CN113939779A - 用于操作自动化系统的方法和设备、自动化系统及计算机程序产品 - Google Patents

Abstract

一种用于操作自动化系统的方法，该系统包括用于基于所接收的控制数据执行动作的被控装置、用于接收系统数据并基于所接收的系统数据生成用于控制被控装置的控制数据的第一控制装置、以及用于接收输入数据并根据计算机实现的映射算法基于输入数据生成输出数据的第二控制装置，其中，该方法包括：适配计算机实现的映射算法，使得第二控制装置一旦接收到作为输入数据的系统数据就生成与由第一控制装置生成的控制数据以预定相似度相似的输出数据，其中，计算机实现的映射算法(6)包括神经网络算法和/或机器学习算法。

Description

用于操作自动化系统的方法和设备、自动化系统及计算机程 序产品

本公开涉及用于操作诸如用于操作工厂自动化系统、工业网络、交互现场装置等的自动化系统的方法、设备和计算机程序产品。此外，公开了交互装置的自动化系统和网络。具体而言，考虑了更新或更换自动化系统中的控制装置的方面。

自动化系统可以包括用于基于从自动化系统的控制装置接收到的控制数据执行任务的被控装置。可以预期的是更换和/或更新控制装置。然而，如果不知道控制装置的确切功能，则可能难以更换和/或更新控制装置。因此，期望便利地进行控制装置的更换和/或更新。

US 5,530,867公开了一种用于自编程的软件。自编程是基于包括输入数据、控制数据等的参数的。此外，US 2012/0023054 A1公开了一种用于创建机器可处理的过程模型的方法及装置。

US 6 145 115 A公开了将第一装置的功能复制到第二装置中以具有与第一装置相同的功能。CPU向第二装置和第一装置二者提供预定的输入数据。用于生成与特定输入数据相对应的输出数据的多个逻辑候选被存储在硬盘中作为候选。CPU在这些候选内选择针对所有提供的输入数据使第二装置和第一装置生成的输出数据彼此相同的候选。

本发明的一个目的是提供用于操作自动化系统的改进方法。另一目的是提供用于操作自动化系统的改进系统。又一目的是提供改进的机器控制器装置。

根据第一方面，提供了一种用于操作自动化系统的方法。该系统包括第一控制装置、被控装置和第二控制装置，其中：

被控装置被实现为基于所接收的控制数据执行动作；

第一控制装置被实现为接收系统数据并基于所接收的系统数据生成用于控制被控装置的控制数据；以及

第二控制装置被实现为接收输入数据并根据计算机实现的映射算法基于输入数据生成输出数据。

方法包括以下步骤：

适配计算机实现的映射算法，使得第二控制装置一旦接收到作为输入数据的系统数据就生成与由第一控制装置生成的控制数据以预定相似度相似的输出数据，其中，计算机实现的映射算法包括神经网络算法和/或机器学习算法。

基于第一方面的方法，第二控制装置的计算机实现的映射算法可以被适配为使得由第二控制装置生成的输出数据与由第一控制数据生成的控制数据相似。换句话说，第二控制装置的计算机实现的映射算法可以自主适配，使得第二控制装置的功能与第一控制装置的功能相似。这样，尽管不知道第一控制装置的确切功能，但是可以由第二控制装置代替第一控制装置，而无需编程麻烦。对于原始第一控制装置的未来改进和/或在第一控制装置的编程语言与较新的版本不兼容的情况下，由第二控制装置代替第一控制装置能够是有利的。

自动化系统可以是自动系统，特别是工厂自动系统。它可以包括多个装置，诸如现场装置。自动化系统的装置之一是被控装置，例如现场装置或机器人。被控装置可以基于从第一控制装置接收到的控制数据来执行动作或任务。例如，被控装置可以根据作为控制数据接收的配方来混合化学品。

第一控制装置可以是中央处理器(CPU)、可编程逻辑控制器(PLC)等。它可以是自动化系统的中央控制装置和/或与被控装置相关联的控制装置。第一控制装置可以接收系统数据。系统数据包括与自动化系统相关的任何类型的数据。具体而言，它包括来自自动化系统的致动器和/或传感器的数据、配置数据、过去数据和/或当前数据。例如从云、数据库、服务器、用户等接收系统数据。系统数据可以被视为第一控制装置的配方。

具体而言，第一控制装置基于接收到的系统数据生成控制数据，从而按照未知的控制算法将系统数据映射到控制数据。换句话说，第一控制装置的确切功能对于自动化系统的操作员可能至少部分是未知的，由于操作员可能不知道第一控制装置根据接收到的系统数据生成控制数据所基于的控制算法。当第一控制装置由外部制造商生产和/或编程时和/或当第一控制装置陈旧时，控制算法可能至少部分是未知的。在一些实施方式中，甚至可能不知道第一控制装置使用哪个系统数据来生成控制数据。换言之，系统数据的性质和/或内容和/或系统数据被第一控制装置使用的程度可能是未知的。

由于第一控制装置的至少部分未知的控制算法，可能难以更换和/或更新第一控制装置。具体而言，更换和/或更新第一控制装置可能涉及第一控制装置的耗时的手动重新编程。

为了克服这些困难，可以使用第二控制装置。第二控制装置可以是工业PC装置。第二控制装置可以用于执行上述适配的方法步骤。详细地，第二控制装置可以使用计算机实现的映射算法从输入数据生成输出数据。第二控制装置可以被视为替代控制装置。

具体而言，修改计算机实现的映射算法，以提供与来自第一控制装置的控制算法(未知的)相似的功能。即，适配计算机实现的映射算法，使得生成与第一控制装置在接收到该输入数据时所生成的控制数据相似的输出数据。换言之，第一控制装置和第二控制装置在接收到相似的输入时能够生成相似的输出。

对于复杂的控制算法和大量的系统数据和控制数据，神经网络算法和/或机器学习算法是优选的。在那种情况下，能够使用神经网络算法和/或机器学习算法来确定映射算法。第二控制装置的输入数据和/或输出数据能够用作训练数据。机器学习算法的示例包括增强学习算法。一旦第二控制装置接收到与自动化系统有关的附加数据，则算法可以不断改进。另选地或附加地，映射算法可以包括将特定输入值映射到相应输出值的表(映射表)或决策树。

在此，术语“适配”是指对映射算法的内容的修改。具体而言，算法本身(或定义算法的程序)在适配步骤中被修改和/或开发。适配步骤尤其不涉及在不同可能的预定义算法当中进行选择。

适配可以是根据输入数据和输出数据之间的关系构建控制策略。适配可以包括识别输入数据的性质和/或其分类。例如，它能够区分确定通过自动化系统的处理所制造的产品的配方数据、控制制造产品的机器的控制数据、包括从机器提供给控制系统的信息的反馈数据和/或用于分析处理的信息信号。第二控制装置例如分别存储来自不同类别的数据并且彼此独立地分析它们，以相应地适配映射算法。此外，第二控制装置可以识别不同数据类型之间的关系并相应地适配映射算法。

为了适配映射算法，第二控制装置可以包括代理，其基于输入数据执行待测试的动作。例如，可以从有限数量的可用动作中选择动作。第二控制装置监测代理对输入数据所执行的动作的结果，并确定该结果是否与第一控制装置的操作(尤其是控制数据)匹配，或者至少进入相同的方向。可以重复这些步骤以获得一系列动作，然后可以在映射算法中实现这一系列动作。例如，如果一个结果没有期望的行为，则第二控制装置可以返回到具有预期行为的最后一个结果。

具体而言，第二控制装置监测输入和/或输出数据的变化是否发生并且相应地适配映射算法。第二控制装置可以进一步测试所开发的和/或经适配的映射算法，尤其是验证所构建的映射算法是否与第一控制装置的操作一致。

第二控制装置接收到的输入数据可以对应于和/或包括提供给第一控制装置的系统数据。例如，如果控制装置始终接收五个参数作为系统数据并发送七个参数作为控制数据，则第二控制可以监测该事件的重复。在足够高的预定置信水平下，即，当事件已经足够频繁地重复时，第二控制装置得出结论：当接收到五个参数时，输出必须是七个参数，并相应地适配映射算法。

输入数据并非必须与第一控制装置接收到的系统数据一致。而是，第二控制装置的输入数据可以例如包括与自动化系统相关的所有类型的(当前和过去)数据，例如包括来自自动化系统的传感器和/或致动器的数据以及来自第一控制装置的潜在数据。

输入数据、系统数据、控制数据和/或输出数据可以包括任何类型的数据，尤其是模拟或数字输入/输出、数据库事务、马达控制数据等。

可以在没有系统数据和/或第一控制装置的输出数据的知识的情况下适配映射算法，以按最佳方式映射第一控制装置的功能。当关于系统数据和/或第一控制装置的输出数据存在很少信息或没有可用信息时，例如，当第一控制装置现在没有正在工作时，这尤其有利。即使第一控制装置不再工作，第二控制装置也可以被适配以映射第一控制装置。

计算机实现的映射算法到控制算法的映射可以例如使用第二控制装置自主执行。这样，不需要手动地对第二控制装置进行编程。从而便于编程并且耗费更少时间。此外，能够实现更可靠的映射。

具体而言，在此，术语“相似”是指被比较的实体以预定的相似度相似。相似度可以看作是被比较实体如何相似的度量，即，被比较实体相同或不同的程度。如果其值之间的差异总是低于控制数据的5％，则预定相似度例如可以指示输出数据和控制数据相似。另选地，如果输出数据和控制数据在超过95％的时间内相同，则可以认为它们相似。

一旦获得输出数据和控制数据之间的期望相似度，第二控制装置可以可靠地代替第一控制装置。顺便说一下，与第一控制装置相比，第二控制装置然后可以被进一步更新。

第二控制装置可以能够对所适配的映射算法进行自检。在这点上，第二控制装置可以执行相似性检查，其包括验证来自第二控制装置的输出数据是否与控制数据匹配。如果存在失配，则第二控制装置可以收集更多信息(例如，通过接收更多输入数据)并基于附加信息修改映射算法，和/或存储失配信息以用于进一步监测。如果失配只发生一次，则它可以将其标记为错误。如果其多次出现，则可以修改映射算法。

根据一个实施方式，该方法还包括：

监测由第一控制装置接收到的系统数据和由第一控制装置生成的对应控制数据。

第二控制装置可以用于执行监测步骤。具体而言，根据第一方面的方法包括监测步骤，其中第二控制装置观察和/或收集，尤其是接收，系统数据和相应的控制数据。监测还可以包括接收关于系统数据和/或控制数据的元数据。计算机实现的映射算法能够基于收集到的系统数据和控制数据自主地适配或更新。

根据进一步的实施方式，使用系统数据和所生成的控制数据的多个组合重复执行监测和/或适配的步骤。

具体而言，重复监测和适配的步骤，直到获得输出数据和控制数据之间所需的相似度。监测和适配步骤的重复执行可以被看作是学习处理，其中优化计算机实现的映射算法以便最好地映射第一控制装置的控制算法。

根据进一步的实施方式，在自动化系统的操作阶段期间执行监测和适配的步骤。

具体而言，使用也用于操作自动化系统的真实的系统数据和控制数据来执行监测和适配的步骤。计算机实现的映射算法可以在自动化系统正在运行的同时(运行阶段)动态地适配。这是有利的，因为能够在不停止自动化系统并且不干扰自动化系统的操作的情况下开发计算机实现的映射算法。详细地，当更换第一控制装置时，不需要中断自动化系统。

根据进一步的实施方式，适配的步骤包括：基于接收的相同的系统数据，将第一控制装置生成的控制数据和第二控制装置生成的输出数据进行比较，以确定相似度。

具体而言，通过基于相同的系统数据比较第一控制装置和第二控制装置分别确定的控制数据和输出数据来确定相似度。该比较可以通过第二控制数据本身来执行或由自动化系统的外部比较装置来执行。

根据又一实施方式，根据第一方面的方法还包括：如果相似度大于预定的上阈值，则由第二控制装置代替第一控制装置，可选地停用第一控制装置。

具体而言，当相似度大于预定上阈值时，获得输出数据和控制数据之间的期望相似度。例如，预定的上阈值可以是控制数据和输出数据之间的99％相似度。

根据进一步的实施方式，该方法还可以包括：如果相似度小于预定的下阈值，则启动附加输入数据的获取和/或将确定的相似度存储在数据库中。

具体而言，当确定的相似度低于预定的下阈值(例如，低于80％)时，第二控制装置可以确定映射算法没有足够好地映射第一控制装置。在这种情况下，它可能请求和/或启动附加输入数据的获取，例如，以便基于附加输入数据修改映射算法。进一步地，第二控制装置可以将确定的相似度存储在数据库中，以用于进一步参考。在一些实施方式中，如果给定的失配仅发生一次，则可以将其标记为错误。如果错误发生多次，则可以修改映射算法。

预定的上阈值和预定的下阈值可以彼此相等。此外，在一些实施方式中，相似度可以仅区分输出数据与控制数据匹配(100％相似度)的情况和输出数据与控制数据不匹配(0％相似度)的情况。

根据进一步的实施方式，确定相似度的操作包括在接收/输入相同的系统数据的情况下，统计性地评估由第一控制装置生成的控制数据和由第二控制装置生成的输出数据的一致性。

具体而言，对控制数据和输出数据之间的比较结果进行推算，以确定相似度。

根据又一实施方式，根据第一方面的方法还包括：如果由第一控制装置生成的控制数据和由第二控制装置生成的输出数据在自动化系统的预定数量的尤其是连续的控制循环内匹配，则由第二控制装置代替第一控制装置。

根据进一步的实施方式，被控装置包括现场装置、生产单元和/或机器人。

根据进一步的实施方式，系统数据是由自动化系统中的传感器装置获取的传感器数据。

传感器装置可以感测诸如温度、压力、速度等的参数，并相应地生成系统数据。传感器装置可以位于被控装置旁边以便感测被控装置的参数。在这种情况下，第一控制装置基于被控装置的传感器数据提供控制数据。

根据进一步的实施方式，

自动化系统还包括用于为第一控制装置提供配置数据的数据库装置；以及

第一控制装置还被实现为接收配置数据并基于接收到的系统数据和配置数据生成控制数据；

适配第二控制装置的操作包括将系统数据和配置数据作为输入数据输入到第二控制装置。

第一控制装置可以基于系统数据和配置数据二者生成控制数据。因此，基于系统数据和配置数据(一起形成输入数据)并且基于由第一控制装置生成的控制数据来适配计算机实现的映射算法。

根据进一步的实施方式，系统数据、配置数据和/或控制数据各由多个模拟和/或数字信号表示。

根据第二方面，提供了一种机器控制器装置。该机器控制器装置被实现为：

接收输入数据并根据计算机实现的映射算法基于输入数据生成输出数据；以及

适配计算机实现的映射算法，使得机器控制器装置一旦接收到作为输入数据的系统数据就生成与由第一控制装置生成的控制数据以预定相似度相似的输出数据，其中计算机实现的映射算法包括神经网络算法和/或机器学习算法。

机器控制器装置可以对应于前述的第二控制装置。具体而言，根据第二方面的机器控制器装置被配置为在根据第一方面或根据第一方面的任何实施方式的方法中用作第二控制装置。

参考第二控制装置描述的特征同样适用于根据第二方面的机器控制器装置。

根据第三方面，提供了一种用于操作自动化系统的操作系统。该自动化系统包括：

被控装置，其被实现为基于接收到的控制数据执行动作；以及

第一控制装置，其被实现为接收系统数据并基于接收到的系统数据生成用于控制被控装置的控制数据。

操作系统还包括根据第二方面的机器控制器装置，其中，计算机实现的映射算法包括神经网络算法和/或机器学习算法。

具体而言，操作系统还包括：

第二控制装置，其被实现为接收输入数据并根据计算机实现的映射算法基于输入数据生成输出数据；

监测装置，其用于监测由第一控制装置接收到的系统数据和由第一控制装置生成的对应控制数据；以及

适配装置，其用于适配计算机实现的映射算法，使得第二控制装置一旦接收到作为输入数据的系统数据就生成与由第一控制装置生成的控制数据以预定相似度相似的输出数据。

监测装置和/或适配装置可以是第二控制装置的一部分。根据第三方面的操作系统可以用于实现根据第一方面或根据其实施方式的方法。

参照根据第一方面的方法描述的实施方式和特征对照地应用于根据第三方面的系统。

根据第四方面，提供了一种计算机程序产品。该计算机程序产品包括计算机可读指令，所述计算机可读指令使得包括一个或更多个处理装置的计算系统响应于执行机器可读指令来执行根据第一方面或根据其实施方式的方法，尤其是执行用于操作自动化系统的上述方法和功能。

在实施方式中，计算机程序产品包括用于当在至少一台控制计算机上运行时由计算机化的控制装置实施上述方法和功能的程序代码。诸如计算机程序装置之类的计算机程序产品可以体现为存储卡、USB棒、CD-ROM、DVD或体现为可以从网络中的服务器下载的文件。例如，可以通过从无线通信网络传送包括计算机程序产品的文件来提供这样的文件。

本发明的进一步可能的实现或替代方案还包括关于实施方式在上文或下文所描述的特征的没有显式地提到的组合。本领域技术人员还可以向本发明的最基本形式添加单独的或孤立的方面和特征。

从结合附图的随后的描述以及从属权利要求，本发明的进一步实施方式、特征和优点将变得显而易见，在附图中：

图1示出了自动化系统的实施方式；

图2示出了根据第一实施方式的用于操作自动化系统的方法；

图3示出了根据第二实施方式的用于操作自动化系统的方法；以及

图4示出了具有已更换的控制装置的自动化系统。

在附图中，除非另有说明，否则相似的附图标记指代相似或功能等同的元件。

图1示出了自动化系统1的实施方式。自动化系统1是工厂自动化系统。它包括第一控制装置2、被控装置3和第二控制装置4。自动化系统1还包括在图1中未示出的多个现场装置。

被控装置3为机械臂。它由第一控制装置2控制。详细地，第一控制装置2从服务器(未示出)接收系统数据SD。此处的系统数据SD是关于如何将瓶盖拧到瓶子上的指示。

第一控制装置2是PLC，该PLC例如使用控制算法5基于系统数据SD生成控制数据CD。控制数据CD是系统数据SD到被控装置3的适配。换句话说，控制数据CD包括用于被控装置3的关于为了实际将盖子拧到瓶子上而要执行的动作的指令。被控装置3基于从第一控制装置2接收的控制数据CD执行动作。

在图1的示例中，第一控制装置2比较老旧，并且需要更新。然而，它最初是由外部制造商编程的，并且自动化系统1的用户不知道关于第一控制装置2如何工作的细节，尤其是控制算法5如何工作。

为了更新旧的第一控制装置2，可以由能够根据需要更新的第二控制装置4代替第一控制装置2。为了用第二控制装置4代替第一控制装置2，第二控制装置4必须能够以类似的方式可靠地执行第一控制装置2的功能。

第二控制装置4可拆卸地连接到第一控制装置2的输入端和输出端，从而能够监测系统数据SD和第一控制装置2生成的对应控制数据CD。在此，第二控制装置4是工业PC(IPC)。第二控制装置4包括从输入数据ID生成输出数据OD的计算机实现的映射算法6。作为示例，在此，输入数据ID包括系统数据SD并且还包括关于自动化系统1的附加数据，例如，从自动化系统1的传感器和/或致动器接收的数据。将在下面进一步描述计算机实现的映射算法6。

可以根据用于操作自动化系统的方法来操作图1的自动化系统1。图2示出了这种方法的示例。详细地，图2示出用于操作自动化系统1的方法。

在可选的步骤S1中，监测第一控制装置2接收到的系统数据SD和第一控制装置2生成的对应控制数据CD。在此，该监测由IPC 4执行。监测包括收集大量系统数据SD和对应控制数据CD。在自动化系统1(尤其是第一控制装置2和被控装置3)处于运行的同时进行监测。因此，监测数据SD、CD是“真实”操作数据。

在步骤S1中，IPC 2存储数据表，该数据表包括监测到的系统数据SD和对应控制数据CD。表1示出了这种监测表的示例。在表1中，系统数据SD包括三个输入参数IN1、IN2和IN3，而控制数据CD包括由第一控制装置2生成的三个输出参数OUT1、OUT2和OUT3，作为针对输入(系统数据SD)IN1、IN2和IN3的控制数据CD。

表1：

IN1	IN2	IN3	OUT1	OUT2	OUT3
						1	3	2	5	1	2

在步骤S2中，IPC 4的计算机实现的映射算法6被适配为使得一旦接收到作为输入数据ID的系统数据SD，IPC 4就生成与第一控制装置2生成的控制数据CD以预定相似度相似的输出数据OD。在图1和图2的示例中，步骤S2由IPC 4执行。

步骤S2对应学习步骤，其中计算机实现的映射算法6被映射到控制算法5。详细地说，两个算法5、6的最终内容和所使用的编程语言不一定相同。但是，基于相同的输入(作为输入数据ID的系统数据SD)，它们应该生成相似的输出(控制数据CD、输出数据OD)。

在此，计算机实现的映射算法6是机器学习算法。计算机实现的映射算法6从所存储的监测表中学习并因此自主地适配或自我更新。计算机实现的映射算法6根据系统数据SD和控制数据CD之间的关系进行适配。

例如，计算机实现的映射算法6的适配是基于哪个输入值IN1-IN3与哪个输出值OUT1-OUT3相关的检测，反之亦然。

例如，IN2的值与OUT2和OUT3相关，这是因为修改IN2会导致修改OUT2和OUT3，如以下监测表(表2)所示。

表2：

IN1	IN2	IN3	OUT1	OUT2	OUT3
						1	7	2	5	0	5

在此，当输出数据OD和控制数据CD在95％的时间相等时，实现预定的相似度。当实现所期望的相似度时，IPC 4能够代替第一控制装置2并接管其功能，如图4所示。详细地，IPC 4然后接收系统数据SD作为输入数据ID并使用经过训练的计算机实现的映射算法6生成控制数据CD，作为输出数据OD。然后IPC 4所生成的控制数据CD被发送给机器人3。

因此，可以由较新的和可了解的控制装置4来代替旧的第一控制装置2，该控制装置4因为它能够被了解而可以更容易地被更新。

图3示出了用于操作图1的自动化系统1的另一方法。除了已经描述的步骤S1和S2之外，图3所示的方法还包括步骤S3-S5。步骤S3-S5允许测试计算机实现的映射算法6。该测试可以由第二控制装置4执行。

在步骤S3中，确定对于作为输入的相同的系统数据SD，由IPC 4和第一控制装置2分别生成的输出数据OD和控制数据CD之间的相似度。相似度的确定涉及基于相同的系统数据SD将第一控制装置2生成的控制数据CD和IPC 4生成的输出数据OD进行比较。在此，步骤S3中的比较由IPC 4本身执行。

在步骤S4中，将在步骤S3中确定的相似度与由IPC 4预先存储或由用户提供的预定阈值进行比较。作为示例，在此，预定阈值要求相似度为99％。

如果相似度大于预定阈值(步骤S4中“是”)，则IPC 4的计算机实现的映射算法6生效，并且由IPC 4代替第一控制装置2。因为已经连接的IPC 4允许控制功能的平稳过渡，所以在不停止自动化系统1的操作的情况下移除第一控制装置2。作为步骤S5的结果，获得了图4的具有被更换的控制装置2的自动化系统1′。

如果相似度不大于预定阈值(步骤S4中“否”)，则重复先前描述的步骤S2-S4，直到相似度变得大于预定阈值(步骤S4中“是”)或直到发现错误。

虽然已经根据优选实施方式描述了本发明，但是对于本领域技术人员来说显而易见的是，在所有实施方式中都可以进行修改。例如，第一控制装置2还可以接收配置数据，基于该配置数据确定控制数据CD。在这种情况下，系统数据SD和配置数据在适配步骤S2中被用作输入数据。

另外，被控装置3也可以是现场装置等。计算机实现的映射算法6还可以包括映射表或决策树而不是机器学习算法。除了考虑图3所描述的测试方法之外的其他测试方法也是可行的，例如，观察控制数据CD和输出数据OD在自动化系统1的预定数量的连续循环内是否匹配。也可以改变输入IN1–IN3的数量和输出OUT1–OUT3的数量。

虽然在所描述的示例中，系统数据SD对于第二控制装置4是已知的，但是也可以在没有输入至第一控制装置2中的系统数据SD的任何知识的情况下适配映射算法6。例如，第二控制装置4的输入数据ID可以包括与自动化系统1有关的任何过去/现在数据。

附图标号

1 自动化系统

1′ 自动化系统

2 第一控制装置

3 被控装置

4 第二控制装置

5 控制算法

6 计算机实现的映射算法

CD 控制数据

ID 输入数据

OD 输出数据

SD 系统数据

S1–S5 方法步骤

Claims (15)

1.一种用于操作自动化系统(1)的方法，该系统(1)包括第一控制装置(2)、被控装置(3)和第二控制装置(4)，其中：

所述被控装置(3)被实现为基于所接收的控制数据(CD)执行动作；

所述第一控制装置(2)被实现为接收系统数据(SD)并基于所接收的系统数据(SD)生成用于控制所述被控装置(3)的控制数据(CD)；以及

所述第二控制装置(4)被实现为接收输入数据(ID)并根据计算机实现的映射算法(6)基于所述输入数据(ID)生成输出数据(OD)，

其中，所述方法包括以下步骤：

适配(S2)所述计算机实现的映射算法(6)，使得所述第二控制装置(4)一旦接收到作为输入数据(ID)的所述系统数据(SD)就生成与由所述第一控制装置(2)生成的所述控制数据(CD)以预定相似度相似的输出数据(OD)，其中，所述计算机实现的映射算法(6)包括神经网络算法和/或机器学习算法。

2.根据权利要求1所述的方法，该方法还包括以下步骤：

监测(S1)由所述第一控制装置(2)接收的所述系统数据(SD)和/或由所述第一控制装置(2)生成的对应控制数据(CD)。

3.根据权利要求1或2所述的方法，其中，使用系统数据(SD)和所生成的控制数据(CD)的多个组合来重复地执行监测步骤和/或适配步骤。

4.根据权利要求1至3中任一项所述的方法，其中，在所述自动化系统(1)的操作阶段期间执行监测步骤和适配步骤。

5.根据权利要求1至4中任一项所述的方法，其中，适配步骤包括：基于接收的相同的系统数据(SD)，将所述第一控制装置(2)生成的所述控制数据(CD)与所述第二控制装置(4)生成的所述输出数据(OD)进行比较，以确定(S3)相似度。

6.根据权利要求1至5中任一项所述的方法，该方法还包括以下步骤：

如果所述相似度大于预定的上阈值，则由所述第二控制装置(4)代替(S5)所述第一控制装置(2)，并且可选地停用所述第一控制装置(2)；和/或

如果所述相似度小于预定的下阈值，则启动附加输入数据(ID)的获取和/或将所确定的相似度存储在数据库中。

7.根据权利要求1至6中任一项所述的方法，其中，确定所述相似度的步骤包括：在接收/输入相同的系统数据(SD)的情况下，统计性地评估由所述第一控制装置(2)生成的控制数据(CD)和由所述第二控制装置(4)生成的输出数据(OD)的一致性。

8.根据权利要求1至7中任一项所述的方法，该方法还包括以下步骤：如果由所述第一控制装置(2)生成的所述控制数据(CD)和由所述第二控制装置(4)生成的所述输出数据(OD)在所述自动化系统(1)的预定数量的尤其是连续的控制循环内匹配，则由所述第二控制装置(4)代替所述第一控制装置(2)。

9.根据权利要求1至8中任一项所述的方法，其中，所述被控装置(3)包括现场装置、生产单元和/或机器人。

10.根据权利要求1至9中任一项所述的方法，其中，所述系统数据(SD)是由所述自动化系统(1)中的传感器装置获取的传感器数据。

11.根据权利要求1至10中任一项所述的方法，其中：

所述自动化系统(1)还包括用于为所述第一控制装置(2)提供配置数据的数据库装置，以及

所述第一控制装置(2)还被实现为接收配置数据并基于接收到的系统数据(SD)和配置数据生成所述控制数据(CD)，

适配所述第二控制装置(4)的步骤包括：将所述系统数据(SD)和所述配置数据作为输入数据(ID)输入到所述第二控制装置(4)。

12.根据权利要求1至11中任一项所述的方法，其中，所述系统数据(SD)、所述配置数据和/或所述控制数据(CD)各自由多个模拟和/或数字信号表示。

13.一种机器控制器装置(4)，该机器控制器装置(4)被实现为：

接收输入数据(ID)并根据计算机实现的映射算法(6)基于输入数据(ID)生成输出数据(OD)；以及

适配所述计算机实现的映射算法(6)，使得机器控制器装置(4)一旦接收到作为输入数据(ID)的系统数据(SD)就生成与由第一控制装置(2)生成的控制数据(CD)以预定相似度相似的输出数据(OD)，其中，所述计算机实现的映射算法(6)包括神经网络算法和/或机器学习算法。

14.一种用于操作自动化系统的操作系统，其中，所述自动化系统包括：

被控装置(3)，该被控装置(3)被实现为基于接收到的控制数据(CD)执行动作；以及

第一控制装置(2)，该第一控制装置(2)被实现为接收系统数据(SD)并基于接收到的系统数据(SD)生成用于控制所述被控装置(3)的控制数据(CD)；

其中，所述操作系统包括根据权利要求13所述的机器控制器装置(4)。

15.一种计算机程序产品，该计算机程序产品包括计算机可读指令，所述计算机可读指令使得包括一个或更多个处理装置的计算系统响应于执行机器可读指令而执行根据权利要求1至12中的任一项所述的方法。

Images