[发明专利]故障状态检测装置

说明书

本发明涉及一种工业数据监视装置。该装置包括输入单元；处理单元；以及输出单元。输入单元被配置为从多个设备接收工业监视数据。处理单元被配置为访问机器学习环境。处理单元被配置为访问多个经训练的机器学习模型，其中多个经训练的机器学习模型各自对应于多个设备中的不同设备，以及其中多个经训练的机器学习模型与机器学习环境分开。一旦从多个设备中的特定设备接收到工业监视数据，该装置被配置为实现机器学习环境并且针对特定设备运行经训练的机器学习模型以分析从多个设备的特定设备接收的工业监视数据。输出单元被配置为输出与从多个设备中的特定设备接收的工业监视数据的分析相关联的分析结果。

技术领域

本发明涉及一种工业数据监视装置和一种工业数据监视方法。

背景技术

在使用机器学习(ML)和人工智能(AI)时，典型的流程是使用输入数据来训练所谓的“机器学习模型”。然后将该经训练的模型部署到实时环境中，并用输入数据不断馈入。基于训练，计算并返回输出。

在将此类机器学习解决方案用于复杂的工业系统(例如生产系统)时，常见的挑战是同类设备(例如机器人)执行完全不同的动作(例如，弧焊机器人与油漆机器人不同)并且可能在不同的气候条件下使用。然而，这意味着一个机器人的经训练的ML模型不能直接用于不同的机器人。因此，需要采用特定机器人的特定输入数据单独训练相同的ML模型类型。

有必要解决该问题。

发明内容

因此，拥有一种改进的技术来监视从工业设备返回的工业数据将是有利的。

本发明的目的通过独立权利要求的主题来解决，其中进一步的实施例并入从属权利要求中。

在第一方面，提供了一种工业数据监视装置，包括：

-输入单元；

-处理单元；以及

-输出单元。

输入单元被配置为从多个设备接收工业监视数据。处理单元被配置为访问机器学习环境。处理单元被配置为访问多个经训练的机器学习模型。多个经训练的机器学习模型各自对应于多个设备中的不同设备。多个经训练的机器学习模型与机器学习环境分开。一旦从多个设备中的特定设备接收到工业监视数据，该装置被配置为访问和实现机器学习环境，并且访问和运行针对特定设备的训练机器学习模型，以分析从多个设备中的特定设备接收的工业监视数据。输出单元被配置为输出与从多个设备中的特定设备接收的工业监视数据的分析相关联的分析结果。

在示例中，处理单元被配置为访问和实现数据评分算法或函数。数据评分算法或函数被配置为处理从处理单元接收的用于多个设备中的特定设备的工业监视数据的分析以确定分析结果。

在示例中，分析结果包括多个设备中的特定设备的健康评分。

在示例中，多个设备中的每个设备具有相关联的对象模型，并且针对该设备的训练机器学习模型包括在针对该设备的对象模型内。

在示例中，机器学习环境位于装置的数据存储装置上。

在示例中，机器学习环境位于装置的存储器上。

在示例中，多个经训练的机器学习模型位于装置的数据存储装置上。

在示例中，多个经训练的机器学习模型位于装置的存储器上。

因此，ML环境可以包括托管模型的数据存储装置以及促进ML模型执行的计算和存储器容量。

在示例中，每个经训练的机器学习算法都是基于多个训练工业监视数据和相关联的基准真相信息来经训练的。

在示例中，多个训练工业监视数据和相关联的基准真相信息用于与经训练的机器学习算法相关联的设备或设备类型。