Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018089957) FEATURE SELECTION AND FEATURE SYNTHESIS METHODS FOR PREDICTIVE MODELING IN A TWINNED PHYSICAL SYSTEM
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/089957 International Application No.: PCT/US2017/061421
Publication Date: 17.05.2018 International Filing Date: 14.11.2017
IPC:
G05B 19/418 (2006.01) ,G06Q 10/06 (2012.01) ,G06N 99/00 (2010.01)
G PHYSICS
05
CONTROLLING; REGULATING
B
CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
19
Programme-control systems
02
electric
418
Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control (DNC), flexible manufacturing systems (FMS), integrated manufacturing systems (IMS), computer integrated manufacturing (CIM)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
Q
DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
10
Administration; Management
06
Resources, workflows, human or project management, e.g. organising, planning, scheduling or allocating time, human or machine resources; Enterprise planning; Organisational models
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
99
Subject matter not provided for in other groups of this subclass
Applicants:
GENERAL ELECTRIC COMPANY [US/US]; 1 River Road Schenectady, NY 12345, US
Inventors:
GOLDFARB, Helena; US
PANDEY, Achalesh; US
YAN, Weizhong; US
Agent:
STANLEY, Scott R.; US
MIDGLEY, Stephen, G.; US
DIMAURO, Peter, T.; US
GNIBUS, Michael, M.; US
STANLEY, Scott, R.; US
Priority Data:
15/350,66514.11.2016US
Title (EN) FEATURE SELECTION AND FEATURE SYNTHESIS METHODS FOR PREDICTIVE MODELING IN A TWINNED PHYSICAL SYSTEM
(FR) PROCÉDÉS DE SÉLECTION ET DE SYNTHÈSE DE CARACTÉRISTIQUES DESTINÉS À UNE MODÉLISATION PRÉDICTIVE DANS UN SYSTÈME PHYSIQUE JUMELÉ
Abstract:
(EN) Systems and methods for predictive modeling of an industrial asset. In some embodiments, a database stores an electronic file containing a machine learning library and predictive modeling tools associated with the industrial asset. A computer processor accesses the machine learning library and predictive modeling tools, provides a model building framework user interface and receives a selection of a feature engineering (FE) technique, including one of evolutionary feature selection, evolutionary feature synthesis, and symbolic regression. Next, an input selection interface is provided, industrial asset input data and parameter data received, and at least one of an evolutionary feature selection process, an evolutionary feature synthesis process, and a symbolic regression process is executed. At least one of feature selection output data and feature rankings output data associated with a predictive model of the industrial asset is generated, and in some implementations an output device receives and presents that data to a user.
(FR) L'invention concerne des systèmes et des procédés de modélisation prédictive d'un actif industriel. Dans certains modes de réalisation, une base de données stocke un fichier électronique contenant une bibliothèque d'apprentissage automatique et des outils de modélisation prédictifs associés à l'actif industriel. Un processeur informatique accède à la bibliothèque d'apprentissage automatique et à des outils de modélisation prédictive, fournit une interface utilisateur de structure de construction de modèle et reçoit une sélection d'une technique d'ingénierie de caractéristiques (FE), comprenant une sélection de caractéristiques évolutives, une synthèse de caractéristiques évolutives ou une régression symbolique. Ensuite, une interface de sélection d'entrée est fournie, des données d'entrée d'actif industriel et des données de paramètre reçues, ainsi qu'un processus de sélection de caractéristiques évolutives, un processus de synthèse de caractéristiques évolutives et/ou un processus de régression symbolique sont exécutés. Des données de sortie de sélection de caractéristiques et/ou des données de sortie de classements de caractéristiques associées à un modèle prédictif de l'actif industriel sont générées, et, dans certains modes de réalisation, un dispositif de sortie reçoit et présente ces données à un utilisateur.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)