择 的参数协调关系。回归分析404可以是线性回归。还可使用任何其它回归分析方法。由于该 回归可紧密地表示健康设备的性能，所以包括传感器数据或环境数据的所选样本数据可以 是用于设备处于相对良好的健康状况以下的时段。可用如上述公式1中所示的关于0P的所 选参数的函数来表示回归公式。
[0074]残差计算406可计算0P的计算和实际值之间的差。0P的实际值可以是作为历史记 录存储在存储器109中的传感器数据。可通过使用在回归分析404中发展的回归公式来计算 0P的计算值。可通过使用上述公式2来计算残差。
[0075]在计算残差之后，可基于残差是否周期性地遵循正态分布408来进行确定。如果该 残差遵循正态分布，则可如上述公式3中所示地将残差设定为HHCI 410。然而，如果残差并 未遵循正态分布，则可再次地通过在参数选择402处开始来执行如图4中所示的迭代。
[0076]图5示出了用于显示操作设备的示例性窗口 500。窗口 500可包括操作设备502的图 像和操作设备504的描述。如图5中所示，显示操作设备502。还可显示用于操作设备502的其 它信息。
[0077]图6示出了用以显示历史轴温602和环境温度604的示例性窗口 600。可将历史传感 器数据的子集选择为被用于设备监视的0P。由于环境条件可影响设备的生产和操作条件， 所以可选择某些环境数据以用于设备退化分析。如图6中所示，历史轴温602和环境温度604 可具有类似的移动图案。因此，可将传感器数据（也为0P)历史轴温602和环境温度604选择 为用于回归分析的参数，以用于生成用于设备退化分析的HCI。
[0078]图7示出了用于参数选择700的示例性窗口。如图7中所示，显示用于栗温度702和 空气温度704的历史值。根据图7,栗温度702和空气温度704是高度相关的。
[0079]图8示出了用于回归分析800的示例性窗口。如图8中所示，针对栗温度802和空气 温度804执行回归。回归分析窗口中所示的实线可表示栗温度802与空气温度804之间的关 系。实线可以是回归公式的表示。
[0080]图9示出了用于残差计算900的示例性窗口。如图9中所示，残差902可反映计算0P 与可作为历史值存储在测量结果存储器109中的实际0P之间的差。可通过使用上述公式2来 计算残差902。时间指数904示出一系列残差902的时间指数。
[0081 ]图10示出了用于正态分布评估1000的示例性窗口。如上文所讨论的，当残差遵循 正态分布时，可将残差设定为HHCI。如图10中所示，当HCI 1030和正态分位点1032的图一般 地遵循实直线1034并分布在短划线1036和1038之间时，残差可遵循正态分布，并且可将残 差设定为HHCI。
[0082] 图11图示出用于生成FHCI的预测均值序列和标准偏差(SD)序列的逻辑1100的示 例。逻辑1100包括确定HHCI的周期性均值，诸如可计算每日均值或每周均值(1102)。还可计 算HHCI的标准偏差。在数据平滑化1104的逻辑中，可滤除HHCI的均值序列和SD序列的噪声 或局部波动以获得总体趋势。建模训练1104可以基于HHCI的平滑化周期性均值和SD序列来 获得近似拟合和预测模型。最后，预测1108可以预测未来HCI(FHCI)的均值序列和SD序列。
[0083] 图12示出了用于HCI均值趋势的平滑化、拟合和预测的示例性窗口 1200。如图12中 所示，将历史HCI每日均值序列1202显示为锯齿形线，历史HCI每日均值1024的平滑化和拟 合曲线被示为平滑化曲线。基于拟合模型12〇6的raci的预测均值趋势显示为用于约第90天 至第140天1208的范围的平滑化曲线。
[0084]图13示出了用于HCI SD趋势平滑化、拟合和预测1300的示例性窗口。如图13中所 示，在SD趋势拟合和预测窗口 1300中显示实际每日HHCI SD序列1302、HHCI SD 1304的平滑 化和拟合曲线以及基于拟合模型1306的预测SD趋势。用于SD趋势拟合和预测的日1308范围 为约第1至第140日。在图13中，可预测用于约第90至第140日的曲线。
[0085]图14示出了用于显示HCI极限和移动均值1400之后的HCI极限的示例性窗口。由于 0P极限可以由制造商或行业标准提供，并且HCI是实际0P与计算0P之间的残差，所以可通过 从0P极限减去计算的0P来计算HCI极限1402。在上述公式1中示出了用以计算和预测0P的公 式。在上述公式4中示出了用以计算HCI极限的公式。图14示出了计算HCI极限1402。图14中 的移动均值1404之后的HCI极限示出了去除可能噪声之后的HCI极限。
[0086]图15示出了用于HCI 1500的极限违反概率的示例性窗口。可用如上所示的公式5 通过使用计算HCI极限、预测每日HCI均值和SD来计算HCI的极限违反概率。图15示出了用于 第1至第140日的日范围的用于HCI极限违反概率的极限违反概率1502。
[0087]图16示出了用于当报警概率水平达到某个水平时产生报警日期的示例性窗口。如 图16中所示，当报警概率水平1602是0.10(10%)时，可确定报警日期1604。根据图16,报警 日期1604处于约第109天。
[0088]在执行设备维护之后，可能需要更新HCI模型以用于进一步预测。一般地，在执行 维护之后，设备可处于更好的健康状况。可在设备维护之后进入稳定操作之后计算第一时 段（日、周和月）的HCI均值&HCI SD。
[0089]图17示出了用以示出维护之前和之后的HCI均值的示例性窗口。如图17中所示，维 护之后的HCI均值1704可低于执行维护之前的HCI均值1706。图17还示出了具有维护之后的 类似HCI均值1702的最近点。如所示，具有维护之后的类似HCI均值1702的最近点可在执行 维护的当天(第108天)之前的一天(第80天）。
[0090] 在向后在历史HCI均值曲线中找到用于具有与维护之后的新HCI均值1704最接近 值1702的点的之后，可以认为设备在执行维护之后已被恢复至该历史点的相同健康水平。 同样地，可删除历史时间点17 0 2与维护时间点17 0 6之间的均值曲线与S D曲线的历史点。可 将该历史时间点1702之前的HHCI均值和SD的曲线移动至维护时间点1706作为用于维护之 后的设备的更新HHCI均值曲线和SD曲线。图18示出了用以示出维护之后的移位曲线的HHCI 均值曲线移位窗口的示例。如图18中所示，维护1802之后的移位HHCI均值曲线在维护之前 的原始HHCI均值曲线1804的右侧。
[0091] 窗口500、600、700、800、900、1000、1200、1300、1400、1500、1600、1700、1800、1900、 2000中的任何一个可由处理器108生成并在显示器120上显示。
[0092] 在曲线已移位之后，可再次地应用先前公开的方法以用于拟合和预测HCI的均值 和SD的趋势。图19示出了用以示出获得移位HHCI均值曲线之后的预测的后续预测窗口的示 例。如图19中所示的后续预测1902示出了曲线被移位之后的预测HCI均值。
[0093] 有时，由于设备状态在维护之后可能不是非常稳定或者由于维护之后的实际设备 状态与移位HHCI均值曲线1802示出的并不完全相同，因此可能需要重复图17-19中所示的 先前步骤直至拟合模型变得稳定为止。图20示出了用以示出维护之后的更新模型的维护窗 口之后的建模迭代和最终确定的示例。可基于维护之后的移位HHCI均值曲线来生成模型迭 代之前的预测HCI均值曲线2002。可不仅基于移位HHCI均值曲线、而且基于根据在维护之后 收集的新设备传感器数据和环境数据计算的新HCI均值数据来生成模型迭代之后的预测 HCI均值曲线2004。维护2004之后的建模迭代和最终确定将稳定模型示为用于维护之后的 设备的新状态的更新模型。
[0094] 可用许多不同方式并用硬件和软件的许多不同组合来实现上述方法和/或系统、 设备、处理以及逻辑。例如，实施方式的全部或一部分可以是包括例如中央处理单元(CPU)、 微控制器或微处理器之类的指令处理器的电路；专用集成电路(ASIC)、可编程逻辑器件 (PLD)或现场可编程门阵列（FPGA);或者包括离散逻辑或其它电路部件（包括模拟电路部 件、数字电路部件或两者)的电路;或其任何组合。作为示例，该电路可包括分立互连硬件部 件和/或可在单个集成电路管芯上组合、分布在多个集成电路管芯之间或者在公共封装中 的多个集成电路管芯的多芯片模块(MCM)中实现。
[0095] 该电路还可包括或访问由电路执行的指令。可将该指令存储在除瞬态信号之外的 有形存储介质中，诸如闪存、随机存取存储器(RAM)、只读存储器(R0M)、可擦可编程只读存 储器(EPROM);或者磁盘或光盘，诸如紧凑式磁盘只读存储器(CDR0M)、硬盘驱动器(HDD)或 其它磁盘或光盘;或者在另一机器可读介质中或其上面。诸如计算机程序产品之类的产品 可包括存储介质和存储在其上面的指令，并且该指令在被设备中的电路执行时可促使设备 实现上文所