CN110892350A - 用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的装置和方法 - Google Patents
用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的装置和方法 Download PDFInfo
- Publication number
- CN110892350A CN110892350A CN201880046761.7A CN201880046761A CN110892350A CN 110892350 A CN110892350 A CN 110892350A CN 201880046761 A CN201880046761 A CN 201880046761A CN 110892350 A CN110892350 A CN 110892350A
- Authority
- CN
- China
- Prior art keywords
- industrial process
- controller
- user
- process controller
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
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
- 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]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- 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
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
-
- 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
- G05B2219/24—Pc safety
- G05B2219/24034—Model checker, to verify and debug control software
-
- 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
- G05B2219/24—Pc safety
- G05B2219/24069—Diagnostic
-
- 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
- G05B2219/24—Pc safety
- G05B2219/24102—Display status of controller
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种方法包括获得(504)与工业过程控制器(106)的操作相关联的数据并且识别(506)工业过程控制器的操作问题的影响。该方法还包括为用户生成(510)图形显示(400),其中该图形显示呈现一个或多个推荐动作以减少或消除至少一个该操作问题的至少一个该影响。该方法还包括基于来自该用户的输入来触发(512)该一个或多个推荐动作中的至少一个。该方法还可包括执行一个或多个分析算法(314)以处理所获得的数据并且识别该工业过程控制器的该操作问题。可将该一个或多个分析算法中的每一个实例化为容器(318),并且可根据需要实例化和执行多个容器。可将执行该一个或多个分析算法的结果转换(608)为标准格式。
Description
相关申请的交叉引用和优先权要求
本专利申请根据35U.S.C.§119(e)要求以下美国临时专利申请的优先权:
-2017年6月12日提交的美国临时专利申请第62/518,352号;
-2017年6月12日提交的美国临时专利申请第62/518,397号;
-2017年6月12日提交的美国临时专利申请第62/518,474号;以及
-2017年6月12日提交的美国临时专利申请第62/518,478号。
所有这些临时申请据此全文都通过引用方式并入。
技术领域
本公开整体涉及工业过程控制和自动化系统。更具体地,本公开涉及用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的装置和方法。
背景技术
工业过程控制和自动化系统常常用于使大型且复杂的工业过程自动化。这些类型的控制和自动化系统例行地包括过程控制器和现场设备,比如传感器和致动器。一些过程控制器通常从传感器接收测量结果并且生成针对致动器的控制信号。
基于模型的工业过程控制器是例行用于控制工业过程的操作的一种类型的过程控制器。基于模型的过程控制器通常使用一个或多个模型以算术地表示工业过程中的一个或多个属性如何响应于对工业过程做出的改变。遗憾的是,使用基于模型的控制器可获得的利益通常随时间而减少。这可能是由于很多因素,诸如不准确的模型、错误配置或操作者的动作。在一些极端情况下,使用基于模型的控制器可获得的利益可随时间而减少50%甚至更多。
发明内容
本公开提供了用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的装置和方法。
在第一实施方案中,一种方法包括获得与工业过程控制器的操作相关联的数据以及识别工业过程控制器的操作问题的影响。该方法还包括为用户生成图形显示,其中图形显示呈现一个或多个推荐动作以减少或消除至少一个操作问题的至少一个影响。该方法还包括基于来自用户的输入来触发一个或多个推荐动作中的至少一个。
在第二实施方案中,装置包括被配置为接收与工业过程控制器的操作相关联的数据的至少一个接口。该装置还包括被配置为识别工业过程控制器的操作问题的影响的至少一个处理器。至少一个处理器还被配置为为用户生成图形显示,其中图形显示呈现一个或多个推荐动作以减少或消除至少一个操作问题的至少一个影响。至少一个处理器还被配置为基于来自用户的输入来触发一个或多个推荐动作中的至少一个。
在第三实施方案中,非暂态计算机可读介质包含指令,该指令在被执行时致使至少一个处理设备获得与工业过程控制器的操作相关联的数据并且识别工业过程控制器的操作问题的影响。该介质还包含指令,该指令在被执行时致使至少一个处理设备为用户生成图形显示,其中图形显示呈现一个或多个推荐动作以减少或消除至少一个操作问题的至少一个影响。该介质还包含指令,该指令在被执行时致使至少一个处理设备基于来自用户的输入来触发一个或多个推荐动作中的至少一个。
从以下附图、描述和权利要求书中,其他技术特征对本领域的技术人员是显而易见的。
附图说明
为了更完整地理解本公开,现在结合附图参考以下描述,在附图中:
图1示出了根据本公开的示例性工业过程控制和自动化系统;
图2示出了根据本公开的用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性设备;
图3示出了根据本公开的用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性框架;
图4A和图4B示出了根据本公开的用于可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性图形用户界面;
图5示出了根据本公开的用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性方法;并且
图6示出了根据本公开的用于分析数据以识别建议动作以回收基于模型的工业过程控制器的损失利益的示例性方法。
具体实施方式
下文所讨论的图1至图6以及用于描述本专利文献中的本发明的原理的各种实施方案仅采取说明的方式,并且不应以任何方式被解释为限制本发明的范围。本领域的技术人员将理解,本发明的原理可以在任何类型的适当布置的设备或系统中实现。
如上所述,基于模型的工业过程控制器是例行用于控制工业过程的操作的一种类型的过程控制器。基于模型的过程控制器可有助于改善连续的或其他工业过程的性能。例如,在工业过程中,受控变量(CV)一般表示可被测量或推断的过程变量以及理想情况下被控制在位于或接近期望设定点或在期望的值范围内的过程变量。操纵变量(MV)一般表示可被调节以便改变一个或多个受控变量的过程变量。扰动变量(DV)一般表示其值可被考虑但是无法被控制的过程变量。作为一个简单示例,通过管道的材料的流速可表示受控变量,针对控制材料的流速的阀门的阀开度可表示操纵变量,并且管道或阀门周围的环境温度可表示扰动变量。
基于模型的控制技术用在各种过程工业中,诸如驱动与运输延迟交互的复杂系统在其极限运行,同时向其所有者或操作者传递操作性能和经济利益。遗憾的是,如上所述,基于模型的控制器的利益通常由于各种因素而随时间而减少。这种减少的一个原因是,负责管理性能的操作领导(决策者)可能无法理解由可限制基于模型的控制器性能的仪器问题、操作者行为、软传感器性能和模型不匹配所造成的业务或其他影响。还可能难以量化基于模型的控制器利益的损失、查明损失的根本原因以及基于所识别的原因解决损失。此外,组织通常在其所有站点上安装不同的基于模型的控制器供应商和控制器版本,并且当前无法提供无缝机制来量化供应商和版本中立的损失利益。此外,组织通常具有监测过程性能的工程团队,并且这些团队通常需要基于其责任范围和用户角色的针对控制器问题解决方案的具体背景可视化。
本公开提供了一种框架,该框架可用于识别基于模型的控制器问题、可视化控制器问题及其影响以及自动建议动作和触发工作流和/或动作以解决整个工厂或企业的控制器问题。在一些实施方案中,以诸如货币损失的经济影响的形式来表达影响。当然,可通过其他方式来表达影响,诸如过量的材料使用、过量的能量使用或减少的产品产量。影响的“成本”可用作过量的材料使用、过量的能量使用、减少的产品产量、经济损失或其他影响的测量。除此之外,该框架可用于将驱动单元或其他装备中基于模型的控制器的有效性提高到最佳操作目标,从而回收损失利益。
下文更详细描述的框架可以是可缩放的和弹性的,诸如通过使用可根据需要被实例化和执行的分析容器来处理数据和识别影响基于模型的控制器的问题。在一些实施方案中,该框架的单个实例可被部署并且用于分析与多个基于模型的控制器相关联的数据,该控制器可位于单个工业站点或多个工业站点处。该框架的多个实例还可被部署在一个或多个工业站点中并且与其一起使用。此外或可替代地,该框架的一个或多个实例可被部署“在云端”或在远离一个或多个工业站点的位置处。
这样,该框架有助于识别可影响基于模型的控制器的不同操作问题、这些操作问题的影响以及针对这些操作问题的可能补救。分析结果可然后用于修改基于模型的控制器或其他组件的操作以便减少操作问题的影响,该操作问题影响控制器如何控制底层工业过程。
除此之外,这可使得新的工业物联网(IIoT)服务或其他服务能够被部署,其中服务可用于降低对基于模型的控制器的性能排除故障的成本并且改善基于模型的控制器的生命周期利益。在特定的实施方案中,可使用定期分析从客户的场所收集的成批数据作为基于云的分析解决方案的一部分的计算机程序来实现这些技术。然后可以使用云托管的仪表板将所得的分析结论可视化给客户,以使得客户、支持工程团队或其他人员能够查看性能信息并且对性能问题排除故障。
图1示出了根据本公开的示例性工业过程控制和自动化系统100。如图1所示,系统100包括有利于生产或加工至少一种产品或其他材料的各种部件。例如,系统100可用于有利于对一个或多个工业厂房中的部件的控制。每个工厂表示一个或多个加工设施(或其一个或多个部分),诸如用于生产至少一种产品或其他材料的一个或多个制造设施。一般来说,每个工厂可实现一个或多个工业过程并且可单独地或共同地称为过程系统。过程系统通常表示被配置为以某种方式加工一种或多种产品或其他材料的其任何系统或部分。
在图1中,系统100包括一个或多个传感器102a和一个或多个致动器102b。传感器102a和致动器102b表示过程系统中可执行各种各样的功能中的任一种功能的部件。例如,传感器102a可测量过程系统中的各种各样的特性,诸如流量、压力或温度。另外,致动器102b可以改变过程系统中的各种各样的特性,诸如阀开度。传感器102a中的每个传感器包括用于测量过程系统中的一个或多个特性的任何合适的结构。致动器102b中的每个致动器包括用于在过程系统中对一个或多个条件进行操作或影响的任何合适的结构。
至少一个网络104耦接到传感器102a和致动器102b。网络104有利于与传感器102a和致动器102b的交互。例如,网络104可传输来自传感器102a的测量数据并且向致动器102b提供控制信号。网络104可以表示任何合适的网络或网络的组合。作为特定示例,网络104可表示至少一个以太网网络(诸如支持基金会现场总线协议的以太网网络)、电信号网络(诸如HART网络)、气动控制信号网络或任何其他或附加类型的一个或多个网络。
系统100还包括各种控制器106。可在系统100中使用控制器106以执行各种功能以便控制一个或多个工业过程。例如,第一组控制器106可使用来自一个或多个传感器102a的测量结果来控制对一个或多个致动器102b的操作。第二组控制器106可用于优化由第一组控制器执行的控制逻辑或其他操作。第三组控制器106可用于执行额外的功能。因此,控制器106可支持方法的组合,诸如调节控制、高级调节控制、监督控制和高级过程控制。
每个控制器106包括用于控制工业过程的一个或多个方面的任何合适的结构。例如,控制器106中的至少一些可表示比例积分微分(PID)控制器或多变量控制器,诸如实现模型预测控制(MPC)或其他高级预测控制(APC)的控制器。作为特定示例,每个控制器106可表示运行实时操作系统、WINDOWS操作系统或其他操作系统的计算设备。
图1所示的控制器106中的至少一个表示使用一个或多个过程模型来操作的基于模型的控制器。例如,这些控制器106中的每一个可基于来自一个或多个传感器102a的测量结果使用一个或多个过程模型来操作,以确定如何调节一个或多个致动器102b。在一些实施方案中,每个模型将一个或多个操纵变量或扰动变量(通常被称为自变量)与一个或多个受控变量(通常被称为因变量)相关联。这些控制器106中的每一个可使用目标函数来识别如何调节其操纵变量以便将其受控变量推至最具吸引力的约束集合。
至少一个网络108将系统100中的控制器106和其他设备耦接。网络108有利于部件之间的信息传输。网络108可表示任何合适的网络或网络组合。作为特定示例,网络108可表示至少一个以太网网络。
操作者对系统100的控制器106和其他部件的访问和交互可经由各种操作者控制台110发生。每个操作者控制台110可用于向操作者提供信息并且从操作者接收信息。例如,每个操作者控制台110可向操作者提供识别工业过程的当前状态的信息,诸如与工业过程相关联的警告、警报或其他状态和各种过程变量的值。每个操作者控制台110也可接收影响如何控制工业过程的信息,诸如通过接收由控制器106控制的过程变量的设定值或控制模式或者接收改变或影响控制器106如何控制工业过程的其他信息。每个操作者控制台110包括用于向操作者显示信息以及与操作者进行交互的任何合适的结构。例如,每个操作者控制台110可表示运行WINDOWS操作系统或其他操作系统的计算设备。
多个操作者控制台110可分组在一起并在一个或多个控制室112中使用。每个控制室112可包括以任何合适的布置方式布置的任意数量的操作者控制台110。在一些实施方案中,可使用多个控制室112来控制工业厂房,诸如,当每个控制室112包含用于管理工业厂房的分立部分的操作者控制台110时。
本文的控制和自动化系统100可以可选地包括至少一个历史数据库114和/或一个或多个服务器116。历史数据库114表示存储关于系统100的各种信息的部件。历史数据库114可例如存储在对一个或多个工业过程的控制期间由各个控制器106所生成的信息。历史数据库114包括用于存储信息和有利于信息检索的任何合适的结构。虽然此处被示为单个部件,但历史数据库114可位于系统100中的其他位置,或者多个历史数据库可分布于系统100中的不同位置。
每个服务器116表示执行针对操作者控制台110的用户的应用程序或其他应用程序的计算设备。应用程序可用于支持针对系统100的操作者控制台110、控制器106或其他部件的各种功能。每个服务器116可表示运行WINDOWS操作系统或其他操作系统的计算设备。需注意,虽然被示为位于控制和自动化系统100内本地,但服务器116的功能可远离控制和自动化系统100。例如,可以在经由网关120通信地耦接到控制和自动化系统100的计算云118或远程服务器中实现服务器116的功能。
系统100的至少一个部件可支持用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的机制。例如,这一功能可实现在操作者控制台110、服务器116、或计算云118或远程服务器中。除此之外,这一功能可用于评估与一个或多个基于模型的控制器106相关联的数据以识别影响(多个)控制器106的操作问题,并且可确定任何所识别的操作问题的影响和对所识别的操作问题的可能补救。还可提供可视化,诸如在操作者控制台110的显示器上,以帮助用户识别操作问题、其影响和可能的解决方案。在理想情况下,这允许操作问题被优先化以及减少或解决,这可有助于改善基于模型的控制器106的操作。下文提供了关于该功能的附加细节。
虽然图1示出了工业过程控制和自动化系统100的一个示例,但是可以对图1作出各种改变。例如,系统100可包括任意数量的传感器、致动器、控制器、网络、操作者控制台、控制室、数据库、服务器和其他组件。另外,图1中的系统100的组成和布置方式仅用于例证。部件可根据特定需要添加、省略、组合、进一步细分或以任何其他合适的配置放置。作为特定示例,历史数据库114可实现在计算云118中。此外,特定功能已被描述为由系统100的特定部件执行。这仅用于例证。一般来说,控制系统和自动化系统是高度可配置的,并且可根据特定需要以任何合适的方式来配置。此外,图1示出了一个示例性操作环境,其中可使用识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益。此功能可在任何其他合适的系统中使用。
图2示出了根据本公开的用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性设备200。例如,设备200可例如表示上文相对于图1所述的操作者控制台110、服务器116或用在计算云118中的设备。然而,设备200可用在任何其他合适的系统中。
如图2中所示,设备200包括至少一个处理器202、至少一个存储设备204、至少一个通信单元206和至少一个输入/输出(I/O)单元208。每个处理器202可执行指令,诸如可被加载到存储器210中的那些指令。该指令可识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益。每个处理器202表示任何合适的处理设备,诸如一个或多个微处理器、微控制器、数字信号处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或分立电路。
存储器210和持久性存储装置212是存储设备204的示例,该存储设备表示能够储存和促进信息(诸如数据、程序代码和/或临时性的或永久性的其他合适信息)的检索的任何(多个)结构。存储器210可表示随机存取存储器或任何其他合适的易失性的或非易失性的(多个)存储设备。持久性存储装置212可以包含支持数据的更长期存储的一个或多个部件或设备,诸如只读存储器、硬盘驱动器、闪存存储器或光盘。
通信单元206支持与其他系统或设备的通信。例如,通信单元206可包括促进通过有线网络或无线网络的通信的网络接口卡或无线收发器。通信单元206可通过任何合适的物理的或无线的(多个)通信链路来支持通信。
I/O单元208允许输入和输出数据。例如,I/O单元208可通过键盘、鼠标、小键盘、触摸屏或其他合适的输入设备向用户输入提供连接。I/O单元208还可发送输出至显示器、打印机或其他合适的输出设备。
尽管图2示出了用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的设备200的一个示例,但是可对图2做出各种改变。例如,部件可根据特定需要添加、省略、组合、进一步细分或以任何其他合适的配置放置。此外,计算设备可有很多种配置,并且图2不将本公开限制为计算设备的任何特定配置。
图3示出了根据本公开的用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性框架300。为了易于解释,框架300的大部分被描述为由图2中实现图1的操作者控制台110、服务器116或用在计算云118中的设备的设备200所提供。然而,框架300可与任何合适的(多个)设备一起使用,并且用在任何合适的系统中。
如图3所示,使用包括至少一个客户端节点302和至少一个服务器节点304的客户端服务器架构来实现框架300。每个客户端节点302一般表示被用户用于与服务器节点304交互的计算设备或其他设备。每个服务器节点304一般表示执行用于提供期望功能的应用程序或其他逻辑的计算设备。每个客户端节点302包括用于与服务器或其他计算机交互的任何合适的设备,诸如台式计算机、笔记本计算机、平板计算机或智能电话。每个服务器节点304包括用于执行应用程序或其他逻辑的任何合适的计算设备,并且可具有与图2所示相同的通用结构。
在这个示例中,每个客户端节点302包括或执行web浏览器306,该浏览器306表示允许用户使用超文本传输协议(HTTP)或其他基于网络的协议与其他设备(包括服务器节点304)交互的应用程序或其他逻辑。此外,在这个示例中,服务器节点304包括或执行web服务器306,该web服务器306与web浏览器308交互以便支持节点302和节点304之间的通信。web服务器308一般表示处理从外部设备传入的HTTP或其他请求的应用程序或其他逻辑以及向外部设备供应数据的应用程序或其他逻辑。除此之外,如下文更详细地描述,web服务器308可接收与一个或多个基于模型的控制器106的操作相关联的数据并且提供该数据以用于存储或分析。web服务器308还可向服务器节点304的其他部件提供对该数据分析的请求,并且基于分析向至少一个客户端节点302提供结果,诸如呈一个或多个图形显示的形式。
服务器节点304还包括或有权访问资产模型310和配置数据库312。资产模型310储存限定资产及其与其他资产的关系(诸如以父子格式或其他多级格式)的信息。资产表示过程控制和自动化系统或被控制的底层工业过程内的任何硬件、软件或者其他物理的或虚拟的部件。在资产模型310中所识别的资产可与单个工业站点(或其一部分)、多个工业站点(或其部分)或整个企业相关联。在资产模型310中所识别的资产包括一个或多个基于模型的控制器106。对于每个基于模型的控制器106,资产模型310可定义控制器106为资产并且将其关联为处理单元资产或控制器106为其构建的其他装备的子代。针对每个控制器106的元数据,诸如其供应商、版本和应用程序类型,可被储存在针对这个控制器106的资产模型310中。针对每个控制器106的元数据还可包括针对这个控制器106的输入和输出,并且可被储存在资产模型310中。
资产模型310还可储存限定不同责任范围以及这些范围如何被映射到资产模型310内的不同资产或不同级别的资产的信息。不同的用户角色可被分配给责任范围,并且具体的用户可被分配给具体的用户角色。这样,资产模型310可用于针对用户以及与这些用户相关联的资产限定具体的责任范围。这允许在整个工厂或企业中实现一致的责任范围。
配置数据库312储存限定将如何分析与一个或多个基于模型的控制器106相关联的数据的信息。例如,配置数据库312可识别应针对一个或多个基于模型的控制器106而执行分析算法的频率。作为特定示例,配置数据库312可储存针对单个基于模型的控制器106、一组基于模型的控制器106或所有基于模型的控制器106的执行计划。可在配置数据库312中支持任何数量的执行计划。可发布每个执行计划及其相关联的控制器资产和控制器元数据至服务器节点304的其他部件,以支持对于相关联的控制器106的控制器数据的分析。
服务器节点304还包括或有权访问各种分析算法图像314。分析算法图像314表示可用于分析来自基于模型的控制器106的数据以便识别控制器106的可能的操作问题的数据分析例程。可以任何合适的方式来限定分析算法图像314,诸如由服务器节点304所执行的分析软件包的提供方或由与过程控制和自动化系统相关联的工程师或其他人员来限定。每个分析算法图像314可支持用于处理与基于模型的控制器106相关联的数据的任何合适的计算或其他操作,并且确定控制器106是否(以及在多大程度上)存在操作问题。
批处理执行引擎316将各种分析算法图像314实例化到分析容器318中,并且然后执行分析容器318。例如,基于包含在配置数据库312中或从其发布的执行计划,批处理执行引擎316可为控制器106选择一个或多个合适的分析算法图像314(诸如基于控制器的供应商、版本和应用程序类型)并且针对(多个)所选择的图像314将一个或多个容器318实例化。批处理执行引擎316可然后执行包含在容器318中的分析例程并且输出结果,诸如至历史数据库320或其他数据库以用于存储。这样,批处理执行引擎316使用分析算法图像314和分析容器318来执行分析控制器相关的数据的逻辑以便识别可能影响控制器106的任何操作问题以及这些操作问题的影响。在一些实施方案中,批处理执行引擎316可表示实例化和监视作业的一组服务或其他逻辑,基于计算资源的需求和可用性通过添加或移除作业来提供弹性和可伸缩性。
每个容器318可针对特定的分析算法将所有算法依赖性封装在其自身内。这允许每个容器318在任何合适的系统中被实例化和执行,从而使得框架300能够是可缩放的和弹性的。基于特定控制器的供应商和版本以及要被识别的具体控制器问题,
相关联的分析算法可从其图像314被实例化并且使用容器318被独立执行。为了自动识别具体的控制器问题,框架300可提供通用的容器接口功能以输入数据至容器318,在容器318中执行分析,并且基于每个具体控制器问题的模式
针对每个具体控制器问题从容器318输出结果(诸如以标准格式)。这有助于保持框架300版本中立和供应商中立。
此外,服务器节点304包括工作流引擎322和安全模块324。工作流引擎322一般地操作以识别可用于减少或解决影响基于模型的控制器106的操作问题的影响的工作流或其他动作。工作流引擎322还可用于触发所选择的工作流或其他动作的发起或执行,诸如一旦用户已查看了由批处理执行引擎316生成的分析结果则基于用户输入。工作流或其他动作(诸如其布置状态)的执行结果可被储存和维护以支持可追溯性和审核。
安全模块324可用于支持服务器节点304和其他部件(诸如控制器106、历史数据库114或客户端节点302)之间的安全数据传输机制。安全数据传输机制有助于保护由服务器节点304所收集的数据,诸如当通过互联网或其他不安全网络从远程源收集数据时。安全模块324可支持任何合适的安全数据传输技术。然而,请注意,如果服务器节点304驻留在控制和自动化系统100内,则可能很少或不需要使用安全数据传输机制来保护被传输到服务器节点304的数据。
框架300中的web服务器308可用于向客户端节点302的用户提供图形用户界面。可提供图形用户界面,以使得不同用户能够理解和使用由服务器节点304执行的分析的结果。例如,图形用户界面可帮助用户识别工业站点处的单元或其他设备是如何由其控制器106所使用的各种过程模型以及相关联的经济或其他成本所驱动的。图形用户界面还可帮助用户识别哪些仪器或模型需要维护以及哪些装备需要清洁或换代。图形用户界面还可帮助用户识别哪些操作者需要培训,或者哪些过程变量目标无法实现或过于保守。框架300还可在图形用户界面中向用户提供背景可视化和优先级推荐,诸如基于其责任范围和用户角色以便改善最佳条件的实现。
在一些实施方案中,可基于使用图形用户界面的用户的角色在不同的图形用户界面中呈现分析结果。例如,图形用户界面中的操作管理视图可允许操作管理者理解操作者行为、装备问题和其他外部因素对基于模型的控制器106的影响,并且因此理解这些因素对工业过程的性能和工业过程中装备健康的影响。具体的可视化(诸如,树状映射图)可显示加权的经济利益或其他利益
或在资产层级中由资产模型310限定的成本和明细。过程工程师在图形用户界面中的视图可突出显示关键约束限制对工业过程性能的影响。控制工程师在图形用户界面中的视图可提供对控制器性能好坏的深层原因的详细诊断见解,可能还有对深层问题的经济影响或其他影响的评估,以有助于证明改正动作(诸如过程或应用程序维护或操作者培训)合理。与资产模型310中的特定实体相关的具体控制器问题可按优先级列出,连同其经济影响或其他影响,以专注于实现最大利益的动作。可以显示每个班次的累加经济利益或其他利益,以检查是否有操作者需要关于控制器方面的指导。
图3所示的框架300因此能够在内聚过程中执行各种功能,以提供从显现控制器问题至其解决方案的直观进展。这些功能包括自动识别控制器问题、背景可视化控制器问题以及解决控制器问题。批处理执行引擎316支持控制器问题的自动识别,该批处理执行引擎将适用于具体控制器106的(多个)分析算法图像314实例化为一个或多个容器318以用于执行。使用所执行的分析而发现的控制器问题可被优先化,诸如基于加权的经济利益或影响或者其他利益或影响。在某些情况下,可按照首先列出最大影响的问题对控制器问题排序。在一些实施方案中,使用所执行的分析而估计的经济利益或者其他利益或影响可被汇总和累加到资产模型310中的更高级别实体(诸如到对于操作领导、单元管理者和过程工程师有意义的那些级别)。累加和汇总的量可基于不同的用户角色。
通过生成不同的图形用户界面以呈现给不同用户(诸如操作领导、单元管理者和过程工程师)来支持对控制器问题的背景可视化。可视化可包括基于资产模型310中的所选择的实体、用户的角色和用户的责任范围的控制器问题和相关的自动建议动作的图形表示。使用背景可视化的一个示例性目标可为在影响基于模型的控制器性能的问题与如何解决这些问题之间提供良好的视线。另一个示例性目标可以是降低在控制和自动化系统中维护和改善工业过程和基于模型的(多个)控制器106的性能的难度和成本。在具体的实施方案中,这一方法可有助于改善操作管理、过程工程和控制工程人员之间的协作以便维护和改善工业过程的性能,同时利用基于模型的(多个)控制器106以实现最佳效果。然而,请注意,可以任何其他合适的方式来使用本专利文献中所述的方法。
通过基于对用户的加权的利益或影响提供优先化的推荐来支持对控制器问题的解决方案,以使得用户可能通过图形用户界面可采取或发起动作。对于控制器问题的示例性推荐可包括对过程变量限制和/或控制器调整参数的改变、指导操作者的控制器行为、模型改变、重新校准软传感器以及修复故障仪器。图形用户界面可向用户提供触发工作流或发起自动建议动作的能力。例如,假设控制器问题具有改变特定模型的自动建议。框架300可向用户提供用于发起步进应用程序或其他应用程序以识别针对控制器106的新模型的选项。如果推荐是修复故障仪器,则框架300可向用户提供用于发起工单以修复装备的选项。可以记录评论和动作布置状态以维护可追溯性和审核控制器问题的解决方案。
请注意,图3所示的框架300是使用客户端服务器架构来实现的,该架构本身可以各种方式实现。例如,一个或多个客户端节点302和一个或多个服务器节点304可被实现“在场所”,这意味着完全在单个工业站点内或在企业的总体系统内。可替代地,一个或多个客户端节点302可驻留在过程控制和自动化系统100内,而一个或多个服务器节点304驻留“在云端”或一些(多个)远程位置处并且提供所述功能作为服务。当然,也可使用其他架构,诸如当服务器节点304的功能被完全安装在每个用户的计算设备上时。还可存在用于单个工业站点的框架300的单个实例或用于多个工业站点的框架300的多个实例,并且框架300的每个实例可由单个企业或多个企业使用。
还请注意,图3中的服务器节点304的每个部件可以任何合适的方式实现。例如,可使用任何合适的数据结构将资产模型310、配置数据库312、分析算法图像314和分析容器318储存在设备200的(多个)存储设备204中。此外,可使用由设备200的处理器(2)执行的软件/固件指令来实现web服务器308、批处理执行引擎316、工作流引擎322和安全模块324中的每一个。此外,历史数据库320可表示在设备200之内或外部的任何合适的信息存储装置和检索设备,诸如(多个)存储设备204或外部数据库(类似于历史数据库114)。
尽管图3示出了用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的框架300的一个示例,但是可对图3做出各种改变。例如,图3所示的功能划分仅用于说明。根据特定的需求,可组合、进一步细分或省略各种数据元素,并且可添加附加的数据元素。此外,根据特定的需求,可组合、进一步细分或省略各种功能元素,并且可添加附加的功能元素。
图4A和图4B示出了根据本公开的用于可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性图形用户界面400。图形用户界面400可例如由服务器节点304生成并且被呈现给使用至少一个客户端设备302的至少一个用户。为了易于解释,图形用户界面400被描述为由图2中实现图1的操作者控制台110、服务器116或用在计算云118中的设备的设备200所生成。然而,图形用户界面400可由任何合适的设备生成,并且生成在任何合适的系统中。
如图4A和图4B所示,图形用户界面400包括关于实现工业过程的至少一部分的具体装备的各种信息。可以任何合适的方式来选择这一具体装备,诸如通过使用识别可由用户导航的装备的层级的树,或通过使用识别或包括至少具体装备的另一个显示。
所选择的装备,图形用户界面400包括识别装备的长期性能的部分402和识别装备如何在不同的工作班次(其与不同的人类操作者相关联)期间操作的部分404。图形用户界面400还包括识别与所选择的装备相关联的关键过程变量的行为的部分406和识别针对所选择的装备的限制违规(如果有)的部分408。可以任何合适的方式来生成这一信息,诸如当使用在标题为“用于自动识别和诊断约束违规的装置和方法(APPARATUS AND METHOD FORAutomated Identification and Diagnosis of Constraint Violations)”的美国专利申请第62/518352号[待审单号H0060235-0114](在此同时提交)中所公开的技术来识别限制违规时。
图形用户界面400还包括识别操作问题如何影响与所选择的装备相关联的至少一个基于模型的控制器的性能的部分410。在这一示例中,部分410识别导致控制器性能降低的不同的促成原因(操作问题)以及这些原因中的每一个如何促成机会成本损失(以损失的机会成本的方式表达)。损失的机会成本识别可对基于模型的控制器106的操作做出的改进。
部分412识别为减少或解决在部分410所识别的一个或多个操作问题而可采取的一个或多个可能的改正动作方针。可以任何合适的方式来识别可能的改正动作方针,诸如基于知识库中的信息或基于工作流引擎322的操作。在一些实施方案中,部分412还允许由用户触发每个改正动作方针。例如,可将在部分412所识别的可能的改正动作方针显示为超链接,用户可选择该超链接以便发起用于实现所选择的动作方针的工作流或其他动作。还可为改正动作方针显示按钮414,并且该按钮可被用户用于输入注释、触发或关闭动作方针或执行其他功能。标签选项卡416允许用户查看开放的动作方针、当前正被执行的动作方针以及搁置或关闭的动作方针。
尽管图4A和图4B示出了用于可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的图形用户界面400的一个示例,但是可对图4A和图4B做出各种改变。例如,图形用户界面400的内容和布局可根据需要或期望而变化。作为特定示例,图形用户界面400可基于要查看图形用户界面400的用户的用户角色而变化。
图5示出了根据本公开的用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的示例性方法500。为了易于解释,方法500被描述为由图2中实现图1的操作者控制台110、服务器116或用在计算云118中的设备的设备200所执行。然而,方法500可与任何合适的设备一起使用,并且用在任何合适的系统中。
如图5所示,在步骤502处识别分析周期的开始和结束。这可包括,例如设备200的处理器202,该处理器确定将分析与基于模型的控制器106相关联的数据的时间段。此处可识别任何合适的时间段,诸如特定的天、周、月或其他时间段。在一些实施方案中,可基于针对这一控制器106的配置数据库312中所包含的已发布的执行计划来限定针对控制器106的分析周期。
在步骤504处获得与基于模型的控制器相关联的数据。这可包括,例如设备200的处理器202,该处理器获得识别由控制器106所使用的过程变量的值的数据以及与控制器106相关联的其他数据。这也可包括预处理数据的设备200的处理器202,诸如验证所获得的数据并且丢弃所获得的数据中被认为无效的任何部分。请注意,当由远离控制器106或其他数据源的设备获得数据时,取决于实施方案,数据可被安全地并且实时地、接近实时地或非实时地传输至设备。
处分析数据以识别与影响控制器的一个或多个操作问题相关联的至少一个影响。这可包括,例如设备200的处理器202,该处理器执行批处理执行引擎316以分析数据并且确定控制器106是否存在阻止控制器106实现其最大潜在利益的问题。在上文以引用方式并入的各种临时专利申请以及标题为“用于估计针对工业控制系统的高级控制操作中的操作问题的影响的装置和方法(APPARATUS AND METHOD FOR Estimating IMPACTS OFOPERATIONAL problems in Advanced Control OperationS FOR INDUSTRIAL CONTROLSYSTEMS)”的美国专利申请第62/518474号[待审单号H0060317-0114](在此同时提交)中描述了用于识别与影响基于模型的控制器的一个或多个操作问题相关联的可能影响的示例性技术。如上所述,可以任何合适的形式来表达影响,诸如过量的材料使用、过量的能量使用、减少的产品产量或经济成本(并且经济成本本身可以是类似过量的材料使用、过量的能量使用或减少的产品产量的事物的量度)。
在步骤508处识别用于减少或消除至少一个影响的一个或多个推荐动作。这可包括,例如设备200的处理器202,该处理器执行工作流引擎322以识别可用于减少所识别的操作问题的影响的可能的改正动作。此处可识别任何合适的推荐动作,并且针对特定影响而识别的(多个)推荐动作可基于造成影响的具体操作问题。例如,当操作问题涉及过度约束的过程变量或配置不当的控制器时,可推荐改变过程变量限制和/或控制器调整参数。当操作问题涉及被置于不当模型或被控制器106所忽略的过程变量时,可推荐指导操作者的控制器行为。当操作问题涉及由控制器106所使用的一个或多个模型的质量时,可推荐改变模型。当操作问题涉及由控制器106所使用的一个或多个推断属性的质量时,可推荐重新校准软传感器。当操作问题涉及所接收到的无效数据时,可推荐修复故障仪器。
在步骤510处生成识别至少一个影响和至少一个建议动作的图形显示并且将其呈现给一个或多个用户。这可包括例如设备200的处理器202,该处理器在控制相关的背景中生成识别一个或多个影响以及一个或多个推荐动作的图形用户界面。可对影响排序,诸如按成本或其他影响降低的顺序或者按可获得的利益增加的顺序。还可对推荐动作排序,诸如基于相关联的影响。在一些实施方案中,分析结果可旨在针对不同类型的人员,诸如过程管理者、工程师或其他人员。因此,可以适合每种类型的用户的形式来表达图形显示中的分析结果,诸如基于每个用户的用户角色或责任范围。还可基于具体资产或在为其分析数据的资产模型310中所选择的资产来呈现分析结果。
在步骤512处基于用户输入来触发一个或多个推荐动作。这可包括,例如设备200的处理器202,该处理器接收指示应发起或以其他方式执行在图形显示中呈现的至少一个推荐动作的用户输入。这也可包括发起(多个)推荐动作并且跟踪每个触发动作的状态的工作流引擎322。可以任何合适的方式来执行动作,诸如由设备200或由响应于工作流请求或由设备200或另一个系统发出的请求的人员来执行。
虽然图5示出了用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的方法500的一个示例,但是可对图5做出各种改变。例如,虽然被示为一系列步骤,但是图5中的各种步骤可以重叠、并行发生、以不同顺序发生,或发生任何次数。
图6示出了根据本公开的用于分析数据以识别建议动作以回收基于模型的工业过程控制器的损失利益的示例性方法600。可例如在图5的方法中的步骤506期间执行方法600。为了易于解释,方法600被描述为由图2中实现图1的操作者控制台110、服务器116或用在计算云118中的设备的设备200所执行。然而,方法600可与任何合适的设备一起使用,并且用在任何合适的系统中。
如图6所示,在步骤602处,选择一个或多个分析算法以用于分析与基于模型的控制器相关联的数据。这可包括,例如设备200的处理器202,该处理器执行批处理执行引擎316以识别与控制器106相关联的元数据,诸如其供应商、版本和要检测的操作问题。这也可包括设备200的处理器202,该处理器基于元数据执行批处理执行引擎316以选择一个或多个分析算法图像314。在步骤604处,将一个或多个所选择的分析算法实例化为一个或多个容器。这可包括例如设备200的处理器202,该处理器执行批处理执行引擎316以针对每个所选择的分析算法图像314生成可执行容器318。
在步骤606处,执行一个或多个容器以分析与控制器相关联的数据。这可包括,例如设备200的处理器202,该处理器使用包含在一个或多个容器318中的逻辑来执行批处理执行引擎316以分析与控制器106相关联的数据。(多个)容器318中的逻辑用于分析数据并且识别影响控制器106的可能的操作问题。(多个)容器中的逻辑还用于估计该影响或与每个所识别的操作问题相关联的影响。
在步骤608处,将执行结果转换为标准格式。这可包括,例如设备200的处理器202,该处理器执行批处理执行引擎316以将任何所识别的操作问题转换为标准形式,诸如对操作问题的描述以及操作问题的任何可能原因。这也可包括设备200的处理器202,该处理器执行批处理执行引擎316以将任何所识别的影响转换为标准形式,诸如对影响的描述和对影响(如以成本或损失利益的形式)的关联测量。请注意,此处使用的标准格式不需要使用由标准机构所批准的格式。相反,标准格式可表示跨不同的操作问题和影响而被标准化的任何合适的格式,即使标准格式是专有格式也是如此。
虽然图6示出了用于分析数据以识别建议动作以回收基于模型的工业过程控制器的损失利益的方法600的一个示例,但是可对图6做出各种改变。例如,虽然被示为一系列步骤,但是图6中的各种步骤可以重叠、并行发生、以不同顺序发生,或发生任何次数。此外,容器的使用是可选的,并且可以任何其他合适的方式来执行分析算法。此外,可能不需要转换分析结果,诸如当分析算法自身被配置为生成呈期望格式的分析结果时。
请注意,上述用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的控制器的损失利益的技术可结合上文以引用方式并入的临时专利申请和/或以下同时提交的专利申请中所述的各种特征的任何组合或全部而使用或操作(所有这些专利申请在此均以引用方式并入):
-“用于自动识别和诊断约束违规的装置和方法(APPARATUS AND METHOD FORAutomated Identification and Diagnosis of Constraint Violations)”的美国专利申请第62/518352号[待审单号H0060235-0114];
-“用于识别可变性或控制泄露对基于模型的控制器性能的影响和原因的装置和方法(Apparatus and Method for Identifying Impacts and Causes of VariabilityOR CONTROL GIVEAWAY on Model-Based Controller Performance)”的美国专利申请第62/518397号[待审单号H0060315-0114];以及
-“用于估计针对工业控制系统的高级控制操作中的操作问题的影响的装置和方法(APPARATUS AND METHOD FOR Estimating IMPACTS OF OPERATIONAL problems inAdvanced Control OperationS FOR INDUSTRIAL CONTROL SYSTEMS)”的美国专利申请第62/518474号[待审单号H0060317-0114]。
在一些实施方案中,本专利文献中描述的各种功能由计算机程序来实现或支持,该计算机程序由计算机可读程序代码形成并且体现在计算机可读介质中。短语“计算机可读程序代码”包括任何类型的计算机代码,包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够被计算机访问的任何类型的介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、光盘(CD)、数字视频光盘(DVD)或任何其他类型的存储器。“非暂态”计算机可读介质排除传输瞬时电信号或其他信号的有线、无线、光学或其他通信链路。非暂态计算机可读介质包括可永久地存储数据的介质以及可存储和之后覆写数据的介质,诸如可重写光盘或可擦除存储设备。
阐述贯穿本专利文献中使用的某些字词和短语的定义可能是有利的。术语“应用程序”和“程序”是指适于以合适的计算机代码(包括源代码、目标代码或可执行代码)实现的一个或多个计算机程序、软件部件、指令集、过程、功能、对象、类、实例、相关的数据或其一部分。术语“通信”以及其衍生词涵盖直接通信和间接通信两者。术语“包括”和“包含”以及其衍生词意指包括但不限于此。术语“或”是包括性的,意指和/或。短语“与...相关联”以及其衍生词可以意指包括、包括在...内、与...互连、包含、包含在...内、连接到...或与...连接、耦接到...或与...耦接、可与...通信、与...协作、交错、并置、与...接近、结合到...或与...结合、具有、具有...的属性、具有与...的关系或与...具有关系等。当与项列表一起使用时,短语“...中的至少一个”意指可以使用所列的项中的一个或多个项的不同组合,并且可能仅需要列表中的一个项。例如,“A、B和C中的至少一者”包括以下任何组合:A、B、C,A和B,A和C,B和C,以及A和B和C。
不应将本申请中的描述理解为暗示任何特定元件、步骤或功能是必须包括在权利要求书范围内的基本或关键要素。专利保护的主题的范围仅由所允许的权利要求书限定。此外,权利要求书都未关于所附权利要求书或权利要求要素中的任何一项援引35U.S.C.§112(f),除非在特定权利要求书中明确使用后面是识别功能的分词短语的“用于...的装置”或“用于...的步骤”的确切字词。在权利要求书内使用术语诸如(但不限于)“机构”、“模块”、“设备”、“单元”、“部件”、“元件”、“构件”、“装置”、“机器”、“系统”、“处理器”或“控制器”被理解为并且旨在指代相关领域的技术人员已知的结构,如权利要求书本身特征进一步修改的或增强的,并且不旨在援引35U.S.C.§112(f)。
虽然本公开已描述了某些实施方案和大体上相关联的方法,但是这些实施方案和方法的变更和置换对于本领域的技术人员来说将是显而易见的。因此,上文对示例性实施方案的描述不限定或约束本公开。在不脱离如以下权利要求书限定的本公开的实质和范围的情况下,其他改变、替换和变更也是可能的。
Claims (15)
1.一种方法,包括:
获得(504)与工业过程控制器(106)的操作相关联的数据;
识别(506)所述工业过程控制器的操作问题的影响;
为用户生成(510)图形显示(400),所述图形显示呈现一个或多个推荐动作以减少或消除至少一个所述操作问题的至少一个所述影响;以及
基于来自所述用户的输入来触发(512)所述一个或多个推荐动作中的至少一个。
2.根据权利要求1所述的方法,还包括:
执行(606)一个或多个分析算法(314)以处理所获得的数据并且识别所述工业过程控制器的所述操作问题。
3.根据权利要求2所述的方法,其中:
将所述一个或多个分析算法中的每一个实例化为容器(318);并且
根据需要实例化和执行多个容器以提供可缩放的分析。
4.根据权利要求2所述的方法,还包括:
基于以下至少一个来选择(602)所述一个或多个分析算法中的至少一个:所述工业过程控制器的供应商、所述工业过程控制器的版本以及所述工业过程控制器的操作问题。
5.根据权利要求2所述的方法,还包括:
将执行所述一个或多个分析算法的结果转换(608)为标准格式。
6.根据权利要求1所述的方法,其中基于以下至少一个来生成所述图形显示:所述用户的用户角色、所述用户的责任范围以及在资产模型中所选择的资产。
7.根据权利要求1所述的方法,其中:
所述图形显示呈现多个推荐动作;并且
基于所识别的影响优先化所述推荐动作。
8.一种装置,包括:
至少一个接口(206),所述至少一个接口被配置为接收与工业过程控制器的操作相关联的数据;和
至少一个处理器(202),所述至少一个处理器被配置为:
识别所述工业过程控制器的操作问题的影响;
为用户生成图形显示(400),所述图形显示呈现一个或多个推荐动作以减少或消除至少一个所述操作问题的至少一个所述影响;以及
基于来自所述用户的输入来触发所述一个或多个推荐动作中的至少一个。
9.根据权利要求8所述的装置,其中所述至少一个处理器还被配置为执行一个或多个分析算法(314)以处理所获得的数据并且识别所述工业过程控制器的操作问题。
10.根据权利要求9所述的装置,其中:
所述至少一个处理器被配置为将所述一个或多个分析算法中的每一个实例化为容器(318);并且
所述至少一个处理器被配置为根据需要实例化和执行多个容器以提供可缩放的分析。
11.根据权利要求9所述的装置,其中所述至少一个处理器还被配置为基于以下至少一个来选择所述一个或多个分析算法中的至少一个:所述工业过程控制器的供应商、所述工业过程控制器的版本以及所述工业过程控制器的操作问题。
12.根据权利要求9所述的装置,其中所述至少一个处理器还被配置为将执行所述一个或多个分析算法的结果转换为标准格式。
13.根据权利要求8所述的装置,其中所述至少一个处理器被配置为基于以下至少一个来生成所述图形显示:所述用户的用户角色、所述用户的责任范围以及在资产模型中所选择的资产。
14.根据权利要求8所述的装置,其中:
所述至少一个处理器被配置为识别所述图形显示中的多个推荐动作;并且
所述至少一个处理器被配置为基于所识别的影响来优先化所述图形显示中的所述推荐动作。
15.一种包含指令的非暂态计算机可读介质,所述指令在被执行时致使至少一个处理设备(202)执行根据权利要求1至7中任一项所述的方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762518478P | 2017-06-12 | 2017-06-12 | |
US62/518,478 | 2017-06-12 | ||
US15/972,535 US10678195B2 (en) | 2017-06-12 | 2018-05-07 | Apparatus and method for identifying, visualizing, and triggering workflows from auto-suggested actions to reclaim lost benefits of model-based industrial process controllers |
US15/972,535 | 2018-05-07 | ||
PCT/US2018/035791 WO2018231561A1 (en) | 2017-06-12 | 2018-06-04 | Apparatus and method for identifying, visualizing, and triggering workflows from auto-suggested actions to reclaim lost benefits of model-based industrial process controllers |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110892350A true CN110892350A (zh) | 2020-03-17 |
CN110892350B CN110892350B (zh) | 2023-04-28 |
Family
ID=64660518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880046761.7A Active CN110892350B (zh) | 2017-06-12 | 2018-06-04 | 用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的装置和方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3639099A4 (zh) |
CN (1) | CN110892350B (zh) |
AU (1) | AU2018282630B2 (zh) |
WO (1) | WO2018231561A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3731201B1 (en) * | 2019-04-24 | 2022-11-09 | ABB Schweiz AG | A support system for an operator |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040103058A1 (en) * | 2002-08-30 | 2004-05-27 | Ken Hamilton | Decision analysis system and method |
CN101533261A (zh) * | 2007-09-28 | 2009-09-16 | 费舍-柔斯芒特系统股份有限公司 | 用于过程控制系统中的智能控制和监控的方法和设备 |
US20100162029A1 (en) * | 2008-12-19 | 2010-06-24 | Caterpillar Inc. | Systems and methods for process improvement in production environments |
US20160234242A1 (en) * | 2015-02-11 | 2016-08-11 | Honeywell International Inc. | Apparatus and method for providing possible causes, recommended actions, and potential impacts related to identified cyber-security risk items |
CN106462353A (zh) * | 2014-06-06 | 2017-02-22 | 霍尼韦尔国际公司 | 用于在工业操作员控制台中组合可视化和交互的装置和方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6385496B1 (en) * | 1999-03-12 | 2002-05-07 | Fisher-Rosemount Systems, Inc. | Indirect referencing in process control routines |
US7738975B2 (en) * | 2005-10-04 | 2010-06-15 | Fisher-Rosemount Systems, Inc. | Analytical server integrated in a process control network |
US8768892B2 (en) * | 2008-09-29 | 2014-07-01 | Microsoft Corporation | Analyzing data and providing recommendations |
US9323234B2 (en) * | 2009-06-10 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Predicted fault analysis |
WO2014106110A1 (en) * | 2012-12-31 | 2014-07-03 | Shuster, Gary, Stephen | Decision making using algorithmic or programmatic analysis |
US20150039386A1 (en) * | 2013-08-02 | 2015-02-05 | Omnex Systems, LLC | Method and system for risk assessment analysis |
US9645575B2 (en) * | 2013-11-27 | 2017-05-09 | Adept Ai Systems Inc. | Method and apparatus for artificially intelligent model-based control of dynamic processes using probabilistic agents |
US20160180240A1 (en) * | 2014-12-16 | 2016-06-23 | Kyndi, Inc. | Apparatus and method for high performance data analysis |
-
2018
- 2018-06-04 WO PCT/US2018/035791 patent/WO2018231561A1/en unknown
- 2018-06-04 AU AU2018282630A patent/AU2018282630B2/en active Active
- 2018-06-04 CN CN201880046761.7A patent/CN110892350B/zh active Active
- 2018-06-04 EP EP18817244.9A patent/EP3639099A4/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040103058A1 (en) * | 2002-08-30 | 2004-05-27 | Ken Hamilton | Decision analysis system and method |
CN101533261A (zh) * | 2007-09-28 | 2009-09-16 | 费舍-柔斯芒特系统股份有限公司 | 用于过程控制系统中的智能控制和监控的方法和设备 |
US20100162029A1 (en) * | 2008-12-19 | 2010-06-24 | Caterpillar Inc. | Systems and methods for process improvement in production environments |
CN106462353A (zh) * | 2014-06-06 | 2017-02-22 | 霍尼韦尔国际公司 | 用于在工业操作员控制台中组合可视化和交互的装置和方法 |
US20160234242A1 (en) * | 2015-02-11 | 2016-08-11 | Honeywell International Inc. | Apparatus and method for providing possible causes, recommended actions, and potential impacts related to identified cyber-security risk items |
Also Published As
Publication number | Publication date |
---|---|
CN110892350B (zh) | 2023-04-28 |
EP3639099A4 (en) | 2021-03-03 |
AU2018282630A1 (en) | 2020-01-16 |
WO2018231561A1 (en) | 2018-12-20 |
EP3639099A1 (en) | 2020-04-22 |
AU2018282630B2 (en) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11599072B2 (en) | Apparatus and method for identifying, visualizing, and triggering workflows from auto-suggested actions to reclaim lost benefits of model-based industrial process controllers | |
JP5307799B2 (ja) | プラント環境における自動保守推定 | |
US9733626B2 (en) | Method of monitoring an industrial process | |
JP2022180479A (ja) | 品質レビュー管理システム | |
JP2017142800A (ja) | プロセス制御ネットワークのルールビルダー | |
US20060241907A1 (en) | Method and apparatus for performing a function in a process plant using monitoring data with criticality evaluation data | |
EP3125172B1 (en) | Data supply chain components configuration reliability analysis | |
US20130282333A1 (en) | Service port explorer | |
US20230409014A1 (en) | Industrial Bottleneck Detection and Management Method and System | |
EP3338225A1 (en) | System and method for providing multi-site visualization and scoring of performance against service agreement | |
JP2018507641A (ja) | システム関連の特性及び事象をサイバーセキュリティリスクアセスメント値に変換するためのルールエンジン | |
EP3338226A1 (en) | System and method for providing visualization of performance against service agreement | |
CN110892350B (zh) | 用于识别、可视化和触发来自自动建议动作的工作流以回收基于模型的工业过程控制器的损失利益的装置和方法 | |
KR20160072812A (ko) | 업데이트들, 증거 및 트리거들의 케이스 관리 링키지 | |
JP2009009538A (ja) | 運転状況分析方法および運転状況分析システム | |
US10536534B2 (en) | System and method for providing visual feedback in site-related service activity roadmap | |
US20170052957A1 (en) | System and method for providing high-level graphical feedback related to overall site performance and health | |
US10235447B2 (en) | Method and system for co-operative intelligent HMIs for effective process operations | |
JP5204075B2 (ja) | 運転状況分析方法および運転状況分析システム | |
CN110914776A (zh) | 用于识别关于基于模型的控制器性能的可变性或控制偏差的影响和原因的装置和方法 | |
CN111095146A (zh) | 用于约束违反的自动化识别和诊断的装置和方法 | |
Zepernick et al. | Achieving Smart Factory through Predictive Dynamic Scheduling |
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 |