CN105425739B - 使用plc日志数据来预测异常发生的系统 - Google Patents
使用plc日志数据来预测异常发生的系统 Download PDFInfo
- Publication number
- CN105425739B CN105425739B CN201510591909.3A CN201510591909A CN105425739B CN 105425739 B CN105425739 B CN 105425739B CN 201510591909 A CN201510591909 A CN 201510591909A CN 105425739 B CN105425739 B CN 105425739B
- Authority
- CN
- China
- Prior art keywords
- data
- analysis result
- plc
- abnormal
- anomaly
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Programmable Controllers (AREA)
Abstract
本公开内容涉及用于使用PLC日志数据来预测异常发生的系统，该系统包括：控制器，被配置为从连接到PLC数据日志模块的低级设备接收数据并且判定数据，以及被配置为当数据为与异常发生相关的数据时，将数据存储在事件存储设备中；分析器，被配置为通过分析与异常发生相关的数据来产生异常分析结果；以及分析结果存储设备，被配置为存储异常分析结果，其中控制器比较从低级设备发送的数据与存储在分析结果存储设备中的异常分析结果，并且当判定从低级设备发送的数据类似于异常分析结果时，产生异常发生预测信号。
Description
技术领域
本公开内容涉及一种预测异常发生的系统，并且更特别地，涉及使用PLC(可编程逻辑控制器)日志数据来预测异常发生的系统，该系统被配置为分析从PLC数据日志模块收集的数据中的异常发生数据以及被配置为当类似条件的数据出现时预测异常标志(指示)的产生。
背景技术
尽管工厂系统常规地由传统工业现场处的自动化设施中的机器和/或设备的独立操纵来操作，随着现代工业变得更复杂和多样化，当前正要求系统中的变化。也就是，要求设备补充复杂和多样化的操作，并且因此，已经开发了直接控制现场的PLC(可编程逻辑控制器)系统。
PLC主要是无人控制的，并且当发现异常操作时，异常操作能够通过允许PLC监控一系列操作或存储诸如为过去历史的日志数据来确定，从而采取事后安排。当满足用户设置的条件时，常规的PLC数据日志模块将相关的设备值连同时间一起进行存储。然而，在数据被长时间存储的情况中，当数据量增长到更大时，常规的PLC数据日志模块不利地消耗大量时间用于分析数据量。进而，在用户检查和分析与数据一起存储在存储卡里的信息之前，存储在数据日志模块中的数据根本不执行任何功能。
也就是，常规的PLC数据日志模块在满足用户设置的条件时起到存储相关的设备值的作用，并且不能通过分析所存储的数据来提供数据趋势、变化和与相关关系相关的值。由此，当产生异常标志(指示)时，常规的PLC数据日志模块缺少向用户提供生成异常标志(指示)的功能。
发明内容
已经做出本公开内容以为解决之前的现有技术缺点/问题,并且因此，本发明的一些实施例的目的在于提供使用PLC(可编程逻辑控制器)日志数据来预测异常发生的系统，其中，该系统被配置为分析从PLC数据日志模块收集的数据中的异常发生的数据，并且被配置为当类似条件的数据出现时预测异常标志(指示)的产生。
在本公开内容的一个总的方面中，提供了使用PLC日志数据来预测异常发生的系统，该系统包括：
控制器，被配置为从连接到PLC数据日志模块的低级设备接收数据并且判定数据，以及被配置为当该数据为与异常发生相关的数据时，将数据存储在事件存储设备中；
分析器，被配置为通过分析与异常发生相关的数据来产生异常分析结果；以及
分析结果存储设备，被配置为存储异常分析结果，其中控制器比较从低级设备发送的数据与存储在分析结果存储设备中的异常分析结果，以及当判定从低级设备发送的数据类似于异常分析结果时，产生异常发生预测信号。
优选地，而非必要地，事件存储设备可以将与异常发生相关的数据连同时间数据一起进行存储。
优选地，而非必要地，该系统可以进一步包括警告单元，警告单元被配置为通过从控制器接收异常发生预测信号来警告异常发生被预测到。
优选地，而非必要地，控制器可以将与异常发生相关的数据连同时间数据一起进行发送。
优选地，而非必要地，分析器可以通过分析响应于与异常发生相关的数据的时间变化的图案来产生异常分析结果。
优选地，而非必要地，分析器可以计算所分析的数据的平均值以及斜率，并且当作为图案的分析结果、变化趋势在预定的图案范围内具有线性时，将计算存储在分析结果存储设备中。
优选地，而非必要地，当作为图案的分析结果、图案具有收敛物理性质时，分析器可以将收敛的数据值存储在分析结果存储设备中。
优选地，而非必要地，当作为图案分析的结果、图案具有循环物理性质时，分析器可以计算数据被恒定地维持的时间，并且将时间存储在分析结果存储设备中。
有益效果
根据本公开内容的使用PLC日志数据来预测异常发生的系统具有有益效果，在于：在从PLC数据日志模块收集的数据中分析异常发生的数据，并且在掌握趋势、变化以及关联规则之后，当类似条件的数据出现时，预测异常标志(指示)的产生以给用户提供快速的措施。
附图说明
图1为根据本公开内容的示例性实施例的图示使用PLC日志数据来预测异常发生的系统的框图。
图2的(a)至(c)图示了根据本公开内容的示例性实施例的例示由使用PLC日志数据来预测异常发生的系统的分析器所分析的图案的曲线图。
图3为根据本公开内容的示例性实施例的图示使用PLC日志数据来预测异常发生的方法的流程图。
具体实施方式
此后，将参照所附附图来具体描述本公开内容的示例性实施例。
在考察下面的图和具体描述之后，示例性实施例的特点和优点将要或将要变得对本领域普通技术人员是显而易见的。在描述本公开内容中，一些的层、大小、形状、组件或特征可以为清楚和便利而放大。对应地，说明书和权利要求书中使用的特定术语或词语的含义不应该限于文字或通常采用的意义，而是应该按照用户或操作者的意图以及惯常使用来解释或者可以按照用户或操作者的意图以及惯常使用而不同。因此，特定术语或词语的定义应该基于说明书上的内容。
图1为根据本公开内容的示例性实施例的图示使用PLC日志数据来预测异常发生的系统的框图。
参见图1，根据本公开内容的示例性实施例的使用PLC日志数据来预测异常发生的系统(100，此后称作“异常发生预测系统”)可以包括控制器110、存储器120、事件存储设备130、分析器140、分析结果存储设备150以及警告单元160。
此时，异常发生预测系统100可以形成在PLC数据日志模块上，并且异常发生预测系统100的一部分可以形成在PLC数据日志模块上，而异常发生预测系统100的其它部分可以远离异常发生预测系统100而单独地形成。
控制器110可以接收从连接到PLC数据日志模块的例如为PLC基本模块的低级设备发送的数据，并且将数据存储在存储器120中。此时，PLC基本模块可以为CPU(中央处理单元)模块，其中CPU模块可以识别在PLC数据日志模块处建立的参数并且将存储在CPU模块中的与相关设备相关的数据发送到控制器110。此时，控制器110可以判定所接收的数据，并且当判定所接收的数据为与异常发生相关的数据时，控制器110可以将与g异常发生相关的数据存储在事件存储设备130中。
进而，控制器130可以比较所接收的数据与异常分析结果，并且当判定所接收的数据类似于异常分析结果时，可以产生异常发生预测信号，其中异常分析结果存储在分析结果存储设备150中。
也就是，如将在稍后描述的，异常分析结果通过由分析器140分析与异常发生相关的数据来产生，使得当接收到类似于异常分析结果的数据时，所接收的数据极有可能为与异常发生相关的数据。
参见图2，异常分析结果可以通过分析基于时间的数据来产生。事件存储设备130可以存储从控制器110发送的与异常发生相关的数据，并且可以优选地通过为每个异常发生划分数据来存储数据。进而，事件存储设备130可以将与异常发生相关的数据连同时间数据一起进行存储。此时，时间数据可以连同与异常发生相关的数据一起从控制器110发送，以及事件存储设备130可以同时地存储与异常发生相关的数据和时间数据。
分析器140可以通过分析存储在事件存储设备130中的与异常发生相关的数据来产生异常分析结果，并且由分析器140产生的异常分析结果可以存储在分析结果存储设备150中。同时，分析器140可以通过分析基于时间变化的数据来产生异常分析结果。
警告单元160可以为模块，该模块被配置为通过从控制器110接收异常发生预测信号来警告异常发生被预测到，并且例如，可以可变地由诸如为监视器的显示设备和被配置为产生警告的警告设备来形成。
图2的(a)至(c)图示了根据本公开内容的示例性实施例的例示使用PLC日志数据来预测异常发生的系统的分析器所分析的图案的曲线图，其中图2的(a)图示了其中数据变化具有恒定流、而没有大的变化的曲线图的情况，图2的(b)图示了其中虽然基于时间的数据变化不规则、但是数据变化在特定点处收敛到预定数据值的曲线图的情况，以及图2的(c)图示了其中数据每隔预定时间重复的曲线图的情况。
因而，分析器140可以分析存储在事件存储设备130中存储的与异常发生相关的数据，并且如图2的(a)-(c)中所图示的，可以通过分析响应于时间的数据来产生异常分析结果。
此时，如图2的(a)中所图示的，分析器140可以分析基于时间变化的数据的图案，并且当变化趋势在预定范围内具有线性时，计算所分析的数据的平均值和斜率，并且当作为图案的分析结果、变化趋势在预定的图案范围内具有线性时，将计算存储在分析结果存储设备150中。
进而，如图2的(b)中所图示的，当作为图案分析的结果、基于时间变化的数据的图案具有收敛物理性质时，分析器可以将收敛的数据值连同异常分析结果一起存储在分析结果存储设备150中。
进而，如图2的(c)中所图示的，当作为图案分析的结果、图案具有循环物理性质时，分析器140可以计算数据被恒定地维持的时间，并且将时间连同异常分析结果一起存储在分析结果存储设备150中。
如之前所描述的，控制器110可以比较所接收的数据与由分析器140所产生的异常分析结果并且生成异常发生预测信号，并且当判定所接收的数据类似于异常分析结果时，发送异常发生预测信号到警告单元160。
进而，控制器110可以将被判定为类似于异常分析结果的数据的物理性质连同异常发生预测信号一起发送到警告单元160，其中警告单元160可以警告异常发生被预测到并且还警告数据的物理性质的存在。
被判定为类似于异常分析结果的数据的物理性质可以包括存储在分析结果存储设备150中的所分析的数据的平均值，连同异常分析结果、斜率、由分析数据收敛的数据值以及存储设备分析数据被恒定地维持的时间。
图3为根据本公开内容的示例性实施例的图示使用PLC日志数据来预测异常发生的方法的流程图。
参见图3，预测异常发生的方法可以包括：由控制器110从低级设备接收数据，比较数据与异常分析结果，以及判定所接收的数据是否类似于异常分析结果(S110)。
此时，控制器110可以通过接收存储在分析结果存储设备150中的异常分析结果来比较从低级接收的数据。方法可以进一步包括：当在S110处判定所接收的数据类似于异常分析结果(S110-是)时，使用警告单元来向外部警告异常发生被预测到(S120)。
此时，当在步骤S110处判定所接收的数据类似于异常分析结果(S110-是)时，控制器110可以发送异常发生预测信号到警告单元160，其中警告单元160可以接收异常发生预测信号以警告异常发生被预测到。进而，控制器110可以向警告单元160发送被判定为类似于异常分析结果的数据的物理性质，连同异常发生预测信号。
当在步骤S110处判定所接收的数据不类似于异常分析结果(S130-否)时，控制器110可以判定所接收的数据是否为与异常发生相关的数据(S130)。此时，当在步骤S110处判定所接收的数据不类似于异常分析结果(S130-否)时，流程可以进行到步骤S110，判定所接收的数据是否不类似于异常分析结果并且将新接收的数据与异常分析结果进行比较。
当判定所接收的数据为与异常发生相关的数据(S130-是)时，分析器140可以分析与异常发生相关的数据以产生异常分析结果(S140)。
同时，当判定所接收的数据为与异常发生相关的数据(S130-是)时，控制器可以发送与异常发生相关的数据到事件存储设备130并且将数据存储在事件存储设备130中，并且分析器140可以分析存储在事件存储设备130中的与异常发生相关的数据以产生异常分析结果(S140)。分析器140可以分析基于时间变化的数据的图案并且将分析结果存储在分析结果存储设备150中。
此时，当作为基于时间变化的数据的图案分析的结果、判定变化趋势在预定图案范围内具有线性时，分析器140可以计算所分析的数据的平均值和斜率以将计算连同异常分析结果一起存储在分析结果存储设备150中。进而，当作为图案的分析结果、判定基于时间变化的数据的图案具有收敛物理性质时，分析器140可以将收敛的数据值连同异常分析结果一起存储在分析结果存储设备150中。
进而，当作为基于时间变化的图案分析的结果、判定数据的图案具有循环物理性质时，分析器140可以计算数据被恒定地维持的时间并且将时间连同异常分析结果一起存储在分析结果存储设备150中。
同时，控制器110可以将时间数据连同与异常发生相关的数据一起发送到事件存储设备130。
尽管已经参照使用PLC(可编程逻辑控制器)日志数据来预测异常发生的系统和方法来描述了本公开内容，应该理解到那些本领域技术人员能够构思到将落入本公开内容的原理的精神和范围内的大量其他修改和实施例。
尽管已经参照之前的实施例和优点具体描述了本公开内容，权利要求的边界和界线内的众多替代、修改、以及变型将对那些本领域技术人员显而易见。因此，应该理解到除非另有指定，上述实施例不由之前的描述的细节中的任意细节限制，而是应该在如所附权利要求定义的范围内宽泛地解释。
Claims (6)
1.一种使用从低级设备发送到可编程逻辑控制器数据日志模块的可编程逻辑控制器日志数据来预测异常发生的系统，所述系统包括：
控制器，被配置为：
从连接到所述可编程逻辑控制器数据日志模块的低级设备接收所述可编程逻辑控制器日志数据，并且当判定接收到的可编程逻辑控制器日志数据为与异常发生相关的数据时，将所述可编程逻辑控制器日志数据存储在事件存储设备中；
事件存储设备，被配置为存储与异常发生相关的数据；
分析器，被配置为通过分析存储在所述事件存储设备中的与异常发生相关的数据来产生异常分析结果数据；以及
分析结果存储设备，被配置为存储所述异常分析结果数据，
其中所述分析器通过分析随着时间经过的与异常发生相关的数据的图案来产生异常分析结果数据，并且当作为图案分析的结果判定出基于时间变化的数据的图案具有收敛物理性质时将收敛的数据值存储在分析结果存储设备中，并且
其中所述控制器比较从低级设备发送的接收到的可编程逻辑控制器日志数据与存储在所述分析结果存储设备中的所述异常分析结果数据，以及当判定从低级设备发送的接收到的可编程逻辑控制器日志数据与所述异常分析结果数据处于相同的条件时，产生异常发生预测信号。
2.如权利要求1所述的系统，其中，所述事件存储设备将与异常发生相关的数据连同时间数据一起进行存储。
3.如权利要求2所述的系统，进一步包括警告单元，所述警告单元被配置为通过从所述控制器接收所述异常发生预测信号来警告异常发生被预测到。
4.如权利要求3所述的系统，其中，所述控制器将与异常发生相关的数据连同时间数据一起发送到所述事件存储设备。
5.如权利要求4所述的系统，其中，所述分析器计算所分析的数据的平均值和斜率，并且当作为图案分析的结果、变化趋势在预定的图案范围内具有线性时，将计算存储在所述分析结果存储设备中。
6.如权利要求5所述的系统，其中，当作为图案分析的结果、图案具有循环物理性质时，所述分析器计算数据被恒定地维持的时间，并且将所述时间存储在所述分析结果存储设备中。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2014-0123485 | 2014-09-17 | ||
| KR1020140123485A KR101591193B1 (ko) | 2014-09-17 | 2014-09-17 | Plc 로그 데이터를 이용한 이상 발생 예측 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105425739A CN105425739A (zh) | 2016-03-23 |
| CN105425739B true CN105425739B (zh) | 2018-12-21 |
Family
ID=53724113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510591909.3A Active CN105425739B (zh) | 2014-09-17 | 2015-09-16 | 使用plc日志数据来预测异常发生的系统 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10254753B2 (zh) |
| EP (1) | EP2998814A1 (zh) |
| JP (1) | JP6077608B2 (zh) |
| KR (1) | KR101591193B1 (zh) |
| CN (1) | CN105425739B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6386520B2 (ja) | 2016-12-13 | 2018-09-05 | ファナック株式会社 | 数値制御装置及び機械学習装置 |
| JP6810630B2 (ja) * | 2017-02-13 | 2021-01-06 | 川崎重工業株式会社 | ロボット制御装置、ロボットシステム及びロボットの制御方法 |
| JP6552587B2 (ja) * | 2017-12-08 | 2019-07-31 | 株式会社コンテック | 通信制御装置およびｓｃａｄａシステム |
| KR102245922B1 (ko) * | 2018-11-30 | 2021-04-30 | 두산중공업 주식회사 | CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 |
| JP7334554B2 (ja) * | 2019-09-18 | 2023-08-29 | 富士電機株式会社 | 機器管理システム及び機器管理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050066241A1 (en) * | 2003-09-24 | 2005-03-24 | Siemens Aktiengesellschaft | Method, system and device for predictive error recognition in a plant |
| CN101167026A (zh) * | 2005-04-20 | 2008-04-23 | 三菱电机株式会社 | 数据收集装置及网关装置 |
| US8027946B1 (en) * | 2006-12-22 | 2011-09-27 | Avaya Inc. | Higher order logic applied to expert systems for alarm analysis, filtering, correlation and root cause |
| CN103443727A (zh) * | 2011-03-28 | 2013-12-11 | 国际商业机器公司 | 异常检测系统、异常检测方法以及用于异常检测的程序 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08320721A (ja) | 1995-05-24 | 1996-12-03 | Meidensha Corp | 故障予知装置の異常内容判定方法 |
| US6917839B2 (en) * | 2000-06-09 | 2005-07-12 | Intellectual Assets Llc | Surveillance system and method having an operating mode partitioned fault classification model |
| US6829728B2 (en) | 2000-11-13 | 2004-12-07 | Wu-Tung Cheng | Full-speed BIST controller for testing embedded synchronous memories |
| EP1382942B1 (en) * | 2001-02-23 | 2016-07-27 | ARKRAY, Inc. | Monitoring apparatus and monitoring object apparatus |
| US6839660B2 (en) | 2002-04-22 | 2005-01-04 | Csi Technology, Inc. | On-line rotating equipment monitoring device |
| GB0307406D0 (en) * | 2003-03-31 | 2003-05-07 | British Telecomm | Data analysis system and method |
| US7451003B2 (en) * | 2004-03-04 | 2008-11-11 | Falconeer Technologies Llc | Method and system of monitoring, sensor validation and predictive fault analysis |
| WO2007047375A1 (en) * | 2005-10-14 | 2007-04-26 | Fisher-Rosemount Systems, Inc. | Statistical signatures used with multivariate statistical analysis for fault detection and isolation and abnormal condition prevention in a process |
| US8923134B2 (en) * | 2011-08-29 | 2014-12-30 | At&T Mobility Ii Llc | Prioritizing network failure tickets using mobile location data |
| US9110452B2 (en) * | 2011-09-19 | 2015-08-18 | Fisher-Rosemount Systems, Inc. | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
| KR101387968B1 (ko) * | 2012-10-29 | 2014-04-22 | 메타빌드주식회사 | 상태분석 룰 기반 플랜트 필드 데이터 상태분석 방법 |
| KR101475571B1 (ko) | 2012-11-28 | 2014-12-22 | 엘에스산전 주식회사 | 감시 제어 장치에서 데이터 처리를 위한 장치 및 방법 |
| US9162357B2 (en) * | 2013-06-26 | 2015-10-20 | Canon Kabushiki Kaisha | Control method for robot system and robot system |
| JP5753286B1 (ja) * | 2014-02-05 | 2015-07-22 | 株式会社日立パワーソリューションズ | 情報処理装置、診断方法、およびプログラム |
-
2014
- 2014-09-17 KR KR1020140123485A patent/KR101591193B1/ko active Active
-
2015
- 2015-07-24 US US14/809,097 patent/US10254753B2/en active Active
- 2015-07-27 EP EP15178486.5A patent/EP2998814A1/en not_active Withdrawn
- 2015-08-05 JP JP2015154999A patent/JP6077608B2/ja active Active
- 2015-09-16 CN CN201510591909.3A patent/CN105425739B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050066241A1 (en) * | 2003-09-24 | 2005-03-24 | Siemens Aktiengesellschaft | Method, system and device for predictive error recognition in a plant |
| CN101167026A (zh) * | 2005-04-20 | 2008-04-23 | 三菱电机株式会社 | 数据收集装置及网关装置 |
| US8027946B1 (en) * | 2006-12-22 | 2011-09-27 | Avaya Inc. | Higher order logic applied to expert systems for alarm analysis, filtering, correlation and root cause |
| CN103443727A (zh) * | 2011-03-28 | 2013-12-11 | 国际商业机器公司 | 异常检测系统、异常检测方法以及用于异常检测的程序 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20160077510A1 (en) | 2016-03-17 |
| US10254753B2 (en) | 2019-04-09 |
| EP2998814A1 (en) | 2016-03-23 |
| CN105425739A (zh) | 2016-03-23 |
| KR101591193B1 (ko) | 2016-02-02 |
| JP2016062598A (ja) | 2016-04-25 |
| JP6077608B2 (ja) | 2017-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105425739B (zh) | 使用plc日志数据来预测异常发生的系统 | |
| EP3832479B1 (en) | Production line monitoring method and apparatus, and electronic device and readable storage medium | |
| KR102008231B1 (ko) | 자동화 설비의 고장 예측 장치, 이를 이용한 고장 예측 시스템 및 고장 예측 방법 | |
| EP3213157B1 (en) | Using soft-sensors in a programmable logic controller | |
| US20120271782A1 (en) | Method and apparatus for event detection permitting per event adjustment of false alarm rate | |
| EP2816431A2 (en) | Information platform for industrial automation stream-based data processing | |
| EP3500896B1 (en) | Method of monitoring and controlling an industrial process, and a process control system | |
| CN107908874B (zh) | 工况识别方法和装置及工程机械设备 | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| US11415974B2 (en) | Factory management and monitoring systems and methods | |
| US9116740B2 (en) | Method for generating a machine heartbeat | |
| WO2017159016A1 (ja) | 異常診断システム | |
| CN106096789A (zh) | 一种基于机器学习技术的可自感知异常的工控安全防护与报警系统 | |
| EP3187950B1 (en) | A method for managing alarms in a control system | |
| CN110082287A (zh) | 腐蚀监测预警方法、装置及服务器 | |
| CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
| US10360249B2 (en) | System and method for creation and detection of process fingerprints for monitoring in a process plant | |
| US20170269562A1 (en) | Remote data analytics to predict system components or device failure | |
| JP7124321B2 (ja) | 情報処理装置、データ管理システム、データ管理方法及びプログラム | |
| CN111712771A (zh) | 能够执行具有多个机器人的生产系统中的问题诊断的数据处理装置以及方法 | |
| Salvador et al. | Online detection of shutdown periods in chemical plants: A case study | |
| CN110263949B (zh) | 融合机器机理与人工智能算法系统的数据处理方法及系统 | |
| CN111258863A (zh) | 数据异常检测方法、装置、服务器和计算机可读存储介质 | |
| CN114559297B (zh) | 刀具状态评估系统及方法 | |
| JP6798968B2 (ja) | ノイズ発生原因推定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |