CN117270464A - 使用基于实例的学习的针对先进过程控制极限的推荐系统 - Google Patents
使用基于实例的学习的针对先进过程控制极限的推荐系统 Download PDFInfo
- Publication number
- CN117270464A CN117270464A CN202310727237.9A CN202310727237A CN117270464A CN 117270464 A CN117270464 A CN 117270464A CN 202310727237 A CN202310727237 A CN 202310727237A CN 117270464 A CN117270464 A CN 117270464A
- Authority
- CN
- China
- Prior art keywords
- asset
- data
- operating condition
- settings
- real
- 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
- 238000004886 process control Methods 0.000 title abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 164
- 230000008569 process Effects 0.000 claims abstract description 86
- 230000004044 response Effects 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims description 88
- 230000009471 action Effects 0.000 claims description 62
- 230000015654 memory Effects 0.000 claims description 33
- 238000004138 cluster model Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 description 90
- 238000005516 engineering process Methods 0.000 description 65
- 238000004891 communication Methods 0.000 description 31
- 238000012800 visualization Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 22
- 230000006872 improvement Effects 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 13
- 230000002452 interceptive effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000003921 oil Substances 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本文所述的各种实施方案涉及使用基于实例的学习的针对资产和/或过程的先进过程控制。在这方面,接收与和资产的操作相关联的改变事件相关的事件指示符。响应于该事件指示符,至少部分地基于该资产的当前操作条件数字签名与该资产的历史操作条件数字签名之间的比较来确定针对该资产的一个或多个实时设置的一个或多个洞察。附加地,基于该一个或多个洞察来调整针对该资产的该一个或多个实时设置以提供针对该资产的一个或多个经调整设置。
Description
相关申请的交叉引用
本申请要求于2022年6月21日提交的名称为“使用基于实例的学习的针对先进过程控制极限的推荐系统(RECOMMENDATION SYSTEM FOR ADVANCED PROCESS CONTROLLIMITS USING INSTANCE-BASED LEARNING)”的美国临时专利申请63/354,046号的权益,该美国临时专利申请的全部内容据此以引用方式并入。
技术领域
本公开整体涉及过程控制系统,并且更具体地涉及用于过程优化和/或资产优化的过程控制系统。
背景技术
工业设施通常使用工业过程控制系统进行管理。针对工业资产的工业过程(诸如例如油气过程)通常根据固定装备规格和/或固定操作程序被控制在固定操作上限和下限内。然而,这些操作极限中的一些操作极限可能随操作模式而变化,并且因此本质上是动态的。因此,如果将固定控制极限用于工业资产和/或过程,则这些工业资产和/或过程可能以低效的方式操作。
发明内容
本说明书中所述的主题的一些实施方案的细节在以下附图和描述中阐述。该主题的其他特征、方面和优点将从描述、附图和权利要求书中显而易见。
在一个实施方案中,一种系统包括一个或多个处理器、存储器和存储在该存储器中的一个或多个程序。该一个或多个程序包括被配置为接收与和资产的操作相关联的改变事件相关的事件指示符的指令。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该一个或多个程序附加地或另选地包括被配置为至少部分地基于该资产的当前操作条件数字签名与该资产的历史操作条件数字签名之间的比较来确定针对该资产的一个或多个实时设置的一个或多个洞察的指令。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该一个或多个程序附加地或另选地包括被配置为基于该一个或多个洞察来调整针对该资产的该一个或多个实时设置以提供针对该资产的一个或多个经调整设置的指令。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该一个或多个程序附加地或另选地包括被配置为基于针对该资产的该一个或多个经调整设置来执行一个或多个动作的指令。
在另一个实施方案中,一种方法包括:在具有一个或多个处理器和存储器的设备处,接收与和资产的操作相关联的改变事件相关的事件指示符。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该方法附加地或另选地包括:至少部分地基于该资产的当前操作条件数字签名与该资产的历史操作条件数字签名之间的比较来确定针对该资产的一个或多个实时设置的一个或多个洞察;基于该一个或多个洞察来调整针对该资产的该一个或多个实时设置以提供针对该资产的一个或多个经调整设置;以及/或者基于针对该资产的该一个或多个经调整设置来执行一个或多个动作。
在又一个实施方案中,一种计算机程序产品包括至少一个计算机可读存储介质,该计算机可读存储介质具有在其上体现的程序指令。该程序指令可由处理器执行以致使该处理器接收与和资产的操作相关联的改变事件相关的事件指示符。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该程序指令附加地或另选地可由该处理器执行以致使该处理器至少部分地基于该资产的当前操作条件数字签名与该资产的历史操作条件数字签名之间的比较来确定针对该资产的一个或多个实时设置的一个或多个洞察。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该程序指令附加地或另选地可由该处理器执行以致使该处理器基于该一个或多个洞察来调整针对该资产的该一个或多个实时设置以提供针对该资产的一个或多个经调整设置。在一个或多个实施方案中,响应于与该资产相关联的该事件指示符,该程序指令可附加地或另选地可由该处理器执行以基于针对该资产的该一个或多个经调整设置来执行一个或多个动作。
附图说明
可结合附图阅读例示性实施方案的描述。应当理解,为了说明的简单和清晰,图中所示的元件不一定按比例绘制。例如,元件中的一些元件的尺寸相对于其他元件被夸大。并入有本公开的教导的实施方案相对于本文中呈现的附图来展示和描述,在附图中:
图1示出了根据本文所述的一个或多个实施方案的示例性联网计算系统环境;
图2示出了根据本文所述的一个或多个实施方案的联网计算系统的IoT平台的框架的示意性框图;
图3示出了根据本文所述的一个或多个实施方案的提供示例性先进过程控制优化系统的系统;
图4示出了根据本文所述的一个或多个实施方案的提供示例性先进过程控制优化系统的另一系统;
图5示出了根据本文所述的一个或多个实施方案的示例性计算设备;
图6示出了根据本文所述的一个或多个实施方案的与使用基于实例的学习的针对资产和/或过程的先进过程控制相关联的系统;
图7示出了根据本文所述的一个或多个实施方案的示例性电子界面;
图8示出了根据本文所述的一个或多个实施方案的另一个示例性电子界面;
图9示出了根据本文所述的一个或多个实施方案的使用基于实例的学习的针对资产和/或过程的先进过程控制的流程图;
图10示出了根据本文所述的一个或多个实施方案的使用基于实例的学习的针对资产和/或过程的先进过程控制的另一流程图;
图11示出了根据本文所述的一个或多个实施方案的使用基于实例的学习的针对资产和/或过程的先进过程控制的另一流程图;并且
图12示出了根据本文所述的一个或多个实施方案的可被配置为执行所描述技术的计算机的功能框图。
具体实施方式
现在将具体地参考实施方案,这些实施方案的示例示于附图中。在以下具体实施方式中,阐述了很多具体细节,以便提供对各种所述实施方案的透彻理解。然而,本领域的普通技术人员应当理解,可以在没有这些具体细节的情况下实践各种所述的实施方案。在其他情况下,没有详细描述熟知的方法、程序、部件、电路和网络,以免使实施方案的各方面模糊不清。除非另外指明,否则术语“或”在另选和结合意义上均用于本文。术语“例示性”、“示例”和“示例性”是用于没有质量水平指示的示例。在全篇内容中,类似的标号指代类似的元件。
短语“在一个实施方案中”、“根据一个实施方案”等一般意指跟在该短语后的特定特征、结构或特性可以被包括在本公开的至少一个实施方案中,并且可以被包括在本公开的多于一个实施方案中(重要的是,此类短语不一定是指相同的实施方案)。
词语“示例性的”在本文用来指“用作示例、实例或例证”。本文描述为“示例性”的任何实施方式不一定被理解为比其他实施方式优选的或有利的。
如果说明书陈述了部件或特征“可以”、“能够”、“能”、“应当”、“将”、“优选地”、“有可能地”、“通常”、“任选地”、“例如”、“经常”或“可能”(或其他此类词语)被包括或具有特性,则特定部件或特征不是必须被包括或具有该特性。此类部件或特征可任选地包括在一些实施方案中,或可排除在外。
在一个或多个实施方案中,本公开提供了一种用于工业过程控制和/或工业过程优化的“物联网”或“IoT”平台,该平台使用实时精确模型和/或实时控制来实现企业和/或企业过程的持续峰值性能。IoT平台是可扩展平台,该可扩展平台是可移植的以便部署在任何云或数据中心环境中,从而用于提供全企业的、自上而下的过程和/或资产控制。此外,本公开的IoT平台支持端到端能力以针对过程数据执行模型和/或将输出转化为可行洞察和/或实时控制,如以下描述中详述的。
工业设施通常使用工业过程控制系统进行管理。针对工业资产的工业过程(诸如例如油气过程)通常根据固定装备规格和/或固定操作程序被控制在固定操作上限和下限内。例如,针对工业资产的工业过程通常在某一时间段内采用静态操作模式,并且在该段时间内,在实时操作期间不调整针对过程变量的控制极限。然而,工业资产通常以动态方式操作,不时地在不同的操作模式之间变化(例如,取决于原料质量或所需的产品规格)。如果随着工厂模式改变而不准确地配置针对工业资产和/或过程的固定控制操作极限,则工业资产和/或过程可能以低效的方式操作。此外,某些类型的工业过程可串接到工业设施中的一个或多个其他工业过程。因此,某些类型的工业过程可能破坏与工业设施相关的一个或多个其他工业过程,导致工业设施和/或工业设施中的一个或多个工业资产以低效和/或不期望的方式操作。在某些工业系统中,可采用数据驱动模型来表示工业过程。然而,数据的非线性度和/或有限的训练数据和范围通常导致工业过程和/或资产的数据驱动模型具有不正确的模型结构。附加地,数据驱动模型可能导致不准确的状态描述、不准确的插值和/或针对工业过程和/或资产的不可行推荐。
因此,为了解决这些问题和/或其他问题,本公开提供使用基于实例的学习的针对资产和/或过程的先进过程控制。基于实例的学习可被配置用于针对资产和/或过程的基于实例的优化。在各种实施方案中,资产和/或过程可以是工业资产和/或工业过程。然而,应当理解,资产和/或过程可附加地或另选地包括其他类型的资产和/或过程。基于实例的学习可以是与基于记忆的学习相关联的机器学习技术,其将有问题的数据实例与存储在存储器中的经清理的历史数据实例进行比较。附加地,基于实例的学习可采用存储的和/或经清理的历史数据作为模型输入以用于提供预测和/或优化。在各种实施方案中,使用基于实例的学习来提供针对先进过程控制极限的推荐系统。附加地,通过对经预处理和/或经清理的历史操作数据的智能挖掘,可向资产和/或过程的当前操作提供先进过程控制极限的最优推荐,以实现例如互相排斥的操作目标。这些操作目标可包括例如改进吞吐量、改进产品纯度、减少能量消耗和/或关于资产和/或过程的一个或多个其他操作改进。附加地,经预处理和/或经清理的历史操作数据的智能挖掘可提供更接近于资产和/或过程的当前操作的操作目标。在这方面,在各种实施方案中,可确定经清理的历史操作条件(例如,一组变量)与当前操作条件(例如,另一组变量)之间的相似性,和/或可提供推荐以有利于操作目标的满足。在各种实施方案中,经预处理和/或经清理的历史操作数据被用作与先进过程控制极限相关的预测和/或推荐的模型。
在各种实施方案中,基于实例的学习被整合到基于机器学习模型和优化技术的针对资产和/或过程的监督级优化系统中,这些机器学习模型和优化技术提供在最佳操作范围内操作资产、过程和/或底层先进过程控制系统的洞察和/或推荐。在各种实施方案中,可基于关于针对资产和/或过程的历史记录的基于实例的学习来提供资产和/或过程的优化。例如,可基于对历史数据的直接挖掘和/或对经清理的历史数据的分析来提供资产和/或过程的优化。
在各种实施方案中,可基于对历史数据的直接挖掘和/或对经清理的历史数据的分析来提供自适应推荐。在各种实施方案中,自适应推荐可基于经清理的正常历史数据(例如,基于对经清理的正常历史数据的直接和智能分析)来为资产和/或过程提供优化的操作条件。在各种实施方案中,可在不采用关于资产和/或过程的预测建模的情况下提供关于针对资产和/或过程的历史记录的基于实例的学习。因此,可在不执行模型识别、重复模型再训练和/或重复模型超参数调谐的情况下提供针对先进过程控制的基于实例的学习。
在各种实施方案中,使用基于实例的学习的先进过程控制被整合到针对一个或多个工业过程的整体工业优化方案中。例如,在各种实施方案中,使用基于实例的学习的先进过程控制被连接到整体工业优化方案以提供针对资产的优化操作设置。因此,本公开提供了在不依赖于固定操作设置的情况下对资产和/或工业过程的优化。因此,一个或多个工业过程可实时利用受监测工业资产的容量。还可提供实时计算针对资产和/或工业过程的优化极限的闭环优化。此外,可提供包括详细资产监测信息的全厂优化以实现资产优化和/或改进资产能力。
在各种实施方案中,使用基于实例的学习的先进过程控制提供针对工业过程的一个或多个最佳配方(例如,最佳批量共混配方、最佳批量共混全厂配方等)。在某些实施方案中,工业过程包括针对炼油厂的批量产品共混。在某些实施方案中,工业过程包括化学精炼厂(例如,氧化铝精炼厂等)或润滑油工厂中的过滤器洗涤过程。然而,应当理解,在某些实施方案中,工业过程是不同类型的工业过程。还应当理解,本文所公开的技术也可用于优化其他类型的资产和/或过程。
因此,可提供响应于所定义事件的改进的吞吐量和/或资产和/或过程的恢复。附加地,通过采用基于实例的学习,可提供对用于对资产和/或过程建模的一个或多个数据库和/或存储器的多次更新。此外,可实时提供关于资产和/或过程的基于实例的学习,以进一步增强资产和/或过程的性能。
在各种实施方案中,通过采用本文所公开的一种或多种技术,可最小化或消除对过程的破坏。附加地,通过采用本文所公开的一种或多种技术,可提供与工业操作相关的平稳全厂控制和/或优化解决方案。此外,通过采用本文所公开的一种或多种技术,优化了过程性能和/或过程效率。在各种实施方案中,减少了与过程相关的时间量和/或处理量。附加地,在一个或多个实施方案中,通过采用本文所公开的一种或多种技术来改进与过程相关联的处理系统(例如,控制系统)的性能。例如,在一个或多个实施方案中,通过采用本文所公开的一种或多种技术,减少了与用于过程的处理系统(例如,控制系统)相关联的计算资源的数量、存储要求的数量和/或错误的数量。
图1是根据本公开的示例性联网计算系统环境100的示例。如图1所示,联网计算系统环境100被组织成多个层,包括云105、网络110和边缘115。在一个或多个实施方案中,云105是云层,网络110是网络层,并且边缘115是边缘层。如下文进一步详述的,边缘115的部件经由网络110与云105的部件通信。
在各种实施方案中,网络110是任何合适的网络或网络的组合,并且支持适用于将数据传送到云105的部件并传送来自这些部件的数据,以及在来自联网计算系统环境100中的各种其他部件(例如,边缘115的部件)之间传送数据的任何适当协议。根据各种实施方案,网络110包括公共网络(例如,互联网)、私有网络(例如,组织内的网络)或公共网络和/或专用网络的组合。根据各种实施方案,网络110被配置为提供图1中所描绘的各种部件之间的通信。根据各种实施方案,网络110包括连接网络布局中的设备和/或部件的一个或多个网络,以允许设备和/或部件之间的通信。例如,在一个或多个实施方案中,网络110被实现为互联网、无线网络、有线网络(例如,以太网)、局域网(LAN)、广域网(WAN)、蓝牙、近场通信(NFC)或提供网络布局的一个或多个部件之间的通信的任何其他类型的网络。在一些实施方案中,网络110使用蜂窝网络、卫星、许可无线电,或者蜂窝、卫星、许可无线电和/或未许可无线电网络的组合来实现。
云105的部件包括形成所谓的“物联网”或“IoT”平台125的一个或多个计算机系统120。应当理解,“IoT平台”是描述连接任何类型的互联网连接的设备的平台的任选术语,并且不应被解释为限制在IoT平台125内可用的计算系统的类型。具体地,在各种实施方案中,计算机系统120包括任何类型或数量的一个或多个处理器和包括存储器的一个或多个数据存储设备,该一个或多个处理器用于执行联网计算系统环境100的应用或软件模块并且该一个或多个数据存储设备用于存储这些应用或软件模块。在一个实施方案中,处理器和数据存储设备体现在服务器类硬件诸如企业级服务器中。例如,在一个实施方案中,处理器和数据存储设备包括任何类型的应用服务器、通信服务器、网络服务器、超级计算服务器、数据库服务器、文件服务器、邮件服务器、代理服务器和/或虚拟服务器或它们的组合。此外,该一个或多个处理器被配置为访问存储器并执行处理器可读指令,这些处理器可读指令当由处理器执行时将这些处理器配置为执行联网计算系统环境100的多个功能。
计算机系统120还包括IoT平台125的一个或多个软件部件。例如,在一个或多个实施方案中,计算机系统120的软件部件包括一个或多个软件模块,以通过网络110与用户设备和/或其他计算设备通信。例如,在一个或多个实施方案中,软件部件包括一个或多个模块141、模型142、引擎143、数据库144、服务145和/或应用146,上述部件可以存储在计算机系统120中/由计算机系统存储(例如,存储在存储器上),如下文相对于图2详述的。根据各种实施方案,该一个或多个处理器被配置为当执行本公开中描述的各种方法时利用该一个或多个模块141、模型142、引擎143、数据库144、服务145和/或应用146。
因此,在一个或多个实施方案中,计算机系统120执行用于计算和/或数据存储的具有可扩展资源的云计算平台(例如,IoT平台125),并且可以在云计算平台上运行一个或多个应用以执行本公开中描述的各种计算机实现的方法。在一些实施方案中,组合模块141、模型142、引擎143、数据库144、服务145和/或应用146中的一些以形成更少的模块、模型、引擎、数据库、服务和/或应用。在一些实施方案中,将模块141、模型142、引擎143、数据库144、服务145和/或应用146中的一些分离成单独的、更多的模块、模型、引擎、数据库、服务和/或应用。在一些实施方案中,移除模块141、模型142、引擎143、数据库144、服务145和/或应用146中的一些,而添加其他的部件。
计算机系统120被配置为经由网络110从联网计算系统环境100的其他部件(例如,边缘115的部件)接收数据。计算机系统120被进一步配置为利用所接收的数据来产生结果。根据各种实施方案,指示结果的信息通过网络110经由用户计算设备传输给用户。在一些实施方案中,计算机系统120是提供一个或多个服务(包括向用户提供指示所接收的数据和/或结果的信息)的服务器系统。根据各种实施方案,计算机系统120是实体的一部分,该实体包括实现一个或多个IoT服务的任何类型的公司、组织或机构。在一些示例中,实体是IoT平台提供商。
边缘115的部件包括一个或多个企业160a-160n,每个企业包括一个或多个边缘设备161a-161n和一个或多个边缘网关162a-162n。例如,第一企业160a包括第一边缘设备161a和第一边缘网关162a,第二企业160b包括第二边缘设备161b和第二边缘网关162b,并且第n企业160n包括第n边缘设备161n和第n边缘网关162n。如本文所用,企业160a-160n表示任何类型的实体、设施或车辆,诸如例如处理设施、工业工厂、油气设施(例如,炼油厂)、化学处理设施(例如,金属精炼厂、氧化铝精炼厂等)、润滑油工业工厂、制造工厂、建筑物、仓库、不动产设施、实验室、公司、部门、飞行器、航天器、汽车、船舶、船只、军用车辆、或任何其他类型的实体、设施和/或车辆,包括任何数量的本地设备。
根据各种实施方案,边缘设备161a-161n表示可在企业160a-160n内发现的各种不同类型的设备中的任一种设备。边缘设备161a-161n是被配置为访问网络110或者通过网络110诸如经由边缘网关162a-162n由其他设备访问的任何类型的设备。根据各种实施方案,边缘设备161a-161n是包括任何类型的网络连接的(例如,互联网连接的)设备的“IoT设备”。例如,在一个或多个实施方案中,边缘设备161a-161n包括传感器、单元、储罐、空气处理器单元、风扇、致动器、阀、泵、管道、处理器、计算机、车辆部件、相机、显示器、门、窗、安全部件、HVAC部件、工厂装备、炼油装备和/或连接到网络110以用于收集、发送和/或接收信息的任何其他设备。每个边缘设备161a-161n包括一个或多个控制器或以其他方式与该一个或多个控制器通信,以选择性地控制相应的边缘设备161a-161n和/或经由网络110在边缘设备161a-161n与云105之间发送/接收信息。参考图2,在一个或多个实施方案中,边缘115包括每个企业161a-161n的操作技术(OT)系统163a-163n和信息技术(IT)应用164a-164n。OT系统163a-163n包括用于通过直接监测和/或控制工业装备(例如,边缘设备161a-161n)、资产、过程和/或事件来检测和/或引起改变的硬件和软件。IT应用164a-164n包括用于生成、管理、存储和传递组织内部或组织之间的数据的网络、存储装置和计算资源。
边缘网关162a-162n包括用于有利于经由网络110进行的边缘设备161a-161n与云105之间的通信的设备。例如,边缘网关162a-162n包括用于经由网络110与边缘设备161a-161n通信并且与云105通信的一个或多个通信接口。根据各种实施方案,边缘网关162a-162n的通信接口包括一个或多个蜂窝无线电、蓝牙、WiFi、近场通信无线电、以太网或用于传输和接收信息的其他适当通信设备。根据各种实施方案,每个网关162a-162n中包括多个通信接口,以用于经由网络110提供边缘设备161a-161n、网关162a-162n和云105之间的多种形式的通信。例如,在一个或多个实施方案中,通过无线通信(例如,WiFi、无线电通信等)和/或有线数据连接(例如,通用串行总线、板载诊断系统等)或其他通信模式(诸如局域网(LAN)、广域网(WAN)诸如互联网、电信网络、数据网络或任何其他类型的网络)来实现与边缘设备161a-161n和/或网络110的通信。
根据各种实施方案,边缘网关162a-162n还包括用于存储程序指令以有利于数据处理的存储器和执行这些程序指令以有利于数据处理的处理器。例如,在一个或多个实施方案中,边缘网关162a-162n被配置为从边缘设备161a-161n接收数据,并且在将数据发送到云105之前处理数据。因此,在一个或多个实施方案中,边缘网关162a-162n包括用于提供本公开的数据处理服务和/或其他服务或方法的一个或多个软件模块或部件。参考图2,每个边缘网关162a-162n包括边缘服务165a-165n和边缘连接器166a-166n。根据各种实施方案,边缘服务165a-165n包括用于处理来自边缘设备161a-161n的数据的硬件和软件部件。根据各种实施方案,边缘连接器166a-166n包括用于有利于经由网络110进行的边缘网关162a-162n与云105之间的通信的硬件和软件部件,如上文详述的。在一些情况下,边缘设备161a-n、边缘连接器166a-n和边缘网关162a-n中的任一者都将它们的功能组合、省略或分离成任何设备组合。换句话说,边缘设备以及其连接器和网关不一定需要是分立设备。
图2示出了根据本公开的IoT平台125的框架200的示意性框图。本公开的IoT平台125是用于全厂优化的平台,该平台使用实时精确模型和/或实时数据来传递智能可行推荐和/或实时控制以实现企业160a-160n的持续峰值性能。IoT平台125是可扩展平台,该可扩展平台是可移植的以部署在任何云或数据中心环境中,以用于提供企业范围的、自上而下的看法,显示过程、资产、人员和安全性的状态。此外,IoT平台125支持端到端能力以使用框架200针对过程数据执行数字双胞胎,并且将输出转化为可行洞察,如下文进一步详述的。
如图2所示,IoT平台125的框架200包括多个层,包括例如IoT层205、企业整合层210、数据管道层215、数据洞察层220、应用服务层225和应用层230。IoT平台125还包括核心服务层235,以及包括一个或多个知识图谱251的可扩展对象模型(EOM)250。层205-235还包括一起形成每个层205-235的各种软件部件。例如,在一个或多个实施方案中,每个层205-235包括模块141、模型142、引擎143、数据库144、服务145、应用146中的一者或多者或它们的组合。在一些实施方案中,组合层205-235以形成更少的层。在一些实施方案中,层205-235中的一些被分离成单独的、更多的层。在一些实施方案中,移除层205-235中的一些,而可以添加其他层。
IoT平台125是模型驱动的架构。因此,在某些实施方案中,可扩展对象模型250与每个层205-230通信,以使用可扩展对象模型(或“资产模型”)和知识图谱251来将企业160a-160n的站点数据情境化,其中对企业160a-160n的装备(例如,边缘设备161a-161n)和过程进行建模。EOM 250的知识图谱251被配置为将模型存储在中央位置。知识图谱251限定节点和链接的集合,这些节点和链接描述实现智能系统的真实世界连接。如本文所用,知识图谱251:(i)描述了在图形界面中组织的真实世界实体(例如,边缘设备161a-161n)及其相互关系;(ii)在图解中限定实体的可能类别和关系;(iii)使任意实体能够彼此相关;并且(iv)涵盖各种专题域。换句话说,知识图谱251限定了实体(例如,边缘设备161a-161n)的大型网络、实体的语义类型、实体的特性,以及实体之间的关系。因此,知识图谱251描述了与特定域或企业或组织相关的“事物”网络。知识图谱251不限于抽象概念和关系,而是还可以包含对象的实例,诸如例如文档和数据集。在一些实施方案中,知识图谱251包括资源描述框架(RDF)图。如本文所用,“RDF图”是在形式上描述信息的语义或含义的图数据模型。RDF图也表示元数据(例如,描述数据的数据)。根据各种实施方案,知识图谱251还包括语义对象模型。语义对象模型是知识图谱251的子集,其限定知识图谱251的语义。例如,语义对象模型限定了知识图谱251的图解。
如本文所用,EOM 250是应用编程接口(API)的集合,该集合使得能够扩展接种语义对象模型。例如,本公开的EOM 250使得要构建的客户的知识图谱251能够受到在客户的语义对象模型中表达的约束。因此,知识图谱251由客户(例如,企业或组织)生成以创建企业160a-160n的边缘设备161a-161n的模型,并且知识图谱251被输入到EOM 250中以用于可视化这些模型(例如,节点和链接)。
模型描述了企业(例如,边缘设备161a-161n)的资产(例如,节点)并且描述了资产与其他部件(例如,链接)的关系。模型还描述了图解(例如,描述数据是什么),并且因此模型是自验证的。例如,在一个或多个实施方案中,模型描述了安装在任何给定资产(例如,边缘设备161a-161n)上的传感器的类型和由每个传感器感测的数据的类型。根据各种实施方案,关键绩效指标(KPI)框架用于将可扩展对象模型250中的资产的特性结合到KPI框架的输入。因此,IoT平台125是可扩展的模型驱动的端到端堆叠,其包括:边缘115与云105之间的双向模型同步和安全数据交换、元数据驱动的数据处理(例如,规则、计算和聚合),以及模型驱动的可视化和应用。如本文所用,“可扩展的”是指扩展数据模型以包括新的特性/列/字段、新的类别/表格和新的关系的能力。因此,IoT平台125可相对于边缘设备161a-161n和处理那些设备161a-161n的应用146来扩展。例如,当将新边缘设备161a-161n添加到企业160a-160n系统时,新设备161a-161n将自动出现在IoT平台125中,使得对应的应用146了解和使用来自新设备161a-161n的数据。
在一些情况下,资产模板用于有利于使用共同结构来在模型中配置边缘设备161a-161n的实例。资产模板为特定类型的设备限定了给定企业160a-160n的边缘设备161a-161n的典型特性。例如,泵的资产模板包括对具有入口压力和出口压力、速度、流量等的泵进行建模。模板还可包括分级或衍生类型的边缘设备161a-161n,以适应基础类型的设备161a-161n的变化。例如,往复式泵是基础泵类型的专门化,并且将包括模板中的附加特性。模型中边缘设备161a-161n的实例被配置为使用模板来匹配企业160a-160n的实际物理设备以限定设备161a-161n的预期属性。每个属性被配置为静态值(例如,容量为1000BPH)或参考提供值的时间序列标签。知识图谱251可以基于命名惯例、解析以及将标签和属性描述匹配以及/或者通过比较时间序列数据的行为与预期行为来自动地将标签映射到属性。
在某些实施方案中,建模阶段包括用于同步边缘115与云105之间的模型的上板(onboarding)过程。例如,在一个或多个实施方案中,上板过程包括简单的上板过程、复杂的上板过程和/或标准化的首次展示过程。简单的上板过程包括知识图谱251从边缘115接收原始模型数据并运行上下文发现算法以生成模型。上下文发现算法读取边缘设备161a-161n的边缘命名惯例的上下文并确定这些命名惯例参考的内容。例如,在一个或多个实施方案中,知识图谱251在建模阶段期间接收“TMP”并且确定“TMP”涉及“温度”。然后发布所生成的模型。在某些实施方案中,复杂的上板过程包括知识图谱251接收原始模型数据、接收点历史数据以及接收现场调查数据。根据各种实施方案,知识图谱251然后使用这些输入来运行上下文发现算法。根据各种实施方案,编辑所生成的模型,然后发布这些模型。标准化的首次展示过程包括在云105中手动限定标准模型并将这些模型推送给边缘115。
IoT层205包括用于设备管理、数据摄取和/或边缘设备161a-161n的命令/控制的一个或多个部件。IoT层205的部件使得数据能够从各种源摄取到IoT平台125中或以其他方式接收在IoT平台处。例如,在一个或多个实施方案中,通过过程历史数据库或实验室信息管理系统从边缘设备161a-161n摄取数据。IoT层205通过网络110与安置在边缘网关162a-162n上的边缘连接器165a-165n通信,并且边缘连接器165a-165n将数据安全地发送到IoT平台205。在一些实施方案中,仅授权数据被发送到IoT平台125,并且IoT平台125仅接受来自授权边缘网关162a-162n和/或边缘设备161a-161n的数据。根据各种实施方案,经由直接流式传输和/或经由分批递送将数据从边缘网关162a-162n发送到IoT平台125。此外,在任何网络或系统中断之后,一旦重新建立通信,就将恢复数据传输,并且在中断期间丢失的任何数据将从源系统或IoT平台125的高速缓存回填。根据各种实施方案,IoT层205还包括用于经由各种协议访问时间序列、警报和事件以及交易数据的部件。
企业整合层210包括用于事件/消息传送、文件上传和/或REST/OData的一个或多个部件。企业整合层210的部件使得IoT平台125能够与第三方云应用211(诸如由企业操作的与其边缘设备有关的任何应用)通信。例如,企业整合层210与企业数据库(诸如客人数据库、客户数据库、财务数据库、患者数据库等)连接。企业整合层210提供到第三方的标准应用编程接口(API)以用于访问IoT平台125。企业整合层210还使得IoT平台125能够与企业160a-160n的OT系统163a-163n和IT应用164a-164n通信。因此,企业整合层210使得IoT平台125能够从第三方应用211接收数据,而不是或联合直接从边缘设备161a-161n接收数据。
数据管道层215包括用于数据清理/丰富、数据变换、数据计算/聚合和/或用于数据流的API的一个或多个部件。因此,在一个或多个实施方案中,数据管道层215预处理所接收的数据并且/或者对所接收的数据执行初始分析。数据管道层215执行先进的数据清理例程,包括例如数据校正、质量平衡协调、数据调节、成分平衡和模拟以确保期望信息用作进一步处理的基础。数据管道层215还提供先进快速的计算。例如,在一个或多个实施方案中,经清理的数据通过企业特定的数字双胞胎来运行。根据各种实施方案,企业特定的数字双胞胎包括包含过程模型的可靠性向导,以确定当前操作和故障模型,从而触发任何早期检测并确定适当的解决方法。根据各种实施方案,数字双胞胎还包括优化向导,该优化向导将实时经济性数据与实时过程数据整合,选择用于过程的正确进料,并确定最佳过程条件和产物产率。
根据各种实施方案,数据管道层215采用模型和模板来限定计算和分析。附加地或另选地,根据各种实施方案,数据管道层215采用模型和模板来限定计算和分析如何与资产(例如,边缘设备161a-161n)相关。例如,在一个实施方案中,风扇模板限定风扇效率计算,使得每次配置风扇时,自动为风扇执行标准效率计算。计算模型限定各种类型的计算、应运行计算的引擎的类型、输入和输出参数、预处理要求和先决条件、时间表等。根据各种实施方案,在模板中限定实际计算或分析逻辑或者可以参考实际计算或分析逻辑。因此,根据各种实施方案,采用计算模型来描述和控制各种不同过程模型的执行。根据各种实施方案,计算模板与资产模板链接,使得当创建资产(例如,边缘设备161a-161n)实例时,也创建了任何相关联的计算实例,其中这些计算实例的输入和输出参数链接到资产(例如,边缘设备161a-161n)的适当属性。
根据各种实施方案,IoT平台125支持各种不同的分析模型,包括例如曲线拟合模型、回归分析模型、第一原理模型、经验模型、工程化模型、用户定义的模型、机器学习模型、内置函数和/或任何其他类型的分析模型。现在将通过举例的方式描述故障模型和预测性维护模型,但是任何类型的模型可以是适用的。
故障模型用于比较当前的和预测的企业160a-160n性能以识别问题或机会,以及问题或机会的潜在原因或驱动因素。IoT平台125包括丰富的分级症状-故障模型,以识别异常条件及其潜在后果。例如,在一个或多个实施方案中,IoT平台125从高级条件深入分析以了解促成因素,以及确定较低级条件可能具有的潜在影响。可以存在用于给定企业160a-160n的多个故障模型,该多个故障模型关注不同的方面,诸如过程、装备、控制和/或操作。根据各种实施方案,每个故障模型识别其域中的问题和机会,并且还可以从不同角度看待同一个核心问题。根据各种实施方案,总体故障模型层叠在顶部,以将来自每个故障模型的不同观点合成为对情形的总体评估并指向真正的根本原因。
根据各种实施方案,当识别故障或机会时,IoT平台125提供关于要采取的最佳校正动作的推荐。最初,推荐基于已经由过程和装备专业人员预编程到系统中的专业知识。推荐服务模块以一致的方式呈现该信息,而不管源如何,并且支持工作流以跟踪、结束并记录后续推荐。根据各种实施方案,当现有推荐被验证(或未被验证)或者用户和/或分析了解到新的原因和影响关系时,采用后续推荐来随时间推移改善系统的整体知识。
根据各种实施方案,模型用于在发生之前准确地预测将发生什么并解释所安置基部的状态。因此,IoT平台125使得操作员能够在违规行为发生时快速启动维护措施。根据各种实施方案,IoT平台125的数字双胞胎架构采用各种建模技巧。根据各种实施方案,建模技巧包括例如机理模型、故障检测和诊断(FDD)、描述性模型、预测性维护、规范性维护、过程优化和/或任何其他建模技巧。
根据各种实施方案,机理模型由过程设计模拟转换而来。以这种方式,在某些实施方案中,过程设计与进料条件相结合。过程变化和技术改进提供了在生产需求的背景下实现更有效的维护时间表和资源部署的商业机会。故障检测和诊断包括广义规则集,该广义规则集是基于行业体验和领域知识指定的,并且在与装备模型一起发挥作用时,可以容易地被结合并使用。根据各种实施方案,描述性模型识别问题,并且预测性模型确定可能的损坏程度和维护选项。根据各种实施方案,描述性模型包括用于限定边缘设备161a-161n的操作窗口的模型。
预测性维护包括基于机理模型和统计模型(诸如例如主成分分析(PCA)和最小二乘法(PLS))开发的预测性分析模型。根据各种实施方案,应用机器学习方法来训练模型用于故障预测。根据各种实施方案,预测性维护利用基于FDD的算法来连续监测单独控制和装备性能。然后将预测性建模应用于随时间变坏的选定条件指示符。规范性维护包括确定最佳维护选项,以及其何时应基于实际条件而不是基于时间的维护时间表来执行。根据各种实施方案,规范性分析基于公司的资本、运营和/或其他要求来选择正确的解决方法。过程优化经由调整设定值和时间表来确定最佳条件。优化的设定值和时间表可以被直接传送到底层控制器,这使得能够自动关闭从分析到控制的循环。
数据洞察层220包括用于时间序列数据库(TDSB)、关系/文档数据库、数据湖、二进制大对象、文件、图像和视频和/或用于数据查询的API的一个或多个部件。根据各种实施方案,当在IoT平台125处接收原始数据时,该原始数据作为时间序列标签或事件存储在暖存储中(例如,TSDB中)以支持交互式查询并且存储到冷存储以用于归档目的。根据各种实施方案,数据被发送到数据湖以用于离线分析开发。根据各种实施方案,数据管道层215访问存储在数据洞察层220的数据库中的数据以执行分析,如上文详述的。
应用服务层225包括用于规则引擎、工作流程/通知、KPI框架、洞察(例如,可行洞察)、决策、推荐、机器学习和/或用于应用服务的API的一个或多个部件。应用服务层225使得能够建立应用146a-d。应用层230包括IoT平台125的一个或多个应用146a-d。例如,根据各种实施方案,应用146a-d包括建筑物应用146a、工厂应用146b、航空应用146c和其他企业应用146d。根据各种实施方案,应用146包括用于组合管理、资产管理、自主控制的通用应用146和/或任何其他自定义应用。根据各种实施方案,组合管理包括KPI框架和灵活用户界面(UI)生成器。根据各种实施方案,资产管理包括资产性能、资产健康和/或资产预测性维护。根据各种实施方案,自主控制包括全厂优化、能源优化和/或预测性维护。如上文详述的,根据各种实施方案,通用应用146是可扩展的,使得每个应用146可配置为用于不同类型的企业160a-160n(例如,建筑物应用146a、工厂应用146b、航空应用146c和其他企业应用146d)。
应用层230还实现了企业160a-160n的性能的可视化。例如,仪表板提供了对高级概述的深入分析以支持更深入的调查。推荐汇总给予用户优先动作来解决当前或潜在的问题和机会。数据分析工具支持自组织(ad hoc)数据探索以帮助故障排除和处理改进。
核心服务层235包括IoT平台125的一个或多个服务。根据各种实施方案,核心服务235包括数据可视化、数据分析工具、安全、缩放和监测。根据各种实施方案,核心服务235还包括用于租户配置、单次登录/公共门户、自服务管理员、UI库/UI区块、识别/访问/授权、日志/监测、使用计量、API网关/开发者门户和IoT平台125流的服务。
图3示出了提供根据本公开的一个或多个实施方案的所描述的一个或多个特征的示例性环境的系统300。根据一个实施方案,系统300包括先进过程控制优化系统302以有利于数据分析技术的实际应用,从而提供针对资产和/或工业过程的基于实例的建模和优化。在各种实施方案中,系统300有利于数据分析技术和/或数字转换技术的实际应用以提供针对资产和/或工业过程的仪表板可视化。在一个或多个实施方案中,先进过程控制优化系统302有利于与仪表板技术相关的渲染数据的实际应用以提供与资产和/或工业过程相关的优化。在一个或多个实施方案中,先进过程控制优化系统302采用从与工业系统和/或另一类型的系统(例如,建筑系统、企业系统等)相关联的一个或多个资产和/或一个或多个数据源聚合的数据。
在一个实施方案中,先进过程控制优化系统302是与服务器系统(例如,服务器设备)、一个或多个数据源和/或一个或多个资产相关联的监督级优化平台。在一个或多个实施方案中,先进过程控制优化系统302是具有一个或多个处理器和存储器的设备。在一个或多个实施方案中,先进过程控制优化系统302对应于计算机系统120中的计算机系统,以有利于提供针对资产和/或工业过程的先进过程控制建模。在各种实施方案中,先进过程控制优化系统302附加地或另选地提供与资产和/或工业过程相关联的仪表板可视化。例如,在一个或多个实施方案中,先进过程控制优化系统302经由云105来实现。先进过程控制优化系统302还涉及一种或多种技术,诸如例如工业技术、企业技术、连体建筑物技术、物联网(IoT)技术、数据分析技术、数字转换技术、云计算技术、云数据库技术、服务器技术、网络技术、私有企业网络技术、无线通信技术、机器学习技术、人工智能技术、数字处理技术、电子设备技术、计算机技术、供应链分析技术、飞行器技术、网络安全技术、导航技术、资产可视化技术、油气技术、石油化工技术、精炼技术、加工厂技术、采购技术和/或一种或多种其他技术。
此外,先进过程控制优化系统302提供对一种或多种技术的改进,该一种或多种技术诸如工业技术、企业技术、连体建筑物技术、IoT技术、数据分析技术、数字转换技术、云计算技术、云数据库技术、服务器技术、网络技术、私有企业网络技术、无线通信技术、机器学习技术、人工智能技术、数字处理技术、电子设备技术、计算机技术、供应链分析技术、飞行器技术、网络安全技术、导航技术、资产可视化技术、油气技术、石油化工技术、精炼技术、加工厂技术、采购技术和/或一种或多种其他技术。在具体实施中,先进过程控制优化系统302改进了计算设备的性能。例如,在一个或多个实施方案中,先进过程控制优化系统302改进了计算设备(例如,用户计算设备)的处理效率,减少了计算设备(例如,用户计算设备)的功率消耗,改进了由计算设备(例如,用户计算设备)提供的数据的质量等。
先进过程控制优化系统302包括事件部件304、基于实例的学习部件306和/或动作部件308。附加地,在一个或多个实施方案中,先进过程控制优化系统302包括处理器310和/或存储器312。在某些实施方案中,先进过程控制优化系统302(和/或本文所公开的其他系统、装置和/或过程)的一个或多个方面构成体现在计算机可读存储介质(例如,存储器312)内的可执行指令。例如,在一个实施方案中,存储器312存储计算机可执行部件和/或可执行指令(例如,程序指令)。此外,处理器310有利于计算机可执行部件和/或可执行指令(例如,程序指令)的执行。在示例性实施方案中,处理器310被配置为执行存储在存储器312中或能够以其他方式供处理器310访问的指令。
处理器310是能够执行根据本公开的一个或多个实施方案的操作的硬件实体(例如,物理地体现在电路中)。另选地,在其中处理器310被体现为软件指令的执行器的实施方案中,软件指令将处理器310配置为响应于软件指令被执行而执行本文所述的一个或多个算法和/或操作。在一个实施方案中,处理器310是单核处理器、多核处理器、先进过程控制优化系统302内部的多个处理器、远程处理器(例如,在服务器上实现的处理器)和/或虚拟机。在某些实施方案中,处理器310经由总线与存储器312、事件部件304、基于实例的学习部件306和/或动作部件308通信,以例如有利于在处理器310、存储器312、事件部件304、基于实例的学习部件306和/或动作部件308之间传输数据。处理器310可以多种不同的方式体现,并且在某些实施方案中,包括被配置为独立地执行的一个或多个处理设备。附加地或另选地,在一个或多个实施方案中,处理器310包括经由总线串联配置的一个或多个处理器,以实现对指令的独立执行、对数据的管道输送和/或对指令的多线程执行。
存储器312是非暂态的,并且包括例如一个或多个易失性存储器和/或一个或多个非易失性存储器。换句话讲,在一个或多个实施方案中,存储器312是电子存储设备(例如,计算机可读存储介质)。存储器312可被配置为存储信息、数据、内容、一个或多个应用、一个或多个指令等,以使得先进过程控制优化系统302能够执行根据本文所公开的一个或多个实施方案的各种功能。如本文在本公开中所使用的,术语“部件”、“系统”等可为计算机相关实体。例如,本文所公开的“部件”、“系统”等是硬件、软件或硬件和软件的组合。例如,部件是但不限于在处理器上执行的过程、处理器、电路、可执行部件、指令线程、程序和/或计算机实体。
事件部件304被配置为接收事件指示符320。在一个或多个实施方案中,事件指示符320与和一个或多个资产的操作和/或与该一个或多个资产相关的一个或多个工业过程相关联的改变事件相关。例如,在一个或多个实施方案中,事件指示符320与和边缘设备161a-161n(例如,包括在资产组合中的边缘设备161a-161n)相关联的改变事件相关。在一个或多个实施方案中,事件指示符320包括描述与一个或多个资产和/或一个或多个工业过程相关联的一个或多个事件的一个或多个事件描述符。在一个或多个实施方案中,事件指示符320附加地或另选地包括描述一个或多个资产的一个或多个资产描述符。例如,在一个或多个实施方案中,事件指示符320包括描述边缘设备161a-161n的一个或多个资产描述符。资产描述符包括例如资产名称、资产标识符、资产层级和/或与资产相关联的其他信息。
在一个或多个实施方案中,边缘设备161a-161n对应于一个或多个资产。在一个或多个实施方案中,一个或多个资产对应于IoT设备(例如,一个或多个工业IoT设备)、工业装备、工厂装备、一个或多个传感器、一个或多个致动器、一个或多个处理器、一个或多个计算机、一个或多个阀、一个或多个泵(例如,一个或多个离心泵等)、一个或多个电动机、一个或多个压缩机、一个或多个涡轮机、一个或多个管道、一个或多个加热器、一个或多个冷却装置、一个或多个冷却器、一个或多个锅炉、一个或多个熔炉、一个或多个热交换器、一个或多个风扇、一个或多个鼓风机、一个或多个传送带、一个或多个连体建筑物资产、一个或多个车辆部件、一个或多个相机、一个或多个显示器、一个或多个安全部件、一个或多空气处理器单元、一个或多个HVAC部件、和/或连接到网络110以用于收集、发送和/或接收信息的一个或多个其他设备。在一个或多个实施方案中,边缘设备161a-161n包括一个或多个控制器或以其他方式与该一个或多个控制器通信,以选择性地控制相应的边缘设备161a-161n和/或经由网络110在边缘设备161a-161n与先进过程控制优化系统302之间发送/接收信息。在一个或多个实施方案中,边缘设备161a-161n与工业环境(例如,工厂等)相关联。附加地或另选地,在一个或多个实施方案中,边缘设备161a-161n与边缘115的部件(诸如例如一个或多个企业160a-160n)相关联。
改变事件可以是异常状况、故障状况、关于一个或多个阈值的定义的过程改变、关于建模数据的定义的建模改变、关于资产数据分组的定义的改变、资产数据统计分布中的定义的改变、关于一个或多个量度的定义的改变、关于优化目标的定义的改变、和/或与资产和/或工业过程相关联的另一类型的改变事件。在一个或多个实施方案中,事件部件304从与边缘设备161a-161n相关联的一个或多个控制器接收事件指示符320。附加地或另选地,事件部件304基于由一个或多个聚类模型326提供的数据来接收事件指示符320。在各种实施方案中,事件部件304响应于与一个或多个聚类模型326相关联的触发条件来接收事件指示符320。一个或多个聚类模型326可以是针对一个或多个资产和/或一个或多个工业过程的一个或多个聚类模型。例如,一个或多个聚类模型326可被配置用于通过基于相应属性和/或特征的相似性将资产数据和/或工业过程数据分组成数据聚类来提供关于资产数据和/或工业过程数据的聚类分析。在某些实施方案中,一个或多个聚类模型326基于资产数据的属性、关系、相应注释和/或标签来提供数据分组,诸如资产特性、资产位置、资产站点、资产细节、资产活动、资产功能性、资产配置、资产组成、资产服务、资产优先级、操作设置和/或相应资产的其他资产信息。触发条件可与关于由一个或多个聚类模型326建模的资产数据和/或工业过程数据的聚类改变相关联。例如,与一个或多个聚类模型326相关联的触发条件可以是例如来自一个或多个聚类模型326的特定数据从第一数据分组转换到第二数据分组的条件。与一个或多个聚类模型326相关联的触发条件可附加地或另选地与用于由一个或多个聚类模型326对数据进行聚类的另一类型的改变相关联。
在一个或多个实施方案中,先进过程控制优化系统302将与边缘设备161a-161n相关联的资产数据聚合到资产数据库324中。此外,一个或多个聚类模型326可采用存储在资产数据库324中的资产数据来提供关于资产数据的聚类分析。资产数据库324是动态地存储与边缘设备161a-161n相关联的数据的高速缓存存储器(例如,数据库结构)。在一个或多个实施方案中,资产数据的至少一部分包括例如连体建筑物数据、传感器数据、实时数据、现场特性值数据、事件数据、过程数据、操作数据、故障数据、资产数据、位置数据和/或与边缘设备161a-161n相关联的其他数据。附加地或另选地,在一个或多个实施方案中,资产数据的至少一部分包括历史数据、历史连接建筑物数据、历史传感器数据、历史特性值数据、历史事件数据、历史过程数据、历史操作数据、历史故障数据、历史资产数据和/或与边缘设备161a-161n相关联的其他历史数据。附加地或另选地,资产数据的至少一部分包括与资产数据的聚合相关联的量度和/或统计的聚合。例如,在某些实施方案中,资产数据的至少一部分包括与资产组合相关联的KPI数据。在一个或多个实施方案中,KPI数据包括KPI量度数据、职责KPI数据、职责目标KPI数据和/或其他KPI数据。在一个或多个实施方案中,从与先进过程控制优化系统302通信的一个或多个资产数据库获得资产数据的至少一部分。例如,在某些实施方案中,从资产数据库324获得资产数据的至少一部分。附加地或另选地,在某些实施方案中,直接从边缘设备161a-161n获得资产数据的至少一部分。在一个或多个实施方案中,资产数据包括与一个或多个资产的操作设置之间的趋势、模式和/或关系相关的信息。在一个或多个实施方案中,资产数据包括一个或多个属性、标签、分类、洞察、推断、机器学习数据和/或与一个或多个资产和/或一个或多个工业过程相关的其他属性。
在一个或多个实施方案中,先进过程控制优化系统302基于由边缘设备161a-161n在一个或多个时间间隔期间提供的资产数据来重复更新资产数据库324的资产数据。例如,在一个或多个实施方案中,先进过程控制优化系统302存储与边缘设备161a-161n相关联的新资产数据和/或经修改资产数据。在一个或多个实施方案中,先进过程控制优化系统302重复扫描边缘设备161a-161n以确定新资产数据以便存储在资产数据库324中。在一个或多个实施方案中,先进过程控制优化系统302对与边缘设备161a-161n相关联的资产数据的一个或多个部分进行格式化。例如,在一个或多个实施方案中,先进过程控制优化系统302向资产数据库324提供与边缘设备161a-161n相关联的资产数据的格式化版本。在一个实施方案中,资产数据314的格式化版本是用与该一个或多个时间间隔和/或该一个或多个资产分级结构层级相关联的一个或多个限定格式来格式化的。限定格式是例如资产数据库324的数据字段的结构。在各种实施方案中,与边缘设备161a-161n相关联的资产数据的格式化版本被存储在资产数据库324中。
响应于事件指示符320,基于实例的学习部件306确定针对一个或多个资产的一个或多个实时设置的一个或多个洞察。在一个或多个实施方案中,一个或多个实时设置包括操作范围、一个或多个经调整操作设置、一个或多个经调整操作极限、一个或多个设定值改变和/或与一个或多个资产和/或与该一个或多个资产相关的一个或多个工业过程的实时操作相关的一个或多个其他经调整设置。在一个或多个实施方案中,基于实例的学习部件306至少部分地基于一个或多个资产的一个或多个当前操作条件数字签名与一个或多个资产的一个或多个历史操作条件数字签名之间的比较来确定一个或多个洞察。一个或多个洞察包括一个或多个预测、趋势、关系、相关性、差异、分类、改变、推荐范围、推荐极限、推荐设定值和/或与针对一个或多个资产的一个或多个实时设置的优化相关的其他洞察。在一个或多个实施方案中,一个或多个洞察是一个或多个基于实例的学习洞察。附加地,可基于与基于实例的学习相关联的一个或多个机器学习技术来确定一个或多个洞察。在一个或多个实施方案中,基于实例的学习部件306基于确定一个或多个当前操作条件数字签名和一个或多个历史操作条件数字签名中的数据之间的相似性和/或差异程度的距离相似性度量技术来比较一个或多个当前操作条件数字签名和一个或多个历史操作条件数字签名。距离相似性度量技术可包括欧几里得距离技术、余弦相似性技术和/或另一类型的距离相似性度量技术。
资产的当前操作条件数字签名包括资产和/或与该资产相关联的工业过程的实时资产数据。附加地,当前操作条件数字签名可以是将实时资产数据映射到与该实时资产数据相关联的特定数字数据格式的编码数据结构(例如,数字指纹)。在一个或多个实施方案中,当前操作条件数字签名可与一个或多个实时设置相关。实时资产数据可包括实时资产上下文数据、实时工厂上下文数据、实时操作变量、实时极限、实时设定值、实时传感器数据、实时事件数据、实时过程数据、实时故障数据、实时机器学习数据、实时量度数据、位置数据、KPI数据、KPI量度数据、职责KPI数据、职责目标KPI数据和/或与资产、与资产相关的工业过程和/或针对资产的实时操作设置相关联的其他实时资产数据。
资产的历史操作条件数字签名包括资产和/或与该资产相关联的工业过程的历史资产数据。附加地,历史操作条件数字签名可以是将历史资产数据映射到与该历史资产数据相关联的特定数字数据格式的编码数据结构(例如,数字指纹)。历史资产数据可包括历史资产上下文数据、历史工厂上下文数据、历史操作变量、历史极限、历史设定值、历史传感器数据、历史事件数据、历史过程数据、历史故障数据、历史机器学习数据、历史量度数据、位置数据、历史KPI数据、历史KPI量度数据、历史职责KPI数据、历史职责目标KPI数据和/或与资产、与该资产相关的工业过程和/或针对该资产的历史操作设置相关联的其他历史资产数据。
在一个或多个实施方案中,基于实例的学习部件306通过过滤与资产相关的相应实时资产数据来生成资产的当前操作条件数字签名。在各种实施方案中,基于实例的学习部件306通过过滤资产的至少当前操作变量和/或资产上下文数据来生成资产的当前操作条件数字签名。在各种实施方案中,基于实例的学习部件306基于与一个或多个聚类模型326相关联的相应数据聚类的一个或多个聚类阈值来过滤实时资产数据。附加地或另选地,基于实例的学习部件306基于实时资产数据的一个或多个噪声阈值和/或实时资产数据的一个或多个准确度量度来过滤资产数据。在各种实施方案中,基于实例的学习部件306附加地或另选地基于包括在一个或多个历史操作条件数字签名中的一组特征来过滤实时资产数据。例如,基于实例的学习部件306可基于针对一个或多个历史操作条件和/或一个或多个历史操作设置的一组候选特征来配置当前操作条件数字签名。在各种实施方案中,基于实例的学习部件306附加地或另选地基于与资产相关联的一组预定义事件来过滤实时资产数据。在各种实施方案中,基于实例的学习部件306确定与实时资产数据相关联的非决策变量和/或决策变量,并基于非决策变量和/或决策变量来执行关于实时资产数据的不同过滤过程。
在一个或多个实施方案中,基于实例的学习部件306附加地基于一个或多个洞察来调整针对一个或多个资产的一个或多个实时设置以提供针对一个或多个资产和/或与该一个或多个资产相关的一个或多个工业过程的一个或多个经调整设置。一个或多个经调整设置可以是例如操作范围、一个或多个经调整操作设置、一个或多个经调整操作极限、一个或多个设定值改变和/或针对一个或多个资产和/或与该一个或多个资产相关的一个或多个工业过程的一个或多个其他经调整设置。在一个或多个实施方案中,与和在一个或多个经调整设置之前的一个或多个工业过程的一个或多个设置极限相关联的一个或多个先前工业过程相比,一个或多个经调整设置可为一个或多个工业过程和/或相关资产提供改进的(例如,优化的)处理效率、处理性能和/或产品质量。
附加地,在一个或多个实施方案中,动作部件308基于针对一个或多个资产和/或与该一个或多个资产相关的一个或多个工业过程的一个或多个经调整设置来执行一个或多个动作。在各种实施方案中,动作部件308生成与一个或多个动作相关的动作数据322。在某些实施方案中,动作数据322包括仪表板可视化数据、电子表格数据、绘图工具数据、计算机可执行指令、用于一个或多个控制器的一个或多个控制信号、数据文件、元数据和/或与一个或多个经调整设置相关的其他数据。
在一个或多个实施方案中,动作部件308生成动作数据322以有利于提供与动作数据322相关联的仪表板可视化。例如,在一个或多个实施方案中,动作部件308基于一个或多个经调整设置和/或基于该一个或多个经调整设置而配置的动作数据322来配置针对计算设备的电子界面的仪表板可视化。在一个或多个实施方案中,动作部件308经由网络110传输动作数据322。在某些实施方案中,动作部件308结合了加密能力以有利于对动作数据322的一个或多个部分的加密和/或解密。
在一个或多个实施方案中,仪表板可视化被配置为经由电子界面提供一个或多个经调整设置作为相应的交互式显示元素。交互式显示元素是提供相对于用户计算设备的用户的交互的仪表板可视化的一部分(例如,用户交互式电子界面部分)。例如,在一个或多个实施方案中,交互式显示元素是与允许用户提供反馈和/或执行相对于仪表板可视化的一个或多个动作的像素集合相关联的交互式显示元素。在一个实施方案中,响应于与交互式显示元素的交互,仪表板可视化被动态地改变以显示与不同视觉数据和/或不同交互式显示元素相关联的仪表板可视化的一个或多个已改变部分。
附加地,在一个或多个实施方案中,仪表板可视化被配置为有利于基于动作数据322经由仪表板可视化对一个或多个动作的执行和/或发起。在一个实施方案中,经由仪表板可视化的交互式显示元素执行和/或发起动作。在某些实施方案中,来自该一个或多个动作的动作包括生成与针对资产组合的优先动作相关联的一个或多个通知。在一个或多个实施方案中,动作数据322包括至少部分地基于一个或多个经调整设置而配置的控制信号。此外,控制信号可被传输到控制器,该控制器被配置用于与一个或多个资产相关联的优化。在一个或多个实施方案中,基于与控制器相关联的一个或多个通信协议和/或一个或多个工业控制系统协议来配置控制信号。在某些实施方案中,动作数据322可被配置为基于针对一个或多个资产和/或与该一个或多个资产相关的一个或多个过程的更新的操作数据来更新一个或多个机器学习模型。与和当前操作条件数字签名相关联的操作数据相比,更新的操作数据可以是更近期的操作数据。例如,在某些实施方案中,动作数据322可被配置为基于一个或多个经调整设置来更新一个或多个机器学习模型。一个或多个机器学习模型可包括一个或多个聚类模型326、一个或多个预测模型和/或与一个或多个资产和/或一个或多个工业过程相关联的一个或多个其他机器学习模型。在某些实施方案中,来自该一个或多个动作的动作包括与应用服务层225、应用层230和/或核心服务层235相关联的动作。
附加地,响应于优化请求720,控制部件708将至少部分地基于一个或多个实时操作极限而配置的控制信号传输到控制器,该控制器被配置用于与生产工业过程产品的工业过程相关联的优化。在一个或多个实施方案中,控制部件708基于经调整的一个或多个实时操作极限与针对工业过程的多变量控制标准之间的比较来配置控制信号。多变量控制标准可与工业过程和/或全厂工业过程的优化目标相关联。在各种实施方案中,经调整的一个或多个实时操作极限对应于一个或多个资产和/或一个或多个工业过程的资产能力。
图4示出了提供根据本公开的一个或多个实施方案的所描述的一个或多个特征的示例性环境的系统300'。在一个实施方案中,系统300'对应于图3所示的系统300的另选实施方案。根据一个实施方案,系统300'包括先进过程控制优化系统302、边缘设备161a-161n、资产数据库324、一个或多个聚类模型326和/或计算设备402。在一个或多个实施方案中,先进过程控制优化系统302经由网络110与边缘设备161a-161n和/或计算设备402通信。计算设备402是用户计算设备、移动计算设备、智能电话、平板计算机、移动计算机、台式计算机、膝上型计算机、工作站计算机、可穿戴设备、虚拟现实设备、增强现实设备或远离先进过程控制优化系统302定位的另一种类型的计算设备。
在一个或多个实施方案中,动作部件308将动作数据322传送到计算设备402。例如,在一个或多个实施方案中,动作数据322包括用于计算设备402的视觉显示器(例如,用户交互式电子界面)的一个或多个视觉元素,该视觉显示器呈现该一个或多个经调整设置的视觉表示。在一个或多个其他实施方案中,动作部件308将动作数据322传输到边缘设备161a-161n和/或通信地耦接到边缘设备161a-161n的处理设备(例如,控制器),以例如改变针对一个或多个资产的一个或多个设置和/或一个或多个工业过程。在另一示例中,在一个或多个实施方案中,动作数据322包括与一个或多个经调整设置相关联的一个或多个通知。在一个或多个实施方案中,动作数据322允许与计算设备402相关联的用户相对于一个或多个资产做出决策和/或执行一个或多个动作。在一个或多个实施方案中,动作数据322允许与计算设备402相关联的用户控制一个或多个资产的一个或多个部分(例如,边缘设备161a-161n的一个或多个部分)。
图5示出了根据本公开的一个或多个实施方案的系统500。系统500包括计算设备402。在一个或多个实施方案中,计算设备402采用移动计算、增强现实、基于云的计算、IoT技术和/或一种或多种其他技术来提供性能数据、视频、音频、文本、图、图表、实时数据、图形数据、一个或多个通信、一个或多个消息、一个或多个通知和/或与该一个或多个性能保证洞察相关联的其他媒体数据。计算设备402包括机械部件、电部件、硬件部件和/或软件部件以有利于确定相对于一个或多个资产的性能保证洞察。在图5所示的实施方案中,计算设备402包括视觉显示器504、一个或多个扬声器506、一个或多个相机508、一个或多个麦克风510、全球定位系统(GPS)设备512、陀螺仪514、一个或多个无线通信设备516和/或电源518。
在一个实施方案中,视觉显示器504是有利于呈现仪表板可视化数据的一个或多个部分和/或与该一个或多个部分交互的显示器。在一个或多个实施方案中,计算设备402显示与先进过程控制优化系统302相关联的电子界面(例如,图形用户界面)。在一个或多个实施方案中,视觉显示器504是经由一组像素呈现一个或多个交互式媒体元素的视觉显示器。一个或多个扬声器506包括展现音频的一个或多个集成扬声器。一个或多个相机508包括采用自动聚焦和/或图像稳定用于照片捕获和/或实时视频的一个或多个相机。在某些实施方案中,一个或多个麦克风510包括采用主动噪声消除来捕获音频数据的一个或多个数字麦克风。GPS设备512提供计算设备402的地理位置。陀螺仪514提供计算设备402的取向。一个或多个无线通信设备516包括一个或多个硬件部件,以经由一个或多个无线联网技术和/或一个或多个短波长无线技术提供无线通信。电源518是例如向视觉显示器504、一个或多个扬声器506、一个或多个相机508、一个或多个麦克风510、GPS设备512、陀螺仪514和/或一个或多个无线通信设备516提供电力的电源和/或可充电电池。在某些实施方案中,经由视觉显示器504和/或一个或多个扬声器506呈现与一个或多个经调整设置相关联的动作数据322。
图6示出了根据本公开的一个或多个实施方案的系统600。在一个或多个实施方案中,系统600是与基于实例的学习相关联的先进过程控制系统。系统600包括先进过程控制优化系统302、一个或多个聚类模型326和/或计算设备402。先进过程控制优化系统302可为先进过程控制602提供优化,该先进过程控制被配置为至少控制与一个或多个资产相关联的工业过程604。例如,先进过程控制602可以是与用于控制工业过程604的一个或多个部分的各种控制器和/或其他设备相关联的工业过程控制系统(例如,工业过程控制和自动化系统等)。在各种实施方案中,先进过程控制602附加地或另选地包括一个或多个处理设备和一个或多个存储器,该一个或多个存储器用于存储由一个或多个处理设备使用、生成或收集的指令和数据。在一个或多个实施方案中,控制器各自包括至少一个网络接口,诸如一个或多个以太网接口或一个或多个无线收发器。在各种实施方案中,先进过程控制602附加地或另选地包括一个或多个传感器、一个或多个致动器、一个或多个服务器、一个或多个操作员站、一个或多个网络和/或用于控制工业过程604的一个或多个其他部件。在某些实施方案中,先进过程控制602向工业过程604提供控制信号、多变量控制功能和/或其他信号。工业过程604可基于连续操作、自动化操作、批量操作、批量共混配方、循环和/或其他步骤来执行以制造和/或生产一种或多种产品、商品或其他输出。
在各种实施方案中,由先进过程控制优化系统302提供的动作数据322可向计算设备402和/或先进过程控制602提供一个或多个操作范围推荐、一个或多个操作极限改变、一个或多个设定值改变和/或其他数据。在各种实施方案中,由先进过程控制优化系统302提供的动作数据322可附加地或另选地将仪表板可视化606配置为呈现与一个或多个经调整设置相关联的可视化数据。在一个或多个实施方案中,仪表板可视化606可经由计算设备402和/或另一计算设备的电子界面来呈现。在某些实施方案中,仪表板可视化606可附加地基于由与工业过程604相关联的预测模型607提供的预测洞察来配置。在各种实施方案中,由先进过程控制优化系统302提供的动作数据322可附加地或另选地用于与一个或多个聚类模型326相关的聚类模型调谐608。聚类模型调谐608可包括对针对一个或多个聚类模型326的参数、超参数、权重、变量、阈值和/或其他模型配置数据的调谐。附加地,在一个或多个实施方案中,先进过程控制优化系统302可被配置为重复地执行历史记录更新610(例如,按月)以便更新例如存储在资产数据库324中的历史资产。例如,历史数据可与更近期的正常操作数据相适应。
在一个或多个实施方案中,先进过程控制优化系统302选择与工业过程604的操作吞吐量相关的变量,并将这些变量划分成工业过程604的非决策变量和决策变量。在一个或多个实施方案中,先进过程控制优化系统302执行数据清理以去除离群数据、噪声数据、不准确数据和/或包含违反已知约束和不稳定操作的周期。在一个或多个实施方案中,先进过程控制优化系统302去除与关闭周期相关联的数据和/或搜索与延长的操作周期相关联的数据。在一个或多个实施方案中,先进过程控制优化系统302从延长的操作周期中识别稳态正常操作记录。在一个或多个实施方案中,先进过程控制优化系统302通过非决策变量的当前值和/或通过一个或多个历史时间间隔来过滤操作记录。在一个或多个实施方案中,先进过程控制优化系统302以高于当前值的吞吐量过滤操作记录。附加地或另选地,根据简化的过滤实例,先进过程控制优化系统302基于决策变量来计算距离/相似性度量(例如,欧几里得距离、余弦相似性等)并将其与当前操作条件进行比较。
在一个或多个实施方案中,先进过程控制优化系统302基于具有最小改变标准的较高吞吐量来提供一个或多个推荐(例如,一组实例)(例如,基于与当前操作条件最相似的一组历史记录来提供推荐)、基于较高吞吐量标准来提供该一个或多个推荐(例如,基于具有最高吞吐量的历史记录来提供推荐,并基于与当前操作条件的相似性来返回子组)和/或基于最高可能吞吐量标准来提供该一个或多个推荐(例如,基于具有最高吞吐量的一组历史记录来提供推荐)。在各种实施方案中,仪表板可视化606显示决策变量、非决策变量和吞吐量、时间戳、距离/相似性度量、趋势和/或其他数据的值。
图7示出了根据本公开的一个或多个实施方案的示例性电子界面700。在一个实施方案中,电子界面700是经由视觉显示器504呈现的计算设备402的电子界面。在一个或多个实施方案中,经由电子界面700呈现仪表板可视化。在某些实施方案中,经由电子界面700呈现的数据可视化呈现与动作数据322相关联的可视化。例如,经由电子界面700呈现的数据可视化可呈现与针对一个或多个资产的一个或多个经调整设置相关联的可视化。在各种实施方案中,电子界面700呈现针对一个或多个资产的一个或多个操作设置的基于实例的推荐目标。
图8示出了根据本公开的一个或多个实施方案的示例性电子界面800。在一个实施方案中,电子界面800是经由视觉显示器504呈现的计算设备402的电子界面。在一个或多个实施方案中,经由电子界面800呈现仪表板可视化。在某些实施方案中,经由电子界面800呈现的数据可视化呈现与动作数据322相关联的可视化。例如,经由电子界面800呈现的数据可视化可呈现与针对一个或多个资产的一个或多个经调整设置相关联的可视化。在各种实施方案中,电子界面800呈现与一个或多个资产和/或一个或多个工业过程相关的趋势。在各种实施方案中,电子界面800呈现与和一个或多个资产和/或一个或多个工业过程的一个或多个当前操作点(例如,一个或多个操作设置)匹配的历史操作数据相关的可视化。
图9示出了根据本文所述的一个或多个实施方案的使用基于实例的学习的针对资产和/或过程的先进过程控制的方法900。例如,方法900与先进过程控制优化系统302相关联。例如,在一个或多个实施方案中,方法900在具有一个或多个处理器和存储器的设备(例如,先进过程控制优化系统302)处执行。在一个或多个实施方案中,方法900有利于资产、工业过程和/或全厂工业过程的优化。在一个或多个实施方案中,方法900开始于框902,该框接收(例如,由事件部件304)与和资产的操作相关联的改变事件相关的事件指示符。该事件指示符提供一个或多个技术改进,诸如但不限于有利于与计算设备的交互、扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。在某些实施方案中,接收事件指示符包括响应于与资产的聚类模型相关联的触发条件来接收事件指示符。另选地,在某些实施方案中,接收事件指示符包括响应于关于资产的资产数据的聚类改变而接收事件指示符。
在框904处,确定事件指示符是否被处理。如果否,则重复框904以确定事件指示符是否被处理。如果是,则方法900前进至框906。响应于事件指示符,框906至少部分地基于资产的当前操作条件数字签名与资产的历史操作条件数字签名之间的比较来确定(例如,由基于实例的学习部件306)针对资产的一个或多个实时设置的一个或多个洞察。确定一个或多个洞察提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。在一个或多个实施方案中,一个或多个洞察是一个或多个基于实例的学习洞察。例如,在一个或多个实施方案中,确定一个或多个洞察包括至少部分地基于资产的当前操作条件数字签名与资产的历史操作条件数字签名之间的比较来确定针对一个或多个实时设置的一个或多个基于实例的学习洞察。附加地或另选地,在一个或多个实施方案中,针对资产的一个或多个实时设置是针对资产的一个或多个实时操作设置。
方法900还包括框908,该框响应于事件指示符,基于一个或多个洞察来调整(例如,由基于实例的学习部件306)针对资产的一个或多个实时设置以提供针对资产的一个或多个经调整设置。该调整提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。
方法900还包括框910,该框响应于事件指示符,基于针对资产的一个或多个经调整设置来执行(例如,由动作部件308)一个或多个动作。执行一个或多个动作提供了一个或多个技术改进,诸如但不限于提供针对计算设备的各种经验、改进资产的性能和/或改进工业过程的性能。在一个或多个实施方案中,针对资产的一个或多个经调整设置是针对资产的一个或多个经调整操作设置。
在一个或多个实施方案中,方法900附加地或另选地包括通过过滤资产的当前操作变量和资产上下文数据来生成资产的当前操作条件数字签名。在一个或多个实施方案中,过滤资产的当前操作变量和资产上下文数据包括基于一个或多个聚类阈值、一个或多个噪声阈值、一个或多个准确度量度、包括在历史操作条件数字签名中的一组特征和/或与资产相关联的一组预定义事件来过滤资产数据。
在一个或多个实施方案中,方法900附加地或另选地包括确定与资产数据相关联的非决策变量和决策变量。在一个或多个实施方案中,方法900附加地或另选地包括基于非决策变量和决策变量来执行关于资产数据的不同过滤过程。
在一个或多个实施方案中,方法900附加地或另选地包括基于历史操作条件的一组候选特征来配置当前操作条件数字签名。
在一个或多个实施方案中,方法900附加地或另选地包括基于距离相似性度量技术来比较当前操作条件数字签名与历史操作条件数字签名。
在一个或多个实施方案中,方法900附加地或另选地包括基于被确定为与当前操作条件数字签名最相似的一个或多个历史操作条件数字签名来配置针对资产的一个或多个经调整设置。在一个或多个实施方案中,方法900附加地或另选地包括基于与所定义类型的操作吞吐量变量相关联的一个或多个历史操作条件数字签名来配置针对资产的一个或多个经调整设置。
在一个或多个实施方案中,方法900附加地或另选地包括基于针对资产的一个或多个经调整设置来配置针对计算设备的电子界面的仪表板可视化。在一个或多个实施方案中,方法900附加地或另选地包括将至少部分地基于针对资产的一个或多个经调整设置而配置的控制信号传输到被配置用于与资产相关联的优化的控制器。在一个或多个实施方案中,方法900附加地或另选地包括基于资产的更新的操作数据更新一个或多个机器学习模型(例如,更新对一个或多个聚类模型326的参数、超参数、权重、变量、阈值和/或其他模型配置数据的一个或多个调谐)。在一个或多个实施方案中,方法900附加地或另选地包括基于与资产相关的一个或多个过程的更新的操作数据来更新一个或多个机器学习模型(例如,更新对一个或多个聚类模型326的参数、超参数、权重、变量、阈值和/或其他模型配置数据的一个或多个调谐)。
图10示出了根据本文所述的一个或多个其他实施方案的使用基于实例的学习的针对资产和/或过程的先进过程控制的方法1000。例如,方法1000与先进过程控制优化系统302相关联。例如,在一个或多个实施方案中,方法1000在具有一个或多个处理器和存储器的设备(例如,先进过程控制优化系统302)处执行。在一个或多个实施方案中,方法1000有利于资产、工业过程和/或全厂工业过程的优化。在一个或多个实施方案中,方法1000开始于框1002,该框接收(例如,由事件部件304)与和资产的聚类模型相关联的触发条件相关的事件指示符。该事件指示符提供一个或多个技术改进,诸如但不限于有利于与计算设备的交互、扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。
在框1004处,确定事件指示符是否被处理。如果否,则重复框1004以确定事件指示符是否被处理。如果是,则方法1000前进至框1006。响应于事件指示符,框1006至少部分地基于资产的当前操作条件数字签名与资产的历史操作条件数字签名之间的比较来确定(例如,由基于实例的学习部件306)针对资产的一个或多个实时设置的一个或多个洞察。确定一个或多个洞察提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。在一个或多个实施方案中,一个或多个洞察是一个或多个基于实例的学习洞察。例如,在一个或多个实施方案中,确定一个或多个洞察包括至少部分地基于资产的当前操作条件数字签名与资产的历史操作条件数字签名之间的比较来确定针对一个或多个实时设置的一个或多个基于实例的学习洞察。附加地或另选地,在一个或多个实施方案中,针对资产的一个或多个实时设置是针对资产的一个或多个实时操作设置。
方法1000还包括框1008,该框响应于事件指示符,基于一个或多个洞察来调整(例如,由基于实例的学习部件306)针对资产的一个或多个实时设置以提供针对资产的一个或多个经调整设置。该调整提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。
方法1000还包括框1010,该框响应于事件指示符,基于针对资产的一个或多个经调整设置来执行(例如,由动作部件308)一个或多个动作。执行一个或多个动作提供了一个或多个技术改进,诸如但不限于提供针对计算设备的各种经验、改进资产的性能和/或改进工业过程的性能。在一个或多个实施方案中,针对资产的一个或多个经调整设置是针对资产的一个或多个经调整操作设置。
图11示出了根据本文所述的一个或多个其他实施方案的使用基于实例的学习的针对资产和/或过程的先进过程控制的方法1100。例如,方法1100与先进过程控制优化系统302相关联。例如,在一个或多个实施方案中,方法1100在具有一个或多个处理器和存储器的设备(例如,先进过程控制优化系统302)处执行。在一个或多个实施方案中,方法1100有利于资产、工业过程和/或全厂工业过程的优化。在一个或多个实施方案中,方法1100开始于框1102,该框接收(例如,由事件部件304)与和资产的操作相关联的改变事件相关的事件指示符。该事件指示符提供一个或多个技术改进,诸如但不限于有利于与计算设备的交互、扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。
在框1104处,确定事件指示符是否被处理。如果否,则重复框1104以确定事件指示符是否被处理。如果是,则方法1100前进至框1106。响应于事件指示符,框1106通过过滤资产的当前操作变量和/或资产数据来生成(例如,由基于实例的学习部件306)资产的当前操作条件数字签名。生成当前操作条件数字签名提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。
方法1100还包括框1108,该框响应于事件指示符,至少部分地基于资产的当前操作条件数字签名与资产的历史操作条件数字签名之间的比较来确定(例如,由基于实例的学习部件306)针对资产的一个或多个实时设置的一个或多个洞察。确定一个或多个洞察提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。在一个或多个实施方案中,一个或多个洞察是一个或多个基于实例的学习洞察。例如,在一个或多个实施方案中,确定一个或多个洞察包括至少部分地基于资产的当前操作条件数字签名与资产的历史操作条件数字签名之间的比较来确定针对一个或多个实时设置的一个或多个基于实例的学习洞察。附加地或另选地,在一个或多个实施方案中,针对资产的一个或多个实时设置是针对资产的一个或多个实时操作设置。
方法1100还包括框1110,该框响应于事件指示符,基于一个或多个洞察来调整(例如,由基于实例的学习部件306)针对资产的一个或多个实时设置以提供针对资产的一个或多个经调整设置。该调整提供了一个或多个技术改进,诸如但不限于扩展计算设备的功能性、改进提供给计算设备的数据的准确度、改进资产的性能和/或改进工业过程的性能。
方法1100还包括框1112,该框响应于事件指示符,基于针对资产的一个或多个经调整设置来执行(例如,由动作部件308)一个或多个动作。执行一个或多个动作提供了一个或多个技术改进,诸如但不限于提供针对计算设备的各种经验、改进资产的性能和/或改进工业过程的性能。在一个或多个实施方案中,针对资产的一个或多个经调整设置是针对资产的一个或多个经调整操作设置。
图12描绘了可执行本文给出的技术的示例性系统1200。图12是根据本公开的示例性实施方案的计算机的简化功能框图,该计算机可被配置为执行本文所述的技术。具体地,计算机(或“平台”,因为其可能不是单个物理计算机基础结构)可包括用于分组数据通信的数据通信接口1260。平台还可包括用于执行程序指令的一个或多个处理器形式的中央处理单元(“CPU”)1220。平台可包括内部通信总线1210,并且平台还可包括用于要由平台处理和/或传送的各种数据文件的程序存储器和/或数据存储器,诸如ROM 1230和RAM 1240,尽管系统1200可经由网络通信接收编程和数据。系统1200还可包括输入和输出端口1250以与输入和输出设备,诸如键盘、鼠标、触摸屏、监测器、显示器等连接。当然,可在多个类似平台上以分布式方式实现各种系统功能,以分配处理负载。另选地,系统可通过一个计算机硬件平台的适当编程来实现。
提供前述方法描述和过程流程图仅作为说明性示例,并且不旨在要求或暗示必须以所呈现的顺序执行各种实施方案的步骤。如本领域技术人员将理解的,上述实施方案中的步骤顺序可以任何顺序执行。词语诸如“之后”、“然后”、“下一个”等并不旨在限制步骤的顺序;这些词只是用来引导读者了解方法的描述。此外,例如,使用冠词“一个”、“一种”或“该”对单数形式的权利要求元素的任何引用都不应被解释为将元素限制为单数。
应当理解,“一个或多个”包括由一个元件执行的功能、由多于一个元件例如以分布式方式执行的功能、由一个元件执行的若干功能、由若干元件执行的若干功能或上述的任何组合。
此外,还应当理解,尽管在一些情况下,术语“第一”、“第二”等在本文中用于描述各种元件,但这些元件不应受这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开。例如,在不脱离各种所述实施方案的范围的情况下,第一接触件可被称为第二接触件,并且类似地,第二接触件可被称为第一接触件。第一接触件和第二接触件均为接触件,但它们不是相同的接触件。
在本文中对各种所述实施方案的描述中所用的术语仅用于描述特定实施方案的目的,并且并非旨在进行限制。如在各种所述实施方案和所附权利要求的描述中所用,单数形式“一”、“一个”和“该”也旨在包括复数形式,除非语境中另外明确地指出其他情况。还应当理解,如本文所用,术语“和/或”是指并涵盖相关联的列出项目中的一个或多个的任何和所有可能的组合。还应当理解,当在本说明书中使用术语“包括”、“包含”、“含有”和/或“具有”时,规定了所述特征、整体、步骤、操作、元件和/或部件的存在,但不排除一个或多个其他特征、整体、步骤、操作、元件、部件和/或它们的组的存在或添加。
如本文所用,根据语境,术语“如果”任选地被解释为意指“当......时”或“在......时”或“响应于确定”或“响应于检测到”。类似地,根据语境,短语“如果确定”或“如果检测到[所述条件或事件]”任选地被解释为意指“在确定...时”或“响应于确定”或“在检测到[所述条件或事件]时”或“响应于检测到[所述条件或事件]”。
参照附图以举例的方式详细描述了本发明所公开的系统、装置、设备和方法。本发明所讨论的示例仅仅是示例,并且提供的目的是为了帮助解释本文所述的装置、设备、系统和方法。附图中示出或下文讨论的任何特征或部件不应被认为对于这些装置、设备、系统或方法中的任何一者的任何具体实施方式是强制性的,除非明确指出是强制性的。为便于阅读和清楚起见,某些部件、模块或方法可仅仅结合具体附图来描述。在本公开中,具体技术、布置等的任何指明要么与所提出的具体示例相关,要么仅仅是此类技术、布置等的一般性描述。具体细节或示例的指明并非旨在或不应被解释为强制性或限制性的,除非明确这样指出。未明确描述部件的组合或子组合的任何情况不应被理解为是对任何组合或子组合不可能的指示。应当理解,可对所公开和描述的示例、布置、配置、部件、元件、装置、设备、系统、方法等进行修改,并且这对于具体专利申请可为所需的。另外,对于所述的任何方法而言,不论该方法是否结合流程图来描述,都应当理解,除非上下文另外指明或要求,否则方法执行过程中执行的步骤的任何明示或暗示排序并不意味着这些步骤必须按照所提出的顺序执行,而是可按不同顺序或并行执行。
在整个本公开中,提到的部件或模块一般是指可在逻辑上组合在一起以执行一种功能或一组相关功能的物件。类似的附图标记一般旨在指代相同或类似的部件。部件和模块可在软件、硬件或软件与硬件的组合中实现。术语“软件”被广义地使用以不仅包括可执行代码例如机器可执行或机器可解释指令,还包括以任何合适电子格式存储的数据结构、数据存储和计算指令,包括固件和嵌入式软件。术语“信息”和“数据”被广泛使用并且包括各种各样的电子信息,包括可执行代码;内容诸如文本、视频数据和音频数据等等;以及各种代码或标记。术语“信息”、“数据”和“内容”在上下文允许时有时可互换使用。
用于实现结合本文所公开的各方面描述的各种例示性逻辑、逻辑块、模块和电路的硬件可包括通用处理器、数字信号处理器(DSP)、专用处理器诸如专用集成电路(ASIC)或现场可编程门阵列(FPGA)、可编程逻辑设备、离散栅极或晶体管逻辑、离散硬件部件或它们的被设计用于执行本文描述的功能的任何组合。通用处理器可以是微处理器,但是,另选地,该处理器可以是任何处理器、控制器、微控制器或状态机。处理器可还被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、结合DSP核心的一个或多个微处理器或者任何其他这种配置。另选地或除此之外,一些步骤或方法可以通过特定于给定功能的电路来执行。
在一个或多个示例性实施方案中,本文描述的功能可由专用硬件或由固件或其他软件编程的硬件的组合来实现。在依赖于固件或其他软件的实现方式中,可由于存储在一个或多个非暂态计算机可读介质和/或一个或多个非暂态处理器可读介质上的一个或多个指令的执行来执行这些功能。这些指令可由驻留在一个或多个非暂态计算机可读或处理器可读存储介质上的一个或多个处理器可执行软件模块来体现。在这方面,非暂态计算机可读或处理器可读存储介质可包括可由计算机或处理器访问的任何存储介质。作为示例而非限制,这种非暂态计算机可读或处理器可读介质可包括随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、FLASH存储器、磁盘存储、磁存储设备等。如本文所用,磁盘存储装置包括压缩光盘(CD)、激光盘、光学光盘、数字通用光盘(DVD)、软磁盘及蓝光盘TM、或用激光以磁性方式或以光学方式存储数据的其他存储设备。上述类型的介质的组合也包括在术语非暂态计算机可读和处理器可读介质的范围内。除此之外,存储在一个或多个非暂态处理器可读或计算机可读介质上的指令的任何组合在本文中可称为计算机程序产品。
本发明所属领域的技术人员将想到本文所阐述的本发明的许多修改和其他实施方案,其具有前述描述和相关附图中呈现的教导的益处。尽管图仅示出了本文所述的装置和系统的某些部件,但应当理解,各种其他部件可与供应管理系统结合使用。因此,应当理解,本发明不限于所公开的特定实施方案,并且修改和其他实施方案旨在被包括在所附权利要求的范围内。此外,上述方法中的步骤可能不一定以附图中所描绘的顺序发生,并且在一些情况下,所描绘的步骤中的一个或多个步骤可基本上同时发生,或者可涉及附加步骤。尽管本文采用了特定术语,但它们仅以一般性和描述性意义使用,而不是出于限制的目的。
说明书和示例旨在仅被视为示例性的,其中本公开的真实范围和实质由以下权利要求书所指示。
Claims (10)
1.一种系统,所述系统包括:
一个或多个处理器;
存储器;和
一个或多个程序,所述一个或多个程序存储在所述存储器中,所述一个或多个程序包括被配置为执行以下操作的指令:
接收与和资产的操作相关联的改变事件相关的事件指示符;以及
响应于与所述资产相关联的所述事件指示符:
至少部分地基于所述资产的当前操作条件数字签名与所述资产的历史操作条件数字签名之间的比较来确定针对所述资产的一个或多个实时设置的一个或多个洞察;
基于所述一个或多个洞察来调整针对所述资产的所述一个或多个实时设置以提供针对所述资产的一个或多个经调整设置;以及
基于针对所述资产的所述一个或多个经调整设置来执行一个或多个动作。
2.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
至少部分地基于所述资产的所述当前操作条件数字签名与所述资产的所述历史操作条件数字签名之间的比较来确定针对所述一个或多个实时设置的一个或多个基于实例的学习洞察。
3.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
接收所述事件指示符,包括响应于与所述资产的聚类模型相关联的触发条件来接收所述事件指示符。
4.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
响应于关于所述资产的资产数据的聚类改变,接收所述事件指示符。
5.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
通过过滤所述资产的当前操作变量和资产上下文数据来生成所述资产的所述当前操作条件数字签名。
6.根据权利要求5所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
基于一个或多个聚类阈值、一个或多个噪声阈值、一个或多个准确度量度、包括在所述历史操作条件数字签名中的一组特征以及与所述资产相关联的一组预定义事件中的至少一者来过滤所述资产的所述当前操作变量和所述资产上下文数据。
7.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
确定与资产数据相关联的非决策变量和决策变量;以及
基于所述非决策变量和所述决策变量来执行关于所述资产数据的不同过滤过程。
8.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
基于历史操作条件的一组候选特征来配置所述当前操作条件数字签名。
9.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
基于被确定为与所述当前操作条件数字签名最相似的一个或多个历史操作条件数字签名来配置针对所述资产的所述一个或多个经调整设置,其中所述一个或多个历史操作条件数字签名与所定义类型的操作吞吐量变量相关联。
10.根据权利要求1所述的系统,所述一个或多个程序还包括被配置为执行以下操作的指令:
将至少部分地基于针对所述资产的所述一个或多个经调整设置而配置的控制信号传输到被配置用于与所述资产相关联的优化的控制器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/354,046 | 2022-06-21 | ||
US18/321,905 | 2023-05-23 | ||
US18/321,905 US20230408989A1 (en) | 2022-06-21 | 2023-05-23 | Recommendation system for advanced process control limits using instance-based learning |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117270464A true CN117270464A (zh) | 2023-12-22 |
Family
ID=89209361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310727237.9A Pending CN117270464A (zh) | 2022-06-21 | 2023-06-19 | 使用基于实例的学习的针对先进过程控制极限的推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117270464A (zh) |
-
2023
- 2023-06-19 CN CN202310727237.9A patent/CN117270464A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116324755A (zh) | 可扩展对象模型和实现建模的图形用户界面 | |
CN116075842A (zh) | 企业支出优化和映射模型架构 | |
US20230064472A1 (en) | Automated setpoint generation for an asset via cloud-based supervisory control | |
CN116483028A (zh) | 用于资产管理的性能度量保证 | |
EP4293434A1 (en) | Apparatus and method for calculating asset capability using model predictive control and/or industrial process optimization | |
EP4198834A1 (en) | Artificial intelligence system for integrity operating window optimization | |
US20230161777A1 (en) | Adaptive ontology driven dimensions acquisition, automated schema creation, and enriched data in time series databases | |
US20220374402A1 (en) | Contextualized time series database and/or multi-tenant server system deployment | |
EP4296799A1 (en) | Recommendation system for advanced process control limits using instance-based learning | |
CN117270464A (zh) | 使用基于实例的学习的针对先进过程控制极限的推荐系统 | |
EP4187401A1 (en) | Adaptive ontology driven dimensions acquisition, automated schema creation, and enriched data in time series databases | |
US20240163304A1 (en) | Cybersecurity risk assessment and mitigation for industrial control systems | |
CN117250915A (zh) | 用于使用模型预测控制和/或工业过程优化来计算资产能力的装置和方法 | |
EP4213035A1 (en) | Systems and methods for navigating a graphical user interface | |
US20220260271A1 (en) | Asset behavior modeling | |
US20230214096A1 (en) | Systems and methods for navigating a graphical user interface | |
US20230161645A1 (en) | Classification of events by pattern recognition in multivariate time series data | |
US20230044522A1 (en) | Apparatus and method for managing industrial process optimization related to batch operations | |
US20240004514A1 (en) | Systems and methods for modifying an object model | |
EP4328692A1 (en) | Alarm analytics for prescriptive recommendations of configuration parameters for industrial process alarms | |
CN117593868A (zh) | 针对工业过程警报的配置参数的规范性推荐的警报分析 | |
CN116467498A (zh) | 利用元数据驱动的应用编程接口(api)的方法和搜索系统 | |
WO2023028153A2 (en) | Automated setpoint generation for an asset via cloud-based supervisory control | |
WO2022204703A1 (en) | Remote monitoring and management of assets from a portfolio of assets based on an asset model | |
WO2023023042A1 (en) | Real-time generation of digital twins based on input data captured by user device |
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 |