CN102428420A - 分析消息档案的方法及相应的计算机程序 - Google Patents
分析消息档案的方法及相应的计算机程序 Download PDFInfo
- Publication number
- CN102428420A CN102428420A CN2009801593815A CN200980159381A CN102428420A CN 102428420 A CN102428420 A CN 102428420A CN 2009801593815 A CN2009801593815 A CN 2009801593815A CN 200980159381 A CN200980159381 A CN 200980159381A CN 102428420 A CN102428420 A CN 102428420A
- Authority
- CN
- China
- Prior art keywords
- message
- pattern
- sign
- symbol
- carry out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000004590 computer program Methods 0.000 title claims description 11
- 230000008569 process Effects 0.000 claims description 49
- 230000002123 temporal effect Effects 0.000 claims description 14
- 238000004904 shortening Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000012567 pattern recognition method Methods 0.000 claims description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 12
- 238000013507 mapping Methods 0.000 abstract description 5
- 238000012546 transfer Methods 0.000 abstract description 5
- 230000001131 transforming effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 19
- 238000013461 design Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 102100037060 Forkhead box protein D3 Human genes 0.000 description 1
- 101001029308 Homo sapiens Forkhead box protein D3 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000002910 structure generation Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—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] or computer integrated manufacturing [CIM]
- G05B19/4183—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] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—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] or computer integrated manufacturing [CIM]
- G05B19/4184—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] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24123—Alarm filtering, level and direct precursor, required action, blocking condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31438—Priority, queue of alarms
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31462—Add time stamp to alarm message
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种分析大量消息(28)的方法，所述方法在一模式识别(60)和一模式简化(64)基础上减少消息数量，其中，为所述模式识别(60)和所述模式简化(64)设置正则文法的规则，在剩余的消息(28)中进行模式查找，或者直接(即，之前未经简化处理)进行模式查找，为每一类型的模式查找各应用一句法模式识别(60)，在所述模式识别(60)所应用的正则文法的基础上，可通过将映射规则转换成转移函数来推导一有限自动机，以达到对消息(28)之间的结构关系进行图形表示的目的。
Description
技术领域
本发明涉及一种对一定数量或一序列在对技术过程进行控制和/或监测的过程中所生成的消息进行分析的方法，其中，上述数量/序列在下文中也简称为消息档案。其中，为每个消息各检测一个将其出现情况予以编码的时间信息和一特征标志。本发明还涉及一种操作一自动化系统的方法，该自动化系统生成或接收随时间而增长为消息档案的消息，本发明所述的分析方法应用于或可应用于该消息档案。
背景技术
已有多种已知方法可对单个消息序列进行分析。例如WO 2006/000110A1所揭示的方法。其目的是抑制冗余消息。该专利申请文件中识别冗余消息的具体方法是，检验被观测消息是否与已被确定为已知消息起因的边界条件有关。
本发明的课题是减少自动生成的消息的数量或对其进行结构化处理。操作人员(操作员)可以从来自技术过程以及/或者来自对技术过程进行控制和/或监测的自动化系统(特别是对工业过程进行自动化处理的系统(工业自动化系统))的消息(本发明所涉及的就是这类消息)中得知该过程或自动化系统的状态，操作人员需要立即对此作出反应，因为这些状态指向例如可能存在的故障或异常情况。
然而在实际操作当中，某些情况经常引发名副其实的消息泛滥，专业文献中称之为“消息洪泛”，有时也称作“警报阵雨(Alarmschauer)”，操作人员会因此而难以了解到实际需要了解的信息，因为他无法应付同时或短时间内生成的大量消息。在这种情况下，操作人员往往无法识别出“重要”消息，此时若有指示异常情况的消息出现，就无法及时处理，从而导致(例如)生产中断。
发明内容
有鉴于此，本发明的目的是提供一种对消息档案(即大量已生成的消息)进行分析的方法，以便在分析结果的基础上为程序员提供帮助。亦即，程序员为控制和/或监测技术过程的自动化系统制订自动化方案，所谓提供帮助就是提示程序员，例如如何设计警报管理及出现警报时所发出的消息，最终达到消息结构化生成以及消息数目整体上减少的目的。这种优化措施的结果是：所生成的消息更便于操作人员理解和/或更一目了然。
本发明用以达成上述目的的解决方案为一种具有权利要求1所述特征的方法。本发明的方法用于分析在对一技术过程(特别是工业技术过程)进行控制和/或监测的过程中所生成的大量消息，其中，为每个消息各检测一个将其出现情况予以编码的时间信息和一特征标志，根据本发明，在一按所述时间信息分类的标志序列中进行模式查找，并且用一描述模式特征的标志取代被识别到的模式。
换言之，本发明的研究对象是发生在过去的消息，被查找的模式例如为相继出现的同类消息。举例而言，“温度过高Silo3-37°”与“温度过高Silo3-39°”并非同一个消息，但属于同类消息。只要紧随这样的温度过高消息之后出现警报形式的其他消息，这就形成了一个可被所述方法识别的模式。
所述消息涉及的都是发生在装置或设备部件上的事件。这类消息可用一特征标志加以描述；亦即，该标志代表相关消息。推导特征标志的方式视具体实施方案而定。根据本发明，每个消息均由一特征标志表示，将借助相关消息而生成的标志作为查找对象，这能简化消息对或消息组的查找工作。亦即，不必对消息序列中的每个消息都进行分析，而是只需分析标志序列。其中，每个标志均可实施为符号，标志序列则可形成符号序列。
除非另有指明，符号、标志和消息等概念在下文中均为同义词。符号序列、标志序列和消息档案等概念也是这样。由于标志代表了相关的消息，因此，本发明在消息序列中查找模式的方法也可以在下文中理解为对被识别为模式的消息进行缩短处理。
所述消息档案可实施为仅包括标志或仅包括消息(视情况带有相应标志)的数据库，或者随着运行时间而从消息中生成，因而是所有消息或所有相应生成的标志的真实集合，或至少是一假想集合。因此，待检验符号序列可以包括在消息档案内或者产生自消息档案。
通过用描述模式特征的标志取代在符号序列中识别到的模式，就能缩短该符号序列并(至少间接)缩短相应的消息档案，其形式例如为该消息档案的(至少)临时副本，该副本的缩短程度与缩短后的最终符号序列的缩短程度相符，并以这个形式被显示出来等等。在符号序列中进行模式查找的对象是符号组，特别是符号对。优选用正则文法对最常出现的相继符号/标志(即符号组/标志组或符号对/标志对)进行缩短。不断重复这项操作直至所有现存的组/对在符号序列中只出现一次为止。
由此可见，上述分析并非针对作为消息的可能原因的过程状态或其他状态(这一点与WO 2006/000110 A1不同)，而是针对消息本身，此处指大量消息，例如汇集了或者可以汇集数百或数千个在监测某一技术过程期间实际所生成的消息的消息档案。
本发明还涉及一种操作一自动化设备(特别是过程计算机、可编程逻辑控制器或类似设备样式的工业自动化设备)的方法，该自动化设备实施前述及下文将详述的分析方法。这类自动化设备可以是用于控制和/或监测一具体技术过程的自动化系统的永久性或临时性组件。前述分析方法可以不依赖于技术过程和/或相关自动化系统而独立实施，而如果由作为自动化系统组成部分的自动化设备实施该分析方法，就能对过程和自动化系统的连续运行进行回顾性的在线分析。为此，自动化设备接收待分析消息，或视情况自己生成这些消息，并且为每个消息各检测一个将其出现情况予以编码的时间信息和一特征标志，在此基础上，由该自动化设备实施上述分析方法，或者采用本发明操作自动化设备的方法，在一按所述时间信息分类的标志序列中进行模式查找，并且用一描述模式特征的标志取代被识别到的模式。
本发明的优点是，通过模式识别可将消息档案所包含的大量消息结构化，以便从识别到的结构中推导出相应认识并将其应用于消息设计和警报设计。由此可从整体上减少自动化方案(即，硬件方面是用于控制和/或监测技术过程的自动化系统及其所包含的自动化设备，软件方面是一或多个由一或多个自动化设备执行的控制程序)生成的消息数量，或者生成彼此相关联的消息。也就是说，本发明对自动化方案程序员或设计者的支持主要体现在帮助他们如何找到一种从消息出现方式角度看较为有利的设计，或者帮助他们如何去改善这样的设计。
从属权利要求涉及的是本发明的优选实施方案。其中，回溯引用通过相应从属权利要求的特征而指向独立权利要求的标的的其他实施方案；这些回溯引用并不意味着放弃使被回溯引用的从属权利要求的特征组合得到独立而具体的保护的权利。此外在权利要求设计这一方面，在下一项权利要求中将一特征进一步具体化时，应认为，这项权利要求之前的各项权利要求都不受这一具体化的限制。
当自动化设备自己生成消息以及/或者从技术过程或从其他参与控制或监测该过程的自动化设备接收消息时，实施所述分析方法的自动化设备基本上就是所有消息的汇集点。这类自动化设备除了进行分析以外还可以执行其他任务，例如对所出现的消息予以记录，根据特别优选的实施方案，在这样的配置情况下，可将持续记录的结果直接用作实施所述分析方法所需要的消息档案。
为每个消息各生成或检测一个特征标志(例如按照消息的类型和/或内容对其进行编码的数字、字母数字或混合式标志，例如“F”表示故障消息，“A”表示警报，等等)后，在这些标志(符号)按时间分类的序列(下称符号序列)中进行模式查找。采用句法模式识别方法进行模式查找。其中，在出现同样或同类消息时，特征标志总是保持不变(例如，“A”表示警报)，或者至少某个特征部分保持不变(例如，“A1”、“A19”、“A21”等等表示不同的警报，其中的字母作为特征部分保持不变)。在不同时间点出现的相同或相似消息会在符号序列中形成周期性符号/标志，鉴于这种规律性就能在句法基础上进行模式识别。
用一对被识别到的模式进行特征描述的符号取代相继出现的符号，例如一组相继出现的符号(“FFA”)或者成对相继出现的符号(“FA”)。也就是缩短符号序列，优选通过正则文法的一或多个规则进行这种缩短。亦即，在符号序列内查找周期性出现的相同的组或对(模式)并利用正则文法的明确规则进行缩短处理。在本发明提出申请之际，专业概念“正则文法”所用定义如下：“在理论计算机学中，乔姆斯基(Chomsky)分层的类型3中的文法也称为正则文法。这些正则文法所产生的语言相应称为正则语言”。
模式查找的第一步或第一阶段的分析是仅查找源于单个消息的符号组/符号对。下一重复过程则同样也对符号序列中已经过缩短处理的符号进行分析，以便找出其他周期性组/对，处理方式与处理源于单个消息的符号相同，等等。
无论采用何种方式在符号序列中进行模式查找，缩短符号序列都是有利的，优选通过将符号序列中那些属于符合规定或可规定判据的消息的符号予以遮断来实现这一点。根据这种方式，待查找消息也可成为所述过程所生成的所有消息中的一个子集，例如单指将来的消息或者单指过程警报等等。根据一种优选或替代实施方案，所述判据涉及的是消息与技术过程的设备部件以及/或者与用于控制或监测该过程的自动化系统的部件之间的从属性。通过这种方式就能在进行模式查找前对符号序列进行准过滤，经过过滤后，符号序列仅包含符合规定判据(例如消息与技术过程的某个设备部件之间的从属性)的消息的标志。借此可将用于控制或监测工业技术过程(特别是工业生产过程)的复杂的设备整体划分成较小单元。这种划分减少了需要考虑的数据数量并防止在模式查找时发生组合式数据爆炸。
亦即，可依照特定判据将与消息档案的内容相对应的符号序列拆分成多个部分序列，每个部分序列均为特有的、可执行本发明所述模式查找的符号序列。拆分时所依照的每个判据都构成初始符号序列的一个准过滤器，并且各提供一个相应的缩短符号序列。为了确定该过滤器(即相关判据)，一般需要对相应设备具有一定专业知识。举例而言，可将警报数据的数量或超出时间间隔等等用作判据。作为替代或补充方案，也可将消息类型(警报、故障等等)或消息来源(设备、设备部件、装置等等)等方面用作判据。每一个这种类型的部分序列均可视为符号序列并可通过模式查找以及用描述模式特征的标志取代被识别到的模式等措施来加以缩短。
还可以采用智能过滤器来识别周期性并在此基础上形成部分序列(消息窗)。一旦相邻符号/消息(模式)之间的时间间隔超出使用者输入的时限，就识别到一个部分序列。这个时限表示该部分序列的结束和新部分序列的开始。每个部分序列均可视为符号序列且可按上述方式进行处理。
根据理论计算机学，可用有限自动机表示正则文法，也就是将相关映射规则转换成转移函数。这样就能借助产生于有限自动机中的路径对消息之间的结构关系进行图形表示。根据本发明的一种优选实施方式，从用于缩短处理的正则文法中推导相应的有限自动机。
根据一种与句法模式识别、过滤、正则文法等相关的替代或补充方案，也可对消息进行统计学分析，因此本发明的另一优选实施方案是，用命中列表表示被识别到的、出现频率超过规定或可规定阈值的模式。
上述方法及其实施方案优选实施为软件。因此，本发明也涉及一种计算机程序，其包含可由计算机执行的、用于实施上文及下文所述方法的程序代码语句，所述计算机程序在一计算机上运行，该计算机例如为包含处理单元(例如处理器等)的自动化设备。装有这类计算机程序的自动化设备(尤其是工业自动化设备)也是本发明所涵盖的一种计算机系统。除自动化设备外，也可采用目前办公自动化常用的标准计算机。用于实施本发明方法的计算机程序通常以存储介质为载体，例如磁性或光学数据载体、半导体存储器、易失性或非易失性存储元件等，因此，本发明也涉及一种存储介质，其包含可由计算机执行的用于实施所述方法的计算机程序。
本发明的方法及其实施方案建立在理论计算机学的正则文法(正则语言)及有限自动机基础上。其原理是通过正则文法的规则缩短成对或成组相继出现的单个消息(消息序列)。如前所述，除单个消息外，也可将这些单个消息所对应的标志/符号作为处理对象。用这类规则进行逐步缩短，以此产生所含消息数量任意的消息序列，其中，实施所述方法过程中借助已识别到的模式产生这些规则(每个模式各对应一个规则)。根据与各消息相关的特性(例如对消息来源予以编码的特性)，或者基于相继出现的单个消息的序列，可对组合关系进行识别，进而对所谓的“警报阵雨”进行结构分析。此外还可将某些判据与上述规则予以结合。可以只将某些消息类型、某些设备部件的消息、将来的消息或过去的消息等等作为处理对象，在此情况下，需要处理的也只是从全部数据中选出来的子集。
缩短符号序列的目的可以是消除其他符号之间的干扰。这些其他符号例如表示“真正相关的消息”。在此情况下，这种缩短的作用就是使缩短后剩余的符号突显出来，因缩短处理而进入符号序列的符号在进一步分析过程中则起次要作用。缩短的另一目的是识别已出现消息之间的结构性和系统性关联。在此情况下，因缩短处理而进入符号序列的符号是真正意义上的分析结果，而符号序列中直接源于之前消息的剩余符号则处于次要地位。这两个实施方案均可视为被识别到的消息模式。用命中列表表示频繁出现的周期性消息模式，以便得到关于设备或设备部件负荷过高以及(例如)控制系统的消息设计出错等提示信息。
附图说明
图1为一自动化系统；
图2为本发明所面对的课题的示意图；
图3为图2所示场景利用有限自动机的映射规则得出的因果关系；以及
图4为本发明的另一方面，以更大数量的消息为例。
具体实施方式
下面借助附图对本发明的实施例进行说明。相同的标的或要素在各图中均用相同参考符号表示。任何实施例都不构成对本发明的限制。在本公开案框架内可进行多种修改和改进，尤其是那些专业人士针对解决方案通过对说明书概述部分和详述部分所说明的以及包含在权利要求和/或附图内的特征(或者说要素)或处理步骤进行组合或更改而可获得的变体和组合，通过这些变体和组合以及借助于可组合特征，可以获得新的标的或新的处理步骤(或者说处理工序)。
图1为包含多个工业自动化设备12、14、16(自动化设备)的工业自动化系统10(自动化系统)的简图，其中，上级自动化设备12例如用作控制系统，这些自动化设备例如通过总线18彼此通信连接。自动化设备12-16直接或间接地(例如通过相连的现场设备20、22、24)与一技术过程26(未详示)相互作用，自动化系统10即用于对该技术过程进行自动化处理，即对其进行控制和/或监测。上述技术过程例如为工业生产过程。
自动化系统10与该自动化系统10(即其包含的设备12-16、20-24)所执行的控制程序(未图示)的加总被称作自动化方案。每个自动化方案总是专门针对一个具体技术过程26，因此自然也可以将这个技术过程26视为该自动化方案的一部分。
用图1所示的自动化系统10控制和/或监测技术过程26，这一点属于公知技术。此外，在对技术过程26进行控制或监测的过程中还会生成消息28，图1仅对这一点予以简略表示。这类消息28可以是关于故障或异常情况(例如达到或超过极限值)的提示信息。但这类消息28不一定源于技术过程26，它们也可能涉及自动化系统10的状态并指示某种异常情况，例如，自动化系统10中某个设备12-16、20-24发生故障或其他类型的功能受损。
这类消息28的种类和来源多种多样且不限于前述示例，下文中的消息28这个名称将包含自动化系统10所生成或处理的每个消息28(特别是指示偏离预期工作状态的消息28)。
但是在实际操作中，某些工作状况下会出现大量消息28(消息洪泛，警报阵雨)，这会使负责监测自动化系统10和技术过程26的操作人员很难了解情况，也很难采取适当措施来应对可能存在的严重故障。
操作人员以往一般都是利用通过培训和操作设备(即自动化系统10和技术过程26)所积累的经验知识来迅速排除故障和其他干扰设备工作的因素。业界也尝试通过预测来消除负面影响因素，但在复杂设备上越来越难以做到这一点而且风险很大。有时候根据经验就可知晓在出现特定消息洪泛时需要采取哪些措施。通常根据某些效果就可以对导致某个消息的原因作出反应，因为根据经验(即过去接收到的消息28)或某个已识别到的原因就能知晓这个原因。
本发明的申请人通过以SIMATIC PCS7这一商标销售的过程控制系统已公开一种用于限制消息洪泛的自动化方法，该方法不仅只基于相关操作人员的经验。根据该方法，可在设计过程中对需要分别采取不同报警行为或引起不同报警行为的设备状态及工作状态进行定义。对于某些设备状态而言的多余消息可以在生成或进一步处理过程中就借助逻辑运算予以排除。此外还可对某些消息类型(警报)进行准遮断处理，也就是不显示给操作人员，但还是存入消息档案。对已生成消息28进行结构化处理的关键是关注于主要消息28。也可以使用能根据工作人员的需要对特定消息类型予以遮断的过滤器。此外，对消息进行结构化处理时还可分配优先级，这样就能识别出不太重要或关联性不大的消息。
图2描述了本发明所面临的课题：第一及第二原因30、32可能引起第一、第二及第三效果34、36、38。个别效果34-38可能还会引发后续效果40、42。其中，第一效果34、第一后续效果40和第二后续效果42触发生成消息28(另见图2)。如图2右半部所示，按照消息28的生成顺序可以得出多种不同组合44。为了对消息组中的各个消息28进行区分，下文中还会采用附图所示的符号A、B、C，这些符号可视为针对每个消息28都能加以检测或推导的特征标志的图形表示。借助这个表示法就能发现：消息B是由第一效果34触发生成。第一效果34还产生第一后续效果40，该后续效果又产生消息C。第二效果36效果路径不一样，但同样产生消息A。由此可见，消息B与消息C存在因果关系，但消息A与B或者消息A与C则不存在因果关系，因此在图2所示场景中，消息档案内存在消息28的多种可能的组合44。
图3为图2所示场景利用有限自动机的映射规则得出的因果关系。其中，单元Z1、Z2、Z3、Z4和ZE表示该有限自动机的不同状态，即第一、第二、第三和第四状态46、48、50、52以及最终状态54，该最终状态在图3中位于初始状态56的对面。有限自动机根据所生成或所出现的消息28转为特定状态，例如，在最初出现消息A时转为第一状态46Z1。最终状态54ZE可能通过状态46、48Z1、Z2或状态48、50Z2、Z3或状态状态50、52Z3、Z4而达到，据此，消息28的出现顺序会产生不同组合44(见图2)。通过用有限自动机表示基本的因果关系，可将从中获得的认识应用于消息设计工程或消息设计改造，以便(例如)将消息序列(A，B，C；B，A，C；B，C，A；等等)缩减为一个消息，具体做法例如是，仅为综合而言最基本的原因生成并显示一个消息。这能为操作人员减负。
图4以更大数量的消息A、B、C、c、d、e、f等等(也就是规模更大的消息档案58)为例对本发明的方法进行说明。消息档案58也包括之前已借助图2和图3加以阐述的消息28。可在消息档案58中直接检测消息，或者检测消息28的特征标志(符号)，此处显示为标志(符号)A-C、c、d、e等等。此外，消息28是按时间顺序存储于消息档案58内，亦即，消息28按其出现情况编码为时间信息，再根据这些时间信息进行分类，从而形成一个按时间分类的符号序列。在最简单的情况下也可以通过以下方式实现这种分类：消息档案58实施为堆栈或诸如此类的结构，消息28在消息档案58中的位置同时也是关于该消息的出现情况的编码。在此情况下，这个位置将直接取代时间信息，而不是作为被单独检测到的时间信息的结果。
对消息档案58的内容或相应的符号序列应用模式识别60。这个模式识别采用的是在分析过程中制订且存储于规则存储器62中的规则。举例而言，分析过程中可通过如下方式自动制订规则：首先在具体的符号序列中查找最常出现的相继符号对。由此产生的规则涉及的是被识别到的模式所包括的符号。在此，规则存储器62中的规则“X＝de”的意思是，组内相继出现的消息/符号“de”(在此指成对相继出现的消息/符号)表达为新消息/新符号“X”。这就从整体上缩短了消息档案58的内容所定义的符号序列(通过模式简化64将“Addec”等符号序列变成“AdXc”等符号序列)。
模式识别60和模式简化64所用规则的复杂性基本上不受限制，因此，借助另一规则(例如“Y＝Xc”)还可对图4下半部所示的已经缩短过的符号序列再次进行缩短(不再图示)。
考虑采用图4所示模式识别60的前提(例如)是，需要消除消息A、B、C(这些消息的出现情况就是模式识别的检验对象)之间的其他消息(下称“干扰消息”以示区别)。模式简化64可达到缩短符号序列的目的，进而产生一个对于消息A、B、C28而言更佳的模式。此时就可以模式查找的形式对这个缩短的符号序列进行句法上的消息分析，从而识别出周期性消息模式。
可以用命中列表、特别是根据同一个消息模式的出现频率进行分类的格式来表示被识别到的周期性消息模式。根据频率分布可以了解周期性消息模式的出现次数及效果链的频率。此外，命中列表还可以表明可能存在问题的设备(图1)并对发现这类设备起统计上的作用。源于这类设备的信息以及源于命中列表的信息整体上有助于提高设备效率，也能使消息设计工程得到改进。
存储在规则存储器62中的规则是能够在消息档案58的内容所表达的符号序列中识别周期性部分序列的正则映射规则，对于设计者、也就是设计图1所示设备时需要找出哪些事件引起哪些消息28的技术人员而言，这种识别具有重要意义，只要部分模式对这类设计的改进而言也很重要。本发明的方法利用纯形式方法进行模式查找，因而不必涉及设备结构及相关技术过程(图1)方面的信息。但为了解释被找到模式对于设备运行的意义，需要详细了解设备情况。借助过滤器可从所有消息28的总和中提取或排除一个符合特定判据的子集，从而对该子集或剩余部分进行分析。举例而言，如果出现会引发消息28的事件，就将该消息28称为“将来”消息，如果引发消息28的原因不再存在，就将消息28称为“过去”消息。在此基础上，例如可以仅对将来的消息28进行分析，以便追踪哪些原因会引发哪些形式为后续效果的“将来”消息28。此外，这类过滤器有助于遮断所谓的“颤动警报(Flatteralarm)”。颤动警报特征如下：某些具有相同标志(例如相同消息编号)的消息28总是一连串地“来”和“去”。对在图1所示自动化系统10(例如通过自动化系统10而实现的过程控制系统)中的不同位置上出现的消息序列进行区分，这对原因与效果的可追溯性有很大帮助。进行上述区分后就能在消息档案58的内容所定义的符号序列中仅对那些与特定设备12-16、20-24或设备部件有关的符号(及相应的消息28)予以考虑。设备规模越大，由此产生的优点就越明显。
据此可对本发明综述如下：本发明提供一种分析大量消息28的方法，所述方法在模式识别60和模式简化64基础上减少消息数量，其中，为所述模式识别60和所述模式简化64设置正则文法的规则，在剩余的消息28中进行模式查找，或者直接(即，之前未经简化处理)进行模式查找，为每一类型的模式查找各应用一句法模式识别60，在所述模式识别60所应用的正则文法的基础上，可通过将映射规则转换成转移函数来推导一有限自动机(图3)，以达到对消息28之间的结构关系进行图形表示的目的。
Claims (13)
1.一种分析大量消息(28)的方法，所述消息在对一技术过程(26)进行控制和/或监测的过程中产生，其中，为所述消息各检测一将其出现情况予以编码的时间信息和一特征标志，
其特征在于，
在一按所述时间信息分类的标志序列中进行模式查找，用一描述模式特征的标志取代被识别到的模式。
2.一种操作一自动化设备(12-16)的方法，所述自动化设备生成或接收多个消息(28)，
其特征在于，
为每个消息(28)各检测一将其出现情况予以编码的时间信息和一特征标志，
在一按所述时间信息分类的标志序列中进行模式查找，以及
用一描述模式特征的标志取代被识别到的模式。
3.根据权利要求1或2所述的方法，其中，所述模式查找的查找对象为一组相继出现的标志，特别是成对相继出现的标志，通过正则文法的一或多个规则缩短被识别到的模式。
4.根据权利要求1、2或3所述的方法，其中，采用句法模式识别方法进行所述模式查找。
5.根据权利要求1、2、3或4所述的方法，其中，在所述按所述时间信息分类的标志序列中对那些属于符合规定或可规定判据的消息(28)的标志予以遮断。
6.根据权利要求5所述的方法，其中，所述判据涉及的是一消息(28)与所述技术过程(26)的一设备部件以及/或者与用于控制和/或监测所述技术过程的一自动化系统(10)的一设备部件之间的从属性。
7.根据上述权利要求中任一项权利要求所述的方法，其中，所述自动化设备(12-16)自己生成所述消息(28)，以及/或者从所述技术过程(26)或其他参与控制或监测所述过程(26)的自动化设备(12-16)接收所述消息(28)。
8.根据权利要求3至7中任一项权利要求所述的方法，其中，从所述用于进行所述缩短处理的正则文法中推导一相应的有限自动机。
9.根据上述权利要求中任一项权利要求所述的方法，其中，用一命中列表表示被识别到的、出现频率超过一规定或可规定阈值的模式。
10.根据上述权利要求中任一项权利要求所述的方法，其中，如果相继出现的模式之间的一时间间隔超过一规定或可规定阈值，就形成一消息窗。
11.一种计算机程序，包含可由一计算机执行的、用于实施如权利要求1至10中任一项权利要求所述方法的程序代码语句，所述计算机程序在一计算机上运行。
12.一种存储介质，包含一如权利要求11所述的可由一计算机执行的计算机程序。
13.一种计算机系统，装有一如权利要求11所述的计算机程序。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2009/003523 WO2010133234A1 (de) | 2009-05-18 | 2009-05-18 | Verfahren zum analysieren von meldungsarchiven und korrespondierendes computerprogramm |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102428420A true CN102428420A (zh) | 2012-04-25 |
| CN102428420B CN102428420B (zh) | 2014-07-09 |
Family
ID=41479094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200980159381.5A Expired - Fee Related CN102428420B (zh) | 2009-05-18 | 2009-05-18 | 分析消息档案的方法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP2433189B1 (zh) |
| CN (1) | CN102428420B (zh) |
| WO (1) | WO2010133234A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103885769A (zh) * | 2012-12-20 | 2014-06-25 | 英特尔移动通信有限责任公司 | 调试基于模型的消息序列的系统和方法 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012004854A1 (de) * | 2012-03-13 | 2013-09-19 | Deutsche Telekom Ag | Verfahren zum effizienten Betrieb eines überwachten Telekommmunikationsnetzes mit Hilfe eines Netzmanagementsystems, von Computerprogrammen und Computerprogrammprodukten |
| EP3454154A1 (de) | 2017-09-06 | 2019-03-13 | Siemens Aktiengesellschaft | Automatisierte erkennung von statistischen abhängigkeiten zwischen prozessmeldungen |
| EP3489774B1 (de) | 2017-11-22 | 2024-04-17 | Siemens Aktiengesellschaft | Automatisierte ermittlung einer parametrierung eines auswerteverfahrens |
| EP3748449A1 (de) * | 2019-06-04 | 2020-12-09 | Siemens Aktiengesellschaft | Ursachenanalyse bei meldungen eines technischen systems |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE0301901L (sv) * | 2003-06-26 | 2004-12-27 | Abb Research Ltd | Metod för att diagnostisera utrustningsstatus |
| US8314694B2 (en) * | 2004-06-28 | 2012-11-20 | Abb Research Ltd | System and method for suppressing redundant alarms |
| CN100470453C (zh) * | 2007-01-15 | 2009-03-18 | 解晖 | 一种人机指令输入设备中运动信息的映射方法 |
-
2009
- 2009-05-18 EP EP09776625.7A patent/EP2433189B1/de not_active Not-in-force
- 2009-05-18 WO PCT/EP2009/003523 patent/WO2010133234A1/de active Application Filing
- 2009-05-18 CN CN200980159381.5A patent/CN102428420B/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103885769A (zh) * | 2012-12-20 | 2014-06-25 | 英特尔移动通信有限责任公司 | 调试基于模型的消息序列的系统和方法 |
| CN103885769B (zh) * | 2012-12-20 | 2017-05-17 | 英特尔德国有限责任公司 | 调试基于模型的消息序列的系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2010133234A1 (de) | 2010-11-25 |
| EP2433189A1 (de) | 2012-03-28 |
| CN102428420B (zh) | 2014-07-09 |
| EP2433189B1 (de) | 2013-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7672811B2 (en) | System and method for production system performance prediction | |
| US10809704B2 (en) | Process performance issues and alarm notification using data analytics | |
| US10503145B2 (en) | System and method for asset fleet monitoring and predictive diagnostics using analytics for large and varied data sources | |
| US20050188267A1 (en) | Location based diagnostics method and apparatus | |
| US20100211192A1 (en) | Apparatus and method for automated analysis of alarm data to support alarm rationalization | |
| EP3026518A1 (en) | Method for Root analysis of an alarm flood sequence | |
| CN102428420B (zh) | 分析消息档案的方法 | |
| US10705516B2 (en) | Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic risk fault tree method and system | |
| US20080208373A1 (en) | Method for operating a process plant, process plant and computer program product | |
| Bao et al. | Risk‐based fault diagnosis and safety management for process systems | |
| JP2022104538A (ja) | アラーム処理のための方法、システム、およびコンピュータプログラム | |
| US20170269562A1 (en) | Remote data analytics to predict system components or device failure | |
| CN108681503A (zh) | 可编程控制器程序的安全检查方法、装置和设备 | |
| EP3690582B1 (en) | Apparatus and method for alarm management | |
| US9122772B2 (en) | Method for analyzing message archives and corresponding computer program | |
| Laumonier et al. | Towards alarm flood reduction | |
| US10878012B2 (en) | Intelligent plant operator log book information retrieval mechanism using latent semantic analysis and topic modeling for connected plants | |
| Wilch et al. | A distributed framework for knowledge-driven root-cause analysis on evolving alarm data–an industrial case study | |
| CN104346246A (zh) | 故障预测方法和装置 | |
| Dagnino | Data mining methods to analyze alarm logs in IoT process control systems | |
| JP6898280B2 (ja) | 知識作成システム | |
| El Sakka et al. | Improved alarm flood analysis by cluster identification and alarm assignment | |
| Manca et al. | Clustering of similar historical alarm subsequences using alarm series and characteristic coactivations | |
| Urban et al. | Collaborative Operations Using Process Alarm Monitoring | |
| dos Santos et al. | Alarm management according to isa sp 18.2 standard based on process mining and multi-criteria decision making methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140709 Termination date: 20200518 |