KR20230118184A - 자산들의 포트폴리오의 관리 - Google Patents

자산들의 포트폴리오의 관리 Download PDF

Info

Publication number
KR20230118184A
KR20230118184A KR1020237024023A KR20237024023A KR20230118184A KR 20230118184 A KR20230118184 A KR 20230118184A KR 1020237024023 A KR1020237024023 A KR 1020237024023A KR 20237024023 A KR20237024023 A KR 20237024023A KR 20230118184 A KR20230118184 A KR 20230118184A
Authority
KR
South Korea
Prior art keywords
data
assets
asset
portfolio
dashboard visualization
Prior art date
Application number
KR1020237024023A
Other languages
English (en)
Inventor
미낙시 선다람 크리쉬나스와미
마니파이 비엥캄
시몬 레드버스
아지트 반다리
사시 알리아스 이질 마드하반 라자세카란
에릭 엘. 라이스
가레트 엠. 리스코
크리쉬나 필루트라
아슈미 돌라키아
Original Assignee
허니웰 인터내셔날 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 허니웰 인터내셔날 인코포레이티드 filed Critical 허니웰 인터내셔날 인코포레이티드
Publication of KR20230118184A publication Critical patent/KR20230118184A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04815—Interaction with a metaphor-based environment or interaction object displayed as three-dimensional, e.g. changing the user viewpoint with respect to the environment or object
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

본 명세서에 기술된 다양한 실시예들은 자산들의 포트폴리오의 관리에 관한 것이다. 이와 관련하여, 수신된 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청. 요청은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함한다. 또한, 요청에 응답하여, 자산들의 포트폴리오와 연관된 집계 데이터가 자산 디스크립터에 기초하여 획득되고 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들이 집계 데이터에 대한 속성들의 시계열 맵핑과 관련된 모델에 기초하여 결정된다. 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함하는 대시보드 시각화는 또한 컴퓨팅 디바이스의 전자 인터페이스에 제공된다.

Description

자산들의 포트폴리오의 관리
관련 출원에 대한 상호 참조
본 출원은 2020년 12월 18일자로 출원되고 발명의 명칭이 "CONTEXTUAL ROLLUP OF INDUSTRIAL METRICS"인 미국 가특허 출원 제63/127,559호, 2021년 1월 4일자로 출원되고 발명의 명칭이 "MANAGEMENT OF A PORTFOLIO OF ASSETS WITH CENTERALIZED CONTROL"인 미국 가특허 출원 제63/133,652호, 및 2021년 8월 26일자로 출원되고 발명의 명칭이 "VIRTUAL ASSISTANT FOR A PORTFOLIO OF ASSETS"인 인도 특허 출원 제202111038629호의 이익을 주장하며, 이들 전체들은 이로써 본 명세서에 참고로 포함된다.
기술분야
본 개시내용은 대체적으로 실시간 자산 분석에 관한 것으로, 더 구체적으로는 자산들의 포트폴리오에 대한 실시간 자산 분석에 관한 것이다.
전통적으로, 자산들과 관련되는 데이터의 디지털 변환 및/또는 데이터 분석은 대체적으로 인간 상호작용을 수반한다. 그러나, 종종 전문 작업자(예컨대, 관리자)가 대규모 자산 포트폴리오(예컨대, 보일러, 칠러(chiller), 펌프, 센서들 등과 같은 100개의 자산들을 각각 갖는 1000개의 건물들)를 담당한다. 따라서, 대규모 자산 포트폴리오에 있는 이슈들을 식별하고/하거나 해결하는 것이 대체적으로 어렵다. 예를 들어, 소정 시나리오들에서, 대규모 자산 포트폴리오로부터의 다수의 자산들(예컨대, 25개의 자산들)이 이슈를 가질 수 있다. 또한, 제한된 양의 시간이 전통적으로, 예를 들어, 데이터에 관련된 통찰들을 제공하기 위한 자산들에 관련된 데이터의 모델링에 소비된다. 그와 같이, 자산들과 관련된 데이터의 디지털 변환 및/또는 데이터 분석에 관련된 컴퓨팅 자원들이 전통적으로 비효율적인 방식으로 채용된다.
본 명세서에 기술된 주제의 일부 실시예들의 상세사항들이 첨부 도면들 및 하기 설명에 기재되어 있다. 본 주제의 다른 특징들, 태양들, 및 이점들은 상세한 설명, 도면, 및 청구범위로부터 명백해질 것이다.
일 실시예에서, 시스템은 하나 이상의 프로세서들, 메모리, 및 메모리에 저장된 하나 이상의 프로그램들을 포함한다. 하나 이상의 프로그램들은 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 수신하도록 구성된 명령어들을 포함한다. 요청은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함한다. 요청에 응답하여, 하나 이상의 프로그램들은, 자산 디스크립터에 기초하여, 자산들의 포트폴리오와 연관된 집계 데이터(aggregated data)를 획득하도록 구성된 명령어들을 포함한다. 요청에 응답하여, 하나 이상의 프로그램들은 또한, 집계 데이터에 대한 속성들의 시계열 맵핑(time series mapping)에 관련된 모델에 기초하여 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 결정하도록 구성된 명령어들을 포함한다. 요청에 응답하여, 하나 이상의 프로그램들은 또한, 컴퓨팅 디바이스의 전자 인터페이스에 대시보드 시각화를 제공하도록 구성된 명령어들을 포함하며, 대시보드 시각화는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함한다.
다른 실시예에서, 방법은, 하나 이상의 프로세서들 및 메모리를 갖는 디바이스에서, 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 수신하는 단계를 포함한다. 요청은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함한다. 요청에 응답하여, 본 방법은, 자산 디스크립터에 기초하여, 자산들의 포트폴리오와 연관된 집계 데이터를 획득하는 단계를 포함한다. 요청에 응답하여, 본 방법은 또한, 집계 데이터에 대한 속성들의 시계열 맵핑에 관련된 모델에 기초하여 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 결정하는 단계를 포함한다. 요청에 응답하여, 본 방법은 또한, 컴퓨팅 디바이스의 전자 인터페이스에 대시보드 시각화를 제공하는 단계를 포함하며, 대시보드 시각화는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함한다.
또 다른 실시예에서, 비일시적 컴퓨터 판독가능 저장 매체는 디바이스의 하나 이상의 프로세서들에 의한 실행을 위한 하나 이상의 프로그램들을 포함한다. 하나 이상의 프로그램들은, 하나 이상의 프로세서들에 의해 실행될 때, 디바이스로 하여금, 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 수신하게 하는 명령어들을 포함한다. 요청은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함한다. 요청에 응답하여, 하나 이상의 프로그램들은, 하나 이상의 프로세서들에 의해 실행될 때, 디바이스로 하여금, 자산 디스크립터에 기초하여, 자산들의 포트폴리오와 연관된 집계 데이터를 획득하게 하는 명령어들을 포함한다. 요청에 응답하여, 하나 이상의 프로그램들은 또한, 하나 이상의 프로세서들에 의해 실행될 때, 디바이스로 하여금, 집계된 데이터에 대한 속성들의 시계열 맵핑에 관련된 모델에 기초하여 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 결정하게 하는 명령어들을 포함한다. 요청에 응답하여, 하나 이상의 프로그램들은 또한, 하나 이상의 프로세서들에 의해 실행될 때, 디바이스로 하여금, 컴퓨팅 디바이스의 전자 인터페이스에 대시보드 시각화를 제공하게 하는 명령어들을 포함하고, 대시보드 시각화는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함한다.
첨부 도면들과 관련하여 예시적인 실시예들의 설명을 읽을 수 있다. 예시의 간단함 및 명료함을 위해, 도면에 도시된 요소들이 반드시 축척대로 그려진 것이 아님이 이해될 것이다. 예를 들어, 요소들 중 일부의 요소의 치수는 다른 요소에 비해 과장되어 있다. 본 개시내용의 교시내용들을 포함하는 실시예들이 본 명세서에 제시된 도면들과 관련하여 도시되고 기술된다.
도 1은 본 명세서에 기술된 하나 이상의 실시예들에 따른 예시적인 네트워크화된 컴퓨팅 시스템 환경을 예시한다.
도 2는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 네트워크화된 컴퓨팅 시스템의 IoT 플랫폼의 프레임워크의 개략적인 블록도를 예시한다.
도 3은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 예시적인 환경을 제공하는 시스템을 예시한다.
도 4는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 예시적인 환경을 제공하는 다른 시스템을 예시한다.
도 5는 본 명세서에 기술된 하나 이상의 실시예들에 따른 예시적인 컴퓨팅 디바이스를 예시한다.
도 6은 본 명세서에 기술된 하나 이상의 실시예들에 따른 예시적인 중앙집중식 제어 데이터베이스를 예시한다.
도 7은 본 명세서에 기술된 하나 이상의 실시예들에 따른 예시적인 시스템을 예시한다.
도 8은 본 명세서에 기술된 하나 이상의 실시예들에 따른 다른 예시적인 시스템을 예시한다.
도 9는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 디지털 트윈(digital twin)들과 연관된 예시적인 시스템을 예시한다.
도 10은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 대시보드 시각화와 연관된 예시적인 시스템을 예시한다.
도 12는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 대시보드 시각화와 연관된 다른 예시적인 시스템을 예시한다.
도 13은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 음성 입력과 연관된 예시적인 시스템을 예시한다.
도 14는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 음성 입력과 관련되는 자연 언어 처리와 연관된 예시적인 시스템을 예시한다.
도 15는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스를 예시한다.
도 16은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 17은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 18은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 19는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 20은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 21은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 22는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 23은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 다른 예시적인 전자 인터페이스를 예시한다.
도 24는 본 명세서에 기술된 하나 이상의 실시예들에 따른, LiDAR 기반 비전 시스템을 포함하는 자재 취급 시스템의 개략도를 예시한다.
도 25는 본 명세서에 기술된 하나 이상의 실시예들에 따른, LiDAR 기반 비전 시스템을 포함하는 자재 취급 시스템의 타깃 영역의 개략도를 예시한다.
도 26은 본 명세서에 기술된 하나 이상의 실시예들에 따른, LiDAR 기반 비전 시스템을 사용함으로써 자재 취급 환경에서 작업자에 의해 수행되는 운영의 모니터링을 도시하는 예시적인 시나리오를 예시한다.
도 27은 본 명세서에 기술된 하나 이상의 실시예들에 따른, LiDAR 기반 비전 시스템을 사용함으로써 모니터링될 수 있는 자재 취급 환경에서 수행되는 다른 운영을 도시하는 다른 예시적인 시나리오를 예시한다.
도 28은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들의 대시보드 시각화를 생성하기 위한 흐름도를 예시한다.
도 29는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오에 대한 우선순위화된 액션들의 대시보드 시각화를 생성하기 위해 자산들의 포트폴리오에 걸쳐 데이터를 집계하기 위한 흐름도를 예시한다.
도 30은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오에 걸쳐 데이터를 획득하고 자산들의 포트폴리오에 대한 대시보드 시각화 보고를 생성하기 위해 자연 언어 질의를 수행하기 위한 흐름도를 예시한다.
도 31은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오에 대한 대시보드 시각화 보고를 생성하기 위해 음성 입력을 생성하기 위한 흐름도를 예시한다.
도 32는 본 명세서에 기술된 하나 이상의 실시예들에 따라 기술된 기법들을 실행하도록 구성될 수 있는 컴퓨터의 기능 블록도를 예시한다.
이제 실시예들을 상세히 참조할 것이며, 그의 예들이 첨부 도면들에 예시되어 있다. 하기의 상세한 설명에서, 다양한 기술된 실시예들의 완전한 이해를 제공하기 위해 다수의 특정 상세사항들이 기재된다. 그러나, 다양한 기술된 실시예들이 이들 특정 상세사항들 없이 실시될 수 있음이 당업자에게 명백할 것이다. 다른 경우들에서, 잘 알려진 방법들, 절차들, 컴포넌트들, 회로들, 및 네트워크들은 실시예들의 태양들을 불필요하게 모호하게 하지 않도록 상세히 설명되지 않았다. 용어 "또는"은 본 명세서에서 달리 지시되지 않는 한 대안적인 의미 및 연결적인 의미 둘 모두로 사용된다. 용어들 "예시적인(illustrative, example, 및 exemplary)"은 어떠한 품질 레벨의 표시도 갖지 않는 예들이도록 사용된다. 동일한 번호는 전반에 걸쳐 동일한 요소를 지시한다.
어구들 "일 실시예에서", "하나의 실시예에서", "하나의 실시예에 따른" 등은 대체적으로, 어구에 뒤따르는 특정한 특징, 구조, 또는 특성이 본 개시내용의 적어도 하나의 실시예에 포함될 수 있고, 본 개시내용의 하나 초과의 실시예에 포함될 수 있음을 의미한다(중요하게는, 그러한 어구들은 반드시 동일한 실시예를 지칭하지는 않음).
단어 "예시적인"은 본 명세서에서 "예, 인스턴스, 또는 예시로서의 역할을 하는"을 의미하는 것으로 사용된다. "예시적인"것으로서 본 명세서에 기술된 임의의 구현예는 다른 구현예들에 비해 바람직하거나 또는 유리한 것으로 반드시 해석되어야 하는 것은 아니다.
본 명세서에서 컴포넌트 또는 특징부가 "~일 수 있다", "~일 수도 있다", "~일 수 있을 수 있다", "~이어야 한다", "~일 것이다", "바람직하게는", "가능하게는", "전형적으로", "선택적으로", "예를 들어", "종종", 또는 "~일 수도 있을 것이다"(또는 다른 그러한 언어)로 수식되면서 포함되거나 소정 특성을 갖는다고 기재되는 경우, 그러한 특정 컴포넌트 또는 특징부는 포함되도록 또는 그 특성을 갖도록 요구되지 않는다. 그러한 컴포넌트 또는 특징부는 일부 실시예들에서 선택적으로 포함될 수 있거나, 또는 그것은 배제될 수 있다.
대체적으로, 본 개시내용은 실시간 정확한 모델들 및 시각적 분석을 사용하여 엔터프라이즈 또는 기관의 지속적인 피크 성과에 대한 지능형 행동가능 추천들을 전달하는 엔터프라이즈 성과 관리를 위한 "사물 인터넷" 또는 "IoT" 플랫폼을 제공한다. IoT 플랫폼은, 프로세스들, 자산들, 사람들, 및 안전의 상태를 디스플레이하는, 엔터프라이즈 전반적 관점(enterprise-wide, top to bottom view)을 제공하기 위한 임의의 클라우드 또는 데이터 센터 환경에서 배치를 위해 휴대가능한 확장가능 플랫폼이다. 또한, 본 개시내용의 IoT 플랫폼은, 하기의 설명에서 상세히 설명된 바와 같이, 프로세스 데이터에 대해 디지털 트윈들을 실행하고 그 출력을 행동가능한 통찰들로 변환하기 위한 종단간(end-to-end) 능력을 지원한다.
전통적으로, 자산들과 관련되는 데이터의 디지털 변환 및/또는 데이터 분석은 대체적으로 인간 상호작용을 수반한다. 그러나, 종종 전문 작업자(예컨대, 관리자)가 대규모 자산 포트폴리오(예컨대, 보일러, 칠러, 펌프, 센서들 등과 같은 100개의 자산들을 각각 갖는 1000개의 건물들)를 담당한다. 따라서, 대규모 자산 포트폴리오에 있는 이슈들을 식별하고/하거나 해결하는 것이 대체적으로 어렵다. 예를 들어, 소정 시나리오들에서, 대규모 자산 포트폴리오로부터의 다수의 자산들(예컨대, 25개의 자산들)이 이슈를 가질 수 있다. 또한, 제한된 양의 시간이 전통적으로, 예를 들어, 데이터에 관련된 통찰들을 제공하기 위한 자산들에 관련된 데이터의 모델링에 소비된다. 그와 같이, 자산들과 관련된 데이터의 디지털 변환 및/또는 데이터 분석에 관련된 컴퓨팅 자원들이 전통적으로 비효율적인 방식으로 채용된다.
일례로서, 대체적으로, 관리 요원(예컨대, 실무자들, 관리자들, 등)에게 자산들의 포트폴리오에서 어떤 자산들이 서비스를 요구하는지, 자산들의 포트폴리오에서 어떤 자산들이 먼저 서비스되어야 하는지 등에 대한 이해가 제공되는 것이 바람직하다. 예를 들어, 종종, 관리 요원(예컨대, 실무자들, 공장 관리자들, 등)에게, 예를 들어 자산 및/또는 운영 성과를 증가시키기 위해 산업 환경(예컨대, 산업 공장)에 관련된 롤업(roll up)되는 메트릭들의 공통 뷰가 제공되는 것이 바람직하다. 그러나, 오늘날 이용가능한 다양한 대시보드 기술에도 불구하고, 디스플레이된 메트릭들은 기술 요원(예컨대, 엔지니어들 등)에 의존하지 않고서 관리 요원(예컨대, 실무자들, 공장 관리자들 등)에 의한 실행 전략을 개선하고/하거나 조정하기 위한 통찰을 제공하지 않는다. 따라서, 관리 요원(예컨대, 실무자들, 공장 관리자들 등)은 대체적으로 공학 분석에 크게 의존하며, 이는 대체적으로 산업 환경에 대한 메트릭들을 획득하기 위해 광범위한 그리고/또는 시간 소모적인 분석을 수반한다. 추가적으로, 자산들의 포트폴리오로부터 자산들의 서비스를 용이하게 하기 위해 관리 요원(예컨대, 실무자들, 관리자들 등)에게 개선된 기술을 제공하는 것이 대체적으로 바람직하다. 예를 들어, 전통적인 대시보드 기술은 대체적으로, 예를 들어, 자산들에 대한 상이한 통찰들을 제공하기 위해 대시보드의 수동 구성을 수반한다. 또한, 자산들의 대시보드 데이터 모델링과 함께 채용되는 전통적인 대시보드 기술은 대체적으로 핵심 애플리케이션 및/또는 자산 모델 외부에서 구현된다. 따라서, 대체적으로, 효율적인 그리고/또는 정확한 방식으로 자산들에 대해 데이터 모델링을 실행하는 것이 어렵다.
따라서, 이들 및/또는 다른 이슈들을 해결하기 위해, 자산들의 포트폴리오를 관리하기 위한 기술들 및/또는 기법들이 제공된다. 다양한 실시예들에서, 본 명세서에 개시된 기술들 및/또는 기법들은, 예를 들어 자산들의 포트폴리오 내의 하나 이상의 자산들의 성과를 개선하기 위해 자산 성과를 관리하도록 채용된다.
하나 이상의 실시예들에서, 자산 성과 관리를 용이하게 하기 위해 중앙집중식 제어를 이용한 자산들의 포트폴리오의 관리가 제공된다. 다양한 실시예들에서, 하나 이상의 자산들과 연관된 데이터가 수집되고, 정화(clean)되고, 집계되어 집계 데이터를 제공한다. 또한, 다양한 실시예들에서, 하나 이상의 메트릭들이 자산들에 대한 기회 및/또는 성과 통찰들을 제공하기 위해 집계 데이터로부터 결정된다. 다양한 실시예들에 따르면, 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된 이슈들을 제시하는 대시보드 시각화가 제공된다. 다양한 실시예들에서, 대시보드 시각화는, 포트폴리오 운영자가 자산들의 포트폴리오와 연관된 이슈들을 원격으로 관리, 조사, 및/또는 해결할 수 있게 하는 엔터프라이즈 애플리케이션이다. 다양한 실시예들에서, 대시보드 시각화는, 예를 들어, 핵심 성과 표시자(key performance indicator, KPI)와 같은 점수 또는 메트릭 값으로의 자산 성과 데이터의 집계를 용이하게 한다. 다양한 실시예들에서, 대시보드 시각화는, 추가적으로 또는 대안적으로, 자산 성과를 개선하기 위한 추천들을 제공하는 것을 용이하게 한다. 다양한 실시예들에서, 대시보드 시각화는, 추가적으로 또는 대안적으로, 자산 설정점(set point)들의 원격 제어 및/또는 변경을 용이하게 한다. 하나 이상의 실시예들에서, 하나 이상의 자산들과 연관된 이슈들은, 자산들의 포트폴리오와 관련하여 가장 큰 영향을 미치는 이슈들이 대시보드 시각화를 통해 먼저 제시되도록 순서화된다. 영향은 자산을 수리하는 비용, 하나 이상의 자산들에 관련된 이슈들과 연관된 에너지 소비, 하나 이상의 자산들에 관련된 이슈들과 연관된 절약 손실 등에 기초할 수 있다.
다양한 실시예들에서, 사용자는 대시보드 시각화를 채용하여, 자산들의 포트폴리오와 연관된 이슈들을 식별하고, 자산들의 포트폴리오와 관련되는 조정들을 하고, 그리고/또는 자산들의 포트폴리오와 연관된 작업 오더(work order)들을 할 수 있다. 다양한 실시예들에서, 사용자는 해결되어야 할 자산들의 포트폴리오에 대한 이슈들을 결정하는 것을 용이하게 하기 위해 그리고/또는 자산들의 포트폴리오에 관련된 우선순위화된 액션들에 대한 순서화를 결정하는 것을 용이하기 위해 성과 관리 카테고리(예컨대, 에너지 최적화, 디지털화된 유지보수 등)에 가입할 수 있다. 예를 들어, 우선순위화된 액션들의 순서화는 에너지 최적화의 경우에 디지털화된 유지보수와는 상이할 수 있다. 다양한 실시예들에서, 대시보드 시각화는, 구내(on-premise) 건물 관리 시스템(building management system, BMS)으로부터의 경보들을 조합하는 경보들 목록을 제공한다. 다양한 실시예들에서, 클라우드 분석은 이슈들에 기초하여 경보들을 그룹화하도록 그리고/또는 하나 이상의 알고리즘들에 기초하여 이슈들을 우선순위화하도록 수행된다. 다양한 실시예들에서, 대시보드 시각화는 경보들에 관련된 분석 및/또는 액션들을 용이하게 하도록 정보를 자동으로 제시하기 위해 하나 이상의 데이터 모델들을 채용하는 이슈 분석 분류 솔루션을 제공한다. 다양한 실시예들에서, 대시보드 시각화는 자산 링크들 및/또는 경보들에 관련된 이슈 기반 사례들을 생성하기 위해 건물 관리 기술 솔루션에 통합되는 서비스 사례 관리 솔루션을 제공한다. 다양한 실시예들에서, 대시보드 시각화는, 운영자들이 자산들의 운영 상태를 쉽게 이해하고, 자산들에 관련된 이슈들을 조사하고, 그리고/또는 자산들에 관련된 제어 변경들을 행할 수 있게 하기 위해 포트폴리오 운영들을 단일 위치로 중앙집중화한다. 그와 같이, 다양한 실시예들에 따르면, 자산 및/또는 인력 사용이 최적화되고, 자산들의 포트폴리오에 관련된 최고 우선순위 이슈들이 최적의 방식으로 사용자에게 제시된다. 추가적으로, 다양한 실시예들에 따르면, 시설 운영 및/또는 유지보수 비용들이 감소되면서, 또한 대시보드 시각화를 채용함으로써 장비 가동 시간, 서비스 운영 효율, 및/또는 환경 조건들을 개선한다. 추가적으로, 다양한 실시예들에 따라 대시보드 시각화를 채용함으로써, 결함들의 원격 분류 및/또는 자산 이슈들의 원격 해답이 제공된다. 추가적으로, 다양한 실시예들에 따르면, 대시보드 시각화는 자산들을 검토하고, 관리하고, 그리고/또는 제어하는 중앙집중식 능력을 제공한다.
하나 이상의 실시예들에서, 실시간 자산 분석을 용이하게 하기 위해 자산들의 포트폴리오에 대한 가상 어시스턴트가 추가적으로 또는 대안적으로 제공된다. 예를 들어, 다양한 실시예들에서, 자산들의 포트폴리오 내의 자산들의 운영 및/또는 유지보수를 개선하기 위한 스마트 산업 가상 어시스턴트(예컨대, 챗봇 등)가 제공된다. 다양한 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오의 원격 모니터링 및/또는 모바일 디바이스들에 대해 구성된 시각화를 제공한다. 다양한 실시예들에서, 자산들의 포트폴리오에 대한 포트폴리오 운영들의 대시보드 시각화를 구축하기 위해 대화형 인공 지능이 엔터프라이즈 성과 관리 애플리케이션에 걸쳐 제공된다. 다양한 실시예들에서, 자연 언어 질의가 자산들의 포트폴리오에 관련된 대시보드 시각화 및/또는 실시간 자산 분석을 구축하기 위해 제공된다. 다양한 실시예들에서, 다수의 데이터저장소들은 자산들의 포트폴리오에 관련된 대시보드 시각화 및/또는 실시간 자산 분석의 생성을 용이하게 하도록 추상화된다. 다양한 실시예들에서, 다수의 모델들이 통합되고/되거나 자연 언어 질의가 다수의 모델들과 연관된 데이터에 관련된 대시보드 시각화를 구축하기 위해 채용된다. 다양한 실시예들에서, 대시보드 시각화는 엔터프라이즈의 다수의 계층들(예컨대, 자산들의 포트폴리오와 관련되는 다수의 계층들, 창고 프로세스의 다수의 계층들, 산업 프로세스의 다수의 계층들 등)에 걸쳐 최종 사용자에게 가시성을 제공한다. 다양한 실시예들에서, 대시보드 시각화는 센서들(예컨대, 진동, 전력 등), 제어 디바이스들(예컨대, 핵심 성과 표시자(KPI)들, 장비 상태들 등), 노동 관리(예컨대, 할당, 활용, 품질 등), 창고 실행(예컨대, 오더들, 라우팅 등), 재고 관리(예컨대, 위치, 수량, 슬로팅(slotting) 등), 및/또는 엔터프라이즈의 하나 이상의 다른 계층들과 연관된 실시간 자산 분석을 제공한다. 다양한 실시예들에서, 대시보드 시각화는 엔터프라이즈 성과 관리를 용이하게 하기 위해 엔터프라이즈의 각자의 계층들의 하이 레벨 뷰를 제공한다.
다양한 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오에 관련된 경보 및/또는 사례 관리를 용이하게 한다. 예를 들어, 다양한 실시예들에서, 대시보드 시각화는 분석 제품들로부터의 그리고/또는 직접적으로는 풍부한 서비스 사례들과 조합되는 현장 시스템들로부터의 경보들의 통합된 뷰를 제공한다. 다양한 실시예들에서, 대시보드 시각화는 분류 및 제어를 용이하게 한다. 예를 들어, 다양한 실시예들에서, 대시보드 시각화는 자산들과 관련된 실시간 데이터 및/또는 이력 트렌드들을 제공한다. 다양한 실시예들에서, 실시간 데이터 및/또는 이력 트렌드들과 연관된 특징들, 속성들 및/또는 관계들은, 예를 들어, 장비 결함들을 수리하고, 장비를 제어하고, 그리고/또는 설정점들을 변경하여 대시보드 시각화 내의 이슈들을 해결하기 위해 하나 이상의 인공 지능 시스템들에 기초하여 결정된다.
다양한 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오에 관련된 그래픽들 및/또는 다른 시각화들의 디스플레이를 용이하게 한다. 예를 들어, 다양한 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오 내의 자산들의 구성, 그들 사이의 관계, 및/또는 그들의 위치를 보여주는 동적으로 생성된 그래픽들을 제공하여, 예를 들어, 원격 시설들과 연관된 지식, 결함 진단의 지원, 및/또는 이슈들에 관련된 액션들의 수행을 가능하게 한다. 다양한 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오와 연관된 운영들 및/또는 스케줄링을 용이하게 한다. 예를 들어, 다양한 실시예들에서, 자산들의 운영 모드들에 대한 일시적 또는 장기 변경들을 용이하게 하는 대시보드 시각화는 이벤트들, 계절별 변경들, 유지보수 기간들 및/또는 자산 사용 또는 운영들에 대한 다른 변경들을 허용하도록 스케줄링 변경들 및/또는 수동 스위칭을 통해 이루어질 수 있다.
다양한 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오에 관련된 이슈들의 우선순위화된 뷰를 제공하기 위해 상이한 소스들 및/또는 상이한 시스템 유형들로부터의 경보들을 단일 경보 스크린 내에 제시한다. 다양한 실시예들에 따르면, 경보들은 구내 BMS, 보안, 화재 및 다른 시스템들로부터의 경고들을 포함한다. 추가적으로 또는 대안적으로, 다양한 실시예들에 따르면, 경보들은 자산들의 현재 상태들 및/또는 이력 상태들과 관련되는 분석 및/또는 규정 기반 클라우드 위치된 시스템들로부터의 경보들을 포함한다. 추가적으로 또는 대안적으로, 다양한 실시예들에 따르면, 경보들은 자산 환경 및/또는 자산들과 연관된 건전성(health) 및 안전 조건들을 모니터링하는 시스템들로부터의 경보들을 포함한다. 추가적으로 또는 대안적으로, 다양한 실시예들에 따르면, 경보들은 사이버 보안 시스템들로부터의 경보들을 포함한다. 추가적으로 또는 대안적으로, 다양한 실시예들에 따르면, 경보들은 자산들의 건전성을 모니터링하는 시스템들로부터의 경보들을 포함한다. 추가적으로 또는 대안적으로, 다양한 실시예들에 따르면, 경보들은 건물 점유자들, 직원들, 기술자들 등으로부터의 호출들로 인해 발생할 수 있는 수동으로 입력된 경보들을 포함한다. 다양한 실시예들에서, 경보들은 대시보드 시각화를 통해 운영자에게 논리적으로 그룹화되고/되거나 제시된다. 다양한 실시예들에서, 경보들은 위치(예컨대, 지리적 영역들 또는 건물들) 및/또는 관련 자산들에 기초하여 논리적으로 그룹화된다. 다양한 실시예들에서, 경보들은, 최고 우선순위 이슈들이 경보들의 목록의 상단에 있도록 대시보드 시각화를 통해 제시된다. 다양한 실시예들에서, 경보들의 우선순위화는 자산의 유형, 시설의 유형, 이슈들에 의해 영향을 받는 영역의 사용 및 크기, 자산들의 수, 이슈들의 수, 개별 경보들의 우선순위가 배정된 유형들, 및/또는 자산들과 연관된 다른 특징들에 기초하여 결정된다. 다양한 실시예들에서, 기계 학습이 경보들을 논리적으로 그룹화하고/하거나 제시하기 위해 채용된다. 다양한 실시예들에서, 기계 학습은 대시보드 시각화의 운영자에 의한 사용을 최적으로 반영하는 경보들을 식별하기 위해 채용된다.
다양한 실시예들에서, 확장가능 객체 모델은 서비스 사례들에 관련된 실시간 특성들 및 트렌드들의 자동화된 디스플레이를 도표 및 그래픽 디스플레이들에 제공하기 위해 채용된다. 추가적으로 또는 대안적으로, 다양한 실시예들에서, 확장가능 객체 모델은 모델 데이터에 의해 채워진 표준 또는 모듈식 다이어그램들을 사용하여 장비 개략도들 및 구성들의 자동화된 생성 및 디스플레이를 제공하기 위해 채용된다. 추가적으로 또는 대안적으로, 다양한 실시예들에서, 확장가능 객체 모델은 자산들의 포트폴리오 내의 자산들 사이(예컨대, 시설들 내의 장비 및/또는 다른 자산들 사이, 건물과 건물들 내의 물리적 공간들 사이 등)의 관계들의 그래프 모델 뷰를 생성하기 위해 채용된다. 추가적으로 또는 대안적으로, 다양한 실시예들에서, 확장가능 객체 모델은, 그래프에서의 노드들이, 자산들의 포트폴리오가 노드들에 관련된 하나 이상의 경고들과 연관되는지 여부를 시각적으로 나타내도록 모델들 사이의 관계들을 결정하기 위해 채용된다. 추가적으로 또는 대안적으로, 다양한 실시예들에서, 확장가능 객체 모델은 자산 데이터가 있는 노드들 및/또는 다른 정보에 대한 링크들을 통해 정보 통지들을 제공하기 위해 채용된다.
다양한 실시예들에서, 대시보드 시각화는 안전, 위험, 에너지/유틸리티 비용, 설비 종합 효율(overall equipment effectiveness, OEE), 성과 표시자들 등과 관련된 메트릭들과 같은 메트릭들에 기초하여 자산 레벨, 공장 레벨, 현장(site) 레벨, 및/또는 엔터프라이즈 레벨에서 기회를 제공하고/하거나 실행시키도록 제공된다. 다양한 실시예들에서, 하나 이상의 자산들에 대한 메트릭 모니터링이 맞춤화가능하다. 예를 들어, 하나 이상의 실시예들에서, 하나 이상의 자산들에 대한 메트릭 모니터링은 상이한 보고 시간 간격들에 대해 구성가능하다(예컨대, 일일 메트릭 모니터링(1 내지 24 시간), 월별 메트릭 모니터링(매월 1일 내지 매월 말일), 연간 메트릭 모니터링(매년 첫 달 내지 매년 마지막 달), 등). 다른 예에서, 하나 이상의 실시예들에서, 메트릭 모니터링을 위한 보고 기간의 시작 및 메트릭 모니터링을 위한 보고 기간의 종료가 구성가능하다(예컨대, 7 am에서 시작하고 3 pm에 종료되는 메트릭 모니터링, 매월 1일에서 시작하고 매월 10일에 종료되는 메트릭 모니터링, 4월에서 시작하고 12월에 종료되는 메트릭 모니터링, 등).
하나 이상의 실시예들에서, 자산 성과 관리를 용이하게 하기 위한 산업 메트릭들의 상황별 롤업이 추가적으로 또는 대안적으로 제공된다. 다양한 실시예들에서, (예컨대, 자산들로부터의 데이터를 롤링함으로써) 모델에 관련된 데이터의 롤업은 안전, 위험, 에너지/유틸리티 비용, OEE, 성과 표시자들 등과 관련된 메트릭들과 같은 메트릭들에 기초하여 자산 레벨, 공장 레벨, 현장 레벨, 및/또는 엔터프라이즈 레벨에서 기회를 제공하고/하거나 실행시키도록 제공된다. 다양한 실시예들에서, 경제적 영향들/절약들을 제공하기 위해 하나 이상의 액션들을 실행시키도록 제어가능한 분석을 위한 기여 모델(contribution model)이 제공된다. 예를 들어, 하나 이상의 자산들에 대한 특정 타깃 메트릭을 개선시키기 위해, 기여 모델은 (예컨대, 디지털 트윈 모델 비용에 의해 제공되는 예상 값으로부터의 메인 스팀 온도 편차와 같은) 하나 이상의 자산들과 연관된 하나 이상의 변경들과 관련되는 하나 이상을 용이하게 하기 위해 손실에 대한 제어가능한 변수들 기여와 관련되는 하나 이상의 통찰들을 제공한다. 다양한 실시예들에서, 하나 이상의 통찰들은 대시보드 시각화를 통해 사용자에게 제공된다. 다양한 실시예들에서, 데이터 집계, 데이터 저장, 및/또는 데이터 롤업에 대한 경량 설계가 엔터프라이즈에 걸쳐 하나 이상의 메트릭들을 제공하도록 제공된다. 다양한 실시예들에서, 하나 이상의 자산들과 연관된 데이터의 평가를 용이하게 하기 위해 하나 이상의 중첩 및/또는 비-중첩 메트릭들이 정의된다.
다양한 실시예들에서, 역할 기반 메트릭들 집계 및/또는 보고를 위한 계층구조가 제공된다. 다양한 실시예들에서, 계층구조는 하나 이상의 근본적인 자산들에 대한 관련 메트릭들을 집계하기 위한 역할에 맵핑된다. 예를 들어, 하나 이상의 실시예들에서, 유지보수 엔지니어에 대한 자산 이용가능성은 순환 자산 계층구조 및/또는 기구 자산 계층구조에 기초하여 제공된다. 다양한 실시예들에서, 메트릭 평가자는 하나 이상의 자산들과 연관된 하나 이상의 메트릭들을 보고하기 위해 하나 이상의 자산들로부터의 스트리밍 데이터와 통합된다. 하나 이상의 실시예들에서, 스트리밍 데이터는 데이터 구조 내의 상이한 데이터 구조들 및/또는 상이한 위치들 사이에서 집계되고/되거나 롤오버(roll over)된다(예컨대, 이동됨). 다양한 실시예들에서, 데이터를 집계하는 동적 캐시는 매시간 시간 간격에서 시작하여 매일의 시간 간격 내지 매달의 시간 간격까지 책임 흐름 패턴의 체인을 사용하여 데이터를 롤오버하기 위해 캐스케이드형 워터폴 스택(waterfall stack)으로서 구성된다. 다양한 실시예들에서, 동적 캐시는 추가적으로 또는 대안적으로, 공장 레벨, 자산 레벨, 현장 레벨, 영역 레벨 등과 같은 자산들의 계층구조를 통해 데이터의 롤업을 위해 구성된다. 다양한 실시예들에서, 동적 워터폴 캐시는 개선된 비용 및/또는 성과를 제공한다. 다양한 실시예들에서, 데이터 집계 및/또는 데이터 롤업은 실시간으로 (예컨대, 매일의 메트릭들을 통해 시간 내지 일(day) 단위 등으로) 제공된다. 다양한 실시예들에서, 동적 캐시는 메트릭들에 대한 시계열 데이터베이스 및/또는 시계열 트랜잭션 저장소이다. 다양한 실시예들에서, 데이터 저장에 대한 성능은 동적 캐싱을 통해 개선된다. 다양한 실시예들에서, 동적 캐시와 관련되는 감도 분석을 위한 가정의(what-if) 그리고/또는 오프라인 재계산이 제공된다. 하나 이상의 실시예들에서, 동적 캐시의 하나 이상의 부분들은 하나 이상의 계산들의 재실행을 위해 클로닝(cloning) 및/또는 채용된다.
다양한 실시예들에서, 다양한 사용자 아이덴티티들에 걸친 대시보드 시각화가, 예를 들어, 확장가능 객체 모델을 사용하여 템플릿형 대시보드 모델을 통해 제공된다. 다양한 실시예들에서, 특정 사용자 아이덴티티(예컨대, 유지보수)에 대한 대시보드 시각화는 엔터프라이즈 레벨, 현장 레벨, 공장 레벨, 유닛 레벨(예컨대, 자산 레벨) 등과 같은 다양한 계층구조 레벨들에서 보고된다. 다양한 실시예들에서, 제1 자산 계층구조 레벨(예컨대, 엔터프라이즈 레벨)과 연관된 메트릭들은 메트릭들 또는 목표들(예컨대, OEE 등)을 포함한다. 다양한 실시예들에서, 제2 자산 계층구조 레벨(예컨대, 현장 레벨)과 연관된 메트릭들은 타깃 목표(예컨대, 이용가능성, 에너지, 성과, 품질)에 영향을 미치는 메트릭들을 포함한다. 다양한 실시예들에서, 제3 자산 계층구조 레벨(예컨대, 공장 레벨)과 연관된 메트릭들은 타깃화된 목표 OEE에 영향을 미치는 바람직하지 않은 액터 자산들의 식별을 포함한다. 다양한 실시예들에서, 제4 자산 계층구조 레벨(예컨대, 자산 레벨)과 연관된 메트릭들은 타깃 목표와 관련되는 이벤트 또는 예외를 포함한다.
다양한 실시예들에서, 대시보드 시각화는 콘텍스트에 기초하여 수정된다(예컨대, 대시보드는 에너지 콘텍스트로 변경되고, 확장가능 객체 모델을 통해 자산들 및/또는 메트릭들의 모델링에 기초하여 동일한 레벨의 상세사항들을 디스플레이함). 다양한 실시예들에서, 구성된 모델은 사용자 역할, 대시보드를 인보크하는 사용자 콘텍스트, 및/또는 메트릭 모델에 대해 맵핑된 계층구조에 기초하여 관련 메트릭들을 제시하기 위해 채용된다. 다양한 실시예들에서, 메트릭들 모델은 자산들의 계층구조 및/또는 하나 이상의 스케줄들(예컨대, 하나 이상의 시간 간격들)에 관련된 KPI 요약 데이터 세트를 제공하여 데이터의 저장을 집계하고/하거나 롤업한다. 다양한 실시예들에서, 메트릭들 모델은 데이터의 롤업을 제공하여 하나 이상의 타깃들을 계산하고/하거나, 자산들로부터의 데이터를 롤링함으로써 안전 위험, 에너지/유틸리티 비용, OEE와 같은 메트릭들에 기초하여 자산 레벨, 공장 레벨, 현장 레벨, 및/또는 엔터프라이즈 레벨에서 기회(예컨대, 실제 대 한계 & 타깃)를 식별한다. 다양한 실시예들에서, 애플리케이션 프로그래밍 인터페이스는 (예컨대, 대시보드 시각화를 통해) 상이한 시각화 도구들 및/또는 상이한 보고 도구들을 통합하기 위해 채용된다. 하나 이상의 실시예들에서, 사용자 상호작용 그래픽 사용자 인터페이스가 생성된다. 예를 들어, 하나 이상의 실시예들에서, 그래픽 사용자 인터페이스는 대시보드 시각화의 시각적 표현을 렌더링한다. 하나 이상의 실시예들에서, 사용자 디바이스들에 대한 하나 이상의 통지들은 자산들의 계층구조에서의 상이한 레벨들에서 하나 이상의 자산들과 연관된 메트릭들에 기초하여 생성된다.
다양한 실시예들에서, 애플리케이션 프로그래밍 인터페이스는 (예컨대, 대시보드 시각화를 통해) 상이한 시각화 도구들 및/또는 상이한 보고 도구들을 통합하기 위해 채용된다. 하나 이상의 실시예들에서, 사용자 상호작용 그래픽 사용자 인터페이스가 생성된다. 예를 들어, 하나 이상의 실시예들에서, 그래픽 사용자 인터페이스는 대시보드 시각화의 시각적 표현을 렌더링한다. 하나 이상의 실시예들에서, 사용자 디바이스들에 대한 하나 이상의 통지들은 자산들의 포트폴리오의 하나 이상의 자산들과 연관된 메트릭들에 기초하여 생성된다.
하나 이상의 실시예들에서, 대시보드 시각화는, 사용자가 하나 이상의 자산들이 하나 이상의 메트릭들(예컨대, 하나 이상의 KPI들)에 대해 어떻게 수행되고 있는지를 볼 수 있게 한다. 하나 이상의 실시예들에서, 대시보드 시각화는, 사용자가 자산들과 관련하여 어떤 다음 단계들이 메트릭들(예컨대, 디바이스 #1을 고치는 것은 X% 에너지를 저장할 것인 반면에, 디바이스 #2를 수리하는 것은 $Y를 절약할 것임)에 따라 액션(예컨대, 디바이스 #1을 수리하는 것 대 디바이스 #2를 수리하는 것)에 대한 최적의 투자 수익을 제공할 것인지를 식별할 수 있게 한다. 하나 이상의 실시예들에서, 대시보드 시각화는, 사용자가 대시보드를 통해 개별 자산들을 관찰할 수 있게 한다(예컨대, 보일러 #1은 90% 효율로 운영하고 있거나, 또는 액션이 취해지지 않는 한 X 주, Y 일, Z 시간 내에 고장날 것임; 제1 시간 간격 내에서 보일러 #1을 수리하는 것은 $X를 절약할 것인 반면에, 제2 시간 간격 내에서 수리하는 것은 $Y를 절약할 것임). 하나 이상의 실시예들에서, 대시보드 시각화는, 사용자가 원격으로 자산에 대한 개별 설정들을 변경할 수 있게 한다. 하나 이상의 실시예들에서, 대시보드 시각화는, 자산에 대한 설정들을 X에서 Y로 변경하는 것이 X% 에너지 또는 $Y를 절약할 것임을 사용자에게 통지한다.
그와 같이, 본 명세서에 개시된 하나 이상의 기법들을 채용함으로써, 자산 성과가 최적화된다. 또한, 본 명세서에 개시된 하나 이상의 기법들을 채용함으로써, 기회에 대한 개선된 통찰들 및/또는 자산들에 대한 성과 통찰들이 그래픽 사용자 인터페이스와 연관된 개선된 시각적 표시자들을 통해 사용자에게 제공된다. 예를 들어, 본 명세서에 개시된 하나 이상의 기법들을 채용함으로써, 종래의 기법들의 능력들과 비교하여 추가적인 그리고/또는 개선된 자산 통찰들이 데이터 세트에 걸쳐 달성될 수 있다. 추가적으로, 데이터 분석과 연관된 처리 시스템의 성능은 본 명세서에 개시된 하나 이상의 기법들을 채용함으로써 개선된다. 예를 들어, 컴퓨팅 자원들의 수, 저장 요건들의 수, 및/또는 데이터 분석과 연관된 오류들의 수는 본 명세서에 개시된 하나 이상의 기법들을 채용함으로써 감소된다.
도 1은 본 개시내용에 따른 예시적인 네트워크화된 컴퓨팅 시스템 환경(100)을 예시한다. 도 1에 도시된 바와 같이, 네트워크화된 컴퓨팅 시스템 환경(100)은 클라우드(105)(예컨대, 클라우드 계층(105)), 네트워크(110)(예컨대, 네트워크 계층(110)), 및 에지(115)(예컨대, 에지 계층(115))를 포함하는 복수의 계층들로 조직화된다. 하기에 추가로 상세히 설명되는 바와 같이, 에지(115)의 컴포넌트들은 네트워크(110)를 통해 클라우드(105)의 컴포넌트들과 통신한다.
다양한 실시예들에서, 네트워크(110)는 임의의 적합한 네트워크 또는 네트워크들의 조합이고, 클라우드(105)의 컴포넌트들로의 그리고 그로부터의 그리고 네트워크화된 컴퓨팅 시스템 환경(100) 내의 다양한 다른 컴포넌트들(예컨대, 에지(115)의 컴포넌트들) 사이에서의 데이터의 통신에 적합한 임의의 적절한 프로토콜을 지원한다. 다양한 실시예들에 따르면, 네트워크(110)는 공중 네트워크(예컨대, 인터넷), 사설 네트워크(예컨대, 조직 내의 네트워크), 또는 공중 네트워크 및/또는 사설 네트워크의 조합을 포함한다. 다양한 실시예들에 따르면, 네트워크(110)는 도 1에 도시된 다양한 컴포넌트들 사이의 통신을 제공하도록 구성된다. 다양한 실시예들에 따르면, 네트워크(110)는 디바이스들 및/또는 컴포넌트들 사이의 통신을 허용하기 위해 네트워크 레이아웃 내의 디바이스들 및/또는 컴포넌트들을 접속하는 하나 이상의 네트워크들을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 네트워크(110)는 인터넷, 무선 네트워크, 유선 네트워크(예컨대, 이더넷), 근거리 네트워크 (local area network, LAN), 광역 네트워크(Wide Area Network, WAN)들, 블루투스, 근접장 통신(Near Field Communication, NFC), 또는 네트워크 레이아웃의 하나 이상의 컴포넌트들 사이의 통신들을 제공하는 임의의 다른 유형의 네트워크로서 구현된다. 일부 실시예들에서, 네트워크(110)는 셀룰러 네트워크들, 위성, 허가 무선통신장치(licensed radio), 또는 셀룰러, 위성, 허가 무선통신장치, 및/또는 비허가 무선 네트워크들의 조합을 사용하여 구현된다.
클라우드(105)의 컴포넌트들은 소위 "사물 인터넷" 또는 "IoT" 플랫폼(125)을 형성하는 하나 이상의 컴퓨터 시스템들(120)을 포함한다. "IoT 플랫폼"은 임의의 유형의 인터넷 접속된 디바이스를 접속시키는 플랫폼을 설명하는 선택적 용어이며, IoT 플랫폼(125) 내에서 사용가능한 컴퓨팅 시스템들의 유형들을 제한하는 것으로 해석되어서는 안 된다는 것을 이해해야 한다. 특히, 다양한 실시예들에서, 컴퓨터 시스템들(120)은 네트워크화된 컴퓨팅 시스템 환경(100)의 애플리케이션들 또는 소프트웨어 모듈들을 저장하고 실행하기 위한 메모리를 포함하는 임의의 유형 또는 양의 하나 이상의 데이터 저장 디바이스들 및 하나 이상의 프로세서들을 포함한다. 일 실시예에서, 프로세서들 및 데이터 저장 디바이스들은 서버-클래스 하드웨어, 예컨대 엔터프라이즈 레벨 서버들에서 구현된다. 예를 들어, 일 실시예에서, 프로세서들 및 데이터 저장 디바이스들은 애플리케이션 서버들, 통신 서버들, 웹 서버들, 슈퍼 컴퓨팅 서버들, 데이터베이스 서버들, 파일 서버들, 메일 서버들, 프록시 서버들, 및 가상 서버들의 임의의 유형 또는 그들의 조합을 포함한다. 또한, 하나 이상의 프로세서들은 메모리에 액세스하고 프로세서 판독가능 명령어들을 실행하도록 구성되며, 프로세서 판독가능 명령어들은, 프로세서들에 의해 실행될 때, 네트워크화된 컴퓨팅 시스템 환경(100)의 복수의 기능들을 수행하도록 프로세서들을 구성한다.
컴퓨터 시스템들(120)은 IoT 플랫폼(125)의 하나 이상의 소프트웨어 컴포넌트들을 추가로 포함한다. 예를 들어, 하나 이상의 실시예들에서, 컴퓨터 시스템들(120)의 소프트웨어 컴포넌트들은 네트워크(110)를 통해 사용자 디바이스들 및/또는 다른 컴퓨팅 디바이스들과 통신하기 위한 하나 이상의 소프트웨어 모듈들을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 소프트웨어 컴포넌트들은 하나 이상의 모듈들(141), 모델들(142, 엔진들(143), 데이터베이스들(144), 서비스들(145), 및/또는 애플리케이션들(146)을 포함하며, 이는 하기의 도 2와 관련하여 상세히 설명된 바와 같이, 컴퓨터 시스템들(120)에/이에 의해 저장될 수 있다(예컨대, 메모리 상에 저장됨). 다양한 실시예들에 따르면, 하나 이상의 프로세서들은 본 개시내용에 기술된 다양한 방법들을 수행할 때 하나 이상의 모듈들(141), 모델들(142), 엔진들(143), 데이터베이스들(144), 서비스들(145), 및/또는 애플리케이션들(146)을 활용하도록 구성된다.
따라서, 하나 이상의 실시예들에서, 컴퓨터 시스템들(120)은 계산 및/또는 데이터 저장을 위한 확장가능 자원들로 클라우드 컴퓨팅 플랫폼(예컨대, IoT 플랫폼(125))을 실행시키고, 본 개시내용에 기술된 다양한 컴퓨터 구현 방법들을 수행하기 위해 클라우드 컴퓨팅 플랫폼 상의 하나 이상의 애플리케이션들을 실행시킬 수 있다. 일부 실시예들에서, 모듈들(141), 모델들(142), 엔진들(143), 데이터베이스들(144), 서비스들(145), 및/또는 애플리케이션들(146) 중 일부는 조합되어 더 적은 모듈들, 모델들, 엔진들, 데이터베이스들, 서비스들, 및/또는 애플리케이션들을 형성한다. 일부 실시예들에서, 모듈들(141), 모델들(142), 엔진들(143), 데이터베이스들(144), 서비스들(145), 및/또는 애플리케이션들(146) 중 일부는 별개의 더 많은 수의 모듈들, 모델들, 엔진들, 데이터베이스들, 서비스들, 및/또는 애플리케이션들로 분리된다. 일부 실시예들에서, 모듈들(141), 모델들(142), 엔진들(143), 데이터베이스들(144), 서비스들(145), 및/또는 애플리케이션들(146) 중 일부는 제거되는 한편, 다른 것들이 추가된다.
컴퓨터 시스템들(120)은 네트워크화된 컴퓨팅 시스템 환경(100)의 다른 컴포넌트들(예컨대, 에지(115)의 컴포넌트들)로부터 네트워크(110)를 통해 데이터를 수신하도록 구성된다. 컴퓨터 시스템들(120)은 수신된 데이터를 활용하여 결과를 생성하도록 추가로 구성된다. 다양한 실시예들에 따르면, 결과를 나타내는 정보는 네트워크(110)를 거쳐 사용자 컴퓨팅 디바이스들을 통해 사용자들에게 송신된다. 일부 실시예들에서, 컴퓨터 시스템들(120)은 수신된 데이터 및/또는 결과(들)를 나타내는 정보를 사용자들에 제공하는 것을 포함하는 하나 이상의 서비스들을 제공하는 서버 시스템이다. 다양한 실시예들에 따르면, 컴퓨터 시스템들(120)은 하나 이상의 IoT 서비스들을 구현하는 임의의 유형의 회사, 조직, 또는 기관을 포함하는 엔티티의 일부이다. 일부 예들에서, 엔티티는 IoT 플랫폼 제공자이다.
에지(115)의 컴포넌트들은 하나 이상의 엔터프라이즈들(160a 내지 160n)을 포함하며, 이들 각각은 하나 이상의 에지 디바이스들(161a 내지 161n) 및 하나 이상의 에지 게이트웨이들(162a 내지 162n)을 포함한다. 예를 들어, 제1 엔터프라이즈(160a)는 제1 에지 디바이스들(161a) 및 제1 에지 게이트웨이들(162a)을 포함하고, 제2 엔터프라이즈(160b)는 제2 에지 디바이스들(161b) 및 제2 에지 게이트웨이들(162b)을 포함하고, 제n 엔터프라이즈(160n)는 제n 에지 디바이스들(161n) 및 제n 에지 게이트웨이들(162n)을 포함한다. 본 명세서에 사용되는 바와 같이, 엔터프라이즈들(160a 내지 160n)은, 예를 들어 회사, 부서, 건물, 제조 공장, 창고, 부동산 시설, 실험실, 항공기, 우주선, 자동차, 선박, 보트, 군사 차량, 석유 및 가스 시설, 또는 임의의 다른 유형의 엔티티, 시설, 및/또는 임의의 수의 로컬 디바이스들을 포함하는 엔티티와 같은, 임의의 유형의 엔티티, 시설, 또는 차량을 나타낸다.
다양한 실시예들에 따르면, 에지 디바이스들(161a 내지 161n)은 엔터프라이즈들(160a 내지 160n) 내에서 발견될 수 있는 다양한 상이한 유형들의 디바이스들 중 임의의 것을 나타낸다. 에지 디바이스들(161a 내지 161n)은 네트워크(110)에 액세스하도록 구성되거나, 또는 예컨대, 에지 게이트웨이(162a 내지 162n)를 통해 네트워크(110)를 거쳐 다른 디바이스들에 의해 액세스되는 임의의 유형의 디바이스이다. 다양한 실시예들에 따르면, 에지 디바이스들(161a 내지 161n)은 "IoT 디바이스들"이며, 이는 임의의 유형의 네트워크 접속된(예컨대, 인터넷 접속된) 디바이스를 포함한다. 예를 들어, 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)은 자산들, 센서들, 액추에이터들, 프로세서들, 컴퓨터들, 밸브들, 펌프들, 덕트들, 차량 컴포넌트들, 카메라들, 디스플레이들, 도어들, 윈도우들, 보안 컴포넌트들, 보일러들, 칠러들, 펌프들, HVAC 컴포넌트들, 공장 장비, 및/또는 정보를 수집, 전송, 및/또는 수신하기 위해 네트워크(110)에 접속되는 임의의 다른 디바이스들을 포함한다. 각각의 에지 디바이스(161a 내지 161n)는 각자의 에지 디바이스(161a 내지 161n)를 선택적으로 제어하기 위해 그리고/또는 에지 디바이스들(161a 내지 161n)과 클라우드(105) 사이의 정보를 네트워크(110)를 통해 전송/수신하기 위해 하나 이상의 제어기들을 포함하거나, 또는 달리 그들과 통신한다. 도 2를 참조하면, 하나 이상의 실시예들에서, 에지(115)는 각각의 엔터프라이즈(161a 내지 161n)의 운영 기술(operational technology, OT) 시스템들(163a 내지 163n) 및 정보 기술(information technology, IT) 애플리케이션들(164a 내지 164n)을 포함한다. OT 시스템들(163a 내지 163n)은 산업 장비(예컨대, 에지 디바이스들(161a 내지 161n)), 자산들, 프로세스들, 및/또는 이벤트들의 직접 모니터링 및/또는 제어를 통해 변경을 검출하고/하거나 야기하기 위한 하드웨어 및 소프트웨어를 포함한다. IT 애플리케이션들(164a 내지 164n)은 조직들 전체에 걸친 그리고 그들 사이의 데이터의 생성, 관리, 저장, 및 전달을 위한 네트워크, 저장소, 및 컴퓨팅 자원들을 포함한다.
에지 게이트웨이들(162a 내지 162n)은 네트워크(110)를 통해 에지 디바이스들(161a 내지 161n)과 클라우드(105) 사이의 통신을 용이하게 하기 위한 디바이스들을 포함한다. 예를 들어, 에지 게이트웨이들(162a 내지 162n)은 에지 디바이스들(161a 내지 161n)과 통신하기 위한 그리고 네트워크(110)를 통해 클라우드(105)와 통신하기 위한 하나 이상의 통신 인터페이스들을 포함한다. 다양한 실시예들에 따르면, 에지 게이트웨이들(162a 내지 162n)의 통신 인터페이스들은 하나 이상의 셀룰러 무선통신장치들, 블루투스, WiFi, 근접장 통신 무선통신장치들, 이더넷, 또는 정보를 송신 및 수신하기 위한 다른 적절한 통신 디바이스들을 포함한다. 다양한 실시예들에 따르면, 다수의 통신 인터페이스들이 네트워크(110)를 통해 에지 디바이스들(161a 내지 161n), 게이트웨이들(162a 내지 162n), 및 클라우드(105) 사이의 다수의 통신 형태들을 제공하기 위해 각각의 게이트웨이(162a 내지 162n)에 포함된다. 예를 들어, 하나 이상의 실시예들에서, 무선 통신(예컨대, WiFi, 무선 통신 등) 및/또는 유선 데이터 접속(예컨대, 범용 직렬 버스, 온보드 진단 시스템 등) 또는 다른 통신 모드들, 예컨대 근거리 네트워크(LAN), 인터넷과 같은 광역 네트워크(WAN), 전기통신 네트워크, 데이터 네트워크, 또는 임의의 다른 유형의 네트워크를 통해, 에지 디바이스들(161a 내지 161n) 및/또는 네트워크(110)와의 통신이 달성된다.
다양한 실시예들에 따르면, 에지 게이트웨이들(162a 내지 162n)은 또한 데이터 처리를 용이하게 하기 위해 프로그램 명령어들을 저장 및 실행하기 위한 메모리 및 프로세서를 포함한다. 예를 들어, 하나 이상의 실시예들에서, 에지 게이트웨이들(162a 내지 162n)은 에지 디바이스들(161a 내지 161n)로부터 데이터를 수신하도록 그리고 데이터를 클라우드(105)로 전송하기 이전에 데이터를 처리하도록 구성된다. 따라서, 하나 이상의 실시예들에서, 에지 게이트웨이들(162a 내지 162n)은 본 개시내용의 데이터 처리 서비스들 및/또는 다른 서비스들 또는 방법들을 제공하기 위한 하나 이상의 소프트웨어 모듈들 또는 컴포넌트들을 포함한다. 도 2를 참조하면, 각각의 에지 게이트웨이(162a 내지 162n)는 에지 서비스들(165a 내지 165n) 및 에지 커넥터들(166a 내지 166n)을 포함한다. 다양한 실시예들에 따르면, 에지 서비스들(165a 내지 165n)은 에지 디바이스들(161a 내지 161n)로부터의 데이터를 처리하기 위한 하드웨어 및 소프트웨어 컴포넌트들을 포함한다. 다양한 실시예들에 따르면, 에지 커넥터들(166a 내지 166n)은 상기에 상세히 설명된 바와 같이, 네트워크(110)를 통한 에지 게이트웨이(162a 내지 162n)와 클라우드(105) 사이의 통신을 용이하게 하기 위한 하드웨어 및 소프트웨어 컴포넌트들을 포함한다. 일부 경우들에서, 에지 디바이스들(161a 내지 161n), 에지 커넥터들(166a 내지 166n), 및 에지 게이트웨이들(162a 내지 162n) 중 임의의 것은 디바이스들의 임의의 조합으로 조합되거나, 생략되거나, 또는 분리되는 그들의 기능을 갖는다. 다시 말하면, 에지 디바이스 및 그의 커넥터 및 게이트웨이는 반드시 별개의 디바이스들일 필요는 없다.
도 2는 본 개시내용에 따른, IoT 플랫폼(125)의 프레임워크(200)의 개략적인 블록도를 예시한다. 본 개시내용의 IoT 플랫폼(125)은 실시간 정확한 모델들 및 시각적 분석을 사용하여 엔터프라이즈(160a 내지 160n)의 지속적인 피크 성과에 대한 지능형 행동가능 추천들 및/또는 분석을 전달하는 엔터프라이즈 성과 관리를 위한 플랫폼이다. IoT 플랫폼(125)은, 프로세스들, 자산들, 사람들, 및 안전의 상태를 디스플레이하는, 엔터프라이즈 전반적 관점을 제공하기 위한 임의의 클라우드 또는 데이터 센터 환경에서 배치를 위해 휴대가능한 확장가능 플랫폼이다. 또한, IoT 플랫폼(125)은, 하기에서 추가로 상세히 설명된 바와 같이, 프레임워크(200)를 사용하여, 프로세스 데이터에 대해 디지털 트윈들을 실행시키고, 그 출력을 행동가능한 통찰들로 변환하기 위한 종단간 능력을 지원한다.
도 2에 도시된 바와 같이, IoT 플랫폼(125)의 프레임워크(200)는, 예를 들어 IoT 계층(205), 엔터프라이즈 통합 계층(210), 데이터 파이프라인 계층(215), 데이터 통찰 계층(220), 애플리케이션 서비스들 계층(225), 및 애플리케이션들 계층(230)을 포함하는 다수의 계층들을 포함한다. IoT 플랫폼(125)은 또한, 핵심 서비스들 계층(235), 및 하나 이상의 지식 그래프들(251)을 포함하는 확장가능 객체 모델(extensible object model, EOM)(250)을 포함한다. 계층들(205 내지 235)은 각각의 계층(205 내지 235)을 함께 형성하는 다양한 소프트웨어 컴포넌트들을 추가로 포함한다. 예를 들어, 하나 이상의 실시예들에서, 각각의 계층(205 내지 235)은 모듈들(141), 모델들(142), 엔진들(143), 데이터베이스들(144), 서비스들(145), 애플리케이션들(146), 또는 이들의 조합들 중 하나 이상을 포함한다. 일부 실시예들에서, 계층들(205 내지 235)은 더 적은 계층들을 형성하도록 조합된다. 일부 실시예들에서, 계층들(205 내지 235) 중 일부는 별개의, 더 많은 수의 계층들로 분리된다. 일부 실시예들에서, 계층들(205 내지 235) 중 일부는 제거되는 한편, 다른 계층들이 추가될 수 있다.
IoT 플랫폼(125)은 모델 구동형 아키텍처이다. 따라서, 확장가능 객체 모델(250)은 확장가능 그래프 기반 객체 모델(또는 "자산 모델")을 사용하여 엔터프라이즈(160a 내지 160n)의 현장 데이터를 콘텍스트화하기 위해 각각의 계층(205 내지 230)과 통신한다. 하나 이상의 실시예들에서, 확장가능 객체 모델(250)은 지식 그래프들(251)과 연관되는데, 여기서 장비(예컨대, 에지 디바이스들(161a 내지 161n)) 및 엔터프라이즈(160a 내지 160n)의 프로세스들이 모델링된다. EOM(250)의 지식 그래프들(251)은 중앙 위치에 모델들을 저장하도록 구성된다. 지식 그래프들(251)은 스마트 시스템들을 가능하게 하는 실세계 접속들을 설명하는 노드들 및 링크들의 집합을 정의한다. 본 명세서에 사용되는 바와 같이, 지식 그래프(251)는 (i) 실세계 엔티티들(예컨대, 에지 디바이스들(161a 내지 161n)) 및 그래픽 인터페이스에서 조직화된 그들의 상호관계들을 설명하고; (ii) 스키마 내의 엔티티들의 가능한 클래스들 및 관계들을 정의하고; (iii) 임의의 엔티티들을 서로 상호관련시킬 수 있게 하고; (iv) 다양한 국소 도메인들을 커버한다. 다시 말하면, 지식 그래프들(251)은 엔티티들(예컨대, 에지 디바이스들(161a 내지 161n))의 큰 네트워크들, 엔티티들의 시맨틱 유형들, 엔티티들의 특성들, 및 엔티티들 사이의 관계들을 정의한다. 따라서, 지식 그래프들(251)은 특정 도메인에 또는 엔터프라이즈 또는 조직에 관련되는 "사물"의 네트워크를 설명한다. 지식 그래프들(251)은 추상적 개념들 및 관계들로 제한되지 않지만, 또한 예를 들어, 문서들 및 데이터세트들과 같은 객체들의 인스턴스들을 포함할 수 있다. 일부 실시예들에서, 지식 그래프들(251)은 자원 설명 프레임워크(resource description framework, RDF) 그래프들을 포함한다. 본 명세서에 사용되는 바와 같이, "RDF 그래프"는 정보의 시맨틱들, 또는 의미를 공식적으로 설명하는 그래프 데이터 모델이다. RDF 그래프는 또한 메타데이터(예컨대, 데이터를 설명하는 데이터)를 나타낸다. 다양한 실시예들에 따르면, 지식 그래프들(251)은 또한 시맨틱 객체 모델을 포함한다. 시맨틱 객체 모델은 지식 그래프(251)에 대한 시맨틱들을 정의하는 지식 그래프(251)의 서브세트이다. 예를 들어, 시맨틱 객체 모델은 지식 그래프(251)에 대한 스키마를 정의한다.
본 명세서에 사용되는 바와 같이, EOM(250)은 시드(seed)된 시맨틱 객체 모델들이 확장될 수 있게 하는 애플리케이션 프로그래밍 인터페이스(application programming interface, API)들의 집합을 포함한다. 예를 들어, 본 개시내용의 EOM(250)은, 고객의 지식 그래프(251)가 고객의 시맨틱 객체 모델에서 표현되는 제약들에 따라 구축될 수 있게 한다. 따라서, 지식 그래프들(251)은 엔터프라이즈(160a 내지 160n)의 에지 디바이스들(161a 내지 161n)의 모델들을 생성하기 위해 고객들(예컨대, 엔터프라이즈들 또는 조직들)에 의해 생성되고, 지식 그래프들(251)은 모델들(예컨대, 노드들 및 링크들)을 시각화하기 위해 EOM(250)에 입력된다.
모델들은 엔터프라이즈(예컨대, 에지 디바이스들(161a 내지 161n))의 자산들(예컨대, 노드들)을 설명하고, 다른 컴포넌트들(예컨대, 링크들)과의 자산들의 관계를 설명한다. 모델들은 또한 스키마를 설명하고(예컨대, 데이터가 무엇인지를 설명함), 따라서 모델들은 자가 검증(self-validating)된다. 예를 들어, 하나 이상의 실시예들에서, 모델은 임의의 주어진 자산(예컨대, 에지 디바이스(161a 내지 161n)) 상에 장착된 센서들의 유형 및 각각의 센서에 의해 감지되고 있는 데이터의 유형을 설명한다. 다양한 실시예들에 따르면, KPI 프레임워크는 확장가능 객체 모델(250)에서의 자산들의 특성들을 KPI 프레임워크의 입력들에 바인딩하는 데 사용된다. 따라서, IoT 플랫폼(125)은 확장가능한, 모델 구동형 종단간 스택인데, 이는: 에지(115)와 클라우드(105) 사이의 2-방향 모델 동기 및 보안 데이터 교환, 메타데이터 구동형 데이터 처리(예컨대, 규정들, 계산들, 및 집계들), 및 모델 구동형 시각화들 및 애플리케이션들을 포함한다. 본 명세서에 사용되는 바와 같이, "확장가능"은 새로운 특성들/컬럼(column)들/필드들, 새로운 클래스들/테이블들, 및 새로운 관계들을 포함하도록 데이터 모델을 확장하는 능력을 지칭한다. 따라서, IoT 플랫폼(125)은 에지 디바이스들(161a 내지 161n) 및 그러한 디바이스들(161a 내지 161n)을 취급하는 애플리케이션들(146)과 관련하여 확장가능하다. 예를 들어, 새로운 에지 디바이스들(161a 내지 161n)이 엔터프라이즈(160a 내지 160n) 시스템에 추가될 때, 새로운 디바이스들(161a 내지 161n)은, 대응하는 애플리케이션들(146)이 새로운 디바이스들(161a 내지 161n)로부터의 데이터를 이해하고 사용하도록 IoT 플랫폼(125)에서 자동으로 나타날 것이다.
일부 경우들에서, 자산 템플릿들이, 공통 구조들을 사용하는 모델에서 에지 디바이스들(161a 내지 161n)의 인스턴스들의 구성을 용이하게 하는 데 사용된다. 자산 템플릿은 소정 유형의 디바이스에 대해 주어진 엔터프라이즈(160a 내지 160n)의 에지 디바이스들(161a 내지 161n)에 대한 전형적인 특성들을 정의한다. 예를 들어, 펌프의 자산 템플릿은 유입구 압력 및 유출구 압력, 속도, 유동 등을 갖는 펌프를 모델링하는 것을 포함한다. 템플릿은 또한, 디바이스(161a 내지 161n)의 기본 유형의 변형들을 수용하기 위해 계층적 또는 도출된 유형들의 에지 디바이스들(161a 내지 161n)을 포함할 수 있다. 예를 들어, 왕복 펌프는 기본 펌프 유형의 특수화이며, 템플릿에 추가적인 특성들을 포함할 것이다. 모델에서의 에지 디바이스(161a 내지 161n)의 인스턴스들은, 템플릿들을 사용하여 엔터프라이즈(160a 내지 160n)의 실제, 물리적 디바이스들에 매칭되어 디바이스(161a 내지 161n)의 예상된 속성들을 정의하도록 구성된다. 각각의 속성은 정적 값(예컨대, 용량이 1000 BPH임)으로서 또는 그 값을 제공하는 시계열 태그에 대한 참조로 구성된다. 지식 그래프(251)는 명명 규정들, 파싱, 및 태그와 속성 디스크립션들의 매칭에 기초하여, 그리고/또는 시계열 데이터의 거동을 예상된 거동과 비교함으로써 태그를 속성에 자동으로 맵핑할 수 있다. 하나 이상의 실시예들에서, 대시보드를 구동하기 위한 하나 이상의 메트릭들에 기여하는 키 속성(key attribute) 각각은, 대시보드 시각화가 생성되도록 하나 이상의 메트릭 태그들로 마킹된다.
모델링 페이즈는 에지(115)와 클라우드(105) 사이에서 모델들을 동기화하기 위한 온보딩 프로세스(onboarding process)를 포함한다. 예를 들어, 하나 이상의 실시예들에서, 온보딩 프로세스는 단순한 온보딩 프로세스, 복잡한 온보딩 프로세스, 및/또는 표준화된 롤아웃 프로세스를 포함한다. 단순한 온보딩 프로세스는 지식 그래프(251)가 에지(115)로부터 원시 모델 데이터를 수신하고 콘텍스트 발견 알고리즘들을 실행하여 모델을 생성하는 것을 포함한다. 콘텍스트 발견 알고리즘들은 에지 디바이스들(161a 내지 161n)의 에지 명명 규정들의 콘텍스트를 판독하고, 명명 규정들이 무엇을 지칭하는지를 결정한다. 예를 들어, 하나 이상의 실시예들에서, 지식 그래프(251)는 모델링 페이즈 동안 "TMP"를 수신하고, "TMP"가 "온도"와 관련된다고 결정한다. 이어서, 생성된 모델들이 공개된다. 복잡한 온보딩 프로세스는 원시 모델 데이터를 수신하는, 포인트 이력 데이터를 수신하는, 그리고 현장 조사 데이터를 수신하는 지식 그래프(251)를 포함한다. 다양한 실시예들에 따르면, 지식 그래프(251)는 이어서 이들 입력들을 사용하여 콘텍스트 발견 알고리즘들을 실행한다. 다양한 실시예들에 따르면, 생성된 모델들은 편집되고, 이어서 모델들이 공개된다. 표준화된 롤아웃 프로세스는 클라우드(105)에서 표준 모델들을 수동으로 정의하는 것 및 모델들을 에지(115)로 푸싱하는 것을 포함한다.
IoT 계층(205)은 에지 디바이스들(161a 내지 161n)의 디바이스 관리, 데이터 수집, 및/또는 커맨드/제어를 위한 하나 이상의 컴포넌트들을 포함한다. IoT 계층(205)의 컴포넌트들은, 데이터가 다양한 소스들로부터 IoT 플랫폼(125)에 수집되거나, 또는 달리 그에서 수신될 수 있게 한다. 예를 들어, 하나 이상의 실시예들에서, 데이터는 프로세스 이력기 또는 실험실 정보 관리 시스템들을 통해 에지 디바이스들(161a 내지 161n)로부터 수집된다. IoT 계층(205)은 네트워크(110)를 통해 에지 게이트웨이들(162a 내지 162n) 상에 설치된 에지 커넥터들(165a 내지 165n)과 통신하고, 에지 커넥터들(165a 내지 165n)은 데이터를 IoT 플랫폼(205)으로 안전하게 전송한다. 일부 실시예들에서, 인가된 데이터만이 IoT 플랫폼(125)으로 전송되고, IoT 플랫폼(125)은 인가된 에지 게이트웨이들(162a 내지 162n) 및/또는 에지 디바이스들(161a 내지 161n)로부터의 데이터만을 수락한다. 다양한 실시예들에 따르면, 데이터는 직접 스트리밍을 통해 그리고/또는 배치(batch) 전달을 통해 에지 게이트웨이들(162a 내지 162n)로부터 IoT 플랫폼(125)으로 전송된다. 또한, 임의의 네트워크 또는 시스템 중단 후에, 일단 통신이 재확립되면 데이터 이송이 재개될 것이고, 중단 동안 누락된 임의의 데이터는 소스 시스템으로부터 또는 IoT 플랫폼(125)의 캐시로부터 다시 채워질 것이다. 다양한 실시예들에 따르면, IoT 계층(205)은 또한, 다양한 프로토콜들을 통해 시계열들, 경고들 및 이벤트들, 및 트랜잭션 데이터에 액세스하기 위한 컴포넌트들을 포함한다.
엔터프라이즈 통합 계층(210)은 이벤트들/메시징, 파일 업로드, 및/또는 REST/OData를 위한 하나 이상의 컴포넌트들을 포함한다. 엔터프라이즈 통합 계층(210)의 컴포넌트들은, IoT 플랫폼(125)이 그의 에지 디바이스들과 관련하여 엔터프라이즈에 의해 운영되는 임의의 애플리케이션(들)과 같은 제3자 클라우드 애플리케이션들(211)과 통신할 수 있게 한다. 예를 들어, 엔터프라이즈 통합 계층(210)은 게스트 데이터베이스들, 고객 데이터베이스들, 금융 데이터베이스들, 환자 데이터베이스들 등과 같은 엔터프라이즈 데이터베이스들과 접속한다. 엔터프라이즈 통합 계층(210)은 IoT 플랫폼(125)에 액세스하기 위해 표준 애플리케이션 프로그래밍 인터페이스(API)를 제3자들에게 제공한다. 엔터프라이즈 통합 계층(210)은 또한, IoT 플랫폼(125)이 엔터프라이즈(160a 내지 160n)의 OT 시스템들(163a 내지 163n) 및 IT 애플리케이션들(164a 내지 164n)과 통신할 수 있게 한다. 따라서, 엔터프라이즈 통합 계층(210)은 IoT 플랫폼(125)이 에지 디바이스들(161a 내지 161n)로부터 데이터를 직접 수신하기보다는 또는 그와 조합하여 제3자 애플리케이션들(211)로부터 데이터를 수신할 수 있게 한다.
데이터 파이프라인 계층(215)은 데이터 정화/강화, 데이터 변환, 데이터 계산들/집계들, 및/또는 데이터 스트림들에 대한 API를 위한 하나 이상의 컴포넌트들을 포함한다. 따라서, 하나 이상의 실시예들에서, 데이터 파이프라인 계층(215)은 수신된 데이터에 대해 사전처리하고/하거나 초기 분석을 수행한다. 데이터 파이프라인 계층(215)은, 예를 들어, 데이터 보정, 질량 밸런스 재조정, 데이터 컨디셔닝, 컴포넌트 밸런싱 및 시뮬레이션을 포함하는 진보된 데이터 정화 루틴들을 실행하여, 원하는 정보가 추가 처리를 위한 기초로서 사용되는 것을 보장한다. 데이터 파이프라인 계층(215)은 또한 진보된 그리고 빠른 계산을 제공한다. 예를 들어, 정화된 데이터는 엔터프라이즈 특정 디지털 트윈들을 통해 실행된다. 다양한 실시예들에 따르면, 엔터프라이즈 특정 디지털 트윈들은 현재 운영을 결정하기 위한 프로세스 모델들 및 임의의 조기 검출을 트리거하고 적절한 해답을 결정하기 위한 결함 모델들을 포함하는 신뢰성 어드바이저를 포함한다. 다양한 실시예들에 따르면, 디지털 트윈들은 또한, 실시간 경제적 데이터를 실시간 프로세스 데이터와 통합하고, 프로세스에 대한 올바른 피드를 선택하고, 최적의 프로세스 조건들 및 제품 수율들을 결정하는 최적화 어드바이저를 포함한다.
다양한 실시예들에 따르면, 데이터 파이프라인 계층(215)은 계산들 및 분석을 정의하기 위한 모델들 및 템플릿들을 채용한다. 추가적으로 또는 대안적으로, 다양한 실시예들에 따르면, 데이터 파이프라인 계층(215)은, 계산들 및 분석이 자산들(예컨대, 에지 디바이스들(161a 내지 161n))에 어떻게 관련되는지를 정의하기 위한 모델들 및 템플릿들을 채용한다. 예를 들어, 일 실시예에서, 펌프 템플릿은, 펌프가 구성될 때마다, 표준 효율 계산이 펌프에 대해 자동으로 실행되도록 펌프 효율 계산들을 정의한다. 계산 모델은 다양한 유형들의 계산들, 계산들을 실행해야 하는 엔진의 유형, 입력 및 출력 파라미터들, 사전처리 요건 및 전제 조건들, 스케줄 등을 정의한다. 다양한 실시예들에 따르면, 실제 계산 또는 분석 로직은 템플릿에서 정의되거나 또는 그것은 참조될 수 있다. 따라서, 다양한 실시예들에 따르면, 계산 모델은 다양한 상이한 프로세스 모델들의 실행을 설명하고 제어하기 위해 채용된다. 다양한 실시예들에 따르면, 계산 템플릿들은, 자산(예컨대, 에지 디바이스(161a 내지 161n)) 인스턴스가 생성될 때, 임의의 연관된 계산 인스턴스들이 또한 자산(예컨대, 에지 디바이스(161a 내지 161n))의 적절한 속성들에 링크된 그들의 입력 및 출력 파라미터들과 함께 생성되도록 자산 템플릿들과 링크된다.
다양한 실시예들에 따르면, IoT 플랫폼(125)은, 예를 들어, 제1 원리 모델들, 경험적 모델들, 공학 모델들, 사용자 정의 모델들, 기계 학습 모델들, 내장형 기능들, 및/또는 임의의 다른 유형들의 분석 모델들을 포함하는 다양한 상이한 분석 모델들을 지원한다. 결함 모델들 및 예측적 유지보수 모델들이 이제 예로서 설명될 것이지만, 임의의 유형의 모델들이 적용가능할 수 있다.
결함 모델들은 현재 및 예측된 엔터프라이즈(160a 내지 160n) 성과를 비교하여 이슈들 또는 기회들, 및 이슈들 또는 기회들의 잠재적인 원인들 또는 동인(driver)들을 식별하는 데 사용된다. IoT 플랫폼(125)은 비정상 조건들 및 그들의 잠재적인 결과들을 식별하기 위해 풍부한 계층적 증상 결함 모델들을 포함한다. 예를 들어, 하나 이상의 실시예들에서, IoT 플랫폼(125)은 하이 레벨 조건으로부터 드릴 다운(drill down)하여 기여 인자들을 이해할 뿐만 아니라, 하위 레벨 조건이 가질 수 있는 잠재적 영향을 결정한다. 프로세스, 장비, 제어, 및/또는 운영들과 같은 상이한 태양들을 보는 주어진 엔터프라이즈(160a 내지 160n)에 대한 다수의 결함 모델들이 존재할 수 있다. 다양한 실시예들에 따르면, 각각의 결함 모델은 그들의 도메인에서 이슈들 및 기회들을 식별하고, 또한 상이한 관점에서 동일한 핵심 문제를 볼 수 있다. 다양한 실시예들에 따르면, 전체 결함 모델은 각각의 결함 모델로부터의 상이한 관점들을 상황에 대한 전체 평가로 합성하고 진정한 근본 원인을 가리키기 위해 상단 상에 계층화된다.
다양한 실시예들에 따르면, 결함 또는 기회가 식별될 때, IoT 플랫폼(125)은 취할 최적의 보정 액션에 관한 추천들을 제공한다. 처음에, 추천들은 프로세스 및 장비 전문가들에 의해 시스템에 사전 프로그래밍되어 있는 전문가 지식에 기초한다. 추천 서비스 모듈은 소스에 관계없이 일관된 방식으로 이러한 정보를 제시하고, 추천 후속조치(recommendation follow-up)를 추적하고, 중단하고, 문서화하기 위한 워크플로우들을 지원한다. 다양한 실시예들에 따르면, 추천 후속조치는, 기존의 추천들이 검증되거나(또는 검증되지 않거나) 또는 새로운 원인 및 효과 관계들이 사용자들 및/또는 분석에 의해 학습됨에 따라 시간 경과에 따른 시스템의 전반적인 지식을 개선시키기 위해 채용된다.
다양한 실시예들에 따르면, 모델들은, 어떤 것이 발생하기 전에 그것이 발생할지를 정확하게 예측하고 설치 기반의 상태를 해석하는 데 사용된다. 따라서, IoT 플랫폼(125)은, 운영자들이, 불규칙성들이 발생할 때 유지보수 조치들을 신속하게 개시할 수 있게 한다. 다양한 실시예들에 따르면, IoT 플랫폼(125)의 디지털 트윈 아키텍처는 다양한 모델링 기법들을 채용한다. 다양한 실시예들에 따르면, 모델링 기법들은, 예를 들어, 정밀 모델(rigorous model)들, 결함 검출 및 진단들(fault detection and diagnostic, FDD), 설명 모델들, 예측적 유지보수, 규범적 유지보수, 프로세스 최적화, 및/또는 임의의 다른 모델링 기법을 포함한다.
다양한 실시예들에 따르면, 정밀 모델은 프로세스 설계 시뮬레이션으로부터 변환된다. 이러한 방식으로, 프로세스 설계는 피드 조건들 및 생산 요건과 통합된다. 프로세스 변경들 및 기술 개선은 생산 요구의 맥락에서 자원들의 더 효과적인 유지보수 스케줄 및 배치를 가능하게 하는 비즈니스 기회들을 제공한다. 결함 검출 및 진단들은, 산업 경험 및 도메인 지식에 기초하여 특정되는 일반화된 규정 세트들을 포함하고, 쉽게 통합되고 사용되어 장비 모델들과 함께 작업할 수 있다. 다양한 실시예들에 따르면, 설명 모델들은 문제를 식별하고, 예측 모델들은 가능한 손상 레벨들 및 유지보수 옵션들을 결정한다. 다양한 실시예들에 따르면, 설명 모델들은 에지 디바이스들(161a 내지 161n)에 대한 운영 윈도우들을 정의하기 위한 모델들을 포함한다.
예측적 유지보수는, 예를 들어, 주성분 분석(principal component analysis, PCA) 및 부분 최소 제곱(partial least square, PLS)과 같은, 정밀 모델들 및 통계 모델들에 기초하여 개발된 예측 분석 모델들을 포함한다. 다양한 실시예들에 따르면, 기계 학습 방법들이 결함 예측을 위한 모델들을 훈련시키기 위해 적용된다. 다양한 실시예들에 따르면, 예측적 유지보수는 FDD 기반 알고리즘들을 레버리징하여 개별 제어 및 장비 성능을 계속적으로 모니터링한다. 이어서, 예측 모델링이 시간에 따라 악화되는 선택된 조건 표시자에 적용된다. 규범적 유지보수는 최적의 유지보수 옵션 및 그것이 시간 기반 유지보수 스케줄보다는 실제 조건들에 기초하여 수행되어야 할 때를 결정하는 것을 포함한다. 다양한 실시예들에 따르면, 규범적 분석은 회사의 자본, 운영 요건, 및/또는 다른 요건들에 기초하여 올바른 솔루션을 선택한다. 프로세스 최적화는 설정점들 및 스케줄들을 조정하는 것을 통해 최적의 조건들을 결정하는 것이다. 최적화된 설정점들 및 스케줄들은 근본적인 제어기들로 직접 통신될 수 있으며, 이는 분석에서부터 제어까지의 루프의 자동화된 마감을 가능하게 한다.
데이터 통찰 계층(220)은 시계열 데이터베이스(time series database, TDSB)들, 관계/문서 데이터베이스들, 데이터 레이크(data lake)들, 블롭(blob), 파일들, 이미지들, 및 비디오들, 및/또는 데이터 질의에 대한 API를 위한 하나 이상의 컴포넌트들을 포함한다. 다양한 실시예들에 따르면, 원시 데이터가 IoT 플랫폼(125)에서 수신될 때, 원시 데이터는 상호작용 질의들을 지원하기 위해 (예컨대, TSDB 내의) 웜 스토리지(warm storage)에 그리고 아카이브 목적을 위해 콜드 스토리지(cold storage)에 시계열 태그들 또는 이벤트들로서 저장된다. 다양한 실시예들에 따르면, 데이터는 오프라인 분석 개발을 위해 데이터 레이크들로 전송된다. 다양한 실시예들에 따르면, 데이터 파이프라인 계층(215)은, 상기에 상세히 설명된 바와 같이 분석을 수행하기 위해 데이터 통찰 계층(220)의 데이터베이스들에 저장된 데이터에 액세스한다.
애플리케이션 서비스들 계층(225)은 규정 엔진들, 워크플로우/통지들, KPI 프레임워크, 통찰들(예컨대, 액션가능 통찰들), 결정들, 추천들, 기계 학습, 및/또는 애플리케이션 서비스들에 대한 API를 위한 하나 이상의 컴포넌트들을 포함한다. 애플리케이션 서비스들 계층(225)은 애플리케이션들(146a 내지 146d)의 구축을 가능하게 한다. 애플리케이션들 계층(230)은 IoT 플랫폼(125)의 하나 이상의 애플리케이션들(146a 내지 146d)을 포함한다. 예를 들어, 다양한 실시예들에 따르면, 애플리케이션들(146a 내지 146d)은 건물 애플리케이션(146a), 공장 애플리케이션(146b), 항공 애플리케이션(146c), 및 다른 엔터프라이즈 애플리케이션들(146d)을 포함한다. 다양한 실시예들에 따르면, 애플리케이션들(146)은 포트폴리오 관리, 자산 관리, 자율 제어, 및/또는 임의의 다른 맞춤 애플리케이션들을 위한 일반적인 애플리케이션들(146)을 포함한다. 다양한 실시예들에 따르면, 포트폴리오 관리는 KPI 프레임워크 및 유연한 사용자 인터페이스(user interface, UI) 빌더를 포함한다. 다양한 실시예들에 따르면, 자산 관리는 자산 성과 및 자산 건전성을 포함한다. 다양한 실시예들에 따르면, 자율 제어는 에너지 최적화 및/또는 예측적 유지보수를 포함한다. 상기에 상세히 설명된 바와 같이, 다양한 실시예들에 따르면, 일반적인 애플리케이션들(146)은, 각각의 애플리케이션(146)이 상이한 유형들의 엔터프라이즈들(160a 내지 160n)(예컨대, 건물 애플리케이션(146a), 공장 애플리케이션(146b), 항공 애플리케이션(146c), 및 다른 엔터프라이즈 애플리케이션들(146d))에 대해 구성가능하도록 확장가능하다.
애플리케이션 계층(230)은 또한 엔터프라이즈(160a 내지 160n)의 성과의 시각화를 가능하게 한다. 예를 들어, 대시보드들은 심층적인 조사들을 지원하기 위해 드릴 다운들을 갖는 하이 레벨 개요를 제공한다. 추천 요약들은 현재 또는 잠재적인 이슈들 및 기회들을 다루기 위해 사용자들에게 우선순위화된 액션들을 제공한다. 데이터 분석 도구들은 문제해결(troubleshooting) 및 프로세스 개선을 돕기 위해 애드 혹(ad hoc) 데이터 탐색을 지원한다.
핵심 서비스들 계층(235)은 IoT 플랫폼(125)의 하나 이상의 서비스들을 포함한다. 다양한 실시예들에 따르면, 핵심 서비스들(235)은 데이터 시각화, 데이터 분석 도구들, 보안, 스케일링, 및 모니터링을 포함한다. 다양한 실시예들에 따르면, 핵심 서비스들(235)은 또한, 테넌트 프로비저닝(tenant provisioning), 단일 로그인/공통 포털, 셀프 서비스 관리, UI 라이브러리/UI 타일들, 아이덴티티/액세스/자격들, 로깅(logging)/모니터링, 사용량 계량, API 게이트웨이/개발자 포털(dev portal), 및 IoT 플랫폼(125) 스트림들을 위한 서비스들을 포함한다.
도 3은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 예시적인 환경을 제공하는 시스템(300)을 예시한다. 일 실시예에 따르면, 시스템(300)은 엔터프라이즈 성과 관리에 관련된 최적화를 제공하기 위해 데이터 분석 기술 및/또는 디지털 변환 기술의 실제 응용을 용이하게 하기 위한 자산 성과 관리 컴퓨터 시스템(302)을 포함한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 엔터프라이즈 성과 관리에 관련된 최적화를 제공하기 위해 대시보드 기술에 관련된 메트릭들 모델링 및/또는 동적 캐시 저장의 실제 응용을 용이하게 한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 엔터프라이즈 시스템(예컨대, 건물 시스템, 산업 시스템 또는 다른 유형의 엔터프라이즈 시스템)과 연관된 하나 이상의 자산들 및/또는 하나 이상의 데이터 소스들로부터 집계되는 데이터를 저장하고/하거나 분석한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 엔터프라이즈 성과 관리에 관련된 최적화를 제공하기 위해 대시보드 기술에 관련된 가상 어시스턴트의 실제 응용을 용이하게 한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 엔터프라이즈 성과 관리에 관련된 최적화를 제공하기 위해 대시보드 기술에 관련된 가상 어시스턴트의 실제 응용을 제공하기 위한 인공 지능을 채용한다.
일 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은 하나 이상의 컴퓨팅 디바이스들, 하나 이상의 데이터 소스들, 및/또는 하나 이상의 자산들 사이의 데이터 분석 플랫폼을 용이하게 하는 서버 시스템(예컨대, 서버 디바이스)이다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 하나 이상의 프로세서들 및 메모리를 갖는 디바이스이다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 컴퓨터 시스템들(120)로부터의 컴퓨터 시스템이다. 예를 들어, 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 클라우드(105)를 통해 구현된다. 자산 성과 관리 컴퓨터 시스템(302)은 또한, 예를 들어, 엔터프라이즈 기술들, 연결된 건물 기술들, 산업 기술들, 사물 인터넷(IoT) 기술들, 데이터 분석 기술들, 디지털 변환 기술들, 클라우드 컴퓨팅 기술들, 클라우드 데이터베이스 기술들, 서버 기술들, 네트워크 기술들, 개인 엔터프라이즈 네트워크 기술들, 무선 통신 기술들, 기계 학습 기술들, 인공 지능 기술들, 디지털 처리 기술들, 전자 디바이스 기술들, 컴퓨터 기술들, 공급 체인 분석 기술들, 항공기 기술들, 산업 기술들, 사이버보안 기술들, 내비게이션 기술들, 자산 시각화 기술들, 석유 및 가스 기술들, 석유화학 기술들, 정제 기술들, 프로세스 공장 기술들, 구매 기술들, 및/또는 하나 이상의 다른 기술들과 같은 하나 이상의 기술들에 관련된다.
또한, 자산 성과 관리 컴퓨터 시스템(302)은 엔터프라이즈 기술들, 연결된 건물 기술들, 산업 기술들, IoT 기술들, 데이터 분석 기술들, 디지털 변환 기술들, 클라우드 컴퓨팅 기술들, 클라우드 데이터베이스 기술들, 서버 기술들, 네트워크 기술들, 개인 엔터프라이즈 네트워크 기술들, 무선 통신 기술들, 기계 학습 기술들, 인공 지능 기술들, 디지털 처리 기술들, 전자 디바이스 기술들, 컴퓨터 기술들, 공급 체인 분석 기술들, 항공기 기술들, 산업 기술들, 사이버보안 기술들, 내비게이션 기술들, 자산 시각화 기술들, 석유 및 가스 기술들, 석유화학 기술들, 정제 기술들, 프로세스 공장 기술들, 구매 기술들, 및/또는 하나 이상의 다른 기술들과 같은 하나 이상의 기술들에 대한 개선을 제공한다. 일 구현예에서, 자산 성과 관리 컴퓨터 시스템(302)은 컴퓨팅 디바이스의 성능을 개선한다. 예를 들어, 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 컴퓨팅 디바이스(예컨대, 서버)의 처리 효율을 개선하고, 컴퓨팅 디바이스(예컨대, 서버)의 전력 소비를 감소시키고, 컴퓨팅 디바이스(예컨대, 서버)에 의해 제공되는 데이터의 품질을 개선하는 등을 한다.
자산 성과 관리 컴퓨터 시스템(302)은 데이터 집계 컴포넌트(304), 메트릭들 엔진 컴포넌트(306), 우선순위화된 액션들 컴포넌트(326), 가상 어시스턴트 컴포넌트(336), 및/또는 대시보드 시각화 컴포넌트(308)를 포함한다. 추가적으로, 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 프로세서(310) 및/또는 메모리(312)를 포함한다. 소정 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)(및/또는 본 명세서에 개시된 다른 시스템들, 장치들 및/또는 프로세스들)의 하나 이상의 태양들은 컴퓨터 판독가능 저장 매체(예컨대, 메모리(312)) 내에 구현된 실행가능 명령어들을 구성한다. 예를 들어, 일 실시예에서, 메모리(312)는 컴퓨터 실행가능 컴포넌트 및/또는 실행가능 명령어들(예컨대, 프로그램 명령어들)을 저장한다. 또한, 프로세서(310)는 컴퓨터 실행가능 컴포넌트들 및/또는 실행가능 명령어들(예컨대, 프로그램 명령어들)의 실행을 용이하게 한다. 예시적인 실시예에서, 프로세서(310)는 메모리(312)에 저장되거나 또는 달리 프로세서(310)에 액세스가능한 명령어들을 실행하도록 구성된다.
프로세서(310)는 본 개시내용의 하나 이상의 실시예들에 따른 운영들을 수행할 수 있는 하드웨어 엔티티(예컨대, 회로부로 물리적으로 구현됨)이다. 대안적으로, 프로세서(310)가 소프트웨어 명령어들의 실행자로서 구현되는 실시예에서, 소프트웨어 명령어들은, 소프트웨어 명령어들이 실행되는 것에 응답하여 본 명세서에 기술된 하나 이상의 알고리즘들 및/또는 운영들을 수행하도록 프로세서(310)를 구성한다. 일 실시예에서, 프로세서(310)는 단일 코어 프로세서, 다중 코어 프로세서, 자산 성과 관리 컴퓨터 시스템(302) 내부의 다수의 프로세서들, 원격 프로세서(예컨대, 서버 상에 구현된 프로세서), 및/또는 가상 기계이다. 소정 실시예들에서, 프로세서(310)는 버스를 통해 메모리(312), 데이터 집계 컴포넌트(304), 메트릭들 엔진 컴포넌트(306), 우선순위화된 액션들 컴포넌트(326), 가상 어시스턴트 컴포넌트(336) 및/또는 대시보드 시각화 컴포넌트(308)와 통신하여, 예를 들어, 프로세서(310), 메모리(312), 데이터 집계 컴포넌트(304), 메트릭들 엔진 컴포넌트(306), 우선순위화된 액션들 컴포넌트(326), 가상 어시스턴트 컴포넌트(336) 및/또는 대시보드 시각화 컴포넌트(308) 사이에서 데이터의 송신을 용이하게 한다. 프로세서(310)는 다수의 상이한 방식들로 구현될 수 있고, 소정 실시예들에서, 독립적으로 수행하도록 구성된 하나 이상의 처리 디바이스들을 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 프로세서(310)는 명령어들의 독립적인 실행, 데이터의 파이프라이닝(pipelining), 및/또는 명령어들의 다중 스레드 실행을 가능하게 하기 위해 버스를 통해 나란히 구성된 하나 이상의 프로세서들을 포함한다.
메모리(312)는 비일시적이고, 예를 들어, 하나 이상의 휘발성 메모리들 및/또는 하나 이상의 비휘발성 메모리들을 포함한다. 다시 말하면, 하나 이상의 실시예들에서, 메모리(312)는 전자 저장 디바이스(예컨대, 컴퓨터 판독가능 저장 매체)이다. 메모리(312)는, 자산 성과 관리 컴퓨터 시스템(302)이 본 명세서에 개시된 하나 이상의 실시예들에 따라 다양한 기능들을 수행할 수 있게 하기 위해 정보, 데이터, 콘텐츠, 하나 이상의 애플리케이션들, 하나 이상의 명령어들 등을 저장하도록 구성된다. 본 명세서의 본 개시내용에 사용되는 바와 같이, 용어 "컴포넌트", "시스템" 등은 컴퓨터 관련 엔티티이다. 예를 들어, 본 명세서에 개시된 "컴포넌트", "시스템" 등은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합이다. 일례로서, 컴포넌트는 프로세서 상에서 실행된 프로세스, 프로세서, 회로부, 실행가능 컴포넌트, 명령어들의 스레드, 프로그램, 및/또는 컴퓨터 엔티티이지만 이들로 제한되지 않는다.
일 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)(예컨대, 자산 성과 관리 컴퓨터 시스템(302)의 데이터 집계 컴포넌트(304))은 에지 디바이스들(161a 내지 161n)로부터 자산 데이터(314)를 수신한다. 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)은 자산들의 포트폴리오와 연관된다. 예를 들어, 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)은 자산들의 포트폴리오에 하나 이상의 자산들을 포함한다. 에지 디바이스들(161a 내지 161n)은, 하나 이상의 실시예들에서, 하나 이상의 데이터베이스들, 하나 이상의 자산들(예컨대, 하나 이상의 건물 자산들, 하나 이상의 산업 자산들, 등), 하나 이상의 IoT 디바이스들(예컨대, 하나 이상의 산업 IoT 디바이스들), 하나 이상의 연결된 건물 자산들, 하나 이상의 센서들, 하나 이상의 액추에이터들, 하나 이상의 프로세서들, 하나 이상의 컴퓨터들, 하나 이상의 밸브들, 하나 이상의 펌프들(예컨대, 하나 이상의 원심 펌프들 등), 하나 이상의 모터들, 하나 이상의 압축기들, 하나 이상의 터빈들, 하나 이상의 덕트들, 하나 이상의 가열기들, 하나 이상의 칠러들, 하나 이상의 냉각기들, 하나 이상의 보일러들, 하나 이상의 화로(furnace)들, 하나 이상의 열 교환기들, 하나 이상의 팬들, 하나 이상의 송풍기(blower)들, 하나 이상의 컨베이어 벨트들, 하나 이상의 차량 컴포넌트들, 하나 이상의 카메라들, 하나 이상의 디스플레이들, 하나 이상의 보안 컴포넌트들, 하나 이상의 HVAC 컴포넌트들, 산업 장비, 공장 장비, 및/또는 정보를 수집, 전송, 및/또는 수신하기 위해 네트워크(110)에 접속되는 하나 이상의 다른 디바이스들을 포함한다. 하나 이상의 실시예들에서, 에지 디바이스(161a 내지 161n)는 각자의 에지 디바이스(161a 내지 161n)를 선택적으로 제어하기 위해 그리고/또는 네트워크(110)를 통해 에지 디바이스들(161a 내지 161n)과 자산 성과 관리 컴퓨터 시스템(302) 사이의 정보를 전송/수신하기 위해 하나 이상의 제어기들을 포함하거나, 또는 달리 그들과 통신한다. 자산 데이터(314)는, 예를 들어, 산업 데이터, 연결된 건물 데이터, 센서 데이터, 실시간 데이터, 이력 데이터, 이벤트 데이터, 프로세스 데이터, 위치 데이터, 및/또는 에지 디바이스들(161a 내지 161n)과 연관된 다른 데이터를 포함한다.
소정 실시예들에서, 에지 디바이스들(161a 내지 161n)로부터의 적어도 하나의 에지 디바이스는 자산 데이터(314)의 하나 이상의 부분들의 암호화를 용이하게 하는 암호화 능력들을 포함한다. 추가적으로, 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)(예컨대, 자산 성과 관리 컴퓨터 시스템(302)의 데이터 집계 컴포넌트(304))은 네트워크(110)를 통해 자산 데이터(314)를 수신한다. 하나 이상의 실시예들에서, 네트워크(110)는 Wi-Fi 네트워크, 근접장 통신(NFC) 네트워크, WiMAX(Worldwide Interoperability for Microwave Access) 네트워크, 개인 영역 네트워크(PAN), 단거리 무선 네트워크(예컨대, 블루투스® 네트워크), 적외선 무선(예컨대, IrDA) 네트워크, 초광대역(ultra-wideband, UWB) 네트워크, 유도 무선 송신 네트워크, 및/또는 다른 유형의 네트워크이다. 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)은 산업 환경(예컨대, 공장 등)과 연관된다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)은, 예를 들어, 하나 이상의 엔터프라이즈들(160a 내지 160n)과 같은 에지(115)의 컴포넌트들과 연관된다.
하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 에지 디바이스들(161a 내지 161n)로부터 자산 데이터(314)를 집계한다. 예를 들어, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 자산 데이터(314)를 데이터베이스 구조로서 구성된 중앙집중식 제어 데이터베이스(318)로 집계한다. 중앙집중식 제어 데이터베이스(318)는 시간 간격 및/또는 자산 계층구조 레벨에 기초하여 자산 데이터(314)를 동적으로 저장하는 캐시 메모리(예컨대, 동적 캐시)이다. 예를 들어, 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 하나 이상의 시간 간격들(예컨대, 1분 내지 12분, 1시간 내지 24시간, 1일 내지 31일, 1개월 내지 12개월 등)에 대한 그리고/또는 하나 이상의 자산 계층구조 레벨들(예컨대, 자산 레벨, 자산 구역, 건물 레벨, 건물 구역, 공장 레벨, 공장 구역, 산업 현장 레벨 등)에 대한 자산 데이터(314)를 저장한다. 비제한적인 실시예에서, 중앙집중식 제어 데이터베이스(318)는 제1 자산(예컨대, 제1 자산 계층구조 레벨)에 대해 제1 시간 간격(예컨대, 1시간 내지 24시간) 동안, 제1 자산에 대해 제2 시간 간격(예컨대, 1일 내지 31일) 동안, 그리고 제1 자산에 대해 제3 시간 간격(예컨대, 1개월 내지 12개월) 동안 자산 데이터(314)를 저장한다.
예시적인 실시예에서, 중앙집중식 제어 데이터베이스(318)는 연결된 건물 내의 모든 자산들(예컨대, 제2 자산 계층구조 레벨)에 대해 제1 시간 간격(예컨대, 1시간 내지 24시간) 동안, 연결된 건물 내의 모든 자산들에 대해 제2 시간 간격(예컨대, 1일 내지 31일) 동안, 그리고 연결된 건물 내의 모든 자산들에 대해 제3 시간 간격(예컨대, 1개월 내지 12개월) 동안 자산 데이터(314)를 저장한다. 예시적인 실시예에서, 중앙집중식 제어 데이터베이스(318)는 또한 특정 지리적 영역(예컨대, 제3 자산 계층구조 레벨) 내의 모든 연결된 건물들에 대해 제1 시간 간격(예컨대, 1시간 내지 24시간) 동안, 특정 지리적 영역 내의 모든 연결된 건물들에 대해 제2 시간 간격(예컨대, 1일 내지 31일) 동안, 그리고 특정 지리적 영역 내의 모든 연결된 건물들에 대해 제3 시간 간격(예컨대, 1개월 내지 12개월) 동안 자산 데이터(314)를 저장한다.
다른 예시적인 실시예에서, 중앙집중식 제어 데이터베이스(318)는 공장 내의 모든 자산들(예컨대, 제2 자산 계층구조 레벨)에 대해 제1 시간 간격(예컨대, 1시간 내지 24시간) 동안, 공장 내의 모든 자산들에 대해 제2 시간 간격(예컨대, 1일 내지 31일) 동안, 그리고 공장 내의 모든 자산들에 대해 제3 시간 간격(예컨대, 1개월 내지 12개월) 동안 자산 데이터(314)를 저장한다. 예시적인 실시예에서, 중앙집중식 제어 데이터베이스(318)는 또한 산업 현장(예컨대, 제3 자산 계층구조 레벨)에서의 모든 공장들에 대해 제1 시간 간격(예컨대, 1시간 내지 24시간) 동안, 산업 현장에서의 모든 공장들에 대해 제2 시간 간격(예컨대, 1일 내지 31일) 동안, 그리고 산업 현장에서의 모든 공장들에 대해 제3 시간 간격(예컨대, 1개월 내지 12개월) 동안 자산 데이터(314)를 저장한다.
하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 중앙집중식 제어 데이터베이스(318)와 연관된 하나 이상의 시간 간격들 동안 에지 디바이스들(161a 내지 161n)에 의해 제공된 자산 데이터(314)에 기초하여 중앙집중식 제어 데이터베이스(318)의 데이터를 반복적으로 업데이트한다. 예를 들어, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 자산 데이터(314)와 연관된 새로운 데이터 및/또는 수정된 데이터를 저장한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 에지 디바이스들(161a 내지 161n)을 반복적으로 스캔하여, 중앙집중식 제어 데이터베이스(318)에 저장하기 위한 새로운 데이터를 결정한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 자산 데이터(314)의 하나 이상의 부분들을 포맷화한다. 예를 들어, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 자산 데이터(314)의 포맷화된 버전을 중앙집중식 제어 데이터베이스(318)에 제공한다. 일 실시예에서, 자산 데이터(314)의 포맷화된 버전은 하나 이상의 시간 간격들 및/또는 하나 이상의 자산 계층구조 레벨들과 연관된 하나 이상의 정의된 포맷들로 포맷화된다. 예를 들어, 정의된 포맷은 중앙집중식 제어 데이터베이스(318)의 데이터 필드들에 대한 구조이다. 다양한 실시예들에서, 자산 데이터(314)의 포맷화된 버전은 중앙집중식 제어 데이터베이스(318)에 저장된다.
하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 하나 이상의 시간 간격들(예컨대, 하나 이상의 보고 시간 간격들) 및/또는 하나 이상의 자산 계층구조 레벨들에 기초하여 자산 데이터(314)와 연관된 데이터 유형들을 식별하고/하거나 그룹화한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 배치화(batching), 자산 데이터(314)의 연접, 데이터 유형들의 식별, 자산 데이터(314)의 병합, 자산 데이터(314)의 그룹화, 자산 데이터(314)의 판독 및/또는 자산 데이터(314)의 기록을 채용하여, 중앙집중식 제어 데이터베이스(318) 내의 자산 데이터(314)의 저장을 용이하게 한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 데이터의 대응하는 특징들 및/또는 속성들에 기초하여 자산 데이터(314)로부터의 데이터를 그룹화한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 자산 데이터(314)에 대한 대응하는 식별자들(예컨대, 매칭 자산 계층구조 레벨, 매칭 자산, 매칭 접속된 건물 등)에 기초하여 자산 데이터(314)로부터의 데이터를 그룹화한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 하나 이상의 지역 민감 해싱(locality-sensitive hashing) 기법들을 채용하여, 자산 데이터(314) 내의 상이한 데이터 사이의 유사도 점수들 및/또는 계산된 거리들에 기초하여 자산 데이터(314)로부터의 데이터를 그룹화한다.
하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 자산 데이터(314)에 대한 속성들의 시계열 맵핑에 기초하여 자산 데이터(314)의 포맷화된 버전을 조직화한다. 예를 들어, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 계층적 데이터 포맷 기법을 채용하여, 중앙집중식 제어 데이터베이스(318)에서 자산 데이터(314)의 포맷화된 버전을 조직화한다. 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 대시보드 시각화를 통해 제시되는 데이터의 유형에 기초하여 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)를 동적으로 저장한다. 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)로부터 집계된 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)는 중앙집중식 제어 데이터베이스(318)에 저장되기 이전에 하나 이상의 메트릭들(예컨대, KPI 메트릭, 듀티 KPI, 듀티 타깃 KPI)로 변환된다. 하나 이상의 실시예들에서, 메트릭(예컨대, KP 메트릭들)은 속성을 메트릭에 맵핑하기(예컨대, 운영 전력 자산 유형 속성이 듀티 태양에 맵핑되는 등) 위한 모델에 채용되는 태양을 나타내는 태양 데이터, 시간에 걸친 집계에 관련된 정보를 나타내는 집계 데이터, 하나의 레벨에서의 자산에 걸쳐있을 뿐 아니라 계층구조 자산에 걸친 자산의 집계 메트릭을 나타내는 롤업 데이터, 실시간으로 디지털 트윈 모델로부터 도출된 하한 상수를 나타내는 하한 데이터, 실시간으로 디지털 트윈 모델로부터 도출된 상한 상수를 나타내는 상한 데이터, 실시간으로 디지털 트윈 모델로부터 도출된 타깃 상수를 나타내는 타깃 데이터, 자산 또는 시간에 걸친 집계 데이터를 사용하는 맞춤 계산들에 관련된 정보를 나타내는 맞춤 계산 데이터, 및/또는 메트릭에 관련된 다른 데이터로 이루어진다.
하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)(예컨대, 자산 성과 관리 컴퓨터 시스템(302)의 우선순위화된 액션들 컴포넌트(326))은 요청(320)을 수신한다. 일 실시예에서, 요청(320)은 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청이다. 예를 들어, 하나 이상의 실시예들에서, 요청(320)은 에지 디바이스들(161a 내지 161n)(예컨대, 자산들의 포트폴리오에 포함된 에지 디바이스들(161a 내지 161n))과 연관된 대시보드 시각화를 생성하라는 요청이다.
하나 이상의 실시예들에서, 요청(320)은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 하나 이상의 자산 디스크립터들을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 요청(320)은 에지 디바이스들(161a 내지 161n)을 설명하는 하나 이상의 자산 디스크립터들을 포함한다. 자산 디스크립터는, 예를 들어, 자산과 연관된 자산 명칭, 자산 식별자, 자산 레벨 및/또는 다른 정보를 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 요청(320)은 대시보드 시각화의 액세스와 연관된 사용자에 대한 사용자 역할을 설명하는 하나 이상의 사용자 식별자들을 포함한다. 사용자 식별자는, 예를 들어, 사용자 역할 명칭(예컨대, 관리자, 실무자, 유지보수 엔지니어, 프로세스 엔지니어 등)에 대한 식별자를 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 요청(320)은 메트릭들에 대한 콘텍스트를 설명하는 하나 이상의 메트릭 콘텍스트 식별자들을 포함한다. 메트릭 콘텍스트 식별자는, 예를 들어, 공장 성과 메트릭, 자산 성과 메트릭, 목표(예컨대, 하나 이상의 자산들에 관련된 생산 검토 등)에 대한 식별자를 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 요청(320)은 메트릭들에 대한 시간 간격을 설명하는 하나 이상의 시간 식별 식별자를 포함한다. 시간 간격 식별자는, 예를 들어, 매시간, 매일, 매달, 매년 등과 같은 집계 데이터에 대한 시간 간격을 설명한다. 하나 이상의 실시예들에서, 시간 간격 식별자는 메트릭들에 대한 시간 간격을 설명하는 보고 시간 식별자이다.
하나 이상의 실시예들에서, 요청(320)은 음성 입력이다. 일 실시예에서, 음성 입력은 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 포함하고/하거나 개시한다. 예를 들어, 하나 이상의 실시예들에서, 음성 입력은 에지 디바이스들(161a 내지 161n)(예컨대, 자산들의 포트폴리오에 포함된 에지 디바이스들(161a 내지 161n))과 연관된 대시보드 시각화를 생성하라는 요청을 포함하고/하거나 개시한다. 하나 이상의 실시예들에서, 음성 입력은 대시보드 시각화를 생성하라는 요청과 연관된 음성 입력 데이터를 포함한다. 예를 들어, 하나 이상의 실시예들에서, 음성 입력과 연관된 음성 입력 데이터는 자산들의 포트폴리오와 연관된 하나 이상의 자산 통찰 요청들을 포함한다. 일 실시예에서, 하나 이상의 자산 통찰 요청들은 음성 입력 데이터를 통해 제공되는 어구를 포함한다. 다른 실시예에서, 하나 이상의 자산 통찰 요청들은 음성 입력 데이터를 통해 제공되는 질문을 포함한다. 예를 들어, 일 실시예에서, 사용자는 음성 입력과 연관된 음성 입력 데이터를 제공하기 위해 컴퓨팅 디바이스를 통해 어구 또는 질문을 말할 수 있다.
하나 이상의 실시예들에서, 음성 입력은 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들(예컨대, 자산 통찰 속성들, 메트릭들 콘텍스트 식별자 등)을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 음성 입력은, 예를 들어, 공장 성과 메트릭에 대한 식별자, 자산 성과 메트릭 표시자, 목표 표시자 등을 포함한다. 일례에서, 어구 "What was the production and quality of product A?"의 경우, 단어 "production"은 제1 속성일 수 있고, 단어 "quality"는 제2 속성일 수 있다. 하나 이상의 실시예들에서, 음성 입력은, 추가적으로 또는 대안적으로, 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 하나 이상의 자산 디스크립터들을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 음성 입력은, 추가적으로 또는 대안적으로, 에지 디바이스들(161a 내지 161n)을 설명하는 하나 이상의 자산 디스크립터들을 포함한다. 자산 디스크립터는, 예를 들어, 자산과 연관된 자산 명칭, 자산 식별자, 자산 레벨 및/또는 다른 정보를 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 음성 입력은 대시보드 시각화의 액세스와 연관된 사용자에 대한 사용자 역할을 설명하는 하나 이상의 사용자 식별자들을 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 음성 입력은 메트릭들 및/또는 하나 이상의 자산 통찰들에 대한 시간 및/또는 시간 간격을 설명하는 시간 데이터를 포함한다.
하나 이상의 실시예들에서, 요청(320)에 응답하여, 메트릭들 엔진 컴포넌트(306)는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 예를 들어, 하나 이상의 실시예들에서, 메트릭들 엔진 컴포넌트(306)는 요청(320)에 응답하여 에지 디바이스들(161a 내지 161n)과 연관된 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 하나 이상의 실시예들에서, 메트릭들 엔진 컴포넌트(306)는 자산 데이터(314)의 일부분을 자산 데이터(314)의 일부분에 대한 메트릭으로 변환하고, 자산 데이터(314)의 일부분에 대한 메트릭을 중앙집중식 제어 데이터베이스(318)에 저장한다. 하나 이상의 실시예들에서, 메트릭들 엔진 컴포넌트(306)는 자산 데이터(314)에 대한 속성들의 시계열 맵핑과 관련된 모델에 기초하여 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 예를 들어, 하나 이상의 실시예들에서, 메트릭들 엔진 컴포넌트(306)는 중앙집중식 제어 데이터베이스(318)와 관련되는 자산 데이터(314)에 대한 속성들의 시계열 맵핑에 기초하여 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다.
하나 이상의 실시예들에서, 요청(320)에 응답하여, 우선순위화된 액션들 컴포넌트(326)는 중앙집중식 제어 데이터베이스(318)에 저장된 집계 데이터에 대한 속성들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정한다. 일 실시예에서, 우선순위화된 액션들은, 자산들의 포트폴리오로부터의 어느 자산들이 먼저 서비스되어야 하는지를 나타낸다. 예를 들어, 일 실시예에서, 우선순위화된 액션들은 첫 번째로 서비스되어야 하는 자산들의 포트폴리오로부터의 제1 자산, 두 번째로 서비스되어야 하는 자산들의 포트폴리오로부터의 제2 자산, 세 번째로 서비스되어야 하는 자산들의 포트폴리오로부터의 제3 자산 등을 나타낸다. 하나 이상의 실시예들에서, 우선순위화된 액션들은 포트폴리오에 대한 영향에 기초한 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록이다. 예를 들어, 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는, 자산들의 포트폴리오와 관련되는 각자의 우선순위화된 액션들의 영향에 기초하여, 우선순위화된 액션들을 순위화(rank)하여 우선순위화된 액션들의 목록을 생성한다. 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 집계 데이터 사이의 관계들, 특징들, 및/또는 속성들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 그룹화한다. 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된 디지털 트윈 모델에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된 운영자 아이덴티티와 연관된 디지털 트윈 모델에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정한다.
하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 집계 데이터와 연관된 메트릭들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 결정한다. 소정 실시예들에서, 요청(320)에 응답하여, 우선순위화된 액션들 컴포넌트(326)는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 예를 들어, 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 요청(320)에 응답하여 에지 디바이스들(161a 내지 161n)과 연관된 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 자산 데이터(314)의 일부분을 자산 데이터(314)의 일부분에 대한 메트릭으로 변환하고, 자산 데이터(314)의 일부분에 대한 메트릭을 중앙집중식 제어 데이터베이스(318)에 저장한다. 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 자산 데이터(314)에 대한 속성들, 특징들, 및/또는 관계들의 시계열 맵핑과 관련된 모델에 기초하여 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 예를 들어, 하나 이상의 실시예들에서, 우선순위화된 액션들 컴포넌트(326)는 중앙집중식 제어 데이터베이스(318)와 관련되는 자산 데이터(314)에 대한 속성들, 특징들, 및/또는 관계들의 시계열 맵핑에 기초하여 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다.
하나 이상의 실시예들에서, 요청(320)에 응답하여, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 획득하기 위해 음성 입력 데이터와 관련되는 자연 언어 질의를 수행한다. 예를 들어, 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 획득하기 위해 음성 입력 데이터와 관련되는 자연 언어 처리를 수행한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 음성 입력 데이터를 텍스트 스트링으로 변환하여, 텍스트 스트링이 하나 이상의 텍스트 요소들과 연관되도록 한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 자연 언어 처리(예컨대, 하나 이상의 자연 언어 처리 기법들)를 채용하여, 음성 입력 데이터와 연관된 텍스트 데이터를 결정한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 음성 입력에 기초하여 자연 언어 데이터베이스에 질의한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 음성 입력 데이터와 관련되는 하나 이상의 속성들, 하나 이상의 태그들, 하나 이상의 라벨들, 하나 이상의 분류들, 및/또는 하나 이상의 다른 추론들을 제공한다. 예를 들어, 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 음성 입력 데이터와 관련되는 품사(part-of-speech) 태깅을 수행하여, 음성 입력 데이터와 관련되는 하나 이상의 속성들, 하나 이상의 태그들, 하나 이상의 라벨들, 하나 이상의 분류들, 및/또는 하나 이상의 다른 추론들을 획득한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 음성 입력 데이터와 관련되는 하나 이상의 태그들, 하나 이상의 라벨들, 하나 이상의 분류들, 하나 이상의 속성들, 및/또는 하나 이상의 다른 추론들에 기초하여 중앙집중식 제어 데이터베이스(318)와 관련되는 하나 이상의 자연 언어 처리 질의들을 수행한다.
하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 기계 학습 기법들을 채용하여, 음성 입력 데이터와 관련되는 하나 이상의 속성들, 하나 이상의 태그들, 하나 이상의 라벨들, 하나 이상의 분류들, 및/또는 하나 이상의 다른 추론들의 결정을 용이하게 한다. 예를 들어, 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 음성 입력 데이터와 관련되는 퍼지 매칭 기법을 수행한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 구성되는 신경 네트워크 모델에 음성 입력 데이터를 제공한다.
하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 음성 입력 데이터와 관련되는 하나 이상의 속성들, 하나 이상의 라벨들, 하나 이상의 태그들, 하나 이상의 분류들, 또는 하나 이상의 다른 추론들에 기초하여 자산들의 포트폴리오와 연관된 집계 데이터를 획득한다. 추가적으로, 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 집계 데이터에 기초하여 자산들의 포트폴리오에 대한 하나 이상의 자산 통찰들을 결정한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는, 하나 이상의 속성들에 기초하여, 자산들의 포트폴리오로부터의 자산들 사이의 하나 이상의 관계들에 기초한 집계 데이터를 그룹화한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 속성들을, 적어도 제1 유형의 자산 통찰과 연관된 제1 모델 및 제2 유형의 자산 통찰과 연관된 제2 모델에 적용한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는, 제1 모델로부터의 제1 출력 데이터 및 제2 모델로부터의 제2 출력 데이터를 집계하여 집계 데이터의 적어도 일부분을 결정한다. 하나 이상의 실시예들에서, 음성 입력에 응답하여, 가상 어시스턴트 컴포넌트(336)는 하나 이상의 속성들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정한다. 소정 실시예들에서, 음성 입력에 응답하여, 가상 어시스턴트 컴포넌트(336)는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다. 예를 들어, 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 음성 입력에 응답하여 에지 디바이스들(161a 내지 161n)과 연관된 자산 계층구조에 대한 하나 이상의 메트릭들을 결정한다.
하나 이상의 실시예들에서, 요청(320)에 응답하여, 대시보드 시각화 컴포넌트(308)는 자산 계층구조에 대한 하나 이상의 메트릭들과 연관된 대시보드 시각화 데이터(322)를 생성한다. 예를 들어, 하나 이상의 실시예들에서, 대시보드 시각화 컴포넌트(308)는 대시보드 시각화 데이터(322)에 기초하여 컴퓨팅 디바이스의 전자 인터페이스에 대시보드 시각화를 제공한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함한다. 하나 이상의 실시예들에서, 요청(320)에 응답하여, 대시보드 시각화 컴포넌트(308)는 중앙집중식 제어 데이터베이스(318)에 저장된 자산 데이터(314)와 연관된 메트릭들 및/또는 자산 데이터(314)의 태양들을 연관시켜 하나 이상의 메트릭들을 제공한다. 예를 들어, 하나 이상의 실시예에서, 음성 입력에 응답하여, 대시보드 시각화 컴포넌트(308)는 중앙집중식 제어 데이터베이스(318)에 저장된 자산 데이터(314)와 연관된 메트릭들 및/또는 자산 데이터(314)의 태양들을 연관시켜 하나 이상의 메트릭들을 제공한다. 일 태양에서, 대시보드 시각화 컴포넌트(308)는 중앙집중식 제어 데이터베이스(318)의 자산 레벨의 계층구조 구조 및/또는 시계열 구조에 기초하여 중앙집중식 제어 데이터베이스(318)에 저장된 자산 데이터(314)와 연관된 메트릭들 및/또는 자산 데이터(314)의 태양들을 결정한다.
하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오에 대한 우선순위화된 액션들을 포함한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 우선순위화된 액션들의 목록을 포함한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오에 대한 우선순위화된 액션들의 그룹화를 포함한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함한다.
하나 이상의 실시예들에서, 음성 입력에 응답하여, 대시보드 시각화 컴포넌트(308)는 자산 계층구조에 대한 하나 이상의 메트릭들과 연관된 대시보드 시각화 데이터(322)를 생성한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 음성 입력과 연관된 하나 이상의 속성들에 기초하여 구성된다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오와 관련된 센서 데이터를 제시하도록 구성된 대시보드 시각화 요소, 자산들의 포트폴리오와 관련된 제어 데이터를 제시하도록 구성된 대시보드 시각화 요소, 자산들의 포트폴리오에 관련된 노무 관리 데이터(labor management data)를 제시하도록 구성된 대시보드 시각화 요소, 자산들의 포트폴리오에 관련된 창고 실행 데이터를 제시하도록 구성된 대시보드 시각화 요소, 자산들의 포트폴리오에 관련된 재고 데이터를 제시하도록 구성된 대시보드 가시화 요소, 자산들의 포트폴리오에 관련된 창고 관리 데이터를 제시하도록 구성된 대시보드 시각화 요소, 자산들의 포트폴리오에 관련된 기계 제어 데이터를 제시하도록 구성된 대시보드 시각화 요소, 및/또는 하나 이상의 자산 통찰들과 연관된 하나 이상의 다른 대시보드 시각화 요소들을 포함한다.
추가적으로, 하나 이상의 실시예들에서, 대시보드 시각화 컴포넌트(308)는 메트릭들에 기초하여 하나 이상의 액션들을 수행한다. 예를 들어, 하나 이상의 실시예들에서, 대시보드 시각화 컴포넌트(308)는 하나 이상의 액션들과 연관된 대시보드 시각화 데이터(322)를 생성한다. 일 실시예에서, 액션은 하나 이상의 메트릭들의 시각적 표현을 렌더링하는 사용자 상호작용 전자 인터페이스를 생성하는 것을 포함한다. 다른 실시예에서, 하나 이상의 액션들로부터의 액션은, 컴퓨팅 디바이스에, 하나 이상의 메트릭들과 연관된 하나 이상의 통지들을 송신하는 것을 포함한다. 다른 실시예에서, 하나 이상의 액션들로부터의 액션은 자산 데이터(314)와 연관된 자산에 대한 최적의 프로세스 조건을 제공하는 것을 포함한다. 예를 들어, 다른 실시예에서, 하나 이상의 액션들로부터의 액션은 자산 데이터(314)와 연관된 자산에 대한 설정점 및/또는 스케줄을 조정하는 것을 포함한다. 다른 실시예에서, 하나 이상의 액션들로부터의 액션은 자산 데이터(314)와 연관된 자산에 대해 취할 하나 이상의 보정 액션을 포함한다. 다른 실시예에서, 하나 이상의 액션들로부터의 액션은 자산 데이터(314)와 연관된 자산에 대한 최적의 유지보수 옵션을 제공하는 것을 포함한다. 다른 실시예에서, 하나 이상의 액션들로부터의 액션은 애플리케이션 서비스들 계층(225), 애플리케이션들 계층(230), 및/또는 핵심 서비스들 계층(235)과 연관된 액션을 포함한다.
추가적으로, 하나 이상의 실시예들에서, 대시보드 시각화 컴포넌트(308)는 자산들의 포트폴리오에 대한 우선순위화된 액션들에 기초하여 하나 이상의 액션들을 수행한다. 일 실시예에서, 액션은 하나 이상의 메트릭들 및/또는 자산들의 포트폴리오에 대한 우선순위화된 액션들의 시각적 표현을 렌더링하는 사용자 상호작용 전자 인터페이스를 생성하는 것을 포함한다. 다른 실시예에서, 하나 이상의 액션들로부터의 액션은, 컴퓨팅 디바이스에, 하나 이상의 메트릭들 및/또는 자산들의 포트폴리오에 대한 우선순위화된 액션들과 연관된 하나 이상의 통지들을 송신하는 것을 포함한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 음성 입력과 연관된 하나 이상의 속성들에 기초하여 자산들의 포트폴리오로부터 하나 이상의 자산들의 원격 제어를 위해 대시보드 시각화를 구성한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 음성 입력(예컨대, 요청(320)과 연관된 음성 입력)과 연관된 하나 이상의 속성들에 기초하여 대시보드 시각화에 대한 자산들의 포트폴리오로부터 자산의 3차원(3D) 모델을 구성한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 음성 입력과 연관된 하나 이상의 속성들에 기초하여 3D 모델에 관련된 자산과 연관된 하나 이상의 이벤트들을 필터링한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322) 및/또는 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 음성 입력과 연관된 하나 이상의 속성들에 기초하여 2개 이상의 컴퓨팅 디바이스들 사이의 실시간 협업을 위해 대시보드 시각화를 구성한다.
도 4는 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 예시적인 환경을 제공하는 시스템(300')을 예시한다. 일 실시예에서, 시스템(300')은 도 3에 도시된 시스템(300)의 대안적인 실시예에 대응한다. 일 실시예에 따르면, 시스템(300')은 자산 성과 관리 컴퓨터 시스템(302), 에지 디바이스들(161a 내지 161n), 중앙집중식 제어 데이터베이스(318) 및/또는 컴퓨팅 디바이스(402)를 포함한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 네트워크(110)를 통해 에지 디바이스들(161a 내지 161n) 및/또는 컴퓨팅 디바이스(402)와 통신한다. 컴퓨팅 디바이스(402)는 자산 성과 관리 컴퓨터 시스템(302)으로부터 원격에 위치되는 모바일 컴퓨팅 디바이스, 스마트폰, 태블릿 컴퓨터, 모바일 컴퓨터, 데스크톱 컴퓨터, 랩톱 컴퓨터, 워크스테이션 컴퓨터, 웨어러블 디바이스, 가상 현실 디바이스, 증강 현실 디바이스, 또는 다른 유형의 컴퓨팅 디바이스이다. 하나 이상의 실시예들에서, 컴퓨팅 디바이스(402)는 요청(320)을 생성한다. 예를 들어, 하나 이상의 실시예들에서, 요청(320)은 컴퓨팅 디바이스(402)의 시각적 디스플레이(예컨대, 사용자 인터페이스)를 통해 생성된다. 하나 이상의 실시예들에서, 컴퓨팅 디바이스(402)는 음성 입력을 생성한다. 예를 들어, 하나 이상의 실시예들에서, 음성 입력(예컨대, 요청(320)과 연관된 음성 입력)은 컴퓨팅 디바이스(402)의 하나 이상의 마이크로폰들 및/또는 컴퓨팅 디바이스(402)에 통신가능하게 결합된 하나 이상의 마이크로폰들을 통해 생성된다.
하나 이상의 실시예들에서, 대시보드 시각화 컴포넌트(308)는 대시보드 시각화 데이터(322)를 컴퓨팅 디바이스(402)로 통신한다. 예를 들어, 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322)는 하나 이상의 메트릭들의 시각적 표현을 렌더링하는 컴퓨팅 디바이스(402)의 시각적 디스플레이(예컨대, 사용자 상호작용 전자 인터페이스)에 대한 하나 이상의 시각적 요소들을 포함한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322)는 자산들의 포트폴리오와 연관된 하나 이상의 메트릭들 및/또는 자산들의 포트폴리오에 대한 우선순위화된 액션들의 시각적 표현을 렌더링하는 컴퓨팅 디바이스(402)의 시각적 디스플레이(예컨대, 사용자 상호작용 전자 인터페이스)에 대한 하나 이상의 시각적 요소들을 포함한다. 소정 실시예들에서, 컴퓨팅 디바이스(402)의 시각적 디스플레이는 대시보드 시각화 데이터(322)(예컨대, 하나 이상의 메트릭들)와 연관된 하나 이상의 그래픽 요소들을 디스플레이한다. 다른 예에서, 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322)는 자산들의 포트폴리오에 대한 하나 이상의 메트릭들 및/또는 우선순위화된 액션들과 연관된 하나 이상의 통지들을 포함한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322)는 컴퓨팅 디바이스(402)와 연관된 사용자가 자산들의 포트폴리오와 연관된 하나 이상의 메트릭들 및/또는 자산들의 포트폴리오에 대한 우선순위화된 액션들과 관련하여 결정들을 행하고/행하거나 하나 이상의 액션들을 수행할 수 있게 한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322)는 컴퓨팅 디바이스(402)와 연관된 사용자가 자산들의 포트폴리오의 자산들의 하나 이상의 부분들(예컨대, 에지 디바이스들(161a 내지 161n)의 하나 이상의 부분들)을 제어할 수 있게 한다. 하나 이상의 실시예들에서, 대시보드 시각화 데이터(322)는 컴퓨팅 디바이스(402)와 연관된 사용자가 자산들의 포트폴리오의 하나 이상의 자산들에 대한 하나 이상의 작업 오더들을 생성할 수 있게 한다.
도 5는 본 개시내용의 하나 이상의 실시예들에 따른 시스템(500)을 예시한다. 시스템(500)은 컴퓨팅 디바이스(402)를 포함한다. 하나 이상의 실시예들에서, 컴퓨팅 디바이스(402)는 모바일 컴퓨팅, 증강 현실, 클라우드 기반 컴퓨팅, IoT 기술 및/또는 하나 이상의 다른 기술들을 채용하여, 성과 데이터, 비디오, 오디오, 텍스트, 그래프들, 차트들, 실시간 데이터, 그래픽 데이터, 하나 이상의 통신들, 하나 이상의 메시지들, 하나 이상의 통지들, 및/또는 하나 이상의 메트릭들과 연관된 다른 매체 데이터를 제공한다. 컴퓨팅 디바이스(402)는 기계적 컴포넌트들, 전기적 컴포넌트들, 하드웨어 컴포넌트들 및/또는 소프트웨어 컴포넌트들을 포함하여, 우선순위화된 액션들 및/또는 자산 데이터(314)와 연관된 하나 이상의 메트릭들을 결정하는 것을 용이하게 한다. 도 5에 도시된 실시예에서, 컴퓨팅 디바이스(402)는 시각적 디스플레이(504), 하나 이상의 스피커들(506), 하나 이상의 카메라들(508), 하나 이상의 마이크로폰들(510), 글로벌 포지셔닝 시스템(GPS) 디바이스(512), 자이로스코프(514), 하나 이상의 무선 통신 디바이스들(516), 및/또는 전력 공급부(518)를 포함한다.
일 실시예에서, 시각적 디스플레이(504)는 대시보드 시각화 데이터(322)의 하나 이상의 부분들의 제시 및/또는 그들과의 상호작용을 용이하게 하는 디스플레이이다. 하나 이상의 실시예들에서, 컴퓨팅 디바이스(402)는 자산 성과 관리 플랫폼과 연관된 전자 인터페이스(예컨대, 그래픽 사용자 인터페이스)를 디스플레이한다. 하나 이상의 실시예들에서, 시각적 디스플레이(504)는 픽셀들의 세트를 통해 하나 이상의 상호작용 매체 요소들을 렌더링하는 시각적 디스플레이이다. 하나 이상의 스피커들(506)은 오디오를 투영하는 하나 이상의 통합형 스피커들을 포함한다. 하나 이상의 카메라들(508)은 사진 캡처 및/또는 실시간 비디오에 대한 오토포커스 및/또는 이미지 안정화를 채용하는 하나 이상의 카메라들을 포함한다. 하나 이상의 마이크로폰들(510)은 오디오 데이터를 캡처하기 위해 능동 잡음 제거를 채용하는 하나 이상의 디지털 마이크로폰들을 포함한다. 하나 이상의 실시예들에서, 음성 입력의 적어도 일부분은 하나 이상의 마이크로폰들(510)을 통해 생성된다. GPS 디바이스(512)는 컴퓨팅 디바이스(402)에 대한 지리적 위치를 제공한다. 자이로스코프(514)는 컴퓨팅 디바이스(402)에 대한 배향을 제공한다. 하나 이상의 무선 통신 디바이스들(516)은 하나 이상의 무선 네트워킹 기술들 및/또는 하나 이상의 단파장 무선 기술들을 통해 무선 통신을 제공하기 위한 하나 이상의 하드웨어 컴포넌트들을 포함한다. 전력 공급부(518)는, 예를 들어, 시각적 디스플레이(504), 하나 이상의 스피커들(506), 하나 이상의 카메라들(508), 하나 이상의 마이크로폰들(510), GPS 디바이스(512), 자이로스코프(514), 및/또는 하나 이상의 무선 통신 디바이스들(516)에 전력을 제공하는 전력 공급부 및/또는 재충전가능 배터리이다. 소정 실시예들에서, 자산들의 포트폴리오에 관련된 하나 이상의 메트릭들, 우선순위화된 액션들 및/또는 하나 이상의 자산 통찰들과 연관된 대시보드 시각화 데이터(322)는 시각적 디스플레이(504) 및/또는 하나 이상의 스피커들(506)을 통해 제시된다.
도 6은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(600)을 예시한다. 일 실시예에서, 시스템(600)은 중앙집중식 제어 데이터베이스(318)의 비제한적인 실시예를 포함한다. 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 에지 디바이스들(161a 내지 161n)로부터 집계된 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)를 저장한다. 중앙집중식 제어 데이터베이스(318)는 시간 간격 및/또는 자산 계층구조 레벨에 기초하여 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)를 동적으로 저장하는 캐시 메모리(예컨대, 데이터베이스 구조)이다. 예를 들어, 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 하나 이상의 시간 간격들(예컨대, 1분 내지 12분, 1시간 내지 24시간, 1일 내지 31일, 1개월 내지 12개월 등)에 대한 그리고/또는 하나 이상의 자산 계층구조 레벨들(예컨대, 자산 레벨, 공장 레벨, 산업 현장 레벨 등)에 대한 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)를 저장한다. 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 에지 디바이스들(161a 내지 161n)로부터 집계된 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)에 대한 속성들의 시계열 맵핑에 관련된다. 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 대시보드 시각화를 통해 제시되는 데이터의 유형에 기초하여 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)를 동적으로 저장한다. 하나 이상의 실시예들에서, 에지 디바이스들(161a 내지 161n)로부터 집계된 데이터(예컨대, 자산 데이터(314)의 하나 이상의 부분들)는 중앙집중식 제어 데이터베이스(318)에 저장되기 이전에 하나 이상의 메트릭들(예컨대, KPI 메트릭, 듀티 KPI, 듀티 타깃 KPI)로 변환된다. 하나 이상의 실시예들에서, 메트릭(예컨대, KP 메트릭들)은 속성을 메트릭에 맵핑하기(예컨대, 운영 전력 자산 유형 속성(operating power asset type attribute)이 듀티 태양에 맵핑되는 등) 위한 모델에 채용되는 태양을 나타내는 태양 데이터, 시간에 걸친 집계에 관련된 정보를 나타내는 집계 데이터, 하나의 레벨에서의 자산에 걸쳐있을 뿐 아니라 계층구조 자산에 걸친 자산의 집계 메트릭을 나타내는 롤업 데이터, 실시간으로 디지털 트윈 모델로부터 도출된 하한 상수를 나타내는 하한 데이터, 실시간으로 디지털 트윈 모델로부터 도출된 상한 상수를 나타내는 상한 데이터, 실시간으로 디지털 트윈 모델로부터 도출된 타깃 상수를 나타내는 타깃 데이터, 자산 또는 시간에 걸친 집계 데이터를 사용하는 맞춤 계산들에 관련된 정보를 나타내는 맞춤 계산 데이터, 및/또는 메트릭에 관련된 다른 데이터로 이루어진다.
도 6에 예시된 일 실시예에서, 중앙집중식 제어 데이터베이스(318)는 산업 환경에서의 제1 자산 계층구조 레벨(예컨대, 현장)과 연관된 제1 세트의 데이터 구조들(602), 산업 환경에서의 제2 자산 계층구조 레벨(예컨대, 공장)과 연관된 제2 세트의 데이터 구조들(604), 및 산업 환경에서의 제3 자산 계층구조 레벨(예컨대, 유닛들)과 연관된 제3 세트의 데이터 구조들(606)을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 제1 세트의 데이터 구조들(602) 내의 제1 자산 계층구조 레벨(예컨대, 현장)에 대한 데이터를 조직화하고/하거나 저장한다. 일 실시예에서, 데이터 집계 컴포넌트(304)는 시간 간격마다 제1 자산 계층구조 레벨(예컨대, 현장)에 대한 데이터를 집계하고/하거나 반복적으로 업데이트한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 시간마다 제1 자산 계층구조 레벨(예컨대, 현장)에 대한 데이터를 반복적으로 집계하고, 제1 사이클의 종료(예컨대, 24시간 사이클의 종료)가 만족될 때까지 제1 세트의 데이터 구조들(602)의 제1 데이터 구조(608)에 집계 데이터를 저장한다. 추가적으로, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 날마다 제1 자산 계층구조 레벨(예컨대, 현장)에 대한 데이터를 반복적으로 집계하고, 제2 사이클의 종료(예컨대, 31일 사이클의 종료)가 만족될 때까지 제1 세트의 데이터 구조들(602)의 제2 데이터 구조(610)에 집계 데이터를 저장한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 또한, 달마다 제1 자산 계층구조 레벨(예컨대, 현장)에 대한 데이터를 반복적으로 집계하고, 제3 사이클의 종료(예컨대, 12개월 사이클의 종료)가 만족될 때까지 제1 세트의 데이터 구조들(602)의 제3 데이터 구조(612)에 집계 데이터를 저장한다. 하나 이상의 실시예들에서, 제1 데이터 구조(608)에 대한 변경은 제2 데이터 구조(610) 및/또는 제3 데이터 구조(612)에 대한 변경을 개시한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 제2 데이터 구조(610)에 대한 변경은 제1 데이터 구조(608) 및/또는 제3 데이터 구조(612)에 대한 변경을 개시한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 제3 데이터 구조(612)에 대한 변경은 제1 데이터 구조(608) 및/또는 제2 데이터 구조(610)에 대한 변경을 개시한다.
하나 이상의 실시예들에서, 제1 데이터 구조(608) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제1 데이터 구조(608) 내에서 그리고/또는 다른 데이터 구조(예컨대, 제2 데이터 구조(610)) 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1시간의 시간 간격 동안 데이터 필드에 대응하는 제1 데이터 구조(608) 내의 데이터의 일부분은 0 내지 1시간의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2시간의 시간 간격 동안 제1 데이터 구조(608) 내의 다른 데이터 필드로 이동된다. 다른 실시예에서, 0 내지 24시간의 시간 간격 동안 데이터 필드들에 대응하는 제1 데이터 구조(608) 내의 데이터의 일부분은 0 내지 24시간의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 0 내지 1일의 시간 간격 동안 제2 데이터 구조(610) 내의 다른 데이터 필드로 이동된다. 유사하게, 하나 이상의 실시예들에서, 제2 데이터 구조(610) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제2 데이터 구조(610) 내에서 그리고/또는 다른 데이터 구조(예컨대, 제3 데이터 구조(612)) 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1일의 시간 간격 동안 데이터 필드에 대응하는 제2 데이터 구조(610) 내의 데이터의 일부분은 0 내지 1일의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2일의 시간 간격 동안 제2 데이터 구조(610) 내의 다른 데이터 필드로 이동된다. 다른 실시예에서, 0 내지 31일의 시간 간격 동안 데이터 필드들에 대응하는 제2 데이터 구조(610) 내의 데이터의 일부분은 0 내지 31일의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 0 내지 1개월의 시간 간격 동안 제3 데이터 구조(612) 내의 다른 데이터 필드로 이동된다. 유사하게, 하나 이상의 실시예들에서, 제3 데이터 구조(612) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제3 데이터 구조(612) 내에서 그리고/또는 다른 데이터 구조 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1개월의 시간 간격 동안 데이터 필드에 대응하는 제3 데이터 구조(612) 내의 데이터의 일부분은 0 내지 1개월의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2개월의 시간 간격 동안 제3 데이터 구조(612) 내의 다른 데이터 필드로 이동된다.
추가적으로, 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 제2 세트의 데이터 구조들(604) 내의 제2 자산 계층구조 레벨(예컨대, 공장)에 대한 데이터를 조직화하고/하거나 저장한다. 일 실시예에서, 데이터 집계 컴포넌트(304)는 시간 간격마다 제2 자산 계층구조 레벨(예컨대, 공장)에 대한 데이터를 집계하고/하거나 반복적으로 업데이트한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 시간마다 제2 자산 계층구조 레벨(예컨대, 공장)에 대한 데이터를 반복적으로 집계하고, 제1 사이클의 종료(예컨대, 24시간 사이클의 종료)가 만족될 때까지 제2 세트의 데이터 구조들(604)의 제1 데이터 구조(614)에 집계 데이터를 저장한다. 추가적으로, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 날마다 제2 자산 계층구조 레벨(예컨대, 공장)에 대한 데이터를 반복적으로 집계하고, 제2 사이클의 종료(예컨대, 31일 사이클의 종료)가 만족될 때까지 제2 세트의 데이터 구조들(604)의 제2 데이터 구조(616)에 집계 데이터를 저장한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 또한, 달마다 제2 자산 계층구조 레벨(예컨대, 공장)에 대한 데이터를 반복적으로 집계하고, 제3 사이클의 종료(예컨대, 12개월 사이클의 종료)가 만족될 때까지 제2 세트의 데이터 구조들(604)의 제3 데이터 구조(618)에 집계 데이터를 저장한다. 하나 이상의 실시예들에서, 제1 데이터 구조(614)에 대한 변경은 제2 데이터 구조(616) 및/또는 제3 데이터 구조(618)에 대한 변경을 개시한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 제2 데이터 구조(616)에 대한 변경은 제1 데이터 구조(614) 및/또는 제3 데이터 구조(618)에 대한 변경을 개시한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 제3 데이터 구조(618)에 대한 변경은 제1 데이터 구조(614) 및/또는 제2 데이터 구조(616)에 대한 변경을 개시한다.
하나 이상의 실시예들에서, 제1 데이터 구조(614) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제1 데이터 구조(614) 내에서 그리고/또는 다른 데이터 구조(예컨대, 제2 데이터 구조(616)) 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1시간의 시간 간격 동안 데이터 필드에 대응하는 제1 데이터 구조(614) 내의 데이터의 일부분은 0 내지 1시간의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2시간의 시간 간격 동안 제1 데이터 구조(614) 내의 다른 데이터 필드로 이동된다. 다른 실시예에서, 0 내지 24시간의 시간 간격 동안 데이터 필드들에 대응하는 제1 데이터 구조(614) 내의 데이터의 일부분은 0 내지 24시간의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 0 내지 1일의 시간 간격 동안 제2 데이터 구조(616) 내의 다른 데이터 필드로 이동된다. 유사하게, 하나 이상의 실시예들에서, 제2 데이터 구조(616) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제2 데이터 구조(616) 내에서 그리고/또는 다른 데이터 구조(예컨대, 제3 데이터 구조(618)) 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1일의 시간 간격 동안 데이터 필드에 대응하는 제2 데이터 구조(616) 내의 데이터의 일부분은 0 내지 1일의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2일의 시간 간격 동안 제2 데이터 구조(616) 내의 다른 데이터 필드로 이동된다. 다른 실시예에서, 0 내지 31일의 시간 간격 동안 데이터 필드들에 대응하는 제2 데이터 구조(616) 내의 데이터의 일부분은 0 내지 31일의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 0 내지 1개월의 시간 간격 동안 제3 데이터 구조(618) 내의 다른 데이터 필드로 이동된다. 유사하게, 하나 이상의 실시예들에서, 제3 데이터 구조(618) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제3 데이터 구조(618) 내에서 그리고/또는 다른 데이터 구조 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1개월의 시간 간격 동안 데이터 필드에 대응하는 제3 데이터 구조(618) 내의 데이터의 일부분은 0 내지 1개월의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2개월의 시간 간격 동안 제3 데이터 구조(618) 내의 다른 데이터 필드로 이동된다.
추가적으로, 하나 이상의 실시예들에서, 중앙집중식 제어 데이터베이스(318)는 제3 세트의 데이터 구조들(606) 내의 제3 자산 계층구조 레벨(예컨대, 유닛들)에 대한 데이터를 조직화하고/하거나 저장한다. 일 실시예에서, 데이터 집계 컴포넌트(304)는 시간 간격마다 제3 자산 계층구조 레벨(예컨대, 자산들)에 대한 데이터를 집계하고/하거나 반복적으로 업데이트한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 시간마다 제3 자산 계층구조 레벨(예컨대, 자산들)에 대한 데이터를 반복적으로 집계하고, 제1 사이클의 종료(예컨대, 24시간 사이클의 종료)가 만족될 때까지 제3 세트의 데이터 구조들(606)의 제1 데이터 구조(620)에 집계 데이터를 저장한다. 추가적으로, 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 날마다 제3 자산 계층구조 레벨(예컨대, 자산들)에 대한 데이터를 반복적으로 집계하고, 제2 사이클의 종료(예컨대, 31일 사이클의 종료)가 만족될 때까지 제3 세트의 데이터 구조들(606)의 제2 데이터 구조(622)에 집계 데이터를 저장한다. 하나 이상의 실시예들에서, 데이터 집계 컴포넌트(304)는 또한, 달마다 제3 자산 계층구조 레벨(예컨대, 자산들)에 대한 데이터를 반복적으로 집계하고, 제3 사이클의 종료(예컨대, 12개월 사이클의 종료)가 만족될 때까지 제3 세트의 데이터 구조들(606)의 제3 데이터 구조(624)에 집계 데이터를 저장한다. 하나 이상의 실시예들에서, 제1 데이터 구조(620)에 대한 변경은 제2 데이터 구조(622) 및/또는 제3 데이터 구조(624)에 대한 변경을 개시한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 제2 데이터 구조(622)에 대한 변경은 제1 데이터 구조(620) 및/또는 제3 데이터 구조(624)에 대한 변경을 개시한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 제3 데이터 구조(624)에 대한 변경은 제1 데이터 구조(620) 및/또는 제2 데이터 구조(622)에 대한 변경을 개시한다.
하나 이상의 실시예들에서, 제1 데이터 구조(620) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제1 데이터 구조(620) 내에서 그리고/또는 다른 데이터 구조(예컨대, 제2 데이터 구조(622)) 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1시간의 시간 간격 동안 데이터 필드에 대응하는 제1 데이터 구조(620) 내의 데이터의 일부분은 0 내지 1시간의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2시간의 시간 간격 동안 제1 데이터 구조(620) 내의 다른 데이터 필드로 이동된다. 다른 실시예에서, 0 내지 24시간의 시간 간격 동안 데이터 필드들에 대응하는 제1 데이터 구조(620) 내의 데이터의 일부분은 0 내지 24시간의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 0 내지 1일의 시간 간격 동안 제2 데이터 구조(622) 내의 다른 데이터 필드로 이동된다. 유사하게, 하나 이상의 실시예들에서, 제2 데이터 구조(622) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제2 데이터 구조(622) 내에서 그리고/또는 다른 데이터 구조(예컨대, 제3 데이터 구조(624)) 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1일의 시간 간격 동안 데이터 필드에 대응하는 제2 데이터 구조(622) 내의 데이터의 일부분은 0 내지 1일의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2일의 시간 간격 동안 제2 데이터 구조(622) 내의 다른 데이터 필드로 이동된다. 다른 실시예에서, 0 내지 31일의 시간 간격 동안 데이터 필드들에 대응하는 제2 데이터 구조(622) 내의 데이터의 일부분은 0 내지 31일의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 0 내지 1개월의 시간 간격 동안 제3 데이터 구조(624) 내의 다른 데이터 필드로 이동된다. 유사하게, 하나 이상의 실시예들에서, 제3 데이터 구조(624) 내의 데이터의 일부분은, 사이클의 종료가 만족되는 것에 응답하여 제3 데이터 구조(624) 내에서 그리고/또는 다른 데이터 구조 내로 이동된다. 예를 들어, 일 실시예에서, 0 내지 1개월의 시간 간격 동안 데이터 필드에 대응하는 제3 데이터 구조(624) 내의 데이터의 일부분은 0 내지 1개월의 시간 간격에 대응하는 사이클이 만족되는 것에 응답하여 1 내지 2개월의 시간 간격 동안 제3 데이터 구조(624) 내의 다른 데이터 필드로 이동된다.
도 7은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(700)을 예시한다. 다양한 실시예들에 따르면, 시스템(700)은 집계 데이터에 대한 속성들의 시계열 맵핑과 관련된 모델(예컨대, 기여 모델, 확장가능 객체 모델, 메트릭들 모델, 자산 모델, 다른 유형의 모델 등)에 대응한다. 일 실시예에서, 시스템(700)은 자산(702)을 포함한다. 하나 이상의 실시예들에서, 자산(702)은 에지 디바이스들(161a 내지 161n)로부터의 에지 디바이스에 대응한다. 또한, 하나 이상의 실시예들에서, 자산(702)은 하나 이상의 자산들(예컨대, 하나 이상의 산업 자산들), 하나 이상의 데이터베이스들, 하나 이상의 IoT 디바이스들(예컨대, 하나 이상의 산업 IoT 디바이스들), 하나 이상의 센서들, 하나 이상의 액추에이터들, 하나 이상의 프로세서들, 하나 이상의 컴퓨터들, 하나 이상의 밸브들, 하나 이상의 펌프들(예컨대, 하나 이상의 원심 펌프들 등), 하나 이상의 모터들, 하나 이상의 압축기들, 하나 이상의 터빈들, 하나 이상의 덕트들, 하나 이상의 가열기들, 하나 이상의 냉각기들, 하나 이상의 보일러들, 하나 이상의 화로들, 하나 이상의 열 교환기들, 하나 이상의 팬들, 하나 이상의 송풍기들, 하나 이상의 컨베이어 벨트들, 하나 이상의 차량 컴포넌트들, 하나 이상의 카메라들, 하나 이상의 디스플레이들, 하나 이상의 보안 컴포넌트들, 하나 이상의 HVAC 컴포넌트들, 공장 장비, 및/또는 하나 이상의 다른 디바이스들에 대응한다. 추가로, 하나 이상의 실시예들에서, 자산(702)은 산업 환경에 대한 하나 이상의 자산 계층구조 레벨들과 연관된다. 예를 들어, 일 실시예에서, 자산(702)은 산업 현장에서 공장의 영역 내의 자산 또는 서브자산이다.
일 실시예에서, 메트릭들 엔진 컴포넌트(306)는 자산(702)에 대한 자산 메트릭 속성(704)을 생성한다. 예를 들어, 일 실시예에서, 자산 메트릭 속성(704)은 자산(702)에 대한 자산 API 속성, 예컨대 자산(702)에 대한 API 메트릭, 자산(702)에 대한 기회 메트릭, 자산(702)에 대한 안전 위험 값, 자산(702)에 대한 에너지/유틸리티 비용 값, 자산(702)에 대한 공장 성과 메트릭, 자산(702)에 대한 전체 장비 유효성, 자산(702)에 대한 결함 요약 메트릭, 자산(702)에 대한 결함 상태 메트릭, 자산(702)에 대한 설계 듀티 메트릭, 자산(702)에 대한 설계 파울링 저항 메트릭, 자산(702)에 대한 고장 메트릭의 빈도수, 및/또는 자산(702)의 성과에 관련된 다른 유형의 메트릭이다. 하나 이상의 실시예들에서, 자산 메트릭 속성(704)은 중앙집중식 제어 데이터베이스(318)에 저장하기 위해 중앙집중식 제어 데이터베이스(318)에 제공된다. 하나 이상의 실시예들에서, 자산 메트릭 속성(704)은 (예컨대, 하나 이상의 자산 계층구조 레벨들에 대한 자산 메트릭 속성(704)의 분배와 관련된 롤업 프로세스를 통해) 중앙집중식 제어 데이터베이스(318)와 연관된 하나 이상의 자산 계층구조 레벨들(예컨대, 공장, 유닛, 영역, 자산, 서브자산 등)에 제공된다. 하나 이상의 실시예들에서, 자산 메트릭 속성(704)은 중앙집중식 제어 데이터베이스(318)의 하나 이상의 데이터 구조들의 시계열 질의(712)를 통해 중앙집중식 제어 데이터베이스(318)에 제공된다. 하나 이상의 실시예들에서, 자산 메트릭 속성(704) 및/또는 시계열 질의(712)는 자산(702)과 관련되는 자산 성과 관리를 용이하게 하기 위해 중앙집중식 제어 데이터베이스(318)와 연관된 산업 메트릭들의 상황별 롤업(714)을 제공하기 위해 채용된다.
추가적으로, 일 실시예에서, 메트릭들 엔진 컴포넌트(306)는 자산 메트릭 속성(704)에 대한 마커 태그(706)를 생성한다. 하나 이상의 실시예들에 따르면, 마커 태그(706)는 자산(702) 및/또는 자산(702)에 대한 자산 메트릭 속성(704)을 식별하는 태그이다. 하나 이상의 실시예들에서, 마커 태그(706)는 대시보드 시각화를 통한 자산(702) 및/또는 자산 메트릭 속성(704)과 연관된 데이터의 제시를 용이하게 하기 위해 채용된다. 예를 들어, 일 실시예에서, 대시보드 시각화는 산업 환경에서 자산(702) 및/또는 하나 이상의 다른 자산들에 관련된 하나 이상의 대시보드 보고들과 연관된 KPI 요약 데이터세트(708)를 포함한다. 하나 이상의 실시예들에서, KPI 요약 데이터세트(708)로부터의 KPI 데이터세트(710)는 자산(702) 및/또는 자산(702)에 대한 자산 메트릭 속성(704)과 연관된 마커 태그(706)에 기초하여 결정되고, 생성되고, 그리고/또는 렌더링된다.
도 8은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(800)을 예시한다. 다양한 실시예들에 따르면, 시스템(800)은 사용자 역할, 대시보드 시각화를 통해 하나 이상의 메트릭들을 인보크하는 것과 연관된 사용자 콘텍스트, 및/또는 메트릭 모델에 대해 맵핑된 계층구조에 기초하여 사용자에게 관련 메트릭들을 제시하기 위해 구성된 모델을 사용하는 자산 성과 관리에 관련된다. 도 8에 예시된 일 실시예에 따르면, 시스템(800)은 제1 사용자(802)(예컨대, 공장 관리자), 제2 사용자(804)(예컨대, 유지보수 엔지니어), 제3 사용자(806)(예컨대, 프로세스 & 에너지 엔지니어) 및 제4 사용자(808)(예컨대, 애플리케이션 구성 엔지니어)를 포함한다. 일 실시예에서, 제1 사용자(802)는 공장 내의 자산의 계층구조를 포함하는 공장 자산 계층구조(810)와 관련하여 공장 성과 및/또는 개선할 기회를 검토하라는 요청을 생성하는 제1 컴퓨팅 디바이스와 연관된다. 또한, 일 실시예에서, 공장 자산 계층구조(810)와 연관된 대시보드 시각화는 제1 사용자(802)와 연관된 제1 컴퓨팅 디바이스의 시각적 디스플레이를 통해 하나 이상의 메트릭들(예컨대, 생산 메트릭들, OEE 메트릭들, 이용가능성 메트릭들, 성과 메트릭들, 품질 메트릭들, 에너지 메트릭들 및/또는 다른 메트릭들)을 제공한다.
다른 실시예에서, 제2 사용자(804)는 자산들의 계층구조를 포함하는 순환 자산 계층구조(812)와 관련하여 자산 성과 및/또는 개선할 기회를 검토하라는 요청을 생성하는 제2 컴퓨팅 디바이스와 연관된다. 또한, 일 실시예에서, 순환 자산 계층구조(812)와 연관된 대시보드 시각화는 제2 사용자(804)와 연관된 제2 컴퓨팅 디바이스의 시각적 디스플레이를 통해 하나 이상의 메트릭들(예컨대, OEE 메트릭들, 이용가능성 메트릭들, 품질 메트릭들, 에너지 메트릭들, 결함 메트릭들, 및/또는 다른 메트릭들)을 제공한다. 하나 이상의 실시예들에서, 제4 사용자(808)는, 추가적으로 또는 대안적으로, 제4 사용자(808)와 연관된 컴퓨팅 디바이스의 시각적 디스플레이를 통해 대시보드 시각화와 연관된 하나 이상의 메트릭들(예컨대, OEE 메트릭들, 이용가능성 메트릭들, 품질 메트릭들, 에너지 메트릭들, 결함 메트릭들, 및/또는 다른 메트릭들)을 관찰할 수 있다. 또 다른 실시예에서, 제3 사용자(806)는 자산들의 계층구조를 포함하는 에너지 모니터링 계층구조(814)와 관련되는 생산, 에너지 소비 및 효율/손실을 검토하라는 요청을 생성하는 제3 컴퓨팅 디바이스와 연관된다. 또한, 일 실시예에서, 에너지 모니터링 계층구조(814)와 연관된 대시보드 시각화는 제3 사용자(806)와 연관된 제3 컴퓨팅 디바이스의 시각적 디스플레이를 통해 하나 이상의 메트릭들을 제공한다.
도 9는 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(900)을 예시한다. 일 실시예에서, 시스템(900)은 디지털 자산 트윈(902) 및 디지털 운영자 트윈(904)을 포함한다. 하나 이상의 실시예들에서, 디지털 자산 트윈(902)은 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된다. 또한, 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된 운영자 아이덴티티와 연관된다. 소정 실시예들에서, 에지 디바이스들(161a 내지 161n)은 디지털 자산 트윈(902)을 포함한다. 예를 들어, 일 실시예에서, 디지털 자산 트윈(902)은 자산들의 포트폴리오로부터의 자산(예컨대, 보일러 등)의 디지털 시뮬레이션(예컨대, 디지털 복제)이다.
예시적인 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은, 디지털 자산 트윈(902)에 대한 온도가 범위를 5도 벗어났다고 결정한다. 또한, 예시적인 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은 디지털 자산 트윈(902)과 연관된 온도 설정점의 수정을 추천한다. 예를 들어, 예시적인 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은 온도 설정점을 65도로 변경하는 것을 추천하고, 자산 성과 관리 컴퓨터 시스템(302)은 온도 설정점 변경과 연관된 작업 오더를 생성한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 온도 설정점 변경과 연관된 통지를 디지털 운영자 트윈(904)으로 전송한다. 소정 실시예들에서, 디지털 운영자 트윈(904)은 운영자의 디지털 시뮬레이션이다. 예를 들어, 소정 실시예들에서, 디지털 운영자 트윈(904)은 컴퓨팅 디바이스(402)에 대응한다. 추가적으로, 예시적인 실시예에서, 디지털 운영자 트윈(904)은 온도 설정점 변경과 연관된 통지를 수신한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은 이전에 생성된 작업 오더들의 세트와 관련되는 작업 오더를 분석한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 디지털 자산 트윈(902)과 연관된 자산에 대한 자산 구역, 점유자 상태, 및/또는 하나 이상의 미리정의된 구성들을 분석한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은 하나 이상의 제어 설정 변경들을 디지털 자산 트윈(902)으로 전송한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 설정점 변경들을 확인하고/하거나 작업 오더와 연관된 수동 오버라이드를 제거한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 임의의 수동 오버라이드 재발생을 모니터링한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 설정점 변경들에 응답하여 작업 오더를 마감한다. 그와 같이, 소정 실시예들에서, 운영자는 자산(예컨대, 디지털 자산 트윈(902))과 연관된 이슈를 통지받고, 소정 실시예들에서는, 미리정의된 운영 구성들 및/또는 서비스 사례 문서들을 제공받는다.
다른 예시적인 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은, 디지털 자산 트윈(902)에 대한 상부 밸브가 고장났다고 결정한다. 또한, 이러한 예시적인 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은 디지털 자산 트윈(902)과 연관된 상부 밸브의 교체를 추천한다. 예를 들어, 이러한 예시적인 실시예에서, 자산 성과 관리 컴퓨터 시스템(302)은 상부 밸브의 교체를 추천하고, 자산 성과 관리 컴퓨터 시스템(302)은 상부 밸브 교체와 연관된 작업 오더를 생성한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 상부 밸브 교체와 연관된 통지를 디지털 운영자 트윈(904)으로 전송한다. 추가적으로, 이러한 예시적인 실시예에서, 디지털 운영자 트윈(904)은 상부 밸브 교체와 연관된 통지를 수신한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은 이전에 생성된 작업 오더들의 세트와 관련되는 작업 오더를 분석한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 상부 밸브 교체를 위한 최적의 서비스 기술자를 결정한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은 상부 밸브 교체와 연관된 작업 오더를 서비스 기술자와 연관된 컴퓨팅 디바이스로 전송한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 작업 오더와 연관된 서비스 기술자에 대한 하나 이상의 시스템 보안 키들을 생성한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 상부 밸브 교체에 응답하여 작업 오더를 마감한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 자산(예컨대, 디지털 자산 트윈(902))에 대한 새로운 상부 밸브와 연관된 자동 테스트를 수행한다. 하나 이상의 실시예들에서, 디지털 운영자 트윈(904)은, 추가적으로 또는 대안적으로, 상부 밸브 교체와 연관된 계산서를 지불한다. 그와 같이, 소정 실시예들에서, 서비스 기술자는 소싱(sourcing)되고, 파견되고, 자산과 연관된 수리를 수행하고/하거나, 디지털 자산 트윈(902) 및/또는 디지털 운영자 트윈(904)을 채용함으로써 보수를 받는다.
도 10은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(1000)을 예시한다. 시스템(1000)은 본 개시내용의 하나 이상의 실시예들에 따른 대시보드 시각화를 통해 제공되는 기능을 예시한다. 일 실시예에서, 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오에 걸쳐 이슈들을 관찰하는 것과 연관된 기능(1002)을 제공한다. 하나 이상의 실시예들에서, 포트폴리오 상태는 하나 이상의 경보들 및/또는 하나 이상의 서비스 사례들에 기초한다. 하나 이상의 실시예들에서, 자산들의 포트폴리오에 걸쳐 이슈들과 연관된 하나 이상의 상세사항들이 제공된다. 다른 실시예에서, 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오에 대한 우선순위화된 그리고/또는 그룹화된 경보 목록을 관찰하는 것과 연관된 기능(1004)을 제공한다. 하나 이상의 실시예들에서, 하나 이상의 분석 경보들 및/또는 하나 이상의 경고들(예컨대, 하나 이상의 BMS 경고들)이 대시보드 시각화를 통해 제공된다. 하나 이상의 실시예들에서, 경보들은 자산들과 연관된 공통 이슈들로 그룹화된다. 하나 이상의 실시예들에서, 자산들의 포트폴리오와 연관된 우선순위들은 자산들의 포트폴리오에 대한 하나 이상의 액션들의 생성을 용이하게 하기 위해 자산들과 연관된 인자들에 기초하여 제시된다. 하나 이상의 실시예들에서, 하나 이상의 통지들(예컨대, 하나 이상의 웹-앱(web-app) 통지들, 하나 이상의 모바일 통지들 등)이 제공된다.
다른 실시예에서, 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 선택된 이슈를 분류하는 것과 연관된 기능(1006)을 제공한다. 하나 이상의 실시예들에서, 여러 자산들에 걸친 하나 이상의 경보들이 제공된다. 하나 이상의 실시예들에서, 라이브 자산 특성들(예컨대, 값, 상태, 트렌드들, 서비스 사례들 등)이 대시보드 시각화를 통해 디스플레이된다. 하나 이상의 실시예들에서, 자산들의 포트폴리오와 연관된 이슈의 예측된 근본 원인이 대시보드 시각화를 통해 제공된다. 하나 이상의 실시예들에서, 통찰들 및/또는 로그들이 하나 이상의 이전에 생성된 서비스 사례들 및/또는 하나 이상의 새로운 서비스 사례들에 대해 기록된다. 다른 실시예에서, 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 자산들의 포트폴리오에 관련된 이슈에 대한 응답과 연관된 기능(1008)을 제공한다. 하나 이상의 실시예들에서, 하나 이상의 제어 변경들(예컨대, 설정점들, 상태, 자동 제어 변경들, 수동 제어 변경들 등)이 대시보드 시각화를 통해 이루어질 수 있다. 하나 이상의 실시예들에서, 서비스 사례는 대시보드 시각화를 통해 운영자(예컨대, 서비스 기술자)에 배정될 수 있다. 다른 실시예에서, 대시보드 시각화 데이터(322)와 연관된 대시보드 시각화는 서비스 사례들의 검토와 연관된 기능(1010)을 제공한다. 하나 이상의 실시예들에서, 대시보드 시각화를 통해 제공되는 서비스 사례 뷰는 서비스 사례들을 관찰하는 것, 서비스 사례들을 업데이트하는 것, 서비스 사례들과 관련되는 액션들을 수행하는 것, 및/또는 서비스들 사례들을 마감하는 것을 용이하게 한다. 하나 이상의 실시예들에서, 대시보드 시각화는 자산들의 포트폴리오와 관련되는 진행 중인 개선들을 위해 서비스 사례 트렌드들에 대한 보고들을 제공한다.
도 11은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(1100)을 예시한다. 시스템(1100)은 본 개시내용의 하나 이상의 실시예에 따른, 대시보드 시각화를 통해 용이하게 되는 운영자 워크플로우를 예시한다. 단계(1102)에서, 그룹화된 및/또는 우선순위화된 경보 목록이 검토를 위해 대시보드 시각화를 통해 제시된다. 단계(1104)에서, 그룹화된 및/또는 우선순위화된 경보 목록으로부터 하나 이상의 경보들이 검토를 위해 선택된다. 단계(1106)에서, 경보가 서비스 사례에서 이미 활성상태인지가 결정된다. 예이면, 단계(1108)에서, 경보가 활성 서비스 사례에 배정되어야 하는지가 결정된다. 아니오이면, 단계(1110)에서, 경보에 관련된 자산에 대한 정보가 검토를 위해 대시보드 시각화를 통해 제시된다. 단계(1108)로 돌아가서, 경보가 활성 사례에 배정되어야 한다고 결정되면, 단계(1112)에서 기존 서비스 사례에 코멘트가 추가된다. 그러나, 경보가 활성 사례에 배정되어서는 안 된다고 결정되는 경우, 단계(1110)에서 경보에 관련된 자산에 대한 정보가 검토를 위해 대시보드 시각화를 통해 제시된다. 단계(1114)에서, 특성들, 트렌드들, 연관된 장비, 라이브 서비스 사례들 및/또는 마감된 서비스 사례들에 관련된 정보가 검토를 위해 대시보드 시각화를 통해 제시된다. 단계(1116)에서, 경보에 대한 해답 루트가 대시보드 시각화를 통해 결정된다. 자산과 연관된 필드로 작업자를 보내는 것으로 결정되는 경우, 단계(1118)에서, 새로운 서비스 사례가 생성되고/되거나 코멘트들이 대시보드 시각화를 통해 추가된다. 단계(1120)에서, 경보들이 서비스 사례에 배정된다. 단계(1122)에서, 긴급성 표시자, 우선순위 표시자 및/또는 추천이 서비스 사례에 추가된다. 단계(1124)에서, 서비스 사례는 이슈의 속성들에 기초하여 현장 팀(예컨대, 기계 팀, 전기 팀, 제어 팀 등)에 배정된다. 단계(1126)에서, 서비스 사례는, 이슈가 해결되는 것에 응답하여 마감된다. 그러나, 단계(1116)에서 자산과 연관된 이슈를 중점적으로 해결할 것으로 결정되고, 단계(1128)에서 이슈에 대한 변경들 및/또는 이유들이 새로운 서비스 사례에 메모된다. 단계(1130)에서, 이슈를 해결하기 위해 제어 액션들이 수행된다. 단계(1132)에서, 경보들이 서비스 사례에 배정된다. 단계(1134)에서, 이슈가 완전히 해결되었는지 여부가 결정된다. 아니오이면, 단계(1122)에서 긴급성 표시자, 우선순위 표시자 및/또는 추천이 서비스 사례에 추가된다. 그러나, 예이면, 단계(1136)에서 서비스 사례는 마감된다.
도 12는 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(1200)을 예시한다. 시스템(1200)은 컴퓨팅 디바이스(402)에 의해 생성되고/되거나 자산 성과 관리 컴퓨터 시스템(302)에 제공되는 예시적인 음성 입력(예컨대, 요청(320))에 대응하는 음성 입력(320a)을 포함한다. 예를 들어, 음성 입력(320a)은 어구 "What is the performance index of k101"에 대응하는 음성 입력 데이터를 포함한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 자연 언어 처리를 채용하고/하거나 자연 언어 질의를 수행하여 "performance index"에 대응하는 속성(1202) 및 "k101"에 대응하는 자산 식별자(1204)를 결정한다. 시스템(1200)은 또한, 컴퓨팅 디바이스(402)에 의해 생성되고/되거나 자산 성과 관리 컴퓨터 시스템(302)에 제공되는 다른 예시적인 음성 입력에 대응하는 음성 입력(320b)을 포함한다. 예를 들어, 음성 입력(320b)은 어구 "What was the production and quality of ethyne cracker for last 2 weeks"에 대응하는 음성 입력 데이터를 포함한다. 하나 이상의 실시예들에서, 가상 어시스턴트 컴포넌트(336)는 자연 언어 처리를 채용하고/하거나 자연 언어 질의를 수행하여 "production"에 대응하는 제1 속성(1202), "quality"에 대응하는 제2 속성(1202), "ethyne cracker"에 대응하는 자산 식별자(1204), 및 "last 2 weeks"에 대응하는 시간 데이터(1206)를 결정한다.
도 13은 본 개시내용의 하나 이상의 실시예들의 하나 이상의 설명된 특징들에 따른 시스템(1300)을 예시한다. 하나 이상의 실시예들에서, 시스템(1300)은 자연 언어 질의에 기초하여 데이터 API에 대한 구조화된 질의를 생성하기 위해 채용된다. 시스템(1300)은, 예를 들어, 음성 입력(예컨대, 요청(320))에 대응하는 입력 질의(1302)를 포함한다. 하나 이상의 실시예들에서, 자연 언어 처리와 연관된 슬롯 모델(1304) 및/또는 의도 모델(1306)은 시간 데이터를 포함하지 않는 어구(예컨대, 음성 입력(320a)에 대응하는 simple(1308)) 및/또는 시간 데이터를 포함하는 어구(예컨대, 음성 입력(320b)에 대응하는 simple_time(1312))를 결정하기 위해 채용된다. 하나 이상의 실시예들에서, 슬롯 모델(1304)은 하나 이상의 슬롯들로 입력 질의(1302)와 연관된 하나 이상의 단어들을 태깅한다. 예를 들어, 하나 이상의 실시예들에서, 슬롯 모델(1304)은 슬롯 검출을 통해 입력 질의(1302)와 연관된 개별 단어들의 의미를 식별하도록 구성된다. 하나 이상의 실시예들에서, 각각의 단어는, 어떤 유형의 정보가 단어와 공유되고 있는지를 이해하기 위해 슬롯에 제공된다. 일례에서, 입력 질의(1302)는 입력 문장 "give me the capacity of DCC plant"를 포함하고, 슬롯 모델(1304)은 "capacity"에 대응하는 제1 슬롯(예컨대, attribute_name 슬롯) 및 "DCC"에 대응하는 제2 슬롯(예컨대, asset_name 슬롯)을 결정한다. 다른 토큰들은 "기타"로서 라벨링될 수 있다. 하나 이상의 실시예들에서, 의도 모델(1306)은 입력 질의(1302)와 연관된 문장에 의도를 라벨링한다. 예를 들어, 의도 모델(1306)은 입력 질의(1302)와 연관된 질의의 유형을 변환한다.
하나 이상의 실시예들에서, 슬롯 모델(1304)은 슬롯-충전을 위해 구성된 하나 이상의 인코더들 및/또는 하나 이상의 디코더들을 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 의도 모델(1306)은 의도 분류를 위해 구성된 하나 이상의 인코더들 및/또는 하나 이상의 디코더들을 포함한다. 하나 이상의 실시예들에서, 슬롯 모델(1304) 및/또는 의도 모델(1306)에 대한 각자의 인코더들은 임베딩 계층, 장단기 메모리(long short-term memory, LSTM) 계층, 및/또는 선형 계층(예컨대, 분류를 위한 선형 계층)을 포함한다. 하나 이상의 실시예들에서, 슬롯 모델(1304) 및/또는 의도 모델(1306)에 대한 각자의 디코더들은 인코더들에 의해 제공되는 은닉 상태들을 채용한다. 하나 이상의 실시예들에서, 2개 이상의 인코더들과 연관된 은닉 상태들은 슬롯 모델(1304)의 디코더 및/또는 의도 모델(1306)의 디코더에 입력으로서 제공된다. 그와 같이, 하나 이상의 실시예들에서, 슬롯 모델(1304) 및 의도 모델(1306)에 의해 수행되는 처리는 상호의존적이다. 하나 이상의 실시예들에서, 슬롯 모델(1304) 및/또는 의도 모델(1306)은, 소정 정확도(예컨대, 소정 F1 점수)가 달성될 때까지 슬롯으로 태깅된 단어들 및/또는 라벨링된 문장들과 연관된 훈련 데이터 및/또는 테스트 데이터에 기초하여 반복적으로 훈련된다. 하나 이상의 실시예들에서, 훈련 데이터는 대응하는 슬롯 라벨들 및/또는 의도와 함께 자연 언어의 입력 문장을 포함한다. 예를 들어, 훈련 데이터의 일부분은 "What:O is:O the:O quality:B-attribute_name of:O cdu:B-asset_name inlet:I-asset_name stream:E-asset_name <=> simple"을 포함할 수 있으며, 여기서 각각의 단어 이후에는 콜론 ":" 뒤에 슬롯이 이어지고, 의도는 끝에 위치된다. 하나 이상의 실시예들에서, 훈련 데이터에 존재하는 모든 단어는 슬롯 모델(1304) 및/또는 의도 모델(1306)의 사전(dictionary)에 추가되며, 여기서 각각의 단어는 숫자에 맵핑된다.
하나 이상의 실시예들에서, 액션(1310)은 simple(1308) 및/또는 simple_time(1312)과 관련하여 수행되어, 자산 파서(1318)를 통한 자산 파싱, KPI 파서(1320)를 통한 KPI 파싱, 및/또는 시간 파서(1324)를 통한 시간 파싱을 용이하게 한다. 하나 이상의 실시예들에서, 자산 파서(1318)는 자산 파싱을 용이하게 하기 위해 자산 데이터(1316)를 채용한다. 하나 이상의 실시예들에서, KPI 파서(1320)는 KPI 파싱을 용이하게 하기 위해 KPI 데이터(1322)를 채용한다. 하나 이상의 실시예들에서, 입력 질의(1302)의 의도에 따라, 대응하는 액션 함수가 액션(1310)을 통해 인보크된다. 예를 들어, 액션 함수가 각각의 가능한 의도에 대해 구성될 수 있다. 하나 이상의 실시예들에서, 각각의 액션 함수는 각자의 의도의 질의에 존재하는 슬롯들에 대한 파서들을 포함한다. 각자의 파서들은 소정 슬롯을 갖는 단어들을 식별하고, 이어서 가장 가까운 매칭을 결정하기 위해 데이터베이스의 질의와 관련하여 채용된다. 하나 이상의 실시예들에서, 가장 가까운 매칭은 철자 오류들, 각자의 사용자들에 의해 채용되는 상이한 필기 스타일들, 및/또는 각자의 사용자들에 의해 채용되는 상이한 발화 언어를 설명하기 위해 퍼지 매칭 기법들에 기초하여 결정된다.
하나 이상의 실시예들에서, 시간 파서(1324)는 시간 모델(1314)에 의해 제공되는 데이터를 채용한다. 하나 이상의 실시예들에서, 시간 모델(1314)은, 입력 질의(1302)에서 시간 데이터가 주어졌던 포맷을 분류하도록 구성된다. 하나 이상의 실시예들에서, 시간 모델(1314)은 상대 시간 포맷 및/또는 절대 시간 포맷을 분류하도록 구성된다. 하나 이상의 실시예들에서, 시간 모델(1314)은 시간 정보를 식별하도록 구성되는 훈련된 신경 네트워크 모델이다. 예를 들어, 하나 이상의 실시예들에서, 시간 모델(1314)은 2개 이상의 은닉 계층들을 포함하는 완전히 접속된 피드 포워드 신경 네트워크이다. 하나 이상의 실시예들에서, 시간 모델(1314)에 제공되는 입력은 입력 질의(1302)에 기초하여 생성된 단어들의 세트를 포함한다. 추가적으로 또는 대안적으로, 시간 모델(1314)에 제공되는 입력은 입력 질의(1302)와 연관된 시간을 식별하기 위해 채용될 수 있는 하나 이상의 단어들을 포함하는 시간 데이터를 포함한다. 하나 이상의 실시예들에서, 시간 모델(1314)의 입력 계층의 크기는 시간 데이터의 크기에 대응한다. 또한, 하나 이상의 실시예들에서, 시간 모델(1314)의 출력 계층의 크기는 시간 모델(1314)에 의해 식별될 시간 포맷들의 수에 대응한다. 하나 이상의 실시예들에서, 시간 모델(1314)은 시간 정보를 고정 포맷으로 분류하도록 구성된다. 시간 포맷의 식별에 응답하여, 하나 이상의 실시예들에서, 시간 파서(1324)는 시간 모델(1314)에 의해 제공되는 데이터에 기초하여 시작 시간 및 종료 시간을 계산하도록 구성된다. 하나 이상의 실시예들에서, 시간 모델(1314)에 대한 훈련 데이터는 랜덤 시간 데이터 생성기를 사용하여 생성된다. 하나 이상의 실시예들에서, 질의 핸들러(1328)는 하나 이상의 속성들, 하나 이상의 자산 식별자들, 및/또는 자산 파서(1318), KPI 파서(1320), 및/또는 시간 파서(1324)에 의해 제공되는 시간 데이터에 기초하여 중앙집중식 제어 데이터베이스(318)와 관련되는 검색을 수행하도록 채용된다. 추가적으로, 하나 이상의 실시예들에서, 집계 데이터 및/또는 하나 이상의 자산 통찰들과 연관된 출력 질의(1330)는 질의 핸들러(1328)를 통해 수행된 하나 이상의 검색들에 응답하여 제공된다. 출력 질의(1330)는, 예를 들어, 입력 질의(1302)의 신택스(예컨대, 질의 언어의 신택스)와 연관된 구조화된 질의이다. 예를 들어, 하나 이상의 실시예들에서, 출력 질의(1330)는 자산 파서 정보, KPI 파서 정보, 시간 파서 정보, 및/또는 다른 정보를 신택스에 조합함으로써 생성된 질의 스트링이다. 하나 이상의 실시예들에서, 출력 질의(1330)(예컨대, 출력 질의(1330)의 신택스)는 데이터 API에 의한 채용을 위해 구성된다.
도 14는 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(1400)를 예시한다. 일 실시예에서, 전자 인터페이스(1400)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 데이터 시각화가 전자 인터페이스(1400)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(1400)를 통해 제시된 데이터 시각화는 산업 공장에 대한 공장 건전성의 시각화를 제시한다. 하나 이상의 실시예들에서, 자산 성과 관리 컴퓨터 시스템(302)은 전자 인터페이스(1400)를 통해 요청(320)을 수신한다. 또한, 하나 이상의 실시예들에서, 대시보드 시각화 컴포넌트(308)는 대시보드 시각화 데이터(322)를 전자 인터페이스(1400)에 제공한다. 도 14에 예시된 일 실시예에 따르면, 전자 인터페이스(1400)는 하나 이상의 시간 간격들(예컨대, 매년, 6개월마다, 1개월마다, 매주, 매일 등)과 연관된 자산들의 계층구조에 대한 공장 성과와 연관된 제1 메트릭 데이터(1402), 하나 이상의 시간 간격들과 연관된 자산들의 계층구조에 대한 키 KPI(key KPI)들과 연관된 제2 메트릭 데이터(1404), 하나 이상의 시간 간격들과 연관된 자산들의 계층구조에 대한 결함 요약(fault summary) 및/또는 결함 상태(fault status)와 연관된 제3 메트릭 데이터(1406), 및 하나 이상의 시간 간격들과 연관된 자산들의 계층구조에 대한 자주 고장나는 자산들(frequently failing asset)과 연관된 제4 메트릭 데이터(1408)를 제시한다. 추가적으로, 소정 실시예들에서, 전자 인터페이스(1400)는 자산들의 포트폴리오로부터의 하나 이상의 다른 자산들 및/또는 자산들의 계층구조와 연관된 하나 이상의 통지들을 제시하는 통지 센터(1410)를 포함한다.
도 15는 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(1500)를 예시한다. 일 실시예에서, 전자 인터페이스(1500)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(1500)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(1500)를 통해 제시된 데이터 시각화는 전자 인터페이스(1500)와 연관된 대시보드 시각화를 통한 자산들의 포트폴리오의 분석을 용이하게 하기 위해 자산에 의해 그룹화된 경보들의 시각화를 제시한다.
도 16은 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(1600)를 예시한다. 일 실시예에서, 전자 인터페이스(1600)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(1600)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(1600)를 통해 제시된 데이터 시각화는 전자 인터페이스(1600)와 연관된 대시보드 시각화를 통한 자산들의 포트폴리오의 분석을 용이하게 하기 위해 자산에 의해 그룹화된 서비스 사례들의 뷰 목록의 시각화를 제시한다.
도 17은 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(1700)를 예시한다. 일 실시예에서, 전자 인터페이스(1700)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(1700)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(1700)를 통해 제시된 데이터 시각화는 전자 인터페이스(1700)와 연관된 대시보드 시각화를 통한 자산들의 포트폴리오의 분석을 용이하게 하기 위해 연관된 자산들에 대한 특성들의 실시간 값들 및 서비스 사례의 상세사항들의 시각화를 제시한다.
도 18은 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(1800)를 예시한다. 일 실시예에서, 전자 인터페이스(1800)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(1800)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(1800)를 통해 제시된 데이터 시각화는 전자 인터페이스(1800)와 연관된 대시보드 시각화를 통한 자산들의 포트폴리오의 분석을 용이하게 하기 위해 자산들에 관련된 서비스 사례들의 시각화를 제시한다.
도 19는 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(1900)를 예시한다. 일 실시예에서, 전자 인터페이스(1900)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(1900)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(1900)를 통해 제시된 데이터 시각화는 전자 인터페이스(1900)와 연관된 대시보드 시각화를 통한 자산들의 포트폴리오의 분석을 용이하게 하기 위해 자산들에 관련된 디지털 및/또는 아날로그 특성들의 트렌드들의 시각화를 제시한다.
도 20은 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(2000)를 예시한다. 일 실시예에서, 전자 인터페이스(2000)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(2000)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(2000)를 통해 제시된 데이터 시각화는 전자 인터페이스(2000)와 연관된 대시보드 시각화를 통한 자산들의 포트폴리오의 분석을 용이하게 하기 위해 자산들에 관련된 제어 특성들의 시각화를 제시한다.
도 21은 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(2100)를 예시한다. 일 실시예에서, 전자 인터페이스(2100)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(2100)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(2100)를 통해 제시된 데이터 시각화는 전자 인터페이스(2100)와 연관된 대시보드 시각화를 통해 하나 이상의 자산 통찰들(2102) 및/또는 하나 이상의 통지들(2104)을 제시한다.
도 22는 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(2200)를 예시한다. 일 실시예에서, 전자 인터페이스(2200)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(2200)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(2200)를 통해 제시된 데이터 시각화는 전자 인터페이스(2200)와 연관된 대시보드 시각화를 통해 하나 이상의 자산 통찰들(2202) 및/또는 하나 이상의 통지들(2204)을 제시한다.
도 23은 본 개시내용의 하나 이상의 실시예들에 따른, 예시적인 전자 인터페이스(2300)를 예시한다. 일 실시예에서, 전자 인터페이스(2300)는 시각적 디스플레이(504)를 통해 제시되는 컴퓨팅 디바이스(402)의 전자 인터페이스이다. 하나 이상의 실시예들에서, 대시보드 시각화가 전자 인터페이스(2300)를 통해 제시된다. 소정 실시예들에서, 전자 인터페이스(2300)를 통해 제시된 데이터 시각화는 전자 인터페이스(2300)와 연관된 대시보드 시각화를 통해 하나 이상의 자산 통찰들(2302) 및/또는 하나 이상의 통지들(2304)을 제시한다. 하나 이상의 실시예들에서, 전자 인터페이스(2300)를 통해 제시된 데이터 시각화는 자산들의 포트폴리오로부터의 자산과 연관된 3D 모델(2306)을 포함한다. 하나 이상의 실시예들에서, 3D 모델(2306)과 연관된 하나 이상의 이벤트들이 필터링될 수 있고/있거나 하나 이상의 이벤트들과 연관된 정보가 3D 모델(2306)과 연관된 하나 이상의 상호작용 버튼들의 선택에 응답하여 디스플레이될 수 있다.
도 24는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자재 취급 시스템(2400)의 개략도를 예시한다. 하나 이상의 실시예들에서, 자재 취급 시스템(2400)은 엔터프라이즈들(160a 내지 160n)로부터의 엔터프라이즈에 대응한다. 하나 이상의 실시예들에서, 자재 취급 시스템(2400)은 자산들의 포트폴리오로부터의 하나 이상의 자산들을 포함한다. 자재 취급 시스템(2400)은, 예시적인 실시예에 따른, 하나 이상의 LiDAR 기반 센서(2404)를 갖는 적어도 하나의 비전 시스템(2402)을 포함한다. 자재 취급 시스템(2400)은 자재 취급 환경, 예를 들어, 분배 센터(distribution center, DC), 배송 스테이션, 창고, 재고품 등에 대응할 수 있지만, 이들로 제한되지 않는다. 일부 예시적인 실시예들에 따르면, 자재 취급 시스템(2400)은 큰 상자(carton), 토트(tote), 배송 패키지, 박스 등과 같은 다양한 항목들을 취급하기 위한 하나 이상의 컨베이어들을 포함한다. 예시된 바와 같이, 자재 취급 시스템(2400)은, 테이크아웃 컨베이어들, 활송장치(chute)들 등과 같은, 그러나 이로 제한되지 않는, 하나 이상의 물품들(2408)을 선택적으로 식별하고, 분류하고, 그리고/또는 목적지들(2410) 중 하나로 우회시키기 위한 분류기 부분(2406)을 포함한다. 일부 예들에서, 우회된 물품들은 목적지, 예를 들어, 저장소로 배송하기 위해 배송 스테이션(2412)으로 보내질 수 있다. 도 24에 도시된 바와 같은 예들이 패들 분류기를 예시할 수 있지만, 본 개시내용의 범주는 패들 분류기로 제한되지 않는다는 것에 유의한다. 일부 예들에서, 자재 취급 시스템(2400)은 푸셔/풀러 분류기들, 팝업 이송 분류기들, 및/또는 교차 벨트 분류기들을 포함하지만, 이들로 제한되지 않는 다른 유형들의 분류기(들)를 포함할 수 있다.
LiDAR 센서(2404)가 비전 시스템(2402) 내에 위치되는 것으로 예시되어 있지만, 그러나, 본 명세서에 기술된 다양한 예시적인 실시예들에 따르면, 다수의 LiDAR 기반 센서들은 자재 취급 시스템(2400)의 다양한 섹션들에 설치된다. 다시 말하면, LiDAR 센서들(2404)은 자재 취급 시스템(2400) 내의 다양한 상이한 섹션들(예컨대, 워크스테이션들)에 포지셔닝될 수 있다. 또한, 하나 이상의 실시예들에서, 이들 LiDAR 기반 센서들은 통신 네트워크(예컨대, 무선 또는 유선 네트워크)를 통해 비전 시스템(2402)에 통신가능하게 결합된다(예컨대, 원격으로 접속됨).
도 24를 참조하면, 예시적으로, 제1 LiDAR 센서 유닛(2404-1)이 자동 창고 시스템(automated storage and retrieval system, ASRS)(2422)에 대응하는 영역 근처에 설치된다. 유사하게, 제2 LiDAR 센서 유닛(2404-2)이 분류기(2406)를 따라 싱귤레이션 시스템(singulation system)에 대응하는 다른 영역 근처에 설치될 수 있다. 다른 예에서, 유사한 LiDAR 기반 센서 유닛들이 분류기(2406)를 따라 배송 스테이션(2412)에 또는 다양한 다른 포지션들(도시되지 않음)에 위치될 수 있다. 따라서, 자재 취급 시스템(2400)은 자재 취급 환경의 다양한 섹션들(예컨대, 전용 구역들)에 설치되거나 또는 장착되는 더 많은 그러한 LiDAR 센서 유닛들을 포함할 수 있다. 전술한 바와 같이, 하나 이상의 실시예들에서, 이들 센서 유닛들은 통신 네트워크를 통해 비전 시스템(2402)에 통신 가능하게 결합된다. 이들 LiDAR 기반 센서 유닛들은, 각자의 LiDAR 센서 유닛이 위치되는 그러한 영역의 3D 스캔을 나타내는 데이터 스트림(예컨대, 3D 데이터 스트림)을 캡처할 수 있다. 하나 이상의 실시예들에서, 데이터 스트림은 자재 취급 시스템(2400)의 다양한 섹션들에 존재하는 하나 이상의 물품들(2414), 기계들, 및/또는 작업자들을 모니터링하기 위해 비전 시스템(2402)에 의해 사용된다.
예시된 바와 같이, 하나 이상의 실시예들에서, 자재 취급 시스템(2400)은 유도 부분(2416)으로부터 하나 이상의 물품들(2414)을 수령하는 분류기 부분(예컨대, 분류기(2406))을 포함한다. 일부 예들에서, 유도 부분(2416)이 하나 이상의 물품들(2414) 사이의 간격을 생성하도록 구성되는 싱귤레이션 시스템(2418)과 연관된다. 예를 들어, 유도 부분(2416)은 다양한 기계적 컴포넌트들, 예컨대 엔드 이펙터(end effector)를 갖는 벨트 유닛들 및/또는 기계적 액추에이터들의 구성들을 포함할 수 있으며, 이는 하나 이상의 물품들(2414) 사이에 필요한 간격을 생성할 수 있다. 일부 예시적인 실시예들에 따르면, LiDAR 센서 유닛(2404-2)의 LiDAR 기반 센서들은 싱귤레이션 시스템(2418) 상에서 수행될 수 있는 다양한 운영들 및/또는 활동들의 3D 스캔을 캡처할 수 있다.
일부 예들에서, 유도 부분(2416)은, 도 24에 도시된 바와 같이 병합 부분(2420)으로부터 물품들(2414)을 수령한다. 병합 부분(2420)은 물품들을 슬러그 및/또는 지퍼 방식으로 유도 부분(2416) 상으로 방출하기 위한 다수의 축적 레인들 및/또는 컨베이어들을 가질 수 있다. 일부 예들에서, 병합 부분(2420)은 수신용 시스템 및/또는 자동 창고 시스템(ASRS)(2422)으로부터 하나 이상의 물품들(2414)을 수령할 수 있다. 추가적으로 또는 대안적으로, 병합 부분(2420)은 다른 소스들로부터 하나 이상의 물품들을 수령할 수 있다. 일부 예시적인 실시예들에서, ASRS(2422)는 또한, ASRS(2422) 내의 다양한 위치들에 설치될 수 있는 하나 이상의 LiDAR 기반 센서 유닛들(2404-1, 2404-2와 유사함)을 갖는 별개의 비전 시스템(VS1)(2424)을 포함할 수 있다.
일부 예시적인 실시예들에 따르면, 비전 시스템(2402)의 LiDAR 센서들(2404)은 자재 취급 환경의 타깃 영역을 스캐닝하기 위해 구성되고, 하나 이상의 데이터 스트림들을 생성한다. 일부 예시적인 실시예들에서, 비전 시스템(2402)의 프로세서는 타깃 영역의 3D 스캔을 나타낼 수 있는 3D 포인트 클라우드를 구성하기 위해 데이터 스트림을 활용할 수 있다. 일례로서, 이들 LiDAR 센서들에 의해 기록된 데이터 스트림은 자재 취급 현장의 다양한 운영들, 예컨대 유도 부분(2416)으로부터 분류기 부분(2406)을 향한 또는 ASRS(2422)로부터 병합 부분(2420)으로의, 등등의, 예컨대 하나 이상의 물품들(2414)의 이동을 캡처할 수 있다. 또한, 다양한 LiDAR 센서(2404)로부터의 데이터 스트림들은 또한, 자재 취급 현장의 다양한 기계들에 의해 수행되는 운영들 및/또는 액션들을 캡처할 수 있다. 예를 들어, 일례에서, 데이터 스트림은 싱귤레이션 시스템의 다양한 기계적 컴포넌트들, 예컨대 컨베이어 벨트들 등의 이동을 캡처할 수 있다. 또한, 데이터 스트림들은 또한, 그러한 타깃 영역에서 하나 이상의 작업자들에 의해 수행되는 운영들을 캡처할 수 있다.
일부 예시적인 실시예들에 따르면, 분류기 부분(2406), 유도 부분(2416), 병합 부분(2420), 비전 시스템(2402) 등과 같은, 그러나 이로 제한되지 않는 예시적인 자재 취급 시스템(2400)의 하나 이상의 컴포넌트들은 중앙 시스템, 예컨대 분배 센터(DC) 실행 시스템(2426)(또는 창고 관리 시스템, 노무 관리 시스템, 기계 제어 시스템, 및/또는 다른 시스템) 및/또는 제어기(2428) 중 적어도 하나에 통신가능하게 결합될 수 있다. 하나 이상의 실시예들에서, 제어기(2428)는 기계 제어를 위해 구성된다. 용어 "통신가능하게 결합된" 은 2개 이상의 컴포넌트들(예를 들어, 그러나 이에 제한되지 않는, 도 24에 도시된 바와 같은 분류기 부분(2406), 유도 부분(2416), 병합 부분(2420), 비전 시스템(2402), DC 실행 시스템(2426) 및 제어기(2428))이 유선 수단(예를 들어, 그러나 이에 제한되지 않는 유선 이더넷) 및/또는 무선 수단(예를 들어, 그러나 이에 제한되지 않는 Wi-Fi, 블루투스, ZigBee)을 통해 접속되어, 데이터 및/또는 정보가 이들 컴포넌트들로/로부터 송신/수신될 수 있도록 하는 것을 지칭한다.
도 25는 예시적인 실시예에 따른, LiDAR 기반 비전 시스템을 포함하는 자재 취급 시스템(2400)의 타깃 영역의 개략도(2500)를 예시한다. 타깃 영역은 분배 센터(DC)의 영역에 대응할 수 있다. 하나 이상의 실시예들에서, DC는 다양한 제조자들, 공급자들, 저장소들, 배송 스테이션들 등으로부터 대량으로 상품들을 수령할 수 있고, 상품들이 추가로 선택되고/되거나 배송될 때까지 수령된 상품들을 저장하고/하거나 취급할 수 있다. 또한, 수령된 상품들은 저장 및/또는 추가 처리를 위해 적절한 크기, 형상, 자재 등의 토트들 및/또는 컨테이너들로 이송될 수 있다. 본 명세서에 기술된 일부 예시적인 실시예들에 따르면, 도 25에 예시된 바와 같이, DC는 네트워크(2503)를 통해 다수의 LiDAR 기반 센서 유닛들 (VS1, VS2, VS3, VS4 등)에 통신가능하게 결합될 수 있는 비전 시스템(2501)을 포함할 수 있다. 도 24를 참조하여 앞서 설명된 바와 유사하게, 이들 LiDAR 기반 센서 유닛들(VS1 내지 VSn)은 타깃 영역의 3D 스캔을 포함하는 데이터 스트림들을 기록할 수 있다. 네트워크(2503)는 유선 또는 무선 통신 네트워크에 대응할 수 있다. 하나 이상의 실시예들에서, 비전 시스템(101)은 자산들의 포트폴리오로부터의 자산에 대응한다.
예시적으로, 일부 예시적인 실시예들에서, DC는 다수의 재고 보관 유닛(stock keeping unit, SKU)들(2506)에서 보충 영역(2502)에 도착하는 상품들로 하나 이상의 컨테이너들(2504)을 보충하기 위한 보충 영역(2502)을 가질 수 있다. 본 명세서에 사용되는 바와 같은 용어 "보충 영역"은 다수의 SKU들(2506)로부터의 상품들을 하나 이상의 컨테이너들(2504) 내로 이송하기 위한 DC 내의 영역, 시스템, 워크스테이션 등을 지칭할 수 있다. 보충 영역(2502)은 인피드 컨베이어(infeed conveyor)들, 아웃피드 컨베이어(outfeed conveyor)들, 상품들을 운영자에게 보내는 워크스테이션들, 디바이스들, 스테이징 유닛(staging unit)들 등과 같은 그러나 이들로 제한되지 않는 다수의 자재 취급 디바이스들 및 시스템들의 협업 시스템을 가질 수 있다. SKU로부터 컨테이너들(2504)로 상품들을 이송시키는 것은 자동화될 수 있는데, 예를 들어, 로봇 도구에 의해 수행될 수 있고/있거나, 도 25에 도시된 바와 같이, 운영자들(2508, 2510)과 같은 운영자에 의해 수행되는 수동 프로세스일 수 있다. 본 명세서에 기술된 일부 예시적인 실시예들에 따르면, 하나 이상의 LiDAR 기반 센서들은 보충 영역(2502)과 연관되어, 보충 영역(2502)에서 활동들, 운영들, 디바이스들, 및/또는 작업자들을 캡처하는 3D 스캔을 수행한다. 따라서, 하나 이상의 실시예들에서, DC의 상이한 섹션들과 연관될 수 있는 다수의 비전 시스템들이 존재한다. 하나 이상의 실시예들에서, 이들 비전 시스템들은 각자의 섹션 내의 운영자들, 항목들, 및/또는 기계들과 관련된 활동들을 기록하기 위해 LiDAR 기반 센서들을 채용한다. 일례로서, 도 25에 예시된 바와 같이, 하나 이상의 LiDAR 센서들(204)을 갖는 비전 시스템 유닛(VS2)이 보충 영역(2502)과 연관된다.
상기 예시적인 실시예들에 따르면, SKU(2506)는 유사한 유형, 크기, 형상, 및/또는 임의의 다른 공통 특성의 상품들을 포함할 수 있다. 일 실시예에서, 하나 이상의 SKU들(2506)은, 도 25에 도시된 바와 같이, 함께 그룹화되고 팰릿(2512) 상에 적층될 수 있다. SKU들(2506)은, 상품들의 유형과 같은 공통 특성에 기초하여 그룹화될 수 있다. 추가적으로 또는 대안적으로, 혼합형 SKU들(2506)은 랜덤하게 그룹화되고 팰릿(2512) 상에 배치될 수 있다. SKU들(2506)은 취급의 용이함을 위해 DC에서 그룹화되고 팰릿(2512) 상에 적층될 수 있다. 일부 실시예들에서, 각각의 SKU(2506) 및 각각의 팰릿(2512)은 보충 영역(2502)에서 스캐닝되는 각자의 식별자(예컨대, 바코드 라벨, RFID 태그)를 포함할 수 있다. 스캐닝된 정보는, 하나 이상의 실시예들에서, 보충 영역(2502)에서의 팰릿(2512)의 위치를 나타낸다. 일부 예시적인 실시예들에서, 하나 이상의 LiDAR 기반 센서 유닛들이 또한, SKU들(2506) 및/또는 팰릿들(2512)을 포함하는 영역의 3D 스캔을 수행하기 위해 DC에 위치될 수 있다. 예시적으로, 일례에서, LiDAR 센서들을 갖는 2개의 비전 시스템 유닛들(VS1, VS4)은 SKU들(2506) 및/또는 팰릿들(2512)과 연관된 활동들, 운영들, 및/또는 특성들을 추적하도록 위치될 수 있다.
하나 이상의 실시예들에 따르면, 보충 영역(2502)은 하나 이상의 컨테이너들(2504)을 스테이징 및/또는 수송하기 위한 중력 유동 랙(2514)을 포함한다. 또한, 보충 영역(2502)은 다수의 보충 구역들을 포함할 수 있다. 중력 유동 랙(2514)은 상이한 보충 구역들 사이에 배치될 수 있어서, 중력 유동 랙(2514)이 보충된 컨테이너들을 제1 보충 구역(2516)으로부터 제2 보충 구역(2518)으로 수송하고, 비어 있는 컨테이너들을 제2 보충 구역(2518)으로부터 제1 보충 구역(2516)으로 다시 수송할 수 있게 한다. 중력 유동 랙(2514)은 또한, 컨테이너들(2504)이 운영자(2508) 및/또는 로봇 도구에 의해 취급될 때까지 비어 있고/있거나 충전된 컨테이너들(2504)에 대한 스테이징 영역으로서 기능할 수 있다. 일부 예시적인 실시예들에 따르면, 비전 시스템 유닛(VS2)은 중력 유동 랙(2514)을 포함하는 영역을 스캔할 수 있다.
보충 영역(2502)은 하나 이상의 디바이스들(2520)을 추가로 포함할 수 있다. 디바이스들(2520)은 중앙 제어기(예컨대, 제어기(2428))에 통신가능하게 결합될 수 있는 임의의 휴대용 및/또는 고정형 디바이스(예컨대, 인간 기계 인터페이스(HMI))를 지칭할 수 있다. 일부 예들에서, 디바이스들(2520)은 보충 프로세스에서 운영자(2508)를 보조하기 위해 사용될 수 있는 입력/출력 인터페이스를 포함할 수 있다. 하나 이상의 실시예들에 따르면, 디바이스들(2520)은 예를 들어 스캐너들, 이미저들, 디스플레이들, 컴퓨터들, 통신 디바이스들, 헤드셋들 등에 대응하거나 또는 그들을 포함하지만, 그들로 제한되지 않는다. 일부 예시적인 실시예들에 따르면, 디바이스들(2520)은 추가로, 중앙 제어기 및/또는 디바이스들(2520)에 통신가능하게 결합될 수 있는 임의의 다른 디바이스로부터 데이터, 커맨드들, 워크플로우들 등을 수신할 수 있다. 일부 예시적인 실시예들에 따르면, LiDAR 기반 센서들을 사용하는 비전 시스템 유닛들(VS1, VS5)은 하나 이상의 디바이스들(2520)을 포함하는 영역의 3D 스캔을 수행할 수 있다.
일부 예시적인 실시예들에 따르면, 비전 시스템(2501)에 의해 캡처된 데이터 스트림은 DC에서의 다양한 활동들, 운영들, 개인들, 및/또는 장비를 모니터링할 수 있다. 예를 들어, 데이터 스트림은 DC의 보충 영역(2502)에서 하나 이상의 SKU들(2506)을 갖는 팰릿(2512)의 도착을 모니터링하는 데 사용될 수 있다. 또한, 데이터 스트림은 운영자들(2508 및/또는 2510) 중 임의의 운영자에 의해 디바이스들(2520)을 사용하여 팰릿 식별자 및/또는 SKU 식별자의 스캐닝을 모니터링할 수 있다. 일부 예시적인 실시예들에서, 비전 시스템(2501)의 LiDAR 센서들(204)에 의해 캡처된 데이터 스트림은 또한, SKU(2506) 및/또는 팰릿(2512) 내에 있을 수 있는 상품들로 하나 이상의 컨테이너들(2504)을 보충하기 위해 중력 유동 랙(2514) 상에서 컨테이너들(2504) 중 하나 이상을 고르기 위한 로봇 도구(도시되지 않음) 및/또는 운영자들(2508, 2510)에 의한 운영을 포함할 수 있다. 또한, 일부 예시적인 실시예들에서, 비전 시스템 유닛들(VS2, VS3, 및/또는 VS4)의 LiDAR 센서들(204)에 의해 캡처된 데이터 스트림은 중력 유동 랙(2514) 상에 있을 수 있는 하나 이상의 컨테이너들(2504)의 수송 또는 이동을 포함할 수 있다. 이러한 태양에서, 컨테이너들(2504)은 중력 유동 랙(2514)을 통해 제1 보충 구역(2516)으로부터 제2 보충 구역(2518)으로 수송될 수 있다. 일부 예시적인 실시예들에서, 데이터 스트림은 또한, 다음 SKU 및/또는 팰릿으로부터 상품들을 수령하기 위한 제1 보충 구역(2516)으로 다시 이송하기 위해 중력 유동 랙(2514) 상에 배치될 수 있는 비어 있는 컨테이너(들)의 모니터링을 포함할 수 있다. 예시적인 실시예에서, 데이터 스트림은 또한, DC에서의 자동 창고 시스템(ASRS)에 상품들을 저장하기 위해 이동될 수 있는 하나 이상의 셔틀 토트들로의 일부 컨테이너들의 이동을 포함한다.
도 26은 예시적인 실시예에 따른, LiDAR 기반 비전 시스템(예컨대, 비전 시스템(2402))을 사용함으로써 자재 취급 환경에서 작업자에 의해 수행되는 운영의 모니터링을 도시하는 예시적인 시나리오(2600)를 예시한다. 일부 예시적인 실시예들에서, 운영은 분배 센터의 보충 구역에서 수행될 수 있다. 도 26은 분배 센터의 보충 구역(2602)의 일례를 예시한다. 앞서 설명된 바와 같이, 하나 이상의 실시예들에서, 자재 취급 환경은 복수의 비전 시스템들을 포함한다. 예시적으로, 일부 예시적인 실시예들에서, 분배 센터(DC)는 복수의 비전 시스템들(2601, 2603, 2607 등)을 포함한다. 이들 비전 시스템들(2601 내지 2607) 각각은 자재 취급 환경의 다양한 섹션들에 설치되고/되거나 장착될 수 있는 하나 이상의 LiDAR 기반 센서들을 포함한다. 이러한 태양에서, 이들 비전 시스템들(2601 내지 2607) 각각은 타깃 영역의 데이터 스트림(즉, 3D 스캔)을 캡처할 수 있다. 하나 이상의 실시예들에서, 비전 시스템들(2601 내지 2607)은 자산들의 포트폴리오로부터의 각자의 자산들에 대응한다.
일부 예시적인 실시예들에 따르면, LiDAR 기반 비전 시스템들을 사용함으로써 모니터링되는 운영은 하나 이상의 컨테이너들의 보충에 대응한다. 컨테이너들은 중력 유동 랙(2608) 상에 배치될 수 있고, 하나 이상의 실시예들에서, 보충 구역(2602)의 보충 영역에 도착할 수 있는 하나 이상의 SKU들(2610)로부터의 상품들로 보충된다. 일부 예시적인 실시예들에 따르면, DC 내에 보충을 위한 상이한 크기들의 컨테이너들이 존재할 수 있다. 예를 들어, 제1 세트의 컨테이너들(2604)은 중간 크기의 것일 수 있는 반면에, 제2 세트의 컨테이너들(2606)은 제1 세트의 컨테이너들(2604)보다 더 작을 수 있고, 제3 세트의 컨테이너들(2605)은 제1 세트의 컨테이너들(2604)의 컨테이너들보다 더 클 수 있다. 하나 이상의 실시예들에서, 컨테이너들의 보충은 컨테이너들의 크기에 기초한다. 하나 이상의 실시예들에 따르면, 컨테이너들(2604, 2606, 2605) 각각은 연관된 컨테이너 식별자(도시되지 않음)를 갖는다. 컨테이너 식별자는 일련 번호, 바코드 라벨, RFID 태그 등과 같은, 그러나 이로 제한되지 않는 특정 컨테이너를 식별하는 데 사용될 수 있는 고유 식별자를 지칭할 수 있다. 컨테이너 식별자는 유형, 크기, 용량, 중량, 형상 등과 같은, 그러나 이로 제한되지 않는 컨테이너에 관한 정보를 포함할 수 있다.
상기 예시적인 실시예들에 따르면, 컨테이너에 대한 컨테이너 식별자는, 그러한 컨테이너에 대한 각각의 보충 운영을 수행하기 전에 스캐닝될 수 있다. 컨테이너 식별자를 스캐닝함으로써, 중앙 제어기(예컨대, 제어기(2428)) 및/또는 DC 내의 임의의 다른 컴퓨팅 디바이스는 컨테이너의 점유된 체적을 추적할 수 있다. 또한, 이러한 정보에 기초하여, 중앙 제어기는, 즉 컨테이너의 최대 용량 및 점유된 체적에 기초하여 현재 용량을 계산할 수 있다. 상기 예시적인 실시예들에 따르면, 저장 용량 및 전체 효율을 최대화하기 위해, SKU들(2610)로부터의 상품들을 저장하기 위해 다양한 크기의 컨테이너들로부터 적절한 크기의 컨테이너(들)를 고르는 것이 바람직할 수 있다고 한다.
도 27은 예시적인 실시예에 따른, LiDAR 기반 비전 시스템(예컨대, 비전 시스템(2402)) 사용함으로써 모니터링되는 자재 취급 환경에서 수행되는 다른 운영을 도시하는 다른 예시적인 시나리오(2700)를 예시한다. 도 27은 본 개시내용의 하나 이상의 실시예들에 따른, 분배 센터(DC)의 제2 보충 구역(2702)의 사시도를 예시한다. 예시적으로, 일부 예시적인 실시예들에서, 분배 센터(DC)는 복수의 비전 시스템들(2701, 2703, 2705 등)을 포함한다. 이들 비전 시스템들(2701 내지 2705) 각각은 자재 취급 환경의 다양한 섹션들에 설치되고/되거나 장착될 수 있는 하나 이상의 LiDAR 기반 센서들을 포함한다. 이러한 태양에서, 이들 비전 시스템들(2701 내지 2705) 각각은 타깃 영역의 데이터 스트림(즉, 3D 스캔)을 캡처하도록 구성된다. 하나 이상의 실시예들에서, 복수의 비전 시스템들(2701 내지 2705)은 자산들의 포트폴리오로부터의 각자의 자산들에 대응한다. 일부 예시적인 실시예들에 따르면, LiDAR 센서 기반 비전 시스템으로부터의 데이터 스트림은 제2 보충 구역(2702)에서의 보충 프로세스에 관련된 운영을 캡처한다.
일부 예시적인 실시예들에 따르면, 도 27에 예시된 보충 프로세스는 제2 세트의 컨테이너들(2704)로부터의 하나 이상의 컨테이너들을 (예컨대, 중력 유동 랙(2708)을 통해) 제2 보충 구역(2702)에 도착될 수 있는 보충된 제1 세트의 컨테이너들(2706)로부터의 상품들로 보충하는 것을 포함한다. 일부 예시적인 실시예들에서, 제2 세트의 컨테이너들(2704)은 상이한 크기의 다수의 격실들을 가질 수 있는 ASRS(예컨대, ASRS(2422))에 사용되는 셔틀 토트(shuttle tote)들에 대응할 수 있다. 셔틀 토트들은 부분적으로 충전되거나 비어 있을 수 있고, 도 24에 예시된 바와 같이 ASRS(2422)와 같은 저장 시설에 상품들을 저장하는 데 사용될 수 있다.
도 28은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들의 대시보드 시각화를 생성하기 위한 방법(2800)을 예시한다. 방법(2800)은, 예를 들어 자산 성과와 관리 컴퓨터 시스템(302)과 연관된다. 예를 들어, 하나 이상의 실시예들에서, 방법(2800)은 하나 이상의 프로세서들 및 메모리를 갖는 디바이스(예컨대, 자산 성과 관리 컴퓨터 시스템(302))에서 실행된다. 하나 이상의 실시예들에서, 방법(2800)은 (예컨대, 메트릭들 엔진 컴포넌트(306) 및/또는 대시보드 시각화 컴포넌트(308)에 의해) 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 수신하는 블록(2802)에서 시작하며, 요청은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함한다. 대시보드 시각화를 생성하라는 요청은 컴퓨팅 디바이스와의 상호작용 및/또는 컴퓨팅 디바이스에 대한 확장된 기능을 용이하게 하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
블록(2804)에서, 요청이 처리되는지 여부가 결정된다. 아니오이면, 블록(2804)은 반복되어, 요청이 처리되는지 여부를 결정한다. 예이면, 방법(2800)은 블록(2806)으로 진행한다. 요청에 응답하여, 블록(2806)은, 자산 디스크립터에 기초하여, 자산들의 포트폴리오와 연관된 집계 데이터를 획득한다. 자산 디스크립터에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
방법(2800)은 또한, 요청에 응답하여, 집계 데이터에 대한 속성들의 시계열 맵핑에 관련된 모델에 기초하여 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 (예컨대, 메트릭들 엔진 컴포넌트(306)에 의해) 결정하는 블록(2808)을 포함한다. 자산 계층구조에 대한 메트릭들을 결정하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
방법(2800)은 또한, 요청에 응답하여, (예컨대, 대시보드 시각화 컴포넌트(308)에 의해) 대시보드 시각화를 컴퓨팅 디바이스의 전자 인터페이스에 제공하는 블록(2810)을 포함하며, 대시보드 시각화는 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 포함한다. 메트릭들을 갖는 대시보드 시각화를 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 요청은, 추가적으로 또는 대안적으로, 전자 인터페이스를 통해 대시보드 시각화의 액세스와 연관된 사용자에 대한 사용자 역할을 설명하는 사용자 식별자를 포함한다. 또한, 하나 이상의 실시예들에서, 집계 데이터를 획득하는 것은, 추가적으로 또는 대안적으로, 사용자 식별자에 기초하여 집계 데이터를 획득하는 것을 포함한다. 사용자 식별자에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 하나 이상의 실시예들에서, 방법(2800)은 또한 사용자 식별자에 기초하여 대시보드 시각화를 구성하는 단계를 포함한다. 사용자 식별자에 기초하여 대시보드 시각화를 구성하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 요청은, 추가적으로 또는 대안적으로, 메트릭들에 대한 콘텍스트를 설명하는 메트릭들 콘텍스트 식별자를 포함한다. 또한, 하나 이상의 실시예들에서, 집계 데이터를 획득하는 것은 메트릭들 콘텍스트 식별자에 기초하여 집계 데이터를 획득하는 것을 포함한다. 메트릭들 콘텍스트 식별자에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 하나 이상의 실시예들에서, 최대, 최소, 카운트, 합, 및/또는 평균과 같은 상이한 유형들의 집계들이 지원된다. 추가적으로, 하나 이상의 실시예들에서, 계산은, 예를 들어, 개선된 확장성을 제공하기 위해 메트릭들이 상이한 레벨들에서 집계되는 것에 기초하여 맞춤 정의된다.
하나 이상의 실시예들에서, 요청은, 추가적으로 또는 대안적으로, 메트릭들에 대한 시간의 간격을 설명하는 시간 간격 식별자(예컨대, 보고 시간 간격 식별자)를 포함한다. 또한, 하나 이상의 실시예들에서, 집계 데이터를 획득하는 것은 시간 간격 식별자(예컨대, 보고 시간 간격 식별자)에 기초하여 집계 데이터를 획득하는 것을 포함한다. 시간 간격 식별자(예컨대, 보고 시간 간격 식별자)에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 메트릭들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 결정하는 것을 포함한다. 추가적으로, 하나 이상의 실시예들에서, 방법(2800)은 또한, 우선순위화된 액션들의 목록을 대시보드 시각화를 통해 전자 인터페이스에 제공하는 것을 포함한다. 우선순위화된 액션들의 목록을 전자 인터페이스에 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 메트릭들을 결정하는 것은 자산들의 상이한 계층구조 레벨에 대한 메트릭들을 결정하는 것을 포함한다. 또한, 하나 이상의 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 상이한 계층구조 레벨에 대한 메트릭들을 제공하는 것을 포함한다. 자산들의 상이한 계층구조 레벨에 대한 메트릭들을 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 집계 데이터에 기초하여 자산들의 포트폴리오에 대한 다수의 유형들의 메트릭들을 집계하는 것을 포함한다. 다수의 유형들의 메트릭들을 집계하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 메트릭들에 기초하여 자산들의 포트폴리오에 대한 하나 이상의 추천들과 연관된 경보들 목록을 결정하는 것을 포함한다. 추가적으로, 하나 이상의 실시예들에서, 방법(2800)은 또한, 경보들 목록을 대시보드 시각화를 통해 전자 인터페이스에 제공하는 것을 포함한다. 경보들 목록을 전자 인터페이스에 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 자산들의 상이한 계층구조 레벨에 기초한 집계 데이터의 모델링을 포함한다. 집계 데이터의 모델링은 대시보드 시각화의 기능을 확장하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 자산들의 상이한 계층구조 레벨과 관련되는 자산들의 포트폴리오의 성과의 관찰을 용이하게 하도록 대시보드 시각화를 구성하는 것을 포함한다. 대시보드 시각화를 구성하는 것을 제공하는 것은, 대시보드 시각화의 기능을 확장하는 것 및 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 집계 데이터에 대한 속성들을 저장하는 동적 캐시를 통해 집계 데이터에 대한 속성들을 맵핑하는 것을 포함한다. 동적 캐시는, 동적 캐시를 통한 더 빠른 저장, 대시보드 시각화를 통해 제공된 메트릭들의 정확도의 개선, 대시보드 시각화에 대한 데이터의 저장 및/또는 데이터의 취출의 효율의 개선과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 자산들의 상이한 계층구조 레벨에 기초하여 집계 데이터를 동적 캐시에 동적으로 캐싱하는 것을 포함한다. 동적 캐싱은, 동적 캐시를 통한 더 빠른 저장, 대시보드 시각화를 통해 제공된 메트릭들의 정확도의 개선, 대시보드 시각화에 대한 데이터의 저장 및/또는 데이터의 취출의 효율의 개선과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 대시보드 시각화를 통해 자산들의 포트폴리오에서 하나 이상의 자산들의 개별 제어를 제공하도록 대시보드 시각화를 구성하는 것을 포함한다. 하나 이상의 자산들의 제어는 대시보드 시각화와의 필요한 상호작용 및/또는 하나 이상의 자산들의 개선된 성과와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한 자산들의 포트폴리오에서 하나 이상의 자산들에 대한 하나 이상의 작업 오더들의 생성을 용이하게 하도록 대시보드 시각화를 구성하는 것을 포함한다. 하나 이상의 작업 오더들의 생성은 대시보드 시각화와의 필요한 상호작용 및/또는 하나 이상의 자산들의 개선된 성과와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2800)은 또한, 상이한 계층구조 인스턴스들에 걸쳐 메트릭들을 구성하는 것을 포함한다. 메트릭들을 구성하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 하나 이상의 실시예들에서, 메트릭들을 구성하는 것은 대시보드 시각화를 통한 제시를 위해 하나 이상의 메트릭들을 선택하는 것을 포함한다. 하나 이상의 실시예들에서, 메트릭들을 구성하는 것은, 추가적으로 또는 대안적으로, 대시보드 시각화를 통해 메트릭들의 뷰를 구성하는 것을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 상이한 계층구조 인스턴스들에 걸친 메트릭들 롤업은 동적으로 구성되고, 메트릭들과 관련되는 하나 이상의 배제들이 결정되고, 메트릭들과 관련되는 상이한 뷰들이 동적으로 구성되고, 그리고/또는 메트릭들의 메트릭들 롤업 계산이 동적으로 구성된다. 하나 이상의 실시예들에서, 메트릭들을 구성하는 것은, 추가적으로 또는 대안적으로, 대시보드 시각화를 통한 메트릭들의 제시와 관련하여 실시간으로 메트릭들 계산을 수행하는 것을 포함한다. 하나 이상의 실시예들에서, 메트릭들을 구성하는 것은, 추가적으로 또는 대안적으로, 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 현재 메트릭들 데이터 및 이력 트렌드 데이터를 제공하는 것을 포함한다. 예를 들어, 하나 이상의 실시예들에서, 메트릭들 계산 및/또는 롤업은, 예를 들어, 감소된 저장 요건을 갖는 정확한 집계 메트릭 값들(예컨대, 1년 동안 최소 67개의 값들)을 제공하기 위해 그리고/또는 자산들의 포트폴리오에 관련된 현재 메트릭 및 이력 트렌드들의 시각화를 제공하기 위해 실시간으로 제공된다.
도 29는 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오에 대한 우선순위화된 액션들의 대시보드 시각화를 생성하기 위해 자산들의 포트폴리오에 걸쳐 데이터를 집계하기 위한 방법(2900)을 예시한다. 방법(2900)은, 예를 들어 자산 성과 관리 컴퓨터 시스템(302)과 연관된다. 예를 들어, 하나 이상의 실시예들에서, 방법(2900)은 하나 이상의 프로세서들 및 메모리를 갖는 디바이스(예컨대, 자산 성과 관리 컴퓨터 시스템(302))에서 실행된다. 하나 이상의 실시예들에서, 방법(2900)은 (예컨대, 우선순위화된 액션들 컴포넌트(326) 및/또는 대시보드 시각화 컴포넌트(308)에 의해) 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 수신하는 블록(2902)에서 시작하며, 요청은 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함한다. 대시보드 시각화를 생성하라는 요청은 컴퓨팅 디바이스와의 상호작용 및/또는 컴퓨팅 디바이스에 대한 확장된 기능을 용이하게 하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
블록(2904)에서, 요청이 처리되는지 여부가 결정된다. 아니오이면, 블록(2904)은 반복되어, 요청이 처리되는지 여부를 결정한다. 예이면, 방법(2900)은 블록(2906)으로 진행한다. 요청에 응답하여, 블록(2906)은, 자산 디스크립터에 기초하여, 자산들의 포트폴리오와 연관된 집계 데이터를 획득한다. 자산 디스크립터에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
방법(2900)은 또한, 요청에 응답하여, (예컨대, 우선순위화된 액션들 컴포넌트(326)에 의해) 집계 데이터에 대한 속성들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정하는 블록(2908)을 포함한다. 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 하나 이상의 실시예들에서, 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정하는 것은 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된 디지털 트윈 모델에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정하는 것을 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정하는 것은 자산들의 포트폴리오로부터의 하나 이상의 자산들과 연관된 운영자 아이덴티티와 연관된 디지털 트윈 모델에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 결정하는 것을 포함한다.
방법(2900)은 또한, 요청에 응답하여, (예컨대, 대시보드 시각화 컴포넌트(308)에 의해) 대시보드 시각화를 컴퓨팅 디바이스의 전자 인터페이스에 제공하는 블록(2910)을 포함하며, 대시보드 시각화는 자산들의 포트폴리오에 대한 우선순위화된 액션들을 포함한다. 자산들의 포트폴리오에 대한 우선순위화된 액션들을 갖는 대시보드 시각화를 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 요청은, 추가적으로 또는 대안적으로, 전자 인터페이스를 통해 대시보드 시각화의 액세스와 연관된 사용자에 대한 사용자 역할을 설명하는 사용자 식별자를 포함한다. 또한, 하나 이상의 실시예들에서, 집계 데이터를 획득하는 것은, 추가적으로 또는 대안적으로, 사용자 식별자에 기초하여 집계 데이터를 획득하는 것을 포함한다. 사용자 식별자에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 하나 이상의 실시예들에서, 방법(2900)은 또한 사용자 식별자에 기초하여 대시보드 시각화를 구성하는 것을 포함한다. 사용자 식별자에 기초하여 대시보드 시각화를 구성하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 요청은, 추가적으로 또는 대안적으로, 메트릭들에 대한 콘텍스트를 설명하는 메트릭들 콘텍스트 식별자를 포함한다. 또한, 하나 이상의 실시예들에서, 집계 데이터를 획득하는 것은 메트릭들 콘텍스트 식별자에 기초하여 집계 데이터를 획득하는 것을 포함한다. 메트릭들 콘텍스트 식별자에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 하나 이상의 실시예들에서, 최대, 최소, 카운트, 합, 및/또는 평균과 같은 상이한 유형들의 집계들이 지원된다. 추가적으로, 하나 이상의 실시예들에서, 계산은, 예를 들어, 개선된 확장성을 제공하기 위해 메트릭들이 상이한 레벨들에서 집계되는 것에 기초하여 맞춤 정의된다.
하나 이상의 실시예들에서, 요청은, 추가적으로 또는 대안적으로, 메트릭들에 대한 시간의 간격을 설명하는 시간 간격 식별자(예컨대, 보고 시간 간격 식별자)를 포함한다. 또한, 하나 이상의 실시예들에서, 집계 데이터를 획득하는 것은 시간 간격 식별자(예컨대, 보고 시간 간격 식별자)에 기초하여 집계 데이터를 획득하는 것을 포함한다. 시간 간격 식별자(예컨대, 보고 시간 간격 식별자)에 기초하여 집계 데이터를 획득하는 것은 컴퓨팅 디바이스에 대한 확장된 기능과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 집계 데이터 사이의 관계들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들을 그룹화하는 것을 포함하고, 대시보드 시각화는 자산들의 포트폴리오에 대한 우선순위화된 액션들의 그룹화에 기초하여 우선순위화된 액션들을 구성한다. 우선순위화된 액션들을 그룹화하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 자산들의 포트폴리오와 관련되는 각자의 우선순위화된 액션들의 영향에 기초하여, 우선순위화된 액션들을 순위화하여 우선순위화된 액션들의 목록을 생성하는 것을 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 방법(2900)은 또한, 우선순위화된 액션들의 목록을 대시보드 시각화를 통해 전자 인터페이스에 제공하는 것을 포함한다. 순위화는 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 집계 데이터와 연관된 메트릭들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 결정하는 것을 포함한다. 추가적으로 또는 대안적으로, 하나 이상의 실시예들에서, 방법(2900)은 또한, 우선순위화된 액션들의 목록을 대시보드 시각화를 통해 전자 인터페이스에 제공하는 것을 포함한다. 우선순위화된 액션들의 목록을 결정하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 메트릭들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 결정하는 것을 포함한다. 추가적으로, 하나 이상의 실시예들에서, 방법(2900)은 또한, 우선순위화된 액션들의 목록을 대시보드 시각화를 통해 전자 인터페이스에 제공하는 것을 포함한다. 우선순위화된 액션들의 목록을 전자 인터페이스에 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 메트릭들을 결정하는 것은 자산들의 상이한 계층구조 레벨에 대한 메트릭들을 결정하는 것을 포함한다. 또한, 하나 이상의 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 상이한 계층구조 레벨에 대한 메트릭들을 제공하는 것을 포함한다. 자산들의 상이한 계층구조 레벨에 대한 메트릭들을 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 집계 데이터에 기초하여 자산들의 포트폴리오에 대한 다수의 유형들의 메트릭들을 집계하는 것을 포함한다. 다수의 유형들의 메트릭들을 집계하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 자산들의 포트폴리오에 대한 우선순위화된 액션들에 기초하여 자산들의 포트폴리오에 대한 하나 이상의 추천들과 연관된 경보들 목록을 결정하는 것을 포함한다. 추가적으로, 하나 이상의 실시예들에서, 방법(2900)은 또한, 경보들 목록을 대시보드 시각화를 통해 전자 인터페이스에 제공하는 것을 포함한다. 경보들 목록을 전자 인터페이스에 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 자산들의 상이한 계층구조 레벨에 기초한 집계 데이터의 모델링을 포함한다. 집계 데이터의 모델링은 대시보드 시각화의 기능을 확장하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 자산들의 상이한 계층구조 레벨과 관련되는 자산들의 포트폴리오의 성과의 관찰을 용이하게 하도록 대시보드 시각화를 구성하는 것을 포함한다. 대시보드 시각화를 구성하는 것을 제공하는 것은, 대시보드 시각화의 기능을 확장하는 것 및 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 대시보드 시각화를 통해 자산들의 포트폴리오에서 하나 이상의 자산들의 개별 제어를 제공하도록 대시보드 시각화를 구성하는 것을 포함한다. 하나 이상의 자산들의 제어는 대시보드 시각화와의 필요한 상호작용 및/또는 하나 이상의 자산들의 개선된 성과와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
하나 이상의 실시예들에서, 방법(2900)은 또한 자산들의 포트폴리오에서 하나 이상의 자산들에 대한 하나 이상의 작업 오더들의 생성을 용이하게 하도록 대시보드 시각화를 구성하는 것을 포함한다. 하나 이상의 작업 오더들의 생성은 대시보드 시각화와의 필요한 상호작용 및/또는 하나 이상의 자산들의 개선된 성과와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
도 30은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오에 걸쳐 데이터를 획득하고 자산들의 포트폴리오에 대한 대시보드 시각화 보고를 생성하기 위해 자연 언어 질의를 수행하기 위한 방법(3000)을 예시한다. 방법(3000)은, 예를 들어 자산 성과 관리 컴퓨터 시스템(302)과 연관된다. 예를 들어, 하나 이상의 실시예들에서, 방법(3000)은 하나 이상의 프로세서들 및 메모리를 갖는 디바이스(예컨대, 자산 성과 관리 컴퓨터 시스템(302))에서 실행된다. 하나 이상의 실시예들에서, 방법(3000)은 (예컨대, 가상 어시스턴트 컴포넌트(336) 및/또는 대시보드 시각화 컴포넌트(308)에 의해) 음성 입력을 수신하는 블록(3002)에서 시작하며, 음성 입력은 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 포함하고, 음성 입력은 자산들의 포트폴리오와 연관된 하나 이상의 자산 통찰 요청들을 포함하는 음성 입력 데이터를 포함한다. 음성 입력은 컴퓨팅 디바이스와의 상호작용 및/또는 컴퓨팅 디바이스에 대한 확장된 기능을 용이하게 하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
블록(3004)에서, 요청이 처리되는지 여부가 결정된다. 아니오이면, 블록(3004)은 반복되어, 음성 입력이 처리되는지 여부를 결정한다. 예이면, 방법(3000)은 블록(3006)으로 진행한다. 음성 입력에 응답하여, 방법(3000)은 음성 입력 데이터와 관련되는 자연 언어 질의를 (예컨대, 가상 어시스턴트 컴포넌트(336)에 의해) 수행하는 블록(3006)을 포함하며, 자연 언어 질의는 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 획득한다. 자연 언어 질의는 컴퓨팅 디바이스에 대한 확장된 기능 및/또는 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
소정 실시예들에서, 자연 언어 질의를 수행하는 것은 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 음성 입력에 기초하여 자연 언어 데이터베이스에 질의하는 것을 포함한다. 소정 실시예들에서, 자연 언어 질의를 수행하는 것은 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 음성 입력의 하나 이상의 부분들을 태그로 분류하는 것을 포함한다. 소정 실시예들에서, 자연 언어 질의를 수행하는 것은 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 음성 입력 데이터와 관련되는 퍼지 매칭 기법을 수행하는 것을 포함한다. 소정 실시예들에서, 자연 언어 질의를 수행하는 것은 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 결정하기 위해 구성되는 신경 네트워크 모델에 음성 입력 데이터를 제공하는 것을 포함한다. 소정 실시예들에서, 자연 언어 질의를 수행하는 것은, 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 자산 식별자들을 획득하는 것을 포함하고, 집계 데이터를 획득하는 것은 하나 이상의 자산 식별자들에 기초하여 집계 데이터를 획득하는 것을 포함한다. 소정 실시예들에서, 자연 언어 질의를 수행하는 것은, 하나 이상의 자산 통찰 요청들과 연관된 시간 데이터를 획득하는 것을 포함하고, 집계 데이터를 획득하는 것은 시간 데이터에 기초하여 집계 데이터를 획득하는 것을 포함한다.
방법(3000)은 또한, 음성 입력에 응답하여, (예컨대, 가상 어시스턴트 컴포넌트(336)에 의해) 하나 이상의 속성들을 기반으로 하는 자산들의 포트폴리오와 연관된 집계 데이터를 획득하는 블록(3008)을 포함한다. 집계 데이터를 획득하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다. 소정 실시예들에서, 집계 데이터를 획득하는 것은, 하나 이상의 속성들에 기초하여, 자산들의 포트폴리오로부터의 자산들 사이의 하나 이상의 관계들에 기초한 집계 데이터를 그룹화하는 것을 포함한다. 소정 실시예들에서, 집계 데이터를 획득하는 것은, 제1 모델로부터의 제1 출력 데이터 및 제2 모델로부터의 제2 출력 데이터를 집계하여 집계 데이터의 적어도 일부분을 결정하는 것을 포함한다.
방법(3000)은 또한, 음성 입력에 응답하여, (예컨대, 가상 어시스턴트 컴포넌트(336)에 의해) 집계 데이터에 기초하여 자산들의 포트폴리오에 관련된 하나 이상의 자산 통찰들을 결정하는 블록(3010)을 포함한다. 하나 이상의 자산 통찰들을 결정하는 것은 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
방법(3000)은 또한, 음성 입력에 응답하여, (예컨대, 대시보드 시각화 컴포넌트(308)에 의해) 대시보드 시각화를 컴퓨팅 디바이스의 전자 인터페이스에 제공하는 블록(3012)을 포함하며, 대시보드 시각화는 자산들의 포트폴리오에 대한 하나 이상의 자산 통찰들을 포함한다. 자산들의 포트폴리오에 대한 우선순위화된 액션들을 갖는 대시보드 시각화를 제공하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
소정 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 포트폴리오에 관련된 센서 데이터를 제시하도록 구성된 대시보드 시각화 요소를 제공하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 포트폴리오에 관련된 제어 데이터를 제시하도록 구성된 대시보드 시각화 요소를 제공하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 포트폴리오에 관련된 노무 관리 데이터를 제시하도록 구성된 대시보드 시각화 요소를 제공하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 포트폴리오에 관련된 창고 실행 데이터를 제시하도록 구성된 대시보드 시각화 요소를 제공하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 포트폴리오에 관련된 재고 데이터를 제시하도록 구성된 대시보드 시각화 요소를 제공하는 것을 포함한다.
소정 실시예들에서, 대시보드 시각화를 제공하는 것은 하나 이상의 자산 통찰들에 기초하여 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 제공하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 제공하는 것은 하나 이상의 자산 통찰들에 기초하여 자산들의 포트폴리오에 대한 하나 이상의 메트릭들을 제공하는 것을 포함한다. 소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 하나 이상의 메트릭들에 기초하여 자산들의 포트폴리오와 연관된 하나 이상의 액션들을 결정하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 제공하는 것은 자산들의 포트폴리오에 대한 하나 이상의 자산 통찰들과 연관된 경보들 목록을 제공하는 것을 포함한다. 소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 음성 입력과 연관된 하나 이상의 속성들에 기초하여 대시보드 시각화를 구성하는 것을 포함한다. 소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 음성 입력과 연관된 하나 이상의 속성들에 기초하여 자산들의 포트폴리오로부터 하나 이상의 자산들의 원격 제어를 위한 대시보드 시각화를 구성하는 것을 포함한다.
소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 음성 입력과 연관된 하나 이상의 속성들에 기초하여 대시보드 시각화를 위해 자산들의 포트폴리오로부터 자산의 3D 모델을 구성하는 것을 포함한다. 소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 음성 입력과 연관된 하나 이상의 속성들에 기초하여 3D 모델에 관련된 자산과 연관된 하나 이상의 이벤트들을 필터링하는 것을 포함한다. 소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 음성 입력과 연관된 하나 이상의 속성들에 기초하여 2개 이상의 컴퓨팅 디바이스들 사이의 실시간 협업을 위한 대시보드 시각화를 구성하는 것을 포함한다. 소정 실시예들에서, 방법(3000)은, 추가적으로 또는 대안적으로, 하나 이상의 속성들을, 적어도 제1 유형의 자산 통찰과 연관된 제1 모델 및 제2 유형의 자산 통찰과 연관된 제2 모델에 적용하는 것을 포함한다.
도 31은 본 명세서에 기술된 하나 이상의 실시예들에 따른, 자산들의 포트폴리오에 대한 대시보드 시각화 보고를 생성하기 위해 음성 입력을 생성하기 위한 방법(3100)을 예시한다. 방법(3100)은, 예를 들어 컴퓨팅 디바이스(402)와 연관된다. 예를 들어, 하나 이상의 실시예들에서, 방법(3100)은 하나 이상의 프로세서들 및 메모리를 갖는 디바이스(예컨대, 컴퓨팅 디바이스(402))에서 실행된다. 하나 이상의 실시예들에서, 방법(3100)은 (예컨대, 컴퓨팅 디바이스(402)에 의해) 음성 입력을 생성하는 블록(3102)에서 시작하며, 음성 입력은 자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 포함하고, 음성 입력은 음성 입력 데이터를 포함하고, 음성 입력 데이터는 자산들의 포트폴리오와 연관된 하나 이상의 자산 통찰 요청들을 포함한다. 음성 입력은 컴퓨팅 디바이스와의 상호작용 및/또는 컴퓨팅 디바이스에 대한 확장된 기능을 용이하게 하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
블록(3104)에서, 요청이 처리되는지 여부가 결정된다. 아니오이면, 블록(3104)은 반복되어, 음성 입력이 처리되는지 여부를 결정한다. 예이면, 방법(3100)은 블록(3106)으로 진행한다. 음성 입력에 응답하여, 방법(3100)은 (예컨대, 컴퓨팅 디바이스(402)에 의해) 자산들의 포트폴리오에 관련된 하나 이상의 자산 통찰들과 연관된 하나 이상의 대시보드 시각화 요소들을 수신하는 블록(3106)을 포함하며, 하나 이상의 대시보드 시각화 요소들은 음성 입력 데이터와 연관된 하나 이상의 속성들에 기초하여 생성된다. 하나 이상의 대시보드 시각화 요소들은 컴퓨팅 디바이스에 대한 확장된 기능 및/또는 대시보드 시각화의 정확도를 개선하는 것과 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
방법(3100)은, 음성 입력에 응답하여, 컴퓨팅 디바이스의 전자 인터페이스에 대한 대시보드 시각화를 통해 하나 이상의 대시보드 시각화 요소들을 (예컨대, 컴퓨팅 디바이스(402)에 의해) 렌더링하는 블록(3108)을 포함하고, 대시보드 시각화는 자산들의 포트폴리오에 관련된 하나 이상의 자산 통찰들을 포함한다. 하나 이상의 대시보드 시각화 요소들을 렌더링하는 것은 컴퓨팅 디바이스를 통해 어떤 정보를 그리고/또는 어떻게 정보를 제시하는지와 같은, 그러나 이로 제한되지 않는 하나 이상의 기술적 개선들을 제공한다.
소정 실시예들에서, 하나 이상의 대시보드 시각화 요소들을 렌더링하는 것은 자산들의 포트폴리오에 관련된 센서 데이터를 제시하도록 구성된 대시보드 시각화 요소를 렌더링하는 것을 포함한다. 소정 실시예들에서, 하나 이상의 대시보드 시각화 요소들을 렌더링하는 것은 자산들의 포트폴리오에 관련된 제어 데이터를 제시하도록 구성된 대시보드 시각화 요소를 렌더링하는 것을 포함한다. 소정 실시예들에서, 하나 이상의 대시보드 시각화 요소들을 렌더링하는 것은 자산들의 포트폴리오에 관련된 노무 관리 데이터를 제시하도록 구성된 대시보드 시각화 요소를 렌더링하는 것을 포함한다. 소정 실시예들에서, 하나 이상의 대시보드 시각화 요소들을 렌더링하는 것은 자산들의 포트폴리오에 관련된 창고 실행 데이터를 제시하도록 구성된 대시보드 시각화 요소를 렌더링하는 것을 포함한다. 소정 실시예들에서, 하나 이상의 대시보드 시각화 요소들을 렌더링하는 것은 자산들의 포트폴리오에 관련된 재고 데이터를 제시하도록 구성된 대시보드 시각화 요소를 렌더링하는 것을 포함한다.
소정 실시예들에서, 대시보드 시각화를 렌더링하는 것은 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 렌더링하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 렌더링하는 것은 자산들의 포트폴리오에 대한 하나 이상의 메트릭들과 연관된 시각화를 렌더링하는 것을 포함한다. 소정 실시예들에서, 방법(3100)은, 추가적으로 또는 대안적으로, 대시보드 시각화를 통해 자산들의 포트폴리오와 연관된 하나 이상의 액션들을 개시하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 렌더링하는 것은 자산들의 포트폴리오에 대한 하나 이상의 자산 통찰들과 연관된 경보들 목록을 렌더링하는 것을 포함한다. 소정 실시예들에서, 방법(3100)은, 추가적으로 또는 대안적으로, 대시보드 시각화를 통해 자산들의 포트폴리오로부터 하나 이상의 자산들의 원격 제어를 제공하는 것을 포함한다.
소정 실시예들에서, 대시보드 시각화를 렌더링하는 것은 대시보드 시각화에 대한 자산들의 포트폴리오로부터 자산의 3D 모델을 렌더링하는 것을 포함한다. 소정 실시예들에서, 대시보드 시각화를 렌더링하는 것은 3D 모델에 관련된 자산에 대한 하나 이상의 이벤트들과 연관된 시각화를 렌더링하는 것을 포함한다. 소정 실시예들에서, 방법(3100)은, 추가적으로 또는 대안적으로, 대시보드 시각화를 통해 2개 이상의 컴퓨팅 디바이스들 사이의 실시간 협업을 개시하는 것을 포함한다.
일부 예시적인 실시예들에서, 본 명세서에서의 운영들 중 소정 운영들은 후술되는 바와 같이 수정되거나 또는 추가로 확장될 수 있다. 또한, 일부 실시예들에서, 추가적인 선택적 운영들이 또한 포함될 수 있다. 본 명세서에 기술된 수정들, 선택적인 추가들 또는 확장들 각각이 단독으로 또는 본 명세서에 기술된 특징부들 사이에서의 임의의 다른 것들과 조합되어 본 명세서의 운영들과 함께 포함될 수 있음을 이해해야 한다.
전술한 방법 설명 및 공정 흐름도는 단지 예시적인 예로서 제공되며, 다양한 실시예의 단계들이 제시된 순서로 수행되어야 함을 요구하거나 암시하도록 의도되지 않는다. 당업자에 의해 이해되는 바와 같이, 전술한 실시예들에서의 단계들의 순서는 임의의 순서로 수행될 수 있다. "그 후", "이어서", "다음" 등과 같은 단어들은 단계들의 순서를 제한하도록 의도되지 않으며; 이들 단어는 단순히 방법의 설명을 통해 독자를 안내하기 위해 사용된다. 또한, 예를 들어, 관사("a", "an" 또는 "the")를 사용하여, 요소를 단수 형태로 주장하는 임의의 언급이 요소를 단수로 제한하는 것으로 해석되어서는 안 된다.
도 32는 본 명세서에 제시된 기법들을 실행할 수 있는 예시적인 시스템(3200)을 도시한다. 도 32는 본 발명의 예시적인 실시예들에 따른, 본 명세서에 기술된 기법들을 실행하도록 구성될 수 있는 컴퓨터의 단순화된 기능 블록도이다. 구체적으로, 컴퓨터(또는 단일 물리적 컴퓨터 인프라구조가 아닐 수 있기 때문에 "플랫폼")는 패킷 데이터 통신을 위한 데이터 통신 인터페이스(3260)를 포함할 수 있다. 플랫폼은 또한, 프로그램 명령어들을 실행하기 위해, 하나 이상의 프로세서들의 형태로 중앙 처리 유닛("CPU")(3220)을 포함할 수 있다. 플랫폼은 내부 통신 버스(3210)를 포함할 수 있고, 플랫폼은 또한 ROM(3230) 및 RAM(3240)과 같은 플랫폼에 의해 처리되고/되거나 통신될 다양한 데이터 파일들에 대한 데이터 저장소 및/또는 프로그램 저장소를 포함할 수 있지만, 시스템(3200)은 네트워크 통신들을 통해 프로그래밍 및 데이터를 수신할 수 있다. 시스템(3200)은 또한 키보드들, 마우스들, 터치스크린들, 모니터들, 디스플레이들 등과 같은 입력 및 출력 디바이스들과 접속하기 위한 입력 및 출력 포트들(3250)을 포함할 수 있다. 물론, 다양한 시스템 기능들이 처리 부하를 분산시키기 위해 다수의 유사한 플랫폼들 상에 분산된 방식으로 구현될 수 있다. 대안적으로, 시스템들은 하나의 컴퓨터 하드웨어 플랫폼의 적절한 프로그래밍에 의해 구현될 수 있다.
본 개시내용의 일반적인 논의는, 본 발명이 구현될 수 있는 적합한 컴퓨팅 환경의 간단한, 대체적인 설명을 제공한다. 일 실시예에서, 개시된 시스템들, 방법들, 및/또는 그래픽 사용자 인터페이스들 중 임의의 것은 본 개시내용에 도시되고/되거나 설명되는 것과 일치하는 또는 그와 유사한 컴퓨팅 시스템에 의해 실행되거나 또는 구현될 수 있다. 요구되지는 않지만, 본 개시내용의 태양들은 데이터 처리 디바이스, 예컨대, 서버 컴퓨터, 무선 디바이스, 및/또는 개인용 컴퓨터에 의해 실행되는 루틴들과 같은 컴퓨터 실행가능 명령어들의 맥락에서 설명된다. 당업자는, 본 개시내용의 태양들이 다른 통신들, 데이터 처리, 또는 컴퓨터 시스템 구성들로 실시될 수 있으며, 이들은 인터넷 어플라이언스들, 핸드헬드 디바이스들(개인 디지털 어시스턴트("PDA")를 포함함), 웨어러블 컴퓨터들, 셀룰러 또는 모바일 폰들의 모든 방식(VoIP(Voice over IP) 전화들을 포함함), 단순 단말기(dumb terminal)들, 미디어 플레이어들, 게이밍 디바이스들, 가상 현실 디바이스들, 다중 프로세서 시스템들, 마이크로프로세서 기반 또는 프로그래밍가능 소비자 전자장치들, 셋톱 박스들, 네트워크 PC들, 미니 컴퓨터들, 메인프레임 컴퓨터들 등을 포함한다는 것을 이해할 것이다. 실제로, 용어들 "컴퓨터", "서버" 등은 대체적으로 본 명세서에서 상호교환가능하게 사용되고, 상기 디바이스들 및 시스템들 중 임의의 것뿐만 아니라 임의의 데이터 프로세서를 지칭한다.
본 개시내용의 태양들은, 본 명세서에 상세히 설명된 컴퓨터 실행가능 명령어들 중 하나 이상을 수행하도록 구체적으로 프로그래밍되고, 구성되고, 그리고/또는 구조화되는 특수 목적 컴퓨터 및/또는 데이터 프로세서로 구현될 수 있다. 소정 기능들과 같은 본 개시내용의 태양들이 단일 디바이스 상에서 배타적으로 수행되는 것으로 설명되지만, 본 개시내용은 또한, 기능들 또는 모듈들이 근거리 네트워크("LAN"), 광역 네트워크("WAN"), 및/또는 인터넷과 같은 통신 네트워크를 통해 링크되는 별개의 처리 디바이스들 사이에서 공유되는 분산형 환경들에서 실시될 수 있다. 유사하게, 다수의 디바이스들을 수반하는 것으로서 본 명세서에 제시된 기법들은 단일 디바이스에서 구현될 수 있다. 분산형 컴퓨팅 환경에서, 프로그램 모듈들은 로컬 및/또는 원격 메모리 저장 디바이스들 둘 모두에 위치될 수 있다.
본 개시내용의 태양들은 자기적으로 또는 광학적으로 판독가능한 컴퓨터 디스크들, 하드와이어드 또는 사전프로그래밍된 칩들(예컨대, EEPROM 반도체 칩들), 나노테크놀로지 메모리, 생물학적 메모리, 또는 다른 데이터 저장 매체를 포함하는 비일시적 컴퓨터 판독가능 매체 상에 저장 및/또는 분산될 수 있다. 대안적으로, 본 개시내용의 태양들 하의 컴퓨터 구현 명령어들, 데이터 구조들, 스크린 디스플레이들, 및 다른 데이터는 인터넷을 통해 그리고/또는 다른 네트워크들(무선 네트워크들을 포함함)을 통해, 일정 기간 동안 전파 매체(예컨대, 전자기파(들), 음파 등) 상의 전파된 신호로 분산될 수 있고/있으며, 그들은 임의의 아날로그 또는 디지털 네트워크(패킷 스위치형, 회로 스위치형, 또는 다른 스킴) 상에 제공될 수 있다.
기술의 프로그램 태양들은, 일정 유형의 기계 판독가능 매체 상으로 반송되거나 그로 구현되는 전형적으로 실행가능 코드 및/또는 연관된 데이터의 형태의 "제품들" 또는 "제조 물품"으로 간주될 수 있다. "저장소" 유형 매체는 다양한 반도체 메모리들, 테이프 드라이브들, 디스크 드라이브들 등과 같은, 컴퓨터들, 프로세서들 등의 유형의 메모리, 또는 그의 연관된 모듈들 중 임의의 것 또는 모두를 포함하며, 이는 소프트웨어 프로그래밍을 위해 언제라도 비일시적 저장소를 제공할 수 있다. 소프트웨어의 전부 또는 일부분들은 때때로 인터넷 또는 다양한 다른 전기통신 네트워크를 통해 통신될 수 있다. 예를 들어, 그러한 통신들은 하나의 컴퓨터 또는 프로세서로부터 다른 컴퓨터 또는 프로세서로, 예를 들어, 관리 서버 또는 모바일 통신 네트워크의 호스트 컴퓨터로부터 서버의 컴퓨터 플랫폼으로 그리고/또는 서버로부터 모바일 디바이스로 소프트웨어의 로딩을 가능하게 할 수 있다. 따라서, 소프트웨어 요소들을 보유할 수 있는 다른 유형의 매체들은, 유선 및 광학 지상라인 네트워크들을 통해 그리고 다양한 에어 링크들을 통해, 로컬 디바이스들 사이의 물리적 인터페이스들에 걸쳐 사용되는 것과 같은 광학파, 전기파 및 전자기파를 포함한다. 유선 또는 무선 링크들, 광학 링크들 등과 같은 그러한 파들을 반송하는 물리적 요소들은 또한 소프트웨어를 보유하는 매체로서 간주될 수 있다. 본 명세서에 사용되는 바와 같이, 비일시적인 유형의 "저장" 매체로 제한되지 않는다면, 컴퓨터 또는 기계 "판독가능 매체"와 같은 용어들은 실행을 위해 프로세서에 명령어들을 제공하는 데 참여하는 임의의 매체를 지칭한다.
'하나 이상'은 하나의 요소에 의해 수행되는 기능, 예컨대 분산 방식으로 하나 초과의 요소에 의해 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능들, 여러 요소들에 의해 수행되는 여러 기능들, 또는 상기의 임의의 조합을 포함한다는 것이 이해되어야 한다.
또한, 용어들 제1, 제2 등은, 일부 경우들에서 다양한 요소들을 설명하기 위해 본 명세서에서 사용되지만, 이들 요소들은 이들 용어들에 의해 제한되지 않아야 한다는 것이 또한 이해될 것이다. 이들 용어들은 단지 하나의 요소를 다른 요소와 구별하는 데 사용된다. 예를 들어, 다양한 설명된 실시예들의 범주로부터 벗어남이 없이, 제1 접촉부는 제2 접촉부라고 할 수 있고, 유사하게 제2 접촉부는 제1 접촉부라고 할 수 있다. 제1 접촉부 및 제2 접촉부 둘 모두는 접촉부들이지만, 그들은 동일한 접촉부가 아니다.
본 명세서의 다양한 기술된 실시예들의 설명에 사용된 용어는 단지 특정 실시예들을 설명하기 위한 것이며 제한하는 것으로 의도되지 않는다. 다양한 기술된 실시예들 및 첨부된 청구범위의 설명에 사용되는 바와 같이, 단수 형태들("a", "an" 및 "the")은, 문맥상 명백하게 달리 나타내지 않는 한, 복수의 형태들도 포함하도록 의도된다. 또한, 본 명세서에 사용되는 바와 같이 용어 "및/또는"은 연관된 열거된 항목들 중 하나 이상의 항목들 중 임의의 것 및 모든 가능한 그들의 조합들을 지칭하고 그들을 포괄하는 것으로 이해될 것이다. 본 명세서에서 사용될 때 용어들 "포함하다", "포함하는", "구성하다", 및/또는 "구성하는"은 언급된 특징들, 정수들, 단계들, 운영들, 요소들, 및/또는 컴포넌트들의 존재를 특정하지만, 하나 이상의 다른 특징들, 정수들, 단계들, 운영들, 요소들, 컴포넌트들, 및/또는 이들의 그룹들의 존재 또는 추가를 배제하지 않는다는 것이 추가로 이해될 것이다.
본 명세서에 사용되는 바와 같이, 용어 "~인 경우"는 선택적으로, 맥락에 따라 "~할 때" 또는 "~할 시에" 또는 "~라고 결정하는 것에 응답하여" 또는 "~임을 검출하는 것에 응답하여"를 의미하는 것으로 해석된다. 유사하게, 어구 "~라고 결정되는 경우" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는 선택적으로, 문맥에 따라 "~라고 결정할 시에" 또는 "~라고 결정하는 것에 응답하여" 또는 "[언급된 조건 또는 이벤트]를 검출할 시에" 또는 "[언급된 조건 또는 이벤트]를 검출하는 것에 응답하여"를 의미하는 것으로 해석된다.
본 명세서에 개시된 시스템들, 장치들, 디바이스들, 및 방법들은 도면들을 참조하여 그리고 예들로서 상세히 설명된다. 본 명세서에서 논의된 예들은 단지 예들이며, 본 명세서에 기술된 장치들, 디바이스들, 시스템들, 및 방법들의 설명을 돕기 위해 제공된다. 도면들에 도시되거나 또는 하기에 논의되는 특징들 또는 컴포넌트들 중 어떤 것도, 구체적으로 필수적인 것으로 지정되지 않는 한 이들 장치들, 디바이스들, 시스템들 또는 방법들 중 임의의 것의 임의의 특정 구현에 대해 필수적인 것으로 간주되지 않아야 한다. 판독 및 명료함의 용이함을 위해, 소정 컴포넌트들, 모듈들, 또는 방법들만이 특정 도면과 관련하여 기술될 수 있다. 본 개시내용에서, 특정 기법들, 배열들 등의 임의의 식별은 제시된 특정 예와 관련되거나 또는 단지 그러한 기법, 배열 등에 대한 일반적인 설명이다. 특정 상세사항들 또는 예들의 식별은, 구체적으로 필수적인 것 또는 제한하는 것으로 지정되지 않는 한, 그러한 것으로 의도되지 않고 해석되지 않아야 한다. 컴포넌트들의 조합 또는 하위 조합을 구체적으로 설명하는 것에 대한 어떠한 실패도, 임의의 조합 또는 하위 조합이 가능하지 않다는 표시로서 이해되어서는 안 된다. 개시되고 설명된 예들, 배열들, 구성들, 컴포넌트들, 요소들, 장치들, 디바이스들, 시스템들, 방법들 등에 대한 수정들이 이루어질 수 있고, 특정 애플리케이션에 바람직할 수 있다는 것이 이해될 것이다. 또한, 기술된 임의의 방법들의 경우, 방법이 흐름도와 함께 설명되는지 여부에 관계없이, 문맥에 의해 달리 지정되거나 또는 요구되지 않는다면, 방법의 실행에서 수행되는 단계들의 임의의 명시적 또는 암시적 순서는 그들 단계들이 제시된 순서로 수행되어야 한다는 것을 암시하지 않고, 대신에 상이한 순서로 또는 병렬로 수행될 수 있다는 것이 이해되어야 한다.
본 개시내용 전체에 걸쳐, 컴포넌트들 또는 모듈들에 대한 참조들은 대체적으로 기능 또는 관련 기능들의 그룹을 수행하기 위해 함께 논리적으로 그룹화될 수 있는 항목들을 지칭한다. 유사한 도면 부호들은 대체적으로 동일한 또는 유사한 컴포넌트들을 지칭하도록 의도된다. 컴포넌트들 및 모듈들은 소프트웨어, 하드웨어, 또는 소프트웨어와 하드웨어의 조합으로 구현될 수 있다. 용어 "소프트웨어"는 실행가능 코드, 예를 들어, 기계 실행가능 또는 기계 해석가능 명령어들뿐만 아니라 데이터 구조들, 데이터 저장소들 및 펌웨어, 및 임베딩된 소프트웨어를 포함하는 임의의 적합한 전자 포맷으로 저장된 컴퓨팅 명령어들을 포함하는 데 광범위하게 사용된다. 용어들 "정보" 및 "데이터"는 광범위하게 사용되고, 실행가능 코드; 특히 텍스트, 비디오 데이터, 및 오디오 데이터와 같은 콘텐츠; 및 다양한 코드들 또는 플래그들을 포함하는, 광범위한 전자 정보를 포함한다. 용어들 "정보", "데이터" 및 "콘텐츠"는 때때로, 문맥상 허용될 때 상호교환가능하게 사용된다.
본 명세서에 개시된 태양들과 관련하여 기술된 다양한 예시적인 로직들, 논리 블록들, 모듈들 및 회로들을 구현하는 데 사용되는 하드웨어는 본 명세서에 기술된 기능들을 수행하도록 설계된 범용 프로세서, 디지털 신호 프로세서(digital signal processor, DSP), 주문형 집적 회로(application specific integrated circuit, ASIC) 또는 필드 프로그래밍가능 게이트 어레이(field programmable gate array, FPGA)와 같은 특수 목적 프로세서, 프로그래밍가능 로직 디바이스, 개별 게이트 또는 트랜지스터 로직, 개별 하드웨어 컴포넌트들, 또는 이들의 임의의 조합을 포함할 수 있다. 범용 프로세서는 마이크로프로세서일 수 있지만, 대안적으로, 프로세서는 임의의 프로세서, 제어기, 마이크로제어기, 또는 상태 기계일 수 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예컨대 DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어와 관련한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 그러한 구성으로서 구현될 수 있다. 대안적으로 또는 추가로, 일부 단계들 또는 방법들은 주어진 기능에 특정적인 회로부에 의해 수행될 수 있다.
하나 이상의 예시적인 실시예들에서, 본 명세서에 기술된 기능들은 특수 목적 하드웨어 또는 펌웨어 또는 다른 소프트웨어에 의해 프로그래밍된 하드웨어의 조합에 의해 구현될 수 있다. 펌웨어 또는 다른 소프트웨어에 의존하는 구현예들에서, 기능들은 하나 이상의 비일시적 컴퓨터 판독가능 매체 및/또는 하나 이상의 비일시적 프로세서 판독가능 매체 상에 저장된 하나 이상의 명령어들의 실행의 결과로서 수행될 수 있다. 이들 명령어들은 하나 이상의 비일시적 컴퓨터 판독가능 또는 프로세서 판독가능 저장 매체 상에 존재하는 하나 이상의 프로세서 실행가능 소프트웨어 모듈들에 의해 구현될 수 있다. 비일시적 컴퓨터 판독가능 또는 프로세서 판독가능 저장 매체들은 이와 관련하여 컴퓨터 또는 프로세서에 의해 액세스될 수 있는 임의의 저장 매체들을 포함할 수 있다. 제한이 아닌 예로서, 그러한 비일시적 컴퓨터 판독가능 또는 프로세서 판독가능 매체들은 랜덤 액세스 메모리(random access memory, RAM), 판독 전용 메모리(read-only memory, ROM), 전기적으로 소거가능한 프로그래밍가능 판독 전용 메모리(electrically erasable programmable read-only memory, EEPROM), 플래시 메모리, 디스크 저장 디바이스, 자기 저장 디바이스 등을 포함할 수 있다. 본 명세서에 사용되는 바와 같이, 디스크 저장소는 콤팩트 디스크(compact disc, CD), 레이저 디스크, 광학 디스크, 디지털 다기능 디스크(digital versatile disc, DVD), 플로피 디스크, 및 블루레이 디스크™, 또는 데이터를 자기적으로 또는 레이저들을 이용하여 광학적으로 저장하는 다른 저장 디바이스들을 포함한다. 상기 유형들의 매체들의 조합들이 또한 용어들 비일시적 컴퓨터 판독가능 및 프로세서 판독가능 매체의 범주 내에 포함된다. 추가적으로, 하나 이상의 비일시적 프로세서 판독가능 또는 컴퓨터 판독가능 매체들 상에 저장된 명령어들의 임의의 조합은 본 명세서에서 컴퓨터 프로그램 제품으로 지칭될 수 있다.
전술한 설명 및 연관된 도면에서 제시된 교시 내용의 이익을 갖는 이들 발명이 속하는 기술 분야의 당업자는 본 명세서에 설명된 본 발명의 많은 수정 및 다른 실시예를 생각해낼 것이다. 도면들이 본 명세서에 기술된 장치 및 시스템들의 소정 컴포넌트들만을 도시하지만, 다양한 다른 컴포넌트들이 공급 관리 시스템과 함께 사용될 수 있음이 이해된다. 따라서, 본 발명이 개시된 특정 실시예로 제한되지 않아야 하고, 변경 및 다른 실시예가 첨부된 청구범위의 범주 내에 포함되도록 의도됨이 이해되어야 한다. 또한, 전술된 방법의 단계들은 첨부 도면들에 도시된 순서로 반드시 발생하는 것이 아닐 수 있고, 일부 경우들에서 도시된 단계들 중 하나 이상이 실질적으로 동시에 발생할 수 있거나, 또는 추가적인 단계들이 수반될 수 있다. 특정 용어가 본 명세서에 사용되지만, 이들은 일반적이고 설명적인 의미로만 사용되며 제한의 목적으로는 사용되지 않는다.
상세한 설명 및 예들은 단지 예시적인 것으로 간주되며, 이때 본 개시내용의 진정한 범주 및 사상은 하기 청구범위에 의해 표시되는 것으로 의도된다.

Claims (10)

  1. 시스템으로서,
    하나 이상의 프로세서들;
    메모리; 및
    상기 메모리에 저장된 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은,
    자산들의 포트폴리오와 연관된 대시보드 시각화를 생성하라는 요청을 수신하도록 - 상기 요청은,
    상기 자산들의 포트폴리오 내의 하나 이상의 자산들을 설명하는 자산 디스크립터를 포함함 -; 그리고
    상기 요청에 응답하여,
    상기 자산 디스크립터에 기초하여, 상기 자산들의 포트폴리오와 연관된 집계 데이터를 획득하고;
    상기 집계 데이터에 대한 속성들의 시계열 맵핑(time series mapping)과 관련된 모델에 기초하여 상기 자산들의 포트폴리오와 연관된 자산 계층구조에 대한 메트릭들을 결정하고;
    상기 대시보드 시각화를 컴퓨팅 디바이스의 전자 인터페이스에 제공하도록 - 상기 대시보드 시각화는 상기 자산들의 포트폴리오와 연관된 상기 자산 계층구조에 대한 메트릭들을 포함함 - 구성되는 명령어들을 포함하는, 시스템.
  2. 제1항에 있어서, 상기 요청은 사용자 식별자를 추가로 포함하고, 상기 사용자 식별자는 상기 전자 인터페이스를 통해 상기 대시보드 시각화의 액세스와 연관된 사용자에 대한 사용자 역할을 설명하고, 상기 요청에 응답하여, 상기 집계 데이터가 상기 사용자 식별자에 기초하여 획득되는, 시스템.
  3. 제2항에 있어서, 상기 하나 이상의 프로그램들은,
    상기 사용자 식별자에 기초하여 상기 대시보드 시각화를 구성하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
  4. 제1항에 있어서, 상기 하나 이상의 프로그램들은,
    상기 메트릭들에 기초하여 상기 자산들의 포트폴리오에 대한 우선순위화된 액션들의 목록을 결정하도록; 그리고
    상기 대시보드 시각화를 통해 상기 전자 인터페이스에 상기 우선순위화된 액션들의 목록을 제공하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
  5. 제4항에 있어서, 상기 하나 이상의 프로그램들은,
    상기 집계 데이터 사이의 관계들에 기초하여 상기 자산들의 포트폴리오에 대한 상기 우선순위화된 액션들을 그룹화하도록; 그리고
    상기 자산들의 포트폴리오에 대한 상기 우선순위화된 액션들의 그룹화에 기초하여 상기 대시보드 시각화를 구성하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
  6. 제4항에 있어서, 상기 하나 이상의 프로그램들은,
    상기 자산들의 포트폴리오와 관련되는 각자의 우선순위화된 액션들의 영향에 기초하여, 상기 우선순위화된 액션들을 순위화(rank)하여 상기 우선순위화된 액션들의 목록을 생성하도록; 그리고
    상기 우선순위화된 액션들의 목록을 상기 대시보드 시각화를 통해 상기 전자 인터페이스에 제공하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
  7. 제1항에 있어서, 상기 하나 이상의 프로그램들은,
    상기 메트릭들에 기초하여 상기 자산들의 포트폴리오에 대한 하나 이상의 추천들과 연관된 경보들 목록을 결정하도록; 그리고
    상기 대시보드 시각화를 통해 상기 경보들 목록을 상기 전자 인터페이스에 제공하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
  8. 제1항에 있어서, 상기 하나 이상의 프로그램들은,
    자산들의 상이한 계층구조 레벨과 관련되는 상기 자산들의 포트폴리오의 성과의 시각화를 제공하기 위해 상기 대시보드 시각화를 구성하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
  9. 제1항에 있어서, 상기 하나 이상의 프로그램들은,
    음성 입력을 수신하도록 - 상기 음성 입력은 상기 대시보드 시각화를 생성하라는 요청을 포함하고, 상기 음성 입력은,
    상기 자산들의 포트폴리오와 연관된 하나 이상의 자산 통찰 요청들을 포함하는 음성 입력 데이터를 포함함 -; 그리고
    상기 음성 입력에 응답하여:
    상기 음성 입력 데이터와 관련되는 자연 언어 질의를 수행하고 - 상기 자연 언어 질의는 상기 하나 이상의 자산 통찰 요청들과 연관된 하나 이상의 속성들을 획득함 -;
    상기 하나 이상의 속성들에 기초하여, 상기 자산들의 포트폴리오와 연관된 집계 데이터를 획득하고;
    상기 집계 데이터에 기초하여 상기 자산들의 포트폴리오에 관련된 하나 이상의 자산 통찰들을 결정하도록 - 상기 대시보드 시각화는 상기 자산들의 포트폴리오에 대한 상기 하나 이상의 자산 통찰들을 포함함 - 구성되는 명령어들을 추가로 포함하는, 시스템.
  10. 제9항에 있어서, 상기 하나 이상의 프로그램들은,
    상기 음성 입력과 연관된 상기 하나 이상의 속성들에 기초하여 상기 대시보드 시각화에 대한 상기 자산들의 포트폴리오로부터 자산의 3차원(3D) 모델을 구성하도록 구성되는 명령어들을 추가로 포함하는, 시스템.
KR1020237024023A 2020-12-18 2021-12-16 자산들의 포트폴리오의 관리 KR20230118184A (ko)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US202063127559P 2020-12-18 2020-12-18
US63/127,559 2020-12-18
US202163133652P 2021-01-04 2021-01-04
US63/133,652 2021-01-04
IN202111038629 2021-08-26
IN202111038629 2021-08-26
US17/546,943 2021-12-09
US17/546,943 US20220198565A1 (en) 2020-12-18 2021-12-09 Management of a portfolio of assets
PCT/US2021/072948 WO2022133464A1 (en) 2020-12-18 2021-12-16 Management of a portfolio of assets

Publications (1)

Publication Number Publication Date
KR20230118184A true KR20230118184A (ko) 2023-08-10

Family

ID=79282950

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237024023A KR20230118184A (ko) 2020-12-18 2021-12-16 자산들의 포트폴리오의 관리

Country Status (6)

Country Link
US (1) US20220198565A1 (ko)
EP (1) EP4016418A1 (ko)
KR (1) KR20230118184A (ko)
CN (1) CN114648202A (ko)
AU (1) AU2021403180A1 (ko)
WO (1) WO2022133464A1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210390477A1 (en) * 2020-06-15 2021-12-16 Honeywell International Inc. Hierarchal scheduling for multiple site building management system
US20220198404A1 (en) * 2020-12-23 2022-06-23 International Business Machines Corporation Asset health score based on digital twin resources
US20220358434A1 (en) * 2021-05-06 2022-11-10 Honeywell International Inc. Foundation applications as an accelerator providing well defined extensibility and collection of seeded templates for enhanced user experience and quicker turnaround
CN115114268B (zh) * 2022-06-30 2023-08-11 北京亚控科技发展有限公司 一种组织未来状态孪生方法、装置及设备
WO2024054753A1 (en) * 2022-09-08 2024-03-14 Fidelity Information Services, Llc Systems and methods for asset map interface for information technology infrastructure
EP4345676A1 (en) * 2022-09-28 2024-04-03 Siemens Aktiengesellschaft Method for designing energy systems
EP4345675A1 (en) * 2022-09-28 2024-04-03 Siemens Aktiengesellschaft User interface for parametrizing simulation of energy systems
US20240112134A1 (en) * 2022-09-29 2024-04-04 Honeywell International Inc. System and method for template creation, configuration, and identification
US20240112133A1 (en) * 2022-09-29 2024-04-04 Honeywell International Inc. Methods and systems for management of events and disruptions

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160131388A1 (en) * 2014-11-12 2016-05-12 Trane International Inc. Contextual scoring in a building automation system
EP3452964A1 (en) * 2016-05-04 2019-03-13 Johnson Controls Technology Company Systems and methods for agent interaction with building management system
US20200067789A1 (en) * 2016-06-24 2020-02-27 QiO Technologies Ltd. Systems and methods for distributed systemic anticipatory industrial asset intelligence
US11423347B2 (en) * 2018-08-31 2022-08-23 Kinaxis Inc. Conversational business tool

Also Published As

Publication number Publication date
US20220198565A1 (en) 2022-06-23
AU2021403180A1 (en) 2023-07-06
CN114648202A (zh) 2022-06-21
EP4016418A1 (en) 2022-06-22
WO2022133464A1 (en) 2022-06-23

Similar Documents

Publication Publication Date Title
EP4016418A1 (en) Management of a portfolio of assets
AU2021331645A1 (en) Enterprise spend optimization and mapping model architecture
EP4216120A1 (en) Performance metric assurance for asset management
EP4198833A1 (en) Industrial knowledge graph and contextualization
Zhang et al. Big data-enabled intelligent synchronisation for the complex production logistics system under the opti-state control strategy
US20230161777A1 (en) Adaptive ontology driven dimensions acquisition, automated schema creation, and enriched data in time series databases
US20220374402A1 (en) Contextualized time series database and/or multi-tenant server system deployment
US20230055641A1 (en) Real-time generation of digital twins based on input data captured by user device
US20220398665A1 (en) Dashboard visualization for a portfolio of assets
CA3202697A1 (en) Management of a portfolio of assets
US20230401643A1 (en) Systems and Methods for Global Operations Display
US20230401518A1 (en) Systems and methods to optimize warehouse operations
EP4187401A1 (en) Adaptive ontology driven dimensions acquisition, automated schema creation, and enriched data in time series databases
US20220309475A1 (en) Remote monitoring and management of assets from a portfolio of assets based on an asset model
US20230161645A1 (en) Classification of events by pattern recognition in multivariate time series data
US20220309079A1 (en) Remote monitoring and management of assets from a portfolio of assets
US20230044522A1 (en) Apparatus and method for managing industrial process optimization related to batch operations
US20230408985A1 (en) Apparatus and method for calculating asset capability using model predictive control and/or industrial process optimization
US20240118680A1 (en) Data modeling and digital asset template generation to provide asset instance inheritance for assets within an industrial environment
Rane et al. Artificial intelligence and machine learning for resilient and sustainable logistics and supply chain management
US20220067109A1 (en) Cognitive automation platform
de Barros An intelligent decision support system for estimating supply lead times towards improved safety stock dimensioning
WO2022204703A1 (en) Remote monitoring and management of assets from a portfolio of assets based on an asset model
Λυκογιάννης Industry 4.0-Digital transformation, ISA 95, digital twin
Freese et al. A conceptual framework for supply chain digital twins–development and evaluation

Legal Events

Date Code Title Description
A201 Request for examination