DE102019122936A1

DE102019122936A1 - Verfahren, systeme, fabrikate und vorrichtungen zur verbesserung einer erkennung von grenzabweichungen

Info

Publication number: DE102019122936A1
Application number: DE102019122936.7A
Authority: DE
Inventors: Shekoufeh Qawami; Chaitanya Sreerama; Hassnaa Moustafa; Rita Wouhaybi; Nadine L Dabby
Original assignee: Intel Corp
Current assignee: Intel Corp
Priority date: 2018-09-27
Filing date: 2019-08-27
Publication date: 2020-04-02
Also published as: CN110956193A; US11592808B2; US20190049933A1

Abstract

Es werden Verfahren, Vorrichtungen, System und Fabrikate zum Verbessern einer Erkennung von Grenzabweichungen offenbart. Eine beispielhafte Vorrichtung zur Verbesserung einer Erkennung von Grenzabweichungen enthält eine Metadatenextrahierungseinheit zum Parsen eines ersten Leitdatenstroms zum Extrahieren von eingebetteten Metadaten, eine Metadatenkennzeichnungs-Auflösungseinheit zum Klassifizieren eines Grenzausdrucks der extrahierten eingebetteten Metadaten, eine Datenstromkandidatenauswahleinheit zum Identifizieren von zweiten Leitdatenstromkandidaten, die einen Grenzausdruck enthalten, der mit dem klassifizierten Grenzausdruck des ersten Leitdatenstroms übereinstimmt, und einen Grenzvektorrechner zum Verbessern der Erkennung von Grenzabweichungen durch Berechnen eines Grenzvektorfaktors auf Grundlage jeweiliger der zweiten Leitdatenstromkandidaten, die den klassifizierten Grenzausdruck enthalten.

Description

GEBIET DER OFFENBARUNG
Diese Offenbarung betrifft allgemein Leitsysteme und genauer Verfahren, Systeme, Fabrikate und Vorrichtungen zur Verbesserung einer Erkennung von Grenzabweichungen.
STAND DER TECHNIK
In den letzten Jahren sind Fertigungs- und industrielle Umgebungen immer mehr automatisiert worden. Derartige Umgebungen enthalten industrielle Ausrüstung, die von einem oder mehreren Leitsystemen geleitet wird (z. B. Prozessleitsysteme). Die Ausrüstung kann Förderbänder, chemische Tanks, Luft- und/oder Fluidpumpen, Heizausrüstung, Schweißausrüstung, Roboter, Spritzgussausrüstung usw. enthalten. Darüber hinaus weist die Ausrüstung üblicherweise abhängig vom Ziel der Fertigungsumgebung unterschiedliche Arten von Konfigurationseinstellungen auf. Als solcher kann der gleiche Typ von Ausrüstung in einer ersten Fertigungsumgebung mit ersten Einstellungen verwendet werden und der gleiche Typ von Ausrüstung kann in einer zweiten Fertigungsumgebung mit zweiten Einstellungen verwendet werden, die von den ersten verschieden sind.
Figurenliste

1 ist eine schematische Veranschaulichung einer beispielhaften Leitumgebung, die einen beispielhaften Grenzanalysator enthält, der nach den Lehren dieser Offenbarung konstruiert ist, um eine Erkennung von Grenzabweichungen zu verbessern.
2 ist eine beispielhafte Datenstromtabelle, die vom beispielhaften Grenzanalysator generiert wurde.
3 ist eine beispielhafte Berechnungstabelle, die vom beispielhaften Grenzanalysator generiert wurde.
4-7 sind Ablaufdiagramme, die für maschinenlesbare Anweisungen repräsentativ sind, die ausgeführt werden können, um den beispielhaften Grenzanalysator von 1 zu implementieren, um eine Erkennung von Grenzabweichungen zu verbessern.
8 ist ein Blockdiagramm einer beispielhaften Verarbeitungsplattform, die strukturiert ist, die Anweisungen von 4-7 auszuführen, um den beispielhaften Grenzanalysator von 1 zur Verbesserung der Erkennung von Grenzabweichungen zu implementieren.

Die Figuren sind nicht maßstabgetreu. Vielmehr kann die Dicke der Schichten oder Bereiche in den Zeichnungen vergrößert sein. Im Allgemeinen werden in allen Zeichnungen und in der beigefügten Beschreibung dieselben Bezugszeichen verwendet, um auf dieselben oder ähnliche Teile Bezug zu nehmen.
AUSFÜHRLICHE BESCHREIBUNG
Wie hierin verwendet, enthalten „Fabrikumgebungen“, „Fertigungsumgebungen“ oder „Umgebungen“ Anlagen, die unter Verwendung industrieller Ausrüstung ein oder mehrere Produkte/Komponenten erzeugen oder verbessern (z. B. Elektronik, Maschinen, Chemikalien, Fahrzeuge usw.). Eine derartige Nomenklatur bezeichnet auch Laboranlagen/- umgebungen (z. B. Anlagen, die Produktprüfungen, chemische Prüfungen usw. ermöglichen). Die Umgebungen setzen viele verschiedene Arten von Ausrüstung ein, die von Leitsystemen geleitet wird (z. B. einschließlich unter anderem Prozessleitsysteme). Die Ausrüstung kann Förderbänder, chemische Tanks, Luft- und/oder Fluidpumpen, Heizausrüstung, Schweißausrüstung, Roboter, Spritzgussausrüstung usw. enthalten.
Eine Umgebung kann eine beliebige Anzahl von „Straßen“ enthalten, die jeweils einem bestimmten herzustellenden Produkt gewidmet sind. Während die gleiche Art von Ausrüstung in jeder Fertigungsstraße vorhanden sein kann, können die Konfigurationseinstellungen für diese Ausrüstung verschieden sein. Beispielsweise kann eine erste Fertigungsstraße ein erstes Produkt oder eine Baugruppe von Produkten bauen, die erfordern, dass ein Tank salzhaltigen Hochdruckspray mit relativ hoher Temperatur liefert (z. B. ein Vorhärteprozess), während eine zweite Fertigungsstraße ein zweites Produkt bauen kann, in der der gleiche Typ von Tank Spülwasser mit niedrigem Druck bei relativ geringer Temperatur liefert. Als solche tragen eine oder mehrere Umgebungsmitarbeiter (z. B. Prozessingenieure, Steueringenieure, Prozessleitpersonal, Arbeiter in Fertigungsstraße usw.) üblicherweise die Verantwortung zum Konfigurieren von Betriebsgrenzen für jedes Gerät der automatisierten Ausrüstung in jeder Straße auf eine derartige Weise, die (a) zu einem Produkt mit akzeptablen Qualitätsstandards führt und (b) die Sicherheit der Umgebung sicherstellt.
Die Fabrikumgebungen tendieren dazu, streng geregelt zu sein, wobei der gleiche Leitprozess längere Zeit läuft. Wie oben offenbart erfordert ein erstes Produkt, dass die Fertigungsstraße konfiguriert, angepasst und/oder anderweitig kalibriert wird, bis eine zufriedenstellende Konfiguration identifiziert ist. Sobald die zufriedenstellende Konfiguration identifiziert wurde, besteht die Tendenz, diese Konfiguration (z. B. Ausrüstungsbetriebsgrenzen, Grenzwerte usw.) ohne weitere Modifikation zu verwenden, um zu ermöglichen, dass eine beliebige Anzahl von Produkten gefertigt wird. Fertigungsumgebungen sind jedoch für Leitanomalien anfällig, die eine oder mehrere Anpassungen an Ausrüstungssollwerten erfordern. Wie hierin verwendet enthalten Grenzen (manchmal als Parameter bezeichnet) eine Bezeichnung der Grenze und einen entsprechenden Grenzwert. Die Bezeichnungen der Grenzen weisen auf Namen der Ausrüstung oder Namen von Ausgabewerten der Ausrüstung hin, wohingegen entsprechende Grenzwerte Betriebsparameter der Ausrüstung (z. B. Sollwerte der Ausrüstung) bezeichnen, die entsprechende Werte aufweisen (und manchmal als Grenzwerte oder Parameterwerte bezeichnet werden), die festgelegt sind, um ein Fertigungsziel zu erreichen und/oder die Betriebssicherheit sicherzustellen. Eine Tankgrenze kann beispielsweise eine Hochdruck-Betriebsgrenze (z. B. maximale Betriebsgrenze) enthalten, um eine übermäßige Belastung des Tanks zu verhindern, ein zufriedenstellendes Ergebnis an einem gefertigten Teil sicherzustellen und die Sicherheit von Anlagenpersonal in der Nähe sicherzustellen. Während der Tankgrenzwert vom Fertigungsingenieur während des Monats Februar konfiguriert werden kann, können in den relativ wärmeren Monaten Juli und August aufgrund von Wetterschwankungen Umgebungsänderungen eintreten. Gleichermaßen können aufgrund von Verschleiß mechanische Änderungen eintreten und elektrische Änderungen können aufgrund von Bedarf von benachbarten Fertigungsaktivitäten eintreten (z. B. Spannungsfluktuationen angesichts Starten/Anhalten von benachbarter Ausrüstung, wobei die benachbarte Ausrüstung Datenstromleitungslieferungen gemeinsam nutzt). Dementsprechend kann ein vorher kalibrierter Tankgrenzwert (z. B. ein Druckwert), der im Februar festgelegt wurde, im Monat Juli (aufgrund von erhöhten Umgebungstemperaturen) überschritten werden (was auch als eine Abweichung bezeichnet wird) und bewirken, dass eine oder mehrere Minderungsprozeduren aufgerufen werden (z. B. Abgeben eines Alarmtons, Öffnen eines Druckentlastungsventils, Abschalten einer Heizung usw.).
Während eine Grenzwertabweichung stattfinden kann, kann Leitpersonal (z. B. Prozessleitpersonal) die Minderungsprozeduren ignorieren, verwerfen und/oder anderweitig abbrechen, da die Abweichung nicht von einer Art (z. B. einer Größe) ist, die problematisch ist. Die Grenzwertabweichung kann durch Fehler verursacht werden, die mit menschlichem Ermessen verbunden ist, wenn zum Beispiel Prozessleitpersonal Grenzwerte auf Grundlage von Annahmen, Heuristik und/oder Raten festlegt, konfiguriert und/oder anderweitig kalibriert. Derartiges menschliches Ermessen führt zu einem oder mehreren Risiken in Bezug auf Produktqualität, Effizienz der Montagebänder und/oder Sicherheit (z. B. menschliche Sicherheit, Ausrüstungssicherheit). Wenn Leitpersonal eine Abweichung ignoriert, verwirft oder anderweitig abdämpft, wird eine Effizienzmetrik des Montagebands reduziert, insbesondere, wenn die Abweichung den Montagebandprozess anhält, bis autorisiertes Personal die Abweichung rücksetzen kann. In einigen Beispielen weist das Prozessleitpersonal die Befugnis auf, eine oder mehrere Korrekturmaßnahmen stillzulegen und/oder anderweitig zu übersteuern, die sich aus der Abweichung ergeben, aber derartiges Personal kann nicht die Befugnis aufweisen, den problematischen Grenzwert anzupassen. In derartigen Beispielen übersteuert das Prozessleitpersonal das Abweichereignis, da sich Ausrüstungsbetriebsbedingungen innerhalb der richtigen Spezifikationsgrenzen befinden, aber derartige Grenzwerte aufgrund von menschlichem Ermessen oder Raten falsch eingerichtet wurden.
Während viele Fertigungseinstellungen in Verbindung mit erwarteten Grenzwerten arbeiten, die in Datenströmen gemessen wurden, die durch menschliche Ermessensauswahl eingerichtet wurden, verbessern hierin offenbarte Beispiele eine Erkennung von Grenzabweichungen durch Anpassen von Grenzwerten auf Grundlage empirischer Daten. Anders ausgedrückt verbessern hierin offenbarte Beispiele die Erkennung von Grenzabweichungen durch Ermöglichen, dass Grenzwerte (z. B. Sollwerte für Ausrüstung) auf genauere Weise festgelegt werden, sodass die Likelihood einer gültigen Abweichung besteht, falls sie erfüllt (z. B. überschritten) werden. Darüber hinaus richten hierin offenbarte Beispiele Grenzwerte auf Grundlage von Ähnlichkeitsmetriken ein, die aus empirischen Daten abgeleitet werden, die aus Datenströmen anderer Prozessleitumgebungen erfasst wurden (z. B. geprüften Datenströmen, die als mit angemessen festgelegten Grenzwerten arbeitend angesehen werden). Wie hierin verwendet, bezeichnen Datenströme (hierin manchmal als Prozessleitdatenströme bezeichnet) eine Gruppe von Prozess-/Betriebsdaten, die eine beliebige Anzahl von Grenzen (z. B. Grenznamen (Begriffe) und entsprechende Grenzwerte) mit assoziierten Werten von Fertigungsausrüstung (z. B. Sensordaten), die in einer Fabrikumgebung arbeitet, enthalten. Wie unten ausführlicher beschrieben, können Datenströme mit einem oder mehreren Grenzvektoren gekennzeichnet sein, die auf eine Gruppe von Grenzwerten hinweisen, die beobachtet wurden (z. B. einen numerischen Wert, der auf eine Unterschrift hinweist, ein Datenpaar aus Maximum/Minimum usw.). Hierin offenbarte Beispiele lösen Probleme, die mit bestimmten Grenzwerten (z. B. Schwellensollwerten, die Alarme und/oder Sicherheitsprotokolle auslösen) verbunden sind, die zu konservativ festgelegt sind und belästigende Warnungen verursachen, die zu Prozessineffizienz und/oder Prozessausfallzeiten führen. Darüber hinaus lösen hierin offenbarte Beispiele Probleme, die mit bestimmten Grenzwerten verbunden sind, die in Verbindung mit menschlichem Ermessen und/oder Raten festgelegt sind.
1 ist eine schematische Illustration einer beispielhaften Leitumgebung 100. Im illustrierten Beispiel von 1 enthält die Leitumgebung 100 (z. B. eine Prozessleitumgebung) eine beliebige Anzahl von Leitsystemen 102 (z. B. Prozessleitsystemen), die geografisch getrennt sein können (z. B. ein erstes Prozessleitsystem in einem ersten Gebäude, ein zweites Prozessleitsystem in einem zweiten Gebäude, ein drittes Prozessleitsystem in einem separaten Bundesstaat/Land usw.). Die beispielhaften Leitsysteme 102 sind über ein beispielhaftes Netzwerk 104 kommunikativ an einen beispielhaften Grenzanalysator 106 gekoppelt. In einigen Beispielen ist der Grenzanalysator 106 mit den beispielhaften Leitsystemen 102 über eine oder mehrere andere Kommunikationstechniken/-technologien verbunden, einschließlich unter anderem einem Universalschnittstellenbus (GPIB) (IEEE 488). Der beispielhafte Grenzanalysator 106 enthält eine beispielhafte Datenabrufeinheit 108, eine beispielhafte Metadatenextrahierungseinheit 110 und eine beispielhafte Kennzeichnungseinheit 112, die kommunikativ mit einem beispielhaften Kennzeichnungszuordnungsspeicher 114 verbunden ist. Während der beispielhafte Kennzeichnungszuordnungsspeicher 114 im veranschaulichten Beispiel von 1 als direkt mit der beispielhaften Kennzeichnungseinheit 112 verbunden gezeigt ist, kann eine Kommunikation zwischen diesen in einigen Beispielen über einen beliebigen anderen Kommunikationsstandard und/oder eine beliebige andere Kommunikationstechnik stattfinden (z. B. über das beispielhafte Netzwerk 104). Im Allgemeinen kann bzw. können eine oder mehrere Komponenten und/oder Datenquellen/Datenspeicherung des veranschaulichten Beispiels von 1 über eine direkte Verbindung und/oder Netzwerkverbindung(en) ermöglicht werden.
Der beispielhafte Grenzanalysator 106 von 1 enthält auch eine beispielhafte Datenstromvergleichseinheit 116, die eine beispielhafte Datenstromkandidatenauswahleinheit 118 und eine beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120, die kommunikativ mit dem beispielhaften Kennzeichnungszuordnungsspeicher 114 verbunden sind, und einen beispielhaften Datenstromprofilspeicher 138 enthält. Der beispielhafte Grenzanalysator 106 von 1 enthält auch eine beispielhafte Datenstromgewichtungsengine 122, die einen beispielhaften Differenzrechner 124, einen beispielhaften Ähnlichkeitsmetrikrechner 126 und einen beispielhaften Grenzvektorrechner 128 enthält, der kommunikativ mit einem beispielhaften Leitprofilspeicher 140 verbunden ist. Der beispielhafte Grenzanalysator 106 von 1 enthält auch einen beispielhaften Leitkonfigurationsmanager 150, eine beispielhafte Umgebungsdetailextrahierungseinheit 130, eine beispielhafte Grenztesteinheit 132, einen beispielhaften Übersteuerungsdetektor 134 und eine beispielhafte Engine mit künstlicher Intelligenz (KI) 136. Eine oder mehrere der Komponenten und/oder des Speichers (z. B. Speichereinrichtungen usw.) des veranschaulichten Beispiels von 1 sind kommunikativ über einen oder mehrere Kommunikationsbusse 142 verbunden.
Im Betrieb ruft die beispielhafte Datenabrufeinheit 108 einen Datenstrom ab, wie einen Prozessleitdatenstrom von einem Fertigungsprozess von einem der beispielhaften Leitsysteme 102. Die beispielhafte Metadatenextrahierungseinheit 110 parst den abgerufenen Datenstrom auf Prozessdaten und extrahiert zugehörige Metadaten (z.B. Metadaten, die innerhalb des abgerufenen Datenstroms eingebettet sind - „eingebettete Metadaten“), die damit assoziiert sind. Die beispielhafte Metadatenextrahierungseinheit 110 ist Hardware, die als ein Mittel zum Parsen oder ein Parsmittel implementiert sein kann, wobei das Mittel zum Parsen und/oder das Parsmittel Hardware sind. In einigen Beispielen generiert die Metadatenextrahierungseinheit 110 eine Tabelle mit extrahierten Metadaten (z. B. extrahierten eingebetteten Metadaten). Metadaten können unter anderem alphanumerische Daten innerhalb einer Zeichenfolge von Sollwerten sein, die auf Prozessdetails hinweisen, wie Namen von Sensoren, Namen von Sollwerten, Seriennummern/Modellnummern von Ausrüstungsherstellern usw. 2 veranschaulicht eine beispielhafte Datenstromtabelle 200, die beispielhafte Metadaten enthält, die von der beispielhaften Metadatenextrahierungseinheit 110 extrahiert wurden. Im veranschaulichten Beispiel von 2 enthält die Datenstromtabelle 200 eine Spalte mit abgerufenen Datenstromgrenznamen 202, die Metadatengrenznamen enthält, und eine Spalte mit abgerufenen Datenstromgrenzwerten 204, die entsprechende Werte enthält, die mit Metadatengrenznamen assoziiert sind. In der Spalte mit abgerufenen Datenstromgrenznamen 202 von 2 enthalten Grenznamen einen beispielhaften Hochtemperaturgrenznamen 206 („TEMP-HOCH“) und einen entsprechenden Grenzwert 208 („127 °F“). In einigen Beispielen enthält die Spalte mit abgerufenen Datenstromgrenznamen 202 Informationen, die auf einen Sensor- oder Ausrüstungstyp hinweisen, wie einen beispielhaften Ausrüstungstyp 210 („Tank“) und einen entsprechenden Wert 212 („Manchester“). Das illustrierte Beispiel von 2 enthält auch einen Prozessnamen 214 und einen zugehörigen Wert 216 („Druckluftwerkzeugzufuhr“), der auf einen Typ von Fertigungsaktivität hinweist. Andere Spalten der beispielhaften Datenstromtabelle 200 von 2 werden unten ausführlicher besprochen.
Die beispielhafte Metadatenextrahierungseinheit 110 ermittelt, ob der abgerufene Datenstrom mit einem neuen Prozess assoziiert ist, der nicht vorher durch den beispielhaften Grenzanalysator 106 analysiert wurde. Beispielsweise kann der abgerufene Datenstrom einen Grenznamen in der Spalte mit abgerufenen Datenstromgrenznamen 202 mit dem Titel „Neuer Datenstrom“ mit einem zugehörigen Binärwert enthalten (z. B. „Ja“, „Nein“, „Wahr“, „Falsch“, „0“, „1“ usw.). Im Fall, dass der abgerufene Datenstrom nicht mit einem neuen und/oder anderweitig unbekannten Prozess assoziiert ist (z. B. ein Binärwert von „Falsch“), können weitere Kennzeichnungsauflösungsbemühungen umgangen werden. Im Allgemeinen werden Grenznamen von abgerufenen Metadaten von einer beliebigen Anzahl von unabhängigen Sensor- und/oder Ausrüstungsherstellern bezogen, die eine eindeutige Nomenklatur verwenden, um eine oder mehrere Grenzen zu identifizieren. Beispielsweise kann ein erster Hersteller eine Temperaturgrenze als „TEMP“ bezeichnen, während ein zweiter Hersteller die Temperaturgrenze als „Temperatur“ bezeichnen kann. Falls der abgerufene Datenstrom mit einem neuen und/oder anderweitig unbekannten Prozess (z. B. einem Binärwert von „Wahr“) assoziiert ist, wendet die beispielhafte Kennzeichnungseinheit 112 eine oder mehrere Nomenklaturauflösungstechniken an, wie linguistische Datenverarbeitungstechniken (NLP) und/oder Nomenklaturnachschlagetabelleninformationen, die im beispielhaften Kennzeichnungszuordnungsspeicher 114 gespeichert sind. Als solcher kann ein abgerufener Datenstrom vereinheitlicht werden, um eine eindeutige Nomenklatur aufzulösen, die auf bekannte Grenztypen hinweist. In einigen Beispielen kann eine derartige Nomenklaturauflösung in einer späteren Phase der Datenstromanalyse durchgeführt werden, wie unten ausführlich beschrieben wird.
Die beispielhafte Datenstromvergleichseinheit 116 vergleicht den abgerufenen Datenstrom, der hierin manchmal als der „aktuelle Datenstrom“ bezeichnet wird, mit einer beliebigen Anzahl von Datenstromprofilen, die im beispielhaften Datenstromprofilspeicher 138 gespeichert sind. Die beispielhafte Metadatenextrahierungseinheit 110 wählt eine Metadatengrenze aus dem abgerufenen Datenstrom aus und die beispielhafte Datenstromkandidatenauswahleinheit 118 identifiziert ein oder mehrere Datenstromkandidatenprofile, die ähnlich scheinen. Falls der abgerufene Datenstrom beispielsweise einen Grenznamen „TEMP-HOCH“ enthält, dann markiert die beispielhafte Datenstromkandidatenauswahleinheit 118 nur diejenigen vorher gespeicherten Datenströme im beispielhaften Datenstromprofilspeicher 138, die auch eine Grenze mit ähnlichem Namen enthalten. Da der abgerufene Datenstrom eine beliebige Anzahl von individuellen und/oder anderweitig eindeutigen Grenznamen aufweisen kann, ermittelt die beispielhafte Datenstromkandidatenauswahleinheit 118, ob ein oder mehrere zusätzliche/alternative Grenznamen im abgerufenen Datenstrom sind, die noch nicht mit im beispielhaften Datenstromprofilspeicher 138 gespeicherten Profildatenströmen verglichen wurden. Die beispielhafte Datenstromkandidatenauswahleinheit 118 ist Hardware, die als ein Mittel zum Identifizieren oder ein Identifikationsmittel implementiert sein kann, wobei das Mittel zum Identifizieren und/oder das Identifikationsmittel Hardware sind.
Nachdem die beispielhafte Datenstromkandidatenauswahleinheit 118 einen oder mehrere Datenstromkandidaten identifiziert hat, die ein bestimmtes Ausmaß/einen bestimmten Grad (z. B. ein Ähnlichkeitsausmaß) von Ähnlichkeit mit dem abgerufenen Datenstrom (z.B. aufgrund mindestens einem gemeinsamen Grenzbegriff/-namen) aufweisen, klassifiziert die beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120 Grenzbegriffe durch Anwenden einer Ähnlichkeitsberechnung zwischen Grenznamen. Die beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120 ist Hardware, die als ein Mittel zum Klassifizieren oder ein Klassifizierungsmittel implementiert sein kann, wobei das Mittel zum Klassifizieren und/oder das Klassifizierungsmittel Hardware sind. In einigen Beispielen setzt die Metadatenkennzeichnungs-Auflösungseinheit 120 linguistische Datenverarbeitungstechniken (NLP) ein, um zu ermitteln, ob ein Grenznamen ein oder mehrere wahrscheinliche Äquivalente aufweist. Ein Grenzname „TEMP“ kann zum Beispiel mit einer beliebigen Variante, die mit einer „Temperatur“-Grenze verbunden ist, gleichgesetzt und/oder anderweitig übereingestimmt werden. In einigen Beispielen setzt die Metadatenkennzeichnungs-Auflösungseinheit 120 Nachschlagetabellen zusätzlich zu den beispielhaften NLP-Techniken oder statt dieser ein. Wenn Datenstromkandidaten mit einem Ähnlichkeitsgrad identifiziert werden und die Grenznomenklatur aufgelöst und/oder anderweitig vereinheitlicht wurde, speichert die beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120 die übereinstimmenden Datenströme zur weiteren Analyse, wie ein Speichern der übereinstimmenden Datenstromkandidaten in die beispielhafte Datenstromtabelle 200 von 2.
Zur veranschaulichten Datenstromtabelle 200 von 2 zurückkehrend, wird Datenstrom S₄ (220) von der beispielhaften Metadatenkennzeichnungs-Auflösungseinheit 120 oder der beispielhaften Datenstromkandidatenauswahleinheit 118 hinzugefügt. Der beispielhafte Datenstrom S₄ (220) ist ausgewählt, da mindestens eine seiner Grenzen mit der Hochtemperaturgrenze 206, einer Tieftemperaturgrenze 222, einer Hochdruckgrenze 224, einer Niederdruckgrenze 226, dem Prozessnamen 214 oder dem beispielhaften Ausrüstungstyp 210 verbunden ist. Gleichermaßen fügt die beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120 oder die beispielhafte Datenstromkandidatenauswahleinheit 118 Datenstrom S₇ (228) zur beispielhaften Datenstromtabelle 200 von 2 hinzu, da er mindestens einen übereinstimmenden Grenznamen aufweist.
Obwohl zwei oder mehr Datenströme mindestens einen gemeinsamen Grenznamen aufweisen können, wird ein Ähnlichkeitsgrad zwischen derartigen Datenströmen durch mehr als nur einen einzelnen ähnlichen Grenznamen ermittelt. Die beispielhafte Datenstromkandidatenauswahleinheit 118 wählt einen der vorher identifizierten Datenstromkandidaten aus, die mindestens einen übereinstimmenden Grenznamen aufweisen. Innerhalb des aktuellen Datenstroms kann es einen oder mehrere andere übereinstimmende Grenznamen mi entsprechenden Grenzwerten geben. Wie oben beschrieben enthält die beispielhafte Datenstromtabelle von 2 Datenstrom S₄ (220) und Datenstrom S₇ (228), die mindestens einen zum abgerufenen Datenstrom 202 ähnlichen Grenznamen aufweisen. Darüber hinaus generiert der beispielhafte Differenzrechner 124 entsprechende Delta-Spalten, um eine prozentuelle Differenz zwischen einem oder mehreren Werten gemeinsamer Grenznamen zu identifizieren. Im veranschaulichten Beispiel von 2 generiert der Differenzrechner 124 eine Delta-S₄-Spalte 230 und eine Delta-S₇-Spalte 232. Darüber hinaus berechnet der beispielhafte Differenzrechner 124 einen S₄-Temp-Hoch-Differenzwert 234 (z. B. 2,3 %), der auf einer Abweichung zwischen dem TEMP-HOCH-Wert 208 und einem TEMP-HOCH-Wert 236 beruht, der mit Datenstrom S₄ 220 assoziiert ist. Gleichermaßen berechnet der beispielhafte Differenzrechner 124 einen S₇-Temp-Hoch-Differenzwert 238 (z. B. eine Wertdifferenz von 22 Grad, dividiert durch einen Mittelwert von 116 Grad mal 100 = 18,9 %), der auf einer Abweichung zwischen dem TEMP-HOCH-Wert 208 des abgerufenen Datenstroms 204 und einem TEMP-HOCH-Wert 240 beruht, der mit Datenstrom S₇ 228 assoziiert ist. Wie unten ausführlicher beschrieben wird, weist der relativ größere Differenzwert im Datenstrom S₇ im Vergleich zum Differenzwert im Datenstrom S₄ für den gleichen Grenznamen darauf hin, dass Datenstrom S₄ dem abgerufenen Datenstrom ähnlicher ist als S₇ . Der beispielhafte Differenzrechner 124 ist Hardware, die als ein Mittel zum Rechnen, ein Mittel zum Berechnen einer Differenz, ein Differenzberechnungsmittel oder ein Rechenmittel implementiert sein kann, wobei derartige Mittel Hardware sind.
Der beispielhafte Ähnlichkeitsmetrikrechner 126 berechnet eine Datenstromähnlichkeitsmetrik auf Grundlage eines Aggregats von prozentuellen Differenzwerten für Grenzwerte. Im illustrierten Beispiel von 2 berechnet der beispielhafte Ähnlichkeitsmetrikrechner 126 eine Datenstromähnlichkeitsmetrik auf eine Art und Weise, die mit einer beispielhaften Gleichung 1 übereinstimmt. $S_{X N} = 100 - \frac{\sum (% D i f f e r e n z w e r t e)}{# v o n \ddot{u} b e r e i n s t i m m e n d e n P a r a m e t e r n}$
Im veranschaulichten Beispiel von Gleichung 1 repräsentiert S_XN eine Ähnlichkeitsmetrik zwischen Datenstrom X (z. B. einem vorher gespeicherten Profilstrom) und einem abgerufenen Datenstrom N (z. B. dem aktuellen/neuen Datenstrom, der analysiert wird). Im Allgemeinen weist die Ähnlichkeitsmetrik auf ein Ausmaß von Ähnlichkeit zwischen Datenströmen hin. Der beispielhafte Ähnlichkeitsmetrikrechner 126 berechnet eine Datenstromähnlichkeitsmetrik S_4N (242) mit einem beispielhaften Wert von 0,912 auf Grundlage der durchschnittlichen prozentuellen Differenzwerte zwischen dem abgerufenen Datenstrom (N) und dem Datenstrom S₄ (z. B. die Summe der Werte 2,3 %, 2,5 %, 28 % und 2,5 %, dividiert durch vier passende Grenzen zwischen dem abgerufenen Datenstrom und Datenstrom S₄ ). Der beispielhafte Ähnlichkeitsmetrikrechner 126 berechnet auch eine Datenstromähnlichkeitsmetrik S_7N (244) mit einem beispielhaften Wert von 0,6865 auf Grundlage der durchschnittlichen prozentuellen Differenzwerte zwischen dem abgerufenen Datenstrom (N) und dem Datenstrom S₇ (z. B. die Summe der Werte 18,9 %, 78,5 %, 0 % und 28 %, dividiert durch vier passende Grenzen zwischen dem neuen Datenstrom und Datenstrom S₇ ). Im Allgemeinen weisen die relativen Differenzen zwischen der Datenstromähnlichkeitsmetrik S_4N (242) (0,912) und Ähnlichkeitsmetrik S_7N (244) (0,6865) daraufhin, dass Datenstrom S₄ ähnlicher (da sie näher bei eins liegt) zum abgerufenen Datenstrom als Datenstrom S₇ ist. Als solche setzen hierin offenbarte Beispiele beim Modifizieren des abgerufenen Datenstroms Merkmale des ähnlicheren Datenstroms in einem größeren Ausmaß ein (z. B. gewichten ihn schwerer), was besonders hilfreich ist, wenn die abgerufenen Datenstromwerte/Grenzen möglicherweise auf Grundlage von nur Raten nach Ermessen oder Heuristik festgelegt wurden. Der beispielhafte Ähnlichkeitsmetrikrechner 126 ist Hardware, die als ein Mittel zum Rechnen, ein Mittel zum Berechnen einer Ähnlichkeitsmetrik, ein Ähnlichkeitsmetrikberechnungsmittel oder ein Rechenmittel implementiert sein kann, wobei derartige Mittel Hardware sind.
Der beispielhafte Grenzvektorrechner 128 berechnet einen Grenzvektorfaktor (der manchmal als ein „Grenzvektor“ oder ein „Faktor“ bezeichnet wird) für den abgerufenen Datenstrom, in dem der berechnete Faktor die Grenzwerte auf eine Weise anpasst, die besser auf erwartete Betriebssollwerte ausgerichtet ist, die belästigende Alarme (z. B. belästigende Grenzabweichungen) reduzieren wird, die Prozesseffizienz verbessert und die Prozesssicherheit verbessert. Wie oben beschrieben kann der abgerufene Datenstrom (z. B. ein Datenstrom von Grenzsollwerten für Ausrüstung von einem Prozessleitsystem) nicht richtig festgelegt und/oder anderweitig eingerichtet sein. In einigen Beispielen sind Grenzwerte Ausrüstungssollwerte (z. B. maximale Betriebswerte, minimale Betriebswerte usw.), die möglicherweise nicht in Verbindung mit empirischen Daten oder vom Hersteller empfohlener Anleitung konfiguriert worden sind. Unter derartigen Umständen können Grenzwerte auf eine Weise festgelegt sein, die die Prozesseffizienz vermindert und/oder ein oder mehrere Sicherheitsrisiken in Verbindung mit der Ausrüstung, dem Prozessleitsystem und/oder der Fabrikumgebung erhöht. Der beispielhafte Grenzvektorrechner 128 ist Hardware, die als ein Mittel zum Rechnen oder ein Rechenmittel implementiert sein kann, wobei das Mittel zum Rechnen und/oder das Rechenmittel Hardware sind.
In einigen Beispielen berechnet der beispielhafte Grenzvektorrechner 128 den Grenzvektorfaktor auf Grundlage des (relativ) ähnlichsten Datenstrom der beispielhaften Datenstromtabelle 200. Wie oben beschrieben, zeigt der Datenstrom S₄ die engste relative Ähnlichkeit zum abgerufenen Datenstrom, da er die größte relative Ähnlichkeitsmetrik (0,912) aufweist (z. B. da er die relativ niedrigste aggregierte Differenz zwischen übereinstimmenden Grenzwerten zeigt). In einigen Beispielen berechnet der Grenzvektorrechner 128 jedoch den Grenzvektorfaktor auf eine Weise, die mit der beispielhaften Gleichung 2 übereinstimmt. $B_{n} = \sum_{x = 1}^{n - 1} S_{x n} B_{x}$
Im veranschaulichten Beispiel von Gleichung 2 repräsentiert Bn einen Grenzvektor für Datenstrom n (z. B. den abgerufenen interessierenden Datenstrom), Sxn repräsentiert eine Ähnlichkeitsmetrik zwischen Datenstrom x und dem abgerufenen Datenstrom n und Bx repräsentiert einen Grenzvektor von Datenstrom x. Im Allgemeinen enthalten einige Datenströme und/oder Datenstromdaten, die im beispielhaften Datenstromprofilspeicher 138 gespeichert sind, einen Grenzvektor Bx, der auf einen bestimmten Ausrüstungssollwert hinweisen kann. In einigen Beispielen berechnet der Grenzvektorrechner 128 jedoch den Grenzvektorfaktor auf eine Weise, die mit der beispielhaften Gleichung 3 übereinstimmt. $B_{n} = (\frac{\sum_{x = 1}^{n - 1} S_{x n} B_{x}}{n}) \div 100$
Im veranschaulichten Beispiel von Gleichung 3 beruht der Grenzvektor Bn für den Datenstrom auf einer aggregierten Berücksichtigung von Grenzwerten des abgerufenen Datenstroms und des interessierenden Datenstromkandidaten x, wie in 3 gezeigt. Darüber hinaus berechnen die veranschaulichten Beispiele von Gleichung 2 und Gleichung 3 Grenzvektorwerte auf eine Weise, die einer Ähnlichkeitsmetrik proportional ist.
Im illustrierten Beispiel von 3 generiert der Grenzvektorrechner eine Rechentabelle 300 mit einer Datenstromkandidatengrenzspalte 302 (Werte von Datenstrom x, wie I_TH , der auf die hohe Temperaturgrenze des ersten Datenstromkandidaten hinweist, I_TL , der auf die niedrige Temperaturgrenze des ersten Datenstromkandidaten hinweist, 2_PH , der auf die hohe Temperaturgrenze des zweiten Datenstromkandidaten hinweist, usw.), eine Ähnlichkeitsmetrikspalte 304 mit entsprechenden Ähnlichkeitsmetrikwerten (Sxn), eine Datenstromx-Grenzvektorspalte 306 mit entsprechenden Grenzvektorwerten Bx und eine Datenstrom-n-Grenzvektorspalte 308 mit entsprechenden Grenzvektorwerten für den abgerufenen Datenstrom n. Auf eine Weise, die mit der beispielhaften Gleichung 3 übereinstimmt, berechnet eine erste beispielhafte Zeile 310 einen Bn-Vektorwert, der der beispielhaften oberen Temperaturgrenze des ersten Datenstromkandidaten entspricht (I_TH ) und, wie oben beschrieben, wurde ein entsprechender Ähnlichkeitsmetrikwert von 0,912 angesichts von Datenstromkandidaten x und dem abgerufenen Datenstrom n berechnet. Wie im illustrierten Beispiel von Gleichung 3 gezeigt, werden Bn-Vektorwerte auf eine Weise berechnet, die einem Grad oder Ausmaß an Ähnlichkeit zwischen dem bzw. den abgerufenen Datenstromwert(en) und dem bzw. den Datenstromkandidatenwert(en) proportional ist. Als solcher berechnet der beispielhafte Grenzvektorrechner 128 einen Bn-Vektorwert für die mit einer hohen Temperatur assoziierte Grenze als 118,56 Grad (312).
Der beispielhafte Grenzvektorrechner 128 wiederholt die vorgenannte Berechnung auf eine Weise, die mit der beispielhaften Gleichung 3 übereinstimmt, sodass alle gemeinsamen Grenzen (und deren entsprechende Werte) zwischen dem abgerufenen Datenstrom und dem Datenstromkandidaten (x) berücksichtigt sind. Diese entsprechenden Werte werden gemittelt und durch 100 aufgeteilt, um den Grenzvektorfaktor zu generieren, der mit den beispielhaften Daten von 3 als 0,9586 (314) gezeigt ist. Der beispielhafte Leitkonfigurationsmanager 150 wendet diesen Grenzvektorfaktor auf jeweilige Grenzwerte des abgerufenen Datenstroms als einen Anpassungsfaktor (einen Grenzvektorfaktor) im Bemühen an, Sollwerte maßzuschneidern, die die Prozesseffizienz, Sicherheit verbessern und/oder derartige Sollwerte unter Verwendung des Vorteils von empirischen Verhaltensweisen von vorher gespeicherten Datenströmen im beispielhaften Datenstromprofilspeicher 138 anpassen. Insbesondere generiert der beispielhafte Leitkonfigurationsmanager 150 einen aktualisierten Datenstrom (z. B. einen aktualisierten Prozessleitdatenstrom) durch Anwenden des Grenzvektorfaktors auf Grenzwerte. Deshalb reduzieren aktualisierte Grenzwerte eine Häufigkeit von belästigenden Fällen von Grenzabweichungen. Darüber hinaus, da neue und/oder aktuelle Datenströme iterativ von hierin offenbarten Beispielen analysiert werden, wird eine fortlaufende Verbesserung von Grenzwerten realisiert, insbesondere angesichts möglicher sich ändernder Umgebungsbedingungen (z. B. saisonalen Wetteränderungen, Ausrüstungsverschleiß usw.). Der beispielhafte Leitkonfigurationsmanager 150 ist Hardware, die als ein Mittel zur Konfiguration oder ein Konfigurationsmittel implementiert sein kann, wobei derartige Mittel Hardware sind.
Während die vorgenannte Aktivität eine dynamische Anpassung und/oder Modifikation von Grenzwerten in Verbindung mit empirischen Datenstromdaten erwägt, die mit Datenströmen assoziiert sind, die dem abgerufenen interessierenden Datenstrom ähnlich sind, erwägen hierin offenbarte Beispiele auch die Auswirkungen von Laufzeitverhalten. Beispielsweise können während der Laufzeit eines Leitsystems ein oder mehrere Grenzwerte erfüllt sein (z. B. überschritten werden), was eine Alarm- und/oder Steuerungsänderungsaktivität verursacht (z. B. Anhalten eines Prozesses, Verlangsamen eines Prozesses, Aktivieren von Schutzschildern usw.). Falls derartige Grenzwerte jedoch nicht anfänglich richtig festgelegt wurden, kann das Leitpersonal derartige Alarme und/oder Steuerelemente als eine Belästigung verwerfen. Die Belästigung kann eine nachteilige Auswirkung auf die Steuereffizienz aufweisen, die hierin offenbarte Beispiele vermeiden.
Die beispielhafte Grenztesteinheit 132 ermittelt, ob ein Grenzwert überschritten wurde, und falls ja, initiiert sie eine Korrekturaktivität. Wie oben beschrieben kann eine Korrekturaktivität durch Steuersysteme programmiert werden, um Warnungen, Alarme und/oder Sicherheitssysteme in Kraft zu setzen. Nachdem eine derartige Korrekturaktivität durchgeführt wurde, erfasst der beispielhafte Übersteuerungsdetektor 134 Reaktionsaktivitäten (Eingaben nach der Abweichung) der Grenzwertverletzung. Reaktionsaktivitäten enthalten Übersteuerungsaktionen, die von Prozessleitpersonal durchgeführt werden, wie ein Stilllegen eines Alarms und/oder ein Neustarten der Prozessaktivität. Reaktionsaktivitäten enthalten auch Zustimmungsmaßnahmen, die von Prozessleitpersonal getätigt werden, wie Bestätigungsaktivitäten und Anforderungen einer Korrekturmaßnahme und/oder Reparatur (z. B. Wartungsanforderungen, Beobachten von Schwellenzeiten von anhaltender Ausfallzeit nach der Verletzung des Grenzwerts usw.). Der beispielhafte Übersteuerungsdetektor 134 erkennt eine oder mehrere Eingaben nach der Abweichung, wie Anweisungen zur Alarmannahme, Ausschaltanweisungen, Wartungsanforderungsanweisungen, Übersteuerungsanweisungen, Prozessabschaltanweisungen usw. Der beispielhafte Übersteuerungsdetektor 134 ist Hardware, die als ein Mittel zum Erkennen, ein Mittel zum Erkennen einer Übersteuerung oder ein Übersteuerungserkennungsmittel implementiert sein kann, wobei derartige Mittel Hardware sind.
Im Allgemeinen erfassen und analysieren hierin offenbarte Beispiele Reaktionsaktivitäten, da sie nützliche Informationen in Bezug darauf aufzeigen, ob Grenzwerte richtig konfiguriert wurden. Wiederholtes Übersteuerungsverhalten von Grenzwertverletzungen (Abweichungen) durch Bedienpersonal zeigt beispielsweise an, dass derartige Grenzwerte nicht richtig konfiguriert sind. In einigen Beispielen ist sich Prozessleitpersonal angemessener Betriebsgrenzen von Prozessleitausrüstung bewusst, die möglicherweise nicht von anderem Personal berücksichtigt wurden, das derartige Grenzwerte ursprünglich eingerichtet hat. Als solcher führt der beispielhafte Übersteuerungsdetektor 134 Reaktionsaktivitäten der beispielhaften Engine mit künstlicher Intelligenz (KI) 136 zu und/oder leitet Reaktionsaktivitäten anderweitig an diese weiter. Auf Grundlage einer oder mehrerer Iterationen von Reaktionsaktivitäten (z. B. Übersteuerung, Bestätigung, Ignorieren usw.) aktualisiert die Engine mit künstlicher Intelligenz (KI) 136 bestehende Grenzwerte des neuen/aktuellen Datenstroms angesichts eines oder mehrerer erkannter Muster, wobei derartige modifizierte Grenzwerte (z. B. Grenzwertanpassungskandidaten) im beispielhaften Leitprofilspeicher 140 gespeichert werden können.
Da der abgerufene Datenstrom in einer Fabrikumgebung und/oder einem Prozessleitsystem relativ neu sein kann, ermittelt die beispielhafte Datenstromvergleichseinheit 116, ob der abgerufene Datenstrom, der gerade analysiert wurde, eine Schwellenanzahl von Iterationen durchgeführt hat. Falls nicht, wird der abgerufene Datenstrom nicht zur Verteilung als ein Datenstromkandidat markiert, der für Ähnlichkeitsvergleichszwecke zu verwenden ist. Anders ausgedrückt ist der abgerufene Datenstrom erst dann durch hierin offenbarte Beispiele geprüft worden, nachdem eine Schwellenanzahl von Vergleichen, Anpassungen und/oder Mustererkennungsfälle durch künstliche Intelligenz stattgefunden hat. Während jeder derartigen Iteration werden Grenzwerte entsprechend angepasst und eine Konvergenz tritt ein, wenn Beträge jeder Anpassung immer kleiner werden. Andererseits, wenn eine Schwellenanzahl von Iterationen des abgerufenen Datenstroms stattgefunden hat, markiert die beispielhafte Datenstromvergleichseinheit 116 den Datenstrom und/oder die entsprechenden Grenzwerte zur Verteilung, was verwendet werden kann, um andere/zukünftige neue Datenströme und entsprechende Grenzwerte maßzuschneidern und/oder anderweitig zu konfigurieren.
Hierin offenbarte Beispiele helfen auch Leitpersonal beim anfänglichen Konfigurieren einer neuen Fertigungs- und/oder anderen Leitumgebung, die noch nicht vorher eingerichtet wurde. Um Probleme in Verbindung mit dem Einrichten von Grenzwerten ohne empirische Basis durch Leitpersonal zu bekämpfen, stellen hierin offenbarte Beispiele Anfangspunkt-Grenzwerte auf Grundlage von ähnlichen Leitsystemen bereit, die vorher eingerichtet wurden und ähnliche Leitausrüstung und/oder Leitziele enthalten. Der beispielhafte Leitkonfigurationsmanager 150 ermittelt, ob eine neue Umgebung zu konfigurieren ist, und wenn ja, ruft die beispielhafte Umgebungsdetailextrahierungseinheit 130 Umgebungsdetails ab. Umgebungsdetails enthalten unter anderem eine Liste von Leitausrüstung, Namen von Herstellern der Leitausrüstung, Modell /Seriennummern der Leitausrüstung, Nomenklatur, die einen Verwendungszweck der Leitausrüstung angibt (z. B. Druckluftwerkzeugzufuhr, Kondensatsammler usw.) usw. Die beispielhafte Umgebungsdetailextrahierungseinheit 130 wählt eine Übereinstimmung zwischen dem Umgebungsdetail und einem oder mehreren Leitprofilen, die im beispielhaften Leitprofilspeicher 140 gespeichert sind, die vorher zur Verteilung gekennzeichnet wurden.
Grenzwerte aus übereinstimmenden Leitprofilen werden vom beispielhaften Leitkonfigurationsmanager 150 verwendet, um das neue Leitsystem und/oder Ausrüstung darin mit Grenzwerten zu konfigurieren. Der beispielhafte Leitkonfigurationsmanager 150 ermöglicht dann einen Laufzeitmodus für das neu eingerichtete Leitsystem.
Während in 1-3 eine beispielhafte Art und Weise zum Implementieren der beispielhaften Leitumgebung 100 von 1 veranschaulicht ist, können eines oder mehrere der in 1-3 veranschaulichten Elemente, Prozesse und/oder Einrichtungen auf beliebige andere Weise kombiniert, aufgeteilt, umgeordnet, weggelassen, eliminiert und/oder implementiert werden. Ferner können die beispielhafte Datenabrufeinheit 108, die beispielhafte Metadatenextrahierungseinheit 110, die beispielhafte Kennzeichnungseinheit, die beispielhafte Datenstromvergleichseinheit 116, die beispielhafte Datenstromkandidatenauswahleinheit 118, die beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120, die beispielhafte Datenstromgewichtungsengine 122, der beispielhafte Differenzrechner 124, der beispielhafte Ähnlichkeitsmetrikrechner 126, der beispielhafte Grenzvektorrechner 128, der beispielhafte Leitkonfigurationsmanager 150, die beispielhafte Umgebungsdetailextrahierungseinheit 130, die beispielhafte Grenztesteinheit 132, der beispielhafte Übersteuerungsdetektor 134, die beispielhafte Engine mit künstlicher Intelligenz 136 und/oder allgemeiner der beispielhafte Grenzanalysator 106 von 1 durch Hardware, Software, Firmware und/oder eine beliebige Kombination von Hardware, Software und/oder Firmware implementiert werden. Deshalb können zum Beispiel beliebige der beispielhaften Datenabrufeinheit 108, der beispielhaften Metadatenextrahierungseinheit 110, der beispielhaften Kennzeichnungseinheit, der beispielhaften Datenstromvergleichseinheit 116, der beispielhaften Datenstromkandidatenauswahleinheit 118, der beispielhaften Metadatenkennzeichnungs-Auflösungseinheit 120, der beispielhaften Datenstromgewichtungsengine 122, des beispielhaften Differenzrechners 124, des beispielhaften Ähnlichkeitsmetrikrechners 126, des beispielhaften Grenzvektorrechners 128, des beispielhaften Leitkonfigurationsmanagers 150, der beispielhaften Umgebungsdetailextrahierungseinheit 130, der beispielhaften Grenztesteinheit 132, des beispielhaften Übersteuerungsdetektors 134, der beispielhaften Engine mit künstlicher Intelligenz 136 und/oder allgemeiner des beispielhaften Grenzanalysators 106 von 1 durch einen oder mehrere Analog- oder Digitalschaltkreis(e), Logikschaltkreise, programmierbare(n) Prozessor(en), programmierbare Steuerung(en), Grafikverarbeitungseinheit(en) (GPU(s)), digitale Signalprozessor(en) (DSP(s)), anwendungsspezifische(n) integrierte(n) Schaltkreis(e) (ASIC(s)), programmierbare(n) Logikeinrichtung(en) (PLD(s)) und/oder feldprogrammierbare(n) Logikeinrichtung(en) (FPLD(s)) implementiert sein. Wenn beliebige der Vorrichtungs- oder Systemansprüche dieses Patents so gelesen werden, dass diese eine reine Software- und/oder Firmwareimplementierung abdecken, ist bzw. sind mindestens eine bzw. einer der beispielhaften Datenabrufeinheit 108, der beispielhaften Metadatenextrahierungseinheit 110, der beispielhaften Kennzeichnungseinheit, der beispielhaften Datenstromvergleichseinheit 116, der beispielhaften Datenstromkandidatenauswahleinheit 118, der beispielhaften Metadatenkennzeichnungs-Auflösungseinheit 120, der beispielhaften Datenstromgewichtungsengine 122, des beispielhaften Differenzrechners 124, des beispielhaften Ähnlichkeitsmetrikrechners 126, des beispielhaften Grenzvektorrechners 128, des beispielhaften Leitkonfigurationsmanagers 150, der beispielhaften Umgebungsdetailextrahierungseinheit 130, der beispielhaften Grenztesteinheit 132, des beispielhaften Übersteuerungsdetektors 134, der beispielhaften Engine mit künstlicher Intelligenz 136 und/oder allgemeiner des beispielhaften Grenzanalysators 106 von 1 ausdrücklich als eine nicht transitorische computerlesbare Speichereinrichtung oder Speicherplatte wie einen Arbeitsspeicher, eine Digital Versatile Disk (DVD), eine Compact Disk (CD), eine Blu-ray Disk usw. einschließlich der Software und/oder Firmware enthaltend definiert. Darüber hinaus kann die beispielhafte Grenzenanalyseeinheit 106 von FIG: 1 zusätzlich zu oder statt des bzw. der in 1-3 veranschaulichten einen oder mehreren Elemente, Prozesse und/oder Einrichtungen enthalten und/oder kann mehr als eines von beliebigen oder allen der veranschaulichten Elemente, Prozesse und Einrichtungen enthalten. Wie hierin verwendet, umfasst die Phrase „in Kommunikation“, einschließlich von Varianten davon, eine direkte Kommunikation und/oder eine indirekte Kommunikation durch eine oder mehrere Zwischenkomponenten und erfordert keine direkte physische (z. B. verdrahtete) Kommunikation und/oder konstante Kommunikation, sondern vielmehr enthält zusätzlich eine selektive Kommunikation in periodischen Intervallen, geplanten Intervallen, nicht periodischen Intervallen und/oder einmalige Ereignisse.
Ablaufdiagramme, die beispielhafte Hardwarelogik, maschinenlesbare Anweisungen, hardwareimplementierte Zustandsmaschinen und/oder eine beliebige Kombination davon zum Implementieren des Grenzanalysators 106 von 1 darstellen, sind in 4-7 gezeigt. Die maschinenlesbaren Anweisungen können ein ausführbares Programm oder ein Teil eines ausführbaren Programms zur Ausführung durch einen Computerprozessor wie dem Prozessor 812 sein, der in der beispielhaften Prozessorplattform 800 gezeigt ist, die unten in Verbindung mit 8 besprochen wird. Das Programm bzw. die Programme kann bzw. können in auf einem nichtflüchtigen computerlesbaren Speichermedium wie einer CD-ROM, einer Diskette, einer Festplatte, einer DVD, einer Blu-ray Disk oder einem mit dem Prozessor 812 verbundenen Arbeitsspeicher gespeicherter Software ausgebildet sein, aber das gesamte Programm und/oder Teile davon könnten alternativ von einer anderen Einrichtung als dem Prozessor 812 ausgeführt werden und/oder in Firmware oder dedizierter Hardware ausgebildet sein. Ferner, obwohl das beispielhafte Programm bzw. die beispielhaften Programme in Bezug auf die in 4-7 veranschaulichten Ablaufdiagramme beschrieben ist bzw. sind, können alternativ viele andere Verfahren zum Implementieren der beispielhaften Grenzenanalyseeinheit 106 verwendet werden. Die Reihenfolge der Ausführung der Blöcke kann zum Beispiel geändert werden und/oder einige der beschriebenen Blöcke können geändert, eliminiert oder kombiniert werden. Zusätzlich oder alternativ können beliebige oder alle der Blöcke durch einen oder mehrere Hardwareschaltkreise (z. B. diskrete und/oder integrierte analoge und/oder digitale Verschaltung, ein FPGA, einen ASIC, einen Komparator, einen Operationsverstärker (Op-Amp), einen Logikschaltkreis usw.) implementiert sein, die strukturiert sind, die entsprechende Operation ohne Ausführen von Software oder Firmware durchzuführen.
Wie oben erwähnt, können die beispielhaften Prozesse von 4-7 unter Verwendung von ausführbaren Anweisungen (z. B. computer- und/oder maschinenlesbaren Anweisungen) implementiert werden, die auf einem nichtflüchtigen computer- und/oder maschinenlesbaren Medium wie einem Festplattenlaufwerk, einem Flashspeicher, einem Nur-LeseSpeicher, einer Compact-Disk, einer Digital Versatile Disk, einem Zwischenspeicher, einem Speicher mit wahlfreiem Zugriff und/oder einer beliebigen anderen Speichereinrichtung oder Speicherplatte gespeichert sind, auf der Informationen für eine beliebige Dauer gespeichert sind (z.B. für längere Zeiträume, dauerhaft, für kurze Augenblicke, zum temporären Puffern und/oder zum Zwischenspeichern der Informationen). Wie hierin verwendet, ist der Begriff nichtflüchtiges computerlesbares Medium ausdrücklich definiert, alle Typen von computerlesbarer Speichereinrichtung und/oder Speicherplatte zu enthalten und sich ausbreitende Signale auszuschließen und Sendemedien auszuschließen.
„Einschließen“ und „umfassen“ (und alle Formen und Zeitformen davon) werden hier als offene Begriffe verwendet. Immer wenn ein Anspruch irgendeine Form von „enthalten“ oder „umfassen“ (z. B. umfasst, enthält, umfassend, einschließlich, aufweisend usw.) als eine Präambel oder innerhalb eines Anspruchs irgendeiner Art, versteht sich, dass zusätzliche Elemente, Ausdrücke usw. vorhanden sein können, ohne in den Schutzbereich des entsprechenden Anspruchs oder der entsprechenden Aufzählung zu fallen. Wenn hier der Begriff „mindestens“ als Übergangsbegriff zum Beispiel in einem Oberbegriff eines Anspruchs verwendet wird, ist er in der gleichen Weise offen, wie die Begriffe „umfassend“ und „enthalten“ offen sind. Der Ausdruck „und/oder“, wenn er beispielsweise in einer Form wie A, B und/oder C verwendet wird, bezeichnet eine beliebige Kombination oder Teilmenge von A, B, C, wie beispielsweise (1) nur A, (2) nur B, (3) nur C, (4) A mit B, (5) A mit C, (6) B mit C und (7) A mit B und mit C. Wie hierin im Kontext zum Beschreiben von Strukturen, Komponenten, Elementen, Objekten und/oder Dingen verwendet, soll die Phrase „mindestens eines von A und B“ auf Implementierungen verweisen, die beliebige von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B enthalten. Gleichermaßen, wie hierin im Kontext zum Beschreiben von Strukturen, Komponenten, Elementen, Objekten und/oder Dingen verwendet, soll die Phrase „mindestens eines von A oder B“ auf Implementierungen verweisen, die beliebige von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B enthalten. Wie hierin im Kontext zum Beschreiben der Durchführung oder Ausführung von Prozessen, Anweisungen, Handlungen, Aktivitäten und/oder Schritten verwendet, soll die Phrase „mindestens eines von A und B“ auf Implementierungen verweisen, die beliebige von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B enthalten. Gleichermaßen, wie hierin im Kontext zum Beschreiben der Durchführung oder Ausführung von Prozessen, Anweisungen, Handlungen, Aktivitäten und/oder Schritten verwendet, soll die Phrase „mindestens eines von A oder B“ auf Implementierungen verweisen, die beliebige von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B enthalten.
Das Programm 400 von 4 enthält Block 402, in dem die beispielhafte Datenabrufeinheit 108 einen Datenstrom oder Datenstromdaten von einem Prozess abruft (der z. B. von einem Leitsystem 102 in einer Fertigungsumgebung abgerufen wurde). Die beispielhafte Metadatenextrahierungseinheit 110 parst den abgerufenen Datenstrom auf Prozessdaten und extrahiert diese (Block 404). Die beispielhafte Metadatenextrahierungseinheit 110 ermittelt auch, ob der abgerufene Datenstrom ein neuer Prozess ist, der noch nicht analysiert wurde, um Kennzeichnungen anzuwenden (Block 406). Falls der abgerufene Datenstrom noch nicht untersucht wurde, wie durch eine beispielhafte Markierung ermittelt wird, die dies anzeigt, wendet die beispielhafte Kennzeichnungseinheit 112 Kennzeichnungen auf die Daten innerhalb des abgerufenen Datenstroms an (Block 408), wie zum Beispiel mit Ausrüstung, Ausrüstungsgrenzen usw. assoziierte Kennzeichnungen. In einigen Beispielen setzt die Kennzeichnungseinheit 112 eine oder mehrere Nachschlagetabellen ein, die im beispielhaften Kennzeichnungszuordnungsspeicher 114 gespeichert sind, um eine Nomenklatur des abgerufenen Datenstroms aufzulösen und/oder anderweitig zu vereinheitlichen. Wie oben beschrieben, da ein abgerufener Datenstrom vom beispielhaften Grenzanalysator 106 eine beliebige Anzahl von Malen/Iterationen ausgewertet werden kann, kann eine aufgelöste Nomenklatur (z. B. gemeinsame Namen für Grenzen) in ein oder mehrere Datenelemente des abgerufenen Datenstroms für eine zukünftige Analyse geschrieben werden, wodurch wiederholte Kennzeichnungsbemühungen für zukünftige Iterationen umgangen werden.
Nachdem die beispielhafte Kennzeichnungseinheit 112 Kennzeichnungsbemühungen angewandt hat (Block 408), oder falls die beispielhafte Metadatenextrahierungseinheit 110 ermittelt, dass keine Kennzeichnungsbemühungen notwendig sind (Block 406) (da z. B. derartige Kennzeichnungsbemühungen vorher durchgeführt und auf den abgerufenen Datenstrom angewandt wurden), vergleicht die beispielhafte Datenstromvergleichseinheit 116 den abgerufenen (aktuellen) Datenstrom mit Datenstromprofilen (Block 410). Wie oben beschrieben, ist mindestens ein Ziel der beispielhaften Datenstromvergleichseinheit 116, eine Gruppe von Datenströmen zu erstellen und/oder anderweitig zu identifizieren, die dem aktuellen Datenstrom ähnlich sind. Sobald ähnliche Datenströme identifiziert worden sind, verwenden hierin offenbarte Beispiele derartige empirische Daten, um Grenzvektoren und/oder andere Faktoren zu berechnen, um eine Modifikation und/oder ein Maßschneidern der Grenzwerte des abgerufenen Datenstroms zu ermöglichen, sodass er ein Ausmaß an Übereinstimmung mit bekannten Datenströmen widerspiegelt, die in ihren jeweiligen Umgebungen gut arbeiten.
5 veranschaulicht zusätzliche Details in Verbindung mit dem beispielhaften Block 410 von 4. Im illustrierten Beispiel von 5 wählt die Metadatenextrahierungseinheit 110 einen Metadatenparameter/Grenznamen aus dem abgerufenen Datenstrom (Block 502). Abgerufene Datenströme können eine beliebige Anzahl von Grenzen (z. B. Parameter mit assoziierten Metadaten, die auf einen Namen der Grenze hinweisen) aufweisen, wobei jeder Grenzname einen entsprechenden Wert aufweist (z. B. einen Sollwertbetriebszustand für Leitausrüstung). Die beispielhafte Datenstromkandidatenauswahleinheit 118 identifiziert Datenstromkandidatenprofile, die im beispielhaften Datenstromprofilspeicher 138 gespeichert sind (Block 504). Wie oben beschrieben werden Datenstromkandidatenprofile durch die beispielhafte Datenstromkandidatenauswahleinheit 118 identifiziert, falls mindestens ein Metadatengrenzname mit einem Grenznamen des abgerufenen Datenstroms übereinstimmt (Block 504). Die beispielhafte Metadatenextrahierungseinheit 110 ermittelt, ob es einen oder mehrere zusätzliche Metadatenparameter des abgerufenen Datenstroms gibt, die noch nicht analysiert wurden (Block 506). Falls ja, kehrt die Leitung zu Block 502 zurück.
Obwohl der abgerufene Datenstrom möglicherweise durch die beispielhafte Kennzeichnungseinheit 112 ausgewertet wurde, um bekannte Kennzeichnungen anzuwenden, um eine Nomenklatur des Datenstroms aufzulösen und/oder anderweitig zu vereinheitlichen, wird eine weitere Kennzeichnungsauflösungsbemühung von der Metadatenkennzeichnungs-Auflösungseinheit 120 angewandt, nachdem Datenstromkandidatenprofile identifiziert wurden. Beispielsweise können der beispielhafte Datenstromprofilspeicher 138 und/oder der beispielhafte Leitprofilspeicher 140 durch einen oder mehrere gleichzeitige Grenzanalyseprozesse aktualisiert werden, wobei neu verteilte Datenströme mit einer alternativen Parametemomenklatur hinzugefügt wurden. Um sicherzustellen, dass eine derartige Nomenklatur aktuell und/oder anderweitig im Hinblick auf den abgerufenen Datenstrom aufgelöst ist, wendet die Metadatenkennzeichnungs-Auflösungseinheit 120 linguistische Datenverarbeitungstechniken (NLP) und/oder Nachschlagetabellen auf die identifizierten Datenstromkandidaten an (Block 508). Übereinstimmungen, die von der beispielhaften Metadatenkennzeichnungs-Auflösungseinheit 120 entdeckt werden, werden als übereinstimmende Datenstromkandidaten gespeichert (Block 510), um weiter ausgewertet zu werden, sodass eine proportionale Gewichtung auf Grundlage eines Ähnlichkeitsgrads angewandt werden kann. Die Leitung kehrt dann zu Block 412 von 4 zurück.
Zu 4 zurückkehrend, wendet die beispielhafte Datenstromgewichtungsengine 122 eine Gewichtung auf den abgerufenen Datenstrom an (Block 412). 6 veranschaulicht zusätzliche Details in Verbindung mit dem Block 412 von 4. Im illustrierten Beispiel von 6 wählt die beispielhafte Datenstromkandidatenauswahleinheit 118 einen der von der beispielhaften Datenstromkandidatenauswahleinheit 118 identifizierten übereinstimmenden Datenströme aus (Block 602). Der beispielhafte Differenzrechner 124 berechnet eine prozentuelle Differenz für jede Grenze, die dem ausgewählten übereinstimmenden Datenstrom und dem abgerufenen Datenstrom gemeinsam ist (Block 604). Wie oben in Verbindung mit 3 besprochen, werden prozentuelle Differenzwerte berechnet und auf die beispielhafte Datenstromtabelle von 2 angewandt (siehe Spalten 230 und 232). Der beispielhafte Ähnlichkeitsmetrikrechner 126 berechnet eine Ähnlichkeitsmetrik auf Grundlage einer aggregierten Berücksichtigung davon, wie wesentlich die prozentuellen Differenzwerte für Grenzen sind, die den ausgewählten übereinstimmenden Datenströmen und dem abgerufenen Datenstrom gemeinsam sind (Block 606). Insbesondere und wie im Beispiel von 2 illustriert, beruht die Ähnlichkeitsmetrik S_4N (242) auf dem Durchschnitt von individuellen prozentuellen Differenzwerten, die von einhundert subtrahiert wurden, um einen Dezimalwert zwischen null und eins zu ergeben.
Die beispielhafte Datenstromkandidatenauswahleinheit 118 ermittelt, ob es einen oder mehrere zusätzliche Datenströme gibt, für die eine Ähnlichkeitsmetrik zu berechnen ist (Block 608). Falls ja, kehrt die Leitung zu Block 602 zurück, wo ein anderer übereinstimmender Datenstrom ausgewählt wird. Andernfalls berechnet der beispielhafte Grenzvektorrechner 128 einen Grenzvektorfaktor für den abgerufenen Datenstrom (Block 610). Wie oben beschrieben, berechnet der beispielhafte Grenzvektorrechner 128 einen Grenzvektorfaktor für den abgerufenen Datenstrom auf eine Weise, die mit der beispielhaften Gleichung 2 oder der beispielhaften Gleichung 3 übereinstimmt, wobei letztere in 3 veranschaulicht ist. Zur Illustration berechnete der beispielhafte Grenzvektorrechner 128 den Grenzvektorfaktor für den abgerufenen Datenstrom als den Wert 0,9586 (siehe Element 314 von 3). Unter Verwendung der abgerufenen TEMP-HOCH-Datenstromgrenze 206 als ein Beispiel, wobei diese einen entsprechenden Wert von 127 Grad F aufweist, bewirkt die Anwendung des Faktors ein Generieren eines aktualisierten Werts von 121,7 Grad F. Als solcher wendet der beispielhafte Leitkonfigurationsmanager 150 Grenzwertmodifikationen an, um einen aktualisierten Datenstrom zu erzeugen, und wendet ferner den aktualisierten Datenstrom zur Ausführung auf die Umgebung an (Block 414).
Im illustrierten Beispiel von 4 kann ein Abschluss von Block 414 durch den beispielhaften Leitkonfigurationsmanager 150 die Initiierung eines Laufzeitverhaltens für die beispielhafte Leitumgebung 100 bewirken, wobei die Steuerung zu Block 418 weitergeht, wie unten ausführlich beschrieben wird. Andererseits kann der beispielhafte Grenzanalysator 106 stattdessen fortfahren, einen oder mehrere zusätzliche abgerufenen Zeichenfolgen auszuwerten (siehe gestrichelter Pfeil 416), wobei die Steuerung zu Block 402 zurückkehrt. Falls der beispielhafte Grenzanalysator 106 einen Laufzeitmodus eines Prozesses analysiert, ermittelt die beispielhafte Grenztesteinheit 132, ob ein Grenzwert (z. B. der aktualisierte Grenzwert des abgerufenen Datenstroms) überschritten wurde (Block 418). Falls ja, bewirkt der beispielhafte Leitkonfigurationsmanager 150, dass Korrekturmaßnahmen initiiert werden, wie von einem Leitsystem der beispielhaften Leitumgebung 100 bestimmt (Block 420). Andererseits, falls die beispielhafte Grenztesteinheit 132 ermittelt, dass der Grenzwert nicht überschritten wurde (Block 418), dann veranlasst der beispielhafte Leitkonfigurationsmanager 150 den Prozess, mit normalem Betrieb fortzufahren (Block 422).
Der beispielhafte Übersteuerungsdetektor 134 erfasst die Reaktionsaktivität auf das Auftreten des Grenzwerts (z. B. eine Übersteuerungsentscheidung durch einen Leittechniker, eine Entscheidung zum Ignorieren usw.) (Block 424) und stellt der Engine mit künstlicher Intelligenz 136 Informationen über diese Handlungen bereit (Block 426). Die beispielhafte Engine mit künstlicher Intelligenz 136 aktualisiert die Grenzwerte auf Grundlage eines oder mehrerer identifizierter Trends und/oder Verhaltensmuster (Block 428), wie wiederholte Übersteuerungsentscheidungen durch Leittechniker. Wiederholte Übersteuerungsentscheidungen/-verhaltensweisen weisen beispielsweise auf einen Grenzwert hin, der nicht richtig festgelegt ist, wodurch Prozessunterbrechungen und/oder Prozessineffizienz verursacht werden.
Die beispielhafte Datenstromvergleichseinheit 116 ermittelt, ob eine Iterationsanzahl für den abgerufenen Datenstrom einen Schwellenwert erfüllt (z. B. größer ist als dieser) (Block 430). Wie oben beschrieben kann der abgerufene Datenstrom (der möglicherweise angesichts von (a) Anpassungen auf Grundlage der beispielhaften Gleichung 2 oder der beispielhaften Gleichung 3 und/oder (b) einer Analyse durch künstliche Intelligenz aktualisiert wurde) mit einer relativ neuen Leitkonfiguration assoziiert sein. Als solcher kann der abgerufene Datenstrom erst nach einer Schwellenanzahl von Iterationen durch das beispielhafte Programm 400 von 4 richtig geprüft worden sein. Falls die beispielhafte Datenstromvergleichseinheit 116 ermittelt, dass der Schwellenwert nicht erfüllt ist (Block 430), dann kehrt die Steuerung zu Block 402 zurück. Andernfalls markiert die beispielhafte Datenstromvergleichseinheit 116 den abgerufenen Datenstrom und/oder Datenstromgrenzwerte zur Verteilung (Block 432). Anders ausgedrückt können diejenigen Datenströme und/oder Datenstromgrenzwerte, die zur Verteilung markiert sind, als Richtwerte für andere Leitsysteme mit ähnlicher Leitausrüstung und/oder ähnlichen Leitzielen verwendet werden.
Wie oben beschrieben helfen hierin offenbarte Beispiele Leitpersonal beim anfänglichen Konfigurieren einer neuen Fertigungs- und/oder anderen Leitumgebung, die noch nicht vorher eingerichtet wurde. 7 veranschaulicht ein beispielhaftes Programm 700, um bei einer Konfiguration einer neuen Leitumgebung zu helfen. Im veranschaulichten Beispiel von 7 ermittelt der beispielhafte Leitkonfigurationsmanager 150, ob eine Anforderung eingetreten ist, eine neue Umgebung zu konfigurieren (Block 702). Falls ja, ruft die beispielhafte Umgebungsdetailextrahierungseinheit 130 Umgebungsdetails ab (Block 704). Wie oben beschrieben enthalten Umgebungsdetails unter anderem eine Liste von Leitausrüstung, Namen von Herstellern der Leitausrüstung, Modell-/Seriennummern der Leitausrüstung, Nomenklatur, die einen Verwendungszweck der Leitausrüstung angibt (z. B. Druckluftwerkzeugzufuhr, Kondensatsammler usw.) usw. Die beispielhafte Umgebungsdetailextrahierungseinheit 130 wählt eine Übereinstimmung zwischen dem Umgebungsdetail und einem oder mehreren Leitprofilen, die im beispielhaften Leitprofilspeicher 140 gespeichert sind, die vorher zur Verteilung gekennzeichnet wurden (Block 706). Grenzwerte aus übereinstimmenden Leitprofilen werden vom beispielhaften Leitkonfigurationsmanager 150 verwendet, um das neue Leitsystem und/oder Ausrüstung darin mit Grenzwerten zu konfigurieren (Block 708). Der beispielhafte Leitkonfigurationsmanager 150 ermöglicht dann einen Laufzeitmodus für das neu eingerichtete Leitsystem (Block 710).
8 ist ein Blockdiagramm einer beispielhaften Prozessorplattform 800, die strukturiert ist, die Anweisungen von 4-7 auszuführen, um den beispielhaften Grenzanalysator 106 von 1 zu implementieren. Die Prozessorplattform 800 kann beispielsweise ein Server, ein Personalcomputer, ein Arbeitsplatzrechner, eine selbstlernende Maschine (z. B. ein neuronales Netzwerk), eine mobile Einrichtung (z. B. ein Mobiltelefon, ein Smartphone, ein Tablet wie ein iPad™), ein Organizer (PDA), ein Internetgerät, eine Spielekonsole, eine Set-Top-Box, eine tragbare Einrichtung oder ein beliebiger anderer Typ von Recheneinrichtung sein.
Die Prozessorplattform 800 des illustrierten Beispiels enthält einen Prozessor 812. Der Prozessor 812 des illustrierten Beispiels ist Hardware. Der Prozessor 812 kann zum Beispiel durch einen oder mehrere integrierte Schaltkreise, Logikschaltkreise, Mikroprozessoren, GPUs, DSPs oder Steuerungen einer beliebigen gewünschten Familie oder von einem beliebigen gewünschten Hersteller implementiert sein. Der Hardwareprozessor kann eine halbleiterbasierte (z. B. siliziumbasierte) Einrichtung sein. In diesem Beispiel implementiert der Prozessor die beispielhafte Datenabrufeinheit 108, die beispielhafte Metadatenextrahierungseinheit 110, die beispielhafte Kennzeichnungseinheit, die beispielhafte Datenstromvergleichseinheit 116, die beispielhafte Datenstromkandidatenauswahleinheit 118, die beispielhafte Metadatenkennzeichnungs-Auflösungseinheit 120, die beispielhafte Datenstromgewichtungsengine 122, den beispielhaften Differenzrechner 124, den beispielhaften Ähnlichkeitsmetrikrechner 126, den beispielhaften Grenzvektorrechner 128, den beispielhaften Leitkonfigurationsmanager 150, die beispielhafte Umgebungsdetailextrahierungseinheit 130, die beispielhafte Grenztesteinheit 132, den beispielhaften Übersteuerungsdetektor 134, die beispielhafte Engine mit künstlicher Intelligenz 136 und/oder allgemeiner den beispielhaften Grenzanalysator 106.
Der Prozessor 812 des veranschaulichten Beispiels enthält einen lokalen Arbeitsspeicher 813 (z. B. einen Zwischenspeicher). Der Prozessor 812 des veranschaulichten Beispiels steht über einen Bus 818 in Kommunikation mit einem Hauptarbeitsspeicher, der einen flüchtigen Arbeitsspeicher 814 und einen nichtflüchtigen Arbeitsspeicher 816 enthält. Der flüchtige Arbeitsspeicher 814 kann durch synchronen dynamischen Arbeitsspeicher mit wahlfreiem Zugriff (SDRAM), dynamischen Arbeitsspeicher mit wahlfreiem Zugriff (DRAM), dynamischen RAMBUS®-Arbeitsspeicher mit wahlfreiem Zugriff (RDRAM®) und/oder einen beliebigen anderen Typ von Arbeitsspeichereinrichtung mit wahlfreiem Zugriff implementiert sein. Der nichtflüchtige Arbeitsspeicher 816 kann durch Flashspeicher und/oder einen beliebigen anderen Typ von Arbeitsspeichereinrichtung implementiert sein. Zugriff auf den Hauptarbeitsspeicher 814, 816 wird durch eine Arbeitsspeichersteuerung gesteuert.
Die Prozessorplattform 800 des illustrierten Beispiels enthält auch einen Schnittstellenschaltkreis 820. Der Schnittstellenschaltkreis 820 kann durch einen beliebigen Typ von Schnittstellenstandard, wie einer Ethernet-Schnittstelle, einem Universal Serial Bus (USB), einer Bluetooth®-Schnittstelle, einer Nahfeldkommunikations(NFC)-Schnittstelle und/oder einer PCI-Express-Schnittstelle implementiert sein.
Im veranschaulichten Beispiel sind die eine oder die mehreren Eingabeeinrichtungen 822 mit dem Schnittstellenschaltkreis 820 verbunden. Die Eingabeeinrichtung(en) 822 ermöglicht bzw. ermöglichen einem Benutzer, Daten und/oder Befehle in den Prozessor 812 einzugeben. Die Eingabeeinrichtung(en) kann bzw. können beispielsweise durch einen Audiosensor, ein Mikrofon, eine Kammer (Standbild oder Video), eine Tastatur, eine Taste, eine Maus, einen Berührungsbildschirm, ein Tastfeld, einen Trackball, Isopoint und/oder ein Spracherkennungssystem implementiert sein.
Eine oder mehrere Ausgabeeinrichtungen 824 sind ebenfalls mit dem Schnittstellenschaltkreis 820 des veranschaulichten Beispiels verbunden. Die Ausgabeeinrichtungen 824 können zum Beispiel durch Anzeigeeinrichtungen (z. B. eine lichtemittierende Diode (LED), eine organische lichtemittierende Diode (OLED), eine Flüssigkristallanzeige (LCD), eine Kathodenstrahlröhrenanzeige (CRT), eine ortsfeste Schaltanzeige (IPS-Anzeige), einen Berührungsbildschirm usw.), eine taktile Ausgabeeinrichtung, einen Drucker und/oder einen Lautsprecher implementiert sein. Der Schnittstellenschaltkreis 820 des veranschaulichten Beispiels enthält deshalb üblicherweise eine Grafiktreiberkarte, einen Grafiktreiberchip und/oder einen Grafiktreiberprozessor.
Der Schnittstellenschaltkreis 820 des veranschaulichten Beispiels enthält auch eine Kommunikationseinrichtung wie einen Sender, einen Empfänger, ein Modem, ein lokales Gateway, einen drahtlosen Zugangspunkt und/oder eine Netzwerkschnittstelle, um einen Austausch von Daten mit externen Maschinen (z. B. Rechenvorrichtungen einer beliebigen Art) über ein Netzwerk 826 zu ermöglichen. Die Kommunikation kann beispielsweise über eine Ethernet-Verbindung, eine digitale Teilnehmeranschlussverbindung (DSL-Verbindung), eine Telefonleitungsverbindung, ein Koaxialkabelsystem, ein Satellitensystem, ein drahtloses Sichtverbindungssystem, ein Mobilfunktelefonsystem usw. erfolgen.
Die Prozessorplattform 800 des veranschaulichten Beispiels enthält auch eine oder mehrere Massenspeichereinrichtungen 828 zum Speichern von Software und/oder Daten. Beispiele derartiger Massenspeichereinrichtungen 828 enthalten Diskettenlaufwerke, Festplattenlaufwerke, Compact-Disk-Laufwerke, Blu-ray-Plattenlaufwerke, redundante Anordnungssysteme unabhängiger Platten (RAID-Systeme) und Digital-Versatile-Disk(DVD)-Laufwerke.
Die maschinenausführbaren Anweisungen 832 der 4-7 können in der Massenspeichereinrichtung 828, im flüchtigen Arbeitsspeicher 814, im nichtflüchtigen Arbeitsspeicher 816 und/oder auf einem entfernbaren nicht transitorischen computerlesbaren Speichermedium wie einer CD oder DVD gespeichert sein.
Aus dem Vorstehenden ist klar, dass beispielhafte Verfahren, Vorrichtungen und Fabrikate offenbart wurden, die eine technische Wirkung zur Prozessleitausführung verbessern, indem sie zumindest eine Häufigkeit von belästigenden Abweichungen reduzieren, die durch unangemessen konfigurierte Sollwerte verursacht werden. Hierin offenbarte Beispiele verbessern auch die Prozesssicherheit durch Maßschneidern von Grenzen, die möglicherweise aufgrund von reinem Raten, Heuristik und/oder Unwissenheit von Leitpersonal gesetzt wurden, das mit der Verantwortung beauftragt wurde, Sollwerte für Ausrüstung in Fertigungsumgebungen zu konfigurieren. Die offenbarten Verfahren, Vorrichtungen und Fabrikate verbessern die Effizienz der Verwendung einer Recheneinrichtung durch Reduzieren einer Häufigkeit von Prozessausführungsunterbrechungen, wobei eine derartige Prozessstillstandzeit üblicherweise in vergeudetem Energieverbrauch und/oder müßigen Personalressourcen resultiert, die nach einer oder mehreren belästigenden Abweichungen auf eine erneute Prozessinitialisierung warten. Die offenbarten Verfahren, Vorrichtungen und Fabrikate sind dementsprechend auf eine oder mehrere Verbesserungen des Funktionierens eines Computers gerichtet.
Beispiel 1 enthält eine Vorrichtung zur Verbesserung einer Erkennung von Grenzabweichungen, wobei die Vorrichtung eine Metadatenextrahierungseinheit zum Parsen eines ersten Leitdatenstroms zum Extrahieren von eingebetteten Metadaten, eine Metadatenkennzeichnungs-Auflösungseinheit zum Klassifizieren eines Grenzausdrucks der extrahierten eingebetteten Metadaten, eine Datenstromkandidatenauswahleinheit zum Identifizieren von zweiten Leitdatenstromkandidaten, die einen Grenzausdruck enthalten, der mit dem klassifizierten Grenzausdruck des ersten Leitdatenstroms übereinstimmt, und einen Grenzvektorrechner zum Verbessern der Erkennung von Grenzabweichungen durch Berechnen eines Grenzvektorfaktors auf Grundlage jeweiliger der zweiten Leitdatenstromkandidaten umfasst, die den klassifizierten Grenzausdruck enthalten.
Beispiel 2 enthält die Vorrichtung wie in Beispiel 1 definiert, die ferner eine Leitkonfigurationsverwaltungseinheit zum Generieren eines aktualisierten Leitdatenstroms durch Anwenden des Grenzvektorfaktors auf Grenzwerte enthält, die mit jeweiligen Grenzausdrucken des ersten Leitdatenstroms assoziiert sind.
Beispiel 3 enthält die Vorrichtung wie in Beispiel 2 definiert, wobei der aktualisierte Leitdatenstrom aktualisierte Grenzwerte enthält, um eine Häufigkeit von belästigenden Grenzabweichungen zu reduzieren.
Beispiel 4 enthält die Vorrichtung wie in Beispiel 1 definiert, die ferner einen Differenzrechner zum Berechnen eines Differenzwerts zwischen (a) einem Grenzwert, der mit einem jeweiligen Grenzausdruck des ersten Leitdatenstroms verbunden ist, und (b) einem Grenzwert, der mit einem übereinstimmenden Grenzausdruck des zweiten Leitdatenstroms verbunden ist, enthält.
Beispiel 5 enthält die Vorrichtung wie in Beispiel 4 definiert, die ferner einen Ähnlichkeitsmetrikrechner zum Berechnen einer Ähnlichkeitsmetrik auf Grundlage eines Mittelwerts einer Vielzahl von Werten der Differenzwerte enthält.
Beispiel 6 enthält die Vorrichtung wie in Beispiel 5 definiert, wobei die Ähnlichkeitsmetrik auf ein Ausmaß an Ähnlichkeit zwischen dem ersten Leitdatenstrom und dem zweiten Leitdatenstrom hinweist.
Beispiel 7 enthält die Vorrichtung wie in Beispiel 5 definiert, die ferner einen Grenzvektorrechner zum proportionalen Anpassen des Grenzwerts, der mit dem Grenzausdruck des ersten Leitdatenstroms verbunden ist, auf Grundlage der Ähnlichkeitsmetrik enthält.
Beispiel 8 enthält die Vorrichtung wie in Beispiel 1 definiert, die ferner eine Übersteuerungserkennungseinheit zum Erfassen von Eingaben nach einer Abweichung enthält.
Beispiel 9 enthält die Vorrichtung wie in Beispiel 8 definiert, wobei die Eingaben nach einer Abweichung mindestens eines von einer Übersteuerungsanweisung, einer Annahmeanweisung, einer Prozessabschaltanweisung oder einer Wartungsanforderungsanweisung enthalten.
Beispiel 10 enthält die Vorrichtung wie in Beispiel 8 definiert, wobei die Übersteuerungserkennungseinheit die Eingaben nach einer Abweichung an eine künstliche Intelligenzengine (KI-Engine) weiterzuleiten hat, wobei die KI-Engine Grenzwertanpassungskandidaten auf Grundlage der Eingaben nach Abweichungen zu identifizieren hat.
Beispiel 11 enthält ein nicht transitorisches computerlesbares Medium, das Anweisungen enthält, die bewirken, wenn sie ausgeführt werden, dass ein oder mehrere Prozessoren zumindest einen ersten Leitdatenstrom zum Extrahieren von eingebetteten Metadaten parsen, einen Grenzausdruck der extrahierten eingebetteten Metadaten klassifizieren, zweite Leitdatenstromkandidaten identifizieren, die einen Grenzausdruck enthalten, der mit dem klassifizierten Grenzausdruck des ersten Leitdatenstroms übereinstimmt, und die Erkennung von Grenzabweichungen durch Berechnen eines Grenzvektorfaktors auf Grundlage jeweiliger der zweiten Leitdatenstromkandidaten verbessern, die den klassifizierten Grenzausdruck enthalten.
Beispiel 12 enthält das nicht transitorische computerlesbare Medium wie in Beispiel 11 definiert, wobei die Anweisungen bewirken, wenn sie ausgeführt werden, dass der mindestens eine Prozessor einen aktualisierten Leitdatenstrom durch Anwenden des Grenzvektorfaktors auf Grenzwerte generiert, die mit jeweiligen Grenzausdrucken des ersten Leitdatenstroms assoziiert sind.
Beispiel 13 enthält das nicht transitorische computerlesbare Medium wie in Beispiel 12 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor eine Häufigkeit von belästigenden Grenzabweichungen durch Anwenden von aktualisierten Grenzwerten reduziert.
Beispiel 14 das nicht transitorische computerlesbare Medium wie in Beispiel 11 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor einen Differenzwert zwischen (a) einem Grenzwert, der mit einem jeweiligen Grenzausdruck des ersten Leitdatenstroms verbunden ist, und (b) einem Grenzwert, der mit einem übereinstimmenden Grenzausdruck des zweiten Leitdatenstroms verbunden ist, berechnet.
Beispiel 15 enthält das nicht transitorische computerlesbare Medium wie in Beispiel 14 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor eine Ähnlichkeitsmetrik auf Grundlage eines Mittelwerts einer Vielzahl von Werten der Differenzwerte berechnet.
Beispiel 16 das nicht transitorische computerlesbare Medium wie in Beispiel 15 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor den Grenzwert, der mit dem Grenzausdruck des ersten Leitdatenstroms verbunden ist, auf Grundlage der Ähnlichkeitsmetrik proportional anpasst.
Beispiel 17 enthält das nicht transitorische computerlesbare Medium wie in Beispiel 11 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor Eingaben nach der Abweichung erfasst.
Beispiel 18 enthält das nicht transitorische computerlesbare Medium wie in Beispiel 17 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor mindestens eines von einer Übersteuerungsanweisung, einer Annahmeanweisung, einer Prozessabschaltanweisung oder einer Wartungsanforderungsanweisung identifiziert.
Beispiel 19 enthält das nicht transitorische computerlesbare Medium wie in Beispiel 17 definiert, wobei die Anweisungen, wenn sie ausgeführt werden, bewirken, dass der mindestens eine Prozessor die Eingaben nach einer Abweichung an eine künstliche Intelligenzengine (KI-Engine) weiterleitet, wobei die KI-Engine Grenzwertanpassungskandidaten auf Grundlage der Eingaben nach Abweichungen zu identifizieren hat.
Beispiel 20 enthält ein computerimplementiertes Verfahren zur Verbesserung einer Erkennung von Grenzabweichungen, wobei das Verfahren ein Parsen, durch Ausführen einer Anweisung mit mindestens einem Prozessor, eines ersten Leitdatenstroms zum Extrahieren von eingebetteten Metadaten, Klassifizieren, durch Ausführen einer Anweisung mit mindestens einem Prozessor, eines Grenzausdrucks der extrahierten eingebetteten Metadaten, Identifizieren, durch Ausführen einer Anweisung mit mindestens einem Prozessor, von zweiten Leitdatenstromkandidaten, die einen Grenzausdruck enthalten, der mit dem klassifizierten Grenzausdruck des ersten Leitdatenstroms übereinstimmt, und Verbessern, durch Ausführen einer Anweisung mit mindestens einem Prozessor, der Erkennung von Grenzabweichungen durch Berechnen eines Grenzvektorfaktors auf Grundlage jeweiliger der zweiten Leitdatenstromkandidaten umfasst, die den klassifizierten Grenzausdruck enthalten.
Beispiel 21 enthält das computerimplementierte Verfahren wie in Beispiel 20 definiert, das ferner ein Generieren eines aktualisieren Leitdatenstroms durch Anwenden des Grenzvektorfaktors auf Grenzwerte enthält, die mit jeweiligen Grenzausdrucken des ersten Leitdatenstroms assoziiert sind.
Beispiel 22 enthält das computerimplementierte Verfahren wie in Beispiel 21 definiert, das ferner ein Anwenden von aktualisierten Grenzwerten im aktualisierten Leitdatenstrom enthält, um eine Häufigkeit von belästigenden Grenzabweichungen zu reduzieren.
Beispiel 23 enthält das computerimplementierte Verfahren wie in Beispiel 20 definiert, das ferner ein Berechnen eines Differenzwerts zwischen (a) einem Grenzwert, der mit einem jeweiligen Grenzausdruck des ersten Leitdatenstroms verbunden ist, und (b) einem Grenzwert, der mit einem übereinstimmenden Grenzausdruck des zweiten Leitdatenstroms verbunden ist, enthält.
Beispiel 24 enthält das computerimplementierte Verfahren wie in Beispiel 23 definiert, das ferner ein Berechnen einer Ähnlichkeitsmetrik auf Grundlage eines Mittelwerts einer Vielzahl von Werten der Differenzwerte enthält.
Beispiel 25 enthält das computerimplementierte Verfahren wie in Beispiel 24 definiert, wobei die Ähnlichkeitsmetrik auf ein Ausmaß an Ähnlichkeit zwischen dem ersten Leitdatenstrom und dem zweiten Leitdatenstrom hinweist.
Beispiel 26 enthält das computerimplementierte Verfahren wie in Beispiel 24 definiert, das ferner ein proportionales Anpassen des Grenzwerts, der mit dem Grenzausdruck des ersten Leitdatenstroms verbunden ist, auf Grundlage der Ähnlichkeitsmetrik enthält.
Beispiel 27 enthält das computerimplementierte Verfahren wie in Beispiel 20 definiert, das ferner ein Erfassen von Eingaben nach einer Abweichung enthält.
Beispiel 28 enthält das computerimplementierte Verfahren wie in Beispiel 27 definiert, wobei die Eingaben nach einer Abweichung mindestens eines von einer Übersteuerungsanweisung, einer Annahmeanweisung, einer Prozessabschaltanweisung oder einer Wartungsanforderungsanweisung enthalten.
Beispiel 29 enthält das computerimplementierte Verfahren wie in Beispiel 27 definiert, das ferner ein Weiterleiten der Eingaben nach einer Abweichung an eine künstliche Intelligenzengine (KI-Engine) enthält, wobei die KI-Engine Grenzwertanpassungskandidaten auf Grundlage der Eingaben nach Abweichungen zu identifizieren hat.
Beispiel 30 enthält ein System zum Verbessern einer Erkennung von Grenzabweichungen, wobei das System Mittel zum Parsen eines ersten Leitdatenstroms zum Extrahieren von eingebetteten Metadaten, Mittel zum Klassifizieren eines Grenzausdrucks der extrahierten eingebetteten Metadaten, Mittel zum Identifizieren von zweiten Leitdatenstromkandidaten, die einen Grenzausdruck enthalten, der mit dem klassifizierten Grenzausdruck des ersten Leitdatenstroms übereinstimmt, und Mittel zum Berechnen eines Grenzvektorfaktors auf Grundlage jeweiliger der zweiten Leitdatenstromkandidaten umfasst, die den klassifizierten Grenzausdruck enthalten.
Beispiel 31 enthält das System wie in Beispiel 30 definiert, ferner enthaltend Mittel zum Generieren eines aktualisieren Leitdatenstroms durch Anwenden des Grenzvektorfaktors auf Grenzwerte, die mit jeweiligen Grenzausdrucken des ersten Leitdatenstroms assoziiert sind.
Beispiel 32 enthält das System wie in Beispiel 31 definiert, wobei der aktualisierte Leitdatenstrom aktualisierte Grenzwerte enthält, um eine Häufigkeit von belästigenden Grenzabweichungen zu reduzieren.
Beispiel 33 enthält das System wie in Beispiel 30 definiert, das ferner Mittel zum Berechnen eines Differenzwerts zwischen (a) einem Grenzwert, der mit einem jeweiligen Grenzausdruck des ersten Leitdatenstroms verbunden ist, und (b) einem Grenzwert, der mit einem übereinstimmenden Grenzausdruck des zweiten Leitdatenstroms verbunden ist, enthält.
Beispiel 34 enthält das System wie in Beispiel 33 definiert, das ferner Mittel zum Berechnen einer Ähnlichkeitsmetrik auf Grundlage eines Mittelwerts einer Vielzahl von Werten der Differenzwerte enthält.
Beispiel 35 enthält das System wie in Beispiel 34 definiert, wobei die Ähnlichkeitsmetrik auf ein Ausmaß an Ähnlichkeit zwischen dem ersten Leitdatenstrom und dem zweiten Leitdatenstrom hinweist.
Beispiel 36 enthält das System wie in Beispiel 34 definiert, das ferner Mittel zum proportionalen Anpassen des Grenzwerts, der mit dem Grenzausdruck des ersten Leitdatenstroms verbunden ist, auf Grundlage der Ähnlichkeitsmetrik enthält.
Beispiel 37 enthält das System wie in Beispiel 30 definiert, das ferner Mittel zum Erfassen von Eingaben nach einer Abweichung enthält.
Beispiel 38 enthält das System wie in Beispiel 37 definiert, wobei die Eingaben nach einer Abweichung mindestens eines von einer Übersteuerungsanweisung, einer Annahmeanweisung, einer Prozessabschaltanweisung oder einer Wartungsanforderungsanweisung enthalten.
Beispiel 39 enthält das System wie in Beispiel 37 definiert, wobei das Erfassungsmittel die Eingaben nach einer Abweichung an eine künstliche Intelligenzengine (KI-Engine) weiterzuleiten hat, wobei die KI-Engine Grenzwertanpassungskandidaten auf Grundlage der Eingaben nach Abweichungen zu identifizieren hat.
Obwohl hierin bestimmte beispielhafte Verfahren, Einrichtungen und Fabrikate offenbart wurden, ist der Geltungsbereich dieses Patents nicht auf diese beschränkt. Im Gegenteil deckt dieses Patent alle Verfahren, Einrichtungen und Herstellungsgegenstände ab, die in den Geltungsbereich der Ansprüche dieses Patents fallen.

Claims

Vorrichtung zum Ausführen einer Arbeitslast, wobei die Vorrichtung Folgendes umfasst: eine Arbeitslastattributbestimmungsvorrichtung zum Identifizieren eines ersten Attributs einer ersten Arbeitslast, wobei die Arbeitslastattributbestimmungsvorrichtung dazu ausgelegt ist, ein zweites Attribut einer zweiten Arbeitslast zu identifizieren; einen Beschleunigerauswahlprozessor zum Veranlassen, dass zumindest ein Teil der ersten Arbeitslast durch mindestens zwei Beschleuniger ausgeführt wird, wobei der Beschleunigerauswahlprozessor dazu ausgelegt ist, auf jeweilige Leistungsfähigkeitsmetriken entsprechend der Ausführung der ersten Arbeitslast durch die mindestens zwei Beschleuniger zuzugreifen, wobei der Beschleunigerauswahlprozessor dazu ausgelegt ist, einen ersten Beschleuniger der mindestens zwei Beschleuniger basierend auf den Leistungsfähigkeitsmetriken auszuwählen; einen Neuronalnetzwerktrainer zum Trainieren eines Maschinenlernmodells basierend auf einer Assoziation zwischen dem ersten Beschleuniger und dem ersten Attribut der ersten Arbeitslast; und einen Neuronalnetzwerkprozessor zum Verarbeiten des zweiten Attributs unter Verwendung des Maschinenlernmodells, um einen der mindestens zwei Beschleuniger zum Ausführen der zweiten Arbeitslast auszuwählen.
Vorrichtung nach Anspruch 1, ferner beinhaltend eine Beschleunigerschnittstelle, um dem ausgewählten einen der mindestens zwei Beschleuniger die zweite Arbeitslast zur Ausführung bereitzustellen.
Vorrichtung nach Anspruch 2, ferner beinhaltend eine Arbeitslastschnittstelle, um einer Arbeitslastbereitstellungsvorrichtung ein Ergebnis der Ausführung der zweiten Arbeitslast bereitzustellen.
Vorrichtung nach Anspruch 2, wobei der Beschleunigerauswahlprozessor dazu ausgelegt ist, auf eine Leistungsfähigkeitsmetrik zuzugreifen, die mit der Ausführung der zweiten Arbeitslast an dem ausgewählten einen der mindestens zwei Beschleuniger assoziiert ist, und wobei ein anschließendes Training des Maschinenlernmodells ferner auf der Leistungsfähigkeitsmetrik und dem zweiten Attribut der zweiten Arbeitslast basiert.
Vorrichtung nach Anspruch 1, wobei die jeweiligen Leistungsfähigkeitsmetriken Ausführungszeiten der ersten Arbeitslast an dem entsprechenden einen der mindestens zwei Beschleuniger repräsentieren.
Vorrichtung nach einem der Ansprüche 1 bis 5, wobei das erste Attribut repräsentiert, ob die erste Arbeitslast parallelisierbar ist.
Vorrichtung nach einem der Ansprüche 1 bis 5, wobei das erste Attribut repräsentiert, ob die erste Arbeitslast resourcenintensiv ist.
Vorrichtung nach Anspruch 1, wobei ein erster Beschleuniger der zwei oder mehr Beschleuniger ein Zentralverarbeitungseinheit-basierter Beschleuniger ist und ein zweiter Beschleuniger der zwei oder mehr Beschleuniger ein Feldprogrammierbares-Gate-Arraybasierter Beschleuniger ist.
Maschinenlesbares Medium bzw. maschinenlesbare Medien, die Anweisungen umfassen, die bei Ausführung mindestens einen Prozessor zu zumindest Folgendem veranlassen: Identifizieren eines ersten Attributs einer ersten Arbeitslast; Veranlassen, dass zumindest ein Teil der ersten Arbeitslast durch mindestens zwei Beschleuniger ausgeführt wird; Zugreifen auf jeweilige Leistungsfähigkeitsmetriken entsprechend der Ausführung der ersten Arbeitslast durch die mindestens zwei Beschleuniger; Auswählen eines ersten Beschleunigers der mindestens zwei Beschleuniger basierend auf den Leistungsfähigkeitsmetriken; Trainieren eines Maschinenlernmodells basierend auf einer Assoziation zwischen dem ersten Beschleuniger und dem ersten Attribut der ersten Arbeitslast; Identifizieren eines zweiten Attributs einer zweiten Arbeitslast; und Verarbeiten des zweiten Attributs unter Verwendung des Maschinenlernmodells, um einen der mindestens zwei Beschleuniger zum Ausführen der zweiten Arbeitslast auszuwählen.
Maschinenlesbares Medium bzw. maschinenlesbare Medien nach Anspruch 9, wobei die Anweisungen bei Ausführung ferner bewirken, dass der mindestens eine Prozessor dem ausgewählten einen der mindestens zwei Beschleuniger die zweite Arbeitslast zur Ausführung bereitstellt.
Maschinenlesbares Medium bzw. maschinenlesbare Medien nach Anspruch 10, wobei die Anweisungen bei Ausführung ferner bewirken, dass der mindestens eine Prozessor einer Arbeitslastbereitstellungsvorrichtung ein Ergebnis der Ausführung der zweiten Arbeitslast bereitstellt.
Maschinenlesbares Medium bzw. maschinenlesbare Medien nach Anspruch 10, wobei die Anweisungen bei Ausführung den mindestens einen Prozessor ferner zu Folgendem veranlassen: Zugreifen auf eine Leistungsfähigkeitsmetrik, die mit der Ausführung der zweiten Arbeitslast assoziiert ist, an dem ausgewählten einen der mindestens zwei Beschleuniger; und Neutrainieren des Maschinenlernmodells basierend der Leistungsfähigkeitsmetrik und dem zweiten Attribut der zweiten Arbeitslast.
Maschinenlesbares Medium bzw. maschinenlesbare Medien nach Anspruch 9, wobei die jeweiligen Leistungsfähigkeitsmetriken Ausführungszeiten der ersten Arbeitslast an dem entsprechenden einen der mindestens zwei Beschleuniger repräsentieren.
Maschinenlesbares Medium bzw. maschinenlesbare Medien nach einem der Ansprüche 9 bis 13, wobei das erste Attribut repräsentiert, ob die erste Arbeitslast parallelisierbar ist.
Maschinenlesbares Medium bzw. maschinenlesbare Medien nach einem der Ansprüche 9 bis 13, wobei das erste Attribut repräsentiert, ob die erste Arbeitslast ressourcenintensiv ist.
Vorrichtung zum Zuweisen von Arbeitslasten an einen Beschleuniger, wobei die Vorrichtung Folgendes umfasst: Mittel zum Bestimmen von Attributen von Arbeitslasten; Mittel zum Veranlassen, dass eine erste Arbeitslast durch mindestens zwei Beschleuniger ausgeführt wird, wobei das Mittel zum Veranlassen auf jeweilige Leistungsfähigkeitsmetriken entsprechend der Ausführung der ersten Arbeitslast durch die mindestens zwei Beschleuniger zugreifen soll, wobei das Mittel zum Veranlassen dazu ausgelegt ist, einen ersten Beschleuniger der mindestens zwei Beschleuniger basierend auf den Leistungsfähigkeitsmetriken auszuwählen; Mittel zum Trainieren eines Maschinenlernmodells basierend auf einer Assoziation zwischen dem ersten Beschleuniger und dem ersten Attribut der ersten Arbeitslast; und Mittel zum Verarbeiten eines zweiten Attributs einer zweiten Arbeitslast unter Verwendung des Maschinenlernmodells, um einen der mindestens zwei Beschleuniger zum Ausführen der zweiten Arbeitslast auszuwählen.
Vorrichtung nach Anspruch 16, ferner beinhaltend Mittel zum Bereitstellen der zweiten Arbeitslast für den ausgewählten einen der mindestens zwei Beschleuniger zur Ausführung.
Vorrichtung nach Anspruch 17, ferner beinhaltend Mittel zum Verbinden über eine Schnittstelle, um einer Arbeitslastbereitstellungsvorrichtung ein Ergebnis der Ausführung der zweiten Arbeitslast bereitzustellen.
Vorrichtung nach Anspruch 17, wobei das Mittel zum Veranlassen dazu ausgelegt ist, auf eine Leistungsfähigkeitsmetrik zuzugreifen, die mit der Ausführung der zweiten Arbeitslast an dem ausgewählten einen der mindestens zwei Beschleuniger assoziiert ist, wobei ein anschließendes Training des Maschinenlernmodells auf der Leistungsfähigkeitsmetrik und dem zweiten Attribut der zweiten Arbeitslast basieren soll.
Vorrichtung nach Anspruch 16, wobei die jeweiligen Leistungsfähigkeitsmetriken Ausführungszeiten der ersten Arbeitslast an den entsprechenden mindestens zwei Beschleunigern repräsentieren.
Vorrichtung nach einem der Ansprüche 16 bis 20, wobei das erste Attribut repräsentiert, ob die erste Arbeitslast parallelisierbar ist.
Vorrichtung nach einem der Ansprüche 16 bis 20, wobei das erste Attribut repräsentiert, ob die erste Arbeitslast ressourcenintensiv ist.
Vorrichtung nach Anspruch 16, wobei ein erster Beschleuniger der zwei oder mehr Beschleuniger ein Zentralverarbeitungseinheit-basierter Beschleuniger ist und ein zweiter Beschleuniger der zwei oder mehr Beschleuniger ein Feldprogrammierbares-Gate-Arraybasierter Beschleuniger ist.
Verfahren zum Zuweisen von Arbeitslasten an einen Beschleuniger, wobei das Verfahren Folgendes umfasst: Identifizieren eines ersten Attributs einer ersten Arbeitslast; Veranlassen, dass die erste Arbeitslast durch mindestens zwei Beschleuniger ausgeführt wird; Zugreifen auf jeweilige Leistungsfähigkeitsmetriken entsprechend der Ausführung der ersten Arbeitslast durch die mindestens zwei Beschleuniger; Auswählen eines ersten Beschleunigers der mindestens zwei Beschleuniger basierend auf den Leistungsfähigkeitsmetriken; Trainieren eines Maschinenlernmodells basierend auf einer Assoziation zwischen dem ersten Beschleuniger und dem ersten Attribut der ersten Arbeitslast; Identifizieren eines zweiten Attributs einer zweiten Arbeitslast; und Verarbeiten des zweiten Attributs unter Verwendung des Maschinenlernmodells, um einen der mindestens zwei Beschleuniger zum Ausführen der zweiten Arbeitslast auszuwählen.
Verfahren nach Anspruch 24, ferner beinhaltend Bereitstellen der zweiten Arbeitslast für den ausgewählten einen der mindestens zwei Beschleuniger zur Ausführung