JP7353238B2 - 高次元センサデータにおける異常事象の自動化された根本原因分析を実行する方法及びシステム - Google Patents
高次元センサデータにおける異常事象の自動化された根本原因分析を実行する方法及びシステム Download PDFInfo
- Publication number
- JP7353238B2 JP7353238B2 JP2020095164A JP2020095164A JP7353238B2 JP 7353238 B2 JP7353238 B2 JP 7353238B2 JP 2020095164 A JP2020095164 A JP 2020095164A JP 2020095164 A JP2020095164 A JP 2020095164A JP 7353238 B2 JP7353238 B2 JP 7353238B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- data
- sensor data
- dag
- applying
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 59
- 230000002159 abnormal effect Effects 0.000 title claims description 33
- 238000004458 analytical method Methods 0.000 title description 48
- 230000001364 causal effect Effects 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000013501 data transformation Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 125000002015 acyclic group Chemical group 0.000 claims 3
- 239000013598 vector Substances 0.000 description 23
- 239000011159 matrix material Substances 0.000 description 11
- 238000005259 measurement Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000001788 irregular Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000013499 data model Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013450 outlier detection Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Discrete Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Toxicology (AREA)
- Environmental & Geological Engineering (AREA)
- Computational Mathematics (AREA)
Description
多くの実世界業界のCPS用途では、1つ以上の機械の動作中に記録されたセンサデータは多数であり、多くの場合、信頼できない測定値を生成する不均一な種類のセンサを含む。例えば、CPS用途では、工場エネルギー管理システム(FEMS)は、例えば、毎分受信した600個のセンサからのデータなど、複数の工場のサブステーションに関連付けられた多数のセンサから周期的にデータを受信することができる。センサは、エネルギー、電流、電圧などを測定するための電気計器、温度、湿度、CO2などを測定するための環境センサ、及び空気流、冷却設定点などを測定するための制御状態センサを含むことができる。これらのセンサは、工場レイアウトにおいて様々なレベルで設置されることができる。
図2は、本発明の一実施形態に係る、例示的な根本原因分析システムアーキテクチャを示している。根本原因分析システム200は、センサデータベース202、気象データベース204、及び3つの処理ステージを含むことができる。第1のステージは、データ前処理モジュール214を含むことができ、第2のステージは、データ要約モジュール220を含むことができ、第3のステージは、モデル発見モジュール228を含むことができる。データ前処理モジュール214は、更に、データ取得モジュール206、データ標準化モジュール208、外れ値検出モジュール210、及びデータ補間モジュール212を含むことができる。データ要約モジュール220は、更に、データ変換モジュール216及びセンサクラスタリングモジュール218を含むことができる。モデル発見モジュール228は、更に、自動状態分類モジュール222、ベイジアンネットワーク構造発見モジュール224、及び分析モジュール226を含むことができる。
図9は、本発明の一実施形態に係る、根本原因分析システムを容易にする例示的なコンピュータシステムを示している。コンピュータシステム900は、プロセッサ902、メモリ904、及び記憶デバイス906を含む。コンピュータシステム900は、ディスプレイ装置910、キーボード912、及びポインティングデバイス914に結合されることができ、また、1つ以上のネットワークインターフェースを介してネットワーク908に結合されることができる。記憶装置906は、オペレーティングシステム918及び根本原因分析システム920を記憶することができる。
Claims (17)
- 1つ以上の機械の動作における異常の根本原因を識別する方法であって、
前記1つ以上の機械に関連付けられたセンサのセットからセンサデータを取得することと、
前記センサデータをセンサ状態のセットに変換することと、を含み、
前記方法は、さらに、
入力のセット及び前記センサ状態のセットに基づいて有向非循環グラフ(DAG)のセットを構築し、
ベイジアンネットワーク発見技術を使用することにより、前記DAGのセットから前記最適なDAGを検索することによって、
前記センサ状態のセットに基づいて、前記センサのセットに対する最適な前記DAGを構築して因果関係をモデル化することと、
前記DAGを使用することによって、直接隣接センサの状態に基づいて標的センサの異常状態の確率を判定することと、
前記DAGにおける前記異常状態をバックトラッキングすることによって、前記標的センサに関連付けられた前記異常状態の根本原因を判定することと、を備える、方法。 - 前記センサデータをセンサ状態のセットに変換することが、
前記センサデータにデータ前処理技術を適用して、前記センサデータを統一されたグローバル基準時間と時間整合させることであって、前記統一されたグローバル基準時間が時間間隔のセットを含むことと、
前記前処理されたセンサデータにデータ要約技術を適用することと、を備える、請求項1に記載の方法。 - 前記データ前処理技術を適用することが、更に、
前記時間整合されたセンサデータにデータ補間技術を適用して、欠落したセンサデータサンプルを置き換えることを備える、請求項2に記載の方法。 - 前記データ要約技術を前記前処理されたセンサデータに適用することが、
データ変換技術を適用して、前記統一されたグローバル基準時間に関連付けられた各時間間隔に対するメトリックのセットを生成することと、
前記メトリックのセットに基づいて、クラスタリング技術を使用することによって前記センサのセットに関連付けられた属性のセットにおいて、強力に接続されたコンポーネントである類似の属性をグループ化し、前記強力に接続されたコンポーネントのそれぞれを単一のメタノードに縮小させることと、
メタノードのセットに基づいて、前記メタノードのDAGとしてメタグラフを構築することと、を備える、請求項2に記載の方法。 - 前記入力のセットが、
気象データと、
ユーザ指定のブラックリストと、
ユーザ指定のホワイトリストと、のうちの1つ以上を含む、請求項1に記載の方法。 - 前記センサ状態のセットが、Kミーンズアルゴリズムを使用することによって取得される、請求項1に記載の方法。
- 前記センサのセットの前記DAGが、
ノードのセットであって、前記グラフ内の各ノードがセンサクラスタのセット内のセンサを表す、ノードのセットと、
有向エッジのセットであって、前記エッジのセット内の各有向エッジが前記グラフ内の2つのノード間の因果関係を表す、有向エッジのセットと、を含む、請求項1に記載の方法。 - 1つ以上の機械の動作における異常の根本原因を識別する装置であって、
1つ以上のプロセッサと、
前記1つ以上の機械に埋め込まれたセンサのセットと、
前記1つ以上のプロセッサによって実行されると、前記装置に、
前記1つ以上の機械に関連付けられたセンサのセットからセンサデータを取得させ、
前記センサデータをセンサ状態のセットに変換させ、
さらに、前記装置に、
入力のセット及び前記センサ状態のセットに基づいて有向非循環グラフ(DAG)のセットを構築し、
ベイジアンネットワーク発見技術を使用することにより、前記DAGのセットから前記最適なDAGを検索することにより、
前記センサ状態のセットに基づいて、前記センサのセットに対する最適な前記DAGを構築させて因果関係をモデル化させ、
前記DAGを使用することによって、直接隣接センサの状態に基づいて標的センサの異常状態の確率を判定させ、
前記DAGにおける前記異常状態をバックトラッキングすることによって、前記標的センサに関連付けられた前記異常状態の根本原因を判定させる、命令を記憶するメモリと、を備える、装置。 - 前記センサデータをセンサ状態のセットに変換することが、
前記センサデータにデータ前処理技術を適用して、前記センサデータを統一されたグローバル基準時間と時間整合させることであって、前記統一されたグローバル基準時間が時間間隔のセットを含むことと、
前記前処理されたセンサデータにデータ要約技術を適用することと、を備える、請求項8に記載の装置。 - 前記データ前処理技術を適用することが、更に、
前記時間整合されたセンサデータにデータ補間技術を適用して、欠落したセンサデータサンプルを置き換えることを備える、請求項9に記載の装置。 - 前記データ要約技術を前記前処理されたセンサデータに適用することが、
データ変換技術を適用して、前記統一されたグローバル基準時間に関連付けられた各時間間隔に対するメトリックのセットを生成することと、
前記メトリックのセットに基づいて、クラスタリング技術を使用することによって前記センサのセットに関連付けられた属性のセットにおいて、強力に接続されたコンポーネントである類似の属性をグループ化し、前記強力に接続されたコンポーネントのそれぞれを単一のメタノードに縮小させることと、
メタノードのセットに基づいて、前記メタノードのDAGとしてメタグラフを構築することと、を備える、請求項9に記載の装置。 - 前記入力のセットが、
気象データと、
ユーザ指定のブラックリストと、
ユーザ指定のホワイトリストと、のうちの1つ以上を含む、請求項8に記載の装置。 - 前記センサ状態のセットが、Kミーンズアルゴリズムを使用することによって取得される、請求項8に記載の装置。
- 前記センサのセットの前記DAGが、
ノードのセットであって、前記グラフ内の各ノードがセンサクラスタのセット内のセンサを表す、ノードのセットと、
有向エッジのセットであって、前記エッジのセット内の各有向エッジが前記グラフ内の2つのノード間の因果関係を表す、有向エッジのセットと、を含む、請求項8に記載の装置。 - コンピュータによって実行されると、前記コンピュータに、1つ以上の機械の動作における異常の根本原因を識別する方法を実行させる命令を記憶する非一時的コンピュータ可読記憶媒体であって、前記方法が、
前記1つ以上の機械に関連付けられたセンサのセットからセンサデータを取得することと、
前記センサデータをセンサ状態のセットに変換することと、を含み、
前記方法は、さらに、
入力のセット及び前記センサ状態のセットに基づいて有向非循環グラフ(DAG)のセットを構築し、
ベイジアンネットワーク発見技術を使用することにより、前記DAGのセットから前記最適なDAGを検索することによって、
前記センサ状態のセットに基づいて、前記センサのセットに対する最適な前記DAGを構築して因果関係をモデル化することと、
前記DAGを使用することによって、直接隣接センサの状態に基づいて標的センサの異常状態の確率を判定することと、
前記DAGにおける前記異常状態をバックトラッキングすることによって、前記標的センサに関連付けられた前記異常状態の根本原因を判定することと、を備える、非一時的コンピュータ可読記憶媒体。 - 前記センサデータをセンサ状態のセットに変換することが、
前記センサデータにデータ前処理技術を適用して、前記センサデータを統一されたグローバル基準時間と時間整合させることであって、前記統一されたグローバル基準時間が時間間隔のセットを含むことと、
前記前処理されたセンサデータにデータ要約技術を適用することと、を備える、請求項15に記載の非一時的コンピュータ可読記憶媒体。 - 前記データ要約技術を前記前処理されたセンサデータに適用することが、
データ変換技術を適用して、前記統一されたグローバル基準時間に関連付けられた各時間間隔に対するメトリックのセットを生成することと、
前記メトリックのセットに基づいて、クラスタリング技術を使用することによって前記センサのセットに関連付けられた属性のセットにおいて、強力に接続されたコンポーネントである類似の属性をグループ化し、前記強力に接続されたコンポーネントのそれぞれを単一のメタノードに縮小させることと、
メタノードのセットに基づいて、前記メタノードのDAGとしてメタグラフを構築することと、を備える、請求項16に記載の非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/448,273 US11354184B2 (en) | 2019-06-21 | 2019-06-21 | Method and system for performing automated root cause analysis of anomaly events in high-dimensional sensor data |
US16/448,273 | 2019-06-21 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021002335A JP2021002335A (ja) | 2021-01-07 |
JP2021002335A5 JP2021002335A5 (ja) | 2023-06-06 |
JP7353238B2 true JP7353238B2 (ja) | 2023-09-29 |
Family
ID=71105307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020095164A Active JP7353238B2 (ja) | 2019-06-21 | 2020-06-01 | 高次元センサデータにおける異常事象の自動化された根本原因分析を実行する方法及びシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11354184B2 (ja) |
EP (1) | EP3754906B1 (ja) |
JP (1) | JP7353238B2 (ja) |
CN (1) | CN112115306B (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11729190B2 (en) * | 2019-10-29 | 2023-08-15 | General Electric Company | Virtual sensor supervised learning for cyber-attack neutralization |
US11238129B2 (en) * | 2019-12-11 | 2022-02-01 | International Business Machines Corporation | Root cause analysis using Granger causality |
EP3958185A1 (en) * | 2020-06-26 | 2022-02-23 | Tata Consultancy Services Limited | Neural networks for handling variable-dimensional time series data |
US20220229903A1 (en) * | 2021-01-21 | 2022-07-21 | Intuit Inc. | Feature extraction and time series anomaly detection over dynamic graphs |
JPWO2023007578A1 (ja) * | 2021-07-27 | 2023-02-02 | ||
CN113724892B (zh) * | 2021-08-31 | 2024-06-21 | 深圳平安智慧医健科技有限公司 | 一种人口流动的分析方法、装置、电子设备及存储介质 |
EP4231108A1 (en) * | 2022-02-18 | 2023-08-23 | Tata Consultancy Services Limited | Method and system for root cause identification of faults in manufacturing and process industries |
WO2024052924A1 (en) * | 2022-09-06 | 2024-03-14 | Telefonaktiebolaget Lm Ericsson (Publ) | Identification of root cause path with machine reasoning |
KR102523458B1 (ko) * | 2022-09-27 | 2023-04-19 | 주식회사 에이아이비즈 | 공정 설비의 비정상 동작 감지 방법, 컴퓨팅 장치 및 컴퓨터 프로그램 |
WO2024134795A1 (ja) * | 2022-12-21 | 2024-06-27 | 日本電気株式会社 | 情報処理装置、分析支援方法、および分析支援プログラム |
CN116610906B (zh) * | 2023-04-11 | 2024-05-14 | 深圳润世华软件和信息技术服务有限公司 | 设备故障诊断方法、装置、计算机设备及其存储介质 |
CN117407662B (zh) * | 2023-12-15 | 2024-04-02 | 广州市齐明软件科技有限公司 | 一种传感器数据处理方法及系统 |
CN118395351B (zh) * | 2024-06-25 | 2024-09-03 | 深圳鼎智达表计信息科技有限公司 | 基于物联网的超声波水表模组计量数据处理方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8156377B2 (en) * | 2010-07-02 | 2012-04-10 | Oracle International Corporation | Method and apparatus for determining ranked causal paths for faults in a complex multi-host system with probabilistic inference in a time series |
IN2013CH03925A (ja) * | 2013-09-02 | 2015-09-11 | Appnomic Systems Private Ltd | |
US20150127284A1 (en) * | 2013-11-03 | 2015-05-07 | Microsoft Corporation | Sensor Data Time Alignment |
US9497071B2 (en) | 2014-04-01 | 2016-11-15 | Ca, Inc. | Multi-hop root cause analysis |
CN104809205B (zh) * | 2015-04-27 | 2018-03-20 | 河海大学 | 一种在线河网时空异常事件检测方法 |
US10289471B2 (en) * | 2016-02-08 | 2019-05-14 | Nec Corporation | Ranking causal anomalies via temporal and dynamical analysis on vanishing correlations |
US10438124B2 (en) | 2017-01-25 | 2019-10-08 | Centurylink Intellectual Property Llc | Machine discovery of aberrant operating states |
US11044533B1 (en) * | 2017-06-02 | 2021-06-22 | Conviva Inc. | Automatic diagnostics alerts |
-
2019
- 2019-06-21 US US16/448,273 patent/US11354184B2/en active Active
-
2020
- 2020-05-22 CN CN202010445662.5A patent/CN112115306B/zh active Active
- 2020-06-01 JP JP2020095164A patent/JP7353238B2/ja active Active
- 2020-06-16 EP EP20180395.4A patent/EP3754906B1/en active Active
Non-Patent Citations (1)
Title |
---|
Sarah Nadi,DRACA: Decision-support for Root Cause Analysis and Change Impact Analysis,UWSpace [online],2009年,https://uwspace.uwaterloo.ca/bitstream/handle/10012/4889/NADI_SARAH.pdf,[2023年8月15日検索] |
Also Published As
Publication number | Publication date |
---|---|
US20200401470A1 (en) | 2020-12-24 |
CN112115306B (zh) | 2023-04-07 |
JP2021002335A (ja) | 2021-01-07 |
EP3754906A1 (en) | 2020-12-23 |
EP3754906B1 (en) | 2022-12-07 |
CN112115306A (zh) | 2020-12-22 |
US11354184B2 (en) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7353238B2 (ja) | 高次元センサデータにおける異常事象の自動化された根本原因分析を実行する方法及びシステム | |
Cheng et al. | Extracting kernel dataset from big sensory data in wireless sensor networks | |
CN110990461A (zh) | 大数据分析模型算法选型方法、装置、电子设备及介质 | |
CN110335168B (zh) | 基于gru优化用电信息采集终端故障预测模型的方法及系统 | |
CN113077097A (zh) | 一种基于深度时空相似性的空气质量预测方法 | |
CN114861788A (zh) | 一种基于dbscan聚类的负荷异常检测方法及系统 | |
Han et al. | Neighborhood-based uncertainty generation in social networks | |
JP2018169994A (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム | |
US11651271B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using likelihood ratios | |
Ding et al. | Big data analytics in future internet of things | |
CN117688362A (zh) | 基于多元数据特征增强的光伏功率区间预测方法及装置 | |
CN117913808A (zh) | 一种分布式光伏发电预测方法及其装置 | |
US11636377B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering | |
Chen et al. | Data reconstruction in wireless sensor networks from incomplete and erroneous observations | |
Singh et al. | Enhancing wind power forecasting from meteorological parameters using machine learning models | |
Chen et al. | Robust data-driven automation based on relaxed supervised hashing with self-optimized labels | |
Shen et al. | Long-term multivariate time series forecasting in data centers based on multi-factor separation evolutionary spatial–temporal graph neural networks | |
CN112860531A (zh) | 基于深度异构图神经网络的区块链广泛共识性能评测方法 | |
CN112732777A (zh) | 基于时间序列的头寸预测方法、装置、设备和介质 | |
KR102643592B1 (ko) | 에지 컴퓨팅 환경에서의 IoT 누락데이터 관리 방법 및 장치 | |
Wolfrath et al. | Efficient transmission and reconstruction of dependent data streams via edge sampling | |
Wang et al. | Bayesian Meta-Learning for Adaptive Traffic Prediction in Wireless Networks | |
Zhang et al. | STCM: A spatio-temporal calibration model for low-cost air monitoring sensors | |
JP7135025B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
Tzagkarakis et al. | Evaluating short-term forecasting of multiple time series in iot environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20200615 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200617 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230529 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230529 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230529 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230817 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230919 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7353238 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |