CN116194854A - 自动创建技能界面的方法、计算机程序产品和设备 - Google Patents

Abstract

自动为用户创建一个信息模型，该信息模型具有用于各个技能和一般机器行为或错误案例的状态图。这极大地减少了后续实施技能界面的工程设计工作量，并且在许多情况下，一开始就能够实现使经济上可行的实施。

Description

自动创建技能界面的方法、计算机程序产品和设备

背景技术

OPC统一架构(OPC UA)是一种数据交换的标准，例如在工业设施中作为独立于平台的，面向服务的架构(SOA)。此外，OPC UA在IEC 62541标准系列中发布。

OPC UA信息模型作为监视和控制机器和系统的统一界面发挥着越来越重要的作用，特别是在工业生产中。

信息模型的基础通常形成OPC UA配套规范。例如，“OPC UA机器人配套规范”(简称OPC UA Robotics)提供了标准化的信息模型，其能够以统一的方式呈现全部与机器人相关的数据，而无论制造商和地点如何。因此，能够在任何时候，在世界任何地方，并且与制造商和机器人类型无关地实现设施维护、状态监控、预防性维护和垂直集成。

在不同的规范中(例如PackML-包装机器语言(Packaging Machine Language))，状态机是统一映射和控制机器和系统的行为的重要手段。通常，现在能够在直接在控制器(SPS-可编程逻辑控制器，PLC或SoftPLC-可编程逻辑控制器)上运行的OPC UA服务器中实例化这些模型。

为了使SPS能够由外部系统控制，状态机必须使用标准化(OPC UA)信息模型进行映射，然后将其放置在OPC UA服务器上并可供OPC UA客户端访问。然后，客户端能够读出当前状态并通过方法调用启动状态更改。映射机器或设施的状态机的信息模型的工程设计通常非常耗时并且通常手动执行，这里需要关于OPC UA信息模型中的状态机的建模以及关于PLC程序中状态模型的工作原理的详细知识。

虽然现在能够通过工程设计为新的待编程的系统提供一定程度的支持(例如通过自动产生模型并将其与PLC代码互连)，但在此，所谓的“棕地”安装的情况显然更加复杂。

因此，安装意味着，利用现有软件和架构概念，其中，必须将新开发的软件集成到现有软件和架构概念中。与全新开发(也称为绿地开发)不同，进一步开发必须符合结构框架条件。通常，控制程序的确切工作原理是未知的或根本无法访问。如果要实现映射行为的状态机，这将非常复杂或根本不可能。

除了PackML等标准外，调用技能的界面也是一个重要的应用情况。在此，所谓“技能”，一般理解为资源执行特定功能的能力，例如实现生产流程的特定步骤。技能由技能服务(功能)和技能界面(配属界面)组成，技能也能够用于描述生产过程，例如在自动化设施上执行的生产过程。目的是基于需要的能力，根据技能识别适合生产过程每个步骤的资源，而不是必须命名实际生产资源。如上所述，由于大量的人工工作，这些技能的经济合理的后续实施以及尤其它们在现有设施中的界面，目前是尚未解决的问题。

目前，后续实现技能界面的唯一方法是使用“UaModeler”或“SiOME”等工具创建信息模型和手动工程设计。尽管后一种工具能够有限地从PLC代码自动创建信息模型，但能够在所考虑的应用情况中使用该功能，PLC代码中待创建的模型必须已经准确地映射到相同的结构。这种情况在棕地情况下是不现实的。

因此，创建者需要了解状态机的全部工作原理，因此其能够利用方法调用和引用正确建模每个状态和转换。分析设施行为的系统旨在参数化旨在优化或控制设施的模型。

发明内容

本发明的目的是将信息模型中的状态和转换的行为自动映射为技能界面。

该目的通过根据权利要求1的特征的方法来实现。

该目的通过根据权利要求x的特征的计算机程序产品来实现。

该目的通过根据权利要求x的特征的设备进一步实现。

本发明的有利设计方案在从属权利要求中指定。

下面描述的方法的目的在于，自动化地创建用于棕地设施或机器的信息模型自动化，而用户不必详细知道所涉及的控制器的控制代码。该信息模型将用作技能界面，以便例如OPC UA客户端能够统一监控技能状态，并在必要时触发技能的执行并获得结果反馈。

附图说明

此外，在附图中以有利的设计方案示出本发明，图中示出：

图1示出了状态图和在子树中的分离，

图2示出了无交叉的方法步骤，

图3示出了分类的结果的区别，

图4示出了技能状态机，以及

图5示出了具有两个技能的机器状态机。

具体实施方式

图1至图3根据非常简单的状态图来示出子树的分离和识别。

阶段1：检测系统的状态

为此，首先通过观察可访问变量来检测系统能够具有的全部状态。

例如，这能够借助于使用来自自动化系统的信号自动标记签名的方法来完成，类似于EP 3579072 A中描述的方法。

在此，首先调整参考设施记录的状态时间序列的量化，使得状态时间序列包括的全部状态具有超过先前确定的最小时间的至少一个状态持续时间。然后，基于至少一个状态时间序列中的状态变化来得出设施状态。在此，位于两个连续的设施状态的位置之间的记录的同步数据时间序列的部段被得出，并且这些部段被设有指示确定签名的设施状态的标识符。

之后，如果获得的状态集匹配所期望的粒度(即所期望的状态类的数量)，例如在EP 3 579 073 A中描述的那样，借助于一种方法来自动组合(聚合)签名。如上所述，将两个连续的设施状态之间的至少一个同步数据时间序列中的部段确定为签名，其中，得出的每个签名的持续时间与最小持续时间进行比较，并且其中，根据限定的规则，将持续时间小于最小持续时间的签名与相邻的签名组合。

然后，终于推导出通用的状态模型。在此，例如能够通过观察系统行为构建具有状态和状态之间的关系的图。然后通过合适的规则将该图传输到信息模型。例如，将状态创建为状态对象，将转换创建为过渡对象，将状态之间的关系创建为联系，将触发特定反应的动作创建为方法。

在此，自动识别是等待状态还是转变状态。更高级别的状态机也被相应地识别和建模。参考和方法同样在信息模型中建模。

为了有意义地执行这些步骤，必须满足以下先决条件：

必须能够访问清楚地表征设施/机器的状态的变量。

在大多数自动化系统中，这通常能够使用不同的方法来实现，例如通过分析控制器之间的总线通信，至传感器、分散式外围设备和HMI的通信，或直接在自动化程序、控制项目中观察实时变量值。

为了正确检测系统的状态，全部待映射的状态必须至少运行一次。

该先决条件能够通过有针对性地控制所期望的状态，或者通过在足够长的时间段上观察系统的运行来满足。在这种情况下，能够出现仍未检测到状态的情况，该状态以后能够被探测到并单独处理。对此的详细信息参见方法的阶段3。

阶段1的结果是一般状态模型，其描述系统行为的，但还不能更具体地了解情况或有针对性地控制行为。在此，已经考虑了如等待状态、转变(瞬时转换)、转换状态和结构(例如子状态机)之间的区别的基本行为。

阶段2：状态模型的区分

基于阶段1创建的一般状态模型，现在能够进行区分。

如果要至少为一个生产步骤创建技能界面，则下首先确定应该为哪个生产步骤创建技能界面。为此，必须在状态模型中指定生产步骤和配属的需要的技能的相应初始状态A，C和配属的最终状态B，D。

例如，这能够通过在阶段1的状态检测期间简单地识别(标记)情况来完成。生产功能的开始或调用能够在系统中能够很好地观察到(与PLC程序中的内部过程相比)，因为自动化系统涉及生产控制与设施控制之间的通信。能够通过评估此通信来确定生产步骤开始的时间。替代地，仅从外部观察系统的用户能够指定生产步骤的开始和结束时间。

这在棕地分析的情况下特别有利，因为用户不需要对此有任何更详细的知识，例如关于变量分配的知识。

如果已经有功能的自动(其他)的驱控，则该通信同样能够用于标记。

此外，在此，能够标记已经正常的运行(即成功的生产步骤，没有错误)。如果它是以成功执行生产步骤为常态的生产设施(绝大多数设施是这种情况)，则这能够通过选择最频繁的序列自动实现。相反，错误或异常很少发生。

从如此得出的模型开始，每个状态具有明确的标识符(即每个状态在机器/设施行为方面是明确的)并为每个技能标记开始和结束状态，执行以下算法。该措施在图1和图2中示例性示出。在图中，实现了两个技能，由从节点A，131至节点B，133的路径来表示技能1。由节点C，122与节点D，123之间的路径表示技能2。节点X，112和Y，111表示特定于技能的错误。

示出的是具有不同的状态111，...143的状态图，不同的状态相互连接以形成图。

步骤1：切除全部从生产步骤的起点开始能够导致生产步骤完成的路径(可能带有错误消息或中断)12，结构MO技能2，13，结构MO技能。

状态模型的这样得到的部段包括：期望的功能序列，即实际技能，其是从节点A经由节点122，121，123至节点B的路径。

还有一些节点代表所谓的一般机器行为，即能够与多个技能的方法步骤相关联，在给出的示例中，这些节点是节点141，142，143。

此外，还有与技能配属的特殊错误情况X，112，Y，111，并且可能还有其他未在本示例中详细示出的一般错误情况。

然后，步骤2导致与单独图形的映射，如14中所示，良好情况M1技能1，15，良好情况M1技能2，他们分别代表原始图的子图。通过从步骤1中找到的状态集中提取状态序列(其描述“良好情况”，即技能的正常执行)产生子图，子图包括从开始A，C至目标B，D的所需要的生产步骤的各个步骤的全部可行的序列或者正常的序列。

在此，能够通过不同的方式得出哪些状态属于正常序列。这能够在阶段1中在选择技能的时候就已经得出了。对此，替代地，能够针对在步骤1中找到的每个子集再次有针对性地触发和观察序列。

已经运行的全部状态现在与技能运行的“良好情况”相关联，并包含在子图12，13中。

如果多个生产步骤/技能需要此映射，则对每个所期望的技能重复步骤1和2。

步骤3：将目前全部发现的代表“良好情况”的结构相互比较。

在此，如果发现一致性，这这些序列或状态被标记为不同技能之间的共享功能。(M2技能n技能m)

在附图中所示的示例中，这些是节点141，142，143(以及它们之间的配属的连接)。

相反地，如果技能之间没有共同的结构，那么它们在功能上是独立的。

步骤4：然后将步骤3中确定的“良好情况”从各个技能结构状态图中减去，即从整体图11中减去找到的子状态图14，15，并且实现重新比较由此获得的全部状态集。在所示示例中保留4个子图21，22，23，24。

在此，如果找到一致性，这些区域将被标记为一般机器行为或一般错误情况。在此，这又涉及节点141，142，143，如图1中已经描述的情况。

未找到匹配项的区域例如是特定于技能的错误情况X，Y或特定于技能的机器行为(例如设置例程)M4-技能n。

阶段2中子集的形成和状态表征的结果现在被用于构建所需要的信息模型。

图3现在再次示出初始图，但是现在具有相应标记的状态。两个状态序列121，122，123和131，132，133分别示出具有初始和最终状态A-B和C-D的所需要的两种技能。存在通用机械行为141，142，143，其能够被两个技能共同使用。并且存在(特定于技能的)错误例程111，112。因此，状态图的全部得出的状态都清楚地与四个类别之一相关联。

图4示出了针对示例性技能的典型简化状态模型，并且图5示出了至少两个技能在机器状态模型中的嵌入。能够使用下面描述的规则将找到的状态映射到该机器状态模型。在此，能够在一个级别上显示全部状态并且“标准状态”(如图4中)被特别标记，或者如果找到的多个状态对应于一个技能状态，则形成子状态机，其包含额外的细颗粒度的状态。

在此，对于每个技能400，具有限定的调用序列(M1-技能)以及特定错误或中断过程(图2的阶段2中所示的M4技能n，状态X和Y，111，112)。

在图4中，在方框410中概括地示出良好情况的状态。从空闲状态Idle11开始，所期望的技能400进入执行状态Execute 412。在机器人的实例中，他能够开始加工工件。

如果需要，能够通过保持Hold 416中途暂停执行。这例如能够是必要的，如果由于必须更换加工工具或由于其他原因而不得不中断加工。一旦过程完成，即工件已经制作完成，然后，能够将工件例如正在完成状态413下从支架上移除，以便然后在完成状态414下再经由空闲状态过渡到开始状态Idle，411，以便继续加工另一个工件。一旦技能中出现错误，就进入技能特定的错误状态401，402，通过该状态借助于重置设施，重置415能够再次恢复正常处理过程。

一般机器行为和一般错误例程形成了技能调用(M3)的部分的框架。因此，也能够区分何时执行、调用技能或何时不调用技能。

在图5中，两个技能510，520在机器状态机500中并行执行。技能的状态序列被简化但类似于图4中所示的情况410。然而，该图还显示了两种状态531，532，它们被两种技能共同使用，并且因此代表了所谓的通用机器行为。

创建一个调用技能的方法，该方法触发从初始状态到后续转换的转换。如果有多个后继状态，则将那里的不同状态变量作为参数添加到此调用中，即系统会确认差别，并且利用输入变量自动创建方法。

具有共同使用的流程(M2)的技能Skill 1和Skill 2的调用相互锁定。例如，如果有一个共同的结构M2-Skill 1-Skill 2，Skill 1和2不能并行实施。

相反地，没有共同结构的技能在算法上是独立的。

最后，还引入了一种特殊的异常状态，当出现迄今未知的变量组合时，系统会采取这种状态。这示出条件是新的或未在阶段1中检测到。在这两种情况下，用户都能够决定是否应使用此附加状态重新运行该方法，以便将其包含在解决方案中。

这使得能够实现自动产生用于观察行为和调用技能的信息模型，并将其与机器的控制器连接，而无需用户详细了解或理解控制程序。在此，对于技能的触发的互联，与相应功能的已经存在的调用机制进行额外比较是有意义的。在此，信息模型侧的方法与PLC程序中相应的“方法”功能模块互联，这就是说，如果调用一个方法时，则工业控制器调用该方法的功能模块。

上述过程能够实现自动映射行为或将由此导出的状态模型转换为统一的OPC UA信息模型。在此，相比人工创建，总结起来有很多优点。

能够实现信息模型与控制变量的自动互连。

确保信息模型与控制变量之间的数据一致性(尤其是在发生变化的情况下)。所提出的方法能够在不同的时间点多次使用，而无需很复杂地使用现有数据。

由于信息模型的自动生成，用户无需额外的工程设计工作。不需要高于平均水平的关于设施的知识和包含的技能。

也不需要理解控制代码的语义。

针对该方法的应用无需分析控制代码，该分析既费时又容易出错。

该方法独立于控件制造商和编程语言，也是由于使用了标准化方法来从等待状态改变状态。自动地和基于规则地实现等待状态与转变状态之间的区分。

系统为用户会自动创建信息模型，该信息模型具有各个技能和一般机器行为或错误情况的状态图。这极大地减少了后续实施技能界面的工程设计工作量，并且在许多情况下，甚至能够在一开始就实现经济上可行的实施(在某些情况下，否则需要对自动化功能进行完整或广泛的重新实现)。

Claims (13)

1.一种为系统中执行的技能或生产步骤自动创建技能界面的方法，

所述方法具有以下步骤：

-检测系统的全部状态(111，...143)；

-创建由检测的状态和所述状态之间的关系组成的一般状态模型；

-将所述状态模型转换为信息模型；

-在所述状态模型内确定生产步骤的初始状态(A，C)和最终状态(B，D)；

-得出从需要的技能的所述初始状态到所述最终状态的状态(121，122，123，131，132，133，141，142，143)的全部序列，

-分离还能与另外的技能相关联的方法步骤(141，142，143)的全部序列；

-分离技能的错误处理的状态(111，112)。

2.根据权利要求1所述的方法，其特征在于，为了检测待映像的状态(111，...143)，必须将每个状态有针对性地驱控和执行至少一次。

3.根据权利要求1或2所述的方法，其特征在于，为了检测待映射的状态(111，...143)，在每个状态被执行至少一次的时间段期间观察所述系统。

4.根据前述权利要求中任一项所述的方法，其特征在于，在所述状态模型内将识别至少两个技能/生产步骤，其中，通过比较第一技能(12)的得出的状态图与第二技能(13)的得出的序列状态图的一致性，实现第一技能的的方法步骤(141，142，143)的还能关联另外的技能的序列，并且将由此得出的状态序列标记并从两个状态图中移除。

5.根据前述权利要求中任一项所述的方法，其特征在于，通过有针对性地执行技能和识别状态，得出生产步骤的所述初始状态和所述最终状态。

6.根据前述权利要求中任一项所述的方法，其特征在于，根据标准OPC-UA形成所述信息模型。

7.一种计算机程序产品，用于执行根据权利要求1所述的为系统中执行的技能或生产步骤自动创建技能界面的方法，

所述方法具有以下自动执行的步骤：

-检测所述系统的全部状态(111，...143)；

-创建由检测的状态与所述状态之间的关系组成的一般状态模型；

-将所述状态模型转换为信息模型；

-在所述状态模型内确定生产步骤的初始状态(A，C)和最终状态(B，D)；

-得出从需要的技能的所述初始状态到所述最终状态的状态(121，122，123，131，132，133，141，142，143)的全部序列；

-去除还能与另外的技能相关联的方法步骤(141，142，143)的全部序列，

-去除技能的错误处理的状态(111，112)。

8.根据权利要求7所述的计算机程序产品，其特征在于，为了检测待映射的状态(111，...143)，必须将每个状态有针对性地驱控和执行至少一次。

9.根据权利要求7或8所述的方法，其特征在于，为了检测待映射的状态(111，...143)，在每个状态被执行至少一次的时间段期间观察所述系统。

10.根据前述权利要求7至9中任一项所述的方法，其特征在于，在所述状态模型内将识别至少两个技能/生产步骤，其中，通过比较第一技能(12)的得出的状态图与第二技能(13)的得出的序列状态图的一致性，实现第一技能的的方法步骤(141，142，143)的还能关联另外的技能的序列，并且将由此得出的状态序列标记并从两个状态图中移除。

11.根据前述权利要求7至10中任一项所述的方法，其特征在于，通过有针对性地执行技能和识别状态(Tagging？？？)，得出生产步骤的所述初始状态和所述最终状态。

12.根据前述权利要求7至11中任一项所述的方法，其特征在于，根据标准OPC-UA形成所述信息模型。

13.一种适合于执行根据权利要求1至6中任一项所述的方法的设备。

Images