CN113841170A - 管理工业物联网（iiot）环境中资产的资产模型的系统、设备和方法 - Google Patents
管理工业物联网（iiot）环境中资产的资产模型的系统、设备和方法 Download PDFInfo
- Publication number
- CN113841170A CN113841170A CN202080033856.2A CN202080033856A CN113841170A CN 113841170 A CN113841170 A CN 113841170A CN 202080033856 A CN202080033856 A CN 202080033856A CN 113841170 A CN113841170 A CN 113841170A
- Authority
- CN
- China
- Prior art keywords
- asset
- data structure
- state
- model
- iiot
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000007704 transition Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 12
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000002155 anti-virotic effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种用于管理工业物联网（IIoT）环境中的资产的资产模型的系统、设备和方法。该方法包括接收与IIoT环境（180，280）相关联的异构数据流；获得资产数据结构实例（402，404，422），其中资产数据结构实例（402，404，422）指示IIoT环境（180，280）中的资产（182‑188，282）的状态；以及从多个资产数据结构实例（402，404，422）生成资产（182‑188，282）的资产模型（400）。
Description
资产可以由硬件和软件组件组成。例如，资产具有物理/硬件组件，诸如致动器、传感器、通信设备等。进一步地，资产具有软件组件，诸如固件、保修信息、手册等。因此，资产具有与资产相关联的异构数据流。
异构数据流可能需要额外的努力来组织和存储在计算设备或平台上。尤其是在云计算平台的情况下，需要在云计算平台上组织多个资产及其相关联的异构数据流。进一步地，当在资产操作期间添加或移除新的数据类型时，会增加挑战。更进一步地，维护资产的各种数据流的版本可能会使异构数据流的管理变得复杂。
一种有效管理异构数据流的方法包括将异构数据流存储在关系数据库或非Sql数据库上。然而，这样的技术需要预先对异构数据流进行建模。在数据库中添加或移除或更新数据类型可能会增加执行这样的更新的复杂性、错误和时间消耗。此外，这样的技术可能无法管理资产状态的变化。
异构数据流用于生成和管理与资产相关联的资产模型。资产模型转而使能实现对资产的有效状况监控。需要通过对与资产相关的异构数据流的有效管理来管理资产模型。
特别是，处置这样的数据流可以受益于改进。根据本发明的第一方面，一种管理工业物联网（IIoT）环境中的至少一个资产的资产模型的方法包括：接收与该IIoT环境相关联的异构数据流；获得资产数据结构实例，其中所述资产数据结构实例指示IIoT环境中的所述资产的状态；以及从多个资产数据结构实例中生成资产的资产模型。
该方法包括接收与IIoT环境相关联的异构数据流。异构数据流可能包括反映IIoT环境和资产的操作的一系列数据点。例如，异构数据流包括来自IIoT环境中的感测和监控设备的传感器数据。
进一步地，异构数据流可以包括事件日志、资产的计算机辅助设计（CAD）图纸、IIoT环境的蓝图、控制资产和/或IIoT环境的操作系统的固件、保修细节、资产和IIoT环境的操作和服务手册。如上文所指示的，异构数据流可以是变化的并且不可比较的。
更进一步地，异构数据流可以基于历史数据和/或实时数据生成。例如，资产和IIoT环境的历史数据可以存储在云计算平台的远程数据库中。实时数据（由感测和监控设备生成）可以由瘦客户端设备（诸如IoT网关）在IIoT环境的场所内进行分析。本发明有利地链接存储在多个计算设备（诸如远程数据库和IoT网关）上的各种异构数据流，以生成和管理IIoT环境中的资产的资产模型。
该方法可以包括为资产生成元数据。本文使用的“元数据”指代描述异构数据流的数据。元数据可以是向异构数据流中的一个或多个数据点添加含义的标签。元数据示例包括资产的唯一标识号、资产类型、固件版本、保修版本、防病毒软件、安全证书、软件补丁和/或组件。例如，元数据使用多种注释技术生成。在另一个示例中，元数据可以通过对异构数据流中的数据点执行敏感性分析来生成。在又一示例中，元数据可以使用关联网络来自主学习。
该方法可以包括确定异构数据流中的数据点之间的关联以生成元数据。在一个优选的示例中，使用独立于语言的数据交换格式来确定数据点之间的关联。数据点关联被定义为数据结构实例，诸如资产数据结构实例。示例的独立于语言的数据交换格式包括JavaScript对象简谱（JSON）、扩展标记语言（XML）。
该方法因此包括基于从异构数据流生成的元数据，在资产的预定状态下生成资产数据结构实例。在一个实施例中，在每个状态处确定资产数据结构实例。在另一个实施例中，该方法包括确定要在其处生成资产数据结构实例的预定状态。例如，使用现有的神经网络算法来确定所述预定状态。
如本文使用的“状态”指代资产的实时状况。例如，资产的状态包括资产组件的剩余寿命、资产的固件版本、通信协议版本等。状态包括硬状态和软状态。硬状态指代资产操作状况的状态转变，使得状态转变不可能自动逆转。处于软状态的资产能够自动和/或自主地逆转状态转变。
硬状态的示例是更换资产中的硬件组件之后的资产状态。软状态的示例是在更新之后的资产的固件版本。该方法可以包括确定IIoT环境中资产的状态。状态被确定为硬状态或软状态。该确定基于状态转变的可逆性。例如，如果资产的防病毒软件从1.0版本更新到1.12版本。防病毒软件版本可以逆转到1.0版本。
该方法可以包括针对资产的组件生成组件数据结构。如先前所指示的，组件包括资产的硬件组件和软件组件。组件数据结构实例是使用独立于语言的数据交换格式（诸如JSON）生成的。该方法还可以通过在预定状态处链接组件数据结构实例来避免生成资产数据结构实例。该方法有利地链接与资产的组件相关联的异构数据流。
资产数据结构实例可以用作资产模型的构建块。资产模型可以通过跨资产的多个状态聚合资产数据结构实例来生成。在某些实施例中，资产模型也被称为资产的数字孪生体。
根据本发明的实施例，该方法可以包括发起反映资产的新状态的新资产数据结构实例到反映资产的较旧状态的较旧资产数据结构实例的回滚。进一步地，资产模型基于回滚到较旧资产数据结构实例而更新。因此，该方法有利地规定了当资产从新状态（不稳定）转变到较旧状态（稳定）时如何管理资产模型。
该方法可以进一步包括基于资产的新状态的稳定性来确定资产回滚到较旧状态的要求。新状态的稳定性是基于当资产处于新状态时检测到的异常来确定的。异常可以包括资产的一个或多个组件的故障、高带宽消耗、连接到资产的设备的操作参数中的偏差。
该方法可以包括当处于新状态时确定资产中的异常。在一个实施例中，该方法包括确定如果回滚到旧状态被实现，异常是否存在。进一步地，该方法可以包括向用户显示异常和资产的回滚的要求。更进一步地，该方法可以包括显示资产的较旧状态和新状态之间的差异。
该方法可以包括存储资产的所生成的资产模型。资产模型可以优选地存储在计算平台的数据库中。“计算平台”指代包括可配置的计算物理和逻辑资源、服务器、存储装置、应用、服务等的处理平台。示例计算平台是云计算平台，其提供对可配置计算物理和逻辑资源的共享池的按需网络访问。
该方法可以进一步包括使用所生成的资产模型来访问与IIoT环境和资产之一相关联的异构数据流。因此，该方法有利地提供了对可以存储在多个设备中的异构数据流的访问，而没有数据点的重复。
根据本发明的第二方面，一种用于管理IIoT环境中的资产的资产模型的装置包括一个或多个处理单元。该设备还包括与一个或多个处理单元通信耦合的存储器单元。存储器单元可以是易失性存储器和非易失性存储器。处理单元可以执行存储在存储器单元中的指令和/或代码。各种计算机可读存储介质可以存储在存储器单元中并从存储器单元访问。存储器单元可以包括用于存储数据和机器可读指令的任何合适的元件，诸如只读存储器、随机存取存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器、硬盘驱动器、用于处置光盘、数字视频盘、软盘、盒式磁带、存储卡等的可移动介质驱动器。在本发明中，存储器单元包括以可由一个或多个处理单元执行的机器可读指令的形式存储的模型管理模块。模型管理模块被配置成执行如上所述的一种或多种方法。
根据本发明的第三方面，一种用于管理IIoT环境中的资产的资产模型的系统包括云计算平台，该云计算平台包括模型管理模块，该模型管理模块被配置为执行如上所述的一种或多种方法。云计算平台可以是能够提供基于云的服务的云基础设施，基于云的服务诸如数据存储服务、数据分析服务、数据服务等。云计算平台可以是公有云或私有云的一部分。云计算平台的使用是有利的，因为它可以使得数据科学家/软件供应商提供软件应用/固件即服务，从而消除用户对软件维护、升级和备份的需求。
根据本发明的第四方面，计算机程序产品具有存储在其中的机器可读指令，当由处理器单元执行时，所述指令使得处理器单元执行如上所述的方法。
本发明不限于特定的计算机系统平台、处理单元、操作系统或网络。本发明的一个或多个方面可以分布在一个或多个计算机系统之中，例如，被配置为向一个或多个客户端计算机提供一个或多个服务或者在分布式系统中执行完整任务的服务器。例如，本发明的一个或多个方面可以在客户端-服务器系统上执行，该客户端-服务器系统包括分布在一个或多个服务器系统之中的组件，所述组件根据各种实施例执行多个功能。这些组件包括例如可执行代码、中间代码或解释代码，它们使用通信协议通过网络进行通信。本发明不限于在任何特定系统或系统组上执行，也不限于任何特定的分布式架构、网络或通信协议。
现在将参考本发明的附图来图示本发明的上述和其他特征。所图示的实施例旨在说明而非限制本发明。
下文将参考附图中所图示的实施例进一步描述本发明，所述附图中：
图1图示了根据本发明实施例的为工业物联网（IIoT）环境中的资产生成资产模型的系统的框图；
图2图示了根据本发明实施例的用于管理资产的资产模型的装置的框图；
图3图示了根据本发明实施例的图2中资产的资产数据结构实例；
图4图示了根据本发明实施例的图2中资产的资产模型；和
图5是根据本发明实施例的管理工业物联网（IIoT）环境中资产的资产模型的方法的流程图。
在下文中，将详细描述用于执行本发明的实施例。参考附图描述了各种实施例，其中相同的附图标记始终用于指代相同的元件。在以下描述中，出于解释的目的，阐述了多个具体细节，以便提供对一个或多个实施例的透彻理解。显然，这样的实施例可以在没有这些具体细节的情况下实践。
图1图示了根据本发明的实施例的，管理工业物联网（IIoT）环境180中的资产182、184、186和188的资产模型的系统100的框图。IIoT环境180中的资产182-188也可以被称为启用IoT的设备。示例资产包括机器、装备、旋转机器、磁性设备等。资产182-188通过网络接口150连接到云计算平台120。
IIoT环境180可以进一步包括能够生成与IIoT环境180中的资产182-188的操作相关联的异构数据流的感测和测量设备（图1中未示出）。异构数据流经由网络接口150被传送到云计算平台120。
异构数据流包括由感测和测量设备生成的数据。例如，设备包括能够测量和传送资产182-188的操作参数的单独或混合传感器。例如，感测和监控设备可以包括热成像设备、振动传感器、电流和电压传感器等。
由感测和监控设备生成的传感器数据包括指示与IIoT环境、资产182、184、186、188和相关联的组件182a、184a、186a、188a相关联的操作参数的度量的数据点。术语“操作参数”指代IIoT环境180、资产182-188和组件182a-188a的一个或多个特性。操作参数用于定义资产182-188的性能。示例操作参数包括环境温度、空气质量、IIoT环境180与网络接口150的连接性等。资产182a-188a的操作参数取决于资产的类型，并且可以包括振动、温度、转速、压力等。
进一步地，异构数据流还包括IIoT环境180的事件日志、固件版本、资产-固件互操作性、保修、资产和组件规范、操作手册、服务手册、维护历史等。更进一步地，异构数据流还包括组件182a-188a以及感测和测量设备的信息。因此，异构数据流包括与IIoT环境180和资产182-188相关联的所有数据。
系统100经由通信单元122接收与IIoT环境180相关联的异构数据流。该系统包括具有通信单元122、处理单元124、存储器单元130和数据库160的云计算平台120。云计算平台120可以是能够提供诸如数据存储服务、数据分析服务、数据可视化服务等基于云的服务的云基础设施。
系统100通信耦合到用户设备110。例如，云计算平台120经由通信单元112和网络接口150通信耦合到用户设备110。用户设备110包括处理器114、存储器116和显示器118。用户设备110接收资产模型，并在显示器118上生成状况监控和预测维护报告。例如，显示器118基于资产模型显示IIoT环境180的资产剩余寿命和预测停机时间。
云计算平台120被配置为基于异构数据流生成和管理资产182-188的资产模型。因此，存储器单元130包括模型管理模块135。模型管理模块135包括数据结构模块132和模型生成器模块138。数据结构模块132包括元数据模块134和状态模块136。
模型管理模块135由处理单元124执行。在执行期间，元数据模块134被配置为生成资产182-188的元数据。元数据就像为数据点添加意义的标签。例如，元数据包括资产的唯一标识号、资产类型、固件版本、保修版本和/或组件。
元数据模块134通过确定异构数据流中的数据点之间的关联来生成元数据。例如，数据点之间的关联可以通过使用诸如数据点的语义注释之类的技术来标识。因此，数据点可以标记为资产类型、保修版本等。
在实施例中，通过使用独立于语言的数据交换格式来确定数据点之间的关联。数据点被定义为数据结构实例。例如，
示例独立于语言的数据交换格式包括JavaScript对象简谱（JSON）、扩展标记语言（XML）等。
因此，数据结构模块132被配置为通过标记如上指示的元数据来生成资产数据结构实例。此外，通过为资产182-188的组件182a-188a生成组件数据结构实例来生成资产数据结构实例。例如，组件182a包括子组件，诸如组件服务数据、组件保修版本、传感器等。由此，基于子组件创建组件数据结构实例。最终，资产数据结构通过链接组件数据结构实例。因此，资产数据结构实例可以建模为分支模型，其中组件数据结构实例具有单独的分支。图3中提供了资产数据结构实例的示例性图示。
资产数据结构实例以预定义的时间间隔生成。例如，在资产182-188的每第五个状态转变处。在实施例中，为资产182-188的每个状态转变创建资产数据结构实例。
资产182-188的状态指代资产182-188的实时状况。例如，资产182以OPC-UA通信标准在固件版本2.2上操作。资产182的状态由固件版本2.2和OPC-UA指示。如果固件版本更新到2.4，则资产182经历软状态转变。固件版本更新到2.4可以自动逆转，而无需手动干预。因此，当固件版本2.4更新时，资产182被认为处于软状态。
在另一示例中，资产182具有故障的组件182a，并且组件182a被替换。资产的替换可以涉及人工干预，并且因此，替换之后的资产182的状态是硬状态。
为了确定资产182-188的状态，状态模块136被配置为标识资产182-188是经历了硬状态转变还是软状态转变。此外，状态模块136被配置为基于预定时间间隔发起资产数据结构实例的生成。更进一步地，状态模块136被配置为指示资产182-188的状态的回滚。
模型生成器模块138被配置为通过跨资产182-188的多个状态聚合资产数据结构实例来生成资产182-188的资产模型。资产模型充当多个资产数据结构实例的堆栈。图4中提供了资产模型的图示。
资产模型存储在数据库160中。资产模型的更新也以规律的间隔存储在数据库160中。因此，可以检索历史资产模型来访问与资产182-188相关联的异构数据流。
资产模型的更新可以在发生状态转变时发生。如先前所指示的，状态转变也可以从新状态到较旧状态发生。例如，如果资产182的固件版本从版本2.4逆转到版本2.2。此外，例如如果组件182a的替换被逆转。这样的状态转变被称为回滚。
当资产182-188回滚到较旧状态时，资产数据结构实例也被回滚。因此，状态模块136发起反映资产182-188的新状态的新资产数据结构实例到反映资产182-188的较旧状态的较旧资产数据结构实例的回滚。
状态模块136被配置为确定资产182-188回滚到较旧状态的要求。该确定是基于资产182-188的新状态的稳定性做出的。此外，状态模块136确定新状态的稳定性是当处于新状态时基于在资产182-188中检测到的异常来确定的。
例如，如果固件更新到版本2.4导致网络带宽的过度消耗，则状态模块136可以确定回滚到固件版本2.2（假设版本2.2消耗更少的网络带宽）。对于软状态转变，异常可以基于几个参数来检测，诸如处理要求和基于存储器的约束、带宽要求、数据安全性要求等。对于硬状态转变，可以基于传感器数据中标识的偏差来检测异常。例如，振动、温度、压力、流量、电压等的偏差。
在一个实施例中，模型管理模块135将回滚的要求传输给用户设备110。此外，模型管理模块135可以向用户设备110的用户发起资产182-188的回滚要求的显示。该要求被显示在显示器118上。所显示的要求可以包括在新状态中检测到的异常以及资产182- 188的旧状态和新状态之间的差异。用户可以选择回滚资产182-188的状态。在另一个实施例中，状态模块136自动发起资产182-188的状态的回滚。
状态模块136可以发起资产数据结构实例的回滚，而没有对资产182-188的状态进行任何改变。当新状态下的资产182-188的操作需要与较旧状态下的资产182-188的操作进行比较时，发起数据结构回滚。例如，可以执行比较以检测资产182-188的新状态中的异常。
当资产数据结构实例被回滚时，模型生成器模块138被配置为更新资产182-188的资产模型。
图2图示了根据本发明的实施例的在IIoT环境280中为资产282生成资产数据结构实例的装置200的框图。出于图2的目的，装置200是边缘设备200。
边缘设备200包括操作系统202、存储器204和应用运行时210。操作系统202是嵌入式实时操作系统（OS），诸如LinuxTM操作系统。边缘操作系统202使得能够实现与IIoT环境280中的感测和监控设备以及与IoT云平台220的通信。边缘操作系统202还允许运行一个或多个软件应用，诸如在边缘设备200中部署的数据结构模块212。应用运行时210是在其上数据结构模块212被实时安装和执行的层。边缘设备200经由网络接口250与云平台220通信。云平台220包括数据库222，并被配置为执行模型管理模块224。
在操作期间，边缘设备200接收与IIoT环境280、资产282、硬件组件282A和软件组件282B相关联的异构数据流。在一个实施例中，与硬件组件282A的历史操作相关联的异构数据流被存储在数据库222中。边缘设备200经由网络接口250接收历史异构数据流。
数据结构模块212包括元数据模块214和状态模块216。模块212、214和216的操作类似于模块132、134和136的操作。因此，数据结构模块212被配置为生成资产282的资产数据结构实例。
边缘操作系统202被配置为将资产数据结构实例传输到云平台220。资产数据结构实例可以单独通信，或者在聚合之后通信。在一个实施例中，基于存储器204的消耗或网络带宽的可用性，资产数据结构实例被集合并传输到云平台220。
云平台220接收资产数据结构实例，以生成资产282的资产模型。资产模型由模型管理模块224生成和管理。模型管理模块224的操作类似于图1中模块138的操作。模型管理模块224进一步被配置为基于资产282的状态更新资产模型。
云平台220可以包括显示器230。可替代地，显示器230是经由网络接口250连接到云平台220的用户设备。显示器230被配置为基于资产模型来呈现分析。例如，显示器230基于资产模型显示IIoT环境280的资产剩余寿命和预测停机时间。此外，显示器230可以用于呈现资产282的状态。更进一步地，显示器230呈现回滚资产状态的要求。
图3图示了根据本发明实施例的资产282的资产数据结构实例300。出于图3和图4的目的，资产282是热泵（图3和图4中未示出）。因此，资产数据结构实例300在下文中被称为泵数据结构实例300。
泵数据结构实例300包括分支302-312。分支是组件数据结构实例，并且指示热泵的硬件和软件组件。例如，组件数据结构实例包括压缩器数据结构实例302、冷凝器数据结构实例304、蒸发器数据结构实例306、固件数据结构实例308、保修数据结构实例310和手动数据结构实例312。
在一个实施例中，组件数据结构实例如下生成：
压缩器数据结构实例302
冷凝器数据结构实例304：
固件数据结构实例308
保修数据结构实例310
类似地，定义了热泵的所有组件的组件数据结构实例302-312。组件数据结构实例302-312的聚合产生泵数据结构实例300。泵数据结构实例300与状态和时间序列数据一起生成。因此，如图3所示，泵数据结构300标示热泵并链接组件。
图4图示了根据本发明实施例的热泵的热泵模型400。热泵模型400是通过聚合在多个状态402、404和422处确定的泵数据结构实例而生成的。例如，状态402、404和422指示软状态转变。泵数据结构实例的聚合跨多个版本410和420发生，以生成热泵模型400。例如，版本410和420指示硬状态转变。
热泵模型400被配置为存储热泵的版本和修订（状态）以提供单一信息源。热泵模型400充当链接组件数据结构实例302-312的多版本数据结构。在一个实施例中，组件数据结构实例302、304、306和308可以存储在第一云计算平台上。此外，组件数据结构实例310、312存储在第二云计算平台中。热泵模型链接组件数据结构实例302-312，以避免数据复制/冗余和复制成本。
在一个实施例中，组件数据结构实例被引用为软链接（
<链接到组件数据结构实例>），以避免数据的冗余存储。软链接使热泵模型400是轻量的，从而对数据的检索将更快。此外，软链接使数据结构能够灵活地添加任何新的数据类型和组件。这被实现为热泵模型400链接组件数据结构实例而不是相关联的数据。
图5是根据本发明实施例的管理工业物联网（IIoT）环境中资产的资产模型的方法500的流程图。资产包括工业装备或机器。IIoT环境包括资产和感测设备，感测设备能够生成与资产和IIoT环境的操作相关联的异构数据流。异构数据流通过网络接口传送到云计算平台。方法500在步骤502处通过从IIoT环境接收异构数据流而存在。
在步骤504，通过确定挖掘异构数据流中的数据点之间的关联来生成资产的元数据。示例元数据包括资产的唯一标识号、资产类型、固件版本、保修版本和组件中的至少一个。数据点之间的关联是通过使用独立于语言的数据交换格式来确定的，所述数据交换格式诸如JavaScript对象简谱（JSON）。
在步骤506，通过为资产的组件生成组件数据结构实例来生成资产数据结构实例。组件包括资产的硬件组件和软件组件。在一个示例中，组件包括子组件，诸如组件服务数据、组件保修版本、传感器等。由此，基于子组件创建组件数据结构实例。最终，资产数据结构实例通过链接组件数据结构实例来实现。
在步骤508，确定资产的状态。该状态被确定为硬状态和软状态之一。资产在软状态下的状态转变是自动可逆转的。资产状态指代资产的实时状况。例如，资产以楼宇自动化和控制网络（BACnet）通信标准操作。由BACnet堆栈版本（诸如1.0.17-beta版本）所指示的资产状态。如果BACnet堆栈版本更新到1.0.20-beta，则资产将经历软状态转变。BACnet版本的更新可以自动逆转，而无需人工干预。在另一个示例中，资产使用Modbus通信标准操作。资产通信标准被更新为BACnet堆栈版本1.0.20-beta。这样的通信标准的更新可能需要人工干预，并且不能自动逆转。
在步骤510，从多个资产数据结构实例生成资产的资产模型。资产模型可以表示为跨多个状态生成的资产数据结构实例的堆栈。资产模型被配置为用于链接异构数据流的部件，所述异构数据流可以被存储在云计算平台的不同系统中。在一个实施例中，堆栈的增长表示资产的硬状态转变。资产的每个硬状态转变都涉及资产的软状态转变。
在步骤512，确定资产回滚的要求。资产状态回滚到较旧状态是基于资产的新状态的稳定性的。新状态的稳定性是基于当处于新状态时资产中检测到的异常来确定的。考虑BACnet堆栈版本更新的示例。如果资产无法管理BACnet堆栈版本1.0.20-beta的计算需求，则具有BACnet堆栈版本1.0.20-beta的资产被逆转为版本1.0.17-beta。
在步骤514，发起回滚。回滚是将反映资产的新状态的新资产数据结构实例回滚到反映资产的较旧状态的较旧资产数据结构实例。回滚是在向用户显示资产回滚的要求之后发起的。优选地，显示资产的较旧状态和新状态之间的差异，以便用户可以选择是否实现回滚。
在步骤516，基于回滚到较旧资产数据结构实例来更新资产模型。在步骤518，存储资产模型。资产模型可以在生成之后和/或每次更新之后存储。资产模型优选地存储在计算平台的数据库中。此外，在步骤520，诸如操作员的用户可以使用资产模型访问与资产相关联的异构数据流。
本发明可以采取计算机程序产品的形式，该计算机程序产品包括从存储程序代码的计算机可用或计算机可读介质可访问的程序模块，所述程序代码由一个或多个计算机、处理器或指令执行系统使用或与其组合使用。出于本描述的目的，计算机可用或计算机可读介质可以是能够包含、存储、传送、传播或传输由指令执行系统、装置或设备使用或与其组合使用的程序的任何装置。介质可以是电子、磁、光、电磁、红外或半导体系统（或者装置或设备）或传播介质，它们本身作为信号载体不包括在物理计算机可读介质的定义中，物理计算机可读介质包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器（RAM）、只读存储器（ROM）、硬磁盘和光盘，诸如致密盘只读存储器（CD-ROM）、光盘读/写和DVD。如本领域技术人员所知，用于实现该技术的每个方面的处理器和程序代码这两者均可以是集中式的或分布式的（或其组合）。
Claims (13)
1.一种管理工业物联网（IIoT）环境（180，280）中的至少一个资产的资产模型（400）的方法，所述方法包括：
接收与IIoT环境（180，280）相关联的异构数据流；
获得资产数据结构实例（402，404，422），其中所述资产数据结构实例（402，404，422）指示所述IIoT环境（180，280）中的资产（182-188，282）的状态；和
从多个资产数据结构实例（402，404，422）生成资产（182-188，282）的资产模型（400）。
2.根据权利要求1所述的方法，其中获得所述资产数据结构实例（402，404，422）包括：
通过确定异构数据流中的数据点之间的关联来为资产（182-188，282）生成元数据，其中所述元数据包括资产的唯一标识号、资产（182-188，282）类型、固件版本、保修版本和组件（182a-188a，282A，282B）中的至少一个；和
基于从异构数据流生成的元数据，在资产（182-188，282）的预定状态下生成资产数据结构实例（402，404，422）。
3.根据权利要求2所述的方法，其中在资产（182-188，282）的预定状态下生成资产数据结构实例（402，404，422）包括：
为资产（182-188，282）的组件（182a-188a，282A，282B）生成组件数据结构实例（302，304，306，308，310，312），其中所述组件包括资产（182-188，282）的硬件组件和软件组件；和
通过链接预定状态处的组件数据结构实例生成资产数据结构实例（402，404，422）。
4.根据前述权利要求中任一项所述的方法，进一步包括：
通过跨资产（182-188，282）的多个状态（410，420）聚合资产数据结构实例（402，404，422）来生成资产（182-188，282）的资产模型（400）。
5.根据前述权利要求中任一项所述的方法，进一步包括：
将IIoT环境（180，280）中的资产（182-188，282）的状态确定为硬状态和软状态之一，其中所述资产（182-188，282）在软状态下的状态转变是自动可逆转的。
6.根据权利要求5所述的方法，进一步包括：
当资产从新状态转变到较旧状态时，发起反映资产的新状态的新资产数据结构实例（404）到反映资产的较旧状态的较旧资产数据结构实例（402）的回滚；和
基于回滚到较旧资产数据结构实例（402）来更新资产模型（400）。
7.根据权利要求5和6之一所述的方法，进一步包括：
基于资产（182）的新状态的稳定性来确定资产（182）回滚到旧状态的要求，其中新状态的稳定性是基于当处于新状态时在资产（182）中检测到的异常来确定的。
8.根据权利要求5至7之一所述的方法，进一步包括：
向用户显示资产（182）回滚的要求，优选地包括资产（182）的较旧状态和新状态之间的差异。
9.根据前述权利要求中任一项所述的方法，进一步包括：
优选地在计算平台（120）的数据库（160）中存储资产（182- 188，282）的所生成的资产模型（400）。
10.根据前述权利要求中任一项所述的方法，进一步包括：
使用所生成的资产模型（400）访问与IIoT环境（180，280）和资产（182-188，282）之一相关联的异构数据流。
11.一种用于管理工业物联网（IIoT）环境（180，280）中的至少一个资产（182-188，282）的资产模型（400）的装置（200），所述装置包括：
一个或多个处理单元（202）；和
通信耦合到所述一个或多个处理单元的存储器单元（210 ），其中所述存储器单元包括以由所述一个或多个处理单元可执行的机器可读指令的形式存储的模型管理模块，其中所述模型管理模块（212）被配置为执行根据权利要求1至10的一个或多个方法步骤。
12.一种用于管理工业物联网（IIoT）环境中的至少一个资产（182-188，282）的资产模型（400）的系统（100），所述系统包括：
云计算平台（120），包括：
模型管理模块（135），被配置为执行根据权利要求1至10的一个或多个方法步骤。
13.一种具有存储在其中的机器可读指令的计算机程序产品，当由处理器执行时，所述计算机程序产品使得处理器执行根据权利要求1-10中任一项的方法步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP19172835.1A EP3736751A1 (en) | 2019-05-06 | 2019-05-06 | System, device and method of managing an asset model for assets in an industrial internet of things (iiot) environment |
| EP19172835.1 | 2019-05-06 | ||
| PCT/EP2020/061766 WO2020225030A1 (en) | 2019-05-06 | 2020-04-28 | System, device and method of managing an asset model for assets in an industrial internet of things (iiot) environment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113841170A true CN113841170A (zh) | 2021-12-24 |
Family
ID=66655123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080033856.2A Pending CN113841170A (zh) | 2019-05-06 | 2020-04-28 | 管理工业物联网（iiot）环境中资产的资产模型的系统、设备和方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220309081A1 (zh) |
| EP (2) | EP3736751A1 (zh) |
| CN (1) | CN113841170A (zh) |
| WO (1) | WO2020225030A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3605374A1 (en) * | 2018-08-03 | 2020-02-05 | Hewlett-Packard Development Company, L.P. | Intrusion resilient applications |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6681389B1 (en) * | 2000-02-28 | 2004-01-20 | Lucent Technologies Inc. | Method for providing scaleable restart and backout of software upgrades for clustered computing |
| US20170192414A1 (en) * | 2015-12-31 | 2017-07-06 | Himagiri Mukkamala | Systems and methods for managing industrial assets |
| US20180218060A1 (en) * | 2017-02-02 | 2018-08-02 | General Electric Company | Rollup engine for internet of things |
| CN108701152A (zh) * | 2016-02-19 | 2018-10-23 | 通用电气公司 | 管理和呈现工业资产的数据 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8793504B2 (en) * | 2012-02-22 | 2014-07-29 | International Business Machines Corporation | Validating a system with multiple subsystems using trusted platform modules and virtual platform modules |
| US10929118B2 (en) * | 2018-11-30 | 2021-02-23 | International Business Machines Corporation | Cognitive microcode simulation, planning, and risk assessment |
| US11282612B2 (en) * | 2019-01-11 | 2022-03-22 | Metafyre Inc. | Systems, devices, and methods for internet of things integrated automation and control architectures |
-
2019
- 2019-05-06 EP EP19172835.1A patent/EP3736751A1/en not_active Withdrawn
-
2020
- 2020-04-28 CN CN202080033856.2A patent/CN113841170A/zh active Pending
- 2020-04-28 US US17/609,367 patent/US20220309081A1/en active Pending
- 2020-04-28 WO PCT/EP2020/061766 patent/WO2020225030A1/en active Search and Examination
- 2020-04-28 EP EP20720485.0A patent/EP3948718A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6681389B1 (en) * | 2000-02-28 | 2004-01-20 | Lucent Technologies Inc. | Method for providing scaleable restart and backout of software upgrades for clustered computing |
| US20170192414A1 (en) * | 2015-12-31 | 2017-07-06 | Himagiri Mukkamala | Systems and methods for managing industrial assets |
| CN108701152A (zh) * | 2016-02-19 | 2018-10-23 | 通用电气公司 | 管理和呈现工业资产的数据 |
| US20180218060A1 (en) * | 2017-02-02 | 2018-08-02 | General Electric Company | Rollup engine for internet of things |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3948718A1 (en) | 2022-02-09 |
| WO2020225030A1 (en) | 2020-11-12 |
| US20220309081A1 (en) | 2022-09-29 |
| EP3736751A1 (en) | 2020-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108628929B (zh) | 用于智能存档和分析的方法和装置 | |
| US10346142B1 (en) | Automated streaming data model generation | |
| US20200117177A1 (en) | Computer System and Method of Defining a Set of Anomaly Thresholds for an Anomaly Detection Model | |
| EP3827387A1 (en) | Systematic prognostic analysis with dynamic causal model | |
| EP3262818B1 (en) | Distributed data management system and associated method for embedded controllers | |
| CN114137910B (zh) | 工业自动化资产和控制项目分析 | |
| TW201415214A (zh) | 企業裝置用強韌硬體故障管理系統、方法及架構 | |
| US11677770B2 (en) | Data retrieval for anomaly detection | |
| CN115989483A (zh) | 用于大型动态过程执行系统的自动根本原因分析与预测 | |
| CN105700819A (zh) | 用于网络数据存储的方法和系统 | |
| CN113841170A (zh) | 管理工业物联网（iiot）环境中资产的资产模型的系统、设备和方法 | |
| CN113010375B (zh) | 设备告警方法及相关设备 | |
| WO2022074930A1 (ja) | 電子機器が有する記録媒体の保守サービスの提供方法及びシステム | |
| CN114237164B (zh) | 工业开发中心库和设计工具 | |
| US11586176B2 (en) | High performance UI for customer edge IIoT applications | |
| JP2019140496A (ja) | オペレーション装置およびオペレーション方法 | |
| EP3780551A1 (en) | Method and system for managing assets in a cloud computing environment | |
| US20240160164A1 (en) | Industrial automation data quality and analysis | |
| US20240160192A1 (en) | Industrial data destination transformation | |
| US20240160193A1 (en) | Industrial automation data staging and transformation | |
| US20240160811A1 (en) | Industrial data extraction | |
| US20230146707A1 (en) | Controlflash plus hardware serialization and registration | |
| CN118227418A (zh) | 主机总线适配器的检测方法、装置、电子设备及存储介质 | |
| JP2024507114A (ja) | 資産挙動モデリング | |
| CN116166724A (zh) | 时间序列数据库中的自适应本体驱动维度获取、自动化模式创建和富集数据 |
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 |