用于预测工业机器故障的系统和方法技术方案

一种用于预测工业机器中的故障的系统和方法，包括：接收从至少一个机器收集的原始传感输入；基于原始传感输入来生成多个数据特征；从多个数据特征中选择多个指示性数据特征，其中，该选择基于多个指示性数据特征的分布，该分布确定多个指示性数据特征与机器故障之间的关联；基于多个指示性数据特征来选择机器学习模型；将选定的机器学习模型应用于多个指示性数据特征；以及确定即将到来的机器故障的概率。

【技术实现步骤摘要】
【国外来华专利技术】用于预测工业机器故障的系统和方法相关申请的交叉引用本申请要求于2018年8月12日提交的美国临时申请No.62/717,853的权益，该申请的内容通过引用并入本文。
本公开总体上涉及用于机器的维护系统，并且更具体地涉及监视机器操作以改进机器进程。
技术介绍
近年来，通信、处理、云计算、人工智能和其他计算机化技术已经显著进步，预示着技术和生产的新领域。此外，自20世纪70年代或之前以来采用的许多工业技术至今仍在使用。与这些工业技术相关的现有解决方案经常仅见到微小的改进，仅略微增加生产和产量。在现代制造实践中，制造商必须经常满足严格的生产时间线并且提供无瑕疵或几乎无瑕疵的生产质量。因此，每当意外的机器故障发生时，这些制造商都会冒严重损失的风险。机器故障是当机器偏离正确的服务时发生的事件。通常偏离机器的正确状态的错误不一定是故障，但可能导致并指示潜在的未来故障。除了故障之外，错误可能以其他方式引起可能影响性能的不寻常的机器行为。典型制造商的基于平均故障的机器停机时间(即，由于机器故障，生产部分或全部关闭的平均时间量)是每年17天，即，损失17天的生产并因此损失17天的收入。在典型的450兆瓦动力涡轮机的情况下，例如，单日的停机时间可能在损失的收入方面使制造商花费超过3百万美元。这种停机时间可具有与修理、安全防范等相关的附加成本。在能量发电厂中，每年在确保可靠性上花费数十亿美元。具体地，数十亿美元被花费在用于最小化生产停机时间的备份系统和冗余上。此外，可以利用监视系统来快速识别故障，从而当停机时间发生时加速返回到生产。然而，现有的监视系统通常仅在停机时间开始之后或在停机时间开始之前立即识别故障。进一步地，用于监视机器故障的现有解决方案通常依赖于用于每个机器的预定规则的集合。这些规则集合不考虑可以关于机器收集并且可以仅用于检查特定关键参数而忽略其余参数的所有数据。此外，这些规则集合必须由工程师或其他分析人员提前提供。因此，现有解决方案实际上可能仅使用了所收集的数据中的一些，从而导致浪费了与未使用数据的传输、存储和处理相关的计算资源的使用。进一步地，未能考虑所有相关数据可能导致故障的遗漏或以其他方式的不准确的确定或预测。此外，现有解决方案通常依赖于以预定间隔的周期性测试。因此，甚至当机器不处于立即故障状况时，甚至可以提前预测故障的现有解决方案通常返回执行机器维护的请求。这种过早的更换和维护导致浪费材料和花费在更换仍然正常工作的部件上的费用。进一步地，这样的现有解决方案通常仅在故障发生之后才确定故障。结果可能无法防止此类故障，从而导致停机时间和收入损失。此外，现有的监视和维护解决方案通常需要专用的测试设备。因此，这些解决方案通常需要在每个监视和维护系统的操作中训练良好的专业操作者。需要专业的操作者可能是不方便且昂贵的，并且可能引入人为错误的潜在来源。另外，除了数据的微小波动之外，给定可以针对任何给定机器收集的绝对数量的数据，分析人员不能够充分地确定即将到来的故障。此外，现有解决方案通常依赖于可能不足以指示能够预测机器故障的原始物理数据。结果可能无法防止此类故障，从而导致停机时间和收入损失。因此，提供一种将克服上述挑战的解决方案将是有利的。
技术实现思路
下面是本公开的几个示例性实施例的概述。提供本概述是为了方便给读者提供对这些实施例的基本理解，而不是完全限定本公开的广度。本概述不是对所有预期实施例的广泛概述，并且既不旨在识别所有实施例的关键或重要元素，也不旨在描绘任何或所有方面的范围。其唯一目的是以简化的形式呈现一个或更多个实施例的一些概念，作为稍后呈现的更详细描述的前序。为了方便起见，术语“某些实施例”本文可以用于指本公开的单个实施例或多个实施例。本文公开的某些实施例包括一种用于预测工业机器中的故障的方法，包括：接收从至少一个机器收集的原始传感输入；基于原始传感输入来生成多个数据特征；从多个数据特征中选择多个指示性数据特征，其中，该选择基于多个指示性数据特征的分布，该分布确定多个指示性数据特征与机器故障之间的关联；基于多个指示性数据特征来选择机器学习模型；将选定的机器学习模型应用于多个指示性数据特征；以及确定即将到来的机器故障的概率。本文公开的某些实施例还包括一种其上存储有指令的非暂时性计算机可读介质，该指令用于使处理电路执行进程，该进程包括：接收从至少一个机器收集的原始传感输入；基于原始传感输入来生成多个数据特征；从多个数据特征中选择多个指示性数据特征，其中，该选择基于多个指示性数据特征的分布，该分布确定多个指示性数据特征与机器故障之间的关联；基于多个指示性数据特征来选择机器学习模型；将选定的机器学习模型应用于多个指示性数据特征；以及确定即将到来的机器故障的概率。本文公开的某些实施例还包括一种用于预测工业机器中的故障的系统，包括：处理电路以及存储器；该存储器包含指令，该指令在由处理电路执行时将系统配置为：接收从至少一个机器收集的原始传感输入；基于原始传感输入来生成多个数据特征；从多个数据特征中选择多个指示性数据特征，其中，该选择基于多个指示性数据特征的分布，该分布确定多个指示性数据特征与机器故障之间的关联；基于多个指示性数据特征来选择机器学习模型；将选定的机器学习模型应用于多个指示性数据特征；以及确定即将到来的机器故障的概率。附图说明在说明书结尾处的权利要求书中具体指出并清楚地要求保护本文所公开的主题。根据下面结合附图的详细描述中，所公开的实施例的上述和其他目的、特征和优点将变得显而易见。图1是用于描述所公开的各个实施例的网络图。图2是根据实施例的机器故障预测器系统的示意图。图3A仿真根据实施例的原始传感输入的表示。图3B仿真根据实施例的指示性传感输入的表示。图4是示出了根据实施例的用于预测即将到来的机器故障的方法的流程图。图5A仿真根据实施例的原始传感输入的表示。图5B仿真根据实施例的原始传感输入的经滤波版本的表示。图6A仿真根据实施例的以秒为单位的原始传感输入的表示。图6B仿真根据实施例的基于图6A的原始传感输入的以分钟分辨率识别的异常的表示。图7A示出了根据实施例的原始传感输入的标准化至统一的标度。图7B示出了根据实施例的原始传感输入的标准化至统一的标度。图8示出根据实施例的选定的指示性数据特征的表示。具体实施方式重要的是要注意，本文所公开的实施例仅是本文的创新性教导内容的许多有利用途的示例。通常，在本申请的说明书中进行的陈述不一定限制各个要求保护的实施例中的任何实施例。此外，一些陈述可适用于一些专利技术特征但不适用于其他专利技术特征。通常，除非另有说明，单数元件可以是复数的，反之亦然，而不失一般性。在附图中，相同的标号在几个视图始终指代相同的部件。在接收与机器相关的原始传感输入之后，自动预处理原始传感输入，并使用数学函数将原始传感输入转换成多个数据特征。然后基于多个指示性数据特征的分布，本文档来自技高网...

【技术保护点】
1.一种用于预测工业机器中的故障的方法，包括：/n接收从至少一个机器收集的原始传感输入；/n基于所述原始传感输入来生成多个数据特征；/n从所述多个数据特征中选择多个指示性数据特征，其中，所述选择基于所述多个指示性数据特征的分布，所述分布确定所述多个指示性数据特征与机器故障之间的关联；/n基于所述多个指示性数据特征来选择机器学习模型；/n将选定的机器学习模型应用于所述多个指示性数据特征；以及/n确定即将到来的机器故障的概率。/n

【技术特征摘要】
【国外来华专利技术】20180812 US 62/717,8531.一种用于预测工业机器中的故障的方法，包括：
接收从至少一个机器收集的原始传感输入；
基于所述原始传感输入来生成多个数据特征；
从所述多个数据特征中选择多个指示性数据特征，其中，所述选择基于所述多个指示性数据特征的分布，所述分布确定所述多个指示性数据特征与机器故障之间的关联；
基于所述多个指示性数据特征来选择机器学习模型；
将选定的机器学习模型应用于所述多个指示性数据特征；以及
确定即将到来的机器故障的概率。


2.根据权利要求1所述的方法，其中，所述原始传感输入的每种类型至少与所述机器相关联的过程相关。


3.根据权利要求1所述的方法，还包括：
预处理接收到的原始传感输入。


4.根据权利要求3所述的方法，其中，预处理包括以下处理中的任一项：数据清洗、标准化、重标度、重新趋势化、重新格式化和噪声滤波。


5.根据权利要求1所述的方法，还包括：
生成用于所确定的即将到来的机器故障的概率的通知，其中，所述通知指示以下中的至少一项：所述即将到来的机器故障，以及用于避免或减轻所确定的即将到来的机器故障的至少一个推荐。


6.根据权利要求1所述的方法，其中，所述选择所述机器学习模型还包括：
选择一组超参数，所述一组超参数与选定的机器学习模型一起使用是最佳的，以用于优化所述机器学习模型的准确度水平。


7.根据权利要求6所述的方法，其中，所述选定的机器学习模型包括准确的机器故障预测能力和相对于多个机器学习模型的机器故障的更好的长期可预测性。


8.根据权利要求1所述的方法，其中，至少概率的确定是在恒定的基础上执行的。


9.根据权利要求1所述的方法，其中，所述至少一个数据特征至少由统计特征表示。


10.一种其上存储有指令的非暂时性计算机可读介质，所述指令用于使处理电路执行过程，所述过程包括：
接收从至少一个机器收集的原始传感输入；
基于所述原始传感输入来生成多个数据特征；
从所述多个数据特征中选择多个指示性数据特征，其中，所述选择基于所述多个指示性数据特征的分布，所述分...

【专利技术属性】
技术研发人员：大卫·拉维德·本·卢卢，尼尔·德罗米，
申请(专利权)人：斯凯孚人工智能有限公司，
类型：发明
国别省市：以色列;IL