CN107077132A - 使用分布式控制系统来管理加工厂的子系统的方法 - Google Patents

Abstract

本发明涉及管理加工厂的多个子系统。加工厂使用具有分布在加工厂内的多个数据库的分布式控制系统(DCS)来控制，其中每个数据库包括与多个子系统的至少一个子系统对应的信息。该方法包括在DCS的人机接口处接收查询，其中查询具有预定类型，并且与子系统的操作和健康中的至少一个关联。该方法还包括在DCS的服务器处识别包括与子系统对应的信息的数据库。此外，该方法包括基于与子系统对应的信息来处理查询。另外，该方法包括通过控制一个或多个子系统中的过程的过程参数,利用DCS以控制子系统的操作。

Description

使用分布式控制系统来管理加工厂的子系统的方法

技术领域

本发明一般涉及管理加工厂的子系统。更具体来说，本发明涉及将具有分布在加工厂内的多个数据库的分布式控制系统(DCS)用于控制子系统中的过程。

背景技术

在造纸、化学、石油、功率或其他加工厂中，技术人员涉及执行例行诊断和维护操作。这些操作可涉及预测/确定子系统或者其组件的状态。为了执行这类操作，技术人员通常将会从工厂将执行操作所要求的数据取出到本地存储装置(例如远程客户端)中。此后，基于所导入数据的特性和诊断/维护的性质，技术人员将会对数据选择、训练和应用模型。按照结果，技术人员可执行进一步诊断或采取动作，以便预防或控制(一个或多个)过程，以确保加工厂的健康操作。

上述方式因与技术人员的依赖性而是限制性的。该方法的效率主要取决于技术人员的能力。由于加工厂中的数据的复杂性质，可存在可用于数据分析的很大数量的模型(或模型集合体)。每个模型或(一个或多个)模型集合体对数据集可能是不易可应用的以得到结果。应用这种模型或(一个或多个)模型集合体可要求关于各种学习和分析模型的专业知识以及与各种各样模型一起工作的经验。如果技术人员无法准确选择模型并且训练模型，则很有可能的是分析结果将会是有错误。另外的限制因加工厂中生成的数据的规模/分布而发生。相应地，迁移加工厂之内或外部的数据是挑战，并且具有缺点。

鉴于上述，存在用来具有用于控制加工厂内的操作的改进方法和系统的需要。

发明内容

本发明的一个方面涉及一种用于通过控制加工厂中的过程的过程参数来管理加工厂的多个子系统的方法。加工厂能够是下列中的一个,但不限于:造纸厂、化工厂、石油厂和发电厂。在实施例中，加工厂是变电站。在另一个实施例中，加工厂包括变电站。

多个子系统的每个子系统包括现场装置和过程设备中的至少一个。按照此方面，加工厂使用分布式控制系统(DCS)来控制。DCS具有分布在加工厂内的多个数据库。多个数据库的每个数据库包括与多个子系统的至少一个子系统对应的信息。与多个子系统的子系统对应的信息是关于子系统的现场装置和过程设备中的至少一个的状态信息、技术规范信息和测量信息中的至少一个。

该方法包括在DCS的人机接口处接收查询，其中查询具有预定类型，并且与多个子系统的子系统的操作和健康中的至少一个关联。

该方法还包括在DCS的服务器处识别包括与子系统对应的信息的多个数据库的数据库。数据库基于查询来识别。此后，该方法包括在服务器处基于数据库上可用的与子系统对应的信息来处理查询。

通过基于查询的预定类型以及与子系统对应的信息识别模型和模型集合体中的至少一个来处理查询。在这里，模型和模型集合体中的至少一个从多个数据库的数据库来识别。识别模型和模型集合体中的至少一个可包括生成与数据库中对应于子系统的信息有关的元数据。

此后，所识别的模型和所识别的模型集合体中的至少一个通过利用与子系统对应的信息来适配。随后，所适配的模型和所适配的模型集合体中的至少一个用于控制子系统的操作。适配所识别的模型和所识别的模型集合体中的至少一个可包括将与子系统对应的信息的至少一个部分用于训练以及将与子系统对应的信息的至少一个其他部分用于测试模型和模型集合体中的至少一个。训练可包括评估步骤，其中为评估保留信息的至少一个部分的至少一部分。

适配所识别的模型和所识别的模型集合体中的至少一个可包括基于与子系统对应的信息来确定模型和模型集合体的至少一个的应用中的错误。

该方法还包括基于查询的所述处理而通过控制多个子系统的一个或多个子系统中的过程的过程参数,利用DCS来控制子系统的操作。在这里，控制子系统的操作可包括下列中的至少一个：维修(servicing)子系统；以及更换子系统的现场装置和过程设备中的至少一个。

附图说明

下面的文本中将参照附图中图示的示范实施例更详细地说明本发明的主题，其中：

图1图示按照本发明的实施例的加工厂的分布式控制系统(DCS)的架构；

图2是按照本发明的实施例的用于管理加工厂的多个子系统的方法的流程图；

图3是按照本发明的实施例的处理查询的步骤的流程图；

图4图示按照本发明的实施例的用于处理查询的模块集合的框图；以及

图5图示按照本发明的实施例的选择模型的步骤的流程图。

具体实施方式

参照图1，其图示按照本发明的实施例的加工厂的分布式控制系统(DCS)的架构100。加工厂能够是下列中的一个,但不限于:造纸厂、化工厂、发电厂、石油钻塔以及风力和太阳能发电厂。在实施例中，加工厂是变电站。在另一个实施例中，加工厂包括变电站。

加工厂能够具有在下列中的一个或多个处的连通性,但不限于:组件、子系统、系统和网络级。连通性能够经过一个或多个网络(包含但不限于工厂网络、控制网络、现场网络和外部网络(例如云、因特网等))来实现。此外，每个网络可经由一个或多个路由器、例如101a和101b来连接到其他网络。

远程客户端或计算机、例如102a和102b能够经过工厂网络/内联网/因特网来连接。远程客户端或计算机能够用来执行下列中的一个或多个,但不限于:视图趋势,并且连接到加工厂。工作场所、例如104a、104b和104c能够用来执行下列中的一个或多个,但不限于:接入过程入口和工程。一个或多个控制器、例如但不限于106a、106b、106c和106d实现与如图1所图示的现场网络的连接，以用于控制与其连接的装置(例如现场装置、过程设备、子系统等)。

DCS能够具有一个或多个服务器、例如108，以用于控制加工厂内的各种过程。此外，一个或多个服务器可以经过控制网络、工厂网络、现场网络和外部网络110(例如云或因特网)的一个或多个是可访问的。一个或多个服务器还可访问云或因特网，以用于提供不同功能性。一个或多个服务器能够是但无需限于方面服务器、连通性服务器和应用服务器。一个或多个服务器经过控制器和一个或多个网络来连接到多个子系统、例如但不限于112a、112b、112c和112d。每个子系统能够具有下列中的一个或多个：但不限于现场装置和过程设备。例如，子系统112a包括马达，而子系统112b包括发电机。举另一个例子，子系统能够具有两个或多个现场装置。

DCS还具有分布在加工厂内的多个数据库、例如但不限于114a、114b、114c、114d和114e。数据库可嵌入在装置内或者与装置本地连接。

多个数据库的每个数据库包括与多个子系统的至少一个子系统对应的信息。多个数据库的数据库能够存储与一个现场装置、一个过程设备、一个子系统、多个现场装置、多个过程设备、多个子系统或者其组合对应的信息。例如，数据库114e包括与子系统112a的马达/控制器对应的信息。举另一个例子，数据库114a能够具有从加工厂的其他组件或者不同子系统所接收的信息。

与多个子系统的子系统对应的信息是关于子系统的现场装置和过程设备中的至少一个的状态信息、技术规范信息和测量信息中的至少一个。

状态信息在不同时刻提供与现场装置、过程设备、子系统或者其组合的操作状态有关的细节。例如，状态信息能够指示健康、负载、活跃/活动(live/active)等。此外，能够连续或周期地或者在某些事件发生时跟踪状态。

技术规范信息描述如所设计或生产的现场装置、过程设备、子系统或者其组合的特性。例如，技术规范信息能够具有与制作、材料、制造商、制造日期、调试日期、服务要求等有关的细节。

关于现场装置和过程设备中的至少一个的测量信息是与在现场装置或过程设备中的一个处所执行/接收的测量有关的信息。例如，温度传感器能够记录温度数据，并且将它传递给控制器或其他设备，其能够将它存储在对应数据库中。测量可与过程相关，并且相应地可具有与一个或多个过程参数关联的细节。由各种现场装置、设备、子系统或者其组合所执行的测量可在中央数据库处来合并。例如，数据库114a能够是主数据库、如同工厂历史学家，其可合并或聚合或跟踪多个数据库中的信息。

图1所图示的实施例示出一个加工厂的上下文中的架构。但是，本发明并不局限于这个实施例。按照实施例，多个加工厂能够通过诸如云或因特网的网络来连接/管理。在这里，多个数据库可跨下列中的一个或多个来分布，但不限于：多个工厂、云和企业。在另一个实施例中，与(一个或多个)子系统和/或加工厂对应的信息可存储在云中或企业中，由此实现在云或企业级的分析(analytics)。云和/或企业可包含不是装置特定的(例如可指示因夏季或节日引起的更高消耗或功率高峰（power surge）的一年中的时间)、可基于数据的分析或者经过其他源所得到的信息。这种附加信息能够实现其他分析。

现在移到图2，图2是按照本发明的实施例的用于管理加工厂的多个子系统的方法的流程图。通过控制加工厂中的过程的过程参数来管理多个子系统。

在202处，在DCS处接收查询。能够在DCS的人机接口处接收查询。例如，查询可使用远程客户端或工作场所或者通过因特网/云来发出。按照本实施例，查询具有预定类型。例如，查询能够具有诸如预测、聚合、取、分类等的类型。此外，查询与加工厂的子系统的操作和健康中的至少一个关联。例如，查询能够与下列关联，但不限于：由子系统所执行/控制/接收的测量、通信、分布和记录。举另一个例子，查询能够与诸如但不限于电池电平、故障度量和过程生产率的健康度量关联。

在DCS的服务器处读取和解析查询。在204处，服务器识别多个数据库(其包括与对于其发出了查询的子系统对应的信息)的(一个或多个)数据库。例如，如果查询与子系统112a的电动机马达的操作相关，则服务器能够将数据库识别为114e。举另一个例子，服务器能够识别数据库的集合，其包括查询的处理的必要信息。数据库基于查询来识别。例如，服务器可分析查询，以确定存储必要信息的数据库。举另一个例子，信息源可在查询本身(如同变电站标识符、设备标识符等)中指定。在识别之后，查询可路由到多个数据库的(一个或多个)数据库供处理。

此后，在206处，服务器基于数据库中可用的与子系统对应的信息来处理查询。可在服务器处或者在数据库处处理查询。结合图3的描述详细描述了处理步骤。

按照该处理，DCS用于在208处控制子系统的操作。通过控制多个子系统的一个或多个子系统中的过程的过程参数来控制操作。例如，该过程可在一个子系统中停止而在另一个或另一些子系统上开始。举另一个例子，过程的一部分可从一个子系统迁移到另一个或多个子系统。

在实施例中，控制子系统的操作包括下列中的至少一个：维修子系统；以及更换子系统的现场装置和过程设备中的至少一个。例如，可确定现场装置失灵并且需要更换。举另一个例子，可确定发电机应当得到或者将要得到服务。

现在参照图3，图3是图示处理查询的步骤的流程图。在302处，识别模型和模型集合体中的至少一个以用于处理查询。模型和模型集合体中的至少一个基于查询的预定类型以及与子系统对应的信息来识别。

模型从多个数据库的数据库来识别。例如，数据库114a能够存储多个模型和模型集合体。可为各种类型的查询和数据来构建这些模型或模型集合体。相应地，哪一个模型或模型集合体可适用能够基于查询的类型以及子系统的数据的性质来选择。

识别模型和模型集合体中的至少一个的步骤能够包括生成与数据库中的子系统的信息有关的元数据。例如，基于查询的类型和数据库中存储的信息的性质，能够生成诸如但不限于特征、数据点等的数量的元数据。查询的类型可由服务器来推断，以生成元数据。例如，诸如实际或离散的目标值的类型可用于生成元数据。在304处适配从数据库所识别的模型和模型集合体中的至少一个。适配使用数据库中存储的与子系统对应的信息来执行。

在实施例中，通过将与子系统对应的信息的至少一个部分用于训练以及将与子系统对应的信息的至少一个其他部分用于测试模型来适配模型和模型集合体中的至少一个。

训练模型和模型集合体中的至少一个可涉及生成用于所识别的模型的计算的模板。所生成的模型模板然后可通过处理查询来填充（populate）。此后，可优化模型和模型集合体中的至少一个，直到它具有高精度。随后，可在检索测试数据之后评估结果。

在实施例中，训练本身包括评估步骤，其中为评估保留信息的至少一个部分的至少一部分。换言之，从为训练所保留的信息，为训练保留一个部分，而为训练的模型或训练的模型集合体的评估保留另一个部分。在这里，用于评估的信息与为测试一直保留（keepreserved）的信息(即，信息的至少一个其他部分)是不同的。

测试可涉及确定训练的模型或模型集合体的一个或多个度量，并且将那些度量与基准进行比较。例如，在预测模型的情况下，仅当预测得分是可接受的(即，高于设置极限)时，才可允许查询供处理。否则，步骤可重复进行，以便从数据库选择/训练更好的模型或模型集合体。

适配模型和模型集合体中的至少一个还可涉及调整模型和模型集合体中的至少一个用于处理查询。模型和模型集合体中的至少一个可基于在与子系统对应的信息的基础上确定模型和模型集合体中的至少一个的应用中的错误来调整。

考虑一种情形，其中可用于训练/测试的数据量可能是不充分的或者可能是多于必要的。在这种情形中，可存在过拟合(over-fitting)或欠拟合的情况。为了确定模型或模型集合体是过拟合或者欠拟合，可使用为训练中的评估所保留的信息(以上所述)。相应地，在这种确定时，可为查询的适当处理来调整模型或模型集合体。

一旦适配模型或模型集合体，模型和模型集合体中的至少一个用于在306处控制子系统的操作。例如，可对于来自数据库中存储的信息的选择的数据集合(例如对于在特定时刻所收集的数据)应用模型，以得到某些结果，例如在将来时间的可能故障的确定、服务要求的确定等。模型的生成/应用或者查询的处理可涉及将数据从数据库导入到中央或其他数据库。备选地，查询可对具有数据的数据库直接应用。

一旦应用模型或模型集合体，它就可提供要求子系统的操作中的控制的结果。操作可由DCS通过将操作从子系统迁移到另一个子系统(或者多个子系统)，或者操作的一部分可迁移到其他子系统来控制。其他控制能够包含但无需限于暂时停止操作并且改变与操作关联的参数。

虽然结合一个加工厂来描述该方法，但是该方法并不局限于这个实施例，而是能够易于扩展到多个工厂系统/环境。

上述方法的各种步骤能够通过一个或多个模块来实现。一个或多个模块可提供在DCS的服务器上。备选地，模块能够分布在加工厂内。例如，模块可部署在多个数据库的每个数据库内部。在这种情况下，每个服务器能够运行服务，其帮助将查询路由到适当数据库供处理。

按照实施例，步骤可通过图4所图示的一个或多个模块来实现。在这里，提供接口402以用于读取查询。数据加载器404提供数据导入设施(例如用于将数据从一个数据库导入另一个(或中央)数据库)。查询处理器406处理查询。取决于类型，可执行适当处理。例如，预测操作符408可用于预测查询，而其他操作符410可用于其他类型的查询。

分析器412表征数据和查询处理的性质(例如预测)。分析器412的输入数据表征器414可表征查询(例如表征为分类或回归查询)。该组件识别目标属性的类型(实际值/离散值)，以推断查询的类型。

元数据生成器416可生成与数据有关的相关统计(例如机器学习统计)。数据的基本统计的分析帮助选择适合数据类型的模型或模型集合体(例如在步骤302处)。例如，如果特征的数量明显大于数据点的数量，则使数据规则化(例如，因将数据拟合成过于靠近对其训练模型的数据而处罚模型或模型集合体)可帮助预防过拟合。元数据生成器416组件可自主地进行这些判定。

数据分离器418创建训练和测试表，并且将数据划分为训练和测试数据集。可随机划分数据以用于训练/测试。模型映射器420将查询映射到模型。一旦表征查询，模型映射器420将查询映射到适合于处理查询的模型。模型映射器420可使用各种模型或模型集合体(存储在数据库中),例如但不限于用于回归的线性和非线性变换模型或者用于分类的其他模型。模型映射器420能够挑选模型或模型集合体，并且生成模板，以计算模型参数的值。可挑选模型或模型集合体，以用于在206处的查询的处理。

图5的流程图图示模型映射器420如何选择模型/模型集合体的示例。在图5的示例中，模型映射器420将元数据502和查询504视为输入，以便在506处推断查询的类型。取决于查询的类型，在进行到其他步骤之前，可在508处执行降维。降维可提供捕获系统中的可变性的大多数的更简单特征集合，由此引起更简单的模型。

此后，在510处，模型映射器420可检查可用于在512处处理查询的数据样本的数量。取决于可用数据样本的数量，可选择适当模型。例如，如果设置100000个数据样本的阈值，并且数据样本的数量少于100000，则可选择模型X(514)。否则，可选择模型Y。如果查询具有预测类型，则模型X可以是线性分类器，而模型Y可以是随机剃度下降(SGD)分类器。可选择的模型的其他示例包含但不限于岭回归、SGD回归、Lasso、支持向量机、神经网络、朴素贝叶斯、核近似、K平均和决策树。

模型映射器420还可训练使用数据库中可用的信息(例如在步骤304处)所选的模型或模型集合体。例如，模型可用来预测将变换器分类为有故障或者无故障的值。确定可基于预测值是高于还是低于阈值。为了这样做，训练模型以便在划分为训练数据集的数据的一部分上学习模型。预测值可以是在一年中的特定时间的峰值负荷、功率质量和维护历史的函数。

可能必须适配/规则化(例如在304处)由模型映射器420所选的模型或模型集合体。规则化器(regularizer)422检查、校正和/或预防模型或模型集合体的过拟合、欠拟合或其他训练错误。

在生成/适配模型或模型集合体的同时，可创建各种模板。模板424可用来创建和填充用于模型生成/适配的模板。这类模板的示例包含结构模板426、优化模板428和评估模板430。结构模板426能够提供模型的基本结构。例如，如果它是回归模型，则用于回归的作为参数、函数等的东西能够由模型来指定。类似地，优化和评估模板能够提供用于模型的优化和/或评估的备选方案。例如，优化模板能够是要使成本或时间为最小。类似地，评估模板能够是要检查用于训练模型的数据的充分性。

模板424还可用来运行查询，并且在检索测试数据之后评估结果。定制模板432也可使用模板424来生成。评估器434重新路由查询以用于对其他模型的评估，直至找到令人满意的模型。视图生成器436创建和具体化视图(例如虚表)。视图可用于频繁查询。备选地，(一个或多个)视图可用于当前查询。视图可示出当前结果与先前结果的比较。结果可用作DCS的输入。可存在批准结果的应用的步骤，其可由管理员执行。例如，如果查询的结果是现场装置应当重启(这能够增加五分钟延迟)，则可向管理员提供通知。基于该通知，管理员可批准/拒绝重启。DCS相应地可继续进行操作或者重启现场装置。

本文所述的方法具有各种各样的应用。例如，该方法可用来监测电气负载和停电。在这里，可运行与负载和停电趋势相关的查询，并且可外推结果以得到用于预测电功率跳闸的趋势。例如，所发出的前瞻性查询能够是：

PREDICT outages

FROM SubstationX

查询结果可指示可存在较大范围的断电，并且馈电线可被隔离。这可要求其他馈电线占据(take up)负载。

当其他馈电线占据负载(其中线路可跳闸)时，它可增加对电气线路(金属接合等升温并且线路可下垂)和其他组件、例如变换器的电气过载和损坏的机会。在这种情况下，可要求进一步分析，并且系统分析员可选择可能跳闸的向下钻取分析。

随后，向下钻取查询可在电网中的数据库(例如，在变电站处或者在变换器/电路断路器等处的嵌入式数据库)处发出，以便获得原始数据，其能够被进一步分析用于可能跳闸背后的原因。例如，可运行下列查询：

PREDICT Feeder_characteristics

FROM SubstationX

WHERE Feeder_id = ‘SPECIFIC IDs to be drilled-down’

类似地，可向变换器数据库发出查询(其与向下钻取馈电线相关)，以获得特性，例如：

PREDICT transformer_fault

FROM Transformer_DB

WHERE Feeder_id=’SPECIFC IDs of associated feeder-lines’

变换器故障的预测可基于各种特征，例如：变换器的电气负载、功率质量、制造商、使用年限和维护历史，其用来训练变换器故障的预测模型。这个查询可路由到相应数据源(即，这种情况下的变换器)。

考虑制造汽车面板并且使用诸如液压机的设备的工厂。这种工厂可面临设备故障、例如压机故障。这个故障可归因于各种原因，例如油压或温度可能变得过高并且可能损坏压机。这能够通过使用本文所述方法来监测。能够发出条件监测查询。在这里，可分析诸如油压、油温、油粘度和油泄漏的参数以及气压，以便预测设备故障的概率。模型可用于预测。例如，模型、例如随机梯度下降可用来使得使用逻辑回归将设备分类为具有不同概率的‘可能出故障’和‘可能不出故障’类别的可能性为最大。

此外，通过连网查询和分布式分析基础设施，可向设备(例如压机)上的嵌入式数据库发出向下钻取查询。这个查询可基于实时操作参数来建立机器的故障概率。它还可与机器故障的概率相互关连地估计出故障时间。

本文所述的方法和系统提供若干优点。该系统扩展用于支持各种类型的查询的工厂数据库的能力。该方法实现直接执行对各种各样的工厂数据的分析，并且利用结果来控制工厂中或者工厂的网络中的各种子系统的状态/健康。另外，在存在所要求/识别的状态/健康变化的情况下，能够自动执行向下钻取分析并且采取动作。通过消除对技术人员的依赖性并且实现对高分布式数据的自动化分析，在问题确定和解决方面存在高精度。

本发明并不局限于本文所公开或者附图所示的实施例/示例/上面所列的优点将会是显而易见的。由本领域的技术人员将会领会，本发明能够按照其他特定形式来体现，而没有背离其精神或本质特性。因此，当前公开的示范实施例在所有方面中均认为是说明性而不是限制性的。本发明的范围由所附权利要求书、而不是由以上描述来指示，并且落入含意和范围及其等效性之内的所有变化意图包含于其中。

Claims (7)

1.一种用于通过控制加工厂中的过程的过程参数来管理所述加工厂的多个子系统的方法，其中所述多个子系统的每个子系统包括现场装置和过程设备中的至少一个，其中所述加工厂使用具有分布在所述加工厂内的多个数据库的分布式控制系统(DCS)来控制，其中所述多个数据库的每个数据库包括与所述多个子系统的至少一个子系统对应的信息，其中与所述多个子系统的子系统对应的所述信息是关于所述子系统的现场装置和过程设备中的至少一个的状态信息、技术规范信息和测量信息中的至少一个，所述方法包括：

在所述DCS的人机接口处接收查询，其中所述查询具有预定类型，并且与所述多个子系统的子系统的操作和健康中的至少一个关联；

在所述DCS的服务器处来识别包括与所述子系统对应的信息的所述多个数据库的数据库，其中所述数据库基于所述查询来识别；

在所述服务器处基于所述数据库上可用的与所述子系统对应的所述信息来处理所述查询，其中处理所述查询包括：

基于所述查询的所述预定类型以及与所述子系统对应的所述信息来识别模型和模型集合体中的至少一个，其中所述模型和所述模型集合体中的至少一个从所述多个数据库的数据库来识别；

通过利用与所述子系统对应的所述信息来适配所识别的模型和所识别的模型集合体中的至少一个；以及

将所述模型和所述模型集合体中的至少一个用于控制所述子系统的操作；以及

基于所述查询的所述处理而通过控制所述多个子系统的一个或多个子系统中的所述过程的过程参数,利用所述DCS来控制所述子系统的所述操作。

2.如权利要求1所述的方法，其中，适配所识别的模型和所述模型集合体中的至少一个包括将与所述子系统对应的所述信息的至少一个部分用于训练所述模型和所述模型集合体中的至少一个，并且将与所述子系统对应的所述信息的至少一个其他部分用于测试所述模型和所述模型集合体中的至少一个。

3.如权利要求2所述的方法，其中，训练包括评估步骤，其中为所述评估保留与所述子系统对应的所述信息的所述至少一个部分的一部分。

4.如权利要求1所述的方法，其中，适配所述模型和所述模型集合体中的至少一个包括基于与所述子系统对应的所述信息来确定所述模型和所述模型集合体的至少一个的应用中的错误。

5.如权利要求1所述的方法，其中，控制子系统的所述操作包括下列中的至少一个：维修所述子系统；以及更换所述子系统的所述现场装置和所述过程设备中的至少一个。

6.如权利要求1所述的方法，其中，所述加工厂是变电站。

7.如权利要求1所述的方法，其中，所述加工厂包括变电站。