキサーからの振動騒音が、以前の不均衡からの振動フィンガープリントと一致する場合、エキスパートシステムは、ミキサーを直ちにシャットダウンしてもよい。
実施形態では、エキスパートシステムが振動騒音を使用して結果または状態の予測を行う場合、エキスパートシステムは、下流のアクションを実行するか、または実行させることができる。下流のアクションには、以下が含まれます:故障、差し迫った故障、またはメンテナンスイベントのアラートをトリガーする;装置/コンポーネントをシャットダウンする;メンテナンス/潤滑/調整を開始する;現場技術者を配置する;振動吸収/減衰装置を推奨する;バックアップ装置/コンポーネントを利用するためにプロセスを修正する;製品/反応物などを保存するためにプロセスを修正する;メンテナンススケジュールを生成/修正する;メンテナンススケジュールをカップリングする;メンテナンススケジュールを生成/修正する;メンテナンススケジュールをカップリングする;メンテナンススケジュールを生成/修正する;メンテナンススケジュールをカップリングする。メンテナンススケジュールの生成/修正、振動フィンガープリントと装置のデューティサイクル、回転数、流量、圧力、温度、または他の振動駆動特性を結合して、装置/コンポーネントの状態を取得し、レポートを生成する、など。例えば、化学処理プラントの触媒反応器の振動騒音と、触媒反応器のメンテナンスが必要な状態をマッチングさせることができます。この予測されたメンテナンスが必要な状態に基づいて、エキスパートシステムは、現場技術者を派遣してメンテナンスを実施してもよい。
実施形態では、パラメータを変更した結果、新たな振動フィンガープリントが得られた場合、または緩和がない場合に予測された結果または状態が発生しなかった場合に、ライブラリが更新されることがある。実施形態では、振動フィンガープリントが、ライブラリによって予測されたものよりも代替的な状態に関連付けられていた場合、ライブラリは更新されてもよい。更新は、実際に発生した状態がライブラリから予測された状態と一致しなかった1回だけの後に発生してもよい。他の実施形態では、閾値回数の後に発生してもよい。実施形態では、ライブラリは、比較のための1つ以上の規則、例えば、振動指紋とともに一致するパラメータの数を規定する規則、または予測された結果を受け入れるために一致のための標準偏差を規定する規則を適用するように更新されてもよい。
実施形態では、振動ノイズは、エキスパートシステムによって、例えば、ライブラリ内の保存された振動フィンガープリントおよび関連する状態および結果と比較されてもよいし、代替的に、機械の外部または内部のシステムパラメータの変化がその機械の本質的な動作に影響を及ぼすかどうかを判断するためにエキスパートシステムのシードに使用されてもよい。実施形態では、温度、流量、使用中の材料、使用時間、電源、設置、または他のパラメータ(上記のパラメータを参照)のうちの1つ以上の変化は、機械の振動フィンガープリントを変化させる可能性がある。例えば、化学処理プラントの圧力反応器では、流量および反応物が変更されてもよい。この変更は、通常の動作のためにライブラリに記憶されている振動フィンガープリントがもはや正しくないように、機械の振動フィンガープリントを変化させてもよい。
アンビエントノイズ、または関心のある領域の全体的な音環境、および/または関心のある装置の全体的な振動は、任意で他の周囲で感知された状態と組み合わせて、イベント、結果、または状態を検出または予測するために使用されてもよい。アンビエントノイズは、マイク、超音波センサ、音響波センサ、光学振動センサ(例えば、カメラを使用してノイズを発生させる振動を見るためにカメラを使用する)、または、パターン、音の種類、ノイズの種類などを識別するために、大規模なデータセットを使用して学習する様々なセンサアレイを含む「ディープラーニング」ニューラルネットワークによって測定されてもよい。一実施形態では、周囲の感知された状態は、動きの検出に関連していてもよい。例えば、動きは、プラットフォームの動き(例えば、車両、石油プラットフォーム、陸上に吊り下げられたプラットフォームなど)であってもよいし、物体の動き(例えば、移動する機器、人、ロボット、部品(例えば、ファンブレードまたはタービンブレードなど)など)であってもよい。一実施形態では、周囲の感知された状態は、局所的な振動に影響を与える可能性のあるものなど、様々な機械、装置、および他の物体の位置および性質を検出するように、画像化によって感知されてもよい。一実施形態では、周囲で感知された状態は、熱検出およびイメージングによって感知されてもよい(例えば、人の存在;性能パラメータに影響を与える可能性のある熱源の存在など)。実施形態では、周囲で感知された状態は、電界検出(例えば、電気的、磁気的など)によって感知されてもよい。実施形態では、周囲の感知された状態は、化学的検出(例えば、煙、他の状態)によって感知されてもよい。任意のセンサデータは、結果、イベント、または状態を予測するために、振動フィンガープリントと共に分析のために周囲で感知された状態を提供するために、エキスパートシステムによって使用されてもよい。例えば、食品加工工場の撹拌機またはミキサーの近くで感知される周囲の状態は、冬の間のスペースヒーターの動作であってもよい。実施形態では、周囲に感知される状態には、周囲の騒音と周囲の温度が含まれている場合がある。
ある側面において、局所的なノイズは、周囲にあるが、局所的に生成されることが知られているノイズまたは振動環境であってもよい。エキスパートシステムは、周囲のノイズをフィルタリングしてもよいし、コモンモードノイズ除去を採用してもよいし、および/またはセンシング環境を物理的に隔離してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、結果、イベント、および状態の予測のために、周囲騒音、局所騒音、および振動騒音を使用してもよい。ライブラリは、様々な条件(例えば、起動、シャットダウン、通常運転、本明細書の他の場所で説明されるような運転の他の期間)のための3種類の騒音のそれぞれで人口化されていてもよい。他の実施形態では、ライブラリは、集約された周囲騒音、局所騒音、および/または振動騒音を表す騒音パターンで人口化されてもよい。分析(例えば、フィルタリング、信号条件付け、スペクトル分析、傾向分析)は、特徴的なノイズパターンを得て、ノイズパターンの変化を変化した状態の可能性のある指標として識別するために、集合体ノイズに対して実行されてもよい。騒音パターンのライブラリは、確立された振動フィンガープリントと、パラメータ(本明細書のパラメータを参照)、または局所環境および周囲環境の他のパラメータ/特徴(例えば、企業タイプ、産業タイプ、製品、ロボットハンドリングユニットの存在/非存在、動作環境、流量、生産速度、補助装置のブランドまたはタイプ(例えば、フィルタ、シール、結合機械))によってソートされ得る局所騒音および周囲騒音とを用いて生成されてもよい。ノイズパターンのライブラリは、機械学習能力を有するものなどのエキスパートシステムによって、機械の状態の確認、メンテナンスが必要な場合の予測(例えば、規格外の測定、信号のアーチファクト)、故障または差し迫った故障の予測、問題の予測/診断などのために使用されてもよい。
現在のノイズパターンに基づいて、ライブラリを参照するか、またはノイズパターンに基づいて結果、イベント、または状態を予測するためにエキスパートシステムをシードするために使用することができます。予測に基づいて、エキスパートシステムは、故障、差し迫った故障、またはメンテナンスイベントのアラートをトリガし、装置/コンポーネント/ラインを停止し、メンテナンス/潤滑/調整を開始し、現場技術者を配置し、振動吸収/減衰装置を推奨し、バックアップ装置/コンポーネントを利用するためのプロセスを修正し、製品/反応物を保存するためのプロセスを修正し、メンテナンススケジュールを生成/修正する、などのうちの1つ以上を実行することができる。
例えば、製薬プラントまたは調理システムにおける熱加熱システムのための騒音パターンは、局所的な騒音、周囲騒音、および振動騒音を含んでもよい。周囲騒音は、例えば、システムに燃料を送り込むための様々なポンプの結果であってもよい。局所的な騒音は、動きが検出されるたびに、局所的な防犯カメラがチャープ音を鳴らす結果であってもよい。振動騒音は、熱流体を加熱するために使用される燃焼機械の結果であってもよい。これらの騒音源は、熱システムの状態に関連しているかもしれない騒音パターンを形成してもよい。ノイズパターンおよび関連する状態は、ライブラリに格納されていてもよい。熱流体加熱システムの状態を監視するために使用されるエキスパートシステムは、ライブラリからノイズパターンおよび関連する状態をシードしてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習されたノイズパターンおよび関連する状態を有することに基づいて状態を予測してもよい。
別の例では、製油所におけるボイラ給水のための騒音パターンは、局所的な騒音と周囲の騒音とを含んでもよい。局所的な騒音は、例えば、給水を蒸気ドラムに供給する給水ポンプの動作に起因するものであってもよい。周囲騒音は、近くのファンに起因するものであってもよい。これらの騒音源は、ボイラ給水の状態に関連する騒音パターンを形成してもよい。騒音パターンおよび関連する状態は、ライブラリに格納されていてもよい。ボイラの状態を監視するために使用されるエキスパートシステムは、ライブラリからノイズパターンおよび関連する状態をシードしてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習されたノイズパターンおよび関連する状態を有することに基づいて状態を予測してもよい。
さらに別の例では、製油所の貯蔵タンクの騒音パターンは、局所的な騒音、周囲騒音、および振動騒音を含んでもよい。周囲騒音は、例えば、タンク内に製品をポンプで送り込むポンプの結果であってもよい。局所的な騒音は、タンク室を換気するファンの結果であってもよい。振動騒音は、貯蔵タンクへの電源のラインノイズの結果であってもよい。これらの騒音源は、貯蔵タンクの状態に関連付けられた騒音パターンを形成してもよい。このノイズパターンと関連付けられた状態は、ライブラリに格納されていてもよい。貯蔵タンクの状態を監視するために使用されるエキスパートシステムは、ライブラリからノイズパターンおよび関連する状態をシードしてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習されたノイズパターンおよび関連する状態を有することに基づいて状態を予測してもよい。
別の例では、発電所内の凝縮水/補水システムのための騒音パターンは、振動および周囲騒音を含んでもよい。周囲騒音は、近くのファンに起因するものであってもよい。振動騒音は、凝縮器の動作に起因するものであってもよい。これらの騒音源は、凝縮水/補水システムの状態に関連する騒音パターンを形成してもよい。騒音パターンおよび関連する状態は、ライブラリに格納されていてもよい。凝縮器/補水システムの状態を監視するために使用されるエキスパートシステムは、ライブラリからノイズパターンおよび関連する状態をシードしてもよい。現在のデータがエキスパートシステムに受信されると、エキスパートシステムは、学習したノイズパターンと関連する状態を持っていることに基づいて状態を予測してもよい。
パラメータを変更した結果、新たなノイズパターンが発生した場合や、診断された問題の緩和が行われていない場合に予測された結果や状態が発生しなかった場合に、ノイズパターンのライブラリが更新されることがある。ノイズパターンのライブラリは、ノイズパターンがライブラリによって予測された結果とは別の状態になった場合に更新されることがある。更新は、実際に発生した状態がライブラリから予測された状態と一致しなかった1回だけの後に発生してもよい。他の実施形態では、閾値回数の後に発生してもよい。実施形態では、ライブラリは、ノイズパターンとともに一致するパラメータの数、または予測された結果を受け入れるために一致のための標準偏差を規定する規則など、比較のための1つ以上の規則を適用するために更新されてもよい。例えば、バッフルは、変更されたノイズパターンをもたらす可能性がある医薬品加工プラントの静的撹拌装置で交換されてもよい。別の例では、食品加工プラント内の圧力調理器のシールが老化すると、圧力調理器に関連する騒音パターンが変化してもよい。
実施形態では、振動フィンガープリント、ノイズ源および/またはノイズパターンのライブラリは、サブスクリプションのために利用可能であってもよい。ライブラリは、ローカルシステムの動作を改善するためにオフセットシステムで使用されてもよい。加入者は、競合他社からのデータであるか、または一般的には考慮されていない異業種の機械の設置からのデータであるために、通常は利用できないであろうデータにアクセスするために、任意のレベル(例えば、コンポーネント、機械、設置など)で加入してもよい。加入者は、システム条件に基づいて、またはシステム条件によってフィルタリングされたインジケータ/予測器を検索してもよいし、ライブラリをカスタマイズするために、独自のデータでインジケータ/予測器を更新してもよい。ライブラリは、設置全体に配置されたセンサ、オンボード診断システムおよび計装およびセンサ、環境中の周囲センサ、1つまたは複数の移動式データ収集器のような一時的に配置することができるセンサ(例えば、柔軟なセットで)、デバイスまたはシステム上の関心点に取り付けられるような長期的な使用のために配置することができるセンサ、およびそのようなものをさらに含むことができる。
実施形態では、第三者(例えば、RMO、製造業者)は、コンポーネントレベル、機器レベル、工場/設置レベルでデータを集約し、統計的に有効なデータセットを提供して、自社のシステムを最適化することができます。例えば、機械の新規導入が検討されている場合、状態予測を行う際に取得すべき最適なデータポイントのためにライブラリをレビューすることが有益であるかもしれません。例えば、故障が発生するかどうかを確実に判断するために、特定のセンサパッケージを推奨することができます。例えば、特定のレベルのローカルノイズまたは他の周囲の感知された状態と結合した装置の振動ノイズが、確実に差し迫った故障の指標である場合、それらの要素を観測する所定の振動トランスデューサ/温度/マイクロフォンパッケージが、設置のために推奨されるかもしれません。このような情報を知ることは、機械の一部をレンタルまたは購入するか、または関連する保証およびサービス計画を選択するために、機械を確実に維持するために必要とされるかもしれない情報の量および深さを知ることに基づくような情報を提供するかもしれない。
実施形態では、製造業者は、新規顧客のためのエンジニアリング仕様書を作成するために、機械の稼働中の情報を迅速に収集するためにライブラリを利用することができる。
実施形態では、騒音および振動データは、設置を遠隔監視し、現場作業員を自動的に派遣するために使用されてもよい。
実施形態では、騒音および振動データは、システムを監査するために使用することができます。例えば、ライセンスされたデューティサイクルの範囲外で稼働している機器は、一連の振動センサおよび/または周囲/局所的な騒音センサによって検出されることがある。実施形態では、振動センサおよび/または周囲/局所ノイズセンサからのデータに基づいて、保証期間外の違反の可能性がある場合に警告が発せられることがある。
実施形態では、騒音および振動データは、メンテナンスにおいて使用されてもよい。これは、発電プラントのように、同じフロアまたはプラットフォーム上にある2つの大型発電機のように、振動的に環境と相互作用する可能性のある複数の機械が配置されている場合に特に有用であるかもしれない。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、環境中の機械に近接して非振動データを収集するための振動センサ、周囲環境条件センサ、および局所センサの中から選択された複数のセンサ10802を含んでもよく、複数のセンサ10802は、データコレクタ10804に通信的に結合されている。複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808と、出力データ10810を受信し、受信した出力データパターン10814を結果および状態の少なくとも1つを予測して学習するように構成された機械学習データ解析回路10812と、を備える。状態は、環境中のマシンに関連する結果、環境中のマシンに関連する予測される結果、環境中のプロセスに関連する結果、または環境中のプロセスに関連する予測される結果に対応していてもよい。システムは、データコレクタ10804上に配置されてもよいし、データコレクタ10804とリモートインフラストラクチャとの間に分散されてもよい。データコレクタ10804は、データ収集回路10808を含んでもよい。環境条件または局所センサは、ノイズセンサ、温度センサ、流量センサ、圧力センサ、化学センサ、振動センサ、加速度センサ、圧力センサ、力センサ、位置センサ、速度センサ、変位センサ、温度センサ、サーモグラフィセンサ、熱流束センサ、タコセンサ、運動センサ、磁界センサ、電界センサのうちの1つまたは複数を含む。ガルバニックセンサ、電流センサ、流量センサ、気体流量センサ、非気体流体流量センサ、熱流量センサ、微粒子流量センサ、レベルセンサ、近接センサ、有毒ガスセンサ、化学センサ、CBRNEセンサ、pHセンサ、湿度計、水分センサ、密度計、撮像センサ、カメラ、SSR、三軸プローブ、超音波センサ、タッチセンサ、マイクロフォン、静電容量センサ、ひずみゲージ、起電力計などがある。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、環境中の機械に近位の非振動データを収集するための振動センサ、周囲環境条件センサおよび局所センサの中から選択された複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808と、データ収集回路10808に通信的に結合された複数のセンサ10802と、出力データ10810を受信し、結果および状態の少なくとも1つを予測する受信出力データパターン10814を学習するように構成された機械学習データ解析回路10812と、を含んでもよい。実施形態では、監視システム10800は、出力データが学習された受信出力データパターンと一致するかどうかを判定するように構成されている。機械学習データ解析回路10812は、モデル10816でシードされることにより、受信出力データパターン10814を学習するように構成されてもよい。モデル10816は、物理モデル、運用モデル、またはシステムモデルであってもよい。機械学習データ解析回路10812は、結果または状態に基づいて受信出力データパターン10814を学習するように構成されてもよい。監視システム10700は、予測された結果または状態に基づいて、動作パラメータまたは装置を保持または修正する。データ収集回路10808は、学習された受信出力データパターン10814、結果または状態に基づいて、複数のセンサ10802のうちの1つまたは複数のセンサ10802から、より多くまたはより少ないデータポイントを収集する。データ収集回路10808は、学習された受信出力データパターン10814、結果または状態に基づいて、出力データのデータ記憶手段を変更する。データ収集回路10804は、学習された受信された出力データパターン10814、結果、または状態に基づいて、データの提示モードまたは態様を変更する。データ収集回路10808は、出力データに1つ以上のフィルタ(ローパス、ハイパス、バンドパスなど)を適用する。データ収集回路10808は、学習された受信出力データパターン10814に応答して、機械学習データ解析回路10812の重み/バイアスを調整する。監視システム10800は、学習された受信出力データパターン10814、結果、または状態のうちの1つ以上に基づいて、稼働率の低い機器の除去/タスクを行う。機械学習データ解析回路10812は、ニューラルネットワークエキスパートシステムを含んでもよい。機械学習データ解析回路10812は、1つ以上の目標/ガイドラインとの進捗/整合性を示す受信出力データパターン10814を学習するように構成されてもよい。実施形態では、各目標/ガイドラインの進捗/アライメントは、複数のセンサ10802の異なるサブセットによって決定される。機械学習データ解析回路10812は、未知の変数を示す受信出力データパターン10814を学習するように構成されてもよい。機械学習データ分析回路10812は、利用可能な入力センサの中で好ましい入力センサを示す受信出力データパターン10814を学習するように構成されてもよい。機械学習データ解析回路10812は、部分的には機械上に、1つ以上のデータ収集回路1088上に、ネットワークインフラストラクチャ内に、クラウド内に、またはそれらの任意の組み合わせで配置されてもよい。振動センサからの出力データ10810は、振動フィンガープリントを形成し、このフィンガープリントは、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波の包絡線形状、加速度、位相情報、位相シフトのうちの1つ以上を含んでもよい。データ収集回路10808は、出力データ10810と学習した受信出力データパターンとの間の一致を特定するために、振動指紋のパラメータを何個一致させるか、または一致させるための標準偏差に関するルールを適用してもよい。状態は、通常動作、メンテナンスが必要な状態、故障、または差し迫った故障のいずれかであってもよい。監視システム10800は、警告をトリガしてもよいし、装置/部品/ラインを停止してもよいし、予測された結果または状態に基づいてメンテナンス/潤滑/調整を開始してもよいし、予測された結果または状態に基づいて現場技術者を配置してもよいし、予測された結果または状態に基づいて振動吸収/減衰装置を推奨してもよいし、予測された結果または状態に基づいてバックアップ装置/部品を利用するためのプロセスを修正してもよい。また、監視システム10800は、予測された結果または状態に基づいて、製品/反応物等を保存するプロセスを修正してもよい。監視システム10800は、予測された結果または状態に基づいて、メンテナンススケジュールを生成または修正してもよい。データ収集回路10808は、データ収集回路10808を含んでもよい。システムは、データ収集回路10808上に配置されてもよいし、データ収集回路10808と遠隔インフラストラクチャとの間に分散されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、環境中の機械に近位の非振動データを収集するための振動センサ、周囲環境条件センサおよび局所センサの中から選択された複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808と、データ収集回路10808に通信的に結合された複数のセンサ10802と、出力データ10810を受信し、結果および状態の少なくとも1つを予測する受信出力データパターン10814を学習するように構成された機械学習データ解析回路10812と、を含んでもよい。実施形態では、監視システム10800は、出力データが学習された受信出力データパターンと一致するかどうかを判定し、判定に基づいて動作パラメータまたは装置を保持または修正するように構成されている。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、環境中の機械に近位の非振動データを収集するための振動センサ、周囲環境条件センサおよび局所センサの中から選択された複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808と、データ収集回路10808に通信的に結合された複数のセンサ10802と、出力データ10810を受信し、結果および状態の少なくとも1つを予測する受信出力データパターン10814を学習するように構成された機械学習データ解析回路10812と、を含んでもよい。実施形態では、振動センサからの出力データ10810は、振動指紋を形成する。振動フィンガープリントは、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波の包絡線形状、加速度、位相情報、位相シフトのうちの1つ以上を含んでもよい。データ収集回路10808は、出力データ10810と学習した受信出力データパターンとの間の一致を識別するために、振動フィンガープリントのパラメータが何個一致するか、または一致するための標準偏差に関するルールを適用してもよい。監視システム10800は、出力データが学習された受信出力データパターンと一致するかどうかを判定し、判定に基づいて動作パラメータまたは装置を保持または修正するように構成されていてもよい。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、出力データを処理するための複数のセンサ10802のサブセットを識別するデータ収集バンド回路10818を含んでもよく、センサは、振動センサ、周囲環境条件センサ、および環境中の機械に近位の非振動データを収集するためのローカルセンサの中から選択されたセンサである。データ収集バンド回路10818に通信的に結合された複数のセンサ10802と、複数のセンサ10802のサブセットから出力データ10810を収集するように構成されたデータ収集回路10808と、出力データ10810を受信し、結果および状態の少なくとも1つを予測する受信出力データパターン10814を学習するように構成された機械学習データ解析回路10812と、を備える。実施形態では、学習された受信出力データパターン10814が結果または状態を確実に予測しない場合、データ収集帯域回路10818は、複数のセンサ10802のうちの少なくとも1つのパラメータを変更する。コントローラ10806は、学習された受信出力データパターン10814と結果または状態のうちの1つ以上に基づいて、新たなデータ収集バンド回路10818を識別する。機械学習データ分析回路10812は、利用可能な入力データ収集バンドの中で好ましい入力データ収集バンドを示す受信出力データパターン10814を学習するようにさらに構成されてもよい。システムは、データ収集回路10808上に配置されてもよいし、データ収集回路10808と遠隔インフラストラクチャとの間に分散して配置されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808を含んでもよく、センサは、環境中の機械に近位の非振動データを収集するための振動センサ、周囲環境条件センサ、および局所センサの中から選択されたセンサであり、複数のセンサ10802は、データ収集回路10808に通信的に結合されている。実施形態では、振動センサからの出力データ10810は、振動フィンガープリントの形態であり、複数の振動フィンガープリントおよび関連する結果を含む。データ構造10820と、出力データ10810を受信し、振動フィンガープリントの処理に基づいて結果または状態を予測する受信出力データパターン10814を学習するように構成された機械学習データ解析回路10812と、を備える。機械学習データ解析回路10812は、データ構造10820から複数の振動フィンガープリントのうちの1つをシードしてもよい。データ構造10820は、変更されたパラメータが新たな振動フィンガープリントをもたらした場合、または予測された結果が緩和されていない場合に発生しなかった場合に更新されてもよい。データ構造10820は、学習された受信出力データパターン10814が結果または状態を確実に予測しない場合に更新されてもよい。システムは、データ収集回路上に配置されてもよいし、データ収集回路と遠隔インフラストラクチャとの間に分散されてもよい。
実施形態では、産業環境におけるデータ収集のための監視システム10800は、環境中の機械に近位の非振動データを収集するための振動センサ、周囲環境条件センサ、および局所センサの中から選択された複数のセンサ10802から出力データ10810を収集するように構成されたデータ収集回路10808を含んでもよく、複数のセンサ10802は、データ収集回路10808に通信的に結合されている。実施形態では、複数のセンサ10802からの出力データ10810は、ノイズパターンの形態であり、データ構造10820は、複数のノイズパターンおよび関連する結果からなり、出力データ10810を受信し、ノイズパターンの処理に基づいて結果または状態を予測する受信出力データパターン10814を学習するように構成された機械学習データ解析回路10812を備える。
実施形態では、産業環境におけるデータ収集のためのモニタリングシステムは、次のもので構成されていてもよい:環境中の機械の近位にある非振動データを収集するための振動センサ、周囲環境条件センサおよび局所センサから選択された複数のセンサ、複数のセンサは、データコレクタに通信的に結合されている、複数のセンサから出力データを収集するように構成されたデータ収集回路、および出力データを受信し、結果および状態の少なくとも1つを予測する受信した出力データパターンを学習するように構成された機械学習データ解析回路。状態は、環境中の機械に関連するように、結果、予測される結果、プロセスに関連する結果に対応していてもよい。システムは、データコレクタ上に配置されてもよい。システムは、データコレクタとリモートインフラストラクチャの間に分散してもよい。周囲環境状態センサは、ノイズセンサ、温度センサ、流量センサ、圧力センサを含み、化学センサ、ノイズセンサ、温度センサ、流量センサ、圧力センサ、化学センサ、振動センサ、加速度センサ、加速度センサ、圧力センサ、力センサ、位置センサ、位置センサ、速度センサ、変位センサ、温度センサ、サーモグラフィセンサ、熱流束センサ、タコセンサ、モーションセンサを含んでもよい。磁界センサ、電界センサ、ガルバニックセンサ、電流センサ、流量センサ、気体流量センサ、非気体流体流量センサ、熱流量センサ、微粒子流量センサ、レベルセンサ、近接センサ、有毒ガスセンサ。局所センサは、化学センサ、CBRNEセンサ、pHセンサ、湿度センサ、湿度センサ、密度計、撮像センサ、カメラ、SSR、3軸プローブ、超音波センサ、タッチセンサ、マイクロフォン、静電容量センサ、ひずみゲージ、および起電力計のうちの1つまたは複数から構成されていてもよい。局所センサは、振動センサ、加速度センサ、加速度センサ、圧力センサ、力センサ、位置センサ、位置センサ、速度センサ、変位センサ、温度センサ、サーモグラフィセンサ、熱流束センサ、タコセンサ、運動センサ、磁界センサ、電界センサ、ガルバニックセンサ、電流センサのうちの1つ以上から構成されていてもよい。流量センサ、気体流量センサ、非気体流体流量センサ、熱流量センサ、微粒子流量センサ、レベルセンサ、近接センサ、有毒ガスセンサ、化学センサ、CBRNEセンサ、pHセンサ、湿度センサ、水分センサ、密度計、撮像センサ、カメラ、SSR、トライアックスプローブ、超音波センサ、タッチセンサ、マイクロフォン、静電容量センサ、ひずみゲージ、起電力計。
具体的には、産業環境におけるデータ収集のための監視システムは、次のもので構成されてもよい:振動センサ、周囲環境条件センサ、および環境中の機械に近接した非振動データを収集するための局所センサから選択された複数のセンサから出力データを収集するように構成されたデータ収集回路と、データ収集回路に通信的に結合された複数のセンサと、出力データを受信し、結果および状態の少なくとも1つを予測する受信出力データパターンを学習するように構成された機械学習データ解析回路と、を備える。実施形態では、監視システムは、出力データが学習された受信出力データパターンと一致するかどうかを判定するように構成されている。実施形態では、機械学習データ解析回路は、モデルが物理モデル、運用モデル、またはシステムモデルである場合など、モデルでシードされることによって受信出力データパターンを学習するように構成されてもよい。機械学習データ解析回路は、結果または状態に基づいて、受信した出力データパターンを学習するように構成されていてもよい。監視システムは、予測された結果または状態に基づいて、動作パラメータまたは装置を保持または修正してもよい。データ収集回路は、学習された受信出力データパターン、結果または状態に基づいて、複数のセンサのうちの1つ以上のセンサからデータポイントを収集する。前記データ収集回路は、前記学習された受信出力データパターン、前記結果または前記状態に基づいて、前記出力データのデータ記憶手段を変更してもよい。データ収集回路は、学習した受信出力データのパターン、結果、または状態に基づいて、データの提示モードまたは態様を変更してもよい。データ収集回路は、出力データに1つ以上のフィルタ(ローパス、ハイパス、バンドパスなど)を適用してもよい。データ収集回路は、機械学習データ解析回路の重み/バイアスを調整してもよく、例えば、調整が学習された受信出力データパターンに応答している場合などである。監視システムは、学習された受信された出力データパターン、結果、または状態のうちの1つ以上に基づいて、使用率の低い装置を除去するか、または再タスクを行ってもよい。機械学習データ解析回路は、ニューラルネットワークエキスパートシステムを含んでもよい。機械学習データ分析回路は、各目標またはガイドラインの進捗または整合が複数のセンサの異なるサブセットによって決定される場合など、1つ以上の目標またはガイドラインとの進捗/整合を示す受信出力データパターンを学習するように構成されていてもよい。機械学習データ分析回路は、未知の変数を示す受信出力データパターンを学習するように構成されていてもよい。機械学習データ解析回路は、利用可能な入力センサの中で好ましい入力センサを示す受信出力データパターンを学習するように構成されていてもよい。機械学習データ分析回路は、部分的には、機械上に、1つ以上のデータコレクタ上に、ネットワークインフラストラクチャ上に、クラウド上に、またはそれらの任意の組み合わせで配置されていてもよい。振動センサからの出力データは、振動フィンガープリントを形成してもよく、例えば、振動フィンガープリントが周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波の包絡線形状、加速度、位相情報、および位相シフトのうちの1つ以上を含む。データ収集回路は、出力データと学習した受信出力データパターンとの一致を特定するために、振動フィンガープリントのパラメータを何個一致させるか、または一致させるための標準偏差に関するルールを適用してもよい。状態は、正常動作、メンテナンスが必要な状態、故障、または差し迫った故障のいずれかであってもよい。本機は、予測された結果または状態に基づいて警告を発します。本機は、予測された結果または状態に基づいて、機器、コンポーネント、またはラインを停止させることができます。本機は、予測される結果または状態に基づいて、メンテナンス、潤滑、または調整を開始することができます。本機は、予測される結果または状態に基づいて、現場技術者を派遣することができます。本機は、予測される結果または状態に基づいて、振動吸収装置または振動減衰装置を推奨することができます。本機は、予測された結果または状態に基づいて、バックアップ装置またはコンポーネントを利用するプロセスを修正することができます。本機は、予測された結果または状態に基づいて、製品または反応物を保存するためのプロセスを修正してもよい。監視システムは、予測された結果または状態に基づいて、メンテナンススケジュールを生成または修正してもよい。システムは、データコレクタとリモートインフラストラクチャとの間で分散されていてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、次のもので構成されていてもよい:振動センサ、周囲環境条件センサおよび環境中の機械に近接した非振動データを収集するための局所センサから選択された複数のセンサから出力データを収集するように構成されたデータ収集回路、および出力データを受信し、結果および状態の少なくとも1つを予測する受信出力データパターンを学習するように構成された機械学習データ解析回路。実施形態では、監視システムは、出力データが学習された受信出力データパターンと一致するかどうかを判定し、判定に基づいて動作パラメータまたは装置を保持または修正するように構成されている。
実施形態では、産業環境におけるデータ収集のためのモニタリングシステムは、次のものから構成されてもよい:振動センサ、周囲環境条件センサおよび環境中の機械に近接した非振動データを収集するための局所センサから選択された複数のセンサから出力データを収集するように構成されたデータ収集回路、および出力データを受信し、結果および状態の少なくとも1つを予測する受信した出力データパターンを学習するように構成された機械学習データ解析回路。実施形態では、振動センサからの出力データは、振動フィンガープリントを形成する。実施形態では、振動フィンガープリントは、周波数、スペクトル、速度、ピーク位置、波のピーク形状、波形形状、波の包絡線形状、加速度、位相情報、および位相シフトのうちの1つまたは複数から構成されてもよい。前記データ収集回路は、前記出力データと前記学習した受信出力データパターンとの一致を特定するために、前記振動フィンガープリントのパラメータを何個一致させるか、または一致させるための標準偏差に関するルールを適用してもよい。また、監視システムは、出力データが学習した受信出力データパターンと一致するか否かを判定し、その判定に基づいて動作パラメータまたは装置を保持または修正するように構成されていてもよい。
具体的には、産業環境におけるデータ収集のための監視システムは、以下のように構成されてもよい。出力データを処理する複数のセンサのサブセットを識別するデータ収集バンド回路であって、センサは、振動センサ、周囲環境条件センサ、および環境中の機械に近接して非振動データを収集するための局所センサから選択され、複数のセンサは、データ収集バンド回路に通信的に結合されており、複数のセンサのサブセットから出力データを収集するように構成されたデータ収集回路であって、出力データを受信し、結果および状態の少なくとも1つを予測する受信出力データパターンを学習するように構成された機械学習データ分析回路であってもよい。実施形態では、学習された受信出力データパターンが結果または状態を確実に予測しない場合、データ収集バンド回路は、複数のセンサのうちの少なくとも1つのパラメータを変更する。実施形態では、コントローラは、学習された受信出力データパターンおよび結果または状態のうちの1つ以上に基づいて、新たなデータ収集バンド回路を特定してもよい。機械学習データ解析回路は、利用可能な入力データ収集バンドの中で好ましい入力データ収集バンドを示す受信出力データパターンを学習するようにさらに構成されてもよい。システムは、データ収集回路とリモートインフラストラクチャとの間に分散されていてもよい。
実施形態では、産業環境におけるデータ収集のためのモニタリングシステムは、複数のセンサから出力データを収集するように構成されたデータ収集回路を含んでいてもよく、センサは、環境中の機械に近接して非振動データを収集するための振動センサ、周囲環境条件センサおよびローカルセンサの中から選択され、データ収集回路に通信的に結合されている。実施形態では、振動センサからの出力データは、振動フィンガープリントの形態であり;複数の振動フィンガープリントおよび関連する結果を含む。データ構造;および出力データを受信し、振動フィンガープリントの処理に基づいて結果または状態を予測する受信した出力データパターンを学習するように構成された機械学習データ解析回路である。機械学習データ解析回路は、データ構造から複数の振動指紋のうちの1つをシードしてもよい。データ構造は、変更されたパラメータが新たな振動フィンガープリントをもたらした場合、または緩和がない場合に予測された結果が発生しなかった場合に更新されてもよい。学習された受信出力データパターンが結果または状態を確実に予測しない場合、データ構造は更新されてもよい。システムは、データ収集回路と遠隔インフラストラクチャとの間に分散されていてもよい。
実施形態では、産業環境におけるデータ収集のための監視システムは、振動センサ、周囲環境条件センサおよび環境中の機械に近接した非振動データを収集するための局所センサから選択された複数のセンサからの出力データを収集するように構成されたデータ収集回路を含み、複数のセンサはデータ収集回路に通信的に結合されていてもよい。実施形態では、複数のセンサからの出力データは、ノイズパターンの形態であり;複数のノイズパターンおよび関連する結果を含む。データ構造;および出力データを受信し、ノイズパターンの処理に基づいて結果または状態を予測する受信した出力データパターンを学習するように構成された機械学習データ解析回路。
産業環境におけるデータ収集のための例示的なシステムは、多数の構成要素と、センサの各々が構成要素の少なくとも1つに操作可能に結合された多数のセンサとを有する産業システムを含む。例示的なシステムは、感知されたパラメータ群に応答して多数のセンサデータ値を解釈するセンサ通信回路と、センサデータ値の少なくとも一部に応答して認識されたパターン値を決定するパターン認識回路と、認識されたパターン値に応答して感知されたパラメータ群を更新するセンサ学習回路とをさらに含む。例示的なセンサ通信回路は、更新されたセンシングされたパラメータ群に応答して、センサデータ値の解釈をさらに調整する。
例示的なシステムの特定のさらなる態様が以下に記載され、そのうちの任意の1つまたは複数の態様が特定の実施形態において存在し得る。例示的なシステムは、感知されたパラメータ群が融合された数のセンサであることを含み、認識されたパターン値が、融合された数のセンサに応答して決定された値を含む二次値をさらに含む。例示的なシステムは、パターン認識回路およびセンサ学習回路をさらに含み、認識されたパターン値の決定とセンシング性能値を改善するためのセンシングパラメータ群の更新を反復的に実行する。例示的なシステムは、センシング性能値をさらに含み、センシング性能値は、以下のうちの1つ以上の決定を含む:産業システムにおける関心のある値を検出するための信号対雑音性能、産業システムにおけるセンサのネットワーク利用率、産業システムにおける関心のある値に対する有効なセンシング分解能、産業システムにおけるセンシングシステム(センサを含むセンシングシステム)のための消費電力値、2次値を決定するための計算効率、2次値の精度および/または精度、2次値を決定するための冗長性能力、および/または2次値を決定するためのリードタイム値。例示的かつ非限定的な計算効率値は、次のような1つ以上の決定を含む:2次値を決定するためのプロセッサ動作;2次値を決定するためのメモリ使用率;2次値を決定するためのセンサの数からのセンサ入力;および/または2次値をサポートするためのサポートデータ長期記憶装置。
例示的なシステムは、アナログセンサとしてのセンサ、および/またはリモートセンサとしてのセンサの1つまたは複数、またはすべてを含む。例示的なシステムは、二次値が、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および/または融合された数のセンサからのセンサデータ値を入力として持つモデル出力値などの値であることを含む。例示的なシステムでは、融合された数のセンサは、振動センサと温度センサ、振動センサと圧力センサ、振動センサと電界センサ、振動センサと熱流センサ、振動センサとガルバニックセンサ、および/または振動センサと磁気センサのようなセンサの組み合わせの1つまたは複数のセンサを含む。
例示的なセンサ学習回路はさらに、次のような動作を実行することによって、感知されたパラメータグループを更新する:感知されたパラメータグループのセンサ選択を更新する;感知されたパラメータグループからの少なくとも1つのセンサのセンササンプリングレートを更新する;感知されたパラメータグループからの少なくとも1つのセンサのセンサ分解能を更新する;感知されたパラメータグループからの少なくとも1つのセンサに対応する記憶値を更新する;感知されたパラメータグループからの少なくとも1つのセンサに対応する優先度を更新する;および/または感知されたパラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリング位相、および/またはネットワークパス構成のうちの少なくとも1つを更新する、などの動作を実行することによって、感知されたパラメータグループを更新する。例示的なパターン認識回路は、さらに、以下のような動作を実行することにより、認識されたパターン値を決定する。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの信号の有効性を関心のある値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの感度を関心のある値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測信頼度を関心のある値に対して決定すること、などの動作を実行することにより、認識されたパターン値をさらに決定すること。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測遅延時間を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定すること;および/または、外部フィードバックに応答して、認識されたパターン値を更新すること。例示的かつ非限定的な関心値としては、仮想センサ出力値;プロセス予測値;プロセス状態値;コンポーネント予測値;コンポーネント状態値;および/または融合された複数のセンサからのセンサデータ値を入力として有するモデル出力値が挙げられる。
例示的なパターン認識回路は、さらに、少なくとも1つのオフセット産業システムに対応する第2の数のセンサデータ値を含むクラウドベースのデータにアクセスし、この第2の数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応する。例示的なセンサ学習回路はさらに、少なくとも1つのオフセット産業システムに対応する第2の更新されたセンサパラメータ群を含むクラウドベースのデータにアクセスする。
産業環境におけるデータ収集のための例示的な手順は、多数の構成要素を含む産業システムに多数のセンサを提供する操作と、多数のセンサの各々が多数の構成要素のうちの少なくとも1つに操作可能に結合されている操作と、感知されたパラメータ群に応答して多数のセンサのデータ値を解釈する操作とを含む。前記センサデータ値の数から前記センサデータ値の数を融合した数を含むセンシングパラメータ群と、前記センサデータ値の数に応じて決定された二次値を含む認識パターン値を決定する操作と、前記認識パターン値に応じて前記センシングパラメータ群を更新する操作と、前記更新されたセンシングパラメータ群に応じて前記センサデータ値の数の解釈を調整する操作と、を行うことを特徴とするセンサデータ値の解釈調整装置。
例示的な手順の特定のさらなる側面が以下に記載されており、そのうちの任意の1つまたは複数が特定の実施形態に含まれ得る。例示的な手順は、認識されたパターン値を決定することと、感知性能値を改善するために感知されたパラメータ群を更新することとを反復的に実行する操作を含み、感知性能値を決定することは、値を決定するための少なくとも1つの操作、例えば、決定することを含む。産業システムにおける関心のある値を検出するための信号対雑音性能、産業システムにおける複数のセンサのネットワーク利用率、産業システムにおける関心のある値のための効果的な検出分解能、産業システムにおけるセンシングシステムのための消費電力値、複数のセンサを含むセンシングシステム、二次値を決定するための計算効率、二次値の精度および/または精度、二次値を決定するための冗長性容量、および/または二次値を決定するためのリードタイム値を決定することを含む。
例示的な手順は、以下のような少なくとも1つの操作を実行することによって構成される、センシングされたパラメータグループを更新する操作を含む。センシングされたパラメータグループのセンサ選択を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサのセンササンプリングレートを更新すること;センシングされたパラメータグループからの少なくとも1つのセンサのセンサ分解能を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサに対応する記憶値を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサに対応する優先度を更新すること;および/または、センシングされたパラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリング位相、およびネットワークパス構成のうちの少なくとも1つを更新すること、などの少なくとも1つの操作を実行することによって構成される。例示的な手順は、以下のような少なくとも1つの操作を実行することによって認識されたパターン値を決定することを含む。センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの信号の有効性を関心のある値に対して決定すること;センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの感度を関心のある値に対して決定すること;センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの予測信頼度を関心のある値に対して決定すること、を含む。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測遅延時間を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定すること;および/または、外部フィードバックに応答して、認識されたパターン値を更新すること。
本明細書で利用される産業システム(および類似の用語)という用語は、広く理解されるべきである。本開示の他の側面または説明に限定されることなく、産業システムは、任意の大規模プロセスシステム、機械システム、化学システム、組立ライン、石油およびガスシステム(生産、輸送、探査、遠隔操作、海洋操作、および/または精製を含むが、これに限定されない)、鉱業システム(生産、探査、輸送、遠隔操作、および/または地下操作を含むが、これに限定されない)、鉄道システム(ヤード、列車、出荷など)、建設、発電、航空宇宙、農業、食品加工、および/またはエネルギー生成を含む。特定の構成要素は、個別には工業的とはみなされないが、集約されたシステムにおいて工業的とみなされてもよい-例えば、単一のファン、モータ、および/またはエンジンは、工業的システムではないが、より大きなシステムの一部であり、および/または、工業的システムおよび/または工業的システムの一部とみなされるために、多数の他の類似の構成要素とともに蓄積されてもよい。特定の実施形態では、システムは、ある目的のためには産業用システムとみなされても、他の目的のためにはみなされないかもしれない-例えば、大規模なデータサーバファームは、温度検出、振動、またはそのようなもののような特定の感知操作のための産業用システムとみなされてもよいが、ガス組成物のような他の感知操作のための産業用システムとはみなされないかもしれない。さらに、特定の実施形態では、そうでなければ類似した外観のシステムは、そのようなシステムが産業用システムであるかどうか、および/またはどのタイプの産業用システムであるかを決定する際に区別されてもよい。例えば、あるデータサーバファームは、ある時点では、動作に重要なプロセスストリーム流量を有していないかもしれないが、別のデータサーバファームは、動作に重要なプロセスストリーム流量(例えば、クーラントフローストリーム)を有していてもよく、それに応じて、あるデータファームサーバは、データ収集および/またはセンシング改善プロセスまたはシステムのための産業システムであってもよく、他のデータファームサーバは、そうではないかもしれない。したがって、本開示の利点は、多種多様なシステムに適用されてもよく、そのようなシステムは、本明細書では産業用システムとみなされてもよく、一方、特定の実施形態では、所与のシステムは、本明細書では産業用システムとみなされないかもしれない。当業者であれば、本明細書の開示の恩恵を受け、通常その人が利用可能な企図されたシステムに関する知識を有し、本開示のどの側面が特定のシステムに利益をもたらすか、企図されたシステムの動作を強化するために本開示からのプロセスおよびシステムをどのように組み合わせるかを容易に決定することができる。当業者であれば、例示されたシステムが産業用システムであるかどうか、および/または本開示の側面が例示されたシステムに利益をもたらすか、または例示されたシステムを強化することができるかどうかを判断する際に考慮すべき特定の事項としては、以下のものが挙げられるが、これらに限定されるものではない:システムの一部の位置検出装置へのアクセス性、資本コスト(例えば、初期設置)および運用コスト(例えば、プロセスの最適化、電力使用量の削減)に対するシステムの感度、システムの伝送環境(例えば、ブロードバンドインターネットの利用可能性、衛星放送の利用可能性、および/または本開示の側面が例示されたシステムに利益をもたらすかどうか)。システムの送信環境(例えば、ブロードバンドインターネットの利用可能性、衛星カバレッジ、無線セルラーアクセス、システムの電磁環境、システムの天候、温度、および環境条件、ワイヤ、ネットワーク回線などを通すのに適した場所の利用可能性、ネットワークインフラストラクチャ、ルータの位置決め、および/または無線リピータのための適した場所の存在および/または利用可能性)、コンピューティングデバイスと対話するための訓練を受けた人員の利用可能性、システム内で感知されたパラメータの所望の空間、時間、および/または周波数分解能、システムまたはプロセスが十分に理解されているか、またはモデル化されているかの程度、システム操作におけるターンダウン率(例えば、システム操作のターンダウン率)、システム操作のターンダウン率(例えば、システム操作のターンダウン率)、システム操作のターンダウン率(例えば、システム操作のターンダウン率)。g.,システム操作におけるターンダウン率(例:高負荷の差から低負荷への差、高流量の差から低流量への差、高温操作の差から低温操作への差)、操作コストにおけるターンダウン率(例:時間(日、季節など)に基づく人件費の影響、電力消費コストの時間、スループットなどによる変動の影響)、故障、ダウンタイムなどに対するシステムの感度、想定されるシステムの遠隔性(例:輸送コスト、時間遅延など)。輸送コスト、時間遅延など);および/または動作サイクルにおけるシステムの変化の質的範囲(例えば、システムは、時間とともに変化する感知環境を必要とするいくつかの異なるプロセスを実行している;時間サイクルおよび周期的、イベント駆動、一般的に利用可能なリードタイムなどの変化の性質など)。産業用システムおよび考慮事項の特定の例は、例示の目的で本明細書に記載されているが、本明細書の開示の恩恵を受ける任意のシステム、および本明細書の開示の恩恵を受ける当技術分野の当業者に理解される任意の考慮事項は、本開示の範囲内で具体的に企図されている。
本明細書で利用されるような用語「センサ」(および類似の用語)は、広く理解されるべきである。本開示の任意の他の側面または説明に限定されることなく、センサは、システム内の物理的な値(例えば、温度、力、圧力)を代表する感知値を提供するように構成された任意のデバイス、または少なくとも物理的な値(例えば、仕事、電荷の状態、周波数、位相など)に付随的な関係を有するシステム内の概念的な値を代表するように構成された任意のデバイスを含む。
例示的かつ非限定的なセンサは、振動、加速度、ノイズ、圧力、力、位置、位置、速度、変位、温度、熱流束、速度、回転速度(例えば、タコメーター)、運動、加速度計、磁場、電場、ガルバニック、電流、流量(ガス、流体、熱、微粒子、粒子など。タコメータ)、運動、加速度計、磁場、電場、ガルバニック、電流、流れ(ガス、流体、熱、微粒子、粒子など)、レベル、近接、ガス組成、流体組成、毒性、腐食性、酸性度、pH、湿度、湿度、湿度計測定、水分、密度(バルクまたは比)、超音波、画像化、アナログ、および/またはデジタルセンサが挙げられる。センシングされた値のリストは、非限定的な例であり、多くの用途において、本開示の利点は、センサの種類に依存せずに実現され得るが、他の用途において、本開示の利点は、センサの種類に依存してもよい。
検出のためのセンサのタイプおよび機構は、当該技術分野で理解されている任意のタイプのセンサであってもよい。限定することなく、加速度センサは、任意のタイプおよびスケーリング、例えば500mV/g(1g=9.8m/s2)、100mV、1V/g、5V/g、10V/g、10MV、および任意の周波数能力を有していてもよい。加速度センサ、およびすべてのセンサタイプについて、スケーリングおよび範囲が競合する可能性があり(例えば、固定ビットまたは低ビットA/Dシステムにおいて)、および/または大きな範囲を有する高分解能スケーリングの選択は、センサおよび/またはコンピューティングコストを押し上げる可能性があり、これは、特定の実施形態では許容可能であり、他の実施形態では法外である可能性があることが理解されるであろう。例示的かつ非限定的な加速度計は、圧電デバイス、高分解能およびサンプリング速度の位置検出デバイス(例えば、レーザベースのデバイス)、および/または加速度および/または振動に相関することができる他のパラメータ(ひずみ、力、ノイズなど)の検出を含む。例示的かつ非限定的な近接プローブは、電磁デバイス(例えば、ホール効果、可変リラクタンスなど)、スリーブ/油膜デバイス、および/または近接に相関することができる他のパラメータの決定を含む。例示的な振動センサは、三軸プローブを含み、このプローブは、高周波応答(例えば、100mV/gのスケーリング)を有してもよい。例示的かつ非限定的な温度センサは、サーミスタ、熱電対、および/または光学的温度決定を含む。
センサは、追加的または代替的に、下流側(例えば、データコレクタ、コントローラ、プラントコンピュータ、および/またはクラウドベースのデータレシーバ上)で処理された値(例えば、デバウンス、フィルタリング、および/または補償された値)および/または生の値を提供してもよい。特定の実施形態では、センサは、電圧、電流、データファイル(例えば、画像の場合)、または他の生データ出力を提供し、および/またはセンサは、意図された感知された測定の代表的な値を提供する(例えば、温度センサは、電圧または温度値を通信してもよい)。さらに、または代替的に、センサは、有線接続を介して、光接続を介して、または任意の他のメカニズムによって、無線で通信してもよい。センサタイプおよび/または通信パラメータの説明された例は、説明の目的のための非限定的な例である。
さらに、または代替的に、特定の実施形態では、センサは、分散した物理デバイスであり、例えば、2つの別々の感知要素が感知された値を提供するために調整される(例えば、位置感知要素および質量感知要素が加速度値を提供するために調整されてもよい)。特定の実施形態では、単一の物理デバイスは、2つ以上のセンサ、および/または1つ以上のセンサの部品を形成してもよい。例えば、位置感知要素は、位置感知要素および速度感知要素を形成してもよく、ここで、同じ物理ハードウェアは、両方の決定のために感知されたデータを提供する。
本明細書で利用されるスマートセンサ、スマートデバイス(および類似の用語)という用語は、広く理解されるべきである。本開示の任意の他の側面または説明に限定されることなく、スマートセンサは、本開示全体に記載されている任意のセンサおよびその側面を含む。スマートセンサは、少なくとも基本的なセンサ処理(例えば、デバウンス、フィルタリング、補償、正規化、および/または出力制限)、より複雑な補償(例えば、現在の環境条件の温度値に対する既知の影響に基づく温度値の補正、コモンモードまたは他のノイズ除去など)、センサによって通信される感知値に反映される処理の増分を含み、感知値をネットワーク通信として提供する感知デバイス、および/または通信のために多数の感知値を集約する感知デバイス(例えば、以下のような感知デバイス)を含む。パーセーブルまたはデコンボリューション可能な方法で、または別個のメッセージとして通信されるデバイス上の複数のセンサ;データコレクタ、コントローラ、プラントコンピュータ、および/またはクラウドベースのデータレシーバにセンセーションされた値をリレーする単一のスマートセンサに値を提供する複数のセンサ。スマートセンサという用語の使用は、説明のためのものであり、センサがスマートセンサであるかどうかは、文脈および想定されるシステムに依存し、想定されるシステム内の他のセンサと比較した相対的な記述であり得る。したがって、同一の機能を有する所与のセンサは、ある例示されたシステムの目的のためのスマートセンサであってもよく、別の例示されたシステムの目的のための単なるセンサであってもよく、および/または、ある動作条件の間は例示されたシステムのスマートセンサであってもよく、他の動作条件の間は同じ例示されたシステムの目的のための単なるセンサであってもよい。
本明細書で利用されるような、センサ融合、融合センサ、および類似の用語は、文脈が他に示す場合を除き、本開示の他の側面または説明に限定されることなく、広く理解されるべきである。センサ融合は、センサデータからの2次データの決定を含み、さらに、複数のセンサのセンサデータからの2次データの決定を含み、データのストリームの多重化、データのバッチの組み合わせ、および複数のセンサからのデータの組み合わせなどを含む。二次データは、直接感知されたものを超えたシステムまたは動作状態に関する決定を含む。例えば、温度、圧力、混合率、および他のデータを分析して、どのパラメータが所望の結果(例えば、反応率)に対して結果的に効果的であるかを決定してもよい。センサ融合は、複数のソースからのセンサデータ、および/または縦断的データ(例えば、一定期間にわたって、プロセスの経過にわたって、および/またはプラント内のコンポーネントの範囲にわたって、例えば、組み立てられた部品の数、パイプラインを通過する流体の仮想スラグ、またはそのようなものを追跡するように)を含んでもよい。センサ融合は、リアルタイムで(例えば、プロセスの進行に応じてセンサデータを用いて多数のセンサ融合決定をポップアップする)、オフラインで(例えば、コントローラ、プラントコンピュータ、および/またはクラウドベースのコンピューティングデバイス上で実行される)、および/または後処理操作として(例えば、履歴データ、複数のプラントまたはプロセスからのデータを利用するなど)実行されてもよい。特定の実施形態では、センサ融合は、機械パターン認識動作を含む-例えば、プロセスの結果が機械に与えられ、および/または機械によって決定され、機械パターン認識動作は、検出されたセンサ値空間から結果有効パラメータを決定し、どの動作条件が結果の原因である可能性が高いか、および/または結果の公称外の結果(例えば、プロセスが公称よりも効果的でないか、または効果的でないか、失敗したか、など)を決定する。特定の実施形態では、結果は、定量的な結果(例えば、公称運転よりも20%多くの製品が生産された)または定性的な結果(例えば、製品の品質が許容できなかった、想定されるシステムのコンポーネントXがプロセス中に故障した、想定されるシステムのコンポーネントXがメンテナンスまたはサービスイベントを必要とした、など)であってもよい。
特定の実施形態では、センサ融合操作は反復的または再帰的である-例えば、結果有効パラメータの推定セットがセンサ融合操作の後に更新され、その後のセンサ融合操作が、結果有効パラメータの更新されたセットを有する同じデータまたは別のデータセットに対して実行される。特定の実施形態では、後続のセンサ融合操作は、センシングスキームへの調整を含む-例えば、より高い解像度の検出(例えば、時間、空間、および/または周波数ドメイン)、より大きなデータセット(およびその結果としてのコンピューティングおよび/またはネットワークリソースのコミットメント)、センサ能力および/または設定の変更(例えば、A/Dスケーリング、範囲、解像度などを変更する;より能力の高いセンサおよび/またはより能力の高いデータコレクタへの変更など)が、後続のセンサ融合操作のために実行される。特定の実施形態では、センサ融合操作は、センシングスキームを改善するための追加リソースの支出が正当化されるような、企図されたシステムに対する改善(例えば、生産量、品質、および/または純度など)を示す。特定の実施形態では、センサ融合操作は、増分コストなしでセンシングスキームの改善を提供し、例えば、結果有効パラメータの数を狭くすることによって、それによってシステムリソースを解放して、想定されるシステム内に既に存在するハードウェアから、より大きな分解能、サンプリングレートなどを提供する。特定の実施形態では、反復および/または再帰的なセンサ融合は、同じデータセット、後続のデータセット、および/または過去のデータセットに対して実行される。例えば、高解像度データは、システム内に既に存在してもよく、第1のセンサ融合操作は、所望の時間枠内で、所望のプロセッサ、メモリ、および/またはネットワーク使用率内で、センサ融合処理操作を完了させることを可能にするように、および/または、潜在的な結果有効パラメータとして多数の変数をチェックすることを可能にするように、低解像度データ(例えば、高解像度データセットからサンプリングされた)で実行される。さらなる例では、改善が存在するという確信、潜在的な結果有効変数の絞り込み、および/または結果有効パラメータおよび/またはそのようなパラメータの有効値を決定するために、より高い分解能のデータが必要であるという決定に応答して、高分解能データセットからのより多くのサンプルが、後続のセンサ融合処理操作で利用されてもよい。
センサ融合のための記載された操作および側面は、非限定的な例であり、本明細書の開示の利点および企図されたシステムについて通常入手可能な情報を有する当業者であれば、センサ融合操作を利用するおよび/またはセンサ融合操作から利益を得るためのシステムを容易に設計することができる。センサ融合動作を利用し、および/またはセンサ融合動作から利益を得るためのシステムの特定の考慮事項には、限定されないが、以下が含まれる:システム内の構成要素の数;システム内の構成要素のコスト;システムのメンテナンスおよび/またはダウンタイムのコスト;システムの改善の価値(生産量、品質、歩留まりなど);望ましくないシステムの結果(例えば、副産物、熱および/または発光イベント)の存在、可能性、および/または結果が含まれる。望ましくないシステムの結果(例えば、副産物、熱および/または発光イベント、環境上の利益または結果、システム内に存在する危険性)の存在、可能性および/または結果、システムに複数のセンサを提供するための費用、システムの入力とシステムの出力の間の複雑さ、コンピューティングリソースの可用性およびコスト(例えば、処理、メモリ、および/または通信スループット)。処理、メモリ、および/または通信スループット)の利用可能性およびコスト、考えられるシステムのサイズ/規模、および/または統計的に有意なデータを生成するそのようなシステムの能力、オフセットシステムが存在するかどうか、オフセットシステムからのデータが利用可能かどうか、およびオフセットシステムからのデータを組み合わせることで、単独で考えられるシステムと比較して統計的に改善されたデータセットが生成されるかどうかを含む、オフセットシステムが存在するかどうか、および/または考えられるシステムのためのセンシングスキームをアップグレード、改善、または変更するために必要なコスト。センサ融合操作から利益を得るか、またはセンサ融合操作を利用する可能性のある企図されたシステムのために記載された考察は、非限定的な図示である。
特定のシステム、プロセス、操作、および/または構成要素は、本開示において、「オフセットシステム」またはそのようなものとして記載される。オフセットシステムは、例示されたシステムとは異なるが、例示されたシステムと関連性を有するシステムである。例えば、例示的な製油所は、「オフセット製油所」を有してもよく、これは、競合他社によって運営されている製油所、例示的な製油所を運営している同一のエンティティによって運営されている製油所、および/またはもはや存在しない歴史的に運営されている製油所であってもよい。オフセット製油所は、類似の反応、プロセスフロー、生産量、フィードストック、廃液材料、またはそのようなものを利用することなどのように、 想定される製油所と何らかの関連性を持っている。ある目的のためのオフセットシステムであるシステムは、別の目的のためのオフセットシステムではないかもしれない。例えば、コンベヤベルトおよび類似のモータを利用する製造プロセスは、製品の動きを追跡したり、モータの動作および故障モードを理解したり、または同様の目的のために、考えられる製造プロセスのためのオフセットプロセスであってもよいが、生産される製品が異なる品質結果パラメータを有する場合には、製品の品質のためのオフセットプロセスではないかもしれない。本明細書で企図される任意の産業システムは、特定の目的のためのオフセットシステムを有していてもよい。当業者であれば、本開示の利点と、企図されたシステムについて通常利用可能な情報を有し、オフセットシステムまたはシステムのオフセットアスペクトによって開示されていることを容易に判断することができる。
コンピュータ、コンピューティングデバイス、プロセッサ、回路、および/またはサーバという用語のうちの任意の1つ以上は、非一過性のコンピュータ読み取り可能な媒体上などのような通信で格納された命令にアクセスすることが可能な任意のタイプのコンピュータを含み、コンピュータは、命令を実行することにより、本明細書に記載されたシステムまたは方法の操作を実行する。特定の実施形態では、そのような命令自体は、コンピュータ、コンピューティングデバイス、プロセッサ、回路、および/またはサーバを構成する。さらに、または代替的に、コンピュータ、コンピューティングデバイス、プロセッサ、回路、および/またはサーバは、別個のハードウェアデバイスであってもよく、ハードウェアデバイスに分散した1つ以上のコンピューティングリソースであってもよく、および/または論理回路、組み込み回路、センサ、アクチュエータ、入力デバイスおよび/または出力デバイス、ネットワークおよび/または通信リソース、任意のタイプのメモリリソース、任意のタイプの処理リソース、および/または本明細書に記載されたシステムおよび方法の1つ以上の動作を機能的に実行するために決定された条件に応答するように構成されたハードウェアデバイスのような側面を含んでいてもよい。
本明細書に記載される特定の操作は、1つ以上の値、パラメータ、入力、データ、または他の情報を解釈、受信、および/または決定することを含む。任意の値パラメータ、入力、データ、および/または他の情報を解釈、受信、および/または決定することを含む操作は、以下を含むが、これらに限定されない:ユーザ入力を介してデータを受信すること;任意のタイプのネットワークを介してデータを受信すること;受信デバイスと通信しているメモリロケーションからデータ値を読み出すこと;受信したデータ値としてデフォルト値を利用すること;受信デバイスで利用可能な他の情報に基づいてデータ値を推定、計算、または導出すること;および/または後に受信したデータ値に応答してこれらのうちのいずれかを更新することを含む。特定の実施形態では、データ値は、データ値の受信の一部として、第1の動作によって受信され、後に第2の動作によって更新されてもよい。例えば、通信がダウン、断続的、または中断されている場合、データ値を解釈、受信、および/または決定するための第1の操作が実行されてもよく、通信が復旧した場合、データ値を解釈、受信、および/または決定するための更新された操作が実行されてもよい。
本明細書に記載された操作の特定の論理的なグループ化、例えば、本開示の方法または手順は、本開示の側面を例示するために提供される。本明細書に記載された操作は、模式的に記載され、および/または描写され、操作は、本開示と一致する方法で、組み合わせ、分割、再順序付け、追加、または削除されてもよい。操作の記述の文脈は、1つ以上の操作の順序を必要としてもよく、および/または1つ以上の操作の順序が明示的に開示されてもよいが、操作の順序は、操作の同等の結果を提供するための操作の任意の同等のグループ化が本明細書で具体的に企図されている場合には、広く理解されるべきである。例えば、ある値がある操作ステップで使用される場合、特定の文脈(例えば、ある効果を達成するための操作のためのデータの時間遅延が重要である場合)では、その操作ステップの前に値の決定が必要とされてもよいが、他の文脈(例えば、操作の前の実行サイクルからの値の使用で十分である場合)では、その操作ステップの前に値の決定が必要とされない場合がある。したがって、特定の実施形態では、記載されたような操作の順序および操作のグループ化が本明細書で明示的に企図され、特定の実施形態では、操作の再順序化、細分化、および/または異なるグループ化が本明細書で明示的に企図される。
図142を参照して、産業環境におけるデータ収集のための例示的なシステム10902は、多数のコンポーネント10906と多数のセンサ10908とを有する産業システム10904を含む。実施形態では、センサ10908の各々は、コンポーネント10906の少なくとも1つに操作的に結合されている。センサの選択、分布、タイプ、および通信的セットアップは、システム10902のアプリケーションおよび/またはコンテキストに依存する。
例示的なシステム10902は、感知されたパラメータ群109028に応答して多数のセンサデータ値10908を解釈するセンサ通信回路10920(参照図143)をさらに含む。センシングされたパラメータ群10928は、少なくとも選択されたサンプリング周波数を含む、どのセンサ10908がどのタイミングでサンプリングされるかの記述、プロセスステージを含む。実施形態では、特定のセンサは、関心のある値を提供してもよい。例示的なシステムでは、感知されたパラメータ群10928は、例えば、生産出力、品質、効率、収益性、純度、システム内の構成要素のメンテナンスまたはサービス予測、故障モード予測などのような、所望の出力に影響を与えるシステムの動作状態の検出を包含すると考えられる一連のセンサ10926の融合された数のセンサであることを含む。さらなる実施形態では、認識されたパターン値10930は、センサ10926の融合数に応答して決定された値を含む第2の値10932をさらに含む。
特定の実施形態では、センサデータ値10948は、複数のセンサ10908および/またはコントローラ10914と通信してもよいデータコレクタ10910に提供される。特定の実施形態では、プラントコンピュータ10912が追加的にまたは代替的に存在する。例示的なシステムでは、コントローラ10914は、センサ通信回路10920、パターン認識回路10922、および/またはセンサ学習回路10924の動作を機能的に実行するように構成されており、説明を明確にするために別個の装置として描かれている。コントローラ10914の側面は、センサ10908、データコントローラ10910、プラントコンピュータ10912、および/またはクラウドコンピューティングデバイス10916上に存在してもよい。特定の実施形態では、コントローラ10914の全ての側面は、システム10902上に描かれた別のデバイス上に存在してもよい。プラントコンピュータ10912は、産業システム10904上に存在してもよく、および/または産業システム10904と通信していてもよいローカルコンピューティングリソース、例えば、処理、メモリ、および/またはネットワークリソースを表す。特定の実施形態では、クラウドコンピューティングデバイス10916は、産業システム10904に対して外部から利用可能なコンピューティングリソース、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介してのコンピューティングリソースを表す。特定の実施形態では、データコントローラ10910は、コンピューティングデバイス、スマートセンサ、MUXボックス、または複数のセンサからデータを受信し、データをパススルーし、および/または後の送信のためにデータを保存することができる他のデータ収集デバイスであってもよい。例示的なデータコントローラ10910は、ストレージを持たず、および/または限られたストレージを有し、選択的にセンサデータを通過させ、センサデータのサブセットは、データコントローラ10910、関連ネットワーク、および/または環境制約によって課される帯域幅の考慮のために、所定の時間に通信される。特定の実施形態では、システム10902内の1つ以上のセンサおよび/またはコンピューティングデバイスは、ポータブルデバイスである-例えば、産業システム内を歩くプラントオペレータはスマートフォンを持っていてもよく、システム10902は、データコントローラ10910、センサ10908として選択的に利用してもよい-例えば、通信スループット、センサ分解能、および/またはセンサデータ値10908をコントローラ10914に通信するための第1の方法として、通信スループットを向上させるために。
例示的なシステム10902は、センサデータ値10948の少なくとも一部に応答して認識されたパターン値10930を決定するパターン認識回路10922をさらに含む。
例示的なシステム10902は、認識されたパターン値10930に応答して、感知されたパラメータ群10928を更新するセンサ学習回路10924をさらに含む。例示的なセンサ通信回路10920は、更新された感知されたパラメータ群10928に応答して、センサデータ値10948の解釈を調整することをさらに含む。
例示的なシステム10902は、パターン認識回路109022およびセンサ学習回路10924が、認識されたパターン値10930の決定およびセンシング性能値10934を改善するためのセンシングパラメータ群10928の更新を反復的に実行することをさらに含む。例えば、パターン認識回路10922は、認識されたパターン値10930の有効または非有効な予測因子であると思われるセンサに基づいて、センサを追加したり、センサを削除したり、および/またはセンサの設定を変更したりして、センシングされたパラメータ群10928を修正してもよく、センサ学習回路10924は、変更の継続を指示してもよい(例えば。改善が継続している間)、増加または減少した変化率(例えば、改善された感知パラメータ群10928により迅速に収束するように)、および/または感知パラメータ群10928へのランダム化された変化を指示してもよい(例えば、潜在的に結果的に有効なセンサがすべてチェックされていることを確実にするため、および/または局所的な最適値に収束しないようにするため)。
センシング性能値10934の例示的かつ非限定的なオプションには、産業システムにおける関心のある値を検出するための信号対雑音性能(例えば、センシングされたパラメータ群10928の1つまたは複数のセンサ、および/またはセンシングされたパラメータ群10928全体のノイズ要因に対して、その値の予測信号が高いという判定);産業システムにおけるセンサのネットワーク利用率(例えば、センサ学習回路10924は、センシングされたパラメータ群10928の1つまたは複数のセンサに対して、その値の予測信号がノイズ要因に対して高いという判定を行うことができる。センサ学習回路10924は、感知されたパラメータ群10928を、別の感知されたパラメータ群10928と同等またはほぼ同等の効果があるが、より低いネットワーク利用率をもたらす場合に相対的に高くスコアしてもよい);産業システムにおける関心値に対する効果的な感知分解能(例えば、センサ学習回路10924は、感知されたパラメータ群10928を、入力値のより小さな変化に対する出力値の応答性のある予測を提供する場合に相対的に高くスコアしてもよい);産業システムにおける感知システムの消費電力値、センサを含む感知システム(例えば、センサ学習回路10924は、感知されたパラメータ群10928を、感知されたパラメータ群10928に対して相対的に高くスコアしてもよい。センサ学習回路10924は、センシングされたパラメータ群10928が、別のセンシングされたパラメータ群10928と同じか、またはほぼ同じくらい効果的であるが、より低い消費電力をもたらすところで、相対的に高いスコアを付けてもよい);二次値を決定するための計算効率(例えば。センサ学習回路10924は、二次値10932を決定する際に他の感知されたパラメータ群10928と同様に効果的であるか、またはほとんど効果的である場合に、感知されたパラメータ群10928を相対的に高くスコアしてもよいが、その結果、より少ないプロセッササイクル、より低いネットワーク利用率、および/またはより低いメモリ利用率(バッファのような中間メモリ利用率と同様に、保存されたメモリ要件を含む);二次値の精度および/または精度(例えば。センサ学習回路10924は、二次値10932の高精度および/または高精度の決定を提供するところで、感知されたパラメータ群10928を相対的に高くスコアしてもよい);二次値を決定するための冗長性の容量(例えば。センサ学習回路10924は、同様の能力および/またはリソース利用率を提供するが、付加的なセンシング冗長性を提供し、例えば、センシングパラメータグループ10928内の1つ以上のセンサからのデータのギャップに対してより頑健であるような場合には、センシングパラメータグループ10928を相対的に高くスコアしてもよい);および/または、二次値10932を決定するためのリードタイム値(例えば。センサ学習回路10924は、二次値10932の決定において改善されたまたは十分なリードタイムを提供する場合に、感知されたパラメータ群10928を相対的に高くスコア化してもよい-例えば、過熱動作の回避、生産ラン全体の台無し、部品が生産ランを完了するのに十分な耐用年数を有するかどうかの決定などを支援するために-。)例示的かつ非限定的な計算効率値は、次のような1つ以上の決定を含む:2次値10932を決定するためのプロセッサ動作;2次値10932を決定するためのメモリ使用率;2次値10932を決定するためのセンサの数からのセンサ入力;および/または2次値10932を支持するための長期記憶装置またはバッファなどの支持メモリ。
例示的なシステムは、アナログセンサとしておよび/またはリモートセンサとしてのセンサ10908の1つまたは複数または全てを含む。例示的なシステムは、次のような値である二次値10932を含む:仮想センサ出力値;プロセス予測値(例えば、生産実行の成功値、過温度値、過圧値、製品品質値など);プロセス状態値(例えば、プロセスの段階、プロセス内の時間および場所の温度);コンポーネント予測値(例えば、コンポーネント故障予測、コンポーネントメンテナンスまたはサービス予測、動作変化予測に対するコンポーネント応答);コンポーネント予測値(例えば、コンポーネント故障予測、コンポーネントメンテナンスまたはサービス予測、動作変化予測に対するコンポーネント応答);コンポーネント予測値(例えば、コンポーネント故障予測、コンポーネントメンテナンスまたはサービス予測、動作変化予測に対するコンポーネント応答)。コンポーネント予測値(例えば、コンポーネントの故障予測、コンポーネントのメンテナンスまたはサービス予測、動作変化予測に対するコンポーネントの応答);コンポーネント状態値(コンポーネントの残りのサービス寿命またはメンテナンス間隔);および/または、入力として、ヒューズ化された数のセンサ10926からのセンサデータ値10948を有するモデル出力値。例示的なシステムは、融合された数のセンサ10926が、振動センサと温度センサ、振動センサと圧力センサ、振動センサと電界センサ、振動センサと熱流束センサ、振動センサとガルバニックセンサ、および/または振動センサと磁気センサのようなセンサの組み合わせのうちの1つまたは複数のセンサであることを含む。
例示的なセンサ学習回路10924は、さらに、次のような動作を実行して、感知パラメータグループ10928を更新する:感知パラメータグループ10928のセンサ選択(例えば、どのセンサがサンプリングされるか)を更新すること;感知パラメータグループからの少なくとも1つのセンサのセンササンプリングレートを更新すること(例えば、以下のような動作を実行して、感知パラメータグループ10928を更新する。センサが情報を提供する速度、および/または情報がネットワークを通過する速度)を更新すること;感知されたパラメータグループからの少なくとも1つのセンサのセンサ分解能を更新すること(例えば、センサ分解能を変更または要求すること、より大きな効果的な分解能を提供するために追加のセンサを利用すること);感知されたパラメータグループからの少なくとも1つのセンサに対応する記憶値を更新すること(例えば。センサからのデータを、より高いまたはより低い分解能で、および/またはより長いまたはより短い時間期間にわたって保存すること);感知されたパラメータグループからの少なくとも1つのセンサに対応する優先度を更新する(例えば、環境条件が、計画されたすべてのセンサからのデータ受信を妨げる場合、および/または感知されたデータの作成とセンサ学習回路10924での受信との間のタイムラグを減少させる);および/または感知されたパラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリング位相、および/またはネットワークパス構成のうちの少なくとも1つを更新すること。
例示的なパターン認識回路10922はさらに、次のような動作を実行して、認識されたパターン値10930を決定する:関心値10950に対する、感知されたパラメータ群および更新された感知されたパラメータ群の少なくとも1つのセンサの信号の有効性を決定する(例えば、センサ値が関心値10950の良好な予測信頼度であることを決定する);関心値10950に対する、感知されたパラメータ群10928および更新された感知されたパラメータ群10928の少なくとも1つのセンサの感度を決定する(例えば、次のような動作を実行して、認識されたパターン値10930を決定する)。選択された感知パラメータ群10928に基づいて、動作条件の小さな変化に対する決定された関心値の相対的な感度を決定すること);関心値10950に対する感知パラメータ群10928および更新された感知パラメータ群10928の少なくとも1つのセンサの予測信頼度を決定すること。センシングされたパラメータ群10928および更新されたセンシングされたパラメータ群10928の少なくとも1つのセンサの、関心のある値10950に対する予測遅延時間を決定すること;センシングされたパラメータ群10928および更新されたセンシングされたパラメータ群10928の少なくとも1つのセンサの、関心のある値10950に対する予測精度を決定すること;センシングされたパラメータ群10928の少なくとも1つのセンサの、関心のある値10950に対する分類精度を決定すること(例えば、以下、「分類精度」と称する。g.,少なくとも1つのセンサの使用に基づいて機械分類器によるパターンの分類精度を決定すること);関心のある値10950に相対する、感知されたパラメータ群10928および更新された感知されたパラメータ群10928の少なくとも1つのセンサの予測精度を決定すること;および/または、外部データ10952として受信されてもよい外部フィードバックに応答して、認識されたパターン値10930を更新すること(たとえば、外部データ10952として受信されてもよい。メンテナンスイベント、製品品質決定、生産結果決定などの結果が既知である場合、認識されたパターン値10930の検出は、それによって、既知の結果が発生する前のシステムの状態に応じて改善される)。)例示的かつ非限定的な関心値10950には、仮想センサ出力値;プロセス予測値;プロセス状態値;コンポーネント予測値;コンポーネント状態値;および/または融合された複数のセンサからのセンサデータ値を入力として有するモデル出力値が含まれる。
例示的なパターン認識回路10922はさらに、少なくとも1つのオフセット産業システムに対応する第2の数のセンサデータ値を含むクラウドベースデータ10954にアクセスする。例示的なセンサ学習回路10924は、少なくとも1つのオフセット産業システムに対応する第2の更新されたセンサパラメータ群を含むクラウドベースデータ10954にさらにアクセスする。したがって、パターン認識回路10922は、オフセットシステムから利用可能な増加した統計データに基づいて、システム内のパターン認識を改善することができる。さらに、または代替的に、センサ学習回路10924は、オフセットシステムからのデータに基づいて、システムの結果を予測するのに有効であることが判明したオフセットシステム内のどのセンサを決定することを含む、より迅速かつより大きな信頼性をもって改善することができる。
例示的なシステムは、石油精製所を含む産業システムを含む。例示的な石油精製所は、プラント全体に流体を移送するための、および/または流体の流れを加圧するための(例えば、蒸留塔での還流のための)1つ以上の圧縮機を含む。さらに、または代替的に、例示的な石油精製所は、例えば、炭化水素を分画するための真空蒸留を含む。例示的な石油精製所は、さらに、流体の移送、原料の搬入、最終製品の送達などのためのシステム内の様々なパイプラインを含む。例示的なシステムは、蒸留塔の各側面、例えば、様々な流体流の温度、温度、およびカラム内の個々の接触トレイの組成、供給および還流の測定、ならびに流出物または分離された生成物の測定を決定するように構成された多数のセンサを含む。蒸留塔の設計は複雑であり、最適な設計は、ボイラーのサイズ、コンプレッサー、カラム内の接触条件、および原料の組成に依存し、これらすべてが大きく変化する可能性がある。さらに、パイプライン内の状態を効果的に検知するための最適な位置は、流体流量、環境条件(例えば、熱伝達率の変動を引き起こす)、利用される原料、および他の要因によって変化し得る。さらに、ボイラ、コンプレッサ、またはその他の運転機器の摩耗や能力の低下は、システムの応答と能力を変化させ、センサの位置やデータのサンプリング方法を含めた一点最適化が、システムの経年変化に伴って最適化されなくなる可能性がある。
システム全体に複数のセンサを提供することは、必ずしもセンサが高価だからというわけではなく、センサが送信、保存、利用のために法外なコストを要するデータを提供するため、コストがかかる可能性がある。コストは、ネットワークを介して送信するためのコストだけでなく、入力/出力操作の数(およびそのような操作を実施するために必要な時間)などの操作のコストを含んでもよい。例示的なシステムは、システム全体に多数のセンサを提供し、どのセンサが蒸留プロセスの制御および最適化に有効であるかを決定することを含む。さらに、原料および/または環境条件が変化すると、最適化および制御の両方のための最適なセンサパッケージが変化してもよい。例示的なシステムは、どのセンサが蒸留の所望のパラメータを制御するのに有効であり、温度、流量、供給および還流のための入口トレイ、および/または還流速度の最適値を決定するのに有効であるかを決定するために、センサ融合操作(グループの選択、多重化および組み合わせの選択などを含む)を含む、パターン認識回路を利用している。さらに、センサ学習回路は、時間をかけて、および/またはオフセット製油所を利用して、多数の運転条件に適した様々なセンサパッケージに迅速に収束することが可能である。予期せぬ運転状態が発生した場合、例えば圧縮機の定格外運転が発生した場合、センサ学習回路は、予期せぬ運転状態に対して正しいセンシングおよび運転状態にシステムを移行させることが可能である。複数のセンサを柔軟に利用する能力は、センサデータの送信および保存において過剰な能力を提供することなく、システムを変化する条件に柔軟に対応させることを可能にします。したがって、蒸留塔の操作は改善され、多くの操作条件に対して最適化することができる。さらに、規格外の操作を示すパターンの認識に基づいた蒸留塔のアラートは、重大な製品品質の損失および/または危険な状態が発生する前に、プロセスを調整または停止するために容易に準備することができます。精製所のための例示的なセンサ融合操作は、温度、圧力、および/または組成(例えば、圧縮機の性能を決定するため)と組み合わせた振動情報、温度および圧力、温度および組成、および/または組成および圧力(例えば、供給原料のばらつき、接触トレイの性能、および/またはコンポーネントの故障を決定するため)を含む。
例示的な製油所システムは、貯蔵タンクおよび/またはボイラ給水を含む。例示的なシステム決定は、温度および圧力の融合を介してのような、貯蔵タンクの故障および/または定格外運転を決定するためのセンサ融合、および/または非振動決定を伴う振動決定(例えば、漏れ、システム内の空気、および/または供給ポンプの問題を検出すること)を含む。特定のさらなる例示的なシステム決定は、流量、圧力、温度、および/または振動を含むセンサ融合を介してのような、ボイラ給水の故障を決定するためのセンサ融合を含む。これらのパラメータのうちの任意の1つ以上は、システムの漏れ、故障、給水ポンプの摩耗、スケーリング、および/またはシステム流量を維持しながらポンピング損失を減少させるために利用され得る。同様に、例示的な産業システムは、凝縮水および/または化粧水システムを有する発電システムを含み、ここで、センサ融合は、感知されたパラメータ群および故障、メンテナンスなどの予測を提供する。
例示的な産業システムは、圃場または圃場のシステムのための灌漑システムを含む。灌漑システムは、システムの大幅な変動(例えば、入口圧力および/または水位、コンポーネントの摩耗およびメンテナンス)、ならびに環境の変動(例えば、植えられた作物の種類および分布、天候、土壌水分、湿度、太陽の季節変動、雲の広がり、および/または風の変動)の影響を受けます。さらに、灌漑システムは、高帯域幅ネットワークアクセス、メンテナンス設備、および/または監視のための人員さえも容易に利用できない遠隔地に位置する傾向がある。例示的なシステムは、すべてのセンサが連続的にデータを送信または保存する必要はなく、灌漑システムの状態を検出することができる複数のセンサを含む。パターン認識回路は、パターンおよび応答を必要とするそれらのシステム条件(例えば、灌漑サイクル、位置決めなど)を効果的に予測するために最も重要なセンサのセットを容易に決定することができる。センサ学習回路は、より遅いサイクル(例えば、季節的、気候変化など)またはより速いサイクル(例えば、機器の故障、気象条件、植え付けまたは収穫などのステップ変化イベント)で発生する可能性がある変動性に対して、感知されたパラメータ群の応答性のある移行を提供する。さらに、遠隔地にある設備のためのアラートは、正常でない状態(例えば、ポンプの差し迫った故障やメンテナンスの必要性)を判断するために、適切なセンサパッケージが配置されていることを確信して、容易に準備することができます。
例示的な産業システムには、化学プラントまたは製薬プラントが含まれる。化学プラントは、システム全体で適切な温度、濃度、混合などを維持するために、特定の運転条件、流量、温度などを必要とします。多くのシステムでは、多数のプロセスステップがあり、プロセスの1つの部分での名称外の操作または協調されていない操作は、協調されたプロセスが対応しなければならない(または協調されたプロセスが対応しない)ため、歩留まりの低下、プロセスの失敗、および/または生産能力の大幅な減少をもたらす可能性がある。したがって、システムを最小限に定義するために非常に多くのシステムが必要とされ、特定の実施形態では、データ伝送および記憶の観点から、広範囲の動作条件に対するセンシング能力を維持するために、法外な数のセンサが必要とされる。さらに、システムの複雑さは、十分なセンサが存在する場合でも、システム動作の最適化および調整が困難になる。特定の実施形態では、パターン認識回路は、すべてのセンサが連続的にデータを保存して送信することを必要とせずに、システムの高解像度の理解を提供するセンシングパラメータ群を決定することができる。さらに、センサ融合の利用は、抽象化された所望の出力、例えば「収量を最大化する」または「望ましくない副反応を最小化する」を抽象化する機会を、抽象化された所望の出力を達成するためにどのセンサおよびシステム条件が最も効果的であるかについての操作者からの完全な理解を必要とせずに提供する。センサ融合操作に基づく制御および予測が可能な化学的または製薬的計画の例示的な構成要素には、撹拌装置、圧力反応器、触媒反応器、および/または熱加熱システムが含まれる。センシングされたパラメータ群を決定し、パターン認識回路を調整するための例示的なセンサ融合操作には、限定されないが、別のセンサタイプと組み合わせた振動センサ、別のセンサタイプと組み合わせた組成物センサ、別のセンサタイプと組み合わせた流量決定、および/または別のセンサタイプと組み合わせた温度センサが含まれる。特定のアプリケーションに最適なセンサ融合は、センサ学習回路によって収束させることができるが、予測の対象となるコンポーネントのタイプ、および操作者によって追求される所望の出力のタイプにも依存する。例えば、撹拌機は、振動センシングに従順であるだけでなく、組成検出の均一性(例えば、高分解能温度)、適切に混合されたシステムにおける予想される反応率、およびそのようなものにも従順である。触媒反応器は、温度感知(反応熱力学に基づく)、組成物検出(例えば、予想される反応物のための、触媒材料の直接検出と同様に)、流量(例えば、総機械的故障、ビーズの減少した体積など)、および/または圧力検出(例えば、流量変化を示すか、またはそれと結合した)に従順である。
例示的な産業システムは、食品加工システムを含む。例示的な食品加工システムは、加圧容器、撹拌機、混合機、および/または熱加熱システムを含む。プロセスの制御は、食品の安全性、製品品質、および製品の一貫性を維持するために非常に重要である。しかしながら、食品加工システムへのほとんどの入力パラメータは、高い変動性の対象となる-例えば、基本的な食品は、天然物として本質的に変動性があり、水分含有量、タンパク質含有量、および審美的な変動性が異なる。さらに、人件費の管理、電力コストの管理、および供給水の変動性などは、プロセス制御変数の決定、これらを決定するための感知パラメータ、およびプロセス変動に対応した感知の最適化が、解決が困難な問題となる複雑なプロセスを提供する。食品加工システムはコストを意識していることが多く、資本コスト(例えば、最適化のための堅牢なネットワークおよびコンピューティングシステムのための)は容易には発生しない。さらに、食品加工システムは、類似または同一の生産設備で多種多様な製品を製造することがあり、例えば、製品ライン全体をサポートするために、および/または季節変動のために、多種多様な製品を製造することがある。したがって、あるプロセスのためのセンサセットアップは、別のプロセスをうまくサポートしない場合がある。例示的なシステムは、システム条件の高い変動性に照らしても、目標結果に強い信号応答を提供するセンシングパラメータ群を決定するパターン認識回路を含む。パターン認識回路は、大規模なコンピューティングまたはデータ記憶リソースを必要とせずに、異なるプロセス条件に対して利用可能な多数の感知パラメータ群のオプションを提供することができる。さらに、センサ学習回路は、オペレータが出力目標を最もよくサポートするセンサパラメータを理解しなくても、抽象化された目標出力を追求するために、感知されたグループパラメータオプションを更新することを含む、プロセス条件の変化に対する感知システムの迅速な応答を提供する。特定のアプリケーションに最適なセンサ融合は、センサ学習回路によって収束させることができるが、予測の対象となるコンポーネントのタイプだけでなく、オペレータによって追求される所望の出力のタイプにも依存する。例えば、加圧容器、撹拌機、混合機、および/または熱加熱システムの制御および予測は、温度決定と非温度決定とを組み合わせた温度決定、振動決定と非振動決定とを組み合わせた振動決定、および/またはヒートマップとヒートマップの変化率および/または非ヒートマップ決定とを組み合わせたヒートマップとのセンサ融合に従順である。例示的なシステムは、振動判定と非振動判定を組み合わせたセンサ融合を含む。実施形態では、混合機および/または攪拌機の予測情報が提供される。例示的なシステムは、圧力判定、温度判定、および/または非圧力判定を含むセンサ融合を含む。実施形態では、加圧容器の予測情報が提供される。
図144を参照して、産業環境におけるデータ収集のための例示的な手順10936は、多数の構成要素を含む産業システムに多数のセンサを提供するための操作10938を含み、多数のセンサの各々は、多数の構成要素のうちの少なくとも1つに操作的に結合されている。手順10936は、センサデータ値の数をセンサ数から融合されたセンサ数を含むセンサ数パラメータ群に応答して解釈するための操作10940と、センサデータ値の数に応答して決定された二次値を含む認識されたパターン値を決定するための操作10942と、認識されたパターン値に応答してセンサ数パラメータ群を更新するための操作10944と、更新されたセンサ数パラメータ群に応答してセンサデータ値の数の解釈を調整するための操作10946と、をさらに含んでいる。
例示的な手順10936は、認識されたパターン値の決定およびセンシング性能値を改善するためのセンシングパラメータ群の更新を反復的に実行する操作を含む(例えば、操作10940~10944を定期的に、選択された間隔で、および/またはシステムの変更に応答して繰り返すことによって)。例示的な手順10936は、以下を決定することによってセンシング性能値を決定することを含む:産業システムにおける関心のある値を検出するための信号対雑音性能;産業システムにおける複数のセンサのネットワーク利用率;産業システムにおける関心のある値のための有効なセンシング分解能;産業システムにおけるセンシングシステムのための消費電力値、センシングシステムは複数のセンサを含む;二次値を決定するための計算効率;二次値の精度および/または精度;二次値を決定するための冗長性容量;および/または二次値を決定するためのリードタイム値。
例示的な手順10936は、以下のような少なくとも1つの操作を実行して、感知されたパラメータグループを更新する操作10944を含む。センシングされたパラメータグループのセンサ選択を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサのセンササンプリングレートを更新すること;センシングされたパラメータグループからの少なくとも1つのセンサのセンサ分解能を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサに対応する記憶値を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサに対応する優先度を更新すること;および/または、センシングされたパラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリング位相、およびネットワークパス構成のうちの少なくとも1つを更新すること。例示的な手順10936は、以下のような少なくとも1つの操作を実行して認識されたパターン値を決定するための操作10942を含む。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの信号の有効性を関心のある値と相対的に決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの感度を関心のある値と相対的に決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測信頼度を関心のある値と相対的に決定すること、などである。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測遅延時間を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定すること;および/または、外部フィードバックに応答して、認識されたパターン値を更新すること。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサと、を含む。産業用システムを含み、センサ通信回路は、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成され、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、認識されたパターン値に応答して感知されたパラメータ群を更新するように構成されたセンサ学習回路と、を含む。実施形態では、センサ通信回路は、更新された感知されたパラメータ群に応答して、複数のセンサデータ値の解釈を調整するようにさらに構成されている。実施形態では、感知されたパラメータ群は、融合された複数のセンサを含む。実施形態では、認識されたパターン値は、融合された複数のセンサに応答して決定された値を含む。二次値をさらに含む。実施形態では、パターン認識回路およびセンサ学習回路は、認識されたパターン値の決定と、センシング性能値を改善するためのセンシングパラメータ群の更新とを反復的に実行するようにさらに構成されている。実施形態では、センシング性能値は、以下を含む。性能決定から選択される少なくとも1つの性能決定を含む。:産業システムにおける関心のある値を検出するための信号対雑音性能;産業システムにおける複数のセンサのネットワーク利用率;産業システムにおける関心のある値に対する効果的なセンシング分解能;および産業システムにおけるセンシングシステムのための消費電力値(複数のセンサのうちの1つを含むセンシングシステム)。実施形態では、センシング性能値は、産業用システムにおける関心のある値を検出するための信号対雑音性能を含む。実施形態では、センシング性能値は、産業システム内の複数のセンサのネットワーク利用率を含む。実施形態では、センシング性能値は、産業用システムの関心値に対する有効なセンシング分解能を構成する。実施形態では、センシング性能値は、産業システムにおけるセンシングシステムの消費電力値からなり、そのセンシングシステムは複数のセンサを含む。実施形態では、センシング性能値は、二次値を決定するための計算効率を含む。実施形態では、計算効率は、二次値を決定するためのプロセッサ動作、二次値を決定するためのメモリ使用率、二次値を決定するための複数のセンサからのセンサ入力の数、および二次値をサポートするためのサポートデータ長期記憶装置のうちの少なくとも1つから構成される。実施形態では、センシング性能値は、二次値の精度および精度のいずれかを構成する。実施形態では、感知性能値は、二次値を決定するための冗長性の容量を構成する。実施形態では、感知性能値は、二次値を決定するためのリードタイム値を含む。実施形態では、二次値は、コンポーネントの過熱値で構成されている。実施形態では、二次値は、コンポーネントのメンテナンス時間、コンポーネントの故障時間、およびコンポーネントの耐用年数のうちの 1 つを構成している。実施形態では、二次値は、産業システムの動作によって生産された製品の品質に影響を与える公称外の動作状態を含む。実施形態では、複数のセンサは、少なくとも1つのアナログセンサを含む。実施形態では、複数のセンサのうちの少なくとも1つは、リモートセンサを含む。実施形態では、二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および融合された複数のセンサからのセンサデータ値を入力として有するモデル出力値を含む。値から選択される少なくとも1つの値を含む。実施形態では、融合された複数のセンサは、さらに、振動センサと温度センサ、振動センサと圧力センサ、振動センサと電界センサ、振動センサと熱流束センサ、振動センサとガルバニックセンサ、および振動センサと磁気センサを含む。ペアリングから選択される少なくとも1つのセンサタイプのペアリングを含む。実施形態では、センサ学習回路は、以下を含む。動作から選択される少なくとも1つの動作を実行することにより、感知されたパラメータ群を更新するようにさらに構成されている。センシングされたパラメータ群のセンサ選択を更新すること;センシングされたパラメータ群からの少なくとも1つのセンサのセンササンプリングレートを更新すること;センシングされたパラメータ群からの少なくとも1つのセンサのセンサ分解能を更新すること;センシングされたパラメータ群からの少なくとも1つのセンサに対応する記憶値を更新すること;センシングされたパラメータ群からの少なくとも1つのセンサに対応する優先度を更新すること;およびセンシングされたパラメータ群からの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリング位相、およびネットワークパス構成のうちの少なくとも1つを更新することを含む。動作から選択される少なくとも1つの動作を実行することによって、センシングされたパラメータ群を更新するように構成されている。
実施形態では、パターン認識回路は、以下を含む。動作から選択される少なくとも1つの動作を実行することにより、認識されたパターン値を決定するようにさらに構成されている。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの信号の有効性を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの感度を関心値に対して決定すること;センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測信頼度を関心値に対して決定することを含む。動作から選択される少なくとも1つの動作を実行することにより、認識されたパターン値を決定するようにさらに構成されている。センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの予測遅延時間を、関心のある値に対して決定するステップと、センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの予測精度を、関心のある値に対して決定するステップと、センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの予測精度を、関心のある値に対して決定するステップと、外部フィードバックに応答して、認識されたパターン値を更新するステップと、を備えることを特徴とする。実施形態では、関心値は、仮想センサ出力値;プロセス予測値;プロセス状態値;コンポーネント予測値;コンポーネント状態値;および融合された複数のセンサからのセンサデータ値を入力として有するモデル出力値を含む。値から選択される少なくとも1つの値を含む。実施形態では、パターン認識回路は、少なくとも1つのオフセット産業システムに対応する第2の複数のセンサデータ値、第2の複数のセンサデータ値を含む。クラウドベースのデータにアクセスするようにさらに構成されている。実施形態では、センサ学習回路は、少なくとも1つのオフセット産業システムに対応する第2の更新されたセンサパラメータ群を含む。クラウドベースのデータにアクセスするようにさらに構成される。
実施形態では、方法およびシステムは、複数のコンポーネントを含む。産業システムに複数のセンサを提供することを含み、複数のセンサの各々は、複数のコンポーネントの少なくとも1つに作動的に結合されており、複数のセンサの各々は、複数のコンポーネントの少なくとも1つに作動的に結合されている;感知されたパラメータ群に応答して複数のセンサデータ値を解釈することを含み、感知されたパラメータ群は、複数のセンサからの融合された複数のセンサを含む。方法は、複数のセンサデータ値に応答して決定された二次値を含む。認識されたパターン値を決定すること、認識されたパターン値に応答して感知されたパラメータグループを更新すること、および更新された感知されたパラメータグループに応答して複数のセンサデータ値の解釈を調整することを含む。実施形態では、方法は、感知性能値を改善するために、認識されたパターン値の決定と感知されたパラメータ群の更新とを反復的に実行することを含む。実施形態では、方法は、産業システムにおける関心のある値を検出するための信号対雑音性能、産業システムにおける複数のセンサのネットワーク利用率、産業システムにおける関心のある値のための効果的な検出分解能、産業システムにおける検出システムのための消費電力値、複数のセンサを含む検出システム、および二次値を決定するための計算効率のうちの少なくとも1つを決定することに応答して、検出性能値を決定することを含む。実施形態では、計算効率は、二次値を決定するためのプロセッサ動作、二次値を決定するためのメモリ使用率、二次値を決定するための複数のセンサからのセンサ入力の数、および二次値をサポートするためのサポートデータ長期記憶装置、二次値の精度および精度のうちの1つ、二次値を決定するための冗長性容量、および二次値を決定するためのリードタイム値のうちの少なくとも1つから構成される。実施形態では、感知されたパラメータ群を更新することは、以下を含む。操作から選択される少なくとも1つの操作を実行することを含む。センシングされたパラメータグループのセンサ選択を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサのセンササンプリングレートを更新すること;センシングされたパラメータグループからの少なくとも1つのセンサのセンサ分解能を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサに対応する記憶値を更新すること;センシングされたパラメータグループからの少なくとも1つのセンサに対応する優先度を更新すること;およびセンシングされたパラメータグループからの少なくとも1つのセンサに対応するサンプリングレート、サンプリング順序、サンプリング位相、およびネットワークパス構成のうちの少なくとも1つを更新することを含む。操作から選択される少なくとも1つの操作を実行することを含む。実施形態では、認識されたパターン値を決定することは、以下を含む。操作から選択される少なくとも1つの操作を実行することを含む。センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの信号の有効性を関心のある値に対して決定すること;センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの感度を関心のある値に対して決定すること;センシングされたパラメータ・グループおよび更新されたセンシングされたパラメータ・グループの少なくとも1つのセンサの予測信頼度を関心のある値に対して決定することを含む。操作から選択される少なくとも1つの操作を実行することを含む。センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測遅延時間を関心値に対して決定するステップと、センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定するステップと、センシングされたパラメータ群および更新されたセンシングされたパラメータ群の少なくとも1つのセンサの予測精度を関心値に対して決定するステップと、外部フィードバックに応答して、認識されたパターン値を更新するステップと、を備えることを特徴とする方法。
実施形態では、本明細書に開示されるシステムおよび方法は、産業環境におけるデータ収集のためのシステムを含む。システムは、複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。産業用システム;感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路とを含む。実施形態では、感知されたパラメータ群は、融合された複数のセンサからなり、感知されたパラメータ群に応答してパターン値を認識するための手段と、認識されたパターン値に応答して感知されたパラメータ群を更新するための手段とを含む。実施形態では、システムは、感知されたパラメータ群を反復的に更新するための手段を含む。実施形態では、システムは、オフセット産業システムに対応する外部データおよび第2の複数のセンサデータ値のうちの少なくとも1つにアクセスするための手段を含む。実施形態では、感知されたパラメータ群を反復的に更新するための手段は、外部データおよび第2の複数のセンサデータ値のうちの少なくとも1つに応答することをさらに含む。実施形態では、システムは、オフセット産業システムに対応する第2の感知されたパラメータ群にアクセスするための手段をさらに含む。実施形態では、反復更新のための手段は、第2の感知されたパラメータ群にさらに応答する。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサと、を含む。産業用システムを含むシステムであって、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、を含む。実施形態では、認識されたパターン値は、複数のセンサの少なくとも一部に応答して決定された値を含む。二次値を含む;認識されたパターン値に応答して、感知されたパラメータ群を更新するように構成されたセンサ学習回路。実施形態では、センサ通信回路は、更新された感知されたパラメータ群に応答して、複数のセンサデータ値の解釈を調整するようにさらに構成されている。実施形態では、パターン認識回路およびセンサ学習回路は、センシング性能値を改善するために、認識されたパターン値の決定およびセンシングされたパラメータ群の更新を反復的に実行するようにさらに構成されている。実施形態では、センシング性能値は、産業システムにおける関心のある値を検出するための信号対雑音性能を含む。実施形態では、感知されたパラメータ群は、融合された複数のセンサを含む。実施形態では、二次値は、融合された複数のセンサに応答して決定された値を含む。実施形態では、二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および融合された複数のセンサからのセンサデータ値を入力とするモデル出力値を含む。値から選択される少なくとも1つの値を含む。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。産業用システムを含み、センサデータ値のうちの複数のセンサデータ値を、感知されたパラメータ群に応答して解釈するように構成されたセンサ通信回路と、センサデータ値のうちの複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、を含む。実施形態では、システムは、認識されたパターン値が、複数のセンサの少なくとも一部に応答して決定された値を含む。二次値を含む;認識されたパターン値に応答して、感知されたパラメータ群を更新するように構成されたセンサ学習回路を含む。実施形態では、センサ通信回路は、更新された感知されたパラメータ群に応答して、複数のセンサデータ値の解釈を調整するようにさらに構成されている。実施形態では、パターン認識回路およびセンサ学習回路は、センシング性能値を改善するために、認識されたパターン値の決定およびセンシングされたパラメータ群の更新を反復的に実行するようにさらに構成されている。実施形態では、センシング性能値は、産業システムにおける複数のセンサのネットワーク利用率を構成する。実施形態では、感知されたパラメータ群は、融合された複数のセンサを含む。実施形態では、二次値は、融合された複数のセンサに応答して決定された値を含む。実施形態では、二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および融合された複数のセンサからのセンサデータ値を入力とするモデル出力値を含む。値から選択される少なくとも1つの値を含む。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。産業用システムを含み、センサ通信回路は、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されており、パターン認識回路は、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されている。実施形態では、認識されたパターン値は、複数のセンサデータ値の少なくとも一部に応答して決定された値を含む。二次値を含む;認識されたパターン値に応答して、感知されたパラメータ群を更新するように構成されたセンサ学習回路。実施形態では、センサ通信回路は、更新された感知されたパラメータ群に応答して、複数のセンサデータ値の解釈を調整するようにさらに構成されている。実施形態では、パターン認識回路およびセンサ学習回路は、センシング性能値を改善するために、認識されたパターン値の決定およびセンシングされたパラメータ群の更新を反復的に実行するようにさらに構成されている。実施形態では、センシング性能値は、産業システムにおける関心のある値に対する有効なセンシング分解能を構成する。実施形態では、システムは、感知されたパラメータ群を含み、感知されたパラメータ群は、融合された複数のセンサを含む。実施形態では、二次値は、融合された複数のセンサに応答して決定された値を含む。実施形態では、二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および融合された複数のセンサからのセンサデータ値を入力として有するモデル出力値を含む。値から選択される少なくとも1つの値を含む。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。産業用システムを含み、センサ通信回路は、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されており、パターン認識回路は、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されている。実施形態では、認識されたパターン値は、複数のセンサの少なくとも一部に応答して決定された値を含む。二次値を含む;認識されたパターン値に応答して、感知されたパラメータ群を更新するように構成されたセンサ学習回路。実施形態では、センサ通信回路は、更新された感知されたパラメータ群に応答して、複数のセンサデータ値の解釈を調整するようにさらに構成されている。実施形態では、パターン認識回路およびセンサ学習回路は、センシング性能値を改善するために、認識されたパターン値の決定およびセンシングされたパラメータ群の更新を反復的に実行するようにさらに構成されている。実施形態では、感知性能値は、産業システムにおける感知システムの消費電力値からなり、感知システムは複数のセンサを含む。実施形態では、感知されたパラメータ群は、融合された複数のセンサを含む。実施形態では、二次値は、融合された複数のセンサに応答して決定された値を含む。実施形態では、二次値は、仮想センサ出力値、プロセス予測値、プロセス状態値、コンポーネント予測値、コンポーネント状態値、および融合された複数のセンサからのセンサデータ値を入力とするモデル出力値を含む。値から選択される少なくとも1つの値を含む。
図145を参照して、産業環境におけるデータ収集のための例示的なシステム11000は、多数のコンポーネント11004と、多数のコンポーネント11004のうちの少なくとも1つにそれぞれ操作的に結合された多数のセンサ11006とを有する産業システム11002を含む。センサの選択、分布、タイプ、および通信的セットアップは、システム11000のアプリケーションおよび/またはコンテキストに依存する。
例示的なシステム11000は、感知されたパラメータ群11026に応答して多数のセンサデータ値11034を解釈するセンサ通信回路11018(参照図146)をさらに含む。センシングされたパラメータ群11026は、少なくとも選択されたサンプリング周波数を含む、どのセンサ1106がどのタイミングでサンプリングされるかの記述、プロセスステージを含む。実施形態では、特定のセンサは、関心のある値を提供してもよい。例示的なシステムは、感知されたパラメータ群11026が、センサ融合動作のために提供された数のセンサであることを含む。特定の実施形態では、感知されたパラメータ群11026は、プロセス、コンポーネント、センサ、および/またはシステム11000の関心のある側面のいずれかについて、これらのうちのいずれかの結果、規格外の操作、メンテナンス間隔、メンテナンス健全状態、および/または将来の状態値を予測するシステムの動作状態の検出を包含するセンサのセットを含む。
特定の実施形態では、センサデータ値11034は、複数のセンサ1106と通信してもよく、および/またはコントローラ1102と通信してもよいデータコレクタ1108に提供される。特定の実施形態では、プラントコンピュータ11010が追加的または代替的に存在する。例示的なシステムでは、コントローラ11012は、センサ通信回路11018、パターン認識回路11020、および/またはシステム特性化回路11022の動作を機能的に実行するように構成されており、説明を明確にするために別個の装置として描かれている。コントローラ11012の側面は、センサ11006、データコレクタ11008、プラントコンピュータ11010、および/またはクラウドコンピューティングデバイス11014上に存在してもよい。特定の実施形態では、コントローラ11012の全ての側面は、システム11000上に描かれた別のデバイス上に存在してもよい。プラントコンピュータ11010は、産業用システム11000上に存在してもよく、および/または産業用システム11000と通信していてもよいローカルコンピューティングリソース、例えば、処理、メモリ、および/またはネットワークリソースを表す。特定の実施形態では、クラウドコンピューティングデバイス11014は、産業用システム11000に外部から利用可能なコンピューティングリソース、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介して、を表す。特定の実施形態では、データコレクタ11008は、コンピューティングデバイス、スマートセンサ、MUXボックス、または複数のセンサからデータを受信し、データをパススルーし、および/または後の送信のためにデータを保存することができる他のデータ収集デバイスであってもよい。例示的なデータコレクタ1108は、ストレージを持たず、および/または限られたストレージを有し、選択的にセンサデータを通過させ、センサデータのサブセットは、データコレクタ1108、関連ネットワーク、および/または環境制約によって課される帯域幅の考慮のために、所定の時間に通信される。特定の実施形態では、システム11000内の1つまたは複数のセンサおよび/またはコンピューティングデバイスは、ポータブルデバイスである-例えば、産業システムを歩いているプラントオペレータがスマートフォンを持っていてもよく、システム11000は、データコレクタ11008、センサ11006として選択的に利用してもよく、これは、例えば、通信スループット、センサ分解能、および/またはセンサデータ値11004をコントローラ11012に通信するための第1の方法として、通信スループット、センサ分解能を高めるために利用される。
例示的なシステム11000は、センサデータ値11034の少なくとも一部に応答して認識されたパターン値11028を決定するパターン認識回路11020と、認識されたパターン値11028に応答して産業システムのシステム特性化値11030を提供するシステム特性化回路11022とをさらに含む。システム特性化値11030は、関心のあるシステム状態が存在すること、関心のあるコンポーネント状態が存在すること、システムまたはコンポーネントの抽象化された状態(例えば、製品品質値;運転コスト値;コンポーネントの健康、摩耗、またはメンテナンス値;コンポーネントの容量値;および/またはセンサ飽和値)が存在すること、および/または関心のある時間枠(例えば、暦時間、運転時間、および/またはプロセス段階)内に発生することが予測されることを決定することを含む、パターン認識回路11020のパターン認識動作から決定された任意の値を含む。パターン認識操作は、以前に知られたパターンと互換性のある操作、以前に知られたパターンと類似した操作、および/または以前に知られたパターン情報から外挿された操作を決定することを含む(例えば、以前に知られたパターンは、第1のコンポーネントに関する温度応答を含み、コンポーネント間の既知または推定関係は、第1のコンポーネントに関するパターン認識と既知または推定関係とを組み合わせた第1のコンポーネントに関するパターン認識に基づいて、第2のコンポーネントに関する温度が閾値を超えることを決定することを可能にする)。
システム特性化値11030のいくつかの例の非限定的な説明を以下に記載する。例示的なシステム特性化値11030は、産業システムに関連付けられたプロセスの予測結果、例えば、製品品質記述、製品量記述、製品変動性記述(例えば、システムの動作条件に従って予測される製品パラメータの予測変動性)、製品歩留まり記述、プロセスの正味現在価値(NPV)、プロセス完了時間、プロセス完了成功のチャンス、および/または製品純度結果を含む。予測結果は、バッチ予測(例えば、プロセスの単一実行、または整数回の実行、および関連する予測結果)、時間ベースの予測(例えば、次の日、次の3週間、予定されたシャットダウンまでのプロセスの予測結果など)、生産定義の予測(例えば、次の1,000年までの予測結果など)であってもよい。例えば、次の10000ユニット、次の47オーダーにわたる予測結果など)、および/または変化率に基づく結果(例えば、1ヶ月間に3個のコンポーネントの故障、1年間の排出量などの予測)。例示的なシステム特性化値11030は、産業システムに関連するプロセスの予測される将来の状態、例えば、所定の将来の時間における動作温度、エネルギー消費値、タンク内の体積、産業システムに隣接する学校における排出騒音値、および/またはポンプの回転速度を含む。予測される将来の状態は、時間に基づくものであってもよく(例えば、木曜日の午後4時)、プロセスの状態に基づくものであってもよく(例えば、第3段階の間、システムのシャットダウン中など)、および/または特定の関心のある将来の状態に基づくものであってもよい(例えば、以下のようなものである。ピークエネルギー消費量、最高温度値、最大ノイズ値、最大数の人員が敏感な領域から50フィート以内にいる時間またはプロセスステージ、システム冗長性の側面が最低点にある時間またはプロセスステージ-例えば、プロセス内の高リスクポイントを決定するためなど)に基づいている。)例示的なシステム特性化値11030は、産業システムに関連付けられたプロセスの予測された公称外の動作を含む-例えば、システムのコンポーネントの容量が公称パラメータを超える(可能性はあるが、故障を経験しない)場合、システムのいずれかのパラメータが通常動作から3標準偏差離れている場合、コンポーネントの容量が十分に利用されていない場合など-。例示的なシステム特性化値11030は、構成要素の数のうちの1つ、例えば、ある時点および/またはプロセス段階における動作状態の予測値を含む。例示的なシステム特性化値11030は、数あるコンポーネントのうちの1つに対する将来の状態値を含む。コンポーネントの予測された将来の状態値は、時間に基づくものであってもよく、プロセスの状態に基づくものであってもよく、および/または特定の関心のある将来の状態(例えば、コンポーネントについて予測された最高値または最低値)に基づくものであってもよい。例示的なシステム特性化値11030は、特定の時刻、プロセス段階、次のメンテナンスイベントまで予測される最低値などを含む、数あるコンポーネントのうちの1つのための予想されるメンテナンス健全状態情報を含む。例示的なシステム特性化値11030は、(例えば、現在の使用状況、予想される使用状況、計画されたプロセス操作などに基づいて)数ある構成要素のうちの少なくとも1つのための予想されるメンテナンス間隔を含む。例示的なシステム特性化値11030は、数ある構成要素のうちの1つのための予測された公称外動作を含む-例えば、選択された時間、プロセス段階、および/または特定の関心のある将来の状態で-。例示的なシステム特性化値11030は、複数のコンポーネントのうちの1つのための予測された故障操作を含む-例えば、選択された時間、プロセス段階、現在の使用状況、予測された使用状況、計画されたプロセス操作、および/または特定の関心のある将来の状態に基づいて予測された任意の故障発生を含む。例示的なシステム特性化値11030は、コンポーネントの数のうちの1つについての予測された超過値を含み、ここで超過値は、設計仕様の超過、および/または選択された閾値の超過を含む。例示的なシステム特性化値11030は、例えば選択された時間、プロセス段階、現在の使用量、予想される使用量、計画されたプロセス操作、および/または特定の関心のある将来の状態に基づいて予測される任意の飽和発生を含む、複数のセンサのうちの1つのための予測された飽和値を含む。
予測値11030の任意の値は、生の値(例えば、温度値)、微分値(例えば、温度値の変化率)、重み付けされた累積値(例えば、1つ以上の温度閾値を超える時間)を含む累積値、および/または統合値(例えば、関心のある温度値または温度軌跡における温度-時間曲線上の面積)であってもよい。提供される例は、温度を列挙しているが、少なくとも振動、システムスループット、圧力などを含む任意の予測値11030を利用してもよい。特定の実施形態では、1つ以上の予測値11030の組み合わせが利用されてもよい。
予測値11030を組み合わせることにより、本明細書で具体的に企図されるシステム分析、制御、およびリスク管理のための特に強力な組み合わせが作成され得ることは、本開示に照らして理解されるであろう。例えば、第1の予測値は、システムを通る最大流量の時間またはプロセス段階を示してもよく、第2の予測値は、その特定の時間またはプロセス段階に存在するシステムの1つまたは複数のコンポーネントの予測状態を決定してもよい。別の例では、第1の予測値は、送達能力の点でシステムの最低マージンを示し(例えば、少なくとも1つの構成要素が最低の動作マージンを有するプロセス中の点を決定することによって、および/または構成要素のグループが、多数の同時低動作マージンによって誘発されるリスクのために統計的に低い動作マージンを有する点を決定することによって)、第2の予測値は、システムのリスク(例えば、以下のようなものである。入口水の損失、電力の損失、温度の上昇、熱伝達を減少または増加させる環境条件の変化、または特定の排出物の排出を妨げる環境条件の変化)をテストする第2の予測値と、別個の事象の複合リスクを、システムリスクの総計上で評価することができる。さらに、予測値は、感度チェック(例えば、いくつかの障害が発生する可能性があるかどうかを判断するために、マージン内でシステム条件を変化させること)で操作されてもよい。実施形態では、予測値の使用は、プロセス内の高リスクポイントで感度チェックをより高い分解能で実施することを可能にする。
例示的なシステム11000は、外部データ11036を解釈するシステム連携回路11024をさらに含み、ここで、パターン認識回路11020は、外部データ11036に応答して、認識されたパターン値11028をさらに決定する。外部データ11036は、限定されないが、システム11000の外部および/またはコントローラ11012の外部から提供されるデータを含む。非限定的な例示的外部データ11036は、オペレータからのエントリ(例えば、障害、障害、および/またはサービスイベントを示す)を含む。例示的なパターン認識回路11020は、外部データ11036に応答して、パターン認識動作をさらに反復的に改善する(例えば、メンテナンスイベント、製品品質決定、生産結果決定などの結果が既知である場合、認識されたパターン値11028の検出は、それによって、既知の結果が発生する前のシステムの状態に応じて改善される)。例示的かつ非限定的な外部データ11036は、例えば、指示されたプロセス成功値;指示されたプロセス失敗値;指示されたコンポーネントメンテナンスイベント;指示されたコンポーネント故障イベント;指示されたプロセス結果値;指示されたコンポーネント摩耗値;指示されたプロセス動作超過値;指示されたコンポーネント動作超過値;指示された故障値;および/または指示されたセンサ飽和値などのデータを含む。
例示的なシステム11000は、少なくとも1つのオフセット産業システムに対応する第2の数のセンサデータ値を含むクラウドベースデータ11032を解釈するシステム連携回路11024をさらに含み、ここで、パターン認識回路11020は、クラウドベースデータ11032に応答して、認識されたパターン値11028をさらに決定する。例示的なパターン認識回路11020は、クラウドベースのデータ11032に応答して、パターン認識動作をさらに反復的に改善する。例示的な感知パラメータ群11026は、三軸振動センサ、振動センサ、および振動センサではない第2のセンサを含み、第2のセンサはデジタルセンサであり、および/または多数のアナログセンサである。
例示的なシステムは、石油精製所を含む産業システムを含む。例示的な石油精製所は、プラント全体に流体を移送するための、および/または流体の流れを加圧するための(例えば、蒸留塔での還流のための)1つ以上の圧縮機を含む。さらに、または代替的に、例示的な石油精製所は、例えば炭化水素を分留するための真空蒸留を含む。例示的な石油精製所は、さらに、流体の移送、原料の搬入、最終製品の送達などのためのシステム内の様々なパイプラインを含む。例示的なシステムは、蒸留塔の各側面を決定するように構成された多数のセンサを含み、例えば、様々な流体の流れの温度、温度、およびカラム内の個々の接触トレイの組成、供給および還流の測定、ならびに流出物または分離された生成物の測定などが挙げられる。蒸留塔の設計は複雑であり、最適な設計は、ボイラーのサイズ、コンプレッサー、カラム内の接触条件、および大幅に変化し得る原料の組成に依存し得る。さらに、パイプライン内の状態を効果的に感知するための最適な位置は、流体流量、環境条件(例えば、熱伝達率の変動を引き起こす)、利用される原料、および他の要因によって変化し得る。さらに、ボイラ、コンプレッサ、またはその他の運転機器の摩耗や能力の喪失は、システムの応答や能力を変化させ、センサの位置やデータのサンプリング方法などを含めた一点最適化は、システムの経年変化に伴って最適化されなくなる可能性がある。
システム全体に複数のセンサを提供することは、必ずしもセンサが高価であるからではなく、センサが送信、保存、および利用するのに法外であるかもしれないデータを提供するために、コストがかかることがある。例示的なシステムは、システム全体に多数のセンサを提供して、システムの構成要素、プロセス変数、製品、および/または排出物の将来の状態を予測することを含む。例示的なシステムは、パターン認識回路を利用して、パラメータの将来の予測された状態だけでなく、パラメータの将来の予測された状態が関心のあるものになるとき、および/または他のパラメータの将来の予測された状態と組み合わせて、追加のリスクまたは機会を生み出すときを決定する。
さらに、システム特性化回路およびシステム連携回路は、予測および/またはシステム特性化を時間の経過とともに改善し、および/またはオフセット石油精製所を利用して、予測またはシステム特性化をより強固に行うことができ、これにより、より早期の検出、企業全体の最適化のためのより長期的な計画、および/または産業システムがマージンに近いところで動作することを可能にすることができる。予期せぬ運転状態が発生した場合-例えば、圧縮機の公称外運転が発生した場合-は、センサ連携回路は、システム予測を移行させ、システム内の予期せぬ運転状態の原因となった状態を検出する能力を向上させることができ、および/またはオフセットシステム内の状態を検出することができる。さらに、定格外運転、限界運転、高リスク運転、および/または今後のメンテナンスまたは潜在的な故障を示す予測に基づく蒸留塔のためのアラートは、厳密な分析なしにシステム容量および過去の経験を見るだけでは明らかにならないかもしれないリスクへの可視性を提供するために容易に準備することができる。
精製所のための例示的なセンサ融合操作は、温度、圧力、および/または組成物(例えば、圧縮機の性能を決定するため)と組み合わせた振動情報;温度および圧力、温度および組成物、および/または組成物、および圧力(例えば、供給原料のばらつき、接触トレイの性能、および/またはコンポーネントの故障を決定するため)を含む。
例示的な製油所システムは、貯蔵タンクおよび/またはボイラ給水を含む。例示的なシステム予測は、温度および圧力の融合を含むセンサ融合を介して、貯蔵タンクの故障および/または定格外運転を決定するためのセンサ融合、および/または非振動判定(例えば、リーク、システム内の空気、および/またはフィードポンプの問題を検出すること)を含む振動判定を含む。特定のさらなる例示的なシステム予測は、流量、圧力、温度、および/または振動を含むセンサ融合を介してのような、ボイラ給水の故障を決定するためのセンサ融合を含む。これらのパラメータのうちの任意の1つ以上を、システムリーク、故障、フィードポンプの摩耗、および/またはスケーリングを予測するために利用することができる。
同様に、例示的な産業システムは、凝縮水および/または補水システムを有する発電システムを含み、ここで、センサ融合は、感知されたパラメータ群および故障、メンテナンスなどの予測を提供する。センサ融合および/または連続的な機械学習プロセスを利用したシステム特性化回路は、圧縮機、配管、貯蔵タンク、および/または石油精製所のためのボイラー給水のための、限定されないが、故障、規格外の操作、コンポーネントの健全性、および/またはメンテナンスイベントを予測することができる。
例示的な産業システムは、圃場または圃場のシステムのための灌漑システムを含む。灌漑システムは、システムの大幅な変動(例えば、入口圧力および/または水位、コンポーネントの摩耗およびメンテナンス)、ならびに環境の変動(例えば、植えられた作物の種類および分布、天候、土壌水分、湿度、太陽の季節変動、雲の広がり、および/または風の変動)の影響を受けます。さらに、灌漑システムは、高帯域幅ネットワークアクセス、メンテナンス設備、および/または監視のための人員さえも容易に利用できない遠隔地に位置する傾向がある。例示的なシステムは、すべてのセンサが連続的にデータを送信または保存することを必要とせずに、灌漑システムの条件の予測を可能にすることができる複数のセンサを含む。パターン認識回路は、パターンを効果的に予測するために最も重要なセンサのセットを容易に決定することができ、したがって、応答を必要とするシステムの状態(例えば、灌漑サイクル、位置など)を予測することができます。さらに、遠隔地の設備に対するアラートを容易に準備することができ、正常でない状態(例えば、ポンプの切迫した故障またはメンテナンスの必要性)を予測するために正しいセンサパッケージが配置されていることを確信することができます。特定の実施形態では、システムは、給水の利用可能性が通常より低い(例えば、最近の降水履歴、灌漑システムまたは同じ給水を競合する他のシステムからの水生産履歴などの認識されたパターン条件に基づいて)、構造化されたニュースアラートまたは外部データなどのような異常なプロセス条件を決定してもよい。を実行し、感知されたパラメータ群を更新し、例えば、給水の利用可能性を確認するため(例えば、関連する場所の水位センサ)、給水レベルを落とすことができる許容可能な条件が利用可能であることを確認するため(例えば、湿度センサ、および/またはユーザへのプロンプト)、および/または十分に利用可能な二次ソースが利用可能であることを確認するため(例えば、補助的な水位センサ)。
例示的な産業システムには、化学プラントまたは製薬プラントが含まれる。化学プラントは、システム全体で適切な温度、濃度、混合などを維持するために、特定の運転条件、流量、温度などを必要とします。多くのシステムでは、多数のプロセスステップがあり、プロセスの1つの部分での名称外の操作または協調されていない操作は、協調されたプロセスが対応しなければならない(または協調されたプロセスが対応しない)ため、歩留まりの低下、プロセスの失敗、および/または生産能力の大幅な減少をもたらす可能性がある。したがって、システムを最小限に定義するために非常に多くのシステムが必要とされ、特定の実施形態では、データ伝送および記憶の観点から、広範囲の動作条件に対するセンシング能力を維持するために、法外な数のセンサが必要とされる。さらに、システムの複雑さは、十分なセンサが存在する場合でも、システム動作の最適化および調整が困難になる。特定の実施形態では、パターン認識回路は、すべてのセンサが連続的にデータを保存して送信することを必要とせずに、システムの高解像度の理解を提供するセンシングパラメータ群を予測することができる。さらに、パターン認識回路は、リスクが複雑なプロセスの中に埋もれている場合に、予測されたシステムのリスクおよび今後のプロセス操作のための容量制限を強調することができる。したがって、これは、自信を持ってマージンに近いところで、より低いコストで運用することができ、故障や容量制限が発生する前に、メンテナンスやシステムのアップグレードを行うことができることを意味している。
さらに、センサ融合の利用は、抽象化された所望の出力を達成するためにどのセンサおよびシステム条件が最も効果的であるかについての操作者の完全な理解を必要とせずに、「品質を最大化する」または「望ましくない副反応を最小化する」などの所望の予測を抽象化する機会を提供する。さらに、パターン認識回路の予測性は、所望の結果をサポートするためのプロセスの変更を、プロセスが亜最適な結果にコミットする前に実施することを可能にする。パターン認識回路および/またはセンサ融合操作の操作に基づく制御および予測が可能な化学的または製薬的計画の例示的な構成要素は、撹拌装置、圧力反応器、触媒反応器、および/または熱加熱システムを含む。センシングされたパラメータ群を決定し、パターン認識回路を調整するための例示的なセンサ融合操作は、限定されないが、別のセンサタイプと組み合わせた振動センサ、別のセンサタイプと組み合わせた組成物センサ、別のセンサタイプと組み合わせた流量決定、および/または別のセンサタイプと組み合わせた温度センサを含む。例えば、撹拌機は、振動センサに従順であり、同様に、組成物検出の均一性(例えば、高分解能温度)、適切に混合された系における期待される反応速度、および/またはそのようなものに従順である。触媒反応器は、温度センシング(反応熱力学に基づく)、組成物検出(例えば、予想される反応物のための、触媒材料の直接検出と同様に)、流量(例えば、総機械的故障、ビーズの減少した体積など)、および/または圧力検出(例えば、流量変化を示すか、またはそれと結合した)に従順である。
例示的な産業システムは、食品加工システムを含む。例示的な食品加工システムは、加圧容器、撹拌機、混合機、および/または熱加熱システムを含む。プロセスの制御は、食品の安全性、製品品質、および製品の一貫性を維持するために非常に重要である。しかしながら、食品加工システムへのほとんどの入力パラメータは、高い変動性の対象となる-例えば、基本的な食品は、天然物として本質的に変動性があり、水分含有量、タンパク質含有量、および他の審美的な変動性が異なる。さらに、人件費の管理、電力コストの管理、および供給水の変動性などは、予測変数の決定、これらを決定するための感知されたパラメータ、およびプロセスの変動に対応した予測の最適化が、解決が困難な問題である複雑なプロセスを提供する。食品加工システムはコストを意識していることが多く、資本コスト(例えば、最適化のための堅牢なネットワークおよびコンピューティングシステムのための)は容易には発生しない。さらに、食品加工システムは、例えば、全体の製品ラインをサポートするために、および/または季節変動のために、類似または同一の生産設備で、広範囲のばらつきのある製品を製造することがあり、それに応じて、あるプロセスのための予測操作は、別のプロセスをうまくサポートしないことがある。例示的なシステムは、パターン認識回路が、システム条件の高い変動性に照らしても、目標結果に強い信号応答を提供するセンシングパラメータ群を決定することを含む。パターン認識回路は、大規模なコンピューティングまたはデータ記憶リソースを必要とせずに、異なるプロセス条件のために利用可能な多数の感知パラメータ群のオプションを提供することができ、それに応じて、多種多様な動作条件のための関連する予測を達成することができる。例えば、加圧容器、撹拌機、混合機、および/または熱加熱システムの制御および予測は、パターン認識回路、および/または非温度決定と組み合わせた温度決定、非振動決定と組み合わせた振動決定、および/または熱マップの変化率と組み合わせた熱マップ、および/または非熱マップ決定と組み合わせたセンサ融合の動作に適合する。例示的なシステムは、パターン認識回路の動作および/または振動判定と非振動判定とのセンサ融合を含む。実施形態では、混合器および/または撹拌機の予測情報が提供され;および/または圧力決定、温度決定、および/または非圧力決定と組み合わされる。実施形態では、加圧容器の予測情報が提供される。
図147を参照して、例示的な手順11038は、多数の構成要素を含む産業システムに多数のセンサを提供するための操作11040と、多数のセンサの各々が、多数の構成要素のうちの少なくとも1つに操作的に結合され、感知されたパラメータ群に応答して多数のセンサデータ値を解釈するための操作11042と、を含む。数のセンサのうちの少なくとも1つのセンサを含む感知されたパラメータ群と、数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定する操作11044と、認識されたパターン値に応答して産業システムのシステム特性値を提供する操作11046とを含む。
例示的な手順11038は、以下のような操作を実行してシステム特性化値を提供するための操作11046をさらに含む。産業用システムに関連付けられたプロセスの予測結果を決定すること;産業用システムに関連付けられたプロセスの予測将来状態を決定すること;産業用システムに関連付けられたプロセスの予測標準外動作を決定すること;複数の構成要素のうちの1つの予測値を決定すること;複数の構成要素のうちの1つの将来状態値を決定すること;複数の構成要素のうちの1つの予測メンテナンス健全状態情報を決定すること。複数の構成要素のうちの少なくとも1つについて予測されるメンテナンス間隔を決定すること;複数の構成要素のうちの1つについて予測される定格外動作を決定すること;複数の構成要素のうちの1つについて予測される故障動作を決定すること;複数の構成要素のうちの1つについて予測される超過値を決定すること;および/または複数のセンサのうちの1つについて予測される飽和値を決定すること。
例示的な手順11038は、外部データおよび/またはクラウドベースのデータを解釈するための操作11050を含み、ここで、認識されたパターン値を決定するための操作11044が、外部データおよび/またはクラウドベースのデータに応答してさらに行われる。例示的な手順11038は、外部データおよび/またはクラウドベースのデータに応答してパターン認識操作を反復的に改善する操作を含み、例えば、センサ値を解釈する操作11042を調整するための操作11048によって、例えば、感知されたパラメータ群を更新することによって、パターン認識操作を調整する。パターン認識を反復的に改善する操作は、システムの変化に応答して、および/またはコンポーネント、プロセス、またはシステムの予測値に応答して、定期的に、選択された間隔で、操作11042~11048を繰り返すことをさらに含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下のように構成されていてもよい。複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。産業システムと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、認識されたパターン値に応答して産業システムのシステム特性値を提供するように構成されたシステム特性化回路と、を含む。産業システム。実施形態では、特性化値は、以下を含む。特性化値から選択される少なくとも1つの特性化値を含んでもよい:産業システムに関連付けられたプロセスの予測された結果;産業システムに関連付けられたプロセスの予測された将来の状態;および産業システムに関連付けられたプロセスの予測された名詞外動作。システム特性値は、複数の構成要素のうちの1つの構成要素の予測値、複数の構成要素のうちの1つの構成要素の将来状態値、複数の構成要素のうちの1つの構成要素の予測メンテナンス健全状態情報、および複数の構成要素のうちの少なくとも1つの構成要素の予測メンテナンス間隔を含む。特性値から選択される少なくとも1つの特性値を含んでもよい。システム特性値は、複数の構成要素のうちの1つの構成要素についての予測された定格外動作情報;複数の構成要素のうちの1つの構成要素についての予測された故障動作情報;および複数の構成要素のうちの1つの構成要素についての予測された超過値を含む。特性値から選択される少なくとも1つの特性値を含んでもよい。システム特性値は、複数のセンサのうちの1つについての飽和予測値を含んでもよい。外部データを解釈するように構成されたシステム連携回路を含んでもよい。実施形態では、パターン認識回路は、外部データに応答して認識されたパターン値をさらに決定するように構成されている。パターン認識回路は、外部データに応答してパターン認識動作を反復的に改善するようにさらに構成されてもよい。外部データは、指示されたコンポーネントのメンテナンスイベント、指示されたコンポーネントの故障イベント、指示されたコンポーネントの摩耗値、指示されたコンポーネントの動作超過値、および指示された故障値のうちの少なくとも1つを含んでもよい。外部データは、指示されたプロセス故障値、指示されたプロセス成功値、指示されたプロセス結果値、指示されたプロセス動作超過値のうちの少なくとも1つを含んでもよい。外部データには、センサ飽和値の指示が含まれていてもよい。システム連携回路は、少なくとも1つのオフセット産業システムに対応するセンサデータ値の第2の複数のセンサデータ値を含む。クラウドベースのデータを解釈するように構成されていてもよい。実施形態では、パターン認識回路は、クラウドベースのデータに応答して、認識されたパターン値をさらに決定するように構成されている。パターン認識回路は、クラウドベースのデータに応答してパターン認識動作を反復的に改善するようにさらに構成されてもよい。センシングパラメータ群は、三軸振動センサを含んでもよい。センシングされたパラメータ群は、振動センサと、振動センサではない第2のセンサとを含んでもよく、例えば、第2のセンサがデジタルセンサを構成している場合には、第2のセンサは、振動センサではない。センシングされたパラメータ群は、複数のアナログセンサを含んでもよい。
実施形態では、方法は次のように構成されてもよい:複数のコンポーネントを含む。産業システムに複数のセンサを提供すること、複数のセンサの各々が複数のコンポーネントの少なくとも1つに作動的に結合されていること、感知されたパラメータ群に応答して複数のセンサデータ値を解釈すること、感知されたパラメータ群が複数のセンサの少なくとも1つのセンサを含む。こと、複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定すること、および認識されたパターン値に応答して産業システムのシステム特性値を提供すること、を含む。操作から選択される少なくとも1つの操作を実行することによって提供されてもよい。システム特性化値は、以下の操作を含む。群から選択される少なくとも1つの操作を実行することによって提供されてもよい:複数の構成要素のうちの1つについて予測値を決定すること、複数の構成要素のうちの1つについて将来の状態値を決定すること、複数の構成要素のうちの1つについて予測されるメンテナンス健全状態情報を決定すること、および複数の構成要素のうちの少なくとも1つについて予測されるメンテナンス間隔を決定すること。システム特性値は、次の操作を含む。操作から選択される少なくとも1つの操作を実行することによって提供されてもよい:産業システムに関連付けられたプロセスの予測結果を決定すること、産業システムに関連付けられたプロセスの予測将来状態を決定すること、および産業システムに関連付けられたプロセスの予測オフネーム操作を決定すること。システム特性値は、複数のコンポーネントのうちの1つについて予測されるオフ動作を決定すること、複数のコンポーネントのうちの1つについて予測される故障動作を決定すること、および複数のコンポーネントのうちの1つについて予測される超過値を決定すること、を含む。操作から選択される少なくとも1つの操作を実行することによって提供されてもよい。システム特性値は、複数のセンサのうちの1つについての飽和予測値を決定することによって提供されてもよい。認識されたパターン値の決定は、外部データに応答してさらに行われてもよい。パターン認識操作を反復的に改善することは、外部データに応答して提供されてもよい。外部データを解釈することは、指示されたコンポーネントのメンテナンスイベントを解釈すること、指示されたコンポーネントの故障イベントを解釈すること、指示されたコンポーネントの摩耗値を解釈すること、指示されたコンポーネントの動作超過値を解釈すること、および指示された故障値を解釈することを含む。操作の中から選択された少なくとも1つの操作を含んでもよい。外部データの解釈は、指示されたプロセス成功値の解釈、指示されたプロセス故障値の解釈、指示されたプロセス結果値の解釈、および指示されたプロセス動作超過値の解釈を含む。操作の中から選択された少なくとも1つの操作を含んでもよい。外部データの解釈は、指示されたセンサ飽和値の解釈を含んでもよい。クラウドベースのデータを解釈することは、第2の複数のセンサデータ値を含み、第2の複数のセンサデータ値は、少なくとも1つのオフセット産業システムに対応する。実施形態では、認識されたパターン値を決定することは、クラウドベースのデータに応答することをさらに含む。パターン認識操作を反復的に改善することは、クラウドベースのデータに応答して提供されてもよい。
複数のコンポーネントと、複数のコンポーネントのうちの少なくとも1つに作動的に結合された複数のセンサとを含む。産業システムと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、複数のセンサのうちの少なくとも1つのセンサを含む。感知されたパラメータ群と、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するための手段と、認識されたパターン値に応答して産業システムのシステム特性化値を提供するための手段と、を含む。システム特性化値提供手段を含んでもよい。システム特性化値を提供するための手段は、産業用システムに関連付けられたプロセスの予測結果を決定すること、産業用システムに関連付けられたプロセスの将来の予測状態を決定すること、および産業用システムに関連付けられたプロセスの予測オフネーム操作を決定することを含む。操作から選択される少なくとも1つの操作を実行するための手段を含んでいてもよい。システム特性化値を提供するための手段は、以下の操作を含む。操作から選択される少なくとも1つの操作を実行するための手段を含んでもよい:複数の構成要素のうちの1つの予測値を決定すること、複数の構成要素のうちの1つの将来の状態値を決定すること、複数の構成要素のうちの1つの予測されるメンテナンス健全状態情報を決定すること、および複数の構成要素のうちの少なくとも1つの予測されるメンテナンス間隔を決定することを含む。操作。システム特性化値を提供するための手段は、以下の操作を含む。操作から選択される少なくとも1つの操作を実行するための手段を含んでもよい:複数の構成要素のうちの1つの構成要素について予測された定格外操作を決定すること、複数の構成要素のうちの1つの構成要素について予測された故障操作を決定すること、および複数の構成要素のうちの1つの構成要素について予測された超過値を決定すること。システム特性値を提供するための手段は、複数のセンサのうちの1つについての飽和予測値を決定するための手段を含んでもよい。外部データを解釈するように構成されたシステム連携回路が提供されてもよい。実施形態では、認識されたパターン値を決定するための手段は、外部データに応答して認識されたパターン値をさらに決定する。パターン認識動作を反復的に改善するための手段が、外部データに応答して提供されてもよい。外部データは、指示されたプロセス成功値、指示されたプロセス失敗値、指示されたプロセス結果値のうちの少なくとも1つを含んでもよい。外部データは、指示されたコンポーネントメンテナンスイベント、指示されたコンポーネント故障イベント、および指示されたコンポーネント摩耗値のうちの少なくとも1つを含んでもよい。外部データは、指示されたプロセス動作超過値、指示されたコンポーネント動作超過値、および指示された故障値のうちの少なくとも一つを含んでもよい。外部データは、指示されたセンサ飽和値を含んでもよい。システム連携回路は、少なくとも1つのオフセット産業システムに対応するセンサデータ値の第2の複数のセンサデータ値の第2の複数のセンサデータ値を含む。クラウドベースのデータを解釈するように構成されていてもよい。実施形態では、認識されたパターン値を決定するための手段は、クラウドベースのデータに応答して、認識されたパターン値をさらに決定する。パターン認識操作を反復的に改善するための手段は、クラウドベースのデータに応答して提供されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下のもので構成されている。複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。蒸留塔と、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、認識されたパターン値に応答して蒸留塔のシステム特性値を提供するように構成されたシステム特性値提供回路と、を含むことができる。複数の構成要素は、熱力学的処理構成要素を含んでもよい。実施形態では、システム特性化値は、熱力学的処理コンポーネントの予測値を決定すること、熱力学的処理コンポーネントの将来の状態値を決定すること、熱力学的処理コンポーネントの予想されるメンテナンス健康状態情報を決定すること、および熱力学的処理コンポーネントの容量に応じたプロセス速度制限を決定することを含む。値から選択される少なくとも1つの値から構成される。熱力学的処理コンポーネントは、圧縮機またはボイラのうちの少なくとも1つを含んでいてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下のもので構成されていてもよい。複数の構成要素と、複数の構成要素のうちの少なくとも1つに作動的に結合された複数のセンサとを含む。化学プロセスシステムと、感知されたパラメータ群に応答して複数のセンサデータ値を解釈するように構成されたセンサ通信回路と、複数のセンサデータ値のうちの少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、認識されたパターン値に応答して化学プロセスシステムのシステム特性値を提供するように構成されたシステム特性化回路と、を含む。ことができる。前記化学プロセスシステムは、化学プラント、製薬プラント、または石油精製所のいずれかを含むことができる。システム特性化値は、容量値または純度値の少なくとも1つを含む。分離プロセス値、副反応率値を含む。副反応プロセス値、および熱力学的処理構成要素の能力、容量、および予想される保守健全性のうちの1つを含む。熱力学的処理値を含む。値を含む。値から選択される少なくとも1つの値を含んでもよい。
産業環境におけるデータ収集のためのシステムであって、システムは以下から構成されている。
ポンプを含む複数の構成要素と、前記複数の構成要素の少なくとも1つに作動的に結合された複数のセンサと、を含む灌漑システムであって、前記複数のセンサデータ値を、前記複数のセンサのうちの少なくとも1つのセンサを含む。感知パラメータ群に応答して解釈するように構成されたセンサ通信回路と、前記複数のセンサデータ値の少なくとも一部に応答して認識されたパターン値を決定するように構成されたパターン認識回路と、前記認識されたパターン値に応答して灌漑システムのシステム特性値を提供するように構成されたシステム特性値提供回路と、を備えた灌漑システム。システム特性値は、ポンプのメンテナンス健全性予測値およびポンプの将来の状態値のうち少なくとも1つを含んでもよい。パターン認識回路は、複数のセンサデータ値のうちの少なくとも一部のセンサデータ値に応答して、名詞外プロセス状態を決定してもよい。実施形態では、センサ通信回路は、オフノミナルプロセス状態に応答して、感知されたパラメータ群を変更するようにさらに構成される。規格外のプロセス条件は、通常よりも下の水の供給可能性の表示を含んでもよい。実施形態では、更新された感知パラメータ群は、水位センサ、湿度センサ、および補助水位センサを含む。センサから選択される少なくとも1つのセンサを含む。
本明細書の他の箇所に記載されているように、様々なインテリジェントシステムおよび/またはエキスパートシステム、制御システム(リモートシステムおよびローカルシステム、自律システムなどを含む)などへのフィードバックは、ルールベースのシステム、モデルベースのシステム、人工知能(AI)システム(ニューラルネット、自己組織化システム、および本開示を通して記載されている他のものを含む)、およびそれらの様々な組み合わせおよびハイブリッド(文脈が他に示す場合を除き、本明細書では「エキスパートシステム」と総称される)などの手段を含む、広範囲の情報を含み得る。電力、コスト削減のような金銭的な)、状態の予測または予測の成功の尺度(例えば、障害の回避および緩和)、生産性の尺度(例えば、ワークフロー)、歩留まりの尺度、利益の尺度、および本明細書に記載されているようなものを含む、広範囲の情報を含んでもよい。実施形態では、エキスパートシステムへのフィードバックは、業界固有、ドメイン固有、工場固有、機械固有、およびそのようなものであってもよい。
エキスパートシステムに対する業界固有のフィードバックは、修理・保守組織、製造業者、1つまたは複数のコンソーシアムなどの第三者によって提供されてもよいし、対象システム自体の1つまたは複数の要素によって生成されてもよい。業界固有のフィードバックは、例えば、1つ以上のデータ構造に集約されてもよい。実施形態では、データは、コンポーネントレベル、装置レベル、工場/設置レベル、および/または業界レベルで集約される。データ構造体のユーザは、任意のレベル(例えば、コンポーネント、装置、工場、産業など)でデータにアクセスすることができます。ユーザは、必要に応じて特定のシステム条件に基づいて、またはシステム条件によってフィルタリングされた指標/予測値をデータ構造体を検索することができ、または独自のデータで指標/予測値を更新して、データ構造体を産業に合わせてカスタマイズすることができます。実施形態では、エキスパートシステムは、予測される結果または状態を提供するために、および/または特定の機械、装置、コンポーネント、プロセスなどを最適化するためのアクションを実行するために、ディープラーニングのような業界固有のフィードバックでシードされてもよい。
実施形態では、エキスパートシステムに提供されたフィードバックは、1つ以上のスマートバンドにおいて、1つ以上の目標に対する進捗を予測するために使用されてもよい。専門家システムは、本明細書の他の箇所に記載されているように、フィードバックを提供したシステムの1つ以上の構成要素に対する修正、変更、追加、変更、またはそのようなものを決定するために、フィードバックを使用してもよい。産業固有のフィードバックに基づいて、エキスパートシステムは、入力、入力または出力を処理または記憶する方法、フィードバックを提供するために使用されるセンサまたはセンサ、動作パラメータ、システムで使用される装置の一部、またはフィードバックを生じさせた産業システムの参加者の他の任意の側面を変更してもよい。本明細書の他の箇所に記載されているように、エキスパートシステムは、1つまたは複数のスマートバンドを用いて、複数の目標を追跡してもよい。産業固有のフィードバックは、1つ以上の目標に関連する結果または状態を予測する際に、スマートバンドにおいて、またはスマートバンドによって使用されてもよく、結果または状態を達成する可能性を高めるように指示された変更を推奨または指示するために使用されてもよい。
例えば、ミキサーは、食品加工環境または化学加工環境で使用されてもよいが、食品加工プラントで関連するフィードバック(例えば、必要な殺菌温度、食品粘度、粒子密度(例えば、光学センサーによって測定されるような)、調理の完了(例えば、ベーキングに関与する反応の完了)、衛生(例えば、病原体の不在)など)は、化学加工プラントで関連するものとは異なっていてもよい。ベーキングに関与する反応の完了)、衛生(例えば、病原体の不在)は、化学処理プラントに関連するもの(例えば、インペラー速度、速度ベクトル、流量、高レベルの汚染物質の不在、またはそのようなもの)とは異なっていてもよい。このような業界特有のフィードバックは、特定の環境でのミキサーの運転を最適化するのに役立ちます。
別の例では、エキスパートシステムは、圃場に配備された灌漑システムに関連するモデルを訓練するために、農業システムからのフィードバックを使用してもよい。実施形態では、業界固有のフィードバックは、業界全体で使用される水の量(例えば、流量計によって測定されるような)、期間にわたる水使用の傾向(例えば、流量計によって測定されるような)、収穫量(例えば、体重計によって測定されるような)、昆虫の侵入(例えば、ドローン撮像によって識別および/または測定されるような)、植物の枯死(例えば、ドローン撮像によって識別および/または測定されるような)などのうちの1つまたは複数に関連している。
製造業における冷却を制御する流体フローシステム(例えば、ファン、ポンプまたはコンプレッサ)の別の例では、エキスパートシステムは、製造プロセス中に冷却を必要とする材料(例えば、ポリマー)が関与するコンポーネントの製造からのフィードバック、例えば、出力製品の品質、出力製品の強度、出力製品の柔軟性、およびそのようなもの(例えば、密度計、粘度計、サイズ排除クロマトグラフ、およびトルクメータを含む一連のセンサによって測定されるようなもの)を使用してもよい。センサーが、モノマー変換中にポリマーが急速に冷却されすぎていることを示している場合、エキスパートシステムは、品質目標を満たすために、その動作の側面を減少させるように、流体フローシステム内のファン、ポンプ、または圧縮機のうちの1つ以上に指示を中継してもよい。
精製プロセス(例えば、水素化処理、水素化分解、異性化、改質)を実行する精製所で動作する往復圧縮機の別の例では、エキスパートシステムは、圧縮機の下流の硫黄、窒素および/または芳香族の量(例えば、近赤外(「IR」分析器によって測定されるなど)、セタン/オクタン数または製品のスモークポイント(例えば、オクタン分析器によって測定されるなど)、製品の密度またはスモークポイントのうちの1つ以上に関連したフィードバックを使用してもよい。近赤外("IR")分析器によって測定されるような)、製品のセタン/オクタン数またはスモークポイント(例えば、オクタン分析器によって測定されるような)、製品の密度(例えば、デンシトメーターによって測定されるような)、副生成ガス量(例えば、電気化学ガスセンサーによって測定されるような)、およびそのようなものに関連する1つ以上のフィードバックを使用してもよい。この例では、イソブテンの量および/または品質を測定するインライン近赤外分析器によってブタンからイソブテンへの異性化中にフィードバックが受信されると、エキスパートシステムは、生産目標を達成するために、往復圧縮機を含む異性化システムの1つ以上の構成要素の性能を変更すべきであると判断してもよい。
製油所で動作する真空蒸留ユニットの別の例では、エキスパートシステムは、回収された原料ガソリンの量(例えば、IRを使用して様々な画分の体積または組成を測定することによって)、回収された画分の沸点(例えば、沸点分析器を使用することによって)、蒸気冷却速度(例えば、温度計によって測定されることによって)などに関連したフィードバックを使用してもよい。この例では、ディーゼルを回収するための真空蒸留中にフィードバックが受信されると、回収された量が生産量の公称外の配給量を示すように、エキスパートシステムは、真空蒸留ユニットに、原料源を変更し、先行する原料のより詳細な分析を開始するように指示してもよい。
精製所内のパイプラインのさらに別の例では、エキスパートシステムは、炭化水素生成物の流れのタイプ(例えば、色素トレースによって測定されるような)、流量、蒸気速度(例えば、フローメータを用いた)、蒸気せん断などの流れのタイプ(例えば、気泡、成層化、スラグ、環状、遷移、ミスト)に関するフィードバックを使用してもよい。この例では、流れの種類およびその速度に関するフィードバックがパイプラインの運転中に受信されると、パイプラインを通る流れを改善するために、専門家システムによって修正が推奨されてもよい。
製薬工場のパドル型またはアンカー型の撹拌機/ミキサーのさらに別の例では、エキスパートシステムは、高粘度液体の混合の程度、中粘度から低粘度液体の加熱、混合物の密度、混合物中の生物の成長率などに関連するフィードバックを使用してもよい。この例では、細菌増殖率が高すぎる(分光光度計で測定されたような)というフィードバックが攪拌機の操作中に受信されると、専門家システムは、混合物または増殖基質に添加される空気の量を制限するために、攪拌機の速度を低下させるように指示してもよい。
化学処理プラントの圧力反応器のさらなる例では、エキスパートシステムは、触媒反応速度(質量分析計によって測定されるような)、粒子密度(密度計によって測定されるような)、生物学的成長速度(分光光度計によって測定されるような)などに関連するフィードバックを使用してもよい。この例では、粒子密度および生物学的成長率が規格外であるというフィードバックが圧力反応器の運転中に受信されると、エキスパートシステムは、圧力反応器に、減圧、温度の上昇、反応の体積の増加などの1つまたは複数の運転パラメータを変更するように指示してもよい。
化学処理プラント内で動作するガス撹拌機の別の例では、エキスパートシステムは、適切なセンサまたは装置によって測定された、ガス化された液体の有効密度、粘度、ガス圧力などに関連するフィードバックを使用してもよい。この例では、ガス撹拌機の運転中にフィードバックが受信されると、エキスパートシステムは、ガス撹拌機に、撹拌速度を増加または減少させるなど、1つまたは複数の運転パラメータを変更するように指示してもよい。
化学処理プラントにおけるポンプブラスト液体タイプの撹拌機のさらに別の例では、エキスパートシステムは、混合物の粘度、成長媒体の光学密度、および溶液の温度に関連するフィードバックを使用してもよい。この例では、フィードバックが撹拌機の運転中に受信されると、エキスパートシステムは、撹拌の速度を増加または減少させるように、および/または追加の熱を注入するように、1つまたは複数の運転パラメータを変更するように撹拌機に指示してもよい。
化学処理プラントのタービン型撹拌機のさらに別の例では、エキスパートシステムは、振動音、反応物の反応速度、熱伝達、または懸濁液の密度に関連するフィードバックを使用してもよい。この例では、アジテータの運転中にフィードバックが受信されると、エキスパートシステムは、アジテータに、アジテータの速度を増加または減少させるように、および/または触媒の追加量を注入するように、1つまたは複数の運転パラメータを変更するように指示してもよい。
ポリマーを製造するために化学処理プラントでモノマーを混合する静的撹拌機のさらに別の例では、エキスパートシステムは、ポリマーの粘度、ポリマーの色、ポリマーの反応性などに関連するフィードバックを使用して、例えば、レイノルズ数を変更する設定、温度の増加、圧力の増加などのような、撹拌機のための新しい設定またはパラメータに反復することができる。
化学処理プラントの触媒反応器のさらなる例では、エキスパートシステムは、反応速度、生成物濃度、生成物の色などに関連するフィードバックを使用してもよい。この例では、触媒反応器の運転中にフィードバックが受信されると、エキスパートシステムは、温度を増加または減少させるように、および/または触媒の追加量を注入するように、1つまたは複数の運転パラメータを変更するように反応器に指示してもよい。
化学処理または食品プラントにおける熱式加熱システムのさらに別の例では、エキスパートシステムは、システムから出て行くBTU、流量などに関連したフィードバックを使用してもよい。この例では、フィードバックが熱式加熱システムの運転中に受信されると、エキスパートシステムは、入力原料を変更するように、原料の流量を増加させるように、などのように、1つ以上の運転パラメータを変更するようにシステムに指示してもよい。
精製所でボイラ給水を使用するさらに別の例では、エキスパートシステムは、曝気レベル、温度などに関連するフィードバックを使用してもよい。この例では、ボイラ給水に関連したフィードバックが受信されると、エキスパートシステムは、曝気の減少を増加させるように、給水の流量を増加させるように、などのように、ボイラの1つ以上の運転パラメータを変更するようにシステムに指示してもよい。
精製所の貯蔵タンクのさらに別の例では、エキスパートシステムは、温度、圧力、タンクからの流出流量などに関連したフィードバックを使用してもよい。この例では、貯蔵タンクに関連するフィードバックが受信されると、エキスパートシステムは、冷却または加熱を増加させるために攪拌を開始するなど、1つまたは複数の操作パラメータを変更するようにシステムに指示してもよい。
タービンからの蒸気を凝縮し、それを補水とともにボイラフィーダに再循環させる発電所の復水/補水システムの例では、エキスパートシステムは、内向きの空気漏れ、熱伝達、および補水の品質の測定に関連するフィードバックを使用してもよい。この例では、凝縮水/補水システムに関連したフィードバックを受信した場合、エキスパートシステムは、補水の浄化を増加させるようにシステムに指示したり、真空ポンプをオンラインにしたりすることができる。
食品工場の撹拌機の別の例では、エキスパートシステムは、食品の粘度、食品の色、食品の温度などに関連するフィードバックを使用してもよい。この例では、フィードバックが受信されると、エキスパートシステムは、目標に到達する際の予測される成功に応じて、撹拌機の速度を上げるか、または遅くするように指示してもよい。
食品工場の圧力調理器の別の例では、エキスパートシステムは、食品の粘度、食品の色、食品の温度などに関連するフィードバックを使用してもよい。この例では、フィードバックが受信されると、エキスパートシステムは、目標に到達する際に予測される成功に応じて、圧力調理器の動作を継続するように、温度を上げるように、またはそのようなことを指示してもよい。
一実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信的に結合された複数の入力センサ11102と、入力センサ11102から出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信出力データパターン11112を学習するように構成された機械学習データ解析回路1110とを含んでもよい。実施形態では、機械学習データ解析回路11110は、業界固有のフィードバック11118に基づいてモデル11114でシードされることによって、受信した出力データパターン11112を学習するように構成されている。モデル11114は、物理モデル、運用モデル、またはシステムモデルであってもよい。業界固有のフィードバック11118は、利用率測定値、効率測定値(例えば、電力および/または財務)、状態の予測または予測の成功度測定値(例えば、障害の回避および緩和)、生産性測定値(例えば、ワークフロー)、歩留まり測定値、および利益測定値のうちの1つまたは複数であってもよい。業界固有のフィードバック1118は、入力センサが機械の動作中に情報を提供する機械によって生成された電力量を含む。業界固有のフィードバック11118は、入力センサが情報を提供する組立ラインの出力の測定値を含む。業界固有のフィードバック11118は、入力センサが情報を提供する機械によって生成された製品の単位の故障率を含む。業界固有のフィードバック1118は、入力センサが情報を提供する機械の故障率を含む。業界固有のフィードバック1118は、入力センサが情報を提供する機械の電力利用効率を含む。実施形態では、機械は、タービン、変圧器、発電機、圧縮機、エネルギーを貯蔵する機械、およびパワートレインの構成要素(例えば、入力センサが情報を提供する機械についての機械による材料の抽出率、入力センサが情報を提供する機械についての機械によるガスの生産率、入力センサが情報を提供する機械による炭化水素製品の生産率)、および入力センサが情報を提供する機械による化学製品の生産率のうちのいずれかである。機械学習データ解析回路1110は、結果に基づいて受信した出力データパターン1112を学習するようにさらに構成されてもよい。システム11100は、運転パラメータまたは装置を保持または修正してもよい。コントローラ11106は、学習された受信出力データパターン11112または結果に基づいて機械学習データ解析回路1110の重み付けを調整し、学習された受信出力データパターン1112または結果に基づいて入力センサからより多くの/より少ないデータポイントを収集し、学習された受信出力データパターン1112または結果に基づいて出力データ11108のためのデータ記憶技術を変更し、学習された受信出力データパターン1112または結果に基づいてデータ提示モードまたは態様を変更し、出力データ11108に1つ以上のフィルタ(ローパス、ハイパス、バンドパスなど)を適用してもよい。)を出力データ11108に適用する。実施形態では、システム11100は、学習された受信された出力データパターン11102及び結果のうちの1つ以上に基づいて、使用率の低い機器を除去/再タスクしてもよい。機械学習データ解析回路11110は、ニューラルネットワークエキスパートシステムを含んでもよい。入力センサは、振動データや騒音データを測定してもよい。機械学習データ分析回路11110は、1つ以上の目標/ガイドライン(例えば、入力センサの異なるサブセットによって決定されてもよい)との進捗/整合性を示す受信出力データパターン11112を学習するように構成されてもよい。機械学習データ分析回路11110は、未知の変数を示す受信出力データパターン11112を学習するように構成されてもよい。機械学習データ分析回路11110は、利用可能な入力のうちの好ましい入力を示す受信出力データパターン11112を学習するように構成されてもよい。機械学習データ解析回路11110は、利用可能な入力データ収集バンドの中で好ましい入力データ収集バンドを示す受信出力データパターン11112を学習するように構成されていてもよい。機械学習データ分析回路11110は、部分的には、機械上、1つ以上のデータコレクタ上、ネットワークインフラストラクチャ内、クラウド内、またはそれらの任意の組み合わせに配置されてもよい。システム11100は、データ収集回路11104上に配置されてもよい。システム11000は、データ収集回路11004とリモートインフラストラクチャとの間に分散されてもよい。データ収集回路11104は、データコレクタを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信的に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信出力データパターン11112を学習するように構成された機械学習データ解析回路1110とを含んでもよい。実施形態では、機械学習データ解析回路11110は、利用率指標に基づいてモデル11114でシードされることによって、受信した出力データパターン1112を学習するように構成されている。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信的に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信出力データパターン11112を学習するように構成された機械学習データ解析回路1110とを含んでもよい。実施形態では、機械学習データ解析回路11110は、効率指標に基づいてモデル11114でシードされることによって、受信した出力データパターン1112を学習するように構成されている。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信的に結合された複数の入力センサ11102と、入力センサからの出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信出力データパターン11112を学習するように構成された機械学習データ解析回路1110とを含んでもよい。実施形態では、機械学習データ解析回路11110は、状態の予測または予測における成功の尺度に基づいてモデル11114でシードされることによって、受信した出力データパターン1112を学習するように構成されている。
実施形態では、産業環境におけるデータ収集のためのシステム11100は、コントローラ11106に通信的に結合された複数の入力センサ11102と、入力センサから出力データ11108を収集するように構成されたデータ収集回路11104と、出力データ11108を受信し、結果を示す受信出力データパターン11112を学習するように構成された機械学習データ解析回路1110とを含んでもよい。実施形態では、機械学習データ解析回路11110は、生産性尺度に基づいてモデル11114でシードされることによって、受信した出力データパターン1112を学習するように構成されている。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、コントローラに通信的に結合された複数の入力センサ;入力センサから出力データを収集するように構成されたデータ収集回路;および出力データを受信し、結果を示す受信した出力データパターンを学習するように構成された機械学習データ解析回路を含む。実施形態では、機械学習データ解析回路は、業界固有のフィードバックに基づいてモデルをシードすることにより、受信した出力データパターンを学習するように構成されている。実施形態では、モデルは、物理モデル、運用モデル、またはシステムモデルである。実施形態では、業界固有のフィードバックは、利用率の尺度である。実施形態では、業界固有のフィードバックは、効率性の尺度である。実施形態では、効率指標は、電力および財務のいずれかである。実施形態では、業界固有のフィードバックは、状態の予測または予測における成功の尺度である。実施形態では、成功の尺度は、障害の回避および緩和である。実施形態では、業界固有のフィードバックは、生産性の尺度である。実施形態では、生産性の尺度はワークフローである。具体的には、業界特有のフィードバックは歩留まりの指標である。実施形態では、業界特有のフィードバックは利益の尺度である。実施形態では、機械学習データ分析回路は、結果に基づいて受信した出力データパターンを学習するようにさらに構成されている。実施形態では、システムは、動作パラメータまたは装置を保持または修正する。実施形態では、コントローラは、学習された受信された出力データパターンまたは結果に基づいて、機械学習データ解析回路の重み付けを調整する。実施形態では、コントローラは、学習された受信された出力データパターンまたは結果に基づいて、入力センサからより多くのデータポイントまたはより少ないデータポイントを収集する。実施形態では、コントローラは、学習した受信した出力データパターンまたは結果に基づいて、出力データのためのデータ保存技術を変更する。実施形態では、コントローラは、学習された受信された出力データパターンまたは結果に基づいて、データ提示モードまたは方法を変更する。実施形態では、コントローラは、出力データに1つ以上のフィルタ(ローパス、ハイパス、バンドパスなど)を適用する。実施形態では、システムは、学習された受信した出力データパターンおよび結果のうちの1つ以上に基づいて、使用率の低い機器を除去したり、タスクを実行したりする。実施形態では、機械学習データ解析回路は、ニューラルネットワークエキスパートシステムを構成する。実施形態では、入力センサは、振動データおよび騒音データを測定する。実施形態では、機械学習データ解析回路は、1つ以上の目標/ガイドラインとの進捗/整合性を示す受信出力データパターンを学習するように構成されている。実施形態では、各目標/ガイドラインの進捗/アライメントは、入力センサの異なるサブセットによって決定される。実施形態では、機械学習データ分析回路は、未知の変数を示す受信出力データパターンを学習するように構成されている。実施形態では、機械学習データ解析回路は、利用可能な入力のうちの好ましい入力を示す受信出力データパターンを学習するように構成されている。実施形態では、機械学習データ解析回路は、利用可能な入力データ収集バンドの中で好ましい入力データ収集バンドを示す受信出力データパターンを学習するように構成されている。実施形態では、機械学習データ解析回路は、部分的に、機械上、1つ以上のデータコレクタ上、ネットワークインフラストラクチャ上、クラウド上、またはそれらの任意の組み合わせに配置される。実施形態では、システムは、データ収集回路上に配置される。29.実施形態では、システムは、データ収集回路とリモートインフラストラクチャとの間で分散される。実施形態では、業界固有のフィードバックは、入力センサが機械の動作中に情報を提供する機械によって生成された電力量を含む。実施形態では、業界固有のフィードバックは、入力センサが情報を提供する組立ラインの出力の測定値を含む。実施形態では、業界固有のフィードバックには、入力センサが情報を提供する機械によって生産された製品の単位の故障率が含まれる。実施形態では、業界固有のフィードバックは、入力センサが情報を提供する機械の故障率を含む。実施形態では、業界固有のフィードバックには、入力センサが情報を提供する機械の電力利用効率が含まれる。
実施形態では、機械はタービンである。実施形態では、機械は変圧器である。実施形態では、機械は発電機である。実施形態では、機械は圧縮機である。実施形態では、機械はエネルギーを貯蔵する。実施形態では、機械は、パワートレイン構成要素を含む。実施形態では、業界固有のフィードバックは、入力センサが情報を提供する機械による材料の抽出率を含む。実施形態では、業界固有のフィードバックは、入力センサが情報を提供する機械によるガスの生産率を含む。実施形態では、業界固有のフィードバックは、入力センサが情報を提供する機械による炭化水素製品の生産率を含む。実施形態では、業界固有のフィードバックは、入力センサが情報を提供する機械による化学製品の生産率を含む。実施形態では、データ収集回路は、データコレクタを構成する。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、コントローラに通信的に結合された複数の入力センサ;入力センサから出力データを収集するように構成されたデータ収集回路;および出力データを受信し、結果を示す受信した出力データパターンを学習するように構成された機械学習データ解析回路を含み、実施形態では、機械学習データ解析回路は、利用率尺度に基づくモデルでシードされることにより、受信した出力データパターンを学習するように構成されている。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、コントローラに通信的に結合された複数の入力センサ;入力センサから出力データを収集するように構成されたデータ収集回路;および出力データを受信し、結果を示す受信した出力データパターンを学習するように構成された機械学習データ解析回路を含む。実施形態では、機械学習データ解析回路は、効率指標に基づくモデルをシードすることにより、受信した出力データパターンを学習するように構成されている。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、コントローラに通信的に結合された複数の入力センサ;入力センサから出力データを収集するように構成されたデータ収集回路;および出力データを受信し、結果を示す受信した出力データパターンを学習するように構成された機械学習データ解析回路を含む。実施形態では、機械学習データ解析回路は、状態の予測または予測における成功の尺度に基づいてモデルをシードすることによって、受信した出力データパターンを学習するように構成されている。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、コントローラに通信的に結合された複数の入力センサ;入力センサから出力データを収集するように構成されたデータ収集回路;および出力データを受信し、結果を示す受信した出力データパターンを学習するように構成された機械学習データ解析回路を含む。実施形態では、機械学習データ分析回路は、生産性指標に基づくモデルをシードすることにより、受信した出力データパターンを学習するように構成されている。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、その場合、ユーザは、グラフィカルユーザインタフェース要素と相互作用することによって、データコレクタによる収集のためのデータ収集帯域のパラメータを設定することができる。パラメータは、収集のための周波数範囲を設定すること、および収集のための粒度の範囲を設定することのうちの少なくとも1つに関連していてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、この場合、ユーザは、グラフィカルユーザインタフェース要素と相互作用することにより、データコレクタによる収集のための利用可能なセンサのより大きなセットの中からセンサのセットを識別することができる。ユーザインタフェースは、利用可能なデータコレクタ、その能力、1つ以上の対応するスマートバンドなどのビューを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、ユーザがグラフィカルユーザインタフェース要素と対話することにより、利用可能な入力のセットの中から多重化される入力のセットを選択することができるエキスパートシステムのグラフィカルユーザインタフェースを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、エキスパートシステムのグラフィカルユーザインタフェースを含んでもよく、この場合、ユーザは、グラフィカルユーザインタフェース要素と対話することにより、データ収集のためにグラフィカルユーザインタフェースに表示された産業機械のコンポーネントを選択し、産業機械に関するデータを提供するために利用可能なセンサのセットを表示し、データ収集のためにセンサのサブセットを選択することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、ユーザが、グラフィカルユーザインタフェース要素と対話することにより、一組のデータコレクタから収集されたデータにエキスパートシステムを適用することにより故障状態が識別される、一組以上の産業用機械の故障状態の指標のセットを表示するエキスパートシステムのグラフィカルユーザインタフェースを含んでもよい。実施形態では、故障状態は、1つ以上の産業用機械の一部の製造業者によって識別されてもよい。故障状態は、業界の取引データ、第三者試験機関のデータ、業界標準などの分析によって特定されてもよい。実施形態では、1つ以上の産業用機械の故障状態の指標のセットは、ストレス、振動、熱、摩耗、超音波シグネチャ、動作偏向形状などの指標を含んでもよく、任意に、本開示および参照により本明細書に組み込まれた文書を通して説明されたタイプのセンサによって感知され得る広く変化する状態のいずれかを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、スマートバンド監視を確立するための産業機械の構成部品のリストからユーザが選択することを可能にするエキスパートグラフィカルユーザインタフェースを含み、それに応答して、産業機械の少なくとも1つのセンサの許容範囲内の値の少なくとも1つのスマートバンド定義と、少なくとも1つのセンサから許容範囲外の状態が検出されたときにデータが収集され分析される相関センサのリストとをユーザに提示することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、スマートバンド監視を確立するための産業機械の条件のリストからユーザが選択することを可能にするエキスパートグラフィカルユーザインタフェースを含み、それに応答して、産業機械の少なくとも1つのセンサのための許容範囲内の値の少なくとも1つのスマートバンド定義と、少なくとも1つのセンサから許容範囲外の条件が検出されたときにデータが収集され分析される相関センサのリストとをユーザに提示することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、スマートバンド監視を確立するための産業機械の信頼性尺度のリストからユーザが選択することを可能にし、それに応答して、産業機械の少なくとも1つのセンサに対する許容範囲の値の少なくとも1つのスマートバンド定義と、少なくとも1つのセンサから許容範囲外の状態が検出されたときにデータが収集され分析される相関センサのリストとをユーザに提示するエキスパートグラフィカルユーザインタフェースを含んでもよい。システムでは、信頼性手段は、業界平均データ、製造業者の仕様、材料仕様、推奨事項、およびそのようなもののうちの1つまたは複数を含んでもよい。実施形態では、信頼性尺度は、応力、振動、熱、摩耗、超音波シグネチャ、動作偏向形状効果、およびそのようなもののような、故障に相関する尺度を含んでもよい。実施形態では、製造業者の仕様は、サイクルカウント、作業時間、メンテナンス推奨事項、メンテナンススケジュール、動作限界、材料限界、保証期間、およびそのようなものを含んでもよい。実施形態では、産業環境におけるセンサは、センサによって感知される状態を仕様の種類に関連付けることによって、製造業者の仕様に関連付けることができる。実施形態では、センサを製造業者の仕様に相関させる非限定的な例としては、可動部品の回転を検出するセンサに相関されるデューティサイクル仕様が含まれてもよい。実施形態では、温度仕様は、産業機械の近位の周囲温度を感知するために配置された熱センサに相関してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、監視のための産業環境の状態と、その状態に対する許容範囲の値とを受信したことに応答して、産業環境に配置されたセンサのスマートバンドグループを自動的に作成するエキスパートグラフィカルユーザインタフェースを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、電子ディスプレイ上に、産業環境に展開可能な産業用機械の構成要素の表現を提示し、ユーザが構成要素のうちの1つ以上を選択することに応答して、専門的なグラフィカルユーザインタフェースを含むことができる。産業用機械の故障モードのデータベースを検索して、選択されたコンポーネントを含むモードおよび監視されるべき故障モードに関連する状態を検索し、さらに、監視されるべき状態が許容範囲外であることが検出されたときにデータが自動的に取得される、提示された機械表現上に配置された、または配置された、または配置されることが可能な複数のセンサを識別する。実施形態では、識別された複数のセンサは、状態が監視される少なくとも1つのセンサを含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境内の機械のマップ上に提示されたセンサを選択することにより、ユーザがセンサのスマートバンドグループに含めるべきセンサを特定することを容易にするスマートバンドを操作するためのユーザインタフェースを含んでもよい。ユーザは、スマートバンドに必要なセンサデータの種類などのスマートバンドの基準に基づいて、可能なすべてのセンサのサブセットの中から選択するように案内されてもよい。スマートバンドは、産業環境の一部におけるトレンド状態を検出することに焦点を当ててもよく、したがって、ユーザインタフェースは、環境のスマートバンドの指示された部分の近位のセンサのみがユーザインタフェースで選択可能であるようにすることによって、ユーザに、識別されたセンサのサブセットの中から選択するように指示してもよい。
実施形態では、スマートバンドデータ収集構成および展開ユーザインタフェースは、産業環境におけるコンポーネントのビューおよび関連する利用可能なセンサを含んでもよい。実施形態では、ユーザインタフェースで描写された産業用機械の構成部品の選択に応答して、その構成部品のためのスマートバンドデータ収集に関連するセンサが強調表示され、ユーザがセンサのうちの1つ以上を選択できるようにしてもよい。この文脈でのユーザの選択は、センサの自動選択の検証、またはスマートバンドセンサグループに含めるためのセンサを手動で識別することを含んでもよい。
実施形態では、軸受温度の傾向などのスマートバンド条件の選択に応答して、スマートバンド構成および使用のためのユーザインタフェースは、条件のためのスマートバンド分析に寄与するセンサを自動的に識別して提示してもよい。ユーザは、センサのこの提示に応答して、1つまたは複数のセンサを個別に、またはスマートバンドデータ収集グループに含まれるようにセットとして確認するか、または別の方法で認識することができる。
実施形態では、スマートバンドユーザインタフェースは、産業環境における産業用機械の位置を地図上に提示してもよい。位置は、アノテーションされた位置にある機械のためのスマートバンドデータを収集するように構成されたスマートバンドデータ収集テンプレートのインジケータでアノテーションされてもよい。場所は、その場所の機械のスマートバンドカバレッジの程度を反映するように色分けされてもよい。実施形態では、スマートバンドカバレッジが高い機械の位置は緑色に着色されてもよく、スマートバンドカバレッジが低い機械の位置は赤色または他の対照的な色に着色されてもよい。視覚的なアノテーションのような他のアノテーションが使用されてもよい。ユーザは、ある場所でマシンを選択し、選択されたマシンを第2のマシンの場所にドラッグすることにより、第1のマシンのスマートバンドに対応する第2のマシンのスマートバンドを実質的に構成してもよい。このようにして、ユーザは、新たに追加された機械や新しい産業環境などのために、複数のスマートバンドデータ収集テンプレートを構成してもよい。
実施形態では、センシングのためのテンプレート、ルーティングのためのテンプレート、デバイスのプロビジョニングなどのテンプレートを選択するために、また、人員による、または自律型または遠隔制御ドローンなどの機械による、センサの直接的な配置のために、データ収集プラットフォーム全体で使用するために、スマートバンドの様々な構成および選択が記憶されていてもよい。
実施形態では、スマートバンドのユーザインタフェースは、産業用機械、機械固有のデータコレクタ、モバイルデータコレクタ(ロボットおよび人間)などを含むかもしれない産業環境のマップを提示してもよい。ユーザは、実行されるべきスマートバンドデータ収集アクションのリストを表示してもよく、収集を引き受けるためのデータ収集リソースセットを選択してもよい。一例では、ガイド付き移動ロボットは、複数のスマートバンドデータセットのデータを収集するためのデータ収集システムを備えていてもよい。ユーザは、ロボットが関連付けられている産業環境を表示し、ロボット、スマートバンドデータ収集テンプレート、および機械または機械の一部などの産業環境内の場所を選択することにより、スマートバンドデータ収集活動を実行するためにロボットを割り当ててもよい。ユーザインタフェースは、データ収集が完了したときにユーザに知らせることができるように、収集の引き受けのステータスを提供してもよい。
実施形態では、スマートバンド運用管理ユーザインタフェースは、スマートバンドデータ収集活動の提示、結果の分析、結果に基づいて実行されたアクション、スマートバンドデータ収集の変更のための提案(例えば、スマートバンド収集テンプレートへのセンサの追加、テンプレート固有の収集活動のためのデータ収集期間の増加)などを含むことができます。ユーザインタフェースは、ユーザがスマートバンドデータ収集を実行するための閾値を緩和するなど、ユーザがスマートバンドデータ収集テンプレートに変更を加えようとすることに応答して、信頼性、コスト、リソース利用率、データ収集のトレードオフ、メンテナンススケジュールの影響、故障のリスク(増加/減少)などへの潜在的な影響を提示することによって、「もしも」タイプの分析を促進することができます。実施形態では、ユーザは、単位時間当たり(例えば、月当たり、四半期当たりなど)の予防メンテナンスの目標予算をユーザインタフェースに選択または入力することができ、ユーザインタフェースのエキスパートシステムは、スマートバンドデータ収集テンプレートおよび予算を遵守するための閾値を推奨することができる。
実施形態では、スマートバンドのユーザインタフェースは、スマートバンドデータ収集のための産業環境におけるデータ収集のためのシステムをユーザが構成することを容易にしてもよい。ユーザインタフェースは、ユーザが選択することができるモータ、リンケージ、ベアリングなどの産業用機械部品の表示を含んでもよい。そのような選択に応答して、エキスパートシステムは、監視対象部品に関連する潜在的な故障条件のリストを提示するために、ユーザインタフェースと協働してもよい。ユーザは、監視する1つまたは複数の条件を選択することができる。ユーザインタフェースは、監視する条件を、ユーザに承認を求めることができるセットとして提示してもよい。ユーザは、セットモニタにおいて、セットまたは選択された条件の承認を示してもよい。モニタする1つ以上の条件のユーザによる選択/承認の後続として、ユーザインタフェースは、センサのスマートバンドグループとしてデータを収集するために産業環境で利用可能な関連センサのマップを表示してもよい。関連するセンサは、1つ以上の部品(例えば、ユーザが元々選択した部品)、1つ以上の故障条件などに関連付けられていてもよい。
実施形態では、エキスパートシステムは、環境内の関連するセンサを、故障状態のスマートバンド監視のための好ましいセンサのセットと比較し、故障状態のための利用可能なセンサに基づいてスマートバンド監視を実行するための信頼度などのフィードバックをユーザに提供してもよい。ユーザは、提示された故障状態およびスマートバンド分析情報を評価し、関連するセンサを承認するなど、ユーザインタフェースでアクションを実行してもよい。これに応答して、データ収集システムを構成するためのスマートバンドデータ収集テンプレートが作成されてもよい。実施形態では、スマートバンドデータ収集テンプレートは、ユーザの承認とは無関係に作成されてもよい。そのような実施形態では、ユーザは、スマートバンド分析情報の承認を介して、作成されたテンプレートの承認を明示的にまたは暗黙的に示してもよい。
実施形態では、スマートバンドユーザインタフェースは、専門家システムと協働して、製造業者の仕様、類似の産業機械の実世界での経験から導き出された統計情報などの情報に基づいて、スマートバンド状態監視のために産業環境における産業機械の候補部分を提示してもよい。実施形態では、ユーザインタフェースは、ユーザがスマートバンドデータ収集および分析プロセスの特定の側面を選択することを可能にすることができ、例えば、監視する信頼性/故障リスクの程度(例えば、故障に近い、ベストパフォーマンス、業界平均など)を含む。これに対応して、エキスパートシステムは、例えば、モニタする許容値の範囲、モニタ頻度、データ収集頻度、データ収集量、データ収集活動の優先度(例えば、実質的には、スマートバンドのデータ収集のためのテンプレートの優先度)、センサからのデータの重み付け(例えば、グループ内の特定のセンサ、センサの種類、およびそのようなもの)などのスマートバンド分析の側面を調整してもよい。
実施形態では、スマートバンドのユーザインタフェースは、ユーザが、業界平均データ、業界最高のデータ、近くにある比較可能な機械、最も類似して構成された機械など、ユーザが優先する可能性のある比較データの範囲に基づいて、実装すべき1つ以上のスマートバンドを専門家システムに推薦させることができるように構成されてもよい。比較データの重み付けに基づいて、エキスパートシステムは、ユーザインタフェースを使用して、重み付けに一致する1つ以上のスマートバンドテンプレートをユーザに推薦してもよく、ユーザは、ユーザインタフェースにおいて、推薦されたテンプレートの1つ以上の使用を承認するなどのアクションを実行してもよい。
実施形態では、産業環境におけるセンサの配置を構成するためのユーザインタフェースは、産業環境機器の部品のスマートバンド分析を実行するために含めるべきセンサのグループの産業環境機器サプライヤ(例えば、製造業者、卸売業者、販売業者、ディーラー、第三者コンサルタントなど)による推奨を含んでもよい。情報は、テンプレートを表すグラフィックを産業機器の一部に配置するなど、ユーザーが承認/承認したことを示すデータ収集テンプレートとしてユーザーに提示されてもよい。
実施形態では、スマートバンド発見ポータルは、推奨事項、実際の使用例、スマートバンドデータの収集および処理の結果などのスマートバンド関連情報の共有を容易にしてもよい。ディスカバリーポータルは、スマートバンドユーザインタフェース内のパネルとして具現化されてもよい。
実施形態では、スマートバンド評価ポータルは、スマートバンドベースのデータ収集および分析の評価を容易にしてもよい。そのようなポータルで提示され得るコンテンツは、1つまたは複数の産業機械、産業環境、産業などのための既存のスマートバンドテンプレートの使用の描写を含んでもよい。スマートバンドの価値は、例えば、過去の使用および結果に基づいて、ポータル内の各スマートバンドに帰属してもよい。また、スマートバンド評価ポータルは、推定された価値、予防保守コスト、監視されている故障状態などの様々な要因に基づいて、スマートバンドデータ収集テンプレートに含めるべき候補センサの可視化を含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連付けられたスマートバンドグラフィカルユーザインタフェースは、工場ベースの空調ユニットのような産業用コンポーネントのために展開されてもよい。空調装置のスマートバンド分析のためのデータ収集のためのシステムのユーザインタフェースは、特定の空調システムの設置のためのスマートバンドデータ収集テンプレートなどのグラフィカルな構成を容易にしてもよい。実施形態では、圧縮機、凝縮器、熱交換器、ダクト、冷却剤レギュレータ、フィルタ、ファンなどの空調システムの主要構成要素が、空調システムの特定の設置のための対応するセンサとともに、ユーザインタフェースに描かれてもよい。ユーザは、スマートバンドデータ収集のためのシステムを構成するためのユーザインタフェースにおいて、これらの構成要素のうちの1つ以上を選択してもよい。ユーザが例えば冷却剤圧縮機を選択したことに応答して、圧縮機に関連するセンサがユーザインタフェース内で自動的に識別されてもよい。ユーザは、選択された圧縮機に対してスマートバンドデータ収集を実行するための推奨データ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してのように、スマートバンドユーザのコミュニティから候補の収集テンプレートを要求してもよい。テンプレートが選択されると、ユーザインタフェースは、収集頻度、監視する信頼性の程度などのカスタマイズオプションをユーザに提供してもよい。テンプレートが最終的に受け入れられると、ユーザインタフェースは、設置された空調システムのデータ収集システム(そのようなシステムがある場合)と相互作用して、データ収集テンプレートを実装し、テンプレートを実装した結果の表示をユーザに提供してもよい。これに応答して、ユーザは、空調装置で使用するためのテンプレートの最終的な承認を行ってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連付けられたスマートバンドのグラフィカルなユーザインタフェースが、石油およびガスの精製所ベースのチラーのために展開されてもよい。精製所ベースのチラーのスマートバンド分析のためのデータ収集のためのシステムのユーザインタフェースは、特定の精製所ベースのチラーの設置のためのスマートバンドデータ収集テンプレートなどのグラフィカルな構成を容易にしてもよい。実施形態では、熱交換器、コンプレッサ、水調整器などを含む製油所ベースのチラーの主要なコンポーネントは、製油所ベースのチラーの特定の設置のための対応するセンサとともに、ユーザインタフェースに描かれてもよい。ユーザは、スマートバンドデータ収集のためのシステムを構成するためのユーザインタフェースにおいて、これらの構成要素のうちの1つ以上を選択してもよい。ユーザが、例えば、水調整器を選択したことに応答して、水調整器に関連するセンサが、ユーザインタフェース内で自動的に識別されてもよい。ユーザは、選択されたコンポーネントに対してスマートバンドデータ収集を実行するための推奨データ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してのように、スマートバンドユーザのコミュニティから候補の収集テンプレートを要求してもよい。テンプレートが選択されると、ユーザインタフェースは、収集頻度、監視する信頼性の程度などのカスタマイズオプションをユーザに提供してもよい。テンプレートが最終的に受け入れられると、ユーザインタフェースは、データ収集テンプレートを実装するために、設置された製油所ベースのチラーのデータ収集システム(そのようなシステムがある場合)と相互作用し、テンプレートを実装した結果の表示をユーザに提供してもよい。これに応答して、ユーザは、精製所ベースのチラーで使用するためのテンプレートの最終承認を行ってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連付けられたスマートバンドグラフィカルユーザインタフェースは、自動車生産ラインロボットアセンブリシステムのために配備されてもよい。生産ラインロボット組立システムのスマートバンド分析のためのデータ収集のためのシステムのユーザインタフェースは、特定の生産ラインロボット組立システムの設置のためのスマートバンドデータ収集テンプレート等のグラフィカルな構成を容易にしてもよい。実施形態では、モータ、リンケージ、ツールハンドラ、位置決めシステムなどを含む生産ラインロボット組立システムの主要構成要素が、生産ラインロボット組立システムの特定の設置のための対応するセンサとともに、ユーザインタフェースに描かれてもよい。ユーザは、スマートバンドデータ収集のためのシステムを構成するためのユーザインタフェースにおいて、これらの構成要素のうちの1つ以上を選択してもよい。ユーザが選択したことに応答して、例えば、ロボットリンケージに関連付けられたロボットリンケージセンサがユーザインタフェース内で自動的に識別されてもよい。ユーザは、選択されたコンポーネントに対してスマートバンドデータ収集を実行するための推奨データ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してのように、スマートバンドユーザのコミュニティから候補の収集テンプレートを要求してもよい。テンプレートが選択されると、ユーザインタフェースは、収集頻度、監視する信頼性の程度などのカスタマイズオプションをユーザに提供してもよい。テンプレートが最終的に受け入れられると、ユーザインタフェースは、設置された生産ラインロボット組立システムのデータ収集システム(そのようなシステムがある場合)と相互作用して、データ収集テンプレートを実装し、テンプレートを実装した結果の表示をユーザに提供してもよい。これに応答して、ユーザは、生産ラインロボット組立システムで使用するためのテンプレートの最終承認を行ってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムに関連付けられたスマートバンドグラフィカルユーザインタフェースは、自動車生産ラインロボットアセンブリシステムのために配備されてもよい。生産ラインロボット組立システムのスマートバンド分析のためのデータ収集のためのシステムのユーザインタフェースは、特定の生産ラインロボット組立システムの設置のためのスマートバンドデータ収集テンプレート等のグラフィカルな構成を容易にしてもよい。実施形態では、生産ラインロボット組立システムの特定の設置のための対応するセンサとともに、それ自体が多くのコンポーネントを有してもよいサブシステムであるカッターヘッド、制御システム、デブリ処理および搬送コンポーネント、プレキャストコンクリート送達および設置サブシステムなどのような建設現場のボーリング機械の主要なコンポーネントが、ユーザインタフェースに描写されてもよい。ユーザは、スマートバンドデータ収集のためのシステムを構成するためのユーザインタフェースにおいて、これらの構成要素のうちの1つ以上を選択してもよい。ユーザが選択したことに応答して、例えば、コンベアなどのデブリ処理コンポーネントに関連付けられたデブリ処理コンポーネントセンサが、ユーザインタフェース内で自動的に識別されてもよい。ユーザは、選択されたコンポーネントのスマートバンドデータ収集を実行するための推奨データ収集テンプレートを提示されてもよい。あるいは、ユーザは、ユーザインタフェースのスマートバンドテンプレート共有パネルを介してのように、スマートバンドユーザのコミュニティから候補の収集テンプレートを要求してもよい。テンプレートが選択されると、ユーザインタフェースは、収集頻度、監視する信頼性の程度などのカスタマイズオプションをユーザに提供してもよい。テンプレートが最終的に受け入れられると、ユーザインタフェースは、設置された生産ラインロボット組立システムのデータ収集システム(そのようなシステムがある場合)と相互作用して、データ収集テンプレートを実装し、テンプレートを実装した結果の表示をユーザに提供してもよい。これに応答して、ユーザは、生産ラインロボット組立システムで使用するためのテンプレートの最終承認を行ってもよい。
図149を参照すると、産業環境におけるデータ収集のためのシステムのスマートバンド構成のための例示的なユーザインタフェースが描かれている。ユーザインタフェース11200は、1つまたは複数のセンサ、機械などが描かれているかもしれない産業環境可視化部分11202を含んでもよい。各センサ、機械、またはその一部(例えば、モータ、コンプレッサなど)は、スマートバンド構成プロセスの一部として選択可能であってもよい。同様に、各センサ、機械またはその一部は、スマートバンド構成プロセスの間、ユーザの選択に応答して、またはスマートバンドセンサのグループの一部であることを自動識別するように、視覚的に強調表示されてもよい。ユーザインタフェースはまた、スマートバンドインジケータ、故障モードなどが選択可能な要素で描かれているスマートバンド選択部分1104またはパネルを含んでもよい。症状、故障モード等のユーザによる選択は、産業用可視化部分の対応するコンポーネント、センサ、機械等を強調表示させることができる。ユーザインタフェースはまた、選択されたスマートバンドの属性、例えば許容範囲、監視の頻度などが、ユーザが調整するために利用可能にされてもよいカスタマイズパネル1106を含んでもよい。
実施形態では、本明細書に開示された方法およびシステムは、複数のセンサが配置された産業環境から産業機械の構成要素の表現の選択を容易にする選択可能なグラフィカル要素を含むユーザインタフェースを有するシステムを含み、データ収集システムは、ユーザインタフェースが相互作用を可能にするシステムのためのデータを収集する;および産業環境におけるセンサのデータ収集サブセットを形成するためのセンサの選択を容易にする複数のセンサの一部を表す選択可能なグラフィカル要素を含むシステムを含む。実施形態では、データ収集サブセットを形成するためのセンサの選択は、センサのデータ収集サブセットからデータを収集するためのデータルーティングおよび収集システムの構成を容易にするように適合されたデータ収集テンプレートをもたらす。実施形態では、ユーザインタフェースは、コンポーネントの選択を容易にするグラフィカル要素のユーザ選択を分析し、選択されたグラフィカル要素に関連付けられたコンポーネントに関連付けられたセンサのみをアクティブにするように、複数のセンサの一部を表す選択可能なグラフィカル要素を調整するエキスパートシステムを含む。実施形態では、産業用機械のコンポーネントの選択を容易にする選択可能なグラフィカル要素は、コンポーネントに関連付けられた複数のデータ収集テンプレートの提示をさらに容易にする。実施形態では、複数のセンサの部分は、センサのスマートバンドグループを構成する。実施形態では、センサのスマートバンドグループは、選択可能なグラフィカル要素によって選択された産業用機械のコンポーネントのためのセンサを含む。
実施形態では、本明細書に開示された方法およびシステムは、複数のセンサが配置された産業環境からの産業機械の構成要素の複数の表現を含むエキスパートグラフィカルユーザインタフェースを有するシステムを含み、データ収集システムは、ユーザインタフェースが相互作用を可能にするシステムのためのデータを収集する。実施形態では、複数の構成要素の少なくとも1つの表現は、ユーザインタフェースでユーザによって選択可能である;産業機械の故障モードのデータベース;および複数の構成要素のうちの1つの構成要素のユーザによる選択に対応するモードについて故障モードのデータベースを検索するデータベース検索機能を含む。実施形態では、システムは、故障モードに関連付けられた条件のデータベースを含む。実施形態では、条件のデータベースは、条件に関連付けられた産業環境のセンサのリストを含む。実施形態では、データベース検索機能は、少なくとも1つの条件に対応するセンサを条件のデータベースから検索し、グラフィカルユーザインタフェースにセンサを表示することをさらに含む。実施形態では、複数のコンポーネントのうちの1つのコンポーネントをユーザが選択すると、選択されたコンポーネントに関連付けられたセンサからデータを自動的に収集するようにデータルーティングおよび収集システムを構成するためのデータ収集テンプレートが生成される。
実施形態では、本明細書に開示された方法およびシステムは、エキスパートグラフィカルユーザインタフェースに産業用機械の信頼性尺度のリストを提示すること、リストから1つの信頼性尺度をユーザが選択することを容易にすること、選択された信頼性尺度に関連付けられたスマートバンドデータ収集テンプレートの表現を提示すること、およびスマートバンドデータ収集テンプレートの受け入れのユーザの指示に応答して、複数のセンサのうちの1つからのデータ値がデータ値の許容範囲外で検出されたことに応答して、産業用環境内の複数のセンサからデータを収集するようにデータルーティングおよび収集システムを構成することを含む。例示的な方法を含む。実施形態では、信頼性手段は、業界平均データ、製造業者の仕様、製造業者の材料仕様、および製造業者の推奨事項のうちの1つまたは複数を含む。実施形態では、製造業者の仕様を含むことは、サイクルカウント、作業時間、メンテナンス推奨事項、メンテナンススケジュール、動作限界、材料限界、および保証期間のうちの少なくとも1つを含む。実施形態では、信頼性尺度は、応力、振動、熱、摩耗、超音波シグネチャ、および動作偏向形状効果を含む。リストから選択される故障に相関する。実施形態では、方法は、産業環境におけるセンサを製造業者の仕様に相関させることを含む。実施形態では、相関付けは、可動部の回転を検出するセンサにデューティサイクル仕様をマッチングさせることを含む。実施形態では、相関付けは、温度仕様を、産業用機械の近位の周囲温度を感知するために配置された温度センサと一致させることを含む。実施形態では、方法は、相関関係の結果に基づいて、データ値の許容範囲を動的に設定することを含む。実施形態では、方法は、相関関係の結果に基づいて、許容範囲外のデータ値を検出するための複数のセンサのうちの1つを自動的に決定することを含む。
故障などの可能性のある根本原因を決定するためなどの逆算は、故障に関連するセンサーなどのデータを提供する情報源の表示でマークされた産業環境、機械、またはその一部を視覚化するのを容易にするグラフィカルなアプローチから利益を得ることができるかもしれません。ベアリングなどの故障した部品は、シャフト、モータなどの他の部品と関連している場合がある。軸受および関連部品の状態を監視するためのセンサは、故障の潜在的な発生源を示す情報を提供してもよい。そのような情報は、将来的に故障を監視または回避するために、センサ出力の変化などの指標を示唆するのにも有用であるかもしれない。逆計算のためのグラフィカルなアプローチを容易にするシステムは、センサデータ収集および分析システムと相互作用して、逆計算プロセスから決定されるデータ収集および処理に関連する側面を少なくとも部分的に自動化してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、故障状態などの関心のある状態に関連付けられた産業用機械の部分が、関心のある状態に寄与するセンサデータタイプ、データタイプを監視する機械部分に関連付けられたデータ収集ポイント(例えば、センサ)、収集され、関心のある状態を決定するために使用されたデータ収集ポイントからのデータセット、および例外的なデータを提供したセンサのアノテーションを伴って電子ディスプレイ上に提示されるユーザインタフェースを含み得る。センサ)、データタイプを監視する機械部分に関連付けられたデータ収集点(例えば、センサ)、収集され、関心のある状態を決定するために使用されたデータ収集点からのデータのセット、および関心のある状態を決定するために使用された可能性のある許容範囲外のデータなどの例外的なデータを提供したセンサのアノテーションとともに、電子ディスプレイ上に提示される。ユーザーインターフェースは、タービンの回転などの機能に寄与するベアリング、シャフト、ブレーキ、ローター、モーターハウジングなどの関連コンポーネントの決定および可視化を容易にする機械の説明にアクセスしてもよい。また、ユーザインタフェースは、機械内および機械の周囲に配置されたセンサと構成要素とを関連付けるデータセットにアクセスしてもよい。データセット内の情報は、センサの説明、その機能、それぞれが感知する状態、センサから出力される値の典型的な範囲または許容範囲などを含んでもよい。また、データセット内の情報は、センサデータがデータコレクタに配信されるための産業環境におけるデータ収集のためのシステム内の複数の潜在的な経路を特定してもよい。ユーザインタフェースはまた、特定の目的を満たすためにセンサからデータを収集するためのデータ収集システムを構成するために使用されるデータ収集テンプレートを含むデータセットにアクセスしてもよい(例えば、モータに対するシャフトの相対的な滑りの程度など、機械の状態を決定するのに適したセンサデータセットにセンサのグループからデータを収集することなど)。
実施形態では、産業機械の状態に寄与するデータのデータ収集源の候補を決定するための逆算方法は、寄与するデータが収集されたときに配置されていた産業機械に配置されたセンサからデータを収集するためのデータ収集システムの構成および動作テンプレートから決定されたデータ収集の経路をたどることを含んでもよい。構成および動作テンプレートは、センサ群からのデータのための信号経路の切り替え、多重化、収集タイミングなどを記述してもよい。センサのグループは、ベアリングなどのコンポーネントに局所的であってもよいし、ベアリングおよびその関連コンポーネントに関する情報を捕捉するセンサなど、より地域的に分散されたセンサであってもよい。実施形態では、データ収集テンプレートは、産業機械の特定の状態を検出するためにデータを収集して処理するように構成されてもよい。したがって、テンプレートは、関心のある状態の逆計算を実行することが、相関のあるテンプレートによって導かれ得るように、条件と相関してもよい。テンプレートに基づいて収集されたデータは、検査され、様々なセンサのデータの許容範囲と比較されてもよい。許容範囲外のデータは、許容できない状態の潜在的な根本原因を示すかもしれない。実施形態では、各候補データ源から収集されたデータの許容範囲との比較に基づいて、データ収集の候補源から疑わしい源が決定されてもよい。これらの逆算に基づく信号経路、候補センサ、および疑わしいデータ収集源を視覚化することにより、ユーザは、故障の可能性のある根本原因などについての貴重な洞察を得ることができる。
実施形態では、逆計算のための方法は、産業用機械のデータ収集システムの視覚的な表現の中で強調表示されたデータ経路として表示された状態で、寄与するデータのソースを決定するために逆計算を適用して、産業用環境で検出された障害状態に寄与するデータの経路を視覚化することを含んでもよい。実施形態では、データのソースの決定は、故障状態のためのデータ収集および処理テンプレートに基づいてもよい。テンプレートは、決定されたソースからのデータがシステムで収集されたときのデータ収集システムの構成を含んでもよい。
故障が発生した場合、または産業環境における機械の一部の状態が故障に先立って臨界点に達した場合、例えば予防保全中などに検出される可能性がある場合、逆算は、故障の回避および/またはシステム性能の向上に役立つ可能性のある情報を収集することを決定するのに役立つかもしれません - 例えば、コンポーネントの動作における実質的な劣化を回避することによって - 。データ収集ソース、状態に関連するコンポーネント、状態の潜在的な発症を決定する可能性のあるアルゴリズムなどを視覚化することは、産業環境におけるデータ収集のためのシステムにおけるデータセンシング、ルーティング、および収集リソースを構成するためのデータ収集テンプレートの準備を容易にする可能性がある。実施形態では、産業環境におけるデータ収集のためのシステムのためのデータ収集テンプレートを構成することは、機械故障を回避するために監視すべき候補条件を特定する機械故障に適用される逆計算に基づいてもよい。結果として得られるテンプレートは、監視すべきセンサ、センサデータ収集パスの構成、収集すべきデータの頻度、および量、センサデータの許容レベルなどを特定してもよい。どの部品が他の部品と密接に関連しているか、機械内の部品からデータを収集したセンサなど、機械に関する情報にアクセスして、対象となる部品が特定されたときに、データ収集システムの構成テンプレートが自動的に生成されてもよい。
実施形態では、ユーザインタフェースは、産業環境における機械の状態の計算にデータを貢献し得るセンサの論理的配置としてのデータソースのグラフィカル表示を含んでもよい。論理的配置は、センサタイプ、データ収集テンプレート、条件、条件を決定するためのアルゴリズムなどに基づいてもよい。例として、ユーザは、産業環境における部品の故障などの状態に寄与する可能性のあるすべての温度センサを表示することを望むかもしれない。ユーザインタフェースは、温度を測定するセンサのサブセットを決定するために、状態に関連する部品、それらの部品のためのセンサ、およびそれらのセンサのタイプなどの機械関連情報のデータベースと通信してもよい。ユーザーインターフェースは、それらのセンサーを強調表示してもよい。ユーザインタフェースは、ユーザによって選択されると、それらのセンサに関連するデータ、例えば、センサタイプ、収集されたデータの範囲、許容範囲、所定の条件のために収集された実際のデータ値などを、ポップアップパネルなどで提示することができる、それらのセンサのための選択可能なグラフィカル要素をアクティブにしてもよい。ユーザインタフェースの同様の機能は、モータ、ボーリングマシンの切削ヘッド、風力タービンなどに関連するすべてのセンサなど、センサの物理的な配置に適用されてもよい。
実施形態では、部品メーカー、リモートメンテナンス組織などの第三者は、逆算可視化へのアクセスから利益を得ることができます。条件の計算に許容できないデータ値を貢献したセンサ、センサ位置の可視化などの逆計算情報へのアクセスを第三者に許可することは、本明細書に記載されているような逆計算へのグラフィカルなアプローチのために、ユーザがユーザインタフェースで行使できるオプションであってもよい。機械、サブシステム、個々のコンポーネント、センサ、データ収集システム、およびそのようなものの製造業者のリストが、リモートメンテナンス組織、およびそのようなものと共に、ユーザインタフェースの一部で提示されてもよい。インターフェースのユーザは、利用可能なデータおよび可視化の少なくとも一部へのアクセスを許可するために、これらの第三者のうちの1つまたは複数を選択することができる。また、これらのサードパーティのうちの1つ以上を選択すると、そのパーティに関する統計情報、例えば、そのパーティがアクセスを許可されているデータへのアクセスの発生状況や頻度、そのパーティからのアクセスの要求などが提示されてもよい。
実施形態では、バック計算分析の可視化は、バック計算およびその可視化が、故障条件などの条件についての潜在的な新しい診断を学習するために使用され、監視すべき新しい条件を学習するために使用されてもよいように、機械学習と組み合わされてもよい。ユーザは、特定のデータ収集および処理ソリューション(例えば、テンプレート)などを介して、失敗を防止する試みの成功または失敗を示すような、結果を改善するための機械学習技術のフィードバックを提供するために、ユーザインタフェースと対話してもよい。
実施形態では、産業環境でデータ収集のためのシステムで収集されたデータの逆計算の方法およびシステムは、建設現場のアプリケーションでのコンクリート打設装置に適用されてもよい。コンクリート打設装置は、水および骨材供給システム、混合制御システム、混合モータ、方向制御装置、コンクリートセンサなどを含んでもよい混合機、コンクリートポンプ、送達システム、流量制御およびオン/オフ制御などを含む複数の能動的な構成要素から構成されてもよい。コンクリート打設装置の能動的または受動的構成要素の故障または他の状態の逆計算は、装置、その構成要素、センサ、およびデータが収集される他のポイント(例えば、コントローラなど)の可視化から利益を得ることができる。流量故障状態の逆計算を実行する際に、コンクリートポンプ等に関連するセンサから収集されたデータ/状態を可視化することは、流量故障に寄与する可能性のあるポンプの状態をユーザに通知することができる。流量は、ポンプの温度上昇と同時に減少してもよい。これは、例えば、流量センサデータとポンプ温度センサデータをユーザインタフェースに表示することによって可視化されてもよい。この相関関係は、エキスパートシステムによって、または可視化を観察しているユーザによって指摘され、是正措置が取られてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムで収集されたデータの逆計算の方法およびシステムは、鉱業アプリケーションにおける掘削および抽出システムに適用されてもよい。掘削および抽出システムは、カッティングヘッド、空気圧ドリル、ジャッキハンマ、掘削機、搬送システムなどを含む複数のアクティブなサブシステムで構成されてもよい。掘削および抽出システムの能動的または受動的構成要素の故障または他の状態の逆計算は、装置、その構成要素、センサ、およびデータが収集される他のポイント(例えば、コントローラなど)の可視化から利益を得ることができる。空圧ラインの故障状態の逆計算を行う際に、空圧ドリルなどに関連するセンサから収集されたデータ/状態を可視化することで、ライン故障の原因となるドリルの状態をユーザに知らせることができます。ライン圧力は、ドリルの状態の変化と同時に上昇してもよい。これは、例えば、ライン圧力センサデータとドリルに関連するセンサからのデータをユーザインタフェースに表示することによって可視化されてもよい。この相関関係は、エキスパートシステムによって、または可視化を観察しているユーザによって注目され、是正措置が取られてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムで収集されたデータの逆計算の方法およびシステムは、石油およびガス生産環境における冷却塔に適用されてもよい。冷却塔は、給水システム、ポンプ、バルブ、温度制御された運転、貯蔵システム、混合システムなどを含む複数の能動的な構成要素から構成されてもよい。冷却塔の能動的または受動的構成要素の故障または他の状態の逆計算は、装置、その構成要素、センサ、およびデータが収集される他のポイント(例えば、コントローラなど)の可視化から利益を得ることができる。循環ポンプの故障状態の逆算を行う際に、冷却塔に関連するセンサなどから収集したデータ/状態を可視化することで、ポンプ故障の原因となりうる冷却塔の状態をユーザに知らせることができる。循環ポンプの出力低下と同時に給水の温度が上昇することがある。これは、例えば、給水温度センサのデータとポンプ出力率センサのデータをユーザインタフェースに表示することによって可視化することができる。この相関関係は、エキスパートシステムによって、または可視化を観察しているユーザによって指摘され、是正措置がとられることがある。
実施形態では、産業環境におけるデータ収集のためのシステムで収集されたデータの逆計算の方法およびシステムは、発電アプリケーションにおける循環水システムに適用されてもよい。循環水システムは、ポンプ、貯蔵システム、水冷却器などを含む複数の能動的な構成要素から構成されてもよい。循環水システムの能動的または受動的構成要素の故障または他の状態の逆計算は、装置、その構成要素、センサ、およびデータが収集される他のポイント(例えば、コントローラなど)の可視化から利益を得ることができる。循環水温度故障条件の逆計算を実行する際に、水冷却器などに関連するセンサから収集されたデータ/条件を可視化することは、温度条件故障の原因となり得る冷却器の条件をユーザに知らせることができる。循環温度は、炉心水冷却器温度の上昇と同時に上昇してもよい。これは、例えば、循環水温センサデータと水冷却器温度センサデータとをユーザインタフェースに提示することによって可視化されてもよい。この相関関係は、専門家システムによって、または可視化を観察しているユーザによって注目され、是正措置が取られてもよい。
図150を参照すると、逆算のためのグラフィカルなアプローチ11300が描かれている。産業環境のコンポーネントは、環境11302のマップに描かれてもよい。このインストールまたは他のインストールで)故障の履歴を有する可能性のあるコンポーネントが強調表示されてもよい。これらのコンポーネントのうちの1つの選択に応答して(例えば、ユーザが選択を行うことによって)、選択された部品の関連するコンポーネントおよび関連するコンポーネントのセンサは、それらの関連するセンサからデータコレクタへのデータのための信号のルーティング経路を含む、ハイライトされてもよい。許容できないデータが収集されたセンサに追加の強調表示が加えられてもよく、それにより、選択された部品の故障の潜在的な根本原因が示されてもよい。部品間の関係は、少なくとも部分的には機械構成メタデータに基づいていてもよい。特定のセンサと故障状態との間の関係は、少なくとも部分的には、その部品に関連付けられたデータ収集テンプレートおよび/または故障状態に関連付けられたデータ収集テンプレートに基づいてもよい。
実施形態では、本明細書に開示される方法およびシステムは、産業環境においてデータを収集するように適合されたシステムのユーザインタフェースを有するシステムを含み;ユーザインタフェースは、産業機械の機械的部分を表す複数のグラフィカル要素を含む。実施形態では、グラフィカル要素の複数は、データ分析アルゴリズムを実行するプロセッサによって生成された関心のある状態に関連付けられている;データ分析アルゴリズムで使用されるデータを収集するように適合された産業環境でデータを収集するために適合されたシステム内のデータコレクタを表すグラフィカル要素の複数;およびデータ分析アルゴリズムで使用されるデータを捕捉するために使用されるセンサを表すグラフィカル要素の複数を含む。実施形態では、データ値の許容範囲外であったデータを提供したセンサのためのグラフィカル要素は、ユーザインタフェースの視覚的ハイライトを通して示される。実施形態では、関心のある条件は、ユーザインタフェースに提示された関心のある条件のリストから選択される。実施形態では、関心のある条件は、産業機械の機械的部分の少なくとも1つの機械的故障である。実施形態では、機械的部分は、産業機械のベアリング、シャフト、ロータ、ハウジング、およびリンケージのうちの少なくとも1つを構成する。実施形態では、データ値の許容範囲は、各センサに対して利用可能である。実施形態では、システムは、データ値の許容範囲外であったデータを収集したデータコレクタを強調表示することを含む。実施形態では、システムは、関心条件を計算するためのデータを収集するためのデータ収集システムの構成を容易にするデータ収集システム構成テンプレートを含む。
実施形態では、方法およびシステムは、関心のある状態の候補ソースを決定する方法を含む。方法は、産業環境においてデータを収集するように適合されたシステムにおいて、データのルーティングおよび収集リソースを構成するためのデータ収集テンプレートを特定することを含む。実施形態では、テンプレートは、関心条件の計算に寄与するデータを収集するために使用された。方法は、データ収集テンプレートを分析することによって、収集されたデータのためのデータ収集者から収集されたデータを生成したセンサへの経路を決定することと、センサによって収集されたデータを、センサによって収集されたデータの許容範囲内のデータ値と比較することと、産業環境およびセンサの少なくとも1つを描写する電子ユーザインタフェースにおいて、そのセンサのためのデータの許容範囲外である関心条件の計算に貢献したデータを生成した少なくとも1つのセンサを強調表示することとを含んでいる。実施形態では、関心のある状態は故障状態である。実施形態では、データ収集テンプレートは、アナログクロスポイントスイッチ、マルチプレクサ、階層型マルチプレクサ、センサ、コレクタ、および産業環境でデータを収集するように適合されたシステムのデータ記憶設備のうちの少なくとも1つのための構成情報を含む。実施形態では、産業環境での強調表示は、少なくとも1つのセンサを強調表示すること、およびセンサから産業環境でのデータ収集のためのシステムのデータコレクタへのデータの少なくとも1つの経路を強調表示することを含む。実施形態では、センサによって収集されたデータをデータ値の許容範囲と比較することは、各センサによって収集されたデータを、各センサに固有のデータ値の許容範囲と比較することを含む。実施形態では、関心のある状態を計算することは、少なくとも1つのセンサからのデータの傾向を計算することを含む。実施形態では、許容可能な範囲の値は、データ値のトレンドを含む。
実施形態では、方法およびシステムは、産業環境で検出される関心のある状態に寄与するデータの経路を可視化する方法を含む。方法は、関心のある状態に逆算を適用して、関心のある状態に関連付けられたデータ収集システム構成テンプレートを決定することと、テンプレートを分析して、関心のある状態を検出するためのデータを収集するためのデータ収集システムの構成を決定することと、テンプレートによって構成されたデータ収集のマップを電子ユーザインタフェースで提示することと、電子ユーザインタフェースで、関心のある状態の計算に寄与するデータのための少なくとも1つのセンサから少なくとも1つのデータコレクタへのデータの経路を反映するデータ収集システム内の経路を強調表示することとを含む。実施形態では、データ収集システム構成テンプレートは、アナログクロスポイントスイッチ、マルチプレクサ、階層型マルチプレクサ、データコレクタ、およびセンサを含む。リストから選択されたデータ収集システム内に配置された少なくとも1つのリソースのための構成情報を含む。実施形態では、方法は、機械学習を逆算に適用して、関心のある状態のための目標診断を生成することを含む。実施形態では、方法は、電子ユーザインタフェースで、関心のある状態の計算に使用されるデータを生成するセンサが、センサのデータ値の許容範囲外であることを強調表示することを含む。実施形態では、関心条件は、ユーザインタフェースに提示された関心条件のリストから選択される。実施形態では、関心のある状態は、産業環境の少なくとも1つの機械的部分の機械的故障である。実施形態では、機械的部分は、産業環境のベアリング、シャフト、ロータ、ハウジング、およびリンケージのうちの少なくとも1つを含む。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境における複数のセンサからのデータを、触覚、振動、熱、音、力のうちの少なくとも1つを含む人間が検出可能な刺激としてセンサからのデータを提示する装着可能な触覚刺激装置にルーティングしてもよい。実施形態では、触覚刺激は、感知されたデータに起因する機械に対する効果を表す。実施形態では、曲げ効果は、ハプティック手袋の指を曲げることとして提示されてもよい。実施形態では、振動効果は、ハプティックアームバンドを振動させるように提示されてもよい。実施形態では、加熱効果は、触覚リストバンドの温度上昇として提示されてもよい。実施形態では、電気的効果(例えば、過電圧、電流など)は、ファティックオーディオシステムの音の変化として提示されてもよい。
実施形態では、産業用機械のオペレータの触覚ユーザインタフェースは、オペレータの機械の制御に応答する触覚刺激をオペレータに提供するように適合されていてもよい。実施形態では、刺激は、オペレータの制御の結果としての機械への影響、およびその結果としての環境中の物体との相互作用を示す。実施形態では、許容範囲を超える機械の感知された状態が、ハプティックユーザインタフェースを介してオペレータに提示されてもよい。実施形態では、許容範囲内にある機械の感知された状態は、ハプティック・ユーザー・インターフェースを通じてオペレータに提示されない場合がある。実施形態では、許容可能な範囲内にある機械の感知された状態は、オペレータの制御の確認の自然言語表現として提示されてもよい。実施形態では、ハプティックユーザインタフェースの少なくとも一部は、オペレータによって着用される。実施形態では、着用可能なハプティックユーザインタフェース装置は、装置オペレータのユニフォームの外脚に沿って力を発揮する装置を含んでもよい。オペレータが制御している車両が、車両の側面に沿って障害物に接近すると、膨張可能なベローズが膨張して、障害物に接近している車両の側面に最も近いオペレータの脚部に対して圧力を及ぼしてもよい。ベローズは、膨張し続けてもよく、それによって、障害物の接近に一致する運転者の脚部に対して追加的な圧力を及ぼしてもよい。この圧力は、障害物との接触が差し迫っているときに脈動してもよい。別の例では、操作者の腕帯は、操作者が制御している車両の一部によって経験される振動と協調して振動してもよい。これらは単に例示であり、産業環境におけるデータ収集のためのシステムによって感知された状態を示すために、ウェアラブルハプティックフィードバックユーザデバイスが制御され得る方法の限定的または制限的なものであることを意図するものではない。
実施形態では、産業環境においてユーザによって着用される触覚ユーザインタフェース安全システムは、圧力、熱、衝撃、電気的刺激のうちの少なくとも1つでユーザの一部を刺激することによって、環境中の装置のユーザへの近接を示すように適合されてもよく、刺激されるユーザの一部は、装置に最も近いものであってもよい。実施形態では、刺激の種類、強さ、持続時間、および頻度のうちの少なくとも1つは、ユーザに対する傷害の危険性を示す。
実施形態では、産業環境においてユーザによって着用されてもよい着用可能なハプティック・ユーザ・インターフェース・デバイスは、産業環境におけるアラート状態の検出時に、その位置および関連情報をブロードキャストしてもよい。警告状態は、装置を装着しているユーザに近位であってもよく、または近位ではないが装置を装着しているユーザに関連していてもよい。ユーザは緊急応答者であってもよく、従って、緊急応答を必要とする状況の検出は、ユーザのハプティックデバイスは、ユーザへの迅速なアクセスを容易にするために、またはユーザによる緊急位置へのユーザによるアクセスを容易にするために、ユーザの位置をブロードキャストしてもよい。実施形態では、産業用機械センサの監視から決定された警告状態は、警告の重大度が刺激の程度に対応して、ハプティック刺激としてユーザに提示されてもよい。実施形態では、刺激の程度は、アラートの重大度に基づいてもよく、対応する刺激は、許容可能な応答が検出されるまで、例えば、ハプティックUIを介して、複数の刺激を同時に作動させること、追加のハプティックユーザにアラートを送信すること、などを任意に含む、継続、反復、またはエスカレートしてもよい。ウェアラブルハプティックユーザデバイスは、許容可能な応答の検出を容易にするために、他のハプティックユーザデバイスと通信するように適合されていてもよい。
実施形態では、産業環境で使用するための着用可能な触覚ユーザインタフェースは、手袋、リング、リストバンド、腕時計、アームバンド、ヘッドギア、ベルト、ネックレス、シャツ(例えば、制服シャツ)、フットウェア、パンツ、耳保護具、安全眼鏡、ベスト、オーバーオール、カバーオール、および触覚刺激を提供するように適合され得る衣類またはアクセサリーの他の任意の物品を含むことができる。
実施形態では、ウェアラブルハプティックデバイスの刺激は、産業環境におけるセンサと相関していてもよい。非限定的な例としては、産業環境で検出された振動に応答してウェアラブルハプティックデバイスの振動を発生させること、産業環境で検出された温度に応答してウェアラブルハプティックデバイスの温度を増加または減少させること、感知された電気信号の変化に応答してピッチが変化する音を発生させることなどが挙げられる。実施形態では、ウェアラブル触覚デバイスの刺激の厳しさは、産業環境における感知された状態の側面に相関してもよい。非限定的な例としては、感知された振動の程度が低い場合の中等度または短期の振動;感知された振動の増加のための強いまたは長期の振動刺激;感知された振動の量が多い場合の攻撃的な、パルス状の、および/またはマルチモードの刺激が挙げられる。ウェアラブルハプティックデバイスの刺激はまた、照明(例えば、点滅、色の変化など)、音、臭気、触覚出力、ハプティックデバイスの動き(例えば、バルーンを膨らませる/膨らませる、多関節セグメントの伸長/収縮など)、力/衝撃などを含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、発電アプリケーションにおける燃料ハンドリングシステムから収集されたデータを、触覚刺激を介してユーザに中継するために、ウェアラブル触覚フィードバックユーザデバイスとインターフェースしてもよい。発電のための燃料ハンドリングは、固体燃料、例えば、ウッドチップ、切り株、森林残渣、スティック、エネルギー柳、ピート、ペレット、樹皮、藁、アグロバイオマス、石炭、および固体回収燃料を含んでもよい。処理システムは、燃料をサンプリングしてもよい受入ステーション、木質系燃料を粉砕またはチップ化してもよい準備ステーション、または廃棄物系燃料を細断してもよい準備ステーションを含んでもよい。燃料ハンドリングシステムは、貯蔵および搬送システム、フィードおよび灰除去システムなどを含んでもよい。ウェアラブルハプティックユーザインタフェース装置は、ユーザが他の方法では隔離されているハンドリング環境の状態についてのオペレータのフィードバックを提供することによって、燃料ハンドリングシステムと共に使用されてもよい。センサは、固体燃料供給スクリューシステムの操作上の側面を検出してもよい。スクリューの回転速度、燃料の重量、燃料の種類などのような条件は、ユーザが燃料供給システムを操作するために手を使用して注意を提供することを可能にしながら、ユーザに対してハプティック刺激に変換されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、トラックおよび/または車両アプリケーションのサスペンションシステムから収集されたデータを、ハプティック刺激を介してユーザに中継するために、ウェアラブルハプティックフィードバックユーザデバイスとインタフェースしてもよい。ハプティックシミュレーションは、車両のサスペンションシステムによって感知されている状態と相関していてもよい。実施形態では、道路の粗さは、検出され、装着可能なハプティックアームバンドの振動のような刺激に変換されてもよい。実施形態では、サスペンションの力(収縮および反発)は、着用可能な触覚ベストを介してユーザに力のスケールダウンバージョンを提示する刺激に変換されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、農業アプリケーションにおける水耕システムから収集されたデータを、ハプティック刺激を介してユーザに中継するために、ウェアラブルハプティックフィードバックユーザデバイスとインターフェイスしてもよい。実施形態では、温度、湿度、水位、植物サイズ、二酸化炭素/酸素レベルなどの水耕栽培システム内のセンサは、ウェアラブルデバイスの触覚刺激に変換されてもよい。ハプティックフィードバック衣類を身に着けているオペレータが水耕農業設備内を歩くように、オペレータに近位のセンサは、ハプティック衣類がハプティック刺激に変換してもよい温度または実際の温度対所望の温度の測定値などの関連情報をハプティックフィードバック衣類に信号を送ってもよい。一例では、リストバンドは、農業環境のセンサからの温度データまたはその派生物を追跡するために迅速に温度を変化させることができる熱刺激装置を含んでもよい。ユーザが設備内を歩くと、ハプティックフィードバックリストバンドは、近位温度が予想温度に準拠している程度を示すために温度を変化させてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、自動化された生産ラインアプリケーションにおけるロボット測位システムから収集されたデータを、ハプティック刺激を介してユーザに中継するために、ウェアラブルハプティックフィードバックユーザデバイスとインタフェースしてもよい。ハプティックフィードバックは、精度の位置決めシステムインジケータを受信し、精度が許容できる場合には可聴信号に変換し、精度が許容できない場合には別のタイプの刺激に変換することを含んでもよい。
図151を参照すると、産業環境でデータを収集するように適合されたシステムによって産業環境で収集されたデータに応答する、ユーザにハプティック刺激を提供するためのウェアラブルハプティックユーザインタフェースデバイスが描かれている。産業環境11400におけるデータ収集11402のためのシステムは、複数のセンサを含んでもよい。それらのセンサからのデータは、コンピューティングシステムによって収集され、分析されてもよい。分析の結果は、産業環境に関連するユーザによって着用される1つ以上の着用可能な触覚フィードバック刺激装置11404に無線で通信されてもよい。装着可能な触覚フィードバック刺激装置は、結果を解釈し、触覚刺激-感覚条件マッピングに基づいて刺激の形に変換し、刺激を生成してもよい。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、触覚、振動、熱、音、力、臭気、および動きを含む。刺激のリストから選択された刺激を生成する複数のウェアラブル触覚刺激装置を含む;環境内の状態を感知するために産業環境内に配置された複数のセンサを含む。複数のセンサと装着可能な触覚刺激装置との間に論理的に配置されたプロセッサであって、プロセッサは、感知された状態を代表するセンサからデータを受信し、受信したデータに対応する少なくとも1つの触覚刺激を決定し、少なくとも1つの刺激を生成するように装着可能な触覚刺激装置に指示するための少なくとも1つの信号を送信する。実施形態では、触覚刺激は、状態に起因する産業環境における機械に対する効果を表す。実施形態では、曲げ効果は、ハプティック装置を曲げることとして提示される。実施形態では、振動効果は、触覚デバイスを振動させることとして提示される。実施形態では、加熱効果は、触覚デバイスの温度の上昇として提示される。実施形態では、電気的効果は、ハプティックデバイスによって生成される音の変化として提示される。実施形態では、複数の着用可能な触覚刺激装置のうちの少なくとも1つは、手袋、リング、リストバンド、リストウォッチ、アームバンド、ヘッドギア、ベルト、ネックレス、シャツ、フットウェア、パンツ、オーバーオール、カバーオール、および安全ゴーグルを含む。リストから選択される。実施形態では、少なくとも1つの信号は、産業環境における関心のある状態の警告を含む。実施形態では、警告信号に応答して生成される少なくとも1つの刺激は、許容可能な応答が検出されるまで、複数の着用可能な触覚刺激装置のうちの少なくとも1つによって繰り返される。
実施形態では、本明細書に開示されるシステムおよび方法は、オペレータの制御およびその結果としての環境中の物体との相互作用の結果としての機械への影響を示す機械の少なくとも1つの感知された状態に基づいて、オペレータの機械の制御に応答した触覚刺激をオペレータに提供するように適合された産業機械オペレータの触覚ユーザインタフェースを含む。実施形態では、状態のためのデータ値の許容範囲を超える機械の感知された状態が、触覚ユーザインタフェースを介してオペレータに提示される。実施形態では、状態のためのデータ値の許容可能な範囲内にある機械の感知された状態は、オーディオ触覚刺激装置を介してオペレータ制御の確認の自然言語表現として提示される。実施形態では、ハプティックユーザインタフェースの少なくとも一部は、オペレータによって着用される。14.実施形態では、振動を感知した状態が、ハプティックユーザインタフェースによって振動刺激として提示される。実施形態では、温度に基づく感覚状態は、ハプティック・ユーザー・インターフェースによる熱刺激として提示される。16.
実施形態では、産業環境においてユーザによって着用されるハプティックユーザインタフェース安全システムは、装置に最も近いハプティックユーザインタフェースの部分を介したハプティック刺激によって、環境内の装置のユーザへの近接を示すように適合されている。実施形態では、刺激の種類、強さ、持続時間、および頻度のうちの少なくとも1つは、ユーザに対する傷害の危険性を示す。実施形態では、触覚刺激は、圧力、熱、衝撃、および電気的刺激を含む。リストから選択される。実施形態では、触覚ユーザインタフェースは、ユーザの位置をブロードキャストする無線送信機をさらに含む。実施形態では、無線送信機は、装置に対するユーザの近接を示すことに応答して、ユーザの位置をブロードキャストする。実施形態では、環境における装置のユーザへの近接は、産業環境においてデータを収集するように適合されたシステムから触覚ユーザインタフェースに提供されるセンサデータに基づいている。実施形態では、システムは、産業環境におけるユーザの安全状態に関連付けられたデータ収集テンプレートに基づいて適応される。
実施形態では、産業環境におけるデータ収集のためのシステムは、拡張現実(AR)ディスプレイ上に産業用機械の感知データを示すグラフィカル要素を提示することを容易にしてもよい。グラフィカル要素は、感知されたデータの許容値のスケール上の感知されたデータの位置を表すように適合されていてもよい。グラフィカル要素は、ARディスプレイでセンシングされたデータを捕捉した拡張された視野内で検出されたセンサに近接して配置されてもよい。グラフィカル要素は、色であってもよく、スケールは、クールカラー(例えば、緑、青)からホットカラー(例えば、黄色、赤)などの範囲のカラースケールであってもよい。クールカラーは、許容範囲の中点に近いデータ値を表してもよく、ホットカラーは、許容範囲の最大値または最小値の近くまたは外側のデータ値を表してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境における複数のセンサから収集されたデータを、各センサから収集されたデータを、許容範囲外の値と比較して許容範囲内の値のスケールに相関させる複数のグラフィカル効果(例えば、色の範囲内の色)の1つとして、ARディスプレイに提示してもよい。実施形態では、複数のグラフィカル効果は、産業環境のビューをオーバーレイしてもよく、複数のグラフィカル効果の配置は、対応するセンサデータを生成しているセンサが配置されている環境のビュー内の位置に対応してもよい。実施形態では、グラフィカル効果の第1のセット(例えば、ホットカラー)は、複数のセンサが許容範囲外の値を示すコンポーネントを表す。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境におけるセンサによって収集された情報を、環境の可視化を重ね合わせたヒートマップとしてARディスプレイに提示することを容易にすることができ、その結果、より大きな故障の可能性を示唆するセンサデータを有する環境の領域が、より小さな故障の可能性を示唆するセンサデータを有する環境の領域とは異なるグラフィック効果で重ね合わされるようにする。実施形態では、ヒートマップは、現在センシングされているデータに基づいている。実施形態では、ヒートマップは、過去の故障からのデータに基づいている。実施形態では、ヒートマップは、機械故障の可能性の増加を示唆するデータなど、以前の期間からのデータの変化に基づいている。実施形態では、ヒートマップは、産業環境における予防保全計画および予防保全の記録に基づいている。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境におけるセンサによって収集された情報を、ARディスプレイで提示されるライブビューのような環境のビューを重ね合わせたヒートマップとして提示することを容易にしてもよい。そのようなシステムは、行動への呼びかけを容易にするオーバーレイを提示することを含んでもよい。実施形態では、オーバーレイは、ヒートマップの領域に関連付けられている。オーバーレイは、アクションが実行されるべき環境の一部またはサブシステムの視覚効果を構成してもよい。実施形態では、実行されるべきアクションはメンテナンスに関連したものであり、部品固有のものであってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境の一部のARビューにおいて、産業環境における機械の少なくとも1つの側面に対する操作指示の変更に基づいて、産業環境の側面のヒートマップを更新することを容易にしてもよい。ヒートマップは、産業環境内の機械の一部の動作限界へのコンプライアンスを表してもよい。実施形態では、ヒートマップは、操作指示の変更の結果としてのコンポーネントの故障の可能性を表してもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、環境の一部のARビューにおけるヒートマップとして、データ収集活動のための産業環境における選択されたセンサを識別するデータ収集テンプレートのための産業環境におけるセンサのカバー率の程度または尺度を提示することを容易にしてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、産業環境の様々な部分の故障関連データのライブビューなどのビューを重ね合わせたヒートマップの表示を容易にしてもよい。故障関連データは、様々な部分の実際の故障率と別の故障率との間の差から構成されていてもよい。別の故障率は、環境内の他の場所にある比較可能な部分の故障率であってもよいし、業界平均やメーカーの故障率推定値など、複数の環境にまたがる比較可能な部分の平均故障率であってもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、生産ラインのロボットハンドリングのためのロボットアームおよびハンドから収集されたデータに関連するヒートマップを、環境の一部の拡張現実ビューに表示することを容易にしてもよい。ロボットの腕および手から収集されたデータに関連するヒートマップは、-例えば、ロボットの手の指-に配置されたセンサからのデータを表してもよい。センサは、例えば、物体をつまむときの印加圧力、物体の抵抗(例えば、ロボットタッチに反応する)、工具などを保持するなどの操作を行うときに指に与えられる多軸力、物体の温度、初期接触点から抵抗閾値が満たされるまでの指の総移動、および他の手の位置/使用条件などのデータを収集してもよい。このデータのヒートマップは、ロボット生産環境の拡張現実ビューで提示されてもよく、これにより、ユーザは、例えば、ロボット指の相対的な位置関係が取り扱われる対象物にどのような影響を与えるかを視覚的に評価することができる。
実施形態では、産業環境におけるデータ収集のためのシステムは、生産ラインのロボットハンドリングのためのリニアベアリングから収集されたデータに関連するヒートマップを、環境の一部の拡張現実ビューに表示することを容易にしてもよい。リニアベアリングは、ほとんどのベアリングと同様に、使用中は見えないかもしれません。しかし、使用中のベアリングに関する情報をキャプチャするセンサからのデータを拡張現実感ディスプレイに表示することで、その動作を評価することができる場合がある。実施形態では、センサーは、ベアリングが支持する回転部材または要素によってベアリングの一部に加えられた力を検出するために配置されてもよい。これらの力は、リニアベアリングを使用するロボットハンドリングマシンの拡張現実ビューのベアリングの可視化上で、相対的な力に対応するヒートマップとして提示されてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、採掘のためのボーリング機械から収集されたデータに関連するヒートマップを、環境の一部の拡張現実ビューに表示することを容易にしてもよい。ボーリング機械、特にマルチチップ円形ボーリングヘッドは、様々な岩石形成を同時に経験してもよい。センサは、先端部によって経験される力を検出してもよい各ボーリング先端部の近位に配置されてもよい。データは、産業環境でデータを収集するように適合されたシステムによって収集されてもよく、ボーリング機械のビューにヒートマップなどとして表示されてもよい拡張現実システムに提供されてもよい。
図1502を参照すると、環境内のデータを収集するように適合されたシステムによって産業環境内で収集されたデータに基づくヒートマップの拡張現実表示が描かれている。産業環境11500の拡張現実表示は、産業環境内のセンサ11504から受信したデータ、またはセンサ11504から受信したデータから派生したデータを描写するヒートマップ11502を含んでもよい。センサデータは、産業環境におけるデータ収集および分析のために適合されたシステムによって捕捉され、処理されてもよい。データは、ヒートマップを表示するための拡張現実システムでの使用に適した形態に変換されてもよい。ヒートマップ11502は、基礎となるデータがソースとなったセンサと拡張現実ビュー内で整列してもよい。
実施形態では、本明細書に開示された方法およびシステムは、産業機械のセンシングされたデータが、ビュー内のセンサから収集されたデータのヒートマップとして産業機械のビュー内に提示される拡張現実(AR)システムを含む。ヒートマップは、ARディスプレイ内で視認可能なセンシングされたデータを捕捉するセンサに近接して配置される。実施形態では、ヒートマップは、センサから収集されたリアルタイムデータを、データの許容範囲内の値で比較することに基づいている。実施形態では、ヒートマップは、センシングされたデータの傾向に基づいている。実施形態では、ヒートマップは、産業環境内のセンサによって収集されたデータから計算される関心のある状態に応答して、産業環境内のセンサのカバレッジの尺度を表す。実施形態では、ビュー内のセンサから収集されたデータのヒートマップは、複数のセンサからのデータを、アナログクロスポイントスイッチ、マルチプレクサ、および階層型マルチプレクサのうちの少なくとも1つを介して複数のデータコレクタにルーティングすることによって、産業環境内のデータを収集するように適合されたシステムによって収集されたデータに基づいている。実施形態では、ヒートマップは、異なる収集データ値を異なる色として提示する。実施形態では、複数のセンサから収集されたデータは、ヒートマップを生成するために結合される。
実施形態では、本明細書に開示される方法およびシステムは、産業環境におけるデータ収集のためのシステムを含む。システムは、産業環境内の複数のセンサから収集されたデータを複数の色のうちの1つとして提示する拡張現実ディスプレイを含む。実施形態では、色は、各センサから収集されたデータを、許容範囲内のデータの値に対応するクールな色と、許容範囲外のデータの値に対応するホットな色とを有するカラースケールに相関させる。複数の色は、産業環境のビューをオーバーレイし、複数の色の配置は、対応するセンサデータを生成しているセンサが配置されている環境のビュー内の位置に対応する。実施形態では、ホットカラーは、複数のセンサが典型的な範囲外の値を示すコンポーネントを表す。実施形態では、複数の色は、センサから収集されたリアルタイムデータと、データの許容範囲内の値との比較に基づいている。実施形態では、複数の色は、感知されたデータの傾向に基づいている。実施形態では、複数の色は、産業環境内のセンサによって収集されたデータから計算される関心のある状態に応答して、産業環境内のセンサのカバレッジの尺度を表す。
実施形態では、本明細書に開示された方法およびシステムは、産業環境においてセンサによって収集された情報を、より大きな故障の可能性を示唆するセンサデータを有する環境の領域が、より小さな故障の可能性を示唆するセンサデータを有する環境の領域とは異なるヒートマップで重ね合わされるように、環境のビューを重ね合わせたヒートマップとして提示することを含む。例示的な方法を含む。実施形態では、ヒートマップは、現在センシングされているデータに基づいている。実施形態では、ヒートマップは、過去の故障データに基づくデータに基づいている。実施形態では、ヒートマップは、機械故障の可能性の増加を示唆する以前の期間からのデータの変化に基づいている。実施形態では、ヒートマップは、産業環境における予防保全計画および予防保全の記録に基づいている。実施形態では、ヒートマップは、基準故障率に対する実際の故障率を表す。実施形態では、基準故障率は、業界平均故障率である。実施形態では、参照故障率は、メーカーの故障率推定値である。
実施形態では、産業環境におけるデータ収集およびその可視化のためのシステムは、拡張現実および/または仮想現実(AR/VR)ディスプレイを含んでもよく、この場合、AR/VRディスプレイの視野内に配置されたセンサによって出力されたデータ値は、センシングされたデータの許容範囲または値に対するデータの適合性の程度を示す視覚的属性とともに表示される。実施形態では、視覚属性は、感知されたデータの傾向および/またはその派生物の傾向をほぼリアルタイムで描写することを提供してもよい。実施形態では、視覚属性は、捕捉される実際のデータ、またはデータの傾向などの派生データであってもよい。
実施形態では、産業環境におけるデータ収集およびその可視化のためのシステムは、AR/VR内の視野内に配置されたセンサによって出力されるデータ値のトレンドが、トレンドの重大度を示す視覚的属性とともに表示されるAR/VRディスプレイを含んでもよい。実施形態では、表示され得る他のデータまたは分析は、許容範囲を超えるセンサからのデータ、ユーザによって選択されたスマートバンドの一部であるセンサからのデータ、スマートバンド収集動作をトリガするために監視されているセンサからのデータ、予防保全基準を満たす環境の側面を感知するセンサからのデータ、例えば、PM動作が間もなく来る、PM動作が最近実行された、またはPMの期限が過ぎているなどのデータを含み得る。このようなAR/VR可視化のための他のデータは、許容範囲が最近変更された、拡張された、狭くなった等のセンサからのデータを含んでもよい。産業機械(掘削、掘削、およびそのようなもの)のオペレータにとって特に有用であるかもしれないそのようなAR/VR可視化のための他のデータは、例えば操作要素への影響(トルク、力、ひずみ、およびそのようなもの)のようなセンサからのデータの分析を含んでもよい。
実施形態では、AR/VR環境で収集されたデータを表す視覚的属性の提示を含む産業環境におけるデータ収集およびその可視化のためのシステムは、鉱業アプリケーションのポンプに対して行うことができる。鉱業アプリケーションのポンプは、水を供給し、鉱業サイトから液状化廃棄物を除去することができる。ポンプの性能は、ポンプモータ、レギュレータ、流量計などを検出するセンサによって監視されてもよい。ポンプ性能監視データは、収集され、拡張現実ディスプレイ内の視覚的属性のセットとして提示されてもよい。一例では、ポンプモータの消費電力、効率などが、拡張現実ディスプレイを通して見たポンプの近位に表示されてもよい。
実施形態では、AR/VR環境で収集されたデータを表す視覚的属性の提示を含むかもしれない産業環境におけるデータ収集およびその可視化のためのシステムは、発電アプリケーションにおけるエネルギー貯蔵のためにそうしてもよい。発電エネルギー貯蔵は、貯蔵されたエネルギーの貯蔵および使用に関連するデータをキャプチャするセンサで監視されてもよい。個々のエネルギー貯蔵セルの利用率、エネルギー貯蔵率(例えば、バッテリの充電など)、貯蔵エネルギー消費率(例えば、エネルギー貯蔵システムによって供給されているKWH)、貯蔵セルの状態などの情報は、捕捉され、エネルギー貯蔵システムの拡張現実ビューで提示されてもよい拡張現実ビューアトリビュートに変換されてもよい。
実施形態では、AR/VR環境で収集されたデータを表す視覚的属性の提示を含むかもしれない産業環境でのデータ収集およびその可視化のためのシステムは、発電アプリケーションでの給水システムのために行われてもよい。センサは、給水システムに関するデータを収集するために、発電などの産業環境に配置されてもよい。それらのセンサからのデータは、データ収集のためにシステムによって捕捉され、処理されてもよい。この処理の結果は、給水冷却率、流量、圧力などのデータの傾向を含んでもよい。これらの傾向は、ビュー内で視認可能な物理的要素を有するセンサのマップを適用して、マップされたセンサからデータを取得することにより、給水システムの拡張現実ビュー上に提示されてもよい。検索されたデータ(およびその派生物)は、給水システムの拡張現実ビューに表示されてもよい。
図153を参照すると、産業環境のビューを重ね合わせたリアルタイムデータ11602を含む。拡張現実ビュー11600が描かれている。環境内のセンサ11604は、拡張現実システムによって認識されてもよく、例えば、センサが関連付けられている産業用機械、システム、またはその一部を最初に検出することによって認識されてもよい。センサ11004からのデータは、データリポジトリから取得され、傾向に処理され、データの発信元であるセンサに近接した拡張現実ビュー1100に提示されてもよい。
実施形態では、本明細書に開示された方法およびシステムは、電子ディスプレイ内の視野内に配置されたセンサによって出力されたデータ値が、感知されたデータの許容可能な範囲または値へのデータの準拠度を示す視覚的属性とともに電子ディスプレイ内に表示される、産業環境におけるデータ収集およびその可視化のためのシステムを含む。実施形態では、電子ディスプレイ内のビューは、産業環境の拡張現実ディスプレイ内のビューである。実施形態では、視覚属性は、許容範囲に対する時間経過に伴う感知データの傾向を示すものである。実施形態では、データ値は、データ値が出力されるセンサに近接した電子ディスプレイ内に配置される。実施形態では、視覚属性は、データ値が出力されるセンサに関連付けられたセンサのスマートバンドセットの表示をさらに含む。
実施形態では、本明細書に開示された方法およびシステムは、産業環境の拡張現実ビューに配置された選択されたセンサによって出力されたデータ値が、センシングされたデータの許容範囲または値に対するデータの準拠度を示す視覚的属性とともに表示される、産業環境におけるデータ収集およびその可視化のためのシステムを含む。実施形態では、センサは、システム内のセンサデータルーティングリソースの構成を容易にするデータ収集テンプレートに基づいて選択される。実施形態では、選択されたセンサは、スマートバンドセンサのグループの一部としてテンプレート内に示される。実施形態では、選択センサは、スマートバンドデータ収集アクションをトリガするために監視されるセンサである。実施形態では、選択センサは、予防保全基準に関連付けられた環境の側面を感知するセンサである。実施形態では、視覚的属性は、許容範囲が過去72時間以内に拡大されたか、または狭くなったかどうかをさらに示す。
実施形態では、本明細書に開示された方法およびシステムは、拡張現実ディスプレイに描写された産業環境の視野内に配置された選択されたセンサによって出力されたデータ値の傾向が、傾向の深刻さの程度を示す視覚的属性とともに表示される、産業環境におけるデータ収集およびその可視化のためのシステムを含む。実施形態では、センサは、センサからのデータが許容可能な値の範囲を超えたときに選択される。実施形態では、センサは、センサがセンサのスマートバンドグループの一部であることに基づいて選択される。実施形態では、視覚的属性は、データ値の許容可能な範囲に対するトレンドの適合性をさらに示す。実施形態では、データ収集のためのシステムは、データ収集のためのシステムのルーティングリソースの構成を容易にするデータ収集テンプレートに基づいて、選択されたセンサからのデータを拡張現実ディスプレイのコントローラにルーティングするように適合されている。実施形態では、センサは、センサデータがスマートバンドデータ収集動作をトリガするための指示としてスマートバンドデータ収集テンプレートに構成されていることに応答して選択される。実施形態では、センサは、予防的メンテナンス基準に応答して選択される。実施形態では、予防保全基準は、予防保全動作が予定されている、予防保全動作が過去72時間以内に完了している、予防保全動作が期限切れである、を含む。リストから選択される。
図155は、センサ入力を分析するためのデータ回路11708に接続するセンサ入力11700、11702、11704、11706と、ネットワーク通信インターフェース11712と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路11710と、ネットワーク通信インターフェースを介して受信した命令に基づいて、情報のどの部分が送信されるかを動的に調整するように構成されたデータフィルタ回路とを含む、産業環境におけるデータを捕捉し分析するための自給自足型のデータ収集ボックスを有するシステムを示している。様々なセンサ入力Xは、データ回路Yに接続され、データ回路は、1つ以上のネットワークインターフェースに接続されたネットワーク制御回路と相互通信する。これらのインタフェースは、スター型、マルチホップ型、ピアツーピア型、ハブアンドスポーク型、メッシュ型、リング型、階層型、デイジーチェーン型、ブロードキャスト型、または他のネットワークプロトコルを介して通信する有線インタフェースまたは無線インタフェースを含むことができる。これらのインタフェースは、イーサネットのようなマルチペアであってもよいし、I2Cのような単線のネットワーキングプロトコルであってもよい。ネットワークプロトコルは、Modbus over TCP、Industrial Ethernet、Ethernet Powerlink、Ethernet/IP、EtherCAT、Sercos、Profinet、CANバス、シリアルプロトコル、ニアフィールドプロトコル、ZigBee、Z-Waveなどのホームオートメーションプロトコル、またはLTE、Wi-Fi、Bluetooth (登録商標)などのワイヤレスWWANまたはWLANプロトコルを含む、産業用ネットワークにおけるリアルタイム通信のためのイーサネットおよび他のプロトコルの様々な亜種の1つまたは複数をインターフェースすることができます。センサ入力は、測定対象物に恒久的または取り外し可能に接続することができますが、スタンドアロンのデータ収集ボックスに統合することもできます。システム全体は、車両(例えば、自動車、トラック、商用車、トラクター、建設車両、または他のタイプの車両)、コンポーネントまたは機器(例えば、コンプレッサー、アジテーター、モーター、またはその他の機器)など、測定対象の装置に統合されている場合がある。圧縮機、攪拌機、モータ、ファン、タービン、発電機、コンベア、リフト、ロボットアセンブリ、または本開示全体に記載されている他の任意の項目)、インフラストラクチャ要素(例えば、基礎、ハウジング、壁、床、天井、屋根、出入り口、スロープ、階段、またはそのようなもの)、または産業環境の他の特徴または側面。システム全体は、生産アセンブリ、摩耗および応力を受けるアセンブリラインの静的構成要素(レールガイドなど)、またはロボット、リニアアクチュエータ、ギアボックス、バイブレータなどの動機要素などの静止した産業システムに統合されていてもよい。
図156は、オンボードセンサ11732およびリフトおよび移動制御を提供するための4つのモータ11734を備えた空中ドローン11730のデータ収集ボックスを示す。実施形態では、ドローン11730は、充電ドック機能を有し、実施形態では、バッテリ交換のために基地に短時間戻った後、同じドローン11730が検査に戻ることができるように、バッテリ交換機能を有する。ドローン11730は、感知されるシステムの近くの位置から移動することができる。ドローン11730は、他のセンサドローンの存在を検出し、アクティブなセンサとネットワーク調整された飛行計画の両方に基づいて衝突を回避することができる。これらのセンサドローン11730は、センサ偵察のスケジュールされた巡回に基づいて、環境および装置の状態を検査し、感知する。彼らはまた、特定のイベント、コマンド駆動(追加データのための人間の要求)、他のドローンからの要求、より精査して感知されるべき項目の検出された異常のようなイベント、例えば、複数のセンサを有する複数のドローンSによる感知のいずれかに応答する。それらは、ドローン11730に統合された、またはリモートサーバに配置された両方のAIに応答し、条件を分析し、環境または装置の追加データおよび検査のための要求を生成する。ドローン11730は、複数のセンサで構成することができる。例えば、大部分のドローン11730は、可視光または赤外線範囲のいずれかの何らかの視覚センサ、および光パルス距離検出、ソナーパルス検出などのある種の形態のアクティブガイダンスセンサ技術を備える。さらに、ドローン11730は、特定の装置や機械の材料を分析するように設計された特定の化学センサや磁気センサなどの追加のセンサを備えることができる。
図157は、任意に、移動の飛行モード、ローリングモード、および歩行モードを含む複数の移動モードを有する自律型ドローン11780を示す。実施形態では、伸縮可能で多関節のロボット脚は、凹凸のある表面上での位置決めを可能にする。実施形態では、ドローンは、4つの車輪を有してもよい。様々な移動プラットフォームは、滑らかな表面上の車輪上での転動を可能にするために、引き上げることができ、かつ離れることができる多関節式の脚を含んでもよい。脚部は、感知点に近接した(例えば、回転部品の軸受のセットの近くの)産業機器の一部上の着地点のような、ドローンがその環境の要素に取り付けることができる様々な形態の取り付けを可能にしてもよい端部部材(例えば、「脚部」)を含んでもよい。端部部材は、磁気アタッチメント、吸盤、接着剤などの様々な形態のアタッチメントを可能にしてもよい。実施形態では、ドローンは、端部部材上の代替的な機構(例えば、異なるアタッチメントタイプを有する要素間で回転する)によって係合可能であるか、またはドローン上の収納場所から多関節脚によって回収可能な複数の形態を有してもよい。実施形態では、ドローン11780は、所望の着地点でのドローンによる取り付け、離脱、および再取り付けを可能にするために、接着剤で裏打ちされたフックおよびループファスナー要素を機械上に配置する能力を有するロボットアーム11782を有してもよい。配置は、ビジョンシステムの制御下で実施されてもよく、そのビジョンシステムは、遠隔制御ビジョンまたは他のセンシングシステム、および/または着地点の種類を認識し、自動的に、任意にパターン認識および機械学習を使用して、ドローンを着地させ、装着を開始することができる自動着地システムを含んでもよい。配置は、適切な感知位置(感知のための識別された必要性、トリガまたは入力などに基づくものなど)の認識(マシンビジョンまたはセンサベースの認識によるものを含む)と、適切な着陸位置(ドローンが安定したアタッチメントを確立し、感知点に到達できる場所、例えば、多関節ロボットアームなど)の認識の両方に基づいていてもよい。実施形態では、カメラシステムおよび他のセンサは、適切な着陸および係合モードを選択するために表面形状および特性を検出することができる(例えば、粗い垂直表面は、認識された場合には、脚および多関節指の使用をトリガして保持することができ、一方、滑らかな垂直表面は、認識された場合には、一時的なアタッチメントを確立するために吸盤または磁石の使用をトリガすることができる)。
実施形態では、機械学習は、様々な形態のアタッチメントの安全性をテストすることを含めて、着地および係合モードを変動および選択することができる。機械学習は、着陸および係合のための規則のセット、モデルのセット(これは、機械、インフラ要素、および産業環境の他の特徴に関する情報で人口化されていてもよい)、訓練セット(人間のオペレータに一組のドローンを着陸させ、センサと係合させることによって作成されたものを含む)、または大規模な試験的な着陸および係合イベントのセットを通して様々なビジョンおよび他のセンサを融合させる深層学習アプローチによって、またはそれを使用して開始することができる。
実施形態では、カメラ11788は、物体認識能力(機械学習によって改善されたパターン認識、機械や他の特徴の画像のライブラリへのルールベースのパターンマッチング、または技術のハイブリッドまたはその組み合わせを含む)を有してもよい。
実施形態では、産業用機械のセンサベースの認識が提供されてもよく、ここでは、機械がセンサシグネチャ(例えば、発電機、ターボマシン、コンプレッサ、ポンプ、モータなどを特徴付ける既知の振動パターン、熱シグネチャ、音などとのマッチングに基づいて)に基づいて認識される。これは、ルール、モデルなどに基づいて、機械学習(ディープラーニングまたは人間が生成した訓練セットに基づく学習を含む)、またはこれらの様々な組み合わせを用いて行われてもよい。
実施形態では、移動プラットフォームは、1つまたは複数のマルチセンサデータ収集器(MDC)11790を含んでもよく、ドローン11730の内部から外部に移動する1つまたは複数の多関節ロボットアーム11782上に配置されてもよい。実施形態では、ドローンは、個々のセンサをピックアップして配置するため、センサを感知点に取り付けるため、センサを電源に取り付けるため、センサを読み取るため、またはそのようなもののような、それ自身の1つ以上の多関節ロボットアーム(複数可)11782を有していてもよい。
実施形態では、MDC11790は、センシングの時点で、および中央ステーション11792と相互作用することによって、様々なセンサを入れ替えたり出したりすることができ、ここでドローン11730は、MDC11790に新しいセンサまたは異なるセンサを補充することができ、任意の使い捨てまたは消耗可能な要素(例えば、テストストリップ、生物学的センサ、またはそのようなもの)、またはそのようなものを再ストックすることができる。補充および再ストックは、エキスパートシステム内でのルールベース制御、モデルベース制御、および機械学習制御を含む、センサセットの選択を含む、本開示全体を通して記載された制御要素を用いて実施することができる。
実施形態では、ドローン11730は、無線再充電、センサの再ストック、安全なファイルのダウンロード(例えば、物理的な接続および検証を必要とする)などのために、中央ステーション11792とペアリングすることができる。中央局11792は、ドローン11730または中央局11792の要素を制御するため、またはドローン11730または中央局11792によって収集された情報を報告するため、またはその他の方法で使用するために、モバイルアプリケーションなどの1つ以上のアプリケーションを介して、リモートオペレータ(エキスパートシステムを含む)および/またはローカルオペレータとのネットワーク通信を有してもよい。
実施形態では、中央ステーション11792は、機械とインターフェイスするための適切なコネクタを印刷するため、センサで使用される使い捨てまたは消耗品の要素を印刷するため、着地を補助するための端部部材のような要素を印刷するため、などの3Dプリンタを備えることができる。
実施形態では、MDC11790は、物理インターフェース(例えば、USBポート、ファイアワイヤポート、照明ポートなど)および無線インターフェース(例えば、Bluetoooth、Bluetooth(登録商標) Low Engenery、NFC、WiFiなど)を含む様々な形態のインターフェースポートを有する。
実施形態では、MDC11790インターフェースは、産業機械の電気部品の動作シグネチャを検出して処理するためのような、電圧および電流を検出するためのような電気プローブを含むことができる。
実施形態では、MDC11790は、多種多様な機械および装置とのインターフェースを可能にするために、(ドローン11730内、または中央ステーション11792内などのような)様々なコネクタを運ぶか、またはアクセスする。
実施形態では、カメラ11788は、産業機械のための適切なインターフェースポートを識別し、ユーザの遠隔制御の下で、または自動的に(オプションで、ドローン11730上に配置されたまたは遠隔に配置されたエキスパートシステムの制御の下で)データ通信を確立するため、(例えば、オンボード診断システムまたは他の計装システムとの)電源接続を確立するためなど、インターフェースポートのための適切なコネクタを選択して使用することができる。
実施形態では、MDC11790のロボットアーム11782は、必要に応じて、ドローン11730の保管場所から、または中央ステーションから回収されたものなど、1つ以上のケーブルまたはコネクタを挿入することができる。中央ステーションは、必要に応じて、新しいコネクタインターフェースを印刷することができる。
実施形態では、ドローン11730は自己組織化しており、データ収集のための複数のドローン11730のインテリジェントな集合ルーティングを含む自己組織化スウォームの一部であり得る。ドローン11730は、制御機能へのアクセスを得るためにローカルの存在を必要とするような、データ収集のための安全な物理インターフェースを有し、相互作用することができる。
ドローン11730は、ドローン11730のメッシュネットワークのコグニティブ、アドホックモバイルネットワークによるものを含む無線通信を使用してもよく、このメッシュネットワークはまた、マスターコントローラ(例えば、ヒューマンインターフェースを有するモバイルデバイス)のような他のデバイスを含んでもよい。
実施形態では、ドローン11730は、ユーザインタラクションおよびモバイルアプリケーションインタラクションのためのタッチスクリーンディスプレイを有する。
実施形態では、ドローン11730は、機械の計装用センサの配置に関連するデータを収集するためにMDC11790を使用することができる(例えば、可能な場所のセットから振動データを収集し、データ収集のための好ましい場所を選択し、その後、将来のデータ収集のために半永久的な振動センサをそこに廃棄する)。
インテリジェントルーティングは、産業環境の既存の地図または設計図を参照し、機械学習を使用して、検出された条件に基づいて地図を更新することを含む、機械ベースのマッピングを含むことができる(例えば、カメラ、IR、ソナー、LIDARなどによって、固定または一過性であるかどうかにかかわらず、特徴、機械、障害物、またはそのようなものの存在を検出し、変化する特徴を反映するために地図および関連する経路を更新すること)。
実施形態では、ドローン11730は、生物学的シグネチャ(例えば、安全のためなどの人間の存在をベースレベルで認識するためのIRセンシング)、およびアイデンティティ(例えば、収集されたデータまたは制御機能へのアクセスを許可する前に人間の生体認証を使用する)、および人間の状態状態(例えば、環境内の人間の健康状態、警戒状態または他の状態を決定する)などの他の生理学的センサのようなセンサベースの検出のための設備を含んでもよい。実施形態では、ドローン11730は、緊急の健康状態が決定された場合に、緊急地点への配送のためのような、緊急の応急処置アイテムを格納するか、または取り扱うことができる。
実施形態では、ドローン11730は、他のドローン11730、機器、インフラストラクチャ、または人間の作業員との衝突を回避するために、衝突検出および回避(LIDAR;IRなど)を有することができる。
別の実施形態では、図157のシステムは、スケジュールされたイベントに基づいて、工場フロアの様々な側面の状態を評価するように通知される。学習アルゴリズムで構成されたシステムは、様々な位置にある様々なセンサのサンプルを取る。それは、定期的に、工場の床が正しく動作していることを肯定的に補強するために提供される。障害がある場合は、様々な側面の状態を評価するように指示され、障害があることを教示されます。それは温度、動きの速度、位置センサーのようなセンサーデータを記録します。また、組立ラインのレールガイドに統合された位置センサ、温度センサ、構造整合性センサなど、分析対象となるシステムに統合されたセンサからのデータなどの追加のセンサデータを統合する。これらのセンサは、ネットワーク通信インタフェースのいずれかを介して、リアルタイムセンサデータおよび履歴センサデータを含むセンサデータをシステムに通信する。
別の実施形態では、図157のシステムは、ロボットアームを有し、多数の取り付け可能なモジュールを携行し、それぞれが異なるタイプの信号またはデータのセンシングを提供する。例えば、システムは、温度、磁気波、潤滑油汚染、および錆を感知することができる4つのモジュールを携行することができる。各タイプのモジュールを着脱可能にして、確実に収納することができる。移動式ドローン11730は、充電ステーションに戻り、追加のモジュールを選択して、追加のタイプの信号を測定することができる。例えば、システムは、工場の一部が、歯車箱およびアクチュエータを含む。ピックアンドプレースロボットアームに供給されるコンベアベルトに注ぐホッパーに小さな部品を振るようにバイブレータが設計されている領域に障害が発生しているという指示を受信してもよい。システムは、この一般的な領域に減速やジャムのような故障モードがあるという指示を受けて、化学分析モジュールを検索し、機械的バイブレータ内の潤滑油の粘度と化学的状態をテストします。次に、ロボットアームのギアボックスとアクチュエータに使用されている異なるタイプの潤滑剤を分析するために、別の化学分析モジュールを検索します。その後、ネットワークインターフェースを介してデータを配信し、テストを継続するように指示を受けると、機械的な欠陥を検出することができる新しいモジュールと視覚的なカメラモジュールを取得します。これらのモジュールを取得した後、システムは組立ラインの部品の視覚的分析を実行し、組立ラインの同じ部分の過去の写真と比較するためにリモートサーバーに送信します(またはローカルに保持します)。システムは、外部システムが指定したすべてのセンサ(手動で制御する人間や所定のリストなど)が完了するまで、またはセンサの1つが異常を検出し、それが定量化されて外部システムに伝達されて修理を提案するまで、このようにして継続します。
図158は、トラックに可動的に取り付けられ、センサアームの並進運動および再配置を介して、故障モードを感知し診断するシステムの一部分に近接してそれ自身を位置決めすることができるドローンデータ収集システムを示す。ロボットアーム11782は、例えば、X線またはガンマ線ラジオグラフまたは非破壊走査電子顕微鏡のような高感度の冶金断層検出システムを位置決めすることができる。ロボットアーム11782は、そのセンシングアームおよび測定装置を、組立ラインにおける転がり軸受のセットのような静的または動的に移動するターゲット上の様々な位置に位置決めする。システムのロボットアーム11782は、ピッティング、打痕、溝入れ、エッチング、腐食などのようなころ軸受の故障モードがあるかどうかを検出するような、ころ軸受の構造的側面について、高解像度の画像撮影および故障モード検出を実行する。その後、システムは、故障モード検出の結果をネットワークインターフェースを介して遠隔地のシステムに通信します。
別の実施形態では、図158のデータ収集システムは、時間をかけて所定のセットの測定を継続的に実行し、これらの測定を時間をかけて比較する。例えば、それは、一組のローラベアリングのそれぞれに向けられた正確に位置決めされた方向音入力センサで受信された音のデシベルを時間の経過とともに測定することができる。ある程度の時間が経過した後に、あるローラーベアリングが、オーディオ用の通常または一般的または指定されたデシベル範囲から乖離した場合、その特定のローラーベアリングの故障モードが示され、システムは、故障モード検出の所見を、ネットワークインターフェースを介して遠隔システムに通信する。
図159は、産業環境における静止したガイドレール11800を示しており、その下には、ネットワークインターフェースジャックおよび電源ポートジャックを含む一対のポート11802が配置されている。空飛ぶドローン11730または車輪付きセンサロボットのような移動データ収集システムは、ガイドレールに接近し、可動延長器を使用してポートに「ジャッキイン」する。この時点で、システムはネットワーク通信中であり、継続的な電力を有しているため、無期限に動作し続けることができる。実施形態では、遠隔操作ユーザは、現在、移動システムで利用可能な任意のセンサを作動させ、レールガイドおよびガイド上を移動する任意の機械を含むターゲットの任意の到達可能な部分にそれらを指示することができる。レールガイドは化学的に検査することができます。レールガイドは目視検査が可能です。レールガイドが動作する組立ラインの部分は、システムセンサを介して操作するリモートユーザによって視覚的に監視することができます。システムは、レールガイドに沿って動作し、移動する機械の聴覚検査を行うことができます。レールガイドに埋め込まれた任意のセンサは、そのセンサデータを付属のロービングシステムに通信することができる。同様に、付属ロービングシステムからのセンサ入力は、レールガイドに埋め込まれた任意のセンサデータと統合され、有線ネットワークインタフェースを介して一緒に配信され得る。レールガイドおよびその関連機能に近接してホバリングするように接続された任意のドローン11730は、無期限に動作することができ、組立ラインのその部分の「ズームイン」監視を提供することができる。組立ラインの一部分が故障を示した場合、ドローンおよび車輪付きデータ収集システムのグループは、その領域をより詳細に監視するために募集することができる。遠隔地の人間のオペレータの場合、この追加のセンサ可視性は、組立ラインの一部分の様々な側面に関するセンサ情報の多数のリアルタイムストリームを提供します。遠隔人間オペレータは、様々なデータ収集システムのセンシングモードを再配置したり、変更したりすることができる。別の実施形態では、遠隔機械学習システムは、複数のセンシングシステムを操作して、故障していることが検出された組立ラインの領域を拡大して追加データを取得する。反復的な試行とフィードバックを経て、機械学習システムは、1つ以上の故障モードが肯定的に診断されるまで、異なる位置にある異なるセンサを用いて異なる信号をテストするためにデータ収集システムを操作する。その後、機械学習システムは、さらなる損傷から価値の損失を防ぐために組立ラインのそのセクションを無効にし、診断された故障が何であったかを現場のオペレータに伝え、納品のために正しい部品を自動的に注文し、修理システムでトラブルチケットを作成し、その場所に行って故障を修理するためにサービス技術者を自動的に呼び出し、予測される合計ダウンタイムを推定し、システムが再び生産する時期に基づいて修正されたスループットで会計システムを自動的に更新するなどの適切なアクションを取ります。
図160は、輸送用の自動車やトラックなどの車両や、建設や農業で使用するトラクターなどの産業車両などの車両11812の駆動系11810およびシャーシの一部を示している。エンジン11814、トランスミッション11818、プロペラシャフト11820、リアディファレンシャルギヤボックス11822、車軸、およびホイールエンドから構成されている。本明細書に開示された様々なセンサドローンは、車両11812を感知し、監視し、分析し、再監視することができる。センサドローン11830は、そのデータ記録中に空中にいてもよい。センサドローン11840は、組立工程全体の間、または工程内の特定のステーションで車両に接続されていてもよい。図163は、タービン11900の一部を示す。本明細書に開示された様々なセンサドローンは、タービン11900を感知し、監視し、分析し、再監視することができる。センサードローン11830は、そのデータ記録の間、空中にいてもよい。センサドローン11840は、組立プロセス全体の間、またはプロセス中の特定のステーションで車両に接続されていてもよい。これらの様々な構成要素は金属製であり、そのデューティサイクルおよび作業出力範囲外での過剰使用および過少使用による摩耗および損傷を受ける。この装置を作動させ、これらの様々な構成要素を適切な順序で維持するために、多数のセンサが装置および様々な構成要素の至る所に配置されている。従来、トランスミッションのような最もアクティブな要素は、装置を正しく作動させ、フィードバックを提供するために使用される多数のセンサを含むが、必ずしも装置の健全性または故障モードを診断または監視するために使用されるわけではない。これらのセンサには、スロットル位置センサ、マスエアフローセンサ、ブレーキセンサ、各種圧力および温度、および液面センサが含まれる。これらの同じセンサは、多数の他の追加センサとともに、運転のためだけでなく、装置のメンテナンスおよび診断のために使用することができる。恒久的に設置され、全体に分散され得る追加のセンサは、固体センサのような潤滑油汚染化学センサ、ギア位置センサ、圧力センサ、流体漏れセンサ、回転センサ、ベアリングセンサ、ホイールトレッドセンサ、視覚センサ、オーディオセンサ、および本明細書に記載された多数の他のセンサを含む。
図161は、金属に取り付けられ、運動中または静止中の車両の分析を実行するために使用することができる、磁気的に駆動されるマイクロ、移動可能な取り付け可能なドローンセンサシステム11840を示している。これは、マッチ箱よりも小さいサイズにすることができる小さな長方形または正方形の移動式センサユニットで構成されている。多数の車輪、キャスター、ボールベアリングを備え、永久磁石または電磁石を使用して金属に取り付けます。リアディファレンシャルやドライブ、プロペラシャフトなどの曲面に容易に嵌合するように湾曲させることができます。
図162は、移動式センサシステムの拡大図であり、その車輪と、超音波センサ、化学センサ、磁気センサ、および視覚(カメラ)センサの4つのセンサを示している。このシステムは、交通機関や産業車両の足回りなどの故障モード検出のための対象領域の周りや全体を移動する。センサーは包括的なデータをキャプチャし、車両の表面と足回り全体をカバーすることができ、錆びた部品、化学変化、流体漏れ、潤滑油漏れ、異物混入、酸、土や汚れ、破損したシールなどの故障を検出することができます。センサーシステムは、データの取り込みを容易にし、データが完全に記録されていることを保証するために、ネットワークインターフェースを介して、この情報を別のセンサー、車両自体のコンピュータ、またはリモートシステムに報告します。このシステムはまた、車両のメンテナンス状態を判断するために、ベースラインの測定値を後の測定値と比較できるように、定期的に車両の同じまたは類似の範囲を実行している。これは故障モードの検出に使用されるだけでなく、保険、減価償却、メンテナンスのスケジューリング、監視の目的で車両のイメージを作成するために使用することもできます。
実施形態では、移動可能な取り付けドローンセンサ11840は、車両の一部に取り外し可能に取り付けられ、車両の足回りを自由に移動することができる。また、図157の移動式ロボットセンサシステムによるセンシングモジュールとしてそこに配置することができ、その後、センシングタスクを完了したときに回収することができる。
実施形態では、移動式装着センサ11840は、流体中を移動することができる水泳装置の形態をとってもよいし、化学的に接着されたポッドまたは磁気または真空接着されたポッドまたは足を有するマルチペダルユニットの形態をとってもよく、これにより、感知されるべき対象の表面上で自由に移動することを可能にする。
実施形態では、図157に示すモジュール式センサは、ドローン、マルチペダルまたは車輪付きの産業用測定ロボット、または自走式の浮遊式、上昇式、水泳式、または磁気的に這うマイクロデータ収集システムなどの移動式または携帯式センサに取り外し可能にまたは恒久的に統合することができる。いずれのセンサーも、同じターゲット上の異なる位置から複数の測定を行い、ターゲットの健康状態や状態の全体像を把握することができます。
様々なドローン、移動プラットフォーム、ロボットなどに配備されたセンサは、多数の形態をとってもよい。例えば、ローラベアリングセンサのセットは、ローラベアリング自体の中に統合されていてもよく、ローラベアリングの動きから生じるエネルギーを利用して、速度、単位時間当たりの回転数、および時間の経過に伴うベアリングの円滑な回転における軽微な摂動を示すアナログデータなどのローラベアリングの状態をデータ回路に伝達するためのデータ信号を生成するのに十分な誘導力を発生させることができる。変形センサは、パッシブ(視覚、赤外線)またはアクティブスキャン(ライダ、ソナー)システムの形態をとることができ、ターゲットからのデータをキャプチャし、変化を検出するためにコンポーネントの形状または配向に関する過去のデータと比較します。カメラセンサは、ターゲットに投射された、またはターゲットによって反射された連続的な可視光および不可視光の情報をキャプチャするためにレンズで構成されている。紫外線センサも同様に、ターゲットとその周囲に関する連続的で静止したフレーム情報をキャプチャすることができます。赤外線センサは、ターゲットからの光と熱の放出データをキャプチャすることができます。指向性マイクロホンやオムニチャネルマイクロホンなどのオーディオセンサは、対象物やその環境から発せられる音波データの周波数や振幅を測定することができ、このデータを経時的に比較することで、対象物から発せられる音の振幅や品質が予め設定されたレベルや過去のレベルを超えたり、変化したりした場合に異常を検出することができます。振動センサも同様に、極低周波の音だけでなく、ターゲットの物理的な摂動やリズムを経時的に捉えることができます。粘度センサは、システムや車両の潤滑システムにインラインで設置することもできますし、可動式で、対象物の潤滑材料の連続的または瞬間的な粘度をその場で測定して評価することもできます。化学センサは、どのような分析物(ターゲット化学物質)を検出するかで大きく変化することができ、車両や固定機械の場合には、ターゲットの多くの状態を捕捉して認識することができる可変の受容体で構成することができます。錆センサや過熱センサのような特定のターゲットセンサは、装置、金属構造、または化学潤滑剤のようなターゲットが時間の経過とともに化学的に変化し始めたときに感知することができます。これらの化学センサは、多目的または単目的に使用することができ、車両のフレームやシャーシ、または組立ラインの固定部分や可動部分などの構造物内に組み込むことができます。これらの化学センサは、エンジンまたはロボット機械の機械的動機を提供するコンポーネントに組み込むことができる。これらの化学センサは、ターゲットを測定するために展開されるポータブル自走式データ収集システムに取り付けることができる。活性化されると、これらの化学センサは、ターゲットと接触したり、ターゲットからサンプルを採取したりして化学分析を行い、その結果の状態をデータ回路に報告します。固体化学センサは、固体化学物質のサンプル(気体や液体のサンプルではなく)を採取し、サンプル中の複数の化学物質を検出することで、特定の化学物質の存在や組成を判定することができます。pHセンサは、ターゲットの酸性度のレベルを検出するために使用することができ、ターゲットの環境、ターゲットを取り囲む流体状態、またはターゲット内の冷却剤または潤滑剤のような作動流体の状態における特定の変化を決定するために使用することができ、同様に、流体、気体化学センサは、これらのターゲット上で追加の成分および存在の検出を実行する。潤滑剤センサは、十分な潤滑剤がまだ存在しているかどうかの指標として(擦れまたは導電性または硬質部品間の距離の欠如を検出することによって)単純なものであってもよいし、化学的、圧力、視覚、嗅覚、または振動フィードバック試験(ターゲットを振動させ、応答を測定する)の組み合わせを使用して、ターゲット内の潤滑剤の瞬間的または連続的な存在または量を判定することもできる。汚染物質センサは、部品の摩耗により金属粒子で汚染された潤滑油や、空気圧システムのような潤滑油または作動流体がシールの破損により汚染された場合など、ターゲットの表面、物質または流体内容物に添加された異物または損傷した要素の存在を調べることができます。粒子センサーは、流体内またはターゲット上の特定のタイプの粒子の存在を検出することができます。重量センサまたは質量センサは、コンポーネントの連続的または変化する重量を決定することができ、大型機械の重量を計量するための計量装置のような粗いスケールから、損傷や摩耗、蒸発、昇華などにより時間の経過とともに質量を失う可能性のあるターゲットの重量の連続的かつ瞬間的な変化を決定する統合MEMSスケールまでのスケールにすることができます。回転センサは、ターゲットの回転の周期的な加速度、速度、および周波数を検出するために、光学的、音声ベース、または多数の他の技術を使用することができる。温度センサは、一般的な領域の粗い環境温度だけでなく、微細な環境温度、ターゲットコンポーネントの領域の正確な温度を測定するように構成することができ、エンジン、ロボットシステム、または任意の静止したまたは移動するコンポーネント全体に配置することができる。また、温度センサは、ターゲットコンポーネント、表面、材料、またはシステムが正しい温度範囲で動作しているかどうかを判断するために、ターゲットコンポーネント、表面、材料、またはシステムの定期的またはその場限りの測定を行うために、移動可能に配置することができる。位置センサは、中断された視覚的な反射のような単純なものから、連続的なビデオ上で画像認識アルゴリズムが実行される視覚システム、様々な可動要素の位置を正確にまたは粗く持続的に検出する磁気的または機械的なスイッチシステムまで、様々なものがある。超音波センサは、ターゲットまたはターゲットのグループの方向に超音波エネルギーを投射するか、またはそれらのターゲットによって反射された反射超音波エネルギーを測定することによって、様々な距離、形状、固さ、および向きの測定に使用することができる。超音波センサは、測定に寸法および精度を加え、さらに分析のための領域の2Dまたは3Dアウトラインを生成するために、複数のエミッタおよびレシーバから構成されてもよい。放射線センサは、アルファ線、ベータ線、ガンマ線、またはX線としての形態の放射能の存在を検出することができ、いくつかは、方向性のあるソース、放射線のフィールドおよび領域、および強度を識別することができます。X線レントゲン写真は、ターゲットのそうでなければ不明瞭な物理的特性の視覚的描写を提供するだけでなく、構造、構造変化、および構造的欠陥を積極的に決定することができる。同様に、ガンマ線ラジオグラフは、鋼または他の金属物体のような固体ターゲットを貫通するために使用することができるので、耐荷重および加圧されたターゲットの接合部、溶接部、深さ、粗いエッジ、および厚さなどの物理的特徴の特性を決定することができます。走査トンネル顕微鏡、光子トンネル顕微鏡、走査プローブ顕微鏡を含む高分解能走査技術の様々な形態が存在し、これらの測定装置は小型化されており、これらの測定装置の非破壊形態は、可動ロボットまたはドローン11730を介してのように、測定対象のターゲットに接触させて、ターゲットの構造および特性の非常に高分解能(原子スケール)の測定および分析を行うために使用することができる。変位計は、静電容量効果、機械的測定、またはレーザー測定を用いて実施することができ、可動式ターゲットの位置を測定するために位置計と同様に使用することができ、例えば、着用している物理的ターゲットの「遊び」または経時的に変化する変位を測定するために使用することができる。磁性粒子検査器は、例えば、潤滑油、浸漬型流体容器、冷却剤、または空気圧流体のような流体が、金属部品の崩壊または故障の徴候であり得る強磁性粒子の微量元素を含むかどうかを判定するために使用することができる。紫外粒子検出器は、ガス状のターゲットのような汚染を検出するために使用することができます。静的荷重センサ(静止状態での測定システム)またはビームに沿った押力および引力を磁気的に検出するような軸方向荷重センサのような荷重センサを使用して、車軸または他のトルク伝達チューブまたはシャフト上の力を決定するために使用することができる。加速度センサは、微小なサイズであってもよく、MEMSデバイスとして実装されていてもよく、またはより大きな産業用デバイスとしてパッケージ化されていてもよく、ターゲットについて、またはターゲットに近接して、多次元の加速度および重力データを提供することができ、デバイスが水平であるかどうかを検出するために、または他のデータ収集に加えて、時間の経過とともにターゲットに加えられている力の量を検出するために、例えば有用であり得る。速度センサは、並進、変位、または回転の速度または速度を測定するために使用することができる。回転センサは、タイヤ、歯車、アーマチュア、またはジャイロのような回転要素の速度、周期、周波数、均等または不均等な動きを測定するために使用することができる。湿度検知装置は、対象物またはその環境の液体、結露またはH2Oの含有量を検知することができる。湿度センサは、ターゲットの近傍の大気中の水蒸気の程度を測定することができる。電流計、電圧計、磁束計、電界検出器は、対象物またはその近傍の電磁効果、電界およびレベル、または対象物の電子的または磁気的発光、または対象物に蓄積された電位エネルギーを測定するために使用することができる。ギアボックスセンサは、ロボットまたは組立ライン環境での動力の一般的な変換のための産業用ギアボックスの多数の属性、および車両のトランスミッションおよびディファレンシャルを含む多数の複雑な車両ギアアセンブリを測定することができる。測定は、すべての内部歯車の正確な位置、歯車要素および歯の摩耗の状態、様々な化学薬品、温度、圧力、汚染、クーラントレベル、流体レベル、真空レベル、シールレベル、ねじり、トルク、力、せん断応力、サイクルカウント、歯のギャップ、摩耗、および他の変化する物理的属性を含むことができます。歯車摩耗センサおよび「歯の減衰」センサは、歯車が摩耗したか、または歯車の歯が欠けたり、割れたり、剥がれ落ちたり、または元の状態から減少した程度を具体的に測定して伝えることができ、これは、視覚または他の発光信号センサ、オーディオセンサ(歯の衝撃の変化に基づいて音波品質の変化を測定する)、レーザセンサ(各歯車経路を横切る精密なビームの周期的な中断を測定する)、動力伝達測定(トルクまたは力の測定を介して、ある歯車から次の歯車への動力の損失を測定する)、および他の多数の技術を介して達成することができます。トランスミッション入力速度センサは、トランスミッションに入るシャフトの回転速度を測定し、時間に対してプロットされた回転位置センサでこれを行うことができる。トランスミッション出力速度センサは、トランスミッションから動力を送り出すシャフトの回転速度を測定します。マニホールドエアフローセンサまたはマスエアフローセンサは、エンジンの空気密度または吸気流量を測定し、エンジン負荷、トルク、または出力を決定するために使用することができます。他のタイプのエンジン負荷センサは、出力された車軸速度と期待される車軸速度を測定したり、生産された仕事を測定したりすることで、エンジンからどのくらいのパワーまたはトルクが出力されているかを判断するために使用することができます。スロットル位置センサは、エンジンに入る燃料および空気の量を調節するエンジンスロットルの位置を測定し、ホール効果検出、誘導性、機械的位置検出、磁気抵抗検出、および他の技術などの様々な技術を使用して測定することができます。クーラント温度センサは、液体または気体で冷却されたターゲットシステム内の様々な位置で、時間的または瞬間的にクーラント温度を測定する。速度センサは、回
転運動または並進運動中の経路または可動部上の車両全体の回転速度または直線速度を測定することができる。ブレーキセンサは、車両またはロボットのブレーキシステムの様々な側面を測定することができ、ブレーキ作動スイッチ(車両用ブレーキペダルなど)が押されている度合い、またはブレーキが作動している度合い、またはブレーキが運動システムと摩擦または他の速度抑制接触をしている度合いを測定することができます。流体温度センサは、気体、加圧、潤滑、冷却、燃料、または輸送物質のような任意の流体の温度を測定することができ、流体の本体全体の単一の位置または様々な位置で測定することができ、そのような測定は、一体化された接触センサ、容器の周囲に分散された接触センサ、または赤外線センシングのような能動的または受動的な測定、またはレーザ温度計のような、流体の一部に印加されたエネルギーの効果と反射または測定された効果を測定することによって達成することができる。発光温度計ツールは、測定されるべき三次元流体チャンバの様々な部分に向けられることができる。工具負荷センサは、工具から送出される力の量、およびその装置の予想されるアンロードされた力に対する可動部分の抵抗を決定するために使用することができる。ベアリングセンサは、ベアリングの一部または全体または周期的な間隔で力を測定することができ、それにより、システムは、これらの力の経時的な変化を測定するだけでなく、位置、寿命、回転数、平均速度の変化、音の変化、振動の変化、化学変化、色の変化、表面の変化、汚染の変化、およびベアリングの経時的な変化およびその潜在的な性能に関連する他の多数の属性のような機械的ベアリングの他の側面を測定することができます。静止カウンタは、可動ターゲットがいつ、どれくらいの頻度で、どれくらいの時間、どれくらいの速さで静止しているかを測定することができ、可動ターゲットが静止している内部位置(回転または可動要素のように)または相対位置(他の装置とインターフェースする装置のように)を測定することができ、特に、その特定の位置に座ることによって、装置が故障または不要な物理的非対称性を発生させる可能性のある位置を示すことができます。油圧ポンプまたはパワーユニットセンサは、動力を供給する油圧作動油内の圧力を感知することができ、また、非線形性または他の特定の信号に基づいて、油圧作動油が老朽化しているか、劣化しているか、汚染されているか、酸素が含まれているか、または他の方法で障害が発生していることを検出するのに役立ちます。油圧ポンプおよびパワーユニットのセンサは、使用期間、変位、現在位置、デューティサイクルからの乖離、運動範囲の変化または運動の速度曲線の経時変化、抵抗、流体エンクロージャの流体温度および化学状態、エンクロージャの完全性、およびポンプの他の本質的な側面を含む、ポンプまたはパワーユニットの他の側面を感知することもできます。酸素センサは、環境またはターゲット容器内の酸素の存在、量、または密度を感知することができます。ガスセンサは、消耗可能な化学試薬または固体化学センサのいずれかを使用して、特定のタイプのガス組成物を検出することができ、環境またはターゲット容器内の特定のガスまたはガスの組み合わせの存在、量または密度を検出することができる。オイルセンサは、対象領域または容器内のオイルの存在、その粘度、汚染のレベル、および圧力を検出することができる。化学分析センサは、サンプルを分析し、単一の化学分子または元素の存在、またはサンプルの組成、およびサンプルを構成する特定の複数の化学物質およびそれらの相対量を決定するために、消耗品または永久的なセンサを使用することができる。化学分析センサーは、スペクトル分析、光への暴露、消耗品テストストリップとの組み合わせ、固体化学センサー、および他の技術を含む様々な技術を使用して、ターゲットの化学的構成を確立します。圧力検出器は、環境中の圧力(大気圧など)を検出することができ、または、タイヤステムを有する膨張可能な物体またはタイヤ、空気圧装置、または冷媒ユニットなどのガス充填装置などのような開閉可能なシャフトに可動的に連結することができ、そこにある圧力を測定することができる。圧力検出器はまた、圧縮チャンバまたは真空チャンバ内に恒久的に設置することができ、有線または無線チャネルを介してその測定値を通信することができる。真空検出器は、内部の圧力の相対的な状態のレベルを測定することができ、また、チャンバ内に所定のレベルの真空が存在するかどうかを単に示す結果を生成することができる。密度計は、1つまたは複数の形態の光を試料に投影して吸収を測定することにより、試料の光学密度、例えば暗さの度合いを測定することができます。トルクセンサは、磁気弾性センシング、ひずみゲージ、表面弾性波などの技術を使用して、回転要素の動的または静的トルクを測定することができます。エンジンセンサは、車両または他の発電エンジンにおける圧力、温度、相対位置、速度、加速度、流体力学、動力伝達、および他の多数の状態を含むエンジンの多数の側面を測定することができる。排気センサおよび排気ガスセンサは、相対的な化学組成、特定の化学物質の存在、圧力、速度、特定の粒子の量、粒子数、および特定の汚染物質の量などの属性について、排気システムの出力を測定することができる。排気センサは、排気が出る1つ以上のパイプまたはチャネル内に配置することができ、排気を分析する触媒センサ、光学センサ、機械的センサおよび化学的センサを含む多数の異なるセンサで構成することができる。クランクシャフトセンサまたはクランクシャフト位置センサは、光学的、磁気的、電気的、電気機械的、または他の技術を使用して、クランクシャフトのリアルタイム速度またはレシプロモータ内のピストンの特定の位置を含む他の構成要素に対するその位置を確立して報告することができる。カムシャフト位置センサは、光学的、磁気的、電気的、電気機械的、または他の技術を使用してカムシャフトの位置を確立することができ、この情報をフィードバックループで点火および燃料供給システムにフィードバックすることができるだけでなく、分析のために外部システムに情報を提供することができます。静電容量式圧力センサーは、静電容量性電気効果を利用してターゲットチャンバー内の圧力を測定します。圧電抵抗センサは、負荷がかかる表面やデバイスのひずみや歪みを測定するために使用できます。ワイヤレスセンサは、ワイヤレス接続を介して感知した情報を提供するさまざまな感知ユニットを幅広く包含することができます。無線圧力センサは、圧力センシングを実行し、無線接続を介して結果を提供します。燃料センサは、タンク内の燃料のレベルを決定するために、圧力、光学的センシング、フロートを使用した機械的センシング、重量、または変位センシングを使用することができ、他のタイプの燃料センサは、燃料がチャネルを通過するとき、またはチャンバに入るときに燃料の流れを感知することができます。ジャイロセンサは、角速度または回転速度を測定することができ、物理的な安定化およびモーションセンシングに有用な信号を生成することができる。機械的位置センサは、機械的、光学的、磁気的、電気的、または他のセンシング技術を使用して、物理的な変位、角変位、相対的な位置または姿勢を測定する。MEMS(Micro-electrical-mechanical)は、測定される対象物に組み込まれるか、または移動式センシング装置に組み込まれることができる微細加工されたセンサであり、MEMSセンサは、圧力センサ、磁場センシング、加速度センサ、流体量センサ、顕微鏡センサ、センシング用マイクロミラーステアリング装置、超音波トランスデューサ、およびセンサデータの伝送に電力を供給するために使用することができるエネルギーを収穫するMEMS装置を含む様々なセンシング装置を包含する。インジェクタセンサは、燃料噴射量、速度、または燃料噴射のタイミングなどの燃料供給の特性を感知することができる。NOxセンサは、排気システムなどの汚染物質である窒素酸化物を検出します。可変バルブタイミングセンサは、燃料効率および性能最適化のための可変バルブ制御を備えたエンジンにおけるバルブリフトのタイミングを検証し、制御するのに役立つように、フィードバックシステムで使用することができる。タンク圧力センサは、ガソリンやディーゼル燃料タンクのガスキャップがないことによる蒸発漏れを検出することができ、加圧タンクなどの他のタンク用途では、気体タンクの満タン状態を検出することができます。燃料流量センサは、特殊な流体流量センサであり、いずれも、水または燃料、またはパイプまたは煙道内のガスなどの単位時間内にある領域を通過するガスまたは液体の量を測定することができる。油圧センサは、エンジン、トランスミッション、ギアボックス、または他の密閉された潤滑システムの様々な場所に配置することができ、潤滑油の性能および十分性の判定に役立つ。ダンパーセンサまたはスロットル位置センサは、部分弁システムの位置を測定し、吸気、排気および他のフローダンパーまたはスロットルエンジンまたは産業システム内で許容される流れの程度を測定することができる。粒子状物質センサまたは粒子状物質センサは、粒子状物質および塵埃の存在などの特定の空気品質状態を検出することができる。空気温度センサは、エンジン内の空気/燃料混合物を最適化するのに役立つデータを受信するために、エンジンの様々な部分に配置することができる。クーラント温度センサは、あるエリアを通過するクーラントの温度やチャンバ内に貯蔵されているクーラントの温度を検知し、冷却システムが意図した通りに動作しているかどうかを判断するのに役立ちます。シリンダー内圧力センサは、モーターシリンダー内の瞬間的な圧力に関するデータを取得し、エンジンの燃焼を最適化することができます。エンジン速度センサは、光学式または磁気電気式のセンシングを使用してクランクシャフトの回転運動を検出することができます。ノックセンサは、振動センシングを使用してエンジンのデトネーションの大きさとタイミングを測定し、点火時期を調整するために使用することができます。ドライブシャフトセンサは、角速度、動力伝達を含む動力伝達シャフトの多くの側面を測定することができ、ねじり振動センサ、横振動センサ、故障モードにつながる物体の固有振動数での振動を検出する臨界速度振動センサ、Uジョイントまたはボルトの故障モードを検出することができる部品故障振動センサのような様々な振動モードのための特定のセンサを組み込むことができる。角度センサは、基準点を基準とした機械本体の角度位置を測定することができます。パワートレインセンサは、エンジン・トランスミッション・ドライブシャフト・ディファレンシャルホイールシステム全体の様々なセンサを包含する。エンジンセンサは、エンジンによって供給されるパワーのレベルを検出する様々なセンサを含むパワーセンサを含むことができる。エンジンオイルセンサは、油圧、温度、粘度、および流量を感知することができます。荷重センサは、静的な構成で重量やひずみを検出することができます。周波数センサは、様々な周波数を測定したり、信号や入力が特定の周波数を維持していることを肯定的に確認したりすることができます。四輪または全輪駆動車のトランスファーケースセンサは、ギアの位置(ハイまたはロー)を検出することができる。後輪速度センサのような差動センサは、アンチロックブレーキシステムのためのように、後輪の車軸速度を示す。リアディファレンシャル内の他の様々なセンサは、潤滑油の充足、シール、動力伝達、スリップなどの状態を検出することができる。 タイヤ損傷ゲージは、圧力ゲージの特殊な形態であり、バルブステム内のハブまたはリムと一体化されていてもよいし、必要に応じて非一体化されてバルブステムに接続されていてもよい。タイヤ損傷ゲージは、圧力損失、トラクション損失を感知することができ、または他のセンサ技術を使用して、タイヤの様々な属性、例えば、摩耗、引き裂き、禿げ、裂け、パンクなどを判定す
ることができる。タイヤの振動やバランスセンサーは、ホイールがスムーズに回転していないことを感知することができます。ハブとリムの完全性センサは、化学的、電磁的、光学的、または視覚的なセンシングを通じて、ホイールの構造的完全性と安定性を測定し、検出することができます。空気、流体、および潤滑油リークセンサは、経時的な圧力変化、パンクの視覚的検出、含有容器の外部からのガスまたは液体の放出、または赤外線センシングによるような温度勾配検出を含む様々な手段を介して、空気または流体の損失を検出することができる。潤滑油漏れセンサはまた、摩耗によるノイズの増加、部品間の距離および接触の微細な測定、振動、およびシステム内のバランスを崩した動きを介して潤滑油の損失を検出することができる。
転運動または並進運動中の経路または可動部上の車両全体の回転速度または直線速度を測定することができる。ブレーキセンサは、車両またはロボットのブレーキシステムの様々な側面を測定することができ、ブレーキ作動スイッチ(車両用ブレーキペダルなど)が押されている度合い、またはブレーキが作動している度合い、またはブレーキが運動システムと摩擦または他の速度抑制接触をしている度合いを測定することができます。流体温度センサは、気体、加圧、潤滑、冷却、燃料、または輸送物質のような任意の流体の温度を測定することができ、流体の本体全体の単一の位置または様々な位置で測定することができ、そのような測定は、一体化された接触センサ、容器の周囲に分散された接触センサ、または赤外線センシングのような能動的または受動的な測定、またはレーザ温度計のような、流体の一部に印加されたエネルギーの効果と反射または測定された効果を測定することによって達成することができる。発光温度計ツールは、測定されるべき三次元流体チャンバの様々な部分に向けられることができる。工具負荷センサは、工具から送出される力の量、およびその装置の予想されるアンロードされた力に対する可動部分の抵抗を決定するために使用することができる。ベアリングセンサは、ベアリングの一部または全体または周期的な間隔で力を測定することができ、それにより、システムは、これらの力の経時的な変化を測定するだけでなく、位置、寿命、回転数、平均速度の変化、音の変化、振動の変化、化学変化、色の変化、表面の変化、汚染の変化、およびベアリングの経時的な変化およびその潜在的な性能に関連する他の多数の属性のような機械的ベアリングの他の側面を測定することができます。静止カウンタは、可動ターゲットがいつ、どれくらいの頻度で、どれくらいの時間、どれくらいの速さで静止しているかを測定することができ、可動ターゲットが静止している内部位置(回転または可動要素のように)または相対位置(他の装置とインターフェースする装置のように)を測定することができ、特に、その特定の位置に座ることによって、装置が故障または不要な物理的非対称性を発生させる可能性のある位置を示すことができます。油圧ポンプまたはパワーユニットセンサは、動力を供給する油圧作動油内の圧力を感知することができ、また、非線形性または他の特定の信号に基づいて、油圧作動油が老朽化しているか、劣化しているか、汚染されているか、酸素が含まれているか、または他の方法で障害が発生していることを検出するのに役立ちます。油圧ポンプおよびパワーユニットのセンサは、使用期間、変位、現在位置、デューティサイクルからの乖離、運動範囲の変化または運動の速度曲線の経時変化、抵抗、流体エンクロージャの流体温度および化学状態、エンクロージャの完全性、およびポンプの他の本質的な側面を含む、ポンプまたはパワーユニットの他の側面を感知することもできます。酸素センサは、環境またはターゲット容器内の酸素の存在、量、または密度を感知することができます。ガスセンサは、消耗可能な化学試薬または固体化学センサのいずれかを使用して、特定のタイプのガス組成物を検出することができ、環境またはターゲット容器内の特定のガスまたはガスの組み合わせの存在、量または密度を検出することができる。オイルセンサは、対象領域または容器内のオイルの存在、その粘度、汚染のレベル、および圧力を検出することができる。化学分析センサは、サンプルを分析し、単一の化学分子または元素の存在、またはサンプルの組成、およびサンプルを構成する特定の複数の化学物質およびそれらの相対量を決定するために、消耗品または永久的なセンサを使用することができる。化学分析センサーは、スペクトル分析、光への暴露、消耗品テストストリップとの組み合わせ、固体化学センサー、および他の技術を含む様々な技術を使用して、ターゲットの化学的構成を確立します。圧力検出器は、環境中の圧力(大気圧など)を検出することができ、または、タイヤステムを有する膨張可能な物体またはタイヤ、空気圧装置、または冷媒ユニットなどのガス充填装置などのような開閉可能なシャフトに可動的に連結することができ、そこにある圧力を測定することができる。圧力検出器はまた、圧縮チャンバまたは真空チャンバ内に恒久的に設置することができ、有線または無線チャネルを介してその測定値を通信することができる。真空検出器は、内部の圧力の相対的な状態のレベルを測定することができ、また、チャンバ内に所定のレベルの真空が存在するかどうかを単に示す結果を生成することができる。密度計は、1つまたは複数の形態の光を試料に投影して吸収を測定することにより、試料の光学密度、例えば暗さの度合いを測定することができます。トルクセンサは、磁気弾性センシング、ひずみゲージ、表面弾性波などの技術を使用して、回転要素の動的または静的トルクを測定することができます。エンジンセンサは、車両または他の発電エンジンにおける圧力、温度、相対位置、速度、加速度、流体力学、動力伝達、および他の多数の状態を含むエンジンの多数の側面を測定することができる。排気センサおよび排気ガスセンサは、相対的な化学組成、特定の化学物質の存在、圧力、速度、特定の粒子の量、粒子数、および特定の汚染物質の量などの属性について、排気システムの出力を測定することができる。排気センサは、排気が出る1つ以上のパイプまたはチャネル内に配置することができ、排気を分析する触媒センサ、光学センサ、機械的センサおよび化学的センサを含む多数の異なるセンサで構成することができる。クランクシャフトセンサまたはクランクシャフト位置センサは、光学的、磁気的、電気的、電気機械的、または他の技術を使用して、クランクシャフトのリアルタイム速度またはレシプロモータ内のピストンの特定の位置を含む他の構成要素に対するその位置を確立して報告することができる。カムシャフト位置センサは、光学的、磁気的、電気的、電気機械的、または他の技術を使用してカムシャフトの位置を確立することができ、この情報をフィードバックループで点火および燃料供給システムにフィードバックすることができるだけでなく、分析のために外部システムに情報を提供することができます。静電容量式圧力センサーは、静電容量性電気効果を利用してターゲットチャンバー内の圧力を測定します。圧電抵抗センサは、負荷がかかる表面やデバイスのひずみや歪みを測定するために使用できます。ワイヤレスセンサは、ワイヤレス接続を介して感知した情報を提供するさまざまな感知ユニットを幅広く包含することができます。無線圧力センサは、圧力センシングを実行し、無線接続を介して結果を提供します。燃料センサは、タンク内の燃料のレベルを決定するために、圧力、光学的センシング、フロートを使用した機械的センシング、重量、または変位センシングを使用することができ、他のタイプの燃料センサは、燃料がチャネルを通過するとき、またはチャンバに入るときに燃料の流れを感知することができます。ジャイロセンサは、角速度または回転速度を測定することができ、物理的な安定化およびモーションセンシングに有用な信号を生成することができる。機械的位置センサは、機械的、光学的、磁気的、電気的、または他のセンシング技術を使用して、物理的な変位、角変位、相対的な位置または姿勢を測定する。MEMS(Micro-electrical-mechanical)は、測定される対象物に組み込まれるか、または移動式センシング装置に組み込まれることができる微細加工されたセンサであり、MEMSセンサは、圧力センサ、磁場センシング、加速度センサ、流体量センサ、顕微鏡センサ、センシング用マイクロミラーステアリング装置、超音波トランスデューサ、およびセンサデータの伝送に電力を供給するために使用することができるエネルギーを収穫するMEMS装置を含む様々なセンシング装置を包含する。インジェクタセンサは、燃料噴射量、速度、または燃料噴射のタイミングなどの燃料供給の特性を感知することができる。NOxセンサは、排気システムなどの汚染物質である窒素酸化物を検出します。可変バルブタイミングセンサは、燃料効率および性能最適化のための可変バルブ制御を備えたエンジンにおけるバルブリフトのタイミングを検証し、制御するのに役立つように、フィードバックシステムで使用することができる。タンク圧力センサは、ガソリンやディーゼル燃料タンクのガスキャップがないことによる蒸発漏れを検出することができ、加圧タンクなどの他のタンク用途では、気体タンクの満タン状態を検出することができます。燃料流量センサは、特殊な流体流量センサであり、いずれも、水または燃料、またはパイプまたは煙道内のガスなどの単位時間内にある領域を通過するガスまたは液体の量を測定することができる。油圧センサは、エンジン、トランスミッション、ギアボックス、または他の密閉された潤滑システムの様々な場所に配置することができ、潤滑油の性能および十分性の判定に役立つ。ダンパーセンサまたはスロットル位置センサは、部分弁システムの位置を測定し、吸気、排気および他のフローダンパーまたはスロットルエンジンまたは産業システム内で許容される流れの程度を測定することができる。粒子状物質センサまたは粒子状物質センサは、粒子状物質および塵埃の存在などの特定の空気品質状態を検出することができる。空気温度センサは、エンジン内の空気/燃料混合物を最適化するのに役立つデータを受信するために、エンジンの様々な部分に配置することができる。クーラント温度センサは、あるエリアを通過するクーラントの温度やチャンバ内に貯蔵されているクーラントの温度を検知し、冷却システムが意図した通りに動作しているかどうかを判断するのに役立ちます。シリンダー内圧力センサは、モーターシリンダー内の瞬間的な圧力に関するデータを取得し、エンジンの燃焼を最適化することができます。エンジン速度センサは、光学式または磁気電気式のセンシングを使用してクランクシャフトの回転運動を検出することができます。ノックセンサは、振動センシングを使用してエンジンのデトネーションの大きさとタイミングを測定し、点火時期を調整するために使用することができます。ドライブシャフトセンサは、角速度、動力伝達を含む動力伝達シャフトの多くの側面を測定することができ、ねじり振動センサ、横振動センサ、故障モードにつながる物体の固有振動数での振動を検出する臨界速度振動センサ、Uジョイントまたはボルトの故障モードを検出することができる部品故障振動センサのような様々な振動モードのための特定のセンサを組み込むことができる。角度センサは、基準点を基準とした機械本体の角度位置を測定することができます。パワートレインセンサは、エンジン・トランスミッション・ドライブシャフト・ディファレンシャルホイールシステム全体の様々なセンサを包含する。エンジンセンサは、エンジンによって供給されるパワーのレベルを検出する様々なセンサを含むパワーセンサを含むことができる。エンジンオイルセンサは、油圧、温度、粘度、および流量を感知することができます。荷重センサは、静的な構成で重量やひずみを検出することができます。周波数センサは、様々な周波数を測定したり、信号や入力が特定の周波数を維持していることを肯定的に確認したりすることができます。四輪または全輪駆動車のトランスファーケースセンサは、ギアの位置(ハイまたはロー)を検出することができる。後輪速度センサのような差動センサは、アンチロックブレーキシステムのためのように、後輪の車軸速度を示す。リアディファレンシャル内の他の様々なセンサは、潤滑油の充足、シール、動力伝達、スリップなどの状態を検出することができる。 タイヤ損傷ゲージは、圧力ゲージの特殊な形態であり、バルブステム内のハブまたはリムと一体化されていてもよいし、必要に応じて非一体化されてバルブステムに接続されていてもよい。タイヤ損傷ゲージは、圧力損失、トラクション損失を感知することができ、または他のセンサ技術を使用して、タイヤの様々な属性、例えば、摩耗、引き裂き、禿げ、裂け、パンクなどを判定す
ることができる。タイヤの振動やバランスセンサーは、ホイールがスムーズに回転していないことを感知することができます。ハブとリムの完全性センサは、化学的、電磁的、光学的、または視覚的なセンシングを通じて、ホイールの構造的完全性と安定性を測定し、検出することができます。空気、流体、および潤滑油リークセンサは、経時的な圧力変化、パンクの視覚的検出、含有容器の外部からのガスまたは液体の放出、または赤外線センシングによるような温度勾配検出を含む様々な手段を介して、空気または流体の損失を検出することができる。潤滑油漏れセンサはまた、摩耗によるノイズの増加、部品間の距離および接触の微細な測定、振動、およびシステム内のバランスを崩した動きを介して潤滑油の損失を検出することができる。
本明細書に記載されたセンサは、その瞬間的または連続的なセンサデータを多数のデータ伝送技術を介して送達することができ、その中には、伝送を放出するための電力が、感知される運動またはエネルギーによって電力を供給される誘導または機械的な発電機によって提供される低距離無線伝送のような技術も含まれる。センサデータは、任意の実用的なエネルギー放出装置を介して、単一のワイヤまたはさらには体電流伝送プロトコルを介して送達され得る。例えば、強磁性体ブロック内に埋め込まれた圧力センサは、温度の変動を利用してブロック内に微小な磁束を誘導することができ、その磁束は、従来の Wi-Fi ネットワークまたはイーサネット ネットワークを介して通信するセンサによってブロックの別の領域で測定されます。センシングコンポーネントに組み込まれたMEMSデバイスは、ネットワークを介したセンサデータの伝送に電力を供給するために、エネルギーハーベスティングを実行することができます。
実施形態では、産業環境においてデータを捕捉および分析するための自給自足型データ収集ボックスを有する産業環境におけるデータ収集のためのシステムは、複数のセンサ入力を分析するためのデータ回路と、ネットワーク通信インターフェースと、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路と、ネットワーク通信インターフェースを介して受信した命令に基づいて、情報のどの部分が送信されるかを動的に調整するように構成されたデータフィルタ回路とから構成される。実施形態では、データ回路は、錆、マイクロピッティング、マクロピッティング、歯車歯の破損、フレッティング、ケースコア分離、塑性変形、スカッフ、研磨、接着、摩耗、サブケース疲労、エロージョン、腐食、放電、キャビテーション、クラッキング、スコアリング、プロファイルピッティング、およびスポーリングのような、ローラベアリングアセンブリにおける疲労または摩耗の故障モードを示すデータを分析するように構成されている。
実施形態では、データ回路は、マイクロピッティング、マクロピッティング、歯車の歯の摩耗、歯の破損、スポーリング、フレッティング、ケースコアの分離、塑性変形、スカッフ、研磨、接着、摩耗、サブケースの疲労、エロージョン、放電、キャビテーション、錆、腐食、およびクラッキングのような歯車箱の疲労または摩耗の故障モードを示すデータを分析するように構成されている。
実施形態では、データ回路は、流体曝気、過熱、過圧、潤滑膜損失、減圧、シャフト故障、真空シール故障、大粒子汚染、小粒子汚染、錆、腐食、キャビテーション、シャフトかじり、焼付き、ブッシング摩耗、チャネルシール損失、およびインプロージョンのような油圧ポンプの疲労または摩耗故障モードを示すデータを分析するように構成されている。
実施形態では、データ回路は、不均衡、ガスケット故障、カムシャフト、スプリング破損、バルブ破損、バルブスカッフ、バルブリーク、クラッチスリップ、ギア干渉、ベルトスリップ、ベルト歯の破損、ベルト破損、ギア歯の故障、オイルシールの故障、アフタークーラー、インタークーラー、またはラジエーターの故障、ロッドの故障、センサーの故障、クランクシャフトの故障、ベアリングの焼き付きなどのエンジンの疲労または摩耗の故障モードを示すデータを分析するように構成されている。低回転時の過負荷、クランキング、フルストップ、高回転時の過負荷、オーバースピード、ピストンの崩壊、衝撃過負荷、トルク過負荷、表面疲労、臨界速度の失敗、溶接の失敗およびマイクロピッティング、マクロピッティング、歯車の歯の破損、フレッティング、ケースコアの分離、塑性変形、スカッフ、研磨、接着、摩耗、サブケースの疲労、錆、腐食、腐食、放電、キャビテーション、クラック、スコアリング、輪郭のピッティングおよびスポーリングを含む材料の失敗。
実施形態では、データ回路は、不均衡、ガスケットの故障、スプリングの破損、潤滑シールの故障、センサーの故障、ベアリングの焼き付き、衝撃過負荷、表面疲労、溶接の故障など、車両のシャーシ、ボディまたはフレームにおける疲労または摩耗の故障モードを示すデータを分析するように構成されている。スプリングの故障、ストラットの故障、コントロールアームの故障、キングピンの故障、タイロッドとエンドの故障、ピニオンベアリングの故障、ピニオンギアの故障、およびマイクロピッティング、マクロピッティング、フレッティング、錆、浸食、腐食、放電、キャビテーション、クラック、スコアリング、プロファイルピッティングとスポーリングを含む材料の故障。
実施形態では、データ回路は、パワートレイン、プロペラシャフト、ドライブシャフト、ファイナルドライブ、またはホイールエンドにおける疲労または摩耗の故障モードを示すデータを分析するように構成されており、例えば、アンバランス、ガスケットの故障、カムシャフトの故障、ギアボックスの故障、スプリングの破損、バルブの破損、バルブのスカッフ、ベルトの歯の破損、ベルトの破損、ギアの歯の故障、オイルシールの故障、ロッドの故障などが挙げられる。センサーの失敗、クランクシャフトの失敗、軸受け焼付き、低回転数の積み過ぎ、クランキング、フルストップ、高回転数、オーバースピード、ピストン崩壊、衝撃の積み過ぎ、トルクの積み過ぎ、表面の疲労、臨界速度の失敗、ヨークの損傷、溶接の失敗、U-joint の失敗、CV の接合箇所の失敗、差動の失敗、アクスル シャフトの失敗、ばねの失敗、ストラットの失敗、コントロール アームの失敗、キングピンの失敗、タイロッド及び端の失敗、ピニオン軸受け失敗、リング ギヤの失敗、ピニオン ギヤの失敗、スパイダー ギヤの失敗、車輪の軸受け失敗およびマイクロピッティング、macropitting、ギヤ歯の破損、fretting、ケース コアの分離、プラスチック変形、スカッフ、磨くこと、付着、摩耗、サブケースの疲労、錆、腐食、腐食、放電、キャビテーション、割れ、スコアリング、プロフィールの穴あけおよびスポーリングを含む物質的な失敗。
実施形態では、センサ入力は、ローラベアリングセンサ、変形センサ、カメラ、紫外線センサ、赤外線センサ、オーディオセンサ、振動センサ、粘度センサ、化学センサ、汚染物質センサ、微粒子センサ、重量センサ、回転センサ、温度センサ、位置センサ、超音波センサ、固体化学センサ、pHセンサ、流体化学センサ、潤滑剤センサ、放射線センサ、X線ラジオグラフ、ガンマ線ラジオグラフ、走査型トンネル顕微鏡、光子トンネル顕微鏡、走査型プローブ顕微鏡、レーザ変位計であってもよい。磁性粒子検査装置、紫外線粒子検出器、荷重センサ、静荷重センサ、軸荷重センサ、加速度センサ、速度センサ、回転センサ、水分、湿度、電流計、電圧計、フラックスメータ、電界検出器、ギアボックスセンサ、ギア摩耗センサ、歯減りセンサ、回転センサ、トランスミッション入力センサ、トランスミッション出力センサ、マニホールドエアフローセンサ(エンジン負荷を決定し、ギアボックスに影響を与える)、エンジン負荷センサ、スロットルポジションセンサ、クーラント温度センサ、車速センサ、ブレーキセンサ、エンジン負荷センサ、スロットルポジションセンサ、クーラント温度センサ、車速センサ、ブレーキセンサ流体温度センサ、工具負荷センサ、ベアリングセンサ、静止カウンタ、油圧ポンプセンサ、酸素センサ、ガスセンサ、オイルセンサ、化学分析、圧力検出器、真空検出器、デンシトメータ、トルクセンサ、エンジンセンサ、排気センサ、排気ガスセンサ、クランクシャフト位置センサ、カムシャフト位置センサ、静電容量式圧力センサ、ピエゾ抵抗センサ、ワイヤレスセンサ、ワイヤレス圧力センサ、化学センサ、酸素センサ、燃料センサ、ジャイロセンサ、機械的位置センサ、加速度センサ、memsセンサ、デジタルセンサ。マスエアフローセンサ、マニホールド絶対圧センサ、スロットルコントロールセンサ、インジェクタセンサ、NOxセンサ、可変バルブタイミングセンサ、タンク圧力センサ、燃料レベルセンサ、燃料流量センサ、フルードフローセンサ、ダンパセンサ、トルクセンサ、微粒子センサ、エアフローメータ、空気温度センサ、冷却水温度センサ、気筒内圧力センサ、エンジン回転数センサ、ノックセンサ、ドライブシャフトセンサ、角度センサ、横振動センサ、ねじり振動センサ、臨界速度振動センサ、パワートレインセンサ、エンジンセンサ。パワーセンサー、油圧センサー、油温センサー、油粘度センサー、オイルフローセンサー、荷重センサー(構造解析)、振動センサー、周波数センサー、オーディオセンサー、トランスファーケースセンサー、ディファレンシャルセンサー、タイヤプレッシャーゲージ、タイヤダメージゲージ、タイヤ振動センサー、ハブ&リムインテグリティセンサー、エアリークセンサー、フルードリークセンサー、潤滑油リークセンサー。
実施形態では、センサ入力は、さらに、マイクロフォンまたは振動センサで構成され、可動または回転部品の振動またはオーディオ周波数の状態を検出するように構成されている(例えば、ヒューリング、ハウリング、うなり声、鳴き声、ゴロゴロ、ポンコツ、ガタゴロゴ、ホイールホッピング、およびチャタリング)。
実施形態では、データ回路は、マイクロピッティング、マクロピッティング、ギア歯の摩耗、歯の破損、スポーリング、フレッティング、ケースコアの分離、塑性変形、スカッフ、研磨、接着、摩耗、サブケースの疲労、エロージョン、放電、キャビテーション、腐食、およびクラッキングのような、生産ラインのギアボックスの疲労または摩耗の故障モードを示すデータを分析するように構成されている。
実施形態では、データ回路は、水分の浸透、汚染、マイクロピッティング、マクロピッティング、歯車の歯の摩耗、歯の破損、スポーリング、フレッティング、ケースコアの分離、プラスチック変形、スカッフ、研磨、接着、摩耗、サブケースの疲労、錆、エロージョン、放電、キャビテーション、腐食、およびクラッキングのような生産ラインの振動子の疲労または摩耗の故障モードを示すデータを分析するように構成されている。
実施形態では、分析は、受信したデータの異常を検出することを含む。実施形態では、データフィルタ回路は、情報のダイジェストを作成するための保存された手順を実行する。実施形態では、システムは、ユーザが設定可能な時間期間の後に、情報のダイジェストの基礎となるデータを破棄する。
実施形態では、分析は、保存するデータを決定すること、送信するデータを決定すること、要約するデータを決定すること、破棄するデータを決定すること、または受信したデータの正確性を決定することを含む。
実施形態では、システムは、複数の他の同様に構成されたシステムと通信し、システムによって使用されるストレージの量が閾値を超えたときに情報を保存するように構成されている。
実施形態では、システムは、仮想マシンを使用して、ネットワーク通信インターフェースを介して受信した命令を実行するように構成されている。
実施形態では、システムはさらに、ネットワークインターフェースを介して受信した命令を復号化して実行するためのデジタル署名されたコード実行環境を構成する。
実施形態では、システムはさらに、暗号化されて保護された複数の異なるメモリセグメントから構成されている。
実施形態では、メモリセグメントの少なくとも1つは、公開鍵-秘密鍵管理システムを介して、格納されたデータとの公開相互作用のために利用可能にされる。
実施形態では、システムはさらに、信号をアナログ/デジタル変換器への入力に適した形に変換するためのコンディショニング回路から構成されている。
実施形態では、工業環境におけるデータ収集のためのシステムは、工業プロセスにおけるデータを捕捉して分析するための自己完結型のデータ収集ボックスを有する、工業環境におけるデータ収集のためのシステムであって、複数のセンサ入力を分析するためのデータ回路と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路と、記憶装置とからなり、ここで、データ回路は、センサ入力を連続的に監視して埋め込みデータキューブに格納し、データ収集ボックスは、過去のデータの統計分析に基づいて送信すべき情報を動的に決定する。
実施形態では、システムはさらに、複数のネットワーク通信インターフェースを構成する。実施形態では、ネットワーク制御回路は、複数のネットワーク通信インタフェースを使用して、あるネットワークから別のネットワークへ、別の同様に構成されたシステムをブリッジする。実施形態では、分析はさらに、情報の異常を検出することを含む。実施形態では、データ回路は、情報のダイジェストを作成するために格納されたプロシージャを実行する。実施形態では、データ回路は、ダイジェストデータをあるクライアントに供給し、ダイジェストデータ以外のデータを別のクライアントに同時に供給する。実施形態では、データ回路は、履歴異常のダイジェストを格納し、情報の少なくとも一部を破棄する。実施形態では、データ回路は、組み込みデータ・キューブへのクライアント・クエリ・アクセスをリアルタイムで提供する。実施形態では、データ回路は、SQL クエリの形式でクライアント要求をサポートします。実施形態では、データ回路は、OLAP クエリの形式でクライアント要求をサポートします。実施形態では、システムはさらに、アナログ/デジタル変換器への入力に適した形式に信号を変換するための条件付け回路を構成している。
実施形態では、工業プロセスにおけるデータを捕捉および分析するための自己完結型データ収集ボックスを有する工業環境におけるデータ収集のためのシステムは、複数のセンサ入力を分析するためのデータ回路と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路とから構成され、システムは、複数の他の同様に構成されたシステムにセンサデータを提供するように構成され、システムは、他の同様に構成されたシステムの利用可能性に基づいて、データを送信する場所および送信する量を動的に再構成する。
実施形態では、システムはさらに、複数のネットワーク通信インターフェースを構成する。実施形態では、ネットワーク制御回路は、複数のネットワーク通信インタフェースを使用して、あるネットワークから別のネットワークへ、別の同様に構成されたシステムをブリッジする。実施形態では、動的再構成は、1つ以上のネットワーク通信インタフェースを介して受信された要求に基づく。実施形態では、動的再構成は、リモートユーザによってなされた要求に基づいている。実施形態では、動的再構成は、データ取得ボックスによって取得されたデータの種類の分析に基づいている。実施形態では、動的再構成は、システムおよび同様に構成されたシステムのうちの少なくとも1つの動作パラメータに基づいている。実施形態では、ネットワーク制御回路は、他の同様に構成されたシステムによって保存および転送されるように設計されたパケット内のセンサデータを送信する。実施形態では、システムで障害が検出されると、ネットワーク制御回路は、記憶された情報の少なくとも一部を他の同様に構成されたシステムに転送する。実施形態では、ネットワーク制御回路は、情報要求のソースに基づいて、接続された同様に構成されたシステムのネットワークを介して情報をルーティングする方法を決定する。実施形態では、ネットワーク制御回路は、情報が要求される頻度に基づいて、同様に構成されたシステムのネットワーク内のデータをどのようにルーティングするかを決定する。実施形態では、ネットワーク制御回路は、与えられた期間にどれだけのデータが要求されているかに基づいて、同様に構成されたシステムのネットワーク内のデータをどのようにルーティングするかを決定する。実施形態では、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイム、ハブアンドスポークなどの相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装する。実施形態では、構成可能な時間期間の後、システムは、情報のダイジェストのみを記憶し、基礎となる情報を破棄する。実施形態では、システムはさらに、信号をアナログ/デジタル変換器への入力に適した形に変換するためのコンディショニング回路から構成されている。
実施形態では、工業プロセスにおけるデータを捕捉し分析するための自給自足のデータ収集ボックスを有する工業環境におけるデータ収集のためのシステムは、複数のセンサ入力を分析するためのデータ回路と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路とからなり、ここで、システムは、センサデータを1つ以上の同様に構成されたシステムに提供し、データ回路は、他のデバイスが情報を要求している数に基づいて、データを送信する経路を動的に再構成し、ここで、データ回路は、他のデバイスが情報を要求している数に基づいて、データを送信する経路を動的に再構成する。
実施形態では、システムはさらに、複数のネットワーク通信インターフェースを構成する。実施形態では、ネットワーク制御回路は、複数のネットワーク通信インタフェースを使用して、あるネットワークから別の類似の構成のシステムをブリッジする。実施形態では、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイム、ハブアンドスポークなどの相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装する。実施形態では、システムは、その情報の単一コピーを別の同様に構成されたシステムに連続的に提供し、その情報の要求者を別の同様に構成されたシステムに指示する。実施形態では、別の同様に構成されたシステムは、システムとは異なる動作特性を有する。実施形態では、異なる動作特性は、電力、ストレージ、ネットワーク接続性、近接性、信頼性、デューティサイクルであり得る。実施形態では、構成可能な時間期間の後、システムは、情報のダイジェストのみを保存し、基礎となる情報を破棄する。
実施形態では、工業プロセスにおけるデータを捕捉および分析するための自給自足のデータ収集ボックスを有する工業環境におけるデータ収集のためのシステムは、複数のセンサ入力を分析するためのデータ回路と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路とからなり、ここで、システムは、センサデータを1つ以上の類似の構成のシステムに提供し、データ回路は、システムに代わるセンサデータを提供することが可能な類似の構成のシステムを動的に指名する。
実施形態では、指名は、システム障害モードの検出によってトリガされる。実施形態では、システムが要求された信号を供給することができない場合、システムは、要求者に類似しているが同一ではない情報を供給するために、別の類似して構成されたシステムを指名する。実施形態では、システムは、新しい信号が元の信号と異なることを要求者に示す。実施形態では、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイム、ハブアンドスポークなどの相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装する。実施形態では、構成可能な時間期間の後、システムは、情報のダイジェストのみを保存し、基礎となる情報を破棄する。実施形態では、ネットワーク制御回路は、システムを、1つ以上の同様に構成されたシステムとの冗長ストレージネットワークに自己配置する。実施形態では、ネットワーク制御回路は、システムを、1つまたはそれ以上の類似した構成のシステムを持つフォールトトレラントストレージネットワークに自己配置します。実施形態では、ネットワーク制御回路は、システムを、1つ以上の類似した構成のシステムを有する階層型ストレージネットワークに自己配置する。実施形態では、ネットワーク制御回路は、上流のトラフィックを低減するために、システムを階層的なデータ伝送構成に自己配置する。実施形態では、ネットワーク制御回路は、情報伝送の信頼性を高めるために、複数の冗長データパスを有するマトリクス化されたネットワーク構成にシステムを自己配置する。実施形態では、ネットワーク制御回路は、情報伝送の信頼性を高めるために、システムを複数の冗長データパスを持つマトリクス化されたネットワーク構成に自己配置する。実施形態では、システムは、上流のネットワーク接続が利用できない間、他の同様に構成されたシステムから受信したデータを蓄積し、上流のネットワーク接続が回復すると、蓄積されたデータをすべて送信する。実施形態では、蓄積されたデータは、リモートデータベースにコミットされる。実施形態では、システムは、他のシステムから中継しなければならないデータ量を最小化するために、他の同様に構成されたシステムとのメッシュネットワークトポロジ内での位置を再配置する。実施形態では、システムは、他の他のシステムを介して送信しなければならないデータの量を最小化するために、他の同様に構成されたシステムとのメッシュネットワークトポロジー内での位置を再配置する。
実施形態では、工業プロセスにおけるデータを捕捉して分析するための自己完結型データ収集ボックスを有する工業環境におけるデータ収集のためのシステムは、複数のセンサ入力を分析するためのデータ回路と、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路とからなり、ここで、システムは、センサデータを1つ以上の類似して構成されたシステムに提供し、システムと1つ以上の類似して構成されたシステムは、連結された仮想情報提供者として配置されている。
実施形態では、システムおよび同様に構成されたシステムの各々は、それらの情報を多重化する。実施形態では、システムおよび同様に構成されたシステムの各々は、単一の統一された情報源を要求者に提供する。実施形態では、システムおよび同様に構成されたシステムの各々は、システム間のデータを結合するインテリジェントエージェント回路をさらに構成する。実施形態では、システムおよび同様に構成されたシステムの各々は、機械学習アルゴリズムに基づいて、どのようなデータを収集または保存するかを選択するインテリジェントエージェント回路をさらに構成する。実施形態では、機械学習アルゴリズムはさらに、外部システムによってどのようなデータが使用されるかを入力として取るフィードバック機能を構成する。実施形態では、機械学習アルゴリズムはさらに、経時的なデータ要求の分析に基づいて、精度の程度、捕捉の頻度、または保存された情報を調整する制御機能を含む。実施形態では、機械学習アルゴリズムはさらに、経時的な情報要求の分析に基づいて、どのようなセンサデータが捕捉されるかを調整するフィードバック機能を構成する。実施形態では、機械学習アルゴリズムはさらに、情報の過去の使用に基づいて、どのようなセンサデータが捕捉されるかを調整するフィードバック機能を含む。実施形態では、機械学習アルゴリズムはさらに、どのような情報が故障モードを最も示唆するものであったかに基づいて、どのようなセンサデータが捕捉されるかを調整するフィードバック機能を含んでいる。実施形態では、機械学習アルゴリズムはさらに、故障モードと一致する情報の検出された組み合わせに基づいて、どのようなセンサデータが捕捉されるかを調整するフィードバック機能を含んでいる。実施形態では、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイム、およびハブアンドスポークのような相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装する。実施形態では、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイム、およびハブアンドスポークのような相互通信プロトコルを使用して、同様に構成されたシステムとのネットワーク通信にシステムを自己調整する。実施形態では、構成可能な時間期間の後、システムは、情報のダイジェストのみを保存し、基礎となる情報を破棄する。
産業環境におけるデータを取得して分析するための自給自足型データ収集ボックスを有する産業環境におけるデータ収集のためのシステムであって、システムは、複数のセンサ入力を分析するためのデータ回路、ネットワーク通信インタフェース、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路、およびネットワーク通信インタフェースを介して受信した指示に基づいて、情報のどの部分を送信するかを動的に調整するように構成されたデータフィルタ回路から構成されている。
データ回路が、錆、マイクロピッティング、マクロピッティング、歯車歯の破損、フレッティング、ケースコアの分離、塑性変形、スカッフ、研磨、接着、摩耗、サブケース疲労、浸食、腐食、放電、キャビテーション、クラック、スコアリング、プロファイルピッティング、およびスポーリングを含む。グループから選択されたローラーベアリングアセンブリの疲労または摩耗の故障モードを示すデータを分析するように構成されている。
データ回路は、マイクロピッティング、マクロピッティング、歯車歯の摩耗、歯の破損、スポーリング、フレッティング、ケースコアの分離、塑性変形、スカッフ、研磨、接着、摩耗、サブケースの疲労、エロージョン、放電、キャビテーション、錆、腐食、およびクラックを含む。グループから選択される歯車箱の疲労または摩耗の故障モードを示すデータを分析するように構成されている。
ここで、データ回路は、流体曝気、過熱、過圧、潤滑膜の損失、減圧、シャフトの故障、真空シールの故障、大粒子汚染、小粒子汚染、錆、腐食、キャビテーション、シャフトのかじり、焼付き、ブッシングの摩耗、チャネルシールの損失、およびインプロージョンを含む。群から選択される油圧ポンプの疲労または摩耗の故障モードを示すデータを分析するように構成されている。
ここで、データ回路は、不均衡、ガスケットの故障、カムシャフト、スプリングの故障、バルブの故障、バルブのスカッフ、バルブの漏れ、クラッチのスリップ、ギアの干渉、ベルトのスリップ、ベルトの歯の破損、ベルトの破損、ギアの歯の故障、オイルシールの故障、アフタークーラー、インタークーラー、またはラジエーターの故障、ロッドの故障、センサーの故障、クランクシャフトの故障を含む。群から選択されるエンジンの疲労または摩耗の故障モードを示すデータを分析するように構成されている。ベアリングの焼き付き、低回転時の過負荷、クランキング、フルストップ、高回転時の過負荷、過速度、ピストンの崩壊、衝撃過負荷、トルク過負荷、表面疲労、臨界速度の失敗、溶接の失敗および材料の失敗を含むマイクロピッティング、マクロピッティング、歯車の歯の破損、フレッティング、ケースコアの分離、プラスチック変形、スカッフ、磨くこと、付着、摩耗、サブケースの疲労、錆、腐食、放電、キャビテーション、割れ、スコアリング、輪郭の穴あけ、スポーリング。
ここで、データ回路は、不均衡、ガスケットの故障、スプリングの破損、潤滑油シールの故障、センサーの故障、ベアリングの焼き付き、衝撃の過負荷、表面疲労、溶接の故障、スプリングの故障、ストラットの故障、コントロールアームの故障、キングピンの故障、タイロッドとを含む。グループから選択された車両のシャーシ、ボディまたはフレームの疲労または摩耗の故障モードを示すデータを分析するように構成されている。端の失敗、ピニオンベアリングの失敗、ピニオンギアの失敗、およびマイクロピッティング、マクロピッティング、フレッティング、錆、腐食、放電、キャビテーション、クラッキング、スコアリング、プロファイルピッティング、スポーリングを含む材料の失敗。
ここで、データ回路は、パワートレイン、プロペラシャフト、ドライブシャフト、ファイナルドライブ、またはホイールエンドの疲労または摩耗の故障モードを示すデータを分析するように構成されており、不均衡、ガスケットの故障、カムシャフトの故障、ギアボックスの故障、スプリングの破損、バルブの破損、バルブのスカッフ、ベルトの歯の破損、ベルトの破損、ギアの歯の故障、オイルシールの故障、ロッドの故障を含む。グループから選択されている。センサーの失敗、クランクシャフトの失敗、軸受け焼付き、低回転数の積み過ぎ、クランキング、フルストップ、高回転数、オーバースピード、ピストン崩壊、衝撃の積み過ぎ、トルクの積み過ぎ、表面の疲労、臨界速度の失敗、ヨークの損傷、溶接の失敗、U字ジョイントの失敗、CVの接合箇所の失敗、差動の失敗、アクスルシャフトの失敗、ばねの失敗、ストラットの失敗、コントロールアームの失敗、キングピンの失敗、タイロッド及び端の失敗、ピニオン軸受け失敗、リングギアの失敗、ピニオンギアの失敗、スパイダーギアの失敗、車輪軸受け失敗および材料の失敗を含むマイクロピッティング、マクロピッチング(macropitting)、ギア歯の破損、フレッティング(fretting)、ケース コアの分離、プラスチック変形、スカッフ、磨くこと、付着、摩耗、サブケースの疲労、錆、腐食、腐食、放電、キャビテーション、ひび割れ、スコアリング、プロフィールの穴あけ、および剥離(spalling)。
ここで、センサ入力は、ローラーベアリングセンサ、変形センサ、カメラ、紫外線センサ、赤外線センサ、オーディオセンサ、振動センサ、粘度センサ、化学センサ、汚染物質センサ、微粒子センサ、重量センサ、回転センサ、温度センサ、位置センサ、超音波センサ、固体化学センサ、pHセンサ、流体化学センサ、潤滑剤センサ、放射線センサ、X線ラジオグラフ、ガンマ線ラジオグラフ、走査型トンネル顕微鏡、フォトンネリング顕微鏡、走査型プローブ顕微鏡を含む。群から選択される。レーザー変位計、磁性粒子検査装置、紫外線粒子検出器、荷重センサ、静荷重センサ、軸荷重センサ、加速度センサ、速度センサ、回転センサ、水分、湿度、電流計、電圧計、フラックスメータ、電界検出器、ギアボックスセンサ、ギア摩耗センサ、歯減りセンサ、回転センサ、トランスミッション入力センサ、トランスミッション出力センサ、マニホールドエアフローセンサ(エンジン負荷を決定し、ギアボックスに影響を与える)、エンジン負荷センサ、スロットルポジションセンサ、クーラント温度センサ、速度センサ。ブレーキセンサ、流体温度センサ、工具負荷センサ、ベアリングセンサ、静止カウンタ、油圧ポンプセンサ、酸素センサ、ガスセンサ、オイルセンサ、化学分析、圧力検出器、真空検出器、デンシトメータ、トルクセンサ、エンジンセンサ、排気センサ、排気ガスセンサ、クランクシャフト位置センサ、カムシャフト位置センサ、静電容量式圧力センサ、ピエゾ抵抗センサ、ワイヤレスセンサ、ワイヤレス圧力センサ、化学センサ、酸素センサ、燃料センサ、ジャイロセンサ、機械的位置センサ、加速度センサ、memsセンサ、デジタルセンサ。マスエアフローセンサ、マニホールド絶対圧センサ、スロットルコントロールセンサ、インジェクタセンサ、NOxセンサ、可変バルブタイミングセンサ、タンク圧力センサ、燃料レベルセンサ、燃料流量センサ、フルードフローセンサ、ダンパセンサ、トルクセンサ、微粒子センサ、エアフローメータ、空気温度センサ、冷却水温度センサ、気筒内圧力センサ、エンジン回転数センサ、ノックセンサ、ドライブシャフトセンサ、角度センサ、横振動センサ、ねじり振動センサ、臨界速度振動センサ、パワートレインセンサ、エンジンセンサ。パワーセンサー、油圧センサー、油温センサー、油粘度センサー、オイルフローセンサー、荷重センサー(構造解析)、振動センサー、周波数センサー、オーディオセンサー、トランスファーケースセンサー、ディファレンシャルセンサー、タイヤプレッシャーゲージ、タイヤダメージゲージ、タイヤ振動センサー、ハブ&リムインテグリティセンサー、エアリークセンサー、フルードリークセンサー、潤滑油リークセンサー。
センサ入力は、さらに、マイクロフォンまたは振動センサで構成されており、可動部品または回転部品の振動または音声周波数の状態を検出するように構成されている。
データ回路は、マイクロピッティング、マクロピッティング、歯車歯の摩耗、歯の破損、スポーリング、フレッティング、ケースコアの分離、塑性変形、スカッフィング、研磨、接着、摩耗、サブケース疲労、エロージョン、放電、キャビテーション、腐食、およびクラックを含む。グループから選択される生産ラインのギアボックスの疲労または摩耗の故障モードを示すデータを分析するように構成されている。
ここで、データ回路は、水分の浸透、汚染、マイクロピッティング、マクロピッティング、歯車の歯の摩耗、歯の破損、スポーリング、フレッティング、ケースコアの分離、プラスチック変形、スカッフ、研磨、接着、摩耗、サブケースの疲労、錆、腐食、放電、キャビテーション、腐食、およびクラックを含む。グループから選択される生産ラインの振動子の疲労または摩耗の故障モードを示すデータを分析するように構成されている。
ここで、分析はさらに、受信したデータの異常を検出することを含む。
ここで、データフィルタ回路は、情報のダイジェストを作成するために格納されたプロシージャを実行します。
ここで、システムは、ユーザが設定可能な時間期間の後に、情報のダイジェストの基礎となるデータを破棄する。
分析はさらに、保存するデータを決定し、送信するデータを決定し、要約するデータを決定し、破棄するデータを決定し、または受信したデータの精度を決定することを含む。
ここで、前記システムは、複数の他の同様に構成されたシステムと通信するように構成され、前記システムによって使用されるストレージの量が閾値を超えたときに情報を保存するように構成されている。
ここで、システムは、仮想マシンを使用して、ネットワーク通信インタフェースを介して受信した命令を実行するように構成されている。
ここで、システムはさらに、ネットワークインターフェースを介して受信した命令を復号化して実行するためのデジタル署名されたコード実行環境を構成している。
ここで、システムはさらに、複数の異なる暗号化保護されたメモリセグメントから構成されている。
ここで、前記メモリセグメントの少なくとも1つは、公開鍵-秘密鍵管理システムを介して、格納されたデータとの公開相互作用のために利用可能にされている。
ここで、システムはさらに、信号をアナログ/デジタル変換器への入力に適した形に変換するためのコンディショニング回路から構成されている。
産業環境におけるデータ収集のためのシステムであって、産業プロセスにおけるデータを取得して分析するための自給式のデータ収集ボックスを有するシステムであって、システムは以下から構成されている。複数のセンサ入力を解析するためのデータ回路、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路、記憶装置、前記データ回路がセンサ入力を連続的に監視し、前記センサ入力を埋め込みデータキューブに格納するデータ回路である。ここで、データ取得ボックスが履歴データの統計分析に基づいて送信する情報を動的に決定する。
ここで、システムはさらに、複数のネットワーク通信インターフェースから構成されている。
ここで、ネットワーク制御回路は、複数のネットワーク通信インタフェースを使用して、あるネットワークから別の類似の構成のシステムをブリッジする。
分析はさらに、情報の異常を検出することを含む。
ここで、データ回路は、情報のダイジェストを作成するために格納されたプロシージャを実行します。
ここで、データ回路は、一方のクライアントにダイジェストデータを供給し、他方のクライアントに非ダイジェストデータを同時に供給します。
ここで、データ回路は、履歴異常のダイジェストを格納し、情報の少なくとも一部を破棄します。
ここで、データ回路は、リアルタイムで埋め込まれたデータキューブへのクライアントクエリアクセスを提供します。
ここで、データ回路は、SQLクエリの形でクライアントの要求をサポートしている。
ここで、データ回路は、OLAPクエリの形でクライアントの要求をサポートしている。
ここで、システムはさらに、信号をアナログ/デジタル変換器への入力に適した形に変換するためのコンディショニング回路から構成されている。
産業環境におけるデータ収集のためのシステムであって、産業プロセスにおけるデータを取得して分析するための自給式のデータ収集ボックスを有するシステムであって、システムは以下から構成されている。複数のセンサ入力を解析するためのデータ回路、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路である。ここで、システムは、複数の他の同様に構成されたシステムにセンサデータを提供するように構成される。および、システムは、他の同様に構成されたシステムの可用性に基づいて、データを送信する場所と送信する量を動的に再構成する。
ここで、システムはさらに、複数のネットワーク通信インターフェースから構成されている。
ここで、ネットワーク制御回路は、複数のネットワーク通信インタフェースを使用して、あるネットワークから別の類似の構成のシステムをブリッジする。
ここで、前記動的再構成は、1つ以上のネットワーク通信インターフェースを介して受信された要求に基づいて行われます。
ここで、動的な再構成は、リモートユーザによって行われた要求に基づいて行われます。
ここで、動的再構成は、データ取得ボックスによって取得されたデータの種類の分析に基づいて行われます。
ここで、前記動的再構成は、前記システムおよび前記同様に構成されたシステムのうちの少なくとも1つの動作パラメータに基づいて行われ、前記動的再構成は、前記システムおよび前記システムのうちの少なくとも1つの動作パラメータに基づいて行われる。
ここで、ネットワーク制御回路は、他の同様に構成されたシステムによって記憶され、転送されるように設計されたパケット内のセンサデータを送信する。
ここで、システムで障害が検出されると、ネットワーク制御回路は、記憶された情報の少なくとも一部を別の同様に構成されたシステムに転送します。
ここで、ネットワーク制御回路は、情報要求のソースに基づいて、接続された同様に構成されたシステムのネットワークを介して情報をルーティングする方法を決定する。
ここで、ネットワーク制御回路は、情報が要求される頻度に基づいて、同様に構成されたシステムのネットワーク内のデータをどのようにルーティングするかを決定する。
ここで、同様に構成されたシステムのネットワーク内のデータをどのようにルーティングするかを、所定の期間にどのくらいのデータが要求されているかに基づいて決定します。
ここで、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイムおよびハブアンドスポークを含む。リストから選択された相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装します。
ここでは、設定可能な期間の後、システムは情報のダイジェストのみを保存し、基礎となる情報を破棄します。
ここで、システムはさらに、信号をアナログ/デジタル変換器への入力に適した形に変換するためのコンディショニング回路から構成されている。
産業環境におけるデータ収集のためのシステムであって、産業プロセスにおけるデータを取得して分析するための自給式のデータ収集ボックスを有するシステムであって、システムは以下から構成されている。複数のセンサ入力を解析するためのデータ回路、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路である、ここで、システムは、センサデータを、1つ以上の類似した構成のシステムに提供する。前記データ回路が、前記他の装置が情報を要求している数に基づいて、前記データを送信する経路を動的に再構成する。
ここで、システムはさらに、複数のネットワーク通信インターフェースから構成されている。
ここで、ネットワーク制御回路は、複数のネットワーク通信インタフェースを使用して、あるネットワークから別の類似の構成のシステムをブリッジする。
ネットワーク制御回路が、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイムおよびハブアンドスポークを含む。リストから選択された相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装する。
ここで、システムは、その情報の単一のコピーを別の同様に構成されたシステムに継続的に提供し、その情報の要求者を別の同様に構成されたシステムに指示する。
ここで、別の同様に構成されたシステムが、システムとは異なる動作特性を有する。
ここで、異なる動作特性は、電力、ストレージ、ネットワーク接続性、近接性、信頼性、およびデューティサイクルを含む。リストから選択されます。
ここで、設定可能な期間の後、システムは情報のダイジェストのみを保存し、基礎となる情報を破棄する。
産業環境におけるデータ収集のためのシステムであって、産業プロセスにおけるデータを取得して分析するための自給式のデータ収集ボックスを有するシステムであって、システムは以下から構成されている。複数のセンサ入力を解析するためのデータ回路、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路である。ここで、システムは、1つ以上の類似した構成のシステムにセンサデータを提供し、データ回路は、前記システムに代わるセンサデータを提供することができる同様の構成のシステムを動的に指名する。
ここで、指名は、システム障害モードの検出によってトリガされます。
ここで、システムが要求された信号を供給することができない場合、システムは、要求者に類似しているが同一ではない情報を供給するために、別の類似した構成のシステムを指名します。
ここで、システムは、新しい信号が元の信号とは異なることを要求者に示す。
ネットワーク制御回路が、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイムおよびハブアンドスポークを含む。リストから選択された相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装する。
ここで、設定可能な期間の後、システムは情報のダイジェストのみを保存し、基礎となる情報を破棄する。
ここで、ネットワーク制御回路は、システムを、1つ以上の類似した構成のシステムとの冗長ストレージネットワークに自己配置する。
ここで、ネットワーク制御回路は、システムを、1つ以上の類似した構成のシステムとフォールトトレラントストレージネットワークに自己調整する。
ここで、ネットワーク制御回路は、システムを、1つ以上の類似した構成のシステムを有する階層的なストレージネットワークに自己配置する。
ここで、ネットワーク制御回路は、上流のトラフィックを削減するために、階層的なデータ伝送構成にシステムをセルフアレンジする。
ここで、ネットワーク制御回路は、情報伝送の信頼性を高めるために、複数の冗長データパスを持つマトリクス状のネットワーク構成にシステムをセルフアレンジする。
ここで、ネットワーク制御回路は、情報伝送の信頼性を高めるために、複数の冗長データパスを持つマトリクス状のネットワーク構成にシステムをセルフアレンジします。
ここで、システムは、上流のネットワーク接続が利用できない間、他の同様に構成されたシステムから受信したデータを蓄積し、上流のネットワーク接続が回復すると、蓄積されたすべてのデータを送信する。
ここでは、蓄積されたデータがリモートデータベースにコミットされます。
ここで、システムは、他のシステムから中継しなければならないデータ量を最小限に抑えるために、他の同様に構成されたシステムとメッシュネットワークトポロジー内の位置を再配置します。
ここで、システムは、他のシステムを介して送信しなければならないデータ量を最小限に抑えるために、他の同様に構成されたシステムとメッシュネットワークトポロジー内の位置を再配置します。
産業環境におけるデータ収集のためのシステムであって、産業プロセスにおけるデータを取得して分析するための自給式のデータ収集ボックスを有するシステムであって、システムは以下から構成されている。複数のセンサ入力を解析するためのデータ回路、センサ入力に関連する情報を外部システムに送受信するためのネットワーク制御回路である。システムは、1つ以上の類似した構成のシステムにセンサデータを提供し、システムと前記1以上の類似の構成のシステムが、連結仮想情報提供者として配置されている。
ここで、システムおよび同様に構成された各システムは、それらの情報を多重化する。
ここで、システムおよび同様に構成された各システムは、単一の統一された情報源を要求者に提供する。
ここで、システムおよび同様に構成されたシステムの各々は、システム間のデータを結合するインテリジェントエージェント回路をさらに構成する。
ここで、システムおよび同様に構成されたシステムの各々は、機械学習アルゴリズムに基づいて収集または保存するデータを選択するインテリジェントエージェント回路をさらに構成する。
ここで、機械学習アルゴリズムはさらに、外部システムがどのようなデータを使用しているかを入力として取るフィードバック機能から構成されている。
ここで、機械学習アルゴリズムはさらに、経時的なデータ要求の分析に基づいて、精度の程度、捕捉の頻度、または保存された情報を調整する制御機能を含んでいる。
ここで、機械学習アルゴリズムはさらに、時間経過に伴う情報要求の分析に基づいて、どのようなセンサデータが捕捉されるかを調整するフィードバック機能を含む。
ここで、機械学習アルゴリズムはさらに、情報の過去の使用状況に基づいてどのようなセンサデータを取得するかを調整するフィードバック機能を含んでいる。
ここで、機械学習アルゴリズムはさらに、故障モードを最も示唆する情報に基づいて、どのセンサデータがキャプチャされるかを調整するフィードバック機能から構成されている。
ここで、機械学習アルゴリズムはさらに、故障モードと一致する情報の組み合わせを検出したことに基づいて、どのようなセンサデータが捕捉されるかを調整するフィードバック機能を含む。
ここで、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイムおよびハブアンドスポークを含む。リストから選択された相互通信プロトコルを使用して、同様に構成されたシステムのネットワークを実装します。
ここで、ネットワーク制御回路は、マルチホップ、メッシュ、シリアル、パラレル、リング、リアルタイムおよびハブアンドスポークを含む。リストから選択された相互通信プロトコルを使用して、同様に構成されたシステムとのネットワーク通信にシステムを自己調整します。
ここでは、設定可能な期間の後、システムは情報のダイジェストのみを保存し、基礎となる情報を破棄します。
本明細書に開示されているのは、自己組織化機能を特徴とする産業環境におけるデータ収集のための方法およびシステムである。そのようなデータ収集システムおよび方法は、インテリジェントで、状況に応じた、コンテキストを考慮した収集、要約、保存、処理、送信、および/またはデータの組織化を促進してもよく、例えば、1つまたは複数のデータコレクタ(本開示を通して記載されている広範なデータコレクタの実施形態のいずれかのような)、中央本部またはコンピューティングシステムなどによって、そのようなデータ収集を促進してもよい。産業環境におけるデータ収集の記述された自己組織化機能は、そのようなデータ収集の様々なパラメータ、およびデータ品質パラメータ、一貫性パラメータ、効率パラメータ、包括性パラメータ、信頼性パラメータ、有効性パラメータ、ストレージ利用率パラメータ、歩留まりパラメータ(財務歩留まり、出力歩留まり、および有害事象の低減を含む)、エネルギー消費パラメータ、帯域幅利用パラメータ、入出力速度パラメータ、冗長性パラメータ、セキュリティパラメータ、安全パラメータ、干渉パラメータ、信号対雑音パラメータ、統計的関連性パラメータなどのようなデータ収集に依存するプロセス、アプリケーション、および製品のパラメータを改善してもよい。自己組織化機能は、パラメータの値の重み付けに基づくような、1つ以上のそのようなパラメータにわたって最適化してもよい;例えば、データコレクタの群は、データコレクタごと、またはデータコレクタのグループごと、またはデータコレクタの群全体など、指定されたレベルのエネルギー使用量を超えないようにしながら、重要なデータに対して所定のレベルの冗長性を提供するように管理されてもよい(またはそれ自体が管理されてもよい)。これは、本開示および参照により本明細書に組み込まれた文書を通して記載された様々な最適化技術を使用することを含むことができる。
実施形態では、産業環境におけるデータ収集のためのそのような方法およびシステムは、コンピューティングシステムと通信してデータプールと連動してデータを収集および整理する、例えば、協調的なグループまたは「群(スワーム)」に配置された1つまたは複数のデータコレクタと、データ収集を管理するための支持技術コンポーネント、サービス、プロセス、モジュール、アプリケーションおよびインターフェース(いくつかの場合には、データ収集システム1204と総称される)とを含むことができる。そのような構成要素の例としては、モデルベースのエキスパートシステム、ルールベースのエキスパートシステム、人工知能を使用したエキスパートシステム(ニューラルネットエキスパートシステム、自己組織化マップシステム、人間が管理する機械学習システム、状態決定システム、分類システム、または他の人工知能システムを含むことができる機械学習システムなど)、または上記のいずれかの様々なハイブリッドまたは組み合わせが挙げられるが、これらに限定されるものではない。自己組織化の方法またはシステムへの言及は、文脈が異なる場合を除き、上記のいずれかまたは適切な組み合わせの利用を包含するものと理解されるべきである。
本開示のデータ収集システムおよび方法は、振動データ、ノイズデータ、および本開示全体に記載されたタイプの他のセンサデータを含むがこれらに限定されない様々なタイプのデータで利用することができる。そのようなデータ収集は、イベント検出、状態検出などに利用することができ、そのようなイベント検出、状態検出などは、本明細書でさらに議論されるように、データ収集システムおよび方法を自己組織化するために利用することができる。自己組織化機能は、データ収集者を個別にまたはグループで管理することを含んでもよく、そのような機能は、1つ以上の目的、目標、規則、ポリシー、またはガイドラインに向かっての進捗状況の確認など、識別されたアプリケーション、プロセス、またはワークフローをサポートすることに向けられている。自己組織化機能はまた、別の目標/ガイドラインを管理すること、または他のデータの収集に基づいて(例えば、その変数を含むシステムの動作モデルに基づいて)未知の変数を決定することを対象としたデータ収集者を指示すること、利用可能な入力の中から好ましいセンサ入力を選択すること(入力の組み合わせ、融合、または多重化を指定することを含む)、および/または利用可能なデータ収集者の中から特定のデータ収集者を指定することを含んでもよい。
データコレクタは、本明細書に記載されているように、センサ、入力チャネル、データ位置、データストリーム、データプロトコル、データ抽出技術、データ変換技術、データロード技術、データタイプ、サンプリング頻度、センサの配置、静的データポイント、メタデータ、データの融合、データの多重化、自己組織化技術など、任意の数の項目を含んでもよい。データコレクタの設定は、データコレクタを定義するパラメータを指定するなど、データコレクタの構成およびメイクアップを記述してもよい。例えば、データコレクタの設定は、測定する1つ以上の周波数を含んでもよい。周波数データは、スペクトルピークのグループ、真のピークレベル、時間波形から導出されるクレスト係数、および振動包絡線から導出される全体波形のうちの少なくとも1つ、ならびに本開示を通して説明される他の信号特性をさらに含んでもよい。データ収集器は、1つ以上の波長、1つ以上のスペクトル、および/または様々なセンサからの1つ以上のタイプのデータを測定するセンサまたはデータ、およびメタデータを含んでもよい。データ収集器は、本開示および参照により本明細書に組み込まれる文書全体に記載されているような、広い範囲の1つ以上のセンサまたはタイプのセンサを含んでもよい。実際、本明細書に記載されているセンサは、本開示全体に記載されている方法またはシステムのいずれかで使用されてもよい。例えば、1つのセンサは、加速度のGあたりの電圧(例えば、100mV/G、500mV/G、1V/G、5V/G、10V/G)を測定するものなどの加速度計であってもよい。実施形態では、データコレクタは、センサの応答性を最適化することに基づいて、データコレクタで使用される複数のセンサのサブセットの構成を変更してもよく、例えば、低速度のギアシステムまたはドリル/ボーリング装置の加速度を測定するのに適した加速度計を選択するのと、発電環境で高速のタービンの加速度を測定するのに適した加速度計を選択するのとのように。選択は、例えば、近接プローブと特定のターゲット(例えば、ギアシステム、ドリル、またはタービン)に配置された複数の加速度ピックアップを使用して、低速時には1つの加速度ピックアップがデータコレクタでの測定に使用され、高速時には別の加速度ピックアップが使用されるようなインテリジェントな方法で行うことができます。加速度計は、圧電結晶、低周波(例えば、10V/G)、高速コンプレッサ(10MV/G)、MEMSなどのような様々なタイプのものがある。別の例では、1つのセンサは、スリーブまたはチルトパッドベアリング(例えば、オイルバス)に使用することができる近接プローブであってもよく、または速度プローブであってもよい。さらに別の例では、1つのセンサは、データを取得または送達するために、別のルーティングされたデータコレクタ(例えば、移動式データコレクタまたは携帯式データコレクタ)と自動的にインタフェースするように構成されたソリッドステートリレー(SSR)であってもよい。別の例では、データコレクタは、適切な加速度計を機械のコンポーネント上またはその近くなどのセンシングポイントに持ってくることによって、利用可能なセンサの複数の構成を変更するようにルーティングされてもよい。まだ別の例では、1つのセンサは、実施形態ではポータブルデータ収集のために使用される3軸プローブ(例えば、100mv/gの3軸プローブ)であってもよい。いくつかの実施形態では、トライアックスプローブのうち、プローブの1つの軸上の垂直要素は、高い周波数応答を有してもよく、一方、水平に取り付けられたものは、トライアックス全体の周波数応答を制限する影響を与えてもよい。別の例では、1つのセンサは温度センサであってもよく、ベアリング温度を得るためのように、内部に温度センサを内蔵したプローブを含んでもよい。まだ追加の例では、センサは、超音波、マイク、タッチ、静電容量式、振動、音響、圧力、ひずみゲージ、サーモグラフィ(例えば、カメラ)、イメージング(例えば。カメラ、レーザー、IR、構造化光)、電界検出器、交流電磁界を測定するための起電力計、ガウスメーター、運動検出器、化学検出器、ガス検出器、CBRNE検出器、振動トランスデューサー、磁力計、位置計、位置ベース、速度センサー、変位センサー、タコメーター、流量センサー、レベルセンサー、近接センサー、pHセンサー、湿度計/水分センサー、密度計センサー、風速計、粘度計、または任意のアナログ工業用センサーおよび/またはデジタル工業用センサーであってもよい。さらなる別の例では、センサは、音響センサまたはマイクロフォン、超音波センサ、音響波センサ、および光学振動センサ(例えば、ノイズを生成する振動を見るためにカメラを使用する)のような、周囲のノイズを検出または測定することに向けられていてもよい。まだ別の例では、1つのセンサは、動き検出器であってもよい。
データコレクタは、特定のセンサ、特定のセンサグループ、または複数のセンサからの複合信号(多重化やセンサ融合を含む)のための 1 つ以上の周波数、波長、またはスペクトルを包含するように構成されていてもよいし、構成されていてもよい。データコレクタは、1 つまたは複数の装置/コンポーネント、装置の領域、装置の異 なるが相互に接続された領域(例えば、機械組立ラインとそのラインに電力を供給するために使用されるボイ ラ室)、または場所(例えば、ある地理的な場所にある建物と、別の異なる地理的な場所にある建物)からの 1 つまたは複数のセンサまたはセンサデータ(センサのグループと結合された信号を含む)を包含するように構成されていてもよく、または構成されていてもよい。データコレクタの設定、構成、指示、または仕様(これらの用語のいずれか1つを用いて本明細書で総称される)は、センサをどこに配置するか、データ点または点をサンプリングする頻度、サンプルが採取される粒度(例えば、1秒の端数あたりのサンプリング点の数)、サンプリングする冗長センサのセットのどのセンサ、冗長センサのための平均サンプリングプロトコル、およびデータ取得に影響を与えるであろう他の任意の側面を含むことができる。
データ収集システム1204内では、自己組織化機能は、ニューラルネット、モデルベースのシステム、ルールベースのシステム、機械学習システム、および/またはこれらのシステムのいずれかのハイブリッドによって実行され得る。さらに、自己組織化機能は、個々のデータコレクタ、データコレクタの集合体またはグループ、ネットワークベースのコンピューティングシステム、1つ以上のコンピューティング装置を含む。ローカルコンピューティングシステム、1つ以上のコンピューティング装置を含む。リモートコンピューティングシステム、およびこれらの構成要素の1つ以上の組み合わせによって、全体または部分的に実行されてもよい。自己組織化機能は、装置の一部、コンポーネント、または装置もしくはコンポーネントのシステムの性能、健康、または他の特性を予測して管理するような、特定の目標または結果のために最適化されていてもよい。センサデータの連続的または周期的な分析に基づいて、パターン/傾向が特定されたり、外れ値が現れたり、センサ読み取り値のグループが変化し始めたりすると、自己組織化機能は、本明細書に記載されているように、データの収集をインテリジェントに修正してもよい。これは、システム動作のモデルまたは理解を反映したルールをトリガすることによって発生してもよいし、ニューラルネットの制御下で(ルールベースのアプローチと組み合わせて、または単独で)発生してもよく、入力が提供され、ニューラルネットが、成功した結果(例えば、システムの状態の分類の成功、予測の成功、メトリックに対する動作の成功)に関するフィードバックに基づいて、適切な収集モードを選択するように時間をかけて学習するように、入力が提供される。多くの例では、組立ラインが新製品のために再構成されるか、または製造設備に新しい組立ラインが設置されると、現在のデータコレクタ(複数可)からのデータは、システムの動作の状態またはメトリックを正確に予測できない場合があり、したがって、自己組織化機能は、新しいデータコレクタ、感知されたデータのタイプ、感知されたデータのフォーマットなどが、状態またはメトリックを予測するのに優れているかどうかを決定するために反復処理を開始してもよい。ライブラリまたは他のデータ構造からのようなオフセットシステムデータに基づいて、特定のセンサ、周波数帯域または他のデータ収集器がシステムで最初に使用されてもよく、性能を評価するためにデータが収集されてもよい。自己組織化機能が反復するにつれて、他のセンサ/周波数帯域にアクセスして、パフォーマンス測定基準を特定する際の相対的な重みを決定してもよい。時間の経過とともに、システムのパフォーマンスのより良いまたはより適切なゲージとして新しい周波数帯(または新しいセンサのコレクション、センサのための新しい構成のセットなど)が特定され、自己組織化機能は、この反復に基づいてデータコレクタを変更することができます。多くの例では、おそらく、エネルギー抽出環境における古いボーリングツールは、1つまたは複数の振動周波数を減衰させる一方で、異なる周波数は、現在のシステムで見られたものよりも高い振幅であり、最適な性能の間に存在している。この例では、自己組織化機能は、現在のシステムに存在するより高い振幅の周波数を捕捉するために、データ収集システムによって、元々提案されていたもの、例えば、データ収集システムによって提案されていたものからデータコレクタを変更してもよい。
ニューラルネットまたは他の機械学習システムが関与する実施形態では、自己組織化機能は、シード化されてもよく、例えば、本明細書に記載されているようなフィードバックおよび動作パラメータに基づいて反復してもよい。特定のフィードバックは、利用率測定、効率測定(例えば、電力またはエネルギー利用、ストレージの利用、帯域幅の利用、生鮮材料の入出力利用、燃料の利用、および/またはコストの削減などの財務的な効率)、状態の予測または予測の成功の測定(例えば、障害の回避および緩和)、生産性測定(例えば、ワークフロー)、歩留まり測定、および利益測定を含んでもよい。特定のパラメータは、ストレージパラメータ(例えば、データストレージ、燃料ストレージ、インベントリのストレージ)、ネットワークパラメータ(例えば、ネットワーク帯域幅、入出力速度、ネットワーク利用率、ネットワークコスト、ネットワーク速度、ネットワーク可用性)、伝送パラメータ(例えば、データ伝送品質、データ伝送速度、伝送エラー率、伝送コスト)、セキュリティパラメータ(例えば、露出イベントの数および/または種類、攻撃に対する脆弱性、データ損失、データ侵害、アクセスパラメータ)、位置および位置パラメータ(例えば、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置、データコレクタの位置)を含み得る。データ収集者の位置、作業者の位置、機械や機器の位置、在庫ユニットの位置、部品や材料の位置、ネットワークアクセスポイントの位置、出入りポイントの位置、着地位置の位置、センサセットの位置、ネットワークインフラストラクチャの位置、電源の位置)、入力選択パラメータ、データ組み合わせパラメータ(例えば、多重化、抽出、変換のためのパラメータ)、データ組み合わせパラメータ(例えば、多重化、抽出、変換のためのパラメータ)。電力パラメータ(例えば、個々のデータコレクタ、データコレクタのグループ、または潜在的に利用可能なすべてのデータコレクタの)、状態(例えば、動作モード、可用性状態、環境状態、障害モード、健康状態、メンテナンスモード、予期される状態)、イベント、および装置の仕様。状態に関して、動作モードは、移動モード(方向、速度、加速度など)、移動モードの種類(例えば、ローリング、フライング、スライディング、浮上、ホバリング、フローティング)、性能モード(例えば、ギア、回転速度、熱レベル、組立ライン速度、電圧レベル、周波数レベル)、出力モード、燃料変換モード、資源消費モード、および財務性能モード(例えば、歩留まり、収益性)を含むことができる。可用性の状態は、機械がオフラインになるか、またはバックアップを必要とする可能性のある状況を予測することを意味する場合がある。環境状態は、周囲温度、周囲湿度/水分、周囲圧力、周囲風/流体の流れ、汚染または汚染物質の存在、干渉要素(例えば、電気ノイズ、振動)の存在、電力利用可能性、および電力品質を参照してもよい。予測される状態は、特定/閾値の出力生産率、特定/閾値の発電率、運転効率/故障率、財務効率/利益目標、電力効率/資源利用率、障害状態(例えば、過熱、性能低下、過剰な性能、過剰な電力使用率)の回避などの所望の目標を達成するか、または達成しないことを含んでいてもよい。過熱、性能低下、速度超過、運動超過、振動・揺動超過、加速度超過、膨張・収縮、電気的故障、蓄電・燃料切れ、過圧、過度の輻射・メルトダウン、火災、凍結、流体の流れの故障(例:バルブの詰まり、流体の凍結)、機械的故障の回避バルブの詰まり、凍結した流体など)、機械的故障(部品の破損、磨耗した部品、カップリングの不良、位置ずれ、非対称性/たわみ、破損した部品(たわみ、ひずみ、応力、割れなど)、不均衡、衝突、詰まった要素、およびチェーンまたはベルトの紛失またはスリップ)、危険な状態または致命的な故障の回避、および可用性(オンライン状態)))。
自己組織化機能は、データコレクタを介してのようなセンサからの入力、システムコンポーネントからの入力、外部システムからの入力、外部データソースからの入力などの他のデータから構成されてもよく、データのセットを与えられた結果または状態を予測するモデルで構成されてもよいし、シードされてもよい。例えば、モデルは、産業環境、機械、またはワークフローのための動作モデルであってもよい。別の例では、モデルは、状態を予測するため、故障を予測するため、メンテナンスを最適化するため、データ輸送を最適化するため(例えば、ネットワークコーディング、ネットワーク状態に応じたルーティングを最適化するためなど)、データマーケットプレイスを最適化するためなどであってもよい。
自己組織化機能は、データコレクタからのデータの分析に基づいて、任意の数の下流のアクションをもたらしてもよい。一実施形態では、自己組織化機能は、特定/閾値出力生産率、特定/閾値発電率、運用効率/故障率、財務効率/利益目標、電力効率/資源利用率、故障状態の回避、危険な状態または破局的故障の回避などのような所望の目標が与えられた場合に、システムが運用パラメータ、装置、またはニューラルネットモデルの重み付けを維持または変更すべきであることを決定してもよい。実施形態では、調整は、装置の種類、その目的、その典型的な動作モード、装置の機能仕様、環境の他の特徴(装置に入力を提供する、または装置から入力を受ける他のシステムを含む)と装置の関係、オペレータ(人間および自動制御システムを含む)の存在および役割、および周囲または環境条件の理解など、産業システムのコンテキストを決定することに基づいてもよい。例えば、分配環境(例えば、配電環境)において利益目標を達成するために、発電機または発電機のシステムは、特定の効率レベルで動作する必要があるかもしれない。自己組織化機能は、時間帯、発電機によって消費される燃料の現在の市場販売価格、現在の需要または予測される将来の需要などに基づいて、発電システム内の個々の発電機(複数可)のオン/オフ状態を示すような、特定の利益目標をもたらす方法で発電機システムを動作させるためのモデルをシードしてもよい。モデルは、データを取得してイテレーションを行うことで、現在のデータから利益目標が達成されるかどうかを予測し、取得しているデータやデータの種類がモデルにとって適切か、十分かどうかなどを判断する。反復の結果に基づいて、異なる/追加のデータを収集する、異なるデータを整理する、異なるデータ収集器を指示して新しいデータを収集する、などの推奨がなされてもよい(または制御命令が自動的に提供されてもよい)、および/または、発電機のサブセットをより高い出力(しかし効率が低い)率で動作させる、追加の発電機に電力を供給する、現在の動作状態を維持する、またはそのようなことがなされてもよい。さらに、システムが反復するにつれて、自己組織化機能へのそれらの追加が状態の予測を改善するか、またはそうでなければデータ収集努力の目標を支援するかどうかを決定するために、1つまたは複数の追加のセンサがモデル内でサンプリングされてもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、1つ以上のプロセッサを有するデータコレクタに通信的に結合された、本明細書に記載されたもののいずれかのような複数の入力センサを含んでもよい。データ収集システムは、出力データを処理するための複数のセンサのうちの少なくとも1つのサブセットを決定するために一緒に動作するように構成された複数の個々のデータ収集器を含んでもよい。データ収集システムはまた、複数のセンサの少なくとも1つのサブセットから出力データを受信し、状態を示す受信出力データパターンを学習するように構成された機械学習回路を含んでもよい。いくつかの実施形態では、データ収集システムは、学習された受信された出力データパターンおよび状態のうちの1つ以上に基づいて、複数のセンサの少なくとも1つのサブセットまたはその一側面を変更してもよい。特定の実施形態では、機械学習回路は、データパターンを学習することを可能にするモデルでシードされる。モデルは、物理モデル、動作モデル、システムモデルなどであってもよい。他の実施形態では、機械学習回路は、深層学習のために構成される。実施形態では、入力データは、シードなしまたは最小限のシードで回路に供給され、機械学習データ解析回路は、出力フィードバックに基づいて学習する。例えば、製造環境における金属工具システムは、旋盤、フライス盤、研削盤、ボーリング工具などの工作機械を使用して部品を製造するために動作してもよい。そのような機械は、様々な速度および出力速度で動作してもよく、機械の寿命、効率、精度などに影響を与える可能性がある。データコレクタは、工作機械の環境、例えば、動作速度、発熱、振動、部品仕様への適合性などを評価するために、様々なパラメータを取得してもよい。システムは、そのようなパラメータを利用し、そのようなフィードバックに基づいて、状態や出力率などの予測に向けて反復処理を行うことができる。さらに、システムは、データコレクタが追加の/異なるデータを収集して、そのような予測を行うことができるように自己組織化することができます。
データ収集システムの自己組織化機能には、複数の目標/ガイドラインのバランスがあってもよい。例えば、修理保守組織(RMO)は、製造設備内の機械の保守のために設計された運転パラメータを有してもよく、設備の所有者は、生産目標を満たすために設計された機械の特定の運転パラメータを有してもよい。これらの目標は、この例では、メンテナンス目標または生産量に関連して、異なるデータ収集器またはセンサによって追跡されてもよい。例えば、機械のメンテナンスは、温度センサ、振動トランスデューサ、およびひずみゲージを含むセンサによって追跡されてもよく、一方、機械の生産目標は、速度センサおよび電力消費メータを含むセンサによって追跡されてもよい。データ収集システムは、(任意に、ニューラルネット、機械学習システム、ディープラーニングシステムなどを使用して、1つ以上のスーパーバイザー(人間または自動化された)による監督の下で行われてもよい)異なる目標に整列されたデータ収集器をインテリジェントに管理し、例えば、1つの目標への偏り、または追跡されているすべての目標とのより良い整列を可能にするための妥協などの要因に基づいて、重み、パラメータの変更、または推奨を割り当てることができる。データ収集システムに提供される目標間の妥協は、適用される目標の権限、役割、重要性などに関連する1つまたは複数の階層または規則に基づいてもよい。実施形態では、目標間の妥協は、ニューラルネット、ディープラーニングシステム、または本開示の全体を通して記載されるような他の人工知能システムのような機械学習を使用して最適化されてもよい。例えば、タービンが運転されている発電所では、データ収集システムは、複数のデータ収集器を管理してもよく、例えば、タービンの運転状態を検出することに向けられた1つのデータ収集器、生産目標に到達する確率を特定することに向けられた1つのデータ収集器、およびタービンの運転が燃料効率目標を満たしているかどうかを判断することに向けられた1つのデータ収集器を管理してもよい。これらのデータ収集器の各々は、異なるセンサまたは異なるセンサ(例えば、運転状態を示す振動トランスデューサ、生産目標を示す流量計、および燃料効率を示す燃料計)からのデータで構成されていてもよく、その出力データは、特定の目標の側面を示すものである。単一のセンサまたはセンサのセットが複数の目標に役立つ場合、データ収集システムによって管理されるように、重複するデータコレクタ(共通のセンサをいくつか有し、共通ではない他のセンサを有する)は、そのセンサまたはセンサのセットからの入力を取ることができる。データ収集に制約がある場合(電力制限、ストレージ制限、帯域幅制限、入出力処理能力などによる)、ルールは、他のものが一時停止またはシャットダウンされても、そのゴールに関連付けられたデータ収集器のデータ収集が維持されるように、1つのゴール(例えば、法律または規制によって義務付けられている燃料利用ゴールまたは汚染削減ゴール)が優先されることを示してもよい。目標の優先順位付けの管理は、階層的であってもよいし、機械学習によって行われてもよい。データ収集システムは、それが取得した現在のデータを与えられた予測された状態(例えば、目標を満たす)に向かって反復する際に、モデルをシードしてもよいし、全くシードしていなくてもよい。この例では、タービンの運転中に、プラントの所有者は、システムを燃料効率に向けてバイアスをかけることを決定してもよい。すべてのデータコレクタは依然として監視されてもよいが、自己組織化機能が反復し、システムが特定の目標を満たしていないか、または満たしていないかを判断するのに十分なデータを収集しないか、または収集していないことを予測すると、データ収集システムは、適切なデータを収集するように向けられた変更を推奨するか、または実施してもよい。さらに、プラント所有者は、そのような目標に影響を与えるデータ収集パラメータに対する推奨される変更が、他の推奨される変更を行うことに有利に行われるように、特定の目標に向けてバイアスをかけてシステムを構成してもよい。
実施形態では、データ収集システムは、1つ以上の目標を満たすことを最適化する、1つ以上のデータ収集データタイプでシードされた後に、データ収集者の分布に到達するために、ディープラーニング的に反復処理を続けてもよい。例えば、精錬環境のために追跡される複数の目標、例えば、精錬効率や経済効率があってもよい。精製システムの精製効率は、使用されている燃料の量および品質を知ることによって得られるシステムに投入された燃料と、システムから出力された精製製品の量を比較することによって表現されてもよいが、これはシステムからの流出量を用いて計算される。精製システムの経済効率は、燃料、労働、材料、およびサービスを含むシステムを実行するためのコストと、ある期間のシステムからの精製製品の出力との間の比率として表現されてもよい。精製効率を追跡するために使用されるデータは、流量計、品質データポイント(複数可)、および温度計からのデータを含んでもよく、経済効率を追跡するために使用されるデータは、システムから出力される製品のフローおよびコストデータであってもよい。これらのデータは、状態を予測するためにデータ収集システムで使用されてもよいが、システムの自己組織化機能は、熱効率および経済効率の両方に関連する状態を予測するために最適化されたデータ収集戦略に向かって反復してもよい。新しいデータ収集スキーマは、個々のデータコレクタで以前に使用されたデータを含んでもよいが、異なるセンサまたはデータソースからの新しいデータを使用してもよい。
データ収集システムの反復は、いくつかの実施形態では、規則によって支配されてもよい。例えば、データ収集システムは、予め定められた頻度で播種のためのデータを収集するように構成されてもよい。データ収集システムは、新しいコンポーネント/装置/燃料源が追加されたとき、センサがオフラインになったとき、または標準的な慣行として、少なくとも何回も反復するように構成されていてもよい。例えば、海洋掘削作業におけるボーリングツールの回転を測定するセンサがオフラインになり、データ収集システムが同じデータポイントを測定する新しいセンサまたはデータコレクタからデータの取得を開始するとき、データ収集システムは、状態が下流のアクションに利用されるか、または任意の下流のアクションに影響を与えることを許可される前に、何回も反復するように構成されていてもよい。データ収集システムは、オフラインで訓練するように構成されていてもよいし、原位置/オンラインで訓練するように構成されていてもよい。データ収集システムは、そのデータコレクタに静的および/または手動で入力されたデータを含むように構成されてもよい。例えば、そのようなボーリングツールに関連付けられたデータ収集システムは、動作の持続時間に基づいてボーリングされた距離を予測するように反復するように構成されてもよい。実施形態では、データコレクタは、ボーリングツールの速度に関するデータ、距離センサ、温度センサなどを含む。
実施形態では、データ収集システムは、上書きされてもよい。実施形態では、データ収集システムは、自己組織化機能が失敗した場合、例えば、収集されたデータが不十分または不適切に収集された場合、モデルベースのシステムでは不確実性が高すぎる場合、ルールベースのシステムでは矛盾するルールを解決できない場合、または前記のいずれかの場合に解決策に収束できない場合など、データ収集システムは、以前の設定に戻してもよい。例えば、データ収集システムが使用する発電システムのセンサデータは、非運転状態(タービンの押収など)を示している場合があるが、出力センサやドローンなどの目視検査では正常な運転状態を示している場合がある。この場合、データ収集システムは、自己組織化機能を播種するための元のデータ収集スキーマに戻ってもよい。別の例では、冷凍システム上の1つまたは複数のポイントセンサは、コンプレッサの差し迫った故障を示すことがあるが、パフォーマンスメトリックの決定に向けて関連付けられたデータを収集するために自己組織化されたデータコレクタは、故障を識別しませんでした。この場合、データコレクタ(複数可)は、元の設定または圧縮機の差し迫った故障も特定したであろうデータコレクタの設定のバージョンに戻る。
実施形態では、データ収集システムは、システムを別のシステムに近づける新しいコンポーネントが追加された場合に、データ収集システムのデータ収集設定を変更してもよい。例えば、ナフタレンを蒸留するために石油・ガス精製所に真空蒸留ユニットが追加されるが、データ収集システムの現在のデータコレクタ設定は、灯油を蒸留する精製所に由来する。この例では、様々なシステムのデータコレクタ設定を持つデータ構造体を検索して、現在のシステムとより密接に一致するシステムを探してもよい。ナフタレンも蒸留するシステムのように、より密接に一致する新しいシステムが特定されると、新しいデータコレクタ設定(どのセンサを使用するか、どこに向けるか、どのくらいの頻度でサンプリングするか、どのようなタイプのデータおよびポイントが必要かなど、本明細書に記載されているように)は、システムの状態を予測することに向けて反復処理するためにデータ収集システムにシードを与えるために使用される。実施形態では、データ収集システムは、データの新しいセットが第三者ライブラリから利用可能になった場合に、データ収集システムの設定を変更してもよい。例えば、発電プラントは、特定のタービンモデルを最適化して高効率で動作するようにして、データコレクタの設定をデータ構造に寄託してもよい。データ構造体は、発電の監視をより良く支援し、その結果、タービンの運転を最適化する結果となる新しいデータコレクタを連続的にスキャンしてもよい。
実施形態では、データ収集システムは、未知の変数を明らかにするために自己組織化機能を利用してもよい。例えば、データ収集システムは、更なる反復に使用するために欠落した変数を特定するために反復してもよい。例えば、発電所のレガシー復水/補水システムの中の未使用のタンクは、アクセスできず、タンクに関する文書が存在しないため、未知の容量を有しているかもしれない。タンクの様々な側面は、推定された体積(例えば、下流空間への流れ、システムを通過する染料トレースされた溶液の持続時間)に到達するために、データ収集システムの群によって測定されてもよく、これは、その後、新しい変数としてデータ収集システムに供給され得る。
実施形態では、データ収集システムのノードは、マシン上、データコレクタ(またはそれらのグループ)上、ネットワークインフラストラクチャ(企業またはその他)内、またはクラウド内にあってもよい。実施形態では、ノード(例えば、マシン、データコレクタ、ネットワーク、クラウド)をまたいで分散ニューロンが存在してもよい。
ある側面において、そして図164に示されるように、データ収集システム12004は、産業環境12000において、例えば、1つ以上のターゲット12002からデータを収集するように配置され得る。図示された実施形態では、データ収集システム12004は、データ収集者12008のグループまたは「群」12006、ネットワーク12010、コンピューティングシステム12012、およびデータベースまたはデータプール12014を含む。データ収集器12008の各々は、構成要素間の接続矢印によって部分的に図示されているように、1つ以上の入力センサを含み、データ収集システム12004の他の構成要素のいずれかおよびすべてと通信的に結合され得る。
ターゲット12002は、産業環境12000内の任意の形態の機械またはその構成要素であり得る。そのような産業環境12000の例としては、工場、パイプライン、建設現場、海洋石油リグ、船舶、航空機または他の航空機、鉱業環境、掘削環境、精錬所、流通環境、製造環境、エネルギー源抽出環境、海洋探査現場、水中探査現場、組立ライン、倉庫、発電環境、および有害廃棄物環境が挙げられるが、これらに限定されず、それぞれが1つ以上のターゲット12002を含むことができる。ターゲット12002は、センサがデータを取得することができる任意の形態のアイテムまたは場所を取ることができる。そのようなターゲット12002の例としては、機械、パイプライン、機器、設置物、工具、車両、タービン、スピーカー、レーザー、オートマトン、コンピュータ機器、産業機器、およびスイッチが挙げられるが、これらに限定されない。
データ収集システム12004の自己組織化機能は、データ収集システム12004の構成要素のいずれかにおいて、またはその構成要素によって実行され得る。実施形態では、データコレクタ12008またはデータコレクタ12008のスウォーム12006は、他の構成要素からの援助なしに、例えば、その関連するセンサおよび他の知識によって感知されたデータに基づいて、自己組織化することができる。実施形態では、ネットワーク12100は、他のコンポーネントからの支援なしに、例えば、データ収集者1208によって感知されたデータまたは他の知識に基づいて、自己組織化することができる。同様に、コンピューティングシステム12102および/またはデータプール12104は、他のコンポーネントからの支援なしに、例えば、データ収集者1208または他の知識によって感知されたデータに基づいて、自己組織化することができる。任意の組み合わせまたはハイブリッド型の自己組織化システムも実施できることが理解されるべきである。
多くの例では、データ収集システム1204は、産業環境12000において自己組織化機能を有するデータ収集のための様々な方法またはシステムを実行するか、または可能にすることができる。これらの方法およびシステムは、複数のセンサ入力、例えば、データ収集システム12008でセンサから受信された、またはセンサによって感知されたセンサ入力を分析することを含むことができる。方法およびシステムはまた、受信したデータをサンプリングし、以下のうちの少なくとも1つを自己組織化することを含むことができる。i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作。
側面において、記憶操作は、データコレクタ1208、コンピューティングシステム12012、および/またはデータプール12014の、例えばローカルデータベースにデータを記憶することを含むことができる。また、データは、感知されたデータのサイズを小さくするために、所定の期間にわたって要約され得る。要約されたデータは、1つ以上のデータ収集ボックス、1つ以上のデータセンター、および/またはシステムの他の構成要素、または他の別個のシステムに送信することができる。データのサイズを縮小するために所定の期間にわたってデータを要約することは、いくつかの側面において、データがネットワーク(例えば、ネットワーク12100)を介して送信され得る速度を決定することを含むことができる。実施形態では、要約データのサイズは、データがネットワークを介してリアルタイムで連続的に送信され得る速度に対応する。そのような局面では、または他の局面では、要約データは、例えば、ネットワークを介して外部デバイスに連続的に送信することができる。
様々な実施形態において、方法およびシステムは、要約データをローカル台帳にコミットすること、アクセス可能なネットワーク上で1つ以上の他のアクセス可能な信号収集機器を識別すること、および/またはローカル台帳での要約データを、他のアクセス可能な信号収集機器の少なくとも1つ(例えば、データ収集器1208)と同期させることを含むことができる。実施形態では、ネットワークを介して、1つ以上の他のアクセス可能な信号収集機器からセンサデータのリモートストリームを受信することを含むことができる。ローカルに格納されたデータ、要約されたデータ、およびセンサデータのリモートストリームのうちの少なくとも1つの利用可能性を示す潜在的なクライアントへの広告メッセージもまた、または代替的に送信することができる。
方法およびシステムは、アクセス可能なネットワーク(例えば、ネットワーク12100)上の1つ以上の他のアクセス可能な信号収集装置(例えば、データコレクタ1208)を識別すること、1つ以上の他のアクセス可能な信号収集装置のうちの少なくとも1つを論理通信ハブとして指名すること、および利用可能なデータおよびそれらの関連するソースのリストを論理通信ハブに提供することを含むことができる。利用可能なデータおよびそれらの関連するソースのリストは、ハイブリッドピアツーピア通信プロトコルを利用して論理通信ハブに提供することができる。
いくつかの側面において、記憶操作は、データをローカルデータベースに記憶することと、機械学習を利用してデータプールの少なくとも1つのパラメータを自動的に整理することとを含むことができる。整理は、データプール(例えば、データプール12014)からのデータを使用する外部機械学習システムの分類の精度および予測の精度の少なくとも1つに関する情報を受信することに少なくとも部分的に基づいて行うことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および以下のうちの少なくとも1つを自己組織化することを含むことができる。i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、産業環境におけるセンサからの複数のセンサ入力を処理し、複数のセンサ入力に関連付けられたデータを生成するためのデータコレクタと、(i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および以下のうちの少なくとも1つを自己組織化することを含むことができる。i)データの記憶操作;(iii)複数のセンサ入力を提供するセンサの収集操作;および(iiii)複数のセンサ入力の選択操作。実施形態では、保存操作は、データをローカルデータベースに保存することと、データのサイズを小さくするために、所定の期間にわたってデータを要約することとを含む。
本開示の前記実施形態のいずれかのさらなる実施形態は、方法が、要約されたデータを1つ以上のデータ収集ボックスに送信することをさらに含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、方法が、要約データを1つ以上のデータセンターに送信することをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、データのサイズを小さくするために所定の時間期間にわたってデータを要約することが、ネットワークを介してデータを送信することができる速度を決定することを含む状況を含んでもよい。実施形態では、要約されたデータのサイズは、データがネットワークを介してリアルタイムで連続的に送信され得る速度に対応する。
本開示の前記実施形態のいずれかのさらなる実施形態は、方法が、要約されたデータをネットワークを介して外部デバイスに連続的に送信することをさらに含む状況を含み得る。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および以下のうちの少なくとも1つを自己組織化することを含むことができる。i)データの記憶操作;(iii)複数のセンサ入力を提供するセンサの収集操作;および(iiii)複数のセンサ入力の選択操作。実施形態では、記憶動作は、データをローカルデータベースに記憶すること、データのサイズを小さくするために所定の期間にわたってデータを要約すること、要約されたデータをローカル台帳にコミットすること、アクセス可能なネットワーク上で1つ以上の他のアクセス可能な信号収集手段を識別すること、およびローカル台帳で要約されたデータを他のアクセス可能な信号収集手段のうちの少なくとも1つと同期させることを含む。本開示の前述の実施形態のいずれかのさらなる実施形態は、方法が、ネットワークを介して、1つ以上の他のアクセス可能な信号収集機器からのセンサデータのリモートストリームを受信することをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、方法が、ローカルに格納されたデータ、要約されたデータ、およびセンサデータのリモートストリームのうちの少なくとも1つの利用可能性を示す広告メッセージを潜在的なクライアントに送信することをさらに含む状況を含み得る。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、以下のうちの少なくとも1つを自己組織化することを含むことができる。i)データの保存操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作。実施形態では、記憶動作は、データをローカルデータベースに記憶することと、データのサイズを小さくするために所定の期間にわたってデータを要約することと、アクセス可能なネットワーク上の1つ以上の他のアクセス可能な信号収集機器を識別することと、1つ以上の他のアクセス可能な信号収集機器のうちの少なくとも1つを論理通信ハブとして指名することと、論理通信ハブに、利用可能なデータおよびそれらの関連するソースのリストを提供することとを含む。
本開示の前述の実施形態のいずれかのさらなる実施形態は、利用可能なデータおよびそれらの関連するソースのリストが、ハイブリッドピアツーピア通信プロトコルを利用して論理通信ハブに提供される状況を含んでもよい。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの保存操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、保存操作は、データをローカルデータベースに保存することと、データのサイズを小さくするために所定の期間にわたってデータを要約することと、データをローカルデータベースに保存することと、機械学習を利用してデータベースの少なくとも1つのパラメータを自動的に整理することとを含む。実施形態では、組織化は、データベースからのデータを使用する外部機械学習システムの分類精度および予測精度の少なくとも1つに関する情報を受信することに少なくとも部分的に基づいている。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの保存操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、保存操作は、データをローカルデータベースに保存することと、データのサイズを小さくするために所定の期間にわたってデータを要約することと、データをローカルデータベースに保存することと、機械学習を利用してデータベースの少なくとも1つのパラメータを自動的に整理することとを含む。実施形態では、組織化は、データベースからのデータを使用する外部機械学習システムの分類精度および予測精度の少なくとも1つに関する情報を受信することに少なくとも部分的に基づいている。
側面において、複数のセンサ入力を提供するセンサの収集動作は、ターゲット(例えば、12002)でセンサを動作させるようにモバイルデータコレクタユニット(例えば、データコレクタ12008)に指示する指示を受信することを含むことができる。実施形態では、複数のセンサのうちの少なくとも1つは、移動データコレクタユニット内に配置される。指示に関する通信を、1つ以上の他の移動データ収集ユニット(1208)に送信することができる。スウォーム12006またはその一部は、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニット(例えば、データ収集器12008)の目標12002における分布を自己組織化することができる。
側面において、ターゲット1202におけるモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットのそれぞれのためのそれぞれのターゲット位置を決定するために機械学習アルゴリズムを利用することを含む。機械学習アルゴリズムは、それぞれのターゲット位置を決定するために、複数の特徴のうちの1つ以上を利用することができる。特徴の例としては、移動データ収集ユニット(データ収集器1208)のバッテリ寿命、感知されるターゲット1202のタイプ、感知される信号のタイプ、ターゲット1202のサイズ、ターゲット1202をカバーするために必要な移動データ収集ユニット(データ収集器1208)の数、ターゲット1202に必要なデータポイントの数、信号捕捉の事前達成の成功、指示を受けた本部または他の構成要素から受信した情報、ターゲット1202で操作されたセンサに関する過去の情報などを含むことができる。
実施形態では、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの目標位置における分布を自己組織化することは、モバイルデータコレクタユニット(複数可)の目標位置を提案すること、目標位置を少なくとも1つの他のモバイルデータコレクタユニットに送信すること、目標位置に対する競合がないことの確認を受信すること、モバイルデータコレクタユニットの1つを目標位置に指示すること、および指示されたモバイルデータコレクタユニットから目標位置におけるセンサデータを収集することを含むことができる。
モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの目標位置における分布を自己組織化することはまた、特定の実施形態において、モバイルデータコレクタユニットの目標位置を提案すること、目標位置を1つ以上の他のモバイルデータコレクタユニットの少なくとも1つに送信すること、新たな目標位置の提案を受信すること、モバイルデータコレクタユニットを新たな目標位置に指示すること、およびモバイルデータコレクタユニットから新たな目標位置でセンサデータを収集することを含むことができる。
追加的または代替的な側面において、目標位置におけるモバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの分布を自己組織化することは、モバイルデータコレクタユニットの目標位置を提案すること、1つ以上の他のモバイルデータコレクタユニットの少なくとも1つが目標位置にあるかまたは目標位置に移動していることを決定すること、1つ以上の他のモバイルデータコレクタユニットの少なくとも1つが目標位置にあるかまたは目標位置に移動していることに基づいて新たな目標位置を決定すること、モバイルデータコレクタユニットを新たな目標位置に指示すること、およびモバイルデータコレクタユニットから新たな目標位置でセンサデータを収集することからなり得る。
移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標位置における分布を自己組織化することは、目標1202で動作するセンサの種類を決定すること、センサの種類について競合がないことの確認を受信すること、目標1202でセンサの種類を動作させるように移動データ収集ユニットに指示すること、および目標1202でセンサの種類からセンサデータを移動データ収集ユニットから収集すること、をさらに含むことができる。
側面において、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標位置における分布を自己組織化することは、目標位置で動作するセンサの種類を決定すること、センサの種類を1つ以上の他の移動データ収集ユニットの少なくとも1つに送信すること、センサの新しい種類の提案を受信すること、移動データ収集ユニットに新しい種類のセンサを目標位置で動作させるように指示すること、および移動データ収集ユニットから目標位置の新しい種類のセンサからセンサデータを収集することを含むことができる。
移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標位置での分布を自己組織化することは、目標位置で動作するセンサの種類を決定すること、1つ以上の他の移動データ収集ユニットの少なくとも1つが目標位置で動作しているか、または目標位置でその種類のセンサを動作させることができるかを決定することを含むことができる。前記1つ以上の他のモバイルデータコレクタユニットのうちの少なくとも1つが前記ターゲットで前記センサの種類を操作するか、または操作可能であることに基づいて、前記センサの新しい種類を決定し、前記モバイルデータコレクタユニットに前記ターゲットで前記新しい種類のセンサを操作するように指示し、前記モバイルデータコレクタユニットから前記ターゲットで前記新しい種類のセンサからセンサデータを収集することと
いくつかの実施形態では、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの目標位置における分布を自己組織化することは、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの間でセンサの責任領域を割り当てるために、スウォーム最適化アルゴリズムを利用することから成ることができる。スワーム最適化アルゴリズムの例としては、遺伝的アルゴリズム(GA)、アリコロニー最適化(ACO)、粒子群最適化(PSO)、差分進化(DE)、人工蜂コロニー(ABC)、ホタル群最適化(GSO)、カッコウ探索アルゴリズム(CSA)、遺伝的プログラミング(GP)、進化戦略(ES)、進化的プログラミング(EP)、ホタルアルゴリズム(FA)、コウモリアルゴリズム(BA)、およびオオカミ(Grey Wolf)最適化(GWO)、またはそれらの組み合わせなどが挙げられるが、これらに限定されない。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。
本開示は、自動化された自己組織化を有する産業環境におけるデータ収集のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、産業環境におけるセンサからの複数のセンサ入力を処理し、複数のセンサ入力に関連付けられたデータを生成するためのデータコレクタと、(i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析することを含むことができる。センサ入力から受信したデータをサンプリングし、(i)データの保存動作、(iii)複数のセンサ入力を提供するセンサの収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することを含む。実施形態では、複数のセンサ入力を提供するセンサの収集動作は、ターゲットでセンサを動作させるようにモバイルデータ収集ユニットを指示する指示を受信することを含む。実施形態では、複数のセンサのうちの少なくとも1つは、移動データ収集ユニットに配置され、指示に関する通信を1つ以上の他の移動データ収集ユニットに送信し、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標での分布を自己組織化することを含む。
本開示の前述の実施形態のいずれかのさらなる実施形態は、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの目標での分布を自己組織化することが、各モバイルデータコレクタユニットのそれぞれの目標位置を決定するために機械学習アルゴリズムを利用することを含む状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、機械学習アルゴリズムが、それぞれのターゲットの位置を決定するために複数の特徴のうちの1つ以上を利用する状況を含むことができ、複数の特徴のうちの1つ以上は、以下を含む。モバイルデータコレクタユニットのバッテリ寿命、感知されるターゲットのタイプ、感知される信号のタイプ、ターゲットのサイズ、ターゲットをカバーするために必要なモバイルデータコレクタユニットの数、ターゲットに必要なデータポイントの数、信号捕捉の先行達成の成功、指示を受けた本部から受信した情報、およびターゲットで操作されるセンサに関する過去の情報を含む。
本開示の前述のいずれかの実施形態のさらなる実施形態は、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの目標位置における分布を自己組織化することが、モバイルデータコレクタユニットの目標位置を提案すること、目標位置を1つ以上の他のモバイルデータコレクタユニットの少なくとも1つに送信すること、目標位置に対する競合がないことの確認を受信すること、モバイルデータコレクタユニットを目標位置に指示すること、およびモバイルデータコレクタユニットから目標位置におけるセンサデータを収集することを含む状況を含んでいてもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、目標位置におけるモバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの分布を自己組織化することが、モバイルデータコレクタユニットの目標位置を提案すること、目標位置を1つ以上の他のモバイルデータコレクタユニットの少なくとも1つに送信すること、新しい目標位置の提案を受信すること、モバイルデータコレクタユニットを新しい目標位置に指示すること、およびモバイルデータコレクタユニットから新しい目標位置でセンサデータを収集することを含む状況を含んでいてもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標位置における分布を自己組織化することが、移動データ収集ユニットの目標位置を提案することを含む状況を含んでもよい。1つ以上の他のモバイルデータコレクタユニットの少なくとも1つが目標位置にあるか、または目標位置に移動していることを判断し、前記1つ以上の他のモバイルデータコレクタユニットの少なくとも1つが目標位置にあるか、または目標位置に移動していることに基づいて新たな目標位置を決定し、前記モバイルデータコレクタユニットを新たな目標位置に指示し、前記モバイルデータコレクタユニットから新たな目標位置でセンサデータを収集することを特徴とするモバイルデータコレクタユニット。
本開示の前記実施形態のいずれかのさらなる実施形態は、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標位置における分布を自己組織化することが、目標位置で動作するセンサの種類を決定すること、センサの種類について競合がないことの確認を受信すること、目標位置でセンサの種類を動作させるように移動データ収集ユニットを指示すること、および目標位置でセンサの種類からセンサデータを移動データ収集ユニットから収集することを含む状況を含んでもよい。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの保存動作、(iii)複数のセンサ入力を提供するセンサの収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化することを含むことができる。複数のセンサ入力を提供するセンサの収集動作は、ターゲットでセンサを動作させるようにモバイルデータ収集ユニットに指示する指示を受信することを含む。実施形態では、複数のセンサのうちの少なくとも1つは、移動データ収集ユニットに配置され、指示に関する通信を1つ以上の他の移動データ収集ユニットに送信し、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標での分布を自己組織化する。実施形態では、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの目標位置における分布を自己組織化することは、目標で動作するセンサの種類を決定すること、センサの種類を1つ以上の他のモバイルデータコレクタユニットの少なくとも1つに送信すること、センサの新しい種類の提案を受信すること、モバイルデータコレクタユニットに新しい種類のセンサを目標で動作させるように指示すること、およびモバイルデータコレクタユニットから目標で新しい種類のセンサからのセンサデータを収集することを含む。
本開示の前記実施形態のいずれかのさらなる実施形態は、移動データ収集ユニットおよび1つ以上の他の移動データ収集ユニットの目標位置における分布を自己組織化することが、目標位置で動作するセンサの種類を決定すること、1つ以上の他の移動データ収集ユニットのうちの少なくとも1つが目標位置で動作しているか、または目標位置でその種類のセンサを動作させることができることを決定することを含む状況を含み得る。前記1つ以上の他のモバイルデータコレクタユニットのうちの少なくとも1つが前記ターゲットで前記センサの種類を操作するか、または操作可能であることに基づいて、前記センサの新しい種類を決定し、前記モバイルデータコレクタユニットに前記ターゲットで前記新しい種類のセンサを操作するように指示し、前記モバイルデータコレクタユニットから前記ターゲットで前記新しい種類のセンサからセンサデータを収集することと
本開示の前述の実施形態のいずれかのさらなる実施形態は、目標位置におけるモバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの分布を自己組織化することが、モバイルデータコレクタユニットおよび1つ以上の他のモバイルデータコレクタユニットの間でセンサの責任領域を割り当てるために群最適化アルゴリズムを利用することを含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、スウォーム最適化アルゴリズムが、遺伝的アルゴリズム(GA)、アントコロニー最適化(ACO)、粒子群最適化(PSO)、微分進化(DE)、人工蜂コロニー(ABC)、ホタル群最適化(GSO)、カッコウ探索アルゴリズム(CSA)、遺伝的プログラミング(GP)、進化戦略(ES)、進化的プログラミング(EP)、ホタルアルゴリズム(FA)、コウモリアルゴリズム(BA)、オオカミ最適化(GWO)のうちの1つ以上のタイプである状況を含んでもよい。
側面において、選択操作は、産業環境12000の少なくとも1つの状態に関連する信号を受信し、その信号に基づいて、分析されたセンサ入力の少なくとも1つとサンプリングの周波数のうちの少なくとも1つを変更することを含むことができる。産業環境の少なくとも1つの状態は、サンプリングされたデータの信号対雑音比であり得る。選択操作は、感知されるべきターゲット信号を特定することを含むことができる。さらに、選択操作は、感知されるべきターゲット信号と同じ周波数帯域の1つ以上の非ターゲット信号を識別すること、および識別された1つ以上の非ターゲット信号に基づいて、分析されるセンサ入力の少なくとも1つおよびサンプリングの周波数を変更することをさらに含むことができる。
選択操作は、感知されるべきターゲット信号と同じ信号帯域で感知している他のデータ収集器を識別し、識別された他のデータ収集器に基づいて、分析されたセンサ入力の少なくとも1つとサンプリングの周波数とを変更することから成ることができる。実施形態では、選択操作は、感知されるべきターゲット信号に関連付けられたターゲットの活動レベルを識別し、識別された活動レベルに基づいて、分析されたセンサ入力の少なくとも1つとサンプリングの周波数のうちの少なくとも1つを変更することをさらに含むことができる。
選択操作は、ターゲット信号に関連付けられたターゲットの近くの環境条件を示すデータを受信すること、受信したターゲットの環境条件をターゲットの近くの過去の環境条件またはターゲットに類似した別のターゲットと比較すること、および比較に基づいて、分析されたセンサ入力およびサンプリングの周波数のうちの少なくとも1つを変更することをさらに含むことができる。受信したサンプリングデータの少なくとも一部は、データ収集の所定の階層に従って別のデータコレクタに送信することができる。
選択操作はさらに、いくつかの側面において、ターゲット信号に関連付けられたターゲットの近くの環境条件を示すデータを受信し、受信したサンプリングデータの少なくとも一部をデータ収集の所定の階層に従って別のデータコレクタに送信し、ネットワーク接続を介して送信データの品質または十分性に関連するフィードバックを受信し、受信したフィードバックを分析し、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうちの少なくとも1つを変更することを含む。
さらに、または代替的に、選択操作は、ターゲット信号に関連付けられたターゲットの近くの環境条件を示すデータを受信すること、受信したサンプリングデータの少なくとも一部をデータ収集の所定の階層に従って別のデータコレクタに送信すること、送信されたデータの1つ以上の歩留まり指標に関連するフィードバックをネットワーク接続を介して受信すること、受信したフィードバックを分析すること、および受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうちの少なくとも1つを変更することを含むことができる。
実施形態では、選択動作は、ターゲット信号に関連付けられたターゲットの近くの環境条件を示すデータを受信すること、受信したサンプリングデータの少なくとも一部をデータ収集の所定の階層に従って別のデータコレクタに送信すること、電力使用率に関連するネットワーク接続を介してフィードバックを受信すること、受信したフィードバックを分析すること、および受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの周波数、保存されたデータ、および送信されたデータのうちの少なくとも1つを変更することを含むことができる。
選択操作はまた、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信すること、受信したサンプリングデータの少なくとも一部をデータ収集の所定の階層に従って別のデータコレクタに送信すること、送信されたデータの品質または十分性に関連するフィードバックをネットワーク接続を介して受信すること、受信したフィードバックを分析すること、および受信したフィードバックの分析に基づいて、感知したデータに対して次元削減アルゴリズムを実行することを含む。か、または代替的に構成することができる。次元削減アルゴリズムは、決定木、ランダムフォレスト、主成分分析、因子分析、線形判別分析、相関行列に基づく識別、欠損値比、低分散フィルタ、ランダム投影、非負行列因子化、スタックドオートエンコーダ、カイ二乗または情報利得、多次元スケーリング、コレスポンデンス分析、因子分析、クラスタリング、およびベイズモデルのうちの1つまたは複数であることができる。次元削減アルゴリズムは、データコレクタ1208、データコレクタ1208のスウォーム1206、ネットワーク12010、コンピューティングシステム12012、データプール12014、またはそれらの組み合わせで実行することができる。側面において、次元削減アルゴリズムを実行することは、センシングされたデータをリモート・コンピューティング・デバイスに送信することを含むことができる。
側面において、発電環境におけるデータ収集の自己組織化収集および保存のためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなセンサは、データコレクタの構成要素であってもよいし、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)の構成要素)であってもよいし、またはそれらの組み合わせであってもよい。複数のセンサ入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、燃料処理システム、動力源、タービン、発電機、歯車システム、送電システム、変圧器、燃料電池、およびエネルギー貯蔵装置/システムが挙げられるが、これらに限定されるものではない。また、システムは、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムを含むことができる。i)データの蓄積動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するように構成され得る。
側面では、システムは、移動データコレクタ(例えば、データコレクタ1208)のスウォーム1206を含むことができる。さらに、追加的または代替的な局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、反復処理し、最適化することができる。ストレージ仕様は、例えば、どのデータが発電環境におけるローカルストレージのために格納され、どのデータが発電環境からネットワーク接続(例えば、ネットワーク12100)を介してストリーミングのために出力されるかを指定することができる。他のデータ収集、生成、および/またはストレージ操作は、本明細書に記載されているように、システムによって実行されるか、または有効にすることができる。
非限定的な例では、システムは、タービンの環境における様々なパラメータを感知するように構成された複数のセンサをターゲットシステムとして含むことができる。振動センサ、温度センサ、音響センサ、ひずみゲージ、および加速度計などが、タービンの動作に関するデータを生成するためにシステムによって利用され得る。本明細書に記載されているように、複数のセンサ入力の記憶動作、データ収集動作、および選択動作のいずれかおよびすべては、システムによって適応され、最適化され、学習され、またはそうでなければ自己組織化されてもよい。
側面において、エネルギー源抽出環境におけるデータ収集の自己組織化収集および保存のためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなエネルギー源抽出環境の例としては、他の抽出環境が本開示によって企図されるが、石炭採掘環境、金属採掘環境、鉱物採掘環境、および石油掘削環境が挙げられる。利用されるセンサは、データコレクタの構成要素、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタの構成要素)、またはそれらの組み合わせであり得る。複数のセンサ入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、運搬システム、リフティングシステム、掘削システム、採掘システム、掘削システム、ボーリングシステム、マテリアルハンドリングシステム、コンベアシステム、パイプラインシステム、廃水処理システム、および流体ポンプシステムが挙げられるが、これらに限定されるものではない。
システムはまた、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムを含むことができる。i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)本明細書に記載されるような複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するように構成され得る。側面において、システムは、移動式データコレクタ(例えば、データコレクタ1208)の群1206を含むことができる。さらに、追加的または代替的な局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、反復し、最適化することができる。ストレージ仕様は、例えば、どのデータが発電環境におけるローカルストレージのために格納され、どのデータが発電環境からネットワーク接続(例えば、ネットワーク12100)を介してストリーミングのために出力されるかを指定することができる。他のデータ収集、生成、および/またはストレージ操作は、本明細書に記載されているように、システムによって実行されるか、または有効にすることができる。
非限定的な例では、システムは、対象システムとしての流体ポンピングシステムの環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。振動センサ、流量センサ、圧力センサ、温度センサ、音響センサなどが、流体ポンピングシステムの動作に関するデータを生成するためにシステムによって利用され得る。本明細書に記載されているように、複数のセンサ入力の記憶動作、データ収集動作、および選択動作のいずれかおよびすべては、システムによって適応され、最適化され、学習され、またはそうでなければ自己組織化されてもよい。
実施形態では、製造環境におけるデータ収集の自己組織化収集および保存のためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなセンサは、データコレクタの構成要素であってもよいし、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタ(複数可)の構成要素)であってもよいし、またはそれらの組み合わせであってもよい。複数のセンサ入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、電力システム、コンベアシステム、発電機、組立ラインシステム、ウェハハンドリングシステム、化学蒸着システム、エッチングシステム、印刷システム、ロボットハンドリングシステム、部品組立システム、検査システム、ロボット組立システム、および半導体生産システムが挙げられるが、これらに限定されるものではない。システムはまた、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムを含むことができる。i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するように構成することができる、本明細書に記載の自己組織化システム。
側面では、システムは、移動データコレクタ(例えば、データコレクタ1208)のスウォーム1206を含むことができる。さらに、追加的または代替的な局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、反復処理し、最適化することができる。ストレージ仕様は、例えば、どのデータが発電環境におけるローカルストレージのために格納され、どのデータが発電環境からネットワーク接続(例えば、ネットワーク12100)を介してストリーミングのために出力されるかを指定することができる。他のデータ収集、生成、および/またはストレージ操作は、本明細書に記載されているように、システムによって実行されるか、または有効にすることができる。
非限定的な例では、システムは、ターゲットシステムとしてのウェハハンドリングシステムの環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。振動センサ、流体流量センサ、圧力センサ、ガスセンサ、温度センサなどが、ウエハハンドリングシステムの動作に関するデータを生成するためにシステムによって利用されてもよい。本明細書に記載されているように、記憶動作、データ収集動作、および複数のセンサ入力の選択動作のいずれかおよびすべては、システムによって適応され、最適化され、学習され、またはそうでなければ自己組織化されていてもよい。
また、精製環境におけるデータ収集の収集および保存を自己組織化するための追加的または代替的なシステムの実施形態も開示されている。そのようなシステム(複数可)は、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのような精製環境の例としては、他の精製環境が本開示によって企図されるが、化学精製環境、医薬品精製環境、生物学的精製環境、および炭化水素精製環境が挙げられる。利用されるセンサは、データコレクタの構成要素、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタの構成要素)、またはそれらの組み合わせであり得る。複数のセンサ入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。そのようなターゲットシステムの例としては、電力システム、ポンプシステム、混合システム、反応システム、蒸留システム、流体処理システム、加熱システム、冷却システム、蒸発システム、触媒システム、移動システム、およびコンテナシステムが挙げられるが、これらに限定されるものではない。
システムはまた、以下のうちの少なくとも1つを自己組織化するように構成され得る自己組織化システムを含むことができる。i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)本明細書に記載されるような複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するように構成され得る。側面において、システムは、移動式データコレクタ(例えば、データコレクタ1208)の群1206を含むことができる。さらに、追加的または代替的な局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、反復し、最適化することができる。ストレージ仕様は、例えば、どのデータが発電環境におけるローカルストレージのために格納され、どのデータが発電環境からネットワーク接続(例えば、ネットワーク12100)を介してストリーミングのために出力されるかを指定することができる。他のデータ収集、生成、および/またはストレージ操作は、本明細書に記載されているように、システムによって実行されるか、または有効にすることができる。
非限定的な例では、システムは、ターゲットシステムとしての加熱システムの精製環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。温度センサ、流体流量センサ、圧力センサなどが、加熱システムの動作に関するデータを生成するためにシステムによって利用されてもよい。本明細書に記載されているように、複数のセンサ入力の記憶動作、データ収集動作、および選択動作のいずれかおよびすべては、システムによって適応され、最適化され、学習され、またはそうでなければ自己組織化されてもよい。
側面において、流通環境におけるデータ収集の自己組織化収集および保存のためのシステムは、様々なセンサからの複数のセンサ入力を処理するためのデータコレクタを含むことができる。そのようなセンサは、データコレクタの構成要素であってもよいし、データコレクタの外部(例えば、外部センサまたは異なるデータコレクタの構成要素)であってもよいし、またはそれらの組み合わせであってもよい。複数のセンサ入力は、少なくとも1つのターゲットシステムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成することができる。このようなターゲットシステムの例としては、電力システム、コンベアシステム、ロボット搬送システム、ロボットハンドリングシステム、パッキングシステム、冷蔵システム、高温貯蔵システム、冷凍システム、真空システム、運搬システム、昇降システム、検査システム、およびサスペンションシステムが挙げられるが、これらに限定されない。システムはまた、以下のうちの少なくとも1つを自己組織化するように構成された自己組織化システムを含むことができる。i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するように構成されている、本明細書に記載されているような自己組織化システム。
側面では、システムは、移動データコレクタ(例えば、データコレクタ1208)のスウォーム1206を含むことができる。さらに、追加的または代替的な局面では、自己組織化システムは、データのストレージを組織化するためのストレージ仕様を生成し、反復処理し、最適化することができる。ストレージ仕様は、例えば、どのデータが発電環境におけるローカルストレージのために格納され、どのデータが発電環境からネットワーク接続(例えば、ネットワーク12100)を介してストリーミングのために出力されるかを指定することができる。他のデータ収集、生成、および/またはストレージ操作は、本明細書に記載されているように、システムによって実行されるか、または有効にすることができる。
非限定的な例では、システムは、対象システムとしての冷凍システムの流通環境における様々なパラメータを感知するように構成された複数のセンサを含むことができる。電力センサ、温度センサ、振動センサ、ひずみゲージなどが、タービンの運転に関するデータを生成するためにシステムによって利用されてもよい。本明細書に記載されているように、記憶動作、データ収集動作、および複数のセンサ入力の選択動作のいずれかおよびすべては、システムによって適応され、最適化され、学習され、またはそうでなければ自己組織化されてもよい。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。
本開示は、自動化された自己組織化を有する産業環境におけるデータ収集のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、産業環境におけるセンサからの複数のセンサ入力を処理し、複数のセンサ入力に関連付けられたデータを生成するためのデータコレクタと、(i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iiii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムとを含むことができる。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、選択操作は、産業環境の少なくとも1つの状態に関連する信号を受信し、その信号に基づいて、分析されるセンサ入力のうちの少なくとも1つを変更し、サンプリングの周波数を変更することを含む。
本開示の前記実施形態のいずれかのさらなる実施形態は、産業環境の少なくとも1つの条件が、サンプリングされたデータの信号対雑音比である状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、選択操作が、感知されるべきターゲット信号を特定することを含む状況を含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、選択操作が、感知されるべきターゲット信号と同じ周波数帯の1つ以上の非ターゲット信号を識別し、識別された1つ以上の非ターゲット信号に基づいて、分析されたセンサ入力およびサンプリングの周波数のうちの少なくとも1つを変更することをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、選択操作が、感知されるべき対象信号と同じ信号帯域で感知している他のデータ収集器を識別し、識別された他のデータ収集器に基づいて、分析されたセンサ入力およびサンプリングの周波数のうちの少なくとも1つを変更することをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、選択操作が、感知されるべきターゲット信号に関連付けられたターゲットの活動レベルを識別することをさらに含み、識別された活動レベルに基づいて、分析されたセンサ入力およびサンプリングの周波数のうちの少なくとも1つを変更することを含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、選択操作が、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信すること、受信したターゲットの環境条件を、ターゲット近傍の過去の環境条件またはターゲットに類似した別のターゲットと比較すること、および比較に基づいて、分析されたセンサ入力およびサンプリングの頻度のうちの少なくとも1つを変更することをさらに含む状況を含むことができる。
本開示の前述の実施形態のいずれかのさらなる実施形態は、選択操作が、受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信することをさらに含む状況を含んでもよい。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、選択操作は、感知されるべきターゲット信号を特定することと、その信号に基づいて、産業環境の少なくとも1つの条件に関連する信号を受信することと、分析されるセンサ入力の少なくとも1つおよびサンプリングの周波数を変更することと、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信することとを含む。受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信し、送信したデータの品質または十分性に関するフィードバックをネットワーク接続を介して受信し、受信したフィードバックを分析し、受信したフィードバックの分析に基づいて、分析したセンサ入力、サンプリングの頻度、保存されたデータ、および送信したデータのうちの少なくとも1つを変更する。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、選択操作は、感知されるべきターゲット信号を特定することと、その信号に基づいて、産業環境の少なくとも1つの条件に関連する信号を受信することと、分析されるセンサ入力の少なくとも1つおよびサンプリングの周波数を変更することと、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信することとを含む。受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信するステップと、送信したデータの1つ以上の歩留まり指標に関連するフィードバックをネットワーク接続を介して受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、分析したセンサ入力、サンプリングの頻度、保存したデータ、および送信したデータのうちの少なくとも1つを変更するステップと、を実行する。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、選択操作は、感知されるべきターゲット信号を特定することと、その信号に基づいて、産業環境の少なくとも1つの条件に関連する信号を受信することと、分析されるセンサ入力の少なくとも1つおよびサンプリングの周波数を変更することと、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信することとを含む。受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信し、電力使用率に関連するネットワーク接続を介してフィードバックを受信し、受信したフィードバックを分析し、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータのうちの少なくとも1つを変更する。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、選択操作は、感知されるべきターゲット信号を特定することと、その信号に基づいて、産業環境の少なくとも1つの条件に関連する信号を受信することと、分析されるセンサ入力の少なくとも1つおよびサンプリングの周波数を変更することと、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信することとを含む。受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信し、ネットワーク接続を介して送信データの品質または十分性に関連するフィードバックを受信し、受信したフィードバックを分析し、受信したフィードバックの分析に基づいて、センシングされたデータ上で次元削減アルゴリズムを実行すること。
本開示の前述の実施形態のいずれかのさらなる実施形態は、次元削減アルゴリズムが、決定木、ランダムフォレスト、主成分分析、因子分析、線形判別分析のうちの1つ以上である状況を含むことができる。相関行列、欠測値比、低分散フィルタ、ランダム投影、非負行列因数分解、スタックドオートエンコーダー、カイ二乗または情報利得、多次元スケーリング、相関分析、因子分析、クラスタリング、ベイズモデルに基づく識別。
本開示の前述の実施形態のいずれかのさらなる実施形態は、次元削減アルゴリズムがデータコレクタで実行される状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、次元削減アルゴリズムを実行することが、センシングされたデータをリモートコンピューティングデバイスに送信することを含む状況を含み得る。
本開示は、自己組織化機能を有する産業環境におけるデータ収集のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のセンサ入力を分析すること、センサ入力から受信したデータをサンプリングすること、および(i)データの記憶操作、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作のうちの少なくとも1つを自己組織化することを含むことができる。実施形態では、選択操作は、感知されるべきターゲット信号を特定することと、その信号に基づいて、産業環境の少なくとも1つの条件に関連する信号を受信することと、分析されるセンサ入力の少なくとも1つおよびサンプリングの周波数を変更することと、ターゲット信号に関連付けられたターゲット近傍の環境条件を示すデータを受信することとを含む。受信したサンプリングデータの少なくとも一部を、データ収集の所定の階層に従って別のデータコレクタに送信するステップと、ネットワーク接続を介して、帯域幅と品質またはネットワーク接続の少なくとも1つに関連するフィードバックを受信するステップと、受信したフィードバックを分析するステップと、受信したフィードバックの分析に基づいて、分析されたセンサ入力、サンプリングの頻度、保存されたデータ、および送信されたデータの少なくとも1つを変更するステップと、を実行します。
本開示は、発電環境におけるデータ収集の自己組織化収集および保存のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、発電環境におけるセンサからの複数のセンサ入力を処理するためのデータ収集器を含むことができる。実施形態では、複数のセンサ入力は、燃料取扱システム、電源、タービン、発電機、歯車システム、送電システム、および変圧器を含む。群から選択される少なくとも1つの対象システムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成され、(i)データの格納動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうちの少なくとも1つを自己組織化するための自己組織化システムである。
本開示の前述の実施形態のいずれかのさらなる実施形態は、自己組織化システムが、複数のターゲットシステムからデータを収集するためにモバイルデータ収集者の群を組織化する状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、自己組織化システムが、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様が、発電環境におけるローカルストレージのためのデータを指定し、発電環境からネットワーク接続を介してストリーミングするためのデータを指定する状況を含んでもよい。
本開示は、エネルギー源抽出環境におけるデータ収集の自己組織化収集および保存のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、エネルギー源抽出環境におけるセンサからの複数のセンサ入力を処理するためのデータ収集器を含むことができる。実施形態では、複数のセンサ入力は、運搬システム、リフティングシステム、掘削システム、採掘システム、掘削システム、ボーリングシステム、マテリアルハンドリングシステムを含む。群から選択される少なくとも1つの対象システムの運転モード、故障モード、および健全状態のうちの少なくとも1つを感知するように構成されている。コンベアシステム、パイプラインシステム、排水処理システム、流体ポンプシステム、および、(i)データの蓄積動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうち少なくとも1つを自己組織化するための自己組織化システム。
本開示の前述の実施形態のいずれかのさらなる実施形態は、自己組織化システムが、複数のターゲットシステムからデータを収集するためにモバイルデータ収集者の群を組織化する状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、自己組織化システムが、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様が、エネルギー抽出環境におけるローカルストレージのためのデータを指定し、エネルギー抽出環境からネットワーク接続を介してストリーミングするためのデータを指定する状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、エネルギー源の抽出環境が石炭採掘環境である状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、エネルギー源抽出環境が金属採掘環境である状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、エネルギー源抽出環境が鉱物採掘環境である状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、エネルギー源の抽出環境が石油掘削環境である状況を含んでもよい。
本開示は、製造環境におけるデータ収集の自己組織化収集および保存のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、発電環境におけるセンサからの複数のセンサ入力を処理するためのデータ収集器を含むことができる。実施形態では、複数のセンサ入力は、電力システム、コンベアシステム、発電機、組立ラインシステム、ウェハハンドリングシステム、化学蒸着システム、エッチングシステム、印刷システム、ロボットハンドリングシステムを含む。群から選択される少なくとも1つの対象システムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成されている。部品組立システム、検査システム、ロボット組立システム、及び半導体製造システムであって、(i)データの蓄積動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、及び(iii)複数のセンサ入力の選択動作のうち少なくとも1つを自己組織化するための自己組織化システム。
本開示の前述の実施形態のいずれかのさらなる実施形態は、自己組織化システムが、複数のターゲットシステムからデータを収集するためにモバイルデータ収集者の群を組織化する状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、自己組織化システムが、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様が、製造環境におけるローカルストレージのためのデータを指定し、製造環境からネットワーク接続を介してストリーミングするためのデータを指定する状況を含んでもよい。
本開示は、精製環境におけるデータ収集の自己組織化収集および保存のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、発電環境におけるセンサからの複数のセンサ入力を処理するためのデータ収集器を含むことができる。実施形態では、複数のセンサ入力は、電力システム、揚水システム、混合システム、反応システム、蒸留システム、流体処理システム、加熱システム、冷却システムを含む。群から選択される少なくとも1つの対象システムの運転モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成されている。蒸発システム、触媒システム、移動システム、および容器システムと、(i)データの蓄積動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうち少なくとも1つを自己組織化するための自己組織化システム。
本開示の前述の実施形態のいずれかのさらなる実施形態は、自己組織化システムが、複数のターゲットシステムからデータを収集するためにモバイルデータ収集者の群を組織化する状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、自己組織化システムが、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様が、精製環境におけるローカルストレージのためのデータを指定し、精製環境からネットワーク接続を介してストリーミングするためのデータを指定する状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、精製環境が化学精製環境である状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、精製環境が医薬品の精製環境である状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、精製環境が生物学的精製環境である状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、精製環境が炭化水素精製環境である状況を含んでもよい。
本開示は、流通環境におけるデータ収集の自己組織化収集および保存のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、流通環境におけるセンサからの複数のセンサ入力を処理するためのデータ収集器を含むことができる。実施形態では、複数のセンサ入力は、電力システム、コンベアシステム、ロボット搬送システム、ロボットハンドリングシステム、梱包システム、冷蔵システム、温蔵システム、冷凍システムを含む。群から選択される少なくとも1つの対象システムの動作モード、故障モード、および健康状態のうちの少なくとも1つを感知するように構成されている。真空システム、運搬システム、昇降システム、検査システム、およびサスペンションシステムと、(i)データの蓄積動作、(iii)複数のセンサ入力を提供するセンサのデータ収集動作、および(iii)複数のセンサ入力の選択動作のうち少なくとも1つを自己組織化するための自己組織化システムと、を備えたことを特徴とする。
本開示の前述の実施形態のいずれかのさらなる実施形態は、自己組織化システムが、複数のターゲットシステムからデータを収集するためにモバイルデータ収集者の群を組織化する状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、自己組織化システムが、データのストレージを組織化するためのストレージ仕様を生成し、ストレージ仕様が、配信環境におけるローカルストレージのためのデータを指定し、配信環境からネットワーク接続を介してストリーミングするためのデータを指定する状況を含んでもよい。
図165を参照して、産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステム12200の一例が描かれている。システム122200は、多数のコンポーネント12204と、多数のセンサ12206とを有する産業用システム12202を含む。実施形態では、センサ12206の各々は、構成要素1204の少なくとも1つに作動的に結合されている。センサの選択、分布、タイプ、および通信的セットアップは、システム12200のアプリケーションおよび/またはコンテキストに依存する。
特定の実施形態では、センサデータ値12204は、データコレクタ12208に提供され、このデータコレクタは、複数のセンサ12206および/またはコントローラ12212と通信していてもよい。特定の実施形態では、プラントコンピュータ12210が追加的にまたは代替的に存在する。例示的なシステムでは、コントローラ12212は、センサ通信回路12224、センサデータ記憶プロファイル回路12226、センサデータ記憶実装回路12228、記憶計画回路12230、および/またはハプティックフィードバック回路12232の動作を機能的に実行するように構成されている。コントローラ12212は、説明を明確にするために、別個の装置として描かれている。コントローラ12212の側面は、センサ12206、データコントローラ12208、プラントコンピュータ12210、および/またはクラウドコンピューティングデバイス12214上に存在してもよい。本開示を通して説明される特定の実施形態では、コントローラ12212または他のコントローラのすべての側面は、システム12200上に描かれた別のデバイス上に存在してもよい。プラントコンピュータ12210は、産業用システム12202との間に存在してもよく、および/または通信中であってもよいローカルコンピューティングリソース、例えば、処理、メモリ、および/またはネットワークリソースを表す。特定の実施形態では、クラウドコンピューティングデバイス12214は、産業システム12202に外部から利用可能なコンピューティングリソース、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介してのコンピューティングリソースを表す。特定の実施形態では、データコントローラ12208は、コンピューティングデバイス、スマートセンサ、MUXボックス、または複数のセンサからデータを受信し、データをパススルーし、および/または後の送信のためにデータを保存することができる他のデータ収集デバイスであってもよい。データコントローラ1208の一例は、ストレージを持たず、および/または限定されたストレージを有し、選択的にセンサデータを通過させ、センサデータのサブセットは、データコントローラ1208、関連ネットワーク、および/または環境制約によって課される帯域幅の考慮のために、所定の時間に通信される。特定の実施形態では、システム12200内の1つ以上のセンサおよび/またはコンピューティングデバイスは、ユーザ12218に関連付けられたユーザ関連付けデバイス12216のようなポータブルデバイスであり、例えば、産業システムを歩いているプラントオペレータはスマートフォンを持っていてもよく、システム12200は、データコントローラ12208、センサ12206として選択的に利用してもよく、これは、例えば、通信スループット、センサ分解能、および/またはセンサデータ値12204をコントローラ12212に通信するための第1の方法として、通信スループットを向上させるために利用される。システム122200は、コントローラ12212、センサ12206、データコントローラ12208、プラントコンピュータ12210、および/またはクラウドコンピューティングデバイス12214が、センサデータをそこに格納するためのメモリストレージを有していてもよく、そのうちのいずれか1つ以上が、センサデータをそこに格納するためのメモリストレージを有していなくてもよいことを描写している。
例示的なシステム12200は、そこに描かれた複数のネットワークノードを有するメッシュネットワーク12220をさらに含む。メッシュネットワーク12220は、図示の便宜上、単一の場所に描かれているが、システム12200内にある任意のネットワークインフラストラクチャ、および/または間欠的なものを含むシステム12200との通信内にある任意のネットワークインフラストラクチャが、システムネットワーク内に企図されていることが理解されるであろう。さらに、クラウドサーバ12214、プラントコンピュータ1210、コントローラ1212、データコントローラ12208、任意のネットワーク可能なセンサ12206、および/またはユーザ関連デバイス12216の任意のまたはすべては、システム12200の少なくとも特定の動作状態の間、メッシュネットワーク12200を含むシステムのためのネットワークの一部であってもよい。さらに、または代替的に、システム12200は、階層型ネットワーク、ピアツーピアネットワーク、1つ以上のスーパーノードを有するピアツーピアネットワーク、これらの組み合わせ、これらのハイブリッド、および/またはシステム12200内の、またはシステムと通信中の複数のネットワークを利用してもよい。本開示の特定の特徴および動作は、これらのタイプのネットワークのうちの1つまたは複数のタイプのネットワークのみに有益であり、本開示の特定の特徴および動作は、任意のタイプのネットワークに有益であり、特定の特徴および動作は、これらのネットワークの組み合わせに特に有益であり、および/またはネットワーク内に複数のネットワークオプションを有するネットワークに有益であり、利点は、任意のタイプのオプションの利用に関連し、または利点は、1つまたは複数のオプションが特定のネットワークタイプであることに関連していることが理解されるであろう。
図166を参照して、例示的な装置12222は、センサ12206の数からセンサデータ値12244の数を解釈するセンサ通信回路12224を有するコントローラ12212と、センサデータ送信プロトコル12232に従って、センサデータ値12244の数の少なくとも一部(例えば、ターゲットストレージ12252へのセンサデータ値12244)をストレージターゲットコンピューティングデバイスに通信するシステム連携回路12228とを含む。ターゲットコンピューティングデバイスは、選択されたセンサデータ12252のターゲットロケーションであるメモリを有するシステム内の任意のデバイスを含む。例えば、クラウドサーバ12214、プラントコンピュータ1210、ユーザ関連デバイス1216、および/またはシステムのネットワークを介してセンサ12206および/またはデータコントローラ12208と通信するコントローラ1212の別の部分が挙げられる。ターゲットコンピューティングデバイスは、短期ターゲット(例えば、処理操作が完了するまで)、中期ターゲット(例えば、データ上で特定の処理操作が完了するまで、および/または定期的なデータ移行が発生するまで保持される)、および/または長期ターゲット(例えば、以下のようなものであってもよい。データ保持ポリシーの経過のために保持される、および/または長期データ移行が計画されるまで)、および/または未知の期間(例えば、データはクラウドサーバ12214に渡され、そこでシステム12200は、特定の実施形態では、データの制御を維持しない)のデータ保存ターゲット。特定の実施形態では、ターゲットコンピューティングデバイスは、データを保存することが計画されているシステム内の次のコンピューティングデバイスである。特定の実施形態では、ターゲットコンピューティングデバイスは、データが移動されるシステム内の次のコンピューティングデバイスであり、ここで、そのような移動は、システム12200のネットワークの任意の側面を横切って行われる。
例示的なコントローラ12212は、センサデータ12252の少なくとも一部の数のセンサデータ12252のストレージターゲットコンピューティングデバイスへの通信に対応する送信条件12254を決定する送信環境回路12226を含む。送信条件12254は、データの送信に影響を与える任意の条件を含む。例えば、図169を参照すると、例示的かつ非限定的な伝送条件12254は、通信に直接影響を与える環境条件12272を含む環境条件12272(例えば、EMノイズ、振動、温度、金属、導電性、または高密度などの伝送に影響を与えるデバイスまたはコンポーネントの存在およびレイアウト)、およびルータ、サーバ、送信機/トランシーバなどのネットワークデバイスに影響を与える環境条件12272を含むように描かれている。送信条件122254の例としては、ネットワーク機器またはノードの仕様、ネットワーク機器またはノードの指定された制限(例えば、利用制限、使用許可、利用可能な電力など)、ネットワークの推定された制限(例えば。例えば、機器の温度、ノイズ環境などに基づく)、および/またはネットワークの実際の性能(例えば、タイミングメッセージ、診断メッセージの送信、またはスループットの決定などによって直接観察されるような、および/またはネットワークの性能に関する情報を提供する傾向があるメモリバッファ、到着メッセージなどのパラメータを観察することによって間接的に観察されるような)。送信条件122254の別の例は、タイミングパラメータ12278(例えば、クロック速度、メッセージ速度、同期速度、非同期速度など)、プロトコル選択12280(例えば、アドレス情報、メッセージ内の管理サポートビットを含むメッセージサイズ、および/または存在するまたは利用可能なプロトコルによってサポートされる速度)、ファイルタイプ選択12282(例えば、データ転送ファイルタイプ、保存されたファイルタイプなど)を含むネットワークパラメータ12276、ファイルタイプ選択12282(例えば、データ転送ファイルタイプ、保存されたファイルタイプ、保存されたファイルタイプなど)を含む。データ転送ファイルタイプ、保存されたファイルタイプ、およびデータが少なくとも部分的に読み取り可能になる前にどのくらいのデータを転送しなければならないか、データが転送されるかどうかを決定する方法、転送される可能性が高いかまたはサポートされるファイルサイズなどのネットワークの意味合い)、ストリーミングパラメータ選択12284(例えば。ストリーミングプロトコル、ストリーミング速度、ストリーミングデータの優先度情報、ストリーミングデータを管理するための利用可能なノードおよび/またはコンピューティングデバイス、および/または圧縮パラメータ12286(例えば、圧縮アルゴリズムおよびタイプ、メッセージの各末端での処理の意味合い、ロッシー圧縮対ロスレス圧縮、利用可能なデータが利用可能になる前にどのくらいの情報を渡さなければならないか、および/またはそのようなもの)。
図170を参照して、センサデータ12252の通信に対応する送信条件12254の特定のさらなる非限定的な例が描かれている。例示的かつ非限定的な送信条件12254は、メッシュネットワークの必要性12288(例えば、スループットのバランスをとるためにメッシュを再配置すること)、階層的に配置されたネットワークにおける親ノードの接続性の変更12290(例えば、親ノードが接続性を失った、接続性を再獲得した、および/または子ノードおよび/または上位ノードの異なるセットに変更された)、および/またはハイブリッドピアツーピアアプリケーション層ネットワークにおけるネットワークスーパーノードが交換された12292を含む。本明細書で利用されるスーパーノードは、他のピアツーピアノードからの追加の能力を有するノードである。そのような追加の能力は、設計上のみであってもよい-例えば、スーパーノードは、異なる方法で、および/またはピアツーピアノードシステムの外部のノードに接続してもよい。特定の実施形態では、スーパーノードは、スーパーノードの機能を満たすためのより多くの能力を提供するために、追加的または代替的に、より多くの処理能力、増加したネットワーク速度またはスループットアクセス、および/またはより多くのメモリ(例えば、バッファリング、キャッシング、および/または短期ストレージのための)を有してもよい。
送信条件122254の例は、悪意のあるものとして検出された(例えば、別の監視プロセスから、ヒューリスティックに、またはシステム12200に示されたように)メッシュまたは階層ネットワーク内のノードを含み、ピアノードは、帯域幅または接続性の変化12296を経験した(例えば、パケットを転送していたメッシュネットワークのピアが、接続性を失い、追加の帯域幅を得、利用可能な帯域幅の減少を経験し、および/または接続性を回復した)。送信条件122254の例は、情報を送信するためのコスト12298の変化(例えば、コストが増加または減少した、ここで、コストは、データ送信サブスクリプションコストなどの直接的なコストパラメータであってもよいし、システム全体の優先順位を反映した抽象化されたコストパラメータであってもよい、および/またはネットワークホップを介して情報を配信するための現在のコストが変更された)を含み、階層的なネットワーク配置に変更が加えられた(例えば、ネットワーク配置変更12300)。ネットワークツリー内の帯域幅使用のバランスをとるためなどのネットワーク配置変更12300);および/または許可スキーム12302の変更(例えば、サンプリングデータを中継するネットワークの一部に許可、認可レベル、またはクレデンシャルの変更があった)が行われた。送信条件12254の特定のさらなる例としては、追加の接続タイプ12304の利用可能性(例えば、より高い帯域幅のネットワーク接続タイプが利用可能になった、および/または低コストのネットワーク接続タイプが利用可能になった);ネットワークトポロジー12306に変更があった(例えば、ノードがオフラインまたはオンラインになった、メッシュ変更が発生した、および/または階層変更が発生した);および/またはデータ収集クライアントが嗜好または要求12308を変更した(例えば、以下のようなものがある。センサ値の数の少なくとも1つに対するデータ頻度要件;センサ値の数の少なくとも1つに対するデータタイプ要件;データ収集のためのセンサターゲット;および/またはデータ収集クライアントがストレージターゲットコンピューティングデバイスを変更したことにより、ネットワーク配信結果およびルーティングが変更されてもよい)。)
例示的なコントローラ12212は、送信条件12254に応答してセンサデータ送信プロトコル12232を更新するネットワーク管理回路12230を含む。例えば、送信条件12254が、現在のルーティング、プロトコル、配信周波数、配信レート、および/またはセンサデータ12252の通信に関連する他の任意のパラメータが、もはや費用対効果がない、可能である、最適である、および/または改善が可能であることを示す場合、ネットワーク管理回路12230は、より低い費用、可能である、最適である、および/または改善された送信条件に応答して、センサデータ送信プロトコル12232を更新する。例示的なシステム連携回路12228は、更新されたセンサデータ送信プロトコル12232にさらに応答して、例えば、更新されたセンサデータ送信プロトコル12232に準拠してセンサデータ12252の後続の通信を実施し、更新されたセンサデータ送信プロトコル12232のどの側面が従うことができないか、または従われていないかを示す通信をネットワーク管理回路12230に提供し、および/またはアラートを提供する(例えば。オペレータ、ネットワークノード、コントローラ12212、および/またはネットワーク管理回路12230に)変更が要求されていることを示す、変更が実施されていることを示す、および/または要求された変更が実施されないか、または実施されていないことを示す。
例示的なシステム12200は、送信条件12254が、数のセンサデータ値12252のセンサ通信に関連する環境条件12272であることを含み、ここで、ネットワーク管理回路12230は、環境条件12272をさらに分析し、センサデータ送信プロトコル12232を更新することは、数のセンサ12206からストレージターゲットコンピューティングデバイスに数のセンサデータ値が送信される方法を変更することを含む。例示的なシステムは、データコレクタ12208が、センサ数1206の少なくとも一部に通信的に結合され、センサデータ送信プロトコル12232に応答することをさらに含み、ここで、システム連携回路12228は、センサ数1206の少なくとも一部からセンサデータ値の数12244を受信し、送信条件12254が、センサ数1206の少なくとも一部からのセンサデータ値の数の通信に対応する少なくとも1つのネットワークパラメータに対応することをさらに含み、ここで、送信条件12254は、センサ数1206の少なくとも一部からのセンサデータ値の数の通信に対応する少なくとも1つのネットワークパラメータに対応する。図171を参照して、センサデータ送信プロトコル12232の値のいくつかの例が描かれている。センサデータ送信プロトコル12232の値の例は、データ収集レート12310-例えば、センサ12206がデータを送信、提供、またはサンプリングするレートおよび/または周波数、および/またはデータコレクタ1208がセンサデータを受信、受け渡し、保存、またはその他の方法でキャプチャするレートを含む。ネットワーク管理回路12230の一例は、センサの数のうちの少なくとも1つについてデータ収集レート12310を調整するようにデータコレクタ12208を修正するために、センサデータ送信プロトコル12232をさらに更新する。センサデータ送信プロトコル12232の値の別の例は、データコレクタ12208および/またはスマートセンサが、交互または他のスケジュールされた方法などで複数のセンサデータ値を提供するように構成された多重化スケジュール12312を含み、および/または構成された方法で複数のセンサ値を単一のメッセージにパッケージ化するように構成されたものである。ネットワーク管理回路12230の一例は、データコレクタ1208および/またはスマートセンサの多重化スケジュールを修正するために、センサデータ送信プロトコル12232を更新する。センサデータ送信プロトコル12232の値の別の例は、中間ストレージ動作12314を含み、ここで、中間ストレージは、ターゲットストレージコンピューティングデバイスに先立つ少なくとも1つのネットワーク送信のシステム内の任意の場所でのストレージである。中間ストレージは、データの要求(例えば、ユーザ、機械学習動作、または別のシステムコンポーネントからの)が、中間ストレージからターゲット・コンピューティング・デバイスへの後続の転送をもたらすオンデマンド動作として実装されてもよく、および/または中間ストレージは、ネットワーク通信を、より低いコストおよび/またはより低いネットワーク利用時間にタイムシフトさせるために、および/またはネットワーク上の瞬間的なトラフィックを管理するために実装されてもよい。ネットワーク管理回路12230の例は、センサデータ値の数の少なくとも一部について中間ストレージ動作を命令するためにセンサデータ送信プロトコル12232を更新し、ここで、中間ストレージは、センサ上、データコレクタ上、メッシュネットワーク内のノード上、コントローラ上、コンポーネント上、および/またはシステム内の他の任意の場所にあってもよい。センサデータ送信プロトコル12232の例は、センサの数の少なくとも一部についてさらなるデータ収集12316のためのコマンドを含む-例えば、センサデータの提供の解像度、速度、および/または頻度がシステムのいくつかの側面にとって十分でないため、機械学習アルゴリズムに追加のデータを提供するため、および/または以前のリソース制限がもはや適用されず、1つ以上のセンサからのさらなるデータが利用可能になったため-。センサデータ送信プロトコル12232の例は、多重化スケジュール12318を実装するためのコマンドを含む-例えば、データコレクタ12208および/またはスマートセンサがセンサデータを多重化することができるが、すべての動作条件の下では多重化しないか、またはセンサデータ送信プロトコル12232の多重化スケジュール12318に応答してのみ多重化する場合などである。
ネットワーク管理回路12230の例は、センサ値の数の少なくとも一部についてネットワーク送信パラメータ(例えば、任意のネットワークパラメータ12276)を調整するために、センサデータ送信プロトコル12232をさらに更新する。例えば、制御変数ではないおよび/または現在制御されていない特定のネットワークパラメータは送信条件12254であり、特定のネットワークパラメータは制御変数であり、センサデータ送信プロトコル12232に応答して変更される対象であり、および/またはネットワーク管理回路12230は、任意に特定のネットワークパラメータを制御変数にするために、特定のネットワークパラメータの制御を取ることができる。ネットワーク管理回路12230の一例は、センサデータ送信プロトコル12232をさらに更新して、次のうちの任意の1つ以上を変更する:送信されるデータの頻度;送信されるデータの量;送信されるデータの宛先(ターゲットまたは中間宛先、および/またはルーティングを含む);データを送信するために使用されるネットワークプロトコル;および/またはネットワークパス(例えば、次のようなもの。データを送信するための冗長パスを提供すること(例えば、高ノイズ、高ネットワーク損失、および/または重要なデータが関与する場合、ネットワーク管理回路12230は、データの一部について冗長パスを提供することでシステム動作が改善されると判断してもよい)。ネットワーク管理回路12230の一例は、センサデータ送信プロトコル12232をさらに更新し、例えば、データを送信するための追加のネットワークパスを結合する(例えば、ネットワーク管理回路12230は、追加のネットワークリソースをオンラインにする権限を有してもよく、および/または追加のネットワークリソースに選択的にアクセスする権限を有してもよい);データを送信するための階層ネットワークを再配置する(例えば。例えば、追加のパス、より少ない層、および/またはより高い優先度のパスで重要なデータを提供するために、階層層を追加または削除する、親子関係を変更するなど);データを送信するために階層ネットワークを再バランスさせる;および/またはデータを送信するためにメッシュネットワークを再構成する。ネットワーク管理回路12230の一例は、データ送信時間を遅延させ、および/またはデータ送信時間をより低コストの送信時間に遅延させるために、センサデータ送信プロトコル12232をさらに更新する。
例示的なネットワーク管理回路はさらに、ネットワーク上で一度に送信される情報量を減少させるためにセンサデータ送信プロトコル12232を更新し、および/または第2のデータコレクタ(例えば、ネットワーク管理回路12230の直接的な権限内にあるかまたはないが、第2のデータコレクタからのネットワークリソースの利用が第1のデータコレクタの利用と競合するオフセットデータコレクタ)から送信されるデータの頻度を調整するためにセンサデータ送信プロトコル12232を更新する。
ネットワーク管理回路12230の例は、外部データアクセス頻度12234をさらに調整する-例えば、エキスパートシステム12242および/または学習アルゴリズム12248が外部データ12246にアクセスしてシステムを継続的に改善する(例えば、センサデータ値12244以外の情報にアクセスする、および/またはオフセットシステムまたは集約されたクラウドベースのデータからアクセスする)、および/または外部データアクセスタイミング(12236)を調整する。外部データ12246へのアクセスの制御は、システムがリソースが少ないとき、センサデータ値12244の高忠実度および/または頻度が優先されるとき、および/またはシステムの動作空間の低コスト部分にリソース利用をシフトするときに、ネットワーク利用の制御を可能にする。特定の実施形態では、システム連携回路12228は、外部データ12246にアクセスし、調整された外部データアクセス頻度12234および/または外部データアクセスタイミング値12236に応答する。ネットワーク管理回路12230の例は、ネットワーク利用率値12238をさらに調整する-例えば、マージンを確保するための閾値以下にシステム利用操作を維持するため、および/または容量制限のためにシステムへの資本コストアップグレードの必要性を回避するために。ネットワーク管理回路12230の例は、より低コストの帯域幅時間で帯域幅を利用するために、ネットワーク利用値12238を調整する-例えば、競合するトラフィックがより低い場合、ネットワーク利用が他のシステムプロセスに悪影響を及ぼさない場合、および/または電力消費コストがより低い場合などである。
ネットワーク管理回路12230の例は、高速ネットワークを利用することを可能にし、および/またはより高いコストの帯域幅アクセスを要求し、例えば、システムプロセスの改善が、より高いコストが正当化されるのに十分である場合、データのための最低限の配信要件を満たすために、および/または老朽化したデータを、陳腐化する前に、または後続のデータのための余地を作るために削除しなければならない前に、システムから移動させることを可能にする。
ネットワーク管理回路12230の例は、エキスパートシステム12242をさらに含み、ここで、センサデータ送信プロトコル12232の更新は、エキスパートシステム12242の操作に応答して行われる。自己組織化された、ネットワークに敏感なデータ収集システムは、エキスパートシステムを使用して、個別にまたは組み合わせて、本開示全体を通して記載された任意のそのようなパラメータまたは要因を管理または最適化してもよく、これは、ルールベースの最適化、性能モデルに基づく最適化、および/または機械学習/人工知能を使用した最適化、オプションとして深層学習アプローチを含む、または上記のハイブリッドまたは組み合わせを含んでもよい。図165を参照すると、エキスパートシステム12242を有する実施形態において、任意の1つ以上のエキスパートシステム12242が存在してもよい、非限定的な多数の例が示されている。エキスパートシステム、機械学習操作、および/または最適化ルーチンに関する本開示の他の側面に限定されることなく、エキスパートシステム12242の例は、ルールベースのシステム12202(例えば、モデリング、専門家の入力、オペレータの経験、またはそのようなものに基づくルールによってシードされる);モデルベースのシステム12204(例えば、モデル化された応答またはシステム内の関係。エキスパートシステムの特定の操作を知らせるシステム内のモデル化された応答または関係、および/またはエキスパートシステムの他の操作と協働する);ニューラルネットシステム(例えば、ルール、状態マシン、決定木、条件決定、および/または任意の他の側面を含む);ベイジアンベースのシステム12208(例えば、ベイズベースのシステム12208(例えば、ベイズベースのシステム12208)。統計的モデリング、確率的応答または関係の管理、および/または不確実性を管理するための他の決定);ファジィ論理ベースのシステム12210(例えば、様々なシステムパラメータのためのファジィ化状態の決定、応答のための状態論理、および/または真理値の脱ファジィ化状態の決定、および/またはシステムの曖昧な状態を管理するための他の決定);および/または機械学習システム12212(例えば。現在利用されていない改善されたパラメータが利用可能かどうかを決定するために、エキスパートシステムの範囲外のデータ、解像度、サンプリングレートなどを検索することを含む、エキスパートシステムの再帰的、反復的、または他の長期的な最適化または改善)、これは、機械学習アルゴリズム12248に追加されてもよいし、または機械学習アルゴリズム12248の一実施形態であってもよい。エキスパートシステム12242の任意の側面は、エキスパートシステム12242の動作中に、ユーザまたはオペレータによって提供される、機械学習アルゴリズム12248によって提供される、システムによって学習された更新された情報、外部データ12246からの情報、および/またはオフセットシステムからの情報に応答して、再較正され、削除され、および/または追加されてもよい。
ネットワーク管理回路12230の例は、機械学習アルゴリズム12248をさらに含み、ここで、センサデータ送信プロトコル12232を更新することは、機械学習アルゴリズム12248の操作に応答して行われる。機械学習アルゴリズム12248の例は、機械学習最適化ルーチンを利用し、改善されたセンサデータ送信プロトコル12232が利用可能であることを決定すると、ネットワーク管理回路12230は、システム連携回路12228によって利用される更新されたセンサデータ送信プロトコル12232を提供する。特定の実施形態では、ネットワーク管理回路12230は、システム連携回路12228によって利用されるセンサデータ送信プロトコル12232を供給して実世界の結果を生成したり、システムにモデリングを適用したり(システム特性に基づく第1原理モデリング、システムの実際の動作データを利用したモデル、オフセットシステムの実際の動作データを利用したモデルのいずれか)、などの様々な動作を実行してもよい。および/またはこれらの組み合わせ)、与えられたセンサデータ送信プロトコル12232の結果がどのようなものであるか、またはどのようなものであったであろうかを決定するために(例えば、システムによって操作されるプロセスをサポートするために利用されるものを超えて余分なセンサデータを取ること、および/または外部データ12246および/またはベンチマークデータ12240を利用することを含む)、および/または最適化ルーチンが局所的な最適状態または非最適状態に落ち着かないことを確実にするために、センサデータ送信プロトコル12232にランダム化された変更を適用する。
機械学習アルゴリズム12248の例は、送信条件12254、センサ値12244の数の少なくとも一部を含むフィードバックデータをさらに利用する;および/または、フィードバックデータがベンチマークデータ12240を含む場合。図172を参照して、ベンチマークデータ12240の非限定的な例が描かれている。ベンチマーキングデータ12240は、一般的に、予想されるデータ(例えば、専門家システム12242、ユーザ入力、先行経験、および/またはモデリング出力によると)、オフセットシステムからのデータ(想定されるシステム12200の違いのために調整されたものを含む)、類似のシステムのための集約されたデータ(例えば、クラウドベースであってもよい外部データ12246として)、などを参照してもよい。ベンチマーキングデータは、システム全体、ネットワーク、ネットワーク上のノード、データコレクタ、および/または単一のセンサまたはセンサの選択されたグループに対する相対的なものであってもよい。例示的かつ非限定的なベンチマークデータは、ネットワーク効率12320(例えば、システム12200のインフラストラクチャ、負荷サイクル、および/または環境条件に相対するスループット能力、電力利用率、通信の品質および/または完全性)、データ効率12322(例えば、以下、「データ効率」という。目標値に対する捕捉に成功したデータ全体の割合、目標値に対するデータギャップの記述、および/または重要なデータまたは優先順位の高いデータに焦点を当ててもよい)、オフセットデータ収集器12324との比較(例えば、類似の環境、データ収集責任、または比較を意味のあるものにする他の特性を有するシステム内のデータ収集器の比較)、スループット効率12326(例えば、利用可能なスループットの利用率、電力利用率、通信の品質および/または完全性)、データ効率12326(例えば。利用可能なスループットの利用率、変動性インジケータ(例えば、高い変動性は、ネットワークが特大であるかもしれないこと、またはさらなる伝送能力を持っているかもしれないこと、または高い変動性は、ネットワークがコスト回避の機会に対応していることを示すものであることを示すものであることなど)、データ効率12326(例えば、利用率の違いが発生する理由などの他の情報を見て理解することができる更なるコンテキストに応じて、その両方)、データ効率12328(例えば、キャプチャされたパラメータが効果的な結果をもたらすという決定)。キャプチャされたパラメータが結果的に有効なパラメータ、強力な制御パラメータ、および/または高度に予測可能なパラメータであり、有効なデータが許容可能な解像度、サンプリングレートなどで取得されているという決定)、データ品質12330(例えば、ノイズによるデータの劣化。ノイズ、デコンボリューションエラー、多重計算操作および丸め込み、圧縮、パケットロスなどによるデータの劣化)、データ精度12342(例えば、十分に正確なデータが取り込まれ、通信中に保存され、保存中に保存されるという決定)、データ精度12340(例えば、データが破損したデータ、通信中に保存されたデータ、および保存中に保存されたデータなどの決定)、データ精度12340(例えば、データが破損したデータ、通信中に保存されたデータなどの決定。破損したデータ、伝送および/または保存による劣化、および/またはタイムラグの結果、単独で不正確なデータ、または時系列または他の構成で適用されるような不正確なデータであるという決定)、データ周波数12338(例えば、通信されるデータが、関心のある応答を決定するのに十分な時間および/または周波数領域の分解能を有するという決定)、環境応答12336(例えば、環境応答12336。ネットワークへの環境影響がデータの他の側面を維持するために十分に管理されているか)、信号の多様性12332(例えば、劣化の結果を増大させる系統的なギャップが存在するかどうか-例えば、データの1%が欠落しているが、データの1%が欠落している。例えば、データの1%が欠落しているが、それは系統的には単一のクリティカルセンサである;クリティカルセンシングされたパラメータは複数の潜在的な情報源を持っているか)、クリティカルレスポンス(センサ融合動作および/またはパターン認識動作のサポートなど、クリティカルレスポンスを検出するのに十分なデータであるか)、および/またはメッシュネットワークコヒーレンス1234(例えば、プロセッサ、ノード、および他のネットワーク側面を、適用可能なメモリ状態の単一のビュー上で一緒に維持すること)などがある。
図173を参照して、ベンチマークデータ12240の特定のさらなる非限定的な例が描写される。ベンチマーキングデータ12240の例示的かつ非限定的な例は、データカバレッジ12346(例えば、所望のデータ、重要なデータなどの何%が正常に通信され、捕捉されたか;データがシステム全体にどのように分布しているか)、ターゲットカバレッジ12344(例えば。システムのコンポーネントやプロセスは十分な時間と空間分解能を持っているか)、動作効率 12348(例えば、ある動作を達成するために人間のオペレータ、ロボット要素、ドローンなどが必要な場合など、与えられた結果を達成するために必要な時間、ステップ数、または動作の程度を反映している)、サービスの質のコミットメント 12358(例えば、合意、正式または非公式のコミットメント。サービス品質保証 12360(例えば、既知またはモデル化された結果に基づくサービス品質への正式な合意であり、コスト関数として作用することができるものなど)、サービスレベルの合意 12362(例えば、最小アップタイム、データレート、データ解決など。これは、業界慣行、規制要件、および/またはシステム内の特定のパラメータ、特定のコンポーネントに対する検出、または特定のプロセスに対する検出が、タイプ、解像度、サンプルレートなどのデータ配信要件を満たすという正式な合意によって駆動されてもよい)、所定のサービス品質値(例えば、ユーザ定義値、システムのオペレータのためのポリシーなど)、および/またはネットワーク障害値12364が挙げられる。例示的かつ非限定的なネットワーク妨害値12364は、ネットワーク干渉値(例えば、環境ノイズ、ネットワーク上のトラフィック、衝突など)、ネットワーク妨害値(例えば、ネットワークの領域、またはネットワーク全体にわたって無線または有線通信を妨害するコンポーネント、操作、および/または物体)、および/またはネットワーク接続性が阻害された領域(例えば、以下のようなもの。操作中に少なくとも断続的に正常であってもよい任意の理由による接続性の損失、または電力損失、その領域を通る物体の移動、その領域を通るネットワークノードの移動(例えば、ノードとして利用されているスマートフォン)など)。特定の実施形態では、ネットワーク障害値12364は、システムのコンポーネントからの干渉、1つ以上のセンサによる干渉(例えば、障害または故障、または予想される範囲外の操作による)、金属(または他の導電性の)物体による干渉、物理的な障害(例えば無線送信に対する透過性をブロックまたは低減する密集した物体);低電力状態(例えば、ブラウンアウト、スケジュールされた電力低減、低バッテリなど)に起因する減衰信号;および/またはネットワークの一部におけるネットワークトラフィック需要に起因する減衰信号(例えば、システムの動作中にノードまたはノード群が高いトラフィック需要を有する)。
さらに別の例示的なシステムは、多数のコンポーネントと、多数のコンポーネントのうちの少なくとも1つに作動的に結合された多数のセンサと、多数のセンサからの多数のセンサデータ値を解釈するセンサ通信回路と、センサデータ伝送プロトコルに従って、多数のノードを有するネットワーク上のセンサデータ値の少なくとも一部をストレージターゲットコンピューティングデバイスに通信するシステムコラボレーション回路と、を含む産業システムを含む。ネットワーク上のセンサデータ値の数の少なくとも一部の通信に対応する送信フィードバックを決定する送信環境回路;および送信フィードバックに応答してセンサデータ送信プロトコルを更新するネットワーク管理回路。例示的なシステム連携回路は、更新されたセンサデータ送信プロトコルにさらに応答する。
図167を参照すると、多数のノードを有するネットワークを有する産業システムのための産業環境における自己組織化された、ネットワークに敏感なデータ収集のための例示的な装置122256が描かれている。装置122222の側面に加えて、装置122256は、更新されたセンサデータ送信プロトコル12232に応答して(例えば、ノード通信12258として)、数あるノードのうちの少なくとも1つにアラートを送信するシステム連携回路12228をさらに含む。特定の実施形態では、センサデータ送信プロトコル12232を更新することは、ノード数を含むメッシュネットワークを再編成する指示を提供すること、ノード数を含む階層データネットワークを再編成する指示を提供すること、ノード数を含むピアツーピアデータネットワークを再編成すること、ノード数を含むハイブリッドピアツーピアデータネットワークを再編成することなどのノード制御指示をネットワーク管理回路12230に提供することを含む。特定の実施形態では、システム連携回路12228は、1つ以上のノード通信12258としてノード制御命令を提供する。
特定の実施形態では、センサデータ送信プロトコル12232を更新することは、ネットワーク管理回路12230が、ネットワークを介して送信されるデータ量を減少させる指示を提供すること;ネットワークを介して送信されるデータキャプチャの頻度を調整する指示を提供すること;ネットワークを介して送信されるセンサ値の数の少なくとも一部をタイムシフトして配信する指示を提供すること(例えば中間ストレージを利用すること);ネットワークに対応するネットワークプロトコルを変更する指示を提供すること;ネットワークに結合された少なくとも1つのデバイスのスループットを低減する指示を提供すること;ネットワークの帯域幅の使用を低減する指示を提供すること;ネットワーク上で送信されたセンサ値の数の少なくとも一部に対応するデータを圧縮する指示を提供すること;ネットワーク上で送信されたセンサ値の数の少なくとも一部に対応するデータを凝縮する指示を提供すること(例えば、関連するサブセットを提供すること、サンプルレートを低減したデータを提供することなど);データを要約する指示を提供すること(例えば、統計的な説明を提供すること、集約されたデータを提供することなど)。ネットワークを介して送信されたセンサ値の数の少なくとも一部に対応するデータを要約する(例えば、統計的な説明、集約された値などを提供する)指示を提供すること;ネットワークを介して送信されたセンサ値の数の少なくとも一部に対応するデータを暗号化する指示を提供すること(例えば、安全性の低い代替のネットワークパスを使用することを可能にするため、および/または暗号化を必要とする別のネットワークパスにアクセスするため);センサ値の数の少なくとも一部に対応するデータを分散台帳に配送する指示を提供すること;センサ値の数の少なくとも一部に対応するデータを中央サーバ(例えば、プラントコンピュータ1210および/またはクラウドサーバ)に配送する指示を提供すること;センサ値の数の少なくとも一部に対応するデータを中央サーバ(例えば、プラントコンピュータ1210および/またはクラウドサーバ)に配送する指示を提供すること。プラントコンピュータ12210および/またはクラウドサーバ1214);センサ値の数の少なくとも一部に対応するデータをスーパーノードに配信する指示を提供する;およびセンサ値の数の少なくとも一部に対応するデータを多数のネットワーク接続にわたって冗長的に配信する指示を提供する。特定の実施形態では、センサデータ送信を更新することは、センサ値の数の少なくとも一部に対応するデータをコンポーネントの1つに配信する指示を提供することを含む(例えばここで、システム内の1つ以上のコンポーネント12204がメモリストレージを有し、センサ1206、データコレクタ1208、および/またはネットワークに通信的にアクセス可能である)、および/またはコンポーネントの1つが、センサ値の数の少なくとも一部に対応するデータを提供するセンサに通信的に結合されている(例えば、コンポーネント12204に記憶されるデータが、データが測定されたコンポーネントであるか、またはデータを取るセンサ1206に近接している)場合、センサデータ送信を更新することを含む。
例示的なネットワークは、メッシュネットワークを含み、ここで、ネットワーク管理回路12230は、メッシュネットワークからノードの数のうちの1つをイジェクト(例えば、メッシュマップから削除する、サービスから取り出すなど)する指示を提供するために、センサデータ送信プロトコル12232をさらに更新する。例示的なネットワークは、ピアツーピアネットワークを含み、ここで、ネットワーク管理回路12230は、センサデータ送信プロトコル12232をさらに更新して、ピアツーピアネットワークから数あるノードのうちの1つをイジェクトする指示を提供する。
ネットワーク管理回路12230の例では、ネットワーク管理回路12230は、センサ値12252の数の少なくとも一部をキャッシュ(例えば、センサデータキャッシュ12260として)するために、センサデータ送信プロトコル12232をさらに更新する。特定のさらなる実施形態では、ネットワーク管理回路12230は、以下のうちの少なくとも1つに応答して、キャッシュされたセンサ値12260を通信するために、センサデータ送信プロトコル12232をさらに更新する:キャッシュされたデータが要求されているとの判断(例えば、以下のような。ユーザ、モデル、機械学習アルゴリズム、エキスパートシステムなどがデータを要求した);ネットワークフィードバックがキャッシュされたデータの通信が利用可能であることを示す決定(例えば、ネットワーク管理回路12230を直接キャッシュに導くネットワークに関する事前の制限が現在解除または改善されている);および/または、キャッシュされたデータ12260を保持するキャッシュリソースの利用を必要とするより高い優先度のデータが存在することを示す決定。
産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステム12200の例は、多数のコンポーネント12204と、多数のコンポーネント12204のうちの少なくとも1つにそれぞれ操作的に結合された多数のセンサ12206とを有する産業システム12202を含む。センサ通信回路12224は、多数のセンサからのセンサデータ値12244を所定の周波数で解釈する。センサデータ送信プロトコル12232に従って、センサデータ送信プロトコル12232がデータ収集の所定の階層と所定の周波数とを含む、数のノードを有するネットワークを介して、センサデータ値122252の少なくとも一部をストレージ対象のコンピューティング装置に通信するシステム連携回路12228。データ管理回路12230の一例は、送信条件12254に応答して、および/またはベンチマークデータ12240に応答して、所定の周波数を調整する。
産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステム12200の例は、多数のコンポーネント12204を有する産業システム12202と、多数のコンポーネント12204のうちの少なくとも1つにそれぞれ操作的に結合された多数のセンサ12206とを含む。センサ通信回路12224は、数個のセンサ12206から所定の周波数で数個のセンサデータ値12244を解釈し、システム連携回路1228は、センサデータ送信プロトコルに従って、数個のノードを有するネットワークを介して数個のセンサデータ値12252の少なくとも一部をストレージターゲットコンピューティングデバイスに通信する。送信環境回路12226は、ネットワーク上のセンサデータ値12252の数の少なくとも一部の通信に対応する送信フィードバック(例えば、送信条件12254)を決定する。ネットワーク管理回路12230は、送信フィードバック12254に応答してセンサデータ送信プロトコル12232を更新し、ネットワーク通知回路12268は、更新されたセンサデータ送信プロトコル12232に応答してアラート値12264を提供する。値12264の例示的なアラートは、オペレータへの通知、ユーザへの通知、ユーザに関連付けられた携帯デバイスへの通知、ネットワークのノードへの通知、クラウドコンピューティングデバイスへの通知、プラントコンピューティングデバイスへの通知、および/またはオフセットシステムへの外部データとしてのアラートの提供を含む。例示的かつ非限定的な警告条件には、システムのコンポーネントが故障状態で動作すること、システムのプロセスが故障状態で動作すること、ネットワーク通信制限によるセンサ値のためのキャッシュストレージおよび/または中間ストレージの利用開始、センサデータ伝送プロトコルの変更(選択されたタイプの変更を含む)、および/またはデータの忠実度または解像度の損失をもたらす可能性のあるセンサデータ伝送プロトコルの変更(例えば、データの圧縮、データの凝縮、および/またはデータの要約)が含まれる。
例示的な伝送フィードバックは、以下のようなフィードバック値を含む:伝送価格の変更、ストレージ価格の変更、接続性の損失、帯域幅の減少、接続性の変更、ネットワーク可用性の変更、ネットワーク範囲の変更、ローカルエリアネットワーク(LAN)接続性の変更、ワイドエリアネットワーク(WAN)接続性の変更、および/またはワイヤレスローカルエリアネットワーク(WLAN)接続性の変更。
例示的なシステムは、モータ、コンベア、ファン、および/またはコンプレッサなどの多数の振動部品を有する組立ラインの産業システムを含む。システムは、振動構成要素に関連する様々なパラメータを決定する多数のセンサを含み、これは、1つ以上の構成要素の診断および/またはプロセス関連情報(適切な動作、定格外の動作、動作速度、切迫したサービスまたは故障など)の決定を含む。例示的なセンサは、限定されないが、騒音センサ、振動センサ、加速度センサ、温度センサ、および/またはシャフト速度センサを含む。センサ情報は、組立ライン産業システムと通信的に結合されたネットワークを介して少なくとも部分的に伝達されることを含む、ターゲット記憶システムに伝達される。例示的なシステムは、センサからターゲットストレージシステムへのデータの流れを制御するためのセンサデータ伝送プロトコルを決定するネットワーク管理回路を含む。ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムは、効率的なネットワーク利用、システム制御、診断、および/またはシステム外のデータに対して計画された他の決定をサポートするためのデータの十分な送達、データ伝送のリソース利用率の低減、および/またはシステムのノイズ要因、変動性、および/またはコストまたは環境パラメータなどのシステムまたは関連する側面の変化に対応するために、センサデータ伝送プロトコルを更新する。例示的なシステムは、診断、制御、または他のデータに依存する操作を確実に完了させるためのシステム操作の改善、性能を維持しながらコストを削減するためのシステム操作の改善、および/または時間またはプロセスサイクルにわたってシステムの能力を増加させるためのシステム操作の改善を含む。
例示的なシステムは、アクチュエータ、ギアボックス、および/またはレールガイドなどの多数の構成要素を含む、自動化されたロボットハンドリングシステムを含む。システムは、アクチュエータの位置および/またはフィードバックセンサ、振動、加速度、温度、撮像センサ、および/または空間位置センサ(例えば、ハンドリングシステム内、関連プラント、および/またはGPSタイプの測位)を含むがこれらに限定されない、構成要素に関連する様々なパラメータを決定する多数のセンサを含む。センサ情報は、自動化されたロボットハンドリングシステムと通信的に結合されたネットワークを介して少なくとも部分的に伝達されることを含む、目標記憶システムに伝達される。例示的なシステムは、センサからターゲットストレージシステムへのデータの流れを制御するためのセンサデータ伝送プロトコルを決定するネットワーク管理回路を含む。ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムは、効率的なネットワーク利用、システム制御、診断、ハンドリング効率の改善および/または効率の更新、および/またはシステム外のデータに対して計画された他の決定をサポートするためのデータの十分な送達、データ伝送のリソース利用率の低減、および/またはシステムのノイズ要因、変動性、および/またはコストまたは環境パラメータのようなシステムまたは関連する側面の変化に対応するために、センサデータ伝送プロトコルを更新する。例示的なシステムは、診断、制御、または他のデータに依存する操作を確実に完了させるためのシステム操作の改善、性能を維持しながらコストを削減するためのシステム操作の改善、および/または時間またはプロセスサイクルにわたってシステムの能力を増加させるためのシステム操作の改善を含む。
例示的なシステムは、表面および/または地下の採掘作業を含む採掘作業を含む。例示的な採鉱作業は、地下検査システム、ポンプ、換気、発電機および/または発電、ガス組成または品質システム、および/またはプロセスストリーム組成システム(例えば、所望の材料組成、および/または汚染および/または規制制御のための排水ストリームの組成の決定を含む)などの構成要素を含む。運転の制御をサポートし、構成要素の状態を決定し、安全な運転をサポートし、および/または規制遵守をサポートするために、様々なセンサが例示的なシステムに存在する。センサ情報は、少なくとも部分的には採掘作業と通信的に結合されたネットワークを介して伝達されることを含む、ターゲット記憶システムに伝達される。特定の実施形態では、採鉱作業のネットワークインフラストラクチャは、著しい環境変動性(例えば、ピットまたはシャフトの状態の変動性)および/または断続的な可用性-例えば、特定の採鉱作業中に電子機器をシャットオフすること、採鉱作業の一部にネットワークアクセスを提供することが困難であること、および/またはネットワークインフラストラクチャ内にモバイルまたは断続的に利用可能なデバイスを含むことが望ましいこと-に起因して、これらに限定されないが、高い変動性を呈している。例示的なシステムは、センサからターゲットストレージシステムへのデータの流れを制御するためのセンサデータ送信プロトコルを決定するネットワーク管理回路を含む。ネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムは、効率的なネットワーク利用、システム制御をサポートするためのデータの十分な送達、診断、処理効率の改善および/または効率の更新、財務および/または規制遵守のサポート、および/またはシステム外のデータについて計画された他の決定、データ伝送のリソース利用率の低減、および/またはシステムのノイズ要因、変動性、ネットワークインフラストラクチャの課題、および/またはコストまたは環境パラメータのようなシステムまたは関連する側面の変化に対応するために、センサデータ伝送プロトコルを更新する。
例示的なシステムには、航空機、ヘリコプター、衛星、宇宙車両またはランチャー、軌道プラットフォーム、および/またはミサイルなどの航空宇宙システムが含まれる。航空宇宙システムは、エンジン操作、制御面の状態および振動、環境状態(内部および外部)、およびテレメトリサポートなどのセンサによってサポートされる多数のシステムを有している。さらに、航空宇宙システムは、様々なタイプのセンサの数(例えば、燃料圧力センサの数は少ないが、制御表面センサの数は多い)と、様々なタイプのセンサの関連する決定のためのサンプリングレートの両方において高い変動性を有している(例えば、機内圧力については1秒のデータで十分であるかもしれないが、気象レーダまたはエンジン速度センサは、はるかに高い時間分解能を必要とするかもしれない)。航空宇宙アプリケーション上のコンピューティングパワーは、消費電力および重量の考慮のためにプレミアムであり、それに応じて、センサデータの取得およびセンサ情報の送信を含む、航空宇宙システム上の任意のシステムを改善するための反復的、再帰的、深層学習、エキスパートシステム、および/または機械学習操作は、多くの実施形態において、システムの航空宇宙車両の外側のコンピューティングデバイスに駆動される(例えば、オフライン学習、後処理、またはそのようなものを介して)。航空宇宙アプリケーション上のストレージ容量も同様に、航空宇宙車両上のセンサデータの長期ストレージは、多くの実施形態では費用対効果の高いソリューションではないように、プレミアムな状態にある。さらに、航空宇宙車両からのネットワーク通信は、車両が環境中を急速に移動し、および/または地上のリソースとの直接通信が実用的ではない領域に移動するため、高い変動性および/または帯域幅の制限を受ける可能性がある。さらに、特定の航空宇宙アプリケーションでは、利用可能なネットワークリソースのために大きな競争がある - 例えば、ネットワークインフラストラクチャの乗客の利用がかなりの帯域幅を消費するような多数の乗客がいる環境では。したがって、センサデータ伝送プロトコルを更新するためのネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムの操作は、様々な航空宇宙システムにおけるセンシング操作を大幅に強化することができることが分かる。さらに、特定の航空宇宙アプリケーションは、オフセットシステムの数が多く、センサデータの捕捉および送信操作を改善するためのエキスパートシステムまたは機械学習アルゴリズムの能力を強化し、および/または動作条件を越えてシステムのためのセンシングパラメータ(周波数、データレート、および/またはデータ分解能)の高い変動性を管理することができる。
例示的なシステムは、生産プラットフォーム(陸上または海上)、ポンプ、リグ、掘削装置、ブレンダーなどの石油またはガス生産システムを含む。石油またはガス生産システムは、振動(例えば、ポンプ、回転シャフト、パイプを通る流体の流れなど、高周波数であっても低周波数であってもよい)、ガス組成物、ガス組成物などのような、感知された可変タイプおよび感知パラメータにおいて高い変動性を示す。- これらは、高周波数であっても低周波数であってもよい)、ガス組成物(例えば、坑口領域、人員ゾーン、貯蔵タンクの近くなど。- ここでは、低周波が一般的に許容され得る、および/または、人員が存在しない時などの特定の時間帯にデータを取らないことが許容され得る)、および/または、圧力値(これは、システム内で現在発生している操作に応じて、必要な分解能および周波数またはサンプリング速度の両方において大きく変化し得る)。さらに、石油及びガス生産システムは、システム(例えば、海洋プラットフォーム対長期的な地上生産設備)に応じて、また、システムによって実行される操作に応じて、ネットワークインフラストラクチャに高い変動性を有する(例えば、生産中の坑井頭は、限定的なネットワークアクセスを有するかもしれないが、一方で、掘削又は破砕操作は、操作中のサイトで大規模なネットワークインフラストラクチャを有するかもしれない)。したがって、センサデータ伝送プロトコルを更新するためのネットワーク管理回路、関連するエキスパートシステム、および/または関連する機械学習アルゴリズムの操作は、様々な石油またはガス生産システムにおけるセンシング操作を大幅に強化することができることが分かる。
本開示は、産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステムを記載しており、本開示の1つの開示された非限定的な実施形態に従ったシステムは、複数の構成要素と、複数の構成要素の少なくとも1つに作動的に結合された複数のセンサの各々と、複数のセンサからの複数のセンサデータ値を解釈するように構成されたセンサ通信回路とを含む産業システムを含むことができる。センサデータ送信プロトコルに従って複数のセンサデータ値の少なくとも一部をストレージターゲットコンピューティングデバイスに通信するように構成されたシステムコラボレーション回路と、複数のセンサデータ値の少なくとも一部をストレージターゲットコンピューティングデバイスに通信することに対応する送信条件を決定するように構成された送信環境回路と、送信条件に応答してセンサデータ送信プロトコルを更新するように構成されたネットワーク管理回路と、を備えている。実施形態では、システム連携回路は、更新されたセンサデータ送信プロトコルに応答するようにさらに構成されている。
本開示の前記実施形態のいずれかのさらなる実施形態では、送信条件が、複数のセンサデータ値のセンサ通信に関連する環境条件を含む状況を含んでもよい。実施形態では、ネットワーク管理回路は、環境条件を分析するようにさらに構成される。実施形態では、センサデータ送信プロトコルを更新することは、複数のセンサデータ値のうちの複数のセンサからストレージターゲットコンピューティングデバイスにセンサデータ値のうちの複数のセンサが送信される態様を変更することを含む。
本開示の前述の実施形態のいずれかのさらなる実施形態は、データコレクタが、複数のセンサの少なくとも一部に通信的に結合され、センサデータ送信プロトコルに応答する状況を含むことができる。実施形態では、システム連携回路は、複数のセンサの少なくとも一部から複数のセンサデータ値を受信するように構成されている。実施形態では、送信条件は、複数のセンサのうちの少なくとも一部からの複数のセンサデータ値の通信に対応する少なくとも1つのネットワークパラメータに対応する。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、複数のセンサのうちの少なくとも1つのセンサのデータ収集率を調整するためにデータコレクタを変更するように、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データコレクタの多重化スケジュールを修正するためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、複数のセンサデータ値のうちの少なくとも一部について中間記憶動作を指令するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでいてもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、複数のセンサの少なくとも一部についてさらなるデータ収集を指令するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでいてもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、多重化スケジュールを実施するためにデータコレクタを修正するようにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、複数のセンサ値のうちの少なくとも一部についてネットワーク伝送パラメータを調整するために、センサデータ伝送プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、調整されたネットワーク伝送パラメータが、タイミングパラメータ、プロトコル選択、ファイルタイプ選択、ストリーミングパラメータ選択、および圧縮パラメータを含む。パラメータから選択された少なくとも1つのパラメータを含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、送信されるデータの周波数を変更するためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、送信されるデータ量を変更するためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、送信されるデータの宛先を変更するためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データを送信するために使用されるネットワークプロトコルを変更するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データを送信するための冗長ネットワークパスを追加するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データを送信するための追加のネットワークパスを結合するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データを送信するために階層化されたネットワークを再配置するためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データを送信するための階層ネットワークをリバランスするために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データを送信するためにメッシュネットワークを再構成するためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データ送信時間を遅延させるためにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、データ送信時間をより低いコストの送信時間に遅延させるために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、ネットワーク上で一度に送信される情報量を減らすために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、第2のデータコレクタから送信されるデータの周波数を調整するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、外部データアクセス周波数を調整するように構成されている状況をさらに含んでもよい。実施形態では、システム連携回路は、調整された外部データアクセス周波数に応答する。
本開示の前述のいずれかの実施形態のさらなる実施形態は、ネットワーク管理回路が、外部データアクセスタイミング値を調整するように構成されている状況をさらに含んでもよい。実施形態では、システム連携回路は、調整された外部データアクセスタイミング値に応答する。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、ネットワーク利用率値を調整するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、より低いコストの帯域幅時間で帯域幅を利用するためにネットワーク利用値を調整するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、高速ネットワークの利用を可能にするように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、より高いコストの帯域幅アクセスを要求するように構成され、より高いコストの帯域幅アクセスに応答してセンサ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、ネットワーク管理回路がエキスパートシステムをさらに含む状況を含んでもよい。実施形態では、センサデータ送信プロトコルの更新は、エキスパートシステムの操作に応答して行われることをさらに含む。
本開示の前述のいずれかの実施形態のさらなる実施形態は、ネットワーク管理回路が機械学習アルゴリズムをさらに含む状況を含み得る。実施形態では、センサデータ送信プロトコルの更新は、機械学習アルゴリズムの操作に応答して行われることをさらに含む。
本開示の前記実施形態のいずれかのさらなる実施形態は、機械学習アルゴリズムが、送信条件を含むフィードバックデータを利用するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、フィードバックデータが複数のセンサ値の少なくとも一部をさらに含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、フィードバックデータがベンチマークデータをさらに含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、ネットワーク効率、データ効率、オフセットデータコレクタとの比較、スループット効率、データ効率、データ効率、データ品質、データ精度、データ精度、およびデータ頻度を含む。リストから選択されるデータをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、環境応答、メッシュネットワークコヒーレンス、データカバレッジ、ターゲットカバレッジ、信号ダイバーシティ、クリティカル応答、および動作効率を含む。リストから選択されたデータをさらに含む状況を含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、通信に対応する送信条件が、メッシュネットワークがスループットのバランスをとるために再配置する必要がある、階層的に配置されたネットワーク内の親ノードが接続性に変化があった、ハイブリッドピアツーピアアプリケーション層ネットワーク内のネットワークスーパーノードが交換された、およびメッシュまたは階層的ネットワーク内のノードが悪意のあるものとして検出された、を含む。条件から選択される少なくとも1つの条件を含む状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、通信に対応する送信条件が、メッシュネットワークピアフォワーディングパケットが接続性を失った状態、メッシュネットワークピアフォワーディングパケットが追加の帯域幅を得た状態、メッシュネットワークピアフォワーディングパケットが帯域幅を減少させた状態、およびメッシュネットワークピアフォワーディングパケットが接続性を回復した状態を含む。条件から選択される少なくとも1つの状態を含む状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、通信に対応する送信条件が、情報を送信するためのコストが動的に変化した、ネットワークツリー内の帯域幅使用のバランスをとるために階層的なネットワーク配置に変更が加えられた、を含む。条件から選択される少なくとも1つの条件を含む状況を含んでいてもよい。サンプリング・データを中継するネットワークの一部で許可、認可レベル、またはクレデンシャルが変更された場合、ネットワーク・ホップを介して情報を配信する現在のコストが変更された場合、高帯域幅のネットワーク接続タイプが利用可能になった場合、低コストのネットワーク接続タイプが利用可能になった場合、およびネットワーク・トポロジに変更が加えられた場合。
本開示の前記実施形態のいずれかのさらなる実施形態は、通信に対応する送信条件が、データ収集クライアントが複数のセンサ値のうちの少なくとも1つのデータ周波数要件を変更した、データ収集クライアントが複数のセンサ値のうちの少なくとも1つのデータタイプ要件を変更した、データ収集クライアントがデータ収集のためのセンサターゲットを変更した、およびデータ収集クライアントがストレージターゲットコンピューティングデバイスを変更した、を含む。条件から選択される少なくとも1つの条件を含む状況を含んでもよい。
本開示は、産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステムを記載しており、本開示の1つの開示された非限定的な実施形態に従ったシステムは、複数の構成要素と、複数の構成要素の少なくとも1つに作動的に結合された複数のセンサの各々と、複数のセンサからの複数のセンサデータ値を解釈するように構成されたセンサ通信回路とを含む産業システムを含むことができる。複数のノードを有するネットワーク上の複数のセンサデータ値の少なくとも一部をセンサデータ送信プロトコルに従ってストレージターゲットコンピューティングデバイスに通信するように構成されたシステムコラボレーション回路と、前記複数のノードを有するネットワーク上の複数のセンサデータ値の少なくとも一部の通信に対応する送信フィードバックを決定するように構成された送信環境回路と、前記送信フィードバックに応答して前記センサデータ送信プロトコルを更新するように構成されたネットワーク管理回路と、を備えたシステムコラボレーション回路。実施形態では、システム連携回路は、更新されたセンサデータ送信プロトコルに応答するようにさらに構成されている。
本開示の前記実施形態のいずれかのさらなる実施形態は、システム連携回路が、更新されたセンサデータ送信プロトコルに応答して、複数のノードのうちの少なくとも1つにアラートを送信するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、センサデータ伝送を更新することが、複数のノードを含むメッシュネットワークを再編成する指示を提供すること、複数のノードを含む階層データネットワークを再編成する指示を提供すること、複数のノードを含むピアツーピアデータネットワークを再編成すること、および複数のノードを含むハイブリッドピアツーピアデータネットワークを再編成することを含む。操作から選択される少なくとも1つの操作を含む状況を含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、センサデータ送信を更新することが、ネットワークを介して送信されるデータ量を減少させる指示を提供すること、ネットワークを介して送信されるデータキャプチャの頻度を調整する指示を提供すること、ネットワークを介して送信される複数のセンサ値の少なくとも一部の配信をタイムシフトする指示を提供すること、およびネットワークに対応するネットワークプロトコルを変更する指示を提供することを含む。操作を含む。操作から選択される少なくとも1つの操作を含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、センサデータ送信を更新することが、ネットワークに結合された少なくとも1つのデバイスのスループットを低下させる指示を提供すること、ネットワークの帯域幅使用量を低下させる指示を提供すること、ネットワークを介して送信された複数のセンサ値の少なくとも一部に対応するデータを圧縮する指示を提供することを含む。操作から選択される少なくとも1つの操作を含む状況を含んでもよい。ネットワークを介して送信されるセンサ値の複数のうちの少なくとも一部に対応するデータを凝縮する指示を提供し、ネットワークを介して送信されるセンサ値の複数のうちの少なくとも一部に対応するデータを要約する指示を提供し、ネットワークを介して送信されるセンサ値の複数のうちの少なくとも一部に対応するデータを暗号化する指示を提供することを特徴とする方法。
本開示の前記実施形態のいずれかのさらなる実施形態は、センサデータ送信を更新することが、複数のセンサ値のうちの少なくとも一部に対応するデータを分散台帳に配信する指示を提供することを含む。操作から選択される少なくとも1つの操作を含む状況を含んでもよい。複数のセンサ値の少なくとも一部に対応するデータを中央サーバに配信する指示を提供し、複数のセンサ値の少なくとも一部に対応するデータをスーパーノードに配信する指示を提供し、複数のネットワーク接続の間で複数のセンサ値の少なくとも一部に対応するデータを冗長的に配信する指示を提供することを特徴とする方法。
本開示の前記実施形態のいずれかのさらなる実施形態は、センサデータ送信を更新することが、複数のセンサ値のうちの少なくとも一部に対応するデータを複数の構成要素のうちの1つに送達する指示を提供することを含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、複数の構成要素のうちの1つが、複数のセンサ値のうちの少なくとも一部に対応するデータを提供するセンサに通信的に結合されている状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、システム連携回路がサービスの品質コミットメントを解釈するようにさらに構成されている状況を含み得る。実施形態では、ネットワーク管理回路は、サービス品質コミットメントに応答して、センサデータ送信プロトコルを更新するようにさらに構成される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、システム連携回路がサービスレベル合意を解釈するようにさらに構成されている状況を含み得る。実施形態では、ネットワーク管理回路は、サービスレベル合意に応答して、センサデータ送信プロトコルを更新するようにさらに構成される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、サービス値の品質を向上させるための指示を提供するために、センサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワークがメッシュネットワークを含む状況を含んでもよい。実施形態では、ネットワーク管理回路は、複数のノードのうちの1つをメッシュネットワークから排出する指示を提供するために、センサデータ送信プロトコルを更新するようにさらに構成される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワークがピアツーピアネットワークを含む状況を含んでもよい。実施形態では、ネットワーク管理回路は、複数のノードのうちの1つをピアツーピアネットワークから排出する指示を提供するために、センサデータ送信プロトコルを更新するようにさらに構成される。
本開示の前記実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、複数のセンサ値の少なくとも一部をキャッシュするようにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ネットワーク管理回路が、キャッシュされたデータが要求されているという判断、ネットワークフィードバックがキャッシュされたデータの通信が可能であることを示すという判断、およびキャッシュされたデータを保持するキャッシュリソースの利用を必要とするより高い優先度のデータが存在するという判断のうちの少なくとも1つに応答して、複数のセンサ値の少なくとも一部をキャッシュされたデータを通信するようにセンサデータ送信プロトコルを更新するように構成されている状況をさらに含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、システムが、複数のセンサデータ値のうちの少なくとも一部を受信するように構成されたデータコレクタをさらに含む状況を含み得る。実施形態では、複数のセンサデータ値の少なくとも一部は、複数のセンサによって提供されるデータを含む。実施形態では、送信フィードバックは、データコレクタに対応するネットワークパフォーマンス情報を含む。
本開示の前述の実施形態のいずれかのさらなる実施形態は、システムが、複数のセンサデータ値の少なくとも一部を受信するように構成されたデータコレクタをさらに含む状況を含み得る。実施形態では、複数のセンサデータ値の少なくとも一部は、複数のセンサ、ネットワークに通信的に結合された第2のデータコレクタによって提供されるデータを含む。実施形態では、送信フィードバックは、第2のデータコレクタに対応するネットワークパフォーマンス情報を含む。
本開示は、産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステムを記載しており、本開示の1つの開示された非限定的な実施形態に従ったシステムは、複数の構成要素と、複数の構成要素の少なくとも1つにそれぞれ作動的に結合された複数のセンサと、複数のセンサからの複数のセンサデータ値を所定の周波数で解釈するように構成されたセンサ通信回路とを含む産業システムを含むことができる。複数のノードを有するネットワークを介してセンサデータ値の複数の部分の少なくとも一部をセンサデータ送信プロトコルに従ってストレージターゲットコンピューティングデバイスに通信するように構成されたシステムコラボレーション回路であって、前記センサデータ送信プロトコルは、データ収集の所定の階層および所定の周波数を含み、前記センサデータ送信プロトコルは、前記ネットワークを介してセンサデータ値の複数の部分の少なくとも一部の通信に対応する送信フィードバックを決定するように構成された送信環境回路と、前記送信フィードバックに応答して、ベンチマークデータに応答して、前記センサデータ送信プロトコルを更新するように構成されたネットワーク管理回路と、をさらに備えたシステムコラボレーション回路。実施形態では、システム連携回路は、更新されたセンサデータ送信プロトコルにさらに応答する。
本開示の前記実施形態のいずれかのさらなる実施形態は、センサデータ送信を更新することが、複数のセンサのうちのセンサを変更する指示を提供すること、所定の周波数を調整する指示を提供すること、記憶されているセンサデータ値のうちの複数のセンサの量を調整する指示を提供すること、を含む。操作から選択される少なくとも1つの操作を含む状況を含んでもよい。前記複数のセンサデータ値の少なくとも一部の通信のデータ伝送速度を調整する命令を提供し、前記複数のセンサデータ値の少なくとも一部の通信のデータ伝送時間を調整する命令を提供し、前記ネットワークを介した通信のネットワーク方法を調整する命令を提供することと
本開示の前記実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、ネットワーク効率、データ効率、オフセットデータコレクタとの比較、スループット効率、データ効率、データ効率、データ品質、データ精度、データ精度、およびデータ頻度を含む。リストから選択されるデータをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、環境応答、メッシュネットワークコヒーレンス、データカバレッジ、ターゲットカバレッジ、信号ダイバーシティ、クリティカル応答、およびモーションを含む。リストから選択されたデータをさらに含む状況を含むことができる。本開示の前述の実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、サービス品質コミットメント、サービス品質保証、サービスレベル合意、および所定のサービス品質値を含む。リストから選択されたデータをさらに含む状況を含むことができる。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、ネットワーク干渉値、ネットワーク障害値、および妨害されたネットワーク接続の領域を含む。リストから選択されたデータをさらに含む状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、送信フィードバックが、システムの構成要素によって引き起こされる干渉、センサの1つによって引き起こされる干渉、金属物体によって引き起こされる干渉、物理的障害物によって引き起こされる干渉、低電力状態によって引き起こされる減衰信号、およびネットワークの一部におけるネットワークトラフィック要求によって引き起こされる減衰信号を含む。値から選択される通信干渉値を含む状況を含んでもよい。
本開示は、産業環境における自己組織化された、ネットワークに敏感なデータ収集のためのシステムを説明し、本開示の1つの開示された非限定的な実施形態に従ったシステムは、複数の構成要素と、複数の構成要素のうちの少なくとも1つにそれぞれ作動的に結合された複数のセンサと、複数のセンサからの複数のセンサデータ値を所定の周波数で解釈するように構成されたセンサ通信回路とを含む産業システムを含むことができる。複数のノードを有するネットワークを介してセンサデータ値の複数の部分の少なくとも一部をセンサデータ送信プロトコルに従ってストレージターゲットコンピューティングデバイスに通信するように構成されたシステムコラボレーション回路と、ネットワークを介してセンサデータ値の複数の部分の少なくとも一部の通信に対応する送信フィードバックを決定するように構成された送信環境回路と、送信フィードバックに応答してセンサデータ送信プロトコルを更新するように構成されたネットワーク管理回路と、更新されたセンサデータ送信プロトコルに応答してアラート値を提供するように構成されたネットワーク通知回路とを備える。実施形態では、システム連携回路は、更新されたセンサデータ送信プロトコルに応答するようにさらに構成されている。
本開示の前述の実施形態のいずれかのさらなる実施形態は、伝送フィードバックが、伝送価格の変更、ストレージ価格の変更、接続性の損失、帯域幅の減少、接続性の変更、ネットワーク可用性の変更、ネットワーク範囲の変更、WAN接続性の変更、およびWLAN接続性の変更を含む。値から選択される少なくとも1つのフィードバック値を含む状況を含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、ネットワーク管理回路がエキスパートシステムをさらに含む状況を含んでもよい。実施形態では、センサデータ送信プロトコルの更新は、エキスパートシステムの操作に応答して行われることをさらに含む。
本開示の前述のいずれかの実施形態のさらなる実施形態は、エキスパートシステムが、ルールベースのシステム、モデルベースのシステム、ニューラルネットシステム、ベイズベースのシステム、ファジー論理ベースのシステム、および機械学習システムを含む。システムから選択される少なくとも1つのシステムを含む状況を含んでもよい。
本開示の前述のいずれかの実施形態のさらなる実施形態は、ネットワーク管理回路が機械学習アルゴリズムをさらに含む状況を含み得る。実施形態では、センサデータ送信プロトコルの更新は、機械学習アルゴリズムの操作に応答して行われることをさらに含む。
本開示の前記実施形態のいずれかのさらなる実施形態は、機械学習アルゴリズムが、送信条件を含むフィードバックデータを利用するように構成されている状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、フィードバックデータが複数のセンサ値の少なくとも一部をさらに含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、フィードバックデータがベンチマークデータをさらに含む状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、ネットワーク効率、データ効率、オフセットデータコレクタとの比較、スループット効率、データ効率、データ効率、データ品質、データ精度、データ精度、およびデータ頻度を含む。リストから選択されるデータをさらに含む状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、ベンチマークデータが、環境応答、メッシュネットワークコヒーレンス、データカバレッジ、ターゲットカバレッジ、信号ダイバーシティ、クリティカル応答、および動作効率を含む。リストから選択されたデータをさらに含む状況を含んでもよい。
図174を参照すると、産業環境におけるデータ収集のための例示的なシステム12500は、多数のコンポーネント12504と、多数のセンサ12506とを有する産業システム12502を含む。実施形態では、センサ12506の各々は、コンポーネント12504の少なくとも1つに操作的に結合されている。センサの選択、分布、タイプ、および通信的セットアップは、システム12500および/またはコンテキストのアプリケーションに依存する。
例示的なシステム12500は、センサデータ値12542の数を解釈するセンサ通信回路12522(参照図185)をさらに含む。例示的なシステムは、センサデータ値12542が、センサ融合動作をサポートするための数の値であること、例えば、所望の出力に影響を与えるシステムの動作状態の検出を包含すると考えられるセンサのセットであること、産業用システム12502のプロセスまたは一部を制御すること、産業用システム12502の側面または産業用システム12502に関連付けられたプロセスを診断または予測することを含む。
特定の実施形態では、センサデータ値12542は、複数のセンサ12506および/またはコントローラ12512と通信してもよいデータコレクタ12508に提供される。特定の実施形態では、プラントコンピュータ12510が追加的にまたは代替的に存在する。例示的なシステムでは、コントローラ12512は、センサ通信回路12522、センサデータ保存プロファイル回路12524、センサデータ保存実施回路12526、保存計画回路12528、および/またはハプティックフィードバック回路12530の動作を機能的に実行するように構成されている。コントローラ12512は、説明を明確にするために、別個の装置として描かれている。コントローラ12512の側面は、センサ12506、データコントローラ12508、プラントコンピュータ12510、および/またはクラウドコンピューティングデバイス12514上に存在してもよい。本開示を通して説明される特定の実施形態では、コントローラ12512または他のコントローラの全ての側面は、システム12500上に描かれた別のデバイス上に存在してもよい。プラントコンピュータ12510は、産業用システム12500上に存在してもよく、および/または産業用システム12500と通信中であってもよいローカルコンピューティングリソース、例えば、処理、メモリ、および/またはネットワークリソースを表す。特定の実施形態では、クラウドコンピューティングデバイス12514は、産業システム12502に外部から利用可能なコンピューティングリソース、例えば、プライベートネットワーク、イントラネット、セルラー通信、衛星通信、および/またはインターネットを介して、を表す。特定の実施形態では、データコントローラ12508は、コンピューティングデバイス、スマートセンサ、MUXボックス、または複数のセンサからデータを受信し、データをパススルーし、および/または後で送信するためにデータを保存することができる他のデータ収集デバイスであってもよい。データコントローラ12508の一例は、ストレージを持たず、および/または限定されたストレージを有し、選択的にセンサデータを通過させ、センサデータのサブセットは、データコントローラ12508、関連ネットワーク、および/または環境制約によって課される帯域幅の考慮のために、所定の時間に通信される。特定の実施形態では、システム12500内の1つまたは複数のセンサおよび/またはコンピューティングデバイスは、ポータブルデバイスである-例えば、産業システム内を歩くプラントオペレータはスマートフォンを持っていてもよく、システム12500は、データコントローラ12508、センサ12506として選択的に利用してもよく、これは、例えば、通信スループット、センサ分解能、および/またはセンサデータ値12502をコントローラ12512に通信するための第1の方法として、通信スループット、センサ分解能、および/またはセンサデータ値12502を通信するための第2の方法として利用される。システム12500は、コントローラ12512、センサ12506、データコントローラ12508、プラントコンピュータ12510、および/またはクラウドコンピューティングデバイス12514が、センサデータをそこに格納するためのメモリストレージを有していることを描写しているが、いずれか1つまたは複数のセンサデータをそこに格納するためのメモリストレージを有していなくてもよい。特定の実施形態では、センサデータストレージプロファイル回路12524は、あるメモリストレージから別のメモリストレージに制御された方法でセンサデータを移動させることを含む、センサデータをメモリストレージに指示するデータストレージプロファイル12532を準備する。様々なデバイスに格納されたセンサデータは、デバイス上のメモリを消費し、デバイス間の格納データの移動は、システム12500内のネットワークおよび/または通信帯域幅を消費し、および/または処理、圧縮、統計分析、要約、および/またはアラートの提供などのセンサデータ上の操作は、バッファファイル、中間データなどの操作をサポートするためのメモリだけでなく、プロセッササイクルをも消費する。したがって、データ記憶プロファイル12532の改善されたまたは最適な構成および/または更新は、システムリソースのより低い利用率を提供し、および/またはより高い解像度で、より長い時間フレームにわたって、および/またはより多くのセンサからのセンサデータを記憶することを可能にする。
図175を参照すると、産業用システムのデータコレクタのための自己組織化データストレージのための例示的な装置12520が描かれている。例示的な装置12520は、コントローラ12512のようなコントローラを含む。例示的なコントローラは、センサデータ値12542の数を解釈するセンサ通信回路12522と、データストレージプロファイル12532を決定するセンサデータストレージプロファイル回路12524とを含む。データ保存プロファイル12532は、センサデータ値12542の数のデータ保存計画を含む。データ保存計画は、センサデータ値12542のうちのどのくらいの数が初期保存されるか(例えば、データがサンプリングされるにつれて、および/またはデータコントローラ12508、プラントコンピュータ12510、コントローラ12512、および/またはクラウドコンピューティングデバイス12514への初期送信後に)を含む。例示的なデータ保存プロファイル12532は、時間、プロセス段階、システム12500の動作条件および/またはシステムに関連するネットワーク、ならびにシステム12500内のデバイスの通信条件に応じたデータ送信のための計画を含む。
例えば、温度センサからのデータは、記憶容量を有するセンサ上にローカルに記憶され、データコントローラにバーストで送信されるように計画されてもよい。データコントローラは、例えば、データコントローラのメモリが閾値に達すると、ネットワーク通信容量が利用可能になると、プロセスの終了時に、および/または要求に応じて、スケジュール上で、センサデータをクラウドコンピューティングデバイスに送信するように指示されてもよい。さらに、または代替的に、センサからのデータは、デバイス上で、またはデータの転送時に(例えば、転送直前、転送直後、またはスケジュール上で)変更されてもよい。例えば、データ保存プロファイル12532は、高解像度、高精度、および/または高サンプリングレートのデータを保存し、一定期間、選択されたイベント、および/または成功したプロセスの確認後、または高解像度データがもはや必要でないことを確認した後に、データセットの保存を減らすことを記述してもよい。したがって、より高い分解能のデータおよび/または多数のセンサからのデータは、センサ融合操作などによる利用のために利用可能であるかもしれないが、一方で、長期的なメモリ使用率も管理される。センサデータセットの各々は、メモリ記憶特性のために個別に処理されてもよく、および/またはセンサは、同様の処理のためにグループ化されてもよい(例えば、同様のデータ特性および/またはシステムへの影響を有するセンサ、センサ融合動作で協力するセンサ、モデルまたは仮想センサのために利用されるセンサのグループなど)。特定の実施形態では、単一のセンサからのセンサデータは、データ記憶プロファイル12532の更新、データが取り込まれる時間またはプロセス段階、および/またはネットワークの問題、障害状態などのシステム状態に応じて区別して処理されてもよい。加えて、または代替的に、センサデータの単一セットは、システム内の複数の場所に格納されてもよく、例えば、同じデータが複数の別々のセンサ融合操作で利用され、同じデータの複数セットを格納することからのリソース消費は、単一の格納されたデータセットを複数の別々のプロセスで利用するためのプロセッサまたはネットワークの利用よりも低い。
図179を参照して、データストレージプロファイル12532の例の様々な側面が描かれている。例示的なデータストレージプロファイル12532は、ストレージ位置定義12534、ストレージ時間定義、および/またはストレージ時間定義12536、データ解像度記述12540に相対するデータストレージプロファイル12532の追加的または代替的な側面として含まれてもよい、および/またはこれらの側面として含まれてもよい、データストレージプロファイル12532の側面を含む。図179に描かれたストレージに関連する因子またはパラメータのうちの任意の1つ以上は、データストレージプロファイル12532に含まれてもよく、および/または自己組織化ストレージシステム(例えば、システム12500および/またはコントローラ12532)によって管理されてもよい。自己組織化ストレージシステムは、ルールベースの最適化、性能モデルに基づく最適化、および/または機械学習/人工知能を使用した最適化、任意にディープラーニングアプローチを含む、または上記のハイブリッドまたは組み合わせを含む、エキスパートシステムを使用して、本開示全体を通して記載されている任意のそのようなパラメータまたは要因を、個別にまたは組み合わせて、管理または最適化してもよい。実施形態では、データストレージプロファイル12532の例は、ストレージの基礎となる物理メディアタイプ、ストレージが存在するデバイスまたはシステムのタイプ、データの読み取りまたは書き込みのためにストレージにアクセスできるメカニズム、またはそのようなものに基づいて、ストレージのタイプをアカウントするか、または指定するストレージタイププラン12576またはプロファイルを含む。例えば、ストレージメディアプラン12578は、テープメディア、ハードディスクドライブメディア、フラッシュメモリメディア、不揮発性メモリ、光メディア、ワンタイムプログラマブルメモリ、またはそのようなものの使用を指定または説明してもよい。ストレージメディアプランは、ストレージ持続時間、電力使用量、信頼性、冗長性、熱性能係数、環境条件(放射線または極端な温度など)に対する堅牢性、入出力速度および能力、書き込み速度、読み取り速度などの能力、またはデータファイル組織、オペレーティングシステム、読み書きライフサイクル、データエラーレート、および/またはメディアまたはメディアコントローラに関連または固有のデータ圧縮の側面などの他のメディア固有のパラメータを含む、メディアに関連するパラメータを説明するか、または指定してもよい。ストレージアクセスプラン12580またはプロファイルは、データベースストレージ(リレーショナル、オブジェクト指向、その他のデータベース、および分散データベース、仮想マシン、クラウドベースのデータベースなどを含む)、クラウドストレージ(S3バケットやその他の単純なストレージ形式など)、ストリームベースのストレージ、キャッシュストレージ、エッジストレージ(例えば、エッジベースのネットワークノード内)、オンデバイスストレージ、サーバベースのストレージ、ネットワークに接続されたストレージなどのような、利用可能なストレージへのインターフェースの性質を指定または考慮してもよい。ストレージアクセスプランまたはプロファイルは、異なるストレージタイプのコスト、入出力性能、信頼性、複雑さ、サイズなどの要因を指定または考慮してもよい。ストレージプロトコルプラン12582またはプロファイルは、ストリーミングプロトコル、IPベースプロトコル、不揮発性メモリエクスプレスプロトコル、SATAプロトコルまたは他のネットワークアタッチドストレージプロトコル、ディスクアタッチドストレージプロトコル、イーサネットプロトコルなどのような、データが送信または書き込みされるプロトコルを指定または説明してもよい。ピアードストレージプロトコル、分散型台帳プロトコル、パケットベースのストレージプロトコル、バッチベースのストレージプロトコル、メタデータストレージプロトコル、圧縮ストレージプロトコル(パケットベースのメディア、ストリーミングメディア、ロッシーまたはロスレス圧縮タイプなどの様々な圧縮タイプを使用)、または他のもの。ストレージプロトコル計画は、入出力性能、利用可能なネットワークリソースとの互換性、コスト、複雑性、プロトコルを実装するために必要なデータ処理、プロトコルをサポートするためのネットワーク利用率、システムノイズ(例えば、EM、競合するネットワークトラフィック、ネットワーク可用性の中断頻度)をサポートするためのプロトコルの堅牢性、プロトコルを実装するためのメモリ利用率(例えば:アズストアードメモリ利用率、および/またはデータを作成または転送する際の中間メモリ利用率)など、ストレージプロトコルに関連する要因を考慮してもよいし、指定してもよい。ストレージ書き込みプロトコル12584の計画またはプロファイルは、ファイル形式、ストリーミング形式、バッチ形式、離散チャンク、パーティションへの書き込み、異なるストレージ位置にわたるストライプまたはバンド、ストリーム、パケットまたはそのようなものなど、データがどのようにストレージに書き込まれるかを指定または説明してもよい。ストレージ書き込みプロトコルは、入力速度、信頼性、冗長性、セキュリティなどの書き込みに関連するパラメータや要因を考慮してもよいし、指定してもよい。ストレージセキュリティ計画12586またはプロファイルは、パスワード保護の可用性またはタイプ、認証、許可、権利管理、暗号化(データ、ストレージメディア、および/またはシステム上のネットワークトラフィックの)、物理的分離、ネットワーク分離、地理的配置など、ストレージがどのように保護されるかを説明するか、または指定することができます。ストレージロケーション計画12588またはプロファイルは、ジオロケーション、ネットワークロケーション(例えば、エッジで、所定のサーバ上で。エッジ、所定のサーバ上、または所定のクラウドプラットフォームまたはプラットフォーム内)、またはデータコレクタ上の位置、ハンドヘルド装置(環境内のオペレータのスマートフォン、タブレット、またはパーソナルコンピュータなど)上の位置などのデバイス上の位置、デバイスグループ内またはデバイスグループを横断する位置(メッシュ、ピアツーピアグループ、リング、ハブアンドスポークグループなど)などのデバイス上の位置を考慮または指定してもよい。並列デバイスのセット、デバイスの群れ(収集器の群れなど)、またはそのようなもの)、産業環境における場所(機械のまたは機械のための計装システムのストレージ要素内、環境のための情報技術システム上の場所、またはそのようなもの)、またはディスク、ドングル、USBデバイスなどの専用のストレージシステム。ストレージバックアップ計画12590またはプロファイルは、冗長化された場所を示すこと、およびバックアップストレージ場所のための上記の要因のいずれかまたはすべてを管理することなど、保存されたデータのバックアップまたは冗長化のための計画を説明するか、または指定することができる。特定の実施形態では、ストレージセキュリティ計画12586および/またはストレージバックアップ計画12590は、データの保持、長期保存計画(例えば、一定期間後および/またはシステム内の特定の操作がデータに対して実行された後に、保存されたデータを別の保存媒体に移行する)、データおよび/または保存媒体の物理的リスク管理(例えば、異なる物理的リスクパラメータを有する複数の地理的地域におけるデータの提供、保存場所が物理的リスクを経験したときのデータの移動、長期保存媒体の予測されたライフサイクルに従ってデータをリフレッシュすることなど)などのパラメータを指定してもよい。
例示的なコントローラ12512は、データ記憶プロファイル12532に応答して、センサデータ値の数の少なくとも一部を記憶するセンサデータ記憶実施回路12526をさらに含む。例示的なコントローラ12512は、センサデータ値の数12542のうちの少なくとも1つに対応する記憶場所定義12534を有するデータ記憶プロファイル12532を含み、例えば、以下のような少なくとも1つの場所を含む:センサ記憶場所(例えば、センサ上に一定期間保存されたデータ、および/またはポータブルデバイスがセンサとしてシステムによって適合される産業システム12502に近接したユーザ12518のためのポータブルデバイス上に保存されたデータ)、センサ通信デバイス記憶場所(例えば、データコントローラ12508、MUXデバイス、スマートデバイス、スマートデバイス。データコントローラ12508、MUXデバイス、他のセンサと通信しているスマートセンサ、および/または産業システム12502に近接しているユーザ12518のためのポータブルデバイス上、またはポータブルデバイスがシステム内のコンポーネント間でセンサデータを転送するための通信デバイスとしてシステムによって適合されている産業システム12502のネットワーク上など)、地域ネットワーク記憶場所(例えば、プラントコンピュータ12510および/またはコントローラ12512上)、および/またはグローバルネットワーク記憶場所(例えば、クラウドコンピューティングデバイス12514上)。
コントローラ12512の一例は、センサデータ値12542の数のうちの少なくとも1つに対応する保存時間定義12536を含むデータ保存プロファイル12532を含み、このデータ保存プロファイル12532は、次のような少なくとも1つの時間値を含む:センサデータ値の数のうちの対応する少なくとも1つが保存されるべき時間領域記述(例えば、次のような時間領域記述)。データのための時間および場所、これは、データサンプリングの時間、プロセスステージの開始時間または停止時間などのようないくつかの側面に対する相対的な時間、または真夜中、土曜日、月の最初などのような絶対的な時間を含むことができる);センサデータ値の数のうちの対応する少なくとも1つのセンサデータ値が格納されるべき数の格納場所に対応する数の時間値を含む時間領域の格納軌跡(例えば、以下のような時間領域の記述。相対的または絶対的な時間記述を含む各ストレージ転送のための時間を含む);センサデータ値の数のうちの対応する少なくとも1つが格納されることになるプロセス記述値(例えば。プロセス記述値と、記述されたプロセス部分の間のデータ値のための計画された格納場所とを含み;プロセス記述値は、プロセスの段階と、どのプロセスが格納計画に関連しているかの識別とを含むことができる);および/または、数あるセンサデータ値のうちの対応する少なくとも1つが格納されるべき数の格納場所に対応する数のプロセス段階を含むプロセス記述軌跡(例えば、多数のデバイスにまたがるシステムを介したセンサデータの流れであって、各格納転送のためのプロセス段階および/またはプロセス識別とを含む)。
コントローラ12512の一例は、センサデータ値の数12544のうちの少なくとも1つに対応するデータ解像度記述12540を含むデータストレージプロファイル12532を含み、ここで、データ解像度記述12540は、次のような値を含む:センサデータ値の数12544のうちの少なくとも1つに対応する検出密度値(例えば。検出密度は、時間サンプリング分解能、空間サンプリング分解能、サンプリングされたデータの精度、および/または利用可能な分解能に影響を与える可能性がある適用される処理操作、例えばデータのフィルタリングおよび/またはロッシー圧縮);センサデータ値の数のうちの1つ以上に対応する検出密度値(例えば。類似の検出密度値を有するセンサのグループ、所定の検出密度値を有するセンサのグループから決定される第2のデータ値など);センサデータ値の数のうちの少なくとも1つの検出密度値の数、時間値に対応する検出密度値の数のそれぞれを含む検出密度の軌跡(例えば。時間領域概念のいずれかと組み合わせた検出密度概念のいずれか);センサデータ値の数のうちの少なくとも1つのセンサデータ値の検出密度値の数のそれぞれがプロセスステージ値に対応する検出密度値の数のそれぞれを含む検出密度軌跡(例えば。プロセス記述概念またはステージ概念のいずれかと組み合わせた検出密度概念のいずれか);および/または、数あるセンサデータ値のうちの少なくとも1つの検出密度値のうちの検出密度値の数のそれぞれが記憶場所値に対応する(例えば、検出密度は、データを記憶する装置に応じて変化させることができる)数の検出密度値を含む。検出密度軌跡を含む検出密度軌跡。
センサデータ保存プロファイル回路12524の例では、センサデータ保存実施回路12526の動作後にデータ保存プロファイル12532をさらに更新し、ここで、センサデータ保存実施回路12526は、更新されたデータ保存プロファイル12532に応答して、センサデータ値の数12544の部分をさらに記憶する。例えば、第1の時点でのシステムの動作中に、センサデータ記憶実施回路12526は、センサデータ記憶実施回路12526の現在存在するデータ記憶プロファイルを利用するが、これは、システム性能の初期推定値、システムのオペレータからの所望のデータ、および/またはセンサデータ記憶プロファイル回路12524の以前の動作に基づいていてもよい。システムの動作中、センサデータ記憶実施回路12526は、データ記憶プロファイル12532に従ってデータを記憶し、センサデータ記憶プロファイル回路12524は、システムの改善された性能をもたらすかもしれないデータ記憶プロファイル12532のためのパラメータを決定する。センサデータ記憶プロファイル回路12524の一例は、例えば機械学習最適化ルーチンを利用して、データ記憶プロファイル12532のための様々なパラメータをテストし、改善されたデータ記憶プロファイル12532が利用可能であることを決定すると、センサデータ記憶プロファイル回路12524は、センサデータ記憶実装回路12526によって利用される更新されたデータ記憶プロファイル12532を提供する。特定の実施形態では、センサデータストレージプロファイル回路12524は、センサデータストレージ実装回路12526によって利用される中間データストレージプロファイル12532を供給して実世界の結果を生成したり、システムにモデリングを適用したり(システムの特性に基づく第1原理モデリング、システムの実際の動作データを利用したモデルのいずれか)などの様々な動作を実行してもよい。オフセットシステムのための実際の動作データを利用したモデル、および/またはこれらの組み合わせ)を用いて、所与のデータ記憶プロファイル12532の結果がどのようなものになるか、またはなったであろうかを決定し(例えば、システムによって動作するプロセスをサポートするために利用されるものを超えて余分なセンサデータを取ることを含む)、および/または最適化ルーチンが局所的な最適または非最適状態に落ち着かないことを確実にするために、データ記憶プロファイル12532にランダム化された変更を適用すること。
センサデータストレージプロファイル回路12524の一例は、外部データ12544および/またはクラウドベースデータ12538に応答してデータストレージプロファイル12532をさらに更新し、次のようなデータを含む:強化されたデータ要求値(例えば、オペレータ、モデル、最適化ルーチン、および/または他のプロセスが、1つ以上のパラメータに対する強化されたデータ解像度を要求すること);プロセス成功値(例えば、次のようなデータを含む);プロセス成功値(例えば、次のようなデータを含む。現在のストレージ慣行が十分なデータ可用性および/またはシステム性能を提供することを示す;および/または、現在のストレージ慣行が過剰な能力を有している可能性があり、システム利用率を低減するための1つまたは複数の変更が利用可能である可能性があることを示す);プロセス失敗値(例えば。現在のストレージ慣行が十分なデータ可用性および/またはシステム性能を提供しないかもしれないことを示すものであり、データ伝送および/または可用性がプロセス障害に寄与したかどうかを判断するための追加の操作またはオペレータへの警告を含み得る);コンポーネントサービス値(例えば、将来のサービスイベントを予測する学習アルゴリズムを改善するために、より高い解像度のデータが利用可能であることを保証するためにデータストレージを調整する操作、および/またはどの要因が早期サービスに寄与したかを判断するための操作);コンポーネントメンテナンス値(例えば、データストレージを調整するための操作。将来のメンテナンスイベントを予測する学習アルゴリズムを改善するために、より高い解像度のデータが利用可能であることを保証するために、データストレージを調整する操作、および/または、どの要因が早期メンテナンスに寄与したかを決定する操作);ネットワーク記述値(例えば、デバイスの識別、プロトコルの決定、および/または、ユーザまたはオペレータによって入力されたようなネットワークの変化であって、ネットワークの変化は、能力の変化をもたらし、センサデータのための明確な最適ストレージプランをもたらす可能性がある);プロセスフィードバック値(例えば、検出された1つまたは複数のプロセス条件);ネットワークフィードバック値(例えば、以下、「ネットワークフィードバック値」という。ネットワークの実際の操作によって決定される1つまたは複数のネットワークの変化(例えば、1つまたは複数のデバイスの通信の損失または減少、ネットワーク通信量の変化、ネットワーク上の伝送ノイズ値の変化など);センサフィードバック値(例えば。センサの故障、能力の変化などのメタデータ;および/またはシステムからの検出されたデータに基づいて、例えば、異常な読取値、変化率、または強化または縮小された解像度、サンプリング時間などが記憶計画を変更すべきであることを示す規格外の状態);および/または、第2のデータ記憶プロファイル、ここで、第2のデータ記憶プロファイルは、オフセットシステムのために生成されたものである。
ストレージ計画回路12528の例は、データ構成計画12546を決定し、データ構成計画12546に応答してデータストレージプロファイル12532を更新し、ここで、センサデータストレージ実装回路12526は、更新されたデータストレージプロファイル12532に応答して、センサデータ値の数の少なくとも一部をさらに記憶する。データ構成計画12546の一例は、次のような値を含む:データ記憶構造値(例えば、整数、文字列、カンマ区切りファイルなどのデータタイプ、値に何ビットをコミットするかなど);データ圧縮値(例えば、データを圧縮するかどうか、圧縮モデル、データを圧縮するかどうか。データ圧縮値(例えば、データを圧縮するかどうか、使用する圧縮モデル、および/またはデータのセグメントを要約情報、多項式または他の曲線フィットの要約などで置き換えることができるかどうか);データ書き込み戦略値(例えば、値を分散した方法で保存するか、単一のデバイスに保存するか、利用するネットワーク通信および/またはオペレーティングシステムプロトコル);データ階層値(例えば、どのデータが他のデータよりも優先されるか。この制限は、データが意図した時間に意図した場所にないなどの一時的なものであってもよいし、一部のデータを損失のない方法で圧縮する必要がある、および/または失われるなどの永続的なものであってもよい);データに対して決定された拡張アクセス値(例えば、データがレポート用のタイプであるかどうか。データは、レポート、検索、モデリングアクセス、および/または別の方法でタグ付けされたタイプであり、ここで、拡張アクセスは、データが利用可能な範囲、データの索引付け、データの要約、生または処理されたセンサデータに加えて保存されてもよいデータの局所的なレポートのためにデータが保存されている場所を含む);および/または、データに対応する命令値(例えば、データがどこに位置することができるかを示すプレースホルダ、データにアクセスするためのインタフェース、単位、精度、時間枠、動作中のプロセス、存在する故障、結果などを示すメタデータなど)。
システムを介したデータフローとストレージの制御を提供することで、システム全体のデータ管理を一般的に改善し、時間の経過とともに最適化に向けた動きを可能にすることがわかります。したがって、ストレージスペース、通信帯域幅、消費電力、および/またはプロセッサ実行サイクルなどのリソースの所与の利用に対して固定または手動で構成可能なデータストレージおよびフローを有する以前に知られているシステムよりも、より高い解像度のより多くのデータを、より容易にアクセス可能な方法で蓄積することができる。さらに、システムは、データフローおよびストレージを制御するための最適または有益なパラメータに影響を与えるプロセスの変動に対応することができる。当業者であれば、本明細書の開示の恩恵を受けて、データタイプ制御およびシステムのためのプロセス操作に関する知識を有するデータストレージスキームの制御の組み合わせが、特定の企図された実施形態において強力な組み合わせを作り出すことを認識するであろう。例えば、より高い解像度のデータは、データを恒久的に保存するための全コストを負担することなく、および/またはシステムの各層を通してデータを通信するための全コストを負担することなく、より長い期間維持され、データの必要性が生じた場合に利用できるようにすることができる。
実施形態では、地下鉱山検査システムでは、有毒ガス濃度、温度、騒音などに関する特定の詳細なデータが、規制目的のために捕捉され、保存される必要があるかもしれないが、継続的な運用目的のためには、おそらく、1つまたは複数の有毒ガスに関する単一のデータポイントだけが定期的に必要とされる。この実施形態では、システムのためのデータ保存プロファイルは、規制上のニーズに合わせた特定のセンサデータのみが、長期的に、かつオプションで必要に応じてのみ利用可能な特定の方法で保存され、一方で、運用上必要な他のセンサデータは、よりアクセス可能な方法で保存されることを示してもよい。
車両用の自動車ブレーキを含む別の実施形態では、ブレーキの使用および性能に関するデータは、高解像度で取得され、ネットワーク全体に送信されない第1のデータストレージに格納されてもよく、一方、低解像度のデータは、定期的におよび/またはほぼリアルタイムで車両制御およびメンテナンスアプリケーションに送信されてもよい。アプリケーションまたは他のユーザがより高い分解能のデータを必要とする場合には、第1のデータ記憶装置からアクセスすることができる。
トラックおよび自動車のボディおよびフレーム部品の製造のさらなる実施形態では、塗装色、表面曲率、および他の品質管理手段に関する特定の詳細なデータが高解像度で捕捉されて保存されてもよいが、継続的な運用目的のために、スループットに関する低解像度のデータのみが送信される。この実施形態では、システムのためのデータ保存プロファイルは、品質管理の必要性に整列した特定のセンサデータのみが、長期的に、オプションで必要に応じてのみ利用可能な特定の態様で保存され、一方、操作上必要な他のセンサデータは、よりアクセス可能な態様で保存されることを示してもよい。
別の例では、データタイプ、解像度などは、データを扱う個々のコンポーネントにとって有益な値に従って、データのために利用されるネットワークリソースに従って、および/または、より高い能力のデータが付随データを利用するプロセスの精度を向上させない場合、付随データ(例えば、モデル、仮想センサ、および/またはセンサ融合操作)に従って、データがシステムを流れるように構成され、変更されることができる。
一実施形態では、鉄道状態監視システムでは、鉄道状態データが取得されると、システムの各コンポーネントは、同じデータの異なる解像度を必要とすることがある。この例に引き続き、リアルタイムの鉄道交通データが取得されると、これらのデータは、システム全体にデータを迅速に普及させるために、低解像度で保存および/または送信され、一方で、利用率および負荷データは、鉄道利用料金および鉄道メンテナンスの必要性をより詳細なレベルで追跡するために、より高い解像度で保存および利用されてもよい。
トラクタで作動する油圧ポンプの別の実施形態では、トラクタが現場にあり、ネットワークにアクセスできないため、車載センサからのデータは、低解像度でトラクタ上のローカルな方法で取得され、保存されてもよいが、トラクタがアクセスを回復すると、データは高解像度で取得され、送信されてもよい。
自動車工場のロボットハンドリングユニット内のアクチュエータのさらに別の実施形態では、アクチュエータに関するデータは、アクチュエータデータを単独で利用する生産追跡システムや、環境センサからのデータとセンサ融合してデータを利用するエネルギー効率追跡システムなど、複数の下流システムに流れてもよい。アクチュエータデータの解像度は、これらのシステムのそれぞれの異種用途のために送信されるため、異なる構成になっていてもよい。
鉱山内の発電機のさらに別の実施形態では、発電機の性能、発電機の近くの一酸化炭素レベル、および発電機を運転するためのコストに関するデータが取得されてもよい。鉱山を監督する制御システムの各コンポーネントは、同じデータの異なる解像度を必要とする場合がある。この例に引き続き、一酸化炭素データが取得されると、これらのデータは、作業員に適切な注意を喚起するためにシステム全体にデータを迅速に普及させるために、低解像度で保存および/または送信されてもよい。性能およびコストデータは、経済効率および生涯メンテナンスの必要性を追跡するために、より高い解像度で保存され、利用されてもよい。
さらなる実施形態では、トラックのホイールエンド上のセンサは、潤滑、騒音(例えば、研削、振動)、および温度を監視してもよい。現場では、センサデータは、遠隔監視のために低解像度で遠隔送信されてもよいが、車両整備設備から閾値距離内にある場合には、データは高解像度で送信されてもよい。
別の例では、データに付随する情報は、データを解凍すること、関連する高能力データがシステム内に存在する可能性がある場所を容易に決定すること、および/またはデータを利用した操作を合理化すること(例えば、報告、モデリング、警告、および/またはセンサ融合または他のシステム分析を実行すること)を含む、効率的な下流処理(例えば、データにアクセスする下流のデバイスまたはプロセスによる)を可能にする。実施形態では、システム内の第1の記憶装置に高ケイパビリティ(例えば、高サンプリングレート、高精度、インデックス化など)を格納し(例えば、ネットワーク通信リソースを保存するために、ネットワーク層のセンサの近くに)、ネットワーク層の上に(例えば、クラウドコンピューティング装置に)低ケイパビリティデータを送信することを含み、ここで、低ケイパビリティデータは、格納された高ケイパビリティデータにアクセスするための付随情報を含み、ユーザがアクセス可能であるかもしれない付随データ(例えば、ヘッダ、メッセージボックス、またはその他の付随データ)を含む(例えば、以下のような)。ヘッダ、メッセージボックス、または他の有機的にインターフェース可能な付随データ)および/または自動プロセス(例えば、構造化データ、XML、入力されたフィールド、またはそのようなもの)にアクセス可能であり、プロセスが付随データを利用して自動的に高能力データを要求、検索、またはアクセスすることができる。特定の実施形態では、付属データは、アクセスするコンポーネントまたはユーザーが、そのようなデータが所望のパラメータを満たすかどうかを、高能力データを取得しなくても判断できるように、内容、精度、サンプリング時間、較正(例えば、デバウンス、フィルタリング、または適用された他の処理)に関する情報をさらに含むことができる。
実施形態では、組立ライン上のバイブレータに取り付けられた振動センサからの振動騒音は、高解像度フォーマットでローカルに保存されてもよく、センサ融合のための周囲騒音データおよびローカル騒音データの利用可能性に関する情報を伴う同じデータの低解像度バージョンは、クラウドベースのサーバに送信されてもよい。機械学習プロセスのように、サーバ上の常駐プロセスが高解像度データを必要とする場合、サーバはその時点でデータを取得してもよい。
航空機エンジンの別の実施形態では、複数のセンサから集約された性能データは、飛行中に、添付情報と共にリモートサイトに送信されてもよい。付随する情報、例えば、過去の飛行機情報に関連するメタデータを含むヘッダなどは、追加のデータベースにアクセスすることなく、リモートサイトが過去のデータの文脈で性能データを効率的に分析することを可能にしてもよい。
発電設備の石炭破砕機のさらなる実施形態では、破砕機から出る石炭のサイズに関する低品質のセンサデータに付随するデータは、技術者が、破砕機がメンテナンスのためにオフラインになる必要があるという判断を確認するために、より高い分解能のデータが必要かどうかを判断できるように、サイズ測定の精度に関する情報を含んでもよい。
石油およびガス生産に使用される掘削機または生産プラットフォームのさらなる実施形態では、高能力データは、ドリルおよびプラットフォームの操作のパラメータに関するローカルで取得され、保存されてもよいが、低能力データのみが、帯域幅を節約するためにオフサイトに送信される。低能力データとともに、付随する情報は、自動化されたオフサイトプロセスが必要な場合に自動的に高能力データにアクセスする方法についての指示を含んでもよい。
さらなる実施形態では、石油・ガス生産または鉱業に使用されるポンプ上の温度センサは、高解像度フォーマットでローカルに保存され、センサ融合のためのノイズおよびエネルギー使用データの利用可能性に関する情報を伴う同じデータの低解像度バージョンは、クラウドベースのサーバに送信されてもよい。機械学習プロセスのように、サーバ上の常駐プロセスが高解像度データを必要とする場合、サーバはその時点でデータを取得してもよい。
自動ロボットハンドリングユニットまたは農業環境におけるギアボックスの別の実施形態では、複数のセンサから集約された性能データが、使用中に、付随する情報と共にリモートサイトに送信されてもよい。添付情報、例えば、過去のギアボックス情報に関連するメタデータを含むヘッダのような添付情報は、リモートサイトが追加のデータベースにアクセスすることなく、過去のデータの文脈で性能データを効率的に分析することを可能にするかもしれません。
鉱山の換気システムのさらなる実施形態では、空気中の微粒子のサイズに関する低品質のセンサデータに付随するデータは、技術者が換気システムがメンテナンスを必要とするとの判断を確認するために、より高い分解能のデータが必要かどうかを判断できるように、サイズ測定の精度に関する情報を含んでもよい。
農業で使用される転がり軸受のさらなる実施形態では、高能力データは、転がり軸受の動作のパラメータに関するローカルで取得され、保存されてもよいが、低能力データのみが、帯域幅を節約するためにオフサイトに送信される。低能力データとともに、付随する情報には、自動化されたオフサイトプロセスが必要な場合に高能力データに自動的にアクセスする方法についての指示が含まれていてもよい。
鉱山のスタンプミルのさらなる実施形態では、スタンプミルを出る鉱床のサイズに関する低品質のセンサデータに付随するデータは、技術者が、スタンプミルが操作パラメータの変更を必要とするとの判断を確認するために、より高い分解能のデータが必要かどうかを判断することができるような、サイズ測定の精度に関する情報を含んでいてもよい。
図176を参照して、記憶時間定義12536の例が描かれている。ストレージ時間定義12536の例は、多数の時間値12558に対応する多数のストレージロケーション12556を描写している。ストレージタイプ、ストレージメディア、ストレージアクセス、ストレージプロトコル、ストレージ書き込み値、ストレージセキュリティ、および/またはストレージバックアップ値などの任意の値がストレージ時間定義12536に含まれてもよいことが理解される。さらに、または代替的に、ストレージ時間定義12536の例は、時間値12558に加えて、または代替として、プロセス操作、イベント、および/または他の値を含んでもよい。ストレージ時間定義12536の例は、第1の時間間隔にわたる第1のストレージロケーション12550への関連センサデータの移動、第2の時間内部にわたる第2のストレージロケーション12552への移動、および第3の時間間隔にわたる第3のストレージロケーション12554への移動を描写している。ストレージロケーション値12550、12552、12554は、計画されたストレージロケーションに対応する積分選択として描かれているが、追加的または代替的に、値は連続的または離散的であってもよいが、必ずしも積分値である必要はない。例えば、「1」のストレージロケーション値12550は第1のストレージロケーションに関連付けられてもよく、「2」のストレージロケーション値12550は第2のストレージロケーションに関連付けられてもよく、ここで、「1」と「2」の間の値は理解された意味を有している-例えば、データを移動させるための優先順位(例えば、「1.例えば、転送動作中にネットワーク利用率、メモリ利用率などを制御するために)、および/または代替オプション(例えば、ストレージロケーションを指示できるようにすること、およびストレージロケーションがシステム内の他の制約とバランスをとることができるようなコスト関数に含めること)を備えたストレージロケーションの優先順位を示す。さらに、または代替的に、ストレージ時間定義12536は、追加の次元(例えば、プロトコル、メディア、セキュリティプランなどの変更)を含むことができ、および/またはストレージプランのための複数のオプションを含むことができる(例えば、三角形または多次元の定義空間において、2、3、4、またはそれ以上のストレージロケーション、プロトコル、メディアなどの間の重み付けされた値を提供すること)。
図177を参照して、データ分解能記述12540の例が描かれている。データ解決記述12540の例は、多数の時間値12564に対応する多数のデータ解決値12562を描写している。ストレージタイプ、ストレージメディア、ストレージアクセス、ストレージプロトコル、ストレージ書き込み値、ストレージセキュリティ、および/またはストレージバックアップ値などの任意の値が、データ分解能記述12540に含まれてもよいことが理解される。さらに、または代替的に、データ解決記述12540の例は、時間値12558に加えて、または代替として、プロセス操作、イベント、および/または他の値を含んでもよい。データ分解能記述12540の例は、例えば、最初は低い分解能で動作し、より高い分解能(例えば、プロセス開始時間に対応する)にステップアップし、高い分解能値(例えば、関連するセンサデータの高い分解能によってプロセスが著しく改善されるプロセス時間中)にステップアップし、低い分解能値(例えば、プロセスの完了後)にステップアップする、時間間隔にわたる記憶された関連センサデータ分解能値12560の変化を描写している。例示的な例として、プロセスが終了した後よりもプロセスが開始される前の方が高い解像度を描いているが、データ解像度の記述12540は、任意のデータ解像度の軌跡を含んでもよい。データ解像度値12560は、計画されたデータ解像度に対応する積分選択として描かれているが、追加的または代替的に、値は連続的または離散的であってもよいが、必ずしも積分値である必要はない。例えば、「1」のデータ分解能値12560は、第1のデータ分解能(例えば、特定のサンプリング時間、バイト分解能など)に関連付けられてもよく、「2」のデータ分解能値12560は、第2のデータ分解能に関連付けられてもよく、ここで、「1」と「2」の間の値は、理解された意味を有しており、例えば、定義された分解能でサンプリングする優先順位(例えば、「1」と「2」の間の値は、理解された意味を有している。1.1」は、「1.3」と比較して比較的高い優先度を有する「1」に対応するサンプリングレートで、および/または「1」と「2」との間のレートの間の10%のサンプリングレートでデータを取るべきであることを示す)、および/または代替オプションを有するデータ分解能の選好(例えば、センサまたはネットワークの制限、データコントローラ、スマートセンサ、またはセンサからデータを取るポータブルデバイスのような利用可能なセンサ通信デバイス、および/またはデータ分解能がシステム内の他の制約とバランスをとることができるようなコスト関数内に含めることを可能にするため)を示す。さらに、または代替的に、データ分解能記述12540は、追加の次元(例えば、プロトコル、メディア、セキュリティ計画などの変更)を含むことができ、および/またはデータ分解能計画のための複数のオプションを含むことができる(例えば、三角形または多次元の定義空間において、2、3、4、またはそれ以上のデータ分解能値、プロトコル、メディアなどの間に重み付けされた値を提供すること)。
例示的なシステム12500は、センサ値12542の数および/またはデータ記憶プロファイル12532の少なくとも1つに応答してハプティックフィードバック命令12548を決定するハプティックフィードバック回路12530と、ハプティックフィードバック命令12548に応答するハプティックフィードバック装置12516とをさらに含む。例示的かつ非限定的なハプティックフィードバック命令12548は、以下のような命令を含む:振動命令;温度命令;音命令;電気命令;および/または光命令。例示的かつ非限定的なハプティックフィードバック回路12530の動作は、ハプティックフィードバック装置12516および/またはハプティックフィードバック装置12516と通信しているユーザ12518に関連付けられた携帯装置にデータが保存されているか、または保存されていることをフィードバックすることを含む(例えば、以下のようなものが挙げられる。ユーザ12518は、システム12500がセンサデータを格納するために利用するスマートフォンを持ってシステム12500を通過し、例えば、ユーザ12518がセンサ、データコントローラ、または他の送信デバイスとの通信中のままであることをユーザ12518に通知するために、ハプティックフィードバック命令12548を提供し、および/またはユーザが積極的にデータ転送をキャンセルするか、または有効にすることを可能にする)。)さらに、または代替的に、ハプティックフィードバックデバイス12516は、スマートフォンであってもよく(例えば、振動、音、光、またはスマートフォンの他のハプティック側面を利用する)、および/またはハプティックフィードバックデバイス12516は、データストレージおよび/または通信機能を含んでいてもよい。
特定の実施形態では、ハプティックフィードバック回路12530は、例えば、プロセスが開始されたか、または開始されようとしていることをユーザ12518に警告または通知するために、ハプティックフィードバック命令12548を、ユーザ12518に警告または通知するために提供する。コンポーネントがまだ電力を供給されていること、任意のタイプの高い電位エネルギーを有していること、高圧にあること、および/またはユーザ12518がコンポーネントに近接している可能性のある高温にあること)、システムのデータストレージ関連の側面が注目すべき状態にあること(例えば、以下のような場合。システムのデータストレージコンポーネントが容量がある、通信が切れている、故障状態にある、センサとの接触を失ったなど)、ユーザ12518からの応答(例えば、プロセスを開始する承認、データ転送、プロセスレートの変更、故障のクリアなど)を要求するために、特定の実施形態では、ハプティックフィードバック回路12530は、ユーザ12518に直感的なフィードバックを提供するために、ハプティックフィードバック命令12548を構成する。例えば、警告値は、情報通知と比較して、より迅速、緊急、および/または断続的な振動モードを提供してもよい;温度ベースの警告または通知は、温度ベースのハプティックフィードバックを利用してもよい(例えば、過熱容器通知は、暖かいまたは冷たいハプティックフィードバックを提供してもよい)、および/または温度に関連する色を点滅させてもよい(例えば、過温の場合は赤を点滅させ、または温度不足の場合は青を点滅させてもよい);電気ベースの通知は、電気的に関連するハプティックフィードバックを提供してもよい(例えば、電気的に関連するハプティックフィードバックを提供してもよい。電気的に関連した触覚フィードバック(例えば、ブザー音やスパーク音のような電気に関連した音、または、ユーザがまだ電源が入っているコンポーネントのパネルを開いているときのような穏やかな電気的フィードバック)を提供すること;オフノミナルで動作しているベアリング、モータ、または他の回転または振動するコンポーネントのための振動フィードバックを提供すること;および/または、感知されたデータに基づいてユーザに要求されたフィードバックを提供すること(例えば、振動プロファイルをハプニングデータに送信すること);および/または、ユーザに要求されたフィードバックを提供することができる。例えば、要求されたコンポーネントの検出された振動に類似した振動プロファイルを触覚フィードバック装置に送信することにより、専門家のユーザが物理的接触なしでコンポーネントを診断することを可能にすること;要求されたコンポーネントのための触覚フィードバックを提供することにより、ユーザがコンポーネントに入る前にロックアウト/タグアウト操作を二重にチェックする場合、パネルを開くこと、および/または潜在的に危険な領域に入ることを可能にすること)。)ハプティックフィードバック回路12530の動作のために提供された例は、非限定的な図示である。
図178を参照して、産業環境12566におけるデータ収集のための例示的な装置は、コントローラ12512、センサデータ値12542の数を解釈するセンサ通信回路12522、データ保存プロファイル12532を決定するセンサデータ保存プロファイル回路12524、ここでデータ保存プロファイル12532は、センサデータ値12542の数に対するデータ保存計画を含み、センサデータ値12542の数とデータ保存プロファイル12532に応答してネットワーク符号化値12570を提供するネットワーク符号化回路12568を含む。コントローラ12512は、データ記憶プロファイル12532とネットワーク符号化値12570に応答して、センサデータ値12542の数の少なくとも一部を記憶するセンサデータ記憶実施回路12526をさらに含む。ネットワーク符号化値12570は、限定されないが、パケットのサイジング、分配、パケット内のセンサデータの組み合わせ、ネットワークデータおよび通信のための符号化および復号化アルゴリズム、および/またはシステム全体のネットワーク通信を制御するための他の任意の側面などのデータ伝送のためのネットワーク符号化を含む。特定の実施形態では、ネットワーク符号化値12570は、線形ネットワーク符号化アルゴリズム、ランダム線形ネットワーク符号化アルゴリズム、および/または畳み込み符号を含む。さらに、または代替的に、ネットワーク符号化回路12568は、システムのネットワーク通信デバイスのためのスケジューリングおよび/または同期を提供し、システム内の別個のネットワークのための別個のスケジューリングおよび/または同期を含むことができる。ネットワーク符号化回路12568は、データ量、転送速度、およびネットワーク利用率に従ってシステム全体でネットワーク符号化値12570をスケジューリングし、代替的または追加的に、ネットワーク符号化を改善または最適化するための自己学習および/または機械学習動作を実行する。例えば、データコントローラへの単一の低容量データ転送を有するセンサは、線形ネットワークコーディングなしでデータコントローラへのTCP/IPパケット通信を利用してもよく、一方、データコントローラから別のシステムコンポーネント(例えば、コントローラ12512)への高容量集約データ転送は、線形ネットワークコーディングを利用してもよい。ネットワーク符号化回路12568の例では、転送速度、電力利用率、エラーおよび損失パケット、および/または他の任意の所望のパラメータを最適化または改善するために、システム内のコンポーネントに対してネットワーク符号化値12570をリアルタイムで調整する。例えば、所与のコンポーネントは、結果として低い転送レートを有するが、大きな利用可能なメモリを有し、一方、下流のコンポーネントは、より低い利用可能なメモリを有し(潜在的には、そのコンポーネントのためのデータストレージ期待値と相対的に)、それに応じて、所与のコンポーネントのための複雑なネットワーク符号化値12570は、システム全体のデータのスループットの改善をもたらさないかもしれず、一方、下流のコンポーネントのためのスループットを高めるネットワーク符号化値12570は、より複雑なネットワーク符号化値12570のための処理オーバーヘッドを正当化するかもしれない。
例示的なシステムは、ネットワーク符号化回路12568が、ネットワーク定義値12572をさらに決定し、ネットワーク定義値12572に応答してネットワーク符号化値12570をさらに提供することを含む。ネットワーク定義値12572の例としては、ネットワークフィードバック値(例えば、転送レート、アップタイム、同期可用性など)、ネットワーク状態値(例えば、ノイズの存在、送受信能力、ドロップアウトなど)、ネットワークトポロジー値(例えば、デバイスの通信フローおよび接続性、デバイスのオペレーティングシステム、プロトコル、およびストレージタイプ、デバイス上の利用可能なコンピューティングリソース、システム内のデバイスの位置および機能)、間欠的に利用可能なネットワークデバイス値(例えば、以下のような値が挙げられる)が挙げられる。時間またはプロセス段階におけるデバイスの既知または観測された利用可能性;デバイスの利用可能性の予測;デバイスの利用可能性を低下させるプロセス操作などのデバイスの既知のノイズ要因の予測);および/またはネットワークコスト記述値(例えば。処理、メモリ、および/または通信リソースの相対的なコストまたは影響を含むデバイスのリソース利用率;デバイスのための電力利用率および電力消費のコスト;デバイスのための利用可能な電力、および電力を消費することに関連する外部性のためのコスト記述-例えば、電力自体は高価ではないかもしれないが、特定の場所の電力が交換に関連するコストを有するバッテリの場合、動作中のデバイスへの利用可能性またはアクセスを含む-など)。)
例示的なシステムは、センサデータ記憶実施回路が、第1のネットワーク符号化値12570を利用してセンサデータ値12542の数の第1の部分を記憶し、第2のネットワーク符号化値12570を利用してセンサデータ値12542の数の第2の部分を記憶するようなネットワーク符号化値12570を提供するネットワーク符号化回路12568をさらに含む(例えば、ネットワーク符号化値12570は、送信されるデータ、送信装置、および/または時間またはプロセス段階によって変化し得る)。例示的かつ非限定的なネットワーク符号化値には、ネットワークタイプの選択(例えば、パブリック、プライベート、ワイヤレス、有線、イントラネット、外部、インターネット、セルラーなど)、ネットワークの選択(例えば、利用可能な数のネットワークのうちのどれが利用されるか)、ネットワーク符号化の選択(例えばネットワークタイミングの選択(例えば、デバイス間のデータ伝送の同期化および順序付け)、ネットワーク機能の選択(例えばネットワークサポートデバイスまたはリピータをオンまたはオフにすること、セキュリティ選択を有効化、無効化または調整すること、デバイスの電力を増加または減少させることなど)、ネットワークプロトコル選択(例えば、TCP/IP、FTP、Wi-Fi、Bluetooth(登録商標)、イーサネット、および/またはルーティングプロトコル)、パケットサイズ選択(ヘッダおよび/またはパリティ情報を含む)、および/またはパケット順序選択(例えば、デバイス上にあるかもしれない様々なセンサ情報をどのように送信するかを決定すること、および/またはパケットからデータ値への対応関係を決定することなど)。例示的なネットワーク符号化回路12568は、ネットワーク符号化値12570をさらに調整して、中間ネットワーク符号化値(例えば、システム上のテスト符号化値として、および/またはオフラインで実行されるモデル化された符号化値として)を提供し、ネットワーク符号化値12570および中間ネットワーク符号化値のそれぞれに対応する性能指標12574を比較し、性能指標12574の比較に応答して、更新されたネットワーク符号化値(例えば、ネットワーク符号化値12570として)を提供する。
例示的なシステムは、多数の構成要素と、多数の構成要素のうちの少なくとも1つに作動的に結合された多数のセンサとを有する産業用システムを含む。数多くのセンサは数多くのセンサ値を提供し、システムは、コントローラ、データコレクタ、プラントコンピュータ、クラウドベースのサーバおよび/またはグローバルコンピューティングデバイス、および/またはネットワーク層などの数多くの組織化構造体をさらに含み、組織化構造体は数多くのセンサ値の少なくとも一部を自己組織化して保存するように構成されている。例えば、コントローラ12512の動作は、センサデータを格納するためのリソース(プロセッサ、ネットワーク、および/またはメモリ)の消費を低減するために、センサデータ値の格納および分配を提供する。自己組織化動作は、それゆえに動作を完了するために(例えば、システムのプロセス動作のための制御、改善、モデリング、および/または機械学習)時間内にシステム構成要素にセンサ情報を提供することを含む、保存されたセンサデータの経時的な管理を含む。さらに、記憶媒体、地理的、および/または不正アクセスによる長期的なセキュリティを含むデータセキュリティは、データ保存ライフサイクル全体を通して考慮される。例示的なシステムは、強化されたデータ要求値または産業システムに対応するアラート値の少なくとも1つに応答して、センサ値の数の強化された分解能を提供する組織化構造をさらに含む。システムは、より低い解像度、要約、または他のアクセシビリティデータを利用可能なままにしておくこと、および要求に応じておよび/またはシステム操作に適切な時間に利用可能な、より高い解像度のデータをより低いリソース使用率で格納することを含む、システムへの影響に対処するために格納プロセスを制御することによって、強化された解像度を提供する。例示的な強化された解像度には、強化された空間解像度、強化された時間領域解像度、センサー値の数の標準解像度よりも大きいセンサー値の数、および/またはセンサー値の数の標準解像度よりも大きいセンサー値の数の少なくとも1つの精度が含まれる。例示的なシステムは、ネットワーク層をさらに含み、ここで、組織化構造は、ネットワーク層上のセンサ値の数の通信のための自己組織化ネットワーク符号化のために構成されている。例示的なシステムは、産業システムまたはネットワーク層の少なくとも一方に近接したユーザの触覚フィードバック装置をさらに含み、ここで、組織化構造体は、触覚フィードバック装置に触覚フィードバックを提供するように構成され、および/またはユーザに直感的なアラートを提供するように触覚フィードバックを構成するように構成されている。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下を含んでもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路であって、データ保存プロファイルは、複数のセンサデータ値のためのデータ保存計画を構成する;およびデータ保存プロファイルに応答して複数のセンサデータ値の少なくとも一部を保存するように構成されたセンサデータ保存実施回路。実施形態では、データ保存プロファイルは、複数のセンサデータ値のうちの少なくとも1つに対応する保存場所定義を含んでもよく、保存場所定義は、センサ保存場所、センサ通信デバイス保存場所、地域ネットワーク保存場所、およびグローバルネットワーク保存場所を含む。場所から選択された少なくとも1つの場所を含む。前記データ保存プロファイルは、複数のセンサデータ値のうちの少なくとも1つに対応する保存時間定義を含んでもよく、前記保存時間定義は、以下を含む。時間値から選択される少なくとも1つの時間値から構成される。複数のセンサデータ値のうちの対応する少なくとも1つが格納されるべき時間領域記述、複数のセンサデータ値のうちの対応する少なくとも1つが格納されるべき複数の格納場所に対応する複数の時間値を含む。時間領域格納軌跡、複数のセンサデータ値のうちの対応する少なくとも1つが格納されるべきプロセス記述値、および複数のセンサデータ値のうちの対応する少なくとも1つが格納されるべき複数の格納場所に対応する複数のプロセスステージを含む。プロセス記述軌跡を含む。時間領域格納軌跡。データ格納プロファイルは、複数のセンサデータ値のうちの少なくとも1つに対応するデータ解像度の記述を含んでもよい。実施形態では、データ分解能の記述は、以下のうちの少なくとも1つを含む。複数のセンサデータ値のうちの少なくとも1つに対応する検出密度値;複数のセンサデータ値のうちの少なくとも1つのセンサデータ値のうちの複数のセンサデータ値のうちの少なくとも1つに対応する検出密度値;複数のセンサデータ値のうちの少なくとも1つのセンサデータ値のうちの複数の検出密度値のうちの複数の検出密度値のそれぞれが時間値に対応する、複数の検出密度値のうちの複数の検出密度値のうちの複数の検出密度値のそれぞれを含む。検出密度軌跡。前記センサデータ格納プロファイル回路は、前記センサデータ格納実施回路の動作後に前記データ格納プロファイルを更新するようにさらに構成されていてもよい。実施形態では、センサデータ保存実施回路は、更新されたデータ保存プロファイルに応答して、複数のセンサデータ値のうちの一部分を保存するようにさらに構成される。センサデータストレージプロファイル回路は、外部データに応答してデータストレージプロファイルを更新するようにさらに構成されてもよく、外部データは、強化データ要求値;プロセス成功値;プロセス失敗値;コンポーネントサービス値;コンポーネントメンテナンス値;ネットワーク記述値;プロセスフィードバック値;ネットワークフィードバック値;センサフィードバック値;および第2のデータストレージプロファイル、オフセットシステムのために生成された第2のデータストレージプロファイルを含む。データ値から選択された少なくとも1つのデータ値を含む。ストレージ計画回路は、データ構成計画を決定し、データ構成計画に応答してデータストレージプロファイルを更新するように構成されてもよい。実施形態では、センサデータ記憶実施回路は、更新されたデータ記憶プロファイルに応答して、複数のセンサデータ値の少なくとも一部を記憶するようにさらに構成される。データ構成計画は、データ記憶構造値;データ圧縮値;データ書き込みストラテジー値;データ階層値;データに対して決定された拡張アクセス値;およびデータに対応する命令値を含む。値から選択された少なくとも1つの値を含んでもよい。ハプティックフィードバック回路は、複数のセンサ値またはデータストレージプロファイルのうちの少なくとも1つに応答してハプティックフィードバック命令を決定するように構成されていてもよい;およびハプティックフィードバック命令に応答するハプティックフィードバック装置。前記触覚フィードバック命令は、振動命令;温度命令;音命令;電気命令;および光命令を含む。命令から選択される少なくとも1つの命令を含んでもよい。データ記憶計画は、フィードバックを利用するルールベースのエキスパートシステムによって生成されてもよい。実施形態では、フィードバックは、産業環境の一側面または複数のセンサデータ値のうちの1つ以上に関連する。データ保存計画は、フィードバックを利用するモデルベースのエキスパートシステムによって生成されてもよい。実施形態では、フィードバックは、産業環境の一側面または複数のセンサデータ値のうちの1つ以上に関連する。データ保存計画は、フィードバックを利用した反復的エキスパートシステムによって生成されてもよい。実施形態では、フィードバックは、産業環境の一側面または複数のセンサデータ値のうちの1つ以上に関連する。データ保存計画は、フィードバックを利用する深層学習機械システムによって生成されてもよい。実施形態では、フィードバックは、産業環境の一側面または複数のセンサデータ値のうちの一つ以上に関連する。データストレージ計画は、ストレージの基礎となる物理メディアの種類、ストレージが存在するデバイスまたはシステムの種類、およびデータの読み取りまたは書き込みのためにストレージにアクセスできるメカニズムのうちの1つ以上に基づいていてもよい。基礎となる物理メディアは、テープメディア、ハードディスクドライブメディア、フラッシュメモリメディア、不揮発性メモリ、光メディア、およびワンタイムプログラマブルメモリのうちの1つであってもよい。データ記憶計画は、基礎となる物理メディアに関連するパラメータを考慮するか、または指定することができ、そのパラメータは、記憶期間、電力使用量、信頼性、冗長性、熱性能係数、環境条件に対する堅牢性、入出力速度および能力、書き込み速度、読み込み速度、データファイル構成、オペレーティングシステム、読み書きライフサイクル、データエラー率、および基礎となる物理メディアまたはメディアコントローラに関連または固有のデータ圧縮のうちの1つまたは複数を含む。データストレージ計画は、ストレージタイプ計画、ストレージメディア計画、ストレージアクセス計画、ストレージプロトコル計画、ストレージ書き込みプロトコル計画、ストレージセキュリティ計画、ストレージロケーション計画、およびストレージバックアップ計画のうちの1つまたは複数を含んでもよい。
実施形態では、産業環境におけるデータ収集のためのシステムは、以下のように構成されてもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路であって、データ保存プロファイルは、複数のセンサデータ値のためのデータ保存計画を構成し、データ保存プロファイルは、複数のセンサデータ値およびデータ保存プロファイルに応答してネットワーク符号化値を提供するように構成されたネットワーク符号化回路;およびデータ保存プロファイルおよびネットワーク符号化値に応答して複数のセンサデータ値の少なくとも一部を保存するように構成されたセンサデータ保存実施回路。ネットワーク符号化回路は、ネットワーク定義値を決定し、ネットワーク定義値に応答してネットワーク符号化値をさらに提供するように構成されてもよい。実施形態では、ネットワーク定義値は、ネットワークフィードバック値;ネットワーク条件値;ネットワークトポロジー値;断続的に利用可能なネットワークデバイス値;およびネットワークコスト記述値を含む。値から選択される少なくとも1つの値を含む。前記ネットワーク符号化回路は、前記センサデータ記憶実装回路が、前記第1のネットワーク符号化値を利用した複数のセンサデータ値の第1の部分と、前記第2のネットワーク符号化値を利用した複数のセンサデータ値の第2の部分とを記憶するように、前記ネットワーク符号化値を提供するように構成されてもよい。ネットワーク符号化値は、ネットワークタイプ選択、ネットワーク選択、ネットワーク符号化値選択、ネットワークタイミング選択、ネットワーク特徴選択、ネットワークプロトコル選択、パケットサイズ選択、およびパケット順序選択を含む。値から選択された少なくとも1つの値を含んでもよい。前記ネットワーク符号化回路は、前記ネットワーク符号化値を調整して中間ネットワーク符号化値を提供し、前記ネットワーク符号化値と前記中間ネットワーク符号化値のそれぞれに対応する性能指標を比較し、前記性能指標の比較に応答して更新されたネットワーク符号化値を提供するようにさらに構成されていてもよい。
実施形態では、システムは、複数の構成要素と、複数の構成要素の少なくとも1つに作動的に結合された複数のセンサと、複数のセンサが複数のセンサ値を提供する複数のセンサ値と、複数のセンサ値の少なくとも一部を自己組織化して記憶するための手段とを含む。産業用システムから構成されてもよい。実施形態では、強化されたデータ要求値または産業システムに対応するアラート値のうちの少なくとも1つに応答して、複数のセンサ値の解像度を強化するための手段が提供されてもよい。実施形態では、強化された解像度は、強化された空間解像度、強化された時間領域解像度、複数のセンサ値の標準解像度よりも多数の複数のセンサ値、および複数のセンサ値の標準解像度よりも複数のセンサ値の少なくとも1つの精度のうちの少なくとも1つを含む。システムは、ネットワーク層と、前記ネットワーク層上で前記複数のセンサ値の通信のための自己組織化ネットワーク符号化のための手段とを含んでもよい。システムは、産業システムまたはネットワーク層の少なくとも一方に近接したユーザの触覚フィードバック装置に触覚フィードバックを提供するための手段を含んでもよい。システムは、ユーザに直感的なアラートを提供するようにハプティックフィードバックを構成するための手段を含んでもよい。
実施形態では、鉱山から収集されたデータのための自己組織化データ保存のためのシステムは、以下のものを含んでもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路であって、データ保存プロファイルは、複数のセンサデータ値のためのデータ保存計画を構成する;データ保存プロファイルに応答して複数のセンサデータ値の少なくとも一部を保存するように構成されたセンサデータ保存実施回路を含む。実施形態では、システムは、組立ラインから収集されたデータのための自己組織化データストレージを含んでもよく、以下を含む:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路;データストレージプロファイルを決定するように構成されたデータストレージプロファイルであって、データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを構成する;データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実装回路。
実施形態では、農業システムから収集されたデータのためのデータストレージを自己組織化するためのシステムは、次のように構成されてもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路;データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを構成する;データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実施回路。
実施形態では、自動車ロボットハンドリングユニットから収集されたデータのための自己組織化データ保存のためのシステムは、以下のように構成されてもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路;データ保存プロファイルは、複数のセンサデータ値のためのデータ保存計画を構成する;データ保存プロファイルに応答して複数のセンサデータ値の少なくとも一部を保存するように構成されたセンサデータ保存実施回路。
実施形態では、自動車システムから収集されたデータのためのデータストレージを自己組織化するためのシステムは、以下のように構成されてもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路;データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを構成する;データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実施回路。
実施形態では、自動車ロボットハンドリングユニットから収集されたデータのための自己組織化データ保存のためのシステムは、以下を含んでもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路;データ保存プロファイルは、複数のセンサデータ値のためのデータ保存計画を構成する;データ保存プロファイルに応答して複数のセンサデータ値の少なくとも一部を保存するように構成されたセンサデータ保存実施回路。
実施形態では、航空宇宙システムから収集されたデータのためのデータストレージを自己組織化するためのシステムは、次のように構成されてもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路;データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを構成する;データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実装回路。
実施形態では、鉄道から収集されたデータのためのデータストレージを自己組織化するためのシステムは、以下を含んでもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路;データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを構成する;データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実施回路。
実施形態では、石油およびガス生産システムから収集されたデータのための自己組織化データ保存のためのシステムは、以下のように構成されてもよい:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データ保存プロファイルを決定するように構成されたセンサデータ保存プロファイル回路;データ保存プロファイルは、複数のセンサデータ値のためのデータ保存計画を含む;およびデータ保存プロファイルに応答して複数のセンサデータ値の少なくとも一部を保存するように構成されたセンサデータ保存実施回路。
実施形態では、発電システムから収集されたデータのためのデータストレージを自己組織化するためのシステムであって、システムは、以下のものから構成される:複数のセンサデータ値を解釈するように構成されたセンサ通信回路;データストレージプロファイルを決定するように構成されたセンサデータストレージプロファイル回路;データストレージプロファイルは、複数のセンサデータ値のためのデータストレージプランを構成する;データストレージプロファイルに応答して複数のセンサデータ値の少なくとも一部を格納するように構成されたセンサデータストレージ実施回路。
実施形態では、ネットワーク内のセンサデータのネットワーク伝送のための自己組織化されたネットワーク符号化を使用して、産業環境に配備された1つ以上の機械における、またはそれに関連したデータ収集のための方法およびシステムが提供される。実施形態では、ネットワークコーディングは、パケット(本開示全体に開示された様々な実施形態および参照により組み込まれた文書に記載されているようなパケットのストリームを含む)が送信者(例えば、次のようなもの)から中継される方法を指定および管理するために使用され得る。データが収集される産業環境におけるデータコレクタ、計装システム、コンピュータ、またはそのようなもの、例えば、産業用機械上、産業用機械内、または産業用機械に近接したセンサまたは計器から、またはそのような環境におけるデータストレージから)から受信機(例えば、産業環境における別のデータコレクタ(群または協調グループ内など)、計装システム、コンピュータ、ストレージ、またはそのようなもの)、またはリモートコンピュータ、サーバ、クラウドプラットフォーム、データベース、データプール、データマーケットプレイス、モバイルデバイス(例えば、携帯電話、パーソナルコンピュータ、タブレット、モバイルデバイス)に中継される方法である。携帯電話、パーソナルコンピュータ、タブレット、またはそのようなもの)、またはシステムの他のネットワーク接続されたデバイス)、例えばアクセスポイント、スイッチ、ルータ、サーバ、ゲートウェイ、ブリッジ、コネクタ、物理インターフェースなどの1つ以上のネットワークインフラストラクチャ要素(本明細書ではノードと呼ばれる場合がある)を介して。IPベースのプロトコル、TCP/IP、UDP、HTTP、Bluetooth(登録商標)、Bluetooth(登録商標) Low Energy、セルラープロトコル、LTE、2G、3G、4G、5G、CDMA、TDSM、パケットベースのプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、ブロードキャストプロトコル、マルチキャストプロトコル、ユニキャストプロトコルなどの1つまたは複数のネットワークプロトコルを使用する。双方向通信を含む状況では、上述したデバイスまたはシステムのいずれか、または本開示を通して言及した他のものが、送信者または受信者、またはその両方の役割を果たしてもよい。ネットワーク符号化は、伝送が、異なる構成要素に分離されるか、または同じ構成要素を冗長に送信するかのいずれかで、異なるネットワークをまたいで配信され得るような、複数の代替ネットワークの利用可能性を含む、ネットワークの利用可能性を考慮してもよい。ネットワーク符号化は、帯域幅およびスペクトルの利用可能性を考慮してもよく、例えば、所定のスペクトルは、(周波数によるスペクトルの細分化、時分割多重化、および他の技術によるスペクトルの細分化など)分割されてもよい。ネットワークまたはそのコンポーネントは、ネットワークリソースのプロビジョニング、仮想化されたネットワークのためのネットワークコーディングの指定などの目的のために、仮想化されてもよい。ネットワーク符号化は、付録Aの図に関連して、付録Aに記載されているように、様々なアプローチを含んでもよい。
実施形態では、本開示の1つ以上のネットワーク符号化システムまたは方法は、エキスパートシステムを使用して1つ以上のネットワーク上の1つ以上の伝送のためのネットワーク符号化パラメータを構成するような自己組織化を使用してもよく、これは、モデルベースのシステム(例えば、伝送されるデータまたはコンテンツのパラメータ、送信者、受信者、利用可能なネットワークインフラストラクチャコンポーネント、ネットワークインフラストラクチャの条件、産業環境の条件など、伝送に関連する1つ以上の定義または測定されたパラメータに基づいて、ネットワーク符号化パラメータまたは構成を自動的に選択するようなもの)で構成されてもよい。モデルは、例えば、ファイルサイズ、パケット数、ストリームのサイズ、データパケットまたはストリームの臨界性、パケットまたはストリームの値、伝送コスト、伝送の信頼性、サービスの質、伝送の質、ユーザ体験の質、金銭的な収量、スペクトルの利用可能性、入出力速度、ストレージの利用可能性、ストレージの信頼性、および本開示全体に記載されているように、他の多くのパラメータを考慮してもよい。実施形態では、エキスパートシステムは、ルールベースのシステムを構成してもよく、ここで、1つまたは複数のルールが、条件またはパラメータの検出、変数の計算、または上述したパラメータのいずれかに基づくような、そのようなものに基づいて実行される。実施形態では、エキスパートシステムは、ニューラルネットワーク、自己組織化マップ、または他の人工知能アプローチ(本開示全体に記載された任意のもの、または参照により組み込まれた文書を含む)に基づくような深層学習システムなどの機械学習システムを構成してもよい。本開示のいずれかの実施形態による機械学習システムは、人工知能システムの1つ以上の入力、重み、接続、関数(ニューラルネット内の個々のニューロンまたはニューロンのグループの関数を含む)、または他のパラメータを構成してもよい。そのような構成は、成功または失敗の様々なメトリクスをフィードバックすることによってなど、任意に人間の監督を含む反復およびフィードバックによって行われてもよい。ネットワーク符号化の場合、構成は、ネットワークの選択のためのパラメータ、1つ以上のノードの選択、データパスの選択、タイマーまたはタイミングパラメータの構成、冗長性パラメータの構成、符号化タイプの構成(例えば、ピアツーピアネットワークのような分散ストレージのためのネットワーク符号化の使用のための再生符号の使用を含む)など、ネットワーク符号化の仕様または計画のための1つ以上の符号化パラメータの設定を含んでもよい。データ収集者のピアツーピアネットワーク、または本開示の他の箇所に記載されているような分散型台帳のためのストレージネットワークなど)、符号化のための係数(線形代数係数を含む)、ランダムまたはニアランダム線形ネットワーク符号化のためのパラメータ(符号化のためのニアランダム係数の生成を含む)、セッション構成パラメータ、または以下に記載されているネットワーク符号化の実施形態、本開示全体、および参照により本明細書に組み込まれている文書に記載されている他のパラメータが、機械学習システムを構成する。例えば、機械学習システムは、送信のためのプロトコルの選択、どのようなネットワーク(複数可)を使用するかの選択、1つ以上の送信者の選択、1つ以上の経路の選択、1つ以上のネットワークインフラストラクチャノードの構成、宛先受信機の選択、受信機の構成などを構成してもよい。実施形態では、これらの各々は、個々の機械学習システムによって構成されてもよく、または同じシステムは、パラメータの人間の構成に基づいてもよく、またはモデルベースおよび/またはルールベースの構成によってもよい訓練セットによって任意にシードされた一連の試行を介して、反復の下で上記の1つ以上の様々なパラメータを調整することによって全体的な構成を構成してもよい。機械学習システムへのフィードバックは、送信の成功または失敗、信頼性、効率性(送信されたビットあたりのエネルギー、蓄積されたビットあたりのエネルギーなどを測定するような、コストベースの、エネルギーベースの、その他の効率性の尺度を含む)、送信の品質、サービスの品質、財務的な収量、運用上の有効性、予測での成功、分類での成功などを含む、様々な尺度から構成されてもよい。実施形態では、機械学習システムは、ネットワークの動作または特性を予測することによってネットワーク符号化パラメータを構成してもよく、上述した技術のいずれかを使用して予測を改善するために学習してもよい。実施形態では、機械学習システムは、1つ以上のネットワーク要素および/または1つ以上のネットワーク行動の分類によってネットワークコーディングパラメータを構成してもよく、訓練および時間をかけての反復など、分類を改善するために学習してもよい。このような機械学習に基づく予測および/または分類は、モデルベース、ルールベース、および機械学習に基づく構成によるものを含む自己組織化のために使用されてもよい。このように、ネットワーク符号化の自己組織化は、モデルベースのシステム、ルールベースのシステム、および様々な異なる機械学習システム(特に、分類システム、予測システム、および深層学習システムを含む)の様々な組み合わせまたは組み合わせを含む。ものを使用してもよいし、構成してもよい。
クロスセッションネットワーク通信構成」と題する米国特許出願公開第2017/0013065号に記載されているように、ネットワークコーディングは、第1のノードと第2のノードとの間のデータパス上のデータチャネルを介してデータ通信を行うための方法およびシステムを含み、データチャネルを横切る1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持することと、維持されたデータに従って新しいデータ通信接続を少なくとも部分的に構成することを含む第1のノードと第2のノードとの間の新しいデータ通信接続を開始することとを含んでもよい。前記維持データは、前記第1のノードと前記第2のノードとの間の1つまたは複数のデータパス上の1つまたは複数のデータチャネルを特徴付けてもよい。メンテナンスされたデータは、1つ以上のデータチャネルのエラーレートを特徴付けることができる。メンテナンスされたデータは、1つ以上のデータチャネルの帯域幅を特徴付けることができる。メンテナンスされたデータは、1 つ以上のデータチャネルの往復時間を特徴づけることができる。メンテナンスされたデータは、1 つ以上の現在または過去のデータ通信接続の通信プロトコルパラメータを特徴づけることができる。
通信プロトコルパラメータは、輻輳ウィンドウサイズ、ブロックサイズ、インターリーブ係数、ポート番号、ペーシング間隔、往復時間、およびタイミング可変性のうちの1つ以上を含んでもよい。通信プロトコルパラメータは、輻輳ウィンドウサイズ、ブロックサイズ、インターリーブ係数、ポート番号、ペーシング間隔、ラウンドトリップ時間、およびタイミング可変性のうちの1つまたは2つ以上を含んでもよい。
維持されたデータは、1つ以上の現在または以前のデータ通信接続に関連付けられた前方誤り訂正パラメータを特徴付けてもよい。前記前方誤り訂正パラメータは、コードレートを含んでもよい。新しいデータ通信接続を開始することは、維持データの第1のデータに従って新しいデータ通信接続を構成することを含んでもよく、第1のデータは第1のノードで維持され、新しいデータ通信接続を開始することは、新しいデータ通信接続を構成するために第1のノードから第2のノードに第1のデータを提供することを含んでもよい。
新しいデータ通信接続を開始することは、維持データの第1のデータに従って新しいデータ通信接続を構成することを含んでもよく、第1のデータは第1のノードで維持され、新しいデータ通信接続を開始することは、新しいデータ通信接続を構成するために第1のノードで第1のデータにアクセスすることを含んでもよい。通信プロトコルの各種パラメータ、誤り訂正パラメータ、接続パラメータなどを含む維持データのこれらの要素の何れか1つは、維持データに基づいてネットワークコーディングパラメータを設定するためのルールを実行するため、モデルの母集団化のため、またはニューラルネットなどの人工知能システムのパラメータの構成のためなど、ネットワークコーディングの自己組織化を支援するためにエキスパートシステムに提供されてもよい。
新しいデータ通信接続を開始することは、維持データの第1のデータに従って新しいデータ通信接続を構成することを含んでもよく、前記第1のデータは前記第1のノードで維持され、前記新しいデータ通信接続を開始することは、前記第1のノードと前記第2のノードとの間の新しいデータ通信接続を確立するための第1のノードからの要求を受け入れることを含み、前記第2のノードでは、前記接続を構成するための前記第1のデータを構成する前記第1のノードからの少なくとも1つのメッセージを受信することを含んでもよい。前記方法は、前記第1のノードと前記第2のノードとの間の新しいデータ通信接続を維持することを含み、前記通信パラメータを維持することを含み、前記第1のノードからの少なくとも1つのメッセージで受信した前記第1のデータに従って前記通信パラメータを初期化することを含む、方法であってもよい。
新しいデータ通信接続を維持することは、第1のノードからのフィードバックに従って通信パラメータを適応させることを含んでもよい。第1のノードからのフィードバックは、第1のノードから受信したフィードバックメッセージを含んでもよい。フィードバックは、第1のノードから受信した複数のフィードバックメッセージに由来するフィードバックを含んでもよい。フィードバックは、上述したタイプのフィードバックのいずれかに関連してもよく、エキスパートシステムを使用してデータ通信接続を自己組織化するために使用されてもよい。
いくつかの例では、データパス上のデータチャネル上のデータ通信接続の確立に先立って、データパス上のデータチャネル上の1つ以上のトレーニング通信接続が採用される。トレーニング通信接続は、データ通信接続を確立する際に使用されるデータチャネルに関する情報を収集するために使用される。他の例では、トレーニング通信接続は採用されず、データチャネルに関する情報は、データパス上のデータチャネル上の1つ以上の前のデータ通信接続または現在のデータ通信接続から取得される。
本開示は、第1のノードと第2のノードとの間のデータ経路上のデータチャネル上でデータ通信を行う方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、データチャネルを横断する1つ以上の現在または過去のデータ通信接続を特徴付けるデータを維持することと、維持されたデータに従って新しいデータ通信接続を少なくとも部分的に構成することを含む、第1のノードと第2のノードとの間の新しいデータ通信接続を開始することとを含むことができる。実施形態では、新しいデータ通信接続の構成は、エキスパートシステムによって構成される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、ルールおよびモデルの少なくとも1つを使用して構成のパラメータを設定する状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データチャネルに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットのうちの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、産業環境で動作する機械についてのデータを受け入れるデータコレクタからの複数の入力を取る状況を含み得る。
マルチパスネットワーク通信」と題する米国特許出願公開第2017/0012861号に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワーク符号化は、第1のノードと第2のノードとを結合する多数のデータパスにわたって第1のノードと第2のノードとの間でデータ通信を行うための方法およびシステムを含み、メッセージの第1のサブセットをデータパスの数の第1のデータパスにわたって送信することと、メッセージの第2のサブセットをデータパスの数の第2のデータパスにわたって送信することとを含むことができる。第1のデータパスが第1の遅延を有し、第2のデータパスが第1の遅延より実質的に大きい第2の遅延を有し、第1のサブセットのメッセージが第1のメッセージ特性を有するように選択され、第2のサブセットのメッセージが第1のメッセージ特性とは異なる第2のメッセージ特性を有するように選択される状況において、第1のサブセットのメッセージは、第1のメッセージ特性とは異なる第2のメッセージ特性を有するように選択される。
より低い待ち時間のデータパスを対象とした第1のメッセージ特性を有するメッセージは、時間的に重要なメッセージを含むことができる;例えば、産業環境では、機械の重要な故障状態(例えば、過熱、過度の振動、または本開示を通して説明される他の故障状態のいずれか)に関連するメッセージ、または安全ハザードに関連するメッセージ、または他のプロセスが依存する時間的に重要な操作ステップ(例えば、高価値の高速製造プロセスにおける触媒反応の完了、サブアセンブリの完了、またはそのようなもの)に関連するメッセージは、時間的に重要なメッセージとして指定されることができる。高価値、高速製造プロセス、精製プロセスなどにおける触媒反応の完了、サブアセンブリの完了など)は、時間的に重要なものとして指定されてもよく(例えば、ルールエンジンによって解析または処理され得るルールによって)、または、時間的に重要なものであるようにエキスパートシステムによって学習されてもよく、例えば、類似の産業環境における類似のデータを有する類似の機械の結果を含む、時間的に重要な結果に関するフィードバックに基づいて学習されてもよい。メッセージの第1のサブセットおよびメッセージの第2のサブセットは、送信時に第1のノードで利用可能なメッセージの一部から決定されてもよい。送信の後続の時点で、第1のノードで利用可能になった追加のメッセージは、追加のメッセージに関連付けられたメッセージ特性に基づいて、第1のサブセットおよび第2のサブセットに分割されてもよい。サブセットへの分割およびどのサブセットがどのデータパスを対象とするかの選択は、エキスパートシステムによって行われてもよい。第1のメッセージ特性を有するメッセージは、データセットの最初のサブセットに関連付けられてもよく、第2のメッセージ特性を有するメッセージは、データセットの後続のサブセットに関連付けられてもよい。データ収集のための入力を選択し、データを多重化するための入力を選択するための本明細書に記載の方法およびシステムは、第1のデータパスにリアルタイムの意味を有するストリーミング要素を提供し、他のデータパスに長期的な予測メンテナンスのための要素などの他の要素を提供することによって、代替チャネルのための入力を構成するように、例えば、エキスパートシステムによって構成されてもよい。実施形態では、第2のサブセットのメッセージは、メッセージに関連付けられた逐次送信順序において、最後に確認されたメッセージよりもせいぜいn個先のメッセージであるメッセージを含んでもよい。実施形態では、nは、第1のノードおよび第2のノードのいずれかにおけるバッファサイズに基づいて決定される。
第1のメッセージ特性を有するメッセージは、確認メッセージを含んでもよく、第2のメッセージ特性を有するメッセージは、データメッセージを含んでもよい。第1のメッセージ特性を有するメッセージは、補足データメッセージを含んでもよい。補足データメッセージは、データメッセージを含んでもよく、冗長データを含んでもよく、第2のメッセージ特性を有するメッセージは、元のデータメッセージを含んでもよい。第1のデータパスは、地上データパスを含んでもよく、第2のデータパスは、衛星データパスを含んでもよい。地上データパスは、セルラーデータパス、デジタル加入者回線(DSL)データパス、光ファイバーデータパス、ケーブルインターネットベースのデータパス、および無線ローカルエリアネットワークデータパスのうちの1つまたは複数を含んでもよい。衛星データパスは、低地球軌道衛星データパス、中地球軌道衛星データパス、および静止地球軌道衛星データパスのうちの1つ以上を含んでもよい。第1のデータパスは、中軌道地球軌道衛星データパスまたは低軌道地球軌道衛星データパスを含んでもよく、第2のデータパスは、静止軌道衛星データパスを含んでもよい。
方法は、データパスの数の各パスについて、データパス上のメッセージの送達の成功および失敗の指示を維持し、指示に基づいてデータパスのための輻輳ウィンドウを調整することをさらに含んでもよく、これは、一連の送信の結果のフィードバックに基づくことを含むエキスパートシステムの制御の下で行われてもよい。方法は、データパスの数の各パスについて、第1のノードで、第2のノードで受信したメッセージの数が、メッセージに関連付けられたデータをデコードするのに十分であるかどうかの指示を維持することをさらに含んでもよい。実施形態では、指示は、データパスの数にわたって第1のノードで受信されたフィードバックに基づいている。
別の一般的な側面では、ノードの数を結合するデータパスの数を超えるノード間のデータ通信のためのシステムは、データパスの数の第1のデータパス上でメッセージの第1のサブセットを送信することと、データパスの数の第2のデータパス上でメッセージの第2のサブセットを送信することとを含む、データパスの数を超える第2のノードにメッセージを送信するように構成された第1のノードを含む。
実施形態では、それぞれのデータパスに対するメッセージの第1のサブセットおよび第2のサブセットは、送信時に第1のノードで利用可能なメッセージの一部から決定されてもよい。送信の後続の時点で、第1のノードで利用可能になった追加のメッセージは、追加のメッセージに関連付けられたメッセージ特性に基づいて、第1のサブセットおよび第2のサブセットに分割されてもよい。第1のメッセージ特性を有するメッセージは、データセットの初期サブセットに関連付けられてもよく、第2のメッセージ特性を有するメッセージは、データセットの後続のサブセットに関連付けられてもよい。
実施形態では、第2のサブセットのメッセージは、メッセージに関連付けられた逐次送信順序において、最後に確認されたメッセージよりも最大でn個先のメッセージを含むことができる。実施形態では、nは、第2のノードでの受信バッファサイズに基づいて決定される。第1のメッセージ特性を有するメッセージは、確認メッセージを含んでもよく、第2のメッセージ特性を有するメッセージは、データメッセージを含んでもよい。第1のメッセージ特性を有するメッセージは、補足データメッセージを含んでもよい。補足データメッセージは、冗長データを含むデータメッセージを含んでもよく、第2のメッセージ特性を有するメッセージは、オリジナルのデータメッセージを含んでもよい。
第1のノードは、データパスの数の各パスについて、データパス上のメッセージの送達が成功したか否かの指示を維持し、指示に基づいてデータパスの輻輳ウィンドウを調整するようにさらに構成されてもよい。第1のノードは、データパスの数のパスにわたって第2のノードで受信したメッセージの数が、メッセージに関連付けられたデータをデコードするのに十分であるかどうかの集約表示を維持し、集約表示に基づいて補足メッセージを送信するようにさらに構成されてもよい。実施形態では、集約指示は、データパスの数にわたって第1のノードで受信した第2のノードからのフィードバックに基づいている。
本開示は、第1のノードと第2のノードとを結合する複数のデータパス上の第1のノードと第2のノードとの間のデータ通信のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、複数のデータパスのうちの第1のデータパス上のメッセージの第1のサブセットを送信することと、複数のデータパスのうちの第2のデータパス上のメッセージの第2のサブセットを送信することとを含む、複数のデータパス上の第1のノードと第2のノードとの間のメッセージを送信することを含むことができる。実施形態では、第1のデータパスは第1の遅延を有し、第2のデータパスは第1の遅延より実質的に大きい第2の遅延を有し、メッセージの第1のサブセットのメッセージは第1のメッセージ特性を有するように選択され、メッセージの第2のサブセットのメッセージは第1のメッセージ特性とは異なる第2のメッセージ特性を有するように選択される。実施形態では、メッセージ特性の第1および第2のサブセットの選択は、エキスパートシステムの制御下で自動的に実行される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、選択のパラメータを設定するために、ルールおよびモデルのうちの少なくとも1つを使用する状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データパスの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、産業環境で動作する機械についてのデータを受け入れるデータコレクタからの複数の入力を取る状況を含み得る。
複数プロトコルネットワーク通信」と題する米国特許出願公開第2017/0012868号に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワーク符号化は、第1のノードと第2のノードとを連結する1つ以上のデータパスを介して第1のノードと第2のノードとの間でデータ通信を行うための方法およびシステムを含み、第1の通信プロトコルを使用して第1のデータパスを介してメッセージの少なくとも一部を送信することを含む、データパスを介して第1のノードと第2のノードとの間でメッセージを送信することを含んでもよい。第2の通信プロトコルを使用して前記メッセージの少なくとも一部を第2のデータパス上に送信するステップと、前記第1の通信プロトコルを使用して送信されるメッセージのために、前記第1のデータパスが前記第1のデータパス上のメッセージの流れを変化させていると判断するステップと、前記判断に応答して、前記第1のデータパス上に送信されるメッセージの数を減少させ、前記第2のデータパス上に送信されるメッセージの数を増加させることを含む、前記データパス上に送信されるメッセージの数を調整するステップと、を含む。第1のデータパスがメッセージの流れを変更していることの決定および/またはデータパスを介して送信されるメッセージの数を調整することは、ルールベースのシステム、モデルベースのシステム、機械学習システム(ディープラーニングを含む)またはそれらのいずれかのハイブリッドなどのエキスパートシステムの制御下で行われてもよく、エキスパートシステムは、データパス、ノード、使用される通信プロトコル、またはそのようなもののうちの1つ以上に関連した入力を取る。データパスは、産業用機械の計装システム、1つ以上の移動式データコレクタ(任意に群で調整される)、データストレージシステム(ネットワークに接続されたストレージを含む)、サーバ、および他の情報技術要素などの産業環境における装置およびシステムの間であってもよく、これらのいずれかは、1つ以上のネットワークノードを有するか、またはそれらに関連付けられていてもよい。データパスは、任意の種類のネットワーク(スイッチ、ルータなど)内の任意のそのような装置およびシステムと装置およびシステムとの間、または企業の情報技術システム内、クラウドプラットフォーム内などのリモート環境内に位置するものとの間であってもよい。
第1のデータパスが第1のデータパス上のメッセージの流れを変化させていると判断することは、第1のデータパスが第1の通信プロトコルを使用して送信されるメッセージのレートを制限していると判断することを含んでもよい。第1のデータパスが第1のデータパス上のメッセージの流れを変更していると決定することは、第1のデータパスが、第2のデータパスが第2の通信プロトコルを使用して送信されたメッセージをドロップするレートよりも高いレートで、第1の通信プロトコルを使用して送信されたメッセージをドロップしていると決定することを含んでもよい。第1の通信プロトコルは、ユーザ・データグラム・プロトコル(UDP)であってもよく、第2の通信プロトコルは、伝送制御プロトコル(TCP)であってもよく、またはその逆であってもよい。本開示全体に記載されているような他のプロトコルを使用してもよい。
メッセージは、負荷分散技術を使用するなどして、第1のデータパスと第2のデータパスをまたいで、いくつかの予め定められた割り当て(例えば、他の実施形態に関連して記載されているようなタイプ別など)に従って、最初に均等に分割されてもよいし、分割されてもよい。メッセージは、1つ以上の先行データ通信接続における第1のデータパスおよび第2のデータパスをまたいでのメッセージの分割に従って、第1のデータパスおよび第2のデータパスをまたいで最初に分割されてもよい。メッセージは、メッセージが第1の通信プロトコルを使用して送信されることにより、第1のデータパスが第1のデータパス上のメッセージの流れを変化させる確率に基づいて、第1のデータパスと第2のデータパスとをまたいで初期的に分割されてもよい。
メッセージは、メッセージタイプに基づいて、第1のデータパスと第2のデータパスにまたがって分割されてもよい。メッセージタイプは、確認メッセージ、前方エラー訂正メッセージ、再送メッセージ、およびオリジナルデータメッセージのうちの1つまたは複数を含んでもよい。第1のデータパスを介して送信されるメッセージの数を減らし、第2のデータパスを介して送信されるメッセージの数を増やすことは、第2のデータパスを介してすべてのメッセージを送信することと、第1のデータパスを介してすべてのメッセージを送信しないこととを含んでもよい。
前記データパスの数の少なくとも一部は、共通の物理データパスを共有してもよい。第1のデータパスと第2のデータパスは、共通の物理データパスを共有してもよい。データパスの数にわたって送信されるメッセージの数の調整は、メッセージの送信の初期段階の間に行われてもよい。データパスの数にわたって送信されるメッセージの数の調整は、メッセージの送信の期間にわたって繰り返し行われてもよい。データパスの数にわたって送信されるメッセージの数の調整は、第1のデータパスにわたって送信されるメッセージの数を増加させ、第2のデータパスにわたって送信されるメッセージの数を減少させることを含んでもよい。
いくつかの例では、TCPとUDPの両方が低レベルのデータパスを共有し、それにもかかわらず非常に異なるプロトコル特性を有するため、TCPとUDPを介した並列伝送は、従来の負荷分散技術とは異なるように処理される。
いくつかの例では、アプローチは、瞬間的なネットワークの動作に反応し、変化をプローブすることによってネットワークのデータ処理ポリシーと状態を学習する。例えば、SCADAシステムは、SCADAシステムを介して制御(リモート制御を含む)されている基礎となる機械やプロセスの感度や、サイバー攻撃の可能性に対する懸念から、限られた許可されたユーザ、サービス、またはアプリケーションのセットのみがデータパスを使用することを許可する場合がある。各データパスが一意で他のデータパスに影響を与えないと仮定する従来のロードバランサーとは異なり、TCPとUDPは低レベルのデータパスを共有しており、お互いに直接影響を与えることを認識するアプローチがある。さらに、TCP は、UDP がそうでないのに対し、(フロー制御、輻輳制御などとともに)インオーダー配信とデータの再送を提供します。この独自性は、プロトコルの異なる特性に少なくとも部分的に基づいて(例えば、TCPではより長いジッタを期待し、UDPではアウトオブオーダー配信を期待する)、などのように、特定のメッセージタイプを各通信プロトコルにマッピングすることを含む、本明細書に開示された方法およびシステムによって提供される追加のロジックを必要とする。例えば、システムは、信頼性があるので、TCPを介して送信されたパケット上での符号化を控えてもよいが、冗長性を追加して帯域幅を節約するためにUDP上で順方向エラー訂正を送信してもよい。いくつかの例では、より大きなACK間隔が、TCPデータをACKするために使用される。
ここに記載されている技術を採用することで、ネットワーク・プロバイダのポリシーがUDPを不当に扱うような状況では、アプローチはTCPとUDPのデータパス上でデータを分配し、最適または最適に近いスループットを達成します(可能であればUDPを単に使用し、使用しない場合はTCPにフォールバックする従来のシステムと比較して)。
第1のノードと第2のノードとの間で、前記第1のノードと前記第2のノードとを結合する複数のデータパスを介してデータ通信を行う方法であって、以下のように構成される方法。第1の通信プロトコルを使用して複数のデータパスのうちの第1のデータパスを介してメッセージの少なくとも一部を送信することと、第2の通信プロトコルを使用して複数のデータパスのうちの第2のデータパスを介してメッセージの少なくとも一部を送信することとを含む。複数のデータパスを介して第1のノードと第2のノードとの間でメッセージを送信することと、メッセージが第1の通信プロトコルを使用して送信されていることに起因して、第1のデータパス上のメッセージの流れを変更していると決定し、決定に応答して、第1のデータパス上で送信されるメッセージの数を減少させ、第2のデータパス上で送信されるメッセージの数を増加させることを含む、複数のデータパス上で送信されるメッセージの数を調整することを含む。実施形態では、メッセージの流れを変更することは、エキスパートシステムの制御下で自動的に実行される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、ルールおよびモデルの少なくとも1つを使用して、流れの変化のパラメータを設定する状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データパスの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、産業環境で動作する機械についてのデータを受け入れるデータコレクタからの複数の入力を取る状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、第1の通信プロトコルがUDPである状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、第2の通信プロトコルがTCPである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、メッセージが、負荷分散技術を使用して第1のデータパスと第2のデータパスに渡って最初に分割される状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、1つ以上の先行データ通信接続における第1のデータパスおよび第2のデータパスをまたいだメッセージの分割に従って、メッセージが最初に第1のデータパスおよび第2のデータパスをまたいで分割される状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、メッセージが第1の通信プロトコルを使用して送信されることにより、第1のデータパスが第1のデータパス上のメッセージの流れを変化させる確率に基づいて、メッセージが第1のデータパスと第2のデータパスとに渡って最初に分割される状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、確率がエキスパートシステムによって決定される状況を含んでもよい。
『Message reordering timers』と題する米国特許出願公開第2017/0012884号に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワークコーディングは、第1のノードと第2のノードとを結合するデータチャネルを介して、第1のノードから第2のノードへのデータ通信のための方法およびシステムを含み、第2のノードでデータメッセージを受信することを含み、メッセージは、第1のノードから順次に送信されるデータメッセージのセットに属し、メッセージは、第1のノードから順次に送信される。前記第2のノードから前記第1のノードにフィードバックメッセージを送信するステップと、前記フィードバックメッセージは、前記第2のノードにおける前記データメッセージのセットの配信状態を特徴付けるものであり、前記配信順序イベントの数の発生に応じて1以上のタイマーのセットを維持することを含み、前記維持は、前記配信順序イベントの数の発生に基づいて前記タイマーのセットの1以上のタイマーの状態を変更することを含み、前記フィードバックメッセージの送信は、前記1以上のタイマーのセットの1以上のタイマーの有効期限が切れるまで延期することを含む。データチャネルは、産業用機械の計装システム、1つ以上の移動式データコレクタ(任意に群で調整される)、データストレージシステム(ネットワークに接続されたストレージを含む)、サーバ、および他の情報技術要素のような産業用環境における装置およびシステムの間であってもよく、これらのいずれかは、1つ以上のネットワークノードを有するか、またはそれらに関連付けられていてもよい。データチャネルは、任意の種類のネットワーク(スイッチ、ルータなど)内の任意のそのような装置およびシステムと装置およびシステムとの間、または企業の情報技術システム内、クラウドプラットフォーム内などのリモート環境内に位置するものとの間にあってもよい。タイマーが必要であるとの判断、タイマーの設定、タイマーのユーザーの開始は、ルールベースのシステム、モデルベースのシステム、機械学習システム(ディープラーニングを含む)、またはそれらのハイブリッドなどのエキスパートシステムの制御下で行われ、エキスパートシステムは、発生する通信の種類、データチャネル、ノード、使用される通信プロトコルなどのうちの1つ以上に関連した入力を取ります。
1つ以上のタイマのセットは、第1のタイマを含んでもよく、第1のタイマは、第1の送達順序イベントの検出時に開始されてもよく、第1の送達順序イベントは、連続順序の第1の位置に先行する位置に関連付けられた1つ以上の欠落メッセージの受信に先立って、連続順序の第1の位置に関連付けられた第1のデータメッセージの受信に関連付けられている。前記方法は、前記第2の配信順序イベントが検出されたときに、前記第2のノードでデータメッセージのセットの配信が成功したことを示すフィードバックメッセージを送信することを含んでもよく、前記第2の配信順序イベントは、前記第1のタイマーの満了前に前記1つ以上の欠落メッセージを受信することに関連付けられている、ことを含んでもよい。前記方法は、前記1つ以上の欠落メッセージのいずれかを受信する前に、前記第1のタイマーの満了時に前記第2のノードで前記データメッセージのセットの配信が失敗したことを示す前記フィードバックメッセージを送信することを含むことができる。前記1つ以上のタイマのセットは、第2のタイマを含んでもよく、前記第2のタイマは、第2の配信命令イベントの検出時に開始され、前記第2の配信命令イベントは、前記第1のタイマの満了前に前記欠落したメッセージの一部が受信されることに関連しているが、すべてではないことに関連している。前記方法は、前記欠落メッセージの受信に先立って、前記第2のタイマーの満了時に、前記第2のノードで前記データメッセージのセットの配信が失敗したことを示すフィードバックメッセージを送信することを含んでもよい。前記方法は、前記第3の配信命令イベントが検出されたときに、前記第2のノードで前記データメッセージのセットの配信が成功したことを示すフィードバックメッセージを送信することを含んでもよく、前記第3の配信命令イベントは、前記第2のタイマーの満了前に前記欠落メッセージを受信することに関連付けられている、ことを特徴とする。
別の一般的な側面において、第1のノードから第1のノードと第2のノードとを結合するデータチャネルを介して第1のノードから第2のノードへのデータ通信のための方法は、第1のノードにおいて、第2のノードから第2のノードへ順次送信されるデータメッセージのセットの配信状態を示すフィードバックメッセージを受信することを含み、第1のノードは、第2のノードから第2のノードへ送信されるデータメッセージのセットの配信状態を示すフィードバックメッセージを受信する。前記第1のノードにおける輻輳ウィンドウのサイズを維持することは、多数のフィードバックイベントの発生に応じて1つ以上のタイマのセットを維持することを含み、前記維持は、前記多数のフィードバックイベントの発生に基づいて前記タイマのセットの1つ以上のタイマの状態を変更することと、前記1つ以上のタイマのセットのうちの1つ以上のタイマの期限が切れるまで前記輻輳ウィンドウのサイズの変更を遅延させることとを含む、方法。
1つ以上のタイマーのセットは、第1のタイマーを含んでもよく、第1のタイマーは、第1のフィードバックイベントの検出時に開始されてもよく、第1のフィードバックイベントは、連続した順序で第1の位置に先行する位置を有する1つ以上の他のデータメッセージの送達が成功したことを示す1つ以上のフィードバックメッセージの受信に先立って、連続した順序で第1の位置を有する第1のデータメッセージの送達が成功したことを示す第1のフィードバックメッセージの受信に関連付けられていてもよい。前記方法は、前記第2のフィードバックイベントが検出されると、前記第2のフィードバックイベントは、前記第1のタイマーの満了前に前記1つ以上の他のデータメッセージの送達が成功したことを示す1つ以上のフィードバックメッセージの受信に関連付けられ、前記混雑ウィンドウの変更をキャンセルすることを含んでもよい。前記方法は、前記1つ以上の他のデータメッセージの正常な配信を示すフィードバックメッセージを受信する前に、前記第1のタイマーの満了時に前記輻輳ウィンドウを修正することを含んでもよい。
1つ以上のタイマーのセットは、第2のタイマーを含んでもよく、第2のタイマーは、第3のフィードバックイベントの検出時に開始されてもよく、第3のフィードバックイベントは、第1のタイマーの満了前に、1つ以上の他のデータメッセージの一部ではあるが全てではない配信の成功を示す1つ以上のフィードバックメッセージの受信に関連付けられている。方法は、1つ以上の他のデータメッセージの配信が成功したことを示す1つ以上のフィードバックメッセージを受信する前に、第2のタイマーの満了時に輻輳ウィンドウのサイズを変更することを含んでもよい。前記方法は、前記第4のフィードバックイベントの検出時に前記輻輳ウィンドウのサイズの変更をキャンセルすることを含んでもよく、前記第4のフィードバックイベントは、前記第2のタイマーの満了前に前記1つ以上の他のデータメッセージの正常な配信を示す1つ以上のフィードバックメッセージを受信することに関連付けられている、ことを特徴とする。
別の一般的な側面では、ノードの数を結合したデータチャネルを介してノードの数のノード間でデータ通信を行うためのシステムは、第1のノードで、第2のノードから第2のノードに順次送信されたデータメッセージのセットの配信状態を示すフィードバックメッセージを受信するように構成されたノードの数の第1のノードを含む。前記第1のノードにおける輻輳ウィンドウのサイズを維持することは、多数のフィードバックイベントの発生に応じて1つ以上のタイマのセットを維持することを含み、前記維持は、前記多数のフィードバックイベントの発生に基づいて前記タイマのセットの1つ以上のタイマの状態を変更することと、前記1つ以上のタイマのセットのうちの1つ以上のタイマの期限が切れるまで前記輻輳ウィンドウのサイズの変更を遅延することとを含む。
本開示は、第1のノードと第2のノードとを結合するデータチャネルを介して、第1のノードから第2のノードへデータ通信を行う方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、データチャネルの少なくとも1つの状態に基づいて、1つ以上のタイマーがデータ通信を管理するために使用されるかどうかを専門家システムを使用して決定し、そのような決定に基づいて、第2のノードでデータメッセージを受信し、第1のノードから順次に送信されるデータメッセージのセットに属するメッセージを受信することを含むことができる。前記第2のノードから前記第1のノードにフィードバックメッセージを送信し、前記フィードバックメッセージは、前記第2のノードにおける前記データメッセージのセットの配信状態を特徴付けるものであって、前記複数の配信順序イベントの発生に応じて1つ以上のタイマーのセットを維持することを含み、前記維持は、前記複数の配信順序イベントの発生に基づいて前記タイマーのセットの1つ以上のタイマーの状態を変更することを含み、前記フィードバックメッセージの送信は、前記1つ以上のタイマーのセットの1つ以上の有効期限が切れるまで延期することを特徴とする方法。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、ルールおよびモデルの少なくとも1つを使用して、1つまたは複数のタイマーを使用するかどうかの決定のパラメータを設定する状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データパスの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、産業環境で動作する機械についてのデータを受け入れるデータコレクタからの複数の入力を取る状況を含み得る。
本開示の前述の実施形態のいずれかのさらなる実施形態は、1つ以上のタイマのセットが第1のタイマを含み、第1のタイマが第1の配信順序イベントの検出時に開始され、第1の配信順序イベントが、順次順序の第1の位置に先行する位置に関連付けられた1つ以上の欠落メッセージを受信する前に、順次順序の第1の位置に関連付けられた第1のデータメッセージの受信に関連付けられている状況を含むことができる。
ネットワーク通信再符号化ノード」と題する米国特許出願2017/0012885に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワーク符号化は、データパスを介して第1のノードから第2のノードに渡す符号化データに関連する冗長情報を修正するための方法およびシステムを含み、第1のノードと中間ノードとを接続する第1のチャネルを介して第1のノードから第1の冗長情報を含む第1の符号化データを中間ノードで受信することを含んでもよい。前記第1のチャネルは第1のチャネル特性を有し、前記第2のチャネルは第2のチャネル特性を有し、前記第2のチャネルは第2のチャネル特性を有し、前記中間ノードと前記第2のノードとを接続する第2のチャネルを介して、第2の冗長性情報を含む第2の符号化データを前記中間ノードから前記第2のノードに送信すること第2の冗長情報に関連付けられた冗長度は、第1の符号化データをデコードすることなく、第1のチャネル特性および第2のチャネル特性の一方または両方に基づいて第1の冗長情報を修正することによって決定されてもよい。データパスは、産業用機械の計装システム、1つ以上の移動式データコレクタ(任意に群で調整される)、データストレージシステム(ネットワークに接続されたストレージを含む)、サーバ、および他の情報技術要素など、産業用環境における装置およびシステム(それぞれが、データを送信、受信、または送信するための1つ以上のノードとして機能する)の間であってもよく、これらのうちのいずれかが、1つ以上のネットワークノードを有するか、またはそれらに関連していてもよい。データパスは、任意の種類のネットワーク(スイッチ、ルータなど)内の任意のそのような装置およびシステムと装置およびシステムとの間、または企業の情報技術システム内、クラウドプラットフォーム内などの遠隔環境に位置するものとの間であってもよい。冗長性情報の変更は、ルールベースのシステム、モデルベースのシステム、機械学習システム(ディープラーニングを含む)、またはそれらのハイブリッドなどのエキスパートシステムによって、またはエキスパートシステムの制御下で行われ、エキスパートシステムは、データパス、ノード、使用される通信プロトコルなどの1つ以上に関連する入力を取ります。冗長性は、本開示全体に記載されているような、データ入力のセットからのデータの組み合わせまたは多重化に起因する(および少なくとも一部に基づいて特定される)ことがある。
第1の冗長情報を修正することは、第1の冗長情報に冗長情報を追加することを含んでもよい。第1の冗長情報を修正することは、第1の冗長情報から冗長情報を削除することを含んでもよい。第2の冗長情報は、第2のノードへの符号化データの送達の成功または失敗を示す第2のノードからのフィードバックに基づいて、第1の冗長情報を修正することによってさらに形成されてもよい。第1の符号化データおよび第2の符号化データは、ランダムな線形ネットワークコードまたは実質的にランダムな線形ネットワークコードを使用するように符号化されてもよい。第1のチャネル特性および第2のチャネル特性のうちの1つまたは両方に基づいて第1の冗長情報を修正することは、ブロックサイズ、輻輳ウィンドウサイズ、および第1のチャネル特性および/または第2のチャネル特性に関連付けられたペーシングレートのうちの1つまたは複数に基づいて第1の冗長情報を修正することを含んでもよい。
方法は、中間ノードでの1つ以上のメッセージの受信を認めるフィードバックメッセージを中間ノードから第1のノードに送信することを含んでもよい。方法は、中間ノードで第2のノードからフィードバックメッセージを受信し、フィードバックメッセージを受信したことに応答して、第2のノードに追加の冗長情報を送信することを含んでもよい。
別の一般的な側面において、多数のデータパスにわたって第1のノードから第2のノードに渡される符号化データに関連付けられた冗長性情報を修正するためのシステムは、第1のノードと中間ノードとを接続する第1のチャネルを介して第1のノードから第1の冗長性情報を含む第1の符号化データを受信するように構成された中間ノードを含み、第1のチャネルは第1のチャネル特性を有し、第1のチャネルは第1のチャネル特性を有し、中間ノードと第2のノードとを接続する第2のチャネルは第2のチャネル特性を有し、第2のチャネルは第2のチャネル特性を有し、中間ノードから第2のノードに第2の冗長性情報を含む第2の符号化データを送信するように構成された中間ノードを含む。前記第2の冗長情報に関連付けられた冗長度は、前記第1の符号化データを復号化することなく、前記第1のチャネル特性および前記第2のチャネル特性の一方または両方に基づいて前記第1の冗長情報を修正することにより決定される。
本開示は、複数のデータパスを介して第1のノードから第2のノードに渡される符号化データに関連付けられた冗長性情報を修正するための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、第1のノードと中間ノードとを接続する第1のチャネルを介して第1のノードから中間ノードで第1の冗長性情報を含む第1の符号化データを受信し、第1のチャネルは第1のチャネル特性を有し、第1のチャネルは第1のチャネル特性を有する、中間ノードと第2のノードとを接続する第2のチャネルを介して中間ノードから第2のノードに第2の冗長性情報を含む第2の符号化データを送信することを含むことができる。実施形態では、第2の冗長情報に関連付けられた冗長度は、第1の符号化データを復号化することなく、第1のチャネル特性および第2のチャネル特性のうちの1つまたは両方に基づいて第1の冗長情報を修正することによって決定され、ブロックサイズ、輻輳ウィンドウサイズ、および第1のチャネル特性および/または第2のチャネル特性に関連付けられたペーシングレートのうちの1つまたは複数に基づいて第1の冗長情報を修正することを含む。実施形態では、第1の冗長情報の修正は、エキスパートシステムの制御下で行われる。
本開示の前記実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、ルールおよびモデルの少なくとも1つを使用して冗長情報の修正パラメータを設定する状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データパスの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、産業環境で動作する機械についてのデータを受け入れるデータコレクタからの複数の入力を取る状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、第1の冗長情報を修正することが、第1の冗長情報に冗長情報を追加することを含む状況を含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、第1の冗長情報を修正することが、第1の冗長情報から冗長情報を削除することを含む状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、第2のノードへの符号化データの送達の成功または不成功を示す第2のノードからのフィードバックに基づいて、第2の冗長情報が第1の冗長情報を修正することによって形成される状況をさらに含んでもよい。
本開示の前記実施形態のいずれかのさらなる実施形態は、第1の符号化データおよび第2の符号化データがランダム線形ネットワークコードを用いて符号化される状況を含んでもよい。
『誤り訂正最適化』と題する米国特許出願公開第2017/0012905号に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワーク符号化は、第1のノードと第2のノードとを結合するデータパスを介して第1のノードと第2のノードとの間でデータ通信を行うための方法およびシステムを含み、データパスを介して第1のノードから第2のノードへデータのセグメントをメッセージの数として送信することを含み、メッセージの数は送信順序に従って送信される。メッセージ数の各メッセージに関連付けられた冗長性の程度は、送信順序における前記メッセージの位置に基づいて決定される。データパスは、産業用機械の計装システム、1つ以上の移動式データコレクタ(任意に群で調整される)、データストレージシステム(ネットワークに接続されたストレージを含む)、サーバ、および他の情報技術要素など、産業用環境における装置およびシステム(それぞれが、データを送信、受信、または送信するための1つ以上のノードとして機能する)の間であってもよく、これらのいずれかは、1つ以上のネットワークノードを有するか、またはこれらに関連付けられていてもよい。データ経路は、任意の種類のネットワーク内の任意のそのような装置およびシステム、および装置およびシステム(スイッチ、ルータなど)の間、または企業の情報技術システム内、クラウドプラットフォーム内などの遠隔環境に位置するものとの間であってもよい。伝送順序の決定は、ルールベースのシステム、モデルベースのシステム、機械学習システム(ディープラーニングを含む)、またはそれらのハイブリッドなどのエキスパートシステムによって、またはエキスパートシステムの制御下で行われ、エキスパートシステムは、データパス、ノード、使用される通信プロトコルなどの1つまたは複数の関連する入力を取得します。冗長性は、本開示全体に記載されているような、データ入力のセットからのデータの組み合わせまたは多重化に起因する(および少なくとも一部に基づいて特定される)ことがある。
メッセージ数の各メッセージに関連付けられた冗長度は、送信順序におけるメッセージの位置が非減少であるほど増加してもよい。送信順序におけるメッセージの位置(i)に基づいて、メッセージ数の各メッセージに関連付けられた冗長性の程度を決定することは、第2のノードにおけるアプリケーションのための遅延要件、データパスに関連付けられた往復時間、チャネルに関連付けられた平滑化された損失率(P)のうちの1つ以上に基づいてさらに行われる。メッセージ数に関連付けられたデータのサイズ(N)、メッセージ数のメッセージに対応する第2ノードから受信した確認メッセージの数(ai)、メッセージ数のメッセージに対応する飛行中メッセージの数(fi)、メッセージ数に関連付けられたデータのインデックスに基づく増加関数(g(i))。
メッセージ数の各メッセージに関連付けられた冗長度は、次のように定義されてもよい。g(i)はパラメータmとN-iの最大値として定義されてもよく、g(i)はN-p(i)として定義されてもよく、ここでpは多項式であり、必要に応じて整数に丸められる。方法は、第1のノードで、第2のノードでメッセージが欠落していることを示す第2のノードからのフィードバックメッセージを受信し、フィードバックメッセージを受信したことに応答して、欠落しているメッセージに関連付けられた冗長度を増加させるために、冗長度メッセージを第2のノードに送信することを含んでもよい。方法は、第1のノードにおいて、先に計算された冗長性メッセージのキューを維持し、フィードバックメッセージを受信したことに応答して、先に計算された冗長性メッセージの一部または全部をキューから削除し、送信のために冗長性メッセージをキューに追加することを含むことができる。冗長メッセージは、フィードバックメッセージの受信に応答して、オンザフライで生成されて送信されてもよい。
前記方法は、前記第1のノードにおいて、前記メッセージ数のために先に計算された冗長性メッセージのキューを維持し、前記メッセージ数の配信が成功したことを示すフィードバックメッセージを受信したことに応答して、前記メッセージ数に関連付けられた先に計算された冗長性メッセージを前記先に計算された冗長性メッセージのキューから削除することを含むことができる。各メッセージに関連付けられた冗長性の程度は、メッセージの消去の修正可能性の確率を特徴付けることができる。正解可能性の確率は、冗長度と損失確率との比較に依存してもよい。
本開示は、第1のノードと第2のノードとを結合するデータパス上の第1のノードと第2のノードとの間のデータ通信のための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、データパス上の第1のノードから第2のノードへのデータのセグメントを複数のメッセージとして送信することを含み、複数のメッセージのうちの複数のメッセージは、送信順序に従って送信される。実施形態では、複数のメッセージのうちの各メッセージに関連付けられた冗長性の程度は、送信順序における前記メッセージの位置に基づいて決定される。実施形態では、送信順序は、エキスパートシステムの制御下で決定される。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、送信順序のパラメータを設定するために、ルールおよびモデルのうちの少なくとも1つを使用する状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データパスの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、産業環境で動作する機械についてのデータを受け入れるデータコレクタからの複数の入力を取る状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、複数のメッセージのうちの各メッセージに関連付けられた冗長性の程度が、送信順序におけるメッセージの位置が非減少であるにつれて増加する状況を含み得る。
本開示の前記実施形態のいずれかのさらなる実施形態は、送信順序におけるメッセージの位置(i)に基づいて、複数のメッセージの各メッセージに関連付けられた冗長性の程度を決定することが、アプリケーション遅延要件、データパスに関連付けられた往復時間のうちの1つ以上に基づいて行われる状況をさらに含むことができる。チャネルに関連付けられた平滑化された損失率(P)、複数のメッセージに関連付けられたデータのサイズ(N)、複数のメッセージからのメッセージに対応する第2のノードから受信した確認メッセージの数(ai)、複数のメッセージの飛行中メッセージの数(fi)、および複数のメッセージに関連付けられたデータのインデックスに基づく増加関数(g(i))。
『パケット符号化ベースのネットワーク通信』と題する米国特許出願第14/935,885号に記載されているように、エキスパートシステムの制御下にある自己組織化ネットワーク符号化は、パス上の第1のノードと第2のノードとの間のデータ通信のための方法およびシステムを含み、損失イベントが発生する速度を推定すること、ここで、損失イベントとは、第2のデータノードへの単一パケットの送達の失敗または第2のデータノードへの連続して送信された複数のパケットの送達の失敗のいずれかであること、および損失イベントが発生する推定速度で冗長メッセージを送信することを含むことができる。損失イベントが発生するレートを推定するためにエキスパートシステムが使用されてもよい。
産業環境のような第1のノードと第2のノードとを結合するデータチャネルを介して、第1のノードから第2のノードへデータ通信を行う方法であって、第1のノードでメッセージを受信することと、第2のノードからメッセージを受信することと、第1のノードと第2のノードとを結合するチャネルの特性の少なくとも一部に依存するデータを含む。メッセージを受信することと、受信したメッセージから決定されたパラメータに従って前方誤り訂正を適用することと、受信したメッセージから決定されたパラメータがブロックサイズ、インターリーブ係数、およびコードレートのうちの少なくとも2つを含むことを含む、第1のノードから第2のノードへメッセージを送信することとを含む方法がある。この方法は、エキスパートシステムの制御下で行われてもよい。
本開示は、産業環境における第1のノードから、第1のノードと第2のノードとを結合するデータチャネルを介して第2のノードにデータ通信するための方法を説明し、本開示の1つの開示された非限定的な実施形態に従った方法は、第2のノードから第1のノードでメッセージを受信することを含むことができる。第1のノードと第2のノードとを結合するチャネルの特性の少なくとも一部に依存するデータを含むメッセージを受信することと、第1のノードから第2のノードへメッセージを送信することと、受信したメッセージから決定されたパラメータに従って誤り訂正を適用することと、受信したメッセージから決定されたパラメータは、ブロックサイズ、インターリーブ係数、およびコードレートのうちの少なくとも2つを含む。実施形態では、エラー訂正の適用は、エキスパートシステムの制御下で行われる。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、誤り訂正のパラメータを設定するために、ルールおよびモデルのうちの少なくとも1つを使用する状況を含んでもよい。
本開示の前述の実施形態のいずれかのさらなる実施形態は、エキスパートシステムが、データパスの少なくとも1つに関連するフィードバックに基づいて、入力のセット、重みのセット、および関数のセットの少なくとも1つを反復的に構成する機械学習システムである状況を含んでもよい。
図180に描かれているように、産業環境内などのIoTにおけるデバイスのデプロイメントをサポートするためのクラウドプラットフォームは、様々なコンポーネント、モジュール、サービス、要素、アプリケーション、インターフェース、および他の要素(総称して「クラウドプラットフォーム13000」と呼ぶ)を含み、ポリシー自動化エンジン13002およびデータマーケットプレイス13008を含んでもよい。クラウドプラットフォーム13000は、様々なデバイス13006、クラウドコンピューティング環境13068、データプール13070、データコレクタ13020、およびセンサ13024を含んでもよいし、それらと統合してもよいし、またはそれらに接続してもよい。また、クラウドプラットフォーム13000は、自己組織化13012、機械学習13014、および権利管理13016のためのシステムおよび機能を含んでもよい。
クラウドプラットフォーム13000内では、様々なコンポーネントが、幅広いアーキテクチャおよび配置で展開されてもよい。実施形態では、デバイス13006は、クラウドコンピューティング環境13008、ポリシー自動化エンジン13002、データマーケットプレイス13008、データコレクタ13020、および自己組織化13012、機械学習13014、および権利管理13016のためのシステムおよび機能に接続するか、統合するか、またはクラウドコンピューティング環境13008内に配置されてもよい。デバイス13006は、ポリシー自動化エンジン13002、データマーケットプレイス13008、データ収集者13020、自己組織化13012、機械学習13014、および権利管理13016のためのシステムまたは能力に直接またはクラウドコンピューティング環境13068を介して接続または統合してもよい。
デバイス13006は、本開示全体に記載されているような広範囲の産業環境の機械、人員、設備、インフラストラクチャ要素、コンポーネント、部品、在庫、資産、および他の特徴に関連する情報を収集、交換、および管理するためのものなどのIoTデバイスであってもよい。デバイス1306はまた、ネットワークプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、データ変換プロトコル、ソフトウェアオペレーティングシステムプロトコルなどの様々なプロトコル1304を介して接続してもよい。デバイスは、ポリシー自動化エンジン13002に接続してもよく、例えば、クラウドプラットフォーム13000内のアクティビティ、パーミッション、ルールなどを統治するような、クラウドプラットフォーム13000内に展開されてもよいポリシーを実行するために接続してもよい。また、デバイス13006は、データマーケットプレイス13008内のデータストリーム13010に接続してもよい。
データプール13070は、クラウドコンピューティング環境1308、データコレクタ13020およびデータマーケットプレイス1308、ポリシー自動化エンジン1302、自己組織化13012、機械学習13014、および権利管理13016の機能に接続してもよいし、統合してもよい。データプール13070は、クラウドコンピューティング環境30内に含まれていてもよいし、クラウドコンピューティング環境13068の外部にあってもよい。その結果、データプール13070への接続は、データプール13070への直接接続、データプール13070へのクラウド接続、またはデータプール13070への直接接続とクラウド接続の組み合わせによって行われてもよい。また、データプール13070は、データマーケットプレイス1308内に含まれてもよいし、データマーケットプレイス1308の外部に含まれてもよい。
データプール13070は、マルチプレクサ(MUX)13022を含んでもよく、また、自己組織化13012、機械学習13014、および権利管理機能に接続してもよい。MUX13022は、センサ13024に接続し、センサ13024からデータを収集し、センサ13024から収集したデータを1つのデータセットに統合してもよい。例示的かつ非限定的な実施形態では、データプール13070、データ収集器13020、およびセンサ13024は、産業環境13018内に含まれてもよい。
ポリシー自動化エンジン13002およびデータマーケットプレイス13008は、様々な産業環境13018で使用されてもよい。産業環境13018は、航空宇宙環境、農業環境、組立ライン環境、自動車環境、および化学薬品環境を含んでもよい。また、産業環境13018は、食品加工環境、工業部品環境、鉱業環境、石油・ガス環境、特に石油・ガス生産環境、トラック・自動車環境などを含んでもよい。
同様に、装置1306は、産業環境内で動作してもよい、または他のそのような装置に関してデータを収集してもよい様々な装置を含んでもよい。多くの例の中で、装置1306は、タービン攪拌機、機体制御表面振動装置、触媒反応器、および圧縮機を含む攪拌機を含んでもよい。また、装置13006は、コンベアおよびリフター、廃棄システム、ドライブトレイン、ファン、灌漑システムおよびモータを含んでもよい。装置13006はまた、パイプライン、電動パワートレイン、生産プラットフォーム、水ポンプなどのポンプ、ロボット組立システム、熱加熱システム、トラック、伝送システム、およびタービンを含んでもよい。デバイス13006は、単一の産業環境13018内で動作してもよいし、複数の産業環境13018内で動作してもよい。例えば、パイプラインデバイスは、石油およびガス環境内で動作してもよく、触媒反応器は、石油およびガス生産環境または製薬環境のいずれかで動作してもよい。
ポリシー自動化エンジン13002は、クラウドベースのポリシー自動化エンジン13002であってもよい。ポリシー自動化エンジン13002は、ポリシー13030、ルール13028、およびプロトコル13004の相互接続されたセット、例えば、セキュリティ、認可、許可などに関連するポリシーを作成、展開、および/または管理するために使用されてもよい。例えば、ポリシーは、どのようなユーザ、アプリケーション、サービス、システム、デバイスなどがIoTデバイスにアクセスしてもよいか、IoTデバイスからデータを読んでもよいか、IoTデバイスからのストリームを購読してもよいか、IoTデバイスにデータを書いてもよいか、IoTデバイスとのネットワーク接続を確立してもよいか、IoTデバイスをプロビジョニングしてもよいか、IoTデバイスと協働してもよいか、などを制御してもよい。
ポリシー自動化エンジン1302は、ポリシー13030を生成して管理してもよい。ポリシー生成エンジンは、クラウドプラットフォーム13000の集中ポリシー管理システムであってもよい。
ポリシー自動化エンジン13002によって生成され、管理されるポリシー13030は、IoTデバイスの様々な側面へのアクセスおよび使用を許可するための多数のルール13028を展開してもよい。ポリシー13030は、IoTデバイス作成ポリシー13032、IoTデバイス展開ポリシー13034、IoTデバイス管理ポリシー13036などを含んでもよい。ポリシー13030は、プロトコル1304を介してデバイス1306に伝達されてもよいし、ポリシー自動化エンジン1302から直接伝達されてもよい。
例えば、例示的かつ非限定的な実施形態では、ポリシー自動化エンジン1302は、ポリシー13030を管理し、労働者がIoTデバイスによって提供されるデータをどのように使用するかに関連して、ロール13026および労働者のためのパーミッション13074を規定および強制するプロトコル1304を作成してもよい。ワーカーは、人間のワーカーであってもよいし、機械のワーカーであってもよい。
追加の例示的かつ非限定的な実施形態では、ポリシー13030は、修復プロセスを自動化するために使用されてもよい。是正プロセスは、システムが部分的に無効化されたとき、機器が故障したとき、およびシステム全体が無効化されたときに実行されてもよい。リメディエーションプロセスは、システムの再起動を開始する指示、機器のバイパスまたは交換、状態を適切な利害関係者に通知する指示などを含んでもよい。ポリシー自動化エンジン13002は、さらに、ロール13026と、ユーザ13072が修復プロセスまたは他のプロセスを開始するか、またはそれ以外の方法で行動するために必要なパーミッション13074を指定するポリシー13030を含んでもよい。
また、ポリシー自動化エンジン1302は、条件を指定して検出してもよい。条件は、ポリシー13030がいつ配布されるか、または他の方法で行動されるかを決定してもよい。条件は、個々の条件、条件のセット、独立した条件、相互依存した条件などを含んでもよい。
独立した条件の例示的かつ非限定的な実施形態では、ポリシー自動化エンジン13002は、非クリティカルなシステムデバイス13006の故障がシステムオペレータへの通知を必要としないと判断してもよい。相互に依存する条件のセットの例示的かつ非限定的な実施形態では、ポリシー自動化エンジン13002は、2つの非クリティカルシステムデバイス13006の故障は、システム全体の故障の可能性のある早期の指標である可能性があるので、2つの非クリティカルシステムデバイス13006の故障は、システムオペレータへの通知を必要としないと決定してもよい。
図181に描かれているように、ポリシー自動化エンジン1302は、コンプライアンスポリシー13050と、障害、構成、アカウンティング、プロビジョニング、およびセキュリティ(FCAPS)ポリシー13052とを含んでもよい。ポリシー13030は、ルール13028、プロトコル1304、およびポリシー入力13048に接続してもよい。
ポリシー13030は、ルール13028への入力を提供してもよく、ロール13026、パーミッション13074、およびユース130280がどのように定義されるかに関連する情報を提供してもよい。ポリシー13030は、ポリシー入力13048を受信し、ポリシー入力13048をポリシー13030内に含まれるポリシーパラメータとして組み込んでもよい。ポリシー13030は、プロトコル1304に入力を提供し、デバイス1306を作成、展開、および管理するために使用されるプロトコル1304内に含まれてもよい。
コンプライアンスポリシー13050は、データ所有ポリシー、データ分析ポリシー、データ使用ポリシー、データフォーマットポリシー、データ伝送ポリシー、データセキュリティポリシー、データプライバシーポリシー、情報共有ポリシー、管轄ポリシーなどを含んでもよい。データ伝送ポリシーは、管轄区域を越えたデータ伝送ポリシーを含んでもよい。
データ所有ポリシーは、誰がデータを管理するか、誰がデータを使用することができるか、データをどのように使用することができるかなどを管理するポリシー13030を示してもよい。データ分析ポリシーは、データ保有者がアクセスを許可されているデータで何ができるかを示すとともに、どのようなデータを見ることができ、どのようなデータを他のデータと組み合わせることができるかを決定するポリシーを示してもよい。例えば、データ保有者は、集約されたユーザーデータは見ることができますが、個々のユーザーデータは見ることができません。データ使用ポリシーは、データがどのように使用され、どのような状況下でデータが使用されるかを示してもよい。データフォーマットポリシーは、データの取り扱いに許可された標準フォーマットおよび義務化されたフォーマットを示してもよい。データ伝送ポリシーは、管轄区域を越えたデータ伝送ポリシーを含み、データの管轄区域間および管轄区域内の伝送がどのように処理されてもよいかを規定するポリシー13030を決定してもよい。データセキュリティポリシーは、送信されたデータだけでなく、例えば格納されたデータなどの静止時のデータがどのようにセキュリティを確保することが要求されるかを規定するポリシーを決定してもよい。
データプライバシーポリシーでは、データをどのように共有するか、または共有しないかを決定することができます。情報共有ポリシーは、データがどのように販売され、共有されるか、どのような状況下で情報が販売され、共有されるかを決定することができる。管轄権に関するポリシーでは、境界線を越えて送信されるデータについて、誰が、いつ、どこでデータを管理するかを決定することができる。
FCAPSポリシー13052は、障害管理ポリシー、構成管理ポリシー、会計管理ポリシー、プロビジョニング管理ポリシー、およびセキュリティ管理ポリシーを含んでもよい。障害管理ポリシーは、デバイスの障害を処理するために使用されるポリシー13030を指定してもよい。構成管理ポリシーは、デバイス1306を構成するために使用されるポリシーを指定してもよい。課金管理ポリシーは、レポート、課金などのデバイスの課金目的に使用されるポリシー13030を指定してもよい。プロビジョニング管理ポリシーは、デバイス1306上のサービスをプロビジョニングするために使用されるポリシー13030を指定してもよい。セキュリティ管理ポリシーは、デバイス1306のセキュリティを確保するために使用されるポリシー13030を指定してもよい。
ポリシー入力13048は、ポリシー入力インターフェース13046から受信されてもよい。ポリシー入力13048は、標準ベースのポリシー入力13044および他のポリシー入力13048を含んでもよい。標準ベースのポリシー入力13044は、例えば、標準データフォーマット、標準ルールセット、および標準化団体によって設定された他の標準関連情報に関連する入力を含んでもよい。
他のポリシー入力13048は、情報に関連する業界固有のポリシー、業界横断的なポリシー、メーカー固有のポリシー、デバイス固有のポリシー13030などを幅広く含んでもよい。ポリシー入力13048は、クラウドコンピューティング環境13068に接続され、ポリシー入力インターフェース13046を介して提供されてもよい。ポリシー入力インターフェース13046は、機械によって提供されたポリシー入力13048を収集してもよいし、人間のオペレータによって入力されたポリシー入力13048を収集してもよい。
図180に描かれているように、データマーケットプレイス13008は、データストリーム13010、データマーケットプレイス入力インターフェース、データマーケットプレイス入力13056、データ支払配分エンジン13038、マーケットプレイス価値評価エンジン13040、データ仲介エンジン13042、マーケットプレイス自己組織化エンジン13076、および1つ以上のデータプール13070を含んでもよい。データマーケットプレイス13008は、クラウドネットワーキング環境13068内に含まれていてもよいし、クラウドネットワーキング環境13068に外部的に接続されていてもよい。また、データプール13070は、クラウドネットワーキング環境13068内に含まれてもよいし、クラウドネットワーキング環境13068に外部的に接続されてもよい。
データマーケットプレイス13008は、データマーケットプレイス13008とデータプール13070とが同じ物理的位置にある場合など、データプール13070に直接接続してもよい。データマーケットプレイス13008は、データマーケットプレイス13008とデータプール13070が異なる物理的な場所に位置している場合など、クラウドネットワーク環境30を介してデータプール13070に接続してもよい。
データマーケットプレイス13008は、入力に接続して受信してもよい。データ・マーケットプレイス13008は、データ・インタフェース、例えば1つ以上のデータ・コレクタ13020を介してマーケットプレイスの入力を受信してもよい。データコレクタ13020は、多重化データコレクタであってもよい。データ収集器13020を介して受信された入力は、データ収集器13020の1つまたは複数のデータ収集器13020からデータストリーム13010の1つまたは複数のデータストリーム13010として受信され、多重化器13022によって追加のデータストリーム13010に統合されてもよい。
データストリーム13010は、データプール60からのデータを含んでもよい。データマーケットプレイスの入力、データストリーム13010およびデータプール13070は、データマーケットプレイス1308の成功のメトリクスおよび尺度を含んでもよい。データマーケットプレイス13008の成功のメトリクスおよび測定値は、その後、機械学習能力13014によって、データマーケットプレイス13008の1つ以上のパラメータを構成するために使用されてもよい。
入力は、コンソーシアム入力13054であってもよい。コンソーシアム入力13054は、コンソーシアムからの入力であってもよい。コンソーシアムは、エネルギーコンソーシアム、ヘルスケアコンソーシアム、製造コンソーシアム、スマートシティコンソーシアム、交通コンソーシアムなどを含んでもよい。コンソーシアムは、既存のコンソーシアムであってもよいし、新しいコンソーシアムであってもよい。
例示的かつ非限定的な実施形態では、データマーケットプレイス13008が特定のデータタイプおよびデータの組み合わせを利用可能にした結果、新たなコンソーシアムが形成されてもよい。データ仲介エンジン13042は、コンソーシアムのメンバーが情報を取引することを可能にしてもよい。データ仲介エンジン13042は、例えば、マーケットプレイス価値評価エンジン13040によって計算された情報価値に基づいて、コンソーシアムのメンバーが情報を取引することを可能にしてもよい。
また、データマーケットプレイス1308は、自己組織化13012、機械学習13014、および権利管理能力13016に接続してもよい。権利管理能力13016は、権利を含んでもよい。
権利には、事業戦略・ソリューション権、渉外権13058、マーケティング権13078、セキュリティ権13060、技術権13062、テストベッド権13064などが含まれてもよい。事業戦略・ソリューションライフサイクル権には、事業戦略・企画権、産業用インターネットシステム設計権、プロジェクト管理権、ソリューション評価権、契約面権などが含まれてもよい。リエゾン権13058は、標準化組織権、オープンソースコミュニティ権、認証・試験機関権、政府組織権などを含んでもよい。マーケティング権13078には、通信権、エネルギー権、ヘルスケア権、マーケティング・セキュリティ権、小売店運営権、スマートファクトリー権、および思想指導権が含まれてもよい。セキュリティ権13060は、業界のコンセンサスを促進し、セキュリティのベストプラクティスを促進し、セキュリティのベストプラクティスの採用を促進する駆動権を含んでもよい。
技術権13062は、アーキテクチャ権、接続権、分散データ管理・相互運用権、産業分析権、イノベーション権、IT/OT権、安全権、語彙権、ユースケース権、渉外権13058を含んでもよい。テストベッド権13064は、特定のユースケースやシナリオを実装する権利や、実装が期待される結果に適合していることを確認するためのテスト可能な結果を生成する権利などを含んでいてもよい。テストベッド権13064はまた、例えば相互運用性テストのように、一緒に働く未テストの技術または既存の技術を探索する権利、新規かつ潜在的に破壊的な製品およびサービスを生成する権利、および標準化組織、コンソーシアムおよび他の利害関係者グループのための要件および優先順位を生成する権利を含んでいてもよい。
権利管理能力は、データマーケットプレイス1308の異なる参加者に異なる権利を割り当ててもよい。例示的かつ非限定的な実施形態では、製造業者または遠隔保守組織(RMO)。参加者は、その装置または独自の方法に基づいて、情報に対する権利を割り当てられてもよい。そして、データマーケットプレイス1308は、割り当てられた権利に基づいて、適切なデータストリーム13010のみが市場で利用可能になるようにしてもよい。
権利管理能力13016は、マーケットプレイス1308のデータにアクセスするための許可を管理してもよい。権利管理能力13016の1つ以上のパラメータは、機械学習能力13014によって自動的に構成されてもよく、データマーケットプレイス1308の成功のメトリックに基づいてもよい。機械学習エンジン13014はまた、メトリックおよび成功の尺度を使用して、ユーザインタフェースを構成してもよい。ユーザインタフェースは、データマーケットプレイス13008のユーザのデータ要素を提示してもよい。ユーザインタフェースはまた、データマーケットプレイス13008のユーザがデータ要素のうちの1つ以上のデータ要素へのアクセスを得ることができる1つ以上のメカニズムを提示してもよい。
データ支払い割当エンジン13038は、データマーケットプレイスの支払いを割り当ててもよい。データ支払い割り当てエンジン13038は、データストリーム13010の値、データストリーム13010への貢献の値などに応じて、データマーケットプレイスの支払いを割り当ててもよい。このタイプの支払い割り当ては、データマーケットプレイス1308が、データ貢献者へのデータ貢献の価値に基づいて、データ貢献者への支払いを割り当てることを可能にしてもよい。
例えば、より価値の高いデータストリーム13010へのデータの貢献者は、より価値の低いデータストリーム13010へのデータの貢献者よりも高い支払いを受けてもよい。同様に、データマーケットプレイスの参加者、例えば、IoTデバイス製造業者およびシステムインテグレータは、データの価値または提供およびサポートする構成のパワーによって評価またはランク付けされてもよい。
データマーケットプレイス1308は、自己組織化データマーケットプレイスであってもよい。自己組織化データマーケットプレイスは、自己組織化能力13012を用いて自己組織化してもよい。自己組織化能力13012は、人工知能(AI)能力を用いて学習され、開発され、最適化されてもよい。AI能力は、例えば、機械学習能力13014によって提供されてもよい。自己組織化は、エキスパートシステムを介して発生してもよく、モデル、1つ以上のルール、またはそのようなものの適用に基づいてもよい。自己組織化は、ニューラルネットワークまたはディープラーニングシステムを介して発生してもよく、例えば、1つ以上の成功の尺度へのフィードバックに基づいて、データプールの組織のバリエーションを時間の経過とともに最適化することによって発生してもよい。自己組織化は、ルールベースのシステム、モデルベースのシステム、およびニューラルネットワークまたは他のAIシステムのハイブリッドまたは組み合わせによって発生してもよい。様々な能力が自己組織化されてもよく、例えば、データ要素がマーケットプレイスのユーザインタフェースでどのように提示されるか、どのようなデータ要素が提示されるか、どのようなデータストリームがマーケットプレイスへの入力として得られるか、データ要素がどのように記述されるか、どのようなメタデータがデータ要素とともに提供されるか、データ要素がどのように格納されるか(キャッシュまたは他の「ホット」ストレージ内、またはより遅いが安価なストレージロケーション内など)、データ要素が格納される場所(ネットワークのエッジ要素内など)、データ要素がどのように結合されるか、融合されるか、または多重化されるか、またはそのようなものである。自己組織化へのフィードバックは、本開示全体に記載されるように、利益測定値、歩留まり測定値、評価(ユーザ、購入者、ライセンシー、レビュー者などによる)、関心の指標(クリックストリーム活動、ページに費やした時間、要素のレビューに費やした時間、データ要素へのリンクなど)などの様々な測定値および成功の指標を含むことができる。
データマーケットプレイス入力13056、データストリーム13010、およびデータプール13070は、データマーケットプレイス13056のメトリクスおよび成功の尺度に基づいて、組織化されてもよい。データマーケットプレイス入力13056、データストリーム13010、およびデータプール13070は、自己組織化能力13012によって組織化されてもよく、これにより、データマーケットプレイス入力13056、データストリーム13010、およびデータプール13070は、データマーケットプレイス13008のユーザによる対話を必要とせずに、自動的に組織化されてもよい。
また、メトリックおよび成功の尺度は、少なくとも2つの市場参加者の間で取引を実行するようにデータ仲介エンジン13042を構成するために使用されてもよい。機械学習エンジン13014は、成功のメトリックを使用して、ユーザの介入を必要とせずに、データ仲介エンジン13042を自動的に構成してもよい。成功のメトリックはまた、データ・マーケットプレイス13008内の1つ以上のデータ要素の価格を設定するために、価格設定エンジン、例えばマーケットプレイス価値評価エンジン13040によって使用されてもよい。
例示的かつ非限定的な実施形態では、自己組織化データマーケットプレイスは、どのタイプのデータストリーム13010が最も価値のあるものであるかを決定し、最も価値のあるデータストリームおよび他のデータストリーム13010を販売のために提供するために自己組織化してもよい。データストリームの価値の計算は、マーケットプレイス価値評価エンジン13040によって実行されてもよい。
実施形態では、産業環境におけるデータ収集システムのためのポリシー自動化システムは、次のもので構成されてもよい:ルール、ポリシー、およびプロトコルのうちの少なくとも1つのパラメータの定義に関連するポリシー入力を受信するように構成されたポリシー入力インターフェース。実施形態では、少なくとも1つのパラメータは、データ収集デバイスのための構成、データ収集デバイスからデータにアクセスするためのアクセスポリシー、およびデバイスによるデータ収集のための収集ポリシーのうちの少なくとも1つを定義する;および入力を受けて、データ収集のためのシステム内のルール、ポリシー、およびプロトコルのうちの少なくとも1つを自動的に構成して展開するためのポリシー自動化エンジン。実施形態では、少なくとも1つのパラメータは、エネルギー利用ポリシー、コストベースポリシー、データ書き込みポリシー、およびデータ保存ポリシーのうちの少なくとも1つを定義してもよい。パラメータは、デバイスがどのように作成され、配置され、管理されるかを定義するためのコンプライアンスポリシー、障害ポリシー、構成ポリシー、アカウンティングポリシー、プロビジョニングポリシー、およびセキュリティポリシーの中から選択されたポリシーに関するものであってもよい。コンプライアンスポリシーは、データ所有ポリシーを含んでもよい。データ所有ポリシーは、誰がデータを所有するかを特定してもよい。データ所有ポリシーは、所有者がデータをどのように使用するかを指定してもよい。コンプライアンスポリシーには、データ分析ポリシーが含まれていてもよい。データ分析ポリシーは、データ所有者がアクセスできるもの、データ所有者がデータをどのように使用できるか、データ所有者がどのようにデータを使用できるか、およびデータ所有者がどのようにデータを他のデータと結合できるかを規定することができる。コンプライアンスポリシーには、データ使用ポリシー、データフォーマットポリシーなどが含まれていてもよい。データフォーマットポリシーは、標準的なデータフォーマットポリシー、義務化されたデータフォーマットポリシーなどを含んでもよい。コンプライアンスポリシーは、データ伝送ポリシーを含んでもよい。データ伝送ポリシーは、管轄間伝送データ伝送ポリシー等を含んでもよい。コンプライアンスポリシーは、データセキュリティポリシー、データプライバシーポリシー、情報共有ポリシーなどを含んでもよい。データセキュリティポリシーは、静止時データセキュリティポリシー、送信データセキュリティポリシー等を含んでもよい。情報共有ポリシーには、情報の販売時期、情報の共有時期などを特定するポリシーを含めることができる。コンプライアンスポリシーには、管轄区域ポリシーが含まれていてもよい。管轄区域のポリシーには、誰がデータを管理するかを特定するポリシーが含まれていてもよい。管轄権ポリシーには、データがいつ管理されるかを特定するポリシーが含まれてもよい。管轄権ポリシーは、境界を越えて送信されるデータがどのように管理されるかを特定するポリシーを含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのポリシー自動化システムは、次のように構成されてもよい:複数の産業環境に配置された複数のネットワーク接続されたデバイスによって処理されるデータの収集および利用に適用される複数のポリシーの構成を可能にするためのポリシー自動化エンジン。実施形態では、ポリシー自動化エンジンは、産業環境とは別個に配置された情報技術インフラストラクチャ要素上でホストされる。実施形態では、ポリシー自動化エンジンにおけるポリシーの構成に応じて、ポリシーは、複数の産業環境の複数のデバイスにまたがって自動的に展開される。実施形態では、ポリシーは、どのようなデータがデータ収集システムによって収集されるか、および収集されたデータに対するアクセス許可に関連する構成パラメータを設定する。ポリシーは、デバイスがどのように作成され、配置され、管理されるかを定義するためのコンプライアンスポリシー、障害ポリシー、構成ポリシー、アカウンティングポリシー、プロビジョニングポリシー、およびセキュリティポリシーの中から選択された複数のポリシーと、ポリシーに通信的に結合された複数のポリシーとを含んでもよい。ポリシー入力インターフェースは、ポリシー自動化システムが産業環境内のデバイスのためのポリシーを作成、展開、および管理するためのポリシーの集中ソースである場合のように、ルール、ポリシー、およびプロトコル定義の少なくとも1つへの入力として使用されるポリシー入力を受信するように構成されていてもよい。
実施形態では、産業環境におけるデータ収集システムのためのポリシー自動化システムは、次のように構成されてもよい:複数の産業環境に配置された複数のネットワーク接続されたデバイスによって処理されるデータの収集および利用に適用される複数のポリシーの構成を可能にするためのポリシー自動化エンジン。実施形態では、ポリシー自動化エンジンは、産業環境とは別個に配置された情報技術インフラストラクチャ要素上でホストされる。実施形態では、ポリシー自動化エンジンにおけるポリシーの構成に応じて、ポリシーは、複数の産業環境の複数のデバイスにまたがって自動的に展開される。実施形態では、ポリシーは、どのようなデータがデータ収集システムによって収集されるか、および収集されたデータに対するアクセス許可に関連する構成パラメータを設定する。実施形態では、ポリシー自動化システムは、クラウドネットワーク接続を介して複数のデバイスに通信的に結合される。クラウドネットワーク接続は、民間所有のクラウド接続、公に提供されるクラウド接続、公に提供されるクラウド接続、ポリシー自動化システムとデバイスとの間の一次接続、ポリシー自動化システムとデバイスとの間の一次接続、イントラネットクラウド接続、単一の企業内のデバイスの接続、エクストラネットクラウド接続、複数の企業間のデバイスの接続、仮想プライベートネットワーク(VPN)接続によって保護されたセキュアなクラウドネットワーク接続、などであってもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下のように構成されてもよい:マーケットプレイスの入力を受信するように構成された入力インターフェース;マーケットプレイス内で収集されたデータを提供するためのデータプールおよびデータストリームのうちの少なくとも1つ;およびデータプールからのデータを含むデータストリーム。実施形態では、マーケットプレイスの少なくとも1つのパラメータは、マーケットプレイスの成功のメトリックに基づいて機械学習設備によって自動的に構成されてもよい。入力は、複数の産業用データコレクタからの複数のデータストリームを含んでもよい。データコレクタは、多重化データコレクタであってもよい。入力は、コンソーシアムの入力を含んでもよい。コンソーシアムは、既存のコンソーシアムであってもよいし、新規のコンソーシアムであってもよいし、共通の関心を介してデータストリームに関連する新規のコンソーシアムであってもよい。メトリクスおよび成功の尺度は、利益の尺度、歩留まりの尺度、レーティング、関心の指標、およびそのようなものを含んでもよい。レーティングは、ユーザレーティング、購入者レーティング、ライセンシーレーティング、レビュアーレーティングなどを含んでもよい。関心の指標は、クリックストリーム活動、ページに費やした時間、要素のレビューに費やした時間、データ要素へのリンク、およびそのようなものを含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下のものから構成されてもよい:1つ以上の産業機械から、またはそれについて感知されたデータに関連する複数のデータ入力を受信するように構成された入力システム;マーケットプレイス内で収集されたデータを提供するためのデータプールおよびデータストリームの少なくとも1つ;およびマーケットプレイスの成功のメトリックに基づいてデータ入力およびデータプールの少なくとも1つを組織化するための自己組織化システム。実施形態では、自己組織化システムは、時間の経過とともにデータプールの組織のバリエーションを最適化してもよい。最適化されたバリエーションは、1つ以上の成功の尺度へのフィードバックに基づいてもよい。自己組織化システムは、データ要素がマーケットプレイスのユーザー・インターフェースでどのように表示されるかを組織化してもよい。自己組織化システムは、どのようなデータ要素が提示されるか、どのようなデータストリームがマーケットプレイスへの入力として得られるか、どのようにデータ要素が記述されるか、どのようなメタデータがデータ要素とともに提供されるか、データ要素のためのストレージ方法、ストレージ要素のための通信ネットワーク内の位置(ネットワークのエッジ要素内など)、データ要素の組み合わせ方法などを選択してもよい。記憶手段は、キャッシュまたは他の「ホット」記憶手段を含んでもよい。記憶手段は、より遅いが、より安価な記憶場所を含んでもよい。データ要素の組み合わせ方法は、データ融合方法、データ多重化方法などであってもよい。自己組織化システムは、フィードバックデータを受信してもよく、例えば、フィードバックデータが成功指標および手段を含む場合などである。成功指標および手段は、利益指標を含んでもよく、利回り指標を含んでもよく、格付け、関心指標、およびそのようなものを含んでもよい。レーティングは、評価を含み、評価は、ユーザ、購入者、ライセンシー、レビュアーによって提供されてもよい。成功の指標および手段は、関心の指標を含んでもよい。関心の指標は、クリックストリーム活動、ページ活動に費やされた時間、要素のレビューに費やされた時間、要素のレビューに費やされた時間、データ要素へのリンクなどを含んでもよい。自己組織化システムは、データストリームの価値を決定してもよい。データストリームの価値は、どのデータストリームがデータマーケットプレイスによって販売のために提供されるかを決定してもよい。評価は、ユーザの評価を含んでもよい。評価は、購入者評価、ライセンシー評価、レビュアー評価などを含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下のもので構成されてもよい:複数の産業用機械のうちの1つ以上から、またはそれについてのデータ入力を受信するように構成された入力インターフェースと、マーケットプレイス内で収集されたデータを提供するためのデータプールおよびデータストリームのうちの少なくとも1つと、マーケットプレイス内のデータにアクセスするためのアクセス許可を管理するための権利管理エンジンと。実施形態では、権利管理エンジンの少なくとも1つのパラメータは、マーケットプレイスの成功のメトリックに基づいて機械学習設備によって自動的に構成されてもよい。権利管理エンジンは、データマーケットプレイスの参加者に権利を割り当ててもよい。権利には、事業戦略およびソリューションの権利、リエゾンの権利、マーケティングの権利、セキュリティの権利、技術の権利、テストベッドの権利などが含まれてもよい。メトリクスおよび成功の尺度には、利益の尺度、歩留まりの尺度、評価、およびそのようなものが含まれてもよい。レーティングには、ユーザレーティング、購入者レーティング、インクルードライセンシーレーティング、レビュアーレーティングなどが含まれてもよい。メトリクスおよび手段の成功は、関心がクリックストリーム活動、ページに費やされた時間、要素のレビューに費やされた時間、およびデータ要素へのリンクを含む場合など、関心の指標を含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下のように構成されてもよい:複数の産業用機械のうちの1つ以上から、またはそれについてのデータ入力を受信するように構成された入力インターフェース;マーケットプレイス内で収集されたデータを提供するためのデータプールおよびデータストリームのうちの少なくとも1つ;および少なくとも2つのマーケットプレイス参加者の間でデータトランザクションを実行するように構成されたデータ仲介エンジン。実施形態では、データ仲介エンジンの少なくとも1つのパラメータは、マーケットプレイスの成功のメトリックに基づいて機械学習設備によって自動的に構成されてもよい。データトランザクション入力は、マーケットプレイス価値評価を含んでもよい。マーケットプレイス価値評価は、マーケットプレイス参加者に割り当てられてもよい。マーケットプレイス価値評価は、マーケットプレイス参加者に割り当てられてもよく、マーケットプレイス参加者によってマーケットプレイスに提供された入力の価値に基づいて割り当てられる。データトランザクションは、取引トランザクションであってもよく、販売トランザクションであってもよく、支払いトランザクションであってもよい。メトリクスおよび成功の尺度は、利益の尺度、歩留まりの尺度、評価、およびそのようなものを含んでもよい。レーティングは、ユーザレーティングを含んでもよい。評価は、購入者評価、ライセンシー評価、レビュアー評価、およびそのようなものを含んでもよい。指標および手段の成功は、関心の指標を含んでもよい。関心の指標は、クリックストリーム活動、ページに費やした時間、要素のレビューに費やした時間、データ要素へのリンク、およびそのようなものを含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下のもので構成されてもよい:複数の産業用機械のうちの1つ以上から、またはそれについてのデータ入力を受信するように構成された入力インターフェース;マーケットプレイス内で収集されたデータを提供するためのデータプールおよびデータストリームのうちの少なくとも1つ;およびマーケットプレイス内の少なくとも1つのデータ要素のために価格を設定するための価格設定エンジン。実施形態では、価格設定は、マーケットプレイスの成功の指標に基づいて、機械学習機能によって価格設定エンジンに対して自動的に設定されてもよい。メトリクスおよび成功の尺度は、利益の尺度、歩留まりの尺度、インクルードレーティング、およびそのようなものを含んでもよい。レーティングは、ユーザレーティングを含んでもよい。評価は、購入者評価、ライセンシー評価、レビュアー評価などを含んでもよい。指標および手段の成功は、関心の指標を含んでもよい。関心の指標は、クリックストリーム活動、ページに費やした時間、要素のレビューに費やした時間、データ要素へのリンク、およびそのようなものを含んでもよい。
実施形態では、産業環境におけるデータ収集システムのためのデータマーケットプレイスは、以下のように構成されてもよい:複数の産業用機械のうちの1つ以上から、またはそれについてのデータ入力を受信するように構成された入力インターフェース;マーケットプレイス内で収集されたデータを提供するためのデータプールおよびデータストリームのうちの少なくとも1つ;およびデータ要素を提示するためのユーザインターフェースと、マーケットプレイスを使用する当事者が少なくとも1つのデータストリームまたはデータプールへのアクセスを得ることができる少なくとも1つのメカニズムと、を含む。実施形態では、価格設定は、マーケットプレイスの成功の指標に基づいて、機械学習機能によって価格設定エンジンに対して自動的に構成されてもよい。メトリクスおよび成功の尺度は、利益の尺度、歩留まりの尺度、インクルードレーティング、およびそのようなものを含んでもよい。レーティングは、ユーザレーティングを含んでもよい。評価は、購入者評価、ライセンシー評価、レビュアー評価などを含んでもよい。指標および手段の成功は、関心の指標を含んでもよい。関心の指標は、クリックストリーム活動、ページに費やした時間、要素のレビューに費やした時間、データ要素へのリンク、およびそのようなものを含んでもよい。
実施形態では、産業環境におけるデータ収集システムは、次のように構成されていてもよい:産業環境におけるデータ収集システムのためのポリシー自動化システム。役割、許可、および用途から選択された複数のルール、複数のルールは、ポリシー、プロトコル、およびポリシー入力に通信的に結合され、デバイスの作成、配置、および管理方法を定義するためのコンプライアンス、障害、構成、会計、プロビジョニング、およびセキュリティポリシーから選択された複数のポリシー、複数のポリシーは、ポリシー、プロトコル、およびポリシー入力に通信的に結合され、ルール、ポリシー、およびプロトコル定義の少なくとも1つへの入力として使用されるポリシー入力を受信するように構成されたポリシー入力インターフェースから構成される。
実施形態では、データ・マーケットプレイスは、以下のように構成されてもよい:マーケットプレイスの入力を受信するように構成された入力インターフェース、マーケットプレイスの入力を含む収集されたデータを格納し、収集されたデータをマーケットプレイスによって使用可能にするための複数のデータ・プール、およびデータ・プールからのデータを含むデータ・ストリーム。
本明細書および添付の付録Bに記載されているように、インテリジェント産業機器およびシステムは、自己形成ネットワーク、プライベートネットワーク、インターネットベースのネットワークなどを含む様々なネットワークで構成されてもよい。水素の製造、貯蔵、および使用を組み込んでもよい添付ファイルBに記載されているようなスマート暖房システムのうちの1つまたは複数は、そのようなネットワークのノードとして構成されてもよい。実施形態では、スマート加熱システムは、Wi-Fiおよび他の有線および/または無線通信プロトコルを介した接続を容易にする無線ネットワークポートなどの1つ以上のネットワークポートを備えて構成されてもよい。スマート加熱システムは、付録Bに記載されたスマート水素製造システムおよびスマート水素貯蔵システムなどを含み、個別に、または産業用機器およびシステムのネットワーク内の1つ以上のノードとして接続された一体型システムとして構成されてもよい。この例では、スマート加熱システムは、通信機能などを備えたポータブルトレーラーなどのオンサイトの産業機器オペレーションセンターに配置されてもよい。このように配置されたスマート暖房システムは、産業用データ収集、制御、および監視ノードなどの装置のネットワークに参加し、ネットワーク管理、通信、データ収集、データ監視、制御などに参加するように、手動で、自動的に、または半自動的に構成されてもよい。
別の実施形態では、スマート暖房システムの複数がスマート暖房システムのサブネットワークに構成されてもよいという点で、産業用機器の監視、制御、およびデータコレクタのネットワークに参加するスマート暖房システムの例がある。実施形態では、デバイスのサブネットワークによって生成されたデータは、本明細書に記載の方法およびシステムを使用して、産業機器のネットワークを介して通信されてもよい。
実施形態では、スマート暖房システムは、本明細書に記載されているような産業機器のネットワークに参加してもよい。この例では、図182に描かれているように、スマート暖房システムの1つ以上は、本明細書に記載されているIoTデバイス13500等のようなIoTデバイスとして構成されてもよい。実施形態では、スマート暖房システム13502は、アクセスポイントを介して、モバイルアドホックネットワークまたはデバイスおよびシステム要素のために本明細書に記載された接続性のための機構を介して、および/または本明細書に記載されたネットワーク要素を介して通信してもよい。
実施形態では、付録Bに記載の1つ以上のスマート暖房システムは、スマート暖房システムが、データ収集を改善し、増大したインテリジェンスを展開するような分析、自己組織化ストレージ、データ収集などの機能を実行することを可能にするような設備、プラットフォーム、モジュールなどを組み込んだり、統合したり、使用したり、接続したりすることができる。データの機械パターン認識、アナログ産業用センサからの融合データの収集、生成、保存、および通信、マルチセンサデータ収集および多重化、自己組織化データプール、産業用データコレクタの自己組織化スウォームなど、本明細書に記載された様々なデータ分析技術は、スマート暖房システムの1つ以上によって収集されたデータに具現化され、それによって有効化され、それと組み合わせて使用され、それによって得られたデータから得られてもよい。
実施形態では、スマート暖房システムは、複数のセンサからのようなデータの長いブロック(すなわち、データ取得の長い期間)を、異なるサンプリングレートで取得された複数のデータセットとは対照的に、単一の比較的高いサンプリングレートで取得するためのローカルデータ収集能力を備えて構成されてもよい。この例によって、ローカルデータ収集能力は、過去のテンプレートなどに基づいてデータ収集ルートを計画することを含んでもよい。実施形態では、ローカルデータ収集能力は、特定の周波数帯域を定義するバンドなどのデータ収集バンドを管理することと、スペクトルピーク、真ピークレベル、クレスト係数などのグループのうちの少なくとも1つを管理することとを含んでもよい。
実施形態では、1つ以上のスマート暖房システムは、産業用データ収集を容易にするかもしれないIoTデバイスの自己組織化群として参加してもよい。スマート暖房システムは、他のスマート暖房システム、IoTデバイス、産業用データコレクタなどと組織化して、スマート暖房システムの能力および状態に基づいてデータ収集を最適化し、スマート暖房システムからおよびその周辺の情報を感知し、記録し、取得する必要があるように、自らの間で組織化してもよい。実施形態では、1つ以上のスマート暖房システムは、スウォームの他のメンバー、デバイス、またはそのようなものとの調整を容易にする処理インテリジェンスおよび能力を備えて構成されていてもよい。実施形態では、スウォームのスマート暖房システムのメンバーは、データ収集活動、データ保存、データ処理、およびデータ公開をスウォームのメンバー間で割り当てることを容易にするために、スウォーム内の他のスマート暖房システムがどのような処理および収集を行っているかについての情報を追跡してもよい。
実施形態では、複数のスマート加熱システムは、異なるバーナで構成されてもよいが、共通の水素生成システムおよび/または共通の水素貯蔵システムを共有してもよい。実施形態では、複数のスマート加熱システムは、データ収集が複数のスマート加熱システムによって不必要に重複しないように、共通の水素生成システムおよび/または水素貯蔵システムに関連するデータ収集を調整してもよい。実施形態では、水素を消費しているかもしれないスマート加熱システムは、スマート加熱システムが水素を消費する準備をしてもよいので、別のスマート加熱システムがデータ収集、処理などを実行しても、その消費が追跡されることを確実にするために、他のスマート加熱システムと調整するように、水素生成および/または貯蔵データ収集を実行してもよい。実施形態では、スウォーム内のスマート加熱システムは、各スマート加熱システムが水素の消費を停止する準備をしたとき、例えば、加熱、調理、または他の熱の使用が完了に近づいているときなどに、どのスマート加熱システムが水素消費データ収集および処理を実行するかを決定するために、互いに通信してもよい。この例では、複数のスマート暖房システムが積極的に水素を消費しているときに、第1のスマート暖房システムでデータ収集を行い、第2のスマート暖房システムでデータ分析を行い、第3のスマート暖房システムでデータおよびデータ分析の記録または報告を行うようにしてもよい。特定のデータ収集、処理、記憶、および報告機能を異なるスマートヒーティングシステムに割り当てることにより、十分な記憶、処理帯域幅、通信帯域幅、利用可能なエネルギー供給などを有する特定のスマートヒーティングシステムが適切な役割を割り当てられてもよい。スマート暖房システムが、その加熱時間、調理時間等の終了が近い場合には、スウォームに、間もなく節電モードに入ることを合図してもよく、したがって、節電モードによって中断される必要があるデータ分析等を実行するために割り当てられないようにしてもよい。
実施形態では、本明細書に開示されるようなスマート暖房システムのスウォームを使用することの別の利点は、スウォームのためにデータを格納する役割を共有することにより、スウォームのデータ格納能力を利用して、単一のスマート暖房システムに格納され得るよりも多くの情報を格納することができることである。
実施形態では、スマート暖房システムの自己組織化スウォームは、データ収集、処理、記憶、報告およびそのような活動のためのスウォーム内の個々のスマート暖房システムのリソースの割り当てに関する意思決定を容易にすることができるマスタースウォーム参加者として指定
されるシステムの1つを含む。
されるシステムの1つを含む。
実施形態では、産業用データコレクタの自己組織化群の方法およびシステムは、本明細書に記載された複数の追加機能、機能、特徴、動作モード、およびそのようなものを含んでもよい。実施形態では、スマート暖房システムは、限定されることなく、これらの追加的な機能、能力、特徴、動作モード、および同様のもののいずれかまたはすべてを実行するように構成されていてもよい。
本明細書で使用されるように、用語「a」または「an」は、1つ以上のものとして定義される。本明細書で使用されるように、「別の」という用語は、少なくとも第2以上のものとして定義される。本明細書で使用されるように、用語「含む」および/または「有する」は、構成する(すなわち、開放遷移する)ものとして定義される。
本開示のいくつかの実施形態のみが示され、記載されているが、以下の特許請求の範囲に記載されているように、本開示の精神および範囲から逸脱することなく、多くの変更および修正がなされ得ることは、当技術分野に熟練した当業者には明らかであろう。国内外のすべての特許出願および特許、ならびに本明細書で参照されるすべての他の刊行物は、法律によって許容される範囲でその全体が本明細書に組み込まれる。
本明細書に記載された方法およびシステムは、コンピュータソフトウェア、プログラムコード、および/またはプロセッサ上の命令を実行する機械を介して、その一部または全部が展開されてもよい。本開示は、マシン上の方法として、マシンの一部として、またはマシンに関連してシステムまたは装置として、またはマシンのうちの1つ以上のマシン上で実行されるコンピュータ可読媒体に具現化されたコンピュータプログラム製品として、実施されてもよい。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラストラクチャ、モバイルコンピューティングプラットフォーム、定置コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってもよい。プロセッサは、プログラム命令、コード、バイナリ命令などを実行することができる任意の種類の計算装置または処理装置であってもよい。プロセッサは、信号プロセッサ、デジタルプロセッサ、組み込みプロセッサ、マイクロプロセッサ、またはコプロセッサ(数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサなど)などの任意の変種であってもよく、プログラムコードまたはその上に記憶されたプログラム命令の実行を直接または間接的に容易にすることができるものであってもよい。さらに、プロセッサは、複数のプログラム、スレッド、およびコードの実行を可能にしてもよい。スレッドは、プロセッサの性能を高め、アプリケーションの同時操作を容易にするために、同時に実行されてもよい。一実施形態では、本明細書に記載された方法、プログラムコード、プログラム命令、およびそのようなものは、1つ以上のスレッドに実装されてもよい。スレッドは、それらに関連付けられた割り当てられた優先順位を有する他のスレッドをスポーンしてもよく、プロセッサは、優先順位に基づいて、またはプログラムコード中に提供された命令に基づいて他の任意の順序でこれらのスレッドを実行してもよい。プロセッサ、またはそれを利用する任意のマシンは、本明細書および他の場所に記載されているように、方法、コード、命令、およびプログラムを格納する非一過性メモリを含んでもよい。プロセッサは、本明細書および他の場所に記載されているような方法、コード、命令を格納してもよいインターフェースを介して、非一過性記憶媒体にアクセスしてもよい。方法、プログラム、コード、プログラム命令、またはコンピューティングまたは処理装置によって実行可能な他のタイプの命令を格納するためのプロセッサに関連付けられた記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュのうちの1つまたは複数を含んでもよいが、これらに限定されるものではない。
プロセッサは、マルチプロセッサの速度および性能を向上させることができる1つ以上のコアを含んでもよい。実施形態では、プロセスは、2つ以上の独立したコア(ダイと呼ばれる)を組み合わせたデュアルコアプロセッサ、クアッドコアプロセッサ、他のチップレベルのマルチプロセッサなどであってもよい。
本明細書に記載された方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、または他のそのようなコンピュータおよび/またはネットワークハードウェア上のコンピュータソフトウェアを実行するマシンを介して、一部または全部を展開してもよい。ソフトウェアプログラムは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、およびセカンダリサーバ、ホストサーバ、分散サーバなどの他の変種を含むことができるサーバに関連付けられていてもよい。サーバは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性および/または非一過性の媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のサーバ、クライアント、マシン、およびデバイスにアクセスすることが可能なインターフェースのうちの1つまたは複数を含むことができる。本明細書および他の場所に記載された方法、プログラム、またはコードは、サーバによって実行されてもよい。さらに、本願に記載されているような方法の実行に必要な他の装置は、サーバに関連するインフラストラクチャの一部とみなされてもよい。
サーバは、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワークなどを含むがこれらに限定されない他の装置へのインターフェースを提供してもよい。さらに、この結合および/または接続は、ネットワークを介したプログラムのリモート実行を容易にしてもよい。これらのデバイスの一部または全部のネットワークは、本開示の範囲から逸脱することなく、1つ以上の場所でのプログラムまたは方法の並列処理を容易にしてもよい。さらに、インターフェースを介してサーバに接続されたデバイスのいずれかは、メソッド、プログラム、コード、および/または命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
ソフトウェアプログラムは、ファイルクライアント、印刷クライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、およびセカンダリクライアント、ホストクライアント、分散クライアントなどの他の変種を含むクライアントに関連付けられていてもよい。クライアントは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性および/または非一過性の媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のクライアント、サーバ、マシン、およびデバイスにアクセスすることが可能なインターフェースのうちの1つまたは複数を含んでもよい。本明細書および他の場所に記載された方法、プログラム、またはコードは、クライアントによって実行されてもよい。さらに、本願に記載されているような方法の実行に必要な他の装置は、クライアントに関連するインフラストラクチャの一部とみなされてもよい。
クライアントは、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含むがこれらに限定されない他の装置へのインターフェースを提供してもよい。さらに、この結合および/または接続は、ネットワークを介したプログラムのリモート実行を容易にしてもよい。これらの装置の一部または全部のネットワークは、本開示の範囲から逸脱することなく、1つ以上の場所でのプログラムまたは方法の並列処理を容易にしてもよい。さらに、インターフェースを介してクライアントに接続されたデバイスのいずれかは、メソッド、プログラム、アプリケーション、コード、および/または命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
本明細書に記載される様々な実施形態は、データネットワーク上のノード間の通信の側面を改善する通信プロトコルに関する。これらの側面は、例えば、通信遅延、チャネル利用率、および/またはエラーレートの平均値、最悪の場合、または変動性を含む。これらの実施形態は、主にパケット交換ネットワークの文脈で、より特にインターネットプロトコル(IP)ベースのパケット交換ネットワークの文脈で説明される。しかしながら、少なくともいくつかの実施形態は、パケット交換またはIPを使用しないデータ通信、例えばデータネットワークの他の形態の回路スイッチに基づくデータ通信に、より一般的に適用可能であることが理解されるべきである。
さらに、様々な実施形態は、データが「サーバ」から「クライアント」に送信されるという文脈で記述されている。これらの用語は、"データソース"および"データデスティネーション"に大まかに類似した非常に広い範囲で使用されることが理解されるべきである。さらに、本技術の少なくともいくつかのアプリケーションでは、ノードはピアであり、「サーバ」と「クライアント」として交互に役割を果たしてもよいし、または両方の役割(すなわち、データソースおよびデータ宛先として)を同時に有してもよい。しかしながら、説明のために、「サーバ」ノードから「クライアント」ノードへのデータフローの優勢な方向がある例は、これらの例に記載された技術が他の多くの状況に適用可能であることを理解した上で記載されている。
クライアント-サーバアプリケーションの一例は、サーバが、記録されたまたはライブのいずれかのマルチメディア(例えば、ビデオおよびオーディオ)データを、ユーザに提示するためにクライアントに渡すことを含む。このような例におけるクライアントからサーバへの通信の改善された側面は、通信遅延を減少させることができ、例えば、より速い起動を提供し、中断された再生のインスタンスを減少させ、帯域幅を減少させるインスタンスを減少させ、および/またはより効率的なチャネル利用(例えば、再送におけるリンク容量の使用または不必要な前方誤り訂正を回避することによって)によって品質を向上させることができる。本実施例は、いくつかの実施形態を説明するのに有用である。しかしながら、これは、以下に説明するアプローチの多くの可能な用途の一つに過ぎないことを認識しなければならない。
図183は、データネットワークの一部で相互接続されてもよいいくつかの構成要素の高レベルブロック図である。今日のインターネット上に配置された通信接続またはセッションの一般的な例は、1つのネットワークまたは複数のネットワーク151~152の相互接続を介してサーバノード111(例えば、サーバコンピュータ)と通信するクライアントノード125(例えば、クライアントコンピュータ)として表されてもよい。例えば、クライアントノードとサーバノードは、インターネットプロトコル(IP)を使用して公衆インターネット上で通信してもよい。図183は、それぞれのネットワーク151,152上に配置された多数のノード161,162と、ネットワーク152のうちの1つのネットワーク152上に配置されたクライアントプロキシ123とを追加的に示している。
図184を参照して、従来の通信技術を含む例では、クライアントノード125は、TCPを実装するTCPモジュール226と通信するクライアントアプリケーション222をホストする。TCPモジュール226は、ネットワークの相互接続上のノード間で通信するためのインターネットプロトコルを実装するIPモジュール228と通信する。通信は、チャネル230(すなわち、ネットワークのノードを相互接続する機器間の物理リンクを含む。パスの抽象化)を介して、ネットワークのノード間を通過する。同様に、サーバノード111は、サーバアプリケーション212、TCPモジュール216、およびIPモジュール218をホストする。サーバアプリケーション211とクライアントアプリケーション222が通信するとき、例えば、サーバアプリケーションからクライアントアプリケーションにデータが渡されるとき、サーバノード111のTCPモジュール216とクライアントノード125のTCP層226が相互に作用して、TCPの2つのエンドポイントを実装する。
一般に、サーバアプリケーション212によって生成されたデータユニット201(例えば、マルチメディアフレームまたはアプリケーションデータの他のユニットの符号化)は、TCPモジュール216に渡される。TCPモジュールは、例えば、複数のデータユニット201を連結し、及び/又はデータユニット201を複数のデータペイロード202に分割することによって、データペイロード202を組み立てる。以下の議論において、これらのペイロードは、いくつかの実施形態では、ネットワーク内のクライアント(すなわち、宛先)ノードに通信される「元の」または「コード化されていない」「パケット」または元のまたはコード化されていない「ペイロード」と称される。したがって、「パケット」という単語は、通信の単位であること以外のいかなる意味合いでも使用されないことが理解されるべきである。図184に図示されたTCP実施形態では、各データペイロード202は、TCPパケット204に「包まれて」おり、これはIPモジュール218に渡され、IPモジュール218は、さらに、サーバノード111からクライアントノード125への送信のためのIPパケット206にTCPパケット204を包み込み、サーバノード111とクライアントノード125をリンクするIP層チャネル230と考えられるものを介して、サーバノード111からクライアントノード125への送信を可能にしている。データリンク層などの低層では、IPパケット206のさらなるラッピング、アンラッピング、および/またはリラッピングが起こり得るが、そのような側面は図184に図示されていないことに留意されたい。一般に、各ペイロード202は、少なくとも1つのTCPパケット204および対応するIPパケット206で送信され、クライアントノード125のTCPモジュール226によって正常に受信されなかった場合、サーバノード111のTCPモジュール216によって再び再送され、正常な送達をもたらすことができる。データペイロード202は、サーバアプリケーション212によって元々提供されたデータユニット201に分解され、その後、サーバアプリケーション212によって提供されたのと同じ順序でクライアントアプリケーション222に配信される。
TCP は、失われたパケットの再送、パケットの順序の維持、ネットワークを通るパスに沿ったノードやリンクでの混雑を回避し、中間ノードでのネットワーク間およびネットワーク内の限られた帯域幅の公正な割り当てを提供するための混雑制御など、さまざまな機能を実装している。例えば、TCP は「ウィンドウプロトコル」を実装しており、エンドツーエンドの確認応答がまだ受信されていないパケットの送信は、限られた数(またはシーケンス番号の範囲)のみが許可されている。TCPのいくつかの実装では、ウィンドウのサイズを調整し、例えば、混雑の原因となることを避けるために、最初は小さなウィンドウ(「スロースタート」)で開始します。TCP の一部の実装では、ラウンドトリップ時間やウィンドウのサイズに応じて、パケットの送信レートを制御するものもある。
以下の説明では、図184に示されるように、従来のTCPベースの通信に対する1つ以上の代替案を詳細に説明する。一般に、これらの代替案は、例えば、全体的なスループット、遅延、およびジッタのうちの1つ以上の性能特性を改善する。いくつかのアプリケーションでは、これらの性能特性は、マルチメディア・プレゼンテーション・アプリケーションにおける画像品質などのアプリケーション・レベルの性能特性に直接関連している。図183を参照すると、多くの例では、これらの代替案は、サーバノード111と少なくとも1つのクライアントノード125との間の通信を改善することに向けられている。そのような通信の一例は、サーバノード111からクライアントノード125へのメディアのストリーミングであるが、しかしながら、これは、記載された代替案が使用され得る多くの例のうちの一例に過ぎないことを認識すべきである。
また、図183に図示されたネットワーク構成は、様々な構成の代表に過ぎないことも理解されるべきである。これらの構成の多くは、異なる特性を有するパスを有していてもよい。例えば、サーバノード1111からクライアントノード125へのパスは、異なるタイプの装置を使用し、容量、遅延、エラーレート、輻輳の程度などが非常に異なるリンクを通過してもよい。多くの場合、高レート、低遅延および/または低ジッタを達成するエンドツーエンド通信を達成するための課題を提示するのは、この不一致である。一例として、クライアントノード125は、無線セルラーネットワーク上の個人通信装置であってもよく、図183のネットワーク152は、セルラーキャリアのプライベート有線ネットワークであってもよく、ネットワーク151は、パブリックインターネットであってもよい。別の例として、クライアントノード125は、プライベートWLANの「WiFi」ノードであってもよく、図183のネットワーク152は、プライベートLANであってもよく、ネットワーク151は、パブリックインターネットであってもよい。
従来のTCPの代替案の多くは、パケット・コーディング(PC)アプローチを使用している。さらに、これらのアプローチの多くは、基本的にトランスポート層でPCを使用している。異なる実施形態は異なる特徴を持つかもしれませんが、これらの実施形態は、以下では一般的にパケット符号化伝送制御プロトコル(PC-TCP)と呼ばれている。他の実施形態もまた、同じまたは類似のPCアプローチが他の層、例えばデータリンク層(例えば、PC-DLと呼ばれる)で使用されるように記載されており、したがって、PC-TCPの実施形態の文脈で記載された一般的な特徴は、PC-DLの実施形態にも組み込まれ得ることが理解されるべきである。
PC-TCPの特定の特徴を詳細に論じる前に、全体的なシステムアーキテクチャのいくつかの実施形態を説明する。PC-TCPの様々な実施形態の後の説明は、これらのシステムアーキテクチャのいずれにも適用可能であると理解されるべきであり、他のものにも適用可能である。
アーキテクチャとアプリケーション
トランスポート層のアーキテクチャ
カーネルの実装
アーキテクチャとアプリケーション
トランスポート層のアーキテクチャ
カーネルの実装
図185を参照すると、1つのアーキテクチャでは、サーバノード111およびクライアントノード125におけるTCPモジュールは、それぞれPC-TCPモジュール316および326に置き換えられる。非常に一般的に、サーバのPC-TCPモジュール316は、サーバアプリケーション212からデータユニット201を受け入れ、元のデータペイロード202(すなわち、PC-TCPモジュール316に内部的に形成され、図示されていない「未コード化パケット」)を形成する。非常に一般的に、これらのデータペイロード202は、クライアントノード125のPC-TCPモジュール326に搬送され、および/または再構成され、ここで、データユニット201は、サーバアプリケーション212によって提供されるのと同じ順序で抽出され、クライアントアプリケーション222に配信される。以下で実質的により詳細に説明するように、PC-TCPモジュールの少なくともいくつかの実施形態では、送信元PC-TCPモジュールから送信先PC-TCPモジュールへの送信のためのパケット304を形成するためにランダム線形符号化(RLC)を利用しており、各パケット304はペイロード302を運んでおり、このペイロード302は、パケット304の少なくともいくつかについては、複数の元のペイロード202の組み合わせから形成されている。特に、ペイロード202の少なくとも一部は、Forward Error Correction(FEC)を実装するために、元のペイロード202の線形組み合わせ(例えば、有限フィールドでランダムに生成された係数を有する)として、またはチャネル230上のパケット304の損失を克服するためにFECを使用して十分な情報が提供されない再送または修復アプローチの一部として形成される。さらに、PC-TCPモジュール316および326は一緒に、輻輳制御および/またはレート制御を実装して、一般的に他のトランスポートプロトコル、特に従来のTCPと「公平な」方法で共存する。
PC-TCPモジュール316または326の1つのソフトウェア実装は、従来のTCPモジュールがオペレーティングシステムに統合されるのとほぼ同じ方法で、オペレーティングシステムに統合される(例えば、Unixベースのオペレーティングシステムの「カーネル」に統合される)ソフトウェアモジュールである。代替のソフトウェア実装を以下に説明します。
図186を参照すると、クライアントノード125がセルラーネットワーク(例えば、LTEネットワーク)上のスマートフォンであり、サーバノード111がクライアントノードからIPを使用してアクセス可能である例では、図185に図示されたアプローチが、クライアントノード125とサーバノード111をリンクする1つのエンドツーエンドPC-TCPセッションで使用される。PC-TCPセッションのパケット304を運ぶIPパケット300は、セッションのエンドポイントのノード間で非従来型の処理を必要とすることなく、従来のアプローチを使用してノード間のチャネルをトラバースする。
代替ソフトウェアの実装
代替ソフトウェアの実装
上記の説明には、一般的に"PC-TCP"とラベル付けされたモジュールが含まれている。以下の説明では、これらのモジュールのいくつかの異なる実装が提示されている。一般的に、PC-TCPモジュールの任意のインスタンスは、説明したアプローチまたは他のアプローチのいずれかを使用して実装されてもよいことが理解されるべきである。
図187を参照すると、いくつかの実施形態では、PC-TCPモジュール326(または本明細書で議論されるPC-TCPモジュールの任意の他のインスタンス)は、PC-TCPモジュール526として実装され、このモジュールは、従来のUDPモジュール524に結合された(すなわち、通信する)パケット符号化(PC)モジュール525を含む。本質的に、上述した各PC-TCPパケットは、UDPパケットに「包まれた」PCパケットで構成される。UDPモジュール524は、その後、従来の方法でIPモジュールを介して通信する。いくつかの実施形態では、PCモジュール525は、カーネル空間UDPモジュールと通信する「ユーザ空間」プロセスとして実装され、他の実施形態では、PCモジュール525はカーネル空間で実装される。
図を参照すると、PCモジュール625またはその機能は、クライアントアプリケーション622に統合されている。188を参照すると、いくつかの実施形態では、PCモジュール625またはその機能は、クライアントアプリケーション622に統合され、このクライアントアプリケーションは、その後、従来のUDPモジュール524と直接通信する。したがって、PC-TCPモジュール626は、クライアントアプリケーション622とUDPモジュール524のカーネル実装とを実質的にまたぐ。クライアントおよびサーバにおけるPCモジュールをリンクするためにUDPを使用することは、特定の利点を有するが、他のプロトコルを使用してもよい。UDPの利点の1つは、再送の使用による信頼性の高い伝送がUDPプロトコルの一部ではないことであり、したがって、エラー処理がPCモジュールによって行われ得ることである。
図189を参照して、いくつかの実施形態では、PC-TCPモジュール726は、カーネル空間で実行されるPC-TCP「スタブ」727と呼ばれる1つの部分と、オペレーティングシステム環境のユーザ空間で実行されるPC-TCP「コード」728と呼ばれる別の部分とに分割される。スタブ727とコード728は、PC-TCPモジュールの機能を提供するために通信する。
これらのソフトウェア実装は、網羅的ではないことが理解されるべきである。さらに、以下でさらに議論されるように、いくつかの実施形態では、本明細書に記載されたアーキテクチャまたは実施例のいずれかのPC-TCPモジュールは、例えばプロキシアーキテクチャを使用して、複数のホストおよび/またはネットワークノードの間で分割されてもよい。
プロキシアーキテクチャ
従来のプロキシノード
プロキシアーキテクチャ
従来のプロキシノード
図190を参照すると、特定の従来の通信アーキテクチャは、クライアントノード125とサーバノード111との間の通信経路上でプロキシサーバを利用する。例えば、プロキシノード820は、プロキシサーバアプリケーション822をホストする。クライアントアプリケーション222は、プロキシサーバアプリケーション822と通信し、このプロキシサーバアプリケーション822は、サーバアプリケーション212との通信において仲介者として機能する(図190には示されていない)。このようなプロキシを実装するための様々なアプローチが知られていることが理解されるべきである。いくつかの実施形態では、プロキシアプリケーションは、クライアントノードが必ずしも意識することなくパス上に挿入される。いくつかの実施形態では、プロキシクライアント812がクライアントノードで使用され、いくつかの実施形態では、プロキシクライアント812がプロキシサーバアプリケーションに通信を渡すことで、クライアントノードで実行されるソフトウェアのアプリケーション層とトランスポート層との間にソフトウェア「シム」を形成する。多くのプロキシアプローチでは、クライアントアプリケーション222は、プロキシが使用されていることを認識しており、プロキシは、サーバアプリケーションとの通信において明示的に仲介者として機能する。そのようなアプローチの特定の例は、SOCKSプロトコルを利用しており、SOCKSプロキシクライアントアプリケーション(すなわち、プロキシクライアント812の一例)がSOCKSプロキシサーバアプリケーション(すなわち、プロキシサーバアプリケーション822の一例)と通信する。クライアントとサーバは、TCP/IPを介して(例えば、1つのTCPモジュール内に一緒に実装されてもよいTCPおよびIPモジュール826bおよび828bを介して)通信してもよく、SOCKSプロキシサーバアプリケーションは、クライアントアプリケーションに代わって(例えば、TCPおよびIPモジュール826aおよび828aを介して)通信要求を満たす(すなわち、サーバアプリケーションと)。プロキシサーバアプリケーションは、通信を転送する以外の機能、例えば、クライアントアプリケーションからの要求を満たすために使用することができるデータのキャッシュを提供することもできることに留意されたい。
最初の代替プロキシノード
最初の代替プロキシノード
図191を参照すると、代替的なプロキシアーキテクチャでは、プロキシノード920は、図190のプロキシサーバアプリケーション822と同様のプロキシサーバアプリケーション922をホストする。クライアントアプリケーション222は、例えば従来のTCP/IPを使用して例示されるように、そしていくつかの実施形態では、クライアントノード125で実行されるプロキシクライアント812(例えば、SOCKSプロキシクライアントとして)を使用して、プロキシサーバアプリケーション922と通信する。図示されているように、プロキシサーバアプリケーション922は、クライアントノード125で実行される。191で示されるように、プロキシサーバアプリケーション922は、サーバノード111でPC-TCPモジュール316と通信するための図185に示されるPC-TCPモジュール326と本質的に同じであるPC-TCPモジュール926を使用してサーバアプリケーションと通信する。
いくつかの実施形態では、図191の通信アーキテクチャと図184の従来の通信アーキテクチャは、クライアントアプリケーションとサーバアプリケーションとの間の通信において共存してもよく、PC-TCP、従来のTCP、またはPC-TCPとTCPの両方を同時に使用してもよい。通信アプローチは、クライアントアプリケーションの構成に基づいてもよく、および/またはクライアントアプリケーションとサーバアプリケーションとの間の通信を確立する際の対話に基づいてもよい。
図192を参照して、図191に示すアーキテクチャの例では、プロキシアプリケーション922は、LAN1050をインターネットにリンクするゲートウェイ1020内でホストされている。多数の従来のクライアントノード125a~zがLAN上にあり、インターネットを介して1つ以上のサーバアプリケーションと通信するためにプロキシサーバアプリケーションを利用する。ゲートウェイ1020の様々な形態、例えば、ルータ、ファイアウォール、モデム(例えば、ケーブルモデム、DSLモデム等)を使用してもよい。そのような例では、ゲートウェイ1020は、クライアントノード125a~zとインターネットとの間で従来のTCP/IP通信を通過させ、特定のサーバアプリケーションのために、または特定の条件(例えば、クライアント、サーバ、またはゲートウェイによって決定される)の下で、プロキシを使用して、インターネット上の通信のためにPC-TCPを利用するように構成されていてもよい。
図191に示されたプロキシアーキテクチャは、プロキシが直接またはクライアント側プロキシを介してクライアントノードとのPC-TCP通信を提供することにより、TCP/IPを使用してプロキシノードと通信するサーバノード111にも同様に適用され得ることが理解されるべきである。そのような場合、サーバノードにサービスを提供するプロキシサーバアプリケーションは、例えば、サーバをインターネットにリンクするロードバランサ(例えば、サーバ「ファーム」で使用されるかもしれないような)などのゲートウェイ装置内でホストされてもよい。また、いくつかのアプリケーションでは、クライアントノードに関連付けられた別のプロキシと同様に、サーバノードに関連付けられたプロキシノードが存在することが理解されるべきである。
統合されたプロキシ
統合されたプロキシ
図193を参照すると、いくつかの例では、図191のプロキシ・サーバ・アプリケーション922と本質的に同じ機能を提供するプロキシ・サーバ・アプリケーション1123は、図191に図示されているように、別個のネットワーク・ノード上でホストされるのではなく、クライアント・ノード1121上に常駐している。このような例では、クライアント・アプリケーション222とプロキシ・サーバ・アプリケーション1123との間の接続はローカルであり、それらの間の通信はデータ・ネットワークを経由しない(内部的にはIP1129ソフトウェア「スタック」を経由して渡されてもよいが)。例えば、プロキシクライアント8122(例えば、SOCKSクライアント)がプロキシサーバアプリケーション1123とローカルに相互作用するか、またはプロキシクライアント812とプロキシサーバアプリケーション1123の機能が単一のソフトウェアコンポーネントに統合されている。
第二の代替プロキシノード
第二の代替プロキシノード
上で紹介した第1の代替プロキシノードアプローチの例では、クライアントノードとプロキシノードとの間の通信は従来の技術(例えば、TCP/IP)を使用し、プロキシノードとサーバノード(またはそのプロキシ)との間の通信はPC-TCP1127を使用する。このようなアプローチは、サーバノードとプロキシノードとの間のリンク上での輻輳および/またはパケットエラーまたは損失を緩和するかもしれないが、一般に、プロキシノードとクライアントノードとの間のリンク上で発生する問題を緩和することはないだろう。例えば、クライアントノードとプロキシノードは、無線チャネル(例えば、WiFi、セルラーなど)によってリンクされていてもよく、これは、有線ネットワーク上のサーバとプロキシノードとの間のリンクよりも大きな程度のエラーを導入する可能性がある。
図194を参照して、第2のプロキシアプローチでは、クライアントノード125は、PC-TCPモジュール326をホストするか、または本明細書に記載されたそのようなモジュールの代替品のいずれかをホストするか、または使用する。クライアントアプリケーション222は、クライアントノードのPC-TCPモジュール326を利用して、プロキシノード1220と通信する。プロキシノードは、クライアントノード125とのPC-TCP通信と、サーバノードとの従来の(例えば、TCP)通信との間を本質的に変換する。プロキシノード1220は、クライアントノードでPC-TCPモジュール1226を利用してクライアントノードと通信する(すなわち、PC-TCPモジュール326とトランスポート層リンクを形成する)プロキシサーバアプリケーション1222を含み、サーバと通信するために従来のTCPモジュール826aを利用する。
そのようなプロキシアプローチの例は、図195~197に示されている。図195を参照すると、プロキシノード1220の例は、無線アクセスデバイス1320(例えば、WiFiアクセスポイント、ルータなど)に統合されている。無線アクセスデバイス1320は、有線インターフェース1351を介してサーバに結合され、アクセスデバイスの無線インターフェース1352およびクライアントノードの無線インターフェース1353を介して無線クライアントノード125に結合される。無線アクセスデバイス1320は、図194のプロキシ1220について図示されたモジュールを含むプロキシおよび通信スタック実装1321を含み、無線クライアントノード125は、図194のクライアントノード125について図示されたモジュールを含むアプリケーションおよび通信スタック実装1322を含む。無線アクセス装置1320とクライアントノード125との間を通過するIPパケット300は、一般に、データ層プロトコルを使用して、例えばデータ層パケット1350内でさらに「ラップ」されることに留意されたい。上で紹介したように、いくつかの実施形態では、パケット符号化をトランスポート層で実装するのではなく、図195に示すアプローチの修正では、パケット符号化のアプローチは、データリンク層で実装される。
図196を参照して、プロキシノード1220は、セルラーサービスプロバイダのプライベートランドネットワークのノードに統合されている。この例では、サーバ1111とプロキシノード1220との間の通信は、パブリックインターネット上の従来技術(例えば、TCP)を使用し、プロキシノードとクライアントノードとの間の通信は、PC-TCPを使用する。プロキシノード1220は、プロバイダのプライベートネットワークをインターネットに接続するゲートウェイまたはエッジデバイス(例えば、LTEネットワークのパケットデータネットワークゲートウェイ)、および/またはネットワークの内部ノード(例えば、サービングゲートウェイ、基地局コントローラなど)を含むがこれらに限定されない、サービスプロバイダのネットワーク内の様々なポイントでホストされ得ることが理解されるべきである。図197を参照すると、ケーブルテレビベースのネットワークで同様のアプローチが使用されている可能性がある。PC-TCP通信は、ヘッドエンドデバイスと分配ネットワーク(例えば、ファイバ、同軸、またはハイブリッドファイバ同軸ネットワーク)との間を個々の家庭に通過してもよい。例えば、各家庭は、それ自体がPC-TCP機能を含むデバイスを有してもよいし、いくつかの例では、プロキシノード(例えば、図192に示すように、ゲートウェイ1020に統合されたプロキシノード)が、各家庭でPC-TCP接続を終了させる。配布ネットワーク上でPC-TCPを使用して通信しながら、従来のアプローチを使用してサーバ1111と通信するプロキシノードは、サービスプロバイダのプライベートネットワーク内のノード、例えば、配布ネットワークの「ヘッドエンド」デバイス1220b、またはサービスプロバイダのネットワークをパブリックインターネットとリンクするゲートウェイデバイス1220a内でホストされる。
中間プロキシ
中間プロキシ
図1988を参照すると、別のアーキテクチャでは、サーバノードとクライアントノードとの間のチャネルは、独立したタンデムPC-TCPリンクに分割される。中間ノード1620は、PC-TCPモジュール1626および1627の2つのインスタンスを有する。一方のPC-TCPモジュール1626は、PC-TCPチャネルを終端し、サーバ(例えば、サーバノードでホストされているか、またはサーバノードに関連付けられたプロキシでホストされている)で対応するPC-TCPモジュールと通信する。他方のPC-TCPモジュール1627は、PC-TCPチャネルを終端し、クライアントで対応するPC-TCPモジュールと通信する(例えば、クライアントノードでホストされるか、またはクライアントノードに関連付けられたプロキシでホストされる)。つのPC-TCPモジュール1626、1627は、ルーティングアプリケーション1622を介して結合され、PC-TCPモジュールの1つ(例えば、サーバノードからのモジュール1626)によって提供された復号化されたデータユニットを、クライアントへの送信のために別のPC-TCPモジュールに渡す。
中間ノード1620でブリッジされる2つのPC-TCPチャネルのパラメータは、同じである必要はないことに注意されたい。例えば、ブリッジ化されたチャネルは、それらの順方向エラー訂正コードレート、ブロックサイズ、輻輳ウィンドウサイズ、ペーシングレートなどが異なっていてもよい。順方向誤り訂正符号化では訂正できないパケット誤りまたは損失に対処するために再送プロトコルが使用される場合、中間ノードのPC-TCPモジュールは、そのような再送要求を要求またはサービスする。
図198では、2つのPC-TCPモジュールのみが示されているが、中間ノード1620は、サーバノードとクライアントノードの異なるペア間のリンクを同時に提供してもよいことが理解されるべきである。
図199を参照して、このアーキテクチャの例は、サーバノード1111が、第2のPC-TCPリンクを介してクライアントノード125と通信する中間ノード1620(例えば、サービスプロバイダネットワークのゲートウェイデバイス1720内にホストされている)と通信することを含んでもよい。
リコーディングノード
リコーディングノード
図200を参照すると、別のアーキテクチャは、中間ノード1820が、サーバノード111とクライアントノード125との間のパス上にあり、それとサーバノードとの間、およびそれとクライアントノードとの間をPC-TCP通信が通過するという点で、図198に示されたものと類似している。
図198では、PC-TCPモジュール1626、1627は、ノードを通過するデータを完全にデコードし、エンコードする。図200に図示されたアプローチでは、そのような完全なデコードは必要ではない。むしろ、再符号化PC-TCPモジュール1822は、PC-TCPパケット1804a-bからペイロード1802a-bを受信し、元の符号化されていないペイロード202(図示せず)を再現するためにデコードすることなく、受信したPC-TCPパケットを使用して、符号化されたペイロード302を有するPC-TCPパケット304を宛先に向けて送信する。様々な再符号化アプローチの詳細は、本明細書でさらに後述する。しかしながら、一般的に、再符号化PC-TCPモジュールによる処理は、以下の機能のうちの1つ以上を含む:宛先への変更なしにPC-TCPパケットを転送すること;例えば、受信パケットによって提供される冗長性が送出リンク上で必要とされない場合に、転送せずに受信したPC-TCPパケットを「ドロップ」すること;送出リンク上で冗長性を提供するために新しいPC-TCPパケットを生成して送信すること。記録PC-TCPモジュールはまた、インバウンドPC-TCPリンク上で(例えば、宛先ノードからの確認応答を必要としないで)確認応答情報を、例えばサーバに提供してもよく、アウトバウンドリンク上で受信した確認応答を処理してもよいことに留意されたい。受信した確認応答の処理は、元々提供された冗長情報がペイロードデータの再構成に十分でなかった場合に、追加の冗長情報の送信を引き起こすことを含んでもよい。
一般に、再符号化PC-TCPモジュールは、インバウンドPC-TCPチャネルとアウトバウンドPC-TCPチャネルで別々の通信特性を維持する。したがって、ペイロードデータをデコードしないが、制御を提供し、一般的に、PC-TCPチャネルは、順方向誤り訂正符号率、ブロックサイズ、輻輳ウィンドウサイズ、ペーシング率などが異なる場合がある。
マルチパス伝送
シングルエンドポイントペア
マルチパス伝送
シングルエンドポイントペア
上述した実施例では、単一のパスがサーバノード111とクライアントノード125をリンクしている。つのノード間でPC-TCPと同時に従来のTCPを使用する可能性が導入された。より一般的には、一対のPC-TCPモジュール間の通信(すなわち、サーバノード111にある1つとクライアントノード125にある1つ)は、異なるパスをたどることがある。インターネットプロトコル自体は、1つのノードから別のノードへと異なるパスで通過するパケットをサポートしており、順番がずれて配信される可能性がある。複数のデータパスまたはチャネルは、PC-TCPモジュールのペアをリンクし、1つのセッションに使用することができます。IPネットワークのネイティブマルチパス機能を超えて、PC-TCPモジュールは、特定のセッションのために複数の明示的なパスを使用することができます。例えば、網羅するつもりはありませんが、以下のタイプのパスの組み合わせを使用することができます。アンコードされていないTCPおよびPCオーバーUDP、従来のTCPおよびUDP上のPC、および無線LAN(例えば、WiFi、802.11)およびセルラーデータ(例えば、3G、LTE)上のPC-TCP、または複数の無線基地局(例えば、複数の無線LANアクセスポイントを介して)上のPC-TCPを同時に使用するPC-TCP。
いくつかの例では、サーバノードからクライアントノードへの複数のパスが、データが再符号化される1つ以上の中間ノードを通過するように、ネットワーク符号化が使用され、それにより、異なるデータユニットの情報がネットワークを介して異なるパスを効果的にトラバースするようになる。
一対のエンドポイント間のマルチパス接続の一つの動機は、UDPトラフィックよりもTCPトラフィックの方が優先的に扱われる可能性があることに対処している。一部のネットワーク(例えば、特定の公衆Wi-Fi、ケーブルテレビネットワークなど)では、UDPトラフィックのレートを制限したり、TCPに比べてUDPパケットを優先的にドロップしたりすることがある(例えば、輻輳している場合)。パフォーマンスを失うことなく、そのようなシナリオを効率的に検出できることが望ましいかもしれない。いくつかの実施形態では、PC-TCPセッションは、最初にTCPとUDP接続の両方に渡って送信データを確立し、分割する。これは、それぞれの接続で異なる有用なデータを送信しながら、両方の接続によって達成されたスループットを比較することを可能にする。識別子は、同じコード化された PC-TCP セッションに属するものとして 2 つの接続を識別するために、最初の TCP および UDP ハンドシェイクパケットに含まれており、追加の遅延なしに両方の接続を最初に開くことができるように、ノンブロッキング接続確立を採用することができます。送信データは、例えば、ラウンドロビン(各接続で交互にパケットまたはパケットの実行を送信する)または負荷分散/背圧スケジューリング(短い送信データキューを持つ接続に各パケットを送信する)を使用して、2つの接続間で分割されます。このような代替または負荷分散は、パケットの並び替えを処理するための技術と組み合わせて採用することができます。ペーシングレートと輻輳ウィンドウサイズは、UDP接続とTCP接続のために別々に制御することができますが、一緒に制御することもできます。2つの接続を一緒に制御することによって(例えば、TCPおよびUDP接続の両方で飛行中のパケット数の合計を規制するために単一の輻輳ウィンドウのみを使用する)、別々に制御する場合と比較して、より大きな程度の「公平性」を提供することができるかもしれません。
いくつかの例では、各データパス/プロトコル上で送信されるメッセージの割合の調整は、データパス/プロトコルの相対的な性能/スループットに応じて決定される。いくつかの例では、メッセージの割り当ての調整は、送信の初期部分の間にのみ発生する。他の例では、メッセージの割り当ての調整は、送信中に継続的に行われる。いくつかの例では、調整は方向を反転させる(例えば、データパスがUDPメッセージを優先的にドロップすることを停止すると、そのデータパス上で送信されるメッセージの数が増加することがある)。
いくつかの実施形態では、PC-TCP はセッションの期間中、UDP ベースのトラフィックと TCP ベースのトラフィックの両方を維持します。他の実施形態では、PC-TCPモジュールは、例えば、時間間隔またはパケット数で指定された期間にわたって、UCPおよびTCPトラフィックの動作を比較し、期間を指定するこれらの量は、構成パラメータとして設定することができ、および/または以前にコード化されたTCPセッションに基づいて変更することができ、例えば、最近のPC-TCPセッションから相対的なTCP/UDPパフォーマンスに関する情報が利用可能である場合には、比較期間を短縮または排除することができる。UDP接続がより良いスループットを達成する場合、PC-TCPセッションは、UDPのみを使用するように移行することができる。TCP 接続がより良いスループットを達成した場合、PC-TCP セッションは TCP の使用に移行することができます。いくつかの実施形態では、異なるタイプのトラフィックが、UDPリンクではなくTCPリンクを介して送信される。そのような一例では、UDP接続は、再送遅延を低減することが有益であるパケット、例えば、ファイルの最後のブロックまたはストリームの中間ブロックのようなパケットのためのいくつかの前方誤り訂正を送信するために使用される。この例では、符号化されていないパケットは、前方誤り訂正パケットがUDPで送信されるTCPストリームを介して送信されてもよい。受信機がTCPストリーム内の消去から回復するために順方向エラー訂正パケットを使用することができる場合、受信機のPC-TCPモジュールのTCPコンポーネントの修正された実施形態は、TCPベースのエラー回復手順を使用することを回避することができるかもしれない。一方、順方向誤り訂正パケットの非配信は、受信機で回復すべきデータの消去を起こさないので、UDPパス上とTCPパス上の両方に消去がない限り、UDPパケットのドロップは遅延を起こさない。
分散ソース
分散ソース
いくつかの例では、複数のサーバノードがクライアントノードと通信します。これを実装する方法の1つとして、1つのサーバノードと1つのクライアントノードを含む複数の通信セッションが存在することが挙げられます。このような実施形態では、1つのサーバノードとクライアントノードとの間の通信セッションと、別のサーバノードとクライアントノードとの間の別の通信セッションとの間の相互作用はほとんどないか、または全くない。いくつかの例では、各サーバノードは、マルチメディアファイルの異なる部分を有していてもよく、各サーバは、クライアントノードでの組み合わせのためにその部分を提供する。
分散型コンテンツ配信
分散型コンテンツ配信
いくつかの例では、異なるサーバによってクライアントに提供されるコンテンツの間には何らかの関係がある。このような関係の一例としては、1つ以上のサーバのデータユニットのための冗長情報(例えば、パリティ情報)が別のサーバに格納され、別のサーバから提供される分散型RAIDアプローチを使用することが挙げられる。このようにして、データユニットがサーバノードのいずれかからクライアントノードに到達しない場合、冗長情報が他のノードから先制的に送信または要求され、欠落したデータユニットが再構築されることがある。
いくつかの実施例では、分散型RAIDの使用の代替として、データユニットが複数のサーバノードに分配される前に、ランダムな線形符号化が実行される。その後、各サーバノードは、符号化された情報の一部を配信するために、クライアントノードとの間で別個の通信セッションを確立する。これらのいくつかの例では、サーバノードは、少なくとも部分的にエンコードされた後にキャッシュされたコンテンツを既に有しており、それにより、同じアプリケーションデータユニットを受信する異なるクライアントノードに対してその部分的なエンコードを繰り返す必要性を回避することができる。いくつかの例では、サーバノードは、クライアントノードとの通信セッション中に実行するためのPCモジュールの機能の一部を実装してもよく、例えば、クライアントノードから受信した確認応答情報(すなわち、否定的な確認応答情報)に応答して、冗長情報をさらにエンコードする機能を有してもよい。
いくつかの実施形態では、複数のサーバノードは、既知の様々な技術のいずれかを使用してコンテンツが配信されるコンテンツ配信ノードである。他の実施形態では、これら複数のサーバノードは、前のコンテンツ配信セッションからのコンテンツがキャッシュされ、したがって、最終サーバノードからのコンテンツの再配信を必要とせずに利用可能な中間ノードである。
分散型コンテンツ配信のいくつかの例では、各サーバ対クライアント接続は、例えば、独立して決定された通信パラメータ(例えば、エラー訂正パラメータ、輻輳ウィンドウサイズ、ペーシングレートなど)で、実質的に独立している。他の例では、パラメータの少なくとも一部は、関連しており、例えば、クライアントノードが他のサーバノードとどのように通信するかを決定するために使用される、1つのサーバ対クライアント接続で決定された特性と関連している。例えば、パケット到着率、損失率、および一方向送信率の差は、1つの接続上で測定されてもよく、これらのパラメータは、他のサーバノードを巻き込んだデータのマルチパス配信を最適化する際に使用されてもよい。最適化の1つの態様は、複数のサーバノード間の負荷分散、またはサーバノードからクライアントノードへのパス上の通信リンクを介した負荷分散を含んでもよい。
いくつかの実施形態では、独立したセッションを使用して、またはセッション間の調整を使用して、PC-TCPを使用した分散サーバノードからのコンテンツ配信は、従来の分散コンテンツ配信の性能を達成することができるが、より少ないサーバノード数を必要とする場合がある。この利点は、PC-TCPが従来のTCPよりも低いレイテンシおよび/または低い損失率を提供することに起因している可能性がある。
マルチキャスト
マルチキャスト
図201~図202は、マルチキャスト接続を介して複数の宛先ノードへの共通コンテンツの同時配信の2つの例を示す。マルチキャストの利点は、単一のパケットまたはN個のパケットのブロックを送信元ノードがネットワークに送信しなければならず、ネットワークがマルチキャストグループ内のすべての宛先ノードにパケットを配信しようとすることである。コンテンツを確実に配信する必要がある場合は、TCP がトランスポート層プロトコルとして使用される可能性が高いです。信頼性を実現するために、TCPは、宛先ノードが確認応答で応答し、各宛先ノードが不足しているパケットを指定することを要求します。数万または数十万の受信機があり、各宛先ノードが異なるパケットまたはパケットのセットを欠落している場合、様々な受信機への異なる再送の数は、すべての宛先ノードへのコンテンツの同時送信の利点を損なうことになる。ネットワーク符号化および順方向誤り訂正を用いると、N個のパケットのブロックを多数のマルチキャスト宛先ノードに同時に送信することができる。これらの複数の宛先ノードへのパスは、類似したもの(すべてが大規模なWiFiまたはイーサネットローカルエリアネットワーク上)であってもよいし、ばらばらなもの(いくつかはWiFi上、いくつかはセルラー上、いくつかはファイバーリンク上、いくつかはさまざまなタイプの衛星ネットワーク上)であってもよい。送信および輻輳制御、前方誤り訂正、送信者ベースのペーシング、受信者ベースのペーシング、ストリームベースのパラメータチューニング、欠落パケットおよび順番外パケットの検出および訂正、複数の接続にまたがる情報の利用、高速接続開始および停止、TCP/UDPフォールバック、カスケード符号化、中間ノードによる再符号化、およびACKの符号化を具現化した上述のアルゴリズムを採用して、マルチキャスト宛先ノードのそれぞれへの配信のスループットおよび信頼性を向上させることができる。損失を検出して符号化を行う場合には、余分に符号化されたパケットを一部または全ての宛先ノードに送信することができる。各宛先ノードでN個のパケットを受信する限り、余分に符号化されたパケットの数が全ての受信機で失われたパケットの数と一致するか、またはそれ以上であれば、各宛先ノードでの欠落パケットを符号化されたパケットから再構成することができる。宛先ノードのいずれかでN個より少ないパケットを受信した場合、N個のパケットのブロックからの異なるコード化されたパケットの任意のセットを再送して、宛先ノードのいずれかでブロック内の欠落したパケットを再構成するために使用することができる。いくつかの宛先ノードが複数のパケットを欠落させている場合、再送されるべきコード化されたパケットの最大数は、宛先ノードのいずれかによって欠落させられたパケットの最大数に等しい。これらの数個の異なるコード化されたパケットは、宛先ノードのそれぞれで欠落しているパケットを再構成するために使用することができる。例えば、任意の宛先ノードで欠落しているパケットの最大数が4である場合、任意の4つの異なるコード化されたパケットを再送することができる。
さらなる例示的な例
さらなる例示的な例
図203~213は、データ通信システムおよびデバイスの例示的な実施形態を示し、本明細書に記載された新規なPC-TCPを実施するための様々な方法を強調している。これらの構成は、PC-TCPを使用することで利益を得ることができる可能性のあるネットワークデバイス、構成、およびアプリケーションのいくつかを特定しているが、PC-TCPを使用することで利益を得ることができる可能性のあるデバイス、構成、およびアプリケーションは、より多く存在する。以下の実施形態は、例示のために記載されているが、これに限定されるものではない。
図203に描かれた例示的な実施形態では、スマートフォン、タブレット、コンピュータ、テレビ、ディスプレイ、アプライアンス、車両、ホームサーバ、ゲームコンソール、ストリーミングメディアボックスなどのユーザデバイス404は、ユーザデバイス404上で実行されているアプリケーションとインターフェイスしてもよいPC-TCPプロキシを含んでもよい。ユーザデバイス404上のアプリケーションは、サーバ408などのクラウド402a上のリソースと通信してもよい。サーバ408は、ファイルサーバ、ウェブサーバ、ビデオサーバ、コンテンツサーバ、アプリケーションサーバ、コラボレーションサーバ、FTPサーバ、リストサーバ、テルネットサーバ、メールサーバ、プロキシサーバ、データベースサーバ、ゲームサーバ、サウンドサーバ、プリントサーバ、オープンソースサーバ、仮想サーバ、エッジサーバ、ストレージデバイスなどであってもよく、サーバ408上で実行されているアプリケーションおよび/またはプロセスとインターフェイスしてもよいPC-TCPプロキシを含んでもよい。実施形態では、クラウド内のサーバは、PC-TCP接続を終了して、サーバ408上のアプリケーションとインタフェースしてもよく、および/またはデータをネットワーク内の別の電子デバイスに転送してもよい。実施形態では、データ接続は、多数のネットワーク402a、402b上のリソースを利用する経路を移動してもよい。実施形態では、PC-TCPは、例えば、ビデオサーバ408からキャリアネットワーク402bではあるがピアリングポイント406を介して無線ルータまたはアクセスポイント410を介してユーザデバイス404に、ビデオサーバ408からキャリアネットワーク402bではあるがピアリングポイント406を介してセルラー基地局またはセル送信機412を介してユーザデバイス404に、マルチパス通信をサポートするように構成されていてもよい。例示的な実施形態では、PC-TCPは、マルチパス性能を改善するために調整可能なパラメータを含んでもよい。いくつかの実施形態では、図203に示す例示的な実施形態は、オーバーザトップ(OTT)実施形態と呼ばれてもよい。
図204および図205に示す例示的な実施形態では、ネットワーク内の他のデバイスは、PC-TCPプロキシを構成してもよい。例えば、無線アクセスポイントまたはルータ410および基地局またはセル送信機412は、PC-TCPプロキシを構成してもよい。実施形態では、ユーザデバイス404はまた、PC-TCPプロキシを構成してもよく(図205)、または構成していなくてもよい(図204)。ユーザデバイスがPC-TCPプロキシを構成しない場合、ユーザデバイスは、無線またはセルラープロトコルおよび/または従来のTCPまたはUDPプロトコルを使用して、アクセスポイント410および/または基地局412と通信してもよい。アクセスポイント410および基地局412のいずれかまたは両方のPC-TCPプロキシは、これらの従来の通信を使用してデータパケットを受信し、これらの通信をビデオサーバ408への接続のためにPC-TCPに変換してもよい。実施形態では、従来のTCPがエンドユーザ装置404および/またはアクセスポイント410と基地局412との間の最高速度接続を提供する場合、PC-TCPプロキシは、従来のTCP実装に準拠してもよいPC-TCPの機能の一部または全部のみを利用してもよく、TCP層を使用してデータを送信してもよい。
図206は、ユーザデバイスがPC-TCPプロキシを構成し、インターネット上でPC-TCPプロキシサーバ408と通信してもよい例示的な実施形態を示す。この実施形態では、エンティティは、ネットワーク内の少なくとも1つのサーバをレンタルしたり、そこからサービスを購入したり、または配置して、他のサーバまたはエンドユーザデバイスがPC-TCPを使用して通信できるようにすることによって、高速インターネット接続のサポートを提供してもよい。PC-TCPを実行しているネットワーク内の少なくとも1つのサーバは、TCPまたはUDPを使用して、ネットワーク内の他のリソースおよび/またはエンドユーザに接続してもよい。
図207および図208に示す例示的な実施形態では、ネットワーク内の他のデバイスは、PC-TCPプロキシを構成してもよい。例えば、無線アクセスポイントまたはルータ410および基地局またはセル送信機412は、PC-TCPプロキシを構成してもよい。実施形態では、ユーザデバイス404は、PC-TCPプロキシを構成してもよく(図208)、そうでない場合もある(図207)。ユーザデバイスがPC-TCPプロキシを構成しない場合、ユーザデバイスは、無線またはセルラープロトコルおよび/または従来のTCPまたはUDPプロトコルを使用して、アクセスポイント410および/または基地局412と通信してもよい。アクセスポイント410および基地局412のいずれかまたは両方のPC-TCPプロキシは、これらの従来の通信を使用してデータパケットを受信し、これらの通信をPC-TCPサーバ408への接続のためにPC-TCPに変換してもよい。実施形態では、従来のTCPが、エンドユーザ装置404および/またはアクセスポイント410と基地局412との間の最高速度接続を提供する場合、PC-TCPプロキシは、従来のTCP実装に準拠してもよいPC-TCPの機能の一部または全部のみを利用してもよく、TCP層を使用してデータを送信してもよい。
実施形態では、少なくともいくつかのネットワークサーバ408は、PC-TCPプロキシを構成してもよく、PC-TCPを使用して任意のPC-TCPサーバまたはデバイスと通信してもよい。他の実施形態では、ネットワークサーバは、従来のTCPおよび/またはUDP上で実行される他のトランスポートプロトコルを使用して、PC-TCPサーバまたはデバイスと通信してもよい。
図209に描かれているような例示的な実施形態では、ISPおよび/または通信事業者は、PC-TCPプロキシを構成する1つ以上のサーバ上でコンテンツをホストしてもよい。例示的な実施形態では、セットトップボックス、ケーブルボックス、デジタルビデオレコーダー(DVR)、モデム、テレビ、スマートテレビ、インターネットテレビ、ディスプレイなどのデバイスは、PC-TCPプロキシを構成してもよい。上述したようなユーザデバイス404は、ユーザデバイス404上で実行されているアプリケーションとインターフェイスしてもよいPC-TCPプロキシを含んでもよい。ユーザデバイス404上のアプリケーションは、サーバ408などのクラウド402c上のリソースと通信してもよい。サーバ408は、上述したような任意のタイプの通信サーバであってもよく、サーバ408上で実行されているアプリケーションおよび/またはプロセスとインターフェイスしてもよいPC-TCPプロキシを含んでもよい。実施形態では、クラウド内のサーバは、PC-TCP接続を終了して、サーバ408上のアプリケーションとインタフェースしてもよく、および/またはデータをネットワーク内の別の電子デバイスに転送してもよい。実施形態では、データ接続は、多数のネットワーク402a、402b、402c上のリソースを利用する経路を移動してもよい。実施形態では、PC-TCPは、例えば、ビデオサーバ408から直接ピアリングポイント(DP)406を介して、無線ルータまたはアクセスポイント410または基地局412からユーザデバイス404へ、ビデオサーバ408から直接アクセスポイント410へ、および/またはセルラー基地局またはセル送信機412からユーザデバイス404へなどのマルチパス通信をサポートするように構成されていてもよい。実施形態では、PC-TCPは、マルチパス性能を向上させるために調整可能なパラメータを含んでもよい。
上述の通信シナリオにおけるネットワークデバイスの例示的な配置は、制限としてとられるべきではない。PC-TCPプロキシは、任意のネットワークデバイスに配置することができ、任意のタイプのデータ接続をサポートしてもよいことが認識されるべきである。すなわち、任意のタイプのエンドユーザ装置、スイッチング装置、ルーティング装置、ストレージ装置、処理装置などは、PC-TCPプロキシを構成してもよい。また、PC-TCPプロキシは、通信パスのエンドノードにのみ存在してもよく、および/または接続パスに沿った2つのノードにのみ存在してもよい。しかし、PC-TCPプロキシは、通信パスの2つ以上のノードに存在してもよく、マルチキャスト通信やマルチパス通信をサポートしてもよい。PC-TCPプロキシは、ポイントツーポイント通信ネットワーク、マルチホップネットワーク、メッシュネットワーク、ブロードキャストネットワーク、ストレージネットワークなどで利用することができる。
パケットコーディング(PC)
パケットコーディング(PC)
以上の説明では、パケット符号化アプローチが展開されるアーキテクチャ、特にトランスポート層のPC-TCPアプローチが使用されるアーキテクチャに焦点を当てている。以下の説明では、PC-TCPのいくつかの特徴を説明する。一般的に、別段の指示がない限り、これらの特徴は互いに互換性があり、特定のアプリケーションおよび状況に対処するために様々な組み合わせで組み合わせることができることが理解されるべきである。
データの特性
データの特性
上で紹介したように、データユニット(例えば、オーディオおよび/またはビデオフレーム)は、一般に、データパケットを形成するために使用され、例えば、データパケット当たり1つのデータユニットを使用して、データパケット当たり複数のデータユニットを使用して、またはいくつかの実施形態では、個々のデータユニットを複数のデータパケットに分離して使用する。いくつかのアプリケーションでは、データユニットおよび関連するデータフレームは、ストリーム(例えば、シーケンス内に必ずしもグループ化または境界を持たずに、時間をかけて利用可能になった実質的に連続したシーケンス)を形成し、他のアプリケーションでは、データユニットおよび関連するデータフレームは、1つまたは複数のバッチ(例えば、受信者によって全体として要求されるデータのグループ化)を形成する。
一般に、ストリームデータは、ソースで時間をかけて生成され、デスティネーションで消費され、典型的には実質的に安定した速度である。ストリームの例としては、個人間通信(例えば、マルチメディア会議)に関連したマルチメディア・ストリームがある。遅延(遅延とも呼ばれる)および遅延の変動性(ジッタとも呼ばれる)は、ソースからデスティネーションへのデータユニットの通信の重要な特性である。
バッチの極端な例は、データのグループ全体、例えば、複数ギガバイトサイズのファイルの配信である。いくつかのそのような例では、バッチの配信を完了するまでの全体的な時間を短縮すること(例えば、スループットを最大化することによって)が第一の重要性である。非常にデリケートな時間(およびリアルタイム更新)の制約がある可能性があるバッチ配信の一例は、データベースのレプリケーションである。
いくつかのアプリケーションでは、データは、ソースからデスティネーションへの配送を必要とする一連のバッチを形成する。データユニットのバッチの配信開始および/または配信完了の遅延は重要であるかもしれないが、多くのアプリケーションでは、全体的なスループットが最も重要であるかもしれない。バッチ配信の例としては、例えば、マルチメディアコンテンツの一部の配信を含み、各バッチは、視聴時間のセクション(例えば、視聴時間の2秒またはバッチごとに2MB)に対応し、コンテンツは、バッチ内のデータユニットがバッファリングされ、コンテンツの連続的なプレゼンテーションを構築するために使用される宛先にバッチで配信されます。その結果、重要な考慮事項は、必要なバッチが時間内に到着していないために宛先アプリケーションを「飢餓状態」にすることなく、プレゼンテーションのためのバッチ間の連続性を提供する方法でバッチを配信することです。実際には、このような飢餓は、マルチメディアにおけるビデオプレゼンテーションの「フリーズ」を引き起こす可能性があり、これは、今日のオンラインマルチメディア配信のユーザにとってあまりにも身近な現象である。もう一つの重要な考慮事項は、最初のバッチのデータ単位を宛先アプリケーションに提供する際の初期遅延の低減である。このような遅延は、例えば、オンライン配信のためにマルチメディアを選択した後、ユーザがビデオプレゼンテーションの最初の起動を待たなければならない場合に顕在化する。いくつかのアプリケーションにおける別の考慮事項は、全体的なスループットである。これは、例えば、ソースアプリケーションがデータユニットのデータレートを制御している場合、より高いスループットが達成され得る場合には、マルチメディアコンテンツのより高い忠実度のバージョンを提供することができることなどから生じる可能性がある。したがって、重要な考慮事項は、コンテンツの高忠実度バージョンの配信を可能にするために、十分に高いスループットを提供することであってもよい(例えば、大幅に圧縮されたバージョンまたは低忠実度をもたらすコンテンツのバックオフレートとは対照的に)。
以下に説明する様々なパケット符号化アプローチ、またはそれらのアプローチの構成パラメータの選択は、転送されるデータの特性の性質に特に関連する考慮事項に対処する。いくつかの例では、異なるアプローチまたはパラメータは、転送されるデータの特性の性質の実行時の決定に基づいて、単一のシステムに設定される。
チャンネル特性
チャンネル特性
一般に、PC-TCPのソースとデスティネーションのエンドポイントをリンクする通信パスは、過渡的な特性と同様に、相対的に定常的または一貫したチャネル特性の両方を示す。相対的に定常的または一貫したチャネル特性は、例えば、容量(例えば、最大使用可能スループット)、遅延(例えば、ソースから宛先へのパケットのトランジット時間、トランジット時間の変動性)、エラーレート(例えば、平均パケット消去率またはエラーレート、消去/エラーのバースト特性)を含むことができる。一般に、そのような比較的定常的または一貫性のある特性は、パスの性質、特にパス上の1つ以上のリンクに依存してもよい。例えば、4Gセルラーチャネルの上を通過するリンクを有するパスは、家庭内のケーブルテレビチャネルおよび/またはWiFiリンクの上を通過するパスとは全く異なる特性を示すことがある。以下でさらに議論されるように、パケット符号化に対する少なくともいくつかのアプローチは、通信パスのタイプ間のチャネル特性の違いに対処しようとする。さらに、少なくともいくつかのアプローチは、特性の比較的遅い変動を追跡する側面、例えば、平均スループット、レイテンシなどの変化に適応する側面を含む。
パスに沿った通信特性は、実質的な過渡特性を示すこともある。従来の通信技術は、通信パスに沿った輻輳に起因する過渡特性に対処する側面を含む。混雑が増加すると、例えば通信パスに沿ったノードにおいて、例えばバッファオーバーランに起因する高いパケット損失を伴う不安定な状況を回避するために、そのノードにおいてトラフィックを減少させることが重要であり、それにより再送アプローチによるデータレートがさらに増加することはよく知られている。混雑に基づく過渡現象に対処するための1つの一般的なアプローチは、宛先によってまだ認識されていない「飛行中」パケットの適応的なウィンドウサイズを使用する。ウィンドウのサイズは、例えば、パケット消去率の増加を検出したときにウィンドウのサイズを大幅に減少させることによって、輻輳ベースの不安定性を回避するために、各ソースで適応される。
様々なチャネル上の通信に対処する際に、通信特性の一時的な変化は、従来の輻輳効果のみに起因するものではないかもしれず、従来の輻輳回避アプローチは最適ではないかもしれないし、望ましいものでさえないかもしれないことが観察されてきた。通信特性に影響を与える可能性があり、したがって、データが送信される方法を適応させる必要があるかもしれないいくつかの影響は、以下のうちの1つまたは複数を含むことができる。パケットの配信の中断や、ハンドオフ後に配信されるパケットの大幅な並べ替えなど、セルラーシステムにおけるセルのハンドオフに起因する影響;特定の無線チャネルの「半二重」特性に起因する影響、例えば、Wi-FIチャネルでは、宛先からの戻りパケットは、無線チャネルが上流(すなわち、携帯機器からアクセスポイントへの通信)用に取得されるまで遅延する可能性がある。例えば、特定の通信クラスのスロットルを意図した明示的なデータシェーピング装置の影響、例えば、サービスプロバイダの信念に基づいて、その通信クラスが悪意のある通信であるか、またはリソースの公正なシェアよりも多くのリソースを消費しているという信念に基づいて。
混雑のみに基づくものではないかもしれない過渡的な影響は、従来の混雑回避技術を用いて許容されるかもしれないが、以下に説明する1つ以上のアプローチは、混雑に基づくパケット損失の発生を回避しつつも、過渡的な状況の検出時に過度の「過剰反応」を起こさずにチャネルの効率的な使用を維持することを目的として、そのようなクラスの影響に特に合わせて調整されている。
パケット間符号化
パケット間符号化
一般的に、本明細書に記載される実施形態で使用される符号化アプローチは、1つのパケット内の冗長情報が、一般的に、チャネルを介して送信されてきた、またはこれから送信される他のパケットのセットに依存するように、冗長情報がチャネルを介して送信されるパケット間符号化を利用する。典型的には、情報パケットのセットについて、パケット の合計は、消去またはパケットのいずれかが情報パケットの元のパケットの再構成を可能にするような 方法で送信される。一般的に、情報パケットのグループ、または冗長情報を含むパケット のグループ(文脈に応じて)は、以下、"ブロック"または"符号化ブロック"と呼ばれる。このような符号化の一例は、さらなる符号化を伴わない情報 情報 依存するそれぞれの冗長性パケットとを含む。 しかしながら、いくつかの実施形態では、パケット(例えば、パケットの各々 )のより多くが、すべての情報パケットに依存してもよいことが理解されるべきである。
順方向エラー訂正・修復再送
順方向エラー訂正・修復再送
本明細書に記載される様々な実施形態におけるパケット間符号化は、一般的に順方向誤り訂正(FEC)と呼ばれる冗長パケットの先制送信と、フィードバックに基づいてパケットが消去されたか、または消去された可能性が高いことを示す指示に基づいて冗長パケットを送信すること、以下では修復および/または再送と呼ばれることのうちの1つまたは両方を使用する。修復再送のためのフィードバックは、一般に受信機から得られるが、より一般的には、受信機へのパス上のノードまたは他のチャネル要素、またはパスに沿ったパケットの送達に関する情報を有するいくつかのネットワーク要素から得られてもよい。FECモードでは、冗長パケットは、パケット の消去 まで許容されるように送信されてもよく、一方、修理モードでは、いくつかの例では、送信機が消去されたと信じている、または消去された可能性が高いと信じている各パケットに対して、送信機から送信された冗長パケットは、パケットのブロック内で、パケット がフィードバックに基づいて消去されたと信じられている場合、送信機は、少なくとも追加のパケットを送信するように、送信機から送信される。
後述するように、前方誤り訂正モードと修復モードの使用は、前方誤り訂正のためのより多くのチャネル容量の使用(すなわち、情報の全体的な減少)と、修復再送のための消去の存在下でより大きなレイテンシの発生との間のトレードオフを表している。上で紹介したように、送信されるデータ特性は、スループット対レイテンシの相対的な重要性を決定する可能性があり、PC-TCPモジュールは、それに応じて構成されるか、または適応される可能性がある。
パケット消去率が平均して , より 小さい場合、 「平均して」パケット の消去が発生し 、残りのパケットで元のパケットを再構築するのに十分な情報が得られることになります。もちろん、この値が ランダムな変動性、消去パターンの非定常性などにより、パケットのセットの何割かが消去率よりも大きい消去率を持つ ことになり、 宛先のパケットを再構成するのに十分な情報が得られなくなります。したがって、FECを用いても、少なくともいくつかの 情報パケット群は再構成できない。また、後述するように、一緒に符号化されるパケットのセットのサイズも重要である。例えば、10のファクターによって 増加させることは、平均的な20個の消去数(すなわち、 データパケットを再構成するには消去数が多すぎる)を超える可能性を7%以上から0.1%未満に減少させる 。
また、後述するように、パケットの大きなブロック(すなわち、大きな)と小さなブロックの使用の間には、トレードオフがある。特定のコードレートで は、より長いブロックは、ランダムエラーの存在下で情報パケット完全に回復することができる確率が高くなります。したがって、データ特性に応じて、PC-TCPモジュールは、所望のトレードオフを達成するように適応するように構成されてもよい。
一般に、パケットの配送を保証する実施形態では、FECが使用されているか否かにかかわらず、パケットを再構成するための更なる情報を提供するために、修復再送アプローチが使用される。一般に、好ましい実施形態では、冗長情報は、パケットの消去時に、送信機から送信される冗長情報は、消去された特定のパケットに依存せず、それにもかかわらず、どのパケットが消去されたかとは無関係に消去を修復するのに適しているような方法で形成される。
ランダム線形コーディング
ランダム線形コーディング
一般に、パケット間符号化の好ましいアプローチは、ランダム線形ネットワーク符号化(RLNC)技術に基づいている。しかしながら、この技術に基づくとはいえ、この用語に関連する可能性のあるすべての特徴が必ずしも組み込まれているわけではないことが理解されるべきである。特に、再符号化を実行する中間ノードが存在しない場合に上述したように、このアプローチには必ずしも「ネットワーク」の側面が存在しない。むしろ、冗長情報は、一般に、情報パケットを算術組み合わせを使用してコード化されたパケットに結合することによって、より具体的には、有限場(例えば、次数のガロア場)のような算術場上の情報パケットの係数と表現の積の和として形成される。一般に、コード係数は、ランダムまたは疑似ランダムな方法で十分に大きな有限場から選択されるか、または別の方法で、パケットの組み合わせが線形依存性を有する確率または頻度が非常に低いように選択される。符号係数、または圧縮されたバージョン(例えば、送信機および受信機によって共有されるテーブルへの参照として)は、送信されたデータユニットの各組み合わせに含まれ(または受信機に伝達された)、受信機での復号化のために使用される。非常に一般的に、元の情報パケットは、演算の組み合わせを反転させることによって受信機で回収されてもよい。例えば、ガウス除去のバージョンが、コード化された組み合わせから元のパケットを再構築するために使用されてもよい。このアプローチの重要な特徴は、情報パケットのセットについて、受信機において、受信パケット中のそれらの情報パケットの少なくとも線形に独立した組み合わせを 有するとすぐに、元のデータ単位を再構成することができるということである。以下では、「自由度」という用語は、元のパケット に対して自由度が指定されている場合には、元の パケットを再構成することができるような、独立した線形の組み合わせの数を指すために一般的に使用される;一方、自由度よりも少ない場合には、 元のパケットのいずれかを完全に再構成することができない可能性がある。線形的に独立した線形組み合わせが送信される場合、 受信された組み合わせ(すなわち、受信された自由度)は、元の情報パケットを再構成するのに十分である。
いくつかの例では、線形的に独立した組み合わせは、「符号化されていない 」情報パケットの選択 (実質的に係数 がゼロであり、各符号化されていないパケットに対して単位係数が1つである)と、情報に対して係数がゼロではない ランダムな算術組み合わせを含む。符号化さ れたパケットとから構成されている。符号化されていない は最初に送信されるので、消去がない場合には、できるだけ早く完全に受信されるべきである。元のパケッ受信側は、(元 )1個の冗長パケットの到着を待たなければならず、そのパケットが到着したら、消去されたパケットを再構成してもよい。順方向誤り訂正の場合、冗パケットは情報パケットの後に(例えば、直後に)続き、消去された情報パケットの再構築に発生する遅延はパケットの送信時間に依存する。修復再送の場合、消去が検出された場合、または消去の可能性が高い場合には、受信機が送信機にフィードバックを提供し、受信機はフィードバックを受信した時点で冗長情報を送信する。したがって、消去されたパケットを再構成できるようになるまでの遅延は、受信機から送信機までの往復時間に依存する。
以下でより詳細に議論されるように、受信機から送信機へのフィードバックは、受信機から送信機に送信される謝辞の形であってもよい。この謝辞の形でのフィードバックは、少なくとも、送信機に通知し、そのような更なる情報は必須ではないが、受信機で受信された特定のパケットに依存する更なる情報を提供してもよい。
上で紹介したように、元のパケットの組み合わせを含むパケットは、一般に、元のパケットの組み合わせに使用された係数を決定するために必要な情報と、どの元のパケットが組み合わせに使用されたかを識別するために必要な情報も含む(ブロックのすべてのパケットのようなこのセットが暗黙的でない限り)。いくつかの実施形態では、係数は、コード化されたパケットの中で明示的に表現される。いくつかの実施形態では、係数は、送信機および受信機における共有情報を参照して符号化される。例えば、事前に生成された(例えば、ランダム、疑似ランダム、またはそうでなければ選択された)係数のテーブル、または係数のセットが格納されていてもよく、それらのテーブルへの参照は、係数の値を決定するために使用される。そのようなテーブルのサイズは、係数のセットの線形独立性を維持しながら生成することができるパリティパケットの数を決定する。係数を決定するために、さらに他の方法が使用されてもよいことが理解されるべきである。
ランダム線形符号の別の特徴は、データ単位の線形組み合わせとして形成されたパケットは、それ自体が付加的に結合されて、データ単位の結合された線形組み合わせを得ることができるということである。このプロセスは、いくつかの実施形態では、デコードとその後の繰り返し符号化とは区別して、「再符号化」と呼ばれる。
RLNCの使用に代わるものがあり、それは必ずしもRLNCと同様の最適(または証明可能な最適、または最適に近い)スループットを達成するわけではないが、本明細書に記載されているように実装された場合には、いくつかのシナリオにおいて優れた性能を与える。例えば、様々な形態のパリティチェックコードを使用することができる。したがって、RLNC、またはRLNCの任意の特定の側面は、本明細書に記載されているすべての実施形態の本質的な特徴ではないことが理解されるべきである。
バッチ伝送
バッチ伝送
上で紹介したように、少なくともいくつかのアプリケーションでは、送信機から受信機に送信されるデータは、バッチ(すなわち、連続ストリームとは対照的に)を形成し、バッチの例は、ファイルまたはファイルのセグメント(例えば、マルチメディアの2秒セグメント)である。
PC-TCPモジュールの一実施形態では、バッチは、送信機から受信機に一連のブロックとして転送され、各ブロックは一連の情報パケットから形成される。一般的に、各ブロックは同じ数の情報パケットを持っているが、同じサイズのブロックの使用は必須ではありません。
送信機のPC-TCPモジュールは、一般に、ソースアプリケーションからデータユニットを受信し、バッチの連続するブロックの情報パケットを形成する。これらの情報パケットは、送信機でキューに入れられ、チャネル上で受信機に送信される。一般に、送信機では、受信機へのパケットのデキューイングおよび送信は、以下でより詳細に説明する輻輳制御および/またはレート制御機構を利用する。送信機PC-TCPはまた、ブロックのための冗長情報を構築するための情報パケット(または十分な同等の情報)を保持する。例えば、送信機PC-TCPは、送信機から受信機への転送中にパケットの回復されない消去の可能性が残っているブロック毎に情報パケットをバッファリングする。
一般に、受信機は、送信機にフィードバックを提供する。フィードバックを提供するタイミングを決定するための様々なアプローチ、およびフィードバックで提供する情報を決定するための様々なアプローチが、以下でさらに説明される。フィードバックは、ブロックが受信機で正常に受信されたおよび/または再構成されたことを判断するのに十分な情報を送信機に提供する。ブロックに対するそのような成功フィードバックが受信されたとき、送信機は、ブロックに対する冗長情報が受信機に送信される必要がなくなる可能性がなくなるので、ブロックに対する情報パケットを保持する必要がなくなり、送信機は、ブロックに対する情報パケットを保持する必要がなくなり、送信機は、ブロックに対する情報パケットを保持する必要がなくなる。
受信機から送信機へのフィードバックは、パケットが欠落していることを示してもよい。いくつかの例では、パケットが欠落していることを示す表示は、消去の時期尚早であるが、本実施形態では、送信機は、この欠落しているフィードバックを使用して、ブロックのための冗長情報の送信をトリガする。いくつかの実施例では、ブロックのためのパケットは、送信順に番号が付けられており、フィードバックは、ブロックのために受信された最も高い番号と、受信されたパケットの数(すなわち、自由度の数)(または同等に、ブロックのために必要とされる欠落パケットまたは残りの自由度の数)を表している。送信機は、ブロックの欠落パケットフィードバックを冗長修復ブロックの送信を介してブロックの欠落パケットに対処し、これは、ブロックの欠落パケットおよび/または元のパケットを再構築するために受信機によって使用され得る。
上で紹介したように、各ブロックについて、送信機は、受信機で受信したパケットの最も高いインデックス、そのパケットの前に送信された欠落パケットの数、および受信した最も高いインデックスの後に送信された(すなわち、トランジットで消去されない限り「飛行中」である)、または送信機で送信のためにキューに入れられているオリジナルパケットまたは冗長パケットの数を決定するのに十分な情報を保持する。
送信機がブロックに対する欠落パケットフィードバックを受信した場合、「飛行中」またはキューに入っているブロックに対するパケットの数が、正常に受信された場合には十分でないであろう(または消去率の観点から期待されない)場合、送信機は、ブロックに対する新しい冗長パケットを計算し(または事前に計算されたものを取得し)、送信のためにそれをキューに入れて送信する。このような冗長パケットは、修復パケットと呼ばれる。受信機でのパケットのブロックの再構築における遅延を低減するために、修復パケットは、後のブロックのための情報パケットに優先的に送信される。例えば、リペアパケットは、リペアパケットを情報パケットのキューに優先的に送信することを確実にするために、別個のより高い優先度のキューにキューイングされる。
いくつかの状況では、受信機からのフィードバックがパケットが欠落していることを示しているかもしれません。しかしながら、そのパケットは、後に順番通りに到着しないことがあり、したがって、以前に計算され、送信のためにキューに入れられたそのブロックのための冗長なパケットは、もはや受信機に配信される必要がない。その冗長パケットがまだ送信されていない(すなわち、まだキューに入っている)場合、そのパケットはキューから削除され、それによって、受信機に新しい情報を渡すのに役立たないパケットのためのチャネル容量の無駄な使用を避けることができる。
上述のアプローチでは、冗長パケットは、受信機からのフィードバックに応答して、修復パケットとして送信される。いくつかの例では、いくつかの冗長パケットは、可能性のあるパケット消去に対処するために、事前に(すなわち、前方誤り訂正として)送信される。ブロックごとにそのような順方向誤り訂正パケットを送信する1つのアプローチがある。しかしながら、ブロックのための十分な数の元のパケットおよび/または符号化されたパケットが受信されたというフィードバックが送信機で既に受信されている場合には、ブロックのためにさらに冗長パケットを送信する必要はない。
このアプローチの一実施形態では、バッチのすべてのブロックのためのオリジナルパケットが最初に送信され、一方、修復パケットは受信機からのフィードバックに基づいて優先的に送信される。すべての元のパケットが送信され、修復パケットのキューが空になった後、送信機は、ブロックが正常に受信されたというフィードバックをまだ受信していないブロックのための冗長パケットを計算(または事前に計算されたものを取得)し、それらのブロックを最初のキューで送信するための順方向誤り訂正パケットとしてキューに入れる。一般に、修復ブロックは、元のパケットよりも高い優先度で送信されるので、成功フィードバックがまだ受信されていないブロックは、バッチ内の後続のブロック(例えば、バッチのブロックの後続のシーケンス)である。
このアプローチの様々なバージョンでは、順方向誤り訂正パケットの数および送信順序は、様々な方法で決定される。第1の方法は、消去率を使用して、送信する冗長パケットの数を決定する。一つの方法は、各未処理ブロックに対して少なくとも一つの冗長パケットを送信することである。別の方法は、ブロックのためにキューに入れられて飛行中のパケットの消去率の期待値に基づいて、ブロックを再構成するために正常に受信されたパケットの十分な数が得られるように、各未解決のブロックについて冗長パケットの数を送信することである。例えば、ブロックを再構築するためにさらにパケットが必要な場合(例えば、パケット が消去された元の パケットの数だけ)、パケット は、例えば、チャネル上の消去率の推定値である , で送信される。
順方向誤り訂正パケットの数および順序を決定する別の方法は、ブロック送信時間がチャネルの往復時間よりも実質的に短いという状況に対処する。したがって、送信機が成功フィードバックを受信していないブロックのうち最も早いブロックは、実際には、受信機から送信機への飛行中の成功フィードバックを持っている可能性があり、したがって、順方向誤り訂正パケットを送信することは無駄になる可能性がある。同様に、ブロックに対するパケットフィードバックの欠落を示すフィードバックが十分に早く受信されたとしても、送信機は、バッチ全体の完全な再構成において、前方誤り訂正によって達成されるよりも多くの遅延を発生させることなく、修復パケットを送信してもよい。
一実施例では、各ブロックに対してキューイングされた順方向誤り訂正パケットの数は、バッチ内の後のブロックの方が前のブロックよりも多い。このための動機は、バッチの最後のブロックを考慮することによって理解され得るが、ここでは、修復パケットの送信からの必要性および関連する遅延の増加を伴わずに、ブロックを再構成するのに十分な情報を受信者が持っている高い確率を確実にするために、十分な数の前方誤り訂正パケットを送信することが望ましいことが明らかであるはずである。一方、受信機からのパケットフィードバックの欠落に直面して、送信機は、後続のすべてのブロックのための順方向誤り訂正パケットが送信される前に修復パケットを送信することができ、それによって、バッチの全体的な送達に遅延を生じさせないことができるので、前の(またはそれ以前の)ブロックのためのより少ない順方向誤り訂正パケットを送信することが好ましい。
一実施形態では、すべての元のパケットが送信された後、送信機が順方向誤り訂正パケットを計算して送信する順方向誤り訂正フェーズにある場合、送信機は、受信機からのパケットフィードバックの欠落を受信した場合、上述のように、問題のブロックのための(必要に応じて)修復パケットを計算して送信し、順方向誤り訂正パケットのキュー全体を空にする。修復パケットキューが再び空になった後、送信機は、まだ成功フィードバックを受信していないブロックのための順方向誤り訂正パケットを再び計算してキューに入れる。代替の幾分等価な実施形態では、欠落したパケットフィードバックの受信時に順方向誤り訂正パケットキューをクリアするのではなく、送信機は、受信機からのフィードバックに基づいて、もはや必要とされないので、順方向誤り訂正パケットをキューから削除する。いくつかの例では、キューに入っている順方向誤り訂正パケットがあるブロックに対して成功フィードバックが受信された場合、それらの順方向誤り訂正パケットはキューから取り除かれる。いくつかの例では、受信機からのフィードバックは、例えば、順番外のパケットが受信されたが、元のパケットの少なくともいくつかがまだ欠落しているために、キュー内の一部ではあるがすべてではない順方向誤り訂正パケットがもはや必要とされないことを示してもよい。
送信者が送信する転送エラー訂正パケットの数を決定する方法の例としては、送信者が次のような計算を行うことが挙げられます。
(N + g(i) - ai) / (1 - p) - fi
ここで
p = 平滑化された損失率、
N = ブロックサイズ、
i = 最後のブロックからのブロック数として定義されたブロックインデックス、
ai = i ブロックからアックされたパケット数、
fi = i ブロックからの飛行中のパケット、および
g(i) = i の減少関数、
これによって、ブロックのFECパケット数を決定する。
(N + g(i) - ai) / (1 - p) - fi
ここで
p = 平滑化された損失率、
N = ブロックサイズ、
i = 最後のブロックからのブロック数として定義されたブロックインデックス、
ai = i ブロックからアックされたパケット数、
fi = i ブロックからの飛行中のパケット、および
g(i) = i の減少関数、
これによって、ブロックのFECパケット数を決定する。
いくつかの例では、g(i) は、i の最大値として決定される。いくつかの例では、g(i)は、
N - p(i)
として決定される。ここで p は多項式であり、必要に応じて整数丸めが行われる。
N - p(i)
として決定される。ここで p は多項式であり、必要に応じて整数丸めが行われる。
いくつかの代替実施形態では、少なくともいくつかの順方向誤り訂正パケットが元のパケットに分散していてもよいことが理解されるべきである。例えば、チャネルの消去率が比較的高い場合、各ブロックに対して比較的高い確率で少なくともいくつかの冗長パケットが必要とされてもよく、上述したフィードバックベースの修復のためのメカニズムを提供することに加えて、冗長FECパケットを可能な限り早く先取りして送信することに全体的な利点がある。
また、バッチをブロックに細分化して使用することは、受信機でブロックの再構成を完了する時間を最小化するという目標を達成するためには必ずしも必要ではないことも理解されるべきである。しかしながら、順方向誤り訂正がバッチの全てのパケットに一様に適用される場合、後のパケットの優先的な保護は存在しないであろうから、後のパケットの消去に起因するレイテンシは、上述したアプローチを使用するよりも大きいかもしれない。しかしながら、非一様な順方向エラー保護に対する代替的なアプローチ(すなわち、順方向エラー訂正冗長パケットの導入)が使用されてもよい。例えば、上述したブロックベースのアプローチでは、より後のブロックのパケットは、より前のブロックのパケットよりもより多くの前方誤り訂正パケットにそれぞれ寄与し、この特性を達成するための代替的なアプローチは、前方誤り訂正フェーズにおける冗長パケットの構築に非ブロックベースの基準を使用することかもしれない。しかしながら、上述したブロックベースのアプローチは、相対的な単純化および一般的なロバスト性という利点を有し、したがって、たとえわずかに「最適ではない」としても、送信機と受信機を結ぶチャネル上のスループットおよび消去の制約の中で、再構成を完了するまでの時間を最小化するための全体的に有利な技術的解決策を提供する。
ブロックベースのアプローチを使用することの別の利点は、例えば、ロックのバッチ内のブロック、例えばバッチの M ブロックのうちの m 番目のブロックが消去された場合、送信機から送信される修復パケットは、その m 番目のブロックの N 個の元のパケットにのみ依存することである。したがって、修復パケットが到着し、ブロックの利用可能な(すなわち、消去されていない)N - 1 個のパケットが到着するとすぐに、受信側は、ブロックを修復するために必要な情報を有することになる。このように、バッチの後のブロック内のパケットに依存することなく修復パケットを構築することによって、ブロック構築の遅延が低減する。さらに、修復パケットを元の N 個のパケットのみに依存させることで、修復パケットがより多くのパケットに依存する場合に比べて、ブロックのパケットを再構築するのに必要な計算量を減らすことができる。
パケットのバッチのブロックベースの送信においても、ブロックは必ずしも一様なサイズではなく、必ずしも不連続ではないことが理解されるべきである。例えば、ブロックは、(例えば、50%、75%など)重複してもよく、それによって、バッチを1つのブロックとして扱う場合と比較して、再構成の複雑さの低減およびバッファリング要件の低減という利点の少なくとも一部を維持することができる。このような重複ブロックの利点は、再構成に先立って受信機で元のパケットを待つ必要のない修復パケットが送信されてもよいので、再構成における待ち時間が減少することであってもよい。さらに、非一様なブロックは、例えば、バッチの開始付近と比較して、バッチの終了付近でより長いブロックを使用することにより、バッチ内のより後のブロックに対する前方誤り訂正の効果を増大させるために有益であるかもしれない。
バッチ全体が使用前に宛先アプリケーションによって必要とされるアプリケーションでは、再構成の低レイテンシは、受信側(および送信側)のPC-TCPモジュールにおけるバッファリング要件を低減するために望ましいかもしれない。例えば、後に受信された修復パケットに寄与する可能性のあるすべてのパケットは、それらの将来の潜在的な使用のためにバッファリングされる。ブロックベースのアプローチでは、ブロックが完全に再構成されると、PC-TCPモジュールは、将来のパケット再構成に影響を与えないため、それらのパケットを配信して破棄することができます。
パケットのバッチを送達するためのアプローチとして記述されているが、これらのバッチの形成は、そのようなバッチがソフトウェアアプリケーションレベルで形成されるか否かにかかわらず、PC-TCPモジュールの内部であってもよい。例えば、送信機のPC-TCPモジュールは、元のパケットを形成するために使用される元のデータユニットを、元のアプリケーションからソフトウェアインターフェースを介して受信してもよい。パケットは、上述のようにパケットブロックにセグメント化され、パケットは送信のためにキューに入れられる。一実施形態では、ソースアプリケーションが、キューが空にならないように(または閾値時間の間空にならないように)十分に迅速にデータユニットを提供する限り、PC-TCPモジュールは、受信機からのフィードバック情報に基づいて、必要に応じて修復パケットを送信する第1のモード(すなわち、前方誤り訂正パケットを送信する前)に留まる。データ・ユニットを提供するソース・アプリケーションに小康状態があるとき、PC-TCPモジュールは、バッチが完了したことを宣言し、上述した順方向誤り訂正フェーズに入る。いくつかの例では、PC-TCPモジュールによって形成されたバッチは、ソースアプリケーションが次のバッチのためのデータユニットを計算する間、ソースアプリケーションがPC-TCPモジュールにデータユニットを提供する間の小康状態の結果として、実際にソースアプリケーションによって生成されたデータユニットのバッチに対応することができ、それによって、ソースアプリケーションとPC-TCPモジュールによるバッチ処理が本質的に同期化される。
そのような一実施形態では、PC-TCPモジュールは、そのバッチ全体が受信機で正常に再構成されるまで、宣言されたバッチの前方エラー訂正モードのままである。別の実施形態では、ソースアプリケーションが、前のバッチが正常に再構成されたというフィードバックを受信機が提供する前に新しいデータユニットの提供を開始する場合、送信機のPC-TCPモジュールは、前のバッチの修復または順方向誤り訂正パケットよりも低い優先度で、次のバッチのためのオリジナルパケットの送信を開始する。このような実施形態は、次のバッチの送信開始までの時間を短縮することができ、したがって、次のバッチの正常な配信までの時間を短縮することができる。
送信元アプリケーションが必ずしも明示的なバッチでデータを提供しない実施形態では、受信機PC-TCPモジュールは、送信機PC-TCPモジュールで導入されたブロックまたはバッチ境界を必ずしも特定することなく、データ単位を送信先アプリケーションに順番に提供する。すなわち、少なくともいくつかの実施形態では、送信機PC-TCPモジュールおよび受信機PC-TCPモジュールは、ブロックおよびバッチ構造をアプリケーションに露出させることなく、アプリケーションデータユニットのための信頼性の高いチャネルを提供する。
特定の実施形態について上述したように、送信機PC-TCPモジュールは、受信機PC-TCPモジュールからの欠落パケットフィードバックに反応して、修復パケットを送信する。したがって、受信機がそのようなフィードバックを送信するメカニズムが、プロトコルの全体的な動作に影響を与える可能性があることは明らかであるべきである。例えば、一実施例では、受信機PC-TCPモジュールは、欠落パケットを観測するとすぐに否定的な確認応答を送信する。このようなアプローチは、ブロックの再構成のための最も低いレイテンシを提供するかもしれない。しかしながら、上で紹介したように、欠落パケットは、アウトオブオーダー配信の結果であってもよい。したがって、例えば、否定的な確認応答の送信の遅延による、欠落パケットフィードバックのあまり積極的でない生成は、そのブロックの再構成のための最小のレイテンシの増加のみで、不要な修復パケットの送信を減少させてもよい。しかしながら、否定的な謝辞の送信におけるそのような遅延は、後のブロックが不必要な修復パケットによって遅延されないため、ブロック全体の再構成に成功する時間に全体的にプラスの影響を与える可能性がある。謝辞の生成に対する代替的なアプローチを以下に説明する。
いくつかの実施形態では、修復パケットを送信するタイミングの決定の少なくとも一部は、送信機PC-TCPで実行される。例えば、受信機PC-TCPモジュールは、欠落パケットフィードバックの送信を遅延させないことができ、欠落パケットフィードバックが消去とは対照的にアウトオブオーダー配信に基づくものである可能性の重み付けに基づいて修理パケットの送信を遅延させるのは送信機PC-TCPモジュールである。
プロトコルパラメータ
プロトコルパラメータ
2つのPC-TCPエンドポイント間の通信は、パラメータに従って動作し、そのうちのいくつかはエンドポイントによって共通に維持され、いくつかは送信側および/または受信側のエンドポイントにローカルなものである。これらのパラメータのいくつかは、主に動作の前方誤り訂正の側面に関連している。例えば、そのようなパラメータは、符号化プロセスを通して導入される冗長性の程度を含む。後述するように、そのような符号化に関連するさらなるパラメータは、組み合わせで使用するためのパケットの選択に関連する。そのような選択の簡単な例は、入力データユニットのシーケンスを、独立して符号化された「フレーム」にセグメンテーションすることである。組み合わせのためのそのようなパケットの数(例えば、フレーム長)に加えて、他のパラメータは、データ単位のそのようなフレームの重複および/またはインターリーブ、および/またはそのようなデータ単位の線形組み合わせに関連してもよい。
さらなるパラメータは、一般に、通信アプローチのトランスポート層の特性に関連する。例えば、いくつかのパラメータは、輻輳回避に関連しており、例えば、未認識パケットのウィンドウのサイズ、伝送レート、またはPC-TCP通信の送信者から受信者へ送信されるパケットのタイミングまたは数に関連する他の特性を表す。
後述するように、通信パラメータ(例えば、符号化パラメータ、トランスポートパラメータ)は、様々な方法で設定されてもよい。例えば、パラメータは、2つのPC-TCPエンドポイント間のセッションの確立時に初期化されてもよい。それらのパラメータを設定するための戦略は、例えば、送信者と受信者を結ぶ通信パスの知識に応じて(例えば、3Gワイヤレス対ケーブルモデムなどのパスタイプの分類に応じて)、または他のセッションで経験された通信特性(例えば、同じ送信者、受信者、通信リンク、中間ノードなどを含む同時または先行セッション)に応じて、様々な情報源に基づいてもよい。通信パラメータは、例えば、観察された通信特性(例えば、輻輳、パケットロス、ラウンドトリップ時間など)に応答して、通信セッションの間に適応されてもよい。
トランスミッション制御
トランスミッション制御
PC-TCPアプローチのいくつかの側面は、送信者から受信者へのパケットの送信の制御に関するものである。これらの側面は、一般に、パケット内で何が送信されるかを決定するアプローチの側面、例えば、前方誤り訂正、再送、またはパケットが送信される順序(例えば、前方誤り訂正パケットバージョン再送パケットの相対的な優先度)とは別のものである。送信者から受信者への送信の準備ができているパケットのキューが与えられると、これらの送信の側面は、一般に、フローおよび/または輻輳制御に関連する。
輻輳制御
輻輳制御
二値増加輻輳制御(BIC)やCUBIC-TCPなど、現在のTCPの亜種は、高損失、大帯域幅、長い往復時間のネットワークにおける古典的なTCPの非効率性に対処するために提案されてきました。BIC-TCPおよびCUBICアルゴリズムは、その安定性から使用されてきた。バックオフ後、BICは輻輳ウィンドウを線形的に増加させ、その後、バックオフ直前のウィンドウサイズ(Wmaxで示される)に対数的に増加させ、その後、反対称的な方法でウィンドウを指数関数的に増加させ、その後、線形的に増加させます。CUBIC は、バックオフ後の輻輳ウィンドウを、 変曲点をWmaxに持つ 3 次関数に従って増加させます。Wmaxに近い場合、これらの増加関数により、輻輳ウィンドウはゆっくりと成長し、安定性を促進します。一方、HTCP や FAST TCP のような他のバリアントは、輻輳信号として遅延を使用することで、輻輳損失と非輻輳損失を部分的に区別できるという利点がある。
代替的な輻輳制御アプローチが、少なくともいくつかの実施形態で使用される。そのようないくつかの実施形態では、ウィンドウ増加関数の凹部を、
Wconcave (t) = Wmax+ c1 (t - k)3、と特定し、
Wconvex (t) = Wmax+ c2 (t - k)3、と特定する。
ここで、c1 および c2 は正の調整可能パラメータである。また、
であり、W は、バックオフ直後のウィンドウサイズである。
Wconcave (t) = Wmax+ c1 (t - k)3、と特定し、
Wconvex (t) = Wmax+ c2 (t - k)3、と特定する。
ここで、c1 および c2 は正の調整可能パラメータである。また、
であり、W は、バックオフ直後のウィンドウサイズである。
この代替的な輻輳制御アプローチは、異なるシナリオに対して柔軟に調整することができる。例えば、c1の値を大きくすると、Wmaxまでの輻輳ウィンドウがより急速に増加し、c2の値を大きくすると、Wmaxを超えて輻輳ウィンドウがより急速に増加することになる。
オプションで、遅延は、スロースタートを終了し、より保守的な輻輳回避フェーズに移行するためのインジケータとして使用され、例えば、平滑化されたRTTの推定値が、接続のために観測された最小RTTに対して設定された閾値を超えた場合などに、遅延は、接続のために観測された最小RTTと比較して、より保守的な輻輳回避フェーズに移行する。また、CUBICまたは他のTCPバリアントの増加機能を、オプションで、HTCPの遅延ベースのバックオフ機能と組み合わせることもできる。
いくつかの実施形態では、バックオフは、飛行中のパケット数が新しいウィンドウサイズに減少するまで、より低い送信レートを許容することによって平滑化される。例えば、一旦n個のパケットがバックオフに続いて確認されると、確認された2個のパケット毎に1個のパケットが送信されることが許可され、これは以前の送信レートの約半分であるような閾値nが設定される。これは、ハイブリッドウィンドウとレート制御方式に似ている。
伝送速度制御
送信者によるペーシング制御
伝送速度制御
送信者によるペーシング制御
少なくともいくつかの実施形態では、ペーシングは、パケット送信を調整および/または分散させ、送信レートをバースト性の低いものにするために使用される。ペーシングは、バッファオーバーフローからのパケット損失を減少させるのに役立ち得るが、ペーシングアルゴリズムの以前の実施形態では、ペーシングされたTCPの実施形態を非ペーシングされたTCPの実施形態と比較した場合に、明確な利点は示されていない。しかしながら、データパケットが上述のように符号化されたパケットである実施形態では、パケット符号化とペーシングの組み合わせは利点を有し得る。例えば、1つの符号化されたパケットは、複数の可能性のある失われたパケットを回復するために使用される可能性があるので、符号化を使用して、ペーシングの結果として生じる可能性のある任意の広がりのあるパケット損失からより効率的に回復することができる。実施形態では、パケット符号化およびペーシングの組み合わせは、選択的確認応答(SACK)を伴う符号化されていないTCPと比較して利点を有してもよい。
従来の TCP は、確認応答に基づいてエンド・ツー・エンドの輻輳制御を実装している。高帯域幅接続用に設計された TCP のバリエーションは、利用可能な帯域幅を探るために輻輳ウィンドウ (結果として送信レート) を迅速に増加させますが、ネットワーク内のバッファリングが不十分な場合、輻輳ウィンドウがオーバーシュートしたときにパケットロスのバーストが発生する可能性がある。
TCP の多くのバリエーションでは、ラウンドトリップ時間を決定したり、利用可能な帯域幅を推定したりするために確認応答フィードバックを使用しており、この情報を使用して輻輳ウィンドウや送信レートを制御するメカニズムが異なります。バリエーションによって、他のものよりも機能が良くなったり悪くなったりするシナリオがある。
つ以上の実施形態で使用される1つの一般的なアプローチでは、通信プロトコルは、例えば、パケット送信間の間隔(例えば、平均間隔、または同等に平均送信レート)を制御することによって、パケットの送信を誘導するために、送信パケットの確認応答間の間隔(例えば、平滑化された「ack間隔」)の平滑化された統計量を使用してもよい。広義には、送信間隔のこのガイドは、本明細書では"ペーシング"と呼ばれる。
いくつかの例では、ペーシングアプローチは、ウィンドウベースの輻輳制御アルゴリズムと組み合わせて使用される。一般に、輻輳ウィンドウは、いくつかの例では、TCPの既知の変種で使用されるものと同じまたは類似したウィンドウ制御アプローチを使用して、送信可能な未認識パケットの数を制御する。実施形態では、ウィンドウ制御アプローチは、本明細書に記載された新規な輻輳制御アルゴリズムに基づいている。
つ以上の側面の一般的な利点は、例えば、総スループット、または遅延および/または遅延の変動によって測定されるように、通信システムの機能を改善することである。これらの側面は、その混雑を低減するために「ペーシング」を使用することにより、ネットワークにおける混雑、およびそれに伴うパケット損失の技術的な問題に対処する。
この側面の利点は、ペーシングの別個の制御により、輻輳ウィンドウ内のパケットが相手側への通過速度と比較してあまりにも急速に送信されることを防ぐことができることである。個別のペーシング制御がなければ、少なくともいくつかの従来のTCPアプローチは、パケットの過度に急速な送信のバーストを許容し、これは、通信パス上の中間ノードでパケット損失をもたらす可能性がある。これらのパケットロスは、プロトコルによって輻輳の結果として効果的に解釈される可能性があり、その結果、プロトコルはウィンドウサイズを縮小することになる。しかし、ウィンドウサイズは、例えば、パスの利用可能な帯域幅および遅延に対して適切であるかもしれず、したがって、ウィンドウサイズを減少させる必要がないかもしれない。一方、ピーク伝送レートを減少させることは、例えば、パス上の中間バッファのオーバーフローを回避することにより、パケット損失を回避する効果を有することができる。
少なくともいくつかの実施形態の別の利点は、送信プロセスに対するより細かいレベルの追加の制御を提供することによって、高帯域幅シナリオのための凸窓増加関数の下でのパケット損失の大きなバーストを防止することである。
アプローチの少なくともいくつかの実施形態は、H-TCPやCUBICのような既存の高帯域幅のTCPの亜種の利点を活用しつつ、それらの凸窓増加関数の下でのパケット損失の大規模なバーストを防止し、より正確なレベルの制御を提供することができる。例えば、ペーシング制御は、既存のTCPプロシージャからチャネルにパケットを提供する速度をペースさせるために実装されてもよく、既存のTCPプロシージャは、典型的には、例えばそのウィンドウベースの輻輳制御プロシージャに基づいて、通信チャネルへのパケットの提示をさらに制限するか、または個別に制限する。
実際には、ペーシングをウィンドウ制御から分離することで、4G LTE上で従来のTCPを大幅に上回るパフォーマンスを発揮することが観察されている特定の例がある。
図214を参照して、一実施例では、ソースアプリケーション1010は、通信チャネル1050を介してデスティネーションアプリケーション1090にデータを渡す。ソースアプリケーション1010からの通信は、宛先アプリケーション1090にリンクされた対応するトランスポート層1080との通信セッションを維持するトランスポート層1020に渡される。一般に、トランスポート層は、対応するアプリケーションと同じコンピュータ上で実行されるソフトウェアとして実装されてもよいが、例えば、プロキシアプローチの使用を通じて、示されているアプリケーションおよびトランスポート層要素は、別々の結合されたコンピュータ上で分割されてもよいことが認識されるべきである。実施形態では、プロキシがアプリケーションとは別個のマシンまたはデバイス上で実行されている場合、アプリケーションは、プロキシ層と通信するために、そのマシン上のトランスポート層を使用してもよい。
図214において、ソースアプリケーションにおけるトランスポート層1020は、ウィンドウ制御および再送要素1030を含む。いくつかの実施形態では、この要素は、従来のTCPアプローチを実装し、例えば、H-TCPまたはCUBICアプローチを実装する。他の実施形態では、この要素は、本明細書に記載される新規な輻輳制御アルゴリズムを実装する。宛先のトランスポート層1080は、対応する要素1060を実装してもよく、この要素は、送信元のウィンドウ制御および再送要素1030にパケットの確認応答を提供してもよい。一般に、要素1030は、宛先で受信されるアクノリッジに基づくウィンドウベースの輻輳制御アプローチを実装してもよいが、ウィンドウ制御に対する特定のアプローチは必須ではないことが理解されるべきであり、いくつかの実施形態では、要素1030は、ウィンドウ制御以外のアプローチを使用して輻輳制御を実装する別の要素で置換されてもよい。
機能的には、プロトコルの2つの要素を損失回復とレート/輻輳制御と考えることができる。損失回復は、従来の再送を使用するか、符号化を使用するか、または再送と符号化の組み合わせとして実装することができる。レート/輻輳制御は、受信機および/または利用可能なチャネル容量のオーバーランを回避することを目的とすることができ、ペーシングの有無にかかわらずウィンドウ制御を使用して、または直接レート制御を使用して実装することができる。
一般に、トランスポート層を結合するチャネル1050は、送信元および送信先における下層プロトコルソフトウェアと、送信元から送信先へのパス上のコンピュータおよび他のネットワークノードを結合する一連の通信リンクとを含んでもよい。
従来のアプローチと比較して、図192に示すように、レート制御要素1040は、ウィンドウ制御および再送要素1030とチャネル1050との間のパス上にあってもよい。このレート制御要素は、宛先から受信されるアクノリッジを監視してもよく、一般的に遅延なくウィンドウ制御および再送要素1030に渡してもよい。レート制御要素1040は、ウィンドウ制御および再送要素1030からチャネル1050上で送信するためのパケットを受信し、それらを直接チャネル1050に渡すか、またはチャネル上での送信レートを制限するためにそれらをバッファリングする。例えば、レート制御要素1040は、連続するパケット間の最小間隔を要求してもよいし、複数のパケットにわたる平均レートを制御してもよい。
実施形態では、宛先から送信元へのリターンチャネル上で送信されるアックは、ペーシングされてもよく、また、消去およびバースト的損失から回復するために符号化を利用してもよい。実施形態では、アックのパケット符号化および送信制御は、リターンチャネル上に輻輳がある場合に特に有用であるかもしれない。
一実施形態では、レート制御要素1040は、(各アックでアックされたパケットの数を考慮して)アバックレメント間隔に基づいて推定された平均的な(すなわち、平滑化された)パケット間配信間隔を維持してもよい。いくつかの実施形態では、この平均化は、過去のサンプル間到着時間の減衰平均として計算されてもよい。これは、大きなサンプル値が送信時間のギャップまたはパケットストリームの損失に起因する可能性が高いかどうかの判断に基づいて破棄するためのロジックを組み込むことによって、また、異なる既知のネットワークの異なる特定の特性に見合った推定間隔の上限および下限を設定可能に設定することによって、洗練されてもよい。次に、レート制御要素1040は、この平滑化された認識間時間を使用して、例えば、認識間時間の分数として、最小の送信間時間を設定してもよい。このフラクションは、パケット損失およびRTTの増加率(これは、現在の送信率が高すぎるかもしれないという指標であるかもしれない)とともに増加させることができ、低損失下でのRTTの減少率とともに減少させることができ、例えば、パラメータが安定性と変化に対する応答性との間のトレードオフのために調整されることができる比例制御のような制御アルゴリズムを使用することができる。このフラクションの上限および下限は、例えば0.2および0.95のような構成可能なパラメータとすることができる。その後、送信パケットは、少なくともこの設定された最小値の送信間時間でチャネル1050に提示されるように制限される。他の実施形態では、送信間間隔は、平滑化された平均間隔またはレートに基づいて、平滑化された平均間隔またはレートを維持するように制御される。
上述した推定配信間隔、パケット損失率、およびRTTを有するペーシング間隔の短い時間スケールの調整に加えて、より長い時間スケールで計算された平滑化された損失率に基づいてペーシングアルゴリズムの全体的な攻撃性を調整するより長い時間スケールの制御ループも存在することができ、より高い損失率は、ペーシングが攻撃的すぎる可能性があることを示す。より長いタイムスケールの調整は、クライアントが連続する接続にわたって状態を維持し、後続の接続要求に初期化情報を含めることによって、短い持続時間の接続にわたって適用することができます。このより長いタイムスケール制御は、異なるタイムスケールで動的に変化する多様なネットワークシナリオへの適応を改善するために有用である。
図215を参照して、いくつかの実施形態では、通信チャネル1050は、通信ネットワーク1151、1152の1つまたは相互接続において、複数のノード1161、1162にまたがっている。図193において、ソースアプリケーション1010は、ソースコンピュータ11011上のトランスポート層1020との同居者として図示され、同様に、トランスポート層1080は、デスティネーションアプリケーション1090とのデスティネーションコンピュータ11090上の同居者として図示されている。
上述の説明は、通信の単一の方向に焦点を当てているが、一般的に、双方向の実装は、宛先アプリケーションからソースアプリケーションへの対応するパスを含むであろうことが認識されるべきである。いくつかの実施形態では、両方向は対応するレート制御要素1040を含み、他のアプリケーションでは、一方の方向(例えば、ソースからデスティネーションアプリケーションまで)のみがレート制御を実装してもよい。例えば、サーバ、またはソースアプリケーションと宛先アプリケーションのトランスポート層1080との間のパス上の別のデバイスまたはネットワークノードでレート制御要素1040を導入することは、宛先でのソフトウェアの変更を必要としない場合がある。
レシーバーによるペーシング
レシーバーによるペーシング
上述したように、送信者は、ackを用いて、パケットが受信機に到達するレート/インターバル、損失率、RTTの変化率を推定し、それに応じてペーシングインターバルを調整することができる。しかし、この推定された情報は、ackが失われたり、遅延したりした場合には、ノイズが発生する可能性がある。一方、このような情報は、受信機において、RTTの代わりにOWTTを用いることで、より正確に推定することができる。ペーシング間隔を実際の値ではなくOWTTの変化率に基づいて設定することで、送信側と受信側で同期したクロックを必要としないようにすることができます。ペーシング間隔は、ackの追加フィールドとして含めることで送信者にフィードバックすることができます。ペーシング計算が送信側で行われるか受信側で行われるか、またはパケット受信毎ではなく n 個のパケット毎に行われるかの選択は、送信側/受信側のCPU/負荷の考慮によっても影響を受ける可能性がある。
エラー制御
エラー制御
従来の TCP は、パケットロスのあるネットワークではパフォーマンスが低下します。輻輳制御は、パケット損失の予測レベルからの保護と、受信機からのフィードバックによって示される実際の損失からの回復を提供するために、符号化されたパケットが前方誤り訂正(FEC)のために送信されるように、符号化と組み合わせることができます。
パケット符号化と輻輳制御の単純な組み合わせが以前に提案されているが、先行技術では、輻輳関連損失、バーストおよび/またはランダムパケット損失の違いを十分に考慮していない。輻輳関連損失は、比較的頻度の低いバーストとして発生する可能性があるので、FECを使用してこのタイプの損失から保護することは非効率的であるかもしれない。
少なくともいくつかの実施形態では、損失イベントが発生するレートが推定される。損失イベントは、孤立したパケット損失または連続したパケット損失のバーストのいずれかとして定義されてもよい。いくつかの例では、送信元PC-TCPは、パケット損失の推定レートではなく、損失イベントの推定レートでFECパケットを送信してもよい。この実施形態は、輻輳関連損失の影響を不釣り合いに受けない可能性があるので、非有用なFECパケットを削減するための効率的な方法である。
例示的な実施形態では、FECのコードレートおよび/またはパケット送信レートは、アプリケーション層で見られる有用なスループット(グッドプットとも呼ばれる)と回復遅延との間でトレードオフするために、調整可能にすることができる。例えば、損失イベントの推定レートに対するFECレートの比率は、基礎となる通信経路の事前知識を用いて設定されるか、または基礎となる通信経路の特定の測定を行うことによって動的に調整される、調整可能なパラメータとすることができる。
別の例示的な実施形態では、ある長さまでの損失バーストが発生する速度が推定されてもよく、FECのための適切なバーストエラー補正コード、またはバーストエラーと孤立エラーの組み合わせを補正するコードが使用されてもよい。
別の例示的な実施形態では、異なるブロックのためのFECは、バースト損失に対してより効果的にインターリーブすることができる。
他の例示的な実施形態では、データパケットは、FECパケットよりも優先的に送信され得る。例えば、FECパケットは、送信されるべきデータパケットがないときには、構成されたレートまたは推定損失レートで送信され、送信されるべきデータパケットがあるときには、送信されないか、または縮小されたレートで送信され得る。一実施形態では、FECパケットは、送信されるべきデータパケットがあるときにクリアされる別のキューに配置される。
他の例示的な実施形態では、各ブロックにおけるFECのコードレート/量および/またはFECパケット送信レートは、推定損失率に加えて、ブロックの未認識自由度数に対するブロック数および/または飛行中のパケット数の調整可能な関数とすることができる。後のブロックのためのFECパケットは、接続の終了時に回復遅延を最小化するように、以前のブロックのためのFECよりも優先的に送信することができ、例えば、各ブロックから送信されるFECパケットの数は、完全に認識されていない最新のブロックからのブロックの数の調整可能な関数とすることができる。FECパケット間の送信間隔は、パケット損失確率が送信レートと共に増加するシナリオにおいて、送信遅延とFECパケットを失う確率との間でトレードオフするように、対応するブロックの未認識自由度数に対する飛行中のパケット数の増加関数とすることができる。
他の例示的な実施形態では、消去補正性能に実質的に影響を与えることなく符号化の複雑さを低減するために、符号化パケットの符号化係数の可変ランダム選択された分数を1または0に設定することができる。体系的符号化において、1つ以上の密に符号化されたパケットの後にのみ0の係数を導入すること(すなわち、0の係数が存在しないか、または少ない)は、消去補正性能にとって重要であるかもしれない。例えば、ブロック内の最初のFECパケットは、確率0.5で各係数を1に設定し、確率0.5で符号化フィールドから一様にランダムな値に設定することができる。ブロック内のそれ以降の FEC パケットは、各係数が確率 0.5 で 0 に設定され、確率 0.5 で一様にランダムな値に設定される可能性がある。
パケットの並び替え
パケットの並び替え
上で紹介したように、パケットは、例えば、複数のパスをトラバースするパケット、一部のネットワーク機器における並列処理、パスの再構成(例えば、セルラーネットワークにおけるハンドオフ)などにより、一部のネットワーク上では、アウトオーダーで受信されることがある。一般的に、従来のTCPは、輻輳ウィンドウのサイズをバックオフすることによって、秩序のないパケットに反応する。バックオフを必要とする輻輳がない場合、このようなバックオフは不必要にパフォーマンスを低下させる可能性がある。
いくつかの実施形態では、混雑に起因しないパケット再順序付けを処理するアプローチでは、受信したパケットのシーケンス番号のギャップを観察している受信機は、限定された時間の間、確認応答の送信を遅延させてもよい。パケットが欠落している場合、受信機はそのパケットが失われた(消去された)のか、単に並べ替えられただけなのかをすぐに知ることができない。受信機は、ギャップが後続のパケットの到着によって埋められたかどうかを確認するために、ギャップを示す確認応答の送信を遅らせる。いくつかの例では、ギャップを観測すると、受信機は、構成可能な「再順序化検出」時間間隔、例えば20ミリ秒のための第1のタイマーを開始する。その後、ギャップからのパケットがこの時間間隔内に受信された場合、受信機は、設定可能な「ギャップ充填」時間間隔、例えば、30ミリ秒のための第2のタイマーを開始する。ギャップが充填される前に第1のタイマーまたは第2のタイマーが期限切れとなった場合、ギャップを示す確認応答が送信元に送信される。
少なくともいくつかの実施形態では、送信元は、受信パケットのギャップを示す確認応答を受信すると、例えば、十分な数のFECパケットが既に送信されていない場合、受信パケットのギャップを補償するために修復パケットを送信すべきかどうかを決定する。
別の側面では、送信者は、バックオフ前の関連する輻輳制御状態情報(輻輳ウィンドウを含む)、および最近のパケットロスの記録を保存してもよい。送信者が、ギャップ/損失を報告するアックを受信し、その後、順番外のパケット受信によってギャップが満たされたことを報告する1つ以上の他のアックを受信した場合、先のアックによって引き起こされたバックオフは、バックオフ前の記憶された状態を復元することによって元に戻すことができる。
別の側面では、受信したアックのシーケンス番号のギャップを観察している送信者は、限られた時間の間、輻輳ウィンドウのバックオフを遅延させることができる。ackが欠落している場合、送信者は、パケットが失われたのか、またはackが単に順序が変更されただけなのかをすぐに知ることはできない。送信者は、後続の ack の到着によってギャップが埋められるかどうかを確認するために、輻輳ウィンドウのバックオフを遅らせます。いくつかの例では、ギャップを観測すると、送信者は、設定可能な「再順序化検出」時間間隔、例えば20ミリ秒のための第1のタイマーを開始する。ギャップからのアックがこの時間間隔内に受信された場合、送信者は、設定可能な「ギャップ充填」時間間隔、例えば、30ミリ秒のための第2のタイマーを開始する。ギャップが満たされる前に第1のタイマーまたは第2のタイマーが期限切れになると、輻輳ウィンドウのバックオフが発生します。
いくつかの例では、時間間隔を使用する代わりに、パケットシーケンス番号を使用する。例えば、Ackの送信は、参照失われたパケットよりも先の指定されたシーケンス番号であるパケットが受信されるまで遅延させることができる。同様に、バックオフは、参照失われたパケットよりも先の指定されたシーケンス番号であるパケットの確認応答が受信されるまで遅延させることができる。いくつかの実施例では、これらのアプローチは、パケットシーケンスの穴が埋まるにつれて参照失われたパケットのシーケンス番号をシフトすることによって、その後に受信された/認識された再順序化されたパケットを考慮に入れることができるという利点を有する。
パケットの並び替えを修正するためのこれらの方法は、大量の並び替えがある可能性があるマルチパスバージョンのプロトコルでは特に有用であるかもしれません。
アクノレッジ(ack、またはアック)
遅延したアクノレッジ
アクノレッジ(ack、またはアック)
遅延したアクノレッジ
少なくともいくつかの実施形態では、従来のTCPは、受信した2つのデータパケットごとに1つの確認応答を送信する。このような遅延アッキングは、データパケットごとに確認応答を送信する場合と比較して、アッキン グトラフィックを削減します。このような ack トラフィックの削減は、データ送信とack送信の両方が同じチャネルを争う Wi-Fi ネットワークのように、リターンチャネルで競合がある場合に特に有益です。
ack間隔を n >2 の値にすることで、つまり n 個のデータパケットごとに 1 回の確認応答を送信することで、ackトラフィックをさらに減らすことができます。しかし、送信者がACKを受信する頻度を減らすと、送信の遅延(輻輳ウィンドウが満杯の場合)やバックオフ(損失のフィードバックが遅れている場合)が発生し、パフォーマンスが低下する可能性がある。
ある側面において、送信者は、その残りの輻輳ウィンドウ(すなわち、その輻輳ウィンドウから飛行中の未認識パケット数を差し引いたもの)、および/または送信されるべき残りのデータに部分的に基づいて、遅延アッキングが許可されるべきかどうか、またはどの程度許可されるべきかを決定することができる。例えば、遅延アッキングは、パケットロスがある場合、または残りの輻輳ウィンドウが何らかの(調整可能な)閾値を下回る場合には無効にすることができる。あるいは、アック間隔は、残りの輻輳ウィンドウとともに減少させることができる。別の例として、送信されるべき残りのデータ量が残りの輻輳ウィンドウよりも小さい場合、遅延アックは許容され得るが、最後の残りのデータパケットの確認に遅延がないように、最後の残りのデータパケットについては許容されない。この情報は、遅延アッキングが許可されているかどうかを示すフラグとして、または、例えば、許可されたアッキング間隔を示す整数として、データパケット中に送信することができる。
遅延アッキングに影響を与えるために送信側で関連する状態情報を使用することで、従来の値である2を超えてアッキング間隔を増加させることが可能になるかもしれません。
さらにack遅延を制限するために、ackが送信されるたびに、遅延ackタイマーを設定して、設定された遅延時間、例えば25ミリ秒で終了するように設定することができます。タイマーが切れると、最後のack以降に受信したデータパケットは、ack間隔nよりも少ないパケットが到着していたとしても、確認することができます。最後のack以降にパケットを受信していない場合は、次のデータパケットを受信した時点でackを送信することができます。
パラメータ制御
初期化
パラメータ制御
初期化
いくつかの実施形態では、PC-TCPモジュールのセッションパラメータを確立するために、デフォルトパラメータの予め設定されたセットが使用される。他の実施形態では、より良い初期パラメータを選択しようとするアプローチが使用される。アプローチには、他の同時または以前のPC-TCPセッションからのパラメータ値の使用、通信チャネルの特性から決定されたパラメータ、例えば、異なるタイプのチャネルに関連付けられた保存されたパラメータから選択されたパラメータ、または転送されるデータの性質(例えば、バッチ対ストリーム)に応じて送信元または宛先アプリケーションによって決定されたパラメータが含まれる。
チューナブルなコーディング
チューナブルなコーディング
図216を参照すると、パラメータが「調整」される実施形態では、(例えば、受信機からのフィードバックを介して、または他の考慮事項に基づいて)サーバアプリケーション2411は、通信チャネル2452を介してクライアントアプリケーション2491と通信中である。一例では、サーバアプリケーション2411は、例えば、クライアントアプリケーションが実行されているデバイスのユーザに提示するために、クライアントアプリケーション2491によって受け入れられるマルチメディアコンテンツ(例えば、ビデオ)をエンコードするデータストリームを提供してもよい。チャネル2452は、典型的には一連のネットワークリンクであるものを表してもよく、例えば、サーバローカルエリアネットワーク上のプライベートリンクをトラバースするリンク、パブリックインターネットをトラバースするリンク、携帯電話ネットワークの固定(すなわち、有線)部分をトラバースするリンク、およびユーザのデバイス(例えば、携帯電話チャネルまたは衛星リンクまたは無線LAN)への無線無線チャネルをトラバースするリンクを含む、1つ以上のタイプのリンクを含んでもよい。
チャネル2452は、一連のデータユニットを運ぶものとして扱われてもよく、これらのデータユニットは、インターネットプロトコル(IP)パケットに直接対応するとは限らない。例えば、いくつかの実施形態では、複数のデータユニットが1つのIPパケットに連結されているが、他の実施形態では、各データユニットは、別個のIPパケットを使用するか、またはIPパケットの一部のみを使用する。まだ他の実施形態では、インターネットプロトコルが使用されないことが理解されるべきであり、以下に説明する技術は、チャネル2452を介してデータユニットを渡す方法に依存しないことが理解されるべきである。
送信機2421は、サーバアプリケーション2411をチャネル2452に結合し、受信機2481は、チャネル2452をクライアントアプリケーション2491に結合する。一般に、送信機2421は、サーバアプリケーション2481からの入力データ単位を受け入れる。一般に、これらのデータ単位は、チャネル2452を介して渡されるとともに、バッファ2423内に一定期間保持される。時折、エラー制御(EC)コンポーネント2425は、バッファ2423内に保持された入力データユニットのサブセットから冗長データユニットを計算し、その冗長データユニットをチャネル2452を介して渡してもよい。受信機2481は、チャネル2452からのデータ単位を受け入れる。一般に、チャネル2452は、データユニットを消去し、並べ替えてもよい。消去は、受信機で受信されることのない「ドロップされた」データユニット、および受信されたが回復不可能なエラーを有することが知られている破損したデータユニットに対応してもよく、したがって、大部分はドロップされたデータユニットとして扱われる。受信機は、受信された入力データ単位および冗長データ単位の履歴をバッファ2483内に保持してもよい。受信機2481におけるエラー制御コンポーネント2485は、受信された冗長データ単位を使用して、チャネルを介して受信されたシーケンスにおいて欠落している可能性のある消去された入力データ単位を再構成してもよい。受信機2481は、受信された再構成された入力データ単位をクライアントアプリケーションに渡してもよい。一般に、受信機は、これらの入力データユニットを、送信機で受信された順番でクライアントアプリケーションに渡してもよい。
一般的に、チャネルに消去または再順序付けがない場合、受信機は、チャネルのトラバーサル特性に起因する可能性のある遅延および遅延変動を有する入力データユニットをクライアントアプリケーションに提供することができる。データユニットがチャネル2452内で消去された場合、受信機2481は、消去されたユニットを再構成するために、バッファ2483内の冗長ユニットを利用してもよい。そのためには、受信機は、再構成に有用である可能性のある冗長ユニットの到着を待たなければならない場合がある。送信機が冗長データユニットを計算して導入する方法は、一般に、再構成を実行するために導入される可能性のある遅延に影響を与える。
送信機が前方誤り訂正機能の一部として冗長データ単位を計算して導入する方法は、受信機での再構成処理の複雑さやチャネルの利用率にも影響を与えます。さらに、送信機が冗長データ単位をチャネルに導入する方法の性質にかかわらず、統計的には、消去されたデータ単位を再構成するために冗長データ単位に十分な情報がない消去されたデータ単位が存在する場合がある。このような場合、エラー制御コンポーネント2485は、送信機2421のエラー制御コンポーネント2425に情報の再送を要求してもよい。一般に、この再送された情報は、消去されたユニットに依存する更なる冗長性情報の形をとってもよい。この再送プロセスは、消去されたユニットが受信機に利用可能になるまでの遅延を導入する。したがって、送信機が冗長情報を導入する方法は、情報の再送を要求する必要がある頻度などの統計にも影響を与え、それに伴って、通常導入される冗長情報を用いて再構成できない消去されたユニットを再構成する際の遅延をもたらす。
いくつかの実施形態では、エラー制御コンポーネント2485は、送信機が冗長情報を導入する方法に影響を与えるための情報をエラー制御コンポーネント2425に提供してもよい。一般的に、この情報は、チャネル上のユニット上の消去のレート(またはより一般的にはパターン)、バッファ2483内の利用可能なユニットのレート(またはより一般的にはタイミングパターン)、および/またはクライアントアプリケーション2491内の未使用データの状態のうちの1つまたは複数に基づいてもよい。例えば、クライアントアプリケーションは、受信機がこれ以上のユニットを送信しない場合、クライアントアプリケーションがその時点で入力ユニットのために「飢餓状態」になるように、受信機が既にクライアントアプリケーションに提供したデータユニットの「プレイアウト時間」(例えば、ミリ秒単位)を提供してもよい。他の実施形態では、受信機から情報を受信するのではなく、または受信機から情報を受信することに加えて、送信機のエラー制御コンポーネント2425は、他の場所、例えば、輻輳情報を送り返すネットワーク内の計装されたノードからフィードバックを得ることができることに留意されたい。
図217を参照すると、送信機がチャネル上を通過するユニットのストリームに冗長データユニットを導入する一組の例示的な方法は、入力データユニットと冗長データユニットの交互の実行を利用する。図217において、チャネル2452上を「飛行中」であるデータユニットは、図中、左から右へと通過するように図示されている。送信機は、p個の入力データ・ユニットのシーケンスとq個の冗長データ・ユニットのシーケンスとを交互に繰り返すシーケンスとしてチャネル上にデータ・ユニットを導入する。データ単位が同じサイズであると仮定すると、これはレート
R = p / (p + q)
のコードに相当します。p = 4、q = 2 の例では、コードは、
R = 2 / 3
のレートを有する。
R = p / (p + q)
のコードに相当します。p = 4、q = 2 の例では、コードは、
R = 2 / 3
のレートを有する。
多くの実施形態では、冗長単位は、過去の入力単位のランダムな線形組み合わせとして計算される。以下の説明では、そのようなアプローチに焦点を当てているが、全体的なアプローチは、例えば、低密度パリティチェック(LDPC)コードや他の誤り訂正コードを使用した冗長情報の他の計算にも適用可能であることが理解されるべきである。図217に示すアプローチでは、q個の冗長データ単位の各実行は、前のd個の入力単位の関数として計算され、ここでは、一般的に、しかし必ずしもd>pである必要はなく、いくつかのケースでは、送信された最新のd個のデータ単位は使用されず、したがって、冗長データ単位は、d-d個の入力データ単位のウィンドウから計算される。図217では、d=2、D=10、およびD-d=8である。D-d>pであるため、冗長データ単位の連続した実行の計算に使用される入力データ単位のウィンドウが重複しており、そのため、任意の特定の入力データ単位は、一般に、チャネル上のq単位の実行のうちの1つ以上の冗長データ単位に寄与することになることに注意されたい。
図217および後述する図218~219と同様に、バッファリングされた入力データ単位(すなわち、図216のバッファ2423内)は、下(過去)から上(未来)へと時間が走る状態で左側に示されており、q個の冗長単位の実行を計算するために使用されるD-d単位の各セットは、矢印で図示されている。入力データ単位の実行と冗長単位の実行が交互に行われる送信単位のシーケンスは、右から左に時間が流れるように示されている(すなわち、左には後のパケットが示されている)。受信機で受信してバッファリングされたデータ単位は右に(下の方が古い)、D-d 入力単位の実行から計算された冗長単位は、それらのデータ単位の計算に使用された入力データ単位の範囲を表す矢印の隣に表示されている。まだ受信していないデータ単位と入力データ単位の範囲を破線で示す。
図218および219は、パラメータの異なる選択を示す。図218では、p=2、q=1であり、符号は、図217のパラメータの選択時と同じレートR=2/3を有する。また、図217の選択時と同様に、d=2、d=10、d-d=8である。したがって、図217と図218との違いは、必ずしも順方向のエラー保護の程度ではない(バースト消去の効果は2つの場合で多少異なるかもしれないが)。より重要なことに、図218の配置は、一般に、図217の配置と比較して、消去されたデータユニットの時刻から、そのユニットを再構成するための冗長情報の到着までの遅延がより低いことを提供する。一方、受信機での処理の複雑さは、図216の配置と比較して、図218の配置では、冗長性ユニット情報が入力データユニットの複数の異なるサブセットを使用するため、消去されたデータユニットを再構成する際により多くの計算を必要とする可能性があることもあり、図216の配置と比較して、受信機での処理の複雑さがより大きくなる可能性がある。図219に目を向けると、別の極端な例では、パラメータの選択は、選択D=8、q=4の長いブロックを使用する。ここでも、このコードのレートはR=2/3です。一般に、このパラメータの選択は、図217および218に示されたパラメータの選択と比較して、消去されたデータユニットの再構成においてより大きな遅延を生じる。一方、D=8個の入力データユニットのブロックあたり最大4個の消去データユニットの再構成は、図217および218に示された選択によって必要とされるよりも比較的複雑ではない。
符号の特定のレート(例えば、レートR=2/3)について、例示的には、受信されたフィードバックは、パラメータの変化、例えば、(p,q)=(2,1)または(4,2)または(8,4)の間で、受信機でバッファリングされたデータの量に依存して、したがって、再構成遅延に対する受信機の許容度に依存して、結果として、パラメータの変化をもたらし得る。
図25~図27に示された例のように、q=p(1-R)/Rが整数であることは必須ではないことに注意されたい。いくつかの実施形態では、冗長ユニットのランの長さは、
と、
との間であり、平均は、ave(q) = p (1 - R) / R である。
と、
との間であり、平均は、ave(q) = p (1 - R) / R である。
上述したアプローチの変形例では、異なる入力データユニットは、他の入力データユニットとは異なる程度に保護されるような、異なる「優先度」または「重要度」を有する。例えば、ビデオコーディングにおいて、独立して符号化されたビデオフレームを表すデータユニットは、異なる符号化されたビデオフレームを表すデータユニットよりも重要であってもよい。例えば、優先度がI = 1, 2 , ...とインデックス化されている場合、冗長データ単位の割合ρi ≦ 1 (ここで、Σi ρi = 1)は、優先度≦i のデータ単位を使用して計算されてもよい。例えば、長さ p の入力データ単位のブロックを持つレート R 符号の場合、ブロックあたりの平均的な ρi p (1 - R) / R 冗長データ単位は、優先度≦i の入力データ単位から計算される。
D の値は、一般的にストリーミング・アプリケーションのターゲット・プレイアウト遅延から通信遅延の変動性のための適切なマージンを差し引いた値を超えてはなりません。プレイアウト遅延は、メッセージ・パケットが送信される時間と、ストリーミング・アプリケーションの出力を生成するために受信機で利用可能であるべき時間との間の遅延である。これは、時間の単位で表すこともできるし、その間隔で送信されたパケットの数で表すこともできる。Dは、ストリーミング・アプリケーションの典型的なまたは所望のプレイアウト遅延に基づいて最初に設定することができ、受信機/アプリケーションからの追加情報を用いて適応させることができる。さらに、より小さい値を選択することで、消去補正能力を犠牲にしてメモリおよび複雑さを低減することができる。
パラメータdは、メッセージパケットとそのメッセージパケットを含むパリティとの間の最小の分離を指定する。まだ受信されていないメッセージパケットを含むパリティは、そのパリティに含まれる以前のメッセージパケットを回復するのに有用ではないので、最小パリティ遅延を設定することは、パリティ間隔にも部分的に依存して、パケットの再順序付けが起こることが予想される/観測される場合に、復号化遅延を改善することができる。
図220を参照して、上述のアプローチを利用した例示的な実施形態では、サーバアプリケーション2411は、サーバノード810において送信機2421とともにホストされ、クライアントアプリケーション2491は、1つまたは複数のクライアントノード891、892においてホストされる。上述したアプローチを使用して様々なタイプのデータが伝送されてもよいが、一例として、符号化されたマルチメディア(例えば、ビデオおよびオーディオ)データのストリーミングが挙げられる。通信チャネル2452(図216参照)は、本図では、それらのそれぞれのネットワーク内のノード861~862を介して、1つ以上のネットワーク851~852を通る経路として構成される。いくつかの実施形態では、受信機は、クライアントアプリケーション490と同じデバイス上にホストされているクライアントノード891でホストされる。
クロスセッションパラメータ制御
クロスセッションパラメータ制御
いくつかの実施形態では、トランスポート層のセッションの制御は、接続をまたいだ情報、例えば、同時セッションをまたいだ情報、または異なる時間に発生するセッションをまたいだ情報を使用する。
標準 TCP は、確認応答に基づいたエンドツーエンドの輻輳制御を実装している。起動しているがまだ確認応答を受信していない新しい TCP 接続は、輻輳ウィンドウと再送タイムアウトの初期設定可能な値を使用します。これらの値は、さまざまなタイプのネットワーク設定に合わせて調整することができます。
いくつかのアプリケーション、例えばウェブブラウザアプリケーションは、クライアントアプリケーション(例えば、ブラウザ)とサーバアプリケーション(例えば、特定のサーバコンピュータにおける特定のウェブサーバアプリケーション)との間の複数の接続を使用してもよい。従来、単一のウェブ「ページ」をレンダリングするために情報にアクセスする場合、クライアントアプリケーションは、クライアントコンピュータとサーバコンピュータとの間で多数の別個のTCPセッションを行ってもよく、従来のTCP制御を使用して、各セッションは実質的に独立して制御される。この独立した制御には、別個の輻輳制御が含まれる。
このような複数のセッションを持つことで生じる技術的な問題に対処するための一つのアプローチが、SPDYプロトコルです(例えば、SPDYプロトコル - ドラフト3.1、http://www.chromium.org/spdy/spdy-protocol/spdy-protocol-draft3-1 を参照)。SPDYプロトコルはHTTPトラフィックを操作するアプリケーション層のプロトコルであり、ウェブページのロード遅延の低減とウェブセキュリティの向上を特に目標としている。一般的に、SPDY は HTTP と HTTPS プロトコルのトンネルを効果的に提供します。SPDY を介して送信されると、HTTP リクエストは処理され、トークン化され、簡素化され、圧縮されます。結果として得られたトラフィックは、単一のTCPセッションを介して送信され、それにより、特定のクライアントとサーバコンピュータ間で複数の同時TCPセッションを使用することに伴う問題や非効率性を回避することができます。
一般的な側面では、通信システムは、コンピュータまたはネットワークノード間の通信に関連する情報を維持する。例えば、維持される情報は、他方のコンピュータへの帯域幅および/または他方のコンピュータからの帯域幅、現在または過去の輻輳ウィンドウサイズ、ペーシング間隔、パケット損失率、往復時間、タイミングの変動性などを含むことができる。情報は、現在アクティブなセッションに関する情報および/または過去のセッションに関する情報を含むことができる。維持された情報の一つの使用法は、情報が維持されているコンピュータ間の新しいセッションのためのプロトコルパラメータを初期化することであるかもしれない。例えば、新しいTCPまたはUDPセッションのための輻輳ウィンドウサイズまたはペーシングレートは、他の同時または過去のセッションの輻輳ウィンドウサイズ、ペーシング間隔、ラウンドトリップ時間、および損失率に基づいて初期化されてもよい。
図2221を参照して、通信システム1200は、エンドポイント間の通信セッションに関する情報を保持する。例えば、これらの通信セッションは、ネットワーク1250を介して通過し、サーバ1210、または1つ以上のサーバ1214にサービスを提供するプロキシ1212とクライアント1290との間を通過してもよい。様々な実施形態では、この情報は、様々な場所に保存されてもよい。いくつかの実施形態では、クライアント1290は、現在または過去の接続に関する情報を保持する。この情報は、特定のサーバ1210またはプロキシ1212に固有のものであってもよい。この情報は、集約された情報を含んでもよい。例えば、携帯電話ネットワーク上のスマートフォンの場合、情報の一部は、複数のサーバからの接続に対して汎用的であってもよく、サーバ1210への特定のパスではなく、セルラーネットワークによって課せられた特性を表してもよい。いくつかの実施形態では、サーバ1210またはプロキシ1212は、特定のクライアント1290との過去の通信に基づいて情報を保持してもよい。いくつかの実施例では、クライアントとサーバは、情報がシステム1200全体に分散されるように情報を交換してもよい。いくつかの実施形態では、情報は、それ自体が通信セッションのエンドポイントではないデータベースに維持されてもよい。例えば、関連する格納情報を持たないクライアントが外部データベースから情報を取得することは有益であるかもしれない。
ある使用シナリオでは、クライアント1290が通信セッション(例えば、トランスポート層プロトコルセッション)を確立しようとするとき、クライアントは、確立しようとするセッションに関連する現在の情報を持っているかどうかを確認するために、その通信情報1295を参照する。例えば、クライアントは、通信しようとするサーバとの他の同時セッションを持っていてもよいし、最近そのようなセッションを持っていてもよい。別の例として、クライアント1290は、他のサーバとの他の同時セッションまたは過去のセッションに関する情報を使用してもよい。クライアント1290がセッションを確立するためにサーバ1210またはプロキシ1212に要求を送信するとき、そのセッションのための関連情報も、セッションを確立するエンドポイントの1つまたは両方に利用可能にされる。情報がサーバに利用可能にされる方法は様々である。例えば、情報はリクエスト自体に含まれていてもよい。別の例として、サーバは、情報を通信情報1215に既に保持していない場合、情報を要求してもよい。別の例として、サーバは、クライアントからの情報、またはクライアントと通信を行ったサーバからの情報が入力されたリモートまたはサードパーティのデータベースから情報を要求してもよい。いずれにしても、クライアントとサーバとの間の通信セッションは、クライアントおよび/またはサーバで利用可能な通信情報によって少なくとも部分的に決定されるパラメータを使用して確立される。
いくつかの例では、通信セッションは、パケットペーシング間隔、輻輳ウィンドウ、再送タイムアウト、および前方誤り訂正の初期値を使用して確立されてもよい。異なるタイプのネットワーク(例えば、Wi-Fi、4G)、ネットワークオペレータ、および信号強度に適した初期値を予め指定することができ、および/または、連続する接続のための初期値を、同じ方向の同じエンドポイント間の以前の接続の測定された統計量から導出することができる。例えば前の接続のパケットスループットが、前の接続の最小往復時間に対するデフォルトの初期輻輳ウィンドウの比よりも十分に大きい場合、初期輻輳ウィンドウは、そのデフォルト値から増加させることができる。輻輳ウィンドウは、新しい接続から最初に受信したACKが、以前の接続に比べて利用可能なレートが減少していることを示している場合、その後、下方に調整することができます。
初期ペーシング間隔は、例えば、k1およびk2が設定可能なパラメータであるMAX(k1*輻輳ウィンドウ/前のラウンドトリップ時間、k2/前のパケットスループット)として設定することができ、受信機ペーシングでは、k*前のペーシング間隔として設定することができ、kは前の接続の損失率に応じて増加する。
コードレートなどの順方向誤り訂正パラメータは、k*前回の損失率として設定可能であり、ここでkは設定可能なパラメータである。初期再送タイムアウトは、前回の接続の最小往復時間が大きい場合には、デフォルト値から増加させることができる。
マルチパス
マルチパス
図222は、パケット情報を配信するために、サーバとクライアントの間で複数のパスを使用することを示している。これらの複数のパスは、平均帯域幅、往復遅延、パケットジッタ率、パケット損失率、およびコストが類似または異なるネットワーク技術上であってもよい。複数パスの例としては、有線/ファイバネットワーク、静止衛星、中低軌道衛星、WiFi、およびセルラーネットワークが挙げられる。この例では、送信制御層は、単一のセッションを利用して、様々なメトリック(各パスの平均帯域幅、各パスの往復遅延、パケットジッタ率、各パスのパケット損失率、およびコスト)に従って、複数のパスを介して送信されるブロック内のN個のパケットを分配することができる。各ブロックで送信されるべきN個のパケットは、サーバとクライアント間の全体的なエンドツーエンドのスループットとコストを最適化するような方法で各パスに分散させることができる。各パスで送信されるパケットの数は、各パスで送信されるパケットの平均相対的な割合が、パスの平均相対的な利用可能帯域幅と一致するように、動的に制御することができ、例えば、異なるパスに関連するキューの長さがほぼ等しくなるようにパケットがスケジューリングされるバックプレッシャー型の制御を使用します。
各パスについて、送信および輻輳制御、前方誤り訂正、送信者ベースのペーシング、受信者ベースのペーシング、ストリームベースのパラメータチューニング、欠落パケットおよび順序外パケットの検出および訂正、複数のTCP接続にわたる情報の使用、高速接続開始および停止、TCP/UDPフォールバック、カスケード符号化、中間ノードによる再符号化、およびACKの符号化を具現化する上述のアルゴリズムを採用して、送信元ノードと宛先ノードとの間の複数のパスにわたって全体的なエンドツーエンドのスループットを向上させることができる。損失が検出され、FECが使用される場合、余分な符号化されたパケットは、パスのいずれかまたはすべてにわたって送信され得る。例えば、損失を修復するために送信されるコード化されたパケットは、回復遅延を低減するために、より低いレイテンシーのパス上で優先的に送信することができる。宛先ノードは、すべてのパスにわたって受信されたパケットのうちの任意のN個のパケットをデコードし、受信されたパケットから欠落したパケットを再作成することによって、N個の元のパケットのブロックに組み立てる。すべてのパスにわたって受信されたN個の異なる符号化されたパケットがより少ない場合、宛先ノードは、x=N-受信されたパケットの数である欠落したパケットの数xを再送するように要求する。xの異なる符号化されたパケットの任意のセットは、任意のパスにわたって再送され、その後、Nのブロック内の欠落したパケットを再構成するために使用することができる。
ラウンド・トリップ・タイム(RTT)レイテンシの差が大きいネットワークがある場合、より低いRTTTレイテンシで受信されたパケットは、より高いRTTレイテンシのパケットと結合されるために、受信側でバッファリングされる必要がある。各パスで送信されるパケットの選択は、受信機側での再順序付けおよび関連するバッファリングの範囲を減らすように制御することができ、例えば、送信可能なパケットの中で、より早いパケットはより高いレイテンシーのパスで優先的に送信され、より遅いパケットはより低いレイテンシーのパスで優先的に送信されることができる。
利用可能な帯域幅とパス上の混雑状況に適応するために、各パスに個別の混雑制御ループを採用することができます。シングルパス接続との公平性を保つために、マルチパス接続の全パスにわたる送信ウィンドウまたはレートの合計を制御するために、追加の全体的な輻輳制御ループが採用されてもよい。
図223を参照すると、通信システムは、比較的高い往復時間遅延を有する第1の衛星データ経路3102と、比較的低い往復時間遅延を有する第2のDSLデータ経路3104とを利用する。ユーザアプリケーション3106がビデオコンテンツをストリーミングするための要求を送信すると、コンテンツサーバ3108(例えば、ビデオストリーミングサービス)は、要求されたビデオコンテンツの一部または全部をリモートプロキシ3110に提供し、このプロキシは、ユーザアプリケーション3106に送信するために符号化されたビデオコンテンツ3112を生成し、このプロキシは、ユーザアプリケーション3106に送信する。第1のデータパス3102および第2のデータパス3104のRTT遅延に基づいて、リモートプロキシ3110は、エンコードされたビデオコンテンツ3112を、最初の部分3114(例えば、ビデオコンテンツの最初の5秒)と後続の部分3116(例えば、残りのビデオコンテンツ)に分割する。次に、リモートプロキシ3110は、低遅延データ経路3104の第2の上の初期部分3114の送信と、高遅延データ経路3102の第1の上の後続部分3116の送信とを引き起こす。
図2224を参照すると、第2のデータパス3104のより低いレイテンシのために、ビデオコンテンツの初期部分3114は、ローカルプロキシ3118に迅速に到着し、そこでデコードされ、視聴者への提示のためにユーザアプリケーション3106に送信される。ビデオコンテンツの後続部分3116は、視聴者へのビデオコンテンツの最初の部分3114の提示が開始される時点で、まだ第1の高遅延データパス3102をトラバースしている。
図225を参照すると、ビデオコンテンツのデコードされた初期部分3114を視聴者に提示する間に、ビデオコンテンツの後続部分3116がローカルプロキシ3118に到着し、ここでデコードされ、視聴者へのビデオコンテンツの初期部分3114の提示が完了する前にユーザアプリケーション3106に送信される。いくつかの例では、ビデオコンテンツの最初の部分3114を低遅延データパス3104上に送信し、ビデオコンテンツの後続の部分3116を高遅延データパス3102上に送信することは、ユーザがビデオを要求してからユーザがビデオを見るまでの間の長い待ち時間を回避しつつ(衛星のみの通信を使用する場合のように)、低遅延データパス上のデータ使用量を最小化する(これは、使用するためのコストが高くなる可能性がある)。
いくつかの例では、他のタイプのメッセージは、低遅延データパス上で優先的に送信されてもよい。例えば、確認メッセージ、再送メッセージ、および/または他のタイムクリティカルメッセージは、他のデータメッセージがより高い遅延データパスを介して送信される一方で、低遅延データパスを介して送信されてもよい。
いくつかの例では、異なる特性(例えば、レイテンシー)を有する追加のデータパスも通信システムに含めることができ、メッセージは、メッセージの特性(例えば、メッセージタイプ)およびデータパスの特性に基づいて、いくつかのデータパスのうちのいずれかのデータパス上でバランスされる。
いくつかの例では、他のタイプのメッセージは、低遅延データパス上で優先的に送信されてもよい。例えば、確認メッセージ、再送メッセージ、および/または他のタイムクリティカルメッセージは、他のデータメッセージがより高い遅延データパスを介して送信される一方で、低遅延データパスを介して送信されてもよい。
いくつかの例では、異なる特性(例えば、レイテンシー)を有する追加のデータパスも通信システムに含めることができ、メッセージは、メッセージの特性(例えば、メッセージタイプ)およびデータパスの特性に基づいて、いくつかのデータパスのうちのいずれかのデータパス上でバランスされる。
代替案と実装
代替案と実装
上記の文書では、パケット符号化プロトコルおよび伝送制御プロトコルの特定の特徴が個別に、または分離して記載されているが、複数の特徴を一緒に組み合わせることによって得られるかもしれない特定の利点があることが理解されるべきである。記載されたパケット符号化および伝送制御プロトコルの好ましい実施形態は、通信セッションエンドポイント間をトラバースする伝送リンクおよびネットワークノードが、特定のファイバキャリアまたはセルラーキャリアに属するかどうかに依存してもよい(例えばAT&T、T-モバイル、スプリント、ベライゾン、レベル3)および/またはエンドユーザインターネットサービスプロバイダ(ISP)(例えば、AT&T、ベライゾン、コムキャスト、タイムワーナー、センチュリーリンク、チャーター、コックス)、または特定の有線(例えば、DSL、ケーブル、縁石/家庭用光ファイバー(FTTTx))または無線(例えば、WiFi、セルラー、衛星)リンク上にあるかどうかに依存してもよい。いくつかの実施形態では、プローブ送信は、通信信号がトラバースしているネットワークノードおよび送信リンクのタイプを特徴付けるために使用されてもよく、パケット符号化および送信制御プロトコルは、特定の性能を達成するために調整されてもよい。いくつかの実施形態では、データ送信は、ネットワークノードおよび送信リンク通信信号がトラバースしているタイプを特徴付けるために監視されてもよく、パケット符号化および送信制御プロトコルは、一定の性能を達成するように調整されてもよい。少なくともいくつかの実施形態では、RTT、一方向伝送時間(OWTT)、輻輳ウィンドウ、ペーシングレート、パケット損失率、オーバーヘッドパケット数などの量は、トリガ信号またはイベントに応答して、連続的に、断続的に、監視されてもよい。少なくともいくつかの実施形態では、プローブ送信とデータ送信の組み合わせは、ネットワークおよび通信セッションのパフォーマンスをリアルタイムで特徴付けるために使用されてもよい。
少なくともいくつかの実施形態では、ネットワークおよび通信パラメータは、通信セッションのエンドデバイスに格納されてもよく、および/または、サーバ、スイッチ、ノード、コンピュータ、データベースなどのネットワークリソースに格納されてもよい。これらのネットワークおよび通信パラメータは、適切な性能を達成するためにプロトコルパラメータを調整するのにかかる時間を短縮するために、プロトコルの初期パラメータ設定を決定するために、パケット符号化および伝送制御プロトコルによって使用されてもよい。実施形態では、ネットワークおよび通信パラメータは、特定の地理的位置、ネットワークノード、ネットワークパス、機器タイプ、キャリアネットワーク、サービスプロバイダ、伝送パスのタイプなどにタグ付けされ、および/または関連付けられていてもよい。実施形態では、エンドデバイスは、プロトコルパラメータ設定を自動的に記録および/または報告し、それらの設定を、それらのデバイスに常駐するGPSタイプの位置識別機能を使用して決定された特定の場所に関連付けるように構成されてもよい。実施形態では、エンドデバイスは、プロトコルパラメータ設定を自動的に記録および/または報告し、それらの設定を特定のキャリアネットワーク、トラバースされたISP機器、有線および/または無線リンクのタイプなどに関連付けるように構成されてもよい。
少なくともいくつかの実施形態では、上述したようなパケット符号化および伝送制御プロトコルは、適切なまたは改善されたネットワーク性能を達成するために、1つ以上のパラメータを調整してもよい。改善されたネットワーク性能は、データパケットの送達における遅延の減少、ファイル転送の完了における遅延の減少、より高品質のオーディオおよびビデオ信号の送達、ネットワークリソースのより効率的な使用、エンドユーザによる消費電力の減少、既存のハードウェアリソースによってサポートされるエンドユーザの増加、などによって特徴付けられてもよい。
少なくともいくつかの実施形態では、パケット符号化および伝送制御プロトコルの特定のモジュールまたは機能は、ネットワークを通るデータの経路に応じてオンまたはオフにされてもよい。いくつかの実施形態では、特定の機能が実装または制御される順序は、ネットワークを通るデータの経路に応じて調整されてもよい。いくつかの実施形態では、プローブ送信および/またはデータ送信は、パケット符号化および送信制御プロトコルにおける調整可能なパラメータおよび/または特徴の実装順序を調整するために、オープンループまたはクローズドループ制御アルゴリズムにおいて使用されてもよい。
プロトコルを制御するための監視を伴う例は、一般に、送信元、送信先、または送信元と送信先の組み合わせで実装される側面を含むことができることが理解されるべきである。したがって、特徴が特定のエンドポイントで実装されるように記述されている実施形態が上記に記載されているが、代替的な実施形態は、異なるエンドポイントでのそれらの特徴の実装を含むことが明らかであるべきである。また、上述したように、プロトコルを制御するための監視は、一般に、ネットワーク内の中間ノードまたはポイントで実装される側面を含むことができる。したがって、特徴が特定のエンドポイントで実装されると記載されている実施形態が上述されているが、代替的な実施形態は、ネットワーク全体の中間ノードを含む異なるノードでのそれらの特徴の実装を含むことが明らかであるべきである。
プロトコルの制御のための監視パラメータの使用に加えて、データは他の目的のために使用されてもよい。例えば、データは、例えば、ネットワーク全体を制御または提供するために使用されるネットワーク分析をサポートしてもよい。
PC-TCPアプローチは、既存のプロトコルおよび手順、特にコンテンツ配信で使用されるプロトコルおよび手順、例えば、協調コンテンツ配信ネットワークで使用されるような手順を強化するように適合されてもよい。例えば、監視されたパラメータは、クライアントを、単に負荷が最も低いサーバまたは最も混雑したパスを介してアクセス可能なサーバに向けるのではなく、可能な限り早くコンテンツの単位全体を配信可能なサーバまたはサーバに向けるために使用されてもよい。このような新しいアプローチの違いは、可能な限り速くファイル全体を得るためには、複数のサーバおよび/または地理的に最も近いサーバではないサーバから複数のリンクを介してパケットを送信し、再送またはFECのオーバーヘッドを最小限にしながら受信データを調整する新しい確認応答プロトコルを使用する必要があるかもしれないということである。調整は、パケットの文字列(順番外パケット)のギャップが、後から到着するパケットおよび/またはコード化されたパケットによって埋められるのを待つことを含んでもよい。さらに、PC-TCPアプローチは、無線、セルラー、および衛星リンクの性能を向上させ、エンドツーエンドのネットワーク性能を大幅に向上させてもよい。
いくつかの現在のシステムは、動的および/または性能の悪いリンクを介してビデオ伝送を保存しようとするために「適応ビットレート」を使用している。いくつかの実施形態では、上述のPC-TCPアプローチは、適応ビットレートスキームに取って代わり、非常に高いデータレートを長期間にわたってユーザに提示することができるかもしれない。他の実施形態では、PC-TCPアプローチは、現在利用可能な適応ビットレートスキームと組み合わせて使用され、適応ビットレートスキームだけでサポートされ得るよりも平均的に高いデータレートをサポートする。いくつかの実施形態では、PC-TCPアプローチは、特徴セットの一部として統合されたビットレート調整を含んでもよく、PC-TCPとビットレート適応ソリューションの組み合わせの性能を向上させるために、以前に特定された調整可能なパラメータおよび/または監視されたパラメータのいずれかおよび/またはすべてを使用してもよい。
以下に記載される特定の実施形態は、加熱に関するものであり、より詳細には、インテリジェントデバイスの使用によるものを含む、調理およびレシピに関するものであり、IoTの文脈である。
IoTの出現により、さまざまなデバイスを取り巻く価値を解放する機会が存在します。これまでのところ、特に発展途上国の農村部では、堅牢なエネルギーと通信インフラがないため、多くのユーザーにとってそのような機会は限られている。例えば、多くの農村部のユーザーは、ガスバーナーのような最新の調理システムを使用するのではなく、薪やその他のバイオ燃料を使用して、いまだに焚き火で調理している。インフラに頼らずに、近代的な調理能力などの基本的なニーズを満たす装置が求められており、基本的な調理装置の能力を拡大して、他のニーズに対応し、調理装置の利用者に他の利点を提供するために、より広範囲の能力を提供する機会が存在する。
多くの産業環境は、従来のエネルギーおよび通信インフラから同様に隔離されている。例えば、海洋掘削プラットフォーム、産業用採掘環境、パイプライン操作、大規模農業環境、海洋探査環境(例えば、深海探査)、海洋および他の大規模輸送環境(船舶、ボート、潜水艦、航空機および宇宙船など)は、従来の電力網から完全に隔離されているか、または従来の電源から電力を受け取るために非常に高価な送電ケーブルを必要とすることが多い。その他の産業環境は、半導体製造、医薬品調製、または危険物の取り扱い中に「クリーンルーム」の隔離を維持するためなど、別の理由で隔離されており、従来の電力を供給するためのコンセントやスイッチのようなインターフェースが、汚染物質や生物学的活性物質の侵入点や脱出点となる可能性がある。これらの環境では、従来の電源からの独立性を向上させる調理システムの必要性が存在する。また、これらの環境の多くでは、特に、火災の危険性が存在し、人員のための出口が大幅に制限されているため、火災は重大な危険性である。このような環境では、調理用の燃料を保管しておくと、燃料が火災を悪化させ、悲惨な結果を招く可能性があるため、リスクがある。したがって、石油掘削プラットフォームのようなプラットフォームや環境では、ディーゼルはプロパン、ガソリン、または他の燃料源よりもリスクが低いと考えられているため、調理やその他のシステムの動力源としてディーゼル発電機を使用することがあるが、ディーゼル燃料は燃焼し、重大な危険性を残している。隔離された産業環境で調理能力を提供するためのより安全なメカニズムが必要とされている。
本明細書に開示されるインテリジェント調理システムは、遠隔監視および制御、ならびに様々な付加価値機能およびサービスのために、処理、通信、および他の情報技術コンポーネントを提供するインテリジェント調理システムを含み、その実施形態は、調理システムのバーナなどの発熱体のためのオンデマンド燃料ストリームとして水素を生成するために、電解槽、任意には太陽電池式電解槽を使用することを含んでいる。
本明細書に開示される調理システムの実施形態は、家庭やレストランでの食事を調理するためのものなど、消費者および商業的使用のためのものを含み、これは、クックトップ、コンロ、トースター、オーブン、グリルなどの様々な実施形態を含むことができる。調理システムの実施形態はまた、食品および食材だけでなく、産業環境で製造され、および/または使用される他の多種多様な製品および構成要素を加熱、乾燥、硬化、および調理するためのような産業用調理システムを含む。これらは、組立ラインで使用されるシステムおよびコンポーネントを含むことができる(例えば、加熱、乾燥、硬化、または他の方法で、生産の一段階で部品または材料を処理するために、例えば、コーティング、ポリマー、またはコンポーネント上にコーティングされ、分散され、塗装され、または他の方法で処分されるようなものを処理するために使用されるような)。半導体製造および準備(ロボット組立工程を含む半導体プロセスの層を加熱または硬化させるためのものなど)、金型工程(射出成形金型などの金型、工具、ダイスなどを硬化させるためのものなど)、押出工程(押出の結果を硬化、加熱またはその他の方法で処理するためのものなど)、および他の多くのものに含まれる。これらはまた、船舶、潜水艦、海洋掘削プラットフォームなどの海洋プラットフォーム上、鉱業または掘削装置、クレーン、または農業装置などの大型装置上、石油、ガス、水力発電、風力発電、太陽光発電などのエネルギー生産環境において、人員をサービスするための様々な産業環境で使用されるシステムおよびコンポーネントを含むことができる。したがって、特定の実施形態が特定の環境について開示されているが、調理システムへの言及は、文脈が別のことを示す場合を除き、調理、加熱、硬化、および処理のためのこれらの民生用、商業用、および工業用システムのいずれかを包含するものと理解されるべきである。
ここでは、水素技術とプロファイリング、アナリティクスなどから派生したクラウドベースの付加価値サービスを活用したインテリジェントな調理システムを提供する。スマート水素技術調理システムは、スマートホームデバイスやIoTデバイスなどの他のインテリジェントデバイスがプラットフォームに接続することを可能にする標準化されたフレームワークを提供し、関連性の高い付加価値サービスを提供することを可能にするコンテキスト知識の全体的なインテリジェンスをさらに豊かにします。インテリジェント調理システムデバイス(本明細書では「クックトップ」と呼ばれる場合がある)は、ユーザプロファイリング、分析、遠隔監視、遠隔処理および制御、および自律制御に基づくものを含む様々な機能、利点、および付加価値サービスを可能にするための処理、通信、および他の情報技術コンポーネントおよびインタフェースを備えていてもよい。他のデバイスおよびクラウドとのマシン間またはユーザ間の通信を可能にするインターフェース(例えば、アプリケーションプログラミングインターフェースを介して)により、調理システムは、分析(例えば、調理システムのユーザおよび調理システムに関わる様々な消費者、商業および産業プロセスに関する)のために、また、他のデバイスおよびシステムの監視、制御および操作のために価値のあるデータを貢献することが可能になる。同様のインタフェースを介して、調理システムの監視、制御および/または操作、およびその様々な能力は、他のデバイス(例えば、IoTデバイス)から受信したデータ、およびクラウドなどの他のデータソースから受信したデータから恩恵を受けるか、またはそれに基づいていてもよい。例えば、調理システムは、調理システム自体に燃料を補給するための信号を送信するタイミングを決定したり、1つ以上の食材、成分、または材料を再補給するための信号を送信するタイミングを決定したり(例えば、時間的な期間における同様の使用パターンの検出されたパターンに基づいて)、調理システムの使用状況を決定し、ガイダンスを提供したり(効率または効率性を向上させるためのトレーニングまたは使用状況の改善を提案したり)するなど、その使用状況を追跡してもよい。これらには、燃料の使用状況、調理システムの使用状況等に機械学習を適用した結果が含まれていてもよい。
実施形態では、インテリジェント調理システムは、電力系統への従来の接続、ガス源(例えば、天然ガスライン)への接続、または従来の燃料の定期的な供給源(例えば、給油油、プロパン、ディーゼル、または他の燃料タンク)への接続を必要としない独立した燃料源である、本明細書では電解槽と称される水素発生器によって燃料を供給されてもよい。電解槽は、水素成分と酸素成分を分離するために水源上で動作してもよく、その後、水素成分を、インテリジェント調理システムのためのオンデマンド燃料源などの燃料源として供給してもよい。実施形態では、電解槽は、太陽光発電源、風力発電源、水力発電源などの再生可能エネルギー源から電力を供給されてもよく、それにより、従来の電力インフラストラクチャの必要性から完全に独立している。電解槽の設計、製造、組立、配置、および使用を記載した方法およびシステムが本明細書に含まれる。他の利点の中でも、電解槽は、船舶、潜水艦、掘削プラットフォーム、鉱業環境、パイプライン環境、探査環境、農業環境、クリーンルーム環境、航空および宇宙機環境などの様々な隔離されたまたは敏感な産業環境において調理システムに電力を供給するためのエネルギー源として、石油、プロパン、およびディーゼルのような可燃性物質ではなく、水を貯蔵することを可能にする。調理システムのインテリジェントな特徴は、必要とされる正確な時点および時間で正確な量の水素燃料(水から変換された)を提供するような、遠隔および/または自律制御などの電解槽の制御を含むことができる。実施形態では、任意の未使用の水素および酸素を水の形態に戻す(または、呼吸のための酸素源として使用するなど、他の使用のためにそれらを指示する)など、電解槽の生成物を捕捉して戻すための機構が提供されてもよい。
スマート水素ベースの調理システムの設計、製造、組み立て、展開、および使用を記載した方法およびシステムが本明細書に含まれる。調理システムの様々な機能を動作させるための処理ハードウェアおよびソフトウェアモジュールは、調理システムのサブシステム(例えば、バーナーまたは他の加熱要素、温度制御、またはそのようなもの)に配置されたモジュールまたはコンポーネントを有すること、調理システムのためのユーザインターフェースに近接して配置されたモジュールまたはコンポーネントを有すること(例えば、コントロールパネルに関連する)、調理システムのための通信ポートに近接して配置されたモジュールまたはコンポーネントを有すること(例えば、統合された無線アクセスポイント、セルラー通信チップ、またはそのようなもの)、または調理システムのための通信デバイスのためのドッキングポートに近接して配置されたモジュールまたはコンポーネントを有すること、などのように、分散されていてもよい。他のスマートデバイス(例えば、NESTサーモスタット)、ゲートウェイ、アクセスポイント、ビーコンなどのような近接デバイスに位置するモジュールまたはコンポーネントを有し、クラウドまたはホストされた遠隔制御設備などのサーバ上に位置するモジュールまたはコンポーネントを有する。
実施形態では、調理システムは、スマートフォンまたは他の制御装置(例えば、プロセッサ対応の工具または装置の一部などの工業プロセスで使用される特殊な装置)をドッキングするためのようなモバイルドッキング設備を有してもよく、スマートフォンまたは他の装置を充電するための電力、およびスマートフォンを調理システムのコントローラとして(例えば、アプリ、ブラウザ機能、またはスマートフォンの制御機能を介して)使用できるようにするためのような、調理システムとスマートフォンとの間のデータ通信を含んでいてもよい。
実施形態では、調理システムは、様々なハードウェア構成要素を含んでもよく、これらの構成要素は、動作を監視するための関連するセンサ、処理およびデータ記憶機能、および通信機能を含んでもよい。ハードウェア構成要素は、1つ以上のバーナまたは加熱要素(例えば、ガスバーナ、電気バーナ、誘導バーナ、対流要素、グリル要素、放射要素など)、1つ以上の燃料導管、燃料レベルを示すための1つ以上のレベルインジケータ、1つ以上の安全検出器(例えば、ガス漏れ検出器、温度センサ、煙検出器など)を含んでもよい。実施形態では、ガスバーナは、液体プロパンのような従来の燃料を燃焼させることができるが、電解槽によって生成された水素のようなオンデマンドで生成された燃料を燃焼させることもできるオンデマンドガス-LPGハイブリッドバーナを含むことができる。実施形態では、バーナは、20,000英国熱単位(「BTU」)を生成することができるなどの適切な電力能力を有する消費者用クックトップバーナであってもよい。
実施形態では、調理システムは、ダッシュボード、ウィザード、アプリケーションインターフェース(オプションで、1つ以上の関連するスマートフォン・タブレットまたはブラウザベースのアプリケーションまたは1つ以上のIoTデバイス用のインターフェースを含むか、または統合する)、コントロールパネル、タッチスクリーンディスプレイ、またはそのようなもので具現化された、直感的で、文脈に沿った、インテリジェンス駆動型の、およびパーソナライズされた経験を容易にするユーザーインターフェースを含んでもよい。ユーザインタフェースは、他のソフトウェアおよびハードウェアコンポーネントについて上述したような分散コンポーネントを含んでもよい。アプリケーションインターフェースは、食品を調理するために適切なインターフェース要素(例えば、レシピである)、または様々な消費者、商業的または工業的プロセス(例えば、半導体素子を作るためのレシピ、コーティングまたは射出成形金型を硬化させるためのレシピ、および多くの他のもの)のために調理システムを使用するために適切なインターフェース要素を含んでもよい。
水素ベースの調理システムに関連して、太陽光発電による水素製造設備の設計、製造、組立、展開、および使用を記載した方法およびシステムが本明細書に含まれる。
レストラン、カフェテリア、移動式キッチンなどの範囲で使用するのに適した商業的な水素ベースの調理システムの設計、製造、組立、展開、および使用を記載した方法およびシステムが本明細書に含まれる。
様々な隔離された産業環境で食品調理システムとして使用するのに適した産業用水素ベース調理システムの設計、製造、組立、展開、および使用を記載した方法およびシステムが本明細書に含まれる。
様々な産業環境における加熱、乾燥、硬化、処理または他の調理システムとして使用するのに適した産業用水素ベースの調理システムの設計、製造、組立、配備および使用を記載した方法およびシステムが本明細書に含まれ、例えば、自動化された、ロボット化されたプロセスを含む産業用生産プロセスにおける部品および材料の製造および処理のために、システムへの機械学習の適用を可能にする機械対機械構成を含む、インテリジェントな調理システムと接続および調整するシステム要素を含むことができる。
低圧水素貯蔵システムの設計、製造、組立、展開および使用を記載した方法およびシステムが本明細書に記載されている。低圧水素貯蔵システムは、太陽光発電による水素生成と組み合わせてもよい。実施形態では、調理システムは、低圧水素貯蔵タンクから燃料を受け取ってもよく、このタンクは、電解槽によって生成された水素を安全に貯蔵してもよい。実施形態では、水素は、水素燃料を貯蔵する必要がないか、またはほとんど必要ないように、電気分解の完了時にすぐに使用されてもよい。
スマート水素ベースの調理システムに関連してプロファイリング、分析などから得られる付加価値サービスを提供するためのクラウドベースのプラットフォームのアーキテクチャ、設計、および実装を記述した方法およびシステムが本明細書に含まれる。クラウドベースのプラットフォームは、通信、スマートホームデバイスおよび第三者間の同期化、電子トランザクションおよびデータのセキュリティなどをさらに提供してもよい。実施形態では、調理システムは、1つ以上のゲートウェイ、ハブ、またはそのようなものへの接続、または1つ以上のIoTデバイスへの接続を含むスマートホームへの接続を構成してもよい。調理システムは、それ自体が、ホームオートメーション機能、商業オートメーション機能、産業オートメーション機能、またはそのようなもののために、他のIoTデバイスのためのハブまたはゲートウェイを構成してもよい。
スマート水素ベースの調理システムに関連した付加価値サービス(「VAS」)を提供するためのクラウドベースのプラットフォームのためのインテリジェントなユーザーインターフェースを記述した方法およびシステムが本明細書に含まれている。インテリジェント・ユーザー・インターフェースは、スマート水素ベースの調理システムの周りにあるスマートホーム・ネットワークまたは商業用または産業用ネットワークに接続するコンピューティング・デバイスのために、文脈に沿ったインテリジェンス駆動型のパーソナライズされた体験ダッシュボードを提供する電子ウィザードで構成されていてもよい。プラットフォームのアーキテクチャ、設計、および実装は、本明細書に記載されてもよい。
スマート水素ベースの調理システムおよび複数の相互接続されたデバイス(例えば、モバイルデバイス、インターネットサーバなど)と連携して動作するクラウドベースのプラットフォームを介して、VASのためのプロファイリング、分析、インテリジェンスなどを準備するための付加価値サービスを構成、展開、および提供するための方法およびシステムが、本明細書に記載されている。実施形態では、調理システムは、クラウドベースのプラットフォームおよび/または他のIoTデバイスによって提供されるものなど、様々なVASを含んでもよい。例えば、多くの可能性の中で、調理システムは、レシピを提供してもよいし、材料、コンポーネントまたは材料の注文を可能にしてもよいし、再注文を促すために材料の使用状況を追跡してもよいし、レシピに関するフィードバックを可能にしてもよいし、レシピに関する推奨事項を提供してもよいし(協調フィルタリングを使用するなど、他のユーザに基づいたものを含む)、操作に関するガイダンスを提供してもよい。これらの方法およびシステム、ならびに付加価値サービス自体のアーキテクチャ、設計、および実装は、本明細書にさらに記載されてもよい。
実施形態では、ウィザードなどのユーザインタフェースを介して、様々な調理システムユーティリティ(例えば、液体プロパンガスゲージユーティリティ、調理支援ユーティリティ、検出器ユーティリティ(漏れ、過熱、または煙、またはそのようなもののための検出器ユーティリティ)、リモートコントロールユーティリティ、またはそのようなもの)などの様々な利点、機能、およびサービスが有効化されてもよい。ショッピングのためのサービス(例えば、ショッピングカートまたは食品注文サービス)、健康のためのサービス(食品の健康指標の提供、およびパーソナライズされた提案および推奨事項の提供など)、インフォテインメントのためのサービス(調理中に音楽、ビデオまたはポッドキャストを再生するなど)、栄養のためのサービス(パーソナライズされた栄養情報の提供、栄養検索機能の提供など)、およびシャドークッキングのためのサービス(調理方法に関する遠隔資料の提供、および調理システムから放送されるパーソナライズされた調理チャンネルなどのユーザの放送を可能にするなど)。
都市、農村、商業および産業の設定を含む様々な環境で展開される複数の水素ベースの調理システムの展開、使用、およびサービスに関連するプロファイリング、分析、およびインテリジェンスのための方法およびシステムが本明細書に記載されている。都市設定は、複数のエンドユーザ(例えば、個々の世帯、共通のキッチンなど)が物理的に近接していてもよい(例えば、建物内のアパートなど)農村、低コストの住宅配置、アパート、住宅プロジェクトなどを含むことができる。物理的に近接していることは、プラットフォーム構成要素、例えば、加水分解器または低圧貯蔵水素などへの共有アクセスを容易にすることができる。個々のクックトップの配置が、ローカルまたはインターネットベースのネットワークアクセスを介して通信することができる範囲では、追加の利点は、需要負荷のための計画などのトピックに関連して生じる。例としては、週末よりも家庭で調理する傾向がある週の間に、より多くの水素を生成し、貯蔵すること、またはレシピに関する共有情報を使用して、アパートや複数の近距離レストランなどへの新鮮なアイテムの大量配送を容易にすることが含まれます。実施形態では、調理システムは、プロファイリング、記録または分析のためのユーザ、装置の使用状況、メンテナンスおよび修理履歴、問題または故障に関連するパターン、エネルギー使用パターン、調理パターンなどの分析を可能にし、その恩恵を受けることができる。
これらの方法およびシステムは、低圧水素貯蔵システムに貯蔵される水素を生成する太陽電池式電解槽の展開、使用およびサービスに関連するプロファイリング、分析、およびインテリジェンスをさらに実行してもよい。
インテリジェントネットワーキングおよびトランザクションチャネルの開発を通じたスマート水素ベース調理システムの機能およびコンテンツおよび/またはVASへのアクセスを拡張することに関連する方法およびシステムが本明細書に記載されている。
太陽電池式電解槽を介して水素を生成する方法およびシステム、生成された水素を低圧貯蔵システムに貯蔵する方法およびシステム、貯蔵された水素を1人または複数の個人によって分配および使用する方法およびシステム、およびそのような方法およびシステムを中心としたエコシステムが本明細書に記載されている。実施形態では、調理システムまたは調理システムの集合体は、食品または他の材料または構成要素の供給者に使用状況に関する集計情報を通知したり、広告主、管理者および製造者に消費パターンを通知したりするなど、より広範なビジネスエコシステムに情報を提供してもよい。したがって、調理システムは、様々な商品、情報、および装置を提供する様々な当事者を含むビジネスエコシステムの構成要素を構成してもよい。
本明細書に記載されたスマート調理技術の別の実施形態は、本明細書に記載された調理システム、プローブ、シングルバーナーおよび他の加熱要素のいずれかと直接使用するのに適した、インテリジェントな、コンピュータ化されたノブまたはダイヤルを含んでもよい。そのようなスマートノブまたはダイヤルは、本明細書に記載されたスマートシステムの独立した操作および制御に必要なすべての電子機器および電力を含んでもよい。
実施形態では、調理システムは、製造工程で熱を提供するために使用される工業用調理システムである。実施形態では、工業用調理システムは、半導体製造工程、コーティング工程、成形工程、金型工程、押出工程、医薬品製造工程、および工業用食品製造工程のうちの少なくとも1つで使用される。
実施形態では、スマートノブは、複数の異なる調理システムのための命令を記憶するように適合されている。実施形態では、スマートノブは、調理システムを制御するためにどの命令を使用すべきかをノブが自動的に決定することに基づいて、調理システムとのハンドシェイクを開始するように構成されている。実施形態では、スマートノブは、調理システムの少なくとも1つのユーザからのフィードバックに基づいて、使用期間にわたってスマートノブによる調理システムの制御を改善するように構成された機械学習機能を有するように構成されている。
実施形態では、スマートノブは、ユーザのプロファイルに基づいて少なくとも1つの付加価値サービスにアクセスするために、調理システムとのハンドシェイクを開始するように構成されている。
図2226を参照すると、本明細書に記載されたインテリジェント調理システム方法およびシステム21の一体型クックトップ実施形態11が描かれている。図226のクックトップ実施形態11は、液体プロパンガス(LPG)、水素、それらの組み合わせなどのような1種以上の燃料を燃焼させることができる1種以上のバーナ31を含んでもよい。ガスバーナは、例えば、最大熱を含む可変熱を提供し、それによって対応する量の燃料を消費するように定格されていてもよい。バーナ31の1つ以上は、LPG源51と水素ガス源61とで作動してもよく、そのような水素ガス源61は、バーナ31によって示された燃料の需要、利用可能なLPG燃料の指標、経時的に使用されたLPG燃料の量、および使用、需要、過去の使用、予想される使用、供給の利用可能性、天候条件、暦日/時間(例えば、日、週、月、時間)の任意の組み合わせに基づいて利用されてもよい。時間帯、曜日、週、月、年など)、イベントへの近接性(例えば、休日の直前などの激しい調理時間)などを組み合わせて利用することができる。水素源61は、LPGなどの他の燃料の使用量が使用閾値以下に抑えられるように利用されてもよい。このような使用閾値は、LPGガスのコスト、調理システム21内の他のバーナ31によるLPGガスの使用状況、周辺の他の調理システム21(例えば、レストラン内の他の調理システム21、近隣の住宅内の他の調理システム21)等に基づいてもよい。したがって、調理システム21内の各調理システム21および/またはバーナ31は、ユーザの入力や調理システム21の監視を必要とせずに、オンデマンドの燃料調達を動的に提供してもよい。燃料調達を自動化することにより、バーナは、一方の燃料源から他方の燃料源への切り替え、または他方の燃料源(例えば、水素)を増加させながら一方の燃料源(例えば、LPG)を減少させることにより、水素燃料を自動的に導入することにより、利用可能なLPGの寿命を延ばしてもよい。各燃料源をどの程度利用するかは、効率、LPG燃料消費量、水素の利用可能性などを目標とする一連の運転規則に基づいてもよい。つまたは複数のバーナ31の格付けは、LPG単独、水素単独、または所定の構成部分の比率を有するLPGと水素の混合物など、異なる燃料源に対して異なるレベルの格付けを提供することを含む、プロセッサの制御下にあってもよい。
バーナ31、調理システム21、または調理システム21の集合体の各々は、過去、現在、計画、および/または予測される消費量、利用可能性などの何らかの尺度に少なくとも部分的に基づいて自動的に制御されてもよい燃料混合装置(例えば、バルブ、シャント、混合チャンバ、圧力補償バッフル、逆止弁など)のような燃料制御装置を備えて構成されていてもよい。一例では、1つまたは複数のバーナ31は、10000Wの熱を生成するように設定されてもよく、バーナガス源制御設備は、バーナ出力が100Wまたは10%(10%)のような予め定められた許容範囲を超えて出力設定から逸脱しないようにバーナ出力を監視しながら、1つまたは複数のガス混合装置を作動させてもよい。あるいは、ガスの種類、燃焼特性、バーナーの種類、定格特性などに関するデータソースにアクセスできるソフトウェアモジュールに具現化されたガス消費量およびバーナー出力のモデルは、制御設備によって使用され、一貫したバーナー熱出力を提供するために混合されるガスのうちの1つまたは複数のガスの流れを調節することができる。バーナ出力感知、モデリング、およびプリセット混合制御の任意の組み合わせが、燃料供給および/または混合装置を作動させる際に、制御設備によって使用されてもよい。
つ以上のバーナ31は、運転、効率、燃料節約などを向上させるためのインテリジェンスを含んでいてもよい。また、各バーナ31は、それぞれ制御設備101を有していてもよい。集中調理システム制御設備は、調理システム21のバーナ31または本開示全体に記載された他の加熱要素の動作を管理するように構成されてもよい。代替的に、個々のバーナ制御設備101は、結合された調理システムのバーナ制御を容易にするために、有線および/または無線インターフェースを介して通信してもよい。対象となる加熱ゾーン内の物体の存在を検出するための1つ以上のセンサ(例えば、バーナ火格子上に配置された)は、制御設備にフィードバックを提供してもよい。物体存在センサはまた、対象加熱ゾーン内の検出された物体の種類、大きさ、密度、材料、および他の側面の指示を提供してもよい。金属、対布(例えば、人の袖)、対人肉のような材料の検出は、効率性および安全性を促進してもよい。布または人肉が検出された場合、制御設備は、人の皮膚を燃やしたり、人の衣服に火がつくことを避けるように、熱産生を抑制してもよい。そのような制御設備の安全機能は、抑制された動作が適切であるかどうかを判断する機会をユーザに与えるために、制御設備へのユーザ入力を介してオーバーライドされてもよい。バーナーに近接したこぼれ(例えば、水分)検出器のような他の検出器は、安全性および操作を管理するのに役立つかもしれない。ポットからの大量のこぼれは、バーナで発生している炎を消滅させる可能性がある。操作ルールに基づいて、ガスの供給源は無効化されてもよく、および/またはバーナの適切な操作を再開するためにイグナイタが作動されてもよい。他の動作はまた、ユーザに状態をシグナリングするように、制御設備に構成されてもよい(例えば、調理システム21上のインジケータを介して、個人のモバイルデバイスへの接続を介して、中央火災制御設備への接続を介して、など)。
バーナ制御設備101は、バーナ21または他の発熱体に近接して配置された鍋、鍋、部品、材料、または他のアイテムを加熱するように、1つ以上の動作モデルに基づいて、バーナの熱出力を制御してもよい(それによって燃料消費量を制御してもよい)。例として、ユーザが重金属鍋の中の水を素早く沸騰させたい場合、制御設備は、バーナが最大の熱を生成するようにバーナを引き起こしてもよい。需要、供給などに関連して上述したようなユーザの好みおよび/または他の要因に基づいて、制御設備は、加熱活動を完了するための目標時間(例えば、鍋内の水が沸騰するまでの時間)をユーザに通知しながら、バーナの出力を調整してもよい。このようにして、インテリジェントバーナ21(例えば、バーナ制御設備を備えたオン)は、他の部分(例えば、沸騰までの時間の量など)を妥協しながら、いくつかのユーザの好み(例えば、加熱温度など)を達成してもよい。そのようなトレードオフのためのパラメータ(例えば、操作ルール)は、生産中に調理システム21/バーナ31に構成されてもよく、ユーザによって直接または遠隔で調整可能であってもよく、条件の変化に応答してもよく、そのようなものであってもよい。実施形態では、機械学習は、調理システム21で、クラウドで、またはその組み合わせで、調理時間、結果の品質(例えば、食品の場合の味、または材料の他の製品の場合の他の品質測定基準などの出力製品に関するフィードバック測定値に基づく)など、ユーザが求める所与の目的のためのパラメータを最適化するために使用されてもよい。例えば、調理システム21は、時間をかけて最適な加熱パターンが開発されるように、食品のために異なる加熱パターンを試し、結果として得られる物品の品質に関するユーザの入力を募るように、機械学習の制御の下で構成されてもよい。
本明細書に記載され、図226に描かれているようなインテリジェント調理システム21は、ユーザが視覚的にも少なくとも聴覚的にもアクセスできるように、個人用モバイルデバイス150(例えば、携帯電話)を安全かつ容易に見える位置に確実に保持するための支持構造要素を有するインターフェースポート127を含んでいてもよい。調理システム21は、熱シールド、偏向器、気流バッフル、ヒートシンクなどのような、マウントされたモバイルデバイス150が過度の熱にさらされないことをさらに確実にする機能を含んでもよい。空気流の源は、1つ以上のバーナ31からの加熱された空気の少なくとも一部をマウントされた個人用移動装置150から遠ざけることを容易にするために組み込まれてもよい。
図2227に描かれたインテリジェントバーナー実施形態280は、本明細書に記載されたインテリジェント調理システム21のシングルバーナー実施形態210を表している。マルチバーナインテリジェント調理システム21の任意の、なし、またはすべての機能は、図227に描かれたシングルバーナのバージョンで構成されてもよい。図2227にさらに描かれているのは、熱の体積としてではなく、熱の平面としてターゲットのヒートゾーンに熱を提供する密閉バーナチャンバ220を有してもよいインテリジェントバーナ280のバージョンである。これは、LPGおよび/または水素などの燃料源を可燃性ガスから電気を生成してもよい装置で変換することによって生成されてもよい誘導、電気、またはそのようなものによって生成されてもよい。
インテリジェント調理システム21は、本明細書に記載されているように、バーナー31で使用するための水素源を提供するために、水素発生器300と組み合わせてもよい。図228は、太陽光発電による水素製造ステーションおよび貯蔵ステーション320を図示している。水素製造ステーション320は、貯蔵のために水蒸気などの水素源を少なくとも水素および酸素に変換する電解槽350を作動させるためのエネルギーを生成してもよい太陽光-電気変換パネル340などの1つまたは複数の太陽集光器330を備えて構成されてもよい。太陽集光器330からのエネルギーは、図232の実施形態700に描かれているような1つ以上の電解槽350に電力を供給してもよい。つ以上の電解槽350は、図228に描かれた低圧貯蔵システム370のような貯蔵システム360への貯蔵のために、周囲の空気中で利用可能であるかもしれないような水蒸気を処理してもよい。代替的に、および/または空気中に存在する水蒸気を処理することに加えて、収集された雨水、公共の水道水、または他の水源などの水源を、水素燃料を生成するために電解槽350によって処理してもよい。
水素燃料が生成されると、それは、適切な貯蔵容器、例えば、太陽動力電解槽システム350で構成されてもよい低圧貯蔵システム370に貯蔵されてもよい。太陽動力電解槽350によって生成された水素は、貯蔵システム360にルーティングされることに加えて、またはその代わりに、1つ以上のインテリジェント調理システム21にルーティングされてもよい。水素製造貯蔵システム320は、水蒸気源の利用可能性、電解槽への電力の利用可能性、集められている太陽光の量、太陽光の予測、水素エネルギーの需要、LPGの利用可能性、LPGの使用状況などに基づく需要予測などを含むが、これに限定されない、様々な条件に基づいて水素を製造してもよい。
低圧ガス貯蔵システム370は、紫外線(「UV」)コーティングされたプラスチック袋内に、または水浸漬技術(例えば、バイオガス)を介して、水素および酸素を貯蔵してもよい。システム内の最大圧力は1.1バール未満であってもよく、これは圧力が非常に低いため、安全性を促進する。また、圧縮機を使用しないので、貯蔵のためのコストは、圧縮ガスを貯蔵する能動的貯蔵システムの場合よりもはるかに低い。図229、図230、および図231は、このような低圧貯蔵システム370の実施形態400を示しており、入口弁411および出口弁413が、内部容積が2つの部分に分離された内部貯蔵領域415にポートを提供している。
低圧設定は、効率を向上させるために、太陽電池によって集められた太陽エネルギー、風力エネルギー、水力発電などの再生可能エネルギーから直接働いてもよい。再生可能エネルギーの選択された供給源は、環境の特性に基づいていてもよく、例えば、海洋産業環境は、利用可能な風力や水力発電を有していてもよく、農業環境は、太陽光発電を有していてもよい。また、再生可能エネルギー(例えば、太陽エネルギー)収集設備が電力網に接続されている場合、発電された電力および貯蔵されたエネルギーは、例えば、高コストの期間中に、電力網に供給されてもよい。同様に、グリッドは、オフピーク時に使用された任意のエネルギーを、コスト削減されたコストで復元するために使用されてもよい。
設計された低圧貯蔵は、電力に変換され得るエネルギー源としての水素を貯蔵するために使用されてもよい。設計されたシステムは、非常に低コストでエネルギーを貯蔵してもよく、数年、例えば、現代の電池にはない15年以上の寿命を有してもよい。蓄電量は、他の燃料を大量に蓄電する場合と比較して、最小限の火災危険を引き起こすのに十分な量を少ししか蓄電しないように、安全要件を満たすように構成されていてもよい。
一実施形態では、インテリジェント調理システム21は、水素燃料の需要を電解槽システム350に信号を送ってもよい。これに応答して、電解槽システム350は、貯蔵された水素を調理システム21に指示するか、水素の生産を開始するか、または水素が現在利用可能ではないことを示してもよい。この応答は、水素を生成するための条件に少なくとも部分的に基づいてもよい。水素を生産するための条件が良好であれば、電解槽システムは、単に貯蔵から水素を調達するのではなく、水素燃料の生産を開始してもよい。このようにして、水素燃料に対する同時期の需要と、水素燃料を生産する能力とを組み合わせて、エネルギー生産および消費システムの動作を決定してもよい。
本明細書に記載されたインテリジェント調理システム21および/または水素製造および貯蔵システムは、電子機器と相互作用し、供給者、コンテンツ提供者、サービス提供者、規制者などの関連エコシステムの参加者と相互作用し、インテリジェント調理システム21のユーザ、水素製造システムのユーザ、およびエコシステムの他の参加者にVASを提供するためのプラットフォームと組み合わせてもよい。そのようなプラットフォーム800の特定の特徴は、図233に描かれてもよい。クラウドベースのプラットフォームであってもよいプラットフォーム800は、リークセンシング、燃料調達、使用支援、遠隔制御などの調理システムユーティリティを処理してもよい。一例では、インテリジェント調理システム21から遠隔に位置するユーザは、予め設定された時間に、または予め設定された条件に基づいて、コンピューティングデバイス(例えば、パーソナル携帯電話、デスクトップコンピュータ、ラップトップ、タブレットなど)から調理システム21を動作させるように構成してもよい。ユーザは、調理システム21が動作を開始したときにさらに通知を受けることができ、それにより、ユーザは、調理システム21が予想通りに動作していることを確実に確認することができる。ユーザまたは第三者(例えば、規制機関、家主など)は、1つまたは複数の現在の条件を構成してもよい。そのような条件は、時間、ユーザまたは第三者の場所、およびそのようなものを含む様々なトリガーを含んでもよい。一例では、親は、誰かが家庭に到着すると予想されることに基づいて、食材を温めるために調理システムを動作させたいと思うかもしれない。この予測は、到着が予測されている人が携帯しているモバイルデバイスの検出された位置に基づいてもよい。
プラットフォーム800は、ユーザおよび参加者の両方がプラットフォーム800から利益を得ることができるように、調理システムのユーザをエコシステムの参加者(例えば、ベンダーおよび/またはサービスプロバイダ)と相乗的に接続してもよい。一例では、ユーザは、来るべき夕食のための食事の準備を計画してもよい。ユーザは、食事計画をプラットフォーム800に提供してもよい(例えば、ユーザの携帯電話を介して、ユーザのインテリジェント調理システム21を介して、直接)。プラットフォーム800は、食事のための新鮮な青果物がユーザに好まれると判断して、ユーザが食事を準備するために自宅に戻ったときに取りに行けるように青果物を用意するように、小売業者および/または卸売業者に信号を送ってもよい。このようにして、エコシステムに参加するベンダーおよびサービスプロバイダは、顧客のニーズに対する洞察を得ることができる。同様に、ユーザーは、様々なタンパク質で調理される可能性のある食事のタイプの好みを示すことができる。エコシステムの参加者は、利用者が好む日に、利用者が好む時間に、1種類以上のタンパク質を利用できるように、利用者にオファーをしてもよい。ユーザの帰路に近接している肉屋は、ユーザのために肉の切り身を準備するなどの便宜を提供してもよい。ユーザーの帰路に近接して配置されていない肉屋は、ユーザーの食事計画に最も適合する日および時間に配達サービスを提供してもよい。
このようなプラットフォームに接続されたインテリジェント調理システムのユーザは、プラットフォーム800を利用して、健康、栄養などの特定のユーザの関心事に対応するために、インターネットを介して利用可能な情報へのアクセスおよび分析の両方を得ることができる。一例として、ユーザは、赤肉の摂取量を減らし、魚介類の摂取量を増やすように健康専門家から指導を受けてもよい。プラットフォーム800は、赤肉の代わりに魚を使った家族のお気に入りの食事のバリエーションを準備することを容易にするために、ユーザ、調理システム、および生態系参加者と相互作用してもよい。スパイス、量、調理時間、レシピなどの変更は、食事の準備をより楽しくするために、プラットフォーム800を介してユーザおよび調理システム21に提供されてもよい。プラットフォーム800は、食事の選択および準備においてユーザと個人的に協働することができる質の高い栄養専門家へのアクセスを提供することによって、例えば、栄養補助を支援してもよい。
また、プラットフォーム800は、インテリジェント調理システム21にアクセスできないユーザであっても、複数の調理システム、ユーザ、およびエコシステム参加者と相互接続されたプラットフォーム800から可能な知識収集および分析の恩恵を受けることができるようにしてもよい。一例では、プラットフォーム800は、インテリジェントバーナーおよび/または統合された調理システムおよび関連する電化製品(例えば、冷凍)、調理器具、調理器具などの選択および購入において、ユーザにガイダンスを提供してもよい。
プラットフォーム800は、金融サービス(例えば、インフラストラクチャおよび運営コストを融資するための)、ヘルスケアサービス(例えば、医療提供者と患者を在宅で接続することを容易にする)、スマートホームソリューション(例えば、本明細書に記載されているもの)、農村ソリューション(例えば、農村地域のユーザによる製品およびサービスへのアクセス)などのVASとの統合をさらに促進してもよい。プラットフォーム800によって収集および/または生成された情報(例えば、プロファイル、分析など)は、直接または他のパートナー(例えば、発展途上市場のための信用格付け機関)との間で、または他のパートナーを介して、他のビジネスサービスのために使用されてもよい。
プラットフォーム800は、ショッピング、インフォテインメント、ビジネス開発などを含むユーザの利益の範囲を促進してもよい。ビジネス開発の例では、ユーザは、調理システム21上のユーザの活動がプラットフォーム800を介して他のユーザに送信されるように、調理システム21上のカメラ付きの個人携帯電話を設定することにより、彼女のインテリジェント統合調理システム21を利用して、彼女自身の料理ショーを制作してもよい。さらに例示的な実施例では、ユーザは、調理デモンストレーションをスケジュールしてもよく、自律的および/または対話的な方法で他のユーザが彼と一緒に調理することを許可してもよい。ユーザは、料理ショーのプロデューサーと直接対話することなく、料理ショーのプロデューサーと一緒に視聴し、料理をすることを選択してもよい。一方、別のユーザは、個人的なモバイルデバイスで調理システム21を構成し、他のユーザがモバイルデバイスのカメラおよびユーザインタフェースを介して調理システム21上でのユーザの活動に基づいてフィードバックを提供することを可能にしてもよい。
プラットフォーム800は、スマートホームデバイスのIoTエコシステムの確立を容易にしてもよく、例えば、実施形態では、主婦を可能にし、力を与えるスマートキッチンが挙げられる。スマートキッチンは、スマート調理システム21、IoTミドルウェア、およびスマートキッチンアプリケーションを含んでもよい。スマート調理システム21は、プラットフォーム800のハードウェア層を提供してもよく、各新しいデバイスは、追加のセンサからの情報など、より多くの情報をシステム全体に提供するノードとして機能し、IoTデバイスのプラグアンドプレイサポートを提供してもよい。プラットフォーム800のミドルウェア層とみなされてもよいIoTクラウドのサポートは、プラットフォーム800の様々な機能の任意のリモート管理を可能にするとともに、クラウド上での通信(ストリーミングなどによる)およびデータの保存を可能にしてもよい。スマートキッチンアプリケーションは、ホームメーカーまたは他のユーザの容易さのために、スマートデバイスの全範囲のアクセスおよび制御の単一ポイントを提供してもよいユーザインタフェース層を含んでもよい。本明細書に記載されたスマートクックトップの方法およびシステムによって有効化されたスマートキッチンの例として、鍋内の水が沸騰し始めると排気ファンがオンになり、それによって鍋の蒸気出力をキッチンから遠ざけるようにしてもよい。これは、センサ(例えば、湿度センサ)、バーナー上の鍋の重量、バーナーのエネルギーレベルなどに基づいて鍋が沸騰し始めるタイミングを決定する自動調理システム制御などの組み合わせによって行われてもよい。同様の実施形態は、調理システム21を介した加熱活動の調整、および換気システムによる空気および他の流体のルーティングおよび循環などにより、適切な温度、圧力、および湿度条件を維持するための換気システムとの調整など、産業環境において使用されてもよい。調理システムコントローラは、例えば、これらの入力および/または計算に基づいてファンをオンにするために排気ファンコントローラと通信してもよく、それによって、排気ファンのタイムリーな適用によってエネルギーを節約しながら、スマートキッチン機器の動作を改善することができる。本実施例に係る動作ステップ5600の代表的なフローチャートが図281に描かれている。
このようなプラットフォーム800によって創出される価値は、(i)VAS;(iii)プロファイリング、学習および分析;および(iiii)商業環境または産業環境のためのスマートホームソリューションまたはIoTソリューションに大別されてもよい。システムのVASは、限定されることなく、以下のものを含むことができる。a)パーソナライズされた栄養;(b)情報およびエンターテイメント(「インフォテインメント」とも呼ばれる);(c)家族の健康;(d)金融およびコマースサービス(オンライン注文およびショッピングを含む);(e)ハードウェア制御サービス;および他の多くのタイプのサービス。
プロファイリング、学習、およびアナリティクスは、様々なエンティティに多くの利点を提供する可能性がある。例えば、ホームメーカーは、健康的なレシピおよび食事の推奨、栄養サプリメントの推奨、ワークアウトおよびフィットネスの推奨、調理および他の家電製品の使用のためのエネルギー使用の最適化のアドバイスなどを含む、家族全体の健康を改善するためのパーソナライズされた栄養およびフィットネスの推奨へのアクセスを得ることができるかもしれない。デバイス製造業者および他の企業はまた、プラットフォーム800が、家電デバイス製造業者がデバイスをクラウドに統合し、それによって提供される便利さを活用する際に直面している問題を解決することができるので、利益を得ることができるかもしれない。デバイス製造業者および他の企業は、プラットフォーム800へのインターフェース(例えば、1つ以上のアプリケーション・プログラミング・インターフェース、グラフィカル・ユーザー・インターフェース、または他のインターフェース)を提供されてもよく、それによって、プラットフォーム800の機能を活用することができ、例えば、1つ以上の機械学習アルゴリズムまたはデバイスによって生成されたデータから学習し、洞察力を開発する他の分析機能が含まれる。これらの能力は、デバイスのための分析ダッシュボード;データ洞察を開発するための機械学習プラグアンドプレイインターフェース;接続されたアプライアンスのための健康状態チェック(例えば、デバイスが故障したときに知るために、迅速かつ容易な交換/サービスの提供を容易にするために);およびユーザーへの推奨を提供することを容易にするために、例えば、コラボレーションフィルタリングに基づいて、ターゲットを絞ったアドバイス、オファー、広告などを提供するために、他の類似したユーザーとユーザーをグループ化するなどのユーザープロファイリング機能を含むことができる。
商業環境または産業環境のためのスマートホームソリューションまたはIoTソリューションは、開発およびコストの制約のために、複雑な電子機器をデバイスに埋め込んでインテリジェント化することが困難であることに気付いたデバイス製造業者に利益を提供することができるかもしれない。プラットフォーム800は、パートナーがデバイスデータを送信するために使用することができる通信層を提供することによってこれを簡素化し、その後、プラットフォーム800が引き継ぎ、データを分析することによって意味のあるデータおよび洞察を提供し、ユーザーのための統合されたスマートホームに代わって特定のアクションを実行することができる。プラットフォーム800を介して相互作用する各パートナーの付加的な価値は、任意の接続されたデバイスを効果的によりインテリジェントにするためのシステムに組み込まれた様々な感覚データへのアクセスである。例えば、多くの可能性の中で、スマート調理システム21内の周囲温度センサは、制御可能な排気設備によって活用され、それに応じて、主婦の快適さのために空気の流れを増加させることができる。
図234のスマートホームの実施形態を参照すると、インテリジェント調理システム900は、他のキッチン家電、センサ、モニタ、ユーザインタフェース装置、処理装置などを含むかもしれない家電ネットワークの参加者であってもよく、または家電ネットワークへのゲートウェイであってもよい。家庭用電化製品ネットワーク、および/または家庭用ネットワーク内に構成された装置は、プラットフォーム800(図233)を介して、互いに、およびエコシステムの他の参加者に接続されてもよい。これらの家電製品、エコシステムの参加者、プラットフォームのユーザ、第三者などから収集されたデータは、燃料使用パターンなどのパターンを探索し、可視化し、研究するためのインタラクティブな環境を提供してもよい。収集されたデータは、ディープ機械学習、パターン認識、モデリング、および予測分析を介してさらに合成され、プラットフォームの参加者、デバイス、サプライヤー、およびより大きなエコシステムのあらゆる側面に関連する価値ある洞察を提供することができるかもしれない。
水素生成および消費能力のさらなる実施形態が、現在記載されている。
システムは、水と電気を燃料として使用して、例えば調理に使用されてもよいガス・オンデマンドを生成してもよい。セル内で生成された水素および酸素は、セル内で分離され、バーナ内の燃焼ポートに到達するまで分離されたままであってもよい。特別に設計されたバーナモジュールは、水素、酸素、および調理ガスの通過を可能にするために、異なるチャンバを構成してもよい。水素および調理ガスのためのポートは、火炎のフラッシュバックおよび火炎のリフトオフなどを回避するように設計されていてもよい。酸素ポートは、水素の供給に対して酸素が最適に供給されるように設計されていてもよい。水素ポートと酸素ポートは、燃焼混合物の適切な混合を確実にするために、相互に垂直な平面上にあってもよい。水素と調理ガスの接続は、相互に独立していてもよく、混合火炎を発生させるために別々に操作されてもよいし、一緒に操作されてもよい。
本明細書に開示されるような水素製造および使用システム1000は、図235および236に図示されるように、以下の要素のうちの1つまたは複数から構成されてもよい。電解セル1101は、アクリルシートで挟まれたポリ塩化ビニル(「PVC」)ガスケット内のナイロン膜によって分離されたスチール電極を含む。セルの分解図を示す図236に詳細に示されている。このセルは、水を水素と酸素の構成成分に分離するアルカリ電解セルから構成されていてもよい。電解セルの電解質源としては、濃アルカリ混合槽などの混合槽を用いてもよい。アルカリ混合物は、水酸化カリウム(「KOH」)や水酸化ナトリウム(「NaOH」)のような塩基と水とを混合して調製してもよい。KOHの場合、実施形態では、濃度は約20%であってもよい。セル内の気体を分離するための膜は、様々な材料から作られてもよい。そのような材料の一つは、イオンの移動を可能にし、かつガスの移動を最小限に抑えるのに十分な糸数を有する触媒コーティングが施されたナイロンシートである。使用される電極は、例えば、ステンレス鋼またはニッケルコーティングされたステンレス鋼であってもよい。また、ガスバブリングタンクを設けてもよい。電解セルから発生した水素及び酸素は、ガスバブリングタンクを通過してもよい。タンクは、再循環モードと非循環モードとを備えていてもよい。非循環モードでは、ガスは水を介してバブリングされ、ガス中の不純物はその過程で浄化される。再循環モードでは、ガスは、アルカリ混合タンクと同一の濃度であってもよいKOH溶液を介してバブリングされる。この方法では、ガスと共に流出する追加の電解質は、アルカリ混合タンクに再循環される。つのバブリングタンクは、それらの間の圧力維持を確実にするために、底部のように一緒に接続されていてもよい。また、除湿器を含んでいてもよい。バブラーを通過したガスは、燃焼効率を低下させる過剰な水分を有していてもよい。したがって、ガスは、ガスの湿度含量を減少させるために、乾燥剤、水-ガス分離膜、または他の除湿技術、またはそれらの組み合わせを使用してもよい除湿器を通過させてもよい。当技術分野で知られているような従来の水素バーナーが、フラッシュバックアレスターを介してなど、除湿器に接続されてもよい水素バーナー配置が提供される。実施形態では、水素-空気混合物の燃焼は、単窒素酸化物(「NOx」)の濃度を上昇させる可能性があるので、空気を取り込むためのポートは存在しませんが、その結果、炎のフラッシュバックの可能性がある。バーナーポートは、火炎フラッシュバックの可能性を低減するために、0.5mm以下のような小さな直径を有してもよい。ポートは、単一の火花で完全なガス供給の燃焼をもたらす交差着火のような方法で整列されてもよい。供給ライン全体の水素濃度は、最大燃焼限界を超えていてもよく、それゆえに安全上の危険性はほとんどない。酸素供給は、水素供給とは完全に分離された流路を通っていてもよい。酸素ポートは、燃焼混合物の適切な混合を確実にするために、水素ポートに垂直な平面上に配置されてもよい。バーナの上方には、燃焼の温度を低下させ、生成されるNOxの濃度を低下させるように、触媒が配置されてもよい。燃焼温度を下げるために、経済的に実現可能な高温触媒メッシュが使用されてもよい。
電源は、水温、圧力等のシステムの条件に応じて最適化された所望の電圧を供給してもよい。セルあたりの電圧は、例えば1.4V~2.3Vのように変化してもよく、電流密度は最大効率を得るために44mA/cm2のように低くてもよい。電流密度が低いため、効率が高くなる傾向にある。
LPG/調理用ガスバーナー配置が提供されてもよい。LPG/調理ガスバーナー配置は、水素バーナー配置に追加されてもよい。実施形態では、システムは、バーナポートがバーナの側面に沿って設けられ、LPGによって燃料化された炎が水素の炎を取り囲んでいるクローズドトップバーナ配置に類似していてもよい。実施形態では、ガス供給チャネルは、水素供給チャネルおよび酸素供給チャネルから分離されていてもよく、それゆえに、その点で安全上のリスクをもたらさないであろう。代替的な実施形態では、燃料は、処理装置の制御下などで混合されてもよい。
再生可能エネルギー接続が提供されてもよい。実施形態では、貯蔵システムを含むシステム全体が、太陽光発電、風力発電、水力発電、またはそのような再生可能エネルギー源に接続されてもよい。水素貯蔵は、そのような再生可能エネルギー源によって生成されたエネルギーの貯蔵として機能してもよい。
システムのさらに別の実施形態では、燃焼の作動は、バーナ上の調理器具の存在を検出するために酸素供給路に沿って配置されたセンサを用いて行われてもよい。センサは、熱から遮蔽され、最適な温度で作動するようにしてもよい。
システムのさらに別の実施形態では、水素の炎は、それ故に、より広範囲に調理を行うための熱を放射することができるコイルを加熱するために使用されてもよい。ラジエータへの水素供給は、ラジエータ内の温度によって調節されてもよい。
本システムのさらに別の実施形態では、触媒メッシュによって吸収された熱は、電力を生成するために使用され、システムの正味効率を増加させることができる。
水素製造システムは、図237に描かれているように、調理システム1201に統合されてもよく、このシステムは、ジャイロ、加速度計、温度および湿度などの基本的なセンサを有するマイクロコントローラを含む。スマート調理システムを含んでもよい。重量、追加の温度センサ、圧力センサなどのような他のセンサが調理システムに取り付けられてもよく、ユーザおよびシステム(任意のリモートコントロールを含む)からの様々な入力に基づいて、アクチュエータが調理温度、時間、および他の調理機能を制御してもよい。
スピーカーは、出力を読み上げたり、単に音楽を再生するために使用されることがある。
また、マイクロコントローラは、ディスプレイやタッチインターフェースとインターフェースされていてもよい。
マイクロコントローラは、クラウドと接続されていてもよく、ここでは、レシピ、重量、温度などに関する情報が保存され、コントローラによってアクセスされてもよい。また、マイクロコントローラは、ユーザの調理パターンに関する情報を提供してもよい。
一実施形態では、スマートシステムの構成、制御、および調理アルゴリズムは、コンピュータ(例えば、クラウド内)によって実行されて、収集されたすべての情報および感知された情報を処理し、オプションとして、エンドユーザに操作に関連した推奨を提供してもよい。推奨には、適切なレシピの提案、バーナー内の熱の自動回転などが含まれてもよい。マイクロコントローラは、クラウドへの接続性を確保するために、ブルートゥース(登録商標)低エネルギー(「BLE」)、Wi-Fiおよび/またはローアラン、またはそのようなものを介して通信してもよい。ローアランは、中央サーバを介してIoTデバイスとクラウドデバイスとの間で通信するために長距離無線信号を利用する無線ネットワークである。マイクロコントローラは、処理能力がほとんどないか、またはほとんどないかもしれない他のIoTデバイスに接続するのに十分な処理能力を有し、また、エンドユーザにスマートでインテリジェントなオールインワンのスマートホームソリューションを与えるために、これらのIoTデバイスのための処理を行うような方法で設計されていてもよい。
図238および図239は、可能な限りクラウド接続1360を確保するために、共通の家庭用Wi-Fiルータ1340が利用できない場合に、クックトップ1310から近くのモバイルデバイス1371を介したアドホックWi-Fiの形態での自動切り替え接続1301が実行されてもよいことを描写している。図238は、Wi-Fiルータ1340が利用可能な場合の通常の接続モードを描写している。図239は、クラウド接続1360への接続のためのローカルモバイルデバイス1400のアドホック使用を描写している。
追加のスマート調理システムの特徴および機能は、調理学習アルゴリズムと組み合わせた場合に、過剰調理および燃料の浪費を最小限に抑えるために燃料消費を制御してもよい各発熱体のための重量センサを含んでもよい。これは、未使用の加熱要素が作動し続けて燃料を浪費しないように、複数の加熱要素を採用する構成にも利益をもたらすかもしれない。図240は、3要素の誘導スマート調理システム1500を図示している。加熱要素は、ガスベースであってもよく、または代替的に、誘導、電気ホットプレート、電気コイル、ハロゲンランプなどによる加熱を含んでもよい。図241は、シングルバーナーガススマート調理システム1600を図示している。図242は、電気ホットプレート(コイル)スマート調理システム1700を図示している。図243は、単一誘導発熱体スマート調理システム1800を示す図である。
本明細書に記載されたスマート調理技術の別の実施形態は、本明細書に記載されたクックトップ、プローブ、シングルバーナー要素のいずれかと直接使用するのに適した、インテリジェントな、コンピュータ化されたノブ、ダイヤル、スライダ、またはそのようなものであってもよい。そのようなスマートノブ2000は、本明細書に記載されたスマートシステムの独立した操作および制御に必要なすべての電子機器および電力を含んでもよい。スマートノブ2000への言及は、加熱、調理などに関与する温度、タイミング、および他の要因を制御するために従来から使用されているノブ、ダイヤル、スライダ、トグル、および他の物理的なユーザインタフェースのフォームファクタを包含するものと理解されるべきであり、ここで、前記のいずれかがプロセッサおよび1つ以上の他のインテリジェントな機能と一緒に具現化されている。
スマートノブ2000は、電気ベースの調理システムのようなデジタルアクチュエータを有する実施形態と、ガスモデルのような機械的アクチュエータを有する別の実施形態とを含んでもよい。スマートノブ2000は、携帯性および機能性を考慮して設計されてもよい。ノブは、ユーザインタフェース(例えば、ディスプレイ、音声出力など)を含んでもよく、それを通して、ユーザにステップバイステップのレシピなどを提供してもよい。スマートノブ2000は、調理システムアクチュエータから取り外されても、アラームを設定したり、複数のスマート調理システム21の動作を監視したりするように、無線で動作してもよい。実施形態では、スマートノブ2000は、例えば、クラウドまたは他の分散コンピューティングプラットフォームのような遠隔で管理される可能性のあるものなど、調理システムのためにどのような制御プロトコルを使用すべきかを決定するために、調理システムとの間で(例えば、ブルートゥース(登録商標)などによって)ハンドシェイクを形成するためのプログラムおよび指示を含むことによって、異なる種類の調理システムとインターフェースすることを可能にする情報を記憶してもよい。実施形態では、ユーザは、スマートノブ2000を調理システム21に近づけてもよく、その場合、握手が開始されてもよく(ユーザの制御下でまたは自動的に)、その場合、スマートノブ2000は調理システム21を認識し、スマートノブ2000上に記憶された命令に基づいて制御を開始するか、またはスマートノブ2000が接続されているクラウドまたは他の分散コンピューティングプラットフォームのようなリモートソースから調理システム21のための適切なプログラミング命令および制御命令のダウンロードを開始する。このように、スマートノブ2000は、様々な調理システムのための普遍的なリモートコントローラとして機能し、ここで、ユーザは、タイマーまたは温度設定を設定するためにダイヤルを回す、トグルまたはスライダを上下に動かす、タイマーを設定する、またはそのような動作のような、馴染みのある動作を使用して制御を開始することができる。実施形態では、単一のバーナもしくは加熱要素またはバーナもしくは加熱要素の集合体を制御するために互いに協調する複数のスマートノブ2000が提供されてもよい。例えば、一対のスマートノブ2000のうちの1つのノブがバーナまたは加熱要素の温度を制御してもよく、一方、一対のスマートノブ2000のうちの第2のノブが加熱のタイミングを制御してもよい。
実施形態では、スマートノブ2000は、時間をかけて異なる温度にアイテムを加熱するのに適したような、時間をかけた温度のパターンなどの複雑なプロトコルを具現化するために使用されてもよい。これらは、ユーザがスマートノブ2000を介して所望のレシピを示すだけで、スマートノブ2000がレシピに従うようにバーナまたは加熱要素の制御を自動的に開始するように、レシピなどとして記憶されていてもよい。
ユーザは、スマートノブ2000をIH調理システムと共に使用して、IHコンロ等の調理システムの温度制御、ステップバイステップの指示等を行うようにしてもよい。ユーザは、例えば、スマートノブ2000をIH調理システムから外し、ガスバーナー調理システムを操作するように構成し(例えば、自動ハンドシェイクを開始することによって)、スマートノブ2000をカウンタートップ、壁、冷蔵庫のドアなどの便利な場所に取り付けるだけで、ガスバーナーベースのスマート調理システムでの調理に切り替えてもよい。スマートノブ2000は、調理システム上に配置されてもよいが、ブルートゥース(登録商標)(Bluetoooth(登録商標))、近距離通信(「NFC」)、Wi-Fi、またはプログラミングによって接続が確立されると、スマートノブ2000は、ユーザの人(産業環境においてユーザが場所から場所へ移動する場所など)、ダッシュボードまたは複数のデバイスを制御する他の制御システム上、または他の物体上など、任意の都合のよい場所に配置されてもよいことに留意すべきである。スマートノブ2000は、物体に取り付けるためのクリップ、フックアンドループファスナー、磁気ファスナー、物理的なコネクタなどのような、処分されるための代替的なインターフェースを備えていてもよい。
スマートノブ2000は、本開示全体で説明したスマート調理システム21の様々な機能を使用してもよいし、含んでもよいし、制御してもよい。さらに、スマートノブ2000は、スマートドアベル、遠隔温度プローブ(例えば、冷蔵庫または冷凍庫内)などの他のIoTデバイスに接続されてもよい。また、スマートノブ2000は、調理以外のキッチンタスクに使用されてもよい。温度プローブと接続することにより、スマートノブ2000は、冷蔵庫または冷凍庫に置かれた物品を冷やすための進行状況をユーザに通知するために使用されてもよい。
必要とする電力が非常に少なく、スマート調理システム21に搭載可能であるため、スマートノブ2000は、実施形態では、調理システム21のバーナからの熱を熱電変換して充電することができ、外部電源の使用を必要としないようにすることができる。
図244~図251は、スマートノブ2000の様々なユーザインターフェース機能2010、2020、2101、2201、2300、2400、2500、2600を描写している。
図252は、単一の発熱体調理システム2710上に配置されたスマートノブ2700を示し、図253は、キッチンアプライアンス2810の側面に配置されたスマートノブ2800を示す。
スマート調理システム21の他の特徴は、図254~図257に描かれたスマート温度プローブ3101の例を含んでもよい。温度プローブ3101は、スマート調理システム21、スマートノブ2000、および/または調理のための携帯電話150とインターフェイスされてもよい有線または無線の温度センサで構成されてもよい。温度プローブ3101は、実施形態では、液体(スープなど)に浸漬されてもよいし、固体(肉片または調理用焼き菓子など)の内部に挿入されてもよく、液体または固体の測定された内部温度に基づいて非常に正確に調理することができる。また、スマート温度プローブ3101は、任意のタイプの非磁性の調理容器で水を正確な温度(例えば、お茶の場合)に加熱するためのベースの温度を制御するための誘導ベースの使用を容易にしてもよい。
スマート調理システム21は、ドッキング、アンドッキング、および表示のためのスマートフォンへの容易なアクセスを容易にしながら、調理熱がステーション内のデバイスに直接影響を与えることを防止するように構成されたスマートフォンのドッキングステーション3301を含んでもよい。様々なスマートフォンおよびタブレットデバイスとの互換性のための様々な異なるドック3310、3401、3501、3601、3701、3801が、図258~図263に描かれている。
様々なバーナ設計が、本明細書に記載されているようなスマート調理システムでの使用のために企図されている。図264~図280は、例示的なバーナ3900、4200、4701、5000、5300を示す。
本明細書に記載されるインターネット接続スマート調理システム21は、ホームメーカー、商業的なシェフ、または産業環境での料理人などのユーザが、より健康的な食事を準備し、他のユーザの食品の選択について学習し、食事の準備時間の短縮を促進し、品質および価値を向上させるための繰り返し調理を支援するツールおよび機能を含んでいてもよい。現在のインターネットに接続されたスマートクックトップの機能を活用することができるいくつかのアプリケーションには、ユーザが食事を準備することができるユーザの家族または他の人の各メンバーの毎日のカロリー消費要件を推定するのに役立つフィットネスアプリケーションが含まれていてもよい。これは、ユーザが、ユーザの家族のフィットネスを経時的に制御し、追跡するのに役立つかもしれない。レシピからのデータと、レシピのための料理を調理するために使用される鍋/パンの重量センサとを使用して、フィットネスアプリケーションは、カロリー消費量の推定値を生成し、1つ以上の健康的な代替レシピを提案してもよい。クックトップ機能(例えば、バーナー)のセンシングおよび制御を、調理されているレシピの食材のための食品栄養および重量値へのインターネットアクセスと組み合わせることにより、スマートクックトップバーナー上に置かれた鍋の内容物のカロリーカウントを推定してもよい。一例として、レシピが、水のサービング単位と組み合わせたサービングあたりのレンズ豆の1/4カップを呼び出す場合、レンズ豆を準備するために使用されている鍋の総重量が感知されてもよい。鍋の重さを知ることで、鍋内の成分の正味重量が計算され、総重量を計算して、それを一人前の重量で割ることで、鍋内のサービング数が決定されます。より低い脂肪、より高い栄養成分を有する対応する食事のリストを含んでもよいレシピ比較ツール(例えば、インターネット上のリソースを介して利用可能であってもよい)にアクセスすることにより、代替レシピが、例えば、より低いカロリーまたは脂肪で同等の栄養を提供するであろうユーザに提案されてもよい。
食品調査アプリケーションは、地域(例えば、インドのような国)全体でスマートクックトップシステムのユーザによって使用されているレシピについてのスマートクックトップおよびユーザの活動から情報を収集して、最も頻繁に調理されたレシピ、好ましい朝食の食事、人気のある休日のレシピなどの様々なメトリクスを計算してもよい。この情報は、食品供給者、農家、住宅所有者などによる計画目的に有用であるかもしれない。例えば、ある特定の日に、あなたの地域の人々が調理しているレシピに関する情報は、どの料理が流行しているかを判断するのに役立つかもしれません。レシピとそれに対応する限られた人口統計学的情報を時間をかけて受信するインターネットベースのサーバーは、どの料理がトレンドになっているかを判断することができます。ある期間(例えば、夕方の食事の準備時間中)の間のすべてのレシピ(またはそれに匹敵するレシピ)のすべての使用のカウントが計算されてもよく、最大の使用カウントを有するレシピは、最も人気があるもの、現在流行中のもの、およびそのようなものとして識別され得る。
調理はより繰り返し可能になるので、調理者(例えば、経験の浅い調理者)は、調理のし過ぎ、過度の熱による焦げ付きなどのミスを避けるために、インターネットに接続されたスマートクックトップシステムの自動化機能に頼ることができるかもしれない。これは、任意の熱出力設定における各バーナーのカロリー出力値、調理されている食品の重量、目標温度および調理時間(例えば、レシピからの)、食品の選択されたドーネスなどのような、調理されている品目および調理環境に関する情報の使用のために可能であるかもしれない。この情報をモデル化されたおよび/または感知されたバーナ動作(例えば、温度プローブが、調理される食品の温度、調理環境の温度などを検出するために使用されてもよい)と組み合わせることにより、熱、温度、および調理時間の自動制御を容易にし、それにより、食事の調理を再現可能かつ予測可能なものにすることができる。各タイプのバーナー(例えば、誘導加熱、電気、LPガス、水素ガスなど)は、今日の誘導加熱でレシピを調理し、明日の水素ガス加熱でレシピを調理しても、再現性のある結果が得られるように、それぞれの運転要因を完全にモデル化してもよい。調理システムからの情報とセンサまたは他のシステムからの情報を組み合わせる同様の機能は、加熱、乾燥、硬化などを介して材料および部品を生産する製造プロセスなどの工業プロセスの再現性を向上させ、改善するために使用されてもよい。
実施形態では、本明細書に開示された方法およびシステムは、水素生産、貯蔵、および使用システムを含むか、水素生産、貯蔵、および使用システムと接続するか、または統合することができる。実施形態では、水素製造、貯蔵、および使用システムは、水素製造、水素貯蔵、分配、監視、消費などを含む様々な操作のためのエネルギー源として再生可能エネルギーを使用してもよい。実施形態では、水素製造は、例えば加水分解システムを用いて、太陽光発電(直接太陽光発電を用いるシステムを含む)、光起電力システム(半導体、ポリマー、および他の形態の光起電力を用いるものを含む)、水力発電(波動、流水、または蓄積された電位エネルギーを含む)などの再生可能エネルギーによって動力を供給されてもよい。重力(例えば、蓄積された電位エネルギーを含む)、地熱エネルギー、熱勾配(例えば、海水のような水域の温度勾配、または地表のような地球のあるレベルと地下のような別のレベルとの間の温度勾配など)に由来するエネルギー、風力など、および適用可能な場合には、再生可能エネルギーが挙げられる。本開示全体を通して再生可能エネルギーへの言及は、文脈が別段のことを示す場合を除き、上記のいずれかを包含するものと理解されるべきである。
実施形態では、ソーラーコレクタパネル等は、本明細書に記載されたシステムのような水素製造システムと共に構成され、水からの水素製造を含む水素の製造に電力を供給するように構成されてもよい。水素製造システムは、太陽光に曝される周囲の環境に水素製造システムを配置することにより、太陽光を介した自己動力運転または部分的な自己動力運転が容易になるように、一体型のソーラーコレクタパネルおよびさらなるソーラーシステムに接続する能力を有するように構成されてもよい。
実施形態では、単一のパネルまたは太陽電池パネルのアレイのような太陽光発電サブシステムは、水素製造システムとは別個に、任意に遠隔で配置されるように構成されてもよい。太陽光発電サブシステムは、複数ユニットの住居、窓の少ない建物、直射日光または十分な日光を受けない内部領域を有する建物(倉庫、製造設備、貯蔵設備、実験室など)などのような、局所的に日光へのアクセスが制限された環境での展開を容易にするために、1つ以上の水素製造システムに接続されていてもよい。また、水素の製造、貯蔵、および使用のためのシステムの他の動作プロセスは、太陽光発電を介して電力を供給してもよい。
水素製造のために収穫された太陽エネルギーは、これらの他のオペレーションに共有及び/又は流用されてもよいし、必要に応じて地元のグリッドに販売されてもよい。また、太陽エネルギーハーベスティングは、本明細書に記載されているように、水素製造のために必要なエネルギーを直ちに、またはタイムシフトおよびオンデマンド機能および他の操作要素で直接提供してもよい、バッテリの充電、様々な熱システムの充電、または他の電気エネルギー貯蔵設備の充電に使用されてもよい。このように、太陽光発電は再生可能なエネルギー源を提供する一方で、太陽光の不在、したがって太陽光発電の生産が減少することの影響は、中間電池などの使用によって緩和されてもよい。
実施形態では、1つまたは複数のセンサおよび計器を含むデータ収集システムは、予測メンテナンスを可能にすること、最適な運転を可能にすること(現在および予測される状態情報に基づくことを含む)、および同様のことを含む、太陽光発電システムまたはその構成要素を監視するために使用されてもよい。監視、遠隔制御、および自律制御は、本明細書に記載された他の実施形態と同様に、任意に、人間の訓練または監督の下で、機械学習および人工知能を使用して可能にしてもよい。機械学習を使用することを含む、データ収集、監視、および制御のためのこれらの能力は、本開示全体を通して記載される他の再生可能エネルギーシステム、およびその構成要素と関連して使用されてもよい。
実施形態では、本明細書に開示された方法およびシステムは、風力発電を含む再生可能エネルギーの他の供給源を含むか、それと接続するか、またはそれと統合されてもよい。風力発電は、風車、タービン、ルーツブレード構成、または本明細書に記載されているような太陽収集設備または他の電気源に類似した水素生成、貯蔵、および使用システムおよびコンポーネントを用いて構成されてもよい類似の風力発電収集設備を介して収穫されてもよい。多くの例では、水素製造、貯蔵、および使用システムに取り付けられたタービンまたは類似の風力発電収集および変換装置を構成することは、十分な移動ガス(例えば、風が吹く、移動要素(車両の一部など)の周りを流れる空気、産業機械またはプロセスからの排気など)が利用可能な様々な環境での展開を容易にするかもしれない。これらおよび他の実施形態は、文脈が別の態様を示す場合を除き、本開示の「空気の流れ」という用語によって包含されることが意図されている。
実施形態では、空気の移動の様々な源が、空気の流れからの動力源として利用されてもよい。様々な例では、調理などのための水素の使用から生じるかもしれない加熱された空気は、加熱された空気の流路内に配置されてもよいタービンなどの風力発電設備を通過してもよい。実施形態では、他の熱収穫装置は、エネルギーが吸収されて適切な熱機関に電力を供給することができる、正の変位装置または他の加熱媒体などのように配置されてもよい。実施形態では、タービンまたは他のエネルギー/熱収穫デバイスをストーブ、調理システム、または生成された水素の他の発熱使用の直上に配置することは、直接的または間接的に、部分的または全体的に、例えば電池の充電、水素生産、貯蔵、および使用システムの運転プロセスを介して、電力を供給するために使用されてもよいエネルギーを生成してもよい。
本明細書に記載されるような水素製造、貯蔵、および/または使用システムの1つ以上の操作プロセスに電力を供給するための再生可能エネルギーのさらなる別の使用では、水力発電は、再生可能エネルギーの源であってもよい。実施形態では、水力発電は、電気生産および場合によっては機械的な電力の収穫を含む、本明細書に記載されるような水素生産、貯蔵および使用システムのプロセスを操作するために使用可能な形態に変換されてもよい。これらの例では、水力発電からの電力は、水または周囲の空気ベースの水蒸気などの水素源から水素を生成するために加水分解器を作動させるために利用されてもよい。実施形態では、水力発電を直接利用するかもしれない水素製造、貯蔵、および使用システムを構成することは、水素製造、貯蔵、および使用のような操作プロセスを妨害しないように、移動する水の体(例えば、川、滝、ダムを流れる水、およびそのようなもの)のような水力発電の源を保持するエンクロージャを構築することを含むかもしれない。実施形態では、そのような筐体は、そのようなシステムの少なくとも一部を水中に浸水可能にすることにより、水の流れの中で直接水力発電源システムを展開することを容易にしてもよい。例えば、水素の製造および貯蔵は、そのようなエンクロージャから利益を得ることができる。特に、水中水素製造システムは、水素の供給源として、水素を製造するためのエネルギー源として、プロセスを冷却するための供給源として、またはそのようなものとして、システムが水中にある流体力学的水を利用してもよい。
図282を参照すると、水素の生産、貯蔵、分配、および使用のための再生可能エネルギー源に関連する方法およびシステムの実施形態が描かれている。本明細書に記載されるような再生可能エネルギーの使用を容易にするシステムは、水素貯蔵設備5703に結合されてもよい水素生産設備5074を含んでもよい。水素生成設備5705および/または水素貯蔵設備5703は、1つ以上の水素使用設備5707に結合されてもよい。つ以上の水素使用設備5707は、水素分配ネットワーク(図示せず)を介して結合されてもよい。
水素の製造、貯蔵、分配、および使用は、少なくとも部分的に、太陽エネルギー源5709、風力エネルギー源5711、水力エネルギー源5713、地熱エネルギー源5715などの1つまたは複数の再生可能エネルギー源によって駆動されてもよい。風力エネルギー源57111は、自然気流、モータ駆動気流、車両の移動に起因する気流、または廃熱源5719(調理などの暖房運転からの廃熱など)であってもよい。これらの再生可能エネルギー源のいずれかは、水素製造、貯蔵、分配、および使用システムによって意図された使用に適したエネルギーの形態に変換されてもよい。一例として、太陽エネルギー源5709は、水素製造設備5705、水素貯蔵設備5703、水素使用設備5707等に電力を供給するために、本明細書に記載されているように、電力に変換されてもよい。水素貯蔵設備5703は、水素製造設備5705および水素使用設備5707と一緒に動作する必要はなく、製造された水素は、貯蔵を必要とせずにその製造時に消費されてもよいので、本開示に照らして理解されるであろう。
水素製造設備5705によって供給され得るエネルギーの別の態様は、二酸化硫黄源5717を含んでもよく、例えば、二酸化硫黄廃棄物を生成する化石燃料燃焼システムなどが挙げられる。本明細書に記載されるように、二酸化硫黄源5717は、二酸化硫黄を使用するように適合された水素製造設備5705によって水素ガスが製造されてもよい熱エネルギーおよび原料を供給してもよい。
水素製造設備5705および/または水素貯蔵設備5703によって供給され得るエネルギーのさらに別の形態は、水素使用設備5705の1つ以上からの熱回収5721を含んでもよい。回収された熱は、直接使用されてもよいし、蒸気および/または電気のような別の形態に変換されてもよいし、または水素が収穫されてもよい入力原料として提供されてもよい。
図283を参照すると、少なくとも1つの水素生産設備5705、少なくとも1つの水素貯蔵設備5703を有する再生可能エネルギー使用の代替実施形態が示されている。図283の実施形態では、水素の生産、貯蔵、分配、および使用は、接続されていてもよいが、スタンドアロンの複合機能システムのように統合されていなくてもよい。図283の実施形態では、図282の実施形態について説明したような再生可能エネルギー源が、水素製造5705および貯蔵5703のためのエネルギーを提供するために使用されてもよい。しかし、水素の使用は、水素製造設備5705、貯蔵設備5703、および、アパートの個々のアパートなどの別個の物理的な場所に配置されてもよい水素使用設備5707に結合されてもよい水素分配システム5823を介して提供されてもよい。
図284を参照すると、水素製造、貯蔵、分配、使用、および制御のための本明細書に記載された方法およびシステムは、より少ない計画外ダウンタイムおよびより少ないコンポーネント故障を伴う運転の改善を促進するために、予測メンテナンス方法およびシステムと結合されてもよい。図284の実施形態では、予測メンテナンス設備5903は、水素製造、貯蔵、および使用設備に関連付けられた、またはより特に統合されたプロセッサ上で動作するように構成されてもよい。代替的に、予測メンテナンス設備は、統合されていないプロセッサ、例えば、クラウドコンピュータ、スタンドアロンコンピュータ、ネットワーク化されたサーバなどで動作するように構成されてもよい。予測保全設備5903は、使用/保全モデル5915、保証および規格規則5919、およびセンサデータのアーカイブおよびそこから派生した分析学5917などの様々なデータセットからの情報とともに、様々なシステムセンサ5905からの入力を受信してもよい。
システムセンサ5905は、水素システムセンサ、入力エネルギーセンサ、プロセスセンサ(例えば、触媒センサ等)、出力センサ、使用センサ、および本明細書に記載されているような他のセンサの範囲を含んでもよい。これらのセンサの各々または任意のセンサは、直接または中間プロセッサを介して、データ収集ユニット、架橋されたデータ収集ユニットなどのデータを予測保全設備5903に提供してもよい。ローカル/統合された予測メンテナンス設備5903の場合、センサデータは、直接入力などを含む様々な入力を介して提供されてもよい。リモート/クラウド型予測メンテナンス設備の場合、センサデータは、インターネット、イントラネット、無線通信チャネルなどのネットワークインターフェースを介して提供されてもよい。
予測保全設備5903は、レポートを提供し、制御を容易にし、保全行動、計画、および分析へのユーザの参加を容易にするために、予測保全設備5903と相互作用するためのローカルまたはリモートのユーザインタフェースとさらに結合されてもよい。ユーザインタフェース設備5909は、水素製造、貯蔵、および使用システムの統合されたコンポーネントであるなど、予測保全設備5903と統合されていてもよい。代替的に、ユーザインタフェース設備5909は、インターネットなどを限定することなく、ネットワーク、クラウドネットワーク設備などを介して、遠隔でアクセス可能であってもよい。
少なくとも半自動化された予測メンテナンスを容易にするために、交換部品、サービス等は、予測メンテナンス設備5903が何らかの形態の予防活動が必要であることを示す結果に基づいて自動的に発注されてもよい。自動部品/サービス発注設備5913は、ユーザが自動発注を承認または調整することを可能にするために、ユーザインタフェース/制御設備5909に直接または間接的に接続されてもよい。
図284の実施形態は、少なくとも2つの構成、(i)予測メンテナンス5911を備えた統合型水素調理/加熱システム、および(iii)クラウドコンピューティング機能、クラウドストレージ設備などの共有リソースを利用してもよいモジュール式システムを含む。
実施形態では、本明細書に開示される方法およびシステムは、本明細書に記載されるような水素生成、貯蔵、および任意使用システムの操作、監視、および他の電子的側面とインターフェースする、様々なインターフェースを介してアクセスされ得る、1つ以上のコンピューティングデバイス機能を含むか、接続するか、または統合されてもよい。本明細書の他の箇所に記載されているいくつかの機能は、水素生成の制御および監視、分配などを含む水素貯蔵の制御および監視、生成および/または貯蔵された水素の使用の制御および監視を含むことができる。実施形態では、制御入力を提供し、モニタ出力を受信するなどのこれらの機能へのアクセスは、アプリケーションプログラミングインターフェース(API)などのインターフェース、またはサービス指向アーキテクチャのような1つ以上のサービスへのインターフェースを介して行われてもよく、これらの機能、サービス、コンポーネントなどの特定の側面を公開し、それらへのアクセスを容易にすることができる。API」または「アプリケーション・プログラミング・インターフェース」という用語は、文脈が異なる場合を除き、プログラム、サービス、コンポーネント、コンピューティング要素などへの様々なインターフェースを包含するものと理解されるべきである。
実施形態では、API型インターフェースは、公開された側面にアクセスすることができるアルゴリズム、ソフトウェアルーチンなどの機能のライブラリを含んでもよい。実施形態では、API型インターフェースは、第三者によるサブシステムの制御および/または監視を可能にするために、外部リソースとの分析を容易にするために、複数のリソースの相互接続、複数のシステム間の燃料および再生可能エネルギーの調整などを容易にするために、本明細書に記載されているような水素製造サブシステムの制御機能へのアクセスを容易にしてもよい。実施形態では、単一の水素製造サブシステムは、複数の水素貯蔵システムに水素を供給するために利用されてもよい。これらの例によって、水素貯蔵システムのうちの1つ以上は、APIまたはAPI型インターフェースを使用して、貯蔵能力にある貯蔵システムまたは貯蔵能力に近い貯蔵システムが、貯蔵システムへの水素の分配を減少または停止するように流量弁の制御機能を指示してもよいように、貯蔵システムによって生成された水素の分配を容易にしてもよい流量弁、燃料分配アーキテクチャ、またはそのようなものにアクセスしてもよい。実施形態では、アプリケーションプログラミングインターフェースは、水素消費監視要素、再生可能エネルギー利用監視システム、水素利用システム、本明細書に記載されているようなスマートクックトップシステムへのアクセスを提供することを含む、制御および監視機能の範囲にわたって利用されてもよい。
本明細書に記載されているようなAPIタイプのインターフェースに加えて、水素製造、貯蔵、および使用システムは、1つまたは複数のマシン間インターフェースを介してアクセスされてもよい。実施形態では、そのようなインターフェースは、水の流れ、加水分解に使用されるエネルギーの流れ、結果として生じる水素の流れ、または前記のいずれかの液体レベルのような1つ以上のレベルを感知するように配置された監視装置とセンサーとの間のような、直接配線されたインターフェースを含んでもよい。実施形態では、マシン間インターフェースは、ネットワーク、例えばイントラネット、エクストラネット、インターネットなどの標準的な通信ポータルを介してのような間接的なものであってもよい。実施形態では、水素製造、貯蔵、および使用システムの一部と別の機械との間で制御、監視、および他の情報を交換するために、HTTPなどの通信プロトコルが利用されてもよい。実施形態では、マシン間インターフェースは、水素使用の第三者の制御を容易にしてもよい。これは、様々なモードで現れてもよく、その例としては、ユーザが、モバイルデバイスと調理機能との間のマシン・ツー・マシン・インターフェースとしてインターネットを使用して、モバイルデバイスから調理機能にリモートでアクセスすることが挙げられる。
実施形態では、本明細書に記載されているような水素製造、貯蔵、および使用システムとのインターフェイスは、グラフィカル・ユーザ・インターフェース(GUI)を介して達成されてもよい。多くの例では、そのようなインターフェースは、システムの制御、監視、および他の機能への人間の直接アクセスを容易にしてもよい。実施形態では、GUIは、単一のGUI内でシステムの機能の範囲へのユーザのアクセスを容易にすることに論理的に関連する様々な画面を含んでもよい。多くの例では、他のものの中に、さらなる生産GUI画面へのリンクを含んでもよいメインシステムGUI画面があってもよく、例えば、メイン画面は、エネルギー源制御画面、ストレージシステム制御画面、システムの健全性、予測情報などにリンクしてもよい。実施形態では、メインGUI画面はまた、水素貯蔵の監視および制御、水素分配の監視および制御、水素の使用、スマートクックトップの調理機能、ヒーターサブシステムのための加熱機能など、システムの他の側面のための1つまたは複数のGUI画面へのアクセスを容易にしてもよい。
実施形態では、本明細書に開示された方法およびシステムは、故障およびダウンタイムを回避することにより、コンポーネントのスマートな交換を容易にすることができる予測メンテナンス機能を含むか、それに接続するか、または統合されてもよい。実施形態では、本明細書に記載される予測メンテナンス機能は、メンテナンスを必要とする可能性のあるシステムの部分の監視および/または制御を容易にする可能性のある1つ以上のセンサを使用して、さらに強化されてもよい。例示的な実施形態では、電解槽機能の監視および/または制御を容易にする1つ以上のセンサが配置されてもよい。例示的な方法で、電解槽の膜部分を監視してもよい1つ以上のセンサは、直ちに注意を必要とする1つ以上の状態を検出するのに有用なデータを提供してもよいし、他の要因で絶頂を迎え、後で注意を必要とするかもしれない状態、例えば膜の交換を必要とする状態などを検出するのに有用なデータを提供してもよい。そのようなセンサは、膜または加水分解器の他の部分の交換が推奨されることを示すかもしれない状態を感知したときに、音声信号、視覚信号、電子信号、論理信号などの1つ以上のアラートを生成するようにさらに構成されていてもよい。そのようなセンサは、膜または加水分解器の他の部分を交換する必要性を示すかもしれない様々な間隔、周波数、および大きさのイベントを捕捉する信号を捕捉するために、センサからのデータの1つまたは複数の記録を長期間にわたってトリガしてもよい1つまたは複数のアラートを生成するようにさらに構成されていてもよい。膜および電解槽の例は、米国特許第8,057,66号に開示されている。2005年12月7日に出願され、Hioatsuらに対する米国特許第8,057,646号、および2001年6月1日に出願されたVandenborreに対する米国特許第6,554,978号に開示されており、それらの各々は本明細書に完全に記載されているかのように参照することにより本明細書に組み込まれる。
実施形態では、そのようなアラートは、センサによって、および/またはセンサとインターフェイスし、センサからのデータを分析してもよい1つ以上のコンピューティング設備によって生成されてもよい。実施形態では、膜センサなどのセンサは、物理的に(システムの物理的側面を監視するために)、および/または論理的に(1つ以上のセンサからのデータを処理するアルゴリズムなど)システムに統合されてもよい。実施形態では、1つまたは複数の膜センサなどは、別のアクションまたは予防措置が取られるべきであることを示す1つまたは複数の状態を検出してもよい。実施形態では、そのようなセンサからの1つ以上の警告は、感知された状態の種類および感知された状態の程度を示すことができる。実施形態では、センサのアラートおよび/またはセンサデータが、システムについて知られている他の情報と組み合わされると、アラートの原因となっている状態に対抗するために取られるべき1つ以上のアクションまたは予防措置を示すアラートが生成されてもよい。一例では、アラート(またはアラートのセット)は、加水分解器の操作をオフにするか、またはより大きなデューティサイクルでサイクリングすることによって、生成される水素の量を減らすための行動を要求してもよい。
実施形態では、本明細書に開示された方法およびシステムは、システムに関連しているかもしれない相互接続を介して水素などの流れを減少させる内部蓄積など、腐食または他の状態について相互接続を監視してもよいセンサを含んでもよいし、それに接続してもよいし、またはそれと統合してもよい。実施形態では、そのようなセンサは、腐食の程度、腐食を促進する可能性のある条件などを示すデータをコンピューティングデバイスに提供してもよく、腐食の程度が相互接続の影響を受けた部分を交換するなどのアクションを直ちにまたはその時点で実行する必要があることを示す条件を検出してもよい。一例では、1つ以上の条件は、1つ以上のセンサからのデータと、許容できない程度の腐食を示唆するデータ値とを比較することによって決定されてもよい。
実施形態では、1つ以上のセンサを有する監視サブシステムは、感知されたデータのリアルタイム測定を収集、分析、および/または報告してもよい。同様に、そのようなサブシステムは、材料故障データ(例えば、頻度、程度、展開からの時間など)の測定および/または追跡を容易にするために、リアルタイム故障データを収集、分析、および/または報告してもよい。
実施形態では、本明細書に開示された方法およびシステムは、例えば、触媒性能、効率などを決定するために触媒活性を監視するために、他のセンシングモダリティを含むか、他のセンシングモダリティと接続するか、または統合することができる。これらの感知された活動に基づいて、触媒交換の必要性および/または実行されるべき他の行動または予防措置の必要性を示すアラートが生成されてもよい。
実施形態では、本明細書に開示された方法およびシステムは、入力需要、出力生産、そこでの増加の必要性、およびそのようなものを監視し、決定するために、様々な方法およびシステムを含み、接続し、または統合することができる。
実施形態では、生産および/または貯蔵を含む複数の水素操作を有する設備は、可変需要のように、貯蔵と生産率容量のバランスをとるためのモニタリングの恩恵を受けることが示されるかもしれない。実施形態では、入力需要を監視することは、使用されている水素の量、いつ使用されているか、どの使用サブシステムが入力を要求しているか、生成された水素の品質、水素を生成するのに必要なエネルギーの量、時間および様々な条件の下での水素の生成および使用の割合、およびそのようなものについての洞察を提供することができるかもしれない。実施形態では、センサは、水素の効率的かつ安全な貯蔵または転送を監視および調整するために、監視および制御システムに配備され、統合されてもよい。
実施形態では、本明細書に開示された方法およびシステムは、効率的で安全な水素の貯蔵および/または転送を監視および調整するために、1つ以上のセンサを含むか、接続するか、または統合されてもよいが、IoTアプリケーションに実装されてもよい。例では、水素がマイクロ/スマートグリッドソリューションの一部として貯蔵される場合、入力需要、生産、および貯蔵などのシステム機能を監視することは、入力/供給を増加させる必要性の判断を容易にするかもしれない。同様に、本明細書に記載されているような加水分解器等を作動させるためのエネルギー源、例えば、太陽および風からの再生可能エネルギーは、利用可能な太陽光および/または風が、産業界等のユーザーからの水素生産需要予測に結び付けられるように管理されてもよい。実施形態では、これは、グリッドの安定性などのために利用可能な水素の割り当てを確保することを容易にするかもしれない。実施形態では、統合されたエネルギー使用を測定するセンサーは、同様に、グリッドの安定性のための管理をさらに容易にするための情報を提供してもよい。例では、予測された需要は、いつ、どのくらいの量の水素を生産すべきか、および系統安定性を促進するために水素を貯蔵すべきかどうかを決定するために使用されてもよい。実施形態では、この情報は、グリッドの一部が高需要であると予測され、他の一部が低需要であると予測される場合に使用されてもよい。水素の生産および/または貯蔵された水素からの供給は、必要と予測される場所に向けられてもよいし、必要と予測される量は比較的少ないが、より迅速に消費されてもよい。
実施形態では、システムセンシングの別の実施形態は、燃料品質センシングを含んでもよい。実施形態では、燃料および酸化剤組成特性を正確に測定することができるセンサは、情報に基づいて異なる貯蔵設備に水素を指示するための制御システムで使用されてもよい。これらの例により、より高い酸化剤組成を許容し得る水素の用途は、低い酸化剤組成を有する水素よりも低いコストで、貯蔵設備から適切に供給されるかもしれない。
実施形態では、本明細書に開示される方法およびシステムは、火炎の品質、火炎の安定性、火炎温度、およびそのようなものの1つ以上を感知してもよい十分に信頼性の高い火炎監視システムを含むか、接続するか、またはそれらと統合されてもよい。実施形態では、本明細書に開示された方法およびシステムは、炎の効率および大きさを調整するために使用され得る連続的な煙道ガス分析を提供し得る1つ以上のセンサを含んでもよいし、接続してもよいし、統合してもよい。実施形態では、火炎または燃焼生成物の監視に関連するさらなるセンサおよび制御システムは、1つまたは複数の連続熱流束計を含んでもよい。
実施形態では、本明細書に開示された方法およびシステムは、何かがどの程度クリーンであるか、例えば、炭化水素燃焼からの燃焼を含むプロセスまたは液体からの排気および/または周囲放出を決定するために、1つ以上の粒子センサを含むか、それに接続するか、または統合されてもよい。実施形態では、1つ以上の排出検出センサは、非効率的な燃焼を検出するために使用されてもよく、また、システムからの漏れを検出するために使用されてもよい。これらの例によって、1つ以上のセンサは、二原子水素、二酸化炭素、一酸化炭素、および他の燃焼副産物などの内部および/または外部排出物を感知するときに、分圧または粒子数を測定するように構成されていてもよい。一つ以上のセンサは、燃焼波面、シリンダヘッド温度、潤滑清浄度および/または巻き込み、不適切な動作を示す可能性のある様々な振動信号を測定するように構成されていてもよい。
実施形態では、水素の生産、貯蔵、および使用を含む、接続する、または統合することができる方法およびシステムは、様々な環境で展開されてもよい。水素ガスのような消費可能なエネルギー源の生産を促進してもよいシステムは、食事の調理または食品準備加熱および/または調理プロセスのような環境で利用されてもよく、これに限定されないが、工業用調理を含む。
食事または缶詰などの長期保存可能な食品の調製は、本明細書に記載されている方法およびシステムを用いて実行することができる。電気、天然ガス、または調理のための他の家庭用可燃物などの信頼できるエネルギー源への直接的なアクセスが容易に利用できない環境での食事または食品の調製は、移動、海を媒介する、空気を媒介する、および頻繁に移動する他の環境では、調理エネルギー源として使用するための水素ガスの自律的な生成のために本明細書に記載された方法およびシステムから利益を得ることが示されてもよい。本明細書に記載される調理システムの使用は、移動中に使用のために貯蔵される燃料の総量を減少させることによって、移動環境での使用に有益であるかもしれない。再生可能エネルギー源からの水素などのクリーンな燃焼エネルギー源を生産し、周囲の環境から水素を収穫することにより、貨物船、軍用船、潜水艦などの長時間の移動車両にそのようなシステムを配備することは、食事の準備、調理などの目的のために運搬するのに必要なペイロードを減少させることができる。
水素の生産、監視、貯蔵、分配、および使用のプロセスに電力を供給するための再生可能エネルギーは、移動可能な環境に配備された場合、太陽光発電、風力発電、熱(例えば、地熱)を含む、本明細書に記載された方法およびシステムを介して収穫されてもよい。本明細書に記載された水素製造、貯蔵および使用システムに含まれ、接続され、または統合されていてもよい太陽エネルギーハーベスティングシステムまたはその構成要素は、車両、航空機、船などの屋根のような太陽に露出した表面上に配置されてもよい。車両等の推進の結果として、移動する車両の周囲および/または通過する空気の動きは、水素製造、貯蔵、分配等で使用するのに適したエネルギー源に収穫され、変換されてもよい。移動システムの推進システムによって発生した熱は、水素の生産、貯蔵、分配、および使用に適したエネルギーの形態に変換されてもよい。これは、インラインタービンシステム、他の熱およびエネルギー抽出機、風力捕獲システム、排熱回収システムなどの使用によって達成され得る。これらの容易に利用可能なエネルギー源を使用することにより、他の方法では利用されていないエネルギー源の多くは、船上貯蔵によってのみ満たされる可能性がある総外部エネルギー必要量を大幅に減少させることができる。
水素貯蔵および使用のための方法およびシステムの使用は、有害な廃棄ガスの発生が望ましくない潜水艦上などの海上輸送における展開を含んでもよい。水素ガスは、海水から生成され、船上で必要に応じて貯蔵され、廃ガスの浄化または除去に対処するリスクまたはコストを伴わずに、潜水艦内で調理および他の加熱用途のために安全に消費されてもよい。水素ガスは、海水から生成されてもよいが、必要に応じて船上で生成され、消費されるだけであり、安全に潜水艦内での調理や他の加熱用途のために消費されていないものであってもよい。
本明細書に記載された水素ベースのシステムの他の展開環境は、飛行中に消費される食事の準備のためのような、航空機上での使用を含んでもよい。他の航空機ベースの使用は、例えば、航空機が地球に戻った後に使用、貯蔵、または流通のために調理された物品を製造するために、飛行中に産業用調理を含むことができる。本明細書に記載された自律型水素調理システムのための方法およびシステムなどを用いた飛行中ベースの調理は、ある場所から別の場所へと単に操作されるのではなく、空中に留まっている航空機のような、長時間の飛行のための食品などの調理を容易にしてもよい。飛行中に調理され得る食事、食品、および他の物品は、より長い持続時間の飛行を容易にするために、シャトルまたは他の航空機を介して飛行中の航空機との間で輸送され得る。
掘削や採掘のように、調理用燃料やその他の市販の燃料源へのアクセスが非常に限られているような地上での作業は、このようなシステムの使用から利益を得ることができることが示されているかもしれません。地下の掘削現場や鉱山との間で材料、物資、作業員を輸送する装置には、作業員のための食事の準備を容易にするために、このようなシステムが装備されている可能性がある。有毒な排気ガスを発生しない水素などの燃料の使用は、掘削・採掘環境での使用に適していると考えられる。
収穫、植え付け等を含む農業生産もまた、本明細書に記載されるような水素ベースの調理および/または加熱システムの配備から利益を得ることができる。収穫されたばかりの食品を加熱または調理することを含み得る食品調製操作は、本明細書に記載されるような自動化または半自動化された水素ベースの調理システムから利益を得ることが示されてもよい。そのようなシステムは、調理、保存、殺菌、低温殺菌、乾燥、または任意の貯蔵操作が、食品が収穫されると同時に行われ得るように、青果物収穫機などの収穫システム上に、または収穫システムに接続されて配置され得る。産業用調理の展開などの他の展開は、ジョブサイトの展開、食品トラックの展開、食堂トラックの展開、食品生産パイプラインなどを含むことができる。さらに他の展開、例えば工業的調理展開は、老人ホーム、グループホーム、炊き出し場、学校および企業の食堂、災害救助用食品調製ステーションなどの住宅環境を含んでもよい。
自律的または半自律的な水素生産、貯蔵、分配、および使用の方法およびシステムは、グリッド全体で利用可能な信頼性の高いエネルギーを提供することを試みるために、スマートグリッドの他の構成要素と協調的に動作してもよいスマート電力グリッドの構成要素として配備されてもよい。一例では、再生可能エネルギーベースの水素製造システムは、水素のローカル需要などの様々な要因に基づいてスマートグリッドに電力を供給するために、その再生可能エネルギーハーベスティングコンポーネントを利用してもよい。再生可能エネルギー源が利用可能であるにもかかわらず、水素の生産が必要とされない場合(例えば、十分な供給が蓄積されているか、または、機械学習などに基づいて、必要とされる前に事前に予想される事前のローカル水素需要のような量が必要とされる前に生産可能であると予想される場合)、再生可能エネルギー源から生産された電気などをスマートグリッドに供給してもよい。
水素の製造、貯蔵、分配、および使用の方法およびシステムの他のタイプの産業上のアプリケーションは、空気およびインラインヒーターなどを含むことができる。例示的な環境は、部品温度試験、加熱、熱風硬化などのような、航空宇宙運用および試験のための展開を含むことができる。地球大気突入などの航空宇宙旅行に関連する極端な温度をエミュレートする温度の生産は、部品試験などで使用するために、そのようなシステムで複製され得る。
他の産業用加熱用途としては、自動車生産(例えば、部品の熱処理、熱収縮など)、自動車組立(例えば、熱風接着など)、自動車の外装および内装のカスタマイズ(例えば、ビニール製ボディパネルカバーの熱風接着、塗装硬化など)、自動車修理(例えば、バンパーなどのへこんだプラスチック部品の再整形)などが挙げられる。
まだ他の産業用加熱用途には、包装、滅菌などが含まれてもよい。特定の包装用途は、高速ポリコートボール紙シール、高速熱収縮設置、材料の熱成形、接着剤の硬化、ボトルおよびカートンの滅菌(例えば、水および/または蒸気を加熱することにより、したがって)、医薬品の生産および包装、外科用ツールおよびハードウェアの滅菌および包装、交換用歯科特徴(例えば、クラウンおよびそのようなもの)、包装材料の生産およびシール、およびそのようなものを含み得る。
本明細書に記載された方法およびシステムの紙および印刷加熱に関連する用途は、コーティングの速度延伸、接着剤の活性化、インクの乾燥、紙のエージング、パルプの乾燥などを含む、コーティングされた紙の製造を含むことができる。
本明細書に記載された方法およびシステムから利益を得ることが示され得るプラスチックおよびゴム生産加熱アプリケーションは、ゴム押出塩の除去、プラスチックの硬化、プラスチック部品の曲げおよび成形、成形部品の脱フラッシングなどを含むことができる。
本明細書に記載の方法およびシステムは、ウェーブはんだ付けのためのエアナイフ、はんだ付け/はんだ付けのためのプリント基板、リードフレーム、部品(例えば、コンデンサ)の加熱、マルチステーションはんだ付けシステムのための集中熱源、ウェハおよびPCボードの乾燥、熱収縮ワイヤ絶縁、プロセスガスの予熱などのはんだ付け操作を含む、いくつかの半導体および電子機器の製造および組立操作に必要な熱を生成するために使用されてもよい。これらの例によって、はんだ付けおよび/またはろう付けは、本明細書に記載された水素ベースの加熱システムによって提供され得る加熱を必要としてもよい。はんだ付けおよびろう付けのための熱は、各ろう付けステーションで局所的に生成されてもよいし、手動操作および半手動操作を含む複数のはんだ付け操作のために集中的な供給源から供給されてもよい。
本明細書に記載されるような水素ベースのシステムを適用するのに適しているかもしれない他の熱風アプリケーションは、プラスチックまたはビニール生地の溶接、特殊生地の熱処理、生地の出荷スリーブのヒートシール、マルチプライ生地の接着などのような繊維産業用途を含むことができる。工業用熱風アプリケーションは、本明細書に記載された例示的な実施形態を含んでもよいが、様々な機能を実行するために空気または装置の温度を上昇させるために熱が使用される家庭用布地の接着、プラスチックシートの調剤などの他の同等のアプリケーションを含んでもよい。
実施形態では、水素の製造、貯蔵、分配、使用、規制、監視、制御、エネルギー変換などに関連する本明細書に記載の方法およびシステムは、浸漬、循環、および顧客の加熱を含む加熱操作にも使用され得る。例示的な用途には、代替燃料処理、化学処理、鉱業および金属、石油およびガス、石油化学、発電、燃料貯蔵、燃料分配、熱交換器、廃棄物処理、加熱貯蔵などのような、調理および加熱のための燃料源が使用されてもよいエネルギー生産環境が含まれる。産業用途には、バイオ医薬品処理、産業機器(温度試験室など)、エンジンブロックヒーター、工業用バーナー、炉、キルンなどの予熱、医療機器の実験室および分析機器、兵器、人事管理、および他の軍事用途を含む軍事および防衛、石油化学製品などの制御加熱によるゴムおよびプラスチックの生産、輸送(乗客室の温度調節、極低温環境における車両システムの予熱または温度調節など)など、水処理、廃水処理などが含まれてもよい。浸漬、循環などのための加熱として使用するための本明細書に記載された方法およびシステムの商業的用途には、商業用食品機器、建築および建設システム、商業用海洋および船舶システムおよび環境、熱動力冷却、冷凍、空調、および他の冷却用途などとの統合、接続、または使用が含まれ得る。
調理および空気加熱用途に加えて、本明細書に記載された自律的加水分解器の操作、生成された燃料の貯蔵、分配、および使用の方法およびシステムは、加水分解器から生成された燃料(例えば、水素など)から動力を得てもよい発熱体からの熱を使用するプロセスにも適用され得る。製造操作は、医薬品製造、工業用食品製造、半導体製造などを含んでもよい。他の加熱要素様の用途には、ビニル自動車パネルのラッピングのようなコーティング、射出成形、ヒートステイキングのような成形、硬質工具、押出操作のための加熱材料、燃焼システム(例えば、火炎ベースの燃焼装置のようなもの。効率の改善、コストの改善、排出物の削減または除去を含む既存の燃焼方法を改善するようなバーナー)、燃焼生成物から様々な用途のために処理される材料に近接してクリーンな燃焼燃料を適用することによって、燃焼生成物から処理される材料への熱伝達を強化するような燃焼システム、触媒燃焼のような他のタイプの燃焼システム(例えば、非バーナータイプ)、自己回復バーナーのような熱回収装置を含む燃焼システム、およびそのようなものが挙げられます。
加水分解器から生成された燃料によって動力を供給されてもよい熱に依存した操作のための他の用途には、スーパーボイラーのような統合加熱システム、および操作に熱と電力の両方を供給する他の用途(例えば、超加圧蒸気システムなど)のような熱および電力の利用が含まれてもよい。他の熱利用アプリケーションは、熱生産のための使用を含むことができ、鉱業のための製品(例えば、掘削機要素を熱処理する)、乾燥および水分除去(例えば、衣類乾燥機、除湿機など)などの試験材料のための使用が含まれている。加水分解器ベースのエネルギー生産システムが使用され得る他の用途には、石油化学ベースの燃焼システムを含む産業システムからの排気の化学的スクラブ、低品位、低コストの石油供給物からの高価値石油製品などの化学品のオンサイト生産などを含む化学反応および処理のための触媒としての熱が含まれる。
本明細書に記載されているような自律型水素発生システムの使用から利益を得ることができる他のアプリケーションは、プレジャーボート、フェリーなどのための局所的な海水淡水化システムなどの海水淡水化を含むことができる。再生可能エネルギー源のみを使用するための高効率および可能性のために、水素生成ベースの脱塩システムは、脱塩される水源から直接水素を生成する、完全に自走式であってもよい。
まだ他の用途には、熱を利用して炭素捕捉、材料の浄化、パラジウム電解槽のようなシステムなどを動力にすることが含まれている。衣類、ユニフォーム、安全装置、病院および医療設備(例えば、床など)のための洗濯、予熱ボイラー水供給、殺菌、衛生、および洗浄プロセスなどの産業用洗濯システムもまた、再生可能エネルギー源などによって電力を供給されるシステムを含む、水素の生産、貯蔵、および分配を含む、接続する、または統合するシステムの対象となるアプリケーションであり得る。
食品サービス、食品製造、医薬品の生産および取り扱い、家畜の取り扱いおよび処理などの様々なプロセスで使用される材料および装置を濾過および精製することもまた、本明細書に記載された方法およびシステムのための候補的な適用環境である。高度に精製された材料に依存する可能性のある生産環境では、必要な加熱またはエネルギーを提供するために、そのようなシステムを適用してもよい。実施形態では、本明細書に記載の方法およびシステムは、腐食および水素脆化活動に適用されてもよい。
図285を参照すると、水素製造、貯蔵、分配、および使用システムの環境および製造用途が描かれている。本明細書で説明したように、水素システム5701は、工業用調理6006、工業用空気加熱器およびインラインヒータ6009、および工業用環境6011を含む環境で展開されてもよい。また、水素システム5701は、製造工程6013で使用される熱などの製造ユースケース6005で使用されてもよい。環境6003および製造用途6005における展開は、重複してもよく、その結果、水素システム5701は、図285に描かれ、本明細書に記載されている環境および用途の組み合わせで動作する。
本明細書に記載の方法およびシステムは、酸素の導入を必要としない用途を含む特定の用途のために、加水分解器から直接水素を供給するために使用されてもよい。水素ガスのみを必要とするかもしれないそのような実施形態では、水素は、加熱のためのバーナー、溶接やろう付けのような産業用加熱プロセス、および直接使用の水素を必要とする他のすべての使用例のようなリアルタイムの使用のために生成され、直接送られてもよい。他のいくつかの使用例には、コーティング、ツーリング、押出、乾燥などが含まれてもよい。本明細書に記載された方法およびシステムは、レーザー切断などのような高品質の水素ガスを必要とする用途のために、高品質の水素ガスを製造してもよい。他の用途は、溶接に適した炎を生成するため、オキシ水素トーチを供給するためなどの操作のために、他の可燃性ガスと組み合わせてもよい水素ガスを製造することを含んでもよい。
分離された水素と分離された酸素の両方が異なる目的のために必要とされるかもしれないアプリケーションでは、生成、貯蔵、分配および/または加熱(例えば、調理)システムは、独立して両方のガスをそれらの適切なプロセス用途に向けることができる。例としては、水素がバーナーに使用され、酸素が潜水艦の空気循環システムで使用される、潜水艦の電解槽などが考えられる。まだ他の実施形態では、加水分解プロセス中に分離された酸素および水素は、酸素および水素の組み合わせの所望の組み合わせおよび速度を生成するプロトコルの下で再結合される必要があるかもしれない。そのような例の一つは、オキシ水素溶接である。
実施形態では、水素貯蔵から利益を得ることができるおよび/または水素貯蔵を含む電解槽製品の時間シフトされた使用の他の例は、非圧縮状態、気体状態、圧縮液体状態、またはそれらの組み合わせで水素を調理または他の産業システムの一部である小型タンク内に貯蔵すること、調理システム上または調理システムの近くのより大きなタンク内に貯蔵すること、または近くにない設備で非常に大きな保持タンクに輸送することを含むことができる。水素貯蔵技術のさらなる例は、基板によって水素を吸収することを含んでもよい。次いで、基板は、調理システムの一部であってもよい小型タンクまたは他の基板貯蔵設備に貯蔵されてもよいし、調理システム上または調理システムの近くのより大きなタンクに貯蔵されてもよいし、近くにない設備で非常に大きな保持タンクに輸送されてもよいし、貯蔵されたエネルギーへの局所的なアクセスを容易にすることができる複数の小型、中型、および大型の貯蔵設備に分散されていてもよい。適切な時期に、基板が加熱され、水素が元の気体状態に戻ってもよい。
複数の燃料源のうちの1つとして水素を使用してもよい調理システムおよび他の加熱システムは、燃料源の中から自動的に選択することに参加してもよい。これらのシステムは、どのエネルギー源を選択するかを決定する際に考慮することが有益であるかもしれない要因に関するデータを提供する様々な情報源に接続された処理能力を含んでもよい。どのエネルギー源を選択するかの決定は、例えば、1つ以上のエネルギー源の現在の価格などの単一の要因に基づいてもよい。最も低い現在の価格で十分なエネルギーを提供するエネルギー源が選択されてもよい。実施形態では、調理または他の加熱システムは、コンピュータ制御の下で、自動的に、選択されたエネルギー源のために構成されてもよい。一例では、水素が選択された場合、水素源への接続は活性化されてもよく、他の源への接続は非活性化されてもよい。同様に、バーナー、ヒーター制御、熱および安全プロファイル、調理時間、および他の様々な要因は、選択されたエネルギー源に基づいて自動的に調整されてもよい。調理または加熱動作中に、他のエネルギー源がより安価であることが判明した場合(電気など)、システムは、他のエネルギー源の使用のために自動的に再構成されてもよい。ガス焚きヒーターは無効化されてもよく、電気加熱要素は、最小限の中断で調理および/または加熱動作を継続するために通電されてもよい。そのようなハイブリッドエネルギー源の調理および/または加熱プロセスは、新しいエネルギー源に基づいて調理または加熱プロセスを完了するための別個のプロトコルを必要としてもよい。
あるいは、燃料源の自動選択は、多数の要因に基づいてもよい。これらの要因は、要因の一部を個別に、グループで、または組み合わせて処理してもよい燃料源選択アルゴリズムに適用されてもよい。例示的な要因は、調理および加熱システムで利用可能なエネルギー源だけでなく、直接利用できないエネルギー源を含む他のエネルギー源の価格を含んでもよい。このようにして、エネルギー源を選択することは、どのエネルギー源が環境にとってより良いかなどの他の考慮事項によって駆動されてもよい。実施形態では、エネルギー源の自動選択は、エネルギー源の予測される利用可能性に少なくとも部分的に基づいてもよい。実施形態では、ブラウンアウトなどのエネルギー停止の予測は、予定されているブラウンアウトなどの直接的な知識を含む様々な要因に基づいてもよい。そのような予測はまた、エネルギー源の利用可能性に関する事前の経験に基づいてもよく、それは、将来のエネルギー利用可能性の予測を提供する機械学習アルゴリズムに適用されてもよい。エネルギー源を自動的に決定するためのアルゴリズムに適用され得る他の要因は、水素を製造するための水源の利用可能性、再生可能エネルギーの利用可能性(例えば、太陽光、風などの予測に基づく)、エネルギーの必要性のレベルおよび/または強度、次の24時間などのような将来の期間にわたる必要性の予測レベルを含んでもよい。将来の期間における予測される必要性が、その期間における需要の大きな変動を含む場合には、需要の各ピークを個別に分析してもよい。あるいは、様々なエネルギー源のための重み付けを決定するために、経時的な需要の平均または他の派生物が使用されてもよい。
調理および加熱に直接適用するためのエネルギー選択に加えて、水素を生成するための加水分解器を操作するためのエネルギー選択が自動化されてもよい。そのような自動選択プロセスに含まれてもよいエネルギー源は、太陽エネルギー、風力エネルギー、水素エネルギー、二酸化硫黄、電力(電力網からの電力など)、天然ガスなどを含んでもよい。実施形態では、エネルギーの自動選択を容易にするアルゴリズムは、利用可能性、コスト、効率などの各エネルギー源に関する情報を受信してもよく、それは、例えば、所定の期間における加水分解器の運転に最適なエネルギー源を提供するかを決定するために、情報を比較することによって処理されてもよい。この例によって、アルゴリズムは、信頼性が低く、利用可能性が低く、コストが高いエネルギー源よりも、より信頼性が高く、利用可能性が高く、コストが低いエネルギー源を好んで使用してもよい。実施形態では、これらの3つの要因の組み合わせは、特定の供給源が選択される結果となり得る。特定の時点での信頼性の高いエネルギーの需要が価格よりも高く加重されている場合、例えば、より信頼性が高く利用可能であるために、コストの高いエネルギー源が自動的に選択されてもよい。自動燃料選択アルゴリズムはまた、燃料選択のための推奨を生成してもよく、人間または他の自動化されたプロセスが選択を行ってもよい。一例では、自動燃料選択アルゴリズムは、コストは低いが、別のエネルギー源よりも多少信頼性が低いかもしれない燃料を推奨してもよい;しかしながら、重み付けまたはエネルギー源に関する利用可能な情報の他の側面を考慮すると、そのような推奨は、アルゴリズムの受容基準を満たしてもよい。
本明細書に記載の方法およびシステムは、再生可能エネルギー(太陽、風力、地熱、水力など)または非再生可能燃料の最適使用を決定するための方法など、エネルギー源を自動的に選択するための方法およびシステムに関連していてもよい。実施形態では、オンサイト、スタンドアロンの調理システムまたは加熱システムに電力を供給するためのエネルギー源の選択は、調理システムに直接、一次ソースとしての再生可能エネルギー源へのアクセスおよび距離を含む様々な要因に基づいていてもよい。一例として、水力ベースの再生可能エネルギーに関する利用可能な生産コストデータは、その選択をサポートするかもしれないが、配送ネットワークが存在しないかもしれないし、その特定の再生可能エネルギー源へのアクセスのために実質的なプレミアムを請求するかもしれない;したがって、水力ベースの再生可能エネルギーは、最適な使用ではないかもしれない。
実施形態では、他の要因は、調理システムおよび電解槽を使用するために必要とされる電力の価格および量、および発電された電力の需要と利用可能性を一致させるための供給源の能力を含む。実施形態では、自動エネルギー源選択プロセスに影響を与える他の要因は、利用可能性および調理システムおよび/または他の近隣の産業設備からの余剰熱を再利用する能力を含んでもよい。実施形態では、余剰熱は、熱交換プロセスを介して熱を生成するために使用され得る排熱、二酸化硫黄副生成物、およびそのようなものを含んでもよい。実施形態では、本明細書に記載されているような調理システムによる使用に最適であり得るエネルギー源を決定するための別の基準のセットは、一日中の任意の時間に電力に短期的にアクセス可能であることの必要性を、近くの電力源のような電力源のタイミングおよび利用可能性を与えられた電力への需要のタイミングを制限することと比較して比較することを含んでもよい。廃熱副産物としての二酸化硫黄は、二酸化硫黄ガスから熱を回収するために熱伝達プロセスで使用されてもよいが、水素を生成するために加水分解システムに直接適用されてもよい。実施形態では、二酸化硫黄ガスを直接加水分解システムに適用して水素を生成してもよく、二酸化硫黄ガスの量を減らし、生成した水素をゴミなどを燃やしてその除去に利用したり、発電に利用したりして、環境を軽減するための手段として利用してもよい。
実施形態では、情報システムなどの外部システムは、本明細書に記載されているように、水素の生産、貯蔵、分配、および使用システムに関連付けられていてもよいし、接続されていてもよい。情報システムは、予測された結果と比較される実際の結果を含むエネルギー選択(自動エネルギー選択など)、エネルギー消費量、エネルギー源の各タイプ(太陽、水力ベース、風力、排気ガス、二酸化硫黄使用を含む排ガスなど)のための水素発生量などを含む、あらゆる側面およびシステムプロセスからの情報を受信してもよい。水素精製プロセス、水素貯蔵(圧縮貯蔵、自然状態貯蔵、基板注入型などを含む)、水素の流通、用途、他の燃料源との組み合わせ(他の可燃性エネルギー媒体との水素など)など、タイミング、コスト、用途環境などを含む水素の用途。
実施形態では、外部システムとの間の通信は、遠隔監視、遠隔制御などを容易にすることができるメッセージの交換を介して行われてもよい。この例によって、メッセージは、メッセージの送信元、送信先、目的(例えば、制御、監視など)、取るべき推奨行動、取るべき代替行動、避けるべき行動などに関する情報を含んでもよい。
実施形態では、水素の製造、貯蔵、分配、および使用に関連する方法およびシステムは、システム性能、品質などの継続的な改善を提供し得る改善機能を含むか、それに関連しているか、または統合してもよい。実施形態では、改善特徴は、プロセス制御および熱回収、流量制御および精密制御、安全性、信頼性およびより大きなサービス可用性、出力の一貫性を含むプロセスおよび出力品質を含むことができる。本明細書に記載された水素ベースのシステムに提供され得るおよび/または統合され得る他の特徴は、改善のためのデータ収集、分析、およびモデリング、データセキュリティ、サイバーセキュリティ、制御システム等に対する外部からの攻撃を回避するためのネットワークセキュリティ、予防的なメンテナンスおよび修理を容易にするための監視および分析を含んでもよい。
実施形態では、第三者データへのアクセスも有するデータ処理システムへの統合および/またはアクセスが、本明細書に記載の方法およびシステムに含まれてもよい。センサから収集されたデータを監視することにより、一日の時間、気象条件、および他のデータソースは、水素使用(例えば、調理)操作の活性化および/または停止をトリガするために、特定のルールセットと共に使用されてもよい。実施形態では、データは、調理操作などの操作に関連したメトリクスの範囲のデータを捕捉する連続フィードバックループに蓄積されてもよい。実施形態では、そのようなシステムの活性化の分析および制御は、調理システムが使用される必要があるときの実際の要件およびタイミング(例えば、朝食などの食事が準備されているとき、または新しい仕事のクソの開始時などの産業上の操作のために加熱が必要とされるときなど)を要因としてもよい。
実施形態では、データ収集、監視、プロセス改善、品質改善なども、そのようなシステムの動作中に実行されてもよい。一例では、一旦調理システムが起動されると、システムは、その特定の瞬間に手元でプロセスを実行するために必要な熱を受け取るための最良の方法を決定することができるかもしれない。プロセスを実行するために必要な熱を受け取ることは、インライン水素生成、蓄積された水素消費、複合エネルギー利用などを含む様々な熱源から選択されてもよい。実施形態では、水素および非水素熱バーナーの混合物を有する調理要素は、システムが、例えば機械学習および継続的な監視を使用して、一方または他方の熱源またはそれらの組み合わせを使用することを自動的に決定することができるように、自動的に制御可能であってもよい。
さらに本実施例では、スマートクッキングトップは、水素用バーナおよび液体プロパン用バーナを含んでもよい。実施形態では、調理動作のための方法およびシステムは、燃料の選択(例えば、水素バーナーまたは液体プロパンバーナー)に基づいて、適切なバーナーを自動的に作動させてもよい。そのような調理または加熱システムの動作は、一日の時間、各代替案のためのスポット価格のエネルギーコスト、関与するプロセスの長さ、100%グリーン要件を満たすこと、調理システムの場所に応じた炎の潜在的な危険な使用、他のセキュリティ機能、およびそのようなものを含む要因を処理することができるコンピュータが可能なコントローラによって行われてもよい。運転制御中の継続的な改善を容易にするために、データ分析は、システムの任意のまたはすべての側面について実行されてもよい。一例では、電解槽が作動していない場合、センサは、使用されている液体プロパンバーナーに関する情報を捕捉してもよい。実施形態では、この単一のデータ収集例は、情報の欠落を避けるためにすべての動作側面に関する情報を収集することが望ましいが、実用的な考慮事項は、より焦点を絞ったデータ収集および分析を可能にすることを示している。実施形態では、調理システムおよび発熱体によるすべての活動および動作は、捕捉され、記録され、測定され、品質改善などのアクションを知らせるために使用されてもよい。
実施形態では、情報は、自己改善およびリアルタイムの意思決定を容易にするために、この調理システムの1つ以上の展開のために提供されてもよい。実施形態では、捕捉された情報は、改善の機会を示す可能性のあるパターンを決定するために、時系列分析などで保存され、使用されてもよい。実施形態では、複数の配備のためにキャプチャされたデータは、コンピュータ生成シミュレーションなどに使用されるモデルを作成し、更新するために使用されてもよい。これらのモデルは、設計プロセスなどに適用されてもよい。実施形態では、継続的な改善修正は、機械間学習プログラム、人間の改善努力、教育改善および/または修正、および/またはそのようなものによって活性化されてもよい。
産業用IoTデータ収集のための環境内でモバイルデータ収集のためにウェアラブルデバイスを使用するためのシステムおよび方法が、次に、図286から図289に関連して説明される。最初に図286を参照すると、データ収集システムは、産業用IoTデータ収集のための環境内でモバイルデータ収集者として動作するように構成された1つまたは複数のウェアラブルデバイスを含んでもよい。例えば、1つ以上のウェアラブルデバイスは、産業用IoTデータ収集、監視および制御システム10にデータを送信したり、データを受信したり、コマンドを送信したり、コマンドを受信したり、制御下にあったり、制御を通信したり、そうでなければ産業用IoTデータ収集、監視および制御システム10と通信したりしてもよい。産業用IoTデータ収集のための環境内で状態に関連した測定値(別の言い方をすれば「状態の測定値」または「状態の測定値」)を記録するための単一のセンサを有する単一のウェアラブルデバイスを含む、ウェアラブルデバイスを使用したデータ収集のための方法およびシステムが本明細書に開示されている。産業用IoTデータ収集のための環境内の状態関連測定を記録するための複数のセンサを有する単一のウェアラブルデバイス、産業用IoTデータ収集のための環境内の状態関連測定を記録するための単一のセンサを有する複数のウェアラブルデバイス、および産業用IoTデータ収集のための環境内の状態関連測定を記録するための1つまたは複数のセンサを有する複数のウェアラブルデバイスがそれぞれ存在する。例えば、ウェアラブルデバイスは、振動出力、熱出力、電気出力、および/または音出力、ならびに任意の他の適切な出力を有する、産業用センサデータ収集のためのウェアラブル触覚またはマルチセンサのユーザインタフェースであってもよい。別の例では、ウェアラブルデバイスは、有形の形態を有する任意の他の適切なデバイス、コンポーネント、ユニット、または他の計算的側面であってもよく、そのような使用の期間にかかわらず、産業環境内の人に使い捨てで使用するように構成されているか、またはそうでなければ使用することが可能である。例えば、ウェアラブルデバイスは、衣類の物品または衣類の物品内に含まれるデバイスであってもよい。別の例では、着用可能なデバイスは、付属品の物品または付属品の物品内に含まれるデバイスであってもよい。ウェアラブルデバイスがあり得る、またはその中に含まれる衣類の物品の例としては、限定されないが、シャツ、ベスト、ジャケット、パンツ、ショーツ、手袋、靴下、靴、保護アウターウェア、アンダーウェア、アンダーシャツ、タンクトップなどが挙げられる。ウェアラブルデバイスが有することができる、またはその中に含まれることができるアクセサリー物品の例としては、限定されないが、帽子、ヘルメット、眼鏡、ゴーグル、視力安全アクセサリー、マスク、チェストバンド、ベルト、リフトサポートガーメント、アンテナ、リストバンド、リング、ネックレス、ブレスレット、時計、ブローチ、ネックストラップ、バックパック、フロントパック、アームパック、レッグパック、ランヤード、キーリング、ヘッドフォン、聴覚安全アクセサリー、イヤーバッド、イヤーピース、およびそのようなものが挙げられる。特定の形態にかかわらず、本開示に従うウェアラブルデバイスは、産業用IoTデータ収集のための環境の状態関連測定値を記録するための1つ以上のセンサを含む。例えば、本開示によるウェアラブルデバイスの1つ以上のセンサは、産業用IoT環境内の装置に関する状態を測定することができ、または産業用IoT環境自体に関する状態を測定することができる。本明細書で使用されるように、センサ(例えば、ウェアラブルデバイスの、または任意の他の適切なデータコレクタの)を使用して記録された状態の測定は、産業用IoTデータ収集のための環境の対象に関連する情報を指す。すなわち、その情報は、直接または間接的にターゲットの状態を示すものであってもよいし、そうでなければ、ターゲットの状態を示すために使用されるものであってもよい。例えば、情報は、ターゲットの状態を識別または決定するために処理されるか、またはそうでなければ使用されるターゲットの状態を間接的に示してもよい。本明細書で使用されるように、センサ(例えば、ウェアラブルデバイスまたは任意の他の適切なデータコレクタの)を使用して測定値を記録することは、測定値を更なる処理のために利用可能にするためにセンサを使用することを指す。例えば、センサーを使用して測定を記録することは、測定を示すデータを生成すること、測定を示す信号を送信すること、またはその他の方法で測定の値を取得することのうちの1つ以上を参照することができます。
多数のウェアラブルデバイス14000は、産業用IoTデータ収集のための環境内に配置されている。いくつかのシナリオでは、ウェアラブルデバイス14000は、産業用IoTデータ収集のための環境の作業者によって発行されたウェアラブルデバイスであってもよい。あるいは、ウェアラブルデバイス14000は、産業用IoTデータ収集のために環境内でタスクを実行するために選択された労働者が所有するウェアラブルデバイスであってもよい。図286に示すように、ウェアラブルデバイス14000は、単一のセンサ14002を有する単一のウェアラブルデバイス、複数のセンサ14004を有する単一のウェアラブルデバイス、単一のセンサ14006を有するそれぞれのウェアラブルデバイスの組み合わせ、および1つ以上のセンサ14008を有するそれぞれのウェアラブルデバイスの組み合わせの任意の組み合わせを含んでもよい。しかしながら、実施形態では、ウェアラブルデバイス14000は、異なるウェアラブルデバイスを含んでもよい。例えば、実施形態では、ウェアラブルデバイス14000は、単一のセンサ14006を有するそれぞれのウェアラブルデバイスの組み合わせ、および/または1つ以上のセンサ14008を有するそれぞれのウェアラブルデバイスの組み合わせを省略してもよい。例えば、ウェアラブルデバイス14000は、個別に取られた構成ウェアラブルデバイスのそれぞれと比較した場合に、組み合わせられた、改善された、またはそうでなければ異なる機能を提供するウェアラブルデバイスの組み合わせではなく、個々のウェアラブルデバイスに限定されてもよい。別の例では、実施形態では、ウェアラブルデバイス14000は、単一のセンサ14002を有する単一のウェアラブルデバイス、および/または複数のセンサ14004を有する単一のウェアラブルデバイスを省略してもよい。例えば、ウェアラブルデバイス14000は、個々のデバイスではなく、ウェアラブルデバイスの組み合わせに限定されてもよい(例えば、ウェアラブルデバイスの特定の組み合わせが、産業用IoTデータ収集のための環境内の特定の状態に関連した測定値を記録するために、特定の文脈において価値があると特定される場合、またはそうでなければ、特定の状態に関連した測定値を記録するために)。ウェアラブルデバイス14000とウェアラブルデバイスからの出力を受信するデバイスとの間、またはウェアラブルデバイス14000内のセンサとそれらのセンサの出力を受信するデバイスとの間のデータの通信および他の転送は、無線または有線であってもよく、802.11および900MHzの無線システム、イーサネット、USB、ファイアワイヤなどの標準的な通信技術を含んでいてもよい。
実施形態では、異なるウェアラブルデバイス14000は、産業用IoTデータ収集のための環境内のターゲットの一部または全部(例えば、デバイスまたは装置)の特定のタイプの状態関連測定値を記録するように構成されてもよい。例えば、ウェアラブルデバイス14000の一部は、ターゲットの一部または全てに関して測定された振動に基づいて、ターゲットの状態関連測定値を記録するように構成されてもよい。ターゲットに関して測定された振動は、限定されないが、ターゲットの全部または一部が振動する周波数、ターゲットに関連付けられた振動エンベロープから導出された波形、振動レベルの変化などを参照してもよい。別の例では、ウェアラブルデバイス14000の一部は、ターゲットの一部または全部に関して測定された温度に基づいて、ターゲットの状態に関連した測定値を記録するように構成されてもよい。ターゲットに関して測定された温度は、限定されないが、ターゲットの全部または一部の内部または外部温度、ターゲットの動作温度、ターゲットの周囲の領域内で測定された温度などを参照してもよい。別の例では、ウェアラブルデバイス14000の一部は、ターゲットの一部または全部に関して測定された電気出力または磁気出力に基づいて、ターゲットの状態関連の測定値を記録するように構成されてもよい。ターゲットに関して測定された電気的または磁気的出力は、限定されないが、ターゲットに関連する電磁場のレベルまたは変化、ターゲットから出力された、またはターゲットによって放出された電気または磁気品質の量、およびそのようなものを参照してもよい。別の例では、ウェアラブルデバイス14000のいくつかは、ターゲットのいくつかまたはすべてに関して測定された音出力に基づいて、ターゲットの状態に関連する測定値を記録するように構成されてもよい。ターゲットに関して測定される音出力は、限定されないが、ターゲットによって、またはターゲットに関連して生成された音波に対応する可聴または不可聴の周波数、ターゲットの動作の変化によって放出される音波、およびそのようなものを参照してもよい。別の例では、ウェアラブルデバイス14000の一部は、ターゲットの一部または全部に関して測定された振動、温度、電気的または磁気、または音以外の出力に基づいて、ターゲットの状態に関連する測定値を記録するように構成されていてもよい。
代替的に、または追加的に、異なるウェアラブルデバイス14000は、産業用IoTデータ収集のために、環境内の特定のタイプのターゲットの一部またはすべての状態関連測定値を記録するように構成されてもよい。例えば、ウェアラブルデバイス14000のいくつかは、アジテータ(例えば、タービンアジテータ)、機体制御表面振動デバイス、触媒反応器、コンプレッサなどからの一部またはすべての状態関連測定値を記録するように構成されてもよい。別の例では、ウェアラブルデバイス14000の一部は、コンベアおよびリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム、モータ、およびそのようなものからの一部またはすべての状態に関連する測定値を記録するように構成されていてもよい。別の例では、ウェアラブルデバイス14000の一部は、パイプライン、電動パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボットアセンブリシステム、熱加熱システム、トラック、伝送システム、タービン、およびそのようなものからの一部またはすべての状態に関連する測定値を記録するように構成されてもよい。実施形態では、ウェアラブルデバイス14000は、特定のタイプの産業環境の一部またはすべての状態に関連する測定値を記録するように構成されてもよい。例えば、ウェアラブルデバイス14000を用いて測定された状態を有するターゲットを有する産業環境は、製造環境、化石燃料エネルギー生産環境、航空宇宙環境、鉱業環境、建設環境、船舶環境、海運環境、潜水艦環境、風力エネルギー生産環境、水力エネルギー生産環境、原子力エネルギー生産環境などを含んでもよいが、これらに限定されない。石油掘削環境、石油パイプライン環境、その他の適当なエネルギー製品環境、その他の適当なエネルギールーティングまたは伝送環境、その他の適当な産業環境、工場、航空機またはその他の航空機、流通環境、エネルギー源抽出環境、海洋探査サイト、水中探査サイト、組立ライン、倉庫、発電環境、有害廃棄物環境など。
単一のセンサ1406を有するそれぞれのウェアラブルデバイスの組み合わせおよび/または1つ以上のセンサ1408を有するそれぞれのウェアラブルデバイスの組み合わせは、産業用IoTデータ収集のための環境内で一緒に使用するために選択されたウェアラブルデバイスの組み合わせを表してもよい。例えば、単一のセンサ14006を有するそれぞれのウェアラブルデバイスの組み合わせおよび/または1つ以上のセンサ14008を有するそれぞれのウェアラブルデバイスの組み合わせは、産業用IoTデータ収集のための環境内で1つ以上のタスクを実行する作業者によって着用される産業用ユニフォームの全部または一部を表していてもよい。例えば、単一のセンサ1406とのそれぞれのウェアラブルデバイスの組み合わせおよび/または1つ以上のセンサ1408とのそれぞれのウェアラブルデバイスの組み合わせは、ユーザが着用する多数のウェアラブルデバイス(例えば、1つの帽子、1つのシャツ、1つのペアのパンツ、1つのペアの靴、1つのベスト、1つのネックレス、1つのブレスレット、1つのバックパック、またはそれよりも少ない数のウェアラブルデバイス)のそれぞれの1つを含んでもよい。本開示の実施形態は、単一のセンサ1406とのそれぞれのウェアラブルデバイスの組み合わせ、および/または1つ以上のセンサ1408とのそれぞれのウェアラブルデバイスの組み合わせとしての、ウェアラブルデバイスの他の可能な組み合わせを含むものとして、産業用ユニフォームを企図してもよい。
実施形態では、複数のセンサの組み合わせは、それぞれが単一のセンサ1406とのウェアラブルデバイスの組み合わせとして、および/またはそれぞれが1つ以上のセンサ1408とのウェアラブルデバイスの組み合わせとして、産業用IoTデータ収集のための拡張機能または追加機能を導入してもよい。このように、それらの実施形態のいくつかでは、産業用ユニフォームは、産業用ユニフォーム内に統合された個々のセンサによって提供されるものを超える機能性を含んでもよい。例えば、同じターゲットの状態関連測定値を記録するためのセンサを有するウェアラブルデバイスの出力は、産業用ユニフォーム内に統合された、またはそうでなければ対応する中央処理ソフトウェアまたはハードウェアのアスペクト(例えば、以下に説明するような集合的処理マインド)によって前処理されてもよい。例えば、産業用ユニフォーム内に統合された、またはそうでなければ対応する中央処理ソフトウェアまたはハードウェアアスペクトは、複数のウェアラブルデバイスの出力を処理して、ターゲットの特定の観測された測定値に対して出力が同じであるかどうかを判断してもよい。それらの出力のうちの1つが他の出力からの閾値以上の偏差を有する場合、その偏差を有する出力は破棄されてもよい。例えば、破棄された出力は、ターゲットの状態関連測定を記録している間に干渉または他の問題に苦しんだセンサを使用して生成された出力を表してもよい。別の例では、産業用ユニフォーム内に統合されているか、またはそうでなければ対応する中央処理ソフトウェアまたはハードウェアアスペクトは、ターゲットの状態を決定または識別するために、複数のウェアラブルデバイスの異なるタイプの出力(例えば、異なるターゲットまたは異なる状態関連測定タイプ、例えば、振動対温度に基づいて記録された)を処理してもよい。例えば、状態が出力の組み合わせによって示される場合がある。そのようなシナリオでは、ターゲットの状態を決定または識別するために、第1のウェアラブルデバイスからの第1の出力を、第2のウェアラブルデバイスからの第2の出力と一緒に組み合わせるか、または別の方法で処理することができる。ウェアラブルデバイスの異なる組み合わせは、異なる産業用ユニフォームとして識別されてもよく、その場合、産業用ユニフォームの各々は、ターゲットの状態に関連する測定値のタイプの記録に関して、同じまたは異なる能力を有してもよい。さらに別の例では、産業用ユニフォーム内に複数のウェアラブルデバイスを統合することにより、それらのウェアラブルデバイスを使用して記録された状態関連測定値の同時処理または実質的に同時処理が可能になる。
ウェアラブルデバイス14000を用いた状態関連測定は、ネットワーク14010を介して(例えば、外部ネットワークを必要とせずに)利用可能にしてもよい。ネットワーク14010は、MANET(例えば、図2に示すMANET20または任意の他の適切なMANET)、インターネット(例えば、図3に示すインターネット110または任意の他の適切なインターネット)、または任意の他の適切なタイプのネットワーク、またはそれらの任意の組み合わせであってもよい。例えば、ネットワーク14010は、ウェアラブルデバイス14000を使用して記録された状態関連の測定値を受信するために使用されてもよい。そして、ネットワーク14010は、それらの受信した状態関連測定値の一部または全部を、データ収集システム1002の他の構成要素に送信するために使用されてもよい。例えば、ネットワーク14010は、受信した状態関連測定値の一部または全部を、それらの受信した状態関連測定値を格納するためのデータプール14012(例えば、図2に示すデータプール60または任意の他の適切なデータプール)に送信するために使用されてもよい。別の例では、ネットワーク14010は、受信した状態関連測定値の一部または全部を、産業用IoTデータ収集のための環境に対応する1つまたは複数のサーバ14014に送信するために使用されてもよい。サーバ14014は、1つまたは複数のハードウェアまたはソフトウェアサーバの側面を含んでもよい。例えば、受信した状態関連測定値が送信されるサーバ14014は、受信した状態関連測定値を処理するインテリジェントシステム14016を含んでもよい。インテリジェントシステム14016は、受信した状態関連測定値を処理してもよく、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを使用して、受信した状態関連測定値内の情報を識別するか、またはそうでなければ受信した状態関連測定値に関連する情報を識別することを含む、任意の適切な方法で処理してもよい。実施形態では、受信した状態関連測定値を処理した後、受信した状態関連測定値が送信されるサーバ14014は、処理された情報または処理された情報を示すデータを他のシステムに(例えば、保存または分析のために)送信してもよい。サーバ14014からの処理された情報を示すデータは、例えば、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスの出力または他の結果を含んでもよい。
実施形態では、ウェアラブルデバイス14000の一部または全部は、それらの記録された状態関連測定値を(例えば、ネットワーク14010を介して)送信する前に、それらのウェアラブルデバイス14000を用いて記録された状態関連測定値を処理するためのインテリジェントシステム14018、または任意の他の適切な通信メカニズムを含んでもよい。例えば、ウェアラブルデバイス14000の一部または全部は、それによって記録された状態関連測定値を分析するための人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを統合してもよい。ウェアラブルデバイス14000のインテリジェントシステム14018による処理は、産業用IoTデータ収集、監視、および制御システム10の前処理ステップ内であってもよいし、その中で表現されてもよい。例えば、前処理は、例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために、記録された状態関連の測定値を前処理するために、特定のタイプのウェアラブルデバイス14000によって選択的に実行されてもよい。別の例では、前処理は、例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために、記録された状態関連測定を前処理するために、ウェアラブルデバイス14000の特定のタイプのために自動化されてもよい。別の例では、前処理は、例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために、記録された状態関連測定を前処理するために、ウェアラブルデバイス14000のいずれかによって記録された状態関連測定の特定のタイプについて選択的に実行されてもよい。別の例では、前処理は、例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために、記録された状態関連測定を前処理するために、ウェアラブルデバイス14000の何れかによって記録された特定のタイプの状態関連測定に対して自動化されてもよい。
実施形態では、ウェアラブルデバイス14000の一部または全部は、センサ融合機能を含んでもよい。例えば、センサ融合機能は、オンデバイスセンサ融合80として具現化されてもよい。例えば、1つ以上のウェアラブルデバイス14000の複数のアナログセンサ(例えば、図4に示す複数のアナログセンサ82または任意の他の適切なセンサ)を用いて記録された状態関連測定値は、(例えば、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを用いて)ローカルまたはリモートで処理されてもよく、これは、ウェアラブルデバイス14000自体内、サーバ14014内、両方内、または任意の他の適切なハードウェアまたはソフトウェア内で具現化されてもよい。例えば、ウェアラブルデバイス14000内に統合されたセンサの出力は、オンデバイスセンサ融合アスペクト80に直接提供されてもよい。センサ融合機能は、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスに先立って実行される前処理ステップによって具現化されてもよい。実施形態では、センサ融合機能は、MUXを用いて実行されてもよい。例えば、複数のセンサ1404を有する単一のウェアラブルデバイスの各々は、それらの複数のセンサの異なる個々のセンサを使用して記録された状態関連測定値を結合するためのそれ自身のMUXを含んでもよい。別の例では、1つまたは複数のセンサ1408を有するそれぞれの単一のウェアラブルデバイスの組み合わせ内のいくつかまたはすべての個別のウェアラブルデバイスは、それらの複数のセンサの異なる個別のセンサを使用して記録された状態関連の測定値を結合するためのそれ自身のMUXを含んでもよい。そのようないくつかの実施形態では、MUXは、それらのウェアラブルデバイスの内部であってもよい。そのようないくつかの実施形態では、MUXは、それらのウェアラブルデバイスの外部であってもよい。
実施形態では、ウェアラブルデバイス14000は、図6に示すホスト処理システム11012(または他の任意の適切なホストシステム)内で制御されてもよいし、そうでなければ接続して使用されてもよい。ホスト処理システム1102は、ネットワーク1410を介してローカルにアクセス可能であってもよい。代替的に、ホスト処理システム1102は、リモートであってもよく(例えば、クラウドコンピューティングシステムで具現化されてもよい)、1つ以上のネットワークインフラストラクチャ要素(例えば、アクセスポイント、スイッチ、ルータ、サーバ、ゲートウェイ、ブリッジ、コネクタ、物理インターフェースなど)を使用してアクセス可能であってもよく、および/または1つ以上のネットワークプロトコル(例えば、以下のようなもの)を使用してもよい。IPベースのプロトコル、TCP/IP、UDP、HTTP、Bluetooth(登録商標)、Bluetooth(登録商標) Low Energy、セルラープロトコル、LTE、2G、3G、4G、5G、CDMA、TDSM、パケットベースのプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、ブロードキャストプロトコル、マルチキャストプロトコル、ユニキャストプロトコルなど)を使用することができる。)実施形態では、ウェアラブルデバイス14000を使用して記録された状態関連測定値は、ネットワークコーディングシステムまたは方法を使用して処理されてもよく、これは、ホスト処理システム11012に関して内部的または外部的に具現化されてもよい。例えば、ネットワーク符号化システムは、ウェアラブルデバイス14000を使用して記録された測定値を、それらの記録された状態関連測定値を通信するためのネットワークの利用可能性に基づいて、それらの記録された状態関連測定値を通信するための帯域幅およびスペクトルの利用可能性に基づいて、他のネットワーク特性に基づいて、またはそれらのいくつかの組み合わせに基づいて、処理することができる。
実施形態では、ウェアラブルデバイス14000を使用して記録された状態関連測定値は、上流のデバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で閲覧するために使用されるクライアントデバイスまたは他のソフトウェアまたはハードウェアの側面)によってウェアラブルデバイス14000から引き出されてもよい。例えば、ウェアラブルデバイス14000は、(例えば、サーバ14014、データプール14012、またはウェアラブルデバイス14000を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントにおいて)受信した状態関連測定値を積極的に送信しないことがある。むしろ、ウェアラブルデバイス14000からの状態関連測定値の送信は、ウェアラブルデバイス14000で受信したコマンド(例えば、サーバ14014から、またはデータ収集システム1002の他のハードウェアまたはソフトウェアから)によって引き起こされてもよい。例えば、環境の特定の場所内に固定されていてもよいし、環境に関して移動可能であってもよいデータコレクタは、様々なウェアラブルデバイス14000によって記録された状態関連の測定値を引き出すように構成されていてもよい。例えば、ウェアラブルデバイス14000は、産業用IoTデータ収集のために、連続的に、周期的に、またはそうでなければ複数回に渡って、環境内で状態関連の測定値を記録してもよい。データコレクタは、一定の間隔で、ランダムな時間で、またはそうでなければ、ウェアラブルデバイス14000の一部または全部に1つ以上のコマンドを送信してもよい(例えば、状態関連測定が最後にそこから引き出されてから、それらのウェアラブルデバイス14000によって記録された状態関連測定の一部または全部を引き出すこと)。代替的に、データコレクタは、それらの固定間隔で、それらのランダムな時間で、またはそうでなければ、それらのウェアラブルデバイス14000に関連付けられた集合的処理マインド14020に、1つ以上のコマンドを送信してもよい。例えば、集合的処理マインド14020は、ウェアラブルデバイス14000の一部または全部を使用して記録された状態関連測定値を受信するためのハブであるか、またはそれを含んでもよい。別の例では、コマンドは、個々のウェアラブルデバイス14000を使用して、またはウェアラブルデバイス14000の集合的処理マインド14020によって処理されると、記録された状態関連測定値またはその代表的なデータがウェアラブルデバイス14000から送信されるようになる。例えば、集合的処理マインド14020は、ウェアラブルデバイス14000の一部または全部から状態関連測定値を引き出すように構成されてもよい(例えば、一定の間隔で、ランダムな時間で、またはその他の方法で)。次に、集団処理マインド14020は、ウェアラブルデバイス14000から引き出された状態関連測定値を(例えば、サーバ14014、データプール14012、または状態関連測定値を受信するように選択された、またはそうでなければ構成された他のハードウェアまたはソフトウェアコンポーネントに)送信するように構成されてもよい。
実施形態では、ウェアラブルデバイス14000を使用して記録された状態関連測定値は、それらの状態関連測定値に対する要求に応答してウェアラブルデバイス14000から送信されてもよい。例えば、集合的処理心14020は、一定の間隔で、ランダムな時間で、またはその他の方法で、ウェアラブルデバイス14000の一部または全部に、記録された状態関連測定の要求を送信してもよい。要求が送信されたウェアラブルデバイス14000の一部またはすべてのプロセッサは、どの状態関連測定値を送信するかを決定するために、要求を処理してもよい。例えば、記録された状態関連測定の直近の要求の時刻を示すデータは、それらのプロセッサによってアクセスされてもよい。次に、プロセッサは、その時刻を、集合的処理マインド14020から新しい要求が受信された時刻と比較してもよい。次に、プロセッサは、2つの時間の間に記録された状態関連測定値のためにデータストアに問い合わせを行ってもよい。次に、プロセッサは、要求に応答して、それらの状態関連測定値を送信してもよい。別の例では、プロセッサは、対応するウェアラブルデバイス14000を使用して記録された状態関連測定の最も最近のセットを識別し、要求に応答してそれらの状態関連測定を送信してもよい。別の例では、データ収集システム10内のデータ収集者は、要求をウェアラブルデバイス14000に直接送信してもよい。さらに別の例では、データ収集者は、要求を集団処理マインド14020に送信してもよい。集合的処理マインド14020は、要求された状態関連測定値を記録するために使用された選択された個々のウェアラブルデバイス14000を決定するために要求を処理してもよい。次に、集合的処理マインド14020は、例えば、それらの選択された個々のウェアラブルデバイス14000を使用して記録された状態関連測定の一部または全部についてストレージを照会することによって、要求に応答して、特定の状態関連測定を送信してもよい。あるいは、集合的処理マインド14020は、要求に応答して(例えば、要求の時間に基づいて)送信するために、ウェアラブルデバイス14000の一部またはすべてによって記録された状態関連測定値のうちのどれを決定するために、要求を処理してもよい。例えば、集合的処理マインド14020は、要求の時刻を、記録された状態関連測定の直近の要求の時刻と比較することができる。次に、集合処理マインド14020は、それらの時間の間に記録された状態関連測定値を取得し、取得された状態関連測定値をリクエストに応答して送信することができる。
実施形態では、状態関連測定値は、ウェアラブルデバイス14000から上流のデバイス(例えば、クライアントデバイスまたは状態関連測定値をレビュー、分析、またはその他の方法で表示するために使用される他のソフトウェアまたはハードウェアの側面)にプッシュされてもよい。例えば、ウェアラブルデバイス14000は、そのような受信ハードウェアまたはソフトウェアコンポーネントがそれらの状態関連測定値を要求することなく、またはそうでなければ、ウェアラブルデバイスがコマンドに基づいてそれらの状態関連測定値を送信することを引き起こすことなく、(例えば、サーバ14014、データプール14012、またはウェアラブルデバイス14000を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントに)受信された状態関連測定値を積極的に送信してもよい。例えば、ウェアラブルデバイス14000の一部または全部は、一定の間隔で、ランダムな時間で、それらの状態関連測定を記録した直後に、それらの状態関連測定を記録した後のある程度の時間で、しきい値の数の状態関連測定が記録されたと判定されたときに、または他の適切な時間で、状態関連測定を送信してもよい。いくつかのそのような実施形態では、ウェアラブルデバイス14000は、それ自体で、または集合的処理マインド14020を使用して、データ収集ルータ14014の近接を検出することに応答して、記録された状態関連測定値をプッシュしてもよい。
例えば、図287を次に参照すると、集合的処理マインド14020は、ウェアラブルデバイス14000の1つ以上に関して、ターゲット14024(例えば、図180に示されたデバイス13006の1つまたは他の任意の適切なターゲット)の近接を検出するように構成された検出器14022を含んでもよい。例えば、そのような検出に応じて、集合的処理マインド14020は、データ収集ルータ14026で受信の状態関連測定値を記録して送信するために、ウェアラブルデバイス14000のうちの1つ以上に信号を送信してもよい。あるいは、そのような検出時に、集合的処理マインド14020は、状態関連測定値を取得するためにデータストアを照会して、データ収集ルータ14026で受信のそれらの状態関連測定値を送信してもよい。いずれの場合も、データ収集ルータ14026は、受信した状態関連測定値を、サーバ14014、データプール14012、または任意の他の適切なハードウェアまたはソフトウェアコンポーネントに転送する。別の例では、そのような検出が行われると、集合的処理マインド14020は、データ収集ルータ14026をバイパスするために、またはデータ収集ルータ14026が省略されている場合には、例えば、サーバ14014、データプール14012、または他のハードウェアまたはソフトウェアコンポーネントに直接信号を送信してもよい。
図288を次に参照すると、実施形態では、集合的処理心14020は省略されてもよい。これらの実施形態のいくつかでは、ウェアラブルデバイス14000は、ターゲット14024の近接を検出してもよい。そのような検出の際に、ウェアラブルデバイス14000は、ターゲット14024の状態関連測定値(例えば、振動、温度、電気または磁気出力、音出力、またはそのようなもの)を記録してもよい。記録された状態関連測定値は、ネットワーク14010を介して(例えば、データプール14012、サーバ14014、または任意の他の適切なハードウェアまたはソフトウェアコンポーネントに)送信されてもよい。代替的に、記録された状態関連測定値は、例えば、ネットワーク14010が利用できない場合、またはデータ収集ルータ14026がウェアラブルデバイス14000から記録された状態関連測定値を受信および/または前処理するように構成されている場合に、データ収集ルータ14026に送信することができる。データ収集ルータ14026は、産業用IoTデータ収集のために環境中に配置された多数のデータ収集ルータ14026のうちの1つであってもよい。例えば、データ収集ルータ14026は、ターゲット14024のために特別に記録された状態関連測定値を送信するように構成されたデータ収集ルータ14026であってもよい。
図289を次に参照すると、ウェアラブルデバイス14000の出力を処理するために使用されるインテリジェントシステム14028の機能性の様々な側面が開示されている。実施形態では、インテリジェントシステム14028は、認知学習モジュール14030、人工知能モジュール14032、および機械学習モジュール14034を含む。インテリジェントシステム14028は、追加のモジュールを含んでもよいし、より少ないモジュールを含んでもよい。インテリジェントシステム14028は、例えば、図286に示すインテリジェントシステム14018またはインテリジェントシステム14016、または他のインテリジェントシステムであってもよい。別々のモジュールとして示されているが、実施形態では、認知学習モジュール14030、人工知能モジュール14032、および機械学習モジュール14034の一部または全部が重複していてもよい。例えば、人工知能モジュール14032は、機械学習モジュール14034を含んでもよい。別の例では、認知学習モジュール14030は、人工知能モジュール14032(および、したがって、実施形態では、機械学習モジュール14034)を含んでもよい。ウェアラブルデバイス14000は、任意の数のウェアラブルデバイスを含んでもよい。例えば、示されるように、ウェアラブルデバイス14000は、第1のウェアラブルデバイス14000a、第2のウェアラブルデバイス14000b、およびN番目のウェアラブルデバイス14000nを含み、ここで、Nは2より大きい数である。インテリジェントシステム14028は、ウェアラブルデバイス14000a、14000b、...の出力を受信する。14000N.特に、インテリジェントシステム14028のモジュール14030、14032、および14034のうちの1つ以上は、ウェアラブルデバイス14000a、14000b、...から生成されたデータおよび出力を受信する。14000N.ウェアラブルデバイス14000a、14000b、...14000nからの出力は14000Nは、例えば、ウェアラブルデバイス14000A、14000B、...を用いて記録された状態関連の測定値を含んでもよい。14000N(例えば、産業用IoTデータ収集のための環境内の機器の状態関連測定)。実施形態では、ウェアラブルデバイス14000a、14000b、...14000Nは、インテリジェントシステム14028の3つのモジュール14030、14032、および14034のすべてによって処理されてもよい。実施形態では、ウェアラブルデバイス14000a、14000b、...からの出力は、インテリジェントシステム14028のモジュール14030、14032、...14000Nは、インテリジェントシステム14028のモジュール14030、14032、14034のうちの1つだけによって処理されてもよい。例えば、ウェアラブルデバイス14000A、14000B、...からの出力を処理するために使用するために、インテリジェントシステム14028のモジュール14030、14032、および14034の特定の1つが選択される。14000nは、その出力を生成するために使用されるウェアラブルデバイス、その出力を生成する際に測定された装置、その出力の値、他の選択基準などに基づいて選択されてもよい。
知識ベース14036は、インテリジェントシステム14028からの出力に基づいて更新されてもよい。知識ベース14036は、その環境内の装置、その環境内で実行されるタスク、その環境内でタスクを実行するスキルを有する要員などを含む、産業用IoTデータ収集の環境に関連するライブラリまたは他のセットまたは知識のコレクションを表す。インテリジェントシステム14028は、ウェアラブルデバイス14000a、14000b、...を用いて記録された状態関連測定値を処理することができる。14000nは、知識ベース14036を拡張するための知識収集を容易にする。例えば、インテリジェントシステム14028のモジュール14030、14032、および14034は、知識ベース14036内の情報を更新するか、またはそうでなければ修正するために、知識ベース14036内の既存の知識に対して、それらの状態関連測定値を処理することができる。インテリジェントシステム14028は、検出された状態(例えば、ウェアラブルデバイス14000によって知らされた状態、および/またはトレーニングデータとして提供された状態)および/または状態情報(例えば、状態を決定し得る機械状態認識システムによって決定された状態情報、例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、障害または診断状態を伴う状態などに関連する情報)に基づいて、状態関連測定値および関連情報を処理するために、インテリジェンスおよび機械学習能力(例えば、機械学習モジュール14034の、または本開示の他の場所に記載されているような)を使用してもよい。これは、学習フィードバックシステムからの学習フィードバックに基づいて入力選択および構成を最適化することを含んでもよく、これは、学習データ(例えば、ホスト処理システムから、またはホスト処理システムから直接または他のデータ収集システムから)を提供することを含んでもよく、フィードバックメトリック(例えば、ホスト処理システムの分析システム内で計算された成功メトリック)を提供することを含んでもよい。ホスト処理システム、学習フィードバックシステム、データ収集システム、および分析システムの例は、本開示の他の場所で説明される。このように、インテリジェントシステム14028は、ウェアラブルデバイス14000A、14000B、...からの出力に基づいて、産業用IoT環境内で割り当てられ、実行されるタスクのワークフローを更新するために使用することができる。14000N.
実施形態では、インテリジェントシステム14028は、モジュール14030、14032、および14034のうちのいずれか1つ内にあるか、または別の方法で、他のインテリジェンスまたは機械学習の側面を含んでもよい。例えば、インテリジェントシステム14028は、YOLO(You only look once:見るのは一度きり)ニューラルネットワーク、YOLO畳み込みニューラルネットワーク(CNN)、FPGA上でまたはFPGAから動作するように構成されたニューラルネットワークのセット、FPGAとグラフィックス処理装置(GPU)のハイブリッドコンポーネント上でまたはFPGAから動作するように構成されたニューラルネットワークのセット、ハイブリッドニューラルネットワークのためのユーザが設定可能な直列および並列フロー(例えば、直列および並列フロー)のうちの1つまたは複数を含んでもよい。そのようなニューラルネットワーク間で通信可能な出力としてニューラルネットワーク間の直列および/または並列フローを構成すること)、ハイブリッドニューラルネットワークのセットのためのトポロジーまたはワークフローを自動的に構成するための機械学習システム(例えば、次のようなものがある。手動設定を使用してもよい、または使用しなくてもよい(例えば、人間のユーザによって)訓練データセットに基づいて、ハイブリッドニューラルネットワークのセット(例えば、直列、並列、データフローなど)のためのトポロジまたはワークフローを自動的に設定するためのディープラーニングシステム、産業用IoTプロセス(例えば、メンテナンス、修理、サービス、故障の予測、機械の動作の最適化、設備のシステムなど)からの結果の訓練データセットに基づいて、または他の知性または機械学習の側面に基づいて、ハイブリッドニューラルネットワークのセット(例えば、直列、並列、データフローなど)のためのトポロジまたはワークフローを自動的に設定するためのディープラーニングシステムなどが挙げられる。
このように、実施形態では、ウェアラブルデバイス14000の出力は、知識ベース14036に追加したり、そこから削除したり、またはそうでなければ修正したりするために、インテリジェントシステム14028を使用して処理されてもよい。例えば、知識ベース14036は、ターゲットが配置され、ウェアラブルデバイス14000が使用される産業環境内で、1つ以上のタスクを実行するために使用する情報を反映してもよい。したがって、ウェアラブルデバイス14000からの出力は、例えば、測定値が記録されたターゲットに関する情報、測定値が記録された時刻および/または日付、ターゲットに関する既往状態または他の状態情報を記述することによって、産業環境に関して発生する問題の性質に関する知識を増加させるために使用することができる。ターゲットに関する問題を解決するのに必要な時間についての情報、ターゲットに関する問題を解決する方法についての情報、ターゲットに対するダウンタイムの量を示す情報、問題を解決することから生じるターゲットおよびそれぞれの産業環境の他の側面に対するダウンタイムの量を示す情報、問題を今解決すべきか後に解決すべきか(または全く解決すべきではないか)を示す情報、などである。インテリジェントシステム14028は、その出力を処理して、既存のトレーニングデータを更新してもよい。例えば、既存のトレーニングデータは、ウェアラブルデバイス14000の出力に基づいて、ターゲットの状態を識別するための機械学習、人工知能、および/または他の認知機能を更新するために使用することができる。
例えば、知識ベース14036は、対象または対象を含む産業環境の領域に基づいて階層的に配置された一連のデータベースまたは他のテーブルまたはグラフを含んでもよい。例えば、知識ベース14036の第1の層は、産業環境(例えば、発電所、製造設備、鉱業設備など)を参照してもよい。知識ベース14036の第2の層は、産業環境内のゾーン(例えば、ゾーン1、ゾーン2など、場合によっては名前付きゾーン)を参照してもよい。知識ベース14036の第3の層は、それらのゾーン内のターゲットを参照してもよい(例えば、電気機器を含む発電所の第1のゾーン内では、これは、オルタネータ、遮断器、変圧器、バッテリ、励磁器などを含み、タービン、発電機、発電機磁石などを含む発電所の第2のゾーン内では、これを含み得る)。知識ベース14036は、インテリジェントシステム14028の出力に基づいて更新されてもよいし、手動のユーザデータ入力によって更新されてもよいし、またはその両方によって更新されてもよい。例えば、発電所内の作業員は、1つ以上のウェアラブルデバイス(例えば、ウェアラブルデバイス14000)を与えられてもよい。タービンに接近する際に、振動測定値を記録するためのセンサを有するウェアラブルデバイス14000のうちの1つは、タービンが特定の速度で振動していると判断してもよい。ウェアラブルデバイスの出力は、その出力をタービンに関する既知のデータのセットと比較することによってなど、インテリジェントシステム14028によって処理される。例えば、インテリジェントシステム14028は、その特定の発電所内のそのタービンの振動に関して記録された過去の測定値を示す知識ベース14036からデータを照会することができる。次に、インテリジェントシステム14028は、ウェアラブルデバイスからの新しい出力が、知識ベース14036内のデータと一致しているか、またはそれから逸脱しているかを判断することができる。新しい出力が知識ベース内のデータから逸脱している場合、インテリジェントシステム14028は、新しい出力を反映するように知識ベース14036のその部分内のデータを更新することができる。代替的に、知識ベース14036の更新は、例えば、逸脱した出力測定値のしきい値数が記録された後まで、誤った出力がタービンの運転上の理解を修正するために使用されるのを防ぐために、遅らせてもよい。
本明細書に開示されているのは、ウェアラブルデバイス統合を用いた産業環境におけるデータ収集のためのシステムである。本明細書で使用されるように、ウェアラブルデバイス統合とは、特定の目的または一般的な目的のためにウェアラブルデバイスを使用することを指す。例えば、システムの機能または構成に関して記載されているようなウェアラブルデバイス統合は、例えば図286から図289に示されているように、産業用IoT環境内でのデータ収集のために、ウェアラブルデバイス14000および/またはウェアラブルデバイス14000に関連して使用されるハードウェアおよび/またはソフトウェアを、そのシステムによって使用することを指す。このようなウェアラブルデバイスの統合とは、ウェアラブルデバイス14000のうちの1つまたは複数のウェアラブルデバイス14000を使用することを指す。例えば、ウェアラブルデバイス統合を含むものとして本明細書に開示されるシステムは、シャツ、ベスト、ジャケット、一対のパンツ、一対のショーツ、手袋、靴下、靴、保護アウター、アンダーガーメント、アンダーシャツ、タンクトップ、帽子、ヘルメット、眼鏡、ゴーグル、視覚安全アクセサリーのうちの1つ以上を統合することを含んでもよいるク、チェストバンド、ベルト、リフトサポートガーメント、アンテナ、リストバンド、リング、ネックレス、ブレスレット、時計、ブローチ、ネックストラップ、バックパック、フロントパック、アームパック、レッグパック、ランヤード、キーリング、ヘッドフォン、聴覚安全アクセサリー、イヤーバッド、またはイヤーピース、または他のタイプのウェアラブルデバイスまたは物品(例えばg.,衣類の記事および/またはアクセサリーの記事)を含む、そのような他のタイプのウェアラブルデバイス。
実施形態では、ウェアラブルデバイスを統合したアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合で改善された信号対雑音比のためのマルチプレクサ上のIPフロント信号コンディショニングを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチプレクサ連続監視アラーム機能を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXとウェアラブルデバイスを統合したデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境におけるデータ収集のためのシステムと、ウェアラブルデバイスの統合を伴う設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルの少なくとも1つのパワーダウン能力を有する産業環境におけるデータ収集のためのシステムと、ウェアラブルデバイスが統合されたコンポーネントボードが開示されている。
実施形態では、ウェアラブルデバイスを統合したトリガーおよび振動入力に対する独自の静電保護を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合によるA/Dゼロ基準のための正確な電圧基準を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、低速回転数および位相情報を取得するための位相ロックループバンドパストラッキングフィルタを有する産業環境におけるデータ収集のためのシステムが、ウェアラブルデバイスとの統合により開示されている。
実施形態では、ウェアラブルデバイスを統合したオンボードタイマを使用して、入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したピーク検出のための別個のアナログ/デジタル変換器にルーティングされた自動スケーリング用のピーク検出器を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合に伴うAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイス統合によるデジタルリサンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ/デジタル変換器のクロックディバイダとしてCPLDを使用することを有する、産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合して異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した車載カードセットに保守履歴付きの校正データを記憶させた産業環境でのデータ収集システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した階層テンプレートを使用した迅速なルート作成機能を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータ収集バンドのインテリジェントな管理を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータ収集バンドのインテリジェントな管理を使用したニューラルネットエキスパートシステムを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う逆算定義のためのグラフィカルなアプローチを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したベアリング分析方法が提案されている産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した遷移信号解析を利用したねじり振動検出/解析を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合とアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したローカル環境でアナログデータを連続的に監視するための適応的スケジューリング技術を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータ収集パーキング機能を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した自己完結型のデータ収集ボックスを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したSDカードストレージを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合による連続監視のための拡張されたオンボード統計機能を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイス統合による予測のための周囲雑音、局所雑音、および振動雑音の使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、着信データまたはアラームに基づいてスマートルートを変更するルートを有する産業環境におけるデータ収集のためのシステムが開示されており、ウェアラブルデバイスの統合との分析または相関のための同時動的データを可能にする。
実施形態では、スマートODSとウェアラブルデバイスの統合による転送機能を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した階層型マルチプレクサを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した識別感覚過負荷を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、RF識別と、ウェアラブルデバイスを統合した傾斜計とを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した連続的な超音波モニタリングを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、遠隔のアナログ産業用センサとウェアラブルデバイスの統合との融合に基づくクラウドベースの機械パターン認識を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報の機械パターン分析をクラウドベースで行い、ウェアラブルデバイスを統合した産業用システムに予測される状態情報を提供する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境におけるデータ収集のためのシステムであって、ウェアラブルデバイスを統合したIoTデバイスの作成、展開、および管理を伴うシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業用IoTデバイスのためのオンデバイスセンサ融合およびデータ・ストレージを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合による稼働率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う業界固有のフィードバックに基づくトレーニングAIモデルを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業用データコレクタの自己組織化された群を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したIoT分散台帳を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した自己組織化コレクタを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したネットワーク感応型コレクタを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した遠隔組織化された収集装置を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境におけるデータ収集のためのシステムが開示されており、ウェアラブルデバイスが統合されている。
統合では、ウェアラブルデバイスとの統合によるAR/VR用の収集データを表示するヒートマップを有する産業環境でのデータ収集システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した遠隔監視および制御のための処理、通信、および他のITコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合して水素成分と酸素成分を分離するために水源上で動作する水素燃料生成電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスが組み込まれた電解槽によって生成された水素を貯蔵する低圧水素貯蔵システムを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う過去、現在、計画、および/または予測される消費または利用可能性のいくつかの尺度に基づいて、燃料の供給または混合デバイスを自動的に制御する燃料制御モジュールを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した太陽電池式水素電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した風力水素電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したハイドロパワー水素電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、ユーザ入力またはウェアラブルデバイス統合による監視を必要とせずに、LPG、水素、または他の燃料を動的に供給するオンデマンドガス-LPGハイブリッドバーナを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した熱の平面としての目標ヒートゾーンの熱を提供する密閉バーナチャンバを有するインテリジェント調理システムが開示されている。
実施形態では、接続性を有するスマートノブと、インテリジェントクッキングトップデバイスまたはウェアラブルデバイスの統合を有する他のIoTデバイスを制御するためのローカルおよびリモートコントロールとを有するインテリジェントクッキングシステムが開示されている。
実施形態では、モバイルデバイスを充電するための電力を有するモバイルドッキング設備、データ通信、およびウェアラブルデバイス統合による熱保護を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスが統合されたクッキングトップのサブシステムに配置された分散モジュールまたはコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したクッキングトップのサブシステムの動作を管理するための集中制御機能を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したリモートコントロール機能を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスの統合による自動化を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した調理システムの状態を監視するための検出器およびセンサを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスとの統合により調理システムの動作を最適化するための機械学習を有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したモバイルアプリケーションを有するインテリジェント調理システムが開示されている。
実施形態では、電子デバイスと、サプライヤー、コンテンツプロバイダー、サービスプロバイダー、および規制当局の関連エコシステムの参加者と相互作用して、インテリジェント調理システムのユーザ、水素製造システムのユーザ、およびウェアラブルデバイスの統合を伴うエコシステムの他の参加者に付加価値サービスを提供するクラウドベースのプラットフォームを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合したユーザにレコメンデーションを提供するためのレコメンデーションエンジンを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスとの統合によりユーザに通知を提供するための通知エンジンを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスの統合を有するユーザにロケーションベースのオファーを提供するための広告エンジンを有するインテリジェント調理システムが開示されている。
実施形態では、分析、監視、制御、およびウェアラブルデバイス統合を有する他のデバイスおよびシステムの操作のためのデータを貢献するために、他のデバイスおよびクラウドとのマシン間通信またはユーザ間通信を可能にするインターフェースを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスの統合を備えたインテリジェント調理システムの周辺に基づいてネットワークに接続するコンピューティングデバイスのために、コンテキストに基づいた、インテリジェンス主導のパーソナライズされた体験を容易にするユーザインタフェースを有するインテリジェント調理システムが開示されている。
実施形態では、ユーザ、デバイスの使用状況、メンテナンスおよび修理履歴、パターンまたは故障に関連するパターン、エネルギー使用パターン、調理パターン、およびウェアラブルデバイスを統合した電解槽の展開、使用、およびサービスをプロファイリング、記録または分析するためのアナリティクスを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した食材、構成要素、および材料を注文するためのコマースユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、ウェアラブルデバイスを統合した調理タスクを有するユーザを支援するための調理支援ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、食品の健康指標、栄養情報、栄養検索機能、栄養補助、およびウェアラブルデバイス統合によるパーソナライズされた提案および推奨事項を提供するための健康ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、音楽、ビデオ、および/またはポッドキャストを再生するためのインフォテインメントユーティリティを有するインテリジェント調理システムが、ウェアラブルデバイスとの統合により開示されている。
実施形態では、ウェアラブルデバイスを統合した調理システムから放送されるパーソナライズされた調理チャンネルを可能にするための放送ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、スマートクックトップから情報を収集するための食品調査ユーティリティと、ウェアラブルデバイスの統合により地域全体でスマートクックトップシステムのユーザによって使用されているレシピに関するユーザ活動とを有するインテリジェントクッキングシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したIoTプラットフォームを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、ウェアラブルデバイスの統合でデータを公開するための1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、IoTデータアダプタによって行われた1つ以上のIoTクラウドプラットフォームへの接続試行に関連する状態を検出するための状態検出器を有する、産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した適応エンジンを有するIoTデータアダプタを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、ウェアラブルデバイスの統合を伴うデータソースの統合および使用方法の指示を有するクラウドプラットフォームのユーザインタフェースを提供するメッセージングユーティリティを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムが開示され、ウェアラブルデバイスの統合を伴う送信制限に基づいてメッセージの送信を制限する。
実施形態では、ウェアラブルデバイスの統合を伴うウィンドウサイズに応じて、正常に配信されたとまだ認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、ウェアラブルデバイスの統合による冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用されるエラー訂正コードが、ウェアラブルデバイスの統合を伴う損失イベントの推定レートに基づいている損失イベントの推定レートを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したチャネル特性を記述したメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステムが開示され、ウェアラブルデバイスの統合を有するタイマーを使用してフィードバックメッセージの送信を遅延させることができる。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステムが開示され、ウェアラブルデバイスの統合により、タイマーに基づいて混雑ウィンドウサイズの変更を遅延させることができる。
実施形態では、配信注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステム、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード、およびウェアラブルデバイス統合による配信の成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合に伴う現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合に伴う現在/過去の接続のタイミングの変動性を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、ウェアラブルデバイスの統合を伴う維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとをウェアラブルデバイスの統合で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、より低い遅延のデータパス上で時間的に重要なデータメッセージの第1のサブセットを送信し、ウェアラブルデバイスの統合を伴うより高い遅延のデータパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノード間のデータ通信のためのシステムと、ウェアラブルデバイスの統合を伴うより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを、ウェアラブルデバイスの統合で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとをウェアラブルデバイス統合で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う送信順序でのメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合に伴ってメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づいて、ウェアラブルデバイスの統合を伴うフィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、ウェアラブルデバイスの統合を伴うフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスがウェアラブルデバイスの統合に伴うメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、データパスがウェアラブルデバイス統合との以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うチャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したパケット送信のコーディング、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、メッセージパケットとパリティパケットのグループをインターリーブし、ウェアラブルデバイスの統合を伴うメッセージパケットのグループのオーバーラップにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが、ウェアラブルデバイスの統合と組み合わせて開示されている。
産業用IoTデータ収集のための環境内でモバイルデータ収集のために移動ロボットおよび/または移動車両を使用するためのシステムおよび方法が、次に、図290から図292に関連して説明される。最初に図290を参照して、データ収集システムは、産業用IoTデータ収集のための環境内で移動データ収集者として動作するように構成された1つまたは複数の移動ロボットおよび/または移動車両を含むことができる。例えば、1つ以上の移動ロボットおよび/または移動車両は、産業用IoTデータ収集、監視および制御システム10にデータを送信したり、データを受信したり、コマンドを送信したり、コマンドを受信したり、制御下にあったり、制御を通信したり、またはそうでなければ産業用IoTデータ収集、監視および制御システム10と通信したりしてもよい。移動ロボットおよび/または移動車両を使用したデータ収集のための方法およびシステムが本明細書に開示されており、これには、1つ以上の移動データ収集器が組み込まれた移動ロボット、1つ以上の移動データ収集器が組み込まれた移動車両、それに結合された1つ以上の移動データ収集器を有する移動ロボット、およびそれに結合された1つ以上の移動データ収集器を有する移動車両が含まれる。本明細書で使用されるように、「移動ロボット」という用語は、ロボットアーム、人型ロボット、小型または大型の自律型ロボット、遠隔制御ロボット、プログラム可能に構成されたロボット、または他のロボット機構を指すことができるが、これらに限定されない。モバイルデータコレクタが統合されていてもよい、またはモバイルデータコレクタが結合されていてもよいモバイルロボットの例には、限定されないが、前述のタイプのモバイルロボットのいずれかが含まれる。本明細書で使用されるように、用語「移動体」は、重量物機械(例えば、土運搬装置)、重量物オンロード産業用車両、重量物オフロード産業用車両、様々な設定で展開される産業機械(例えば、タービン、ターボ機械、発電機、発電機、発電機)を指してもよいが、これらに限定されない。タービン、ターボマシナリー、発電機、ポンプ、プーリーシステム、マニホールド、バルブシステムなど)、土工機械、土留め機械、運搬機械、骨材製造機械、コンクリート建設機械、杭打ち機械、建設機械(例:ショベルカー、バックホー、ローダ、ロードカーなど)、各種現場で活躍する産業機械、土工機械、土留め機械、土留め機械、土留め機械、運搬機械、骨材製造機械、コンクリート建設機械、杭打ち機械、建設機械(例:ショベルカー、バックホー、ローダ、ロードカーなどショベル、バックホー、ローダー、ブルドーザー、スキッドステアローダー、トレンチャー、モーターグレーダー、モータースクレーパー、クローラーローダー、車輪式積載ショベル、ダンパー、タンカー、ティッパー、トレーラー、トンネルおよびハンドリング機器、ロードローラー、コンクリートミキサー、ホットミックスプラント、道路建設機械(例:コンパクター)、砕石機、パイルドライビング機器コンプレッサなど)、砕石機、舗装機、スラリーシール機、吹き付け・左官機、大型ポンプなど)、マテハン機器(クレーン、コンベア、フォークリフトなど)。クレーン、コンベア、フォークリフト、ホイスト等)、人員輸送用車両(例えば、自動車、トラック、カート、水上機、航空機等)、無人車両(例えば、ドローン等の自律型航空機、自律型水上機、自律型自動車またはトラック等)、その他の車両(例えば、大きさ、目的、モータの使用方法は問わない)等が挙げられる。移動データコレクタが統合されてもよい、または移動データコレクタが結合されてもよい移動車両の例には、限定されないが、任意の好適な移動車両が含まれる。特定の形態にかかわらず、本開示に従う移動ロボットまたは移動車両は、産業用IoTデータ収集のための環境の状態関連測定値を記録するためのセンサであるか、またはそれを含む1つ以上の移動データ収集器を含む。例えば、本開示に記載のモバイルデータ収集器の1つ以上のセンサは、産業用IoT環境内の装置に関する状態を測定してもよいし、産業用IoT環境自体に関する状態を測定してもよい。移動ロボットまたは移動車両内に統合され、および/または移動車両に結合され得るモバイルデータコレクタの例としては、限定されないが、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、パーソナルデジタルアシスタント、ウォーキートーキー、無線機、長距離または近距離通信装置、懐中電灯などが挙げられる。移動ロボットまたは移動車両内に統合されたおよび/または移動車両に結合された移動データコレクタのセンサは、産業用IoT環境内のターゲットの振動、温度、電気出力、磁気出力、音出力、または他の出力のうちの1つまたは複数を測定してもよいし、そうでなければターゲットに関連するものであってもよい。
実施形態では、移動データコレクタのスウォーム14038は、多数の移動ロボットおよび/または移動車両を含む。スウォーム14038の移動ロボットおよび/または移動車両は、産業用IoT環境に固有の移動ロボットおよび/または移動車両であってもよいし、異なる場所から産業用IoT環境に持ち込まれた移動ロボットおよび/または移動車両であってもよい。図290に示すように、スウォーム14038は、そこに統合された1つ以上のモバイルデータ収集器14040を有するモバイルロボット、そこに統合された1つ以上のモバイルデータ収集器14042を有するモバイル車両、そこに結合された1つ以上のモバイルデータ収集器14044を有するモバイルロボット、およびそこに結合された1つ以上のモバイルデータ収集器14046を有するモバイル車両を含む、異なるタイプのモバイルロボットおよび/またはモバイル車両を含んでもよい。実施形態では、移動ロボットまたは移動車両の典型的な動作中に移動ロボットまたは移動車両から移動データ収集器を取り外すと、移動ロボットまたは移動車両の原理的な動作に混乱が生じる場合、移動データ収集器は、移動ロボットまたは移動車両内に一体化される。実施形態では、モバイルデータコレクタは、モバイルデータコレクタがモバイルロボットまたはモバイルビークルの原理動作を実質的に混乱させることなく、モバイルデータコレクタをモバイルロボットまたはモバイルビークルから取り外すか、またはその他の方法でアンカップリングすることができる場合に、モバイルロボットまたはモバイルビークルに結合される。
移動データ収集者群14038の移動ロボットおよび移動車両は、ターゲット14048(例えば、図164に示すターゲット1402、または任意の他の適切なターゲット)からデータを収集する。実施形態では、移動データ収集者がターゲット14048から収集したデータは、データプール14050(例えば、図286に示すデータプール14012、または任意の他の適切なデータプール)に格納することができる。例えば、ターゲット14048は、機械、パイプライン、機器、設置物、工具、車両、タービン、スピーカー、レーザー、オートマトン、コンピュータ機器、産業機器、スイッチなどの1つ以上であってもよいし、それを含んでいてもよい。
群14038の異なる移動ロボットおよび/または移動車両は、ターゲット14048の一部または全部について、ある種の状態関連測定値を記録するように構成されてもよい。例えば、群14038の移動ロボットおよび/または移動車両の一部は、ターゲット14048の一部または全てに関して測定された振動に基づいて状態関連測定値を記録するように構成されてもよい。別の例では、群14038の移動ロボットおよび/または移動車両の一部は、ターゲット14048の一部または全てに関して測定された温度に基づいて状態に関連する測定値を記録するように構成されてもよい。別の例では、群14038の移動ロボットおよび/または移動車両の一部は、ターゲット14048の一部または全てに関して測定された電気出力または磁気出力に基づいて、状態に関連する測定値を記録するように構成されてもよい。別の例では、群14038の移動ロボットおよび/または移動車両の一部は、ターゲット14048の一部または全てに関して測定された音出力に基づいて状態に関連する測定値を記録するように構成されてもよい。別の例では、群14038の移動ロボットおよび/または移動車両の一部は、ターゲット14048の一部または全部に関して測定された振動、温度、電気または磁気以外の出力、または音に基づいて状態関連の測定値を記録するように構成されてもよい。
代替的に、または追加的に、群14038の異なる移動ロボットおよび/または移動車両は、特定のタイプのターゲット14048の一部またはすべての状態に関連する測定値を記録するように構成されてもよい。例えば、群14038の移動ロボットおよび/または移動車両の一部は、アジテータ(例えば、タービンアジテータ)、機体制御表面振動装置、触媒反応器、コンプレッサなどの一部または全ての状態関連測定値を記録するように構成されてもよい。別の例では、群14038の移動ロボットおよび/または移動車両の一部は、コンベアおよびリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム、モータ、およびそのようなものからの一部またはすべての状態に関連する測定値を記録するように構成されていてもよい。別の例では、群14038の移動ロボットおよび/または移動車両の一部は、パイプライン、電動パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボット組立システム、熱加熱システム、トラック、伝送システム、タービン、およびそのようなものからの一部またはすべての状態に関連する測定値を記録するように構成されていてもよい。実施形態では、スウォーム14038の移動ロボットおよび/または移動車両は、特定のタイプの産業環境の一部またはすべての状態関連測定値を記録するように構成されてもよい。例えば、群14038の移動ロボットおよび/または移動車両を用いて測定された状態を有するターゲットを有する産業環境は、製造環境、化石燃料エネルギー生産環境、航空宇宙環境、鉱業環境、建設環境、船舶環境、海運環境、潜水艦環境、風力エネルギー生産環境、水力エネルギー生産環境、原子力エネルギー生産環境を含んでもよいが、これらに限定されない。石油掘削環境、石油パイプライン環境、その他の適当なエネルギー製品環境、その他の適当なエネルギールーティングまたは伝送環境、その他の適当な産業環境、工場、航空機またはその他の航空機、流通環境、エネルギー源抽出環境、海洋探査サイト、水中探査サイト、組立ライン、倉庫、発電環境、有害廃棄物環境など。
スウォーム14038は、スウォーム14038内の移動ロボットまたは移動車両を自己組織化させるための自己組織化システム14052を含む(例えば、産業用IoT環境内でのデータ収集動作中に)。実施形態では、スウォーム14038を含むデータ収集システム(例えば、データ収集システム1204または任意の他の適切なデータ収集システム)は、自己組織化機能を含んでいてもよく、これは、データ収集システムの構成要素のいずれかにおいて、またはいずれかによって実行されてもよい。実施形態では、群14038の移動ロボットまたは移動車両は、他の構成要素からの支援なしに、例えば、その関連するセンサおよび他の知識によって感知されたデータに基づいて、自己組織化することができる。実施形態では、ネットワーク14010は、他の構成要素からの支援なしに、例えば、移動ロボットおよび/または移動車両によって感知されたデータ、または他の知識に基づいて、自己組織化のためにアクセスすることができる。任意の組み合わせまたはハイブリッド型の自己組織化システムもまた具現化され得ることが理解されるべきである。例えば、データ収集システムは、産業用IoT環境において自己組織化機能を有するデータ収集のための様々な方法またはシステムを実行または可能にすることができる。これらの方法およびシステムは、例えば、移動ロボットおよび/または群14038の移動車両でセンサから受信された、またはセンサによって感知された、複数のセンサ入力を分析することを含むことができる。方法およびシステムはまた、受信したデータをサンプリングして、以下のうちの少なくとも1つを自己組織化することを含むことができる。i)データの記憶操作(例えば、データプール14050に関して)、(iii)複数のセンサ入力を提供するセンサの収集操作、および(iiii)複数のセンサ入力の選択操作。
実施形態では、自己組織化システム14052は、群14038の2つ以上の移動ロボットおよび/または移動車両を集合的に組織化するために使用することができる。代替的に、自己組織化システム14052は、個々の移動ロボットおよび/または群14038の移動車両を組織化するために使用することができる。例えば、自己組織化システム14052は、産業用IoT環境の異なる領域、セクション、または他の分割された領域内での移動ロボットおよびスウォーム14038の移動車両のそれぞれのトラバーサルを制御することができる。実施形態では、ターゲット14048の一部または全部のためのデータを収集するが、スウォーム14038には含まれない、1つ以上の移動データ収集器が組み込まれた他の移動ロボット、1つ以上の移動データ収集器が組み込まれた他の移動車両、それに結合された1つ以上の移動データ収集器が組み込まれた他の移動ロボット、および/または1つ以上の移動データ収集器が組み込まれた他の移動車両が存在してもよい。そのような他の移動ロボットおよび/または他の移動車両は、個別に(例えば、自己組織化システム14052の外側で)制御されてもよい。
実施形態では、群14038は、記録された状態関連測定値をネットワーク14010または任意の他の適切な通信機構を介して送信する前に、群14038の移動ロボットおよび/または移動車両を使用して記録された状態関連測定値を処理するインテリジェントシステム14054を含んでもよい。例えば、移動ロボットおよび/または群14038の移動車両の一部または全部は、それによって記録された状態関連測定値を分析するために、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを統合してもよい。実施形態では、移動ロボットおよび/または群14038の移動車両のインテリジェントシステム14054による処理は、産業用IoTデータ収集、監視および制御システム10の前処理ステップ内にあるか、または表現されてもよい。例えば、特定のタイプの移動ロボットおよび/または群14038の移動車両14054は、冗長な情報、無関係な情報、または取るに足らない情報を識別するために、記録された状態関連測定値の前処理を選択的に実行してもよい。別の例では、ある種の移動ロボットおよび/または群14038の移動車両は、冗長な情報、無関係な情報、または取るに足らない情報を識別するために、記録された状態関連測定値の前処理を自動化された方法で実行してもよい。別の例では、前処理は、記録された状態関連測定を前処理するために(例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために)、群14038の移動ロボットおよび/または移動車両のいずれかによって記録された特定のタイプの状態関連測定に対して選択的に実行されてもよい。別の例では、前処理は、記録された状態関連測定を前処理するために(例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために)、移動ロボットおよび/または群14038の移動車両のいずれかによって記録された特定のタイプの状態関連測定に対して自動化されてもよい。
実施形態では、群14038の移動ロボットおよび/または移動車両を用いて記録された状態関連測定値は、外部ネットワークを必要とせずに、ネットワーク14010(例えば、図286に関して記載されているように)を介して利用可能にしてもよい。ネットワーク14010は、MANET(例えば、図2に示すMANET20または任意の他の適切なMANET)、インターネット(例えば、図3に示すインターネット110または任意の他の適切なインターネット)、または任意の他の適切なタイプのネットワーク、またはそれらの任意の組み合わせであってもよい。例えば、ネットワーク14010は、群14038の移動ロボットおよび/または移動車両を使用して記録された状態関連測定値を受信するために使用されてもよい。次に、ネットワーク14010は、それらの受信された状態関連測定値の一部または全部を、データ収集システム102の他の構成要素に送信するために使用されてもよい。例えば、ネットワーク14010は、受信した状態関連測定値の一部または全部を、それらの受信した状態関連測定値を格納するためのデータプール14050(例えば、図2に示すデータプール60または任意の他の適切なデータプール)に送信するために使用されてもよい。別の例では、ネットワーク14010は、受信した状態関連測定値の一部または全部を、産業用IoTデータ収集のための環境のサーバ14056(例えば、図286に示すサーバ14014、または任意の他の適切なサーバ)に送信するために使用されてもよい。サーバ14056は、1つまたは複数のハードウェアまたはソフトウェアサーバの側面を含んでもよい。例えば、受信された状態関連測定値が送信されるサーバ14056は、受信された状態関連測定値を処理するためのインテリジェントシステム14058を含んでもよい。インテリジェントシステム14058は、受信した状態関連測定値内の情報を識別するために、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを使用して、受信した状態関連測定値を処理してもよいし、そうでなければ、受信した状態関連測定値に関連する情報を識別してもよい。実施形態では、受信した状態関連測定値を処理した後、受信した状態関連測定値が送信されるサーバ14056は、処理された情報または処理された情報を示すデータを他のシステムに送信してもよい(例えば、記憶または分析のために)。実施形態では、サーバ14056からの処理された情報を示すデータは、例えば、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスの出力または他の結果を含んでもよい。
実施形態では、群14038の移動ロボットまたは移動車両は、コンピュータビジョンシステムを含んでもよいし、そうでなければコンピュータビジョン機能を含んでもよい。例えば、移動ロボットまたは移動車両のコンピュータビジョン機能は、画像センシングを使用して多軸空間内の物体を識別するように構成されたハードウェアおよびソフトウェアを含むことができる。実施形態では、移動ロボットまたは移動車両内のコンピュータビジョン機能は、移動ロボットまたは移動車両の通常の動作中にターゲット14048の可視状態を観察するための機能を含むことができる。実施形態では、移動ロボットまたは移動車両のコンピュータビジョン機能によって処理されたデータは、インテリジェントシステム14054に入力することができる(例えば、ターゲット14048および/またはターゲット14048を含む環境のさらなる処理および学習のために)。
実施形態では、群14038の移動ロボットおよび/または移動車両の一部または全部は、センサ融合機能を含んでもよい。例えば、センサ融合機能は、オンデバイスセンサ融合80として具現化されてもよい。例えば、移動ロボットおよび/または群14038の移動車両の1つ以上の複数のアナログセンサ(例えば、図4に示す複数のアナログセンサ82または任意の他の適当なセンサ)を使用して記録された状態関連測定値は、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを使用してローカルまたはリモートで処理されてもよく、これらは、移動ロボットおよび/または群14038の移動車両自体、サーバ14056、またはその両方の中で具現化されてもよい。実施形態では、センサ融合機能は、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスに先立って実行される前処理ステップによって具現化されてもよい。実施形態では、センサ融合機能は、MUXを用いて実行されてもよい。例えば、群14038の移動ロボットおよび/または移動車両の各々は、それらの複数のセンサの個々のセンサを使用して記録された状態関連測定値を結合するためのそれ自身のMUXを含んでもよい。そのようないくつかの実施形態では、MUXは、群14038の移動ロボットおよび/または移動車両の内部にあってもよい。そのようないくつかの実施形態では、MUXは、群14038の移動ロボットおよび/または移動車両の外部であってもよい。
実施形態では、群14038の移動ロボットおよび/または移動車両を使用して記録された状態関連測定値は、上流のデバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で表示するために使用されるクライアントデバイスまたは他のソフトウェアまたはハードウェアの側面)によって、移動ロボットおよび/または移動車両から引き出されてもよい。例えば、移動ロボットおよび/または群14038の移動車両は、(例えば、サーバ14056、データプール14050、または群14038の移動ロボットおよび/または移動車両を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントにおいて)受信した状態関連測定値を積極的に送信してはならない。むしろ、移動ロボットおよび/または群14038の移動車両からの状態関連測定値の送信は、移動ロボットおよび/または群14038の移動車両で受信したコマンド(例えば、サーバ14056から、またはデータ収集システム102の他のハードウェアまたはソフトウェアから)によって引き起こされてもよい。例えば、群14038の移動ロボットおよび/または移動車両のいずれかのデータコレクタは、その移動ロボットまたは移動車両を使用して記録された状態関連測定値を引き出すように構成されてもよい。例えば、スウォーム14038の移動ロボットおよび/または移動車両は、産業用IoTデータ収集のために、連続的に、周期的に、または複数回で、環境内の状態関連測定値を記録してもよい。データコレクタは、一定の間隔で、ランダムな時間で、またはその他の方法で、例えば、状態関連測定が最後にそこから引き出されてから、移動ロボットおよび/またはスウォーム14038の移動車両を使用して記録された状態関連測定の一部または全部を引き出すように、移動ロボットおよび/またはスウォーム14038の移動車両の一部または全部に1つまたは複数のコマンドを送信してもよい。別の例では、コマンドは、個々の移動ロボットおよび/または群14038の移動車両を使用して処理されると、記録された状態関連測定値またはその代表的なデータが、群14038の移動ロボットおよび/または移動車両から送信されるようになる。
実施形態では、移動ロボットおよび/または群14038の移動車両を使用して記録された状態関連測定値は、それらの状態関連測定値に対する要求に応答して、移動ロボットおよび/または群14038の移動車両から送信されてもよい。例えば、自己組織化システム14052は、一定の間隔で、ランダムな時間で、またはそうでなければ、記録された状態関連測定の要求を、移動ロボットおよび/または群14038の移動車両の一部または全部に送信してもよい。要求が送信された群14038の移動ロボットおよび/または移動車両の一部または全部のプロセッサは、どの状態関連測定値を送信するかを決定するために、要求を処理してもよい。例えば、記録された状態関連測定のための最も最近の要求の時刻を示すデータは、それらのプロセッサによってアクセスされてもよい。次に、プロセッサは、その時刻を、自己組織化システム14052から新しい要求が受信された時刻と比較してもよい。次に、プロセッサは、2つの時間の間に記録された状態関連測定値のためにデータストアに問い合わせを行ってもよい。次に、プロセッサは、リクエストに応答して、それらの状態関連測定値を送信してもよい。別の例では、プロセッサは、対応する移動ロボットおよび/または群14038の移動車両を使用して記録された状態関連測定の最も最近のセットを識別し、要求に応答してそれらの状態関連測定を送信してもよい。別の例では、データ収集システム10内のデータ収集者は、要求を、群14038の移動ロボットおよび/または移動車両に直接送信してもよい。さらに別の例では、移動ロボットおよび/または群14038の移動車両は、自己組織化システム14052に要求を送信してもよい。自己組織化システム14052は、要求された状態関連測定値を記録するために使用された群14038の移動ロボットおよび/または移動車両を選択した個々の移動ロボットおよび/または移動車両を決定するために、要求を処理してもよい。実施形態では、集合的処理マインド14020は、次に、例えば、それらの選択された個々の移動ロボットおよび/または群14038の移動車両を使用して記録された状態関連測定値の一部または全部についてストレージを照会することによって、要求に応答して、特定の状態関連測定値を送信してもよい。あるいは、自己組織化システム14052は、要求に応答して(例えば、要求の時間に基づいて)送信するために、群14038の移動ロボットおよび/または移動車両の一部または全部によって記録された状態関連測定値のうちのどれを決定するために、要求を処理してもよい。例えば、自己組織化システム14052は、要求の時刻を、記録された状態関連測定値の直近の要求の時刻と比較することができる。次に、自己組織化システム14052は、それらの時間の間に記録された状態関連測定値を取得し、取得された状態関連測定値をリクエストに応答して送信することができる。
実施形態では、移動ロボットおよび/または群14038の移動車両を使用して記録された状態関連測定値は、上流デバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で閲覧するために使用されるクライアントデバイスまたは他のソフトウェアまたはハードウェアの側面)にプッシュされてもよい。例えば、移動ロボットおよび/または群14038の移動車両は、そのような受信ハードウェアまたはソフトウェアコンポーネントがそれらの状態関連測定値を要求することなく、またはそうでなければ、移動ロボットまたは移動車両がコマンドに基づいてそれらの状態関連測定値を送信することを引き起こすことなく、(例えば、サーバ14056、データプール14050、または群14038の移動ロボットおよび/または移動車両を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントにおいて)受信された状態関連測定値を積極的に送信してもよい。例えば、スウォーム14038の移動ロボットおよび/または移動車両の一部または全部は、一定の間隔で、ランダムなタイミングで、それらの状態関連測定値を記録した直後に、それらの状態関連測定値を記録した後のある程度の時間で、閾値数の状態関連測定値が記録されたと判定されたときに、または他の適切なタイミングで、状態関連測定値を送信してもよい。いくつかのそのような実施形態では、群14038の移動ロボットおよび/または移動車両は、それ自身で、または自己組織化システム14052を使用して、データ収集ルータ14062の近接を検出することに応答して、記録された状態関連測定値をプッシュしてもよい。
例えば、図291を次に参照すると、移動ロボットまたは移動車両14060によるターゲット14048の検出時に(例えばそこに統合された1つ以上の移動データ収集器を有する移動ロボット14040、そこに統合された1つ以上の移動データ収集器を有する移動車両14042、そこに結合された1つ以上の移動データ収集器を有する移動ロボット14044、または群14038の14046に結合された1つ以上の移動データ収集器を有する移動車両のうちの1つ以上)によって、移動ロボットまたは移動車両14060は、ターゲット14048の状態関連測定値(例えば、振動、温度、電気的または磁気的出力、音の出力、またはそのようなもの)を記録する。記録された状態関連測定値は、ネットワーク14010を介して(例えば、データプール14050、サーバ14056、または別のハードウェアまたはソフトウェアコンポーネントに)送信することができる。代替的に、記録された状態関連測定値は、例えば、ネットワーク14010が利用できない場合、またはデータ収集ルータ14062が移動ロボットまたは移動車両14060から記録された状態関連測定値を受信および/または前処理するように構成されている場合に、データ収集ルータ14062に送信されてもよい。データ収集ルータ14062は、産業用IoTデータ収集のための環境全体に配置された多数のデータ収集ルータ14062のうちの1つであってもよい。例えば、データ収集ルータ14062は、ターゲット14048のために特別に記録された状態関連測定値を送信するように構成されたデータ収集ルータ14062であってもよい。
図292を次に参照すると、移動ロボットおよび/または群14038の移動車両の出力を処理するために使用されるインテリジェントシステム14064の機能性の様々な側面が開示されている。実施形態では、インテリジェントシステム14064は、認知学習モジュール14066、人工知能モジュール14068、および機械学習モジュール14070を含んでもよい。インテリジェントシステム14064は、追加のモジュールを含んでもよいし、より少ないモジュールを含んでもよい。インテリジェントシステム14064は、例えば、図290に示されたインテリジェントシステム14054またはインテリジェントシステム14058、または他の任意の適切なインテリジェントシステムであってもよい。別々のモジュールとして示されているが、実施形態では、認知学習モジュール14066、人工知能モジュール14068、および機械学習モジュール14070の一部または全部の間に重複があってもよい。例えば、人工知能モジュール14068は、機械学習モジュール14070を含んでもよい。別の例では、認知学習モジュール14066は、人工知能モジュール14068(および、したがって、実施形態では、機械学習モジュール14070)を含んでもよい。スウォーム14038は、任意の数の移動ロボットおよび/または移動車両を含んでもよい。例えば、図示されているように、スウォーム14038は、第1の移動ロボットまたは第1の移動車両14060a、第2の移動ロボットまたは第2の移動車両14060b、および第n番目の移動ロボットまたは第n番目の移動車両14060nを含み、ここで、nは2より大きい数である。インテリジェントシステム14064は、移動ロボットまたは移動車両14060a、14060b、...の出力を受信する。14060N.特に、インテリジェントシステム14064の1つ以上のモジュール14066、14068、および14070は、移動ロボットまたは移動車両14060a、14060b、...から生成されたデータおよび出力を受信する。14060N.移動ロボットまたは移動車両14060a、14060b、...14060nからの出力は、移動ロボットまたは移動車両14060aからの出力である。14060Nは、例えば、移動ロボットまたは移動車両14060A、14060B、...14060Nを用いて記録された状態関連の測定値を含んでもよい。14060N、(例えば、産業用IoTデータ収集のための環境内の機器の状態関連測定)。実施形態では、移動ロボットまたは移動車両14060a、14060b、...14060Nは、インテリジェントシステム14064の3つのモジュール14066、14068、および14070のすべてによって処理されてもよい。実施形態では、移動ロボットまたは移動車両14060a、14060b、...14060nは、インテリジェントシステム14064のモジュール14066、14068、および14070のうちの1つだけによって処理されてもよい。例えば、移動ロボットまたは移動車両14060a、14060b、...からの出力を処理するために使用するために、インテリジェントシステム14064のモジュール14066、14068、14070の特定の1つが選択されてもよい。14060nは、その出力を生成するために使用される移動ロボットおよび/または移動車両、その出力を生成する際に測定された装置、その出力の値、他の選択基準などに基づいて選択されてもよい。
知識ベース14036(例えば、図289に関して説明したように)は、インテリジェントシステム14064からの出力に基づいて更新されてもよい。知識ベース14036は、その環境内の装置、その環境内で実行されるタスク、その環境内でタスクを実行するスキルを有する要員などを含む、産業用IoTデータ収集の環境に関連するライブラリまたは他のセットまたは知識のコレクションを表す。インテリジェントシステム14064は、移動ロボットまたは移動車両14060a、14060b、...を使用して記録された状態関連測定値を処理することができる。14060nは、知識ベース14036を拡張するための知識収集を容易にする。例えば、インテリジェントシステム14064のモジュール14066、14068、および14070は、知識ベース14036内の情報を更新するか、または別の方法で知識ベース14036内の情報を修正するために、知識ベース14036内の既存の知識に対して、それらの状態関連測定値を処理することができる。インテリジェントシステム14064は、検出された状態(例えば、群14038の移動ロボットおよび/または移動車両によって知らされた状態、および/または訓練データとして提供された状態)および/または状態情報(例えば、機械学習モジュール14070の、または本開示の他の場所に記載されているような)に基づいて、状態関連測定値および関連情報を処理するために、インテリジェンスおよび機械学習能力(例えば、機械学習モジュール14070の、または本開示の他の場所に記載されているような)を使用してもよい。状態、例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、故障または診断状態を含む状態などに関連する状態を決定してもよい機械状態認識システムによって決定された状態情報)。)これは、学習フィードバックシステムからの学習フィードバックに基づいて入力選択および構成を最適化することを含んでもよく、これは、学習データ(例えば、ホスト処理システムから、またはホスト処理システムから直接または他のデータ収集システムから)を提供することを含んでもよく、フィードバックメトリック(例えば、ホスト処理システムの分析システム内で計算された成功メトリック)を提供することを含んでもよい。学習フィードバックシステム、データ収集システム、および分析システムの例は、本開示の他の場所で説明される。このように、インテリジェントシステム14064は、移動ロボットまたは移動車両14060A、14060B、...からの出力に基づいて、産業用IoT環境内で割り当てられ、実行されるタスクのワークフローを更新するために使用することができる。14060N.
実施形態では、インテリジェントシステム14064は、モジュール14066、14068、および14070のうちのいずれか1つ内にあるか、または別の方法で、他のインテリジェンスまたは機械学習の側面を含んでもよい。例えば、インテリジェントシステム14064は、YOLOニューラルネットワーク、YOLOCNN、FPGA上でまたはFPGAから動作するように構成されたニューラルネットワークのセット、FPGAとGPUのハイブリッドコンポーネント上でまたはFPGAとGPUのハイブリッドコンポーネントから動作するように構成されたニューラルネットワークのセット、ハイブリッドニューラルネットワークのためのユーザが設定可能な直列および並列フローのうちの1つまたは複数を含んでもよい(例えば、次のようなものがある。ニューラルネットワーク間で通信可能な出力としてニューラルネットワーク間の直列および/または並列フローを構成すること)、ハイブリッドニューラルネットワークのセットのためのトポロジーまたはワークフローを自動的に構成するための機械学習システム(例えば、次のようなもの。手動設定を使用してもよい、または使用しなくてもよい(例えば、人間のユーザによって)訓練データセットに基づくハイブリッドニューラルネットワーク(例えば、直列、並列、データフローなど)のセットのためのトポロジまたはワークフローを自動的に設定するためのディープラーニングシステム、産業用IoTプロセス(例えば、メンテナンス、修理、サービス、故障の予測、機械の動作の最適化、設備のシステムなど)からの結果の訓練データセットに基づく、または他の知性または機械学習の側面に基づく、ハイブリッドニューラルネットワーク(例えば、直列、並列、データフローなど)のセットのためのトポロジまたはワークフローを自動的に設定するためのディープラーニングシステム。
このように、実施形態では、群14038の移動ロボットおよび/または移動車両の出力は、知識ベース14036に追加したり、そこから削除したり、または他の方法で修正したりするために、インテリジェントシステム14054を使用して処理されてもよい。例えば、知識ベース14036は、ターゲットが配置されている産業環境内で、群14038の移動ロボットおよび/または移動車両が使用されている産業環境内で、1つ以上のタスクを実行するために使用するための情報を反映してもよい。したがって、スウォーム14038の移動ロボットおよび/または移動車両からの出力は、例えば、測定値が記録されたターゲットに関する情報、測定値が記録された時刻および/または日付、ターゲットに関する既往状態または他の状態情報を記述することによって、産業環境に関して発生する問題の性質についての知識を増加させるために使用することができる。ターゲットに関する問題を解決するのに必要な時間についての情報、ターゲットに関する問題を解決する方法についての情報、ターゲットに対するダウンタイムの量を示す情報、問題を解決することから生じるターゲットおよびそれぞれの産業環境の他の側面に対するダウンタイムの量を示す情報、問題を今解決すべきか後に解決すべきか(または全く解決すべきではないか)を示す情報、などである。インテリジェントシステム14054は、その出力を処理して、既存のトレーニングデータを更新してもよい。例えば、既存の訓練データは、群14038の移動ロボットおよび/または移動車両の出力に基づいて目標の状態を識別するための機械学習、人工知能、および/または他の認知機能を更新するために使用することができる。
例えば、知識ベース14036は、対象または対象を含む産業環境の領域に基づいて階層的に配置された一連のデータベースまたは他のテーブルまたはグラフを含んでもよい。例えば、知識ベース14036の第1の層は、産業環境(例えば、発電所、製造設備、鉱業設備など)を参照してもよい。知識ベース14036の第2の層は、産業環境内のゾーン(例えば、ゾーン1、ゾーン2など、場合によっては名前付きゾーン)を参照してもよい。知識ベース14036の第3の層は、それらのゾーン内のターゲットを参照してもよい(例えば、電気機器を含む発電所の第1のゾーン内では、これは、オルタネータ、遮断器、変圧器、バッテリ、励磁器などを含み、タービン、発電機、発電機磁石などを含む発電所の第2のゾーン内では、これを含み得る)。知識ベース14036は、インテリジェントシステム14054の出力に基づいて更新されてもよいし、手動のユーザデータ入力によって更新されてもよいし、またはその両方によって更新されてもよい。
例えば、スウォーム14038の移動ロボットおよび/または移動車両は、燃料材料(例えば、石炭、天然ガスなど)および/または非燃料材料(例えば、石、砂、砂利、金、銀など)を採掘および/または処理するために使用される採掘設備内の異なる場所(例えば、ゾーン)を監視するか、またはそうでなければトラバースするために配備されてもよい。移動ロボットは、鉱物破砕機械が作動している第1のゾーンをトラバースするために配備されてもよく、移動車両は、地下採掘装置が作動している第2のゾーンをトラバースするために配備されてもよい。移動ロボットは、第1のゾーン内の鉱物破砕機械の動作温度、鉱物破砕機械の周囲の第1のゾーンの領域の温度などを測定してもよい。移動ロボットは、鉱物破砕機械から出力される音をさらに測定してもよく、例えば、鉱物破砕機械の一部または全部から出力される音の測定値を記録することにより、鉱物破砕機械から出力される音を測定してもよい。移動ロボットは、知識ベース14036に記憶されたデータに対してインテリジェントシステム14054によって処理されると、温度が危険なレベルにあることを示す温度測定値を記録した場合に、鉱物破砕機械の1つに関して過熱問題を検出してもよい。移動ロボットは、その機械の位置に留まり、機械が実際に危険な高温で動作しているかどうかを判断するために、ある程度の期間(例えば、一定の間隔で、またはそうでなければ)にわたって新たな温度測定値を記録するように指示されてもよい。インテリジェントシステム14054が、最初の高温測定値が機械の動作温度を代表するものではなかったことを検出した場合、インテリジェントシステム14054は、誤った測定値を反映するように知識ベース14036を更新しないか、またはその代わりに、そのような温度測定値が危険な状態を代表するものではないかもしれないことを反映するように知識ベース14036を更新してもよい。
移動体は、地下採掘装置に関して振動出力を測定してもよい。移動体の出力は、知識ベース14036内のデータと一致しているか、またはそこから逸脱しているかを判断するために、インテリジェントシステム14054を用いて処理されてもよい。移動体の出力が知識ベース内のデータから逸脱している場合、インテリジェントシステム14054は、移動体の出力を反映するように知識ベース14036のその部分内のデータを更新してもよい。インテリジェントシステム14054はまた、またはその代わりに、そのゾーンに位置する人員に警告を与えるために、移動体が(例えば、ライト、音、またはその両方を使用して)警報を発するように、移動体を引き起こしてもよい。例えば、インテリジェントシステム14054は、移動体の出力が、例えば、潜在的な地下陥没に関連した危険な状態を反映していることを示唆する情報を知識ベース14036から取得してもよい。いくつかのシナリオでは、インテリジェントシステム14054は、地下機械のオペレータに危険な状態を警告するための通知を直接送信してもよい。
本明細書に開示されているのは、産業環境におけるデータ収集のために移動ロボットおよび/または移動車両を使用するためのシステムである。本明細書で使用されるように、移動ロボットおよび/または移動車両を使用することは、特定の目的または一般的な目的のために移動ロボットおよび/または移動車両を使用することを意味する。例えば、システムの機能または構成に関して記載されているような移動ロボットおよび/または移動車両を使用することは、図290から図292に示されているように、産業用IoT環境内でのデータ収集のために、スウォーム14038の移動ロボットおよび/または移動車両、および/またはスウォーム14038の移動ロボットおよび/または移動車両に関連して使用されるハードウェアおよび/またはソフトウェアを、そのシステムによって使用することを意味している。移動ロボットおよび/または移動車両のそのような使用は、スウォーム14038の移動ロボットおよび/または移動車両のうちの1つまたは複数の移動ロボットおよび/または移動車両の使用を指す。例えば、移動ロボットおよび/または移動車両を使用するものとして本明細書に開示されるシステムは、ロボットアーム、人型ロボット、小型または大型の自律型ロボット、遠隔制御ロボット、プログラム可能に構成されたロボット、他のロボット機構、重量物機械(例えば、土運搬装置)、重量物オンロード産業車両、重量物オフロード産業車両、様々な設定で展開された産業機械(例えば、以下、「産業機械」という。タービン、ターボマシナリー、発電機、ポンプ、プーリーシステム、マニホールド、バルブシステムなど)、土工機械、土留め機械、運搬機械、骨材製造機械、コンクリート建設機械、杭打ち機械、建設機械(例:ショベルカー、バックホー、ローダ、ロードカーなど)、各種現場で活躍する産業機械、土工機械、土留め機械、土留め機械、土留め機械、運搬機械、骨材製造機械、コンクリート建設機械、杭打ち機械、建設機械(例:ショベルカー、バックホー、ローダ、ロードカーなどショベル、バックホー、ローダー、ブルドーザー、スキッドステアローダー、トレンチャー、モーターグレーダー、モータースクレーパー、クローラーローダー、車輪式積載ショベル、ダンパー、タンカー、ティッパー、トレーラー、トンネルおよびハンドリング機器、ロードローラー、コンクリートミキサー、ホットミックスプラント、道路建設機械(例:コンパクター)、砕石機、パイルドライビング機器コンプレッサなど)、砕石機、舗装機、スラリーシール機、吹き付け・左官機、大型ポンプなど)、マテハン機器(クレーン、コンベア、フォークリフトなど)。クレーン、コンベア、フォークリフト、ホイスト等)、人員輸送用車両(例えば、自動車、トラック、台車、水上機、航空機等)、無人車両(例えば、ドローン等の自律型航空機、自律型水上機、自律型自動車又はトラック等)、その他の車両(例えば、大きさ、用途、モータの使用用途を問わない)等が挙げられる。
実施形態では、ウェアラブルデバイス統合によるアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合で改善された信号対雑音比のためのマルチプレクサ上のIPフロント信号コンディショニングを有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチプレクサ連続監視警報機能を有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、複数のMUXおよびウェアラブルデバイスを統合したデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における移動ロボットおよび/または移動車両を移動データ収集のために使用するためのシステム、およびウェアラブルデバイスを統合した設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルとウェアラブルデバイスを統合したコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したトリガーおよび振動入力に対する独自の静電保護を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合によるA/Dゼロ基準のための正確な電圧基準を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、低速回転数および位相情報を取得するための位相ロックループバンドパストラッキングフィルタを有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を、ウェアラブルデバイスの統合により使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を有するオンボードタイマを使用して、入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うピーク検出のための別個のアナログ/デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合でAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイス統合によるデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合して異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境における移動データ収集のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したオンボードカードセットに保守履歴を有する較正データの記憶を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した階層テンプレートを使用した迅速なルート作成機能を有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を有するデータ収集バンドのインテリジェント管理を有する産業環境におけるモバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したエキスパートシステムのためのインテリジェントデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う逆算定義のためのグラフィカルなアプローチを有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したベアリング分析方法が提案されている産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した遷移信号解析を利用したねじり振動検出/解析を有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合とアナログおよびデジタルの両方の方法を使用して改善された統合を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したローカル環境でアナログデータを連続的に監視するための適応的スケジューリング技術を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータ取得パーキング機能を有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した自己完結型のデータ収集ボックスを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したSDカードストレージを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合による連続監視のための拡張されたオンボード統計能力を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイス統合による予測のための周囲雑音、局所雑音、および振動雑音の使用を有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、受信データまたはアラームに基づいてスマートルートを変更するルートを有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されており、ウェアラブルデバイスの統合との分析または相関のための同時動的データを可能にする。
実施形態では、スマートODSおよびウェアラブルデバイス統合による転送機能を有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した階層型マルチプレクサを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した識別感覚過負荷を有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、RF識別と、ウェアラブルデバイスを統合した傾斜計とを有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した連続的な超音波モニタリングを有する産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、遠隔のアナログ産業用センサとウェアラブルデバイスの統合との融合に基づくクラウドベースの機械パターン認識を有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報の機械パターン分析をクラウドベースで行い、ウェアラブルデバイスを統合した産業用システムに予測される状態情報を提供する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムであって、ウェアラブルデバイスを統合したIoTデバイスの作成、展開、および管理を伴うシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合による利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う業界固有のフィードバックに基づく訓練AIモデルを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した産業用データコレクタの自己組織化された群を有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したIoT分散台帳を有する産業環境におけるモバイルデータ収集のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した自己組織化コレクタを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したネットワーク感応型コレクタを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した遠隔組織化された収集装置を有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、産業用センサデータ収集のためのウェアラブルハプティックユーザインタフェースを有する、ウェアラブルデバイス統合による振動、熱、電気および/または音の出力を有する、産業環境における移動データ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
統合では、ウェアラブルデバイスと統合したAR/VR用の収集データを表示するヒートマップを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスの統合を伴う遠隔監視および制御のための処理、通信、および他のITコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用して、ウェアラブルデバイスを統合して水素成分と酸素成分を分離するために水源上で動作する水素燃料生成電解槽を有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスを統合した電解槽で生成された水素を貯蔵する低圧水素貯蔵システムを有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスの統合を伴う過去、現在、計画、および/または予測される消費または利用可能性のいくつかの尺度に基づいて燃料供給または混合装置を自動的に制御する燃料制御モジュールを有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を用いたインテリジェント調理システムが開示され、ウェアラブルデバイスを統合した太陽電池式水素電解槽を有する。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を用いたインテリジェント調理システムが開示され、ウェアラブルデバイスを統合した風力水素電解槽を有する。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を用いたインテリジェント調理システムが開示されており、ウェアラブルデバイスを統合したハイドロパワー水素電解槽を有する。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ユーザ入力またはウェアラブルデバイス統合による監視を必要とせずに、LPG、水素、または他の燃料を動的に供給するオンデマンドガス-LPGハイブリッドバーナを有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスを統合した熱の平面として目標熱ゾーンに熱を提供する密閉バーナチャンバを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用するインテリジェント調理システムが開示されており、インテリジェントクッキングトップデバイスまたはウェアラブルデバイスを統合した他のIoTデバイスを制御するための接続性およびローカルおよびリモート制御を有するスマートノブを有する。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、モバイルデバイスを充電するための電力を有するモバイルドッキング設備、データ通信、およびウェアラブルデバイスを統合した熱保護を有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスを統合したクッキングトップのサブシステムに配置された分散モジュールまたはコンポーネントを有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスを統合したクッキングトップのサブシステムの動作を管理するための集中制御設備を有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスの統合を伴う遠隔制御能力を有するインテリジェント調理システムが開示されている。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を用いたインテリジェント調理システムが開示され、ウェアラブルデバイスとの統合による自動化を有する。
実施形態では、移動データ収集のための移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスを統合した調理システムの状態を監視するための検出器およびセンサを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスとの統合により調理システムの動作を最適化するための機械学習を有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスを統合したモバイルアプリケーションを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用するインテリジェント調理システムであって、電子デバイスと相互作用し、サプライヤ、コンテンツプロバイダ、サービスプロバイダ、および規制当局の関連エコシステムの参加者と相互作用して、インテリジェント調理システムのユーザ、水素製造システムのユーザ、およびウェアラブルデバイスを統合したエコシステムの他の参加者に付加価値サービスを提供するクラウドベースのプラットフォームを有するものが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスとの統合によりユーザにレコメンデーションを提供するためのレコメンデーションエンジンを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスとの統合によりユーザに通知を提供するための通知エンジンを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスとの統合によりユーザにロケーションベースのオファーを提供するための広告エンジンを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボットおよび/またはモバイルビークルを使用し、分析、監視、制御、および他のデバイスおよびウェアラブルデバイスの統合されたシステムの操作のためのデータを貢献するために、他のデバイスおよびクラウドとのマシン間またはユーザ間通信を可能にするインターフェースを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスの統合を備えたインテリジェント調理システムの周囲でネットワークに接続するコンピューティングデバイスのために、コンテキストに基づいた、インテリジェンス主導のパーソナライズされた体験を容易にするユーザインタフェースを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためにモバイルロボットおよび/またはモバイル車両を使用し、ユーザ、デバイスの使用状況、デバイスの使用状況、メンテナンスおよび修理履歴、パターンまたは故障に関連するパターン、エネルギー使用パターン、調理パターン、およびウェアラブルデバイスを統合した電解槽の展開、使用、およびサービスのためのアナリティクスを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスとの統合により、材料、構成要素、および材料を注文するためのコマースユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスとの統合による調理タスクでユーザを支援するための調理支援ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、食品の健康指標、栄養情報、栄養検索機能、栄養補助、およびウェアラブルデバイスの統合を伴うパーソナライズされた提案および推奨事項を提供するための健康ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスと統合された音楽、ビデオ、および/またはポッドキャストを再生するためのインフォテイメントユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用し、ウェアラブルデバイスを統合した調理システムから放送されるパーソナライズされた調理チャンネルを可能にするための放送ユーティリティを有するインテリジェント調理システムが開示されている。
実施形態では、モバイルデータ収集のためのモバイルロボットおよび/またはモバイル車両を使用するインテリジェント調理システムであって、スマートクックトップから情報を収集するための食品調査ユーティリティと、ウェアラブルデバイスの統合により地域全体のスマートクックトップシステムのユーザによって使用されているレシピについてのユーザ活動とを有するものが開示されている。
実施形態では、ウェアラブルデバイスを統合したIoTプラットフォームを有する産業環境において、モバイルデータ収集のために移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、ウェアラブルデバイスの統合でデータを公開するための1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立するためのIoTデータアダプタを有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、IoTデータアダプタによって行われた1つ以上のIoTクラウドプラットフォームへの接続試行に関連する状態を検出するための状態検出器を有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した適応エンジンを有するIoTデータアダプタを有する産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うデータパケットまたはストリームを準備するための機械学習の使用を有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、移動ロボットおよび/または移動車両を移動データ収集のために使用するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、データソースの統合と、ウェアラブルデバイスの統合を伴うデータソースの使用指示を提供するメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する、産業環境におけるモバイルデータ収集のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されており、ウェアラブルデバイスの統合により、送信制限に基づいてメッセージの送信を制限する。
実施形態では、ウェアラブルデバイスを統合したウィンドウサイズに従って、正常に配信されたとまだ認められていない更なるメッセージの送信を制限する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、ウェアラブルデバイスの統合による冗長メッセージのレートを調整するためにそれを使用する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用されるエラー訂正コードが、ウェアラブルデバイスの統合を伴う損失イベントの推定レートに基づいている損失イベントの推定レートを有するノード間のモバイルデータ通信のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したチャネル特性を記述する受信メッセージに基づいて前方エラー訂正を適用する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のモバイルデータ通信のために移動ロボットおよび/または移動車両を使用し、ウェアラブルデバイスの統合を有するタイマーを使用してフィードバックメッセージの送信を遅延させるためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のモバイルデータ通信のために移動ロボットおよび/または移動車両を使用するためのシステムが開示され、ウェアラブルデバイスとの統合により、タイマーに基づいて混雑ウィンドウサイズの変更を遅延させる能力を有するノード間のモバイルデータ通信のためのシステムが開示される。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定する機能、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能、およびウェアラブルデバイス統合による配送の成功を示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のモバイルデータ通信のために移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、現在/過去の接続を特徴づける維持されたデータを使用して、ウェアラブルデバイスの統合を伴う新しい接続を構成する能力を有するノード間のモバイルデータ通信のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間の移動データ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、ウェアラブルデバイスの統合を伴う維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、低遅延データパス上のデータメッセージの第1のサブセットと、より高い遅延データパス上のメッセージの第2のサブセットとを、ウェアラブルデバイスの統合により送信する能力を有するノード間のモバイルデータ通信のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、低遅延データパス上で時間的に重要なデータメッセージの第1のサブセットを送信し、ウェアラブルデバイスの統合を伴う高遅延データパス上でメッセージの第2のサブセットを送信する能力を有するノード間のモバイルデータ通信のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示され、ウェアラブルデバイスの統合により、より高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のモバイルデータ通信のためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した状態で、より低い遅延データパス上の確認メッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のモバイルデータ通信のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを、ウェアラブルデバイス統合で送信する能力を有するノード間のモバイルデータ通信のために、移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴う送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合によってメッセージの位置が非減少するにつれて増加する各メッセージに関連付けられた冗長性の程度を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づいて、ウェアラブルデバイスの統合を伴うフィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されており、ウェアラブルデバイスの統合を伴うフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスがウェアラブルデバイスの統合に伴うメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、データパスがウェアラブルデバイス統合との以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスの統合を伴うチャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合した損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、ウェアラブルデバイスを統合したパケット送信のコーディング、TCP、およびペーシングを組み合わせたパケット送信を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されている。
実施形態では、メッセージパケットとパリティパケットのグループをインターリーブし、メッセージパケットのグループの重複をまたいで符号化を有する前方誤り訂正符号構造を有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが開示されているが、ウェアラブルデバイスの統合を伴うメッセージパケットのグループの重複をまたいで符号化を有するノード間のモバイルデータ通信のためのシステムが開示されている。
実施形態では、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のモバイルデータ通信のための移動ロボットおよび/または移動車両を使用するためのシステムが、ウェアラブルデバイスを統合して開示されている。
産業用IoTデータ収集のための環境内でモバイルデータ収集のためにハンドヘルド装置を使用するためのシステムおよび方法が、次に、図293から296に関連して説明される。最初に図293を参照すると、データ収集システムは、産業用IoTデータ収集のための環境内でモバイルデータ収集者として動作するように構成された1つまたは複数のハンドヘルド装置を含むことができる。例えば、1つ以上のハンドヘルド装置は、産業用IoTデータ収集、監視および制御システム10にデータを送信したり、データを受信したり、コマンドを送信したり、コマンドを受信したり、制御下にあったり、制御を通信したり、そうでなければ産業用IoTデータ収集、監視および制御システム10と通信したりしてもよい。ハンドヘルド装置を使用したデータ収集のための方法およびシステムが本明細書に開示されており、産業用IoTデータ収集のための環境内で状態関連の測定値を記録するための単一のセンサを有する単一のハンドヘルド装置、産業用IoTデータ収集のための環境内で状態関連の測定値を記録するための複数のセンサを有する単一のハンドヘルド装置、産業用IoTデータ収集のための環境内で状態関連の測定値を記録するための単一のセンサを有する複数のハンドヘルド装置、および産業用IoTデータ収集のための環境内で状態関連の測定値を記録するための1つまたは複数のセンサを有する複数のハンドヘルド装置をそれぞれ含んでいる。例えば、ハンドヘルド装置は、振動、熱、電気、および/または音の出力を有する、産業用センサデータ収集のためのウェアラブル触覚またはマルチセンサのユーザインタフェースであってもよい。別の例では、ハンドヘルド装置は、有形の形態を有し、産業環境内で人に着脱して使用するように構成されているか、またはそうでなければ、そのような使用の期間に関係なく使用することができる、任意の他の好適なデバイス、コンポーネント、ユニット、または他の計算的側面であってもよい。ハンドヘルド装置の例としては、限定されないが、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、パーソナルデジタルアシスタント、トランシーバー、無線機、長距離または近距離通信デバイス、懐中電灯、またはそこに統合されたまたはそこに結合されたセンサを有する任意の他の適切なハンドヘルド装置が挙げられる。特定の形態にかかわらず、本開示に従うハンドヘルド装置は、産業用IoTデータ収集のための環境の状態関連測定値を記録するための1つ以上のセンサを含む。例えば、本開示によるハンドヘルド装置の1つ以上のセンサは、産業用IoT環境内の装置に関する状態を測定することができ、または産業用IoT環境自体に関する状態を測定することができる。
多数のハンドヘルド装置14072は、産業用IoTデータ収集のための環境内に配置されている。ハンドヘルド装置14072は、産業用IoTデータ収集のための環境の作業者によって発行されたハンドヘルド装置であってもよい。あるいは、ハンドヘルド装置14072は、産業用IoTデータ収集のための環境内でタスクを実行するために選択された労働者が所有するハンドヘルド装置であってもよい。図293に示すように、ハンドヘルド装置14072は、単一のセンサ14074を有する単一のハンドヘルド装置、複数のセンサ14076を有する単一のハンドヘルド装置、単一のセンサ14078を有するそれぞれのハンドヘルド装置の組み合わせ、および1つ以上のセンサ14080を有するそれぞれのハンドヘルド装置の組み合わせを含む。しかしながら、実施形態では、ハンドヘルド装置14072は、異なるハンドヘルド装置を含んでもよい。例えば、実施形態では、ハンドヘルド装置14072は、単一のセンサ14078とのそれぞれのハンドヘルド装置の組み合わせ、および/または1つ以上のセンサ14080とのそれぞれのハンドヘルド装置の組み合わせを省略してもよい。例えば、ハンドヘルド装置14072は、個別に取られた構成ハンドヘルド装置のそれぞれと比較して、組み合わせられた、改善された、またはそうでなければ異なる機能を提供するハンドヘルド装置の組み合わせではなく、個々のハンドヘルド装置に限定されてもよい。別の例では、実施形態では、ハンドヘルド装置14072は、単一のセンサ14074を有する単一のハンドヘルド装置、および/または複数のセンサ14076を有する単一のハンドヘルド装置を省略してもよい。例えば、ハンドヘルド装置14072は、個々のデバイスではなく、ハンドヘルド装置の組み合わせに限定されてもよい(例えば、ハンドヘルド装置の特定の組み合わせが、特定の文脈において価値があると識別される場合、または産業用IoTデータ収集のための環境内の特定の状態に関連する測定値を記録するためにそうでない場合)。
実施形態では、異なるハンドヘルド装置14072は、産業用IoTデータ収集のための環境内のターゲット(例えば、デバイスまたは装置)の一部または全部の特定のタイプの状態関連測定値を記録するように構成されてもよい。例えば、ハンドヘルド装置14072の一部は、ターゲットの一部または全てに関して測定された振動に基づいて状態関連の測定値を記録するように構成されてもよい。別の例では、ハンドヘルド装置14072の一部は、ターゲットの一部または全てに関して測定された温度に基づいて状態に関連する測定値を記録するように構成されてもよい。別の例では、ハンドヘルド装置14072の一部は、ターゲットの一部または全てに関して測定された電気出力または磁気出力に基づいて、状態に関連する測定値を記録するように構成されてもよい。別の例では、ハンドヘルド装置14072の一部は、ターゲットの一部または全てに関して測定された音響出力に基づいて状態関連の測定値を記録するように構成されてもよい。別の例では、ハンドヘルド装置14072の一部は、ターゲットの一部または全てに関して測定された振動、温度、電気的または磁気的出力、または音以外の出力に基づいて、状態に関連した測定値を記録するように構成されてもよい。
代替的に、または追加的に、異なるハンドヘルド装置14072は、産業用IoTデータ収集のための環境内の特定のタイプのターゲットの一部またはすべての状態関連測定値を記録するように構成されてもよい。例えば、ハンドヘルド装置14072の一部は、撹拌機(例えば、タービン撹拌機)、機体制御表面振動装置、触媒反応器、コンプレッサなどからの一部または全ての状態関連測定値を記録するように構成されてもよい。別の例では、ハンドヘルド装置14072の一部は、コンベアおよびリフター、廃棄システム、ドライブトレイン、ファン、灌漑システム、モータ、およびそのようなものからの一部またはすべての状態に関連する測定値を記録するように構成されていてもよい。別の例では、ハンドヘルド装置14072の一部は、パイプライン、電動パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボットアセンブリシステム、熱加熱システム、トラック、伝送システム、タービン、およびそのようなものからの状態に関連する測定の一部またはすべてを記録するように構成されてもよい。実施形態では、ハンドヘルド装置14072は、特定のタイプの産業環境の一部またはすべての状態関連測定値を記録するように構成されてもよい。例えば、ハンドヘルド装置14072を用いて測定された状態を有するターゲットを有する産業環境は、製造環境、化石燃料エネルギー生産環境、航空宇宙環境、鉱業環境、建設環境、船舶環境、海運環境、潜水艦環境、風力エネルギー生産環境、水力エネルギー生産環境、原子力エネルギー生産環境などを含んでもよいが、これらに限定されるものではない。石油掘削環境、石油パイプライン環境、その他の適当なエネルギー製品環境、その他の適当なエネルギールーティングまたは伝送環境、その他の適当な産業環境、工場、航空機またはその他の航空機、流通環境、エネルギー源抽出環境、海洋探査サイト、水中探査サイト、組立ライン、倉庫、発電環境、有害廃棄物環境など。
実施形態では、ハンドヘルド装置14072を用いた状態関連測定は、外部ネットワークを必要とせずに、ネットワーク14010(例えば、図286に関して記載されているように)を介して利用可能にしてもよい。ネットワーク14010は、MANET(例えば、図2に示すMANET20または任意の他の適切なMANETn)、インターネット(例えば、図3に示すインターネット110または任意の他の適切なインターネット)、または任意の他の適切なタイプのネットワーク、またはそれらの任意の組み合わせであってもよい。例えば、ネットワーク14010は、ハンドヘルド装置14072を使用して記録された状態関連の測定値を受信するために使用されてもよい。そして、ネットワーク14010は、それらの受信した状態関連測定値の一部または全部を、データ収集システム102の他の構成要素に送信するために使用されてもよい。例えば、ネットワーク14010は、受信した状態関連測定値の一部または全部を、それらの受信した状態関連測定値を格納するためにデータプール14084(例えば、図2に示すデータプール60または他の任意の適切なデータプール)に送信するために使用されてもよい。別の例では、ネットワーク14010は、受信した状態関連測定値の一部または全部を、産業用IoTデータ収集のための環境のサーバ14086(例えば、図286に示すサーバ14014、または任意の他の適切なサーバ)に送信するために使用されてもよい。サーバ14086は、1つまたは複数のハードウェアまたはソフトウェアサーバの側面を含んでもよい。例えば、受信された状態関連測定値が送信されるサーバ14086は、受信された状態関連測定値を処理するためのインテリジェントシステム14088を含んでもよい。インテリジェントシステム14088は、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを使用して、受信された状態関連測定値を処理して、受信された状態関連測定値内の情報を識別するか、またはそうでなければ受信された状態関連測定値に関連する情報を識別してもよい。実施形態では、受信した状態関連測定値を処理した後、受信した状態関連測定値が送信されるサーバ14086は、処理された情報または処理された情報を示すデータを他のシステムに送信してもよい(例えば、保存または分析のために)。サーバ14086からの処理された情報を示すデータは、例えば、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスの出力または他の結果を含んでもよい。
実施形態では、ハンドヘルド装置14072の一部または全部は、それらの記録された状態関連測定値を送信する前に、それらのハンドヘルド装置14072を用いて記録された状態関連測定値を処理するためのインテリジェントシステム14082を含んでもよい(例えば、ネットワーク14010または任意の他の適切な通信メカニズムを介して)。例えば、ハンドヘルド装置14072の一部または全部は、それによって記録された状態関連測定値を分析するための人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを統合してもよい。ハンドヘルド装置14072のインテリジェントシステム14082による処理は、産業用IoTデータ収集、監視、および制御システム10の前処理ステップ内であってもよいし、そのように表現されてもよい。例えば、前処理は、記録された状態関連測定値を前処理するために(例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために)、特定のタイプのハンドヘルド装置14072によって選択的に実行されてもよい。別の例では、前処理は、記録された状態関連測定を前処理するために(例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために)ハンドヘルド装置14072の特定のタイプのために自動化されてもよい。別の例では、前処理は、記録された状態関連測定を前処理するために(例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために)ハンドヘルド装置14072のいずれかによって記録された状態関連測定の特定のタイプに対して選択的に実行されてもよい。別の例では、前処理は、記録された状態関連測定を前処理するために(例えば、冗長な情報、無関係な情報、または取るに足らない情報を識別するために)ハンドヘルド装置14072の何れかによって記録された状態関連測定の特定のタイプについて自動化されてもよい。
実施形態では、ハンドヘルド装置14072の一部または全部は、センサ融合機能を含んでもよい。例えば、センサ融合機能は、オンデバイスセンサ融合80として具現化されてもよい。例えば、1つ以上のハンドヘルド装置14072の複数のアナログセンサ(例えば、図4に示す複数のアナログセンサ82または任意の他の適当なセンサ)を使用して記録された状態関連測定値は、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスを使用してローカルまたはリモートで処理されてもよく、これらはハンドヘルド装置14072自体、サーバ14086、またはその両方内で具現化されてもよい。センサ融合機能は、人工知能プロセス、機械学習プロセス、および/または他の認知プロセスに先立って実行される前処理ステップによって具現化されてもよい。実施形態では、センサ融合機能は、MUXを使用して実行されてもよい。例えば、複数のセンサ14076を有する単一のハンドヘルド装置の各々は、それらの複数のセンサの異なる個々のセンサを使用して記録された状態関連測定値を結合するためのそれ自身のMUXを含んでもよい。別の例では、1つ以上のセンサ14080をそれぞれ有するハンドヘルド装置の組み合わせ内の個々のハンドヘルド装置の一部または全部は、それらの複数のセンサの異なる個々のセンサを使用して記録された状態関連の測定値を結合するためのそれ自身のMUXを含んでもよい。そのようないくつかの実施形態では、MUXは、それらのハンドヘルド装置の内部であってもよい。そのようないくつかの実施形態では、MUXは、それらのハンドヘルド装置の外部にあってもよい。
ハンドヘルド装置14072は、図6に示すホスト処理システム11012(または他の任意の適切なホストシステム)内で制御されてもよいし、そうでなければ接続して使用されてもよい。ホスト処理システム1102は、ネットワーク14010を介してローカルにアクセス可能であってもよい。代替的に、ホスト処理システム1102は、リモートであってもよく(例えば、クラウドコンピューティングシステムで具現化されるように)、1つ以上のネットワークインフラストラクチャ要素(例えば、アクセスポイント、スイッチ、ルータ、サーバ、ゲートウェイ、ブリッジ、コネクタ、物理インターフェースなど)を使用してアクセス可能であってもよく、および/または1つ以上のネットワークプロトコル(例えば、以下のようなもの)を使用してもよい。IPベースのプロトコル、TCP/IP、UDP、HTTP、Bluetooth(登録商標)、Bluetooth(登録商標) Low Energy、セルラープロトコル、LTE、2G、3G、4G、5G、CDMA、TDSM、パケットベースのプロトコル、ストリーミングプロトコル、ファイル転送プロトコル、ブロードキャストプロトコル、マルチキャストプロトコル、ユニキャストプロトコルなど)を使用する。)実施形態では、ハンドヘルド装置14072を使用して記録された状態関連測定値は、ネットワークコーディングシステムまたは方法を使用して処理されてもよく、これは、ホスト処理システム112に関して内部的または外部的に具現化されてもよい。例えば、ネットワーク符号化システムは、ハンドヘルド装置14072を使用して記録された測定値を、それらの記録された状態関連測定値を通信するためのネットワークの利用可能性に基づいて、それらの記録された状態関連測定値を通信するための帯域幅およびスペクトルの利用可能性に基づいて、他のネットワーク特性に基づいて、またはそれらのいくつかの組み合わせに基づいて、処理することができる。
実施形態では、ハンドヘルド装置14072を使用して記録された状態関連測定値は、上流のデバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で表示するために使用されるクライアントデバイスまたは他のソフトウェアまたはハードウェアの側面)によってハンドヘルド装置14072から引き出されてもよい。例えば、ハンドヘルド装置14072は、(例えば、サーバ14086、データプール14084、またはハンドヘルド装置14072を使用して記録された状態関連測定値を受信する他の適切なハードウェアまたはソフトウェアコンポーネントにおいて)受信された状態関連測定値を積極的に送信してはならない。むしろ、ハンドヘルド装置14072からの状態関連測定値の送信は、ハンドヘルド装置14072で受信したコマンド(例えば、サーバ14086から、またはデータ収集システム102の他のハードウェアまたはソフトウェアから)によって引き起こされてもよい。例えば、産業用IoTデータ収集環境の特定の場所内に固定されていてもよいし、そこに移動可能であってもよいデータコレクタは、様々なハンドヘルド装置14072を使用して記録された状態関連の測定値を引き出すように構成されていてもよい。例えば、ハンドヘルド装置14072は、産業用IoTデータ収集のための環境内で、連続的に、周期的に、またはそうでなければ複数回に渡って、状態関連の測定値を記録してもよい。データコレクタは、一定の間隔で、ランダムな時間で、またはその他の方法で、状態関連測定が最後にそこから引き出されてから、それらのハンドヘルド装置14072を使用して記録された状態関連測定の一部または全部を引き出すために、ハンドヘルド装置14072の一部または全部に1つまたは複数のコマンドを送信してもよい。代替的に、データコレクタは、それらの固定間隔で、それらのランダムな時間で、またはそうでなければ、ハンドヘルド装置14072に関連付けられた集合的処理マインド14090に1つまたは複数のコマンドを送信してもよい。例えば、集合的処理マインド14090は、ハンドヘルド装置14072の一部または全部を使用して記録された状態関連測定値を受信するためのハブであってもよいし、それを含んでいてもよい。別の例では、コマンドは、個々のハンドヘルド装置14072を使用して、またはハンドヘルド装置14072の集合的処理マインド14090によって処理されると、記録された状態関連測定値またはその代表的なデータがハンドヘルド装置14072から送信されるようになる。例えば、集合的処理マインド14090は、ハンドヘルド装置14072の一部または全部から状態関連測定値を引き出すように構成されてもよい(例えば、一定の間隔で、ランダムな時間で、またはその他の方法で)。集団処理マインド14090は、次いで、ハンドヘルド装置14072から引き出された状態関連測定値を(例えば、サーバ14086、データプール14084、または状態関連測定値を受信するように選択された、またはそうでなければ構成された他のハードウェアまたはソフトウェアコンポーネントに)送信するように構成されてもよい。
実施形態では、ハンドヘルド装置14072を使用して記録された状態関連測定値は、それらの状態関連測定値に対する要求に応答してハンドヘルド装置14072から送信されてもよい。例えば、集合的処理心14090は、一定の間隔で、ランダムな時間で、またはそうでなければ、ハンドヘルド装置14072の一部または全部に、記録された状態関連測定の要求を送信してもよい。要求が送信されるハンドヘルド装置14072の一部または全部のプロセッサは、どの状態関連測定値を送信するかを決定するために要求を処理してもよい。例えば、記録された状態関連測定の直近の要求の時刻を示すデータは、それらのプロセッサによってアクセスされてもよい。次に、プロセッサは、その時刻を、集合的処理マインド14090から新しい要求が受信された時刻と比較してもよい。次に、プロセッサは、2つの時間の間に記録された状態関連測定値のためにデータストアに問い合わせを行ってもよい。次に、プロセッサは、要求に応答して、それらの状態関連測定値を送信してもよい。別の例では、プロセッサは、対応するハンドヘルド装置14072を使用して記録された状態関連測定の最新のセットを識別し、要求に応答してそれらの状態関連測定を送信してもよい。別の例では、データ収集システム10内のデータ収集者は、要求をハンドヘルド装置14072に直接送信してもよい。さらに別の例では、データ収集者は、要求を集団処理マインド14090に送信してもよい。集合処理マインド14090は、要求された状態関連測定値を記録するために使用された選択された個々のハンドヘルド装置14072を決定するために要求を処理してもよい。集団処理マインド14090は、次に、例えば、それらの選択された個々のハンドヘルド装置14072を使用して記録された状態関連測定の一部または全部についてストレージを照会することによって、要求に応答して特定の状態関連測定を送信してもよい。あるいは、集合的処理心14090は、要求に応答して(例えば、要求の時間に基づいて)送信するために、ハンドヘルド装置14072の一部またはすべてによって記録された状態関連測定のうちのどれを決定するために、要求を処理してもよい。例えば、集合的処理マインド14090は、要求の時刻を、記録された状態関連測定の直近の要求の時刻と比較することができる。次に、集合処理マインド14090は、それらの時間の間に記録された状態関連測定値を取得し、取得された状態関連測定値をリクエストに応答して送信することができる。
実施形態では、ハンドヘルド装置14072を使用して記録された状態関連測定値は、ハンドヘルド装置14072から上流のデバイス(例えば、状態関連測定値をレビュー、分析、またはその他の方法で閲覧するために使用されるクライアントデバイスまたは他のソフトウェアまたはハードウェアの側面)にプッシュされてもよい。例えば、ハンドヘルド装置14072は、そのような受信ハードウェアまたはソフトウェアコンポーネントがそれらの状態関連測定を要求することなく、またはそうでなければハンドヘルド装置がコマンドに基づいてそれらの状態関連測定を送信することを引き起こすことなく、(例えば、サーバ14086、データプール14084、またはハンドヘルド装置14072を使用して記録された状態関連測定を受信する他の適切なハードウェアまたはソフトウェアコンポーネントにおいて)受信された状態関連測定を積極的に送信してもよい。例えば、ハンドヘルド装置14072の一部または全部は、一定の間隔で、ランダムな時間で、それらの状態関連測定の記録の直後に、それらの状態関連測定を記録した後のある程度の時間で、しきい値の数の状態関連測定が記録されたと判定されたときに、または他の適切な時間で、状態関連測定を送信してもよい。いくつかのそのような実施形態では、ハンドヘルド装置14072は、それ自体で、または集合的処理マインド14090を使用して、データ収集ルータ14092の近接を検出することに応答して、記録された状態関連測定値をプッシュしてもよい。
例えば、図294を次に参照すると、集合的処理マインド14090は、ハンドヘルド装置14072の1つ以上に関して、ターゲット14096(例えば、図180に示されたデバイス1306の1つまたは任意の他の適切なターゲット)の近接を検出するように構成された検出器14094を含んでもよい。例えば、そのような検出に応じて、集合的処理マインド14090は、データ収集ルータ14092での受信の状態関連測定値を記録して送信するために、ハンドヘルド装置14072のうちの1つ以上に信号を送信してもよい。あるいは、そのような検出に応じて、集合的処理心14090は、状態関連測定値を取得するためにデータストアを照会して、データ収集ルータ14092で受信のそれらの状態関連測定値を送信してもよい。いずれの場合も、データ収集ルータ14092は、受信した状態関連測定値を、サーバ14086、データプール14084、または任意の他の適切なハードウェアまたはソフトウェアコンポーネントに転送する。別の例では、そのような検出が行われると、集合的処理マインド14090は、データ収集ルータ14092をバイパスするために、またはデータ収集ルータ14092が省略されている場合には、例えば、サーバ14086、データプール14084、または他のハードウェアまたはソフトウェアコンポーネントに直接信号を送信してもよい。
図295を次に参照すると、実施形態では、集合的処理心14090は省略されてもよい。代わりに、ハンドヘルド装置14072は、ターゲット14096の近接を検出する。ハンドヘルド装置14072(例えば、単一のセンサ14074を有する単一のハンドヘルド装置、複数のセンサ14076を有する単一のハンドヘルド装置、単一のセンサ14078を有するハンドヘルド装置のそれぞれの組み合わせ、または1つ以上のセンサ14080を有するハンドヘルド装置のそれぞれの組み合わせのうちの1つ以上)を用いてそのような検出が行われると、ハンドヘルド装置14072は、ターゲット14096の状態関連測定値(例えば、振動、温度、電気的または磁気的出力、音出力、またはそのようなもの)を記録する。記録された状態関連測定値は、ネットワーク14010を介して(例えば、データプール14084、サーバ14086、または任意の他の適切なハードウェアまたはソフトウェアコンポーネントに)送信することができる。代替的に、記録された状態関連測定値は、例えば、ネットワーク14010が利用できない場合、またはデータ収集ルータ14092がハンドヘルド装置14072から記録された状態関連測定値を受信および/または前処理するように構成されている場合に、データ収集ルータ14092に送信することができる。データ収集ルータ14092は、産業用IoTデータ収集のために環境中に配置された多数のデータ収集ルータ14092のうちの1つであってもよい。例えば、データ収集ルータ14092は、ターゲット14096のために特別に記録された状態関連測定値を送信するように構成されたデータ収集ルータ14092であってもよい。
次に図296を参照すると、ハンドヘルド装置14072の出力を処理するために使用されるインテリジェントシステム14098の機能性の様々な側面が開示されている。インテリジェントシステム14098は、認知学習モジュール14100、人工知能モジュール14102、および機械学習モジュール14104を含む。実施形態では、インテリジェントシステム14098は、追加のモジュールを含んでもよいし、より少ないモジュールを含んでもよい。インテリジェントシステム14098は、例えば、図286に示すインテリジェントシステム14082またはインテリジェントシステム14088、または任意の他の適切なインテリジェントシステムであってもよい。別々のモジュールとして示されているが、実施形態では、認知学習モジュール14100、人工知能モジュール14102、および機械学習モジュール14104の一部または全部の間に重複があってもよい。例えば、人工知能モジュール14102は、機械学習モジュール14104を含んでもよい。別の例では、認知学習モジュール14100は、人工知能モジュール14102(および、したがって、実施形態では、機械学習モジュール14104)を含んでもよい。ハンドヘルド装置14072は、任意の数のハンドヘルド装置を含んでもよい。例えば、示されるように、ハンドヘルド装置14072は、第1のハンドヘルド装置14072a、第2のハンドヘルド装置14072b、およびN番目のハンドヘルド装置14072nを含み、ここで、Nは2より大きい数である。インテリジェントシステム14098は、ハンドヘルド装置14072a、14072b、...の出力を受信する。14072N.特に、インテリジェントシステム14098の1つ以上のモジュール14100、14102、および14104は、ハンドヘルド装置14072a、14072b、...から生成されたデータおよび出力を受信する。14072N.ハンドヘルド装置14072a、14072b、...14072nからの出力は、ハンドヘルド装置14072aからの出力である。14072Nは、例えば、ハンドヘルド装置14072A、14072B、...14072Nを使用して記録された状態関連の測定値を含んでもよい。14072Nは、例えば、産業用IoTデータ収集のための環境内の機器の状態関連測定を含む。実施形態では、ハンドヘルド装置14072A、14072B、...14072Nは、インテリジェントシステム14098の3つのモジュール14100、14102、および14104のすべてによって処理されてもよい。実施形態では、ハンドヘルド装置14072a、14072b、...14072Nは、インテリジェントシステム14098のモジュール14100、14102、および14104のうちの1つだけによって処理されてもよい。例えば、ハンドヘルド装置14072A、14072B、...からの出力を処理するために使用するために、インテリジェントシステム14098のモジュール14100、14102、および14104の特定の1つが選択されてもよい。14072nは、その出力を生成するために使用されるハンドヘルド装置、その出力を生成する際に測定された装置、その出力の値、他の選択基準などに基づいて選択されてもよい。
知識ベース14036(例えば、図289に示すように)は、インテリジェントシステム14098からの出力に基づいて更新されてもよい。知識ベース14036は、その環境内の装置、その環境内で実行されるタスク、その環境内でタスクを実行するスキルを有する要員などを含む、産業用IoTデータ収集の環境に関連するライブラリまたは他のセットまたは知識のコレクションを表す。インテリジェントシステム14098は、ハンドヘルド装置14072a、14072b、...を使用して記録された状態関連測定値を処理することができる。14072Nは、知識ベース14036を拡張するための知識収集を容易にする。例えば、インテリジェントシステム14098のモジュール14100、14102、および14104は、知識ベース14036内の情報を更新するか、またはそうでなければ修正するために、知識ベース14036内の既存の知識に対して、それらの状態関連測定値を処理することができる。インテリジェントシステム14098は、検出された状態(例えば、ハンドヘルド装置14072によって知らされた状態、および/またはトレーニングデータとして提供された状態)および/または状態情報(例えば、状態を決定する機械状態認識システムによって決定された状態情報であって、例えば、動作状態、環境状態、既知のプロセスまたはワークフロー内の状態、故障または診断状態を伴う状態などに関連する状態)に基づいて、状態関連測定値および関連情報を処理するために、インテリジェンスおよび機械学習能力(例えば、機械学習モジュール14104の、または本開示の他の場所に記載されているように)を使用してもよい。これは、学習フィードバックシステムからの学習フィードバックに基づいて入力選択および構成を最適化することを含んでもよく、これは、学習データ(例えば、ホスト処理システムから、またはホスト処理システムから直接または他のデータ収集システムから)を提供することを含んでもよく、フィードバックメトリック(例えば、ホスト処理システムの分析システム内で計算された成功メトリック)を提供することを含んでもよい。ホスト処理システム、学習フィードバックシステム、データ収集システム、および分析システムの例は、本開示の他の場所で説明される。このように、インテリジェントシステム14098は、ハンドヘルド装置14072A、14072B、...からの出力に基づいて、産業用IoT環境内で割り当てられ、実行されるタスクのワークフローを更新するために使用することができる。14072N.
実施形態では、インテリジェントシステム14098は、モジュール14100、14102、および14104のうちのいずれか1つ内にあるか、または別の方法で、他のインテリジェンスまたは機械学習の側面を含んでもよい。例えば、インテリジェントシステム14098は、YOLOニューラルネットワーク、YOLOCNN、FPGA上でまたはFPGAから動作するように構成されたニューラルネットワークのセット、FPGAとGPUのハイブリッドコンポーネント上でまたはFPGAとGPUのハイブリッドコンポーネントから動作するように構成されたニューラルネットワークのセット、ハイブリッドニューラルネットワークのためのユーザが設定可能な直列および並列フローのうちの1つまたは複数を含んでもよい(例えば、次のようなものがある。ニューラルネットワーク間で通信可能な出力としてニューラルネットワーク間の直列および/または並列フローを構成すること)、ハイブリッドニューラルネットワークのセットのためのトポロジーまたはワークフローを自動的に構成するための機械学習システム(例えば、次のようなものがある。手動設定を使用してもよい、または使用しなくてもよい(例えば、人間のユーザによって)訓練データセットに基づくハイブリッドニューラルネットワーク(例えば、直列、並列、データフローなど)のセットのためのトポロジまたはワークフローを自動的に設定するためのディープラーニングシステム、産業用IoTプロセス(例えば、メンテナンス、修理、サービス、故障の予測、機械の動作の最適化、設備のシステムなど)からの結果の訓練データセットに基づく、または他の知性または機械学習の側面に基づく、ハイブリッドニューラルネットワーク(例えば、直列、並列、データフローなど)のセットのためのトポロジまたはワークフローを自動的に設定するためのディープラーニングシステム。
このように、実施形態では、ハンドヘルド装置14072の出力は、知識ベース14036に追加したり、そこから削除したり、またはそうでなければ修正したりするために、インテリジェントシステム14088を使用して処理されてもよい。例えば、知識ベース14036は、ターゲットが配置され、ハンドヘルド装置14072が使用される産業環境内で、1つ以上のタスクを実行するために使用する情報を反映してもよい。ハンドヘルド装置14072からの出力は、したがって、例えば、測定値が記録されたターゲットに関する情報、測定値が記録された時刻および/または日付、ターゲットに関する既往状態または他の状態情報を記述することによって、産業環境に関して発生する問題の性質に関する知識を増加させるために使用することができる。ターゲットに関する問題を解決するのに必要な時間についての情報、ターゲットに関する問題を解決する方法についての情報、ターゲットに対するダウンタイムの量を示す情報、問題を解決することから生じるターゲットおよびそれぞれの産業環境の他の側面に対するダウンタイムの量を示す情報、問題を今解決すべきか後に解決すべきか(または全く解決すべきではないか)を示す情報、などである。インテリジェントシステム14088は、その出力を処理して、既存のトレーニングデータを更新してもよい。例えば、既存の訓練データは、ハンドヘルド装置14072の出力に基づいてターゲットの状態を識別するための機械学習、人工知能、および/または他の認知機能を更新するために使用することができる。
例えば、知識ベース14036は、対象または対象を含む産業環境の領域に基づいて階層的に配置された一連のデータベースまたは他のテーブルまたはグラフを含んでもよい。例えば、知識ベース14036の第1の層は、産業環境(例えば、発電所、製造設備、鉱業設備など)を参照してもよい。知識ベース14036の第2の層は、産業環境内のゾーン(例えば、ゾーン1、ゾーン2など、場合によっては名前付きゾーン)を参照してもよい。知識ベース14036の第3の層は、それらのゾーン内のターゲットを参照してもよい(例えば、電気機器を含む発電所の第1のゾーン内では、これは、オルタネータ、遮断器、変圧器、バッテリ、励磁器などを含み、タービン、発電機、発電機磁石などを含む発電所の第2のゾーン内では、これを含み得る)。知識ベース14036は、インテリジェントシステム14088の出力に基づいて更新されてもよいし、手動のユーザデータ入力によって更新されてもよいし、またはその両方によって更新されてもよい。例えば、製造設備内の作業者は、1つ以上のハンドヘルド装置(例えば、ハンドヘルド装置14072)を与えられてもよい。作業者は、製造設備内を歩き回り、第1のゾーン内の油圧プレス、第2のゾーン内の熱成形機、および第3のゾーン内のコンベアを含む、異なるゾーン内の複数の機械片に接近してもよい。第1ゾーンに近づくと、ハンドヘルド装置は、油圧プレスの操作に起因する振動を示す油圧プレスに関する測定値を記録することができる。その測定値は、次に、インテリジェントシステム14088を用いて、例えば、知識ベース14036内の油圧プレス用のデータベースに格納されたデータに対して処理される。測定値がそのデータベースに格納されたデータと矛盾している場合、インテリジェントシステム14088は、油圧プレスが適切に動作していないと判断してもよい。例えば、油圧プレスの動作に起因する振動が、知識ベース14036内に記録されているものよりも小さい場合、油圧プレスが最適な速度で機能していないと判断してもよい。次に、知識ベース14036内のデータを参照して、この問題を解決するためにどの程度の時間が必要とされるかを含む、この問題の可能性の高い原因を決定してもよい。例えば、知識ベース14036は、低振動出力が油圧プレスに関して特定の部品の故障によって引き起こされていることを示してもよい。
次に、作業者は、熱成形機まで歩き、ハンドヘルド装置を使用して、その熱成形機の周囲の周囲温度を測定してもよい。測定は、インテリジェントシステム14088を使用して処理され、熱成形機が予想される温度を出力していると判断される。次に、作業者は、コンベアまで歩き、ハンドヘルド装置を使用してコンベアの速度を測定してもよい。例えば、ハンドヘルド装置に内蔵されたカメラビジョンシステムを使用して、コンベアの動作速度を検出してもよい。次に、動作速度は、知識ベース14036の適切なセクションに示されているように、コンベアの予想動作速度と比較されてもよい。コンベアが予期しない速度で動作していると判断されると、インテリジェントシステム14088は、例えば、ハンドヘルド装置を介して、またはハンドヘルド装置と通信している集合的処理心(例えば、製造設備の第3ゾーン内に位置する集合的処理心)を介して、コンベアが意図したように機能していない可能性があることをコンベアの領域内の作業員に警告してもよい。警告は、突然の緊急行動を防止するための警告通知として表現されてもよい。このようなシナリオでは、作業者は、アラートを見て、予期しない速度測定を反映させるために知識ベース14036を更新してもよい。
本明細書に開示されているのは、産業環境におけるデータ収集のためにハンドヘルド装置を使用するためのシステムである。本明細書で使用されるように、ハンドヘルド装置の統合とは、特定の目的または一般的な目的のためにハンドヘルド装置を使用することを意味する。例えば、システムの機能または構成に関して記載されているハンドヘルド装置統合とは、図293から図296に示されているように、産業用IoT環境内でのデータ収集のために、ハンドヘルド装置14072および/またはハンドヘルド装置14072に関連して使用されるハードウェアおよび/またはソフトウェアを、そのシステムによって使用することを指す。ハンドヘルド装置のそのような使用は、ハンドヘルド装置14072の1つ以上の使用を指す。例えば、ハンドヘルド装置を使用するものとして本明細書に開示されるシステムは、携帯電話、ラップトップコンピュータ、タブレットコンピュータ、パーソナルデジタルアシスタント、ウォーキートーキー、無線機、長距離または近距離通信デバイス、懐中電灯、または他のタイプのハンドヘルド装置のうちの1つ以上を使用することを含むことができる。
実施形態では、アナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、改善された信号対雑音比のためのマルチプレクサ上のIPフロント信号コンディショニングを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、マルチプレクサ連続監視アラーム機能を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
具体的には、複数のMUXやデータ収集部の論理制御に専用バスを使用した分散型CPLDチップを使用した産業環境でのデータ収集システムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムおよび設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルとコンポーネントボードの少なくとも一方のパワーダウン能力を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、トリガ入力および振動入力のための独自の静電保護を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、A/Dゼロ基準のための正確な電圧基準を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、オンボードタイマを使用した入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、ピーク検出のために別個のアナログ/デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、AAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、デジタル再サンプリングを必要とせずに低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する、産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、保守履歴付きの校正データを車載カードセットに保存している産業環境でのデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データ収集バンドのインテリジェントな管理を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、センサデータ分析におけるデータベース階層の使用を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、逆算定義のためのグラフィカルなアプローチを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、提案された軸受解析方法を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、過渡的な信号解析を利用したねじり振動検出/解析を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、アナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、ローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データ取得パーキング機能を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、自己完結型のデータ収集ボックスを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、SDカードストレージを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、連続監視のための拡張されたオンボード統計能力を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、予測のための周囲雑音、局所雑音、および振動雑音の使用を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、分析または相関のための同時動的データを可能にする着信データまたはアラームに基づくスマートルート変更ルートを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、スマートODSおよび転送機能を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、階層型マルチプレクサを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、識別感覚過負荷を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、RF識別および傾斜計を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、連続的な超音波モニタリングを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、遠隔のアナログ産業用センサの融合に基づくクラウドベースの機械パターン認識を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報を機械パターン分析して、産業用システムの予測状態情報を提供するために、クラウドベースの機械パターン分析を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境において、IoTデバイスの作成、展開、および管理を伴うデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、稼働率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、業界固有のフィードバックに基づく訓練AIモデルを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、産業用データコレクタの自己組織化された群を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、IoT分散台帳を有する産業環境におけるデータ収集のためにハンドヘルド装置を使用するシステムが開示されている。
実施形態では、自己組織化コレクタを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、ネットワーク感応型コレクタを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、遠隔組織化されたコレクタを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、マルチセンサデータコレクタのための自己組織化ストレージを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、マルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、振動、熱、電気および/または音の出力を有する、産業用センサデータ収集のためのウェアラブル触覚ユーザインタフェースを有する、産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
統合では、AR/VR用の収集データを表示するヒートマップを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データ収集者によって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、遠隔監視および制御のための処理、通信、および他のITコンポーネントを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、水素成分と酸素成分とを分離するために水源上で動作する水素燃料生成電解槽を有するシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、電解槽で生成された水素を貯蔵する低圧水素貯蔵システムを有するシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、過去、現在、計画、および/または予測される消費または利用可能性のいくつかの尺度に基づいて燃料供給または混合装置を自動的に制御する燃料制御モジュールを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、太陽電池式水素電解槽を有するシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、風力発電式水素電解槽を有するシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントなシステムが開示されており、ハイドロパワー水素電解槽を有する。
実施形態では、ハンドヘルド装置を使用し、ユーザ入力または監視を必要とせずに、LPG、水素、または他の燃料を動的に供給するオンデマンドのガス-LPGハイブリッドバーナーを有するためのインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、熱の平面としての目標熱ゾーンに熱を提供する密閉されたバーナチャンバを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムが開示され、インテリジェントクックトップデバイスまたは他のIoTデバイスを制御するための接続性およびローカルおよびリモート制御を有するスマートノブを有する。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、モバイルデバイスを充電するための電力、データ通信、および熱保護を有するモバイルドッキング設備を有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、クックトップのサブシステム内に配置された分散モジュールまたはコンポーネントを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用し、クックトップのサブシステムの動作を管理するための集中制御設備を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用し、リモートコントロール機能を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用し、自動化を有するためのインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用し、調理システムの状態を監視するための検出器およびセンサを有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用し、調理システムの動作を最適化するための機械学習を有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用し、モバイルアプリケーションを有するためのインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、電子デバイスと、サプライヤー、コンテンツプロバイダー、サービスプロバイダー、および規制当局の関連エコシステムの参加者と相互作用して、インテリジェント調理システムのユーザー、水素製造システムのユーザー、およびエコシステムの他の参加者に付加価値サービスを提供するクラウドベースのプラットフォームを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、ユーザに推薦を提供するための推薦エンジンを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、ユーザに通知を提供するための通知エンジンを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用し、ユーザにロケーションベースのオファーを提供するための広告エンジンを有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、分析、監視、制御、および他のデバイスおよびシステムの操作のためのデータを貢献するために、他のデバイスおよびクラウドとのマシン間またはユーザ間の通信を可能にするインタフェースを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、インテリジェント調理システムの周りに基づいてネットワークに接続するコンピューティングデバイスのための、コンテキストに基づいたインテリジェンス駆動型のパーソナライズされた体験を容易にするユーザインタフェースを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、ユーザ、デバイスの使用状況、メンテナンスおよび修理履歴、パターンまたは故障に関連するパターン、エネルギー使用パターン、調理パターン、および電解槽の展開、使用およびサービスをプロファイリング、記録または分析するためのアナリティクスを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、成分、成分、および材料を注文するためのコマースユーティリティを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、調理作業をユーザに支援するための調理支援ユーティリティを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用し、食品の健康指標、栄養情報、栄養検索機能、栄養補助、およびパーソナライズされた提案および推奨を提供するための健康ユーティリティを有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用し、音楽、ビデオ、および/またはポッドキャストを再生するためのインフォテインメントユーティリティを有するインテリジェントシステムが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、調理システムから放送されるパーソナライズされた調理チャンネルを可能にするための放送ユーティリティを有するものが開示されている。
実施形態では、ハンドヘルド装置を使用するためのインテリジェントシステムであって、スマートクックトップから情報を収集するための食品調査ユーティリティを有し、地域全体のスマートクックトップシステムのユーザによって使用されているレシピに関するユーザの活動が開示されている。
実施形態では、IoTプラットフォームを有する産業環境においてデータ収集のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、データを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立することを特徴とする、産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する、産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、適応エンジンを有するIoTデータアダプタを有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データパケットまたはストリームを準備するための機械学習の使用を有する産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、データ収集のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、データソースの統合および使用方法の指示を含むメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを提供するメッセージングユーティリティを有する、産業環境におけるデータ収集のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、ウィンドウサイズに従って正常に配信されたものとしてまだ承認されていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、損失イベントのレートの推定値を維持し、冗長メッセージのレートを調整するためにそれを使用する能力を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用されるエラー訂正コードが損失イベントの推定レートに基づいている、損失イベントの推定レートを有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、チャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーを使用してフィードバックメッセージの送信を遅延させる機能を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、配送が成功したことを示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するシステムが開示されている。
実施形態では、現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、現在/前の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するシステムが開示されている。
実施形態では、現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するシステムが開示されている。
実施形態では、現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するシステムが開示されている。
実施形態では、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、より低い遅延データパス上のデータメッセージの第1のサブセットと、より高い遅延データパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、低遅延データパス上で時間的に重要なデータメッセージの第1のサブセットを送信し、高遅延データパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、低遅延データパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムと、より高い遅延データパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、より低い遅延データパス上の確認メッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示され、フィードバックメッセージに基づいてキューから冗長メッセージを追加または削除することが開示されている。
実施形態では、データパスがメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、データパスが以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれで送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、チャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、パケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのハンドヘルド装置を使用するシステムが開示されている。
実施形態では、メッセージパケットとパリティパケットのグループをインターリーブし、メッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのハンドヘルド装置を使用するためのシステムが開示されている。
実施形態では、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためにハンドヘルド装置を使用するためのシステムが開示されている。
画像データセットを使用して産業用IoT環境内で、記載されているように、本明細書ではデバイスと呼ぶことができる1つ以上のターゲットの、振動などの動作特性を識別するためのシステムおよび方法が、図297~図299に関して記載されている。実施形態では、図297に一般的に図示されているコンピュータビジョンシステム15000のようなシステムが、図297に一般的に図示されている。297は、1つまたは複数の画像データセットを使用して、産業用IoT環境(例えば、上述したように)の1つまたは複数のターゲットの振動または他の動作特性(例えば、振動、熱、電磁放射、または他の適切な動作特性)を検出するように構成されている。つ以上のターゲットは、上述したように、デバイス1306を含んでもよい。デバイス13006は、タービン攪拌機、機体制御面振動装置、触媒反応器、コンプレッサなどの攪拌機を含んでもよい。また、装置13006は、コンベアおよびリフター、廃棄システム、ドライブトレイン、ファン、灌漑システムおよびモータを含んでもよい。
装置13006はまた、パイプライン、電動パワートレイン、生産プラットフォーム、ポンプ(例えば、水ポンプ)、ロボット組立システム、熱加熱システム、トラック、伝送システム、およびタービンを含んでもよい。デバイス13006は、単一の産業環境13018内で動作してもよいし、複数の産業環境13018内で動作してもよい。例えば、パイプライン装置は、石油およびガス環境内で動作してもよく、一方、触媒反応器は、石油およびガス生産環境または製薬環境のいずれかで動作してもよい。実施形態では、本開示全体に記載されているように、1つ以上の装置13006を操作、監督、検査、またはそれらの組み合わせで操作しているオペレータは、コンピュータビジョンシステム15000を使用して、1つ以上の装置13006の動作を分析してもよい。実施形態では、操作者は、1つ以上の装置13006のメンテナンス、修理、または他の適切な相互作用が必要かどうかを判断するために、コンピュータビジョンシステム15000からのデータ、レポート、チャート、または他の適切な出力をレビューしてもよい。例えば、コンピュータビジョンシステム15000からの出力は、デバイス13006の特定のコンポーネントが特定の時間枠内で交換または修理されない場合、デバイス13006の1つに関連する振動が故障につながる可能性があることを示してもよい。実施形態では、コンピュータビジョンシステム15000は、説明されるように、画像データセットを分析し、1つ以上の問題(例えば、1つ以上のコンポーネントの故障または潜在的な故障)を特定し、是正措置を決定し(例えば、故障または故障したコンポーネントに関連するデバイスの動作速度を変更する)、是正措置を開始し(例えば、データを自動的に分析し、問題を特定し、是正措置を決定し、是正措置の少なくとも一部を実行する)、是正措置を開始するように構成されていてもよい。
コンピュータビジョンシステム15000などのコンピュータビジョンシステムは、人間の視覚システムのタスクおよび/または特徴を自動化するように適合されてもよい。例えば、コンピュータビジョンシステム15000は、装置13006に関連付けられた画像データをキャプチャし、人間の視覚の側面をシミュレートして改善する様々な視覚技術を使用して画像データを分析するように構成されてもよい。例えば、人間の視覚とは異なり、コンピュータビジョンシステム15000は、物体にズームインし、個々のフレームを分析し、フレーム間のデルタを分析することにより、画像を強化してもよい。別の例では、コンピュータビジョンシステム15000はまた、典型的な人間の知覚可能な範囲外の画像、例えば、紫外または赤外信号を撮像してもよい。次に、コンピュータビジョンシステム15000は、視覚的手法を用いて、望ましくない振動の存在または量など、装置13006の様々な特性を識別してもよい。コンピュータビジョンシステム15000は、人間のオペレータまたはスーパーバイザーによって、またはデータセット、モデル、またはそのようなものに基づいて、訓練されてもよい。トレーニングは、センサデータ、イベントデータ、パラメータデータ、および他のタイプのデータ(本開示全体に記載されている多くのタイプを含む)などの値を表す1つまたは複数のトレーニングデータセットと、プロセスの結果、計算の結果、イベントの結果、活動の結果などの結果を表す1つまたは複数の指標とをコンピュータビジョンシステム15000に提示することを含んでもよい。トレーニングは、最適化におけるトレーニングを含んでもよく、例えば、ベイズアプローチ、パラメトリックベイズ分類器アプローチ、k-最近傍分類器アプローチ、反復アプローチ、補間アプローチ、パレート最適化アプローチ、アルゴリズムアプローチなどの1つ以上の最適化アプローチに基づいて、1つ以上のシステムを最適化するようにコンピュータビジョンシステム15000をトレーニングすることを含んでもよい。フィードバックは、一連のラウンドを経てフィードバックに基づいて1つ以上の解を進化させる遺伝的アルゴリズムのように、変動および選択のプロセスで提供されてもよい。フィードバックは、人間のオペレータによって、または監視システムの別のコンポーネントによって決定され、提供されてもよい。
実施形態では、コンピュータビジョンシステム15000は、1つ以上のデータキャプチャ装置15002によってキャプチャされたデータを使用して装置13006の動作特性を識別するために、視覚データおよび/または非視覚データを含む訓練データセットを使用して訓練されてもよい。実施形態では、訓練データセットは、装置13006の構成要素の様々な動作状態に対応する画像データを含んでもよい。例えば、トレーニングデータセットは、デバイス13006の構成要素が期待された状態または許容可能な状態または許容範囲内で動作していることに対応する画像データ、デバイス13006の構成要素が期待された状態または許容可能な状態または許容範囲を超えて動作していることに対応する画像データ、デバイス13006の構成要素が期待された状態または許容可能な状態または許容範囲内で動作しているが、期待された状態または許容可能な状態または許容範囲内では動作しない傾向にあることに対応する画像データを含んでもよい。
実施形態では、トレーニングデータセットは、装置1306または類似の装置の構成要素の画像データと、様々なセンサ(例えば、本開示全体に記載されているような振動センサ)を捕捉したデータとに基づいて生成されてもよい。例えば、トレーニングデータセットは、デバイス1306の構成要素の感知された振動と画像データとの相関を含んでもよい(例えば、構成要素が期待されるまたは許容される条件または許容範囲内で動作していることを示す画像データと、振動が期待されるまたは許容されることを示す感知された振動データとを相関させてもよい)。
実施形態では、コンピュータビジョンシステム15000は、様々な視覚入力デバイスを使用して、デバイス13006からデータ(例えば、画像データ)をキャプチャしてもよい。例えば、データキャプチャデバイス1502は、デバイス1306の動作中に、視覚データまたは画像データなどのデータをキャプチャしてもよい。例えば、データキャプチャデバイス1502は、一定期間(例えば、デバイス1306が動作している間)にわたって複数の画像をキャプチャしてもよい。データキャプチャデバイス1502は、期間中の任意の適切な間隔でデバイス1306の画像をキャプチャしてもよい。例えば、データキャプチャ装置1502は、1秒に1回、1秒の分数に1回、または期間中の任意の適切な間隔で画像をキャプチャしてもよい。実施形態では、データキャプチャ装置1502は、生の画像データをキャプチャしてもよい。生画像データは、信号画像、部分画像、画像を表すデータポイント、または他の適切な生画像データを含んでもよい。実施形態では、データキャプチャデバイス1502は、任意の適切な画像エンコード技術を使用して生画像データをエンコードしてもよい。
データキャプチャデバイス15002は、カメラ、センサ、他の画像キャプチャデバイス、他のデータキャプチャデバイス、またはそれらの組み合わせを含んでもよい。実施形態では、データキャプチャデバイス15002は、可視光画像データおよび/または赤外線画像データ、紫外線画像データ、他の非可視光画像データ、またはそれらの組み合わせを含む非可視光画像データを含む画像データをキャプチャするように構成された1つ以上のフルスペクトルカメラを含んでもよい。実施形態では、データキャプチャ装置1502は、X線撮像装置または他の好適な放射線撮像装置などの1つ以上の放射線撮像装置を含んでもよい。1つまたは複数の放射線撮像装置は、X線撮像装置または他の適切な放射線撮像装置を使用して装置13006の動作中に装置13006の画像データをキャプチャするように構成されてもよい。実施形態では、データキャプチャ装置1502は、超音波または他の適切な音波などの音波を使用して装置1306の動作中に装置1306の画像データをキャプチャするように構成された1つ以上の音波キャプチャ装置を含んでもよい。実施形態では、データキャプチャ装置1502は、パルス状の光をターゲットに照射し、1つ以上のセンサで反射パルスを測定することによりターゲットまでの距離を測定することにより、デバイス1306の動作中にデバイス1306の画像データをキャプチャするように構成された光撮像・検出・測距(LIDAR)装置を含んでもよい。実施形態では、データキャプチャ装置1502は、レーザまたは他の適切な光を使用して装置1306の動作中に装置1306の画像データをキャプチャし、装置1306の3次元モデルを表すデータポイントの集合を生成するように構成された点群データキャプチャ装置を含んでもよい。
実施形態では、データキャプチャ装置1502は、赤外線撮像を用いた装置1306の動作中に装置1306の画像データをキャプチャするように構成された赤外線検査装置を含んでもよい。実施形態では、データキャプチャ装置1502は、可視光を使用して装置1306の動作中に装置1306の画像データをキャプチャするように構成されたデジタルカメラなどのデジタル画像キャプチャ装置を含んでもよい。例えば、装置13006の1つ以上を操作、監督、監視、および/または検査するオペレータは、携帯電話、スマートフォン、タブレットコンピュータ、または他の適切なモバイル装置などのモバイル装置を利用してもよい。モバイルデバイスは、デジタルカメラなどの画像キャプチャデバイスを含んでもよい。オペレータは、モバイルデバイスの画像キャプチャデバイスに関連付けられた画像データをキャプチャしてもよい。実施形態では、データキャプチャデバイス1502は、説明されるように、画像データをキャプチャし、キャプチャされた画像データをクライアント、サーバ、またはそれらの組み合わせに通信するスタンドアロンデバイスであってもよい。
実施形態では、1つまたは複数のデータキャプチャデバイス1502は、それぞれのデバイス1306に関して予め定義された距離および位置で、それぞれのデバイス1306に配置されるか、またはその近傍に配置されてもよい。つ以上のデータキャプチャデバイス1502が配置されている、または配置されている所定の距離および位置は、1つ以上のデータキャプチャデバイス1502が、それぞれのデバイス1306の関心点のデータキャプチャの所望のフィールドを有するように選択されてもよい。関心点は、それぞれのデバイス1306の任意の適切な点または領域を含んでもよい。例えば、関心のある点は、ベルト、ベアリング、ブレード、羽根、ファン、またはそれぞれのデバイス1306上の、またはそれに関連する他の任意の適切な構成要素、関心のある点または領域を含んでもよい。データ捕捉フィールドは、画像データ捕捉装置1502のための視覚フィールド、音波データ捕捉装置1502のための音波データ捕捉フィールド、または他の適切なデータ捕捉フィールドを含んでもよい。それぞれの装置13006に位置するか、またはその近傍に配置されたそれぞれのデータキャプチャ装置からのデータキャプチャの結合フィールドからキャプチャされたデータは、説明されるように、画像データセット生成装置15006によって、それぞれの装置13006の関心点の画像を表す1つまたは複数の画像データセットを生成するために使用されてもよい。実施形態では、データキャプチャ装置15002は、本明細書に記載された装置の任意の組み合わせ、または記載されていない他の適切なデータキャプチャ装置を含んでもよい。
実施形態では、データキャプチャ装置15002は、記載されているように、装置13006の画像データをキャプチャし、キャプチャされた画像データをネットワーク15008を使用してクライアント15004および/またはサーバ15010に通信してもよい。クライアント15004は、本開示を通して説明したものを含む任意の好適なクライアントを含むことができる。実施形態では、クライアント15004は、モバイルデバイス、または他の適切なクライアントであってもよい。クライアントは、メモリに格納された命令(例えば、プロセッサによって実行されると、プロセッサにコンピュータビジョンシステム15000の様々な部分または本明細書に記載された様々な方法を実行させる命令)を実行するように構成されたプロセッサを含んでもよい。クライアント15004は、本開示全体に記載されているように、デバイス13006上またはその近傍で作業するオペレータによって所有され、操作され、および/または利用されてもよい。ネットワーク15008は、インターネット、クラウドネットワーク、ローカルエリアネットワーク、広域ネットワーク、無線ネットワーク、有線ネットワーク、セルラーネットワークなどを含むがこれらに限定されない、本開示全体を通して記載されている任意のネットワークを含む、任意の適切なネットワークであってもよいし、それらの任意の組み合わせであってもよい。サーバ15010は、本開示全体に記載された任意のサーバを含む任意の好適なサーバであってもよい。サーバ15010は、メモリ上に格納された命令(例えば、プロセッサによって実行されると、プロセッサにコンピュータビジョンシステム15000の様々な部分または本開示の様々な方法を実行させる命令)を実行するように構成されたプロセッサを含んでもよい。サーバ15010は、スタンドアロンのサーバであってもよいし、サーバのグループであってもよい。サーバ15010は、専用サーバであってもよいし、分散コンピューティングサーバまたはクラウドサーバのいずれかであってもよいし、それらの任意の組み合わせであってもよい。
実施形態では、コンピュータビジョンシステム15000は、画像データセット生成器15006を含んでもよい。画像データセット生成器15006は、クライアント15004および/またはサーバ15010上で実行可能なアプリケーションまたは他の適切なソフトウェアまたはプログラムで構成されてもよい。実施形態では、クライアント15004は、画像データセット生成器15006を実行するように構成されてもよい。例えば、説明されているように、オペレータは、オペレータが第1のデバイス13006と相互作用するように、クライアント15004を携帯してもよい。データキャプチャ装置15002のうちの1つ以上のデータキャプチャ装置15002は、第1の装置13006に関連付けられた、記載されているような画像データをキャプチャするように構成されてもよい。例えば、第1のデータキャプチャデバイス1502は、第1のデバイス1306の近くに配置されてもよく、そのような場合、第1のデータキャプチャデバイス1502は、第1のデバイス1306上の関心のある点に、記載されているように、データをキャプチャするフィールドを有する。第1のデータキャプチャ装置1502は、第1の装置1306に関連付けられた生の画像データをキャプチャしてもよい。第1のデータキャプチャ装置15002は、ネットワーク15008を介して、生画像データをクライアント15004に通信してもよい。画像データセット生成器15006は、生画像データを使用して、後述するように、1つ以上の画像データセットを生成してもよい。いくつかの実施形態では、サーバ15010は、図298に一般的に図示されているように、画像データセット生成器1506を実行するように構成されてもよい。第1のデータキャプチャ装置15002は、ネットワーク15008を介して、生画像データをサーバ15010に通信してもよい。サーバ15010によって実行される画像データセット生成器1506は、生の画像データを使用して、後述するように、1つ以上の画像データセットを生成してもよい。
実施形態では、画像データセット生成器15006は、1つ以上のデータキャプチャ装置15002から受信した生の画像データを使用して、1つ以上の画像データセットを生成するように構成されてもよい。画像データセットは、後述するように、ビジョン分析モジュール15012によって分析または処理されることが可能な(例えば、適切な形式の)データを含む画像を含んでもよい。画像データセット生成器15006は、生の画像データをデコードするように構成されてもよい。例えば、記載されるように、1つ以上のデータキャプチャ装置15002は、エンコードされた生画像データをクライアント15004および/またはサーバ15010に通信する前に、生画像データをエンコードしてもよい。画像データセット生成器15006は、任意の適切な画像デコード技術を用いて生画像データをデコードするように構成されてもよい。いくつかの実施形態では、画像データセット生成器15006は、関連する生画像データを相関させたり、生画像データをスティッチしたり(例えば、1つ以上のデータキャプチャデバイス15002からの複数の画像を使用して、デバイス13006の1つの関心点の単一画像を生成することによって)、または任意の適切な画像データセット生成技術、および/または任意の適切な画像処理技術を使用して画像データセットを生成するように構成されていてもよい。
実施形態では、画像データセット生成装置1506は、可視光画像データ以外のデータを含む。生データから画像データセットを生成してもよい。例えば、説明したように、データキャプチャ装置1502は、音波データ、非可視光データ、その他の様々なデータをキャプチャしてもよい。画像データセット生成部1506は、非可視光生データを受信し、非可視光生データを画像データに変換してもよい。例えば、画像データセット生成器15006は、1つ以上のデータキャプチャ装置15002によってキャプチャされた音波を用いて、装置13006の関心点の1つ以上の画像を生成してもよい。画像データセット生成器15006は、任意の適切な技法を用いて画像データセットを生成してもよい。画像データセット生成器15006は、1つ以上の画像データセットをビジョン分析モジュール15012に通信してもよい。
実施形態では、ビジョン分析モジュール15012は、アプリケーションまたはサーバ15010上で実行可能な他の適切なソフトウェアであってもよい。ビジョン分析モジュール15012は、サーバ15010によって実行されるように図示され、説明されているが、クライアント1504は、ビジョン分析モジュール15012を実行するように構成されていてもよいことが理解されるべきである。
図299に一般的に示されているように、視覚解析モジュール15012は、画像データデータベース15014、トレーニングデータデータベース15016、視覚解析器15018、および動作特性検出器15020を含んでもよい。実施形態では、画像データデータベース15014は、任意の適切なデータベースを含んでもよく、クライアント15004および/またはサーバ15010上にローカルに配置されてもよく、クライアント15004およびサーバ15010のいずれか一方からリモートで配置されてもよく、または他の適切な場所に配置されてもよい。画像データデータベース15014は、説明したように、画像データセット生成部1506によって生成された画像データセットを格納してもよい。例えば、画像データセット生成器15006は、説明したように、1つ以上の画像データセットを生成してもよく、その1つ以上の画像データセットを画像データデータベース15014に通信してもよい。実施形態では、画像データデータベース15014は、画像データセットを格納するように構成された任意の適切な画像リポジトリであってもよい。
訓練データデータベース15016は、任意の適切なデータベースを含んでもよく、クライアント15004および/またはサーバ15010上にローカルに配置されてもよく、クライアント15004およびサーバ15010のいずれか一方からリモートで配置されてもよく、または他の適切な場所に配置されてもよい。トレーニングデータデータベース15016は、後述するように、ディープラーニングシステムによって生成されたトレーニングデータセットを格納してもよい。実施形態では、トレーニングデータデータベース15016は、トレーニングデータセットを格納するように構成された任意の適切なトレーニングデータリポジトリであってもよい。訓練データセットは、任意の適切な訓練データセットを含んでもよい。例えば、トレーニングデータセットは、デバイス1306の一部、他のデバイスの一部を表す画像データセット、デバイス1306または他のデバイスの動き、振動、または他のデバイスの他の様々な特性を表す画像データセット、または任意の他の適切な画像データセットまたは他のデータセットなど、様々な適切な画像データセットを使用して、後述するように、深層学習システムによって生成されてもよい。
実施形態では、トレーニングデータセットは、デバイス1306の様々な動作特性を検出するためにコンピュータビジョンシステム15000を訓練するために使用されてもよい。例えば、説明されるように、深層学習システムは、画像データセットの様々なデータポイント、例えば、異常、特徴、特徴、または他の適切なデータポイントを識別するために、視覚分析器15018を訓練してもよい。実施形態では、視覚分析器15018は、機械学習システム、人工知能訓練システム、深層学習システム、人間のプログラマによってプログラムされたシステム、または任意の適切な技術、方法、および/またはシステムを使用して構成、訓練、プログラムされたシステムなどの任意の適切な訓練システムによって訓練されてもよい。例えば、視覚解析器15018は、画像データセットに表される各デバイス1306の関心点の一部分を識別するように構成されてもよい。例えば、視覚的分析器15018は、画像データセットで表される各デバイス1306のベルトの一部を識別するように構成されてもよい。視覚的分析器15018は、関心のある部分を分析し、関心のある部分の特性(例えば、位置、サイズ、形状、および/または他の適切な特性)が、関心のある部分の予測されたまたは予め定められた特性に対応するかどうかを決定するように構成されてもよい。例えば、視覚的分析器15018は、画像データセットに関連付けられた複数の画像のうちの1つにおいて、関心のある点の部分を特定してもよい。視覚的分析器15018は、画像データセットの複数の画像のそれぞれに関連付けられた関心点の部分の様々な特性に対応する値を記録してもよい。例えば、視覚的分析器15018は、画像データセットの複数の連続画像の各画像において、それぞれの装置1306のベルトの一部の位置を記録してもよく、連続画像におけるベルトの位置のデルタを追跡してもよい。
予測または予め定められた特性は、訓練データセットに基づいて予測または予め定められたものであってもよく、関心のある点の部分の特性に対応してもよく、関心のある点の部分が、それぞれの装置1306が許容可能または期待される許容範囲内で動作していることを示している。例えば、関心点の部分の予測されたまたは予め定められた特性は、それぞれのデバイス1306が動作している間のベルトの部分の位置を含んでもよい。ベルトの位置は、それぞれのデバイス1306が動作している間のベルトの予想動作位置(例えば、それぞれのデバイス1306が許容可能な動作許容差に従って動作している間にベルトの部分が予想される位置)に対応していてもよい。様々な例が記載されているが、視覚解析器15018は、画像データセットを解析するために、関心のある点の部分の任意の適切な特性を使用してもよいことが理解されるべきである。
実施形態では、視覚的分析器15018は、関心のある点の部分の記録された特性を、関心のある点の部分の予測されたまたは予測された特性と比較してもよい。視覚的分析器15018は、関心のある点の部分の記録された特性と、関心のある点の部分の予測されたまたは予め決められた特性との比較に基づいて、関心のある点の部分の分析を生成するように構成されていてもよい(例えば、上述したように、訓練され、構成され、プログラムされていてもよい)。例えば、視覚解析器15018は、関心のある点の部分の記録された位置と、関心のある点の部分の予測されたまたは予め定められた位置との間の分散(例えば、例えば、それぞれの装置1306のベルトの実際のまたは観察された位置と、それぞれの装置1306のベルトの予測されたまたは予め定められた位置との間の分散)を決定してもよい。説明したように、画像データセットは、期間にわたって撮影された関心点の部分の複数の画像を含んでもよい。視覚分析器15018は、関心点の部分の第1の記録された特性と、期間中の第1の間隔で(例えば、第1の間隔で撮影された第1の画像を使用して)関心点の部分の第1の予測されたまたは予め定められた特性との間の第1の分散を決定してもよい。次に、視覚分析器15018は、関心のある点の部分の第2の記録された特性と、期間中の第2の間隔における関心のある点の部分の第2の予測されたまたは予測された特性との間の第2の分散を決定してもよい(例えば、第2の間隔の間に撮影された第2の画像を使用して)。視覚分析器15018は、期間中の間隔に対応する画像を使用して、期間にわたって記録された複数の特性および複数の予測されたまたは予め決められた特性の分散を決定し続けてもよい。このようにして、視覚的分析器15018は、関心のある点の部分の予測されたまたは予測された特性に対する関心のある点の部分の特性の分散を期間にわたって表すデータを生成してもよい。例えば、視覚的分析器15018は、ベルトの予測された位置または予め定められた位置と比較したベルトの実際の位置または観察された位置の差を一定期間にわたって表すデータを生成してもよい。視覚的分析器15018は、分散を量子化してもよい。例えば、視覚的分析器15018は、記録された特性と予測されたまたは予め定められた特性との間の分散を表す値(例えば、ベルトの記録された位置とベルトの予測されたまたは予め定められた位置との間の距離を表す値)を決定するように構成されてもよい。実施形態では、視覚的分析器15018は、関心のある点の部分の記録された特性と、関心のある点の予測されたまたは予め定められた部分との間の分散を表す値を含む分散データセットを生成するように構成されてもよい。視覚分析器15018は、分散データセットを動作特性検出器15020に通信してもよい。
実施形態では、動作特性検出器15020は、ビジョン解析モジュール15012に配置または配置されてもよいし、ビジョン解析モジュール15012から遠隔に配置または配置されてもよい。実施形態では、動作特性検出器15020は、分散データセットに基づいて、それぞれのデバイス1306、または任意の適切なデバイス1306の様々な動作特性を決定または識別するように構成されてもよい。様々な動作特性は、それぞれのデバイス1306の動作中に関心のある点の部分の振動、熱、歪み、偏向、他の適切な動作特性、またはそれらの組み合わせを含んでもよい。記載されているように、動作特性検出器15020は、機械学習システム、人工知能訓練システム、ディープラーニングシステムなどの任意の適切な訓練システムによって訓練されてもよいし、人間のプログラマーによってプログラムされてもよいし、任意の適切な技術、方法、および/またはシステムを使用して構成され、訓練され、プログラムされたものであってもよい。実施形態では、動作特性検出器15020は、それぞれのデバイス1306の1つ以上の動作特性の量または他の適切な測定値を示す分散データセットの様々なデータを識別することにより、関心のある点の部分の動作特性を識別するように構成されてもよい。
例えば、動作特性検出器15020は、ベルトが第1の周波数で振動していることを示す分散データセットのデータを特定してもよい(例えば、一定期間にわたるベルトの位置が第1の周波数で移動していることを示す分散データセットに関連付けられた値を特定することによって)。動作特性検出器15020は、識別された動作特性を訓練されたまたはプログラムされた動作特性と比較して、動作特性がそれぞれの装置1306の動作許容範囲内にあるかどうかを判断してもよい。例えば、動作特性検出器15020は、動作特性に関連付けられた値を閾値と比較して(例えば、動作特性の値が閾値の上にあるか下にあるかに応じて、動作特性が許容範囲内にあるかどうかを決定して)、動作特性に関連付けられた値を予測値と比較して(例えば、値が異なる場合、動作特性が許容範囲内で動作していないことを決定して)、または他の適切な決定分析、またはそれらの組み合わせを行ってもよい。例えば、動作特性検出器15020は、ベルトが振動している周波数を、訓練されたまたはプログラムされた周波数と比較してもよい。訓練されたまたはプログラムされた周波数は、それぞれの装置1306の正常または許容可能な動作中のベルトの振動の周波数、ベルトが許容可能な許容範囲を超えて振動していることを示すベルトの振動の周波数、それぞれの装置1306の正常または許容可能な動作の範囲内にあり、ベルトが最終的にそれぞれの装置1306の動作の許容可能な許容範囲を超えた周波数で振動する可能性があることを示すベルトの振動の周波数、または他の適切な周波数を含んでもよい。振動のみが記載されているが、訓練されたまたはプログラムされた動作特性は、それぞれの装置1306の任意の適切な動作特性を示してもよい。動作特性検出器15020は、値または動作特性を示すデータ、および/または予測的(例えば、将来の)動作特性を示す情報(例えば、関心のある点の部分の実際の動作特性または観察された動作特性と、実際の動作特性または観察された動作特性が特定の更なる動作特性を示すことを示す訓練された動作特性またはプログラムされた動作特性とに基づいて決定される)、実際の動作特性または観察された動作特性、他の適切な情報または値、またはそれらの組み合わせを含む動作特性データセットを出力する(例えば、データベースへ、レポートへ、モニタへ、または他の適切な出力場所または装置へ)ことができる。
実施形態では、オペレータは、それぞれのデバイス1306、および/またはそれぞれのデバイス1306の関心点の部分が、予想される許容範囲内または許容範囲内で動作しているかどうかを決定するために、動作特性データセットをレビューおよび/または分析してもよい。さらに、または代替的に、操作者は、動作特性データセットに基づいて、それぞれのデバイス1306の1つ以上の構成要素が故障している、故障するだろう、メンテナンスを必要とする、または他の適切な決定を決定してもよい。例えば、動作特性データセットは、ベルトが第1の周波数で振動していることを示してもよい。第1の周波数でベルトが振動していることは、ベルトに関連するプーリが故障しているか、またはメンテナンスを必要とすることを示してもよい。オペレータは、動作特性データに基づいてプーリをメンテナンスまたは交換してもよい。実施形態では、動作特性検出器15020は、それぞれの装置1306の構成要素がメンテナンスまたは交換を必要とすることを示す情報またはデータを出力するように構成されてもよい。例えば、説明したように、動作特性データセットは、ベルトが第1の周波数で振動していることを示してもよい。動作特性検出器15020は、動作特性データセット(例えば、ベルトが第1の周波数で振動していることを示す)、および訓練されたまたはプログラムされた動作特性に基づいて、第1の周波数で振動しているベルトが、第1のプーリが故障しており、交換または維持されるべきであることを示していると判断するように構成されてもよい。動作特性検出器15020は、説明したように、情報またはデータをオペレータに出力してもよく、オペレータは、その後、情報またはデータに基づいて(例えば、第1のプーリを交換または維持することによって)行動してもよい。
実施形態では、コンピュータビジョンシステム15000は、様々な非視覚入力装置を使用して、それぞれの装置13006からデータ(例えば、非画像データ)をキャプチャしてもよい。例えば、データキャプチャ装置15002は、それぞれの装置13006の動作中に、温度、圧力、化学構造、他の適切な非視覚データ、またはそれらの組み合わせなどのデータをキャプチャしてもよい。化学構造は、分子内の原子の空間的配置を表す分子幾何学と、原子を一緒に保持する化学結合とを含んでもよい。化学構造は、分子モデルまたは分子式によって表現されてもよい。例えば、データ捕捉デバイス1502は、一定期間(例えば、それぞれのデバイス1306が動作している間)にわたって複数の測定値を捕捉してもよい。データ捕捉デバイス1502は、期間中の任意の適切な間隔で、それぞれのデバイス1306の測定値を捕捉してもよい。例えば、データキャプチャ装置1502は、1秒に1回、1秒の分数に1回、または期間中の任意の適切な間隔で測定をキャプチャしてもよい。実施形態では、データキャプチャ装置1502は、生の測定データをキャプチャしてもよい。生の測定データは、温度測定、圧力測定(例えば、それぞれの装置1306の一部内の液体または気体の)、化学構造測定(例えば、それぞれの装置1306の一部内の液体、気体、または固体の)、または他の適切な生の測定データを含んでもよい。実施形態では、データキャプチャデバイス1502は、任意の適切な測定符号化技術を使用して生の測定データを符号化してもよい。
データ捕捉デバイス15002は、圧力センサ、温度センサ、化学センサ、流体センサ、他のセンサ、他のデータ捕捉デバイス、またはそれらの組み合わせを含んでもよい。実施形態では、データキャプチャデバイス1502は、それぞれのデバイス1306の一部を含む圧力測定データをキャプチャするように構成された1つ以上の圧力センサを含んでもよい。例えば、圧力センサは、それぞれのデバイス1306の桶、パイプ、タンク、または他の適切な加圧されたエンクロージャ内の圧力を測定してもよい。実施形態では、データキャプチャデバイス1502は、それぞれのデバイス1306の一部の温度を測定するように構成された1つ以上の温度センサを含んでもよい。例えば、温度センサは、オーブン、キルン、桶、パイプ、タンク、またはそれぞれのデバイス1306の他の好適な部分の温度を測定してもよい。実施形態では、データキャプチャデバイス1502は、それぞれのデバイス1306に関連付けられた液体、ガス、または固体の化学構造を測定または決定するように構成された1つ以上の化学センサを含んでもよい。例えば、化学センサは、それぞれのデバイス13006によって製造された部品の化学構造、動作中にそれぞれのデバイス13006を冷却するために使用される冷却流体の化学構造、動作中にそれぞれのデバイス13006によって生成された廃棄物の化学構造、またはそれぞれのデバイス13006に関連する他の好適な液体、液体、気体、または固体の他の好適な化学構造を測定してもよい。
実施形態では、データキャプチャデバイス1502は、モバイルデバイスに関連付けられていてもよい。例えば、それぞれのデバイス1306の1つ以上を操作、監督、監視、および/または検査するオペレータは、携帯電話、スマートフォン、タブレットコンピュータ、または他の適切なモバイルデバイスなどのモバイルデバイスを利用してもよい。モバイルデバイスは、アドオンセンサなどのデータキャプチャデバイスを含んでもよい。オペレータは、モバイルデバイスのアドオンセンサを使用して測定データをキャプチャしてもよい。実施形態では、データキャプチャ装置15002は、記載されているように、測定データをキャプチャし、キャプチャした測定データをクライアント15004、サーバ15010、またはそれらの組み合わせに通信するスタンドアロン装置であってもよい。
実施形態では、1つまたは複数のデータキャプチャデバイス1502は、それぞれのデバイス1306に関して予め定義された距離および位置で、それぞれのデバイス1306に配置されるか、またはその近傍に配置されてもよい。つ以上のデータキャプチャデバイス1502が配置される、または配置される所定の距離および位置は、1つ以上のデータキャプチャデバイス1502が、それぞれのデバイス1306の関心のある点のデータキャプチャの所望のフィールドを有するように選択されてもよい。記載されているように、関心のある点は、それぞれのデバイス1306の任意の適切な点または領域を含んでもよい。例えば、関心のある点は、桶、タンク、パイプ、エンクロージャ、製造された部品、冷却流体、廃棄物、関心のある他の適切な点、またはそれらの組み合わせを含んでもよい。データ取り込みフィールドは、データ取り込み装置1502を用いて所望の測定を取り込むことができる領域を含んでもよい。それぞれの装置13006に位置するか、またはその近傍に配置されたそれぞれのデータキャプチャ装置15002からのデータキャプチャの組み合わせフィールドからキャプチャされたデータは、説明したように、画像データセット生成装置15006によって、それぞれの装置13006の関心点の画像を表す1つまたは複数の画像データセットを生成するために使用されてもよい。実施形態では、データキャプチャ装置15002は、本明細書に記載された装置の任意の組み合わせ、または記載されていない他の適切なデータキャプチャ装置を含んでもよい。
実施形態では、データキャプチャ装置15002は、記載されているように、それぞれの装置13006の測定データをキャプチャしてもよく、キャプチャされた測定データをネットワーク15008を使用してクライアント15004および/またはサーバ15010に通信してもよい。クライアント15004は、本開示全体に記載されたものを含む任意の好適なクライアントを含むことができる。実施形態では、クライアント15004は、モバイルデバイス、または他の適切なクライアントであってもよい。クライアント15004は、本開示全体に記載されているように、それぞれのデバイス13006上で、またはその近傍で作業しているオペレータによって所有され、操作され、および/または利用されてもよい。ネットワーク15008は、インターネット、クラウドネットワーク、ローカルエリアネットワーク、広域ネットワーク、無線ネットワーク、有線ネットワーク、セルラーネットワークなどを含むがこれらに限定されない、本開示全体を通して記載されている任意のネットワークを含む、任意の適切なネットワークであってもよいし、それらの任意の組み合わせであってもよい。サーバ15010は、本開示全体に記載された任意のサーバを含む、任意の好適なサーバであってもよい。サーバ15010は、スタンドアロンのサーバであってもよいし、サーバのグループであってもよい。サーバ15010は、専用サーバであってもよいし、分散コンピューティングサーバ、クラウドサーバのいずれかであってもよいし、同様のもの、またはそれらの任意の組み合わせであってもよい。
実施形態では、記載されているように、画像データセット生成器15006は、クライアント15004および/またはサーバ15010上で実行可能なアプリケーションまたは他の適切なソフトウェアまたはプログラムで構成されてもよい。実施形態では、クライアント15004は、画像データセット生成器15006を実行するように構成されてもよい。例えば、説明されているように、オペレータは、オペレータが第1のデバイス13006と相互作用するように、クライアント15004を携帯してもよい。データキャプチャ装置15002のうちの1つ以上のデータキャプチャ装置15002は、第1の装置13006に関連付けられているように、記載されているように、測定データをキャプチャするように構成されてもよい。例えば、第1のデータキャプチャデバイス1502は、第1のデバイス1306の近くに配置されてもよく、そのような場合、第1のデータキャプチャデバイス1502は、第1のデバイス1306上の関心のある点に、記載されているように、データをキャプチャするフィールドを有する。第1のデータキャプチャ装置1502は、第1の装置1306に関連付けられた生の測定データをキャプチャしてもよい。第1のデータキャプチャ装置15002は、ネットワーク15008を介して、生の測定データをクライアント15004に通信してもよい。画像データセット生成器15006は、生の測定データを使用して、1つ以上の画像データセットを生成してもよい。いくつかの実施形態では、サーバ15010は、図298に一般的に図示されているように、画像データセット生成器1506を実行するように構成されてもよい。第1のデータキャプチャ装置15002は、ネットワーク15008を介して、生の測定データをサーバ15010に通信してもよい。サーバ15010によって実行される画像データセット生成器1506は、生の測定データを使用して1つ以上の画像データセットを生成してもよい。
実施形態では、画像データセット生成器15006は、1つ以上のデータキャプチャ装置15002から受信した生の測定データを使用して、1つ以上の画像データセットを生成するように構成されてもよい。画像データセットは、説明されているように、ビジョン分析モジュール15012によって分析または処理されることが可能な(例えば、適切な形式で)データを含む画像を含んでもよい。画像データセット生成器15006は、生の測定データをデコードするように構成されてもよい。例えば、記載されているように、1つ以上のデータキャプチャ装置15002は、エンコードされた生の測定データをクライアント15004および/またはサーバ15010に通信する前に、生の測定データをエンコードしてもよい。画像データセット生成器15006は、任意の適切な測定デコード技術を用いて生測定データをデコードするように構成されてもよい。例えば、画像データセット生成器15006は、測定値を表す信号を測定値として解釈するように構成されてもよい。いくつかの実施形態では、画像データセット生成器15006は、関連する生の測定データを相関させるように構成されてもよいし、生の測定データをスティッチするように構成されてもよい(例えば、1つ以上のデータキャプチャデバイス15002からの複数の測定値を使用して、それぞれのデバイス13006の1つの関心点を表す単一の値を生成することによって)、または任意の適切な画像データセット生成技術、および/または任意の適切な測定データ処理技術を使用して画像データセットを生成するように構成されてもよい。例えば、画像データセット生成装置1506は、圧力、温度、化学構造、または他の適切な測定データに対応する測定データを使用して、それぞれの装置1306の関心点を表す画像データを生成するように構成されてもよい。
実施形態では、画像データセット生成器15006は、生の画像データ(例えば、上述したように、データキャプチャ装置15002によってキャプチャされた)と組み合わせて、上述したような測定データを使用して、1つ以上の画像データセットを生成するように構成されてもよい。例えば、画像データセット生成器15006は、関連する温度測定と組み合わせたキャプチャされた画像データを使用して、それぞれのデバイス13006の関心点の正確な画像を生成するように構成されてもよい(例えば、例えば、コンポーネントの膨張、たわみ、成長、収縮、またはコンポーネントの温度に起因する形状またはサイズの他の変化を考慮して)。画像データセット生成器15006は、1つ以上の画像データセットを画像解析モジュール15012に通信してもよい。実施形態では、ビジョン分析モジュール15012は、アプリケーションまたはサーバ15010上で実行可能な他の適切なソフトウェアであってもよい。ビジョン分析モジュール15012は、サーバ15010によって実行されるように図示され、説明されているが、クライアント1504は、ビジョン分析モジュール15012を実行するように構成されていてもよいことが理解されるべきである。実施形態では、視覚解析モジュール15012は、説明されているように、画像データセットを解析してもよい。例えば、視覚解析器15018は、画像データセットを解析してもよい。動作特性検出器15020は、記載されているように、動作特性を識別してもよい。
実施形態では、記載されるように、トレーニングデータデータベース15016は、任意の適切なデータベースを含んでもよく、クライアント15004および/またはサーバ15010上にローカルに配置されてもよく、クライアント15004およびサーバ15010のいずれか一方からリモートで配置されてもよく、または他の適切な場所に配置されてもよい。トレーニングデータデータベース15016は、後述するように、ディープラーニングシステムによって生成されたトレーニングデータセットを格納してもよい。実施形態では、トレーニングデータデータベース15016は、トレーニングデータセットを格納するように構成された任意の適切なトレーニングデータリポジトリであってもよい。訓練データセットは、任意の適切な訓練データセットを含んでもよい。例えば、訓練データセットは、後述するように、それぞれのデバイス1306の一部を表すデータセット、他のデバイスの一部を表すデータセット、圧力を表すデータセット、温度を表すデータセット、化学構造を表すデータセット、振動を表すデータセット、またはそれぞれのデバイス1306または他のデバイスの他の様々な特性を表すデータセット、または任意の他の適切なデータセットなどの様々な適切なデータセットを使用して、深層学習システムによって生成されてもよい。
実施形態では、訓練データセットは、コンピュータビジョンシステム15000を訓練して、それぞれのデバイス13006の様々な動作特性を検出するために使用されてもよい。例えば、説明されるように、深層学習システムは、画像データセットの様々なデータポイント、例えば、異常、特徴、特徴、または他の適切なデータポイントを識別するために視覚分析器15018を訓練してもよい。実施形態では、視覚分析器15018は、機械学習システム、人工知能訓練システム、深層学習システム、人間のプログラマによってプログラムされたシステム、または任意の適切な技術、方法、および/またはシステムを使用して構成、訓練、プログラムされたシステムなどの任意の適切な訓練システムによって訓練されてもよい。例えば、視覚解析器15018は、画像データセットに表される各デバイス1306の関心点の一部分を識別するように構成されてもよい。例えば、視覚的分析器15018は、画像データセットで表される各デバイス1306のベルトの一部分を識別するように構成されてもよい。視覚的分析器15018は、関心のある部分を分析し、関心のある部分の特性(例えば、位置、サイズ、形状、および/または他の適切な特性)が、関心のある部分の予測されたまたは予め定められた特性に対応するかどうかを決定するように構成されてもよい。例えば、視覚的分析器15018は、画像データセットに関連付けられた複数の画像のうちの1つにおいて、関心のある点の部分を特定してもよい。視覚的分析器15018は、画像データセットの画像の複数の画像のそれぞれに関連付けられた関心点の部分の様々な特徴を記録してもよい。例えば、視覚的分析器15018は、画像データセットの複数の連続する画像の各画像において、それぞれの装置1306のベルトの一部に関連付けられた圧力値、温度値、または他の適切な測定値を記録してもよく、連続する画像におけるベルトの測定値のデルタを追跡してもよい(例えば、説明されているように、データキャプチャ装置1502によってキャプチャされた測定値を用いて)。記載されているように、視覚解析装置15018は、記録された値と予測値または所定値との間のデルタに基づいて、分散データセットを生成してもよい。
実施形態では、動作特性検出器15020は、ビジョン解析モジュール15012に配置または配置されてもよいし、ビジョン解析モジュール15012から遠隔に配置または配置されてもよい。実施形態では、動作特性検出器15020は、分散データセットに基づいて、それぞれのデバイス1306の様々な動作特性、または任意の適切なそれぞれのデバイス1306の様々な動作特性を決定または識別するように構成されてもよい。様々な動作特性は、それぞれのデバイス13006の動作中の関心点の部分、振動、熱、歪み、たわみ、他の適切な動作特性、またはそれらの組み合わせを含んでもよく、振動、熱、歪み、たわみ、他の適切な動作特性、またはそれらの組み合わせは、それぞれのデバイス13006の他の部分、それぞれのデバイス13006の他の適切な動作特性、またはそれらの組み合わせを含んでもよい。
記載されるように、動作特性検出器15020は、機械学習システム、人工知能訓練システム、深層学習システム、人間のプログラマによってプログラムされた、または任意の適切な技術、方法、および/またはシステムを使用して構成された、訓練された、プログラムされた、などの任意の適切な訓練システムによって訓練されてもよい。実施形態では、動作特性検出器15020は、それぞれのデバイス1306の一部、他のデバイスの一部を表すデータセット、圧力を表すデータセット、温度を表すデータセット、化学構造を表すデータセット、振動を表すデータセット、またはそれぞれのデバイス1306または他のデバイスの他の様々な特性を表すデータセット、または任意の他の適切なデータセットを含む訓練データセットを使用して、後述するように、ディープラーニングシステムによって訓練されてもよい。実施形態では、動作特性検出器15020は、それぞれのデバイス1306の1つ以上の動作特性の量または他の適切な測定値を示す分散データセットの様々なデータを識別することによって、関心のある点の部分の動作特性を識別するように構成されていてもよい。実施形態では、動作特性は、それぞれのデバイス13006の構成要素内の圧力、それぞれのデバイス13006の構成要素の少なくとも一部の温度、材料の化学構造(例えば各々の装置13006の構成要素内、または各々の装置13006によって製造された構成要素または部品内の気体、液体、または固体)、材料の密度(例えば、各々の装置13006の構成要素内、または各々の装置13006によって製造された構成要素または部品内の気体、液体、または固体)、他の好適な動作特性、またはそれらの組み合わせを含み得る。
例えば、動作特性検出器15020は、それぞれのデバイス1306のコンポーネントが予期しない温度の上昇のために誤った形状になっていることを示す分散データセットのデータを識別してもよい(例えば、一定期間にわたるコンポーネントの温度が予想よりも大きい速度で上昇していることを示す分散データセットに関連付けられた値を識別することによって)。動作特性検出器15020は、識別された動作特性を訓練されたまたはプログラムされた動作特性と比較して、動作特性がそれぞれの装置1306の動作許容範囲内にあるかどうかを判断してもよい。例えば、動作特性検出器15020は、コンポーネントの温度変化率を、コンポーネントの温度変化率の訓練されたまたはプログラムされたものと比較してもよい。動作特性検出器15020は、値または動作特性を示すデータ、および/または予測可能な(例えば、将来の)動作特性を示す情報(例えば、関心のある点の部分の実際の動作特性または観察された動作特性と、実際の動作特性または観察された動作特性が特定の更なる動作特性を示すことを示す訓練されたまたはプログラムされた動作特性とに基づいて決定された)、実際の動作特性または観察された動作特性、他の適切な情報または値、またはそれらの組み合わせを含む動作特性データセットを出力してもよい。記載されているように、オペレータは、出力データを分析し、適切な是正措置をとることができる。さらに、または代替的に、コンピュータビジョンシステム15000は、是正措置を自動的に識別し、是正措置を開始してもよい。
実施形態では、コンピュータビジョンシステム15000は、分類モデル(例えば、ディープニューラルネットワーク、または他の適切なニューラルネットワークを使用して)を実装してもよい。例えば、ビジョン解析モジュール15012は、上述した分散データセットを含む画像データの解析を受信する分類モジュールを実装してもよい。ビジョン分析モジュール15012は、それぞれの装置1306の動作特性に関連する分類を出力してもよい。例えば、画像解析モジュール15012を介して、分類モデルは、動作中の各装置1306のベルトの画像データセットの記録された特性の間の分散を定義する特徴を受信してもよい。分類モデルは、故障したベルトに対応する画像データおよび/または非画像データ、まだ故障していないベルトに対応する画像データおよび/または非画像データ、および期待された状態および/または許容された状態で動作しているベルトに対応する画像データおよび/または非画像データを用いて訓練された後、ベルトが故障しているか、期待された状態および/または許容された状態内で動作しているが故障に向かって傾向があるか、または期待された状態および/または許容された動作状態にあるかを示す分類を出力してもよい。
実施形態では、動作特性検出器15020、ビジョン解析モジュール15012、および/またはコンピュータビジョンシステム15000は、それぞれの装置13006の動作特性のうちの1つまたは複数、メンテナンスまたは交換を必要とするそれぞれの装置13006の1つまたは複数のコンポーネント、その他の適切な警告、信号、インジケータ、またはそれらの組み合わせのうちの1つまたは複数の警告をオペレータに警告するように構成された他の適切な出力を生成してもよい。例えば、コンピュータビジョンシステム15000は、それぞれの装置13006のコンポーネント(例えば、第1のプーリ)がメンテナンスを必要とすることを示す、テキストメッセージ、電子メールメッセージ、ポップアップメッセージ、または他の適切なメッセージなどのメッセージを生成するように構成されてもよい。メッセージは、意図するメッセージを伝えるテキスト、文字、画像、または他の適切な情報を含んでもよい。コンピュータビジョンシステム15000は、ネットワーク15008、近距離通信、または他の適切な通信システムまたはプロトコルを介して、オペレータにメッセージを伝達するように構成されてもよい。例えば、コンピュータビジョンシステム15000は、説明したように、モバイルデバイス、または他の適切なデバイスおよび/または場所にメッセージを通信してもよい。
実施形態では、コンピュータビジョンシステム15000は、1つ以上のそれぞれの装置13006の現在の状態を出力ディスプレイに表示するように構成されてもよい。例えば、工場、工場、またはそれぞれの装置13006の他の好適な場所は、それぞれの装置13006に近接している作業者が出力ディスプレイを見ることができるように配置された出力ディスプレイ(例えば、スクリーンまたはモニタ)を含んでもよい。コンピュータビジョンシステム15000は、それぞれのデバイス13006の1つ以上のステータス(例えば、赤、黄、緑のステータス、アップまたはダウンのステータス、または他の適切なステータスまたはインジケータ、またはそれらの組み合わせ)を表示するように構成されていてもよい。例えば、コンピュータビジョンシステム15000は、許容可能な動作条件内で動作している(例えば、上述した画像データセットの視覚的分析に基づいて)各デバイス13006の横に緑色のステータスを表示してもよい。別の例では、コンピュータビジョンシステム15000は、許容可能な動作条件内で動作しているそれぞれのデバイス13006の横に黄色のステータスを表示してもよく、視覚的分析は、動作特性(例えば、特定された、記載されたように)が現在の動作傾向に沿って継続する場合、それぞれのデバイス13006が許容可能な動作条件の外で動作し始める可能性があることを示す(例えば、ベルトの振動の周波数に基づいて、コンピュータビジョンシステム15000は、その周波数での継続的な振動および/または増加した周波数が、それぞれのデバイス13006が許容可能な動作条件の外で動作し始める可能性があることを決定する)。別の例では、コンピュータビジョンシステム15000は、現在、許容可能な動作条件の外で動作している各デバイス13006の横に赤色のステータスを表示してもよい。実施形態では、コンピュータビジョンシステム15000は、説明したように、モバイルデバイスのディスプレイなどの他の好適なディスプレイに、それぞれのデバイス13006の動作状態を表示してもよい。例えば、モバイルデバイスは、それぞれのデバイス1306の動作状態を表示するアプリケーションを含んでもよい。
実施形態では、ビジョン解析モジュール15012の出力は、上述した訓練データセットを更新および/または改善するために使用されてもよい。例えば、ビジョン解析モジュール15012の出力は、追加の動作特性を含むように訓練データセットを更新するために使用されてもよく、様々な動作特性を予測するために使用される値の精度を向上させてもよく、訓練データセットに対する他の適切な更新または改善のために使用されてもよく、またはそれらの組み合わせであってもよい。トレーニングデータセットは、コンピュータビジョンシステム15000の予測能力および決定能力を改善するために、コンピュータビジョンシステム15000への継続的なフィードバックとして使用されてもよい。
実施形態では、ビジョン解析モジュール15012の出力は、オペレータまたはコンピュータビジョンシステム15000によって、障害の特定、修理またはメンテナンスのスケジュール設定、各装置13006の設定の調整、他の修正行動、または他の適切な行動をとるために使用され得るナレッジベースを入力および/または更新するために使用されてもよい。例えば、ビジョン解析モジュール15012の出力は、コンポーネントの対応する修理と相関してもよい(例えば、ビジョン解析モジュール15012の出力は、ベルトの振動が予想または許容範囲を超えていることを示してもよく、オペレータは、出力に応答してプーリを交換したかもしれない)。知識ベースは、ビジョン解析モジュール15012の出力(例えば、上記で決定された動作特性の値を含む)がプーリの交換をもたらしたことを示すように更新されてもよい。このようにして、知識ベースは、成長し続け、操作特性および対応する修正アクションに関連して、オペレータまたはコンピュータビジョンシステム15000に正確で正確な情報を提供してもよく、それにより、コンピュータビジョンシステム15000の効率を向上させ、オペレータが問題および対応する修正アクションを特定するのを支援することができる。
実施形態では、コンピュータビジョンシステム15000は、上述した以外のコンポーネント、部品、システム、装置、またはそれらの組み合わせを目視検査するように構成されてもよい。例えば、コンピュータビジョンシステム15000は、上述したように、部品製造設備で製造された部品を目視検査するように構成されてもよい。例えば、データキャプチャデバイス15002は、各データキャプチャデバイス15002のためのデータキャプチャのフィールドが、製造される(例えば、部品製造ライン上の)部品の少なくとも一部に向けられるように、配置または配置されてもよい。データキャプチャ装置15002は、部品が部品製造ラインに沿って移動する際に、部品に関連付けられたデータをキャプチャしてもよい。コンピュータビジョンシステム15000は、データキャプチャデバイス15002によってキャプチャされたデータを分析して(例えば、画像データセット生成器15006によって生成された画像データセットとして)、部品の許容基準から逸脱した異常、変動、または他の状態を特定してもよい。実施形態では、部品は、車両用部品、自転車用部品、自転車用チェーン、ガスケット、ファスナー(例えば、ネジ、ボルト、ナット、釘など)、プリント回路基板、コンデンサ、インダクタ、抵抗器、または他の適切な部品を含むことができる。例えば、コンピュータビジョンシステム15000は、製造される自転車チェーンに関連する画像データセットを分析してもよい。コンピュータビジョンシステム15000は、上述した分析に基づいて、自転車チェーンの一部分の曲がりが、自転車チェーンの一部分の許容基準外であることを特定してもよい。前記コンピュータビジョンシステム15000は、前記のように、前記自転車チェーンが流通から取り外されるべきであること、修理されるべきであること、破壊されるべきであること、または他の適切な処置が必要であることを示すメッセージを生成してもよい。
図300~301に一般的に図示されているように、深層学習システム15030は、訓練データセットを使用してコンピュータビジョンシステム15000を訓練し、それぞれの装置13006または他の適切な装置の動作特性を特定し、特定された動作特性に応答して是正処置を特定し、特定された是正処置に基づいて是正処置を開始するように構成されていてもよい。深層学習システム15030は、データ表現に基づく学習を用いてコンピュータビジョンシステム15000を訓練してもよい。実施形態では、深層学習システム15030は、教師付き学習(例えば、分類を使用して)、半教師付き学習、または教師なし学習(例えば、パターン分析を使用して)を使用して、コンピュータビジョンシステム15000を訓練してもよい。実施形態では、深層学習システム15030は、深層ニューラルネットワーク、深層信念ネットワーク、リカレントニューラルネットワーク、他の適切なネットワークまたは学習システム、またはそれらの組み合わせを含んでもよい。
実施形態では、深層学習システム15030は、複数の層に編成された命題式または潜在変数を含んでもよい。複数の層の各々は、画像の抽象的な部分を表すように構成されてもよい。例えば、第1の層は、ピクセルの抽象部分を表してもよく、入力画像、例えば、代表装置1306の関心点を表す画像のエッジをエンコードしてもよい。第2の層は、エッジの配列を表してもよい。第3の層は、代表装置13006の関心点内の構成要素の第1の部分(例えば、記載されているように、ベルトの一部)をエンコードしてもよい。第4の後の層は、コンポーネントの別の符号化された部分を表してもよく、そのように、複数の層が、重ね合わされたときに、代表デバイス1306の関心点を表す。深層学習システム15030は、コンピュータビジョンシステム15000を訓練するために使用される訓練データセットに層を変換するように構成されてもよい。例えば、深層学習システム15030は、第1の周波数で振動する代表デバイス1306のベルトを表す1以上の画像の複数の層を翻訳してもよい。深層学習システム15030は、様々なソースからの入力データを使用して、第1の周波数が、記載されているように、ベルトが予想されるまたは許容可能な許容範囲内で振動している周波数を表しているかどうかを決定してもよい。例えば、ディープラーニングシステム15030は、それぞれの装置1306、プロセス、生産ライン、設備、または他の適切なシステムに関連した修理データ、メンテナンスデータ、稼働時間データ、ダウンタイムデータ、収益性データ、効率性データ、運転最適化データ、他の適切なデータ、またはそれらの組み合わせを示すデータを受信してもよい。
実施形態では、ディープラーニングシステム15030は、ベルトの第1の周波数に対応するデータ値を識別してもよい。例えば、ディープラーニングシステム15030は、それぞれの装置1306がベルトを第1の周波数で振動させて動作した期間に対応する稼働時間値、ダウンタイム値、収益性値、他の適切な値、またはそれらの組み合わせを識別してもよい。例えば、ディープラーニングシステム15030は、データが、それぞれのデバイス1306が閾値以上のアップタイム値、閾値未満のダウンタイム値、閾値以上の収益性値、またはそれらの組み合わせを有していたことを示す場合に、第1の周波数が、予想される許容範囲内であるか、または許容範囲内であると判断してもよい。逆に、ディープラーニングシステム15030は、例えば、それぞれのデバイス1306に関連するダウンタイムが閾値を超えていた場合に、第1の周波数が予想される許容範囲または許容範囲を超えていると判断してもよい。深層学習システム15030は、本明細書に開示されたもの以外の任意の好適な動作特性を特定してもよく、深層学習システム15030は、本明細書に開示されたもの以外の任意の好適なデータ分析に基づいて、動作特性の正の結果または負の結果を決定してもよいことが理解されるべきである。
実施形態では、深層学習システム15030は、識別された動作特性およびそれに関連する分析を使用して、訓練データセットを生成してもよい。実施形態では、ディープラーニングシステム15030は、トレーニングデータセットを使用してコンピュータビジョンシステム15000をトレーニングしてもよい。実施形態では、ディープラーニングシステム15030は、コンピュータビジョンシステム15000、オペレータ、プログラマ、他の適切なソース、またはそれらの組み合わせからフィードバック情報を受信してもよい。ディープラーニングシステム15030は、フィードバックに基づいてトレーニングデータセットを更新してもよい。例えば、コンピュータビジョンシステム15000は、訓練データセットを使用して訓練された後、コンポーネントを不良であると識別してもよい。オペレータは、コンポーネントを目視検査して、コンポーネントが不良ではないと判断してもよい。オペレータおよび/またはコンピュータビジョンシステム15000は、識別された動作特性(例えば、コンピュータビジョンシステム15000によって識別された)に基づいて、コンポーネントが故障していないことをディープラーニングシステム15030に伝えてもよい。ディープラーニングシステム15030は、オペレータおよび/またはコンピュータビジョンシステム15000からのフィードバックを用いて、トレーニングデータセットを更新してもよい。
実施形態では、製造装置の動作特性を検出するための装置は、メモリとプロセッサとを含む。メモリは、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成すること、1つ以上の画像データセットによって表される関心点内の製造装置の一部に対応する1つ以上の値を特定すること、1つ以上の値を記録すること、記録された1つ以上の値を対応する予測値と比較すること、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、分散データに基づいて製造装置の動作特性を特定すること、および動作特性を示す指示を生成することを目的とするプロセッサによって実行可能な命令を含む。
実施形態では、メモリは、動作特性を特定することに応答する是正措置を特定するためにプロセッサによって実行可能な命令をさらに含む。実施形態では、メモリは、動作特性の特定に応答する是正措置を開始するためにプロセッサによって実行可能な命令をさらに含む。実施形態では、動作特性は、製造装置の構成要素の振動を含む。実施形態では、動作特性は、製造装置の構成要素の形状を含む。実施形態では、動作特性は、製造装置のコンポーネントのサイズを含む。実施形態では、動作特性は、製造装置の構成要素のたわみを含む。実施形態では、動作特性は、製造装置の構成要素の電磁放射を含む。実施形態では、動作特性は、製造装置の構成要素の温度を含む。実施形態では、動作特性は、製造装置の構成要素内のガスの温度を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の密度を含む。
実施形態では、動作特性は、製造装置の構成要素内の液体の密度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の密度を含む。実施形態では、動作特性は、製造装置によって製造された構成要素の密度を含む。実施形態では、構成要素は、車両用部品を含む。実施形態では、コンポーネントは、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、コンポーネントはガスケットを含む。実施形態では、構成要素はファスナーを含む。実施形態では、構成要素は、ネジ用の部品を含む。実施形態では、コンポーネントは、ボルトのための部品を含む。実施形態では、コンポーネントは、プリント回路基板用の部品を含む。実施形態では、コンポーネントは、コンデンサ用の部品を含む。実施形態では、コンポーネントは、抵抗器のための部品を含む。実施形態では、コンポーネントは、インダクタのための部品を含む。実施形態では、動作特性は、製造装置の構成要素内のガスの化学構造を含む。
実施形態では、動作特性は、製造装置の構成要素内の液体の化学構造を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の化学構造を含む。実施形態では、動作特性は、製造装置によって製造された構成要素の化学構造を含む。実施形態では、構成要素は、車両用部品を含む。実施形態では、コンポーネントは、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、コンポーネントはガスケットを含む。実施形態では、構成要素はファスナーを含む。実施形態では、構成要素は、ネジ用の部品を含む。実施形態では、コンポーネントは、ボルトのための部品を含む。実施形態では、コンポーネントは、プリント回路基板用の部品を含む。実施形態では、コンポーネントは、コンデンサ用の部品を含む。
実施形態では、コンポーネントは抵抗器のための部品を含む。実施形態では、構成要素は、インダクタのための部品を含む。実施形態では、データキャプチャ装置は、画像キャプチャ装置を含む。実施形態では、データキャプチャ装置はカメラを含む。実施形態では、データキャプチャ装置は、データ測定装置を含む。実施形態では、データキャプチャデバイスは、センサを含む。実施形態では、データキャプチャデバイスは、フルスペクトルカメラを含む。実施形態では、データ捕捉装置は、放射線撮像装置を含む。実施形態では、データ捕捉装置は、X線撮像装置を含む。実施形態では、データキャプチャデバイスは、非可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、音波データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、光撮像デバイス、検出デバイス、および測距デバイスを含む。実施形態では、データキャプチャデバイスは、点群データキャプチャデバイスを含む。実施形態では、データキャプチャ装置は、赤外線検査装置を含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。
実施形態では、データ捕捉装置は、圧力センサを含む。実施形態では、データコレクタは、温度センサを含む。実施形態では、データコレクタは、化学センサを含む。実施形態では、データコレクタは、スタンドアロン装置を含む。実施形態では、データキャプチャデバイスは、モバイルデバイスに関連付けられたものを含む。実施形態では、モバイルデバイスは、スマートフォンを含む。実施形態では、モバイルデバイスはタブレットを含む。実施形態では、生データは、生の画像データを含む。実施形態では、生データは、生の測定データを含む。実施形態では、関心点内の製造装置の部分は、製造装置の構成要素を含む。実施形態では、関心のある点内の製造装置の部分は、製造装置のベルトを含む。実施形態では、関心のある点内の製造装置の部分は、製造装置の部品を含む。実施形態では、関心点内の製造装置の部分は、製造装置によって製造された自転車チェーンを含む。
実施形態では、製造装置の動作特性を検出する方法は、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成すること;1つ以上の画像データセットによって表される関心点内の製造装置の一部分に対応する1つ以上の値を特定すること;1つ以上の値を記録することを含む。記録された1つ以上の値を対応する予測値と比較すること;記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること;分散データに基づいて製造装置の動作特性を特定すること;および動作特性を示す表示を生成すること。
実施形態では、方法はまた、動作特性を特定することに応答する是正処置を特定することを含む。実施形態では、方法はまた、動作特性を特定することに応答する是正処置を開始することを含む。実施形態では、動作特性は、製造装置の構成要素の振動を含む。実施形態では、動作特性は、製造装置のコンポーネントの形状を含む。実施形態では、動作特性は、製造装置のコンポーネントのサイズを含む。実施形態では、動作特性は、製造装置の構成要素のたわみを含む。実施形態では、動作特性は、製造装置の構成要素の電磁放射を含む。実施形態では、動作特性は、製造装置の構成要素の温度を含む。実施形態では、動作特性は、製造装置の構成要素内のガスの温度を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の密度を含む。
実施形態では、動作特性は、製造装置の構成要素内の液体の密度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の密度を含む。実施形態では、動作特性は、製造装置によって製造された構成要素の密度を含む。実施形態では、構成要素は、車両用部品を含む。実施形態では、コンポーネントは、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、コンポーネントはガスケットを含む。実施形態では、構成要素はファスナーを含む。実施形態では、構成要素は、ネジ用の部品を含む。実施形態では、コンポーネントは、ボルトのための部品を含む。実施形態では、コンポーネントは、プリント回路基板用の部品を含む。実施形態では、コンポーネントは、コンデンサ用の部品を含む。実施形態では、コンポーネントは、抵抗器のための部品を含む。実施形態では、コンポーネントは、インダクタのための部品を含む。実施形態では、動作特性は、製造装置の構成要素内のガスの化学構造を含む。
実施形態では、動作特性は、製造装置の構成要素内の液体の化学構造を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の化学構造を含む。実施形態では、動作特性は、製造装置によって製造された構成要素の化学構造を含む。実施形態では、構成要素は、車両用部品を含む。実施形態では、コンポーネントは、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、コンポーネントはガスケットを含む。実施形態では、構成要素はファスナーを含む。実施形態では、構成要素は、ネジ用の部品を含む。実施形態では、コンポーネントは、ボルトのための部品を含む。実施形態では、コンポーネントは、プリント回路基板用の部品を含む。実施形態では、コンポーネントは、コンデンサ用の部品を含む。
実施形態では、コンポーネントは抵抗器のための部品を含む。実施形態では、構成要素は、インダクタのための部品を含む。実施形態では、データキャプチャ装置は、画像キャプチャ装置を含む。実施形態では、データキャプチャ装置はカメラを含む。実施形態では、データキャプチャ装置は、データ測定装置を含む。実施形態では、データキャプチャデバイスは、センサを含む。実施形態では、データキャプチャデバイスは、フルスペクトルカメラを含む。実施形態では、データ捕捉装置は、放射線撮像装置を含む。実施形態では、データ捕捉装置は、X線撮像装置を含む。実施形態では、データキャプチャデバイスは、非可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、音波データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、光撮像デバイス、検出デバイス、および測距デバイスを含む。実施形態では、データキャプチャデバイスは、点群データキャプチャデバイスを含む。実施形態では、データキャプチャ装置は、赤外線検査装置を含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。
実施形態では、データ捕捉装置は、圧力センサを含む。実施形態では、データコレクタは、温度センサを含む。実施形態では、データコレクタは、化学センサを含む。実施形態では、データコレクタは、スタンドアロン装置を含む。実施形態では、データキャプチャデバイスは、モバイルデバイスに関連付けられたものを含む。実施形態では、モバイルデバイスは、スマートフォンを含む。実施形態では、モバイルデバイスはタブレットを含む。実施形態では、生データは、生の画像データを含む。実施形態では、生データは、生の測定データを含む。実施形態では、関心点内の製造装置の部分は、製造装置の構成要素を含む。実施形態では、関心のある点内の製造装置の部分は、製造装置のベルトを含む。実施形態では、関心のある点内の製造装置の部分は、製造装置の部品を含む。実施形態では、関心点内の製造装置の部分は、製造装置によって製造された自転車チェーンを含む。
実施形態では、製造装置の動作特性を検出するためのシステムは、製造装置の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、メモリと、プロセッサとを含む。メモリは、以下のためにプロセッサによって実行可能な命令を含む:キャプチャされた生データを使用して1つ以上の画像データセットを生成すること、1つ以上の画像データセットによって表される関心点内の製造装置の一部に対応する1つ以上の値を特定すること、1つ以上の値を記録すること、記録された1つ以上の値を対応する予測値と比較すること、記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、分散データに基づいて製造装置の動作特性を特定すること、および動作特性を示す指示を生成すること。
実施形態では、メモリは、動作特性を特定することに応答する是正措置を特定するためにプロセッサによって実行可能な命令をさらに含む。実施形態では、メモリは、動作特性の特定に応答する是正措置を開始するためにプロセッサによって実行可能な命令をさらに含む。実施形態では、動作特性は、製造装置の構成要素の振動を含む。実施形態では、動作特性は、製造装置の構成要素の形状を含む。実施形態では、動作特性は、製造装置のコンポーネントのサイズを含む。実施形態では、動作特性は、製造装置の構成要素のたわみを含む。実施形態では、動作特性は、製造装置の構成要素の電磁放射を含む。実施形態では、動作特性は、製造装置の構成要素の温度を含む。実施形態では、動作特性は、製造装置の構成要素内のガスの温度を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の温度を含む。実施形態では、動作特性は、製造装置の構成要素内の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の液体の圧力を含む。実施形態では、動作特性は、製造装置の構成要素内の気体の密度を含む。
実施形態では、動作特性は、製造装置の構成要素内の液体の密度を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の密度を含む。実施形態では、動作特性は、製造装置によって製造された構成要素の密度を含む。実施形態では、構成要素は、車両用部品を含む。実施形態では、コンポーネントは、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、コンポーネントはガスケットを含む。実施形態では、構成要素はファスナーを含む。実施形態では、構成要素は、ネジ用の部品を含む。実施形態では、コンポーネントは、ボルトのための部品を含む。実施形態では、コンポーネントは、プリント回路基板用の部品を含む。実施形態では、コンポーネントは、コンデンサ用の部品を含む。実施形態では、コンポーネントは、抵抗器のための部品を含む。実施形態では、コンポーネントは、インダクタのための部品を含む。実施形態では、動作特性は、製造装置の構成要素内のガスの化学構造を含む。
実施形態では、動作特性は、製造装置の構成要素内の液体の化学構造を含む。実施形態では、動作特性は、製造装置の構成要素内の固体の化学構造を含む。実施形態では、動作特性は、製造装置によって製造された構成要素の化学構造を含む。実施形態では、構成要素は、車両用部品を含む。実施形態では、コンポーネントは、自転車用の部品を含む。実施形態では、構成要素は、自転車用チェーンを含む。実施形態では、コンポーネントはガスケットを含む。実施形態では、構成要素はファスナーを含む。実施形態では、構成要素は、ネジ用の部品を含む。実施形態では、コンポーネントは、ボルトのための部品を含む。実施形態では、コンポーネントは、プリント回路基板用の部品を含む。実施形態では、コンポーネントは、コンデンサ用の部品を含む。
実施形態では、コンポーネントは抵抗器のための部品を含む。実施形態では、構成要素は、インダクタのための部品を含む。実施形態では、データキャプチャ装置は、画像キャプチャ装置を含む。実施形態では、データキャプチャ装置はカメラを含む。実施形態では、データキャプチャ装置は、データ測定装置を含む。実施形態では、データキャプチャデバイスは、センサを含む。実施形態では、データキャプチャデバイスは、フルスペクトルカメラを含む。実施形態では、データ捕捉装置は、放射線撮像装置を含む。実施形態では、データ捕捉装置は、X線撮像装置を含む。実施形態では、データキャプチャデバイスは、非可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、可視光データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、音波データキャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。実施形態では、データキャプチャデバイスは、光撮像デバイス、検出デバイス、および測距デバイスを含む。実施形態では、データキャプチャデバイスは、点群データキャプチャデバイスを含む。実施形態では、データキャプチャ装置は、赤外線検査装置を含む。実施形態では、データキャプチャデバイスは、画像キャプチャデバイスを含む。
実施形態では、データ捕捉装置は、圧力センサを含む。実施形態では、データコレクタは、温度センサを含む。実施形態では、データコレクタは、化学センサを含む。実施形態では、データコレクタは、スタンドアロン装置を含む。実施形態では、データキャプチャデバイスは、モバイルデバイスに関連付けられたものを含む。実施形態では、モバイルデバイスは、スマートフォンを含む。実施形態では、モバイルデバイスはタブレットを含む。実施形態では、生データは、生の画像データを含む。実施形態では、生データは、生の測定データを含む。実施形態では、関心点内の製造装置の部分は、製造装置の構成要素を含む。実施形態では、関心のある点内の製造装置の部分は、製造装置のベルトを含む。実施形態では、関心のある点内の製造装置の部分は、製造装置の部品を含む。実施形態では、関心点内の製造装置の部分は、製造装置によって製造された自転車チェーンを含む。
実施形態では、製造装置の動作特性を検出するためのコンピュータビジョンシステムは、製造装置の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、メモリと、プロセッサとを含む。メモリは、プロセッサによって実行可能な命令を含む。キャプチャされた生データを使用して1つ以上の画像データセットを生成すること;1つ以上の画像データセットによって表される関心点内の製造装置の一部分に対応する1つ以上の値を視覚的に識別すること;1つ以上の値を記録すること;記録された1つ以上の値を対応する予測値と視覚的に比較すること;記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること。前記分散データに基づいて前記製造装置の動作特性を特定する;前記動作特性を閾値と比較する;前記動作特性が閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内にあるかどうかを判断する;および前記動作特性を示す表示を生成する。
実施形態では、コンピュータビジョンシステムは、ディープラーニングシステムによって訓練される。実施形態では、ディープラーニングシステムは、少なくとも1つのトレーニングデータセットを使用してコンピュータビジョンシステムを訓練するように構成されている。実施形態では、少なくとも1つの訓練データセットは、画像データを含む。実施形態では、少なくとも1つの訓練データセットは、非画像データを含む。
実施形態では、デバイスの動作特性を検出するためのコンピュータビジョンシステムは、デバイスの関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、メモリと、プロセッサとを含む。メモリは、以下のためにプロセッサによって実行可能な命令を含む。キャプチャされた生データを使用して1つ以上の画像データセットを生成すること;1つ以上の画像データセットによって表される関心点内のデバイスの一部分に対応する1つ以上の値を視覚的に識別すること;1つ以上の値を記録すること;記録された1つ以上の値と対応する予測値とを視覚的に比較すること;記録された1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること。前記分散データに基づいて前記デバイスの動作特性を識別する;前記動作特性を閾値と比較する;前記動作特性が閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内にあるかどうかを判断する;および前記動作特性を示す表示を生成する。
実施形態では、装置は撹拌装置を含む。実施形態では、装置は、機体制御面振動装置を含む。実施形態では、装置は、触媒反応器を含む。実施形態では、装置は圧縮機を含む。実施形態では、装置はコンベアを含む。実施形態では、装置はリフターを含む。実施形態では、装置はパイプラインを含む。実施形態では、装置は、電動パワートレインを含む。実施形態では、装置は、ロボット組立装置を含む。実施形態では、デバイスは、ガス生産環境におけるデバイスを含む。実施形態では、デバイスは、製薬環境におけるデバイスを含む。
実施形態では、遠隔監視でアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視で信号対雑音比を改善するためのマルチプレクサ上のアップフロント信号調整を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXの論理制御のための専用バスを備えた分散型CPLDチップの使用と、遠隔監視を伴うデータ収集部を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されており、遠隔監視を伴う設計トポロジーも開示されている。
実施形態では、アナログセンサチャネルと遠隔監視機能を有するコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステム。
実施形態では、遠隔監視を伴うトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視によるA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、低速回転数および位相情報を遠隔監視で取得するための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するオンボードタイマを使用して、入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、リモート監視を伴う他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視によるAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視によるデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視で異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、遠隔監視機能を備えた車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴う階層テンプレートを使用した迅速な経路作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴うデータ収集バンドのインテリジェント管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視によるデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を有するエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視による逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うベアリング分析方法が提案されている産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う一過性の信号解析を利用したねじり振動検出/解析を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視とアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴うローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するデータ取得駐車機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を備えた自給自足型のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するSDカード記憶装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴う連続監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視による予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、入力データまたはアラームに基づいてスマートルートを変更するルートを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されており、分析または遠隔監視との相関のための同時動的データを可能にしている。
実施形態では、遠隔監視機能を有するスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を有する階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴う識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および遠隔監視機能を有する傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴う連続的な超音波監視を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔のアナログ産業用センサと遠隔監視との融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報を機械パターン分析して、遠隔監視機能を有する産業用システムの予測状態情報を提供するために、クラウド型の機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境において、コンピュータビジョンシステムを使用して、遠隔監視を伴うIoTデバイスの作成、展開、および管理を伴うデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有する産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴う産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を用いて、稼働率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境でのデータ収集のためのシステム。
実施形態では、遠隔監視を伴う産業固有のフィードバックに基づく訓練AIモデルを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を有する自己組織化された産業用データコレクタの群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用した、データ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有する自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するネットワーク感応型集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有する遠隔組織化された集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を有するマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴うAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有するIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示され、遠隔監視でデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、遠隔監視機能を有する1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視機能を有する適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔監視を伴うデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、利用可能なクラウドネットワーキングプラットフォームのプールを遠隔監視で提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、遠隔監視を伴うデータソースの統合および使用方法の指示を提供するメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムが開示され、遠隔監視を用いて送信制限に基づいてメッセージの送信を制限することができる。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、損失イベントの割合の推定値を維持し、遠隔監視で冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードが、遠隔監視を伴う損失イベントの推定レートに基づいている損失イベントの推定レートを有するノード間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステムが開示されており、遠隔監視機能を有するタイマーを使用してフィードバックメッセージの送信を遅延させることができる。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステムが開示されており、遠隔監視により、タイマーに基づいて混雑ウィンドウサイズの変更を遅延させることができる。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステム、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード、および遠隔監視で配送に成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノードが開示されている。
実施形態では、遠隔監視による現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のコンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視による現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視による現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、遠隔監視を伴う現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、遠隔監視を伴う現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、遠隔監視と、維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを遠隔監視で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、時間的に重要なデータメッセージの第1のサブセットを低遅延データパス上で送信し、メッセージの第2のサブセットを高遅延データパス上で送信する能力を有するノード間のデータ通信のためのシステムが開示されており、遠隔監視が可能である。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、遠隔監視を伴うより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを遠隔監視で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを遠隔監視で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う送信順序でのメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視でメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、遠隔監視を伴うフィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、遠隔監視を伴うフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、遠隔監視との以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴う損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遠隔監視を伴うパケット伝送の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットのグループをインターリーブし、遠隔監視とメッセージパケットのグループのオーバーラップにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンス機能を備えたマルチプレクサ連続監視アラーム機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムです。
実施形態では、複数のMUXの論理制御のための専用バスを備えた分散型CPLDチップの使用を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されており、予測保全を伴うデータ収集部も開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア数入力能力を有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されており、予測メンテナンスを伴う設計トポロジーも開示されている。
実施形態では、アナログセンサチャネルおよび予測メンテナンス機能を有するコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うトリガーおよび振動入力に対する独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測保全を伴うA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う低速回転数および位相情報を得るための位相ロックループバンドパス追跡フィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うオンボードタイマを使用した入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを用いて異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートでの長いデータブロックを有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンス付きの車載カードセットに保全履歴付きの校正データを記憶している産業環境において、コンピュータビジョンシステムを用いてデータ収集を行うシステムが開示されている。
実施形態では、予測メンテナンスを伴う階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを有するエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有する産業環境におけるコンピュータビジョンシステムを使用した、データ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う軸受解析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う遷移信号解析を利用したねじり振動検出/解析を有する産業環境において、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、予測保全とアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを備えた自給自足型のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う連続監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、入力データまたはアラームに基づくスマートルート変更ルートを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されており、分析または予測メンテナンスとの相関のための同時動的データを可能にしている。
実施形態では、予測メンテナンスを伴うスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを有する階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別を有する産業環境において、コンピュータビジョンシステムを使用して、データを収集するためのシステムが開示されており、予測メンテナンスを有する傾斜計も開示されている。
実施形態では、予測メンテナンスを伴う連続的な超音波監視を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔のアナログ産業用センサと予測メンテナンスとの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報を機械パターン分析して、予測メンテナンス付き産業用システムの予測状態情報を提供するために、クラウド型の機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境において、予測メンテナンスを伴うIoTデバイスの作成、展開、および管理を伴う、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを有する産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う産業用IoTデータの自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測保全を伴う稼働率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う業界固有のフィードバックに基づく訓練AIモデルを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを有する産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを有する自己組織化コレクタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを備えたネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴う遠隔組織化された集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを備えたマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測保全を伴うマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境において、予測メンテナンスを伴う振動、熱、電気および/または音の出力を有する、データ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うAR/VRのための収集データを表示するヒートマップを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、予測メンテナンスを伴うデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを備えたIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、予測メンテナンスを伴うデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、予測メンテナンスを伴う1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを備えた適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、予測メンテナンスを伴うデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用して、予測メンテナンスを伴うデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、予測メンテナンスを伴うデータソースの統合および使用方法の指示を提供するメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムが開示されており、予測維持を伴う送信制限に基づいてメッセージの送信を制限することができる。
実施形態では、予測メンテナンスを伴うウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、損失イベントのレートの推定値を維持し、それを使用して予測メンテナンスを伴う冗長メッセージのレートを調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードが、予測メンテナンスを伴う損失イベントの推定レートに基づいている損失イベントの推定レートを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、予測メンテナンスを伴うチャネル特性を記述したメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステムが開示されており、予測維持機能を有するタイマーを使用してフィードバックメッセージの送信を遅延させることができる。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステムが開示され、予測的な維持を有するタイマーに基づいて混雑ウィンドウサイズの変更を遅延させることができる。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステム、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる能力を有するノード、および予測的維持で配送に成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする能力を有するノードが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、現在/過去の接続を特徴づけるメンテナンスされたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、現在/過去の接続のエラー率を特徴付けるメンテナンスされたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、現在/過去の接続のタイミング変動を予測したメンテナンスを特徴とするメンテナンスデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、現在/過去の接続の帯域幅を特徴付けるメンテナンスされたデータを用いて、予測的なメンテナンスを用いて新たな接続を構成する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、現在/前の接続の往復時間を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間のコンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、現在/過去の接続の通信制御パラメータを特徴づける維持データを用いて、予測的な維持を伴う現在/過去の接続の通信制御パラメータを特徴づける維持データを用いて、新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、現在/過去の接続の前方誤り訂正パラメータを特徴付けるメンテナンスされたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノード間のデータ通信のためのシステムと、予測的な維持を伴う維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを予測メンテナンスで送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低いレイテンシーのデータパス上で時間的に重要なデータメッセージの第1のサブセットを送信する能力を有するノードと、より高いレイテンシーのデータパス上で予測メンテナンスを伴うメッセージの第2のサブセットを送信する能力を有するノードとの間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、予測メンテナンスを伴うより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを予測メンテナンスで送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを予測メンテナンスで送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、予測メンテナンスを伴う送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が予測メンテナンスによって非減少するにつれて増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、予測メンテナンスを伴うフィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されており、予測メンテナンスを伴うフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、コンピュータビジョンシステムを使用したデータ通信のためのシステムであって、データパスが予測保全を伴うメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のシステム。
実施形態では、コンピュータビジョンシステムを使用して、データパスが予測保全を伴う以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、符号化されたデータがノードからノードへとチャネルを介して移動する際に符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが、予測メンテナンスを伴うチャネル特性に基づいて開示されている。
実施形態では、コンピュータビジョンシステムを使用して、予測メンテナンスを伴う損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、符号化、TCP、および予測メンテナンスを伴うパケット送信のペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、メッセージパケットのグループとパリティパケットのグループをインターリーブし、予測維持を伴うメッセージパケットのグループの重複にまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のための、コンピュータビジョンシステムを使用したシステムが開示されている。
実施形態では、遅延ベースのバックオフと安定したウィンドウ増加機能と予測メンテナンスとを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、パターン認識を有するアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴う改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXの論理制御のための専用バスを備えた分散型CPLDチップを使用し、パターン認識機能を備えたデータ収集部を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境において、コンピュータビジョンシステムを使用して、パターン認識を伴う設計トポロジーを使用してデータを収集するためのシステムが開示されている。
実施形態では、アナログセンサチャネルおよびパターン認識機能を有するコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するトリガーおよび振動入力に対する独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴う低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、パターン認識を有するオンボードタイマを使用して、入力チャネルおよびトリガチャネルに対する相対位相のデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴うピーク検出のための別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴うAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴うデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いて異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータのブロックを有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
具体的には、パターン認識機能を備えた車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、パターン認識を有する階層テンプレートを用いた迅速な経路作成能力を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いたデータ収集バンドのインテリジェント管理を用いたニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴うセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いた逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴うベアリング分析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴う一過性の信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識とアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いてローカル環境でアナログデータを連続的に監視するための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するデータ取得駐車特徴を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する自給式データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するSDカード記憶装置を有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いた連続監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いた予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識との分析または相関関係のための同時動的データを可能にする、着信データまたはアラームに基づくスマートルート変更ルートを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、スマートODSおよびパターン認識を伴う転送機能を有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴う識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別およびパターン認識を有する傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を伴う連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、遠隔のアナログ産業用センサとパターン認識との融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報を機械パターン解析して、パターン認識を有する産業用システムの予測状態情報を提供するために、クラウド型の機械パターン解析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境において、パターン認識を有するIoTデバイスの作成、展開、および管理を伴う、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を用いた利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を伴う業界固有のフィードバックに基づいて訓練されたAIモデルを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する自己組織化コレクタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識機能を有するネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する遠隔組織化されたコレクタを有する産業環境におけるコンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を伴う振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するAR/VRのための収集データを表示するヒートマップを有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を有するデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、パターン認識を用いてデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、パターン認識を備えた1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有する適応エンジンを有するIoTデータアダプタを有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を有するデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、パターン認識を備えた利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、パターン認識を伴うデータソースの統合および利用指示を提供するメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、パターン認識を使用して送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を有するウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、損失イベントの割合の推定値を維持し、パターン認識を用いて冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードがパターン認識を伴う損失イベントの推定率に基づいている損失イベントの推定率を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、パターン認識を用いてチャネル特性を記述したメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステム、およびパターン認識を有するタイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステムが開示され、パターン認識を有するタイマーに基づいて輻輳ウィンドウサイズの変更を遅延させることができる。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステム、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード、およびパターン認識を用いて配送に成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のシステムが開示されている。
実施形態では、パターン認識を有する現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、パターン認識を伴う現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、パターン認識を伴う現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を伴う現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、パターン認識を用いて現在/過去の接続の往復時間を特徴付ける維持されたデータを用いて新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、パターン認識を有する現在/過去の接続の通信制御パラメータを特徴づける維持されたデータを使用して、新たな接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、パターン認識を有する現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持データを使用して新たな接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または過去のデータ通信接続を特徴付けるデータを維持するためのデータストアと、パターン認識を用いて維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットをパターン認識で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上で時間的に重要なデータメッセージの第1のサブセットを送信し、パターン認識を使用してより高い遅延のデータパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、パターン認識を有するより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、パターン認識を伴うより高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、パターン認識を伴うより高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を伴う送信順序でのメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識に伴ってメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、パターン認識を伴うフィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、パターン認識を有するフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、コンピュータビジョンシステムを使用して、データパスがパターン認識でメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を伴う以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、パターン認識を有するチャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のための、コンピュータビジョンシステムを使用したシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、パターン認識を用いて、損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、符号化、TCP、およびパターン認識を伴うパケット送信のペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、メッセージパケットのグループとパリティパケットのグループとをインターリーブし、パターン認識を伴うメッセージパケットのグループの重複にまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のための、コンピュータビジョンシステムを使用したシステムが開示されている。
実施形態では、パターン認識と遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、製造のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号調整を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのマルチプレクサ連続監視警報機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXと製造用データ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムおよび製造のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび製造用コンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのトリガおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造用の他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
具体的には、製造用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、製造のための階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための逆算定義のためのグラフィカルなアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための軸受解析方法が提案されている産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造業のための遷移信号解析を利用したねじり振動検出/解析を有する産業環境において、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのアナログ方法とデジタル方法の両方を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのローカル環境でアナログデータを連続的に監視するための適応的スケジューリング技術を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための継続的な監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための分析または相関のための動的データを同時に可能にする、入力データまたはアラームに基づいて経路を変更するスマートな経路を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および製造用傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための連続的な超音波モニタリングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための産業用システムのための予測状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン解析してクラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造業のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための稼働率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造用の自己組織化収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのネットワーク感応型集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のために遠隔で組織化された収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、製造業のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、製造のためのデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、製造のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、製造業のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、製造のためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、データ通信のためのシステムであって、受信された到着率および配達フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、製造のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のシステムが開示されている。
実施形態では、製造のためのウィンドウサイズに従って正常に配信されたとまだ認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、製造のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが製造のための推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、製造のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、納期オーダーイベントの発生に基づいてタイマーを維持/設定し、製造のためのタイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、納期オーダーイベントの発生に基づいてタイマーを維持/設定し、製造のためのタイマーに基づいて混雑ウィンドウサイズの変更を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、製造のための配送が成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、製造のために維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、製造のために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、時間的に重要なデータメッセージの第1のサブセットを低遅延データパス上で送信する能力を有するノードと、製造のためのメッセージの第2のサブセットを高遅延データパス上で送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、製造のためにより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、製造のために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、製造のために、より低い遅延のデータパス上で補足/冗長データメッセージの第1のサブセットを送信し、より高い遅延のデータパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、製造のための送信順序におけるメッセージの位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、製造のためにメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、製造のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間でデータ通信を行い、製造のためのフィードバックメッセージに基づいてキューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが製造のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、製造のための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、製造のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、製造のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、製造のためのパケット伝送の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが、コンピュータビジョンシステムを使用して開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットとパリティパケットのグループをインターリーブし、製造のためのメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、製造のための遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのソリッドステートリレーおよび設計トポロジーを使用した高アンペア数入力能力を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、アナログセンサチャネルおよび化石燃料エネルギー生産のためのコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのAAフィルタ要件を最小化するために、より低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための階層的なテンプレートを使用した迅速なルート作成能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータ収集バンドのインテリジェント管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための軸受解析方法が提案されている産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための自給的なデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための継続的な監視のための拡張された船上統計能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための分析または相関のための同時動的データを可能にする、着信データまたはアラームに基づいて経路を変更するスマートな経路を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのRF識別および傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための遠隔アナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための産業システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報をクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための産業固有のフィードバックに基づく訓練AIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための自己組織化コレクタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための遠隔組織化された集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータを公開するために、データ入力を受信するためのIoTデータアダプタを有し、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための新しいデータソースの利用可能性を示すメッセージと、データソースの統合および使用指示を示すメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いた、データ通信のためのシステムであって、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、化石燃料エネルギー生産のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、化石燃料エネルギー生産のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが化石燃料エネルギー生産のための推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのタイマーを使用したフィードバックメッセージの送信を遅延させ、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのタイマーに基づいて、配送注文イベントの発生に基づいてタイマーを維持/設定し、混雑ウィンドウサイズの変更を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配信注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、化石燃料エネルギー生産のための配信の成功を示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、化石燃料エネルギー生産のための維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、化石燃料エネルギー生産のために、より低い遅延のデータパス上で時間的に重要なデータメッセージの第1のサブセットと、より高い遅延のデータパス上でメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、化石燃料エネルギー生産のためのより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、化石燃料エネルギー生産のために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、化石燃料エネルギー生産のために、より低い遅延のデータパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、化石燃料エネルギー生産のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のための、コンピュータビジョンシステムを使用したシステムが開示される。
実施形態では、コンピュータビジョンシステムを使用して、化石燃料エネルギー生産のためのフィードバックメッセージを受信することに応答して、送信順序におけるメッセージ位置に基づいて、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、化石燃料エネルギー生産のためのフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスが化石燃料エネルギー生産のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、化石燃料エネルギー生産のためのメッセージパケットのグループとパリティパケットのグループとをインターリーブし、メッセージパケットのグループの重複にまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のための、コンピュータビジョンシステムを使用したシステムが開示されている。
実施形態では、化石燃料エネルギー生産のために、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが、コンピュータビジョンシステムを使用して開示されている。
実施形態では、航空宇宙用のアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の複数のMUXとデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムと、航空宇宙用の設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび航空宇宙用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のトリガおよび振動入力のための独自の静電保護を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のA/Dゼロリファレンスのための正確な電圧リファレンスを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のオンボードタイマを使用して入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリング用のピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のAAフィルタ要件を最小化するために、より低いサンプリングレートの出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のデジタルリサンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ/デジタル変換器のクロックディバイダとしてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用に異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、航空宇宙用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、航空宇宙用の階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のための逆計算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のためのベアリング解析方法を提案している産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、航空宇宙のための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の自給式データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のSDカードストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のための継続的な監視のための拡張されたオンボード統計能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されており、スマートルートは、着信データまたはアラームに基づいてルートを変更し、航空宇宙のための分析または相関のための同時動的データを有効にする産業環境では、データ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および航空宇宙用の傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の遠隔アナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の産業システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報をクラウドベースのマシンパターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、航空宇宙用のIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のための利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の産業用データコレクタの自己組織化された群を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の自己組織化コレクタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の遠隔組織化された収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、航空宇宙用のデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、航空宇宙用の1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用の適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙用のデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、航空宇宙のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、航空宇宙のためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、航空宇宙用の送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のウィンドウサイズに従って正常に配信されたとまだ認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、航空宇宙用の冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが航空宇宙用の推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のためのタイマーを使用してフィードバックメッセージの送信を遅延させ、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のために、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する機能を有するノード間のデータ通信のためのシステム、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード、および航空宇宙用の配送に成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノードが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、航空宇宙用の現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、航空宇宙用の維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上のデータメッセージの第1のサブセットと、航空宇宙用の高遅延データパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上で時間的に重要なデータメッセージの第1のサブセットと、航空宇宙用のより高い遅延データパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、航空宇宙用のより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙のために、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、航空宇宙用のフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、航空宇宙用のフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが航空宇宙用のメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、データパスが航空宇宙のための以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、航空宇宙用のチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用の損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用のパケット伝送の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットとパリティパケットのグループをインターリーブし、航空宇宙用のメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、航空宇宙用に遅延ベースのバックオフと安定したウィンドウ増加機能を組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、マイニングのためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのマルチプレクサ連続監視アラーム機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXとマイニングのためのデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境でのデータ収集のためのシステムと、マイニングのための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよびマイニングのためのコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのためのトリガーおよび振動入力のための独自の静電保護を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ-デジタル変換器のクロックディバイダとしてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのために異なるサンプリングレートで取られた複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
具体的には、マイニングのための車載カードセットに保守履歴付きのキャリブレーションデータを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのデータ収集バンドのインテリジェントな管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための逆計算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのベアリング分析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのデータ取得パーキング特徴を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための継続的な監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための分析または相関のための同時動的データを可能にする着信データまたはアラームに基づいてスマートルートを変更するルートを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別およびマイニングのための傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための産業用システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン分析して、クラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、マイニングのためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための産業用IoTデータの自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための業界固有のフィードバックに基づいて訓練されたAIモデルを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための自己組織化コレクタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための遠隔組織化された収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのマルチセンサデータネットワークのための自己組織化ネットワークコーディングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのAR/VRのための収集データを表示するヒートマップを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためにデータ収集者によって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、マイニングのためにデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、マイニングのための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、マイニングのためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、マイニングのための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、マイニングのためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、マイニングのための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、マイニングのためのウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、マイニングのための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードがマイニングのための推定損失イベント率に基づいている推定損失イベント率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、マイニングのためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのためにタイマーを使用してフィードバックメッセージの送信を遅延させ、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのためのタイマーに基づいて、配送注文イベントの発生に基づいてタイマーを維持/設定し、混雑ウィンドウサイズの変更を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配信注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、マイニングのための配信の成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、マイニングのために維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのために、より低い待ち時間のデータパス上で時間的に重要なデータメッセージの第1のサブセットと、より高い待ち時間のデータパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、マイニングのためにより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのために、より低い待ち時間のデータパス上の確認メッセージの第1のサブセットと、より高い待ち時間のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのために、より低い待ち時間のデータパス上の補足/冗長データメッセージの第1のサブセットと、より高い待ち時間のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのための送信順序におけるメッセージの位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのためにメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのためのフィードバックメッセージを受信することに応答して、送信順序におけるメッセージ位置に基づいて、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間でデータ通信を行い、マイニングのためのフィードバックメッセージに基づいてキューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスがマイニングのためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、マイニングのための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、マイニングのためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、マイニングのための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、マイニングのためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットとパリティパケットのグループをインターリーブし、マイニングのためにメッセージパケットのグループの重複をまたぐ符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、マイニングのために遅延ベースのバックオフと安定したウィンドウ増加機能を組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、建設のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXと建設用データ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステム、および建設のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルと建設用コンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのトリガおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のためのオンボードタイマを使用して入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のためのピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、建設用の他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、構築のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、構築のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータのブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
具体的には、工事用の車載カードセットに保守履歴付きの校正データを保存している産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、建設のための階層的なテンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムのGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのベアリング解析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための過渡的な信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのローカル環境におけるアナログデータの連続的な監視のための適応的なスケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用の自給式データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用のSDカード記憶装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための継続的な監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、スマートなルート変更ルートを有する産業環境におけるデータ収集のためのシステムが開示されており、着信データまたはアラームに基づいてルートを変更することにより、建設のための分析または相関のための動的なデータを同時に可能にすることができる。
実施形態では、スマートODSおよび建設のための転送機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および建設用傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報を機械パターン解析して、建設用産業システムの予測状態情報を提供するために、クラウド型の機械パターン解析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するシステムが開示されている。
実施形態では、建設用IoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用の産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用の産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための利用率および/または歩留まり指標に基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための業界固有のフィードバックに基づいて訓練されたAIモデルを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設用の産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用IoT分散台帳を有する産業環境において、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、建設用の自己組織化収集装置を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用のネットワーク感応型集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、建設用の遠隔組織化された集電装置を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、建設用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設用マルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、建設用AR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のためのデータ収集者によって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、建設のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、建設のためのデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための適応エンジンを備えたIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、建設のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、建設のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、建設のためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザーインターフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、構築のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、構築のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、損失イベントの割合の推定値を維持し、構築のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードが、建設のための推定損失事象率に基づいている推定損失事象率を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、構築のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、納期オーダーイベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステム、および施工用タイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、工事用タイマーに基づいて混雑ウィンドウサイズの変更を遅延させる機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、工事のための配送が成功したことを示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、建設のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、建設のための維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、建設のためのより高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上で時間的に重要なデータメッセージの第1のサブセットを送信する能力を有するノードと、建設のためのより高い遅延データパス上でメッセージの第2のサブセットを送信する能力を有するノードとの間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、建設のためにより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、建設のためのより高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上で補足/冗長データメッセージの第1のサブセットを送信し、建設のためにより高い遅延のデータパス上でデータメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、構築のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、構築のためにメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、構築のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間でデータ通信を行い、構築のためのフィードバックメッセージに基づいてキューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが建設のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、構築のための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、構築のためのチャネル特性に基づいてチャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、建設のためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットのグループをインターリーブし、構築のためのメッセージパケットの重複するグループにまたがる符号化を有する前方誤り訂正符号構築を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを用いて、遅延ベースのバックオフと構築のための安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、船舶のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶の信号対雑音比を改善するためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXと船舶用データ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムと、船舶のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび船舶用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のトリガーおよび振動入力のための独自の静電保護を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、船舶のA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶の低速回転数および位相情報を取得するための位相ロックループバンドパス追跡フィルタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶用のオンボードタイマを使用して入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、船舶用のピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリング用のピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ-デジタル変換器のクロックディバイダとしてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータのブロックを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、船舶用の船上カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のための階層的なテンプレートを使用して迅速なルート作成機能を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のためのデータ収集バンドのインテリジェントな管理を使用して、ニューラルネットエキスパートシステムを有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶の逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のための軸受解析方法が提案されている産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、船舶のための過渡的な信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのデータ取得駐車機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の自給式データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のための継続的な監視のための拡張された船上統計能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶の予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されており、スマートルートは、着信データまたはアラームに基づいてルートを変更し、船舶の分析または相関のための動的なデータを同時に可能にする産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および船舶用傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の遠隔アナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の産業システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン解析してクラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、船舶用IoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の稼働率および/または歩留まり指標に基づくデータプールの自己組織化を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、船舶用の産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の自己組織化収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用のネットワーク感応収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用の遠隔組織化された収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用マルチセンサデータコレクタのための自己組織化ストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用マルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶用の振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、船舶用のAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶用データコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、船舶のためのデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、船舶用の1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶用適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、船舶のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、船舶のためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配達フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間のデータ通信のためのシステムが開示され、船舶の送信制限に基づいてメッセージの送信を制限することができる。
実施形態では、コンピュータビジョンシステムを使用して、船舶のウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、損失イベントの割合の推定値を維持し、それを使用して船舶のための冗長メッセージの割合を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードが船舶の推定損失事象率に基づいている推定損失事象率を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、船舶のチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、船舶用タイマーを使用してフィードバックメッセージの送信を遅延させる機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、船舶のタイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、船舶の配送が成功したことを示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶用の現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶の現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新たな接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または過去のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、船舶のための維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上のデータメッセージの第1のサブセットと、船舶用の高遅延データパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上で時間的に重要なデータメッセージの第1のサブセットを送信する能力を有するノードと、船舶用のより高い遅延データパス上でメッセージの第2のサブセットを送信する能力を有するノードとの間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、船舶用のより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、船舶のためのより高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の補足/冗長データメッセージの第1のサブセットと、船舶のためのより高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のためにメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、船舶に対するフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、船舶に対するフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスが船舶のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが船舶のための以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のチャネル特性に基づいてノードからノードへチャネルを介して移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、船舶のためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットとパリティパケットのグループをインターリーブし、船舶用メッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遅延ベースのバックオフと船舶のための安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、潜水艦のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための信号対雑音比を改善するためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXと潜水艦用データ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムと、潜水艦のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび潜水艦用コンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのトリガおよび振動入力のための独自の静電保護を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦の低速回転数および位相情報を取得するための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用のオンボードタイマを使用して入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用のピーク検出のために別個のアナログ-デジタル変換器にルーティングされた自動スケーリング用のピーク検出器を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、海底用の他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いブロックのデータを有する産業環境でのデータ収集のためのシステムが開示されている。
具体的には、コンピュータビジョンシステムを用いて、潜水艦用の船上カードセットに保守履歴付きの校正データを記憶させた産業環境でのデータ収集システムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための階層テンプレートを使用した迅速なルート作成機能を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、潜水艦のためのデータ収集バンドのインテリジェントな管理を使用したニューラルネットエキスパートシステムを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのセンサデータ解析におけるデータベース階層の使用を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、潜水艦用エキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のための逆計算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのベアリング解析方法を提案している産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための過渡的な信号解析を利用したねじり振動検出/解析を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、潜水艦のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのローカル環境でアナログデータを連続的に監視するための適応的スケジューリング技術を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのデータ取得パーキング機能を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための自給自足のデータ収集ボックスを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦用のSDカード記憶装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のための継続的な監視のための拡張された船上統計能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦の予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されており、スマートルートは、潜水艦のための分析または相関のための動的なデータを同時に可能にする着信データまたはアラームに基づいてルートを変更する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、スマートODSおよび潜水艦のための転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、潜水艦のための識別センサ過負荷を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、RF識別および潜水艦用の傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦用の遠隔アナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のアナログ産業用センサからの状態情報を機械パターン解析して、潜水艦用産業システムの予測状態情報を提供するために、クラウド型の機械パターン解析を有する産業環境において、コンピュータビジョンシステムを用いてデータを収集するシステムが開示されている。
実施形態では、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境において、コンピュータビジョンシステムを使用して、潜水艦のためのIoTデバイスの作成、展開、および管理を伴うデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、潜水艦用の産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の利用率および/または歩留まりメトリクスに基づくデータプールの自己組織化を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための産業用データコレクタの自己組織化された群を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、潜水艦用の自己組織化収集装置を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用のネットワーク感応型集電装置を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、潜水艦のための遠隔組織化された収集装置を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのマルチセンサデータ収集のための自己組織化ストレージを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのAR/VRのための収集データを表示するヒートマップを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用のデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境におけるデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、潜水艦のためのデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦用の1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、潜水艦用の適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、潜水艦のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、潜水艦のためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間で、潜水艦の送信制限に基づいてメッセージの送信を制限する、データ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのウィンドウサイズに応じて、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、損失イベントの割合の推定値を維持し、潜水艦のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードが潜水艦のための推定損失事象率に基づいている推定損失事象率を有するノード間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定し、潜水艦用タイマーを使用してフィードバックメッセージの送信を遅延させる能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、潜水艦のためのタイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、潜水艦の配送が成功したことを示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦の現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して、新しい接続を構成する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または過去のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、潜水艦のための維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、潜水艦のためのより高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、時間的に重要なデータメッセージの第1のサブセットをより低いレイテンシーのデータパス上で送信し、メッセージの第2のサブセットをより高いレイテンシーのデータパス上で送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、潜水艦用のより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、潜水艦のためのより高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上の補足/冗長データメッセージの第1のサブセットと、潜水艦のためのより高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージの位置が潜水艦のために非減少であるほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、潜水艦のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、潜水艦のためのフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスが潜水艦のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが潜水艦のための以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のためのチャネル特性に基づいてノードからノードへチャネルを介して移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、潜水艦のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、符号化、TCP、および潜水艦のためのパケット送信のペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットのグループをインターリーブし、サブマリン用のメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、遅延ベースのバックオフと潜水艦用の安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力発電のための複数のMUXとデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのソリッドステートリレーおよび設計トポロジーを使用した高アンペア入力能力を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのアナログセンサチャネルおよびコンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタ・シグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
具体的には、風力発電用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、風力エネルギー生産のための階層テンプレートを用いた迅速なルート作成能力を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための軸受解析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのローカル環境におけるアナログデータの連続的な監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための自給的なデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための継続的な監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための分析または相関のための同時動的データを可能にする、着信データまたはアラームに基づいてスマートルートを変更するルートを有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための階層型マルチプレクサを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのRF識別および傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための産業用システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン分析して、クラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための遠隔組織化された集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、風力エネルギー生産のためのデータを公開するための1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、風力エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、風力エネルギー生産のためのデータソースの統合および使用指示を示すメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、風力エネルギー生産のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、風力エネルギー生産のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが風力エネルギー生産のための推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのタイマーを使用したフィードバックメッセージの送信を遅延させるために、納入命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のために、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、風力エネルギー生産のための配送が成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、風力エネルギー生産のための維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のために、より低い遅延のデータパス上で時間的に重要なデータメッセージの第1のサブセットと、より高い遅延のデータパス上でメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、風力エネルギー生産のためのより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のために、より低い遅延のデータパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、風力エネルギー生産のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のために、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、風力エネルギー生産のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間でデータ通信を行い、風力エネルギー生産のためのフィードバックメッセージに基づいてキューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが風力エネルギー生産のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、風力エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、風力エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットのグループとをインターリーブし、風力エネルギー生産のためのメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、風力エネルギー生産のために、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力エネルギー生産のための複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、固体リレーを使用した高アンペア数入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムと、水力発電エネルギー生産のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび水力エネルギー生産のためのコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのピーク検出のために別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロックディバイダとしてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための軸受解析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力エネルギー生産のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための連続的な監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための分析または相関のための動的データを同時に可能にする、入力データまたはアラームに基づいて経路を変更するスマートな経路を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および水力発電エネルギー生産のための傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力エネルギー生産のための産業システムのための予測された状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン解析して、クラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力エネルギー生産のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための自己組織化コレクタを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのネットワーク感応型集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための遠隔組織化された集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力エネルギー生産のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデータコレクタによって収集されたデータの自動調整されたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、水力発電エネルギー生産のためのデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、水力発電エネルギー生産のためのデータソースの統合および使用指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザーインターフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、水力発電エネルギー生産のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、水力発電エネルギー生産のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが水力発電エネルギー生産のための推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのタイマーを使用してフィードバックメッセージの送信を遅延させるために、配送命令イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのタイマーに基づいて、配送注文イベントの発生に基づいてタイマーを維持/設定し、混雑ウィンドウサイズの変更を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配信注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、水力発電エネルギー生産のための配信の成功を示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアと、水力発電エネルギー生産のための維持されたデータに基づいて新たなデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上のデータメッセージの第1のサブセットと、水力発電エネルギー生産のための高遅延データパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、低遅延データパス上で時間的に重要なデータメッセージの第1のサブセットと、水力発電エネルギー生産のためのより高い遅延データパス上でメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、水力発電エネルギー生産のためのより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のために、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のために、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージの位置に基づいて、水力発電エネルギー生産のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、水力発電エネルギー生産のためのフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスが水力発電エネルギー生産のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、水力発電エネルギー生産のためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットとパリティパケットのグループをインターリーブし、水力発電のためのメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、水力発電エネルギー生産のための遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のための複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、固体リレーを使用した高アンペア数入力能力を有する産業環境において、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための設計トポロジーを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのアナログセンサチャネルおよびコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための低速回転数および位相情報を得るための位相ロックループバンドパス追跡フィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのオンボードタイマを使用して入力チャネルおよびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのピーク検出のための別個のアナログ/デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力発電のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマ・アナログ/デジタル変換器のクロック分周器としてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータのブロックを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、原子力発電用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のための階層テンプレートを用いた迅速なルート作成能力を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための逆計算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための軸受解析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための過渡的な信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のためのSDカード記憶装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための継続的なモニタリングのための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための予測のための周囲騒音、局所騒音および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、原子力エネルギー生産のための分析または相関のための動的データを同時に得ることができるように、入力データまたはアラームに基づいて経路を変更するスマートな経路を有する産業環境で、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための階層型マルチプレクサを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別と原子力生産のための傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための遠隔アナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための産業システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報をクラウドベースの機械パターン分析を有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための産業固有のフィードバックに基づく訓練AIモデルを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための自己組織化集電装置を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのネットワーク感応型集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための遠隔組織化された集電装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを用いたデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブル触覚ユーザインタフェースを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのデータコレクタによって収集されたデータの自動調整されたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示され、原子力生産のためのデータを公開するために、1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する。
実施形態では、原子力エネルギー生産のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、原子力生産のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、原子力エネルギー生産のためのデータソースの統合および使用指示を示すメッセージングユーティリティを有するクラウドプラットフォームのユーザインタフェースを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、受信された到着率および配信フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持し、原子力エネルギー生産のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、原子力エネルギー生産のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、選択された冗長メッセージを決定するために使用される誤り訂正コードが原子力エネルギー生産のための推定損失事象率に基づいている推定損失事象率を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力発電のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのタイマーを使用して、配送命令イベントの発生に基づいてタイマーを維持/設定し、フィードバックメッセージの送信を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のために、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、原子力エネルギー生産のための配送の成功を示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続のタイミング変動を特徴づける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続の往復時間を特徴づける維持されたデータを使用して、新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または過去のデータ通信接続を特徴付けるデータを維持するためのデータストアと、原子力エネルギー生産のための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のために、より低い遅延のデータパス上で時間的に重要なデータメッセージの第1のサブセットと、より高い遅延のデータパス上でメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、原子力エネルギー生産のためのより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のために、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のために、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、原子力発電のためのフィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、原子力エネルギー生産のためのフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスが原子力エネルギー生産のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、データパスが原子力生産のための以前の通信接続に基づいてメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、原子力エネルギー生産のためのパケット伝送の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットのグループとをインターリーブし、原子力エネルギー生産のためのメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、原子力エネルギー生産のために、遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、複数のMUXと石油掘削のためのデータ収集部の論理制御のための専用バスを備えた分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムおよび石油掘削のための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび石油掘削のためのコンポーネントボードのうちの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための低速回転数および位相情報を得るための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのピーク検出のための別個のアナログ-デジタル変換器にルーティングされる自動スケーリングのためのピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ/デジタル変換器のクロックディバイダとしてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータブロックを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
具体的には、石油掘削用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、石油掘削のための階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのデータ収集バンドのインテリジェントな管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための逆算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための軸受解析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを利用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのローカル環境におけるアナログデータの連続監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための自給自足のデータ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための連続監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための分析または相関のための同時動的データを可能にする着信データまたはアラームに基づいてスマートなルート変更ルートを有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのスマートODSおよび転送機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および石油掘削のための傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための連続的な超音波モニタリングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための産業システムのための予想される状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン分析して、クラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油掘削のためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための遠隔組織化された収集装置を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、石油掘削のためのデータを公開するために1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油掘削のための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油掘削のための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、石油掘削のためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配信フィードバックメッセージの受信された到着率および成功率に基づいて第1および第2の送信制限を維持し、石油掘削のための送信制限に基づいてメッセージの送信を制限する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、石油掘削のための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが石油掘削のための推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油掘削のためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のためのタイマーを使用してフィードバックメッセージの送信を遅延させ、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定し、石油掘削のためのタイマーに基づいて混雑ウィンドウサイズの変更を遅延させる機能を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間のデータ通信のためのシステム、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させる能力を有するノード、および石油掘削のための配送が成功したことを示すフィードバックメッセージを受信したときに輻輳ウィンドウサイズの変更をキャンセルする能力を有するノードが開示されている。
実施形態では、石油掘削のための現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための現在/過去の接続のタイミング変動を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または以前のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、石油掘削のための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のために、より低い待ち時間のデータパス上で時間的に重要なデータメッセージの第1のサブセットと、より高い待ち時間のデータパス上でメッセージの第2のサブセットを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、石油掘削のためのより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のために、より低いレイテンシーのデータパス上の確認メッセージの第1のサブセットと、より高いレイテンシーのデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のために、より低い待ち時間のデータパス上の補足/冗長データメッセージの第1のサブセットと、より高い待ち時間のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のためにメッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、石油掘削のためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、石油掘削のためのフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除することができる。
実施形態では、データパスが石油掘削のためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油掘削のための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油掘削のための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油掘削のためのパケット送信の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、メッセージパケットのグループとパリティパケットのグループをインターリーブし、石油掘削のためのメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、石油掘削のための遅延ベースのバックオフと安定したウィンドウ増加機能とを組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのためのアナログセンサ入力の可変グループを収集するためのアナログクロスポイントスイッチの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための改善された信号対雑音比のためのマルチプレクサ上のアップフロント信号コンディショニングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのマルチプレクサ連続監視警報機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用の複数のMUXおよびデータ収集部の論理制御のための専用バスを有する分散型CPLDチップの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、ソリッドステートリレーを使用した高アンペア入力能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムおよび石油パイプラインのための設計トポロジーが開示されている。
実施形態では、アナログセンサチャネルおよび石油パイプライン用コンポーネントボードの少なくとも1つのパワーダウン能力を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのトリガーおよび振動入力のための独自の静電保護を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのA/Dゼロ基準のための正確な電圧基準を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインの低速回転数および位相情報を取得するための位相ロックループバンドパストラッキングフィルタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのオンボードタイマを使用した入力およびトリガチャネルに対する位相の相対的なデジタル導出を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用のピーク検出のために別個のアナログ-デジタル変換器にルーティングされた自動スケーリング用のピーク検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用の他のアナログチャネルへの生またはバッファリングされたトリガチャネルのルーティングを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのAAフィルタ要件を最小化するための低いサンプリングレート出力のためのデルタシグマA/Dのためのより高い入力オーバーサンプリングの使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのデジタル再サンプリングを必要とせずに、より低いサンプリングレートを達成するために、デルタシグマのアナログ-デジタル変換器のクロックディバイダとしてCPLDを使用することを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのために異なるサンプリングレートで撮影された複数のデータセットとは対照的に、高いサンプリングレートで長いデータのブロックを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
具体的には、石油パイプライン用の車載カードセットに保守履歴付きの校正データを記憶させた産業環境における、コンピュータビジョンシステムを用いたデータ収集システムが開示されている。
実施形態では、石油パイプラインのための階層テンプレートを使用した迅速なルート作成機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのデータ収集バンドのインテリジェントな管理を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのデータ収集バンドのインテリジェント管理を使用したニューラルネットエキスパートシステムを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのセンサデータ分析におけるデータベース階層の使用を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのエキスパートシステムのためのインテリジェントなデータ収集バンドおよび診断を定義するためのエキスパートシステムGUIグラフィカルアプローチを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための逆計算定義のためのグラフィカルなアプローチを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための軸受分析方法が提案されている産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための遷移信号解析を利用したねじり振動検出/解析を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのアナログおよびデジタルの両方の方法を使用して改善された統合を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのローカル環境におけるアナログデータの連続的な監視のための適応的スケジューリング技術を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのデータ取得パーキング機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための自給自足データ収集ボックスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用のSDカードストレージを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための連続監視のための拡張された船上統計機能を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインの予測のための周囲騒音、局所騒音、および振動騒音の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインの分析または相関のための動的データを同時に可能にする着信データまたはアラームに基づいてスマートなルート変更ルートを有する産業環境で、コンピュータビジョンシステムを使用して、データ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのスマートODSおよび転送機能を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用の階層型マルチプレクサを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための識別センサ過負荷を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、RF識別および石油パイプラインのための傾斜計を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための連続的な超音波監視を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための遠隔のアナログ産業用センサの融合に基づく機械パターン認識をクラウドベースで有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプライン用の産業システムのための予測される状態情報を提供するために、複数のアナログ産業用センサからの状態情報を機械パターン解析して、クラウドを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのためのIoTデバイスの作成、展開、および管理を伴う、IoTのためのクラウドベースのポリシー自動化エンジンを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための産業用IoTデバイスのためのオンデバイスセンサ融合およびデータストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための産業用IoTデータのための自己組織化データマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインの利用率および/または収量メトリクスに基づくデータプールの自己組織化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための業界固有のフィードバックに基づく訓練AIモデルを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための産業用データコレクタの自己組織化された群を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのIoT分散台帳を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用の自己組織化コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用のネットワーク感応型コレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための遠隔組織化されたコレクタを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプライン用のマルチセンサデータコレクタのための自己組織化ストレージを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのマルチセンサデータネットワークのための自己組織化ネットワーク符号化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油パイプラインのための振動、熱、電気および/または音の出力を有する、産業用センサデータコレクタのためのウェアラブルハプティックユーザインタフェースを有する産業環境でのデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのAR/VRのための収集データを表示するヒートマップを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのデータコレクタによって収集されたデータの自動チューニングされたAR/VR可視化を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのためのIoTプラットフォームを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、データ入力を受信するためのIoTデータアダプタを有し、石油パイプラインのためのデータを公開するための1つ以上の利用可能なIoTクラウドプラットフォームとの接続を確立する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのための1つ以上のIoTクラウドプラットフォームへのIoTデータアダプタによる接続試行に関連する状態を検出するための状態検出器を有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための適応エンジンを有するIoTデータアダプタを有する産業環境において、コンピュータビジョンシステムを使用してデータを収集するためのシステムが開示されている。
実施形態では、石油パイプラインのためのデータパケットまたはストリームを準備するための機械学習の使用を有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、石油パイプラインのための利用可能なクラウドネットワーキングプラットフォームのプールを提供するデータマーケットプレイスを有する産業環境において、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、新しいデータソースの利用可能性を示すメッセージと、石油パイプラインのためのデータソースの統合および使用方法の指示を示すメッセージングユーティリティをクラウドプラットフォームのユーザインタフェースに提供するメッセージングユーティリティを有する産業環境における、コンピュータビジョンシステムを使用したデータ収集のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用した、データ通信のためのシステムであって、受信された到着率および配達フィードバックメッセージの成功率に基づいて第1および第2の送信制限を維持する能力を有するノード間で、石油パイプラインのための送信制限に基づいてメッセージの送信を制限する能力を有するノードが開示されている。
実施形態では、石油パイプラインのためのウィンドウサイズに従って、まだ正常に配信されたと認められていない更なるメッセージの送信を制限する能力を有するノード間の、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、損失イベントの割合の推定値を維持し、石油パイプラインのための冗長メッセージの割合を調整するためにそれを使用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、選択された冗長メッセージを決定するために使用される誤り訂正コードが石油パイプラインのための推定損失事象率に基づいている推定損失事象率を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油パイプラインのためのチャネル特性を記述するメッセージを受信したことに基づいて前方誤り訂正を適用する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのためのタイマーを使用したフィードバックメッセージの送信を遅延させ、配送注文イベントの発生に基づいてタイマーを維持/設定する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのために、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて渋滞ウィンドウサイズの変更を遅延させる機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、配送注文イベントの発生に基づいてタイマーを維持/設定し、タイマーに基づいて輻輳ウィンドウサイズの変更を遅延させ、石油パイプラインの配送成功を示すフィードバックメッセージを受信した場合に輻輳ウィンドウサイズの変更をキャンセルする機能を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続のエラー率を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続のタイミングの変動性を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続の帯域幅を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続の往復時間を特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続の通信制御パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのための現在/過去の接続の前方誤り訂正パラメータを特徴付ける維持されたデータを使用して新しい接続を構成する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、1つ以上の現在または過去のデータ通信接続を特徴付けるデータを維持するためのデータストアを有するノードと、石油パイプラインのための維持されたデータに基づいて新しいデータ通信接続を開始するための接続開始モジュールとを有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油パイプラインのために、より低い遅延のデータパス上のデータメッセージの第1のサブセットと、より高い遅延のデータパス上のメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上で時間的に重要なデータメッセージの第1のサブセットを送信する能力を有するノードと、石油パイプラインのためのより高い遅延のデータパス上でメッセージの第2のサブセットを送信する能力を有するノードとの間でデータ通信を行うためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、より低い遅延のデータパス上でデータメッセージの第1の初期サブセットを送信する能力を有するノードと、石油パイプラインのためのより高い遅延のデータパス上でその後利用可能なメッセージの第2のサブセットを送信する能力を有するノードとの間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油パイプラインのために、より低い遅延のデータパス上の確認メッセージの第1のサブセットと、より高い遅延のデータパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油パイプラインのために、より低い遅延データパス上の補足/冗長データメッセージの第1のサブセットと、より高い遅延データパス上のデータメッセージの第2のサブセットとを送信する能力を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油パイプラインのための送信順序におけるメッセージ位置に基づく各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、石油パイプラインのために、メッセージの位置が減少しないほど増加する各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、石油パイプラインのためのフィードバックメッセージを受信することに応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示されている。
実施形態では、コンピュータビジョンシステムを使用して、送信順序におけるメッセージ位置に基づいて、フィードバックメッセージの受信に応答して、各メッセージに関連付けられた冗長度を有するノード間のデータ通信のためのシステムが開示され、石油パイプラインのためのフィードバックメッセージに基づいて、キューから冗長メッセージを追加または削除するシステムが開示されている。
実施形態では、データパスが石油パイプラインのためのメッセージの流れを変化させていると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油パイプラインのための以前の通信接続に基づいて、データパスがメッセージ初期分割の流れを変更していると判断された場合に、異なる通信プロトコルを有する複数の異なるデータパスのそれぞれを介して送信されるメッセージの数を調整する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのためのチャネル特性に基づいて、チャネルを介してノードからノードへ移動する際に、符号化されたデータに関連付けられた冗長情報を修正/追加/削除する能力を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油パイプラインのための損失イベント(孤立したパケット損失または連続したパケットのバースト)の推定レートでFECパケットを送信する能力を有するノード間で、コンピュータビジョンシステムを使用したデータ通信のためのシステムが開示されている。
実施形態では、石油パイプラインのためのパケット伝送の符号化、TCP、およびペーシングを組み合わせたノード間のデータ通信のための、コンピュータビジョンシステムを使用したシステムが開示されている。
実施形態では、メッセージパケットとパリティパケットのグループをインターリーブし、石油パイプライン用のメッセージパケットの重なり合うグループにまたがる符号化を有する前方誤り訂正符号構造を有するノード間で、コンピュータビジョンシステムを使用してデータ通信を行うためのシステムが開示されている。
実施形態では、石油パイプラインのための遅延ベースのバックオフと安定したウィンドウ増加機能を組み合わせたTCPのバリアントを有するノード間で、コンピュータビジョンシステムを用いたデータ通信のためのシステムが開示されている。
例示的な実施形態では、予測メンテナンス知識プラットフォームの参加者および要素間の情報の流れは、図302に描かれているように構成されてもよい。図302で例示的に構成されたようなプラットフォーム28600は、以下のうちの1つまたは複数を含むことができる複数のサブシステムを含んでもよい:データ記憶装置、機械知能、および産業機械関連トランザクション。そのようなサブシステムは、ウェブサーバベースのシステム、分散システム、ハンドヘルド装置、産業機械同居システムなどであってもよい。一例では、産業機械メンテナンスデータ分析サブシステム28602は、データストレージ28604、機械学習および/または人工知能設備28606、トランザクション設備28608などを含んでもよい。産業機械メンテナンスデータ分析サブシステム28602は、サービス基準、故障防止、サービス価格、部品価格、潜在的な機械故障を検出するためのテストおよび基準、修理などの分析、故障予測メタデータの機能および更新などの産業機械関連データの更新を含むサービス28610を提供してもよい。産業用機械メンテナンスデータ分析サブシステム28602は、提供されたサービス28610に関連した情報などを、ストリーム、トランザクション、データベースの読み書き、およびクラウドベースのデータストレージへのアクセスなどの形で提供してもよい。産業機械メンテナンスデータ分析サブシステム28602は、データ収集ネットワーク28612を介して、個々の産業機械に関する情報を機械から受信してもよい。実施形態では、データ収集ネットワーク28612は、本明細書および本明細書で参照され、組み込まれている文書に記載されてもよい。産業機械メンテナンスデータ分析サブシステム28602は、産業機械の1つ以上のスマートRFID要素28614から取得される機械パラメータなどの特定の産業機械からの情報を受信してもよい。実施形態では、スマートRFID要素は、産業機械の一部で構成されてもよく、本明細書の他の場所で説明されるような機能を有してもよい。
実施形態では、産業機械予測メンテナンスサブシステム28616は、産業機械メンテナンスデータ解析サブシステム28602から提供されるデータ、および産業機械健康監視設備28618等からさらに提供されるデータに、機械故障検出、識別、分類、および関連するアルゴリズムを適用して、産業機械の予測メンテナンスを容易にするために通信され得るデータ構造、ストリーム、および他の電子データを生成してもよい。実施形態では、産業機械予測メンテナンスサブシステム28616は、産業機械健康監視設備28618から産業機械健康監視データのストリーム等を受信して分析してもよい。そのようなストリーム分析の1つまたは複数の結果は、健康な機械、不健康な機械、故障を回避するためにサービスを必要とする可能性がある機械の少なくとも一部の可能性、サービスを必要とする特定の機械、およびそのようなものを示す状態の決定を含んでもよい。健康な機械を示す可能性のある状態は、産業用機械上または産業用機械によって実行され、機械健康監視設備28618に伝達されたテスト等の結果であってもよい。一例では、機械健全性監視設備28618は、1つ以上の産業機械からライブストリームまたは遅延ストリームで産業機械モータからのセンサデータ(例えば、トルク、毎分回転数、実行時間、スタート/ストップデータ、方向データなど)などの運転関連情報を受信してもよい。この運転関連データは、例えば、1日、1週間、1ヶ月などの設定された期間の回転数がメンテナンス閾値を超えたときに検出するために、健康監視設備28618によって処理されてもよい。ストリームデータの一部および/または健康監視設備28618による処理の結果は、ストリームなどのように、産業機械予測メンテナンスサブシステム28616に提供されてもよく、予測メンテナンスなどで対処されるべき潜在的な故障などを特定することを含む、記載されているような使用のために、産業機械予測メンテナンスサブシステム28616に提供されてもよい。産業機械予測メンテナンスサブシステム28616は、1つまたは複数の産業機械を識別し、サービス、メンテナンス、修理、交換などの恩恵を受けると決定された機械の部分(複数可)を示すデータ28620の1つまたは複数の予測メンテナンスセットを生成してもよい。データ28620のセットは、1つ以上の特定の産業用機械の予測メンテナンス活動を実行するために必要な特定の部品、サービス手順、材料、サービス時間枠を含んでもよい。実施形態では、産業機械予測メンテナンスサブシステム28616によって実行され得る機械故障分析は、CMMSサブシステム28622からの作業命令の生成を容易にしてもよい。
実施形態では、CMMSサブシステム28622は、産業機械予測メンテナンスサブシステム28616、CMMSインターフェース28624、産業機械の部品リストなどを含むかもしれない構成され維持されるデータ構造、および産業機械のサービスの実行を容易にするための他の情報などのソースから、産業機械の詳細、産業機械のサービス(例えば、修理、メンテナンス、アップグレードなど)の詳細、従うべき手順、必要とされる部品などを受信してもよい。CMMSサブシステム28622は、部品供給者、サービスプロバイダ、第三者パートナー、ベンダー、整備される産業機械の所有者/操作者などとの間でアクションを開始してもよい。一例では、CMMSサブシステム28622は、必要なサービスを提供する資格があるとしてCMMSサブシステム28622に知られている1つまたは複数のサービスプロバイダからサービスの注文を生成してもよい。
実施形態では、CMMSサブシステム28622は、CMMSサブシステムによってアクセス可能なデータストアに格納されていてもよい1つまたは複数の予測メンテナンス知識ベースおよび/またはナレッジグラフとインタフェースしてもよい。実施形態では、そのようなCMMS知識ベース等は、CMMSサブシステム28622によって提供されるサービス決定および注文生成サービスに有益な情報を含み得る知識グラフをさらに含んでもよい。CMMMS知識グラフは、産業機械、産業機械のサービス活動、産業機械の部品、材料、工具、およびサービスのためのコスト(例えば、履歴、傾向、および予測)、CMMMSサービス28626を提供するためのアルゴリズムおよび機能性などに関する情報を含むか、またはコンピュータアクセスを提供してもよい。CMMMSサブシステム28622は、産業機械の所有者が選択した時間枠内でサービスが実行されるように、産業機械のサービスに関する産業機械所有者の決定に基づいて、サービス提供者、部品提供者、材料および工具提供者などとの調整を容易にしてもよい。
CMMMSサブシステム28622は、個々の産業用機械等へのアクセスを容易にするかもしれないCMMMSインターフェース28624を介してスマートRFID要素28614内の情報にアクセスしてもよい。CMMMSサブシステム28622は、CMMSインターフェース28624を介して受信した情報を使用して、特定の機械のために効果的かつ効率的にメンテナンスを実行するためのリソースの調整を実行することを容易にしてもよい。一例では、特定の産業機械は、その可動部の1つ(例えば、産業用モータ)を典型的なものよりも大きく利用する結果となる動作サイクルを有していてもよい。この情報は、予測メンテナンスサブシステム28616によって処理され、機械に対して実行する必要があるかもしれないサービスの指示をもたらすかもしれない。予測保全サブシステム28616は、部品、サービス等の注文を生成するために処理するであろう情報をCMMMSサブシステム28622に提供してもよい。この知識は、CMMSサブシステム28622によって使用されてもよく、サービス、部品、および材料供給者と対話して、利用率の低い他の比較可能な産業機械とは異なる時期(例えば、数週間または数ヶ月早く)に利用率に基づくメンテナンスサービスを実行するための確固たる見積書を提供するために使用されてもよい。
実施形態では、CMMSサブシステム28622は、異なるタイプの機械(例えば。定置機械、移動機械、車両上の機械、作業現場に配備された機械など)に関する情報とともに、サービス提供者情報、部品および部品提供者情報、部品の位置および在庫情報、機械生産提供者、第三者部品取扱者、物流提供者、輸送提供者、サービス基準、サービス要件、サービスの結果などを含むサービス活動、およびサービス、部品などの注文を調整することを含むサービス提供28626を容易にするための他の情報を収集してもよい。
実施形態では、予防保全サブシステム28616から提供される産業機械故障識別情報に応答して、予測保全知識システム3002は、サービス提供者候補を特定してもよい。依頼されたサービスのために必要とされる手順について成功裏に実証された経験があるとCMMSサブシステム28622に知られているサービスプロバイダは、サービス見積もりおよび/またはサービス、部品などの価格見積もりを提供するために連絡されてもよい。同様に、要求されたサービスの手順に関連する可能性のある部品および/または材料が特定されてもよい。部品コスト、輸送コスト、入手可能性、部品対機械の位置、1つまたは複数の部品提供者と、産業機械の所有者などのサービス要求に関連する当事者との間の事前の関係、および他の要因などの要因は、部品を注文する準備のためにどの部品提供者に連絡すべきかを決定するために評価されてもよい。これらの要因が考慮された状態で、部品の問い合わせは、予防保守サブシステム28616からの適格なサービス指示によって、1つ以上のサービス推奨事項を伴うサービスが実施されることを見越して、1つ以上の部品提供者に発注されてもよい。実施形態では、CMMSサブシステム28622は、特定のサービス推奨を自動的に選択するのに十分な情報を有していてもよく、明示的な承認の有無にかかわらず、要求されたサービスに必要な場合には、部品/材料/工具の注文を含んでもよいサービス注文28626を生成してもよい。
実施形態では、CMMSサブシステム28622が依存してもよい情報は、産業機械に関連付けられたエンタープライズ・リソース・プランニング(ERP)インターフェース、および産業機械のために部品および/またはサービスを提供してもよい独立した部品供給者、サービスプロバイダなどの第三者の情報源から供給されてもよい。実施形態では、CMMSサブシステム28622は、サービス提供者、部品提供者などとの発注を効果的に行うために、ERPインターフェース28628を介してのような、産業機械所有者のERPシステムと調整してもよい。CMMSサブシステム28622は、サービス材料の価格および可用性を決定するために、サービス材料プロバイダ情報を使用してもよい。この情報は、産業機械サービス提供28626の一部としてサービス材料のための適切な注文を生成することを容易にするために、サービス材料在庫情報と組み合わせてもよい。
実施形態では、CMMSサブシステム28622は、故障を回避するために修理を完了しなければならない時間枠と、修理を実施する方法についての製造業者マニュアルからの指示を伴う推奨修理を受信してもよい。この修理情報は、次に、CMMSサブシステム28622(例えば、クラウドベースのシステム)によって処理されてもよく、そこで作業指示書が作成され、追跡される。作業指示書は、分析によって提供された時間枠に基づいて、メンテナンスを必要とする特定の機械がいつ修理のために利用可能であるかを見つけるために、工場の生産スケジュールをチェックするために、ERPシステムにデジタル的にプッシュされてもよいし、機械がオフラインになる時間の量、例えば、修理を行うためにどのくらいの時間を要するべきかを記載したサービス手順で参照される製造業者のマニュアル内の情報に基づいて、作業指示書を作成してもよい。ERPシステムが利用可能な日付を見つけると、それは、部品とサービス作業のためのベンダーからの入札を求めるために、または優先請負業者などのサービス請負業者と部品のための発注を行うためにCMMSサブシステム28622と調整することができる。実施形態では、CMMSサブシステム28622またはERPシステムは、必要な部品情報(例えば、部品番号、ビンテージ、リビジョン、仕様、アフターマーケット代替品、最後に支払われた価格、中古部品がOKかどうか、など)と、サービス動作に必要な修理動作(例えば、手順ステップ、診断、必要な機器/工具、必要な材料、必要な人員、など)とを入札者に提供するために、手順のための製造業者マニュアルを使用するだけで、入札要求を構成してもよい。入札は、手順に記載された修理行為に基づいて、入札されるべき仕事の作業範囲となってもよい。実施形態では、他の問題が発見され、この範囲外で対処された場合は、ベンダーへの追加補償を承認するための二次プロセスが実行されてもよい。
実施形態では、サービス提供および追跡サブシステム28630は、サービス技術者、産業用機械の所有者/操作者、第三者(例えば、監査人、規制当局、組合員、安全協会、部品製造者など)などのサービス提供者が、サービス注文データ28626から決定され得るように、注文されたサービス要求に関連する情報を収集して報告するために使用されてもよい。サービスされる部品、機械の設置、サービス前および/またはサービス後の機械の動作のビデオ、産業用機械から取り外された部品、サービス担当者など)が、産業用機械の1つ以上の部品を自動的に検出するための画質基準を満たすのに十分な品質で撮影されることを保証する。
実施形態では、サービス提供および追跡サブシステム28630は、サービス手順の洗練、部品発注などのために、サービスデータ28632をまとめて産業用機械メンテナンスデータ分析サブシステム28602に報告してもよい。
実施形態では、様々なサブシステムによって実行された作業および分析に対する報酬は、様々なソースから導き出されてもよい。CMMSサブシステム28622のオペレータ/所有者/関連会社は、注文された各部品またはサービスに対する手数料を受け取ることなど、トランザクションベースで補償されてもよい。このような手数料は、固定部分(例えば、部品注文ごとの金額)を含んでもよく、可変部分(例えば、注文合計のパーセンテージ)を含んでもよい。この料金は、メンテナンス動作を実行するための部品およびサービスの支払いを担当する当事者に請求される料金に明示的に含まれていてもよい。この料金は、各部品/サービスの費用に組み込まれ、責任当事者から部品および/またはサービス提供者に渡される支払いからの控除として回収されてもよい。
実施形態では、産業用機械予測メンテナンスシステムは、データ収集ネットワークを介して受信された産業用機械の一部の状態を代表するデータに機械学習を適用することにより、産業用機械健全性モニタリングデータのストリームを生成する産業用機械データ分析設備を含んでもよい。システムは、機械故障検出および分類アルゴリズムを適用することにより、健康モニタリングデータに応答する産業用機械サービス推奨事項を生成する産業用機械予測メンテナンス設備をさらに含んでもよい。システムは、産業用機械サービス推奨を受信することに応答するサービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含んでもよい。そして、システムは、サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械のサービス活動および結果の台帳を生成しながら実行されたサービスを検証するサービスおよび配送調整設備を含んでもよい。
実施形態では、特定の機械のメンテナンス、サービスおよび修理に関する関連のノウハウおよび専門知識を有する作業者のセットを見つけるための方法およびシステムは、本明細書に記載されている予測メンテナンスなどの産業用機械のサービスのために、タイムリーで質の高い作業者が選択され、配備されることを保証するために、作業者選択アルゴリズムと共に機械学習アルゴリズムを採用してもよい。図303を参照すると、上述したような労働者のセットを見つけるための機械学習に基づく方法が描かれている。実施形態では、労働者を見つけるための設備28702は、プロセッサ上で実行され得るアルゴリズムおよびデータ構造のセットを含むシステムとして構成されてもよい。労働者を見つけるための設備28702は、労働者、機械、手順、およびそのようなものに関するデータを、予測メンテナンス活動などのサービス活動と資格のある労働者のマッチングを容易にするアルゴリズムで処理してもよい。労働者を見つける例では、サービス活動は、産業用機械の一部を修理および/または保守することなどのサービスまたは保守手順28706に従うことを含んでもよい。手順28706は、モデル番号、ファミリーなどによって、1つ以上の産業機械を示すことをさらに含んでもよい。労働者発見設備28702は、労働者データベース28722から労働者に関する情報を取得することによって、例えば、労働者が経験、訓練、認証などを有する手順を含む、1つ以上の労働者の特徴付けを容易にする情報にさらにアクセスしてもよい。作業者が経験等を有する手順を含む1人または複数の作業者は、さらなる精錬のために選択されてもよく、これは、作業者の場所を機械の場所にマッチングさせること、作業者の利用可能性および/またはスケジュールを機械のサービススケジュールにマッチングさせること、作業者の料金/料金を機械の所有者のサービス予算にマッチングさせること、およびそのようなことを含んでもよい。結果として得られる絞り込み作業者のリスト上の1つ以上の作業者は、機械上で実行されるべきサービスについて連絡されてもよい。例えば、そのような労働者の接触に対する応答に基づいて、一次労働者が、労働者発見設備28702によって選択され、手順28706を介してサービスを実行するために割り当てられてもよい。
実施形態では、労働者発見設備28702は、サービスが必要とされる可能性がある手順28706のリストにアクセスしてもよい。労働者発見設備28702は、例えば、労働者が手順を実行した回数、労働者が同様の手順を実行した回数などの手順基準を満たす労働者のために、労働者情報28716を検索することによって、手順を実行するための資格を有する労働者のデータセットを構築してもよい。より多くの経験を有する労働者は、特定の手順のためのそのようなデータベース内で好ましい労働者としてマークされてもよく、それにより、手順の実行が必要とされるときに、それらの好ましい労働者を容易に識別することができる。実施形態では、労働者は、労働者が実行する手順等に関する情報を更新することにより、労働者データベース28722を直接維持してもよい。
実施形態では、作業者発見設備28702は、手順28706、機械28708、機械の場所28710、機械の所有者および/または所属28712、必要とされるサービススケジュール28714、および実行されるべき予測メンテナンス活動などの1つ以上のサービス活動についての情報を受信して、手順、機械、場所、所有者、スケジュールなどの所定の組み合わせについての好ましい作業者のプロファイルを形成してもよい。労働者発見設備28702は、プロファイルに最も適合する労働者が容易に発見され得るように、そのような情報の様々な組み合わせのためのプロファイルを構築してもよい。実施形態では、そのような好ましい労働者プロファイルは、サービス組織などの第三者が、プロファイルに基づいてサービスを提供するための見積もりなどを提供できるように、公開されてもよい。これらの見積もりは、産業機械等の予測メンテナンスの方法およびシステムによって捕捉され、予防メンテナンスサービス等のような一般的または頻繁に必要とされるサービスのためのサービス提供者の市場を構築するために使用されてもよい。
実施形態では、労働者データベース28722等で捕捉された情報は、手順等のために資格のある労働者を提供するための要件と労働者のマッチングを改善することを容易にするために、機械学習アルゴリズム28724で処理されてもよい。実施形態では、好ましい労働者プロファイルおよびその公開に応答して受信された情報は、好ましい労働者プロファイルを構築するために使用されるアルゴリズムを洗練するために、機械学習アルゴリズム28724で処理されてもよい。
実施形態では、労働者発見設備28702による労働者の選択に影響を及ぼす可能性のある追加の情報は、サービス組織、産業機械の製造業者、業界組織、およびそのようなものとの労働者の所属を含んでもよい。特定の労働者に関する紹介および/またはフィードバックは、個々の労働者、労働者グループ、および好ましい労働者の状態などについての決定に考慮されてもよい。労働者の料金および/または料金(例えば、見積もり、実際の料金、支払条件およびそのようなものに基づく)は、労働者を見つけることにさらに織り込まれてもよく、そのような労働者は、2人以上の労働者が全体的に同等の資格を有している場合に、より低いコストまたはより容易な支払条件を有する労働者が、より高いコストおよびそのようなものを有する労働者よりも、所与の手順についてより高いランクにランク付けされてもよい。
実施形態では、労働者を見つけるための技術は、産業用機械の需要が必要とするように、リアルタイムまたはほぼリアルタイムで実行されてもよい。このようにして、新しい労働者が利用可能になると、労働者を見つけることは、インターネットを介してウェブサイトなどを介してアクセス可能な労働者プロファイルなどの更新を組み込んでもよい。
実施形態では、システムは、産業用機械健全性モニタリングデータに機械故障検出および分類アルゴリズムを適用して産業用機械サービス推奨を生成する産業用機械予測メンテナンス設備を含んでもよい。そのようなシステムはまた、産業機械サービス推奨によって示されたサービスを実行するための少なくとも1つの候補労働者を、産業機械サービス労働者データベース内の産業機械サービス労働者のための経験およびノウハウのうちの少なくとも1つと関連付けることによって識別する労働者発見設備を含んでもよい。実施形態では、システムは、類似の産業機械で実行される複数のサービスに関するサービス関連情報と、少なくとも1つの候補労働者によって実行される複数のサービスに関する労働者関連情報とに基づいて、相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムを含んでもよい。
実施形態では、予測メンテナンス等を含む産業機械のサービスおよび保守のための産業機械保守部品/サービス発注設備28802は、少なくとも本明細書に添付された図304に描かれているように具現化されてもよい。産業機械メンテナンス部品/サービス発注設備28802は、産業機械のメンテナンス、サービスおよび修理操作が最小限の中断でシームレスに発生することができるように、関連する部品およびコンポーネントの検索、発注、および注文の履行を容易にしてもよい。実施形態では、産業機械メンテナンス部品/サービス発注設備28802は、産業機械の詳細28808、産業機械のためのサービス(例えば、修理、メンテナンス、アップグレードなど)の詳細28810、従うべき手順28806、必要な部品28814、サービス提供者28820、部品提供者28822などを受信してもよい。産業機械メンテナンス部品/サービス発注設備28802は、部品供給者、サービス提供者、第三者パートナー、ベンダー、整備される産業機械の所有者/操作者などとの間でアクションを開始してもよい。一例では、産業機械メンテナンス部品/サービス発注設備28802は、産業機械メンテナンス部品/サービス発注設備28802に必要なサービスを提供する資格があると産業機械メンテナンス部品/サービス発注設備28802に知られている1つまたは複数のサービスプロバイダ28820からサービスのための注文28818を生成してもよい。産業機械メンテナンス部品/サービス発注設備28802はまた、必要な部品を時間通りに、予算内で提供する資格を有するものとして知られている1つ以上の部品提供者28822からの部品注文28816を生成してもよい。部品注文288816およびサービス注文28818はまた、所有者28812または産業機械へのアクセスを確保するために責任を負う他のエンティティに伝達されてもよい。選択された部品/サービス提供者は、サービスが適切に提供されることを確実にするために、所有者28812とさらに調整してもよい。産業機械メンテナンス部品/サービス注文設備28802は、スケジューリング、予算、サービス及び部品提供者の好み及び/又は所属に関する機械所有者28812の好み及び/又は要求にアクセスして、それに基づいてサービス提供者、部品提供者、材料及び工具提供者等との調整を容易にすることができるかもしれない。
部品コスト、輸送コスト、入手可能性、部品対機械の位置、1つ以上の部品提供者と、産業機械の所有者などのサービス要求に関連する当事者との間の事前の関係、および他の要因などの要因は、部品28816を注文する準備のために、どの部品提供者28822に連絡を取るべきかを決定するために評価されてもよい。これらの要因が考慮された状態で、適格なサービス提供者によってサービスが実施されることを見越して、部品の問い合わせを1つ以上の部品提供者28822に行ってもよい。実施形態では、産業機械メンテナンス部品/サービス発注設備28802は、特定のサービスプロバイダ28820を自動的に選択するのに十分な情報を有していてもよく、明示的な承認の有無にかかわらず、サービス発注28818を生成してもよい。
実施形態では、産業機械メンテナンス部品/サービス発注設備28802が、産業機械の所有者によって所有または運営されているエンタープライズ・リソース・プランニング(ERP)システムからのベンダーに関する情報などに依存してもよい。実施形態では、産業機械メンテナンス部品/サービス発注設備28802は、産業機械所有者のERPシステムと調整して、サービス提供者、部品提供者等との発注を効果的に行うことができる。
実施形態では、システムは、産業用機械の健全性モニタリングデータに機械故障検出および分類アルゴリズムを適用して産業用機械のサービス推奨を生成する産業用機械予測メンテナンス設備から受信したサービス推奨に応答する部品およびサービスの注文を準備して制御する産業用機械メンテナンス部品およびサービス注文設備を含んでもよい。実施形態では、システムは、部品およびサービスの注文のうちの少なくとも1つを生成するためのサービス推奨に関連付けられた手順をさらに分析してもよい。
実施形態では、産業用機械予測メンテナンスシステムは、産業用機械の一部にスマートRFIDデバイスを配備することを含んでもよい。スマートRFIDデバイスは、機械に関する情報、例えば、構成情報、組立情報、物理的要素の詳細(例えば、部品番号、リビジョン、生産の詳細、テストの詳細など)、手順情報(例えば、組立、分解、テスト、構成、サービス、部品交換など)、および他の操作情報などを含むように構成されてもよい。スマートRFIDデバイスは、機械の効率的なサービスおよびメンテナンスに関連する情報を含む可能性のある各要素など、機械の各主要要素とともに廃棄されてもよい。実施形態では、スマートRFIDデバイスを使い捨てにすることは、特定の部品(複数可)の生産情報などを特定の部品(複数可)のために捕捉することができるように、産業機械およびそのような部品およびサブシステムの生産に構成されてもよい。スマートRFID要素は、大規模なサービスマニュアル等を含む様々な情報のためのストレージを提供するだけでなく、スマートRFID要素は、機械トラブルシューティング等のために重要であるかもしれない潤滑手順、軸受交換手順、軸受故障頻度等のような手順をユーザが迅速に見つけることを容易にするかもしれない検索、索引付け、リンク等の機能性を含んでもよい。実施形態では、情報にアクセスするための少なくとも1つの方法は、専門家サービス担当者によって使用される既存の技術と互換性があり、これらの専門家が仕事にとどまっている間に、新しいサービス提供者に教えることができる。実施形態では、情報の任意の実施形態(例えば、スマートRFID、RFIDのクラウド表現、サードパーティのサービスマニュアル、産業用機械生産者システムなど)に共通のアクセスアプローチを使用できるように、索引付け、リンクなどを含む容易なアクセスを提供することは、文書、手順書、データシート、マニュアルなどの作成時に組み込まれてもよい。
図305を参照すると、産業機械28900は、複数の要素、部品、サブアセンブリなどから構成されてもよい。そのようなサブアセンブリの1つは、産業機械モータ28902を含むかもしれない。RFIDデバイスは、スマートRFIDデバイスのために本明細書に記載されているような、特定のモータのための詳細を含んでもよい機械と一緒に廃棄されてもよい。モータ28902のRFIDデバイスは、サービス、メンテナンス、テストなどを実施するために、テーブルなどのユーザ28914がモータ28902のRFIDデバイスに記憶された情報にアクセスすることができるように、スマートフォン、タブレットなどの近接に持ち込まれた他のデバイス28914と無線通信を介してなど、通信してもよい。実施形態では、モータ28902のサービス手順は、モータ28902のRFIDから検索され、サービス技術者が従うべきテーブル28914上で実行されるアプリケーションを介して表示されてもよい。別のそのようなサブアセンブリは、産業機械ドライブシャフト28904を含むかもしれない。RFIDデバイスは、特定のドライブシャフト28904に対して、スマートRFIDデバイスのために本明細書に記載されているような詳細を含んでもよい機械と一緒に廃棄されてもよい。ドライブシャフト28904のRFIDデバイスは、サービス、メンテナンス、テストなどを実施するために、テーブルなどのユーザ28914がドライブシャフト28904のRFIDデバイスに格納された情報にアクセスすることができるように、スマートフォン、タブレットなどの近接して持ち込まれた他のデバイスと無線通信を介してなど、通信してもよい。実施形態では、ドライブシャフト28904のサービス手順は、ドライブシャフト28904のRFIDから取得され、サービス技術者が従うようにテーブル28914上で実行されるアプリケーションを介して表示されてもよい。まだ別のそのようなサブアセンブリは、産業機械ギアボックス28906を含むかもしれない。RFIDデバイスは、特定のギアボックス28906のために、スマートRFIDデバイスのために本明細書に記載されたような詳細を含んでもよい機械と一緒に廃棄されてもよい。ギアボックス28906デバイスのRFIDデバイスは、例えば、スマートフォン、タブレットまたはそのようなテーブル28914のユーザがサービス、メンテナンス、テストなどを実施するためにギアボックス28906のRFIDデバイスに格納された情報にアクセスすることができるように、近接して持ち込まれた他のデバイス、例えばスマートフォン、タブレットまたはそのようなテーブル28914と無線通信を介して通信してもよい。実施形態では、ギアボックス28906のサービス手順は、ギアボックス28906のRFIDから取得され、サービス技術者が従うようにテーブル28914上で実行されるアプリケーションを介して表示されてもよい。さらに別のそのようなサブアセンブリは、産業機械の多関節アーム28908を含むかもしれない。RFIDデバイスは、特定の多関節アーム28908のために、スマートRFIDデバイスのために本明細書に記載されたような詳細を含むかもしれない機械と一緒に廃棄されてもよい。多関節アーム28908のRFIDデバイスは、サービス、メンテナンス、テストなどを実施するために多関節アーム28908のRFIDデバイスに格納された情報にアクセスすることができるように、スマートフォン、タブレット、またはそのようなテーブルなどの28914のユーザが近接して持ち込まれた他のデバイスと無線通信を介してなど、通信してもよい。実施形態では、多関節アーム28908のサービス手順は、多関節アーム28908のRFIDから取得され、サービス技術者が従うべきテーブル28914上で実行されるアプリケーションを介して表示されてもよい。
図305をさらに参照すると、このようなサブアセンブリは、産業機械バケット28910を含み得る。305では、まだ別のそのようなサブアセンブリは、産業機械バケット28910を含むかもしれない。RFIDデバイスは、特定のバケット28910に対して、スマートRFIDデバイスのために本明細書に記載されているような詳細を含んでもよい機械と一緒に廃棄されてもよい。バケット28910のRFIDデバイスは、サービス、メンテナンス、テストなどを実施するためにバケット28910のRFIDデバイスに格納された情報にアクセスすることができるように、スマートフォン、タブレットなど28914のユーザが近接して持ち込まれた他のデバイスと無線通信を介してなど、通信してもよい。実施形態では、別のそのようなサブアセンブリは、産業機械ドライブトレイン28912を含むかもしれない。RFIDデバイスは、特定のドライブトレイン28912のために、スマートRFIDデバイスのために本明細書に記載されているような詳細を含んでもよい機械と一緒に廃棄されてもよい。ドライブトレイン28912のRFIDデバイスは、サービス、メンテナンス、テストなどを実施するために、テーブルなどのユーザ28914がドライブトレイン28912のRFIDデバイスに記憶された情報にアクセスすることができるように、スマートフォン、タブレットなどの近接して持ち込まれた他のデバイス28914と無線通信を介してなど、通信してもよい。実施形態では、ドライブトレイン28912のサービス手順は、ドライブトレイン28912のRFIDから取得され、サービス技術者が従うようにテーブル28914上で実行されるアプリケーションを介して表示されてもよい。実施形態では、モータ28902 RFID、ドライブシャフト28904 RFID、ギアボックス28906 RFID、多関節アーム28908 RFID、バケット28910 RFID、ドライブトレイン28912 RFIDなどのRFIDデバイスのいずれかは、産業機械28900上またはそれに近接して配置されてもよい産業機械アクセスポイント28916などのアクセスポイントと無線通信ネットワークを介して通信してもよい。産業機械アクセスポイント28916を介してRFID装置からネットワーク28918、例えば設備内の他の産業機械を接続するためのネットワークやインターネットなどの外部ネットワークへのアクセスを得るために通信する。産業機械RFIDデバイスに記憶された情報は、本明細書に記載された予測メンテナンス方法およびシステムで使用するために、ネットワーク28918を介して送信されてもよい。
実施形態では、システムは、産業機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業機械の一部分のための操作上、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID要素は、さらに、産業用機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されていてもよい。
実施形態では、産業用機械に関する情報、例えば産業用機械の一部に関する情報は、産業用機械またはその一部と一緒に配置されたRFID要素に格納されてもよい。記憶された情報は、少なくともウェブブラウザなどで構成されたスマートフォンまたは他のコンピューティングデバイスを使用することによってなど、情報の任意の部分への迅速かつ効率的なランダムアクセスを容易にするように構成されていてもよい。情報は、階層的なデータ構造などのような、階層的なデータ構造などを参照することによって情報の探索を容易にするように構成されてもよい。図306を参照すると、そのようなRFIDの一部の例示的な高レベル構造29000が提示され、行および列を含む。例示的な高レベル構造29000は、生産などの情報の一般的な領域を識別し得る情報29002のカテゴリを含んでもよい。各そのようなカテゴリは、さらに識別情報を有してもよい説明欄2904に記述されてもよい。注記欄2906は、必要に応じて更新されてもよい自由形式の注記で構成されてもよい。実施形態では、カテゴリ2902は、生産、部品、品質、設置、検証、手順、運用、組立などのような、産業機械に関連する情報カテゴリの範囲を含んでもよい。カテゴリ2902の例では、バリデーション2908は、必要とされ、実行されるバリデーションテストのリストを結果と共に含んでもよい。バリデーションテストは、顧客のサイトなどでの設置をバリデーションするために実行されてもよい。バリデーション2908はまた、バリデーションに必要な手順29010カテゴリを介してRFIDでアクセス可能な1つ以上の手順へのリンクを含んでもよい。
実施形態では、スマートRFID要素上に格納されてもよい、および/またはスマートRFID要素を介してアクセス可能な産業機械関連情報は、産業機械とともに配置されたセンサによって収集され、本明細書に記載されたセンサデータ収集方法およびシステム、ならびに本明細書に組み込まれた参照文献を介して収集された、限定されないが、運転データを含んでもよい。スマートRFID要素上に記憶されてもよいし、スマートRFID要素からアクセス可能な他の情報は、過剰な温度、予期しないシャットダウン、システムの再起動などのような、動作データおよび/またはテストデータにおける検出された例外を含むが、これに限定されない。スマートRFID要素は、WiFi、NFC、BLUETOOTH(登録商標)などを含む通信プロトコルの範囲を介して、スマートフォン、タブレット、通信インフラストラクチャノード、コンピュータ、メッシュネットワークデバイスなどの外部コンピューティングデバイスと通信してもよい。実施形態では、スマートRFID要素は、ポータブルコンピューティングデバイスがスマートRFID要素のNFC範囲内に持ち込まれたときなど、コンピューティングデバイスが無線通信近接状態にあるときに、ポータブルコンピューティングデバイスと無線で通信してもよい。スマートRFID要素は、IoTデバイスとしてのインターネットなどのネットワークを介して通信してもよい。スマートRFID要素は、産業機械に関連する1つ以上のサービス活動のために、要素およびクラウドアクセス可能なソースからの情報を集約してもよいWebサーバなどのサーバにデータを送信してもよい。実施形態では、スマートRFID要素は、活動の終了/開始時、シフト時、日中、予防保全がすぐに実行される時など、都合の良い時に外部コンピューティングデバイス(複数可)と通信してもよい。
スマートRFID要素は、産業用機械またはその一部の生産および/または組立中に使用され、ベアリングの周波数、ギアの歯数およびタイプ、組立/組立バージョン情報、組立/テストパラメータ、自己テスト情報、校正情報、テスト時間、在庫の滞留時間などの機械の物理的な詳細をキャプチャすることができます。
スマートRFID要素は、産業用機械またはその一部の設置および/または展開中に使用され、機械の向き、試験活動、起動活動、検証活動/実行、生産開始時刻、設置/展開/構成要員、産業用機械の画像などをキャプチャするために使用されてもよく、これらの少なくとも一部は、スマートRFID要素上に格納され、および/またはスマートRFID要素を介してアクセス可能な1つ以上の設置および/または展開手順によって決定されてもよい。
実施形態では、システムは、産業機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業機械の一部分のための操作上、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID要素は、さらに、産業用機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されていてもよい。スマートRFIDはさらに、産業機械のルートエントリから直接アクセス可能な複数の部分を含む、産業機械に関する情報への階層的アクセスを容易にするように構成されてもよい。実施形態では、直接アクセス可能な複数の部分の各々は、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含む。リストから選択される1つの部分のためのエントリを格納するように構成されている。
実施形態では、サービス用などの産業機械情報の保存およびアクセスのためのスマートRFIDの代替構成は、図307に描かれているようなデータ構造を含んでもよい。データ構造29100は、図示されているように、列および行として構成されてもよい。第1の列は、トピック列29102であってもよく、例えば、限定されないが、組み立ての日付、場所、モデル番号、シリアル番号、時間、作業指示番号、顧客、製造された産業機械の画像などを含む製造トピックである。トピック欄29102の各トピックは、値欄29104の1以上の対応する値を有していてもよい。一例では、トピック列29102内のシリアル番号トピック29108は、値列29104に記載されている特定の産業機械のための1つ以上の対応するシリアル番号を有していてもよい。トピック列29102内の各トピックに対するコメントまたは他のメタデータは、ノート列29110内の対応するエントリに取り込まれてもよい。
実施形態では、システムは、産業機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業機械の一部分のための操作上、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID要素は、さらに、産業用機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されていてもよい。実施形態では、生産部分は、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業機械の部分の画像のためのエントリを含んでもよい。
実施形態では、サービスのためなどの産業機械情報の保存およびアクセスのためのスマートRFIDの代替構成は、図308に描かれているようなプロシージャデータ構造を含んでもよい。マシンレベルのプロシージャデータ構造29200は、図示されているように、列および行として構成されてもよい。第1の列は、較正、シャットダウン、規制遵守、組立、安全性チェック、画像キャプチャなどのようなマシンレベルのプロシージャをリストアップしてもよいプロシージャ列29202であってもよい。マシンレベルのプロシージャ列29202内の各プロシージャは、プロシージャ識別番号、バージョン、およびそのようなものなどの属性列29204内の1つ以上の対応する値を有してもよい。一例では、プロシージャ列29202内の安全チェックプロシージャ29208のエントリは、プロシージャ番号(複数可)および対応するバージョン番号(複数可)を属性列29204内に有していてもよい。プロシージャ列29202の各プロシージャに対するコメントまたは他のメタデータは、ノート列29210の対応するエントリに取り込まれてもよい。
実施形態では、システムは、産業機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業機械の一部分のための操作上、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID要素はさらに、産業用機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されていてもよい。実施形態では、手順部分は、較正、シャットダウン、規制、組立、安全チェック、画像撮影、予防保全、部品修理、部品交換、および分解を含む。リストから選択された手順のためのエントリを含んでもよい。
図309を参照すると、図309を参照して、産業用機械29320についての情報29300を収集するための方法およびシステム、例えば機械の動作、状態などの情報は、本明細書および他の場所で説明されているような産業用機械予測メンテナンス方法およびシステムにとって有益であるかもしれない。実施形態では、産業機械上のセンサから情報を収集することは、収集された情報を、情報が処理されて記憶されてもよいネットワーク化されたサーバ29318に、1つまたは複数のアクセスポイント29308を介してルーティングすることを含んでもよい。実施形態では、産業用機械上のセンサから情報を収集することは、センサと、機械上にまたは機械と一緒に配置されたスマートRFIDデバイス29302との間で通信することを含んでもよい。温度センサ29310、振動センサ29312、回転センサ29314、動作サイクルセンサ(例えば、サイクルカウンタなど)29316などのセンサからのデータは、スマートRFIDデバイス29302に提供されてもよく、そこで情報は、サーバ29318、工業用機械29320の通信近接に持ち込まれた処理装置(図示せず)などの外部装置による更なるアクセスのために処理され、保存されてもよい。産業機械固有のデータは、センサから収集され、スマートRFID29302以外のコンピュータアクセス可能なメモリ上にスマートRFID29302のデジタルツイン29304を生成するためにプロセッサ29306を採用してもよい1つ以上のウェブサーバ29318にルーティングされてもよい。実施形態では、デジタルツイン29304は、スマートRFID29302内のコンテンツをコピーすることによって生成されてもよい。同様に、マシン固有の感知されたデータは、RFIDツイン29304のメモリからスマートRFID装置29302にコピーされてもよい。したがって、RFIDツイン29304は、スマートRFID29302のコピーであってもよく、互換性のある構造、フォーマット、および実質的に同一のコンテンツを維持しながら、スマートRFID29302とは独立して生成されてもよく、または、スマートRFID29302にコピーされてマシン上の情報のコピーを維持してもよいマシン固有のデータ(例えば、アクセスポイントを介してセンサから提供される)のソースであってもよい。実施形態では、サーバ29318は、単一の産業機械などのための複数のスマートRFIDデバイスを含む、複数の産業機械のための複数のスマートRFIDデバイスのデジタルツインを維持してもよい。
実施形態では、システムは、産業機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業機械の一部分のための操作上、物理的および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されたスマートRFID要素を含んでもよい。スマートRFID要素はさらに、産業用機械の少なくとも1つのサービス手順の実行を可能にする情報を受信し、整理し、不揮発性メモリに格納するように構成されていてもよい。実施形態では、前記システムは、プロセッサを介してアクセス可能なデータ記憶要素をさらに含んでもよく、前記データ記憶要素は、前記スマートRFID要素の複数に記憶された情報のコピーを構成する。実施形態では、情報の各コピーは、対応するスマートRFIDに格納された情報の双子を構成する。
実施形態では、本明細書に記載されているような産業用機械の予測メンテナンス方法およびシステムは、産業用機械の一部の計画、エンジニアリング、生産、組立、試験などに関連する情報を捕捉することができる1つまたは複数の機械常駐スマートRFIDデータ構造の使用を含んでもよい。これらのプロセスから情報をキャプチャすることを容易にすることができる実施形態は、図310に描かれているかもしれない。産業機械29422は、操作要素、構造要素、処理要素、および少なくとも1つのスマートRFID要素29402などの複数の要素から構成されてもよい。産業用機械29422の製造中、産業用機械常駐プロセッサ29408は、産業用機械のテストを実行するために、自己テスト要素29424などと協調して動作してもよい。自己テスト中に収集されたデータ、例えば適切な動作の確認などは、プロセッサがこのデータをスマートRFID要素29402のメモリに書き込むことによって、スマートRFID要素29402に記憶されてもよい。実施形態では、生産テストシステム29418はまた、産業用機械29422の一部のテストを行ってもよく、その結果は、スマートRFID要素29402に記憶されてもよい。産業機械29422は、品質システム29410、製造資源および計画(MRP)システム29414、生産技術システム29416などの様々な生産システムのための情報を収集および/または提供するために、生産中にイントラネットなどの生産ネットワーク29420と通信してもよい。部品リスト、生産情報などの情報(図307に描かれている例示的なデータ構造)は、生産アクセスポイント29412などを介して生産ネットワーク29420を介して通信する産業機械29422によってなど、スマートRFID要素29402と一緒に保存されてもよい。様々な生産システム、品質29410、MRP29414、エンジニアリングシステム29416、試験29418等からの情報は、ネットワーク29420を介してスマートRFID要素29402に転送されてもよい。実施形態では、ネットワーク化されたサーバ29426は、ネットワーク29420を介してこれらの生産システムの少なくとも一部と通信して、例えば、スマートRFID要素29402に格納されるべき関連する生産情報をプロセッサ29406で捕捉して処理し、および/またはサーバ29426にアクセス可能なメモリ内のデータ構造に格納してもよい。データ構造29404は、スマートRFID要素29402に格納された情報の少なくとも一部を含んでもよい。実施形態では、データ構造29404は、生産される特定の産業機械のためのスマートRFID要素29402の少なくとも関連する生産コンテンツのデジタルツインであってもよい。実施形態では、生産システムからのデータは、ネットワーク294020を通ってサーバ29426に流れてもよく、任意に、そこで処理されてもよく、例えば、スマートRFID素子29402と一緒に格納するために、産業機械29422に無線接続を介して、フォーマットされ、符号化され、配信されてもよい。生産システムは、工業用機械の部品、サブアセンブリ、および部分の画像をキャプチャすることを含んでもよい品質管理システム29410を含んでもよい。キャプチャされた画像は、アセンブリなどを検証するために、マシンビジョンおよび他の画像解析技術で処理されてもよい。これらの画像、これらの画像から導出された画像解析データ等は、スマートRFID要素29402を介してアクセスされ得るように保存されてもよい。一例では、生産で使用されるテスト手順などの手順は、配備プロセスの一部として産業用機械29422をテストするために有用であってもよい。これらの手順は、生産ネットワーク29420を介してエンジニアリングシステム29416などの生産システムのいずれかから通信され、最終的にはスマートRFID29402、デジタルツイン29404、またはその両方に格納されてもよい。これは、各産業機械上のスマートRFID要素を介して産業機械固有の手順へのアクセスを容易にするという本明細書に記載された方法およびシステムの目標を満たしてもよい。
実施形態では、例えばスマートRFID要素29402に記憶されている生産情報は、設置、較正、修理、予防保守等の間に従うべき手順に有用であり得る。一例では、特定の試験結果は、製造中に検証された動作マージン(例えば、最大値および/または最小値)を示してもよい。これらの結果は、産業用機械の展開の検証試験中に有用であり、展開が期待値を満たし続けていることの確認を容易にすることができる。この情報および他の生産および産業機械の情報を、設置および他の配備手順の間に利用可能にすることにより、機械常駐スマートRFID要素29402は、産業機械が生産環境から離れると、生産および関連システムの相互依存性を減少させる。一例では、産業機械の一部をテストするための手順がスマートRFID要素に格納されてもよい。その手順に対応するテスト結果もまた、そこに格納されていてもよい。したがって、後に製造される産業機械のために特定の手順が変更された場合でも、特定の産業機械を製造するために使用される特定の手順に関連付けられた試験を実行することが可能であるかもしれない;それにより、新しい試験手順が使用されるが、古い手順の試験結果が満たされることが期待される場合に発生する可能性のある時間および混乱を節約することができる。
実施形態では、産業機械のスマートRFIDに生産データを構成する方法は、産業機械の一部を用いてスマートRFIDを構成し、産業機械の対応する部分のための動作結果情報、物理結果情報、および診断結果情報を捕捉し、不揮発性のコンピュータアクセス可能なメモリに格納することを含んでもよい。方法は、スマートRFIDを産業用機械のプロセッサおよび産業用機械の部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することを含んでもよい。方法は、産業機械の部分の自己テストをプロセッサと共に実行し、自己テストの結果をスマートRFIDに格納することをさらに含んでもよい。方法は、生産アクセスポイントを介して産業用機械を、試験システムおよび産業用機械生産サーバのネットワークに結合することをさらに含んでもよい。方法は、試験システムを有する産業用機械の部分で生産試験を実行することをさらに含み、その結果は、スマートRFID上に重複して格納され、生産サーバのプロセッサによってアクセス可能なデータ記憶設備に格納される。実施形態では、データ記憶設備に記憶された試験結果の複製は、スマートRFIDの対応する部分の双子であってもよい。
実施形態では、産業用機械の部品、サービス、ツール、材料などの市場は、CMMS制御システムと、それぞれが提供するサービス、部品、ツール、材料、コスト、およびロジスティックスに関する情報を提供する第三者との組み合わせによって維持されてもよい。このようなマーケットプレイスは、産業用機械の所有者などを含む参加者がこの情報にアクセスできるように、クラウドベースであってもよい。実施形態では、代表的な実施形態が図311に描かれている。必要とされるサービスのための少なくとも部品およびサービスオーダーを管理するためのCMMSシステム29502は、産業機械所有者29524などのためのマーケットプレイス29512への制御ゲートウェイとして機能してもよい。CMMSシステム29502は、部品、サービス、工具、材料、および産業機械のサービスおよびメンテナンスの他の側面のための入札および注文を管理することを含んでもよい。例示的なCMMSサブシステム、システム、設備などは、本明細書の他の箇所に記載されている。図311の実施形態では、CMMSシステム29502は、注文履歴詳細29510をさらに維持し、更新してもよい。これらの詳細は、注文される可能性のある部品、サービスなどについて記述された情報を含んでもよい。詳細は、過去の価格設定、物流要件およびコスト、注文リードタイム、および市場29512で情報を管理する際に有用である可能性のある他の要因を含んでもよい。一例では、部品供給者29508は、マーケットプレイスで販売するための部品を提供してもよい。注文詳細29510に基づく部品の過去の価格設定は、部品サプライヤ29508が部品を提供すべき価格を推奨するために使用されてもよい。別の例では、部品サプライヤ29508は、2日間のリードタイムを有する部品の可用性を提供してもよい。しかし、履歴詳細29510は、このサプライヤ29508が部品を提供するのに必要な時間を過小評価していることを示してもよく、部品を必要とするサービスが実行されることが予定されているときに、部品が必要なときだけではなく、十分なリードタイムで利用可能になるように、発注時に適切なリードタイムを組み込むことを容易にしてもよい。このような情報管理は、提供者による単なる発言ではなく、実績に基づくものであるため、暗黙の管理であってもよい。
実施形態では、サービスプロバイダ29506は、その技術的専門知識を満たすサービスのセット29516のための提供を構成してもよい。サービス提供者29506は、個々のサービス提供者29506から利用可能なサービスを経時的に反映するように、このサービスのセットを直接構成し、経時的に更新してもよい。同様に、部品供給者29508は、供給者が提供する産業機械用部品29514のリストを構成し、維持してもよい。可用性(例えば、現地在庫、リードタイムなど)のような情報は、部品供給者29508によって直接維持されてもよい。CMMSシステム29502は、部品、サービスなどの注文を構成する際に、マーケットプレイス29512内の彼および関連情報にアクセスしてもよい。同様に、工具の供給者は、工業用機械サービス工具29520に関する情報を構成してもよく、材料の供給者は、工業用機械サービス材料29522に関する情報(例えば、潤滑剤、他の消耗品、およびそのようなもの)を構成し、維持してもよい。
実施形態では、部品製造業者29504はまた、交換部品、アドオン、アップグレード、完全なシステム、サブシステム、アクセサリーなどのような、提供する部品に関する情報を市場に提供し、維持してもよい。
実施形態では、荷主などの物流供給者29518は、産業機械のメンテナンス部品、サービスなどのために提供する一連の物流サービスを市場で提供し、維持してもよい。物流供給者29518は、異なる地理的地域で配送サービスを提供してもよく、産業機械の位置などの情報を使用して、関連する地域で利用可能な料金およびサービスを確立してもよい。
実施形態では、産業機械予測メンテナンスシステムは、販売のために提供される産業機械部品に関する産業機械サービスマーケットプレイス情報を維持するように構成された複数の部品供給者コンピューティングシステムを含むマーケットプレイスを形成してもよい。マーケットプレイスは、提供される産業機械サービスに関する産業機械サービスマーケットプレイス情報を維持するように構成された複数のサービス提供者コンピューティングシステムを含んでもよい。マーケットプレイスは、産業機械予測メンテナンスシステムによって提供される産業機械メンテナンス推奨に応答して、マーケットプレイスで提供されるサービス、部品、材料、およびツールのうちの少なくとも1つへのアクセスを容易にするように構成された少なくとも1つのコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含んでもよい。マーケットプレイスはさらに、マーケットプレイスで提供される出荷サービスおよびロジスティクスサービスのうちの少なくとも1つの産業機械サービスマーケットプレイス情報を維持するように構成された複数のロジスティクスプロバイダコンピューティングシステムを含むことができる。さらに実施形態では、複数の部品供給者、サービス提供者、および物流提供者の各々は、マーケットプレイスの少なくとも1つのアプリケーション・プログラミング・インターフェースを介して、マーケットプレイスで提供される製品に対応する情報を直接維持する。マーケットプレイスは、部品、サービス、および物流の提供物を、部品、サービス、および物流に対する事前注文の分析から確立された規範に基づいて産業機械所有者に適合させるCMMSをさらに含むことができる。
実施形態では、産業機械で実行される予測メンテナンス活動などを含むフィールドサービス活動を追跡するための分散台帳が、図312に描かれている。産業機械メンテナンス分散台帳のために本明細書に開示される方法およびシステムは、自動化された産業機械予測メンテナンスエコシステム29600で実行される予測メンテナンス活動の追跡をサポートする分散台帳29602を含んでもよい。実施形態は、収集された情報を分散台帳29602に分配するように構成された自己組織化データコレクタ29608を含んでもよい。実施形態は、収集された情報をネットワーク条件に基づいて分散元帳に分配するように構成された、ネットワークに敏感なデータコレクタを含んでもよい。実施形態は、インテリジェントな遠隔管理に基づいて収集した情報を分散元帳に分配するように構成された、遠隔に編成されたデータコレクタを含んでもよい。実施形態は、収集された情報を分散元帳に分配するように構成された自己組織化ローカルストレージを有するデータコレクタを含んでもよい。実施形態では、データ格納のための分散型台帳と、データ輸送のための自己組織化ネットワーク符号化とを使用して、産業環境における産業用機械メンテナンス関連のデータ収集のためのシステム29600を含んでもよい。実施形態では、データストレージは、データ提示のためのハプティックインターフェース、データ提示のためのヒートマップインターフェース、および/またはインターフェース層の自己組織化されたチューニングで動作するインターフェースをサポートするデータ構造であってもよい。
実施形態では、サービス、部品、サービス提供者、特定の産業機械の記録、サービスおよびメンテナンス情報から生成された分析などを含むサービスおよびメンテナンス情報のストレージは、システム29600の様々な要素の中の1つまたは分散台帳29602インスタンスを含んでもよい。一例では、分散元帳29602は、情報の一部がインターネットなどのネットワークの別個の部分に分散され、オプションで複製されていることに少なくとも部分的に起因して、任意の1つのネットワークサーバ、ノードなどに依存することなく、分散元帳29602内で利用可能なすべての情報へのアクセスを容易にしてもよい。分散台帳29602は、産業機械データ分析システム28602、産業機械予測メンテナンスシステム2966、CMMSシステム28622、サービス提供およびトラッキングシステム28630、産業機械29604、産業設備コンピューティングシステム29606、クラウドベースストレージ29616などを含む、限定されないが産業機械メンテナンスプラットフォームの要素間で分散されてもよい。
実施形態では、分散元帳29602に格納された情報は、分散元帳がソースとなる情報を処理する機械学習アルゴリズムなどの人工知能29610によって生成され、および/またはそれに基づいて調整されてもよい。
実施形態では、分散台帳の実施形態をサポートしてもよい方法およびシステムは、分散台帳データの、および分散台帳データへのロールベースのアクセス制御29614を含んでもよい。分散元帳制御設備によって管理されてもよい例示的な役割29612は、以下を含んでもよい。所有者の役割は、産業機械リース会社、個人、または直接使用バイヤーのエンティティまたは個人であってもよく、オペレータの役割は、産業機械を使用してサービスを提供する会社、機械の賃貸人などのような産業機械の日常的な操作に責任があるエンティティまたは個人であってもよく、賃貸人の役割は、産業機械の期間ベースまたはその他の方法で限定されたリースを持っているエンティティまたは個人であってもよい。製造者の役割とは、機械の一部を製造し、例えば、製造された部分に関連する情報などへの限定的なアクセスを持つことができる事業体または個人である可能性がある。サービスブローカーの役割は、サービスのニーズを促進するエンティティまたは個人であるかもしれません。例えば、特定の国のような地域での自動化されたサービス活動を促進する地域エンティティのようなもので、特定の国でライセンスを取得し、登録されていることなどが要求されるかもしれません。規制上の役割とは、政府やその他の権限を持つエンティティや個人が検査などを実施し、予防保全、認定部品/サービスプロバイダの使用、監査などの活動のために規制などのコンプライアンスを確実にするために必要な特定のデータにアクセスするために制限されるかもしれません。
実施形態では、予測メンテナンスプラットフォームは、分散台帳などのトランザクションを追跡および解決するために安全なアーキテクチャを使用してもよい。実施形態では、データパッケージ内のトランザクションは、ブロックチェーンのような連鎖した分散データ構造で追跡され、個々のデバイスがデータパッケージ内のトランザクションを表す台帳の一部を保存するところで、フォレンジック分析および検証を可能にする。分散台帳は、IoTデバイス、ウェブサーバ、産業用機械メンテナンスのトランザクション記録保管設備などに分散されていてもよく、これにより、メンテナンスおよび関連情報を単一の情報の中央リポジトリに依存することなく検証することができます。プラットフォームは、部品やサービスの注文などのサービス取引を解決するために、分散台帳にデータを格納し、そこから(および構成デバイスから)データを取得するように構成されていてもよい。このようにして、メンテナンス関連トランザクションのためのデータを取り扱うための分散台帳が提供される。実施形態では、自己組織化ストレージシステムは、分散台帳データのストレージを最適化するために使用されてもよく、また、IoTデータ、産業機械のメンテナンスデータ、部品およびサービスデータ、知識のある作業者データなどのデータのパッケージのストレージを組織化するために使用されてもよい。
実施形態では、システムは、1つ以上の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムを含んでもよい。実施形態では、複数のコンピューティングシステムの一部は、ピアツーピア通信ネットワークを介して接続されている。予測メンテナンス動作の一部を含む産業用機械メンテナンス動作の記録は、複数のコンピューティングシステムの一部によって分散台帳として維持されてもよい。実施形態では、コンピューティングシステムの一部のコンピューティングシステムは、産業用機械データ分析、産業用機械予測メンテナンス推奨、産業用機械メンテナンス受注管理、サービスアクションの配信および追跡、産業用機械サービススケジューリングを含む。リストから選択される少なくとも1つの産業用機械メンテナンスロールを実行し、その少なくとも1つの産業用機械メンテナンスを実行した結果を記録に寄与する。
実施形態では、システムは、1つ以上の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムを含んでもよい。実施形態では、複数のコンピューティングシステムの一部は、ピアツーピア通信ネットワークを介して接続されている。実施形態では、システムは、産業用機械のメンテナンス動作の記録にアクセスするための役割ベースの制御機能をさらに含み、その記録は、予測メンテナンス動作の一部を含む。実施形態では、複数のコンピューティングシステムの一部は、分散台帳として記録を操作する。
実施形態では、予測メンテナンス分析および制御システムを動作させるための方法およびシステムは、産業用機械と共に配備された産業用センサ等からの性能データおよび動作データだけでなく、視覚情報からも利益を得ることができる。個々の部品、アセンブリ、プロセスステップ、機械の状態などについてキャプチャされた画像などの視覚情報は、サービスの必要性などの予測に影響を与える可能性のある状態を決定するために、人間による閲覧および評価を含むマシンビジョンおよび他の技術を用いて分析されてもよい。産業用機械の視覚情報の更新された正確な画像ライブラリを生成し、維持することは、サービス担当者が、動作中、試験中、および非動作状態(例えば、サービス、メンテナンス、修理、アップグレード、および改修中の機械の状態)を含むがこれらに限定されない様々な条件の下で、各産業用機械の一部の画像をキャプチャすることから利益を得ることができる。実施形態では、画像のキャプチャを容易にするためのシステムが図313に描かれている。産業用機械のサービスまたは修理のための手順29716は、機械の定期的なサービスのために特定されてもよい。手順29716は、スケジュールされたサービス活動を実行するために実行される一連のステップを含んでもよい。ステップのうちの1つまたは複数のステップは、産業用機械の一部分の画像をキャプチャすることを含んでもよく、例えば、その配備された環境での機械を描写した外部ビュー、交換されるべき部品のビュー、ギア、ベアリング、支持構造、ハウジングなどの状態を描写したビューなどが挙げられる。手順は、画像をキャプチャすることを含んでもよいが、手順を実行するサービス技術者からの学習は、機械学習および他の技術を使用して、手順の画像キャプチャステップの増強および/または調整を容易にする予防保全システム29724を使用して手順を実施することに組み込まれてもよく、手順などの画像キャプチャステップは、機械学習および他の技術を使用してもよい。予測保全システム29724は、手順において直接必要とされないかもしれない画像の撮影を示唆する条件のような情報を提供してもよい。このようなケースは、予測保全システム29724が、特定の軸受が、軸受が故障する前に目に見える摩耗を示すことを学習したときに発生してもよい。軸受が様々な条件で動作することができる時間の長さは、サービスを実行するのに十分な指標ではないかもしれないが、そのような摩耗の視覚的な表示を有する画像があれば十分であろう。したがって、サービス技術者が、特定の軸受の画像を撮像することを含まないサービス手順を実行する場合、サービス技術者は、これらの特定の軸受の画像を撮像するように指示されてもよい。これは、一般的な掲示物のようなサービスアラートとしてサービス技術者に指示されてもよい。しかしながら、サービス活動の視覚的な状態およびタイミングに関する情報は、特定の軸受の1つまたは複数の画像をキャプチャすることを含む手順29716のような手順の増強/更新を容易にするために使用されてもよい。
実施形態では、予測メンテナンスシステム29724からの情報は、特定の軸受の画像をキャプチャすることを追加するなど、手順の更新が必要であるという指示を手順更新設備29702に提供するために、画像キャプチャトリガ設備29722によって処理されてもよい。この指示は、特定のベアリングが画像化されるために利用可能であると予想される時間のウィンドウを作成するために、産業機械の使用およびサービススケジュール情報29726を使用してもよい画像キャプチャタイミング設備29720から手順更新設備29702に提供されてもよい画像キャプチャタイミング情報と結合されてもよい。そのような時間の窓は、機械がオフラインである可能性がある間、予定されたサービスおよび/またはメンテナンス活動を含んでもよい。そのような時間の窓は、機械が動作する間、計画された動作時間を含んでもよい。そのようなウィンドウ生成の潜在的な目標は、軸受が通常画像化されるであろうサービス活動が実行される前に画像が要求されるにもかかわらず、画像をキャプチャするために特別に機械の停止を回避するために、計画されたサービス訪問の間に特定の軸受の画像(複数可)をキャプチャすることであってもよい、例えば、軸受を検査するための計画された予防保守活動などである。
実施形態では、既存の手順29716が、撮像タイミング設備29720から出力される撮像ウィンドウの間に適用される場合、撮像トリガ設備29722の出力がチェックされてもよい。撮像トリガ機能29722が画像が必要であることを示す場合、手順更新機能29702によって、手順にステップを追加すること、既存の撮像ステップの撮像対象(例えば、部品から軸受まで)を変更することなどによって、手順が更新されてもよい。
実施形態では、修正された手順29702は、サービス技術者によって実行されてもよい。特定の軸受の画像をキャプチャするために追加/拡張されたステップが実行される場合、適切な画像をキャプチャすることを支援するために、画像キャプチャテンプレート29704が技術者に提示されてもよい。同様に、そして本明細書の他の箇所に記載されているように、サービス技術者が適切な画像をキャプチャするのをさらに支援するために、拡張現実アプリケーションが、そのような画像キャプチャステップの一部として実行されてもよい。実施形態では、マシンビジョンシステム29708および他の画像解析技術が、洗練を提案し、および/またはキャプチャされた画像が、特定のベアリングの視覚的状態の検出を容易にするための要件を満たしていることを確認するために使用されてもよい。
実施形態では、画像キャプチャ報酬設備29714は、サービス技術者が許容可能な画像をキャプチャするようにインセンティブを与えることを容易にするために、更新された手順29718および/またはサービス技術者とインターフェイスしてもよい。そのような報奨設備29714は、サービス技術者に対する直接的な金銭的報奨から肯定的な評価までの報奨の範囲を含んでもよく、これは、最終的に技術者の価値を高め、結果的に報酬を増加させてもよい。
マシンビジョンシステム29708等によって受け入れられるようなキャプチャーされた画像は、産業機械のスマートRFID要素29710に格納され、画像キャプチャー装置(例えば、カメラ対応スマートフォン等)を介してスマートRFIDに転送され、予防保全データの分散台帳の1つ以上のノードに転送されてもよい。
実施形態では、産業用機械の一部を画像キャプチャする方法は、産業用機械の一部の画像をキャプチャするためのトリガ条件が満たされたことに応答して、産業用機械の予測されたメンテナンス動作を実施するサービスを実行するための手順を更新することを含む。画像キャプチャ方法は、画像キャプチャを容易にするために、産業用機械の一部のライブ画像を電子ディスプレイに重ねて画像キャプチャテンプレートを提供すること、ライブ画像とテンプレートとのアライメントの程度を示す拡張現実感を適用すること、更新された手順を使用してキャプチャされた画像をマシンビジョンで検査して、キャプチャされた画像内に存在する機械の少なくとも1つの部分を決定すること、およびマシンビジョン検査の結果に応答して、キャプチャされた画像に対する報酬を生成するために画像キャプチャ報酬設備を作動させることをさらに含むことができる。実施形態では、更新は、分析が更新ステップの前の手順で指定されていない画像をキャプチャすることを示唆するような産業用機械故障データの分析に基づくトリガ条件に応答してもよい。実施形態では、更新は、画像がキャプチャされるべき産業用機械の部分に関連付けられた予測メンテナンス基準を満たす産業用機械で実行されるサービスを実行するための手順に応答してもよい。実施形態では、トリガ条件は、サービス手順が実行されている産業機械に関連付けられた産業機械の種類と、産業機械の部分が画像に取り込まれてからの時間の継続時間とを含んでもよい。
実施形態では、産業用機械予測メンテナンス促進システムは、組立、試験、サービス、修理、アップグレード、定期メンテナンス、予防メンテナンスなどの操作中に撮影された産業用機械の画像に機械学習を適用してもよい。機械学習は、画像分析アルゴリズム、部品検出アルゴリズム、マシンビジョンなどのアルゴリズムを使用して、画像および/または画像から得られたデータに適用され、個々の部品、サブアセンブリなどの産業用機械の一部の機械自動検出の改善を容易にすることができる。実施形態では、部品、サブアセンブリ等の機械自動検出は、限定されないが、予測メンテナンスプロセス、サービス提供者評価方法、手順評価方法、在庫管理システム、保全スケジューリング(例えば、保全作業が以前に推定されたよりも早く予定されるべきかどうか等)を含む、ここに記載の方法およびシステムに情報を提供してもよい。
実施形態では、産業用機械の部品を機械的に自動検出するための方法およびシステムは、図314に例示的に描かれているような、画像キャプチャ、処理、分析、学習、および自動化のステップを含んでもよい。実施形態では、産業用機械の部品を自動的に検出するための方法は、画像ステップ29802をキャプチャすることから開始してもよい。あるいは、以前にキャプチャされた画像からの画像データは、データベースなどの画像のデータストアからアクセスされてもよい。画像キャプチャステップ29802は、例えば、保守手順、修理手順、アップグレード手順などのサービス操作を実行することに関連して、サービス技術者などによって実行されてもよい。撮像ステップ29802は、撮像対象部品、そのテンプレート等を示す手順等によって通知されてもよい。手順、対象部分、テンプレート等は、撮像誘導データ記憶装置29804から取得されてもよい。実施形態では、手順は、部品撮像プロセスを使用し、手順によって示された1つまたは複数の部品を撮影するための特定の指示を含んでもよい。一例では、産業機械のベアリングを整備するための手順は、ベアリングが扱うシャフトなどを撮影するステップを含んでもよい。手順は、タブレットやスマートフォンなどの画像キャプチャ装置の電子ディスプレイに、キャプチャされる画像の代表的な画像を表示してもよい。そのような画像は、例えば、産業機械と共に配備されたスマートRFID要素(例えば、軸受、シャフト等を含む機械の部分と共に構成されたスマートRFID要素)の画像データ構造から取得されてもよい、特定の産業機械の最新のキャプチャされた画像であってもよい。このような画像は、画像が撮影されたカメラの相対位置、時刻/日付情報、追跡された手順番号などの情報で補強されていてもよい。実施形態では、そのような画像は、手動で撮像装置の位置合わせを容易にするテンプレート(例えば、塗り絵/アウトライン画像など)に処理されてもよい。実施形態では、そのようなテンプレートは、撮像装置を通して見える画像を処理し、撮像装置の整列をさらに容易にするために、テンプレートの色の変化などの指標を提供するアクティブテンプレートであってもよい。アクティブテンプレートは、関連する頂点、エッジなどのアライメントが、部品の機械自動検出を容易にするのに十分である場合に、緑色(またはいくつかの異なる色)に変化する頂点、エッジなどでキャプチャされるオブジェクトの黒(またはいくつかの他の色)のアウトラインから開始されてもよい。
実施形態では、画像キャプチャステップ29802でキャプチャされた画像は、例えば、画像キャプチャガイダンスデータストア29804等の情報から検索されるか、またはそれらの情報から導出されたものなどの参照画像と比較するなどの画像解析機能を実行する画像検証ステップ29806を介して処理されてもよい。実施形態では、キャプチャされた画像は、コントラストなどを改善するために処理されてもよく、検証画像キャプチャステップ29806の間に、例えば画像減算処理を介して、産業用機械と共にディスポジションされたスマートRFID要素からの最も最近のキャプチャ画像と比較され、キャプチャされた画像が検証されてもよいかどうかを決定する。検証されていない画像は破棄されてもよく、ユーザは、別の画像をキャプチャするためにキャプチャ画像ステップ29802に戻って指示されてもよい。
実施形態では、ステップ29806で検証されてもよい画像は、検証された画像から1つ以上の候補部品を検出するために画像解析規則29810を処理する画像解析または類似のステップ29808に渡されてもよい。候補部品は、さらなる使用のために、候補部品データ構造29814に格納されてもよい。実施形態では、候補部品データ構造29814内の候補部品の画像は、画像からの機械自動部品検出の改善を容易にする機械学習アルゴリズムのさらなる訓練のために保持されてもよい。実施形態では、候補部品の画像は、図314の機械自動化部品検出フロー29800のインスタンスで使用され、その後、破棄、消去などされてもよい。実施形態では、画像解析規則29810は、例えば、コントラストの悪い画像、予想外の内容(例えば、過剰な溶媒、可動部品、反射部品、およびそのようなもの)などの限界画像の画像解析を改善する可能性があるフィードバックなどの形で、機械学習ステップ29820から提供されたデータを含んでもよい。
実施形態では、候補部品データ構造29814の1つ以上の候補部品は、とりわけ、機械による自動部品認識を実行してもよい部品認識アルゴリズムステップ29816によって処理されてもよい。自動部品認識アルゴリズムは、スマートRFIDデータストレージ29812から取得されてもよい部品記述情報と比較されてもよい寸法などの候補部品の属性を生成することを含んでもよい。一例では、候補部品は、自動測定アルゴリズムで処理されてもよいエッジなどを検出するために処理されてもよい。結果として得られた測定値は、RFIDデータストレージ29812等で部品認識アルゴリズム29816が利用可能であるかもしれない特定の産業機械用の部品のライブラリから特定の部品を決定するために使用されてもよい。特定の部品情報は、部品リスト、MRPシステムなどの生産データシステムから取得されてもよく、図293に描かれた例示的な生産フローのような生産動作中にRFIDデータストレージ29812に格納されてもよい。
実施形態では、部品認識アルゴリズム29816の1つまたは複数の結果は、機械学習設備に転送されてもよく、機械学習設備は、画像キャプチャプロセス29802、画像検証プロセス29806、画像解析プロセス29808、部品認識プロセス29816などを含むがこれらに限定されない、機械自動化された部品検出の様々な側面を改善する1つまたは複数の機械学習アルゴリズム29820を実行してもよい。一例では、部品認識工程29816は、1つ以上の候補部品の画像、対応する参照部品、関連する属性等、部品認識工程で抽出された情報等を機械学習工程29820に提供してもよい。機械学習プロセスは、対応する参照部品の最良の候補を表す候補部品(複数可)の側面の決定を容易にするために機械学習技術を適用してもよく、部品検出等を改善するために少なくとも部品認識プロセス29816にフィードバックを提供してもよい。
実施形態では、認識された部品を記述する情報は、更新されたスマートRFID要素29818、それに匹敵する更新されたサーバベースのデータ構造29822などに格納されてもよい。記憶される情報は、1つまたは複数の候補部品画像、参照部品の識別子、認識データ、画像をキャプチャするために続いた手順番号、およびそのようなものを含んでもよい。
実施形態では、機械学習に基づく部品認識の方法は、キャプチャされた画像が画像キャプチャ検証基準を満たすかどうかを決定する画像検証手順にターゲット部品の画像テンプレートを適用することを含んでもよい。方法は、画像中に存在する産業機械の候補部品の検出を容易にする画像解析規則を用いてキャプチャ画像を処理することによって画像解析を実行することをさらに含んでもよい。実施形態では、特定の産業機械の部品の画像との候補部品の類似性に基づいて、候補部品のセットのうちの1つ以上の部品を産業機械の部品として認識することを含んでもよい。さらに、認識された部品の機械学習から生成されたフィードバックに基づいて、対象部品テンプレート、画像解析規則、および部品認識のうちの少なくとも1つを適応させ、それによって、画像取り込み、画像解析、および部品認識のうちの少なくとも1つを改善することが、方法に含まれてもよい。
実施形態では、予測メンテナンス、メーカーが必要とする保全、故障修理、部品およびサービスの提供および発注、保全活動のフォローアップ、手順およびサービス提供者の評価、故障率および予知分析、作業員の訓練、経験、および評価などを含む産業用機械保全ライフサイクルのために収集され、生成された情報は、サービスライフサイクルを通して捕捉され、人工知能および他の機械学習型アルゴリズムで処理され、データモデル、リンクされたデータベース、カラム型データベースなどのデータベースに蓄積されてもよい。図315は、知識グラフ2902として具現化されたそのようなデータの集合を描いている。実施形態では、部品、画像、構成、内部構造、使用スケジュールなどの産業機械に関する情報は、サービス情報、故障情報、作業者関連情報などを含む他の情報源からの情報とともに、人工知能型機能299066(例えば、機械学習アルゴリズムなど)によって処理されてもよい。例示的な人工知能設備29906で実行される情報連想アルゴリズムのようなアイドル情報処理アルゴリズムは、本明細書に記載されているような、予測メンテナンスプロセスの側面に影響を与える事実、ノウハウ、分析結果などの間の関係のグラフベースの理解を開始し、洗練させるために、データノード29918間のナレッジグラフノードリンク29916の確立、変更、削除、強化等々、データノード29918を追加、更新、分割等々によって、予測メンテナンスおよび産業用機械サービスナレッジグラフ29902の一部が更新されることを引き起こしてもよい。
実施形態では、機械に関する情報は機械データノード29908に処理されて格納されてもよく、故障に関する情報は故障データノード29910に処理されて格納されてもよく、産業機械サービスに関する情報はサービスデータノード29912に処理されて格納されてもよく、産業機械サービスを実行するための作業者に関する情報は作業者データノード29914に処理されて格納されてもよい。データノード間の関係、例えば機械データノード29908とサービスデータノード29912との間の関係は、ノード間のリンク29916として描かれてもよい。このようなナレッジグラフを開始し、更新する目的は、特に、(内部構造、部品およびコンポーネントに関するような)事実情報、操作情報、およびメンテナンス、サービスおよび修理に関連するノウハウおよび他の情報を含む手続き情報を含む産業用機械に関する情報を収集、発見、捕捉、普及、管理、および処理するためにさらに改善することであってもよい。
実施形態では、メンテナンス/サービス/修理/アップグレード/インストールおよび他の産業機械関連の活動が実行されると、活動に関するデータが処理され、データノード2918、ノード間の関係などを強化、増強、改善、洗練、明確化、および修正するために使用されてもよい。実施形態では、メンテナンス/サービス/修理および他の産業機械関連活動の準備は、知識グラフ29902に見出された知識から利益を得てもよく、それにより、特定の機械で故障が発生したときに故障を解決するための適切な作業者を効率的に特定するために、例えば故障ノード29910と作業者ノード29914との間の既存の関係を取ることによって、適切なサービスオプション、推奨事項、命令などを生成するために効率を向上させ、計算の複雑さを低減させてもよい。
実施形態では、(内部構造、部品およびコンポーネントについてのような)事実情報、操作情報およびノウハウおよびメンテナンス、サービスおよび修理に関連する他の情報を含む手順情報を含む産業機械に関する情報を収集、発見、捕捉、普及、管理、および処理するための改良された方法およびシステムが本明細書に提供される。これらの改良された方法およびシステムは、図316に描かれているような予測メンテナンス知識システムプラットフォーム3000を備えていてもよい。予測メンテナンス知識システム3002は、本明細書に記載された方法およびシステムを使用してそのサービスおよびメンテナンスを容易にするためのような、産業用機械に関する情報の収集、発見、捕捉、普及、管理、および処理を容易にしてもよく、これには、特定の機械のメンテナンス、サービスおよび修理に関する関連のノウハウおよび専門知識を有する労働者のセットを見つけること、およびメンテナンス、サービスおよび修理操作が最小限の中断を伴うシームレスな状態で発生することができるように、関連する部品およびコンポーネントのための注文を見つけること、注文すること、および履行することが含まれるが、これに限定されない。予測メンテナンス知識システム30002は、1つまたは複数の予測メンテナンス知識ベースおよび/または知識グラフ30004とインタフェースしてもよい。知識ベース3004は、予測保全知識システム3002によって可能にされるかもしれない方法およびシステムに有益な情報を含むかもしれない1つまたは複数の知識グラフをさらに含んでもよいし、参照してもよい。予測メンテナンス知識グラフは、産業用機械、産業用機械のサービス活動、産業用機械の部品、材料、ツール、およびサービスのためのコスト(例えば、履歴、傾向、および予測)、予測メンテナンス知識システム3002、プラットフォーム3000を操作するためのアルゴリズムおよび機能性などの情報を含むか、またはコンピュータアクセスを提供してもよい。実施形態では、予測メンテナンス知識システム3002は、産業機械サービスの特定のインスタンスに課された迅速サービス料金に関する予測メンテナンス知識ベース3004からの情報を処理して、産業機械所有者によるサービス認可およびその費用に関する決定を助けることができる価格時間関係を開発してもよい。産業用機械の所有者は、近未来のように機械をオフラインにすることを必要とするメンテナンス機能のスケジュールを維持するよりも、他の理由で機械がオフラインになっている間にすぐにメンテナンス機能を実行させるために迅速料金を支払う方が良いかどうかの決定を容易にするために、迅速サービスおよび標準的なタイミングサービスのためのコストを知らされてもよい。予測保全知識システム3002は、所有者が選択した時間枠内でサービスを実施できるように、所有者の決定に基づいて、サービス提供者、部品提供者、材料提供者、工具提供者等との調整を容易にしてもよい。
実施形態では、特定の産業機械情報は、特定の機械と一緒に配置された1つ以上のスマートRFID要素3006に格納されてもよく、および/または互換性のある(例えば、バックアップ、複製/双子、または他のフォーマット化されたデータ構造)クラウドベースのデータ構造3008に格納されてもよい。予測メンテナンス知識システム3002は、RFID要素(複数可)3006、クラウドベースのデータ構造3008などにアクセスして(例えば、RFID要素(複数可)からデータを読み取って、および/またはデータを書き込んで)もよい。スマートRFID3006/クラウドベースのデータ構造3008から読み取られたデータは、配備された特定の産業機械に固有のものであってもよく、特定の機械のために効果的かつ効率的にメンテナンスを実行するためのリソースの調整を実行する、本明細書に記載された予測メンテナンスなどのための方法およびシステムを容易にしてもよい。一例では、特定の産業機械は、その可動部分(例えば、産業用モータ)のうちの1つを典型的なものよりも大きく利用する結果となる動作サイクルを有していてもよい。この知識は、利用率の低い他の比較可能な産業機械とは異なる時期(例えば、数週間または数ヶ月早く)に利用率に基づくメンテナンスサービスを実行するための確固とした見積もりを提供するために、サービス、部品、および材料供給者と対話するために、予測メンテナンス知識システム3002によって使用されてもよい。
実施形態では、予測メンテナンス知識システム3002は、異なるタイプの機械の複数の産業機械(例えば定置機械、移動機械、車両上の機械、作業現場に配備された機械など)に関する情報とともに、サービス提供者情報、部品および部品提供者情報、部品の位置および在庫情報、機械生産提供者、第三者部品取扱者、物流提供者、輸送提供者、サービス基準、サービス要件、サービスの結果などを含むサービス活動、および本明細書に記載された予測メンテナンス方法およびシステムを容易にするための他の情報を収集してもよい。予測保全知識システム3002の1つ以上の機能は、それらのサービス要求の遂行を容易にするために、産業機械所有者/オペレータ/プロバイダ/ユーザからの特定の産業機械および/または産業機械のコレクションのサービス要求などのサービス要求情報30026を利用してもよい。実施形態では、そのようなサービス要求は、要求者にサービスが推奨されるかもしれない時期を予測するアルゴリズムへの入力になるかもしれないが、比較可能な産業機械についても同様である。一例では、産業用機械の所有者は、作業現場の産業用機械のサブセットが最初のサービス動作を受けるように要求してもよい。予測メンテナンス知識システム3002は、この要求情報と、機械の年齢や稼働率などの機械に関する他の情報を使用して、サービスが要求された機械と同じタイプの他の産業機械が、比較可能なサービスアクションのためにいつサービスを受けるようにスケジューリングされるべきかを決定してもよい。
実施形態では、特定のサービス要求30026に応答して、予測メンテナンス知識システム3002は、潜在的なサービス提供者がサービスを実行するために必要とされる経験を決定するために、関与する特定の手順を決定するために、スマートRFID3006またはそのクラウドベースのバックアップ3008内の情報にアクセスしてもよい。予測メンテナンス知識システム3002は、サービス提供者候補を特定するために知識ベース3004にアクセスしてもよい。依頼されたサービスのために必要とされる手順についての経験をうまく実証したと予測メンテナンス知識システム30002に知られている(例えば、知識ベース30004内の情報に基づいて)サービス提供者は、サービス見積もり30036および/またはサービス、部品などの価格見積もり30034を提供するために連絡されてもよい。同様に、要求されたサービスの手順に関連する可能性のある部品および/または材料が特定されてもよい。予測メンテナンス知識システム3002はまた、部品および/または材料のソーシング情報のために知識ベース3004にアクセスしてもよい。部品コスト、輸送コスト、入手可能性、部品対機械の位置、1つまたは複数の部品提供者と、産業機械の所有者などのサービス要求に関連する当事者との間の事前関係、および他の要因などの要因は、部品を発注する準備のためにどの部品提供者に連絡すべきかを決定するために評価されてもよい。これらの要因が考慮された状態で、適格なサービス提供者によってサービスが予定通りに実施されることを見越して、部品の問い合わせを1つ以上の部品提供者に発注してもよい。予測メンテナンス知識システム3002は、サービス要求30026に対して、要求者が選択することができる1つまたは複数の価格ベースのサービス推奨オプション30010に関連付けられていてもよい1つまたは複数のサービス推奨オプション30032で応答してもよい。実施形態では、予測メンテナンス知識システム3002は、知識ベース3004、サービス見積り要求30036への応答などから、オプションから特定の価格ベースのサービス推薦30010を自動的に選択するのに十分な情報を持っていてもよく、要求者の明示的な承認の有無にかかわらず、要求されたサービス30026のために必要であれば、サービス注文30018、部品/材料/工具注文30016を生成してもよい。
実施形態では、サービス要求および/または予測された保守活動などは、予測メンテナンス知識システム3002によって処理され、サービス資金調達推奨および/または要求30012を出力してもよい。そのような推奨は、営業収入からサービスを資金調達すること、サービスのためにローンを組むこと、第三者の資金調達(例えば、業界の資金源、政府の補助金、民間の資金源、およびそのようなもの)を求めることを含んでもよい。そのような要求は、第三者が資金調達提案および/または応答を提出するために使用することができる、要求されたサービスに関する情報を1つ以上の第三者に提供することを含んでもよい。一例では、ある地域のために公衆にきれいな水を提供する産業機械は、コストのかかるサービスを要求してもよい。予測メンテナンス知識システム3002は、特定の産業機械が、サービスの少なくとも一部について連邦政府からの払い戻しを受ける資格があるかもしれないと判断してもよい。連邦政府による資金調達の要求は、サービス資金調達30012等を介して構成され、作動されてもよい。
実施形態では、予測メンテナンス知識システム30002が依存してもよい情報源は、サービスプロバイダ30024からの情報、部品プロバイダ30022からの情報、サービス材料プロバイダ30020からの情報、機械スケジュール30030、入荷サービス見積りおよび/または見積書30028などを含んでもよい。予測メンテナンス知識システム30002は、サービス材料提供者情報30020を使用して、サービス材料の価格および利用可能性を決定してもよい。この情報は、要求元のサービス材料インベントリ(例えば、集中型、デポベース、または産業機械のオンサイト)、1つ以上の資格を有するサービスプロバイダの材料インベントリ、およびそのようなものと組み合わせてもよい。一例では、サービス提供者が、サービスが要求されている産業機械にローカルでアクセス可能な必要な材料の十分な在庫を有しているが、サービスを実行した後にその在庫を補充する必要がある場合、システムは、サービス材料提供者にサービス材料をスケジュールサービスに間に合うように産業機械のサイトに配送させるようにサービス提供者に推奨を提供してもよい。例示的な実施形態では、サービス提供者および産業機械所有者が必要なサービス材料の在庫を持っていない場合、予測メンテナンス知識システム3002は、総価格、入手可能性、産業機械所有者および/またはサービス提供者との既存の関係などに基づいて、サービス材料提供者30020のうちの1つとの注文を生成してもよい。実施形態では、サービス材料提供者30020の1つ以上のインベントリの少なくとも一部は、予測メンテナンス知識システム3002がサービス動作のためにインベントリから材料を割り当てることができるように、予測メンテナンス知識システム3002によって直接管理されてもよい。サービス材料提供者30020は、サービスアクションのために材料を提供するために選択されたという通知を予測メンテナンス知識システム3002から受け取ってもよい。材料の支払いは、予測メンテナンス知識システム3002のオペレータおよびサービス材料提供者30020がこのサービスアクションにおける役割のために補償されるように、予測メンテナンス知識システム3002に関連付けられたトランザクション機能を介して行われてもよい。比較可能な例は、部品提供者30022、サービス提供者30024、サービス資金源(図示せず)などを想定してもよい。
実施形態では、予測メンテナンス知識システムプラットフォーム3000は、機器の問題を解決するための保全行動のためなどの作業命令の作成を容易にしてもよいコンピュータ化された保全管理システム(CMMS)30014を含んでもよい。CMMS30014は、部品およびサービスの要求を、部品およびサービスの注文を処理することを容易にするかもしれないエンタープライズ・リソース・プランニング(ERP)システム(図示せず)に伝達することを容易にしてもよい。実施形態では、ERPシステムは、サービスアクションが予測メンテナンス知識システム3002によって調整されている産業機械の所有者/操作者/供給者/賃借人/賃貸人のうちの1つまたは複数に関連付けられていてもよい。実施形態では、CMMS30014は、サービスプロバイダ、部品プロバイダなどへの発注を効果的に行うために、産業用機械の所有者のERPシステムと調整してもよい。
実施形態では、予測メンテナンスシステムは、産業用機械の予測メンテナンス行動をとることを容易にするために、産業用機械に関する情報を収集、発見、捕捉、普及、管理、および処理することを容易にする予測メンテナンス知識システムを含んでもよい。知識システムは、サービス提供者、部品提供者、材料提供者、機械使用スケジューラから情報を受信するための複数のインタフェース、サービス発注設備、部品発注設備、サービス管理設備、サービス資金調達設備に情報を送信するための複数のインタフェース、および複数の産業用機械上のスマートRFID要素に接続するための複数のインタフェースを含んでもよい。予測保全システムは、サービス提供者、部品提供者、サービス要求、サービス見積り、機械スケジュール、および保全活動の予測を含むデータ領域間のリンクを介して、予測保全知識システムによる産業機械の予測保全サービスに関する情報へのアクセスを容易にする予測保全知識グラフをさらに含んでもよい。実施形態では、予測メンテナンス知識システムは、サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを生成してもよい。
実施形態では、産業用機械等の予防保全および他の定期保全は、故障率等に関する製造業者の予想に基づいて、設定された間隔でスケジュールされてもよい。運転データ、故障データ、予防保全活動中に発見された状態などの産業機械などに関する情報を収集して分析することによって、部品の故障などによる計画外のシャットダウンの発生をさらに減少させるような保全活動のための新たなスケジュールが構成されてもよい。図317は、ベアリングを使用する産業機械30102のグループ内の一組のベアリングのための予防保全スケジュール30108を描いている。提示されているように、軸受の予防保全イベントA、B、C、およびDは、それぞれの機械について、時間の経過とともに間隔をおいて発生するようにスケジュールされている。本明細書に記載されているような産業機械の予測メンテナンスのための方法およびシステムを使用して予測メンテナンスシステムによって収集および分析されたデータは、故障を防止するために軸受の保全の異なるスケジュールが必要であることを示してもよい。図317の例では、機械4および3の故障30104は、予防保全活動Bの後に発生し、そこに応答して、そして産業用機械の動作サイクル率などの他の要因を考慮すると、機械のために新しい軸受保全スケジュールが確立されてもよい。第1機械3010および第2機械3012はまだ故障していないので、第1機械3010および第2機械3012のために予測メンテナンスイベントが設定されてもよい。実施形態では、機械2の稼働率は、機械1よりも実質的に低いかもしれない;したがって、両方の機械が機械3および4で故障したベアリングを使用している間、予測メンテナンスイベントスケジュールは、各機械のために個別に準備されてもよい。機械1の予測メンテナンスイベント3010は、予防メンテナンススケジュール30108において、計画されたイベント(イベントC)よりも早く発生するように設定されてもよい。また、機械2の追加メンテナンスイベント3012は、例えば、予防保全イベントBの後に機械3、4が故障したタイミングに基づいて、予定されている予防保全イベント(再度イベントC)の直後に発生するように設定されてもよい。予防保全イベントCと予測保全イベント2012との間隔を短く設定することで、ベアリング関連の故障のリスクを低減することができるかもしれない。
実施形態では、産業機械予測メンテナンスシステムは、サービスのスケジュールを決定すること、サービスを実行するための少なくとも1つの適格者を特定すること、サービスに必要な材料の1つ以上の供給源を推薦すること、サービスに必要な材料の調達および配送を履行すること、および産業機械の1つ以上の部品のサービスを評価することなど、サービスの予測および促進を容易にするために、機械学習などを様々な要因に適用してもよい。このようなシステムの機械学習能力は、産業機械の1つ以上の部分の赤外線サーモグラフィ、産業機械の1つ以上の部分の超音波検査、産業機械の1つ以上の部分のモータ検査、産業機械の1つ以上の部分のモータの磁場検査、産業機械の1つ以上の部分の電子磁束(EMF)検査(例えば、パルス検出など)、産業機械の1つ以上の部分の電子磁束(EMF)検査のうちの少なくとも1つを含むがこれらに限定されない、複数の産業機械関連の診断テストデータのうちの1つから、産業機械の診断関連情報の形で、例えば入力を取ってもよい。パルス検出等)、産業用機械の1つ以上の部分の電流及び/又は電圧試験(例えば、機械に常駐する試験装置及び/又は外部から適用される試験装置等から)、産業用機械の1つ以上の部分のねじり試験(例えば、EMF等を使用)、産業用機械の1つ以上の部分の非破壊試験(例えば、原子力及び電力のために義務付けられている可能性のあるように)。例えば、原子力産業や電力産業などで必須とされるかもしれない)、産業機械の1つ以上の部分(例えば、タービンブレードなど)のX線検査、産業機械の1つ以上の部分の振動を検出するためのビデオ分析、産業機械の1つ以上の部分の電界検査、産業機械の1つ以上の部分の磁界検査、産業機械の1つ以上の部分の音響検出、産業機械の1つ以上の部分の電力および/または電流および/または電圧検査、(例えば、以下のようなアルゴリズムを適用すること。電流の変化が異常であるかどうかを判断するために振動分析に使用されるものと同等のアルゴリズムを適用すること)、機械(例えば、回転機械など)によって消費される電力のスペクトル分析、産業用機械の1つ以上の部分の機械的故障および電力故障の相関、産業用機械の1つ以上の部分によって、または少なくともその近くで発生する音を検証するための音響計、などが挙げられる。実施形態では、機械学習は、例えば、検出されたパターンの顕著な変化が発生したか、または発生しようとしているときに検出するのに有用なパターン等を検出するために、これらの試験データのソースのいずれかに個別に適用されてもよい。
実施形態では、本明細書に記載されているような診断テストの組み合わせは、機械学習によって、サービスの必要性などを示す可能性のある異常を生成するものとして、1つまたは複数の潜在的なソースを検証または否認するために使用されてもよい。実施形態では、赤外線サーモグラフィを、例えば、赤外線画像を撮影しながらモータに試験負荷をかけることなどのモータ試験と組み合わせることは、潜在的な故障、または少なくとも故障に関連した状態、サービスの必要性などを示す可能性のある状態の組み合わせを決定するのに有用であるかもしれない。実施形態では、例えばサウンドメータのキャプチャを非破壊試験と組み合わせることで、特定の非破壊試験条件のベースラインサウンドと比較されるサウンドパターンを生成することができ、それにより、結果(非破壊試験結果およびサウンド試験結果)のマルチモーダル評価を可能にする。実施形態では、産業用機械によって、または産業用機械に近接して生成された音の変動は、潜在的な故障条件を示し、故障候補条件を検証し、および/または潜在的な故障の可能性を減少させることができる。実施形態では、音響およびX線などの複数の非破壊試験モードを組み合わせることは、一方の試験モード(例えば、音響)で検出される可能性のある状態が、他方の試験モード(例えば、X線)で検出可能な潜在的な異常と相関するかどうかを決定するのに役立つかもしれない。実施形態では、機械学習は、本明細書に記載された診断/検査シナリオのそれぞれについて、検査条件、検査結果、および期待される結果への適合度の配列を開発してもよい。そのような配列は、異常が有効な潜在的な故障条件を表す場合の判断を容易にしてもよい。
実施形態では、本明細書に記載されたような各試験条件が適用されてもよく、結果が捕捉されてもよい。所与の試験条件が適用されている間、各他の試験条件が適用されてもよく、それにより、各試験条件と各他の試験条件との組み合わせの収集が容易になる。各組み合わせの結果は、上述した配列のように、取得され、配列で表現されてもよい。試験条件の組み合わせ試験は、予防保全または修理などのサービスコールが必要な場合に実施されてもよい。実施形態では、産業機械予測メンテナンスシステムは、産業機械における摩耗したベアリングの交換などのメンテナンスの調整を容易にしてもよい。試験条件組合せアレイは、軸受交換後試験と組み合わせて適用される可能性がある試験条件を決定するために相談されてもよく、例えば、軸受交換後試験軸に沿ったアレイ内の1つ以上のセルを検出することは、組合せデータがほとんどないか、またはない。軸受交換後試験のための作業命令および/または手順は、条件付きで、特定の実施例のために、アレイ内の特定のセルによって示される追加の試験条件を適用することを含むように、適応されてもよい。そのようなアプローチは、試験の負担を時間をまたいで分散させながら、または少なくとも産業機械でサービスを実行するインスタンスをまたいで分散させながら、試験データを増加させてもよい。
実施形態では、機械学習は、試験条件のどの組み合わせが実際の故障と最も相関するかを検出するなど、組み合わせ条件試験にも適用することができる。どの組み合わせが故障と相関するかを学習することによって、潜在的な故障をもたらす可能性が低い組み合わせを優先順位をつけて、サービス要員などの貴重な試験リソースを、より実行可能な情報をもたらす可能性の高い組み合わせ試験に向けることができるようにすることができる。
実施形態では、モータ試験などの特定の産業用機械の第1のモードの試験からの試験結果は、特定の機械試験結果を1つ以上の候補故障モードと相関させる機械学習アルゴリズムなどで処理されてもよい。ねじり試験のような特定の機械の試験の第2のモードからの試験結果は、特定のねじり試験結果を1つ以上の候補故障モードと相関させてもよい機械学習アルゴリズム等で処理されてもよい。機械試験からの1つまたは複数の候補故障モードは、ねじり試験のものと比較されてもよい。つのタイプの試験で一致する任意の候補故障モードは、機械学習を用いて結合された試験結果を処理するための候補であってもよい。機械試験の結果とねじり試験の結果を組み合わせて機械学習で処理した場合、故障モードの候補を相関させてもよい。複合試験のいずれかの候補故障モードが、複合試験のいずれかの候補故障モードと一致した場合には、複合試験が故障の可能性を示す可能性が強化されてもよい。この複合試験結果機械学習プロセスによってそのような確認が検出されると、特定の産業機械の故障を防止するためのサービス/修理アクションが開始されてもよい。さらに、試験手順は、他の産業機械において、複合試験結果の故障モードの可能性が高い複合試験結果の故障モードが回避されるように、複合試験を含むように適合されてもよい。
図318を参照すると、産業用機械予測保全システム30202は、赤外線サーモグラフィシステム30206、超音波検査システム30208、モータ検査システム30210、電流および電圧検査システム30212、ねじり検査システム30214、非破壊検査システム30216、電力、電流および/または電圧検査システム30218、音響検査システム3020などを含むがこれらに限定されない一連の診断検査システムからのデータ上で機械学習アルゴリズム30204などを実行してもよい。産業用機械予測メンテナンスシステム30202は、特定の産業用機械、または類似の産業用機械に対する試験の先行呼び出しに対するこれらの試験システムの試験結果を含む試験結果のライブラリ30222にアクセスしてもよい。これらの結果は、試験条件を決定するために、特定の産業用機械および/または類似の産業用機械についての故障モード情報とともに機械学習アルゴリズムによって処理されてもよく、試験条件の特定の組み合わせは、特定の故障モードに相関してもよい。機械学習アルゴリズム30204は、人工知能技術を使用して、ライブラリからのデータの間でパターン、類似性、およびそのようなものを決定してもよく、それによって、1つ以上の故障モードに相関する可能性のある試験条件の組み合わせの検出を容易にする。
実施形態では、診断テスト結果と機械の故障との間の相関を改善する方法は、機械の故障と相関する診断テスト結果のパターン、機械の故障と診断テスト結果の類似性、機械の故障と診断テスト結果の類似性のうちの少なくとも1つを検出することによって、産業用機械で実施される複数の診断テストの結果と類似する産業用機械の故障のための故障情報との間の相関を改善することを含んでもよい。実施形態では、単一のタイプの機械故障は、診断テストのサブセットの故障結果に相関する。
実施形態では、産業機械のメンテナンスのための改良された方法およびシステムは、メンテナンス、サービスおよび修理に関連するノウハウおよび他の情報を含む、事実情報(内部構造、部品およびコンポーネントに関するものなど)、操作情報および手順情報を含む産業機械に関する情報の収集、発見、捕捉、普及、管理および処理を容易にする方法およびシステムを含む、産業機械のメンテナンスのための改良された方法およびシステムは、産業機械の予知メンテナンスなどに関連するサービスおよびサービスプロバイダの範囲を評価するための方法を含んでもよい。実施形態では、メンテナンスおよび関連する活動を実行するためのサービス提供者が格付けされてもよい。サービス手順に規定されたサービスを実行している間、サービス提供者(例えば、技術者など)は、(s)彼が手順に従っている程度について評価されてもよい。手順に従った度合いは、あるステップが指定された順序で完了したかどうかを独立して判断することによって、暗黙的に捕捉されてもよい。実施形態では、ベアリングの写真を撮るためにベアリングカバーパネルを取り外すことを要求する手順は、サービス技術者が、手順を進める前にカバーされていないベアリングの写真を提出することを要求することによって検証されてもよい。実施形態では、サービス技術者は、タブレット、携帯電話、産業用ポータブルコンピュータなどのコンピューティングデバイスのユーザインタフェースを使用して、技術者がサービス手順にアクセスすることができる。サービス技術者は、スケジューリングの容易さ、特定の機械および/またはサービス活動に関する専門知識/トレーニングの程度、サービス後の診断テスト(例えば、自己テストなど)の結果、サービスのための推定対実際のコスト、サービスを予定通りに実行するための迅速さ、清潔さ、手順の遵守(例えば、上述したような)、第三者などの他のリソースへの依存度などを含むがこれらに限定されない、様々な基準に沿って評価されてもよい。
実施形態では、ベンダレーティングシステム30300が図319に描かれている。ベンダ評価システム30300は、ベンダ30306に関する情報(例えば、場所、ユーザのフィードバックなど)、ベンダ30306が知っていると主張する1つ以上の手順30308のためのサービスデータ、情報がベンダを評価するために使用される方法に影響を与える可能性があるベンダ評価重み付けデータ30310(例えば、古いデータは、新しいデータよりも重くなる可能性がある、サービス情報が非常に少ないマシン上のサービスは、重くなる可能性がある、など)をキャプチャするベンダ評価ファシリティ30302を含んでもよい。ベンダ評価システム設備30302は、ベンダの経験および評価の程度に基づいて、特定のベンダ評価の信頼度係数に影響を与える経験スケール30312を適用することによって、ベンダの全体的な経験レベルをさらに考慮してもよい。サービス技術者の入力30314は、例えば、構造化された(例えば、複数選択式の回答)および/またはサービス技術者が、手順が守られなかった理由、またはサービスが予想よりも長くかかった理由などを説明するために、サービス活動などについて提供し得る自由形式の入力などを考慮してもよい。ベンダ評価設備30302は、実施されたサービス活動の成功を評価するために使用され得るサービス活動に関連して実施されたテストやテストの結果などの情報を診断テスト情報3022からさらに受信してもよい。診断試験情報30222は、例えば、赤外線サーモグラフィ、超音波試験、モータ試験、電流/電圧試験、ねじり試験、非破壊試験、電力密度試験、音響試験などの診断試験からの情報を含んでもよい。実施形態では、ベンダレーティング設備30302は、診断テスト結果データ3022から決定されるかもしれないサービス後診断の結果などを含むがこれに限定されない、ベンダレーティング基準30316の範囲でベンダをレーティングしてもよい。ベンダ評価基準は、スケジューリングの容易さ、手順、機械などの経験の程度、コスト、迅速性、清潔さ、手順の遵守などをさらに含んでもよい。ベンダレーティング結果は、例えば、ベンダレーティング基準(例えば、経験の程度)とベンダのレーティングとの間の相関関係を改善するために、機械学習アルゴリズム3024で処理されてもよいベンダレーティング結果データストア3022に格納され、アクセスされてもよい。
実施形態では、ベンダー格付け方法は、サービス提供者によって提供される産業機械サービスに関するフィードバックを収集し、少なくとも1つの産業機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業機械サービスのための手順の遵守、手順および産業機械の少なくとも1つに対するサービス提供者の経験の尺度を含む。複数の格付け基準とフィードバックを比較することによって、産業機械サービス提供者の格付けを決定することを含んでもよい。実施形態では、方法は、ベンダーの格付け結果に機械学習を適用し、ベンダーを格付けする際に機械学習の出力を組み込むことにより、ベンダーの格付け結果と格付け基準との相関性を改善することを含んでもよい。
実施形態では、産業機械のメンテナンスのための改良された方法およびシステムは、メンテナンス、サービスおよび修理に関連するノウハウおよび他の情報を含む、事実情報(内部構造、部品およびコンポーネントに関するものなど)、操作情報および手順情報を含む、産業機械に関する情報の収集、発見、捕捉、普及、管理および処理を容易にする方法およびシステムを含む、産業機械のメンテナンスのための改良された方法およびシステムは、産業機械の予知メンテナンスなどに関連する一連の活動および情報を評価するための方法を含んでもよい。実施形態では、メンテナンスおよび関連する活動を実行するための手順情報が格付けされてもよい。サービス手順に規定されたサービスを実行している間、サービス提供者(例えば、技術者など)は、技術者がサービス手順にアクセスするユーザインタフェースを介して、各実質的なサービス手順の動作ごとのような各手順に対する評価を示してもよい。サービス技術者は、情報へのアクセスの容易さ、情報の教育的価値、説明の正確さ、画像の正確さ、シーケンスの正確さ、サービスの実行の難易度などを含むがこれらに限定されない範囲の基準に沿って各手順を評価してもよい。1台以上の機械のメンテナンスなどを行うために手続き情報に依存するサービス提供者などは、そのような手続き情報を利用したサービスシステムに関するノウハウを開発してもよい。このノウハウは、手順に関連したフリーフォームのコメントや、公開されている手順の編集提案などを通じて、手順評価システムに取り込まれることがある。
実施形態では、メンテナンスタスクを実行するための手順は、特定の機械に精通しているサービス技術者にとっては明確であってもよいが、経験の少ないサービス担当者にとっては十分に明確ではないかもしれない。したがって、手順評価タスクを完了しているサービス技術者に関する情報は、評価の重み付けをより良くするために適用されてもよい。さらに、サービス手順は、経験の少ない者がサービスタスクを実行するために使用され得る場合と、経験のある提供者が好ましい場合との識別を容易にするような経験スケールで評価されてもよい。このような情報は、要求されたサービスタスク等を実行するのに適したサービス主体の選択を容易にするために、産業機械予測メンテナンスシステムにとって有用であるかもしれない。実施形態では、産業用機械予測保全システムは、吟味されたサービス要員へのアクセスを容易にするときに、経験尺度評価のような、サービス/保全手順の様々な側面を記述することができる情報を収集してもよい。特に、サービス手順が従うのが非常に複雑であると評価された場合、サービスを実行するために利用可能な経験豊富な人員が少ないかまたは全くいないサービス主体は、回避されるか、または少なくとも、より多くの経験を持ち、利用可能な経験豊富なサービス技術者の数が多いサービス主体の下に提示されるかもしれない。評価手続き情報は、不足していることが判明したものよりも好ましいサービス手続きの特徴を特定することによって、サービス手続き情報を生成するためのシステムをさらに強化してもよい。
図320に示すような実施形態では、産業機械のサービスおよび/または修理手順を格付けするための方法およびシステムは、手順格付けコンテンツの様々なソースを集約して、使いやすさ、正確さ、柔軟性などの手順に対する1つ以上の格付けを生成してもよい手順格付け設備30402を含んでもよい。そのようなレーティング設備30402は、手順のテキスト、画像、フローチャートなどを処理するような手順30406へのアクセスを有してもよく、それにより、手順に寄与する様々な要素のレーティングを容易にすることができる。手続きレーティング設備30402はまた、手順の使用インスタンスの長さなどの手順のためのサービスデータ30408へのアクセスを有してもよい。そのようなサービスデータは、手順の格付けの信頼度を決定するのに有用であってもよい。使用頻度の低い手順のレーティングは、使用頻度の高い手順のレーティングよりも信頼度が低い場合があるが、これは、使用頻度の低い手順の比較データがないことが少なくとも部分的に原因となっている。レーティング手順はまた、レーティングに寄与する要因の重み付け30410にアクセスすることを含んでもよく、そのような重み付けは、明示的に記載されてもよく、暗黙的に決定されてもよく、手順の年齢、手順に従うために必要な材料の利用可能性などの要因に基づいて変化してもよい。実施形態では、いくつかの手順の評価は、サービス技術者、監督者、手順品質試験者などのような、評価プロセスへの貢献者の経験によって影響を受けてもよい。したがって、経験尺度30412は、例えば、与えられた経験を有する貢献者が評価することが許される手順の側面に影響を与えるために、評価アルゴリズムに適用されてもよく、そのような場合には、サービス技術者、監督者、手順の品質試験者などのような評価プロセスへの貢献者の経験によって影響を受ける。実施形態では、サービス技術者および他の貢献者入力30414は、例えば、貢献者が手順の様々な側面(例えば、手順のテキスト、手順の翻訳、およびそのようなもの)に対する評価尺度をマーキングすることによって、評価プロセスへの貢献者入力30414が明示的に収集されてもよい。貢献者の入力は、手順のステップを実行するのにかかる時間を追跡するなど、暗黙的に収集されてもよい。実施形態では、サービス技術者が手順に提示された手順とは異なる手順または追加の手順に従った場合、手順評価機能は、この入力およびこれらの他の手順の理由を手順の評価に影響を与えるものとして受け取ることができる。このフィードバックは、サービス品質の改善に役立つ可能性のある、不正確な機械分析及び製造業者のガイダンスを有する手順を特定するのに役立つ可能性がある。不適切な機械故障診断は、分析を改善するために、機械学習設備30424のような人工知能によって分析されてもよい。技術者からのフィードバックおよび手順評価分析および結果は、より良い修理およびより速い修理を達成するために手順を改善することを容易にするために、手順開発者(例えば、産業用機械製造業者など)が利用可能にするか、または手順開発者にプッシュされてもよい。レーティング手順30402のようなインセンティブのあるフィードバックプログラム及びその適切な使用により、機関の知識が、従来のような一対一の訓練を必要とせずに、予防保全システムのあらゆる側面に浸透してもよい。
実施形態では、格付け設備30402のような手順格付け設備は、限定されないが、手順へのアクセスの容易さ、手順の翻訳の容易さ、手順の教育的価値、テキストの正確さ、画像/グラフィックの正確さ、関連コンテンツ(例えば、部品リスト)の正確さ、一連の手順の妥当性、初めて手順を使用する際に手順からエラーのない結果を得るための全体的な難易度、直接文書化されていてもよい、またはされていなくてもよい他の手順への依存性などを含む格付け基準30416へのアクセスをさらに有していてもよい。手順格付け設備30402のような格付け設備は、手順格付け結果30422を生成してもよく、それは、不揮発性のコンピュータアクセス可能なメモリなどの電子的に保存されてもよい。実施形態では、特定の産業用機械のための手順の格付けは、機械とともに廃棄されたスマートRFIDコンポーネントの1つまたは複数に格納されてもよい。手順格付け結果30422は、手順格付け設備30402と協調的に動作する機械学習30424を使用することによって改善されてもよい。
実施形態では、産業用メンテナンス手順を評価するための方法は、産業用機械サービスを実行するために手順を使用するサービス提供者から手順に関するフィードバックを収集し、そのフィードバックを、手順へのアクセスの容易さ、翻訳の容易さ、教育的価値、内容の正確さ、順序の正確さ、手順に従うことの容易さ、および手順以外の動作への依存度を含む。複数の評価基準と比較することによって、産業用機械サービス手順の評価を決定することを含んでもよい。方法は、機械学習を手順の評価結果に適用し、手順を評価する際に機械学習の出力を組み込むことにより、手順の評価結果と評価基準との相関性を改善することをさらに含んでもよい。
実施形態では、分散型投票、暗号化ハッシュ、検証可能性、セキュリティ、オープンアクセス、アクセスと更新の速さ、参加者(貢献者、検証者など)の追加の容易さなど、ブロックチェーンの技術とアプリケーションが、本明細書に記載されている産業用機械の予測メンテナンス方法とシステムに適用されているかもしれません。産業用機械からの操作、テスト、故障などのデータの収集は、システムの状態、故障などに関する情報の検証可能性を確保することを容易にするブロックチェーンアプローチで処理されてもよい。部品注文、サービス注文などの取引は、ブロックチェーンで処理され、それにより、コストなどの情報を含む取引の安全性と検証可能性を高めることができ、産業用機械のメンテナンスやサービス活動を管理するために、本明細書に記載されている予測メンテナンスシステムによって利用される可能性がある。ブロックチェーンの他の用途は、本明細書の図312に描かれ、関連して説明されている分散型台帳29602のような分散型公開台帳を確保することを含んでもよい。
実施形態では、IoTデバイスなどの産業機械のピアツーピアネットワーク上で行われるトランザクションは、ブロックチェーンを有効化した分散型台帳として運用され、それにより、産業機械などの予防保全データの中央管理またはリポジトリへの依存度を低減することができる。産業機械の予測メンテナンスシステムにおけるブロックチェーン機能の一例では、個々の機械上のスマートRFID要素およびその対応するネットワーク常駐コピーへの変更は、ネットワーク常駐コピー内の関連情報にアクセスすることにより、RFID内の情報へのオープンアクセスを容易にするブロックチェーン分散型台帳システムを介して処理されてもよい。
実施形態では、図321は、産業機械が出荷されるか、または出荷のために確定されたときに30502を開始することができる特定の産業機械30500に関連するトランザクションのためのブロックチェーンを描写している。特定の産業機械のさらなるトランザクションが実行されると、例えば、設置30504の間に、産業機械30506と共に配備されたセンサからの操作情報の収集、産業機械30508のサービスイベント、部品およびサービスオーダー30510、診断アクティビティ30512などが、それぞれ特定の産業機械のためのブロックチェーンに追加され、それによって、本明細書に記載される予測メンテナンス方法およびシステムによって活用できる産業機械のための安全で、検証可能で、追跡可能なデータセットを提供する。
実施形態では、産業機械に関する情報を蓄積する方法は、開始ブロックを生成することによって特定の産業機械に関する産業機械情報のブロックチェーンを開始し、出荷準備、設置、動作センサデータ、サービスイベント、部品注文、サービスオーダー、および診断活動のうちの少なくとも1つからのデータとブロックチェーン内の最も最近生成されたブロックのハッシュとを組み合わせて特定の産業機械ブロックチェーンの後続ブロックを生成することを含んでもよい。
実施形態では、予測メンテナンススケジュール、アクションなどは、産業機械と共に配備されたセンサからのデータなどの産業機械の操作データの分析に基づいてもよい。センシングされたデータを含む運転データのメンテナンストリガー閾値を決定することは、データが表す効果のタイプを特定し、次に、許容可能な運転、疑わしい運転、許容できない運転、および他のタイプの運転を表すデータ値を決定することを含んでもよい。実施形態では、産業用機械部品、構造要素などの振動活動を検出して監視するために配備された振動センサは、機械部品の振動がどのように予測メンテナンス行動に寄与するかを決定することを容易にしてもよい。予測メンテナンス動作のタイミングなどに関連して、センサからの振動データの重大度を決定することは、従来の振動分析よりも多くのことを必要とするかもしれない。実施形態では、振動測定値は、メンテナンス要件などを予測する際に使用されるかもしれない重要度単位に変換されてもよい。
実施形態では、振動は、産業用機械への悪影響を判定するために有用であるかもしれないが、振動分析は、一般に複雑であり、振動の周波数、振動源、振動される材料、毎分あたりの機械の動作サイクルなどに基づいて大きく変化する。振動速度のような振動の測定値は、中程度の振動周波数では振動が問題となる場合の判断には有用かもしれませんが、それだけでは低周波や高周波数では有用な知見を得ることができません。したがって、正規化された振動解析指標のような周波数に依存しない振動解析は、有用な予測メンテナンス情報につながる可能性がある。
実施形態では、本明細書に記載されているように、振動分析結果を重大度単位に正規化することは、振動周波数の独立性を促進するかもしれない。全体的な振動スペクトル、RMSレベルなどは、変位、速度、加速度などの単位で表現されてもよい。一例では、ベアリングキャップの振動測定値は、少なくとも振動の機械的重大度に直接関連するため、振動速度として表現されてもよい。上述したように、振動速度は、中距離の周波数成分については十分であるかもしれないが、低および高周波数成分は、予測メンテナンスアルゴリズムのための振動速度の関連性に重大な例外を示す。本出願を考慮すると、振動速度は、中距離周波数の速度厳しさ要件と比較した場合のように、実質的に、低周波および高周波数のための速度厳しさ要件(例えば、振動振幅など)を直線的に低下させる振幅対周波数チャートなどを通じて特徴付けられることが理解されるであろう。
実施形態では、本明細書に記載される方法およびシステムは、振動スペクトルを正規化することを容易にするために、周波数チャートの方法論を拡張し、強化することにより、ゼロに近い周波数から18000サイクル/分(cpm)をはるかに超えるような広い振動周波数スペクトルにわたって一貫した振動重大度単位として表現することができるようにする。ローエンドの直線性周波数以下の周波数(例えば、ローエンドの膝周波数値)で発生する振動スペクトルの成分は、変位(例えば、振幅)が、より低い周波数での速度よりも重大度のより重要な指標であることが示されているので、変位の値(例えば、ミリメートルのプリセット値)に正規化するアルゴリズムを用いて処理されるであろう。ハイエンドの直線性周波数(例えば、ハイエンドの膝周波数値)を超える周波数で発生する振動スペクトルの成分は、重力の単位の値(例えば、g'sまたはg力のプリセット値)に正規化するアルゴリズムで処理される。正味の結果は、周波数スペクトルの各範囲(ローエンド膝閾値以下、中間範囲、およびハイエンド膝閾値以上)が、重大度単位に一様にマッピングされ得ることである。多くの例では、周波数スペクトルは、3つの範囲(ローエンド膝閾値以下、中間範囲、およびハイエンド膝閾値以上)に分割されてもよく、周波数スペクトルのより少ないまたはより多くの範囲は、予測メンテナンス振動重大度単位を生成するための振動データ正規化技術の範囲を超えることなく決定され、適用されてもよい。
実施形態では、方法およびシステムは、振動振幅単位を周波数に依存しない単位に正規化することを含む。これらの単位は、重大度単位またはアクション単位と呼ばれ得る。多くの例では、振動スペクトル、全体レベルまたは二乗平均平方根レベルは、変位、速度または加速度の単位で表される。例えば、ベアリングキャップの測定値の場合、振動速度は、機械的厳しさに直接関連する可能性があるため、最も一般的に使用されます。中周波成分については十分であるが、しかしながら、低周波領域および高周波領域については著しい例外があり得る。本開示に照らして、多くの振幅対周波数の厳しさチャートが、チャートに描かれている低周波成分および高周波成分の両方について、速度の厳しさ要件を直線的に低くするように構成されていることが理解されるであろう。
実施形態では、方法およびシステムは、振動スペクトルを重大度単位として正規化するための重大度グラフの開発および構築を含む。この例によって、図322に描かれているように、1分間に約1200サイクルの所定の膝レベル以下の低周波数成分は、その振幅を重大度単位で正規化することができるように、所定の因子(傾きの関数として)によって得られる。同様に、約18,0000サイクル/分のニーレベルを超えるより高い周波数成分については、スペクトルピークもまた、重大度の平坦性を達成するために、異なる所定の因子によって得られる。実施形態では、重大度単位で表示されるスペクトルは、重大度を画定するために横線で表示されてもよい。実施形態の多くの側面において、1つ以上のベアリング欠陥周波数および/または1つ以上のベアリング共振周波数に関連する他のスペクトル成分は、重大度のために調整されたそれらの対応する振幅を有してもよい。この例によって、1つ以上のベアリング欠陥周波数に関連する他のスペクトル成分は、重大度のために調整するためにそれらの対応する振幅を増加させてもよく、1つ以上のベアリング共振周波数に関連する他のスペクトル成分は、重大度のために調整するためにそれらの対応する振幅を減少させてもよい。さらに、エンベロープなどのスペクトルを出力する他のデジタル処理技術が、重大度スペクトル内のスペクトルピークを補足または重ね合わせるために採用されてもよい。実施形態では、最終的に得られた重大度スペクトルは、その後、プレゼンテーションおよび分析目的のために、ローカル、リモート、および/またはクラウドネットワーク設備を介してアクセスされて表示されてもよい。実施形態では、最終的に得られた重大度スペクトルは、重大度の分析および評価のために専門家システムに供給されてもよい。実施形態の多くの側面において、全体的なレベルは、現在振動モニタリングシステムによって利用されているより一般的なばらばらな単位の集合ではなく、全体的なレベルまたは重大度の単位での二乗平均平方根レベルを生成するために、この「正規化された」スペクトルから計算されるか、または導出されてもよい。
実施形態では、図3022は、産業機械のケーシング振動のための振動センサデータを正規化するための重大度単位変換関数を示す図である。重大度単位変換関数30602は、縦軸30604に沿った振動変位率(インチ/秒)と、横軸30606に沿った振動周波数cpm(サイクル/分)とを含む。ローエンド周波数分界30608は、1200cpmに設定され、ローエンドの振動周波数領域30610の上端と、中間周波数領域30612の下端とを定義する。ハイエンド周波数分界300614は、18000cpmに設定され、ハイエンド振動周波数領域30616の下端だけでなく、ミッド周波数領域30612の下端を定義する。
図322の実施形態に係る重大度は、以下のように計算される。
S = M x A (30601)
式30601において、Sは算出中の重大度値、Aは中域の重大度限界値、Mは以下のように3つの振動スペクトル範囲ごとに算出される重大度正規化値である。
ローエンドレンジ 30610 の場合、M=振動周波数/ローエンドの分界値。
ミッドレンジ30612の場合、M=1。および
ハイエンドレンジ 30616の場合、M=ハイエンドの分界値/振動数。
図322の実施形態の例では、ローエンドレンジM=周波数/1200、ハイエンドレンジ M=18000/周波数である。これにより、ローエンドレンジjについては約2.5ミル、ハイエンド範囲については約2.5g の許容可能な重大度値が得られる。
実施形態では、図322に例示された重大度正規化機能は、本明細書に記載された予測メンテナンス方法およびシステムによって使用され得る周波数範囲ごとの重大度単位の開発を容易にすることができる。
実施形態では、5つの重大度ユニットが識別され、各周波数範囲に適用されてもよい。重大度ユニットは、許容可能、注意、再調査、すぐに行動、即時などの名前を付けてもよい。実施形態では、許容可能な重大度単位をもたらす振動データは、予測保全分析および行動推奨にほとんど影響を与えない。許容可能な重大度単位の分析をもたらす振動センサデータの研究は、類似の産業機械、産業機械の類似の部分、産業機械の異なる世代またはその一部などのような産業機械間のばらつきについて収集され、さらに分析されてもよい。
実施形態では、図323に描かれているように、追加の重大度カテゴリが追加されてもよい。図323を引き続き参照すると、例示的な重大度チャートは、重大度レベルを定義し、それらのレベルのための関連するアクションを定義してもよい。この例によって、重大度チャートは、ベアリングキャップに取り付けられた加速度計で撮影されたスペクトルピークに関連付けられてもよい。約1,200サイクル/分未満または約20Hz未満のレジームについて変位を測定する場合、1つまたは複数の検出された信号が許容可能であり、したがって、検出された信号の3つの範囲にわたって最も深刻でないとみなされる範囲は、約1,200サイクル/分未満または約20Hz未満のレジームについて変位を測定する場合、ピークからピークまで約2.5,000分の1インチ(ピークからピークまで約63.5マイクロメートル)未満である。約1,200サイクル/分~約18,000サイクル/分、または約20Hz~約300Hzであるレジームについては、重大度チャートは、速度に関して信号を評価してもよく、許容可能であり、したがって、最も厳しいレベルは、ピーク時に約0.15インチ/秒(ピーク時に約3.81ミリメートル/秒)未満である。毎分約18,500サイクルよりも大きい、または約300Hzよりも大きいレジームでは、重大度チャートは、加速度および許容可能であり、したがって、最も厳しいレベルは、ピーク時に約2.5gレベル未満であるという点で信号を評価してもよい。
約1,200サイクル/分未満または約20Hz未満であるレジームについて変位を測定する場合、1つまたは複数の検出された信号がウォッチする価値があるとみなされ、したがって、検出された信号の3つの範囲にわたって最も重度の低いものよりも1つ高いレベルは、2.5インチのピーク・トゥ・ピーク(約63.5マイクロメートルのピーク・トゥ・ピーク)と5千分の1インチのピーク・トゥ・ピーク(約127マイクロメートルのピーク・トゥ・ピーク)との間である。約1,200サイクル/分~約18,000サイクル/分、または約20Hz~約300Hzであるレジームについては、重大度チャートは、速度および見る価値の点で信号を評価してもよく、したがって、最も厳しいレベルよりも高い1つのレベルは、ピークで約0.15インチ/秒(ピークで約33.8ミリメートル/秒)と、ピークで約0.3インチ/秒(ピークで約67.6ミリメートル/秒)との間である。約18,500サイクル/分よりも大きいか、または約300Hzよりも大きいレジームについては、重大度チャートは、加速度の点で信号を評価してもよく、見応えがあり、したがって、最も低い重大度からの1つのレベルアップは、ピークで約2.
1つ以上の検出された信号が、1つ以上の信号が得られた機械または経路の再調査を示唆または要求するのに十分であると判断される範囲は、したがって、検出された信号の3つの範囲にわたって、ウォッチレベルよりも1段階高い重大度と、最も重大度の低いものよりも2段階高い重大度とが、2の間の範囲である。約1,200サイクル/分未満または約20Hz未満であるレジームのための変位を測定する場合、1インチのピーク・ツー・ピーク(約63.5マイクロメートルのピーク・ツー・ピーク)および1インチのピーク・ツー・ピーク(約127マイクロメートルのピーク・ツー・ピーク)の5,000分の1インチの間である。約1,200サイクル/分~約18,000サイクル/分、または約20Hz~約300Hzであるレジームについては、重大度チャートは、速度の観点から信号を評価し、ピーク時に約0.3インチ/秒(ピーク時に約7.62ミリメートル/秒)と、ピーク時に約0.6インチ/秒(ピーク時に約15.24ミリメートル/秒)の間で、1つ以上の信号が得られた機械または経路の再調査を示唆または要求するのに十分であるかもしれない範囲を定義してもよい。約18,500サイクル/分よりも大きい、または約300Hzよりも大きいレジームについては、重大度チャートは、加速度の観点から信号を評価し、ピーク時に約5gのレベルとピーク時に約10gのレベルとの間で、1つ以上の信号が得られた機械または経路の再調査を示唆するか、または必要とするのに十分であり得る。
この例によって、1つ以上の検出された信号が、すぐに行動のためのフラグを立てるのに十分であると判断され、したがって、行動のためのフラグを立てるのに十分な重大度レベルより1つ下のレベルであると判断される範囲がある。他の例では、1つ以上の検出された信号の重大度がそのようなフラグを正当化する場合に、今すぐ行動のためのフラグと、シャットダウンのためのフラグを含むフラグ行動とが存在し得る。約12000サイクル/分未満または約20Hz未満であるレジームの変位を測定する場合、すぐに行動のためのフラグを立てるのに十分な範囲は、約10000分の1インチのピークツーピーク(約254マイクロメートルのピークツーピーク)と約16.64μmeters peak-to-peak) 約1,200サイクル/分から約18,000サイクル/分、または約20Hzから約300Hzの領域では、重大度チャートは、速度の観点から信号を評価し、ピーク時に約0.6インチ/秒(ピーク時に約15.24mm/秒)からピーク時に約1インチ/秒(ピーク時に約25.4mm/秒)の間で、1つ以上の信号が得られた機械または経路の再調査を示唆または要求するのに十分な範囲を定義してもよい。約18,500サイクル/分よりも大きい、または約300Hzよりも大きいレジームについては、重大度チャートは、加速度の観点から信号を評価し、ピーク時に約10gのレベルとピーク時に約16.6gのレベルとの間で、1つまたは複数の信号が得られた機械または経路の再調査を示唆または要求するのに十分であるかもしれない。
この例によって、1つ以上の検出された信号が、即時行動のためのフラグを立てるのに十分であると判断され、したがって、最高の重大度レベルであると判断される範囲が示されている。他の例では、1つ以上の検出された信号の重大度がそのようなフラグを正当化する場合に、即時行動のためのフラグと、停止のためのフラグを含むフラグ行動とが存在し得る。約12000サイクル/分未満または約20Hz未満であるレジームのための変位を測定する場合、即時行動のためのフラグを立てるのに十分な範囲は、ピーク-ピーク間のインチの約16.64μmeters peak-to-peak) 約1,200サイクル/分から約18,000サイクル/分、または約20Hzから約300Hzであるレジームについては、重大度チャートは、速度の観点から信号を評価し、ピーク時に約1インチ/秒(ピーク時に約25.4mm/秒)以上で即時行動のためのフラグを立てるのに十分な範囲を定義してもよい。毎分約18,500サイクルより大きいか、または約300Hzより大きいレジームの場合、重大度チャートは、加速度の観点から信号を評価し、ピーク時に約16.6gのレベルを超えてすぐに即時行動のフラグを立てるのに十分であるかもしれない範囲を定義する。
図323の重大度チャートは、許容可能なカテゴリで1,250サイクル/秒で0.15インチ/秒の速度を描写していることは、本開示に照らして理解されるであろう。図1に描かれた変位、速度、および加速度の間の変換は、重大度単位を決定するための正規化において、2.5千分の1インチの変位のピークからピークまでが、1,250サイクル/秒における0.15インチ/秒の速度に相当することを示している。図1はまた、61,450サイクル/分でのピーク時の0.2インチ/秒の速度が2.5gレベルの加速度に相当することを示している。ウォッチカテゴリーのスパンは6dBです。再調査カテゴリは6dBに広がり、早期の動作カテゴリは約4.5dBに広がります。
本開示に照らして、重大度チャートの多くの例は、非常に特定の機器タイプに基づいていてもよいことが理解されるであろう。多くの例では、十分に低い速度または比較的遅い速度で動作する機械の多くのカテゴリが、別個の重大度カテゴリを必要としないかもしれないので、これらの分類のいくつかは単純化されてもよい。これらの例では、速度に基づく重大度単位は、1つまたは診断を提供するのに十分であってもよい。多くの例では、振動波形、スペクトル、および全体的なレベルを提供してもよい生データサーバ、およびこの生データを意味のある重大度単位に変換しなければならないエキスパートシステムエンジンのような異なるサブシステム間の通信は、重大度単位を生成するために正規化を使用することにより、大幅に簡略化されてもよい。
実施形態では、重大度単位は、信号処理技術が、特殊な意義を有するが、正常に比較または分析するために正規化されなければならない任意の生データのセットに適用されてもよい非振動データに適用されてもよい。実施形態では、性別が特異的であってもよい特定の薬学的治療の実行可能性に関する数理データは、一般集団に正規化されてもよい。本開示に照らして、ジェンダー特定データをジェンダーレスな宇宙に正規化する1つ以上の確立された技術またはガイドラインが、AI、統計学、チュートリアル、または他の関連システムへのサブシステム通信のために有用になることが理解されるであろう。
実施形態では、ウォッチ重大度ユニットの結果として得られる振動データは、振動データ収集および分析の発生頻度などの予測メンテナンス推奨の側面に影響を与えてもよい。ウォッチ重大度ユニットの決定は、少なくとも振動データの収集および分析をより頻繁に実施することを結果としてもたらしてもよい。また、較正、診断テスト、目視検査などを実施することによって、振動しているコンポーネントの他の状態をチェックすることになるかもしれない。
実施形態では、再調査重大度ユニットの結果となる振動データは、できるだけ早く振動データの収集および分析を実行することをトリガーにしてもよい。再調査重要度ユニットの決定は、振動データ収集およびルーティング機能および要素を構成して振動データ収集および分析を再び繰り返すように、影響を受けた産業機械の関連部分に信号(例えば、一連のコマンドなど)が送信されることを結果として生じてもよい。また、影響を受けた産業機械の要素のために他のセンサからのデータ収集を開始するように産業機械データ収集制御システムを構成してもよい。同様に、それは、再調査された振動調査等の比較分析のために利用できるように、他の類似した産業機械から比較可能な振動センサデータを収集することの優先順位を上げることができる。
実施形態では、すぐに行動の重大度単位をもたらす振動データは、影響を受けた部品を有する産業機械の一部分のための次の定期メンテナンスのはるか前に、影響を受けた部品のサービス行動をスケジューリングすることをトリガしてもよい。それはまた、関連する要素のためのアクション(例えば、予防、調査、分析など)をエスカレートさせる結果となり得る。一例として、モータの振動データがすぐに行動を起こすことを示している場合、モータのドライブシャフト、ドライブシャフトによって駆動されるギアボックス、およびそのようなものに対して、振動データの収集、予防保全行動、較正行動、およびそのようなものを作動させることができる。
実施形態では、即時の重大度単位をもたらす振動データは、必要なすべての部品交換をできるだけ早く実行するための建設的な承認として扱われてもよく、それによって、交換部品、材料、および産業機械の1つ以上のサービス動作を実行するために、交換部品、材料、および同様のものを発注することを誘発する。そのような結果はまた、サービスが実行されるまでの間、産業機械の使用の停止、産業機械のデューティサイクルの減少、産業機械の動作サイクル率の減少等のような特定の自動アクションを誘発してもよい。
広い振動周波数範囲にわたって振動に適用される重大度・ユニットの一実施形態が、図323に代表的に描かれている。図323の代表的な実施形態では、5つの重大度ユニットの各々は、特に1200cpm未満、1200cpmから18000cpmの間、および18000cpmを超える振動周波数に対して、図322で表される3つの振動スペクトル領域にマッピングされている。
実施形態では、各スペクトル領域内では、厳しさの単位が定義されている。ローエンド閾値(例えば、1200 cpm)以下のスペクトル領域では、ピークからピークまでの変位が2.5ミル以下の振動変位が許容可能な重大度単位の基準を満たし、2.5と50の間はウォッチ重大度単位を示し、5.0と10.0の間は再調査重大度単数を示し、10.0と16.6ミルの変位の間はすぐに行動する重大度単位を示し、16.6ミルより大きい変位はすぐに行動する重大度単位をトリガします。1200 cpmから18000 cpmの間の振動周波数スペクトルでは、通常の厳しさは、0.15インチ/秒ピーク(ipsp)以下の変位によって特徴付けられ、ウォッチは0.15から0.3ipspの間であり、再調査は0.3から0.6ipspの間であり、アクション・アーリー厳しさは0.6から1.0ipspの間で発生し、即効性の厳しさは1.0ipspを超える振動変位率で発生します。18000 cpmを超える振動周波数スペクトルでは、許容可能な厳しさは、2.5 g 未満のピークを示す振動分析によって示され、ウォッチは2.5 g から5.0 g まで、5.0 g から10.0 g までは再調査によって示され、10.0 g から16.6 g まではすぐに行動し、16.6 g を超える力をもたらす振動に対してはすぐに行動する重大度単位が示されます。
本明細書に記載された重大度ユニットの方法およびシステムの用途は、様々な速度で動作する機械の範囲にわたる用途を含む。既存の振動解析ツールとは異なり、本明細書に記載されているアルゴリズムベースのアプローチは、機械の速度の影響などに関連するいくつかの不要な計算複雑性を効果的に除去することによって、より低速の機械を容易に扱うことができます。生データ解析や重大度検出など、異なる機械が異なる動作を行う環境では、ロバストな重大度判定を確実に行うために十分な情報を提供することをサポートするために、通信帯域幅を増加させなければならない。本明細書に記載されている重大度ユニットの方法およびシステムを使用することにより、そのような実施形態におけるデータ通信の必要性が大幅に単純化され、それにより、対応する環境などにおける通信帯域幅の需要が低減される。
重大度単位の議論は振動データ解析などに向けられているが、重大度単位の決定および検出のための方法およびシステムは、比較を成功させるための正規化から利益を得ることができる振動以外のデータソースに適用されてもよい。実施形態では、一方または両方の性別に対する特定の医薬治療の実行可能性に関する数理データは、一般集団に適用するために、本明細書に記載された方法およびシステムを用いて正規化されてもよい。重大度のための既存のガイドラインに対応するアルゴリズムが生成されてもよいが、ジェンダーレス(ジェンダー正規化された)重大度指標を生成するために、本明細書に記載された方法およびシステムを使用してそれらを拡張してもよい。
実施形態では、振動データからサービスイベントを予測する方法は、産業機械の一部分の振動を捕捉するために配置された少なくとも1つの振動センサから振動データを捕捉することを含む一連の動作ステップを含んでもよい。キャプチャされた振動データは、キャプチャされた振動の周波数、振幅、および重力のうちの少なくとも1つを決定するために処理されてもよい。次に、例えば決定された周波数に基づいて、捕捉された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが決定されてもよい。このように、捕捉された振動のための振動厳しさ単位を計算することは、決定されたセグメントと、振動データから導出されたピーク振幅および重力力のうちの少なくとも1つに基づいてもよい。さらに、前記方法は、前記重大度単位に基づいて前記産業機械の部分のメンテナンス動作を実行するための信号を前記予測メンテナンス回路に生成することを含んでもよい。
実施形態では、セグメントは、決定された周波数をマルチセグメント振動周波数スペクトルの中間セグメントの上限値および下限値と比較することに基づいて決定される。マルチセグメント振動周波数スペクトルの第1のセグメントは、マルチセグメント振動周波数スペクトルの中間セグメントの下限以下の決定された周波数値を含んでもよい。マルチセグメント振動周波数スペクトルの中間セグメントの下限は12000kHzであってもよく、上限は18000kHzであってもよい。実施形態では、マルチセグメント振動周波数スペクトルの第2のセグメントは、マルチセグメント振動周波数スペクトルの中間セグメントの上限を超える決定された周波数値を含んでもよい。
実施形態では、振動重大度単位を計算することは、複数の重大度正規化パラメータのうちの1つを中間の重大度限界値に乗算して重大度値を生成することと、決定されたセグメントの複数の重大度単位範囲のうちの1つに振動重大度値をマッピングすることとを含んでもよい。複数の正規化値のうちの第1の重度正規化値は、決定された周波数を、複数のセグメントの振動周波数スペクトルのうちの中間セグメントのローエンド周波数値で除算することによって算出される。複数の重大度正規化パラメータのうちの特定の1つは、決定された周波数値がローエンド周波数値よりも小さい場合に、第1の重大度正規化値を含む。
実施形態では、複数の正規化値のうちの第2の重大度正規化値は、マルチセグメント振動周波数スペクトルの中間セグメントのハイエンド周波数値を決定された周波数値で除算することによって計算される。複数の重大度正規化パラメータの特定の1つは、決定された周波数値がハイエンド周波数値よりも大きい場合に、第2の重大度正規化値を含む。
マルチセグメント振動周波数スペクトルのセグメントに関して、マルチセグメント振動周波数スペクトルの第1のセグメントは、決定された振動振幅に基づいて複数の重大度単位に分割される。マルチセグメント振動周波数スペクトルの第2のセグメントは、決定された重力に基づいて複数の重大度単位に分割される。
実施形態では、振動厳しさ単位は、マルチセグメント振動周波数スペクトルの第1セグメント内の決定された振動周波数についての決定された振動振幅のピーク変位に基づいて決定される。例示的な実施形態では、振動重大度ユニットは、マルチセグメント振動周波数スペクトルの第2セグメント内の決定された振動周波数についての決定された振動誘起重力に基づいて決定される。
実施形態では、産業機械の部分は、可動部、可動部を支持する構造部材、モータ、駆動軸などであってもよい。
実施形態では、振動データからサービスイベントを予測するためのシステムは、産業機械の一部の振動を捕捉するために配置された少なくとも1つの振動センサを含む産業機械を含んでもよい。システムは、少なくとも1つの振動センサと通信して、捕捉された振動の周波数、ピーク振幅、および重力のうちの少なくとも1つを生成する振動解析回路をさらに含んでもよい。システムはさらに、捕捉された振動を複数の振動周波数セグメントのうちの1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造を含んでもよい。また、システムは、決定された振動の周波数と対応するマッピングされたセグメントとを受信して、対応するマッピングされたセグメントに対して定義された複数の重大度ユニットのうちの1つにマッピングされる重大度値を生成する重大度ユニットアルゴリズムを含んでもよい。実施形態では、システムはまた、複数の重大度ユニットのうちの1つを受信し、それに基づいて、産業機械の部分に対応するメンテナンスアクションを実行するように予測メンテナンスサーバに信号を送る信号発生回路を含んでもよい。
実施形態では、産業機械と一緒に配置されたセンサから収集された振動関連データは、変位、速度、加速度などを含んでもよい。さらに、速度、加速度などのデータは、既知の単位時間にわたって収集された変位などの生の収集データから計算されてもよい。速度は、特定の期間における検出可能な振動イベントのカウントに基づいてもよい。速度は、変位発生の大きさまたは長さとは独立していてもよい。実施形態では、加速度は、速度手段の変化率として計算されてもよい。実施形態では、加速度は、特定の方向における変位の開始時刻および変位の終了時刻の相対的な時刻を検出し、それに基づいて、振動発生中の部品の加速度を識別してもよい1つ以上の加速度センサから生成されてもよい。振動データは、部品が過度の振動を受ける可能性があるかどうかを判断するのに役立つかもしれません。このような振動データを解析して判断するには、周波数などの振動の側面を考慮する必要がある。本明細書に記載されているように、検出された振動が許容できないかもしれない程度を決定するための振動解析への従来のアプローチは、振動スペクトルの異なる部分の振動を異なる方法で評価することを必要とする。振動が問題を引き起こす可能性が高い閾値を超えた振動の閾値、例えば振動部品の故障など、振動スペクトルの拡張された範囲にわたって振動の影響の評価を正規化する新規なアプローチは、機械所有者などに実行可能な情報を提供しようとする可能性があるエキスパートシステムなどの予測メンテナンスシステムに利益をもたらすかもしれない。
実施形態では、重大度ユニットは、検出された振動が許容できないかどうかを判断する目的で、振動スペクトルの範囲にわたって複数の振動測定値を計算する必要性を排除するか、または少なくとも難読化することによって、振動分析の正規化を促進することができます。スペクトル範囲にわたって異なる振動測定単位を正規化することにより、本明細書ではアクションユニットとも呼ばれるセブリティユニットは、産業機械の振動解析、可動部の振動解析、複雑な機械システムの振動などを含むがこれらに限定されない、広範囲の振動解析アプリケーションへのセブリティユニットの適用を容易にすることができます。
実施形態では、図324は、横軸に沿って振動周波数をチャート化した振動重大度グラフを示す。グラフは、2つの垂直軸を含み、1つは、周波数に依存する伝統的な振動対策を表し、他の1つは、周波数に依存しない重大度単位を表す。伝統的な振動対策の線30802は3つのセグメントを示し、3つの周波数範囲の安全な振動限界を示している。重大度単位線30804は、すべての周波数範囲の安全な振動-重大度限界を示す1本の水平線を示す。従来の振動解析では、振動の微分は周波数に対して調整される。線30802より下のそのような導関数は、許容可能な振動レベルを表してもよい。同様に、線30802より上の振動微分は、許容できないレベルの振動を表してもよい。しかしながら、振動のサンプルがライン30802の上または下の微分をもたらすかどうかを決定するために必要な関数は、異なる振動周波数に対して異なる。膝値30806および30808は、典型的には、本明細書に記載されているように、12000cpmおよび18000cpmの振動周波数に整列してもよいが、材料の種類、振動物体の種類、および他の要因は、実行する機能にさらに影響を与えてもよい。対照的に、重大度単位および/またはアクション単位を生成および使用するために本明細書に記載された方法およびシステムは、線30804によって表される振動重大度aの正規化された限界を生成するように適合されてもよい。線30804より下の重大度/アクションユニットに基づいて計算された振動の測定値は、安全な振動限界を示してもよく、一方、線30804より上の重大度/アクションユニットに基づいて計算された測定値は、許容できないレベルの振動を示してもよい。産業機械のメンテナンスイベントを予測するためのシステムなどのエキスパートシステムは、重大度/作用単位値を重大度/作用単位閾値と比較する単純比較関数において、産業機械の重大度/作用単位値を適用してもよい。単位値が閾値未満である場合、メンテナンスの必要性の予測への影響は小さいか、または無視できる程度であるかもしれない。単位値が閾値以上の場合、保守の必要性の予測への影響は、実質的なものであり、保守イベントの予測を直接的に誘発する可能性がある。あるいは、単位値と閾値との比較結果は、メンテナンスイベントを予測するために処理されている他の要因の重み付けを調整するために使用されてもよい。他の要因の重大度/動作単位の重み付けを介して、産業機械のメンテナンスニーズを予測することは、振動および他の要因の閾値未満または限界値の結果を産業機械のメンテナンスの予測に結合してもよい。
実施形態では、重大度単位は、他の信号処理技術を用いて計算されてもよい。これらの他の信号処理技術は、感知された振動データのアクションユニット正規化された表現を生成してもよい。実施形態では、他の周波数しきい値は、様々な技術で使用されてもよく、重大度ピーク振動レベル、ガスパルス周波数ピークレベル、機械部品のタイプ、軸受故障周波数などのような、限定されないが、振動される機械部品の様々な要因に依存してもよい。実施形態では、正規化された重大度/作用単位は、ハンマーミル、クラッシャ、大型馬力のプライムムーバ、ソフトファウンデーション(例えば、スプリング分離型)などのような用途のために、コンポーネントタイプに基づいて重み付けされてもよい。図324および本明細書の他の例では、低閾値1200Hzおよび高閾値18000Hzを使用しているが、低閾値500Hzおよび高閾値5000Hzなどのような他の値を使用することができる。所定のアプリケーションにおける低閾値と高閾値との関係は、材料、動作周波数、重大度感度などに基づいてもよい。
機械サイクルに依存した振動イベント(例えば、ローラベアリングが欠陥に衝突する際の衝撃)を引き起こすローラベアリングの欠陥のように、エンベロープ処理などを介して検出され得る振動イベント。エンベロープ処理によって検出された振動イベントが捕捉されると、それらは、重大度単位の周波数スペクトルにマッピングすることができるピーク値をもたらすように処理することができる。このようにして、エンベロープ処理で検出された振動イベントは、RMSまたは同様の時間平均化計算によってフィルタリングされ、重大度/作用単位の周波数チャートにマッピングすることができます。
実施形態では、産業用機械またはその一部(例えば、ギアボックスなど)の様々なコンポーネントの厳しさは、機械/比率の全体的な厳しさに結合されてもよい。一つのアプローチは、機械/比率の一つ以上の構成要素のためのすべての厳しさ単位の計算を合計することによって、集約された厳しさ値を生成することである。別のアプローチは、生成された厳しさ値の平均を決定することによって、機械/比率の全体的な平均厳しさを計算することである。機械/比率のための全体的な厳しさを計算するための他のアプローチは、個々のコンポーネントの厳しさ値の一部を重み付けすることなどを含んでもよい。
実施形態では、産業機械の可動部品(例えば、歯車、シャフト、モータ、トーヘッドなど)のような産業機械コンポーネントのための重大度単位の計算は、スペクトルピークレベルと重大度レベルの尺度との間の対応関係をマップ内で識別することによって、図323に描かれ、本明細書に記載されているように、重大度グラフにマッピングされてもよい。マッピングされた重大度レベルは、識別に基づいて決定されてもよい。産業機械コンポーネントの重大度が、例えば、産業機械内の個々のコンポーネントを示す画像、図面、または他の表現のオーバーレイとして、絵画的に提示されてもよいように、グラフィカル要素が各重大度レベルに割り当てられてもよい。図325は、グラフィカルなオーバーレイ要素30904によって示される重大度単位レベルを有する産業機械30900のコンポーネント30902を表すブロック図である。実施形態では、図309のオーバーレイ画像は、例えばグラフィカル・オーバーレイ要素30904のうちの1つをタッチするか、または他の方法で選択することによってオーバーレイと対話するユーザによるデータ発見を容易にするグラフィカル・ユーザ・インターフェースで提示されてもよい。そのようなシナリオが図325に描かれている。ポップアップウィンドウ30908内のコンポーネントの重大度および関連情報は、ユーザがグラフィカルオーバーレイ要素30904を選択したことに応答して可視化される。実施形態では、グラフィカルオーバーレイ要素30904は、ギアボックス、モータアセンブリなどのコンポーネントのグループのための複合重大度レベルを表してもよい。複合グラフィカルオーバーレイ要素が選択されると、ギアボックスなどの詳細などの第2の画像がグラフィカルユーザインタフェース内に可視化され、ユーザがアセンブリ内の構成要素などのさらなる詳細に飛び込むことができるようにしてもよい。
実施形態では、重大度ユニットは、マスターアクションユニットノモグラム(MAUN)のコンテキストで提示されてもよい。実施形態では、振動データは、少なくとも3次元について収集されてもよく、したがって、行動中の振動データまたは重大度ユニットを3次元表示で提示する3次元MAUNが生成されてもよい。
実施形態では、生の振動データは、機械学習などの技術を適用して、スペクトルの範囲にわたって許容可能な振動の閾値を決定するシステムなどの予測メンテナンスシステムに提供されてもよい。しかし、この生の情報からの学習は、環境に関する情報や振動解析工学を必要とする場合があり、その結果、メンテナンス予測操作が非常に複雑になる。本明細書に記載されているMAUN等のような重大度単位は、生の振動データを振動の重大度の正規化された尺度(例えば、重大度単位等)とより効率的にマッチングさせることによって学習を簡素化するために、予測保全システムに提供されてもよい。セベリティユニット等の使用は、これらの操作の少なくとも一部を生の振動データからのセベリティユニット測定値の生成に組み込んでもよいので、予測保全システムのフィルタリングおよび評価の複雑さをさらに減少させてもよい。
実施形態では、そのようなシステムからの学習は、データ収集エージェント、ローカルネットワークプロセッサなどによってフィードバックとしてローカルに実行されてもよいような、重大度単位の計算機能に適用されてもよい。このフィードバックは、例えば、生の振動データからの重大度レベル(例えば、閾値)決定を調整する閾値精緻化アルゴリズムに適用されてもよく、それにより、振動閾値が局所的な条件のために調整されてもよい。そのようなフィードバックは、複数のデータ処理技術/アルゴリズムのうちのどれが(例えば、重大度および/またはアクションユニットなどを生成するために)より正確なMAUN測定値を生成し得るかを決定しようとするプロセスにおいて、さらに有用であり得る。そうすることは、処理の複雑さを減少させ、データ保存需要を減少させてもよく、これは、重大度ユニットデータを生成するかもしれないデータコレクタ等の全体的なコストおよび高度化を減少させるために望ましいかもしれない。
実施形態では、予測メンテナンスの方法およびシステムは、回転機器機械などの産業機械に適用され得る。本明細書に記載された予測メンテナンスの方法およびシステムが使用され得る例示的な回転機器機械は、ドリル、ボーリングヘッド、ポリッシャ、モータ、タービン、ギアボックス、トランスミッション、回転振動アダプタ、ドライブシャフト、コンピュータ数値制御(CNC)ルータ、旋盤、ミル、グラインダ、遠心分離機、燃焼エンジン、コンプレッサ、レシプロエンジン、ポンプ、ファン、送風機、発電機などを含み得るが、これらに限定されない。例示的な回転機器の製造業者および試験サービス、部品製造業者、下請け業者などの関係者は、そのような機器に関する技術データにマシンごとにアクセスすることができる。さらに、機械、サブアセンブリ、個々のコンポーネント、付属品、回転統合部品などについて入手可能な情報は、設計パラメータ、試験仕様、動作仕様、製品の改訂版などを含んでいてもよい。この情報および関連情報は、特定のシリアル番号、産業用機械の製品ライン、所定の生産バージョン、生産ランなどのように、配備された1つまたは複数の機械に適用されてもよい。利用可能な機械情報は、1つ以上のギア(例えば、ヘリカルギアボックス、ウォーム減速ギアボックス、遊星ギアボックスなどのギアボックス、動力伝達ギアセットなど)のギア歯の数、モータのロータバー(例えば、同期モータなどのリスケージロータおよび巻線のロータバー)の数、回転部品のための回転数率などのような、1つ以上の回転部品に関連する装置の側面をカバーしていてもよい。さらに、情報は、限定されないが、(ローラボールの数、ボールの数、ボール/ローラの数、ボール対ローラ接触角(複数可)、レース寸法(例えば、内側および外側レース寸法)、ベーンの数、フルートの数、モード形状(例えば、相対変位など)データを含む、ローラベアリングベースのシステムのような産業機械の予測メンテナンスイベントの計画および実行のために利用可能であり、利用されてもよい。
本明細書に例示的に記載されているような回転機器情報へのアクセスを、予測メンテナンス分析回路を用いた予測メンテナンス処理のために提供することは、限定されないが、以下を含む様々な手段によって自動化されてもよい;(i)現場での展開に先立って、回転機器機械の一部に関する情報を含むデータを、機械と一体化された不揮発性記憶素子またはその一部に格納すること。(ii) 機械と一体化した又は機械に組み込まれた不揮発性記憶素子を、展開の後又は展開の一部として、展開の妥当性確認操作の間などに、関連する回転機器の情報で更新すること。g.,(iv) (i)または(ii)と(iii)の組み合わせで、機械と共に配置された不揮発性データ記憶設備に記憶されている情報の少なくともサブセット(例えばネットワークアクセス可能なデータ記憶設備から配備された機械の関連情報を識別するために使用することができる機械のシリアル番号、回転装置の構成要素のシリアル番号、およびそのようなもの)。商業的な機密性の懸念に対処するために、一部および/またはすべてのネットワークアクセス可能な情報は、パスワードなどのセキュリティ手段によって保護されてもよい。同様に、産業用機械とともに廃棄されたRFIDなどの不揮発性記憶設備に格納された情報は、第三者がアクセス可能であるかもしれない非機密情報(例えば、シリアル番号、モデル番号など)と、アクセスするために明示的な認証を必要とするかもしれない機密情報(例えば、性能データ、最後の故障日、次の故障の予測、機械の故障率またはその上位の割合など)とを含んでもよい。
このような回転機器情報にアクセスすることは、RFIDタグの少なくとも非機密部分にアクセスするために、近位の産業機械と相互作用するデータ収集回路を備えた携帯電話などのモバイルデータコレクタを使用することを含んでもよい。データ収集回路が産業機械と通信するように作動されると、近位の産業機械(例えば、本明細書に記載されているようなものなど)に関する予測メンテナンス有益情報は、RFIDから直接収集されてもよいし、または、RFIDから収集されたインデキシング(例えば、URLなど)情報を適用して、インデキシング情報をホストしているネットワーク化されたサーバから適切な情報にアクセスするようにしてもよい。一例では、RFID内でアクセス可能な公開データであってもよいURLと、機密情報として扱われてもよい機械のシリアル番号とを、リモートデータコレクタによってRFIDから取得してもよい。データコレクタは、検索された情報を、ウェブクエリで検索された情報をURLに適用するであろう予測メンテナンスシステムに提供してもよい。
いくつかの産業用機械の配備は、インターネットのような外部ネットワークへのアクセスを提供しないかもしれないので(例えば、セキュリティ目的などのために)、RFID内の情報は、情報を収集するのと同時に収集され、予測メンテナンス回路の動作に適用されてもよいが、収集時に利用できない情報(例えば、インターネットを介して取得しなければならない情報)を必要とする予測メンテナンス機能は、データ収集回路がインターネットなどへのアクセスを持っている場合など、後の時点で実行されてもよい。実施形態では、予測メンテナンスイベント分析は、好適に装備されたデータコレクタ(例えば、十分な処理能力とデータストレージを有するモバイル装置など)上で、またはネットワーク化されたサーバなどのサーバ上で、またはそれらの組み合わせで実行されてもよい。予測メンテナンスイベント分析は、産業機械に近接している間にモバイルデータコレクタによってアクセス可能なローカルエリアネットワークなど、インターネット以外のネットワークを介してアクセス可能なコンピューティング装置によって実行されてもよい。このようなサイト固有のローカルエリアネットワークは、モバイルデータコレクタから提示された適切な資格情報により、インターネット等を介して産業機械回転部関連情報へのアクセスを容易にしてもよい。
実施形態では、ロータバーの欠陥および弱化は、ロータコアの交換などのさらなるコストのかかる修理につながる二次的な劣化の前兆である可能性がある。したがって、破損または弱化したロータバーを検出することにより、メンテナンスおよび修理コストを最小限に抑えることができるかもしれない。ロータバーの数を知ることは、1つまたは複数のロータバーのメンテナンスおよび/またはサービスが最良の処置であるかもしれない時期を決定するための要因となり得る。一例として、ロータバーの故障率を、ロータバーが故障する可能性があるときに予測する式に適用することにより、サイクル率、年齢などの他のもののうち、所与の機械のロータバーの数を知ることは、ロータバーベースのシステムのサービスおよび/または試験を実施することが有益であり得るときの予測を容易にすることができる。産業用および他の機械のメンテナンスイベントを予測する予知メンテナンス回路は、ロータバーの数がより多い機械のメンテナンスを、より少ないロータバーを有する同等の機械のメンテナンスよりも早く予測することができる。
実施形態では、回転装置ベースの機械などの機械のメンテナンスイベントを予測することは、機械および類似の機械の歯車歯の数を考慮に入れながら、類似の機械のメンテナンスイベントを予測することから適応されてもよい。例えば歯車歯のカウントによって影響を受ける可能性があるメンテナンスイベントを予測することの一側面は、イベントのタイミングであってもよい。例示的な実施形態では、類似の機械に対してより多くの歯車歯数を有する機械は、類似の機械よりも早く、より多くの歯車歯数を有する機械を維持する必要性を予測することを示唆してもよい。実施形態では、機械の可動部分、例えば回転装置ベースの部分のような機械の可動部分のメンテナンスイベントを予測することは、機械および類似部分または機械内の歯車歯の数を考慮に入れながら、同じ機械内の類似部分または機械内の類似部分のメンテナンスイベントを予測することから適応されてもよい。実施形態では、回転装置ベースの機械の回転部分のような機械の回転部分のためのメンテナンスイベントを予測することは、機械および類似の部分または機械内の歯車歯のカウントを因数分解しながら、同じまたは類似の機械内の類似の回転部分のための予測されたメンテナンスイベントから適応されてもよい。実施形態では、回転装置ベースのギアボックスなどのギアボックスのメンテナンスイベントを予測することは、機械および類似の部品または機械内のギア歯の数を因数分解しながら、同じまたは類似の機械内の類似の部品のメンテナンスイベントを予測することから適応されてもよい。実施形態では、回転装置ベースの部品などの多歯歯車を含む。機械の部品のメンテナンスイベントを予測することは、機械および類似部品または機械内の歯車歯の数を因数分解しながら、同じまたは類似機械内の類似部品のメンテナンスイベントを予測することから適応されてもよい。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラート(例えば、交換部品の注文などのメンテナンスイベントの少なくとも自動化された部分をトリガすることを容易にする信号)を生成する機械の回転可能な構成要素のギア歯の数に応答する予測メンテナンス回路の機能であってもよい。実施形態では、予測保全回路は、機械またはその回転部分の操作データを処理してもよく、および/または、機械または類似の機械の特定の回転部品などの故障データを処理してもよく、それによって、特定の機械に関する文脈情報を、歯車の歯数などの機械に関する静的な情報と予測に組み込む。
実施形態では、回転機器のような産業機械と一体化された、または産業機械に組み込まれたRFIDコンポーネントからのようなサービスコンポーネントのためのギア歯のカウントは、複数の産業機械にわたって同様のサービスコンポーネントのためのサービス情報とともに入力を処理する機械学習回路に入力されてもよい。機械学習回路は、予測メンテナンス調整係数を生成してもよく、この係数は、予測メンテナンス回路の処理に適用され、それによって機械固有の予測メンテナンスイベントを生成してもよい。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラートを生成する機械の回転可能な構成要素のモータロータバーのカウントに応答する予測メンテナンス回路の機能であってもよい。実施形態では、回転機器のような産業機械と一体化された、または産業機械に組み込まれたRFIDコンポーネントからのようなサービスコンポーネントのためのモータロータバーのカウントは、複数の産業機械にわたって同様のサービスコンポーネントのためのサービス情報とともに入力を処理してもよい機械学習回路に入力されてもよい。機械学習回路は、予測メンテナンス調整係数を生成してもよく、この係数は、予測メンテナンス回路の処理に適用され、それによって機械固有の予測メンテナンスイベントを生成してもよい。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラートを生成する機械の内部回転可能構成要素の1分あたりの回転数を代表するデータに応答する予測メンテナンス回路の機能であってもよい。実施形態では、サービス部品のための回転数データは、例えば、回転機器のような産業用機械と一体化された、または産業用機械に組み込まれたRFID部品からのような、サービス部品のための回転数データが、複数の産業用機械にわたって同様のサービス部品のためのサービス情報とともに、入力を処理する機械学習回路に入力されてもよい。機械学習回路は、予測メンテナンス調整係数を生成してもよく、この係数は、予測メンテナンス回路の処理に適用され、それによって機械固有の予測メンテナンスイベントを生成してもよい。
実施形態では、回転機器のメンテナンスイベントを予測することは、例えば、予測メンテナンス回路がメンテナンスイベントアラートを生成する機械の回転可能な構成要素の、ローラ当たりのボールの数、ボールとローラの接触角、内側レース寸法、外側レース寸法、ベーンの数、フルートの数、モード形状情報などのようなローラベアリングの側面を代表するデータに応答する予測メンテナンス回路の機能であってもよい。実施形態では、回転機器のような産業機械に統合された、または産業機械に組み込まれたRFIDコンポーネントからのようなサービスコンポーネントのためのローラベアリングのアスペクトデータは、機械学習回路に入力されてもよく、その入力は、複数の産業機械にわたって同様のサービスコンポーネントのためのサービス情報とともに処理されてもよい。機械学習回路は、予測メンテナンス回路の処理に適用することができる予測メンテナンス調整係数を生成してもよく、それによって機械固有の予測メンテナンスイベントを生成してもよい。実施形態では、予測メンテナンスイベントは、部品交換、機械サブシステム交換、較正、ディープデータ収集、機械サービス、機械シャットダウン、予防メンテナンスなどを含むがこれらに限定されないメンテナンスイベントのリストから選択されてもよい。
実施形態では、ローラーベアリングサービスコンポーネントの少なくとも1つの側面は、ローラーベアリングコンポーネントと共に産業用機械にディスポジションされたRFIDコンポーネントを介して検索されたローラーベアリングコンポーネント生産情報のデジタルデータ構造の一部に格納されてもよい。実施形態では、デジタルデータ構造の一部分は、ローラーベアリングコンポーネントが配置されている産業機械に固有のものであってもよい。実施形態では、デジタルデータ構造の部分は、RFIDコンポーネントから検索され、RFIDコンポーネントから検索されたマシン固有の識別子によってさらにインデックス化されたネットワークロケーションにアクセスすることによって検索されてもよい。実施形態では、ネットワーク位置は、データ収集デバイスがRFIDコンポーネントとの近距離無線通信にある間、データ収集デバイスのWiFiインターフェースを介してアクセスされてもよい。さらに実施形態では、データコレクタがRFIDコンポーネントとの近距離無線通信中でなくなったときに、ネットワークの位置は、データコレクタのWiFiインターフェースを介してアクセスされてもよい。実施形態では、デジタルデータ構造の部分は、RFIDコンポーネントから検索されたマシン固有のキーを、産業機械の外部に格納されたローラーベアリングコンポーネントの生産情報へのアクセスを容易にする予測メンテナンスシステムのアプリケーションプログラミングインターフェース機能に提供することによって検索されてもよい。実施形態では、デジタルデータ構造の部分は、RFIDコンポーネントから検索された生産情報を含んでもよい。実施形態では、回路は、回路を実行するプロセッサのネットワーク接続性とは無関係に、RFIDコンポーネントからデジタルデータ構造の一部を検索することに応答して、ローラベアリングコンポーネントのメンテナンスイベントを予測する。さらに別の実施形態では、データコレクタは、データコレクタのネットワーク接続性とは無関係に、RFIDコンポーネントからデジタルデータ構造の部分を取り出すことに応答して、ローラベアリングコンポーネントのメンテナンスイベントを予測する予測メンテナンス回路を含んでもよい。
図3226を参照すると、特に、回転部品に関連する産業機械の一部のメンテナンスイベントを予測するために使用するための回転部品関連情報を格納するためのデータ構造31000の図が描かれている。回転部品31002は、産業機械の特定の歯車、ギアボックスの歯車、シャフト、ローラーベアリングなどを含むことができる。各回転部品のためのパラメータ31004は、限定されないが、歯の数、ギアの数、ギアボックス内のギアの種類、回転率、ボールの数、レース寸法、ベーンの数などを含んでもよい。各回転部材-パラメータの組み合わせの値31006は、データ構造体31000に格納されていてもよい。このデータ構造は、産業機械に配備されたRFID部品に格納されている回転部品データの一部を代表するものであってもよい。データ構造体のエントリ数、データ構造体のデータの種類、値のフォーマット(例えば、10進数、16進数など)は、回転部品関連の構成情報、生産情報、試験情報の格納をサポートするために必要に応じて変化してもよい。
図327を参照すると、感知された回転部品の健康データのストリームと、ギアの歯数、ローラーベアリング/チェース寸法、モーターのローターバー数などの部品固有の構成情報に基づいて、ギア、モーター、ローラーベアリングなどの回転部品のメンテナンスイベントを予測する方法を示すフローチャートが描かれている。方法31100は、ギア、モータ、ローラベアリングなどのような回転部品の健康データのストリームを生成するステップ3102を含んでもよい。方法31100は、回転部品をホストする産業機械とともに配備されたRFID部品から、および/またはネットワークアクセス可能なデータ記憶設備から、回転部品のための構成情報にアクセスするステップ3104を続けてもよい。方法31100は、歯車、モータ、および/またはローラベアリング関連のメンテナンスイベント/動作/可能性のうちの少なくとも1つを予測するステップ3106を続けてもよい。方法31100は、メンテナンス動作/事象が予測される回転部分を維持、修理、および/または交換するために、予測されたメンテナンス動作のための命令を生成するステップ31108を継続してもよい。方法31100は、メンテナンスイベントのためのサービスデータに基づいて回転部分に基づいて取られたメンテナンスアクション(複数可)を検証するステップ3110を続けてもよく、メンテナンスイベントのためのそのようなデータは、産業機械などからネットワーク化されたサーバなどのプロセッサによって受信されてもよい。
本明細書に開示された多くの特徴は、互いに独立して記載されてもよいが、様々な実施形態において、それらの特徴の組み合わせが可能であることが理解されるべきである。実施形態では、そのような組み合わせは、以下のうちの2つ以上を参照するか、またはその組み合わせを含むことができる:モバイルデータコレクタ、例えば、ウェアラブル装置、ハンドヘルド装置、モバイルロボット、および/またはモバイル車両の使用;産業機械の予測メンテナンスに関連する記録を格納するための台帳、例えば、ブロックチェーン構造を有する台帳の使用;振動データを重大度単位に変換またはマッピングすること;または産業機械の予測メンテナンス。本開示の実施形態に従って、本明細書に明示的に記載されていない他の特徴の組み合わせが可能であることが理解されるべきである。
前述の記述により、当技術分野に熟練した者は、現在最良の態様であると考えられるも
のを作り、使用することができるが、当技術分野に熟練した者は、本明細書に記載された特定の実施形態、方法、および実施例の変形、組み合わせ、および同等物の存在を理解し、理解するであろう。したがって、本開示は、上述の実施形態、方法、および実施例によって限定されるべきではなく、本開示の範囲および精神の範囲内のすべての実施形態および方法によって限定されるべきである。
のを作り、使用することができるが、当技術分野に熟練した者は、本明細書に記載された特定の実施形態、方法、および実施例の変形、組み合わせ、および同等物の存在を理解し、理解するであろう。したがって、本開示は、上述の実施形態、方法、および実施例によって限定されるべきではなく、本開示の範囲および精神の範囲内のすべての実施形態および方法によって限定されるべきである。
本明細書に記載された方法およびシステムは、コンピュータソフトウェア、プログラムコード、および/またはプロセッサ上の命令を実行する機械を介して、その一部または全部が展開されてもよい。本開示は、マシン上の方法として、マシンの一部として、またはマシンに関連してシステムまたは装置として、またはマシンのうちの1つ以上のマシン上で実行されるコンピュータ可読媒体に具現化されたコンピュータプログラム製品として、実施されてもよい。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラストラクチャ、モバイルコンピューティングプラットフォーム、定置コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってもよい。プロセッサは、プログラム命令、コード、バイナリ命令などを実行することができる任意の種類の計算装置または処理装置であってもよい。プロセッサは、信号プロセッサ、デジタルプロセッサ、組み込みプロセッサ、マイクロプロセッサ、またはコプロセッサ(数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサなど)などの任意の変種であってもよく、プログラムコードまたはその上に記憶されたプログラム命令の実行を直接または間接的に容易にすることができるものであってもよい。さらに、プロセッサは、複数のプログラム、スレッド、およびコードの実行を可能にしてもよい。スレッドは、プロセッサの性能を高め、アプリケーションの同時操作を容易にするために、同時に実行されてもよい。一実施形態では、本明細書に記載された方法、プログラムコード、プログラム命令、およびそのようなものは、1つ以上のスレッドに実装されてもよい。スレッドは、それらに関連付けられた割り当てられた優先順位を有する他のスレッドをスポーンしてもよく、プロセッサは、優先順位に基づいて、またはプログラムコード中に提供された命令に基づいて他の任意の順序でこれらのスレッドを実行してもよい。プロセッサ、またはそれを利用する任意のマシンは、本明細書および他の場所に記載されているように、方法、コード、命令、およびプログラムを格納する非一過性メモリを含んでもよい。プロセッサは、本明細書および他の場所に記載されているような方法、コード、命令を格納してもよいインターフェースを介して、非一過性記憶媒体にアクセスしてもよい。方法、プログラム、コード、プログラム命令、またはコンピューティングまたは処理装置によって実行可能な他のタイプの命令を格納するためのプロセッサに関連付けられた記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュのうちの1つまたは複数を含んでもよいが、これらに限定されるものではない。
プロセッサは、マルチプロセッサの速度および性能を向上させることができる1つ以上のコアを含んでもよい。実施形態では、プロセスは、2つ以上の独立したコア(ダイと呼ばれる)を組み合わせたデュアルコアプロセッサ、クアッドコアプロセッサ、他のチップレベルのマルチプロセッサなどであってもよい。
本明細書に記載された方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、または他のそのようなコンピュータおよび/またはネットワークハードウェア上のコンピュータソフトウェアを実行するマシンを介して、一部または全部を展開してもよい。ソフトウェアプログラムは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、およびセカンダリサーバ、ホストサーバ、分散サーバなどの他の変種を含むことができるサーバに関連付けられていてもよい。サーバは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性および/または非一過性の媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のサーバ、クライアント、マシン、およびデバイスにアクセスすることが可能なインターフェースのうちの1つまたは複数を含むことができる。本明細書および他の場所に記載された方法、プログラム、またはコードは、サーバによって実行されてもよい。さらに、本願に記載されているような方法の実行に必要な他の装置は、サーバに関連するインフラストラクチャの一部とみなされてもよい。
サーバは、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワークなどを含むがこれらに限定されない他の装置へのインターフェースを提供してもよい。さらに、この結合および/または接続は、ネットワークを介したプログラムのリモート実行を容易にしてもよい。これらのデバイスの一部または全部のネットワークは、本開示の範囲から逸脱することなく、1つ以上の場所でのプログラムまたは方法の並列処理を容易にしてもよい。さらに、インターフェースを介してサーバに接続されたデバイスのいずれかは、メソッド、プログラム、コード、および/または命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
ソフトウェアプログラムは、ファイルクライアント、印刷クライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、およびセカンダリクライアント、ホストクライアント、分散クライアントなどの他の変種を含むクライアントに関連付けられていてもよい。クライアントは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性および/または非一過性の媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のクライアント、サーバ、マシン、およびデバイスにアクセスすることが可能なインターフェースのうちの1つまたは複数を含んでもよい。本明細書および他の場所に記載された方法、プログラム、またはコードは、クライアントによって実行されてもよい。さらに、本願に記載されているような方法の実行に必要な他の装置は、クライアントに関連するインフラストラクチャの一部とみなされてもよい。
クライアントは、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含むがこれらに限定されない他の装置へのインターフェースを提供してもよい。さらに、この結合および/または接続は、ネットワークを介したプログラムのリモート実行を容易にしてもよい。これらの装置の一部または全部のネットワークは、本開示の範囲から逸脱することなく、1つ以上の場所でのプログラムまたは方法の並列処理を容易にしてもよい。さらに、インターフェースを介してクライアントに接続されたデバイスのいずれかは、メソッド、プログラム、アプリケーション、コード、および/または命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
実施形態では、本開示を通して記載されるようなコントローラ、回路、システム、データ収集器、記憶システム、ネットワーク要素、コンポーネント、またはそのようなもののうちの1つまたは複数は、マイクロプロセッサ、プログラマブルロジックコントローラなどのアナログ、デジタル、または混合信号回路などの集積回路内または集積回路上に具現化されてもよい。アプリケーション固有の集積回路、フィールドプログラマブルゲートアレイ、または他の回路、例えば、1つ以上の回路基板上に配置された1つ以上のチップ上に具現化されたような、本明細書に記載された機能の1つ以上をハードウェアで(潜在的に高速化された速度、エネルギー性能、入出力性能、またはそのようなものを持つ)提供するための回路が挙げられます。これは、小さなスペースに最大数十億個のロジックゲート、フリップフロップ、マルチプレクサ、および他の回路を有する回路を設定することを含み、高速処理、低消費電力、および基板レベルの集積化と比較して製造コストを低減することを容易にする。実施形態では、デジタルIC、典型的にはマイクロプロセッサ、デジタル信号プロセッサ、マイクロコントローラ、またはそのようなものは、本明細書に記載される回路、コントローラ、および他のシステムに関与するような複雑な論理を具現化するためにデジタル信号を処理するためにブール代数を使用してもよい。実施形態では、データコレクタ、エキスパートシステム、ストレージシステム、またはそのようなものは、デジタル集積回路(「IC」)として具現化されてもよく、例えば、ロジックIC、メモリチップ、インターフェースIC(例えば、レベルシフタ、シリアライゼーションIC)などである。レベルシフタ、シリアライザ、デシリアライザなど)、電源管理ICおよび/またはプログラマブルデバイス;リニアIC、RFICなどのアナログ集積回路、またはデータ収集IC(A/Dコンバータ、D/Aコンバータ、デジタルポテンショメータを含む)および/またはクロック/タイミングICなどの混合信号ICとして具現化されてもよい。
本明細書に記載された方法およびシステムは、一部または全体がネットワークインフラストラクチャを介して展開されてもよい。ネットワークインフラストラクチャは、コンピューティングデバイス、サーバ、ルータ、ハブ、ファイアウォール、クライアント、パーソナルコンピュータ、通信デバイス、ルーティングデバイス、および当技術分野で知られているような他のアクティブおよびパッシブデバイス、モジュール、および/またはコンポーネントなどの要素を含むことができる。ネットワークインフラストラクチャに関連するコンピューティングおよび/または非コンピューティングデバイス(複数可)は、他の構成要素とは別に、フラッシュメモリ、バッファ、スタック、RAM、ROMなどの記憶媒体を含むことができる。本明細書および他の場所に記載されたプロセス、方法、プログラムコード、命令は、ネットワークインフラストラクチャ要素の1つまたは複数によって実行されてもよい。本明細書に記載された方法およびシステムは、サービスとしてのソフトウェア(「SaaaS」)、サービスとしてのプラットフォーム(「PaaS」)、および/またはサービスとしてのインフラストラクチャ(「IaS」)の特徴を含む、任意の種類のプライベート、コミュニティ、またはハイブリッドクラウドコンピューティングネットワークまたはクラウドコンピューティング環境で使用するように構成されてもよい。
本明細書および他の場所に記載された方法、プログラムコード、および指示は、複数のセルを有するセルラーネットワーク上で実施されてもよい。セルラーネットワークは、周波数分割多重アクセス(「FDMA」)ネットワークまたはコード分割多重アクセス(「CDMA」)ネットワークであってもよい。セルラーネットワークは、モバイルデバイス、セルサイト、基地局、リピータ、アンテナ、タワーなどを含んでもよい。セルネットワークは、GSM、GPRS、3G、EVDO、メッシュ、または他のネットワークタイプであってもよい。
本明細書および他の場所に記載された方法、プログラムコード、および指示は、モバイルデバイス上で、またはモバイルデバイスを介して実装されてもよい。モバイルデバイスは、ナビゲーションデバイス、携帯電話、携帯電話、モバイルパーソナルデジタルアシスタント、ラップトップ、パームトップ、ネットブック、ページャー、電子書籍リーダー、音楽プレーヤーなどを含むことができる。これらのデバイスは、他の構成要素とは別に、フラッシュメモリ、バッファ、RAM、ROMなどの記憶媒体、および1つ以上のコンピューティングデバイスを含んでもよい。モバイルデバイスに関連付けられたコンピューティングデバイスは、そこに記憶されたプログラムコード、方法、および命令を実行することが可能であってもよい。あるいは、モバイルデバイスは、他のデバイスと協働して命令を実行するように構成されてもよい。モバイルデバイスは、サーバとインターフェイスされ、プログラムコードを実行するように構成された基地局と通信してもよい。モバイルデバイスは、ピアツーピアネットワーク、メッシュネットワーク、または他の通信ネットワーク上で通信してもよい。プログラムコードは、サーバに関連付けられた記憶媒体に格納され、サーバ内に埋め込まれたコンピューティングデバイスによって実行されてもよい。基地局は、コンピューティングデバイスと記憶媒体とを含んでもよい。記憶装置は、ベースステーションに関連付けられたコンピューティングデバイスによって実行されるプログラムコードおよび命令を記憶してもよい。
コンピュータソフトウェア、プログラムコード、および/または命令は、機械読み取り可能な一過性および/または非一過性の媒体上に格納および/またはアクセスされてもよく、それには次のものが含まれる:コンピュータコンポーネント、デバイス、および一定の間隔でコンピューティングに使用されるデジタルデータを保持する記録媒体;ランダムアクセスメモリ(「RAM」)として知られる半導体ストレージ;光ディスク、ハードディスク、テープ、ドラム、カード、および他のタイプのような磁気ストレージの形態のような、より永続的なストレージのための典型的な大容量ストレージ;プロセッサレジスタ、キャッシュメモリ、揮発性メモリ、不揮発性メモリ;CD、DVDのような光ストレージ;フラッシュメモリ(例えば、以下、「フラッシュメモリ」という。g.,USBスティックまたはキー)、フロッピーディスク、磁気テープ、紙テープ、パンチカード、スタンドアロンRAMディスク、ジップドライブ、リムーバブルマスストレージ、オフラインなどのリムーバブルメディア;ダイナミックメモリ、スタティックメモリ、リード/ライトストレージ、ミューティアブルストレージ、リードオンリー、ランダムアクセス、シーケンシャルアクセス、ロケーションアドレッサブル、ファイルアドレッサブル、コンテンツアドレッサブル、ネットワークアタッチストレージ、ストレージエリアネットワーク、バーコード、磁気インクなどの他のコンピュータメモリ。
本明細書に記載の方法およびシステムは、物理的および/または無形のアイテムをある状態から別の状態に変換してもよい。また、本明細書に記載の方法およびシステムは、物理的および/または無形のアイテムを表すデータをある状態から別の状態に変換してもよい。
図全体のフローチャートおよびブロック図を含め、本明細書に記載および描写された要素は、要素間の論理的な境界を暗示している。しかしながら、ソフトウェアまたはハードウェア工学の慣例によれば、描写された要素およびその機能は、モノリシックソフトウェア構造として、スタンドアロンソフトウェアモジュールとして、または外部ルーチン、コード、サービスなどを採用するモジュールとして、またはこれらの任意の組み合わせとして、そこに格納されたプログラム命令を実行することができるプロセッサを有するコンピュータ実行可能な一過性および/または非一過性媒体を介して機械に実装されてもよく、そのようなすべての実装は、本開示の範囲内であってもよい。そのような機械の例としては、パーソナルデジタルアシスタント、ラップトップ、パーソナルコンピュータ、携帯電話、その他のハンドヘルドコンピューティングデバイス、医療機器、有線または無線通信デバイス、トランスデューサ、チップ、計算機、衛星、タブレットPC、電子書籍、ガジェット、電子機器、人工知能を有するデバイス、コンピューティングデバイス、ネットワーク機器、サーバ、ルータなどが挙げられるが、これらに限定されるものではない。さらに、フローチャートおよびブロック図に描かれた要素、または任意の他の論理構成要素は、プログラム命令を実行可能な機械に実装されてもよい。したがって、前記の図面および説明は、開示されたシステムの機能的側面を規定しているが、これらの機能的側面を実装するためのソフトウェアの特定の配置は、明示的に記載されているか、または文脈から明らかでない限り、これらの説明から推論されるべきではない。同様に、上記で特定され、記載された様々なステップが変化してもよく、ステップの順序が、本明細書に開示された技術の特定の応用に適応されてもよいことが理解されるであろう。そのようなすべての変形および修正は、本開示の範囲内に収まることが意図されている。そのように、様々なステップの順序の描写および/または説明は、特定のアプリケーションによって要求されるか、または文脈から明示的に記載されているか、またはそうでなければ明らかでない限り、それらのステップの特定の実行順序を要求すると理解されるべきではない。
上述の方法および/またはプロセス、ならびにそれに関連するステップは、ハードウェア、ソフトウェア、または特定のアプリケーションに適したハードウェアとソフトウェアの任意の組み合わせで実現されてもよい。ハードウェアは、汎用コンピュータおよび/または専用のコンピューティング装置、または特定のコンピューティング装置、または特定のコンピューティング装置の特定の側面またはコンポーネントを含んでもよい。プロセスは、内部および/または外部メモリとともに、1つ以上のマイクロプロセッサ、マイクロコントローラ、組み込みマイクロコントローラ、プログラマブルデジタル信号プロセッサ、または他のプログラマブルデバイスにおいて実現されてもよい。プロセスはまた、またはその代わりに、アプリケーション固有の集積回路、プログラマブルゲートアレイ、プログラマブルアレイロジック、または電子信号を処理するように構成され得る任意の他のデバイスまたはデバイスの組み合わせで具現化されてもよい。プロセスの1つ以上は、機械可読媒体上で実行可能なコンピュータ実行可能コードとして実現されてもよいことがさらに理解されるであろう。
コンピュータ実行可能コードは、C言語のような構造化プログラミング言語、C++のようなオブジェクト指向プログラミング言語、または上記の装置のいずれかで実行するために格納、コンパイル、または解釈されてもよい他の任意の高レベルまたは低レベルのプログラミング言語(アセンブリ言語、ハードウェア記述言語、データベースプログラミング言語および技術を含む)、ならびにプロセッサ、プロセッサアーキテクチャ、または異なるハードウェアとソフトウェアの異種組み合わせ、またはプログラム命令を実行することができる他の任意の機械の組み合わせを使用して作成されてもよい。
このように、1つの側面において、上述した方法およびその組み合わせは、1つまたは複数のコンピューティングデバイス上で実行されるときに、そのステップを実行するコンピュータ実行可能コードに具現化されてもよい。別の側面において、方法は、そのステップを実行するシステム内で具現化されてもよく、多くの方法でデバイス間に分散されてもよく、または機能のすべてが、専用のスタンドアロンデバイスまたは他のハードウェアに統合されてもよい。別の側面において、上述のプロセスに関連するステップを実行するための手段は、上述のハードウェアおよび/またはソフトウェアのいずれかを含んでもよい。そのようなすべての順列および組み合わせは、本開示の範囲内に収まることが意図されている。
本開示は、示され、詳細に記載された好ましい実施形態に関連して開示されているが、その上での様々な修正および改良は、当技術に熟練した者には容易に明らかになるであろう。したがって、本開示の精神および範囲は、前記の実施例によって制限されるものではなく、法律によって許容される最も広い意味で理解されるべきである。
本開示を説明する文脈での単数形の用語および類似の参照の使用は、本明細書に別段の記載がない限り、または文脈によって明確に矛盾しない限り、単数形および複数形の両方を包含すると解釈される。用語「構成する」、「有する」、「含む」、および「含む」は、別段の記載がない限り、オープンエンドの用語(すなわち、「含むが、これに限定されない」を意味する)として解釈されるべきである。本明細書に記載された値の範囲の暗唱は、別段の記載がない限り、範囲内に収まる各個別の値を個別に参照するための略記法として機能することを単に意図しており、各個別の値は、それが個別に本明細書に暗唱されたものであるかのように本明細書に組み込まれている。本明細書に記載されたすべての方法は、本明細書に別段の記載がない限り、または文脈によって明確に矛盾しない限り、任意の適切な順序で実行することができる。本明細書で提供される任意のおよびすべての例示的な、または例示的な言語(例えば、「のような」)の使用は、単に本開示をよりよく照らすことを意図しており、別段の主張がない限り、本開示の範囲に制限を与えるものではない。本明細書のいかなる言語も、開示の実施に不可欠なものとして、いかなる非請求の要素を示すものと解釈されるべきではない。
上述したアプローチの実施形態は、非一過性の機械可読媒体に記憶されたソフトウェア命令を使用するソフトウェア実施形態を含んでもよい。文章および図で上述したような手順およびプロトコルは、そのようなソフトウェア実装においてそれらを実装するのに当業者であれば十分である。いくつかの例では、ソフトウェアは、クライアントノード上で様々な機能を実装する汎用プロセッサを使用して、クライアントノード(例えば、スマートフォン)上で実行されてもよい。エンドノードまたは中間ネットワークノード上で実行されるソフトウェアは、例えば、ネットワーク処理装置に組み込まれているなど、ネットワークトラフィックの処理に特化したプロセッサを使用してもよい。いくつかの実施形態では、特定の機能は、例えば、ASIC(Application-Specific Integrated Circuits)、および/またはFPGAを使用して、ハードウェアで実装されてもよく、それにより、汎用プロセッサの負荷を軽減することができる。
本開示のいくつかの図および図において、インターネット、キャリアネットワーク、インターネットサービスプロバイダネットワーク、LAN、メトロエリアネットワーク(MAN)、WAN、ストレージエリアネットワーク(SAN)、バックホールネットワーク、セルラーネットワーク、衛星ネットワークなどのネットワークが、クラウドとして描かれてもよいことに留意されたい。また、特定のプロセスがクラウド内で行われていると称され、デバイスがクラウドにアクセスしていると称される場合があることにも留意されたい。このような記述では、クラウドは、ネットワーク機器と無線および/または有線リンクを含む。ある種のネットワークであると理解されるべきである。
上記の説明では、サーバと通信するクライアントデバイスを指す場合があるが、本明細書に記載される技術および技術は、通信接続またはセッションのエンドポイントとしてのそれらの例示的なデバイスに限定されないことが理解されるべきである。エンドポイントはまた、送信機、送信機、トランシーバ、受信機、サーバ、ビデオサーバ、コンテンツサーバ、プロキシサーバ、クラウドストレージユニット、キャッシュ、ルータ、スイッチ、バッファ、モバイルデバイス、タブレット、スマートフォン、ハンドセット、コンピュータ、セットトップボックス、モデム、ゲームシステム、ノード、衛星、基地局、ゲートウェイ、衛星地上局、無線アクセスポイントなどと呼ばれてもよいし、そうであってもよい。通信接続またはセッションのエンドポイントまたは中間ノードのいずれかにあるデバイスは、Apple TV、Roku、Chromecast、Amazon Fire、Slingboxなどを実装したものなどの商用メディアストリーミングボックスであってもよいし、カスタムメディアストリーミングボックスであってもよい。通信接続またはセッションのエンドポイントまたは中間ノードのいずれかにあるデバイスは、スマートテレビおよび/またはディスプレイ、ハブ、冷蔵庫、セキュリティシステム、電力パネルなどのスマート家電、自動車、ボート、バス、電車、飛行機、カートなどのスマート車両、IoT上の任意のデバイスであってもよい。通信接続またはセッションのエンドポイントまたは中間ノードのいずれかにあるデバイスは、ARMプロセッサ、ビデオプロセッサ、システムオンチップ(SoC)などのプロセッサ、および/またはランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)などのメモリ、または任意の種類の電子メモリコンポーネントを含む。シングルボードコンピュータおよび/または目的に応じて構築されたコンピューティングエンジンであってもよい。
通信接続またはセッションは、2つのルータ、2つのクライアント、2つのネットワークノード、2つのサーバ、2つのモバイルデバイスなどの間に存在してもよいし、潜在的なノードおよび/またはエンドポイントデバイスの任意の組み合わせの間に存在してもよい。多くの場合、通信セッションは、両方のエンドポイントデバイスがデータを送受信する能力を有していてもよいように、双方向である。これらの変形は、本開示のすべての説明および例示的な実施形態において明示的に記載されていないかもしれないが、本明細書に記載する技術および技術は、既知のすべてのタイプのエンドデバイス、ネットワークノード、および装置と伝送リンク、ならびに類似または改善された性能を有する将来のエンドデバイス、ネットワークノード、および装置と伝送リンクに適用されることが意図されていることが理解されるべきである。
本明細書に記載された方法およびシステムは、コンピュータソフトウェア、プログラムコード、および/またはプロセッサ上の命令を実行する機械を介して、その一部または全部が展開されてもよい。本開示は、マシン上の方法として、マシンの一部として、またはマシンに関連してシステムまたは装置として、またはマシンのうちの1つ以上のマシン上で実行されるコンピュータ可読媒体に具現化されたコンピュータプログラム製品として、実施されてもよい。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラストラクチャ、モバイルコンピューティングプラットフォーム、定置コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってもよい。プロセッサは、プログラム命令、コード、バイナリ命令などを実行することができる任意の種類の計算装置または処理装置であってもよい。プロセッサは、信号プロセッサ、デジタルプロセッサ、組み込みプロセッサ、マイクロプロセッサ、またはコプロセッサ(数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサなど)などの任意の変種であってもよく、プログラムコードまたはその上に記憶されたプログラム命令の実行を直接または間接的に容易にすることができるものであってもよい。さらに、プロセッサは、複数のプログラム、スレッド、およびコードの実行を可能にしてもよい。スレッドは、プロセッサの性能を高め、アプリケーションの同時操作を容易にするために、同時に実行されてもよい。一実施形態では、本明細書に記載された方法、プログラムコード、プログラム命令等は、1つ以上のスレッドに実装されてもよい。スレッドは、それらに関連付けられた割り当てられた優先順位を有する他のスレッドをスポーンしてもよく、プロセッサは、優先順位に基づいて、またはプログラムコード中に提供された命令に基づいて他の任意の順序でこれらのスレッドを実行してもよい。プロセッサ、またはそれを利用する任意のマシンは、本明細書および他の場所に記載されているように、方法、コード、命令、およびプログラムを格納する非一過性メモリを含んでもよい。プロセッサは、本明細書および他の場所に記載されているような方法、コード、命令を格納してもよいインターフェースを介して、非一過性の記憶媒体にアクセスしてもよい。方法、プログラム、コード、プログラム命令、またはコンピューティングまたは処理装置によって実行可能な他のタイプの命令を格納するためのプロセッサに関連付けられた記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュ、およびそのようなもののうちの1つまたは複数を含むが、これらに限定されない場合がある。
プロセッサは、マルチプロセッサの速度および性能を向上させることができる1つ以上のコアを含んでもよい。実施形態では、プロセスは、2つ以上の独立したコア(ダイと呼ばれる)を組み合わせたデュアルコアプロセッサ、クアッドコアプロセッサ、他のチップレベルのマルチプロセッサなどであってもよい。
本明細書に記載された方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、または他のそのようなコンピュータおよび/またはネットワークハードウェア上のコンピュータソフトウェアを実行するマシンを介して、一部または全部を展開してもよい。ソフトウェアプログラムは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、およびセカンダリサーバ、ホストサーバ、分散サーバなどの他の変種を含むことができるサーバに関連付けられていてもよい。サーバは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性および/または非一過性の媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のサーバ、クライアント、マシン、およびデバイスにアクセスすることが可能なインターフェースのうちの1つまたは複数を含むことができる。本明細書および他の場所に記載された方法、プログラム、またはコードは、サーバによって実行されてもよい。さらに、本願に記載されているような方法の実行に必要な他の装置は、サーバに関連するインフラストラクチャの一部とみなされてもよい。
サーバは、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワークなどを含むがこれらに限定されない他の装置へのインターフェースを提供してもよい。さらに、この結合および/または接続は、ネットワークを介したプログラムのリモート実行を容易にしてもよい。これらのデバイスの一部または全部のネットワークは、本開示の範囲から逸脱することなく、1つ以上の場所でのプログラムまたは方法の並列処理を容易にしてもよい。さらに、インターフェースを介してサーバに接続されたデバイスのいずれかは、メソッド、プログラム、コードおよび/または命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
ソフトウェアプログラムは、ファイルクライアント、印刷クライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、およびセカンダリクライアント、ホストクライアント、分散クライアントなどの他の変種を含むクライアントに関連付けられていてもよい。クライアントは、メモリ、プロセッサ、コンピュータ読み取り可能な一過性および/または非一過性の媒体、記憶媒体、ポート(物理的および仮想的)、通信デバイス、および有線または無線媒体を介して他のクライアント、サーバ、マシン、およびデバイスにアクセスすることが可能なインターフェースのうちの1つまたは複数を含むことができる。本明細書および他の場所に記載された方法、プログラム、またはコードは、クライアントによって実行されてもよい。さらに、本願に記載されているような方法の実行に必要な他の装置は、クライアントに関連するインフラストラクチャの一部とみなされてもよい。
クライアントは、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含むがこれらに限定されない他の装置へのインターフェースを提供してもよい。さらに、この結合および/または接続は、ネットワークを越えたプログラムのリモート実行を容易にしてもよい。これらの装置の一部または全部のネットワークは、本開示の範囲から逸脱することなく、1つ以上の場所でのプログラムまたは方法の並列処理を容易にしてもよい。さらに、インターフェースを介してクライアントに接続されたデバイスのいずれかは、メソッド、プログラム、アプリケーション、コードおよび/または命令を格納することができる少なくとも1つの記憶媒体を含んでもよい。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムの記憶媒体として機能してもよい。
本明細書に記載された方法およびシステムは、一部または全体がネットワークインフラストラクチャを介して展開されてもよい。ネットワークインフラストラクチャは、コンピューティングデバイス、サーバ、ルータ、ハブ、ファイアウォール、クライアント、パーソナルコンピュータ、通信デバイス、ルーティングデバイス、および当技術分野で知られているような他のアクティブおよびパッシブデバイス、モジュール、および/またはコンポーネントなどの要素を含むことができる。ネットワークインフラストラクチャに関連するコンピューティングおよび/または非コンピューティングデバイス(複数可)は、他の構成要素とは別に、フラッシュメモリ、バッファ、スタック、RAM、ROMなどの記憶媒体を含むことができる。本明細書および他の場所に記載されたプロセス、方法、プログラムコード、命令は、ネットワークインフラストラクチャ要素の1つまたは複数によって実行されてもよい。本明細書に記載された方法およびシステムは、サービスとしてのソフトウェア(「SaaaS」)、サービスとしてのプラットフォーム(「PaaS」)、および/またはサービスとしてのインフラストラクチャ(「IaS」)の特徴を含む、任意の種類のプライベート、コミュニティ、またはハイブリッドクラウドコンピューティングネットワークまたはクラウドコンピューティング環境での使用に適応されてもよい。
本明細書および他の場所に記載された方法、プログラムコード、および指示は、複数のセルを有するセルラーネットワーク上で実施されてもよい。セルラーネットワークは、周波数分割多重アクセス(「FDMA」)ネットワークまたはコード分割多重アクセス(「CDMA」)ネットワークであってもよい。セルラーネットワークは、モバイルデバイス、セルサイト、基地局、リピータ、アンテナ、タワーなどを含んでもよい。セルネットワークは、GSM、GPRS、3G、EVDO、メッシュ、または他のネットワークタイプであってもよい。
本明細書および他の場所に記載された方法、プログラムコード、および指示は、モバイルデバイス上で、またはモバイルデバイスを介して実装されてもよい。モバイルデバイスは、ナビゲーションデバイス、携帯電話、携帯電話、モバイルパーソナルデジタルアシスタント、ラップトップ、パームトップ、ネットブック、ページャー、電子書籍リーダー、音楽プレーヤーなどを含むことができる。これらのデバイスは、他の構成要素とは別に、フラッシュメモリ、バッファ、RAM、ROMなどの記憶媒体、および1つ以上のコンピューティングデバイスを含んでもよい。モバイルデバイスに関連付けられたコンピューティングデバイスは、そこに記憶されたプログラムコード、方法、および命令を実行することが可能であってもよい。あるいは、モバイルデバイスは、他のデバイスと協働して命令を実行するように構成されてもよい。モバイルデバイスは、サーバとインターフェイスされ、プログラムコードを実行するように構成された基地局と通信してもよい。モバイルデバイスは、ピアツーピアネットワーク、メッシュネットワーク、または他の通信ネットワーク上で通信してもよい。プログラムコードは、サーバに関連付けられた記憶媒体に格納され、サーバ内に埋め込まれたコンピューティングデバイスによって実行されてもよい。基地局は、コンピューティングデバイスと記憶媒体とを含んでもよい。記憶装置は、ベースステーションに関連付けられたコンピューティングデバイスによって実行されるプログラムコードおよび命令を記憶してもよい。
コンピュータソフトウェア、プログラムコード、および/または命令は、機械読み取り可能な一過性および/または非一過性の媒体上に格納および/またはアクセスされてもよく、それには次のものが含まれる:コンピュータコンポーネント、デバイス、および一定の間隔でコンピューティングに使用されるデジタルデータを保持する記録媒体;ランダムアクセスメモリ(「RAM」)として知られる半導体ストレージ;光ディスク、ハードディスク、テープ、ドラム、カード、および他のタイプのような磁気ストレージの形態のような、より永続的なストレージのための典型的な大容量ストレージ;プロセッサレジスタ、キャッシュメモリ、揮発性メモリ、不揮発性メモリ;CD、DVDのような光ストレージ;フラッシュメモリ(例えば、以下、「フラッシュメモリ」という。g.,USBスティックまたはキー)、フロッピーディスク、磁気テープ、紙テープ、パンチカード、スタンドアロンRAMディスク、ジップドライブ、リムーバブルマスストレージ、オフラインなどのリムーバブルメディア;ダイナミックメモリ、スタティックメモリ、リード/ライトストレージ、ミューティアブルストレージ、リードオンリー、ランダムアクセス、シーケンシャルアクセス、ロケーションアドレッサブル、ファイルアドレッサブル、コンテンツアドレッサブル、ネットワークアタッチストレージ、ストレージエリアネットワーク、バーコード、磁気インクなどの他のコンピュータメモリ。
本明細書に記載の方法およびシステムは、物理的および/または無形のアイテムをある状態から別の状態に変換してもよい。本明細書に記載の方法およびシステムはまた、物理的および/または無形のアイテムを表すデータをある状態から別の状態に変換してもよい。
図中のフローチャートおよびブロック図を含め、本明細書に記載および描写された要素は、要素間の論理的な境界を暗示している。しかしながら、ソフトウェアまたはハードウェア工学の慣例によれば、描写された要素およびその機能は、モノリシックソフトウェア構造として、スタンドアロンソフトウェアモジュールとして、または外部ルーチン、コード、サービスなどを採用するモジュールとして、またはこれらの任意の組み合わせとして、そこに格納されたプログラム命令を実行することができるプロセッサを有するコンピュータ実行可能な一過性および/または非一過性媒体を介して機械に実装されてもよく、そのようなすべての実装は、本開示の範囲内であってもよい。そのような機械の例としては、パーソナルデジタルアシスタント、ラップトップ、パーソナルコンピュータ、携帯電話、その他のハンドヘルドコンピューティングデバイス、医療機器、有線または無線通信デバイス、トランスデューサ、チップ、計算機、衛星、タブレットPC、電子書籍、ガジェット、電子機器、人工知能を有するデバイス、コンピューティングデバイス、ネットワーク機器、サーバ、ルータなどが挙げられるが、これらに限定されるものではない。さらに、フローチャートおよびブロック図に描かれた要素、または他の任意の論理構成要素は、プログラム命令を実行可能な機械に実装されてもよい。したがって、前記の図面および説明は、開示されたシステムの機能的側面を規定しているが、これらの機能的側面を実装するためのソフトウェアの特定の配置は、明示的に記載されているか、または文脈から明らかでない限り、これらの説明から推論されるべきではない。同様に、上記で特定され、記載された様々なステップは、変化してもよく、ステップの順序は、本明細書に開示された技術の特定の応用に適応されてもよいことが理解されるであろう。そのようなすべての変形および修正は、本開示の範囲内に収まることが意図されている。そのように、様々なステップの順序の描写および/または説明は、特定のアプリケーションによって要求されるか、または文脈から明示的に記載されているか、またはそうでなければ明らかでない限り、それらのステップの特定の実行順序を要求すると理解されるべきではない。
上述の方法および/またはプロセス、ならびにそれに関連するステップは、ハードウェア、ソフトウェア、または特定のアプリケーションに適したハードウェアとソフトウェアの任意の組み合わせで実現されてもよい。ハードウェアは、汎用コンピュータおよび/または専用のコンピューティング装置、または特定のコンピューティング装置、または特定のコンピューティング装置の特定の側面またはコンポーネントを含んでもよい。プロセスは、内部および/または外部メモリとともに、1つ以上のマイクロプロセッサ、マイクロコントローラ、組み込みマイクロコントローラ、プログラマブルデジタル信号プロセッサ、または他のプログラマブルデバイスにおいて実現されてもよい。プロセスはまた、またはその代わりに、アプリケーション固有の集積回路、プログラマブルゲートアレイ、プログラマブルアレイロジック、または電子信号を処理するように構成され得る任意の他のデバイスまたはデバイスの組み合わせにおいて具現化されてもよい。プロセスの1つ以上は、機械可読媒体上で実行可能なコンピュータ実行可能コードとして実現されてもよいことがさらに理解されるであろう。
コンピュータ実行可能コードは、C言語のような構造化プログラミング言語、C++のようなオブジェクト指向プログラミング言語、または上記の装置のいずれかで実行するために格納、コンパイル、または解釈されてもよい他の任意の高レベルまたは低レベルのプログラミング言語(アセンブリ言語、ハードウェア記述言語、データベースプログラミング言語および技術を含む)、ならびにプロセッサ、プロセッサアーキテクチャ、または異なるハードウェアとソフトウェアの異種組み合わせ、またはプログラム命令を実行することができる他の任意の機械の組み合わせを使用して作成されてもよい。
このように、1つの側面において、上述した方法およびその組み合わせは、1つまたは複数のコンピューティングデバイス上で実行されるときに、そのステップを実行するコンピュータ実行可能コードに具現化されてもよい。別の側面において、方法は、そのステップを実行するシステム内で具現化されてもよく、多くの方法でデバイス間に分散されてもよく、または機能のすべてが、専用のスタンドアロンデバイスまたは他のハードウェアに統合されてもよい。別の側面において、上述のプロセスに関連するステップを実行するための手段は、上述のハードウェアおよび/またはソフトウェアのいずれかを含んでもよい。そのようなすべての順列および組み合わせは、本開示の範囲内に収まることが意図されている。
本開示を説明する文脈での(特に以下の請求項の文脈での)単数形の用語の使用および類似の参照は、本明細書に別段の記載がない限り、または文脈によって明確に矛盾しない限り、単数形および複数形の両方を包含すると解釈される。用語「構成する」、「有する」、「含む」、および「含む」は、別段の記載がない限り、オープンエンドの用語(すなわち、「含むが、これに限定されない」を意味する)として解釈されるべきである。本明細書に記載された値の範囲の暗唱は、別段の記載がない限り、範囲内に収まる各個別の値を個別に参照するための略記法として機能することを単に意図しており、各個別の値は、それが個別に本明細書に暗唱されたものであるかのように本明細書に組み込まれている。本明細書に記載されたすべての方法は、本明細書に別段の記載がない限り、または文脈によって明確に矛盾しない限り、任意の適切な順序で実行されてもよい。本明細書で提供される任意のおよびすべての例示的な、または例示的な言語(例えば、「のような」)の使用は、単に本開示をより良く照らすことを意図しており、別段の主張がない限り、本開示の範囲に制限を与えるものではない。本明細書中のいかなる言語も、開示の実施に不可欠なものとして、いかなる非請求の要素を示すものと解釈されるべきではない。
指定された機能を実行するための「手段」、または指定された機能を実行するための「ステップ」を明示的に記載していない請求項のいかなる要素も、米国特許法第112条(f)に規定されている「手段」または「ステップ」節として解釈されるべきではない。特に、特許請求の範囲における「ステップの」の使用は、米国特許法第112条(f)の規定を発動することを意図したものではない。
当業者であれば、本発明のシステムの機能的利益を享受するために、多数の設計構成が可能であることを理解するであろう。したがって、本発明の実施形態の多種多様な構成および配置を考慮すると、本発明の範囲は、上述した実施形態によって狭められるのではなく、以下の特許請求の範囲の幅によって反映される。
前記の説明は、本発明の範囲を例示することを意図しており、本発明の範囲を限定するものではなく、そのいくつかの側面が添付の特許請求の範囲によって定義されていることが理解されるであろう。さらに、他の実施形態は、以下の特許請求の範囲の範囲内である。
前記の説明は、本発明の範囲を例示することを意図しており、本発明の範囲を限定するものではなく、そのいくつかの側面が添付の特許請求の範囲によって定義されていることが理解されるであろう。
以下に、本発明の構成の例を(1)~(1223)の各項に項別けして列挙する。
(1)
産業用機械予測メンテナンスシステムであって、
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して、産業用機械の健全性監視データのストリームを生成する産業用機械データ分析設備と、
機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含む産業用機械予測メンテナンスシステム。
(2)
前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段とをさらに含む、(1)の産業用機械予測メンテナンスシステム。
(3)
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムと、をさらに含む、(2)の産業用機械予測メンテナンスシステム。
(4)
前記サービス提供調整設備が、前記個々の産業用機械の各々についてのサービス活動および結果の台帳を作成しながら、前記個々の産業用機械に対して実行すべきサービスを検証する、(1)の産業用機械予測メンテナンスシステム。
(5)
前記台帳が、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡するためにブロックチェーン構造を使用し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(1)の産業用機械予測メンテナンスシステム。
(6)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうち少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることにより、台帳の後続ブロックを生成する、(5)の産業用機械予測メンテナンスシステム。
(7)
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて個々の産業用機械の少なくとも1つの動作特性を検出するコンピュータビジョンシステムであって、前記1つ以上の画像データセットに基づいて前記個々の産業用機械の動作特性を検出するコンピュータビジョンシステムをさらに含む、(1)の産業用機械予測メンテナンスシステム。
(8)
前記動作特性が、個々の産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、検出された振動について計算された重大度単位に従って産業用機械サービス推奨を生成する、(7)の産業用機械予測メンテナンスシステム。
(9)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動に対する重大度単位を計算することにより、前記産業用機械の検出された振動に対して計算される、(8)の産業用機械予測メンテナンスシステム。
(10)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重要度ユニットのうちの1つにマッピングすることによって決定され、前記重要度ユニットの各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(9)の産業用機械予測メンテナンスシステム。
(11)
前記検出された振動が、キャプチャされた振動の周波数が、マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記検出された振動が前記第2の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記検出された振動が前記第3の重大度単位にマッピングされる、ことを特徴とする、(10)の産業用機械予測メンテナンスシステム。
(12)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、(8)の産業用機械予測メンテナンスシステム。
(13)
産業用機械の健全性監視データに機械の故障検出と分類アルゴリズムを適用して、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械サービスの推奨事項が示すサービスを実行するための少なくとも1つの候補作業者を、産業用機械サービス作業者データベース内の産業用機械サービス作業者の経験及びノウハウの少なくとも1つと関連付けることにより特定する作業者発見設備と、
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムと、を含むシステム。
(14)
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備、をさらに含む(13)のシステム。
(15)
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)、をさらに含む(13)のシステム。
。
(16)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(15)のシステム。。
(17)
前記サービスおよび提供調整設備が、前記個々の産業用機械のそれぞれについてサービス活動および結果の台帳を作成しながら、前記個々の産業用機械で実行するサービスを検証し、前記台帳がブロックチェーン構造を使用して、前記注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、(16)のシステム。
(18)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(17)のシステム。
(19)
健全性監視データを収集するように構成された1つ以上の移動データコレクタを含む移動データコレクタ群であって、前記健全性監視データは、産業環境に配置された1つ以上の産業用機械の状態を代表するものであることを特徴とする移動データコレクタ群をさらに含む、(13)のシステム。
。
(20)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(19)のシステム。
(21)
前記自己組織化システムが、前記健全性監視データに対する要求を1以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記自己組織化システムに健全性監視データを送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、(20)のシステム。
(22)
前記移動データコレクタが前記データ収集ルータに近接しているときに、前記1つまたは複数の移動データコレクタから健全性監視データを受信するデータ収集ルータであって、前記データ収集ルータが前記健全性監視データを前記産業用機械予測メンテナンス設備に送信することを特徴とするデータ収集ルータをさらに含む、(19)のシステム。
。
(23)
前記1以上の移動データコレクタが、前記健全性監視データを前記データ収集ルータにプッシュする、(22)のシステム。
(24)
前記データ収集ルータが、前記1つ以上の移動データコレクタから健全性監視データをプルする、(22)のシステム。
(25)
前記1つ以上の移動データコレクタの各移動データコレクタが、1つ以上の統合されたセンサを含む移動ロボット、1つ以上の結合されたセンサを含む移動ロボット、1つ以上の統合されたセンサを有する移動車両、または1つ以上の結合されたセンサを有する移動車両のうちの1つである、(19)のシステム。
(26)
産業用機械の健全性監視データに機械の故障検出および分類アルゴリズムを適用して産業用機械のサービス推奨事項を作成する産業用機械予測メンテナンス設備から受信したサービス推奨事項に対応した部品およびサービスの注文を準備および制御する産業用機械メンテナンス部品およびサービス注文設備、及び
部品およびサービスの注文の少なくとも1つを生成するためのサービス推奨に関連付けられた手順を分析するコンピュータ化されたメンテナンス管理システム(CMMS)、を含むシステム。
(27)
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備をさらに含む、(26)のシステム。
(28)
前記サービス提供調整設備が、前記産業用機械のそれぞれについてサービス活動および結果の台帳を作成しながら、前記産業用機械で実行するサービスを検証する、(27)のシステム。
(29)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(28)のシステム。
(30)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(29)のシステム。
(31)
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて前記産業用機械の少なくとも1つの動作特性を検出するコンピュータビジョンシステムであって、前記1つ以上の画像データセットに基づいて前記産業用機械の動作特性を検出するコンピュータビジョンシステムをさらに含む、(27)のシステム。
(32)
前記動作特性が、前記産業用機械の少なくとも1つの少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重要度単位に従って前記産業用機械サービス推奨を生成し、前記重要度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重要度単位を計算することによって、前記産業用機械の検出された振動について計算される、(31)のシステム。
(33)
健全性監視データを収集するように構成された1つ以上の移動データコレクタを含む移動データコレクタ群であって、前記健全性監視データは、産業環境に配置された1つ以上の産業用機械の状態を代表するものであることを特徴とする移動データコレクタ群をさらに含む、(26)のシステム。
(34)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(33)のシステム。
(35)
前記自己組織化システムが、前記健全性監視データに対する要求を1つ以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記健全性監視データを前記自己組織化システムに送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、(34)のシステム。
(36)
産業用機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業用機械の一部分のための操作上、物理的および診断結果情報を、不揮発性のコンピュータアクセス可能なメモリにキャプチャして保存するように構成されたスマートRFID要素、を含み、
前記スマートRFID要素は、さらに、情報を受信し、整理し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されており、その情報は、産業用機械の少なくとも1つのサービス手順の実行を可能にする、システム。
(37)
前記スマートRFIDが、産業用機械のルートエントリから直接アクセス可能な複数の部分を含む、産業用機械に関する情報への階層的なアクセスを容易にするように構成されており、前記直接アクセス可能な複数の部分の各々が、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含むリストから選択される1つの部分のためのエントリを格納するように構成されている、(36)のシステム。
(38)
生産情報は、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業用機械の一部の画像のためのエントリから構成されている、(37)のシステム。
(39)
前記手順情報が、較正、シャットダウン、規制、組立、安全チェック、画像撮影、予防メンテナンス、部品修理、部品交換、および分解を含むリストから選択された手順のためのエントリで構成される、(37)のシステム。
(40)
前記システムが、プロセッサを介してアクセス可能なデータ記憶要素をさらに含み、前記データ記憶要素が、前記スマートRFID要素を含む複数のスマートRFID要素に記憶された情報のコピーを含み、前記情報の各コピーが、前記複数のスマートRFID要素の対応する1つに記憶された情報のツインを構成する、(36)のシステム。
(41)
前記スマートRFID要素が、強化されたデータコレクタに含まれる、(36)のシステム。
(42)
産業用機械のスマートRFIDに生産データを設定する方法であって、
産業用機械の一部とスマートRFIDを構成して、産業用機械の対応する部分のための操作、物理的および診断結果情報をキャプチャし、不揮発性のコンピュータアクセス可能なメモリに格納すること、
産業用機械のプロセッサおよび産業用機械の部分の状態を監視するように構成された少なくとも1つのセンサとスマートRFIDを通信的に結合すること。
プロセッサで産業用機械の部分の自己テストを実行し、自己テストの結果をスマートRFIDに格納すること、
生産アクセスポイントを介して、試験システムおよび産業用機械生産サーバのネットワークに産業用機械を結合すること、および
テストシステムを備えた産業用機械の部分で生産テストを実行し、その結果をスマートRFID上に二重に保存し、生産サーバーのプロセッサによってアクセス可能なデータ記憶設備に保存すること、を含む方法。
(43)
(42)の方法であって、前記データ記憶設備に記憶された前記試験結果の複製が、前記スマートRFIDの対応する部分のツインである、方法。
(44)
(42)の方法であって、前記スマートRFIDが、産業用機械のルートエントリから直接アクセス可能な複数の部分を含む産業用機械に関する情報への階層的なアクセスを容易にするように構成されており、前記直接アクセス可能な複数の部分の各々が、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含むリストから選択される1つの部分のためのエントリを格納するように構成されている、(42)の方法。
(45)
生産情報が、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業用機械の一部の画像のためのエントリを含む、(44)の方法。
(46)
前記手順情報が、較正、シャットダウン、規制、組立、安全チェック、撮像、予防メンテナンス、部品修理、部品交換、および分解を含むリストから選択された手順のためのエントリを含む、(44)の方法。
(47)
前記システムが、プロセッサを介してアクセス可能なデータ記憶要素をさらに含み、前記データ記憶要素が、前記スマートRFID要素を含む複数のスマートRFID要素に記憶された情報のコピーを含み、前記情報の各コピーが、前記複数のスマートRFID要素の対応する1つに記憶された情報のツインを構成する、(42)の方法。
(48)
前記スマートRFIDが、強化されたデータコレクタに含まれる、(42)の方法。
(49)
マーケットプレイスを含む産業用機械予測メンテナンスシステムであって、
販売のために提供される産業用機械部品に関する産業用機械サービスマーケットプレイス情報を維持するように構成された複数の部品供給者コンピューティングシステム、
提供される産業用機械サービスに関する産業用機械サービスマーケットプレイス情報を維持するように構成された複数のサービスプロバイダコンピューティングシステム、
産業用機械予測メンテナンスシステムによって提供される産業用機械メンテナンス推奨に応答して市場で提供されるサービス、部品、材料、およびツールのうちの少なくとも1つへのアクセスを容易にするように構成された少なくとも1つのコンピュータ化されたメンテナンス管理システム(CMMS)、および
マーケットプレイスで提供される出荷およびロジスティクスサービスの少なくとも1つのための産業用機械サービスマーケットプレイス情報を維持するように構成された複数のロジスティクスプロバイダコンピューティングシステム、を含む産業用機械予測メンテナンスシステム。
(50)
前記複数の部品供給者、サービス提供者、および物流提供者の各々が、前記マーケットプレイスの少なくとも1つのアプリケーション・プログラミング・インターフェースを介して、前記マーケットプレイス内で直接、前記提供物に対応する情報を維持する、(49)の産業用機械予測メンテナンスシステム。
(51)
前記CMMSが、前記部品、サービスおよびロジスティクスの事前注文の分析から確立された規範に基づいて、前記産業用機械所有者への部品、サービスおよびロジスティクスの提供を適応させる、(49)の産業用機械予測メンテナンスシステム。
(52)
前記産業用機械サービスマーケットプレイス情報が、前記産業用機械のために実行される出荷および物流サービスの少なくとも1つのそれぞれのためのサービス活動の台帳を生成することを維持する、(49)の産業用機械予測メンテナンスシステム。
(53)
前記台帳がブロックチェーン構造を使用して、出荷サービスおよび物流サービスの少なくとも1つのそれぞれについての取引のレコードを追跡し、各レコードがブロックチェーン構造のブロックとして格納されている、(52)の産業用機械予測メンテナンスシステム。
(54)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(53)の産業用機械予測メンテナンスシステム。
(55)
1つまたは複数の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムと、
ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部と、を含み、
予測メンテナンス動作の一部を含む産業用機械メンテナンス動作のレコードであって、複数のコンピューティングシステムの一部が分散型台帳としてレコードを操作する、システム。
(56)
前記部分のコンピューティングシステムが、産業用機械データ解析を実行し、その解析結果をレコードに寄与する、(55)のシステム。
(57)
前記コンピューティングシステムの一部のコンピューティングシステムが、産業用機械の予測メンテナンス推奨を実行し、前記推奨の一部をレコードに貢献する、(55)のシステム。
(58)
前記コンピューティングシステム部分のコンピューティングシステムが、産業用機械メンテナンス受注管理を行い、産業用機械受注に関する情報をレコードに投稿することを特徴とする(55)のシステム。
(59)
前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械サービスアクションのサービス提供およびトラッキングを実行し、そのサービス提供およびトラッキングに関する情報をレコードに貢献する、(55)のシステム。
(60)
前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械と共に配備され、前記産業用機械と共に配備されたセンサから収集された情報を前記レコードに寄与する、(55)のシステム。
(61)
前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械運転スケジューリングを実行し、産業用機械運転スケジューリングをレコードに寄与する、(55)のシステム。
(62)
1つまたは複数の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムと、
ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部と、
産業用機械のメンテナンス動作のレコードにアクセスするためのロールベースの制御と、を含み、前記レコードは、予測メンテナンス動作の一部を含み、前記複数のコンピューティングシステムの一部は、前記レコードを分散型台帳として操作する、システム。
(63)
前記レコードにアクセスするための役割ベースの制御が、個人および分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくともシェアを所有するエンティティの少なくとも1つを含む所有者ロールを認識する、(62)のシステム。
(64)
前記レコードにアクセスするための役割ベースの制御が、個人および分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくとも一部を生産したエンティティの少なくとも1つを含む製造者の役割を認識する、(62)のシステム。
(65)
前記レコードにアクセスするための役割ベースの制御が、個人と、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械を使用するためのアクセスを提供するエンティティとの少なくとも一方を構成するオペレータの役割を認識する、(62)のシステム。
(66)
前記レコードにアクセスするための役割ベースの制御が、個人と、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくとも1つの産業用機械部品を提供するエンティティとの少なくとも1つを含む部品供給者の役割を認識する、(62)のシステム。
(67)
前記レコードにアクセスするための役割ベースの制御が、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の予防メンテナンスおよび修理、緊急修理およびアップグレードのための契約を含む産業用サービスのリストから選択されたサービスを提供する個人およびエンティティの少なくとも1つを含むサービス提供者の役割を認識する、(62)のシステム。
(68)
前記レコードにアクセスするための役割ベースの制御が、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の特定の国における自動化されたサービス活動を促進する地域エンティティを含む地域サービスブローカーの役割を認識する、(62)のシステム。
(69)
産業用機械の一部の画像をキャプチャする方法であって、
産業用機械の予測されるメンテナンス動作を実行するサービスを実行するための手順を更新すること、更新は、満たされている産業用機械の一部の画像をキャプチャするためのトリガ条件に応答し、
画像キャプチャを容易にするために、産業用機械の一部のライブ画像を電子ディスプレイに重ねて画像キャプチャテンプレートを提供すること、
ライブ画像とテンプレートのアライメントの度合いを示す拡張現実を適用すること、
更新された手順を用いて撮影された画像をマシンビジョンで検査して、撮影された画像内に存在する機械の少なくとも1つの部分を決定すること、および、
検査の結果に応答して、キャプチャ画像のための報酬を生成するために、キャプチャ画像の報酬設備を操作することの各工程を含む、ことを特徴とする方法。
(70)
前記更新が、前記サービスを実行するための手順を更新する前に、前記分析が、前記手順に規定されていない画像を撮影することを示唆するような産業用機械の故障データの分析に基づくトリガ条件に応答する、(69)の方法。
(71)
前記更新が、画像が撮影されるべき産業用機械の部分に関連付けられた予測メンテナンス基準を満たす産業用機械で実行されているサービスを実行するための手順に応答する、(69)の方法。
(72)
前記トリガ条件が、サービス手順が実行されている産業用機械に関連付けられた産業用機械の種類と、前記産業用機械の部分が画像に取り込まれてからの持続時間とを含む、(69)の方法。
(73)
前記トリガ条件が、産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械サービス推奨が、前記検出された振動について計算された重大度単位に従って生成される、(69)の方法。
(74)
前記重大度単位が、前記産業用機械の検出された振動について、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて、前記検出された振動の重大度単位を計算することによって計算される、(73)の方法。
(75)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(74)の方法。
(76)
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応するときに、前記検出された振動が第1の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのミッドレンジに対応するときに、前記検出された振動が第2の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記検出された振動が第3の重大度単位にマッピングされる、(75)の方法。
(77)
機械学習に基づく部品認識の方法であって、
撮像された画像が撮像バリデーション基準を満たすかどうかを判定する画像バリデーション手順にターゲット部品の撮像テンプレートを適用すること、
撮影した画像を、産業用機械の部品候補を検出しやすい画像解析ルールで処理し、画像解析を行うこと、
前記候補部品と前記産業用機械の部品の画像との類似性に基づいて、前記候補部品のうちの1つ以上の部品を前記産業用機械の部品として認識すること、および
認識された部品の機械学習から生成されたフィードバックに基づいて、ターゲット部品テンプレート、画像解析ルール、および部品認識のうちの少なくとも1つを適応させ、それによって、画像取り込み、画像解析、および部品認識のうちの少なくとも1つを改善すること、の各工程を含むことを特徴とする方法。
(78)
前記産業用機械の部品の画像が、前記産業用機械と一緒に配置されたスマートRFID素子から取得される、(77)の方法。
(79)
前記産業用機械の部品の画像が、前記産業用機械と一緒に配置されたスマートRFID素子のネットワーク記憶デジタルツインから取得される、(77)の方法。
(80)
機械学習によって生成されたフィードバックが、産業用機械で配備されたスマートRFID内の部品の最も最近キャプチャされた画像の更新を容易にする、(77)の方法。
(81)
前記方法の一部または全部がコンピュータビジョンシステムを使用して実行される、(77)の方法。
(82)
前記コンピュータビジョンシステムが、キャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットによって表される関心点内の産業用機械の一部に対応する1つ以上の値を特定し、前記1つ以上の値を対応する予測値と比較し、前記1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、前記分散データに基づいて前記産業用機械の動作特性を検出し、前記動作特性の検出を示すデータを生成する、(81)の方法。
(83)
予測メンテナンスシステムであって、
産業用機械に関する情報を収集、発見、キャプチャ、普及、管理、および処理することを容易にし、産業用機械の予測メンテナンス行動を取ることを容易にする予測メンテナンス知識システムを含んでおり、予測メンテナス知識システムは、
サービス提供者、部品提供者、材料提供者、機械使用スケジューラから情報を受信するための複数のインターフェース、
サービス発注設備、部品発注設備、サービス管理設備、サービス資金調達設備に情報を送信するための複数のインターフェース、
複数の産業用機械のスマートRFID素子への複数のインターフェース、および、
サービス提供者、部品提供者、サービス要求、サービス見積り、機械スケジュール、およびメンテナンス活動の予測を含むデータドメイン間のリンクを介して、産業用機械の予測メンテナンスサービスに関する情報への予測メンテナンス知識システムによるアクセスを容易にする予測メンテナンス知識グラフ、を含み、
予測メンテナンス知識システムは、サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを生成する、予測メンテナンスシステム。
(84)
サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを受信することに応答して、サービスおよび部品の注文および要求のうちの少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含む、(83)の予測メンテナンスシステム。。
(85)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(84)の予測メンテナンスシステム。
(86)
前記サービス提供調整設備が、個々の産業用機械の各々についてサービス活動および結果の台帳を作成しながら、個々の産業用機械に対して実行すべきサービスを検証する、(85)の予測メンテナンスシステム。
(87)
前記台帳が、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡するためにブロックチェーン構造を使用し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(85)の予測メンテナンスシステム。
(88)
前記CMMSが、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(87)の予測メンテナンスシステム。
(89)
機械の故障に相関する複数の診断テストの結果におけるパターンの少なくとも1つを検出することにより、産業用機械で実行される複数の診断テストの結果と、類似する産業用機械の故障のための故障情報との間の相関性を改善すること、および、診断テストのサブセットの故障結果に機械の故障の1つのタイプの故障が相関する診断テストの結果と機械の故障との類似性を検出すること、を含む方法。
(90)
前記機械の故障が、前記産業用機械について検出された振動の重大度に対応する、(89)の方法。
(91)
さらに、産業用機械について検出された振動の重大度を決定することを含み、前記重大度の決定は、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の検出された振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、検出した振動の周波数を決定すること、
周波数に基づいて、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度単位を算出することを含む、(90)の方法。
(92)
前記移動データコレクタがウェアラブルデバイスである、(91)の方法。
(93)
前記移動データコレクタが携帯装置である、(91)の方法。
(94)
前記移動データコレクタが移動車両である、(91)の方法。
(95)
前記移動データコレクタが移動ロボットである、(91)の方法。
(96)
重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、(91)の方法。
(97)
サービス提供者によって提供される産業用機械サービスに関するフィードバックを収集し、少なくとも1つの産業用機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業用機械サービスのための手順の遵守、手順および産業用機械の少なくとも1つに関するサービス提供者の経験の尺度を含む複数の評価基準とフィードバックを比較することによって、産業用機械サービス提供者の評価を決定すること、および
ベンダーの評価結果に機械学習を適用し、ベンダーを評価する際に機械学習の出力を取り入れることで、ベンダーの評価結果と評価基準との相関性を向上させること、を含む方法。
(98)
サービス提供者から手順に関するフィードバックを収集し、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、内容の正確さ、シーケンスの正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度を含む複数の評価基準とフィードバックを比較することにより、産業用機械サービス手順の評価を決定することをさらに含む、(97)の方法。
(99)
手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことで、手順の評価結果と評価基準との相関性を向上させることをさらに含む、(98)の方法。
(100)
前記診断テストが、前記産業用機械に対して検出された振動の重大度に対応する、(97)の方法。
(101)
前記産業用機械のために検出された振動の重大度を決定することは、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算することを含む、(100)の方法。
(102)
重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、(101)の方法。
(103)
産業用機械サービスの手順を使用して産業用機械サービスを行うサービス提供者から手順に関するフィードバックを収集し、そのフィードバックを、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、内容の正確さ、順序の正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度を含む複数の評価基準と比較することにより、産業用機械サービス手順の評価を決定すること、および、
手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことで、手順の評価結果と評価基準との相関性を向上させること、を含む方法。
(104)
サービス提供者によって提供される産業用機械サービスに関するフィードバックを収集し、フィードバックを、少なくとも1つの産業用機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業用機械サービスのための手順の遵守、手順および産業用機械の少なくとも1つに関するサービス提供者の経験の尺度を含む複数の評価基準と比較することによって、産業用機械サービス提供者の評価を決定することをさらに含む、(103)の方法。
(105)
ベンダーの評価結果に機械学習を適用し、ベンダーを評価する際に機械学習の出力を取り入れることで、ベンダーの評価結果と評価基準との相関性を向上させることをさらに含む、(104)の方法。
(106)
前記産業用機械の手順が、前記産業用機械の振動の重大度を検出するための診断テストに対応する、(103)の方法。
(107)
前記産業用機械について検出された振動の重大度を決定することは、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、を含む(106)の方法。
(108)
重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、(107)の方法。
(109)
産業用機械に関する情報を蓄積する方法であって、
開始ブロックを生成することにより、特定の産業用機械のための産業用機械情報のブロックチェーンを開始すること、および、
出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、診断活動のうち少なくとも1つのデータとブロックチェーン内で最も最近生成されたブロックのハッシュを組み合わせることにより、特定の産業用機械ブロックチェーンの後続ブロックを生成すること、を含む方法。
(110)
特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュとを有するブロックチェーンの第1のブロックを生成することをさらに含む、(109)の方法。
(111)
特定の産業用機械に関する設置情報と第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成することをさらに含む、(110)の方法。
(112)
特定の産業用機械に関する動作センサ情報を有するブロックチェーンの第3のブロックと、第2のブロックのハッシュとを生成することをさらに含む、(111)の方法。
(113)
特定の産業用機械に関するサービスイベント情報を有するブロックチェーンの第4のブロックと、第3のブロックのハッシュとを生成することをさらに含む、(112)の方法。
(114)
特定の産業用機械に関する部品およびサービスオーダー情報を有するブロックチェーンの第5のブロックと、第4のブロックのハッシュとを生成することをさらに含む、(113)の方法。
(115)
特定の産業用機械に関する診断活動情報を有するブロックチェーンの第6のブロックと、第5のブロックのハッシュとを生成することをさらに含む、(114)の方法。
(116)
振動データからサービスイベントを予測する方法であって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサから振動データをキャプチャすること、
前記キャプチャされた振動の周波数、振幅、および重力のうち少なくとも一つを決定すること、
前記キャプチャされた振動の周波数に基づいて、前記キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントと、振幅のピーク値または重力の少なくとも一方とに基づいて、キャプチャされた振動の振動重大度の単位を計算するステップと
重大度単位に基づいて産業用機械の部分のメンテナンス動作を実行するための予測メンテナンス回路の信号を生成すること、を含む方法。
(117)
前記セグメントが、前記キャプチャされた振動の周波数を、前記マルチセグメント振動周波数スペクトルの中間セグメントの上限および下限と比較することに基づいて決定される、(116)の方法。
(118)
前記マルチセグメント振動周波数スペクトルの第1のセグメントが、前記マルチセグメント振動周波数スペクトルの中間セグメントの下限以下の決定された周波数値を含む、(116)の方法。
(119)
前記マルチセグメント振動周波数スペクトルの中間セグメントの下限が1200kHzである、(118)の方法。
(120)
前記マルチセグメント振動周波数スペクトルの第2セグメントが、前記マルチセグメント振動周波数スペクトルの中間セグメントの上限を超える決定された周波数値を含む、(116)の方法。
(121)
前記マルチセグメント振動周波数スペクトルの中間セグメントの上限が18000kHzである、(120)の方法。
(122)
前記振動重大度単位を計算することは、複数の重大度正規化パラメータのうちの1つを中程度の重大度限界に乗算して重大度値を生成し、前記重大度値を決定されたセグメントの複数の重大度単位範囲のうちの1つにマッピングすることを含む、(116)の方法。
(123)
前記複数の正規化値の第1の重大度正規化値が、キャプチャされた振動の周波数を、マルチセグメント振動周波数スペクトルの中間セグメントのローエンド周波数値で除算することによって計算される、(122)の方法。
(124)
前記複数の重大度正規化パラメータのうちの1つが、キャプチャされた振動の周波数がローエンド周波数値よりも小さい場合に、第1の重大度正規化値を構成する、(123)の方法。
(125)
前記複数の正規化値のうちの第2の重大度正規化値が、前記マルチセグメント振動周波数スペクトルの中間セグメントのハイエンド周波数値を前記キャプチャ振動の周波数で除算することによって計算される、(122)の方法。
(126)
前記複数の重大度正規化パラメータのうちの1つが、キャプチャされた振動の周波数がハイエンド周波数値よりも大きい場合に、第2の重大度正規化値を構成する、(125)の方法。
(127)
前記マルチセグメント振動周波数スペクトルの第1のセグメントが、キャプチャされた振動の振幅に基づいて複数の重大度単位に分割される、(116)の方法。
(128)
前記マルチセグメント振動周波数スペクトルの第2セグメントが、キャプチャされた振動の重力に基づいて複数の重大度単位に分割される、(116)の方法。
(129)
前記振動重大度単位が、前記マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数に対するキャプチャされた振動の振幅のピーク変位に基づいて決定される、(116)の方法。
(130)
前記振動重大度単位が、前記マルチセグメント振動周波数スペクトルの第2セグメント内の決定された振動周波数に対するキャプチャされた振動の重力に基づいて決定される、(116)の方法。
(131)
前記産業用機械の部分が可動部である、(116)の方法。
(132)
前記産業用機械の部分が、可動部を支持する構造部材である、(116)の方法。
(133)
前記産業用機械の部分がモータである、(116)の方法。
(134)
前記産業用機械の部分が駆動軸である、(116)の方法。
(135)
振動データからサービスイベントを予測するシステムであって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサを含む産業用機械と、
前記少なくとも1つの振動センサと通信して、前記キャプチャされた振動の周波数、ピーク振幅、及び重力のうち少なくとも1つを生成する振動解析回路と、
キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、
キャプチャされた振動の周波数と対応する振動周波数セグメントを受け取り、対応する振動周波数セグメントに対して定義された複数の重大度単位のうちの1つにマッピングされた重大度値を生成する重大度単位アルゴリズムと、
前記複数の重大度単位のうちの1つを受信し、それに基づいて、前記産業用機械の部分に対応するメンテナンス動作を実行するように前記予測メンテナンスサーバに信号を送る信号発生回路と、を含むシステム。
(136)
前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動の第1の重大度単位へのマッピングを容易にすることを特徴とする(135)のシステム。
(137)
前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記検出された振動の第2の重大度単位へのマッピングを容易にする、(135)のシステム。
(138)
前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動の第3の重大度単位へのマッピングを容易にする、ことを特徴とする(135)のシステム。
(139)
前記重大度単位が、前記検出された振動が、前記産業用機械の少なくとも一部の故障につながる可能性があることを示す、(135)のシステム。
(140)
前記マルチセグメント振動周波数スペクトルの第1のセグメントが、キャプチャされた振動の振幅に基づいて複数の重大度単位に分割されている、(135)のシステム。
(141)
前記マルチセグメント振動周波数スペクトルの第2セグメントが、キャプチャされた振動の重力に基づいて複数の重大度単位に分割されている、(135)のシステム。
(142)
前記重大度単位が、前記マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数に対するキャプチャされた振動の振幅のピーク変位に基づいて決定される、(135)のシステム。
(143)
前記重大度単位が、前記マルチセグメント振動周波数スペクトルの第2のセグメント内の決定された振動周波数に対するキャプチャされた振動の重力に基づいて決定される、(135)のシステム。
(144)
前記産業用機械の部分が可動部である、(135)のシステム。
(145)
前記産業用機械の部分が、可動部を支持する構造部材である、(135)のシステム。
(146)
前記産業用機械の部分がモータである、(135)のシステム。
(147)
前記産業用機械の部分が駆動軸である、(135)のシステム。
(148)
ストリーミングサンプルレートで信号をサンプリングし、それによって信号の複数のサンプルを生成すること、
前記信号ルーティング回路を用いて、前記信号の複数のサンプルのうちの第1の部分を前記第1の信号解析回路に割り当て、前記第1の信号解析サンプリングレートが前記ストリーミングサンプルレートよりも小さいことに基づいて選択された前記部分を前記第1の信号解析回路に割り当てること、
前記信号ルーティング回路を用いて、前記信号の複数のサンプルのうちの第2の部分を前記第2の信号解析回路に割り当て、前記第2の信号解析サンプリングレートが前記ストリーミングサンプルレートよりも小さいことに基づいて選択された前記部分を前記第2の信号解析回路に割り当てること、および、
前記信号の複数のサンプル、前記第1の信号解析回路の出力、および前記第2の信号解析回路の出力を格納すること、を含み、前記格納された複数のサンプル中の前記割り当てられた第1の部分および前記格納された複数のサンプル中の前記割り当てられた第2の部分には、対応する前記格納された信号解析出力を参照する指標がタグ付けされている方法。
(149)
前記信号ルーティング回路に割り当てることは、信号分析サンプリングレートとストリーミングサンプルレートの比率に基づいて複数のサンプルを積分することを含む、(148)の方法。
(150)
前記信号ルーティング回路との割り当ては、信号分析サンプリングレートとストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含む、(148)の方法。
(151)
前記ストリーミングサンプルレートが、前記信号の支配周波数の少なくとも2倍の速度である、(148)の方法。
(152)
前記信号解析サンプリングレートと前記ストリーミングサンプルレートとの比が、前記第1の信号解析回路および前記第2の信号解析回路の出力の補助的なバイナリビットデータの数を決定する、(148)の方法。
(153)
前記補足2値ビットの数が、前記ストリーミングサンプルレートが前記信号分析サンプリングレートの少なくとも2倍以上4倍未満であるときに1を構成する、(152)の方法。
(154)
ストリーミングサンプルレートが信号解析サンプリングレートの少なくとも4倍以上8倍未満である場合に、補助的なバイナリビットの数が2を含む、(152)の方法。
(155)
産業用機械の状態を検出するセンサであって、時間の経過とともに変化し、その状態に実質的に対応する信号を生成するセンサと、
前記信号を受信し、前記信号の支配周波数の少なくとも2倍のストリーミングサンプルレートで前記信号をサンプリングするアナログ/デジタル変換器であって、前記サンプリングされた信号は、データ値のシーケンスとして前記アナログ/デジタル変換器から出力される、アナログ/デジタル変換器と、
データ値のシーケンスとサブサンプリングレートを受信する少なくとも1つのデジタル信号ルータであって、前記サブサンプリングレートが前記ストリーミングサンプルレートよりも低い場合に、前記サブサンプリングレートおよび前記ストリーミングサンプルレートと前記サブサンプリングレートの比率の少なくとも1つに基づいて、前記サンプルシーケンスから選択されたサンプルを含むデータのサブサンプリング出力シーケンスを生成する、少なくとも1つのデジタル信号ルータと、を含むシステム。
(156)
前記データ値のシーケンスと、前記サブサンプル出力シーケンスから導出されたデータ値の解析セットとを受信するデータ記憶装置をさらに備え、前記解析セットは、前記サブサンプル出力シーケンスに対応する前記データ値のシーケンス内のデータ値が、対応する前記データ値の解析セットを参照するインデックスでタグ付けされるように、前記データ値のシーケンスと関連づけて記憶される、(155)のシステム。
(157)
前記少なくとも1つのサブサンプリング出力シーケンスを生成することが、前記サブサンプリングレートと前記ストリーミングサンプルレートの比に基づいて、前記データ値のシーケンス内の複数のサンプルを積分することを含む、(155)のシステム。
(158)
前記少なくとも1つのサブサンプリングされた出力シーケンスを生成することは、前記サブサンプリングレートと前記ストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含む、(155)のシステム。
(159)
ストリーミングサンプルレートが、信号の支配周波数の少なくとも2倍の速度である、(155)のシステム。
(160)
前記ストリーミングサンプルレートに対する前記サブサンプリングレートの比が、前記サブサンプリングされた出力シーケンス内の補助的なバイナリビットの数を決定する、(155)のシステム。
(161)
前記補完バイナリビットの数が、前記ストリーミングサンプルレートが前記サブサンプリングレートの少なくとも2倍以上4倍未満であるときに1を構成する、(160)のシステム。
(162)
前記ストリーミングサンプルレートが前記サブサンプリングレートの少なくとも4倍以上8倍未満である場合に、前記補助的なバイナリビットの数が2を含む、(160)のシステム。
(163)
産業用機械のメンテナンスイベントを予測する方法であって、
産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成すること、を含み、前記状態を代表するデータは、産業用機械の少なくとも1つの可動部分の振動データからなり、データ収集ネットワークを介して受信され、さらに、
前記産業用機械と一緒に配置されたデータ記憶装置から、前記産業用機械の少なくとも1つの可動部のための可動部固有の構成情報にアクセスすること、
機械故障検出および分類アルゴリズムを適用して、健全性監視データおよび部品固有の構成情報に対応した産業用機械サービスの推奨を予測すること、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成すること、および、
サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証すること、を含む方法。
(164)
前記産業用機械のサービス推奨が産業用機械に関するものである、(163)の方法。
(165)
前記産業用機械サービス推奨が、前記少なくとも1つの可動部に対するものである、(163)の方法。
(166)
前記最後の少なくとも1つの可動部が機械の回転部である、(165)の方法。
(167)
前記少なくとも1つの可動部が、機械のギアボックス内に配置されている、(165)の方法。
(168)
前記少なくとも1つの可動部が産業用機械の歯車である、(165)の方法。
(169)
機械故障検出アルゴリズムを適用することは、産業用機械の歯車の歯数を基準データの対応する歯車の歯数と比較することに応答して、産業用機械のメンテナンス推奨を表す基準データを適応させることを含む、(168)の方法。
(170)
適合される基準データが、産業用機械のメンテナンス推奨を介して識別されるメンテナンスイベントのタイミングである、(169)の方法。
(171)
機械故障検出アルゴリズムを適用することは、産業用機械の歯車の歯数と類似の産業用機械の対応する歯車の歯数とを比較することに応答して、類似の産業用機械の産業用機械のメンテナンス推奨を表すデータを適応させることを含む、(168)の方法。
(172)
適合される類似の産業用機械データが、産業用機械のメンテナンス推奨を介して識別されるメンテナンスイベントのタイミングである、(171)の方法。
(173)
産業用機械の予測メンテナンスシステムであって、
データ収集ネットワークを介して受信した産業用機械の歯車の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析回路と、
前記産業用機械と一緒に配置されたデータ記憶装置であって、前記装置は、前記産業用機械の少なくとも1つの歯車に関する歯車固有の情報を記憶しているデータ記憶装置と、
歯車固有の構成情報にアクセスし、機械故障検出および分類アルゴリズムを適用して、健全性監視データおよび歯車固有の情報に対応した産業用機械装置のサービス推奨情報を作成する産業用機械装置の歯車予測メンテナンス回路と、
産業用機械歯車のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび配達追跡システムであって、サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械歯車に実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械歯車のサービス活動および結果の台帳を作成しながら実行されたサービスを検証する、サービスおよび配達追跡システムと、を含む産業用機械予測メンテナンスシステム。
(174)
前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械の構成要素の歯車歯数に応答する、(173)のシステム。
(175)
前記部材が回転部材である、(174)のシステム。
(176)
構成要素が歯車である、(174)のシステム。
(177)
前記産業用機械がギアボックスを構成し、前記ギア歯のカウントが、前記ギアボックス内に配置されたギアに関するものである、(174)のシステム。
(178)
前記予測メンテナンス回路が、前記機械の回転部品および類似の機械の対応する回転部品の動作データおよび故障データを処理する、(173)のシステム。
(179)
前記予測メンテナンス回路が、機械学習を適用して、複数の産業用機械にわたる類似のサービスコンポーネントのサービス情報と共に、少なくとも1つの産業用機械のサービスコンポーネントのギア歯数を処理し、それによって予測メンテナンス調整係数を生成する、(173)のシステム。
(180)
前記予測メンテナンス回路が調整係数を適用することにより、機械固有の予測メンテナンス推奨を生成することを特徴とする(179)のシステム。
(181)
前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械のサービスコンポーネントに回転可能に接続されたモータのロータバーのカウントに応答する、(173)のシステム。
(182)
前記予測メンテナンス回路が、前記機械のモータに回転可能に接続されたサービス部品および類似の機械の対応するサービス部品の動作データおよび故障データを処理する、(173)のシステム。
(183)
前記予測メンテナンス回路が、機械学習を適用して、産業用機械のサービス部品に回転可能に接続されたモータのロータバーの数を、複数の産業用機械の間で同様の回転可能に接続されたサービス部品のサービス情報と共に処理し、それによって予測メンテナンス調整係数を生成することを特徴とする、(173)のシステム。
(184)
前記予測メンテナンス回路が調整係数を適用し、それによって機械固有の予測メンテナンス推奨を生成する、(183)のシステム。
(185)
前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械のサービスコンポーネントにリンクされた少なくとも1つの内部機械コンポーネントの回転数/分(RPM)を表すデータに応答する、(173)のシステム。
(186)
前記予測メンテナンス回路が、前記機械のサービスコンポーネントおよび類似の機械の対応するサービスコンポーネントに関連付けられた運転回転数データおよび故障データを処理する、(173)のシステム。
(187)
前記予測メンテナンス回路が機械学習を適用して、産業用機械のサービスコンポーネントにリンクされた少なくとも1つの内部機械コンポーネントの回転数/分(RPM)を表すデータを、複数の産業用機械の間で同様にリンクされたサービスコンポーネントのサービス情報とともに処理し、それによって予測メンテナンス調整係数を生成する、(173)のシステム。
(188)
前記予測メンテナンス回路が調整係数を適用することにより、機械固有の予測メンテナンス推奨を生成する、(187)のシステム。
(189)
ローラーベアリングの予測メンテナンスシステムであって、
データ収集ネットワークを介して受信したデータを産業用機械と一体化されたローラベアリングの状態を代表するデータに機械学習を適用して、ローラベアリングの健全性状態を監視するデータのストリームを生成するローラベアリングデータ解析回路と、
前記産業用機械と一緒に配置されたデータ記憶装置であって、前記産業用機械の少なくとも1つのローラベアリングに関するローラベアリング固有の情報を記憶しているデータ記憶装置と、
機械故障検出および分類アルゴリズムを適用して、健全性監視データおよびローラベアリング固有の情報に応答して、ローラベアリングサービスの推奨事項を作成するローラベアリング予測メンテナンス回路と、
前記ローラベアリングサービスの推奨事項を受信したことに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも1つに応答してローラーベアリングで実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供追跡システムと、を含む予測メンテナンスシステム。
(190)
前記ローラベアリング予測メンテナンス回路が、ローラ当たりのボールの数、ボールとローラの接触角、内側レース寸法、外側レース寸法、ベーンの数、フルートの数、およびモード形状情報を含むリストから選択されるローラベアリングコンポーネントの少なくとも1つの側面に応答して、ローラベアリングコンポーネントのメンテナンスイベントを予測する、(189)のシステム。
(191)
前記予測されたメンテナンスイベントが、部品交換、機械サブシステム交換、較正、ディープデータ収集、機械サービス、機械シャットダウン、および予防メンテナンスを含むメンテナンスイベントのリストから選択される、(190)のシステム。
(192)
前記ローラベアリングコンポーネントの少なくとも1つの側面が、前記ローラベアリングコンポーネントと共に産業用機械内に配置されたRFIDコンポーネントを介して検索された前記ローラベアリングコンポーネントの生産情報のデジタルデータ構造の一部を含む、(190)のシステム。
(193)
前記デジタルデータ構造の一部分が、前記RFIDコンポーネントから検索されたマシン固有のキーを、前記産業用機械の外部に記憶されたローラベアリングコンポーネントの生産情報へのアクセスを容易にする予測メンテナンスシステムのアプリケーションプログラミングインターフェース機能に提供することによって検索される、(192)のシステム。
(194)
前記デジタルデータ構造の一部が、前記RFIDコンポーネントから取得された生産情報を含む、(192)のシステム。
(195)
前記回路が、前記回路を実行するプロセッサのネットワーク接続とは独立して、前記RFIDコンポーネントからデジタルデータ構造の一部を取り出すことに応答して、前記ローラベアリングコンポーネントのメンテナンスイベントを予測する、(192)のシステム。
(196)
強化されたデータコレクタが予測メンテナンス回路を構成する、(192)のシステム。
(197)
前記強化されたデータコレクタが、前記データコレクタのネットワーク接続とは無関係に、前記RFIDコンポーネントからデジタルデータ構造の一部を取得することに応答して、前記ローラーベアリングコンポーネントのメンテナンスイベントを予測する、(196)のシステム。
(198)
前記ローラベアリング予測メンテナンス回路が、移動データコレクタに具現化されている、(192)のシステム。
(199)
前記移動データコレクタが、前記RFID部材から収集されたデータを用いて前記ローラベアリング予測メンテナンス回路を動作させて、少なくとも1つのローラベアリング予測メンテナンス推奨を生成する、(198)のシステム。
(200)
前記デジタルデータ構造の部分が、前記ローラーベアリングコンポーネントが配置されている産業用機械に固有のものである、(199)のシステム。
(201)
前記デジタルデータ構造の一部分が、前記RFIDコンポーネントから検索されたネットワーク位置にアクセスすることによって検索され、前記RFIDコンポーネントから検索されたマシン固有の識別子によってさらにインデックス化される、(199)のシステム。
(202)
前記ネットワークの位置は、前記データコレクタが前記RFIDコンポーネントと近距離無線通信を行っている間に、前記データコレクタのWiFiインターフェースを介してアクセスされる、(201)のシステム。
(203)
前記ネットワーク位置は、前記データコレクタが前記RFIDコンポーネントとの近距離無線通信中でなくなったときに、前記データコレクタのWiFiインターフェースを介してアクセスされる、(202)のシステム。
(204)
産業用機械のコンポーネントの振動の衝撃の正規化された重大度尺度を決定する方法であって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサから振動データをキャプチャすること、
キャプチャした振動の周波数、ピーク振幅、および重力を決定すること、
決定された周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルの周波数範囲固有のセグメントを決定すること、
決定されたセグメントと、ピーク振幅および重力のうちの少なくとも1つに基づいて、キャプチャされた振動データの振動重大度レベルを計算すること、および、
振動の重大度レベルに基づいて産業用機械の部分のメンテナンス動作を実行するための予測メンテナンス回路の信号を生成すること、の各工程を含む方法。
(205)
前記生成された信号が、前記コンポーネントのメンテナンス予測のウォッチ状態を作動させる、(204)の方法。
(206)
前記生成された信号が、前記コンポーネントのメンテナンス予測の再調査状態を作動させる、(204)の方法。
(207)
前記生成された信号が、前記コンポーネントのメンテナンス予測の動作直後の状態を活性化する、(204)の方法。
(208)
前記生成された信号が、前記コンポーネントのメンテナンス予測の即時行動状態を作動させる、(204)の方法。
(209)
前記マルチセグメント振動周波数スペクトルが、第2のセグメントのローエンド値以下の周波数値を有する第1のセグメントと、第2のセグメントのハイエンド値以上の周波数値を有する第3のセグメントとを含む、(204)の方法。
(210)
前記ローエンド値および前記ハイエンド値の少なくとも1つが、前記産業用機械の構成要素の種類から構成されている、(209)の方法。
(211)
周波数範囲特定セグメントを決定することは、産業用機械の構成要素のタイプを決定し、ローエンド値およびハイエンド値のうちの少なくとも1つを調整することを含む、(210)の方法。
(212)
前記メンテナンス動作を実行するための信号を生成することは、キャプチャされた振動データのエンベロープ処理に基づいて振動の重大度レベルを重み付けすることを含む、(204)の方法。
(213)
キャプチャされた振動の周波数、ピーク振幅、および重力を決定することは、キャプチャされた振動データをエンベロープ処理することと、エンベロープ処理された振動データの少なくとも1つの振動ピーク値をマルチセグメント振動周波数スペクトルにマッピングすることとを含む、(204)の方法。
(214)
前記産業用機械の部分が、振動重大度レベルが計算された複数の部品からなり、前記信号を生成することが、前記複数の部品について計算された振動重大度レベルの集約に基づいて行われる、(204)の方法。
(215)
振動データを解析するため)のシステムであって、
グラフィカル・ユーザー・インターフェースと、
グラフィカルユーザーインターフェースにレンダリングされた産業用機械の少なくとも一部の視覚的表現と、
グラフィカルユーザーインターフェースにレンダリングされた産業用機械の部分の少なくとも1つのコンポーネントに対する重大度レベルの少なくとも一つの視覚的表示と、を含み、
ユーザインタフェースにおけるユーザの選択に応答して、グラフィカルユーザインタフェース内のポップアップウィンドウ内のコンポーネントの重大度レベル情報のデータセットから少なくとも1つのコンポーネントの重大度レベル情報を検索する機能を作動させることにより、視覚的表示がグラフィカルユーザインタフェース内にレンダリングされる、システム。
(216)
前記産業用機械の部分の少なくとも1つの構成要素に対する重大度レベルが、
前記コンピューティングデバイスで、前記移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
コンピューティングデバイスにより、キャプチャされた振動データを処理することにより、キャプチャされた振動の周波数を決定すること、
コンピューティングデバイスにより、周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
コンピューティングデバイスにより、決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、によって決定される、(215)のシステム。
(217)
決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数を、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングすること、を含む、(216)のシステム。
(218)
前記重大度レベルが、キャプチャされた振動データに関連付けられた状態の前記産業用機械の部分の少なくとも1つのコンポーネントに対する影響を表す、(215)のシステム。
(219)
前記産業用機械の部分の少なくとも1つの構成要素が可動部である、(215)のシステム。
(220)
前記産業用機械の部分の少なくとも1つの構成要素が、可動部を支持する構造部材である、(215)のシステム。
(221)
前記産業用機械の部分の少なくとも1つの構成要素がモータである、(215)のシステム。
(222)
前記産業用機械の部分の少なくとも1つの構成要素が駆動軸である、(215)のシステム。
(223)
産業用機械のコンポーネントの振動の衝撃の正規化された重大度の尺度を決定するため)のシステムであって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサからキャプチャされた振動データを含むデータセットと、
キャプチャした振動の周波数、ピーク振幅、重力を決定する振動データ解析回路。
決定された周波数に基づいてキャプチャされた振動を1つの周波数セグメントに結合するマルチセグメント振動スペクトルと、
決定されたセグメントと、ピーク振幅及び重力の少なくとも一方とに基づいて、キャプチャされた振動データの振動重大度レベルを算出する振動重大度レベル算出回路と、
前記振動重大度レベルに基づいて、前記産業用機械の一部のメンテナンス動作信号を作動させるための予測メンテナンス信号生成回路と、を含むシステム。
(224)
前記メンテナンス動作信号が、前記部品のメンテナンス予測のウォッチ状態を作動させる、(223)のシステム。
(225)
前記メンテナンス動作信号が、前記部品のメンテナンス予測の再調査状態を作動させる、(223)のシステム。
(226)
前記メンテナンス動作信号が、前記コンポーネントのメンテナンス予測の動作開始状態を作動させる、(223)のシステム。
(227)
前記メンテナンス動作信号が、前記コンポーネントのメンテナンス予測の即時動作状態を作動させる、(223)のシステム。
(228)
前記マルチセグメント振動周波数スペクトルが、第2のセグメントのローエンド値以下の周波数値を有する第1のセグメントと、第2のセグメントのハイエンド値以上の周波数値を有する第3のセグメントとから構成されている、(223)のシステム。
(229)
前記ローエンド値および前記ハイエンド値の少なくとも1つが、前記産業用機械の構成要素の種類から構成されている、(228)のシステム。
(230)
前記キャプチャされた振動を境界とするマルチセグメント振動スペクトルが、ローエンド値およびハイエンド値のうちの少なくとも1つを適応させることを含む、産業用機械のコンポーネントのタイプに基づいて適応される、(229)のシステム。
(231)
前記キャプチャされた振動データがエンベロープ処理された振動データである、(230)のシステム。
(232)
前記振動データ解析回路が、キャプチャされた振動データをエンベロープ処理し、前記エンベロープ処理された振動データの少なくとも1つの振動ピーク値をマルチセグメント振動周波数スペクトルにマッピングすることをさらに含む、(230)のシステム。
(233)
産業用機械の動作特性を検出するため)のシステムであって、
産業用機械の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、
撮像された生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットによって表される関心点内の産業用機械の一部に対応する1つ以上の値を特定し、前記1つ以上の値と対応する予測値とを比較し、前記1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、前記分散データに基づいて前記産業用機械の動作特性を検出し、前記動作特性の検出を示すデータを生成するコンピュータビジョンシステムと、を含むシステム。
(234)
動作特性が産業用機械の動作に関連する可能性のあるまたは現在の問題を表し、
前記動作特性の検出を示すデータを処理して、前記産業用機械の操作に関連する可能性のあるまたは現在の問題を防止または解決するために取られる可能性のあるアクションを表すメンテナンス動作を特定する予測メンテナンスプラットフォームをさらに含む、(233)のシステム。
(235)
前記コンピュータビジョンシステムが、前記動作特性の検出を示すデータを示す信号を生成し、前記予測メンテナンスプラットフォームが、前記信号に基づいて、可能性のある問題または現在の問題を予測する、(234)のシステム。
(236)
メンテナンス動作を実行するように構成された移動データコレクタを更に含み、
予測メンテナンスプラットフォームまたはコンピュータビジョンシステムが、移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させる、(234)のシステム。
(237)
前記少なくとも1つのデータキャプチャ装置が、前記移動データコレクタが前記産業用機械の状態に関連した測定値をレコードすることに応答して、生データをキャプチャする、(236)のシステム。
(238)
前記産業用機械の状態関連測定が、前記移動データコレクタの少なくとも1つの振動センサを使用してキャプチャされた前記産業用機械の少なくとも一部の振動に関連している、(237)のシステム。
(239)
前記移動データコレクタは、
前記コンピューティングデバイスで、前記移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
コンピューティングデバイスにより、キャプチャされた振動データを処理することにより、キャプチャされた振動の周波数を決定すること、
コンピューティングデバイスによって、周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
コンピューティングデバイスにより、決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、および、
移動データコレクタに重大度単位に基づいて信号を生成させること、によって、
前記少なくとも1つのデータキャプチャ装置または前記コンピュータビジョンシステムのうちの少なくとも1つに信号を送信して、前記少なくとも1つのデータキャプチャ装置に生データのキャプチャを行わせる、(238)のシステム。
(240)
決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングこと、によって決定されたセグメントに基づいて、
キャプチャされた振動を重大度単位にマッピングすること、を含む、(239)のシステム。
(241)
前記予測メンテナンスプラットフォームが分散台帳を使用して産業用機械に関連するメンテナンス取引を追跡し、前記分散台帳がメンテナンス取引に対応する取引レコードを格納する、(238)のシステム。
(242)
前記予測メンテナンスプラットフォームが、前記移動データコレクタによる信号の送信に応答して、新しいトランザクションレコードを生成する、(241)のシステム。
(243)
前記予測メンテナンスプラットフォームが、前記コンピュータビジョンシステムによる動作特性の検出を示すデータの生成に応答して、新たなトランザクションレコードを生成する、(241)のシステム。
(244)
前記移動データコレクタの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて前記振動をキャプチャする、(238)のシステム。
(245)
前記移動データコレクタが移動ロボットである、(236)のシステム。
(246)
前記予測メンテナンスプラットフォームが、分散台帳を使用して産業用機械に関連するメンテナンス取引を追跡し、前記分散台帳がメンテナンス取引に対応する取引レコードを格納する、(234)のシステム。
(247)
前記予測メンテナンスプラットフォームが、前記少なくとも1つのデータキャプチャ装置による生データのキャプチャに応答して、新しいトランザクションレコードを生成する、(246)のシステム。
(248)
前記予測メンテナンスプラットフォームが、前記コンピュータビジョンシステムによる動作特性の検出を示すデータの生成に応答して、新たなトランザクションレコードを生成する、(246)のシステム。
(249)
前記予測メンテナンスプラットフォームが、前記動作特性または前記メンテナンス動作のうちの少なくとも1つに基づいて、前記産業用機械の動作に関連する可能性のある問題または現在の問題に類似した問題を検出するために、機械学習の側面を訓練する、(234)のシステム。
(250)
前記動作特性の検出を示すデータ、前記産業用機械の関心点の生データ、または前記1以上の画像データセットを含むトレーニングデータセットを使用して、前記機械学習の側面をトレーニングすることによって、
コンピュータビジョンシステムに関連付けられた機械学習の側面を訓練するために、動作特性の検出を示すデータを分析するインテリジェントシステムを含む視覚分析装置を
をさらに含む、(233)のシステム。
(251)
前記視覚解析器が、前記トレーニングデータセットを格納するトレーニングデータデータベースであって、前記視覚解析器が、前記トレーニングデータデータベースから前記トレーニングデータセットを取得することにより、前記コンピュータビジョンシステムに関連付けられた機械学習の側面をトレーニングすることを特徴とするトレーニングデータデータベースをさらに含む、(250)のシステム。
(252)
前記動作特性が、前記産業用機械の構成要素の振動を含む、(233)のシステム。
(253)
前記動作特性が、前記産業用機械の構成要素の形状を含む、(233)のシステム。
(254)
前記動作特性が、前記産業用機械の構成要素のサイズを含む、(233)のシステム。
(255)
前記動作特性が、前記産業用機械の構成要素のたわみを含む、(233)のシステム。
(256)
前記動作特性が、前記産業用機械の構成要素の電磁放射を含む、(233)のシステム。
(257)
動作特性が産業用機械の構成要素の温度を含む、(233)のシステム。
(258)
前記動作特性が、前記産業用機械の構成要素内のガスの温度を含む、(233)のシステム。
(259)
前記動作特性が、前記産業用機械の構成要素内の液体の温度を含む、(233)のシステム。
(260)
前記動作特性が、前記産業用機械の構成要素内の固体の温度を含む、(233)のシステム。
(261)
前記動作特性が産業用機械の構成要素内の圧力を含む、(233)のシステム。
(262)
前記動作特性が、前記産業用機械の構成要素内の気体の圧力を含む、(233)のシステム。
(263)
前記動作特性が、前記産業用機械の構成要素内の液体の圧力を含む、(233)のシステム。
(264)
前記動作特性が、前記産業用機械の構成要素内のガスの密度を含む、(233)のシステム。
(265)
前記動作特性が、前記産業用機械の構成要素内の液体の密度を含む、(233)のシステム。
(266)
前記動作特性が、前記産業用機械の構成要素内の固体の密度を含む、(233)のシステム。
(267)
前記動作特性が、前記産業用機械によって製造された部品の密度を含む、(233)のシステム。
(268)
前記構成要素が車両用部品を含む、(267)のシステム。
(269)
前記構成要素が自転車用の部品を含む、(267)のシステム。
(270)
前記構成要素が自転車チェーンを含む、(267)のシステム。
(271)
前記構成要素がガスケットを含む、(267)のシステム。
(272)
前記構成要素がファスナーを含む、(267)のシステム。
(273)
前記構成要素がネジのための部分を含む、(267)のシステム。
(274)
前記部品がボルト用の部品を含む、(267)のシステム。
(275)
前記部品がプリント回路基板用の部品を含む、(267)のシステム。
(276)
前記構成要素がコンデンサ用の部品を含む、(267)のシステム。
(277)
前記構成要素が抵抗器のための部分を含む、(267)のシステム。
(278)
前記構成要素がインダクタのための部分を含む、(267)のシステム。
(279)
前記動作特性が、産業用機械の構成要素内のガスの化学構造を含む、(233)のシステム。
(280)
前記動作特性が、前記産業用機械の構成要素内の液体の化学構造を含む、(233)のシステム。
(281)
前記動作特性が、前記産業用機械の構成要素内の固体の化学構造を含む、(233)のシステム。
(282)
前記動作特性が、前記産業用機械によって製造された部品の化学構造を含む、(233)のシステム。
(283)
前記構成要素が車両用部品を含む、(282)のシステム。
(284)
前記構成要素が自転車用の部品を含む、(282)のシステム。
(285)
前記構成要素が自転車チェーンを含む、(282)のシステム。
(286)
前記構成要素がガスケットを含む、(282)のシステム。
(287)
前記構成要素がファスナーを含む、(282)のシステム。
(288)
前記構成要素がネジ用の部分を含む、(282)のシステム。
(289)
前記部材がボルト用の部品を含む、(282)のシステム。
(290)
前記部品がプリント回路基板用の部品を含む、(282)のシステム。
(291)
(282)のシステムであって、前記部品がコンデンサのための部品を含む、システム。
(292)
前記構成要素が抵抗器のための部分を含む、(282)のシステム。
(293)
前記構成要素がインダクタのための部分を含む、(282)のシステム。
(294)
前記データキャプチャ装置が画像キャプチャ装置を含む、(233)のシステム。
(295)
前記データキャプチャ装置がカメラを含む、(233)のシステム。
(296)
前記データキャプチャ装置がデータ測定装置を含む、(233)のシステム。
(297)
前記データキャプチャ装置がセンサを含む、(233)のシステム。
(298)
前記データキャプチャ装置がフルスペクトルカメラを含む、(233)のシステム。
(299)
前記データキャプチャ装置が放射線撮像装置を含む、(233)のシステム。
(300)
前記データキャプチャ装置がX線撮像装置を含む、(233)のシステム。
(301)
前記データキャプチャ装置が非可視光データキャプチャ装置を含む、(233)のシステム。
(302)
前記データキャプチャ装置が可視光データキャプチャ装置を含む、(233)のシステム。
(303)
前記データキャプチャ装置が音波データキャプチャ装置を含む、(233)のシステム。
(304)
前記データキャプチャ装置が画像キャプチャ装置を含む、(233)のシステム。
(305)
前記データキャプチャ装置が光撮像装置、検出装置、測距装置を含む、(233)のシステム。
(306)
前記データキャプチャ装置が点群データキャプチャ装置を含む、(233)のシステム。
(307)
前記データキャプチャ装置が赤外線検査装置を含む、(233)のシステム。
(308)
前記データキャプチャ装置が画像キャプチャ装置を含む、(233)のシステム。
(309)
前記データキャプチャ装置が圧力センサを含む、(233)のシステム。
(310)
前記データキャプチャ装置が温度センサを含む、(233)のシステム。
(311)
前記データキャプチャ装置が化学センサを含む、(233)のシステム。
(312)
前記データキャプチャ装置がスタンドアロン装置を含む、(233)のシステム。
(313)
前記データキャプチャ装置がモバイル装置を含む、(233)のシステム。
(314)
前記モバイルデバイスがスマートフォンを含む、(313)のシステム。
(315)
前記モバイルデバイスがタブレットを含む、(313)のシステム。
(316)
前記生データが生画像データを含む、(233)のシステム。
(317)
前記生データが生の測定データを含む、(233)のシステム。
(318)
前記関心点内の前記産業用機械の部分が、前記産業用機械の構成要素を含む、(233)のシステム。
(319)
前記関心点内の前記産業用機械の部分が、前記産業用機械のベルトを含む、(233)のシステム。
(320)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された部品を含む、(233)のシステム。
(321)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された自転車チェーンを含む、(233)のシステム。
(322)
産業用機械の動作特性を検出する方法であって、
1つまたは複数のデータキャプチャ装置によってキャプチャされた生データを使用して、1つまたは複数の画像データセットを生成すること、
1つまたは複数の画像データセットによって表される関心のある点内の産業用機械の一部に対応する1つまたは複数の値を識別すること、
1つ以上の値を対応する予測値と比較すること、
1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、
分散データに基づいて産業用機械の動作特性を特定すること、および、
動作特性の検出を示すデータを生成すること、を含む方法。
(323)
動作特性が産業用機械の操作に関連する可能性のあるまたは現在の問題を表し、
動作特性を特定することに応答して実行するメンテナンス動作を特定することをさらに含み、メンテナンス動作は、産業用機械の動作に関連する可能性のあるまたは現在の問題を防止または解決するために取られる可能性のあるアクションを表す、(322)の方法。
(324)
前記動作特性の特定に応答して実行するメンテナンス動作を特定することは、
予測メンテナンスを使用して、動作特性に基づいて可能な問題または現在の問題を予測することを含む、(323)の方法であって、
(325)
メンテナンス動作を示す信号を生成すること、および、
メンテナンス動作を実行するための信号をサーバに送信すること、をさらに含む、(323)の方法。
(326)
メンテナンス動作を示す信号を生成すること、および、
前記移動ロボットに信号を送信して、前記移動ロボットにメンテナンス動作を行わせること、をさらに含む、(323)の方法。
(327)
前記予測メンテナンスを使用して、前記動作特性に基づいて可能性のある問題または現在の問題を予測することは、
動作特性に基づいて可能性のある問題または現在の問題の重要度を決定すること含み、重要度は動作特性の産業用機械への影響を表し、重要度は可能性のある問題または現在の問題を解決するための優先順位を示す、(323)の方法。
(328)
前記生データが、前記産業用機械の環境においてユーザによって着用されるウェアラブルデバイスから受信された指示に応答して取り込まれ、
メンテナンス動作を示す信号をウェアラブルデバイスに通信することにより、メンテナンス動作を実行することをユーザに指示することをさらに含む、(322)の方法。
(329)
前記生データが、前記産業用機械の環境に配置された移動データコレクタから受信した指示に応答して取り込まれ、
メンテナンス動作を示す信号を移動データコレクタに通信することで、メンテナンス動作を開始することをさらに含む、(322)の方法。
(330)
前記移動データコレクタが移動ロボットである、(329)の方法。
(331)
前記1以上のデータキャプチャ装置のうちの少なくとも1つがカメラを含むモバイル装置であり、
モバイルデバイスのカメラに生データを撮影させること、および、
前記モバイルデバイスから、前記生データを含む信号を、前記1つ以上の画像データセットを生成するために使用されるコンピュータビジョンシステムに送信すること、をさらに含む、(322)の方法。
(332)
動作特性が、産業用機械の構成要素の振動を含む、(322)の方法。
(333)
前記動作特性が、前記産業用機械の構成要素の形状を含む、(322)の方法。
(334)
前記動作特性が、前記産業用機械の構成要素のサイズを含む、(322)の方法。
(335)
前記動作特性が、前記産業用機械の構成要素の偏向を含む、(322)の方法。
(336)
前記動作特性が、前記産業用機械の構成要素の電磁放射を含む、(322)の方法。
(337)
前記動作特性が産業用機械の構成要素の温度を含む、(322)の方法。
(338)
前記動作特性が、産業用機械の構成要素内のガスの温度を含む、(322)の方法。
(339)
前記動作特性が、産業用機械の構成要素内の液体の温度を含む、(322)の方法。
(340)
前記動作特性が、産業用機械の構成要素内の固体の温度を含む、(322)の方法。
(341)
前記動作特性が、産業用機械の構成要素内の圧力を含む、(322)の方法。
(342)
前記動作特性が、前記産業用機械の構成要素内の気体の圧力を含む、(322)の方法。
(343)
前記動作特性が、前記産業用機械の構成要素内の液体の圧力を含む、(322)の方法。
(344)
前記動作特性が、前記産業用機械の構成要素内のガスの密度を含む、(322)の方法。
(345)
前記動作特性が、前記産業用機械の構成要素内の液体の密度を含む、(322)の方法。
(346)
前記動作特性が、前記産業用機械の構成要素内の固体の密度を含む、(322)の方法。
(347)
前記動作特性が、前記産業用機械によって製造された部品の密度を含む、(322)の方法。
(348)
前記部品が車両用部品を含む、(347)の方法。
(349)
前記構成要素が自転車用の部品を含む、(347)の方法。
(350)
前記構成要素が自転車チェーンを含む、(347)の方法。
(351)
前記構成要素がガスケットを含む、(347)の方法。
(352)
前記構成要素がファスナーを含む、(347)の方法。
(353)
前記部材がネジ用の部品を含む、(347)の方法。
(354)
前記部材がボルト用の部品を含む、(347)の方法。
(355)
前記部品がプリント回路基板用の部品を含む、(347)の方法。
(356)
前記部品がコンデンサのための部品を含む、(347)の方法。
(357)
前記部品が抵抗器のための部品を含む、(347)の方法。
(358)
前記部品がインダクタのための部品を含む、(347)の方法。
(359)
前記動作特性が、前記産業用機械の構成要素内のガスの化学構造を含む、(322)の方法。
(360)
前記動作特性が、前記産業用機械の構成要素内の液体の化学構造を含む、(322)の方法。
(361)
前記動作特性が、前記産業用機械の構成要素内の固体の化学構造を含む、(322)の方法。
(362)
前記動作特性が、前記産業用機械によって製造された部品の化学構造を含む、(322)の方法。
(363)
前記部品が車両用部品を含む、(362)の方法。
(364)
前記部品が自転車用の部品を含む、(362)の方法。
(365)
前記構成要素が自転車チェーンを含む、(362)の方法。
(366)
前記構成要素がガスケットを含む、(362)の方法。
(367)
前記構成要素がファスナーを含む、(362)の方法。
(368)
前記部材がネジ用の部品を含む、(362)の方法。
(369)
前記部材がボルト用の部品を含む、(362)の方法。
(370)
前記部品がプリント回路基板用の部品を含む、(362)の方法。
(371)
前記部品がコンデンサのための部品を含む、(362)の方法。
(372)
前記部品が抵抗器のための部品を含む、(362)の方法。
(373)
前記構成要素がインダクタのための部分を含む、(362)の方法。
(374)
前記データキャプチャ装置が画像キャプチャ装置を含む、(322)の方法。
(375)
前記データキャプチャ装置がカメラを含む、(322)の方法。
(376)
前記データキャプチャ装置がデータ測定装置を含む、(322)の方法。
(377)
前記データキャプチャ装置がセンサを含む、(322)の方法。
(378)
前記データキャプチャ装置がフルスペクトルカメラを含む、(322)の方法。
(379)
前記データキャプチャ装置が放射線撮像装置を含む、(3022)の方法。
(380)
前記データキャプチャ装置がX線撮像装置を含む、(322)の方法。
(381)
前記データキャプチャ装置が非可視光データキャプチャ装置を含む、(322)の方法。
(382)
前記データキャプチャ装置が可視光データキャプチャ装置を含む、(322)の方法。
(383)
前記データキャプチャ装置が音波データキャプチャ装置を含む、(322)の方法。
(384)
前記データキャプチャ装置が画像キャプチャ装置を含む、(322)の方法。
(385)
前記データキャプチャ装置が、光撮像装置、検出装置、測距装置を含む、(322)の方法。
(386)
前記データキャプチャ装置が点群データキャプチャ装置を含む、(322)の方法。
(387)
前記データキャプチャ装置が赤外線検査装置を含む、(322)の方法。
(388)
前記データキャプチャ装置が画像キャプチャ装置を含む、(322)の方法。
(389)
前記データキャプチャ装置が圧力センサを含む、(322)の方法。
(390)
前記データ取り込み装置が温度センサを含む、(322)の方法。
(391)
前記データキャプチャ装置が化学センサを含む、(322)の方法。
(392)
前記データキャプチャ装置がスタンドアロン装置を含む、(322)の方法。
(393)
前記データキャプチャ装置が、前記モバイルデバイスに関連付けられたものを含む、(322)の方法。
(394)
前記モバイルデバイスがスマートフォンを含む、(393)の方法。
(395)
前記モバイルデバイスがタブレットを含む、(393)の方法。
(396)
前記生データが生画像データを含む、(322)の方法。
(397)
前記生データが生の測定データを含む、(322)の方法。
(398)
前記関心点内の前記産業用機械の部分が、前記産業用機械の構成要素を含む、(322)の方法。
(399)
前記関心点内の前記産業用機械の部分が、前記産業用機械のベルトを含む、(322)の方法。
(400)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された部品を含む、(322)の方法。
(401)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された自転車チェーンを含む、(322)の方法。
(402)
産業用機械の動作特性を検出するためのシステムであって、
産業用機械の関心点の生データをキャプチャする少なくとも1つの画像データキャプチャ装置と、
前記キャプチャされた生データを使用して1つまたは複数の画像データセットを生成するコンピューティングデバイスであって、前記関心点に関連付けられた産業用機械の一部が前記1つまたは複数の画像データセット内で表現されているコンピューティングデバイスと、
前記1つ以上の画像データセットからの1つ以上の値を、対応する予測値と比較すること、
1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、
分散データに基づいて産業用機械の動作特性を特定すること、
動作特性が閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内であるかどうかを判定すること、
動作特性を示すトレーニングデータを生成すること、および、
トレーニングデータに応じて機械学習の側面を訓練すること、によって、
1以上の画像データセットに基づいて、コンピュータ装置に関連付けられた機械学習の側面を訓練するインテリジェントシステムと、を含むシステム。
(403)
前記インテリジェントシステムが、深層学習システムである、(402)のシステム。
(404)
前記インテリジェントシステムが、認知学習モジュール、人工知能モジュール、または機械学習モジュールのうちの1つ以上を含む、(402)のシステム。
(405)
前記トレーニングデータが、前記産業用機械に関連付けられた画像データと、前記産業用機械に関連付けられた非画像データとを含む、(402)のシステム。
(406)
前記トレーニングデータが、前記産業用機械に関連付けられた知識ベースに格納されている、(405)のシステム。
(407)
前記知識ベースが、前記インテリジェントシステムからの出力に基づいて更新される、(406)のシステム。
(408)
産業環境のターゲットの状態を識別するためにウェアラブルデバイスを使用する方法であって、
ウェアラブルデバイスの1つ以上のセンサを使用して、ターゲットの状態に関連した測定値をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。
(409)
ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、(408)の方法。
(410)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(409)の方法。
(411)
前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、(409)の方法。
(412)
前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、(409)の方法。
(413)
前記ウェアラブルデバイスが1つのセンサを含む、(408)の方法。
(414)
前記ウェアラブルデバイスが複数のセンサを含む、(408)の方法。
(415)
前記ウェアラブルデバイスが第1のウェアラブルデバイスであり、前記状態関連測定が第1の状態関連測定であり、
第2のウェアラブルデバイスを使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、(408)の方法。
(416)
前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、(415)の方法。
(417)
第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、(415)の方法。
(418)
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄することをさらに含む、(417)の方法。
(419)
前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新することをさらに含む、(417)の方法。
(420)
前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、ウェアラブルデバイスのオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、(419)の方法。
(421)
前記オンデバイスセンサ融合の側面がマルチプレクサである、(420)の方法。
(422)
前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
状態関連測定のレコードを制御するためにホスト処理システムを使用することを含む、(408)の方法。
(423)
前記ホスト処理システムがクラウドコンピューティングシステムに具現化されている、(422)の方法。
(424)
前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
状態に関連する測定のレコードを制御するためにネットワーク符号化システムを使用することを含む、(408)の方法。
(425)
前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
一定の間隔で1つ以上のセンサを使用して再コード化を繰り返すことを含む、(408)の方法。
(426)
状態関連測定をネットワークを介してサーバに送信することは、
データコレクタからウェアラブルデバイスにコマンドを送信すること、および、
前記ウェアラブルデバイスに、前記コマンドに応答して前記サーバに前記状態関連測定値を送信させること、を含む、(408)の方法。
(427)
前記データコレクタが、一定の間隔で前記コマンドを前記ウェアラブルデバイスに送信する、(426)の方法。
(428)
前記データコレクタが、前記コマンドをランダムに前記ウェアラブルデバイスに送信する、(426)の方法。
(429)
状態関連測定をネットワークを介してサーバに送信することは、
ウェアラブルデバイスにコマンドを送信するために、ウェアラブルデバイスに関連付けられた集合的処理マインドを使用すること、および、
前記ウェアラブルデバイスに、前記コマンドに応答して前記サーバに前記状態関連測定値を送信させること、を含む、(408)の方法。
(430)
前記ウェアラブルデバイスにコマンドを送信するために前記ウェアラブルデバイスに関連付けられた集合的処理マインドを使用することは、
ウェアラブルデバイスに関してターゲットの近接を検出するために、集合的処理マインドに関連付けられた検出器を使用すること、および
近接を検出することに応答して、コマンドをウェアラブルデバイスに送信すること、を含む、(408)の方法。
(431)
状態に関連した測定をデータプールに格納することをさらに含む、(408)の方法。
(432)
前記データプールを実装するために使用されるコンピューティングデバイスに、前記集合的処理マインドから状態関連測定の要求を送信するステップであって、前記要求は、前記集合的処理マインドが前記データプールから1つ以上の状態関連測定を要求した最後の時間を示すタイムスタンプを含むステップ、
状態関連測定がタイムスタンプの後にレコードされたかどうかを決定するステップ、および、
状態関連測定がタイムスタンプの後にレコードされたと判断することに応答して、状態関連測定をコンピューティングデバイスからサーバに送信するステップ、をさらに含む、(431)の方法。
(433)
状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、ウェアラブルデバイスからサーバに状態関連の測定値を送信することを含む、(408)の方法。
(434)
ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、(408)の方法。
(435)
前記ウェアラブルデバイスが、産業用ユニフォーム内に統合された複数のウェアラブルデバイスのうちの1つである、(408)の方法。
(436)
前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態に関連する測定値をレコードするように構成されたセンサを含む、(408)の方法。
(437)
前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態に関連する測定値をレコードするように構成されたセンサを含む、(408)の方法。
(438)
前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(408)の方法。
(439)
前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(408)の方法。
(440)
前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(408)の方法。
(441)
前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、(408)の方法。
(442)
前記衣類の物品がシャツである、(441)の方法。
(443)
前記衣類の物品がベストである、(441)の方法。
(444)
前記衣類の物品がジャケットである、(441)の方法。
(445)
前記衣類の物品がズボンである、(441)の方法。
(446)
前記衣類の物品がショーツである、(441)の方法。
(447)
前記衣類の物品が手袋である、(441)の方法。
(448)
前記衣類の物品が靴下である、(441)の方法。
(449)
前記衣類の物品が靴である、(441)の方法。
(450)
前記衣類の物品が保護アウターである、(441)の方法。
(451)
前記衣類の物品が下着である、(441)の方法。
(452)
前記衣類の物品がアンダーシャツである、(441)の方法。
(453)
前記衣類の物品がタンクトップである、(441)の方法。
(454)
前記ウェアラブルデバイスがアクセサリー物品内に組み込まれている、(408)の方法。
(455)
前記アクセサリー物品が帽子である、(454)の方法。
(456)
前記アクセサリー物品がヘルメットである、(454)の方法。
(457)
前記アクセサリー物品が眼鏡である、(454)の方法。
(458)
前記アクセサリー物品がゴーグルである、(454)の方法。
(459)
前記アクセサリー物品が視覚安全アクセサリーである、(454)の方法。
(460)
前記アクセサリー物品がマスクである、(454)の方法。
(461)
前記アクセサリー物品が胸部バンドである、(454)の方法。
(462)
前記アクセサリー物品がベルトである、(454)の方法。
(463)
前記アクセサリー物品がリフトサポートガーメントである、(454)の方法。
(464)
前記アクセサリー物品がアンテナである、(454)の方法。
(465)
前記アクセサリー物品がリストバンドである、(454)の方法。
(466)
前記アクセサリー物品がリングである、(454)の方法。
(467)
前記アクセサリー物品がネックレスである、(454)の方法。
(468)
前記アクセサリー物品がブレスレットである、(454)の方法。
(469)
前記アクセサリー物品が腕時計である、(454)の方法。
(470)
前記アクセサリー物品がブローチである、(454)の方法。
(471)
前記アクセサリー物品がネックストラップである、(454)の方法。
(472)
前記アクセサリー物品がバックパックである、(454)の方法。
(473)
前記アクセサリー物品がフロントパックである、(454)の方法。
(474)
前記アクセサリー物品がアームパックである、(454)の方法。
(475)
前記アクセサリー物品がレッグパックである、(454)の方法。
(476)
前記アクセサリー物品がランヤードである、(454)の方法。
(477)
前記アクセサリー物品がキーリングである、(454)の方法。
(478)
前記アクセサリー物品がヘッドホンである、(454)の方法。
(479)
前記アクセサリー物品が聴覚安全アクセサリーである、(454)の方法。
(480)
前記アクセサリー物品がイヤホンである、(454)の方法。
(481)
前記アクセサリー物品が耳かけである、(454)の方法。
(482)
前記ウェアラブルデバイスが、衣類の物品内に統合された第1のウェアラブルデバイスであり、前記アクセサリー物品内に統合された第2のウェアラブルデバイスを使用することを含む、(408)の方法。
(483)
前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記ウェアラブルデバイスと通信するカメラビジョンシステムによって制御される、(408)の方法。
(484)
産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1以上のセンサを含む第1のウェアラブルデバイスと、
第2のタイプの状態関連測定をレコードするように構成された1以上のセンサを含む第2のウェアラブルデバイスと、
前記第1のウェアラブルデバイスから第1のタイプの状態関連測定値を受信し、前記第2のウェアラブルデバイスから第2のタイプの状態関連測定値を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。
(485)
前記第1のウェアラブルデバイスと前記第2のウェアラブルデバイスとが、産業用ユニフォーム内に統合されている、(484)のシステム。
(486)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、(484)のシステム。
(487)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(484)のシステム。
(488)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(484)のシステム。
(489)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(484)のシステム。
(490)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(484)のシステム。
(491)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(484)のシステム。
(492)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(484)のシステム。
(493)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(484)のシステム。
(494)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(484)のシステム。
(495)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(484)のシステム。
(496)
前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、(484)のシステム。
(497)
前記第1のウェアラブルデバイスの1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1のウェアラブルデバイスと通信するカメラビジョンシステムによって制御される、(484)のシステム。
(498)
前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスの少なくとも一方にコマンドを送信する集合的処理マインドをさらに含む、(484)のシステム。
(499)
前記集合的処理マインドが、前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスのうちの少なくとも1つに関して前記ターゲットの近接を検出するための検出器を含む、(498)のシステム。
(500)
前記集合的処理マインドが、適応的スケジューリングを使用して、前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスのうちの少なくとも1つを使用して、前記ターゲットの連続的な監視を制御する、(498)のシステム。
(501)
前記インテリジェントシステムが、
前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、(484)のシステム。
(502)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(484)のシステム。
(503)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(484)のシステム。
(504)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(484)のシステム。
(505)
前記第1のウェアラブルデバイスが衣類の物品内に統合され、前記第2のウェアラブルデバイスがアクセサリー物品内に統合されている、(484)のシステム。
(506)
前記第1のウェアラブルデバイスが第1の衣類の物品内に統合され、前記第2のウェアラブルデバイスが第2の衣類の物品内に統合されている、(484)のシステム。
(507)
前記第1のウェアラブルデバイスが前記第1のアクセサリー物品内に統合され、前記第2のウェアラブルデバイスが前記第2のアクセサリー物品内に統合されている、(484)のシステム。
(508)
前記第1のウェアラブルデバイスが、衣類の物品内に組み込まれている、(484)のシステム。
(509)
前記衣類の物品がシャツである、(508)のシステム。
(510)
前記衣類の物品がベストである、(508)のシステム。
(511)
前記前記衣類の物品がジャケットである、(508)のシステム。
(512)
前記前記衣類の物品がズボンである、(508)のシステム。
(513)
前記前記衣類の物品がショーツである、(508)のシステム。
(514)
前記衣類の物品が手袋である、(508)のシステム。
(515)
前記衣類の物品が靴下である、(508)のシステム。
(516)
前記前記衣類の物品が靴である、(508)のシステム。
(517)
前記衣類の物品が保護アウターである、(508)のシステム。
(518)
前記衣類の物品が下着である、(508)のシステム。
(519)
前記衣類の物品がアンダーシャツである、(508)のシステム。
(520)
前記衣類の記事がタンクトップである、(508)のシステム。
(521)
前記第1のウェアラブルデバイスが、アクセサリー物品内に組み込まれている、(484)のシステム。
(522)
前記アクセサリー物品が帽子である、(521)のシステム。
(523)
前記アクセサリー物品がヘルメットである、(521)のシステム。
(524)
前記アクセサリー物品が眼鏡である、(521)のシステム。
(525)
前記アクセサリー物品がゴーグルである、(521)のシステム。
(526)
前記アクセサリー物品が視覚安全アクセサリーである、(521)のシステム。
(527)
前記アクセサリー物品がマスクである、(521)のシステム。
(528)
前記アクセサリー物品が胸部バンドである、(521)のシステム。
(529)
前記アクセサリー物品がベルトである、(521)のシステム。
(530)
前記アクセサリー物品がリフトサポートガーメントである、(521)のシステム。
(531)
前記アクセサリー物品がアンテナである、(521)のシステム。
(532)
前記アクセサリー物品がリストバンドである、(521)のシステム。
(533)
前記アクセサリー物品がリングである、(521)のシステム。
(534)
前記アクセサリー物品がネックレスである、(521)のシステム。
(535)
前記アクセサリー物品がブレスレットである、(521)のシステム。
(536)
前記アクセサリー物品が腕時計である、(521)のシステム。
(537)
前記アクセサリー物品がブローチである、(521)のシステム。
(538)
前記アクセサリー物品がネックストラップである、(521)のシステム。
(539)
前記アクセサリー物品がバックパックである、(521)のシステム。
(540)
前記アクセサリー物品がフロントパックである、(521)のシステム。
(541)
前記アクセサリー物品がアームパックである、(521)のシステム。
(542)
前記アクセサリー物品がレッグパックである、(521)のシステム。
(543)
前記アクセサリー物品がランヤードである、(521)のシステム。
(544)
前記アクセサリー物品がキーリングである、(521)のシステム。
(545)
前記アクセサリー物品がヘッドホンである、(521)のシステム。
(546)
前記アクセサリー物品が聴覚安全アクセサリーである、(521)のシステム。
(547)
前記アクセサリー物品がイヤホンである、(521)のシステム。
(548)
前記アクセサリー物品が耳かけである、(521)のシステム。
(549)
産業環境のターゲットの状態を識別するために移動データコレクタを使用する方法であって、
産業環境内のターゲットの位置に接近するように移動データコレクタを制御すること、
移動データコレクタの1つ以上のセンサを使用して、ターゲットの状態に関連した測定をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。
(550)
前記移動データコレクタが移動ロボットである、(549)の方法。
(551)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(550)の方法。
(552)
前記1つ以上のセンサが前記移動ロボットに結合されている、(550)の方法。
(553)
前記移動ロボットがロボットアームである、(550)の方法。
(554)
前記移動ロボットが人型ロボットである、(550)の方法。
(555)
前記移動ロボットが小型自律型ロボットである、(550)の方法。
(556)
前記移動ロボットが大型自律型ロボットである、(550)の方法。
(557)
前記移動ロボットが遠隔操作ロボットである、(550)の方法。
(558)
前記移動ロボットがプログラム可能に構成されたロボットである、(550)の方法。
(559)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(550)の方法。
(560)
前記1つ以上のセンサが前記移動ロボットに結合されている、(550)の方法。
(561)
前記移動データコレクタが移動車両である、(549)の方法。
(562)
前記移動車両が大型機械である、(559)の方法。
(563)
前記移動車両が、大型のオンロード産業車両である、(559)の方法。
(564)
前記移動車両が、大型のオフロード産業車両である、(559)の方法。
(565)
前記移動車両が産業用機械を含む、(559)の方法。
(566)
前記移動車両が、土工装置を含む、(559)の方法。
(567)
(559)の方法であって、前記移動車両が土留め装置を含む、方法。
(568)
移動車両が運搬装置を含む、(559)の方法。
(569)
(559)の方法であって、前記移動車両がホイスト装置を含む、方法。
(570)
移動車両が搬送装置を含む、(559)の方法。
(571)
移動車両が骨材生産装置を含む、(559)の方法。
(572)
(559)の方法であって、前記移動車両が、コンクリート建設に使用される装置を含む、方法。
(573)
前記移動車両がパイルドライビング装置を含む、(559)の方法。
(574)
前記移動車両が建設機械を含む、(559)の方法。
(575)
前記移動車両が人員輸送車両である、(559)の方法。
(576)
前記移動車両が無人車両である、(559)の方法。
(577)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(549)の方法。
(578)
前記移動データコレクタを制御して、前記産業環境内のターゲットの位置に接近するように制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、(577)の方法。
(579)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(578)の方法。
(580)
ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、(549)の方法。
(581)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(549)の方法。
(582)
前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、(549)の方法。
(583)
前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、(549)の方法。
(584)
前記移動データコレクタが1つのセンサを含む、(549)の方法。
(585)
前記移動データコレクタが複数のセンサを含む、(549)の方法。
(586)
前記移動データコレクタが第1の移動データコレクタであり、前記状態関連測定が第1の状態関連測定であり、
第2の移動データコレクタを使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、(549)の方法。
(587)
前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、(586)の方法。
(588)
第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、および、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、(586)の方法。
(589)
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄することをさらに含む、(588)の方法。
(590)
前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新することをさらに含む、(588)の方法。
(591)
前記第1の移動データコレクタが移動ロボットであり、前記第2の移動データコレクタが移動車両である、(586)の方法。
(592)
前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、移動データコレクタのオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、(549)の方法。
(593)
前記オンデバイスセンサ融合の側面がマルチプレクサである、(592)の方法。
(594)
状態関連測定をデータプールに格納することをさらに含む、(549)の方法。。
(595)
状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、移動データコレクタからサーバに状態関連の測定値を送信することを含む、(549)の方法。
(596)
ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、(549)の方法。
(597)
前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(598)
前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(599)
前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(600)
前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(601)
前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(602)
前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記移動データコレクタと通信しているカメラビジョンシステムによって制御される、(549)の方法。
(603)
産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第1の移動データコレクタと、
第2のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第2の移動データコレクタと、
第1の移動データコレクタから第1のタイプの状態関連測定を受信し、第2の移動データコレクタから第2のタイプの状態関連測定を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。
(604)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、(603)のシステム。
(605)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(603)のシステム。
(606)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(603)のシステム。
(607)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(603)のシステム。
(608)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(603)のシステム。
(609)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(603)のシステム。
(610)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(603)のシステム。
(611)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(603)のシステム。
(612)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(603)のシステム。
(613)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(603)のシステム。
(614)
前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、(603)のシステム。
(615)
前記第1の移動データコレクタの1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1の移動データコレクタと通信しているカメラビジョンシステムによって制御される、(603)のシステム。
(616)
インテリジェントシステムが、前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、(603)のシステム。
(617)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(603)のシステム。
(618)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(603)のシステム。
(619)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(603)のシステム。
(620)
前記第1の移動データコレクタが移動ロボットであり、前記第2の移動データコレクタが移動車両である、(603)のシステム。
(621)
前記第1の移動データコレクタが第1の移動ロボットであり、前記第2の移動データコレクタが第2の移動ロボットである、(603)のシステム。
(622)
前記第1の移動データコレクタが第1の移動車両であり、前記第2の移動データコレクタが第2の移動車両である、(603)のシステム。
(623)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタ内に統合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタ内に統合されている、(603)のシステム。
(624)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタ内に統合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタに結合されている、(603)のシステム。
(625)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタに結合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタ内に統合されている、(603)のシステム。
(626)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタに結合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタに結合されている、(603)のシステム。
(627)
前記第1の移動データコレクタが移動ロボットである、(603)のシステム。
(628)
前記移動ロボットがロボットアームである、(627)のシステム。
(629)
前記移動ロボットが人型ロボットである、(627)のシステム。
(630)
前記移動ロボットが小型自律型ロボットである、(627)のシステム。
(631)
前記移動ロボットが大型自律型ロボットである、(627)のシステム。
(632)
前記移動ロボットが遠隔制御ロボットである、(627)のシステム。
(633)
前記移動ロボットがプログラム可能に構成されたロボットである、(627)のシステム。
(634)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(627)のシステム。
(635)
前記1つ以上のセンサが前記移動ロボットに結合されている、(627)のシステム。
(636)
(603)のシステムであって、前記移動データコレクタが移動車両である、システム。
(637)
前記移動車両が大型機械である、(636)のシステム。
(638)
前記移動車両が大型オンロード産業車両である、(636)のシステム。
(639)
前記移動車両が大型オフロード産業車両である、(636)のシステム。
(640)
前記移動車両が産業用機械を含む、(636)のシステム。
(641)
前記移動車両が、土工装置を含む、(636)のシステム。
(642)
前記移動車両が土留め装置を含む、(636)のシステム。
(643)
前記移動車両が運搬装置を含む、(636)のシステム。
(644)
前記移動車両がホイスト装置を含む、(636)のシステム。
(645)
前記移動車両が搬送装置を含む、(636)のシステム。
(646)
前記移動車両が骨材生産装置を含む、(636)のシステム。
(647)
前記移動車両が、コンクリート建設に使用される装置を含む、(636)のシステム。
(648)
前記移動車両がパイルドライビング装置を含む、(636)のシステム。
(649)
前記移動車両が建設機械を含む、(636)のシステム。
(650)
前記移動車両が人員輸送車両である、(636)のシステム。
(651)
前記移動車両が無人車両である、(636)のシステム。
(652)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(603)のシステム。
(653)
前記移動データコレクタを制御して、前記産業環境内の前記ターゲットの位置に接近するように制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、(652)のシステム。
(654)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(653)のシステム。
(655)
携帯装置を使用して、産業環境のターゲットの状態を識別する方法であって、
携帯装置の1つ以上のセンサを使用して、ターゲットの状態に関連した測定値をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。
(656)
ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、(655)の方法。
(657)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(656)の方法。
(658)
前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、(656)の方法。
(659)
前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、(656)の方法。
(660)
前記携帯装置が1つのセンサを含む、(655)の方法。
(661)
前記携帯装置が複数のセンサを含む、(655)の方法。
(662)
前記携帯装置が第1の携帯装置であり、前記状態関連測定が第1の状態関連測定であり、前記携帯装置が前記第1の状態関連測定であり、
第2の携帯装置を使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、(655)の方法。
(663)
前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、(662)の方法。
(664)
第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、および、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、(662)の方法。
(665)
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄するステップをさらに含む、(664)の方法。
(666)
前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新するステップをさらに含む、(664)の方法。
(667)
前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、携帯装置のオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、(666)の方法。
(668)
前記オンデバイスセンサ融合の側面がマルチプレクサである、(667)の方法。
(669)
前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
状態関連測定のレコードを制御するためにホスト処理システムを使用することを含む、(655)の方法。
(670)
前記ホスト処理システムがクラウドコンピューティングシステムに具現化されている、(669)の方法。
(671)
前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
状態に関連する測定のレコードを制御するためにネットワーク符号化システムを使用することを含む、(655)の方法。
(672)
前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
一定の間隔で1つ以上のセンサを使用して再コード化を繰り返すことを含む、(655)の方法。
(673)
状態関連測定をネットワークを介してサーバに送信することは、
データコレクタから携帯装置にコマンドを送信すること、および、
携帯装置に、コマンドに応答してサーバに状態関連の測定値を送信させること、を含む、(655)の方法。
(674)
前記データコレクタが、一定の間隔で前記携帯装置にコマンドを送信する、(673)の方法。
(675)
前記データコレクタが、前記コマンドをランダムに前記携帯装置に送信する、(673)の方法。
(676)
状態関連測定をネットワークを介してサーバに送信することは、
携帯装置にコマンドを送信するために、携帯装置に関連付けられた集合的処理マインドを使用すること、および、
携帯装置に、コマンドに応答してサーバに状態関連の測定値を送信させること。
(677)
携帯装置にコマンドを送信するために携帯装置に関連付けられた集合的処理マインドを使用することは、
集合的処理マインドに関連付けられた検出器を使用して、携帯装置に対するターゲットの近接を検出すること、および
近接を検出することに応答して携帯装置にコマンドを送信すること、を含む、(655)の方法。
(678)
状態関連測定をデータプールに格納することをさらに含む、(655)の方法。
(679)
前記データプールを実装するために使用されるコンピューティングデバイスに、前記集合的処理マインドから状態関連測定の要求を送信するステップであって、前記要求は、前記集合的処理マインドが前記データプールから1つまたは複数の状態関連測定を要求した最後の時間を示すタイムスタンプを含むステップ。
状態関連測定がタイムスタンプの後にレコードされたかどうかを決定すること、および、
状態関連測定がタイムスタンプの後にレコードされたと判断することに応答して、状態関連測定をコンピューティングデバイスからサーバに送信すること、をさらに含む、(678)の方法。
(680)
状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、携帯装置からサーバに状態関連の測定値を送信することを含む、(655)の方法。
(681)
ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、(655)の方法。
(682)
前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(683)
前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(684)
前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(685)
前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(686)
前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(687)
前記携帯装置が携帯電話である、(655)の方法。
(688)
前記携帯装置がラップトップコンピュータである、(655)の方法。
(689)
前記携帯装置がタブレットコンピュータである、(655)の方法。
(690)
前記携帯装置がパーソナルデジタルアシスタントである、(655)の方法。
(691)
前記携帯装置がトランシーバーである、(655)の方法。
(692)
前記携帯装置が無線機である、(655)の方法。
(693)
前記携帯装置が長距離通信デバイスである、(655)の方法。
(694)
前記携帯装置が近距離通信デバイスである、(655)の方法。
(695)
前記携帯装置が懐中電灯である、(655)の方法。
(696)
前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記携帯装置と通信しているカメラビジョンシステムによって制御される、(655)の方法。
(697)
産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第1の携帯装置と、
第2のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第2の携帯装置と、
前記第1の携帯装置から第1のタイプの状態関連測定を受信し、前記第2の携帯装置から第2のタイプの状態関連測定を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。
(698)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、(697)のシステム。
(699)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(697)のシステム。
(700)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(697)のシステム。
(701)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づくものであり、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づくものである、(697)のシステム。
(702)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(697)のシステム。
(703)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(697)のシステム。
(704)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(697)のシステム。
(705)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(697)のシステム。
(706)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(697)のシステム。
(707)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(697)のシステム。
(708)
前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、(697)のシステム。
(709)
前記第1の携帯装置の1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1の携帯装置と通信しているカメラビジョンシステムによって制御される、(697)のシステム。
(710)
前記第1の携帯装置または前記第2の携帯装置の少なくとも一方にコマンドを送信する集合的処理マインドをさらに含む、(697)のシステム。
(711)
前記集合的処理マインドが、前記第1の携帯装置または前記第2の携帯装置のうちの少なくとも1つに関して前記ターゲットの近接を検出するための検出器を含む、(710)のシステム。
(712)
前記集合的処理マインドが、適応的スケジューリングを使用して、第1の携帯装置または第2の携帯装置のうちの少なくとも1つを使用して、ターゲットの連続的な監視を制御する、(710)のシステム。
(713)
前記インテリジェントシステムが、前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、(697)のシステム。
(714)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(697)のシステム。
(715)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(697)のシステム。
(716)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(697)のシステム。
(717)
前記携帯装置が携帯電話である、(697)のシステム。
(718)
前記携帯装置がラップトップコンピュータである、(697)のシステム。
(719)
前記携帯装置がタブレットコンピュータである、(697)のシステム。
(720)
前記携帯装置がパーソナルデジタルアシスタントである、(697)のシステム。
(721)
前記携帯装置がトランシーバーである、(697)のシステム。
(722)
前記携帯装置が無線機である、(697)のシステム。
(723)
前記携帯装置が長距離通信装置である、(697)のシステム。
(724)
前記携帯装置が近距離通信装置である、(697)のシステム。
(725)
前記携帯装置が懐中電灯である、(697)のシステム。
(726)
前記振動データを取得するために使用される少なくとも1つの振動センサを含むウェアラブルデバイスから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、
前記重大度単位に基づいて前記産業用機械の少なくとも一部のメンテナンス動作を実行するための信号を前記予測メンテナンス回路に生成すること、を含む方法。
(727)
前記ウェアラブルデバイスの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて前記振動データをキャプチャする、(726)の方法。
(728)
ウェアラブルデバイスを使用して、前記産業用機械が前記ウェアラブルデバイスに近接していることを検出すること、および、
前記ウェアラブルデバイスに前記産業用機械の前記ウェアラブルデバイスへの近接を検出することに応答して、前記ウェアラブルデバイスに振動データを取得させること、をさらに含む、(726)の方法。
(729)
前記ウェアラブルデバイスの少なくとも1つの振動センサを用いて、前記産業用機械の少なくとも一部の振動レベルの変化を検出すること、および
ウェアラブルデバイスを使用して、振動レベルの変化を検出することに応答して振動データをキャプチャすること、をさらに含む、(726)の方法。
(730)
前記ウェアラブルデバイスの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて、前記振動レベルの変化を検出する、(729)の方法。
(731)
前記信号を前記ウェアラブルデバイスに送信して、前記メンテナンス動作の実行を引き起こすことをさらに含む、(726)の方法。
(732)
決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングすること、によって決定された
セグメントに基づいて、キャプチャされた振動を重大度単位にマッピングすることを含む、(726)の方法。
(733)
振動が第1の重大度単位、第2の重大度単位、または第3の重大度単位にマッピングされるかどうかを決定するために、インテリジェントシステムを訓練することをさらに含む、(732)の方法。
(734)
前記重大度単位が、キャプチャされた振動データに基づいて、前記メンテナンス動作の前記産業用機械の少なくとも一部に対する影響を表す、(726)の方法。
(735)
撮像した振動データの処理により、撮像した振動データの振幅と重力を決定することをさらに含み、
キャプチャされた振動の重大度単位を計算することは、
決定されたセグメントと振幅または重力の少なくとも一方に基づいて重大度単位を計算することを含み、前記重大度単位は、周波数に依存しないキャプチャされた振動を表している、(726)の方法。
(736)
前記信号または前記メンテナンス動作のうちの少なくとも1つが、重大度単位に基づいて、前記少なくとも1つの振動センサを使用して更なる振動データの収集および分析のための周波数を増加または減少させることを示す、(726)の方法。
(737)
前記メンテナンス動作が、前記産業用機械の少なくとも一部分に対して、較正、診断テスト、または目視検査のうちの1つを実行することを示す、(726)の方法。
(738)
前記信号を前記産業用機械の構成要素に送信することをさらに含み、前記メンテナンス動作は、前記産業用機械の少なくとも一部を再調査することを指示し、前記産業用機械の構成要素は、前記信号を受信することに応答して前記メンテナンス動作を実行させる、(726)の方法。
(739)
前記ウェアラブルデバイスが、産業用プラットフォーム内に統合された複数のウェアラブルデバイスのうちの第1のウェアラブルデバイスである、(726)の方法。
(740)
前記複数のウェアラブルデバイスのうちの第2のウェアラブルデバイスが、温度センサを使用して前記産業用機械の温度をキャプチャし、前記信号が、重大度単位に基づいて、前記キャプチャされた温度に基づいて計算された第2の重大度単位に基づいて生成される、(739)の方法。
(741)
前記複数のウェアラブルデバイスの第3のウェアラブルデバイスが、電気センサを使用して産業用機械の電気出力または電気使用をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャした電気出力または電気使用に基づいて計算された第3の重大度単位に基づいて生成される、(739)の方法。
(742)
前記複数のウェアラブルデバイスのうちの第4のウェアラブルデバイスが、磁気センサを使用して産業用機械の電磁場のレベルまたは変化をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャされた電磁場のレベルまたは変化に基づいて計算された第4の重大度単位に基づいて生成される、(739)の方法。
(743)
前記複数のウェアラブルデバイスのうちの第5のウェアラブルデバイスが、音センサを用いて産業用機械から出力される音波をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャされた音波に基づいて計算された第5の重大度単位に基づいて生成される、(739)の方法。
(744)
前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、(726)の方法。
(745)
前記衣類の物品がシャツである、(744)の方法。
(746)
前記衣類の物品がベストである、(744)の方法。
(747)
前記衣類の物品がジャケットである、(744)の方法。
(748)
衣類の物品がズボンである、(744)の方法。
(749)
(744)の方法であって、前記衣類の物品がショーツである、方法。
(750)
前記衣類の物品が手袋である、(744)の方法。
(751)
衣類の物品が靴下である、(744)の方法。
(752)
前記衣類の物品が靴である、(744)の方法。
(753)
前記衣類の物品が保護アウターである、(744)の方法。
(754)
前記衣類の物品が下着である、(744)の方法。
(755)
前記衣類の物品がアンダーシャツである、(744)の方法。
(756)
前記衣類の物品がタンクトップである、(744)の方法。
(757)
前記ウェアラブルデバイスがアクセサリー物品内に組み込まれている、(726)の方法。
(758)
前記アクセサリー物品が帽子である、(757)の方法。
(759)
前記アクセサリー物品がヘルメットである、(757)の方法。
(760)
前記アクセサリー物品が眼鏡である、(757)の方法。
(761)
前記アクセサリー物品がゴーグルである、(757)の方法。
(762)
前記アクセサリー物品が視覚安全アクセサリーである、(757)の方法。
(763)
前記アクセサリー物品がマスクである、(757)の方法。
(764)
前記アクセサリー物品が胸部バンドである、(757)の方法。
(765)
前記アクセサリー物品がベルトである、(757)の方法。
(766)
前記アクセサリー物品がリフトサポートガーメントである、(757)の方法。
(767)
前記アクセサリー物品がアンテナである、(757)の方法。
(768)
前記アクセサリー物品がリストバンドである、(757)の方法。
(769)
前記アクセサリー物品がリングである、(757)の方法。
(770)
前記アクセサリー物品がネックレスである、(757)の方法。
(771)
前記アクセサリー物品がブレスレットである、(757)の方法。
(772)
前記アクセサリー物品が腕時計である、(757)の方法。
(773)
前記アクセサリー物品がブローチである、(757)の方法。
(774)
前記アクセサリー物品がネックストラップである、(757)の方法。
(775)
前記アクセサリー物品がバックパックである、(757)の方法。
(776)
前記アクセサリー物品がフロントパックである、(757)の方法。
(777)
前記アクセサリー物品がアームパックである、(757)の方法。
(778)
前記アクセサリー物品がレッグパックである、(757)の方法。
(779)
前記アクセサリー物品がランヤードである、(757)の方法。
(780)
前記アクセサリー物品がキーリングである、(757)の方法。
(781)
前記アクセサリー物品がヘッドホンである、(757)の方法。
(782)
前記アクセサリー物品が聴覚安全アクセサリーである、(757)の方法。
(783)
前記アクセサリー物品がイヤホンである、(757)の方法。
(784)
前記アクセサリー物品が耳かけである、(757)の方法。
(785)
前記ウェアラブルデバイスが、衣類の物品内に統合された第1のウェアラブルデバイスであり、前記方法はさらに、前記アクセサリー物品内に統合された第2のウェアラブルデバイスを使用することを含む、(726)の方法。
(786)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップを含み、さらに、
前記振動活動を代表する振動データを処理し、前記1つまたは複数の振動センサを用いて生成された振動データを処理することにより、タイミングに対する前記振動活動の重大度を決定すること、および、
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測すること、を含む方法。
(787)
前記振動活動を代表する振動データを処理し、1つ以上の振動センサを使用して生成された振動データを処理することにより、タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、(786)の方法。
(788)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすることを含む、(787)の方法。
(789)
前記移動データコレクタの少なくとも1つのメンテナンス動作を実行させることをさらに含む、(786)の方法。
(790)
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御すること、
移動データコレクタの1つまたは複数の振動センサに、振動活動の1つまたは複数の測定値をレコードさせること、および、
前記振動データが前記サーバで処理され、前記振動データが前記振動活動の重大度を決定する、ネットワークを介して前記サーバに前記振動データとして前記振動活動の1つ以上の測定値を送信すること、をさらに含む、(786)の方法。
(791)
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップは、前記産業用機械のための事前にレコードされたデータを、前記産業用環境に関連付けられた知識ベース内で識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定すること、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測すること、を含む、(790)の方法。
(792)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記1つ以上の振動センサが、前記移動データコレクタが産業用機械に近接しているときに前記振動活動を検出する、(786)の方法。
(793)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(786)の方法。
(794)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(786)の方法。
(795)
前記移動データコレクタが移動ロボットである、(786)の方法。
(796)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(795)の方法。
(797)
前記1つ以上のセンサが前記移動ロボットに結合されている、(795)の方法。
(798)
前記移動ロボットがロボットアームである、(795)の方法。
(799)
前記移動ロボットが人型ロボットである、(795)の方法。
(800)
前記移動ロボットが小型自律型ロボットである、(795)の方法。
(801)
前記移動ロボットが大型自律型ロボットである、(795)の方法。
(802)
前記移動ロボットが遠隔制御ロボットである、(795)の方法。
(803)
前記移動ロボットがプログラム可能に構成されたロボットである、(795)の方法。
(804)
前記移動データコレクタが移動車両である、(786)の方法。
(805)
前記1つ以上のセンサが前記移動車両内に統合されている、(804)の方法。
(806)
前記1つ以上のセンサが前記移動車両に結合されている、(804)の方法。
(807)
前記移動車両が大型機械である、(804)の方法。
(808)
前記移動車両が、大型のオンロード産業車両である、(804)の方法。
(809)
前記移動車両が、大型のオフロード産業車両である、(804)の方法。
(810)
前記移動車両が産業用機械を含む、(804)の方法。
(811)
前記移動車両が、土工装置を含む、(804)の方法。
(812)
前記移動車両が土留め装置を含む、(804)の方法。
(813)
前記移動車両が運搬装置を含む、(804)の方法。
(814)
前記移動車両がホイスト装置を含む、(804)の方法。
(815)
前記移動車両が搬送装置を含む、(804)の方法。
(816)
前記移動車両が骨材生産装置を含む、(804)の方法。
(817)
前記移動車両が、コンクリート建設に使用される装置を含む、(804)の方法。
(818)
前記移動車両がパイルドライビング装置を含む、(804)の方法。
(819)
前記移動車両が建設機械を含む、(804)の方法。
(820)
前記移動車両が人員輸送車両である、(804)の方法。
(821)
前記移動車両が無人車両である、(804)の方法。
(822)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(786)の方法。
(823)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、(822)の方法。
(824)
、前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(823)の方法であって
(825)
前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(822)の方法。
(826)
産業用機械予測メンテナンスシステムであって、
産業環境に配置された1つまたは複数の産業用機械の状態を代表する健全性監視データを収集するように構成された1つまたは複数の移動データコレクタを含む移動データコレクタ群と、
機械の故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答して産業用機械のサービス推奨事項を作成する産業用機械予測メンテナンス設備と、
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含む産業用機械予測メンテナンスシステム。
(827)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(826の産業用機械予測メンテナンスシステム。
(828)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(827の産業用機械予測メンテナンスシステム。
(829)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(828の産業用機械予測メンテナンスシステム。
(830)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(826の産業用機械予測メンテナンスシステム。
(831)
前記自己組織化システムが、健全性監視データに対する要求を1つ以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記健全性監視データを前記自己組織化システムに送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、(830の産業用機械予測メンテナンスシステム。
(832)
前記移動データコレクタが前記データ収集ルータに近接しているときに、前記1つまたは複数の移動データコレクタから健全性監視データを受信するデータ収集ルータであって、前記データ収集ルータが前記健全性監視データを前記産業用機械予測メンテナンス設備に送信するデータ収集ルータをさらに含む、(826の産業用機械予測メンテナンスシステム。
(833)
前記1つ以上の移動データコレクタが、前記健全性監視データを前記データ収集ルータにプッシュする、(832の産業用機械予測メンテナンスシステム。
(834)
前記データ収集ルータが、前記1つ以上の移動データコレクタから前記健全性監視データをプルする、(832の産業用機械予測メンテナンスシステム。
(835)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(832の産業用機械予測メンテナンスシステム。
(836)
前記自己組織化システムが、前記1つ以上の移動データコレクタから前記データ収集ルータへの健全性監視データの通信を制御する、(835の産業用機械予測メンテナンスシステム。
(837)
前記1つ以上の移動データコレクタの各移動データコレクタが、1つ以上の統合センサを含む移動ロボット、1つ以上の結合センサを含む移動ロボット、1つ以上の統合センサを有する移動車両、または1つ以上の結合センサを有する移動車両のうちの1つである、(826の産業用機械予測メンテナンスシステム。
(838)
前記産業用機械予測メンテナンス設備が、健全性監視データに対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、(826の産業用機械予測メンテナンスシステム。
(839)
産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械からの測定値を収集する1つ以上のセンサから構成され、測定値は産業用機械の状態を代表するものである複数のウェアラブルデバイスと、
機械の故障検出および分類アルゴリズムを適用することにより、測定値に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含むシステム。
(840)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(839)のシステム。
(841)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(840)のシステム。
(842)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(841)のシステム。
(843)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから振動測定値を収集するように構成されたセンサを含む、(839)のシステム。
(844)
前記産業用ユニフォームの第2のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから温度測定値を収集するように構成されたセンサを含む、(839)のシステム。
(845)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから電気的測定値を収集するように構成されたセンサを含む、(839)のシステム。
(846)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから磁気測定値を収集するように構成されたセンサを含む、(839)のシステム。
(847)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから音の測定値を収集するように構成されたセンサを含む、(839)のシステム。
(848)
前記産業用ユニフォームの第1のウェアラブルデバイスが衣類の物品であり、前記産業用ユニフォームの第2のウェアラブルデバイスがアクセサリー物品である、(839)のシステム。
(849)
複数のウェアラブルデバイスによる1以上の産業用機械の測定値の収集を制御する集合的処理マインドをさらに含む、(839)のシステム。
(850)
前記集合的処理マインドが、前記産業用ユニフォームのウェアラブルデバイスに第1のコマンドを送信して、前記ウェアラブルデバイスの1つ以上のセンサに前記1つ以上の産業用機械の測定値を収集させ、前記集合的処理マインドが、前記ウェアラブルデバイスに第2のコマンドを送信して、前記ウェアラブルデバイスに前記測定値を前記集合的処理マインドに送信させる、(849)のシステム。
(851)
前記産業用機械予測メンテナンス設備が、測定値に対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、(839)のシステム。
(852)
産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械からの測定値を収集する1つ以上のセンサから構成され、測定値は産業用機械の状態を代表するものである複数のウェアラブルデバイスと、
機械故障検出および分類アルゴリズムを適用して、測定値に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含むシステム。
(853)
前記産業用機械予測メンテナンス設備が、測定値に対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、(852)のシステム。
(854)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(852)のシステム。
(855)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(854)のシステム。
(856)
CMMSが、特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュを含むブロックチェーンの第1のブロックを生成する、(855)のシステム。
(857)
前記CMMSが、前記特定の産業用機械に関する設置情報と前記第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成する、(856)のシステム。
(858)
前記CMMSが、前記特定の産業用機械に関する操作センサ情報と前記第2ブロックのハッシュとを有するブロックチェーンの第3ブロックを生成する、(857)のシステム。
(859)
前記CMMSが、特定の産業用機械に関するサービスイベント情報と前記第3ブロックのハッシュとを有するブロックチェーンの第4ブロックを生成する、(858)のシステム。
(860)
前記CMMSが、特定の産業用機械に関する部品およびサービスオーダー情報と、前記第4ブロックのハッシュとを有するブロックチェーンの第5ブロックを生成する、(859)のシステム。
(861)
CMMSが、特定の産業用機械に関する診断活動情報と第5ブロックのハッシュとを有するブロックチェーンの第6ブロックを生成する、(860)のシステム。
(862)
前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段とをさらに含む、(852)のシステム。
(863)
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムをさらに含む、(862)のシステム。
(864)
産業環境に配置された1つまたは複数の産業用機械の状態を代表する健全性監視データを収集するように構成された1つまたは複数の移動データコレクタを含む移動データコレクタ群と、
機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含むシステム。
(865)
前記産業用機械予測メンテナンス設備が、健全性監視データに対して計算された重大度単位に基づいて産業用機械サービス推奨事項を生成する、(864)のシステム。
(866)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(864)のシステム。
(867)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(866)のシステム。
(868)
前記CMMSが、特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュを含むブロックチェーンの第1ブロックを生成する、(867)のシステム。
(869)
前記CMMSが、前記特定の産業用機械に関する設置情報と前記第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成する、(868)のシステム。
(870)
前記CMMSが、前記特定の産業用機械に関する操作センサ情報と前記第2ブロックのハッシュとを有するブロックチェーンの第3ブロックを生成する、(869)のシステム。
(871)
CMMSが、特定の産業用機械に関するサービスイベント情報と第3ブロックのハッシュとを有するブロックチェーンの第4ブロックを生成する、(870)のシステム。
(872)
前記CMMSが、特定の産業用機械に関する部品およびサービスオーダー情報と、前記第4ブロックのハッシュとを有するブロックチェーンの第5ブロックを生成する、(871)のシステム。
(873)
前記CMMSが、前記特定の産業用機械に関する診断活動情報と前記第5ブロックのハッシュとを有する前記ブロックチェーンの第6ブロックを生成する、(872)のシステム。
(874)
前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段をさらに含む、(864)のシステム。
(875)
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムをさらに含む、(874)のシステム。
(876)
携帯装置の1つ以上の振動センサを使用して、産業用機械の少なくとも一部の測定された振動を表す振動データを生成すること、
前記振動データを1つ以上の重要度単位にマッピングすること、
重大度単位に基づいて産業用機械の少なくとも一部に実行すべきメンテナンス動作を決定することにより、産業用機械の予測メンテナンスのために重大度単位を使用すること、を含む方法。
(877)
前記振動データを1つ以上の重大度単位にマッピングすることは、
前記振動周波数スペクトルのローエンドニー閾値範囲以下に対応する周波数を有する振動データの一部を第1の重大度単位にマッピングすること、
前記振動データのうち、前記振動周波数スペクトルの中間領域に対応する周波数を有する部分を前記第2の重大度単位にマッピングすること、および、
前記振動データのうち、前記振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する周波数を有する部分を前記第3の重大度単位にマッピングすること、を含む、(876)の方法。
(878)
前記振動データの前記1つ以上の重大度単位へのマッピングが、前記携帯装置で実行される、(876)の方法。
(879)
前記振動データの1つ以上の重大度単位へのマッピングがサーバで実行され、前記方法はさらに、前記携帯装置から前記振動データを前記サーバに送信することを含む、(876)の方法。
(880)
前記携帯装置に関連付けられた集合的処理マインドを用いて、前記携帯装置が前記産業用機械に近接していることを検出すること、
前記携帯装置に振動データを生成させるための第1のコマンドを、前記集合的処理マインドから前記携帯装置に送信すること、
前記振動データを生成した後、前記集合的処理マインドから、前記携帯装置に前記振動データを前記集合的処理マインドに送信させるための第2のコマンドを送信すること、をさらに含む、(876)の方法。
(881)
前記携帯装置が携帯電話である、(876)の方法。
(882)
前記携帯装置がラップトップコンピュータである、(876)の方法。
(883)
前記携帯装置がタブレットコンピュータである、(876)の方法。
(884)
前記携帯装置がパーソナルデジタルアシスタントである、(876)の方法。
(885)
前記携帯装置がトランシーバーである、(876)の方法。
(886)
前記携帯装置が無線機である、(876)の方法。
(887)
前記携帯装置が長距離通信デバイスである、(876)の方法。
(888)
前記携帯装置が近距離通信デバイスである、(876)の方法。
(889)
前記携帯装置が懐中電灯である、(876)の方法。
(890)
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサを含む産業用機械と、
前記少なくとも1つの振動センサからキャプチャされた振動を収集して振動データを生成する移動データコレクタと、
キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、
振動の周波数および対応する振動周波数セグメントを受け取り、対応する振動周波数セグメントに対して定義された複数の重大度単位のうちの1つにマッピングされた重大度値を生成する重大度単位アルゴリズムと、
前記複数の重大度単位のうちの1つを受信し、それに基づいて、前記産業用機械の部分に対応するメンテナンス動作を実行するように前記予測メンテナンスサーバに信号を送る信号発生回路と、を含むシステム。
(891)
前記移動データコレクタが移動ロボットである、(890)のシステム。
(892)
前記移動データコレクタが移動車両である、(890)のシステム。
(893)
前記移動データコレクタが携帯装置である、(890)のシステム。
(894)
前記移動データコレクタがウェアラブルデバイスである、(890)のシステム。
(895)
前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて、前記振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(890)のシステム。
(896)
前記重大度単位アルゴリズムが、キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることは、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングこと、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、を含む、(895)のシステム。
(897)
分散台帳を使用して、産業用IoTデータの自動データ・マーケットプレイスで実行される1つ以上のトランザクションを追跡するステップであって、前記分散台帳は、1つ以上のデバイスに1つ以上のトランザクションを示すデータのためのストレージを分散させ、前記1つ以上のトランザクションを示すデータは、トランザクションレコードに対応するステップと、
1つまたは複数の移動データコレクタを使用して、産業用機械の状態を代表するセンサーデータを生成し、前記センサーデータは、前記機械の状態に関連する問題を解決するために使用されるサービスおよび部品の注文または要求の少なくとも1つを決定するために使用される、産業用機械の状態を代表するセンサーデータ生成方法と、を含み、
分散台帳に格納されたトランザクションレコードは、センサーデータ、産業用機械の状態、注文またはサービスおよび部品の要求のうちの少なくとも1つ、機械の状態に関連付けられた課題、またはトランザクションレコードを識別するために使用されるハッシュのうちの1つ以上を表す、方法。
(898)
前記分散台帳が、トランザクションレコードを格納するためにブロックチェーン構造を使用し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、(897)の方法。
(899)
前記ブロックチェーン構造を使用して前記トランザクションレコードを格納することは、
開始ブロックを生成することにより、特定の産業用機械のための産業用機械情報のブロックチェーンを開始すること、および
出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、診断活動のうち少なくとも1つのデータとブロックチェーン内で最も最近生成されたブロックのハッシュを組み合わせることにより、特定の産業用機械ブロックチェーンの後続ブロックを生成すること、を含む、(898)の方法。
(900)
前記各移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のうちの1つである、(897)の方法。
(901)
機械故障検出および分類アルゴリズムをセンサーデータに適用して、産業用機械のサービス推奨を作成すること、および、
前記産業用機械のサービス推奨に基づいて、前記注文又は前記サービス及び前記部品の要求のうち少なくとも1つを作成すること、をさらに含む、(897)の方法。
(902)
前記1以上の移動データコレクタが、コンピュータビジョンシステムを使用して、1以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することによりセンサーデータを生成し、ここで、前記画像セットデータが前記産業用機械サービス推薦を生成するために使用される、(901)の方法。
(903)
産業用機械と1つ以上の移動データコレクタを接続する産業用IoTネットワークであって、各移動データコレクタには、産業用機械の状態を示すセンサーデータを生成するための1つ以上のセンサが含まれ、各移動データコレクタには、産業用機械の状態を示すセンサーデータを生成するためのセンサが含まれている産業用IoTネットワークと、
IoTネットワークと通信しているサーバであって、前記サーバは、分散台帳を使用して前記産業用機械に関連するメンテナンストランザクションを追跡する予測メンテナンスプラットフォームを実装し、前記分散台帳は、前記メンテナンストランザクションに対応するトランザクションレコードを格納し、前記予測メンテナンスプラットフォームは、前記トランザクションレコードの少なくとも一部を1つ以上の移動データコレクタに配布するサーバと、を含むシステム。
(904)
分散台帳内のトランザクションレコードの保存を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(905)
産業用機械に関連するメンテナンスデータの保存を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(906)
IoTネットワークに関連するIoTデータのストレージを最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(907)
整備取引に関連する部品やサービスデータの保管を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(908)
産業用機械に関連付けられた知識ベースデータの保存を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(909)
各移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のうちの1つである、(903)のシステム。
(910)
前記センサーデータに機械故障検出および分類アルゴリズムを適用して、条件に応じた産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備をさらに含む、(903)のシステム。
(911)
前記センサーデータに基づいて前記状態の重大度値を生成する重大度単位アルゴリズムであって、前記産業用機械サービス推奨が前記重大度値に基づいて生成される、重大度単位アルゴリズムをさらに含む、(910)のシステム。。
(912)
前記1つ以上の移動データコレクタの少なくとも1つが、コンピュータビジョンシステムを使用して、1つ以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することによりセンサーデータを生成し、画像セットデータが産業用機械サービス推薦を生成するために使用される、(910)のシステム。
(913)
移動データコレクタを使用して、産業用機械の状態を表すセンサーデータを生成すること、
センサーデータを解析して産業用機械の状態の重大度を決定すること、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス行動を予測すること、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納すること、を含む方法。
(914)
予測されたメンテナンス動作に関連して、メンテナンス動作を実行するために使用されるサービスおよび部品の注文または要求のうち少なくとも1つを生成すること、および、
トランザクションレコード内のサービスおよび部品の注文または要求の少なくとも1つを示すデータを含めること、をさらに含む、(913)の方法。
(915)
前記移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のいずれかである、(913)の方法。
(916)
産業用機械の条件を代表するデータに機械学習を適用することをさらに含み、
センサーデータを分析することによってセンサーデータの重大性を決定することは、
前記適用された機械学習を使用して、前記センサーデータにおいて測定された前記産業用機械の振動の周波数または速度の少なくとも一方に関連付けられた機械学習データに基づいて、前記センサーデータの重大度を決定することを含む、(913)の方法。
(917)
前記センサーデータを分析することによって前記産業用機械の状態の重大度を決定することは、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、を含む、(913)の方法。
(918)
前記状態の重大度に基づいて、前記産業用機械に対して実行するメンテナンス動作を予測することは、
予測メンテナンス回路の重大度単位に基づいて生成された信号を使用してメンテナンス行動を決定することを含む、(917)の方法。
(919)
前記台帳がブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれのための取引のレコードを追跡する、方法であって、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(913)の方法。
(920)
産業用機械予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性を示すデータに機械故障検出および分類アルゴリズムを適用して、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備と、を含む産業用機械予測メンテナンスシステム。
(921)
前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を生成しながら、前記産業用機械に実行するサービスを検証する、(920)の産業用機械予測メンテナンスシステム。
(922)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、(921)の産業用機械予測メンテナンスシステム。
(923)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービスオーダー、または診断活動のうち少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(922)の産業用機械予測メンテナンスシステム。
(924)
前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、(920)の産業用機械予測メンテナンスシステム。
(925)
前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、(920)の産業用機械予測メンテナンスシステム。
(926)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することによって、前記検出された振動について計算される、(925)の産業用機械予測メンテナンスシステム。
(927)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(926)の産業用機械予測メンテナンスシステム。
(928)
前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに前記第3の重大度単位にマッピングされる、(927)の産業用機械予測メンテナンスシステム。
(929)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、(925)の産業用機械予測メンテナンスシステム。
(930)
前記1つ以上のデータキャプチャ装置が、前記コンピュータビジョンシステムの外部にある、(920)の産業用機械予測メンテナンスシステム。
(931)
前記オーダーと前記サービス要求と前記部品の少なくとも1つを使用して、前記産業用機械のサービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタをさらに含む、(920)の産業用機械予測メンテナンスシステム。
(932)
前記サービス提供調整設備が、メンテナンス動作の実行を示す信号を移動データコレクタから受信する、(931)の産業用機械予測メンテナンスシステム。
(933)
前記サービスおよび提供調整設備が台帳を使用して産業用機械のサービス活動および結果をレコードし、前記サービスおよび提供調整設備が、前記移動データコレクタから受信した信号に基づいて、前記台帳内に新しいレコードを生成する、(932)の産業用機械予測メンテナンスシステム。
(934)
産業用機械の予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含むシステム。
(935)
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備をさらに含む、(934)の産業用機械予測メンテナンスシステム。
(936)
前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を作成しながら、前記産業用機械に実行するサービスを検証する、(935)の産業用機械予測メンテナンスシステム。
(937)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、(936)の産業用機械予測メンテナンスシステム。
(938)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(937)の産業用機械予測メンテナンスシステム。
(939)
前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、(934)の産業用機械予測メンテナンスシステム。
(940)
前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、(934)の産業用機械予測メンテナンスシステム。
(941)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することによって、前記検出された振動について計算される、(940)の産業用機械予測メンテナンスシステム。
(942)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重要度ユニットのうちの1つにマッピングすることによって決定され、前記重要度ユニットの各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(941)の産業用機械予測メンテナンスシステム。
(943)
前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記第3の重大度単位にマッピングされる、(942)の産業用機械予測メンテナンスシステム。
(944)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、(940)の産業用機械予測メンテナンスシステム。
(945)
前記1つ以上のデータキャプチャ装置が、前記コンピュータビジョンシステムの外部にある、(934)の産業用機械予測メンテナンスシステム。
(946)
前記オーダーと前記サービス要求と前記部品の少なくとも1つを使用して、前記産業用機械のサービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタをさらに含む、(934)の産業用機械予測メンテナンスシステム。
(947)
(946)の産業用機械予測メンテナンスシステムであって、前記サービスおよび提供調整設備が、メンテナンス動作の性能を示す信号を移動データコレクタから受信する、(946)の産業用機械予測メンテナンスシステム。
(948)
前記サービスおよび提供調整設備が台帳を使用して産業用機械のサービス活動および結果をレコードし、前記サービスおよび提供調整設備が、前記移動データコレクタから受信した信号に基づいて前記台帳内に新しいレコードを生成する、(947)の産業用機械予測メンテナンスシステム。
(949)
産業用機械予測メンテナンスシステムであって、前記移動データコレクタが移動車両である、(946)の産業用機械予測メンテナンスシステム。
(950)
前記移動データコレクタが移動ロボットである、(946)の産業用機械予測メンテナンスシステム。
(951)
前記移動データコレクタが携帯装置である、(946)の産業用機械予測メンテナンスシステム。
(952)
前記移動データコレクタがウェアラブルデバイスである、(946)の産業用機械予測メンテナンスシステム。
(953)
産業用機械予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
前記産業用機械の産業用機械サービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタと、を含む産業用機械予測メンテナンスシステム。
(954)
前記移動データコレクタが、前記移動データコレクタの群の1つの移動データコレクタである、産業用機械予測メンテナンスシステムと、
産業用機械を含む産業環境内で、前記移動データコレクタ群の移動データコレクタの動きを制御する移動データコレクタ群の自己組織化システムであって、前記移動データコレクタ群の移動データコレクタの動きを制御することを特徴とする移動データコレクタ群の自己組織化システムと、をさらに含む、(953)の産業用機械予測メンテナンスシステム。
(955)
前記産業用機械予測メンテナンス設備が、前記運転特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、前記産業用機械サービス推奨を生成する、(953)の産業用機械予測メンテナンスシステム。
(956)
前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、(953)の産業用機械予測メンテナンスシステム。
(957)
前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、(953)の産業用機械予測メンテナンスシステム。
(958)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することにより、前記検出された振動について計算される、(957)の産業用機械予測メンテナンスシステム。
(959)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(958)の産業用機械予測メンテナンスシステム。
(960)
前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記第3の重大度単位にマッピングされる、(959)の産業用機械予測メンテナンスシステム。
(961)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または軽減するための推奨を含む、(957)の産業用機械予測メンテナンスシステム。
(962)
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含み、
前記移動データコレクタは、前記注文と前記サービスおよび部品の要求のうちの少なくとも1つを使用して、メンテナンス動作を実行する、(953)の産業用機械予測メンテナンスシステム。
(963)
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備をさらに含む、(962)の産業用機械予測メンテナンスシステム。
(964)
前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を作成しながら、前記産業用機械に実行するサービスを検証する、(963)の産業用機械予測メンテナンスシステム。
(965)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(964)の産業用機械予測メンテナンスシステム。
(966)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(965)の産業用機械予測メンテナンスシステム。
(967)
産業用機械の予測メンテナンス方法であって、
移動データコレクタの1つ以上のセンサを使用して、産業用機械の状態を表すデータを生成すること、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨を示す信号を生成すること、を含む方法。
(968)
前記移動データコレクタが、データとして、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムを使用し、前記動作特性が前記産業用機械の状態に対応する、(967)の方法。
(969)
前記移動データコレクタが移動ロボットである、(967)の方法。
(970)
前記移動データコレクタが移動車両である、(967)の方法。
(971)
前記移動データコレクタが携帯装置である、(967)の方法。
(972)
前記移動データコレクタがウェアラブル装置である、(967)の方法。
(973)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(967)の方法。
(974)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(967)の方法。
(975)
前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(974)の方法。
(976)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(975)の方法。
(977)
産業用機械のサービス推奨に関連したメンテナンス動作を実行するように構成された移動ロボットに信号を送信することをさらに含む、(967)の方法。
(978)
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納することをさらに含む、(967)の方法。
(979)
前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、(978)の方法。
(980)
前記信号が、前記産業用機械サービス推奨に基づいて、前記注文または前記サービスおよび部品の要求の少なくとも1つを生成することをさらに含み、前記信号が、前記注文または前記サービスおよび部品の要求の少なくとも1つを示す、(967)の方法。
(981)
産業用機械の予測メンテナンス方法であって、
1つ以上のウェアラブルデバイスを使用して産業用機械の状態を表すデータを生成するステップであって、各ウェアラブルデバイスは1つ以上のセンサを含み、前記1つ以上のウェアラブルデバイスの1つのウェアラブルデバイスは、該ウェアラブルデバイスが前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(982)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(981)の方法。
(983)
前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(982)の方法。
(984)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(983)の方法。
(985)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(981)の方法。
(986)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(985)の方法。
(987)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(985)の方法。
(988)
インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(985)の方法。
(989)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(985)の方法。
(990)
インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(985)の方法。
(991)
インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(985)の方法。
(992)
インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(985)の方法。
(993)
前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨レコードを追跡し、各レコードがブロックチェーン構造のブロックとして格納されている、(981)の方法。
(994)
前記台帳に格納された前記産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(993)の方法。
(995)
前記1つ以上のウェアラブルデバイスが、産業用ユニフォーム内に統合されている、(981)の方法。
(996)
前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、(981)の方法。
(997)
前記衣類の物品がシャツである、(996)の方法。
(998)
前記衣類の物品がベストである、(996)の方法。
(999)
前記衣類の物品がジャケットである、(996)の方法。
(1000)
前記衣類の物品がズボンである、(996)の方法。
(1001)
前記衣類の物品がショーツである、(996)の方法。
(1002)
前記衣類の物品が手袋である、(996)の方法。
(1003)
衣類の物品が靴下である、(996)の方法。
(1004)
前記衣類の物品が靴である、(996)の方法。
(1005)
前記衣類の物品が保護アウターである、(996)の方法。
(1006)
前記衣類の物品が下着である、(996)の方法。
(1007)
前記衣類の物品がアンダーシャツである、(996)の方法。
(1008)
前記衣類の物品がタンクトップである、(996)の方法。
(1009)
前記ウェアラブルデバイスが、アクセサリー物品内に組み込まれている、(981)の方法。
(1010)
前記アクセサリー物品が帽子である、(1009)の方法。
(1011)
前記アクセサリー物品がヘルメットである、(1009)の方法。
(1012)
前記アクセサリー物品が眼鏡である、(1009)の方法。
(1013)
前記アクセサリー物品がゴーグルである、(1009)の方法。
(1014)
前記アクセサリー物品が視覚安全アクセサリーである、(1009)の方法。
(1015)
前記アクセサリー物品がマスクである、(1009)の方法。
(1016)
前記アクセサリー物品が胸部バンドである、(1009)の方法。
(1017)
前記アクセサリー物品がベルトである、(1009)の方法。
(1018)
前記アクセサリー物品がリフトサポートガーメントである、(1009)の方法。
(1019)
前記アクセサリー物品がアンテナである、(1009)の方法。
(1020)
前記アクセサリー物品がリストバンドである、(1009)の方法。
(1021)
前記アクセサリー物品がリングである、(1009)の方法。
(1022)
前記アクセサリー物品がネックレスである、(1009)の方法。
(1023)
前記アクセサリー物品がブレスレットである、(1009)の方法。
(1024)
前記アクセサリー物品が腕時計である、(1009)の方法。
(1025)
前記アクセサリー物品がブローチである、(1009)の方法。
(1026)
前記アクセサリー物品がネックストラップである、(1009)の方法。
(1027)
前記アクセサリー物品がリュックサックである、(1009)の方法。
(1028)
前記アクセサリー物品がフロントパックである、(1009)の方法。
(1029)
前記アクセサリー物品がアームパックである、(1009)の方法。
(1030)
前記アクセサリー物品がレッグパックである、(1009)の方法。
(1031)
前記アクセサリー物品がランヤードである、(1009)の方法。
(1032)
前記アクセサリー物品がキーリングである、(1009)の方法。
(1033)
前記アクセサリー物品がヘッドホンである、(1009)の方法。
(1034)
前記アクセサリー物品が聴覚安全アクセサリーである、(1009)の方法。
(1035)
前記アクセサリー物品がイヤホンである、(1009)の方法。
(1036)
前記アクセサリー物品が耳かけである、(1009)の方法。
(1037)
産業用機械の予測メンテナンス方法であって、
1つ以上の携帯装置を使用して産業用機械の状態を表すデータを生成するステップであって、各携帯装置は1つ以上のセンサを含み、前記1つ以上の携帯装置のうちの1つの携帯装置は、該携帯装置が前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(1038)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1037)の方法。
(1039)
前記重大度が重大度単位に対応し、前記検出された振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1038)の方法。
(1040)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1039)の方法。
(1041)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(1037)の方法。
(1042)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(1041)の方法。
(1043)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(1041)の方法。
(1044)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(1041)の方法。
(1045)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(1041)の方法。
(1046)
前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(1041)の方法。
(1047)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(1041)の方法。
(1048)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(1041)の方法。
(1049)
台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、(1037)の方法。
(1050)
前記台帳に格納された産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(1049)の方法。
(1051)
前記携帯装置が携帯電話である、(1037)の方法。
(1052)
前記携帯装置がラップトップコンピュータである、(1037)の方法。
(1053)
前記携帯装置がタブレットコンピュータである、(1037)の方法。
(1054)
前記携帯装置がパーソナルデジタルアシスタントである、(1037)の方法。
(1055)
前記携帯装置がトランシーバーである、(1037)の方法。
(1056)
前記携帯装置が無線機である、(1037)の方法。
(1057)
前記携帯装置が長距離通信デバイスである、(1037)の方法。
(1058)
前記携帯装置が近距離通信デバイスである、(1037)の方法。
(1059)
前記携帯装置が懐中電灯である、(1037)の方法。
(1060)
産業用機械の予測メンテナンス方法であって、
1つ以上の移動ロボットを使用して産業用機械の状態を表すデータを生成するステップであって、各移動ロボットは1つ以上のセンサを含み、前記1つ以上の移動ロボットのうちの1つの移動ロボットは、該移動ロボットが前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(1061)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1060)の方法。
(1062)
前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて、複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1061)の方法。
(1063)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1062)の方法。
(1064)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(1060)の方法。
(1065)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(1064)の方法。
(1066)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(1064)の方法。
(1067)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(1064)の方法。
(1068)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィック処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(1064)の方法。
(1069)
前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(1064)の方法。
(1070)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(1064)の方法。
(1071)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(1064)の方法。
(1072)
台帳がブロックチェーン構造を使用して産業用機械のサービス推奨レコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納されている、(1060)の方法。
(1073)
前記台帳に格納された産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(1072)の方法。
(1074)
前記移動ロボットが、前記移動データコレクタ群の複数の移動ロボットのうちの1つである、(1060方法。
(1075)
移動ロボットが産業環境内の産業用機械の位置に接近するように移動データコレクタ群を制御することをさらに含む、(1074)の方法。
(1076)
前記移動ロボットが産業環境内の産業用機械の位置に接近するように前記移動データコレクタ群を制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動ロボットの位置に基づいて、産業環境内の移動ロボットの動きを制御することを含む、(1075)の方法。
(1077)
前記移動ロボットがロボットアームである、(1060)の方法。
(1078)
前記移動ロボットが人型ロボットである、(1060)の方法。
(1079)
前記移動ロボットが小型自律型ロボットである、(1060)の方法。
(1080)
前記移動ロボットが大型自律型ロボットである、(1060)の方法。
(1081)
前記移動ロボットが遠隔制御ロボットである、(1060)の方法。
(1082)
前記移動ロボットがプログラム可能に構成されたロボットである、(1060)の方法。
(1083)
産業用機械の予測メンテナンス方法であって、
1つ以上の移動車両を使用して産業用機械の状態を表すデータを生成するステップであって、各移動車両は1つ以上のセンサを含み、前記1つ以上の移動車両のうちの1つの移動車両は、該移動車両が前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(1084)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1083)の方法。
(1085)
前記重大度が重大度単位に対応しており、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて、複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1084)の方法。
(1086)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1085)の方法。
(1087)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(1083)の方法。
(1088)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(1087)の方法。
(1089)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(1087)の方法。
(1090)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(1087)の方法。
(1091)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(1087)の方法。
(1092)
前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(1087)の方法。
(1093)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(1087)の方法。
(1094)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(1087)の方法。
(1095)
前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、(1083)の方法。
(1096)
前記台帳に格納された前記産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(1095)の方法。
(1097)
前記移動車両が、前記移動車両データコレクタ群の複数の移動車両のうちの1つである、(1083)の方法。
(1098)
前記移動車両が前記産業環境内の前記産業用機械の位置に接近するように前記移動車両を制御すること、をさらに含む、(1097)の方法。
(1099)
前記移動車両を制御して、前記移動車両が前記産業環境内の産業用機械の位置に接近するように前記移動車両を引き起こすことは、、
移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動車両の位置に基づいて、産業環境内の移動車両の動きを制御することを含む、(1098)の方法。
(1100)
前記移動車両が、大型機械である、(1083)の方法。
(1101)
前記移動車両が、重量物のオンロード産業車両である、(1083)の方法。
(1102)
前記移動車両が大型オフロード産業車両である、(1083)の方法。
(1103)
前記移動車両が産業用機械を含む、(1083)の方法。
(1104)
前記移動車両が、土工装置を含む、(1083)の方法。
(1105)
前記移動車両が土留め装置を含む、(1083)の方法。
(1106)
前記移動車両が運搬装置を含む、(1083)の方法。
(1107)
前記移動車両がホイスト装置を含む、(1083)の方法。
(1108)
前記移動車両が搬送装置を含む、(1083)の方法。
(1109)
前記移動車両が骨材製造装置を含む、(1083)の方法。
(1110)
前記移動車両が、コンクリート建設に使用される装置を含む、(1083)の方法。
(1111)
前記移動車両がパイルドライビング装置を含む、(1083)の方法。
(1112)
前記移動車両が建設機械を含む、(1083)の方法。
(1113)
前記移動車両が人員輸送車両である、(1083)の方法。
(1114)
前記移動車両が無人車両である、(1083)の方法。
(1115)
画像データまたは非画像データの少なくとも一方を含むトレーニングデータセットを用いて、産業用機械の状態を検出するためのコンピュータビジョンシステムの訓練を行うステップ、
訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、産業用機械の状態を検出するステップ、
検出された状態の重大度値を決定するステップであって、重大度は、検出された状態が産業用機械に与える影響を表すステップ、
重大度値に基づいて、産業用機械の検出された状態に関連する問題を解決するために使用するサービスおよび部品の注文または要求のうちの少なくとも1つを生成するステップ、および、
前記産業用機械の検出された状態に関連する課題のレコードを、前記産業用機械に関連付けられた台帳内に格納するステップ、を含む方法。
(1116)
前記1つ以上のデータキャプチャ装置が、放射線撮像装置、音波キャプチャ装置、LIDAR装置、点群キャプチャ装置、または赤外線検査装置を含む、(1115)の方法。
(1117)
前記検出された状態が、前記産業用機械の振動特性に基づいて検出される、(1115)の方法。
(1118)
前記検出された状態が、前記産業用機械の圧力特性に基づいて検出される、(1115)の方法。
(1119)
前記検出された状態が、前記産業用機械の温度特性に基づいて検出される、(1115)の方法。
(1120)
前記検出された状態が、前記産業用機械の化学的特性に基づいて検出される、(1115)の方法。
(1121)
前記コンピュータビジョンシステムが、画像データまたは非画像データの少なくとも一方を含むトレーニングデータセットを用いて、産業用機械の状態を検出するための訓練を行うことは、
画像データまたは非画像データの少なくとも一方から特徴を検出するために、深層学習システムを使用すること、および、
検出された特徴量を使用して、検出された特徴量の特性に基づいて、アウトカムフィードバックに基づいて、産業用機械の状態を検出するための学習を行うための分類モデルを訓練すること、を含む、(1115)の方法。
(1122)
前記結果フィードバックが、前記産業用機械、前記産業用機械を使用するためのプロセス、または前記産業用機械を含む設備のメンテナンス、修理、稼働時間、ダウンタイム、収益性、効率性、または運用の最適化のうちの少なくとも1つに関連する、(1121)の方法。
(1123)
前記訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、前記産業用機械の状態を検出することは、
前記部品認識を使用して、前記検出された状態に関連する問題につながる産業用機械の1つ以上の部品を識別するステップであって、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つが、前記1つ以上の部品の交換部品のためのものである場合に、前記部品認識を使用して、前記1つ以上の部品を識別するステップを含む、(1115)の方法。
(1124)
前記注文または前記サービス要求および部品要求のうちの少なくとも1つは、重大度値が閾値を満たさない場合に生成されない、(1123)の方法。
(1125)
検出された状態、サービスおよび部品の注文または要求の少なくとも1つ、または台帳に格納されたレコードのうちの少なくとも1つに応じて、予測メンテナンス知識ベースを更新するために予測メンテナンス知識システムを使用することをさらに含む、(1115)の方法。
(1126)
産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)であって、生成された注文またはサービスおよび部品の要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システムと、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示する移動データコレクタと、を含むシステム。
(1127)
移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1126)のシステム。
(1128)
移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1126)のシステム。
(1129)
サービス及び部品の注文又は要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって産業用機械のサービス活動及び結果の台帳を作成しながら実行されたサービスを検証するサービス及び提供調整設備をさらに含む、(1126)のシステム。
(1130)
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、(1129)のシステム。
(1131)
前記台帳がブロックチェーン構造を使用して、前記注文と前記サービス要求と前記部品要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納されている、(1129)のシステム。
(1132)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(1131)のシステム。
(1133)
産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、前記生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または前記サービスおよび部品の注文または要求の少なくとも1つを生産したことを示す移動データコレクタと、
サービス及び部品の注文又は要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって産業用機械のサービス活動及び結果の台帳を作成しながら実行されたサービスを検証するサービス及び提供調整設備と、を含むシステム。
(1134)
移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1133)のシステム。
(1135)
移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1133)のシステム。
(1136)
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、(1133)のシステム。。
(1137)
前記台帳がブロックチェーン構造を使用して、前記注文と前記サービス要求と前記部品要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(1133)のシステム。
(1138)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(1137)のシステム。
(1139)
産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、前記生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または前記サービスおよび部品の注文または要求の少なくとも1つを生産したことを示す移動データコレクタと
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタと、を含み、
前記台帳は、ブロックチェーン構造を使用して、注文とサービスと部品の要求の少なくとも1つのそれぞれのためのトランザクションのレコードを追跡し、各レコードは、ブロックチェーン構造のブロックとして格納されている、システム。
(1140)
移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1139)のシステム。
(1141)
移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1139)のシステム。
(1142)
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、(1139)のシステム。。
(1143)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、後続のブロックを生成する、(1139)のシステム。
(1144)
産業用機械の故障検出および分類アルゴリズムを適用して、産業用機械の健全性監視データに基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備をさらに含む、(1139)のシステム。。
(1145)
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備をさらに含む、(1144)のシステム。。
(1146)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップ、
動作特性を示すデータをネットワークを介してサーバに送信するステップ、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理することは、前記産業用機械を含む産業環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
産業用機械の条件として、知識ベース内の産業用機械の予めレコードされたデータが示す特性を特定するステップ、
状態の重大度を決定するステップであって、その重大度は産業用機械への状態の影響を表すステップ、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス行動を予測するステップ、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納するステップ、を含む方法。
(1147)
前記移動データコレクタが移動ロボットである、(1146)の方法。
(1148)
前記移動データコレクタが移動車両である、(1146)の方法。
(1149)
前記移動データコレクタが携帯装置である、(1146)の方法。
(1150)
前記移動データコレクタがウェアラブル装置である、(1146)の方法。
(1151)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記状態の重大度を決定することは、
前記状態の重大度を決定すること、
振動の周波数を決定すること、
前記振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1146)の方法。
(1152)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1151)の方法。
(1153)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1152)の方法。
(1154)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造内のブロックとして格納される、(1146)の方法。
(1155)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された温度に関連している、(1146)の方法。
(1156)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された電気出力に関連している、(1146)の方法。
(1157)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された磁気出力に関連している、(1146)の方法。
(1158)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された音の出力に関連している、(1146)の方法。
(1159)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップ、
動作特性を示すデータをネットワークを介してサーバに送信するステップ、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理することは、前記産業用機械を含む産業環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記産業用機械の状態として、前記知識ベース内の前記産業用機械について予めレコードされたデータによって示される、前記産業用機械の少なくとも一部について検出された振動に関連する特性を特定するステップ、
前記状態の重大度を決定するステップであって、前記重大度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記状態が前記産業用機械に与える影響を表すものであり、前記重大度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて決定されるステップ、および、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、を含む方法。
(1160)
前記移動データコレクタが移動ロボットである、(1159)の方法。
(1161)
前記移動データコレクタが移動車両である、(1159)の方法。
(1162)
前記移動データコレクタが携帯装置である、(1159)の方法。
(1163)
前記移動データコレクタがウェアラブル装置である、(1159)の方法。
(1164)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1159)の方法。
(1165)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1164)の方法。
(1166)
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することをさらに含む、(1159)の方法。
(1167)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、(1166)の方法。
(1168)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
前記動作特性の重要度を決定するステップであって、前記重要度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記動作特性が前記産業用機械に与える影響を表すものであり、前記重要度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて決定されるステップ、
動作特性の重要度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、を含む方法。
(1169)
前記移動データコレクタが移動ロボットである、(1168)の方法。
(1170)
前記移動データコレクタが移動車両である、(1168)の方法。
(1171)
前記移動データコレクタが携帯装置である、(1168)の方法。
(1172)
前記移動データコレクタがウェアラブル装置である、(1168)の方法。
(1173)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1168)の方法。
(1174)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1173)の方法。
(1175)
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することをさらに含む、(1168)の方法。
。
(1176)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されるメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、(1175)の方法。
(1177)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
前記動作特性の重要度を決定するステップであって、前記重要度は、前記動作特性が産業用機械に与える影響を表すものであり、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記重要度を決定するステップ、
動作特性の重大性に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納するステップ、を含む方法。
(1178)
前記移動データコレクタが移動ロボットである、(1177)の方法。
(1179)
前記移動データコレクタが移動車両である、(1177)の方法。
(1180)
前記移動データコレクタが携帯装置である、(1177)の方法。
(1181)
前記移動データコレクタがウェアラブル装置である、(1177)の方法。
(1182)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1177)の方法。
(1183)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1182)の方法。
(1184)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡する、方法であって、前記トランザクションレコードの各々がブロックチェーン構造のブロックとして格納されている、(1177)の方法。
(1185)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
動作特性の重要度を決定するステップであって、前記重要度は、振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、産業用機械に対する動作特性の影響を表すものであり、前記重要度は重要度単位に対応し、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動を複数の重要度単位のうちの1つにマッピングすることによって決定され、前記重要度単位の各々は、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、ステップ、
動作特性の重大性に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、および、
産業用機械に関連付けられたサービス活動の台帳内に予測されたメンテナンス動作のトランザクションレコードを格納するステップであって、前記台帳は、ブロックチェーン構造を使用して、前記産業用機械の予測されたメンテナンス動作のトランザクションレコードを追跡し、前記トランザクションレコードの各々は、前記ブロックチェーン構造内のブロックとして格納されるステップ、を含む方法。
(1186)
前記移動データコレクタが移動ロボットである、(1185)の方法。
(1187)
前記移動データコレクタが移動車両である、(1185)の方法。
(1188)
前記移動データコレクタが携帯装置である、(1185)の方法。
(1189)
前記移動データコレクタがウェアラブル装置である、(1185)の方法。
(1190)
前記動作特性の重大度を決定することは、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、を含む、と(1185)の方法。
(1191)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップ、
前記サーバにおいて、前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、および、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、を含む方法。
(1192)
前記振動データを処理することにより、前記タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、(1191)の方法。
(1193)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、(1192)の方法。
(1194)
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、(1191)の方法。
(1195)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、前記1つ以上の振動センサが前記振動活動を検出する、(1191)の方法。
(1196)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(1191)の方法。
(1197)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(1191)の方法。
(1198)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(1191)の方法。
(1199)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、(1198)の方法。
(1200)
(1199)の方法であって、前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、方法。
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御すること
(1201)
(1198)の方法であって、前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(1198)の方法。
(1202)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理して振動活動の周波数を決定するステップ、
前記サーバにおいて、周波数に基づいて、振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定するステップ、
前記サーバにおいて、前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を計算するステップ、
前記サーバにおいて、重大度単位に基づいて、産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、および、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、を含む方法。
(1203)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、(1202)の方法。
(1204)
前記重要度単位に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、(1202)の方法。
(1205)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、1つ以上の振動センサが前記振動活動を検出する、(1202)の方法。
(1206)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(1202)の方法。
(1207)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(1202)の方法。
(1208)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(1202)の方法。
(1209)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、(1208)の方法。
(1210)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(1209)の方法。
(1211)
前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(1208)の方法。
(1212)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップ、
前記サーバにおいて、前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、および、
予測されたメンテナンス動作のレコードを産業用機械に関連付けられた台帳に格納するステップ、を含む方法。
(1213)
前記振動データを処理することにより、前記タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、(1212)の方法。
(1214)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、(1213)の方法。
(1215)
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、(1212)の方法。
(1216)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、1つ以上の振動センサが前記振動活動を検出する、(1212)の方法。
(1217)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(1212)の方法。
(1218)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(1212)の方法。
(1219)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(1212)の方法。
(1220)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、 (1219)の方法。
(1221)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(1220)の方法。
(1222)
前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(1219)の方法。
(1223)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々がブロックチェーン構造のブロックとして格納されている、(1222)の方法。
以下に、本発明の構成の例を(1)~(1223)の各項に項別けして列挙する。
(1)
産業用機械予測メンテナンスシステムであって、
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して、産業用機械の健全性監視データのストリームを生成する産業用機械データ分析設備と、
機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含む産業用機械予測メンテナンスシステム。
(2)
前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段とをさらに含む、(1)の産業用機械予測メンテナンスシステム。
(3)
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムと、をさらに含む、(2)の産業用機械予測メンテナンスシステム。
(4)
前記サービス提供調整設備が、前記個々の産業用機械の各々についてのサービス活動および結果の台帳を作成しながら、前記個々の産業用機械に対して実行すべきサービスを検証する、(1)の産業用機械予測メンテナンスシステム。
(5)
前記台帳が、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡するためにブロックチェーン構造を使用し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(1)の産業用機械予測メンテナンスシステム。
(6)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうち少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることにより、台帳の後続ブロックを生成する、(5)の産業用機械予測メンテナンスシステム。
(7)
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて個々の産業用機械の少なくとも1つの動作特性を検出するコンピュータビジョンシステムであって、前記1つ以上の画像データセットに基づいて前記個々の産業用機械の動作特性を検出するコンピュータビジョンシステムをさらに含む、(1)の産業用機械予測メンテナンスシステム。
(8)
前記動作特性が、個々の産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、検出された振動について計算された重大度単位に従って産業用機械サービス推奨を生成する、(7)の産業用機械予測メンテナンスシステム。
(9)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動に対する重大度単位を計算することにより、前記産業用機械の検出された振動に対して計算される、(8)の産業用機械予測メンテナンスシステム。
(10)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重要度ユニットのうちの1つにマッピングすることによって決定され、前記重要度ユニットの各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(9)の産業用機械予測メンテナンスシステム。
(11)
前記検出された振動が、キャプチャされた振動の周波数が、マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記検出された振動が前記第2の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記検出された振動が前記第3の重大度単位にマッピングされる、ことを特徴とする、(10)の産業用機械予測メンテナンスシステム。
(12)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、(8)の産業用機械予測メンテナンスシステム。
(13)
産業用機械の健全性監視データに機械の故障検出と分類アルゴリズムを適用して、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械サービスの推奨事項が示すサービスを実行するための少なくとも1つの候補作業者を、産業用機械サービス作業者データベース内の産業用機械サービス作業者の経験及びノウハウの少なくとも1つと関連付けることにより特定する作業者発見設備と、
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムと、を含むシステム。
(14)
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備、をさらに含む(13)のシステム。
(15)
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)、をさらに含む(13)のシステム。
。
(16)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(15)のシステム。。
(17)
前記サービスおよび提供調整設備が、前記個々の産業用機械のそれぞれについてサービス活動および結果の台帳を作成しながら、前記個々の産業用機械で実行するサービスを検証し、前記台帳がブロックチェーン構造を使用して、前記注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、(16)のシステム。
(18)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(17)のシステム。
(19)
健全性監視データを収集するように構成された1つ以上の移動データコレクタを含む移動データコレクタ群であって、前記健全性監視データは、産業環境に配置された1つ以上の産業用機械の状態を代表するものであることを特徴とする移動データコレクタ群をさらに含む、(13)のシステム。
。
(20)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(19)のシステム。
(21)
前記自己組織化システムが、前記健全性監視データに対する要求を1以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記自己組織化システムに健全性監視データを送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、(20)のシステム。
(22)
前記移動データコレクタが前記データ収集ルータに近接しているときに、前記1つまたは複数の移動データコレクタから健全性監視データを受信するデータ収集ルータであって、前記データ収集ルータが前記健全性監視データを前記産業用機械予測メンテナンス設備に送信することを特徴とするデータ収集ルータをさらに含む、(19)のシステム。
。
(23)
前記1以上の移動データコレクタが、前記健全性監視データを前記データ収集ルータにプッシュする、(22)のシステム。
(24)
前記データ収集ルータが、前記1つ以上の移動データコレクタから健全性監視データをプルする、(22)のシステム。
(25)
前記1つ以上の移動データコレクタの各移動データコレクタが、1つ以上の統合されたセンサを含む移動ロボット、1つ以上の結合されたセンサを含む移動ロボット、1つ以上の統合されたセンサを有する移動車両、または1つ以上の結合されたセンサを有する移動車両のうちの1つである、(19)のシステム。
(26)
産業用機械の健全性監視データに機械の故障検出および分類アルゴリズムを適用して産業用機械のサービス推奨事項を作成する産業用機械予測メンテナンス設備から受信したサービス推奨事項に対応した部品およびサービスの注文を準備および制御する産業用機械メンテナンス部品およびサービス注文設備、及び
部品およびサービスの注文の少なくとも1つを生成するためのサービス推奨に関連付けられた手順を分析するコンピュータ化されたメンテナンス管理システム(CMMS)、を含むシステム。
(27)
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備をさらに含む、(26)のシステム。
(28)
前記サービス提供調整設備が、前記産業用機械のそれぞれについてサービス活動および結果の台帳を作成しながら、前記産業用機械で実行するサービスを検証する、(27)のシステム。
(29)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(28)のシステム。
(30)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(29)のシステム。
(31)
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて前記産業用機械の少なくとも1つの動作特性を検出するコンピュータビジョンシステムであって、前記1つ以上の画像データセットに基づいて前記産業用機械の動作特性を検出するコンピュータビジョンシステムをさらに含む、(27)のシステム。
(32)
前記動作特性が、前記産業用機械の少なくとも1つの少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重要度単位に従って前記産業用機械サービス推奨を生成し、前記重要度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重要度単位を計算することによって、前記産業用機械の検出された振動について計算される、(31)のシステム。
(33)
健全性監視データを収集するように構成された1つ以上の移動データコレクタを含む移動データコレクタ群であって、前記健全性監視データは、産業環境に配置された1つ以上の産業用機械の状態を代表するものであることを特徴とする移動データコレクタ群をさらに含む、(26)のシステム。
(34)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(33)のシステム。
(35)
前記自己組織化システムが、前記健全性監視データに対する要求を1つ以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記健全性監視データを前記自己組織化システムに送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、(34)のシステム。
(36)
産業用機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業用機械の一部分のための操作上、物理的および診断結果情報を、不揮発性のコンピュータアクセス可能なメモリにキャプチャして保存するように構成されたスマートRFID要素、を含み、
前記スマートRFID要素は、さらに、情報を受信し、整理し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されており、その情報は、産業用機械の少なくとも1つのサービス手順の実行を可能にする、システム。
(37)
前記スマートRFIDが、産業用機械のルートエントリから直接アクセス可能な複数の部分を含む、産業用機械に関する情報への階層的なアクセスを容易にするように構成されており、前記直接アクセス可能な複数の部分の各々が、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含むリストから選択される1つの部分のためのエントリを格納するように構成されている、(36)のシステム。
(38)
生産情報は、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業用機械の一部の画像のためのエントリから構成されている、(37)のシステム。
(39)
前記手順情報が、較正、シャットダウン、規制、組立、安全チェック、画像撮影、予防メンテナンス、部品修理、部品交換、および分解を含むリストから選択された手順のためのエントリで構成される、(37)のシステム。
(40)
前記システムが、プロセッサを介してアクセス可能なデータ記憶要素をさらに含み、前記データ記憶要素が、前記スマートRFID要素を含む複数のスマートRFID要素に記憶された情報のコピーを含み、前記情報の各コピーが、前記複数のスマートRFID要素の対応する1つに記憶された情報のツインを構成する、(36)のシステム。
(41)
前記スマートRFID要素が、強化されたデータコレクタに含まれる、(36)のシステム。
(42)
産業用機械のスマートRFIDに生産データを設定する方法であって、
産業用機械の一部とスマートRFIDを構成して、産業用機械の対応する部分のための操作、物理的および診断結果情報をキャプチャし、不揮発性のコンピュータアクセス可能なメモリに格納すること、
産業用機械のプロセッサおよび産業用機械の部分の状態を監視するように構成された少なくとも1つのセンサとスマートRFIDを通信的に結合すること。
プロセッサで産業用機械の部分の自己テストを実行し、自己テストの結果をスマートRFIDに格納すること、
生産アクセスポイントを介して、試験システムおよび産業用機械生産サーバのネットワークに産業用機械を結合すること、および
テストシステムを備えた産業用機械の部分で生産テストを実行し、その結果をスマートRFID上に二重に保存し、生産サーバーのプロセッサによってアクセス可能なデータ記憶設備に保存すること、を含む方法。
(43)
(42)の方法であって、前記データ記憶設備に記憶された前記試験結果の複製が、前記スマートRFIDの対応する部分のツインである、方法。
(44)
(42)の方法であって、前記スマートRFIDが、産業用機械のルートエントリから直接アクセス可能な複数の部分を含む産業用機械に関する情報への階層的なアクセスを容易にするように構成されており、前記直接アクセス可能な複数の部分の各々が、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含むリストから選択される1つの部分のためのエントリを格納するように構成されている、(42)の方法。
(45)
生産情報が、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業用機械の一部の画像のためのエントリを含む、(44)の方法。
(46)
前記手順情報が、較正、シャットダウン、規制、組立、安全チェック、撮像、予防メンテナンス、部品修理、部品交換、および分解を含むリストから選択された手順のためのエントリを含む、(44)の方法。
(47)
前記システムが、プロセッサを介してアクセス可能なデータ記憶要素をさらに含み、前記データ記憶要素が、前記スマートRFID要素を含む複数のスマートRFID要素に記憶された情報のコピーを含み、前記情報の各コピーが、前記複数のスマートRFID要素の対応する1つに記憶された情報のツインを構成する、(42)の方法。
(48)
前記スマートRFIDが、強化されたデータコレクタに含まれる、(42)の方法。
(49)
マーケットプレイスを含む産業用機械予測メンテナンスシステムであって、
販売のために提供される産業用機械部品に関する産業用機械サービスマーケットプレイス情報を維持するように構成された複数の部品供給者コンピューティングシステム、
提供される産業用機械サービスに関する産業用機械サービスマーケットプレイス情報を維持するように構成された複数のサービスプロバイダコンピューティングシステム、
産業用機械予測メンテナンスシステムによって提供される産業用機械メンテナンス推奨に応答して市場で提供されるサービス、部品、材料、およびツールのうちの少なくとも1つへのアクセスを容易にするように構成された少なくとも1つのコンピュータ化されたメンテナンス管理システム(CMMS)、および
マーケットプレイスで提供される出荷およびロジスティクスサービスの少なくとも1つのための産業用機械サービスマーケットプレイス情報を維持するように構成された複数のロジスティクスプロバイダコンピューティングシステム、を含む産業用機械予測メンテナンスシステム。
(50)
前記複数の部品供給者、サービス提供者、および物流提供者の各々が、前記マーケットプレイスの少なくとも1つのアプリケーション・プログラミング・インターフェースを介して、前記マーケットプレイス内で直接、前記提供物に対応する情報を維持する、(49)の産業用機械予測メンテナンスシステム。
(51)
前記CMMSが、前記部品、サービスおよびロジスティクスの事前注文の分析から確立された規範に基づいて、前記産業用機械所有者への部品、サービスおよびロジスティクスの提供を適応させる、(49)の産業用機械予測メンテナンスシステム。
(52)
前記産業用機械サービスマーケットプレイス情報が、前記産業用機械のために実行される出荷および物流サービスの少なくとも1つのそれぞれのためのサービス活動の台帳を生成することを維持する、(49)の産業用機械予測メンテナンスシステム。
(53)
前記台帳がブロックチェーン構造を使用して、出荷サービスおよび物流サービスの少なくとも1つのそれぞれについての取引のレコードを追跡し、各レコードがブロックチェーン構造のブロックとして格納されている、(52)の産業用機械予測メンテナンスシステム。
(54)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(53)の産業用機械予測メンテナンスシステム。
(55)
1つまたは複数の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムと、
ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部と、を含み、
予測メンテナンス動作の一部を含む産業用機械メンテナンス動作のレコードであって、複数のコンピューティングシステムの一部が分散型台帳としてレコードを操作する、システム。
(56)
前記部分のコンピューティングシステムが、産業用機械データ解析を実行し、その解析結果をレコードに寄与する、(55)のシステム。
(57)
前記コンピューティングシステムの一部のコンピューティングシステムが、産業用機械の予測メンテナンス推奨を実行し、前記推奨の一部をレコードに貢献する、(55)のシステム。
(58)
前記コンピューティングシステム部分のコンピューティングシステムが、産業用機械メンテナンス受注管理を行い、産業用機械受注に関する情報をレコードに投稿することを特徴とする(55)のシステム。
(59)
前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械サービスアクションのサービス提供およびトラッキングを実行し、そのサービス提供およびトラッキングに関する情報をレコードに貢献する、(55)のシステム。
(60)
前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械と共に配備され、前記産業用機械と共に配備されたセンサから収集された情報を前記レコードに寄与する、(55)のシステム。
(61)
前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械運転スケジューリングを実行し、産業用機械運転スケジューリングをレコードに寄与する、(55)のシステム。
(62)
1つまたは複数の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムと、
ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部と、
産業用機械のメンテナンス動作のレコードにアクセスするためのロールベースの制御と、を含み、前記レコードは、予測メンテナンス動作の一部を含み、前記複数のコンピューティングシステムの一部は、前記レコードを分散型台帳として操作する、システム。
(63)
前記レコードにアクセスするための役割ベースの制御が、個人および分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくともシェアを所有するエンティティの少なくとも1つを含む所有者ロールを認識する、(62)のシステム。
(64)
前記レコードにアクセスするための役割ベースの制御が、個人および分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくとも一部を生産したエンティティの少なくとも1つを含む製造者の役割を認識する、(62)のシステム。
(65)
前記レコードにアクセスするための役割ベースの制御が、個人と、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械を使用するためのアクセスを提供するエンティティとの少なくとも一方を構成するオペレータの役割を認識する、(62)のシステム。
(66)
前記レコードにアクセスするための役割ベースの制御が、個人と、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくとも1つの産業用機械部品を提供するエンティティとの少なくとも1つを含む部品供給者の役割を認識する、(62)のシステム。
(67)
前記レコードにアクセスするための役割ベースの制御が、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の予防メンテナンスおよび修理、緊急修理およびアップグレードのための契約を含む産業用サービスのリストから選択されたサービスを提供する個人およびエンティティの少なくとも1つを含むサービス提供者の役割を認識する、(62)のシステム。
(68)
前記レコードにアクセスするための役割ベースの制御が、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の特定の国における自動化されたサービス活動を促進する地域エンティティを含む地域サービスブローカーの役割を認識する、(62)のシステム。
(69)
産業用機械の一部の画像をキャプチャする方法であって、
産業用機械の予測されるメンテナンス動作を実行するサービスを実行するための手順を更新すること、更新は、満たされている産業用機械の一部の画像をキャプチャするためのトリガ条件に応答し、
画像キャプチャを容易にするために、産業用機械の一部のライブ画像を電子ディスプレイに重ねて画像キャプチャテンプレートを提供すること、
ライブ画像とテンプレートのアライメントの度合いを示す拡張現実を適用すること、
更新された手順を用いて撮影された画像をマシンビジョンで検査して、撮影された画像内に存在する機械の少なくとも1つの部分を決定すること、および、
検査の結果に応答して、キャプチャ画像のための報酬を生成するために、キャプチャ画像の報酬設備を操作することの各工程を含む、ことを特徴とする方法。
(70)
前記更新が、前記サービスを実行するための手順を更新する前に、前記分析が、前記手順に規定されていない画像を撮影することを示唆するような産業用機械の故障データの分析に基づくトリガ条件に応答する、(69)の方法。
(71)
前記更新が、画像が撮影されるべき産業用機械の部分に関連付けられた予測メンテナンス基準を満たす産業用機械で実行されているサービスを実行するための手順に応答する、(69)の方法。
(72)
前記トリガ条件が、サービス手順が実行されている産業用機械に関連付けられた産業用機械の種類と、前記産業用機械の部分が画像に取り込まれてからの持続時間とを含む、(69)の方法。
(73)
前記トリガ条件が、産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械サービス推奨が、前記検出された振動について計算された重大度単位に従って生成される、(69)の方法。
(74)
前記重大度単位が、前記産業用機械の検出された振動について、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて、前記検出された振動の重大度単位を計算することによって計算される、(73)の方法。
(75)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(74)の方法。
(76)
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応するときに、前記検出された振動が第1の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのミッドレンジに対応するときに、前記検出された振動が第2の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記検出された振動が第3の重大度単位にマッピングされる、(75)の方法。
(77)
機械学習に基づく部品認識の方法であって、
撮像された画像が撮像バリデーション基準を満たすかどうかを判定する画像バリデーション手順にターゲット部品の撮像テンプレートを適用すること、
撮影した画像を、産業用機械の部品候補を検出しやすい画像解析ルールで処理し、画像解析を行うこと、
前記候補部品と前記産業用機械の部品の画像との類似性に基づいて、前記候補部品のうちの1つ以上の部品を前記産業用機械の部品として認識すること、および
認識された部品の機械学習から生成されたフィードバックに基づいて、ターゲット部品テンプレート、画像解析ルール、および部品認識のうちの少なくとも1つを適応させ、それによって、画像取り込み、画像解析、および部品認識のうちの少なくとも1つを改善すること、の各工程を含むことを特徴とする方法。
(78)
前記産業用機械の部品の画像が、前記産業用機械と一緒に配置されたスマートRFID素子から取得される、(77)の方法。
(79)
前記産業用機械の部品の画像が、前記産業用機械と一緒に配置されたスマートRFID素子のネットワーク記憶デジタルツインから取得される、(77)の方法。
(80)
機械学習によって生成されたフィードバックが、産業用機械で配備されたスマートRFID内の部品の最も最近キャプチャされた画像の更新を容易にする、(77)の方法。
(81)
前記方法の一部または全部がコンピュータビジョンシステムを使用して実行される、(77)の方法。
(82)
前記コンピュータビジョンシステムが、キャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットによって表される関心点内の産業用機械の一部に対応する1つ以上の値を特定し、前記1つ以上の値を対応する予測値と比較し、前記1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、前記分散データに基づいて前記産業用機械の動作特性を検出し、前記動作特性の検出を示すデータを生成する、(81)の方法。
(83)
予測メンテナンスシステムであって、
産業用機械に関する情報を収集、発見、キャプチャ、普及、管理、および処理することを容易にし、産業用機械の予測メンテナンス行動を取ることを容易にする予測メンテナンス知識システムを含んでおり、予測メンテナス知識システムは、
サービス提供者、部品提供者、材料提供者、機械使用スケジューラから情報を受信するための複数のインターフェース、
サービス発注設備、部品発注設備、サービス管理設備、サービス資金調達設備に情報を送信するための複数のインターフェース、
複数の産業用機械のスマートRFID素子への複数のインターフェース、および、
サービス提供者、部品提供者、サービス要求、サービス見積り、機械スケジュール、およびメンテナンス活動の予測を含むデータドメイン間のリンクを介して、産業用機械の予測メンテナンスサービスに関する情報への予測メンテナンス知識システムによるアクセスを容易にする予測メンテナンス知識グラフ、を含み、
予測メンテナンス知識システムは、サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを生成する、予測メンテナンスシステム。
(84)
サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを受信することに応答して、サービスおよび部品の注文および要求のうちの少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含む、(83)の予測メンテナンスシステム。。
(85)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(84)の予測メンテナンスシステム。
(86)
前記サービス提供調整設備が、個々の産業用機械の各々についてサービス活動および結果の台帳を作成しながら、個々の産業用機械に対して実行すべきサービスを検証する、(85)の予測メンテナンスシステム。
(87)
前記台帳が、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡するためにブロックチェーン構造を使用し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(85)の予測メンテナンスシステム。
(88)
前記CMMSが、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(87)の予測メンテナンスシステム。
(89)
機械の故障に相関する複数の診断テストの結果におけるパターンの少なくとも1つを検出することにより、産業用機械で実行される複数の診断テストの結果と、類似する産業用機械の故障のための故障情報との間の相関性を改善すること、および、診断テストのサブセットの故障結果に機械の故障の1つのタイプの故障が相関する診断テストの結果と機械の故障との類似性を検出すること、を含む方法。
(90)
前記機械の故障が、前記産業用機械について検出された振動の重大度に対応する、(89)の方法。
(91)
さらに、産業用機械について検出された振動の重大度を決定することを含み、前記重大度の決定は、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の検出された振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、検出した振動の周波数を決定すること、
周波数に基づいて、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度単位を算出することを含む、(90)の方法。
(92)
前記移動データコレクタがウェアラブルデバイスである、(91)の方法。
(93)
前記移動データコレクタが携帯装置である、(91)の方法。
(94)
前記移動データコレクタが移動車両である、(91)の方法。
(95)
前記移動データコレクタが移動ロボットである、(91)の方法。
(96)
重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、(91)の方法。
(97)
サービス提供者によって提供される産業用機械サービスに関するフィードバックを収集し、少なくとも1つの産業用機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業用機械サービスのための手順の遵守、手順および産業用機械の少なくとも1つに関するサービス提供者の経験の尺度を含む複数の評価基準とフィードバックを比較することによって、産業用機械サービス提供者の評価を決定すること、および
ベンダーの評価結果に機械学習を適用し、ベンダーを評価する際に機械学習の出力を取り入れることで、ベンダーの評価結果と評価基準との相関性を向上させること、を含む方法。
(98)
サービス提供者から手順に関するフィードバックを収集し、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、内容の正確さ、シーケンスの正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度を含む複数の評価基準とフィードバックを比較することにより、産業用機械サービス手順の評価を決定することをさらに含む、(97)の方法。
(99)
手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことで、手順の評価結果と評価基準との相関性を向上させることをさらに含む、(98)の方法。
(100)
前記診断テストが、前記産業用機械に対して検出された振動の重大度に対応する、(97)の方法。
(101)
前記産業用機械のために検出された振動の重大度を決定することは、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算することを含む、(100)の方法。
(102)
重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、(101)の方法。
(103)
産業用機械サービスの手順を使用して産業用機械サービスを行うサービス提供者から手順に関するフィードバックを収集し、そのフィードバックを、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、内容の正確さ、順序の正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度を含む複数の評価基準と比較することにより、産業用機械サービス手順の評価を決定すること、および、
手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことで、手順の評価結果と評価基準との相関性を向上させること、を含む方法。
(104)
サービス提供者によって提供される産業用機械サービスに関するフィードバックを収集し、フィードバックを、少なくとも1つの産業用機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業用機械サービスのための手順の遵守、手順および産業用機械の少なくとも1つに関するサービス提供者の経験の尺度を含む複数の評価基準と比較することによって、産業用機械サービス提供者の評価を決定することをさらに含む、(103)の方法。
(105)
ベンダーの評価結果に機械学習を適用し、ベンダーを評価する際に機械学習の出力を取り入れることで、ベンダーの評価結果と評価基準との相関性を向上させることをさらに含む、(104)の方法。
(106)
前記産業用機械の手順が、前記産業用機械の振動の重大度を検出するための診断テストに対応する、(103)の方法。
(107)
前記産業用機械について検出された振動の重大度を決定することは、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、を含む(106)の方法。
(108)
重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、(107)の方法。
(109)
産業用機械に関する情報を蓄積する方法であって、
開始ブロックを生成することにより、特定の産業用機械のための産業用機械情報のブロックチェーンを開始すること、および、
出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、診断活動のうち少なくとも1つのデータとブロックチェーン内で最も最近生成されたブロックのハッシュを組み合わせることにより、特定の産業用機械ブロックチェーンの後続ブロックを生成すること、を含む方法。
(110)
特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュとを有するブロックチェーンの第1のブロックを生成することをさらに含む、(109)の方法。
(111)
特定の産業用機械に関する設置情報と第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成することをさらに含む、(110)の方法。
(112)
特定の産業用機械に関する動作センサ情報を有するブロックチェーンの第3のブロックと、第2のブロックのハッシュとを生成することをさらに含む、(111)の方法。
(113)
特定の産業用機械に関するサービスイベント情報を有するブロックチェーンの第4のブロックと、第3のブロックのハッシュとを生成することをさらに含む、(112)の方法。
(114)
特定の産業用機械に関する部品およびサービスオーダー情報を有するブロックチェーンの第5のブロックと、第4のブロックのハッシュとを生成することをさらに含む、(113)の方法。
(115)
特定の産業用機械に関する診断活動情報を有するブロックチェーンの第6のブロックと、第5のブロックのハッシュとを生成することをさらに含む、(114)の方法。
(116)
振動データからサービスイベントを予測する方法であって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサから振動データをキャプチャすること、
前記キャプチャされた振動の周波数、振幅、および重力のうち少なくとも一つを決定すること、
前記キャプチャされた振動の周波数に基づいて、前記キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントと、振幅のピーク値または重力の少なくとも一方とに基づいて、キャプチャされた振動の振動重大度の単位を計算するステップと
重大度単位に基づいて産業用機械の部分のメンテナンス動作を実行するための予測メンテナンス回路の信号を生成すること、を含む方法。
(117)
前記セグメントが、前記キャプチャされた振動の周波数を、前記マルチセグメント振動周波数スペクトルの中間セグメントの上限および下限と比較することに基づいて決定される、(116)の方法。
(118)
前記マルチセグメント振動周波数スペクトルの第1のセグメントが、前記マルチセグメント振動周波数スペクトルの中間セグメントの下限以下の決定された周波数値を含む、(116)の方法。
(119)
前記マルチセグメント振動周波数スペクトルの中間セグメントの下限が1200kHzである、(118)の方法。
(120)
前記マルチセグメント振動周波数スペクトルの第2セグメントが、前記マルチセグメント振動周波数スペクトルの中間セグメントの上限を超える決定された周波数値を含む、(116)の方法。
(121)
前記マルチセグメント振動周波数スペクトルの中間セグメントの上限が18000kHzである、(120)の方法。
(122)
前記振動重大度単位を計算することは、複数の重大度正規化パラメータのうちの1つを中程度の重大度限界に乗算して重大度値を生成し、前記重大度値を決定されたセグメントの複数の重大度単位範囲のうちの1つにマッピングすることを含む、(116)の方法。
(123)
前記複数の正規化値の第1の重大度正規化値が、キャプチャされた振動の周波数を、マルチセグメント振動周波数スペクトルの中間セグメントのローエンド周波数値で除算することによって計算される、(122)の方法。
(124)
前記複数の重大度正規化パラメータのうちの1つが、キャプチャされた振動の周波数がローエンド周波数値よりも小さい場合に、第1の重大度正規化値を構成する、(123)の方法。
(125)
前記複数の正規化値のうちの第2の重大度正規化値が、前記マルチセグメント振動周波数スペクトルの中間セグメントのハイエンド周波数値を前記キャプチャ振動の周波数で除算することによって計算される、(122)の方法。
(126)
前記複数の重大度正規化パラメータのうちの1つが、キャプチャされた振動の周波数がハイエンド周波数値よりも大きい場合に、第2の重大度正規化値を構成する、(125)の方法。
(127)
前記マルチセグメント振動周波数スペクトルの第1のセグメントが、キャプチャされた振動の振幅に基づいて複数の重大度単位に分割される、(116)の方法。
(128)
前記マルチセグメント振動周波数スペクトルの第2セグメントが、キャプチャされた振動の重力に基づいて複数の重大度単位に分割される、(116)の方法。
(129)
前記振動重大度単位が、前記マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数に対するキャプチャされた振動の振幅のピーク変位に基づいて決定される、(116)の方法。
(130)
前記振動重大度単位が、前記マルチセグメント振動周波数スペクトルの第2セグメント内の決定された振動周波数に対するキャプチャされた振動の重力に基づいて決定される、(116)の方法。
(131)
前記産業用機械の部分が可動部である、(116)の方法。
(132)
前記産業用機械の部分が、可動部を支持する構造部材である、(116)の方法。
(133)
前記産業用機械の部分がモータである、(116)の方法。
(134)
前記産業用機械の部分が駆動軸である、(116)の方法。
(135)
振動データからサービスイベントを予測するシステムであって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサを含む産業用機械と、
前記少なくとも1つの振動センサと通信して、前記キャプチャされた振動の周波数、ピーク振幅、及び重力のうち少なくとも1つを生成する振動解析回路と、
キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、
キャプチャされた振動の周波数と対応する振動周波数セグメントを受け取り、対応する振動周波数セグメントに対して定義された複数の重大度単位のうちの1つにマッピングされた重大度値を生成する重大度単位アルゴリズムと、
前記複数の重大度単位のうちの1つを受信し、それに基づいて、前記産業用機械の部分に対応するメンテナンス動作を実行するように前記予測メンテナンスサーバに信号を送る信号発生回路と、を含むシステム。
(136)
前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動の第1の重大度単位へのマッピングを容易にすることを特徴とする(135)のシステム。
(137)
前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記検出された振動の第2の重大度単位へのマッピングを容易にする、(135)のシステム。
(138)
前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動の第3の重大度単位へのマッピングを容易にする、ことを特徴とする(135)のシステム。
(139)
前記重大度単位が、前記検出された振動が、前記産業用機械の少なくとも一部の故障につながる可能性があることを示す、(135)のシステム。
(140)
前記マルチセグメント振動周波数スペクトルの第1のセグメントが、キャプチャされた振動の振幅に基づいて複数の重大度単位に分割されている、(135)のシステム。
(141)
前記マルチセグメント振動周波数スペクトルの第2セグメントが、キャプチャされた振動の重力に基づいて複数の重大度単位に分割されている、(135)のシステム。
(142)
前記重大度単位が、前記マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数に対するキャプチャされた振動の振幅のピーク変位に基づいて決定される、(135)のシステム。
(143)
前記重大度単位が、前記マルチセグメント振動周波数スペクトルの第2のセグメント内の決定された振動周波数に対するキャプチャされた振動の重力に基づいて決定される、(135)のシステム。
(144)
前記産業用機械の部分が可動部である、(135)のシステム。
(145)
前記産業用機械の部分が、可動部を支持する構造部材である、(135)のシステム。
(146)
前記産業用機械の部分がモータである、(135)のシステム。
(147)
前記産業用機械の部分が駆動軸である、(135)のシステム。
(148)
ストリーミングサンプルレートで信号をサンプリングし、それによって信号の複数のサンプルを生成すること、
前記信号ルーティング回路を用いて、前記信号の複数のサンプルのうちの第1の部分を前記第1の信号解析回路に割り当て、前記第1の信号解析サンプリングレートが前記ストリーミングサンプルレートよりも小さいことに基づいて選択された前記部分を前記第1の信号解析回路に割り当てること、
前記信号ルーティング回路を用いて、前記信号の複数のサンプルのうちの第2の部分を前記第2の信号解析回路に割り当て、前記第2の信号解析サンプリングレートが前記ストリーミングサンプルレートよりも小さいことに基づいて選択された前記部分を前記第2の信号解析回路に割り当てること、および、
前記信号の複数のサンプル、前記第1の信号解析回路の出力、および前記第2の信号解析回路の出力を格納すること、を含み、前記格納された複数のサンプル中の前記割り当てられた第1の部分および前記格納された複数のサンプル中の前記割り当てられた第2の部分には、対応する前記格納された信号解析出力を参照する指標がタグ付けされている方法。
(149)
前記信号ルーティング回路に割り当てることは、信号分析サンプリングレートとストリーミングサンプルレートの比率に基づいて複数のサンプルを積分することを含む、(148)の方法。
(150)
前記信号ルーティング回路との割り当ては、信号分析サンプリングレートとストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含む、(148)の方法。
(151)
前記ストリーミングサンプルレートが、前記信号の支配周波数の少なくとも2倍の速度である、(148)の方法。
(152)
前記信号解析サンプリングレートと前記ストリーミングサンプルレートとの比が、前記第1の信号解析回路および前記第2の信号解析回路の出力の補助的なバイナリビットデータの数を決定する、(148)の方法。
(153)
前記補足2値ビットの数が、前記ストリーミングサンプルレートが前記信号分析サンプリングレートの少なくとも2倍以上4倍未満であるときに1を構成する、(152)の方法。
(154)
ストリーミングサンプルレートが信号解析サンプリングレートの少なくとも4倍以上8倍未満である場合に、補助的なバイナリビットの数が2を含む、(152)の方法。
(155)
産業用機械の状態を検出するセンサであって、時間の経過とともに変化し、その状態に実質的に対応する信号を生成するセンサと、
前記信号を受信し、前記信号の支配周波数の少なくとも2倍のストリーミングサンプルレートで前記信号をサンプリングするアナログ/デジタル変換器であって、前記サンプリングされた信号は、データ値のシーケンスとして前記アナログ/デジタル変換器から出力される、アナログ/デジタル変換器と、
データ値のシーケンスとサブサンプリングレートを受信する少なくとも1つのデジタル信号ルータであって、前記サブサンプリングレートが前記ストリーミングサンプルレートよりも低い場合に、前記サブサンプリングレートおよび前記ストリーミングサンプルレートと前記サブサンプリングレートの比率の少なくとも1つに基づいて、前記サンプルシーケンスから選択されたサンプルを含むデータのサブサンプリング出力シーケンスを生成する、少なくとも1つのデジタル信号ルータと、を含むシステム。
(156)
前記データ値のシーケンスと、前記サブサンプル出力シーケンスから導出されたデータ値の解析セットとを受信するデータ記憶装置をさらに備え、前記解析セットは、前記サブサンプル出力シーケンスに対応する前記データ値のシーケンス内のデータ値が、対応する前記データ値の解析セットを参照するインデックスでタグ付けされるように、前記データ値のシーケンスと関連づけて記憶される、(155)のシステム。
(157)
前記少なくとも1つのサブサンプリング出力シーケンスを生成することが、前記サブサンプリングレートと前記ストリーミングサンプルレートの比に基づいて、前記データ値のシーケンス内の複数のサンプルを積分することを含む、(155)のシステム。
(158)
前記少なくとも1つのサブサンプリングされた出力シーケンスを生成することは、前記サブサンプリングレートと前記ストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含む、(155)のシステム。
(159)
ストリーミングサンプルレートが、信号の支配周波数の少なくとも2倍の速度である、(155)のシステム。
(160)
前記ストリーミングサンプルレートに対する前記サブサンプリングレートの比が、前記サブサンプリングされた出力シーケンス内の補助的なバイナリビットの数を決定する、(155)のシステム。
(161)
前記補完バイナリビットの数が、前記ストリーミングサンプルレートが前記サブサンプリングレートの少なくとも2倍以上4倍未満であるときに1を構成する、(160)のシステム。
(162)
前記ストリーミングサンプルレートが前記サブサンプリングレートの少なくとも4倍以上8倍未満である場合に、前記補助的なバイナリビットの数が2を含む、(160)のシステム。
(163)
産業用機械のメンテナンスイベントを予測する方法であって、
産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成すること、を含み、前記状態を代表するデータは、産業用機械の少なくとも1つの可動部分の振動データからなり、データ収集ネットワークを介して受信され、さらに、
前記産業用機械と一緒に配置されたデータ記憶装置から、前記産業用機械の少なくとも1つの可動部のための可動部固有の構成情報にアクセスすること、
機械故障検出および分類アルゴリズムを適用して、健全性監視データおよび部品固有の構成情報に対応した産業用機械サービスの推奨を予測すること、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成すること、および、
サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証すること、を含む方法。
(164)
前記産業用機械のサービス推奨が産業用機械に関するものである、(163)の方法。
(165)
前記産業用機械サービス推奨が、前記少なくとも1つの可動部に対するものである、(163)の方法。
(166)
前記最後の少なくとも1つの可動部が機械の回転部である、(165)の方法。
(167)
前記少なくとも1つの可動部が、機械のギアボックス内に配置されている、(165)の方法。
(168)
前記少なくとも1つの可動部が産業用機械の歯車である、(165)の方法。
(169)
機械故障検出アルゴリズムを適用することは、産業用機械の歯車の歯数を基準データの対応する歯車の歯数と比較することに応答して、産業用機械のメンテナンス推奨を表す基準データを適応させることを含む、(168)の方法。
(170)
適合される基準データが、産業用機械のメンテナンス推奨を介して識別されるメンテナンスイベントのタイミングである、(169)の方法。
(171)
機械故障検出アルゴリズムを適用することは、産業用機械の歯車の歯数と類似の産業用機械の対応する歯車の歯数とを比較することに応答して、類似の産業用機械の産業用機械のメンテナンス推奨を表すデータを適応させることを含む、(168)の方法。
(172)
適合される類似の産業用機械データが、産業用機械のメンテナンス推奨を介して識別されるメンテナンスイベントのタイミングである、(171)の方法。
(173)
産業用機械の予測メンテナンスシステムであって、
データ収集ネットワークを介して受信した産業用機械の歯車の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析回路と、
前記産業用機械と一緒に配置されたデータ記憶装置であって、前記装置は、前記産業用機械の少なくとも1つの歯車に関する歯車固有の情報を記憶しているデータ記憶装置と、
歯車固有の構成情報にアクセスし、機械故障検出および分類アルゴリズムを適用して、健全性監視データおよび歯車固有の情報に対応した産業用機械装置のサービス推奨情報を作成する産業用機械装置の歯車予測メンテナンス回路と、
産業用機械歯車のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび配達追跡システムであって、サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械歯車に実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械歯車のサービス活動および結果の台帳を作成しながら実行されたサービスを検証する、サービスおよび配達追跡システムと、を含む産業用機械予測メンテナンスシステム。
(174)
前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械の構成要素の歯車歯数に応答する、(173)のシステム。
(175)
前記部材が回転部材である、(174)のシステム。
(176)
構成要素が歯車である、(174)のシステム。
(177)
前記産業用機械がギアボックスを構成し、前記ギア歯のカウントが、前記ギアボックス内に配置されたギアに関するものである、(174)のシステム。
(178)
前記予測メンテナンス回路が、前記機械の回転部品および類似の機械の対応する回転部品の動作データおよび故障データを処理する、(173)のシステム。
(179)
前記予測メンテナンス回路が、機械学習を適用して、複数の産業用機械にわたる類似のサービスコンポーネントのサービス情報と共に、少なくとも1つの産業用機械のサービスコンポーネントのギア歯数を処理し、それによって予測メンテナンス調整係数を生成する、(173)のシステム。
(180)
前記予測メンテナンス回路が調整係数を適用することにより、機械固有の予測メンテナンス推奨を生成することを特徴とする(179)のシステム。
(181)
前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械のサービスコンポーネントに回転可能に接続されたモータのロータバーのカウントに応答する、(173)のシステム。
(182)
前記予測メンテナンス回路が、前記機械のモータに回転可能に接続されたサービス部品および類似の機械の対応するサービス部品の動作データおよび故障データを処理する、(173)のシステム。
(183)
前記予測メンテナンス回路が、機械学習を適用して、産業用機械のサービス部品に回転可能に接続されたモータのロータバーの数を、複数の産業用機械の間で同様の回転可能に接続されたサービス部品のサービス情報と共に処理し、それによって予測メンテナンス調整係数を生成することを特徴とする、(173)のシステム。
(184)
前記予測メンテナンス回路が調整係数を適用し、それによって機械固有の予測メンテナンス推奨を生成する、(183)のシステム。
(185)
前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械のサービスコンポーネントにリンクされた少なくとも1つの内部機械コンポーネントの回転数/分(RPM)を表すデータに応答する、(173)のシステム。
(186)
前記予測メンテナンス回路が、前記機械のサービスコンポーネントおよび類似の機械の対応するサービスコンポーネントに関連付けられた運転回転数データおよび故障データを処理する、(173)のシステム。
(187)
前記予測メンテナンス回路が機械学習を適用して、産業用機械のサービスコンポーネントにリンクされた少なくとも1つの内部機械コンポーネントの回転数/分(RPM)を表すデータを、複数の産業用機械の間で同様にリンクされたサービスコンポーネントのサービス情報とともに処理し、それによって予測メンテナンス調整係数を生成する、(173)のシステム。
(188)
前記予測メンテナンス回路が調整係数を適用することにより、機械固有の予測メンテナンス推奨を生成する、(187)のシステム。
(189)
ローラーベアリングの予測メンテナンスシステムであって、
データ収集ネットワークを介して受信したデータを産業用機械と一体化されたローラベアリングの状態を代表するデータに機械学習を適用して、ローラベアリングの健全性状態を監視するデータのストリームを生成するローラベアリングデータ解析回路と、
前記産業用機械と一緒に配置されたデータ記憶装置であって、前記産業用機械の少なくとも1つのローラベアリングに関するローラベアリング固有の情報を記憶しているデータ記憶装置と、
機械故障検出および分類アルゴリズムを適用して、健全性監視データおよびローラベアリング固有の情報に応答して、ローラベアリングサービスの推奨事項を作成するローラベアリング予測メンテナンス回路と、
前記ローラベアリングサービスの推奨事項を受信したことに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも1つに応答してローラーベアリングで実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供追跡システムと、を含む予測メンテナンスシステム。
(190)
前記ローラベアリング予測メンテナンス回路が、ローラ当たりのボールの数、ボールとローラの接触角、内側レース寸法、外側レース寸法、ベーンの数、フルートの数、およびモード形状情報を含むリストから選択されるローラベアリングコンポーネントの少なくとも1つの側面に応答して、ローラベアリングコンポーネントのメンテナンスイベントを予測する、(189)のシステム。
(191)
前記予測されたメンテナンスイベントが、部品交換、機械サブシステム交換、較正、ディープデータ収集、機械サービス、機械シャットダウン、および予防メンテナンスを含むメンテナンスイベントのリストから選択される、(190)のシステム。
(192)
前記ローラベアリングコンポーネントの少なくとも1つの側面が、前記ローラベアリングコンポーネントと共に産業用機械内に配置されたRFIDコンポーネントを介して検索された前記ローラベアリングコンポーネントの生産情報のデジタルデータ構造の一部を含む、(190)のシステム。
(193)
前記デジタルデータ構造の一部分が、前記RFIDコンポーネントから検索されたマシン固有のキーを、前記産業用機械の外部に記憶されたローラベアリングコンポーネントの生産情報へのアクセスを容易にする予測メンテナンスシステムのアプリケーションプログラミングインターフェース機能に提供することによって検索される、(192)のシステム。
(194)
前記デジタルデータ構造の一部が、前記RFIDコンポーネントから取得された生産情報を含む、(192)のシステム。
(195)
前記回路が、前記回路を実行するプロセッサのネットワーク接続とは独立して、前記RFIDコンポーネントからデジタルデータ構造の一部を取り出すことに応答して、前記ローラベアリングコンポーネントのメンテナンスイベントを予測する、(192)のシステム。
(196)
強化されたデータコレクタが予測メンテナンス回路を構成する、(192)のシステム。
(197)
前記強化されたデータコレクタが、前記データコレクタのネットワーク接続とは無関係に、前記RFIDコンポーネントからデジタルデータ構造の一部を取得することに応答して、前記ローラーベアリングコンポーネントのメンテナンスイベントを予測する、(196)のシステム。
(198)
前記ローラベアリング予測メンテナンス回路が、移動データコレクタに具現化されている、(192)のシステム。
(199)
前記移動データコレクタが、前記RFID部材から収集されたデータを用いて前記ローラベアリング予測メンテナンス回路を動作させて、少なくとも1つのローラベアリング予測メンテナンス推奨を生成する、(198)のシステム。
(200)
前記デジタルデータ構造の部分が、前記ローラーベアリングコンポーネントが配置されている産業用機械に固有のものである、(199)のシステム。
(201)
前記デジタルデータ構造の一部分が、前記RFIDコンポーネントから検索されたネットワーク位置にアクセスすることによって検索され、前記RFIDコンポーネントから検索されたマシン固有の識別子によってさらにインデックス化される、(199)のシステム。
(202)
前記ネットワークの位置は、前記データコレクタが前記RFIDコンポーネントと近距離無線通信を行っている間に、前記データコレクタのWiFiインターフェースを介してアクセスされる、(201)のシステム。
(203)
前記ネットワーク位置は、前記データコレクタが前記RFIDコンポーネントとの近距離無線通信中でなくなったときに、前記データコレクタのWiFiインターフェースを介してアクセスされる、(202)のシステム。
(204)
産業用機械のコンポーネントの振動の衝撃の正規化された重大度尺度を決定する方法であって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサから振動データをキャプチャすること、
キャプチャした振動の周波数、ピーク振幅、および重力を決定すること、
決定された周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルの周波数範囲固有のセグメントを決定すること、
決定されたセグメントと、ピーク振幅および重力のうちの少なくとも1つに基づいて、キャプチャされた振動データの振動重大度レベルを計算すること、および、
振動の重大度レベルに基づいて産業用機械の部分のメンテナンス動作を実行するための予測メンテナンス回路の信号を生成すること、の各工程を含む方法。
(205)
前記生成された信号が、前記コンポーネントのメンテナンス予測のウォッチ状態を作動させる、(204)の方法。
(206)
前記生成された信号が、前記コンポーネントのメンテナンス予測の再調査状態を作動させる、(204)の方法。
(207)
前記生成された信号が、前記コンポーネントのメンテナンス予測の動作直後の状態を活性化する、(204)の方法。
(208)
前記生成された信号が、前記コンポーネントのメンテナンス予測の即時行動状態を作動させる、(204)の方法。
(209)
前記マルチセグメント振動周波数スペクトルが、第2のセグメントのローエンド値以下の周波数値を有する第1のセグメントと、第2のセグメントのハイエンド値以上の周波数値を有する第3のセグメントとを含む、(204)の方法。
(210)
前記ローエンド値および前記ハイエンド値の少なくとも1つが、前記産業用機械の構成要素の種類から構成されている、(209)の方法。
(211)
周波数範囲特定セグメントを決定することは、産業用機械の構成要素のタイプを決定し、ローエンド値およびハイエンド値のうちの少なくとも1つを調整することを含む、(210)の方法。
(212)
前記メンテナンス動作を実行するための信号を生成することは、キャプチャされた振動データのエンベロープ処理に基づいて振動の重大度レベルを重み付けすることを含む、(204)の方法。
(213)
キャプチャされた振動の周波数、ピーク振幅、および重力を決定することは、キャプチャされた振動データをエンベロープ処理することと、エンベロープ処理された振動データの少なくとも1つの振動ピーク値をマルチセグメント振動周波数スペクトルにマッピングすることとを含む、(204)の方法。
(214)
前記産業用機械の部分が、振動重大度レベルが計算された複数の部品からなり、前記信号を生成することが、前記複数の部品について計算された振動重大度レベルの集約に基づいて行われる、(204)の方法。
(215)
振動データを解析するため)のシステムであって、
グラフィカル・ユーザー・インターフェースと、
グラフィカルユーザーインターフェースにレンダリングされた産業用機械の少なくとも一部の視覚的表現と、
グラフィカルユーザーインターフェースにレンダリングされた産業用機械の部分の少なくとも1つのコンポーネントに対する重大度レベルの少なくとも一つの視覚的表示と、を含み、
ユーザインタフェースにおけるユーザの選択に応答して、グラフィカルユーザインタフェース内のポップアップウィンドウ内のコンポーネントの重大度レベル情報のデータセットから少なくとも1つのコンポーネントの重大度レベル情報を検索する機能を作動させることにより、視覚的表示がグラフィカルユーザインタフェース内にレンダリングされる、システム。
(216)
前記産業用機械の部分の少なくとも1つの構成要素に対する重大度レベルが、
前記コンピューティングデバイスで、前記移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
コンピューティングデバイスにより、キャプチャされた振動データを処理することにより、キャプチャされた振動の周波数を決定すること、
コンピューティングデバイスにより、周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
コンピューティングデバイスにより、決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、によって決定される、(215)のシステム。
(217)
決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数を、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングすること、を含む、(216)のシステム。
(218)
前記重大度レベルが、キャプチャされた振動データに関連付けられた状態の前記産業用機械の部分の少なくとも1つのコンポーネントに対する影響を表す、(215)のシステム。
(219)
前記産業用機械の部分の少なくとも1つの構成要素が可動部である、(215)のシステム。
(220)
前記産業用機械の部分の少なくとも1つの構成要素が、可動部を支持する構造部材である、(215)のシステム。
(221)
前記産業用機械の部分の少なくとも1つの構成要素がモータである、(215)のシステム。
(222)
前記産業用機械の部分の少なくとも1つの構成要素が駆動軸である、(215)のシステム。
(223)
産業用機械のコンポーネントの振動の衝撃の正規化された重大度の尺度を決定するため)のシステムであって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサからキャプチャされた振動データを含むデータセットと、
キャプチャした振動の周波数、ピーク振幅、重力を決定する振動データ解析回路。
決定された周波数に基づいてキャプチャされた振動を1つの周波数セグメントに結合するマルチセグメント振動スペクトルと、
決定されたセグメントと、ピーク振幅及び重力の少なくとも一方とに基づいて、キャプチャされた振動データの振動重大度レベルを算出する振動重大度レベル算出回路と、
前記振動重大度レベルに基づいて、前記産業用機械の一部のメンテナンス動作信号を作動させるための予測メンテナンス信号生成回路と、を含むシステム。
(224)
前記メンテナンス動作信号が、前記部品のメンテナンス予測のウォッチ状態を作動させる、(223)のシステム。
(225)
前記メンテナンス動作信号が、前記部品のメンテナンス予測の再調査状態を作動させる、(223)のシステム。
(226)
前記メンテナンス動作信号が、前記コンポーネントのメンテナンス予測の動作開始状態を作動させる、(223)のシステム。
(227)
前記メンテナンス動作信号が、前記コンポーネントのメンテナンス予測の即時動作状態を作動させる、(223)のシステム。
(228)
前記マルチセグメント振動周波数スペクトルが、第2のセグメントのローエンド値以下の周波数値を有する第1のセグメントと、第2のセグメントのハイエンド値以上の周波数値を有する第3のセグメントとから構成されている、(223)のシステム。
(229)
前記ローエンド値および前記ハイエンド値の少なくとも1つが、前記産業用機械の構成要素の種類から構成されている、(228)のシステム。
(230)
前記キャプチャされた振動を境界とするマルチセグメント振動スペクトルが、ローエンド値およびハイエンド値のうちの少なくとも1つを適応させることを含む、産業用機械のコンポーネントのタイプに基づいて適応される、(229)のシステム。
(231)
前記キャプチャされた振動データがエンベロープ処理された振動データである、(230)のシステム。
(232)
前記振動データ解析回路が、キャプチャされた振動データをエンベロープ処理し、前記エンベロープ処理された振動データの少なくとも1つの振動ピーク値をマルチセグメント振動周波数スペクトルにマッピングすることをさらに含む、(230)のシステム。
(233)
産業用機械の動作特性を検出するため)のシステムであって、
産業用機械の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、
撮像された生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットによって表される関心点内の産業用機械の一部に対応する1つ以上の値を特定し、前記1つ以上の値と対応する予測値とを比較し、前記1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、前記分散データに基づいて前記産業用機械の動作特性を検出し、前記動作特性の検出を示すデータを生成するコンピュータビジョンシステムと、を含むシステム。
(234)
動作特性が産業用機械の動作に関連する可能性のあるまたは現在の問題を表し、
前記動作特性の検出を示すデータを処理して、前記産業用機械の操作に関連する可能性のあるまたは現在の問題を防止または解決するために取られる可能性のあるアクションを表すメンテナンス動作を特定する予測メンテナンスプラットフォームをさらに含む、(233)のシステム。
(235)
前記コンピュータビジョンシステムが、前記動作特性の検出を示すデータを示す信号を生成し、前記予測メンテナンスプラットフォームが、前記信号に基づいて、可能性のある問題または現在の問題を予測する、(234)のシステム。
(236)
メンテナンス動作を実行するように構成された移動データコレクタを更に含み、
予測メンテナンスプラットフォームまたはコンピュータビジョンシステムが、移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させる、(234)のシステム。
(237)
前記少なくとも1つのデータキャプチャ装置が、前記移動データコレクタが前記産業用機械の状態に関連した測定値をレコードすることに応答して、生データをキャプチャする、(236)のシステム。
(238)
前記産業用機械の状態関連測定が、前記移動データコレクタの少なくとも1つの振動センサを使用してキャプチャされた前記産業用機械の少なくとも一部の振動に関連している、(237)のシステム。
(239)
前記移動データコレクタは、
前記コンピューティングデバイスで、前記移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
コンピューティングデバイスにより、キャプチャされた振動データを処理することにより、キャプチャされた振動の周波数を決定すること、
コンピューティングデバイスによって、周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
コンピューティングデバイスにより、決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、および、
移動データコレクタに重大度単位に基づいて信号を生成させること、によって、
前記少なくとも1つのデータキャプチャ装置または前記コンピュータビジョンシステムのうちの少なくとも1つに信号を送信して、前記少なくとも1つのデータキャプチャ装置に生データのキャプチャを行わせる、(238)のシステム。
(240)
決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングこと、によって決定されたセグメントに基づいて、
キャプチャされた振動を重大度単位にマッピングすること、を含む、(239)のシステム。
(241)
前記予測メンテナンスプラットフォームが分散台帳を使用して産業用機械に関連するメンテナンス取引を追跡し、前記分散台帳がメンテナンス取引に対応する取引レコードを格納する、(238)のシステム。
(242)
前記予測メンテナンスプラットフォームが、前記移動データコレクタによる信号の送信に応答して、新しいトランザクションレコードを生成する、(241)のシステム。
(243)
前記予測メンテナンスプラットフォームが、前記コンピュータビジョンシステムによる動作特性の検出を示すデータの生成に応答して、新たなトランザクションレコードを生成する、(241)のシステム。
(244)
前記移動データコレクタの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて前記振動をキャプチャする、(238)のシステム。
(245)
前記移動データコレクタが移動ロボットである、(236)のシステム。
(246)
前記予測メンテナンスプラットフォームが、分散台帳を使用して産業用機械に関連するメンテナンス取引を追跡し、前記分散台帳がメンテナンス取引に対応する取引レコードを格納する、(234)のシステム。
(247)
前記予測メンテナンスプラットフォームが、前記少なくとも1つのデータキャプチャ装置による生データのキャプチャに応答して、新しいトランザクションレコードを生成する、(246)のシステム。
(248)
前記予測メンテナンスプラットフォームが、前記コンピュータビジョンシステムによる動作特性の検出を示すデータの生成に応答して、新たなトランザクションレコードを生成する、(246)のシステム。
(249)
前記予測メンテナンスプラットフォームが、前記動作特性または前記メンテナンス動作のうちの少なくとも1つに基づいて、前記産業用機械の動作に関連する可能性のある問題または現在の問題に類似した問題を検出するために、機械学習の側面を訓練する、(234)のシステム。
(250)
前記動作特性の検出を示すデータ、前記産業用機械の関心点の生データ、または前記1以上の画像データセットを含むトレーニングデータセットを使用して、前記機械学習の側面をトレーニングすることによって、
コンピュータビジョンシステムに関連付けられた機械学習の側面を訓練するために、動作特性の検出を示すデータを分析するインテリジェントシステムを含む視覚分析装置を
をさらに含む、(233)のシステム。
(251)
前記視覚解析器が、前記トレーニングデータセットを格納するトレーニングデータデータベースであって、前記視覚解析器が、前記トレーニングデータデータベースから前記トレーニングデータセットを取得することにより、前記コンピュータビジョンシステムに関連付けられた機械学習の側面をトレーニングすることを特徴とするトレーニングデータデータベースをさらに含む、(250)のシステム。
(252)
前記動作特性が、前記産業用機械の構成要素の振動を含む、(233)のシステム。
(253)
前記動作特性が、前記産業用機械の構成要素の形状を含む、(233)のシステム。
(254)
前記動作特性が、前記産業用機械の構成要素のサイズを含む、(233)のシステム。
(255)
前記動作特性が、前記産業用機械の構成要素のたわみを含む、(233)のシステム。
(256)
前記動作特性が、前記産業用機械の構成要素の電磁放射を含む、(233)のシステム。
(257)
動作特性が産業用機械の構成要素の温度を含む、(233)のシステム。
(258)
前記動作特性が、前記産業用機械の構成要素内のガスの温度を含む、(233)のシステム。
(259)
前記動作特性が、前記産業用機械の構成要素内の液体の温度を含む、(233)のシステム。
(260)
前記動作特性が、前記産業用機械の構成要素内の固体の温度を含む、(233)のシステム。
(261)
前記動作特性が産業用機械の構成要素内の圧力を含む、(233)のシステム。
(262)
前記動作特性が、前記産業用機械の構成要素内の気体の圧力を含む、(233)のシステム。
(263)
前記動作特性が、前記産業用機械の構成要素内の液体の圧力を含む、(233)のシステム。
(264)
前記動作特性が、前記産業用機械の構成要素内のガスの密度を含む、(233)のシステム。
(265)
前記動作特性が、前記産業用機械の構成要素内の液体の密度を含む、(233)のシステム。
(266)
前記動作特性が、前記産業用機械の構成要素内の固体の密度を含む、(233)のシステム。
(267)
前記動作特性が、前記産業用機械によって製造された部品の密度を含む、(233)のシステム。
(268)
前記構成要素が車両用部品を含む、(267)のシステム。
(269)
前記構成要素が自転車用の部品を含む、(267)のシステム。
(270)
前記構成要素が自転車チェーンを含む、(267)のシステム。
(271)
前記構成要素がガスケットを含む、(267)のシステム。
(272)
前記構成要素がファスナーを含む、(267)のシステム。
(273)
前記構成要素がネジのための部分を含む、(267)のシステム。
(274)
前記部品がボルト用の部品を含む、(267)のシステム。
(275)
前記部品がプリント回路基板用の部品を含む、(267)のシステム。
(276)
前記構成要素がコンデンサ用の部品を含む、(267)のシステム。
(277)
前記構成要素が抵抗器のための部分を含む、(267)のシステム。
(278)
前記構成要素がインダクタのための部分を含む、(267)のシステム。
(279)
前記動作特性が、産業用機械の構成要素内のガスの化学構造を含む、(233)のシステム。
(280)
前記動作特性が、前記産業用機械の構成要素内の液体の化学構造を含む、(233)のシステム。
(281)
前記動作特性が、前記産業用機械の構成要素内の固体の化学構造を含む、(233)のシステム。
(282)
前記動作特性が、前記産業用機械によって製造された部品の化学構造を含む、(233)のシステム。
(283)
前記構成要素が車両用部品を含む、(282)のシステム。
(284)
前記構成要素が自転車用の部品を含む、(282)のシステム。
(285)
前記構成要素が自転車チェーンを含む、(282)のシステム。
(286)
前記構成要素がガスケットを含む、(282)のシステム。
(287)
前記構成要素がファスナーを含む、(282)のシステム。
(288)
前記構成要素がネジ用の部分を含む、(282)のシステム。
(289)
前記部材がボルト用の部品を含む、(282)のシステム。
(290)
前記部品がプリント回路基板用の部品を含む、(282)のシステム。
(291)
(282)のシステムであって、前記部品がコンデンサのための部品を含む、システム。
(292)
前記構成要素が抵抗器のための部分を含む、(282)のシステム。
(293)
前記構成要素がインダクタのための部分を含む、(282)のシステム。
(294)
前記データキャプチャ装置が画像キャプチャ装置を含む、(233)のシステム。
(295)
前記データキャプチャ装置がカメラを含む、(233)のシステム。
(296)
前記データキャプチャ装置がデータ測定装置を含む、(233)のシステム。
(297)
前記データキャプチャ装置がセンサを含む、(233)のシステム。
(298)
前記データキャプチャ装置がフルスペクトルカメラを含む、(233)のシステム。
(299)
前記データキャプチャ装置が放射線撮像装置を含む、(233)のシステム。
(300)
前記データキャプチャ装置がX線撮像装置を含む、(233)のシステム。
(301)
前記データキャプチャ装置が非可視光データキャプチャ装置を含む、(233)のシステム。
(302)
前記データキャプチャ装置が可視光データキャプチャ装置を含む、(233)のシステム。
(303)
前記データキャプチャ装置が音波データキャプチャ装置を含む、(233)のシステム。
(304)
前記データキャプチャ装置が画像キャプチャ装置を含む、(233)のシステム。
(305)
前記データキャプチャ装置が光撮像装置、検出装置、測距装置を含む、(233)のシステム。
(306)
前記データキャプチャ装置が点群データキャプチャ装置を含む、(233)のシステム。
(307)
前記データキャプチャ装置が赤外線検査装置を含む、(233)のシステム。
(308)
前記データキャプチャ装置が画像キャプチャ装置を含む、(233)のシステム。
(309)
前記データキャプチャ装置が圧力センサを含む、(233)のシステム。
(310)
前記データキャプチャ装置が温度センサを含む、(233)のシステム。
(311)
前記データキャプチャ装置が化学センサを含む、(233)のシステム。
(312)
前記データキャプチャ装置がスタンドアロン装置を含む、(233)のシステム。
(313)
前記データキャプチャ装置がモバイル装置を含む、(233)のシステム。
(314)
前記モバイルデバイスがスマートフォンを含む、(313)のシステム。
(315)
前記モバイルデバイスがタブレットを含む、(313)のシステム。
(316)
前記生データが生画像データを含む、(233)のシステム。
(317)
前記生データが生の測定データを含む、(233)のシステム。
(318)
前記関心点内の前記産業用機械の部分が、前記産業用機械の構成要素を含む、(233)のシステム。
(319)
前記関心点内の前記産業用機械の部分が、前記産業用機械のベルトを含む、(233)のシステム。
(320)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された部品を含む、(233)のシステム。
(321)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された自転車チェーンを含む、(233)のシステム。
(322)
産業用機械の動作特性を検出する方法であって、
1つまたは複数のデータキャプチャ装置によってキャプチャされた生データを使用して、1つまたは複数の画像データセットを生成すること、
1つまたは複数の画像データセットによって表される関心のある点内の産業用機械の一部に対応する1つまたは複数の値を識別すること、
1つ以上の値を対応する予測値と比較すること、
1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、
分散データに基づいて産業用機械の動作特性を特定すること、および、
動作特性の検出を示すデータを生成すること、を含む方法。
(323)
動作特性が産業用機械の操作に関連する可能性のあるまたは現在の問題を表し、
動作特性を特定することに応答して実行するメンテナンス動作を特定することをさらに含み、メンテナンス動作は、産業用機械の動作に関連する可能性のあるまたは現在の問題を防止または解決するために取られる可能性のあるアクションを表す、(322)の方法。
(324)
前記動作特性の特定に応答して実行するメンテナンス動作を特定することは、
予測メンテナンスを使用して、動作特性に基づいて可能な問題または現在の問題を予測することを含む、(323)の方法であって、
(325)
メンテナンス動作を示す信号を生成すること、および、
メンテナンス動作を実行するための信号をサーバに送信すること、をさらに含む、(323)の方法。
(326)
メンテナンス動作を示す信号を生成すること、および、
前記移動ロボットに信号を送信して、前記移動ロボットにメンテナンス動作を行わせること、をさらに含む、(323)の方法。
(327)
前記予測メンテナンスを使用して、前記動作特性に基づいて可能性のある問題または現在の問題を予測することは、
動作特性に基づいて可能性のある問題または現在の問題の重要度を決定すること含み、重要度は動作特性の産業用機械への影響を表し、重要度は可能性のある問題または現在の問題を解決するための優先順位を示す、(323)の方法。
(328)
前記生データが、前記産業用機械の環境においてユーザによって着用されるウェアラブルデバイスから受信された指示に応答して取り込まれ、
メンテナンス動作を示す信号をウェアラブルデバイスに通信することにより、メンテナンス動作を実行することをユーザに指示することをさらに含む、(322)の方法。
(329)
前記生データが、前記産業用機械の環境に配置された移動データコレクタから受信した指示に応答して取り込まれ、
メンテナンス動作を示す信号を移動データコレクタに通信することで、メンテナンス動作を開始することをさらに含む、(322)の方法。
(330)
前記移動データコレクタが移動ロボットである、(329)の方法。
(331)
前記1以上のデータキャプチャ装置のうちの少なくとも1つがカメラを含むモバイル装置であり、
モバイルデバイスのカメラに生データを撮影させること、および、
前記モバイルデバイスから、前記生データを含む信号を、前記1つ以上の画像データセットを生成するために使用されるコンピュータビジョンシステムに送信すること、をさらに含む、(322)の方法。
(332)
動作特性が、産業用機械の構成要素の振動を含む、(322)の方法。
(333)
前記動作特性が、前記産業用機械の構成要素の形状を含む、(322)の方法。
(334)
前記動作特性が、前記産業用機械の構成要素のサイズを含む、(322)の方法。
(335)
前記動作特性が、前記産業用機械の構成要素の偏向を含む、(322)の方法。
(336)
前記動作特性が、前記産業用機械の構成要素の電磁放射を含む、(322)の方法。
(337)
前記動作特性が産業用機械の構成要素の温度を含む、(322)の方法。
(338)
前記動作特性が、産業用機械の構成要素内のガスの温度を含む、(322)の方法。
(339)
前記動作特性が、産業用機械の構成要素内の液体の温度を含む、(322)の方法。
(340)
前記動作特性が、産業用機械の構成要素内の固体の温度を含む、(322)の方法。
(341)
前記動作特性が、産業用機械の構成要素内の圧力を含む、(322)の方法。
(342)
前記動作特性が、前記産業用機械の構成要素内の気体の圧力を含む、(322)の方法。
(343)
前記動作特性が、前記産業用機械の構成要素内の液体の圧力を含む、(322)の方法。
(344)
前記動作特性が、前記産業用機械の構成要素内のガスの密度を含む、(322)の方法。
(345)
前記動作特性が、前記産業用機械の構成要素内の液体の密度を含む、(322)の方法。
(346)
前記動作特性が、前記産業用機械の構成要素内の固体の密度を含む、(322)の方法。
(347)
前記動作特性が、前記産業用機械によって製造された部品の密度を含む、(322)の方法。
(348)
前記部品が車両用部品を含む、(347)の方法。
(349)
前記構成要素が自転車用の部品を含む、(347)の方法。
(350)
前記構成要素が自転車チェーンを含む、(347)の方法。
(351)
前記構成要素がガスケットを含む、(347)の方法。
(352)
前記構成要素がファスナーを含む、(347)の方法。
(353)
前記部材がネジ用の部品を含む、(347)の方法。
(354)
前記部材がボルト用の部品を含む、(347)の方法。
(355)
前記部品がプリント回路基板用の部品を含む、(347)の方法。
(356)
前記部品がコンデンサのための部品を含む、(347)の方法。
(357)
前記部品が抵抗器のための部品を含む、(347)の方法。
(358)
前記部品がインダクタのための部品を含む、(347)の方法。
(359)
前記動作特性が、前記産業用機械の構成要素内のガスの化学構造を含む、(322)の方法。
(360)
前記動作特性が、前記産業用機械の構成要素内の液体の化学構造を含む、(322)の方法。
(361)
前記動作特性が、前記産業用機械の構成要素内の固体の化学構造を含む、(322)の方法。
(362)
前記動作特性が、前記産業用機械によって製造された部品の化学構造を含む、(322)の方法。
(363)
前記部品が車両用部品を含む、(362)の方法。
(364)
前記部品が自転車用の部品を含む、(362)の方法。
(365)
前記構成要素が自転車チェーンを含む、(362)の方法。
(366)
前記構成要素がガスケットを含む、(362)の方法。
(367)
前記構成要素がファスナーを含む、(362)の方法。
(368)
前記部材がネジ用の部品を含む、(362)の方法。
(369)
前記部材がボルト用の部品を含む、(362)の方法。
(370)
前記部品がプリント回路基板用の部品を含む、(362)の方法。
(371)
前記部品がコンデンサのための部品を含む、(362)の方法。
(372)
前記部品が抵抗器のための部品を含む、(362)の方法。
(373)
前記構成要素がインダクタのための部分を含む、(362)の方法。
(374)
前記データキャプチャ装置が画像キャプチャ装置を含む、(322)の方法。
(375)
前記データキャプチャ装置がカメラを含む、(322)の方法。
(376)
前記データキャプチャ装置がデータ測定装置を含む、(322)の方法。
(377)
前記データキャプチャ装置がセンサを含む、(322)の方法。
(378)
前記データキャプチャ装置がフルスペクトルカメラを含む、(322)の方法。
(379)
前記データキャプチャ装置が放射線撮像装置を含む、(3022)の方法。
(380)
前記データキャプチャ装置がX線撮像装置を含む、(322)の方法。
(381)
前記データキャプチャ装置が非可視光データキャプチャ装置を含む、(322)の方法。
(382)
前記データキャプチャ装置が可視光データキャプチャ装置を含む、(322)の方法。
(383)
前記データキャプチャ装置が音波データキャプチャ装置を含む、(322)の方法。
(384)
前記データキャプチャ装置が画像キャプチャ装置を含む、(322)の方法。
(385)
前記データキャプチャ装置が、光撮像装置、検出装置、測距装置を含む、(322)の方法。
(386)
前記データキャプチャ装置が点群データキャプチャ装置を含む、(322)の方法。
(387)
前記データキャプチャ装置が赤外線検査装置を含む、(322)の方法。
(388)
前記データキャプチャ装置が画像キャプチャ装置を含む、(322)の方法。
(389)
前記データキャプチャ装置が圧力センサを含む、(322)の方法。
(390)
前記データ取り込み装置が温度センサを含む、(322)の方法。
(391)
前記データキャプチャ装置が化学センサを含む、(322)の方法。
(392)
前記データキャプチャ装置がスタンドアロン装置を含む、(322)の方法。
(393)
前記データキャプチャ装置が、前記モバイルデバイスに関連付けられたものを含む、(322)の方法。
(394)
前記モバイルデバイスがスマートフォンを含む、(393)の方法。
(395)
前記モバイルデバイスがタブレットを含む、(393)の方法。
(396)
前記生データが生画像データを含む、(322)の方法。
(397)
前記生データが生の測定データを含む、(322)の方法。
(398)
前記関心点内の前記産業用機械の部分が、前記産業用機械の構成要素を含む、(322)の方法。
(399)
前記関心点内の前記産業用機械の部分が、前記産業用機械のベルトを含む、(322)の方法。
(400)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された部品を含む、(322)の方法。
(401)
前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された自転車チェーンを含む、(322)の方法。
(402)
産業用機械の動作特性を検出するためのシステムであって、
産業用機械の関心点の生データをキャプチャする少なくとも1つの画像データキャプチャ装置と、
前記キャプチャされた生データを使用して1つまたは複数の画像データセットを生成するコンピューティングデバイスであって、前記関心点に関連付けられた産業用機械の一部が前記1つまたは複数の画像データセット内で表現されているコンピューティングデバイスと、
前記1つ以上の画像データセットからの1つ以上の値を、対応する予測値と比較すること、
1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、
分散データに基づいて産業用機械の動作特性を特定すること、
動作特性が閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内であるかどうかを判定すること、
動作特性を示すトレーニングデータを生成すること、および、
トレーニングデータに応じて機械学習の側面を訓練すること、によって、
1以上の画像データセットに基づいて、コンピュータ装置に関連付けられた機械学習の側面を訓練するインテリジェントシステムと、を含むシステム。
(403)
前記インテリジェントシステムが、深層学習システムである、(402)のシステム。
(404)
前記インテリジェントシステムが、認知学習モジュール、人工知能モジュール、または機械学習モジュールのうちの1つ以上を含む、(402)のシステム。
(405)
前記トレーニングデータが、前記産業用機械に関連付けられた画像データと、前記産業用機械に関連付けられた非画像データとを含む、(402)のシステム。
(406)
前記トレーニングデータが、前記産業用機械に関連付けられた知識ベースに格納されている、(405)のシステム。
(407)
前記知識ベースが、前記インテリジェントシステムからの出力に基づいて更新される、(406)のシステム。
(408)
産業環境のターゲットの状態を識別するためにウェアラブルデバイスを使用する方法であって、
ウェアラブルデバイスの1つ以上のセンサを使用して、ターゲットの状態に関連した測定値をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。
(409)
ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、(408)の方法。
(410)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(409)の方法。
(411)
前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、(409)の方法。
(412)
前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、(409)の方法。
(413)
前記ウェアラブルデバイスが1つのセンサを含む、(408)の方法。
(414)
前記ウェアラブルデバイスが複数のセンサを含む、(408)の方法。
(415)
前記ウェアラブルデバイスが第1のウェアラブルデバイスであり、前記状態関連測定が第1の状態関連測定であり、
第2のウェアラブルデバイスを使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、(408)の方法。
(416)
前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、(415)の方法。
(417)
第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、(415)の方法。
(418)
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄することをさらに含む、(417)の方法。
(419)
前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新することをさらに含む、(417)の方法。
(420)
前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、ウェアラブルデバイスのオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、(419)の方法。
(421)
前記オンデバイスセンサ融合の側面がマルチプレクサである、(420)の方法。
(422)
前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
状態関連測定のレコードを制御するためにホスト処理システムを使用することを含む、(408)の方法。
(423)
前記ホスト処理システムがクラウドコンピューティングシステムに具現化されている、(422)の方法。
(424)
前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
状態に関連する測定のレコードを制御するためにネットワーク符号化システムを使用することを含む、(408)の方法。
(425)
前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
一定の間隔で1つ以上のセンサを使用して再コード化を繰り返すことを含む、(408)の方法。
(426)
状態関連測定をネットワークを介してサーバに送信することは、
データコレクタからウェアラブルデバイスにコマンドを送信すること、および、
前記ウェアラブルデバイスに、前記コマンドに応答して前記サーバに前記状態関連測定値を送信させること、を含む、(408)の方法。
(427)
前記データコレクタが、一定の間隔で前記コマンドを前記ウェアラブルデバイスに送信する、(426)の方法。
(428)
前記データコレクタが、前記コマンドをランダムに前記ウェアラブルデバイスに送信する、(426)の方法。
(429)
状態関連測定をネットワークを介してサーバに送信することは、
ウェアラブルデバイスにコマンドを送信するために、ウェアラブルデバイスに関連付けられた集合的処理マインドを使用すること、および、
前記ウェアラブルデバイスに、前記コマンドに応答して前記サーバに前記状態関連測定値を送信させること、を含む、(408)の方法。
(430)
前記ウェアラブルデバイスにコマンドを送信するために前記ウェアラブルデバイスに関連付けられた集合的処理マインドを使用することは、
ウェアラブルデバイスに関してターゲットの近接を検出するために、集合的処理マインドに関連付けられた検出器を使用すること、および
近接を検出することに応答して、コマンドをウェアラブルデバイスに送信すること、を含む、(408)の方法。
(431)
状態に関連した測定をデータプールに格納することをさらに含む、(408)の方法。
(432)
前記データプールを実装するために使用されるコンピューティングデバイスに、前記集合的処理マインドから状態関連測定の要求を送信するステップであって、前記要求は、前記集合的処理マインドが前記データプールから1つ以上の状態関連測定を要求した最後の時間を示すタイムスタンプを含むステップ、
状態関連測定がタイムスタンプの後にレコードされたかどうかを決定するステップ、および、
状態関連測定がタイムスタンプの後にレコードされたと判断することに応答して、状態関連測定をコンピューティングデバイスからサーバに送信するステップ、をさらに含む、(431)の方法。
(433)
状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、ウェアラブルデバイスからサーバに状態関連の測定値を送信することを含む、(408)の方法。
(434)
ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、(408)の方法。
(435)
前記ウェアラブルデバイスが、産業用ユニフォーム内に統合された複数のウェアラブルデバイスのうちの1つである、(408)の方法。
(436)
前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態に関連する測定値をレコードするように構成されたセンサを含む、(408)の方法。
(437)
前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態に関連する測定値をレコードするように構成されたセンサを含む、(408)の方法。
(438)
前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(408)の方法。
(439)
前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(408)の方法。
(440)
前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(408)の方法。
(441)
前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、(408)の方法。
(442)
前記衣類の物品がシャツである、(441)の方法。
(443)
前記衣類の物品がベストである、(441)の方法。
(444)
前記衣類の物品がジャケットである、(441)の方法。
(445)
前記衣類の物品がズボンである、(441)の方法。
(446)
前記衣類の物品がショーツである、(441)の方法。
(447)
前記衣類の物品が手袋である、(441)の方法。
(448)
前記衣類の物品が靴下である、(441)の方法。
(449)
前記衣類の物品が靴である、(441)の方法。
(450)
前記衣類の物品が保護アウターである、(441)の方法。
(451)
前記衣類の物品が下着である、(441)の方法。
(452)
前記衣類の物品がアンダーシャツである、(441)の方法。
(453)
前記衣類の物品がタンクトップである、(441)の方法。
(454)
前記ウェアラブルデバイスがアクセサリー物品内に組み込まれている、(408)の方法。
(455)
前記アクセサリー物品が帽子である、(454)の方法。
(456)
前記アクセサリー物品がヘルメットである、(454)の方法。
(457)
前記アクセサリー物品が眼鏡である、(454)の方法。
(458)
前記アクセサリー物品がゴーグルである、(454)の方法。
(459)
前記アクセサリー物品が視覚安全アクセサリーである、(454)の方法。
(460)
前記アクセサリー物品がマスクである、(454)の方法。
(461)
前記アクセサリー物品が胸部バンドである、(454)の方法。
(462)
前記アクセサリー物品がベルトである、(454)の方法。
(463)
前記アクセサリー物品がリフトサポートガーメントである、(454)の方法。
(464)
前記アクセサリー物品がアンテナである、(454)の方法。
(465)
前記アクセサリー物品がリストバンドである、(454)の方法。
(466)
前記アクセサリー物品がリングである、(454)の方法。
(467)
前記アクセサリー物品がネックレスである、(454)の方法。
(468)
前記アクセサリー物品がブレスレットである、(454)の方法。
(469)
前記アクセサリー物品が腕時計である、(454)の方法。
(470)
前記アクセサリー物品がブローチである、(454)の方法。
(471)
前記アクセサリー物品がネックストラップである、(454)の方法。
(472)
前記アクセサリー物品がバックパックである、(454)の方法。
(473)
前記アクセサリー物品がフロントパックである、(454)の方法。
(474)
前記アクセサリー物品がアームパックである、(454)の方法。
(475)
前記アクセサリー物品がレッグパックである、(454)の方法。
(476)
前記アクセサリー物品がランヤードである、(454)の方法。
(477)
前記アクセサリー物品がキーリングである、(454)の方法。
(478)
前記アクセサリー物品がヘッドホンである、(454)の方法。
(479)
前記アクセサリー物品が聴覚安全アクセサリーである、(454)の方法。
(480)
前記アクセサリー物品がイヤホンである、(454)の方法。
(481)
前記アクセサリー物品が耳かけである、(454)の方法。
(482)
前記ウェアラブルデバイスが、衣類の物品内に統合された第1のウェアラブルデバイスであり、前記アクセサリー物品内に統合された第2のウェアラブルデバイスを使用することを含む、(408)の方法。
(483)
前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記ウェアラブルデバイスと通信するカメラビジョンシステムによって制御される、(408)の方法。
(484)
産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1以上のセンサを含む第1のウェアラブルデバイスと、
第2のタイプの状態関連測定をレコードするように構成された1以上のセンサを含む第2のウェアラブルデバイスと、
前記第1のウェアラブルデバイスから第1のタイプの状態関連測定値を受信し、前記第2のウェアラブルデバイスから第2のタイプの状態関連測定値を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。
(485)
前記第1のウェアラブルデバイスと前記第2のウェアラブルデバイスとが、産業用ユニフォーム内に統合されている、(484)のシステム。
(486)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、(484)のシステム。
(487)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(484)のシステム。
(488)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(484)のシステム。
(489)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(484)のシステム。
(490)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(484)のシステム。
(491)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(484)のシステム。
(492)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(484)のシステム。
(493)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(484)のシステム。
(494)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(484)のシステム。
(495)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(484)のシステム。
(496)
前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、(484)のシステム。
(497)
前記第1のウェアラブルデバイスの1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1のウェアラブルデバイスと通信するカメラビジョンシステムによって制御される、(484)のシステム。
(498)
前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスの少なくとも一方にコマンドを送信する集合的処理マインドをさらに含む、(484)のシステム。
(499)
前記集合的処理マインドが、前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスのうちの少なくとも1つに関して前記ターゲットの近接を検出するための検出器を含む、(498)のシステム。
(500)
前記集合的処理マインドが、適応的スケジューリングを使用して、前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスのうちの少なくとも1つを使用して、前記ターゲットの連続的な監視を制御する、(498)のシステム。
(501)
前記インテリジェントシステムが、
前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、(484)のシステム。
(502)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(484)のシステム。
(503)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(484)のシステム。
(504)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(484)のシステム。
(505)
前記第1のウェアラブルデバイスが衣類の物品内に統合され、前記第2のウェアラブルデバイスがアクセサリー物品内に統合されている、(484)のシステム。
(506)
前記第1のウェアラブルデバイスが第1の衣類の物品内に統合され、前記第2のウェアラブルデバイスが第2の衣類の物品内に統合されている、(484)のシステム。
(507)
前記第1のウェアラブルデバイスが前記第1のアクセサリー物品内に統合され、前記第2のウェアラブルデバイスが前記第2のアクセサリー物品内に統合されている、(484)のシステム。
(508)
前記第1のウェアラブルデバイスが、衣類の物品内に組み込まれている、(484)のシステム。
(509)
前記衣類の物品がシャツである、(508)のシステム。
(510)
前記衣類の物品がベストである、(508)のシステム。
(511)
前記前記衣類の物品がジャケットである、(508)のシステム。
(512)
前記前記衣類の物品がズボンである、(508)のシステム。
(513)
前記前記衣類の物品がショーツである、(508)のシステム。
(514)
前記衣類の物品が手袋である、(508)のシステム。
(515)
前記衣類の物品が靴下である、(508)のシステム。
(516)
前記前記衣類の物品が靴である、(508)のシステム。
(517)
前記衣類の物品が保護アウターである、(508)のシステム。
(518)
前記衣類の物品が下着である、(508)のシステム。
(519)
前記衣類の物品がアンダーシャツである、(508)のシステム。
(520)
前記衣類の記事がタンクトップである、(508)のシステム。
(521)
前記第1のウェアラブルデバイスが、アクセサリー物品内に組み込まれている、(484)のシステム。
(522)
前記アクセサリー物品が帽子である、(521)のシステム。
(523)
前記アクセサリー物品がヘルメットである、(521)のシステム。
(524)
前記アクセサリー物品が眼鏡である、(521)のシステム。
(525)
前記アクセサリー物品がゴーグルである、(521)のシステム。
(526)
前記アクセサリー物品が視覚安全アクセサリーである、(521)のシステム。
(527)
前記アクセサリー物品がマスクである、(521)のシステム。
(528)
前記アクセサリー物品が胸部バンドである、(521)のシステム。
(529)
前記アクセサリー物品がベルトである、(521)のシステム。
(530)
前記アクセサリー物品がリフトサポートガーメントである、(521)のシステム。
(531)
前記アクセサリー物品がアンテナである、(521)のシステム。
(532)
前記アクセサリー物品がリストバンドである、(521)のシステム。
(533)
前記アクセサリー物品がリングである、(521)のシステム。
(534)
前記アクセサリー物品がネックレスである、(521)のシステム。
(535)
前記アクセサリー物品がブレスレットである、(521)のシステム。
(536)
前記アクセサリー物品が腕時計である、(521)のシステム。
(537)
前記アクセサリー物品がブローチである、(521)のシステム。
(538)
前記アクセサリー物品がネックストラップである、(521)のシステム。
(539)
前記アクセサリー物品がバックパックである、(521)のシステム。
(540)
前記アクセサリー物品がフロントパックである、(521)のシステム。
(541)
前記アクセサリー物品がアームパックである、(521)のシステム。
(542)
前記アクセサリー物品がレッグパックである、(521)のシステム。
(543)
前記アクセサリー物品がランヤードである、(521)のシステム。
(544)
前記アクセサリー物品がキーリングである、(521)のシステム。
(545)
前記アクセサリー物品がヘッドホンである、(521)のシステム。
(546)
前記アクセサリー物品が聴覚安全アクセサリーである、(521)のシステム。
(547)
前記アクセサリー物品がイヤホンである、(521)のシステム。
(548)
前記アクセサリー物品が耳かけである、(521)のシステム。
(549)
産業環境のターゲットの状態を識別するために移動データコレクタを使用する方法であって、
産業環境内のターゲットの位置に接近するように移動データコレクタを制御すること、
移動データコレクタの1つ以上のセンサを使用して、ターゲットの状態に関連した測定をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。
(550)
前記移動データコレクタが移動ロボットである、(549)の方法。
(551)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(550)の方法。
(552)
前記1つ以上のセンサが前記移動ロボットに結合されている、(550)の方法。
(553)
前記移動ロボットがロボットアームである、(550)の方法。
(554)
前記移動ロボットが人型ロボットである、(550)の方法。
(555)
前記移動ロボットが小型自律型ロボットである、(550)の方法。
(556)
前記移動ロボットが大型自律型ロボットである、(550)の方法。
(557)
前記移動ロボットが遠隔操作ロボットである、(550)の方法。
(558)
前記移動ロボットがプログラム可能に構成されたロボットである、(550)の方法。
(559)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(550)の方法。
(560)
前記1つ以上のセンサが前記移動ロボットに結合されている、(550)の方法。
(561)
前記移動データコレクタが移動車両である、(549)の方法。
(562)
前記移動車両が大型機械である、(559)の方法。
(563)
前記移動車両が、大型のオンロード産業車両である、(559)の方法。
(564)
前記移動車両が、大型のオフロード産業車両である、(559)の方法。
(565)
前記移動車両が産業用機械を含む、(559)の方法。
(566)
前記移動車両が、土工装置を含む、(559)の方法。
(567)
(559)の方法であって、前記移動車両が土留め装置を含む、方法。
(568)
移動車両が運搬装置を含む、(559)の方法。
(569)
(559)の方法であって、前記移動車両がホイスト装置を含む、方法。
(570)
移動車両が搬送装置を含む、(559)の方法。
(571)
移動車両が骨材生産装置を含む、(559)の方法。
(572)
(559)の方法であって、前記移動車両が、コンクリート建設に使用される装置を含む、方法。
(573)
前記移動車両がパイルドライビング装置を含む、(559)の方法。
(574)
前記移動車両が建設機械を含む、(559)の方法。
(575)
前記移動車両が人員輸送車両である、(559)の方法。
(576)
前記移動車両が無人車両である、(559)の方法。
(577)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(549)の方法。
(578)
前記移動データコレクタを制御して、前記産業環境内のターゲットの位置に接近するように制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、(577)の方法。
(579)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(578)の方法。
(580)
ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、(549)の方法。
(581)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(549)の方法。
(582)
前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、(549)の方法。
(583)
前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、(549)の方法。
(584)
前記移動データコレクタが1つのセンサを含む、(549)の方法。
(585)
前記移動データコレクタが複数のセンサを含む、(549)の方法。
(586)
前記移動データコレクタが第1の移動データコレクタであり、前記状態関連測定が第1の状態関連測定であり、
第2の移動データコレクタを使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、(549)の方法。
(587)
前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、(586)の方法。
(588)
第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、および、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、(586)の方法。
(589)
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄することをさらに含む、(588)の方法。
(590)
前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新することをさらに含む、(588)の方法。
(591)
前記第1の移動データコレクタが移動ロボットであり、前記第2の移動データコレクタが移動車両である、(586)の方法。
(592)
前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、移動データコレクタのオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、(549)の方法。
(593)
前記オンデバイスセンサ融合の側面がマルチプレクサである、(592)の方法。
(594)
状態関連測定をデータプールに格納することをさらに含む、(549)の方法。。
(595)
状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、移動データコレクタからサーバに状態関連の測定値を送信することを含む、(549)の方法。
(596)
ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、(549)の方法。
(597)
前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(598)
前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(599)
前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(600)
前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(601)
前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(549)の方法。
(602)
前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記移動データコレクタと通信しているカメラビジョンシステムによって制御される、(549)の方法。
(603)
産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第1の移動データコレクタと、
第2のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第2の移動データコレクタと、
第1の移動データコレクタから第1のタイプの状態関連測定を受信し、第2の移動データコレクタから第2のタイプの状態関連測定を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。
(604)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、(603)のシステム。
(605)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(603)のシステム。
(606)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(603)のシステム。
(607)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(603)のシステム。
(608)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(603)のシステム。
(609)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(603)のシステム。
(610)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(603)のシステム。
(611)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(603)のシステム。
(612)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(603)のシステム。
(613)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(603)のシステム。
(614)
前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、(603)のシステム。
(615)
前記第1の移動データコレクタの1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1の移動データコレクタと通信しているカメラビジョンシステムによって制御される、(603)のシステム。
(616)
インテリジェントシステムが、前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、(603)のシステム。
(617)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(603)のシステム。
(618)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(603)のシステム。
(619)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(603)のシステム。
(620)
前記第1の移動データコレクタが移動ロボットであり、前記第2の移動データコレクタが移動車両である、(603)のシステム。
(621)
前記第1の移動データコレクタが第1の移動ロボットであり、前記第2の移動データコレクタが第2の移動ロボットである、(603)のシステム。
(622)
前記第1の移動データコレクタが第1の移動車両であり、前記第2の移動データコレクタが第2の移動車両である、(603)のシステム。
(623)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタ内に統合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタ内に統合されている、(603)のシステム。
(624)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタ内に統合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタに結合されている、(603)のシステム。
(625)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタに結合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタ内に統合されている、(603)のシステム。
(626)
前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタに結合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタに結合されている、(603)のシステム。
(627)
前記第1の移動データコレクタが移動ロボットである、(603)のシステム。
(628)
前記移動ロボットがロボットアームである、(627)のシステム。
(629)
前記移動ロボットが人型ロボットである、(627)のシステム。
(630)
前記移動ロボットが小型自律型ロボットである、(627)のシステム。
(631)
前記移動ロボットが大型自律型ロボットである、(627)のシステム。
(632)
前記移動ロボットが遠隔制御ロボットである、(627)のシステム。
(633)
前記移動ロボットがプログラム可能に構成されたロボットである、(627)のシステム。
(634)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(627)のシステム。
(635)
前記1つ以上のセンサが前記移動ロボットに結合されている、(627)のシステム。
(636)
(603)のシステムであって、前記移動データコレクタが移動車両である、システム。
(637)
前記移動車両が大型機械である、(636)のシステム。
(638)
前記移動車両が大型オンロード産業車両である、(636)のシステム。
(639)
前記移動車両が大型オフロード産業車両である、(636)のシステム。
(640)
前記移動車両が産業用機械を含む、(636)のシステム。
(641)
前記移動車両が、土工装置を含む、(636)のシステム。
(642)
前記移動車両が土留め装置を含む、(636)のシステム。
(643)
前記移動車両が運搬装置を含む、(636)のシステム。
(644)
前記移動車両がホイスト装置を含む、(636)のシステム。
(645)
前記移動車両が搬送装置を含む、(636)のシステム。
(646)
前記移動車両が骨材生産装置を含む、(636)のシステム。
(647)
前記移動車両が、コンクリート建設に使用される装置を含む、(636)のシステム。
(648)
前記移動車両がパイルドライビング装置を含む、(636)のシステム。
(649)
前記移動車両が建設機械を含む、(636)のシステム。
(650)
前記移動車両が人員輸送車両である、(636)のシステム。
(651)
前記移動車両が無人車両である、(636)のシステム。
(652)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(603)のシステム。
(653)
前記移動データコレクタを制御して、前記産業環境内の前記ターゲットの位置に接近するように制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、(652)のシステム。
(654)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(653)のシステム。
(655)
携帯装置を使用して、産業環境のターゲットの状態を識別する方法であって、
携帯装置の1つ以上のセンサを使用して、ターゲットの状態に関連した測定値をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。
(656)
ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、(655)の方法。
(657)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(656)の方法。
(658)
前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、(656)の方法。
(659)
前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、(656)の方法。
(660)
前記携帯装置が1つのセンサを含む、(655)の方法。
(661)
前記携帯装置が複数のセンサを含む、(655)の方法。
(662)
前記携帯装置が第1の携帯装置であり、前記状態関連測定が第1の状態関連測定であり、前記携帯装置が前記第1の状態関連測定であり、
第2の携帯装置を使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、(655)の方法。
(663)
前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、(662)の方法。
(664)
第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、および、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、(662)の方法。
(665)
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄するステップをさらに含む、(664)の方法。
(666)
前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新するステップをさらに含む、(664)の方法。
(667)
前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、携帯装置のオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、(666)の方法。
(668)
前記オンデバイスセンサ融合の側面がマルチプレクサである、(667)の方法。
(669)
前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
状態関連測定のレコードを制御するためにホスト処理システムを使用することを含む、(655)の方法。
(670)
前記ホスト処理システムがクラウドコンピューティングシステムに具現化されている、(669)の方法。
(671)
前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
状態に関連する測定のレコードを制御するためにネットワーク符号化システムを使用することを含む、(655)の方法。
(672)
前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
一定の間隔で1つ以上のセンサを使用して再コード化を繰り返すことを含む、(655)の方法。
(673)
状態関連測定をネットワークを介してサーバに送信することは、
データコレクタから携帯装置にコマンドを送信すること、および、
携帯装置に、コマンドに応答してサーバに状態関連の測定値を送信させること、を含む、(655)の方法。
(674)
前記データコレクタが、一定の間隔で前記携帯装置にコマンドを送信する、(673)の方法。
(675)
前記データコレクタが、前記コマンドをランダムに前記携帯装置に送信する、(673)の方法。
(676)
状態関連測定をネットワークを介してサーバに送信することは、
携帯装置にコマンドを送信するために、携帯装置に関連付けられた集合的処理マインドを使用すること、および、
携帯装置に、コマンドに応答してサーバに状態関連の測定値を送信させること。
(677)
携帯装置にコマンドを送信するために携帯装置に関連付けられた集合的処理マインドを使用することは、
集合的処理マインドに関連付けられた検出器を使用して、携帯装置に対するターゲットの近接を検出すること、および
近接を検出することに応答して携帯装置にコマンドを送信すること、を含む、(655)の方法。
(678)
状態関連測定をデータプールに格納することをさらに含む、(655)の方法。
(679)
前記データプールを実装するために使用されるコンピューティングデバイスに、前記集合的処理マインドから状態関連測定の要求を送信するステップであって、前記要求は、前記集合的処理マインドが前記データプールから1つまたは複数の状態関連測定を要求した最後の時間を示すタイムスタンプを含むステップ。
状態関連測定がタイムスタンプの後にレコードされたかどうかを決定すること、および、
状態関連測定がタイムスタンプの後にレコードされたと判断することに応答して、状態関連測定をコンピューティングデバイスからサーバに送信すること、をさらに含む、(678)の方法。
(680)
状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、携帯装置からサーバに状態関連の測定値を送信することを含む、(655)の方法。
(681)
ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、(655)の方法。
(682)
前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(683)
前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(684)
前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(685)
前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(686)
前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、(655)の方法。
(687)
前記携帯装置が携帯電話である、(655)の方法。
(688)
前記携帯装置がラップトップコンピュータである、(655)の方法。
(689)
前記携帯装置がタブレットコンピュータである、(655)の方法。
(690)
前記携帯装置がパーソナルデジタルアシスタントである、(655)の方法。
(691)
前記携帯装置がトランシーバーである、(655)の方法。
(692)
前記携帯装置が無線機である、(655)の方法。
(693)
前記携帯装置が長距離通信デバイスである、(655)の方法。
(694)
前記携帯装置が近距離通信デバイスである、(655)の方法。
(695)
前記携帯装置が懐中電灯である、(655)の方法。
(696)
前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記携帯装置と通信しているカメラビジョンシステムによって制御される、(655)の方法。
(697)
産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第1の携帯装置と、
第2のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第2の携帯装置と、
前記第1の携帯装置から第1のタイプの状態関連測定を受信し、前記第2の携帯装置から第2のタイプの状態関連測定を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。
(698)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、(697)のシステム。
(699)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(697)のシステム。
(700)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(697)のシステム。
(701)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づくものであり、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づくものである、(697)のシステム。
(702)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、(697)のシステム。
(703)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(697)のシステム。
(704)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、(697)のシステム。
(705)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、(697)のシステム。
(706)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(697)のシステム。
(707)
前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、(697)のシステム。
(708)
前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、(697)のシステム。
(709)
前記第1の携帯装置の1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1の携帯装置と通信しているカメラビジョンシステムによって制御される、(697)のシステム。
(710)
前記第1の携帯装置または前記第2の携帯装置の少なくとも一方にコマンドを送信する集合的処理マインドをさらに含む、(697)のシステム。
(711)
前記集合的処理マインドが、前記第1の携帯装置または前記第2の携帯装置のうちの少なくとも1つに関して前記ターゲットの近接を検出するための検出器を含む、(710)のシステム。
(712)
前記集合的処理マインドが、適応的スケジューリングを使用して、第1の携帯装置または第2の携帯装置のうちの少なくとも1つを使用して、ターゲットの連続的な監視を制御する、(710)のシステム。
(713)
前記インテリジェントシステムが、前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、(697)のシステム。
(714)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(697)のシステム。
(715)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(697)のシステム。
(716)
前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、(697)のシステム。
(717)
前記携帯装置が携帯電話である、(697)のシステム。
(718)
前記携帯装置がラップトップコンピュータである、(697)のシステム。
(719)
前記携帯装置がタブレットコンピュータである、(697)のシステム。
(720)
前記携帯装置がパーソナルデジタルアシスタントである、(697)のシステム。
(721)
前記携帯装置がトランシーバーである、(697)のシステム。
(722)
前記携帯装置が無線機である、(697)のシステム。
(723)
前記携帯装置が長距離通信装置である、(697)のシステム。
(724)
前記携帯装置が近距離通信装置である、(697)のシステム。
(725)
前記携帯装置が懐中電灯である、(697)のシステム。
(726)
前記振動データを取得するために使用される少なくとも1つの振動センサを含むウェアラブルデバイスから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、
前記重大度単位に基づいて前記産業用機械の少なくとも一部のメンテナンス動作を実行するための信号を前記予測メンテナンス回路に生成すること、を含む方法。
(727)
前記ウェアラブルデバイスの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて前記振動データをキャプチャする、(726)の方法。
(728)
ウェアラブルデバイスを使用して、前記産業用機械が前記ウェアラブルデバイスに近接していることを検出すること、および、
前記ウェアラブルデバイスに前記産業用機械の前記ウェアラブルデバイスへの近接を検出することに応答して、前記ウェアラブルデバイスに振動データを取得させること、をさらに含む、(726)の方法。
(729)
前記ウェアラブルデバイスの少なくとも1つの振動センサを用いて、前記産業用機械の少なくとも一部の振動レベルの変化を検出すること、および
ウェアラブルデバイスを使用して、振動レベルの変化を検出することに応答して振動データをキャプチャすること、をさらに含む、(726)の方法。
(730)
前記ウェアラブルデバイスの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて、前記振動レベルの変化を検出する、(729)の方法。
(731)
前記信号を前記ウェアラブルデバイスに送信して、前記メンテナンス動作の実行を引き起こすことをさらに含む、(726)の方法。
(732)
決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングすること、によって決定された
セグメントに基づいて、キャプチャされた振動を重大度単位にマッピングすることを含む、(726)の方法。
(733)
振動が第1の重大度単位、第2の重大度単位、または第3の重大度単位にマッピングされるかどうかを決定するために、インテリジェントシステムを訓練することをさらに含む、(732)の方法。
(734)
前記重大度単位が、キャプチャされた振動データに基づいて、前記メンテナンス動作の前記産業用機械の少なくとも一部に対する影響を表す、(726)の方法。
(735)
撮像した振動データの処理により、撮像した振動データの振幅と重力を決定することをさらに含み、
キャプチャされた振動の重大度単位を計算することは、
決定されたセグメントと振幅または重力の少なくとも一方に基づいて重大度単位を計算することを含み、前記重大度単位は、周波数に依存しないキャプチャされた振動を表している、(726)の方法。
(736)
前記信号または前記メンテナンス動作のうちの少なくとも1つが、重大度単位に基づいて、前記少なくとも1つの振動センサを使用して更なる振動データの収集および分析のための周波数を増加または減少させることを示す、(726)の方法。
(737)
前記メンテナンス動作が、前記産業用機械の少なくとも一部分に対して、較正、診断テスト、または目視検査のうちの1つを実行することを示す、(726)の方法。
(738)
前記信号を前記産業用機械の構成要素に送信することをさらに含み、前記メンテナンス動作は、前記産業用機械の少なくとも一部を再調査することを指示し、前記産業用機械の構成要素は、前記信号を受信することに応答して前記メンテナンス動作を実行させる、(726)の方法。
(739)
前記ウェアラブルデバイスが、産業用プラットフォーム内に統合された複数のウェアラブルデバイスのうちの第1のウェアラブルデバイスである、(726)の方法。
(740)
前記複数のウェアラブルデバイスのうちの第2のウェアラブルデバイスが、温度センサを使用して前記産業用機械の温度をキャプチャし、前記信号が、重大度単位に基づいて、前記キャプチャされた温度に基づいて計算された第2の重大度単位に基づいて生成される、(739)の方法。
(741)
前記複数のウェアラブルデバイスの第3のウェアラブルデバイスが、電気センサを使用して産業用機械の電気出力または電気使用をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャした電気出力または電気使用に基づいて計算された第3の重大度単位に基づいて生成される、(739)の方法。
(742)
前記複数のウェアラブルデバイスのうちの第4のウェアラブルデバイスが、磁気センサを使用して産業用機械の電磁場のレベルまたは変化をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャされた電磁場のレベルまたは変化に基づいて計算された第4の重大度単位に基づいて生成される、(739)の方法。
(743)
前記複数のウェアラブルデバイスのうちの第5のウェアラブルデバイスが、音センサを用いて産業用機械から出力される音波をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャされた音波に基づいて計算された第5の重大度単位に基づいて生成される、(739)の方法。
(744)
前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、(726)の方法。
(745)
前記衣類の物品がシャツである、(744)の方法。
(746)
前記衣類の物品がベストである、(744)の方法。
(747)
前記衣類の物品がジャケットである、(744)の方法。
(748)
衣類の物品がズボンである、(744)の方法。
(749)
(744)の方法であって、前記衣類の物品がショーツである、方法。
(750)
前記衣類の物品が手袋である、(744)の方法。
(751)
衣類の物品が靴下である、(744)の方法。
(752)
前記衣類の物品が靴である、(744)の方法。
(753)
前記衣類の物品が保護アウターである、(744)の方法。
(754)
前記衣類の物品が下着である、(744)の方法。
(755)
前記衣類の物品がアンダーシャツである、(744)の方法。
(756)
前記衣類の物品がタンクトップである、(744)の方法。
(757)
前記ウェアラブルデバイスがアクセサリー物品内に組み込まれている、(726)の方法。
(758)
前記アクセサリー物品が帽子である、(757)の方法。
(759)
前記アクセサリー物品がヘルメットである、(757)の方法。
(760)
前記アクセサリー物品が眼鏡である、(757)の方法。
(761)
前記アクセサリー物品がゴーグルである、(757)の方法。
(762)
前記アクセサリー物品が視覚安全アクセサリーである、(757)の方法。
(763)
前記アクセサリー物品がマスクである、(757)の方法。
(764)
前記アクセサリー物品が胸部バンドである、(757)の方法。
(765)
前記アクセサリー物品がベルトである、(757)の方法。
(766)
前記アクセサリー物品がリフトサポートガーメントである、(757)の方法。
(767)
前記アクセサリー物品がアンテナである、(757)の方法。
(768)
前記アクセサリー物品がリストバンドである、(757)の方法。
(769)
前記アクセサリー物品がリングである、(757)の方法。
(770)
前記アクセサリー物品がネックレスである、(757)の方法。
(771)
前記アクセサリー物品がブレスレットである、(757)の方法。
(772)
前記アクセサリー物品が腕時計である、(757)の方法。
(773)
前記アクセサリー物品がブローチである、(757)の方法。
(774)
前記アクセサリー物品がネックストラップである、(757)の方法。
(775)
前記アクセサリー物品がバックパックである、(757)の方法。
(776)
前記アクセサリー物品がフロントパックである、(757)の方法。
(777)
前記アクセサリー物品がアームパックである、(757)の方法。
(778)
前記アクセサリー物品がレッグパックである、(757)の方法。
(779)
前記アクセサリー物品がランヤードである、(757)の方法。
(780)
前記アクセサリー物品がキーリングである、(757)の方法。
(781)
前記アクセサリー物品がヘッドホンである、(757)の方法。
(782)
前記アクセサリー物品が聴覚安全アクセサリーである、(757)の方法。
(783)
前記アクセサリー物品がイヤホンである、(757)の方法。
(784)
前記アクセサリー物品が耳かけである、(757)の方法。
(785)
前記ウェアラブルデバイスが、衣類の物品内に統合された第1のウェアラブルデバイスであり、前記方法はさらに、前記アクセサリー物品内に統合された第2のウェアラブルデバイスを使用することを含む、(726)の方法。
(786)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップを含み、さらに、
前記振動活動を代表する振動データを処理し、前記1つまたは複数の振動センサを用いて生成された振動データを処理することにより、タイミングに対する前記振動活動の重大度を決定すること、および、
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測すること、を含む方法。
(787)
前記振動活動を代表する振動データを処理し、1つ以上の振動センサを使用して生成された振動データを処理することにより、タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、(786)の方法。
(788)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすることを含む、(787)の方法。
(789)
前記移動データコレクタの少なくとも1つのメンテナンス動作を実行させることをさらに含む、(786)の方法。
(790)
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御すること、
移動データコレクタの1つまたは複数の振動センサに、振動活動の1つまたは複数の測定値をレコードさせること、および、
前記振動データが前記サーバで処理され、前記振動データが前記振動活動の重大度を決定する、ネットワークを介して前記サーバに前記振動データとして前記振動活動の1つ以上の測定値を送信すること、をさらに含む、(786)の方法。
(791)
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップは、前記産業用機械のための事前にレコードされたデータを、前記産業用環境に関連付けられた知識ベース内で識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定すること、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測すること、を含む、(790)の方法。
(792)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記1つ以上の振動センサが、前記移動データコレクタが産業用機械に近接しているときに前記振動活動を検出する、(786)の方法。
(793)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(786)の方法。
(794)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(786)の方法。
(795)
前記移動データコレクタが移動ロボットである、(786)の方法。
(796)
前記1つ以上のセンサが、前記移動ロボット内に統合されている、(795)の方法。
(797)
前記1つ以上のセンサが前記移動ロボットに結合されている、(795)の方法。
(798)
前記移動ロボットがロボットアームである、(795)の方法。
(799)
前記移動ロボットが人型ロボットである、(795)の方法。
(800)
前記移動ロボットが小型自律型ロボットである、(795)の方法。
(801)
前記移動ロボットが大型自律型ロボットである、(795)の方法。
(802)
前記移動ロボットが遠隔制御ロボットである、(795)の方法。
(803)
前記移動ロボットがプログラム可能に構成されたロボットである、(795)の方法。
(804)
前記移動データコレクタが移動車両である、(786)の方法。
(805)
前記1つ以上のセンサが前記移動車両内に統合されている、(804)の方法。
(806)
前記1つ以上のセンサが前記移動車両に結合されている、(804)の方法。
(807)
前記移動車両が大型機械である、(804)の方法。
(808)
前記移動車両が、大型のオンロード産業車両である、(804)の方法。
(809)
前記移動車両が、大型のオフロード産業車両である、(804)の方法。
(810)
前記移動車両が産業用機械を含む、(804)の方法。
(811)
前記移動車両が、土工装置を含む、(804)の方法。
(812)
前記移動車両が土留め装置を含む、(804)の方法。
(813)
前記移動車両が運搬装置を含む、(804)の方法。
(814)
前記移動車両がホイスト装置を含む、(804)の方法。
(815)
前記移動車両が搬送装置を含む、(804)の方法。
(816)
前記移動車両が骨材生産装置を含む、(804)の方法。
(817)
前記移動車両が、コンクリート建設に使用される装置を含む、(804)の方法。
(818)
前記移動車両がパイルドライビング装置を含む、(804)の方法。
(819)
前記移動車両が建設機械を含む、(804)の方法。
(820)
前記移動車両が人員輸送車両である、(804)の方法。
(821)
前記移動車両が無人車両である、(804)の方法。
(822)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(786)の方法。
(823)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、(822)の方法。
(824)
、前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(823)の方法であって
(825)
前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(822)の方法。
(826)
産業用機械予測メンテナンスシステムであって、
産業環境に配置された1つまたは複数の産業用機械の状態を代表する健全性監視データを収集するように構成された1つまたは複数の移動データコレクタを含む移動データコレクタ群と、
機械の故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答して産業用機械のサービス推奨事項を作成する産業用機械予測メンテナンス設備と、
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含む産業用機械予測メンテナンスシステム。
(827)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(826の産業用機械予測メンテナンスシステム。
(828)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(827の産業用機械予測メンテナンスシステム。
(829)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(828の産業用機械予測メンテナンスシステム。
(830)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(826の産業用機械予測メンテナンスシステム。
(831)
前記自己組織化システムが、健全性監視データに対する要求を1つ以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記健全性監視データを前記自己組織化システムに送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、(830の産業用機械予測メンテナンスシステム。
(832)
前記移動データコレクタが前記データ収集ルータに近接しているときに、前記1つまたは複数の移動データコレクタから健全性監視データを受信するデータ収集ルータであって、前記データ収集ルータが前記健全性監視データを前記産業用機械予測メンテナンス設備に送信するデータ収集ルータをさらに含む、(826の産業用機械予測メンテナンスシステム。
(833)
前記1つ以上の移動データコレクタが、前記健全性監視データを前記データ収集ルータにプッシュする、(832の産業用機械予測メンテナンスシステム。
(834)
前記データ収集ルータが、前記1つ以上の移動データコレクタから前記健全性監視データをプルする、(832の産業用機械予測メンテナンスシステム。
(835)
産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、(832の産業用機械予測メンテナンスシステム。
(836)
前記自己組織化システムが、前記1つ以上の移動データコレクタから前記データ収集ルータへの健全性監視データの通信を制御する、(835の産業用機械予測メンテナンスシステム。
(837)
前記1つ以上の移動データコレクタの各移動データコレクタが、1つ以上の統合センサを含む移動ロボット、1つ以上の結合センサを含む移動ロボット、1つ以上の統合センサを有する移動車両、または1つ以上の結合センサを有する移動車両のうちの1つである、(826の産業用機械予測メンテナンスシステム。
(838)
前記産業用機械予測メンテナンス設備が、健全性監視データに対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、(826の産業用機械予測メンテナンスシステム。
(839)
産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械からの測定値を収集する1つ以上のセンサから構成され、測定値は産業用機械の状態を代表するものである複数のウェアラブルデバイスと、
機械の故障検出および分類アルゴリズムを適用することにより、測定値に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含むシステム。
(840)
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、(839)のシステム。
(841)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(840)のシステム。
(842)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(841)のシステム。
(843)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから振動測定値を収集するように構成されたセンサを含む、(839)のシステム。
(844)
前記産業用ユニフォームの第2のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから温度測定値を収集するように構成されたセンサを含む、(839)のシステム。
(845)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから電気的測定値を収集するように構成されたセンサを含む、(839)のシステム。
(846)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから磁気測定値を収集するように構成されたセンサを含む、(839)のシステム。
(847)
前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから音の測定値を収集するように構成されたセンサを含む、(839)のシステム。
(848)
前記産業用ユニフォームの第1のウェアラブルデバイスが衣類の物品であり、前記産業用ユニフォームの第2のウェアラブルデバイスがアクセサリー物品である、(839)のシステム。
(849)
複数のウェアラブルデバイスによる1以上の産業用機械の測定値の収集を制御する集合的処理マインドをさらに含む、(839)のシステム。
(850)
前記集合的処理マインドが、前記産業用ユニフォームのウェアラブルデバイスに第1のコマンドを送信して、前記ウェアラブルデバイスの1つ以上のセンサに前記1つ以上の産業用機械の測定値を収集させ、前記集合的処理マインドが、前記ウェアラブルデバイスに第2のコマンドを送信して、前記ウェアラブルデバイスに前記測定値を前記集合的処理マインドに送信させる、(849)のシステム。
(851)
前記産業用機械予測メンテナンス設備が、測定値に対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、(839)のシステム。
(852)
産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械からの測定値を収集する1つ以上のセンサから構成され、測定値は産業用機械の状態を代表するものである複数のウェアラブルデバイスと、
機械故障検出および分類アルゴリズムを適用して、測定値に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含むシステム。
(853)
前記産業用機械予測メンテナンス設備が、測定値に対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、(852)のシステム。
(854)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(852)のシステム。
(855)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(854)のシステム。
(856)
CMMSが、特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュを含むブロックチェーンの第1のブロックを生成する、(855)のシステム。
(857)
前記CMMSが、前記特定の産業用機械に関する設置情報と前記第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成する、(856)のシステム。
(858)
前記CMMSが、前記特定の産業用機械に関する操作センサ情報と前記第2ブロックのハッシュとを有するブロックチェーンの第3ブロックを生成する、(857)のシステム。
(859)
前記CMMSが、特定の産業用機械に関するサービスイベント情報と前記第3ブロックのハッシュとを有するブロックチェーンの第4ブロックを生成する、(858)のシステム。
(860)
前記CMMSが、特定の産業用機械に関する部品およびサービスオーダー情報と、前記第4ブロックのハッシュとを有するブロックチェーンの第5ブロックを生成する、(859)のシステム。
(861)
CMMSが、特定の産業用機械に関する診断活動情報と第5ブロックのハッシュとを有するブロックチェーンの第6ブロックを生成する、(860)のシステム。
(862)
前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段とをさらに含む、(852)のシステム。
(863)
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムをさらに含む、(862)のシステム。
(864)
産業環境に配置された1つまたは複数の産業用機械の状態を代表する健全性監視データを収集するように構成された1つまたは複数の移動データコレクタを含む移動データコレクタ群と、
機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含むシステム。
(865)
前記産業用機械予測メンテナンス設備が、健全性監視データに対して計算された重大度単位に基づいて産業用機械サービス推奨事項を生成する、(864)のシステム。
(866)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(864)のシステム。
(867)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(866)のシステム。
(868)
前記CMMSが、特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュを含むブロックチェーンの第1ブロックを生成する、(867)のシステム。
(869)
前記CMMSが、前記特定の産業用機械に関する設置情報と前記第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成する、(868)のシステム。
(870)
前記CMMSが、前記特定の産業用機械に関する操作センサ情報と前記第2ブロックのハッシュとを有するブロックチェーンの第3ブロックを生成する、(869)のシステム。
(871)
CMMSが、特定の産業用機械に関するサービスイベント情報と第3ブロックのハッシュとを有するブロックチェーンの第4ブロックを生成する、(870)のシステム。
(872)
前記CMMSが、特定の産業用機械に関する部品およびサービスオーダー情報と、前記第4ブロックのハッシュとを有するブロックチェーンの第5ブロックを生成する、(871)のシステム。
(873)
前記CMMSが、前記特定の産業用機械に関する診断活動情報と前記第5ブロックのハッシュとを有する前記ブロックチェーンの第6ブロックを生成する、(872)のシステム。
(874)
前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段をさらに含む、(864)のシステム。
(875)
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムをさらに含む、(874)のシステム。
(876)
携帯装置の1つ以上の振動センサを使用して、産業用機械の少なくとも一部の測定された振動を表す振動データを生成すること、
前記振動データを1つ以上の重要度単位にマッピングすること、
重大度単位に基づいて産業用機械の少なくとも一部に実行すべきメンテナンス動作を決定することにより、産業用機械の予測メンテナンスのために重大度単位を使用すること、を含む方法。
(877)
前記振動データを1つ以上の重大度単位にマッピングすることは、
前記振動周波数スペクトルのローエンドニー閾値範囲以下に対応する周波数を有する振動データの一部を第1の重大度単位にマッピングすること、
前記振動データのうち、前記振動周波数スペクトルの中間領域に対応する周波数を有する部分を前記第2の重大度単位にマッピングすること、および、
前記振動データのうち、前記振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する周波数を有する部分を前記第3の重大度単位にマッピングすること、を含む、(876)の方法。
(878)
前記振動データの前記1つ以上の重大度単位へのマッピングが、前記携帯装置で実行される、(876)の方法。
(879)
前記振動データの1つ以上の重大度単位へのマッピングがサーバで実行され、前記方法はさらに、前記携帯装置から前記振動データを前記サーバに送信することを含む、(876)の方法。
(880)
前記携帯装置に関連付けられた集合的処理マインドを用いて、前記携帯装置が前記産業用機械に近接していることを検出すること、
前記携帯装置に振動データを生成させるための第1のコマンドを、前記集合的処理マインドから前記携帯装置に送信すること、
前記振動データを生成した後、前記集合的処理マインドから、前記携帯装置に前記振動データを前記集合的処理マインドに送信させるための第2のコマンドを送信すること、をさらに含む、(876)の方法。
(881)
前記携帯装置が携帯電話である、(876)の方法。
(882)
前記携帯装置がラップトップコンピュータである、(876)の方法。
(883)
前記携帯装置がタブレットコンピュータである、(876)の方法。
(884)
前記携帯装置がパーソナルデジタルアシスタントである、(876)の方法。
(885)
前記携帯装置がトランシーバーである、(876)の方法。
(886)
前記携帯装置が無線機である、(876)の方法。
(887)
前記携帯装置が長距離通信デバイスである、(876)の方法。
(888)
前記携帯装置が近距離通信デバイスである、(876)の方法。
(889)
前記携帯装置が懐中電灯である、(876)の方法。
(890)
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサを含む産業用機械と、
前記少なくとも1つの振動センサからキャプチャされた振動を収集して振動データを生成する移動データコレクタと、
キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、
振動の周波数および対応する振動周波数セグメントを受け取り、対応する振動周波数セグメントに対して定義された複数の重大度単位のうちの1つにマッピングされた重大度値を生成する重大度単位アルゴリズムと、
前記複数の重大度単位のうちの1つを受信し、それに基づいて、前記産業用機械の部分に対応するメンテナンス動作を実行するように前記予測メンテナンスサーバに信号を送る信号発生回路と、を含むシステム。
(891)
前記移動データコレクタが移動ロボットである、(890)のシステム。
(892)
前記移動データコレクタが移動車両である、(890)のシステム。
(893)
前記移動データコレクタが携帯装置である、(890)のシステム。
(894)
前記移動データコレクタがウェアラブルデバイスである、(890)のシステム。
(895)
前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて、前記振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(890)のシステム。
(896)
前記重大度単位アルゴリズムが、キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることは、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングこと、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、を含む、(895)のシステム。
(897)
分散台帳を使用して、産業用IoTデータの自動データ・マーケットプレイスで実行される1つ以上のトランザクションを追跡するステップであって、前記分散台帳は、1つ以上のデバイスに1つ以上のトランザクションを示すデータのためのストレージを分散させ、前記1つ以上のトランザクションを示すデータは、トランザクションレコードに対応するステップと、
1つまたは複数の移動データコレクタを使用して、産業用機械の状態を代表するセンサーデータを生成し、前記センサーデータは、前記機械の状態に関連する問題を解決するために使用されるサービスおよび部品の注文または要求の少なくとも1つを決定するために使用される、産業用機械の状態を代表するセンサーデータ生成方法と、を含み、
分散台帳に格納されたトランザクションレコードは、センサーデータ、産業用機械の状態、注文またはサービスおよび部品の要求のうちの少なくとも1つ、機械の状態に関連付けられた課題、またはトランザクションレコードを識別するために使用されるハッシュのうちの1つ以上を表す、方法。
(898)
前記分散台帳が、トランザクションレコードを格納するためにブロックチェーン構造を使用し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、(897)の方法。
(899)
前記ブロックチェーン構造を使用して前記トランザクションレコードを格納することは、
開始ブロックを生成することにより、特定の産業用機械のための産業用機械情報のブロックチェーンを開始すること、および
出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、診断活動のうち少なくとも1つのデータとブロックチェーン内で最も最近生成されたブロックのハッシュを組み合わせることにより、特定の産業用機械ブロックチェーンの後続ブロックを生成すること、を含む、(898)の方法。
(900)
前記各移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のうちの1つである、(897)の方法。
(901)
機械故障検出および分類アルゴリズムをセンサーデータに適用して、産業用機械のサービス推奨を作成すること、および、
前記産業用機械のサービス推奨に基づいて、前記注文又は前記サービス及び前記部品の要求のうち少なくとも1つを作成すること、をさらに含む、(897)の方法。
(902)
前記1以上の移動データコレクタが、コンピュータビジョンシステムを使用して、1以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することによりセンサーデータを生成し、ここで、前記画像セットデータが前記産業用機械サービス推薦を生成するために使用される、(901)の方法。
(903)
産業用機械と1つ以上の移動データコレクタを接続する産業用IoTネットワークであって、各移動データコレクタには、産業用機械の状態を示すセンサーデータを生成するための1つ以上のセンサが含まれ、各移動データコレクタには、産業用機械の状態を示すセンサーデータを生成するためのセンサが含まれている産業用IoTネットワークと、
IoTネットワークと通信しているサーバであって、前記サーバは、分散台帳を使用して前記産業用機械に関連するメンテナンストランザクションを追跡する予測メンテナンスプラットフォームを実装し、前記分散台帳は、前記メンテナンストランザクションに対応するトランザクションレコードを格納し、前記予測メンテナンスプラットフォームは、前記トランザクションレコードの少なくとも一部を1つ以上の移動データコレクタに配布するサーバと、を含むシステム。
(904)
分散台帳内のトランザクションレコードの保存を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(905)
産業用機械に関連するメンテナンスデータの保存を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(906)
IoTネットワークに関連するIoTデータのストレージを最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(907)
整備取引に関連する部品やサービスデータの保管を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(908)
産業用機械に関連付けられた知識ベースデータの保存を最適化する自己組織化ストレージシステムをさらに含む、(903)のシステム。
(909)
各移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のうちの1つである、(903)のシステム。
(910)
前記センサーデータに機械故障検出および分類アルゴリズムを適用して、条件に応じた産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備をさらに含む、(903)のシステム。
(911)
前記センサーデータに基づいて前記状態の重大度値を生成する重大度単位アルゴリズムであって、前記産業用機械サービス推奨が前記重大度値に基づいて生成される、重大度単位アルゴリズムをさらに含む、(910)のシステム。。
(912)
前記1つ以上の移動データコレクタの少なくとも1つが、コンピュータビジョンシステムを使用して、1つ以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することによりセンサーデータを生成し、画像セットデータが産業用機械サービス推薦を生成するために使用される、(910)のシステム。
(913)
移動データコレクタを使用して、産業用機械の状態を表すセンサーデータを生成すること、
センサーデータを解析して産業用機械の状態の重大度を決定すること、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス行動を予測すること、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納すること、を含む方法。
(914)
予測されたメンテナンス動作に関連して、メンテナンス動作を実行するために使用されるサービスおよび部品の注文または要求のうち少なくとも1つを生成すること、および、
トランザクションレコード内のサービスおよび部品の注文または要求の少なくとも1つを示すデータを含めること、をさらに含む、(913)の方法。
(915)
前記移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のいずれかである、(913)の方法。
(916)
産業用機械の条件を代表するデータに機械学習を適用することをさらに含み、
センサーデータを分析することによってセンサーデータの重大性を決定することは、
前記適用された機械学習を使用して、前記センサーデータにおいて測定された前記産業用機械の振動の周波数または速度の少なくとも一方に関連付けられた機械学習データに基づいて、前記センサーデータの重大度を決定することを含む、(913)の方法。
(917)
前記センサーデータを分析することによって前記産業用機械の状態の重大度を決定することは、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、を含む、(913)の方法。
(918)
前記状態の重大度に基づいて、前記産業用機械に対して実行するメンテナンス動作を予測することは、
予測メンテナンス回路の重大度単位に基づいて生成された信号を使用してメンテナンス行動を決定することを含む、(917)の方法。
(919)
前記台帳がブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれのための取引のレコードを追跡する、方法であって、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(913)の方法。
(920)
産業用機械予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性を示すデータに機械故障検出および分類アルゴリズムを適用して、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備と、を含む産業用機械予測メンテナンスシステム。
(921)
前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を生成しながら、前記産業用機械に実行するサービスを検証する、(920)の産業用機械予測メンテナンスシステム。
(922)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、(921)の産業用機械予測メンテナンスシステム。
(923)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービスオーダー、または診断活動のうち少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(922)の産業用機械予測メンテナンスシステム。
(924)
前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、(920)の産業用機械予測メンテナンスシステム。
(925)
前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、(920)の産業用機械予測メンテナンスシステム。
(926)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することによって、前記検出された振動について計算される、(925)の産業用機械予測メンテナンスシステム。
(927)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(926)の産業用機械予測メンテナンスシステム。
(928)
前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに前記第3の重大度単位にマッピングされる、(927)の産業用機械予測メンテナンスシステム。
(929)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、(925)の産業用機械予測メンテナンスシステム。
(930)
前記1つ以上のデータキャプチャ装置が、前記コンピュータビジョンシステムの外部にある、(920)の産業用機械予測メンテナンスシステム。
(931)
前記オーダーと前記サービス要求と前記部品の少なくとも1つを使用して、前記産業用機械のサービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタをさらに含む、(920)の産業用機械予測メンテナンスシステム。
(932)
前記サービス提供調整設備が、メンテナンス動作の実行を示す信号を移動データコレクタから受信する、(931)の産業用機械予測メンテナンスシステム。
(933)
前記サービスおよび提供調整設備が台帳を使用して産業用機械のサービス活動および結果をレコードし、前記サービスおよび提供調整設備が、前記移動データコレクタから受信した信号に基づいて、前記台帳内に新しいレコードを生成する、(932)の産業用機械予測メンテナンスシステム。
(934)
産業用機械の予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含むシステム。
(935)
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備をさらに含む、(934)の産業用機械予測メンテナンスシステム。
(936)
前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を作成しながら、前記産業用機械に実行するサービスを検証する、(935)の産業用機械予測メンテナンスシステム。
(937)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、(936)の産業用機械予測メンテナンスシステム。
(938)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(937)の産業用機械予測メンテナンスシステム。
(939)
前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、(934)の産業用機械予測メンテナンスシステム。
(940)
前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、(934)の産業用機械予測メンテナンスシステム。
(941)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することによって、前記検出された振動について計算される、(940)の産業用機械予測メンテナンスシステム。
(942)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重要度ユニットのうちの1つにマッピングすることによって決定され、前記重要度ユニットの各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(941)の産業用機械予測メンテナンスシステム。
(943)
前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記第3の重大度単位にマッピングされる、(942)の産業用機械予測メンテナンスシステム。
(944)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、(940)の産業用機械予測メンテナンスシステム。
(945)
前記1つ以上のデータキャプチャ装置が、前記コンピュータビジョンシステムの外部にある、(934)の産業用機械予測メンテナンスシステム。
(946)
前記オーダーと前記サービス要求と前記部品の少なくとも1つを使用して、前記産業用機械のサービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタをさらに含む、(934)の産業用機械予測メンテナンスシステム。
(947)
(946)の産業用機械予測メンテナンスシステムであって、前記サービスおよび提供調整設備が、メンテナンス動作の性能を示す信号を移動データコレクタから受信する、(946)の産業用機械予測メンテナンスシステム。
(948)
前記サービスおよび提供調整設備が台帳を使用して産業用機械のサービス活動および結果をレコードし、前記サービスおよび提供調整設備が、前記移動データコレクタから受信した信号に基づいて前記台帳内に新しいレコードを生成する、(947)の産業用機械予測メンテナンスシステム。
(949)
産業用機械予測メンテナンスシステムであって、前記移動データコレクタが移動車両である、(946)の産業用機械予測メンテナンスシステム。
(950)
前記移動データコレクタが移動ロボットである、(946)の産業用機械予測メンテナンスシステム。
(951)
前記移動データコレクタが携帯装置である、(946)の産業用機械予測メンテナンスシステム。
(952)
前記移動データコレクタがウェアラブルデバイスである、(946)の産業用機械予測メンテナンスシステム。
(953)
産業用機械予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
前記産業用機械の産業用機械サービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタと、を含む産業用機械予測メンテナンスシステム。
(954)
前記移動データコレクタが、前記移動データコレクタの群の1つの移動データコレクタである、産業用機械予測メンテナンスシステムと、
産業用機械を含む産業環境内で、前記移動データコレクタ群の移動データコレクタの動きを制御する移動データコレクタ群の自己組織化システムであって、前記移動データコレクタ群の移動データコレクタの動きを制御することを特徴とする移動データコレクタ群の自己組織化システムと、をさらに含む、(953)の産業用機械予測メンテナンスシステム。
(955)
前記産業用機械予測メンテナンス設備が、前記運転特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、前記産業用機械サービス推奨を生成する、(953)の産業用機械予測メンテナンスシステム。
(956)
前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、(953)の産業用機械予測メンテナンスシステム。
(957)
前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、(953)の産業用機械予測メンテナンスシステム。
(958)
前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することにより、前記検出された振動について計算される、(957)の産業用機械予測メンテナンスシステム。
(959)
前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、(958)の産業用機械予測メンテナンスシステム。
(960)
前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記第3の重大度単位にマッピングされる、(959)の産業用機械予測メンテナンスシステム。
(961)
前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または軽減するための推奨を含む、(957)の産業用機械予測メンテナンスシステム。
(962)
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含み、
前記移動データコレクタは、前記注文と前記サービスおよび部品の要求のうちの少なくとも1つを使用して、メンテナンス動作を実行する、(953)の産業用機械予測メンテナンスシステム。
(963)
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備をさらに含む、(962)の産業用機械予測メンテナンスシステム。
(964)
前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を作成しながら、前記産業用機械に実行するサービスを検証する、(963)の産業用機械予測メンテナンスシステム。
(965)
前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、(964)の産業用機械予測メンテナンスシステム。
(966)
前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(965)の産業用機械予測メンテナンスシステム。
(967)
産業用機械の予測メンテナンス方法であって、
移動データコレクタの1つ以上のセンサを使用して、産業用機械の状態を表すデータを生成すること、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨を示す信号を生成すること、を含む方法。
(968)
前記移動データコレクタが、データとして、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムを使用し、前記動作特性が前記産業用機械の状態に対応する、(967)の方法。
(969)
前記移動データコレクタが移動ロボットである、(967)の方法。
(970)
前記移動データコレクタが移動車両である、(967)の方法。
(971)
前記移動データコレクタが携帯装置である、(967)の方法。
(972)
前記移動データコレクタがウェアラブル装置である、(967)の方法。
(973)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(967)の方法。
(974)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(967)の方法。
(975)
前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(974)の方法。
(976)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(975)の方法。
(977)
産業用機械のサービス推奨に関連したメンテナンス動作を実行するように構成された移動ロボットに信号を送信することをさらに含む、(967)の方法。
(978)
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納することをさらに含む、(967)の方法。
(979)
前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、(978)の方法。
(980)
前記信号が、前記産業用機械サービス推奨に基づいて、前記注文または前記サービスおよび部品の要求の少なくとも1つを生成することをさらに含み、前記信号が、前記注文または前記サービスおよび部品の要求の少なくとも1つを示す、(967)の方法。
(981)
産業用機械の予測メンテナンス方法であって、
1つ以上のウェアラブルデバイスを使用して産業用機械の状態を表すデータを生成するステップであって、各ウェアラブルデバイスは1つ以上のセンサを含み、前記1つ以上のウェアラブルデバイスの1つのウェアラブルデバイスは、該ウェアラブルデバイスが前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(982)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(981)の方法。
(983)
前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(982)の方法。
(984)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(983)の方法。
(985)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(981)の方法。
(986)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(985)の方法。
(987)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(985)の方法。
(988)
インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(985)の方法。
(989)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(985)の方法。
(990)
インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(985)の方法。
(991)
インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(985)の方法。
(992)
インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(985)の方法。
(993)
前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨レコードを追跡し、各レコードがブロックチェーン構造のブロックとして格納されている、(981)の方法。
(994)
前記台帳に格納された前記産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(993)の方法。
(995)
前記1つ以上のウェアラブルデバイスが、産業用ユニフォーム内に統合されている、(981)の方法。
(996)
前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、(981)の方法。
(997)
前記衣類の物品がシャツである、(996)の方法。
(998)
前記衣類の物品がベストである、(996)の方法。
(999)
前記衣類の物品がジャケットである、(996)の方法。
(1000)
前記衣類の物品がズボンである、(996)の方法。
(1001)
前記衣類の物品がショーツである、(996)の方法。
(1002)
前記衣類の物品が手袋である、(996)の方法。
(1003)
衣類の物品が靴下である、(996)の方法。
(1004)
前記衣類の物品が靴である、(996)の方法。
(1005)
前記衣類の物品が保護アウターである、(996)の方法。
(1006)
前記衣類の物品が下着である、(996)の方法。
(1007)
前記衣類の物品がアンダーシャツである、(996)の方法。
(1008)
前記衣類の物品がタンクトップである、(996)の方法。
(1009)
前記ウェアラブルデバイスが、アクセサリー物品内に組み込まれている、(981)の方法。
(1010)
前記アクセサリー物品が帽子である、(1009)の方法。
(1011)
前記アクセサリー物品がヘルメットである、(1009)の方法。
(1012)
前記アクセサリー物品が眼鏡である、(1009)の方法。
(1013)
前記アクセサリー物品がゴーグルである、(1009)の方法。
(1014)
前記アクセサリー物品が視覚安全アクセサリーである、(1009)の方法。
(1015)
前記アクセサリー物品がマスクである、(1009)の方法。
(1016)
前記アクセサリー物品が胸部バンドである、(1009)の方法。
(1017)
前記アクセサリー物品がベルトである、(1009)の方法。
(1018)
前記アクセサリー物品がリフトサポートガーメントである、(1009)の方法。
(1019)
前記アクセサリー物品がアンテナである、(1009)の方法。
(1020)
前記アクセサリー物品がリストバンドである、(1009)の方法。
(1021)
前記アクセサリー物品がリングである、(1009)の方法。
(1022)
前記アクセサリー物品がネックレスである、(1009)の方法。
(1023)
前記アクセサリー物品がブレスレットである、(1009)の方法。
(1024)
前記アクセサリー物品が腕時計である、(1009)の方法。
(1025)
前記アクセサリー物品がブローチである、(1009)の方法。
(1026)
前記アクセサリー物品がネックストラップである、(1009)の方法。
(1027)
前記アクセサリー物品がリュックサックである、(1009)の方法。
(1028)
前記アクセサリー物品がフロントパックである、(1009)の方法。
(1029)
前記アクセサリー物品がアームパックである、(1009)の方法。
(1030)
前記アクセサリー物品がレッグパックである、(1009)の方法。
(1031)
前記アクセサリー物品がランヤードである、(1009)の方法。
(1032)
前記アクセサリー物品がキーリングである、(1009)の方法。
(1033)
前記アクセサリー物品がヘッドホンである、(1009)の方法。
(1034)
前記アクセサリー物品が聴覚安全アクセサリーである、(1009)の方法。
(1035)
前記アクセサリー物品がイヤホンである、(1009)の方法。
(1036)
前記アクセサリー物品が耳かけである、(1009)の方法。
(1037)
産業用機械の予測メンテナンス方法であって、
1つ以上の携帯装置を使用して産業用機械の状態を表すデータを生成するステップであって、各携帯装置は1つ以上のセンサを含み、前記1つ以上の携帯装置のうちの1つの携帯装置は、該携帯装置が前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(1038)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1037)の方法。
(1039)
前記重大度が重大度単位に対応し、前記検出された振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1038)の方法。
(1040)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1039)の方法。
(1041)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(1037)の方法。
(1042)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(1041)の方法。
(1043)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(1041)の方法。
(1044)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(1041)の方法。
(1045)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(1041)の方法。
(1046)
前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(1041)の方法。
(1047)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(1041)の方法。
(1048)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(1041)の方法。
(1049)
台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、(1037)の方法。
(1050)
前記台帳に格納された産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(1049)の方法。
(1051)
前記携帯装置が携帯電話である、(1037)の方法。
(1052)
前記携帯装置がラップトップコンピュータである、(1037)の方法。
(1053)
前記携帯装置がタブレットコンピュータである、(1037)の方法。
(1054)
前記携帯装置がパーソナルデジタルアシスタントである、(1037)の方法。
(1055)
前記携帯装置がトランシーバーである、(1037)の方法。
(1056)
前記携帯装置が無線機である、(1037)の方法。
(1057)
前記携帯装置が長距離通信デバイスである、(1037)の方法。
(1058)
前記携帯装置が近距離通信デバイスである、(1037)の方法。
(1059)
前記携帯装置が懐中電灯である、(1037)の方法。
(1060)
産業用機械の予測メンテナンス方法であって、
1つ以上の移動ロボットを使用して産業用機械の状態を表すデータを生成するステップであって、各移動ロボットは1つ以上のセンサを含み、前記1つ以上の移動ロボットのうちの1つの移動ロボットは、該移動ロボットが前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(1061)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1060)の方法。
(1062)
前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて、複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1061)の方法。
(1063)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1062)の方法。
(1064)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(1060)の方法。
(1065)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(1064)の方法。
(1066)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(1064)の方法。
(1067)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(1064)の方法。
(1068)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィック処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(1064)の方法。
(1069)
前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(1064)の方法。
(1070)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(1064)の方法。
(1071)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(1064)の方法。
(1072)
台帳がブロックチェーン構造を使用して産業用機械のサービス推奨レコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納されている、(1060)の方法。
(1073)
前記台帳に格納された産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(1072)の方法。
(1074)
前記移動ロボットが、前記移動データコレクタ群の複数の移動ロボットのうちの1つである、(1060方法。
(1075)
移動ロボットが産業環境内の産業用機械の位置に接近するように移動データコレクタ群を制御することをさらに含む、(1074)の方法。
(1076)
前記移動ロボットが産業環境内の産業用機械の位置に接近するように前記移動データコレクタ群を制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動ロボットの位置に基づいて、産業環境内の移動ロボットの動きを制御することを含む、(1075)の方法。
(1077)
前記移動ロボットがロボットアームである、(1060)の方法。
(1078)
前記移動ロボットが人型ロボットである、(1060)の方法。
(1079)
前記移動ロボットが小型自律型ロボットである、(1060)の方法。
(1080)
前記移動ロボットが大型自律型ロボットである、(1060)の方法。
(1081)
前記移動ロボットが遠隔制御ロボットである、(1060)の方法。
(1082)
前記移動ロボットがプログラム可能に構成されたロボットである、(1060)の方法。
(1083)
産業用機械の予測メンテナンス方法であって、
1つ以上の移動車両を使用して産業用機械の状態を表すデータを生成するステップであって、各移動車両は1つ以上のセンサを含み、前記1つ以上の移動車両のうちの1つの移動車両は、該移動車両が前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。
(1084)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1083)の方法。
(1085)
前記重大度が重大度単位に対応しており、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて、複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1084)の方法。
(1086)
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1085)の方法。
(1087)
前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、(1083)の方法。
(1088)
前記インテリジェントシステムが、YOLOニューラルネットワークを含む、(1087)の方法。
(1089)
前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、(1087)の方法。
(1090)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、(1087)の方法。
(1091)
前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、(1087)の方法。
(1092)
前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、(1087)の方法。
(1093)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、(1087)の方法。
(1094)
前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、(1087)の方法。
(1095)
前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、(1083)の方法。
(1096)
前記台帳に格納された前記産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、(1095)の方法。
(1097)
前記移動車両が、前記移動車両データコレクタ群の複数の移動車両のうちの1つである、(1083)の方法。
(1098)
前記移動車両が前記産業環境内の前記産業用機械の位置に接近するように前記移動車両を制御すること、をさらに含む、(1097)の方法。
(1099)
前記移動車両を制御して、前記移動車両が前記産業環境内の産業用機械の位置に接近するように前記移動車両を引き起こすことは、、
移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動車両の位置に基づいて、産業環境内の移動車両の動きを制御することを含む、(1098)の方法。
(1100)
前記移動車両が、大型機械である、(1083)の方法。
(1101)
前記移動車両が、重量物のオンロード産業車両である、(1083)の方法。
(1102)
前記移動車両が大型オフロード産業車両である、(1083)の方法。
(1103)
前記移動車両が産業用機械を含む、(1083)の方法。
(1104)
前記移動車両が、土工装置を含む、(1083)の方法。
(1105)
前記移動車両が土留め装置を含む、(1083)の方法。
(1106)
前記移動車両が運搬装置を含む、(1083)の方法。
(1107)
前記移動車両がホイスト装置を含む、(1083)の方法。
(1108)
前記移動車両が搬送装置を含む、(1083)の方法。
(1109)
前記移動車両が骨材製造装置を含む、(1083)の方法。
(1110)
前記移動車両が、コンクリート建設に使用される装置を含む、(1083)の方法。
(1111)
前記移動車両がパイルドライビング装置を含む、(1083)の方法。
(1112)
前記移動車両が建設機械を含む、(1083)の方法。
(1113)
前記移動車両が人員輸送車両である、(1083)の方法。
(1114)
前記移動車両が無人車両である、(1083)の方法。
(1115)
画像データまたは非画像データの少なくとも一方を含むトレーニングデータセットを用いて、産業用機械の状態を検出するためのコンピュータビジョンシステムの訓練を行うステップ、
訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、産業用機械の状態を検出するステップ、
検出された状態の重大度値を決定するステップであって、重大度は、検出された状態が産業用機械に与える影響を表すステップ、
重大度値に基づいて、産業用機械の検出された状態に関連する問題を解決するために使用するサービスおよび部品の注文または要求のうちの少なくとも1つを生成するステップ、および、
前記産業用機械の検出された状態に関連する課題のレコードを、前記産業用機械に関連付けられた台帳内に格納するステップ、を含む方法。
(1116)
前記1つ以上のデータキャプチャ装置が、放射線撮像装置、音波キャプチャ装置、LIDAR装置、点群キャプチャ装置、または赤外線検査装置を含む、(1115)の方法。
(1117)
前記検出された状態が、前記産業用機械の振動特性に基づいて検出される、(1115)の方法。
(1118)
前記検出された状態が、前記産業用機械の圧力特性に基づいて検出される、(1115)の方法。
(1119)
前記検出された状態が、前記産業用機械の温度特性に基づいて検出される、(1115)の方法。
(1120)
前記検出された状態が、前記産業用機械の化学的特性に基づいて検出される、(1115)の方法。
(1121)
前記コンピュータビジョンシステムが、画像データまたは非画像データの少なくとも一方を含むトレーニングデータセットを用いて、産業用機械の状態を検出するための訓練を行うことは、
画像データまたは非画像データの少なくとも一方から特徴を検出するために、深層学習システムを使用すること、および、
検出された特徴量を使用して、検出された特徴量の特性に基づいて、アウトカムフィードバックに基づいて、産業用機械の状態を検出するための学習を行うための分類モデルを訓練すること、を含む、(1115)の方法。
(1122)
前記結果フィードバックが、前記産業用機械、前記産業用機械を使用するためのプロセス、または前記産業用機械を含む設備のメンテナンス、修理、稼働時間、ダウンタイム、収益性、効率性、または運用の最適化のうちの少なくとも1つに関連する、(1121)の方法。
(1123)
前記訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、前記産業用機械の状態を検出することは、
前記部品認識を使用して、前記検出された状態に関連する問題につながる産業用機械の1つ以上の部品を識別するステップであって、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つが、前記1つ以上の部品の交換部品のためのものである場合に、前記部品認識を使用して、前記1つ以上の部品を識別するステップを含む、(1115)の方法。
(1124)
前記注文または前記サービス要求および部品要求のうちの少なくとも1つは、重大度値が閾値を満たさない場合に生成されない、(1123)の方法。
(1125)
検出された状態、サービスおよび部品の注文または要求の少なくとも1つ、または台帳に格納されたレコードのうちの少なくとも1つに応じて、予測メンテナンス知識ベースを更新するために予測メンテナンス知識システムを使用することをさらに含む、(1115)の方法。
(1126)
産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)であって、生成された注文またはサービスおよび部品の要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システムと、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示する移動データコレクタと、を含むシステム。
(1127)
移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1126)のシステム。
(1128)
移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1126)のシステム。
(1129)
サービス及び部品の注文又は要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって産業用機械のサービス活動及び結果の台帳を作成しながら実行されたサービスを検証するサービス及び提供調整設備をさらに含む、(1126)のシステム。
(1130)
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、(1129)のシステム。
(1131)
前記台帳がブロックチェーン構造を使用して、前記注文と前記サービス要求と前記部品要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納されている、(1129)のシステム。
(1132)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、(1131)のシステム。
(1133)
産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、前記生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または前記サービスおよび部品の注文または要求の少なくとも1つを生産したことを示す移動データコレクタと、
サービス及び部品の注文又は要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって産業用機械のサービス活動及び結果の台帳を作成しながら実行されたサービスを検証するサービス及び提供調整設備と、を含むシステム。
(1134)
移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1133)のシステム。
(1135)
移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1133)のシステム。
(1136)
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、(1133)のシステム。。
(1137)
前記台帳がブロックチェーン構造を使用して、前記注文と前記サービス要求と前記部品要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、(1133)のシステム。
(1138)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、(1137)のシステム。
(1139)
産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、前記生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または前記サービスおよび部品の注文または要求の少なくとも1つを生産したことを示す移動データコレクタと
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタと、を含み、
前記台帳は、ブロックチェーン構造を使用して、注文とサービスと部品の要求の少なくとも1つのそれぞれのためのトランザクションのレコードを追跡し、各レコードは、ブロックチェーン構造のブロックとして格納されている、システム。
(1140)
移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1139)のシステム。
(1141)
移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、(1139)のシステム。
(1142)
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、(1139)のシステム。。
(1143)
前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、後続のブロックを生成する、(1139)のシステム。
(1144)
産業用機械の故障検出および分類アルゴリズムを適用して、産業用機械の健全性監視データに基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備をさらに含む、(1139)のシステム。。
(1145)
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備をさらに含む、(1144)のシステム。。
(1146)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップ、
動作特性を示すデータをネットワークを介してサーバに送信するステップ、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理することは、前記産業用機械を含む産業環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
産業用機械の条件として、知識ベース内の産業用機械の予めレコードされたデータが示す特性を特定するステップ、
状態の重大度を決定するステップであって、その重大度は産業用機械への状態の影響を表すステップ、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス行動を予測するステップ、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納するステップ、を含む方法。
(1147)
前記移動データコレクタが移動ロボットである、(1146)の方法。
(1148)
前記移動データコレクタが移動車両である、(1146)の方法。
(1149)
前記移動データコレクタが携帯装置である、(1146)の方法。
(1150)
前記移動データコレクタがウェアラブル装置である、(1146)の方法。
(1151)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記状態の重大度を決定することは、
前記状態の重大度を決定すること、
振動の周波数を決定すること、
前記振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、(1146)の方法。
(1152)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1151)の方法。
(1153)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1152)の方法。
(1154)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造内のブロックとして格納される、(1146)の方法。
(1155)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された温度に関連している、(1146)の方法。
(1156)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された電気出力に関連している、(1146)の方法。
(1157)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された磁気出力に関連している、(1146)の方法。
(1158)
前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された音の出力に関連している、(1146)の方法。
(1159)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップ、
動作特性を示すデータをネットワークを介してサーバに送信するステップ、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理することは、前記産業用機械を含む産業環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記産業用機械の状態として、前記知識ベース内の前記産業用機械について予めレコードされたデータによって示される、前記産業用機械の少なくとも一部について検出された振動に関連する特性を特定するステップ、
前記状態の重大度を決定するステップであって、前記重大度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記状態が前記産業用機械に与える影響を表すものであり、前記重大度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて決定されるステップ、および、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、を含む方法。
(1160)
前記移動データコレクタが移動ロボットである、(1159)の方法。
(1161)
前記移動データコレクタが移動車両である、(1159)の方法。
(1162)
前記移動データコレクタが携帯装置である、(1159)の方法。
(1163)
前記移動データコレクタがウェアラブル装置である、(1159)の方法。
(1164)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1159)の方法。
(1165)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1164)の方法。
(1166)
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することをさらに含む、(1159)の方法。
(1167)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、(1166)の方法。
(1168)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
前記動作特性の重要度を決定するステップであって、前記重要度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記動作特性が前記産業用機械に与える影響を表すものであり、前記重要度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて決定されるステップ、
動作特性の重要度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、を含む方法。
(1169)
前記移動データコレクタが移動ロボットである、(1168)の方法。
(1170)
前記移動データコレクタが移動車両である、(1168)の方法。
(1171)
前記移動データコレクタが携帯装置である、(1168)の方法。
(1172)
前記移動データコレクタがウェアラブル装置である、(1168)の方法。
(1173)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1168)の方法。
(1174)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1173)の方法。
(1175)
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することをさらに含む、(1168)の方法。
。
(1176)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されるメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、(1175)の方法。
(1177)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
前記動作特性の重要度を決定するステップであって、前記重要度は、前記動作特性が産業用機械に与える影響を表すものであり、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記重要度を決定するステップ、
動作特性の重大性に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納するステップ、を含む方法。
(1178)
前記移動データコレクタが移動ロボットである、(1177)の方法。
(1179)
前記移動データコレクタが移動車両である、(1177)の方法。
(1180)
前記移動データコレクタが携帯装置である、(1177)の方法。
(1181)
前記移動データコレクタがウェアラブル装置である、(1177)の方法。
(1182)
前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、(1177)の方法。
(1183)
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、(1182)の方法。
(1184)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡する、方法であって、前記トランザクションレコードの各々がブロックチェーン構造のブロックとして格納されている、(1177)の方法。
(1185)
移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
動作特性の重要度を決定するステップであって、前記重要度は、振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、産業用機械に対する動作特性の影響を表すものであり、前記重要度は重要度単位に対応し、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動を複数の重要度単位のうちの1つにマッピングすることによって決定され、前記重要度単位の各々は、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、ステップ、
動作特性の重大性に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、および、
産業用機械に関連付けられたサービス活動の台帳内に予測されたメンテナンス動作のトランザクションレコードを格納するステップであって、前記台帳は、ブロックチェーン構造を使用して、前記産業用機械の予測されたメンテナンス動作のトランザクションレコードを追跡し、前記トランザクションレコードの各々は、前記ブロックチェーン構造内のブロックとして格納されるステップ、を含む方法。
(1186)
前記移動データコレクタが移動ロボットである、(1185)の方法。
(1187)
前記移動データコレクタが移動車両である、(1185)の方法。
(1188)
前記移動データコレクタが携帯装置である、(1185)の方法。
(1189)
前記移動データコレクタがウェアラブル装置である、(1185)の方法。
(1190)
前記動作特性の重大度を決定することは、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、を含む、と(1185)の方法。
(1191)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップ、
前記サーバにおいて、前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、および、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、を含む方法。
(1192)
前記振動データを処理することにより、前記タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、(1191)の方法。
(1193)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、(1192)の方法。
(1194)
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、(1191)の方法。
(1195)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、前記1つ以上の振動センサが前記振動活動を検出する、(1191)の方法。
(1196)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(1191)の方法。
(1197)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(1191)の方法。
(1198)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(1191)の方法。
(1199)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、(1198)の方法。
(1200)
(1199)の方法であって、前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、方法。
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御すること
(1201)
(1198)の方法であって、前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(1198)の方法。
(1202)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理して振動活動の周波数を決定するステップ、
前記サーバにおいて、周波数に基づいて、振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定するステップ、
前記サーバにおいて、前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を計算するステップ、
前記サーバにおいて、重大度単位に基づいて、産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、および、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、を含む方法。
(1203)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、(1202)の方法。
(1204)
前記重要度単位に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、(1202)の方法。
(1205)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、1つ以上の振動センサが前記振動活動を検出する、(1202)の方法。
(1206)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(1202)の方法。
(1207)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(1202)の方法。
(1208)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(1202)の方法。
(1209)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、(1208)の方法。
(1210)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(1209)の方法。
(1211)
前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(1208)の方法。
(1212)
産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップ、
前記サーバにおいて、前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、および、
予測されたメンテナンス動作のレコードを産業用機械に関連付けられた台帳に格納するステップ、を含む方法。
(1213)
前記振動データを処理することにより、前記タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、(1212)の方法。
(1214)
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、(1213)の方法。
(1215)
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、(1212)の方法。
(1216)
前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、1つ以上の振動センサが前記振動活動を検出する、(1212)の方法。
(1217)
前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、(1212)の方法。
(1218)
前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、(1212)の方法。
(1219)
前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、(1212)の方法。
(1220)
産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、 (1219)の方法。
(1221)
前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、(1220)の方法。
(1222)
前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、(1219)の方法。
(1223)
前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々がブロックチェーン構造のブロックとして格納されている、(1222)の方法。
Claims (1223)
- 産業用機械予測メンテナンスシステムであって、
データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して、産業用機械の健全性監視データのストリームを生成する産業用機械データ分析設備と、
機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含む産業用機械予測メンテナンスシステム。 - 前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段とをさらに含む、請求項1の産業用機械予測メンテナンスシステム。
- 類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムと、をさらに含む、請求項2の産業用機械予測メンテナンスシステム。
- 前記サービス提供調整設備が、前記個々の産業用機械の各々についてのサービス活動および結果の台帳を作成しながら、前記個々の産業用機械に対して実行すべきサービスを検証する、請求項1の産業用機械予測メンテナンスシステム。
- 前記台帳が、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡するためにブロックチェーン構造を使用し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、請求項1の産業用機械予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうち少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることにより、台帳の後続ブロックを生成する、請求項5の産業用機械予測メンテナンスシステム。
- 1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて個々の産業用機械の少なくとも1つの動作特性を検出するコンピュータビジョンシステムであって、前記1つ以上の画像データセットに基づいて前記個々の産業用機械の動作特性を検出するコンピュータビジョンシステムをさらに含む、請求項1の産業用機械予測メンテナンスシステム。
- 前記動作特性が、個々の産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、検出された振動について計算された重大度単位に従って産業用機械サービス推奨を生成する、請求項7の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動に対する重大度単位を計算することにより、前記産業用機械の検出された振動に対して計算される、請求項8の産業用機械予測メンテナンスシステム。
- 前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重要度ユニットのうちの1つにマッピングすることによって決定され、前記重要度ユニットの各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項9の産業用機械予測メンテナンスシステム。
- 前記検出された振動が、キャプチャされた振動の周波数が、マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記検出された振動が前記第2の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記検出された振動が前記第3の重大度単位にマッピングされる、ことを特徴とする、請求項10の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、請求項8の産業用機械予測メンテナンスシステム。
- 産業用機械の健全性監視データに機械の故障検出と分類アルゴリズムを適用して、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械サービスの推奨事項が示すサービスを実行するための少なくとも1つの候補作業者を、産業用機械サービス作業者データベース内の産業用機械サービス作業者の経験及びノウハウの少なくとも1つと関連付けることにより特定する作業者発見設備と、
類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムと、を含むシステム。 - データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備、をさらに含む請求項13のシステム。
- 前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)、をさらに含む請求項13のシステム。
。 - サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、請求項15のシステム。。
- 前記サービスおよび提供調整設備が、前記個々の産業用機械のそれぞれについてサービス活動および結果の台帳を作成しながら、前記個々の産業用機械で実行するサービスを検証し、前記台帳がブロックチェーン構造を使用して、前記注文およびサービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、請求項16のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、請求項17のシステム。
- 健全性監視データを収集するように構成された1つ以上の移動データコレクタを含む移動データコレクタ群であって、前記健全性監視データは、産業環境に配置された1つ以上の産業用機械の状態を代表するものであることを特徴とする移動データコレクタ群をさらに含む、請求項13のシステム。
。 - 産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、請求項19のシステム。
- 前記自己組織化システムが、前記健全性監視データに対する要求を1以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記自己組織化システムに健全性監視データを送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、請求項20のシステム。
- 前記移動データコレクタが前記データ収集ルータに近接しているときに、前記1つまたは複数の移動データコレクタから健全性監視データを受信するデータ収集ルータであって、前記データ収集ルータが前記健全性監視データを前記産業用機械予測メンテナンス設備に送信することを特徴とするデータ収集ルータをさらに含む、請求項19のシステム。
。 - 前記1以上の移動データコレクタが、前記健全性監視データを前記データ収集ルータにプッシュする、請求項22のシステム。
- 前記データ収集ルータが、前記1つ以上の移動データコレクタから健全性監視データをプルする、請求項22のシステム。
- 前記1つ以上の移動データコレクタの各移動データコレクタが、1つ以上の統合されたセンサを含む移動ロボット、1つ以上の結合されたセンサを含む移動ロボット、1つ以上の統合されたセンサを有する移動車両、または1つ以上の結合されたセンサを有する移動車両のうちの1つである、請求項19のシステム。
- 産業用機械の健全性監視データに機械の故障検出および分類アルゴリズムを適用して産業用機械のサービス推奨事項を作成する産業用機械予測メンテナンス設備から受信したサービス推奨事項に対応した部品およびサービスの注文を準備および制御する産業用機械メンテナンス部品およびサービス注文設備、及び
部品およびサービスの注文の少なくとも1つを生成するためのサービス推奨に関連付けられた手順を分析するコンピュータ化されたメンテナンス管理システム(CMMS)、を含むシステム。 - データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備をさらに含む、請求項26のシステム。
- 前記サービス提供調整設備が、前記産業用機械のそれぞれについてサービス活動および結果の台帳を作成しながら、前記産業用機械で実行するサービスを検証する、請求項27のシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、請求項28のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、請求項29のシステム。
- 1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて前記産業用機械の少なくとも1つの動作特性を検出するコンピュータビジョンシステムであって、前記1つ以上の画像データセットに基づいて前記産業用機械の動作特性を検出するコンピュータビジョンシステムをさらに含む、請求項27のシステム。
- 前記動作特性が、前記産業用機械の少なくとも1つの少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重要度単位に従って前記産業用機械サービス推奨を生成し、前記重要度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重要度単位を計算することによって、前記産業用機械の検出された振動について計算される、請求項31のシステム。
- 健全性監視データを収集するように構成された1つ以上の移動データコレクタを含む移動データコレクタ群であって、前記健全性監視データは、産業環境に配置された1つ以上の産業用機械の状態を代表するものであることを特徴とする移動データコレクタ群をさらに含む、請求項26のシステム。
- 産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、請求項33のシステム。
- 前記自己組織化システムが、前記健全性監視データに対する要求を1つ以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記健全性監視データを前記自己組織化システムに送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、請求項34のシステム。
- 産業用機械の一部分の状態を監視するように構成された少なくとも1つのセンサと通信的に結合することにより、産業用機械の一部分のための操作上、物理的および診断結果情報を、不揮発性のコンピュータアクセス可能なメモリにキャプチャして保存するように構成されたスマートRFID要素、を含み、
前記スマートRFID要素は、さらに、情報を受信し、整理し、不揮発性のコンピュータアクセス可能なメモリに格納するように構成されており、その情報は、産業用機械の少なくとも1つのサービス手順の実行を可能にする、システム。 - 前記スマートRFIDが、産業用機械のルートエントリから直接アクセス可能な複数の部分を含む、産業用機械に関する情報への階層的なアクセスを容易にするように構成されており、前記直接アクセス可能な複数の部分の各々が、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含むリストから選択される1つの部分のためのエントリを格納するように構成されている、請求項36のシステム。
- 生産情報は、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業用機械の一部の画像のためのエントリから構成されている、請求項37のシステム。
- 前記手順情報が、較正、シャットダウン、規制、組立、安全チェック、画像撮影、予防メンテナンス、部品修理、部品交換、および分解を含むリストから選択された手順のためのエントリで構成される、請求項37のシステム。
- 前記システムが、プロセッサを介してアクセス可能なデータ記憶要素をさらに含み、前記データ記憶要素が、前記スマートRFID要素を含む複数のスマートRFID要素に記憶された情報のコピーを含み、前記情報の各コピーが、前記複数のスマートRFID要素の対応する1つに記憶された情報のツインを構成する、請求項36のシステム。
- 前記スマートRFID要素が、強化されたデータコレクタに含まれる、請求項36のシステム。
- 産業用機械のスマートRFIDに生産データを設定する方法であって、
産業用機械の一部とスマートRFIDを構成して、産業用機械の対応する部分のための操作、物理的および診断結果情報をキャプチャし、不揮発性のコンピュータアクセス可能なメモリに格納すること、
産業用機械のプロセッサおよび産業用機械の部分の状態を監視するように構成された少なくとも1つのセンサとスマートRFIDを通信的に結合すること。
プロセッサで産業用機械の部分の自己テストを実行し、自己テストの結果をスマートRFIDに格納すること、
生産アクセスポイントを介して、試験システムおよび産業用機械生産サーバのネットワークに産業用機械を結合すること、および
テストシステムを備えた産業用機械の部分で生産テストを実行し、その結果をスマートRFID上に二重に保存し、生産サーバーのプロセッサによってアクセス可能なデータ記憶設備に保存すること、を含む方法。 - 請求項42の方法であって、前記データ記憶設備に記憶された前記試験結果の複製が、前記スマートRFIDの対応する部分のツインである、方法。
- 請求項42の方法であって、前記スマートRFIDが、産業用機械のルートエントリから直接アクセス可能な複数の部分を含む産業用機械に関する情報への階層的なアクセスを容易にするように構成されており、前記直接アクセス可能な複数の部分の各々が、生産情報、部品情報、品質情報、設置情報、検証情報、手順情報、操作情報、および組立情報を含むリストから選択される1つの部分のためのエントリを格納するように構成されている、請求項42の方法。
- 生産情報が、組立日、組立場所、機械モデル番号、機械シリアル番号、機械組立時間、機械組立作業指示番号、顧客、および産業用機械の一部の画像のためのエントリを含む、請求項44の方法。
- 前記手順情報が、較正、シャットダウン、規制、組立、安全チェック、撮像、予防メンテナンス、部品修理、部品交換、および分解を含むリストから選択された手順のためのエントリを含む、請求項44の方法。
- 前記システムが、プロセッサを介してアクセス可能なデータ記憶要素をさらに含み、前記データ記憶要素が、前記スマートRFID要素を含む複数のスマートRFID要素に記憶された情報のコピーを含み、前記情報の各コピーが、前記複数のスマートRFID要素の対応する1つに記憶された情報のツインを構成する、請求項42の方法。
- 前記スマートRFIDが、強化されたデータコレクタに含まれる、請求項42の方法。
- マーケットプレイスを含む産業用機械予測メンテナンスシステムであって、
販売のために提供される産業用機械部品に関する産業用機械サービスマーケットプレイス情報を維持するように構成された複数の部品供給者コンピューティングシステム、
提供される産業用機械サービスに関する産業用機械サービスマーケットプレイス情報を維持するように構成された複数のサービスプロバイダコンピューティングシステム、
産業用機械予測メンテナンスシステムによって提供される産業用機械メンテナンス推奨に応答して市場で提供されるサービス、部品、材料、およびツールのうちの少なくとも1つへのアクセスを容易にするように構成された少なくとも1つのコンピュータ化されたメンテナンス管理システム(CMMS)、および
マーケットプレイスで提供される出荷およびロジスティクスサービスの少なくとも1つのための産業用機械サービスマーケットプレイス情報を維持するように構成された複数のロジスティクスプロバイダコンピューティングシステム、を含む産業用機械予測メンテナンスシステム。 - 前記複数の部品供給者、サービス提供者、および物流提供者の各々が、前記マーケットプレイスの少なくとも1つのアプリケーション・プログラミング・インターフェースを介して、前記マーケットプレイス内で直接、前記提供物に対応する情報を維持する、請求項49の産業用機械予測メンテナンスシステム。
- 前記CMMSが、前記部品、サービスおよびロジスティクスの事前注文の分析から確立された規範に基づいて、前記産業用機械所有者への部品、サービスおよびロジスティクスの提供を適応させる、請求項49の産業用機械予測メンテナンスシステム。
- 前記産業用機械サービスマーケットプレイス情報が、前記産業用機械のために実行される出荷および物流サービスの少なくとも1つのそれぞれのためのサービス活動の台帳を生成することを維持する、請求項49の産業用機械予測メンテナンスシステム。
- 前記台帳がブロックチェーン構造を使用して、出荷サービスおよび物流サービスの少なくとも1つのそれぞれについての取引のレコードを追跡し、各レコードがブロックチェーン構造のブロックとして格納されている、請求項52の産業用機械予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項53の産業用機械予測メンテナンスシステム。
- 1つまたは複数の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムと、
ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部と、を含み、
予測メンテナンス動作の一部を含む産業用機械メンテナンス動作のレコードであって、複数のコンピューティングシステムの一部が分散型台帳としてレコードを操作する、システム。 - 前記部分のコンピューティングシステムが、産業用機械データ解析を実行し、その解析結果をレコードに寄与する、請求項55のシステム。
- 前記コンピューティングシステムの一部のコンピューティングシステムが、産業用機械の予測メンテナンス推奨を実行し、前記推奨の一部をレコードに貢献する、請求項55のシステム。
- 前記コンピューティングシステム部分のコンピューティングシステムが、産業用機械メンテナンス受注管理を行い、産業用機械受注に関する情報をレコードに投稿することを特徴とするシステム。
- 前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械サービスアクションのサービス提供およびトラッキングを実行し、そのサービス提供およびトラッキングに関する情報をレコードに貢献する、請求項55のシステム。
- 前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械と共に配備され、前記産業用機械と共に配備されたセンサから収集された情報を前記レコードに寄与する、請求項55のシステム。
- 前記コンピューティングシステムの部分のコンピューティングシステムが、産業用機械運転スケジューリングを実行し、産業用機械運転スケジューリングをレコードに寄与する、請求項55のシステム。
- 1つまたは複数の予測メンテナンス動作を実行するように構成された複数のコンピューティングシステムと、
ピアツーピア通信ネットワークを介して接続された複数のコンピューティングシステムの一部と、
産業用機械のメンテナンス動作のレコードにアクセスするためのロールベースの制御と、を含み、前記レコードは、予測メンテナンス動作の一部を含み、前記複数のコンピューティングシステムの一部は、前記レコードを分散型台帳として操作する、システム。 - 前記レコードにアクセスするための役割ベースの制御が、個人および分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくともシェアを所有するエンティティの少なくとも1つを含む所有者ロールを認識する、請求項62のシステム。
- 前記レコードにアクセスするための役割ベースの制御が、個人および分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくとも一部を生産したエンティティの少なくとも1つを含む製造者の役割を認識する、請求項62のシステム。
- 前記レコードにアクセスするための役割ベースの制御が、個人と、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械を使用するためのアクセスを提供するエンティティとの少なくとも一方を構成するオペレータの役割を認識する、請求項62のシステム。
- 前記レコードにアクセスするための役割ベースの制御が、個人と、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の少なくとも1つの産業用機械部品を提供するエンティティとの少なくとも1つを含む部品供給者の役割を認識する、請求項62のシステム。
- 前記レコードにアクセスするための役割ベースの制御が、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の予防メンテナンスおよび修理、緊急修理およびアップグレードのための契約を含む産業用サービスのリストから選択されたサービスを提供する個人およびエンティティの少なくとも1つを含むサービス提供者の役割を認識する、請求項62のシステム。
- 前記レコードにアクセスするための役割ベースの制御が、分散台帳内で予測メンテナンス動作がアクセス可能な産業用機械の特定の国における自動化されたサービス活動を促進する地域エンティティを含む地域サービスブローカーの役割を認識する、請求項62のシステム。
- 産業用機械の一部の画像をキャプチャする方法であって、
産業用機械の予測されるメンテナンス動作を実行するサービスを実行するための手順を更新すること、更新は、満たされている産業用機械の一部の画像をキャプチャするためのトリガ条件に応答し、
画像キャプチャを容易にするために、産業用機械の一部のライブ画像を電子ディスプレイに重ねて画像キャプチャテンプレートを提供すること、
ライブ画像とテンプレートのアライメントの度合いを示す拡張現実を適用すること、
更新された手順を用いて撮影された画像をマシンビジョンで検査して、撮影された画像内に存在する機械の少なくとも1つの部分を決定すること、および、
検査の結果に応答して、キャプチャ画像のための報酬を生成するために、キャプチャ画像の報酬設備を操作することの各工程を含む、ことを特徴とする方法。 - 前記更新が、前記サービスを実行するための手順を更新する前に、前記分析が、前記手順に規定されていない画像を撮影することを示唆するような産業用機械の故障データの分析に基づくトリガ条件に応答する、請求項69の方法。
- 前記更新が、画像が撮影されるべき産業用機械の部分に関連付けられた予測メンテナンス基準を満たす産業用機械で実行されているサービスを実行するための手順に応答する、請求項69の方法。
- 前記トリガ条件が、サービス手順が実行されている産業用機械に関連付けられた産業用機械の種類と、前記産業用機械の部分が画像に取り込まれてからの持続時間とを含む、請求項69の方法。
- 前記トリガ条件が、産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械サービス推奨が、前記検出された振動について計算された重大度単位に従って生成される、請求項69の方法。
- 前記重大度単位が、前記産業用機械の検出された振動について、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて、前記検出された振動の重大度単位を計算することによって計算される、請求項73の方法。
- 前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、請求項74の方法。
- 前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応するときに、前記検出された振動が第1の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのミッドレンジに対応するときに、前記検出された振動が第2の重大度単位にマッピングされ、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記検出された振動が第3の重大度単位にマッピングされる、請求項75の方法。
- 機械学習に基づく部品認識の方法であって、
撮像された画像が撮像バリデーション基準を満たすかどうかを判定する画像バリデーション手順にターゲット部品の撮像テンプレートを適用すること、
撮影した画像を、産業用機械の部品候補を検出しやすい画像解析ルールで処理し、画像解析を行うこと、
前記候補部品と前記産業用機械の部品の画像との類似性に基づいて、前記候補部品のうちの1つ以上の部品を前記産業用機械の部品として認識すること、および
認識された部品の機械学習から生成されたフィードバックに基づいて、ターゲット部品テンプレート、画像解析ルール、および部品認識のうちの少なくとも1つを適応させ、それによって、画像取り込み、画像解析、および部品認識のうちの少なくとも1つを改善すること、の各工程を含むことを特徴とする方法。 - 前記産業用機械の部品の画像が、前記産業用機械と一緒に配置されたスマートRFID素子から取得される、請求項77の方法。
- 前記産業用機械の部品の画像が、前記産業用機械と一緒に配置されたスマートRFID素子のネットワーク記憶デジタルツインから取得される、請求項77の方法。
- 機械学習によって生成されたフィードバックが、産業用機械で配備されたスマートRFID内の部品の最も最近キャプチャされた画像の更新を容易にする、請求項77の方法。
- 前記方法の一部または全部がコンピュータビジョンシステムを使用して実行される、請求項77の方法。
- 前記コンピュータビジョンシステムが、キャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットによって表される関心点内の産業用機械の一部に対応する1つ以上の値を特定し、前記1つ以上の値を対応する予測値と比較し、前記1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、前記分散データに基づいて前記産業用機械の動作特性を検出し、前記動作特性の検出を示すデータを生成する、請求項81の方法。
- 予測メンテナンスシステムであって、
産業用機械に関する情報を収集、発見、キャプチャ、普及、管理、および処理することを容易にし、産業用機械の予測メンテナンス行動を取ることを容易にする予測メンテナンス知識システムを含んでおり、予測メンテナス知識システムは、
サービス提供者、部品提供者、材料提供者、機械使用スケジューラから情報を受信するための複数のインターフェース、
サービス発注設備、部品発注設備、サービス管理設備、サービス資金調達設備に情報を送信するための複数のインターフェース、
複数の産業用機械のスマートRFID素子への複数のインターフェース、および、
サービス提供者、部品提供者、サービス要求、サービス見積り、機械スケジュール、およびメンテナンス活動の予測を含むデータドメイン間のリンクを介して、産業用機械の予測メンテナンスサービスに関する情報への予測メンテナンス知識システムによるアクセスを容易にする予測メンテナンス知識グラフ、を含み、
予測メンテナンス知識システムは、サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを生成する、予測メンテナンスシステム。 - サービス推奨、価格ベースのサービスオプション、価格見積もり、およびサービス見積もりのうちの少なくとも1つを受信することに応答して、サービスおよび部品の注文および要求のうちの少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含む、請求項83の予測メンテナンスシステム。。
- サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、請求項84の予測メンテナンスシステム。
- 前記サービス提供調整設備が、個々の産業用機械の各々についてサービス活動および結果の台帳を作成しながら、個々の産業用機械に対して実行すべきサービスを検証する、請求項85の予測メンテナンスシステム。
- 前記台帳が、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡するためにブロックチェーン構造を使用し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、請求項85の予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運用センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項87の予測メンテナンスシステム。
- 機械の故障に相関する複数の診断テストの結果におけるパターンの少なくとも1つを検出することにより、産業用機械で実行される複数の診断テストの結果と、類似する産業用機械の故障のための故障情報との間の相関性を改善すること、および、診断テストのサブセットの故障結果に機械の故障の1つのタイプの故障が相関する診断テストの結果と機械の故障との類似性を検出すること、を含む方法。
- 前記機械の故障が、前記産業用機械について検出された振動の重大度に対応する、請求項89の方法。
- さらに、産業用機械について検出された振動の重大度を決定することを含み、前記重大度の決定は、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の検出された振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、検出した振動の周波数を決定すること、
周波数に基づいて、検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度単位を算出することを含む、請求項90の方法。 - 前記移動データコレクタがウェアラブルデバイスである、請求項91の方法。
- 前記移動データコレクタが携帯装置である、請求項91の方法。
- 前記移動データコレクタが移動車両である、請求項91の方法。
- 前記移動データコレクタが移動ロボットである、請求項91の方法。
- 重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、請求項91の方法。
- サービス提供者によって提供される産業用機械サービスに関するフィードバックを収集し、少なくとも1つの産業用機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業用機械サービスのための手順の遵守、手順および産業用機械の少なくとも1つに関するサービス提供者の経験の尺度を含む複数の評価基準とフィードバックを比較することによって、産業用機械サービス提供者の評価を決定すること、および
ベンダーの評価結果に機械学習を適用し、ベンダーを評価する際に機械学習の出力を取り入れることで、ベンダーの評価結果と評価基準との相関性を向上させること、を含む方法。 - サービス提供者から手順に関するフィードバックを収集し、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、内容の正確さ、シーケンスの正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度を含む複数の評価基準とフィードバックを比較することにより、産業用機械サービス手順の評価を決定することをさらに含む、請求項97の方法。
- 手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことで、手順の評価結果と評価基準との相関性を向上させることをさらに含む、請求項98の方法。
- 前記診断テストが、前記産業用機械に対して検出された振動の重大度に対応する、請求項97の方法。
- 前記産業用機械のために検出された振動の重大度を決定することは、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算することを含む、請求項100の方法。 - 重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、請求項101の方法。
- 産業用機械サービスの手順を使用して産業用機械サービスを行うサービス提供者から手順に関するフィードバックを収集し、そのフィードバックを、手順へのアクセスのしやすさ、翻訳のしやすさ、教育的価値、内容の正確さ、順序の正確さ、手順に従うことのしやすさ、および手順以外のアクションへの依存度を含む複数の評価基準と比較することにより、産業用機械サービス手順の評価を決定すること、および、
手順の評価結果に機械学習を適用し、手順を評価する際に機械学習の出力を組み込むことで、手順の評価結果と評価基準との相関性を向上させること、を含む方法。 - サービス提供者によって提供される産業用機械サービスに関するフィードバックを収集し、フィードバックを、少なくとも1つの産業用機械サービスの完了後に実行される診断テストの結果、サービス提供者のスケジューリング、提供されるサービスのコスト、サービス提供者の迅速性、サービス提供者の清潔さ、少なくとも1つの産業用機械サービスのための手順の遵守、手順および産業用機械の少なくとも1つに関するサービス提供者の経験の尺度を含む複数の評価基準と比較することによって、産業用機械サービス提供者の評価を決定することをさらに含む、請求項103の方法。
- ベンダーの評価結果に機械学習を適用し、ベンダーを評価する際に機械学習の出力を取り入れることで、ベンダーの評価結果と評価基準との相関性を向上させることをさらに含む、請求項104の方法。
- 前記産業用機械の手順が、前記産業用機械の振動の重大度を検出するための診断テストに対応する、請求項103の方法。
- 前記産業用機械について検出された振動の重大度を決定することは、
前記振動データを取得するために使用される少なくとも1つの振動センサを含む移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、を含む請求項106の方法。 - 重大度単位に基づいて機械の故障を示す信号を生成することをさらに含む、請求項107の方法。
- 産業用機械に関する情報を蓄積する方法であって、
開始ブロックを生成することにより、特定の産業用機械のための産業用機械情報のブロックチェーンを開始すること、および、
出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、診断活動のうち少なくとも1つのデータとブロックチェーン内で最も最近生成されたブロックのハッシュを組み合わせることにより、特定の産業用機械ブロックチェーンの後続ブロックを生成すること、を含む方法。 - 特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュとを有するブロックチェーンの第1のブロックを生成することをさらに含む、請求項109の方法。
- 特定の産業用機械に関する設置情報と第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成することをさらに含む、請求項110の方法。
- 特定の産業用機械に関する動作センサ情報を有するブロックチェーンの第3のブロックと、第2のブロックのハッシュとを生成することをさらに含む、請求項111の方法。
- 特定の産業用機械に関するサービスイベント情報を有するブロックチェーンの第4のブロックと、第3のブロックのハッシュとを生成することをさらに含む、請求項112の方法。
- 特定の産業用機械に関する部品およびサービスオーダー情報を有するブロックチェーンの第5のブロックと、第4のブロックのハッシュとを生成することをさらに含む、請求項113の方法。
- 特定の産業用機械に関する診断活動情報を有するブロックチェーンの第6のブロックと、第5のブロックのハッシュとを生成することをさらに含む、請求項114の方法。
- 振動データからサービスイベントを予測する方法であって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサから振動データをキャプチャすること、
前記キャプチャされた振動の周波数、振幅、および重力のうち少なくとも一つを決定すること、
前記キャプチャされた振動の周波数に基づいて、前記キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントと、振幅のピーク値または重力の少なくとも一方とに基づいて、キャプチャされた振動の振動重大度の単位を計算するステップと
重大度単位に基づいて産業用機械の部分のメンテナンス動作を実行するための予測メンテナンス回路の信号を生成すること、を含む方法。 - 前記セグメントが、前記キャプチャされた振動の周波数を、前記マルチセグメント振動周波数スペクトルの中間セグメントの上限および下限と比較することに基づいて決定される、請求項116の方法。
- 前記マルチセグメント振動周波数スペクトルの第1のセグメントが、前記マルチセグメント振動周波数スペクトルの中間セグメントの下限以下の決定された周波数値を含む、請求項116の方法。
- 前記マルチセグメント振動周波数スペクトルの中間セグメントの下限が1200kHzである、請求項118の方法。
- 前記マルチセグメント振動周波数スペクトルの第2セグメントが、前記マルチセグメント振動周波数スペクトルの中間セグメントの上限を超える決定された周波数値を含む、請求項116の方法。
- 前記マルチセグメント振動周波数スペクトルの中間セグメントの上限が18000kHzである、請求項120の方法。
- 前記振動重大度単位を計算することは、複数の重大度正規化パラメータのうちの1つを中程度の重大度限界に乗算して重大度値を生成し、前記重大度値を決定されたセグメントの複数の重大度単位範囲のうちの1つにマッピングすることを含む、請求項116の方法。
- 前記複数の正規化値の第1の重大度正規化値が、キャプチャされた振動の周波数を、マルチセグメント振動周波数スペクトルの中間セグメントのローエンド周波数値で除算することによって計算される、請求項122の方法。
- 前記複数の重大度正規化パラメータのうちの1つが、キャプチャされた振動の周波数がローエンド周波数値よりも小さい場合に、第1の重大度正規化値を構成する、請求項123の方法。
- 前記複数の正規化値のうちの第2の重大度正規化値が、前記マルチセグメント振動周波数スペクトルの中間セグメントのハイエンド周波数値を前記キャプチャ振動の周波数で除算することによって計算される、請求項122の方法。
- 前記複数の重大度正規化パラメータのうちの1つが、キャプチャされた振動の周波数がハイエンド周波数値よりも大きい場合に、第2の重大度正規化値を構成する、請求項125の方法。
- 前記マルチセグメント振動周波数スペクトルの第1のセグメントが、キャプチャされた振動の振幅に基づいて複数の重大度単位に分割される、請求項116の方法。
- 前記マルチセグメント振動周波数スペクトルの第2セグメントが、キャプチャされた振動の重力に基づいて複数の重大度単位に分割される、請求項116の方法。
- 前記振動重大度単位が、前記マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数に対するキャプチャされた振動の振幅のピーク変位に基づいて決定される、請求項116の方法。
- 前記振動重大度単位が、前記マルチセグメント振動周波数スペクトルの第2セグメント内の決定された振動周波数に対するキャプチャされた振動の重力に基づいて決定される、請求項116の方法。
- 前記産業用機械の部分が可動部である、請求項116の方法。
- 前記産業用機械の部分が、可動部を支持する構造部材である、請求項116の方法。
- 前記産業用機械の部分がモータである、請求項116の方法。
- 前記産業用機械の部分が駆動軸である、請求項116の方法。
- 振動データからサービスイベントを予測するシステムであって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサを含む産業用機械と、
前記少なくとも1つの振動センサと通信して、前記キャプチャされた振動の周波数、ピーク振幅、及び重力のうち少なくとも1つを生成する振動解析回路と、
キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、
キャプチャされた振動の周波数と対応する振動周波数セグメントを受け取り、対応する振動周波数セグメントに対して定義された複数の重大度単位のうちの1つにマッピングされた重大度値を生成する重大度単位アルゴリズムと、
前記複数の重大度単位のうちの1つを受信し、それに基づいて、前記産業用機械の部分に対応するメンテナンス動作を実行するように前記予測メンテナンスサーバに信号を送る信号発生回路と、を含むシステム。 - 前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動の第1の重大度単位へのマッピングを容易にすることを特徴とする請求項135のシステム。
- 前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記検出された振動の第2の重大度単位へのマッピングを容易にする、請求項135のシステム。
- 前記マルチセグメント振動周波数スペクトル構造が、キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動の第3の重大度単位へのマッピングを容易にする、ことを特徴とする請求項135のシステム。
- 前記重大度単位が、前記検出された振動が、前記産業用機械の少なくとも一部の故障につながる可能性があることを示す、請求項135のシステム。
- 前記マルチセグメント振動周波数スペクトルの第1のセグメントが、キャプチャされた振動の振幅に基づいて複数の重大度単位に分割されている、請求項135のシステム。
- 前記マルチセグメント振動周波数スペクトルの第2セグメントが、キャプチャされた振動の重力に基づいて複数の重大度単位に分割されている、請求項135のシステム。
- 前記重大度単位が、前記マルチセグメント振動周波数スペクトルの第1のセグメント内の決定された振動周波数に対するキャプチャされた振動の振幅のピーク変位に基づいて決定される、請求項135のシステム。
- 前記重大度単位が、前記マルチセグメント振動周波数スペクトルの第2のセグメント内の決定された振動周波数に対するキャプチャされた振動の重力に基づいて決定される、請求項135のシステム。
- 前記産業用機械の部分が可動部である、請求項135のシステム。
- 前記産業用機械の部分が、可動部を支持する構造部材である、請求項135のシステム。
- 前記産業用機械の部分がモータである、請求項135のシステム。
- 前記産業用機械の部分が駆動軸である、請求項135のシステム。
- ストリーミングサンプルレートで信号をサンプリングし、それによって信号の複数のサンプルを生成すること、
前記信号ルーティング回路を用いて、前記信号の複数のサンプルのうちの第1の部分を前記第1の信号解析回路に割り当て、前記第1の信号解析サンプリングレートが前記ストリーミングサンプルレートよりも小さいことに基づいて選択された前記部分を前記第1の信号解析回路に割り当てること、
前記信号ルーティング回路を用いて、前記信号の複数のサンプルのうちの第2の部分を前記第2の信号解析回路に割り当て、前記第2の信号解析サンプリングレートが前記ストリーミングサンプルレートよりも小さいことに基づいて選択された前記部分を前記第2の信号解析回路に割り当てること、および、
前記信号の複数のサンプル、前記第1の信号解析回路の出力、および前記第2の信号解析回路の出力を格納すること、を含み、前記格納された複数のサンプル中の前記割り当てられた第1の部分および前記格納された複数のサンプル中の前記割り当てられた第2の部分には、対応する前記格納された信号解析出力を参照する指標がタグ付けされている方法。 - 前記信号ルーティング回路に割り当てることは、信号分析サンプリングレートとストリーミングサンプルレートの比率に基づいて複数のサンプルを積分することを含む、請求項148の方法。
- 前記信号ルーティング回路との割り当ては、信号分析サンプリングレートとストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含む、請求項148の方法。
- 前記ストリーミングサンプルレートが、前記信号の支配周波数の少なくとも2倍の速度である、請求項148の方法。
- 前記信号解析サンプリングレートと前記ストリーミングサンプルレートとの比が、前記第1の信号解析回路および前記第2の信号解析回路の出力の補助的なバイナリビットデータの数を決定する、請求項148の方法。
- 前記補足2値ビットの数が、前記ストリーミングサンプルレートが前記信号分析サンプリングレートの少なくとも2倍以上4倍未満であるときに1を構成する、請求項152の方法。
- ストリーミングサンプルレートが信号解析サンプリングレートの少なくとも4倍以上8倍未満である場合に、補助的なバイナリビットの数が2を含む、請求項152の方法。
- 産業用機械の状態を検出するセンサであって、時間の経過とともに変化し、その状態に実質的に対応する信号を生成するセンサと、
前記信号を受信し、前記信号の支配周波数の少なくとも2倍のストリーミングサンプルレートで前記信号をサンプリングするアナログ/デジタル変換器であって、前記サンプリングされた信号は、データ値のシーケンスとして前記アナログ/デジタル変換器から出力される、アナログ/デジタル変換器と、
データ値のシーケンスとサブサンプリングレートを受信する少なくとも1つのデジタル信号ルータであって、前記サブサンプリングレートが前記ストリーミングサンプルレートよりも低い場合に、前記サブサンプリングレートおよび前記ストリーミングサンプルレートと前記サブサンプリングレートの比率の少なくとも1つに基づいて、前記サンプルシーケンスから選択されたサンプルを含むデータのサブサンプリング出力シーケンスを生成する、少なくとも1つのデジタル信号ルータと、を含むシステム。 - 前記データ値のシーケンスと、前記サブサンプル出力シーケンスから導出されたデータ値の解析セットとを受信するデータ記憶装置をさらに備え、前記解析セットは、前記サブサンプル出力シーケンスに対応する前記データ値のシーケンス内のデータ値が、対応する前記データ値の解析セットを参照するインデックスでタグ付けされるように、前記データ値のシーケンスと関連づけて記憶される、請求項155のシステム。
- 前記少なくとも1つのサブサンプリング出力シーケンスを生成することが、前記サブサンプリングレートと前記ストリーミングサンプルレートの比に基づいて、前記データ値のシーケンス内の複数のサンプルを積分することを含む、請求項155のシステム。
- 前記少なくとも1つのサブサンプリングされた出力シーケンスを生成することは、前記サブサンプリングレートと前記ストリーミングサンプルレートの比に基づいて信号のサンプルを選択することを含む、請求項155のシステム。
- ストリーミングサンプルレートが、信号の支配周波数の少なくとも2倍の速度である、請求項155のシステム。
- 前記ストリーミングサンプルレートに対する前記サブサンプリングレートの比が、前記サブサンプリングされた出力シーケンス内の補助的なバイナリビットの数を決定する、請求項155のシステム。
- 前記補完バイナリビットの数が、前記ストリーミングサンプルレートが前記サブサンプリングレートの少なくとも2倍以上4倍未満であるときに1を構成する、請求項160のシステム。
- 前記ストリーミングサンプルレートが前記サブサンプリングレートの少なくとも4倍以上8倍未満である場合に、前記補助的なバイナリビットの数が2を含む、請求項160のシステム。
- 産業用機械のメンテナンスイベントを予測する方法であって、
産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成すること、を含み、前記状態を代表するデータは、産業用機械の少なくとも1つの可動部分の振動データからなり、データ収集ネットワークを介して受信され、さらに、
前記産業用機械と一緒に配置されたデータ記憶装置から、前記産業用機械の少なくとも1つの可動部のための可動部固有の構成情報にアクセスすること、
機械故障検出および分類アルゴリズムを適用して、健全性監視データおよび部品固有の構成情報に対応した産業用機械サービスの推奨を予測すること、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成すること、および、
サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証すること、を含む方法。 - 前記産業用機械のサービス推奨が産業用機械に関するものである、請求項163の方法。
- 前記産業用機械サービス推奨が、前記少なくとも1つの可動部に対するものである、請求項163の方法。
- 前記最後の少なくとも1つの可動部が機械の回転部である、請求項165の方法。
- 前記少なくとも1つの可動部が、機械のギアボックス内に配置されている、請求項165の方法。
- 前記少なくとも1つの可動部が産業用機械の歯車である、請求項165の方法。
- 機械故障検出アルゴリズムを適用することは、産業用機械の歯車の歯数を基準データの対応する歯車の歯数と比較することに応答して、産業用機械のメンテナンス推奨を表す基準データを適応させることを含む、請求項168の方法。
- 適合される基準データが、産業用機械のメンテナンス推奨を介して識別されるメンテナンスイベントのタイミングである、請求項169の方法。
- 機械故障検出アルゴリズムを適用することは、産業用機械の歯車の歯数と類似の産業用機械の対応する歯車の歯数とを比較することに応答して、類似の産業用機械の産業用機械のメンテナンス推奨を表すデータを適応させることを含む、請求項168の方法。
- 適合される類似の産業用機械データが、産業用機械のメンテナンス推奨を介して識別されるメンテナンスイベントのタイミングである、請求項171の方法。
- 産業用機械の予測メンテナンスシステムであって、
データ収集ネットワークを介して受信した産業用機械の歯車の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析回路と、
前記産業用機械と一緒に配置されたデータ記憶装置であって、前記装置は、前記産業用機械の少なくとも1つの歯車に関する歯車固有の情報を記憶しているデータ記憶装置と、
歯車固有の構成情報にアクセスし、機械故障検出および分類アルゴリズムを適用して、健全性監視データおよび歯車固有の情報に対応した産業用機械装置のサービス推奨情報を作成する産業用機械装置の歯車予測メンテナンス回路と、
産業用機械歯車のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび配達追跡システムであって、サービスおよび部品の注文および要求の少なくとも1つに応答して産業用機械歯車に実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械歯車のサービス活動および結果の台帳を作成しながら実行されたサービスを検証する、サービスおよび配達追跡システムと、を含む産業用機械予測メンテナンスシステム。 - 前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械の構成要素の歯車歯数に応答する、請求項173のシステム。
- 前記部材が回転部材である、請求項174のシステム。
- 構成要素が歯車である、請求項174のシステム。
- 前記産業用機械がギアボックスを構成し、前記ギア歯のカウントが、前記ギアボックス内に配置されたギアに関するものである、請求項174のシステム。
- 前記予測メンテナンス回路が、前記機械の回転部品および類似の機械の対応する回転部品の動作データおよび故障データを処理する、請求項173のシステム。
- 前記予測メンテナンス回路が、機械学習を適用して、複数の産業用機械にわたる類似のサービスコンポーネントのサービス情報と共に、少なくとも1つの産業用機械のサービスコンポーネントのギア歯数を処理し、それによって予測メンテナンス調整係数を生成する、請求項173のシステム。
- 前記予測メンテナンス回路が調整係数を適用することにより、機械固有の予測メンテナンス推奨を生成することを特徴とする請求項179のシステム。
- 前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械のサービスコンポーネントに回転可能に接続されたモータのロータバーのカウントに応答する、請求項173のシステム。
- 前記予測メンテナンス回路が、前記機械のモータに回転可能に接続されたサービス部品および類似の機械の対応するサービス部品の動作データおよび故障データを処理する、請求項173のシステム。
- 前記予測メンテナンス回路が、機械学習を適用して、産業用機械のサービス部品に回転可能に接続されたモータのロータバーの数を、複数の産業用機械の間で同様の回転可能に接続されたサービス部品のサービス情報と共に処理し、それによって予測メンテナンス調整係数を生成することを特徴とする、請求項173のシステム。
- 前記予測メンテナンス回路が調整係数を適用し、それによって機械固有の予測メンテナンス推奨を生成する、請求項183のシステム。
- 前記産業用機械予測メンテナンス回路が、前記予測メンテナンス回路がサービス推奨を生成する機械のサービスコンポーネントにリンクされた少なくとも1つの内部機械コンポーネントの回転数/分(RPM)を表すデータに応答する、請求項173のシステム。
- 前記予測メンテナンス回路が、前記機械のサービスコンポーネントおよび類似の機械の対応するサービスコンポーネントに関連付けられた運転回転数データおよび故障データを処理する、請求項173のシステム。
- 前記予測メンテナンス回路が機械学習を適用して、産業用機械のサービスコンポーネントにリンクされた少なくとも1つの内部機械コンポーネントの回転数/分(RPM)を表すデータを、複数の産業用機械の間で同様にリンクされたサービスコンポーネントのサービス情報とともに処理し、それによって予測メンテナンス調整係数を生成する、請求項173のシステム。
- 前記予測メンテナンス回路が調整係数を適用することにより、機械固有の予測メンテナンス推奨を生成する、請求項187のシステム。
- ローラーベアリングの予測メンテナンスシステムであって、
データ収集ネットワークを介して受信したデータを産業用機械と一体化されたローラベアリングの状態を代表するデータに機械学習を適用して、ローラベアリングの健全性状態を監視するデータのストリームを生成するローラベアリングデータ解析回路と、
前記産業用機械と一緒に配置されたデータ記憶装置であって、前記産業用機械の少なくとも1つのローラベアリングに関するローラベアリング固有の情報を記憶しているデータ記憶装置と、
機械故障検出および分類アルゴリズムを適用して、健全性監視データおよびローラベアリング固有の情報に応答して、ローラベアリングサービスの推奨事項を作成するローラベアリング予測メンテナンス回路と、
前記ローラベアリングサービスの推奨事項を受信したことに応答して、サービスおよび部品の注文および要求の少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも1つに応答してローラーベアリングで実行されたサービスに関する情報を受信して処理し、それによって、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供追跡システムと、を含む予測メンテナンスシステム。 - 前記ローラベアリング予測メンテナンス回路が、ローラ当たりのボールの数、ボールとローラの接触角、内側レース寸法、外側レース寸法、ベーンの数、フルートの数、およびモード形状情報を含むリストから選択されるローラベアリングコンポーネントの少なくとも1つの側面に応答して、ローラベアリングコンポーネントのメンテナンスイベントを予測する、請求項189のシステム。
- 前記予測されたメンテナンスイベントが、部品交換、機械サブシステム交換、較正、ディープデータ収集、機械サービス、機械シャットダウン、および予防メンテナンスを含むメンテナンスイベントのリストから選択される、請求項190のシステム。
- 前記ローラベアリングコンポーネントの少なくとも1つの側面が、前記ローラベアリングコンポーネントと共に産業用機械内に配置されたRFIDコンポーネントを介して検索された前記ローラベアリングコンポーネントの生産情報のデジタルデータ構造の一部を含む、請求項190のシステム。
- 前記デジタルデータ構造の一部分が、前記RFIDコンポーネントから検索されたマシン固有のキーを、前記産業用機械の外部に記憶されたローラベアリングコンポーネントの生産情報へのアクセスを容易にする予測メンテナンスシステムのアプリケーションプログラミングインターフェース機能に提供することによって検索される、請求項192のシステム。
- 前記デジタルデータ構造の一部が、前記RFIDコンポーネントから取得された生産情報を含む、請求項192のシステム。
- 前記回路が、前記回路を実行するプロセッサのネットワーク接続とは独立して、前記RFIDコンポーネントからデジタルデータ構造の一部を取り出すことに応答して、前記ローラベアリングコンポーネントのメンテナンスイベントを予測する、請求項192のシステム。
- 強化されたデータコレクタが予測メンテナンス回路を構成する、請求項192のシステム。
- 前記強化されたデータコレクタが、前記データコレクタのネットワーク接続とは無関係に、前記RFIDコンポーネントからデジタルデータ構造の一部を取得することに応答して、前記ローラーベアリングコンポーネントのメンテナンスイベントを予測する、請求項196のシステム。
- 前記ローラベアリング予測メンテナンス回路が、移動データコレクタに具現化されている、請求項192のシステム。
- 前記移動データコレクタが、前記RFID部材から収集されたデータを用いて前記ローラベアリング予測メンテナンス回路を動作させて、少なくとも1つのローラベアリング予測メンテナンス推奨を生成する、請求項198のシステム。
- 前記デジタルデータ構造の部分が、前記ローラーベアリングコンポーネントが配置されている産業用機械に固有のものである、請求項199のシステム。
- 前記デジタルデータ構造の一部分が、前記RFIDコンポーネントから検索されたネットワーク位置にアクセスすることによって検索され、前記RFIDコンポーネントから検索されたマシン固有の識別子によってさらにインデックス化される、請求項199のシステム。
- 前記ネットワークの位置は、前記データコレクタが前記RFIDコンポーネントと近距離無線通信を行っている間に、前記データコレクタのWiFiインターフェースを介してアクセスされる、請求項201のシステム。
- 前記ネットワーク位置は、前記データコレクタが前記RFIDコンポーネントとの近距離無線通信中でなくなったときに、前記データコレクタのWiFiインターフェースを介してアクセスされる、請求項202のシステム。
- 産業用機械のコンポーネントの振動の衝撃の正規化された重大度尺度を決定する方法であって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサから振動データをキャプチャすること、
キャプチャした振動の周波数、ピーク振幅、および重力を決定すること、
決定された周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルの周波数範囲固有のセグメントを決定すること、
決定されたセグメントと、ピーク振幅および重力のうちの少なくとも1つに基づいて、キャプチャされた振動データの振動重大度レベルを計算すること、および、
振動の重大度レベルに基づいて産業用機械の部分のメンテナンス動作を実行するための予測メンテナンス回路の信号を生成すること、の各工程を含む方法。 - 前記生成された信号が、前記コンポーネントのメンテナンス予測のウォッチ状態を作動させる、請求項204の方法。
- 前記生成された信号が、前記コンポーネントのメンテナンス予測の再調査状態を作動させる、請求項204の方法。
- 前記生成された信号が、前記コンポーネントのメンテナンス予測の動作直後の状態を活性化する、請求項204の方法。
- 前記生成された信号が、前記コンポーネントのメンテナンス予測の即時行動状態を作動させる、請求項204の方法。
- 前記マルチセグメント振動周波数スペクトルが、第2のセグメントのローエンド値以下の周波数値を有する第1のセグメントと、第2のセグメントのハイエンド値以上の周波数値を有する第3のセグメントとを含む、請求項204の方法。
- 前記ローエンド値および前記ハイエンド値の少なくとも1つが、前記産業用機械の構成要素の種類から構成されている、請求項209の方法。
- 周波数範囲特定セグメントを決定することは、産業用機械の構成要素のタイプを決定し、ローエンド値およびハイエンド値のうちの少なくとも1つを調整することを含む、請求項210の方法。
- 前記メンテナンス動作を実行するための信号を生成することは、キャプチャされた振動データのエンベロープ処理に基づいて振動の重大度レベルを重み付けすることを含む、請求項204の方法。
- キャプチャされた振動の周波数、ピーク振幅、および重力を決定することは、キャプチャされた振動データをエンベロープ処理することと、エンベロープ処理された振動データの少なくとも1つの振動ピーク値をマルチセグメント振動周波数スペクトルにマッピングすることとを含む、請求項204の方法。
- 前記産業用機械の部分が、振動重大度レベルが計算された複数の部品からなり、前記信号を生成することが、前記複数の部品について計算された振動重大度レベルの集約に基づいて行われる、請求項204の方法。
- 振動データを解析するためのシステムであって、
グラフィカル・ユーザー・インターフェースと、
グラフィカルユーザーインターフェースにレンダリングされた産業用機械の少なくとも一部の視覚的表現と、
グラフィカルユーザーインターフェースにレンダリングされた産業用機械の部分の少なくとも1つのコンポーネントに対する重大度レベルの少なくとも一つの視覚的表示と、を含み、
ユーザインタフェースにおけるユーザの選択に応答して、グラフィカルユーザインタフェース内のポップアップウィンドウ内のコンポーネントの重大度レベル情報のデータセットから少なくとも1つのコンポーネントの重大度レベル情報を検索する機能を作動させることにより、視覚的表示がグラフィカルユーザインタフェース内にレンダリングされる、システム。 - 前記産業用機械の部分の少なくとも1つの構成要素に対する重大度レベルが、
前記コンピューティングデバイスで、前記移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
コンピューティングデバイスにより、キャプチャされた振動データを処理することにより、キャプチャされた振動の周波数を決定すること、
コンピューティングデバイスにより、周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
コンピューティングデバイスにより、決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、によって決定される、請求項215のシステム。 - 決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数を、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングすること、を含む、請求項216のシステム。 - 前記重大度レベルが、キャプチャされた振動データに関連付けられた状態の前記産業用機械の部分の少なくとも1つのコンポーネントに対する影響を表す、請求項215のシステム。
- 前記産業用機械の部分の少なくとも1つの構成要素が可動部である、請求項215のシステム。
- 前記産業用機械の部分の少なくとも1つの構成要素が、可動部を支持する構造部材である、請求項215のシステム。
- 前記産業用機械の部分の少なくとも1つの構成要素がモータである、請求項215のシステム。
- 前記産業用機械の部分の少なくとも1つの構成要素が駆動軸である、請求項215のシステム。
- 産業用機械のコンポーネントの振動の衝撃の正規化された重大度の尺度を決定するためのシステムであって、
産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサからキャプチャされた振動データを含むデータセットと、
キャプチャした振動の周波数、ピーク振幅、重力を決定する振動データ解析回路。
決定された周波数に基づいてキャプチャされた振動を1つの周波数セグメントに結合するマルチセグメント振動スペクトルと、
決定されたセグメントと、ピーク振幅及び重力の少なくとも一方とに基づいて、キャプチャされた振動データの振動重大度レベルを算出する振動重大度レベル算出回路と、
前記振動重大度レベルに基づいて、前記産業用機械の一部のメンテナンス動作信号を作動させるための予測メンテナンス信号生成回路と、を含むシステム。 - 前記メンテナンス動作信号が、前記部品のメンテナンス予測のウォッチ状態を作動させる、請求項223のシステム。
- 前記メンテナンス動作信号が、前記部品のメンテナンス予測の再調査状態を作動させる、請求項223のシステム。
- 前記メンテナンス動作信号が、前記コンポーネントのメンテナンス予測の動作開始状態を作動させる、請求項223のシステム。
- 前記メンテナンス動作信号が、前記コンポーネントのメンテナンス予測の即時動作状態を作動させる、請求項223のシステム。
- 前記マルチセグメント振動周波数スペクトルが、第2のセグメントのローエンド値以下の周波数値を有する第1のセグメントと、第2のセグメントのハイエンド値以上の周波数値を有する第3のセグメントとから構成されている、請求項223のシステム。
- 前記ローエンド値および前記ハイエンド値の少なくとも1つが、前記産業用機械の構成要素の種類から構成されている、請求項228のシステム。
- 前記キャプチャされた振動を境界とするマルチセグメント振動スペクトルが、ローエンド値およびハイエンド値のうちの少なくとも1つを適応させることを含む、産業用機械のコンポーネントのタイプに基づいて適応される、請求項229のシステム。
- 前記キャプチャされた振動データがエンベロープ処理された振動データである、請求項230のシステム。
- 前記振動データ解析回路が、キャプチャされた振動データをエンベロープ処理し、前記エンベロープ処理された振動データの少なくとも1つの振動ピーク値をマルチセグメント振動周波数スペクトルにマッピングすることをさらに含む、請求項230のシステム。
- 産業用機械の動作特性を検出するためのシステムであって、
産業用機械の関心点の生データをキャプチャするように構成された少なくとも1つのデータキャプチャ装置と、
撮像された生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットによって表される関心点内の産業用機械の一部に対応する1つ以上の値を特定し、前記1つ以上の値と対応する予測値とを比較し、前記1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成し、前記分散データに基づいて前記産業用機械の動作特性を検出し、前記動作特性の検出を示すデータを生成するコンピュータビジョンシステムと、を含むシステム。 - 動作特性が産業用機械の動作に関連する可能性のあるまたは現在の問題を表し、
前記動作特性の検出を示すデータを処理して、前記産業用機械の操作に関連する可能性のあるまたは現在の問題を防止または解決するために取られる可能性のあるアクションを表すメンテナンス動作を特定する予測メンテナンスプラットフォームをさらに含む、請求項233のシステム。 - 前記コンピュータビジョンシステムが、前記動作特性の検出を示すデータを示す信号を生成し、前記予測メンテナンスプラットフォームが、前記信号に基づいて、可能性のある問題または現在の問題を予測する、請求項234のシステム。
- メンテナンス動作を実行するように構成された移動データコレクタを更に含み、
予測メンテナンスプラットフォームまたはコンピュータビジョンシステムが、移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させる、請求項234のシステム。 - 前記少なくとも1つのデータキャプチャ装置が、前記移動データコレクタが前記産業用機械の状態に関連した測定値をレコードすることに応答して、生データをキャプチャする、請求項236のシステム。
- 前記産業用機械の状態関連測定が、前記移動データコレクタの少なくとも1つの振動センサを使用してキャプチャされた前記産業用機械の少なくとも一部の振動に関連している、請求項237のシステム。
- 前記移動データコレクタは、
前記コンピューティングデバイスで、前記移動データコレクタから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
コンピューティングデバイスにより、キャプチャされた振動データを処理することにより、キャプチャされた振動の周波数を決定すること、
コンピューティングデバイスによって、周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
コンピューティングデバイスにより、決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、および、
移動データコレクタに重大度単位に基づいて信号を生成させること、によって、
前記少なくとも1つのデータキャプチャ装置または前記コンピュータビジョンシステムのうちの少なくとも1つに信号を送信して、前記少なくとも1つのデータキャプチャ装置に生データのキャプチャを行わせる、請求項238のシステム。 - 決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングこと、によって決定されたセグメントに基づいて、
キャプチャされた振動を重大度単位にマッピングすること、を含む、請求項239のシステム。 - 前記予測メンテナンスプラットフォームが分散台帳を使用して産業用機械に関連するメンテナンス取引を追跡し、前記分散台帳がメンテナンス取引に対応する取引レコードを格納する、請求項238のシステム。
- 前記予測メンテナンスプラットフォームが、前記移動データコレクタによる信号の送信に応答して、新しいトランザクションレコードを生成する、請求項241のシステム。
- 前記予測メンテナンスプラットフォームが、前記コンピュータビジョンシステムによる動作特性の検出を示すデータの生成に応答して、新たなトランザクションレコードを生成する、請求項241のシステム。
- 前記移動データコレクタの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて前記振動をキャプチャする、請求項238のシステム。
- 前記移動データコレクタが移動ロボットである、請求項236のシステム。
- 前記予測メンテナンスプラットフォームが、分散台帳を使用して産業用機械に関連するメンテナンス取引を追跡し、前記分散台帳がメンテナンス取引に対応する取引レコードを格納する、請求項234のシステム。
- 前記予測メンテナンスプラットフォームが、前記少なくとも1つのデータキャプチャ装置による生データのキャプチャに応答して、新しいトランザクションレコードを生成する、請求項246のシステム。
- 前記予測メンテナンスプラットフォームが、前記コンピュータビジョンシステムによる動作特性の検出を示すデータの生成に応答して、新たなトランザクションレコードを生成する、請求項246のシステム。
- 前記予測メンテナンスプラットフォームが、前記動作特性または前記メンテナンス動作のうちの少なくとも1つに基づいて、前記産業用機械の動作に関連する可能性のある問題または現在の問題に類似した問題を検出するために、機械学習の側面を訓練する、請求項234のシステム。
- 前記動作特性の検出を示すデータ、前記産業用機械の関心点の生データ、または前記1以上の画像データセットを含むトレーニングデータセットを使用して、前記機械学習の側面をトレーニングすることによって、
コンピュータビジョンシステムに関連付けられた機械学習の側面を訓練するために、動作特性の検出を示すデータを分析するインテリジェントシステムを含む視覚分析装置を
をさらに含む、請求項233のシステム。 - 前記視覚解析器が、前記トレーニングデータセットを格納するトレーニングデータデータベースであって、前記視覚解析器が、前記トレーニングデータデータベースから前記トレーニングデータセットを取得することにより、前記コンピュータビジョンシステムに関連付けられた機械学習の側面をトレーニングすることを特徴とするトレーニングデータデータベースをさらに含む、請求項250のシステム。
- 前記動作特性が、前記産業用機械の構成要素の振動を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素の形状を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素のサイズを含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素のたわみを含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素の電磁放射を含む、請求項233のシステム。
- 動作特性が産業用機械の構成要素の温度を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内のガスの温度を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の液体の温度を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の固体の温度を含む、請求項233のシステム。
- 前記動作特性が産業用機械の構成要素内の圧力を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の気体の圧力を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の液体の圧力を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内のガスの密度を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の液体の密度を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の固体の密度を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械によって製造された部品の密度を含む、請求項233のシステム。
- 前記構成要素が車両用部品を含む、請求項267のシステム。
- 前記構成要素が自転車用の部品を含む、請求項267のシステム。
- 前記構成要素が自転車チェーンを含む、請求項267のシステム。
- 前記構成要素がガスケットを含む、請求項267のシステム。
- 前記構成要素がファスナーを含む、請求項267のシステム。
- 前記構成要素がネジのための部分を含む、請求項267のシステム。
- 前記部品がボルト用の部品を含む、請求項267のシステム。
- 前記部品がプリント回路基板用の部品を含む、請求項267のシステム。
- 前記構成要素がコンデンサ用の部品を含む、請求項267のシステム。
- 前記構成要素が抵抗器のための部分を含む、請求項267のシステム。
- 前記構成要素がインダクタのための部分を含む、請求項267のシステム。
- 前記動作特性が、産業用機械の構成要素内のガスの化学構造を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の液体の化学構造を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械の構成要素内の固体の化学構造を含む、請求項233のシステム。
- 前記動作特性が、前記産業用機械によって製造された部品の化学構造を含む、請求項233のシステム。
- 前記構成要素が車両用部品を含む、請求項282のシステム。
- 前記構成要素が自転車用の部品を含む、請求項282のシステム。
- 前記構成要素が自転車チェーンを含む、請求項282のシステム。
- 前記構成要素がガスケットを含む、請求項282のシステム。
- 前記構成要素がファスナーを含む、請求項282のシステム。
- 前記構成要素がネジ用の部分を含む、請求項282のシステム。
- 前記部材がボルト用の部品を含む、請求項282のシステム。
- 前記部品がプリント回路基板用の部品を含む、請求項282のシステム。
- 請求項282のシステムであって、前記部品がコンデンサのための部品を含む、システム。
- 前記構成要素が抵抗器のための部分を含む、請求項282のシステム。
- 前記構成要素がインダクタのための部分を含む、請求項282のシステム。
- 前記データキャプチャ装置が画像キャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置がカメラを含む、請求項233のシステム。
- 前記データキャプチャ装置がデータ測定装置を含む、請求項233のシステム。
- 前記データキャプチャ装置がセンサを含む、請求項233のシステム。
- 前記データキャプチャ装置がフルスペクトルカメラを含む、請求項233のシステム。
- 前記データキャプチャ装置が放射線撮像装置を含む、請求項233のシステム。
- 前記データキャプチャ装置がX線撮像装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が非可視光データキャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が可視光データキャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が音波データキャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が画像キャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が光撮像装置、検出装置、測距装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が点群データキャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が赤外線検査装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が画像キャプチャ装置を含む、請求項233のシステム。
- 前記データキャプチャ装置が圧力センサを含む、請求項233のシステム。
- 前記データキャプチャ装置が温度センサを含む、請求項233のシステム。
- 前記データキャプチャ装置が化学センサを含む、請求項233のシステム。
- 前記データキャプチャ装置がスタンドアロン装置を含む、請求項233のシステム。
- 前記データキャプチャ装置がモバイル装置を含む、請求項233のシステム。
- 前記モバイルデバイスがスマートフォンを含む、請求項313のシステム。
- 前記モバイルデバイスがタブレットを含む、請求項313のシステム。
- 前記生データが生画像データを含む、請求項233のシステム。
- 前記生データが生の測定データを含む、請求項233のシステム。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械の構成要素を含む、請求項233のシステム。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械のベルトを含む、請求項233のシステム。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された部品を含む、請求項233のシステム。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された自転車チェーンを含む、請求項233のシステム。
- 産業用機械の動作特性を検出する方法であって、
1つまたは複数のデータキャプチャ装置によってキャプチャされた生データを使用して、1つまたは複数の画像データセットを生成すること、
1つまたは複数の画像データセットによって表される関心のある点内の産業用機械の一部に対応する1つまたは複数の値を識別すること、
1つ以上の値を対応する予測値と比較すること、
1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、
分散データに基づいて産業用機械の動作特性を特定すること、および、
動作特性の検出を示すデータを生成すること、を含む方法。 - 動作特性が産業用機械の操作に関連する可能性のあるまたは現在の問題を表し、
動作特性を特定することに応答して実行するメンテナンス動作を特定することをさらに含み、メンテナンス動作は、産業用機械の動作に関連する可能性のあるまたは現在の問題を防止または解決するために取られる可能性のあるアクションを表す、請求項322の方法。 - 前記動作特性の特定に応答して実行するメンテナンス動作を特定することは、
予測メンテナンスを使用して、動作特性に基づいて可能な問題または現在の問題を予測することを含む、請求項323の方法であって、 - メンテナンス動作を示す信号を生成すること、および、
メンテナンス動作を実行するための信号をサーバに送信すること、をさらに含む、請求項323の方法。 - メンテナンス動作を示す信号を生成すること、および、
前記移動ロボットに信号を送信して、前記移動ロボットにメンテナンス動作を行わせること、をさらに含む、請求項323の方法。 - 前記予測メンテナンスを使用して、前記動作特性に基づいて可能性のある問題または現在の問題を予測することは、
動作特性に基づいて可能性のある問題または現在の問題の重要度を決定すること含み、重要度は動作特性の産業用機械への影響を表し、重要度は可能性のある問題または現在の問題を解決するための優先順位を示す、請求項323の方法。 - 前記生データが、前記産業用機械の環境においてユーザによって着用されるウェアラブルデバイスから受信された指示に応答して取り込まれ、
メンテナンス動作を示す信号をウェアラブルデバイスに通信することにより、メンテナンス動作を実行することをユーザに指示することをさらに含む、請求項322の方法。 - 前記生データが、前記産業用機械の環境に配置された移動データコレクタから受信した指示に応答して取り込まれ、
メンテナンス動作を示す信号を移動データコレクタに通信することで、メンテナンス動作を開始することをさらに含む、請求項322の方法。 - 前記移動データコレクタが移動ロボットである、請求項329の方法。
- 前記1以上のデータキャプチャ装置のうちの少なくとも1つがカメラを含むモバイル装置であり、
モバイルデバイスのカメラに生データを撮影させること、および、
前記モバイルデバイスから、前記生データを含む信号を、前記1つ以上の画像データセットを生成するために使用されるコンピュータビジョンシステムに送信すること、をさらに含む、請求項322の方法。 - 動作特性が、産業用機械の構成要素の振動を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素の形状を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素のサイズを含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素の偏向を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素の電磁放射を含む、請求項322の方法。
- 前記動作特性が産業用機械の構成要素の温度を含む、請求項322の方法。
- 前記動作特性が、産業用機械の構成要素内のガスの温度を含む、請求項322の方法。
- 前記動作特性が、産業用機械の構成要素内の液体の温度を含む、請求項322の方法。
- 前記動作特性が、産業用機械の構成要素内の固体の温度を含む、請求項322の方法。
- 前記動作特性が、産業用機械の構成要素内の圧力を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内の気体の圧力を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内の液体の圧力を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内のガスの密度を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内の液体の密度を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内の固体の密度を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械によって製造された部品の密度を含む、請求項322の方法。
- 前記部品が車両用部品を含む、請求項347の方法。
- 前記構成要素が自転車用の部品を含む、請求項347の方法。
- 前記構成要素が自転車チェーンを含む、請求項347の方法。
- 前記構成要素がガスケットを含む、請求項347の方法。
- 前記構成要素がファスナーを含む、請求項347の方法。
- 前記部材がネジ用の部品を含む、請求項347の方法。
- 前記部材がボルト用の部品を含む、請求項347の方法。
- 前記部品がプリント回路基板用の部品を含む、請求項347の方法。
- 前記部品がコンデンサのための部品を含む、請求項347の方法。
- 前記部品が抵抗器のための部品を含む、請求項347の方法。
- 前記部品がインダクタのための部品を含む、請求項347の方法。
- 前記動作特性が、前記産業用機械の構成要素内のガスの化学構造を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内の液体の化学構造を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械の構成要素内の固体の化学構造を含む、請求項322の方法。
- 前記動作特性が、前記産業用機械によって製造された部品の化学構造を含む、請求項322の方法。
- 前記部品が車両用部品を含む、請求項362の方法。
- 前記部品が自転車用の部品を含む、請求項362の方法。
- 前記構成要素が自転車チェーンを含む、請求項362の方法。
- 前記構成要素がガスケットを含む、請求項362の方法。
- 前記構成要素がファスナーを含む、請求項362の方法。
- 前記部材がネジ用の部品を含む、請求項362の方法。
- 前記部材がボルト用の部品を含む、請求項362の方法。
- 前記部品がプリント回路基板用の部品を含む、請求項362の方法。
- 前記部品がコンデンサのための部品を含む、請求項362の方法。
- 前記部品が抵抗器のための部品を含む、請求項362の方法。
- 前記構成要素がインダクタのための部分を含む、請求項362の方法。
- 前記データキャプチャ装置が画像キャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置がカメラを含む、請求項322の方法。
- 前記データキャプチャ装置がデータ測定装置を含む、請求項322の方法。
- 前記データキャプチャ装置がセンサを含む、請求項322の方法。
- 前記データキャプチャ装置がフルスペクトルカメラを含む、請求項322の方法。
- 前記データキャプチャ装置が放射線撮像装置を含む、請求項3022の方法。
- 前記データキャプチャ装置がX線撮像装置を含む、請求項322の方法。
- 前記データキャプチャ装置が非可視光データキャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置が可視光データキャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置が音波データキャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置が画像キャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置が、光撮像装置、検出装置、測距装置を含む、請求項322の方法。
- 前記データキャプチャ装置が点群データキャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置が赤外線検査装置を含む、請求項322の方法。
- 前記データキャプチャ装置が画像キャプチャ装置を含む、請求項322の方法。
- 前記データキャプチャ装置が圧力センサを含む、請求項322の方法。
- 前記データ取り込み装置が温度センサを含む、請求項322の方法。
- 前記データキャプチャ装置が化学センサを含む、請求項322の方法。
- 前記データキャプチャ装置がスタンドアロン装置を含む、請求項322の方法。
- 前記データキャプチャ装置が、前記モバイルデバイスに関連付けられたものを含む、請求項322の方法。
- 前記モバイルデバイスがスマートフォンを含む、請求項393の方法。
- 前記モバイルデバイスがタブレットを含む、請求項393の方法。
- 前記生データが生画像データを含む、請求項322の方法。
- 前記生データが生の測定データを含む、請求項322の方法。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械の構成要素を含む、請求項322の方法。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械のベルトを含む、請求項322の方法。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された部品を含む、請求項322の方法。
- 前記関心点内の前記産業用機械の部分が、前記産業用機械によって製造された自転車チェーンを含む、請求項322の方法。
- 産業用機械の動作特性を検出するためのシステムであって、
産業用機械の関心点の生データをキャプチャする少なくとも1つの画像データキャプチャ装置と、
前記キャプチャされた生データを使用して1つまたは複数の画像データセットを生成するコンピューティングデバイスであって、前記関心点に関連付けられた産業用機械の一部が前記1つまたは複数の画像データセット内で表現されているコンピューティングデバイスと、
前記1つ以上の画像データセットからの1つ以上の値を、対応する予測値と比較すること、
1つ以上の値と対応する予測値との比較に基づいて分散データセットを生成すること、
分散データに基づいて産業用機械の動作特性を特定すること、
動作特性が閾値より大きいかどうかに基づいて、前記動作特性が許容範囲内であるかどうかを判定すること、
動作特性を示すトレーニングデータを生成すること、および、
トレーニングデータに応じて機械学習の側面を訓練すること、によって、
1以上の画像データセットに基づいて、コンピュータ装置に関連付けられた機械学習の側面を訓練するインテリジェントシステムと、を含むシステム。 - 前記インテリジェントシステムが、深層学習システムである、請求項402のシステム。
- 前記インテリジェントシステムが、認知学習モジュール、人工知能モジュール、または機械学習モジュールのうちの1つ以上を含む、請求項402のシステム。
- 前記トレーニングデータが、前記産業用機械に関連付けられた画像データと、前記産業用機械に関連付けられた非画像データとを含む、請求項402のシステム。
- 前記トレーニングデータが、前記産業用機械に関連付けられた知識ベースに格納されている、請求項405のシステム。
- 前記知識ベースが、前記インテリジェントシステムからの出力に基づいて更新される、請求項406のシステム。
- 産業環境のターゲットの状態を識別するためにウェアラブルデバイスを使用する方法であって、
ウェアラブルデバイスの1つ以上のセンサを使用して、ターゲットの状態に関連した測定値をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。 - ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、請求項408の方法。 - 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項409の方法。
- 前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、請求項409の方法。
- 前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、請求項409の方法。
- 前記ウェアラブルデバイスが1つのセンサを含む、請求項408の方法。
- 前記ウェアラブルデバイスが複数のセンサを含む、請求項408の方法。
- 前記ウェアラブルデバイスが第1のウェアラブルデバイスであり、前記状態関連測定が第1の状態関連測定であり、
第2のウェアラブルデバイスを使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、請求項408の方法。 - 前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、請求項415の方法。 - 第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、請求項415の方法。 - 前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄することをさらに含む、請求項417の方法。
- 前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新することをさらに含む、請求項417の方法。
- 前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、ウェアラブルデバイスのオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、請求項419の方法。 - 前記オンデバイスセンサ融合の側面がマルチプレクサである、請求項420の方法。
- 前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
状態関連測定のレコードを制御するためにホスト処理システムを使用することを含む、請求項408の方法。 - 前記ホスト処理システムがクラウドコンピューティングシステムに具現化されている、請求項422の方法。
- 前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
状態に関連する測定のレコードを制御するためにネットワーク符号化システムを使用することを含む、請求項408の方法。 - 前記ウェアラブルデバイスの1つ以上のセンサを使用して前記ターゲットの状態に関連する測定値をレコードすることは、
一定の間隔で1つ以上のセンサを使用して再コード化を繰り返すことを含む、請求項408の方法。 - 状態関連測定をネットワークを介してサーバに送信することは、
データコレクタからウェアラブルデバイスにコマンドを送信すること、および、
前記ウェアラブルデバイスに、前記コマンドに応答して前記サーバに前記状態関連測定値を送信させること、を含む、請求項408の方法。 - 前記データコレクタが、一定の間隔で前記コマンドを前記ウェアラブルデバイスに送信する、請求項426の方法。
- 前記データコレクタが、前記コマンドをランダムに前記ウェアラブルデバイスに送信する、請求項426の方法。
- 状態関連測定をネットワークを介してサーバに送信することは、
ウェアラブルデバイスにコマンドを送信するために、ウェアラブルデバイスに関連付けられた集合的処理マインドを使用すること、および、
前記ウェアラブルデバイスに、前記コマンドに応答して前記サーバに前記状態関連測定値を送信させること、を含む、請求項408の方法。 - 前記ウェアラブルデバイスにコマンドを送信するために前記ウェアラブルデバイスに関連付けられた集合的処理マインドを使用することは、
ウェアラブルデバイスに関してターゲットの近接を検出するために、集合的処理マインドに関連付けられた検出器を使用すること、および
近接を検出することに応答して、コマンドをウェアラブルデバイスに送信すること、を含む、請求項408の方法。 - 状態に関連した測定をデータプールに格納することをさらに含む、請求項408の方法。
- 前記データプールを実装するために使用されるコンピューティングデバイスに、前記集合的処理マインドから状態関連測定の要求を送信するステップであって、前記要求は、前記集合的処理マインドが前記データプールから1つ以上の状態関連測定を要求した最後の時間を示すタイムスタンプを含むステップ、
状態関連測定がタイムスタンプの後にレコードされたかどうかを決定するステップ、および、
状態関連測定がタイムスタンプの後にレコードされたと判断することに応答して、状態関連測定をコンピューティングデバイスからサーバに送信するステップ、をさらに含む、請求項431の方法。 - 状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、ウェアラブルデバイスからサーバに状態関連の測定値を送信することを含む、請求項408の方法。 - ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、請求項408の方法。
- 前記ウェアラブルデバイスが、産業用ユニフォーム内に統合された複数のウェアラブルデバイスのうちの1つである、請求項408の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態に関連する測定値をレコードするように構成されたセンサを含む、請求項408の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態に関連する測定値をレコードするように構成されたセンサを含む、請求項408の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項408の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項408の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項408の方法。
- 前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、請求項408の方法。
- 前記衣類の物品がシャツである、請求項441の方法。
- 前記衣類の物品がベストである、請求項441の方法。
- 前記衣類の物品がジャケットである、請求項441の方法。
- 前記衣類の物品がズボンである、請求項441の方法。
- 前記衣類の物品がショーツである、請求項441の方法。
- 前記衣類の物品が手袋である、請求項441の方法。
- 前記衣類の物品が靴下である、請求項441の方法。
- 前記衣類の物品が靴である、請求項441の方法。
- 前記衣類の物品が保護アウターである、請求項441の方法。
- 前記衣類の物品が下着である、請求項441の方法。
- 前記衣類の物品がアンダーシャツである、請求項441の方法。
- 前記衣類の物品がタンクトップである、請求項441の方法。
- 前記ウェアラブルデバイスがアクセサリー物品内に組み込まれている、請求項408の方法。
- 前記アクセサリー物品が帽子である、請求項454の方法。
- 前記アクセサリー物品がヘルメットである、請求項454の方法。
- 前記アクセサリー物品が眼鏡である、請求項454の方法。
- 前記アクセサリー物品がゴーグルである、請求項454の方法。
- 前記アクセサリー物品が視覚安全アクセサリーである、請求項454の方法。
- 前記アクセサリー物品がマスクである、請求項454の方法。
- 前記アクセサリー物品が胸部バンドである、請求項454の方法。
- 前記アクセサリー物品がベルトである、請求項454の方法。
- 前記アクセサリー物品がリフトサポートガーメントである、請求項454の方法。
- 前記アクセサリー物品がアンテナである、請求項454の方法。
- 前記アクセサリー物品がリストバンドである、請求項454の方法。
- 前記アクセサリー物品がリングである、請求項454の方法。
- 前記アクセサリー物品がネックレスである、請求項454の方法。
- 前記アクセサリー物品がブレスレットである、請求項454の方法。
- 前記アクセサリー物品が腕時計である、請求項454の方法。
- 前記アクセサリー物品がブローチである、請求項454の方法。
- 前記アクセサリー物品がネックストラップである、請求項454の方法。
- 前記アクセサリー物品がバックパックである、請求項454の方法。
- 前記アクセサリー物品がフロントパックである、請求項454の方法。
- 前記アクセサリー物品がアームパックである、請求項454の方法。
- 前記アクセサリー物品がレッグパックである、請求項454の方法。
- 前記アクセサリー物品がランヤードである、請求項454の方法。
- 前記アクセサリー物品がキーリングである、請求項454の方法。
- 前記アクセサリー物品がヘッドホンである、請求項454の方法。
- 前記アクセサリー物品が聴覚安全アクセサリーである、請求項454の方法。
- 前記アクセサリー物品がイヤホンである、請求項454の方法。
- 前記アクセサリー物品が耳かけである、請求項454の方法。
- 前記ウェアラブルデバイスが、衣類の物品内に統合された第1のウェアラブルデバイスであり、前記アクセサリー物品内に統合された第2のウェアラブルデバイスを使用することを含む、請求項408の方法。
- 前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記ウェアラブルデバイスと通信するカメラビジョンシステムによって制御される、請求項408の方法。
- 産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1以上のセンサを含む第1のウェアラブルデバイスと、
第2のタイプの状態関連測定をレコードするように構成された1以上のセンサを含む第2のウェアラブルデバイスと、
前記第1のウェアラブルデバイスから第1のタイプの状態関連測定値を受信し、前記第2のウェアラブルデバイスから第2のタイプの状態関連測定値を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。 - 前記第1のウェアラブルデバイスと前記第2のウェアラブルデバイスとが、産業用ユニフォーム内に統合されている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項484のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項484のシステム。
- 前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、請求項484のシステム。
- 前記第1のウェアラブルデバイスの1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1のウェアラブルデバイスと通信するカメラビジョンシステムによって制御される、請求項484のシステム。
- 前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスの少なくとも一方にコマンドを送信する集合的処理マインドをさらに含む、請求項484のシステム。
- 前記集合的処理マインドが、前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスのうちの少なくとも1つに関して前記ターゲットの近接を検出するための検出器を含む、請求項498のシステム。
- 前記集合的処理マインドが、適応的スケジューリングを使用して、前記第1のウェアラブルデバイスまたは前記第2のウェアラブルデバイスのうちの少なくとも1つを使用して、前記ターゲットの連続的な監視を制御する、請求項498のシステム。
- 前記インテリジェントシステムが、
前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、請求項484のシステム。 - 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項484のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項484のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項484のシステム。
- 前記第1のウェアラブルデバイスが衣類の物品内に統合され、前記第2のウェアラブルデバイスがアクセサリー物品内に統合されている、請求項484のシステム。
- 前記第1のウェアラブルデバイスが第1の衣類の物品内に統合され、前記第2のウェアラブルデバイスが第2の衣類の物品内に統合されている、請求項484のシステム。
- 前記第1のウェアラブルデバイスが前記第1のアクセサリー物品内に統合され、前記第2のウェアラブルデバイスが前記第2のアクセサリー物品内に統合されている、請求項484のシステム。
- 前記第1のウェアラブルデバイスが、衣類の物品内に組み込まれている、請求項484のシステム。
- 前記衣類の物品がシャツである、請求項508のシステム。
- 前記衣類の物品がベストである、請求項508のシステム。
- 前記前記衣類の物品がジャケットである、請求項508のシステム。
- 前記前記衣類の物品がズボンである、請求項508のシステム。
- 前記前記衣類の物品がショーツである、請求項508のシステム。
- 前記衣類の物品が手袋である、請求項508のシステム。
- 前記衣類の物品が靴下である、請求項508のシステム。
- 前記前記衣類の物品が靴である、請求項508のシステム。
- 前記衣類の物品が保護アウターである、請求項508のシステム。
- 前記衣類の物品が下着である、請求項508のシステム。
- 前記衣類の物品がアンダーシャツである、請求項508のシステム。
- 前記衣類の記事がタンクトップである、請求項508のシステム。
- 前記第1のウェアラブルデバイスが、アクセサリー物品内に組み込まれている、請求項484のシステム。
- 前記アクセサリー物品が帽子である、請求項521のシステム。
- 前記アクセサリー物品がヘルメットである、請求項521のシステム。
- 前記アクセサリー物品が眼鏡である、請求項521のシステム。
- 前記アクセサリー物品がゴーグルである、請求項521のシステム。
- 前記アクセサリー物品が視覚安全アクセサリーである、請求項521のシステム。
- 前記アクセサリー物品がマスクである、請求項521のシステム。
- 前記アクセサリー物品が胸部バンドである、請求項521のシステム。
- 前記アクセサリー物品がベルトである、請求項521のシステム。
- 前記アクセサリー物品がリフトサポートガーメントである、請求項521のシステム。
- 前記アクセサリー物品がアンテナである、請求項521のシステム。
- 前記アクセサリー物品がリストバンドである、請求項521のシステム。
- 前記アクセサリー物品がリングである、請求項521のシステム。
- 前記アクセサリー物品がネックレスである、請求項521のシステム。
- 前記アクセサリー物品がブレスレットである、請求項521のシステム。
- 前記アクセサリー物品が腕時計である、請求項521のシステム。
- 前記アクセサリー物品がブローチである、請求項521のシステム。
- 前記アクセサリー物品がネックストラップである、請求項521のシステム。
- 前記アクセサリー物品がバックパックである、請求項521のシステム。
- 前記アクセサリー物品がフロントパックである、請求項521のシステム。
- 前記アクセサリー物品がアームパックである、請求項521のシステム。
- 前記アクセサリー物品がレッグパックである、請求項521のシステム。
- 前記アクセサリー物品がランヤードである、請求項521のシステム。
- 前記アクセサリー物品がキーリングである、請求項521のシステム。
- 前記アクセサリー物品がヘッドホンである、請求項521のシステム。
- 前記アクセサリー物品が聴覚安全アクセサリーである、請求項521のシステム。
- 前記アクセサリー物品がイヤホンである、請求項521のシステム。
- 前記アクセサリー物品が耳かけである、請求項521のシステム。
- 産業環境のターゲットの状態を識別するために移動データコレクタを使用する方法であって、
産業環境内のターゲットの位置に接近するように移動データコレクタを制御すること、
移動データコレクタの1つ以上のセンサを使用して、ターゲットの状態に関連した測定をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。 - 前記移動データコレクタが移動ロボットである、請求項549の方法。
- 前記1つ以上のセンサが、前記移動ロボット内に統合されている、請求項550の方法。
- 前記1つ以上のセンサが前記移動ロボットに結合されている、請求項550の方法。
- 前記移動ロボットがロボットアームである、請求項550の方法。
- 前記移動ロボットが人型ロボットである、請求項550の方法。
- 前記移動ロボットが小型自律型ロボットである、請求項550の方法。
- 前記移動ロボットが大型自律型ロボットである、請求項550の方法。
- 前記移動ロボットが遠隔操作ロボットである、請求項550の方法。
- 前記移動ロボットがプログラム可能に構成されたロボットである、請求項550の方法。
- 前記1つ以上のセンサが、前記移動ロボット内に統合されている、請求項550の方法。
- 前記1つ以上のセンサが前記移動ロボットに結合されている、請求項550の方法。
- 前記移動データコレクタが移動車両である、請求項549の方法。
- 前記移動車両が大型機械である、請求項559の方法。
- 前記移動車両が、大型のオンロード産業車両である、請求項559の方法。
- 前記移動車両が、大型のオフロード産業車両である、請求項559の方法。
- 前記移動車両が産業用機械を含む、請求項559の方法。
- 前記移動車両が、土工装置を含む、請求項559の方法。
- 請求項559の方法であって、前記移動車両が土留め装置を含む、方法。
- 移動車両が運搬装置を含む、請求項559の方法。
- 請求項559の方法であって、前記移動車両がホイスト装置を含む、方法。
- 移動車両が搬送装置を含む、請求項559の方法。
- 移動車両が骨材生産装置を含む、請求項559の方法。
- 請求項559の方法であって、前記移動車両が、コンクリート建設に使用される装置を含む、方法。
- 前記移動車両がパイルドライビング装置を含む、請求項559の方法。
- 前記移動車両が建設機械を含む、請求項559の方法。
- 前記移動車両が人員輸送車両である、請求項559の方法。
- 前記移動車両が無人車両である、請求項559の方法。
- 前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、請求項549の方法。
- 前記移動データコレクタを制御して、前記産業環境内のターゲットの位置に接近するように制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、請求項577の方法。 - 前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、請求項578の方法。 - ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、請求項549の方法。 - 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項549の方法。
- 前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、請求項549の方法。
- 前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、請求項549の方法。
- 前記移動データコレクタが1つのセンサを含む、請求項549の方法。
- 前記移動データコレクタが複数のセンサを含む、請求項549の方法。
- 前記移動データコレクタが第1の移動データコレクタであり、前記状態関連測定が第1の状態関連測定であり、
第2の移動データコレクタを使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、請求項549の方法。 - 前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、請求項586の方法。 - 第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、および、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、請求項586の方法。 - 前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄することをさらに含む、請求項588の方法。
- 前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新することをさらに含む、請求項588の方法。
- 前記第1の移動データコレクタが移動ロボットであり、前記第2の移動データコレクタが移動車両である、請求項586の方法。
- 前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、移動データコレクタのオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、請求項549の方法。 - 前記オンデバイスセンサ融合の側面がマルチプレクサである、請求項592の方法。
- 状態関連測定をデータプールに格納することをさらに含む、請求項549の方法。。
- 状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、移動データコレクタからサーバに状態関連の測定値を送信することを含む、請求項549の方法。 - ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、請求項549の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項549の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項549の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項549の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項549の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項549の方法。
- 前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記移動データコレクタと通信しているカメラビジョンシステムによって制御される、請求項549の方法。
- 産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第1の移動データコレクタと、
第2のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第2の移動データコレクタと、
第1の移動データコレクタから第1のタイプの状態関連測定を受信し、第2の移動データコレクタから第2のタイプの状態関連測定を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。 - 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項603のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項603のシステム。
- 前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、請求項603のシステム。
- 前記第1の移動データコレクタの1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1の移動データコレクタと通信しているカメラビジョンシステムによって制御される、請求項603のシステム。
- インテリジェントシステムが、前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、請求項603のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項603のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項603のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項603のシステム。
- 前記第1の移動データコレクタが移動ロボットであり、前記第2の移動データコレクタが移動車両である、請求項603のシステム。
- 前記第1の移動データコレクタが第1の移動ロボットであり、前記第2の移動データコレクタが第2の移動ロボットである、請求項603のシステム。
- 前記第1の移動データコレクタが第1の移動車両であり、前記第2の移動データコレクタが第2の移動車両である、請求項603のシステム。
- 前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタ内に統合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタ内に統合されている、請求項603のシステム。
- 前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタ内に統合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタに結合されている、請求項603のシステム。
- 前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタに結合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタ内に統合されている、請求項603のシステム。
- 前記第1の移動データコレクタの1つ以上のセンサが前記第1の移動データコレクタに結合されており、前記第2の移動データコレクタの1つ以上のセンサが前記第2の移動データコレクタに結合されている、請求項603のシステム。
- 前記第1の移動データコレクタが移動ロボットである、請求項603のシステム。
- 前記移動ロボットがロボットアームである、請求項627のシステム。
- 前記移動ロボットが人型ロボットである、請求項627のシステム。
- 前記移動ロボットが小型自律型ロボットである、請求項627のシステム。
- 前記移動ロボットが大型自律型ロボットである、請求項627のシステム。
- 前記移動ロボットが遠隔制御ロボットである、請求項627のシステム。
- 前記移動ロボットがプログラム可能に構成されたロボットである、請求項627のシステム。
- 前記1つ以上のセンサが、前記移動ロボット内に統合されている、請求項627のシステム。
- 前記1つ以上のセンサが前記移動ロボットに結合されている、請求項627のシステム。
- 請求項603のシステムであって、前記移動データコレクタが移動車両である、システム。
- 前記移動車両が大型機械である、請求項636のシステム。
- 前記移動車両が大型オンロード産業車両である、請求項636のシステム。
- 前記移動車両が大型オフロード産業車両である、請求項636のシステム。
- 前記移動車両が産業用機械を含む、請求項636のシステム。
- 前記移動車両が、土工装置を含む、請求項636のシステム。
- 前記移動車両が土留め装置を含む、請求項636のシステム。
- 前記移動車両が運搬装置を含む、請求項636のシステム。
- 前記移動車両がホイスト装置を含む、請求項636のシステム。
- 前記移動車両が搬送装置を含む、請求項636のシステム。
- 前記移動車両が骨材生産装置を含む、請求項636のシステム。
- 前記移動車両が、コンクリート建設に使用される装置を含む、請求項636のシステム。
- 前記移動車両がパイルドライビング装置を含む、請求項636のシステム。
- 前記移動車両が建設機械を含む、請求項636のシステム。
- 前記移動車両が人員輸送車両である、請求項636のシステム。
- 前記移動車両が無人車両である、請求項636のシステム。
- 前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、請求項603のシステム。
- 前記移動データコレクタを制御して、前記産業環境内の前記ターゲットの位置に接近するように制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、請求項652のシステム。 - 前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、請求項653のシステム。 - 携帯装置を使用して、産業環境のターゲットの状態を識別する方法であって、
携帯装置の1つ以上のセンサを使用して、ターゲットの状態に関連した測定値をレコードすること、
状態に関連した測定値をネットワークを介してサーバに送信すること、
サーバに関連付けられたインテリジェントシステムを使用すること、を含み、
ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することで、ターゲットのための事前にレコードされたデータに対して状態関連測定を処理することは、産業環境に関連付けられた知識ベース内でターゲットのための事前にレコードされたデータを特定することを含んでおり、さらに、
知識ベースの中で、あらかじめレコードされているターゲットのデータが示す状態を、ターゲットの状態として特定すること、を含む方法。 - ターゲットのために事前にレコードされたデータと状態関連の測定値との間の不一致を判定すること、および、
不整合を決定することに応答して、状態関連の測定に応じて知識ベースを更新すること、をさらに含む、請求項655の方法。 - 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項656の方法。
- 前記知識ベースが、前記インテリジェントシステムの人工知能の側面を訓練するために使用されるトレーニングデータセットを含む、請求項656の方法。
- 前記知識ベースが、前記インテリジェントシステムの認知機能の側面を訓練するために使用されるトレーニングデータセットを含む、請求項656の方法。
- 前記携帯装置が1つのセンサを含む、請求項655の方法。
- 前記携帯装置が複数のセンサを含む、請求項655の方法。
- 前記携帯装置が第1の携帯装置であり、前記状態関連測定が第1の状態関連測定であり、前記携帯装置が前記第1の状態関連測定であり、
第2の携帯装置を使用して、ターゲットの第2の状態に関連した測定値をレコードすることをさらに含む、請求項655の方法。 - 前記サーバに関連付けられたインテリジェントシステムを使用して、前記ターゲットのために事前にレコードされたデータに対する状態関連測定を処理することは、
前記第1の状態関連測定および前記第2の状態関連測定に基づいて、前記事前にレコードされたデータを識別するためのインテリジェントシステムを使用して、前記第1の状態関連測定および前記第2の状態関連測定を行うことを含む、請求項662の方法。 - 第1の状態関連測定と第2の状態関連測定との間の不整合を決定すること、および、
前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較して、前記第1の状態関連測定が前記レコード済みデータと矛盾しており、前記第2の状態関連測定が前記レコード済みデータと矛盾していないことを決定すること、をさらに含む、請求項662の方法。 - 前記第1の状態関連測定および前記第2の状態関連測定のそれぞれを前記レコード済みデータと比較することに応答して、前記第1の状態関連測定を破棄するステップをさらに含む、請求項664の方法。
- 前記第1の状態関連測定と前記第2の状態関連測定のそれぞれを事前にレコードされたデータと比較することに応答して、前記第2の状態関連測定に従って知識ベースを更新するステップをさらに含む、請求項664の方法。
- 前記1つ以上のセンサが、それぞれ状態に関連した測定値をレコードする複数のセンサを含み、
状態関連の測定値をサーバに送信する前に、携帯装置のオンデバイスセンサ融合の側面を使用して、状態関連の測定値に対してセンサ融合を実行することをさらに含む、請求項666の方法。 - 前記オンデバイスセンサ融合の側面がマルチプレクサである、請求項667の方法。
- 前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
状態関連測定のレコードを制御するためにホスト処理システムを使用することを含む、請求項655の方法。 - 前記ホスト処理システムがクラウドコンピューティングシステムに具現化されている、請求項669の方法。
- 前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
状態に関連する測定のレコードを制御するためにネットワーク符号化システムを使用することを含む、請求項655の方法。 - 前記携帯装置の1つ以上のセンサを使用して前記ターゲットの状態関連測定をレコードすることは、
一定の間隔で1つ以上のセンサを使用して再コード化を繰り返すことを含む、請求項655の方法。 - 状態関連測定をネットワークを介してサーバに送信することは、
データコレクタから携帯装置にコマンドを送信すること、および、
携帯装置に、コマンドに応答してサーバに状態関連の測定値を送信させること、を含む、請求項655の方法。 - 前記データコレクタが、一定の間隔で前記携帯装置にコマンドを送信する、請求項673の方法。
- 前記データコレクタが、前記コマンドをランダムに前記携帯装置に送信する、請求項673の方法。
- 状態関連測定をネットワークを介してサーバに送信することは、
携帯装置にコマンドを送信するために、携帯装置に関連付けられた集合的処理マインドを使用すること、および、
携帯装置に、コマンドに応答してサーバに状態関連の測定値を送信させること。 - 携帯装置にコマンドを送信するために携帯装置に関連付けられた集合的処理マインドを使用することは、
集合的処理マインドに関連付けられた検出器を使用して、携帯装置に対するターゲットの近接を検出すること、および
近接を検出することに応答して携帯装置にコマンドを送信すること、を含む、請求項655の方法。 - 状態関連測定をデータプールに格納することをさらに含む、請求項655の方法。
- 前記データプールを実装するために使用されるコンピューティングデバイスに、前記集合的処理マインドから状態関連測定の要求を送信するステップであって、前記要求は、前記集合的処理マインドが前記データプールから1つまたは複数の状態関連測定を要求した最後の時間を示すタイムスタンプを含むステップ。
状態関連測定がタイムスタンプの後にレコードされたかどうかを決定すること、および、
状態関連測定がタイムスタンプの後にレコードされたと判断することに応答して、状態関連測定をコンピューティングデバイスからサーバに送信すること、をさらに含む、請求項678の方法。 - 状態関連測定をネットワークを介してサーバに送信することは、
データ収集ルータを使用して、携帯装置からサーバに状態関連の測定値を送信することを含む、請求項655の方法。 - ターゲットの状態に関連付けられたメンテナンス動作を特定することをさらに含む、請求項655の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された振動に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項655の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された温度に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項655の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された電気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項655の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された磁気出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項655の方法。
- 前記1つ以上のセンサが、前記ターゲットに関して測定された音出力に基づいて前記状態関連測定をレコードするように構成されたセンサを含む、請求項655の方法。
- 前記携帯装置が携帯電話である、請求項655の方法。
- 前記携帯装置がラップトップコンピュータである、請求項655の方法。
- 前記携帯装置がタブレットコンピュータである、請求項655の方法。
- 前記携帯装置がパーソナルデジタルアシスタントである、請求項655の方法。
- 前記携帯装置がトランシーバーである、請求項655の方法。
- 前記携帯装置が無線機である、請求項655の方法。
- 前記携帯装置が長距離通信デバイスである、請求項655の方法。
- 前記携帯装置が近距離通信デバイスである、請求項655の方法。
- 前記携帯装置が懐中電灯である、請求項655の方法。
- 前記1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定のレコードが、ネットワークを介して前記携帯装置と通信しているカメラビジョンシステムによって制御される、請求項655の方法。
- 産業環境のターゲットの状態を識別するためのシステムであって、
第1のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第1の携帯装置と、
第2のタイプの状態関連測定をレコードするように構成された1つ以上のセンサを含む第2の携帯装置と、
前記第1の携帯装置から第1のタイプの状態関連測定を受信し、前記第2の携帯装置から第2のタイプの状態関連測定を受信するサーバであって、
前記第1のタイプの状態関連測定および前記第2のタイプの状態関連測定を、前記知識ベース内に格納された事前にレコードされたデータに対して処理して、前記ターゲットの状態を特定し、
前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうちの少なくとも1つに従って、前記レコード済みデータを更新する、ように構成された
インテリジェントシステムを含むサーバと、を含むシステム。 - 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された振動に基づくものであり、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づくものである、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された温度に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音の出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された電気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項697のシステム。
- 前記第1のタイプの状態関連測定が、前記ターゲットに関して測定された磁気出力に基づいており、前記第2のタイプの状態関連測定が、前記ターゲットに関して測定された音出力に基づいている、請求項697のシステム。
- 前記インテリジェントシステムが、ターゲットの状態に関連付けられたメンテナンス動作を特定するように構成されている、請求項697のシステム。
- 前記第1の携帯装置の1つ以上のセンサがイメージセンサを含み、前記イメージセンサを用いた状態関連測定の第1のタイプのレコードが、前記第1の携帯装置と通信しているカメラビジョンシステムによって制御される、請求項697のシステム。
- 前記第1の携帯装置または前記第2の携帯装置の少なくとも一方にコマンドを送信する集合的処理マインドをさらに含む、請求項697のシステム。
- 前記集合的処理マインドが、前記第1の携帯装置または前記第2の携帯装置のうちの少なくとも1つに関して前記ターゲットの近接を検出するための検出器を含む、請求項710のシステム。
- 前記集合的処理マインドが、適応的スケジューリングを使用して、第1の携帯装置または第2の携帯装置のうちの少なくとも1つを使用して、ターゲットの連続的な監視を制御する、請求項710のシステム。
- 前記インテリジェントシステムが、前記事前にレコードされたデータと前記第1のタイプの状態関連測定または前記第2のタイプの状態関連測定のうち少なくとも1つとの間で決定された不整合に応答して、前記知識ベースを更新するように構成されている、請求項697のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項697のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項697のシステム。
- 前記知識ベースが、前記インテリジェントシステムの機械学習の側面を訓練するために使用されるトレーニングデータセットを含む、請求項697のシステム。
- 前記携帯装置が携帯電話である、請求項697のシステム。
- 前記携帯装置がラップトップコンピュータである、請求項697のシステム。
- 前記携帯装置がタブレットコンピュータである、請求項697のシステム。
- 前記携帯装置がパーソナルデジタルアシスタントである、請求項697のシステム。
- 前記携帯装置がトランシーバーである、請求項697のシステム。
- 前記携帯装置が無線機である、請求項697のシステム。
- 前記携帯装置が長距離通信装置である、請求項697のシステム。
- 前記携帯装置が近距離通信装置である、請求項697のシステム。
- 前記携帯装置が懐中電灯である、請求項697のシステム。
- 前記振動データを取得するために使用される少なくとも1つの振動センサを含むウェアラブルデバイスから、前記産業用機械の少なくとも一部の振動を代表する振動データを受信すること、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、
前記重大度単位に基づいて前記産業用機械の少なくとも一部のメンテナンス動作を実行するための信号を前記予測メンテナンス回路に生成すること、を含む方法。 - 前記ウェアラブルデバイスの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて前記振動データをキャプチャする、請求項726の方法。
- ウェアラブルデバイスを使用して、前記産業用機械が前記ウェアラブルデバイスに近接していることを検出すること、および、
前記ウェアラブルデバイスに前記産業用機械の前記ウェアラブルデバイスへの近接を検出することに応答して、前記ウェアラブルデバイスに振動データを取得させること、をさらに含む、請求項726の方法。 - 前記ウェアラブルデバイスの少なくとも1つの振動センサを用いて、前記産業用機械の少なくとも一部の振動レベルの変化を検出すること、および
ウェアラブルデバイスを使用して、振動レベルの変化を検出することに応答して振動データをキャプチャすること、をさらに含む、請求項726の方法。 - 前記ウェアラブルデバイスの少なくとも1つの振動センサが、前記産業用機械の少なくとも一部に関連付けられた振動包絡線から導出された波形に基づいて、前記振動レベルの変化を検出する、請求項729の方法。
- 前記信号を前記ウェアラブルデバイスに送信して、前記メンテナンス動作の実行を引き起こすことをさらに含む、請求項726の方法。
- 決定されたセグメントに基づいてキャプチャされた振動の重大度単位を計算することは、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記キャプチャされた振動を前記第1の重大度単位にマッピングすること、
前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中域に対応する場合に、前記キャプチャされた振動を前記第2の重大度単位にマッピングすること、および、
前記キャプチャされた振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記キャプチャされた振動を前記第3の重大度単位にマッピングすること、によって決定された
セグメントに基づいて、キャプチャされた振動を重大度単位にマッピングすることを含む、請求項726の方法。 - 振動が第1の重大度単位、第2の重大度単位、または第3の重大度単位にマッピングされるかどうかを決定するために、インテリジェントシステムを訓練することをさらに含む、請求項732の方法。
- 前記重大度単位が、キャプチャされた振動データに基づいて、前記メンテナンス動作の前記産業用機械の少なくとも一部に対する影響を表す、請求項726の方法。
- 撮像した振動データの処理により、撮像した振動データの振幅と重力を決定することをさらに含み、
キャプチャされた振動の重大度単位を計算することは、
決定されたセグメントと振幅または重力の少なくとも一方に基づいて重大度単位を計算することを含み、前記重大度単位は、周波数に依存しないキャプチャされた振動を表している、請求項726の方法。 - 前記信号または前記メンテナンス動作のうちの少なくとも1つが、重大度単位に基づいて、前記少なくとも1つの振動センサを使用して更なる振動データの収集および分析のための周波数を増加または減少させることを示す、請求項726の方法。
- 前記メンテナンス動作が、前記産業用機械の少なくとも一部分に対して、較正、診断テスト、または目視検査のうちの1つを実行することを示す、請求項726の方法。
- 前記信号を前記産業用機械の構成要素に送信することをさらに含み、前記メンテナンス動作は、前記産業用機械の少なくとも一部を再調査することを指示し、前記産業用機械の構成要素は、前記信号を受信することに応答して前記メンテナンス動作を実行させる、請求項726の方法。
- 前記ウェアラブルデバイスが、産業用プラットフォーム内に統合された複数のウェアラブルデバイスのうちの第1のウェアラブルデバイスである、請求項726の方法。
- 前記複数のウェアラブルデバイスのうちの第2のウェアラブルデバイスが、温度センサを使用して前記産業用機械の温度をキャプチャし、前記信号が、重大度単位に基づいて、前記キャプチャされた温度に基づいて計算された第2の重大度単位に基づいて生成される、請求項739の方法。
- 前記複数のウェアラブルデバイスの第3のウェアラブルデバイスが、電気センサを使用して産業用機械の電気出力または電気使用をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャした電気出力または電気使用に基づいて計算された第3の重大度単位に基づいて生成される、請求項739の方法。
- 前記複数のウェアラブルデバイスのうちの第4のウェアラブルデバイスが、磁気センサを使用して産業用機械の電磁場のレベルまたは変化をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャされた電磁場のレベルまたは変化に基づいて計算された第4の重大度単位に基づいて生成される、請求項739の方法。
- 前記複数のウェアラブルデバイスのうちの第5のウェアラブルデバイスが、音センサを用いて産業用機械から出力される音波をキャプチャし、前記信号が、重大度単位に基づいて、キャプチャされた音波に基づいて計算された第5の重大度単位に基づいて生成される、請求項739の方法。
- 前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、請求項726の方法。
- 前記衣類の物品がシャツである、請求項744の方法。
- 前記衣類の物品がベストである、請求項744の方法。
- 前記衣類の物品がジャケットである、請求項744の方法。
- 衣類の物品がズボンである、請求項744の方法。
- 請求項744の方法であって、前記衣類の物品がショーツである、方法。
- 前記衣類の物品が手袋である、請求項744の方法。
- 衣類の物品が靴下である、請求項744の方法。
- 前記衣類の物品が靴である、請求項744の方法。
- 前記衣類の物品が保護アウターである、請求項744の方法。
- 前記衣類の物品が下着である、請求項744の方法。
- 前記衣類の物品がアンダーシャツである、請求項744の方法。
- 前記衣類の物品がタンクトップである、請求項744の方法。
- 前記ウェアラブルデバイスがアクセサリー物品内に組み込まれている、請求項726の方法。
- 前記アクセサリー物品が帽子である、請求項757の方法。
- 前記アクセサリー物品がヘルメットである、請求項757の方法。
- 前記アクセサリー物品が眼鏡である、請求項757の方法。
- 前記アクセサリー物品がゴーグルである、請求項757の方法。
- 前記アクセサリー物品が視覚安全アクセサリーである、請求項757の方法。
- 前記アクセサリー物品がマスクである、請求項757の方法。
- 前記アクセサリー物品が胸部バンドである、請求項757の方法。
- 前記アクセサリー物品がベルトである、請求項757の方法。
- 前記アクセサリー物品がリフトサポートガーメントである、請求項757の方法。
- 前記アクセサリー物品がアンテナである、請求項757の方法。
- 前記アクセサリー物品がリストバンドである、請求項757の方法。
- 前記アクセサリー物品がリングである、請求項757の方法。
- 前記アクセサリー物品がネックレスである、請求項757の方法。
- 前記アクセサリー物品がブレスレットである、請求項757の方法。
- 前記アクセサリー物品が腕時計である、請求項757の方法。
- 前記アクセサリー物品がブローチである、請求項757の方法。
- 前記アクセサリー物品がネックストラップである、請求項757の方法。
- 前記アクセサリー物品がバックパックである、請求項757の方法。
- 前記アクセサリー物品がフロントパックである、請求項757の方法。
- 前記アクセサリー物品がアームパックである、請求項757の方法。
- 前記アクセサリー物品がレッグパックである、請求項757の方法。
- 前記アクセサリー物品がランヤードである、請求項757の方法。
- 前記アクセサリー物品がキーリングである、請求項757の方法。
- 前記アクセサリー物品がヘッドホンである、請求項757の方法。
- 前記アクセサリー物品が聴覚安全アクセサリーである、請求項757の方法。
- 前記アクセサリー物品がイヤホンである、請求項757の方法。
- 前記アクセサリー物品が耳かけである、請求項757の方法。
- 前記ウェアラブルデバイスが、衣類の物品内に統合された第1のウェアラブルデバイスであり、前記方法はさらに、前記アクセサリー物品内に統合された第2のウェアラブルデバイスを使用することを含む、請求項726の方法。
- 産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップを含み、さらに、
前記振動活動を代表する振動データを処理し、前記1つまたは複数の振動センサを用いて生成された振動データを処理することにより、タイミングに対する前記振動活動の重大度を決定すること、および、
前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測すること、を含む方法。 - 前記振動活動を代表する振動データを処理し、1つ以上の振動センサを使用して生成された振動データを処理することにより、タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、請求項786の方法。 - 前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすることを含む、請求項787の方法。 - 前記移動データコレクタの少なくとも1つのメンテナンス動作を実行させることをさらに含む、請求項786の方法。
- 前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御すること、
移動データコレクタの1つまたは複数の振動センサに、振動活動の1つまたは複数の測定値をレコードさせること、および、
前記振動データが前記サーバで処理され、前記振動データが前記振動活動の重大度を決定する、ネットワークを介して前記サーバに前記振動データとして前記振動活動の1つ以上の測定値を送信すること、をさらに含む、請求項786の方法。 - 前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップは、前記産業用機械のための事前にレコードされたデータを、前記産業用環境に関連付けられた知識ベース内で識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定すること、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測すること、を含む、請求項790の方法。 - 前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記1つ以上の振動センサが、前記移動データコレクタが産業用機械に近接しているときに前記振動活動を検出する、請求項786の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、請求項786の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、請求項786の方法。
- 前記移動データコレクタが移動ロボットである、請求項786の方法。
- 前記1つ以上のセンサが、前記移動ロボット内に統合されている、請求項795の方法。
- 前記1つ以上のセンサが前記移動ロボットに結合されている、請求項795の方法。
- 前記移動ロボットがロボットアームである、請求項795の方法。
- 前記移動ロボットが人型ロボットである、請求項795の方法。
- 前記移動ロボットが小型自律型ロボットである、請求項795の方法。
- 前記移動ロボットが大型自律型ロボットである、請求項795の方法。
- 前記移動ロボットが遠隔制御ロボットである、請求項795の方法。
- 前記移動ロボットがプログラム可能に構成されたロボットである、請求項795の方法。
- 前記移動データコレクタが移動車両である、請求項786の方法。
- 前記1つ以上のセンサが前記移動車両内に統合されている、請求項804の方法。
- 前記1つ以上のセンサが前記移動車両に結合されている、請求項804の方法。
- 前記移動車両が大型機械である、請求項804の方法。
- 前記移動車両が、大型のオンロード産業車両である、請求項804の方法。
- 前記移動車両が、大型のオフロード産業車両である、請求項804の方法。
- 前記移動車両が産業用機械を含む、請求項804の方法。
- 前記移動車両が、土工装置を含む、請求項804の方法。
- 前記移動車両が土留め装置を含む、請求項804の方法。
- 前記移動車両が運搬装置を含む、請求項804の方法。
- 前記移動車両がホイスト装置を含む、請求項804の方法。
- 前記移動車両が搬送装置を含む、請求項804の方法。
- 前記移動車両が骨材生産装置を含む、請求項804の方法。
- 前記移動車両が、コンクリート建設に使用される装置を含む、請求項804の方法。
- 前記移動車両がパイルドライビング装置を含む、請求項804の方法。
- 前記移動車両が建設機械を含む、請求項804の方法。
- 前記移動車両が人員輸送車両である、請求項804の方法。
- 前記移動車両が無人車両である、請求項804の方法。
- 前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、請求項786の方法。
- 産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、請求項822の方法。 - 、前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、請求項823の方法であって - 前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、請求項822の方法。
- 産業用機械予測メンテナンスシステムであって、
産業環境に配置された1つまたは複数の産業用機械の状態を代表する健全性監視データを収集するように構成された1つまたは複数の移動データコレクタを含む移動データコレクタ群と、
機械の故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答して産業用機械のサービス推奨事項を作成する産業用機械予測メンテナンス設備と、
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含む産業用機械予測メンテナンスシステム。 - サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、請求項826の産業用機械予測メンテナンスシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、請求項827の産業用機械予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項828の産業用機械予測メンテナンスシステム。
- 産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、請求項826の産業用機械予測メンテナンスシステム。
- 前記自己組織化システムが、健全性監視データに対する要求を1つ以上の移動データコレクタに送信し、前記移動データコレクタが、前記要求に応答して前記健全性監視データを前記自己組織化システムに送信し、前記自己組織化装置が、前記健全性監視データを前記産業用機械予測メンテナンス設備に送信する、請求項830の産業用機械予測メンテナンスシステム。
- 前記移動データコレクタが前記データ収集ルータに近接しているときに、前記1つまたは複数の移動データコレクタから健全性監視データを受信するデータ収集ルータであって、前記データ収集ルータが前記健全性監視データを前記産業用機械予測メンテナンス設備に送信するデータ収集ルータをさらに含む、請求項826の産業用機械予測メンテナンスシステム。
- 前記1つ以上の移動データコレクタが、前記健全性監視データを前記データ収集ルータにプッシュする、請求項832の産業用機械予測メンテナンスシステム。
- 前記データ収集ルータが、前記1つ以上の移動データコレクタから前記健全性監視データをプルする、請求項832の産業用機械予測メンテナンスシステム。
- 産業環境内での1以上の移動データコレクタの動きを制御する自己組織化システムをさらに含む、請求項832の産業用機械予測メンテナンスシステム。
- 前記自己組織化システムが、前記1つ以上の移動データコレクタから前記データ収集ルータへの健全性監視データの通信を制御する、請求項835の産業用機械予測メンテナンスシステム。
- 前記1つ以上の移動データコレクタの各移動データコレクタが、1つ以上の統合センサを含む移動ロボット、1つ以上の結合センサを含む移動ロボット、1つ以上の統合センサを有する移動車両、または1つ以上の結合センサを有する移動車両のうちの1つである、請求項826の産業用機械予測メンテナンスシステム。
- 前記産業用機械予測メンテナンス設備が、健全性監視データに対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、請求項826の産業用機械予測メンテナンスシステム。
- 産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械からの測定値を収集する1つ以上のセンサから構成され、測定値は産業用機械の状態を代表するものである複数のウェアラブルデバイスと、
機械の故障検出および分類アルゴリズムを適用することにより、測定値に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
前記産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含むシステム。 - サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備をさらに含む、請求項839のシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、請求項840のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、請求項841のシステム。
- 前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから振動測定値を収集するように構成されたセンサを含む、請求項839のシステム。
- 前記産業用ユニフォームの第2のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから温度測定値を収集するように構成されたセンサを含む、請求項839のシステム。
- 前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから電気的測定値を収集するように構成されたセンサを含む、請求項839のシステム。
- 前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから磁気測定値を収集するように構成されたセンサを含む、請求項839のシステム。
- 前記産業用ユニフォームの第1のウェアラブルデバイスの1つ以上のセンサが、前記産業用機械の少なくとも1つから音の測定値を収集するように構成されたセンサを含む、請求項839のシステム。
- 前記産業用ユニフォームの第1のウェアラブルデバイスが衣類の物品であり、前記産業用ユニフォームの第2のウェアラブルデバイスがアクセサリー物品である、請求項839のシステム。
- 複数のウェアラブルデバイスによる1以上の産業用機械の測定値の収集を制御する集合的処理マインドをさらに含む、請求項839のシステム。
- 前記集合的処理マインドが、前記産業用ユニフォームのウェアラブルデバイスに第1のコマンドを送信して、前記ウェアラブルデバイスの1つ以上のセンサに前記1つ以上の産業用機械の測定値を収集させ、前記集合的処理マインドが、前記ウェアラブルデバイスに第2のコマンドを送信して、前記ウェアラブルデバイスに前記測定値を前記集合的処理マインドに送信させる、請求項849のシステム。
- 前記産業用機械予測メンテナンス設備が、測定値に対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、請求項839のシステム。
- 産業用ユニフォーム内に統合された複数のウェアラブルデバイスであって、産業用ユニフォームの各ウェアラブルデバイスは、産業用環境に配置された産業用機械からの測定値を収集する1つ以上のセンサから構成され、測定値は産業用機械の状態を代表するものである複数のウェアラブルデバイスと、
機械故障検出および分類アルゴリズムを適用して、測定値に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含むシステム。 - 前記産業用機械予測メンテナンス設備が、測定値に対して計算された重大度単位に基づいて産業用機械サービス推奨を生成する、請求項852のシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、請求項852のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、請求項854のシステム。
- CMMSが、特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュを含むブロックチェーンの第1のブロックを生成する、請求項855のシステム。
- 前記CMMSが、前記特定の産業用機械に関する設置情報と前記第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成する、請求項856のシステム。
- 前記CMMSが、前記特定の産業用機械に関する操作センサ情報と前記第2ブロックのハッシュとを有するブロックチェーンの第3ブロックを生成する、請求項857のシステム。
- 前記CMMSが、特定の産業用機械に関するサービスイベント情報と前記第3ブロックのハッシュとを有するブロックチェーンの第4ブロックを生成する、請求項858のシステム。
- 前記CMMSが、特定の産業用機械に関する部品およびサービスオーダー情報と、前記第4ブロックのハッシュとを有するブロックチェーンの第5ブロックを生成する、請求項859のシステム。
- CMMSが、特定の産業用機械に関する診断活動情報と第5ブロックのハッシュとを有するブロックチェーンの第6ブロックを生成する、請求項860のシステム。
- 前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段とをさらに含む、請求項852のシステム。
- 類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムをさらに含む、請求項862のシステム。
- 産業環境に配置された1つまたは複数の産業用機械の状態を代表する健全性監視データを収集するように構成された1つまたは複数の移動データコレクタを含む移動データコレクタ群と、
機械故障検出および分類アルゴリズムを適用することにより、健全性監視データに応答する産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービスおよび部品の注文および要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それにより、個々の産業用機械のサービス活動および結果の台帳を作成しながら実行されたサービスを検証するサービスおよび提供調整設備と、を含むシステム。 - 前記産業用機械予測メンテナンス設備が、健全性監視データに対して計算された重大度単位に基づいて産業用機械サービス推奨事項を生成する、請求項864のシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、請求項864のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、請求項866のシステム。
- 前記CMMSが、特定の産業用機械に関する出荷準備情報とブロックチェーンの開始ブロックのハッシュを含むブロックチェーンの第1ブロックを生成する、請求項867のシステム。
- 前記CMMSが、前記特定の産業用機械に関する設置情報と前記第1のブロックのハッシュとを有するブロックチェーンの第2のブロックを生成する、請求項868のシステム。
- 前記CMMSが、前記特定の産業用機械に関する操作センサ情報と前記第2ブロックのハッシュとを有するブロックチェーンの第3ブロックを生成する、請求項869のシステム。
- CMMSが、特定の産業用機械に関するサービスイベント情報と第3ブロックのハッシュとを有するブロックチェーンの第4ブロックを生成する、請求項870のシステム。
- 前記CMMSが、特定の産業用機械に関する部品およびサービスオーダー情報と、前記第4ブロックのハッシュとを有するブロックチェーンの第5ブロックを生成する、請求項871のシステム。
- 前記CMMSが、前記特定の産業用機械に関する診断活動情報と前記第5ブロックのハッシュとを有する前記ブロックチェーンの第6ブロックを生成する、請求項872のシステム。
- 前記産業用機械サービス推奨情報に含まれる少なくとも1つの実施すべきサービスに関する推奨情報と、前記産業用機械サービス作業者データベースに含まれる産業用機械サービス作業者の経験・ノウハウのうち少なくとも1つとを関連付けることにより、前記産業用機械サービス推奨情報が示すサービスを実施するための少なくとも1つの候補作業者を特定する作業者特定手段をさらに含む、請求項864のシステム。
- 類似の産業用機械上で実行される複数のサービスに関するサービス関連情報と、前記少なくとも1つの候補作業者によって実行される複数のサービスに関する作業者関連情報とに基づいて相関関係を改善するプロセッサ上で実行する機械学習アルゴリズムをさらに含む、請求項874のシステム。
- 携帯装置の1つ以上の振動センサを使用して、産業用機械の少なくとも一部の測定された振動を表す振動データを生成すること、
前記振動データを1つ以上の重要度単位にマッピングすること、
重大度単位に基づいて産業用機械の少なくとも一部に実行すべきメンテナンス動作を決定することにより、産業用機械の予測メンテナンスのために重大度単位を使用すること、を含む方法。 - 前記振動データを1つ以上の重大度単位にマッピングすることは、
前記振動周波数スペクトルのローエンドニー閾値範囲以下に対応する周波数を有する振動データの一部を第1の重大度単位にマッピングすること、
前記振動データのうち、前記振動周波数スペクトルの中間領域に対応する周波数を有する部分を前記第2の重大度単位にマッピングすること、および、
前記振動データのうち、前記振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する周波数を有する部分を前記第3の重大度単位にマッピングすること、を含む、請求項876の方法。 - 前記振動データの前記1つ以上の重大度単位へのマッピングが、前記携帯装置で実行される、請求項876の方法。
- 前記振動データの1つ以上の重大度単位へのマッピングがサーバで実行され、前記方法はさらに、前記携帯装置から前記振動データを前記サーバに送信することを含む、請求項876の方法。
- 前記携帯装置に関連付けられた集合的処理マインドを用いて、前記携帯装置が前記産業用機械に近接していることを検出すること、
前記携帯装置に振動データを生成させるための第1のコマンドを、前記集合的処理マインドから前記携帯装置に送信すること、
前記振動データを生成した後、前記集合的処理マインドから、前記携帯装置に前記振動データを前記集合的処理マインドに送信させるための第2のコマンドを送信すること、をさらに含む、請求項876の方法。 - 前記携帯装置が携帯電話である、請求項876の方法。
- 前記携帯装置がラップトップコンピュータである、請求項876の方法。
- 前記携帯装置がタブレットコンピュータである、請求項876の方法。
- 前記携帯装置がパーソナルデジタルアシスタントである、請求項876の方法。
- 前記携帯装置がトランシーバーである、請求項876の方法。
- 前記携帯装置が無線機である、請求項876の方法。
- 前記携帯装置が長距離通信デバイスである、請求項876の方法。
- 前記携帯装置が近距離通信デバイスである、請求項876の方法。
- 前記携帯装置が懐中電灯である、請求項876の方法。
- 産業用機械の一部の振動をキャプチャするために配置された少なくとも1つの振動センサを含む産業用機械と、
前記少なくとも1つの振動センサからキャプチャされた振動を収集して振動データを生成する移動データコレクタと、
キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることを容易にするマルチセグメント振動周波数スペクトル構造と、
振動の周波数および対応する振動周波数セグメントを受け取り、対応する振動周波数セグメントに対して定義された複数の重大度単位のうちの1つにマッピングされた重大度値を生成する重大度単位アルゴリズムと、
前記複数の重大度単位のうちの1つを受信し、それに基づいて、前記産業用機械の部分に対応するメンテナンス動作を実行するように前記予測メンテナンスサーバに信号を送る信号発生回路と、を含むシステム。 - 前記移動データコレクタが移動ロボットである、請求項890のシステム。
- 前記移動データコレクタが移動車両である、請求項890のシステム。
- 前記移動データコレクタが携帯装置である、請求項890のシステム。
- 前記移動データコレクタがウェアラブルデバイスである、請求項890のシステム。
- 前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて、前記振動をいくつかの重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、請求項890のシステム。
- 前記重大度単位アルゴリズムが、キャプチャされた振動をマルチセグメント振動周波数の1つの振動周波数セグメントにマッピングすることは、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングこと、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、を含む、請求項895のシステム。 - 分散台帳を使用して、産業用IoTデータの自動データ・マーケットプレイスで実行される1つ以上のトランザクションを追跡するステップであって、前記分散台帳は、1つ以上のデバイスに1つ以上のトランザクションを示すデータのためのストレージを分散させ、前記1つ以上のトランザクションを示すデータは、トランザクションレコードに対応するステップと、
1つまたは複数の移動データコレクタを使用して、産業用機械の状態を代表するセンサーデータを生成し、前記センサーデータは、前記機械の状態に関連する問題を解決するために使用されるサービスおよび部品の注文または要求の少なくとも1つを決定するために使用される、産業用機械の状態を代表するセンサーデータ生成方法と、を含み、
分散台帳に格納されたトランザクションレコードは、センサーデータ、産業用機械の状態、注文またはサービスおよび部品の要求のうちの少なくとも1つ、機械の状態に関連付けられた課題、またはトランザクションレコードを識別するために使用されるハッシュのうちの1つ以上を表す、方法。 - 前記分散台帳が、トランザクションレコードを格納するためにブロックチェーン構造を使用し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、請求項897の方法。
- 前記ブロックチェーン構造を使用して前記トランザクションレコードを格納することは、
開始ブロックを生成することにより、特定の産業用機械のための産業用機械情報のブロックチェーンを開始すること、および
出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、診断活動のうち少なくとも1つのデータとブロックチェーン内で最も最近生成されたブロックのハッシュを組み合わせることにより、特定の産業用機械ブロックチェーンの後続ブロックを生成すること、を含む、請求項898の方法。 - 前記各移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のうちの1つである、請求項897の方法。
- 機械故障検出および分類アルゴリズムをセンサーデータに適用して、産業用機械のサービス推奨を作成すること、および、
前記産業用機械のサービス推奨に基づいて、前記注文又は前記サービス及び前記部品の要求のうち少なくとも1つを作成すること、をさらに含む、請求項897の方法。 - 前記1以上の移動データコレクタが、コンピュータビジョンシステムを使用して、1以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することによりセンサーデータを生成し、ここで、前記画像セットデータが前記産業用機械サービス推薦を生成するために使用される、請求項901の方法。
- 産業用機械と1つ以上の移動データコレクタを接続する産業用IoTネットワークであって、各移動データコレクタには、産業用機械の状態を示すセンサーデータを生成するための1つ以上のセンサが含まれ、各移動データコレクタには、産業用機械の状態を示すセンサーデータを生成するためのセンサが含まれている産業用IoTネットワークと、
IoTネットワークと通信しているサーバであって、前記サーバは、分散台帳を使用して前記産業用機械に関連するメンテナンストランザクションを追跡する予測メンテナンスプラットフォームを実装し、前記分散台帳は、前記メンテナンストランザクションに対応するトランザクションレコードを格納し、前記予測メンテナンスプラットフォームは、前記トランザクションレコードの少なくとも一部を1つ以上の移動データコレクタに配布するサーバと、を含むシステム。 - 分散台帳内のトランザクションレコードの保存を最適化する自己組織化ストレージシステムをさらに含む、請求項903のシステム。
- 産業用機械に関連するメンテナンスデータの保存を最適化する自己組織化ストレージシステムをさらに含む、請求項903のシステム。
- IoTネットワークに関連するIoTデータのストレージを最適化する自己組織化ストレージシステムをさらに含む、請求項903のシステム。
- 整備取引に関連する部品やサービスデータの保管を最適化する自己組織化ストレージシステムをさらに含む、請求項903のシステム。
- 産業用機械に関連付けられた知識ベースデータの保存を最適化する自己組織化ストレージシステムをさらに含む、請求項903のシステム。
- 各移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のうちの1つである、請求項903のシステム。
- 前記センサーデータに機械故障検出および分類アルゴリズムを適用して、条件に応じた産業用機械サービス推奨を作成する産業用機械予測メンテナンス設備をさらに含む、請求項903のシステム。
- 前記センサーデータに基づいて前記状態の重大度値を生成する重大度単位アルゴリズムであって、前記産業用機械サービス推奨が前記重大度値に基づいて生成される、重大度単位アルゴリズムをさらに含む、請求項910のシステム。。
- 前記1つ以上の移動データコレクタの少なくとも1つが、コンピュータビジョンシステムを使用して、1つ以上のデータコレクタを使用して生の画像データをキャプチャし、生の画像データを処理して画像セットデータを生成することによりセンサーデータを生成し、画像セットデータが産業用機械サービス推薦を生成するために使用される、請求項910のシステム。
- 移動データコレクタを使用して、産業用機械の状態を表すセンサーデータを生成すること、
センサーデータを解析して産業用機械の状態の重大度を決定すること、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス行動を予測すること、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納すること、を含む方法。 - 予測されたメンテナンス動作に関連して、メンテナンス動作を実行するために使用されるサービスおよび部品の注文または要求のうち少なくとも1つを生成すること、および、
トランザクションレコード内のサービスおよび部品の注文または要求の少なくとも1つを示すデータを含めること、をさらに含む、請求項913の方法。 - 前記移動データコレクタが、移動車両、移動ロボット、携帯装置、またはウェアラブル装置のいずれかである、請求項913の方法。
- 産業用機械の条件を代表するデータに機械学習を適用することをさらに含み、
センサーデータを分析することによってセンサーデータの重大性を決定することは、
前記適用された機械学習を使用して、前記センサーデータにおいて測定された前記産業用機械の振動の周波数または速度の少なくとも一方に関連付けられた機械学習データに基づいて、前記センサーデータの重大度を決定することを含む、請求項913の方法。 - 前記センサーデータを分析することによって前記産業用機械の状態の重大度を決定することは、
キャプチャした振動データを処理して、キャプチャした振動の周波数を決定すること、
周波数に基づいて、キャプチャされた振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、キャプチャされた振動の重大度単位を計算すること、を含む、請求項913の方法。 - 前記状態の重大度に基づいて、前記産業用機械に対して実行するメンテナンス動作を予測することは、
予測メンテナンス回路の重大度単位に基づいて生成された信号を使用してメンテナンス行動を決定することを含む、請求項917の方法。 - 前記台帳がブロックチェーン構造を使用して、注文およびサービスおよび部品の要求の少なくとも1つのそれぞれのための取引のレコードを追跡する、方法であって、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、請求項913の方法。
- 産業用機械予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性を示すデータに機械故障検出および分類アルゴリズムを適用して、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求のうち少なくとも1つを作成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備と、を含む産業用機械予測メンテナンスシステム。 - 前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を生成しながら、前記産業用機械に実行するサービスを検証する、請求項920の産業用機械予測メンテナンスシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、請求項921の産業用機械予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービスオーダー、または診断活動のうち少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項922の産業用機械予測メンテナンスシステム。
- 前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、請求項920の産業用機械予測メンテナンスシステム。
- 前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、請求項920の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することによって、前記検出された振動について計算される、請求項925の産業用機械予測メンテナンスシステム。
- 前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、請求項926の産業用機械予測メンテナンスシステム。
- 前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに前記第3の重大度単位にマッピングされる、請求項927の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、請求項925の産業用機械予測メンテナンスシステム。
- 前記1つ以上のデータキャプチャ装置が、前記コンピュータビジョンシステムの外部にある、請求項920の産業用機械予測メンテナンスシステム。
- 前記オーダーと前記サービス要求と前記部品の少なくとも1つを使用して、前記産業用機械のサービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタをさらに含む、請求項920の産業用機械予測メンテナンスシステム。
- 前記サービス提供調整設備が、メンテナンス動作の実行を示す信号を移動データコレクタから受信する、請求項931の産業用機械予測メンテナンスシステム。
- 前記サービスおよび提供調整設備が台帳を使用して産業用機械のサービス活動および結果をレコードし、前記サービスおよび提供調整設備が、前記移動データコレクタから受信した信号に基づいて、前記台帳内に新しいレコードを生成する、請求項932の産業用機械予測メンテナンスシステム。
- 産業用機械の予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、を含むシステム。 - サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備をさらに含む、請求項934の産業用機械予測メンテナンスシステム。
- 前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を作成しながら、前記産業用機械に実行するサービスを検証する、請求項935の産業用機械予測メンテナンスシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについてのトランザクションのレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納される、請求項936の産業用機械予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項937の産業用機械予測メンテナンスシステム。
- 前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、請求項934の産業用機械予測メンテナンスシステム。
- 前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、請求項934の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することによって、前記検出された振動について計算される、請求項940の産業用機械予測メンテナンスシステム。
- 前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重要度ユニットのうちの1つにマッピングすることによって決定され、前記重要度ユニットの各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、請求項941の産業用機械予測メンテナンスシステム。
- 前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記第3の重大度単位にマッピングされる、請求項942の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または緩和するための推奨を含み、前記注文および前記サービス要求のうちの少なくとも1つが、故障を防止または緩和するために使用される部品またはサービスのためのものである、請求項940の産業用機械予測メンテナンスシステム。
- 前記1つ以上のデータキャプチャ装置が、前記コンピュータビジョンシステムの外部にある、請求項934の産業用機械予測メンテナンスシステム。
- 前記オーダーと前記サービス要求と前記部品の少なくとも1つを使用して、前記産業用機械のサービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタをさらに含む、請求項934の産業用機械予測メンテナンスシステム。
- 請求項946の産業用機械予測メンテナンスシステムであって、前記サービスおよび提供調整設備が、メンテナンス動作の性能を示す信号を移動データコレクタから受信する、請求項946の産業用機械予測メンテナンスシステム。
- 前記サービスおよび提供調整設備が台帳を使用して産業用機械のサービス活動および結果をレコードし、前記サービスおよび提供調整設備が、前記移動データコレクタから受信した信号に基づいて前記台帳内に新しいレコードを生成する、請求項947の産業用機械予測メンテナンスシステム。
- 産業用機械予測メンテナンスシステムであって、前記移動データコレクタが移動車両である、請求項946の産業用機械予測メンテナンスシステム。
- 前記移動データコレクタが移動ロボットである、請求項946の産業用機械予測メンテナンスシステム。
- 前記移動データコレクタが携帯装置である、請求項946の産業用機械予測メンテナンスシステム。
- 前記移動データコレクタがウェアラブルデバイスである、請求項946の産業用機械予測メンテナンスシステム。
- 産業用機械予測メンテナンスシステムであって、
1つ以上のデータキャプチャ装置によってキャプチャされた生データを用いて1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムと、
動作特性に基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備と、
前記産業用機械の産業用機械サービス推奨に対応するメンテナンス動作を実行するように構成された移動データコレクタと、を含む産業用機械予測メンテナンスシステム。 - 前記移動データコレクタが、前記移動データコレクタの群の1つの移動データコレクタである、産業用機械予測メンテナンスシステムと、
産業用機械を含む産業環境内で、前記移動データコレクタ群の移動データコレクタの動きを制御する移動データコレクタ群の自己組織化システムであって、前記移動データコレクタ群の移動データコレクタの動きを制御することを特徴とする移動データコレクタ群の自己組織化システムと、をさらに含む、請求項953の産業用機械予測メンテナンスシステム。 - 前記産業用機械予測メンテナンス設備が、前記運転特性を示すデータに機械故障検出および分類アルゴリズムを適用することにより、前記産業用機械サービス推奨を生成する、請求項953の産業用機械予測メンテナンスシステム。
- 前記産業用機械予測メンテナンス設備が、前記産業用機械に関連付けられた知識ベース内に格納されたデータを使用して、前記産業用機械サービス推奨を生成する、請求項953の産業用機械予測メンテナンスシステム。
- 前記動作特性が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械予測メンテナンス設備が、前記検出された振動について計算された重大度単位に従って、前記産業用機械サービス推奨を生成する、請求項953の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、前記検出された振動の周波数を決定し、前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントを決定し、前記決定されたセグメントに基づいて前記検出された振動の重大度単位を計算することにより、前記検出された振動について計算される、請求項957の産業用機械予測メンテナンスシステム。
- 前記検出された振動を境界とするマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、請求項958の産業用機械予測メンテナンスシステム。
- 前記検出された振動が、キャプチャされた振動の周波数がマルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、第1の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルの中程度の範囲に対応するときに、前記第2の重大度単位にマッピングされ、前記検出された振動が、前記キャプチャされた振動の周波数が前記マルチセグメント振動周波数スペクトルのハイエンドニー閾値範囲以上に対応するときに、前記第3の重大度単位にマッピングされる、請求項959の産業用機械予測メンテナンスシステム。
- 前記重大度単位が、検出された振動が前記産業用機械の少なくとも一部の故障につながる可能性があることを示し、前記産業用機械サービス推奨が、故障を防止または軽減するための推奨を含む、請求項957の産業用機械予測メンテナンスシステム。
- 産業用機械のサービス推奨を受信することに応答して、サービスおよび部品の注文および要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)をさらに含み、
前記移動データコレクタは、前記注文と前記サービスおよび部品の要求のうちの少なくとも1つを使用して、メンテナンス動作を実行する、請求項953の産業用機械予測メンテナンスシステム。 - サービス及び部品の注文及び要求の少なくとも一方に基づいて、産業用機械に実行するサービスに関する情報を受信して処理するサービス及び提供調整設備をさらに含む、請求項962の産業用機械予測メンテナンスシステム。
- 前記サービス提供調整設備が、前記産業用機械のサービス活動および結果の台帳を作成しながら、前記産業用機械に実行するサービスを検証する、請求項963の産業用機械予測メンテナンスシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文および前記サービスおよび部品の要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納される、請求項964の産業用機械予測メンテナンスシステム。
- 前記CMMSが、出荷準備、設置、運転センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項965の産業用機械予測メンテナンスシステム。
- 産業用機械の予測メンテナンス方法であって、
移動データコレクタの1つ以上のセンサを使用して、産業用機械の状態を表すデータを生成すること、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨を示す信号を生成すること、を含む方法。 - 前記移動データコレクタが、データとして、1つ以上のデータキャプチャ装置によってキャプチャされた生データを使用して1つ以上の画像データセットを生成し、前記1つ以上の画像データセットに基づいて産業用機械の動作特性を検出するコンピュータビジョンシステムを使用し、前記動作特性が前記産業用機械の状態に対応する、請求項967の方法。
- 前記移動データコレクタが移動ロボットである、請求項967の方法。
- 前記移動データコレクタが移動車両である、請求項967の方法。
- 前記移動データコレクタが携帯装置である、請求項967の方法。
- 前記移動データコレクタがウェアラブル装置である、請求項967の方法。
- 前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、請求項967の方法。 - 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、請求項967の方法。 - 前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項974の方法。
- 前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項975の方法。 - 産業用機械のサービス推奨に関連したメンテナンス動作を実行するように構成された移動ロボットに信号を送信することをさらに含む、請求項967の方法。
- 産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納することをさらに含む、請求項967の方法。
- 前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、請求項978の方法。
- 前記信号が、前記産業用機械サービス推奨に基づいて、前記注文または前記サービスおよび部品の要求の少なくとも1つを生成することをさらに含み、前記信号が、前記注文または前記サービスおよび部品の要求の少なくとも1つを示す、請求項967の方法。
- 産業用機械の予測メンテナンス方法であって、
1つ以上のウェアラブルデバイスを使用して産業用機械の状態を表すデータを生成するステップであって、各ウェアラブルデバイスは1つ以上のセンサを含み、前記1つ以上のウェアラブルデバイスの1つのウェアラブルデバイスは、該ウェアラブルデバイスが前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。 - 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、請求項981の方法。 - 前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項982の方法。
- 前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項983の方法。 - 前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、請求項981の方法。 - 前記インテリジェントシステムが、YOLOニューラルネットワークを含む、請求項985の方法。
- 前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、請求項985の方法。
- インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、請求項985の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、請求項985の方法。
- インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、請求項985の方法。
- インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、請求項985の方法。
- インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、請求項985の方法。
- 前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨レコードを追跡し、各レコードがブロックチェーン構造のブロックとして格納されている、請求項981の方法。
- 前記台帳に格納された前記産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、請求項993の方法。
- 前記1つ以上のウェアラブルデバイスが、産業用ユニフォーム内に統合されている、請求項981の方法。
- 前記ウェアラブルデバイスが、前記衣類の物品内に組み込まれている、請求項981の方法。
- 前記衣類の物品がシャツである、請求項996の方法。
- 前記衣類の物品がベストである、請求項996の方法。
- 前記衣類の物品がジャケットである、請求項996の方法。
- 前記衣類の物品がズボンである、請求項996の方法。
- 前記衣類の物品がショーツである、請求項996の方法。
- 前記衣類の物品が手袋である、請求項996の方法。
- 衣類の物品が靴下である、請求項996の方法。
- 前記衣類の物品が靴である、請求項996の方法。
- 前記衣類の物品が保護アウターである、請求項996の方法。
- 前記衣類の物品が下着である、請求項996の方法。
- 前記衣類の物品がアンダーシャツである、請求項996の方法。
- 前記衣類の物品がタンクトップである、請求項996の方法。
- 前記ウェアラブルデバイスが、アクセサリー物品内に組み込まれている、請求項981の方法。
- 前記アクセサリー物品が帽子である、請求項1009の方法。
- 前記アクセサリー物品がヘルメットである、請求項1009の方法。
- 前記アクセサリー物品が眼鏡である、請求項1009の方法。
- 前記アクセサリー物品がゴーグルである、請求項1009の方法。
- 前記アクセサリー物品が視覚安全アクセサリーである、請求項1009の方法。
- 前記アクセサリー物品がマスクである、請求項1009の方法。
- 前記アクセサリー物品が胸部バンドである、請求項1009の方法。
- 前記アクセサリー物品がベルトである、請求項1009の方法。
- 前記アクセサリー物品がリフトサポートガーメントである、請求項1009の方法。
- 前記アクセサリー物品がアンテナである、請求項1009の方法。
- 前記アクセサリー物品がリストバンドである、請求項1009の方法。
- 前記アクセサリー物品がリングである、請求項1009の方法。
- 前記アクセサリー物品がネックレスである、請求項1009の方法。
- 前記アクセサリー物品がブレスレットである、請求項1009の方法。
- 前記アクセサリー物品が腕時計である、請求項1009の方法。
- 前記アクセサリー物品がブローチである、請求項1009の方法。
- 前記アクセサリー物品がネックストラップである、請求項1009の方法。
- 前記アクセサリー物品がリュックサックである、請求項1009の方法。
- 前記アクセサリー物品がフロントパックである、請求項1009の方法。
- 前記アクセサリー物品がアームパックである、請求項1009の方法。
- 前記アクセサリー物品がレッグパックである、請求項1009の方法。
- 前記アクセサリー物品がランヤードである、請求項1009の方法。
- 前記アクセサリー物品がキーリングである、請求項1009の方法。
- 前記アクセサリー物品がヘッドホンである、請求項1009の方法。
- 前記アクセサリー物品が聴覚安全アクセサリーである、請求項1009の方法。
- 前記アクセサリー物品がイヤホンである、請求項1009の方法。
- 前記アクセサリー物品が耳かけである、請求項1009の方法。
- 産業用機械の予測メンテナンス方法であって、
1つ以上の携帯装置を使用して産業用機械の状態を表すデータを生成するステップであって、各携帯装置は1つ以上のセンサを含み、前記1つ以上の携帯装置のうちの1つの携帯装置は、該携帯装置が前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。 - 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、請求項1037の方法。 - 前記重大度が重大度単位に対応し、前記検出された振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1038の方法。
- 前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1039の方法。 - 前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、請求項1037の方法。 - 前記インテリジェントシステムが、YOLOニューラルネットワークを含む、請求項1041の方法。
- 前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、請求項1041の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、請求項1041の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、請求項1041の方法。
- 前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、請求項1041の方法。
- 前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、請求項1041の方法。
- 前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、請求項1041の方法。
- 台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、請求項1037の方法。
- 前記台帳に格納された産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、請求項1049の方法。
- 前記携帯装置が携帯電話である、請求項1037の方法。
- 前記携帯装置がラップトップコンピュータである、請求項1037の方法。
- 前記携帯装置がタブレットコンピュータである、請求項1037の方法。
- 前記携帯装置がパーソナルデジタルアシスタントである、請求項1037の方法。
- 前記携帯装置がトランシーバーである、請求項1037の方法。
- 前記携帯装置が無線機である、請求項1037の方法。
- 前記携帯装置が長距離通信デバイスである、請求項1037の方法。
- 前記携帯装置が近距離通信デバイスである、請求項1037の方法。
- 前記携帯装置が懐中電灯である、請求項1037の方法。
- 産業用機械の予測メンテナンス方法であって、
1つ以上の移動ロボットを使用して産業用機械の状態を表すデータを生成するステップであって、各移動ロボットは1つ以上のセンサを含み、前記1つ以上の移動ロボットのうちの1つの移動ロボットは、該移動ロボットが前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。 - 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、請求項1060の方法。 - 前記重大度が重大度単位に対応し、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて、複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1061の方法。
- 前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1062の方法。 - 前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、請求項1060の方法。 - 前記インテリジェントシステムが、YOLOニューラルネットワークを含む、請求項1064の方法。
- 前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、請求項1064の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、請求項1064の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィック処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、請求項1064の方法。
- 前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、請求項1064の方法。
- 前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、請求項1064の方法。
- 前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、請求項1064の方法。
- 台帳がブロックチェーン構造を使用して産業用機械のサービス推奨レコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納されている、請求項1060の方法。
- 前記台帳に格納された産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、請求項1072の方法。
- 前記移動ロボットが、前記移動データコレクタ群の複数の移動ロボットのうちの1つである、請求項1060方法。
- 移動ロボットが産業環境内の産業用機械の位置に接近するように移動データコレクタ群を制御することをさらに含む、請求項1074の方法。
- 前記移動ロボットが産業環境内の産業用機械の位置に接近するように前記移動データコレクタ群を制御することは、
移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動ロボットの位置に基づいて、産業環境内の移動ロボットの動きを制御することを含む、請求項1075の方法。 - 前記移動ロボットがロボットアームである、請求項1060の方法。
- 前記移動ロボットが人型ロボットである、請求項1060の方法。
- 前記移動ロボットが小型自律型ロボットである、請求項1060の方法。
- 前記移動ロボットが大型自律型ロボットである、請求項1060の方法。
- 前記移動ロボットが遠隔制御ロボットである、請求項1060の方法。
- 前記移動ロボットがプログラム可能に構成されたロボットである、請求項1060の方法。
- 産業用機械の予測メンテナンス方法であって、
1つ以上の移動車両を使用して産業用機械の状態を表すデータを生成するステップであって、各移動車両は1つ以上のセンサを含み、前記1つ以上の移動車両のうちの1つの移動車両は、該移動車両が前記産業用機械に近接しているときに、前記データの一部または全部を生成するステップ、
産業用機械の状態の重大度を判断するためにデータを処理すること、
重大度に基づいて、産業用機械の状態に対する産業用機械サービスの推奨を決定すること、および、
産業用機械のサービス推奨レコードを産業用機械に関連したサービス活動の台帳に格納すること、を含む方法。 - 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記産業用機械の状態の重大度を決定するためのデータを処理することは、
検出された振動の周波数を決定すること、
前記検出された振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、請求項1083の方法。 - 前記重大度が重大度単位に対応しており、前記検出された振動を束ねるマルチセグメント振動周波数スペクトルのセグメントが、前記検出された振動を、前記決定されたセグメントに基づいて、複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1084の方法。
- 前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記検出された振動を前記第1の重大度単位にマッピングすること、
前記検出された振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記検出された振動を前記第2の重大度単位にマッピングすること、および、
前記検出された振動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記検出された振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1085の方法。 - 前記重大度に基づいて前記産業用機械の状態に対する産業用機械サービス推奨を決定することは、
インテリジェントシステムを使用して、機械の故障検出と分類アルゴリズムをデータと重大度に適用することを含む、請求項1083の方法。 - 前記インテリジェントシステムが、YOLOニューラルネットワークを含む、請求項1087の方法。
- 前記インテリジェントシステムが、YOLO畳み込みニューラルネットワークを含む、請求項1087の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイ上で、またはフィールドプログラマブルゲートアレイから動作するように構成されたニューラルネットワークのセットを含む、請求項1087の方法。
- 前記インテリジェントシステムが、フィールドプログラマブルゲートアレイとグラフィックス処理ユニットのハイブリッドコンポーネント上で、またはそれらから動作するように構成されたニューラルネットワークのセットを含む、請求項1087の方法。
- 前記インテリジェントシステムが、ハイブリッドニューラルネットワークのためのユーザ設定可能な直列および並列フローを含む、請求項1087の方法。
- 前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための機械学習システムを含む、請求項1087の方法。
- 前記インテリジェントシステムが、ニューラルネットワークのセットのトポロジーまたはワークフローを構成するための深層学習システムを含む、請求項1087の方法。
- 前記台帳がブロックチェーン構造を使用して産業用機械のサービス推奨のレコードを追跡し、各レコードがブロックチェーン構造内のブロックとして格納される、請求項1083の方法。
- 前記台帳に格納された前記産業用機械サービス推奨のレコードが、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つを示し、産業用機械サービス推奨に基づく注文またはサービスおよび部品の要求のうちの少なくとも1つを生成することをさらに含む、請求項1095の方法。
- 前記移動車両が、前記移動車両データコレクタ群の複数の移動車両のうちの1つである、請求項1083の方法。
- 前記移動車両が前記産業環境内の前記産業用機械の位置に接近するように前記移動車両を制御すること、をさらに含む、請求項1097の方法。
- 前記移動車両を制御して、前記移動車両が前記産業環境内の産業用機械の位置に接近するように前記移動車両を引き起こすことは、、
移動データコレクタ群の自己組織化システムを使用して、産業環境内の移動データコレクタ群の他の移動車両の位置に基づいて、産業環境内の移動車両の動きを制御することを含む、請求項1098の方法。 - 前記移動車両が、大型機械である、請求項1083の方法。
- 前記移動車両が、重量物のオンロード産業車両である、請求項1083の方法。
- 前記移動車両が大型オフロード産業車両である、請求項1083の方法。
- 前記移動車両が産業用機械を含む、請求項1083の方法。
- 前記移動車両が、土工装置を含む、請求項1083の方法。
- 前記移動車両が土留め装置を含む、請求項1083の方法。
- 前記移動車両が運搬装置を含む、請求項1083の方法。
- 前記移動車両がホイスト装置を含む、請求項1083の方法。
- 前記移動車両が搬送装置を含む、請求項1083の方法。
- 前記移動車両が骨材製造装置を含む、請求項1083の方法。
- 前記移動車両が、コンクリート建設に使用される装置を含む、請求項1083の方法。
- 前記移動車両がパイルドライビング装置を含む、請求項1083の方法。
- 前記移動車両が建設機械を含む、請求項1083の方法。
- 前記移動車両が人員輸送車両である、請求項1083の方法。
- 前記移動車両が無人車両である、請求項1083の方法。
- 画像データまたは非画像データの少なくとも一方を含むトレーニングデータセットを用いて、産業用機械の状態を検出するためのコンピュータビジョンシステムの訓練を行うステップ、
訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、産業用機械の状態を検出するステップ、
検出された状態の重大度値を決定するステップであって、重大度は、検出された状態が産業用機械に与える影響を表すステップ、
重大度値に基づいて、産業用機械の検出された状態に関連する問題を解決するために使用するサービスおよび部品の注文または要求のうちの少なくとも1つを生成するステップ、および、
前記産業用機械の検出された状態に関連する課題のレコードを、前記産業用機械に関連付けられた台帳内に格納するステップ、を含む方法。 - 前記1つ以上のデータキャプチャ装置が、放射線撮像装置、音波キャプチャ装置、LIDAR装置、点群キャプチャ装置、または赤外線検査装置を含む、請求項1115の方法。
- 前記検出された状態が、前記産業用機械の振動特性に基づいて検出される、請求項1115の方法。
- 前記検出された状態が、前記産業用機械の圧力特性に基づいて検出される、請求項1115の方法。
- 前記検出された状態が、前記産業用機械の温度特性に基づいて検出される、請求項1115の方法。
- 前記検出された状態が、前記産業用機械の化学的特性に基づいて検出される、請求項1115の方法。
- 前記コンピュータビジョンシステムが、画像データまたは非画像データの少なくとも一方を含むトレーニングデータセットを用いて、産業用機械の状態を検出するための訓練を行うことは、
画像データまたは非画像データの少なくとも一方から特徴を検出するために、深層学習システムを使用すること、および、
検出された特徴量を使用して、検出された特徴量の特性に基づいて、アウトカムフィードバックに基づいて、産業用機械の状態を検出するための学習を行うための分類モデルを訓練すること、を含む、請求項1115の方法。 - 前記結果フィードバックが、前記産業用機械、前記産業用機械を使用するためのプロセス、または前記産業用機械を含む設備のメンテナンス、修理、稼働時間、ダウンタイム、収益性、効率性、または運用の最適化のうちの少なくとも1つに関連する、請求項1121の方法。
- 前記訓練されたコンピュータビジョンを使用して、1つ以上のデータキャプチャ装置を使用して生成されたデータセットに基づいて、前記産業用機械の状態を検出することは、
前記部品認識を使用して、前記検出された状態に関連する問題につながる産業用機械の1つ以上の部品を識別するステップであって、前記注文または前記サービスおよび部品の要求のうちの少なくとも1つが、前記1つ以上の部品の交換部品のためのものである場合に、前記部品認識を使用して、前記1つ以上の部品を識別するステップを含む、請求項1115の方法。 - 前記注文または前記サービス要求および部品要求のうちの少なくとも1つは、重大度値が閾値を満たさない場合に生成されない、請求項1123の方法。
- 検出された状態、サービスおよび部品の注文または要求の少なくとも1つ、または台帳に格納されたレコードのうちの少なくとも1つに応じて、予測メンテナンス知識ベースを更新するために予測メンテナンス知識システムを使用することをさらに含む、請求項1115の方法。
- 産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成するコンピュータ化されたメンテナンス管理システム(CMMS)であって、生成された注文またはサービスおよび部品の要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システムと、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示する移動データコレクタと、を含むシステム。 - 移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、請求項1126のシステム。
- 移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、請求項1126のシステム。
- サービス及び部品の注文又は要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって産業用機械のサービス活動及び結果の台帳を作成しながら実行されたサービスを検証するサービス及び提供調整設備をさらに含む、請求項1126のシステム。
- 新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、請求項1129のシステム。
- 前記台帳がブロックチェーン構造を使用して、前記注文と前記サービス要求と前記部品要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造内のブロックとして格納されている、請求項1129のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、元帳の後続ブロックを生成する、請求項1131のシステム。
- 産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、前記生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または前記サービスおよび部品の注文または要求の少なくとも1つを生産したことを示す移動データコレクタと、
サービス及び部品の注文又は要求の少なくとも一つに応答して産業用機械で実行されたサービスに関する情報を受信して処理し、それによって産業用機械のサービス活動及び結果の台帳を作成しながら実行されたサービスを検証するサービス及び提供調整設備と、を含むシステム。 - 移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、請求項1133のシステム。
- 移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、請求項1133のシステム。
- 新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、請求項1133のシステム。。
- 前記台帳がブロックチェーン構造を使用して、前記注文と前記サービス要求と前記部品要求の少なくとも1つのそれぞれについての取引のレコードを追跡し、前記各レコードが前記ブロックチェーン構造のブロックとして格納されている、請求項1133のシステム。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、台帳内の最も最近生成されたブロックのハッシュと組み合わせることによって、台帳の後続ブロックを生成する、請求項1137のシステム。
- 産業用機械に対応する産業用機械サービス推奨を受信することに応答して、サービスおよび部品の注文または要求の少なくとも1つを生成し、前記生成された注文または要求の少なくとも1つを示す信号を生成するコンピュータ化されたメンテナンス管理システム(CMMS)と、
前記信号を受信し、前記移動データコレクタを使用する作業者に、前記産業用機械のサービス推奨または前記サービスおよび部品の注文または要求の少なくとも1つを生産したことを示す移動データコレクタと
新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタと、を含み、
前記台帳は、ブロックチェーン構造を使用して、注文とサービスと部品の要求の少なくとも1つのそれぞれのためのトランザクションのレコードを追跡し、各レコードは、ブロックチェーン構造のブロックとして格納されている、システム。 - 移動データコレクタはウェアラブルデバイスであり、ウェアラブルデバイスは、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータをウェアラブルデバイスのディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、請求項1139のシステム。
- 移動データコレクタは携帯装置であり、携帯装置は、サービス及び部品のための産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを指示するデータを携帯装置のディスプレイに出力することによって、産業用機械のサービス推奨または生産されたサービスおよび部品の注文または要求の少なくとも1つを作業者に指示する、請求項1139のシステム。
- 新しいレコードが台帳に格納されるようにする自己組織化データコレクタであって、前記新しいレコードは、産業用機械のサービスの推奨またはサービスおよび部品のための注文または要求の少なくとも1つを生産したことを示す自己組織化データコレクタをさらに含む、請求項1139のシステム。。
- 前記CMMSが、出荷準備、設置、操作センサーデータ、サービスイベント、部品注文、サービス注文、または診断活動のうちの少なくとも1つからのデータを、元帳の中の最も最近生成されたブロックのハッシュと組み合わせることによって、後続のブロックを生成する、請求項1139のシステム。
- 産業用機械の故障検出および分類アルゴリズムを適用して、産業用機械の健全性監視データに基づいて産業用機械のサービス推奨を作成する産業用機械予測メンテナンス設備をさらに含む、請求項1139のシステム。。
- データ収集ネットワークを介して受信した産業用機械の一部の状態を代表するデータに機械学習を適用して産業用機械の健全性監視データのストリームを生成する産業用機械データ解析設備をさらに含む、請求項1144のシステム。。
- 移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップ、
動作特性を示すデータをネットワークを介してサーバに送信するステップ、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理することは、前記産業用機械を含む産業環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
産業用機械の条件として、知識ベース内の産業用機械の予めレコードされたデータが示す特性を特定するステップ、
状態の重大度を決定するステップであって、その重大度は産業用機械への状態の影響を表すステップ、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス行動を予測するステップ、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納するステップ、を含む方法。 - 前記移動データコレクタが移動ロボットである、請求項1146の方法。
- 前記移動データコレクタが移動車両である、請求項1146の方法。
- 前記移動データコレクタが携帯装置である、請求項1146の方法。
- 前記移動データコレクタがウェアラブル装置である、請求項1146の方法。
- 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された振動に関連しており、前記状態の重大度を決定することは、
前記状態の重大度を決定すること、
振動の周波数を決定すること、
前記振動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
決定されたセグメントに基づいて、検出された振動の重大度を計算すること、を含む、請求項1146の方法。 - 前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1151の方法。
- 前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1152の方法。 - 前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造内のブロックとして格納される、請求項1146の方法。
- 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された温度に関連している、請求項1146の方法。
- 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された電気出力に関連している、請求項1146の方法。
- 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された磁気出力に関連している、請求項1146の方法。
- 前記産業用機械の状態が、前記産業用機械の少なくとも一部について検出された音の出力に関連している、請求項1146の方法。
- 移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップ、
動作特性を示すデータをネットワークを介してサーバに送信するステップ、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記動作特性を処理することは、前記産業用機械を含む産業環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記産業用機械の状態として、前記知識ベース内の前記産業用機械について予めレコードされたデータによって示される、前記産業用機械の少なくとも一部について検出された振動に関連する特性を特定するステップ、
前記状態の重大度を決定するステップであって、前記重大度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記状態が前記産業用機械に与える影響を表すものであり、前記重大度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて決定されるステップ、および、
状態の重大度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、を含む方法。 - 前記移動データコレクタが移動ロボットである、請求項1159の方法。
- 前記移動データコレクタが移動車両である、請求項1159の方法。
- 前記移動データコレクタが携帯装置である、請求項1159の方法。
- 前記移動データコレクタがウェアラブル装置である、請求項1159の方法。
- 前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1159の方法。
- 前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1164の方法。 - 予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することをさらに含む、請求項1159の方法。
- 前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、請求項1166の方法。
- 移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
前記動作特性の重要度を決定するステップであって、前記重要度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記動作特性が前記産業用機械に与える影響を表すものであり、前記重要度は、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて決定されるステップ、
動作特性の重要度に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、を含む方法。 - 前記移動データコレクタが移動ロボットである、請求項1168の方法。
- 前記移動データコレクタが移動車両である、請求項1168の方法。
- 前記移動データコレクタが携帯装置である、請求項1168の方法。
- 前記移動データコレクタがウェアラブル装置である、請求項1168の方法。
- 前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1168の方法。
- 前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1173の方法。 - 予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納することをさらに含む、請求項1168の方法。
。 - 前記台帳がブロックチェーン構造を使用して、産業用機械の予測されるメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々が前記ブロックチェーン構造のブロックとして格納されている、請求項1175の方法。
- 移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
前記動作特性の重要度を決定するステップであって、前記重要度は、前記動作特性が産業用機械に与える影響を表すものであり、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、前記重要度を決定するステップ、
動作特性の重大性に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、および、
予測されたメンテナンス動作のトランザクションレコードを産業用機械に関連付けられたサービス活動の台帳に格納するステップ、を含む方法。 - 前記移動データコレクタが移動ロボットである、請求項1177の方法。
- 前記移動データコレクタが移動車両である、請求項1177の方法。
- 前記移動データコレクタが携帯装置である、請求項1177の方法。
- 前記移動データコレクタがウェアラブル装置である、請求項1177の方法。
- 前記重大度が重大度単位に対応し、前記振動を束縛するマルチセグメント振動周波数スペクトルのセグメントが、前記決定されたセグメントに基づいて前記振動を複数の重大度単位のうちの1つにマッピングすることによって決定され、前記重大度単位の各々が前記マルチセグメント振動周波数スペクトルの異なる範囲に対応している、請求項1177の方法。
- 前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、をさらに含む、請求項1182の方法。 - 前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡する、方法であって、前記トランザクションレコードの各々がブロックチェーン構造のブロックとして格納されている、請求項1177の方法。
- 移動データコレクタの1つ以上のセンサを使用して産業用機械の動作特性を検出するステップであって、産業用機械の動作特性は、産業用機械の少なくとも一部について検出された振動に関連しているステップ、
動作特性の重要度を決定するステップであって、前記重要度は、振動を拘束するマルチセグメント振動周波数スペクトルのセグメントに基づいて、産業用機械に対する動作特性の影響を表すものであり、前記重要度は重要度単位に対応し、前記振動を拘束するマルチセグメント振動周波数スペクトルのセグメントは、決定されたセグメントに基づいて、振動を複数の重要度単位のうちの1つにマッピングすることによって決定され、前記重要度単位の各々は、前記マルチセグメント振動周波数スペクトルの異なる範囲に対応する、ステップ、
動作特性の重大性に基づいて、産業用機械に対して実行すべきメンテナンス動作を予測するステップ、および、
産業用機械に関連付けられたサービス活動の台帳内に予測されたメンテナンス動作のトランザクションレコードを格納するステップであって、前記台帳は、ブロックチェーン構造を使用して、前記産業用機械の予測されたメンテナンス動作のトランザクションレコードを追跡し、前記トランザクションレコードの各々は、前記ブロックチェーン構造内のブロックとして格納されるステップ、を含む方法。 - 前記移動データコレクタが移動ロボットである、請求項1185の方法。
- 前記移動データコレクタが移動車両である、請求項1185の方法。
- 前記移動データコレクタが携帯装置である、請求項1185の方法。
- 前記移動データコレクタがウェアラブル装置である、請求項1185の方法。
- 前記動作特性の重大度を決定することは、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲未満に対応する場合に、前記振動を前記第1の重大度単位にマッピングすること、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動を前記第2の重大度単位にマッピングすること、および、
前記振動の周波数が前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動を前記第3の重大度単位にマッピングすること、を含む、と請求項1185の方法。 - 産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップ、
前記サーバにおいて、前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、および、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、を含む方法。 - 前記振動データを処理することにより、前記タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、請求項1191の方法。 - 前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、請求項1192の方法。 - 前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、請求項1191の方法。 - 前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、前記1つ以上の振動センサが前記振動活動を検出する、請求項1191の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、請求項1191の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、請求項1191の方法。
- 前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、請求項1191の方法。
- 産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、請求項1198の方法。 - 請求項1199の方法であって、前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することを含む、方法。
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御すること - 請求項1198の方法であって、前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、請求項1198の方法。
- 産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理して振動活動の周波数を決定するステップ、
前記サーバにおいて、周波数に基づいて、振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定するステップ、
前記サーバにおいて、前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を計算するステップ、
前記サーバにおいて、重大度単位に基づいて、産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、および、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、を含む方法。 - 前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、請求項1202の方法。 - 前記重要度単位に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、請求項1202の方法。 - 前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、1つ以上の振動センサが前記振動活動を検出する、請求項1202の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、請求項1202の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、請求項1202の方法。
- 前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、請求項1202の方法。
- 産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、請求項1208の方法。 - 前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、請求項1209の方法。 - 前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、請求項1208の方法。
- 産業用機械の少なくとも一部の振動活動を検出して監視するための移動データコレクタを配備するステップであって、移動データコレクタは1つ以上の振動センサを含むステップ、
前記産業用機械を含む産業環境内で前記産業用機械の位置に接近するように前記移動データコレクタを制御するステップ、
移動データコレクタの1つまたは複数の振動センサに振動活動の1つまたは複数の測定値を記録させるステップ、
振動活動の1つ以上の測定値を振動データとしてネットワークを介してサーバに送信するステップ、
サーバにおいて、振動データを処理することにより、タイミングに対する振動活動の重大度を決定するステップ、
前記サーバにおいて、前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべきメンテナンス動作を予測するステップ、
移動データコレクタにメンテナンス動作を示す信号を送信して、移動データコレクタにメンテナンス動作を実行させるステップ、および、
予測されたメンテナンス動作のレコードを産業用機械に関連付けられた台帳に格納するステップ、を含む方法。 - 前記振動データを処理することにより、前記タイミングに対する前記振動データの重大度を決定することは、
前記振動データを処理して前記振動活動の周波数を決定すること、
周波数に基づいて、前記振動活動の境界となるマルチセグメント振動周波数スペクトルのセグメントを決定すること、および、
前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動の重大度単位を算出すること、を含む、請求項1212の方法。 - 前記マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、前記振動活動のための重大度単位を計算することは、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルのローエンドニー閾値範囲以下に対応する場合に、前記振動活動を前記第1の重大度単位にマッピングすること、
前記振動活動の周波数が前記マルチセグメント振動周波数スペクトルの中間領域に対応する場合に、前記振動活動を前記第2の重大度単位にマッピングすること、および、
前記振動活動の周波数が、前記マルチセグメント振動周波数スペクトルの前記ハイエンドニー閾値範囲以上に対応する場合に、前記振動活動を前記第3の重大度単位にマッピングすること、によって、
マルチセグメント振動周波数スペクトルの決定されたセグメントに基づいて、振動活動を重大度単位にマッピングすること、を含む、請求項1213の方法。 - 前記振動活動の重大度に基づいて、前記産業用機械の少なくとも一部に関して実行すべき1つ以上のメンテナンス動作を予測することは、
前記サーバに関連付けられたインテリジェントシステムを使用して、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理するステップであって、前記産業用機械のための事前にレコードされたデータに対して前記振動データを処理することは、前記産業用環境に関連付けられた知識ベース内で前記産業用機械のための事前にレコードされたデータを識別することを含むステップ、
前記知識ベース内の産業用機械の事前レコードデータに基づいて、前記機械の少なくとも一部の動作特性を特定するステップ、および、
動作特性に基づいて1つ以上のメンテナンス動作を予測するステップ、を含む、請求項1212の方法。 - 前記振動活動が、産業用機械に関連付けられた振動包絡線から導出された波形を示すものであり、前記移動データコレクタが産業用機械に近接しているときに、1つ以上の振動センサが前記振動活動を検出する、請求項1212の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の速度情報を表す、請求項1212の方法。
- 前記振動活動が、前記産業用機械の少なくとも一部の周波数情報を表す、請求項1212の方法。
- 前記移動データコレクタが、移動データコレクタ群の複数の移動データコレクタのうちの1つである、請求項1212の方法。
- 産業用機械を含む産業環境内での移動データコレクタの動きを制御するために移動データコレクタ群の自己組織化システムを使用することをさらに含み、
前記1つ以上の振動センサは、前記移動データコレクタが前記産業用機械に近接しているときに、前記振動活動を検出する、 請求項1219の方法。 - 前記移動データコレクタ群の自己組織化システムを使用して、産業環境内での移動データコレクタの動きを制御することは、、
前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタの動きに基づいて、前記産業環境内での前記移動データコレクタの動きを制御することを含む、請求項1220の方法。 - 前記移動データコレクタが移動ロボットであり、前記複数の移動データコレクタのうちの少なくとも1つの他の移動データコレクタが移動車両である、請求項1219の方法。
- 前記台帳がブロックチェーン構造を使用して、産業用機械の予測されたメンテナンス動作のためのトランザクションレコードを追跡し、前記トランザクションレコードの各々がブロックチェーン構造のブロックとして格納されている、請求項1222の方法。
Applications Claiming Priority (14)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/973,406 US11838036B2 (en) | 2016-05-09 | 2018-05-07 | Methods and systems for detection in an industrial internet of things data collection environment |
US15/973,406 | 2018-05-07 | ||
US201862713897P | 2018-08-02 | 2018-08-02 | |
US201862714078P | 2018-08-02 | 2018-08-02 | |
US62/713,897 | 2018-08-02 | ||
US62/714,078 | 2018-08-02 | ||
US16/143,286 US11029680B2 (en) | 2016-05-09 | 2018-09-26 | Methods and systems for detection in an industrial internet of things data collection environment with frequency band adjustments for diagnosing oil and gas production equipment |
US16/143,286 | 2018-09-26 | ||
US201862757166P | 2018-11-08 | 2018-11-08 | |
US62/757,166 | 2018-11-08 | ||
US201962799732P | 2019-01-31 | 2019-01-31 | |
US62/799,732 | 2019-01-31 | ||
JP2020562700A JP7445928B2 (ja) | 2018-05-07 | 2019-02-28 | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム |
PCT/US2019/020044 WO2019216975A1 (en) | 2018-05-07 | 2019-02-28 | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020562700A Division JP7445928B2 (ja) | 2018-05-07 | 2019-02-28 | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024056146A true JP2024056146A (ja) | 2024-04-22 |
Family
ID=68468247
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020562700A Active JP7445928B2 (ja) | 2018-05-07 | 2019-02-28 | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム |
JP2024022066A Pending JP2024056146A (ja) | 2018-05-07 | 2024-02-16 | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020562700A Active JP7445928B2 (ja) | 2018-05-07 | 2019-02-28 | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200103894A1 (ja) |
EP (1) | EP3791236A4 (ja) |
JP (2) | JP7445928B2 (ja) |
CN (1) | CN112703457A (ja) |
CA (1) | CA3099659A1 (ja) |
WO (1) | WO2019216975A1 (ja) |
Families Citing this family (415)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12075957B2 (en) | 2014-03-24 | 2024-09-03 | Intelligent Cleaning Equipment Holdings Co. Ltd. | Floor cleaning machines having intelligent systems, associated sub-assemblies incorporating intelligent systems, and associated methods of use |
US10937547B2 (en) * | 2015-06-15 | 2021-03-02 | The Regents Of The University Of California | Subject assessment using localization, activity recognition and a smart questionnaire |
WO2019028269A2 (en) | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL ENVIRONMENT OF COLLECTING INTERNET DATA FROM OBJECTS WITH LARGE DATA SETS |
US10983507B2 (en) | 2016-05-09 | 2021-04-20 | Strong Force Iot Portfolio 2016, Llc | Method for data collection and frequency analysis with self-organization functionality |
US11327475B2 (en) | 2016-05-09 | 2022-05-10 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
US11774944B2 (en) | 2016-05-09 | 2023-10-03 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
US20180284735A1 (en) | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment |
US11237546B2 (en) | 2016-06-15 | 2022-02-01 | Strong Force loT Portfolio 2016, LLC | Method and system of modifying a data collection trajectory for vehicles |
US11195611B2 (en) | 2016-08-29 | 2021-12-07 | Beckman Coulter, Inc. | Remote data analysis and diagnosis |
CN110140179A (zh) | 2016-10-26 | 2019-08-16 | 拜克门寇尔特公司 | 实验室仪器的远程监测 |
US11182315B2 (en) * | 2017-02-10 | 2021-11-23 | Intel Corporation | Apparatuses, methods, and systems for hardware control of processor performance levels |
WO2018176000A1 (en) | 2017-03-23 | 2018-09-27 | DeepScale, Inc. | Data synthesis for autonomous control systems |
US10594661B1 (en) * | 2017-06-13 | 2020-03-17 | Parallels International Gmbh | System and method for recovery of data packets transmitted over an unreliable network |
GB201711125D0 (en) * | 2017-07-11 | 2017-08-23 | Nchain Holdings Ltd | Computer-implemented system and method |
US11157441B2 (en) | 2017-07-24 | 2021-10-26 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US10671349B2 (en) | 2017-07-24 | 2020-06-02 | Tesla, Inc. | Accelerated mathematical engine |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US10678233B2 (en) | 2017-08-02 | 2020-06-09 | Strong Force Iot Portfolio 2016, Llc | Systems and methods for data collection and data sharing in an industrial environment |
US12014304B2 (en) * | 2018-01-29 | 2024-06-18 | Procore Technologies, Inc. | Identifying and monitoring productivity, health, and safety risks in industrial sites |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
WO2019186903A1 (ja) * | 2018-03-29 | 2019-10-03 | 本田技研工業株式会社 | 通信システム、サーバー、及び制御ユニット |
US11277455B2 (en) | 2018-06-07 | 2022-03-15 | Mellanox Technologies, Ltd. | Streaming system |
US10789785B2 (en) * | 2018-06-11 | 2020-09-29 | Honeywell International Inc. | Systems and methods for data collection from maintenance-prone vehicle components |
US11120358B2 (en) * | 2018-06-13 | 2021-09-14 | International Business Machines Corporation | Short circuit depth variational quantum computation of Monte Carlo minimization and Nth order moments |
US11215999B2 (en) | 2018-06-20 | 2022-01-04 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
WO2019246188A1 (en) * | 2018-06-22 | 2019-12-26 | Attestiv Inc. | Atomic capture using a distributed ledger, for proof of authenticity and/or real time visual validation |
US11361457B2 (en) | 2018-07-20 | 2022-06-14 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
CN112673600B (zh) * | 2018-09-03 | 2023-10-03 | 爱森卡斯特株式会社 | 基于区块链的手机终端以及IoT设备之间的多重安全认证系统以及方法 |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
US11681929B2 (en) * | 2018-10-02 | 2023-06-20 | Honeywell International Inc. | Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model |
US20200106828A1 (en) * | 2018-10-02 | 2020-04-02 | Mellanox Technologies, Ltd. | Parallel Computation Network Device |
AU2019357615B2 (en) | 2018-10-11 | 2023-09-14 | Tesla, Inc. | Systems and methods for training machine models with augmented data |
US20200117788A1 (en) * | 2018-10-11 | 2020-04-16 | Ncr Corporation | Gesture Based Authentication for Payment in Virtual Reality |
US11196678B2 (en) | 2018-10-25 | 2021-12-07 | Tesla, Inc. | QOS manager for system on a chip communications |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11178151B2 (en) * | 2018-12-19 | 2021-11-16 | International Business Machines Corporation | Decentralized database identity management system |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
CN109884459B (zh) * | 2019-01-30 | 2020-12-01 | 国网浙江省电力有限公司电力科学研究院 | 一种电力变压器绕组变形智能在线诊断定位方法 |
JP7280703B2 (ja) * | 2019-01-31 | 2023-05-24 | 住友重機械工業株式会社 | 診断システム |
US10997461B2 (en) | 2019-02-01 | 2021-05-04 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11150664B2 (en) | 2019-02-01 | 2021-10-19 | Tesla, Inc. | Predicting three-dimensional features for autonomous driving |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US10956755B2 (en) | 2019-02-19 | 2021-03-23 | Tesla, Inc. | Estimating object properties using visual image data |
US11625393B2 (en) | 2019-02-19 | 2023-04-11 | Mellanox Technologies, Ltd. | High performance computing system |
EP3699770A1 (en) | 2019-02-25 | 2020-08-26 | Mellanox Technologies TLV Ltd. | Collective communication system and methods |
US11044444B2 (en) * | 2019-02-28 | 2021-06-22 | Jvckenwood Corporation | Image capturing device and image capturing method |
DE112019006928T5 (de) * | 2019-03-29 | 2021-12-02 | Mitsubishi Electric Corporation | Modellprädiktive regelungsvorrichtung, modellprädiktives regelungsprogramm, modellprädiktives regelungssystem und modellprädiktives regelungsverfahren |
US10939405B1 (en) * | 2019-04-08 | 2021-03-02 | Helium Systems, Inc. | Systems and methods for implementing permissionless network consensus using blockchain |
US11310250B2 (en) * | 2019-05-24 | 2022-04-19 | Bank Of America Corporation | System and method for machine learning-based real-time electronic data quality checks in online machine learning and AI systems |
DE102019117092A1 (de) * | 2019-06-25 | 2020-12-31 | Kiefel Gmbh | Produktionsmaschine mit steuerungsprogramm |
FR3099572B1 (fr) * | 2019-07-29 | 2021-08-27 | Safran | Dispositif de mesure comprenant une fibre optique de connexion et un équipement de mesure pour l’instrumentation d’un appareillage aéronautique, et un appareillage aéronautique comprenant un tel dispositif de mesure |
US11227209B2 (en) * | 2019-07-31 | 2022-01-18 | Dell Products L.P. | Systems and methods for predicting information handling resource failures using deep recurrent neural network with a modified gated recurrent unit having missing data imputation |
US20210035240A1 (en) * | 2019-08-01 | 2021-02-04 | Robert Scott Echols | Trustable information chain for fishing, seafood, or other industries |
US11036488B2 (en) * | 2019-08-12 | 2021-06-15 | International Business Machines Corporation | System and method for optimal hierarchical upgrade time prediction |
SE544845C2 (en) * | 2019-09-25 | 2022-12-13 | Eneryield Ab | Machine learning active power filter control method and device |
US11083026B2 (en) * | 2019-09-25 | 2021-08-03 | Nokia Technologies Oy | Determining coverage availability estimates of mobile non-terrestrial access node |
US11474828B2 (en) | 2019-10-03 | 2022-10-18 | Micron Technology, Inc. | Initial data distribution for different application processes |
US11436041B2 (en) | 2019-10-03 | 2022-09-06 | Micron Technology, Inc. | Customized root processes for groups of applications |
US11599384B2 (en) | 2019-10-03 | 2023-03-07 | Micron Technology, Inc. | Customized root processes for individual applications |
DE102019127291A1 (de) * | 2019-10-10 | 2021-04-15 | Schaeffler Technologies AG & Co. KG | Vorrichtung sowie Verfahren zum Konnektieren und zum Überwachen von Prozessen einer Produktionsmaschine |
US11429445B2 (en) | 2019-11-25 | 2022-08-30 | Micron Technology, Inc. | User interface based page migration for performance enhancement |
CN110750084B (zh) * | 2019-11-27 | 2022-06-07 | 航天科技控股集团股份有限公司 | 通过实时上传数据确定生产线设备运行状态的方法 |
CN112859757B (zh) * | 2019-11-27 | 2022-04-22 | 宁波舜宇智能科技有限公司 | 边缘计算控制方法、装置、边缘计算机和可读存储介质 |
US10848567B1 (en) * | 2019-11-29 | 2020-11-24 | Cygnus, LLC | Remote support for IoT devices |
TWI711286B (zh) * | 2019-12-02 | 2020-11-21 | 中華電信股份有限公司 | 用於鏈路聚合的路徑指派系統和路徑指派方法 |
CN112903001A (zh) * | 2019-12-03 | 2021-06-04 | 财团法人纺织产业综合研究所 | 织物定型机的操作方法 |
TWI779255B (zh) | 2019-12-10 | 2022-10-01 | 中光電智能機器人股份有限公司 | 監控系統及供電控制方法 |
KR20210073281A (ko) * | 2019-12-10 | 2021-06-18 | 삼성전자주식회사 | 운동 정보 추정 방법 및 장치 |
CN112937322A (zh) * | 2019-12-10 | 2021-06-11 | 中光电智能机器人股份有限公司 | 监控系统及供电控制方法 |
US11669760B2 (en) * | 2019-12-17 | 2023-06-06 | Palo Alto Research Center Incorporated | Weight assignment for fusion of prognostic estimators |
DE102019220070A1 (de) * | 2019-12-18 | 2021-06-24 | Robert Bosch Gmbh | Verfahren zu einer Benutzerinteraktion eines Elektrogeräts und/oder eines Elektrogerätezubehörs und System zu einem Durchführen des Verfahrens |
CN111123030A (zh) * | 2019-12-18 | 2020-05-08 | 淮北工科检测检验有限公司 | 一种基于NBIoT的电缆故障在线温度监控系统 |
US11750699B2 (en) | 2020-01-15 | 2023-09-05 | Mellanox Technologies, Ltd. | Small message aggregation |
US11252027B2 (en) | 2020-01-23 | 2022-02-15 | Mellanox Technologies, Ltd. | Network element supporting flexible data reduction operations |
US11029675B1 (en) * | 2020-01-28 | 2021-06-08 | sensemetrics, Inc. | Extensible industrial internet of things platform |
IT202000003152A1 (it) * | 2020-02-17 | 2021-08-17 | St Microelectronics Srl | Metodo di analisi di un dispositivo, eseguito tramite un sensore mems, e relativo sistema includente il dispositivo e il sensore mems |
CN111327559B (zh) * | 2020-02-28 | 2021-01-08 | 北京邮电大学 | 一种编码、解码方法及装置 |
US20210279633A1 (en) * | 2020-03-04 | 2021-09-09 | Tibco Software Inc. | Algorithmic learning engine for dynamically generating predictive analytics from high volume, high velocity streaming data |
US11436830B2 (en) * | 2020-03-11 | 2022-09-06 | Bank Of America Corporation | Cognitive robotic process automation architecture |
AU2021239964A1 (en) * | 2020-03-17 | 2022-10-13 | Heartland Ag Tech, Inc. | Systems and methods for predictive irrigation system maintenance |
EP3883149A1 (en) * | 2020-03-20 | 2021-09-22 | Volkswagen Ag | Method, apparatus and computer program for predicting a future quality of service of a wireless communication link |
CN111488208B (zh) * | 2020-03-22 | 2023-10-31 | 浙江工业大学 | 基于可变步长蝙蝠算法的边云协同计算节点调度优化方法 |
US10809080B2 (en) * | 2020-03-23 | 2020-10-20 | Alipay Labs (singapore) Pte. Ltd. | System and method for determining routing by learned selective optimization |
NO345963B1 (en) * | 2020-03-31 | 2021-11-15 | Autostore Tech As | Intelligent maintenance system |
US20210314270A1 (en) * | 2020-04-01 | 2021-10-07 | Qualcomm Incorporated | Dynamic packet buffering duration |
CN111459864B (zh) * | 2020-04-02 | 2021-11-30 | 深圳朗田亩半导体科技有限公司 | 一种存储器件及其制造方法 |
CN111399465A (zh) * | 2020-04-13 | 2020-07-10 | 河北唐银钢铁有限公司 | 一种车轮智能生产控制系统 |
TWI736223B (zh) * | 2020-04-16 | 2021-08-11 | 瑞昱半導體股份有限公司 | 數位斜率式類比數位轉換器裝置與訊號轉換方法 |
US11586232B2 (en) * | 2020-04-20 | 2023-02-21 | Ami Global | Monitoring device |
CN111540412B (zh) * | 2020-04-24 | 2021-03-09 | 大唐环境产业集团股份有限公司 | 一种基于最小二乘法的scr反应器入口烟气软测量方法 |
CN111541611B (zh) * | 2020-04-24 | 2021-05-28 | 清华大学 | 基于认证分片可重组的动态路径验证方法 |
WO2021214796A1 (en) * | 2020-04-25 | 2021-10-28 | SARUP Gaurav | A system and a method for monitoring automated manufacturing system |
JP2023524250A (ja) * | 2020-04-28 | 2023-06-09 | ストロング フォース ティーピー ポートフォリオ 2022,エルエルシー | 輸送システムのデジタルツインシステムおよび方法 |
US11770265B2 (en) * | 2020-04-30 | 2023-09-26 | Deere & Company | Mobile machine with improved machine data authentication |
CN111526469A (zh) * | 2020-04-30 | 2020-08-11 | 成都千立网络科技有限公司 | 一种基于神经网络的扩声系统啸叫点检测方法 |
CN111652853A (zh) * | 2020-05-11 | 2020-09-11 | 西南科技大学 | 一种基于深度卷积神经网络的磁粉探伤检测方法 |
CN111597075B (zh) * | 2020-05-11 | 2023-04-07 | 成都艾勃科技有限公司 | 一种从被硬件加密的数据存储设备上恢复数据的方法 |
JP7481897B2 (ja) | 2020-05-12 | 2024-05-13 | 株式会社東芝 | 監視装置、監視方法、プログラムおよびモデル訓練装置 |
WO2021231371A1 (en) | 2020-05-14 | 2021-11-18 | Heartland Ag Tech, Inc. | Predictive maintenance systems and methods to determine end gun health |
GB2599768A (en) * | 2020-05-20 | 2022-04-13 | Nvidia Corp | Intelligent control and distribution of a liquid in a data center |
US20210368656A1 (en) * | 2020-05-20 | 2021-11-25 | Nvidia Corporation | Intelligent control and distribution of a liquid in a data center |
CN111709453B (zh) * | 2020-05-22 | 2022-05-10 | 成都飞机工业(集团)有限责任公司 | 一种航空发动机电气系统在线故障诊断方法 |
US11895808B2 (en) * | 2020-05-27 | 2024-02-06 | Nvidia Corporation | Intelligent refrigeration-assisted data center liquid cooling |
GB2599999A (en) * | 2020-05-27 | 2022-04-20 | Nvidia Corp | Intelligent refrigeration assisted data center liquid cooling |
US11631493B2 (en) | 2020-05-27 | 2023-04-18 | View Operating Corporation | Systems and methods for managing building wellness |
TWI770520B (zh) * | 2020-05-28 | 2022-07-11 | 國立虎尾科技大學 | 水平監控與調整系統 |
US12034320B2 (en) * | 2020-06-08 | 2024-07-09 | Renesas Electronics America Inc. | Wireless power charging with authentication |
US12052731B2 (en) * | 2020-06-23 | 2024-07-30 | Qualcomm Incorporated | Feedback-based broadcast network coded packet transmission |
TR202009944A1 (tr) * | 2020-06-25 | 2022-01-21 | Loodos Bilisim Teknolojileri Sanayi Ve Ticaret Ltd Sirketi | Önbellek güncelleme sistemi ve yöntemi. |
CN111652191A (zh) * | 2020-06-30 | 2020-09-11 | 东北大学 | 一种基于陆空两级光伏发电系统的故障检测方法及系统 |
US11876885B2 (en) | 2020-07-02 | 2024-01-16 | Mellanox Technologies, Ltd. | Clock queue with arming and/or self-arming features |
WO2022013719A1 (en) * | 2020-07-12 | 2022-01-20 | Access Online Inc. | System and method for monitoring operations and detecting failures of networked devices |
US11722265B2 (en) * | 2020-07-17 | 2023-08-08 | Qualcomm Incorporated | Feedback design for network coding termination in broadcasting |
US11750715B2 (en) * | 2020-07-17 | 2023-09-05 | Rockwell Automation Technologies, Inc. | Industrial automation broker device |
CN111861221A (zh) * | 2020-07-22 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 设备故障信息的推送方法和装置、存储介质及电子装置 |
US11740022B2 (en) * | 2020-07-22 | 2023-08-29 | Air Products And Chemicals, Inc. | Furnace controller and method of operating a furnace |
CN111882202A (zh) * | 2020-07-24 | 2020-11-03 | 武汉建工集团股份有限公司 | 一种基于bp神经网络的群体建筑同步建造风险管理系统 |
CN111882065B (zh) * | 2020-08-03 | 2022-05-03 | 中国人民解放军国防科技大学 | 映射脉冲神经网络到类脑计算平台的方法、系统及介质 |
CN111899905B (zh) * | 2020-08-05 | 2022-11-01 | 哈尔滨工程大学 | 一种基于核动力装置的故障诊断方法及系统 |
EP3958507A1 (en) | 2020-08-17 | 2022-02-23 | Nokia Solutions and Networks Oy | Blockchain-based network device management methods and devices |
US11909482B2 (en) * | 2020-08-18 | 2024-02-20 | Qualcomm Incorporated | Federated learning for client-specific neural network parameter generation for wireless communication |
DE102020210530A1 (de) * | 2020-08-19 | 2022-02-24 | Kuka Deutschland Gmbh | Überwachung bei einem robotergestützten Prozess |
CN111985105B (zh) * | 2020-08-20 | 2022-11-01 | 重庆大学 | 一种计及热动态特性的多微能源网系统可靠性评估方法 |
CN111985112B (zh) * | 2020-08-27 | 2024-01-30 | 宝武集团鄂城钢铁有限公司 | 一种基于Unity3D的高炉数字孪生系统 |
JP2024513621A (ja) * | 2020-08-28 | 2024-03-27 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 産業施設の電力消費を最適化するシステム及びその方法 |
US11391288B2 (en) * | 2020-09-09 | 2022-07-19 | General Electric Company | System and method for operating a compressor assembly |
WO2022056594A1 (en) * | 2020-09-18 | 2022-03-24 | Waterwerx Technology Pty Ltd | Method of managing a system |
US11625141B2 (en) * | 2020-09-22 | 2023-04-11 | Servicenow, Inc. | User interface generation with machine learning |
CN112150152B (zh) * | 2020-10-09 | 2023-08-08 | 浙江专线宝网阔物联科技有限公司 | 基于区块链与模糊认知映射融合的b-f神经网络可追溯算法 |
US12019059B2 (en) | 2020-10-16 | 2024-06-25 | Saudi Arabian Oil Company | Detecting equipment defects using lubricant analysis |
CN112372637B (zh) * | 2020-10-27 | 2022-05-06 | 东方红卫星移动通信有限公司 | 低轨卫星空间机械臂自适应阻抗柔顺控制方法、模块及系统 |
CN112328832B (zh) * | 2020-10-27 | 2022-08-09 | 内蒙古大学 | 一种融合标签和知识图谱的电影推荐方法 |
US12081979B2 (en) * | 2020-11-05 | 2024-09-03 | Visa International Service Association | One-time wireless authentication of an Internet-of-Things device |
CN112365579B (zh) * | 2020-11-13 | 2022-09-27 | 中南大学湘雅二医院 | 呼吸面罩的三维模型生成方法、装置、设备及存储介质 |
CN112529250B (zh) * | 2020-11-16 | 2023-06-30 | 贵州电网有限责任公司 | 一种变压器负载状况综合监控方法 |
CN112395797B (zh) * | 2020-11-27 | 2023-03-10 | 四川石油天然气建设工程有限责任公司 | 油气管悬索跨越仿真分析方法 |
US20220170818A1 (en) * | 2020-12-01 | 2022-06-02 | International Business Machines Corporation | Prioritization of maintenance activity based on computer analysis of machine data with digital vibration frequency simulation |
CN112380298B (zh) * | 2020-12-03 | 2024-06-18 | 成都航天科工大数据研究院有限公司 | 一种油气管道缺陷修复的知识图谱构建方法及系统 |
CN112215358B (zh) * | 2020-12-09 | 2021-03-05 | 戎腾科技(长沙)有限公司 | 一种基于随机森林的ip定位方法及系统 |
CN112653737A (zh) * | 2020-12-11 | 2021-04-13 | 电子科技大学 | 一种基于物联网的室内墙面抹灰机器人远程监控系统 |
US11556378B2 (en) | 2020-12-14 | 2023-01-17 | Mellanox Technologies, Ltd. | Offloading execution of a multi-task parameter-dependent operation to a network device |
US11604940B2 (en) | 2020-12-15 | 2023-03-14 | Caterpillar Inc. | Systems and methods for part identification and assessment using multiple images |
CN112508429A (zh) * | 2020-12-16 | 2021-03-16 | 常州大学 | 一种基于卷积神经网络的埋地管道阴极保护系统故障诊断方法 |
EP4264383A1 (en) * | 2020-12-21 | 2023-10-25 | Procore Technologies, Inc. | Identifying and monitoring productivity, health, and safety risks in industrial sites |
CN112731019B (zh) * | 2020-12-21 | 2022-10-14 | 合肥工业大学 | 一种anpc三电平逆变器故障诊断方法 |
CN112532746B (zh) * | 2020-12-21 | 2021-10-26 | 北京邮电大学 | 一种云边协同感知的方法及系统 |
CN112560272A (zh) * | 2020-12-21 | 2021-03-26 | 湖南国科锐承电子科技有限公司 | 一种基于相似元模型的电磁环境构设逼真度评估方法 |
US11490576B2 (en) | 2020-12-22 | 2022-11-08 | Heartland Ag Tech, Inc. | Modular kinematic and telemetry system for an irrigation system |
AU2021410745B2 (en) | 2020-12-23 | 2023-07-20 | Heartland Ag Tech, Inc. | Condition based monitoring of irrigation |
CN112565454A (zh) * | 2020-12-23 | 2021-03-26 | 杭州诺明科技有限公司 | 一种基于5g多维感知的工业设备管理方法 |
CN112540974B (zh) * | 2020-12-24 | 2021-09-24 | 哈尔滨工业大学 | 一种基于二阶动量的航天器遥测数据野值点去除方法 |
CN112863134B (zh) * | 2020-12-31 | 2022-11-18 | 浙江清华长三角研究院 | 一种农村污水处理设施运行异常的智能诊断系统及方法 |
AU2022205056B2 (en) * | 2021-01-04 | 2024-02-01 | Heartland Ag Tech, Inc. | Determining drive system anomalies based on power and/or current changes in an irrigation system |
CN112765748B (zh) * | 2021-01-25 | 2024-03-22 | 长安大学 | 机理-数据异构信息融合的旋转机械数字孪生建模方法 |
CN112801185B (zh) * | 2021-01-28 | 2023-02-24 | 河北师范大学 | 一种基于改进神经网络的网络安全态势理解和评估方法 |
CN112819080B (zh) * | 2021-02-05 | 2022-09-02 | 四川大学 | 一种高精度通用的三维点云识别方法 |
CN112949170A (zh) * | 2021-02-05 | 2021-06-11 | 北京千驷驭电气有限公司 | 一种基于数字孪生技术的运营推演系统及方法 |
US11785735B2 (en) * | 2021-02-19 | 2023-10-10 | CyberSecure IPS, LLC | Intelligent cable patching of racks to facilitate cable installation |
EP4283262A4 (en) * | 2021-03-05 | 2024-06-19 | Mitsubishi Heavy Industries Marine Machinery & Equipment Co., Ltd. | VIBRATION MONITORING DEVICE, CHARGER AND VIBRATION MONITORING METHODS |
CA3111524A1 (en) * | 2021-03-08 | 2022-09-08 | Katherine Hutton | Unattended employment matching and hiring system |
CN112926158B (zh) * | 2021-03-16 | 2023-07-14 | 上海设序科技有限公司 | 一种工业机械设计场景下基于参数微调的通用设计方法 |
CN112966632B (zh) * | 2021-03-19 | 2023-12-12 | 浙江中自庆安新能源技术有限公司 | 一种基于振动信号图像化的故障识别方法及系统 |
JP2022157180A (ja) * | 2021-03-31 | 2022-10-14 | 三菱重工業株式会社 | 装置、遠隔監視システム、装置の制御方法、及び、遠隔監視システムの制御方法 |
EP4075219A1 (en) * | 2021-04-15 | 2022-10-19 | Siemens Aktiengesellschaft | System and method of monitoring an industrial environment |
CN113032128B (zh) * | 2021-04-20 | 2024-05-17 | 北京微纳星空科技有限公司 | 一种多任务的控制方法、装置、电子设备及存储介质 |
CN113141169B (zh) * | 2021-04-26 | 2021-11-02 | 伟卓石油科技(北京)有限公司 | 自适应泥浆脉冲数据处理方法、系统及设备 |
US20220341317A1 (en) * | 2021-04-26 | 2022-10-27 | Saudi Arabian Oil Company | System and method for identifying productive health of wells while ensuring safe operating conditions |
CN113192225B (zh) * | 2021-04-29 | 2022-09-30 | 重庆天智慧启科技有限公司 | 社区安全巡更控制系统 |
CN113110961B (zh) * | 2021-04-30 | 2022-10-21 | 平安国际融资租赁有限公司 | 设备异常检测方法、装置、计算机设备及可读存储介质 |
CN113138967B (zh) * | 2021-05-08 | 2023-03-21 | 贵州全安密灵科技有限公司 | 一种数据信息采集方法、黑匣子、起爆器及存储介质 |
CN112989069B (zh) * | 2021-05-10 | 2021-10-15 | 苏州博宇鑫交通科技有限公司 | 一种基于知识图谱与区块链的交通违章分析方法 |
CN113259849B (zh) * | 2021-05-17 | 2022-12-16 | 深圳市酷开网络科技股份有限公司 | 基于用户标签的小区覆盖量确定方法、装置和存储介质 |
CN113411181B (zh) * | 2021-05-18 | 2023-02-14 | 南京邮电大学 | 一种基于分布式并行差分进化算法的参数优化方法 |
CN113241767B (zh) * | 2021-05-20 | 2022-06-03 | 广东电网有限责任公司广州供电局 | 一种零散区域的分阶段复电方法 |
TR202108476A2 (tr) * | 2021-05-21 | 2021-06-21 | Gencler Elektronik Sanayi Ve Ticaret Ltd Sirketi | Uzaktan maki̇ne eri̇şi̇m, i̇zleme ve raporlama si̇stemi̇ |
EP4130691A4 (en) * | 2021-05-25 | 2023-10-11 | Gentle Energy Corp. | DATA CLASSIFICATION APPARATUS AND METHOD |
CN113030711B (zh) * | 2021-05-26 | 2021-09-10 | 成都市克莱微波科技有限公司 | 一种功率放大器芯片、芯片测试系统及方法 |
CN113392880B (zh) * | 2021-05-27 | 2021-11-23 | 扬州大学 | 一种基于偏差校正随机森林的交通流短时预测方法 |
CN113285720B (zh) * | 2021-05-28 | 2023-07-07 | 中科计算技术西部研究院 | 基因数据无损压缩方法、集成电路及无损压缩设备 |
CN113359664B (zh) * | 2021-05-31 | 2023-07-07 | 海南文鳐科技有限公司 | 故障诊断与维护系统、方法、设备及存储介质 |
CN115422017A (zh) * | 2021-05-31 | 2022-12-02 | 深圳富桂精密工业有限公司 | 工业互联网的数据管理方法、电子装置及存储介质 |
CN113255220B (zh) * | 2021-05-31 | 2022-12-06 | 西安交通大学 | 一种基于数字孪生的齿轮泵维护方法 |
CN113254311B (zh) * | 2021-05-31 | 2022-12-13 | 广州衡昊数据科技有限公司 | 一种分布式电源系统的监控系统和监控方法 |
CN113408371A (zh) * | 2021-06-01 | 2021-09-17 | 武汉理工大学 | 一种早期故障诊断方法及装置 |
WO2022255527A1 (ko) * | 2021-06-02 | 2022-12-08 | 주식회사 시마크로 | 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 시스템 |
CN113254666A (zh) * | 2021-06-02 | 2021-08-13 | 上海酒贝乐信息技术有限公司 | 一种人工智能自我学习和成长完善的方法及系统 |
CN113241854B (zh) * | 2021-06-10 | 2022-12-06 | 南方电网科学研究院有限责任公司 | 一种用户用电状态远程更新方法及系统 |
CN113469222A (zh) * | 2021-06-10 | 2021-10-01 | 国网甘肃省电力公司兰州供电公司 | 基于rst-pnn-ga的高压断路器故障检测方法 |
CN113298321B (zh) * | 2021-06-22 | 2022-03-11 | 深圳市查策网络信息技术有限公司 | 一种基于多数据融合的用户意图预测方法 |
CN113420921B (zh) * | 2021-06-23 | 2022-04-22 | 天津大学 | 一种基于gps定位和贝叶斯分类的区域建筑能耗预测方法 |
CN113433907B (zh) * | 2021-06-24 | 2022-05-10 | 中国航空综合技术研究所 | 基于可靠性关键特性的航空机电产品设计可靠性控制方法 |
CN113420448B (zh) * | 2021-06-25 | 2023-05-23 | 中国兵器装备集团自动化研究所有限公司 | 一种弹药熔铸装药成型过程的数字孪生系统及方法 |
CN113359640A (zh) * | 2021-06-25 | 2021-09-07 | 上海大学 | 一种基于数字孪生和增强现实的产线预测性维护系统及方法 |
CN113467449B (zh) * | 2021-06-30 | 2023-05-30 | 深圳市海柔创新科技有限公司 | 车队控制方法、装置、电子设备和存储介质 |
CN113468809B (zh) * | 2021-06-30 | 2022-10-04 | 重庆大学 | 一种风电齿轮箱平行级齿根裂纹模式识别方法 |
CN113590418A (zh) * | 2021-07-06 | 2021-11-02 | 合肥联宝信息技术有限公司 | 一种螺丝锁附状态的检测方法、装置及存储介质 |
CN113645589B (zh) * | 2021-07-09 | 2024-05-17 | 北京邮电大学 | 一种基于反事实策略梯度的无人机集群路由计算方法 |
CN113538515B (zh) * | 2021-07-19 | 2024-06-07 | 安徽炬视科技有限公司 | 一种基于结合语义分割及目标检测跟踪的高压开关柜异动检测方法 |
CN113449400B (zh) * | 2021-07-20 | 2022-10-25 | 合肥工业大学 | 一种多轴颈凸轮轴分时迁移校直参数蚁群优化方法 |
CN113489806A (zh) * | 2021-07-21 | 2021-10-08 | 河北振创电子科技有限公司 | 基于分布式物联网架构的数据存储系统、方法及装置 |
CN113505440B (zh) * | 2021-07-28 | 2024-05-14 | 大连理工大学 | 一种基于三维深度学习的汽车气动性能参数实时预测方法 |
CN113673582B (zh) * | 2021-07-30 | 2023-05-09 | 西南交通大学 | 基于系统聚类分析的铁路动态基准点多层级分群方法 |
CN113343947B (zh) * | 2021-08-02 | 2021-10-29 | 长沙鹏阳信息技术有限公司 | 一种基于人工智能的石油井下油管升降安全分析方法 |
CN113344959B (zh) * | 2021-08-06 | 2021-11-09 | 山东捷瑞数字科技股份有限公司 | 余料的分析处理方法、装置及物料输送系统 |
CN113783933B (zh) * | 2021-08-10 | 2022-05-24 | 中山大学 | 基于编码缓存的双层网络通信方法、装置及介质 |
CN115706729B (zh) * | 2021-08-12 | 2024-09-20 | 中移物联网有限公司 | 一种服务提供方法及装置、设备、存储介质 |
CN113466424B (zh) * | 2021-08-12 | 2022-02-15 | 广州高得环保科技股份有限公司 | 一种智慧物联网的管道直饮水水质监控方法及系统 |
CN113628249B (zh) * | 2021-08-16 | 2023-04-07 | 电子科技大学 | 基于跨模态注意力机制与孪生结构的rgbt目标跟踪方法 |
CN113656238B (zh) * | 2021-08-17 | 2023-07-04 | 北京京航计算通讯研究所 | 一种智能终端的ai工业应用能力测试方法和系统 |
CN113706490B (zh) * | 2021-08-19 | 2024-01-12 | 中科苏州智能计算技术研究院 | 一种晶片缺陷检测方法 |
CN113672981B (zh) * | 2021-08-20 | 2023-06-23 | 国网河南省电力公司信息通信公司 | 基于区块链的电力物联网数据访问控制系统 |
CN113642220B (zh) * | 2021-08-26 | 2023-09-22 | 江苏科技大学 | 一种基于rbf与mopso的船舶焊接工艺优化方法 |
CN113669249B (zh) * | 2021-08-27 | 2023-09-12 | 福建龙净环保股份有限公司 | 一种实现循环泵选择的方法、装置及设备 |
CN113822344B (zh) * | 2021-08-30 | 2024-05-31 | 龙源(北京)新能源工程技术有限公司 | 基于数据驱动的风电机组发电机前轴承状态监测方法 |
CN113741391A (zh) * | 2021-08-31 | 2021-12-03 | 中交上海航道局有限公司 | 一种振动碾远程监控系统 |
CN113762986A (zh) * | 2021-09-07 | 2021-12-07 | 南方电网数字电网研究院有限公司 | 基于区块链的节能认证系统 |
US20230071455A1 (en) * | 2021-09-08 | 2023-03-09 | Rockwell Automation Technologies, Inc. | Product lifecycle management |
CN113722833B (zh) * | 2021-09-09 | 2023-06-06 | 湖南工业大学 | 基于双通道长短时记忆网络的涡扇发动机剩余使用寿命预测方法 |
CN113887702B (zh) * | 2021-09-10 | 2024-06-04 | 哈尔滨工业大学 | 基于wlctd与cnn-lstm的工业机器人谐波减速器早期故障检测方法 |
CN113742931B (zh) * | 2021-09-13 | 2024-01-26 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
CN113705839B (zh) * | 2021-09-13 | 2023-10-20 | 北京博瑞华通科技有限公司 | 一种燃料电池电堆的预测性维护方法以及维护系统 |
US11669617B2 (en) | 2021-09-15 | 2023-06-06 | Nanotronics Imaging, Inc. | Method, systems and apparatus for intelligently emulating factory control systems and simulating response data |
TWI784718B (zh) * | 2021-09-17 | 2022-11-21 | 和碩聯合科技股份有限公司 | 廠區告警事件處理方法與系統 |
CN113566953B (zh) * | 2021-09-23 | 2021-11-30 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种柔壁喷管的在线监测方法 |
CN113759803A (zh) * | 2021-09-23 | 2021-12-07 | 西安铭创源机电科技有限公司 | 一种智能型监测保护控制电器装置 |
CN113821888B (zh) * | 2021-09-23 | 2024-02-27 | 西安热工研究院有限公司 | 基于周期性冲击特征提取和回声状态网络的振动数据故障诊断方法 |
CN113837077B (zh) * | 2021-09-24 | 2024-09-06 | 深圳雅济科技有限公司 | 二代测序实验智能监控系统、二代测序实验的方法和手表 |
CN114019935A (zh) * | 2021-09-26 | 2022-02-08 | 华能巢湖发电有限责任公司 | 一种基于工业物联网设备实时检测诊断系统 |
CN113891273A (zh) * | 2021-09-29 | 2022-01-04 | 中国电信股份有限公司 | 参数配置方法和节点控制器、采集节点和信息采集系统 |
US11826644B2 (en) * | 2021-10-05 | 2023-11-28 | Sony Interactive Entertainment Inc. | Bifurcation of gameplay between mobile and non-mobile play with intelligent game state saving, and startups |
US20240114052A1 (en) * | 2021-10-07 | 2024-04-04 | Provallo, Inc. | Network security system for preventing spoofed ip attacks |
CN113950113B (zh) * | 2021-10-08 | 2022-10-25 | 东北大学 | 一种基于隐马尔科夫的车联网切换决策方法 |
CN113998135B (zh) * | 2021-10-18 | 2023-11-28 | 上海机电工程研究所 | 断裂不脱落型无人飞行器轴向锁紧释放组件 |
CN113905107A (zh) * | 2021-10-20 | 2022-01-07 | 云镝智慧科技有限公司 | 工业设备点表数据的获取方法、装置及网关 |
CN113915535B (zh) * | 2021-10-21 | 2023-09-26 | 上海天麦能源科技有限公司 | 一种城市燃气管网监控系统及其控制方法 |
CN113674509B (zh) * | 2021-10-21 | 2022-06-21 | 北京博华信智科技股份有限公司 | 基于区块链的边缘节点灾害监测预警系统及方法 |
CN113934173A (zh) * | 2021-10-22 | 2022-01-14 | 重庆邮电大学 | 基于脉冲控制的多智能体系统分组一致性控制方法 |
CN113985851B (zh) * | 2021-10-29 | 2024-03-08 | 雅迪科技集团有限公司 | 一种具有总线保护和抗干扰功能的电动车定位器通讯电路 |
US11770307B2 (en) | 2021-10-29 | 2023-09-26 | T-Mobile Usa, Inc. | Recommendation engine with machine learning for guided service management, such as for use with events related to telecommunications subscribers |
DE102021128383A1 (de) * | 2021-10-29 | 2023-05-04 | Dieffenbacher GmbH Maschinen- und Anlagenbau | Verfahren und Vorrichtung zur Zustandsüberwachung eines Bandes, kontinuierliche Presse zur Herstellung von Werkstoffplatten und Computerprogrammprodukt |
CN113726911B (zh) * | 2021-11-01 | 2022-01-14 | 南京绛门信息科技股份有限公司 | 一种基于物联网技术的工厂数据采集处理系统 |
US11886179B2 (en) * | 2021-11-02 | 2024-01-30 | Caterpillar Inc. | Systems and methods for determining machine usage severity |
US20230136756A1 (en) * | 2021-11-03 | 2023-05-04 | At&T Intellectual Property I, L.P. | Determining spatial-temporal informative patterns for users and devices in data networks |
CN114019816B (zh) * | 2021-11-16 | 2023-11-14 | 南京工程学院 | 一种基于云计算的智能家居能耗优化方法及设备 |
US20230152377A1 (en) * | 2021-11-17 | 2023-05-18 | Beta Air, Llc | Systems and methods for monitoring health of a motor |
US11411474B1 (en) * | 2021-11-17 | 2022-08-09 | Beta Air, Llc | Systems and methods for monitoring health of a motor |
CN114089708B (zh) * | 2021-11-19 | 2024-03-26 | 江苏科技大学 | 基于数字孪生的海上发电平台管理系统及其优化调控方法 |
EP4187340A1 (en) * | 2021-11-24 | 2023-05-31 | Heineken Supply Chain B.V. | A method and system for monitoring a device |
CN113839967B (zh) * | 2021-11-26 | 2022-02-15 | 深圳市聚慧合创信息技术有限公司 | 基于大数据技术的物联网设备欺诈防控系统 |
EP4187550A1 (en) * | 2021-11-30 | 2023-05-31 | Koninklijke Philips N.V. | Post-service state validator for medical devices |
WO2023099234A1 (en) * | 2021-11-30 | 2023-06-08 | Koninklijke Philips N.V. | Post-service state validator for medical devices |
CN116246260A (zh) * | 2021-12-06 | 2023-06-09 | 大金工业株式会社 | 部件的识别方法和识别装置 |
GB202118033D0 (en) * | 2021-12-13 | 2022-01-26 | Mars Inc | A computer-implemented method of predicting quality of a food product sample |
US20230196480A1 (en) * | 2021-12-16 | 2023-06-22 | Halliburton Energy Services, Inc. | Assisted business intelligence on performance of complex assets with taxonomy of real time systems |
CN114236314A (zh) * | 2021-12-17 | 2022-03-25 | 瀚云科技有限公司 | 一种故障检测方法、装置、设备和存储介质 |
EP4201865B1 (en) | 2021-12-21 | 2024-09-18 | Hiab AB | A working equipment system, and a method of the working equipment system |
CN114374636B (zh) * | 2021-12-21 | 2024-04-02 | 航天科工网络信息发展有限公司 | 一种智能路由方法、装置及网络设备 |
CN114404857B (zh) * | 2021-12-30 | 2022-11-25 | 湖南中联重科应急装备有限公司 | 用于臂架的控制装置、臂架和消防车 |
CN114327288B (zh) * | 2021-12-31 | 2024-02-20 | 深圳忆联信息系统有限公司 | Ssd剩余用户使用时间的预测方法、装置、计算机设备及存储介质 |
US20230214750A1 (en) * | 2021-12-31 | 2023-07-06 | Microsoft Technology Licensing, Llc | Generating a mitigation workflow for mitigating a technical issue of a computing service using historical mitigation workflows |
CN114062885B (zh) * | 2022-01-17 | 2023-10-20 | 清华大学 | 一种半导体器件热分布的测试装置 |
CN114355823B (zh) * | 2022-01-18 | 2024-05-17 | 天地(常州)自动化股份有限公司 | 基于网络的矿用防爆组合开关控制系统及其控制方法 |
TWI779993B (zh) * | 2022-01-20 | 2022-10-01 | 中華電信股份有限公司 | 基於物聯網之模型管理系統、模型管理方法及其電腦程式產品 |
CN114079963B (zh) * | 2022-01-20 | 2022-04-22 | 中铁十八局集团第四工程有限公司 | 基于无线网络通信的场地内施工设备主动安全管控系统 |
US20230243131A1 (en) * | 2022-01-28 | 2023-08-03 | Caterpillar Inc. | Anomalous operating characteristic detection system, and associated devices and methods |
CN114894109B (zh) * | 2022-02-09 | 2023-10-17 | 重庆交通大学 | 隧道应变信息获取方法及相关装置 |
CN114201890B (zh) * | 2022-02-16 | 2022-05-24 | 苏州博宇鑫交通科技有限公司 | 一种高速公路异常事件场景库构建方法 |
CN114511150B (zh) * | 2022-02-16 | 2022-09-13 | 成都理工大学 | 一种基于深度学习的滑坡位移时空预测方法 |
CN114202065B (zh) * | 2022-02-17 | 2022-06-24 | 之江实验室 | 一种基于增量式演化lstm的流数据预测方法及装置 |
KR102674141B1 (ko) * | 2022-02-22 | 2024-06-11 | 백석대학교산학협력단 | 포인트 클라우드를 이용한 블록체인 기반 설명 가능한 인공지능 시스템 |
CN114546914B (zh) * | 2022-02-23 | 2024-04-26 | 北京奕斯伟计算技术股份有限公司 | 用于对多个通道信息执行数据处理的处理装置及系统 |
CN115277742A (zh) * | 2022-02-23 | 2022-11-01 | 智能清洁设备控股有限公司 | 用于管理机器人的系统和方法 |
CN114580721A (zh) * | 2022-02-24 | 2022-06-03 | 南京航空航天大学 | 无人机轨迹的高斯变分推断精确学习方法 |
DE102022202020A1 (de) * | 2022-02-28 | 2023-08-31 | Siemens Aktiengesellschaft | Verfahren und ein System zur Durchführung eines IT-Sicherheitstests |
WO2023161054A1 (de) * | 2022-02-28 | 2023-08-31 | Siemens Aktiengesellschaft | Verfahren und ein system zur durchführung eines it-sicherheitstests |
CN114295616B (zh) * | 2022-03-11 | 2022-05-10 | 西南石油大学 | 基于图像识别的套管检测设备 |
CN114328699B (zh) * | 2022-03-15 | 2022-06-07 | 心鉴智控(深圳)科技有限公司 | 一种工业产线运维控制系统 |
CN114706667B (zh) * | 2022-03-24 | 2022-10-28 | 慧之安信息技术股份有限公司 | 一种基于异构计算的流媒体转发方法 |
CN114828472B (zh) * | 2022-03-25 | 2023-12-08 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种小型化液压泵无线通讯介入装置 |
CN114638268B (zh) * | 2022-03-30 | 2024-06-11 | 扬州新概念电气有限公司 | 基于无线测温技术的高压开关柜过热管控系统 |
US11889796B2 (en) | 2022-03-31 | 2024-02-06 | Heartland Ag Tech, Inc. | Irrigation system including electronic independent observer integration with fertigation system |
CN114895645B (zh) * | 2022-03-31 | 2024-04-16 | 中国地质大学(武汉) | 考虑非零均值噪声的网络控制系统性能极限分析方法 |
CN114759971B (zh) * | 2022-04-01 | 2023-04-11 | 南京航空航天大学 | 一种高功效上行异步noma无人机通信网络中断性能分析方法 |
CN115001696B (zh) * | 2022-04-07 | 2023-07-14 | 北京印刷学院 | 基于w态的量子多重代理签名方法及相关设备 |
WO2023197054A1 (en) * | 2022-04-11 | 2023-10-19 | Peytec Inc. | Inventory system for mines |
CN114818127B (zh) * | 2022-04-18 | 2023-04-28 | 中节能工业节能有限公司 | 一种汽轮机劣化程度的量化方法 |
CN114511718B (zh) * | 2022-04-19 | 2022-06-24 | 山东诚祥建设集团股份有限公司 | 一种建筑施工用物料智能管理方法及系统 |
CN114928475B (zh) * | 2022-04-25 | 2023-11-21 | 浪潮工业互联网股份有限公司 | 一种基于标识解析的工业设备认证方法、设备及介质 |
CN114726799B (zh) * | 2022-04-28 | 2024-03-05 | 清华大学 | 拥塞控制智能体的训练方法、拥塞控制方法及装置 |
CN114826617B (zh) * | 2022-04-29 | 2024-08-20 | 西北工业大学 | 工业物联网终端系统设计、数据验证方法及硬件加速装置 |
WO2023208594A1 (en) * | 2022-04-29 | 2023-11-02 | British Telecommunications Public Limited Company | A method and system for controlling a computing system |
EP4273650A1 (de) * | 2022-05-03 | 2023-11-08 | Siemens Aktiengesellschaft | Reduktion von wartungsbedingten stillstandszeiten in der produktion |
CN114650556B (zh) * | 2022-05-05 | 2024-04-30 | 中国联合网络通信集团有限公司 | 无线网络业务承载能力的检测方法、装置和设备 |
CN114896061B (zh) * | 2022-05-07 | 2023-05-02 | 百度在线网络技术(北京)有限公司 | 计算资源控制模型的训练方法、计算资源控制方法及装置 |
CN115114844B (zh) * | 2022-05-09 | 2023-09-19 | 东南大学 | 一种钢筋混凝土粘结滑移曲线的元学习预测模型 |
US11769506B1 (en) * | 2022-05-09 | 2023-09-26 | Amazon Technologies, Inc. | Response orchestrator for natural language interface |
TWI827050B (zh) * | 2022-05-12 | 2023-12-21 | 歐權科技股份有限公司 | Ai智能決策換刀系統、方法及其自我診斷流程、保養流程、ai計算流程 |
CN114953465B (zh) * | 2022-05-17 | 2023-04-21 | 成都信息工程大学 | 一种基于Marlin固件的3D打印方法 |
TWI820717B (zh) * | 2022-05-20 | 2023-11-01 | 智連工控股份有限公司 | 去中心化之製造場域智慧型輔助系統及其橋接介面裝置 |
CN114777557B (zh) * | 2022-05-20 | 2023-03-24 | 连云港观旭电力节能设备有限公司 | 一种凝汽器清洗方法和系统 |
CN114978941A (zh) * | 2022-05-24 | 2022-08-30 | 电子科技大学 | 一种面向IPv6网络的业务流测量方法 |
CN114844715B (zh) * | 2022-05-25 | 2023-05-16 | 中国电子科技集团公司第三十研究所 | 一种网络安全防御策略优化方法、设备及介质 |
CN115001829B (zh) * | 2022-06-07 | 2024-06-07 | 中国软件评测中心(工业和信息化部软件与集成电路促进中心) | 协议漏洞挖掘方法、装置、设备及存储介质 |
CN114880587B (zh) * | 2022-06-10 | 2024-08-02 | 国网福建省电力有限公司 | 一种物联网设备的端口扫描路径推荐方法 |
FR3133670A1 (fr) * | 2022-06-14 | 2023-09-22 | Sagemcom Broadband Sas | Auto-diagnostic d’un équipement électrique par empreinte sonore |
CN115186005A (zh) * | 2022-06-16 | 2022-10-14 | 上海船舶运输科学研究所有限公司 | 一种船舶主机工况划分方法及系统 |
CN115049259B (zh) * | 2022-06-16 | 2024-04-05 | 国网重庆市电力公司电力科学研究院 | 一种基于多因素影响的预安排停运率测算方法 |
NO20220692A1 (en) * | 2022-06-17 | 2023-12-18 | Autostore Tech As | A method and a system for determining condition of a component of a remotely operated vehicle |
CN115102798B (zh) * | 2022-06-20 | 2023-08-22 | 镇江港务集团有限公司 | 一种用于设备断电用应急数据备份系统 |
CN114783162B (zh) * | 2022-06-20 | 2022-10-28 | 商飞软件有限公司 | 一种飞机三余度系统告警表决方法 |
CN114937028B (zh) * | 2022-06-21 | 2023-12-08 | 苏州上舜精密工业科技有限公司 | 一种智能标识识别的直线滑台模组质量检测方法及系统 |
CN115146838B (zh) * | 2022-06-21 | 2024-06-25 | 南京航空航天大学 | 考虑物料订购的客机协同研制交付进度计划联动优化方法 |
CN114817375B (zh) * | 2022-06-24 | 2022-11-01 | 深圳市智联物联科技有限公司 | 工业互联网数据采集管理系统 |
CN115061373B (zh) * | 2022-06-27 | 2023-05-05 | 北京理工大学 | 一种混合动力系统电机温升预测博弈优化控制方法 |
US20240007407A1 (en) * | 2022-07-04 | 2024-01-04 | Morgen Technology Inc. | Tunneling of short-range sensor data through long-range wireless technology |
CN115271033B (zh) * | 2022-07-05 | 2023-11-21 | 西南财经大学 | 基于联邦知识蒸馏医学图像处理模型构建及其处理方法 |
US20240015045A1 (en) * | 2022-07-07 | 2024-01-11 | Paulmicheal Lee King | Touch screen controlled smart appliance and communication network |
CN115277757B (zh) * | 2022-07-12 | 2023-04-11 | 智洋创新科技股份有限公司 | 一种基于宽窄带数据融合的智慧杆塔状态分析方法及系统 |
CN114879649A (zh) * | 2022-07-13 | 2022-08-09 | 中企科信技术股份有限公司 | 一种工业控制系统的网络监测装置、监测方法及控制系统 |
CN115967599B (zh) * | 2022-07-13 | 2024-09-06 | 安世亚太科技股份有限公司 | 一种基于数字孪生体的时变频率信号处理系统及方法 |
EP4312099A1 (en) | 2022-07-27 | 2024-01-31 | Siemens Aktiengesellschaft | Method of training a machine learning model for detecting one or more faults |
US11635753B1 (en) * | 2022-08-15 | 2023-04-25 | Dimaag-Ai, Inc. | Remaining useful life prediction for machine components |
CN115082921B (zh) * | 2022-08-18 | 2022-12-13 | 成都飞机工业(集团)有限责任公司 | 一种基于机器视觉的飞机交点镗孔角度头管理方法 |
CN115130929B (zh) * | 2022-08-29 | 2022-11-15 | 中国西安卫星测控中心 | 基于机器学习分类的资源池智能生成方法 |
US11922237B1 (en) | 2022-09-12 | 2024-03-05 | Mellanox Technologies, Ltd. | Single-step collective operations |
CN115432251A (zh) * | 2022-09-22 | 2022-12-06 | 昆山麦伊斯资讯顾问有限公司 | 适用于光伏行业的自动分档包护角系统 |
CN115297496B (zh) * | 2022-09-28 | 2022-12-20 | 南昌航空大学 | 结合Bi-LSTM和时间模式注意力的链路质量预测方法 |
CN115601318B (zh) * | 2022-10-10 | 2023-05-02 | 广东昱升个人护理用品股份有限公司 | 快吸收低反渗纸尿裤智能生产方法及其系统 |
CN115358728B (zh) * | 2022-10-20 | 2023-01-24 | 杭州上杰云服科技有限公司 | 基于云计算的erp数据处理方法 |
CN115373791B (zh) * | 2022-10-25 | 2022-12-30 | 北京航天驭星科技有限公司 | 一种航天器自动化遥控作业的编制方法及装置 |
KR102535230B1 (ko) | 2022-11-07 | 2023-05-26 | 주식회사 비츠로이엠 | 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems |
CN115455746B (zh) * | 2022-11-10 | 2023-04-07 | 中国人民解放军海军工程大学 | 一种核动力装置运行监测数据异常检测与校正一体化方法 |
CN115456315B (zh) * | 2022-11-11 | 2023-02-24 | 成都秦川物联网科技股份有限公司 | 一种用于智慧燃气的燃气管网预设管理方法和物联网系统 |
TWI841092B (zh) * | 2022-12-05 | 2024-05-01 | 台灣松下電器股份有限公司 | 冷櫃監控系統與監控主機 |
NO20221353A1 (en) * | 2022-12-16 | 2024-06-17 | Autostore Tech As | On-board analysis for condition-based monitoring of automated vehicles of an automated storage system |
CN115617917B (zh) * | 2022-12-16 | 2023-03-10 | 中国西安卫星测控中心 | 一种数据库集群多活控制的方法、装置、系统和设备 |
CN115622814B (zh) * | 2022-12-19 | 2023-03-10 | 北京六方云信息技术有限公司 | 基于深度自编码器的http隧道检测方法、装置及设备 |
CN115967501A (zh) * | 2022-12-29 | 2023-04-14 | 国网辽宁省电力有限公司信息通信分公司 | 一种基于区块链智能合约的Web服务组合生成方法 |
CN115654363B (zh) * | 2022-12-30 | 2023-03-07 | 长春吉电氢能有限公司 | 一种制氢站智慧运行监控方法和系统 |
WO2024161300A1 (en) * | 2023-01-30 | 2024-08-08 | Jio Platforms Limited | System and method for correlating customer service requests |
CN115801463B (zh) * | 2023-02-06 | 2023-04-18 | 山东能源数智云科技有限公司 | 工业互联网平台入侵检测的方法、装置和电子设备 |
CN116109977B (zh) * | 2023-02-12 | 2023-09-01 | 深圳中检联检测有限公司 | 基于生产环境的食品卫生检测方法、装置、设备及介质 |
CN115814915B (zh) * | 2023-02-14 | 2023-05-09 | 山东埃尔派粉体科技有限公司 | 气流粉碎装置的粒度调控方法 |
CN115903650B (zh) * | 2023-02-24 | 2023-05-05 | 深圳华龙讯达信息技术股份有限公司 | 一种用于plc信号分布式采集的方法及系统 |
CN115860278B (zh) * | 2023-02-27 | 2023-04-28 | 深圳市利和兴股份有限公司 | 一种基于数据分析的电机组装生产管理方法及系统 |
CN116468214B (zh) * | 2023-03-07 | 2023-12-15 | 德联易控科技(北京)有限公司 | 一种基于故障事件处理过程的证据电子化方法及电子设备 |
CN116415929B (zh) * | 2023-03-07 | 2023-11-14 | 鞍钢集团工程技术有限公司 | 一种基于多层gru网络的鱼雷罐车预测性维护方法 |
CN117252496B (zh) * | 2023-03-09 | 2024-07-26 | 广东联宇物流有限公司 | 分区域智慧物流协调系统 |
CN115977936B (zh) * | 2023-03-21 | 2023-06-20 | 沃德传动(天津)股份有限公司 | 一种往复式压缩机故障诊断系统 |
CN116442219B (zh) * | 2023-03-24 | 2023-11-03 | 东莞市新佰人机器人科技有限责任公司 | 一种智能机器人控制系统及方法 |
CN116361709B (zh) * | 2023-03-31 | 2023-10-31 | 山东省计算中心(国家超级计算济南中心) | 一种自适应电力负荷识别方法与设备 |
CN116088398A (zh) * | 2023-04-10 | 2023-05-09 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种用于火电厂智慧监盘报警系统 |
CN116128486B (zh) * | 2023-04-17 | 2023-07-21 | 烟台军诺智能科技有限公司 | 一种基于数据分析的水下光通信实时风险评估系统 |
CN116149958B (zh) * | 2023-04-20 | 2023-06-27 | 华谱科仪(北京)科技有限公司 | 一种基于日志管理功能的色谱仪运维方法及装置 |
CN116165966B (zh) * | 2023-04-21 | 2023-07-07 | 沈阳精锐数控机床有限公司 | 一种数控机床信息化自适应物料调控方法及系统 |
TWI838274B (zh) * | 2023-05-03 | 2024-04-01 | 悠由數據應用股份有限公司 | 作物生長階段預測系統及方法 |
CN116275755B (zh) * | 2023-05-12 | 2023-08-01 | 苏州诺克汽车工程装备有限公司 | 一种焊接生产线的智能控制系统 |
CN116257028B (zh) * | 2023-05-16 | 2023-08-11 | 深圳市卓皓自动化科技有限公司 | 防护用品生产设备的智能过压调节方法、系统及设备 |
CN116401975B (zh) * | 2023-06-08 | 2023-09-01 | 中国航发四川燃气涡轮研究院 | 一种进气道出口恶劣流场模拟板设计方法 |
CN116841260B (zh) * | 2023-06-14 | 2024-07-12 | 成都飞机工业(集团)有限责任公司 | 一种用于飞机部件装配的动态自适应计划排程方法 |
CN116484268B (zh) * | 2023-06-21 | 2023-09-05 | 西安黑石智能科技有限公司 | 基于机器学习的智能化工业设备故障诊断系统 |
KR102693332B1 (ko) * | 2023-06-29 | 2024-08-09 | 케이씨미래기술 주식회사 | 기계설비의 가동 감지를 위한 저전력 IoT 센서 모듈 |
CN116611523B (zh) * | 2023-07-18 | 2023-09-26 | 山东师范大学 | 涡轮风扇发动机的可解释故障预测方法及系统 |
CN117111551B (zh) * | 2023-07-26 | 2024-09-20 | 深圳市中瑞远博智能系统有限公司 | 一种基于ames系统的药品生产质量监控方法及系统 |
CN116704137B (zh) * | 2023-07-27 | 2023-10-24 | 山东科技大学 | 一种海上石油钻井平台点云深度学习逆向建模方法 |
CN116662764B (zh) * | 2023-07-28 | 2023-09-29 | 中国电子科技集团公司第十五研究所 | 误识别纠正的数据识别方法、模型训练方法、装置和设备 |
CN116661330B (zh) * | 2023-07-31 | 2023-12-01 | 深圳市云图数字科技有限公司 | 一种智能家居系统的协同运行方法及智能家居系统 |
CN116720837B (zh) * | 2023-08-04 | 2023-11-14 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气数据中心的信息交互管理方法与物联网系统 |
CN116738863B (zh) * | 2023-08-07 | 2024-02-06 | 江苏永钢集团有限公司 | 基于数字孪生的炉外精炼co2数字管理平台的搭建方法 |
CN116756225B (zh) * | 2023-08-14 | 2023-11-07 | 南京展研信息技术有限公司 | 一种基于计算机网络安全的态势数据信息处理方法 |
CN116757447B (zh) * | 2023-08-15 | 2023-10-20 | 国网江苏省电力有限公司电力科学研究院 | 一种智能快检装置的测试任务分配方法及系统 |
CN116754022B (zh) * | 2023-08-22 | 2023-10-27 | 山东浪潮新基建科技有限公司 | 电缆隧道的在线检测应急预警方法及系统 |
CN116863252B (zh) * | 2023-09-04 | 2023-11-21 | 四川泓宝润业工程技术有限公司 | 动火作业现场易燃物检测方法、装置、设备、存储介质 |
CN116912428B (zh) * | 2023-09-13 | 2024-04-16 | 中电通途(北京)科技有限公司 | 一种实现数字孪生的方法及系统 |
CN117170818B (zh) * | 2023-09-25 | 2024-04-12 | 中关村科学城城市大脑股份有限公司 | 容器处理方法、装置、电子设备和计算机可读介质 |
CN117419760A (zh) * | 2023-09-27 | 2024-01-19 | 湘潭市工矿电传动车辆质量检验中心 | 自卸车检测系统 |
CN117055513B (zh) * | 2023-10-10 | 2024-04-26 | 张家港市卓华金属科技有限公司 | 基于人工智能的设备自动化控制方法及装置 |
CN117055536B (zh) * | 2023-10-10 | 2023-12-29 | 北京集度科技有限公司 | 一种功能检测方法、装置及电子设备 |
CN117061569B (zh) * | 2023-10-11 | 2024-03-29 | 工福(北京)科技发展有限公司 | 一种基于物联网的工会交互数字信息监测系统 |
CN117192371B (zh) * | 2023-11-03 | 2024-01-30 | 南通清浪智能科技有限公司 | 一种新能源汽车电机驱动器的测试方法及系统 |
CN117234957B (zh) * | 2023-11-16 | 2024-02-06 | 山东科技大学 | 一种基于改进萤火虫算法的测试用例优先级排序方法 |
CN117271981B (zh) * | 2023-11-21 | 2024-02-09 | 湖南嘉创信息科技发展有限公司 | 基于跨平台数据交互的人工智能管理系统 |
CN117892121A (zh) * | 2023-12-06 | 2024-04-16 | 广州海洋地质调查局 | 模型训练方法、海底地形预测方法及模型训练装置 |
CN117392227B (zh) * | 2023-12-12 | 2024-04-09 | 江西红声技术有限公司 | 一种头部姿态零位掉电保持方法及系统 |
CN117527453B (zh) * | 2023-12-29 | 2024-03-19 | 广东云百科技有限公司 | 一种物联网数据传输方法及网关设备 |
CN117482443B (zh) * | 2023-12-31 | 2024-03-29 | 常州博瑞电力自动化设备有限公司 | 一种消防设备健康监测方法及系统 |
CN117540432B (zh) * | 2024-01-05 | 2024-03-19 | 河北数港科技有限公司 | 一种互联网的数据隐私保护方法及系统 |
CN117608912B (zh) * | 2024-01-24 | 2024-06-07 | 之江实验室 | 基于nlp大模型的全自动日志分析和故障处理系统和方法 |
CN117631633B (zh) * | 2024-01-26 | 2024-04-19 | 四川琪达实业集团有限公司 | 一种服装定制产线柔性控制系统及方法 |
CN117726461B (zh) * | 2024-02-07 | 2024-07-05 | 湖南招采猫信息技术有限公司 | 一种用于电子招采辅助的金融风险预测方法及系统 |
CN117725368B (zh) * | 2024-02-07 | 2024-05-31 | 浙江公路水运工程咨询集团有限公司 | 一种公路边坡位移预测方法 |
CN117806170B (zh) * | 2024-02-23 | 2024-05-10 | 中国科学院近代物理研究所 | 一种微束聚焦控制方法及装置 |
CN117780346B (zh) * | 2024-02-23 | 2024-05-24 | 太原矿机物联科技有限公司 | 基于3d可视化模型的远程煤机控制方法 |
CN117774007B (zh) * | 2024-02-27 | 2024-04-23 | 天津润华科技有限公司 | 基于图像处理的物流转运机器人工作异常检测方法及系统 |
CN117892182B (zh) * | 2024-03-14 | 2024-06-07 | 山东神力索具有限公司 | 基于人工智能的索具耐用性测试方法及装置 |
CN117953973B (zh) * | 2024-03-21 | 2024-06-25 | 电子科技大学长三角研究院(衢州) | 基于序列同源性的特定生物序列预测方法及其系统 |
CN118014776B (zh) * | 2024-04-09 | 2024-07-05 | 山东艾克索仑电气有限公司 | 一种闭式循环水冷系统负荷动态预测方法 |
CN118035951B (zh) * | 2024-04-10 | 2024-07-19 | 河北迪运化工科技有限公司 | 基于失水量预测的淡水基浆制备方法、系统及钻井液 |
CN118098177B (zh) * | 2024-04-22 | 2024-07-09 | 吉林省北联显示技术有限公司 | 一种基于物联网的地铁显示终端节能控制系统 |
CN118095964B (zh) * | 2024-04-23 | 2024-08-09 | 成都飞机工业(集团)有限责任公司 | 一种航空管路系统装配一致性的评估方法 |
CN118081774B (zh) * | 2024-04-24 | 2024-07-19 | 深圳市领志光机电自动化系统有限公司 | 一种用于amr机器人的安全防护系统 |
CN118095810B (zh) * | 2024-04-28 | 2024-07-05 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网附属设施维护方法与物联网系统 |
CN118113787B (zh) * | 2024-04-30 | 2024-06-28 | 中增智慧城市建设发展有限公司 | 基于边缘计算的智慧城市物联网数据处理方法及系统 |
CN118157694B (zh) * | 2024-05-08 | 2024-07-02 | 淮安云计物联网有限公司 | 一种基于物联网的信号增强系统 |
CN118277745B (zh) * | 2024-06-03 | 2024-08-06 | 青岛农业大学 | 一种可视化农业大数据分析交互系统及方法 |
CN118297483A (zh) * | 2024-06-04 | 2024-07-05 | 四川旅投数字信息产业发展有限责任公司 | 基于大数据分析的企业数据治理系统及方法 |
CN118294011B (zh) * | 2024-06-06 | 2024-08-06 | 昆明茨坝矿山机械有限公司 | 振幅监测及自动实时调节方法、装置及存储介质 |
CN118311934B (zh) * | 2024-06-11 | 2024-08-06 | 科锐普特(北京)控制技术有限公司 | 一种电气自动化控制系统 |
CN118394834B (zh) * | 2024-06-25 | 2024-08-16 | 南京上古网络科技有限公司 | 基于人工智能的可视化管理系统、方法及存储介质 |
CN118452694A (zh) * | 2024-07-12 | 2024-08-09 | 广州吉谷电器有限公司 | 一种煮茶的加热控制方法及系统 |
CN118523872A (zh) * | 2024-07-23 | 2024-08-20 | 湖北省自然资源厅信息中心 | 一种基于跨域环境的数据交换与融合方法及装置 |
CN118520250A (zh) * | 2024-07-25 | 2024-08-20 | 成都迈特航空制造有限公司 | 基于人工智能的航空紧固件性能监测数据处理方法及系统 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6484109B1 (en) * | 1998-05-20 | 2002-11-19 | Dli Engineering Coporation | Diagnostic vibration data collector and analyzer |
JP2001160097A (ja) | 1999-12-03 | 2001-06-12 | Nec Corp | 保守支援端末及び保守業務支援システム |
US6983207B2 (en) * | 2000-06-16 | 2006-01-03 | Ntn Corporation | Machine component monitoring, diagnosing and selling system |
JP4067811B2 (ja) | 2001-11-12 | 2008-03-26 | 株式会社日立製作所 | 高温部品の遠隔監視システムおよび遠隔監視方法 |
US6714880B2 (en) * | 2002-05-13 | 2004-03-30 | Entek Ird International Corporation | Multi-alarm monitoring and protection system |
WO2005022280A1 (en) * | 2003-09-03 | 2005-03-10 | Unitronics (1989) (R'g) Ltd. | System and method for implementing logic control in programmable controllers in distributed control systems |
US7710153B1 (en) * | 2006-06-30 | 2010-05-04 | Masleid Robert P | Cross point switch |
CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断系统 |
EP2053475A1 (de) * | 2007-10-26 | 2009-04-29 | Siemens Aktiengesellschaft | Verfahren zur Analyse des Betriebs einer Gasturbine |
TWM348676U (en) * | 2008-07-22 | 2009-01-11 | Iner Aec Executive Yuan | Environmental survey robot |
JP4926145B2 (ja) | 2008-09-16 | 2012-05-09 | 三菱電機株式会社 | 交流直流変換装置、圧縮機駆動装置、空気調和機及び異常検知装置 |
US20120041695A1 (en) * | 2010-08-16 | 2012-02-16 | Csi Technology, Inc. | Integrated vibration measurement and analysis system |
US20120150755A1 (en) * | 2010-12-10 | 2012-06-14 | Honeywell International Inc. | System and Method of Providing Compliance and Alerting of Toxic Gas Exposure for Health Monitoring and Plant Maintenance |
US9389165B2 (en) * | 2011-06-23 | 2016-07-12 | Virtjoule, Inc. | System responsive to machine vibrations and method of use |
US9284987B2 (en) * | 2011-12-20 | 2016-03-15 | Aktiebolaget Skf | Warning device for monitoring a health status of a bearing having a close range wireless interface |
US9360864B2 (en) * | 2012-04-11 | 2016-06-07 | General Electric Company | Turbine fault prediction |
CN102830691A (zh) * | 2012-07-20 | 2012-12-19 | 南京航空航天大学 | 一种基于云计算的无人机自动检测及故障诊断方法 |
DE102012015485A1 (de) * | 2012-08-07 | 2014-05-15 | Prüftechnik Dieter Busch AG | Verfahren zum Überwachen von rotierenden Maschinen |
WO2014061080A1 (ja) | 2012-10-15 | 2014-04-24 | 株式会社日立製作所 | 保守計画立案支援システム、保守計画立案支援方法、保守計画立案支援プログラム |
US9835594B2 (en) * | 2012-10-22 | 2017-12-05 | Augury Systems Ltd. | Automatic mechanical system diagnosis |
GB2513456B (en) * | 2013-03-15 | 2020-12-09 | Fisher Rosemount Systems Inc | Mobile analysis of physical phenomena in a process plant |
US20180094953A1 (en) * | 2016-10-01 | 2018-04-05 | Shay C. Colson | Distributed Manufacturing |
GB2519120B (en) * | 2013-10-10 | 2017-10-18 | Abb Ltd | Methods and apparatus relating to measurement instruments |
EP2937241B1 (en) | 2014-04-24 | 2017-03-08 | Hitachi, Ltd. | Railway vehicle damage estimation |
ES2796312T3 (es) * | 2014-04-25 | 2020-11-26 | Signify Holding Bv | Sistema y método para mantener el rendimiento de sistema de automatización de edificio |
KR102247518B1 (ko) * | 2014-12-23 | 2021-05-03 | 삼성전자주식회사 | 웨어러블 장치, 관리 서버, 이들을 포함하는 제어 시스템 및 그의 제어 방법 |
US9971344B2 (en) * | 2015-03-27 | 2018-05-15 | Rockwell Automation Technologies, Inc. | Systems and methods for assessing a quality of an industrial enterprise |
US9589287B2 (en) * | 2015-06-29 | 2017-03-07 | Miq Llc | User community generated analytics and marketplace data for modular systems |
US9592964B2 (en) * | 2015-07-23 | 2017-03-14 | Pinc Solutions | System and method for determining and controlling status and location of an object |
CN109478057B (zh) | 2016-05-09 | 2022-02-25 | 强力物联网投资组合2016有限公司 | 用于工业物联网的方法和系统 |
KR101768810B1 (ko) * | 2016-06-02 | 2017-08-30 | 두산중공업 주식회사 | 풍력단지 통합 제어 모니터링 시스템 |
US20180005307A1 (en) * | 2016-06-29 | 2018-01-04 | Paypal, Inc. | System configurations with appliances and vehicles |
EP3287405A1 (en) * | 2016-08-22 | 2018-02-28 | Inventio AG | Noise based elevator malfunction detection |
-
2019
- 2019-02-28 CN CN201980044757.1A patent/CN112703457A/zh active Pending
- 2019-02-28 WO PCT/US2019/020044 patent/WO2019216975A1/en unknown
- 2019-02-28 EP EP19799558.2A patent/EP3791236A4/en active Pending
- 2019-02-28 JP JP2020562700A patent/JP7445928B2/ja active Active
- 2019-02-28 CA CA3099659A patent/CA3099659A1/en active Pending
- 2019-12-02 US US16/700,413 patent/US20200103894A1/en not_active Abandoned
-
2024
- 2024-02-16 JP JP2024022066A patent/JP2024056146A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
CN112703457A (zh) | 2021-04-23 |
EP3791236A4 (en) | 2022-06-08 |
WO2019216975A1 (en) | 2019-11-14 |
US20200103894A1 (en) | 2020-04-02 |
CA3099659A1 (en) | 2019-11-14 |
JP2021526250A (ja) | 2021-09-30 |
JP7445928B2 (ja) | 2024-03-08 |
EP3791236A1 (en) | 2021-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7445928B2 (ja) | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム | |
US20220083046A1 (en) | Platform for facilitating development of intelligence in an industrial internet of things system | |
US20210157312A1 (en) | Intelligent vibration digital twin systems and methods for industrial environments | |
US11231705B2 (en) | Methods for data monitoring with changeable routing of input channels | |
US11144047B2 (en) | Systems for data collection and self-organizing storage including enhancing resolution | |
US11409266B2 (en) | System, method, and apparatus for changing a sensed parameter group for a motor | |
US11243522B2 (en) | Methods and systems for detection in an industrial Internet of Things data collection environment with intelligent data collection and equipment package adjustment for a production line | |
US20200159207A1 (en) | Methods and systems for data collection and analysis of machine signals for analytics and maintenance using the industrial internet of things and a mobile data collector | |
US20190339688A1 (en) | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240315 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240315 |