CN111880506A - 计算机辅助地处理自动化设施中的状态消息的方法 - Google Patents
计算机辅助地处理自动化设施中的状态消息的方法 Download PDFInfo
- Publication number
- CN111880506A CN111880506A CN202010374074.7A CN202010374074A CN111880506A CN 111880506 A CN111880506 A CN 111880506A CN 202010374074 A CN202010374074 A CN 202010374074A CN 111880506 A CN111880506 A CN 111880506A
- Authority
- CN
- China
- Prior art keywords
- state
- time
- cause
- status
- states
- 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
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000009434 installation Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 41
- 230000001364 causal effect Effects 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims description 22
- 230000007423 decrease Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 4
- 235000003642 hunger Nutrition 0.000 description 4
- 230000037351 starvation Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G05B2219/24065—Real time diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种用于计算机辅助地处理自动化设施(AS)中的状态消息(AL)的方法，其中，在自动化设施(AS)中实施自动化过程时,状态消息由多个构件生成并且与其生成时间点一起被检测。针对相应构件(M)的多个状态消息，为生成的状态消息中的当前状态测定起因状态，其在状态消息的生成时间点或之前存在于其它构件中，其中，针对每个起因状态，计算从相应的起因状态出现到状态消息的生成时间点之间的传播时间(Δt)。由起因状态组成组(PO1、PO2)，其中，在相应的组中起因状态至少具有共同的特征：它们是针对在相应的构件中的相同的当前状态而测定的。从属于相同的组的起因状态的传播时间(Δt)中测定并存储一个或多个统计参数。
Description
技术领域
本发明涉及一种用于计算机辅助地处理自动化设施中的状态消息的方法和装置。
背景技术
在自动化设施的运行中通常检测状态消息，其常常也被称为警报消息。该消息总是在自动化设施中的相应构件的状态发生变化时产生。如果状态转变引起构件产生了与正常运行有偏差(例如构件的停机状态)的状态，那么所期望的是，识别该状态的起因。在此常常由于在其它的设施构件中的错误的传播效应，而引起错误状态。
为了找出自动化设施的构件中的错误功能的起因，通常实施所谓的Root-Cause-Analyse(根本原因分析)。这样的分析能够自动化地测定自动化设施中的错误状态的起因。对于根本原因分析来说已知的是，为了识别传播效应而需要将各种设施构件的状态在时间上相互联系的时间参数。
通常，在手动时间测量的框架中来测定用于根本原因分析的时间参数。在此，得到在设施构件中主动确定的运行状态，并且测量在这些运行状态出现的时间点之间的时间段。这种对时间参数的手动检测的耗费非常高并且不能够在设施的正常运行中实施。
可替选地，一种可行性方案在于，从所规划的自动化设施的数字说明中推导出相应的时间参数。这样的缺点在于，不能够考虑被分析的设施与原始规划的设施的偏离。因此，在确定时间参数时可能出现相对较大的系统性错误。
发明内容
本发明的目的在于，提供一种用于计算机辅助地处理自动化设施中的状态消息的方法和装置，利用它们，能够自动地从在设施的正常运行中检测的数据中提取时间参数，随后能在根本原因分析的框架中进行处理这些时间参数。
该目的通过根据本发明第一方面的方法或者根据本发明第二方面的装置实现。本发明的改进方案在各个实施方式中限定。
根据本发明的方法用于计算机辅助地处理自动化设施中的状态消息，其中，在自动化设施中实施自动化过程时，状态消息由多个构件生成并且与其生成时间点一起被检测。在此，术语“自动化设施的构件”应宽泛地理解。特别地，构件能够是自动化设施中的闭合的机组(Aggregate)，其与其它的机组相互作用。然而，构件也能够限定为自动化设施的较小的相互作用的组成部分。
设施的相应构件的、在根据本发明的方法中所处理的状态消息的特征在于，它们在前一个状态转变为新状态时在相应构件中生成并且其表明新状态。在根据本发明的方法中，为自动化设施的构件的至少一部分中的相应构件，尤其是所有构件，提供模式描述，其为相应构件中的一个或多个状态分别给出一个或多个起因状态，它们与相应构件中的相应状态相关联。在此，每个起因状态属于与相应构件不同的其它构件。此外，每个起因状态可能是相应构件中被关联有起因状态的状态的起因。
在根据本发明的方法的框架中，对相应构件实施接下来描述的步骤a)至c)。这些步骤能够至少部分地或完全地在实施自动化过程期间执行、或如有可能也在实施自动化过程之后执行。
在步骤a)中，针对由相应的构件生成的多个状态消息，只要如下的状态存在，就分别基于模式描述为所生成的状态消息中的当前状态测定：哪些与当前状态相关联的起因状态在状态消息的生成时间点存在于其它构件中。此外，只要如下的起因状态存在，就测定：在相应的其它构件中出现最后一次状态转变时，在状态消息的生成时间点之前，从哪些与当前状态相关联的起因状态发生了转变。此外，针对每个所找到的起因状态，计算在相应的起因状态的出现与状态消息的生成时间点之间的传播时间。这是能够实现的，因为与状态消息一起还检测了它的生成时间点。
在根据本发明的方法的步骤b)中，由在步骤a)中为相应的构件测定的起因状态组成组。相应的组的特征在于，在其中所有的起因状态都具有至少共同的特征：它们是针对相应构件中的相同的当前状态(来自不同的状态消息)测定的。如有可能，组中的起因状态还能够具有另外的共同特征，例如组中的状态也能够始终只是相同的起因状态。
在步骤c)中最后从属于相同的组的起因状态的传播时间中测定和存储一个或多个统计参数。这些参数随后能够以合适的方式在根本原因分析的框架中进行处理，其中，根本原因分析不是根据本发明的方法的组成部分。
根据本发明的方法的特征在于，通过以合适的方式将起因状态与相应的传播时间组合成组，以简单的方式测定统计参数，便能够将这些统计参数提供给根本原因分析。在此处理在正常运行中生成的状态消息，而不必另外执行对运行状态的主动确定。此外，统计参数来自被考虑的自动化设施的实际运行，而不是由数字的设施说明中推导出。
自动化设施的相应的构件的状态能够随着根据本发明的方法的设计方案以不同的方式来确定。在一个优选变体方案中，状态包括一个或多个下述状态：
-表明自动化设施的相应构件的正常运行的状态；
-表明未给相应构件提供足够材料的状态；
-表明在相应构件的输出端存在阻塞的状态；
-表明在相应构件中出现内部错误的状态。
在根据本发明的方法中，将在相应的起因状态的出现与相应的状态消息的生成时间点之间的时间作为传播时间进行处理。在一个优选的变体方案中，还将在起因状态的结束与相应的状态消息的生成时间点之间的时间段作为另外传播时间来进行处理。为了实现这些处理，执行接下来的步骤d)至f)。
在步骤d)中，针对多个通过相应的构件生成的状态消息，分别基于模式描述为生成的状态消息中的当前状态测定：在相应的其它的构件中出现最后一次状态转变时，在状态消息的生成时间点之前，从哪些与当前状态相关联的起因状态(只要存在)发生了转变。在此，对于每个起因状态来说计算相应的起因状态的结束和状态消息的生成时间点之间的另外的传播时间。
在步骤e)中，由在步骤d)中为相应构件测定的起因状态组成另外组，其中，在相应的另外组中所有的起因状态至少具有共同的特征：它们是针对在相应构件中的相同的当前状态(来自不同的状态消息)而测定的。与上述组不同，另外组在此不是针对在相应的起因状态的出现与状态消息的生成时间点之间的传播时间来限定的，而是针对在相应的起因状态的结束与状态消息的生成时间点之间的另外传播时间。
在步骤f)中，最后从属于相同的另外组的起因状态的另外传播时间中测定一个或多个统计参数。
基于根据本发明的方法的一个设计方案，上述统计参数能够以不同的方式确定。在一个特别优选的实施方式中，统计参数包括相应组中的传播时间的最小值和最大值，其中，传播时间在可能的情况下也能够表示为相应的另外组中在上面限定的另外传播时间。在自动化设施中的可能的错误传播方面，这些参数具有较高的内容价值(Aussagegehalt)。可替换地或附加地，统计参数也能够包括相应的组中的传播时间的频率分布，其中，传播时间如有可能也可以表示为相应的另外组中在上面限定的另外传播时间。
在另一个优选的实施方式中，统计参数包括第一分位数值，根据该第一分位数值，上述频率分布的预定百分比份额的传播时间位于第一分位数值之下。可替换地或附加地，统计参数能够包括第二分位数值，根据该第二分位数值，频率分布的预定的百分比分量的传播时间位于第二分位数值之上。利用该变体方案，实现了对传播时间的相应极值的概率性描述。
在根据本发明的方法的一个变体方案中，上述频率分布近似于高斯分布，其中，测定高斯分布的平均值和标准差作为统计参数。基于在这样的高斯分布，能够在接下来的根本原因分析中测定传播时间与高斯分布的平均值偏差很大的起因状态。在此，认定该状态是“错误的起因状态”，其不是相应构件中的相应状态的起因。
在另一个设计方案中，在上述步骤a)和/或上述步骤d)中仅测定如下的起因状态，其处于状态消息的生成时间点之前小于预定的时间阈值的时间。以该方式能够减少所找到的“错误的起因状态”的数量，即不是相应构件中的当前状态的起因的状态的数量。
在另一个优选的设计方案中，其中在实施自动化过程期间执行根据本发明的方法，在自动化过程开始之后直到预定的时间点，将在步骤c)和/或步骤f)中所测定的统计参数与为自动化设施的其它的自动化过程事先确定的统计参数组合，其中，将组合存储。优选地，其它的自动化的过程是加工或制造相同或相似产品的过程。关于该实施方式的认知在于，在方法开始时仍不存在足够的用于根本原因分析的参数，从而追溯之前的过程。在一个优选的变体方案中，该组合是相应的统计参数经权重的和。优选地，组合中事先确定的统计参数的权重随着离预定时间点的时间间距的减小的增加而减小。
在另一个优选的实施方式中，在执行步骤a)或d)之前，对自动化设施的构件中的状态转变的时间历程进行预先处理。在此，将掩盖了如下事实的状态从时间历程中去除，该事实为：在相应的构件中仍存在有在上次状态转变之前就存在的状态。
根据本发明的方法能够用于任意的自动化设施，例如在生产或过程自动化的领域中的自动化设施。优选地，自动化设施是用于制造和/或加工产品的设施，特别是灌装设施和/或包装设施。
除了上述方法，本发明涉及用于计算机辅助地处理自动化设施中的状态消息的装置，其中，该装置被设置用于执行根据本发明的方法或者根据本发明的方法的一个或多个优选的变体方案。
此外，本发明涉及计算机可读存储介质，存储有程序代码，当该程序代码在计算机上实施的时候用于执行根据本发明的方法或者根据本发明的方法的一个或多个优选的实施方式。
附图说明
接下来根据附图详细描述本发明的实施例。
在此示出：
图1示出根据本发明的方法的一个实施例的示意性流程图；并且
图2示出可选的扩展方案的示意图，其能够在图1的方法中采用。
具体实施方式
接下来将基于灌装设施形式的自动化设施来阐述根据本发明的实施方式。利用该灌装设施实施用于给瓶子填充液体的自动化过程。然而，本发明还能用于任意其它的自动化地执行过程的自动化设施。例如，本发明还能够被用于包装设施或其它用于制造或加工产品的设施中。
接下来描述的方法的目的在于，在实施自动化过程的框架中结合状态在设施的构件之间的传播来测定统计的时间参数，而不必执行对设施中的运行状态的主动确定。在此，设施中的构件能够以不同的方式进行限定，一个单独的构件尤其能够是设施中的一个整体机组。同样，构件可以是比相应机组更小的组件。能够以合适的方式在根本原因分析中进行处理所测定的统计的参数，以便在出现不正常的运行状态时分析设施中的构件之间的相互作用。根本原因分析不是根据本发明的方法的组成部分。更确切地说，根据本发明的方法提供了合适的统计参数，能够在根本原因分析的范畴中处理这些统计参数。
在此描述的方法的出发点是在图1中以AS标记的自动化设施。仅部分地示出自动化设施的三个构件，即构件M-1、构件M和构件M+1。通过构件之间的箭头代表了材料流动方向，在当前的情况下代表了待填充的瓶子被传输通过灌装设施。针对设施AS，存在有数字的、结构化的设施描述，其限定了在考虑正常运行中的材料流动方向的情况下的逻辑布置以及设施中的构件之间的连接。结构化的设施描述例如能够从自动化设施的规划文件中被推导出。
在实施为自动化设施AS确定的自动化过程的范畴中，示例性地为每个单独的构件测定统计参数。接下来，将基于示出的设施构件M来阐述测定该统计参数的方法。在实施自动化过程时，各个构件生成所谓的警报消息AL。这些警报消息在本发明的意义中对应于状态消息并且总是在自动化设施的构件中的状态转变时才产生。警报消息与其生成时间一起存储，以便随后从中推导出统计参数。
考虑自动化设施中的下述状态：
-状态O，其对应于相应的构件的正常运行状态；
-状态S(S＝材料供应不足(Starvation))，其描述了相应的构件由于材料流中的材料供应不足而产生的停机；
-状态T(T＝堵塞)，其是在材料流中的相应构件的出口处的堵塞；
-状态IE(IE＝内部错误)，其是由于相应的构件中的内部错误而引起的。
在此描述的实施方式中，对于每个单独的设施构件，还存在有所谓的模式描述MD，其是基于关于所实施的自动化过程的预知而建立的，并且在此描述的方法的框架中进行处理。在此，相应的模式描述的建立不是根据本发明的方法的组成部分，模式描述而是事先测定的并且其描述了该方法的输入参数。模式描述为在此考虑的构件M给出对于该构件的相应状态的可能起因。针对构件M，模式描述MD通过下述表格给出：
| 起因 | 作用 |
| 内部错误(M-1) | 材料供应不足(M) |
| 材料供应不足(M-1) | 材料供应不足(M) |
| 内部错误(M+1) | 堵塞(M) |
| 堵塞(M+1) | 堵塞(M) |
如从上表中知道的那样，构件M中的材料供应不足(Starvation)或者由于构件M-1中的内部错误IE引起，或者由于构件M-1中的材料供应不足引起。构件M中的堵塞(Tailback)可能由于构件M+1中的内部错误引起或由于构件M+1中的堵塞引起。
在以图1的方法中处理模式描述之前，首先进行对在各个构件中可能出现的状态转变的时间历程的预处理。该预处理在步骤S1中进行并且用于从时间历程中滤出如下的状态，它们遮盖其它已经事先存在的状态并进而掩盖了引起其它构件中的状态的实际起因。示例性地，该预处理在图1中借助于构件M-1来说明。图表DI1显示了状态转变的原始时间历程。在此，横坐标是时间t并且纵坐标是状态O(正常状态)、S(材料供应不足)和IE(内部错误)。如已知的那样，从正常状态O中首先转变到状态材料供应不足S。在该状态存在期间，还出现了内部错误IE的状态。因为状态S仍然存在，所以状态IE就掩盖了状态S。因此根据步骤S1过滤掉状态IE，这导致了根据图表DI2的经修正的时间历程。根据该时间历程去除了状态IE，从而能够看到状态S在从状态O开始转变并且转变回到状态O之间的整个时间段中都存在。
基于经修正的时间变化，随后在步骤S2中借助于模式描述MD将在构件M中出现的警报消息的状态与起因状态相关联。示例性地，图1示出了一种场景，在其中，构件M在时间点t1从正常运行状态O转变为材料供应不足S的运行状态(图表DI3)。相应的警报消息与该状态转变的生成时间点被一同检测。
随后测定构件M-1在时间点t1处于哪个状态。如从图表DI4中得出的那样，构件M-1在时间点t1处于正常运行状态O。随后检验，在模式描述中是否定义了模式：构件M-1的运行状态O是构件M的运行状态S的起因。这通过步骤“DEF？”表示。刚才提到的模式在图1中通过标记O>S来指示。该标记普遍性地适用于上面表格中的行形式的相应模式，其中，在标记中箭头根据>或<符号总是从起因指向作用。此外，作为起因并且在标记中的作用状态(即状态M)的左边的状态涉及构件M-1，反之，作为起因并且在标记中的作用状态的右边的状态涉及构件M+1。
根据图1的场景得到的结果是，模式O>S不包含在模式描述MD中。随后寻找构件M-1的、最后发生转变前的状态。这根据图表DI4是状态S。该状态S在时间点t0’结束，相对地在时间点t0转变到该状态S。针对状态S，此时再次在模式描述MD中寻找，该状态是否可能是构件M中在时间点t1的状态S的起因，即是否在上面的表格中存在S>S。因为这是肯定的情况(在上面的表格中列名称之后的第二行)，所以该模式与相应的池或相应的组相关联，如通过标记ATP标记的那样(ATP＝Add To Pool，添加到池)。
以该方式形成多个模式池。在此，池的特征在于，相应的模式的所有作用代表构件M的相同状态。此外，为相应的、为池添加的模式，检测起因状态出现开始直到作用状态出现之间的传播时间，即确定时间Δt＝t1-t0。因此，存在有多个具有相应的模式和包含在其中的、代表起因状态传播到被作用状态的传播时间的池。在此描述的实施方式中，不处理再次离开起因状态的时间点t0’。然而，在本发明的一个可选的变体方案中，针对这样的在被作用状态出现前结束的起因状态，也检测结束起因状态时与开始被作用状态时之间的传播时间(即t1-t0’)作为另外的传播时间并且组成具有这些另外的传播时间的相应池。
在图1中，示例性地在步骤S3中示出了上述池的形成。在此，仅存在有针对包含在根据上面表格的模式描述MD中的模式的池。如可见的那样，存在针对被作用的状态S的池PO1，该状态能够在构件M-1中的状态中具有其起因(在上面的图表中列名称之后的前两行)。此外，存在有针对状态T的池PO2，在构件M+1中的状态中能够具有该状态的起因(在上面的图表中列名称之后的第三和第四行)。
针对每个池，现在对单个的包含在池中的模式的传播时间Δt进行统计分析。该统计分析的简单的变体方案通过步骤S4表示。根据该步骤，在每个池中测定传播时间Δt的最小值P1和最大值P2作为统计参数。这些极值是重要的参量，它们能够在根本原因分析的框架中进行处理。
此外，也还能够从相应池的相应传播时间中提取另外的统计参数，这在图1中通过步骤S5表示。根据该步骤，相应池中的传播时间Δt的频率分布被确定为另外的统计参数P3。此外，以更简单的方式经由分位数估计出该频率分布的极值。相应的分位数的值在图1中由两个参数P4和P5给出。每个分位数值P4和P5都对应百分比分量。分位数值P4在此说明，频率分布P3的相关联的百分比分量的传播时间处于分位数值P4之下。相应地，分位数值P5说明，频率分布的相关联的百分比分量的传播时间大于分位数值P5。百分比分量能够随着根据本方法的设计方案以合适的方式限定，并且实现了对传播时间的相应极值的概率性描述。
在之前，借助于具有构件相互间基于材料流的明确关系的过程，描述了本发明。然而，也能够该方法用于一种自动化设施，在其中可能出现从构件出发分支成多个不同的构件。
在此还能够出现的问题在于，对于一个受影响状态，在相应的模式描述中找到以多个出现的模式的形式的多个可能的起因。在该情况下应当设置机制，其使得尽可能少地找到错误的、不是受影响状态的起因的状态，或者其能够识别错误的模式。其例如能够如下地实现，即为寻找起因状态预定最大时间范围，即从出现的警报消息出发在过去的预定时间段中寻找起因状态。对此，能够规避与当前的警报消息没有因果联系的错误模式的部分。
此外，在另一个变体方案中，测定的频率分布近似于高斯分布。该高斯分布的参数以平均值和标准差的形式存储。在此的出发点在于一种模式，实际上代表了因果关系的模式符合高斯分布并且围绕高斯分布的平均值聚合。在该情况下，错误的模式在之后连接的根本原因分析的框架中通过如下的标准被识别，即其以一预定的程度偏离近似的高斯分布的平均值。
图2示出了图1的方法的可选的扩展方案。在该扩展方案中考虑如下事实：在开始实施自动化过程时在时间点ts还不存在能够适用于提取统计参数的警报消息。因此，在图2的变体方案中考虑利用自动化设施AS实施的、更早的过程。在此，优选涉及以下过程：其对应于在时间点ts开始的过程，或者其是处理类似产品所利用的过程。例如，在灌装设施的情况下可以是如下的过程，利用该过程填充具有能与在时间点ts开始的过程中被填充的瓶子的大小类似大小的瓶子。
根据图2，在更早的过程已经存在相应的统计参数，其中，示例性地给出频率分布P3’(见图2中的图块B1)作为统计参数。如从图块B2中得出的那样，在时间点ts还不存在针对当前已经开始的过程的统计参数。因此在开始实施过程时由相应的根本原因分析处理更早的过程的统计参数P3’(见图块B3)。这在图2中通过相应的权重表示，其中，更早的过程的权重具有值1并且当前的过程的权重具有值0。
随着当前的过程的实施时间的增加，得到越来越多的警报消息，这引起相应的频率分布P3。因此，执行对相应的直方图P3和P3’的权重组合直到预定的时间点t’，其中，直方图P3’的权重从值1持续减小直到时间点t’，因为得到了越来越多针对刚刚实施的过程的直方图。从时间点t’起只还考虑刚刚实施的过程的直方图P3并且将针对更早的过程的直方图P3’的权重置为0。这在图2中通过图块B4和B5以及图块上的相应的权重因数表示。
本发明的之前描述的实施方式具有一系列的优点。特别地，能够从自动化设施的正常的运行过程中以合适的方式测定统计时间参数，其随后能够在根本原因分析的框架中进行处理。在此不需要的是，执行手动的时间测量并且调整自动化设施中的专门确定的运行状态。该方法更能够在设施正在运行期间实施，而无需匹配于设施。在此，能够对在设施运行期间出现的所有状态转变执行测定时间参数的分析。此外，统计时间参数仅基于在设施运行的真实数据来测定，并且不由设施说明来计算。因此也能够处理设施的、与原始的设施说明有偏差的数据。
在一个专门的实施方式中，能够处理更高阶的时间参数，即不仅确定构件的直接的相邻关系中的传播特性，而且还跨越多个构件。在该情况下仅必须以合适的方式通过针对所考虑的构件的相应的被作用状态的另外的起因状态扩展上述模式描述。
Claims (13)
1.一种用于计算机辅助地处理自动化设施(AS)中的状态消息(AL)的方法，其中，在所述自动化设施(AS)中实施自动化过程时，所述状态消息(AL)由多个构件生成并与所述状态消息的生成时间点(t0、t1)一同被检测，其中，在从前一个状态转变为新状态(O、S、T、IE)时，状态消息(AL)由相应构件生成，并且该状态消息表明所述新状态(O、S、T、IE)，其中，为所述自动化设施(AS)的所述构件的至少一部分中的相应构件(M)提供模式描述(MD)，所述模式描述为所述相应构件(M)中的一个或多个状态(O、S、T、IE)分别给出一个或多个起因状态(O、S、T、IE)，所述起因状态与所述相应构件(M)中的相应的所述状态(O、S、T、IE)相关联，其中，每个所述起因状态(O、S、T、IE)属于与所述相应构件(M)不同的其它构件(M-1、M+1)并且可能是所述相应构件(M)中被关联有所述起因状态(O、S、T、IE)的状态(O、S、T、IE)的起因，
其中，对所述相应构件(M)执行下述步骤：
a)针对由所述相应构件(M)生成的多个所述状态消息(AL)，分别基于所述模式描述(MD)为所生成的所述状态消息(AL)中的当前状态(O、S、T、IE)测定：哪些与所述当前状态(O、S、T、IE)相关联的所述起因状态(O、S、T、IE)在所述状态消息(AL)的所述生成时间点存在于所述其它构件(M-1、M+1)中，并且测定：在相应的所述其它构件(M-1、M+1)中出现最后一次状态转变时在所述状态消息(AL)的所述生成时间点之前，从哪些与所述当前状态(O、S、T、IE)相关联的所述起因状态(O、S、T、IE)发生了转变，其中，针对每个所述起因状态(O、S、T、IE)，计算在相应的所述起因状态(O、S、T、IE)的出现与所述状态消息(AL)的所述生成时间点之间的传播时间(Δt)；
b)由在步骤a)中为所述相应构件(M)测定的所述起因状态(O、S、T、IE)组成组(PO1、PO2)，其中，在相应的组中的所有的起因状态(O、S、T、IE)至少具有共同的特征：所述起因状态是针对在所述相应构件中的相同的当前状态(O、S、T、IE)而测定的；
c)由属于相同的所述组(PO1、PO2)的起因状态(O、S、T、IE)的所述传播时间(Δt)测定并存储一个或多个统计参数。
2.根据权利要求1所述的方法，其中，针对所述相应构件(M)还执行下述步骤：
d)针对多个通过所述相应构件(M)生成的所述状态消息(AL)，分别基于所述模式描述(MD)为生成的所述状态消息(AL)中的所述当前状态(O、S、T、IE)测定：在相应的所述其它构件(M-1、M+1)中出现最后一次状态转变时，在所述状态消息(AL)的所述生成时间点之前，从哪些与所述当前状态(O、S、T、IE)相关联的起因状态(O、S、T、IE)发生了转变，其中，针对每个所述起因状态(O、S、T、IE)计算在相应的所述起因状态(O、S、T、IE)结束与所述状态消息(AL)的所述生成时间点之间的另外传播时间(Δt)；
e)由在步骤d)中为所述相应构件测定的起因状态(O、S、T、IE)组成另外组(PO1、PO2)，其中，在相应的所述另外组(PO1、PO2)中所有的起因状态(O、S、T、IE)至少具有共同的特征：所述起因状态是针对在所述相应构件中的相同的当前状态(O、S、T、IE)而测定的；
f)由属于相同的所述另外组(PO1、PO2)的起因状态(O、S、T、IE)的所述另外传播时间(Δt)测定一个或多个统计参数。
3.根据权利要求1或2所述的方法，其中，所述统计参数包括相应的所述组(PO1、PO2)中的所述传播时间(Δt)的最小值(P1)和最大值(P2)。
4.根据前述权利要求中任一项所述的方法，其中，所述统计参数包括相应的所述组(PO1、PO2)中的所述传播时间(Δt)的频率分布(P3)。
5.根据权利要求4所述的方法，其中，所述统计参数包括第一分位数值(P4)，根据所述第一分位数值，所述频率分布(P3)的预定百分比份额的所述传播时间(Δt)在所述第一分位数值(P4)之下，和/或所述统计参数包括第二分位数值(P5)，根据所述第二分位数值，所述频率分布(P3)的预定百分比份额的所述传播时间(Δt)在所述第二分位数值(P5)之上。
6.根据权利要求4或5所述的方法，其中，所述频率分布(P3)近似于高斯分布，并且测定所述高斯分布的平均值和标准差作为所述统计参数。
7.根据前述权利要求中任一项所述的方法，其中，在步骤a)和/或步骤d)中，仅测定在所述状态消息(AL)的所述生成时间点之前小于预定的时间阈值的起因状态(O、S、T、IE)。
8.根据前述权利要求中任一项所述的方法，其中，在所述自动化过程开始之后直到预定的时间点(t’)，将在步骤c)和/或步骤f)中所测定的统计参数与为所述自动化设施(AS)的其它的自动化过程事先确定的统计参数组合，其中，将所述组合存储，其中，所述组合优选是经权重的和，并且所述组合中事先确定的所述统计参数的权重优选随着离预定时间点的时间间距的减小的增加而减小。
9.根据前述权利要求中任一项所述的方法，其中，在执行步骤a)和/或d)之前，对在所述自动化设施(AS)的构件中的状态转变的时间历程进行预先处理，使得掩盖了在相应的构件中仍存在有在最后一次状态转变之前就存在的状态(O、S、T、IE)的事实的所述状态(O、S、T、IE)，被从所述时间历程中去除。
10.根据前述权利要求中任一项所述的方法，其中，所述自动化设施(AS)是用于制造和/或加工产品的设施，特别是灌装设施和/或包装设施。
11.一种用于计算机辅助地处理自动化设施(AS)中的状态消息(AL)的装置，其中，在所述自动化设施(AS)中实施自动化过程时，所述状态消息(AL)由多个构件生成并与所述状态消息的生成时间点(t0、t1)一同被检测，其中，在从前一个状态转变为新状态(O、S、T、IE)时，状态消息(AL)由相应构件生成，并且所述状态消息表明所述新状态(O、S、T、IE)，其中，为所述自动化设施(AS)的所述构件的至少一部分中的相应构件(M)提供模式描述(MD)，所述模式描述为所述相应构件(M)中的一个或多个状态(O、S、T、IE)分别给出一个或多个起因状态(O、S、T、IE)，所述起因状态与所述相应构件(M)中的相应的所述状态(O、S、T、IE)相关联，其中，每个所述起因状态(O、S、T、IE)属于与所述相应构件(M)不同的其它构件(M-1、M+1)，并且可能是所述相应构件(M)中被关联有所述起因状态(O、S、T、IE)的状态(O、S、T、IE)的起因，
其中，所述装置被设置用于执行方法，在所述方法中对所述相应构件(M)执行下述步骤：
a)针对由所述相应构件(M)生成的多个所述状态消息(AL)，分别基于所述模式描述(MD)为所生成的所述状态消息(AL)中的当前状态(O、S、T、IE)测定：哪些与所述当前状态(O、S、T、IE)相关联的所述起因状态(O、S、T、IE)在所述状态消息(AL)的所述生成时间点存在于所述其它构件(M-1、M+1)中，并且测定：在相应的所述其它构件(M-1、M+1)中出现最后一次状态转变时，在所述状态消息(AL)的所述生成时间点之前，从哪些与所述当前状态(O、S、T、IE)相关联的所述起因状态(O、S、T、IE)发生了转变，其中，针对每个所述起因状态(O、S、T、IE)，计算在相应的所述起因状态(O、S、T、IE)的出现与所述状态消息(AL)的所述生成时间点之间的传播时间(Δt)；
b)由在步骤a)中为所述相应构件(M)测定的所述起因状态(O、S、T、IE)组成组(PO1、PO2)，其中，在相应的组中的所有的起因状态(O、S、T、IE)至少具有共同的特征：所述起因状态是针对在所述相应构件中的相同的当前状态(O、S、T、IE)而测定的；
c)由属于相同的所述组(PO1、PO2)的所述起因状态(O、S、T、IE)的所述传播时间(Δt)测定并存储一个或多个统计参数。
12.根据权利要求11所述的装置，其中，所述装置被设置用于执行根据权利要求2至10中任一项所述的方法。
13.一种计算机可读存储介质，存储有程序代码，当所述程序代码在计算机上被执行的时候，所述程序代码用于执行根据权利要求1至10中任一项所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP19172271.9 | 2019-05-02 | ||
| EP19172271.9A EP3734385B1 (de) | 2019-05-02 | 2019-05-02 | Verfahren zum rechnergestützten verarbeiten von zustandsmeldungen in einer automatisierungsanlage |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111880506A true CN111880506A (zh) | 2020-11-03 |
| CN111880506B CN111880506B (zh) | 2024-04-16 |
Family
ID=66379784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010374074.7A Active CN111880506B (zh) | 2019-05-02 | 2020-05-06 | 计算机辅助地处理自动化设施中的状态消息的方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11243519B2 (zh) |
| EP (1) | EP3734385B1 (zh) |
| CN (1) | CN111880506B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1433534A (zh) * | 2000-01-29 | 2003-07-30 | Abb研究有限公司 | 求出生产设备效率、故障事件和故障事件原因的系统和方法 |
| CN101291233A (zh) * | 2007-04-20 | 2008-10-22 | 华为技术有限公司 | 一种实现事件检测的方法及系统 |
| CN106164795A (zh) * | 2014-03-06 | 2016-11-23 | Abb瑞士股份有限公司 | 用于分类报警的优化方法 |
| CN107222254A (zh) * | 2016-03-21 | 2017-09-29 | 中兴通讯股份有限公司 | 一种光纤状态的检测方法及装置 |
| CN107729985A (zh) * | 2016-08-11 | 2018-02-23 | 西门子公司 | 更好识别技术设施的过程异常的方法和相应的诊断系统 |
| CN208537636U (zh) * | 2018-04-28 | 2019-02-22 | 中国神华能源股份有限公司 | 电气设备事故原因分析装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10161655A1 (de) * | 2000-12-14 | 2003-01-16 | Siemens Corp Res Inc | Verfahren und Vorrichtung zur Bereitstellung einer prädiktiven Wartung einer Komponente durch Verwendung von Markov-Übergangswahrscheinlichkeiten |
| US6847918B2 (en) | 2000-12-14 | 2005-01-25 | Siemens Corporate Research, Inc. | Method and apparatus for providing predictive maintenance of a device by using markov transition probabilities |
| EP1422650A3 (en) * | 2002-11-21 | 2007-06-06 | Hitachi High-Technologies Corporation | A cross-contamination prevention system and automatic analyzer |
| US7957322B2 (en) * | 2007-02-02 | 2011-06-07 | Silver Sring Networks, Inc. | Flow-through provisioning in utility AMR/AMI networks |
| DE102008007672B4 (de) * | 2008-01-25 | 2016-09-22 | Pilz Gmbh & Co. Kg | Verfahren und Vorrichtung zum Übertragen von Daten in einem Netzwerk |
| US7979844B2 (en) * | 2008-10-14 | 2011-07-12 | Edss, Inc. | TICC-paradigm to build formally verified parallel software for multi-core chips |
| CN106851218B (zh) * | 2017-03-17 | 2023-05-02 | 大连理工大学 | 一种造波机运行状态的视频监测装置及方法 |
| EP3454154A1 (de) * | 2017-09-06 | 2019-03-13 | Siemens Aktiengesellschaft | Automatisierte erkennung von statistischen abhängigkeiten zwischen prozessmeldungen |
-
2019
- 2019-05-02 EP EP19172271.9A patent/EP3734385B1/de active Active
-
2020
- 2020-04-29 US US16/861,385 patent/US11243519B2/en active Active
- 2020-05-06 CN CN202010374074.7A patent/CN111880506B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1433534A (zh) * | 2000-01-29 | 2003-07-30 | Abb研究有限公司 | 求出生产设备效率、故障事件和故障事件原因的系统和方法 |
| CN101291233A (zh) * | 2007-04-20 | 2008-10-22 | 华为技术有限公司 | 一种实现事件检测的方法及系统 |
| CN106164795A (zh) * | 2014-03-06 | 2016-11-23 | Abb瑞士股份有限公司 | 用于分类报警的优化方法 |
| CN107222254A (zh) * | 2016-03-21 | 2017-09-29 | 中兴通讯股份有限公司 | 一种光纤状态的检测方法及装置 |
| CN107729985A (zh) * | 2016-08-11 | 2018-02-23 | 西门子公司 | 更好识别技术设施的过程异常的方法和相应的诊断系统 |
| CN208537636U (zh) * | 2018-04-28 | 2019-02-22 | 中国神华能源股份有限公司 | 电气设备事故原因分析装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200348656A1 (en) | 2020-11-05 |
| US11243519B2 (en) | 2022-02-08 |
| EP3734385A1 (de) | 2020-11-04 |
| EP3734385B1 (de) | 2022-10-05 |
| CN111880506B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| EP1982301B1 (en) | Method of condition monitoring | |
| Amari et al. | Cost-effective condition-based maintenance using Markov decision processes | |
| EP3105644B1 (en) | Method of identifying anomalies | |
| CN116009480A (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
| CN113658414B (zh) | 矿场设备故障预警方法、装置、终端设备及存储介质 | |
| CN113361958A (zh) | 一种缺陷预警方法及系统 | |
| CN114978956A (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
| CN117269649A (zh) | 一种用于电能能源调度的安全检测方法及系统 | |
| CN106557839B (zh) | 一种基于大数据的设备维修策略优化方法及系统 | |
| CN111880506B (zh) | 计算机辅助地处理自动化设施中的状态消息的方法 | |
| US20230297095A1 (en) | Monitoring device and method for detecting anomalies | |
| CN114386510A (zh) | 一种电力系统量测错误辨识方法及系统 | |
| CN113591266A (zh) | 一种电能表故障概率的分析方法及系统 | |
| CN117469152B (zh) | 流体泵异常检测方法、装置、电子设备和存储介质 | |
| Pipe et al. | An automated data-driven toolset for predictive analytics | |
| CN111310989B (zh) | 零件加工成功率的预测方法、预测装置及可读存储介质 | |
| CN115826503B (zh) | 一种基于工业互联网大数据的机床远程诊断方法 | |
| CN114742391B (zh) | 基于人工智能的异常处理方法、装置、计算机设备及介质 | |
| US11586984B2 (en) | Method for verifying the production process of field devices by means of a machine-learning system or of a prognosis system | |
| CN112180886B (zh) | 针对过程工业具体生产装置的工艺参数临界值的确定方法 | |
| CN117932437A (zh) | 预测设备故障的方法、装置和存储介质 | |
| CN117909864A (zh) | 一种电力故障预测系统及方法 | |
| CN117387925A (zh) | 一种阻尼器性能连续测试方法及系统 | |
| CN114399046A (zh) | 一种用于预测短信系统风险的方法及系统 |
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 |