JPWO2022024946A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2022024946A5
JPWO2022024946A5 JP2022540261A JP2022540261A JPWO2022024946A5 JP WO2022024946 A5 JPWO2022024946 A5 JP WO2022024946A5 JP 2022540261 A JP2022540261 A JP 2022540261A JP 2022540261 A JP2022540261 A JP 2022540261A JP WO2022024946 A5 JPWO2022024946 A5 JP WO2022024946A5
Authority
JP
Japan
Prior art keywords
time
dissimilarity
series data
state
acquisition
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.)
Granted
Application number
JP2022540261A
Other languages
English (en)
Other versions
JP7466652B2 (ja
JPWO2022024946A1 (ja
Filing date
Publication date
Application filed filed Critical
Priority claimed from PCT/JP2021/027426 external-priority patent/WO2022024946A1/ja
Publication of JPWO2022024946A1 publication Critical patent/JPWO2022024946A1/ja
Publication of JPWO2022024946A5 publication Critical patent/JPWO2022024946A5/ja
Application granted granted Critical
Publication of JP7466652B2 publication Critical patent/JP7466652B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Description

本発明の第1の観点によれば、以下の構成の状態監視装置が提供される。即ち、この状態監視装置は、予め決められた動作を再生可能な産業用ロボットの状態を監視する。前記状態監視装置は、時系列データ取得部と、記憶部と、非類似度算出部と、ロボット状態評価部と、を備える。前記時系列データ取得部は、ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する。前記記憶部は、前記時系列データ取得部により取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する。前記非類似度算出部は、少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める。前記ロボット状態評価部は、前記非類似度算出部により算出された前記非類似度を、ロボットの状態評価のための評価量として用いる。前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成する。前記ロボット状態評価部は、前記トレンドラインに基づいて残余寿命を計算する。
本発明の第2の観点によれば、以下の構成の状態監視方法が提供される。即ち、この状態監視方法では、予め決められた動作を再生可能な産業用ロボットの状態を監視する。この状態監視方法は、時系列データ取得工程と、記憶工程と、非類似度算出工程と、ロボット状態評価工程と、を有する。前記時系列データ取得工程では、ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する。前記記憶工程では、前記時系列データ取得工程で取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する。前記非類似度算出工程では、少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める。前記ロボット状態評価工程では、前記非類似度算出工程で算出された前記非類似度を評価量として用いて、ロボットの状態を評価する。前記ロボット状態評価工程では、前記非類似度算出工程で求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成する。前記ロボット状態評価工程では、前記トレンドラインに基づいて残余寿命を計算する。
本発明の第3の観点によれば、以下の構成の状態監視プログラムが提供される。即ち、この状態監視プログラムは、予め決められた動作を再生可能な産業用ロボットの状態を監視する。前記状態監視プログラムは、時系列データ取得ステップと、記憶ステップと、非類似度算出ステップと、ロボット状態評価ステップと、をコンピュータに実行させる。前記時系列データ取得ステップでは、ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する。前記記憶ステップでは、前記時系列データ取得ステップで取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する。前記非類似度算出ステップでは、少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める。前記ロボット状態評価ステップでは、前記非類似度算出ステップで算出された前記非類似度を評価量として用いて、ロボットの状態を評価する。前記ロボット状態評価ステップでは、前記非類似度算出ステップで求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成する。前記ロボット状態評価ステップでは、前記トレンドラインに基づいて残余寿命を計算する。

Claims (19)

  1. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視装置であって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得部と、
    前記時系列データ取得部により取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶部と、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出部と、
    前記非類似度算出部により算出された前記非類似度を、ロボットの状態評価のための評価量として用いるロボット状態評価部と、
    を備え
    前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成し、
    前記ロボット状態評価部は、前記トレンドラインに基づいて残余寿命を計算することを特徴とする状態監視装置。
  2. 請求項1に記載の状態監視装置であって、
    前記非類似度算出部は、
    前記時系列データに対してフィルタ処理を行っていない前記基準データ、及び、前記時系列データに対してフィルタ処理を行っていない前記比較用データの間の前記非類似度である第1非類似度と、
    前記時系列データに対してフィルタ処理を行った前記基準データ、及び、前記時系列データに対してフィルタ処理を行った前記比較用データの間の前記非類似度である第2非類似度と、
    を求め、
    前記第1非類似度と第2非類似度との差を第2評価量として出力することを特徴とする状態監視装置。
  3. 請求項1に記載の状態監視装置であって、
    前記非類似度算出部は、
    前記時系列データに対してフィルタ処理を行った前記基準データ、及び、前記時系列データに対してフィルタ処理を行っていない前記比較用データの間の前記非類似度である第3非類似度と、
    前記時系列データに対してフィルタ処理を行った前記基準データ、及び、前記時系列データに対してフィルタ処理を行った前記比較用データの間の前記非類似度である第2非類似度と、
    を求め、
    前記第3非類似度と前記第2非類似度との差を第3評価量として出力することを特徴とする状態監視装置。
  4. 請求項1に記載の状態監視装置であって、
    前記非類似度算出部は、
    前記時系列データに対してフィルタ処理を行った前記比較用データ、及び、前記時系列データに対してフィルタ処理を行っていない前記比較用データの間の前記非類似度である第4非類似度を求め、
    前記第4非類似度を第4評価量として出力することを特徴とする状態監視装置。
  5. 請求項1に記載の状態監視装置であって、
    前記トレンドラインを表示可能な表示部を備え、
    前記表示部は、前記非類似度と異なる評価量が予め設定された条件を満たした場合のアラームを、前記トレンドラインと同時に表示可能であることを特徴とする状態監視装置。
  6. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視装置であって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得部と、
    前記時系列データ取得部により取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶部と、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出部と、
    前記非類似度算出部により算出された前記非類似度を、ロボットの状態評価のための評価量として用いるロボット状態評価部と、
    を備え、
    前記基準データは、複数回取得された前記時系列データを平均することにより求められることを特徴とする状態監視装置。
  7. 請求項6に記載の状態監視装置であって、
    前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成し、
    前記ロボット状態評価部は、前記トレンドラインに基づいて残余寿命を計算し、
    前記トレンドラインを表示可能な表示部を備え、
    前記表示部は、前記非類似度と異なる評価量が予め設定された条件を満たした場合のアラームを、前記トレンドラインと同時に表示可能であることを特徴とする状態監視装置。
  8. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視装置であって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得部と、
    前記時系列データ取得部により取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶部と、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出部と、
    前記非類似度算出部により算出された前記非類似度を、ロボットの状態評価のための評価量として用いるロボット状態評価部と、
    を備え、
    前記非類似度算出部は、
    前記時系列データに対してフィルタ処理を行っていない前記基準データ、及び、前記時系列データに対してフィルタ処理を行っていない前記比較用データの間の前記非類似度である第1非類似度と、
    前記時系列データに対してフィルタ処理を行った前記基準データ、及び、前記時系列データに対してフィルタ処理を行った前記比較用データの間の前記非類似度である第2非類似度と、
    を求め、
    前記第1非類似度と第2非類似度との差を第2評価量として出力することを特徴とする状態監視装置。
  9. 請求項8に記載の状態監視装置であって、
    前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成し、
    前記ロボット状態評価部は、前記トレンドラインに基づいて残余寿命を計算し、
    前記トレンドラインを表示可能な表示部を備え、
    前記表示部は、前記非類似度と異なる評価量が予め設定された条件を満たした場合のアラームを、前記トレンドラインと同時に表示可能であることを特徴とする状態監視装置。
  10. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視装置であって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得部と、
    前記時系列データ取得部により取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶部と、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出部と、
    前記非類似度算出部により算出された前記非類似度を、ロボットの状態評価のための評価量として用いるロボット状態評価部と、
    を備え、
    前記非類似度算出部は、
    前記時系列データに対してフィルタ処理を行った前記基準データ、及び、前記時系列データに対してフィルタ処理を行っていない前記比較用データの間の前記非類似度である第3非類似度と、
    前記時系列データに対してフィルタ処理を行った前記基準データ、及び、前記時系列データに対してフィルタ処理を行った前記比較用データの間の前記非類似度である第2非類似度と、
    を求め、
    前記第3非類似度と前記第2非類似度との差を第3評価量として出力することを特徴とする状態監視装置。
  11. 請求項10に記載の状態監視装置であって、
    前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成し、
    前記ロボット状態評価部は、前記トレンドラインに基づいて残余寿命を計算し、
    前記トレンドラインを表示可能な表示部を備え、
    前記表示部は、前記非類似度と異なる評価量が予め設定された条件を満たした場合のアラームを、前記トレンドラインと同時に表示可能であることを特徴とする状態監視装置。
  12. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視装置であって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得部と、
    前記時系列データ取得部により取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶部と、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出部と、
    前記非類似度算出部により算出された前記非類似度を、ロボットの状態評価のための評価量として用いるロボット状態評価部と、
    を備え、
    前記非類似度算出部は、
    前記時系列データに対してフィルタ処理を行った前記比較用データ、及び、前記時系列データに対してフィルタ処理を行っていない前記比較用データの間の前記非類似度である第4非類似度を求め、
    前記第4非類似度を第4評価量として出力することを特徴とする状態監視装置。
  13. 請求項1から12までの何れか一項に記載の状態監視装置であって、
    前記非類似度算出部は、
    前記基準データから取り出したm個のサンプリング値を第1軸に時系列順で配置し、前記比較用データから取り出したn個のサンプリング値を第2軸に時系列順で配置し、それぞれのサンプリング値の対応付けをm×n個のセルからなるマトリクスで表現し、対応付けられるサンプリング値の間の差異を各セルに関連付ける場合に、
    前記第1軸に配置された前記基準データのサンプリング値のうち時系列で最先のタイミングに相当するサンプリング値と、前記第2軸に配置された前記比較用データのサンプリング値のうち時系列で最先のタイミングに相当するサンプリング値と、の対応付けに相当する始点セルから、
    前記第1軸に配置された前記基準データのサンプリング値のうち時系列で最後のタイミングに相当するサンプリング値と、前記第2軸に配置された前記比較用データのサンプリング値のうち時系列で最後のタイミングに相当するサンプリング値と、の対応付けに相当する終点セルに至る経路のうち、
    通過する前記セルに関連付けられている差異の合計が最小となる経路を求め、
    求められた経路が通過するそれぞれの前記セルに関連付けられる差異の合計又は平均値を前記非類似度とすることを特徴とする状態監視装置。
  14. 請求項1から12までの何れか一項に記載の状態監視装置であって、
    前記非類似度算出部は、
    前記基準データの波形と、前記比較用データの波形と、のうち少なくとも一方を時間軸方向に複数段階で移動させながら、2つの波形の間のユークリッド距離をそれぞれ求め、
    前記ユークリッド距離の最小値を前記非類似度とすることを特徴とする状態監視装置。
  15. 請求項1から12までの何れか一項に記載の状態監視装置であって、
    前記非類似度算出部は、
    それぞれ複数のサンプリング値を取得された前記基準データの波形と、前記比較用データの波形と、の間で、
    一方の波形のi番目のサンプリング値である第1サンプリング値と、他方の波形のi-p番目からi+p番目まで(ただし、i及びpは1以上の整数)のサンプリング値のうち前記第1サンプリング値に最も近い第2サンプリング値と、の差を、2つの波形で対応するサンプリング値の差であるとみなしてユークリッド距離を求め、
    前記ユークリッド距離を前記非類似度とすることを特徴とする状態監視装置。
  16. 請求項1から12までの何れか一項に記載の状態監視装置であって、
    前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度を第2時系列とし、前記非類似度の前記第2時系列のうち注目点の直近のN個のデータに対する、注目点データのホテリング理論の異常度を求め、前記異常度をあらかじめ定めた閾値と比較して、前記異常度が前記閾値を上回った場合に、異常と判定することを特徴とする状態監視装置。
  17. 請求項1から12までの何れか一項に記載の状態監視装置であって、
    前記ロボット状態評価部は、前記非類似度算出部により求められた前記非類似度を第2時系列とし、前記非類似度の前記第2時系列の全部に対する、注目点データのホテリング理論の異常度を求め、前記異常度をあらかじめ定めた閾値と比較して、前記異常度が前記閾値を上回った場合に、異常と判定することを特徴とする状態監視装置。
  18. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視方法であって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得工程と、
    前記時系列データ取得工程で取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶工程と、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出工程と、
    前記非類似度算出工程で算出された前記非類似度を評価量として用いて、ロボットの状態を評価するロボット状態評価工程と、
    を有し、
    前記ロボット状態評価工程では、前記非類似度算出工程で求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成し、
    前記ロボット状態評価工程では、前記トレンドラインに基づいて残余寿命を計算することを特徴とする状態監視方法。
  19. 予め決められた動作を再生可能な産業用ロボットの状態を監視する状態監視プログラムであって、
    ロボットの状態を反映する状態信号の取得開始を示す取得開始信号のタイミングから、前記状態信号の取得終了を示す取得終了信号のタイミングまでの期間を対象として、前記状態信号の時系列データを取得する時系列データ取得ステップと、
    前記時系列データ取得ステップで取得された時系列データを、前記時系列データの取得時期を示す時期情報、及び、当該時系列データを取得したときのロボットの再生動作を特定する再生識別情報と関連付けて記憶する記憶ステップと、
    少なくとも1回の再生動作で取得された前記時系列データに基づく基準データと、前記基準データに係る時系列データの取得時よりも後に行われた同一の再生動作で取得された前記時系列データに基づく比較用データと、の非類似度を求める非類似度算出ステップと、
    前記非類似度算出ステップで算出された前記非類似度を評価量として用いて、ロボットの状態を評価するロボット状態評価ステップと、
    をコンピュータに実行させ
    前記ロボット状態評価ステップでは、前記非類似度算出ステップで求められた前記非類似度が時間の経過に伴って変化する傾向を表すトレンドラインのデータを作成し、
    前記ロボット状態評価ステップでは、前記トレンドラインに基づいて残余寿命を計算することを特徴とする状態監視プログラム。
JP2022540261A 2020-07-28 2021-07-21 状態監視装置、状態異常判別方法及び状態異常判別プログラム Active JP7466652B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020127513 2020-07-28
JP2020127513 2020-07-28
PCT/JP2021/027426 WO2022024946A1 (ja) 2020-07-28 2021-07-21 状態監視装置、状態異常判別方法及び状態異常判別プログラム

Publications (3)

Publication Number Publication Date
JPWO2022024946A1 JPWO2022024946A1 (ja) 2022-02-03
JPWO2022024946A5 true JPWO2022024946A5 (ja) 2023-04-14
JP7466652B2 JP7466652B2 (ja) 2024-04-12

Family

ID=80035559

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022540261A Active JP7466652B2 (ja) 2020-07-28 2021-07-21 状態監視装置、状態異常判別方法及び状態異常判別プログラム

Country Status (7)

Country Link
US (1) US20230264355A1 (ja)
EP (1) EP4190518A1 (ja)
JP (1) JP7466652B2 (ja)
KR (1) KR20230058060A (ja)
CN (1) CN116018245A (ja)
TW (1) TWI790696B (ja)
WO (1) WO2022024946A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116107280B (zh) * 2023-04-12 2023-07-04 南京强思数字科技有限公司 一种用于多维可视化管理的数字孪生工厂控制系统
CN116821713B (zh) * 2023-08-31 2023-11-24 山东大学 基于多变量动态时间规整算法的隔震效率评价方法及系统
CN117786584B (zh) * 2024-02-27 2024-04-30 西安中创博远网络科技有限公司 基于大数据分析的畜牧业水源污染监测预警方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3217254B2 (ja) * 1995-11-15 2001-10-09 トヨタ自動車株式会社 産業用ロボットの寿命推定方法及び寿命推定装置
EP1955830B1 (en) * 2007-02-06 2014-04-09 Abb Research Ltd. A method and a control system for monitoring the condition of an industrial robot
JP5363927B2 (ja) * 2009-09-07 2013-12-11 株式会社日立製作所 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
JP5715261B2 (ja) * 2011-10-04 2015-05-07 株式会社日立製作所 時系列データ管理システム,および方法
JP6664893B2 (ja) 2014-12-19 2020-03-13 川崎重工業株式会社 ロボット保守支援装置および方法
JP7107830B2 (ja) * 2018-12-21 2022-07-27 ファナック株式会社 学習用データ確認支援装置、機械学習装置、故障予知装置

Similar Documents

Publication Publication Date Title
JPWO2022024946A5 (ja)
US10795338B2 (en) Abnormality detection system, support device, and model generation method
JP7105932B2 (ja) アプリケーション情報に関連する時系列ズデータに関する深層学習を使用した異常検出
US20190286085A1 (en) Abnormality detection system, support device, and model generation method
US11657121B2 (en) Abnormality detection device, abnormality detection method and computer readable medium
US7769562B2 (en) Method and apparatus for detecting degradation in a remote storage device
JP6815480B2 (ja) 時系列内の前兆部分列を発見する方法及びシステム
CN113518011B (zh) 异常检测方法和装置、电子设备及计算机可读存储介质
CN108491861A (zh) 基于多源多参量融合的输变电设备状态异常模式识别方法及装置
US9396061B1 (en) Automated repair of storage system components via data analytics
CN112101554A (zh) 异常检测方法及装置、设备、计算机可读存储介质
WO2022030041A1 (ja) 予測システム、情報処理装置および情報処理プログラム
CN109213034B (zh) 设备健康度监控方法、装置、计算机设备及可读存储介质
US11829130B2 (en) Control apparatus and non-transitory computer readable medium for detecting abnormality occurring in subject to be monitored
US20080255773A1 (en) Machine condition monitoring using pattern rules
CN112882795A (zh) 虚拟机异常诊断方法、装置、设备及存储介质
CN116975938B (zh) 一种产品制造过程中的传感器数据处理方法
WO2017127260A1 (en) System and method for allocating machine behavioral models
US11378944B2 (en) System analysis method, system analysis apparatus, and program
JP2018147406A (ja) 品質異常検知方法、品質異常検知装置および品質異常検知プログラム
JP2022109737A (ja) 異常検知方法、および、異常検知装置
US20200112577A1 (en) Graph-based sensor ranking
US7756648B1 (en) Method and apparatus for facilitating in-situ vibration testing of disk drives
CN110232132B (zh) 时间序列数据处理方法及装置
Maleki et al. A one-class clustering technique for novelty detection and isolation in sensor networks