CN107077114A - 在可编程逻辑控制器中使用软传感器 - Google Patents

在可编程逻辑控制器中使用软传感器 Download PDF

Info

Publication number
CN107077114A
CN107077114A CN201480083065.5A CN201480083065A CN107077114A CN 107077114 A CN107077114 A CN 107077114A CN 201480083065 A CN201480083065 A CN 201480083065A CN 107077114 A CN107077114 A CN 107077114A
Authority
CN
China
Prior art keywords
data
programmable logic
soft sensor
logic controller
intelligent programmable
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
CN201480083065.5A
Other languages
English (en)
Other versions
CN107077114B (zh
Inventor
王凌云
J.L.阿帕里乔奥赫亚
J.罗斯卡
G.罗
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN107077114A publication Critical patent/CN107077114A/zh
Application granted granted Critical
Publication of CN107077114B publication Critical patent/CN107077114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/056Programming the PLC
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/054Input/output
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423Input/output
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/10Plc systems
    • G05B2219/14Plc safety
    • G05B2219/14055Make log, journal, history file of state changes
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/10Plc systems
    • G05B2219/15Plc structure of the system
    • G05B2219/15108Intelligent I-O is a plc itself, with limited interface
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/37Measurements
    • G05B2219/37537Virtual sensor

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Programmable Controllers (AREA)

Abstract

一种在多个扫描循环内操作智能可编程逻辑控制器的方法包括智能可编程逻辑控制器选择对应于生产单元的控制程序中可用的一个或多个软传感器,每一个软传感器包括由控制程序使用的局部参数或变量。智能可编程逻辑控制器在每一个扫描循环期间确定对应于所述一个或多个软传感器的经更新的软传感器值,并且在每一个扫描循环期间将那些值存储在非易失性计算机可读存储介质上,所述非易失性计算机可读存储介质可操作地耦合到智能可编程逻辑控制器。此外,智能可编程逻辑控制器利用自动化系统上下文信息注释经更新的软传感器值以生成经上下文化的数据。

Description

在可编程逻辑控制器中使用软传感器
技术领域
本发明一般地涉及在可编程逻辑控制器中使用控制层数据(在本文中称为“软传感器(soft-sensor)”)。所公开的技术可以应用于例如其中使用可编程控制器的各种自动化生产环境。
背景技术
可编程逻辑控制器(PLC)是被配置成执行软件的专门化的计算机控制系统,所述软件连续地搜集关于输入设备的状态的数据以控制输出设备的状态。PLC典型地包括三个主要组件:处理器(其可以包括易失性存储器)、包括应用程序的易失性存储器和用于连接到自动化系统中的其它设备的一个或多个输入/输出(I/O)端口。
PLC在各种工业设置中被利用以控制自动化系统。自动化系统在其日常操作中典型地生成大量的数据。该数据可以包括例如,传感器数据、致动器和控制程序参数以及与服务活动相关联的信息。然而,常规的自动化系统(并且特别地PLC)不能够适当地处置该数据。例如,在大多数系统中,由于硬件和软件限制,仅能够分析和存储自动化系统数据的小部分。可能产生大量无关的数据而同时错过重要的数据点。压缩可以在较高自动化层处应用在不重要的数据上,而重要的数据在行进通过自动化层时丢失。而且,甚至在存在避免数据丢失的尝试的情况下,可能存在置于计算基础设施的其余部分上的显著需求。例如,PLC数据处理可以导致对网络带宽以及存储容量的高需求。此外,当数据穿过自动化系统层时数据的上下文可能丢失。这导致自动化系统上的若干不期望的副效应。例如,如果数据分析在较高自动化层处基于低质量/保真度数据而执行,则可能丢失重要的数据,从而使得自动化系统低效或欠佳地操作。
作为控制层处的不足数据处置能力的结果,经常较晚检测到质量问题。在常规系统中,可以在较高自动化层(例如监督控制和数据采集)处以适当的保真度连续监视仅几个过程变量。尽管最相关的传感器(例如发酵罐的温度和压力,或者车门装配单元中的位置传感器)被监视,但是许多其它变量(包括重要的控制变量)被忽略,即便这些变量也可以用于识别某些问题。可能未向高自动化层暴露的重要变量的示例包括而不限于,压力阀门位置、冷却剂流动速率、振荡控制循环计数、定位时间等。这样的变量保存可能在早期阶段指示质量问题的重要控制知识。
此外,由于不足的数据处置能力,控制知识未被发送至较高自动化层以用于商业分析。典型地,控制知识隐藏在注入(run into)控制器中的控制程序内部,或者其仅在用于写入控制程序的工程系统(例如西门子TIA门户软件)处可得到。需要大量努力以在自动化系统的较高层处重建这样的控制知识。特别地,较高级软件功能在监督控制和数据采集、制造执行系统或企业资源规划系统中的实现变得复杂且昂贵得多。进而,这导致这些解决方案的较高的开发和定制成本。例如,考虑用于控制冷却剂流动直到罐温度达到某个水平的阀门控制程序。人们可以推断出必然存在冷却剂流动速率与温度降低之间的某种相关性(具有某种延迟)。为了检测这样的相关性(其可以被利用于较高层处的预测性过程监视),需要使用数百个参数的按对相关性分析。
发明内容
本发明的实施例通过提供方法、系统和装置来解决和克服以上缺点和缺陷中的一个或多个,所述方法、系统和装置涉及被配置成能够监视和利用与控制层变量相关联的值的PLC。这些变量(在本文中称为“软传感器”)可以包括例如从控制上下文导出的变量(例如隐藏的控制参数或变量)或从某些分析导出的变量(例如计算警报的变量)。该技术特别良好地适合于,但不限于,各种工业自动化设置。
根据本发明的一些实施例,一种在多个扫描循环内操作智能可编程逻辑控制器的方法包括智能可编程逻辑控制器选择对应于生产单元的控制程序中可用的一个或多个软传感器,每一个软传感器包括由控制程序使用的局部参数或变量。智能可编程逻辑控制器在每一个扫描循环期间确定对应于所述一个或多个软传感器的经更新的软传感器值,并且在每一个扫描循环期间将那些值存储在非易失性计算机可读存储介质上,所述非易失性计算机可读存储介质可操作地耦合到智能可编程逻辑控制器。此外,智能可编程逻辑控制器利用自动化系统上下文信息注释经更新的软传感器值以生成经上下文化的数据。
在前述方法中使用的自动化系统上下文信息的确切内容可以变化。例如,在一些实施例中,自动化系统上下文信息包括以下中的一个或多个:生成与经更新的软传感器值相关联的数据的设备的指示、包括智能可编程逻辑控制器的自动化系统的结构描述、系统工作模式指示器和关于在经更新的软传感器值被确定时生产的产品的信息。在其它实施例中,自动化系统上下文信息包括以下中的一个或多个:由智能可编程逻辑控制器利用的自动化软件的描述或指示在经更新的软传感器值被确定时的自动化软件的状态的状态指示器。
在各种实施例中,前述方法可以利用附加特征来增强或细化。例如在一个实施例中,智能可编程逻辑控制器识别与控制程序相关联的软传感器符号表。软传感器然后可以使用软传感器符号表来选择。在另一实施例中,智能可编程逻辑控制器将数据分析算法应用于经上下文化的数据和经更新的软传感器值以得到经计算的数据,其然后用于调整生产单元的数据生成参数。在另一实施例中,智能可编程逻辑控制器从非易失性计算机可读存储介质检索历史软传感器值,在那些历史软传感器值上执行数据分析算法。
在一些实施例中,压缩技术可以应用于前述方法。例如,在一些实施例中,智能可编程逻辑控制器在将经更新的软传感器值存储在非易失性计算机可读存储介质上之前在每一个扫描循环期间压缩经更新的软传感器值。在一些实施例中,智能可编程逻辑控制器压缩经上下文化的数据以得到经压缩的经上下文化的数据,该数据然后存储在非易失性计算机可读存储介质上,所述非易失性计算机可读存储介质可操作地耦合到智能可编程逻辑控制器。
在一些实施例中,前述方法可以使用在系统、设备或制品或制造中。例如,在一个实施例中,用于在多个扫描循环内操作智能可编程逻辑控制器的制造品包括保存用于执行前述方法的计算机可执行指令的非暂时性、有形计算机可读介质。
在一些实施例中,一种智能可编程逻辑控制器包括处理器、易失性计算机可读存储介质、非易失性计算机可读存储介质和由处理器根据扫描循环而执行的控制器组件。处理器被配置成根据扫描循环而执行。易失性计算机可读存储介质包括过程图像区域。控制器组件包括软传感器选择组件,其被配置成选择对应于生产单元控制程序的可用的软传感器。每一个软传感器包括与生产单元控制程序相关联的局部参数或变量。控制器组件还包括软传感器更新组件,其被配置成在每一个扫描循环期间利用与软传感器相关联的值更新过程图像区域,以及历史记录者(historian)组件,其被配置成在每一个扫描循环期间将过程图像区域的内容存储在非易失性计算机可读存储介质上。在一些实施例中,历史记录者组件还被配置成基于经计算的数据而调整与生产单元控制程序相关联的生产单元的一个或多个数据生成参数(例如采样率值)。
在一些实施例中,可以向前述智能可编程逻辑控制器添加组件以提供附加的功能。例如,在一个实施例中,控制器组件还包括上下文化组件,其被配置成通过利用自动化系统上下文信息注释过程图像区域的内容来生成经上下文化的数据;以及数据连接器组件,其被配置成向外部组件传输经上下文化的数据。在一些实施例中,智能可编程逻辑控制器包括数据分析组件,其被配置成在经上下文化的数据上执行一个或多个数据分析算法以得到经计算的数据。
使得本发明的附加特征和优点将从参照随附各图进行的说明性实施例的以下详细描述而是明显的。
附图说明
当结合随附各图来阅读时,从以下详细描述最好地理解本发明的前述和其它方面。出于说明本发明的目的,在各图中示出目前优选的实施例,然而要理解的是,本发明不限于所公开的具体手段。包括在各图中的是以下附图:
图1提供了根据本发明的一些实施例的集成到自动化系统中的智能PLC的系统视图;
图2提供了根据本发明的一些实施例的包括在智能PLC中的系统组件及其与软传感器数据的关联的图示;
图3提供了根据本发明的一些实施例的可以如何选择软传感器值的概览;
图4示出根据本发明的一些实施例的车门装配过程的部分,其图示了其中可以利用软传感器数据;
图5图示了根据本发明的一些实施例的软传感器可以如何由智能PLC使用以便发现问题的根本原因;以及
图6示出根据本发明的一些实施例的在智慧PLC中在上下文化中使用软传感器的类似示例。
具体实施方式
本文描述了一般地涉及智能可编程逻辑控制器(PLC)的系统、方法和装置,所述PLC能够监视和利用与控制层变量相关联的值。这些值(在本文中称为“软传感器”)在常规系统中在控制层处被消费。也就是说,它们典型地不使用在自动化系统的较高层处。而且,在一些实例中,控制器自身内的这样的软传感器的可访问性和使用可能是受限的。然而,通过使用本文所描述的技术,软传感器值可以在每一个扫描循环期间被捕获并且用于进一步处理,诸如产生数据分析或错误分析。本文所描述的技术可以应用在其中使用控制系统的各种设置中,包括而不限于,工业生产环境。
本发明的各种实施例在PLC的上下文中描述,所述PLC包括被配置成提供控制应用中的增强功能的分类的各种组件。在题为“Intelligent Programmable LogicController”的美国申请号14/467,125中更详细地描述该PLC(在本文中称为“智能PLC”),其整体通过引用并入本文。简要地,智能PLC提供若干技术特征,若干技术特征可以存在于各种组合中并且使用在本发明的不同实施例中。智能PLC提供控制层设备上的高效数据存储。更具体地,控制层的功能可以通过高效存储机制针对时间序列数据而扩展(即“历史记录者”功能),其允许高分辨率时间戳的数据的短期/中期归档。利用高保真度数据,没有事件丢失。高效压缩算法(例如转门的变型)可以用于降低存储和通信需求。在一些实施例中,智能PLC还可以提供智能设备上数据生成方法。用于数据滤波的方法可以直接应用于其中数据被生成以确保附加数据只有在其提供附加的信息内容的情况下才被存储。这些方法还可以主动分析传入数据并且根据当前需要来配置数据采集,例如通过调整采样率或通过只有在已经检测到某些事件的情况下才存储数据。智能PLC还可以使得能够实现丰富且语义学上下文化,并且执行控制层语义学分析。此外,在一些实施例中,智能PLC还提供跨自动化系统的分布式分析。
图1提供了根据本发明的一些实施例的集成到自动化系统100中的智能PLC的系统视图。该示例在概念上将工业环境划分成生产层105、控制层110和IT层115。在常规系统中,大多数数据处置功能在IT层115处执行。通过使用智能PLC 110E和110F,图1中图示的系统100将这些数据处置功能中的许多功能向下推至控制层110。例如,在一些实施例中,诸如针对时间序列数据的高效数据压缩和数据的智能滤波之类的历史记录者能力可以直接实现在智能PLC 110E和110F上。这允许控制层115以较少的存储/通信努力来利用高保真度数据,使得极少(如果有的话)事件未被检测到。在一些实施例中,智能PLC 110E和110F还提供丰富的上下文化功能。通过向数据添加控制级知识,可能不必在IT层115处重新发现关于商业分析115C的知识。此外,在一些实施例中,智能PLC 110E和110F直接在其相应设备上提供数据分析功能,从而增加机器和过程效率。
继续参照图1,在生产层105处,一个或多个生产单元(例如单元105A)进行操作。每一个生产单元通过控制层110处的一个或多个现场设备(例如现场设备110A)发送和接收数据。在控制层110处,每一个现场设备可以连接到智能PLC(例如智能PLC 110E)。从生产单元接收的数据被(通过现场设备直接地或经由智能PLC)传送至IT层115。IT层115包括执行各种后处理和存储任务的系统。图1的示例包括监督控制和数据采集(SCADA)服务器(或网关)组件115A。该组件115A允许操作者在控制层110和生产层105处远程监视和控制设备。此外,SCADA服务器组件115A从较低层105、110收集数据并且处理信息以使其可用于统一工厂知识仓库(warehouse)115B。统一工厂知识仓库115B提供对从较低层105、110接收的数据的进一步处理和存储。各种功能可以由统一工厂知识仓库115B提供。例如,在一些实施例中,统一工厂知识仓库115B包括用于基于由较低层105、110生成的数据而生成分析的功能。
每一个智能PLC 110E和110F包括三个基本部分:处理器、非暂时性非易失性存储器系统和提供输入/输出功能的数据连接器。非易失性存储器系统可以采取许多形式,其包括例如可移除存储器卡或闪速驱动器。以下参照图2更加详细地描述可以在智能PLC 110E和110F内执行的应用。智能PLC 110E的数据连接器(有线或无线地)连接到现场设备110A和110B。类似地,智能PLC 110F的数据连接器连接到现场设备110C和110D。本领域中已知的任何现场设备可以与本文所描述的智能PLC一起使用。可以与智能PLC一起使用的示例现场设备包括而不限于,压力开关、传感器、按钮、流量开关和电平开关。要指出的是,智能PLC110E和110F可以被集成到生产环境部件中。例如,在图2中,生产单元105B和105C通过其相应的现场设备连接到智能PLC 110E和110F,而生产单元105A和105D直接通过其相应的现场设备110G、110H、110I、110J与统一工厂知识仓库115B通信。
与目前发展水平系统相比,智能PLC 110E和110F可以使用附加的上下文维度来丰富数据(例如控制知识、环境条件和服务发生率)。这允许以更高的置信度和质量从数据分析做出洞悉。在一些实施例中,系统100使用语义学数据表示语言和标准用于自动化系统中的数据的上下文化。这允许商业分析以及SCADA级历史记录者(例如OSI PI资产框架)以最小的努力被配置用于与来自其它系统/设备/源的数据集成。系统100还可以在控制层110处提供基于模型的语义学分析。因此,可以在设备运行时期间更新分析算法,并且可以通过提供对模型(而不是功能块中的编译逻辑)的显式访问来改进根本原因分析。在一些实施例中,系统100在控制层110中引入分布式数据共享系统并且与外部大数据基础设施集成。因此,应用可以独立于存储位置而访问所有所需数据。
除了传输到IT层115或生产层105的典型传感器输入和控制输出之外,智能PLC110E和110F还可以存储、利用和历史化局部控制层参数和变量,该局部控制层参数和变量在常规的自动化系统中被隐藏在控制层110内部。这些局部参数和变量在本文中集体被称为“软传感器”。因为每一个软传感器对应于在范围上“局部”的值,因此软传感器在本质上将一般是短暂的,仅如所需要的那么久地存在以辅助于控制输出的计算。然而,通过使用本文所描述的技术,软传感器可以甚至在它们被定义在其中的功能或程序完成执行之后被利用。
可以在本发明的各种实施例中使用的软传感器的示例包括控制状态信息、控制变量、控制参数等;使用在控制程序中的隐藏变量;具有去到物理传感器的链接导出的变量;作为分析功能的部分而生成的变量;以及在控制中使用的虚拟传感器。例如,考虑用于PLC的控制逻辑,其从生产层设备接收输入信号、执行一些计算并且生成用于生产层设备的输出信号。在常规系统中,IT层115或生产层105最多仅知晓输入信号和输出信号。使用在执行计算中的任何状态信息、参数或变量仅在PLC内被内部地使用,并且作为结果,一旦生成输出信号,这样的数据就丢失。然而,该数据在完全地理解自动化系统的操作以执行诸如优化和错误检测之类的功能中可能是有用的。因此,通过使用本文所描述的技术,为了供系统100的附加利用而捕获在控制层110处生成的软传感器数据。
图2提供了根据本发明的一些实施例的包括在智能PLC中的系统组件200及其与软传感器数据的关联的图示。过程图像组件225是控制器的CPU易失性系统存储器中的存储器区域,其在每一个处理/扫描循环中基于与生产设备相关联的数据(例如所连接的I/O的输入和输出)而被更新。在每一个处理步骤中,控制应用230读取过程图像组件225,执行所部署的应用逻辑,并且将结果写回到过程图像组件225中。在本发明的各种实施例中,控制应用230可以包括从隐藏控制数据生成的软传感器(“隐藏控制数据软传感器”)240,诸如在控制应用230外一般不可访问的局部变量和参数。当控制应用将结果写入到过程图像组件225中时,其可以附加地写入隐藏控制数据软传感器240。在一些实施例中,所有隐藏控制数据软传感器240可以在每一个扫描循环期间被写入到过程图像组件225。在其它实施例中,在每一个扫描循环期间写入到过程图像组件225的数据可以是隐藏控制数据软传感器240的有限的用户选择的子集。
继续参照图2,每一个循环的过程图像被历史记录者组件220读取和永久地存储在非易失性物理存储介质上。在一些实施例中,该历史记录者组件220被配置成部署数据压缩算法以降低数据体积。其由此可以为应用提供对过去的过程图像的访问。可以在固定时间窗口内存储数据,或者在线算法用于实现动态缓存启发法。作为历史记录者组件220的部分,智能数据生成算法可以连续地分析过程图像和上下文以调整所连接的I/O的数据生成参数(例如采样率)。例如,对于快速改变的传感器信号,可以选择高采样率,而对于缓慢改变的传感器数据,较低采样率是足够的。
数据分析组件205包括数据分析算法的集合,所述数据分析算法处理当前或过去的过程图像(从历史记录者查询的)。各种数据分析算法可以被包括在数据分析组件205中。例如,在一些实施例中,这些算法包括以下中的一个或多个:群集、分类、基于逻辑的推理和统计学分析算法。而且,算法可以经由模型而指定,所述模型可以在运行时期间在设备上部署。数据分析组件205还可以包括各种分析模型和专用算法以解释这些模型。由数据分析组件205生成的结果可以被存储在历史记录者组件220中,写回到过程图像组件225和/或经由数据连接器组件210提供给外部组件。因此,智能PLC可以被视为用于向自动化系统中的其它设备提供分布式分析的设备。
在本发明的各种实施例中,当执行算法和/或模型时,数据分析组件205生成软传感器数据245(“数据分析软传感器”)。例如,当数据分析算法由数据分析组件205执行时,各种变量可以被生成和存储为数据分析软传感器245。在一些实施例中,所有数据分析软传感器245可以在每一个扫描循环期间被写入到过程图像组件225。在其它实施例中,在每一个扫描循环期间写入到过程图像组件225的数据可以是数据分析软传感器245的有限的用户选择的子集。
上下文化组件215利用上下文信息注释传入数据以促进其稍后的解释。如本文所使用的,上下文信息可以包括描述数据的含义的任何信息。例如,自动化系统中的数据的上下文可以包括关于生成数据的设备(例如传感器)、关于自动化系统的结构(例如工厂的拓扑)、关于系统的工作模式(例如停机时间事件)、关于自动化软件及其在生成数据时的状态和/或关于在生成数据时生产的产品/批次的信息。上下文化组件被配置成向其它组件中的任何一个提供数据以用于更具体地处理需要。由上下文化组件215生成的上下文信息可以不限于资产结构,而是还可以包括控制知识、产品特定信息、过程信息、事件信息和潜在地其它方面,诸如外部事件,比如天气信息。一些上下文信息可以从工程工具(例如西门子全集成自动化工具)导入。此外,在一些实施例中,上下文化组件215提供语义学上下文化。上下文可以通过标准建模语言(例如Web本体语言、资源描述框架)来表示,其中正式地定义语言构造的含义。具有这些语义学建模标准的数据的上下文化使得商业分析应用能够在没有人工配置努力的情况下自动理解和解释从自动化系统提供的数据。
由系统200的组件捕获或生成的任何数据可以经由数据连接器组件210提供给外部组件。在一些实施例中,数据连接器组件210经由推送方法(即向外部组件主动发送)递送数据。在其它实施例中,可以使用拉取方法,其中数据由外部组件查询)。此外,推送和拉取方法在一些实施例中可以被组合,使得智能PLC被配置成处置数据传送的两种形式。
如图2中所示,组件级软传感器235可以在数据连接器组件210、上下文化组件215和历史记录者组件220内生成。在每一个扫描循环期间,与组件级软传感器235相关联的数据可以被写入到过程图像组件225并且被系统200的各种组件视为与其它控制数据类似。因此,例如,上下文化组件215可以基于控制上下文数据而创建条件阈值,使得超过该阈值触发错误事件。涉及该条件阈值的信息可以被写入到过程图像组件225以供历史记录者组件220历史化。此外,这样的信息可以由数据连接器组件210提供给外部设备。
图3提供了根据本发明的一些实施例的可以如何选择软传感器值的概览300。图3中图示的示例被划分到两个位置中:应用开发环境305和生产环境315。控制应用310由操作在应用开发环境305内的应用开发者305A来创建。在包括在控制应用310中的控制器逻辑310A的开发期间,应用开发者305A执行一个或多个附加操作以使隐藏的控制变量在其中声明和使用它们的功能外可访问。所述附加操作可以包括例如,手动地识别隐藏的控制变量(例如通过具体标记变量)或者(例如在没有具体交互的情况下在PLC程序的编译期间)自动地执行这样的识别的工具的使用。在诸如图3的示例之类的实施例中,应用开发者305A生成软传感器符号表310B,其将经编译的控制器逻辑310A中的指令映射到其对应的变量、功能或控制器逻辑310A源代码中的行。各种技术可以用于生成这样的表。例如,在一些实施例中,参数(例如“-softsensor”)可以用于生成软传感器符号表310B。在其它实施例中,软传感器符号表310B是调试器表的形式,其可以使用调试器标志在编译期间生成。由于软传感器符号表310B可以揭示关于控制器逻辑310A的源代码的细节,因此在一些实施例中加密或其它安全措施可以在递送至生产环境315之前应用于控制应用310。
在生产环境315处,控制应用310被安装和使用在执行智能PLC逻辑315B的控制器315A上,智能PLC逻辑315B实行以上参照图2描述的功能。软传感器组件315C管理软传感器符号表310B的处理和解释。例如,软传感器组件315C可以用于选择在智能PLC逻辑315B中可用的一个或多个软传感器。当控制应用310执行时,这样的选择可以经由智能PLC逻辑315B自动发生。例如,基于所观察到的条件的特定集合,智能PLC逻辑315B可以确定应当监视特定软传感器变量。因此,其将自动开始历史化针对该变量的数据。可替换地,不是使选择是自动的,而是用户可以向智能PLC逻辑315B提供指令以选择特定软传感器变量以用于监视。在极端情况下,可以监视所有可用软传感器。然而,由于计算约束,可能合期望的是限制所监视的软传感器的数目。一旦选择了软传感器,软传感器组件315C用于在每一个扫描循环期间利用与那些软传感器相关联的值更新过程图像区域。
软传感器组件315C的功能可以被划分成若干组件(例如软传感器选择组件和软传感器更新组件)。此外,在一些实施例中,软传感器组件315C可以集成到图2中图示的智能PLC系统中。因此,与图3形成对照的是,那些实施例中的软传感器组件315C可以是智能PLC逻辑315B的团体。
在一些实施例中,控制器315A和智能PLC逻辑315B包括联网功能,其允许设备与由现场维护工程师315E操作的无线设备315F(例如平板计算机)(直接或间接地)通信。这允许现场维护工程师315E与软传感器组件315C直接交互。例如,当控制应用310在控制器315A上执行时,现场维护工程师315E可以使用无线设备315F来查看软传感器值。通过使用智能PLC逻辑315B,提供给现场维护工程师315E的信息可以此外包括分析和上下文化信息。在一些实施例中,软传感器组件315C此外允许现场维护工程师315E提供软传感器配置315D,其可以改变软传感器组件315C的操作。例如,软传感器配置315D可以改变正被监视的软传感器(即添加或移除特定变量)或基于软传感器而创建调节警报(例如如果速度超过5m/s,则发送警报信号)。
图4示出根据本发明的一些实施例的车门装配过程400的部分,其图示了其中可以利用软传感器数据。在405处,主体滑轨(body skid)进入装配单元。接着,主体滑轨的ID通过首先在410处读取它并且然后在415处检查它以确保它有效来确认。在滑轨的ID被确认之后,系统尝试将主体滑轨定位在正确的位置中以用于进一步装配过程。这可以作为一个或多个控制循环内的回转发生。在420处,滑轨位置在步骤430处被读取和检查以确定其是否在期望的范围中。如果滑轨位置不在期望的范围中,在425处移动它并且再次执行步骤420和430。一旦滑轨正确定位,定位过程在435处结束,并且主体滑轨准备好进行进一步装配过程。
在执行过程400的同时使用在PLC中的控制变量测量使滑轨处于正确位置中所花费的控制循环的数目。在常规系统中,该变量仅实时用于控制并且未被历史化。然而,使门装配单元内部的滑轨稳定所花费的循环数目的记录可以帮助在产线结束之前检测质量问题并且预报和防止潜在错误。通过使用本文所描述的技术,这些和其它控制变量可以被历史化,从而使其可用于例如稍后的上下文化和场内分析以分析过程400。例如,在PLC内部,以下变量可以用于控制过程400:速度、时间中的改变(“DeltaTime(增量时间)”)和位置。PLC可以使用以下内部控制逻辑:(i)汽车进入单元;(ii)通过速度与DeltaTime相乘来计算位置;(iii)检查位置;以及(iv)如果位置不可接受,则应用位置校正。在该情况下,DeltaTime仅用于在PLC处内部地计算滑轨位置。因此,一旦其用于更新位置,其不再被维护在存储装置中。然而,如果DeltaTime被历史化,则场内分析可以利用它。例如,其可以与“QualityError(质量错误)”变量相关以便预报和防止定位错误,如以下参照图5所解释的。
图5图示了根据本发明的一些实施例的软传感器可以如何由智能PLC使用以便发现问题的根本原因。在该示例中,如在DeltaTime数据505中所示,已经创建了条件,使得如果软传感器DeltaTime已经超过某个阈值(例如30s),则触发位置错误事件(“PositionError(位置错误)”)。QualityError数据510指示是否在产线结束处检测到质量错误事件。智能PLC可以分析数据505、510并且执行质量错误事件与位置错误事件之间的相关性研究。该分析可以揭示由位置错误引起的质量错误,所述位置错误可以通过查看DeltaTime控制变量来预测。这在结果515中示出,其中确定如果DeltaTime大于30秒阈值,则存在75%的几率将发生质量错误事件。基于该知识,智能PLC可以向操作者发布指令以避免将来的类似质量错误。例如,一旦DeltaTime出界,智能PLC就可以通知操作者执行位置传感器的手动检查,并且找出潜在污浊或油腻的条形码读取,这可能是问题的最终根本原因。
图6示出根据本发明的一些实施例的在智慧PLC中的上下文中使用软传感器的类似示例。在该示例中,振荡回路计数和位置增量时间变量用于根本原因分析。门装配过程由智慧PLC在五个不同的上下文模型中进行建模,五个不同的上下文模型与彼此相关:事件模型、控制模型、资产模型、产品模型和过程模型。位置控制器605具有两个控制变量:“定位增量时间”610和“振荡回路计数”615。这两个变量610、615是相关的,因为它们由控制程序620用于验证位置传感器中的潜在位置错误。例如,一旦检测到高振荡回路计数或长定位时间,就可以触发位置错误事件,其指示质量错误。相应地,变量610、615可以被指定为软传感器(自动地或基于用户选择)。然后,可以在值上执行附加的分析或计算,如以上参照图6所描述的。
在一些实施例中,智能PLC提供生态系统,在其之上可以构造利用软传感器数据的应用。例如,在一个实施例中,智能PLC的软件包括应用编程接口(API),其指定外部软件组件可以如何与在智能PLC上操作的软件交互。该API可以包括诸如查询软传感器值、选择软传感器值和上下文化软传感器值与高层数据之类的功能。API还可以用于将单独的智能PLC联网在一起,从而创建控制器的网络,所述控制器可以通过共享与其相应控制程序相关联的软传感器数据来增强其对数据的处理。
本文描述为由控制层设备使用的处理器可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)或本领域中已知的任何其它处理器。更一般地,如本文所使用的处理器是用于执行存储在计算机可读介质上的机器可读指令、用于执行任务的设备,并且可以包括硬件和固件中的任何一个或组合。处理器还可以包括存储可执行以用于执行任务的机器可读指令的存储器。处理器通过操纵、分析、修改、转换或传输信息以供可执行过程或信息设备使用,和/或通过将信息路由到输出设备来作用于信息。处理器可以使用或包括例如计算机、控制器或微处理器的能力,并且使用可执行指令来调节以执行未被通用计算机执行的专用功能。处理器可以与使得能够实现其间的交互和/或通信的任何其它处理器耦合(电气地和/或如包括可执行组件)。用户接口处理器或生成器是已知的元件,其包括电子电路或软件或二者的组合以用于生成显示图像或其部分。用户接口包括使得能够实现与处理器或其它设备的用户交互的一个或多个显示图像。
包括而不限于控制层设备和相关计算基础设施的本文所描述的各种设备可以包括用于保存根据本发明的实施例编程的指令并且用于包含本文所描述的数据结构、表格、记录或其它数据的至少一个计算机可读介质或存储器。如本文所使用的术语“计算机可读介质”是指参与向一个或多个处理器提供指令以供执行的任何介质。计算机可读介质可以采取许多形式,其包括但不限于,非暂时性非易失性介质、易失性介质和传输介质。非易失性介质的非限制性示例包括光盘、固态驱动器、磁盘和磁光盘。易失性介质的非限制性示例包括动态存储器。传输介质的非限制性示例包括同轴线缆、铜线和光纤,其包括构成系统总线的线。传输介质还可以采取声波或光波的形式,诸如在无线电波和红外数据通信期间生成的那些。
如本文所使用的可执行应用包括用于例如响应于用户命令或输入而调节处理器以实现预定功能(诸如操作系统、上下文数据采集系统或其它信息处理系统的那些)的代码或机器可读指令。可执行过程是代码或机器可读指令的段、子例程或用于执行一个或多个特定过程的可执行应用的代码或部分的其它不同区段。这些过程可以包括接收输入数据和/或参数,在所接收的输入数据上执行操作和/或响应于所接收的输入参数而执行功能,以及提供所得到的输出数据和/或参数。
如本文所使用的图形用户接口(GUI)包括一个或多个显示图像,其由显示处理器生成并且使得能够实现与处理器或其它设备的用户交互以及相关联的数据采集和处理功能。GUI还包括可执行过程或可执行应用。可执行过程或可执行应用调节显示处理器以生成表示GUI显示图像的信号。这些信号被供应到显示设备,显示设备显示图像以供用户查看。处理器,在可执行过程或可执行应用的控制之下,响应于从输入设备接收的信号而操纵GUI显示图像。以此方式,用户可以使用输入设备与显示图像交互,从而使得能够实现与处理器或其它设备的用户交互。
本文中的功能和过程步骤可以自动地、完全地或部分地响应于用户命令而执行。自动执行的活动(包括步骤)在没有活动的用户直接发起的情况下响应于一个或多个可执行指令或设备操作而执行。
各图的系统和过程不是排他性的。可以依照本发明的原理而导出其它系统、过程和菜单以完成相同的目的。尽管已经参照特定实施例描述了本发明,但是要理解的是,本文所示出和描述的实施例和变型仅仅为了说明性目的。可以在不脱离本发明的范围的情况下由本领域技术人员实现对当前设计的修改。如本文所描述的,各种系统、子系统、代理、管理器和过程可以使用硬件组件、软件组件和/或其组合来实现。本文中没有权利要求要素要在35 U.S.C. 112第六款的规定之下被解释,除非该要素被使用短语“用于……的部件”明确记载。

Claims (20)

1.一种在多个扫描循环内操作智能可编程逻辑控制器的方法,所述方法包括:
通过智能可编程逻辑控制器选择对应于生产单元的控制程序中可用的一个或多个软传感器,每一个软传感器包括由所述控制程序使用的局部参数或变量;
通过智能可编程逻辑控制器在每一个扫描循环期间确定对应于所述一个或多个软传感器的经更新的软传感器值;
通过智能可编程逻辑控制器在每一个扫描循环期间将所述经更新的软传感器值存储在非易失性计算机可读存储介质上,所述非易失性计算机可读存储介质可操作地耦合到智能可编程逻辑控制器;以及
通过智能可编程逻辑控制器利用自动化系统上下文信息注释所述经更新的软传感器值以生成经上下文化的数据。
2.根据权利要求1所述的方法,还包括:
通过智能可编程逻辑控制器识别与所述控制程序相关联的软传感器符号表,
其中所述一个或多个软传感器是使用所述软传感器符号表来选择的。
3.根据权利要求1所述的方法,还包括:
通过智能可编程逻辑控制器将一个或多个数据分析算法应用于所述经上下文化的数据和所述经更新的软传感器值中的至少一个以得到经计算的数据;以及
基于所述经计算的数据而调整所述生产单元的一个或多个数据生成参数。
4.根据权利要求1所述的方法,还包括:
通过智能可编程逻辑控制器从所述非易失性计算机可读存储介质检索一个或多个历史软传感器值;以及
通过智能可编程逻辑控制器在所述一个或多个历史软传感器值上执行一个或多个数据分析算法。
5.根据权利要求1所述的方法,还包括:
通过智能可编程逻辑控制器在将所述经更新的软传感器值存储在所述非易失性计算机可读存储介质上之前在每一个扫描循环期间压缩所述经更新的软传感器值。
6.根据权利要求1所述的方法,还包括:
通过智能可编程逻辑控制器压缩所述经上下文化的数据以得到经压缩的经上下文化的数据;以及
通过智能可编程逻辑控制器将所述经压缩的经上下文化的数据存储在所述非易失性计算机可读存储介质上,所述非易失性计算机可读存储介质可操作地耦合到智能可编程逻辑控制器。
7.根据权利要求1所述的方法,其中所述自动化系统上下文信息包括以下中的一个或多个:生成与所述经更新的软传感器值相关联的数据的设备的指示、包括智能可编程逻辑控制器的自动化系统的结构描述、系统工作模式指示器和关于在所述经更新的软传感器值被确定时生产的产品的信息。
8.根据权利要求1所述的方法,其中所述自动化系统上下文信息包括以下中的一个或多个:由智能可编程逻辑控制器利用的自动化软件的描述或指示在所述经更新的软传感器值被确定时的自动化软件的状态的状态指示器。
9.一种智能可编程逻辑控制器,包括:
处理器,其被配置成根据扫描循环而执行;
易失性计算机可读存储介质,其包括过程图像区域;
非易失性计算机可读存储介质;以及
由处理器根据扫描循环而执行的多个控制器组件,所述多个控制器组件包括:
软传感器选择组件,其被配置成选择对应于生产单元控制程序的可用的一个或多个软传感器,每一个软传感器包括与所述生产单元控制程序相关联的局部参数或变量,
软传感器更新组件,其被配置成在每一个扫描循环期间利用与所述一个或多个软传感器相关联的值更新所述过程图像区域,以及
历史记录者组件,其被配置成在每一个扫描循环期间将所述过程图像区域的内容存储在所述非易失性计算机可读存储介质上。
10.根据权利要求9所述的智能可编程逻辑控制器,其中所述多个控制器组件还包括:
上下文化组件,其被配置成通过利用自动化系统上下文信息注释所述过程图像区域的内容来生成经上下文化的数据,以及
数据连接器组件,其被配置成向一个或多个外部组件传输所述经上下文化的数据。
11.根据权利要求10所述的智能可编程逻辑控制器,还包括:
数据分析组件,其被配置成在所述经上下文化的数据上执行一个或多个数据分析算法以得到经计算的数据。
12.根据权利要求11所述的智能可编程逻辑控制器,其中所述历史记录者组件还被配置成基于所述经计算的数据而调整与所述生产单元控制程序相关联的生产单元的一个或多个数据生成参数。
13.根据权利要求12所述的智能可编程逻辑控制器,其中所述一个或多个数据生成参数包括采样率值。
14.根据权利要求12所述的智能可编程逻辑控制器,其中所述数据分析组件还被配置成:
从所述非易失性计算机可读存储介质检索一个或多个历史软传感器值;以及
在所述一个或多个历史软传感器值上执行所述一个或多个数据分析算法。
15.根据权利要求9所述的智能可编程逻辑控制器,其中所述历史记录者组件还被配置成:
在将所述内容存储在所述非易失性计算机可读存储介质上之前在每一个扫描循环期间压缩与所述一个或多个软传感器相关联的值。
16.一种用于在多个扫描循环内操作智能可编程逻辑控制器的制造品,所述制造品包括保存用于执行方法的计算机可执行指令的非暂时性、有形计算机可读介质,所述方法包括:
选择对应于生产单元的控制程序中可用的一个或多个软传感器,每一个软传感器包括由所述控制程序使用的局部参数或变量;
在每一个扫描循环期间确定对应于所述一个或多个软传感器的经更新的软传感器值;
在每一个扫描循环期间将所述经更新的软传感器值存储在非易失性计算机可读存储介质上,所述非易失性计算机可读存储介质可操作地耦合到智能可编程逻辑控制器;以及
利用自动化系统上下文信息注释所述经更新的软传感器值以生成经上下文化的数据。
17.根据权利要求16所述的制造品,其中所述方法还包括:
识别与所述控制程序相关联的软传感器符号表,
其中所述一个或多个软传感器是使用所述软传感器符号表来选择的。
18.根据权利要求17所述的制造品,其中所述方法还包括:
将一个或多个数据分析算法应用于所述经上下文化的数据和所述经更新的软传感器值中的至少一个以得到经计算的数据;以及
基于所述经计算的数据而调整所述生产单元的一个或多个数据生成参数。
19.根据权利要求16所述的制造品,其中所述方法还包括:
从所述非易失性计算机可读存储介质检索一个或多个历史软传感器值;以及
在所述一个或多个历史软传感器值上执行一个或多个数据分析算法。
20.根据权利要求16所述的制造品,其中所述方法还包括:
在将所述经更新的软传感器值存储在所述非易失性计算机可读存储介质上之前在每一个扫描循环期间压缩所述经更新的软传感器值。
CN201480083065.5A 2014-10-30 2014-10-30 在可编程逻辑控制器中使用软传感器 Active CN107077114B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2014/063105 WO2016068929A1 (en) 2014-10-30 2014-10-30 Using soft-sensors in a programmable logic controller

Publications (2)

Publication Number Publication Date
CN107077114A true CN107077114A (zh) 2017-08-18
CN107077114B CN107077114B (zh) 2020-09-29

Family

ID=51900537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480083065.5A Active CN107077114B (zh) 2014-10-30 2014-10-30 在可编程逻辑控制器中使用软传感器

Country Status (4)

Country Link
US (1) US10739746B2 (zh)
EP (1) EP3213157B1 (zh)
CN (1) CN107077114B (zh)
WO (1) WO2016068929A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109491307A (zh) * 2017-09-12 2019-03-19 欧姆龙株式会社 控制装置及控制方法
CN109857018A (zh) * 2019-01-28 2019-06-07 中国地质大学(武汉) 一种数字传感器软模型系统
CN111339544A (zh) * 2019-04-24 2020-06-26 上海安路信息科技有限公司 离线下载装置及离线下载方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6248901B2 (ja) * 2014-11-13 2017-12-20 横河電機株式会社 入出力装置
US10983507B2 (en) 2016-05-09 2021-04-20 Strong Force Iot Portfolio 2016, Llc Method for data collection and frequency analysis with self-organization functionality
US11327475B2 (en) 2016-05-09 2022-05-10 Strong Force Iot Portfolio 2016, Llc Methods and systems for intelligent collection and analysis of vehicle data
US11774944B2 (en) 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
US20180284735A1 (en) 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment
KR102000416B1 (ko) 2016-05-09 2019-07-15 스트롱 포스 아이오티 포트폴리오 2016, 엘엘씨 산업용 사물 인터넷을 위한 방법들 및 시스템들
US11237546B2 (en) 2016-06-15 2022-02-01 Strong Force loT Portfolio 2016, LLC Method and system of modifying a data collection trajectory for vehicles
CN106959672B (zh) * 2017-04-28 2020-07-28 深圳市汇川控制技术有限公司 一种基于api的工业运动控制系统及方法
US11442445B2 (en) 2017-08-02 2022-09-13 Strong Force Iot Portfolio 2016, Llc Data collection systems and methods with alternate routing of input channels
EP3662331A4 (en) 2017-08-02 2021-04-28 Strong Force Iot Portfolio 2016, LLC METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL INTERNET OF THINGS DATA COLLECTION ENVIRONMENT WITH LARGE AMOUNTS OF DATA
US10505955B2 (en) * 2017-08-22 2019-12-10 General Electric Company Using virtual sensors to accommodate industrial asset control systems during cyber attacks
US11662719B2 (en) * 2017-09-29 2023-05-30 Rockwell Automation Technologies, Inc. Classification modeling for monitoring, diagnostics optimization and control
EP3502812A1 (de) * 2017-12-21 2019-06-26 Siemens Aktiengesellschaft Anzeige von symbolen zu referenzen in einem debugger für industrielle automatisierungskomponenten
US10705511B2 (en) * 2018-07-11 2020-07-07 Siemens Aktiengesellschaft Abstraction layers for automation applications
EP3696636A1 (en) * 2019-02-12 2020-08-19 Siemens Aktiengesellschaft Virtual sensor for an industrial control system
EP3990989A1 (en) * 2019-06-28 2022-05-04 ABB Schweiz AG Interactive field device interface for monitoring and controlling an industrial process by industrial automation system
BR102020026079A2 (pt) * 2020-12-18 2022-07-05 Robert Bosch Limitada Dispositivo, sistema e método de monitoramento de ferramentas para processos de fabricação

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040042874A (ko) * 2002-11-14 2004-05-20 에이에스엠 인터내셔널 엔.붸. 하이브리드 캐스케이드 모델 기반의 예측 제어 시스템
JP2006345795A (ja) * 2005-06-17 2006-12-28 Iseki & Co Ltd 水田作業車
CN101365994A (zh) * 2007-02-19 2009-02-11 三菱电机株式会社 可编程控制器的外围装置、置换方法和程序
CN101587350A (zh) * 2009-06-05 2009-11-25 江苏大学 基于模糊神经逆的青霉素发酵过程关键生化量的软测量方法及系统构造
CN102042203A (zh) * 2010-10-18 2011-05-04 虞岩贵 压缩机智能监控与软测量增效技术
CN102084303A (zh) * 2008-03-03 2011-06-01 阿尔斯托姆科技有限公司 用于使用模型预测控制器来优化化学循环燃烧装置的设备
CN102486639A (zh) * 2010-12-04 2012-06-06 中国科学院沈阳自动化研究所 Plc逻辑控制器串行通讯数据的读取、配置方法及装置
CN102830649A (zh) * 2012-08-22 2012-12-19 国电联合动力技术有限公司 用于风电控制系统plc控制器软件跨平台移植的方法
DE102012207437B3 (de) * 2012-05-04 2013-05-29 Siemens Aktiengesellschaft Verfahren zum Betrieb einer speicherprogrammierbaren Steuerung
CN103163820A (zh) * 2011-12-19 2013-06-19 深圳市汇川控制技术有限公司 便于程序调试的可编程逻辑控制器及实现方法
US8793004B2 (en) * 2011-06-15 2014-07-29 Caterpillar Inc. Virtual sensor system and method for generating output parameters
CN104142662A (zh) * 2013-05-09 2014-11-12 洛克威尔自动控制技术股份有限公司 云平台中的工业数据分析
US20160054720A1 (en) * 2014-08-25 2016-02-25 Siemens Aktiengesellschaft Intelligent programmable logic controller

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970009698B1 (ko) * 1994-07-07 1997-06-17 엘지산전 주식회사 피엘씨의 통신 파라메터 설정 방법
US7676281B2 (en) * 2005-05-13 2010-03-09 Rockwell Automation Technologies, Inc. Distributed database in an industrial automation environment
US7499842B2 (en) * 2005-11-18 2009-03-03 Caterpillar Inc. Process model based virtual sensor and method
US20080313228A1 (en) * 2007-06-15 2008-12-18 Rockwell Automation Technologies, Inc. Controller log and log aggregation
US20090088884A1 (en) * 2007-09-28 2009-04-02 Gm Global Technology Operations, Inc. Manufacturing automation system components compatibility and performance testing with integrated virtual and real environment
KR101279710B1 (ko) * 2011-04-01 2013-06-27 엘에스산전 주식회사 Plc 데이터 로그모듈 및 이의 데이터 저장 방법
US8615683B2 (en) * 2011-06-24 2013-12-24 Rockwell Automation Technologies, Inc. Capturing data during operation of an industrial controller for the debugging of control programs
KR101713462B1 (ko) * 2012-11-22 2017-03-07 미쓰비시덴키 가부시키가이샤 프로그램 작성 지원 장치, 방법 및 기록 매체
US9528914B2 (en) * 2013-09-27 2016-12-27 Rosemount, Inc. Non-intrusive sensor system

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040042874A (ko) * 2002-11-14 2004-05-20 에이에스엠 인터내셔널 엔.붸. 하이브리드 캐스케이드 모델 기반의 예측 제어 시스템
JP2006345795A (ja) * 2005-06-17 2006-12-28 Iseki & Co Ltd 水田作業車
CN101365994A (zh) * 2007-02-19 2009-02-11 三菱电机株式会社 可编程控制器的外围装置、置换方法和程序
CN102084303A (zh) * 2008-03-03 2011-06-01 阿尔斯托姆科技有限公司 用于使用模型预测控制器来优化化学循环燃烧装置的设备
CN101587350A (zh) * 2009-06-05 2009-11-25 江苏大学 基于模糊神经逆的青霉素发酵过程关键生化量的软测量方法及系统构造
CN102042203A (zh) * 2010-10-18 2011-05-04 虞岩贵 压缩机智能监控与软测量增效技术
CN102486639A (zh) * 2010-12-04 2012-06-06 中国科学院沈阳自动化研究所 Plc逻辑控制器串行通讯数据的读取、配置方法及装置
US8793004B2 (en) * 2011-06-15 2014-07-29 Caterpillar Inc. Virtual sensor system and method for generating output parameters
CN103163820A (zh) * 2011-12-19 2013-06-19 深圳市汇川控制技术有限公司 便于程序调试的可编程逻辑控制器及实现方法
DE102012207437B3 (de) * 2012-05-04 2013-05-29 Siemens Aktiengesellschaft Verfahren zum Betrieb einer speicherprogrammierbaren Steuerung
CN102830649A (zh) * 2012-08-22 2012-12-19 国电联合动力技术有限公司 用于风电控制系统plc控制器软件跨平台移植的方法
CN104142662A (zh) * 2013-05-09 2014-11-12 洛克威尔自动控制技术股份有限公司 云平台中的工业数据分析
US20160054720A1 (en) * 2014-08-25 2016-02-25 Siemens Aktiengesellschaft Intelligent programmable logic controller

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BASTIEN PIETROPAOLI等: "Virtual Sensors and Data Fusion in a Multi-Level Context Computing Architecture", 《PROCEEDINGS OF THE 16TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION》 *
MIN WU: "Integrated soft sensing of coke-oven temperature", 《CONTROL ENGINEERINGPRACTICE》 *
PETR KADLEC,ET AL: "Data-driven Soft Sensors in the process industry", 《COMPUTERS & CHEMICAL ENGINEERING》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109491307A (zh) * 2017-09-12 2019-03-19 欧姆龙株式会社 控制装置及控制方法
CN109491307B (zh) * 2017-09-12 2022-02-15 欧姆龙株式会社 控制装置及控制方法
CN109857018A (zh) * 2019-01-28 2019-06-07 中国地质大学(武汉) 一种数字传感器软模型系统
CN109857018B (zh) * 2019-01-28 2020-09-25 中国地质大学(武汉) 一种数字传感器软模型系统
CN111339544A (zh) * 2019-04-24 2020-06-26 上海安路信息科技有限公司 离线下载装置及离线下载方法

Also Published As

Publication number Publication date
US20170371311A1 (en) 2017-12-28
EP3213157A1 (en) 2017-09-06
EP3213157C0 (en) 2024-03-20
WO2016068929A1 (en) 2016-05-06
CN107077114B (zh) 2020-09-29
US10739746B2 (en) 2020-08-11
EP3213157B1 (en) 2024-03-20

Similar Documents

Publication Publication Date Title
CN107077114A (zh) 在可编程逻辑控制器中使用软传感器
US11868684B2 (en) Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof
CN106796423B (zh) 智能可编程逻辑控制器
CN106354082B (zh) 一种基于知识的可编程逻辑控制器
Xia et al. Data-driven prognosis method using hybrid deep recurrent neural network
Mourtzis et al. Intelligent predictive maintenance and remote monitoring framework for industrial equipment based on mixed reality
CN107835964A (zh) 控制情境化以及关于控制的推理
CN104142663B (zh) 云平台中的工业设备和系统证明
EP3335083B1 (en) Rich contextualization of automation data
CN110428135A (zh) 一种综合管廊设备状态监测管理系统
CN107077117B (zh) 基于上下文知识的自动压缩算法选择和参数调节
May et al. Zero defect manufacturing strategies and platform for smart factories of industry 4.0
Bousdekis et al. A RAMI 4.0 view of predictive maintenance: software architecture, platform and case study in steel industry
CN107250932A (zh) 可编程逻辑控制器中的语义情境化
CN107850893B (zh) 使用上下文信息在智能可编程逻辑控制器上生成事件
Christou et al. End-to-end industrial IoT platform for actionable predictive maintenance
CN115358155A (zh) 一种电力大数据异常预警方法、装置、设备及可读存储介质
CN116483009A (zh) 一种基于互联网的工业数据采集处理系统
CN117078163A (zh) 基于数字孪生的物流仓储管控系统及方法
Abdoune et al. An enhanced methodology of Fault Detection and Diagnosis based on Digital Twin
WO2023089097A1 (en) Scalable, data-driven digital marketplace providing a standardized secured data system for interlinking sensitive risk-related data, and method thereof
Gaurkar et al. Predictive maintenance of industrial machines using machine learning
Helgo Deep Learning and Machine Learning Algorithms for Enhanced Aircraft Maintenance and Flight Data Analysis
Karagiorgou et al. On making factories smarter through actionable predictions based on time-series data
US20240160191A1 (en) Industrial automation relational data extraction, connection, and mapping

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant