专利名称：用于监视设备的方法和系统的制作方法
技术领域：
本发明涉及设备监视方法和设备监视系统，并涉及例如用于由传感器 值判断设备异常的技术。
背景技术：
存在对用于改进设备安全性并减少监视成本的远程监视的增长的需 求。作为应当在远程监视中认识到的事情之一，存在对异常进行的监视。 设备的异常由传感器值进行判断。给定应当由传感器取得的值的上限和下限。当传感器的值偏离此范围(正常范围)时，i殳备被认为是异常的。可 以通过使用传感器值的历史数据确定传感器值的上限和下限。例如，存在 这样的方法假设传感器值中的波动为正态分布，计算平均值'V，和标准 偏差，并将p土3ff设置为上限和下限。远程监视具有这样的特性大量同样的设备M视的对象。在所有这 些设备中收集传感器数据并确定上限和下限是困难的。由于不存在新安装 设备的传感器值的历史数据，不可能设置上限和下限。因此，可以想到对 对象设备中的几个设备进行采样并使用被采样设备的传感器数据确定上限 和下限的方法。然而，即使设备是相同的，设备之间可能存在个体差异。 可能难以由被采样设备的传感器数据唯一地确定其余设备的传感器值的上 限和下限。换句话说，由设备采样确定的传感器值上限和下限不总是令人 满意地适用于发现其余设备的异常。发明内容根据本发明 一 实施形态，提供了 一种监视各自具有传感器的多个设备 的监视方法，其包含
从所述多个设备中选择两个或两个以上的采样设备； 对于各个采样设备，计算由采样设备检测的传感器值的平均值和标准 偏差；计算平均值的置信区间以及标准偏差的平均值；以及将所述多个i殳备中的任意设备检测到的传感器值的平均值计算为对象 平均值，并由对象平均值、置信区间、标准偏差平均值计算所述任意设备 的传感器的正常范围。根据本发明一实施形态，提供了一种监视各自具有传感器的多个设备 的监视方法，其包含从所述多个设备中选择两个或两个以上的采样设备；由采样设备检测到的传感器值，计算通过对各采样设备传感器值的平均值进行平均获得的采样平均值，采样标准偏差，其为各采样设备的传感器值的平均值的标准偏差，以及通过对各采样设备的传感器值的标准偏差进行平均获得的标准偏 差平均值；以及通过使用由所迷多个设备中的任意设备检测到的传感器值的平均值和 数量、采样平均值、采样标准偏差以及标准偏差平均值计算所述任意设备 传感器值的平均值的正态分布的平均(mean)或相对于该平均在阈值范围 内的值，并由该平均或该阈值范围内的值以及标准偏差平均值计算所述任 意i殳备的传感器的正常范围。根据本发明一实施形态，提供了一种监视各自具有传感器的多个设备 的监视系统，其包含选棒单元，其净皮配置为从所述多个i殳备中选择两个或两个以上的采样设备；第 一计算单元，其被配置为对于各个采样设备计算由采样设备检测的 传感器值的平均值和标准偏差；
第二计算单元，其被配置为计算平均值的置信区间以及标准偏差的平均值；以及正常范围计算单元，其被配置为将所述多个设备中的任意设备检测到 的传感器值的平均值计算为对象平均值，并由对象平均值、置信区间、标 准偏差平均值计算所述任意设备的传感器的正常范围。根据本发明一实施形态，提供了一种监视各自具有传感器的多个i殳备 的监视系统，其包含选捧单元，其被配置为从所述多个设备中选择两个或两个以上的采样设备；笫三计算单元，其被配置为使用由采样设备检测到的传感器值计算 通过对各采样设备传感器值的平均值进行平均获得的采样平均值，采样标准偏差，其为各采样设备的传感H^L的平均值的标准偏差，以及通过对各采样设备的传感器值的标准偏差进行平均获得的标准偏 差平均值；以及正常范围计算单元，其被配置为通过使用由所述多个设备中任意设备 检测到的传感器值的平均值和数量、第三计算单元中计算得到的采样平均 值、采样标准偏差以及标准偏差平均值计算所述任意设备的传感器值的平 均值的正态分布的平均或相对于该平均在阈值范围内的值，并由该平均或 该阈值范围内的值以及标准偏差平均值计算所述任意i殳备的传感器的正常 范围。
图1示出了监视系统的总体结构； 图2示出了本地设备的结构； 图3示出了从采样设备收集数据的状态； 图4示出了对于各采样设备的监^Mt型；
图5示出了采样设备数据的平均值"m，，、平均值的平均值"mm"、 平均值的方差( variance) "ms，，、标准偏差"s"的平均值"sm"; 图6示出了本地设备中获取的传感器Sl数据(5个时刻)； 图7为监视系统的框图；图8为一流程图，其用于阐释根据第一实施例的处理； 图9示出了监皿型的平均值的转变； 图10为才艮据第二实施例的流程图；图ll示出了在本地设备中获取的传感器Sl数据(No.2);图12示出了监,型的平均值的转变(No.2);图13为一流程图，其用于阐释根据第三实施例的处理；图14为一流程图，其用于阐释根据第四实施例的处理；图15示出了所收集的本地S1数据的平均值及其集群(clustering);图16示出了本地i殳备的特殊信息；图17示出了用于对类别A与B进行分类的决策树的实例；以及 图18为一流程图，其用于阐释根据第五实施例的处理。
具体实施方式
(第一实施例)图l示出了整个监视系统的结构。同一型号的多个本地设备l为监视 对象。本地设备l的具体例子为电梯、复印机等等。如图2所示，每个本 地设备1具有n个传感器Sl到Sn，且用于监视传感器值的程序102运行 电梯的传感器的实例为打开和关闭速度等等，复印机的传感器的实例为滚 筒的转速等等。监视系统保有传感器值的适当区段(pr叩er section)(正 常范围)的上限和下限，并判断传感器值是否在此区段内。当传感器值偏 离适当区段时，监视程序将异常结果通知到中央设备100。中央设备100 接收来自本地设备l的异常通知，并在此后采取措施，例如，派遣检查员。 在本实施例中，将介绍产生用于发现传感器Sl异常的上限与下限的方法 (下面称为监自型)。考虑到传感器值根据正态分布波动，上限和下限 经常由值的平均值和方差确定。在本实施例中，個J殳传感器Sl的方差(或标准偏差)固定，将介绍平均值对于各设备波动的情况。方差或标准偏差 是表示变化的指标的例子。从图1的本地设备中随机选出几个采样设备并收集Sl的历史数据。國 3示出了在中央设备100中从四个设备(阴影设备)1 (1)至l (4)收集 数据的状态。图4为一实例，其中，由所收集的采样设备l (1)至l (4) 的数据，根据传统方法为各设备产生监视模型。图中箭头的范围为各i殳备 的Sl的正常范围。Sl轴上单独的点为传感器数据，使用数据的平均值"m" 和方差"ff2，，计算得到的m-3ff到m+3ff,皮i殳置为正常范围。(r为标准偏差 (波动)。从图4显然可见，监,型(上限与下限)对于各采样设备不 同。因此，不可能从这些监M型中唯一地确定适合所有设备的监M型。下面将阐釋"使用为相应的采样设备计算得到的平均值和标准偏差产生 用于各本地设备的监视模型的过程。图5为一表格，其中整理了图4中相应的监,型的平均值"m"和 标准偏差"s (ff)"。在本实施例中，假设各本地设备中传感器值的标准 偏差相等，使用通过对图5中的"s"进行平均获得的sm=0.60。当计算平 均值"m，，的平均值"mm"以及平均值"m"的标准偏差"ms"时，在图 5中的一个采样中，mm=4， ms=0.667。这里，個j殳平均值遵循正态分布， 计算平均值"m"的置信区间[a, W。例如，当假设95%的置信区间时， 大约mm-2ms, mm+2ms即[2.66， 5.33为置信区间。由此置信区间以^M^ 本地设备中获取的传感器数据产生对于各个本地设备(采样设备以及不同 于采样设备的本地设备)的本地监 型。假设对于本地设备的传感器Sl收集5个时刻的数据(图6)。这里， 假设这些传感器值的总体(population )遵循平均值"lm"和标准偏差"Is" 的正态分布N(lm， Is2)，通过确定lm产生本地监视模型。如上所述， ls是固定的，使用sm。假设lm仅取如上计算的置信区间内的一个值，当 lm偏离此区段时，lm是最接近于置信区间的值。例如，在图6的实例中， 由于本地i殳备的传感器Sl的数据的平均值"ldm"为3.58,其在置信区间
中，lm=ldm=3.58。如果ldm小于置信区间的下限2.66， lm=2.66。当ldm 大于置信区间的上限时，lm=5.33。将使用图7和8阐释本实施例中的处理流程。图7示出了 一个中央设 备100和六个本地设备1(1)至1(6)。图8(A)所示的处理流程在中 央设备100的计算单元101中执行。中央设备100的计算单元101随M 择本地设备(S11)。步骤Sll等价于例如由选择单元进行的选择步骤或 处理。计算单元101从随机选择的采样设备获取传感器时间序列数据 (S12)。计算单元101由从各采样设备获取的数据计算标准偏差"s，，的 平均值和平均值"m"的置信区间a， bl (S13)。步骤S13等价于例如第 一计算步骤和笫二计算步骤，并等价于由笫一计算单元和第二计算单元进 行的处理。计算单元101向监m象设备(本地设备)1 (1)至1 (6)发 送计算结果(S14)。在监^象设备1 (1)至l (6)中，图8 (B)所示 的处理流程在监M型管理单元11中执行。本地设备的监视模型管理单元 11由中央设备100获取标准偏差的平均值"sm"以及平均值"m"的置信 区间[a， b(S21)。此后，监M型管理单元11收集来自本地设备中的 传感器的传感器数据，并计算传感器数据的平均值"ldm" (S22)。监视 ;漠型管理单元ll将此平均值"ldm"与置信区间a， b进行比较(S")。 当平均值"ldm"在置信区间[a， b]内时(S23中的是)，监^L^型管理单 元11将正态分布N (lm, ls2)中的lm设置到平均值"ldm" (S24)。 当平均值"ldm，，不在置信区间[a， bl内时(S23中的否)，监称漠型管理 单元11将lm设置到置信区间内最接近于平均值"ldm"的值(S25)。 监视模型管理单元ll使用lm和ls-sm来确定监^f莫型(S26)。例如， 监#喊型管理单元11将监:^型(正常范围)设置到[lm-:2sm， lm+hml。 步骤S22到S26等价于例如正常范围计算步骤。在本实施例中介绍了这样的例子中央设备从各采样设备获取传感器 数据并计算各采样设备的传感器数据的标准偏差和平均值。然而，各采样设备计算传感器数据的平均值和标准偏差并将平均值与标准偏差传送到中 央设备也是可以的。
根据本实施例，由在各设备中检测到的传感器数据以及由>^各采样 设备收集的传感器数据所获取的波动的平均值和传感器值平均值置信区间计算各设备中的监^!^莫型(正常范围)。因此，可以以小的计算工作量获 得对于各i殳备的正常范围，同时，反映其上的个体差异。另外，可以防止 各设备的监,型与其它设备的监g型有很大的偏差。 (第二实施例)在本实施例中，与第一实施例中一样，将介绍由在本地设备(其为图 1中的监视系统的监视对象)中收集的数据以及随机选择的设备(采样设 备)的传感器S1的历史数据产生本地设备监，型的方法。假:没由采样^殳备收集的传感器Sl的历史数据为图5所示的数据，在本 地设备中收集的数据为图6所示的数据。如同第一实施例中一样，假设本 地设备的传感器值的总体遵循的正态分布N (lm， ls2)的标准偏差"Is" 为各自采样设备的传感器Sl数据的标准偏差的平均值"sm"。在笫二实 施例中，监^f莫型(正常范围)根据到本地设备的时间数据输入(各时刻 的传感器数据)而变化。将贝叶斯统计方法用于产生监祝漠型。根据文献 "Hiroshi Watanabe， A Guide to Bayes Statistics" 105页，当正态分布的先 验分布的平均值"m"的平均值"mm"、平均值的标准偏差"ms"、监 恥漠型的标准偏差"sm"给定且监M象设备的观测数据的平均值"1dm" 和数量"n"给定时，监视才莫型平均值的后验分布遵循下面的正态分布。公式II<formula>formula see original document page 14</formula>由于mm-4， ms2=0.6662=0.44， sm2=0.62=0.36，当图6中第一时刻的传感 器数据(时刻数据)被输入时，代入n-l和ldn^3.6，作为监,型的平 均值"lm"(公式l中左侧的一项)，得到3.78。输入时刻和该点的监视 模型平均值(公式l中左侧的一项)在图9中示出。通过这种方式，随着 输入时刻数的上升，本地设备中收集的数据的内容反映在监M型上。监 #喊型(正常范围):l^示为例如lm-2sm， lm+2sm(如上所述，ls=sm)。 代替4吏用图6所示各时刻的传感器数据的是，可使用传感器数据的移动平 均值。例如，以IO个时刻的单位对各时刻上获取的传感器数据进行分段， 将各段的平均值设置为一个传感器数据。可使用通过以预定的时间间隔进 行采样所获得的传感器数据。或者，可使用采样与移动平均值的结合。将使用图7与10阐释本实施例中的处理流程。如图10 (A)所示，中 央设备100的计算单元101随机选择本地设备(S31)。计算单元101从随 机选择的采样设备获取传感器时间序列数据(S32 )。计算单元101由从各 采样设备获取的数据计算平均值"m"的平均值"mm"、平均值的标准偏 差"ms"以及标准偏差的平均值"sm" (S33)。步骤S33等价于例如由 第三计算单元进行的第三计算步骤或处理。计算单元101向监^t象设备(本地设备)发送计算结果(S34)。另一方面，如图10 (B)所示，监视 对象设备中的监4^型管理单元11从中央设备100获取mm、 ms、 sm(S41)。此后，监^L4莫型管理单元ll收集对于一时刻的本地设^ft感器 数据"y，，，并将该传感器数据添加到集合"Y" (S42)。监视模型管理 单元11获取集合"Y，，的平均值"ldm"以及集合"Y"中的传感器数据 的数量"n" (S43 )。监^L^莫型管理单元11代入公式1中的平均值"ldm" 和数量"n"以计算平均值的分布，并计算分布的平均(平均值)lm( S44 )。 监浮雄型管理单元11使用sm以及分布的平均(平均值)lm (公式1中左 侧的一项)确定监视模型(S45)。代替平均"lm"的是，可使用离平均"lm"在预定阈值范围内的值.例如，公式l的右侧的项表示方差"ff2，，。 可以使用此方差计算监视模型。平均"lm"的置信区间可被设置为阈值范围。举例而言，95。/。的置信区间为[lm-2ff, lm+2ff，可使用此范围内的值。 步骤S32到S45等价于例如由正常范围计算单元进行的正常范围计算步骤 或处理。才艮据此实施例，如同第一实施例中一样，可以以小的计算工作量获得 各i殳备的正常范围，同时，反映其上的个体差异。另外，可以防止^^殳备 的监视模型与其它设备的监M型有很大的偏差。 (笫三实施例)假设在产生监视模型时处理以与第二实施例中相同的方式进行，且本地设备中获得的传感器Sl的数据如图11所示。这里，当如同第二实施例 中那斧使用第一时刻的传感器数据U计算监目型的平均值"lm"(公 式l左侧的一项)时，得到2.46。当监，型的标准偏差"sm"被设置到 0.6且士2sm被:i殳置为正常范围时，由于传感器数据的正常范围为1，26， 3.66，图11中第一时刻的数据不被包含在正常范围内且被判断为异常。因 此，此传感器数据不被用于产生监M型。接着，当使用第二时刻的数据 1.3计算监视模型的平均值"lm"(公式1左侧的一项)时，得到2,52。 类似地，当sm=0.6时，传感器数据的正常范围为[1.32， 3.72。因此，第 二时刻的传感器数据不被包含在正常范围内并被判断为异常。因此，此传 感器数据也不被用于产生监^f莫型。当在第三时刻以及接下来的时刻以同 样的方式进行处理时，由于各时刻的传感器数据被判断为正常，图ll所示 第三时刻以及接下来的时刻的传感器数据被用于产生监M型。根据此实 施例的监M型的平均值"lm"的转变在图12中示出。以这种方式，不 包含在正常范围内的传感器数据不被用于产生监^f莫型，以便防止异常值 收良映在将被产生的监视摸型上。如同第二实施例中一样，代脊使用图ll 所示各时刻的传感器数据的是，可使用通过以预定时间间隔进行采样获得 的传感器数据或传感器数据的移动平均值。或者，可使用采样与移动平均 值的结合。将使用图7与13阐释本实施例中的处理流程.如图13 (A)所示，中 央设备100的计算单元101随机选择本地设备(S51)。计算单元101从各 随机选择的采样设备获取传感器时间序列数据(S52)。计算单元101由从 各采样设备获取的数据计算平均值"m"的平均值"mm"、平均值的标准 偏差"ms，，以及标准偏差的平均值"sm" (S53)。计算单元101向监详见 对象设备发送计算结果(S54)。另一方面，如图13 (B)所示，监视对象 设备中的监视模型管理单元11从中央设备100获取mm、 ms、 sm ( S61)。 此后，监^!^莫型管理单元11对于一时刻收集本地设备的传感器数据"y"， 并将该传感器数据添加到集合"Y" (S62)。监视模型管理单元11在公 式l中代入集合"Y"的平均值"ldm"以及包含在集合"Y"中的传感器 数据的数量"n"以计算平均值的分布(S64)。监,型管理单元11使 用sm以及分布的平均(平均值)lm确;O:目型(正常范围)(S65)。 监目型管理单元11使用此监目型判断传感器数据"y"的异常(S66)。 当传感器数据"y"正常时(S66中的是)，监M型管理单元11返回到 步骤S62。当传感器数据"y"异常时(S66中的否)，监,型管理单元 ll从集合"Y"中删除传感器数据"y" (S67) *此后，此传感器数据不 被用于产生监,型.在本实施例中，仅判断最新的传感器数据是否在正 常范围内。然而，也可以判断集合"Y，，中包含的所有传感器数据是否均 包含在正常范围内，并删除不包含在正常范围内的所有传感器数据。 (第四实施例)在第一实施例或第二与第三实施例中，当用户指定数量的传感器Sl 数据在本地设备中被收集时或当用户指定的预定时间段已经过去时，计算 传感器Sl数据的标准偏差和平均值并将^^本地设备(包括采样设备以及 不是采样设备的本地设备)发送到中央设备。中央设备重新计算第一实施 例中的标准偏差平均值"sm"和置信区间a， bl或第二与第三实施例中的 标准偏差的平均值"sm"、平均值的标准偏差"ms"以及平均值的平均值 "mm"。各实施例使用这些重新计算得到的值进行。因此，可以产生反 映大量监视对象设备(本地设备)的特性的监视模型。将使用图7与14阐释本实施例的处理流程。如图14 (A)所示，中央 设备100的计算单元101从本地设备获取平均值与标准偏差(S")。计算 单元101使用所获取的平均值和标准偏差重新计算在第一、第二、第三实 施例中计算得到的统计数据(平均值的平均值"mm"、平均值的标准偏 差"ms"、置信区间[a， bl、标准偏差的平均值"ms" ) (S72)。计算 单元101将计算结果发送到各本地设备(监M象设备)(S73)。另一方 面，如图14 (B)所示，本地设^^从传感器收集传感器数据(S81)。本地 设备判断所收集的传感器数据的数量是否等于或大于阈值或预定时间段是
否已经过去(S82)。当这其中有一个成立时(S82中的是)，本地i殳备计 算平均值和标准偏差，并将平均值和标准偏差发送到中央设备100 ( S83 )。 此后，本地设备重新获取中央设备100所计算得到的统计数据(平均值的 平均值"mm"、平均值的标准偏差"ms"、置信区间a， b、标准偏差 的平均值"ms，， ) (S84)。本地设备如笫二与第三实施例所阐释的那样 产生监,型(S85)。
在本实施例中，在各本地设备中计算传感器Sl数据的平均值与标准偏 差并将之发送到中央设备。然而，传感器Sl数据从各本地设备发送到中央 设备且中央设备计算各本地设备的平均值与标准偏差也是可以的。 (第五实施例)
在第一至第四实施例中，当由各本地设备的传感器Sl数据计算平均值 或当从各本地设备收集传感器Sl数据的平均值时，中央设备进行对由各本 地设备获得的平均值的集群。例如，如图15所示，当从八个本地设备ID1 到ID8获得平均值V1到V8时，通过进行集群，产生集群A和B。作为 集群，可使用例如凝集(agglomerative)法或k平均法。具有平均值V1、 V2、 V5、 V6的本地设备ID1、 ID2、 ID5、 ID6寻皮分类到集群A中，具有 平均值V3、 V4、 V7、 V8的设备ID3、 ID4、 ID7、 ID8被分类到集群B中' 这里，检查是否存在这样的特性其区分被分类到集群A中的设备与被分 类到集群B中的设备。图16所示的表为例如在电梯的情况下各i史备ID1 至ID8的个体信息。在该表中，4吏用作为类别的集群属性以及作为属性的 安装年、类型、位置，产生由一个或一个以上的属性预测类别的决策树(分 类规则或推测规则)。所产生的决策树在图17中示出。根据安装年，将个 体分类到类别A和B中。所有本地设备的分类使用这种决策树进行，以便 将本地设备分类到类别A和B中。此后，为类别A与B各自产生不同的 监鄉型。
将使用图7与18阐释本实施例的处理流程。如图18 (A)所示，中央 设备100的计算单元101收集发送自监视对象设备(本地设备)的统计数 据(例如平均值和标准偏差(或方差))(S91)并进行集群(S92)。步骤S92等价于例如由集群单元进行的集群步骤或处理。作为集群，可进行 仅4吏用一个统计数据(例如平均值或标准偏差)的一维集群，或者，可进 行使用两个统计数据(例如平均值与标准偏差)的二维集群。或者，可进 行使用三个或三个以上的统计数据的三维集群或更高维集群。在进行集群 之后，计算单元101产生用于将各监^象设备分类到任何一个集群中的 分类规则(推测规则)(S93)。步骤S93等价于例如由规则产生单元进 行的规则产生步骤或处理。计算单元101使用此分类规则对各本地设备进 行分类(S94)。步骤S94等价于例如由推测单元进行的推测步骤或处理。 此后，计算单元101为各个集群独立地进行第一至第四实施例中的处理。 例如，在第一实施例的情况下，计算单元101由从属于某集群的各采样设 备收集的传感器数据产生乾良送到属于同一集群的各本地设备的标准偏差 "s"的平均值"sm"和平均值"m"的置信区间[a， bl。另一方面，如图 18 (B)所示，监视对象设备的监，型管理单元ll收集传感器数据并计 算统计数据(S101)。步骤S101等价于例如由统计数据计算单元进行的 统计数据计算步骤或处理。监,型管理单元11将计算得到的统计数据发 送到中央设备100 (S102)。统计数据的计算可在中央设备100中进行。 此后，本地设备被中央设备100分类到任一集群中。
权利要求
1.一种监视各自具有传感器的多个设备的监视方法，其包含从所述多个设备中选择两个或两个以上的采样设备；为各采样设备计算由采样设备检测到的传感器值的平均值和标准偏差；计算平均值的置信区间与标准偏差的平均值；以及将所述多个设备中的任意设备检测到的传感器值的平均值计算为对象平均值，并由对象平均值、置信区间以及标准偏差平均值计算该任意设备的传感器的正常范围。
2. 根据权利要求l的方法，其中当对象平均值被包含在置信区间中时，由对象平均值和标准偏差平均 值计算传感器的正常范围，且当对象平均值不包含在置信区间中时，由置信区间中最接近于对象平 均值的值以及标准偏差平均值计算传感器的正常范围。
3. 根据权利要求2的方法，其中，相对于对象平均值或置信区间中最 接近于该平均值的值的士 (预定系数x标准偏差平均值)的范围被计算为正 常范围。
4. 根据权利要求l的方法，其还包含当预先指定数量的传感器值在所述任意设备中被收集时或当预先指定 的预定时间段已经过去时，计算由所述任意设备检测到的传感器值的平均 值和标准偏差，且通过使用为所述任意设备计算得到的平均值与标准偏差，更新置信区 间以及标准偏差平均值。
5. 根据权利要求l的方法，其还包含为各个采样设备由各采样设备的传感器值计算希望的统计数据； 根据为采样设备计算得到的统计数据对采样设备进行集群并将釆样设 备分到多个组之中；基于各采样设备的多个属性值以及采样设备所属于的组，产生用于从一个或一个以上的属性值推测組的推测规则；以及由所述推测规则，推测所述任意设备属于的组，其中 对于各个组，计算置信区间以及标准偏差的平均值，且 由从所述任意设备检测得到的传感器值、从所述任意设备属于的组获得的标准偏差平均值与置信区间计算所述任意设备的传感器的正常范围。
6. —种监禾见各自具有传感器的多个设备的监视方法，其包含 从所述多个设备中选择两个或两个以上的采样设备； 通过由采样设备检测到的传感器值，计算通过对各采样设备的传感器值的平均值进行平均获得的采样平均值，采样标准偏差，其为各采样设备传感器值的平均值的标准偏差，以及通过对各采样设备的传感器值的标准偏差进行平均获得的标准偏 差平均值；以及通过使用从所述多个设备中的任意设备检测到的传感器值的平均值和 数量、采样平均值、采样标准偏差以及标准偏差平均值，计算所述任意设备的传感器值的平均值的正态分布的平均或相对于所述平均在阁值范围内 的值，并由所述平均或所述阈值范围内的所述值以及标准偏差平均值来计 算所述任意i殳备的传感器的正常范围。
7. 根据权利要求6的方法，其中，计算各采样设备中的传感器值的平 均值以及各采样设备中的传感器值的标准偏差；且由为各采样设备计算得到的标准偏差和平均值计算采样平均值、采样 标准偏差、标准偏差平均值。
8. 才艮据权利要求6的方法，其中将相对于所述平均或在所述阔值范围内的所述值的士(预定系数x标准 偏差平均值)的范围计算为正常范围，
9. 根据权利要求6的方法，其中，每当从所述任意设备检测到预定数 量的传感器值时计算正常范围，从用于计算正常范围的传感器值中检测出不包含在正常范围内的传感 器值，且所^r测出的传感器值不被用于在下一时刻以及接下来的时刻对正常范围的计算中。
10. 才艮据权利要求7的方法，其还包含当在所述任意设备中收集到预先指定的数量的传感器值或当预先指定 的预定时间段已经过去时，计算由所述任意设4^检测到的传感器值的平均 值与标准偏差，且使用为所述任意设备计算得到的平均值与标准偏差更新采样平均值、 采样标准偏差、标准偏差平均值。
11. 根据权利要求6的方法，其还包含 为各采样设备由各采样设备的传感器值计算希望的统计数据； 根据为采样设备计算得到的统计数据对采样设备进行集群并将采样设备分到多个组中；基于各采样设备的多个属性值以及采样设备属于的组，产生用于由一 个或一个以上的属性值推测组的推测规则；以及由推测规则推测所述任意设备所属于的组，其中对于各个組，计算采样平均值、采样标准偏差、标准偏差平均值，且由从所述任意设备所属于的组获得的采样平均值、采样标准偏差、标 准偏差平均值以及从所述任意设备检测得到的传感器值的平均值和数量， 计算所迷平均或相对于所述平均在阈值范围内的值。
12. —种监视各自具有传感器的多个设备的监视系统，其包含 选择单元，其被配置为从所述多个设备中选择两个或两个以上的采样设备；第 一计算单元，其被配置为为各采样设备计算由采样设备检测到的传感器值的平均值和标准偏差；第二计算单元，其被配置为计算平均值的置信区间与标准偏差的平均 值；以及正常范围计算单元，其被配置为将所述多个设备中的任意设备检测到 的传感器值的平均值计算为对象平均值，并由对象平均值、置信区间以及 标准偏差平均值计算该任意设备的传感器的正常范围。
13. 根据权利要求12的系统，其中，当对象平均值被包含在置信区间 中时，所述正常范围计算单元由对象平均值和标准偏差平均值计算传感器 的正常范围，且当对象平均值不包含在置信区间中时，由置信区间中最接 近于对象平均值的值以及标准偏差平均值计算传感器的正常范围。
14. 根据权利要求13的系统，其中，所述正常范围计算单元将相对于 对象平均值或置信区间中最接近于对象平均值的值的士(预定系数x标准偏 差平均值)的范围计算为正常范围。
15. 根据权利要求12的系统，其中，当预先指定的数量的传感器值在所述任意设备中被收集到时或当预先指定的预定时间段已经过去时，所述 第一计算单元计算由所述任意设备检测到的传感器值的平均值和标准偏差，且使用为所述任意设备计算得到的平均值与标准偏差，所述第二计算单 元更新置信区间以及标准偏差平均值。
16. 根据权利要求12的系统，其还包含统计数据计算单元，其被配置为为各个采样i殳备由各采样i殳备的传感 器值计算希望的统计数据；集群单元，其被配置为根据为采样设备计算得到的统计数据对采样设备进行集群并将采样设备分到多个组之中；规则产生单元，其被配置为基于各采样设备的多个属性值以及采样设 备所属于的组，产生用于从一个或一个以上的属性值推测组的推测规则； 以及推测单元，其被配置为由所述推测规则，推测所述任意设备属于的组，其中所迷笫二计算单元对于各个组计算置信区间以及标准偏差平均值，且所述正常范围计算单元由从所述任意设备检测得到的传感器值、从所 述任意设备属于的组获得的标准偏差平均值与置信区间计算所述任意设备 的传感器的正常范围。
17. —种监视各自具有传感器的多个设备的监视系统，其包含 选择单元，其被配置为从所述多个设备中选择两个或两个以上的采样设备；笫三计算单元，其被配置为使用由采样设备检测到的传感器值计算 通过对各采样设备的传感器值的平均值进行平均获得的采样平均值，采样标准偏差，其为各采样设备传感器值的平均值的标准偏差，以及通过对各采样设备的传感器值的标准偏差进行平均获得的标准偏 差平均值；以及正常范围计算单元，其被配置为通过使用从所述多个设备中的任意设 备检测到的传感器值的平均值和数量、所述第三计算单元中计算得到的采 样平均值、采样标准偏差以及标准偏差平均值计算所述任意设备的传感器 值的平均值的正态分布的平均或相对于所述平均在阈值范围内的值，并由 所述平均或所迷阈值范围内的所述值以及标准偏差平均值来计算所述任意 ;殳备的传感器的正常范围。
18. 根据权利要求17的系统，其中，所迷第三计算单元包含 笫一单元，其被配置为计算各采样设备中的传感器值的平均值以及各采样i殳备中的传感器值的标准偏差；以及第二单元，其被配置为由为各采样设备计算得到的标准偏差和平均值计算采样平均值、采样标准偏差、标准偏差平均值。
19. 根据权利要求17的系统，其中所迷正常范围计算单元将相对于所述平均或在所述阈值范围内的所迷 值的± (预定系数x标准偏差平均值)的范围计算为正常范围。
20. 根据权利要求17的系统，其中，所迷正常范围计算单元每当从所述任意设备检测到预定数量的传感器值时计算正常范围， 从用于计算正常范围的传感器值中检测出不包含在正常范围内的传感 器值，且不将所检测出的传感器值用于下一时刻以及接下来的时刻对正常范围 的计算。
21. 根据权利要求18的系统，其中当在所述任意设备中收集到预先指定数量的传感器值时或当预先指定 的预定时间段已经过去时，所述笫三计算单元中的所述第 一单元计算由所 述任意设备检测到的传感器值的平均值与标准偏差，且所述第三计算单元中的所述第二单元使用为所述任意设备计算得到的 平均值与标准偏差更新采样平均值、采样标准偏差、标准偏差平均值。
22. 根据权利要求17的系统，其还包含统计数据计算单元，其被配置为为各采样设备由各采样设备的传感器 值计算希望的统计数据；集群单元，其被配置为根据为采样设备计算得到的统计数据对采样设备进行集群并将采样设备分到多个组中；规则产生单元，其被配置为基于各采样设备的多个属性值以及采样设备属于的组，产生用于由一个或一个以上的属性值推测组的推测规则；以及推测单元，其被配置为由所述推测规则推测所述任意设备所属于的组， 其中所述第三计算单元对于各个组计算采样平均值、采样标准偏差、标准 偏差平均值，且所迷正常范围计算单元由从所述任意设备所属于的组获得的采样平均 值、采样标准偏差、标准偏差平均值以及从所述任意设备检测得到的传感 器值的平均值和数量，计算所述平均或相对于所述平均在阔值范围内的值。
全文摘要
提供了一种监视各自具有传感器的多个设备的监视方法，其包含从所述多个设备中选择两个或两个以上的采样设备；为各采样设备计算由采样设备检测到的传感器值的平均值和标准偏差；计算平均值的置信区间与标准偏差的平均值；将所述多个设备中的任意设备检测到的传感器值的平均值计算为对象平均值，并由对象平均值、置信区间以及标准偏差平均值计算该任意设备的传感器的正常范围。
文档编号G01D21/00GK101211496SQ20071030586
公开日2008年7月2日 申请日期2007年12月28日 优先权日2006年12月28日
发明者久保田和人, 波田野寿昭 申请人:株式会社东芝