CN116034325B 检测异常数据点的系统、设备和方法 （西门子股份公司）

2023.02.08PCT/EP2021/0712742021.07.29WO2022/033885EN2022.02.17US2018081913A1,2018.03.22US2019277913A1,2019.09.12WO2019138655A1,2019.07.18公开了检测与工业环境(610)相关联的操作数据(U)中的至少一个异常数据点的系统、设备(fi)迭代地应用于操作数据(U)的至少一个子集(S)，其中基于由被标记为正常的数据点组成的训练数据集(L)来训练异常检测模型(fi)；使用异常检测模型(fi)将该子集(S)中的子集一数据点分类为正常数据点(N)和异常数据点(A)中的阈值时间期满之后用更新的训练数据集重新训数据集的更新的次数；以及使用异常检测模型(f’i)检测操作数据(U)中的至少一个异常数据2基于工程软件输入和类似工业环境的操作中的至少一者来确定所述子在阈值时间期满之后用所更新的训练数据集重新训练所述异常检测模型（fi其中所更新所述训练数据集并重新训练所述重新训练的集（L其中基于工程软件输入和类似工业环境的操作中的至少一者来分类所述正常数据现为训练、分类和重新训练的迭代工作流，其中用所述训练数据集来训练所述异常检测模型（fi其中基于所述正常数据点和所述异常数据点的分类来验证所述异常检测模型3在所述阈值时间期满之后用所更新的训练数据集来重新训练所述异常检测流水线方法中的步骤。所述处理器执行根据权利要求1_8中任一项的4[0005]该目的通过检测与工业环境相关联的操作数据中的至少一个异常数据点的预测点分类为正常数据点和异常数据点中的一者；至少利用该正常数据点更新该训练数据集；5数)示例中适用于这些定义的词语和短语的先前以及未来使用。虽然一些术语可包括多种[0014]工业资产可以是包括物理设备和可用于配置和控制物理设备的数字模型的控制6是指从用于工业资产和/或工业环境的基于物理学的模型和/或数据驱动的模型生成的一数据用于基于本体模型中资产属性和它们之间相互依赖性来检测异常。在另一个实施例够连续学习和重新训练异常检测模型。该方法还可以包括用异常数据集更新训练数据集。集，其中基于工程软件输入和类似工业环境的操作中的至少一者对正常数据点进行分类。7[0023]该方法可以包括基于包括正常数据点的训练数据集来训[0026]该方法可以包括生成包含与工业环境相关联的异常检测8[0030]技术效果通过应用于可能是时间序列的操作数据的异常检测模型来实现。例和异常数据点更新训练数据集和异常数据集避免了要求预分类数据集或特定类别的描述。[0033]图1图示了根据本发明实施例的检测未标记操作数据中的异常数据点的方法的方[0034]图2图示了根据本发明实施例的检测时间序列操作数据中的异常数据点的方法的[0037]图5图示了根据本发明实施例的检测与工业环境相关联的操作数据中的异常数据[0038]图6图示了根据本发明实施例的用于检测与工业环境相关联的操作数据中的异常9[0040]图1图示了根据本发明实施例的检测未标记操作数据U中的异常数据点的方法的正常数据集L可以作为类似工业环境中的类似工业资产的测量结果来接收。在另一个示例扩大的训练数据集来约束异常检测模型fi。下一次迭代i+1的重新训练的异常检测模型被[0046]图2图示了根据本发明实施例的检测时间序列操作数据U中的异常数据点的方法[0048]在验证阶段220，领域专家可以提供输入以验证正常数据点N和异常数据点A的分[0056]图3图示了根据本发明实施例的迭代检测异常数据点的方法300的流程图，其中t=1。方法300图示了当接收到时间序列操作数据U时本发明的操作。方法300开始于步骤[0059]可以重复方法300的步骤，直到操作数据U不再被流化或者工业资产操作被中[0060]图4图示了当多个异常检测模型i＝l,N在第i步可用时，用于在应的异常检测模型1和2被识别为可以在异常检测流水线中的集合中使用[0062]图5图示了根据本发明实施例的检测与工业环境相关联的操作数据中的异常数据[0063]方法开始于步骤510，将一个或多个异常检测模型应用于操作数据的至少一个子[0064]当异常检测模型被应用于操作数据的子集时，子集中的数据点的分类是可能[0065]在一个实施例中，步骤520可以包括基于工程软件输入和类似工业环境的操作中更新训练数据集。步骤530还可以包括在子集和新子集中填充包含异常数据点的异常数据[0067]当满足迭代阈值(即阈值时间)时，基于更新的训练数据集重新训练异常检测模测模型的重新训练加强了对子集数据点执行的分类。步骤550包括基于所约束的异常检测[0068]图6图示了根据本发明实施例的预测维护系统600和用于检测与工业环境610相关由边缘计算设备620执行的分析是检测操作数据中的算系统提供对可配置计算物理和逻辑资源的共享池的按需网络访问。网络例如是有线网行IOT平台650的操作的多个边缘设备62被配置为执行存储在存储器630中的模块。显示器624被配置为显示图形用户界面(GUI)[0075]存储器630包括异常模块635，其在被执行时使边缘设备620能够检测操作数据中[0078]标记模块634被配置为对操作数据的子集中的数据点进行分类。子集内的数据点一个实施例中，标记模块634还被配置为基于类似工业环境的模拟模型或操作来确定子集数据点分类中的置信指数。标记模块634可被配置为当不满足置信度阈值时分类子集数据[0079]更新模块636被配置为利用子集中新分类的正常数据点来更新训练数据集。在一常数据集来更新。更新模块636被配置为基于对训练数据集执行的更新次数来确定阈值时[0080]当阈值时间期满时，重新训练模块638被配置为用更新的训练数据集来重新训练计算机可读介质访问的程序模块，计算机可用或计算机可读介质存储由一个或多个计算未被包括在物理计算机可读介质的定义中，物理计算机可读