CN104808604A - 控制器、管理器、工厂控制系统和数据处理方法 - Google Patents

控制器、管理器、工厂控制系统和数据处理方法 Download PDF

Info

Publication number
CN104808604A
CN104808604A CN201510038482.4A CN201510038482A CN104808604A CN 104808604 A CN104808604 A CN 104808604A CN 201510038482 A CN201510038482 A CN 201510038482A CN 104808604 A CN104808604 A CN 104808604A
Authority
CN
China
Prior art keywords
data
factory
achievement
achievement data
viability
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
Application number
CN201510038482.4A
Other languages
English (en)
Other versions
CN104808604B (zh
Inventor
长谷川健司
酒井正浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN104808604A publication Critical patent/CN104808604A/zh
Application granted granted Critical
Publication of CN104808604B publication Critical patent/CN104808604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • 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], computer integrated manufacturing [CIM]
    • G05B19/41865—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] characterised by job scheduling, process planning, material flow
    • 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
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0426—Programming the control sequence
    • 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
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42001—Statistical process control spc
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了控制器、管理器、工厂控制系统和数据处理方法。该控制器包括计算器和确定器。该计算器被配置为接收控制工厂所需的过程数据和表示工厂工人的状态的生命数据，过程数据从现场装置接收，生命数据从工厂工人接收，该计算器计算第一指标数据和第二指标数据，第一指标数据表示当前一个过程数据与当工厂处于正常状态时接收的之前一个过程数据中之间的差距，第二指标数据表示当前一个生命数据与当工厂处于正常状态时接收的之前一个生命数据之间的差距；该确定器被配置为通过使用所述计算器计算得到的第一指标数据和第二指标数据来确定工厂的健全性。

Description

控制器、管理器、工厂控制系统和数据处理方法
相关申请的交叉引用
本申请要求于2014年1月28日提交的日本专利申请第2014-013441号的优先权，其内容通过引用合并于此。
技术领域
本公开涉及控制器、管理器、工厂控制系统和数据处理方法。
背景技术
DCS(分布式控制系统)安装在工厂和制造厂(下文中简称为“工厂”作为它们的统称)中。在分布式控制系统中，现场装置(例如，测量装置、操作装置、显示装置、报警装置或其他装置)和控制现场装置的控制器经由通信单元相连接。通过分布式控制系统，实现了高级自动操作。在分布式系统中，在控制器与现场装置之间相互传递过程控制所需的过程数据。
最近，PAM(工厂资产管理)系统通常安装有分布式控制系统，以将工厂的效率提高到可能的最大程度。工厂资产管理系统对安装在工厂内的装置和设备执行设施维护和预测性维护，并且工厂资产管理系统在长时间内将设施保持和管理在适当状态。在工厂资产管理系统中，作为工厂资产管理系统的核心设备的管理器从现场装置收集设施管理所需的数据(现场数据)。
虽然分布式控制系统和工厂资产管理系统基本上从现场装置收集数据，但是近些年，开发了收集与工厂运营方和工人(下文中简称为“工厂工人”作为他们的统称)的操作负荷相关的数据以及来自现场装置的数据的设备和系统。例如，日本专利第4258424号公开了一种设备，该设备可以获得操控装置的工厂运营方的运营负荷(例如，操控次数)、显示运营负荷时变(负荷趋势)图、并通过计算与过程数据的相关性进行分析等。
近来的现场装置被数字化并变得智能，并且多数近来的现场装置获得大量的各种数据。例如，具有自诊断功能(用于诊断自身装置(self-device)的状态的功能)的现场装置获得现场装置的当前状态的数据。由于可通过获取数据来提早检测现场装置的状态，因此优选用于安全且有效地运营工厂。
工厂工人人为引起的错误(人为失误)可导致工厂事故。为此，近些年来，将工厂工人看作是工厂要素的一部分，开发了能够随着从现场装置获得的各种数据来收集工厂工人的生命数据(生物信息)并高可靠性地运营工厂的系统。生命数据诸如是工厂工人的血压、脉搏、呼吸和体温。
虽然表示工厂工人的状态的生命数据虽然是工厂要素的一部分，但是由于其是人类信息，所以难以使用该生命数据。此外，虽然生命数据极大地影响工厂的运营，但是目前极少使用生命数据。即使系统使用生命数据，生命数据也仅被用作表示工厂工人的状态的数据。因此，该系统没有在将生命数据和过程数据结合的情况下来保持工厂的正常性。
发明内容
一种控制器，其可包括计算器和确定器。该计算器被配置为接收控制工厂所需的过程数据和表示工厂工人的状态的生命数据，过程数据从现场装置接收，生命数据从工厂工人接收，该计算器计算第一指标数据和第二指标数据，第一指标数据表示当前一个过程数据与当工厂处于正常状态时接收的之前一个过程数据之间的差距，第二指标数据表示当前一个生命数据与当工厂处于正常状态时接收的之前一个生命数据之间的差距；该确定器被配置为通过使用由所述计算器计算得到的第一指标数据和第二指标数据来确定工厂的健全性。
附图说明
图1是示出示例性实施例中的工厂控制系统的主要部分的框图。
图2是示出示例性实施例中的控制器的主要部分的框图。
图3是示出示例性实施例中的管理器的主要部分的框图。
图4是用于描述在示例性实施例中通过控制器执行的健全性确定处理过程的图。
图5是示出示例性实施例中的健全性的确定结果的图。
图6是示出示例性实施例中的过程数据和生命数据的图。
图7是示出示例性实施例中的过程数据和生命数据的另一个示例的图。
图8A是示出在确定结果为正常状态的情况下的显示示例的图。
图8B是示出在确定结果为异常状态的情况下的显示示例的图。
具体实施方式
现在将参考示例性优选实施例在这里对本发明的实施例进行描述。本领域技术人员将认识到的是，利用本发明的教导，可以实现许多替代优选实施例，并且本发明不限于为了说明性目的而在本文示出的优选实施例。
本发明部分实施例的目的是提供一种控制器、一种管理器、一种工厂控制系统和一种数据处理方法，其可利用工厂工人的生命数据并保持工厂的正常性。
(工厂控制系统)
图1是示出示例性实施例中的工厂控制系统的主要部分的框图。如图1所示，工厂控制系统1配备有现场装置10、控制器20、管理器30和主机装置40。工厂控制系统1控制工厂(未示出)中实施的工业过程。工厂控制系统1管理安装在工厂中的诸如装置(例如，现场装置10)和设备之类的设施。工厂包括诸如化工厂之类的工业工厂、管理和控制井口(例如，气田和油田)的工厂、管理和控制电力(例如，水电、火电和核电)的产生的工厂、管理和控制能量采集(例如，太阳能和风能)的工厂、管理和控制给排水系统、水库的工厂等。
现场装置10安装在工厂内的现场站点处，并且现场装置10在控制器20控制下执行控制工业过程所需的测量和操作。具体地，现场装置10是诸如传感器装置(例如，压力计、流量计、温度传感器、气体传感器和振动传感器)、阀装置(例如，流量控制阀和开关阀)、致动器装置(例如，风扇和电机)、成像装置(例如，记录工厂内的环境和物体的照相机和摄像机)、声音装置(例如，收集工厂内的异常噪音的麦克风和产生报警声的扬声器)、输出每个装置的位置信息的位置检测装置、以及其他装置。虽然多个现场装置布置在工厂内，但为了简化图1中的绘制，多个现场装置被组织化并示为现场装置10。
现场装置10(安装在工厂中的每个现场装置)与高于现场装置10放置的控制器20和管理器30进行通信。此外，现场装置10与其他现场装置进行通信。例如，现场装置10利用经由网络和通信总线(未示出)的有线通信或符合工业无线通信标准(例如，ISA 100.11a、WirelessHART(注册商标)等)的无线通信与控制器20、管理器30和其他现场装置进行通信。
具体地，如图1所示，现场装置10将过程控制所需的过程数据D发送给控制器20以及从控制器20接收过程数据D。例如，现场装置10将工业过程中的状态量(例如，流体流量)的测量数据发送给控制器20，并且现场装置10接收从控制器20发送的控制数据(例如，用于控制流体流量的数据)。
此外，如图1所示，现场装置10将表示现场装置10的状态的现场数据FD发送给管理器30。现场数据FD包括表示现场装置10老化状态的老化数据、表示现场装置10压力的压力数据、表示现场装置10自诊断结果的诊断数据和包括报警数据和五官感觉数据的数据中的至少一个。可以将现场数据FD称为工厂现场中获得的大数据。
控制器20是DCS(分布式控制系统)的核心设备。控制器20将过程数据PD发送给现场设备10并从现场设备10接收过程数据PD，并且控制器20控制工业过程。例如，控制器20由运营工厂的工厂运营方操作。控制器20与现场装置10和管理器30进行通信。例如，与现场装置10相同，控制器20利用经由网络和通信总线(未示出)的有线通信或符合工业无线通信标准(例如，ISA 100.11a、WirelessHART(注册商标)等)的无线通信进行通信。
具体地，控制器20将过程控制所需的过程数据D发送给现场装置10并从现场装置10接收过程数据D。例如，控制器20接收从现场装置10发送的测量数据(例如，流体流量)。控制器20将控制数据(例如，用于控制流体流量的数据)发送给现场装置10。此外，控制器20接收从管理器30发送的报警数据AD。控制器20将用于控制工厂的控制信息CI发送给主机装置40。
控制器20通过使用从现场装置10获得的过程数据PD和从工厂工人获得的生命数据来确定工厂的健全性。之后，控制器20显示确定结果。例如，生命数据VD诸如是工厂工人的血压、脉搏、呼吸和体温。例如，生命数据VD由佩戴在工厂工人身上的传感器获得，并且生命数据VD被发送给控制器20和管理器30。控制器20的具体示例将稍后描述。
管理器30是工厂资产管理(PAM)系统的核心设备。管理器30通过收集来自现场装置10的现场数据FD来管理工厂的状态。例如，管理器30由维护工厂的工人操作。管理器30与现场装置10和控制器20进行通信。与控制器20相同，管理器30利用经由网络和通信总线(未示出)的有线通信或符合工业无线通信标准(例如，ISA100.11a、WirelessHART(注册商标)等)的无线通信进行通信。具体地，管理器30收集从现场装置10发送的现场数据FD，并且管理器30将报警数据AD发送给控制器20。
管理器30通过使用收集到的现场数据FD计算管理工厂的状态所需的维护信息MI。具体地，管理器30对工厂中所包括的现场装置10等执行设施维护和预测性维护，并且管理器30计算在长时间内将设施保持和管理在适当状态所需的维护信息MI(例如，表示装置的最佳维护定时和最佳更换定时的信息)。
管理器30通过使用从现场装置10获得的现场数据FD和从工厂工人获得的生命数据VD来确定工厂的健全性。之后，管理器30显示确定结果。与发送给控制器20的生命数据VD相同，生命数据VD诸如是工厂工人的血压、脉搏、呼吸和体温。生命数据VD同样从佩戴在工厂工人身上的传感器获得。
主机装置40是用于综合地监测工厂的控制状态和管理状态的装置。主机装置40由管理工厂的管理者操作。主装置40接收从控制器20发送的控制信息CI和从管理器30发送的维护信息MI。主机装置40通过使用控制信息CI和维护信息MI来计算对管理工厂有用的信息。主机装置40在显示装置(未示出)上显示所计算出的信息。
(控制器)
图2是示出示例性实施例中的控制器的主要部分的框图。如图2所示，控制器20配备有输入单元21、操控指示器22、控制计算器23、操控器24、分析-诊断单元25、存储器26和显示器27。输入单元21输入现场装置10发送的过程数据PD、和从工厂工人佩戴的传感器发送的生命数据VD和位置数据LD。工厂工人佩戴的传感器具有例如GPS(全球定位系统)之类的定位功能，并且可随着生命数据VD将表示检测到的位置的位置数据LD发送。
操控指示器22配备有诸如键盘和鼠标之类的操控装置。例如，工厂运营方操控操控装置，并且操控指示器22依照工厂运营方的操控发送指令。具体地，工厂运营方操控操控指示器22的操控装置。通过操控，将显示过程控制的目标值(目标温度、目标流量等)的指令以及在显示器27上待显示的信息发送给控制器20。
控制计算器23计算用于控制现场装置10的控制值以使得从输入单元21发送的过程数据PD与从操控指示器22发送的目标值相等。例如，控制值是用于控制具有PID(比例-积分-微分Proportional-Integral-Derivative)控制的现场装置10的值。操控器24依照控制计算器23计算出的控制值或从分析-诊断单元25发送的控制信号进行操控。具体地，操控器24依照控制计算器23计算出的控制值将控制信号发送给作为受控目标的现场装置10。操控器24执行用于防止现场装置10出错的操控以及用于自动停止现场装置10的操控。
分析-诊断单元25通过使用输入到输入单元21的各种类型的数据和存储在存储器26中的各种类型的数据来分析并诊断工厂的健全性。具体地，分析-诊断单元25通过使用输入到输入单元21的过程数据PD和生命数据VD(另外，位置数据LD)以及历史数据D1(另外，异常模式数据D2和异常性频率数据D3)来诊断工厂的正常性。
分析-诊断单元25具有指标数据计算器25a(计算器)、健全性确定器25b(确定器)和重要回路监视器25c。指标数据计算器25a计算关于过程数据PD的指标数据(第一指标数据)和关于生命数据的指标数据(第二指标数据)。指标数据表示当工厂处于正常状态时所获得的数据(下文中，称为“正常状态数据”)与当前时刻的数据(下文中，称为“当前数据”)之间的差异(差距)。“当工厂处于正常状态时”意即当过程的状态(装置、管道和流量等的状态)和作为工厂的要素的工厂工人的状态是正常的时候的时间。具体地，其意即从现场装置10获得的过程数据PD和从工厂工人获得的生命数据VD处于预定正常范围内的状态。
具体地，例如，指标数据计算器25a通过计算输入到输入单元21的过程数据PD与历史数据D1中所包括的过程数据之间的差距来计算关于过程数据PD的指标数据。当工厂处于正常状态时，历史数据D1中所包括的过程数据就是输入到输入单元21中的过程数据。
以相同的方式，例如，指标数据计算器25a通过计算输入到输入单元21的生命数据VD与历史数据D1中所包括的生命数据之间的差距来计算关于生命数据VD的指标数据。当工厂处于正常状态时，历史数据D1中所包括的生命数据就是输入到输入单元21中的生命数据。替代计算差距，可通过计算变化率的方法、计算标准偏差的方法以及其他方法中的任意一种来计算指标数据。例如，变化率是将当前数据除以正常状态的数据而计算得到的值，而标准偏差是表示多个当前数据相对于正常状态数据的偏差的值。
健全性确定器25b通过使用由指标数据计算器25a计算得到的关于过程数据PD的指标数据和关于生命数据VD的指标数据来确定工厂的健全性。具体地，健全性确定器25b基于关于过程数据PD的指标数据和设置给关于过程数据PD的指标数据的阈值(第一阈值)之间的大小关系以及关于生命数据VD的指标数据和设置给关于生命数据VD的指标数据的阈值(第二阈值)之间的大小关系来确定工厂的健全性。
在确定工厂健全性之前，健全性确定器25b通过使用输入到输入单元21的过程数据PD和生命数据VD、以及存储在存储器26中的正常模式数据D2和异常性频率数据D3来执行初步确定。健全性确定器25b执行初步确定以提高工厂的健全性的确定精确度。重要回路监视器25c监视为工厂控制实施的不同类型控制回路的重要控制回路。设置重要回路监视器25c以快速检测重要控制回路的异常并自动立即停止。
分析-诊断单元25将过程数据PD和生命数据VD顺序地存储在存储器26中作为历史数据D1。历史数据D1是在工厂正常时被输入到输入单元21的过程数据PD和生命数据VD。在健全性确定器25b确定工厂的健全性异常的情况下，分析-诊断单元25将关于过程数据PD和生命数据VD的指标数据的异常部分的数据作为异常模式数据D2存储在存储器26中，并且分析-诊断单元25将表示关于过程数据PD和生命数据VD的指标数据的异常性频率的数据作为异常性频率数据D3存储在存储器26中。每预定周期(例如，一天或一周)可将异常部分的一串数据存储作为异常模式数据D2。此外，每预定周期可将异常性频率存储作为异常性频率数据D3。
例如，存储器26配备有诸如硬盘驱动器之类的外部存储装置。存储器26存储历史数据D1、异常模式数据D2(第一备份数据)和异常性频率数据D3(第二备份数据)。显示器27配备有诸如液晶显示装置之类的显示装置。显示器27显示输入到控制器20的各种类型的信息或由控制器20产生的各种类型的信息。例如，显示器27显示输入到输入单元21的过程数据PD和生命数据VD、健全性确定器25b的确定结果等。在显示健全性确定器25b的确定结果的情况下，显示器27显示工厂的健全性的确定结果和初步确定的确定结果。
(管理器)
图3是示出示例性实施例中的管理器的主要部分的框图。如图3所示，管理器配备有输入单元31、操控指示器32、维护信息计算器33、通信器34、分析-诊断单元35、存储器36和显示器37。输入单元31对应于图2中所示的控制器20的输入单元21。输入单元31输入从现场装置10发送的现场数据FD、从工厂工人佩戴的传感器发送的生命数据VD和位置数据LD。
操控指示器32对应于图2中所示的控制器20的操控指示器22。维护信息计算器33通过使用输入到输入单元31的现场数据FD来计算管理工厂的状态所需的维护信息MI。具体地，维护信息计算器33执行工厂内所包括的现场装置10等的设施维护和预测性维护，并且维护信息计算器33计算在长时间内将设施维持和管理在适当状态所需的维护信息MI(例如，表示最佳维护定时和最佳更换定时的信息)。通信器34与主机装置40进行通信。通信器34将维护信息计算器33计算得到的维护信息MI发送给主机装置40。
分析-诊断单元35对应于图2中所示的控制器20的分析-诊断单元25。虽然分析-诊断单元35配备有分别与指标数据计算器25a和健全性确定器25b对应的指标数据计算器35a和健全性确定器35b，但是省略了对应于重要回路监视器25c的装置。存储器36和显示器37分别对应于控制器20中所包括的存储器26和显示器27。
(工厂控制系统的操作)
接下来，将描述工厂控制系统的操作。下文中，将主要描述控制器20的操作。控制器20通过将过程数据PD发送给现场装置10和从现场装置10接收过程数据PD来执行用于工厂控制的操作。具体地，控制器20从现场装置10(例如，传感器装置)接收以恒定时间间隔(例如，一秒间隔)发送的过程数据PD。此外，控制器20通过使用接收到的过程数据PD来计算针对现场装置10(例如，阀装置)的用于控制操控量的控制值。
由控制器20接收到的过程数据PD被输入到如图2所示的输入单元21。控制计算器23计算针对现场装置10(例如，阀装置)的用于控制操控量的控制值。由控制计算器23计算得到的控制值被输出到操控器24中，并作为控制信号发送给现场装置10(例如，阀装置)。
当现场装置10接收到从控制器20发送的控制信号时，现场装置10执行依照控制信号的操控(例如，控制阀门的孔径)。在上述的恒定时间间隔(例如，一秒间隔)重复该操作。由控制器20的控制计算器23计算得到的控制值作为控制信息CI发送给主机装置40。
与用于工厂控制的操作并行，控制器20确定工厂的健全性。具体地，分析-诊断单元25通过使用输入到输入单元21的过程数据PD和生命数据VD(此外，位置数据LD)以及存储在存储器26中的历史数据D1来确定工厂的健全性。
图4是用于描述示例性实施例中的控制器所执行的健全性确定处理过程的图。首先，如图4所示，分析-诊断单元25的指标数据计算器25a计算在当前时间接收到的当前一个过程数据PD(图4所示的过程数据PD1)与当工厂处于正常状态时接收到的之前一个过程数据PD(如图4所示的过程数据PD2)之间的差距。之前一个过程数据PD包括在存储于存储器26中的历史数据D1中。通过该计算，计算得到关于过程数据PD的指标数据(如图4所示的指标数据ID1)。
与上述处理过程并行，分析-诊断单元25的指标数据计算器25a计算在当前时间接收到的当前一个生命数据VD(如图4所示的生命数据VD1)和当工厂处于正常状态时接收到的之前一个生命数据VD(如图所示的生命数据VD2)之间的差距。之前一个生命数据VD包括在存储于存储器26中的历史数据D1中。通过该计算，计算得到关于生命数据VD的指标数据(如图4所示的指标数据ID2)。
由指标数据计算器25a计算得到的关于过程数据PD的指标数据ID1和关于生命数据VD的指标数据ID2被输入到健全性确定器25b。如图4所示，健全性确定器25b确定工厂的健全性。具体地，健全性确定器25b确定关于过程数据PD的指标数据ID1和预定阈值(第一阈值)之间的大小关系，并且健全性确定器25b确定关于生命数据VD的指标数据ID2与预定阈值(第二阈值)之间的大小关系。健全性确定器25b基于这些大小关系来确定工厂的健全性。
图5是示出示例性实施例中的健全性的确定结果的图。如图5所示，健全性确定器25b的确定结果分为下面描述的三种确定结果J1至J3。
(a)确定结果J1：“异常状态”
例如，“异常状态”意即这样一种状态，该状态中产生工厂运营方不能处理的异常性，并且应该停止过程。
(b)确定结果J2：“不稳定状态”
例如，“不稳定状态”意即这样一种状态，该状态中工厂运营方可能做出运营错误，并且存在对工厂运营方执行的运营再次确认的需要。
(c)确定结果J3：“正常状态”
例如，“正常状态”意即这样一种状态，该状态中工厂运营方是正常的，工厂和工厂运营方不存在异常性。
例如，在指标数据ID1超过阈值的情况下，无论指标数据ID2是否超过阈值，健全性确定器25b的确定结果是“异常状态”(确定结果J1)。在指标数据ID1没有超过阈值而指标数据ID2超过阈值的情况下，健全性确定器25b的确定结果是“不稳定状态”(确定结果J2)。在指标数据ID1和指标数据ID2都没有超过阈值的情况下，健全性确定器25b的确定结果是“正常状态”(确定结果J3)。特别是，在确定结果J2的情况下，工厂运营方能够处理当过程数据正常而工厂工人的生命数据异常时发生的做出运营错误的可能性。
例如，在健全性确定器25b的确定结果是“异常状态”(确定结果J1)的情况下，操控器24通过使得现场装置10自动停止来停止工厂，并且操控器24通知主机装置40异常性的发生。特别是，这对于由重要回路监视器25c监视的重要回路的异常状态是有效的。例如，在健全性确定器25b的确定结果是“不稳定状态”(确定结果J2)的情况下，操控器24通知工厂运营方重新确认由工厂工人执行的操作。在健全性确定器25b的确定结果是“正常状态”的情况下，不执行特殊操作和特殊处理并且继续当前运营。
图6是示出示例性实施例中的过程数据和生命数据的图。如图6所示，流量是过程数据PD的示例，而工厂工人的心率是生命数据VD的示例。在没有发生工厂的异常性和工厂工人的异常性的情况下，工厂工人的心率近似恒定(参见曲线L10)，并且流量以恒速逐渐增加(参见曲线L20)。
如图6所示，在时刻t10，发生工厂工人的异常性并且工厂工人的心率急剧下降(参见曲线L11)。此时，在工厂工人应该执行的操作没有执行的情况下，例如，流量逐渐下降，并在此后流量急剧地下降(参见曲线L21)。例如，虽然工厂工人必须增加流量(参见曲线L20)，但是工厂工人可能由于确定错误和由心率的异常引起的操作错误而减少流量(参见曲线L21)。
通常，由于只参考过程数据PD，在当流量下降到下限Q1以下时的时刻t11可以检测到工厂事故的发生。相反，在本实施例中，指标数据计算器25a计算关于过程数据PD(流量)的指标数据(曲线L20和L21之间的差距)和关于生命数据VD(心率)的指标数据(曲线L10和L11之间的差距)，并且健全性确定器25b基于这些指标数据来确定工厂的健全性。由此，从操作员的异常性发生时的时刻t11起过去的短时间内，可以在较早的点确定工厂的异常性。
图7是示出示例性实施例中的过程数据和生命数据的另一个示例的图。如图7所示，警报是过程数据PD的示例，而工厂运营方的脉搏是生命数据VD的示例。在没有发生工厂的异常性和工厂工人的异常性的情况下(直到时刻t20为止)，以近似恒定时间间隔产生警报(报警频率基本恒定)，并且脉搏也基本不变。
如图7所示，工厂发生异常性并且警报急剧增加(报警频率急剧地增加)。此时，例如，工厂运营方应当确定警报的类型以及产生警报的原因，并且工厂运营方应当处理该警报。为此，如图7所示，工厂运营方的脉搏增加。此时，在产生的警报紧要的情况下，工厂运营方的脉搏可能在高压力情况中急剧地增加。
通常，产生的警报基本上仅仅通知工厂运营方。相反，在本实施例中，指标数据计算器25a计算关于过程数据PD(警报)的指标数据(正常状态中报警频率和异常状态中报警频率之间的差距)和关于生命数据VD的指标数据(正常状态的脉搏和异常状态的脉搏之间的差距)，并且健全性确定器25b基于这些指标数据确定工厂的健全性。通常，只参考过程数据(警报)，在警报的数量在恒定时间间隔内增加的情况下，确定工厂的异常性。另一方面，通过使用关于过程数据PD的指标数据和关于生命数据VD的指标数据，从工厂的异常性发生时的时刻t20过去的短时间内，可以在较早点确定工厂的异常性。
如图2所示，在异常模式数据D2和异常性频率数据D3被存储在存储器26中的情况下，在健全性确定器25b通过使用图4所示的指标数据ID1和指标数据ID2确定工厂的健全性之前，健全性确定器25b通过使用异常模式数据D2和异常性频率数据D3执行初步确定。例如，工厂工人可以通过操控操控指示器22来指示是否执行初步确认。
具体地，例如，健全性确定器25b针对关于输入到输入单元21的过程数据PD和生命数据VD的指标数据以及存储在存储器26中的异常模式数据D2执行模式匹配处理。此外，健全性确定器25b确定关于被输入到输入单元21的过程数据PD和生命数据VD的指标数据是否与存储在存储器26中的异常模式数据D2相似。在相似度较高的情况下，被输入到输入单元21中的过程数据PD和生命数据VD与在过去发生异常性时获得的过程数据PD和生命数据VD相似。由于这个原因，健全性确定器25b可以在初步确定阶段确定发生在工厂的异常性。与此相同，在关于过程数据PD和生命数据VD(其被输入到输入单元21中)的指标数据的频率与异常性频率数据D3之间的相似度较高时，健全性确定器25b在初步确定阶段确定发生在工厂内的异常性。
图8A是示出在确定结果为正常状态的情况下的显示示例图。图8B是示出在确定结果为异常状态的情况下的显示示例图。如图8A和图8B所示，在控制器20的显示器27上显示包括四个轴(轴A到轴D)的雷达图RC和表示最终确定结果的确定结果显示区域RT。
雷达图RC的轴A表示关于过程数据PD的指标数据ID1。雷达图RC的轴B表示关于生命数据VD的指标数据ID2。在雷达图RC的轴A上，绘制了指标数据ID1的当前值(最新值)或针对指标数据ID1通过执行预定计算(例如，移动平均计算)而获得的值。此外，在雷达图RC的轴B上，绘制了指标数据ID2的当前值(最新值)或针对指标数据ID2通过执行预定计算(例如，移动平均计算)而获得的值。
轴C和轴D表示初步确定结果。具体地，轴C表示通过使用被输入到输入单元21中的过程数据PD和生命数据VD以及存储在存储器26中的异常模式数据D2执行的初步确定结果。此外，轴D表示通过使用被输入到输入单元21中的过程数据PD和生命数据VD以及存储在存储器26中的异常性频率数据D3执行的初步确定结果。
图8A和图8B中所示的虚线TH1(第一线条)是连接轴A到轴D上的允许上限的线。图8A和8B中所示的虚线TH2(第二线条)是连接轴A到轴D上的允许下限的线。图8A和8B中所示的实线是连接轴A到轴D上的值的线。
如图8A所示，在雷达图RC中，所有的指标数据ID1、指标数据ID2以及初步确定结果都在允许上限和允许下限之间。参考确定结果显示区域RT，可以一目了然，最终确定结果是“正常状态”。
如图8B所示，在雷达图RC中，指标数据ID1超过了允许上限并且绘制在C轴上的初步确定结果落入到允许下限以下。参考确定结果显示区域RT，可以一目了然，最终确定结果是“异常状态”。
如上所述，在本实施例中，控制器20计算表示从现场装置10获得的过程数据PD和当工厂正常时从现场装置10获得的过程数据PD之间的差距的指标数据ID1。控制器20计算表示从现场装置10获得的生命数据VD和当工厂正常时从现场装置10获得的生命数据VD之间的差距的指标数据ID2。控制器20基于指标数据ID1和指标数据ID2来确定工厂的健全性。此外，管理器30通过执行相同处理过程来确定工厂的健全性。在本实施例中，通过使用过程数据PD(或现场数据FD)和生命数据VD来确定工厂的健全性，并且工厂工人可在工厂变得异常之前采取适当措施。因此，维持了工厂的正常性。
虽然以上已描述了根据本发明的实施例的控制器、管理器、工厂控制系统以及数据处理方法，但本发明不限于上述实施例，并且可以在其范围内任意修改。例如，前述实施例的描述是通过使用实时获取的过程数据PD和生命数据VD来确定工厂的健全性的示例。然而，过程数据PD和生命数据VD可以存储在诸如硬盘驱动器之类的存储装置中，并且当需要确定工厂的健全性时，可以通过从存储装置读取过程数据PD和生命数据VD来确定工厂的健全性。
虽然前述实施例的描述是通过使用过程数据PD和生命数据VD来确定工厂的健全性的示例，但是可以与过程数据PD和生命数据VD一起使用位置数据LD来确定工厂的健全性。例如，在工人已经在储槽顶部上工作很长时间的情况下，基于位置数据LD考虑工人的工作环境，可以预测工人的健康状态(例如，在炽热的太阳下的脱水状态)。
虽然前述实施例的描述是通过使用现场数据FD和生命数据VD来确定工厂健全性的示例，但是也可以与现场数据FD和生命数据VD一起使用位置数据LD来确定工厂的正常性。例如，在工人在储槽顶部上工作很长时间的情况下，基于位置数据LD考虑工人的工作环境，可以预测工人的健康状态(例如，在炽热的太阳下的脱水状态)。
虽然前述实施例被描述为控制器20和管理器30是分离装置的示例，但是控制器20和管理器30也可以彼此集成。控制器20与管理器30中的至少一个可以是云计算机。
如本文使用的，下列方向术语“向前、向后、之上、向下、左、右、垂直、水平、以下、横向、行、列”以及其他类似的方向术语是指配备有本发明的设备的方向。因此，如用于描述本发明的这些术语应当相对于配备有本发明的设备来解释。
如本文使用的诸如“大体上”、“大约”以及“近似地”之类的程度术语意即使得最终结果不会显著改变的修饰项的合理偏离量。例如，如果该偏离不否定其修饰的词汇的意义，则这些术语可以解释为包括修饰项的至少±5％的偏离。
术语“配置”用于描述装置的组件、单元或部件，该装置包括被构造为和/或程序化为执行期望功能的硬件和/或软件。
此外，在权利要求中表达为“功能限定”的术语应当包括能够被用于执行本发明的该部分的功能的任意结构。
术语“单元”用于描述被构造为和/或程序化为执行期望功能的硬件和/或软件的组件、单元或部件。硬件的典型示例可包括但不限于装置和电路。
尽管以上描述和示出了本发明的优选实施例，但是应当理解的是，这些是例示本发明而非被认为是限制。可以在不脱离本发明范围的情况下进行增加、删除、替换和其他修改。因此，本发明不被认为是由以上描述来限定，而是仅由所附权利要求的范围来限定。

Claims (20)

1.一种控制器，包括：
计算器，其被配置为接收控制工厂所需的过程数据和表示工厂工人的状态的生命数据，所述过程数据从现场装置接收，所述生命数据从所述工厂工人接收，所述计算器计算第一指标数据和第二指标数据，所述第一指标数据表示当前一个过程数据与当工厂处于正常状态时接收的之前一个过程数据之间的差距，所述第二指标数据表示当前一个生命数据与当工厂处于正常状态时接收的之前一个生命数据之间的差距；和
确定器，其被配置为使用所述计算器计算得到的所述第一指标数据和所述第二指标数据来确定工厂的健全性。
2.根据权利要求1所述的控制器，其中所述确定器被配置为基于所述第一指标数据与设置给所述第一指标数据的第一阈值之间的大小关系以及所述第二指标数据与设置给所述第二指标数据的第二阈值之间的大小关系来确定工厂的健全性。
3.根据权利要求1所述的控制器，进一步包括存储器，该存储器被配置为存储第一备份数据和第二备份数据，所述第一备份数据是所述第一指标数据和所述第二指标数据的异常部分，所述第二备份数据是表示所述第一指标数据和所述第二指标数据的异常性频率的数据，
其中，所述确定器被配置为在所述确定器通过使用所述第一指标数据和所述第二指标数据来确定工厂的健全性之前，通过使用所述第一备份数据和所述第二备份数据中的至少一个来执行初步确定。
4.根据权利要求1所述的控制器，进一步包括显示器，该显示器配被置为显示所述确定器的确定结果。
5.根据权利要求3所述的控制器，进一步包括显示器，该显示器被配置为显示通过使用所述第一指标数据和所述第二指标数据而确定的工厂的健全性的确定结果，以及显示通过使用所述第一备份数据和所述第二备份数据而确定的所述初步确定的确定结果。
6.根据权利要求5所述的控制器，其中所述显示器被配置为显示雷达图，该雷达图的轴表示所述第一指标数据、所述第二指标数据和所述初步确定的结果。
7.根据权利要求6所述的控制器，其中所述显示器被配置为显示具有连接所述轴上的允许上限的第一线条和连接所述轴上的允许下限的第二线条的雷达图。
8.根据权利要求1所述的控制器，其中所述计算器被配置为从所述工厂工人接收位置数据，该位置数据表示所述工厂工人的位置。
9.根据权利要求8所述的控制器，其中所述确定器被配置为通过使用所述过程数据、所述生命数据和所述位置数据来确定工厂的健全性。
10.一种管理器，包括：
计算器，其被配置为接收表示工厂内安装的现场装置的状态的现场数据和表示工厂工人的状态的生命数据，所述现场数据从所述现场装置接收，所述生命数据从所述工厂工人接收，所述计算器计算第一指标数据和第二指标数据，所述第一指标数据表示当前一个现场数据与当工厂处于正常状态时接收的之前一个现场数据之间的差距，所述第二指标数据表示当前一个生命数据与当工厂处于正常状态时接收的之前一个生命数据之间的差距；和
确定器，其被配置为通过使用所述计算器计算得到的所述第一指标数据和所述第二指标数据来确定工厂的健全性。
11.根据权利要求10所述的管理器，其中所述确定器被配置为基于所述第一指标数据与设置给所述第一指标数据的第一阈值之间的大小关系和所述第二指标数据与设置给所述第二指标数据的第二阈值之间的大小关系来确定工厂的健全性。
12.根据权利要求10所述的管理器，进一步包括存储器，该存储器被配置为存储第一备份数据和第二备份数据，所述第一备份数据是所述第一指标数据和所述第二指标数据的异常部分，所述第二备份数据是表示所述第一指标数据和所述第二指标数据的异常性频率的数据，
其中，所述确定器被配置为在所述确定器通过使用所述第一指标数据和所述第二指标数据来确定工厂的健全性之前，通过使用所述第一备份数据和所述第二备份数据中的至少一个来执行初步确定。
13.根据权利要求10所述的管理器，进一步包括显示器，该显示器被配置为显示所述确定器的确定结果。
14.根据权利要求12所述的管理器，进一步包括显示器，该显示器被配置为显示通过使用所述第一指标数据和所述第二指标数据而确定的工厂的健全性的确定结果，以及显示通过使用所述第一备份数据和所述第二备份数据而确定的所述初步确定的确定结果。
15.根据权利要求14所述的管理器，其中所述显示器被配置为显示雷达图，该雷达图的轴表示所述第一指标数据、所述第二指标数据和所述初步确定的结果。
16.根据权利要求15所述的管理器，其中所述显示器被配置为显示具有连接所述轴上的允许上限的第一线条和连接所述轴上的允许下限的第二线条的雷达图。
17.根据权利要求10所述的管理器，其中所述计算器被配置为从所述工厂工人接收位置数据，该位置数据表示所述工厂工人的位置。
18.根据权利要求17所述的管理器，其中所述确定器被配置为通过使用所述现场数据、所述生命数据和所述位置数据来确定工厂的健全性。
19.一种工厂控制系统，包括：
现场装置，其被配置为安装在工厂内并执行控制工厂所需的测量和控制中的至少一个；
根据权利要求1所述的控制器，其被配置为通过将过程数据发送给所述现场装置和从所述现场装置接收过程数据来控制所述工厂；和
根据权利要求10所述的管理器，其被配置为通过收集来自所述现场装置的现场数据来管理所述工厂的状态。
20.一种数据处理方法，包括：
从工厂内安装的现场装置接收第一数据；
从工厂工人接收第二数据；
计算第一指标数据和第二指标数据，所述第一指标数据表示当前一个第一数据与当工厂处于正常状态时接收的之前一个第一数据之间的差距，所述第二指标数据表示当前一个第二数据与当工厂处于正常状态时接收的之前一个第二数据之间的差距；以及
通过使用所述第一指标数据和第二指标数据来确定工厂的健全性。
CN201510038482.4A 2014-01-28 2015-01-26 控制器、管理器、工厂控制系统和数据处理方法 Active CN104808604B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-013441 2014-01-28
JP2014013441A JP5991329B2 (ja) 2014-01-28 2014-01-28 制御装置、管理装置、プラント制御システム、及びデータ処理方法

Publications (2)

Publication Number Publication Date
CN104808604A true CN104808604A (zh) 2015-07-29
CN104808604B CN104808604B (zh) 2018-06-29

Family

ID=52354781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510038482.4A Active CN104808604B (zh) 2014-01-28 2015-01-26 控制器、管理器、工厂控制系统和数据处理方法

Country Status (4)

Country Link
US (1) US10025283B2 (zh)
EP (1) EP2899658B1 (zh)
JP (1) JP5991329B2 (zh)
CN (1) CN104808604B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6619206B2 (ja) * 2015-11-05 2019-12-11 株式会社日立製作所 水道施設の維持管理支援装置及びそれを有する監視制御システム
JP6710939B2 (ja) * 2015-11-09 2020-06-17 横河電機株式会社 フィールド機器
JP6504089B2 (ja) * 2016-03-10 2019-04-24 横河電機株式会社 工程監視装置、工程監視システム、工程監視方法、工程監視プログラム及び記録媒体
US20190086903A1 (en) * 2016-03-30 2019-03-21 Nec Corporation Plant management system, plant management method, plant management apparatus, and plant management program
US11507064B2 (en) * 2016-05-09 2022-11-22 Strong Force Iot Portfolio 2016, Llc Methods and systems for industrial internet of things data collection in downstream oil and gas environment
JP2019028834A (ja) * 2017-08-01 2019-02-21 株式会社東芝 異常値診断装置、異常値診断方法、およびプログラム
JP7180972B2 (ja) * 2017-11-22 2022-11-30 古野電気株式会社 解析データ処理装置、解析データ処理方法、および、解析データ処理プログラム
JP2020099019A (ja) * 2018-12-19 2020-06-25 株式会社日立製作所 機器制御装置及び機器制御システム
JP7196874B2 (ja) * 2020-03-17 2022-12-27 横河電機株式会社 品質安定化システム、品質安定化方法、品質安定化プログラム
CN113126549B (zh) * 2021-04-23 2022-06-28 广东电网有限责任公司电力科学研究院 一种基础控制器及其控制方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001069329A2 (en) * 2000-03-10 2001-09-20 Cyrano Sciences, Inc. Control for an industrial process using one or more multidimensional variables
CN101040231A (zh) * 2004-08-31 2007-09-19 沃特洛电气制造公司 分布式操作系统诊断系统
US20090322513A1 (en) * 2008-06-27 2009-12-31 Franklin Dun-Jen Hwang Medical emergency alert system and method
US8325030B2 (en) * 2006-09-07 2012-12-04 Lord Corporation Heat stress, plant stress and plant health monitor system
US20130217350A1 (en) * 2012-02-16 2013-08-22 Research In Motion Corporation System and method for communicating presence status
US9189599B2 (en) * 2011-05-13 2015-11-17 Fujitsu Limited Calculating and monitoring a composite stress index

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0687211B2 (ja) * 1985-02-07 1994-11-02 株式会社日立製作所 プラント監視装置
JPH06259566A (ja) * 1993-03-09 1994-09-16 Hitachi Ltd 感覚認識プロセッサ
DE60214607T2 (de) * 2002-09-26 2007-08-30 Siemens Ag Verfahren und vorrichtung zur überwachung einer technischen anlage, insbesondere zur diagnose
US7034696B2 (en) * 2003-05-09 2006-04-25 Gregory Ehlers Proximity dead man interrupter, alarm and reporting system
JP4258424B2 (ja) * 2004-04-23 2009-04-30 横河電機株式会社 運転負荷測定装置
JP2006146631A (ja) * 2004-11-22 2006-06-08 Yokogawa Electric Corp フィールド機器管理装置およびフィールド機器管理方法
US8795172B2 (en) * 2007-12-07 2014-08-05 Sonitus Medical, Inc. Systems and methods to provide two-way communications
US8510151B2 (en) * 2008-07-23 2013-08-13 Accenture Global Services Limited Integrated production loss management
WO2011011413A2 (en) * 2009-07-20 2011-01-27 University Of Florida Research Foundation, Inc. Method and apparatus for evaluation of a subject's emotional, physiological and/or physical state with the subject's physiological and/or acoustic data
JP2011076531A (ja) * 2009-10-01 2011-04-14 Mitsubishi Electric Corp 監視制御システム及び監視制御方法
JP5062496B2 (ja) * 2010-03-29 2012-10-31 横河電機株式会社 運転状態解析システムおよび運転状態解析方法
CA2810269A1 (en) * 2010-09-06 2012-03-15 Aurizon Operations Limited A worker's personal alarm device
JP2012058937A (ja) * 2010-09-08 2012-03-22 Hitachi-Ge Nuclear Energy Ltd 原子力プラントの機器診断方法および機器診断装置
US20140288850A1 (en) * 2011-10-30 2014-09-25 Paskal Technologies Agriculture Cooperative LTD. Self-learning of plant growth strategy in a greenhouse
JP6123307B2 (ja) * 2013-01-23 2017-05-10 株式会社デンソーウェーブ ロボット周辺への物体の侵入を監視する監視システムおよび監視方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001069329A2 (en) * 2000-03-10 2001-09-20 Cyrano Sciences, Inc. Control for an industrial process using one or more multidimensional variables
CN101040231A (zh) * 2004-08-31 2007-09-19 沃特洛电气制造公司 分布式操作系统诊断系统
US8325030B2 (en) * 2006-09-07 2012-12-04 Lord Corporation Heat stress, plant stress and plant health monitor system
US20090322513A1 (en) * 2008-06-27 2009-12-31 Franklin Dun-Jen Hwang Medical emergency alert system and method
US9189599B2 (en) * 2011-05-13 2015-11-17 Fujitsu Limited Calculating and monitoring a composite stress index
US20130217350A1 (en) * 2012-02-16 2013-08-22 Research In Motion Corporation System and method for communicating presence status

Also Published As

Publication number Publication date
JP2015141513A (ja) 2015-08-03
EP2899658A1 (en) 2015-07-29
US20150212506A1 (en) 2015-07-30
EP2899658B1 (en) 2018-10-17
JP5991329B2 (ja) 2016-09-14
US10025283B2 (en) 2018-07-17
CN104808604B (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
CN104808604A (zh) 控制器、管理器、工厂控制系统和数据处理方法
US8838417B2 (en) Cycle decomposition analysis for remote machine monitoring
EP2510443B1 (en) Automation management system and method
US20090037206A1 (en) Method of forecasting maintenance of a machine
CN104422581A (zh) 流量控制设备的空化现象的检测和监控
US10705516B2 (en) Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic risk fault tree method and system
Palem Condition-based maintenance using sensor arrays and telematics
US10268962B2 (en) Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic risk analyzer engine
US11250366B2 (en) Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic risk sloping trend method and system
US11853053B2 (en) Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic exceedance probability method and system
MX2011003045A (es) Calculo y trazado de datos estadisticos.
WO2010051336A2 (en) System and method for well surveillance and management
JP6875199B2 (ja) 機器診断システム
US10901406B2 (en) Method of monitoring and controlling an industrial process, and a process control system
JP6798120B2 (ja) 機器診断装置、機器診断方法、及び機器診断プログラム
US20240085878A1 (en) Dynamic Prediction of Risk Levels for Manufacturing Operations through Leading Risk Indicators: Dynamic Risk Pattern Match Method and System
RU2777424C1 (ru) Автоматизированная система управления информационными потоками данных предприятия
EP4194976A1 (en) Soft error aggregation method for detection and reporting of risks in a safety plc system
Hurst Transforming Asset maintenance.
Amran et al. Emerging Cloud-Based Predictive Maintenance for Hemodialysis Reverse Osmosis Purified Water
CN117745256A (zh) 液压油源设备的预测性维护方法及系统
US20160202169A1 (en) Method of operating a particle sensor and evaluation of the results thereof

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant