Procedimiento para evaluar una medición de anomalía x'' en un sistema de monitorización del estado de una máquina en el que se evalúan mediciones xi en un clasificador de una clase que tiene una región de decisión R1 para la clase C1 de manera que una función de evaluación f(x) es superior o igual a un umbral T para una medición x dentro de la región,

e inferior a T fuera de la región, comprendiendo el procedimiento las etapas de:

entrenar al clasificador de una clase para establecer la región de decisión R1 a partir de un conjunto de muestras de entrenamiento {x1, x2, ..., xN};

recibir la medición de anomalía x'';

determinar que la medición de anomalía está fuera de la región R1;

caracterizado porque el procedimiento comprende además las etapas de:

determinar una distancia desde la medición x'' hasta un límite de la región R1; y

evaluar la medición de anomalía x'' basándose en la distancia

Evaluación de una anomalía para clasificadores de una clase en la monitorización del estado de una máquina.

Campo de la invención

La presente invención se refiere de manera general al campo de la monitorización del estado de una máquina, y más particularmente a técnicas y sistemas para extraer información útil adicional de un clasificador de una clase.

Antecedentes de la invención

Actualmente muchas instalaciones de equipo de servicios y fabricación incluyen, además de sistemas para controlar máquinas y procesos, sistemas para la monitorización del estado de una máquina. Los sistemas de monitorización del estado de una máquina incluyen una serie de sensores instalados en el equipo, una red de comunicaciones que enlaza esos sensores y un procesador conectado a la red para recibir señales desde los sensores y realizar determinaciones sobre los estados de la máquina a partir de esas señales.

El propósito de la monitorización del estado de una máquina es detectar fallos lo antes posible para evitar un daño adicional de las máquinas. Normalmente, se empleaban modelos físicos para describir la relación entre sensores que miden el rendimiento de una máquina. La violación de esas relaciones físicas podía indicar fallos. Sin embargo, los modelos físicos precisos son con frecuencia difíciles de adquirir.

Una alternativa al uso de modelos físicos es el uso de modelos estadísticos basados en técnicas de aprendizaje de máquinas. Este enfoque ha adquirido un mayor interés en las últimas décadas. Al contrario que un modelo físico, que supone relaciones de sensor conocidas, un modelo estadístico aprende las relaciones entre sensores a partir de datos históricos. Esa característica de los modelos estadísticos es una gran ventaja porque el mismo modelo genérico puede aplicarse a diferentes máquinas. Los modelos aprendidos sólo se diferencian en sus parámetros.

Se usan dos tipos básicos de modelos estadísticos en la monitorización del estado de una máquina: un modelo basado en la regresión y un modelo basado en la clasificación. En un modelo de regresión, se usa un conjunto de sensores para predecir (o estimar) otro sensor. Dado que un modelo de regresión puede producir una estimación continua, la desviación del valor real de la estimación puede usarse directamente para el diagnóstico de fallos. Por ejemplo, puede construirse una lógica sencilla como "cuanto mayor es la desviación, mayor es la posibilidad de fallo".

En un modelo basado en la clasificación, la salida es discreta. Una aplicación de un modelo basado en la clasificación es un detector fuera de intervalo, en el que con frecuencia se emplea un clasificador de una clase. La salida de un clasificador de una clase indica si hay un estado de fuera de intervalo o no. Tal información de salida es demasiado limitada como para ser útil a cualquier nivel sofisticado de diagnóstico de fallo de máquina. Por tanto, existe la necesidad de extraer información útil a partir de un clasificador de una clase para beneficiar el diagnóstico de fallos de alto nivel.

La clasificación de una clase se refiere a un tipo especial de problema de reconocimiento de patrón. Sea C₁ una determinada clase de interés. Para una entrada de prueba x, la salida de un clasificador de una clase indica si x pertenece a C₁ o C₀ (que representa cualquier clase distinta de C₁). Si x no pertenece a C₁, entonces x se denomina con frecuencia una anomalía (o una novedad). Generalmente, el objetivo del entrenamiento de un clasificador de una clase es hallar una función de evaluación f(x) que indica la confianza o probabilidad de que la entrada x pertenezca a C₁. Por consiguiente, esa función de evaluación f(x) define la región de decisión R₁ para la clase C₁ de manera que R₁ = {x : f(x) =q T}, donde T es un umbral de decisión. Si f(x) =q T, x se clasifica como C₁; de lo contrario, x se clasifica como C₀.

La clasificación de una clase se ha usado en muchas aplicaciones incluyendo la monitorización del estado de una máquina. En muchos problemas de clasificación de una clase, sólo está disponible una salida de decisión binaria; es decir, x pertenece a C₁ o x pertenece a C₀. Sin embargo, en muchos casos además de saber que x es una anomalía, también existe la necesidad de evaluar esa anomalía para ver cómo de diferente es con respecto a la distribución de C₁.

Una región de decisión R₁, mostrada en la figura 1, representa un intervalo de funcionamiento normal de un vector de sensor en un ejemplo de monitorización del estado de una máquina. El intervalo R₁ está limitado por la línea 120 definida por f(x) = T. Durante un periodo de monitorización, se detectan dos anomalías diferentes, x₁ y x₂, por el mismo clasificador de una clase. De las dos, x₂ es muy diferente del intervalo de funcionamiento normal R₁; por tanto es muy probable que x₂ represente un estado de fallo. Sin embargo, x₁ está mucho más cerca de R₁. Una desviación pequeña de este tipo puede no deberse a un fallo, sino que puede deberse en su lugar a un ruido de medición o una operación errónea menor. En el caso de x₂, debe llevarse a cabo una inspección inmediatamente. Sin embargo, en el caso de x₁ normalmente debe realizarse una nota de alerta, y debe requerirse observación adicional antes de emprender cualquier acción grave. Por tanto, sería beneficioso tener información adicional sobre una medición más allá de una simple indicación de si la medición está dentro del intervalo normal.

Podría usarse directamente la función de evaluación f(x) para evaluar una anomalía. Sin embargo, en muchos algoritmos el valor de f(x) no contiene significación física y no puede servir como medida significativa.

Por tanto, actualmente existe la necesidad de un procedimiento para proporcionar información adicional sobre mediciones en un sistema de clasificación de una clase usado en la monitorización del estado de una máquina. Ese procedimiento debe recoger información sobre cómo de diferente es una anomalía particular con respecto al intervalo de funcionamiento normal de una máquina.

El documento D1 da a conocer un procedimiento para controlar un proceso industrial, comprendiendo el procedimiento: emitir una pluralidad de parámetros a partir de un proceso para fabricar una sustancia; usar cada uno de la pluralidad de parámetros en un proceso asistido por ordenador, comparando el proceso asistido por ordenador al menos dos de la pluralidad de parámetros con un conjunto de entrenamiento de parámetros, estando predeterminado el conjunto de entrenamiento de parámetros; determinar si los al menos dos de la pluralidad de parámetros están dentro de un intervalo predeterminado del conjunto de entrenamiento de parámetros; y emitir un resultado basándose en la etapa de determinación.

El documento D2 da a conocer comparar la distancia de un posible segmento de fallo (segmento F) a partir del más próximo de varios segmentos de modo de funcionamiento correcto (segmento A) con la distancia del segmento A a los otros segmentos de modo de funcionamiento correcto más alejados (segmento B).

Sumario de la invención

La presente invención trata las necesidades descritas anteriormente proporcionando un procedimiento de monitorización de máquinas. El procedimiento evalúa una anomalía detectada por un clasificador de una clase. La anomalía x se proyecta sobre el límite más próximo de la región de decisión R₁ y la distancia entre x y la proyección de x se usa como medida para la anomalía.

Una realización de la invención es un procedimiento para evaluar una medición de anomalía x' en un sistema de monitorización del estado de una máquina en el que se evalúan mediciones x_i en un clasificador de una clase que tiene una región de decisión R₁ para la clase C₁ de manera que una función de evaluación f(x) es superior o igual a un umbral T para una medición x dentro de la región, e inferior a T fuera de la región. El procedimiento incluye las etapas de entrenar al clasificador de una clase para establecer la región de decisión R₁ a partir de un conjunto de muestras de entrenamiento {x₁, x₂,..., x_N}; recibir la medición de anomalía x'; determinar que la medición de anomalía está fuera de...

1. Procedimiento para evaluar una medición de anomalía x' en un sistema de monitorización del estado de una máquina en el que se evalúan mediciones x_i en un clasificador de una clase que tiene una región de decisión R₁ para la clase C₁ de manera que una función de evaluación f(x) es superior o igual a un umbral T para una medición x dentro de la región, e inferior a T fuera de la región, comprendiendo el procedimiento las etapas de:

entrenar al clasificador de una clase para establecer la región de decisión R₁ a partir de un conjunto de muestras de entrenamiento {x₁, x₂, ..., x_N};

recibir la medición de anomalía x';

determinar que la medición de anomalía está fuera de la región R₁;

caracterizado porque el procedimiento comprende además las etapas de:

determinar una distancia desde la medición x' hasta un límite de la región R₁; y

evaluar la medición de anomalía x' basándose en la distancia.

2. Procedimiento según la reivindicación 1, en el que la distancia es una distancia euclídea.

3. Procedimiento según la reivindicación 1, en el que la etapa de determinar una distancia desde la medición x' hasta la región R₁ se realiza iterativamente.

4. Procedimiento según la reivindicación 1, en el que la etapa de determinar una distancia desde la medición x' hasta la región R₁ comprende además las etapas de:

hallar la muestra más cercana q, en la región R₁, a la medición x';

definir un punto promedio m entre x' y q;

si la diferencia entre f(m) y T es superior a un error permisible, entonces si f(m) < T, asignar m a x' y volver a la etapa de definición; y si f(m) > T, asignar m a q y volver a la etapa de definición; y

si la diferencia es inferior al error permisible, asignar una distancia desde la medición x' hasta m como la distancia desde la medición x' hasta un límite de la región R₁.

5. Procedimiento según la reivindicación 4, en el que la etapa de hallar la muestra más cercana q, en la región R₁, a la medición x' comprende además usar distancias euclídeas entre x' y las muestras.

6. Procedimiento según la reivindicación 4, en el que la etapa de hallar la muestra más cercana q, en la región R₁, a la medición x' comprende además la etapa de:

reducir el número de muestras en la región R₁ aplicando un algoritmo k-medias.

7. Procedimiento según la reivindicación 4, en el que la etapa de evaluar la medición de anomalía x' basándose en la distancia comprende además evaluar el grado de la anomalía basándose en la distancia.

8. Procedimiento según la reivindicación 4, en el que la etapa de definir un punto promedio m entre la medición x' y la muestra más cercana q comprende además calcular

(x'+q)/2

9. Procedimiento según la reivindicación 1, que comprende además la etapa de:

obtener la función de evaluación f(x) usando un algoritmo seleccionado del grupo que consiste en un algoritmo del vecino más próximo, una función de densidad de probabilidad y un producto interno para una máquina de representación de vector de apoyo.

10. Producto de programa informático que contiene instrucciones adaptadas para iniciar un sistema para llevar a cabo las etapas del procedimiento definido en las reivindicaciones 1 a 9 cuando dichas instrucciones se cargan en un procesador de dicho sistema.