CN104142664B - 使用大数据的工业产品的预测维护 - Google Patents

Abstract

本发明涉及使用大数据的工业产品的预测维护。基于云的预测维护服务从多个工业用户收集工业数据，以便在云平台上存储并分析。所述服务对从跨不同工业的多个用户收集的数据进行分析，以识别根据工业类型、应用类型、使用的装备、设备配置以及其他这样的变量的操作趋势。基于分析的结果，预测维护服务预测针对各个用户的预期的设备故障或系统低效。在问题变得紧急之前，通知服务向用户警告即将发生的故障或低效。基于云的通知服务还通知适当的技术支持实体，以便利主动维护和设备管理。

Description

使用大数据的工业产品的预测维护

相关申请的交叉引用

本申请要求于2013年5月9日提交的题目为“REMOTE SERVICES AND ASSETMANAGEMENT SYSTEMS AND METHODS”的第61/821,639号美国临时专利申请的优先权。

技术领域

本主题申请总体上涉及工业自动化，尤其涉及在云平台上使用大数据分析的工业系统的预测维护。

背景技术

工业控制器和它们相关联的I/0设备是现代自动化系统操作的核心。这些控制器与工厂车间的现场设备进行交互以控制与这样的目的例如产品制造、材料处理、批量处理、监督控制以及其他这样的应用相关的自动化处理。工业控制器存储并执行用户定义的控制程序以影响与受控过程有关的决定。这样的程序可以包括但不限制于梯形逻辑、序列功能表、功能块图、结构化文本或其他这样的编程结构。通常，工业控制器从传感器和计量设备读取输入数据，并且基于这些输入根据用户定义的程序来生成控制输出，所述计量设备提供关于受控系统的一个或多个状态的离散和遥测数据。

除了工业控制器以及它们的相关联的I/O设备之外，一些工业自动化系统还可以包括低级别系统，例如对工业处理的一部分进行局部控制，或其具有它们自身的定位控制系统的视觉系统、条形码标记系统、变频驱动器、工业机器人等。

构成给定工业自动化系统的工业设备的集合不断地处于变化之中。由于系统扩张、维护涉及以及设备更新，工业设备被连续添加、去除、切换以及替换。因此，维护企业的工业资产以及包括这些工业资产的各个工业设备的配置的精确文件编制可能是获得不精确或不完整的系统文件编制的费力的任务。因为维护精确的系统文件编制的困难，资产所有者可能继续使用已经过了其报废期的设备，未意识到所述设备的硬件或软件更新已经可获得，或者可替选的设备配置可以改进工业处理的性能。

另外，因为工业系统通常随着将更新的资产进行集成以与较旧的先前存在的设备结合操作的长时间段的演变，系统集成者可能未意识到包括设备与资产的更大的工业系统的设备与资产的具体组合可以针对更多的最佳操作而重新配置。

当今的工业控制和业务系统的上述不足仅意在提供传统系统的一些问题的概述，而并不意在穷举。根据下面的描述的回顾，传统系统的其他问题和在本文中描述的各个非限制性实施方式的相应优点将变得更加明显。

发明内容

以下呈现简化的发明内容以提供在本文中描述的一些方面的基本理解。该发明内容不是宽泛的概述也不意在识别关键/重要元素或描述在本文中描述的各个方面的范围。其特有目的是以简化形式呈现一些概念以作为在随后呈现的更详细描述的开头。

本公开内容的一个或多个实施方式设计使用在云平台上的大数据分析以便利工业自动化系统的预测维护。在一个或多个实施方式中，在云平台上运行作为服务的基于云的预测维护系统可以从参与的工业设施收集并监控设备、资产和系统数据。在设备级别处，所收集的数据可以包括设备配置信息(例如设备标识符、固件版本、配置设置等)以及设备的实时状态信息(例如健康和诊断、故障、警报等)。在资产和系统级别处，所收集的数据可以包括例如关键性能指标(KPI)、处理变量以及随着时间的更大系统行为的特征这样的信息。

预测维护系统然后可以对在云平台上的数据执行大数据分析以提供多种远程预测维护服务。这些服务可以包括提供当针对给定设备的更新的固件版本可用的通知、表示即将发生的设备或系统故障的系统趋势的检测和通知、设备或系统性能降低的检测和通知、能够改进系统性能或设备交互或其他这样的服务的推荐的设备更新或系统重新配置。

基于云的预测维护系统的一些实施方式还可以便利当检测到具体类型的维护问题时技术支持人员的主动参与。例如，响应于检测到即将发生的设备或资产故障，基于云的预测维护系统可以警告指定的技术支持人员。因为预测维护系统维护关于工业资产的用户设备、配置以及系统的详细文件编制，支持人员可以远程访问文件编制并收集必要信息以识别维护问题并提供个性化的帮助。该系统提供如下架构：通过该架构在维护问题变得紧急之前支持人员可以预先向资产拥有者提供解决方案。

为了便利以上描述的一个或多个方面，基于云的系统可以维护如下用户模型：其确定所述系统如何执行具体预测维护操作。用户模型可以包括例如客户端标识符和联系信息、通知偏好、优选的技术支持人员、所述资产拥有者与一个或多个设备供应商之间的现有服务合同以及其他这样的信息。所述预测维护系统响应于维护问题等可以利用所述信息以当检测到维护关注时确定应当通知谁，应当提供的支持级别以及应当通知哪些技术支持人员。

为了实现前述以及相关目的，结合以下描述和附图在本文中描述具体的示例性方面。这些方面表示可以实践的各种方式，在本文中意在覆盖所有方式。当结合附图考虑时根据以下详细描述的其他优点和创新特征将变得明显。

附图说明

图1是利用基于云的服务的工业企业的高级别概观。

图2是示例性的基于云的预测维护系统的框图。

图3示出了由基于云的预测维护系统收集的用户具体工业数据。

图4示出了示例性数据类之间的分等级关系。

图5示出了其中工业设备用作包括工业系统的其他工业设备的云代理的配置。

图6示出了其中防火墙区用作一组工业设备的云代理的配置。

图7示出了将设备模型传送给基于云的预测维护系统。

图8示出了收集包括各个不同工业系统的设备和资产的数据以存储在基于云的数据存储装置中。

图9示出了用于提供预测维护服务的基于云的系统。

图10描述了基于云的预测维护系统用于跟踪并管理工业设备固件更新的示例性情况。

图11示出了通过基于云的预测维护系统生成主动通知。

图12示出了预测维护系统便利技术支持实体的参与以主动减缓即将发生的系统故障的示例性结构。

图13示出了用于通过工业供应链跟踪产品数据并预测在供应链级别处的质量关注的示例性基于云的结构。

图14是用于传送根据工业系统的基于云的监控的预测维护通知的示例性方法的流程图。

图15是用于基于在云平台上执行的大数据分析来确定推荐的设备或系统推荐的示例性方法的流程图。

图16是示例性计算环境。

图17是示例性联网环境。

具体实施方式

现参照附图描述本主题公开内容，其中，贯穿全文相同的附图标记用于指代相同的元件。在下面的描述中，为了说明起见，阐述了大量的具体细节以便提供其全面的理解。然而，明显的是，可以在没有这些具体细节的情况下实践本主题公开内容。在其它实例中，以框图形式示出了已知的结构和装置，以便便利其描述。

如本文中使用的，术语“部件”、“系统”、“平台”、“层”、“控制器”、“终端”、“站”、“节点”、“接口”意在指代计算机相关实体或与具有一个或多个具体功能性的操作装置相关的实体或是具有一个或多个具体功能性的操作装置的一部分，其中，这样的实体可以是硬件、硬件和软件的组合、软件、或执行的软件。例如，部件可以是但不限于处理器上运行的处理、处理器、硬盘驱动器、包括附接的(例如，旋拧的或螺栓固定的)或可拆卸地附接的固态存储驱动器的(光学或电磁存储介质的)多个存储驱动器；对象；可执行的；执行线程；计算机可执行程序、和/或计算机。以举例方式，服务器和在服务器上运行的应用均可以是部件。一个或多个部件可以驻留在执行的处理和/或线程内，并且部件可以位于一个计算机上和/或分布在两个或多个计算机之间。此外，本文所描述的部件可以从在其上存储有各种数据结构的各种计算机可读存储介质执行。部件可以通过本地和/或远程处理例如根据具有一个或多个数据包(例如，来自与本地系统、分布式系统中的另一个部件进行交互的一个部件的数据，或来自通过信号跨网络(例如因特网)与其他系统交互的一个部件的数据)的信号进行通信。作为另一个示例，部件可以是具有由电气或电子电路操作的机械零件所提供的具体功能性的装置，其中，电气或电子电路是由处理器执行的软件或固件应用进行操作的，其中处理器可以在该装置的内部或外部，并且执行软件或固件应用的至少一部分。作为又一个示例，部件可以是通过电子部件提供具体功能，而无需机械零件的装置，电子部件可以包括处理器来执行提供电子部件的至少部分功能的软件或固件。作为又一示例，接口(多个接口)可以包括输入/输出(I/O)部件以及相关联的处理器、应用或应用程序编程接口(API)部件。虽然上述示例是针对部件的各个方面，但是所举例的方面或特征还适用于系统、平台、接口、层、控制器、终端等。

在本文中使用时，术语“推断”和“推论”一般是指根据通过事件或数据捕获的观察的集合，推理或推断系统、环境和/或用户的状态的处理。可以使用推论来识别具体的上下文或动作，或者可以例如生成状态的概率分布。推论可以是概率性的，也就是说，所关注的状态的概率分布的计算是基于对数据和事件的考虑的。推论还可以指用于从事件和/或数据的集合构成较高级别的事件的技术。这样的推论导致从观察到的事件和/或存储的事件数据的集合构建新的事件或动作，而无论事件是否是时间接近地相关的，以及无论事件或数据是来自一个事件源或数据源还是若干个事件源或数据源。

此外，术语“或”意指包括性的“或”而非排他性的“或”。也就是说，除非另外指明或者在上下文中明确，否则短语“X使用A或B”旨在表示任何自然的包括性排列。也就是说，短语“X使用A或B”满足下列实例中的任何一个：X使用A；X使用B；或X使用A和B两者。此外，本文中以及所附权利要求中使用的“一”或“一个”一般应被解释为是指“一个或多个”，除非另有指明或上下文明确针对单数形式。

此外，文中使用的术语“集合”排除空集，例如其中没有元素的集合。因此，在本公开内容中的“集合”包括一个或多个元件或实体。作为举例，控制器的集合包括一个或多个控制器；数据资源的集合包括一个或多个数据资源；等等。类似地，本文中使用的术语“组”是指一个或多个实体的集合，例如节点组指代一个或多个节点。

将从可以包括多个设备、部件、模块等的系统的方面给出各个方面或特征。应当理解，各个系统可以包括附加设备、部件、模块等和/或未必包括结合附图讨论的所有设备、部件等。还可以使用这些方法的组合。

为了提供在本文中描述的基于云的预测维护系统和服务的总体上下文，图1示出了利用基于云的服务的工业企业的高级别概观。企业包括一个或多个工业设施104，每个工业设施使用多个工业设备108和110。工业设备108和110可以构成在各个设施104内进行操作的一个或多个自动化系统。示例性自动化系统可以包括但不限制于批量控制系统(例如混合系统)、连续控制系统(例如PID控制系统)或离散控制系统。工业设备108和110可以包括如下设备：例如，工业控制器(例如可编程逻辑控制器或其他类型可编程自动化控制器)；现场设备例如传感器和仪表；电机驱动器；人机接口(HMI)；工业机器人、条形码标记器和阅读器；视觉系统设备(例如视觉相机)；智能焊接器；或其他这样的工业设备。

示例性自动化系统可以包括便于监视并控制它们的对应处理的一个或多个工业控制器。控制器使用固有的硬连接I/O或通过工厂网络例如以太/IP、数据高速通道+、控制网、设备网等与现场设备交换数据。给定的控制器通常从现场设备接收数字或模拟信号的任意组合，以指示设备的当前状态和与它们的相关联的处理(例如温度、位置、零件存在或不存在、流体级别等)，并基于所接收的信号执行针对受控过程进行自动化决定的用户定义控制程序。然后，控制器根据控制程序做出的决定向现场设备输出适当的数字和/或模拟控制信令。这些输出可以包括设备驱动信号、温度或位置控制信号、至机器或材料处理机器人的操作命令、混合控制信号、移动控制信号等。控制程序可以包括用于处理被读入控制器的输入信号并控制通过控制器生成的控制输出信号的任意合适类型的代码，包括但不限制于梯形逻辑、序列功能表、功能块图、结构化的文本或其他这样的平台。

尽管在图1中示出的示例性概观将工业设备108和110描述为位于固定位置工业设施104中，工业设备还可以是移动控制和/或监控应用的一部分，例如包括在卡车或其他服务车辆中的系统。

根据本公开内容的一个或多个实施方式，工业设备108和110可以耦接至云平台102以利用基于云的应用和服务。也就是说，工业设备108和110可以被配置成发现云平台102上驻留的基于云的计算服务112并与所述服务进行交互。云平台102可以是允许具有云能力设备访问和使用的共享计算服务112的任何基础结构。云平台102可以是经由因特网通过具有因特网连接和适当授权以利用服务112的设备可访问的公共云。在一些情况下，云供应商可以将云平台102提供为平台即服务(PaaS)，服务112可以位于云平台102上并作为基于云的服务来执行。在一些这样的配置中，可以将访问云平台102和相关联的服务112向用户提供作为服务112的拥有者的订阅服务。可替选地，云平台102可以是企业内部操作的私有云。示例性私有云平台可以包括驻留有云服务112并位于通过防火墙保护的公司网络上的服务器的集合。

云服务112可以包括但不限制于数据存储、数据分析、控制应用(例如可以基于分析准实时系统数据或其他因素生成并传送控制指令给工业设备108和110的应用)、远程监控和支持、设备管理、资产性能管理、预测维护服务、企业制造智能服务、供应链性能管理、通知服务或其他这样的应用。如果云平台102是基于web的云，在各个工业设施104处的工业设备108和110可以通过因特网与云服务112进行交互。在示例性配置中，工业设备108和110可以通过在各个工业设施104处的不同的云网关106来访问云服务112，其中工业设备108和110通过物理或无线局域网或无线电链接连接至云网关106。在另一个示例性配置中，工业设备108和110可以使用集成式的云网关服务来直接访问云平台。云网关106还可以包括网络基础结构设备的集成式部件，例如防火墙区、路由器或交换机。

通过云网关106提供的具有云能力的工业设备可以提供特定于工业自动化的许多优点。优点之一：由云平台102提供的基于云的存储装置可以容易地缩放以适于工业企业每天产生的大量数据。另外，在不同地理位置的多个工业设施可以将它们各自的自动化数据转移至云平台102，用于聚合、对比共有的大数据分析以及企业级别报告而不需要在设施之间建立专用网络。具有智能配置能力的工业设备108和110和/或云网关106可以被配置成基于在任一设施的安装自动检测云平台102并与其通信，以简化与企业使用的现有基于云的数据存储、分析或报告应用的集成。在另一个示例性应用中，基于云的诊断应用可以通过云网关106访问工业设备108和110，以监控各个自动化系统或跨整个工厂或跨构成企业的多个工业设施的它们的相关联的工业设备的健康。在另一个示例中，可以使用基于云的批控制应用以在产品生产阶段跟踪产品的单元并且随着其通过每个阶段收集每个单元的生产数据(例如条形码标识符、生产的每个阶段的生产统计数据、质量测试数据、异常标志等)。这些工业云计算应用仅意在为示例性的，在本文中描述的系统和方法并不限制于这些具体应用。如这些示例表明的，与云网关106一起工作的云平台102可以允许工业应用的建造者提供根据服务可缩放的解决方案，以消除基础结构和架构的维护、更新和备份的负担。

图2是根据本公开内容的一个或多个实施方式的示例性的基于云的预测维护系统的框图。在本公开内容中描述的系统、装置或处理的方面可以包括在机器内实施的机器可执行部件，例如实施为与一个或多个机器相关联的一个或多个计算机可读介质(或媒介)。这样的部件当被一个或多个机器例如计算机、计算设备、自动化设备、虚拟机器等执行时，可以使得机器执行描述的操作。

预测维护系统202可以包括设备接口部件204、客户端接口部件206、设备管理部件208、预测分析部件210、通知部件212、一个或多个处理器216以及存储器218。在各个实施方式中，设备接口部件204、客户端接口部件206、设备管理部件208、预测分析部件210、通知部件212、一个或多个处理器216以及存储器218中的一个或多个可以电或通信地彼此耦接，以执行预测维护系统202的一个或多个功能。在一些实施方式中，部件204、206、208、210和212可以包括存储在存储器218上并通过处理器216执行的软件指令。预测维护系统202还可以与在图2中未示出的其他硬件和/或软件部件进行交互。例如，处理器216可以与一个或多个用户接口设备例如键盘、鼠标、显示监视器、触摸屏或其他这样的接口设备进行交互。

设备接口部件204可以被配置成接收通过一个或多个云能力工业设备、云网关或工业数据的其他源发送的工业数据(例如配置数据、状态数据、处理变量数据等)。客户端接口部件206可以被配置成通过因特网连接与一个或多个客户端设备交换数据。例如，客户端接口部件206可以接收用户个人数据、固件更新的请求、用户服务选择或来自客户端设备的其他这样的信息。客户端接口部件206还可以将更新通知、固件更新、即将发生的设备故障的通知、资产或系统低效的识别、配置推荐或其他这样的数据传送给客户端设备。

设备管理部件208可以被配置成维护并管理关于包括在工业设施处使用的一个或多个工业资产的设备的当前信息。该信息可以包括设备标识符、当前固件版本、当前设备配置设置、与该设备交互的相邻设备的信息、在更大的系统上下文内该设备的角色或其他这样的信息。

预测分析部件210可以被配置成对通过基于云的预测维护系统收集并存储的数据执行大数据分析。例如，可以对从多个工业企业收集的设备、资产、处理以及系统数据的大集合进行分析，以识别具体工业应用的操作模式、最佳硬件和软件配置、可以用于预测未来的设备或系统故障的设备生命周期趋势或其他分析目标。作为另一个示例，预测分析部件210可以将给定工业设施的系统配置与针对在其他工业设施处使用的相似工业应用而收集的数据的大集合进行比较。基于所述比较和分析，预测分析部件210可以识别可以改进在工业设施处的系统性能的替选设备或软件配置。

通知部件212可以被配置成响应于通过设备管理部件208或预测分析部件210检测的重要事件来向与工厂人员或技术支持人员相关联的一个或多个客户端设备生成远程通知。这些通知可以包括即将发生的设备或资产故障的通知、特定测量系统变量指示可能的性能降低的通知、针对给定设备新的固件版本可用的警报或者其他这样的通知。

一个或多个处理器216可以执行参照所公开的系统和/或方法的本文中描述的一个或多个功能。存储器218可以是计算机可读存储介质，其存储用于执行参照所公开的系统和/或方法的本文中描述的功能的计算机可执行指令和/或信息。

图3示出了根据一个或多个实施方式的通过基于云的预测维护系统收集用户专用工业数据。预测维护系统314可以在云平台(例如图1的云平台102)上执行基于云的服务，并从多个工业系统316收集数据。工业系统316可以包括在给定设施和/或在多个地理位置处的不同工业设施内的不同工业自动化系统。工业系统316还与不同业务实体(例如不同工业企业或用户)对应，使得预测维护系统314针对每个用户或业务实体收集并维护不同用户数据存储器302。

预测维护系统314可以根据各个类对从工业系统316收集的制造数据进行组织。在所示示例中，根据设备数据306、处理数据308、资产数据310和系统数据312对制造数据进行分类。图4示出了这些示例数据类之间的等级关系。给定的工厂或供应链402可以包括一个或多个工业系统404。系统404表示在给定工厂设施内或跨供应链的多个设施的生产线或生产区域。每个系统404由表示构成系统的机器和装备的多个资产406(例如生产线的各个阶段)组成。通常，每个资产406由多个设备408组成，所述设备包括例如可编程控制器、电机驱动器、人机接口(HMI)、传感器、仪表等。在图3和图4中描述的各个数据类仅意为示例性的，应当理解通过预测维护系统314维护的工业数据类的任何系统均在本公开内容的一个或多个实施方式的范围内。

现在返回图3，预测维护系统314收集并维护来自构成工业系统316的各个设备和资产的数据，并且为了准实时监控和预测分析根据上述类对所述数据进行分类。设备数据306可以包括与包括工业系统316的各个设备的标识、配置和状态相关的设备级别信息，包括但不限制于设备标识符、设备状态、当前固件版本、健康和诊断数据、设备文件编制、与该设备进行交互的相邻设备的标识和关系等。

处理数据308可以包括与通过设备执行的一个或多个处理或其他自动化操作相关的信息，例如设备级别和处理级别故障和警告、处理变量的值(速度、温度、压力等)等。

资产数据310可以包括基于随着时间从多个工业设备聚合的数据生成的收集或推断的信息，该信息可以生成工业系统316的更高资产级别的图。示例性资产数据310可以包括各个资产的性能指标、资产级别处理变量、故障、警报等。因为资产数据310相对于设备和处理数据生成了资产性能的更长期限的图，预测维护系统314可以利用资产数据310以在其他类型的分析中识别对每个资产特有的操作模式和关联性。

系统数据312可以包括基于随着时间从多个资产聚合的数据生成的收集或推断的信息。系统数据312可以在资产的大系统内表征系统行为，以生成每个工业系统316的系统级别图。系统数据312还可以对在每个工业系统316处使用的具体系统配置和执行的工业操作进行文件编制。例如，系统数据312可以对资产的布置、设备之间的互联、在给定设施处制造的产品、通过资产执行的工业处理、每个工业系统的工业的类别(例如汽车、石油和天然气、食物和药品、海洋、纺织品等)或其他相关信息进行文件编制。在其他功能中，可以在支持阶段通过技术支持人员访问所述数据使得可以不需要依赖用户而获得用户的特有系统和设备配置的详情以处理他们的资产的完整知识。

作为一个示例，给定工业设施可以包括封装线(系统)，该封装线可以转而包括多个不同资产(填充机、打标记机、压盖机、码堆机等)。每个资产包括多个设备(控制器、变频驱动器、HMI等)。使用与图1中描述的结构的相似结构，预测维护系统314可以在操作期间从各个设备收集工业数据并根据上述分类对在客户数据存储器302中的数据进行分类。应当注意，可以跨不止一个类对一些数据进行复制。例如，在处理数据308下分类的处理变量还可以与通过资产数据310表示的系统的资产级别图相关。相应地，可以在两个类下对这样的处理变量进行分类。另外，可以基于在另一种分类下的数据来导出或推断出在一种分类下数据的子集。表征具体系统行为的系统数据312的子集例如可以基于在低级别分类中的数据的长期分析来推断。

除了维护数据类306-312之外，每个客户数据存储器还包括维护包括具体到给定工业实体或用户的数据的用户模型304。用户模型304包括用户具体信息和偏好，所述用户具体信息和偏好可以被预测维护系统314利用以确定检测出的维护问题应当如何处理。在用户模型304中维护的示例性信息可以包括客户端标识符、指定响应于检测到的具体维护关注应当通知哪些工厂人员的客户端联系信息、指定应当如何通知工厂人员(例如电子邮件、移动电话、文本消息等)的通知偏好、在检测到维护关注时要联系的优选的技术支持人员、在用户与技术支持实体之间有效的服务合同以及其他这样的信息。预测维护系统314可以为了识别和事件处理将针对每个用户收集的数据与用户模型相匹配。

如上指出，可以使用云网关将工业数据从工业设备转移至云平台。为此，一些设备可以包括直接将每个设备与云平台进行对接的集成式云网关。可替选地，一些配置可以利用从多个设备收集工业数据并将所述数据发送至云平台的云代理设备。这样的云代理可以包括专用数据收集设备，例如与工业设备共享网络的代理服务器。可替选地，云代理可以为从其他工业设备收集数据的等同工业设备。

图5和图6描述了通过代理设备将工业数据转移至云平台，用于通过预测维护系统分类和分析的示例性技术。图5描述了如下配置：其中工业设备用作包括工业系统的其他工业设备的云代理。工业系统包括多个工业设备506₁-506_N，其共同监视和/或控制一个或多个受控过程502。工业设备506₁-506_N分别生成和/或控制与受控过程502的控制相关的处理数据。针对工业控制器例如PLC或其他自动化控制器，这可以包括从连接至控制器的I/O遥测设备收集数据，基于测量的处理值在内部生成数据等。

在图5描述的配置中，工业设备506₁用作工业设备506₂-506_N的代理，其中通过代理工业设备506₁将数据514从设备506₂-506_N发送至云。工业设备506₂-506_N可以将它们的数据514传送给在工厂网络或底板512(例如共同工业协议(CIP)网络或其他合适的网络协议)上的代理工业设备506₁。使用这样的配置，仅需要将一个工业设备与云平台(通过云网关508)进行对接。在一些实施方式中，云网关508可以在将收集的数据转移至云平台之前对所述数据进行预处理(例如时间戳记、滤波、格式化、总结、压缩等)。收集并经处理的数据可以通过云网关508推向云平台作为云数据504。当转移后，基于云的预测维护系统可以根据以上讨论的示例性分类对所述数据进行分类。

尽管在图5中示出的代理设备被描述为本身执行受控过程502的一部分的监视和/或控制的工业设备，但是其他类型的设备还可以被配置成用作根据本公开内容的一个或多个实施方式的多个工业设备的云代理。例如，图6示出了其中防火墙区612用作工业设备606₁-606_N的集合的云代理。防火墙区612可以用作如下网络基础结构设备：使得工厂网络616能够访问外部网络例如因特网，并且还提供防止通过因特网非授权访问工厂网络616的防火墙保护。除了这些防火墙功能外，防火墙区612可以包括将一个或多个基于云的服务与防火墙区612对接的云网关608。以与图5的代理工业设备506₁相似的方式，防火墙区612可以从监视并控制受控过程602的各个部分的工业设备606₁-606_N收集工业数据614。防火墙区612可以包括如下云网关608：其将所收集的工业数据614推向基于云的预测维护系统作为云数据604之前对所述数据施加适当的预处理。防火墙区612可以使得工业设备606₁-606_N与云平台进行交互而不需要将工业设备直接显露给因特网。

在一些实施方式中，云网关508或608可以在将具有上下文元数据的所收集的工业数据推向云平台之前对所述数据进行标记。这样的上下文元数据可以包括例如时间戳记、在生成所述数据时设备的位置或其他这样的信息。在另一个示例中，一些云感测设备可以包括能够在工厂或企业环境内确定它们自己的上下文的智能设备。这样的设备可以确定在分等级工厂上下文或设备拓扑内的它们的位置。通过这样的设备生成的数据可以附着在定义工业企业的多个分等级级别(例如工作单元级别、线级别、区域级别、场所级别、企业级别等)的分等级工厂模型上，使得能够识别关于这些分等级级别的数据。这使得能够跨整个工业企业使用共同术语以识别设备和与它们相关联的数据。根据这样的组织分等级对企业建模的基于云的应用和服务可以将在该组织分等级内的工业控制器、设备、机器或处理表示作为数据结构(例如类型实例)以从整体上提供相对于企业在企业内的设备生成的数据的上下文。这样的协定可以代替一些工业应用使用的单调的命名结构。

在一些实施方式中，云网关508和608可以包括如下单向“仅数据”网关：其被配置成仅将数据从前提移动至云平台。可替选地，云网关508和608可以包括如下双向“数据和配置”网关：其附加地被配置成接收来自运行在云平台上的服务的配置或指令数据。一些云网关可以利用如下存储转发技术：其使得当网关与云平台之间的通信中断时可以将所收集的工业数据临时本地存储在与云网关相关联的存储装置上。在这样的情况下，当通信链接建立时云网关将存储的数据转发给云平台。

为了确保用于分析目的的丰富并且描述性的数据集合，基于云的预测维护系统可以收集根据一个或多个标准化设备模型的设备数据。为此，可以针对每个工业设备来开发标准化设备模型。设备模型概述了通过预测维护系统收集并维护的可用的设备数据。

图7示出了根据一个或多个实施方式的示例性设备模型。在所示示例中，设备模型706与云感测工业设备702(例如可编程逻辑控制器、变频驱动器、人机接口、视觉相机、条形码标记系统等)相关联。作为云感测设备，工业设备702可以被配置成自动检测安装在工厂设施处的云平台708并与其通信，简化现有基于云的数据存储装置(例如在本文中描述的预测维护系统)的集成、分析和应用。当被添加至现有的工业自动化系统时，设备702可以与云平台进行通信并将具有设备模型706形式的识别和配置信息发送至云平台。设备模型706可以被设备管理部件208接收，该设备管理部件208然后基于设备模型更新用户的设备数据712。以这种方式，预测维护系统可以利用设备模型以将新设备集成至作为整体的更大的系统中。该集成可以包括更新基于云的应用以识别新设备，将新设备添加至用户的工业企业或工厂的动态更新数据模型，使得在工厂车间的其他设备感知到新设备或其他这样的集成功能。当部署后，可以通过预测维护系统准实时地收集并监控包括设备模型706的一些数据项。

设备模型706可以将这样的信息包括作为设备标识符(例如模型和序列号)、设备的状态信息、当前安装的固件版本、设备安装数据、设备担保规范、与设备相关联的计算并预期的KPI(例如故障之间的平均时间)、设备健康和诊断信息、设备文件编制或其他这样的参数。

除了维护每个工业企业的各个用户具体数据存储装置，基于云的预测维护系统还可以将用户数据的集合馈送给全局数据存储装置(在本文中被称为制造的大数据或BDFM数据存储装置)，用于在云装置中进行共同的大数据分析。如图8所示，预测维护系统的设备接口部件204可以从包括各个不同的工业系统806的设备和资产收集数据，用于存储在基于云的BDFM存储装置802中。在一些实施方式中，可以在各个用户同意的情况下匿名地收集在BDFM数据存储装置802中维护的数据。例如，用户可以与技术支持实体达成服务协定，从而用户同意基于云的预测维护系统收集他们的设备和资产数据以用于交换预测维护服务。在BDFM存储装置802中维护的数据可以包括结合图3描述的经分类的用户具体数据的全部或部分以及附加的推断出的数据。BDFM数据存储装置802可以根据设备类型、系统类型、应用类型、适用工业或其他相关类型来组织所收集的数据。预测分析部件210可以分析由此产生的多工业多客户数据存储器以获悉工业专用、设备专用和/或应用专用的趋势、模式、阈值等。通常，预测分析部件210可以对BDFM数据存储装置中维护的多个企业数据执行大数据分析以获悉并表征根据工业类型、应用类型、使用的装备、资产配置、设备配置设置或其他这样的变量的操作趋势或模式。

例如，已知跨针对不同类型的工业应用的不同工业使用给定工业资产(例如，设备、设备配置、机器等)。相应地，预测分析部件210可以识别存储在BDFM数据存储装置802中的与资产或资产类型相关的全局数据的子集，对所述数据的子集执行分析以确定所述资产或资产类型如何针对多个不同工业或类型的工业应用中的每个随着时间执行。预测分析部件210还可以确定针对操作约束或参数的不同集合(例如不同范围的操作温度或压力、不同组成部分或组成部分类型等)。通过利用从许多不同工业系统收集的大量历史数据，预测分析部件210可以获悉以高粒度并且在许多不同操作上下文下的工业资产的许多不同配置的共同操作性能。

此外，预测分析部件210可以获悉如下先验条件：其通常基于全局数据的分析来预示即将发生的操作故障或系统降低。通过这样的分析搜集的知识可以被利用以检测并识别表示给定用户的工业系统的未来的系统故障的早期警告条件。在一些实施方式中，预测分析部件210可以对跨不同设备硬件平台或软件配置设置的相似工业应用的操作行为进行比较，并且决定所述硬件和/或配置设置的哪种组合获得优选的操作性能。另外，预测分析部件210可以比较跨不同垂直级的数据以确定在一个垂直级处使用的系统配置或方法是否被针对另外的垂直级有利地封装并实施。预测维护系统可以使用这样的确定作为用户专用推荐的根据。通常，BDFM数据存储装置与预测分析部件210一起可以用作针对宽范围的工业、工业应用和设备组合的知识获取和最佳实践的储存库。

图9示出了用于提供预测维护服务的基于云的系统。如上指出的，预测维护系统902可以收集、维护并监控与工业企业的一个或多个工业资产906相关的用户具体数据(例如设备数据306、处理数据308、资产数据310和系统数据312)。此外，如以上结合图8描述的，预测维护系统可以匿名(在用户同意的情况下)从BDFM数据存储装置802中多个工业企业收集并组织的工业数据。

预测维护系统902还可以维护在基于云的产品资源数据存储装置904中的产品资源信息。通常，产品资源数据存储装置904可以维护与具体工业设备或其他供应产品相关的最新信息。存储在产品资源数据存储装置904中的产品数据可以通过一个或多个产品供应商或原始设备制造商(OEM)来执行。通过产品资源数据存储装置904维护的示例性设备具体数据可以包括产品序列号、最近固件版本、针对给定类型的工业应用的优选的设备配置设置和/或软件或其他这样的供应商提供信息。

此外，基于云的预测维护系统902的一个或多个实施方式还可以利用从用户的工业企业的外部的源的外在数据908，但是该数据可以具有与用户的工业系统的操作的相关性。示例性外在数据908可以包括例如能量成本数据、材料成本和可用数据、来自向用户提供产品运输服务的公司的运输调度信息、市场指标数据、web网站流量统计数据、与已知安全违约或威胁相关的信息或其他这样的信息。基于云的预测维护系统902可以从如下基本上任何数据源检索外在数据908：例如服务器或链接至因特网的其他数据存储设备、维护感兴趣的外在数据基于云的存储装置或其他源。

图9中描述的系统可以向订阅用户(例如工业资产906的拥有者)提供预测维护服务。例如，用户可以与产品供应商或技术支持实体达成协定以使得他们的系统数据被匿名收集并馈送至BDFM数据存储装置802，从而扩展用于共同分析的全局数据的存储。作为交换，供应商或技术支持实体可以同意向用户提供定制的预测维护服务(例如实时系统监视、自动电子邮件警报服务、自动技术支持通知等)。可替选地，用户可以订阅一个或多个可用预测维护服务，可选地使得他们的系统数据在BDFM数据存储装置802中被维护。在一些实施方式中，可以向用户提供如下选项：订阅预测维护服务而不允许他们的数据被存储在BDFM数据存储装置802中以与来自其他系统的数据一起用于共同分析。在这样的情况下，为了识别维护问题和更新机会，用户的数据将被维护作为用户数据(例如在客户数据存储器302中)，收集的用户数据将考虑BDFM数据存储装置802和产品资源数据存储装置904来分析而不需要被转移至BDFM数据存储装置用于长期存储和分析。在另一个示例性协定中，可以向用户提供预测维护服务的折扣以交换允许他们的系统数据被匿名转移至BDFM存储装置802用于共同分析。

图9中描述的系统可以向工业资产906的拥有者提供多种预测维护服务。例如，因为预测维护系统维护每个用户的设备、资产以及在云存储装置上的系统配置的精确并详细的文件编制，预测维护系统可以自动管理跨包括用户的工业资产的各个设备的设备固件和软件。图10描述了如下示例性情况：使用基于云的预测维护系统跟踪并管理设备固件更新。如在前述示例中描述的，从包括用户的工业自动化系统的各个设备和资产收集设备数据306并在基于云的存储装置中进行维护。设备数据306与用户模型(例如图3的用户模型304)相关联地进行存储，所述用户模型指定了用户标识符、用户联系信息、通知偏好以及用户的有效服务联系信息。

在周期间隔(或响应于被部署在用户前提下的新设备的检测)，设备管理部件208可以从客户数据存储器(图3的客户数据存储器302)检索与具体设备相关的设备数据306的子集。所述数据可以指定例如所检测的设备的设备标识符和当前固件版本。此外，设备管理部件208可以检查在用户模型中维护的用户标识符、联系信息和服务合同信息。

设备管理部件208然后可以跨产品资源数据存储装置904来引用所检索的设备标识符以确定当前安装在设备上的固件版本是否是最新的。如上指出的，产品资源数据存储装置904可以包括关于当前固件版本、软件版本、硬件版本等的供应商提供的产品信息。相应地，设备管理部件208可以通过所检索的设备标识符检索所识别的设备的产品资源数据1004，将从设备数据306检索的固件版本号与通过产品资源数据1004表示的最近固件版本号进行比较，并决定预置设备是否正在使用最近固件版本。

对确定预置设备正在运行过时固件版本的系统响应可以取决于在用户模型中维护的服务合同信息。例如，取决于服务协定，通知部件212可以向一个或多个客户端设备1008(在用户模型中指定的)传送通知1006：工业设备的最近固件版本可用。通知可以包括通过新固件版本可用的新特征或修改特征的列表。当用户的服务计划不包括自动化固件更新，可以通知用户去可以购买并获得新固件的网站或其他位置。可替选地，可以根据预存在的服务计划向用户自动提供固件。在另一个情况中，包括双向云网关、设备管理部件208的云感测工业设备可以将来自云平台的最近固件版本远程自动传送(例如通过设备接口部件204)给设备。

在一个或多个实施方式中，更新至最近固件版本的决定可以取决于通过分析BDFM数据存储装置802获悉的补充知识。例如，预测分析部件210可以基于对从多个工业企业收集的并存储在BDFM数据存储装置802中的设备、资产、处理和系统数据的分析来确定当在系统设备之一(例如PLC、VFD等)中使用具体固件版本时针对给定类型的工业应用经历性能问题的具体系统配置或再次发生的故障。这些故障可能是由于所述固件版本与安装在与相关的设备交互的相邻设备上的其他固件之间的不兼容。该问题还可能由于当设备以具体模式操作时固件固有的故障被放大。相应地，设备管理部件208可以基于通过预测分析部件210执行的分析来获悉这样的固件不兼容，并相应地制作用户通知。例如，当设备管理部件208确定(基于设备数据306的分析)用户正在使用已知的固件版本在生产在用用户系统的具体上下文中使用的标准操作，通知部件212可以传送应当在设备上安装更早或更新的固件版本的通知推荐。因此，设备管理部件208和预测分析部件210可以在BFDM数据存储装置中维护的全局设备储存库的上下文内分析用户专用数据以向用户提供智能设备配置推荐。以这种方式，预测维护系统减轻跟踪并管理跨它们的多个工业资产的工厂人员的负担。

除了管理固件，预测维护系统的实施方式还可以访问用户设备的其他方面以及在它们的更大的工业系统内的资产，并生成针对改进整体系统性能的目标推荐。图11示出了通过基于云的预测维护系统生成的主动通知。预测分析部件210可以对从用户的收集的设备数据306、处理数据308、资产数据310和/或系统数据312检索的用户具体数据1102执行大数据分析。所述分析可以包括用户具体数据1102与在BDFM数据存储装置802和在产品资源数据存储装置904中维护的供应商或OEM提供的设备信息关联。

如上所述，用户具体数据1102可以包括设备和/或资产级别故障和警报、处理变量值(例如温度、压力、产品计数、周期数等)、计算的或预期的用户的各个资产的关键性能指标、随着时间的系统行为的指标和其他这样的信息。用户具体数据1102还可以包括关于用户的工业资产的各个设备使用的固件版本、配置设置和软件的文件编制。另外，预测分析部件210可以考虑在用户模型304中编码的用户信息，其可能承受大数据分析的干扰。例如，用户模型304可以表示用户业务关注的工业类型(例如汽车、食品和药品、石油和天然气、纤维和纺织品、发电、海洋等)。用户工业的知识可以使得预测分析部件210如在BDFM数据存储装置802中文件编制地将用户具体数据1102与和在同一工业中的相似系统和应用相关的数据进行关联。

随着时间从高级别系统行为到设备软件级别，用户具体数据1102和用户模型304可以一起精确地以高粒度级别来对用户的工业企业进行建模。考虑通过分析BDFM数据存储装置802获悉的全局工业具体和用于具体趋势以及在产品资源数据存储装置904中维护的供应商提供设备信息来分析所述用户具体数据1102，可以便利适于用户的特有工业应用的关注的主动维护通知1104。

根据示例，基于用户具体数据1102与在BDFM数据存储装置802和产品资源数据存储装置904中维护的数据的关联性，预测分析部件210可以确定可以修改用户的系统配置的具体方面以改进性能(例如增加产品吞吐量、减少周期数、降低停工情况等)。预测分析部件210可以部分地基于用户具体数据1102与在BDFM数据存储装置802中从使用在同一工业内的相似工业资产的其他用户匿名收集的数据的子集的比较来做出所述确定。例如，预测分析部件210可以通过分析BDFM数据存储装置802来获悉使用具体设备模型、固件版本、设备配置设置等的用户经历更少的具体故障状况的情况。预测分析部件210可以进一步确定表示具体故障状况的上平均频率的用户具体数据1102。相应地，预测分析部件210可以指示通知部件210以生成推荐如下系统配置修改的维护通知：其使得用用户系统更加符合通过分析BDFM数据存储装置802获悉的优选的配置。

在另一个示例中，预测分析部件210可以基于观察与通常预示这样的故障的获悉的系统性能指标关联的随着时间的系统行为来识别即将发生的系统故障或设备故障。预测分析部件210可以获悉通过在BDFM数据存储装置802上执行的模式识别分析来获悉这些临界系统具体指标。这些故障通知可以适用于尽可能低的设备级别(例如单个工业设备例如电机控制器、PLC、遥测设备等的即将发生的故障)或可以与更高的资产或系统级别故障(例如即将发生的产品吞吐量的降低或由于操作因素的交汇的封装线的周期时间)相关。

例如，使用对BDFM数据存储装置802的模式识别分析，预测分析部件210可以获悉用于实施给定药物批量处理的设备和资产的具体配置持续经历在检测具体操作或质量因素(例如在具体状态下升高的温度、在具体产品质量测量中检测的趋势等)或这些因素的组合之后的吞吐量的短暂降低。当在用户具体数据1102中检测出这些因素时，预测分析部件210可以指示通知部件212以传送如下维护通知：其表示当问题未解决时，可能导致的问题和潜在故障的源。通过利用在BFDM数据存储装置802中捕获并通过预测分析部件210分析的知识，可以在维护问题变得紧急之前向工业资产的拥有者预先传送目标维护通知。

基于云的预测维护系统的一些实施方式还可以应用预测分析以帮助用户优化他们的产品质量和吞吐量。例如，基于用户数据(例如设备数据306、处理数据308、资产数据310和系统数据312)的稳态分析，预测分析部件210可以预期在期望的批量输出之外采取的控制器处理的关于用户的工业资产的操作的临界变量。可以基于通过对BDFM数据存储装置802的大数据分析以及特别是对从使用相似设备和设备配置的相似工业应用匿名收集的操作数据的分析获悉的阈值来确定这些临界变量。例如基于分析BDFM数据存储装置802，预测分析部件210可以确定在批量处理的给定阶段期间在具体站处的过量的压力值与后续性能低效(例如降低的批量输出、增加的周期数、增加的停工发生、对关键性能指标的负面影响等)之间的关联性。当识别出这些临界变量后，预测分析部件210可以分析用户具体数据以预期用户的具体系统何时处于超过这些临界变量的风险(例如确定在用用户系统的模拟状态的压力趋向确定的临界阈值)。作为响应，通知部件212可以生成如下维护推荐：表示处理调节被设计将临界处理变量保持在被确定减轻预测低效的优选窗口内。

在一些实施方式中，替选发布通知或除发布通知以外，预测维护系统可以通过云装置对用户装备实施推荐的改变。例如，当相关工业设备运行双向云网关时，基于云的预测维护系统可以向对所述设备实施推荐的调节的设备(例如使用设备接口部件204)发布指令或配置数据。这样的远程执行的指令可以实施设置点调节、更改配置设置等。

通知部件210可以根据在用户模型304中指定的通知偏好来传送维护通知1104。这些通知偏好可以被定义为针对其生成通知的维护问题类型的函数。例如，用户模型304可以指定与即将发生的设备故障相关的通知应当被传送给与选择的维护人员相关联的一个或多个客户端设备，尽管与固件更新或推荐的设备重新配置相关的通知应当被传送给与工厂工程师相关联的客户端设备。在用户模型中定义的通知偏好还可以为与通知相关的具体工厂设施、区域或工作单元的函数。当确定了要通知的适当客户端设备时，通知部件212可以将维护通知1104传送给一个或多个通知目的地。这些通知可以被发送至识别出的因特网应用客户端设备，例如电话、平板电脑、台式计算机或其他合适的设备。

在一些实施方式中，在云平台上运行的云应用可以通过云装置提供用于被通知的人员彼此进行通信的机制(例如使用基于IP声(Voice-over-IP)建立会议呼叫)。通知部件212还可以被配置成以定义的频率周期性地发送通知1104直至接收者有效响应该通知(例如通过客户端设备发送手动确认)。在一些实施方式中，通知部件212可以被配置成当在预订时间量内未接收所述确认时对高优先级通知的紧急性进行升级。所述紧急性升级可以使得以逐渐增加的频率来发送通知，或使用其他这样的升级措施当主要人员未在定义的时间段内响应时向与次要人员相关联的设备发送通知。

除了提供自动维护通知服务之外，基于云的预测维护系统的一个或多个实施方式还可以响应于通过以上描述的预测分析技术检测的即将发生的设备故障或其他系统问题来便利技术支持人员的主动参与。图12示出了如下示例性结构：其中预测维护系统便利技术支持实体的参与以主动减轻即将发生的系统故障。在该示例中，通过包括一个或多个工业设备1210的一个或多个工业资产1206监视和/或控制一个或多个受控过程1208。工业设备1210可以包括例如工业控制器、传感器、仪表、电机驱动器或其他这样的设备。如在前述示例中描述的，基于云的预测维护系统1212可以从包括工业资产1206的设备1210收集工业数据并将所述数据存储在根据分等级分类结构的用户专用云存储装置(未示出)中。工业设备1210可以将它们的数据通过在设备上执行的各个云网关或运行这样的云网关的代理设备(例如另外的工业设备、专用服务器、网络基础结构设备等)提供给云平台。

如上所述，预测分析部件210可以基本上准实时地监视收集的工业数据并识别表示即将发生的设备或系统故障或低效的条件。预测分析部件210可以例如基于如上所述的收集的工业数据与在基于云的BDFM和产品资源数据存储装置中维护的数据的关联性来确定这样的条件。取决于识别的问题的类型和在用户与技术支持实体之间的服务协定的性质，通知部件212可以响应于检测到的即将发生的维护问题来发起与用户支持人员联系。例如，响应于通过预测分析部件210预测的设备或系统故障，通知部件212可以访问用户模型304以确定对用户有效的服务合同的类型。当用户服务合同不支持自动化个人技术支持时，通知部件212可以向工厂人员仅发送预测维护问题的通知，包括关于所述问题的性质以及可能的对策(例如替选降低的设备、调节设置点值、降低机器输出比率以延长损坏部件的寿命等)的细节。

可替选地，当服务合同授权用户自动化个人支持时，通知部件212可以向在出现检测的维护问题的支持设施处的技术支持人员发送通知。该通知可以包括从用户模型304得到的支持数据1202以及收集的用户数据以快速向技术支持人员传达所述问题的性质。因此，根据预测分析功能与在基于云的客户数据存储器中维护的用户的工业资产的详细配置文件，基于云的预测维护系统的实施方式可以自动传动关于预测的问题的性质、在用户设施处使用的工业设备、这些设备的配置设置、设备之间的关系、用户的工业关注的详细信息以及其他相关信息。预测维护系统1212因此可以向技术支持设施提供精确的用户具体信息而不需要依赖于工厂人员传达用户的具体自动系统的细节。

可以将支持数据1202传送给一个或多个经选择的支持技术人员设备1204(例如技术支持工作站或便携式设备)。在一些情况中，适当的支持人员的选择可以根据预测的问题的性质，也就是说，通知部件212可以向已知相关工业和/或相关设备的处理专业知识的技术支持工程师转发通知以及相关联的支持数据1202。技术支持通知的目的地还可以基于在用户模型304中指定的支持偏好。例如，用户模型304还限定了在检测出维护问题时要通知的优选的技术支持工程师或维护与技术支持实体交互的在先用户的历史。通知部件212还可以部分地基于这些因素来选择技术通知的合适的目的地。取决于预期的维护问题的性质，用户支持人员可以然后主动发起与相关工厂人员联系以讨论预测维护关注的可能对策。

预测维护系统1212还支持与支持设施的其他类型的交互以便利响应于预测的维护问题的自动化主动对策。例如，在一些实施方式中，识别即将发生的装备故障可能使得通知部件212自动生成并发布替选装备的购买顺序。可以将购买顺序的拷贝传送给技术支持设施以及在用户前提处的相关工厂人员。购买顺序的自动生成可以取决于用户与技术支持实体之间的如下现有服务协定：其允许相对于用户的业务账户来自动生成并提取这样的工作顺序。因为基于云的预测维护系统具有用户的设备和当前设备配置的详细知识，技术支持工作人员可以利用用户具体信息以在将替换设备运送给用户设施之前对替换设备或装备进行预配置。以这种方式，预测维护系统1212可以在故障发生之前便利快速且自动的设备替换。在另一个示例中，可以将替换设备传送至未配置的(例如使用故障安装配置的)用户位置。当将替换设备部署在用户系统中并与云装置进行对接时，替换设备可以发起如下自动配置转发：其利用从原始设备之前收集的在云平台中的配置数据。以这种方式，可以从云平台检索原始设备的配置数据并将其应用于替换设备。

在另一个示例中，当预测维护系统1212确定预测的维护问题需要技术支持人员的现场访问时，通知部件212可以自动调度待派遣至用户户设施的技术支持代表。与前述示例相同，预测维护系统1212可以向技术支持人员提供用户的具体系统的相关细节和预测的维护问题的性质，结合向用户户设施派遣服务工程师来生成任何必要的工作顺序。因此，预测维护系统1212可以即使在拥有现场资产的充分知识的工厂人员不在现场时提供用户的工业系统的自动监视和维护。

在一些实施方式中，预测维护分析未必限制与分析从工业资产收集的数据，而是替选地可以扩展至包括分析从其他源获得的补充信息。例如，当确定是否应当发起维护对策时可以考虑观察的或推断出的人的行为。为此，在云平台上运行的预测维护服务可以直接或通过推断来监控人的行为活动。这可以包括监控与特定工业资产相关的操作者的位置(例如通过跟踪由操作者执行的人员设备)。在另一个情况中，当预测维护系统基于位置信息确定操作者在具体服务面板或操作终端附近花费了过量的时间时，所述系统可以推断出存在机器问题升级的可能性。关于此，预测维护系统可以推断出通过操作者可察觉的视觉线索(但对基于云的服务不可见)引起了操作者在服务面板或操作者终端处花费了过多的时间量。所述系统还可以基于面板/终端的功能推断出问题的可能性质。

在另一种情况中，预测维护系统可以观看操作者以增加的频率来导航人机接口(HMI)的具体故障检修屏，引导系统得到异常的机器行为引导操作者更频繁地检查故障检修屏。可以通过预测维护系统考虑这样的直接监视并推断的操作者行为以确定具体设备或机器故障的风险。

因为在本文中描述的基于云的预测维护系统可以使地理上的多样数据与用户标识符(例如用户模型304)相关联并且将所述数据在云平台上进行聚合，所述系统可以利用来自供应链的所有阶段大量的多样数据以识别影响链中的其他地方的质量的在一个阶段处的因素。这可以包括收集并分析根据材料或部件供应商、经销商、库存、销售以及关于完成的产品的端用户反馈的数据。图13示出了用于通过工业供应链跟踪产品数据并预测在供应链级别处的质量关注的示例性的基于云的结构。简化的供应链可以包括供应商1304、制造设施1306、仓库1308以及零售实体1310。然而，供应链可以包括不偏离本公开内容的范围的更多或更少的实体。为了简便，图13描述了每个供应链实体的单个框。然而应当理解给定的供应链可以包括针对每个实体类型的多个实体。例如，制造设施可以依赖于由多个供应商提供的材料。相似地，供应链可以包括多个仓库实体以提供通过制造设施生产的各种产品的存储以及用于向端用户销售产品的多个零售实体。

各个供应链实体可以结合他们在供应链中的角色来生成大量数据。例如，供应商1304和制造设施1306可以包括如下工厂车间设备：其准实时生成与材料或产品的生产相关的历史工业数据以及与购买顺序、引入、运输、企业资源计划(ERP)等相关的业务级别信息。仓库1308可以维护进入与外出的产品的记录并跟踪各个产品的库存级别。零售实体1310可以跟踪销售、零售库存、财务信息、命令度量以及其他这样的信息。可以生成与供应链的阶段之间的材料或产品的运输相关的附加信息，包括但不限制于从全球定位系统获得的地理位置。

根据一个或多个实施方式，与供应链实体中的每个实体相关联的数据源可以向云平台1302提供工业或业务数据以便利基于云地跟踪通过供应链的产品并预测潜在的质量问题。云平台1302可以执行如下多种服务：对通过各个供应链阶段提供的数据进行聚合和关联，以及基于分析提供在供应链内的关于产品的状态的信息。这些基于云的服务可以包括但不限制于跟踪在供应链内的产品的物理位置，提供与通过供应链的产品的流相关的度量或识别并故障检修在通过供应链的产品流中的当前低效和预测低效。

在非限制性示例中，基于云的服务1312可以指出关于来自端产品的购买者的负面反馈(例如基于从零售实体1310收集的调查数据)的高峰。使用与在前述示例中描述的分析相似的分析，基于云的预测维护服务可以跟踪相对于在如下供应链的上游处理做出的改变的所报告的质量问题的原因：例如提供劣质组成部分的新的材料供应商1304、可能对产品质量或其他这样的因素具有影响的在制造设施1306处的装备升级。在供应链级别处的分析可以包括关于比所涉及的工厂级别或批量级别故障检修更长的持续时间的分析，因为通过贯穿供应链工作流收集的数据来表征供应链性能。

除了以上描述的预测维护特征，结合用户模型收集的在云平台上的用户设备、资产、处理以及系统数据建立了其他类型服务的架构。例如，基于云的广告系统可以基于在服务的用户当前设备、存储在用户模型中的用户偏好或从客户数据存储器可获得的其他因素来生成目标广告。这样的广告可以将用户引导至可以替换、补充或增强他们的现有装备的可替选设备。

此外，可以利用通过基于云的预测维护系统收集并维护的用户具体数据和多样全局数据的容量来生成提供用户工业资产和处理的多维视角。例如，基于分析在客户数据存储器中维护的数据，基于云的服务可以计算或预期针对给定工业系统或资产的用户专用KPI。此外，可以生成对相对于在BDFM数据存储装置中维护的全局、多用户数据组的这些用户专用KPI进行基准化的报告。

图14至图15示出了根据本主题申请的一个或多个实施方式的各种方法论。虽然，为了简化说明，本文中示出的一个或多个方法论在本文中示出并且描述为一系列动作，但是应该理解和明白，本主题发明并不受动作顺序的限制，作为根据其的一些动作可以与在本文中示出和描述的其他动作按不同的顺序和/或同时发生。例如，本领域的技术人员将理解和明白，方法论可以替选地表示为如在状态图中的一系列相互关联的状态或事件。此外，并非所有示出的动作都必需实现根据本发明的方法论。此外，根据本公开内容当不同实体规定方法的不同部分时，交互图可以表示方法论或方法。此外，为了实现本文所描述的一个或多个特征或优点，所公开的示例方法中的两个或多个方法可以彼此结合实施。

图14示出了用于根据工业系统的基于云的监视来传送预测维护通知的示例性方法1400。开始，在1402处，在云平台上收集来自工业企业的设备、资产、处理和系统数据。所述数据可以使用用作工业设备与云平台之间的单向或双向通信接口的一个或多个网关转移至云装置。可以将与用户标识符以及其他用户具体信息相关联的设备、资产、处理以及系统数据存储在云存储装置上。

在1404处，基于分析在步骤1402处收集的数据来预测即将发生的设备故障或系统低效中的至少一个。可以部分地基于对从跨不同工业的多个工业企业匿名(获得同意)的工业数据的全局集合执行的大数据分析来预测。在1406处，将即将发生的设备故障的第一通知通过云平台传送至指定的客户端设备。在1408处，即将发生的设备故障或系统低效的第二通知被传送给技术支持实体以便利对检测的问题的主动响应。

图15示出了用于基于在云平台上执行的大数据分析来确定推荐的设备或系统推荐。开始，在1502处，在云平台上收集来自多个工业企业的设备、资产、处理以及系统数据。例如，对与使用特定工业资产执行具体工业应用相关的收集数据的子集进行分析，并且基于该分析来识别系统性能度量与系统配置方面(例如设备安装、硬件类型、固件版本等)之间的关联。

在1506处，将用户专用设备配置或用户专用系统配置中的至少之一与在步骤1502处收集的多企业数据进行比较。所述比较是考虑在1504处获得的分析结果而进行的，使得可以做出关于是否可以通过变更用户的当前系统配置来改进用户的操作性能的确定。在1508处，基于比较结果来确定针对用户的推荐设备或系统重新配置。

在本文中描述的实施方式、系统和部件以及可以在其中执行在本主题说明书中提出的各个方面的工业控制系统和工业自动化环境可以包括计算机或网络部件，例如能够跨网交互的服务器、客户端、可编程逻辑控制器(PLC)、自动控制器、通信模块、移动计算机、无线部件、控制部件等。计算机和服务器包括一个或多个处理器——使用电信号执行逻辑操作的电子集成式电路——被配置成执行存储在如下介质上的指令：例如随机存取存储器(RAM)、只读存储器(ROM)、硬件驱动器以及可去除存储设备，所述可去除存储设备可以包括存储条、存储卡、闪存装置、外部硬件驱动器等。

类似地，本文中所使用的术语PLC或自动控制器可以包括能够跨多个部件、系统和/或网络进行共享的功能性。作为一个示例，一个或多个PLC或自动控制器可以跨网络与各种网络设备进行通信和协作。这可以基本上包括经由包括控制网络、自动网络和/或公共网络的网络进行通信的任何类型的控件、通信模块、计算机、输出/输入(I/O)设备、传感器、致动器以及人机交互(HMI)。PLC或自动控制器还可以与各种其他设备(例如包括模拟、数字、编程/智能I/O模块的I/O模块、其他可编程控制器、通信模块、传感器、致动器、输出设备等)通信并对其进行控制。

网络可以包括公共网络(例如互联网、内联网)和自动化网络(例如包括设备网、控制网和局域网/IP的控制信息协议(CIP)网络)。其他网络包括局域网/DH/DH+、远程I/O、现场总线、Modbus总线、Profibus总线、CAN、无线网络、串行协议等。另外，网络设备可以包括各种可能性(硬件和/或软件部件)。这些包括部件例如具有虚拟局域网(VLAN)能力的交换机、LAN、WAN、代理、网关、路由器、防火墙、虚拟专用网(VPN)设备、服务器、客户端、计算机、配置工具、监控工具和/或其他设备。

为了给所公开的主题的各个方面提供情境，图16和图17以及以下讨论旨在提供在其中课可以实施所公开的主题的各个方面的合适环境的简要的概括的描述。

参照图16，用于实现上述主题的各个方面的示例环境1610包括计算机1612。计算机1612包括处理单元1614、系统存储器1616和系统总线1618。系统总线1618将包括但不限于系统存储器1616的系统部件耦接到处理单元1614。处理单元1614可以为各种可获得的处理器中的任意处理器。也可以使用多核微处理器和其他微处理器架构作为处理单元1614。

系统总线1618可以是使用任何各种可利用的总线结构，包括但不限于8位总线、工业标准结构(ISA)，微通道结构(MSA)，扩展ISA(EISA)，智能驱动电子设备(IDE)，VESA局部总线(VLB)，外围组件互连(PCI)，通用串行总线(USB)，高级图形端口(AGP)，个人计算机存储卡国际协会总线(PCMCIA)和小型计算机系统接口(SCSI)的若干类型的总线结构中的任何一种，包括存储器总线或存储器控制器、外围总线或外部总线和/或局部总线。

系统存储器1616包括易失性存储器1620和非易失性存储器1622。包括基本例程以诸如在启动期间在计算机1612中的元件之间传送信息的基本输入/输出系统(BIOS)存储在非易失性存储器1622中。例如而非限制，非易失性存储器1622可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除PROM(EEPROM)、或闪存存储器。易失性存储器1620包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过示例的方式并非限制地，RAM可以以许多形式获得，例如，同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据输出SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接型Rambus RAM(DRRAM)。

计算机1612还包括可移动/不可移动、易失性/非易失性计算机存储介质。图16示出例如磁盘存储器1624。磁盘存储器1624包括但不限于例如磁盘驱动器、软盘驱动器、磁带驱动器、Jaz驱动器、Zip驱动器、LS-100驱动器、快擦写存储器卡或记忆棒。另外，磁盘存储器1624可以单独地或者与其它存储介质组合地包括存储介质，包括但不限于光盘驱动器如光盘只读存储器装置(CD-ROM)、CD可记录驱动器(CD-R驱动器)、CD可重写驱动器(CD-RW驱动器)或数字多功能盘ROM驱动器(DVD-ROM)。为了便于磁盘存储器1624连接至系统总线1618，通常使用可移动/不可移动接口如接口1626。

应当理解的是图16描述了在用户和在适当的操作环境1610中描述的基本计算机资源之间充当媒介的软件。这样的软件包括操作系统1628。可以被存储在磁盘存储器1624上的操作系统1628用于控制和分配计算机1612的资源。系统应用程序1630由操作系统1628通过存储在系统存储器1616或磁盘存储器1624中的程序模块1632和程序数据1634来利用资源的管理。应当理解的是可以通过各种操作系统或操作系统的组合来实现主题公开内容。

用户通过输入设备1636将命令或信息输入到计算机1612中。输入设备1636包括但不限于：指示设备，例如鼠标、跟踪球、指示笔、触摸板、键盘、麦克风、操纵杆、游戏垫、圆盘式卫星天线、扫描仪、TV调谐卡、数码相机、数码摄像机、网络摄像头等。这些和其他输入设备通过系统总线1618经由接口端口1638连接到处理单元1614。接口端口1638包括，例如，串行端口、并行端口、游戏端口以及通用串行总线(USB)。输出设备1640使用同一类型的端口中的一些作为输入装置1636。因而，例如，USB端口可以用于向计算机1612提供输入，并且从计算机1612向输出装置1640输出信息。提供输出适配器1642表示存在需要特殊适配器的一些输出设备1640如显示器、扬声器和打印机以及其他输出设备1640。例如而非限制，输出适配器1642包括提供输出设备1640与系统总线1618之间的连接方式的显卡和声卡。应该注意，其他设备和/或设备的系统例如远程计算机1644提供输入和输出能力二者。

计算机1612可以使用到一个或多个远程计算机例如远程计算机1644的逻辑连接在网络环境中操作。远程计算机1644可以是个人计算机、服务器、路由器、网络PC、工作站、基于微处理器的设备、对等设备或其他普通的网络节点等，并且通常包括关于计算机1612描述的元件中的大量或所有的元件。为了简明起见，仅示出了记忆存储设备1646和远程计算机1644。远程计算机1644通过网络接口1648逻辑地连接到计算机1612，并且然后经由通信连接1650物理地连接。网络接口1648包括通信网络，如局域网(LAN)和广域网(WAN)。LAN技术包括光纤分布式数据接口(FDDI)、铜分布式数据接口(CDDI)、以太网/IEEE802.3、令牌环/IEEE802.5等。WAN技术包括但不限于点对点链路、电路交换网，如综合业务数字网(ISDN)及其变型、分组交换网络以及数字用户线(DSL)。

通信连接1650指代用于将网络接口1648连接到系统总线1618的硬件/软件。尽管通信连接1650为清楚起见被示出为在计算机1612内部，但是通信连接1650也可以在计算机1612外部。仅举例而言，与网络接口1648的连接所必需的硬件/软件包括内部和外部的技术，例如，调制解调器(其包括常规电话级调制解调器、电缆调制解调器和DSL调制解调器)、ISDN适配器和以太网卡。

图17是可以与所公开的主题进行交互的示例计算和/或网络环境1700的示意性框图。计算和/或网络环境1700可以包括一个或多个客户端1702。客户端1702可以是硬件和/或软件(例如，线程、处理、计算设备)。计算和/或网络环境1700还可以包括一个或多个服务器1704。服务器1704也可以是硬件和/或软件(例如，线程、处理、计算设备)。服务器1704可以容纳线程，以通过例如使用如本文所述一个或多个实施方式来执行转换。客户端1702和服务器1704之间的一种可能的通信可以适于在两个或更多计算机处理之间传输的数据包的形式。计算和/或网络环境1700可以包括可以被使用以促进客户端1702与服务器1704之间的通信的通信框架1706。客户端1702可操作地连接到可以用于存储客户端1702的本地的信息的一个或多个客户数据存储器1708。类似地，服务器1704可操作地连接到可以用于存储服务器1704的本地的信息的一个或多个服务器数据存储器1710。

以上所描述的内容包括所公开主题的示例。当然，不可能为了描述所公开的主题的目的而描述部件或方法的每个可想到的组合，但是本领域的普通技术人员可以认识到所公开的主题的大量其他组合和置换是可能的。因此，所公开的主题旨在涵盖落入所附权利要求的精神和范围内的所有这样的替选、修改和变化。

具体地，关于由上述部件、设备、电路、系统等执行的各种功能，用于描述这样的部件的术语(包括涉及的“装置”)，除非另行指出，否则旨在对应于执行所描述的部件的具体功能的任意组件(例如，功能上的等同)，该组件即使结构上不等同于所公开的结构，但是执行所公开的主题的本文所示出的示例性方面中的功能。关于这点，还应当认识到，所公开的主题包括系统以及具有计算机可执行指令的计算机可读介质，这些计算机可执行指令用于执行所公开的主题的各种方法的动作和/或事件。

此外，虽然可能仅关于若干实现中的一个实现公开了所公开的主题的具体特征，然而，如果对于任意给定或具体应用是期望的且有利的，则这样的特征可以与其它实现的一个或更多其它特征合并。此外，就详细描述或权利要求中所使用的术语“包括(includes/including)”及其变体而言，这些术语意在与术语“包括(comprising)”相类似的方式是包容性的(inclusive)。

在本申请中，词语“示例性”用以表示用作示例、例子或说明。本文中描述为“示例性”的任意方面或设计并不一定要被理解为相比于其它方面或设计是优选的或有利的。相反，词语“示例性”的使用意在以具体的方式表示概念。

本文中所描述的各种方面和特征可以实现为方法、装置、或使用标准编程和/或工程技术的制造物。本文中所使用的术语“制造物”意在包括能够从任意计算机可读设备、载体或介质访问的计算机程序。例如，计算机可读介质可以包括但不限于磁存储设备(例如，硬盘、软盘、磁条……)、光盘(例如，致密盘(CD)、数字多功能盘(DVD)……)、智能卡和闪存设备(例如，卡、条、键驱动器……)。

Claims (19)

1.一种用于对工业数据执行预测分析的系统，包括：

存储器，其存储可执行部件；以及

处理器，其在操作上耦接至所述存储器，所述处理器执行所述可执行部件，所述可执行部件包括：

设备接口部件，配置成从工业控制系统的工业设备集合收集数据，并且将所述数据存储在云平台上，其中，所述数据至少包括与工业处理相关联的附加标识所述工业设备的设备数据的处理数据，以及包括工业企业的用户标识符的用户数据，从所述工业企业收集所述数据；

预测分析部件，配置成基于所述数据和存储在所述云平台上的与一个或多个其他工业企业的一个或多个其他用户标识符相关联的聚合数据来执行比较和共同分析，并且基于所述比较和共同分析的结果来预测所述工业控制系统的性能问题；以及

通知部件，配置成响应于所述性能问题的预测来向与所述用户标识符相关联的客户端设备发送通知。

2.根据权利要求1所述的系统，其中，所述数据包括固件数据，所述固件数据指示所述工业设备集合中的设备的当前固件修订，并且

所述预测分析部件还被配置成确定不同的可用固件版本是否会带来所述工业控制系统在限定范围内的性能度量。

3.根据权利要求2所述的系统，其中，所述预测分析部件还被配置成：基于所述共同分析来确定不同的可用固件版本将会改进所述性能度量。

4.根据权利要求1所述的系统，其中，所述设备接口部件还被配置成根据设备类、处理类、资产类或系统类中的至少一类来对所述数据进行分类。

5.根据权利要求1所述的系统，其中，所述设备接口部件还被配置成从与所述其他工业企业相关联的多个工业系统收集多企业数据，并且将所述多企业数据存储在所述云平台上作为所述聚合数据。

6.根据权利要求5所述的系统，其中，所述预测分析部件还被配置成基于所述共同分析的结果来识别根据工业类型、工业应用类型、工业资产配置、装备类型、工业设备配置设置、固件版本或软件版本中的至少一个的操作趋势。

7.根据权利要求6所述的系统，其中，所述预测分析部件还被配置成：基于用于所述工业控制系统的数据与经由所述共同分析而确定的操作趋势的比较，来预测所述工业控制系统的设备故障或性能降低中的至少一个。

8.根据权利要求6所述的系统，其中，所述预测分析部件还被配置层：基于用于所述工业控制系统的数据与经由所述共同分析而确定的操作趋势的比较，来识别将会改进所述工业控制系统的操作的硬件修改或软件修改中的至少一个。

9.根据权利要求8所述的系统，其中，所述通知部件还被配置成响应于对所述硬件修改或所述软件修改中的至少一个的识别来向所述客户端设备发送推荐数据，其中，所述推荐数据包括实施所述硬件修改或所述软件修改中的至少一个的推荐。

10.根据权利要求1所述的系统，其中，所述通知部件还被配置成响应于对所述性能问题的预测来向技术支持实体发送通知。

11.根据权利要求1所述的系统，其中，所述通知部件还被配置成响应于确定所述性能问题包括所述工业设备集合中的一个的即将发生的故障来生成用于替换工业设备的购买顺序。

12.根据权利要求1所述的系统，其中，所述通知部件还被配置成响应于对所述性能问题的检测来生成向技术支持人员回应的工作顺序。

13.一种用于主动检测工业系统中的系统故障的方法，包括：

由包括至少一个处理器的系统从工业自动化系统的设备收集工业数据，其中，所述工业数据至少包括与由所述工业自动化系统控制的工业处理相关联的处理数据；以及包括与所述工业自动化系统相关联的工业企业的用户标识符的用户数据；

由系统将所述工业数据和与其他工业企业的其他用户标识符相关联的其他工业数据聚合，以生成聚合数据；

由系统将所述聚合数据存储在基于云的存储装置中；

由系统执行对所述聚合数据的比较和共同分析；

由系统基于所述比较和共同分析的结果来确定所述工业自动化系统在未来时间将会经历性能降低的概率；以及

由系统基于确定的结果来向与所述用户标识符相关联的客户端设备发送通知数据。

14.根据权利要求13所述的方法，其中，执行所述共同分析包括：

由系统从与所述其他工业企业相关联的多个工业自动化系统收集多企业工业数据作为所述其他工业数据；以及

由系统对所述多企业工业数据执行分析，以获悉根据工业类型、工业应用类型、工业资产配置、装备类型、工业设备配置设置、固件版本或软件版本中至少之一的至少一个操作模式。

15.根据权利要求14所述的方法，其中，所述确定包括基于所述分析的结果来确定所述概率。

16.根据权利要求14所述的方法，还包括：

由系统识别安装在多个设备中的设备上的固件版本；以及

由系统基于所述共同分析的结果，确定使用不同的可用固件版本代替所述固件版本具有满足所述工业自动化系统的性能目标的概率。

17.根据权利要求13所述的方法，还包括：由系统基于所述确定的结果向技术支持实体发送通知数据。

18.一种用于对工业数据执行预测分析的方法，包括：

经由云平台监视来自与第一工业企业相关联的第一工业资产的工业数据；

将所述工业数据与标识所述第一工业企业的用户数据关联地存储在所述云平台上；

使所述工业数据与从一个或多个第二工业资产收集的多企业数据关联，所述一个或多个第二工业资产与相应的一个或多个第二工业企业相关联，并且与标识所述一个或多个第二工业企业的其他用户数据关联地存储在所述云平台上；

基于关联的结果预测系统低效；以及

响应于所述预测向与所述第一工业企业相关联的客户端设备发送通知。

19.根据权利要求18所述的方法，还包括：基于对所述多企业数据的分析，获悉根据工业类型、工业应用类型、工业资产配置、装备类型、工业设备配置设置、固件版本或软件版本中的至少一个的操作趋势。