CN107850893B - 使用上下文信息在智能可编程逻辑控制器上生成事件 - Google Patents
使用上下文信息在智能可编程逻辑控制器上生成事件 Download PDFInfo
- Publication number
- CN107850893B CN107850893B CN201580081556.0A CN201580081556A CN107850893B CN 107850893 B CN107850893 B CN 107850893B CN 201580081556 A CN201580081556 A CN 201580081556A CN 107850893 B CN107850893 B CN 107850893B
- Authority
- CN
- China
- Prior art keywords
- data
- programmable logic
- logic controller
- event
- events
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 85
- 238000004458 analytical method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 20
- 238000004519 manufacturing process Methods 0.000 description 18
- 238000007405 data analysis Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003416 augmentation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/058—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Prevention of errors by analysis, debugging or testing of software
- G06F11/362—Debugging of software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Programmable Controllers (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种基于智能可编程逻辑控制器中的自动化系统数据生成事件的方法,该方法包括智能可编程逻辑控制器收集自动化系统数据并将上下文模型应用于自动化系统数据以创建语境化的数据。该智能可编程逻辑控制器基于语境化的数据生成一个或多个事件。
Description
技术领域
本发明主要涉及可编程逻辑控制器的使用,该可编程逻辑控制器使用来自自动化环境的上下文信息生成事件。所公开的技术可以应用于例如使用可编程控制器的各种生产系统。
背景技术
可编程逻辑控制器(PLC)是被配置为执行软件的专用计算机控制系统,该软件连续地收集关于输入装置的状态的数据以控制输出装置的状态。PLC通常包括三个主要组件:处理器(其可以包含易失性存储器);易失性存储器,该易失性存储器包括应用程序;以及一个或多个输入/输出(I/O)端口,该一个或多个输入/输出(I/O)端口用于连接到自动化系统中的其它装置。
PLC在各种工业设置中被用来控制自动化系统。自动化系统通常在其日常操作中生成大量的数据。该数据可包含例如传感器数据、致动器和控制程序参数以及与服务活动相关联的信息。在其操作期间,PLC可以生成一个或多个事件,诸如例如警报或系统状态。这些事件包含关于自动化过程的重要信息,因为它们提供系统状态的视图。
常规PLC在可以产生的事件类型方面非常有限。主要事件在设计阶段期间被静态配置和编程。然而,控制过程的许多重要事件(例如,软传感器或超过阈值的隐藏控制变量)没有被自动捕获、检测或者甚至产生。在运行期间添加或改变事件也非常困难。因此,在诊断阶段,工程师很难改变监控变量和规则来追踪、调试以及诊断错误。通常,生产过程必须停止,这继而导致高维修成本。
此外,常规PLC中由事件提供的有用信息最小。例如,常规系统中使用的一种重要类型的事件是警报。警报用于警告生产过程中的错误。一旦发生警报,工程师将首先查看事件的内容(例如,文本或性质),并且尝试将其与其它同时发生的事件相关联。然而,警报提供的唯一信息是通过其基于文本的描述(例如,质量错误)和受限的属性(例如,严重性)。对系统(例如,通过根本原因分析和其它数据分析过程开发的)的真正理解需要关于警报条件的额外信息。例如,警报是如何发生的?警报属于生产过程还是产品?警报是否与某些实时传感器数据或历史数据相关联?是否存在与该警报有关(例如,造成)的其它事件?这种类型的信息在常规系统中是不可用的,因为事件是孤立的,并且没有与历史数据和上下文链接。相反,需要有远见和准备才能理解所发生的事件。
常规系统也不能很好地处理级联事件。现今,在设计自动化系统时,当短时间内发生级联警报事件时,必须非常小心,否则可能会在噪声中丢失根本原因(其可能不是最早检测到的事件)。链接级联事件的上下文知识不被管理和利用。
发明内容
本发明的实施例通过提供涉及智能PLC的方法、系统以及设备来解决和克服上述缺点和弊端中的一个或多个,该智能PLC使用关于自动化环境的上下文知识生成增强事件。例如,可以使用增强事件执行现场分析。
根据本发明的一些实施例,在智能PLC中基于自动化系统数据生成事件的方法包含:智能PLC收集自动化系统数据,以及将上下文模型应用于自动化系统数据以创建语境化的数据。智能PLC基于语境化的数据生成一个或多个事件。在一些实施例中,智能PLC还从非易失性计算机可读存储介质检索历史自动化系统数据,该非易失性计算机可读存储介质能够操作地耦合到智能PLC。该历史数据也可以用于生成事件。
在上述方法的一些实施例中,智能PLC将一个或多个事件存储在包含于智能PLC内的事件数据库中。该方法进而可以还包含:智能PLC接收事件请求,基于事件请求和上下文模型制定查询,以及基于查询从事件数据库中检索响应数据。
在上述方法的一些实施例中,智能PLC在每个控制循环期间执行循环内事件生成过程。该循环内事件生成过程可以包含例如:收集自动化系统数据;使用分析组件基于自动化系统数据确定是否存在事件生成条件;以及如果存在事件生成条件,则生成一个或多个额外的事件。在一些实施例中,可以在智能PLC的运行时期间基于一个或多个新的分析规范更新分析组件。这些分析规范可以包含但不限于:规则规范、分析操作的工作流、预测模型标记语言(PMML)规范、复杂查询等。在一些实施例中,智能PLC从非易失性计算机可读存储介质检索历史自动化系统数据,该非易失性计算机可读存储介质能够操作地耦合到智能PLC。然后智能PLC基于历史自动化系统数据修改由分析组件使用的一个或多个分析规范。
根据本发明的另一方面,如在一些实施例中所描述,基于自动化系统数据生成事件的第二方法包含:智能PLC在多个控制循环内进行循环内事件生成过程。该循环内事件生成过程可以包含例如:收集自动化系统数据;使用分析组件基于自动化系统数据确定是否存在事件生成条件;以及如果存在事件生成条件,则生成一个或多个事件。
可以对前述第二方法添加各种额外的特征、增强或修改。例如,在一些实施例中,该方法还包含:在智能PLC的运行期间,基于新的分析规范更新分析组件。在一些实施例中,智能PLC检索本地存储的历史自动化系统数据,并且使用该数据修改由分析组件使用的规则规范。
在前述第二方法的其它实施例中,智能PLC将上下文模型应用于自动化系统数据,并且基于语境化的数据生成一个或多个额外的事件。在一些实施例中,可以检索本地存储的历史自动化系统数据并用于生成这些额外的事件。在该方法的一些实施例中,事件存储在智能PLC上的本地数据库中。当接收到事件请求时,智能可编程逻辑计算机基于该事件请求和上下文模型来制定查询。继而,该查询可以用于从事件数据库检索响应数据。
根据本发明的其它实施例,智能PLC包含:处理器,配置为根据控制循环执行;易失性计算机可读存储介质,包括过程映像区;非易失性计算机可读存储介质;以及控制器组件,由处理器根据控制循环执行。这些控制器组件包含数据传输组件,数据传输组件配置为在每个控制循环期间用包括自动化系统数据的内容更新过程映像区。控制器组件还包含语境化组件,该语境化组件被配置为将上下文模型应用于自动化系统数据以创建语境化数据,并且基于该语境化的数据生成一个或多个事件。在一些实施例中,这些事件基于历史自动化系统数据。另外,控制器组件包含历史记录组件,该历史记录组件包括事件数据库,该事件数据库配置为将一个或多个事件存储在非易失性计算机可读存储介质上。
在一些实施例中,上述智能PLC中使用的语境化组件包含额外的功能。例如,在一个实施例中,语境化组件还被配置为在每个控制循环期间执行循环内事件生成过程。该循环内事件生成过程可以包含例如:使用分析组件基于自动化系统数据确定是否存在事件生成条件;以及如果存在事件生成条件,则生成一个或多个额外的事件。在一些实施例中,在运行时期间基于新的分析规范更新分析组件。在其它实施例中,语境化组件还配置为从历史记录组件检索历史自动化系统数据,并且基于该历史自动化系统数据修改由分析组件使用的一个或多个先前所接收的分析规范。在其它实施例中,语境化组件还配置为使用上下文模型基于所接收的事件请求制定查询,以便从事件数据库检索响应数据。
从参照附图进行的对示例性实施例的以下详细描述中,本发明额外的特征和优点将变得显而易见。
附图说明
当结合附图阅读以下详细描述时,可以最好地理解本发明的前述和其它方面。为了说明本发明,在附图中示出目前优选的实施例,然而应当理解,本发明不限于所公开的具体手段。附图包括以下各图:
图1提供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提供根据本发明的一些实施例的用于生成增强事件的智能PLC中所包括的系统组件的图示;
图3提供用于门组装控制过程的示例事件数据库的视图;
图4提供根据本发明的一些实施例的由智能PLC生成、存储和利用增强事件的过程;
图5示出在一些实施例中可以由智能PLC使用的示例上下文模型组500;
图6A提供可以应用在一些实施例中的模型的高级概要图;
图6B示出图6A中所示的顶层事件模型的扩展;
图6C示出链接到控制和资产模型的事件模型;
图7A示出生成门质量问题事件的规则;
图7B示出生成定位控制异常事件的规则;
图7C示出将门质量事件与定位控制异常事件链接的规则;以及
图7D示出循环内分析组件如何触发事件的示例。
具体实施方式
本文所述的系统、方法以及设备一般涉及PLC,该PLC是使用关于自动化环境的上下文知识生成增强事件的智能PLC。更具体地,本文所述的技术允许在PLC内使用数据(例如,输入、输出、软传感器数据等的过程映像和历史记录)和上下文知识(例如,控制知识、设施模型等),以便触发在控制级别可用的事件。这些事件(在本文中被称为“增强事件”)可以基于固定属性以及基于可使用从历史数据获知的信息的动态监控逻辑(例如,规则)。在常规自动化系统中,事件通常限于警报。然而,在控制过程中存在许多其它重要情况需要进行明确地记录和历史记录。例如,产品已由机器成功处理并传递到下一个工序是重要的信息。增强事件可以用来捕获该信息并附加更重要的信息,诸如对于该产品机器的耗能、产品的质量、生产过程的参数(诸如机器配置)等。对于后续的数据分析(诸如,在SCADA/MES级别上的KPI计算),此类事件简化数据收集和准备。
本发明的各种实施例在PLC的背景中进行了描述,该PLC包括被配置为在控制应用中提供增强功能的分类的各种组件。该PLC(本文中被称为“智能PLC”)在标题为“智能可编程逻辑控制器”的美国申请号14/467,125中有更详细的描述,该申请的全部内容通过引用的方式并入本文。简而言之,智能PLC提供可以以各种组合存在的若干技术特征,并且使用本发明的不同的实施例。智能PLC在控制层装置上提供有效的数据存储。更具体地,控制层的功能可以通过用于时间序列数据(即,“历史记录”功能)的有效存储机构来扩展,该时间序列数据允许高分辨率时间戳数据的短/中期存档。在高保真数据的情况下,不会丢失事件。有效的压缩算法(例如,摆动门的变化)可以用于减少存储和通信需求。在一些实施例中,智能PLC还可以提供智能的内置数据生成方法。数据过滤的方法可以在生成数据的地方直接应用,以确保只有在其提供额外信息内容的情况下才存储额外的数据。这些方法也可以根据当前的需要,例如通过调整采样率或者通过只有在检测到某些事件时才存储数据来主动分析输入的数据并配置数据采集。智能PLC还可以实现丰富的和语义的语境化,并进行控制层语义分析。另外,在一些实施例中,智能PLC还提供跨越自动化系统的分布式分析。
如本文所公开的各种实施例中所述,智能PLC可被配置成生成增强事件。智能PLC中的增强事件包括标识符、开始和结束时间以及一些描述。另外,随后的上下文信息可以包含以下字段中的一个或多个:occursAtAsset(事件发生地的资产);occursDuringProcess(当前自动化过程);occursOnProduct(待生产的产品);type(事件、定位错误或校准错误的类型);以及cause-by(是什么其它事件触发该事件)。事件的属性不限于以上列表。在智能PLC中,可以基于分析规范(例如,规则规范、分析操作的工作流、预测模型标记语言(PMML)规范、复杂查询等)动态地添加事件属性,其可以在运行时期间动态地改变。
图1提供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为生产层105、控制层110以及IT层115。在常规系统中,大多数数据处理功能在IT层115处进行。图1中所示的系统100使用智能PLC 110E和110F将这些数据处理功能中的许多向下推送到控制层110。例如,在一些实施例中,历史记录的性能(诸如用于时间序列数据的有效数据压缩和数据的智能过滤)可以直接在智能PLC 110E和110F上实施。这允许控制层110以较少的存储/通信开销来利用高保真数据,使得几乎没有(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还提供丰富的语境化功能。通过向数据添加控制级别知识,将不需要在IT层115处重新发现关于业务分析115C的知识。此外,可以在控制层110处基于该数据生成增强事件并向上传递给IT层115。另外,在一些实施例中,智能PLC 110E和110F可以使用直接在其相应的装置上实施的数据分析功能来生成事件,从而提高机器和处理效率。
继续参考图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。每个生产单元通过在控制层110处的一个或多个现场装置(例如,现场装置110A)发送和接收数据。在控制层110处,每个现场装置可以连接到智能PLC(例如,智能PLC 110E)。从生产单元接收的数据被传输(直接由现场装置或经由智能PLC)到IT层115。IT层115包含执行各种后处理和存储任务的系统。图1的示例包含监测控制和数据采集(SCADA)服务器(或网关)组件115A。该组件115A允许操作者远程监控和控制控制层110和生产层105上的装置。另外,SCADA服务器组件115A从下层105、110收集数据并处理该信息以使其可用于统一设备知识仓库115B。该统一设备知识仓库115B对从下层105、110接收的数据进行进一步的处理和存储。统一设备知识仓库115B可以提供各种功能。例如,在一些实施例中,统一设备知识仓库115B包含用于基于由下层105、110生成的数据来生成分析的功能。
每个智能PLC 110E和110F包括三个基本部分:处理器、非暂时性存储器系统、非易失性存储器系统以及提供输入/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,包含例如可移动存储卡或闪存驱动器。下面参考图2更详细地描述可以在智能PLC110E和110F内执行的应用。智能PLC 110E的数据连接器连接(有线或无线)到现场装置110A和110B。类似地,智能PLC 110F的数据连接器连接到现场装置110C和110D。本领域中已知的任何现场装置可以与本文所述的智能PLC一起使用。可以与智能PLC一起使用的示例现场装置包含但不限于压力开关、传感器、按钮、流量开关以及液位开关。应注意,智能PLC 110E和110F可以一件一件地集成到生产环境中。例如,在图1中,生产单元105B和105C通过其相应的现场装置连接到智能PLC 110E和110F,而生产单元105A和105D通过其相应的现场装置110G、110H、110I、110J直接连接到统一设备知识仓库115B。
与现有技术的系统(例如,控制知识、环境条件以及服务故障发生率)相比,智能PLC 110E和110F可以使用额外的上下文维度充实数据。这使得数据分析具有较高的置信度和质量。继而,智能PLC 110E和110F具有用于生成增强事件的更多不同的知识集合。在一些实施例中,系统100使用用于自动化系统中数据的语境化的语义数据表示语言和标准。这使得业务分析以及SCADA级别的历史记录(例如,OSI PI资产框架)能够以最小气力进行配置,以用于与来自其它系统/装置/源的数据集成。而且,系统100可以在控制层110处提供基于模型的语义分析。因此,可以在装置运行期间更新分析算法,并且可以通过提供对模型的显式访问(而不是功能块中的编译逻辑)改善根本原因分析。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访问所有需要的数据。
除了传输到IT层115或生产层105的典型的传感器输入和控制输出之外,智能PLC110E和110F可以存储、利用和记录本地控制层参数和变量,该本地控制层参数和变量在常规自动化系统中隐藏在控制层110(即,软传感器)内。
可以由智能PLC 110E和110F使用增强事件用于控制层110处的现场分析,以利用控制知识和其它语境信息。例如,通过分析一系列相关事件,可以将门组装质量问题的根本原因识别为滑道条形码传感器读取错误。增强事件建立了资产(例如,传感器)、基于时间的数据(例如,控制变量的异常高值)以及最终质量错误的链接。在上下文作为事件属性的一部分的情况下,增强事件可以有助于理解:停机时间和整体装备效率(OEE)、偏移(excursion)、启动、关机等。例如,事件数据库可以帮助回答的与停机时间(DOWNTIME)相关的问题:特定资产多久停机一次、停机原因是什么以及应该首先解决这些原因中的哪一个?
图2提供根据本发明的一些实施例的用于生成增强事件的智能PLC中所包含的系统组件的图示。过程映像组件225是控制器的CPU易失性系统存储器中的存储区域,基于与生产装置相关联的数据(例如,所连接的I/O的输入和输出)在每个处理/扫描循环中更新该存储区域。在每个处理步骤中,控制应用230读取过程映像组件225,执行已调度的应用逻辑,并将结果写回到过程映像组件225中。过程映像组件225可以包含在常规自动化系统中使用的各种系统事件和警报。这些系统事件和警报在设计阶段期间是手动编程的,并且在没有停止自动化项目的情况下不可以进行修改。
继续参考图2,由历史记录组件220读取每个循环的过程映像并将其永久地存储在非易失性物理存储介质上。在一些实施例中,历史记录组件220被配置为调度数据压缩算法以减少数据量。从而可以向应用提供对过去的过程映像的访问。数据可以存储在固定的时间窗口或在线算法用于实现动态缓存启发法。作为历史记录组件220的一部分,智能数据生成算法可以连续地分析过程映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信号,较低的采样率已足够。
数据分析组件205包括处理当前的过程映像或(从历史记录查询的)过去的过程映像的一组数据分析算法。各种数据分析算法可以包含在数据分析组件205中。例如,在一些实施例中,这些算法包含聚类、分类、基于逻辑的推理以及统计分析算法中的一个或多个。此外,算法可以经由可以在运行时期间在装置上调度的模型来指定。数据分析组件205还可以包含各种分析模型和专用算法来解释这些模型。由数据分析组件205生成的结果可以被存储在历史记录组件220中,被写回到过程映像组件225和/或经由数据连接器组件210被提供给外部组件。因此,智能PLC可以被视为用于向自动化系统中的其它装置提供分布式分析的装置。
数据分析组件205包括生成增强事件的循环内分析模块250和循环外分析模块245。每个增强事件的特征在于开始时间、结束时间以及属性列表,包含指向实际数据的指示器。循环内分析模块250在每个控制循环以高频率评估数据(例如,来自过程映像组件225或历史记录组件220)。如果满足某些条件,则将生成增强事件。例如,在一些实施例中,循环内分析模块250可以含有嵌入式规则引擎,该嵌入式规则引擎针对某些规范(例如,规则)在每个控制循环评估输入传感器数据。如果满足规则的条件,规则引擎可以启动事件。循环外分析模块245以与循环内分析模块250类似的方式操作。然而,因为分析计算由循环外分析模块245在正常处理循环之外进行,所以循环外分析模块245可使用长于一个控制循环的分析计算来生成增强事件。
一旦从数据分析组件205生成增强事件,它们则被存储在历史记录组件220中的事件数据库255中。就像历史记录数据一样,一旦增强事件被存储,则可以通过数据连接器组件210或通过数据分析组件205由外部组件(例如IT层)查询该增强事件,以用于进一步分析(例如,用于进行根本原因分析)。在一些实施例中,可以使用事件帧来记录任何增强事件,如通过应用在历史记录组件220和过程映像组件225值上的一组规则所定义的。
与时间序列数据相反,增强事件并不频繁,含有多个字段(例如,名称、时间、链接的事件等),并且不一定需要压缩。因此,在一些实施例中,关系数据库可以用作事件数据库255。关系数据库管理系统根据事件的不同字段允许结构化和有效的数据访问,并且因此能够有效地访问特定事件。图3提供用于门组装控制过程的示例事件数据库的视图。所有事件与历史记录数据一起存储在智能PLC的存储介质(例如,SD卡)中。应注意,每个事件条目都含有其属性中的上下文知识,诸如occursAtAsset、occursDuringProcess以及causedBy这些属性。
智能PLC 200还包含一组软传感器265。每个软传感器提供对控制层变量的访问,该控制层变量通常不能在智能PLC 200的外部访问。因此,通过动态地激活特定软传感器,数据可以例如经由数据连接器组件210变得可用。可以在标题为“在可编程逻辑控制器中使用软传感器”的国际申请号PCT/US14/63105中发现关于软传感器的附加信息,该申请的全部内容通过引用方式并入本文。
语境化组件215使用上下文信息来注释输入的数据以便于其稍后的解释。如本文所使用的上下文信息可以包含描述数据含义的任何信息。例如,自动化系统中数据的上下文可以包含:关于生成该数据的装置(例如,传感器)的信息、关于自动化系统的结构(例如,设备的拓扑)的信息、关于系统的工作模式(例如,停机事件)的信息、关于生成数据时的自动化软件及其状态的信息和/或关于生成数据时产生的产品/批量的信息。语境化组件被配置为向任何其它组件提供数据以用于更具体的处理需求。由语境化组件215生成的上下文信息可以不限于资产结构,并且还可以包含控制知识、产品特定信息、过程信息、事件信息以及潜在的其它方面,诸如外部事件,如气候信息。一些上下文信息可以从设计工具(例如,西门子全集成自动化工具)导入。另外,在一些实施例中,语境化组件215提供语义语境化。上下文可以由标准建模语言(例如,网络本体语言、资源描述框架)来表示,其中在形式上定义语言结构的含义。使用这些语义建模标准对数据进行语境化使得业务分析应用能够自动理解和解释从自动化系统提供的数据,而无需手动配置。
事件模型240被包含在语境化组件215中。事件模型240与其它上下文,诸如资产和控制上下文(参见图5)链接。上下文被提供给数据分析组件205以生成事件。例如,定位错误事件可以与控制变量(控制上下文中的软传感器/控制变量)和滑道条形码传感器(资产模型中的传感器)相关联。定位错误事件是在运行时期间使用此类上下文信息生成的。
使用本文所描述的数据分析组件205和语境化组件215的功能,可以扩展分析和优化的范围以覆盖生产过程本身,并且不限于智能PLC本身或直接受控装置的区域。例如,智能PLC的分析重点不仅可以确保智能PLC及其连接的传感器和致动器(例如,硬件特定增强事件)的功能,而且还可以在更大的上下文中优化受控生产过程(例如,基于应用领域和基础设施的知识)。
由智能PLC 200的组件捕获或生成的任何数据(包括增强事件)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,主动地发送给外部组件)传送数据。在其它实施例中,在数据由外部组件查询的情况下,可以使用拉取方法。另外,在一些实施例中推送方法和拉取方法可以组合,使得智能PLC被配置为处理两种形式的数据传输。
图4提供根据本发明的一些实施例的由智能PLC生成、存储和利用增强事件的过程400。从步骤405开始,从自动化装置(例如,传感器)和其它外部系统收集输入的数据。该数据可以包含例如时间序列数据、控制事件、警报以及其它结构化(例如,关系数据)和非结构化数据(例如,消息、文本)。接下来,在步骤410处,数据用于更新智能PLC(参见图2)中的循环内分析组件,该智能PLC连续地监控和分析其活动窗口中的数据以便生成新的事件。在一些实施例中,事件的生成通过规范(例如,使用定义的规则或模式)来完成。
除了在步骤410处执行的循环内分析之外,数据被存储在智能PLC上的历史记录组件中。存储过程在步骤430处开始,在该步骤处例如使用本领域中公知的一种或多种压缩技术压缩数据。接下来,在步骤435处,压缩的数据根据标准本体语言(例如,由W3C标准化的RDF、OWL)中作为本体可用的相关上下文模型进行注释和处理。在一些实施例中,在435处执行的处理通过明确地生成作为本体的实例的语义数据来完成。在一些实施例中,这是通过使用RDF三元组来完成的。如本领域中所熟知的,RDF中的表达的基础设施是包括主体、谓体和宾体的三元组的集合。每个谓体都表示其所链接的主体和宾体所表示的事物之间关系的陈述。三元组的每个部分都具有与其相关联的通用资源指示符(URI)。因此,可以在435处基于上下文模型生成URI。然后可以创建一个或多个三元组,该三元组编码自动化系统环境中该数据项与其它数据之间的关系。或者,在其它实施例中,通过将生成输入数据的传感器的标识符链接到本体中的随后由查询处理器解析的对应的概念(例如,分类)(参见下面的步骤440)来执行435处的处理。在440处,存储语义地语境化数据。在一些实施例中,该存储在历史记录中执行(例如,使用注释,经由ID的映射),而在其它实施例中,可以用数据的直接注释将数据存储在专门用于存储和检索三元组(即,三元组存储(triplestore))而构建的数据库中。
继续参照图4,在步骤415处,循环外分析组件(参见图2)从存储装置检索数据并生成新事件。由于步骤415是循环外执行的,所以循环外分析组件能够在较长的时间段内连续地监控和分析数据,以便生成新的事件。
一旦生成并检测到增强事件,则在步骤420处从存储装置收集增强事件(如在上下文模型中所定义的)所需的上下文信息。具有上下文的新的增强事件被存储在事件数据库中。在步骤425处,通过语义查询处理器使存储装置中的事件和数据可用。该处理器可以执行针对语义上下文模型(例如,SPARQL查询)制定的查询并检索相关数据。在一些实施例中,数据直接存储为语义数据(例如,存储为三元组存储中的RDF)并且可以本地执行查询。在其它实施例中,数据存储在普通历史记录中,并且基于上下文模型翻译查询(SPARQL->历史记录查询)。
应注意,图4示出两个不同的处理路径:数据的语境化发生在步骤430-440处,而循环内事件处理在410处进行。这两个处理路径可以并行或顺序地执行。在一些实施例中,智能PLC被配置为允许基于智能PLC上的可用资源进行处理。例如,对于多处理器控制器,一个处理器可以专用于语境化,而另一个处理器则进行事件处理。相反,对于单处理器环境,这两个处理路径可以顺序地执行。
图5示出在一些实施例中可以由智能PLC使用的上下文模型500的示例组。图5中示出的过程模型505、资产模型510、材料模型515、事件模型520、控制模型525以及环境模型530是构成智能PLC的语境化框架的五个主要模型。与包含静态数据的所有其它上下文模型505、510、515、525以及530相比,事件模型520中的增强事件在PLC的运行时期间动态地生成。因此,增强事件可以用来将静态的上下文信息(例如,产品类型、设备拓扑、过程信息)关联/注释到时间序列数据。例如,增强事件可以用来记录产品Y是在时间窗口Z中由机器X产生的。在没有该增强事件的情况下,仅基于时间戳很难重建这些相关性。
图6A至图6C提供根据一些实施例如何将图5中所示的模型应用于处理汽车门组装过程中的图形表示。在一些实施例中,设计工具可以生成与这些附图中呈现的图形类似的图形,以便允许工程师完全理解由系统生成的增强事件的上下文。
图6A提供模型的高级概要图。事件(例如,定位错误)在资产(例如,滑道条形码传感器)上、过程(门组装)期间以及产品(门)上。控制程序可以触发事件(例如,超过阈值的控制变量)。
图6B示出图6A中所示的顶层事件模型的扩展。该示例示出故障事件可以具有不同类型:定位问题、材料问题或机器人校准问题。这些信息可以基于领域知识进行预定义或在运行中获知。
图6C示出链接到控制模型和资产模型的事件模型。在该示例中,定位问题进一步扩展,可以看到定位循环计数传感器(软传感器)可以触发定位控制异常。定位循环计数软传感器属于控制模型,而并不适用于控制程序之外的传统PLC。
如上参照图2所述,在智能PLC中的分析组件中生成增强事件。在一些实施例中,分析组件利用规则引擎来进行该生成过程。规则引擎在每个控制循环根据一些预定义规则来评估输入的数据。如果满足所有的条件,则事件将启动。该规则可以随时调度到PLC。因此,可以对规则进行添加、修改和离线/在线移除,并且可以在运行时将规则调度到正在运行的智能PLC上。评估该规则并且在下一个循环处生成新的事件。不需要重新配置和重新设计整个自动化系统。此外,在一些实施例中,基于历史数据和事件随时间的推移获知如何生成事件的规范(例如,阈值)。这些事件不是基于固定的阈值,而是基于从历史条件中获知的动态值。
图7A、7B、7C以及7D示出规则引擎概念如何可以应用于特定示例:汽车门组装过程。图7A示出即使DoorQualitySensor的值大于零,也可以生成门质量问题事件的规则。图7B示出即使PositionLoopCounterSensor的值大于5,也可以生成定位控制异常事件的规则。在这种情况下,该positionLoopCountersensor是控制变量,是控制模型的一部分。图7C示出将门质量事件和定位控制异常事件链接的规则。如果两个事件都发生在同一个门上,则在门质量问题事件中设置cause-by属性。图7D示出循环内分析组件(例如,规则引擎)如何触发事件的示例。在规则引擎中评估一组门的循环计数软传感器。使用机器学习技术从历史数据获知阈值(线701)。如果数值高于该阈值,工程师可以使用该获知的阈值触发事件。这对于传统PLC来说是不可能的,传统PLC必须使用预定义的数量或变量来将其用作阈值。
本文所述的由控制层装置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)或本领域已知的任何其它处理器。更一般地,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、用于执行任务并且可以包括硬件和固件中的任何一个或它们的组合的装置。处理器还可以包括存储可执行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、转换或传送供可执行程序或信息装置使用的信息,和/或通过将信息路由到输出装置来对信息起作用。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,并且可以使用可执行指令进行调节以执行专用功能,该专用功能不由通用计算机执行。处理器可以与能够在其间进行相互作用和/或通信的任何其它处理器耦合(电地和/或如包括可执行组件那样)。用户界面处理器或发生器是已知的元件,该已知的元件包括用于生成显示映像或显示映像的部分的电子电路或软件或电子电路和软件的组合。用户界面包括一个或多个显示映像,该一个或多个显示映像使得用户能够与处理器或其它装置进行相互作用。
本文所述的各种装置包括但不限于控制层装置和相关计算基础设施,其可以包括至少一个计算机可读介质或存储器,该计算机可读介质或存储器用于保存根据本发明的实施例的编程的指令并且用于包含数据结构、表格、记录或本文所述的其它数据。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,包括但不限于非暂时性、非易失性介质、易失性介质以及传送介质。非易失性介质的非限制性示例包括光盘、固态驱动器、磁盘以及磁光盘。易失性介质的非限制性示例包括动态存储器。传送介质的非限制性示例包括同轴电缆、铜线以及光纤,包括组成系统总线的电线。传送介质也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产生的声波或光波。
本文所使用的可执行应用包括用于调节处理器以实现预定功能(诸如例如,响应于用户命令或输入的操作系统、上下文数据采集系统或其它信息处理系统的预定功能)的代码或机器可读指令。可执行程序是用于执行一个或多个特定过程的代码段或机器可读指令、子例程或其它不同的代码段或可执行应用的一部分。这些过程可以包括接收输入数据和/或参数,对所接收的输入数据执行操作,和/或响应于所接收的输入参数执行功能,并且提供所得的输出数据和/或参数。
如本文所使用,图形用户界面(GUI)包括一个或多个显示映像(由显示处理器生成并且使得用户能够与处理器或其它装置进行相互作用)以及相关联的数据采集和处理功能。GUI还包括可执行程序或可执行应用。该可执行程序或可执行应用调节显示处理器以生成表示GUI显示映像的信号。这些信号被提供给显示装置,该显示装置显示映像以供用户观看。在可执行程序或可执行应用的控制下,处理器响应于从输入装置接收的信号来操纵GUI显示映像。以这种方式,用户可以使用输入装置与显示映像进行相互作用,使得用户能够与处理器或其它装置进行相互作用。
本文中的功能和过程步骤可以全部或部分地响应于用户命令而自动执行。响应于一个或多个可执行指令或装置操作来自动执行活动(包含步骤),而无需用户直接发起活动。
这些附图的系统和过程并不是唯一的。根据本发明的原理可以获得其它系统和方法以完成相同的目的。虽然已经参考特定实施例描述了本发明,但是应当理解,本文所示出和所描述的实施例和变型形式仅用于说明的目的。在不脱离本发明的范围的情况下,本领域的技术人员可以实现对当前设计的修改。如本文所描述的,可以使用硬件组件、软件组件和/或硬件组件和软件组件的组合来实现各种系统、子系统、代理、管理器以及过程。除非使用短语“用于...的装置”明确叙述,否则本文的权利要求元素不应根据35U.S.C.112第六段规定解释。
Claims (9)
1.一种在多个控制循环内操作的智能可编程逻辑控制器中基于自动化系统数据生成事件的方法,所述方法包括:
在所述多个控制循环中包括的每个控制循环期间,由所述智能可编程逻辑控制器进行循环内事件生成过程,所述循环内事件生成过程包括:
收集自动化系统数据,
使用分析组件基于所述自动化系统数据确定是否存在事件生成条件,
如果所述事件生成条件存在,则生成一个或多个事件;以及
基于历史自动化系统数据修改由所述分析组件使用的至少一个分析规范。
2.根据权利要求1所述的方法,还包括:
接收一个或多个新的分析规范;以及
在所述智能可编程逻辑控制器运行时期间,基于所述一个或多个新的分析规范更新所述分析组件。
3.根据权利要求1所述的方法,还包括:
由所述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自动化系统数据,所述非易失性计算机可读存储介质能够操作地耦合到所述智能可编程逻辑控制器,
由所述智能可编程逻辑控制器基于所述历史自动化系统数据修改由所述分析组件使用的一个或多个分析规范。
4.根据权利要求1所述的方法,还包括:
由所述智能可编程逻辑控制器将上下文模型应用于所述自动化系统数据以创建语境化的数据;以及
由所述智能可编程逻辑控制器基于所述语境化的数据生成一个或多个额外的事件。
5.根据权利要求4所述的方法,还包括:
由所述智能可编程逻辑控制器将所述一个或多个事件存储在事件数据库中,所述事件数据库包含在所述智能可编程逻辑控制器内。
6.根据权利要求5所述的方法,还包括:
由所述智能可编程逻辑控制器接收事件请求;
由所述智能可编程逻辑控制器基于所述事件请求和所述上下文模型来制定查询;
由所述智能可编程逻辑控制器基于所述查询从所述事件数据库检索响应数据。
7.一种智能可编程逻辑控制器,包括:
处理器,配置为根据控制循环执行;
易失性计算机可读存储介质,包括过程映像区;
非易失性计算机可读存储介质;以及
多个控制器组件,由所述处理器根据所述控制循环执行,所述多个控制器组件包括:
数据传输组件,配置为在每个控制循环期间用包括自动化系统数据的内容更新所述过程映像区;
语境化组件,配置为:
将上下文模型应用于所述自动化系统数据以创建语境化的数据,并且
基于所述语境化的数据生成一个或多个事件;以及
历史记录组件,包括事件数据库,所述事件数据库配置为将所述一个或多个事件存储在所述非易失性计算机可读存储介质上,
所述语境化组件还配置为:
从所述历史记录组件检索历史自动化系统数据;以及
基于所述历史自动化系统数据修改由分析组件使用的一个或多个先前所接收的分析规范。
8.根据权利要求7所述的智能可编程逻辑控制器,其中,所述语境化组件还配置为在每个控制循环期间进行循环内事件生成过程,所述循环内事件生成过程包括:
使用分析组件基于所述自动化系统数据确定是否存在事件生成条件,以及
如果所述事件生成条件存在,则生成一个或多个额外的事件。
9.根据权利要求8所述的智能可编程逻辑控制器,其中,所述循环内事件生成过程还包括:
接收一个或多个新的分析规范;以及
在所述智能可编程逻辑控制器运行时期间,基于所述一个或多个新的分析规范更新所述分析组件。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2015/039670 WO2017007479A1 (en) | 2015-07-09 | 2015-07-09 | Generating events using contextual information on an intelligent programmable logic controller |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107850893A CN107850893A (zh) | 2018-03-27 |
CN107850893B true CN107850893B (zh) | 2021-01-15 |
Family
ID=53682874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580081556.0A Active CN107850893B (zh) | 2015-07-09 | 2015-07-09 | 使用上下文信息在智能可编程逻辑控制器上生成事件 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10809708B2 (zh) |
EP (1) | EP3320407B1 (zh) |
CN (1) | CN107850893B (zh) |
RU (1) | RU2683415C1 (zh) |
WO (1) | WO2017007479A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077117B (zh) * | 2014-10-29 | 2019-10-01 | 西门子公司 | 基于上下文知识的自动压缩算法选择和参数调节 |
EP3320407B1 (en) * | 2015-07-09 | 2019-11-27 | Siemens Aktiengesellschaft | Generating events using contextual information on an intelligent programmable logic controller |
EP3371665B1 (en) * | 2015-12-10 | 2019-03-20 | Siemens Aktiengesellschaft | Distributed embedded data and knowledge management system integrated with plc historian |
US10505955B2 (en) * | 2017-08-22 | 2019-12-10 | General Electric Company | Using virtual sensors to accommodate industrial asset control systems during cyber attacks |
EP3540542B1 (en) | 2018-03-13 | 2021-09-29 | Siemens Aktiengesellschaft | Method and apparatus for providing an instantiated industrial semantic model for an industrial infrastructure |
US11099549B2 (en) * | 2019-02-22 | 2021-08-24 | Toyota Motor North America, Inc. | System, method, and computer-readable storage medium for automated manufacturing defect detection |
EP3997530B1 (en) * | 2019-08-16 | 2023-11-08 | Siemens Aktiengesellschaft | Automation engineering learning framework for cognitive engineering |
WO2021058528A1 (de) * | 2019-09-27 | 2021-04-01 | Saint-Gobain Glass France | Automatisierter fertigungsprozess und fertigungsanlage zum biegen von glasscheiben mit integriertem digitalen abbild |
CN110879368B (zh) * | 2019-12-23 | 2022-07-08 | 卡斯柯信号(北京)有限公司 | Itcs车载电源数据的监测方法及装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001296911A (ja) * | 2000-02-10 | 2001-10-26 | Omron Corp | コントローラ |
US7292900B2 (en) * | 2001-07-13 | 2007-11-06 | Siemens Aktiengesellschaft | Power distribution expert system |
US9565275B2 (en) * | 2012-02-09 | 2017-02-07 | Rockwell Automation Technologies, Inc. | Transformation of industrial data into useful cloud information |
US7272453B2 (en) | 2004-11-30 | 2007-09-18 | Air Products And Chemicals, Inc. | Method and apparatus for utilizing a sequence interpreter approach to control logic of a programmable logic controller |
US20080125887A1 (en) * | 2006-09-27 | 2008-05-29 | Rockwell Automation Technologies, Inc. | Event context data and aggregation for industrial control systems |
US20090292677A1 (en) * | 2008-02-15 | 2009-11-26 | Wordstream, Inc. | Integrated web analytics and actionable workbench tools for search engine optimization and marketing |
US20090327172A1 (en) * | 2008-06-27 | 2009-12-31 | Motorola, Inc. | Adaptive knowledge-based reasoning in autonomic computing systems |
CA2728561A1 (en) | 2008-06-27 | 2009-12-30 | Exxonmobil Research And Engineering Company | A method and apparatus for real time enhancing of the operation of a fluid transport pipeline |
CN201469714U (zh) | 2009-09-09 | 2010-05-19 | 赵吉安 | 用于港口集装箱消毒杀菌智能控制系统装置 |
CN101872184A (zh) * | 2010-06-04 | 2010-10-27 | 南大傲拓科技江苏有限公司 | 可编程控制器的顺序控制图编程及控制方法 |
US10049135B2 (en) * | 2013-11-22 | 2018-08-14 | Ronald Gordon WHITLEY, JR. | Method and apparatus for context based data analytics |
US10394786B2 (en) * | 2015-04-20 | 2019-08-27 | Futurewei Technologies, Inc. | Serialization scheme for storing data and lightweight indices on devices with append-only bands |
EP3320407B1 (en) * | 2015-07-09 | 2019-11-27 | Siemens Aktiengesellschaft | Generating events using contextual information on an intelligent programmable logic controller |
US11113640B2 (en) * | 2016-06-29 | 2021-09-07 | Tata Consultancy Services Limited | Knowledge-based decision support systems and method for process lifecycle automation |
-
2015
- 2015-07-09 EP EP15739466.9A patent/EP3320407B1/en active Active
- 2015-07-09 CN CN201580081556.0A patent/CN107850893B/zh active Active
- 2015-07-09 US US15/740,016 patent/US10809708B2/en active Active
- 2015-07-09 WO PCT/US2015/039670 patent/WO2017007479A1/en active Application Filing
- 2015-07-09 RU RU2017146051A patent/RU2683415C1/ru active
Also Published As
Publication number | Publication date |
---|---|
EP3320407B1 (en) | 2019-11-27 |
WO2017007479A1 (en) | 2017-01-12 |
BR112018000100A2 (pt) | 2018-09-04 |
US20180181112A1 (en) | 2018-06-28 |
CN107850893A (zh) | 2018-03-27 |
EP3320407A1 (en) | 2018-05-16 |
RU2683415C1 (ru) | 2019-03-28 |
US10809708B2 (en) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN107250932B (zh) | 可编程逻辑控制器及其中的语义情境化方法 | |
CN106354082B (zh) | 一种基于知识的可编程逻辑控制器 | |
CN107077114B (zh) | 在可编程逻辑控制器中使用软传感器 | |
CN107835964B (zh) | 控制情境化以及关于控制的推理 | |
US20190258747A1 (en) | Interactive digital twin | |
US10545967B2 (en) | Control apparatus of an automation system | |
EP3335083B1 (en) | Rich contextualization of automation data | |
Farooqui et al. | Towards data-driven approaches in manufacturing: an architecture to collect sequences of operations | |
CN106796423B (zh) | 智能可编程逻辑控制器 | |
Christou et al. | End-to-end industrial IoT platform for actionable predictive maintenance | |
US20190260831A1 (en) | Distributed integrated fabric | |
Schuetz et al. | Discovering actionable knowledge for industry 4.0: From data mining to predictive and prescriptive analytics | |
Kharlamov et al. | Diagnostics of trains with semantic diagnostics rules | |
BR112018000100B1 (pt) | Método para gerar eventos baseado em dados do sistema de automação e controlador lógico programável inteligente | |
Galali | Development of a predictive maintenance application for packaging machines | |
Seitz et al. | Embedded Rule-Based Reasoning for Digital Product Memories. | |
De Palma | Solving The IoT Cascading Failure Dilemma using A Semantic Multi-agent System | |
Brodt et al. | A survey on it-techniques for a dynamic emergency management in large infrastructures |
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 |