CN109313423B - 用于监管和控制工业设施中的机器的装置及包括多个装置的系统 - Google Patents
用于监管和控制工业设施中的机器的装置及包括多个装置的系统 Download PDFInfo
- Publication number
- CN109313423B CN109313423B CN201880001536.1A CN201880001536A CN109313423B CN 109313423 B CN109313423 B CN 109313423B CN 201880001536 A CN201880001536 A CN 201880001536A CN 109313423 B CN109313423 B CN 109313423B
- Authority
- CN
- China
- Prior art keywords
- data
- devices
- processor
- machine
- network
- 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
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
- G05B19/042—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
- 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
- G05B19/0421—Multiprocessor system
-
- 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
-
- 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
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25229—Partition control software among distributed controllers
-
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0216—Human interface functionality, e.g. monitoring system providing help to the user in the selection of tests or in its configuration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Abstract
公开了用于监管工业设施的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的系统。该系统包括网络,该网络包括服务器以及形成计算集群的多个装置。多个装置中的至少一些装置能够连接到工业设施的机器。至少一些装置中的每个装置包括:第一处理器,其被配置成:利用能够从装置能够连接到的机器获取的数据来实时计算用于解决第一询问的第一处理任务;以及第二处理器,其被配置成:与网络共享其处理能力,并且当由服务器分配了用于解决第二询问的第二处理任务的至少一个线程时,计算所述至少一个线程。服务器被配置成:控制计算集群;将第二处理任务划分成多个线程;并且将多个线程中的一个或更多个线程分配给多个装置中的至少一些装置的第二处理器。还公开了用于监管工业设施的至少一个机器的操作的装置。还公开了工业设施,该工业设施包括:多个机器;用于监管所述多个机器中的至少一个机器的操作或者用于对至少一个机器进行监管并且致动的网络,该网络包括服务器以及形成计算集群的多个装置。
Description
技术领域
本发明涉及用于工业设施中的监管和控制的装置的领域。更具体地,本发明涉及用于在产生大量数据的工业环境中实时捕获和处理数据的高可用性装置。这些装置对于实现智能服务例如工业机械中的能量效率和预测性维护会是特别有利的。本发明还涉及网络、系统以及包括这些装置的工业设施。
背景技术
在九十年代(1990年代),开发了由智能装置构成的网络的概念,并且创造了用于限定这种概念的术语:“物联网(IoT,Internet of Things)”。IoT是指可以连接到互联网并且能够使用所谓的机器到机器或M2M通信向其他对象或装置标识自己的物理对象或装置。IoT可以被限定为嵌入有电子、软件、传感器和网络连接的物理对象的、使这些对象能够收集和交换数据的网络。可以跨现有网络基础设施远程感测和控制属于IoT的对象。每个“物”都可以通过其嵌入式计算系统被唯一标识,并且可以借助于现有的互联网基础设施进行操作。目前,IoT汇集了多种技术,包括无线和有线通信二者以及网络、传感器以及嵌入式系统和微机电系统(MEMS)二者。IoT能够适用于许多不同的环境,包括家庭(智能家居)、公共基础设施(如智能城市,包括例如环境监管)以及工业(诸如智能电网的狭义的工业或涵盖诸如智能交通的一些公共基础设施的广义的工业)。
当IoT被应用于(最广泛意义上的)工业基础设施时,使用也称为工业4.0的特定术语工业物联网(IIoT)。当工业设备被集成在IIoT中时,机器能够向上级监管系统通知其工作状态,从而实现预测性智能服务,例如由Acatech(德国国家科学与工程研究院)在2014年3月命名的智能服务世界(Smart Service Welt)的实时(RT)质量控制。这又将使工业设备的制造商能够成为高级服务的提供者。
IIoT和IoT之间的主要区别在于,包含IIoT的装置和机器可能是其故障或失效可能导致下述结果中的至少一个的系统(或是该系统的一部分):设备/财产的损失或严重损坏、环境危害和/或严重的生产损失,等等。从这个意义上讲,工业设施的系统需要特征在于实时响应和在不同机器之间同步的解决方案,以在存在可能导致任何先前事件的任何潜在故障时使这些系统致动。这种系统的非限制性示例是例如核电厂的发电厂、电力传输和运输、炼油厂、天然气加工厂、化学处理厂以及制造生产和装配线。
特别参考制造生产线的示例,导致关键事件的示例性故障可能是在加工过程中使用的机器中包括的许多轴承之一中的球的失效。机器可以包括大量高复杂性的元件和/或机械组件,然而,一个轴承中的球(即损坏的球)的失效可能使机器不能运行,从而导致整个生产线的中断。从这个意义上讲,单个磨损的球可能会触发最终导致毁坏整个机器的一系列事件。在一些其他情况下,即使在球被损坏之后机器仍然可运行,但是相反,该事件导致同一机器内的其他元件失效,这最终可能破坏机器。在这些情况下,从部件(例如球)失效的确切时刻起直到给出使机器停止的指令并且该指令生效为止所花费的时间是避免失效或者甚至灾难的最关键方面。加工过程领域中的关键事件的另一个示例是工具的单个切削刃(或者甚至是相同的受损球)的破裂,这可能导致严重的质量问题并且涉及生产损失:由机器加工的货物被不当处理,因此,这些货物变得有缺陷并且不符合最低质量要求;可能会发生这样的情况:没有人检测到货物有缺陷,或者在货物被交付给经销商或最终客户后才检测到缺陷。因此,必须实时检测这些失效,因此在工业环境中必须迅速检测和响应部件的故障(取决于机器的性质和故障,这可能是几毫秒)。此外,优选的是,工业系统可以以某种方式预测机器内的部件大约何时将失效,从而可以在部件失效之前将其更换。
当工业设施的机器包含IIoT时,这些机器往往会产生大量数据(单个机器可能包括数十、数百甚至数千个传感器),从而创造了新的挑战性商机。这样的数据量带来了随后对数据的快速处理时间的必要性,并且增加了快速索引、存储和处理这种数据的需求,这是由于,否则所生成的数据可能变得毫无意义。举例来说,对于可以输出数千个变量——即由传感器和/或控制机床的操作的装置提供的数千条不同的潜在信息——的机床,如果快速处理这些变量(或者这些变量的子集)并且从这些变量中的一些或全部的组合中提取含义,则可以在失效之前或者在发生失效之后的少许时刻停止所述机床。考虑到具有3个伺服电机和加工主轴的机床的特殊情况,输出变量的数量为78。如果每个样本的吞吐量为2.8MB/周期,则每年捕获的数据量大约为1TB。变量的处理以及随后从变量中提取知识时的反应的延迟确定了是否有效地防止了失效,在这种情况下,确定已经发生的失效的成本是多少。如上面的示例中所述,越晚检测到失效,解决所产生的问题时产生的成本将越高。
当前用于处理大量数据的方法基于如图1所示的金字塔形计算堆栈190。在第一级中,在监管/质量控制下,传感器连续捕获来自工业设施(通常是关键系统)的装置或机器的数据。第二级是本地控制级,例如用PLC(可编程逻辑控制器)或计算机数字控制(CNC)工具实现,其中,传感器信号被转换成数字数据。从传感器获取的数据经由PLC/CNC级传送到工业控制系统(ICS)例如SCADA(监管控制和数据获取)。SCADA是基于计算机的集中式系统,其用于远程监测和控制(也可能分布在大面积上的)工业过程,例如制造、发电、基础设施过程、电力传输和运输等。本地控制行为由PLC/CNC执行,而SCADA负责影响整个系统的全局控制行为。SCADA层处理信息,而下层(PLC/CNC)直接处理数据。在此上下文中,术语“数据”是指由其对应的源(例如传感器、PLC/CNC或一般装置)提供的原始值(例如电压值或其他值),而术语“信息”也指数据,但是是以情境化的形式。例如,由热敏电阻产生的电压是数据(具体为原始数据),而一旦给出含义(即针对该特定电压的温度是什么),该电压也是信息。
金字塔的上层是MES(制造执行系统)和ERP(企业资源计划)。MES是负责产品定义管理、资源管理、调度、分派和执行生产订单、收集生产数据以及执行生产分析等的计算机化系统,而ERP是指提供核心业务流程的综合视图的业务管理软件。ERP例如用于收集、存储、管理和解释来自不同业务活动的数据,例如产品规划、营销和销售、库存管理以及货运和支付。因此上层(MES和ERP)不再处理信息本身,而是使用与业务相关的信息(也称为“知识”)工作,一旦处理完毕就可以从信息本身中提取这些业务相关的信息。
现有技术的SCADA系统必须管理反映受监管机器的当前状态的少量信息(例如,一般的有效/无效装置、阀的打开/关闭状态、罐中的压力水平等);例如,可以从PLC/CNC检索这些状态值。如果打算执行除仅监管以外的任务(例如,尽管总体性能明显正确,但是要执行预测性维护或者评估装置或机器是否正常运行),则必须考虑由传感器和工业机器的相关装置提供的所有或大部分数据。单个机器可以包括数百或甚至数千个传感器,这些传感器中的每个传感器可以提供多于一个的变量(例如,数码相机的照片具有与照片以其为特征的像素一样多的变量)。因此,提供了大量数据(即,可以随后提供信息和知识的数据)。在现有技术中,数据必须被存储在云中,在这种情况下可以通过所谓的云计算来处理数据。云计算是这样的模型,其可以通常通过互联网实现对可配置的计算/处理资源——例如服务器、网络和数据库——的共享池的无处不在的按需网络访问。由于互联网的性质,云系统固有地存在网络延迟、安全性和隐私性等问题。通常,当敏感信息和数据被存储在云中时,安全性和隐私性成棘手的问题。
但是即使这两个问题不成问题,云计算也无法对控制工业环境的苛刻条件做出适当的响应。首先,仅仅存储数据通常是完全不可行的:工业设施的每个机器产生大的数据吞吐量,因此将数据传输到云所需要的带宽通常不足;此外,该系统不仅受到通信信道的限制,而且还受到使得可以将数据传输到云的所有装置例如交换机、路由器等的限制。这在诸如上面举例说明的系统中尤其成问题,必须响应于异常行为来控制该系统,该异常行为只能使用机器本身提供的原始数据来检测,并且在极短的时间段内进行检测。其次,因为为了检测这种异常行为,有必要处理所有存储的数据,并且尽管云计算的计算能力,但这可能不足以提供响应,更不用说在短时间段内提供。
为了减轻这些缺点,已经开发了一种旨在使云更接近工业设施的通常被称为雾计算或边缘计算的新范例。雾/边缘计算将云计算扩展到属于网络的机器的物理位置,确保接近最终用户和本地资源池,从而减少网络延迟,例如如由Pranali More在2015年6月在IJT:国际工程与技术研究期刊第04卷第06期的“Review of implementing Fog computing”中所报告的那样。就数据或信息可能不必存储在云中而言,雾/边缘计算解决了与云计算相关联的一些安全和隐私问题或忧虑。然而,雾/边缘计算需要部署可能非常昂贵的大型基础设施,并且该大型基础设施无论如何都无法解决云计算的所有问题。特别地,在雾/边缘计算中也存在相同的带宽和计算问题。现在网络延迟确实可能低于云计算,但是通信信道的带宽可能不足以满足工业设施中产生的吞吐量。如果网络可以以某种方式应对整个工业设施产生的数据量,则必须及时处理该数据量以检测机器的任何异常行为。
作为示例,图2示出了连接工业网络和云的当今架构的方案。作为示例,示出了四个端点,每个端点代表工业网络的不同示例:风力涡轮机场、机车、机床和用于使用机器人将部件插入工件的单元。每个端点连接到网络物理生产系统(CPPS),CPPS负责从端点捕获数据并且执行所捕获数据的本地预处理。由常规CPPS执行的预处理的示例是消除用于节省空间和简单样本变换的错误数据(信号处理应用例如平均值、中值、标准偏差、域的变化——例如使用快速傅里叶变换即FFT进行从时域到频域的变化)。在CPPS与云之间提供安全通信,以将经预处理的数据发送到云以进一步存储和处理。在许多应用中,要求几个CPPS例如通过以太网彼此连接。目前有几家公司提供用作图示的CPPS并且能够连接到相邻装置的装置。这种装置的示例是由TTTech开发的DESwitch Akro 6/0TSN、由SoCe开发的CPPS-Gate40以及由eWON开发的eWON Flexy。
Armando Astarloa等人提出了以IEEE 1588高可用性协议为特征的CPPS,其由能够捕获和处理多传感器数据的智能节点组成,并且这些节点位于能够支持亚微秒同步的高可用性环形网络中(2015年在北京举行的2015IEEE国际研讨会在Precision ClockSynchronization for Measurement,Control,and Communication(ISPCS)的第25至30页的“1588-aware High-Availability Cyber-Physical Production Systems”)。该网络满足极其苛刻的同步要求。每个智能节点将大量传感器数据结合其时间戳值一起发送到云中的服务器,在云中的服务器处对其进行处理和管理。
这种系统的问题在于每个智能节点(CPPS)内生成的数据量可能导致智能节点与服务器之间的通信链路无法按预期执行。再次参考由每秒数千个变量(每亚毫秒的样本)表示的工业机器的示例,即使在预处理与CPPS中的那些变量相关联的数据之后,服务器也可能无法在工业环境的苛刻的时间前提内处理该数据,因此导致无法实现某些智能服务,例如用于提高整体设备效率和预测性维护的服务。
这个问题可以通过以下来解决:部署庞大的通信通道和交换机的基础设施,这些通信通道和交换机提供足够的容量来处理要传输到云的大量数据(包括可从传感器获得的数据,如图1所示);确保用于处理数据并且从数据中提取知识的短时间(这意味着必须始终有足够的计算资源可用,并且网络延迟低且稳定)。然而,除了在设备和维护方面所需的大量经济投资之外,这只是一种短期解决方案,由于随着新工业机器加入到工业设施中,通道带宽和处理能力的要求不断增长,这甚至不具有成本效益,因此系统不可扩展。
发明内容
本公开内容中描述的装置、网络和系统旨在解决现有技术的智能装置及其网络的缺点。装置、网络和系统是用于监管工业设施中的至少一个机器的操作的装置、网络和系统。本发明的装置、网络和系统还可以预测至少一个机器的行为或者例如通过向至少一个机器或其部件提供指令或命令以对任何可能已被检测或诊断的故障作出反应来对至少一个机器进行致动。如本说明书中明显看到的,装置、网络和系统中的每一个特别适用于以成本效益好的方式要求智能服务的工业环境,例如用于提高整体设备效率和预测性维护的服务。
在本公开内容的上下文中,应该广义地解释表述“监管操作”,不仅包括对工业设施中的一个或更多个机器的被动监视,还包括对一个或更多个机器的主动反应、致动、预测、建立规定、控制或管理。
在本公开内容的上下文中,术语“机器”是指连接到工业环境的机器、机械、站或单元的任何机器、机械、站、单元、部件或外围设备。在本文中,术语“传感器”旨在不仅包括字面意义上的传感器,而且还包括用于集成多个传感器的设备,例如提供可以由这些机器输出的任何数据——包括可能已被用于传感器的集成的设备捕获的传感器数据——的PLC和CNC。换言之,“传感器”属于现场数据获取阶段并且包含任何现场数据获取装置。在本公开内容的上下文中,术语“数据”是指由其对应的源(例如,传感器、PLC/CNC或一般的装置)提供的原始值(诸如电压值或其他),而术语“信息”也指数据,但是是以情境化的形式。例如,由热敏电阻产生的电压是数据(具体为原始数据),而一旦给出含义(即针对该特定电压的温度是什么),该电压也是信息。显然,术语“数据”还包括当参考数字化信息时可从传感器获得的样本或一组样本,例如以位或字节的形式。
本发明的第一方面涉及一种用于监管工业设施的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的装置。该装置包括第一处理器,该第一处理器被配置成:利用可从该装置可连接到的机器获取的数据来实时计算用于解决第一询问的第一处理任务。该装置还包括第二处理器,该第二处理器被配置成:与该装置可连接到的网络共享其处理能力,并且当由网络的另一装置(在本公开内容中称为服务器或主机)分配了用于解决第二询问的第二处理任务的至少一个线程时,计算所述至少一个线程。
该装置能够解决与至少一个机器或其至少一个部件的操作有关的询问。在优选实施方式中,装置可连接到的机器是至少一个装置。装置可连接到的网络优选地是高性能计算环境中的计算集群网络。
本发明的第二方面涉及用于监管工业设施的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的系统。该系统包括网络,该网络又包括服务器以及形成计算集群的多个装置。多个装置中的至少一些装置是根据本发明的第一方面的装置。在这个意义上,多个装置中的至少一些装置中的每个装置可连接到工业设施的机器,并且包括:第一处理器,该第一处理器被配置成:利用可从该装置可连接到的机器获取的数据来实时计算用于解决第一询问的第一处理任务;以及第二处理器,该第二处理器被配置成:与网络共享其处理能力,并且当由服务器分配了用于解决第二询问的第二处理任务的至少一个线程时,计算所述至少一个线程。网络的服务器被配置成:控制计算集群,以将第二处理任务划分成多个线程;并且将至少一个线程分配给多个装置中的至少一些装置的第二处理器。在这方面,服务器包括处理器,该处理器被配置成:管理计算集群,将第二处理任务划分成多个线程,并且将至少一个线程分配和发送到多个装置中的至少一些装置的第二处理器。包括在服务器中的处理器还可以被配置成:从多个装置中的至少一些装置接收线程的输出;处理线程的输出以计算第二处理任务;并且提供第二询问的解决方案。
本发明的第三方面涉及工业设施,包括:多个机器;以及用于监管多个机器中的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的网络,该网络包括服务器以及形成计算集群的多个装置。多个装置中的至少一些装置可连接到所述多个机器中的机器,至少一些装置中的每个装置包括:第一处理器,该第一处理器被配置成:利用可从该装置可连接到的机器获取的数据来实时计算用于解决第一询问的第一处理任务;以及第二处理器,该第二处理器被配置成:与网络共享其处理能力,并且当由服务器分配了用于解决第二询问的第二处理任务的至少一个线程时,计算所述至少一个线程。网络的服务器被配置成:控制计算集群;将第二处理任务划分成多个线程;并且将多个线程中的一个或更多个线程分配给多个装置中的至少一些装置的第二处理器。服务器还可以被配置成:从多个装置中的至少一些装置接收线程的输出;处理线程的输出以计算第二处理任务;并且提供第二询问的解决方案。
在优选实施方式中,至少一些装置包括多个装置中的每个装置。此外,在这些优选实施方式中的一些中,(系统或工业设施的)网络的多个装置中的每个装置是根据本发明的第一方面的装置。
装置可以实时解决询问,同时从机器实时获取数据,这进而又能够实时或接近实时地响应,例如用于防止发生关键事件或者防止已经发生的关键事件可能对工业设施或者工业设施内的操作者造成损坏;在这个意义上,装置可以从这种询问中得到用于机器的指令(例如,调整部件的参数、关闭机器等)。该装置还可以被集成在计算集群网络中,以有助于解决下述询问,该询问由于其复杂性或计算负担而无法实时解决,但是由于计算集群网络而可以在进程内时间中——即在进行工业过程(工业设施的机器的进程)的同时——解决,从而实现进程内反应。询问可以是用于监管工业设施中的至少一个机器(或者机器的至少一个部件)的操作的询问,或者用于预测至少一个机器/部件的行为或者用于对至少一个机器/部件进行致动的询问,或者由装置或者控制装置的服务器使用其答案以用于对可能已经检测或诊断的任何故障作出反应或者用于对机器/部件进行致动或者用于规定机器/部件上的任何致动的询问。此外,由于来自工业设施的数据可以被存储在计算集群网络内,因此该装置还可以有助于解决不需要实时或者在进程内时间得到解决方案但是可能提供在某个时间范围内执行的劣化、可能的失效或者潜在改进的信息的询问。
在本公开内容的上下文中,术语“实时”是指被包括在最小值Vmin与100ms(毫秒)的上限值之间变化的范围内的时间,上述范围例如在最小值Vmin与50ms的上限值之间变化的范围、在最小值Vmin与5ms的上限值之间变化的范围、在最小值Vmin与1ms的上限值之间变化的范围。考虑到当前技术,最小值Vmin可以是例如但不限于1μs(微秒)。然而,本领域技术人员将理解,技术的发展可以使得能够将该范围的最小值Vmin减小到小于1μs的最小值,例如500ns的最小值、100ns的最小值、20ns的最小值或者1ns的最小值。
在本公开内容的上下文中,可以由单个装置实时解决的询问(优选地,装置从可连接到的机器获得用于解决询问所需的数据)被称为第一询问,而可以在进程内时间中解决的询问被称为第二询问。
第二询问具有与其相关联的任务,所述任务可以通过被划分成一个或更多个部分(即线程)来并行化,这意味着可以将用于解决第二询问的任务的一个或更多个线程提供和分配给计算集群网络的不同装置。这些线程中的每一个可以以分布式方式(例如,在不同装置中)计算。当装置的第二处理器计算线程时,可以将线程的结果与同一任务的其他线程(例如,装置处的或者计算集群网络的服务器处的)整合在一起,使得可以解决询问。通过将任务的计算并行化来解决询问所花费的时间可以短于在没有任何并行化的情况下解决询问所花费的时间。
该装置的第二处理器被配置成:当(装置可连接到和/或已连接到的网络的)服务器将第二处理任务的至少一个线程分配给该装置时,计算该线程。考虑到形成网络的装置的可用计算能力来完成由服务器对线程的分配。由于第二处理器通过计算对应的第二处理任务的一部分来帮助解决第二询问,因此第二处理器被配置成与装置可连接到和/或装置已连接到的计算集群网络共享其处理能力。如果计算集群网络具有例如本发明的第一方面的装置的形式的节点,则第二处理器的处理能力可以与计算集群网络内的相似装置的第二处理器共享。尽管计算集群网络优选地包括与装置和服务器一样多的节点,但是计算集群网络可以包括例如但不限于以太网交换机、路由器、数据存储装置、具有不与计算集群网络共享的处理能力的装置等的形式的其他节点。
将多传感器数据获取和(第一处理器中的)本地处理能力以及(第二处理器中的)分布式处理能力集成在同一装置中产生了取代常规金字塔的用于高可用性数据处理的新的金字塔计算概念:虽然大量业务决策(知识)可能会继续以云被存储和处理和/或某些信息(例如,作为在质量控制下处理从机器接口收集的原始数据以生成工业设施的全局视图的结果)可以继续以雾/边缘被存储和处理,但是已经开发和定义了新的计算层:地面计算。
关于系统的服务器,还包括用于连接到网络的装置(例如输入/输出端口或者网络接口控制器),服务器通过该装置可连接和/或已连接到网络。服务器及其处理器还可以被配置成通过平衡计算集群内的装置的负荷来优化计算集群的性能。在这个意义上,每个装置可以将关于其计算负荷的信息发送到服务器,使得服务器的处理器可以知道每个装置的计算负荷,并且因此根据其计算负荷将任何线程分配给装置。因此优化了计算集群的计算能力,因为可能发生某些装置几乎空闲而其他装置正在运行接近其计算能力的任务。当将附加装置并入网络中作为新装置并且在工业设施中部署了机器时,网络的处理或计算能力增加。这又可以解决更复杂的询问,因为不需要从网络中取出数据(数据保留在地面级中)。
本公开内容的装置和系统可以提供由本地部计算级和分布式计算级形成的新计算方案,在本地部计算级中,首先获得传感器数据(理解的已经指定的广义传感器,并且数据包含样本),然后用于在本地解决一个或更多个第一询问,在分布式计算级中,存在一个或更多个第二询问的分布式解决。这种新的计算方案可以减少对任何询问的响应时间以及在与网络相关联的工业设施内解决询问(并且从其获得指令)的反应时间。换言之,装置以及由在计算集群网络中工作的装置执行的分布式计算(被视为高性能计算,即HPC)增加了从应用于工业设施的预测控制/监管得到的总体计算性能。因此,新的计算层被添加到图1的当前金字塔形计算堆栈190。该新计算层被称为地面计算并且包含网络中的每个装置的第二处理器的处理。换言之,地面计算包括由包括在网络中的装置执行的高性能计算,以解决地面计算层内的第二询问。地面计算层被建立在下文中称为液体计算层的最底层之上,液体计算层包括网络中的每个装置的第一处理器的处理。液体计算层利用可以从装置可连接到的机器获得的数据来计算用于实时解决第一询问的任务。为了满足实时解决第一询问的要求,可以有利地使用具有可编程硬件/电子装置的第一处理器。可以使用例如但不限于诸如FPGA(即现场可编程门阵列)之类的现场可编程集成电路作为硬件加速器。这使得能够在例如在1/1.5GHz与1/0.8GHz之间即在0.67ns(纳秒)与1.25ns之间的处理周期时间中计算与第一询问相关联的任务。因此,可以实时地实现对机器或其部件的监管。
此外,因为在复杂的工业设施中产生的大量数据在两个不同的层(液体计算,其解决需要实时处理的询问,因此能够近乎实时例如以毫秒的量级地对事件做出反应;以及地面计算,其解决没有并行计算的情况下将在不足以快速反应的时间内解决的询问,并且在某些情况下,如果有必要,以较不苛刻的时间响应来解决询问,以实现进程内——即执行进程花费的时间期间——反应)中的计算集群(比云/雾计算更接近机器)内处理,因此可以减少递送到执行边缘/雾/云计算的设备的数据量(对于进程外——即在比执行进程所花费的时间更长的时间内——的反应进行脱机处理)。实际上,不需要将原始数据传输到云/雾/边缘进行处理,因此不同层之间的电信基础设施可以具有较低的容量和/或较高的延迟。相反,基本上仅置于上下文中的信息离开计算集群(地面计算)以在边缘/雾/云中进行进一步处理或计算。因此,所描述的新计算方案可以与现有范例例如云计算和雾/边缘计算共存,但是云计算和雾/边缘计算专用于精细处理(即,为了获得正在分析的工业系统的知识而对信息进行的高级处理)。
在本发明的一些实施方式中,第一处理任务包括:预处理第一数据以形成用于解决第一询问的数据集。也就是说,装置的第一处理器还被配置成预处理第一数据以形成用于解决第一询问的数据集。
在本发明的一些实施方式中,第一处理任务包括:预处理第一数据以形成数据集;以及从数据集中选择用于解决第一询问的数据子集。也就是说,装置的第一处理器还被配置成:预处理第一数据以形成数据集,并且从数据集中选择用于解决第一询问的数据子集。
装置获得必要的数据(通常是传感器数据),预处理所获得的数据从而减小数据的大小,并且使用经预处理的数据(即,具有缩小尺寸的数据)来解决询问。此外,经预处理的数据的一部分或全部也可以被递送到雾/云计算设备,使得利用雾和/或云计算,可以针对例如与业务相关的询问或操作提供进一步处理。
在本发明的一些实施方式中,装置的第二处理器还被配置成在本地计算用于解决询问的第三处理任务(未链接到并行计算的询问,其在本公开内容中也称为第三询问),也就是说,第二处理器不限于解决与可并行化性质的第二询问相关的任务。
在这些实施方式中的一些实施方式中,第三处理任务包括:处理可从网络的任何装置(包括服务器或者相同装置)获得的数据以形成用于解决询问(未链接到并行计算,即第三询问)的数据集;也就是说,装置的第二处理器还可以被配置成处理可从网络的任何装置获得的数据以形成用于解决未链接到并行计算的询问的数据集。
在本发明的一些实施方式中,装置的第一处理器还被配置成在解决第一询问之后得到指令。该装置的第一处理器还被配置成将指令发送到可连接到装置、网络的机器或者可连接到(网络的)多个装置中的另一装置的机器。在一些情况下,第一处理器可以首先将指令发送到第二处理器,第二处理器进而还被配置成将指令发送到可连接到装置和/或多个装置中的另一个装置的机器。
在本发明的一些实施方式中,装置的第二处理器还被配置成将可以从同一装置的第一处理器接收的第一询问的解决方案提供给网络或其服务器。
在本发明的一些实施方式中,装置还包括数据存储装置,该数据存储装置包括至少非易失性存储器,例如硬盘驱动器(HDD)或者优选地固态驱动器(SSD)。装置的第二处理器可以将数据存储在非易失性存储器中并且从非易失性存储器中检索数据;举例来说,当通信信道没有可用的空闲带宽时,第二处理器可以缓存必须发送到网络的任何数据,并且可以在对其处理之前缓存从网络接收的任何数据。
在本发明的一些实施方式中,第二处理器还被配置成向服务器发送数据以生成第二处理任务,发送到服务器的数据是可从装置可连接到的机器获取的数据和/或第一询问的解决方案。
在本发明的一些实施方式中,系统的服务器包括或者连接到数据存储装置,该数据存储装置包括至少非易失性存储器。在这些实施方式中,在网络的装置内产生的任何数据可以被存储在服务器的非易失性存储器中。
在本发明的一些实施方式中,网络的每个装置被配置成执行(从装置可连接到的机器的)数据获取,该数据获取与由多个装置中的其他装置执行的(从其他装置中的每个装置可连接到的机器的)数据获取同步。为了同步地工作,网络的每个装置实现在整个网络中用于同步时钟以及用于同时获取数据的协议(例如在第二处理器中,或者在用于连接到网络的装置中),以使每个装置在与网络的其他装置相同的时刻从机器获取数据。例如,该协议可以是精确时间协议(PTP)(IEEE 1588)、白兔(White Rabbit)或者时间敏感网络(TSN)。在特定实施方式中,每个装置包括用于优选地以亚微秒精度与服务器和网络中的其他装置同步的同步定时器。
在本发明的一些实施方式中,服务器包括第一处理器和第二处理器。在一些实施方式中,服务器是根据本发明的第一方面的装置。
在一些实施方式中,服务器包括处理器,该处理器被配置成运行与由多个装置中的至少一些装置或者所有装置中的每个装置的第二处理器运行的第二指令集架构不同的第一指令集架构。服务器还包括可连接到网络(例如,可连接到计算集群内的装置)的网络接口,网络接口被配置成将指令从第一指令集架构转换成第二指令集架构以及将指令从第二指令集架构转换成第一指令集架构。网络接口允许网络的多个装置运行与服务器的指令集架构不同的指令集架构;这是有利的,因为服务器可以与运行诸如x86的(普遍存在的)指令集架构的其他设备(例如用于雾计算和/或云计算的设备)互连。因此,无论在网络中运行的指令集架构如何,服务器都可以通过(使用网络接口)将指令转换成对应的指令集架构来将网络内生成的任何数据传送到在网络外部的其他装置。可能的指令集架构的非限制性示例是ARM、Arduino、Raspberry PI、x86、PowerPC、SoC装置等。
在本发明的一些实施方式中,装置的第一处理器包括以下之一:中央处理单元或其至少一个核、图形处理单元、诸如FPGA(即现场可编程门阵列)、硬件加速器的现场可编程集成电路、或者嵌入式电路(例如片上系统、片上多处理器系统)——例如Zynq、Xilinx的MPSoC——及其组合。在本发明的一些实施方式中,装置的第二处理器包括以下之一:中央处理单元或其至少一个核、图形处理单元、诸如FPGA的现场可编程集成电路、或者嵌入式电路(例如,片上系统、片上多处理器系统)及其组合。在本发明的一些实施方式中,装置还包括多核中央处理单元,并且第一处理器包括多核中央处理单元的至少一个核,并且第二处理器包括多核中央处理单元的至少另一个核。
在本发明的一些实施方式中,系统的网络包括网络装置(例如路由器、交换机等),用于将作为运行已经描述的、在(网络的)一个或若干个装置的第一处理器(液体计算)和第二处理器(地面计算)处的任务的结果而可获得的数据发送到外部网络或其服务器。在这个意义上,网络内的数据可以被发送到在网络外部的计算装置,例如被配置成执行雾计算或者云计算的计算装置。因此,液体计算层和地面计算层可以共存、增强并且利用与雾/云计算的协同作用。外部网络可以在云中或/和雾中。网络装置可以连接到系统的网络的服务器,在这种情况下,服务器通过网络装置将数据发送到外部网络。
在本发明的一些实施方式中,装置的第二处理器还被配置成将处理能力中的一部分专用于计算第二处理任务的至少一个线程,即第二处理器的处理能力的一部分专用于HPC。在这些实施方式中,第二处理器的不专用于HPC的部分可以专用于在本地计算包括解决询问的第三处理任务(未链接到并行计算)或者与第一处理器一起对装置可获得的数据和/或样本进行预处理。这种预处理可以特别适用于其中装置在非常短的时间段内接收非常大量的数据的关键系统,因此捕获和预处理数据需要相对大量的本地资源。
网络可以是确定性的,这意味着在网络内生成的所有数据包括允许标识数据发起时的确切时刻的时间戳。在特定实施方式中,网络可以是以太网类型的实时确定性网络,例如White Rabbit。在替选实施方式中,网络可以是通常在工业以太网网络上实现的TSN网络。
形成网络的计算集群的每个装置的第二处理器异步地工作。然而,在本发明的一些实施方式中,第二处理器相对于形成计算集群网络的其他装置的第二处理器同步地处理数据。
即使该装置适用于IIoT,该装置也可以支持未被设置IP的机器和/或传感器——即不产生IP分组的机器和/或传感器——的连接。因此,装置可以利用IP或其他协议如Modbus、PROFINET或者IO-Link通信连接到机器和/或传感器。该特征使得能够在例如核电站、风力发电厂、炼油、天然气加工厂、化学处理厂和制造业生产线的例如制造、化学和发电、传输和运输各种工业设施中进行装置部署。
本发明的第四方面涉及用于监管工业设施的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的装置。该装置包括第一处理器,该第一处理器被配置成:利用可从该装置可连接到的机器获取的数据实时计算用于解决第一询问的第一处理任务。该装置还包括第二处理器,其被配置成在本地计算用于解决另一询问的第二处理任务。
装置可以分别用第一处理器和第二处理器在本地解决第一询问和另一询问,也就是说,由处理器计算的第一任务和第二任务都未链接到并行计算。
本发明的第四方面的装置可以连接到(其他)相似的装置以形成网络。这些装置可以被配置成通过网络在彼此之间交换数据。网络可以包括服务器。服务器和至少一些装置可以形成计算集群。
在一些实施方式中,第一处理任务和/或第二处理任务包括:处理可从网络的任何装置(包括服务器或者相同装置)获得的数据,以形成用于解决第一询问和/或另一询问的数据集。也就是说,第一处理器和第二处理器都被配置成处理可从网络的任何装置获得的数据,以形成用于解决询问的数据集(未链接到并行计算)。
该装置能够解决与至少一个机器或其至少一个部件的操作有关的询问,在这个意义上,第一询问和另一询问可以涉及至少一个机器或其至少一个部件的操作。
本发明的第五方面涉及用于监管工业设施的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的系统。该系统包括网络,网络包括多个装置。多个装置中的至少一些装置是根据本发明的第四方面的装置。多个装置中的至少一些装置中的每个装置可连接到工业设施的机器,并且包括:第一处理器,其被配置成:利用可从装置可连接到的机器获取的数据实时计算用于解决第一询问的第一处理任务;以及第二处理器,其被配置成在本地计算用于解决另一询问的第二处理任务(也就是说,第二处理任务未链接到并行计算)。
本发明的第六方面涉及工业设施,包括:多个机器;以及用于监管多个机器中的至少一个机器的操作或者用于监管这种操作并且基于这种监管对至少一个机器进行致动的网络。该网络包括多个装置。多个装置中的至少一些装置是根据本发明的第四方面的装置。多个装置中的至少一些装置中的每个装置可连接到工业设施的机器,并且包括:第一处理器,其被配置成:利用可从装置可连接到的机器获取的数据实时计算用于解决第一询问的第一处理任务;第二处理器,其被配置成在本地计算用于解决另一询问的第二处理任务(也就是说,第二处理任务未与并行计算相关联)。
在本发明的一些实施方式中,装置的第二处理器还被配置成:与装置可连接到的网络共享其处理能力,并且当由网络的另一装置(即,服务器)分配了用于解决第二询问的第三处理任务的至少一个线程时,计算所述至少一个线程。在这些实施方式中,网络与多个装置中的至少一些装置形成计算集群。网络还包括服务器,服务器被配置成:控制计算集群;将第三处理任务划分成多个线程;并且将多个线程中的一个或更多个线程分配给多个装置中的至少一些装置的第二处理器。在这方面,服务器包括:处理器,其被配置成管理计算集群,将第三处理任务划分成多个线程,以及将至少一个线程分配和发送到多个装置中的至少一些装置的第二处理器。
本发明的第七方面涉及用于监管和控制具有传感器的一个或更多个工业应用机器的装置,该装置包括:用于连接到其他类似装置的输入/输出端口;具有传感器接口的数据获取块,传感器接口连接到工业应用机器以用于从机器接收多传感器数据;至少一个存储器;第一处理器,第一处理器接收多传感器数据并且使用该数据实时计算第一处理任务,以解决与该装置所连接的机器的操作有关的第一询问;以及第二处理器,第二处理器与由装置连接到的类似装置组成的计算集群网络共享其处理能力,当由网络的装置分配了用于解决第二询问的第二处理任务的至少一个线程时,计算所述至少一个线程。
在本发明的一些实施方式中,第二处理器将第二处理任务的解决方案发送到网络的装置以解决第二询问。
在本发明的一些实施方式中,第一处理器将第一询问的解决方案提供给第二处理器和/或从第一询问的解决方案得到第一指令并且将第一指令提供给第一处理器连接到的机器。
在本发明的一些实施方式中,第一处理器还从计算集群网络或第二处理器接收第二指令,并且将第二指令提供给第一处理器连接到的机器。
本发明的第八方面涉及用于使用多个单独的计算装置来监管和控制具有传感器的一个或更多个工业应用机器的系统,该系统包括:连接以用于与形成计算集群的多个装置通信的服务器,服务器控制装置的操作;装置中的每个装置具有用于连接到其他类似装置的输入/输出端口;装置中的每个装置具有数据获取块,数据获取块具有传感器接口,传感器接口连接到机器以用于从机器接收多传感器数据;装置中的每个装置具有至少一个存储器;装置中的每个装置具有第一处理器,第一处理器接收多传感器数据并且使用该数据实时计算第一处理任务,第一处理任务用于解决与装置所连接的机器的操作有关的第一询问;服务器具有至少一个存储器和至少一个处理器,以用于通过将用于解决第二询问的第二处理任务划分成线程并且将线程分配给装置以进行第二处理任务的协同计算来解决第二询问;装置中的每个装置具有第二处理器,第二处理器与计算集群共享其处理能力,计算由服务器分配的至少一个线程,并且将其解决方案发送到服务器以解决第二询问。
在本发明的一些实施方式中,每个装置的第一处理器向同一装置的第二处理器提供第一询问的解决方案,和/或从第一询问的解决方案中得到第一指令,并且将第一指令提供给其连接到的机器。
在本发明的一些实施方式中,服务器的至少一个处理器从第二询问的解决方案中得到第二指令,并且通过连接到机器的装置将第二指令提供给所述机器。
在本发明的一些实施方式中,服务器的至少一个处理器还从装置接收线程的输出,处理输出以计算第二处理任务,并且提供第二询问的解决方案。
本发明的第九方面涉及用于使用多个单独的计算装置来监管和控制具有传感器的一个或更多个工业应用机器的系统,该系统包括:连接以用于与形成计算集群的多个装置通信的服务器,服务器控制装置的操作;装置中的每个装置具有用于连接到其他类似装置的输入/输出端口;装置中的每个装置具有数据获取块,数据获取块具有传感器接口,传感器接口连接到机器以用于从机器接收多传感器数据;装置中的每个装置具有至少一个存储器;装置中的每个装置具有第一处理器,该第一处理器接收多传感器数据并且使用该数据实时计算第一处理任务,第一处理任务用于解决与装置连接到的机器的操作有关的第一询问;服务器具有至少一个存储器和至少一个处理器,以用于通过将用于解决第二询问的第二处理任务划分成线程并且将线程分配给多个装置中的一些装置以用于第二处理任务的协同计算来解决第二询问;并且装置中的每个装置具有第二处理器,该第二处理器与计算集群共享其处理能力,计算由服务器分配的至少一个线程,并且将其解决方案发送到服务器以解决第二询问。
在本发明的一些实施方式中,每个装置的第一处理器从第一询问的解决方案中得到第一指令,并且将第一指令提供给第一处理器连接到的机器。
在本发明的一些实施方式中,服务器的至少一个处理器从第二询问的解决方案得到第二指令,并且通过连接到机器的装置将第二指令提供给所述机器。
在本发明的一些实施方式中,服务器的至少一个处理器还从装置接收一个或更多个线程的输出,处理输出以计算第二处理任务,并且提供第二询问的解决方案。
本发明的第十方面涉及借助于网络来监管工业设施的至少一个机器的操作或者监管这种操作并且基于这种监管对至少一个机器进行致动的方法,该网络包括服务器以及形成计算集群的多个装置,其中,多个装置中的至少一些装置可连接到工业设施的机器,该方法包括:在至少一些装置中的每个装置处,从装置可连接到的机器获取传感器数据;在至少一些装置中的每个装置的第一处理器处,利用所获取的数据来实时计算用于解决第一询问的第一处理任务;在至少一些装置中的每个装置处,在由服务器分配了用于解决第二询问的第二处理任务的至少一个线程时,接收所述至少一个线程;在至少一些装置中的每个装置的第二处理器处,计算所接收的至少一个线程,第二处理器被配置成与网络共享其处理能力;在服务器处,控制计算集群,将第二处理任务划分成多个线程,并且将多个线程中的一个或更多个线程分配给多个装置中的至少一些装置的第二处理器。
在本发明的一些实施方式中,至少一些装置包括多个装置中的每个装置。
在本发明的一些实施方式中,计算第一处理任务包括:预处理数据以形成数据集,并且从数据集中选择用于解决第一询问的数据子集;或者预处理数据以形成用于解决第一询问的数据集。
在本发明的一些实施方式中,该方法还包括:在第一处理器处,在解决第一询问之后得到指令,并且将指令发送到同一装置的第二处理器或者可连接到装置的机器。
在本发明的一些实施方式中,该方法还包括:在第二处理器处,本地计算用于解决询问的第三处理任务。在本发明的一些实施方式中,计算第三处理任务包括:处理可从服务器或者多个装置中的任何装置获得的数据,以形成用于解决询问的数据集。
在本发明的一些实施方式中,该方法还包括:在服务器处:从多个装置中的至少一些装置接收一个或更多个线程的输出;处理输出以计算第二处理任务;并且提供第二询问的解决方案。
在本发明的一些实施方式中,至少一些装置中的每个装置执行从装置可连接到的机器的数据获取,该数据获取与由至少一些装置中的其他装置执行的从其他装置中的每个装置可连接到的机器的数据获取同步。
在本发明的一些实施方式中,该方法还包括:借助于网络装置,将网络内的数据发送到在网络外部的计算装置。
此外,如针对本发明的第一方面、第二方面和第三方面描述的类似优点也可适用于本发明的第四方面、第五方面和第六方面。
附图说明
为了完成描述并且为了提供对本发明的更好的理解,提供了一组附图。所述附图形成说明书的组成部分并且示出了本发明的实施方式,该实施方式不应被解释为限制本发明的范围,而是仅作为可以如何实现本发明的示例。附图包括以下图:
图1示出了金字塔模型,其示出了根据现有技术在基于IoT和/或IIoT的工业网络中如何处理数据的范例。
图2示出了用于监管工业设施的现有技术的架构的方案。
图3示意性示出了根据本发明的实施方式的由多个节点形成的系统。
图4和图5示意性示出了根据本发明的不同实施方式的由多个节点形成的系统以及相应网络与云/雾的互连,该系统具有形成相应网络的节点被连接至的机器。
图6A示出了本公开内容的装置可连接至的工业设施的机器的方案。图6B示出了公司的全球工业基础设施的方案;可以通过本公开内容的装置和系统与现有的云/雾设施协作来控制基础设施。
图7A示意性示出了根据本发明的实施方式的装置的接口和处理器,以及图7B示意性示出了针对其操作、这样的装置可以设置有的几个功能。
图8以图示方式示出了由根据本发明的实施方式的装置本地地或与其他装置并行地可解决的询问。
图9A示出了类似于图1的金字塔模型,但是示出了利用根据本发明的实施方式的系统可以如何处理数据的范例。图9B示出了具有液体计算、地面计算、雾计算和云计算的计算金字塔。
图10以图示方式示出了系统可以如何监管工业设施的机器的操作的示例。
图11以图示方式示出了系统可以如何监管工业设施的机器的操作的另一示例。
图12示出了可以用根据本发明的实施方式的装置和/或系统对其操作进行监管的旋转部件。
具体实施方式
图3至图5示出了根据本发明的形成网络的系统的不同实施方式,其可以特别适合于监管和分析工业设施的一个或更多个机器的行为、操作和/或性能以及最终用于致动一个或更多个机器以及用于预测其行为、操作和/或性能并且规定对这样的行为、操作和/或性能的反应。
网络包括多个装置和控制该网络及其装置的服务器。根据本公开内容,装置和服务器也称为网络的节点。在不受限制的情况下,工业设施可以属于以下领域之一:汽车工业、包括海运和航空航天的运输工业、空中交通控制工业、能源工业、医疗设备工业、网络防御工业和其他制造目的工业等。在本公开内容的上下文中,工业设施的机器是指用于执行工业过程的任何装置或机器。
在图3中,系统包括网络100,网络进而包括服务器10和被配置为计算集群的多个装置21至26。如稍后所述,每个装置21至26具有第一处理器和第二处理器,并且可以(通过接口或输入/输出端口29)与工业设施的机器(或其部件)以及(通过接口或输入/输出端口28)与诸如网络100的网络两者连接。图示的网络100以环形拓扑实现,但是允许计算集群配置的任何其他拓扑例如星形拓扑也是可以的。然而,由于工业设施的性质,因此使用环形拓扑可以非常方便,因为即使在两个相邻节点之间的通信链路失效之后网络也仍然完全可操作;由于同样的原因,因此这样的拓扑简化了网络的布线,因为一旦将新机器添加至工业设施,两个相邻节点可以彼此断开使得可以在其间添加另外的装置。类似地,由于系统是可扩展的并且其处理能力取决于网络中的装置的数目,因此即使没有新的机器被并入工业设施也可以方便地以装置的形式将另外的节点添加至网络。装置21至26在用链路110互连时形成由服务器10管理的计算集群。如稍后将说明的,服务器10被配置成将要计算的任务的线程分配给用于高性能计算的至少一些装置21至26。链路110优选地包括光纤。服务器10可以包括类似装置21至26的装置,或者它可以包括例如具有增强的或更强大的处理资源的不同的装置。
关于图4,装置21至26中的每一个可以通过一个或更多个接口29连接至一个或更多个机器121至125(例如,按照图4所示)。装置与机器之间的连接可以是直接连接或间接连接(即借助于互连装置,例如以太网交换机);此外,该连接可以是有线的或无线的。装置可以例如借助于传感器和/或借助于可以对机器致动的控制装置(即控制器)例如PLC或CNC来连接至机器,使得装置可以从机器获取或接收多传感器数据。在该意义上,由于装置可以直接或间接地连接至机器,当装置被连接至机器时,装置也可以在必要时向机器发送数据(例如,用于调整部件的参数,用于关闭机器等)。
由于每个机器可以产生不同数据量(被理解为包含样本),在一些实施方式中可以必要的是多于一个的装置可以连接至机器以应对机器生成的数据量。这在图4和图5中示出,其中相应网络101、102的装置25、26连接至机器125,而网络101、102的其余装置21至24中的每一个分别连接至机器121至124中的一个。因为装置21至26和网络100以及类似地装置21至27和相应的网络101、102设法减少对与网络100至102关联的机器中的任何询问或潜在/实际故障的反应时间,所以网络100至102特别适用于机器失效的后果例如可以是很大的经济损失的工业应用。
如图4和图5示出的实施方式所示,网络101、102可以经由允许与云和/或雾/边缘150通信的系统的网络装置200(例如,以太网调制解调器/路由器)连接至云和/或雾/边缘150。这样的与云和/或雾的连接也可以在图3的系统中实现(其中未示出)。特别地,在图4中,服务器11通过通信链路18连接至装置27,并且然后服务器11连接至网络装置200。装置27还形成网络101的一部分。因此服务器11还用作使网络101能够连接至网络101外部的其他网络例如用于云计算或雾/边缘计算的网络150的网关。
替选地,如图5所示,服务器12可以包括网络接口19,服务器12可以通过网络接口19连接至装置27,并且因此可连接至网络102。可以将服务器12的处理能力添加至网络102的高性能计算功能。装置21至27的处理器(例如其第二处理器)可以运行与由服务器12运行的指令集架构不同的指令集架构。当在该情况时,网络接口19可以被配置成将指令从第一指令集架构转换成第二指令集架构以及将指令从第二指令集架构转换成第一指令集架构。服务器12连接至网络装置200使得网络102可以与云和/或雾/边缘150通信。
在图3至图5所示的任何实施方式中,服务器10、11、12可以包括数据存储装置15。数据存储装置15优选地是非易失性存储装置,例如硬盘驱动器(HDD)或固态驱动器(SSD)。数据存储装置15可以存储包括与询问、任务和线程关联的数据的任何数据。
图6A示出了用于加工部件的示例性机器500的不同单元/子系统如何相互关联以及其如何可连接至用于共享在子系统/单元中生成的数据/样本/信息的装置的功能块形式的方案。概述的机器500是汽车工业领域中的典型机器,但是类似的功能块可以代表不同领域中的其他机器。
该示例的机器500由以下单元、子系统和/或部件组成:
加工单元511:其功能是确保用于加工的工具具有精确度、足够的力和扭矩来以所需性能(质量、生产率......)执行加工任务。为此,加工单元511具有四个伺服控制轴:用于工具在空间中的线性移动的X、Y和Z轴以及用于控制工具的旋转的S轴。每个轴由马达驱动并且由CNC 581(通常由PLC/CNC块516包含)控制。CNC总线501使马达与CNC 581通信,共享与马达状态(功耗、温度、命令的轨迹等)和以高精度控制运动的传感器561至564(编码器、温度传感器等)的读数(针对每个轴一个)有关的大量信息。此外,连接至现场总线502的I/O模块521允许将附加传感器531(加速度计、感应开关、压力开关等)连接至网并且命令加工单元511的其他致动器541(平衡重油缸等)。
夹持单元512:该单元512夹持将要加工的部件。它必须准确定位部件并且能够吸收加工过程中产生的切削力。由夹持部件的机构使用的致动器必须由传感器532(限位开关、模拟位置控制开关等)命令和控制。传感器532和致动器542连接至与现场总线502连接的I/O模块522。
液压/气动单元513:机器500的许多机构由液压或气动缸驱动。该单元513为机构提供足够的流量和压力。一些传感器533(压力、流量、温度、水平等)控制在电磁阀543管理电路的同时正确地执行该功能。传感器533和阀543连接至与现场总线502连接的I/O模块523。
冷却单元514:冷却单元514将冷却流体提供给那些需要冷却的机器500的系统。存在一些传感器534来控制该功能在正确地执行。类似于液压单元513,一些阀544管理电路。传感器534和阀544连接至与现场总线502连接的I/O模块524。
装载/卸载单元515:其是在机器500中自动装载和卸载要处理的部件的系统。为此单元515具有连接至CNC 581的两个伺服控制轴565至566,如加工单元511中的那些。这些轴565至566必须执行单元515的运动。此外,连接至现场总线502的I/O模块525允许将附加传感器535(感应开关、压力开关等)连接至网并且命令装载/卸载单元515的其他致动器545(夹具等)。
质量控制单元517:考虑到汽车工业中这些类型的生产线的高生产率,必须控制生产的部件的质量符合规格。在该示例中,该功能由摄像机583和测量接触探针584执行,摄像机583和测量接触探针584两者都连接至交换机570。
瓦特表518:其允许知道机器500在功耗方面如何工作以对其进行优化。瓦特表518连接至其他交换机571。
人机接口(HMI)519:其提供了用户可以通过其与机器500交互的接口。HMI 519也连接至交换机571。
交换机570具有现场总线502作为输入,并且交换机570连接至PLC/CNC 516的PLC582。CNC 581还连接至PLC 582,PLC 582进而连接至交换机571。如本公开内容中描述的装置例如可以借助于交换机571可连接至图6A的机器500,也就是说,装置可以连接至交换机571以获取机器500的数据。
在图6A的方案中,交换机571可以使用IP(因特网协议)与可连接至其的装置通信,并且可以使用用于可靠传输的协议例如TCP(传输控制协议)来传输数据;可以借助于物理连接或无线方式建立通信。在替选实现方式中,装置可以利用装置的对应接口/端口直接连接至机器中的I/O模块。为此,装置被设置有允许与物理接口连接的I/O端口;端口可以适于连接不同的物理接口,例如但不限于RJ-45。总之,每个装置(图3至图5中的装置)通过直接或间接地可连接至传感器和/或其他处理源和通信装置(例如机器的控制器(例如PLC、CNC等))的接口从机器的不同元件或部件中设置的多个传感器接收数据和/或样本。传感器的非限制性示例是温度传感器、振动传感器、压力传感器、位置传感器、速度传感器、CCD和/或CMOS摄像机、麦克风等。代替地可以实现将I/O模块连接或互连至控制单元的替选方式。
尽管工业设施的一些机器被设置有当一个或更多个测量值超过阈值时触发警报的警报系统,但这些系统不能够分析由机器、其控制器和/或其传感器输出的全部数据;即使当测量值在与正常操作对应的间隔内时,输出的数据也可以指示可能失效。因此,为了检查机器的操作并且对其作出反应或预测其性能或操作(例如可能的失效、效率或生产率降低、质量保证等)以例如预测到失效,可以需要利用由机器及其关联的装置(例如传感器、致动器、控制器等)提供的数据来解决询问,如稍后将在本公开内容中详细说明的那样。
参照图6B,说明了本公开内容的装置、网络和系统如何使得能够控制工业环境并且能够提供对控制工业环境的要求条件的适当响应。还说明了网络如何共存、增强和利用与雾/云计算的协同。
图6B示意性示出了可以将公司的全球工业基础设施划分成的级。在上级2000中代表最终的客户或公司。该公司可以在例如汽车工业中运营。公司管理2000可以具有在图6B中的第二级中表示的遍布全球的不同工业工厂2100、2200。例如,第一工厂可以位于欧洲,第二工厂可以位于美国并且第三工厂可以位于亚洲。每个工厂由形成第三级的几条工业线组成。作为示例,在图6B中示出了第一工厂2100的三条线2110、2120、2130并且示出了第二工厂2200的一条线2210。第四部署级由形成每条工业线的部分的机器组成。例如,在图6B中,属于线2110的两个机器2111、2112被图示化。这些机器中的一个例如可以是图6A所示的机器500。与图6A类似,属于线2110的机器2111、2112包括几个部件。机器2111可以是包括加工单元2111a、夹持单元2111b等的加工工具。每个部件可以进而具有几个元件;例如,加工单元可以包括用于沿着3个轴(X轴、Y轴和Z轴)移动加工单元的伺服电动机和主轴。主轴进而包括要控制的不同子元件,例如马达、前轴承和后轴承。可以使用诸如图6B所示的加速度计的传感器来控制机器的许多子元件。如根据图3至图5所公开的用于分析工业设施的行为、操作和/或性能的系统例如可以用于例如通过将至少一个装置(例如图7A至图7B的装置20)连接至图6B所示的每条线2110、2120、2130、2210的每个机器来控制每条线的操作。
现在,控制图6B中示意性表示的业务涉及不同级的控制或监管。在业务管理领域中,通过提出其应答反映整个或部分业务的操作和/或性能的询问来应用该控制。例如,为了检查部件的行为并且对其作出反应,或预测设施的性能(例如可能的失效、效率或生产率降低、质量保证等)以例如预测失效,可以有必要利用/根据由机器及其关联的装置(例如传感器、致动器、控制器等)提供的数据来解决询问。例如,询问可以涉及机器的部件的操作或状态,或者涉及机器的操作或状态,或者甚至涉及整个工业线或设施的操作或状态或者涉及整个全球业务的进展。询问可以在网络的装置处、在其服务器处或甚至在由装置形成的网络外部例如在位于云/雾/边缘的服务器处进行限定,在位于云/雾/边缘的情况下,询问可以借助于通信链路被发送至节点及其处理器。
如将参照图8说明的,为了解决询问,必须计算与询问关联的任务。换句话说,任务包括或涉及用于提供对询问的应答所需的全部处理。接下来用于监管工业业务的不同级的询问的一些非限制性示例如下。在热加热处理中,其中高速热成像摄像机用于控制处理过程(例如,在图6A中所示的机器中包括的并且被标记为583的这样的摄像机),可以提出不同的询问:“热过程已开始?”、“热源在工作?”、“温度分布适合获得所需的表面处理?”、“存在达到熔化温度风险的任何表面?”、“对每个工作产品的温度分布恒定?”。在具有滚珠轴承的旋转部件中,可以提出不同的询问:“内圈缺陷频率低于其最大限值?”、“哪个是针对滚珠缺陷频率的瞬时加速度幅度?”、“哪个是滚珠轴承部件的剩余使用寿命?”、“滚珠轴承具有异常退化?”、“需要更换或维修滚珠轴承?”。前面的询问是与机器或其部件的操作有关的询问。如参照图7A至图7B所说明的,这些询问也称为第一询问和第二询问。作为示例,另一第二询问可以是与相同类型的其他机器的操作相比的机器操作的确定。也就是说,根据相同类型的全部机器的操作,建立包括相同类型的机器中的任何小的变化的正常运作模型。然后,可以不断地计算机器的状态并且将其与正常模型进行比较。
涉及更高抽象级的其他询问——例如关于工业设施(即工业线、工厂或甚至一组工厂)的知识(情境化信息)的询问、例如与业务有关的询问——是在计算集群网络外部处理的询问。优选地在云和/或雾/边缘中处理这些询问。这些询问的非限制性示例是:“为了保证整体设备效率达到90%工业设施需要多少人力资源?”或者“如果整体设备效率为90%该设施可以生产多少部件?”,这些询问通常具有在地面计算级处(换句话说,在计算集群内)处理的对询问的解决方案作为输入,因此在雾/云/边缘计算中发送和处理的数据量相对于在地面计算中处理的数据量减少。参照图7A至图7B详细描述了地面计算级。图7A以框图形式示意性示出了根据本发明的实施方式的装置20。装置20例如可以是图3所示的装置21至26中的任何一个,或者图4至图5中所示的装置21至27中的任何一个。
装置20包括多传感器数据获取块60,装置20通过其可连接至机器(例如机器500)。多传感器数据获取块60包括数据获取软件和传感器接合。换句话说,多传感器数据获取块充当与属于受控的工业系统、设施或基础设施的机器的一个或更多个端口的接口。该接口在图3至图4中也示出为端口29;端口29可以直接或间接地提供与传感器的接口。传感器的一些非限制性示例是温度传感器、振动传感器、图像捕获传感器等。
机器与相应装置之间的连接可以是有线的或无线的;装置可以连接至控制机器的控制器(例如PLC、CNC),或者连接至通过其发送源自属于某个机器的不同传感器的数据的现场总线。该连接可以是直接的(装置与机器之间的直接连接)或间接的(例如通过分层链)。
装置20还包括被配置成执行液体计算71的第一处理器61。特别地,液体计算71涉及计算用于解决询问的处理任务。为了计算处理任务,在液体计算71中第一处理器61处理通过多传感器数据获取块60(从机器)获取的多传感器数据;处理多传感器数据可以包含预处理数据和/或从多传感器数据中选择变量。当第一处理器61执行液体计算71时,其本地和实时地执行数据处理和询问(也称为第一询问)解决使得系统可以检测机器的突然异常行为或操作并且对其作出反应。
在一些实施方式中,第一处理器61还可以包括具有可编程硬件/电子装置的中央处理单元,例如但不限于,诸如FPGA(即现场可编程门阵列)的现场可编程集成电路,因此被配置成运行管理现场可编程集成电路或SoC和液体计算71的实时操作系统。这使得能够计算与处理周期时间中例如在1/1.5GHz与1/0.8GHz之间也就是说在0.67ns(纳秒)与1.25ns之间的第一询问关联的任务。因此,可以实时地实现对机器或其部件的监管。此外,第一处理器61包括现场可编程集成电路的实施方式在期望快速编程/重新编程询问的应用中特别有利,因为这些电路允许这样的快速编程/重新编程。
例如,返回参照图6B,与任何工厂2100、2200中的任何机器或部件有关的询问可以由操作员离线远程地重新编程。换句话说,询问——第一询问或第二询问或更高抽象级的询问——可以在网络100、101、102的装置20处、在其服务器10、11、12处或甚至在由装置形成的网络外部例如在位于云/雾中的服务器处进行限定。这使得能够对来自提供对云/雾的访问是可行的任何远程物理位置的询问远程重新编程。
此外,装置20还包括被配置成执行地面计算72的第二处理器62。当装置20形成计算集群配置中即在HPC配置中的网络(例如,图3至图5的网络100、101、102)的部分时,当执行地面计算72时,第二处理器62可以解决与询问关联的任务被划分成的线程,如稍后参照图8所说明的。因此,在该情况下,可以通过计算分布式事务中的任务来获得对这些询问的应答或解决方案。因此,装置20的第二处理器62与同一网络内的其他装置的第二处理器协作以解决询问(也称为第二询问)。第二处理器62旨在当执行地面计算72时解决线程(与询问关联的任务的部分)。线程是与要解决的询问关联的任务的可并行化部分并且网络的服务器将其分布在网络的装置上。因此,第二询问是与可并行化性质的任务即用HPC解决的任务关联的询问。装置20的第二处理器62本地解决由网络的服务器分配给它的线程。第二处理器62还可以计算独立于HPC的任务,也就是说,它可以执行不涉及与网络的其他装置协作的数据处理。
图8以图示方式示出了询问1500。根据本发明的实施方式的装置的第一处理器61或第二处理器62可以解决询问1500,例如其可以提供关于工业设施的机器(或其部件)的行为、操作或状态的信息。为了解决询问1500,必须计算与其关联的任务1501。任务1501包括解决询问1500所需的全部处理。在一些情况下,第一处理器61可以通过本地计算任务1501来解决询问1500。特别地,在这些情况中的一些情况下,任务1501包括处理数据从而解决询问1500;处理数据可以需要预处理数据和/或一旦预处理就选择数据的特定变量,并且然后一旦预处理和/或一旦已选择特定变量就处理数据。在一些其他情况下,询问1500由多于一个的装置解决,即,以分布式方式解决询问1500。因此,网络的服务器(例如如图3至图5所示)可以通过将任务1501划分成若干个线程1510a至1510n(仅用于说明目的而用虚线箭头线示出)来并行化任务1501的计算以执行HPC。每个线程1510a至1510n可以被发送至一个或更多个装置使得其第二处理器可以计算每个线程1510a至1510n。通过计算全部线程1510a至1510n,然后可以计算任务1501以解决询问1500。此外,在一些情况下,一旦已计算全部线程1510a至1510n,在解决询问1500之前进一步处理任务1501的结果对于解决询问1500会是必需的。通过将任务划分成线程,可以取决于可用于执行地面计算72的装置的数目(以及其第二处理器的处理能力)在更大或更小的程度上缩短用于解决该任务的时间。
在地面计算72中,装置20的第二处理器62可以使用借助于网络连接块63从网络的任何装置或服务器本身和/或从相同的装置20的第一处理器61获得的任何数据或信息。当从其他装置或服务器获得要在地面计算72中使用的数据或信息时,当网络具有环形拓扑时,数据包将从与其相邻的两个节点之一(或甚至从两个节点,在这种情况下一组数据包被丢弃)到达装置20,然而这并不意味着系统仅限于相邻节点之间的通信:节点重新发送数据包使得这些数据包从节点去至节点直到其到达目的地节点。
网络连接块63可以包括通过其装置20可连接至网络的一个或更多个接口。在网络以环形拓扑为特征的优选实施方式中,网络连接块63包括至少两个接口,并且优选地它包括用于帧转发的低延迟网络交换机,例如3端口交换机:端口中的两个是专用于环连接和用于与多传感器数据获取块60通信的一个以太网内部端口。
图7B以框图示出了在本发明的实施方式中装置20设置有的若干个功能。装置20以两部分被分层地组织:第一部分(仅用于说明目的如图7B所示的装置20的下半部分),其专用于液体计算71,即,本地处理数据和用已处理的数据解决任务(例如应答第一询问)81;以及第二部分(仅为了说明的目的如图7B所示的装置20的上半部分),其专用于地面计算72。
关于装置20的下半部分,装置20从其可连接至的一个或更多个机器获取数据。在数据获取80阶段之后,装置20的第一处理器61处理81数据。数据处理81可以包括预处理,由此处理多传感器数据以形成尺寸比原始数据更小的第一数据集。在该阶段执行的预处理的示例可以包括例如清除无意义的数据(即,在传感器的操作范围之外的那些数据)、限定数据收集的精确度(例如,如果可以忽略截断的小数则截断小数以将数字数据类型的变量转换为具有更小位的另一数据类型)、数据变换(例如,计算平均值、中值、标准偏差、熵、诸如例如以快速傅里叶变换从时域到频域的域的变化)以及用于保存数据传输带宽的变量选择的已经训练的模型的应用(例如,在高分辨率数字图像中选择感兴趣的点或像素或从数字图像中提取背景信息)。实现了仍待处理的数据量的减少,从而使整体的进一步计算和功耗最小化。数据处理81还可以包括选择变量。因此,根据(例如在预处理阶段中生成的)第一数据集,装置20的第一处理器61可以执行选择变量以根据由用于解决询问的第一处理器61执行的进一步处理减少冗余的或具有低重要性的变量的数目,而一些其他变量可以包含用于(一个或多个)第一询问的有意义信息(或甚至用于其他目的,例如用于解决其他(一个或多个)第一询问、用于与在可能需要其的计算集群网络内的其他装置共享)、用于雾/云计算和/或用于记录目的)。变量选择有助于或使得能够减少稍后执行的计算中的过度拟合。应当注意的是,在一些实施方式中,单个装置可以从导致升高的吞吐量的数百个传感器接收数据;根据被处理的大数据量,数据中的小部分可以足以解决询问,因此变量选择可以在不影响其结果即没有将解决方案偏向与正在计算的任务关联的询问的情况下减少将在任务计算中使用的数据量。换句话说,由于变量选择阶段,因此可以通过减少任务中的计算负担来提高效率。变量选择的示例可以涉及具有在预处理阶段中已从其中提取仅几个像素的数千个像素的数字图像;在变量选择阶段中选择已经提取的几个像素的像素子集,因为该子集连同不同于该特定数字图像的变量可以足以计算确定的任务。另一示例可以涉及装置内的确定部件的振动,其中本地数据处理81可以产生振动的频谱;频谱的部分可以被丢弃因为它不包含任何有用的信息。然后,变量选择可以仅提取与用于解决液体计算71的数据处理81中的一些询问有关的频谱的剩余部分的特定值。
利用在变量选择阶段之后获得的数据集,第一处理器61解决(与第一询问关联的)任务。该任务可以在本地(在第一处理器61处)解决,因为可以通过应用预处理和变量选择来减少原始数据集。因此,第一处理器61可以以减少的数据量工作并且利用该数据计算任务;第一处理器61使用第一处理器61可用的部分或全部计算容量来执行计算。
装置20的上半部分专用于地面计算72。在地面计算72中,装置20执行HPC 93使得当借助于与其关联的可并行化任务的线程在几个装置之间分配时可以更快地解决要求大处理能力的询问(第二询问),也就是说,与其计算需要大处理能力的任务关联的询问。第二处理器62还可以通过执行本地数据处理91即不涉及与网络的装置的其他第二处理器协作的数据处理来计算独立于HPC的任务。该处理91可以包含预处理和/或变量选择。
即使第二处理器62被配置成以计算集群配置工作,用于解决可并行化任务(表示用于应答询问的要计算的计算工作的任务)的线程的第二处理器62工作的方式可以类似于第一处理器61的操作。第二处理器62可以处理从装置20本身或从网络获得的数据(通常与液体计算部分中获取的数据不同)。
当在HPC模式下工作时,第二处理器62提供对由服务器请求计算的线程的解决方案。线程的输出通常被发送至网络的服务器,在该服务器中在网络内(即,来自网络的其他装置)产生的全部不同输出被收集以用于其在任务中的集成。通过计算全部线程(由服务器本身或由服务器分配的装置),可以计算任务以解决询问。在一些情况下,一旦计算了任务,在解决询问之前可以需要进一步处理任务的结果以提供对询问的应答。数据通信94块表示第二处理器62可以利用确定性数据传输协议(当在不被已获得非法访问网络的一方警告的情况下必须确保数据到达其目的地时会是特别方便的;这样的协议的示例是数据分发服务,即DDS,用于实时系统和时间敏感网络,即TSN)或非确定性数据传输协议(当在要发送的数据不重要——例如用于记录目的或用于非立即行动——时会是特别方便的,因为如果没有可用的空闲带宽则这样的协议将不会访问通信信道;这样的协议的示例是开放平台通信统一架构,即OPC-UA)发送对线程的解决方案和/或其他数据,并且,类似地,它可以从其可连接至的网络接收数据,在该网络中数据是用确定性数据传输协议或非确定性数据传输协议发送的。通信可以由用于连接至网络的第二处理器62和/或装置管理。
即使在图3至图5或图7A中未示出,装置20还可以包括可由第二处理器62访问的数据存储装置(未示出)。数据存储装置优选地是非易失性存储装置,例如硬盘驱动器(HDD)或固态驱动器(SSD)。数据存储装置可以存储可由装置20接收的数据(例如样本、对线程的解决方案、对任务的解决方案、对其的询问和解决方案等)和第二处理器62可以处理和/或用于解决线程、任务和/或询问的数据。数据存储装置还可以存储或缓冲数据(例如样本、对线程的解决方案、对任务的解决方案、对其的询问和解决方案等),使得一旦通信信道具有可用带宽第二处理器62就可以将数据发送至网络100、101、102的另一装置和/或其服务器10、11、12,从而不会由于整个带宽被占用而导致在装置20不能发送时丢失数据。装置20还可以包括易失性存储器装置例如RAM(随机存取存储器),通过其可以在第一处理器61与第二处理器62之间传输数据或对任务的解决方案。装置20的第一处理器61可以将数据存储在易失性存储器装置中并且从其中检索数据;通过示例,第一处理器61可以在预处理传感器数据之前缓冲传感器数据,并且可以在将预处理的数据和/或计算处理任务得到的数据发送至装置的第二处理器或网络之前对其进行缓冲。
仍然参照图7B,装置20的上半部分还可以设置有网络安全机制(未示出),该网络安全机制用于防止来自网络外部的黑客攻击并且如果数据包被未经授权的人或一方捕获则保护通过网络传输的任何数据不被该人或一方读取。因此,装置20可以包括防火墙,该防火墙可以是软件实现的并且其目的是阻止来自网络外部的任何通信,该通信似乎没有用于与装置20建立通信的必要特权或许可;防火墙可以在第二处理器62中运行。此外,在装置20中可实现的另一网络安全机制是对要发送至网络或从其接收的数据包中的数据进行密码编译和破译以提供附加的安全层。
装置20还包括用于装置同步的机制90,例如使用精确时间协议(PTP),使得网络的每个装置可以同一时刻获取数据。
两个计算级(第一处理器61处的液体计算和第二处理器62处的地面计算)可以与其他现有计算范例(例如云/雾/边缘计算)共存,以提供对不同类型询问(例如涉及如图6B所示的工业业务的不同方面或级的询问)的应答。由装置20或包括装置20的网络要解决的询问可以由监视工业设施的状态和性能的操作者来限定,即控制工业设施内的机器的正确操作。询问可以在装置20中被限定,或者在服务器10、11、12中被限定或者在包括网络100、101、102的系统之外例如在云/雾/边缘中被限定。与用于加工部件的机器关联的相当简单的询问的示例可以是检查由轴承经受的振动是否在被认为是正常的或正确的特定范围内(例如,在频率和/或振幅方面)。该询问优选地在装置的第一处理器中被实时解决。该类型信息可以仅从在其运行时感测轴承的传感器中例如从与这样的轴承连接的加速度计中提取。更复杂的询问的示例可以是检查机器人臂的全部机构是否按预期运行以及其中的每个和每一个的剩余使用寿命是否为至少两周。在该情况下,可以存在多达数十或数百个传感器,这些传感器仅涉及如果数据被正确处理和组合则其传感器数据和/或样本可以提供对询问的应答的机制。该询问不需要实时解决并且可以需要几个装置的第二处理器的处理能力(也就是说,HPC)。在该方面,有必要以同步的方式执行数据收集并且提供相同的时间戳,使得可以识别部件或机器中发生的任何问题并且使用数据进行故障排除(如果数据是在不同时刻处获取的,则可能无法追踪产生问题的原因);这并不意味着全部传感器必须以相同的速率产生数据,只要可以识别与特定时刻对应的传感器数据以用于其处理,传感器就可以根据幅度的时间演变以更多或更少的频率感测(例如房间温度预计不会每秒显著变化而激光器的功率可以在一秒内显著变化多次)。
传感器的性质可以变化很大:然而环境温度传感器可以以每秒几个字节的速率输出数据,轴承中的加速度计可以以每秒千字节的速率(例如20至30kB/s)输出数据或数码摄像机可以以每秒兆字节的速率输出数据。明显的是,数据快速累加并且针对单个装置的总吞吐量可以是以每秒兆字节的单位的量级或以每秒数十兆字节的量级。为了通过计算任务来解决询问,数据然后必须被处理并且对任务的解决方案必须被提取。
通过示例,如果要监测加工工具的单个主轴,则用于监测主轴的数据可以包括可以以20千赫兹感测的诸如轴、轴承、保持架和轨道中的每一个的振动的变量,以及诸如主轴的功率、扭矩、温度和角速度的变量,这些变量例如是以10赫兹感测的数据。聚合全部这些数据,吞吐量可以是每秒0.5兆字节。如果通信信道具有足够的带宽,延迟很低,并且存在足够的现成的计算资源,则用于提供对与工业设施外部(即在云中或在雾中)的数据关联的询问的解决方案所花费的时间可以是几秒或甚至几分钟的量级。此外,必须考虑到,在雾/边缘或云中传输和处理数据时,附加的数据由也应当对其分析的相同的传感器和控制器生成,因为主轴的行为可能已被改变。装置的第一处理器(液体层)可以获取所涉及的数据并且执行例如快速傅立叶变换(FFT)。然后,如果例如感兴趣的频率(包括在FFT中)的幅度高于阈值,则将警报发送至监管系统以用于进一步的动作。
如已经说明的,两个计算级(第一处理器61处的液体计算和第二处理器62处的地面计算)可以与其他现有计算范例例如云/雾/边缘计算共存。例如,通过分析每个机器的瞬时功耗,可以计划整个设施的改进。该询问属于通常是在云/雾/边缘中处理的商业世界。该类型的另一示例性询问是:“为了保证整体设备效率达到90%工业设施需要多少人力资源?”
例如在图3至图5的实施方式中所示每次将新装置(例如装置20)集成到网络中时,对网络内的处理/计算资源的需求可以由于将由新装置收集的多传感器数据添加至网络而导致增加。然而,由于将新装置的第一和第二处理器并入网络,并且特别由于第二处理器(因为其被添加至HPC的分布式处理)而导致网络的处理/计算资源同时增加。网络的服务器在解决特定任务或任务的部分(即线程)的负荷和进度方面监测网络的每个装置的状态。服务器与装置通信以例如使用诸如MPI(消息传递接口)的消息传递协议这样做。网络可以被配置成通过向网络添加新装置来允许可扩展扩张并且服务器被配置成将新的或已存在的处理任务分配给新装置。例如,在连接新装置时,可以执行同步处理以同步网络内全部装置的第二处理器的处理。在维持网络的同步要求的同时执行分布式处理(HPC)。因此,工作负荷被分布在多个装置上。
网络100、101、102的装置的第一处理器同步工作以用于处理从机器121至125接收到的全部数据和计算任务,然而在每个装置中包括的第二处理器可以当其正在计算任务或任务被划分成的线程时相对于计算集群内的对应装置的第二处理器同步或异步工作。
网络100、101、102的装置和服务器可以被配置成运行允许正确分布式计算的不同协议和过程。装置的第二处理器可以借助于消息传递通信协议(例如MPI)与其他装置及其第二处理器通信;装置和服务器使用该类型的协议发送和接收消息以执行分布式计算。消息传递协议可以在可以适合面向异步和异构并行计算的框架或编程模型(即支持异步解决线程的框架或编程模型)内使用以及由不同性质的处理器(例如中央处理单元的一个或若干个核心、以并行配置的一个或若干个图形处理单元、现场可编程集成电路等)来使用。
服务器10、11、12管理计算集群内的HPC。特别地,它划分要并行地解决的任务以形成任务的多个线程以用于高性能计算。它还将这样的任务的部分(线程)发送至用于HPC的一些装置;由于服务器10、11、12知道每个装置的负荷状态,因此服务器10、11、12可以将任务的线程发送至具有足够的自由处理能力的网络的所选装置以对其进行计算。服务器10、11、12从对应装置接收对线程的解决方案,并且将其重新组装以计算任务并且最终提供对询问的应答。
服务器中的集群工作负荷管理器通过集中以下来在网络100、101、102上分配线程:要解决的线程、与每个装置的(可用)处理能力有关的信息以及在一些情况下来自用于以分布式方式解决任务的装置的请求。集群工作负荷管理器基于装置的状态决定将哪个线程分配给每个装置(其可以是网络的仅一些装置或网络的全部装置,因为仅网络的装置的子集可以用于解决线程),并且然后借助于消息传递协议发送线程。在该方面,监测模块或库可以动态地确定每个装置的工作负荷以及其HPC的关联的可用容量。另一模块或库(例如动态负荷平衡或DLB)可以通过调整在确定的过程中使用的(其第二处理器的)活动线程的数目来动态地平衡装置中的负荷。利用在负责HPC的不同模块与过程之间的协作,服务器10、11、12始终知道网络100、101、102及其中的装置的状态,使得例如集群工作负荷管理器可以在必须解决用于解决询问的任务或者声明新的紧急询问的紧急程度发生变化时调整每个装置的操作,从而加速特定询问的解决。
第一处理器61和第二处理器62通常通过随机存取存储器(RAM)被通信地耦接以共享数据。要共享的数据可以是任务的输出(例如由第一处理器61解决的任务的输出可以被发送至第二处理器62)、处理的多传感器数据(例如第一处理器61可以处理多传感器数据以形成被发送至第二处理器62用于执行HPC的更小的数据集)、用于机器的指令和/或关于用于记录目的向机器提交的指令的数据等。
图9A和图9B示出了示出如何利用根据本发明的装置和系统处理数据的范例的金字塔模型600、610。
限制在系统的网络内的本地计算级包括与传统传感器、传统金字塔190的PLC与SCADA层相关地在图9A中一起示意性地描绘的已经提到的地面层和液体层。新装置和系统可以减少对与网络关联的系统内的任何询问、必要性或潜在/实际故障的反应时间。因此,装置和系统特别适用于该方面至关重要的工业设施。此外,因为数据在计算集群(地面层与液体层)内被本地处理,所以可以减少传递至边缘/雾/云计算设备的数据量。事实上,传递至边缘/雾/云计算的数据应当被主要减少至与设施的业务/知识有关的信息。而且,作为计算集群工作的装置允许平衡其性能以使计算集群的计算能力优化。最后但并非最不重要的是,在将新装置添加至网络时网络的处理/计算能力增加。
接下来,讨论示例以在处理时间效率和减少传递至雾/云计算的数据两方面说明根据本发明的实施方式的系统的优点。
借助于所公开的系统控制工业设施的机器的操作的示例在图10中示出。除了服务器910之外,还示出了由多个装置形成的网络的三个装置921、922、923。为了监测由在机器中的激光器施加的热加热处理,使用高速热成像摄像机901。装置921从该摄像机901收集数据。摄像机901具有每帧1024个像素的分辨率,也就是说,摄像机包含1024个变量(1个像素相当于1个变量)。每个变量具有10位的字长。采样率为每秒1000帧(1kHz)。因此,该摄像机以1280000字节/秒(1.28MB/s,每秒1.28兆字节)的速度生成数据。
关于在机器处应用的处理,可以问第一个询问,例如:已开始热过程?(或类似地,热源(激光器)工作?)。为了解决该询问,创建与该询问关联的并且基于其的任务。该任务的计算将提供对询问的应答。在该情况下,要计算的任务是获得感兴趣区域(ROI)并且对其进行处理。
因此,以1.28MB/s的速率从摄像机901获得的数据被发送至装置921的第一处理器921a,其中通过应用感兴趣区域(ROI)算法来计算该任务以从每帧图像中消除背景像素并且仅用包含信息的像素工作。在特定示例中,ROI略大于70%:选择每帧729个像素,其对应于911,000字节/秒(911千字节/秒)。在图10中,示出了在应用ROI算法之后获得的感兴趣区域的示例。如果ROI具有适当的尺寸,则可以断定已经开始热过程(也就是说,第一询问被应答)。然后,在第一处理器921a处,来自ROI的数据用于生成连接矩阵,在该情况下,具有尺寸729×729的矩阵,其针对每个像素限定遵循数据的给定结构的相邻像素。计算该连接矩阵的结果提供被添加至911kB/s的66.4kB/s的输出,导致了977.4kB/s作为液体计算(第一处理器921a)的输出。该连接矩阵可用于检测像素的空间配置。换句话说,ROI的结果在液体计算中被进一步处理。
此外,可以制定第二询问。例如:温度分布适合获得所需的表面处理?或者存在达到熔化温度风险的任何表面?或者针对每个工作产品温度分布恒定?为了解决该询问,创建与其关联的并且基于其的任务。该任务的计算将提供对询问的应答。在该情况下,要计算的任务是获得表面上的温度分布。解决该任务意味着以1000帧/秒的速率分析由摄像机901捕获的帧。
为了执行该处理,ROI和连接矩阵被发送至第一任务已在其中被计算的装置921的第二处理器921b的临时存储器缓冲器921c。存储在缓冲器921c中的数据被发送至服务器910。然后,由服务器910(在调度器910a处)将任务划分成要发送至对应装置921、922、923的不同第二处理器921b、922b、923b的线程。特别地,每个线程运行用于处理与不同图像帧关联的数据的算法。每个线程可以对在由连接矩阵产生的时间和空间(时空)方面具有获得的ROI以及具有共同特征的图像帧的像素执行凝聚集群算法。服务器910将线程分配给多个装置921、922、923,特别是分配给其第二处理器921b、922b、923b。换句话说,任务被并行化以能够处理来自摄像机的大量数据(1000帧/秒)。每个第二处理器921b、922b、923b因此处理不同的图像帧。
每个线程的结果是针对每个集群帧的中值、最小和最大温度以及标准偏差。在该特定示例中,集群的数目是9。输出数据传输为144kB/s(144000字节/秒)。这些数据(全部线程的解决方案)被发送至服务器(在调度器910b处)以概括沿着热处理过程循环时间的值。该整体由服务器910分配给装置921的第二处理器921b。从任务产生的表面上的温度分布给出对第二询问的应答。
借助于所公开的系统控制工业设施的机器的操作的另一示例在图11中示出。除了服务器910之外,还示出了由多个装置形成的网络的三个装置921、922、923。为了在旋转部件130上执行状况监测,使用一个加速度计1201。
图12示出了旋转部件130的两个视图(左边的侧视图和右边的3D剖视图)。加速度计1201具有24位的字长。采样率为30kHz以监测至多10kHz现象。因此,加速度计1201以90kB/s(90000字节/秒)的速度产生数据。数据被从加速度计1201发送至应用快速傅里叶变换(FFT)的装置921的第一处理器921a以从时域移动到频域。该转换将传输数据量减少了一半,得到45kB/s(45000字节/秒)。从FFT中选择来自球轴承的感兴趣频率:如图12(右)所示,保持架缺陷频率FTF、内圈缺陷频率BPFI、外圈缺陷频率BPFO、滚珠缺陷频率BSP和轴旋转频率SRF。使用这些频率可以问第一询问,例如:内圈缺陷频率低于其最大限值?哪个是用于滚珠缺陷频率的瞬时加速度幅度?
然后,针对5个感兴趣频率中的每一个的幅度被发送至装置921的第二处理器921b的临时存储器缓冲器921c。5个频率及其对应的幅度意味着10个变量,每个变量需要4个字节。因为在该示例中每秒进行2次FFT,所以液体阶段的输出以80B/s提供数据。存储在缓冲器921c中的数据被发送至将线程分配给相应装置921、922、923的其他第二处理器921b、922b、923b的服务器910(在调度器910a处)。在该情况下,并行化不是由于要处理的大量数据(如图10所示的示例中的由摄像机收集的数据的情况);相反,需要并行化因为需要几次初始化k均值集群算法以防止落入本地最小值(因为算法是从可以导致本地最小值的随机点启动的)。因此,在该情况下,发送至其他第二处理器的每个线程包括运行k均值集群算法以对在时间方面具有共同特征的幅度进行分组。因此使用相同的输入数据(存储在缓冲器921c中的历史数据)将算法初始化几次(每个线程一次)以稍后选择最佳结果(最分离的质心)。每个线程的结果是针对集群的质心(5个变量,每频率一个)和一个直径(也就是说,6个变量)。存在4字节/变量。在该特定示例中,集群的数目是3。因此,每个k均值提供72个字节。因为在该示例中已经确定针对每个k均值集群算法使用10000次FFT并且进行每秒2次FFT,并且考虑到每个k均值提供72个字节,在该阶段,产生的输出数据传输大约为0.0144字节/秒。并行化每个k均值集群算法的执行是必要的因为每次执行可以需要几秒钟。来自每个线程的这些数据被再次发送至服务器910(在调度器910b处)以运行统计测试以检测集群是否在演化(概念漂移)。该测试的计算由服务器分配给其他第二处理器921b。具有概念漂移值(新的质心位置),完成用于解决第二询问的任务。这样的第二询问的示例是:哪个是部件滚珠轴承剩余使用寿命?滚珠轴承有异常退化?需要更换或维修滚珠轴承?
可以观察到,虽然装置923的第二处理器923b正在计算根据其执行k均值集群算法的线程以解决与装置921所连接的机器的旋转元件关联的任务,装置923的第一处理器923a在液体计算中计算用于解决与装置923所连接的机器的旋转元件关联的询问的另一任务。
如从前面的示例可以推断出的,相对于由第一处理器处理的数据(也就是说,相对于液体计算的输入处的数据)减少了在液体计算(装置的第一处理器)的输出处获得的数据量。在第一示例中,大约获得1280/977.4倍的减少。在第二示例中,在液体计算中获得90,000/80倍的减少。关于地面计算,在第一示例中获得977.4/144倍的减少,而在第二示例中获得80/0.0144倍的减少。这意味着还减少要为雾/云计算中的进一步处理而提供的数据量。在本发明的实施方式中,为边缘/雾/云计算中的进一步处理而提供的数据量优选地比到达地面计算的数据量小至少10倍,更优选地小20倍,还更优选地小100倍以及在一些情况下它甚至可以达到小106倍。它变小的倍数取决于正在处理的询问。
如在本公开内容中描述的第一、第二和第三询问可以是对以下中的至少一个的询问:监管工业设施中的至少一个机器(或机器的至少一个部件)的操作;预测至少一个机器/部件的行为;致动至少一个机器/部件;控制装置(用对网络的装置或服务器使用的询问的应答)以对可能已经检测或诊断的任何故障做出反应;并且规定机器/部件上的任何致动。
在本文中,术语“包含(comprises)”和“包括(includes)”及其衍生词(例如“包含(comprising)”、“包括(including)”等)不应被理解为排除的意义,即这些术语不应被解释为排除所描述和限定的内容可以包括另外的元件、步骤等的可能性。在本文中,术语“多个(multiplicity)”和“多个(plurality)”可以互换使用。
本发明显然不限于本文中描述的一个或多个具体实施方式,而是还包括在如权利要求所限定的本发明的一般范围内由本领域技术人员可以考虑到的(例如关于材料、尺寸、部件、构造等的选择)的任何变型。
Claims (29)
1.一种用于监管工业设施的至少一个机器(121-125,500)的操作或者用于监管这种操作并且基于这种监管对所述至少一个机器(121-125,500)进行致动的系统,所述系统包括:
网络(100-102),其包括服务器(10-12)以及形成计算集群的多个装置(20-27),所述多个装置(20-27)中的至少一些装置能够连接到所述工业设施的机器(121-125,500)以用于从所述机器接收传感器数据,所述至少一些装置中的每个装置(20-27)包括:
第一处理器(61),其被配置成:利用能够从装置(20-27)所能够连接到的机器(121-125,500)获取的数据来实时计算第一处理任务(1501),所述第一处理任务用于解决与装置能够连接到的机器或其部件的操作有关的第一询问(1500);以及
第二处理器(62),其被配置成:与所述网络(100-102)共享其处理能力,并且当由所述服务器(10-12)分配了第二处理任务(1501)的至少一个线程(1510a-1510n)时,计算所述至少一个线程,所述第二处理任务用于解决与至少一个装置能够连接到的至少一个机器或其部件的操作有关的第二询问(1500);
所述服务器(10-12)被配置成:
控制所述计算集群;
将所述第二处理任务(1501)划分成多个线程(1510a-1510n);并且
将所述多个线程中的一个或更多个线程(1510a-1510n)分配给所述多个装置(20-27)中的至少一些装置的第二处理器(62)。
2.根据权利要求1所述的系统,其中,所述至少一些装置包括所述多个装置(20-27)中的每个装置(20-27)。
3.根据任一前述权利要求所述的系统,其中,所述第一处理任务(1501)包括:
预处理所述数据以形成数据集,并且从所述数据集中选择用于解决所述第一询问(1500)的数据子集;或者
预处理所述数据以形成用于解决所述第一询问(1500)的数据集。
4.根据任一前述权利要求所述的系统,其中,所述第一处理器(61)还被配置成:在解决所述第一询问(1500)之后得到指令,并且将所述指令发送到同一装置的第二处理器(62)或者能够连接到所述装置(20-27)的机器(121-125,500)。
5.根据任一前述权利要求所述的系统,其中,所述第二处理器(62)还被配置成在本地计算用于解决询问(1500)的第三处理任务(1501)。
6.根据权利要求5所述的系统,其中,所述第三处理任务(1501)包括:对能够从所述服务器(10-12)或者所述多个装置(20-27)中的任何装置获得的数据进行处理,以形成用于解决所述询问(1500)的数据集。
7.根据任一前述权利要求所述的系统,其中,所述服务器(10-12)还被配置成:
从所述多个装置(20-27)中的所述至少一些装置接收所述一个或更多个线程(1510a-1510n)的输出;
处理所述输出以计算所述第二处理任务(1501);并且
提供所述第二询问(1500)的解决方案。
8.根据任一前述权利要求所述的系统,其中,所述第二处理器(62)还被配置成向所述服务器(10-12)发送用于生成所述第二处理任务(1501)的数据,被发送到所述服务器(10-12)的数据是能够从所述装置(20-27)所能够连接到(1501)的机器(121-125,500)获取的数据和/或所述第一询问(1500)的解决方案。
9.根据任一前述权利要求所述的系统,其中,所述至少一些装置中的每个装置被配置成执行从所述装置能够连接到的机器(121-125,500)的数据获取,所述数据获取与由所述至少一些装置中的其他装置执行的从所述其他装置中的每个装置能够连接到的机器(121-125,500)的数据获取同步。
10.根据任一前述权利要求所述的系统,还包括网络装置(200),用于将所述网络(100-102)内的数据发送到在所述网络(100-102)外部的计算装置,所述计算装置优选地被配置成执行雾计算或云计算。
11.根据任一前述权利要求所述的系统,其中,所述服务器(12)包括:
处理器,其被配置成运行第一指令集架构,所述第一指令集架构与由所述至少一些装置中的每个装置的第二处理器(62)运行的第二指令集架构不同;以及
能够连接到所述多个装置(20-27)中的装置(27)的网络接口(19),所述网络接口(19)被配置成:将指令从所述第一指令集架构转换成所述第二指令集架构,以及将指令从所述第二指令集架构转换成所述第一指令集架构。
12.一种用于监管工业设施的至少一个机器(121-125,500)的操作或者用于监管这种操作并且基于这种监管对所述至少一个机器(121-125,500)进行致动的装置(20-27),所述装置(20-27)包括:
第一处理器(61),其被配置成:利用能够从所述装置(20-27)所能够连接到的所述至少一个机器(121-125,500)获取的数据来实时计算第一处理任务(1501),所述第一处理任务用于解决与装置能够连接到的机器或其部件的操作有关的第一询问(1500);以及
第二处理器(62),其被配置成:与所述装置(20-27)能够连接到的计算集群网络(100-102)共享其处理能力,并且当由所述网络(100-102)的装置分配了第二处理任务(1501)的至少一个线程(1510a-1510n)时,计算所述至少一个线程,所述第二处理任务用于解决与至少一个装置能够连接到的至少一个机器或其部件的操作有关的第二询问(1500)。
13.根据权利要求12所述的装置,其中,所述第二处理器(62)还被配置成向服务器(10-12)发送用于生成所述第二处理任务(1501)的数据,被发送到所述服务器(10-12)的数据是能够从所述装置(20-27)能够连接到(1501)的机器(121-125,500)获取的数据和/或所述第一询问(1500)的解决方案。
14.根据权利要求12至13中任一项所述的装置,其中,所述第一处理器(61)和/或所述第二处理器(62)包括片上多处理器系统。
15.根据权利要求12至14中任一项所述的装置,其中,所述第二处理器(62)还被配置成在本地计算用于解决询问(1500)的第三处理任务(1501)。
16.根据权利要求12至15中任一项所述的装置,其中,所述第一处理任务(1501)包括:
预处理所述数据以形成数据集,并且从所述数据集中选择用于解决所述第一询问(1500)的数据子集;或者
预处理所述数据以形成用于解决所述第一询问(1500)的数据集。
17.根据权利要求12至16中任一项所述的装置,其中,所述第一处理器(61)还被配置成:在解决所述第一询问(1500)之后得到指令,并且将所述指令发送到同一装置的第二处理器(62)或者能够连接到所述装置(20-27)的机器(121-125,500)。
18.一种工业设施,包括:
多个机器(121-125,500);以及
网络(100-102),其用于监管所述多个机器中的至少一个机器(121-125,500)的操作,或者用于监管这种操作并且基于这种监管对所述至少一个机器(121-125,500)进行致动,所述网络(100-102)包括服务器(10-12)以及形成计算集群的多个装置(20-27);
所述多个装置(20-27)中的至少一些装置能够连接到所述多个机器中的机器(121-125,500)以用于从所述机器接收传感器数据,所述至少一些装置中的每个装置(20-27)包括:
第一处理器(61),其被配置成:利用能够从所述装置(20-27)所能够连接到的机器(121-125,500)获取的数据来实时计算第一处理任务(1501),所述第一处理任务用于解决与装置能够连接到的机器或其部件的操作有关的第一询问(1500);以及
第二处理器(62),其被配置成:与所述网络(100-102)共享其处理能力,并且当由所述服务器(10-12)分配了第二处理任务(1501)的至少一个线程(1510a-1510n)时,计算所述至少一个线程,所述第二处理任务用于解决与至少一个装置能够连接到的至少一个机器或其部件的操作有关的第二询问(1500);
所述服务器(10-12)被配置成:
控制所述计算集群;
将所述第二处理任务(1501)划分成多个线程(1510a-1510n);并且
将所述多个线程中的一个或更多个线程(1510a-1510n)分配给所述多个装置(20-27)中的至少一些装置的第二处理器(61)。
19.根据权利要求18所述的工业设施,其中,所述至少一些装置包括所述多个装置(20-27)中的每个装置(20-27)。
20.根据权利要求18和19中任一项所述的工业设施,其中,所述服务器(10-12)还被配置成:
从所述多个装置(20-27)中的所述至少一些装置接收所述一个或更多个线程(1510a-1510n)的输出;
处理所述输出以计算所述第二处理任务(1501);以及
提供所述第二询问(1500)的解决方案。
21.一种用于借助于网络(100-102)来监管工业设施的至少一个机器(121-125,500)的操作或者监管这种操作并且基于这种监管对所述至少一个机器(121-125,500)进行致动的方法,所述网络包括服务器(10-12)以及形成计算集群的多个装置(20-27),其中,所述多个装置(20-27)中的至少一些装置能够连接到所述工业设施的机器(121-125,500),所述方法包括:
在所述至少一些装置中的每个装置处,从该装置能够连接到的机器获取传感器数据;
在所述至少一些装置中的每个装置(20-27)的第一处理器处,利用所获取的数据实时计算用于解决第一询问(1500)的第一处理任务;
在所述至少一些装置中的每个装置处,在由所述服务器分配了用于解决第二询问的第二处理任务的至少一个线程时,接收所述至少一个线程;
在所述至少一些装置中的每个装置的第二处理器处,计算所接收的所述至少一个线程,所述第二处理器被配置成与所述网络共享其处理能力;
在所述服务器(10-12)处,控制所述计算集群,将所述第二处理任务(1501)划分成多个线程(1510a-1510n),并且将所述多个线程中的一个或更多个线程(1510a-1510n)分配给所述多个装置(20-27)中的至少一些装置的第二处理器(62)。
22.根据权利要求21所述的方法,其中,所述至少一些装置包括所述多个装置(20-27)中的每个装置(20-27)。
23.根据权利要求21至22中任一项所述的方法,其中,计算所述第一处理任务(1501)包括:预处理所述数据以形成数据集,并且从所述数据集中选择用于解决所述第一询问(1500)的数据子集;或者预处理所述数据以形成用于解决所述第一询问(1500)的数据集。
24.根据权利要求21至23中任一项所述的方法,还包括:在所述第一处理器(61)处,在解决所述第一询问(1500)之后得到指令,并且将所述指令发送到同一装置的第二处理器(62)或者能够连接到所述装置(20-27)的机器(121-125,500)。
25.根据权利要求21至24中任一项所述的方法,还包括:在所述第二处理器(62)处,在本地计算用于解决询问(1500)的第三处理任务(1501)。
26.根据权利要求25所述的方法,其中,计算所述第三处理任务(1501)包括:对能够从所述服务器(10-12)或者所述多个装置(20-27)中的任何装置获得的数据进行处理,以形成用于解决所述询问(1500)的数据集。
27.根据权利要求21至26中任一项所述的方法,还包括:在所述服务器(10-12)处:从所述多个装置(20-27)中的所述至少一些装置接收所述一个或更多个线程(1510a-1510n)的输出;处理所述输出以计算所述第二处理任务(1501);并且提供所述第二询问(1500)的解决方案。
28.根据权利要求21至27中任一项所述的方法,其中,所述至少一些装置中的每个装置执行从所述装置能够连接到的机器(121-125,500)的数据获取,所述数据获取与由所述至少一些装置中的其他装置执行的从所述其他装置中的每个装置能够连接到的机器(121-125,500)的数据获取同步。
29.根据权利要求21至28中任一项所述的方法,还包括:借助于网络装置(200),将所述网络(100-102)内的数据发送到在所述网络(100-102)外部的计算装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17382107.5 | 2017-03-01 | ||
EP17382107.5A EP3370125A1 (en) | 2017-03-01 | 2017-03-01 | Device and system including multiple devices for supervision and control of machines in industrial installation |
PCT/EP2018/055115 WO2018158404A1 (en) | 2017-03-01 | 2018-03-01 | Device and system including multiple devices for supervision and control of machines in industrial installation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109313423A CN109313423A (zh) | 2019-02-05 |
CN109313423B true CN109313423B (zh) | 2022-10-14 |
Family
ID=58266534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880001536.1A Active CN109313423B (zh) | 2017-03-01 | 2018-03-01 | 用于监管和控制工业设施中的机器的装置及包括多个装置的系统 |
Country Status (10)
Country | Link |
---|---|
EP (2) | EP3370125A1 (zh) |
JP (2) | JP6983805B2 (zh) |
KR (1) | KR102599872B1 (zh) |
CN (1) | CN109313423B (zh) |
BR (1) | BR112019018116A2 (zh) |
CA (1) | CA3054637A1 (zh) |
DE (1) | DE112018001085T5 (zh) |
GB (1) | GB2573962B (zh) |
SG (1) | SG11201809889PA (zh) |
WO (1) | WO2018158404A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11237549B2 (en) | 2018-09-10 | 2022-02-01 | Aveva Software, Llc | Utilization edge module server system and method |
ES2782299A1 (es) * | 2019-03-11 | 2020-09-11 | Univ Valladolid | Sistema de recogida de piezas y productos para montajes o preparaciones de pedidos |
CN109756583A (zh) * | 2019-03-21 | 2019-05-14 | 银川高新区慧泽园科技有限公司 | 机车动态质量智能监测系统 |
CN109933004B (zh) * | 2019-03-27 | 2022-05-24 | 苏芯物联技术(南京)有限公司 | 基于边缘计算和云协同的机床故障诊断与预测方法及系统 |
CN110311946A (zh) * | 2019-05-10 | 2019-10-08 | 国网浙江省电力有限公司宁波供电公司 | 基于云雾计算的业务数据安全处理方法、装置及系统 |
JP7226103B2 (ja) * | 2019-05-29 | 2023-02-21 | オムロン株式会社 | 制御システム、サポート装置およびサポートプログラム |
EP3770704A1 (de) * | 2019-07-24 | 2021-01-27 | Siemens Aktiengesellschaft | Cloudbasiertes dezentrales automatisierungssystem |
CN110765288B (zh) * | 2019-09-04 | 2022-09-27 | 北京旷视科技有限公司 | 一种图像信息同步方法、装置、系统及存储介质 |
CN111190925B (zh) * | 2019-10-30 | 2023-07-21 | 重庆邮电大学 | 一种面向边缘计算的多维度查询方法、系统及存储介质 |
KR102244815B1 (ko) * | 2019-12-26 | 2021-04-27 | 한국브로치주식회사 | IoT 기반의 예방 보전 기술 적용이 가능한 능동형 브로칭머신의 제어방법 |
TWI741540B (zh) * | 2020-03-25 | 2021-10-01 | 王志民 | 植物、菇類栽培監測系統 |
EP3929682B1 (en) * | 2020-06-25 | 2023-10-18 | Volkswagen Ag | Estimating a mechanical degradation of a machine |
CN111835849B (zh) * | 2020-07-13 | 2021-12-07 | 中国联合网络通信集团有限公司 | 增强接入网服务能力的方法和装置 |
CN112094959B (zh) * | 2020-09-22 | 2021-09-21 | 江苏坤泰机械有限公司 | 全自动皮革裁断机 |
US11586480B2 (en) | 2020-11-24 | 2023-02-21 | International Business Machines Corporation | Edge computing workload balancing |
CN112526974A (zh) * | 2020-12-04 | 2021-03-19 | 中国航空工业集团公司成都飞机设计研究所 | 采用插件式管理架构的通用试验数据采集系统 |
CN112527829B (zh) * | 2020-12-17 | 2022-05-10 | 浙江经贸职业技术学院 | 基于物联网的工业数据传输与可视化系统 |
CN112686565A (zh) * | 2021-01-08 | 2021-04-20 | 京东数科海益信息科技有限公司 | 信息的处理装置、方法和机器人 |
KR102294851B1 (ko) * | 2021-02-22 | 2021-08-27 | 강민석 | 계측 및 제어를 위한 시스템, ectu의 제어 방법, 및 컴퓨터 프로그램 |
KR20220159291A (ko) * | 2021-05-25 | 2022-12-02 | 젠틀에너지 주식회사 | 데이터 분류 장치 및 방법 |
CN117321969A (zh) * | 2021-06-03 | 2023-12-29 | 三菱电机株式会社 | 可编程逻辑控制器及可编程逻辑控制器的动作方法 |
DE102021213418A1 (de) | 2021-11-29 | 2023-06-01 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Schnittstellenkomponente für verteilte Komponenten eines Systems des maschinellen Lernens |
CN114978927B (zh) * | 2022-05-30 | 2023-09-26 | 机械工业仪器仪表综合技术经济研究所 | 边缘计算节点通信资源建模方法、设备和介质 |
KR102577174B1 (ko) * | 2023-02-20 | 2023-09-11 | 주식회사 파인솔루션 | 고속 설비의 응답시간 측정 장치 |
CN116795066B (zh) * | 2023-08-16 | 2023-10-27 | 南京德克威尔自动化有限公司 | 远程io模块的通信数据处理方法、系统、服务器及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692892A (zh) * | 2011-03-22 | 2012-09-26 | 西门子公司 | 一种数控控制器以及数控机床 |
DE102014210233A1 (de) * | 2014-05-28 | 2015-12-03 | Siemens Aktiengesellschaft | Teilen von Rechen-Ressourcen |
CN105453044A (zh) * | 2013-09-19 | 2016-03-30 | 英特尔公司 | 用于分布式处理任务部分指配的技术 |
CN105610944A (zh) * | 2015-12-29 | 2016-05-25 | 北京物联远信息技术有限公司 | 一种面向物联网的雾计算架构 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2820889B2 (ja) * | 1994-05-31 | 1998-11-05 | 三菱電機株式会社 | コントローラ |
JPH1131075A (ja) * | 1997-07-09 | 1999-02-02 | Uerubiin:Kk | マルチcpuシステム |
JP3053797B2 (ja) * | 1998-06-12 | 2000-06-19 | 三菱電機株式会社 | 制御装置の制御ソフトウエア実行システム |
JP2001273014A (ja) * | 2000-03-28 | 2001-10-05 | Matsushita Electric Works Ltd | プログラマブルコントローラ |
US7904184B2 (en) * | 2004-11-23 | 2011-03-08 | Rockwell Automation Technologies, Inc. | Motion control timing models |
ES2628282T3 (es) * | 2006-12-05 | 2017-08-02 | Telefonaktiebolaget Lm Ericsson (Publ) | Una disposición y un método relacionados con la gestión del rendimiento mediante procesamiento distribuido |
US7797060B2 (en) * | 2007-02-27 | 2010-09-14 | Rockwell Automation Technologies, Inc. | Prioritization associated with controller engine instances |
US7778713B2 (en) * | 2007-02-27 | 2010-08-17 | Rockwell Automation Technologies, Inc. | Construction of an industrial control system using multiple instances of industrial control engines |
DE102008005124A1 (de) * | 2008-01-18 | 2009-07-23 | Kuka Roboter Gmbh | Computersystem, Steuerungsvorrichtung für eine Maschine, insbesondere für einen Industrieroboter, und Industrieroboter |
US8881157B2 (en) | 2009-09-11 | 2014-11-04 | Empire Technology Development Llc | Allocating threads to cores based on threads falling behind thread completion target deadline |
US9665088B2 (en) | 2014-01-31 | 2017-05-30 | Fisher-Rosemount Systems, Inc. | Managing big data in process control systems |
EP2973242B1 (en) * | 2013-03-15 | 2020-12-23 | Fisher-Rosemount Systems, Inc. | Modelling and adjustment of process plants |
CN105531668B (zh) * | 2013-08-08 | 2019-04-23 | 英派尔科技开发有限公司 | 用于执行进程的迁移的方法、迁移器及计算机可读介质 |
JP6563187B2 (ja) * | 2014-11-12 | 2019-08-21 | 株式会社東芝 | 分散制御システム、制御装置及び制御方法 |
JP6548807B2 (ja) * | 2015-03-27 | 2019-07-24 | ビューラー アーゲー | Opc uaベースのマシンツーマシンネットワークにおけるプラントのプロセス制御のための方法およびシステム |
JP6540166B2 (ja) * | 2015-03-31 | 2019-07-10 | オムロン株式会社 | 制御装置 |
-
2017
- 2017-03-01 EP EP17382107.5A patent/EP3370125A1/en not_active Withdrawn
-
2018
- 2018-03-01 KR KR1020187031484A patent/KR102599872B1/ko active IP Right Grant
- 2018-03-01 SG SG11201809889PA patent/SG11201809889PA/en unknown
- 2018-03-01 WO PCT/EP2018/055115 patent/WO2018158404A1/en unknown
- 2018-03-01 DE DE112018001085.6T patent/DE112018001085T5/de active Pending
- 2018-03-01 EP EP18707382.0A patent/EP3590013A1/en active Pending
- 2018-03-01 JP JP2018552045A patent/JP6983805B2/ja active Active
- 2018-03-01 CN CN201880001536.1A patent/CN109313423B/zh active Active
- 2018-03-01 GB GB1912333.0A patent/GB2573962B/en active Active
- 2018-03-01 BR BR112019018116A patent/BR112019018116A2/pt unknown
- 2018-03-01 CA CA3054637A patent/CA3054637A1/en active Pending
-
2020
- 2020-10-08 JP JP2020170537A patent/JP7125457B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692892A (zh) * | 2011-03-22 | 2012-09-26 | 西门子公司 | 一种数控控制器以及数控机床 |
CN105453044A (zh) * | 2013-09-19 | 2016-03-30 | 英特尔公司 | 用于分布式处理任务部分指配的技术 |
DE102014210233A1 (de) * | 2014-05-28 | 2015-12-03 | Siemens Aktiengesellschaft | Teilen von Rechen-Ressourcen |
CN105610944A (zh) * | 2015-12-29 | 2016-05-25 | 北京物联远信息技术有限公司 | 一种面向物联网的雾计算架构 |
Also Published As
Publication number | Publication date |
---|---|
GB201912333D0 (en) | 2019-10-09 |
BR112019018116A2 (pt) | 2020-04-07 |
EP3370125A1 (en) | 2018-09-05 |
SG11201809889PA (en) | 2018-12-28 |
CA3054637A1 (en) | 2018-09-07 |
JP7125457B2 (ja) | 2022-08-24 |
JP2021015614A (ja) | 2021-02-12 |
KR20190122125A (ko) | 2019-10-29 |
EP3590013A1 (en) | 2020-01-08 |
JP6983805B2 (ja) | 2021-12-17 |
JP2020502596A (ja) | 2020-01-23 |
DE112018001085T5 (de) | 2019-11-14 |
KR102599872B1 (ko) | 2023-11-07 |
WO2018158404A1 (en) | 2018-09-07 |
GB2573962B (en) | 2022-05-04 |
CN109313423A (zh) | 2019-02-05 |
GB2573962A (en) | 2019-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109313423B (zh) | 用于监管和控制工业设施中的机器的装置及包括多个装置的系统 | |
US10860006B2 (en) | Device and system including multiple devices for supervision and control of machines in industrial installation | |
CN110719210B (zh) | 一种基于云边协同的工业设备预测性维护方法 | |
Liu et al. | A method of NC machine tools intelligent monitoring system in smart factories | |
CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
JP7321684B2 (ja) | 高パフォーマンス制御サーバシステム | |
Wu et al. | A fog computing-based framework for process monitoring and prognosis in cyber-manufacturing | |
Liu et al. | A cyber-physical system architecture in shop floor for intelligent manufacturing | |
JP7055813B2 (ja) | 数値制御工作機械で使用されるデータインターフェース装置 | |
US10890900B2 (en) | Client device for data acquisition and pre-processing of process-related mass data from at least one CNC machine or industrial robot | |
JP2018151917A (ja) | 制御装置 | |
Jiang et al. | Cyber-physical system based factory monitoring and fault diagnosis framework with plant-wide performance optimization | |
KR101855679B1 (ko) | 원거리에 위치한 다수개의 자동 공작기계작동의 실시간 원격 모니터링 및 진단시스템 | |
Luis et al. | Development of network system for connection PLC to cloud platforms using IIoT | |
KR20230032675A (ko) | Cnc 공작기계를 이용한 데이터 수집 시스템 | |
KR102117960B1 (ko) | 예비 게이트웨이를 활용한 고가용성 지능형 제어 시스템 및 그 제어 방법 | |
Leżański | Architecture of supervisory systems for subtractive manufacturing processes in Industry 4.0 based manufacturing | |
Fimmers et al. | Asset Administration Shells in Tool Lifecycle Monitoring | |
Salvatierra et al. | Cloud Condition Monitoring Platform for Steel Rolling Mill Machines | |
Chhotaray et al. | Enhancement of Manufacturing Sector Performance with the Application of Industrial Internet of Things (IIoT) | |
CN113671933A (zh) | 用于处理与汽轮机相关的数据的系统和方法 | |
Sama et al. | Road Map for Implementation of IoT in Metal Cutting for the Process Monitoring System to Improve Productivity | |
Karabegović et al. | Smart Sensors: Support for the Implementation of Industry 4.0 in Production Processes | |
Dharanendra et al. | IoT based smart manufacturing system: Case studies | |
Löffler | Development of Predictive Maintenance Conceptsfor a Networked Production Plant |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1260251 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |