TWI640919B - 情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體 - Google Patents
情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體 Download PDFInfo
- Publication number
- TWI640919B TWI640919B TW105140495A TW105140495A TWI640919B TW I640919 B TWI640919 B TW I640919B TW 105140495 A TW105140495 A TW 105140495A TW 105140495 A TW105140495 A TW 105140495A TW I640919 B TWI640919 B TW I640919B
- Authority
- TW
- Taiwan
- Prior art keywords
- batch
- candidate
- scenario
- incremental
- time interval
- Prior art date
Links
Abstract
一種情節探勘方法，包含下列步驟。在每一增量時間區間產生至少一增量候選樣板，其中增量候選樣板為增量情節，增量情節包含即時運作參數的一組事件，並具有大於增量門檻值的增量發生頻率；在每一批次時間區間產生至少一批次候選樣板，其中批次候選樣板為批次情節，批次情節包含即時運作參數在批次時間區間中的一組事件，並具有大於批次門檻值的批次發生頻率；從增量候選樣板以及批次候選樣板中決定至少一新增候選情節，新增候選情節具有大於決定門檻值的發生頻率；以及根據新增候選情節產生至少一偵測規則。
Description
本發明是有關於一種資料探勘技術，且特別是有關於一種情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體。
情節探勘為在大量資料中找尋樣板的計算方法。情節探勘的主要目標在於從資料中擷取資訊，並將其轉換為可以使人了解的結構，以做為其他未來的用途。在傳統的情節探勘中，是循序分析資料來產生候選樣板。接著，需要對這些循序的資料進行掃描以及與資料庫中的歷史資料進行比較，來產生所需的樣板。然而，這樣的方式需要對資料庫中所有的歷史資料進行反覆的掃描。這樣的掃描過程耗費許多時間，並將造成非常低的效率。
因此，如何設計一個新的情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體，以解決上述缺陷，乃為此一業界亟待解決的問題。
因此，本發明之一態樣是在提供一種情節探勘(episode mining)裝置，包含：偵測模組、儲存模組以及處理模組。偵測模組配置以偵測運作裝置之複數個即時運作參數。儲存模組配置以儲存複數歷史候選情節以及複數電腦可執行指令，其中指令包含：差異(delta)情節探勘單元、批次(batch)情節探勘單元、樣板整合單元以及規則產生單元。差異情節探勘單元配置以接收即時運作參數，以在每一增量(incremental)時間區間產生至少一增量候選樣板，其中增量候選樣板為增量情節，增量情節包含即時運作參數的一組事件，並具有大於增量門檻值的增量發生頻率。批次情節探勘單元配置以接收即時運作參數以及歷史候選情節，以在每一批次時間區間產生至少一批次候選樣板，其中批次候選樣板為批次情節，批次情節包含即時運作參數在批次時間區間中的一組事件，並具有大於批次門檻值的批次發生頻率。樣板整合單元配置以從增量候選樣板以及批次候選樣板中決定至少一新增候選情節，新增候選情節具有大於決定門檻值的發生頻率。規則產生單元配置以根據新增候選情節產生至少一偵測規則。處理模組耦接於儲存單元以及偵測單元，並配置以執行指令。
本發明之另一態樣是在提供一種情節探勘方法，應用於情節探勘裝置中，情節探勘裝置包含配置以偵測運作裝置之複數個即時運作參數之偵測模組、配置以儲存複
數歷史候選情節以及複數電腦可執行指令之儲存模組以及電性耦接於儲存模組以及偵測模組之處理模組，處理模組執行指令以執行情節探勘方法，情節探勘方法包含下列步驟：在每一增量時間區間產生至少一增量候選樣板，其中增量候選樣板為增量情節，增量情節包含即時運作參數的一組事件，並具有大於增量門檻值的增量發生頻率；在每一批次時間區間產生至少一批次候選樣板，其中批次候選樣板為批次情節，批次情節包含即時運作參數在批次時間區間中的一組事件，並具有大於批次門檻值的批次發生頻率；從增量候選樣板以及批次候選樣板中決定至少一新增候選情節，新增候選情節具有大於決定門檻值的發生頻率；以及根據新增候選情節產生至少一偵測規則。
本發明之又一態樣是在提供一種非暫態電腦可讀取紀錄媒體，儲存電腦程式，電腦程式包含電腦可執行之複數指令，用以執行應用於情節探勘裝置的情節探勘方法，情節探勘裝置包含配置以偵測運作裝置之複數個即時運作參數之偵測模組、配置以儲存複數歷史候選情節以及複數電腦可執行指令之儲存模組以及電性耦接於儲存模組以及偵測模組之處理模組，處理模組執行指令以執行情節探勘方法，情節探勘方法包含下列步驟：在每一增量時間區間產生至少一增量候選樣板，其中增量候選樣板為增量情節，增量情節包含即時運作參數的一組事件，並具有大於增量門檻值的增量發生頻率；在每一批次時間區間產生至少一批次候選樣板，其中批次候選樣板為批次情節，批次情節包含即時運
作參數在批次時間區間中的一組事件，並具有大於批次門檻值的批次發生頻率；從增量候選樣板以及批次候選樣板中決定至少一新增候選情節，新增候選情節具有大於決定門檻值的發生頻率；以及根據新增候選情節產生至少一偵測規則。
應用本發明之優點在於藉由差異情節探勘單元以及批次情節探勘單元擷取較短時間週期內的增量候選樣板以及較長時間週期內的批次候選樣板，更有效率地反映短期與長期的情節發生頻率，並據以產生新增候選情節以及對應的偵測規則，而輕易地達到上述之目的。
1‧‧‧情節探勘裝置
10‧‧‧處理模組
101‧‧‧即時運作參數
12‧‧‧儲存模組
120‧‧‧指令
122‧‧‧歷史候選情節
14‧‧‧偵測模組
16‧‧‧運作裝置
200‧‧‧資料前處理單元
201‧‧‧增量候選樣板
202‧‧‧差異情節探勘單元
203‧‧‧批次候選樣板
204‧‧‧批次情節探勘單元
205‧‧‧新增候選情節
206‧‧‧樣板整合單元
207‧‧‧偵測規則
208‧‧‧規則產生單元
210‧‧‧複雜事件處理單元
400‧‧‧情節探勘方法
401-404‧‧‧步驟
第1圖為本發明一實施例中，一種情節探勘裝置之方塊圖；第2圖為本發明一實施例中，當第1圖的指令由處理模組執行時的方塊圖；第3圖為本發明一實施例中，繪示情節對應發生頻率的各種狀況的示意圖；以及第4圖為本發明一實施例中，一種情節探勘方法的流程圖。
請參照第1圖。第1圖為本發明一實施例中，一種情節探勘裝置1之方塊圖。情節探勘裝置1包含：處理模組10、儲存模組12以及偵測模組14。
處理單元10耦接於儲存模組12以及偵測模組14。處理單元10可為各種具有運算能力的處理器，並可透過不同的資料傳輸路徑與上述的模組進行資料傳輸。於不同實施例中，儲存模組12可為例如，但不限於唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或其他本領域的通常知識者所熟知可執行同樣功能的記憶體。
於一實施例中，偵測模組14可包含複數個偵測器，以偵測運作裝置16的複數個即時運作參數101。於一實施例中，運作裝置16可為例如，但不限於鍋爐。即時運作參數101可包含鍋爐在運作狀況下的參數。
需注意的是，上述的元件僅為範例性的描述。於其他實施例中，情節探勘裝置1可包含其他類型的元件。
儲存模組12配置以儲存複數電腦可執行指令120。指令120在被處理模組10執行時，可運作為複數個模組，以提供情節探勘裝置1的功能。情節探勘裝置1在運作時，由處理模組10所執行的處理程序，將在下列段落進行說明。
請參照第2圖。第2圖為本發明一實施例中，當第1圖的指令120由處理模組10執行時的方塊圖。在本實施例中，指令120包含資料前處理單元200、差異(delta)情
節探勘單元202、批次(batch)情節探勘單元204、樣板整合單元206以及規則產生單元208。
以下段落將針對各個模組的運作進行詳細的說明。
資料前處理單元200配置以對即時運作參數101執行分類、整合、轉換、正規化或其組合的處理。其中資料前處理單元200將即時運作參數分類為複數個特徵群組、複數個控制參數以及複數個監測參數。例如，當運作裝置16為鍋爐時，即時運作參數101可被分類為不同的特徵群組。舉例來說，部分即時運作參數101可依據鍋爐使用的煤質的類型分類，而部分即時運作參數101可依據負載量分類。
更進一步地，即時運作參數101可被分類為包含例如，但不限於主要氣體溫度以及研磨機運轉速度的控制參數，以及包含例如，但不限於爐膛溫度、出口溫度以及灑水量的監測參數。
差異情節探勘單元202配置以接收即時運作參數101，以在每一增量時間區間產生至少一增量候選樣板201。於一實施例中，增量時間區間可為例如，但不限於30秒或是一分鐘的長度。
增量候選樣板201為增量情節，且增量情節包含即時運作參數101的一組事件，並具有大於增量門檻值的增量發生頻率。
需注意的是，即時運作參數101的一組事件可包含一個運作參數的事件及/或一個監測參數的事件。舉例而言，即時運作參數101可包含吹灰單元(未繪示)的運作狀況(開啟或關閉)以及爐膛溫度，其中吹灰單元用以對鍋爐進行吹灰。此組事件可為在三個特定的吹灰單元運作時，爐膛溫度超過一個門檻值的一個增量情節。在另一個範例中，此組事件亦可為在五個特定的吹灰單元運作時，爐膛溫度低於該門檻值的另一個情節。
這樣的增量情節可能在增量時間區間中發生數次。因此，在一實施例中，增量情節的發生頻率可為該增量情節的發生次數與在該增量時間區間中的所有情節的發生次數間的比例。當增量情節的發生頻率大於增量門檻值，例如但不限於80%時，這樣的情節將被決定為增量候選樣板201。
於一實施例中，第1圖繪示的儲存模組12可儲存歷史候選情節122，其中各個歷史候選情節122被選擇為代表歷史中經常發生的一些情節。舉例來說，當三個特定的吹灰單元在運作時，爐膛溫度超過一個門檻值的一個情節的歷史發生機率大於一個門檻值時，這樣的情節將被選擇為其中一個歷史候選情節122。
批次情節探勘單元204配置以接收即時運作參數101以及歷史候選情節122，以在每一批次時間區間產生至少一批次候選樣板203。於一實施例中，批次時間區間可為例如，但不限於一天或一星期的長度。
批次候選樣板203為批次情節，且批次情節包含即時運作參數101在批次時間區間中的一組事件，並具有大於批次門檻值的批次發生頻率。
與增量情節類似，批次情節為即時運作參數101的一組事件。這樣的批次情節可能在批次時間區間中發生數次。因此，在一實施例中，批次情節的發生頻率可為批次情節的發生次數與在批次時間區間中包含同樣的該組事件的歷史候選情節122的發生次數間的比例。當批次情節的發生頻率大於批次門檻值，例如但不限於80%時，這樣的情節將被決定為批次候選樣板203。
樣板整合單元206配置以從增量候選樣板201以及批次候選樣板203中決定至少一新增候選情節205，其中新增候選情節205具有大於決定門檻值的發生頻率。
請參照第3圖。第3圖為本發明一實施例中，繪示情節對應發生頻率的各種狀況的示意圖。
如第3圖所示，情節將有四種不同的狀況。第一個狀況是情節在增量時間區間以及批次時間區間均經常發生。第二個狀況是情節在增量時間區間經常發生，但是在批次時間區間不常發生。第三個狀況是情節在批次時間區間經常發生，但是在增量時間區間不常發生。第四個狀況是情節在增量時間區間以及批次時間區間均不常發生。
因此，當一個增量候選樣板201亦為批次候選樣板203時，這樣的樣板符合第一個狀況。樣板整合單元206直接決定這樣的樣板為新增候選情節205。
當一個增量候選樣板201不同時為批次候選樣板203時，這樣的樣板符合第二個狀況。因此，這樣的樣板在歷史候選情節以及在增量時間區間中的所有情節中的發生頻率將被決定。如果歷史候選情節的數目為D，在增量時間區間中的所有情節的數目為△D，且增量候選樣板201的發生機率為△S，則發生頻率可以下式計算：((△s×|△D|)/(|D|+|△D|))。當發生頻率大於一個門檻值時，增量候選樣板201將被決定為新增候選情節205。反之，當發生頻率不大於門檻值時，增量候選樣板201將不會被決定為新增候選情節205。
當一個批次候選樣板203不同時為增量候選樣板201時，這樣的樣板符合第三個狀況。因此，這樣的樣板在歷史候選情節以及在批次時間區間中的所有情節中的發生頻率將被決定。如果歷史候選情節的數目為D，在批次時間區間中的所有情節的數目為△D，且批次候選樣板203的發生機率為s，則發生頻率可以下式計算：((s×|D|)/(|D|+|△D|))。當發生頻率大於一個門檻值時，批次候選樣板203將被決定為新增候選情節205。反之，當發生頻率不大於門檻值時，批次候選樣板203將不會被決定為新增候選情節205。
當一個樣板既非增量候選樣板201亦非批次候選樣板203時，這樣的樣板將不需要被考慮。
需注意的是，於一實施例中，各個即時運作參數101的關鍵績效指標(key performance indicators；
KPI)將被計算。樣板的參數與關鍵績效指標間的差降被用來產生權重，以進行樣板整合。因此，這樣的權重可用以對第3圖所描述的式子中，與增量候選樣板201相關的項次進行加權。
於一實施例中，樣板整合單元206儲存新增候選情節205於儲存模組12中，以做為歷史候選情節122的一部分。
規則產生單元208配置以根據新增候選情節205產生至少一偵測規則207。於一實施例中，指令120更包含複雜事件處理單元210，配置以根據偵測規則207執行規則偵測動作。
更詳細地說，複雜事件處理單元210可從偵測模組14接收即時運作參數101，以決定是否有特定情節發生，並進一步決定需要對應執行甚麼動作。舉例而言，當複雜事件處理單元210根據偵測規則207偵測到三個特定的吹灰單元運作時，爐膛溫度超過一個門檻值的情節時，複雜事件處理單元210可決定需要開啟額外的吹灰單元，以提升吹灰效率。
請參照第4圖。第4圖為本發明一實施例中，一種情節探勘方法400的流程圖。情節探勘方法400可應用於如第1圖所繪示的情節探勘裝置1中，或經由其他硬體元件如資料庫、一般處理器、計算機、伺服器、或其他具特定邏輯電路的獨特硬體裝置或具特定功能的設備來實作，如將程式碼和處理器/晶片整合成獨特硬體。此方法可實作為一電腦程式，
並儲存於一電腦可讀取記錄媒體中，而使電腦讀取此記錄媒體後控制情節探勘裝置1的模組執行情節探勘方法400。電腦可讀取記錄媒體可為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之電腦可讀取紀錄媒體。
情節探勘方法400包含下列步驟(應瞭解到，在本實施方式中所提及的步驟，除特別敘明其順序者外，均可依實際需要調整其前後順序，甚至可同時或部分同時執行)。
於步驟401，由差異情節探勘單元202在每一增量時間區間產生至少一增量候選樣板201，其中增量候選樣板201為增量情節，增量情節包含即時運作參數的一組事件，並具有大於增量門檻值的增量發生頻率。
於步驟402，由批次情節探勘單元204在每一批次時間區間產生至少一批次候選樣板203，其中批次候選樣板203為批次情節，批次情節包含即時運作參數在批次時間區間中的一組事件，並具有大於批次門檻值的批次發生頻率。
於步驟403，由樣板整合單元206從增量候選樣板201以及批次候選樣板203中決定至少一新增候選情節205，新增候選情節205具有大於決定門檻值的發生頻率。
於步驟404，由規則產生單元208根據新增候選情節205產生至少一偵測規則207。
需注意的是，上述的步驟中，部分可視實作的需求而調整順序或增減，不為上述的順序及內容所限。
本案提供之情節探勘(episode mining)裝置以及情節探勘方法另可應用於感應資訊控制平台，可偵測環參數，藉由整合差異情節探勘以及批次情節探勘，以推測新增候選情節的發生頻率，並產生偵測規則，達到對將要發生之事件進行預測。
雖然本案內容已以實施方式揭露如上，然其並非配置以限定本案內容，任何熟習此技藝者，在不脫離本案內容之精神和範圍內，當可作各種之更動與潤飾，因此本案內容之保護範圍當視後附之申請專利範圍所界定者為準。
Claims (15)
- 一種情節探勘(episode mining)裝置，包含：一偵測模組，配置以偵測一運作裝置之複數個即時運作參數；一儲存模組，配置以儲存複數歷史候選情節以及複數電腦可執行指令，其中該指令包含：一差異(delta)情節探勘單元，配置以接收該等即時運作參數，以在每一增量(incremental)時間區間產生至少一增量候選樣板(candidate pattern)，其中該增量候選樣板為一增量情節，該增量情節包含該等即時運作參數的一組事件，並具有大於一增量門檻值的一增量發生頻率；一批次(batch)情節探勘單元，配置以接收該等即時運作參數以及該等歷史候選情節，以在每一批次時間區間產生至少一批次候選樣板，其中該批次候選樣板為一批次情節，該批次情節包含該等即時運作參數在該批次時間區間中的一組事件，並具有大於一批次門檻值的一批次發生頻率；一樣板整合單元，配置以從該增量候選樣板以及該批次候選樣板中決定至少一新增候選情節，該新增候選情節具有大於一決定門檻值的一發生頻率；以及一規則產生單元，配置以根據該新增候選情節產生至少一偵測規則；以及一處理模組，耦接於該儲存單元以及該偵測單元，並配置以執行該等指令。
- 如請求項1所述之情節探勘裝置，其中該增量發生頻率為該增量情節的發生次數與在該增量時間區間中的所有複數個情節的發生次數間的一比例。
- 如請求項1所述之情節探勘裝置，其中該批次發生頻率為該批次情節的發生次數與在該批次時間區間中包含同樣的該組事件的該等歷史候選情節的發生次數間的一比例。
- 如請求項1所述之情節探勘裝置，更包含一資料前處理單元，配置以對該等即時運作參數執行分類、整合、轉換、正規化或其組合的處理。
- 如請求項4所述之情節探勘裝置，其中該資料前處理單元將該等即時運作參數分類為複數個特徵群組、複數個控制參數以及複數個監測參數。
- 如請求項1所述之情節探勘裝置，其中當該增量候選樣板在該等歷史候選情節以及在該增量時間區間中的所有複數個情節中的一第一發生頻率大於一第一門檻值時，該增量候選樣板被決定為該新增候選情節，且當該批次候選樣板在該等歷史候選情節以及在該批次時間區間中的所有複數個情節中的一第二發生頻率大於一第二門檻值時，該批次候選樣板被決定為該新增候選情節。
- 如請求項1所述之情節探勘裝置，更包含一複雜事件處理單元，配置以根據該偵測規則執行一規則偵測動作。
- 一種情節探勘方法，應用於一情節探勘裝置中，該情節探勘裝置包含配置以偵測一運作裝置之複數個即時運作參數之一偵測模組、配置以儲存複數歷史候選情節以及複數電腦可執行指令之一儲存模組以及電性耦接於該儲存模組以及該偵測模組之一處理模組，該處理模組執行該等指令以執行該情節探勘方法，該情節探勘方法包含：在每一增量時間區間產生至少一增量候選樣板，其中該增量候選樣板為一增量情節，該增量情節包含該等即時運作參數的一組事件，並具有大於一增量門檻值的一增量發生頻率；在每一批次時間區間產生至少一批次候選樣板，其中該批次候選樣板為一批次情節，該批次情節包含該等即時運作參數在該批次時間區間中的一組事件，並具有大於一批次門檻值的一批次發生頻率；從該增量候選樣板以及該批次候選樣板中決定至少一新增候選情節，該新增候選情節具有大於一決定門檻值的一發生頻率；以及根據該新增候選情節產生至少一偵測規則。
- 如請求項8所述之情節探勘方法，其中該增量發生頻率為該增量情節的發生次數與在該增量時間區間中的所有複數個情節的發生次數間的一比例。
- 如請求項8所述之情節探勘方法，其中該批次發生頻率為該批次情節的發生次數與在該批次時間區間中包含同樣的該組事件的該等歷史候選情節的發生次數間的一比例。
- 如請求項8所述之情節探勘方法，更包含對該等即時運作參數執行分類、整合、轉換、正規化或其組合的處理。
- 如請求項11所述之情節探勘方法，其中該該等即時運作參數被分類為複數個特徵群組、複數個控制參數以及複數個監測參數。
- 如請求項8所述之情節探勘方法，更包含：當該增量候選樣板在該等歷史候選情節以及在該增量時間區間中的所有複數個情節中的一第一發生頻率大於一第一門檻值時，決定該增量候選樣板為該新增候選情節；以及當該批次候選樣板在該等歷史候選情節以及在該批次時間區間中的所有複數個情節中的一第二發生頻率大於一第二門檻值時，決定該批次候選樣板為該新增候選情節。
- 如請求項8所述之情節探勘方法，更包含根據該偵測規則執行一規則偵測動作。
- 一種非暫態電腦可讀取紀錄媒體，儲存一電腦程式，該電腦程式包含電腦可執行之複數指令，用以執行應用於一情節探勘裝置的一情節探勘方法，該情節探勘裝置包含配置以偵測一運作裝置之複數個即時運作參數之一偵測模組、配置以儲存複數歷史候選情節以及複數電腦可執行指令之一儲存模組以及電性耦接於該儲存模組以及該偵測模組之一處理模組，該處理模組執行該等指令以執行該情節探勘方法，該情節探勘方法包含：在每一增量時間區間產生至少一增量候選樣板，其中該增量候選樣板為一增量情節，該增量情節包含該等即時運作參數的一組事件，並具有大於一增量門檻值的一增量發生頻率；在每一批次時間區間產生至少一批次候選樣板，其中該批次候選樣板為一批次情節，該批次情節包含該等即時運作參數在該批次時間區間中的一組事件，並具有大於一批次門檻值的一批次發生頻率；從該增量候選樣板以及該批次候選樣板中決定至少一新增候選情節，該新增候選情節具有大於一決定門檻值的一發生頻率；以及根據該新增候選情節產生至少一偵測規則。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW105140495A TWI640919B (zh) | 2016-12-07 | 2016-12-07 | 情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW105140495A TWI640919B (zh) | 2016-12-07 | 2016-12-07 | 情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201821984A TW201821984A (zh) | 2018-06-16 |
| TWI640919B true TWI640919B (zh) | 2018-11-11 |
Family
ID=63258132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW105140495A TWI640919B (zh) | 2016-12-07 | 2016-12-07 | 情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI640919B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7920983B1 (en) * | 2010-03-04 | 2011-04-05 | TaKaDu Ltd. | System and method for monitoring resources in a water utility network |
| CN102413013A (zh) * | 2011-11-21 | 2012-04-11 | 北京神州绿盟信息安全科技股份有限公司 | 网络异常行为检测方法及装置 |
| CN105071968A (zh) * | 2015-08-18 | 2015-11-18 | 大唐移动通信设备有限公司 | 一种通信设备的业务面和控制面的隐性故障修复方法和装置 |
| TW201608490A (zh) * | 2014-08-25 | 2016-03-01 | 華邦電子股份有限公司 | 資料分析系統以及方法 |
-
2016
- 2016-12-07 TW TW105140495A patent/TWI640919B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7920983B1 (en) * | 2010-03-04 | 2011-04-05 | TaKaDu Ltd. | System and method for monitoring resources in a water utility network |
| CN102413013A (zh) * | 2011-11-21 | 2012-04-11 | 北京神州绿盟信息安全科技股份有限公司 | 网络异常行为检测方法及装置 |
| TW201608490A (zh) * | 2014-08-25 | 2016-03-01 | 華邦電子股份有限公司 | 資料分析系統以及方法 |
| CN105071968A (zh) * | 2015-08-18 | 2015-11-18 | 大唐移动通信设备有限公司 | 一种通信设备的业务面和控制面的隐性故障修复方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201821984A (zh) | 2018-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10228678B2 (en) | Tool failure analysis using space-distorted similarity | |
| US11860608B2 (en) | Industrial equipment operation, maintenance and optimization method and system based on complex network model | |
| Zhou et al. | A new qualitative trend analysis algorithm based on global polynomial fit | |
| CN111597223A (zh) | 故障预警处理方法、装置及系统 | |
| CN108073145B (zh) | 运转支援装置以及记录介质 | |
| US11494690B2 (en) | Apparatus and method of high dimensional data analysis in real-time | |
| JP2020027342A (ja) | 情報処理装置、監視装置、及び情報処理方法 | |
| He et al. | Dynamic mutual information similarity based transient process identification and fault detection | |
| US11599696B2 (en) | Method and apparatus for automatically generating boiler combustion model | |
| Zheng et al. | Density peaks clustering‐based steady/transition mode identification and monitoring of multimode processes | |
| CN111832880B (zh) | 对正在进行的生产批运行的质量指示符的计算机实现的确定 | |
| Li et al. | Canonical variate analysis, probability approach and support vector regression for fault identification and failure time prediction | |
| TWI640919B (zh) | 情節探勘裝置、方法及其非暫態電腦可讀取紀錄媒體 | |
| JP6830414B2 (ja) | 診断装置及び診断方法 | |
| JP5219783B2 (ja) | 不正アクセス検知装置及び不正アクセス検知プログラム及び記録媒体及び不正アクセス検知方法 | |
| Leon‐Medina et al. | Monitoring of the refractory lining in a shielded electric arc furnace: An online multitarget regression trees approach | |
| US10372719B2 (en) | Episode mining device, method and non-transitory computer readable medium of the same | |
| JP6347825B2 (ja) | エピソードマイニング装置及びその方法 | |
| Hamadouche et al. | Kernelized relative entropy for direct fault detection in industrial rotary kilns | |
| US20240142962A1 (en) | Systems and methods for real-time root cause analysis in industrial processes | |
| EP4102311B1 (en) | Method and system for adaptive learning of models in manufacturing systems | |
| Zhang et al. | Performance assessment of fault classifier of chemical plant based on support vector machine | |
| JP2015153290A (ja) | プラント制御装置、プラント制御方法及びプラント制御プログラム | |
| Zheng et al. | Unsafe Behavior Detection with Adaptive Contrastive Learning in Industrial Control Systems | |
| Viedt et al. | Prescriptive and descriptive quality metrics for the quality assessment of operational data |