【技术实现步骤摘要】
基于联合历史和时间序列分析的异常表征的系统和方法本公开整体涉及检测异常。更具体地讲，本公开涉及用于基于联合历史和时间序列分析的异常表征的系统和方法。异常检测或异常值检测是一种数据挖掘方法，其识别不符合预期模式或数据组中的其他模式的项目或事件。异常检测与各种领域相关，例如，制造、医疗领域和能源相关领域。例如，在制造中，能源使用可引起显著的成本，诸如在运行具有机器的工厂或具有设备的数据中心时。为此，识别异常可提供更有效的制造系统，这继而可降低成本并且改善系统以及其组成部件或零件的总体效率。随着智能仪表、传感器和物联网(IoT)设备的出现，存在用以监测工厂机器的低效率以及检测和管理异常的能源使用的机会。相关美国专利申请16/143,223涉及一种通过对二维或更高维度数据组的时间序列数据使用历史范围和分箱四分位距分析来促进异常检测的方法。然而，目前无法区分(一方面)减少能量或生产率损失的真正机会与(另一方面)来自快速瞬时事件(例如，电源开/关、突然温度变化和突然的生产水平提高)的不可控的电源浪涌。这可能导致用于数据挖掘和异常检测的系统效率低下。
【技术保护点】
1.一种用于促进异常检测和表征的计算机实现的方法，所述方法包括：/n由计算设备确定包括多个数据点的第一组测试数据，其中所述第一组包括第一变量和一个或多个第二变量的数据序列，并且其中所述一个或多个第二变量取决于所述第一变量；/n通过将所述第一组测试数据分成多个组并且对每个相应组中的数据执行四分位距分析来识别异常；/n从所述第一组测试数据获取第二组测试数据，所述第二组测试数据包括来自在当前时间之前小于预先确定的时间段处出现的最近时间段的数据序列，并且还包括来自所识别的异常的第一数据点；以及/n基于所述第二组测试数据的导数的量值是否大于第一预先确定的阈值而将所述第一数据点分类为第...
【技术特征摘要】
20181025 US 16/1708151.一种用于促进异常检测和表征的计算机实现的方法，所述方法包括：
由计算设备确定包括多个数据点的第一组测试数据，其中所述第一组包括第一变量和一个或多个第二变量的数据序列，并且其中所述一个或多个第二变量取决于所述第一变量；
通过将所述第一组测试数据分成多个组并且对每个相应组中的数据执行四分位距分析来识别异常；
从所述第一组测试数据获取第二组测试数据，所述第二组测试数据包括来自在当前时间之前小于预先确定的时间段处出现的最近时间段的数据序列，并且还包括来自所识别的异常的第一数据点；以及
基于所述第二组测试数据的导数的量值是否大于第一预先确定的阈值而将所述第一数据点分类为第一类型的异常，
从而基于对所述第一组测试数据的历史分析和对所述第二组测试数据的最近时间序列分析来增强所述数据序列的数据挖掘和异常值检测。
2.根据权利要求1所述的方法，其中所述第一变量或所述一个或多个第二变量为以下中的一者或多者：
参数，所述参数与参与获取所述第一组测试数据的物理设备相关联，
其中所述参数为以下中的一者或多者：
温度值；
计数、数量或其他单位，所述计数、数量或其他单位用于测量生产；
材料的流量单位或量度；
材料的压力单位或量度；和
任何参数，所述任何参数能够在测量另一个参数时用作控制参数。
3.根据权利要求2所述的方法，其中所述物理设备是传感器、智能仪表、物联网(IoT)设备和能够测量所述参数的任何设备中的一者或多者。
4.根据权利要求1所述的方法，还包括：
响应于确定所述第二组测试数据的所述导数的所述量值大于所述第一预先确定的阈值而将所述第一数据点分类为所述第一类型的异常；以及
响应于确定所述第二组测试数据的所述导数的所述量值不大于所述第一预先确定的阈值而将所述第一数据点分类为第二类型的异常。
5.根据权利要求4所述的方法，
其中所述第一类型的异常与以下中的一者或多者相关联：
控制参数的浪涌；
开/关事件；和
所述控制参数的突然瞬时变化；并且
其中所述第二类型的异常与稳态异常相关联。
6.根据权利要求5所述的方法，还包括：
通过确定被分类为异常并且能够归因于所述控制参数的浪涌、所述开/关事件或所述控制参数的所述突然瞬时变化的第三组数据点来检测指示与参与获取所述第一组测试数据的物理设备相关联的高浪涌的趋势。
7.根据权利要求6所述的方法，还包括：
响应于确定所述趋势不大于第二预先确定的阈值，确定所述物理设备正在经历正常操作；以及
响应于确定所述趋势大于所述第二预先确定的阈值，确定所述物理设备正在经历劣化。
8.根据权利要求1所述的方法，还包括：
由所述计算设备的用户基于一组预先确定的条件将所述第一数据点分类为所述第一类型的异常；
由所述计算设备的所述用户执行处理所分类的异常的动作，
其中所述动作包括以下中的一者或多者：
补救或纠正动作，用以确保所分类的异常不再发生；
调节影响所述第一变量或所述一个或多个第二变量的物理参数；以及
调节从中获取所述数据序列的设备的物理部件。
9.一种用于促进异常检测和表征的计算机系统，所述计算机系统包括：
处理器；和
存储设备，所述存储设备存储当由所述处理器执行时使得所述处理器执行一种方法的指令，所述方法包括：
由计算设备确定包括多个数据点的第一组测试数据，其中所述第一组包括第一变量和一个或多个第二变量的数据序列，并且其中所述一个或多个第二变量取决于所述第一变量；
通过将所述第一组测试数据分成多个组并且对每个相应组中的数据执行四分位距分析来识别异常；
从所述第一组测试数据获取第二组测试数据，所述第二组测试数据包括来自在当前时间之前小于预先确定的时间段处出现的最近时间段的数据序列，并且还包括来自所识别的异常的第一数据点；以及
基于所述第二组测试数据的导数的量值是否大于第一预先确定的阈值而将所述第一数据点分类为第一类型的异常，
从而基于对所述第一组测试数据的历史分析和对所述第二组测试数据的最近时间序列分析来增强所述数据序列的数据挖掘和异常值检测。
10.根据权利要求9所述的计算机系统，其中所述第一变量或所述一个或多个第二变量为以下中的一者...
【专利技术属性】
技术研发人员：朴正淏，A·拉客阿凡，R·A·罗西，多鹿阳介，岭岸瞳，小掠哲羲，
申请(专利权)人：帕洛阿尔托研究中心公司，松下电器产业株式会社，
类型：发明
国别省市：美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。