WO2025229449 - METHOD AND SYSTEM FOR DETECTING ANOMALIES IN PROCESS DATA OF INDUSTRIAL SYSTEMS
National phase entry is expected:
Publication Number
WO/2025/229449
Publication Date
06.11.2025
International Application No.
PCT/IB2025/054059
International Filing Date
17.04.2025
Title **
[English]
METHOD AND SYSTEM FOR DETECTING ANOMALIES IN PROCESS DATA OF INDUSTRIAL SYSTEMS
[French]
PROCÉDÉ ET SYSTÈME DE DÉTECTION D'ANOMALIES DANS DES DONNÉES DE PROCESSUS DE SYSTÈMES INDUSTRIELS
Applicants **
ABB SCHWEIZ AG
Inventors
K R, Chandrika
SHARMA, Divyasheel
DAVE, Jaivik
PATIL, Dinesh
Priority Data
202441034428
30.04.2024
IN
202543008053
30.01.2025
IN
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 1991 | |
| EPO | Filing, Examination, Granting | 8159 | |
| Japan | Filing, Examination, Granting | 2077 | |
| South Korea | Filing, Examination, Granting | 1898 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
18,865
Contact Us
Abstract[English]
The present disclosure relates to a method and a system (106) for detecting anomalies in process data of industrial systems. The method comprises receiving real-time process data (102) comprising a plurality of real-time data points associated with a plurality of processes in an industrial system. Further, the method comprises determining a similarity value of the plurality of real-time data points by comparing the plurality of real-time data points with a plurality of historical data points associated with the plurality of processes. Furthermore, the method comprises identifying sequence of events in the real-time process data as potential anomalous events based on the similarity value. The method comprises correlating the sequence of events with each other, using domain knowledge data associated with the plurality of processes. Then, the method comprises detecting one or more events among the sequence of events as anomalous events based on the correlation and the domain knowledge data.[French]
La présente divulgation concerne un procédé et un système (106) utilisés pour détecter des anomalies dans des données de processus de systèmes industriels. Le procédé consiste à recevoir des données de processus (102) en temps réel comprenant une pluralité de points de données en temps réel associés à une pluralité de processus dans un système industriel. En outre, le procédé consiste à déterminer une valeur de similarité de la pluralité de points de données en temps réel par comparaison de la pluralité de points de données en temps réel avec une pluralité de points de données historiques concernant la pluralité de processus. En outre, le procédé consiste à détecter, sur la base de la valeur de similarité, que des événements dans une séquence d'événements dans les données de processus en temps réel sont des événements anormaux potentiels. Le procédé consiste à corréler les événements dans la séquence d'événements les uns avec les autres, sur la base de données de connaissance de domaine relatives à la pluralité de processus. Ensuite, le procédé consiste à détecter qu'un ou plusieurs événements parmi la séquence d'événements sont des événements anormaux, sur la base de la corrélation et des données de connaissance de domaine.