[发明专利]利用自动异常检测的资产状况监测方法

说明书

本发明涉及一种利用自动异常检测的资产状况监测方法，包括以下步骤：接收来自资产队（50）的本地状况数据（DC）；识别所接收的状况数据（DC）中的至少一个异常；依赖于所识别的异常而识别新的潜在故障情况（F）；依赖于所识别的新的潜在故障情况（F）而确定特定状况模型（14d），其中所述特定状况模型（14d）被配置用于预测所述新的潜在故障情况（F）；并且将所述特定状况模型（14d）提供给多个资产和/或所述多个资产的数字模型。

技术领域

本发明涉及一种资产状况监测方法以及被配置成执行这种方法的装置。

背景技术

通常，在资产的调试阶段设置状况监测系统，并且在资产的操作期间很少更新状况监测系统。

传统地，状况监测系统紧密耦合到资产（例如工业机器人）。通常，状况监测逻辑在本地控制器上实现。然后，资产的状况以交通灯系统（traffic light system）或KPI的形式在本地呈现给用户。有时，这些KPI被传送到中央本地（central local），例如以用于报告生成或由服务工程师使用。

状况监测系统通常是静态的，并且不将它们自己随着时间的推移适于给定的状况，例如使用、环境、系统和/或应用。

发明内容

因此，本发明的目的是要提供一种改进的资产状况监测方法。这个目的通过根据权利要求1所述的方法和根据权利要求12所述的装置来实现。

根据从属的专利权利要求，另外优选的实施例是明显的。

根据本发明，提供了一种利用自动异常检测的资产状况监测方法，包括以下步骤：

接收来自资产队（asset fleet）的本地状况数据；

识别所接收的本地状况数据中的至少一个异常；

依赖于所确定的异常而识别新的潜在故障情况（failure case）；

依赖于所识别的潜在故障情况而确定特定状况模型，其中所述特定状况模型被配置用于预测所述新的潜在故障情况；以及

向多个资产和/或向所述多个资产的数字模型提供所述特定状况模型。

优选地，资产队与多个资产相关。资产队优选地由资产的类型、消费者、资产队的应用、资产队的配置、资产队的操作周期、资产队的软件版本和/或不同资产的位置来确定。资产的数字模型与资产的数字孪生（digital twin）相关。由此，一个资产可以与多个资产队相关。

如本文使用的，术语“资产”包括适合于形成队的任何资产，优选为机器人，特别是工业机器人、马达、发电机和/或泵。

如本文使用的，术语“本地状况数据”与资产和/或资产队的状况和/或健康状态相关。另外，本地状况数据优选地包括资产和/或资产队的状况和/或健康状态的时间系列数据。

如本文使用的，术语“特定状况模型”也称为预测器（predictor），因为特定状况模型被配置用于预测新的（到这个时刻是未知的）潜在故障情况。例如，给定资产是工业机器人，则新的潜在故障与轴3中的新故障相关。特定状况模型然后被配置成预测这样的轴3中的新故障以用于资产的状况监测。

优选地，将所接收的本地状况数据存储在云服务上。如果资产队被限制到一个位置，则云服务不是必要的，但是可以减轻来自本地基础设施的计算负担。然而，如果资产位于不同的位置处，特别是位于在不同的工厂处，则云服务的使用是优选的。虽然在资产的控制器中的本地执行受控制器的计算能力限制，但是原则上对于云中的相同资产可以并行地使用大量不同的算法。备选地，可以使用类似于云服务的本地设置，避免控制器上的计算负担。本地设置优选地包括用于资产队的专用控制器，例如工业PC。另外，可以组合本地设置和云服务用于混合方式。

优选地，依赖于例如资产类型、应用和/或客户的标准来确定特定状况模型。