自动化的根本原因分析的制作方法
【专利摘要】对复杂产品的自动化的根本原因分析，具有如下步骤：监控所述产品（2）；检测产品的异常行为（3）；形成具有正常操作时间段和异常行为操作（6）时间段的异常行为模式（5）；把异常行为模式（5）的时间段与涉及所述产品的至少一个数据库中的信息的信道（8）的对应时间段（9）相比较；测量所述异常行为模式（5）如何接近地匹配于所述信息；以及自动地识别最佳匹配。
【专利说明】自动化的根本原因分析
[0001]本发明通常涉及自动化的根本原因分析。特别地，本发明涉及查找涡轮(如涡轮机或风力涡轮机)的根本原因。
[0002]查找某种产品(例如像涡轮机)的异常行为的根本原因可能是非常费时的，并且其特征通常被描述为在给定涡轮机(或一组涡轮机)上可得到的巨量数据中的“盲目搜素”。所述数据可以包括:构造Β0Μ、服务(service)事件、参数设置、软件版本、配置文件(profile)、操作数据等。
[0003]在分布式数据库中搜索解释和理由是非常困难的，并且与某种涡轮机相关的数据在公司的不同部门被维护。构造材料清单(BOM)可能被设置在新的单位，并且服务变更可能在服务部门等。
[0004]当涡轮机(或一组涡轮机)通过涡轮机控制器(报警监控)、服务工程操作(serviceengineering)、或基于模型监控(动态界限)而被确定为处于正常行为之外时，对此的调查通常由现场的技术人员执行。
[0005]仅在特定情形下，远程分析才被执行。这种远程分析涉及创建这种涡轮机自从其被生产以来发生了什么的图画，以确保查找可能已经导致所述异常行为的任何事件。这种分析所需的数据要在许多不同的数据库、不同的部门、以及不同的结构中去查找。这是非常费时的，并且有很大机会错过可以指向根本原因的东西。在许多情形下实际上已证明:当根本原因已知时，人们也可以在所保存的数据中查找解释，但由于可得到数据的数量和复杂性，所述解释被隐藏了。
[0006]因此，本发明的目的是改进根本原因分析。
[0007]这个目的由权利要求1的特征解决。从属权利要求提供本发明的进一步细节和优点。本发明涉及用于复杂产品的自动化的根本原因分析，采用如下步骤:
-监控所述产品；
-检测产品的异常行为；
-形成具有正常操作时间段(timeslot)和异常行为操作时间段的异常行为模式；
-把异常行为模式的时间段与涉及所述产品的至少一个数据库中的信息的通道的对应时间段相比较；
-测量所述异常行为模式如何接近地匹配于所述信息；以及 -自动地识别最佳匹配。
[0008]根本原因分析的自动化方法可以特别地在这样的行业(business)中执行，在所述行业中，大数量的非常复杂的产品被从一个位置控制，并且关于所述产品的信息高度分散。这非常好地适用于风力涡轮机服务，并且也能够适合于运输和其他工业。自动化所述根本原因分析将减少远程故障诊断、操作跟进和技术支持所花费的时间。
[0009]依据本发明的方法允许系列损害的非常快速的识别，并且能够预先决定动作。
[0010]通道和/或信息可以被对齐。这可以包括来自所有涡轮机全部的可用数据，并且使它们以结构化的方式(如，时间戳分箱(binning)、分箱式连续测量等)可用。
[0011 ] 所述信息和/或至少一个数据库可以涉及一组产品，而不是单独涉及某种产品。这扩宽了用于比较的基础，以及提高了例如在通过使用材料清单等在涡轮机的结构上查找解释的过程中查找根本原因的机会。
[0012]对于所述匹配，几个通道(优选2至5个)可以被使用。取决于计算能力，甚至更多的通道也可以被使用。多个通道的使用改进了对分散原因或错误的根本原因分析的方法，这可能取决于几个均等独立的条件。
[0013]一个数据库可以包含来自产品的生产的材料清单，其允许通过使用来自子供应商的列表(如，组件的使用年限、系列、批次、版本等)来查找相关(甚至从涡轮机被构造之前)。
[0014]为了时间段的比较，矩阵可以把异常行为的一个事件与数据库和/或通道相关。对于所述矩阵，编程/数学的计算软件(例如像ADA)可以被使用。这种矩阵的使用减少了必须被比较的数据的量，因此，使整个程序变得容易。
[0015]异常行为模式可以在其导致产品的故障之前被检测，并且产品的故障可以被预测和防止。服务或紧急操作标志可以被设置，或动作可以被立即(或在下一个计划的服务)排定。
[0016]指示异常行为模式与信息和/或通道的匹配的指示器可以被计算。指示器可以为从I到100范围中的数字，其中，数字100可以指示最佳匹配。这种指示器使接下来的评估和处理变得容易。
[0017]指示器的有序列表可以被生成。在这个列表中，指示器可以依据其数字等被排序，从而允许对异常行为的根本原因的解释有优先次序的表示。
[0018]产品可以是涡轮机。术语涡轮机包含风力涡轮机(完整或部分，如发电机)，或者例如被用于发电的涡轮机。
[0019]包括附图以提供实施例的进一步理解。其他的实施例和许多预期的优点将被容易地认识(因为通过参考接下来的详细描述，它们变得更好理解)。附图的元件不必按照彼此的比例绘制。相同的附图标记指代对应的相似部分。
[0020]图1图示了依据本发明的根本原因分析的示意性流程图。
[0021]图2图示了依据本发明的根本原因分析的第一示例的示意图。
[0022]图3图示了依据本发明的根本原因分析的第二示例的示意图。
[0023]图4图示了依据本发明的把某种异常行为与数据库相关的矩阵的示例。
[0024]在接下来的详细描述中，参考形成其一部分的附图，并且以图示发明可以被实施的特定实施例的方式示出。在这个方面，方向术语(诸如“顶部”或“底部”等)被参考描述的附图的取向使用。因为实施例的组件可以被以多个不同的取向放置，所以方向术语是为了图示的目的而加以使用的，而决不是限制性的。可以理解的是:在不背离本发明的范围的情形下，其他实施例可以被使用，并且结构或逻辑的变化可以被作出。因此，接下来的详细描述不采取限制的意义，并且本发明的范围由所附的权利要求限定。
[0025]附图1示出了自动化的根本原因分析的流程图。尽管几个步骤被示出和描述，但对于本发明，不是所有步骤都是必须执行的。第一步骤例如可以被省略。
[0026]作为自动化的根本原因分析的必要条件，全部可得到的数据都能够在第一步骤I中被对齐。这不仅对于将被监控的单个产品可以完成，而且还对于相同或相似种类的所有产品都可以完成。在这里，拿涡轮机作为示例。因此，来自所有涡轮机的数据被获取，并且使其以结构化的方式可用。这可以包括时间戳分箱、分箱式连续测量等。这个过程可以持续并且不必是本发明的一部分。
[0027]在第二步骤2中，涡轮机被监控。当涡轮机被监控以检测涡轮机的异常行为时，涡轮机的技术参数被监控。
[0028]在第三步骤3中，涡轮机的异常行为的检测发生。在正常操作中，没有异常行为被检测，并且所述过程流回到步骤2以便进一步监控。一旦涡轮机的异常行为被检测，所述过程或方法分支到第四步骤4。异常行为可以是错误或值在正常范围外。涡轮机异常行为是自动化的根本原因分析的输入。异常行为例如可以发生下列情形:报警事件、排定服务时的调查结果、服务工程操作、以及基于模型的监控，所述基于模型的监控就低于固定报警界限(可被称为动态界限)的非正常行为而将检测涡轮机。
[0029]在步骤4中，具有正常操作的时间段和异常行为操作6的时间段的异常行为模式5被形成。异常行为模式5在附图2的顶部被示出。这个涡轮机异常行为被群集(clustered)以形成模式5，所述模式5可以与包含相关信息的所有数据库中的信息相比较。详细地，所述过程将识别涡轮机何时处于正常操作以及何时不处于正常操作的时间段。
[0030]在进一步的步骤7中，异常行为模式5的一个、几个或所有时间段与涉及所述涡轮机的至少一个数据库中的信息的通道8相比较。仅把异常行为6的时间段与通道8的对应时间段9自动地比较可能就足够。
[0031]所述方法按照一群/组涡轮机手动或自动地接收其输入以及这个/这些涡轮机被判断为处于正常行为之外的时间。然后，这是异常行为模式。
[0032]所述方法按照来自子供应商的关于组件的使用年限、系列、批次、版本等的列表来甚至从涡轮机被构造之前起搜索相关。从构造的时间起，数据库可以包括材料清单，所述材料清单具有关于涡轮机中的所有组件、版本、尺寸、等级、使用年限等的详细信息。从涡轮机试车起，数据库可以包括仅可用于一个方案(在移交到服务之前)的信息。此后，涡轮机的整个寿命跨度(I ifespan)可以被存取，诸如软件版本、式样翻新、设置的变化、调整、零件替换、替换零件的缺陷代码等。包括这些数据库给出了所有涡轮机的完整历史。
[0033]例如，通过比较来自生产材料清单的数据，所述方法可以识别来自子供应商的劣质的供给(deIiverances)(如,具有劣质的或错误的组件的批次)。
[0034]异常行为模式5的异常行为6的时间段与所有其他数据库中的对应通道8或时间段相比较(如图2中所示)。
[0035]可得到的所有数据库的自动扫描可以被采用矩阵9 (如图4中所示的ADA矩阵)操纵。依据这个矩阵9，仅与异常行为的类型或输入源相配的某些数据库或通道8被比较。
[0036]在下一个步骤10中，测量异常行为模式5如何接近地匹配于通道8中的信息和/或时间段9。测量所述模式如何接近地匹配的功能被提供，并且从I到100的指示器11或值或权重被设置，这在图2的右栏中被示出。
[0037]指示器11是计算的结果，以指示与对应模式或通道8的匹配。然后，这些指示器11将形成对不需要的行为的最可能解释的列表12。所述方法可以示出许多、较少、或无模式匹配。
[0038]重复的过程可以开始以补偿如图3中最低线处所示的时间差或时间滞后(“缩放”)。
[0039]在下一个步骤13中，最佳匹配被自动地识别。异常行为模式5 (或异常行为6的时间段)与通道8 (或对应的时间段9)之间的最佳匹配可以被在指示器11中(或从列表12中)选择。
[0040]附加地，所述方法也可以群集一组涡轮机，以便例如使用材料清单在涡轮机的结构上找到解释。
[0041]为了根据调查结果进行推理，一些人为干预可能也是需要的。最终报告被自动地汇报，并被转给负责改正问题的人员和/或另外的系统。
[0042]在图3中，存在需要被满足以识别异常行为的几个条件的情况被示出。例如当采用特定式样翻新的涡轮机需要对应的软件或软件版本时，所述方法使用两个通道8来进行所述相关。所述相关把具有6%和8%的值(或权重)两个对应的指示器分别相关到具有100%的值的第二指示器14。
[0043]所述方法可以处理更多通道(例如像2至5个通道)的相关。通道的数量可以取决于计算能力。
[0044]作为附加的特征，所述系统可以在故障实际上发生之前发现并且识别将导致故障的异常行为模式。通过这种途径，涡轮机的故障通过远程地(或在下一个计划的服务时)采取预防措施而被预测和防止。这个特征可以依赖于关于服务事件的精确反馈。
【权利要求】
1.对复杂产品的自动化的根本原因分析，包括如下步骤: -监控所述产品(2); -检测产品的异常行为(3); -形成具有正常操作时间段和异常行为操作(6)的时间段的异常行为模式(5)； -把异常行为模式(5)的时间段与涉及所述产品的至少一个数据库中的信息的通道(8)的对应时间段(9)相比较； -测量所述异常行为模式(5)如何接近地匹配于所述信息；以及 -自动地识别最佳匹配。
2.根据权利要求1所述的自动化的根本原因分析，其中所述通道(8)和/或所述信息被对齐(19。
3.根据权利要求1或2所述的自动化的根本原因分析，其中所述信息和/或至少一个数据库涉及一组产品。
4.根据权利要求1至3中的至少一个所述的自动化的根本原因分析，其中对于所述匹配，几个通道，优选为2至5个，被使用。
5.根据权利要求1至4中的至少一个所述的自动化的根本原因分析，其中一个数据库包含来自产品的生产的材料清单。
6.根据权利要求1至5中的至少一个所述的自动化的根本原因分析，其中矩阵(9)把异常行为与数据库和/或通道相关以进行时间段的比较。
7.根据权利要求1至6中的至少一个所述的自动化的根本原因分析，其中异常行为模式(5)在其导致产品的故障之前被检测，并且其中产品的故障被预测和防止。
8.根据权利要求1至7中的至少一个所述的自动化的根本原因分析，其中计算指示异常行为模式(5)与所述信息和/或通道(8)的匹配的指示器(11，14)。
9.根据权利要求8所述的自动化的根本原因分析，其中生成指示器(11)的有序列表(12)。
10.根据权利要求1至9中的至少一个所述的自动化的根本原因分析，其中所述产品为涡轮机。
【文档编号】G06Q10/04GK103732863SQ201180072941
【公开日】2014年4月16日 申请日期:2011年12月9日 优先权日:2011年8月19日
【发明者】H.佩德森 申请人:西门子公司