CN115774424A - 自主仪器管理 - Google Patents

自主仪器管理 Download PDF

Info

Publication number
CN115774424A
CN115774424A CN202210994789.1A CN202210994789A CN115774424A CN 115774424 A CN115774424 A CN 115774424A CN 202210994789 A CN202210994789 A CN 202210994789A CN 115774424 A CN115774424 A CN 115774424A
Authority
CN
China
Prior art keywords
cause
data
error condition
module
measurement data
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
Application number
CN202210994789.1A
Other languages
English (en)
Inventor
W·克拉伦
P·桑德拉詹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN115774424A publication Critical patent/CN115774424A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—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] or computer integrated manufacturing [CIM]
    • G05B19/41865—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] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34242—For measurement only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/805—Real-time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请的发明名称是“自主仪器管理”。一个实施方案包括用于第一设备的监测系统，其中第一设备被配置为从第二设备获得测量数据，将测量数据与参考值进行比较，并且在测量数据与参考相比指示错误状况时发送信号。可以使用机器学习，其中当参考值如此指示时，头端能够修改第二设备。这使得各种实施方案能够在没有人工干预的情况下修复第二设备。

Description

自主仪器管理
相关申请的交叉引用
无
背景技术
自主仪器管理被用于多种工业，以实现具有一致性、经济性和安全性的生产水平，而这是单纯依靠人工手动控制无法实现的。过程控制系统广泛应用于诸如炼油、纸浆和纸张制造、化学加工和发电厂的工业中。例如，仪器管理系统可设置于厂房附近，并且可根据需要操纵阀门、启动马达、改变设备或传感器的设定或运行冷却器或混合单元。
仪器管理系统还可以诊断故障以防止非托管问题。仪器管理系统可以监测多个测量设备以确保其值在设备的预期范围内，例如其测量的该设备的操作。测量设备可以在其控制的过程的操作期间获得实时值。这可以包括例如温度读数、压力读数、气体流量读数等。仪器管理系统还可以报告其控制的设备或过程的状态。例如，这可以包括：设备是：超出财务读数；超出范围；具有设备错误；以及其他。
确定设备中错误的根本原因是需要深度知识和经验的复杂且耗时的任务。通常需要高度熟练且受过训练的技术人员，并且通常是昂贵的并且供不应求。需要一种仪器管理，该仪器管理能够在没有人工干预的情况下处理其受控系统中的故障的某部分。这将不仅使系统成本效益更好，而且还减少了停机时间并增加整个系统的可靠性。
附图说明
图1是根据一个实施方案的自主仪器管理系统的图示。
图2是根据另一个实施方案的自主仪器管理系统的图示。
图3是根据另一个实施方案的自主仪器管理系统的图示。
图4是示出根据一个实施方案的自主仪器管理系统的操作的流程图。
图5是示出根据另一个实施方案的自主仪器管理系统的操作的流程图。
发明内容
一个实施方案是一种仪器管理设备，该仪器管理设备包括：用于第一设备的监测模块，其中第一设备被配置为从第二设备获得测量数据，将测量数据与参考值进行比较，并且在测量数据与参考相比指示错误状况时发送信号；推荐模块，该推荐模块用于从监测模块接收信号，分析信号，并且通过使用因果模块生成与错误状况相关联的一个或多个推荐，因果模块包括具有至少一行和至少一列的数据结构，推荐模块从因果模块的行中的一行或列中的一列访问数据项；票生成模块，该票生成模块用于接收包括数据项的一个或多个推荐，通过改变第二设备的状态来获得错误状况的解决方案，并且生成与错误状况的解决方案相关联的数据包；和机器学习模块，该机器学习模块被配置为使用包来确定是否更新因果模块，并且如果是，则改变行中的一行或列中的一列中的数据项。
另一个实施方案是一种系统，该系统包括：用于第一设备的监测系统，其中第一设备被配置为从第二设备获得测量数据，将测量数据与参考值进行比较，并且在测量数据与参考相比指示错误状况时发送信号；推荐系统，该推荐系统用于从监测系统接收信号，分析信号，并且通过使用因果表生成与错误状况相关联的一个或多个推荐，因果表包括具有至少一行和至少一列的数据结构，推荐系统从因果表的行中的一行或列中的一列访问数据项；票生成系统，该票生成系统用于接收包括数据项的一个或多个推荐，通过改变第二设备的状态来获得错误状况的解决方案，并且生成与错误状况的解决方案相关联的数据包；和机器学习系统，该机器学习系统被配置为使用包来确定是否更新因果表，并且如果是，则改变行中的一行或列中的一列中的数据项。
在另一个实施方案中，一种方法包括：从设备获得测量数据；将测量数据与参考值进行比较；在测量数据与参考相比指示错误状况时接收信号；使用因果表生成与错误状况相关联的一个或多个推荐，因果表包括具有至少一行和至少一列的数据结构，使用步骤还包括从因果表的行中的一行或列中的一列访问数据项；通过改变设备的状态来获得错误状况的解决方案；生成与错误状况的解决方案相关联的数据包；以及使用包来确定是否更新因果表，并且如果是，则改变行中的一行或列中的一列中的数据项。
具体实施方式
图1示出了根据本公开的示例性自主仪器管理系统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，此处系统100被用于有利于控制一个或多个厂房中的部件，在图1中示出为101a、101b和101n(下文称为101a-101n)。每个厂房101a至101n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。一般来讲，每个厂房101a至101n可以实现一个或多个过程，并且可以单独地或共同地被称为过程系统。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使用过程控制的普渡模型来实现。在普渡模型中，“0级”可以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表示过程系统中的可执行多种功能中的任一种功能的部件。例如，传感器102a可以测量过程系统中的多种特性，诸如温度、压力、体积或流速，并且可以包括此类仪器作为超声流量计、涡轮、孔口、科里奥利流量计、气相色谱仪、P&T发射器、流量计算机等。另外，致动器102b可改变过程系统中的多种特性。传感器102a和致动器102b可以表示任何合适的过程系统中的任何其他或附加部件。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。传感器和致动器通常可被称为现场设备。
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可表示以太网网络、电信号网络(诸如HART或基金会现场总线网络)、气动控制信号网络、或任何其他或附加类型的网络。
在普渡模型中，“1级”可包括一个或多个控制器106，该一个或多个控制器耦接到网络104。除了其他以外，每个控制器106可以使用来自一个或多个传感器102a的测量值来控制一个或多个致动器102b的操作。例如，控制器106可从一个或多个传感器102a接收测量数据，并且使用测量数据为一个或多个致动器102b生成控制信号。多个控制器106也可在冗余配置中操作，诸如当一个控制器106作为主控制器操作而另一个控制器106作为备用控制器(其与主控制器同步并且可在主控制器发生故障的情况下接管主控制器)操作时。每个控制器106包括用于与一个或多个传感器102a进行交互并且控制一个或多个致动器102b的任何合适的结构。每个控制器106可以例如表示多变量控制器，例如鲁棒多变量预测控制技术(RMPCT)控制器或实现模型预测控制(MPC)或其他高级预测控制(APC)的其他类型的控制器。作为特定示例，每个控制器106可以表示运行实时操作系统的计算设备。
两个网络108耦接到控制器106。网络108有利于与控制器106的交互，诸如通过向控制器106传输数据和从控制器传输数据。网络108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108可以表示一对以太网网络或一对冗余的以太网网络，诸如来自霍尼韦尔国际公司(HONEYWELL INTERNATIONAL INC.)的容错以太网(FTE)网络。
至少一个交换机/防火墙110将网络108耦接到两个网络112。交换机/防火墙110可以将流量从一个网络传输到另一个网络。交换机/防火墙110还可以阻止一个网络上的流量到达另一个网络。交换机/防火墙110包括用于在网络之间提供通信的任何合适的结构，诸如霍尼韦尔控制防火墙(HONEYWELL CONTROL FIREWALL)(CF9)设备。网络112可表示任何合适的网络，诸如一对以太网网络或一个FTE网络。
在普渡模型中，“2级”可以包括耦接到网络112的一个或多个机器级控制器114。机器级控制器114执行各种功能以支持可与一特定工业设备(诸如锅炉或其他机器)相关联的控制器106、传感器102a和致动器102b的操作和控制。例如，机器级控制器114可以记录由控制器106收集或生成的信息，诸如来自传感器102a的测量数据或用于致动器102b的控制信号。机器级控制器114还可以执行控制控制器106的操作的应用程序，从而控制致动器102b的操作。此外，机器级控制器114可以提供对控制器106的安全访问。机器级控制器114中的每个机器级控制器包括用于提供对机器或其他单独设备的访问、控制或与其相关的操作的任何合适的结构。机器级控制器114中的每个机器级控制器可以例如表示运行MICROSOFTWINDOWS操作系统的服务器计算设备。虽然未示出，但是不同机器级控制器114可以用于控制过程系统中的不同设备(其中每件设备与一个或多个控制器106、传感器102a和致动器102b相关联)。
一个或多个操作员站116耦接到网络112。操作员站116表示提供对机器级控制器114的用户访问的计算设备或通信设备，其然后可以提供对控制器106(以及可能的传感器102a和致动器102b)的用户访问。作为特定示例，操作员站116可以允许用户使用由控制器106和/或机器级控制器114收集的信息来查看传感器102a和致动器102b的操作历史。操作员站116还可以允许用户调整传感器102a、致动器102b、控制器106或机器级控制器114的操作。此外，操作员站116可以接收并显示由控制器106或机器级控制器114生成的警告、警示或其他消息或显示。操作员站116中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站116中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算设备。
至少一个路由器/防火墙118将网络112耦接到两个网络120。路由器/防火墙118包括用于在网络之间提供通信的任何合适的结构，诸如安全路由器或组合路由器/防火墙。网络120可表示任何合适的网络，诸如一对以太网网络或一个FTE网络。
在普渡模型中，“3级”可以包括耦接到网络120的一个或多个单元级控制器122。每个单元级控制器122通常与过程系统中的单元相关联，该单元表示一起操作以实现过程的至少一部分的不同机器的集合。单元级控制器122执行各种功能以支持较低级别中的部件的操作和控制。例如，单元级控制器122可以记录由较低级别中的部件收集或生成的信息，执行控制较低级别中的部件的应用程序，并且提供对较低级别中的部件的安全访问。单元级控制器122中的每个单元级控制器包括用于提供对处理单元中的一个或多个机器或其他设备的访问、控制或与其相关的操作的任何合适的结构。单元级控制器122中的每个单元级控制器可以例如表示运行MICROSOFT WINDOWS操作系统的服务器计算设备。虽然未示出，但是不同单元级控制器122可以用于控制过程系统中的不同单元(其中每个单元与一个或多个机器级控制器114、控制器106、传感器102a和致动器102b相关联)。
可以由一个或多个操作员站124提供对单元级控制器122的访问。操作员站124中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站124中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算设备。
至少一个路由器/防火墙126将网络120耦接到两个网络128。路由器/防火墙126包括用于在网络之间提供通信的任何合适的结构，诸如安全路由器或组合路由器/防火墙。网络128可表示任何合适的网络，诸如一对以太网网络或一个FTE网络。
在普渡模型中，“4级”可以包括耦接到网络128的一个或多个厂房级控制器130。每个厂房级控制器130通常与厂房101a至101n中的一个厂房相关联，该厂房可以包括实现相同、类似或不同过程的一个或多个处理单元。厂房级控制器130执行各种功能以支持较低级别中的部件的操作和控制。作为特定示例，厂房级控制器130可以执行一个或多个制造执行系统(MES)应用程序、调度应用程序或其他或附加厂房或过程控制应用程序。厂房级控制器130中的每个厂房级控制器包括用于提供对加工厂房中的一个或多个处理单元的访问、控制或与其相关的操作的任何合适的结构。厂房级控制器130中的每个厂房级控制器可以例如表示运行MICROSOFT WINDOWS操作系统的服务器计算设备。
可以由一个或多个操作员站132提供对厂房级控制器130的访问。操作员站132中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站132中的每个操作员站可例如表示运行MICROSOFTWINDOWS操作系统的计算设备。
至少一个路由器/防火墙134将网络128耦接到一个或多个网络136。路由器/防火墙134包括用于在网络之间提供通信的任何合适的结构，诸如安全路由器或组合路由器/防火墙。网络136可以表示任何合适的网络，诸如全企业以太网或其他网络，或更大型网络(诸如互联网)的全部或一部分。
在普渡模型中，“5级”可包括耦接到网络136的一个或多个企业级控制器138。每个企业级控制器138通常能够执行多个厂房101a至101n的规划操作并控制厂房101a至101n的各个方面。企业级控制器138还可以执行各种功能以支持厂房101a至101n中的部件的操作和控制。作为特定示例，企业级控制器138可以执行一个或多个订单处理应用程序、企业资源规划(ERP)应用程序、高级规划和调度(APS)应用程序或任何其他或附加企业控制应用程序。企业级控制器138中的每个企业级控制器包括用于提供对一个或多个厂房的访问、控制、或与控制相关的操作的任何合适的结构。企业级控制器138中的每个企业级控制器可以例如表示运行MICROSOFT WINDOWS操作系统的服务器计算设备。在本文档中，术语“企业”是指具有要管理的一个或多个厂房或其他加工设施的组织。应当注意，如果要管理单个厂房101a，那么企业级控制器138的功能可以结合到厂房级控制器130中。
可由一个或多个操作员站140提供对企业级控制器138的访问。操作员站140中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站140中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算设备。
普渡模型的各个级别可包括其他部件，诸如一个或多个数据库。与每个级别相关联的数据库可存储与该级别或系统100的一个或多个其他级别相关联的任何合适的信息。例如，历史数据库141可耦接到网络136。历史数据库141可以表示存储关于系统100的各种信息的部件。历史数据库141可以例如存储在生产调度和优化期间使用的信息。历史数据库141表示用于存储信息且有利于信息检索的任何合适的结构。虽然被示出为耦接到网络136的单个集中式部件，但是历史数据库141可定位于系统100中的其他位置，或者多个历史数据库可分布在系统100中的不同位置。
在特定实施方案中，图1中的各种控制器和操作员站可以表示计算设备。例如，控制器中的每个控制器可以包括一个或多个处理设备142和一个或多个存储器144，该一个或多个存储器用于存储由一个或多个处理设备142使用、生成或收集的指令和数据。控制器中的每个控制器还可以包括至少一个网络接口146，诸如一个或多个以太网接口或无线收发器。另外，操作员站中的每个操作员站可以包括一个或多个处理设备148以及用于存储由一个或多个处理设备148使用、生成或收集的指令和数据的一个或多个存储器150。操作员站中的每个操作员站还可以包括至少一个网络接口152，诸如一个或多个以太网接口或无线收发器。
图2示出了自主仪器管理系统的另一个示例。图2包括控制器200，该控制器可以是任何合适的控制器，诸如关于图1描述的那些控制器或其他控制器。在一个示例中，控制器200被配置为监测设备250的状态、状况或其他方面。设备250可以是可以有利于生产或加工至少一种产品或其他材料的任何合适的设备。在一个示例中，这包括气体流量计或超声换能器。在另一个示例中，控制器200可以使用头端240来基于由头端240提供的分析来提供自动纠错、服务推荐和其他功能。设备250可以是具有微处理器并且能够存储大量数据和/或对大量数据执行分析的任何合适的设备。在一个示例中，设备250是测量设备，诸如体积和/或质量流量测量设备或测量仪。
在操作中，控制器200使用监测模块205监测设备250。监测模块205从设备250连续地接收测量数据并将该测量数据与参考值进行比较。例如，这可以是体积流量计向监测模块205报告体积测量值并且监测模块将该体积测量值与表示正常操作范围的测量数据进行比较。测量数据可以存储在数据库299或其他合适的存储机制诸如硬件、软件、固件或这些的任何合适的组合中。当测量数据和参考值指示设备250超出范围操作或以其他方式处于需要某一动作的状态时，将信号290发送到推荐模块210。当设备250的超声换能器具有指示准确度降低的参考值时，这可能发生。另选地，当任何通用传感器、仪器或设备在与预期参考值相比时超出范围操作时，可能发生这种情况。
推荐模块210可以访问解决方案数据220，其中其被配置为向监测模块205提供解决方案并且能够使得控制器200能够使设备250返回到范围内或以其他方式恢复其正常操作特性。还可以使用票生成模块215，该票生成模块被配置为执行解决导致票起始的错误状况的过程。票生成模块215可以被配置为从推荐模块210接收信号290。在一个示例中，控制器200将与错误状况相关联的数据封装到包中并且将其发送到头端240。包可以在每个设备的基础上被包括，并且也可以预定义的延迟发送，这可以允许系统在将该包发送到票生成模块215之前稳定在错误情况。例如，在简单消失的短暂干扰的情况下，可能无需发送包。还可以基于一个错误情况发生多个错误和警告。(例如，断开的传感器电缆将导致许多不同的错误)，在这种情况下，包可以包括多个错误，或者可以发送多个包。在另一个示例中，包包括由控制器200收集的详细设备信息，如设备的名称和序列号、位置、日志(原始数据)文件、推荐文本等等。
头端240被配置为接收包并且利用机器学习模块225使用包来执行机器学习。因果模块230也可以包括在头端240中。因果模块230可以具有其他数据结构的表，该表将问题的原因与问题的解决问题进行配对。通过随时间连续地利用机器学习模块225，例如，随着为现有问题学习更好的解决方案，可以更新因果模块230。在一个示例中，因果模块305被配置为具有针对设备250的任何活动状态、警报和警告消息中的一者或多者。这样，机器学习模块225随时间改善因果表230，并且这将进而改善控制器200、推荐模块210的性能并且可以用于改善解决方案数据220。
图3示出了自主仪器管理系统的另一个示例。在图3中，更详细地描述了头端240的操作。图3包括控制器200，该控制器被配置为监测可以有利于生产或加工至少一种产品或其他材料的设备的状态、状况或其他方面。头端240被配置为基于由头端240提供的分析来提供自动纠错、服务推荐和其他功能。在操作中，控制器200通过从设备连续地接收测量数据并将该测量数据与参考值进行比较来监测设备。测量数据不限于该特定设备。相反，它可以是任何工业装置(测量设备)，如气体流量计、气相色谱仪、温度传感器、压力传感器、超声换能器或任何合适的通用测量设备。
测量数据可以存储在数据库299或其他合适的存储机制诸如硬件、软件、固件或这些的任何合适的组合中。
当测量数据和参考值指示设备超出范围操作或以其他方式处于需要某一动作的状态时，票生成模块315与头端240通信。头端240被配置为接收来自票生成模块315的通信并且生成票，该票可以被处理并利用推荐引擎300。在一个示例中，可以在头端240处生成新票号，该头端利用票可以包括被封装在从控制器200发送的包中的细节。可以在头端240处共享和存储票号，例如，它可以用于在通过传统票处理系统处理时参考票，直到解决问题并且票关闭。
推荐引擎300被配置为使用分析模块330来对解决设备(此处示出为设备390)中发生的错误提供自主建议。推荐引擎300还被配置为使用通知模块320将详细报告返回到票生成模块315。报告可以包括例如与设备相关的所有信息如数据日志文件、历史数据和推荐。在一个实施方案中，推荐引擎300可以提供最可能的根本原因和最可能的推荐，以解决回到设备的该错误情况。最可能的根本原因和最可能的推荐都可以明文或其他形式提供给用户、设备屏幕或两者。在另一个示例中，每个推荐具有介于0％与100％之间的计算的可能性指示符。推荐引擎300可以使用具有最高可能性的推荐来向用户、设备屏幕或其他地方表示。
机器学习模块350也可以使用来自头端240的通信。机器学习模块350可以使用因果矩阵305来执行机器学习，该因果矩阵也可以包括在头端240中。因果矩阵305可以具有其他数据结构的表，该表将问题的原因与问题的解决问题进行配对。通过随时间连续地利用机器学习模块350，例如，随着为现有问题学习更好的解决方案，可以更新因果矩阵305。这样，机器学习模块350随时间改善因果矩阵305，并且这将进而改善控制器200、推荐模块210的性能并且可以用于改善解决方案数据。在一个示例中，可以将自动反馈从票生成模块315或另一个源提供给机器学习模块350。自动反馈可以包括与针对设备的实际现场解决方案相关联的数据，该数据可以用于更新因果矩阵305、推荐引擎300或两者。
图4是示出根据一个实施方案的自主仪器管理系统的操作的流程图。在步骤400处，系统等待直到存在主动错误。当存在主动错误时，然后在步骤405处生成推荐。例如，这可以使用因果模块。此后，在步骤410处，将包发送到票务系统。例如，包可以包括与在步骤400中触发错误状态的设备相关联的原始和/或历史数据。在一个示例中，票务系统将以两种方式中的一种方式解决与包相关联的设备问题：1.自主调整设备参数；或2.需要人工干预。系统将通过将错误和根本原因描述发送到用户以进行人工干预来寻求解决步骤415处的问题，或者将通过远程调整设备来自主解决问题。
在步骤420处，系统确定是否已修复错误。如果不是，则重复步骤415处的错误解决步骤。当修复错误状况时，在步骤425处更新票务系统，并且在步骤430处将数据包发送到推荐模块。在步骤435处，推荐引擎分析数据包。在步骤440处，推荐引擎确定是否需要更新因果模块。如果不是，则该过程结束。否则，在步骤445处更新因果模块，并且该过程结束。
图5是示出根据另一个实施方案的自主仪器管理系统的操作的流程图。在步骤500处，系统等待直到将接收信号。在步骤505处，分析信号。例如，当检测到设备的超声换能器以降低的准确度操作时，可以发送该信号。在步骤510处，系统确定是否存在主动错误。如果不是，则系统继续步骤500处的等待。当在步骤510处发生错误时，系统在步骤515处确定参数改变是否是可能的。当参数改变是不可能的时，系统在步骤540处(例如，使用因果表)生成推荐，并且例如在步骤545处创建数据包并将其发送到票务系统。此后，该过程结束。
当在步骤515处参数改变是可能的时，可以在步骤520处计算新参数值。在一个示例中，如关于表1进一步详细描述的以阶梯方式逐渐改变参数。
表1
参数 最小值 最大值 增量步长 减量步长
参数1 数据1 数据2 数据3 数据4
参数2 数据5 数据6 数据7 数据8
在步骤525处，系统确定设备的当前参数值是否处于该系统无法再使其增加的阈值处。例如，这可以通过将当前值与给定设备的表1中的最大值进行比较并且确定当前值是否等于或大于最大值而发生。如果步骤525处的当前参数值不处于系统无法再使其增加的阈值处，则系统在步骤530处更新连接的设备。在步骤535处，系统确定是否解决错误。如果是，则该过程结束。否则，过程在步骤500处重复，并且此后系统在步骤500处等待附加信号。
表1以及其他可以用于指示系统针对设备进行阶梯式调整时使用哪些值。在另一个示例中，因果模块包括与来自被监测的设备的每个错误或警告相关联的加权因子。例如，每个因子可以0至10的等级评定，其中0不具影响，并且10指示对因果模块的结果非常重要。每个可能的错误原因也可以具有每个可能的错误和警告上的加权因子。每个错误原因可以例如以-10至10的等级评定，其中0不具影响，-10指示影响的高度降低，并且10指示对因果模块的结果非常重要。
尽管已经以特定于结构特征和/或方法动作的语言描述了本主题，但应当理解，所附权利要求书中限定的主题不一定限于上述特定特征或动作。相反，上文所述的具体特征和动作被公开为实现权利要求的示例形式。

Claims (9)

1.一种仪器管理设备，包括：
用于第一设备的监测模块(205)，其中所述第一设备被配置为从第二设备获得测量数据，将所述测量数据与参考值进行比较，并且在所述测量数据与所述参考相比指示错误状况时发送信号；
推荐模块(210)，所述推荐模块用于从所述监测模块(205)接收所述信号，分析所述信号，并且通过使用因果模块(230)生成与所述错误状况相关联的一个或多个推荐，所述因果模块(230)包括具有至少一行和至少一列的数据结构，所述推荐模块(210)从所述因果模块(230)的所述行中的一行或所述列中的一列访问数据项；
票生成模块(215)，所述票生成模块用于接收包括所述数据项的所述一个或多个推荐，通过改变所述第二设备的状态来获得所述错误状况的解决方案，并且生成与所述错误状况的所述解决方案相关联的数据包；和
机器学习模块(225)，所述机器学习模块被配置为使用所述包来确定是否更新所述因果模块(230)，并且如果是，则改变所述行中的一行或所述列中的一列中的所述数据项。
2.根据权利要求1所述的设备，其中所述第一设备具有微处理器和存储器。
3.根据权利要求2所述的设备，其中所述测量数据与通用测量设备相关联。
4.根据权利要求3所述的设备，其中所述错误状况指示特定错误。
5.一种系统，包括：
用于第一设备的监测系统(205)，其中所述第一设备被配置为从第二设备获得测量数据，将所述测量数据与参考值进行比较，并且在所述测量数据与所述参考相比指示错误状况时发送信号；
推荐系统(210)，所述推荐系统用于从所述监测系统(205)接收所述信号，分析所述信号，并且通过使用因果表(230)生成与所述错误状况相关联的一个或多个推荐，所述因果表(230)包括具有至少一行和至少一列的数据结构，所述推荐系统(210)从所述因果表(230)的所述行中的一行或所述列中的一列访问数据项；
票生成系统(215)，所述票生成系统用于接收包括所述数据项的所述一个或多个推荐，通过改变所述第二设备的状态来获得所述错误状况的解决方案，并且生成与所述错误状况的所述解决方案相关联的数据包；和
机器学习系统(225)，所述机器学习系统被配置为使用所述包来确定是否更新所述因果表(230)，并且如果是，则改变所述行中的一行或所述列中的一列中的所述数据项。
6.根据权利要求5所述的系统，其中所述第一设备具有微处理器和存储器。
7.根据权利要求6所述的系统，其中所述测量数据与通用测量设备相关联。
8.根据权利要求7所述的系统，其中所述错误状况指示特定错误。
9.一种方法，包括：
从设备获得测量数据；
将所述测量数据与参考值进行比较；
在所述测量数据与所述参考相比指示错误状况时接收信号；
使用因果表(230)生成与所述错误状况相关联的一个或多个推荐，所述因果表(230)包括具有至少一行和至少一列的数据结构，所述使用步骤还包括从所述因果表(230)的所述行中的一行或所述列中的一列访问数据项；
通过改变所述设备的状态来获得所述错误状况的解决方案；
生成与所述错误状况的所述解决方案相关联的数据包；以及
使用所述包来确定是否更新所述因果表(230)，并且如果是，则改变所述行中的一行或所述列中的一列中的所述数据项。
CN202210994789.1A 2021-09-08 2022-08-18 自主仪器管理 Pending CN115774424A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/447,091 US20230070826A1 (en) 2021-09-08 2021-09-08 Autonomous instrument management
US17/447,091 2021-09-08

Publications (1)

Publication Number Publication Date
CN115774424A true CN115774424A (zh) 2023-03-10

Family

ID=83318890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210994789.1A Pending CN115774424A (zh) 2021-09-08 2022-08-18 自主仪器管理

Country Status (4)

Country Link
US (1) US20230070826A1 (zh)
EP (1) EP4148521A1 (zh)
CN (1) CN115774424A (zh)
CA (1) CA3172607A1 (zh)

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090204237A1 (en) * 2001-08-10 2009-08-13 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US7797062B2 (en) * 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US6655754B2 (en) * 2002-04-02 2003-12-02 Ford Global Technologies, Llc Vehicle brake system having adaptive torque control
US6909994B2 (en) * 2002-11-25 2005-06-21 General Electric Company Method, system and computer product for performing failure mode and effects analysis throughout the product life cycle
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
EP3059676B1 (en) * 2015-02-20 2019-09-11 Siemens Aktiengesellschaft A method and apparatus for analyzing the availability of a system, in particular of a safety critical system
JP6457369B2 (ja) * 2015-09-30 2019-01-23 ファナック株式会社 パラメータを自動調整する機能を有する機械学習装置及び電動機制御装置
US20180284758A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for industrial internet of things data collection for equipment analysis in an upstream oil and gas environment
JP6890382B2 (ja) * 2016-05-23 2021-06-18 ルネサスエレクトロニクス株式会社 生産システム
US11237546B2 (en) * 2016-06-15 2022-02-01 Strong Force loT Portfolio 2016, LLC Method and system of modifying a data collection trajectory for vehicles
JP6490127B2 (ja) * 2017-03-15 2019-03-27 ファナック株式会社 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法
US10678233B2 (en) * 2017-08-02 2020-06-09 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection and data sharing in an industrial environment
US11004328B2 (en) * 2019-03-27 2021-05-11 Fisher Controls International Llc Apparatus and methods for alert management in process control instrumentation
US10678196B1 (en) * 2020-01-27 2020-06-09 King Abdulaziz University Soft sensing of a nonlinear and multimode processes based on semi-supervised weighted Gaussian regression

Also Published As

Publication number Publication date
US20230070826A1 (en) 2023-03-09
CA3172607A1 (en) 2023-03-08
EP4148521A1 (en) 2023-03-15

Similar Documents

Publication Publication Date Title
US7272531B2 (en) Aggregation of asset use indices within a process plant
US6915235B2 (en) Generation of data indicative of machine operational condition
US7103427B2 (en) Delivery of process plant notifications
EP3751373B1 (en) Predictive troubleshooting for abnormal plant operations
US20040158474A1 (en) Service facility for providing remote diagnostic and maintenance services to a process plant
CN102520717A (zh) 用于在加工厂中预防异常状况的数据呈现系统
US20210333789A1 (en) Method and apparatus for real time model predictive control operator support in industrial process control and automation systems
EP3039595A1 (en) System and method for multi-domain structural analysis across applications in industrial control and automation system
EP3338225A1 (en) System and method for providing multi-site visualization and scoring of performance against service agreement
WO2019226846A1 (en) Competency gap identification of an operators response to various process control and maintenance conditions
WO2017031190A1 (en) System and method for providing visualization of performance against service agreement
US11449044B2 (en) Successive maximum error reduction
CN115774424A (zh) 自主仪器管理
US11334061B2 (en) Method to detect skill gap of operators making frequent inadvertent changes to the process variables
US10235447B2 (en) Method and system for co-operative intelligent HMIs for effective process operations
WO2017165029A2 (en) Process control system performance analysis using scenario data
WO2017031206A1 (en) System and method for providing visual feedback in site-related service activity roadmap
WO2017031165A1 (en) System and method for providing high-level graphical feedback related to overall site performance and health
US11740596B2 (en) Method and system to provide cost of lost opportunity to operators in real time using advance process control
CN111837082B (zh) 利用近实时条件的超声流量计预诊
US20170269565A1 (en) Method and apparatus to acquire parameters of gas metering

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