KR20180120263A - 애셋 이벤트의 시각화 및 신호 데이터를 제공하는 컴퓨터 시스템 및 방법 - Google Patents

Abstract

애셋 상태 모니터링에 관련된 기술을 향상시키기 위한 컴퓨터 시스템, 디바이스들, 및 방법들이 개시된다. 본 발명 개시에 따라, 애셋 데이터 플랫폼은 애셋 동작에 관련된 애셋 데이터를 수신하고, 그 수신된 데이터를 수집하고, 프로세싱하며 그리고 분석하며, 그리고 그 후에 사용자가 애셋 동작을 모니터하고 그 애셋 동작에 기반한 행동을 취하는 것을 가능하게 하는 진보된 툴들의 세트를 제공하도록 구성된다. 진보된 툴들의 세트는 (1) 상호작용 시각화 툴, (2) 태스크 생성 툴, (3) 규칙 생성 툴, 및/또는 (4) 메타데이터 툴을 포함할 수 있다.

Description

애셋 이벤트의 시각화 및 신호 데이터를 제공하는 컴퓨터 시스템 및 방법

본원은 2016년 3월 25일에 출원된 "Asset-Related Interactive Tools" 제목의 미국 임시 특허 출원 No. 62/313,560에 대한 우선권을 주장하며, 이 출원은 그 전체가 참조로서 편입된다. 또한, 본원은 2017년 3월 24일에 출원된 "Computer Systems and Methods for Providing a Visualization of Asset Event and Signal Data" 제목의 미국 정규 특허 출원 No. 15/469,109에 관련되며, 이 출원은 그 전체가 참조로서 편입된다.

오늘날, 기계들 (본원에서는 "애셋들 (assets)"로 언급됨)은 현대의 경제의 여러 산업분야들에 도처에 존재한다. 작물들을 경작하는 농업 설비에게 여러 지역들을 가로질러 화물을 전달하는 기관차들로부터, 애셋들은 매일의 생활에 중요한 역할에 공헌한다. 애셋이 공헌하는 그 역할에 따라서, 그 애셋의 복잡성 및 비용이 변할 수 있다. 예를 들면, 몇몇의 애셋들은 그 애셋이 적절하게 작용하기 위해 조화되어 동작해야 하는 다수의 서브시스템들을 포함할 수 있다 (예를 들면, 기관차의 엔진, 트랜스미션 등).

애셋들이 행동하는 증가하는 역할 때문에, 비가동시간 (downtime)을 제한하면서 애셋들을 수리가능한 것이 점점 더 많이 소망된다. 이를 용이하게 하기 위해, 일부에서는 애셋을 수리하는 것을 용이하게 하기 위해 애셋 상태들을 모니터하고 그리고 비가동시간이 거의 없도록 하면서 그 애셋에서의 비정상적인 상태들을 탐지하기 위한 메커니즘들이 개발되고 있다.

본원은 애셋 이벤트의 시각화 및 신호 데이터를 제공하는 컴퓨터 시스템 및 방법을 제공하려고 한다.

애셋들을 모니터하기 위한 한 접근방식은 애셋 (asset)의 동작 상태들을 모니터하는 그 애셋 전체에 걸쳐 분포된 다양한 센서들 및/또는 액튜에이터들로부터의 신호들을 수신하는 온-애셋 (on-asset) 컴퓨터를 보통 수반한다. 하나의 대표적인 예로서, 애셋이 기관차라면, 상기 센서들 및/또는 액튜에이터들은 많은 다른 예들 중에서도 온도들, 압력들, 유동성 레벨들, 전압들, 및/또는 속도들과 같은 파라미터들을 모니터할 수 있다. 상기 센서들 및/또는 액튜에이터들 중 하나 이상에 의해 출력된 상기 신호들이 특정 값들에 도달하면, 상기 온-애셋 컴퓨터는 "고장 코드"와 같은 비정상-상태 표시자 (indicator)를 생성할 수 있으며, 이는 상기 애셋 내에서 비정상 상태에 도달했으며, 그리고 수리 또는 유지보수가 필요할 수 있다는 표시이다.

일반적으로, 비정상 상태는 애셋이나 애셋의 컴포넌트에서의 결함일 수 있으며, 이는 그 애셋 및/또는 컴포넌트의 고장으로 이끌 수 있다. 그처럼. 비정상 상태는 소정의 고장 또는 고장들의 전조라는 점에서 비정상 상태는 소정의 고장과 연관될 수 있다. 실제로, 사용자는 센서들 및 각 비정상-상태 표시자와 연관된 각 센서 값들을 정의하는 것이 보통이다. 즉, 그 사용자는 애셋의 "정상" 동작 상태들 (예를 들면, 고장 코드들을 트리거하지 않는 동작 상태들) 그리고 "비정상" 동작 상태들 (예를 들면, 고장 코드들을 트리거하는 동작 상태들)을 정의한다.

상기 온-애셋 컴퓨터는 애셋 셧다운, 재시작 등처럼 상기 애셋에서 발생할 수 있을 다른 이벤트들을 표시하는 데이터를 탐지하고 생성하기 위해 모니터하도록 또한 구성될 수 있다.

애셋은 센서/액튜에이터 데이터, 비정상-상태 표시자들, 및/또는 다른 애셋 이벤트 표시자들과 같은 상기 애셋에 대한 어떤 동작 데이터를, 그런 데이터에 관해 분석하고 그리고/또는 애셋 동작에 관한 정보를 사용자에 출력하도록 할 수 있을 애셋 상태 모니터링 시스템과 같은 원격 위치로 송신하도록 구성될 수 있다.

애셋 상태 모니터링에 관련된 기술을 향상시키기 위한 시스템들, 디바이스들, 및 방법들이 본원에서 개시된다. 예시의 실시예들에 따라, 애셋 데이터 플랫폼은 애셋 동작, 수집, 프로세스에 관련된 데이터를 수신하고 그 수신된 데이터를 분석하며, 그리고 그 후에 사용자가 애셋 동작을 모니터하고 그 애셋 동작에 기반하여 행동을 취하는 것을 가능하게 하는 하나 이상의 툴들을 제공하는 것을 용이하게 하도록 구성될 수 있다.

보통은, 애셋-상태-모니터링 공간에서, 신호 데이터 (예를 들면, 센서 및/또는 액튜에이터 데이터) 및 애셋 관련 이벤트 데이터 (예를 들면, 머신 이벤트들, 유동체 분석 이벤트들, 진단 이벤트들 등)의 순수한 양은 그런 데이터의 시각화들을 디스플레이하기 위해 많은 도전들을 생성한다. 더욱이, 그런 데이터가 보이게 디스플레이될 때에, 사용자는 유용한 정보를 식별하기 이전에 방대한 양의 부적절한 또는 그렇지 않고 흥미가 없는 정보를 통해서 조사하도록 요청되는 것이 일반적이다. 또한, 그런 시각적 디스플레이들을 출력하기 위해 필요한 많은 양의 데이터는 애셋 데이터 플랫폼들의 저장 능력들을 압박하는 경향이 있으며 그리고 이상적인 프로세싱 시간들보다 더 길게 이끈다.

하나의 예시적인 툴은 타임라인 모습으로 애샛-이벤트 데이터 및 애셋 (또는 애셋들의 그룹)에 관련된 신호 데이터 두 가지 모두를 디스플레이할 수 있는 상호작용 (interactive) 시각화 툴의 모습을 취할 수 있다. 예시적인 실시예들에서, 상기 상호작용 시각화 툴은 개인용 컴퓨터, 스마트폰 등과 같은 클라이언트 스테이션 상에서 실행되는 소프트웨어 애플리케이션 (예를 들면, 상기 애셋 데이터 플랫폼에 의해 제공된 웹 애플리케이션 또는 원래의 애플리케이션)의 모습을 취할 수 있다. 상기 클라이언트 스테이션은 애셋 데이터 플랫폼으로부터의 상기 상호작용 시각화 툴을 위한 데이터를 수신할 수 있다. 아래에서 애셋 데이터 플랫폼에 의해 수행되는 상호작용 시각화 툴에 관련된 동작들이 설명되지만, 그런 동작들은 애셋 데이터 플랫폼에 독립적인 컴퓨팅 시스템에 의해 전체적으로 또는 부분적으로 수행될 수 있을 것이라는 것이 이해되어야 한다.

상기 상호작용 시각화 툴 및 애셋 데이터 플랫폼은 많은 양의 애셋 관련 데이터를 핸들링하는 것에 결부된 전술한 문제점들을 극복하는 것을 도울 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼은 아래에서 설명된 것처럼 시간이 흐르면서 애셋 관련 데이터를 집성 (aggregate)함으로써 애셋 관련 데이터를 효율적인 방식으로 처리하고 유지하도록 구성될 수 있다. 더욱이, 상기 상호작용 시각화 툴은 애셋 관련 데이터가 사용자 친화적인 방식으로 디스플레이되고 그리고/또는 조종될 수 있는 직관적인 인터페이스를 제공할 수 있다.

하나의 예시적인 실시예로서, 상기 애셋 데이터 플랫폼은 다른 소스들 중에서도 애셋, 다른 애셋 데이터 플랫폼, 및/또는 몇몇의 다른 서드 파티 데이터 소스와 같은 다양한 소스들로부터 애셋 관련 데이터 (예를 들면, 유동체 분석 데이터, 진단 데이터, 유지보수 데이터, 수리 데이터, 날씨 데이터, 직무 사이트 데이터 등)를 획득할 수 있다. 상기 애셋 관련 데이터는 센서/액튜에이터에 의해 측정된 미가공 (raw) 값을 나타낼 수 있는 신호 데이터 또는 애셋 관련 이벤트의 유형, 시간, 및/또는 지속시간을 표시할 수 있는 이벤트 데이터와 같은 여러 모습들을 취할 수 있다. 다른 모습들의 애셋 관련 데이터가 가능하다. 일반적으로, 애셋 관련 이벤트는 애셋 동작에 관련된 이벤트이며, 여기에서 상기 이벤트는 애셋의 동작에 영향을 주거나 애셋의 동작을 반영하는 하나 이상의 상태들에 의해 정의된다. 이벤트들의 예들은, 다른 예들 중에서도, 트리거되고 있는 비정상-상태 표시자 (예를 들면, 고장 코드), 트리거되고 있는 애셋 규칙, 수리되고 있는 애셋이나 애셋 상의 부품, 셧다운 또는 재시작되고 있는 애셋, 실행되고 있는 진단들, 그리고 애셋 유동체 내 입자의 정상 농도 위를 표시하는 유동체 분석을 포함한다.

상기 애셋 데이터 플랫폼이 애셋 관련 데이터를 획득한 이후에, 상기 애셋 데이터 플랫폼은 상기 애셋 관련 데이터를 다양한 방식드로 처리하고 그리고/또는 유지한다. 예를 들면, 상기 애셋 데이터 플랫폼은 "이벤트 스냇샷" 데이터를 생성하여 하나 이상의 데이터베이스들에 저장하기 위해 상기 애셋 관련 데이터를 활용할 수 있다. 특히, 상기 애셋 데이터 플랫폼은 애셋 관련 이벤트의 발생을 표시하는 이벤트 데이터를 수신하고 그리고 그 발생에 기반하여, 상기 발생의 시각에서 또는 그 시각 근방에서 상기 수신된 이벤트에 관련된 신호 데이터를 캡처하고 그리고 상기 이벤트의 이벤트 유형, 시각, 및/또는 지속시간의 표시를 포함할 수 있는 "이벤트 스냅샷"을 상기 캡처된 신호 데이터와 함께 생성할 수 있다. 이벤트 스냅샷은 다른 모습들을 또한 취할 수 있을 것이다.

추가로 또는 대안으로, 상기 애셋 데이터 플랫폼은 수신된 애셋 관련 데이터에 기반하여 다양한 해상도 (resolution)의 시간에 걸쳐 (예를 들면, 각 분마다, 각 시간마다, 각 날마다 등) 신호 데이터를 나타내는 집성된 신호 데이터를 생성하도록 구성될 수 있다. 실제로, 상기 애셋 데이터 플랫폼은 하나 이상의 애셋들을 위해 각자의 신호 데이터를 수신할 수 있으며, 그리고 어떤 정해진 애셋을 위한 신호 데이터는 그 정해진 애셋의 하나 이상의 센서들 및/또는 액튜에이터들로부터의 신호 데이터를 포함할 수 있다. 상기 애셋 데이터 플랫폼은 그런 애셋 관련 데이터를 계속해서, 주기적으로, 또는 어떤 다른 기반으로 수신할 수 있으며, 이는 애셋 데이터 플랫폼이 많은 양의 데이터를 다루게 하는 결과를 가져올 수 있다.

따라서, 상기 애셋 데이터 플랫폼은 하나 이상의 미리 정의된 시간 해상도에 대해 각 애셋에 대해 집성된 신호 데이터를 생성하도록 구성될 수 있으며, 이 경우 정해진 시간 해상도에 대해 상기 집성된 신호 데이터는 시간 해상도에 대한 신호 요약을 포함할 수 있다. 상기 애셋 데이터 플랫폼은 이 동작을 다양한 방식으로 수행할 수 있다.

하나의 예시적인 실시예에서, 상기 애셋 데이터 플랫폼은 정해진 애셋에 대해 두 번째인 신호 데이터를 일단 수신할 수 있으며, 여기에서 상기 신호 데이터는 상기 정해진 애셋의 정해진 센서에 의해 측정된 값들을 포함한다. 일단, 애셋 데이터 플랫폼이 미리 정의된 양의 데이터, 예를 들면, 1분 분량의 신호 데이터를 수신하면, 상기 애셋 데이터 플랫폼은 그 1분 분량의 데이터에 대해 측정된 센서 값들을 반영하는 신호 요약을 판별할 수 있다.

실제로, 정해진 신호 요약은 그 특별한 양의 시간에 걸쳐 특별한 신호의 값을 나타내는 하나 또는 다수의 값들을 포함할 수 있다. 예를 들면, 정해진 신호 요약은 그 특별한 양의 시간에 대해 상기 신호 데이터로부터 판별되는 다음의 값들 중 하나 이상을 포함할 수 있다: 다른 가능한 것들 중에서 특히, 평균, 중앙, 최대, 최소, 분산, 제1 신호 데이터, 및/또는 마지막 신호 데이터 값.

신호 요약이 생성된 이후에, 그 후에 상기 애셋 데이터 플랫폼은 판별된 집성된 신호 데이터를 데이터베이스 (예를 들면, 상기 "1분" 집성 신호 데이터베이스) 또는 특별한 시간 해상도에 대해 상기 집성된 데이터를 위한 데이터베이스 내 로케이션 (예를 들면, 데이터베이스 내 "1분" 집성 신호 테이블)에 저장할 수 있다. 대안으로, 예시의 실시예들에서, 정해진 타임프레임 (예를 들면, 매 24시간마다)에 대한 집성된 신호 데이터는 단일의 데이터 구조 (예를 들면, 단일 데이터 테이블) 내에 저장될 수 있으며, 그래서 상이한 시간 해상도들에 대해 집성된 데이터가 하나의 로케이션 내에 저장되도록 하며, 이는 크기조절 (scaling) 목적들을 위해 유리할 수 있다. 어떤 이벤트에서, 상기 애셋 데이터 플랫폼은 다른 분당 가치의 신호 데이터를 수신할 때마다 매번 이 집성 동작들을 수행하는 것을 계속할 수 있다. 이 방식에서, 상기 애셋 데이터 플랫폼은 정해진 양의 시간에 대해 더 적은 데이터를 저장하면서도 유용한 정보는 유지할 수 있다.

위에서 제시된 것처럼, 상기 애셋 데이터 플랫폼은 상기 정해진 애셋의 각 단일의 소스 (예를 들면, 센서/액튜에이터)에 대해 그리고 복수의 애셋들에 대해 상기의 동작들을 수행할 수 있다. 더욱이, 상기 애셋 데이터 플랫폼은, 각각이 정해진 시간 해상도에 대한 집성 신호 데이터를 저장하는 다수의 집성 신호 데이터베이스들을 포함할 수 있다. 즉, 각 집성 신호 데이터베이스는 상이한 입상도 (granularity)에 대응할 수 있다. 예를 들면, 다른 예들 중에서도 특히, 일 초, 5 초, 15 초, 일 분, 한 시간, 하루, 일주일, 및/또는 한 달 집성 신호 데이터베이스가 존재할 수 있다. 대안으로, 위에서 논의되었듯이, 상기 애셋 데이터 플랫폼은 어떤 타임프레임 (예를 들면, 매 24시간에 대한 하나의 테이블)에 대해 하나의 데이터 구조 (예를 들면, 단일의 데이터 테이블) 내 상이한 입상도들을 위해 집성 신호 데이터를 저장할 수 있다.

일 실시예에서, 집성 데이터 신호는 상기 신호 데이터가 집성되고 있는 시간 해상도에 무관하게 위에서의 설명에 따라 결정될 수 있다. 다른 실시예들에서, 정해진 시간 해상도에 대해 집성된 신호 데이터는 다른 시간 해상도에 대해 집성된 신호 데이터에 기반하여 결정될 수 있다. 예를 들면, 한 시간 가치의 데이터에 대한 신호 요약은 동일한 시간 타임프레임에 대한 일분 집성들을 위한 신호 요약들에 기반하여 결정될 수 있다. 다른 예들 또한 가능하다.

이 모습에서, 상기 애셋 데이터 플랫폼은 신호 데이터 및/또는 집성 신호 데이터를 폐기 및/또는 보존하도록 더 구성될 수 있으며, 이는 많은 방식들로 발생할 수 있다. 예시의 실시예들에서, 상기 애셋 데이터 플랫폼은 데이터가 저장되는 데이터베이스의 속성 및 미리 정의된 시간 양에 적어도 기반하여 특정 데이터를 폐기할 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼은, 예를 들면, 30일보다 더 오래된 "실시간" 데이터베이스 (예를 들면, 신호 데이터를 계속해서 수신하고 저장하는 데이터베이스) 내 저장된 데이터를 폐기할 수 있다. 그런 경우들 몇몇에서, 상기 "폐기된" 데이터는 상기 애셋 데이터 플랫폼에서 원격에 위치한 데이터 저장부 내에 보관될 수 있다. 추가로 또는 대안으로, 상기 애셋 데이터 플랫폼은 예를 들면, 60일보다 더 오래된 특정 집성 신호 데이터베이스들 내 저장된 데이터를 폐기할 수 있다. 예를 들면, 상기 애셋 데이터플랫폼은 60일 된 그리고, 예를 들면, 일초, 5초, 15초, 및 일분 집성 신호 데이터베이스들 내에 저장된 데이터를 폐기하도록 구성될 수 있을 것이지만, 한 시간, 하루, 일주, 한 달 등의 집성 신호 데이터베이스들과 같은 더 적은 입상 데이터베이스들 내에 저장된 데이터를 그 데이터의 나이에 무관하게 유지하도록 구성될 수 있다. 다른 데이터-저장 기능들이 또한 가능하다.

상기 애셋 데이터 플랫폼은 상기 상호작용 시각화 툴로 하여금 상기 애셋 이벤트들의 시각적인 표현 및 집성 신호 데이터를 디스플레이하도록 하기 위해 전술한 "이벤트 스냅샷" 데이터 및 집성 신호 데이터를 활용하도록 구성될 수 있다. 하나의 예시의 구현에서, 상기 애셋 데이터 플랫폼은 상기 상호작용 시각화 툴에서 하나 이상의 사용자 입력들을 나타내는 데이터를 수신하는 상기 애셋 데이터 플랫폼에 기반하여 상기 타임라인을 이벤트 관련 데이터로 채울 수 있다. 예를 들면, 사용자는 자신의 클라이언트 스테이션에서 상기 상호작용 시각화 툴을 (예를 들면, 그 툴과 연관된 아이콘을 눌러서) 처음에 착수할 수 있으며, 그 후에 그 상호작용 시각화 툴은 다른 가능한 필터 기준 중에서, 특별한 애셋이나 애셋들의 그룹, 관심대상 타임프레임 (예를 들면, 데이터 범위), 및/또는 하나 이상의 애셋 관련 이벤트 유형들을 선택하는 입력을 수신할 수 있다.

그런 선택(들)에 기반하여, 상기 상호작용 시각화 툴은 그런 선택(들)을 나타내는 데이터를 상기 애셋 데이터 플랫폼으로 송신할 수 있다. 다음에, 상기 애셋 데이터 플랫폼은 그 특별한 애셋이나 애셋들의 그룹에 대한 애셋 관련 데이터 (예를 들면, "이벤트 스냅샷" 데이터 및/또는 집성된 신호 데이터)를 포함하는 하나 이상의 데이터베이스들에 액세스할 수 있다. 애셋 데이터 플랫폼은 다양한 방식들로 이 동작을 수행할 수 있다.

일 예로서, 상기 선택(들)에 기반하여 질의가 생성될 수 있어서, 상기 애셋 데이터 플랫폼으로 하여금 "이벤트 스냅샷" 데이터를 포함하는 하나 이상의 데이터베이스들에 먼저 액세스하도록 하며, 이는 상기 선택된 애셋 관련 이벤트 유형들이 특별한 애셋이나 애셋들의 그룹에 대해 발생했던 상기 선택된 관심대상 타임프레임 내의 순간 (instance)들을 식별하고 그리고 상기 이벤트 스냅샷 데이터로부터 상기 정해진 이벤트에 관련된 몇몇 신호 데이터를 획득하기 위한 것이다. 상기 애셋 데이터 플랫폼은 상기 매칭 "이벤트 스냅샷" 데이터로부터 각 이벤트 발생의 추가의 특성들을 식별할 수 있으며, 이 특성들은 다른 가능한 것들 중에서도 특히, 상기 이벤트가 발생했던 시각 및/또는 상기 이벤트 발생에 연관된 관련 센서들/액튜에이터들과 같은 것들이다.

다음에, 상기 애셋 데이터 플랫폼은, 하나 이상의 집성된 신호 데이터 소스들에 액세스하기 위해 상기 "이벤트 스냅샷" 데이터로부터 식별되었던 상기 이벤트 특성들을 상기 선택된 타임프레임 내에서 식별된 이벤트들에 대응하는 추가의 신호 데이터를 식별하기 위해 사용할 수 있다. 몇몇의 예시의 실시예들에서, 상기 애셋 데이터 플랫폼은 상기 선택된 타임프레임을 위한 모든 관련된 집성 데이터를 활용할 수 있으며, 반면에 다른 예들에서 상기 애셋 데이터 플랫폼은 상기 "이벤트 스냅샷" 데이터와 일시적으로 겹치지 않는 상기 선택된 타임프레임 내 상기 관련 집성 데이터를 활용할 수 있다. 상기 선택들에 대응하는 애셋 관련 데이터를 인출하는 것은 다양한 다른 방식들로 사용될 수 있다.

어떤 이벤트에서, 상기 "이벤트 스냅샷" 데이터 및 집성 신호 데이터를 인출한 이후에, 상기 애셋 데이터 플랫폼은 상기 상호작용 시각화 툴의 타임라인으로 하여금 상기 식별된 애셋 관련 이벤트들 및 대응 신호 데이터의 표시를 디스플레이하도록 할 수 있다. 실제로, 이 정보는 다양한 방식들로 디스플레이될 수 있다.

예를 들면, 상기 이벤트들 및 대응 신호 데이터에 대한 표시들은 서로의 위에 덧붙여 디스플레이되거나 또는 공통의 타임라인 축을 공유하는 두 분리된 구획들 내에 디스플레이될 수 있다. 어느 한 경우에, 상기 이벤트들 및 대응 신호 데이터에 대한 상기 표시들은 다수의 y 축들을 활용하여 디스플레이될 수 있으며 그리고 다양한 센서들/액튜에이터들로부터의 신호 데이터는 덧붙여서 또는 서로로부터 분리하여 디스플레이될 수 있다. 또한, 상기 상호작용 시각화 툴은 사용자, 상기 툴, 및/또는 애셋 데이터 플랫폼이 사용자에게 잠재적으로 흥미있을 것으로 여겨질 수 있을 특별한 신호 파라미터들 및/또는 이벤트 순간들을 강조하거나 그렇지 않고 표시하는 것을 가능하게 하도록 구성될 수 있다. 시각화는 다양한 다른 인터페이스 요소들을 통합하는 많은 다양한 모습들로 표현될 수 있다

몇몇의 예시의 구현들에서, 상기 애셋 데이터 플랫폼은 상기 상호작용 시각화 툴의 타임라인을 그 타임라인에 연관된 스크러버 (scrubber) 요소로의 입력에 기반하여 채우기 위해서 특별한 데이터를 획득하기 위해, 상이한 데이터베이스들, 정해진 데이터베이스 내 데이터 구조들, 및/또는 정해진 데이터 구조 내 엔트리들에 액세스할 수 있다. 몇몇의 경우들에서, 상기 스크러버 요소는 디스플레이된 타임라인 뷰를 줌 인 (zoom in)하거나 줌 아웃하기 위해 선택될 수 있을 슬라이드 가능한 또는 조절가능한 요소의 모습을 취할 수 있으며, 이는 상기 애셋 데이터 플랫폼으로 하여금 상이한 로케이션들로부터 신호 데이터를 제공하도록 할 수 있다. 다른 말로 하면, 상기 애셋 데이터 플랫폼은 스크러버 입력에 기반하여 특별한 애셋이나 애셋들의 그룹을 위한 상이한 집성 데이터에 액세스할 수 있다. 예를 들면, 줌 인 입력은 상기 애셋 데이터 플랫폼으로 하여금 각 분 및/또는 시간에 대한 집성 신호 데이터에 액세스하도록 하며, 반면에 줌 아웃 입력은 상기 애셋 데이터 플랫폼으로 하여금 각 날 또는 달에 대한 집성 신호 데이터에 액세스하도록 할 수 있다. 상기 애셋 데이터 플랫폼은 상기 타임라인으로 하여금 특별한 입상도에 대응하는 집성 데이터에 기반하여 그에 맞게 채우도록 한다. 상기 타임 라인 뷰 내 집성 데이터 값들의 가변 디스플레이는 또한 다른 방식들로 구현될 수 있다.

다른 예시의 툴은, 애셋 관련 태스크의 생성에 있어서 사용될 수 있을 하나 이상의 태스크 필드 제안들을 출력하기 위해서 하나 이상의 예측 모델들을 레버리지 (leverage)할 수 있는 태스크 생성 툴의 모습을 취할 수 있다. 위에서 설명된 상호작용 시각화 툴과 유사하게, 상기 태스크 생성 툴은, 클라이언트 스테이션 상에서 실행되며 그리고 상기 애셋 데이터 플랫폼으로부터 데이터를 수신하는 소프트웨어 애플리케이션 (예를 들면, 상기 애셋 데이터 플랫폼으로부터 제공된 웹 애플리케이션 또는 고유의 애플리케이션)일 수 있다. 실제로, 제1 사용자 (예를 들면, 상기 "태스크 생성기")는 제2 사용자 (예를 들면, 정비사 등)에게 그 후에 제공되는 특별한 태스크를 생성하기 위해 상기 태스크 생성 툴을 활용할 수 있으며, 그 제2 사용자는 상기 태스크를 수행하거나 수행하지 않을 수 있다.

일반적으로, 상기 태스크 생성 툴은, 정해진 애셋의 하나 이상의 특별한 이벤트들 발생을 다루기 위해 시도하는 태스크를 생성하는 것을 용이하게 한다. 예를 들면, 태스크는 정비사 등이 정해진 애셋 상에서 과열 엔진을 다루기 위해 시도해야만 하는 하나 이상의 추천된 수리 또는 유지보수를 포함할 수 있을 것이다. 그처럼, 정해진 태스크에 대해, 상기 태스크 생성 툴은 채워진 사용자 또는 기계 (예를 들면, 상기 태스크 생성 툴, 상기 애셋 데이터 플랫폼, 또는 그것들의 몇몇의 조합)일 수 있는 여러 태스크-필드들을 제공하도록 구성된다. 상기 태스크 필드들의 예들은, 여러 다른 가능한 것들 중에서도, 애셋 식별자, 애셋 이벤트 식별자들, 추천된 행동(들), 추천 문헌 (예를 들면, 수리 매뉴얼, 컴포넌트 규격, 애셋 개략도 등), 수리 비용 및 정지 (inaction) 비용들을 포함한다. 특별한 태스크에 종속하여 추가의 또는 더 적은 태스크-필드들이 제공될 수 있다.

실제로, 사용자는 애셋 관련 태스크를 생성하기 위해 상기 태스크 생성 툴에서 하나 이상의 입력들을 제공할 수 있다. 예를 들면, 사용자는 태스크 생성 툴에서 특별한 애셋의 표시를 먼저 선택할 수 있으며, 이는 상기 애셋 데이터 플랫폼으로 하여금 이전에 발생했던 이벤트들의 세트를 상기 선택된 애셋들을 위해 인출하도록 할 수 있다. 상기 애셋 데이터 플랫폼은 그러면 상기 태스크 생성 툴로 하여금 상기 인출된 이벤트 발생들의 표시를 디스플레이하게 할 수 있다.

이전에 발생했던 상기 이벤트들이 일단 디스플레이되면, 상기 태스크 생성 툴은 태스크를 생성하기 위해 하나 이상의 입력들이 이어지는 상기 이벤트들의 표시들 중 하나 이상을 선택하는 입력을 수신하도록 더 구성될 수 있다. 상기 태스크를 생성하기 위한 상기 입력은 다양한 형식들을 취할 수 있으며 그리고 상기 태스크 생성 툴이 어떻게 태스크 필드들을 채우는가를 일반적으로 표시한다.

예를 들면, 상기 태스크 생성 툴은, 정해진 태스크를 생성하기 위한 상이한 방식에 각각이 대응하는 하나 이상의 사용자-선택가능 요소들 (예를 들면, 아이콘들)을 디스플레이할 수 있다. 첫 번째 예에서, 상기 태스크 생성 툴은, 사용자가 수동으로 태스크를 생성하기를 바란다는 것을 표시하는 제1 입력을 제1 사용자-선택가능 요소를 경유하여 수신할 수 있다. 즉, 상기 사용자는 디스플레이된 상기 태스크 필드들을 상기 태스크 생성 툴에 의해 채울 것을 선호할 수 있다. 그런 경우에, 상기 태스크 생성 툴은 상기 제1 입력을 수신한 것에 응답하여 빈 태스크 필드들을 생성할 수 있다.

다른 예에서, 상기 태스크 생성 툴은, 사용자가 제안된 태스크들을 수신할 것을 바란다는 것을 표시하는 제2 입력을 제2 사용자-선택가능 요소를 경유하여 수신할 수 있다. 그런 경우에, 상기 태스크 생성 툴은 상기 제2 입력을 수신한 것에 응답하여 하나 이상의 예측 모델들을 실행시키기 위한 요청을 상기 애셋 데이터 플랫폼으로 전송하는 것을 용이하게 할 수 있다. 결국, 상기 애셋 데이터 플랫폼은 하나 이상의 예측 모델들을 실행시키는 것에 기반하여 특별한 애셋을 위해 하나 이상의 제안된 태스크들을 그 특별한 애셋을 위한 신호 데이터 및/또는 이벤트 데이터와 함께 상기 툴에게 거꾸로 제공할 수 있다. 상기 태스크 생성 툴은 그 후에 상기 하나 이상의 제안된 태스크들을 디스플레이할 수 있으며, 그 시점에 상기 사용자는 그 제안된 태스크들을 수락, 수정, 또는 거부할 수 있다. 대안으로, 상기 태스크 생성 툴은, 상기 태스크 생성 툴로 하여금 상기 애셋 데이터 플랫폼으로부터 제안된 태스크들을 수신하도록 하는 상기 사용자가 선택할 수 있는 "세팅" 등을 포함할 수 있다.

또 다른 예에서, 상기 태스크 생성 툴은, 정해진 태스크를 위해 특정 태스크 필드들을 채우기 위해서 하나 이상의 예측 모델들을 실행시킬 것을 상기 태스크 생성 툴로 하여금 상기 애셋 데이터 플랫폼에게 지시하도록 하는 입력을 수신할 수 있다. 일 예로서, 상기 애셋 데이터 플랫폼은 상기 특별한 애셋들을 위한 하나 이상의 이벤트들을 입력들로서 수신하고 그리고 지식 조항들 (예를 들면, 수리 매뉴얼들, 부품 규격들, 비용 내역들 등)의 순위 목록을 출력하는 하나 이상의 예측 모델들을 실행시키도록 구성될 수 있다. 이 예에서, 지식 조항 (knowledge article)들의 상기 순위 목록 표시는 상기 태스크 생성 툴에 의해 디스플레이된 상기 추천 문헌 태스크 필드를 채울 수 있다.

어떤 이벤트에서, 위에서 제시된 것처럼, 상기 태스크 생성 툴은, 하나 이상의 추가 사용자들이 상기 태스크에 관한 행동을 취하는 것 (예를 들면, 추천된 행동 실행하는 것)을 가능하게 하는 목적을 위해 생성된 태스크를 다른 컴퓨팅 디바이스(들)에게 전송하는 것을 용이하게 하도록 더 구성될 수 있다. 추가로 또는 대안으로, 상기 태스크 생성 툴은, 다른 예들 중에서도 특히, 상기 추천된 행동에 대응하는 수리를 스케줄링하는 것과 같은 생성된 태스크에 기반하여 하나 이상의 행동들이 트리거되도록 하는 것을 용이하게 하도록 구성될 수 있다.

또 다른 예시의 툴은, 이벤트를 트리거하기 위해 상기 애셋 데이터 플랫폼에서 적용될 수 있는 새로운 애셋 관련 규칙들을 생성하는 것을 용이하게 하도록 구성된 규칙 생성 툴의 모습을 취할 수 있다. 위에서 설명된 툴들과 유사하게, 상기 규칙 생성 툴은 클라이언트 스테이션 상에서 실행되는 소프트웨어 애플리케이션 (상기 애셋 데이터 플랫폼에 의해 제공된 웹 애플리케이션 또는 고유 애플리케이션)의 모습을 취할 수 있다.

실제로, 상기 애셋 데이터 플랫폼은 정해진 애셋 또는 애셋들의 세트에 대해 하나 이상의 애셋 관련 규칙들을 저장하고 모니터할 수 있으며, 여기에서 각 규칙은 각자의 트리거 조건들을 포함한다. 예를 들면, 애셋 관련 규칙은 하이-로우 (hi-low) 임계 규칙일 수 있으며, 이 임계 규칙에서 이벤트는 신호 측정 (예를 들면, 센서 및/또는 액튜에이터 측정) 또는 임계 레벨을 초과하거나 아래로 떨어지는 신호 측정들의 조합에 기반하여 트리거된다. 다른 예에서, 애셋 관련 규칙은 변경 레이트 규칙일 수 있으며, 여기에서 이벤트는 시간 구간 (예를 들면, 변경 레이트 임계)을 넘는 특정 정도로 변하는 하나 이상의 신호 측정들에 기반하여 트리거된다. 다른 예시이 애셋 관련 규칙들이 또한 가능하다.

전통적으로, 그런 규칙들은 상기 애셋 데이터 플랫폼이 처음으로 구현될 때에 또는 조직 - 상기 규칙들이 그 조직의 애셋들에 적용됨 - 이 상기 애셋 데이터 플랫폼을 활용하는 것을 처음 시작하며 그리고/또는 그런 규칙들이, 예를 들면, 상기 애셋 데이터 플랫폼의 관리자에 의해서만 수정될 때에 정의될 수 있다. 본원에서 설명된 상기 규칙 생성 툴은 애셋 관련 규칙들의 동적인 생성 및/또는 수정을 가능하게 할 수 있으며 그리고/또는 상기 관리자가 아닌 개인들이 변경을 하는 것을 가능하게 할 수 있다.

상기 규칙 생성 툴은 많은 방식들로 애셋 관련 규칙들을 생성하는 것을 용이하게 할 수 있다. 한 구현에서, 상기 규칙 생성 툴은 그 규칙 생성 툴에서의 사용자 입력들에 기반하여 애셋 관련 규칙들을 생성할 수 있다. 즉, 상기 규칙 생성 툴은 사용자가 채울 수 있을 하나 이상의 규칙 필드들을 포함할 수 있으며 그리고 상기 채워진 필드들 및 그 필드들 내 콘텐트에 기반하여 상기 규칙이 생성되도록 하는 선택가능 요소를 포함할 수 있다. 예를 들면, 사용자는 각자의 규칙 필드들을 경유하여 애셋(들), 신호 유형들, 및 선택된 신호 유형들을 위한 임계 값(들)을 우선 식별할 수 있으며 그리고 새로운 애셋 관련 규칙이 상기 선택들에 기반하여 생성되어야 한다는 것을 표시하는 입력을 그 후에 제공할 수 있다.

추가로 또는 대안으로, 상기 애셋 데이터 플랫폼과 조합된 상기 규칙 생성 툴은 새로운 애셋 관련 규칙을 추천하도록 구성될 수 있으며, 이는 규칙 생성을 경유하여 사용자에게 디스플레이될 수 있으며 그리고 그 후에 수락, 수정 또는 거부될 수 있다. 예시의 구현들에서, 상기 애셋 데이터 플랫폼은 정해진 조직을 위해 새로운 애셋 관련 규칙들을, 유사한 애셋들을 모니터하는 다른 조직들에 의해 생성된 애셋 관련 규칙들에 대한 분석과 같은 다양한 분석들에 기반하여 추천할 수 있다. 새로운 애셋 관련 규칙들은 다른 가능한 팩터들에 기반하여 동적으로 생성될 수 있다.

어떤 이벤트에서, 상기 규칙 생성 툴은 상기 애셋 데이터 플랫폼으로 하여금 상기 애셋 관련 규칙을 하나 이상의 규칙 데이터베이스들에 저장하게 하도록 할 수 있다. 상기 애셋 데이터 플랫폼은 상기 저장된 규칙을 특별한 조직의 애셋들을 위한 애셋 관련 데이터에 그 후에 적용하고 그리고 어떤 저장된 규칙의 조건들이 트리거될 때에 이벤트를 트리거할 수 있다. 즉, 상기 생성된 규칙에 대응하는 이벤트를 트리거하는가의 여부를 결정하기 위해서 상기 애셋 데이터 플랫폼은 수신된 애셋 관련 데이터를 규칙 파라미터들 (예를 들면, 애셋(들), 신호 유형(들), 임계 값(들))에 대해 체크할 수 있다.

또 다른 예시의 툴은 추가의 애셋 정보를 애셋(들) 식별자(들)에 연관시키도록 구성될 수 있는 메타데이터 툴의 모습을 취할 수 있으며, 이는 관심대상 애셋 관련 데이터 또는 그 데이터의 경향들을 더 효율적으로 식별하는 것을 도울 수 있다. 상기에서 설명된 툴들과 유사하게, 상기 메타데이터 툴은 클라이언트 스테이션 상에서 실행되는 소프트웨어 애플리케이션 (예를 들면, 상기 애셋 데이터 플랫폼에 의해 제공된 웹 애플리케이션 또는 고유의 애플리케이션)의 모습을 취할 수 있다.

일반적으로, 상기 애셋 데이터 플랫폼은 수신된 애셋 관련 데이터를, 상기 애셋 데이터 플랫폼으로 전송될 때에 그런 애셋 관련 데이터를 동반할 수 있는 애셋 식별자를 경유하여 특별한 애셋에 연관시킬 수 있다. 이런 면에서, 상기 애셋 데이터 플랫폼은 수신된 애셋 관련 정보를 애셋 식별자들 각각에 상관시키는 엔트리들을 포함하는 하나 이상의 데이터베이스들을 유지할 수 있다. 일 예에서, 애셋 식별자를 위한 엔트리 내에 포함된 정보는, 다른 가능한 것들 중에서도, 애셋 유형 (예를 들면, 기차, 비행기 등), 모델, 일련 번호, 애셋 사용 나이를 포함할 수 있다. 전술한 예에서 보이듯이, 애셋 식별자와 연관된 애셋 정보는 상기 애셋의 영구적인 특징들 (즉, 있는 그대로의 애셋)에 관련된 것이 일반적이다.

본원에서 개시된 상기 메타데이터 툴은 상기 애셋 데이터 플랫폼이 추가 정보를, 속성상 더욱 일시적일 수 있는 애셋 식별자와 연관시키는 것을 가능하게 한다. 예를 들면, 상기 애셋 데이터 플랫폼은 다양한 다른 가능한 것들 중에서도, 정해진 시간이나 시간들에서 애셋의 위치, 및/또는 애셋이 경험한 날씨 상태들을, 상기 메타데이터 툴을 경유하여, 정해진 시각에서의 애셋의 오퍼레이터(들) (예를 들면, 운전자, 엔지니어, 파일롯 등)의 신원에 관한 애셋 식별자 정보에 연관시킬 수 있다.

상기 메타데이터 툴은 추가 정보를 다양한 방식들로 애셋 식별자에 연관시키는 것을 용이하게 하기 위해 작동 가능할 수 있다. 예를 들면, 상기 메타데이터 툴은 다양한 메타데이터 필드들을 제공하고 그리고 그럼으로써 특별한 애셋 식별자에 연관될 것을 사용자가 바라는 추가 데이터에 관한 사용자 입력을 수신하도록 구성될 수 있다. 그런 예에서, 상기 사용자는 추가 데이터를 연관시킬 것을 원하는 애셋 또는 애셋들의 그룹을 먼저 선택하고 그리고 입력 필드들이나 메뉴 선택들을 경유하여 그런 추가 데이터를 입력시킬 수 있다. 그 훙, 사용자는 애셋을 위해 입력되고 그리고/또는 선택된 상기 추가 데이터를 제출하기 위해 입력을 수행할 수 있다. 그 후에 상기 메타데이터 툴은 상기 애셋 데이터 플랫폼으로의 사용자 입력들을 나타내는 데이터를 전송하는 것을 용이하게 할 수 있으며, 상기 애셋 데이터 플랫폼은 상기 선택된 애셋(들) 식별자에 대응하는 엔트리 내 추가 정보를 상기 하나 이상의 데이터베이스들에 결국 저장할 수 있다.

몇몇의 예들에서, 다양한 다른 툴들 (예를 들면, 위에서 설명된 것들, 데이터 분석 툴들 등)은 상기 메타데이터 툴을 통해 제공된 추가 정보를 활용할 수 있다. 일 예에서, 데이터 분석 톨은 하나 이상의 특정된 유형의 추가 데이터 (예를 들면, 오퍼레이터, 날씨 등)에 적어도 부분적으로 기반하여 애셋 관련 데이터를 검색하고 인출할 수 있다. 다른 예에서, 태스크 생성 툴은 태스크 필드들을 채우기 위해 상기 추가 데이터를 활용할 수 있다. 다양한 다른 가능한 것들이 또한 존재한다.

따라서, 한 모습에서 컴퓨팅 시스템이 본원에 개시되며, 상기 컴퓨팅 시스템은: (a) 상기 컴퓨팅 시스템으로부터 원격에 각각 위치한 복수의 애셋 (asset)들 및 상기 컴퓨팅 시스템에 의해 다루어지는 애셋 데이터를 시각화하기 위해 소프트웨어 애플리케이션을 각각 실행하는 복수의 클라이언트 스테이션들에 통신 가능하게 연결하도록 구성된 네트워크 인터페이스, (b) 적어도 하나의 프로세서, (c) 비-일시적 컴퓨터-판독가능 매체, 그리고 (d) 상기 비-일시적 컴퓨터-판독가능 매체 상에 저장된 프로그램 명령어들을 포함하며, 상기 프로그램 명령어들은 상기 적어도 하나의 프로세서에 의해 실행 가능하여 상기 컴퓨팅 시스템으로 하여금 다음의 동작들: (i) 상기 복수의 클라이언트 스테이션들 중 정해진 클라이언트 스테이션으로부터 상기 복수의 애셋들 중 정해진 애셋에 대한 애셋 식별자 및 상기 정해진 애셋의 동작에 관련된 정해진 유형의 애셋 이벤트에 대한 이벤트 식별자를 포함하는 시각화 파라미터들을 수신하는 동작, (ii) 과거에 정해진 타임프레임 내 상기 정해진 애셋에서 발생했던 상기 정해진 유형의 애셋 이벤트의 하나 이상의 순간들을 상기 시각화 파라미터들에 기반하여 식별하는 동작, (iii) 상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들에 관련된 집성된 신호 데이터를 획득하는 동작으로, 상기 집성된 신호 데이터는 과거에 상기 정해진 타임프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 제1 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하는, 획득 동작, 그리고 상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적인 표현을 상기 집성된 신호 데이터와 함께 디스플레이하도록 하는 동작을 적어도 수행하도록 한다.

다른 모습에서, 저장된 명령어들을 구비한 비-일시적 컴퓨터-판독가능 매체가 본원에 개시되며, 상기 명령어들은 실행 가능하여 컴퓨팅 시스템으로 하여금 (a) 상기 컴퓨팅 시스템과 통신 가능하게 연결된 복수의 클라이언트 스테이션들 중 정해진 클라이언트 스테이션으로부터 상기 컴퓨팅 시스템에 통신 가능하게 연결된 복수의 원격 애셋들 중 정해진 애셋에 대한 애셋 식별자 및 상기 정해진 애셋의 동작에 관련된 정해진 유형의 애셋 이벤트에 대한 이벤트 식별자를 포함하는 시각화 파라미터들을 수신하도록 하고, (b) 과거에 정해진 타임프레임 내 상기 정해진 애셋에서 발생했던 상기 정해진 유형의 애셋 이벤트의 하나 이상의 순간들을 상기 시각화 파라미터들에 기반하여 식별하도록 하고, (c) 상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들에 관련된 집성된 신호 데이터를 획득하도록 하며, 상기 집성된 신호 데이터는 (a) 과거에 상기 정해진 타임프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 (b) 제1 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하며, 그리고 상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적인 표현을 상기 집성된 신호 데이터와 함께 디스플레이하도록 한다.

또 다른 모습에서, 컴퓨팅 시스템에 의해 수행된 컴퓨터-구현 방법이 본원에 개시되며, 상기 컴퓨팅 시스템은 상기 컴퓨팅 시스템으로부터 원격에 각각 위치한 복수의 애셋들 및 상기 컴퓨팅 시스템에 의해 핸들링된 애셋 데이터를 시각화하기 위해 소프트웨어 애플리케이션을 각각 실행하는 복수의 클라이언트 스테이션들을 포함하며, 상기 방법은 (a) 상기 복수의 클라이언트 스테이션들 중 정해진 클라이언트 스테이션으로부터 상기 복수의 애셋들 중 정해진 애셋에 대한 애셋 식별자 및 상기 정해진 애셋의 동작에 관련된 정해진 유형의 애셋 이벤트에 대한 이벤트 식별자를 포함하는 시각화 파라미터들을 수신하는 단계, (b) 과거에 정해진 타임프레임 내 상기 정해진 애셋에서 발생했던 상기 정해진 유형의 애셋 이벤트의 하나 이상의 순간들을 상기 시각화 파라미터들에 기반하여 식별하는 단계, (c) 상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들에 관련된 집성된 신호 데이터를 획득하는 단계로서, 상기 집성된 신호 데이터는 과거에 상기 정해진 타임프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 제1 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하는, 획득 단계, (d) 그리고 상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적인 표현을 상기 집성된 신호 데이터와 함께 디스플레이하도록 하는 단계를 포함한다.

본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 다음의 개시를 읽으면 이 모습들 그리고 수많은 다른 모습들을 인정할 것이다.

본 발명의 효과는 본 명세서의 해당되는 부분들에 개별적으로 명시되어 있다.

도 1은 예시의 실시예들이 구현될 수 있을 예시의 네트워크 구성을 도시한다.
도 2는 예시의 애셋의 간략화된 블록도를 도시한다.
도 3은 예시의 비정상-상태 표시자들의 개념적인 예시를 도시한다.
도 4는 예시의 플랫폼의 구조적인 도면을 도시한다.
도 5는 예시의 플랫폼의 기능적인 블록도이다.
도 6은 이벤트 스냅샷 데이터를 위한 예시의 방법을 도시한 예시의 흐름도이다.
도 7a는 집성 신호 데이터를 생성하고 다루기 위한 예시의 방법을 도시한 예시적인 흐름도이다.
도 7b는 저장된 집성 데이터를 포함하는 데이터 구조의 개념적인 도면이다.
도 8은 예시의 상호작용 시각화 툴의 타임라인을 채우기 위한 예시의 방법을 도시한 예시적인 흐름도이다.
도 9는 빈 타임라인을 디스플레이하는 예시의 그래픽 사용자 인터페이스를 도시한다.
도 10은 채워진 타임라인을 디스플레이하는 다른 예시의 GUI의 일부를 도시한다.
도 11은 선택 가능한 스크러버 요소로의 입력 이후에 도 10의 GUI의 상기 일부를 도시한다.
도 12는 예시의 태스크 생성 GUI를 도시한다.

다음의 개시는 동반 도면들 및 여러 예시적인 시나리오들에 대해 참조한다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 그런 참조들은 설명의 목적만을 위한 것이며 그러므로 제한하는 것을 의미하지 않는다는 것을 이해할 것이다. 개시된 시스템들, 디바이스들, 및 방법들 모두 또는 일부는 다양한 방식들로 재배치되고, 결합되고, 추가되고, 그리고/또는 제거될 수 있으며, 그 각각은 본원에서 예측된다.

I. 예시의 네트워크 구성

도면들로 돌아가면, 도 1은 예시의 실시예들이 구현될 수 있는 예시의 네트워크 구성 (100)을 도시한다. 보이듯이, 상기 네트워크 구성 (100)은 애셋 데이터 플랫폼으로 설정될 수 있는 원격 컴퓨팅 시스템 (102)을 자신의 코어에서 포함하며, 이 애셋 데이터 플랫폼은 통신 네트워크 (104)를 경유하여 대표적인 애셋들 (106 및 108)과 같은 하나 이상의 애셋들, 대표적인 데이터 소스 (110)와 같은 하나 이상의 데이터 소스들, 그리고 대표적인 클라이언트 (112)와 같은 하나 이상의 출력 시스템들과 통신할 수 있다. 상기 네트워크 구성은 다양한 다른 시스템들을 마찬가지로 포함할 수 있다는 것이 이해되어야 한다.

대략적으로 말하면, 상기 애셋 데이터 플랫폼 (102) ("애셋 상태 모니터링 시스템"으로 본원에서 때때로 언급됨)은, 애셋 관련 데이터 수신, 수집, 처리, 분석, 및/또는 그 데이터로의 액세스를 제공하도록 구성된 하나 이상의 컴퓨터 시스템의 모습을 취할 수 있다. 예를 들면, 플랫폼은 애셋 관련 데이터 수신, 수집, 처리, 분석, 및/또는 그 데이터로의 액세스를 제공하기 위한 본원에서 개시된 하나 이상의 기능들을 수행하도록 구성된 하드웨어 컴포넌트들 및 소프트웨어 컴포넌트들을 구비한 하나 이상의 서버들 (또는 유사한 것)을 포함할 수 있다. 추가로, 플랫폼은 플랫폼 사용자가 상기 플랫폼과 인터페이스하는 것을 가능하게 하는 하나 이상의 사용자 인터페이스 컴포넌트들을 포함할 수 있다. 실제로, 이 컴퓨팅 시스템들은 단일의 물리적인 로케이션 내에 배치될 수 있으며 또는 복수의 로케이션들 사이에 분산될 수 있으며, 그리고 시스템 버스, 통신 네트워크 (예를 들면, 사설망), 또는 일부 다른 접속 메커니즘을 경유하여 통신가능하게 링크될 수 있다. 또한, 상기 플랫폼은, 다른 예들 중에서도 특히 TPL 데이터플로우 (Dataflow) 또는 NiFi와 같은 데이터 흐름 기술에 따라 데이터를 수신하고 전송하도록 배치될 수 있다. 상기 데이터플랫폼은 또한 다른 모습들을 취할 수 있다. 상기 애셋 데이터 플랫폼 (102)은 도 4를 참조하여 아래에서 더 상세하게 설명된다.

도 1에서 보이듯이, 상기 애셋 데이터 플랫폼 (102)은 상기 네트워크 구성 (100) 내 하나 이상의 애셋들, 데이터 소스들, 및/또는 출력 시스템들과 상기 통신 네트워크 (104)를 경유하여 통신하도록 구성될 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼 (102)은 하나 이상의 애셋들 및/또는 데이터 소스들에 의해 송신된 애셋 관련 데이터를 통신 네트워크 (104)를 경유하여 수신할 수 있다. 다른 예로서, 상기 애셋 데이터 플랫폼 (102)은 애셋 관련 데이터 및/또는 코맨드들을 클라이언트 스테이션, 작업-순서 시스템, 부품-주문 시스템 등과 같은 출력 시스템에 의한 수신을 위해 통신 네트워크 (104)를 경유하여 전송할 수 있다. 상기 애셋 데이터 플랫폼 (102)은 또한 상기 통신 네트워크 (104)를 경유하여 다른 유형의 통신에 사용될 수 있다.

일반적으로, 상기 통신 네트워크 (104)는 애셋 데이터 플랫폼 (102) 그리고 상기 네트워크 구성 (100) 내 상기 하나 이상의 애셋들, 데이터 소스들, 및/또는 출력 시스템들 사이에서 데이터 전달을 용이하게 하도록 구성된 네트워크 하부구조를 포함할 수 있다. 상기 통신 네트워크 (104)는 유선 및/또는 무선일 수 있으며 그리고 보안 통신을 지원할 수 있는 하나 이상의 광역 네트워크들 (WAN들) 및/또는 로컬 영역 네트워크 (LAN)들일 수 있으며 또는 그것들을 포함할 수 있다. 몇몇의 예들에서, 상기 통신 네트워크 (104)는 다른 네트워크들 중에서도 하나 이상의 셀룰러 네트워크들 및/또는 인터넷을 포함할 수 있다. 상기 통신 네트워크 (104)는 LTE, CDMA, GSM, LPWAN, WiFi, 블루투스, 이더넷, HTTP/S, TCP, CoAP/DTLS 등과 같은 하나 이상의 통신 프로토콜들에 따라 동작할 수 있다. 비록 통신 네트워크 (104)가 단일의 네트워크인 것으로 보이지만, 상기 통신 네트워크 (104)는 자신들이 통신 가능하게 링크된 다수의, 별개의 네트워크들일 수 있다는 것이 이해되어야 한다. 또한, 예시의 경우들에서, 상기 통신 네트워크 (104)는 (예를 들면, 암호화 또는 다른 보안 수단들을 경유하여) 네트워크 컴포넌트들 사이에서의 보안 통신들을 용이하게 할 수 있다. 상기 통신 네트워크 (104)는 마찬가지로 다른 모습들을 취할 수 있다.

또한, 비록 보이지는 않지만, 상기 애셋 데이터플랫폼 (102) 그리고 상기 하나 이상의 애셋들, 데이터 소스들, 및/또는 출력 시스템들 사이의 통신 경로는 하나 이상의 중개 (intermediary) 시스템들을 포함할 수 있다. 예를 들면, 상기 하나 이상의 애셋들 및/또는 데이터 소스들은 애셋 관련 데이터를 애셋 게이트웨이 또는 조직의 현존 플랫폼 (도시되지 않음)과 같은 하나 이상의 중개 시스템들에게 송신할 수 있으며, 그리고 상기 애셋 데이터 플랫폼 (102)은 상기 하나 이상의 중개 시스템들로부터 상기 애셋 관련 데이터를 수신하도록 구성될 수 있다. 다른 예로서, 상기 애셋 데이터 플랫폼 (102)은 호스트 서버 (도시되지 않음)와 같은 하나 이상의 중개 시스템들을 경유하여 출력 시스템과 통신할 수 있다. 많은 다른 구성들이 또한 가능하다.

일반적으로, 상기 애셋들 (106 및 108)은 (상기 필드에 기반하여 정의될 수 있는) 하나 이상의 동작들을 수행하도록 구성된 임의 디바이스의 모습을 취할 수 있으며 그리고 상기 정해진 애셋의 동작 (즉, 동작 상태들)을 나타내는 데이터를 수신하도록 구성된 장비를 또한 포함할 수 있다. 이 데이터는 다양한 모습들을 취할 수 있으며, 그 예들은 센서/액튜에이터 데이터 (예를 들면, 신호 데이터) 및/또는 비정상-상태 표시자들 (예를 들면, 고장 코드들)과 같은 동작 데이터, 애셋을 위한 식별 데이터, 애셋을 위한 로케이션 데이터 등을 포함할 수 있다.

애셋들 유형들의 대표적인 예들은 다른 예들 중에서도 운송 기계류들 (예를 들면, 기관차, 항공기, 보행자 차량, 세미트레일러 트럭, 배 등), 산업 기계류들 (예를 들면, 채굴 장비, 건설 장비, 프로세싱 장치, 조립 장비 등), 의료 기계류들 (예를 들면, 의료 이미징 장비, 외과수술 장비, 의료 모니터링 시스템, 의료 실험 장비 등), 유틸리티 기계류 (예를 들면, 터빈, 태양열 농장 등), 및 무인 항공기를 포함할 수 있다. 추가로, 주어진 각 유형의 애셋들은 다양한 상이한 구성들을 가질 수 있다 (예를 들면, 브랜드, 제조처, 모델, 펌웨어 버전 등).

그처럼, 몇몇의 예들에서, 상기 애셋들 (106 및 108)은 각각이 동일한 유형일 수 있으며 (예를 들면, 다른 예들 중에서도 기관차들이나 비행들의 기단 (fleet), 한 그룹의 풍력 터빈, 밀링 기계류의 풀 (pool), 또는 한 세트의 자기 공명 이미징 (MRI) 머신), 그리고 아마도 동일한 구성을 가질 수 있다 (예를 들면, 동일 브랜드, 제조처, 모델, 펌웨어 버전 등). 다른 예들에서, 상기 애셋들 (106 및 108)은 상이한 애셋 유형 또는 상이한 구성들을 가질 수 있다 (예를 들면, 상이한 브랜드들, 제조처들, 모델들, 및/또는 펌웨어 버전들). 예를 들면, 애셋들 (106 및 108)은 수많은 다른 예들 중에서도 직업 사이트 (예를 들면, 발굴 사이트) 또는 제조 설비에서의 장비의 상이한 부분품들일 수 있다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들은 애셋들의 조금의 예들이 존재하며 그리고 본원에서 수많은 다른 예들이 가능하며 계획된다는 것을 인정할 것이다.

애셋의 유형 및/또는 구성에 종속하여, 상기 애셋은 하나 이상의 각자의 동작들을 수행하도록 구성된 하나 이상의 서브시스템들을 또한 포함할 수 있다. 예를 들면, 운송 애셋들의 환경에서, 서브시스템들은, 많은 다른 예들 중에서도 특히, 엔진, 트랜스미션, 구동트레인, 엔진 시스템, 배터리 시스템, 배기 시스템, 브레이킹 시스템, 전기 시스템, 신호 프로세싱 시스템, 발전기, 기어 박스, 회전자 및 유압 시스템을 포함한다. 실제로, 애셋의 다수의 서브시스템들은 병렬로 또는 애셋이 동작하기 위한 순서로 순차적으로 동작할 수 있다. 대표적인 애셋들은 도 2를 참조하여 아래에서 더욱 상세하게 설명된다.

일반적으로, 상기 데이터 소스 (110)는 상기 애셋들에 관련된 또는 그렇지 않고 상기 애셋 데이터 플랫폼 (102)에 의해 수행된 기능들에 관련된 데이터를 수집하고, 저장하고, 그리고/또는 제공하도록 구성된 하나 이상의 컴퓨팅 시스템들이거나 또는 그런 시스템들을 포함할 수 있다. 예를 들면, 상기 데이터 소스 (110)는 상기 애셋들로부터 비롯된 동작 데이터 (예를 들면, 이력적인 동작 데이터)를 수집하고 제공할 수 있으며, 이 경우에 상기 데이터 소스 (110)는 그런 애셋 동작 데이터를 위한 대안의 소스로서 사용될 수 있다. 다른 예로서, 상기 데이터 소스 (110)는 상기 애셋들로부터 비롯되지 않은 데이터를 제공하도록 구성될 수 있으며, 이는 본원에서"외부 데이터"로 언급될 수 있다. 그런 데이터 소스는 다양한 모습들을 취할 수 있다.

한 구현에서, 상기 데이터 소스 (110)는, 애셋들이 작동되는 환경의 몇몇 특성을 표시하는 데이터를 제공하도록 구성된 환경 데이터 소스들의 모습을 취할 수 있을 것이다. 환경 데이터 소스들의 예들은 다른 예들 중에서도 날씨-데이터 서버들, 글로벌 내비게이션 위성 시스템 (global navigation satellite systems (GNSS)) 서버들, 지도-데이터 서버들, 및 정해진 영역의 자연적인 그리고 인공적인 특징들에 관한 정보를 제공하는 지형 데이터 서버들을 포함한다.

다른 구현에서, 상기 데이터 소스 (110)는 (예를 들면, 애셋이 동작하거나 유지보수를 받을 경우 및 그럴 때에) 애셋들의 동작이나 유지보수에 영향을 줄 수 있는 엔티티들 (또는 다른 애셋들)의 상태들이나 이벤트들을 표시하는 데이터를 제공하는 애셋-관리 데이터 소스의 모습을 취할 수 있을 것이다. 애셋-관리 데이터 소스들의 예들은 다른 예들 중에서도 애셋들에 관해 수행된 그리고/또는 수행될 것으로 스케줄된 검사, 유지보수, 서비스, 및/또는 수리에 관한 정보를 제공하는 애셋-유지보수 서버들, 항공, 수로, 및/또는 지상 트래픽에 관한 정보를 제공하는 트래픽-데이터 서버들, 특별한 날짜들 및/또는 특별한 시각들에 애셋들의 예상된 경로들 및/또는 위치들에 관한 정보를 제공하는 애셋-스케줄 서버들, ("가열축함 (hotbox)" 탐지기들로도 또한 알려진) 결점 탐지 시스템들로, 그 결점 탐지 시스템에 근접하게 지나가는 애셋의 하나 이상의 동작 상태들에 관한 정보를 제공하는 결점 탐지 시스템들, 그리고 특별한 공급자들이 재고로 가진 부품들 및 그 부품들의 가격에 관한 정보를 제공하는 부품-공급자 서버들을 포함한다.

상기 데이터 소스 (110)는 또한 다른 모습들을 취할 수 있으며, 그 다른 모습들의 예들은, 다른 예들 중에서도, 유체 분석들의 결과들에 관한 정보를 제공하는 유체 분석 서버들 그리고 전기 소비에 관한 정보를 제공하는 전력-그리드 서버들을 포함할 수 있다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 이것들은 데이터 소스들의 일부 예들일 뿐이며 수많은 다른 것들이 가능하다는 것을 인정할 것이다.

실제로, 상기 애셋 데이터플랫폼 (102)은 상기 데이터 소스에 의해 제공된 서비스에 "가입 (subscribing)"하여 상기 데이터 소스로부터의 데이터를 수신할 수 있다. 그러나, 상기 애셋 데이터 플랫폼 (102)은 또한 상기 데이터 소스 (110)로부터의 데이터를 다른 방식으로 수신할 수 있다.

상기 클라이언트 스테이션 (112)은 액세스하고 그리고 사용자가 상기 애셋 데이터 플랫폼 (102)과 상호작용하는 것을 가능하게 하도록 구성된 컴퓨팅 시스템이나 디바이스의 모습을 취할 수 있다. 이를 용이하게 하기 위해, 상기 클라이언스 스테이션은 다른 컴포넌트들 중에서도 사용자 인터페이서, 네트워크 인터페이스, 프로세서, 및 데이터 저장부와 같은 하드웨어 컴포넌트들을 포함할 수 있다. 추가로, 상기 클라이언트 스테이션은, 다른 예들 중에서도, 상기 애셋 데이터 플랫폼 (102)에 의해 제공된 웹 애플리케이션 또는 상기 애셋 데이터 플랫폼 (102)과 연관된 고유 클라이언트 애플리케이션에 액세스할 수 있는 웹 브라우저처럼 상기 애셋 데이터 플랫폼 (102)과의 상호작용을 가능하게 하는 소프트웨어 컴포넌트들로 구성될 수 있다. 클라이언트 스테이션들의 대표적인 예들은 데스크탑 컴퓨터, 랩탑, 넷북, 태블릿, 스마트폰, PDA, 또는 이제 알려지거나 나중에 개발될 그런 디바이스를 포함할 수 있다.

출력 시스템들의 다른 예들은, 다른 것들 중에서도 특히, 애셋을 수리하기 위해 정비사 등에게 대한 요청을 출력하도록 구성된 작업-순서 시스템 또는 애셋의 부품에 대한 주문을 하고 그리고 그 주문의 수령을 출력하도록 구성된 부품-주문 시스템을 포함할 수 있다.

상기 네트워크 구성 (100)이 본원에서 설명된 실시예들이 구현될 수 있는 네트워크의 일 예라는 것이 이해되어야 한다. 여기에서 여러 다른 설비들이 가능하며 예측될 수 있다. 예를 들면, 다른 네트워크 구성들은 도시되지 않은 추가적인 컴포넌트들 그리고/또는 그 도시된 컴포넌트들 중의 어느 정도를 포함할 수 있다.

II. 예시의 애셋

도 2로 돌아가면, 예시의 애셋 (200)의 간략한 블록도가 도시된다. 도 1로부터의 애셋들 (106 및 108) 중 어느 하나 또는 둘 모두는 참조번호 200의 애셋과 유사하게 구성될 수 있다. 보이는 것처럼, 상기 애셋 (200)은 하나 이상의 서브시스템들 (202), 하나 이상의 센서들 (204), 하나 이상의 액튜에이터들 (205), 중앙 프로세싱 유닛 (206), 데이터 저장부 (208), 네트워크 인터페이스 (210), 사용자 인터페이스 (212), 포지션 유닛 (214) 및 아마도 로컬 분석 디바이스 (220)를 또한 포함할 수 있으며, 이것들 모두는 시스템 버스, 네트워크, 또는 다른 접속 메커니즘에 의해 통신가능하게 (직접적으로 또는 간접적으로) 링크될 수 있다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 상기 애셋 (200)이 도시되지 않은 추가의 컴포넌트들 및/또는 도시된 컴포넌트들 중의 어느 정도를 포함할 수 있다는 것을 인정할 것이다.

대략적으로 말하면, 상기 애셋 (200)은 하나 이상의 동작들을 수행하도록 구성된 하나 이상의 전기적인, 기계적인, 그리고/또는 전기기계적인 컴포넌트들을 포함할 수 있다. 몇몇의 경우들에서, 하나 이상의 컴포넌트들은 정해진 서브시스템 (202)으로 그룹화될 수 있다.

일반적으로, 서브시스템 (202)은 상기 애셋 (200)의 부품이 아닌 관련된 컴포넌트들의 그룹을 포함할 수 있다. 단일의 서브시스템 (202)은 하나 이상의 동작들을 독립적으로 수행할 수 있으며 또는 상기 단일의 서브시스템 (202)은 하나 이상의 동작들을 수행하기 위해 하나 이상의 다른 서브시스템들을 따라서 동작할 수 있다. 보통은, 상이한 유형의 애셋들, 그리고 심지어는 동일한 유형의 애셋들의 상이한 클래스들이 상이한 서브시스템들을 포함할 수 있다. 서브시스템들의 대표적인 예들은 도 1을 참조하여 위에서 설명되었다.

위에서 제시된 것처럼, 상기 애셋 (200)에는 애셋 (200)의 동작 상태들을 모니터하도록 구성된 다양한 센서들 (204) 그리고 상기 애셋 (200)이나 그 애셋의 컴포넌트와 상호작용 (interact)하고 그 애셋 (200)의 동작 상태들을 모니터하도록 구성된 다양한 액튜에이터들 (205)이 장착될 수 있다. 몇몇의 경우들에서, 상기 센서들 (204) 및/또는 액튜에이터들 (205) 중 몇몇은 특별한 서브시스템 (202)에 기반하여 그룹화될 수 있다. 이 방식에서, 센서들 (204) 및/또는 액튜에이터들 (205)의 그룹은 특별한 서브시스템 (202)의 동작 상태들을 모니터하도록 구성될 수 있으며, 그리고 그 그룹으로부터의 액튜에이터들은 이 동작 상태들에 기반하여 특별한 서브시스템의 행동을 바꿀 수 있는 몇몇의 방식으로 그 특별한 서브시스템 (202)과 상호작용하도록 구성될 수 있다.

일반적으로, 센서 (204)는 상기 애셋 (200)의 하나 이상의 동작 상태들을 나타낼 수 있는 물리적인 성질을 탐지하도록 구성될 수 있으며, 그리고 상기 탐지된 물리적 성질의 전기 신호와 같은 표시를 제공하도록 구성될 수 있다. 동작 시에, 상기 센서들 (204)은 계속적으로, (예를 들면, 샘플링 주파수에 기반하여) 주기적으로, 그리고/또는 몇몇의 트리거링 이벤트에 응답하여 측정치들을 획득하도록 구성될 수 있다. 몇몇의 예들에서, 상기 센서들 (204)은 측정들을 수행하기 위한 동작 파라미터들을 이용하여 미리 구성될 수 있으며 그리고/또는 상기 중앙 프로세싱 유닛 (206)에 의해 제공된 동작 파라미터들 (예를 들면, 상기 센서들 (204)이 측정치들을 획득하도록 지시하는 샘플링 신호들)에 따라서 측정들을 수행할 수 있다. 예들에서, 상이한 센서들 (204)은 상이한 동작 파라미터들을 가질 수 있다 (예를 들면, 몇몇의 센서들은 제1 주파수에 기반하여 샘플링할 수 있으며, 반면에 다른 센서들은 제2의 상이한 주파수에 기반하여 샘플링한다). 어떤 이벤트에서, 상기 센서들 (204)은 측정된 물리적인 성질을 표시하는 전기 신호들을 상기 중앙 프로세싱 유닛 (206)에게 전송하도록 구성될 수 있다. 상기 센서들은 그런 신호들을 중앙 프로세싱 유닛 (206)에게 계속해서 또는 주기적으로 제공할 수 있다.

예를 들면, 센서들 (204)은 애셋 (200)의 위치 및/또는 이동과 같은 물리적인 성질들을 특정하도록 구성될 수 있으며, 그 경우에 상기 센서들은 GNSS 센서들, 추측항법 (dead-reckoning) 기반 센서들, 가속도계, 자이로스코프, 보도계, 자기계 (magnetometer) 등의 모습을 취할 수 있다. 예시의 실시예들에서, 하나 이상의 그런 센서들은 아래에서 설명되는 포지션 유닛 (214)에 통합되거나 그 포지션 유닛으로부터 분리하여 위치할 수 있다.

추가로, 다양한 센서들 (204)은 애셋 (200)의 다른 동작 상태들을 측정하도록 구성될 수 있으며, 그 예들은 다른 예들 중에서도 온도, 압력, 속도, 가속도 또는 감속도, 마찰, 전력 사용, 연료 사용, 연료 레벨, 실행시간, 전압 및 전류, 자기장, 전기장, 물체 존재 및 부존재, 컴포넌트들의 위치, 및 전력 생성을 포함할 수 있다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 이것들은 센서들이 측정하도록 구성될 수 있는 아주 작은 예시의 동작 상태들이라는 것을 인정할 것이다. 추가의 또는 더 작은 수의 센서들은 산업적인 애플리케이션 또는 특정 애셋에 종속하여 사용될 수 있다.

위에서 제시된 것처럼, 액튜에이터 (205)는 센서 (204)에 관한 몇몇 모습들과 유사하게 구성될 수 있다. 특히, 액튜에이터 (205)는 애셋 (200)의 동작 상태를 나타내는 물리적인 성질을 탐지하고 그리고 상기 센서 (204)와 유사한 방식으로 그 물리적인 성질의 표시를 제공하도록 구성될 수 있다.

더욱이, 액튜에이터 (205)는 상기 애셋 (200), 하나 이상의 서브시스템들 (202), 그리고/또는 그것들의 몇몇의 컴포넌트와 상호작용하도록 구성될 수 있다. 그처럼, 액튜에이터 (205)는 기계적인 동작 (예를 들면, 이동)을 수행하거나, 또는 그렇지 않고 컴포넌트, 서브시스템, 또는 시스템을 제어하도록 구성된 모터 또는 유사한 것을 포함할 수 있다. 특별한 예에서, 액튜에이터는 연료 흐름을 측정하고 그리고 그 연료 흐름을 바꾸도록 (예를 들면, 그 연료 흐름을 제지하도록) 구성될 수 있으며, 또는 액튜에이터는 유압을 측정하고 그리고 그 유압을 바꾸도록 (예를 들면, 그 수압을 증가시키거나 감소시키도록) 구성될 수 있다. 액튜에이터의 여러 다른 예시의 상호작용들이 또한 가능하며 여기에서 예측될 수 있다.

일반적으로 상기 중앙 프로세싱 유닛 (206)은 하나 이상의 프로세서들 및/또는 제어기들을 포함할 수 있으며, 이것들은 범용 또는 특수목적의 프로세서나 제어기의 모습을 취할 수 있다. 특히, 예시의 구현들에서, 상기 중앙 프로세싱 유닛 (206)은 마이크로프로세서들, 마이크로제어기들, 주문형 반도체들, 디지털 신호 프로세서들 등이거나 그것들을 포함할 수 있다. 다음에는, 상기 데이터 저장부 (208)는 여러 다른 예들 중에서도 광학 메모리, 자기 메모리, 유기 메모리, 또는 플래시 메모리와 같은 하나 이상의 비-일시적 컴퓨터-판독가능 저장 매체이거나 그 저장 매체를 포함할 수 있다.

상기 중앙 프로세싱 유닛 (206)은 여기에서 설명된 애셋의 동작을 수행하기 위해 상기 데이터 저장부 (208)에 저장된 컴퓨터-판독가능 프로그램 명령어들을 저장하고, 액세스하고, 그리고 실행하도록 설정될 수 있다. 예를 들면, 위에서 시사된 것처럼, 상기 중앙 프로세싱 유닛 (206)은 상기 센서들 (204) 및/또는 액튜에이트들 (205)로부터의 각 센서 신호들을 수신하도록 설정될 수 있다. 상기 중앙 프로세싱 유닛 (206)은 센서 및/또는 액튜에이터 데이터를 데이터 저장부 (208)에 저장하고 그리고 그 데이터를 나중에 데이터 저장부로부터 액세스하도록 설정될 수 있다.

상기 중앙 프로세싱 유닛 (206)은 수신된 센서 및/또는 액튜에이터 신호들이 고장 코드들과 같은 어떤 비정상-상태 표시자 (indicator)들을 트리거하는가의 여부를 판단하도록 또한 설정될 수 있다. 예를 들면, 상기 중앙 프로세싱 유닛 (206)은 데이터 저장부 (208)에 비정상-상태 규칙들을 저장하도록 설정될 수 있으며, 그 비정상-상태 규칙들 각각은 특별한 비정상 상태를 나타내는 정해진 비정상-상태 표시자 그리고 그 비정상-상태 표시자를 트리거하는 각자의 트리거 기준을 포함한다. 즉, 각 비정상-상태 표시자는 그 비정상-상태 표시자가 트리거되기 이전에 충족되어야만 하는 하나 이상의 센서 및/또는 액튜에이터 측정 값들에 대응한다. 실제로, 상기 애셋 (200)은 상기 비정상-상태 규칙들을 이용하여 미리 프로그램될 수 있으며 그리고/또는 새로운 비정상-상태 규칙들이나 현존 규칙들에 대한 업데이트들을 상기 애셋 데이터 플랫폼 (102)과 같은 컴퓨팅 시스템으로부터 수신할 수 있다.

어떤 이벤트에서, 상기 중앙 프로세싱 유닛 (206)은 수신된 센서 및/또는 액튜에이터 신호들이 어떤 비정상-상태 표시자들을 트리거하는가의 여부를 판단하도록 설정될 수 있다. 즉, 상기 중앙 프로세싱 유닛 (206)은 수신된 센서 및/또는 액튜에이터 신호들이 어떤 트리거 기준을 충족시키는가의 여부를 판단한다. 그런 판단이 긍정적일 때에, 상기 중앙 프로세싱 유닛 (206)은 비정상-상태 데이터를 생성할 수 있으며 그리고 그 후에 또한 상기 애셋의 네트워크 인터페이스 (210)로 하여금 상기 비정상-상태 데이터를 애셋 데이터 플랫폼 (102)으로 전송하도록 하며 그리고/또는 상기 애셋의 사용자 인터페이스 (212)로 하여금 시각적 및/또는 청각적 경보와 같은 상기 비정상 상태의 표시를 출력하도록 한다. 추가로, 상기 중앙 프로세싱 유닛 (206)은 트리거되는 비정상-상태 표지자의 발생을 아마도 타임스탬프를 이용하여 데이터 저장부 (208)에 기록할 수 있다.

도 3은 애셋을 위한 예시의 비정상-상태 표시자들 및 각자의 트리거 기준의 개념적인 예시를 도시한다. 특히, 도 3은 예시의 고장 코드들의 개념적인 예시를 도시한다. 보이는 것처럼, 테이블 (300)은 센서 A, 액튜에이터 B, 및 센서 C에 각각 대응하는 컬럼들 (302, 304, 및 306) 그리고 고장 코드들 1, 2, 및 3에 각각 대응하는 로우들 (308, 310, 및 312)을 포함한다. 기재사항들 (314)은 정해진 고장 코드들에 대응하는 센서 기준 (예를 들면, 센서 값 임계들)을 규정한다.

예를 들면, 고장 코드 1은 센서 A가 135 RPM (revolutions per minute)보다 더 큰 회전 측정을 탐지하고 그리고 센서 C가 섭씨 65도보다 더 큰 온도 측정을 탐지할 때에 트리거될 것이며, 고장 코드 2는 액튜에이터 B가 1000 볼트 (V)보다 더 큰 전압 측정을 탐지하고 그리고 센서 C가 섭씨 55도보다 더 작은 온도 측정을 탐지할 때에 트리거될 것이며, 그리고 고장 코드 3은 센서 A가 100 RPM보다 더 큰 회전 측정을 탐지하고, 액튜에이터 B가 750 V보다 더 큰 전압 측정을 탐지하며, 그리고 센서 C가 섭씨 60도보다 더 큰 온도 측정을 탐지할 때에 트리거될 것이다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 도 3은 예시 및 설명의 목적들을 위해 제공된 것이며 그리고 여러 다른 고장 코드들 및/또는 트리거 조건들이 가능하며 여기에서 예측된다는 것을 인정할 것이다.

도 2로 돌아가면, 상기 중앙 프로세싱 유닛 (206)은 마찬가지로 애셋 (200)의 동작들을 관리하고 그리고/또는 제어하기 위한 다양한 추가적인 기능들을 수행하도록 설정될 수 있다. 예를 들면, 상기 중앙 프로세싱 유닛 (206)은 상기 서브시스템들 (202) 및/또는 상기 액튜에이터들 (205)로 명령어 신호들을 제공하여 상기 서브시스템들 (202) 및/또는 상기 액튜에이터들 (205)로 하여금 트로틀 (throttle) 위치를 변경하는 것과 같은 일부 동작을 수행하게 하도록 설정될 수 있다. 추가로, 상기 중앙 프로세싱 유닛 (206)은 상기 센서들 (204) 및/또는 액튜에이터들 (205)로부터의 데이터를 자신이 프로세싱하는 속도를 변경하도록 설정될 수 있으며, 또는 상기 중앙 프로세싱 유닛 (206)은 상기 센서들 (204) 및/또는 액튜에이터들 (205)로 하여금, 예를 들면, 샘플링 속도를 변경하도록 하는 명령어 신호들을 상기 센서들 (204) 및/또는 액튜에이터들 (205)에게 제공하도록 설정될 수 있다. 더욱이, 상기 중앙 프로세싱 유닛 (206)은 상기 서브시스템들 (202), 센서들 (204), 액튜에이터들 (205), 네트워크 인터페이스들 (210), 사용자 인터페이스들 (212), 및/또는 상기 포지션 유닛 (214)으로부터 신호들을 수신하고, 그리고 그 신호들에 기반하여 동작이 발생하게 하도록 설정될 수 있다. 또한, 상기 중앙 프로세싱 유닛 (206)은 진단 디바이스와 같은 컴퓨팅 디바이스로부터 신호들을 수신하여, 상기 중앙 프로세싱 유닛 (206)으로 하여금 상기 데이터 저장부 (208)에 저장된 진단 규칙들에 따라 하나 이상의 진단 툴들을 실행하게 하도록 설정될 수 있다. 상기 중앙 프로세싱 유닛 (206)의 다른 기능들이 아래에서 설명된다.

상기 네트워크 인터페이스 (210)는 상기 통신 네트워크 (104)에 연결된 다양한 네트워크 컴포넌트들 및 상기 애셋 (200) 사이에서의 통신을 제공하도록 구성될 수 있다. 예를 들면, 상기 네트워크 인터페이스 (210)는 통신 네트워크 (104)로의 그리고 그 통신 네트워크로부터의 무선 통신을 용이하게 하도록 구성될 수 있으며, 그래서 안테나 구조 및 다양한 무선 신호들을 전송하고 수신하기 위한 연관된 장비의 모습을 취할 수 있다. 다른 예들도 마찬가지로 가능하다. 실제로, 상기 네트워크 인터페이스 (210)는 위에서 설명된 통신 프로토콜들 중 어느 하나와 같은, 그러나 그것으로 제한되지는 않는 통신 프로토콜에 따라서 구성될 수 있다.

상기 사용자 인터페이스 (212)는 애셋 (200)과의 사용자 상호작용을 용이하게 하도록 구성될 수 있으며 그리고 상기 애셋 (200)으로 하여금 사용자 상호작용에 응답한 동작을 수행토록 하는 것을 용이하게 하도록 또한 구성될 수 있다. 사용자 인터페이스들 (212)의 예들은 다른 예들 중에서도 터치-감지 인터페이스들, 기계적인 인터페이스들 (예를 들면, 레버, 버튼, 휠, 다이알, 키보드 등), 및 다른 입력 인터페이스들 (예를 들면, 마이크로폰)을 포함한다. 몇몇의 경우에서, 상기 사용자 인터페이스 (212)는 디스플레이 스크린, 스피커, 헤드폰 잭 등과 같은 출력 컴포넌트들로의 연결성을 포함하거나 제공할 수 있다.

포지션 유닛 (214)은 지리-공간적 (geo-spatial) 로케이션/위치 그리고/또는 내비게이션에 관련된 기능들을 수행하는 것을 용이하게 하도록 일반적으로 구성될 수 있다. 더 상세하게는, 상기 포지션 유닛 (214)은 GNSS 기술 (예를 들면, GPS, GLONASS, 갈릴레오 (Galileo), 베이더우 (BeiDou), 또는 유사한 것), 삼각측량 기술, 및 유사한 것과 같은 하나 이상의 포지셔닝 기술들을 경유하여 상기 애셋 (200)의 로케이션/포지션을 판별하고 그리고/또는 상기 애셋 (200)의 움직임들을 추적하는 것을 용이하게 하도록 구성될 수 있다. 그처럼, 상기 포지션 유닛 (214)은 하나 이상의 특별한 포지셔닝 기술들에 따라 구성된 하나 이상의 센서들 및/또는 수신기들을 포함할 수 있다.

예시의 실시예들에서, 상기 포지션 유닛 (214)은 상기 애셋 (200)이 다른 시스템들 및/또는 디바이스들 (예를 들면, 상기 애셋 데이터 플랫폼 (102)에게, 다른 모습들 중에서도 GPS 좌표들의 모습을 취할 수 있는 상기 애셋 (200)의 위치를 표시하는 포지션 데이터를 제공하는 것을 허용할 수 있다. 몇몇의 구현들에서, 상기 애셋 (200)은 다른 시스템들에게 포지션 데이터를 계속해서, 주기적으로, 트리거들에 기반하여, 또는 몇몇의 다른 방식으로 제공할 수 있다. 더욱이, 상기 애셋 (200)은 다른 애셋 관련 데이터와 독립적으로 또는 함께 (예를 들면, 동작 데이터와 함께) 포지션 데이터를 제공할 수 있다.

상기 로컬 분석 디바이스 (220)는 상기 애셋 (200)에 관련된 데이터를 수신하고 분석하도록 일반적으로 구성될 수 있으며 그리고 그런 분석에 기반하여 하나 이상의 동작들이 상기 애셋 (200)에서 발생하도록 할 수 있다. 예를 들면, 상기 로컬 분석 디바이스 (220)는 애셋 (200)을 위한 동작 데이터 (예를 들면, 상기 센서들 (204) 및/또는 액튜에이터들 (205)에 의해 생성된 신호 데이터)를 수신할 수 있으며 그리고 그런 데이터에 기반하여, 애셋 (200)으로 하여금 어떤 동작을 수행하게 하는 명령어들을 상기 중앙 프로세싱 유닛 (206), 상기 센서들 (204), 및/또는 상기 액튜에이터들 (205)에게 제공할 수 있다. 다른 예에서, 상기 로컬 분석 디바이스 (220)는 상기 포지션 유닛 (214)으로부터 로케이션 데이터를 수신하고 그리고 그런 데이터에 기반하여 상기 애셋 (200)에 대한 예측 모델들 및/또는 워크플로들을 자신이 어떻게 처리하는가를 수정할 수 있다. 다른 예시의 분석들 및 대응하는 동작들이 또한 가능하다.

이 동작들 중 일부를 용이하게 하기 위해, 상기 로컬 분석 디바이스 (220)는, 상기 로컬 분석 디바이스 (220)를 상기 애셋의 하나 이상의 온-보드 시스템들에게 결합하도록 구성된 하나 이상의 애셋 인터페이스들을 포함할 수 있다. 예를 들면, 도 2에서 보이는 것처럼, 상기 로컬 분석 디바이스 (220)는 상기 애셋의 중앙 프로세싱 유닛 (206)으로의 인터페이스를 가질 수 있으며, 이 인터페이스는 상기 로컬 분석 디바이스 (220)가 중앙 프로세싱 유닛 (206)으로부터 데이터 (예를 들면, 센서들 (204) 및/또는 액튜에이터들 (205)에 의해 생성되어 중앙 프로세싱 유닛 (206)으로 송신되는 동작 데이터, 또는 상기 포지션 유닛 (214)에 의해 생성된 포지션 데이터)를 수신하는 것을 가능하게 하고 그리고 그 후에 명령어들을 상기 중앙 프로세싱 유닛 (206)에게 제공하는 것을 가능하게 할 수 있다. 이 방식에서, 상기 로컬 분석 디바이스 (220)는 중앙 프로세싱 유닛 (206)을 경유하여 애셋 (200)의 다른 온-보드 시스템들 (예를 들면, 상기 센서들 (204) 및/또는 액튜에이터들 (205))과 간접적으로 인터페이스하고 그리고 그 다른 온-보드 시스템으로부터 데이터를 수신할 수 있다. 추가로 또는 대안으로, 도 2에서 보이는 것처럼, 상기 로컬 분석 디바이스 (220)는 하나 이상의 센서들 (204) 및/또는 액튜에이터들 (205)로의 인터페이스를 가질 수 있으며, 이는 상기 로컬 분석 디바이스 (220)가 상기 센서들 (204) 및/또는 액튜에이터들 (205)과 직접적으로 통신하는 것을 가능하게 할 수 있다. 상기 로컬 분석 디바이스 (220)는 상기 애셋 (200)의 온-보드 시스템들과 다른 방식으로 또한 인터페이스할 수 있으며, 도 2에 예시된 인터페이스들이 도시되지 않은 하나 이상의 중간 시스템들에 의해 용이하게 되는 가능성을 포함한다.

실제로, 상기 로컬 분석 디바이스 (220)는 상기 애셋 (200)이 예측 모델 및 대응 워크플로를 실행하는 것처럼 진보된 분석 및 연관된 동작들을 로컬에서 수행하는 것을 가능하게 하며, 그 진보된 분석 및 연관된 동작들은 그렇지 않은 경우에는 다른 온-애셋 컴포넌트들을 이용해서 수행되는 것이 가능하지 않을 수 있다. 그처럼, 상기 로컬 분석 디바이스 (220)는 상기 애셋 (200)에 추가의 프로세싱 능력 및/또는 인텔리전스를 제공하는 것을 도울 수 있다.

상기 로컬 분석 디바이스 (220)가 상기 애셋 (200)으로 하여금 예측 모델에 관련되지 않은 동작들을 수행하게 하도록 또한 구성될 수 있다는 것이 이해되어야 한다. 예를 들면, 상기 로컬 분석 디바이스 (220)는 상기 애셋 데이터 플랫폼 (102)이나 출력 시스템 (112)과 같은 원격 소스로부터 데이터를 수신할 수 있으며, 그리고 그 수신된 데이터에 기반하여 상기 애셋 (200)으로 하여금 하나 이상의 동작들을 수행하도록 할 수 있다. 하나의 특별한 예는 상기 로컬 분석 디바이스 (220)가 원격 소스로부터 애셋 (200)을 위한 펌웨어 업데이트를 수신하고 그리고 그 후에 애셋 (200)으로 하여금 자신의 펌웨어를 업데이트하도록 하는 것을 수반할 수 있다. 다른 특별한 예는 상기 로컬 분석 디바이스 (220)가 원격 소스로부터 진단 명령어들을 수신하고 그리고 그 후에 애셋 (200)으로 하여금 그 수신된 명령어에 따라 로컬 진단 툴을 실행하게 하는 것을 수반할 수 있다. 수많은 다른 예들이 또한 가능하다.

보이는 것처럼, 위에서 설명된 하나 이상의 애셋 인터페이스들에 추가로, 상기 로컬 분석 디바이스 (220)는 프로세싱 유닛 (222), 데이터 저장부 (224), 및 네트워크 인터페이스 (226)을 또한 포함할 수 있으며, 이것들 모두는 시스템 버스, 네트워크, 또는 다른 접속 메커니즘에 의해 통신가능하게 링크될 수 있다. 상기 프로세싱 유닛 (222)은 중앙 프로세싱 유닛 (206)에 관하여 위에서 설명된 컴포넌트들 중 어느 것도 포함할 수 있다. 차례로, 상기 데이터 저장부 (224)는 하나 이상의 비-일시적 컴퓨터-판독가능 저장 매체이거나 그 저장 매체를 포함할 수 있으며, 이는 위에서 설명된 컴퓨터-판독가능 저장 매체 모습들 중 어느 하나를 취할 수 있다.

상기 프로세싱 유닛 (222)은 여기에서 설명된 로컬 분석 디바이스의 동작들을 수행하기 위해 상기 데이터 저장부 (224)에 저장된 컴퓨터-판독가능 프로그램 명령어들을 저장하고, 액세스하고, 그리고 실행하도록 설정될 수 있다. 예를 들면, 상기 프로세싱 유닛 (222)은 센서들 (204) 및/또는 액튜에이터들 (205)에 의해 생성된 각 센서 및/또는 액튜에이터 신호들을 수신하도록 구성될 수 있으며 그리고 그런 신호들에 기반하여 예측 모델 및 대응 워크플로를 실행할 수 있다. 다른 기능들은 아래에서 설명된다.

상기 네트워크 인터페이스 (226)는 위에서 설명된 네트워크 인터페이스들과 동일하거나 유사할 수 있다. 실제로, 상기 네트워크 인터페이스 (226)는 상기 로컬 분석 디바이스 (220) 및 상기 애셋 데이터 플랫폼 (102) 사이에서의 통신을 용이하게 할 수 있다.

몇몇의 예시의 구현들에서, 상기 로컬 분석 디바이스 (220)는 참조번호 212의 사용자 인터페이스와 유사할 수 있는 사용자 인터페이스를 포함하고 그리고/또는 그 사용자 인터페이스와 통신할 수 있다. 실제로, 상기 사용자 인터페이스는 상기 로컬 분석 디바이스 (200) (및 상기 애셋 (200))로부터 원거리에 위치할 수 있다. 다른 예들이 또한 가능하다.

도 2가 하나 이상의 애셋 인터페이스들을 경유하여 자신의 연관된 애셋 (예를 들면, 참조번호 200의 애셋)에 물리적으로 그리고 통신가능하게 연결된 로컬 분석 디바이스 (220)를 보여주지만, 이것이 항상 그런 것은 아니라는 것이 또한 이해되어야 한다. 예를 들면, 몇몇의 구현들에서, 상기 로컬 분석 디바이스 (220)는 자신의 연관된 애셋에 물리적으로 연결되지 않을 수 있으며, 그 대신에 상기 애셋 (200)으로부터 원거리에 위치할 수 있다. 그런 구현의 한 예에서, 상기 로컬 분석 디바이스 (220)는 애셋 (200)에 무선으로, 통신가능하게 연결될 수 있다. 다른 배치들 및 구성들이 또한 가능하다.

로컬 분석 디바이스의 구성 및 동작에 관한 더 상세한 내용에 대해서는, 미국 출원 No. 14/963,207를 참조할 수 있으며, 이 출원은 그 전체가 본원에 참조로서 편입된다.

본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 도 2에서 보이는 애셋 (200)이 애셋의 간략한 표면의 일 예일 뿐이며 그리고 수많은 다른 것들이 또한 가능하다는 것을 인정할 것이다. 예를 들면, 다른 애셋들은 도시되지 않은 추가의 컴포넌트들 및/또는 도시된 컴포넌트들 중 하나 이상을 포함할 수 있다. 더욱이, 정해진 애셋은 그 정해진 애셋의 동작들을 수행하기 위해 협력하여 작동하는 다수의, 개별적인 애셋들을 포함할 수 있다. 다른 예들이 또한 가능하다.

III. 예시의 플랫폼

도 4는 구조적인 관점으로부터 예시의 데이터 애셋 플랫폼 (400)에 포함될 수 있을 몇몇의 컴포넌트들을 도시한 간략화된 블록도이다. 상기 설명에 따라, 상기 데이터 애셋 플랫폼 (400)은 하나 이상의 컴퓨터 시스템들 (예를 들면, 하나 이상의 서버들)을 일반적으로 포함할 수 있으며, 그리고 이 하나 이상의 컴퓨터 시스템들은 적어도 하나의 프로세서 (402), 데이터 저장부 (404), 네트워크 인터페이스 (406), 및 구성에 따라서는 사용자 인터페이스 (410)를 집합적으로 포함할 수 있으며, 이것들 모두는 시스테 버스, 네트워크, 또는 다른 연결 메커니즘과 같은 통신 링크 (408)에 의해 통신가능하게 링크될 수 있다.

상기 프로세서 (402)는 하나 이상의 프로세서들 및/또는 제어기들을 포함할 수 있으며, 이것들은 범용 또는 특수 목적 프로세서 또는 제어기의 모습을 취할 수 있다. 특히, 예시의 구현들에서, 상기 프로세싱 유닛 (402)은 마이크로프로세서들, 마이크로제어기들, 주문형 반도체 (application-specific integrated circuit)들, 디지털 신호 프로세서들 등을 포함할 수 있다.

다음에, 데이터 저장부 (404)는 하나 이상의 비-일시적 컴퓨터-판독가능 저장 매체들을 포함할 수 있으며, 그것들의 예는 랜덤 액세스 메모리, 레지스터, 캐시 등과 같은 휘발성 저장 매체들 그리고 읽기 전용 메모리, 하드디스크 드라이브, 솔리드 스테이트 드라이브, 플래시 메모리, 광학 저장 디바이스 등과 같은 비-휘발성 저장 매체들을 포함할 수 있다.

도 4에서 보이듯이, 데이터 저장부 (404)는 상기 플랫폼 (400)이 본원에서 개시된 기능들을 수행하는 것을 가능하게 하는 소프트웨어 컴포넌트들을 제공받을 수 있다. 이 소프트웨어 컴포넌트들은 상기 프로세서 (402)에 의해 실행가능한 프로그램 명령어들의 모습을 일반적으로 취할 수 있으며, 그리고 애플리케이션들, 소프트웨어 개발 키트들, 툴세트들 등으로 함께 배치될 수 있다. 추가로, 상기 데이터 저장부 (404)는 상기 플랫폼에 의해 수행되는 기능들에 관련된 데이터를 저장하도록 배치된 하나 이상의 데이터베이스들을 제공받을 수 있으며, 그 데이터베이스들의 예들은, 다른 것들 중에서도 특히, 시계열 데이터베이스들, 문헌 (document) 데이터베이스들, 관계형 데이터베이스들 (예를 들면, MySQL), 키-값 (key-value) 데이터베이스들, 및 그래프 데이터베이스들을 포함한다. 상기 하나 이상의 데이터베이스들은 다국언어 (poly-glot) 저장부를 또한 제공할 수 있다.

상기 네트워크 인터페이스 (406)는 통신 네트워크 (104)를 경유하여 상기 플랫폼 (400) 그리고 애셋들 (106 및 108), 데이터 소스 (110) 및 클라이언트 스테이션 (112)과 같은 다양한 네트워크 컴포넌트들 사이에서의 무선 및/또는 유선 통신을 용이하게 하도록 구성될 수 있다. 그처럼, 네트워크 인터페이스 (406)는 이런 기능들을 수행하기 위한 어떤 적합한 모습을 취할 수 있으며, 그 예들은 이더넷 인터페이스, 시리얼 버스 인터페이스 (예를 들면, 파이어와이어, USB 2.0 등), 무선 통신을 용이하게 하기 위한 칩셋 및 안테나, 및/또는 유선 및/또는 무선 통신을 제공하는 어떤 다른 인터페이스를 포함할 수 있다. 네트워크 인터페이스 (406)는 다양한 사이한 유형의 네트워크 접속들을 지원하는 다수의 네트워크 인터페이스들을 또한 포함할 수 있으며, 그 일부 예들은 하둡 (Hadoop), FTP, 관계형 데이터베이스, OSI PI와 같은 고주파수, XML과 같은 배치 데이터, 및 베이스64를 포함할 수 있다.

상기 예시의 데이터 애셋 플랫폼 (400)은, 상기 플랫폼 (400)과의 사용자 상호작용을 용이하게 하도록 구성된 사용자 인터페이스 (410)를 또한 지원할 수 있으며 그리고 상기 플랫폼 (400)으로 하여금 사용자 상호작용에 응답하여 동작을 수행하도록 하는 것을 용이하게 하도록 또한 구성될 수 있다. 이 사용자 인터페이스 (410)는 다양한 입력 컴포넌트들로의 접속성을 포함하거나 제공할 수 있으며, 이 입력 컴포넌트들의 예들은 터치-감지 인터페이스, 기계적인 인터페이스 (예를 들면, 레버, 버튼, 휠, 다이얼, 키보드 등), 및 다른 입력 인터페이스 (예를 들면, 마이크로폰)를 포함한다. 추가로, 상기 사용자 인터페이스 (410)는 다양한 출력 컴포넌트들로의 접속성을 포함하거나 제공할 수 있으며, 이 출력 컴포넌트들의 예들은 디스플레이 스크린, 스피커, 헤드폰 잭, 및 유사한 것을 포함할 수 있다. 다른 구성들도 마찬가지로 가능하며, 상기 예시의 플랫폼에 통신가능하게 연결된 클라이언트 스테이션 내에 상기 사용자 인터페이스 (410)가 내장되는 것이 가능하다.

이제 도 5를 참조하면, 다른 간략화된 블록도는 예시의 플랫폼 (500) 내에 포함될 수 있는 몇몇의 컴포넌트들을 기능적인 관점에서 도시하기 위해 제공된다. 예를 들면, 도시된 것처럼, 예시의 플랫폼 (500)은 데이터 수용 시스템 (502) 및 데이터 분석 시스템 (504)을 포함할 수 있으며, 이것들 각각은 특별한 기능들을 수행하도록 구성된 하드웨어 및 소프트웨어의 조합을 포함한다. 상기 플랫폼 (500)은 상기 데이터 수용 시스템 (502) 및 데이터 분석 시스템 (504) 중 하나 이상에 연결된 데이터베이스 (506)를 또한 포함할 수 있다. 실제로, 이 기능적인 시스템들은 단일의 컴퓨터 시스템 상에 구현될 수 있으며 또는 복수의 컴퓨터 시스템들에 걸쳐서 분산될 수 있다.

상기 데이터 수용 시스템 (502)은 애셋 관련 데이터를 수신하고 그리고 그 후에 그 수신된 데이터의 적어도 일부를 상기 데이터 분석 시스템 (504)으로 제공하기 위한 기능을 보통은 포함할 수 있다. 그처럼, 상기 데이터 수용 시스템 (502)은 애셋 관련 데이터를 다양한 소스들로부터 수신하도록 구성될 수 있으며, 그 소스들의 예들은 애셋, 애셋 관련 데이터 소스, 또는 조직의 현존 하부구조를 포함할 수 있다. 상기 데이터 수용 시스템 (502)에 의해 수신된 데이터는 다양한 모습들을 취할 수 있으며, 그 예들은 아날로그 신호, 데이터 스트림, 및/또는 네트워크 패킷을 포함할 수 있다. 또한, 몇몇의 예들에서, 상기 데이터 수용 시스템 (502)은, NiF 수신기 또는 유사한 것과 같은 정해진 데이터흐름 기술에 따라 구성될 수 있다.

몇몇의 실시예에서, 상기 데이터 수용 시스템 (502)이 정해진 소스 (예를 들면, 애셋, 애셋 관련 데이터 소스, 조직의 현존 하부구조 등)로부터 데이터를 수신하기 이전에, 그 소스는 데이터 에이전트 (508)를 제공받을 수 있다. 일반적으로, 상기 데이터 에이전트 (508)는 상기 정해진 데이터 소스에서 관련 데이터에 액세스하고, 상기 데이터를 적절한 포맷으로 배치하며, 그리고 상기 데이터 수용 시스템 (502)에 의한 수령을 위해 그 후에 상기 데이터를 상기 플랫폼 (500)으로 전송하는 것을 용이하게 하기 위해 기능하는 소프트웨어 컴포넌트일 수 있다. 그처럼, 상기 데이터 에이전트 (508)는 상기 정해진 소스로 하여금, 다른 예들 중에서, 압축 및/또는 압축해제, 암호화 및/또는 해독, 아날로그-디지털 및/또는 디지털-아날로그 변환, 필터링, 증폭, 및/또는 데이터 매핑과 같은 동작들을 수행하도록 할 수 있다. 그러나, 다른 실시예들에서, 상기 정해진 데이터 소스는 데이터 에이전트의 도움 없이 상기 예시의 플랫폼 (500)으로의 데이터 액세스, 포매팅, 및/또는 전송을 할 수 있다.

상기 데이터 수용 시스템 (502)이 수신한 데이터는 다양한 모습들을 취할 수 있다. 일 예로서, 상기 수신 데이터는, 예를 들면, 신호 데이터 (예컨대, 센서 및/또는 액튜에이터 데이터), 비정상-상태 표시자들, 애셋 이벤트 표시자들, 및 애셋 로케이션 데이터와 같은 애셋을 위한 동작 데이터를 포함할 수 있다. 다른 예로서, 상기 수신 데이터는, 예를 들면, 애셋 검사/유지보수/수리 정보, 가열축함 데이터, 날씨 데이터 등과 같은 애셋 동작에 관련된 외부 데이터를 포함할 수 있다. 또 다른 예로서, 상기 수신 데이터는 데이터 소스의 식별자 및/또는 상기 수신 데이터와 연관된 타임스탬프 (예컨대, 상기 정보가 획득되었던 날짜 및/또는 시각)와 같은 상기 수신 데이터에 관한 추가적인 정보를 제공하는 메타데이터, 신호 서명 (signature), 또는 유사한 것을 또한 포함할 수 있다. 예를 들면, 유일 식별자 (예를 들면, 컴퓨터 생성 알파벳, 숫자, 알파뉴메릭, 또는 유사한 식별자)가 각 애셋에, 그리고 아마도 각 센서 및 액튜에이터에 할당될 수 있으며, 그리고 그 데이터가 비롯된 애셋, 센서, 또는 액튜에이터를 식별하도록 작동 가능하다. 상기 데이터 수용 시스템 (502)에 의해 수신된 데이터는 또한 다른 모습들을 취할 수 있다.

상기 데이터 수용 시스템 (502)은 수신 데이터를 데이터 분석 시스템으로 제공하기 이전에 그 수신 데이터에 대해 다양한 전처리 기능들을 수행하도록 구성될 수 있으며, 이는 그 수신 데이터가 깨끗하며, 최신의 데이터이며, 그리고 그 데이터를 관리하는 상기 플랫폼 (500) 내에 저장된 레코드들이나 데이터 구조들 전역에서 일치한다는 것을 보장하기 위한 것이다. 예를 들면, 상기 데이터 수용 시스템 (502)은 상기 수신 데이터를 정의된 데이터 구조들로 매핑하고 그리고 이 데이터 구조들로 매핑될 수 없는 데이터를 잠재적으로 버릴 수 있다. 다른 예로서, 상기 데이터 수용 시스템 (502)은 상기 수신 데이터의 신뢰성 (또는 "건강 (health)"을 평가하고 그리고 어떤 신뢰할 수 없는 데이터를 잠재적으로 버릴 수 있다. 또 다른 예로서, 상기 데이터 수용 시스템 (502)은 수신 데이터가 상기 플랫폼에 의해 이미 수신되었다는 것을 확인하고 그리고 그 후에 그런 데이터를 무시하거나 버림으로써 상기 수신 데이터를 "중복-제거"할 수 있다. 또 다른 예로서, 상기 데이터 수용 시스템 (502)은 상기 수신 데이터가 상기 플랫폼의 데이터베이스 (506)에 이미 저장된 데이터와 관련된 (예를 들면, 동일한 데이터의 상이한 버전) 것인가를 판단하고 그리고 그 후에 상기 수신 데이터 및 저장 데이터를 하나의 데이터 구조 또는 레코드로 함께 합체시킬 수 있다. 추가의 예로서, 상기 데이터 수용 시스템 (502)은 (예를 들면, 상이한 카테고리들을 상이한 큐들로 배치함으로써) 상기 수신 데이터를 특별한 데이터 카테고리들로 조직할 수 있다. 다른 기능들이 또한 수행될 수 있다.

몇몇의 실시예들에서, 상기 데이터 에이전트 (508)가 이 전처리 기능들 중 특정한 것을 수행하거나 보조할 수 있다는 것이 또한 가능하다. 하나의 가능한 예로서, 상기 데이터 매핑 기능은 상기 데이터 수용 시스템 (502)이 아니라 상기 데이터 에이전트 (508)에 의해 전체적으로 또는 부분적으로 수행될 수 있을 것이다. 다른 예들이 또한 가능하다.

상기 데이터 수용 시스템 (502)은 나중의 인출을 위해서 상기 수신 데이터를 데이터베이스 (506)에 저장하도록 더 구성될 수 있다. 위에서의 설명에 따라, 상기 데이터베이스 (506)는 다양한 모습들을 취할 수 있으며, 이 예들은, 다른 것들 중에서도, 시계열 데이터베이스, 문헌 데이터베이스, 관계형 데이터베이스 (예를 들면, MySQL), 키-값 데이터베이스들, 및 그래프 데이터베이스들을 포함한다. 또한, 상기 데이터베이스 (506)는 다국언어 저장부를 제공할 수 있다. 예를 들면, 상기 데이터베이스 (506)는 제1 유형의 데이터베이스 (예를 들면, 시계열 또는 문헌 데이터베이스)에 수신 데이터의 페이로드를 저장하고 그리고 수신 데이터의 연관된 메타데이터를 더욱 빠른 검색을 허용하는 제2 유형의 데이터베이스 (예를 들면, 관계형 데이터베이스)에 저장할 수 있다. 다른 예들이 또한 가능하다.

도시되었듯이, 상기 데이터 수용 시스템 (502)은 상기 데이터 분석 시스템 (504)에 통신가능하게 연결될 수 있다. 상기 데이터 수용 시스템 (502) 및 상기 데이터 분석 시스템 (504) 사이의 인터페이스는 다양한 모습들을 취할 수 있다. 예를 들면, 상기 데이터 수용 시스템 (502)은 API를 경유하여 상기 데이터 분석 시스템 (504)에 통신가능하게 연결될 수 있다. 다른 인터페이스 기술들이 또한 가능하다.

하나의 구현에서, 상기 데이터 수용 시스템 (502)은 상기 데이터 분석 시스템 (504)에게 세 개의 범용 카테고리들에 속하는 데이터를 제공할 수 있다: (1) 신호 데이터, (2) 이벤트 데이터, 및 (3) 애셋 상태 데이터. 상기 신호 데이터는 상기 애셋들에서 센서들 및/또는 액튜에이터들에 의해 취해진 측정치들을 대표하는 미가공 또는 집성된 데이터의 모습을 보통 취할 수 있다. 상기 이벤트 데이터는 애셋으로부터 수신된 표시자들 (예를 들면, 비정상-상태 표시자들, 애셋 이벤트 표시자들 등)에 대응하는 애셋 이벤트들, 검사 이벤트들, 유지보수 이벤트들, 수리 이벤트들, 유동체 이벤트들, 날씨 이벤트들, 또는 유사한 것처럼, 애셋 동작에 관련된 이벤트들을 식별하는 데이터의 모습을 보통 취할 수 있다. 그리고 애셋 상태 정보는 애셋 식별자, 애셋 로케이션 데이터 등과 같은 상기 애셋에 대한 상태 정보를 포함할 수 있다. 데이터 분석 시스템 (504)으로 제공된 데이터는 다른 데이터를 또한 포함할 수 있으며 그리고 다른 모습들을 또한 취할 수 있다.

상기 데이터 분석 시스템 (504)은 데이터 수용 시스템 (502)으로부터 데이터를 수신하고, 그 데이터를 분석하며, 그리고 그 후에 그 데이터에 기반하여 다양한 행동들을 취하도록 일반적으로 기능할 수 있다. 예를 들면, 상기 데이터 분석 시스템 (504)은 클라이언트 시스템으로 출력될 특정 데이터를 (예를 들면, 상기 클라이언트 스테이션으로부터 수신된 요청에 기반하여) 식별할 수 있고 그리고 그 후에 이 데이터를 상기 클라이언트 스테이션에게 제공할 수 있다. 다른 예로서, 상기 데이터 분석 시스템 (504)은 특정 데이터가 미리 정의된 규칙을 만족시키는가를 판단할 수 있으며 그리고 그 후에 그 판단에 응답하여 새로운 이벤트 데이터를 생성하거나 또는 상기 클라이언트 스테이션을 경유하여 사용자에게 통지를 제공하는 것과 같은 특정 행동들을 취할 수 있다. 다른 예로서, 상기 데이터 분석 시스템 (504)은 애셋 동작에 관련된 예측 모델을 트레이닝하고 그리고/또는 실행시키기 위해 상기 수신 데이터를 사용할 수 있으며, 그리고 상기 데이터 분석 시스템 (504)은 그 후에 그 예측 모델의 출력에 기반하여 특정 행동들을 취할 수 있다. 또 다른 예로서, 상기 데이터 분석 시스템 (504)은 외부 액세스를 위해 이용 가능한 특정 데이터를 API를 경유하여 만들 수 있다.

이런 기능들 중 하나 이상을 용이하게 하기 위해서, 상기 데이터 분석 시스템 (504)은 클라이언트 스테이션에 의해 액세스되고 디스플레이될 수 있는 웹 애플리케이션 (또는 유사한 것)을 제공하도록 구성될 수 있다. 이 웹 애플리케이션은 다양한 모습들을 취할 수 있지만, 일반적으로, 상기 웹 애플리케이션은, 정보를 사용자에게 표현하고 사용자 입력을 또한 획득하기 위해서 상기 클라이언트 스테이션에 의해 디스플레이될 수 있는 하나 이상의 웹 페이지들을 포함할 수 있다. 다른 예로서, 상기 데이터 분석 시스템 (504)은, 클라이언트 스테이션 상에 설치되고 동작하는 애셋 데이터 플랫폼과 연관된 고유 클라이언트 애플리케이션을 "호스트"하거나 "구동"하도록 (즉, 그 고유 클라이언트 애플리케이션으로 데이터를 제공하도록) 구성될 수 있다.

그런 데이터에 기반하여 잠재적인 행동들을 취하기 위해 상기 수신 데이터를 분석하는 것에 추가로, 상기 데이터 분석 시스템 (504)은 상기 수신 데이터를 데이터베이스 (506)에 저장하도록 또한 구성될 수 있다. 상기 데이터베이스 (506)는 상기 플랫폼에 의한 또는 다른 플랫폼들에 의한 후속의 액세스를 위해 상기 데이터를 지속적으로 저장할 수 있다. 추가적인 데이터-저장 관련 동작들은 아래에서 더욱 상세하게 설명된다.

몇몇의 실시예들에서, 상기 데이터 분석 시스템 (504)은 추가적인 기능성을 구축하고, 커스텀화하고, 그리고 상기 플랫폼에 추가하기 위해 소프트웨어 개발 키트 (SDK)를 또한 지원할 수 있다. 그런 SDK는 상기 플랫폼의 하드코딩된 (hardcoded) 기능성의 위에서의 상기 플랫폼의 기능성의 커스텀화를 가능하게 할 수 있다.

상기 데이터 분석 시스템 (504)은 다양한 다른 기능들을 또한 수행할 수 있다. 상기 데이터 분석 시스템 (504)에 의해 수행된 몇몇의 기능들은 아래에서 더욱 상세하게 설명된다.

본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 도 4 - 도 5에서 보이는 예시의 플랫폼이, 플랫폼 내에 포함될 수 있는 컴포넌트들의 간략화된 표현의 일 예일 뿐이며 그리고 수많은 다른 것들이 또한 가능하다는 것을 인정할 것이다. 예를 들면, 다른 플랫폼들은 도시되지 않은 추가의 컴포넌트들 및/또는 도시된 컴포넌트들 중 어느 정도를 포함할 수 있다. 더욱이, 정해진 플랫폼은, 그 정해진 플랫폼의 동작들을 수행하기 위해 협력하여 작동되는 다수의 개별적인 플랫폼들을 포함할 수 있다. 다른 예들 또한 가능하다.

IV. 예시의 동작들

도 1에서 도시된 예시의 네트워크 구성 (100)의 동작들이 아래에서 더 상세하게 이제 설명될 것이다. 이 동작들 중 몇몇을 설명하는 것을 돕기 위해, 수행될 수 있는 동작들의 조합들을 설명하기 위해 흐름도들이 참조될 수 있다. 몇몇의 경우에서, 각 블록은 프로세스 내 특정 논리적 기능들이나 단계들을 구현하기 위해 프로세서에 의해 실행가능한 명령어들을 포함하는 프로그램 코드의 일부 또는 모듈을 나타낼 수 있다. 상기 프로그램 코드는 비-일시적 컴퓨터-판독가능 매체와 같은 임의 유형의 컴퓨터-판독가능 매체 상에 저장될 수 있다. 다른 경우에서, 각 블록은 프로세스에서 특정 로직 기능들이나 단계들을 수행하기 위해 배선된 회로를 나타낼 수 있다. 더욱이, 흐름도들 내에서 보이는 블록들은 특별한 실시예에 기반하여 상이한 순서들로 배치되고, 더 적은 개수의 블록들로 결합되고, 추가의 블록들로 분리되며, 그리고/또는 제거될 수 있다.

다음의 설명은 상기 애셋 (106)과 같은 데이터 소스가 애셋 데이터 플랫폼 (102)으로 데이터를 제공하고, 그 분석 시스템은 그 후에 하나 이상의 기능들을 수행하는 경우인 예들을 참조할 수 있다. 이것은 단지 명료함 및 설명을 위해 실행되는 것이며 제한하려고 하는 것을 의미하지 않는다는 것이 이해되어야 한다. 실제로, 상기 애셋 데이터 플랫폼 (102)은 일반적으로 다수의 소스들로부터 데이터를 아마도 동시에 수신하고, 그리고 수신된 데이터의 그런 집성에 기반하여 동작들을 수행한다.

A. 동작 데이터 수집

위에서 언급되었듯이, 상기 대표적인 애셋들 (102 및 104)은 다양한 모습들을 취할 수 있으며 그리고 다수의 동작들을 수행하도록 구성될 수 있다. 비-제한적 예에서, 상기 애셋 (106)은 미국을 가로질러 화물을 운반하기에 사용가능한 기관차의 모습을 취할 수 있다. 통과하면서, 상기 애셋 (106)의 센서들 및/또는 액튜에이터들은 상기 애셋 (106)의 하나 이상의 동작 상태들을 반영하는 데이터를 획득할 수 있다. 상기 센서들 및/또는 액튜에이터들은 그 데이터를 애셋 (106)의 프로세싱 유닛으로 전송할 수 있다.

상기 프로세싱 유닛은 상기 센서들 및/또는 액튜에이터들로부터 데이터를 수신하도록 구성될 수 있다. 실제로, 상기 프로세싱 유닛은 다수의 센서들 그리고/또는 다수의 액튜에이터들로부터 신호 데이터를 동시에 또는 순차적으로 수신할 수 있다. 위에서 설명된 것처럼, 이 데이터를 수신하면, 상기 프로세싱 유닛은 그 데이터가 고장 코드들과 같은 어떤 비정상-상태 표시자들을 트리거하는 트리거 기준을 충족시키는가의 여부를 판단하도록 또한 구성될 수 있다. 하나 이상의 비정상-상태 표시자들이 트리거된다고 상기 프로세싱 유닛이 판단하는 경우에, 그 프로세싱 유닛은 트리거된 표시자에 대한 표시를 사용자 인터페이스를 경유하여 출력하는 것과 같은 하나 이상의 로컬 동작들을 수행하도록 구성될 수 있다.

상기 애셋 (106)은 동작 데이터를 그 애셋 (106)의 네트워크 인터페이스 및 상기 통신 네트워크 (104)를 경유하여 애셋 데이터 플랫폼 (102)으로 그 후에 전송할 수 있다. 동작 시에, 상기 애셋 (106)은 동작 데이터를 상기 애셋 데이터 플랫폼 (102)으로 계속해서, 주기적으로, 그리고/또는 트리거 이벤트 (예를 들면, 비정상 상태들)에 응답하여 전송할 수 있다. 특히, 상기 애셋 (106)은 특별한 빈도에 기반하여 (예를 들면, 매일, 매시간마다, 매 15분마다, 분 당 한번, 초 당 한번 등) 주기적으로 동작 데이터를 전송할 수 있으며, 또는 상기 애셋 (106)은 동작 데이터의 연속적인, 실시간 피드를 전송하도록 구성될 수 있다. 추가로 또는 대안으로, 상기 애셋 (106)은 센서 및/또는 액튜에이터 측정치들이 어떤 비정상-상태 표시자들을 위한 트리거 기준을 충족시킬 때와 같은 어떤 트리거들에 기반하여 동작 데이터를 전송하도록 구성될 수 있다. 상기 애셋 (106)은 동작 데이터를 다른 방식들로 또한 전송할 수 있다.

실제로, 애셋 (106)을 위한 동작 데이터는 센서 데이터, 액튜에이터 데이터, 비정상-상태 데이터, 및/또는 다른 애셋 이벤트 데이터 (예를 들면, 애셋 중단, 재시작, 진단 동작들, 유동성 검사, 수리 등을 표시하는 데이터)를 포함할 수 있다. 몇몇의 구현들에서, 상기 애셋 (106)은 단일 데이터 스트림으로 동작 데이터를 제공하도록 구성될 수 있으며, 반면에 다른 구현들에서 상기 애셋 (106)은 동작 데이터를 다수의, 별개의 데이터 스트림들로 제공하도록 구성될 수 있다. 예를 들면, 상기 애셋 (106)은 상기 애셋 데이터 플랫폼 (102)에게 신호 데이터의 제1 데이터 스트림 그리고 비정상-상태 데이터의 제2 데이터 스트림을 제공할 수 있다. 다른 예로서, 상기 애셋 (106)은 상기 분석 시스템 (108)에게 상기 애셋 (106) 상의 각각의 센서 및/또는 액튜에이터를 위한 분리된 데이터 스트림을 제공할 수 있다. 다른 가능한 것들이 또한 존재한다.

신호 데이터는 다양한 모습들을 취할 수 있다. 예를 들면, 때때로, 센서 데이터 (또는 액튜에이터 데이터)는 애셋 (106)의 센서들 (또는 액튜에이터들) 각각에 이해 획득된 측정치들을 포함할 수 있다. 다른 경우들에서는, 센서 데이터 (또는 액튜에이터 데이터)는 애셋 (106)의 센서들 (또는 액튜에이터들)의 서브세트에 의해 획득된 측정치들을 포함할 수 있다.

특히, 상기 신호 데이터는 정해진 트리거된 비정상-상태 표시자들과 연관된 센서들 및/또는 액튜에이터들에 의해 획득된 측정치들을 포함할 수 있다. 예를 들면, 트리거된 고장 코드가 도 3으로부터의 고장 코드 1이라면, 센서 데이터는 센서 A 및 센서 C에 의해 획득된 미가공 측정치들을 포함할 수 있다. 추가로 또는 대안으로, 상기 데이터는 트리거된 고장 코드와 직접적으로 연관되지 안은 하나 이상의 센서들이나 액튜에이터들에 의해 획득된 측정치들을 포함할 수 있다. 마지막 예로 벗어나 계속하면, 상기 데이터는 액튜에이터 B 및/또는 다른 센서들이나 액튜에이터들에 의해 획득된 측정치들을 추가로 포함할 수 있다. 몇몇의 예들에서, 예를 들면, 액튜에이터 B가 측정하고 있는 것과 상기 고장 코드 1로 하여금 먼저 트리거되도록 하는 것 사이에 상관관계가 존재한다고 판단할 수 있는 상기 애셋 데이터 플랫폼 (102)에 의해 제공된 고장-코드 규칙 또는 명령어에 기반하여 상기 애셋 (106)은 상기 동작 데이터 내에 특별한 센서 데이터를 포함할 수 있다. 다른 예들이 또한 가능하다.

또한, 상기 데이터는 여러 팩터들에 기반하여 선택될 수 있는 관심대상인 특별한 시점에 기반하여 관심대상인 센서 및/또는 액튜에이터로부터의 하나 이상의 센서 및/또는 액튜에이터 측정치들을 포함할 수 있다. 몇몇의 예들에서, 상기 관심대상인 특별한 시점은 샘플링 속도에 기반할 수 있다. 다른 예들에서, 관심대상인 상기 특별한 시점은 비정상-상태 표시자가 트리거되는 시점에 기반할 수 있다.

특히, 비정상-상태 표시자가 트리거되는 시점에 기반하여, 상기 데이터는 관심대상인 각 센서 및/또는 액튜에이터로부터의 하나 이상의 각자의 센서 및/또는 액튜에이터 측정치들을 포함할 수 있다 (예를 들면, 센서들 및/또는 액튜에이터들은 상기 트리거된 표시자와 직접적으로 그리고 간접적으로 연관된다). 상기 하나 이상의 측정치들은 특별한 개수의 측정치들에 또는 상기 트리거된 비정상-상태 표시자 시간 내내인 특별한 지속시간에 기반할 수 있다.

예를 들면, 트리거된 고장 코드가 도 3으로부터의 고장 코드 2라면, 관심대상인 센서들 및 액튜에이터들은 액튜에이터 B 및 센서 C를 포함할 것이다. 상기 하나 이상의 측정치들은 상기 고장 코드 트리거 이전에 액튜에이터 B 및 센서 C에 의해 획득된 가장 최근의 각자의 측정치들 (예를 들면, 트리거 측정치들)을 포함할 수 있으며 또는 상기 트리거 측정치들 이전, 이후, 또는 근방에서의 측정치들의 각자의 세트를 포함할 수 있다. 예를 들면, 다섯 개의 측정치들의 세트는 다른 가능한 것들 중에서도 상기 트리거 측정치 이전 또는 이후의 다섯 개의 측정치들을 (상기 트리거 측정치는 배제함), 상기 트리거 측정 이전 또는 이후의 네 개의 측정치들 및 상기 트리거 측정치를, 또는 상기 트리거 측정 이전의 두 개의 측정치들과 이후의 두 측정치 및 상기 트리거 측정치를 포함할 수 있다.

신호 데이터와 유사하게, 상기 비정상-상태 데이터는 다양한 모습들을 취할 수 있다. 일반적으로, 상기 비정상-상태 데이터는, 애셋 (106)에서 발생할 수 있는 모든 다른 비정상 상태들로부터 상기 애셋 (106)에서 발생했던 특별한 비정상 상태를 유일하게 식별하기 위해 사용가능한 표시자를 포함하거나 또는 그 표시자의 모습을 취할 수 있다. 상기 비정상-상태 표시자는 다른 예들 중에서도 알파벳, 숫자, 또는 알파뉴메릭 식별자의 모습을 취할 수 있다. 더욱이, 상기 비정상-상태 표시자는 다른 예들 중에서도 "과열된 엔진" 또는 "연료 부족"과 같은 비정상 상태들을 기술하는 단어들의 스트링의 모습을 취할 수 있다.

애셋 관련 이벤트 데이터는 다양한 모습들을 또한 취할 수 있다. 예시의 구현들에서, 이벤트 데이터는 발생했던 유형의 이벤트의 표시자 (예를 들면, 고장 코드가 트리거되었다, 진단이 실행되었다, 유체 편차가 발생했다 등), 특별한 이벤트가 발생했던 때를 식별하는 타임스탬프, 및/또는 상기 이벤트가 얼마나 오래 발생했는가를 표시하는 지속 시간을 포함할 수 있다. 다른 예들이 또한 가능하다.

상기 애셋 데이터 플랫폼 (102) 그리고 특히 상기 애셋 데이터 플랫폼 (102)의 데이터 취득 시스템은 하나 이상의 애셋들 및/또는 데이터 소스들로부터 동작 데이터를 수신하도록 구성될 수 있다. 상기 데이터 취득 시스템은 상기 수신된 데이터의 적어도 일부를 취득하고, 그 수신된 데이터에 하나 이상의 동작들을 수행하고, 그리고 그 후에 그 데이터를 상기 애셋 데이터 플랫폼 (102)의 데이터 분석 시스템으로 중계하도록 구성될 수 있다. 그 다음에, 상기 데이터 사이언스 시스템은 그 수신된 데이터를 분석하고 그리고 그런 분석에 기반하여 하나 이상의 동작들을 수행할 수 있다.

B. 애셋 관련 툴들 제공

위에서 언급되었듯이, 상기 애셋 데이터 플랫폼 (102)은 클라이언트 스테이션이 액세스, 활용 및/또는 디스플레이할 수 있는 소프트웨어 애플리케이션 (예를 들면, 애셋 데이터 플랫폼 (102)에 의해 제공된 웹 애플리케이션 또는 고유한 애플리케이션)의 모습을 취할 수 있는 다양한 애셋 관련 툴들을 제공하도록 구성될 수 있다. 그런 툴들은 사용자 입력들을 수신하고 그리고 상기 애셋 데이터 플랫폼 (102)으로 하여금 하나 이상의 동작들을 실행하게 하도록 구성될 수 있다. 예시의 애셋 관련 툴들은 아래에서 설명된다. 이 툴들이 아래에서 개별적으로 설명되지만, 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 이런 툴들의 어떤 조합이 단일의 소프트웨어 애플리케이션 내에 제공될 수 있을 것이라는 것을 인정할 것이다.

1. 상호작용 시각화 툴 (Interactive Visualization Tool)

하나의 예시의 툴은 애셋 (또는 애셋들의 그룹)을 위한 이벤트 데이터 및 관련 신호 데이터 두 가지 모두를 타임라인 뷰로 디스플레이할 수 있는 상호작용 시각화 툴의 모습을 취할 수 있다.

도 6, 도 7a 및 도 8은 이벤트 데이터 및 관련 신호 데이터의 표현을 상기 상호작용 시각화 툴의 타임라인 상에 제시하는 것을 용이하게 하기 위한 동작들을 보통 포함하는 방법들 (600, 700, 및 800)을 각각 도시한다. 예시의 목적들을 위해, 상기 예시의 방법들 (600, 700, 및 800)은 애셋 데이터 플랫폼 (102)에 의해 수행되는 것으로 설명되지만, 이 예시의 방법들은 다른 디바이스들 및/또는 시스템들에 의해 수행될 수 있다. 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자는 흐름도들 (600, 700, 및 800)은 명료함 및 설명을 위해 제공된 것이며 그리고 수많은 다른 조합들의 동작들이 이벤트 데이터 및 관련 신호 데이터를 타임라인 뷰 상에 표현하는 것을 용이하게 하기 위해 활용될 수 있다는 것을 또한 인정할 것이다.

도 6은 "이벤트 스냅샷" 데이터를 생성하기 위한 하나의 가능한 예시의 방법 (600)을 도시하는 예시의 흐름도이다. 블록 602에서, 상기 애셋 데이터 플랫폼 (102)은 애셋 관련 데이터를 상기 데이터 수용 시스템을 경유하여 수신할 수 있다. 이전에 언급되었듯이, 상기 애셋 데이터 플랫폼 (102)은 다양한 소스들로부터 애셋 관련 데이터를 획득할 수 있으며 그리고, 다른 데이터 중에서도, 신호 데이터 (예를 들면, 미가공 센서/액튜에이터 독출치들) 및/또는 이벤트 데이터와 같은 다양한 데이터를 포함할 수 있다.

블록 604에서, 상기 애셋 데이터 플랫폼 (102)은 상기 수신한 애셋 관련 데이터에 기반하여 애셋 관련 이벤트 발생을 식별할 수 있으며, 이는 다양한 방식들로 발생할 수 있다. 일 예에서, 상기 애셋 데이터 플랫폼 (102)은 특정 애셋 관련 이벤트 발생을 표시하는 메타데이터 및/또는 이벤트 식별자를 포함하는 애셋 관련 데이터를 수신할 수 있다. 그런 경우에, 상기 애셋 데이터 플랫폼 (102)은 애셋 관련 이벤트 발생을 표시하는 메타데이터 및/또는 이벤트 식별자를 인식하기 위해 상기 수신된 애셋 관련 데이터를 분석할 수 있다. 다른 예에서, 상기 애셋 데이터 플랫폼 (102)은 수신된 신호 데이터에 이벤트 규칙들을 적용하도록 구성되어, 애셋 관련 이벤트가 발생했는가의 여부를 판단한다. 상기 애셋 데이터 플랫폼 (102)은 애셋 관련 이벤트 발생들을 또한 다른 방식들로 식별할 수 있다.

블록 606에서, 상기 애셋 데이터 플랫폼 (102)은 애셋 관련 이벤트의 각 식별된 발생에 대해 관련 신호 데이터를 캡처할 수 있다. 즉, 상기 애셋 데이터 플랫폼 (102)은 상기 식별된 애셋 관련 이벤트와 직접적으로 또는 간접적으로 연관될 수 있는 센서 및/또는 액튜에이터 데이터를 캡처할 수 있다. 상기 애셋 데이터 플랫폼 (102)은 다양한 방식으로 관련 신호 데이터를 판단할 수 있다.

하나의 예시의 실시예에서, 상기 애셋 데이터 플랫폼 (102)은 정해진 애셋 관련 이벤트와 연관된 특별 애셋 센서들 및/또는 액튜에이터들을, 몇몇의 예들에서, 정해진 이벤트에 관련된 각자의 애셋 신호 소소들 (예를 들면, 센서들 및/또는 액튜에이터들)을 정의할 수 있는 하나 이상의 로컬 또는 원격 데이터베이스들 내에 저장된 엔트리들을 참조함으로써 결정할 수 있다. 예를 들면, 그런 엔트리는 엔진 온도 센서 및 냉각수 레벨 센서가 엔진 셧다운 이벤트에 관련되는가를 정의할 수 있다. 다른 예들에서, 상기 애셋 데이터 플랫폼 (102)은 특별한 애셋 관련 이벤트에 관련된 신호 소스들을 표시하는 수신 이벤트 데이터에 대응하는 메타데이터 또는 유사한 것을 외부 데이터 소스로부터 수신할 수 있다. 그 관련된 신호 소스들은 다른 방식들로 결정될 수 있다.

상기 애셋 데이터 플랫폼 (102)은 상기 이벤트 발생의 시각에 또는 그 시각 근방에서 하나 이상의 신호 측정치들을, 상기 정해진 애셋 관련 이벤트에 관련된 것으로서 식별되었던 각 신호 소스에 대해 (예를 들면, 각 센서 및/또는 액튜에이터에 대해) 캡처할 수 있다. 일 예에서, 상기 애셋 데이터 플랫폼 (102)은 각 식별된 신호 소스에 대해 특별한 개수의 측정치들 (예를 들면, 이벤트 발생 이전에 그리고/또는 이후의 5개의 센서 측정치들)에 기초하여 하나 이상의 신호 측정치들을 캡처할 수 있다. 다른 예에서, 하나 이상의 측정치들을 캡처하는 것은 그 이벤트 발생 근방의 특별한 지속 시간에 기초할 수 있다 (예를 들면, 이벤트 발생 이전 및 이후의 1초 가치의 측정치들). 몇몇의 경우들에서, 캡처된 데이터는 각 신호 소스 유형 및/또는 이벤트 유형에 대해 변할 수 있으며 그리고 그렇지 않고 다른 방법론들에 기초할 수 있다.

블록 608에서, 상기 애셋 데이터 플랫폼 (102)은 상기 캡처된 데이터를 하나 이상의 데이터베이스들 내에 또는 이벤트 스냅샷 데이터를 위한 하나 이상의 데이터베이스들 내의 로케이션에 이벤트 스냅샷으로서 저장할 수 있다. 그렇게 함에 있어서, 상기 애셋 데이터 플랫폼 (102)은, 다른 가능한 정보 중에서도, 이벤트 유형/이름, 애셋의 동작이 이벤트 발생을 트리거했던 그런 애셋에 대한 표시, 그 이벤트가 발생했던 때를 표시하는 타임스탬프, 및 상기 캡처된 신호 데이터와 같은 다양한 정보를 포함할 수 있는 하나 이상의 데이터베이스들에서 데이터 엔트리를 생성할 수 있다. 이벤트 스냅샷 데이터를 저장하는 다른 방법들이 또한 가능하다.

도 7a는 예시의 흐름도 (700)로, 집성된 신호 데이터를 생성하고 다루는 하나의 가능한 예를 도시한다. 일반적으로, 애셋 데이터 플랫폼 (102)이 저장하는 데이터의 양을 줄이는 것을 돕기 위해, 상기 애셋 데이터 플랫폼 (102)은 특별한 양의 시간 가치가 있는 신호 데이터에 대해 (즉, 특별한 해상도 시간에 대해) 집성된 신호 데이터를 생성하도록 구성될 수 있으며, 이는 다양한 양의 시간에 대해 그렇게 수행될 수 있다.

보이는 것처럼, 블록 702에서, 상기 방법 (700)은 애셋 또는 애셋들의 그룹에 대해 미가공 신호 데이터를 수신하는 애셋 데이터 플랫폼 (102)을 수반할 수 있다. 이전에 언급되었듯이, 정해진 신호 데이터는, 다른 가능한 것들 중에서도 특히, 센서 또는 액튜에이터 (예를 들면, 신호 소스)에 의해 측정된 미가공 값을 포함할 수 있다. 실제로, 상기 애셋 데이터 플랫폼 (102)은 신호 데이터를, 다른 가능한 것들 중에서도 특히, 계속해서 (예를 들면, "실시간"으로 또는 거의 실시간으로), 주기적으로, 또는 "배치 (batch)"로 수신할 수 있다. 상기 애셋 데이터 플랫폼 (102)이 신호 데이터를 수신하는 방식은 애셋 유형, 신호 소스 (예를 들면, 특별한 센서/액튜에이터), 설정 세팅들, 및/또는 다양한 다른 팩터들에 종속할 수 있다. 어떤 경우에서, 상기 애셋 데이터 플랫폼 (102)은, 다른 사용들 중에서도 특히, 집성된 신호 데이터를 생성하는데 있어서 사용하기 위해 상기 수신 신호 데이터를 "실시간" 데이터베이스와 같은 제1 데이터베이스 내에 저장할 수 있다.

블록 704에서, 상기 애셋 데이터 플랫폼 (102)은 제1 시간 구간의 순간이 경과했는가의 여부를 판단할 수 있다. 정해진 시간 구간은 미리 정의된 지속 시간으로, 그 지속 시간 동안 집성된 신호 데이터를 생성하다. 그처럼, 정해진 시간 구간은 여러 초, 분, 시간, 날, 달, 년 (year) 등, 또는 그것들의 조합을 포함하도록 정의될 수 있다.

어떤 이벤트에서, 상기 애셋 데이터 플랫폼 (102)은 제1 시간 구간의 순간이 경과했는가의 여부를 다양한 방식들로 판단할 수 있다. 일 예에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제1 시간 구간의 순간이 내부 클록을 경유하여 경과하였는가의 여부를 판단할 수 있다. 다른 예에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제1 시간 구간의 순간이 미가공 신호 측정치들을 카운트함에 의해서와 같이 더욱 간접적인 방식으로 경과하였는가의 여부를 판단할 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼 (102)은 애셋 신호 데이터를 정해진 애셋에 대해 초당 한번 수신할 수 있으며, 여기에서 그 신호 데이터는 상기 정해진 애셋의 정해진 센서에 의해 측정된 값들을 포함한다. 그런 예에서, 상기 제1 시간 구간이 일 분과 같다면, 상기 애셋 데이터 플랫폼 (102)은 60개의 센서 측정치들을 수신한 이후에 제1 시간 구간이 경과했다고 판단할 수 있다. 많은 다른 예들이 가능하다.

블록 706에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제1 시간 구간의 순간에 대해 집성된 신호 데이터를 결정한다. 예를 들면, 상기 제1 시간 구간이 일 분이면, 상기 애셋 데이터 플랫폼 (102)은 그 1분 동안에 자신이 데이터를 수신했던 각 센서 및/또는 액튜에이터에 대해 집성된 신호 데이터를 결정한다.

예시의 실시예들에서, 정해진 집성된 신호 데이터는 다양한 모습들을 취할 수 있다. 일 예에서, 상기 집성된 신호 데이터는 상기 제1 시간 구간에 걸친 신호의 값을 나타내는 단일 값의 모습을 취할 수 있다. 다른 예들에서, 상기 집성된 신호 데이터는 상기 정해진 시간 구간에 대한 신호 요약의 모습을 취할 수 있다. 정해진 신호 요약은 특별한 시간 구간에 걸친 특별한 신호의 값을 나타내는 하나 또는 다수의 값들을 포함할 수 있다. 예를 들면, 정해진 신호 요약은 특별한 시간 구간에 대해 상기 신호 데이터로부터 결정되는 다음의 값들 중 하나 이상을 포함할 수 있다: 다른 가능한 것들 중에서도, 평균, 중앙, 최대, 최소, 분산, 제1 신호 데이터 값, 및/또는 마지막 신호 데이터 값.

블록 708에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제1 시간 구간에 대해 상기 집성된 신호 데이터를 하나 이상의 데이터베이스들 내에 또는 상기 제1 시간 구간에 대해 집성된 신호 데이터를 위한 하나 이상의 데이터 베이스들 (예를 들면, "1분" 집성 신호 데이터베이스) 내 로케이션에 저장할 수 있다. 대안으로, 상기 제1 시간 구간에 대한 상기 집성된 신호 데이터는 특별한 타임프레임 (예를 들면, 24시)을 위한 단일의 데이터 구조 내에 저장될 수 있으며, 여기에서 상기 단일의 데이터 구조는 상기 제1 시간 구간과는 지속 시간에 있어서 상이한 다른 시간 구간들에 대해 집성된 신호 데이터를 또한 저장할 수 있다. 어떤 이벤트에서, 그런 데이터베이스들 및/또는 데이터 구조들은 애셋 데이터 플랫폼 (102)에 관하여 로컬이거나 원격일 수 있다.

도 7b는 저장된 집성된 데이터를 포함하는 예시의 데이터 구조의 개념적인 예시를 보여준다. 이 예에서, 비록 단 45초 가치의 집성된 데이터가 도시되었지만, 상기 애셋 데이터 플랫폼 (102)은 특별한 타임프레임 (예를 들면, 24시간)에 대해 집성된 데이터를 단일의 데이터 구조 (예를 들면, 단일의 데이터 테이블) 내에 저장한다. 다른 예들에서, 상기 애셋 데이터 플랫폼 (102)은 특별한 해상도 시간 (예를 들면, 시간 구간)에 대해 집성된 데이터를, 집성의 그 입상도에 전용인 데이터 구조 또는 데이터베이스 내에 저장할 수 있다.

도 7b에서 보이듯이, 데이터 테이블 (750)은 입상도 컬럼 (752), 시작 시각 컬럼 (754), 신호 요약 컬럼 (756), 및 복수의 셀들 (758)을 포함한다. 상기 데이터 테이블 (750)의 각 로우는 정해진 집성에 대응한다. 컬럼 (752) 내의 각 셀 (758)은 상기 정해진 집성의 특별한 입상도 (즉, 해상도)를 식별한다. 예를 들면, 제1 로우 내의 셀은 5초의 가치의 신호 데이터와 같은 제1 입상도 ("G₁")를 가지며, 제4 로우 내의 셀은 15초의 가치의 신호 데이터와 같은 제2 입상도 ("G₂")를 가지며, 그리고 제9 로우 내의 셀은 30초의 가치의 신호 데이터와 같은 제3 입상도 ("G₃")를 가진다.

컬럼 (754) 내 각 셀 (758)은 상기 정해진 집성이 표시하는 상기 신호 데이터의 시작 시각을 식별하며, 그리고 컬럼 (756) 내 각 셀 (758)은 집성된 신호 데이터에 대한 신호 요약을 저장한다. 예를 들면, 제1 로우 및 컬럼 (756)이 교차하는 셀은 T₀ 에서 시작하여 T₀+G₁ 까지의 타임프레임으로부터 신호 데이터 (즉, 처음 5초 가치의 신호 데이터)에 대한 신호 요약 (예를 들면, 최소, 최대, 평균, 및 중앙 신호 값들)을 저장한다. 다른 예로서, 제2 로우 및 컬럼 (756)이 교차하는 셀은 T₁ 에서 시작하여 T₁+G₁ 까지의 타임프레임으로부터 신호 데이터 (즉, 두 번째 5초 가치의 신호 데이터)에 대한 신호 요약을 저장한다. 유사하게, 제4 로우 및 컬럼 (756)이 교차하는 셀은 T₀ 에서 시작하여 T₀+G₁₂까지의 타임프레임으로부터 신호 데이터 (즉, 첫 번째 15초 가치의 신호 데이터)에 대한 신호 요약을 저장한다. 마찬가지로, 제9 로우 및 컬럼 (756)이 교차하는 셀은 T₀ 에서 시작하여 T₀+G₃ 까지의 타임프레임으로부터 신호 데이터 (즉, 처음 30초 가치의 신호 데이터)에 대한 신호 요약을 저장한다. 도 7b에서 보이는 데이터 테이블 (750)은 집성된 신호 데이터를 저장하는 데이터 구조의 일 예일 뿐이다. 다른 예들이 또한 가능하다.

도 7a로 돌아가면, 상기 애셋 데이터 플랫폼 (102)은 이용 가능한 메모리를 보존하기 위해서 집성된 신호 데이터를 결정하는 기초를 형성했던 신호 데이터를 원격 저장부에 옵션으로 보관할 수 있으며 그리고/또는 자신의 로컬 메모리로부터 영구적으로 제거할 수 있다. 예시의 실시예들에서, 상기 애셋 데이터 플랫폼 (102)은 집성된 신호 데이터를 결정하는 것에 기반하여 그런 동작들을 수행할 수 있다. 즉, 집성된 신호 데이터를 결정하는 기초를 형성했던 상기 신호 데이터는 보존될 수 있으며 그리고/또는 상기 집성의 부산물로서 로컬 메모리로부터 제거될 수 있다. 다른 예시의 실시예들에서, 이 동작들은, 다른 가능한 것들 중에서도, 다른 시간 구간 (예를 들면, 한 시간, 하루, 30일 등)이 지나간 이후에만 수행될 수 있다.

블록 712에서, 상기 애셋 데이터 플랫폼 (102)은 제2 시간 구간의 순간 (즉, 제2 시간 해상도)이 경과되었는가의 여부를 판단할 수 있다. 예를 들면, 이전에 언급된 예에 비추어보면, 상기 제1 시간 구간이 일 분이라면, 상기 제2 시간 구간은 60개의 분의 순간들로 구성된 한 시간일 수 있다. 어떤 이벤트에서, 상기 애셋 데이터 플랫폼 (102)은 제2 시간 구간이 경과했는가의 여부를 블록 704와 비슷하게 판단할 수 있다 대안으로, 특별한 예에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제2 시간 구간이 경과했는가의 여부를 이전에 계산된 집성된 신호 데이터 값들의 개수에 기초하여 판단할 수 있다. 예를 들면, 위에서의 예를 계속하면, 상기 애셋 데이터 플랫폼 (102)은 그 시간에 대해 60개의 일-분 집성된 신호 데이터가 계산된 이후에 그 시간이 경과했다고 판단할 수 있다. 다른 가능한 것들이 존재한다.

블록 714에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제2 시간 구간의 순간에 대해 집성된 신호 데이터를 결정할 수 있다. 예시의 실시예들에서, 상기 제2 시간 구간에 대한 상기 집성된 신호 데이터는 상기 제2 시간 구간에 걸쳐 블록 702에서 수신된 신호 데이터에 기반할 수 있으며 그리고 블록 706에 따라 결정될 수 있다. 다른 실시예들에서, 상기 제2 시간 구간에 대한 상기 집성된 신호 데이터는 상기 제2 시간 구간에 의해 포함된 상기 제1 시간 구간에 대해 이전에 계산된 집성된 신호 데이터 값들을 기반으로 할 수 있다. 예를 들면, 한 시간에 대한 집성된 신호 데이터는 그 시간을 구성하는 60분의 집성된 신호 데이터에 기반하여 결정될 수 있다. 다른 에들이 또한 가능하다.

블록 708과 유사하게, 블록 716에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제2 시간 구간에 대한 집성된 신호 데이터를 하나 이상의 데이터베이스들 내에 또는 상기 제2 시간 구간에 대해 집성된 신호 데이터를 위한 하나 이상의 데이터베이스들 (예를 들면, 그 "시간" 집성된 신호 데이터베이스) 내 로케이션에 저장할 수 있다. 대안으로, 상기 제2 시간 구간에 대해 집성된 신호 데이터는 상기 제1 시간 구간에 대한 집성된 신호 데이터가 저장되었던 곳인 동일한, 단일의 데이터 구조 내에 저장될 수 있다. 예를 들면, 도 7b로 돌아가면, 상기 데이터 테이블 (750)로부터의 제4 로우의 데이터는 블록 (716)의 결과로서 저장될 수 있다. 어떤 이벤트에서, 상기 데이터베이스들 및/또는 데이터 구조들은 상기 애셋 데이터 플랫폼 (102)에 관해 로컬이거나 원격일 수 있다.

블록 718에서, 상기 애셋 데이터 플랫폼 (102)은 상기 제2 시간 구간에 의해 포함되었던 상기 제1 시간 구간의 순간에 대응하는 집성된 신호 데이터를 로컬 메모리에 옵션으로 보관하며 그리고/또는 로컬 메모리로부터 영구적으로 삭제하도록 구성될 수 있다. 대안으로, 이 동작들 중 하나 또는 둘 모두는 집성된 신호 데이터 값의 "나이"와 같은 여러 다른 팩터들에 의해 트리거될 수 있다. 예를 들면, 어떤 나이 (예를 들면, 60일)를 초과하는 집성된 신호 데이터는 보존되고 그리고/또는 영구적으로 삭제될 수 있다. 다른 예에서, 집성된 신호 데이터를 다루는 것은 그 집성된 신호 데이터가 포함된 집성된 데이터베이스 (즉, 그런 데이터가 대응하는 시간 구간)에 종속할 수 있다. 예를 들면, 일분에 대응하는 집성된 신호 데이터 값들 하루 후에 삭제될 수 있으며, 반면에 한 시간에 대응하는 집성된 신호 데이터 값들은 일 주 후에 삭제될 수 있다. 집성된 신호 데이터 값들을 보존 및/또는 삭제하는 것은 다양한 다른 방식들로 트리거될 수 있다.

블록 720에서 표시되었듯이, 상기 방법 (700)은 참조번호 702 - 718을 참조하여 설명된 기능들에 유사한 방식으로 여러 개수의 시간 구간들 (예를 들면, 하루, 한 달, 일 년 등)에 대해 계속할 수 있다. 예를 들면, 도 7b로 돌아가면, 상기 데이터 테이블 (750)로부터의 제9 로우의 데이터는 상기 방법 (700)이 블록 720을 지나 계속되었고 G₃ 와 동등한 시간 해상도에 대한 집성들을 처리했을 때에 저장될 수 있다.

도 8은 상호작용 시각화 툴의 타임라인을 채우기 위한 예시의 방법 (800)을 도시하는 예시의 흐름도이다. 블록 802에서, 상기 애셋 데이터 플랫폼 (1020은 상기 상호작용 시각화 툴에서 만들어진 하나 이상의 선택들을 표시하는 데이터의 모습을 취하는 시각화 파라미터들을 수신할 수 있다. 예시의 실시예들에서, 상기 시각화 파라미터들은, 다른 가능한 것들 중에서도, 하나 이상의 관심대상 애셋들, 하나 이상의 이벤트 유형들 (예를 들면, 트리거된 비정상-상태 표지자들의 특별한 유형, 유체 분석 이벤트들, 진단 이벤트들 등), 관심대상 타임프레임, 또는 그것들의 임의 조합을 식별할 수 있다.

실제로, 상기 애셋 데이터 플랫폼 (102)은 상기 상호작용 시각화 툴에서 하나 이상의 사용자 입력들에 기반하여 상기 시각화 파라미터들을 수신할 수 있다. 하나의 특별한 예에서, 사용자는 자신의 컴퓨팅 디바이스 (예를 들면, 클라이언트 스테이션 (112))에서 상기 상호작용 시각화 툴을 먼저 시작할 수 있으며, 그리고 그 후에 상기 상호작용 시각화 툴은 위에서 설명된 하나 이상의 선택들을 표시하는 하나 이상의 입력들을 수신할 수 있다. 그런 입력들에 기반하여, 상기 상호작용 시각화 툴은 상기 애셋 데이터 플랫폼 (102)에게 상기 선택들을 나타내는 데이터를 송신할 수 있다.

예시의 실시예들에서, 상기 애셋 데이터 플랫폼 (102)은 티폴트 관심대상 타임라인 (예를 들면, 마지막 24 시간)을 활용하도록 구성될 수 있다. 몇몇의 예들에서, 상기 애셋 데이터 플랫폼 (102)이 관심대상 타임프레임 선택을 표시하는 데이터를 수신하는 이벤트에서, 상기 애셋 데이터 플랫폼은 디폴트 관심대상 타임프레임 대신에 상기 선택된 관심대상 타임프레임을 활용하도록 구성될 수 있다. 다른 예들도 또한 가능하다.

블록 804에서, 상기 애셋 데이터 플랫폼 (102)은 그 관심대상 타임프레임 내에서 발생했던 하나 이상의 이벤트 유형들에 부합하는 이벤트들의 순간들을 식별할 수 있으며, 이는 다양한 방식들로 수행될 수 있다. 이 동작의 일 예로서, 상기 애셋 데이터 플랫폼 (102)은, 상기 선택된 이벤트 유형들에 부합하는 애셋 이벤트들 발생을 식별하기 위해서 애셋 관련 데이터를 포함하는 하나 이상의 데이터베이스들에 상기 애셋 데이터 플랫폼 (102)으로 하여금 액세스하도록 하는 블록 802에서 수신된 상기 시각화 파라미터들에 기반하여 질의를 생성할 수 있다. 다른 예에서, 상기 상호작용 시각화 툴은 상기 수신된 선택들에 기반하여 질의를 생성하며 그리고 그 후에 그 생성된 질의를 상기 애셋 데이터 플랫폼 (102)에게 전송하도록 구성될 수 있다.

하나의 특별한 구현에서, 상기 생성된 질의에 기반하여, 상기 애셋 데이터 플랫폼 (102)은, 상기 선택된 이벤트 유형들의 이벤트들이 특별한 애셋 또는 애셋들의 그룹에 대해 발생했던 관심대상 타임프레임 내 순간들을 식별하기 위해서, 이벤트 스냅샷 데이터를 포함하는 하나 이상의 데이터베이스들에 먼저 액세스할 수 있다. 특히, 일 예시의 경우에, 상기 애셋 데이터 플랫폼 (102)은 하나 이상의 이벤트 스냅샷 데이터베이스들에 액세스하고, 상기 선택된 이벤트 유형들 중 어느 하나에 부합하는 이벤트들의 발생들을 식별하고, 그리고 그 후에 그 식별된 발생들을 상기 관심대상 타임프레임에 의해 필터링할 수 있다. 다른 예들에서, 상기 애셋 데이터 플랫폼은 상기 관심대상 타임프레임 내 이벤트 스냅샷 데이터를 대신에 식별하고 그리고 상기 선택된 이벤트 유형들 중 어느 하나에 부합하는 이벤트들의 발생들을 그 후에 식별할 수 있다. 다른 예들이 또한 가능하다.

블록 806에서, 상기 애셋 데이터 플랫폼 (102)은 이벤트들의 식별된 순간들에 대한 이벤트 스냅샷 데이터를 획득할 수 있다. 상기 인출된 이벤트 스냅샷 데이터에 기반하여, 상기 애셋 데이터 플랫폼 (102)은, 다른 가능한 것들 중에서도, 정해진 이벤트가 발생했던 시각, 관련 신호 소스들 (예를 들면, 특별한 센서들 및/또는 액튜에이터들), 및/또는 (예를 들련, 도 6의 블록 606으로부터의) 관련 신호 데이터와 같은 각 이벤트 발생의 추가적인 특성들을 식별할 수 있다.

그러면 상기 애셋 데이터 플랫폼 (102)은 집성된 신호 데이터처럼 추가의 신호 데이터를 획득하기 위해 상기 이벤트 스냅샷 데이터로부터 식별된 추가적인 특성들을 활용할 수 있다. 일 예시의 실시예로서, 상기 애셋 데이터 플랫폼 (102)은 tl-tlO의 정해진 타임프레임 내에서 엔진 셧다운에 관련된 인출된 이벤트 스냅샷 그리고 상기 셧다운 이벤트가 그 이벤트 발생에 관련된 관련 신호 소스들 (예를 들면, 엔진 온도 센서 및 냉각수 센서)에 추가로 t5에서 발생했다는 것을 표시하는 추가의 식별된 특성들을 가질 수 있다. 상기 식별된 특성들에 기반하여, 상기 애셋 데이터 플랫폼 (102)은 하나 이상의 집성된 신호 데이터베이스들 및/또는 데이터 구조를 검색하기 위해 제2 질의를 그 후에 생성할 수 있다.

블록 808에서, 상기 애셋 데이터 플랫폼 (102)은 상기 인출된 이벤트 스냅샷 데이터에 대응하는 이벤트들에 관련된 집성된 신호 데이터를 획득할 수 있다. 일반적으로, 이 동작은 특별한 데이터베이스 (예를 들면, 특별한 시간 해상도에 대해 집성된 신호 데이터를 저장하는 데이터베이스) 또는 데이터 구조에 액세스하는 상기 애셋 데이터 플랫폼 (102)을 수반할 수 있다. 몇몇의 예시의 실시예들에서, 이 동작은 상기 제2 질의에 기반할 수 있다. 다른 예시의 실시예들에서, 이 동작은 상기 제2 질의에 독립적인 관심대상 타임프레임에 기반할 수 있다. 어떤 이벤트에서, 상기 이전의 예를 계속하면, 상기 애셋 데이터 플랫폼 (102)은 상기 타임프레임 tl-tlO 내에 발생하는 상기 엔진 온도 센서 및 상기 냉각수 센서에 대한 집성된 신호 데이터를 획득할 수 있다.

몇몇의 실시예들에서, 상기 애셋 데이터 플랫폼 (102)은 상기 인출된 이벤트 스냅샷 데이터의 상기 캡처된 신호 데이터와 일시적으로 겹치지 않는 집성된 신호 데이터만을 획득할 수 있다. 위의 예를 계속하면, 상기 인출된 이벤트 스냅샷 데이터의 상기 캡처된 신호 데이터가 t4-t6 (예를 들면, 상기 엔진 셧다운 이벤트 이전 및 이후의 일초) 사이에 냉각수 및 엔진 온도 측정치들을 포함한다고 가정한다. 상기 애셋 플랫폼이 t4-t6 시간들에 대한 신호 데이터를 이미 가지고 있기 때문에, 상기 애셋 플랫폼 (102)은 tl-t3 및 t7-tl0 으로부터의 냉각수 및 엔진 온도 측정치들에 대한 집성된 신호 데이터만을 인출할 수 있다. 전술한 예는 설명의 목적으로만 제공되었으며 수많은 다른 예들이 마찬가지로 존재하는 한 한정하는 것으로 해석되지 않아야 한다.

예시의 실시예들에서, 상기 애셋 데이터 플랫폼 (102)은 집성된 신호 데이터를 관심대상 타임프레임에 적어도 부분적으로 기반하여 인출할 수 있다. 이런 면에서, 상기 애셋 데이터 플랫폼 (102)은 상기 관심대상 타임프레임을 집성된 신호 데이터를 획득하는 목적을 위해 생성된 상기 제2 질의에 통합할 수 있다. 예를 들면, 상기 애셋 플랫폼 (102)은 상기 제2 질의에 의해 식별된 각 관련 신호 소스에 대해, 몇 시간을 포함하는 관심대상 타임프레임에 대해 집성된 분 신호 데이터, 며칠을 포함하는 관심대상 타임프레임에 대해 집성된 시간 신호 데이터, 수주 (few weeks)를 포함하는 관심대상 타임프레임에 대해 집성된 매일의 신호 데이터 등을 획득하도록 구성될 수 있다. 다양한 다른 조합들이 가능하며 그리고 사용자 또는 시스템이 정의한 세팅 설정들을 기반으로 할 수 있다.

몇몇의 예시의 실시예들에서, 상기 애셋 데이터 플랫폼 (102)은 관심대상 타임프레임에 대한 시간 단위에 기반하여, 집성된 신호 데이터를 획득하도록 구성될 수 있다. 예를 들면, 상기 관심대상 타임프레임이 어떤 범위의 날들이면, 상기 애셋 데이터 플랫폼은 하루 집성된 신호 데이터베이스로부터 집성된 신호 데이터를 획득하도록 구성될 수 있으며, 반면에 상기 관심대상 타임프레임이 어떤 범위의 시간들이면, 상기 애셋 데이터 플랫폼은 시간 집성된 신호 데이터베이스로부터 집성된 신호 데이터를 획득하도록 구성될 수 있다. 다른 예들이 또한 가능하다.

블록 810에서, 상기 애셋 데이터 플랫폼 (102)은 상기 상호작용 시각화 툴로 하여금 상기 애셋 이벤트의 순간들 및 상기 집성된 신호 데이터의 시각적인 표현을 디스플레이하게 할 수 있다. 예시의 실시예들에서, 이 동작은 블록 806 및 808에서 인출된 집성된 신호 데이터 및 상기 이벤트 스냅샷 데이터에 적어도 부분적으로 기반하여 상기 상호작용 시각화 툴에서 타임라인 뷰의 준비 및 표현을 용이하게 하는 상기 애셋 데이터 플랫폼을 수반할 수 있다. 즉, 상기 애셋 데이터 플랫폼 (102)은 그래픽 사용자 인터페이스로 하여금 상기 애셋 이벤트 및 신호 데이터의 시각적인 표현을 디스플레이하도록 할 수 있다. 일반적으로, 시각화 파일 또는 유사한 것을 상기 상호작용 시각화 툴을 실행하는 클라이언트 스테이션에 의해 렌더링가능한 포맷으로 생성함으로써, 상기 애셋 데이터 플랫폼 (102)은 타임라인 뷰를 표현하는 것을 용이하게 할 수 있다. 몇몇의 경우들에서, 상기 애셋 데이터 플랫폼 (102)은 특별한 순간에 대한 타임라인을 하이퍼텍스트 마크업 언어와 같은 다양한 포맷들로 인코딩하여 준비할 수 있으며, 이는 html 코드, 스크립트 코드, 및/또는 이미지 파일들을 포함하는 데이터 시각화 파일로서 클라이언트 스테이션으로 전송될 수 있다. 다른 예들이 또한 가능하다.

어떤 이벤트에서, 클라이언트 스테이션 (112)처럼 상기 상호작용 시각화 툴을 실행시키는 컴퓨팅 디바이스는 시각화 파일을 읽고 그리고 상기 타임라인 뷰의 시각화를 표현하게 하도록 작동 가능하다. 다른 예들에서, 상기 애셋 데이터 플랫폼 (102)은 상기 인출된 이벤트 스냅샷 데이터 및 집성된 신호 데이터를 나타내는 데이터를 준비 및 표현 둘 모두를 위해 상기 상호작용 시각화 툴을 실행시키는 컴퓨팅 디바이스에게 전송할 수 있다. 추가적으로 또는 대안으로, 상기 타임라인 뷰의 시각화 준비는 서버와 같은 하나 이상의 중개 디바이스들을 수반할 수 있으며, 그리고 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자에게 알려진 여러 방식들로 달성될 수 있다.

실제로, 상기 상호작용 시각화 툴은 타임라인이 여러 모습들로 디스플레이되도록 할 수 있다. 예시의 실시예들에서, 상기 상호작용 시각화 툴은 다른 예들 중에서도 선택된 타임프레임, 이벤트 유형들, 이벤트 순간들, 및/또는 신호 데이터 표현들을 디스플레이할 수 있다. 몇몇의 경우들에서, 이벤트 순간들 및 대응 신호 데이터는 단일의 구획 내에 겹쳐서 디스플레이될 수 있으며 또는 공통의 타임라인 축을 공유하는 상이한 구획들 내에 분리될 수 있다. 어느 한 경우에, 상기 이벤트 순간들 및 신호 데이터는, 그 신호 데이터와 이벤트 순간들이 겹쳐서 또는 서로에게 분리되어 디스플레이되는 다중 y-축 접근 방식을 활용하여 디스플레이될 수 있다. 유사하게, 각 식별된 이벤트 유형의 이벤트 순간들은 단일의 구획 내에 디스플레이될 수 있으며 또는 분리된 구획들이 각 이벤트 유형의 이벤트 순간들을 위해 디스플레이될 수 있다. 다른 예들이 분명히 가능하다.

추가로, 상기 상호작용 시각화 툴은 동적으로 강조될 수 있으며 또는 그렇지 않고 잠재적으로 사용자에게 흥미있을 것으로 간주될 수 있는 특별한 신호 데이터 및/또는 이벤트 순간들을 표시할 수 있으며, 이는 상기 애셋 데이터 플랫폼 (102)에 의해 실행되는 분석들에 기반할 수 있다. 상기 상호작용 시각화 툴은 다양한 다른 레이아웃들로 상기 타임라인 뷰를 표현할 수 있으며 그리고 추가의 인터페이스 요소들을 통합할 수 있다.

도 9 - 도 11은 상기 상호작용 시각화 툴에 의해 디스플레이될 수 있는 예시의 그래픽 사용자 인터페이스들이다. 도 9 - 도 11은 예시 및 실례의 목적으로만 제시된 것이며 한정하는 것으로 해석되지 않아야 한다. 상기 상호작용 시각화 툴은 타임라인 뷰를 위에서 다루어진 것들처럼 아주 다양한 모습들로 표현하는 것을 용이하게 할 수 있다. 또한, 상기 타임라인 뷰는 도 9 - 도 11에서 표현된 요소들보다 더 적은 또는 추가적인 요소들을 포함할 수 있다.

도 9는 빈 타임라인을 디스플레이하는 예시의 인터페이스 (900)이다. 동작 시에, 사용자는 타임라인 구획 (903) 내에 무엇이 표현되어야 하는가를 정의하기 위해 다양한 선택들을 하기 위해 인터페이스 부 (902)를 활용할 수 있다. 예를 들면, 사용자는 드롭다운 메뉴 (904)로부터 하나 이상의 이벤트 유형들 (예를 들면, 애셋 셧다운, 재시작, 진단 동작, 유체 검사, 수리, 비정상-상태 표시자들 등)을 선택하고 날짜 필드들 (906) 내에 관심대상 시간프레임을 입력할 수 있다. 상기 인터페이스 부 (902)는 디스플레이 기준의 다른 모습들에 대응하는 다양한 다른 필드들 및 메뉴들을 포함할 수 있다. 이 예시의 인터페이스 (900)에서 보이듯이, 상기 타임라인 구획 (903)은 타임라인 축 및 다수의 이벤트 순간 축들을 포함하며, 그것들 각각은 채워지지 않았다. 다른 예들에서, 채워지지 않은 타임라인 구획은 디스플레이되지 않을 수 있다.

상기 예시의 인터페이스 (900)는 채워지지 않은 이벤트 선택 부 (908)를 또한 디스플레이한다. 실제로, 일단 상기 타임라인 구획 (903)이 상기 인터페이스 부 (902)를 경유하여 만들어진 선택들에 기반하여 채워지면, 상기 이벤트 선택 부 (908)는 그 선택된 타임 프레임 내 발생된 이벤트들의 특정 발생들의 목록을 포함할 수 있으며, 이는 이벤트 이름으로 디스플레이될 수 있다 (예를 들면, 엔진 1 셧다운, 브레이크 검사, 트랜스미션 유체 검사 등). 추가로 또는 대안으로, 인터페이스 부 (908)는 그 선택된 타임 프레임 내에 발생했던 것으로 판단된 각 개별 이벤트 순간에 관련된 신호 유형들 (예를 들면, 센서 및/또는 액튜에이터 데이터)의 목록을 디스플레이하기 위해 사용될 수 있다. 일단 상기 이벤트 선택 부 (908)가 채워지면, 사용자는 그 타임라인 구획 (903) 내에 디스플레이된 정보를 필터링 및/또는 확장의 목적들을 위해 하나 이상의 이벤트 이름들 및/또는 관련 신호 데이터를 선택하거나 선택해제 할 수 있다.

인터페이스 부 (902)가 하나 이상의 선택들을 하기 위해 활용된 이후에, 사용자는 상기 타임라인 구획 (903)이 채워져야만 한다는 것을 표시하는 추가의 입력을 더 제공할 수 있다. 예를 들면, 사용자는 상기 상호작용 시각화 툴을 실행시키는 클라이언트 스테이션으로 하여금 질의를 생성하라는 요청을 또는 질의를 상기 애셋 데이터 플랫폼 (102)에게 송신하도록 하기 위해 "업데이트 (Update)" 버튼을 선택할 수 있다. 상기 타임라인 구획 (903)은 상기 하나 이상의 선택들에 적어도 부분적으로 기초하여 도 8을 참조하여 설명된 방식으로 그 후에 준비되고 제시될 수 있다. 다른 예들에서, 상기 타임라인 구획 (903) 및/또는 상기 이벤트 선택 부 (908)는 (예를 들면, 사용자가 상기 "업데이트 (Update)" 버튼을 선택할 것을 필요로 하지 않으면서) 사용자가 상기 인터페이스 부 (902)에서 선택들을 하면 점진적으로 채워질 수 있다. 다른 가능한 것들이 또한 존재할 수 있다.

도 10은 도 9의 인터페이스 부 (902) 자리에 디스플레이될 수 있는 채워진 타임라인 구획 (1003)을 디스플레이하는 예시의 인터페이스 부 (1002)이다. 보이듯이, 상기 인터페이스 부 (1002)는 다른 가능한 이전에 만들어진 선택들 중에서도 이벤트 유형들 (예를 들면, Event Type 1, Event Type 2) 및 관심대상 타임프레임 (예컨데, 12/01/15-12/31/15)과 같은 도 9의 인터페이스 부 (902)를 경유하여 만들어진 하나 이상의 사용자 선택들의 표시를 디스플레이할 수 있다. 추가로, 상기 인터페이스 부 (1002)는 상기 선택된 타임프레임 동안에 발생된 이벤트 유형들 중 특정 이벤트 발생들의 표시를 디스플레이할 수 있다 (예를 들면, Event Name 1, Event Name 2).

상기 타임라인 구획 (1003)은 하나 이상의 사용자 선택들 및/또는 결정된 이벤트 순간들에 관한 데이터를 나타내는 시각화들을 포함하는 다양한 영역들을 디스플레이할 수 있다. 도시된 것처럼, 상기 타임라인 구획 (1003)은 상기 선택된 타임프레임이 디스플레이될 수 있는 타임 축 (1008)을 포함하며, 각각이 이벤트 발생들의 하나 이상의 표시들 (1006)을 디스플레이할 수 있는 하나 이상의 이벤트 순간 축들 (1004), 그리고 상기 이벤트 발생들에 관련된 하나 이상의 측정치들을 디스플레이하기 위한 하나 이상의 신호 플롯들 (1010)을 포함한다.

특히, 도 10은 사용자가 두 개의 이벤트 유형들 (예를 들면, Event Type 1, Event Type 2), 그리고 2015년 12월이라는 관심대상 타임프레임을 선택한 상황을 도시한다. 그런 선택들에 기반하여, 상기 애셋 데이터 플랫폼 (102)은 상기 선택된 타임프레임 동안에 발생했던 상기 선택된 이벤트 유형들인 두 개의 특정 이벤트들 (예를 들면, Event Name 1, Event Name 2)의 식별된 순간들을 구비할 수 있다. 도 8을 참조하여 설명되었듯이, 상기 애셋 데이터 플랫폼 (102)은 상기 이벤트들의 상기 식별된 발생들에 관련된 특별한 신호 유형들을 상기 이벤트 스냅샷 데이터로부터 추가적으로 결정할 수 있다. 간략함을 위해서, 도 10의 목적들을 위해, 상기 애셋 데이터 플랫폼 (102)이 상기 선택된 타임프레임 내에서 발생했던 각 특정 이벤트 이름에 관련될 단일의 신호 유형만을 결정했다고 가정할 수 있다. 즉, 센서 1 (Sensor 1)은 이벤트 이름 1 (Event Name 1)에 관련될 수 있으며 그리고 센서 2 (Sensor 2)는 이벤트 이름 2 (Event Name 1)에 관련될 수 있다. 그러나, 각 특정 이벤트는 어떤 개수의 신호 유형들에도 관련될 수 있다는 것이 이해되어야 한다.

이전에 설명되었듯이, 상기 애셋 데이터 플랫폼 (102)은 선택된 타임 프레임 내에서 발생한 이벤트들에 관련된 집성된 신호 데이터 값들 및 이벤트 스냅샷을 인출함으로써 상기 타임라인 뷰의 준비 및 표시를 용이하게 할 수 있다. 이런 면에서, 상기 타임라인 구획 (1003)은 상기 인출된 이벤트 스냅샷 데이터 및 집성된 신호 데이터 값들의 표현들을 시각적으로 구별될 수 있는 방식으로 디스플레이할 수 있다. 도 10에서 보이듯이, 센서 플롯들 (1010)은 참조번호 1012처럼 연속하는 데이터 부분들을 포함할 수 있으며, 이는 이벤트 발생의 시점에서 또는 그 주변에서 캡처된 이벤트 스냅샷 데이터에 대응할 수 있으며, 그리고 상기 이벤트 발생에 관련되며 상기 선택된 타임프레임 내의 집성된 신호 데이터에 대응할 수 있는 불연속 데이터 부분들을 포함할 수 있다. 도 10의 예시의 인터페이스에서, 이벤트 순간 축들 (1004) 상에 표시된 이벤트 이름 1 (Event Name 1) 및 이벤트 이름 2 (Event Name 2)의 각 개별 이벤트 순간은 센서 1 (Sensor 1) 및 센서 2 (Sensor 2)에 대한 신호 플롯들 상에 디스플레이된 이벤트 스냅샷에 각각 대응한다.

다른 예들에서, 상기 타임라인 구획 (1003)은 상기 인출된 이벤트 스냅샷 및 집성된 신호 데이터의 표현들을 시각적으로 구별될 수 있는 방식으로 디스플레이할 수 있다. 즉, 상기 센서 플롯들 (1010)은 상기 인출된 데이터의 표현들을 연속 방식으로 (즉, 끊어지지 않은 또는 그렇지 않다면 "평탄한" 플롯으로) 디스플레이할 수 있다. 상기 애셋 데이터 플랫폼 (102) 및/또는 상기 상호작용 시각화 툴을 실행시키는 컴퓨팅 디바이스는 상기 인출된 이벤트 스냅샷 및/또는 집성된 신호 데이터 값들에 임의 개수의 커브-피팅 기술들을 적용함으로써 "평탄한" 플롯 표현을 용이하게 할 수 있다.

도 10의 예시의 인터페이스는 상기 상호작용 시각화 툴이 어떻게 타임라인을 표현할 수 있는가의 단지 한 예일 뿐이다. 이전에 다루어진 것처럼, 이벤트 순간 축들 (1004) 상에 표시된 이벤트 순간들 및 단일 플롯들 (1010) 상에 표시된 신호 데이터는 서로에게 겹쳐서 디스플레이될 수 있으며, 다중 y-축 접근방식을 활용한다. 또한, 상기 타임라인 뷰는 임의 개수의 이벤트 순간 축들 및/또는 관련된 신호 데이터 플롯들을 통합할 수 있다.

더욱이, 디스플레이되는 상기 집성된 신호 데이터를 또한 변경하면서, 상기 인터페이스 부 (1002)는 스크럽 (scrub) 바 그리고 디스플레이된 타임라인을 줌 인 또는 아웃하기 위해 선택 가능할 수 있는 상기 타임라인 구획 (1003)과 연관된 스크러버 (scrubber) 요소 (1014)를 더 디스플레이할 수 있다. 본질적으로, 상기 스크러버 요소는 상기 애셋 데이터 플랫폼 (102)으로 하여금 집성된 신호 데이터의 상이한 세트에 액세스하도록 할 수 있다.

도 10에서 보이듯이, 상기 타임라인 구획 (1003)이 처음에 채워질 때에 상기 스크러버 요소 (1014)는 상기 스크럽 바의 중앙에 배치될 수 있다. 위에서 설명되었듯이, 상기 애셋 데이터 플랫폼 (102)은 상기 선택된 타임프레임에 적어도 부분적으로 기반하여 상기 관련된 집성된 신호 데이터를 인출할 수 있다. 예를 들면, 도 9로부터, 상기 상호작용 시각화 툴은 한 달 (예를 들면, 2015년 12월)의 타임프레임 선택을 수신했을 수 있다. 이 선택된 타임프레임에 응답하여, 상기 애셋 데이터 플랫폼 (102)은 하루 집성된 신호 데이터베이스로부터 또는 상기 타임라인 구획 (1003)을 채우는데 있어서 사용하기 위한 하나 이상의 데이터 구조들로부터의 하루-입상도 엔트리들로부터 관련된 하루 집성된 신호 데이터를 인출할 수 있다. 하나의 실례가 되는 예로서, 도 7b로 돌아가면, 상기 애셋 데이터 플랫폼 (102)은 "G₂"의 입상도를 가진 각 로우로부터의 데이터 테이블 (750)로부터 집성된 신호 데이터를 획득할 수 있다. 다양한 다른 가능한 것들이 또한 존재할 수 있다. 그러나, 상기 스크러버 요소 (1014)의 선택을 표시하는 입력은 상기 애셋 데이터 플랫폼 (102)으로 하여금 상이한 입상도의 시간에 대응하는 상이한 집성된 신호 데이터를 (예를 들면, 상기 하루 집성된 신호 데이터베이스가 아니라 집성된 신호 데이터베이스로부터) 인출하도록 할 수 있다.

도 11은 도 10의 스크러버 요소 (1014)로의 입력으로부터 비롯된 예시의 인터페이스 부 (1102)를 도시한다. 도 11에서 보이듯이, 상기 상호작용 시각화 툴은 스크러버 요소 (1014)로의 입력을 수신하여, 상기 스크러버 요소 (1014)가 스크럽 바 상의 오른쪽으로 이동되는 것으로 디스플레이되도록 한다. 또한, 상기 입력에 응답하여, 상기 상호작용 시각화 툴은 도 10으로부터의 디스플레이된 타임라인의 뷰를 줌 인하여 타임라인 구획 (1103) 내에 디스플레이되도록 한다. 특히, 다른 예들이 또한 가능하지만, 상기 타임라인 구획 (1103)은 상기 처음에 선택된 타임프레임 (예를 들면, 2015년 12월) 내 특별한 날의 하루 뷰를 줌 인하여 디스플레이한다. 그런 예에서, 상기 스크러버 요소 (1014)로의 수신된 줌 입력은 상기 애셋 데이터 플랫폼 (102)으로 하여금, 시간 집성된 신호 데이터를 한시간 집성된 신호 데이터베이스로부터 또는 상기 줌 인된 타임라인 뷰 준비 및 표시를 용이하게 하는데 있어서 사용될 하나 이상의 데이터베이스 구조들로부터의 시간-입상도 엔트리들로부터 인출하도록 할 수 있다. 실례가 되는 예로서, 도 7b로 돌아가면, 상기 애셋 데이터 플랫폼 (102)은 "G₁"의 입상도를 가진 각 로우로부터의 데이터 테이블 (750)로부터 집성된 신호 데이터를 획득할 수 있다. 비슷하게, 줌 아웃 동작 (도시되지 않음)은 상기 애셋 데이터 플랫폼 (102)으로 하여금 또 다른 집성된 신호 데이터베이스 또는 하나 이상의 데이터 구조들로부터의 상이한 엔트리들에 액세스하도록 할 수 있으며 그리고 더 긴 지속 시간 (예를 들면, 6개월, 1년 등)에 대해 계산된 집성된 데이터 값들이 디스플레이되도록 할 수 있다. 실례가 되는 예로서, 도 7b로 돌아가면, 상기 애셋 데이터 플랫폼 (102)은 줌 아웃 동작의 결과로서 "G₃"의 입상도를 가지는 각 로우로부터 집성된 신호 데이터에 상기 데이터 테이블 (750)로부터 액세스할 수 있다.

또한, 몇몇의 예들에서, 스크러버 요소로의 입력은 집성된 신호 데이터의 새로운 세트 인출 및 디스플레이의 결과가 되지 않을 수 있다. 그런 예들은 예를 들면 집성된 신호 데이터의 다른 세트가 더 이상 이용 가능하지 않는다면 발생할 수 있다. (예를 들면, 그런 데이터는 보존되었으며 그리고/또는 영구적으로 제거되었기 때문이다). 이 상황에서, 상기 상호작용 시각화 툴은 여전히 입력을 수신하여, 상기 타임라인이 줌 인 또는 줌 아웃되도록 할 수 있지만, 상기 센서 플롯들에서 활용된 상기 집성된 신호 데이터는 동일하게 남아있을 수 있다. 다른 예에서, 줌된 타임프레임에 대해 집성된 신호 데이터가 이용 가능하지 않다고 상기 애셋 데이터 플랫폼 (102)이 판단할 때에 상기 상호작용 시각화 툴은 타임라인이 줌 인 또는 줌 아웃되도록 허용하지 않을 수 있다. 다른 예들이 또한 가능하다.

2. 태스크 생성 툴

다른 예시의 툴은 사용자 제안 애셋 관련 태스크들 및/또는 그 태스크들의 모습들을 제공하는 것을 돕기 위해 애셋 데이터 플랫폼에 의해 실행된 하나 이상의 예측 모델들을 레버리지 (leverage)할 수 있는 태스크 생성 툴의 모습을 취할 수 있다. 위에서 설명된 상호작용 시각화 툴과 비슷하게, 상기 태스크 생성 툴은 클라이언트 스테이션 상에서 실행되고 상기 애셋 데이터 플랫폼으로부터 데이터를 수신하는 소프트웨어 애플리케이션 (예를 들면, 애셋 데이터 플랫폼 (102)에 의해 제공된 웹 애플리케이션 또는 고유한 애플리케이션)일 수 있다. 실제로, 제1 사용자 (예를 들면, "태스크 생성자")는 특별한 태스크를 생성하기 위해 상기 태스크 생성 툴을 활용할 수 있을 것이며, 그 특별한 태스크는 그 태스크를 수행하거나 수행하지 않는 제2 사용자 (예를 들면, 정비사 등)에게 그 후에 제공된다.

일반적으로, 상기 태스크 생성 툴은 정해진 애셋의 하나 이상의 특별한 이벤트들의 발생을 중점을 두어 다루도록 예정된 태스크를 생성하는 것을 용이하게 한다. 예를 들면, 태스크는 정비사 등이 정해진 애셋에서의 문제 (예를 들면, 과열된 엔진)를 고려하여 책임을 져야 하는 하나 이상의 추천된 수리들, 유지보수, 또는 검사를 포함할 수 있을 것이다. 그처럼, 정해진 태스크에 대해, 상기 태스크 생성 툴은 사용자 또는 기계 (예를 들면, 상기 태스크 생성 툴, 상기 애셋 데이터 플랫폼, 또는 그것들의 몇몇의 조합들)가 채울 수 있는 여러 태스크-필드들을 제공하도록 구성된다. 태스크 필드들의 예들은, 여러 다른 가능한 것들 중에서도, 애셋 식별자, 애셋-이벤트 식별자들, 추천된 행동(들), 추천된 문헌 (예를 들면, 수리 매뉴얼들, 컴포넌트 규격들, 애셋 배선도 등), 수리 가격들 및 정비 비용들을 포함한다. 특별한 태스크에 종속하여, 추가의 또는 더 적은 태스크-필드들이 제공될 수 있다.

도 12는 상기 태스크 생성 툴을 작동시킬 때에 클라이언트 스테이션에 의해 디스플레이될 수 있는 예시의 그래픽 사용자 인터페이스 (GUI) (1200)를 도시한다. 보이듯이, 상기 GUI (1200)는 축어적인 (textual) 입력이나 드롭다운 선택을 수신할 수 있는 태스크와 연관된 복수의 필드들을 포함할 수 있다. 상기 예시의 필드들 중 몇몇은 추천 이름 (Recommendation Name), 장비 상세내용 (Equipment Details), 문제점 (Problem), 추천된 행동 (Recommended Action), 및 추천 가격 (Recommendation Cost) (예를 들면, 수리 비용 및/또는 정지 비용)을 포함할 수 있다.

추가적으로, 상기 GUI (1200)는 상기 태스크에 관련된 정보를 수신하고 디스플레이하도록 구성된 섹션들을 더 포함할 수 있다. 예를 들면, 사용자는 보충 정보 (Supplemental Information)를 붙일 수 있으며, 이는 그 태스크에 관련된 파일들의 모습을 취할 수 있다 (예를 들면, 신호 데이터 플롯들, 애셋의 사진들이나 비디오, 오디오 명령어 등). 다른 예에서, 상기 태스크 생성 툴은 그 태스크에 관련된 추천 문헌 (예를 들면, 수리 매뉴얼, 부품 규격, 비용 내역 등)을 디스플레이하도록 구성될 수 있다. 도 12는 태스크 생성 툴의 GUI의 한 가능한 예로서만 제공된 것이며 그리고 추가의 또는 더 적은 요소들 및/또는 필드들이 디스플레이될 수 있을 것이라는 것이 이해된다. 추가로, 상기 태스크 생성 툴은 다른 가능한 것들 중에서도 애셋 유형 (예를 들면, 기관차, 비행기, 발전기 등) 및/또는 태스크를 생성하기 위해 선택된 이벤트들과 같은 팩터들에 종속하여 GUI의 다양한 버전들을 디스플레이할 수 있다.

예시의 구현들에서, 사용자는 상기 태스크 생성 툴로 하여금 상기 GUI를 다양한 방식으로 디스플레이하도록 할 수 있다. 대개의 예들에서, 사용자는 상기 태스크 생성 툴에서 하나 이상의 입력들을 제공함으로써 애셋 관련 태스크를 생성하는 것을 시작할 수 있다. 그런 예들에서, 사용자는 특별한 애셋(들)의 표시를 그 태스크 생성 툴에서 먼저 선택할 수 있다. 특별한 애셋(들)에 대한 선택에 응답하여, 상기 태스크 생성 툴을 실행시키는 상기 컴퓨팅 디바이스는 상기 선택된 애셋에 대해 이전에 발생했던 어떤 애셋 관련 이벤트들을 그 선택된 애셋에 대해 인출하기 위한 요청을 상기 애셋 데이터 플랫폼 (102)에게 전송할 수 있다. 위에서 언급된 것처럼, 애셋 관련 이벤트들은 온-애셋 (on-asset) 이벤트들 (예를 들면, 비정상 상태들 발생), 애셋 수리/유지보수/검사 이벤트들, 외부 유체 검사/테스팅 이벤트들 등의 모습을 취할 수 있다. 일 예에서, 상기 애셋 데이터 플랫폼 (102)은 상기 요청에 응답하여 애셋에 대한 모든 과거의 발생들을 인출할 수 있으며, 반면에 다른 예들에서 상기 애셋 데이터 플랫폼 (102)은 다양한 팩터들에 기반하여 과거의 이벤트들의 부분집합만을 인출할 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼 (102)은, 다른 가능한 것들 중에서, 미리 정의된 개수의 이벤트들 (예를 들면, 마지막 100개 이벤트 발생들), 어떤 타임프레임 내 이벤트들 (예를 들면, 지나간 달에서의 이벤트 발생들), 및/또는 정해진 엄격함의 이벤트들 (예를 들면, 임계의 이벤트 발생들)만을 수신할 수 있다. 일단 상기 애셋 데이터 플랫폼 (102)이 상기 선택된 애셋에 대한 과거의 이벤트 발생들을 인출하면, 그것은 그런 데이터를 상기 컴퓨팅 디바이스로 전송하며, 다음에 그 데이터의 표시는 상기 태스크 생성 툴에 의해 디스플레이될 수 있다. 상기 선택된 애셋에 대응하는 과거의 이벤트 발생들 인출은 다양한 다른 방식들로 달성될 수 있다.

상기 태스크 생성 툴이 상기 과거 이벤트 발생들의 표시들을 디스플레이한 이후에, 그 태스크 생성 툴은 태스크가 생성될 것이 소망되는 하나 이상의 이벤트 표시들을 선택하는 입력을 더 수신할 수 있다. 추가로, 상기 태스크 생성 툴은 과거 이벤트 발생들에 대한 하나 이상의 표시들을 선택하기 이전에 또는 그 이후에, 상기 태스크 생성 툴의 GUI가 어떻게 채워지는가를 대체적으로 지시하는 하나 이상의 사용자 선택가능 요소들 (예를 들면, 아이콘들)을 사용자에게 제시할 수 있다. 그런 예들에서, 상기 하나 이상의 사용자 선택가능 요소들 각각은 상기 태스크 생성 툴의 GUI에 액세스하기 위한 그리고 이전에 선택된 이벤트 발생 표시들에 대해 태스크를 생성하기 위한 상이한 방식들에 대응할 수 있다.

일 예에서, 상기 태스크 생성 툴은 사용자가 수동으로 태스크를 생성하기를 소망하는 것을 표시하는 제1 입력을 제1 사용자-선택가능 요소를 경유하여 수신할 수 있다. 그 이후에, 상기 태스크 생성 툴은 상기 태스크 생성 툴의 GUI를, 포함된 필드들 모두 (또는 거의 모두)가 채워지지 않는 방식으로 디스플레이할 수 있다. 사용자는 생성하기를 소망하는 태스크에 관한 GUI 정보의 각 필드로 그 후에 입력할 수 있다. 예를 들면, 사용자는 다른 가능한 것들 중에서 추천의 이름, 문제점, 추천된 행동을 GUI를 경유하여 입력할 수 있다. 추가로, 사용자는 상기 태스크 내에 포함시키기 위해서 보충의 정보 및 문헌을 찾기 위해 수동으로 검색 그리고/또는 브라우즈할 수 있다. 다른 예들에서, 상기 태스크 생성 툴은 상기 제1 입력을 수신한 이후에 특정 필드들이 자동적으로 채워지도록 할 수 있다 (예를 들면, 미리-채워짐). 하나의 특별한 예에서, GUI (1200)의 장비 상세내용 (Equipment Details) 필드들에 대응하는 필드들은 선택된 애셋(들)에 관하여 상기 애셋 데이터 플랫폼 (102)으로부터 수신된 데이터에 기초하여 자동적으로 채워질 수 있다. 다른 GUI 필드들 또한 자동적으로 채워질 수 있다.

다른 예에서, 상기 태스크 생성 툴은 사용자가 제안된 태스크들을 수신하기를 소망한다는 것을 표시하는 제2 입력을 제2 사용자-선택가능 요소를 경유하여 수신할 수 있다. 그런 경우에, 상기 태스크 생성 툴은 상기 제2 입력 수신에 응답하여 하나 이상의 예측 모델들을 실행하기 위해 상기 애셋 데이터 플랫폼으로 요청을 전송하는 것을 용이하게 할 수 있다. 다음에, 상기 애셋 데이터 플랫폼은 하나 이상의 예측 모델들을 실행시키는 것에 기반하여 특별한 애셋을 위한 하나 이상의 제안된 태스크들을 그 특별한 애셋을 위한 신호 데이터 및/또는 이벤트 데이터와 함께 상기 툴로 거꾸로 제공할 수 있다. 그러면 상기 태스크 생성 툴은 상기 하나 이상의 제안된 태스크들을 생성할 수 있으며, 그 시점에 사용자는 그 제안된 태스크를 수락하고, 수정하며, 또는 거절할 수 있다. 대안으로, 상기 태스크 생성 툴은 사용자가 선택할 수 있는 "세팅" 또는 유사한 것을 포함할 수 있으며, 이는 상기 태스크 생성 툴로 하여금 제안된 태스크들을 상기 애셋 데이터 플랫폼으로부터 수신하도록 한다.

특히, 상기 제2 입력에 응답하여, 상기 태스크 생성 툴을 실행시키는 상기 클라이언트 스테이션은 상기 애셋 데이터 플랫폼에게 하나 이상의 제안된 태스크들을 제공하도록 지시할 수 있다. 상기 애셋 데이터 플랫폼 (102)은 상기 하나 이상의 제안된 태스크들이 제공되는 위한 하나 이상의 애셋들을 먼저 식별함으로써 그런 지시에 응답할 수 있다. 예를 들면, 상기 클라이언트 스테이션의 지시는 애셋 식별 정보 (예를 들면, 사용자가 선택한 하나 이상의 애셋들의 식별자들)를 포함할 수 있으며, 이런 경우에 상기 애셋 데이터 플랫폼은 상기 지시 내에 포함된 애셋 식별 정보에 기반하여 상기 하나 이상의 애셋들을 식별할 수 있다. 다른 예로서, 상기 애셋 데이터 플랫폼은 상기 지시를 송신했던 클라이언트 스테이션과 연관된 하나 이상의 애셋들을 (예를 들어, 상기 클라이언트 스테이션이 어떤 세트의 애셋들을 동작시키는 조직과 연관된다면) 식별할 수 있다. 그런 각 애셋에 대해, 상기 애셋 데이터 플랫폼은 상기 정해진 애셋에 대해 어떤 "액티브" 이벤트들이 존재하는가의 여부를 식별할 수 있다. 액티브 이벤트는 아직 다루어지지 않고, 해결되지 않고, 무시되지 않은 과거의 특별한 양의 시간 내의 애셋 관련 이벤트일 수 있다. 그런 이벤트들이 존재한다면, 상기 애셋 데이터 플랫폼은 하나 이상의 상기 식별된 액티브 이벤트들에 적어도 기반하여 하나 이상의 예측 모델들을 실행시킬 수 있다.

일반적으로, 상기 하나 이상의 예측 모델들은 상기 액티브 이벤트들 및/또는 그 액티브 이벤트들에 관련된 신호 데이터를 분석하고 그리고 정해진 태스크가 하나 이상의 상기 액티브 이벤트들에 기반하여 생성되어야만 하는 가능성 (likelihood)을 출력할 수 있다. 이 방식에서, 상기 애셋 데이터 플랫폼은 상기 액티브 이벤트들을 다루기 위해 사용자가 수동으로 생성할 수 있을 태스크를 제안한다. 실제, 제안된 태스크들을 위한 모델은 여러 방식들로 정의될 수 있다.

일 예에서, 상기 모델은 이력적인 애셋-이벤트 데이터 및 복수의 애셋들에 대한 이력적인 태스크 데이터에 적어도 기반하여 정의될 수 있다. 상기 애셋 데이터 플랫폼은 정해진 태스크의 과거의 발생들을 표시하는 이력적인 태스크 데이터에 액세스하고 그리고 각각의 그런 과거의 발생의 시점에 또는 그 시점 주변에 존재했던 하나 이상의 액티브 이벤트들을 그 후에 식별할 수 있다. 차례로, 상기 애셋 데이터 플랫폼은 액티브 이벤트들의 존재 그리고 그런 이벤트들 (또는 그런 이벤트들의 부분집합)을 다루기 위해 상기 정해진 태스크가 생성되어야 하는 가능성 사이의 관계를 정의할 수 있다. 이 정의된 관계는 태스크를 제안하기 위한 모델을 구체화할 수 있다. 상기 애셋 데이터 플랫폼은 다양한 상이한 태스크들 각각에 대해 그런 모델을 정의할 수 있다 (개별 태스크 모델들은 결합되거나 또는 그렇지 않고 단일 모델인 것으로 간주될 수 있다는 것이 또한 이해되어야 한다).

실제로, 이 관계는 (그래서 상기 모델은) 많은 방식들로 정의될 수 있다. 몇몇의 예시의 구현들에서, 상기 애셋 데이터 플랫폼은 랜덤 포레스트 기술, 로지스틱 회귀 기술, 또는 다른 회귀 기술들과 같은 하나 이상의 지도 학습 기술들을 활용하여 상기 예측 모델을 정의할 수 있다. 다른 예시의 구현들에서, 상기 애셋 데이터 플랫폼은 비지도 학습 기술들을 활용하여 상기 예측 모델을 활용할 수 있다. 다른 예들 또한 가능하다.

특별한 예에서, 상기 예측 모델을 정의하는 것은, 관심대상 시간들로, 그 시간들 동안에 상기 이력적인 이벤트 데이터를 분석하기 위해 그 관심대상 시간들을 정의하는 응답 변수를 생성하는 애셋 데이터 플랫폼을 수반할 수 있다. 상기 응답 변수는 이진 값을 가진 응답 변수일 수 있어서, 관심대상 시간들 (예를 들면, 태스크 생성에 이르는 시간들)에 대해 1의 값이 할당될 수 있으며, 그렇지 않으면 0의 값이 할당된다.

응답 변수에 기반하여 예측 모델을 정의하는 특별한 예에 계속하여, 상기 애셋 데이터 플랫폼은 상기 이력적인 이벤트 데이터 및 상기 생성된 응답 변수를 이용하여 상기 예측 모델을 트레이닝할 수 있다. 이 트레이닝 프로세스에 기반하여, 상기 애셋 데이터 플랫폼 (102)은, 다양한 액티브 애셋 이벤트들을 입력으로서 수신하며 그리고 특별한 태스크가 그 액티브 이벤트들에 기반하여 권할 수 있을 0 및 1 사이의 확률을 출력하는 예측 모델을 정의할 수 있다.

상기 애셋 데이터 플랫폼은, 다양한 다른 태스크들 각각에 대해 각자의 예측 모델을 정의하기 위해 이 프로세스를 그 후에 반복할 수 있다.

태스크들을 제안하기 위한 상기 모델은 또한 다른 방식들로 정의될 수 있다. 하나의 특별한 예로서, 상기 애셋 데이터 플랫폼은 콕스 비례 위험 (Cox proportional hazard) 기술과 같은 하나 이상의 생존 분석 기술들에 기반하여 상기 모델을 정의하도록 구성될 수 있다.

몇몇의 구현들에서, 이력적인 애셋-이벤트 데이터 및 이력적인 태스크 데이터에 추가로, 태스크들을 제안하기 위한 상기 모델은, 상기 이력적인 태스크들에 관한 피드백 데이터 및/또는 상기 애셋-이벤트 데이터의 기초가 되는 신호 데이터와 같은 다른 데이터에 기반하여 또한 정의될 수 있다. 상기 피드백 데이터는 태스크가 상기 하나 이상의 액티브 이벤트들 - 상기 태스크가 그 하나 이상의 액티브 이벤트들을 위해 생성되었음 - 을 성공적으로 다루었는가의 여부를 표시할 수 있다. 다른 예들이 또한 가능하다.

동작에 있어서, 상기 애셋 데이터 플랫폼은, 각각이 각자의 태스크에 대응하는 복수의 예측 태스크 모델들을 실행시킬 수 있다. 이 예측 태스크 모델들은 정해진 애셋에 대해 액티브 이벤트들의 목록을 입력으로서 각각 취할 수 있다. 차례로, 각 예측 태스크 모델은 다양한 조합의 액티브 이벤트들을 통해 반복할 수 있으며 그리고 상기 모델의 각자의 태스크가 액티브 이벤트들의 적어도 하나의 조합에 기반하여 생성되어야 한다는 가능성의 표시를 그 후에 출력할 수 있다. 이런 면에서, 상기 예측 태스크 모델은 상기 출력된 가능성과 연관된 액티브 이벤트들의 특별한 조합의 표시를 또한 리턴할 수 있다. 상기 모델은 복수의 가능성들을 출력할 수 있을 것이며, 그 각각은 액티브 이벤트들의 상이한 조합에 대응하며, 이 경우에 상기 모델은 최대 가능성 (maximum likelihood), 평균 가능성 등의 모습을 취하는 대표적인 가능성 값을 출력할 수 있다는 것이 또한 이해되어야 한다.

몇몇의 구현들에서, 상기 예측 모델을 실행하는 것은 하나 이상의 프리-프로세싱 기능들을 또한 수반할 수 있다. 예를 들면, 액티브 이벤트들의 목록을 정해진 예측 태스크 모델로 입력하기 이전에, 상기 애셋 데이터 플랫폼은 상기 정해진 예측 태스크 모델의 성질에 기반하여 액티브 이벤트들의 목록을 필터링하거나 재조직할 수 있다. 다른 예들 또한 가능하다.

일단 상기 애셋 데이터 플랫폼이 상기 하나 이상의 예측 태스크 모델들을 실행하면, 그 후에 상기 애셋 데이터 플랫폼은 하나 이상의 제안된 태스크들이 태스크 생성 툴을 경유하여 제시되도록 할 수 있다. 일 예에서, 상기 애셋 데이터 플랫폼은 비-제로 가능성을 구비한 각 태스크의 목록을 상기 태스크가 생성되어야만 하는 가능성의 대응 표시와 함께 상기 태스크 생성 툴을 실행시키는 클라이언트 스테이션에게 제공할 수 있다. 다른 예에서, 상기 애셋 데이터 플랫폼 (102)은 신뢰 레벨 임계 (예를 들면, 0 내지 1 사이의 값)를 초과하는 가능성을 구비한 각 제안된 태스크의 표시를 상기 태스크 생성 툴을 실행시키는 클라이언트 스테이션에게만 제공할 수 있다. 이 신뢰 레벨 임계는 컴퓨팅 디바이스나 사용자가 정의한 고정된 또는 가변의 값의 모습을 취할 수 있다.

상기 애셋 데이터 플랫폼으로부터 상기 하나 이상의 제안된 태스크들을 수신한 이후에, 태스크 생성 툴을 실행시키는 클라이언트 스테이션은 하나 이상의 제안된 태스크들을 사용자에게 디스플레이할 수 있다. 차례로, 사용자는 제안된 태스크를 수락할 것을 선택할 수 있으며, 이는 그 후에 상기 태스크 생성 툴이, 미리 채워져 있는 상기 제안된 태스크와 연관된 다양한 필드들 (예를 들면, 문제점 및 추천된 행동)을 구비한 위에서 설명된 GUI와 같은 새로운 태스크 GUI를 시작시키도록 할 수 있다.

(예를 들면, 액티브 이벤트들에 대한 수동 선택에 기반하여 또는 제안된 태스크에 기반하여) 새로운 태스크 GUI를 시작시키라는 사용자의 지시에 응답하여, 상기 태스크 생성 툴은 상기 태스크 GUI 내 특정 필드들을 미리 채우기 위해 사용되는 하나 이상의 예측 모델들을 실행하도록 상기 애셋 데이터 플랫폼에게 지시하도록 또한 구성될 수 있다. 일 예로서, 상기 애셋 데이터 플랫폼은 상기 태스크를 정의하기 위해 사용된 데이터를 입력들로서 수신하고 (예를 들면, 상기 태스크가 기반으로 하는 하나 이상의 이벤트들) 그리고 하나 이상의 지식 조항 (knowledge article) (예를 들면, 수리 매뉴얼, 부품 규격, 비용 내역들 등)이 상기 태스크 내에 포함되어야만 하는 가능성을 출력하는 하나 이상의 예측 모델들을 실행하도록 구성될 수 있다. 이 출력에 기반하여, 그 후에 상기 애셋 데이터 플랫폼은 상기 태스크 GUI를 실행하는 클라이언트 스테이션이 상기 추천된 문헌 태스크 필드를 (예를 들면, 순위 목록의 모습인) 하나 이상의 지식 조항들로 채우도록 할 수 있다.

예시의 실시예에서, 그런 예측 모델 각각은, 현재 생성되고 있으며 그리고 정해진 지식 조항이 태스크를 위해 유용할 것이라는 가능성을 출력하는 상기 태스크에 의해 다루어질 것으로 선택되었던 하나 이상의 이벤트들을 분석할 수 있다. 이 방식에서, 상기 애셋 데이터 플랫폼은 사용자가 생성하고 있는 태스크를 위해 유용할 지식 조항들이 하나 이상의 특별한 이벤트들을 중점을 두어 다룰 것이라는 것을 예측한다. 실제로, 지식 조항을 예측하기 위한 모델은 여러 방식들로 정의될 수 있다.

일 실시예에서, 상기 모델은 이력적인 애셋-이벤트 데이터, 이력적인 태스크 데이터, 및/또는 특별한 이벤트들 및/또는 태스크들에 관련하여 과거에 사용되었던 지식 조항들을 표시하는 이력적인 지식 조항 데이터의 일부 조합에 기반하여 정의될 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼은 정해진 지식 조항의 과거 사용을 표시하는 이력적인 지식 조항 데이터에 먼저 액세스하고 그리고 상기 정해진 지식 조항의 각 과거 사용에 연관되었던 이벤트들 및/또는 태스크들을 식별하기 위해 상기 이력적인 애셋-이벤트 및/또는 태스크 데이터에 그 후에 액세스할 수 있다. 차례로, 상기 애셋 데이터 플랫폼은, 하나 이상의 애셋 관련 이벤트들의 정해진 세트 그리고 그런 이벤트들에 기반하여 생성된 태스크 내에 상기 정해진 지식 조항이 포함되어야 하는 가능성 사이의 관계를 정의할 수 있다. 이 정의된 관계는 지식 조항을 제안하기 위한 모델을 구체화할 수 있다. 상기 애셋 데이터 플랫폼은 다양한 상이한 지식 조항들 각각에 대해 그런 모델을 정의할 수 있다 (개별적인 지식-조항 모델들이 함께 결합되거나 또는 단일 모델인 것으로 간주될 수 있다는 것이 또한 이해되어야 한다).

실제로, 이 관계 (그리고 상기 모델들)는 많은 방식들로 정의될 수 있다. 예시의 구현들에서, 상기 애셋 데이터 플랫폼은 예측 태스크 모델들을 정의하기 위한 상기 설명된 기술들과 유사한 방식으로 지식 조항들을 제안하기 위해 상기 예측 모델들을 정의할 수 있다. 다른 예들이 또한 가능하다.

상기 애셋 데이터 플랫폼이 (하나 이상의 이벤트들에 기반하여 태스크를 생성하기 위한 사용자 입력에 응답하여) 상기 하나 이상의 지식-조항 모델들을 실행한 이후에, 상기 애셋 데이터 플랫폼은 상기 태스크 생성 툴을 실행하는 클라이언트 스테이션에게 하나 이상의 지식 조항들의 표시를 제공할 수 있다. 예를 들면, 상기 애셋 데이터 플랫폼은 각 이용 가능한 지식 조항의 목록을 상기 지식 조항이 상기 태스크 내에 포함되어야만 하는 가능성의 대응 표시와 함께 상기 태스크 생성 툴을 실행하는 클라이언트 스테이션에게 제공할 수 있다. 다른 예에서, 상기 애셋 데이터 플랫폼 (102)은 상기 예측 태스크 모델의 출력이 신뢰 레벨 임계 (예를 들면, 0 내지 1 사이의 값)를 초과하는 각 지식 조항의 표시를 상기 태스크 생성 툴을 실행시키는 클라이언트 스테이션에게만 제공할 수 있다. 이 신뢰 레벨 임계는 컴퓨팅 디바이스나 사용자가 정의한 고정된 또는 가변의 값의 모습을 취할 수 있다.

그 후에 상기 태스크 생성 툴은 추천된 문헌을 위한 태스크 GUI의 필드를 하나 이상의 지식 조항들의 표시로 채울 수 있으며, 이는 유사한 태스크들 내에서 가장 유용할 것 같은 또는 가장 빈번하게 포함되는 순서로 열거될 수 있다. 사용자는 그러면 디스플레이된 표시들 중 하나 이상을 선택할 수 있으며, 그럼으로써 상기 특별한 지식 조항들을 상기 정해진 태스크에 추가한다.

몇몇의 예들에서, 상기 태스크 생성 툴은 생성된 태스크를 다른 컴퓨팅 디바이스(들)로 전송하도록 구성될 수 있으며, 이는 하나 이상의 추가 사용자들이 상기 생성된 태스크에 관한 행동을 취할 것을 허용하는 목적들을 위한 것이다 (예를 들면, 추천된 행동을 실행한다). 다른 예들에서, 상기 태스크 생성 툴은 생성된 태스크에 기반하여, 많은 다른 가능한 행동들 중에서도, 예를 들면, 그 태스크에 관련된 부품들 주문, 상기 태스크에 의해 요청된 유지보수 스케줄링과 같은 하나 이상의 행동들이 트리거되도록 할 수 있다

위에서 제안된 것처럼, 추천된 태스크들 또는 그 태스크들의 일부에 관련된 피드백은 예측 모델들을 정의하고 그리고/또는 업데이트하기 위해 활용될 수 있다. 예시의 실시예들에서, 태스크 필드 내 제안 또는 추천된 태스크에 관련된 행동들은 우선 상기 추천 또는 제안을 만든 상기 예측 모델들을 정의하고 그리고/또는 업데이트하기 위한 피드백으로서 사용될 수 있다. 예를 들면, 사용자가 추천된 태스크 또는 태스크 필드 내에 채워진 애셋-태스크 제안의 표현을 선택한다면, 그런 선택을 표시하는 데이터는 상기 애셋 데이터 플랫폼 (102)으로 거꾸로 송신될 수 있을 것이며, 이 애셋 데이터 플랫폼은 이 선택을 상기 추천이나 제안을 원래 만든 상기 하나 이상의 예측 모델들을 위한 긍정적인 피드백으로서 그 후에 활용할 수 있다. 반면에, 상기 태스크 필드 내에 채워진 애셋-태스크 제안의 표현 또는 상기 추천된 행동을 사용자가 선택하기를 거절하면, 상기 애셋 데이터 플랫폼 (102)은 이것이 부정적인 피드백의 표시라고 추론하고 그리고 상기 추천이나 제안을 원래 만든 상기 하나 이상의 예측 모델들을 그에 따라서 수정할 수 있다. 비슷하게, 추천된 태스크 또는 그 태스크의 모습이 상기 정해진 애셋의 하나 이상의 특별한 이벤트들을 성공적으로 (또는 성공적이지 않게) 다루었다는 표시는 그 예측 모델들을 위한 피드백으로서 활용될 수 있다. 피드팩의 다른 예들이 또한 가능하다.

3. 규칙 생성 툴

제공된 다른 예시의 툴은 이벤트를 트리거하기 위해 애셋 데이터 플랫폼 (102)에서 적용될 수 있는 새로운 애셋 관련 규칙들을 생성하도록 구성될 수 있는 규칙 생성 툴의 모습을 취할 수 있다. 위에서 설명된 툴들과 유사하게, 상기 규칙 생성 툴은, 클라이언트 스테이션 (112) 상에서 실행되며 그리고 상기 애셋 데이터 플랫폼 (102)으로부터 데이터를 수신하는 소프트웨어 애플리케이션 (예를 들면, 상기 애셋 데이터 플랫폼 (102)으로부터 제공된 웹 애플리케이션 또는 고유의 애플리케이션)일 수 있다.

전통적으로, 그런 규칙들은, 애셋 데이터 플랫폼이 처음 구현될 때에 또는 그 규칙들이 적용되는 애셋들을 구비한 조직이 애셋 데이터 플랫폼을 활용하는 것을 처음 시작하고 그리고/또는 그런 규칙들이, 예를 들면, 애셋 데이터 플랫폼의 관리자에 의해서만 수정될 수 있을 때에 정의될 수 있다. 아래에서 설명되는 규칙 생성 툴은 애셋 관련 규칙들의 동적인 생성 및/또는 수정을 허용할 수 있으며 그리고/또는 관리자가 아닌 개인들이 변경을 하는 것을 허용할 수 있다.

일반적으로, 상기 애셋 데이터 플랫폼 (102)은 정해진 애셋 또는 애셋들의 세트에 대해 하나 이상의 애셋 관련 규칙들을 저장하고 모니터할 수 있으며, 이 경우 각 규칙은 각자의 트리거링 조건들을 포함한다. 하나 이상의 애셋 관련 규칙들은 여러 모습들을 취할 수 있다. 어떤 면에서, 상기 애셋 관련 규칙은 애셋 관련 이벤트가 트리거되기 이전에 충족되어야만 하는 하나 이상의 신호 측정 값들 (예를 들면, 센서 및/또는 액튜에이터 데이터)에 대응한다. 일 예에서, 상기 애셋 관련 규칙은 하이-로우 (hi-low) 임계 규칙일 수 있으며, 이 경우 상기 애셋 데이터 플랫폼 (102)은 임계 레벨을 초과하거나 아래로 떨어지는 하나 이상의 신호 측정치들에 기반하여 이벤트를 트리거할 수 있다. 예를 들면, 두 개의 별개의 이벤트들이 온도 센서에 의해 기록된 측정치가 정해진 온도 임계 레벨보다 더 큰가 또는 작은가의 여부에 종속하여 트리거될 수 있다. 상기 하이-로우 임계 규칙은 임계 레벨들은 물론이며 임의 개수의 신호 유형들을 통합할 수 있다는 것이 예측된다.

다른 예에서, 상기 애셋 관련 규칙은 규칙 변경 레이트 (rate)일 수 있으며, 여기에서 미리 정의된 시간 구간에 걸쳐서 미리 정의된 온도만큼 변하는 (예를 들면, 변경 임계 레이트) 하나 이상의 신호 측정치들에 기반하여 이벤트가 트리거될 수 있다. 하나의 특별한 예에서, 그런 비정상-상태 규칙은, 특별한 센서에 의해 취해진 온도 측정치가 5분의 시간 구간 내에서 10도 넘게 변하는 것이 발생한 것에 기반하여 이벤트가 트리거될 것이라고 정의할 수 있다. 애셋 관련 이벤트 규칙들의 변경 레이트의 다양한 다른 가능한 것들이 존재하며, 그리고 임의 개수의 신호 유형들 및 변경 임계들의 레이트를 통합할 수 있다. 애셋 관련 규칙들의 다른 예들이 또한 가능하다.

예시의 구현들에서, 상기 규칙 생성 툴은 여러 방식들로 애셋 관련 규칙들을 생성하는 것을 용이하게 할 수 있다. 하나의 그런 구현에서, 상기 규칙 생성 툴은 그 규칙 생성 툴에서의 사용자 입력들에 기반하여 애셋 관련 규칙들을 생성할 수 있다. 즉, 상기 규칙 생성 툴은 사용자가 채울 수 있는 하나 이상의 규칙 필드들 그리고 그 채워진 필드들 및 그 필드들 내 콘텐트에 기반하여 상기 애셋 관련 규칙이 생성되도록 하는 선택가능 요소를 포함할 수 있다. 예를 들면, 사용자는 애셋(들), 신호 유형들 (예를 들면, 센서 및/또는 액튜에이터 데이터), 및 선택된 신호 유형들에 대한 임계 값들을 각자의 규칙 필드들을 경유하여 먼저 식별하며 그리고 새로운 애셋 관련 규칙이 생성되어야만 한다는 것을 표시하는 입력을 그 후에 제공한다. 추가로, 상기 태스크 생성 툴은 하나 이상의 행동 필드들을 포함할 수 있으며, 그 행동 필드들을 통해서 사용자는 트리거되고 있는 애셋 관련 규칙에 대응하는 이벤트 시에 자신이 소망하는 하나 이상의 행동들이 발생할 것을 식별할 수 있다. 예를 들면, 사용자는 다른 가능한 것들 중에서, 트리거되고 있는 이벤트에 관한 통지, 트리거되고 있는 이벤트에 관해 스케줄링될 진단 체크를 수신할 것을 소망할 수 있다.

다른 구현에서, 상기 애셋 데이터 플랫폼 (102)과 조합된 상기 규칙 생성 툴은 새로운 애셋 관련 규칙을 추천하도록 구성될 수 있으며, 이는 상기 규칙 생성 툴을 경유하여 사용자에게 그 후에 디스플레이될 수 있다. 디스플레이되고 있는 새로운 애셋 관련 규칙 추천에 응답하여, 사용자는 그 추천을 수락, 수정 또는 거부를 표시하는 입력을 제공할 수 있다. 이런 면에서, 상기 애셋 데이터 플랫폼 (102)은 정해진 조직 또는 애셋(들)에 대해 새로운 애셋 관련 규칙을 추천하는가의 여부를 다양한 분석들에 기반하여 결정할 수 있다. 예를 들면, 그런 분석들은 유사한 애셋들을 모니터하는 다른 조직들에 의해 생성된 애셋 관련 규칙들 분석의 모습을 취할 수 있다. 다른 예에서, 상기 분석들은 하나 이상의 애셋들로부터 수신된 이력적인 신호 데이터에 적어도 부분적으로 기반하여 애셋 관련 규칙 추천이 출력되어야만 한다는 가능성을 보통 출력하는 하나 이상의 예측 모델들의 모습을 취할 수 있다. 새로운 애셋 관련 규칙들 추천은 다른 가능한 팩터들을 기반으로 하여 제공될 수 있다.

새로운 애셋 관련 규칙 생성을 하면, 상기 규칙 생성 툴은 상기 애셋 데이터 플랫폼 (102)이 그 애셋 관련 규칙을 하나 이상의 규칙 데이터베이스들 내에 저장하도록 할 수 있다. 상기 애셋 데이터 플랫폼 (102)은 상기 저장된 규칙을 특별한 유형의 애셋들에 대한 또는 특별한 조직의 애셋들에 대한 애셋 관련 데이터에 그 후에 적용하고 그리고 저장된 규칙의 조건들이 트리거될 때에 이벤트를 트리거할 수 있다. 즉, 그 생성된 애셋 관련 규칙에 대응하는 이벤트를 트리거할 것인가의 여부를 판단하기 위해서 상기 애셋 데이터 플랫폼 (102)은 수신한 애셋 관련 데이터를 규칙 파라미터들 (예를 들면, 애셋(들), 신호 유형(들))에 대비하여 체크할 수 있다.

일부 구현들에서, 상기 애셋 데이터 플랫폼 (102)은 하나 이상의 애셋 관련 이벤트 규칙들이 충족되었다는 판단에 관한 표시를 출력할 수 있다. 일부 예들에서, 애셋 데이터 플랫폼 (102)은 상기 출력된 표시를 청각적인 또는 시각적인 디스플레이를 위해 애셋이나 컴퓨팅 디바이스 (예를 들면, 클라이언트 스테이션 (112))에게 전송할 수 있다. 다른 경우들에서, 상기 출력된 표시는 상기 애셋 데이터 플랫폼 (102)으로 하여금 상기 상호작용 시각화 툴과 함께 사용하기 위해 생성될 이벤트 스냅샷 엔트리를 생성하도록 할 수 있다. 다른 가능한 것들이 또한 존재한다.

4. 메타데이터 툴

다른 예시의 툴은 추가의 정보를 애셋(들) 식별자(들)와 연관시키도록 구성될 수 있는 메타데이터 툴의 모습을 취할 수 있으며, 이는 관심대상 애셋 관련 데이터 또는 그 데이터의 경향들을 더욱 효율적으로 식별하는 것을 도울 수 있다. 위에서 설명된 툴들과 유사하게, 상기 메타데이터 툴은, 클라이언트 스테이션 (112) 상에서 실행되며 소프트웨어 애플리케이션 (예를 들면, 상기 애셋 데이터 플랫폼 (102)에 의해 제공된 웹 애플리케이션 또는 고유의 애플리케이션)의 모습을 취할 수 있다.

일반적으로, 상기 애셋 데이터 플랫폼 (102)은 수신한 애셋 관련 데이터 (예를 들면, 신호 데이터, 이벤트 데이트 등)를, 애셋 데이터 플랫폼 (102)으로 전송될 때에 그런 애셋 관련 데이터를 동반할 수 있는 애셋 식별자를 경유하여 특별한 애셋에 연관시킬 수 있다. 이런 면에서, 상기 애셋 데이터 플랫폼 (102)은 수신한 애셋 관련 정보를 애셋 식별자들 각각에 상관시키는 엔트리들을 포함하는 하나 이상의 데이터베이스들을 유지할 수 있다. 일 예에서, 애셋 식별자를 위한 엔트리 내 포함된 정보는, 다른 가능한 것들 중에서도, 애셋 유형 (예를 들면, 기차, 비행기 등), 모델, 일련 번호, 및 애셋 나이를 포함할 수 있다. 전술한 예에서부터 알 수 있듯이, 애셋 식별자와 연관된 애셋 정보는 보통은 상기 애셋의 영구적인 특징들 (즉, 있는 그대로의 애셋)에 관련된다

본원에서 개시된 메타데이터 툴은 상기 애셋 데이터 플랫폼 (102)이 추가의 정보를 더 일시적인 속성일 수 있는 (즉, 특별한 애셋에 대해 항상 참이지는 않은) 애셋 식별자와 연관시키는 것을 가능하게 한다. 예를 들면, 상기 애셋 데이터 플랫폼 (102)은 상기 메타데이터 툴을 경유하여, 다양한 다른 가능한 것들 중에서도, 정해진 시간에서의 애셋의 오퍼레이터 (예를 들면, 운전자, 엔지니어 등)의 신원, 정해진 시간이나 시간들에서 애셋의 로케이션, 및/또는 애셋이 경험하는 날씨 상태들에 관한 애셋 식별자 정보와 연관시킬 수 있다.

상기 메타데이터 툴은 추가의 정보를 여러 방식들로 애셋 식별자와 연관시키는 것을 용이하게 하도록 작동 가능할 수 있다. 일 예에서, 상기 메타데이터 툴은 다양한 메타데이터 필드들을 제공하도록 구성될 수 있으며, 그럼으로써 특별한 애셋 식별자와 연관될 것을 사용자가 소망하는 추가 정보에 관한 사용자 입력들을 수신하도록 구성될 수 있다. 그런 예에서, 사용자는 자신이 추가 정보를 연관시킬 것을 바라는 애셋 또는 애셋들의 그룹을 먼저 선택하고 그리고 입력 필드들 또는 메뉴 선택들을 경유하여 그런 추가의 데이터를 더 입력할 수 있다. 그 후에, 사용자는 애셋을 위해 입력된 그리고/또는 선택된 그 추가 데이터를 제출하기 위한 입력을 수행할 수 있다.

그런 예에서, 상기 메타데이터 툴은 사용자 입력들을 표시하는 데이터를 애셋 데이터 플랫폼 (102)으로 전송하는 것을 용이하게 할 수 있으며, 이 애셋 데이터 플랫폼은 식별된 애셋을 위한 엔트리 내 상기 추가 정보를 하나 이상의 데이터베이스들 내에 다음에 저장할 수 있다. 다른 예에서, 상기 애셋 데이터 플랫폼 (102)은 상기 추가 데이터를, 다른 가능한 것들 중에서도, 상기 애셋 식별자에 대한 참조를 포함하는 분리된 엔트리 내에 저장할 수 있다

몇몇의 예들에서, 다양한 다른 툴들 (예를 들면, 위에서 설명된 툴들, 데이터 분석 툴 등)은 상기 메타데이터 툴을 통해 제공된 추가 정보를 활용할 수 있다. 일 예에서, 데이터 분석 툴은 추가 데이터의 하나 이상의 특정된 유형들 (예를 들면, 오퍼레이터, 날씨 등)에 적어도 부분적으로 기반하여 애셋 관련된 것을 검색하고 인출할 수 있다. 예를 들면, 개별 오퍼레이터에 기반하여 애셋 신호 경향들을 식별하기를 바라는 사용자는 데이터 분석 툴을 경유하여 상기 애셋 데이터 플랫폼 (102)이 그 오퍼레이터 이름에 부분적으로 기반한 질의를 통해서 관련 데이터를 인출하도록 할 수 있다. 다른 예에서, 경향들은 애셋 식별자와 연관된 추가 데이터에 기반하여 애셋 데이터 플랫폼 (102)에 의해 동적으로 식별될 수 있다. 그런 경우에, 그 식별된 경향들은, 다양한 다른 가능한 것들 중에서도, 경향 데이터의 시각적인 디스플레이를 준비하고 표현하기 위해 사용될 수 있으며, 유지보수 전략을 생성하기 위해 활용될 수 있다. 다른 예에서, 태스크 생성 툴은 태스크 필드들을 채우기 위해 상기 추가 데이터를 활용할 수 있다. 수 많은 다른 가능한 것들이 존재한다.

V. 결론

상기 개시된 혁신들의 예시의 실시예들이 위에서 설명되었다. 그러나, 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들은 청구항들에 의해 정의될 본 발명의 진정한 범위 및 사상으로부터 벗어나지 않으면서 상기 설명된 실시예들에 대한 변경들 및 수정들이 만들어질 수 있다는 것을 이해할 것이다.

또한, 본원에서 설명된 예들이 "사람들", "오퍼레이터들", "사용자들" 또는 다른 엔티티들과 같은 관계자들에 의해 수행되거나 개시된 동작들을 수반하는 한에서는, 이는 예시 및 설명의 목적들만을 위한 것이다. 청구항 언어에서 명시적으로 선언된 것이 아니라면 상기 청구항들은 그런 관계자들에 의한 행동을 필요로 하는 것으로 해석되지 않아야 한다.

Claims (20)

1. 컴퓨팅 시스템으로, 상기 컴퓨팅 시스템은;
   (a) 상기 컴퓨팅 시스템으로부터 원격에 각각 위치한 복수의 애셋 (asset)들 및 (b) 상기 컴퓨팅 시스템에 의해 다루어지는 애셋 데이터를 시각화하기 위해 소프트웨어 애플리케이션을 각각 실행하는 복수의 클라이언트 스테이션들에 통신 가능하게 연결하도록 구성된 네트워크 인터페이스;
   적어도 하나의 프로세서;
   비-일시적 컴퓨터-판독가능 매체; 그리고
   상기 비-일시적 컴퓨터-판독가능 매체 상에 저장된 프로그램 명령어들을 포함하며,
   상기 프로그램 명령어들은 상기 적어도 하나의 프로세서에 의해 실행 가능하여 상기 컴퓨팅 시스템으로 하여금:
   상기 복수의 클라이언트 스테이션들 중 정해진 클라이언트 스테이션으로부터 (i) 상기 복수의 애셋들 중 정해진 애셋에 대한 애셋 식별자 및 (ii) 상기 정해진 애셋의 동작에 관련된 정해진 유형의 애셋 이벤트에 대한 이벤트 식별자를 포함하는 시각화 파라미터들을 수신하도록 하고;
   과거에 정해진 타임프레임 내 상기 정해진 애셋에서 발생했던 상기 정해진 유형의 애셋 이벤트의 하나 이상의 순간들을 상기 시각화 파라미터들에 기반하여 식별하도록 하고;
   상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들에 관련된 집성된 신호 데이터를 획득하도록 하며, 상기 집성된 신호 데이터는 (i) 과거에 상기 정해진 타임프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 (ii) 제1 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하며; 그리고
   상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적인 표현을 상기 집성된 신호 데이터와 함께 디스플레이하도록 하는, 컴퓨팅 시스템.
2. 제1항에 있어서,
   상기 정해진 클라이언트 스테이션으로 하여금 상기 시각적인 표현을 디스플레이하도록 하는 것은 상기 정해진 클라이언트 스테이션으로 하여금 상기 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적 표현 및 상기 집성된 신호 데이터를 함께, 과거에 상기 정해진 타임프레임을 표시하는 타임라인 상에 디스플레이하도록 하는 것을 포함하는, 컴퓨팅 시스템.
3. 제1항에 있어서,
   상기 시각화 파라미터들은 관심대상 타임프레임을 포함하며, 그리고 과거에 상기 정해진 타임프레임은 상기 관심대상 타임프레임을 포함하는, 컴퓨팅 시스템.
4. 제1항에 있어서,
   상기 정해진 애셋의 신호 소스는 상기 정해진 애셋의 센서 또는 액튜에이터 중 하나를 포함하는, 컴퓨팅 시스템.
5. 제1항에 있어서,
   상기 제1 시간 해상도는 과거의 상기 정해진 타임프레임에 기반하는, 컴퓨팅 시스템.
6. 제1항에 있어서,
   집성된 신호 데이터를 획득하는 것은 상기 제1 시간 해상도에 대해서만 집성된 신호 데이터를 저장하도록 구성된 데이터베이스에 액세스하는 것을 포함하는, 컴퓨팅 시스템.
7. 제1항에 있어서,
   집성된 신호 데이터를 획득하는 것은 복수의 시간 해상도에 대해 집성된 신호 데이터를 저장하도록 구성된 데이터 구조에 액세스하는 것을 포함하며,
   상기 복수의 시간 해상도는 상기 제1 시간 해상도를 포함하는, 컴퓨팅 시스템.
8. 제1항에 있어서,
   상기 집성된 신호 데이터는 제1 집성된 신호이며, 상기 컴퓨팅 시스템은 상기 비-일시적 컴퓨터-판독가능 매체 상에 저장된 프로그램 명령어들을 더 포함하며, 상기 프로그램 명령어들은 상기 적어도 하나의 프로세서에 의해 실행 가능하여 상기 컴퓨팅 시스템으로 하여금:
   상기 정해진 클라이언트 스테이션으로 하여금 상기 시각적인 표현을 디스플레이하도록 한 이후에, 상기 시각적인 표현에 대한 원하는 변경의 표시를 상기 정해진 클라이언트 스테이션으로부터 수신하도록 하며;
   상기 수신된 표시에 기반하여, 상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들과 연관된 제2 집성된 신호 데이터를 획득하도록 하며, 상기 제2 집성된 신호 데이터는 (i) 과거에 상기 정해진 시간프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 (ii) 제2 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하며; 그리고
   상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 업데이트된 시각적인 표현을 상기 제2 집성된 신호 데이터와 함께 디스플레이하도록 하는, 컴퓨팅 시스템.
9. 제8항에 있어서,
   상기 시각적인 표현에 대한 원하는 변경의 표시는 상기 시각적인 표현에 대한 줌-인 요청의 표시를 포함하며, 그리고 상기 제2 시간 해상도는 상기 제1 시간 해상도보다 더 작은, 컴퓨팅 시스템.
10. 제8항에 있어서,
    상기 시각적인 표현에 대한 원하는 변경의 표시는 상기 시각적인 표현에 대한 줌-아웃 요청의 표시를 포함하며, 그리고 상기 제2 시간 해상도는 상기 제1 시간 해상도보다 더 큰, 컴퓨팅 시스템.
11. 제8항에 있어서,
    상기 제1 집성된 신호 데이터를 획득하는 것은 제1 데이터베이스에 액세스하는 것을 포함하며, 그리고 상기 제2 집성된 신호 데이터를 획득하는 것은 제1 데이터베이스와는 상이한 제2 데이터베이스에 액세스하는 것을 포함하는, 컴퓨팅 시스템.
12. 제8항에 있어서,
    상기 제1 집성된 신호 데이터를 획득하는 것은 상기 제1 시간 해상도에 대응하는 정해진 데이터 구조의 데이터 엔트리들의 제1 세트에 액세스하는 것을 포함하며, 그리고 상기 제2 집성된 신호 데이터를 획득하는 것은 상기 제2 시간 해상도에 대응하는 상기 정해진 데이터 구조의 데이터 엔트리들의 제2 세트에 액세스하는 것을 포함하는, 컴퓨팅 시스템.
13. 저장된 명령어들을 구비한 비-일시적 컴퓨터-판독가능 매체로서, 상기 명령어들은 실행 가능하여 컴퓨팅 시스템으로 하여금:
    상기 컴퓨팅 시스템과 통신 가능하게 연결된 복수의 클라이언트 스테이션들 중 정해진 클라이언트 스테이션으로부터 (a) 상기 컴퓨팅 시스템에 통신 가능하게 연결된 복수의 원격 애셋들 중 정해진 애셋에 대한 애셋 식별자 및 (b) 상기 정해진 애셋의 동작에 관련된 정해진 유형의 애셋 이벤트에 대한 이벤트 식별자를 포함하는 시각화 파라미터들을 수신하도록 하고;
    과거에 정해진 타임프레임 내 상기 정해진 애셋에서 발생했던 상기 정해진 유형의 애셋 이벤트의 하나 이상의 순간들을 상기 시각화 파라미터들에 기반하여 식별하도록 하고;
    상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들에 관련된 집성된 신호 데이터를 획득하도록 하며, 상기 집성된 신호 데이터는 (a) 과거에 상기 정해진 타임프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 (b) 제1 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하며; 그리고
    상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적인 표현을 상기 집성된 신호 데이터와 함께 디스플레이하도록 하는, 비-일시적 컴퓨터-판독가능 매체.
14. 제13항에 있어서,
    상기 정해진 클라이언트 스테이션으로 하여금 상기 시각적인 표현을 디스플레이하도록 하는 상기 프로그램 명령어들은,
    상기 정해진 클라이언트 스테이션으로 하여금 상기 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적 표현 및 상기 집성된 신호 데이터를 함께 과거에 상기 정해진 타임프레임을 표시하는 타임라인 상에 디스플레이하도록 하는 프로그램 명령어들을 포함하는, 비-일시적 컴퓨터-판독가능 매체.
15. 제13항에 있어서,
    집성된 신호 데이터를 획득하는 것은 상기 제1 시간 해상도에 대해서만 집성된 신호 데이터를 저장하도록 구성된 데이터베이스에 액세스하는 것을 포함하는, 비-일시적 컴퓨터-판독가능 매체.
16. 제13항에 있어서,
    집성된 신호 데이터를 획득하는 것은 복수의 시간 해상도에 대해 집성된 신호 데이터를 저장하도록 구성된 데이터 구조에 액세스하는 것을 포함하며,
    상기 복수의 시간 해상도는 상기 제1 시간 해상도를 포함하는, 비-일시적 컴퓨터-판독가능 매체.
17. 컴퓨팅 시스템에 의해 수행된 컴퓨터-구현 방법으로서,
    상기 컴퓨팅 시스템은 (a) 상기 컴퓨팅 시스템으로부터 원격에 각각 위치한 복수의 애셋들 및 (b) 상기 컴퓨팅 시스템에 의해 핸들링된 애셋 데이터를 시각화하기 위해 소프트웨어 애플리케이션을 각각 실행하는 복수의 클라이언트 스테이션들을 포함하며, 상기 방법은:
    상기 복수의 클라이언트 스테이션들 중 정해진 클라이언트 스테이션으로부터 (i) 상기 복수의 애셋들 중 정해진 애셋에 대한 애셋 식별자 및 (ii) 상기 정해진 애셋의 동작에 관련된 정해진 유형의 애셋 이벤트에 대한 이벤트 식별자를 포함하는 시각화 파라미터들을 수신하는 단계;
    과거에 정해진 타임프레임 내 상기 정해진 애셋에서 발생했던 상기 정해진 유형의 애셋 이벤트의 하나 이상의 순간들을 상기 시각화 파라미터들에 기반하여 식별하는 단계;
    상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들에 관련된 집성된 신호 데이터를 획득하는 단계로서, 상기 집성된 신호 데이터는 (i) 과거에 상기 정해진 타임프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 (ii) 제1 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하는, 획득 단계; 그리고
    상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적인 표현을 상기 집성된 신호 데이터와 함께 디스플레이하도록 하는 단계를 포함하는, 방법.
18. 제17항에 있어서,
    상기 정해진 클라이언트 스테이션으로 하여금 상기 시각적인 표현을 디스플레이하도록 하는 것은 상기 정해진 클라이언트 스테이션으로 하여금 상기 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 시각적 표현 및 상기 집성된 신호 데이터를 함께 과거에 상기 정해진 타임프레임을 표시하는 타임라인 상에 디스플레이하도록 하는 것을 포함하는, 방법.
19. 제17항에 있어서,
    상기 집성된 신호 데이터는 제1 집성된 신호이며, 상기 방법은:
    상기 정해진 클라이언트 스테이션으로 하여금 상기 시각적인 표현을 디스플레이하도록 한 이후에, 상기 시각적인 표현에 대한 원하는 변경의 표시를 상기 정해진 클라이언트 스테이션으로부터 수신하는 단계;
    상기 수신된 표시에 기반하여, 상기 정해진 유형의 신호 이벤트의 상기 식별된 하나 이상의 순간들과 연관된 제2 집성된 신호 데이터를 획득하는 단계로, 상기 제2 집성된 신호 데이터는 (i) 과거에 상기 정해진 시간프레임 동안에 상기 정해진 애셋의 적어도 하나의 신호 소스에 의해 생성되었던 그리고 (ii) 제2 시간 해상도에 걸쳐 집성되었던 신호 데이터를 포함하는, 획득 단계; 그리고
    상기 정해진 클라이언트 스테이션으로 하여금 상기 정해진 유형의 애셋 이벤트의 상기 식별된 하나 이상의 순간들의 업데이트된 시각적인 표현을 상기 제2 집성된 신호 데이터와 함께 디스플레이하도록 하는 단계를 더 포함하는, 방법.
20. 제17항에 있어서,
    상기 제1 집성된 신호 데이터를 획득하는 것은 상기 제1 시간 해상도에 대응하는 정해진 데이터 구조의 데이터 엔트리들의 제1 세트에 액세스하는 것을 포함하며, 그리고 상기 제2 집성된 신호 데이터를 획득하는 것은 상기 제2 시간 해상도에 대응하는 상기 정해진 데이터 구조의 데이터 엔트리들의 제2 세트에 액세스하는 것을 포함하는, 방법.

Images