用于识别和预测机器的异常感测行为模式的系统和方法技术方案

一种用于识别和预测机器的异常感测行为模式的系统和方法，包括：监视与至少一个机器有关的第一组带时间戳的感测输入数据；在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模式；将第一可疑模式与和第二组带时间戳的感测输入数据相关的第二异常感测输入行为的第二模式进行比较，其中第二模式先前确定为指示机器故障；以及确定第一可疑模式是否在预定阈值以上与第二模式相关。

【技术实现步骤摘要】
【国外来华专利技术】用于识别和预测机器的异常感测行为模式的系统和方法相关申请的交叉引用本申请要求2018年11月2日提交的美国临时申请号62/754591的权益，其内容通过引用合并于此。
本公开总体上涉及用于机器的维护系统，更具体地，涉及识别和预测这种机器的异常感测行为模式。
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取得了显著进步，预示着技术和生产的新领域。尽管进行了这些改进，但自1970年代或之前开始采用的许多工业技术一直沿用至今。与这些工业技术有关的现有解决方案通常进行了较小的改进，从而仅略微提高了生产和产量。在现代制造实践中，制造商必须经常遵守严格的生产时间表，并提供无缺陷或几乎无缺陷的生产质量。结果，每当发生意外的机器故障时，这些制造商就有遭受重大损失的风险。机器故障是当机器偏离正确服务时发生的事件。错误通常是偏离机器的正确状态，不一定是故障，但可能导致并指示潜在的未来故障。除故障外，错误还可能导致异常的机器行为，从而影响性能。典型制造商的基于故障的平均机器停机时间(即由于机器故障而部分或全部关闭生产的平均时间)为每年17天，即17天的生产损失且因此收入。例如，对于典型的450兆瓦功率涡轮机，一天的停机时间可能会使制造商损失超过300万美元的收入。这种停机时间可能招致与维修、安全预防措施等相关的额外费用。在能源发电厂中，每年花费数十亿美元用于确保可靠性。具体来说，数十亿美元用于备份系统和冗余，以最大程度地减少生产停机时间。另外，监视系统可用于快速识别故障，从而在发生停机时间时加快恢复生产。然而，现有的监视系统通常仅在停机开始之后、期间或之前识别故障。此外，用于监视机器故障的现有解决方案通常依赖于每个机器的预定规则集。这些规则集并未考虑可能针对机器收集的所有数据，只能用于检查特定的关键参数，而忽略其余参数。此外，这些规则集必须由工程师或其他人工分析人员预先提供。结果，现有解决方案实际上仅可以使用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、存储和处理有关的计算资源的使用。此外，不考虑所有相关数据可能导致错过或以其他方式不准确的故障确定。另外，现有的解决方案通常依赖于以预定间隔进行的定期测试。因此，即使是可以预先预测故障的现有解决方案，即使在机器没有立即发生故障的危险时，也通常会返回执行机器维护的请求。这样的过早更换导致浪费材料和花费在更换仍能正常工作的零件上的费用。此外，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，可能无法避免此类故障，从而导致停机和收入损失。最后，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专业操作员，他们需要在每个监视和维护系统的操作方面接受过良好的培训。要求专业操作员会带来不便和昂贵，并且可能会引入潜在的人为错误来源。除了任何微小的数据波动外，鉴于对任何给定机器可以收集的数据量都很巨大，人工分析人员通常无法充分确定即将发生的故障。因此，提供克服上述挑战的解决方案将是有利的。
技术实现思路
以下是本公开的多个示例实施例的概述。提供该概述是为了方便读者提供对这样的实施例的基本理解，并且不完全限定本公开的广度。该概述不是所有预期实施例的详尽概述，并且既不旨在标识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形式呈现一个或多个实施例的一些概念，作为稍后呈现的更详细描述的序言。为了方便起见，术语“某些实施例”在本文中可以用于指代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识别和预测机器的异常感测行为模式的方法，该方法包括：监视与至少一个机器有关的第一组带时间戳的感测输入数据；在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模式；将第一可疑模式与和第二组带时间戳的感测输入数据相关的第二异常感测输入行为的第二模式进行比较，其中第二模式先前确定为指示机器故障；以及确定第一可疑模式是否在预定阈值以上与第二模式相关。本文公开的某些实施例还包括一种非暂时性计算机可读介质，其上存储有用于使处理电路执行处理的指令，该处理包括：监视与至少一个机器有关的第一组带时间戳的感测输入数据；在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模式；将第一可疑模式与和第二组带时间戳的感测输入数据相关的第二异常感测输入行为的第二模式进行比较，其中第二模式先前确定为指示机器故障；以及确定第一可疑模式是否在预定阈值以上与第二模式相关。本文公开的某些实施例还包括一种用于识别和预测机器的异常感测行为模式的系统，该系统包括：处理电路；以及内存，该内存包含指令，所述指令在由处理电路执行时将系统配置为：监视与至少一个机器有关的第一组带时间戳的感测输入数据；在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模式；将第一可疑模式与和第二组带时间戳的感测输入数据相关的第二异常感测输入行为的第二模式进行比较，其中第二模式先前确定为指示机器故障；以及确定第一可疑模式是否在预定阈值以上与第二模式相关。附图说明在说明书的结论处，在权利要求书中特别指出并明确要求保护本文公开的主题。根据结合附图的以下详细描述，所公开的实施例的前述及其他目的、特征和优点将变得显而易见。图1是用于描述各种公开的实施例的网络图。图2是根据实施例的管理服务器的框图。图3A模拟了根据实施例的第一异常感测输入行为的第一可疑模式的表示。图3B模拟了根据实施例的第二异常感测输入行为的第二模式的表示。图4是示出根据实施例的用于识别和预测机器的异常感测行为模式的方法的示例流程图。具体实施方式重要的是要注意，本文公开的实施例仅仅是本文创新教导的许多有利用途的示例。通常，在本申请的说明书中做出的陈述不必限制任何各种所要求保护的实施例。此外，某些陈述可能适用于某些专利技术特征，而不适用于其他特征。通常，除非另外指出，否则单数元素可以是复数，反之亦然，而不会失去一般性。在附图中，相同的附图标记在多个视图中指代相同的部分。各种公开的实施例包括一种用于识别和预测机器的异常感测行为模式的方法。通过监视和分析机器的感测输入，确定第一异常感测输入行为的第一可疑模式。然后将第一模式与至少第二模式进行比较，该第二模式指示与先前被分析并确定为指示机器故障的感测输入相关的第二异常感测输入行为。一旦确定第一可疑模式在预定阈值以上与至少第二模式相关，则生成指示即将发生的机器故障的通知。该通知可以包括一些见解，并且可以指示例如所识别的模式的根本原因和/或即将发生的机器故障。图1是用于描述各种公开的实施例的示例网络图100。示例网络图100包括通过网络110连接的机器监视系统(MMS)130、管理服务器140、数据库150和客户端设备160。示例网络图100还包括连接至机本文档来自技高网...

【技术保护点】
1.一种用于识别机器的异常感测行为模式的方法，包括：/n监视与至少一个机器有关的第一组带时间戳的感测输入数据；/n在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模式；/n将第一可疑模式与和第二组带时间戳的感测输入数据相关的第二异常感测输入行为的第二模式进行比较，其中第二模式先前确定为指示机器故障；以及/n确定第一可疑模式是否在预定阈值以上与第二模式相关。/n

【技术特征摘要】
【国外来华专利技术】20181102 US 62/754,5911.一种用于识别机器的异常感测行为模式的方法，包括：
监视与至少一个机器有关的第一组带时间戳的感测输入数据；
在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模式；
将第一可疑模式与和第二组带时间戳的感测输入数据相关的第二异常感测输入行为的第二模式进行比较，其中第二模式先前确定为指示机器故障；以及
确定第一可疑模式是否在预定阈值以上与第二模式相关。


2.根据权利要求1所述的方法，还包括：
在确定所述第一可疑模式在预定阈值以上与第二模式相关时，生成预测至少一个机器的即将发生的机器故障的通知。


3.根据权利要求2所述的方法，其中，所述通知对以下至少一项进行指示：指示即将到来的机器故障的确定模式、根本原因以及至少一个纠正解决方案建议。


4.根据权利要求1所述的方法，其中，使用以下至少一项来实现对所述第一组带时间戳的感测输入数据的分析：机器学习模型和深度学习模型。


5.根据权利要求1所述的方法，其中，使用相关函数来实现对所述第一可疑模式的确定。


6.根据权利要求1所述的方法，其中，所述比较还包括对所述第一可疑模式和第二模式应用至少一个机器学习算法。


7.根据权利要求1所述的方法，其中，确定所述第一可疑模式是否在预定阈值以上与第二模式相关还包括确定第一可疑模式和第二模式发生的时间段。


8.根据权利要求1所述的方法，其中，所述第一可疑模式包括以下至少一项：一个或多个传感器异常阵列、反映每个异常发生时间的异常组以及与所述异常相关的异常参数值。


9.根据权利要求1所述的方法，还包括：
对所述第一组带时间戳的感测输入数据进行预处理，其中预处理包括以下至少一项：数据清理、归一化、重新缩放、重新趋势、重新格式化和噪声过滤。


10.一种非暂时性计算机可读介质，其上存储有用于使处理电路执行处理的指令，该处理包括：
监视与至少一个机器有关的第一组带时间戳的感测输入数据；
在分析第一组带时间戳的感测输入数据时，确定与第一组带时间戳的感测输入数据相关的第一异常感测输入行为的第一可疑模...

【专利技术属性】
技术研发人员：D拉维德本卢卢，W格拉耶布，
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