用于生成至少一个推荐的方法与流程

本发明涉及一种用于生成至少一个推荐的方法、一种对应的生成器单元、用于生成至少一个推荐的设备以及对应的计算机程序产品。

背景技术：

在实践中，对旋转装备的远程监测和诊断是必不可少的。燃气轮机的远程诊断是一项复杂的任务，其可以被划分为三个步骤：（1）检测，（2）隔离，和（3）诊断。近来，对针对工厂过程安全性，提高可靠性和可用性，降低维护成本以及对装备健康状态的持续感知的系统性方案的需求在增长。这种需求对现有的工具环境提出了挑战，现有的工具环境通常以采用状况监测解决方案和专家系统为基础。具体地说，作为系统性诊断的一部分的故障检测、故障隔离、故障机制定义和诊断定义是支持工程师进行其决策过程直至校正动作推荐的基本功能。

但是，由于大量子系统和过程流程所引起的技术复杂性，对工业燃气轮机的诊断并非易事，并且需要来自诸如系统力学、空气动力学和热力学等之类的各个领域的各种工程师的多学科专业知识。

直到最近，计算能力的增长使人工智能领域的自主决策方法再度风起云涌，使用于应对先前概述的挑战的新方法和工具成为可能。一个这样的示例是深度学习，它是一种强大的方法，它利用gpu硬件来构建具有看不见的能力的模型，该看不见的能力根据数据来自动构造相关特征。

在分析阶段期间，远程诊断中心（rdc）处的专家通常会利用他对故障模式和解决方案的发现和假设来丰富上述步骤（1）中的可用传感器数据，所有发现和假设都记录在售票（ticketing）系统（例如salesforce）中作为自然语言的自由文本。尽管这种非结构化（或半结构化）的记录方式对技术人员来说是方便的，但它使得很难与其他同事分享这些注释中所表达的知识。这些票据中的信息用于基于过去的类似案例来提出解决方案。因此，挑战在于提供一种可以在诊断期间自动向技术人员提出相关的历史案例的系统，该系统中将传感器数据以及（中间）人工生成的内容（主要是文本信息）纳入考虑。此外，拥有需要对参数进行大量手动调整才能良好运行的解决方案在实践中并不可行。到目前为止，远程诊断中心（rdc）中的诊断过程基本上是手动的，并且缺乏软件工具的支持。

现有技术中已知几种用于针对当前关键情况生成第一级支持推荐的方法和系统。这些推荐旨在解决观察到的技术系统的问题或减少系统带来的未来损害。此外，其他推荐可以针对资源消耗的优化、系统的输出、通过减少磨损来增加寿命。

根据现有技术，例如，联合分析机器数据和人工生成的文本以创建当前情况的统一表示。可以使用这种统一表示从案例库中识别出类似的历史情况，并将该类似的历史情况与其他解决方案一起呈现给工程师。然后，工程师可以从这些解决方案中拾取相关的部分，并将它们组合成一个文本。最后，将得到的文本提供给客户。

换句话说，当前的方案只是产生作为可能的解决方案的类似已知案例的列表。工程师必须在该列表中手动找到最佳或最合适的解决方案。但是，此方案不适用于各种诊断场景。在许多场景中，不能将特定案例分配给类似的已知案例。因此，经常无法找到解决方案或合适的解决方案。此外，尤其是在第一级支持的场景中，用户需要一个明确的推荐，而不是他们必须从中选择要采取的适当措施的潜在相关案例的列表。

此外，诊断场景可能需要与工程师进行复杂对话。例如，第一推荐指示工程师应检查测量值是否在预定义范围内。如果当前值不在预定义范围内，则工程师将至少需要另一推荐。但是，对话不能通过通用方案来实现。

因此，本发明的目的是提供一种用于生成至少一个推荐的方法，该方法是高效且交互性的。

技术实现要素：

根据本发明的一个方面，该问题通过一种用于生成至少一个推荐的方法来解决，该方法包括以下步骤：

a.接收案例嵌入，

b.使用深度学习基于所述案例嵌入生成至少一个推荐，以及

c.输出所述至少一个推荐。

因此，在第一步骤中接收案例嵌入作为输入。案例嵌入可以被定义为嵌入式案例研究，嵌入式案例研究是包含多于一个分析子单元（诸如记录了有关风力涡轮机或其他单元的调查和发现的当前状态的不同数据）的案例研究。该方法有利地适用于处理不同的输入数据类型，包括机器数据和人工生成的数据。机器数据例如是音频、图像或视频数据。人工生成的数据例如是文本数据。

然后，将所述输入处理成一个或多个推荐作为输出，或者通过深度学习导致另外的步骤。可以根据数据类型和应用领域选择不同的深度学习方案或方法。因此，该方法有利地确保了高度的灵活性。

最后，输出一个或多个推荐。例如，所述推荐可以被输出给一个或多个用户，或者可以由计算单元进一步处理以应用所述推荐。换句话说，所述推荐可以被手动或自动应用。

所述推荐可用于各种应用领域，包括诊断场景。在示例性诊断场景中，例如风力涡轮机的轴承或其他单元的高振动被用户（诸如执行维护工作的风力涡轮机的专家）观察到。在该观察之后，用户需要推荐来准确或正确地处置所述振动。因此，术语“推荐”可以被认为是对技术问题或任务的解决方案。

根据本发明的方法自动向用户输出适当的推荐。所述推荐指示用户检查特定测量值是否在范围内的指令。如果测量值在范围外，则用户可以获得另外的推荐。这样，可以优化燃气轮机诊断。优化的诊断可以有利地用于调整旋转装备的操作和/或维护该旋转装备。替代地，代替由用户手动应用所述推荐，可以在没有用户交互的情况下自动处置所述推荐。这样，本发明允许以高效和用户友好的方式生成所述至少一个推荐。

在一方面，案例嵌入是统一表示，特别是统一数值向量。

在另一方面，统一表示是多个数值向量（包括文本特征向量或表示测量数据的向量）的级联。

在另一方面，深度学习使用基于案例的推理学习方法，该基于案例的推理学习方法选自包括以下各项的组：长短期记忆（lstm）递归神经网络或深度卷积生成对抗网络（gan）。

深度学习可以使用基于案例的推理学习方法。例如，自然语言训练方法可以用于提取语义信息。可以将不同的权重应用于不同类型的文本特征。

在另一方面，输出所述至少一个推荐作为机器可读或人类可读数据。因此，所述推荐可以由机器或人（诸如计算单元或用户）来处理或应用。这样，确保了应用领域方面的灵活性。

在另一方面，所述方法还包括以下步骤：在步骤a之后，利用另外的信息来扩展案例嵌入，以便使用深度学习基于扩展的案例嵌入来生成所述至少一个推荐。因此，所述方法允许用户交互。因此，可以有利地利用用户内容来更新案例嵌入，并且案例嵌入以此方式被改进。

在另一方面，将所述至少一个推荐输出给用户以应用所述至少一个推荐，特别是作为诊断场景中的解决方案。因此，所得到的推荐被输出给用户以供用户应用。例如，所述推荐可以视觉上显示给用户。

本发明的另一方面是对应的生成器单元。

本发明的另一方面是一种设备，包括：

a.用于提供案例嵌入的嵌入器单元，以及

b.用于执行上述方法的生成器单元。

本发明的另一方面是一种可直接加载到计算机的内部存储器中的计算机程序（产品），包括用于当所述计算机程序（产品）在计算机或上面提到的装置之一上运行时执行上述方法的步骤的软件代码部分。

附图说明

在下面的详细描述中，参考以下附图进一步描述本发明的当前优选实施例：

图1示出了根据本发明的用于生成至少一个推荐的方法的示意性流程图。

图2示出了根据本发明的示意性设备。

图3示出了根据本发明实施例的包括用户交互的设备。

具体实施方式

图1图示了根据本发明的用于生成至少一个推荐40的方法的流程图。首先，生成器单元20接收案例嵌入30，s1。可以针对特定案例或情况计算案例嵌入30。通常，基于深度学习来获得案例嵌入30。

然后，使用深度学习方案基于案例嵌入30生成一个或多个推荐40，s2。因此，可以利用不同的深度学习方案，诸如lstm或gan。例如，lstm特别适用于处理文本数据或音频数据，分别类似于谷歌翻译或deepjazz。

最后，推荐40被输出s3。推荐40可以作为解决方案的文本描述连同详细描述该文本的示意图一起被输出给用户。这样，作为示例性用户的诊断工程师有利地减轻了根据现有技术的如下需要：手动识别结果集合与正显示的解决方案的相关部分，并将它们组合成一个语义上有意义且一致的文本，作为给例如客户的推荐。换句话说，工程师不再必须手动编译解决方案。

图2示出了根据本发明的设备的说明视图。如所示的，该设备具有多个嵌入器单元10和多个相应的生成器单元20。替代地，该设备可以仅具有一个嵌入器和生成器单元、更多或更少的单元等。

多个嵌入器单元中的每个嵌入器单元10可以处理特定数据类型，诸如人类可读数据或机器可读数据。例如，人类可读数据可以是文本数据，并且机器可读数据可以是视频或音频数据。每个数据或内容均被表示为数值向量。因此，例如，文本数据被表示为一个向量。所述多个数值向量的级联产生成为统一表示的案例嵌入，该案例嵌入用作生成器单元20的输入。生成器单元20处理案例嵌入30。因此，如前所述，生成器单元20基于要生成的内容的类型使用一种方案或方法。例如，可以为文本数据选择lstm。然后，多个生成器单元20中的每个生成器单元20可以使用特定的深度学习方案。替代地，可以在一个计算单元中实现不同的方案。

图3示出了根据实施例的具有用户交互的设备的修改。如所示的，用户与设备交互，并且特别是利用另外的信息50或数据内容来扩展案例嵌入30。替代地，案例嵌入的每个改变都是可能的，包括信息的校正或删除。

例如，第一推荐40被输出给用户，该第一推荐40指示检查测量值在范围内还是范围外。在执行指示的检查后，用户可以对设备做出响应，无论测量值在范围内还是范围外。

因此，在用户或设备应用第一推荐40之后，嵌入器单元10可以接收例如作为文本数据的用户反馈。在接收到反馈之后，基于用户的反馈或响应来更新案例嵌入30。生成器单元20使用扩展的案例嵌入30来生成另一推荐。在生成另一推荐之后，用户接收所述另一推荐。另外的信息指示例如检查特定值。