JP2017511942A - プロセス制御システムにおける分散ビッグデータ、プロセス制御デバイス、分散ビッグデータの支援方法、プロセス制御デバイス - Google Patents

Abstract

プロセスプラント内の分散ビッグデータデバイスは、デバイスによって生成、受信、または観察されたデータをビッグデータとしてローカルでストリーム配信及び記憶し、かつ記憶したデータの少なくとも一部分について１つ以上の学習分析を遂行するように構成されている、組み込みビッグデータ機器、を含む。組み込みビッグデータ機器は、学習分析の結果に基づいて学習知識を生成または作成し、デバイスは、それを使用して、プロセスプラント内のプロセスをリアルタイムで制御するようにその動作を修正し得、かつ／またはデバイスは、それをプロセスプラント内の他のデバイスに伝送し得る。分散ビッグデータデバイスは、フィールドデバイス、コントローラ、入力／出力デバイス、または他のプロセスプラントデバイスであってもよく、その学習分析を遂行する際に他のデバイスによって作成された学習知識を利用し得る。【選択図】図１

Description

本開示は、一般的にはプロセスプラント及びプロセス制御システムに関し、より具体的にはプロセスプラント及びプロセス制御システムにおいて分散ビッグデータを支援するデバイスに関する。

関連出願の相互参照

これは、「Ｄｉｓｔｒｉｂｕｔｅｄ Ｂｉｇ Ｄａｔａ ｉｎ ａ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ」と題され２０１４年３月１４日に出願された米国出願第１４／２１２，４９３号の優先権及び出願日の利益を主張するＰＣＴ出願であり、同出願は、「Ｃｏｌｌｅｃｔｉｎｇ ａｎｄ Ｄｅｌｉｖｅｒｉｎｇ Ｄａｔａ ｔｏ ａ Ｂｉｇ Ｄａｔａ Ｍａｃｈｉｎｅ ｉｎ ａ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ」と題され２０１３年３月１４日に出願された米国出願第６１／７８３，１１２号の優先権及び出願日の利益を主張し、これらの開示の全体は、ここでの参照によって本明細書に組み込まれる。本出願はまた、「Ｂｉｇ Ｄａｔａ ｉｎ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍｓ」と題され２０１３年３月７日に出願された米国出願第１３／７８４，０４１号にも関連し、その開示の全体は、ここでの参照によって本明細書に組み込まれる。追加として、本出願は、「Ｄｅｔｅｒｍｉｎｉｎｇ Ａｓｓｏｃｉａｔｉｏｎｓ ａｎｄ Ａｌｉｇｎｍｅｎｔｓ ｏｆ Ｐｒｏｃｅｓｓ Ｅｌｅｍｅｎｔｓ ａｎｄ Ｍｅａｓｕｒｅｍｅｎｔｓ ｉｎ ａ Ｐｒｏｃｅｓｓ」と題され２０１４年３月１４日に出願された米国出願第１４／２１２，４１１号に関連し、その開示の全体は、ここでの参照によって本明細書に組み込まれる。

化学、石油、または他のプロセスプラントで使用される分散プロセス制御システムのような分散プロセス制御システムには、典型的に、アナログバス、デジタルバス、もしくはアナログ／デジタル複合バスを介して、または無線通信リンクもしくはネットワークを介して１つ以上のフィールドデバイスに通信可能に連結された１つ以上のプロセスコントローラが含まれる。フィールドデバイスは、例えば、弁、弁位置決め具、切替器、伝送器（例えば、温度、圧力、液位、及び流量センサ）であってもよく、プロセス環境内に位置付けられ、一般に、弁の開け閉めまたはプロセスパラメータの測定等の物理的機能またはプロセス制御機能を遂行して、プロセスプラントまたはシステム内で実行される１つ以上のプロセスを制御する。広く公知のフィールドバスプロトコルに準拠したフィールドデバイス等のスマートフィールドデバイスは、制御計算、アラーム機能、及び一般にコントローラ内に実装される他の制御機能も遂行し得る。典型的にプラント環境内にも位置付けられるプロセスコントローラは、フィールドデバイスによって行われるプロセス測定及び／またはフィールドデバイスに関係する他の情報を示す信号を受信し、例えば、プロセス制御の意思決定を下し、受信した情報に基づいて制御信号を生成し、フィールドデバイス内で遂行されている制御モジュールまたはブロックと協調する異なる制御モジュール（ＨＡＲＴ（登録商標）、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）、及びＦＯＵＮＤＡＴＩＯＮ（登録商標）フィールドバスフィールドデバイス等）を実行するコントローラアプリケーションを実行する。コントローラ内の制御モジュールは、通信ラインまたはリンク越しに制御信号をフィールドデバイスに送り、それによってプロセスプラントまたはシステムの少なくとも一部分の動作を制御する。

フィールドデバイス及びコントローラからの情報は、通常、データハイウェイ越しに１つ以上の他のハードウェアデバイス（典型的には、苛酷なプラント環境から離隔した制御室または他の位置に配設されたオペレーターワークステーション、パーソナルコンピュータもしくはコンピューティングデバイス、データヒストリアン、レポート生成器、中央集中型データベース、または他の中央集中型運営管理コンピューティングデバイス等）に供される。これらのハードウェアデバイスの各々は、典型的には、プロセスプラントにわたって、またはプロセスプラントの一部分にわたって中央集中化される。これらのハードウェアデバイスは、例えば、プロセスを制御すること及び／またはプロセスプラントを運転することに関して、オペレーターが機能（プロセス制御ルーチンの設定を変更すること、コントローラもしくはフィールドデバイス内の制御モジュールの動作を修正すること、プロセスの現在の状況を閲覧すること、フィールドデバイス及びコントローラによって生成されたアラームを閲覧すること、人員を訓練するためもしくはプロセス制御ソフトウェアを試験する目的でプロセスの動作をシミュレートすること、構成データベースを維持及び更新すること等）を遂行することを可能にし得るアプリケーションを実行する。ハードウェアデバイス、コントローラ、及びフィールドデバイスによって利用されるデータハイウェイとしては、有線通信経路、無線通信経路、または有線通信経路及び無線通信経路の組み合わせが挙げられ得る。

一例として、Ｅｍｅｒｓｏｎ Ｐｒｏｃｅｓｓ Ｍａｎａｇｅｍｅｎｔによって販売されるＤｅｌｔａＶ（商標）制御システムは、プロセスプラント内の様々な場所に位置付けられた異なるデバイスの内部に記憶されるか、またはそれらによって実行される複数のアプリケーションを含む。１つ以上のワークステーションまたはコンピューティングデバイス内に存在する構成アプリケーションは、ユーザーが、プロセス制御モジュールを作成または変更し、これらのプロセス制御モジュールを、データハイウェイを介して専用分散コントローラにダウンロードすることを可能にする。典型的には、これらの制御モジュールは、通信可能に相互接続された機能ブロックから構成され、これらの機能ブロックは、オブジェクト指向プログラミングプロトコルにおけるオブジェクトであり、制御スキーム内でそれに対する入力に基づいて機能を遂行し、制御スキーム内の他の機能ブロックに出力を提供する。構成アプリケーションはまた、オペレーターに対してデータを表示するために閲覧アプリケーションによって使用されるオペレーターインターフェースを構成設計者が作成または変更することを可能にし得、オペレーターがプロセス制御ルーチン内で設定（設定値等）を変更することを可能にし得る。各専用コントローラ、及び一部の場合には１つ以上のフィールドデバイスは、それらに割り当てられ、ダウンロードされた制御モジュールを実行するそれぞれのコントローラアプリケーションを記憶かつ実行し、実際のプロセス制御機能を実装する。１つ以上のオペレーターワークステーション上で（またはオペレーターワークステーション及びデータハイウェイと通信可能に接続する１つ以上の遠隔コンピューティングデバイス上で）実行され得る閲覧アプリケーションは、コントローラアプリケーションからデータハイウェイを介してデータを受信し、このデータを、ユーザーインターフェースを使用してプロセス制御システムの設計者、オペレーター、またはユーザーに表示し、オペレーターの画面、エンジニアの画面、及び技術者の画面等の、複数の異なる画面のいずれかを提供し得る。データヒストリアンアプリケーションは、典型的には、データハイウェイ越しに提供されるデータの一部または全部を収集し、また記憶するデータヒストリアンデバイスの内部に記憶され、それによって実行される一方で、構成データベースアプリケーションは、データハイウェイに取り付けられたさらなるコンピュータ内で実行され、現在のプロセス制御ルーチン構成及びそれに関連付けられたデータを記憶し得る。代替として、構成データベースは、構成アプリケーションと同じワークステーション内に位置付けられ得る。

現在公知のプロセス制御プラント及びプロセス制御システムのアーキテクチャは、特別なコントローラ及びデバイスのメモリ、通信帯域、ならびにコントローラ及びデバイスのプロセッサ能力によって強く影響されている。例えば、現在公知のプロセス制御システムアーキテクチャでは、コントローラ内の動的及び静的不揮発性メモリの使用は、通常最小限に抑えられるか、または少なくとも注意深く管理される。その結果、システム構成（例えば、先験的な）の間、ユーザーは、典型的に、コントローラ内のどのデータが保管または保存されるべきか、保存の頻度、及び圧縮が使用されるべきか否かを選択しなければならず、コントローラは、したがって、この限定的な１組のデータ規則によって構成される。結果として、トラブルシューティング及びプロセス分析において有用であり得るデータが、しばしば保管されず、たとえ保管されたとしても、有用な情報がデータ圧縮のために失われてしまっていることがある。

追加として、現在公知のプロセス制御システムにおいてコントローラのメモリ使用量を最小限に抑えるため、保管または保存されるべき（とコントローラの構成によって表示されている）選択されたデータは、適切なデータヒストリアンまたはデータサイロで記憶するために、ワークステーションまたはコンピューティングデバイスに報告される。データを報告するために使用されている現在の技術は、通信リソースを上手に利用しておらず、過度のコントローラ負荷を誘発している。追加として、ヒストリアンまたはサイロでの通信及びサンプリングにおける時間遅延のため、データ収集及び打刻は、しばしば実際のプロセスとは同期外れになる。

同様に、バッチプロセス制御システムでは、コントローラのメモリ使用量を最小限に抑えるため、バッチレシピ及びコントローラ構成のスナップショットは、典型的には、中央集中型運営管理コンピューティングデバイスまたは位置（例えば、データサイロもしくはヒストリアン）に記憶されたままであり、必要な場合にコントローラに送信されるだけである。このような戦略は、コントローラ及びワークステーションまたは中央集中型運営管理コンピューティングデバイスとコントローラとの間の通信に、顕著なバースト負荷をもたらす。

さらに、現在公知のプロセス制御システムのリレーショナルデータベースの能力及び性能の限界は、以前のディスク記憶装置の高コストと相まって、特定のアプリケーションの目的を満たすために独立したエンティティまたはサイロにデータを構造化することにおいて、大きな役割を果たしている。例えば、ＤｅｌｔａＶ（商標）システム内では、プロセスモデル、連続履歴データ、ならびにバッチデータ及びイベントデータの保管は、３つの異なるアプリケーションデータベースまたはデータサイロ内に保存される。各サイロは、その中に記憶されたデータにアクセスするための異なるインターフェースを有する。

このような方式でデータを構造化すると、履歴化したデータにアクセスし、使用する方法に障害をもたらす。例えば、製品品質のばらつきの根本原因は、これらのデータサイロよりも多くにおいてデータと関連付けられ得る。しかしながら、サイロの異なるファイル構造のため、このデータに迅速かつ容易にアクセスして分析することを可能にする道具を提供することは不可能である。さらに、異なるサイロ間でデータが整合することを確保するためには、監査または同期機能が遂行されなければならない。

上記した現在公知のプロセスプラント及びプロセス制御システムの限界ならびに他の限界は、プロセスプラントまたはプロセス制御システムの運転及び最適化において、例えば、プラントの運転、トラブルシューティング、及び／または予測モデリングの間に、望ましくない形で現れ得る。例えば、このような限界により、トラブルシューティング用のデータを得るため及び最新のモデルを生成するために遂行されなければならない、厄介かつ長々しいワークフローを強いられる。追加として、得られたデータは、データ圧縮、帯域の不十分性、または打刻のずれのため、不正確であり得る。

「ビッグデータ」とは、一般に、従来のデータベース管理ツールならびに／またはデータ処理アプリケーション（例えば、リレーショナルデータベース及びデスクトップ統計パッケージ）では許容可能な時間内にデータセットを管理できないほど大規模または複雑な、１つ以上のデータセットの集合を指す。典型的には、ビッグデータを使用するアプリケーションは、トランザクショナル型であり、エンドユーザー指向型か、またはエンドユーザー重点型である。例えば、ウェブ検索エンジン、ソーシャルメディアアプリケーション、マーケティングアプリケーション、及び小売アプリケーションが、ビッグデータを使用及び操作し得る。ビッグデータは、現代のマルチプロセス、マルチコアサーバの並列処理能力を十全に利用することを可能にする分散データベースによって支援され得る。

プロセスプラントにおいて分散ビッグデータを支援するためのプロセス制御デバイスの一実施形態は、プロセッサと、１組のコンピュータ実行可能な命令が記憶された１つ以上のコンピュータ読み取り可能な非一時的有形記憶媒体とを含む。コンピュータ実行可能な命令がプロセッサによって実行されると、プロセス制御デバイスは、プロセスの少なくとも一部分を制御するために使用されるプロセスデータを生成することによって、かつ／またはプロセスの少なくとも一部分を制御する受信されたプロセスデータを処理することによって、プロセスプラントによって実行されるプロセスの少なくとも一部分をリアルタイムで制御するように動作する。したがって、生成されるプロセスデータ及び受信されるプロセスデータは、プロセスのリアルタイム制御から生成されたプロセスデータである。プロセス制御デバイスは、その種類の表示をさらに含み、それは、例えば、フィールドデバイス、コントローラ、またはフィールドデバイスとコントローラとの間に配されそれらに接続された入力／出力（Ｉ／Ｏ）デバイスであり得る。追加として、プロセス制御デバイスは、生成されたプロセスデータ及び受信されたプロセスデータを記憶し、記憶されたプロセスデータの少なくとも一部分について学習分析を遂行し、学習分析の結果に基づいて学習知識を作成し、学習知識をプロセスプラント内の別のプロセス制御デバイスに伝送させるように構成されている、組み込みビッグデータ装置を含む。

プロセスプラントの通信ネットワークに通信可能に連結されるデバイスを使用し、プロセスプラント内のプロセスをリアルタイムで制御するように動作する分散ビッグデータの支援方法の一実施形態は、デバイスにおいてデータを収集することを含む。収集されるデータは、（ｉ）デバイスによって生成されたデータ、（ｉｉ）デバイスによって作成されたデータ、または（ｉｉｉ）デバイスで受信されたデータ、のうちの少なくとも１つを含み、収集されるデータは、一般にプロセスの制御からリアルタイムに発生する。デバイスは、例えば、フィールドデバイス、コントローラ、または入力／出力（Ｉ／Ｏ）デバイスである。この方法は、収集されたデータをデバイスの組み込みビッグデータ装置内に記憶することと、デバイスの組み込みビッグデータ装置によって、記憶されたデータの少なくとも一部分について学習分析を遂行することと、をさらに含む。追加として、この方法は、学習分析の結果を示す学習知識を生成することと、学習知識に基づいて、プロセスをリアルタイムで制御するようにデバイスの動作を修正することと、を含む。

プロセスプラントにおいて分散ビッグデータを支援するためのシステムの一実施形態は、複数のノードを有する通信ネットワークを含み、複数のノードのうちの少なくとも１つは、プロセスプラントにおいて実行されるプロセスをリアルタイムで制御するように動作するプロセス制御デバイスである。複数のノードの各々は、プロセスプラントにおいて実行されるプロセスの制御から発生するリアルタイムで生成されたデータを収集するように構成されている。複数のノードの各々はまた、収集されたデータを、複数のノードの各々に含まれるそれぞれの組み込みビッグデータ装置にローカルで記憶し、かつノードに含まれるそれぞれの組み込みビッグデータ装置によって、ローカルに記憶されたデータの少なくとも一部分についてそれぞれの学習分析を遂行するように構成されている。ノードは、学習知識（それ自身による学習分析の遂行の結果として生成される）を、別のノードの学習分析における使用のために、別のノードに伝送させるようにさらに構成され得る。

分散ビッグデータデバイスまたはノードを含むプロセスプラントまたはプロセス制御システムのためのビッグデータネットワークの例のブロック図である。 図１のプロセス制御システムビッグデータネットワークの分散ビッグデータデバイス例またはノード例を含む、プロセスプラントまたはプロセス制御システム例を図示するブロック図である。 プロセス制御システムまたはプラントにおける分散ビッグデータデバイスの例のブロック図である。 レベル別学習または層別学習を支援する分散ビッグデータデバイスの使用例を図示するブロック図である。 プロセス制御システムまたはプロセスプラントにおいて分散ビッグデータデバイスを使用する方法例の流れ図である。

プロセス制御プラントまたはプロセス制御システムでは、データは、しばしば、プラントまたはシステム内でプロセスを制御するように動作する様々なプロセス設備またはデバイスの周りで生成される。多くの場合、プロセス制御プラントまたはプロセス制御システムにおいて、プロセスの第１の、すなわち最下位の詳細は、例えば、プロセス設備がプロセスを制御するように動作している間の、各プロセス設備すなわちプロセスの制御ループ内のプロセス設備の集合の入力、動作、及び出力に関する。結果として、プロセスに関する１つの可能な考え方または観点としては、各プロセス設備の周りまたは各制御ループの周りにおけるビッグデータの集約が挙げられる。本明細書に開示されるシステム、方法、装置、及び技術は、有意義で、ローカル化された、分散型のデータアナリティックスを使用すること等によって、プロセスに関するこのローカル化された、分散型の観点を利用し、プロセスの運転及び最適化の効率性を高めている。例えば、プロセスプラントの全てのビッグデータを単一の、すなわち中央集中型のデータウェアハウスで分析する代わりに、少なくともいくつかのプロセス制御アルゴリズム（予測、モデリング、及び／または診断アルゴリズムを含む）を個別のプロセス設備に押しやるか、またはその中に組み込んで、ローカルデータに対するリアルタイム動作を可能にする。こうすることにより、組み込み学習を有するプロセス設備は、プロセスの様々なプロセス変数間の重要な時間関係及び因果関係を迅速かつ効率的に、一部の場合ではプロセスが制御されている間にリアルタイムで、発見することを可能にし得る。

図１は、プロセスプラントまたはプロセス制御システム１０のビッグデータネットワーク例１００のブロック図である。ビッグデータネットワーク例１００は、それぞれ分散ビッグデータを支援する複数のノードまたは複数のデバイス１０２、例えば、「分散ビッグデータノードまたは分散ビッグデータデバイス１０２」を含み、これらは、プロセス制御システムビッグデータネットワークバックボーン１０５によって通信可能に接続されている。リアルタイムのプロセス関連データ、プラント関連データ、及び他の種類のデータ等の、様々な種類のデータが複数のデバイス１０２の各々にローカルで収集され、また記憶され得る。複数のデバイス１０２の各々では、ローカルに記憶されたデータは、時間を横断する、かつ／または様々なデータセットのうちの少なくとも一部を横断する有意義な関係、パターン、相関性、トレンド等を説明する学習知識を作成または生成するために、デバイス１０２にて、ローカルで分析され得る。一実施形態では、収集されたデータ及び／または生成された学習知識のうちの少なくとも一部は、例えばプロセスの制御をリアルタイムで改善するために使用されるように、ネットワーク１００のノードとデバイスの間に供給され得る。一部の構成では、ネットワーク１００のノードまたはデバイス１０２のうちの少なくとも一部は、プロセスプラントまたはシステム１０から遠隔に位置付けられている。

プロセス制御システム１０に関する任意の種類のデータを分散ビッグデータデバイス１０２の各々でビッグデータとして収集、分析、及び記憶され得る。例えば、プロセスがプロセスプラント１０内で制御されている間に生成される（ならびに、一部の場合では、プロセスのリアルタイム遂行の効果を示す）連続データ、バッチデータ、測定データ、及びイベントデータ等のリアルタイムのプロセスデータが、収集、分析、及び記憶され得る。構成データ及び／またはバッチレシピデータ等の、プロセスの定義、配置、またはセットアップのデータが収集、分析、及び記憶され得る。プロセス診断の構成、実行、及び結果に対応するデータが収集、分析、及び記憶され得る。他の種類のプロセスデータもまた、収集、分析、及び記憶され得る。

さらに、バックボーン１０５に関するデータハイウェイトラフィック及びネットワーク管理データ、ならびにプロセスプラント１０の他の様々な通信ネットワークのデータハイウェイトラフィック及びネットワーク管理データが、分散ビッグデータデバイス１０２の少なくとも一部で、ローカルで収集、分析、及び記憶され得る。ユーザートラフィック、ログイン試行、クエリ、及び命令に関するデータ等のユーザー関連データが、収集、分析、及び記憶され得る。テキストデータ（例えば、ログ、動作手順、マニュアル等）、空間的データ（例えば、位置に基づくデータ）、及びマルチメディアデータ（例えば、閉回路ＴＶ、ビデオクリップ等）が収集、分析、及び記憶され得る。

一部のシナリオでは、プロセスプラント１０に（例えば、機械及びデバイス等の、プロセスプラント１０に含まれる物理的設備に）関係するが、プロセスを直接構成、制御、または診断するアプリケーションによっては生成され得ないデータが、分散ビッグデータデバイス１０２の少なくとも一部で、ローカルで収集、分析、及び記憶され得る。例えば、振動データ及び蒸気トラップデータが収集、分析、及び記憶され得る。このようなプラントデータの他の例としては、プラントの安全性に対応するパラメータの値を示すデータ（例えば、腐食データ、ガス検知データ等）、またはプラントの安全性に対応するイベントを示すデータが挙げられる。機械、プラント設備及び／またはデバイスの健全性に対応するデータが収集、分析、及び記憶され得る（例えば、診断または予知の目的のために使用されるデバイス及び／または機械によって作成されるデータ）。設備、機械、及び／またはデバイスの診断の構成、実行、及び結果に対応するデータが収集、分析、及び記憶され得る。さらに、診断及び予知に有用な作成または計算されたデータが収集、分析、及び記憶され得る。

一部の実施形態では、原材料費、部品もしくは設備の到着予定時間に関するデータならびに他の外部データ等、プロセスプラント１０の外部のエンティティによって生成されたかまたはそれに伝送されたデータが、分散ビッグデータデバイス１０２の少なくとも一部で、ローカルで収集、分析、及び記憶され得る。一実施形態では、ネットワークバックボーン１０５に通信可能に接続されている全てのノードまたはデバイス１０２によって生成、作成、受信、または観察される全てのデータが、ノードまたはデバイス１０２のうちの少なくとも一部でビッグデータとしてそれぞれローカルで収集、分析、及び記憶され得る。

一部の実施形態では、様々な種類のデータが、分散ビッグデータデバイス１０２の各々でビッグデータとしてローカルで自動的に収集、及び記憶され得る。例えば、動的測定及び制御のデータは、分散ビッグデータデバイス１０２にて自動的に収集及び記憶される。動的測定及び制御のデータの例としては、プロセス運転における変更を明示するデータ、設定値等の動作パラメータにおける変更を明示するデータ、プロセス及びハードウェアアラームの記録、ならびにダウンロードまたは通信障害等のイベントが挙げられ得る。これらの実施形態のうちのいずれにおいても、全種類の測定及び制御データは、デバイス１０２にてビッグデータとして自動的に捕捉される。加えて、コントローラ構成、バッチレシピ、アラーム、及びイベント等の静的データは、変更が検知されたときに、またはコントローラもしくは他のエンティティがビッグデータネットワーク１００に初めて追加されたときに、デフォルトで自動的に伝達され得る。

その上、一部のシナリオでは、動的制御及び測定のデータを説明または識別する少なくとも一部の静的メタデータは、メタデータにおける変更が検出されたとき、分散ビッグデータデバイス１０２内に捕捉される。例えば、コントローラによって送られなければならないモジュールまたはユニットの測定及び制御データに影響を与えるコントローラ構成への変更が行われる場合、関連付けられたメタデータの更新は、コントローラにおいて自動的に捕捉される。一部の状況では、外部のシステムまたはソースからのデータ（例えば、天気予報、公共イベント、会社の意思決定等）を緩衝するために使用される特殊モジュールに関連付けられたパラメータは、デフォルトで自動的にデバイス１０２にて捕捉される。追加としてまたは代替として、サーベイランスデータ及び／または他の種類の監視データは、デバイス１０２にて自動的に捕捉され得る。

さらに、一部の実施形態では、エンドユーザーによって作成された追加パラメータは、分散ビッグデータデバイス１０２にて自動的に捕捉される。例えば、エンドユーザーは、モジュール内に特殊計算を作成してもよく、または収集される必要があるパラメータをユニットに追加してもよく、またはエンドユーザーは、デフォルトでは伝達されない標準コントローラ診断パラメータを収集することを希望し得る。エンドユーザーが任意追加的に構成するパラメータは、デフォルトパラメータと同じ方法で伝達され得る。

プロセス制御ビッグデータネットワーク１００の複数の分散ビッグデータノードまたは分散ビッグデータデバイス１０２は、プロセス制御システムまたはプロセス制御プラントにおいて分散ビッグデータを支援する、複数の異なる群のノードまたはデバイス１１０〜１１４を含み得る。本明細書で互換可能に「分散ビッグデータプロバイダノード１１０」、「分散ビッグデータプロバイダデバイス１１０」、プロバイダノード１１０」、または「プロバイダデバイス１１０」と呼ばれる、第１の群のノードまたはデバイス１１０は、プロセスがプロセスプラント環境１０においてリアルタイムで制御されることを可能にするプロセス制御データを生成、送付、かつ／または受信する１つ以上のノードまたはデバイスを含む。プロバイダノードまたはプロバイダデバイス１１０の例としては、プロセスを制御するためにプロセス制御データ上で生成すること及び／または動作することに主要な機能が向けられているデバイス、例えば、有線及び無線のフィールドデバイス、コントローラ、ならびに入力／出力（Ｉ／Ｏデバイス）が挙げられる。プロバイダデバイス１１０の他の例としては、プロセス制御システムの１つ以上の通信ネットワーク（プロセス制御ビッグネットワーク１００は、その１つである）へのアクセスまたはルートを提供することを主要な機能とするデバイス、例えば、アクセスポイント、ルータ、有線制御バスへのインターフェース、無線通信ネットワークへのゲートウェイ、外部ネットワークまたはシステムへのゲートウェイ、ならびに他のこのようなルーティングデバイス及びネットワーキングデバイスが挙げられる。プロバイダデバイス１１０のさらに他の例としては、プロセスデータ（一部の場合では、一時的に）及びプロセス制御システム１０を通じて蓄積された他の関連データを記憶することを主要な機能とするヒストリアンデバイスが挙げられる。

プロバイダノードまたはプロバイダデバイス１１０のうちの少なくとも１つは、プロセス制御ビッグデータネットワークバックボーン１０５に直接方式で通信可能に接続される。一部のプロセスプラントでは、プロバイダデバイス１１０のうちの少なくとも１つは、バックボーン１０５に間接方式で通信可能に接続される。例えば、無線フィールドデバイスは、ルータと、アクセスポイントと、無線ゲートウェイを介してバックボーン１０５に通信可能に接続される。さらに、プロバイダノードまたはプロバイダデバイス１１０のうちの少なくとも一部は、バックボーン１０５に階層的方式で通信可能に接続され得る。例えば、１つ以上のフィールドデバイスは、１つ以上のＩ／Ｏデバイスに通信可能に接続され、１つ以上のＩ／Ｏデバイスは、１つ以上のコントローラに通信可能に接続され、１つ以上のコントローラは、今度はバックボーン１０５に通信可能に接続される。さらに、プロバイダノードまたはプロバイダデバイス１１０のうちの少なくとも１つは、別のプロバイダノードまたはプロバイダデバイス１１０にピアツーピア方式で通信可能に接続され得る。例えば、２つのコントローラが通信可能に相互に接続される一方で、それらのコントローラの一方または両方は、バックボーン１０５にも通信可能に接続される。典型的には、プロバイダノードまたはプロバイダデバイス１１０は、一体型ユーザーインターフェースを有さないが、プロバイダデバイス１１０のうちの一部は、例えば、有線もしくは無線通信リンク上で通信することによって、またはユーザーインターフェースデバイスをプロバイダデバイス１１０のポートに差し込むことによって、ユーザーコンピューティングデバイスまたはユーザーインターフェースと通信可能に接続する能力を有し得る。

プロセス制御システムまたはプロセス制御プラントにおいて分散ビッグデータを支援する第２の群のノードまたはデバイス１１２は、本明細書で互換可能に「分散ビッグデータユーザーインターフェースノード１１２」、「分散ビッグデータユーザーインターフェースデバイス１１２」、「ユーザーインターフェースノード１１２」、または「ユーザーインターフェースデバイス１１２」と呼ばれる。第２の群のデバイス１１２は、一体型ユーザーインターフェースを各々有する１つ以上のノードまたはデバイスを含み、ユーザーまたはオペレーターは、一体型ユーザーインターフェースを介して、プロセス制御システムまたはプロセスプラント１０と相互に作用してプロセスプラント１０に関係する活動を遂行し得る（例えば、構成、閲覧、監視、試験、診断、注文、計画、スケジュール作成、注釈、及び／または他の活動）。これらのユーザーインターフェースノードまたはユーザーインターフェースデバイス１１２の例としては、モバイルコンピューティングデバイスまたは据え置き型コンピューティングデバイス、ワークステーション、ハンドヘルドデバイス、タブレット、サーフェスコンピューティングデバイス、ならびにプロセッサ、メモリ、及び一体型ユーザーインターフェースを有する任意の他のコンピューティングデバイスが挙げられる。統合ユーザーインターフェースとしては、スクリーン、キーボード、キーパッド、マウス、ボタン、タッチスクリーン、タッチパッド、生体識別インターフェース、スピーカー及びマイク、カメラ、及び／または任意の他のユーザーインターフェース技術が挙げられ得る。各ユーザーインターフェースデバイス１１２は、１つ以上の統合ユーザーインターフェースを含み得る。ユーザーインターフェースノードまたはユーザーインターフェースデバイス１１２は、プロセス制御ビッグデータネットワークバックボーン１０５への直接接続を含み得、または例えばアクセスポイントもしくはゲートウェイを介したバックボーン１０５への間接接続を含み得る。ユーザーインターフェースデバイス１１２は、プロセス制御システムビッグデータネットワークバックボーン１０５に有線方式及び／または無線方式で通信可能に接続し得る。一部の実施形態では、ユーザーインターフェースデバイス１１２は、ネットワークバックボーン１０５にアドホックで接続し得る。

当然ながら、プロセス制御プラント及びプロセス制御システム内の複数の分散ビッグデータノードまたは分散ビッグデータデバイス１０２は、プロバイダノード１１０及びユーザーインターフェースノード１１２のみに限定されない。１つ以上の他の種類の分散ビッグデータノードまたは分散ビッグデータデバイス１１４もまた、複数のノードまたはデバイス１０２に含まれ得る。例えば、プロセスプラント１０の外部にあるシステム（例えば、ラボシステムまたはマテリアルズハンドリングシステム）のノード１１４は、システム１００のネットワークバックボーン１０５に通信可能に接続され得る。ノードまたはデバイス１１４は、バックボーン１０５に直接または間接接続を介して通信可能に接続され得、ノードまたはデバイス１１４は、バックボーン１０５に有線または無線接続を介して通信可能に接続され得る。一部の実施形態では、一群の他のノードまたはデバイス１１４は、プロセス制御システムビッグデータネットワーク１００から省略され得る。

分散ビッグデータを支援するために、任意の数のノードまたはデバイス１１０〜１１４は、各々、それぞれの組み込みビッグデータ装置または機器１１６を含む。組み込みビッグデータ装置または機器１１６は、例えば、データを記憶または旧版化するための組み込みビッグデータ記憶装置１２０、１つ以上のプロセッサ（図示せず）、１つ以上の組み込みビッグデータ受信器１２２、１つ以上の組み込みビッグデータ分析器１２４、及び１つ以上の組み込みビッグデータ要求サービサ１２６を含む。一実施形態では、組み込みビッグデータ受信器１２２、組み込みビッグデータ分析器１２４、及び組み込みビッグデータ要求サービサ１２６は、１つ以上のコンピュータ読み取り可能な非一時的有形記憶媒体（例えば、組み込みビッグデータ記憶装置１２０、メモリデバイス、または別のデータ記憶デバイス）上に記憶され、組み込みビッグデータ機器１１６の１つ以上のプロセッサによって実行可能である、それぞれのコンピュータ実行可能な命令を備える。ノードまたはデバイス１１０〜１１４の一部では、ビッグデータ命令または機能を実行することに加えて、組み込みビッグデータ機器１１６の１つ以上のプロセッサが、プロセス制御システムのデバイスによって遂行される非ビッグデータ命令または機能（制御アルゴリズム、データのルーティング、測定、ユーザーインターフェース管理等）を追加的に実行する。組み込みビッグデータ機器１１６のこれらのコンポーネント１２０、１２２、１２４、１２６の各々は、以下でより詳細に説明する。検討を簡単にするため、「特定デバイス１１０〜１１４」という用語は、一般に、プロセスプラント及びプロセス制御システムにおいて分散ビッグデータを支援するデバイス１１０〜１１４の１つ以上の各々を指す。

特定デバイス１１０〜１１４の組み込みビッグデータ記憶装置１２０は、高密度メモリ記憶技術（例えば、ソリッドステートドライブメモリ、半導体メモリ、光メモリ、分子メモリ、生体メモリ、または任意の他の好適な高密度メモリ技術）を利用した１つ以上の非一時的有形メモリ記憶装置を含む。ネットワーク１００の他のノードまたはデバイス１１０〜１１４に対して、組み込みビッグデータ記憶装置１２０は、単一の、または一体化された論理データ記憶領域またはエンティティの外観を有し得、これは、ネットワーク１００において特定デバイス１１０〜１１４とは異なるエンティティとしてアドレス指定できる場合と、そうできない場合とがある。典型的には、組み込みビッグデータ記憶装置１２０は、特定デバイス１１０〜１１４内に統合される。一実施形態では、組み込みビッグデータ記憶装置１２０は、一体型ファイアーウォールを含む。

特定デバイス１１０〜１１４に含まれる組み込みビッグデータ記憶装置１２０の構造は、一実施形態では、特定デバイス１１０〜１１４によって収集されたいずれか及び全てのプロセス制御システム及びプロセス制御プラント関連データを記憶することを支援する。組み込みビッグデータ記憶装置１２０に記憶される各エントリ、データ点、または観察は、例えば、データの識別の表示（例えば、デバイス、タグ、位置等）、データの内容（例えば、測定値、値等）、及びデータが収集、生成、作成、受信、または観察された時間を表示するタイムスタンプを含む。したがって、これらの入力事項、データ点、または観察は、本明細書で「時系列データ」と呼ばれる。このデータは、例えば拡張可能な記憶装置を支援するスキーマを含む共通フォーマットを使用して特定デバイス１１０〜１１４内の組み込みビッグデータ記憶装置１２０に記憶され、スキーマは、他の特定デバイス１１０〜１１４によって利用されるスキーマと同じであってもよく、そうでなくてもよい。

一実施形態では、スキーマは、各列に複数の観察を記憶すること、及び列中のデータをフィルタにかけるカスタムハッシュと共に列キーを使用することを含む。一実施形態では、ハッシュは、タイムスタンプ及びタグに基づく。一実施例では、ハッシュは、タイムスタンプの丸められた値であり、タグは、イベント、またはプロセス制御システムのエンティティ、またはプロセス制御システムに関連するエンティティに対応する。一実施形態では、各列または１群の列に対応するメタデータは、時系列データと一体的に、または時系列データから分離してのいずれかで、特定デバイス１１０〜１１４の組み込みビッグデータ記憶装置１２０内にも記憶される。例えば、メタデータは、スキーマのない方式で、時系列データから分離して記憶され得る。

組み込みビッグデータ記憶装置１２０に加えて、特定デバイス１１０〜１１４の組み込みビッグデータ機器１１６は、１つ以上の組み込みビッグデータ受信器１２２を含み、その各々は、特定デバイス１１０〜１１４によって収集されたデータを受信するように構成されている。一実施形態では、複数の組み込みビッグデータ受信器１２２（及び／または少なくとも１つの組み込みビッグデータ受信器１２２の複数のインスタンス）は、並行して動作して、特定デバイス１１０〜１１４によってローカルに収集されたデータを受信し得る。

プロバイダノードまたはプロバイダデバイス１１０によって分散ビッグデータとしてローカルに収集及び記憶され得るデータの例としては、例えば、測定データ、構成データ、バッチデータ、イベントデータ、及び／または連続データが挙げられ得る。例えば、構成、バッチレシピ、設定値、出力、速度、制御動作、診断、デバイスもしくは他のデバイスの健全性、アラーム、イベント及び／または変更に対応するデータ、ならびにそれらの診断データが収集され得る。データの他の例としては、プロセスモデル、統計、状況データ、ならびにネットワーク管理データ及びプラント管理データが挙げられ得る。

ユーザーインターフェースノードまたはユーザーインターフェースデバイス１１２によって例えば分散ビッグデータとしてローカルに収集及び記憶され得るデータの例としては、例えば、ユーザーログイン、ユーザークエリ、ユーザーによって捕捉されたデータ（例えば、カメラ、音声、または動画記録デバイスによって）、ユーザーコマンド、ファイルの作成、変更、または削除、ユーザーインターフェースノードまたはユーザーインターフェースデバイスの物理的または空間的位置、ユーザーインターフェースデバイス１１２によって遂行された診断または検査の結果、ならびにユーザーインターフェースノード１１２と相互に作用するユーザーによって開始されたか、またはそれに関する他の行為または活動、が挙げられ得る。

収集されたデータは、動的または静的データであり得る。収集されたデータは、例えば、データベースデータ、構成データ、バッチデータ、ストリーム配信データ、及び／または取引データを含み得る。一般的に言って、特定デバイス１１０〜１１４が生成、受信、または他の方法で観察するいかなるデータも、特定デバイス１１０〜１１４によるその生成、受信、または観察の時点の、対応するタイムスタンプまたは表示と共に収集され得る。

一実施形態では、デバイス１１０、１１２の各々（及び、任意追加的に、他のデバイス１１４のうちの少なくとも１つ）は、非可逆データ圧縮、データサブサンプリング、またはデータ収集目的用にノードを構成することを必要とせずに、リアルタイムデータを自動的に収集するように構成されている。したがって、プロセス制御ビッグデータシステム１００のデバイス１１０、１１２（及び、任意追加的に、他のデバイス１１４のうちの少なくとも１つ）は、デバイスによって生成、作成、受信、または取得される全てのデータ（例えば、管理データ及び制御データならびに様々な他の種類のデータ）を、データが生成、作成、受信、または取得される速度で、自動的に収集し得る。

特定デバイス１１０〜１１４の組み込みビッグデータ機器１１６は、１つ以上の組み込みビッグデータ分析器１２４を含んでもよく、その各々は、組み込みビッグデータ記憶装置１２０に記憶されたデータについて、典型的にはユーザー入力を使用して学習分析を開始及び／または遂行することなく、学習分析を実行または遂行するように構成されている。一般に、学習分析は、監督下（例えば、ラベル付けされたデータから関係もしくはパターンを判定する）、準監督下（例えば、ラベル付けされていないデータ及びラベル付けされたデータのサブセットから関係もしくはパターンを判定する）、非監督下（例えば、ラベル付けされていないデータから関係もしくはパターンを判定する）、またはそれらの任意の組み合わせの下で行われ得る。一実施形態では、複数の組み込みビッグデータ分析器１２４（及び／または少なくとも１つの組み込みビッグデータ分析器１２４の複数のインスタンス）は、並列動作して、特定デバイス１１０〜１１４の組み込みビッグデータ記憶装置１２０に記憶されたデータを分析し得る。

一実施形態では、組み込みビッグデータ分析器１２４は、記憶されたデータに関して大規模データ分析（例えば、データマイニング、データディスカバリ等）を遂行して、新しい情報及び知識を発見、検知、または学習し得る。例えば、データマイニングは、一般に、大量のデータを検討して新しい、または以前知られていなかった興味深いデータまたはパターン（普通でないレコードまたは複数のデータレコード群等）を抽出するプロセスを伴う。組み込みビッグデータ分析器１２４はまた、記憶されたデータに関して大規模データ分析（例えば、機械学習分析、データモデリング、パターン認識、予測分析、相関分析等）を遂行して、記憶されたデータ内の暗黙の関係または推論を予測、計算、または識別し得る。例えば、組み込みデータ分析器１２４は、部分最小二乗（ＰＬＳ）回帰、ランダムフォレスト、及び／または主成分分析（ＰＣＡ）等の、任意の数のデータ学習アルゴリズム及び分類技術を利用し得る。大規模データ分析から（例えば、大規模データ分析の出力に基づいて）、特定デバイス１１０〜１１４の組み込みビッグデータ分析器１２４は、結果として生じる学習知識を作成または生成し得、これは、特定デバイス１１０〜１１４の組み込みビッグデータ記憶装置１２０に記憶または追加され得る。

さらに、特定デバイス１１０〜１１４の組み込みビッグデータ機器１１６は、１つ以上の組み込みビッグデータ要求サービサ１２６を含んでもよく、その各々は、例えば要求側エンティティまたはアプリケーションからの要求に応じて、組み込みビッグデータ記憶装置１２０に記憶されたローカルデータにアクセスするように構成されている。一実施形態では、特定デバイス１１０〜１１４の複数の組み込みビッグデータ要求サービサ１２６（及び／または少なくとも１つの組み込みビッグデータ要求サービサ１２６の複数のインスタンス）は、複数の要求側エンティティまたはアプリケーションからの複数の要求を並列で処理し得る。一実施形態では、特定デバイス１１０〜１１４の単一の組み込みビッグデータ要求サービサ１２６は、単一のエンティティもしくはアプリケーションからの複数の要求、またはアプリケーションの異なるインスタンスからの複数の要求等、複数の要求に対してサービスし得る。

図１を続けると、プロセス制御システムビッグデータネットワークバックボーン１０５は、プロセス制御システムビッグデータネットワーク１００の様々な分散ビッグデータデバイス１０２への、及びそれからのパケットを送付するように構成されている、ネットワーク化された複数のコンピューティングデバイスまたはスイッチを備える。バックボーン１０５の複数のネットワーク化されたコンピューティングデバイスは、任意の数の無線及び／または有線リンクによって相互接続され得る。一実施形態では、プロセス制御システムビッグデータネットワークバックボーン１０５は、１つ以上のファイアウォールデバイスを含む。

ビッグデータネットワークバックボーン１０５は、１つ以上の好適なルーティングプロトコル、例えば、インターネットプロトコル（ＩＰ）スイート（例えば、ＵＤＰ（ユーザデータグラムプロトコル）、ＴＣＰ（伝送制御プロトコル）、イーサネット等）に含まれるプロトコル、または他の好適なルーティングプロトコルを支援し得る。典型的には、プロセスデータビッグデータネットワーク１００に含まれる各デバイスまたはノード１０２は、バックボーン１０５によって支援されているルーティングプロトコル（複数可）の少なくとも１つのアプリケーション層（及び、一部のデバイスについては、追加的な層）を支援する。一実施形態では、各デバイスまたはノード１０２は、例えば一意的なネットワークアドレスによって、プロセス制御システムビッグデータネットワーク１００内で一意的に識別される。一実施形態では、プロセス制御システムビッグデータネットワーク１００の少なくとも一部分は、アドホックネットワークである。したがって、デバイス１０２の少なくとも一部は、ネットワークバックボーン１０５に（またはネットワーク１００の別のノードに）アドホック方式で接続し得る。

図１を再度参照すると、一部の実施形態では、プロセス制御システムビッグデータプロセス制御ネットワーク例１００は、ネットワーク１００の分散ビッグデータデバイスまたは分散ビッグデータノード１０２から（例えば、ストリーム配信を介して、かつ／または他の何らかのプロトコルを介して）、ならびに中央集中型の方式でビッグデータを支援する他のビッグデータデバイスまたはビッグデータノード１２８（例えば、非分散または中央集中型のビッグデータデバイスまたはビッグデータノードであるデバイスまたはノード）から、収集されたデータ及び／または生成された学習知識を受信し記憶するように構成されている、中央集中型プロセス制御システムビッグデータ装置または中央集中型プロセス制御システムビッグデータ機器１０８を含む。プロセス制御システムビッグデータ機器１０８はまた、分散ビッグデータノード１０２から、及び中央集中型ビッグデータノード１２８から受信したいずれか、または全ての受信されたデータ及び学習知識をさらに分析するように構成され得る。したがって、中央集中型プロセス制御システムビッグデータ装置または中央集中型プロセス制御システムビッグデータ機器１０８は、中央集中型プロセス制御システムビッグデータ記憶領域１３０、複数の中央集中型プロセス制御システムビッグデータ受信器１３２、複数の中央集中型プロセス制御システムビッグデータ分析器１３４、及び複数の中央集中型プロセス制御システムビッグデータ要求サービサ１３６を含み得る。中央集中型プロセス制御システムビッグデータ機器１０８の中央集中型コンポーネント１３０、１３２、１３４、１３６の各々は、先に上記したような組み込みビッグデータ機器１１６の分散コンポーネント１２０、１２２、１２４、１２６に似ていてもよい。

一実施形態では、中央集中型プロセス制御システムビッグデータ機器１０８は、上記の米国出願第１３／７８４，０４１号に記載のものに似ている。例えば、中央集中型プロセス制御システムビッグデータ記憶領域１３０は、ＲＡＩＤ（独立した複数のディスクの冗長性配列）記憶装置、クラウド記憶装置、またはデータバンクもしくはデータセンター記憶装置に好適な任意の他の好適なデータ記憶技術等の、複数の物理的データドライブまたは記憶装置エンティティを備え得る。さらに、複数の中央集中型プロセス制御システムビッグデータ受信器１３２の各々は、バックボーン１０５からデータパケットを受信し、データパケットを処理してそこに含まれる相当量のデータ及び／または学習知識を取得し、相当量のデータ及び／または学習知識を中央集中型プロセス制御システムビッグデータ記憶領域１３０に記憶するように構成され得る。一実施形態では、ネットワーク１００内のｔ組み込みビッグデータ記憶装置１２０のうち１つ以上にデータ及び／または学習知識を記憶するために使用されるスキーマは、中央集中型プロセス制御システムビッグデータ記憶領域１３０にデータ及び／または学習知識を記憶するためにも利用される。したがって、この実施形態では、データ及び／または学習知識が１つ以上の組み込みビッグデータ記憶装置１２０からバックボーン１０５越しに中央集中型プロセス制御システムビッグデータ記憶領域１３０に伝送されるとき、スキーマは、維持される。一実施形態では、分散ビッグデータデバイス１０２の少なくとも一部は、ストリーム制御伝送プロトコル（ＳＣＴＰ）等のストリーム配信プロトコルを利用して、記憶されたデータ及び／または学習知識をデバイス１０２から中央集中型プロセス制御システムビッグデータ機器１０８にネットワークバックボーン１０５を介してストリーム配信する。

中央集中型ビッグデータノードまたは中央集中型ビッグデータデバイス１２８に関しては、中央集中型ビッグデータノードまたは中央集中型ビッグデータデバイス１２８は、上記の米国出願第６１／７８３，１１２号に記載のデバイスに似ていてもよい。例えば、中央集中型ビッグデータノードまたは中央集中型ビッグデータデバイス１２８は、各々、マルチコアプロセッサと、そのそれぞれのデバイス１２８によって生成、作成、受信、または観察されたデータを一時的に記憶またはキャッシュするように構成されているキャッシュメモリとを含む。中央集中型ビッグデータデバイス１２８のマルチコアプロセッサは、キャッシュされたデータが中央集中型プロセス制御システムビッグデータ機器１０８で記憶されるために伝送されるように構成されている。

さらに、一部の実施形態では、プロセス制御システムビッグデータプロセス制御ネットワークの例１００は、いかなるビッグデータ支援も含まないレガシーまたは先行技術のプロセス制御デバイス（図示せず）を含み得る。これらの実施形態では、プラント１０のゲートウェイノードは、ビッグデータバックボーン１０５によって利用されるプロトコルと、レガシーまたは先行技術のデバイスが通信可能に接続され、通信ネットワークによって利用される異なるプロトコルとの間で、データメッセージを変換し得る。

プロセスプラントまたはプロセス制御環境内の分散ビッグデータプロバイダデバイスの例１１０を図示する詳細ブロック図が、図２に示されている。分散ビッグデータプロバイダデバイスの例１１０は、「ＤＢＤ」という参照記号を使用して図２に表示され、それぞれの組み込みビッグデータ機器１１６がそこに含まれることを意味している。デバイス１１０が図１のプロセスプラントまたはプロセス制御システム１０を参照して検討される一方で、分散ビッグデータプロバイダデバイスの例１１０は、他のプロセスプラントまたはプロセス制御システムの内部で、またはそれと共に使用されて、そこで分散ビッグデータを支援し得る。

上記のように、分散ビッグデータプロバイダデバイス１１０は、プロセスプラント環境１０内のプロセスをリアルタイムで制御する機能を遂行するために使用されるプロセス制御データをローカルで自動的に生成し、かつ／または受信すること、また該データをローカルで記憶または履歴化することを主要機能とするデバイスを含み得る。例えば、プロセスコントローラ、フィールドデバイス、及びＩ／Ｏデバイスは、可能な分散ビッグデータプロバイダ１１０の例である。プロセスプラント環境１０では、プロセスコントローラは、フィールドデバイスによってなされたプロセス測定値を示す信号を受信し、この情報を処理して制御ルーチンを実装し、有線または無線通信リンク越しに他のフィールドデバイスに送られてプラント１０内のプロセスの動作を制御する制御信号を生成する。典型的には、少なくとも１つのフィールドデバイスは、物理的機能（例えば、弁の開け閉め、温度を上げるまたは下げる等）を遂行してプロセスの動作を制御し、一部の種類のフィールドデバイスは、Ｉ／Ｏデバイスを使用してコントローラと通信し得る。プロセスコントローラ、フィールドデバイス、及びＩ／Ｏデバイスは、有線であっても無線であってもよく、任意の数及び任意の組み合わせの有線及び無線のプロセスコントローラ、フィールドデバイス、及びＩ／Ｏデバイスは、その各々がビッグデータをローカルで収集、分析、及び記憶する、プロセス制御ビッグデータネットワーク１００の分散ビッグデータノード１１０であってもよい。

例えば、図２は、プロセス制御ネットワークまたはプロセス制御プラント１０のビッグデータをローカルで収集、分析、及び記憶する分散ビッグデータプロセスコントローラデバイス１１を図示している。コントローラ１１は、入力／出力（Ｉ／Ｏ）カード２６及び２８を介して有線フィールドデバイス１５〜２２に通信可能に接続され、無線ゲートウェイ３５及びネットワークバックボーン１０５を介して無線フィールドデバイス４０〜４６に通信可能に接続される。（しかし、別の実施形態では、コントローラ１１は、別の有線または無線通信リンクを使用すること等によって、バックボーン１０５以外の通信ネットワークを使用して無線ゲートウェイ３５に通信可能に接続され得る。）図２では、コントローラ１１は、プロセス制御システムビッグデータネットワーク１００の分散ビッグデータプロバイダノード１１０であり（ＤＢＤラベルによって表わされているように）、プロセス制御ビッグデータネットワークバックボーン１０５に直接接続されている。

コントローラ１１は、例として、Ｅｍｅｒｓｏｎ Ｐｒｏｃｅｓｓ Ｍａｎａｇｅｍｅｎｔによって販売されるＤｅｌｔａＶ（商標）コントローラであってもよく、フィールドデバイス１５〜２２及び４０〜４６のうちの少なくとも一部を使用してバッチプロセスまたは連続プロセスを実装するように動作し得る。一実施形態では、プロセス制御ビッグデータネットワークバックボーン１０５に通信可能に接続されていることに加えて、コントローラ１１は、例えば、標準的な４〜２０ｍＡデバイス、Ｉ／Ｏカード２６、２８、及び／またはＦＯＵＮＤＡＴＩＯＮ（登録商標）フィールドバスプロトコル、ＨＡＲＴ（登録商標）プロトコル、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）プロトコル等の任意のスマート通信プロトコルに関連付けられた任意の所望のハードウェア及びソフトウェアを使用して、フィールドデバイス１５〜２２及び４０〜４６のうちの少なくとも一部にも通信可能に接続され得る。一実施形態では、コントローラ１１は、ビッグデータネットワークバックボーン１０５を使用して、フィールドデバイス１５〜２２及び４０〜４６のうちの少なくとも一部と通信可能に接続され得る。図２では、コントローラ１１、フィールドデバイス１５〜２２、及びＩ／Ｏカード２６、２８は、有線デバイスであり、フィールドデバイス４０〜４６は、無線フィールドデバイスである。当然ながら、有線フィールドデバイス１５〜２２及び無線フィールドデバイス４０〜４６は、将来開発される標準またはプロトコルを含め、任意の有線または無線プロトコル等、任意の他の所望の標準（複数可）またはプロトコルに準拠し得る。

図２のプロセスコントローラデバイス１１は、１つ以上のプロセス制御ルーチン（例えば、メモリ３２に記憶されている）を実装または監督するプロセッサ３０を含み、これは、制御ループを含み得る。プロセッサ３０は、フィールドデバイス１５〜２２及び４０〜４６と、ならびにバックボーン１０５に通信可能に接続された他のノード（例えば、ノード１１０、１１２、１１４）と、通信するように構成されている。本明細書に記載の任意の制御ルーチンまたはモジュール（品質予測及び故障検出のモジュールまたは機能ブロックを含む）は、所望の場合にはその一部が異なるコントローラまたは他のデバイスによって実装または実行され得ることに留意されたい。同様に、プロセス制御システム１０内に実装されるべき、本明細書に記載の制御ルーチンまたはモジュールは、ソフトウェア、ファームウェア、ハードウェア等を含め、任意の形態をとり得る。制御ルーチンは、オブジェクト指向プログラミング、ラダー論理、シーケンシャルファンクションチャート、機能ブロック図等を使用することによって、または任意の他のソフトウェアプログラミング言語もしくは設計パラダイムを使用することによって、任意の所望のソフトウェアフォーマットで実装され得る。制御ルーチンは、ランダムアクセスメモリ（ＲＡＭ）、または読み取り専用メモリ（ＲＯＭ）等の任意の所望の種類のメモリに記憶され得る。同様に、制御ルーチンは、例えば、１つ以上のＥＰＲＯＭ、ＥＥＰＲＯＭ、特定用途向け集積回路（ＡＳＩＣ）、または任意の他のハードウェアもしくはファームウェア要素にハードコードされ得る。したがって、コントローラ１１は、任意の所望の方式で制御戦略または制御ルーチンを実装するように構成され得る。

一部の実施形態では、コントローラ１１は、一般に機能ブロックと呼ばれるものを使用して制御戦略を実装し、各機能ブロックは、制御ルーチン全体のオブジェクトまたは他の部分（例えば、サブルーチン）であり、他の機能ブロックと共に動作して（リンクと呼ばれる通信を介して）、プロセス制御システム１０内でプロセス制御ループを実装する。制御に基づく機能ブロックは、典型的には、入力機能（伝送器、センサ、または他のプロセスパラメータ測定デバイスに関連付けられているもの等）、制御機能（ＰＩＤ、ファジー論理等の制御を遂行する制御ルーチンと関連付けられているもの等）、または何らかのデバイス（弁等）の動作を制御する出力機能のうちの１つを遂行して、プロセス制御システム１０内で何らかの物理的機能を遂行する。当然ながら、ハイブリッド及び他の種類の機能ブロックが存在する。機能ブロックは、コントローラ１１内に記憶され、それによって実行され得（これは、典型的には、これらの機能ブロックが標準的な４〜２０ｍａデバイス、及びＨＡＲＴデバイス等の一部の種類のスマートフィールドデバイスのために使用されるか、もしくはそれらに関連付けられる場合に該当する）、またはフィールドデバイス自体の内に記憶され、それによって実装され得る（これは、フィールドバスデバイスに該当し得る）。コントローラ１１は、１つ以上の制御ループを実装し得る１つ以上の制御ルーチン３８を含み得る。各制御ループは、典型的には、制御モジュールと呼ばれ、１つ以上の機能ブロックを実行することによって遂行され得る。

プロセスプラントまたはプロセスシステム１０において分散ビッグデータを支援するプロバイダデバイス１１０の他の例は、図２に示されている有線フィールドデバイス１５及び１８〜２０ならびにＩ／Ｏカード２６である。したがって、有線フィールドデバイス１５、１８〜２０、及びＩ／Ｏカード２６の少なくとも一部は、プロセス制御システムビッグデータネットワーク１００の分散ビッグデータノード１０２であり得る。追加として、図２は、有線中央集中型ビッグデータデバイス（例えば、図２で「ＣＢＤ」という参照記号によって表示されている有線フィールドデバイス１６、２１、及びＩ／Ｏカード２８）および有線レガシーデバイス（例えば、デバイス１７及び２２）がプロセスプラント内で有線分散ビッグデータデバイス１５、１８〜２０、２６と共に動作し得ることを証明している。有線フィールドデバイス１５〜２２は、センサ、弁、伝送器、位置決め具等の任意の種類のデバイスであってもよい一方で、Ｉ／Ｏカード２６及び２８は、任意の所望の通信またはコントローラプロトコルに準拠する任意の種類のＩ／Ｏデバイスであってもよい。図２では、フィールドデバイス１５〜１８は、アナログ回線またはアナログデジタル混合回線越しにＩ／Ｏカード２６に通信する標準的な４〜２０ｍＡデバイスまたはＨＡＲＴデバイスである一方で、フィールドデバイス１９〜２２は、フィールドバス通信プロトコルを使用してデジタルバス越しにＩ／Ｏカード２８に通信する、ＦＯＵＮＤＡＴＩＯＮ（登録商標）フィールドバスフィールドデバイス等のスマートデバイスである。しかし、一部の実施形態では、ビッグデータ有線フィールドデバイス１５、１６、及び１８〜２１の少なくとも一部、ならびに／またはビッグデータＩ／Ｏカード２６、２８の少なくとも一部は、追加としてまたは代替として、ビッグデータネットワークバックボーン１０５を使用してコントローラ１１と通信する。

図２に示されている無線フィールドデバイス４０〜４６には、プロセスプラントまたはプロセスシステム１０において分散ビッグデータを支援する無線プロバイダデバイス１１０の例が含まれている（例えば、デバイス４２ａ及び４２ｂ）。図２にはまた、無線中央集中型ビッグデータデバイスの例（例えば、デバイス４４）及びレガシー無線デバイスの例（例えば、デバイス４６）も含まれている。図２では、無線フィールドデバイス４０〜４６は、ＷｉｒｅｌｅｓｓＨＡＲＴプロトコル等の無線プロトコルを使用する無線ネットワーク７０において通信を行っている。このような無線フィールドデバイス４０〜４６は、同様に無線によって（例えば、無線プロトコルを使用して）通信するように構成されている、プロセス制御ビッグデータネットワーク１００の１つ以上の他のデバイスまたはノード（例えば、分散ビッグデータノード１０２、中央集中型ビッグデータノード１２８、または他のノード）と直接通信し得る。無線によって通信するように構成されていない１つ以上の他のノード（例えば、分散ビッグデータノード１０２、中央集中型ビッグデータノード１２８、または他のノード）と通信するために、無線フィールドデバイス４０〜４６は、バックボーン１０５または別のプロセス制御通信ネットワークに接続された無線ゲートウェイ３５を利用し得る。分散ビッグデータを支援する任意の数の無線フィールドデバイスが、プロセスプラント１０内で利用され得る。

一実施形態では、無線ゲートウェイ３５は、プロセス制御プラントまたはプロセス制御システム１０に含まれる分散ビッグデータプロバイダデバイス１１０である。無線ゲートウェイ３５は、無線通信ネットワーク７０の様々な無線デバイス４０〜５８にアクセスを提供し得る。特に、無線ゲートウェイ３５は、無線デバイス４０〜５８、有線デバイス１１〜２８、及び／またはプロセス制御ビッグデータネットワーク１００の他のノードもしくはデバイス（図２のコントローラ１１を含む）間で通信カップリングを提供する。例えば、無線ゲートウェイ３５は、ビッグデータネットワークバックボーン１０５を使用することによって、かつ／またはプロセスプラント１０の１つ以上の他の通信ネットワークを使用することによって、通信カップリングを提供し得る。無線ゲートウェイ３５は、分散ビッグデータ、中央集中型ビッグデータ、または分散ビッグデータ及び中央集中型ビッグデータの両方を支援してもよく、一部のプロセスプラントでは、無線ゲートウェイ３５は、プロセス制御システムビッグデータネットワーク１００のノード１１０である。

無線ゲートウェイ３５は、一部の場合には、有線及び無線のプロトコルスタックの下位層へのルーティング、バッファリング、及びタイミングサービス（例えば、アドレス変換、ルーティング、パケット分割、優先順位付け等）によって通信カップリングを提供する一方で、有線及び無線のプロトコルスタックの共有層（複数可）をトンネリングする。他の場合には、無線ゲートウェイ３５は、いかなるプロトコル層も共有しない無線プロトコルと無線プロトコルの間でコマンドを変換し得る。プロトコル及びコマンドの変換に加えて、無線ゲートウェイ３５は、無線ネットワーク７０で実装されている無線プロトコルに関連付けられたスケジュール作成スキームのタイムスロット及びスーパーフレーム（時間が等間隔の通信タイムスロットのセット）によって使用される同期クロックを提供し得る。さらに、無線ゲートウェイ３５は、リソース管理、パフォーマンス調整、ネットワーク障害緩和、トラフィックの監視、セキュリティ等の、無線ネットワーク７０のためのネットワーク管理及び運営管理機能を提供し得る。

有線フィールドデバイス１５〜２２と同様に、無線ネットワーク７０の無線フィールドデバイス４０〜４６は、プロセスプラント１０内で物理的制御機能（例えば、弁の開け閉めまたはプロセスパラメータを測定）を遂行し得る。しかしながら、無線フィールドデバイス４０〜４６は、ネットワーク７０の無線プロトコルを使用して通信するように構成されている。したがって、無線フィールドデバイス４０〜４６、無線ゲートウェイ３５、及び無線ネットワーク７０の他の無線ノード５２〜５８は、無線通信パケットの生産者かつ消費者である。

一部のシナリオでは、無線ネットワーク７０は、非無線デバイスを含み得る。例えば、図２のフィールドデバイス４８は、レガシー４〜２０ｍＡデバイスであってもよく、フィールドデバイス５０は、従来型の有線ＨＡＲＴデバイスであってもよい。ネットワーク７０内で通信を行うために、フィールドデバイス４８及び５０は、無線アダプタ（ＷＡ）５２ａまたは５２ｂを介して無線通信ネットワーク７０に接続され得る。図２では、無線アダプタ５２ｂは、無線プロトコルを使用して通信するレガシー無線アダプタであると示され、無線アダプタ５２ａは、分散ビッグデータを支援すると示され、したがって、ビッグデータネットワークバックボーン１０５に通信可能に接続されている。追加として、無線アダプタ５２ａ、５２ｂは、Ｆｏｕｎｄａｔｉｏｎ（登録商標）フィールドバス、ＰＲＯＦＩＢＵＳ、ＤｅｖｉｃｅＮｅｔ等の他の通信プロトコルを支援し得る。さらに、無線ネットワーク７０は、無線ゲートウェイ３５と有線接続している別々の物理的デバイスであってもよく、または一体型デバイスとして無線ゲートウェイ３５に設けられてもよい、１つ以上のネットワークアクセスポイント５５ａ、５５ｂを含み得る。図２では、ネットワークアクセスポイント５５ａは、分散ビッグデータデバイス１１０であると図示される一方で、ネットワークアクセスポイント５５ｂは、レガシーアクセスポイントである。無線ネットワーク７０は、無線通信ネットワーク７０内のある無線デバイスから別の無線デバイスにパケットを転送する１つ以上のルータ５８を含み得、その各々は、プロセス制御システム１０において分散ビッグデータを支援してもよく、しなくてもよい。無線デバイス４０〜４６及び５２〜５８は、それらの無線デバイスが分散及び／または中央集中型ビッグデータデバイスである場合は、無線通信ネットワーク７０の無線リンク６０越しに、かつ／またはビッグデータネットワークバックボーン１０５を介して、相互間で、及び無線ゲートウェイ３５との間で通信し得る。

したがって、図２は、プロセス制御システムの様々なネットワークに対して主にネットワークルーティング機能及び運営管理を提供する働きをする、分散ビッグデータプロバイダデバイス１１０の幾つかの例を含む。例えば、無線ゲートウェイ３５、アクセスポイント５５ａ、及びルータ５８は、各々、無線通信ネットワーク７０内で無線パケットのルーティングを行う機能を含んでいる。無線ゲートウェイ３５は、無線ネットワーク７０のトラフィック管理及び運営管理機能を遂行し、無線ネットワーク７０と通信可能に接続する有線ネットワークを出入りするトラフィックをルーティングする。無線ネットワーク７０は、プロセス制御メッセージ及び機能を特に支援する無線プロセス制御プロトコル（ＷｉｒｅｌｅｓｓＨＡＲＴ等）を利用し得る。図２に示されるように、無線ネットワーク７０のデバイス３５、５５ａ、５２ａ、４２ａ、４２ｂ、及び５８は、プロセス制御プラントまたはプロセス制御ネットワーク１０において分散ビッグデータを支援するが、無線ネットワーク７０の任意の数の任意の種類のノードがプロセスプラント１０において分散ビッグデータを支援し得る。

ただし、プロセス制御ビッグデータネットワーク１００の分散ビッグデータプロバイダデバイス１１０は、他の無線プロトコルを使用して通信する他のデバイスも含み得る。図２では、分散ビッグデータプロバイダデバイスまたは分散ビッグデータプロバイダノード１１０は、ＷｉＦｉもしくは他のＩＥＥＥ ８０２．１１準拠の無線ローカルエリアネットワークプロトコル、ＷｉＭＡＸ（Ｗｏｒｌｄｗｉｄｅ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）等のモバイル通信プロトコルもしくは他のＩＴＵ−Ｒ（国際電気通信連合無線通信部門）互換プロトコル、近距離通信（ＮＦＣ）及びＢｌｕｅｔｏｏｔｈ等の短波長無線通信、または他の無線通信プロトコル等、他の無線プロトコルを利用する１つ以上の無線アクセスポイント７２を含む。典型的には、このような無線アクセスポイント７２は、ハンドヘルドまたは他のポータブルコンピューティングデバイス（例えば、ユーザーインターフェースデバイス１１２）が、無線ネットワーク７０とは異なるそれぞれの無線ネットワークであって、無線ネットワーク７０とは異なる無線プロトコルを支援する無線ネットワーク越しに、通信を行うことを可能にする。一部のシナリオでは、可搬式コンピューティングデバイスに加えて、１つ以上のプロセス制御デバイス（例えば、コントローラ１１、フィールドデバイス１５〜２２、または無線デバイス３５、４０〜５８）も、アクセスポイント７２によって支援されている無線プロトコルを使用して、通信し得る。一実施形態では、無線アクセスポイント７２の少なくとも一部もまた、中央集中型ビッグデータを支援している。

図２では、プロセスプラントまたはプロセスシステム１０において分散ビッグデータを支援するプロバイダデバイスまたはプロバイダノード１１０は、現下のプロセス制御システム１０の外部にあるシステムへの１つ以上のゲートウェイ７５、７８を含む。典型的には、このようなシステムは、プロセス制御システム１０によって生成または処理される情報の顧客または供給者である。例えば、プラントゲートウェイノード７５は、現下のプロセスプラント１０（それ自身のそれぞれのプロセス制御ビッグデータネットワークバックボーン１０５を有する）を、それ自身のそれぞれのプロセス制御ビッグデータネットワークバックボーンを有する別のプロセスプラントに通信可能に接続し得る。一実施形態では、単一のプロセス制御ビッグデータネットワークバックボーン１０５は、複数のプロセスプラントまたはプロセス制御環境に対してサービスし得る。一実施形態では、ゲートウェイ７５、７８の少なくとも一部は、中央集中型ビッグデータも支援する。

また図２では、プロセスプラントまたはプロセスシステム１０において分散ビッグデータを支援するプラントゲートウェイノード７５は、現下のプロセスプラント１０を、プロセス制御ビッグデータネットワーク１００またはプロセス制御ビッグデータネットワークバックボーン１０５を含まないレガシーまたは先行技術のプロセスプラントに通信可能に接続する。この実施例では、プラントゲートウェイノード７５は、プラント１０のプロセス制御ビッグデータバックボーン１０５によって利用されるプロトコルと、レガシーシステムによって利用される異なるプロトコル（例えば、イーサネット、Ｐｒｏｆｉｂｕｓ、フィールドバス、ＤｅｖｉｃｅＮｅｔ等）との間でメッセージを変換し得る。

プロセスプラントまたはプロセスシステム１０内の分散ビッグデータプロバイダデバイスまたは分散ビッグデータプロバイダノード１１０は、プロセス制御ビッグデータネットワーク１００を実験室システム（例えば、実験室情報管理システム、すなわちＬＩＭＳ）、オペレーター巡回データベース、マテリアルズハンドリングシステム、維持管理システム、製品在庫制御システム、生産スケジューリングシステム、気象データシステム、出荷手配システム、包装システム、インターネット、別のプロバイダのプロセス制御システム、または他の外部システム）等の外部の公共または専用システムのネットワークに通信可能に接続する、１つ以上の外部システムゲートウェイノード７８を含み得る。

図２は有限数のフィールドデバイス１５〜２２及び４０〜４６を有する単一のコントローラ１１を図示するだけであるが、これは、単に例示的かつ非限定的な実施形態である。プロセス制御ビッグデータネットワーク１００のプロバイダデバイスまたはプロバイダノード１１０内には任意の数のコントローラ１１が含まれ得、いずれのコントローラ１１も、プラント１０内のプロセスを制御するために任意の数の有線または無線フィールドデバイス１５〜２２、４０〜４６と通信し得る。さらに、プロセスプラント１０はまた、任意の数の無線ゲートウェイ３５、ルータ５８、アクセスポイント５５、無線プロセス制御通信ネットワーク７０、アクセスポイント７２、及び／またはゲートウェイ７５、７８を含み得る。さらに、図２は、中央集中型ビッグデータ機器１０８を含み得、これは、プロセスプラント１０内のいずれかまたは全てのビッグデータデバイスＣＢＤ、ＤＢＤから収集されたデータ及び／または生成された学習知識を受信し、また記憶し得る。

図２に図示されラベル「ＤＢＤ」によって示されている分散ビッグデータデバイスを全般的に参照すると、上記のように、該デバイスの各々は、それぞれの組み込みビッグデータ記憶装置１２０、それぞれの組み込みビッグデータ受信器１２２、それぞれの組み込みビッグデータ分析器１２４、及びそれぞれの組み込みビッグデータ要求サービサ１２６を含む、それぞれの組み込みビッグデータ機器１１６を含んでいる。したがって、各分散ビッグデータプロバイダデバイス１１０によって収集されるデータは、その組み込みビッグデータ受信器１２２によって受信され、その組み込みビッグデータ記憶装置１２０内に記憶され得る。さらに、各分散ビッグデータプロバイダデバイス１１０は、その組み込みビッグデータ分析器１２４を利用して、記憶されたデータを分析し、記憶されたデータ内の有意義なパターン、相関性、トレンド等を説明する学習知識を生成し得る。さらに、各分散ビッグデータプロバイダデバイス１１０は、その組み込みビッグデータ要求サービサ１２６を利用して、要求側エンティティまたはアプリケーションの要求に応じて、記憶されたデータにアクセスし得る。

図３は、図１のプロセスプラント１０または他の好適なプロセスプラントもしくはプロセスシステム等の、プロセスプラントまたはプロセスシステムにおいて分散ビッグデータを支援するデバイス例３００のブロック図を描いている。例えば、デバイス３００は、図２に図示されている分散ビッグデータプロバイダノードまたは分散ビッグデータプロバイダデバイスＤＢＤのうちの１つに似ている。例えば、デバイス３００は、プロセスコントローラ（例えば、コントローラ１１）、フィールドデバイス（例えば、フィールドデバイス１５、１８、１９、２０、４２ａ、もしくは４２ｂのうちの１つ）、Ｉ／Ｏデバイス（例えば、Ｉ／Ｏカード２６）、またはネットワーキングもしくはネットワーク管理デバイス（例えば、無線ゲートウェイ３５、ルータ５８、アクセスポイント７２）であってもよい。一実施形態では、デバイス３００は、ユーザーインターフェースデバイス（例えば、図１の分散ビッグデータユーザーインターフェースノードもしくは分散ビッグデータユーザーインターフェースデバイス１１２のうちの１つ）であり、またはデバイス３００は、別の種類のデバイス分散ビッグデータ１１４である。図３は、限定目的のためではなく検討を容易にするために、以下では図１及び２を参照して検討することに留意されたい。

分散ビッグデータデバイス３００は、図１のプロセス制御システムビッグデータネットワーク１００または他の好適なネットワーク等、プロセス制御システムにおいて分散ビッグデータを支援するネットワークのノードであってもよい。したがって、デバイス３００は、バックボーン１０５等の、プロセス制御システムビッグデータネットワークバックボーンに通信可能に連結され得る。例えば、デバイス３００は、ネットワークインターフェース３０２を使用して、プロセス制御システムビッグデータネットワークバックボーン１０５に接続される。一部のプロセスプラントでは、そこに含まれる１つ以上の分散ビッグデータデバイスは、スタンドアロンであってもよく、したがって、ビッグデータネットワークバックボーン１０５に接続されていない。

一実施形態では、デバイス３００は、例えば制御ループの一環としてプロセスをリアルタイムで制御するように、プロセスプラントまたはプロセス制御システム１０において動作する。例えば、デバイス３００は、プロセス制御インターフェース３０５を使用してプロセス制御通信ネットワーク３０３に接続し、それを介してデバイス３００は、プロセス制御システム１０内のプロセスをリアルタイムで制御するように、他のデバイスに信号を伝送し、かつ／またはそこから信号を受信し得る。プロセス制御通信ネットワーク３０３は、有線もしくは無線通信ネットワーク（例えば、無線ネットワーク７０、フィールドバスネットワーク、有線ＨＡＲＴネットワーク等）であってもよく、またはプロセス制御通信ネットワーク３０３は、有線及び無線の通信ネットワークの両方を含んでもよい。追加としてまたは代替として、デバイス３００は、プロセス制御ビッグデータネットワークバックボーン１０５を使用して、例えばネットワークインターフェース３０２を介して、プロセスを制御する信号を伝送及び／または受信し得る。一実施形態では、ネットワークインターフェース３０２及びプロセス制御インターフェース３０５は、同じインターフェース（例えば、一体型インターフェース）であってもよい。

プロセス制御インターフェース３０５は、プロセスプラント１０のプロセスまたはプロセスプラント１０内で制御されているプロセスに対応するプロセス制御データを伝送及び／または受信するように構成されている。プロセス制御データとしては、測定データ（例えば、出力、速度等）、構成データ（例えば、設定値、構成変更等）、バッチデータ（例えば、バッチレシ、バッチ条件等）、イベントデータ（例えば、アラーム、プロセス制御イベント等）、連続データ（例えば、特定の値、動画フィード等）、計算されたデータ（例えば、内部状態、中間計算等）、診断データ、デバイス３００または別のデバイスの健全性を示すデータ、及び／または他の種類のプロセス制御データが挙げられ得る。さらに、プロセス制御データとしては、例えば制御機能を遂行した結果として、デバイス３００自体によって作成されるデータが挙げられる。

一実施形態では、分散ビッグデータデバイス３００はプロセスコントローラであり、プロセス制御インターフェース３０５を使用してコントローラの構成を（例えば、ワークステーションから）取得し、かつ／またはコントローラに接続されたフィールドデバイスに伝送されたかもしくはそれから受信されたデータを取得して、プロセスをリアルタイムで制御する。例えば、コントローラは、無線ＨＡＲＴ弁位置決め具に接続され得、弁位置決め具は、弁の状態に対応するプロセス制御データを生成し、生成されたデータを、プロセス制御インターフェース３０５を介してコントローラに提供し得る。受信されたデータは、コントローラに記憶され得、かつ／または制御機能もしくは制御ループの少なくとも一部分を遂行するためにコントローラによって使用され得る。

別の実施形態では、分散ビッグデータデバイス３００は、コントローラとフィールドデバイスとの間の接続を提供するＩ／Ｏデバイスである。この実施形態では、プロセス制御インターフェース３０５は、プロセス制御データをフィールドデバイスと交換するためのフィールドデバイスインターフェースと、プロセス制御データをコントローラと交換するためのコントローラインターフェースとを含む。フィールドデバイスインターフェースは、データがＩ／Ｏデバイスを介してフィールドデバイスに伝送され、フィールドデバイスからコントローラに受信され得るように、コントローラインターフェースに接続されている。

さらに別の実施形態では、分散ビッグデータデバイス３００は、物理的機能を遂行してプロセスを制御するフィールドデバイスである。例えば、デバイス３００は、現在測定されたフローに対応するプロセス制御データを、プロセス制御インターフェース３０５を介して測定及び取得し、測定されたフローに対応する信号をコントローラに送ってインターフェース３０５を介してプロセスを制御する流量計であってもよい。

上記の検討は、制御ループで動作するプロセス制御デバイスとして分散ビッグデータデバイス３００に言及しているものの、上記の技術及び説明は、デバイス３００がプロセス制御プラントまたはプロセス制御システム１０に関連付けられた別の種類のデバイスである実施形態でも同様に当てはまる。一実施例では、分散ビッグデータデバイス３００は、アクセスポイント７２等のネットワーク管理デバイスである。ネットワーク管理デバイスは、インターフェース３０５を介してデータ（例えば、帯域、トラフィック、データの種類、ネットワーク構成、ログイン識別情報及び試行等）を観察し、生成されたデータを、ネットワークインターフェース３０２を介して、プロセス制御システムビッグデータネットワークバックボーン１０５に取り次ぐ。さらに別の実施例では、デバイス３００は、ユーザーまたはオペレーターがプロセス制御システムまたはプロセスプラント１０と相互に作用できるように構成されている、分散ビッグデータユーザーインターフェースデバイス１１２（例えば、可動式デバイス、タブレット等）である。例えば、デバイス３００内のインターフェース３０５は、ユーザーが構成、閲覧、スケジュール作成、監視等のプロセスプラント１０内の活動を遂行できるようにする、ＷｉＦｉまたはＮＦＣ通信リンクへのインターフェースであってもよい。ユーザーログイン、コマンド、及び応答は、インターフェース３０５を介して収集され、ネットワークインターフェース３０２を介してプロセス制御システムビッグデータネットワークバックボーン１０５に伝送され得る。

インターフェース３０２、３０５に加えて、分散ビッグデータデバイス３００は、メモリ３１０内に記憶されたコンピュータ読み取り可能な命令を実行するように構成されているプロセッサ３０８、及び組み込みビッグデータ機器３１２を含む。プロセッサ３０８は、中央処理装置（ＣＰＵ）等の処理要素を含む。一実施形態では、プロセッサ３０８は、単一の処理要素を有する。一実施形態では、プロセッサ３０８は、複数の計算を複数の処理要素にわたって割り当てることによって、複数のタスクまたは機能を同時に、または並列して遂行することができる複数の処理要素を有する。いずれにしても、プロセッサ３０８は、データ、例えばインターフェース３０５を通過するデータが、収集または捕捉されるようにし得る。例えば、プロセッサ３０８は、デバイス３００によって直接生成されたか、デバイス３００によって作成されたか、またはデバイス３００で直接受信されたデータを収集し得る。プロセッサ３０８は、プロセスプラント１０においてプロセスをリアルタイムで制御するようにデバイス３００を動作させ得る（例えば、リアルタイムのプロセスデータを送り及び／または受信し、かつ／またはプロセスを制御する制御ルーチンを実装するために）。

デバイス３００のメモリ３１０は、プロセッサ３０８によって実行可能である１組以上のコンピュータ読み取り可能またはコンピュータ実行可能な命令を記憶する。したがって、メモリ３１０は、１つ以上のコンピュータ読み取り可能な非一時的有形記憶媒体を含む。メモリ３１０は、１つ以上の半導体メモリ、磁気読み取り可能なメモリ、光読み取り可能なメモリ、分子メモリ、セルメモリとして実装され得、かつ／またはメモリ３１０は、任意の他の好適なコンピュータ読み取り可能な非一時的有形記憶媒体またはメモリ記憶技術を利用し得る。

デバイス３００は、どのデータが収集されるべきかを先験的に識別または表示するいかなるユーザー提供情報も必要とすることなく、動的測定及び制御データならびに様々な他の種類のデータを収集し得る。すなわち、デバイス３００の構成は、例えば、デバイス３００の組み込みビッグデータ機器３１２における履歴化のためにデバイス３００で収集されることになる測定及び制御データならびに様々な他の種類のデータのいずれの識別情報の表示も排除する。現在公知のプロセスプラントまたはプロセス制御システムでは、オペレーターまたはユーザーは、典型的に、どのデータを収集するか、または保存するかを特定することによって、かつ一部の実施形態では該データが収集または保存される回数または頻度を指定することによって、測定及び制御データを捕捉するようにプロセス制御デバイス（例えば、コントローラ）を構成しなければならない。収集対象データの識別情報（及び、任意選択で、回数／頻度）は、プロセス制御デバイスの構成に含まれる。対照的に、デバイス３００は、収集することが望まれる測定及び制御データの識別情報ならびにその収集の回数／頻度と共に構成される必要はない。実際、一実施形態では、デバイス３００によって直接生成され、かつ／またはそこで直接受信される全ての測定及び制御データならびに全ての他の種類のデータが自動的に収集される。

さらに、測定及び制御データならびに様々な他の種類のデータが分散ビッグデータデバイス３００で収集され、かつ／またはそこから伝送される速度もまた、デバイス３００内に構成される必要はない。すなわち、データが収集及び／または伝送される速度は、デバイス３００の構成から排除される。その代わり、一実施形態では、デバイス３００は、ローカルでの履歴化のために測定及び制御データならびに様々な他の種類のデータを自動的に収集し得る。

ここで分散ビッグデータデバイス３００の組み込みビッグデータ機器３１２に目を転じると、組み込みビッグデータ機器３１２は、例えば、組み込みビッグデータ機器１１６であってもよい。したがって、図３の組み込みビッグデータ機器３１２は、組み込みビッグデータ記憶装置３１４、組み込みビッグデータ受信器３１６、組み込みビッグデータ分析器３１８、及び１組の組み込みビッグデータ要求サービサまたはサービス３２０ａ〜３２０ｃを含む。図３は１つの組み込みビッグデータ受信器３１６、１つの組み込みビッグデータ分析器３１８、及び３つの組み込みビッグデータ要求サービサ３２０ａ〜３２０ｃを図示しているものの、図３を参照して本明細書で検討される技術及び概念は、任意の数及び任意の種類の組み込みビッグデータ受信器３１６、ビッグデータ分析器３１８、及び／またはビッグデータ要求サービサ３２０に当てはまり得る。さらに、一部の実施形態では、組み込みビッグデータ機器３１２の少なくとも一部分は、プロセッサ３０８に統合されている。例えば、プロセッサ３０８は、信号処理及び学習を組み合わせたスマートチップであってもよく、コンポーネント３１４、３１６、３１８、及び３２０のうちのいずれかまたは全てに加えて１つ以上の処理要素を含み得る。さらに、一部の実施形態では、組み込みビッグデータ機器３１２の少なくとも一部分は、メモリ３１０に統合されている。例えば、メモリ３１０及びデータ記憶装置３１４の少なくとも一部分は、一体型の物理的ユニットであってもよい。

一般に、組み込みビッグデータ受信器３１６は、分散ビッグデータデバイス３００によって収集されたデータを受信し、そのデータを組み込みビッグデータ記憶装置３１４に記憶する。典型的には、組み込みビッグデータ受信器３１６を介して受信されるデータは、例えば、所望のスキーマを使用して組み込みビッグデータ記憶装置３１４に記憶されるが、必ずしもそうとは限らない。デバイス３００が動作中であるか、またはオンラインである場合、プロセッサ３０８は、メモリ３１０に記憶された命令を介して組み込みビッグデータ受信器３１６にアクセスし得る。分散ビッグデータデバイス３００によって収集されるデータは、例えば、ビッグデータネットワークバックボーン１０５によって伝送もしくは受信されるデータ（例えば、ストリーム配信されるデータ）であってもよく、かつ／または他の有線及び／もしくは無線プロセス制御ネットワークを介して伝送もしくは受信されるデータであってもよい。一部の場合では、分散ビッグデータデバイス３００によって分散されるによって収集されるデータは、デバイス３００自体によって生成または作成される。

組み込みビッグデータ記憶装置３１４は、時系列データ３１４ａ及びメタデータ３１４ｂを含む全てのデータを分散ビッグデータデバイス３００においてローカルで記憶及び履歴化する、一体化された論理データ記憶領域である。図３では、時系列データ３１４ａは、対応するメタデータ３１４ｂから分離して記憶されるとして図示されているが、一部の実施形態では、メタデータ３１４ｂの少なくとも一部は、時系列データ３１４ａと共に一体的に記憶され得る。一実施形態では、組み込みビッグデータ記憶装置３１４は、１つ以上のデータエントリを記憶する。したがって、各データエントリは、デバイス３００によって収集または捕捉されたデータまたはデータ点の値、ならびにそのデータ値がデバイス３００によって生成され、それによって作成され、そこで受信され、またはそれによって観察された瞬間のそれぞれのタイムスタンプまたは表示を含む。

組み込みビッグデータ記憶装置３１４はまた、デバイス構成データ、バッチレシピ、及び／または分散ビッグデータデバイス３００がオフライン状態から出た後で動作を再開するために使用する他のデータも記憶し得る。例えば、デバイス３００の構成がダウンロードもしくは変更される場合、または新たな、もしくは変更されたバッチレシピがダウンロードされる場合、対応するデータのスナップショットが組み込みビッグデータ受信器３１６を介して受信され、組み込みビッグデータ記憶装置３１４に記憶される。このスナップショットは、再起動時、回復時、またはデバイス３００がオフライン状態からオンライン状態に移行する任意の他の時点で使用され得る。したがって、デバイス３００の状態変化後にダウンロードされるデータのワークステーションからデバイス３００への転送に関連する通信バースト負荷または通信バーストスパイクは、減少または除去され得る。例えば、レシピ情報をコントローラに伝送するために長時間が必要とされる結果として発生するバッチ処理の遅延は、減少または除去され得る。加えて、スナップショット内の情報は、デバイス構成の変更を追跡するため、及び停電またはデバイス３００をオフラインにし得る別のイベントの後でデバイス３００の構成パラメータ及び／またはバッチレシピの完全な回復を支援するために使用することができる。

一実施形態では、分散ビッグデータデバイス３００によって生成され、それによって作成され、そこで受信され、またはそれによって観察される全てのデータは、組み込みビッグデータ受信器３１６を介して組み込みビッグデータ記憶装置３１４に記憶されるようにされる。例えば、全観察データのうちの少なくとも一部分は、組み込みビッグデータ記憶装置３１４に連続的に記憶される。

組み込みビッグデータ分析器３１８は、分散ビッグデータデバイス３００において、組み込みビッグデータ記憶装置３１４に記憶されたデータの少なくとも一部についてローカル計算またはデータ分析を遂行して、有意義なパターン、相関性、トレンド等を判定し、かつ一般に新たな知識を生成する。ローカル計算またはデータ分析は、例えば、分散ビッグデータデバイス３００自体によって以前生成または作成された学習データ分析ルーチン、機能、またはアルゴリズムであってもよい。一部の場合では、計算またはデータ分析は、他のデバイスによって（別の分散ビッグデータデバイスによって、または中央集中型ビッグデータ機器によって等）生成または作成され、計算またはデータ分析は、分散ビッグデータデバイス３００によって受信され、また分散ビッグデータデバイス３００で記憶されてきた。

遂行された計算及び分析の結果として、組み込みビッグデータ分析器３１８は、新しい１組のデータ点または観察、データに関係する記述統計、データ内の相関性、データに関する新しい、もしくは修正されたモデル等の学習知識をもたらし得る。生成された学習知識は、デバイス３００の側面に関する帰納的分析（例えば、診断もしくはトラブルシューティング）を提供し得、かつ／またはデバイス３００に対応する先験的な予測（例えば、予知）を提供し得る。一実施形態では、組み込みビッグデータ分析器３１８は、組み込みビッグデータ記憶装置３１４に記憶されたデータのうち選択されたサブセットについてデータマイニングを遂行し、そのマイニングされたデータについてパターン評価を遂行して、学習知識を生成する。一部の実施形態では、複数の組み込みビッグデータ分析器３１８またはそのインスタンスは、協働して学習知識を生成し得る。

得られた学習知識は、例えば、組み込みビッグデータ記憶装置３１４に記憶されて（例えば、追加されて）もよく、かつ追加としてまたは代替として１つ以上のユーザーインターフェースデバイスで（分散ビッグデータユーザーインターフェース１１２またはレガシーユーザーインターフェースで等）提示され得る。一部の場合では、得られた学習知識は、デバイス３００に以前知られていなかった追加的なデータを含む。例えば、追加的なデータとしては、新たに特定されたデータクラスタ、記憶されたデータ内に新たに発見された隠れ構造、以前知られていなかった記憶されたデータセット間の関係等が挙げられ得る。一部の場合では、得られた学習知識は、新たなもしくは修正されたアプリケーション、新たなもしくは修正された機能、新たなもしくは修正されたルーチン、新たなもしくは修正されたサービス等を含む。例えば、得られた学習知識は、新たなデータ例をマッピングするために使用され得る新たに作成された推定された機能であってもよい。

一実施形態では、得られた学習知識に基づいて、分散ビッグデータデバイス３００は、プロセス制御システム１０内のプロセスをリアルタイムで制御するように、その動作を修正し得る。例えば、分散ビッグデータデバイス３００は、得られた学習知識に基づいてそのプロセスモデルを修正する。別の実施例では、分散ビッグデータデバイス３００は、得られた学習知識に基づいてその自己診断ルーチンを更新する。分散ビッグデータデバイス３００はまた、修正（例えば、更新されたプロセスモデルまたは自己診断ルーチン）の表示を、得られた学習知識と共に、組み込みビッグデータ記憶装置３１４に記憶し得る。追加としてまたは代替として、分散ビッグデータデバイス３００は、修正の表示を、得られた学習知識と共に、プロセス制御システム１０内の別の分散ビッグデータデバイス及び／または中央集中型ビッグデータ機器１０８に伝送させ得る。その上、分散ビッグデータデバイス３００は、分析機能、ルーチン、論理及び／またはアルゴリズムをアナリティックスコード（例えば、Ｒスクリプト、ＰｙｔｈｏｎスクリプトＭａｔｌａｂ（登録商標）スクリプト等）の形態で記憶し得、これらは、得られた学習知識に基づいていてもよく、そうでなくてもよい。分散ビッグデータデバイス３００は、記憶された論理及び／またはアルゴリズムを別の分散ビッグデータデバイスに伝送またはダウンロードさせ得る。別の分散ビッグデータデバイスは、次に、ダウンロードされた論理及び／またはアルゴリズムを使用した動作をローカルで実行し得る。追加としてまたは代替として、分散ビッグデータデバイス３００は、記憶された論理及び／またはアルゴリズムをプロセス制御システム１０の中央集中型ビッグデータ機器１０８に伝送させ得る。プロセッサ３０８は、メモリ３１０に記憶された命令を介して組み込みビッグデータ分析器３１８を実行し得る。一実施形態では、プロセッサ３０８は、組み込みビッグデータ記憶装置３１４にデータが収集及び記憶されたときはいつでも、組み込みビッグデータ分析器３１８を自動的に実行し得る。

１組の組み込みビッグデータ要求サービサまたはサービス３２０ａ〜３２０ｃは、各々、デバイス３００上またはデバイス３００に通信可能に接続された別のデバイス上で実行され得る要求側エンティティまたはアプリケーションの要求に応じて、時系列データ３１４ａ及び／またはメタデータ３１４ｂにアクセスするように構成されている。例えば、要求側エンティティは、組み込みビッグデータ記憶装置３１４に記憶されたデータへのアクセスを要求するためにプロセッサ３０８によって実行されているデータ要求アプリケーションであってもよい。データ要求アプリケーションは、例えば、デバイス３００のメモリ３１０にルーチンとして記憶され得る。データ要求アプリケーションの要求に基づいて、対応するデータは、組み込みビッグデータ記憶装置３１４から取り出され得、データ要求アプリケーションによって使用可能なデータ形態に変換及び／または統合され得る。一実施形態では、１つ以上の組み込みビッグデータ要求サービサ３２０は、要求されたデータの少なくとも一部について、データ取得及び／またはデータ変換を遂行し得る。その上、上記のように、組み込みビッグデータ要求サービサ３２０ａ〜３２０ｃのうちの少なくとも一部は、組み込みデータ分析器１２４であってもよい。例えば、組み込みビッグデータ要求サービサ３２０ａ〜３２０ｂのうちの１つは、相互相関分析を遂行し得、組み込みビッグデータ要求サービサ３２０ａ〜３２０ｂのうちの別の１つは、回帰分析を遂行し得る。

一実施形態では、組み込みビッグデータ要求サービサ３２０のうちの少なくとも一部は、各々、組み込みビッグデータ記憶装置３１４に記憶されたデータのうちの少なくとも一部へのアクセスを要求する特定のサービスまたはアプリケーションを提供し得る。例えば、組み込みビッグデータ要求サービサ３２０ａは、構成アプリケーションサービスであってもよく、組み込みビッグデータ要求サービサ３２０ｂは、診断アプリケーションサービスであってもよく、組み込みビッグデータ要求サービサ３２０ｃは先進制御アプリケーションサービスであってもよい。先進制御アプリケーションサービス３２０ｃとしては、例えば、モデル予測制御、バッチ及び連続データのアナリティックス、またはモデル構築及び他の目的のために履歴化したデータを必要とする他のアプリケーションが含まれ得る。他の組み込みビッグデータ要求サービサ３２０もまた、他のサービスまたはアプリケーション（例えば、通信サービス、運営管理サービス、設備管理サービス、計画サービス、及び他のサービス）を支援するために、組み込みビッグデータ機器３１２に含まれ得る。

一実施形態では、組み込みビッグデータ要求サービサ３２０のうちの少なくとも一部は、ストリーム配信サービスを支援し得る。例えば、組み込みビッグデータ要求サービサ３２０のうちの１つが、組み込みビッグデータ記憶装置３１４に記憶されたデータの少なくとも一部分を、他の分散ビッグデータデバイスに、プロセス制御システム１０内の中央集中型ビッグデータ機器１０８に、かつ／またはアクセスアプリケーションに、ストリーム配信させ得る。一実施形態では、他の分散ビッグデータデバイス、中央集中型ビッグデータ機器１０８、またはアクセスアプリケーションは、記憶されたデータを分散ビッグデータデバイス３００から供給するストリーム配信サービスの加入者である。例えば、デバイス３００は、ストリーム配信サービスのホストである。

一実施形態では、組み込みビッグデータ要求サービサ３２０のうちの少なくとも一部は、ビッグデータ機器３１２によって分散ビッグデータデバイス３００でホスティングされ、ビッグデータネットワーク１００の他のノード（例えば、ユーザーインターフェースデバイス１１２またはプロバイダデバイス１１０）からアクセス可能なサービス（例えば、ウェブサービスまたは他のサービス）であってもよい。したがって、一実施形態では、分散ビッグデータデバイスまたは分散ビッグデータノード１０２のうちの少なくとも一部は、組み込みビッグデータ要求サービサ３２０に対応するウェブブラウザ、ウェブクライアントインターフェース、またはプラグインを支援するために、それぞれのウェブサーバを含み得る。例えば、ユーザーインターフェースデバイス１１２でホストされるブラウザまたはアプリケーションは、組み込みビッグデータ機器３１２に記憶されているデータまたはウェブページを供給し得る。

プロセス制御プラント及びプロセス制御システム内の分散ビッグデータデバイス３００は、デバイス３００によってローカルで観察されたデータ及び／または学習知識を、ローカル組み込みビッグデータ記憶装置３１４に履歴化させる。一部の場合では、ローカルで履歴化したデータ３１４は、ネットワークインターフェース３０２を使用して、プロセスプラントまたはシステム１０内のプロセス制御システムビッグデータ機器１０８または別の中央集中型もしくは分散ビッグデータノードに伝送され得る。一実施形態では、履歴化したデータのデバイス３００における記憶のために組み込みビッグデータ記憶装置３１４によって利用されるスキーマは、中央集中型プロセス制御システムビッグデータ機器１０８によって利用されるスキーマに含まれている。別の実施形態では、組み込みビッグデータ記憶装置３１４に履歴化されたデータは、デバイス３００のローカルスキーマに従って記憶される。

一部の実施形態では、プロセス制御システムにおいて分散ビッグデータを支援するデバイス３００は、プロセス制御ネットワークシステム１０においてビッグデータの層別またはレベル別学習のために利用され得る。シナリオの例では、分散ビッグデータデバイス３００は、その記憶したデータ及び／または学習知識を、１つ以上の他の中間分散ビッグデータデバイスまたは中間分散ビッグデータノードが受信したデータ及び／または学習知識を自身のローカルアナリティックスにおいて使用できるように、１つ以上の他の中間分散ビッグデータデバイスまたはノードに伝送する。

説明すると、図４は、プロセス制御システムにおいて分散ビッグデータデバイスを使用するビッグデータのレベル別または層別学習のためのより詳細な概念例及び技術例を図示するブロック図の例である。図４によって図示される技術の実施形態は、例えば、図３の分散ビッグデータデバイス３００によって、もしくは他の好適なデバイスによって、及び／または図１のプロセス制御システムビッグデータネットワーク１００において、もしくは他の好適なネットワークにおいて、利用され得る。しかし、検討を容易にするため、図４は、図１〜３の要素を参照して検討される。

図４は、プロセス制御システムにおける複数の分散ビッグデータデバイスの使用例を示している（例えば、図３の分散ビッグデータデバイス３００の複数のインスタンス）。特に、図４は、ビッグデータに基づくレベル別または層別の記憶及び学習のための、このような分散ビッグデータデバイスの使用例を図示している。図４は、３つの例示的なレベル４１０〜４３０を示しており、レベル４１０は、３つの分散ビッグデータプロセス制御デバイス４１０ａ〜４１０ｃを有し、レベル４２０は、１つの分散ビッグデータプロセス制御デバイス４２０ａを有し、レベル４３０は、２つの分散ビッグデータプロセス制御デバイス４３０ａ及び４３０ｂを有する。

図４に示されるように、分散ビッグデータプロセス制御デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂの各々は、図３に図示されるデバイス３００のインスタンスであり、他のプロセス制御デバイスと協働して、プロセス制御システムまたはプロセス制御プラント内の１つ以上のプロセスを制御する。例えば、レベル４１０では、分散ビッグデータプロセス制御デバイス４１０ａ〜４１０ｃは、図４においてフィールドデバイスとして描かれ、その各々は、物理的機能を遂行して、プロセスまたはプロセスプラント１０内で制御されるプロセスを制御するように構成されている。フィールドデバイス４１０ａ〜４１０ｃは、例えば、プロセスをリアルタイムで制御することに対応するプロセス制御データを受信及び／または生成する。レベル４２０では、分散ビッグデータプロセス制御デバイス４２０ａは、フィールドデバイス４１０ａ〜４１０ｃによって生成されたプロセス制御データを受信し、そのプロセス制御データをコントローラ４３０ａに転送し、かつコントローラ４３０ａからのプロセス制御データをフィールドデバイス４１０ａ〜４１０ｃに転送するように構成されているＩ／Ｏデバイスとして描かれている。

レベル４３０では、分散ビッグデータプロセス制御デバイス４３０ａ及び４３０ｂは、プロセスコントローラとして描かれており、その各々は、それぞれの制御アルゴリズムによって、プロセス制御データを入力し、１つ以上の制御機能を実行し、出力（図示せず）を生成して、プロセスを制御するように構成されている。図４に示されているように、プロセスコントローラ４３０ａは、プロセス制御データをＩ／Ｏデバイス４２０ａから受信し、プロセス制御データをＩ／Ｏデバイス４２０ａに送ると同様に、プロセスデータをプロセスコントローラ４３０ｂとやりとりし合うように構成されている。一部の実施形態では、Ｉ／Ｏデバイス４２０ａ及びコントローラ４３０ａ、４３０ｂは、各々、追加的なプロセス制御データを図４に図示されていない他のデバイスまたはノードに送るか、またはそれらから受信し得る。

分散ビッグデータプロセス制御デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂの構成例は、プロセス制御システムまたはプロセス制御プラント１０における層別またはレベル別のビッグデータの記憶及び学習を支援している。図４では、分散ビッグデータプロセス制御デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂの各々は、「ＤＢＤｘ」とラベル付けされ、これは、それぞれのデバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂに含まれるそれぞれの組み込みビッグデータ機器（例えば、図３の組み込みビッグデータ機器３１２）に対応する。それぞれの組み込みビッグデータ機器ＤＢＤｘは、図３の組み込みビッグデータ記憶装置３１４に対応し得る組み込みビッグデータ記憶装置Ｍ_Ｘ、及び図３の組み込みビッグデータ分析器３１８に対応し得る組み込みビッグデータ分析器Ｌ_Ｘを含む。したがって、図４では、分散ビッグデータプロセス制御デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂの各々は、それぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_６において、それぞれのデータを例えば上記のような方式で収集及び記憶する。

例えば、各デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂは、それぞれローカルデータが生成、作成、受信、または観察される速度でローカルデータを収集し、収集したローカルデータをそれぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_６に、例えば履歴化したローカルビッグデータとして、記憶する。この分散ローカルビッグデータの収集及びアナリティックスは、プロセスプラント１０内で発生する潜在的に有害な情況に関して、より適時のフィードバックを可能にする。例えば、１つのシナリオ例では、コントローラ４３０ａは、一組のプロセス制御デバイス（例えば、フィールドデバイス４１０ａ〜４１０ｃ及び任意追加的に他のデバイス）を、特定の製品を生産するプロセスプラントに含まれる制御ループの一環として制御する。制御ループにおけるイベントの特定の組み合わせは、製品が後に（例えば、イベントの組み合わせの発生から数時間後に）最終的に生成される場合、低い製品品質をもたらす。低い製品品質を数時間後に検出及び判定し、低い製品品質の根本原因を見極めようと障害追跡を行うのではなく（公知のプロセス制御システムで現在なされているように）、コントローラ４３０ａは、その組み込みビッグデータ分析器Ｌ_５を利用して、イベントの組み合わせによって生成されるプロセスデータを、それらの発生時にまたは発生後まもなく（例えば、イベントの組み合わせに対応するデータが組み込みビッグデータ記憶装置Ｍ_５に伝送されるときに）、自動的に分析する。組み込みビッグデータ分析器Ｌ_５は、これらのイベントの発生に基づいて低い製品品質を予測する学習知識を生成し得、かつ／またはイベントの組み合わせの効果を軽減するために、将来それらが発生した場合、１つ以上のパラメータまたはプロセスをリアルタイムで自動的に調節し得る。例えば、組み込みビッグデータ分析器Ｌ_５は、改定設定値または改定パラメータ値を決定し、改定値をコントローラ４３０ａに使用させて、制御ループをよりよく調整及び管理し得る

したがって、各デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂは、そのそれぞれの組み込みビッグデータ分析器Ｌ_１〜Ｌ_６を使用して、そのそれぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_６に記憶されたデータを分析し、有意義なパターン、相関性、トレンド等（例えば、そのローカルビッグデータの分析の結果として各デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂによって、生成されるデータ）を決定する。学習されたパターン、相関性、トレンド等は、デバイスのそれぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_６に、例えば学習データとして、記憶される。さらに、各デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂは、そのローカルビッグデータ（例えば、学習されたサービス、機能、またはアプリケーション）の分析から生成されるデータに基づいて、新たなサービス、機能、ルーチン、もしくはアプリケーションをローカルで決定もしくは定義（かつ／または既存のサービス、機能、ルーチン、もしくはアプリケーションを修正）し得る。各デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂで、ローカルで学習されるそれぞれの知識データ及び／または知識サービス、機能、及び／またはアプリケーションは、層別またはレベル別の学習におけるそれぞれのデバイス及び／または他のデバイスによる後の使用のために、そのそれぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_６に追加または記憶される。本明細書で使用する場合、「学習知識」という用語は、一般に、ビッグデータの分析の結果として生成されるデータ、サービス、機能、ルーチン、及び／またはアプリケーションを指す。さらに、各分散ビッグデータデバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂは、そのローカルな学習知識を他の分散ビッグデバイスと、同じまたは異なるレベルで、共有し得る。

例えば、図４を参照すると、レベル４１０のフィールドデバイス４１０ａ〜４１０ｃの各々は、そのそれぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_３に記憶されるべきローカルデータを収集し、ローカルで学習知識を生成するために、そのそれぞれの組み込みビッグデータ分析器Ｌ_１〜Ｌ_３を使用して、収集されたデータの部分または全部を分析する。実施例では、フィールドデバイス４１０ａは、ボイラー火炎に関する火炎データを収集するボイラー用火炎センサであり、収集したデータを対応するタイムスタンプと共にその組み込みビッグデータ記憶装置Ｍ_１内に記憶する。ひとたび収集すると、組み込みビッグデータ分析器Ｌ_１は、火炎データを分析する１つ以上のアルゴリズムを実行して、経時的に発生する火炎パターンを認識する。組み込みビッグデータ分析器Ｌ_１は、学習した火炎パターンを、Ｍ_１に記憶されたビッグデータのローカル分析から学習した知識データ（例えば、追加的に学習したビッグデータ）として、組み込みビッグデータ記憶装置Ｍ_１に保存する。

この実施例では、フィールドデバイス４１０ａは、その組み込みビッグデータ記憶装置Ｍ_１に記憶された学習知識のうちの少なくとも一部を、プロセス制御システムビッグデータネットワーク１０５を介してまたは別の通信ネットワークを介して等によって、Ｉ／Ｏデバイス４２０ａに供給させる。図４に示されているように、Ｉ／Ｏデバイス４２０ａは、フィールドデバイス４１０ａ〜４１０ｃとコントローラ４３０ａとの間のネットワーク１０５の通信経路に配された中間デバイスまたは中間ノードの一例であり、例えば、Ｉ／Ｏデバイス４２０ａは、フィールドデバイス４１０ａ〜４１０ｃの上流側に配され、コントローラ４３０ａの下流側に配されている。

レベル４２０では、Ｉ／Ｏデバイス４２０ａは、フィールドデバイス４１０ａで生成され、そこから受信したあらゆる学習知識（ならびに、一部の実施形態では、他のフィールドデバイス４１０ｂ、４１０ｃ、及び／または他のデバイスで生成され、そこから受信した学習知識）を、Ｉ／Ｏデバイス４２０ａが直接（例えば、ロ−カルで）生成及び受信する他のデータと共に、そのそれぞれの組み込みビッグデータ記憶装置Ｍ_４に記憶する。Ｉ／Ｏデバイス４２０ａはまた、そのそれぞれの組み込みビッグデータ分析器Ｌ_４を使用して、フィールドデバイス４１０ａから受信した学習知識と共に、他のデータに関する分析または学習を遂行し得る。例えば、上記の火炎センサの実施例を続けると、Ｉ／Ｏデバイス４２０ａは、学習された火炎パターンをデバイス４１０ａから受信し、それらをモデルとして使用して、Ｉ／Ｏデバイス４２０ａに接続された他の火炎センサから受信される他の火炎データを分析する。別の実施例では、Ｉ／Ｏデバイス４２０ａは、プロセス制御デバイス（図４では図示せず）の特定のバッチからのアラームデータトレンドに関する学習知識を経時的に蓄積する。Ｉ／Ｏデバイス４２０ａは、組み込みビッグデータ分析器Ｌ_４を利用して、学習した火炎パターンとアラームデータトレンドとの間に経時的に因果関係が存在するか判定するアルゴリズム（例えば、ＰＣＡ）を実行し得る。一般に、Ｉ／Ｏデバイス４２０ａは、ローカルで生成された全ての学習知識及び受信した、遠隔で生成された全ての学習知識を、その組み込みビッグデータ記憶装置Ｍ_４に記憶する。

レベル４３０では、コントローラ４３０ａは、他の分散ビッグデータデバイス（例えば、Ｉ／Ｏデバイス４２０ａ、下流側のフィールドデバイス４１０ａ〜４１０ｃ、コントローラ４３０ｂ）から受信した学習知識を、コントローラ４３０ａ自体が直接生成及び受信したデータ及び学習知識と共に、その組み込みビッグデータ記憶装置Ｍ_５に記憶する。コントローラ４３０ａは、その記憶したデータの少なくとも一部についてさらなる分析または学習を遂行して、追加的な学習知識（例えば、データパターン、トレンド、相関性等、サービス、機能、ルーチン、及び／またはアプリケーション）を生成し得る。コントローラ４３０ａによって生成された追加的な学習知識は、その組み込みビッグデータ記憶装置Ｍ_５に記憶される。

一実施形態では、ボトムアップで、すなわち下流側から上流側へ、層別またはレベル別学習が行われる。実施例では、フィールドデバイス４１０ａは、その収集したデータを分析して、それが正確に動作しているか判定し、例えば、正確なデータを収集するためにフィールドデバイス４１０ａが正確に較正されているか判定する。フィールドデバイス４１０ａがその分析から知識を学習した結果として、フィールドデバイス４１０ａは、フィールドデバイス４１０ａが将来診断目的に使用することができる新たな診断ルーチン（例えば、学習されたルーチン）を生成し得る。生成された診断ルーチンは、フィールドデバイス４１０ａのそれぞれの組み込みビッグデータ記憶装置、例えばＭ_１に記憶され得る。フィールドデバイス４１０ａは、生成された診断ルーチンを上流側のコントローラ４３０ａに伝送し得る。例えば、フィールドデバイス４１０ａは、新たな診断ルーチンを上流側コントローラ４３０ａと共有すること（例えば、生成される都度自動的に、もしくは定期的に）を独立して開始し得、またはフィールドデバイス４１０ａは、コントローラ４３０ａがフィールドデバイス４１０ａに対し１つ以上の種類の新たな学習知識を共有することを要求したときに新たな診断ルーチンを伝送させ得る。

一実施形態では、トップダウンで、すなわち上流側から下流側へ、層別またはレベル別学習が行われる。上記の実施例を続けながら説明すると、コントローラ４３０ａは、受け取った診断ルーチンを（例えば、その分析器Ｌ_５を使用することによって）分析し、診断ルーチンが有用またはコントローラによって制御されている他のフィールドデバイス（例えば、フィールドデバイス４１０ｂ及び４１０ｃ）に適用可能であるか判定し得る。したがって、コントローラ４３０ａは、フィールドデバイス４１０ｂ、４１０ｃが診断ルーチンをそれらそれぞれの診断目的に利用できるように、診断ルーチンを他のフィールドデバイス４１０ｂ、４１０ｃに配布し得る。コントローラ４３０ａは、診断ルーチンを下流側フィールドデバイス４１０ｂ、４１０ｃと共有することを独立して開始し得、またはコントローラ４３０ａは、新たな診断ルーチンをフィールドデバイス４１０ａからの要求に応じて伝送させ得る。代替的または追加として、コントローラ４３０ａは、コントローラに接続された全てのフィールドデバイスから受信した学習知識を集約して分析することによって、汎用診断ルーチンを生成し得る。このシナリオでは、コントローラ４３０ａは、汎用診断ルーチンをコントローラに接続されたいずれかまたは全てのフィールドデバイスに配布する（例えば、生成される都度自動的に、または定期的に、特定のフィールドデバイスからの要求に応じて、コントローラ４３０ａがフィールドデバイスから汎用診断がそのデバイスに有用であり得ることを示すデータを受信したとき、または何らかの他の理由により）。

一実施形態では、同じレベルの分散ビッグデータデバイス間で層別またはレベル別学習が行われる。上記の実施例を続けながら説明すると、コントローラ４３０ａは、コントローラ４３０ｂが汎用診断ルーチンを利用し、かつ／またはコントローラ４３０ｂによって制御されているデバイスに配布できるように、汎用診断ルーチンをコントローラ４３０ｂに伝送する。同様に、コントローラ４３０ａは、別の診断ルーチンをコントローラ４３０ｂから受信し得、フィールドデバイス４１０ａ〜４１０ｃが診断サービスを必要としているときはいつでも、このさらなる診断ルーチンをフィールドデバイス４１０ａ〜４１０ｃに配布し得る。当然ながら、他の種類の学習知識は、例えば、自動的に、要求に応じて、伝送側デバイスが受信側デバイスの学習知識に対するニーズを認識もしくは検出したことに基づいて、及び／または他のトリガーに基づいて、同じレベルのデバイス間で共有され得る。

一部の実施形態では、デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂのうち１つ以上は、それらのそれぞれの組み込みビッグデータ記憶装置Ｍ_１〜Ｍ_６に記憶されたそのローカルビッグデータの一部または全部（例えば、ローカルで生成／受信したデータ、ローカルで生成した学習知識、及び受信した、遠隔で生成された学習知識を含む）を、中央集中型プロセス制御システムビッグデータ記憶領域１３０に供給及び／またはストリーム配信させる。例えば、デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂのうち１つ以上は、そのそれぞれの記憶したビッグデータのうちの少なくとも一部を１つ以上の中央集中型プロセス制御システムビッグデータ受信器１３２に伝送する（例えば、ネットワークバックボーン１０５を使用することによって）。一部の実施形態では、デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂのうち１つ以上は、そのローカルビッグデータの少なくとも一部を定期的な間隔で中央集中型プロセス制御システムビッグデータ記憶領域１３０にプッシュする。一部の実施形態では、デバイス４１０ａ〜４１０ｃ、４２０ａ、４３０ａ、及び４３０ｂのうち１つ以上は、要求（例えば、中央集中型プロセス制御システムビッグデータ機器１０８からの）に応答して、そのローカルビッグデータの少なくとも一部分を提供する。

ひとたび中央集中型プロセス制御システムビッグデータ記憶領域１３０で受信及び記憶されると、１つ以上の中央集中型プロセス制御システムビッグデータ分析器１３４は、受信した学習知識を処理して、追加的な知識を生成し、プロセスプラント１０内外の様々なエンティティ及びプロバイダ間の関係を判定し得る。一部の場合では、中央集中型プロセス制御システムビッグデータ機器１０８は、中央集中型プロセス制御システムビッグデータ分析器１３４によって生成された知識及び関係を利用して、プラント１０の１つ以上のプロセスを適宜制御する。一シナリオ例では、中央集中型プロセス制御システムデータ分析器１３４のうちの少なくとも一部は、プロセスプラント１０に関連する潜在的なセキュリティ問題（ログインパターン、再試行、それらのそれぞれの位置の増加等）を監視し、かつ検出する。別のシナリオ例では、中央集中型プロセス制御ビッグデータ分析器１３４は、プロセスプラント１０及び１つ以上の他のプロセスプラントにわたって集約されたデータを分析する。このようにして、中央集中型プロセス制御システムビッグデータ機器１０８は、複数のプロセスプラントを所有または運転する企業が、地域、業界、または全社で学習した診断及び／または予知情報を収集し、共有することを可能にし得る。

したがって、ビッグデータ機器１０８は、学習知識をプロセスプラント１０内で生成することができる最高レベルの分散データデバイスとみなされ得る。当然ながら、一部のプロセスプラントでは、ビッグデータ機器１０８は、別の分散ビッグデータデバイス並びに中央集中型ビッグデータデバイスとして同時に機能し得る。例えば、図２を参照すると、ビッグデータ機器１０８は、多数の分散ビッグデータデバイス１５、１８〜２０、２６、４２ａ、４２ｂ、５８のうちの１つであると同時に、中央集中型ビッグデータデバイス１６、２１、２８、４４のための中央集中型ビッグデータ機器１０８として機能する。

図４では、分散ビッグデータの記憶及び学習の３つのレベルまたは層のみが描かれている。しかしながら、図４に関連して検討される技術及び概念は、分散ビッグデータの記憶及び学習の任意の数のレベルに適用され得、各レベルは、任意の数の分散ビッグデータプロセス制御デバイスを有する。さらに、分散ビッグデータノード１１０は、プロセス制御システムビッグデータネットワークバックボーン１０５を使用することによって、かつ／またはＨＡＲＴ、ＷｉｒｅｌｅｓｓＨＡＲＴ、フィールドバス、ＤｅｖｉｃｅＮｅｔ、ＷｉＦｉ、イーサネット、もしくは他のプロトコル等の、別の通信ネットワーク及び／または他のプロトコルを使用することによって、学習知識を相互に通信し得る。

当然ながら、レベル別または層別のビッグデータの記憶及び学習が分散ビッグデータプロバイダデバイスまたは分散ビッグデータプロバイダノード１１０に関連して検討されてきた一方で、それらの概念及び技術は、プロセス制御プラント及びプロセス制御システムにおいて、分散ビッグデータユーザーインターフェースデバイスノード１１２にも、及び／または他の種類の分散ビッグデータデバイスもしくはノード１１４にも等しく適用され得る。一実施形態では、分散ビッグデータデバイスまたは分散ビッグデータノード１０２のサブセットは、中間ノードを使用することなく、レベル別または層別のビッグデータの記憶及び学習を遂行する。

図５は、分散ビッグデータデバイスをプロセスプラント及びプロセス制御システムで使用する方法例５００の流れ図を図示している。方法５００は、例えば、図３の分散ビッグデータデバイス３００によって、図４に示されているレベル別または層別の記憶及び学習の技術と共に、図２の分散ビッグデータプロバイダノードまたは分散ビッグデータプロバイダデバイス１１０のうちの１つによって、及び／または図１のビッグデータネットワーク１００の複数の分散ビッグデータデバイスまたは分散ビッグデータノード１０２と共に、遂行され得る。一実施形態では、方法５００は、分散ビッグデータを支援する図１のビッグデータネットワーク１００のノードによって実装される。限定目的のためではなく検討を容易にするため、方法５００を図１〜４を同時に参照して説明する。

ブロック５０２では、プロセス制御プラントまたはプロセス制御ネットワークに対応するデータが収集され得る。例えば、プロセスプラントで実行されているプロセスのリアルタイムの動作及び制御からリアルタイムで生成されるデータは、分散ビッグデータデバイスＤＢＤによって収集される。分散ビッグデータデバイスは、プロセス制御システムビッグデータネットワーク１００のネットワークバックボーン１０５を介して等、プロセスプラントまたはプロセス制御システムの通信ネットワークに通信可能に連結され得る。分散ビッグデータデバイスは、フィールドデバイス、プロセスコントローラ、Ｉ／Ｏデバイス、つまりゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ネットワーク管理デバイス、ユーザーインターフェースデバイス、ヒストリアンデバイス、またはプロセスプラントもしくはプロセスプラント内のプロセスと関連付けられた何らかの他の分散ビッグデータデバイス（例えば、図２に示されているデバイスＤＢＤのいずれか、もしくは他の分散ビッグデータデバイス）等、プロセスプラント内のプロセスをリアルタイムで制御するように動作するプロセス制御デバイスであってもよい。分散ビッグデータデバイスで収集されるデータは、測定データ、イベントデータ、バッチデータ、計算されたデータ、構成データ、及び／または連続データを含み得る。一般に、収集されたデータは、典型的に、デバイスによって生成され、それによって作成され、そこで受信され、またはそれによって観察された全ての種類のデータを含む。例えば、分散ビッグデータデバイスは、データが観察されるそれぞれの速度でデータを収集し、かつ／または分散ビッグデータデバイスは、デバイスによって観察される全てのデータを収集する。データは、デバイスの構成に先験的に含まれているデータを識別することなく収集され得る。さらに、データは、デバイスによる生成の速度で、デバイスによる作成の速度、またはデバイスでの受信の速度で、この場合も速度をデバイスの構成に先験的に含めることを必要とすることなく、デバイスで収集され得る。

一実施形態では、分散ビッグデータデバイスで収集されたデータは、他の分散ビッグデータデバイスからのストリーム配信データまたは分散ビッグデータデバイス自体によって観察されたものを含み得る。一部の実施形態では、分散ビッグデータデバイスは、収集されたデータの少なくとも一部分をブロック５０２で伝送またはストリーム配信させ得る。例えば、収集されたデータは、分散ビッグデータデバイスから直ちにストリーム配信され、中央集中型ビッグデータ機器１０８で履歴化される。

ブロック５０４では、収集されたデータは、分散ビッグデータデバイスにおいて、組み込みビッグデータ装置１１６等の組み込みビッグデータ装置内に記憶され得る。例えば、データ及びそのそれぞれのタイムスタンプは、組み込みビッグデータ装置の組み込みビッグデータ記憶装置内にエントリとして記憶される。データの複数の値が経時的に取得される実施形態では（ブロック５０２）、各値は、そのそれぞれのタイムスタンプに沿って、組み込みビッグデータ記憶装置の同じエントリ内に、または異なるエントリ内に記憶される。

ブロック５０６では、例えば新たな知識、有意義な関係、パターン、相関性、トレンド等を学習、予測、または発見するために、記憶されたデータの一部分について１つ以上の学習分析が行われる。１つ以上の学習分析（例えば、組み込みデータ分析器１２４の１つ以上によって遂行されるような）は、上で検討したもの等の任意の数のデータディスカバリならびに／または学習アルゴリズム及び技術、例えば、部分最小二乗回帰、ランダムフォレスト、パターン認識、予測分析、相関分析、主成分分析、機械学習分析、データマイニング、データディスカバリ、または他の技術、を含み得る。一実施例では、組み込みビッグデータ機器１１６は、記憶されたデータのうちの少なくとも一部を分析してデータパターンを抽出し、次にデータパターンを評価して、知識を表わす興味深いパターンを興味深さの尺度に基づいて発見する。一部の場合では、組み込みビッグデータ機器１１６は、１つ以上のどの学習分析を使用するか決定し、記憶されたデータのどの部分（または、一部の場合では、全部）を１つ以上の学習分析が処理すべきか決定する。例えば、学習分析の決定は、学習分析の選択または導出を含む。したがって、学習分析の選択または導出は、例えば、記憶されたデータに関連付けられたそれぞれのタイムスタンプに基づいて、記憶されたデータ内に存在するオフセットまたは他の尺度に基づいて、記憶されたデータの発生元であるフィールドデバイスの種類に基づいて、記憶されたデータ内の特定の識別されたクラスタに基づいて等、記憶されたデータのうちの少なくとも一部分の１つ以上の特性に基づいてもよい。

ブロック５０８では、学習分析の結果を示す学習知識が、例えば、組み込みビッグデータ機器１１６によって作成または生成される。例えば、作成または生成された学習知識は学習されたデータ及び／または１つ以上の学習されたアプリケーション、機能、ルーチン、サービス、またはそれらの修正を含む。学習知識は、任意の数の予知、モデリング、診断、及び／またはトラブルシューティング目的にとって有用な新たな情報を（例えば、方法５００を遂行するデバイスに、他の分散ビッグデータデバイスに、及び／または中央集中型プロセス制御システムビッグデータ機器１０８に）提供し得る。典型的には、学習知識は、組み込みビッグデータ装置１１６の組み込みビッグデータ記憶装置１２０にローカルで記憶されるか、または追加されるが、必ずしもそうとは限らない。

ブロック５１０では、学習知識（ブロック５０５）に基づいて、方法５００は、プロセスプラントのプロセスの少なくとも一部分をリアルタイムで制御する分散ビッグデータデバイスの動作を修正することを含む。例えば、学習知識は、後にデバイスによって遂行される新たな診断の作成、またはデバイス内に実装される新たなプロセスモデルの作成をもたらし得る。追加としてまたは代替として、この方法は、例えば受信側の分散ビッグデータデバイスがそのそれぞれの学習分析で利用するように、学習知識の少なくとも一部を別の分散ビッグデータデバイスＤＢＤに、かつ／または中央集中型ビッグデータ機器１０８に伝送させることを含む。一部の実施形態では、ブロック５１０または５１２のうち１つのみが、方法５００に含まれている。他の実施形態では、ブロック５１０及びブロック５１２は、順番に実行されて、その結果、分散ビッグデータデバイスが先ず学習知識（ブロック５１０）に基づいてその動作を修正して次にその学習知識を他のビッグデータデバイス（ブロック５１２）に伝送するが、その逆を行ってもよい。方法５００のさらに他の実施形態では、ブロック５１０及び５１２は、並列して実行される。

方法５００は、任意追加的に、プロセスプラント内の他の分散ビッグデータデバイスＤＢＤから、及び／または中央集中型ビッグデータ機器１０８から、追加的な学習知識（ブロック５１４）を受信することを含む。分散ビッグデータデバイスは、受信した学習知識を（例えば、その組み込み記憶装置１２０に）記憶し得（ブロック５０４）、追加的な学習知識及び記憶されたデータの少なくとも一部分について１つ以上の後続の学習分析（ブロック５０６）を遂行し得る。１つ以上の後続の学習分析の出力に基づいて、追加的な学習知識は、分散ビッグデータデバイスで作成、生成（ブロック５０８）、かつ任意追加的に記憶され得る。一部の状況では、新たに生成された学習知識に基づいて、分散データデバイスの１つ以上の動作が修正され（ブロック５１０）、かつ／または新たな学習知識の少なくとも一部が１つ以上の他のビッグデータデバイス（ブロック５１２）またはアプリケーションに伝送される。

本開示に記載の技術の実施形態は、任意の数の以下の態様を単独で、または組み合わせて含み得る。

１．プロセスプラントにおいて分散ビッグデータを支援するためのプロセス制御デバイスであって、プロセッサと、該プロセッサによって実行されるとき、プロセスの少なくとも一部分を制御するために使用されるプロセスデータを生成すること、またはプロセスの少なくとも一部分を制御するように、受信されたプロセスデータを処理すること、のうちの少なくとも１つによって、プロセスプラントによって実行されるプロセスの少なくとも一部分を該プロセス制御デバイスがリアルタイムで制御するように動作させる１組のコンピュータ実行可能な命令が記憶された１つ以上のコンピュータ読み取り可能な非一時的有形記憶媒体を備える、プロセス制御デバイス。したがって、生成されたプロセスデータ及び受信されたプロセスデータは、プロセスのリアルタイム制御から生成されるプロセスデータであり得る。プロセス制御デバイスは、プロセス制御デバイスの種類の表示であって、該種類は、フィールドデバイス、コントローラ、または該フィールドデバイスと該コントローラとの間に配され、それらに接続される入力／出力（Ｉ／Ｏ）デバイスのうちの１つに対応する、表示をさらに含む。さらに、プロセス制御デバイスは、生成されたプロセスデータ及び受信されたプロセスデータを記憶し、該記憶されたプロセスデータの少なくとも一部分について学習分析を遂行し、該学習分析の結果に基づいて学習知識を作成し、かつ該学習知識をプロセスプラント内の別のプロセス制御デバイスに伝送させるように構成されている、組み込みビッグデータ装置を含む。

２．記憶されたプロセスデータは、複数の種類のデータを含み、１組のの記憶されたプロセスデータの種類は、プロセスプラントによって実行されるプロセスを制御することに対応する連続データ、イベントデータ、測定データ、バッチデータ、計算されたデータ、及び構成データを含む、第１の態様に記載のプロセス制御デバイス。

３．組み込みビッグデータ装置は、記憶されたプロセスデータに基づいて学習分析を判定するようにさらに構成され、学習分析の判定は、学習分析の選択または導出のうちの少なくとも１つである、第１〜２の態様のいずれか一項に記載のプロセス制御デバイス。

４．学習分析は、部分最小二乗回帰分析、ランダムフォレスト、パターン認識、予測分析、相関分析、主成分分析、データマイニング、またはデータディスカバリのうちの少なくとも１つを含む、第１〜３の態様のいずれか一項に記載のプロセス制御デバイス。

５．組み込みビッグデータ装置は、別のビッグデータデバイスから別のデータ分析アルゴリズムを受信し、別のデータ分析アルゴリズムを実行するようにさらに構成されている、第１〜４の態様のいずれか一項に記載のプロセス制御デバイス。

６．別のビッグデータデバイスは、プロセスプラントの別の分散データデバイスもしくは中央集中型ビッグデータデバイスのうちの１つであるか、または別のデータ分析は、Ｒスクリプト、Ｐｙｔｈｏｎスクリプト、もしくはＭａｔｌａｂスクリプトのうちの少なくとも１つを含むか、のうちの少なくとも１つである、第１〜５の態様のいずれか一項に記載のプロセス制御デバイス。

７．プロセス制御デバイスは、学習知識に基づいて、プロセスプラントによって実行されるプロセスをリアルタイムで制御するように、プロセス制御デバイスの動作を修正し、かつ修正の表示を、学習知識と共に、別のプロセス制御デバイスに伝送させるようにさらに構成されている、第１〜６の態様のいずれか一項に記載のプロセス制御デバイス。

８．修正は、更新されたプロセスモデルである、第１〜７の態様のいずれか一項に記載のプロセス制御デバイス。

９．プロセス制御デバイスを有線通信ネットワークまたは無線通信ネットワークのうちの少なくとも１つに接続する１つ以上のインターフェースをさらに備える、第１〜８の態様のいずれか一項に記載のプロセス制御デバイス。

１０．１つ以上のインターフェースは、学習知識が別のプロセス制御デバイスに伝送される第１の通信ネットワークに連結された第１のインターフェースと、第１の通信ネットワークとは異なる第２の通信ネットワークに連結される第２のインターフェースであって、生成されたプロセスデータの伝送または受信されたプロセスデータの受信のうちの少なくとも１つのためにプロセス制御デバイスによって使用される、第２のインターフェースと、を含む、第１〜９の態様のいずれか一項に記載のプロセス制御デバイス。

１１．学習知識は、第１の学習知識であり、学習分析は、第１の学習分析であり、別のプロセス制御デバイスは、第１の他のプロセス制御デバイスであり、組み込みビッグデータ装置は、第１の他のプロセス制御デバイスによって作成されたか、または第２の他のプロセス制御デバイスによって作成された第２の学習知識を受信し、かつ、（ｉ）受信された第２の学習知識に基づいて、プロセスをリアルタイムで制御するようにプロセス制御デバイスの動作を修正すること、または（２）記憶されたプロセスデータ及び受信された第２の学習知識のうちの少なくとも一部について第２の学習分析を遂行すること、のうちの少なくとも１つを行う、ようにさらに構成されている、第１〜１０の態様のいずれか一項に記載のプロセス制御デバイス。

１２．学習知識は、プロセス制御デバイスにとって以前知られていなかった追加的データ、またはアプリケーション、サービス、ルーチン、もしくは機能のうちの少なくとも１つを含む、第１〜１１の態様のいずれか一項に記載のプロセス制御デバイス。

１３．プロセスプラントの通信ネットワークに通信可能に連結され、プロセスプラント内のプロセスをリアルタイムで制御するように動作するデバイスで、第１〜１２の態様に記載がないか、または第１〜１２の態様のうち１項以上に記載のデバイスを使用する、分散ビッグデータの支援方法。該方法は、該デバイスにおいてデータを収集することを含み、該収集されたデータは、（ｉ）該デバイスによって生成されたデータ、（ｉｉ）該デバイスによって作成されたデータ、または（ｉｉｉ）該デバイスで受信されたデータ、のうちの少なくとも１つを含む。収集されたデータは、一般にプロセスのリアルタイムでの制御の結果であり、デバイスの種類は、フィールドデバイス、コントローラ、及び入力／出力（Ｉ／Ｏ）デバイスを含む１組のデバイスの種類に含まれる。方法は、デバイスの組み込みビッグデータ装置内に、収集されたデータを記憶することと、デバイスの組み込みビッグデータ装置によって、記憶されたデータの少なくとも一部分について学習分析を遂行することと、も含む。さらに、方法は、学習分析の結果を示す学習知識を生成することと、学習知識に基づいて、プロセスをリアルタイムで制御するように、デバイスの動作を修正することと、を含む。

１４．デバイスにおいて該データを収集することは、デバイスによって生成された全てのデータを収集すること、デバイスによって作成された全てのデータを収集すること、またはデバイスによって受信された全てのデータを収集すること、のうちの少なくとも１つを含む、第１〜１３の態様のいずれか一項に記載の方法。

１５．デバイスにおいてデータを収集することは、デバイスによって生成されるデータを生成の速度で収集すること、デバイスによって作成される全てのデータを作成の速度で収集すること、またはデバイスによって受信される全てのデータを受信の速度で収集すること、のうちの少なくとも１つを含む、第１〜１４の態様のいずれか一項に記載の方法。

１６．デバイスにおいてデータを収集することは、連続データ、イベントデータ、測定データ、バッチデータ、計算されたデータ、及び構成データを含む１組のデータの種類に含まれる少なくとも１種類のデータをデバイスにおいて収集することを含む、第１〜１５の態様のいずれか一項に記載の方法。

１７．デバイスは、第１のデバイスであり、学習知識は、第１の学習知識であり、デバイスの動作は、第１の動作であり、方法は、第２のデバイスによって生成された第２の学習知識を第１のデバイスにおいて受信することと、第１のデバイスの組み込みビッグデータ装置によって、第２の学習知識及び記憶されたデータの少なくとも一部について、さらなる学習分析を遂行することと、第１のデバイスの組み込みビッグデータ装置によって、さらなる学習分析の結果を示すさらなる学習知識を生成することと、さらなる学習知識に基づいて、プロセスをリアルタイムで制御するように、デバイスの第１の動作または第２の操作を修正することと、をさらに含む、第１〜１６の態様のいずれか一項に記載の方法。

１８．第２のデバイスによって生成された第２の学習知識を受信することは、フィールドデバイス、コントローラ、Ｉ／Ｏデバイス、ユーザーインターフェースデバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、またはネットワーク管理デバイスのうちの１つである別のデバイスによって生成された第２の学習知識を受信することを含む、第１〜１７の態様のいずれか一項に記載の方法。

１９．学習知識を別のデバイスに伝送させることをさらに含み、別のデバイスのデバイス種類は、１組のデバイスの種類に含まれる、第１〜１８の態様のいずれか一項に記載の方法。

２０．学習知識を生成することは、デバイスにとって以前知られていなかった追加的データ、新たなもしくは修正されたアプリケーション、新たなもしくは修正された機能、新たなもしくは修正されたルーチン、または新たなもしくは修正されたサービスのうちの少なくとも１つを生成することを含む、第１〜１９の態様のいずれか一項に記載の方法。

２１．学習分析を遂行することは、機械学習分析、予測分析、データマイニング、またはデータディスカバリのうちの少なくとも１つを遂行することを含む、第１〜２０の態様のいずれか一項に記載の方法。

２２．複数のノードを有し、該複数のノードのうちの少なくとも１つは、該プロセスプラントにおいて実行されるプロセスをリアルタイムで制御するように動作するプロセス制御デバイスであり、該複数のノードの各々は、該プロセスプラントにおいて実行される該プロセスの制御から発生するリアルタイムで生成されたデータを収集し、該収集されたデータを、該複数のノードの該各々に含まれる各組み込みビッグデータ装置にローカルで記憶し、かつ該複数のノードの該各々に含まれる該各組み込みビッグデータ装置を使用して、該ローカルに記憶されたデータの少なくとも一部分について各学習分析を遂行するように構成されている、通信ネットワークを備える、プロセスプラントにおいて分散ビッグデータを支援するためのシステム。該複数のノードに含まれる第１のノードは、該各学習分析の遂行の結果を示す学習知識を、該複数のノードに含まれる第２のノードに、該第２のノードによって遂行される１つ以上の学習分析における使用のために、伝送させるようにさらに構成されている。該システムは、第１〜２１の態様に記載がないか、または１項以上に記載の方法を遂行するように構成され得、第１〜２１の態様のいずれか一項に記載のプロセス制御デバイスを含み得る。

２３．プロセス制御デバイスは、１組の入力を受信し、該１組の入力に基づいて出力の値を決定するように構成されているコントローラである、第１〜２２の態様のいずれか一項に記載のシステム。該コントローラは、該出力をフィールドデバイスに伝送させて、プロセスプラントによって実行されるプロセスを制御するようにさらに構成され、該フィールドデバイスは、該コントローラの該出力に基づいて物理的機能を遂行して、プロセスプラントによって実行されるプロセスを制御するように構成されている。

２４．通信ネットワークは、第１の通信ネットワークであり、コントローラは、１組の入力のうちの少なくとも１つの入力を第２の通信ネットワークへのインターフェースで受信すること、または該第２の通信ネットワークへの該インターフェースを介して、出力をフィールドデバイスに伝送させること、のうちの少なくとも１つを行うように構成されている、第１〜２３の態様のいずれか一項に記載のシステム。

２５．学習知識は、アプリケーション、機能、サービス、またはルーチンのうちの少なくとも１つを含む、第１〜２４の態様のいずれか一項に記載のシステム。

２６．各学習分析の遂行の結果は、ローカルに記憶されたデータの少なくとも一部分の特性に基づく予測を含む、第１〜２５の態様のいずれか一項に記載のシステム。

２７．各学習分析の遂行の結果は、第１のノードに以前知られていなかった追加的なデータを含む、第１〜２６の態様のいずれか一項に記載のシステム。

２８．学習知識は、第１の学習知識であり、第２のノードは、第１の学習知識を第１のノードから受信し、第２のノードに含まれるそれぞれの組み込みビッグデータ装置によって、第１の学習知識及び第２のノードでローカルに収集され記憶されたデータの少なくとも一部分について１つ以上の学習分析を遂行し、遂行された１つ以上の学習分析から第２の学習知識を生成し、かつ、第２のノードのそれぞれの組み込みビッグデータ装置において、第２の学習知識を記憶すること、第２の学習知識に基づいてプロセスを制御するように第２のノードの動作を修正すること、または第２の学習知識を複数のノードのうちの第３のノードに伝送させること、のうちの少なくとも１つを行う、ように構成されている、第１〜２７の態様のいずれか一項に記載のシステム。

２９．第３のノードは、第２の学習知識を第２のノードから受信し、第３のノードのそれぞれの組み込みビッグデータ装置によって、第２の学習知識及び第３のノードでローカルに収集され記憶されたデータの少なくとも一部分について１つ以上の学習分析を遂行し、遂行された１つ以上の学習分析から第３の学習知識を生成し、かつ、第３のノードのそれぞれの組み込みビッグデータ装置において第３の学習知識を記憶すること、第３の学習知識に基づいてプロセスを制御するように第３のノードの動作を修正すること、または第３の学習知識を複数のノードのうちの第４のノードに伝送させること、のうちの少なくとも１つを行う、ように構成されている、第１〜２８の態様のいずれか一項に記載のシステム。

３０．複数のノードは、１組の入力を受信し、該１組の入力に基づいて出力の値を決定し、該出力を第１のフィールドデバイスに伝送させて、プロセスプラントによって実行されるプロセスを制御するように構成されているコントローラと、該コントローラの該出力に基づいて物理的機能を遂行してプロセスを制御するように構成されているフィールドデバイスと、該コントローラへのインターフェース及び少なくとも１つのフィールドデバイスへのインターフェースを備える入力／出力（Ｉ／Ｏ）デバイスと、ユーザーインターフェースデバイスと、ゲートウェイデバイスと、アクセスポイントと、ルーティングデバイスと、ヒストリアンデバイスと、ネットワーク管理デバイスと、を含む１組のデバイスからの少なくとも２つのデバイスを含む、第１〜２９の態様のいずれか一項に記載のシステム。

ソフトウェアで実装される場合、本明細書に記載のいずれのアプリケーション、サービス、及びエンジンも、磁気ディスク、レーザーディスク、ソリッドステートメモリデバイス、分子メモリ記憶デバイス、もしくは他の記憶媒体上に、コンピュータもしくはプロセッサのＲＡＭもしくはＲＯＭ内に等、任意のコンピュータ読み取り可能な非一時的有形メモリに記憶され得る。本明細書で開示されたシステム例は、他のコンポーネントのなかでもハードウェア上で実行されるソフトウェア及び／またはファームウェアを含むとして開示されているものの、このようなシステムは単に例示的なものであり、限定的にみなされるべきではないことに留意されたい。例えば、これらのハードウェア、ソフトウェア、及びファームウェアのコンポーネントのいずれかまたは全ては、専らハードウェアで、専らソフトウェアで、またはハードウェアとソフトウェアとの任意の組み合わせで、具現化され得ることが企図されている。したがって、本明細書に記載のシステム例は、１つ以上のコンピュータデバイスのプロセッサ上で実行されるソフトウェアで実装されるとして説明されているものの、当業者は、提供された実施例がこのようなシステムを実装する唯一の方法ではないことを容易に理解するであろう。

したがって、本発明は、単に例示的となること及び本発明を限定しないことを意図する特定の実施例を参照して説明されてきたものの、本発明の趣旨及び範囲から逸脱することなく開示された実施形態に対して変更、追加、または削除を行うことができることは、当業者には自明であろう。

Claims (30)

1. プロセスプラントにおいて分散ビッグデータを支援するためのプロセス制御デバイスであって、
   プロセッサと、
   前記プロセッサによって実行されるとき、生成されたプロセスデータ及び受信されたプロセスデータが、プロセスのリアルタイム制御から生成されたプロセスデータである、
   前記プロセスの少なくとも一部分を制御するために使用されるプロセスデータを生成すること、または
   前記プロセスの前記少なくとも一部分を制御するように、受信されたプロセスデータを処理すること、のうちの少なくとも１つにより、前記プロセスプラントによって実行されるプロセスの少なくとも一部分を前記プロセス制御デバイスがリアルタイムで制御するように動作させる、１組のコンピュータ実行可能な命令が記憶された１つ以上のコンピュータ読み取り可能な非一時的有形記憶媒体と、
   前記プロセス制御デバイスの種類の表示であって、前記種類は、フィールドデバイス、コントローラ、または前記フィールドデバイスと前記コントローラとの間に配され、それらに接続される入力／出力（Ｉ／Ｏ）デバイスのうちの１つに対応する、表示と、
   組み込みビッグデータ装置であって、
   前記生成されたプロセスデータ及び前記受信されたプロセスデータを記憶し、
   前記記憶されたプロセスデータの少なくとも一部分について学習分析を遂行し、
   前記学習分析の結果に基づいて学習知識を作成し、かつ
   前記学習知識を前記プロセスプラント内の別のプロセス制御デバイスに伝送させるように構成されている、組み込みビッグデータ装置と、を備える、プロセス制御デバイス。
2. 前記記憶されたプロセスデータは、複数の種類のデータを含み、１組の前記記憶されたプロセスデータの種類は、前記プロセスプラントによって実行される前記プロセスを制御することに対応する連続データ、イベントデータ、測定データ、バッチデータ、計算されたデータ、及び構成データを含む、請求項１に記載のプロセス制御デバイス。
3. 前記組み込みビッグデータ装置は、前記記憶されたプロセスデータに基づいて前記学習分析を判定するようにさらに構成され、前記学習分析の前記判定は、前記学習分析の選択または導出のうちの少なくとも１つである、請求項１に記載のプロセス制御デバイス。
4. 前記学習分析は、部分最小二乗回帰分析、ランダムフォレスト、パターン認識、予測分析、相関分析、主成分分析、データマイニング、またはデータディスカバリのうちの少なくとも１つを含む、請求項１に記載のプロセス制御デバイス。
5. 前記組み込みビッグデータ装置は、別のビッグデータデバイスから別のデータ分析アルゴリズムを受信し、前記別のデータ分析アルゴリズムを実行するようにさらに構成されている、請求項１に記載のプロセス制御デバイス。
6. 前記別のビッグデータデバイスは、前記プロセスプラントの別の分散データデバイスもしくは中央集中型ビッグデータデバイスのうちの１つであるか、または
   前記別のデータ分析は、Ｒスクリプト、Ｐｙｔｈｏｎスクリプト、もしくはＭａｔｌａｂ（登録商標）スクリプトのうちの少なくとも１つを含むか、のうちの少なくとも１つである、請求項５に記載のプロセス制御デバイス。
7. 前記プロセス制御デバイスは、
   前記学習知識に基づいて、前記プロセスプラントによって実行される前記プロセスをリアルタイムで制御するように、前記プロセス制御デバイスの動作を修正し、かつ
   前記修正の表示を、前記学習知識と共に、前記別のプロセス制御デバイスに伝送させるようにさらに構成されている、請求項１に記載のプロセス制御デバイス。
8. 前記修正は、更新されたプロセスモデルである、請求項７に記載のプロセス制御デバイス。
9. 前記プロセス制御デバイスを有線通信ネットワークまたは無線通信ネットワークのうちの少なくとも１つに接続する１つ以上のインターフェースをさらに備える、請求項１に記載のプロセス制御デバイス。
10. 前記１つ以上のインターフェースは、
    前記学習知識が前記別のプロセス制御デバイスに伝送される第１の通信ネットワークに連結された第１のインターフェースと、
    前記第１の通信ネットワークとは異なる第２の通信ネットワークに連結される第２のインターフェースであって、前記生成されたプロセスデータの伝送または前記受信されたプロセスデータの受信のうちの少なくとも１つのために前記プロセス制御デバイスによって使用される、第２のインターフェースと、を含む、請求項９に記載のプロセス制御デバイス。
11. 前記学習知識は、第１の学習知識であり、前記学習分析は、第１の学習分析であり、かつ前記別のプロセス制御デバイスは、第１の他のプロセス制御デバイスであって、
    前記組み込みビッグデータ装置は、
    前記第１の他のプロセス制御デバイスによって作成されたか、または第２の他のプロセス制御デバイスによって作成された第２の学習知識を受信し、
    かつ、（ｉ）前記受信された第２の学習知識に基づいて、前記プロセスをリアルタイムで制御するように前記プロセス制御デバイスの動作を修正すること、または（２）前記記憶されたプロセスデータ及び前記受信された第２の学習知識のうちの少なくとも一部について第２の学習分析を遂行すること、のうちの少なくとも１つを行う、ようにさらに構成されている、請求項１に記載のプロセス制御デバイス。
12. 前記学習知識は、前記プロセス制御デバイスにとって以前知られていなかった追加的データ、アプリケーション、サービス、ルーチン、または機能のうちの少なくとも１つを含む、請求項１に記載のプロセス制御デバイス。
13. プロセスプラントの通信ネットワークに通信可能に連結され、前記プロセスプラント内のプロセスをリアルタイムで制御するように動作するデバイスを使用する、分散ビッグデータの支援方法であって、
    （ｉ）前記デバイスによって生成されたデータ、（ｉｉ）前記デバイスによって作成されたデータ、または（ｉｉｉ）前記デバイスで受信されたデータ、のうちの少なくとも１つを含み、
    前記プロセスのリアルタイムでの制御から発生するデータを、
    種類が、フィールドデバイス、コントローラ、及び入力／出力（Ｉ／Ｏ）デバイスを含む１組のデバイスの種類に含まれるデバイスで収集することと、
    前記デバイスの組み込みビッグデータ装置内に、前記収集されたデータを記憶することと、
    前記デバイスの前記組み込みビッグデータ装置によって、前記記憶されたデータの少なくとも一部分について学習分析を遂行することと、
    前記学習分析の結果を示す学習知識を生成することと、
    前記学習知識に基づいて、前記プロセスをリアルタイムで制御するように、前記デバイスの動作を修正することと、を含む、方法。
14. 前記デバイスにおいて前記データを収集することは、前記デバイスによって生成された全てのデータを収集すること、前記デバイスによって作成された全てのデータを収集すること、または前記デバイスによって受信された全てのデータを収集すること、のうちの少なくとも１つを含む、請求項１３に記載の方法。
15. 前記デバイスにおいて前記データを収集することは、前記デバイスによって生成されるデータを生成の速度で収集すること、前記デバイスによって作成される全てのデータを作成の速度で収集すること、または前記デバイスによって受信される全てのデータを受信の速度で収集すること、のうちの少なくとも１つを含む、請求項１３に記載の方法。
16. 前記デバイスにおいて前記データを収集することは、連続データ、イベントデータ、測定データ、バッチデータ、計算されたデータ、及び構成データを含む１組のデータの種類に含まれる少なくとも１種類のデータを前記デバイスにおいて収集することを含む、請求項１３に記載の方法。
17. 前記デバイスは、第１のデバイスであり、前記学習知識は、第１の学習知識であり、かつ前記デバイスの前記動作は、第１の動作であって、
    前記方法は、
    第２のデバイスによって生成された第２の学習知識を前記第１のデバイスにおいて受信することと、
    前記第１のデバイスの前記組み込みビッグデータ装置によって、前記第２の学習知識及び前記記憶されたデータの少なくとも一部について、さらなる学習分析を遂行することと、
    前記第１のデバイスの前記組み込みビッグデータ装置によって、前記さらなる学習分析の結果を示すさらなる学習知識を生成することと、
    さらなる学習知識に基づいて、前記プロセスをリアルタイムで制御するように、前記デバイスの前記第１の動作または第２の操作を修正することと、をさらに含む、請求項１３に記載の方法。
18. 前記第２のデバイスによって生成された前記第２の学習知識を受信することは、フィールドデバイス、コントローラ、Ｉ／Ｏデバイス、ユーザーインターフェースデバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、またはネットワーク管理デバイスのうちの１つである別のデバイスによって生成された前記第２の学習知識を受信することを含む、請求項１７に記載の方法。
19. 前記学習知識を別のデバイスに伝送させることをさらに含み、前記別のデバイスの種類は、前記１組のデバイスの種類に含まれる、請求項１３に記載の方法。
20. 前記学習知識を生成することは、前記デバイスにとって以前知られていなかった追加的データ、新たなもしくは修正されたアプリケーション、新たなもしくは修正された機能、新たなもしくは修正されたルーチン、または新たなもしくは修正されたサービスのうちの少なくとも１つを生成することを含む、請求項１３に記載の方法。
21. 前記学習分析を遂行することは、機械学習分析、予測分析、データマイニング、またはデータディスカバリのうちの少なくとも１つを遂行することを含む、請求項１３に記載の方法。
22. 複数のノードを有し、前記複数のノードのうちの少なくとも１つは、プロセスプラントにおいて実行されるプロセスをリアルタイムで制御するように動作するプロセス制御デバイスであり、前記複数のノードの各々が、
    前記プロセスプラントにおいて実行される前記プロセスの制御から発生するリアルタイムで生成されたデータを収集し、
    前記収集されたデータを、前記複数のノードの前記各々に含まれる各組み込みビッグデータ装置にローカルで記憶し、
    前記複数のノードの前記各々に含まれる前記各組み込みビッグデータ装置によって、前記ローカルに記憶されたデータの少なくとも一部分について各学習分析を遂行するように構成される、通信ネットワークを備えるプロセスプラントにおいて分散ビッグデータを支援するためのシステムであって、
    前記複数のノードに含まれる第１のノードは、前記各学習分析の遂行の結果を示す学習知識を、前記複数のノードに含まれる第２のノードに、前記第２のノードの前記各学習分析における、または前記第２のノードの別の各学習分析における使用のために、伝送させるようにさらに構成されている、システム。
23. 前記プロセス制御デバイスは、１組の入力を受信し、前記１組の入力に基づいて出力の値を決定し、前記出力をフィールドデバイスに伝送させて、前記プロセスプラントによって実行される前記プロセスを制御するように構成されるコントローラであり、
    前記フィールドデバイスは、前記コントローラの前記出力に基づいて物理的機能を遂行して、前記プロセスプラントによって実行される前記プロセスを制御するように構成されている、請求項２２に記載のシステム。
24. 前記通信ネットワークは、第１の通信ネットワークであり、前記コントローラは、
    前記１組の入力のうちの少なくとも１つの入力を第２の通信ネットワークへのインターフェースで受信すること、または
    前記第２の通信ネットワークへの前記インターフェースを介して、前記出力を前記フィールドデバイスに伝送させること、のうちの少なくとも１つを行うように構成されている、請求項２３に記載のシステム。
25. 前記学習知識は、アプリケーション、機能、サービス、またはルーチンのうちの少なくとも１つを含む、請求項２２に記載のシステム。
26. 前記各学習分析の前記遂行の前記結果は、前記ローカルに記憶されたデータの前記少なくとも一部分の特性に基づく予測を含む、請求項２２に記載のシステム。
27. 前記各学習分析の前記遂行の前記結果は、前記第１のノードに以前知られていなかった追加的なデータを含む、請求項２２に記載のシステム。
28. 前記学習知識は、第１の学習知識であり、前記第２のノードは、
    前記第１の学習知識を前記第１のノードから受信し、
    前記第２のノードに含まれるそれぞれの組み込みビッグデータ装置によって、前記第１の学習知識及び前記第２のノードでローカルに収集され記憶されたデータの少なくとも一部分について、前記第２のノードの前記それぞれの学習分析または前記第２のノードの別のそれぞれの学習分析を遂行し、かつ、
    前記第２のノードの前記それぞれの組み込みビッグデータ装置において、前記第２のノードの前記それぞれの学習分析または前記第２のノードの前記別のそれぞれの学習分析の結果前記遂行を示す、第２の学習知識を記憶すること、
    前記第２の学習知識に基づいて前記プロセスを制御するように前記第２のノードの動作を修正すること、または、
    前記第２の学習知識を前記複数のノードのうちの第３のノードに伝送させること、のうちの少なくとも１つを行う、ように構成されている、請求項２２に記載のシステム。
29. 前記第３のノードは、
    前記第２の学習知識を前記第２のノードから受信し、
    前記第３のノードのそれぞれの組み込みビッグデータ装置によって、前記第２の学習知識及び前記第３のノードでローカルに収集され記憶されたデータの少なくとも一部分について、前記第３のノードの前記それぞれの学習分析または前記第３のノードの別のそれぞれの学習分析を遂行し、かつ、
    前記第３のノードの前記それぞれの組み込みビッグデータ装置において、前記第３のノードの前記それぞれの学習分析または前記第３のノードの前記別のそれぞれの学習分析の結果前記遂行を示す、第３の学習知識を記憶すること、
    前記第３の学習知識に基づいて前記プロセスを制御するように前記第３のノードの動作を修正すること、または、
    前記第３の学習知識を前記複数のノードのうちの第４のノードに伝送させること、のうちの少なくとも１つを行う、ように構成されている、請求項２８に記載のシステム。
30. 前記複数のノードは、
    １組の入力を受信し、前記１組の入力に基づいて出力の値を決定し、前記出力を第１のフィールドデバイスに伝送させて、前記プロセスプラントによって実行される前記プロセスを制御するように構成されるコントローラであって、前記第１のフィールドデバイスは、前記コントローラの前記出力に基づいて物理的機能を遂行して前記プロセスを制御するように構成されている、コントローラと、
    前記第１のフィールドデバイスまたは第２のフィールドデバイスと、
    前記コントローラへのインターフェース、及び前記第１のフィールドデバイスまたは前記第２のフィールドデバイスのうちの少なくとも１つへのインターフェースを備える入力／出力（Ｉ／Ｏ）デバイスと、
    ユーザーインターフェースデバイスと、
    ゲートウェイデバイスと、
    アクセスポイントと、
    ルーティングデバイスと、
    ヒストリアンデバイスと、
    ネットワーク管理デバイスと、を含む１組のデバイスからの少なくとも２つのデバイスを含む、請求項２２に記載のシステム。