CN116741367A - 生成情境相关的信息的方法 - Google Patents

生成情境相关的信息的方法 Download PDF

Info

Publication number
CN116741367A
CN116741367A CN202310244614.3A CN202310244614A CN116741367A CN 116741367 A CN116741367 A CN 116741367A CN 202310244614 A CN202310244614 A CN 202310244614A CN 116741367 A CN116741367 A CN 116741367A
Authority
CN
China
Prior art keywords
context
data
information
ontology
related information
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
CN202310244614.3A
Other languages
English (en)
Inventor
M·门德斯
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.)
Schneider Electric Industries SAS
Original Assignee
Schneider Electric Industries SAS
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 Schneider Electric Industries SAS filed Critical Schneider Electric Industries SAS
Publication of CN116741367A publication Critical patent/CN116741367A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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]
    • G05B19/4184—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 fault tolerance, reliability of production system
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic 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
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31434—Zone supervisor, collects error signals from, and diagnoses different zone
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37537—Virtual sensor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种生成情境相关的信息的方法，用于向用户提供关于技术系统的状态的信息，其中该技术系统的情境相关的信息由不同的数据源提供。为了在没有真实数据源的情况下获得关于技术系统新情境的信息，在此建议，通过不同数据源的数据元素的交互关联、并且在不知道新情境的真实值但基于已知和经验相关的值的情况下，生成新情境的估计的情境相关的信息并提供给用户。

Description

生成情境相关的信息的方法
技术领域
本发明涉及一种生成情境相关的信息的方法，用于向用户提供技术系统的状态的信息，其中该技术系统的情境相关的信息由各种数据源提供。
背景技术
从现有技术中已知的情境相关系统使用有关其情境(即其环境)的信息来使其行为与之协调。这些系统工作的基础是由各种数据源或传感器提供的信息。确定的情境用于调整系统的行为，特别是用户界面的行为，以向用户提供信息。在此，情境例如被定义为可用于表征一个实体与其他实体交互的情况的任何类型的信息(Anind K.Dey,u.a.:Towardsa Better Understanding of Context and Context-Awareness.Graphics,Visualization and Usability Center and College of Computing,Georgia Instituteof Technology,Atlanta(Georgia),8.Juli 1999)。
在自动化系统中，存在各种可用的信息情境，但它们之间并没有“链接”在一起。在这方面，例如，来自自动化设备的OPC-UA“生命”数据可能与自动化设备的位置没有直接关系，因为所使用的各种信息模型没有“联系”。
另一个例子是例如自动化设备的诊断，其中必须考虑大量的信息情境，例如自动化设备的位置、拓扑结构、当前应用和相邻自动化设备，以便能够提供更精确的结果。
目前，由于信息是分离的和缺乏语义方面，信息的自动处理变得更加困难；这是因为从诊断中获得的信息需要被计算设备“理解”，即语义互操作性和数据互联方式方法必须要改进。
通常还存在一个问题，即并非所有必要的情境都可用。例如是关于位置或房间(其中安装自动化设备)的环境信息，因为自动化设备没有传感器。如果一个情境没有建模，或者数据不可用，那么如果能够提供“估计的”或“近似的”信息，即根据经验而获得的信息，而不需要精确测量，那将是有利的。
此外，从现有技术中已知基于语义规则引擎(Semantik Rule Engine SRE)与语义规则一起工作的方法。语义规则引擎允许实现动态和灵活的基于规则的策略，并且可以通过从本体(Ontologien)中定义的术语中获得额外的知识来编辑查询并提供结果。
虽然语义规则引擎可以用来定义动作，但是到目前为止还没有生成用于“估计的”信息的规则。然而，语义规则引擎被用作一种数据源，例如提供位置情境及其派生关系，其中OPC-UA数据与位置相链接。但是，用于这种分配的策略被规定。
目前还不知道使用语义规则引擎作为“估计的”或“近似的”信息的数据源的解决方案。
在OPC统一架构(OPC-UA)中，数据交换的标准被称为与平台无关的、面向服务的架构。作为OPC基金会的开放平台通信(OPC)所有规范的最新一代，OPC-UA与以前的OPC-UA有很大的不同，特别是性能方面，即不仅要传输、而且还要机器可读地进行语义描述机器数据(控制变量，测量值，参数等)。因此，OPC-UA，或任何其他设备访问和设备描述技术，能够对设备信息建模。然而，到目前为止，类似于语义规则引擎、OPC-UA被用作信息源，例如提供拓扑情境和诊断情境。
对于自动化设备(例如转速调节器)的诊断，提供当前信息，例如错误/警告代码、支持信息/状态、服务通知、探查原因(Probe cause)、补救措施、删除错误/警告代码、错误/警告历史记录、测试序列和警告组。然而，提供的许多信息大多是专属于设备的。此外，在设备信息模型中静态地定义了探查原因(Probe cause)和补救措施的信息。此外，不考虑其他情境相关的信息，例如其他设备、系统和环境，以提供更准确和全面的诊断信息。
发明内容
在此基础上，本发明所要解决的技术问题在于，进一步发展上述类型的方法，该方法解决了现有技术的上述问题。特别是，将在没有真实数据源的情况下生成关于技术系统的新情境的信息。
根据本发明，该问题通过一种生成情境相关的信息的方法来解决，其中，通过不同数据源的数据元素或者称数据项的交互关联(Korrelation或称为相关性)、并且在不知道新情境的真实值但基于已知的值和经验相关的值的情况下，生成新情境的估计的情境相关的信息并提供给用户。
因此，本发明涉及一种方法，用于推导用于工业自动化设备的估计或近似信息的新情境，以便基于假设、现有情境、它们之间的关系和以前的经验来支持或建议用户。
该方法基于现有的情境(数据源)及其相互之间的关系，其可以称之为数据的情境化。
新的情境不应被视为数据或信息的直接/具体来源，而是基于现有设备信息和过去的事件或用户经验被推导。
根据本发明的方法提供了从例如诊断数据、拓扑数据、位置数据或设备数据形式的现有知识中推导出新知识的可能性，以便为操作员提供针对特定问题的各种可能的解决方案。
情境相关信息优选地可以作为设备专属的数据形式的信息模型、诸如设备数据、诊断数据和/或测量数据由诸如OPC-UA服务器等自动化设备形式的第一数据源提供。
此外，作为补充，情境相关的信息可以优选地通过本体形式的第二数据源(如设备本体、位置本体、诊断本体)通过本体机器/推理机器作为语义数据形式的信息模型提供。
基于情境的信息优选地表示为信息模型中的数据元素，其中每个数据元素直接或间接地与情境ID相关联，从而在不同的数据源中实际上等同地表示特定的概念、属性或设备。
情境ID与OPC-UA信息模型中的数据元素的关联优选通过名称空间或节点ID进行，其中使用关联表(Zuordnungstabelle)将名称空间或节点ID转换为情境ID。
一种优选的方法规定，针对每个实例对情境ID与本体中的数据元素的关联建模。
作为数据源，优选可以使用数据库，特别是时间序列数据库用于当前值和过去值。
所述不同数据源的基于情境的信息的交互关联优选地包括以下步骤：
·在数据绑定单元和数据源之间建立连接；
·通过将具有等效ID的OPC-UA节点的情境ID包含在本体的信息模型中，利用对OPC-UA数据进行情境化实现情境相关的信息之间的关联；
·基于传入信息动态地创建数据库，其中将情境ID与本体的类别进行比较，并且如果匹配则在数据库中生成新关系。
特别优选的是，生成新情境和所属的数据元素包括以下步骤：
a)触发事件，例如更改诊断值或用户状态查询；
b)获取当前设备数据或从时间序列数据库读取当前设备数据；
c)必要时更新数据相关性；
d)触发对语义规则引擎的查询，以获取关于已知情境或已知信息的结论；
e)基于情境规则并基于步骤d)中语义规则的结果，创建估计的基于情境或者说情景相关的信息的新情境；
f)将第一次查询与已知和估计的信息相关联，并表达结果。
提供估计的情境相关或基于情境的信息的新情境优选地包括由用户界面显示语义信息。
优选地，基于所述可靠的情境相关的信息和所述估计的情境相关的信息，生成情境诊断信息。
主要用例优选地是结合生成用于通知用户可能情况的新情境来诊断设备，特别是自动化设备的功能状态(或者说健康状态)。
例如，在诊断具有情境的设备时，还报告设备之间可能的关联。例如，如果某些设备的功能状态很差并且位于同一空间中，则用户可以收到关于这些设备连同位置在内的通知，并提供关于可能的环境条件的建议，这代表了新的情境。
例如，如果两个设备都具有较高的工作温度并且位于同一房间内，则基于上述情境的附加建议可能是也检查房间环境，因为这可能导致所描述的问题。在这种情况下，将生成一个新的情境“具有可变温度的空间”，其诊断可以指向例如通风的故障。
通过本发明的方法，设备和系统的诊断功能将得到改善。本发明不仅导致改进的诊断，而且还可应用于其他情况，例如基于示例的监视和多重配置。
然而，诊断并不是本发明方法的唯一用例。
情境相关的服务的生成可以看作是一个虚拟传感器。情境服务的生成基于估计或近似情境的生成，例如，包含假设，不同数据源和过去经验的估计环境信息，但不包含真实的传感器值。
可以通过以下方式创建估计的情境或虚拟传感器：
1.建立与数据源(情境)的连接，
2.将不同的情境相互关联，对不同数据源中的同一概念使用明确的或者说单义的标识(IDs)。
3.生成新的估计的情境和所属的数据元素作为事件的相应，
a)搜索正在触发的已记录事件(例如设备诊断不良或查询)。
b)从该事件调用相关情境(例如诊断)，并对该情境执行语义查询，发出与该情境相关联的所有说明(Anweisungen)。
c)使用情境规则检查语句，如果规则匹配，则生成估计的情境和与该规则相关联的虚拟传感器值或其他操作，其中特别注意，情境规则基于以前的经验和假设。
4.向用户发出说明。
一种特别优选的实施方案涉及一种生成情境相关的信息以告知用户技术系统的状态的方法，其中技术系统的情境相关的信息由各种数据源提供，并且生成新情境的情境相关的信息并提供给用户。在这种情况下，设想通过不同数据源的数据元素的相关性，但基于已知和经验值，生成不代表真实数据源的新情境的估计的情境相关的信息；
其中，生成新情境和相关数据元素的估计的情境相关信息包括以下步骤：
g)触发事件；
h)获取当前设备数据；
i)必要时更新数元素相关性；
j)触发对语义规则引擎的查询，以获取已知情境或已知信息的结论；
k)基于情境规则并基于步骤d)中语义规则的结果，创建估计的情境相关信息的新情境；
l)将查询与已知和估计的信息相关联，并表达结果。
另一优选设计涉及一种用于检测用于诊断自动化系统的设备的数据的方法，包括：
·通过设备形式的第一数据源以设备专属数据的形式建模和提供第一情境相关的信息，如设备数据、诊断数据和/或测量数据，
·通过设备本体、位置本体、诊断本体和/或诸如OPC-UA拓扑的信息模型形式的第二数据源，以设备语义数据的形式建模和提供第二情境相关的信息；
·定义与情境相关的信息相关联的查询、事件和说明，
·定义情境相关的规则，
·建立与不同的第一和第二数据源(情境)的连接，
·不同数据源(情境)之间的相关性，对不同数据源中的相同术语使用明确的情境ID；
·检测事件，例如触发记录的事件，例如诊断值超过理论值，
·搜索与事件相关联的情境(例如诊断)，
·对检测的情境执行语义查询，以获取与情境相关联的所有说明，
·根据情境规则检查说明，以及
·如果满足情境规则之一，则生成新的估计的基于情境的信息(诊断信息)和相应的数据元素(虚拟传感器值)。
因此，本发明涉及一种用于创建用于工业自动化设备的估计信息的新情境的方法，特别是在没有数据或传感器可用于该情境的情况下。根据本发明，新的情境是从现有的情境中导出的，例如从诊断数据、拓扑数据、设备的位置数据，然后将独立的情境相关的信息连接起来，以便为操作员提供针对特定问题的各种可能的解决方案。
各种情境相关的信息及其关联提供了一种新型的数据，即基于假设的估计信息的生成，特别是在对数据进行结论和专家知识的查询和分析时。
根据本发明，对与情境相关的信息相关联的查询、事件和说明进行了定义。通过定义查询、事件或说明来记录它们。每个记录的事件都有一个情境ID，并且使用情境ID可以通过在本体数据库中搜索它来获取详细的情境。因此，使用情境ID获取情境。
记录事件列表是程序内存的一部分。通过数据绑定器进行数据关联是程序的一个功能，以便在发生查询时可以将数据集链接起来。为此使用情境ID。情境规则存储在程序读取的文件中。但是，这些规则也可以是程序的一部分。
对于获得的情境，执行语义查询以获取与情境相关联的所有说明。这些查询(Queries)是在本体数据库中执行的。相关性只是一个程序函数。记录的事件相应地具有情境ID，本体数据库中相应的语义条目也具有情境ID。通过这种方式可以搜索和找到说明。
新的情境是根据情境规则生成的。如果规则为真，则生成新情境，并描述规则中的新情境。新的情境也可以是程序流程的一部分，因此是程序内存的一部分。
根据本发明，在不知道新情境的真实值的情况下生成新情境的估计的情境相关信息，即在没有真实数据源的情况下生成关于新情境的信息。例如，虚拟传感器的温度不是真实值，但可以估计该值。因此，新的情境可以是房间的温度，尽管房间中没有“真实的”传感器和相应的值。
该系统至少包括两个数据库，即时间序列数据库和本体数据库。
附图说明
本发明的进一步细节、优点和特征不仅从权利要求获得的特征单独和/或组合地得出，而且也来自从附图中获得的优选实施例的以下描述中获得的特征。
在附图中：
图1示出具有基于知识的系统的自动化系统的示意图，
图2示出根据本发明的方法的示意图，
图3示出描述数据元素的本体模式的示意图，
图4示出描述设备位置的本体模式示意图，
图5示出不同信息情境“绑定”示意图，
图6示出生成新信息情境的步骤示意图，和
图7示出应用情境相关的规则的步骤示意图。
具体实施方式
图1示意性地示出了一个自动化系统AS，该系统具有自动化技术的设备AG1，AG2，AG3，其形式例如为驱动器、转速调节器、可编程逻辑控制器、传感器，如温度传感器，电流传感器，电压传感器等，它们本身代表数据源。例如，设备AG1，AG2，AG3一起布置在生产车间FZ中，并且通过现场总线FB(例如Modbus)连接到服务器S，优选地连接到OPC-UA服务器。服务器S通过客户端CL，优选为OPC-UA客户端，连接到基于知识的系统WBS。
基于知识的系统WBS包括一个本体/推理机OIM，它处理规则知识和事实知识。规则知识以语义规则SR的形式提供。事实知识由服务器S形式的数据源、通过客户端CL提供的设备的设备数据GD，以及存储在数据库DB中的本体OS1，OS2，OS3和相关的本体实例OI1，OI2，OI3形式的数据源提供。通过操作单元BE，操作员可以向本体/推理机OIM发送查询并接收来自该本体/推理机的说明。此外，本体推理机OIM可以通过软件代理SAG与外部数据源CL耦合，例如云。
服务器S是提供所连接设备AG1、AG2、AG3的设备数据GD的信息模型IM的数据源。信息模型IM以设备参数及其相互关系(拓扑)的形式提供构建和运行时数据。通过客户端CL提供来自设备AG1，AG2，AG3的当前数据。为了避免来自服务器S的连续数据池，数据可以可选地缓存在数据库中，例如时间序列数据库TSD，然后可以用作当前和历史数据值的另一个数据源。
可以使用本体OS1，OS2，OS3定义附加模型。本体OS1，OS2，OS3用于描述特定信息域的数据模型。例如，信息域是诊断、位置或设备。本体OS1，OS2，OS3表示数据源。根据应用程序的不同，本体的示例包括诊断本体OS1、位置本体OS2和设备本体OS3。通过本体OS1，OS2，OS3，信息被语义描述所补充，使得这些信息可以被本体/推理机OIM所解释。例如，设备本体OS3包含有关设备的已知数据，如设备描述、IP地址、通信参数等。
图2纯示意性地示出了本发明方法的方法步骤。
在步骤S1中，对各种基于情境或情境相关的信息进行建模。设备AG1，AG2，AG3通过OPC-UA服务器S提供设备专属的数据GD，例如设备数据、诊断数据和/或测量数据。
此外，对设备和/或系统的语义数据进行建模。语义数据扩展了有关设备和/或系统的信息。语义数据通过信息模型IM或本体OS1，OS2，OS3提供。
各种情境相关的信息的建模在很大程度上取决于使用哪些设备AG1，AG2，AG3或服务器S作为数据源，以及需要哪些情境相关的信息。对于OPC-UA，每个服务器S准备一个信息模型IM，该信息模型主要表示设备的构建和运行时数据(例如参数)以及它们之间的拓扑形式的关系。
其他模型使用本体OS1，OS2，OS3定义，并由本体/推理机提供。本体/推理机也被设置为执行查询。
在步骤S2中，建立与以设备AG1、AG2、AG3、服务器S和/或本体OS1、OS2、OS3的形式的数据源的连接。
在步骤S3中，不同的数据源被“关联”，也就是进行数据的情境化，下面将详细解释。
在步骤S4中，生成新的情境，并生成所属的数据元素作为对查询的回复或事件。
在步骤S5中，根据新的情境和相关的数据元素通知或建议用户。
本发明方法的基本前提是，信息模型和本体中的每个数据元素都被分配一个直接或间接的情境ID。
在OPC-UA模型中，可以使用唯一标识数据元素的名称空间和节点ID来实现这一目的。关联表可用于将名称空间或节点ID转换为情境ID。
在本体OS1，OS2，OS3中，必须对每个本体实例OI1，OI2，OI3中的分配进行建模，例如使用关系“hascontext-ID”或“hasID”，如图3所示。
图3显示了术语温度T(Temperatur T)的本体模式OS.temperature T通过关系“isA”定义为数据元素DE。此外，术语温度T通过关系“hasId”与ID1，ID2，ID3相关联。标识ID1，ID2，ID3通过关系“isA”定义为情境ID、时间序列ID和语义ID。情境ID、时间序列ID和语义-ID也通过关系“hasId”分配给数据元素DE。
这样，信息模型中的每个数据元素都被分配一个直接或间接的情境ID。
一旦信息模型和/或本体由步骤S1中描述的各种数据源被提供，就必须建立与各种数据源的连接。这是通过数据绑定器(Daten-Binder)完成的。例如，直接从OPC-UA服务器S或间接地从时间序列数据库TSD检索设备数据。例如，可以通过查询本体/推理机来获取位置信息。
仅当存在用于生成或更新情境相关信息的事件时，才执行数据或信息的查询和数据或信息的合并。例如，每次函数状态对象的值发生变化时，都应该更新新情境的生成。
当建立到各个数据源的连接时，必须将各个数据源连接在一起。这意味着特定的术语、属性或设备在不同的数据源中实际上是相同的。这是通过根据图3分配给术语、属性和设备的优选相同的情境ID来实现的。
图4显示了序列号为4002200HL64787000N的设备的OPC-UA拓扑，以及具有相同序列号的设备的位置本体形式的情境相关的信息。例如，在OPC-UA地址空间中存在具有特定情境ID的设备，例如ATV630XXX转速调节器。在显示的位置本体中也使用相同的情境ID。这意味着这两个术语或设备实际上是相同的，但根据数据源的不同而有不同的描述；这是因为OPC-UA信息模型提供设备的拓扑和诊断信息，而位置拓扑提供同一设备的位置信息。
图4进一步表明，在OPC-UA拓扑和位置拓扑中，情境ID使用了相同的值。在位置本体中，该值通过关系“isA”分配到术语“情境ID”。此外，术语“X射线”通过关系“isLocatedIn”分配给该值。术语“X射线”通过关系“isA”与术语“房间”相关联。此外，术语“X射线”通过关系“isLocatedInSite”与术语“天顶”相关联。术语“天顶”通过关系“isA”与术语“地点”相关联。
数据绑定器被设计成维护来自不同数据源的情境相关信息之间的关联。例如，通过OPC-UA提供的数据的情境更新可以通过在本体模型中具有等效标识的相关OPC-UA节点中包含情境ID来实现。这使得OPC-UA提供的拓扑情境能够连接或链接到由本体调制的其他情境。同样的内容也可以应用于时间序列数据的存储。
基于传入的信息动态地创建这样的具有情境更新数据的数据库，将情境ID与本体类进行比较。如果匹配，则在数据库中生成新关系。如果实例已经存在，则更新一个新值，例如时间序列数据库中的值。例如，可以通过正则表达式将传入数据与本体中的类进行匹配。
图5举例说明了基于相互连接的情境的信息生成。从设备AG1，例如驱动器，提供设备数据DD，例如“设备＝驱动器123”，“温度＝35”和“时间戳＝23：40”。从设备本体得知，设备“驱动器123”是一个驱动器。驱动器是一个设备。此外，驱动器还具有“诊断”部分，具有“设备温度”功能，其具有参数“温度”。
设备“驱动器123”具有代表温度的参数“P”。然后分配情境ID。使用与参数“temp”相对应的数据元素进行检查。这是使用数据元素本体来完成的，其中作为数据元素的术语“温度”通过关系“hasContextId”与参数“P”相关联，作为情境ID。此外，术语“温度”被分配了一个时间序列ID和一个语义ID。
一旦获取了情境ID，就需要获取语义信息，以便知道如何正确解释数据。为此，使用语义本体。术语“温度(temperature)”的语义ID为该术语分配了一个单位“摄氏度(celsius)”，一个值类型“整数(integer)”和一个时间戳格式“串(string)”。
然后，通过使用时间序列ID和由设备以正确的格式和语义提供的数据，将数据存储在时间序列数据库中。
图6详细示出了生成新情境和相关数据元素的方法步骤(步骤S4)作为对事件的响应。生成包括以下步骤：
S4a)触发事件。事件可以是诊断状态值的更改超过设定点，也可以是用户查询状态的查询。
S4b)从时间序列数据库TSD中检索或读取当前设备数据。
S4c)如有必要，根据步骤S3更新数据绑定。
S4d)触发对本体/推理机(语义规则引擎)的查询，以获得关于特定情境或信息的结论。在此步骤之后，所有必要的安全或实际信息情境都可用。
S4e)基于情境相关规则并基于步骤4d中的语义规则的结果生成新的情境。
S4f)将原始查询与安全和估计的信息联系起来，并制定最终结果。
图7纯示意性地示出了基于语义查询S4e1的结果和根据步骤S4e2应用情境规则R生成新情境的方法步骤S4e。
例如，根据步骤S4e1的语义查询提供设备的位置、设备之间的关系、设备的对象的功能状态。
在方法步骤S4e2中，定义情境相关的规则R以生成新的情境。例如，一个规则是“如果(result_semantic_query匹配{aspect1，aspect2，aspect_n})，那么生成新情境(“ContextX”)和带有概率(X)和建议信息(“string”)的新语句(“StatementX”)”。
在步骤S4e3中，检查语义查询的结果是否与情境规则R的一个或多个规则R匹配。如果“否”，则在步骤S4e4中不执行任何操作。如果“是”，则在步骤S4e5中，从情境规则生成具有数据元素的新情境，或者更新已经存在的情境的说明。
例如，一个可能的场景是，如果两个或多个设备位于同一房间(aspect)，并且设备具有状态>0(aspect)的热诊断对象；然后创建新的情境(“environment”)和说明“health”＝1，概率为50％。指示信息＝“请先查看房间环境”。
方法步骤S4将在以下示例中更详细地解释：
1.定义一组事件：E＝{E1，E2…En}。
事件可以是诊断值从0(有序)更改为4(规范之外)，也可以是用户的查询等。
每个事件e∈E都有一个或多个关联的情境Ce＝{C1，C2…Cn}。例如，设备的热诊断是在“诊断”情境中进行的。
每个事件e∈E都有一个或多个映射值Ae＝{a1，a2…aN}。为了简单起见，与事件关联的值是与e相同情境中的所有其他值。例如，如果e的情境是“诊断”，则所有其他诊断值都被视为关联值，以及它们的一阶关系，即与每个诊断对象相关联的原因值。例如，热诊断对象有一个原因，即工作温度。
2.如果一个或多个事件e∈E发生变化，则获取其当前值和所有发生变化的e∈E的所有关联值a的当前值。如果需要，必须在时间序列数据库TSD中更新这些值。
例如，如果热诊断值从0更改为4，则必须检索新值(4)，并将所有设备中所有其他诊断对象的值更新到时间序列数据库。
3.为与e相关联的所有情境Ce创建一个语义查询，其中e是发生变化的事件。一个可能的查询是“搜索C”。
在带有诊断的示例中，使用了一个组合情境“诊断”，它将位置本体和OPC-UA拓扑“连接”在一个情境中。
查询“搜索C”将报告用于该情境C的一组语句S＝{S1，S2…SN}。语句是“诊断”类型的直接或间接(派生)关系。一阶关系返回“诊断”类型的所有对象，如“Thermal”“isA”“diagnostics”，“ATV360xxx”“contains”“Thermal”，“Thermal”“contains”“HealthStatus”，“HealthStatus”“hasA”“Value”，“Value”“is”“4”，“ATV630xxx”“isLocated”“FactoryCell2”，“ATV630xxx”“isA”“Device”。
4.检查：查询前面的说明s∈S是否匹配一个或多个基于情境的规则R＝{R1，R2…RN}。规则是一种算法，它将查询结果S中的语句集作为输入，如果S与该算法表达的规则匹配，则返回真(wahr)或假(false)。
示例：
规则r(S)“如果两个或两个以上的设备位于同一房间中(dasselbe X in“islocated”X)，并且设备具有热诊断对象(“Thermal”“isA”“Diagnostics”，X“contains”“Thermal”)，其健康状态值>0；那返回真”。
5.如果R中的一个或多个规则R为真，则使用匹配的规则执行相关操作。一个典型的操作将是生成一个具有一个或多个属性和相关概率的新情境。
示例：
生成新的情境(“environment”)和说明“health”＝1，概率为50％。指示信息＝“请先查看房间环境”。
该方法的步骤S5涉及用户建议。
用户的建议在很大程度上依赖于用户界面。基本上，现有情境和新情境的信息是以用户能够理解的方式格式化的。这里可以使用顾问信息字符串作为用户的信息。“用户”也可以是一个额外的计算系统，它可以在语义上理解查询的结果。
根据本发明的方法可以生成用于工业自动化设备的估计信息的新情境，即使在没有数据或传感器可用于这些情境的情况下也是如此。新的情境来自现有的情境，如诊断数据、拓扑数据或设备的位置数据。然后，独立的情境相关信息被连接起来。然后，一个操作者将得到说明的支持，为一个特定的问题提供各种可能的解决方案。
与情境相关的各种信息及其关联为数据提供了另一个价值层次，即根据假设生成估计信息，特别是在根据结论和专家知识查询和分析数据时。
在这方面，还必须考虑位于生产车间中的自动化设备的热对象的健康状态(health status)，该生产车间还包括具有相同状态的另一个自动化设备。这两个自动化设备都通过OPC-UA连接到SCADA(监督控制和数据采集)系统，并用于控制某些电机的过程控制。一旦出现功能问题，如果用户能够获得有关自动化设备热对象状态的信息，那将是非常有帮助的。
根据本发明的方法相对于环境情境的应用将在图1的示例中描述。自动化设备AG1，AG2，AG3一起位于生产车间FZ中。环境情境不存在，因为没有可用的真实传感器或其他真实值来通知生产车间FZ的状态。不可能记录生产车间FZ中的状态，例如温度。
然而，设备AG1，AG2，AG3的位置是已知的，并且有可能通过设备传感器S1，S2，S3检测设备AG1，AG2，AG3的工作温度。
这里的问题是，是否可以根据测量的温度，根据现有值(即设备的温度值)假设生产车间FZ的状态或环境。
这就是本发明的应用之处。
1.在第一步中，建立与数据源(情境)OPC-UA服务器S和位置本体的连接。OPC-UA服务器提供OPC-UA信息，该信息提供设备的温度值。位置本体提供设备AG1，AG2，AG3的位置信息。
2.各种情境相互关联或绑定，对不同数据源中的相同术语使用明确的情境ID。
然后，响应查询或事件生成新的估计的情境和所属的数据元素。
3.1搜索被触发的记录事件，例如至少一个升高的温度值。
3.2查询相关情境，例如诊断、事件，并对该情境执行语义查询。这将返回与此情境关联的所有语句。例如：“Thermal”“isA”“diagnostics”、“ATV360xxx”“contains”“Thermal”、“Thermal”“contains”“HealthStatus”、“HealthStatus”“hasA”“Value”、“Value”“is”“4”、“ATV630xxx”“isLocated”“FactoryCell2”、“ATV630xxx”“isA”“Device”。
3.3根据情境规则检查语句。如果规则匹配，则生成估计的情境和虚拟传感器值或与该规则相关联的其他操作。情境规则是基于以前的经验和假设。例如，一条规则是：
如果两个或多个设备位于同一房间(“isLocated”X中的相同X)，并且设备具有Wert！＝OK的诊断对象温度(“Temperature”“isA”“diagnostics”，X“contains”“Temperature”)；然后生成新的情境(“Environment”)和说明“Temp”＝NOK，其安全性为50％。指示信息＝“请先查看房间环境”。

Claims (12)

1.一种生成情境相关的信息的方法，用于向用户提供关于技术系统的状态的信息，其中该技术系统的情境相关的信息由不同的数据源提供，
其特征在于，
通过不同数据源的数据元素的交互关联、并且在不知道新情境的真实值但基于已知和经验相关的值的情况下，生成新情境的估计的情境相关的信息并提供给用户。
2.根据权利要求1所述方法
其特征在于，
由自动化设备形式的第一数据源、诸如OPC-UA服务器(开放平台通信-统一架构-服务器)提供情境相关的信息作为设备专属的数据的形式的信息模型，例如设备数据、诊断数据和/或测量数据。
3.根据权利要求1所述方法
其特征在于，
由本体形式的第二数据源、诸如设备本体、位置本体、诊断本体通过本体机器/推理机器提供情境相关的信息作为语义数据的形式的信息模型。
4.根据权利要求2或3所述方法
其特征在于，
情境相关的信息被表示为信息模型中的数据元素，其中每个数据元素直接或间接地与单义的情境ID相关联，从而在不同的数据源中实际上相同地表示特定的概念、特定的属性或特定的设备。
5.根据权利要求4所述的方法，
其特征在于，
情境ID与OPC-UA信息模型中的数据元素的关联通过名称空间或节点ID进行，其中使用关联表将名称空间或节点ID转换为情境ID。
6.根据权利要求4所述的方法，
其特征在于，
针对每个实例对情境ID与本体中的数据元素的关联建模。
7.根据权利要求1所述的方法，
其特征在于，
数据库作为数据源被用于当前和过去的值，数据库特别是时间序列数据库。
8.根据权利要求4所述的方法，
其特征在于，
不同数据源的情境相关的信息的交互关联包括以下步骤：
·在数据绑定单元和数据源之间建立连接；
·通过将具有等效ID的OPC-UA节点的情境ID包含在本体的信息模型中，利用对OPC-UA数据进行情境化实现情境相关的信息之间的关联；
·基于传入信息动态地创建数据库，其中，将情境ID与本体的类别进行比较，并且如果匹配则在数据库中生成新关系。
9.根据权利要求1所述的方法，
其特征在于，
生成新情境和所属的数据元素包括以下步骤：
a)触发事件，例如更改诊断值或用户状态查询；
b)获取当前设备数据或从时间序列数据库读取当前设备数据；
c)必要时更新数据相关性；
d)触发对语义规则引擎的查询，以获取关于已知情境或已知信息的结论；
e)基于情境规则并基于步骤d)中语义规则的结果，创建估计的情境相关的信息的新情境；
f)将第一次查询与已知和估计的信息相关联，并表达结果。
10.根据权利要求9所述的方法，
其特征在于，
估计的情境相关的信息的新情境的提供包括由用户界面显示语义信息。
11.根据权利要求9所述的方法，
其特征在于，
基于可靠或已知的情境相关的信息和估计的情境相关的信息产生诊断信息。
12.一种用于获取用于诊断自动化系统的设备的数据的方法，包括：
·通过设备形式的第一数据源，以设备专属数据的形式建模和提供第一情境相关的信息，设备专属数据例如是设备数据、诊断数据和/或测量数据，
·通过诸如设备本体、位置本体、诊断本体的本体形式和/或诸如OPC-UA拓扑的信息模型形式的第二数据源，以设备语义数据的形式建模和提供第二情境相关的信息；
·定义与情境相关的信息相关联的查询、事件和说明，
·定义情境相关的规则，
·建立与不同的第一和第二数据源(情境)的连接，
·不同数据源(情境)之间交互关联，其中，对不同数据源中的相同术语使用单义的情境ID；
·检测事件，例如触发记录的事件，例如诊断值超过理论值，
·搜索与事件相关联的情境(例如诊断)，
·对检测的情境执行语义查询，以获取与情境相关联的所有说明，
·根据情境规则检查所述说明，以及
·如果满足情境规则之一，则生成新的估计的情境相关的信息(诊断信息)和相应的数据元素(虚拟传感器值)。
CN202310244614.3A 2022-03-11 2023-03-13 生成情境相关的信息的方法 Pending CN116741367A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP22161598.2 2022-03-11
EP22161598.2A EP4242760A1 (de) 2022-03-11 2022-03-11 Verfahren zur generierung kontextabhängiger informationen

Publications (1)

Publication Number Publication Date
CN116741367A true CN116741367A (zh) 2023-09-12

Family

ID=81325485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310244614.3A Pending CN116741367A (zh) 2022-03-11 2023-03-13 生成情境相关的信息的方法

Country Status (3)

Country Link
US (1) US20230289361A1 (zh)
EP (1) EP4242760A1 (zh)
CN (1) CN116741367A (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7787969B2 (en) * 2007-06-15 2010-08-31 Caterpillar Inc Virtual sensor system and method
US20100082292A1 (en) * 2008-09-30 2010-04-01 Rockwell Automation Technologies, Inc. Analytical generator of key performance indicators for pivoting on metrics for comprehensive visualizations
US10571143B2 (en) * 2017-01-17 2020-02-25 International Business Machines Corporation Regulating environmental conditions within an event venue
DE102020104287A1 (de) * 2020-02-18 2021-08-19 Dieffenbacher GmbH Maschinen- und Anlagenbau Verfahren und Vorrichtung zum Betreiben einer Produktionsanlage

Also Published As

Publication number Publication date
EP4242760A1 (de) 2023-09-13
US20230289361A1 (en) 2023-09-14

Similar Documents

Publication Publication Date Title
CN107003651B (zh) 自动化系统的控制装置
CN107250932B (zh) 可编程逻辑控制器及其中的语义情境化方法
US10545492B2 (en) Selective online and offline access to searchable industrial automation data
CA2421611C (en) Custom rule system and method for expert systems
Ploennigs et al. Adapting semantic sensor networks for smart building diagnosis
CN116578040B (zh) 一种面向机床故障诊断的数字孪生模型构建方法、系统及终端
EP3320407B1 (en) Generating events using contextual information on an intelligent programmable logic controller
US20150012141A1 (en) Method and system to support technical tasks in distributed control systems
Aarnio et al. Context modeling with situation rules for industrial maintenance
Bunte et al. Integrating owl ontologies for smart services into automationml and opc ua
CN111597676B (zh) 用于检查信息物理系统的系统要求的系统和方法
CN116741367A (zh) 生成情境相关的信息的方法
CN114556239A (zh) 在众多机器中实现针对维护相关事件的事件规则
EP3582034A1 (en) Method and apparatus, in the field of automation technology, of updating processing data
EP3540542B1 (en) Method and apparatus for providing an instantiated industrial semantic model for an industrial infrastructure
CN112689804B (zh) 将技术设施的资产的数据集成到平台中的方法、数字平台和计算机程序产品
US11734024B2 (en) Device for managing digital twins
US20220171900A1 (en) Method and device for generating a data integration device
Klusch et al. iCM-Hydraulic: Semantics-empowered condition monitoring of hydraulic machines
US20130063449A1 (en) Method and system for preprocessing and providing information for operating a technical installation
JP2020135213A (ja) 制御装置、制御プログラム、および制御システム
Bratbak Asset Administration Shell for Life Cycle Management of Safety Systems
Vierhauser et al. Runtime Monitoring for Systems of System: A Closer Look on Opportunities for Manufacturers in the Context of Industry 4.0
EP4321947A1 (en) Communicating with field devices based on semantically identified variables
Bandari et al. Component electronic datasheets in ISHM

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