-
Die Erfindung betrifft ein Verfahren zum Erstellen oder Aktualisieren eines digitalen Zwillings für ein Feldgerät der Automatisierungstechnik.
-
Aus dem Stand der Technik sind bereits Feldgeräte bekannt geworden, die in industriellen Anlagen zum Einsatz kommen. In der Prozessautomatisierungstechnik ebenso wie in der Fertigungsautomatisierungstechnik werden vielfach Feldgeräte eingesetzt. Als Feldgeräte werden im Prinzip alle Geräte bezeichnet, die prozessnah eingesetzt werden und die prozessrelevante Informationen liefern oder verarbeiten. So werden Feldgeräte zur Erfassung und/oder Beeinflussung von Prozessgrößen verwendet. Zur Erfassung von Prozessgrößen dienen Messgeräte, bzw. Sensoren. Diese werden beispielsweise zur Druck- und Temperaturmessung, Leitfähigkeitsmessung, Durchflussmessung, pH-Messung, Füllstandmessung, etc. verwendet und erfassen die entsprechenden Prozessvariablen Druck, Temperatur, Leitfähigkeit, pH-Wert, Füllstand, Durchfluss etc. Zur Beeinflussung von Prozessgrößen werden Aktoren verwendet. Diese sind beispielsweise Pumpen oder Ventile, die den Durchfluss einer Flüssigkeit in einem Rohr oder den Füllstand in einem Behälter beeinflussen können. Neben den zuvor genannten Messgeräten und Aktoren werden unter Feldgeräten auch Remote I/Os, Funkadapter bzw. allgemein Geräte verstanden, die auf der Feldebene angeordnet sind.
-
Eine Vielzahl solcher Feldgeräte wird von der Endress+Hauser-Gruppe produziert und vertrieben.
-
In modernen Industrieanlagen sind Feldgeräte in der Regel über Kommunikationsnetzwerke wie beispielsweise Feldbusse (Profibus®, Foundation® Fieldbus, HART®, etc.) mit übergeordneten Einheiten verbunden. Normalerweise handelt es sich bei den übergeordneten Einheiten um Leitsysteme (DCS) bzw. Steuereinheiten, wie beispielsweise eine SPS (speicherprogrammierbare Steuerung). Die übergeordneten Einheiten dienen unter anderem zur Prozesssteuerung, Prozessvisualisierung, Prozessüberwachung sowie zur Inbetriebnahme der Feldgeräte. Die von den Feldgeräten, insbesondere von Sensoren, erfassten Messwerte werden über das jeweilige Bussystem an eine (oder gegebenenfalls mehrere) übergeordnete Einheit(en) übermittelt. Daneben ist auch eine Datenübertragung von der übergeordneten Einheit über das Bussystem an die Feldgeräte erforderlich, insbesondere zur Konfiguration und Parametrierung von Feldgeräten sowie zur Ansteuerung von Aktoren.
-
Im Zuge der Industrie 4.0, bzw. IIoT („Industrial Internet of Things“) werden die von den Feldgeräten erzeugten Daten auch häufig direkt aus dem Feld mithilfe sogenannter Datenumsetzungseinheiten, welche beispielsweise als „Edge Devices“ oder „Cloud Gateways“ bezeichnet werden, erhoben und automatisiert an eine zentrale cloudbasierte Plattform übermittelt. Die Begriffe cloudbasierte Plattform, Cloud und Server sind im Rahmen dieser Anmeldung als synonym zu verstehen.
-
Auf der cloudbasierten Plattform befinden sich eine oder mehrerer solcher Cloudanwendungen. Eine Cloudanwendung ist ein Programm, welches auf einer solchen cloudbasierten Plattform abläuft, bzw. in diese integriert ist. Ein Benutzer kann sich per Internet mit der cloudbasierten Plattform verbinden und Modifikationen in den entsprechenden Cloudanwendungen der cloudbasierten Plattform vornehmen und/oder diese bedienen, also Daten in die Cloudanwendungen schreiben, Daten aus den Cloudanwendungen auslesen und/oder diese Daten bearbeiten.
-
Ein digitaler Zwilling (englisch: „digital twin“), auch digitales Abbild genannt, ist eine virtuelle Repräsentation des Feldgeräts, welcher die identische Konfiguration, Parameterwerter, aktuelle Gerätestatus, Algorithmen, etc. des Feldgeräts umfasst. Der digitale Zwilling weist somit alle Eigenschaften des Feldgeräts auf, welche das Feldgerät für seinen bestimmungsgemäßen Zweck vollumfänglich beschreiben. Es ist vorgesehen, dass das Feldgerät und der digitale Zwilling stets identisch sind. Eine Änderung von Eigenschaften des Feldgeräts führt zu einer Synchronisation (über Industrie 4.0-, bzw. IIoT-Techniken) mit dem digitalen Zwilling, so dass die Eigenschaften des digitalen Zwillings entsprechend aktualisiert werden. Der digitale Zwilling ist beispielsweise in einer Cloudanwendung integriert.
-
Ein digitaler Zwilling wird üblicherweise bereits nach der Bestellung, bzw. während der Fertigung eines Feldgeräts erstellt. Es kommt jedoch häufig vor, dass sich Eigenschaften des Feldgeräts zwischen dem Erstellen des digitalen Zwillings und der Inbetriebnahme des Feldgeräts ändern, so dass der digitale Zwilling nach der Inbetriebnahme des Feldgeräts nicht komplett mit den Eigenschaften des Feldgeräts übereinstimmt.
-
Es existieren sogenannte „Scanner Apps“, welche auf mobilen Endgeräten ausgeführt werden und mit dessen Hilfe die mobilen Endgeräte die im Feld befindlichen Feldgeräte erfassen können. Es ist möglich, Fotos eines Feldgeräts zu erfassen und Metainformationen, wie eine Beschreibung der Applikation und/oder den Typ des Feldgeräts eingeben zu können. Die App kann auf den digitalen Zwilling zugreifen und diesen mit dem Foto und den Metadaten ergänzen.
-
Diese Informationen müssen für jedes einzelne Feldgerät separat und händisch eingegeben werden, auch für identische oder ähnliche Objekte in vergleichbaren Anwendungen. Um einen vollständigen Eindruck von der Anlage und ihrer Umgebung zu erhalten, müssen mehrere Fotos aufgenommen werden.
-
Ein digitaler Zwilling kann auch nachträglich händisch angelegt werden und bspw. mittels der von der Scanner App erfassten Informationen angereichert werden. Neben dem Nachteil, da dies einen großen manuellen Aufwand darstellt, erfolgt auch keine Fehlerkontrolle, bzw. Plausibilitätsprüfung.
-
Ausgehend von dieser Problematik liegt der Erfindung die Aufgabe zugrunde, ein Verfahren vorzustellen, welches es erlaubt, einen unvollständig vorliegenden digitalen Zwilling eines Feldgeräts auf einfache Art und Weise zu vervollständigen, bzw. einen vollständigen digitalen Zwilling für ein Feldgerät zu erstellen.
-
Die Aufgabe wird durch ein Verfahren zum Erstellen oder Aktualisieren eines digitalen Zwillings für ein Feldgerät der Automatisierungstechnik gelöst, umfassend:
- - Optisches Erfassen einer Aufnahme des Feldgeräts mittels einer Bedieneinheit;
- - Übermitteln der Aufnahme an eine cloudbasierte Plattform;
- - Ermitteln eines Typs des Feldgeräts und/oder einer Beschreibung einer möglichen Applikation des Feldgeräts anhand der Aufnahme, wobei ein vorab eingelernter Kl- oder Machine Learning-Algorithmus für den Schritt des Ermittelns die Aufnahme mit existierenden Bildern bekannter Typen von Feldgeräten und/oder Konstruktionsdaten analysiert; und
- - Erstellen eines digitalen Zwillings des Feldgeräts, wobei dem digitalen Zwilling beim Erstellen den Typ des Feldgeräts, und/oder die Beschreibung der möglichen Applikation hinzugefügt werden, oder Anreichern eines bereits vorhandenen digitalen Zwillings des Feldgeräts mit dem Typ des Feldgeräts und/oder der Beschreibung der möglichen Applikation des Feldgeräts.
-
Das erfindungsgemäße Verfahren ermöglicht es, Daten bezüglich Feldgeräten automatisiert zu einem digitalen Zwilling des Feldgeräts zu laden. Im Falle, dass kein digitaler Zwilling für das Feldgerät vorhanden ist, kann ein neuer digitaler Zwilling auf der cloudbasierten Plattform erstellt werden. Für beide Varianten muss der Benutzer lediglich eine Aufnahme des Feldgeräts mittels der Bedieneinheit optisch erfassen. Die cloudbasierte Plattform ermittelt anschließend unter Zuhilfenahme des Kl- oder Machine Learning-Algorithmus selbstständig den Gerätetyp des Feldgeräts und/oder die Beschreibung einer möglichen Applikation des Feldgeräts. Hierfür wurde der Kl- oder Machine Learning-Algorithmus vorab mit Trainingsdaten eingelernt, welche Trainingsdaten Bilder von Feldgeräten und/oder Konstruktionsdaten als Eingangsdaten und definierte Gerätetypen, bzw. Beschreibungen von Applikationen als Ausgangsdaten umfassen. Eine Beschreibung der Applikation enthält Angaben zu der Aufgabe des Feldgeräts (bspw. Messung der Temperatur in einem Behälter, etc.), Angaben zu speziellen Konfigurationen des Feldgeräts (bspw. ein hygienisches Gehäuse bei Anwendungen in der Lebensmittelindustrie, etc.) und applikationsspezifische Warn- und Umgebungshinweise.
-
Mit den auf diesem Wege erlangten Gerätetypen, bzw. Beschreibungen wird der digitale Zwilling angereichert. Hierfür wählt der Benutzer den relevanten digitalen Zwilling aus, bzw. lässt diesen mittels der cloudbasierten Plattform bestimmen. Im Falle, dass kein digitaler Zwilling für dieses Feldgerät vorhanden ist, erstellt die cloudbasierte Plattform einen entsprechenden digitalen Zwilling. Hierfür muss seitens des Benutzers noch eine Identifikationsinformation des Feldgeräts (bzw. ein Tag oder eine Seriennummer) angegeben werden.
-
Feldgeräte, welche im Zusammenhang mit dem erfindungsgemäßen Verfahren genannt werden, sind bereits im einleitenden Teil der Beschreibung beispielhaft aufgeführt worden.
-
Gemäß einer vorteilhaften Ausgestaltung des Verfahrens ist es vorgesehen, dass im Falle, dass kein eindeutiger Typ des Feldgeräts und/oder keine eindeutige Beschreibung einer möglichen Applikation des Feldgeräts ermittelt werden kann, einem Benutzer mehrere mögliche Typen des Feldgeräts bzw. mehrere mögliche Beschreibungen vorgeschlagen werden. Der Kl- oder Machine Learning-Algorithmus kann hierfür die möglichen Typen des Feldgeräts, bzw. die mehreren möglichen Beschreibungen mit einem Grad der möglichen Übereinstimmung versehen. Die möglichen Typen des Feldgeräts, bzw. die mehreren möglichen Beschreibungen werden dem Benutzer auf der Bedieneinheit präsentiert, wobei der Benutzer den Gerätetyp, bzw. die Beschreibung anschließend über die Bedieneinheit auswählt.
-
Eine Ausgestaltung des Verfahrens sieht vor, dass für das Erstellen der Beschreibung einer möglichen Applikation zumindest eine weitere Information ermittelt, bzw. zur Verfügung gestellt, werden, welche von dem Kl- oder Machine Learning-Algorithmus analysiert werden. Hierbei handelt es sich beispielsweise um eine Aufnahme der Umgebung des Feldgeräts, um eine Ortsinformation des Feldgeräts und/oder um eine Information bzgl. der Ausrichtung der Bedieneinheit beim Erfassen der Aufnahme. Bei Verwendung dieser weiteren Information muss der Kl- oder Machine Learning-Algorithmus mit entsprechenden weiteren Trainingsdaten, welche die genannte weitere Information enthalten, eingelernt werden.
-
Gemäß einer vorteilhaften Ausgestaltung des Verfahrens ist es vorgesehen, dass im Falle, dass selbst unter Verwendung der zumindest einen weiteren Information kein eindeutiger Typ des Feldgeräts und/oder keine eindeutige Beschreibung einer möglichen Applikation des Feldgeräts ermittelt werden kann, zusätzliche Informationen bezüglich des Feldgeräts und/oder über die Applikation von dem Benutzer abgefragt werden, wobei insbesondere ein Fragenkatalog verwendet wird. Hierbei wird die Erstellung der Abfragen von der Bedieneinheit oder der cloudbasierten Abfrage durchgeführt wird, wobei dem Benutzer die Abfragen mittels der Bedieneinheit präsentiert werden und wobei der Benutzer die zusätzlichen Informationen über die Bedieneinheit eingibt. Die weitere Information wird insbesondere kontextbezogen abgefragt. Beispielsweise der Benutzer die Frage gestellt bekommen, welches Prozessmedium durch eine Rohrleitung fließt, um selbstständig den korrekten Wert des Dichteparameters des Feldgeräts für eine Durchflussmessung zu bestimmen. Ist dem Benutzer das Messmedium nicht bekannt, kann er auch dessen Eigenschaften formulieren („farblos“, „geruchsneutral“, etc.), wodurch die cloudbasierte Plattform aus diesen Eigenschaften auf die angefragte fehlende weitere Information selbstständig schließen kann.
-
Gemäß einer Ausgestaltung des Verfahrens kann es weiter vorgesehen sein, dass die Aufnahme eines oder mehrere zweidimensionale Bilder des Feldgerät und/oder ein Video des Feldgeräts umfasst. Die Bilder weisen hierfür bevorzugt unterschiedliche Blickwinkel oder Ansichten des Feldgeräts auf. Dadurch können beispielsweise Feldgerätetypen, welche eine ähnliche Oberseite, aber große Unterschiede von anderen Blickwinkeln aus aufweisen, präzise voneinander unterschieden werden. Das Video sollte vorteilhafterweise einen Schwenk, bzw. Perspektivenänderung, um das Feldgerät herum beinhalten.
-
Vorteilhafterweise handelt es sich in einer weiteren Ausgestaltung bei den Konstruktionsdaten um CAD-Daten. Es muss sich somit nicht um „reale“ Daten handeln, sondern um Daten, die bei der Konstruktion der Messstelle, in welcher das Feldgerät eingebaut wird, entstanden sind, oder bei der Erstellung des Feldgeräts selbst entstanden sind. Hierdurch können bei dem Vorgang des Trainierens des Kl- oder Machine Learning-Algorithmus auch Details berücksichtigt werden, welche in den Traninigsdaten-Fotos nicht enthalten sind, so dass die spätere Erkennung präziser wird.
-
In einer weiteren Ausgestaltung des Verfahrens wird nach dem Ermitteln des Typs des Feldgeräts, bzw. der Beschreibung ein dreidimensionales Modell des Feldgeräts auf der Bedieneinheit angezeigt, welches denselben Blickwinkel auf das Feldgerät wie die Aufnahme zeigt. Dem Benutzer wird dadurch eine korrekte Identifizierung des Geräts ermöglicht - er kann durch Abgleich des vor ihm befindlichen Feldgeräts mit dem angezeigten dreidimensionalen Modell bestätigen, dass es sich um das richtige Feldgerät handelt. Das dreidimensionale Modell wird des Weiteren auch in den digitalen Zwilling geladen, bzw. mit diesem verknüpft, so dass der Benutzer über die cloudbasierte Plattform darauf zugreifen kann. Das dreidimensionale Modell kann zusätzlich zu dem Feldgerät auch weitere Komponenten (bspw. Behälter, Rohrleitungen, Netzwerkgeräte, Netzwerkverkabelungen, weitere Feldgeräte, etc.) der Messstelle umfassen, welche sich in räumlicher Nähe zu dem Feldgerät befinden und/oder mit diesem verbunden sind.
-
Es kann hierbei vorgesehen sein, dass das dreidimensionale Modell anhand mindestens zweier Bilder von Feldgeräten desselben Typs erstellt wird. Alternativ kann das dreidimensionale Modell auch aus den Konstruktionsdaten erstellt werden.
-
Gemäß einer vorteilhaften Ausgestaltung des Verfahrens ist es vorgesehen, dass der Benutzer den Typ des Feldgeräts und/oder die Beschreibung für die mögliche Applikation bestätigt oder ablehnt, wobei die Bestätigung oder Ablehnung dem Kl- oder Machine Learning-Algorithmus zugeführt wird. Durch eine solche Rückmeldung wird der der Kl- oder Machine Learning-Algorithmus weiter trainiert. Durch regelmäßige Rückmeldungen wird der Kl- oder Machine Learning-Algorithmus immer präziser und liefert genauere Ergebnisse. Beispielsweise wird dadurch auch das Verhalten bei verschiedenen Tageszeiten trainiert, in welchen die Helligkeit und Farbsättigung der Aufnahmen unterschiedlich ist.
-
Es kann hierbei vorgesehen sein, dass der Kl- oder Machine Learning-Algorithmus „global“ verwendet wird, d.h. dass mehrere Benutzer anlagenübergreifend auf den KI- oder Machine Learning-Algorithmus zugreifen, die Rückmeldungen liefern und diesen dadurch weiter trainieren.
-
Eine weitere Ausgestaltung sieht vor, dass als Bedieneinheit ein mobiles Endgerät, insbesondere ein Smartphone oder ein Tablet, verwendet wird. Auch eine Bedieneinheit im Sinne des von der Anmeldering vertriebenen „Field Xperts“ oder ein Wearable wie beispielsweise eine Datenbrille (bspw. Google Glasses) oder eine Smartwatch ist mit dem erfindungsgemäßen Verfahren verwendbar, falls dieser eine Kamera aufweist.
-
Die Erfindung wird anhand der nachfolgenden Figur näher erläutert. Es zeigt
- 1: eine beispielhafte Ausgestaltung des erfindungsgemäßen Verfahrens.
-
In 1 ist ein in einer Messstelle einer verfahrenstechnischen Anlage eingebautes Feldgerät FG abgebildet. Im vorliegenden Fall handelt es sich bei dem Feldgerät FG um ein Füllstandsmessgerät, welches zum Erfassen des Füllstands in einem Behälter ausgestaltet ist.
-
Das Feldgerät FG ist in direktem oder indirektem Kontakt zu einer oder mehreren Umgebungskomponenten UK. Im vorliegenden Fall handelt es sich bei der abgebildeten Umgebungskomponente UK um den Tank, an welchem das Feldgerät FG angebracht ist.
-
Für das Feldgerät FG soll ein sogenannter digitaler Zwilling TW auf einer cloudbasierten Plattform CL erstellt werden. Ein digitaler Zwilling TW ist ein digitales Abbild des Feldgeräts FG und soll über dieselben Eigenschaften, insbesondere dieselbe Konfiguration und dieselbe Parametrierung, wie das Feldgerät FG selbst verfügen.
-
Für diesen Zweck wird eine Bedieneinheit BE, im vorliegenden Fall ein mobiles Endgerät in Gestalt eines Smartphones, per Internet mit der cloudbasierten Plattform CL verbunden. Die Bedieneinheit BE muss sich hierfür gegenüber der cloudbasierten Plattform CL authentifizieren, beispielsweise mittels Logindaten (wie bspw. Benutzername und Passwort) und/oder biometrischen Authentifizierungsmerkmalen (bspw. ein Fingerabdruck).
-
Nach erfolgreicher Verbindung mit der cloudbasierten Plattform CL wählt der Benutzer aus, dass ein neuer digitaler Zwilling TW für ein noch unbekanntes Feldgerät F erstellt werden soll. Nach Eingabe einer Identifikationsinformation des Feldgeräts FG, beispielsweise ein Tag oder eine Seriennummer, erfasst die Bedieneinheit BE mit ihrer Kamera eine Aufnahme AN des Feldgeräts FG. Die Aufnahme besteht aus mindestens einem, bevorzugt aber zwei oder mehr Fotos des Feldgeräts FG, welcher aus unterschiedlichen Blickwinkeln aufgenommen werden sollten. Alternativ kann als Aufnahme AN auch ein Video erfasst werden, welches einen Schwenk um das Feldgerät FG herum umfassen sollte.
-
Die Aufnahme AN wird anschließend an die cloudbasierte Plattform CL übermittelt. Ein auf der cloudbasierten Plattform CL implementierter Kl- oder Machine Learning-Algorithmus KI verarbeitet die Aufnahme AN anschließend. Die Verarbeitung wird derart durchgeführt, dass der Kl- oder Machine Learning-Algorithmus KI die Aufnahme mit existierenden Bildern bekannter Typen von Feldgeräten FG und/oder Konstruktionsdaten abgleicht. Dies kann derart geschehen, dass der Kl- oder Machine Learning-Algorithmus KI vorab mit Trainingsdaten, welche diese bekannte Typen und Konstruktionsdaten (bspw. CAD-Daten) enthalten, eingelernt wird. Insbesondere erkennt der Kl- oder Machine Learning-Algorithmus KI markante Geometrien oder geometrische Verläufe des Feldgeräts FG und/oder von außen zu erkennende Komponenten, wie beispielsweise eine Anzeigeeinheit, ein elektrischer Anschluss, einen Flansch, etc.
-
Als Ergebnis der Verarbeitung wird ein Typ GT eines Feldgeräts FG und/oder eine Beschreibung BS bzgl. einer möglichen Applikation des Feldgeräts FG dem Benutzer vorgeschlagen. Zusätzlich wird ein dreidimensionales Modell MO des Feldgeräts FG auf der Bedieneinheit BE visualisiert. Ein solches dreidimensionales Modell MO kann aus Fotos von Feldgeräten desselben Typs und/oder mittels Konstruktionsdaten erstellt werden.
-
Nach Bestätigung des Benutzers werden der Typ GT des Feldgeräts FG, bzw. die Beschreibung BS und das dreidimensionale Modell MO dem digitalen Zwilling TW hinzugefügt.
-
Im Falle, dass die erfasste Aufnahme AN des Feldgeräts FG nicht ausreicht, um den Typ GT, bzw. die Beschreibung BS präzise vorschlagen zu können, werden weitere Informationen IN verlangt, beispielsweise eine Aufnahme der Umgebung des Feldgeräts FG, eine Ortsinformation des Feldgeräts FG und/oder eine Information bzgl. der Ausrichtung der Bedieneinheit BE beim Erfassen der Aufnahme AN. Die weitere Information IN wird dem Kl- oder Machine Learning-Algorithmus KI zugeführt, welcher erneut den Typ GT des Feldgeräts FG und/oder eine Beschreibung BS einer möglichen Applikation vorschlägt.
-
Im Falle, dass diese weiteren Informationen IN ebenfalls nicht ausreichen, um den Typ GT des Feldgeräts FG und/oder eine Beschreibung BS einer möglichen Applikation zuverlässig zu ermitteln und vorzuschlagen, werden zusätzliche Informationen bezüglich des Feldgeräts FG und/oder über die Applikation von dem Benutzer abgefragt. Hierfür wird insbesondere ein auf der cloudbasierten Plattform CL enthaltener Fragenkatalog verwendet. Die Abfragen werden dabei von der Bedieneinheit BE oder der cloudbasierten Plattform CL durchgeführt, wobei dem Benutzer die Abfragen mittels der Bedieneinheit BE präsentiert werden und wobei der Benutzer die zusätzlichen Informationen über die Bedieneinheit eingibt.
-
Nach jedem Schritt, bei welchem dem Benutzer ein Vorschlag präsentiert wird, soll der Benutzer diesen Vorschlag annehmen oder ablehnen. Dieses Feedback wird dem Kl- oder Machine Learning-Algorithmus KI zugeführt, so dass dieser weiter trainiert wird und noch präzisere Vorschläge unterbreiten kann.
-
Im Falle, dass für das Feldgerät FG bereits ein digitaler Zwilling TW vorhanden ist, wählt der Benutzer diesen nach der Authentifizierung aus. Der digitale Zwilling TW wird nach Bestätigung der Vorschläge mit dem Typ GT des Feldgeräts FG, mit der Beschreibung BS und/oder mit dem dreidimensionalen Modell MO erweitert.
-
Bezugszeichenliste
-
- AN
- Aufnahme
- BE
- Bedieneinheit
- BS
- Beschreibung einer möglichen Applikation des Feldgeräts
- CL
- cloudbasierte Plattform
- FG
- Feldgerät
- GT
- Typen von Feldgeräten
- IN
- weitere Information(en)
- KI
- KI- oder Machine Learning-Algorithmus
- MO
- dreidimensionales Modell des Feldgeräts
- TW
- digitaler Zwilling
- UK
- Umgebungskomponente
