JP2018073417A - プロセスデバイス状態及び性能監視 - Google Patents

プロセスデバイス状態及び性能監視 Download PDF

Info

Publication number
JP2018073417A
JP2018073417A JP2017205479A JP2017205479A JP2018073417A JP 2018073417 A JP2018073417 A JP 2018073417A JP 2017205479 A JP2017205479 A JP 2017205479A JP 2017205479 A JP2017205479 A JP 2017205479A JP 2018073417 A JP2018073417 A JP 2018073417A
Authority
JP
Japan
Prior art keywords
valve
process plant
data
devices
process parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2017205479A
Other languages
English (en)
Other versions
JP2018073417A5 (ja
JP7324564B2 (ja
Inventor
ジェイ． ニクソン マーク
Mark J Nixon
ジェイ． ニクソン マーク
ビー． キッド ジョシュア
B Kidd Joshua
ビー． キッド ジョシュア
ジェイ．ブードロー マイケル
J Boudreaux Michael
ジェイ．ブードロー マイケル
ダブリュ． アンダーソン ショーン
W Anderson Shawn
ダブリュ． アンダーソン ショーン
ロトヴォルド エリック
Rotvold Eric
ロトヴォルド エリック
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fisher Rosemount Systems Inc
Original Assignee
Fisher Rosemount Systems Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fisher Rosemount Systems Inc filed Critical Fisher Rosemount Systems Inc
Publication of JP2018073417A publication Critical patent/JP2018073417A/ja
Publication of JP2018073417A5 publication Critical patent/JP2018073417A5/ja
Priority to JP2023065359A priority Critical patent/JP2023085548A/ja
Application granted granted Critical
Publication of JP7324564B2 publication Critical patent/JP7324564B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32191—Real time statistical process monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

【課題】プロセスプラントから遠隔システムへの通信をセキュリティ保護する。
【解決手段】データがプラントから出ることを可能にするが、プラント及び関連するシステムへのデータの侵入を防止する、その間に配置されたデータダイオードを含む。その後、安全な通信からのプロセスプラントデータを分析して、様々な機械学習技術を使用してプロセスプラント内のプロセスプラントエンティティで発生する状態を検出する。プロセスプラントエンティティがバルブであるとき、バルブに対する動作モードが判定され、バルブが動作する各々のモードに対して異なる分析が適用される。付加的に、各々のバルブのプロセスプラントデータは、同じプロセスプラント、企業、工業などの他のバルブと比較される。したがって、各々のバルブの健全性は、互いに相対的にランク付けされ、各々のバルブに対するプロセスプラントデータは、並列比較されて表示される。
【選択図】図３

Description

＜関連参考文献＞
本開示は、２０１４年１０月６日に出願され、「Ｒｅｇｉｏｎａｌ Ｂｉｇ Ｄａｔａ
ｉｎ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍｓ」と題する共同所有の米国特許出願第１４／５０７，１８８号、２０１６年９月２３日に出願され、「Ｄａｔａ Ａｎａｌｙｔｉｃｓ Ｓｅｒｖｉｃｅｓ ｆｏｒ Ｄｉｓｔｒｉｂｕｔｅｄ Ｉｎｄｕｓｔｒｉａｌ Ｐｅｒｆｏｒｍａｎｃｅ Ｍｏｎｉｔｏｒｉｎｇ」という名称の米国特許出願第１５／２７４，５１９号、２０１６年９月２３日に出願され、「Ｄｉｓｔｒｉｂｕｔｅｄ
Ｉｎｄｕｓｔｒｉａｌ Ｐｅｒｆｏｒｍａｎｃｅ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ａｎａｌｙｔｉｃｓ」という名称の米国特許出願第１５／２７４，２３３号、及び米国特許出願第１５／３３２，７５１号（本明細書と共に援用され、「Ｓｅｃｕｒｅｄ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ」（代理人整理番号０６００５−５９３５８８）と題されている）に関連し、その全体の開示は参照により本明細書に組み込まれる。
＜技術分野＞
本開示は、一般的にプロセスプラント及びプロセス制御システムに関し、より詳細には、時系列データを分析することによってプロセスプラント内のデバイスの状態を検出することに関する。
化学プロセス、石油プロセスまたは他のプロセスプラントで使用されるものなどの分散プロセス制御システムは、Ｉ／Ｏカードまたはデバイス、アナログ、デジタルまたはアナログ／デジタルバスの組み合わせを介して１つ以上のフィールドデバイスに通信可能に結合された１つ以上のプロセスコントローラ、及び／または無線通信リンクまたはネットワークを典型的に含む。例えばバルブ、バルブ位置決め器、スイッチ、及び送信機（例えば、温度、圧力、レベル、及び流量センサ）であってもよいフィールドデバイスは、プロセス環境内に位置し、例えばバルブの開閉、プロセスプラントまたはシステム内で実行されている１つ以上のプロセスを制御するために、圧力、温度などのプロセスパラメータの測定などのような、一般に物理的またはプロセス制御機能を遂行する。周知のフィールドバスプロトコルに準拠するフィールドデバイスなど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、及びコントローラ内で通常実装される他の制御機能を遂行することもできる。典型的にプラント環境内に位置す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作られたプロセス測定値及び／またはフィールドデバイスに関する他の情報を示す信号を受信し、例えば、プロセス制御判定を行い、受信した情報に基づいて制御信号を生成し、ＨＡＲＴ（登録商標）、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）、ＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓフィールドデバイスなどのフィールドデバイスで実施される制御モジュールまたはブロックと連携する、異なる制御モジュールを動作させるコントローラアプリケーションを遂行する。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を介してフィールドデバイスに制御信号を送信し、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の動作を制御する。本明細書で使用されるように、フィールドデバイス、Ｉ／Ｏカードまたはデバイス、及びコントローラは、一般に、「プロセスデバイス（ｐｒｏｃｅｓｓ ｄｅｖｉｃｅｓ）」または「プロセス制御デバイス（ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ ｄｅｖｉｃｅｓ）」と呼ばれる。
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、データハイウェイを介して、オペレータ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、レポートジェネレータ、集中型データベース、または典型的にはより厳しいプラント環境から離れた制御室もしくは他の場所に配置される他の集中管理コンピューティングデバイスなどの１つ以上の他のハードウェアデバイスに利用可能になる。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にわたって集中化される。これらのハードウェアデバイスは、例えば、プロセス制御ルーチンの設定を変更すること、コントローラ及びフィールドデバイスプロセ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態を視認すること、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視認すること、人員の訓練またはプロセス制御ソフトウェアのテストの目的でプロセス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など、プロセスの制御及び／またはプロセスプラントの動作に関する機能を、オペレータが遂行することができるアプリケーションを実施することができる。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は、有線通信経路、無線通信経路、または有線及び無線通信経路の組み合わせを含むことができる。
一例として、Ｅｍｅｒｓｏｎ Ｐｒｏｃｅｓｓ Ｍａｎａｇｅｍｅｎｔが販売するＤｅｌｔａＶＴＭ制御システムには、プロセスプラント内の多様な場所に位置する異なるデバイスに格納され、実行される複数のアプリケーションが含まれる。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に存在する構成アプリケーションによって、ユーザが、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の分散コントローラにダウンロードすることができる。典型的には、これらの制御モジュールは、そこへの入力に基づいて制御スキーム内の機能を遂行し、制御スキーム内の他の機能ブロックに出力を提供するオブジェクト指向プログラミングプロトコル内のオブジェクトである通信可能に相互接続された機能ブロックで構成される。構成アプリケーションはまた、構成設計者が、視認アプリケーションによってデータをオペレータに表示し、オペレータがプロセス制御ルーチン内の設定点などの設定を変更することができるようにするオペレータインターフェースを作成または変更することを可能にすることができる。各々の専用コントローラ及び場合によっては１つ以上のフィールドデバイスは、実際のプロセス制御機能を実装するために割り当てられ、ダウンロードされた制御モジュールを実施するそれぞれのコントローラアプリケーションを格納及び実行する。１つ以上のオペレータワークステーション（またはオペレータ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された１つ以上の遠隔コンピューティングデバイス）上で実行される視認アプリケーションは、データハイウェイを介してコントローラアプリケーションからデータを受信し、ユーザ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、またはユーザにこのデータを表示することができ、オペレータの視点、技術者の視点、技能者の視点など、多数の異なる視点のいずれかを提供することができる。データヒストリアンアプリケーションは、典型的には、データハイウェイにわたって提供されるデータの一部または全部を収集して保存するデータヒストリアンデバイスに格納されて実行され、一方、構成データアプリケーションを、データハイウェイに接続されたさらに別のコンピュータ内で実施し、現在のプロセス制御ルーチン構成及びそれに関連するデータを格納することができる。代替的に、構成データベースを構成アプリケーションと同一のワークステーションに位置させることもできる。
一般的には、プロセスプラントのプロセス制御システムは、フィールドデバイス、コントローラ、ワークステーション、ならびに階層化ネットワーク及びバスのセットによって相互接続される他のデバイスを含む。プロセス制御システムは、例えば、製造及び運用コストを低減し、生産性及び効率を高め、プロセス制御及び／またはプロセスプラント情報などへのタイムリーなアクセスを提供するために、様々な事業体及び外部ネットワークと接続されてもよい。一方、プロセスプラント及び／またはプロセス制御システムを、企業及び／または外部のネットワーク及びシステムに相互接続することにより、企業及び／ま
たは外部ネットワークで使用されるもののような、商用システム及びアプリケーションにおいて予想される脆弱性から生じ得る、サイバー侵入及び／または悪意のあるサイバー攻撃のリスクが高まる。プロセスプラント、ネットワーク、及び／または制御システムのサイバー侵入及び悪意のあるサイバー攻撃は、一般的に言えば、汎用コンピューティングネットワークの脆弱性と同様の脆弱性である情報資産の機密性、完全性、及び／または可用性に悪影響を与える可能性がある。しかしながら、汎用コンピュータネットワークとは異なり、プロセスプラント、ネットワーク、及び／または制御システムのサイバー侵入は、プラント設備、製品、及び他の物理的資産の損傷、破壊、及び／または損失だけでなく、人命の喪失をもたらす可能性がある。例えば、サイバー侵入によってプロセスが制御不能になり、爆発、火災、洪水、危険物への曝露などが生成する可能性がある。したがって、プロセス制御プラント及びシステムに関連する通信を、セキュリティ保護することが特に重要である。
図１は、プロセス制御または工業プロセスシステムのセキュリティの例示的なレベルのブロックダイヤグラム１０を含む。ダイヤグラム１０は、プロセス制御システムの様々な構成要素、プロセス制御システムそれ自体、及びプロセス制御システムが、通信可能に接続することができる他のシステム及び／またはネットワーク間の相互接続、ならびに、プロセス制御システムと他のシステム／ネットワークの内部及び間の通信に対するセキュリティの階層またはレベルを示す。セキュリティレベルは、セグメンテーションまたは分離によるセキュリティへの階層的なアプローチを提供し、様々なレベルは１つ以上のファイアウォール１２ａ、１２ｂ、１２ｃによって保護され、異なるレベル間で許可されたトラフィックのみを可能にする。図１では、低い番号のセキュリティレベルは、制御されているオンラインプロセスに近く、高い番号のセキュリティレベルは実行プロセスからより多く削除されている。したがって、信頼レベル（例えば、メッセージ、パケット、及びその他の通信が安全であるという信頼の相対的な程度）は、デバイスレベル（レベル０）で最も高く、信頼レベルは、事業体ネットワークレベル上、例えば、公衆インターネット上で最も低レベル（レベル５）にある。ＩＳＡ（国際自動学会（Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｓｏｃｉｅｔｙ ｏｆ Ａｕｔｏｍａｔｉｏｎ））９５．０１−ＩＥＣ（国際電気標準会議（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ））６２２６４−１で標準化されている制御階層（Ｐｕｒｄｕｅ Ｍｏｄｅｌ ｆｏｒ Ｃｏｎｔｒｏｌ Ｈｉｅｒａｒｃｈｙ）論理フレームワークのパーデュ（Ｐｕｒｄｕｅ）モデルを使用すると、プロセス制御システムは一般にセキュリティレベル０〜２に分類され、製造、会社、及び企業システムは、一般にセキュリティレベル３〜５に分類される。
異なるセキュリティレベルの各々における異なる機能性の例を、図１に示す。典型的には、レベル０には、プロセスと直接接触するフィールドデバイス及び他のデバイス、例えば、センサ、バルブ、バルブ位置決め器、スイッチ、送信機、及びバルブの開閉、圧力、温度などのプロセスパラメータの測定などの物理的及び／またはプロセス制御機能を遂行する他のデバイスを含む。例示を明確にするために、例示的なフィールドデバイスは、図１には示されていない。
レベル１は、例えば、フィールドデバイスからの入力を受信し、制御スキーム、モジュール、または他の論理を使用して入力を処理し、結果出力を他のデバイスに送信することによって、プロセスのリアルタイム動作の基本制御を提供するコントローラ及び他のプロセス制御デバイス１５ａ〜１５ｄを含む。例えば、レベル１のプロセス制御デバイスは、プロセスコントローラ、プログラマブルロジックコントローラ（ＰＬＣ）、遠隔端末ユニット（ＲＴＵ）などを含むことができる。一般に、このようなプロセス制御デバイスは、それぞれの制御方式でプログラムされ、及び／または構成されている。図１に示すように、レベル１のプロセス制御デバイスは、バッチ制御１５Ａ、個別制御１５Ｂ、連続制御１
５Ｃ、ハイブリッド制御１５Ｄ、及び／または他のタイプの制御を遂行するものを含むことができる。
レベル２は、生産領域監視制御を提供するデバイス及び設備１８Ａ〜１８Ｄを含む。例えば、レベル２は、警告及び／または警報システム１８Ａ、オペレータワークステーション１８Ｃ、他のヒューマンマシンインターフェース（ＨＭＩ）１８Ｂ、１８Ｄなどを含むことができる。一般に、レベル２のデバイス及び設備は、レベル１のデバイス１５Ａ〜１５Ｄならびにレベル３のデバイス及び設備と、例えば１つ以上のファイアウォール１２Ａ、１２Ｂを介して通信することができる。
レベル３は、プラントシステム及び／またはネットワーク、例えば、デバイス、設備、及びサイト／プラント動作を管理し、所望の最終製品を生産または製造するために制御するシステム２０Ａ〜２０Ｄを収容する。例えば、レベル３は、生産制御、報告、スケジューリング等に使用される生産システム２０Ａ、品質、生産性、効率などを改善するために使用される最適化システム２０Ｂ、プロセスプラントによって生成された、及び／または示すデータを履歴化するためのヒストリアン２０Ｃ、及び／または制御スキーム及びモジュール、オペレータワークステーション、及び／またはＨＭＩインターフェースなどの設計及び開発のために要員が使用するエンジニアリングワークステーションもしくはコンピューティングデバイス２０Ｄを含むことができる。
レベル５にスキップすると、レベル５には一般的に、事業体、会社、または企業のシステム及び／またはネットワークが収納される。典型的には、そのようなシステム及び／またはネットワークは、企業外のシステムとのインターフェースを管理する。例えば、企業のＶＰＮ（仮想プライベートネットワーク）、会社もしくは企業インターネットアクセスサービス、ならびに／または他のＩＴ（情報技術）インフラストラクチャシステム及びアプリケーションは、レベル５にある。
レベル５の内部拡張と見なすことができるレベル４は、一般的に企業の内部にある会社または企業システム、電子メール、イントラネット、サイトの事業計画とロジスティクス、在庫管理、スケジューリング、及び／または他の会社／企業システム及びネットワークを収納する。
図１に示すように、レベル３及び４は、事業体または企業システム及び／またはネットワークを、プラント／プロセスシステム及び／またはネットワーク分離をするために非武装地帯（ＤＭＺ）２２によって分離され、それによってプロセスプラントが曝されるセキュリティリスクを最小にする。ＤＭＺ２２は、１つ以上のそれぞれのファイアウォール１２Ｃを含み、より低いレベルでプラント関連デバイス、機器、及び／またはアプリケーションと通信し、及び／または企業関連デバイス、機器、アプリケーションと高度なレベルで通信する、様々なデバイス、機器、サーバ、及び／またはアプリケーション２５Ａ〜２５Ｆを収容してもよい。例えば、ＤＭＺ２２は、２、３の例を挙げると、端末サービス２５Ａ、パッチ管理２５Ｂ、１つ以上のＡＶサーバ２５Ｃ、１つ以上のヒストリアン２５Ｄ（例えばミラーヒストリアンであり得る）、Ｗｅｂサービスオペレーション２５Ｅ、及び／または１つ以上のアプリケーションサーバ２５Ｆを含む。典型的には、ＤＭＺ２２の上のレベルのデバイス、設備、及び／またはアプリケーションに対して、プロセスプラント及びその制御システムにアクセスすることを許可されたデバイス、設備、サーバ、及び／またはアプリケーション２５Ａ〜２５Ｆは、下位レベルへの別個の接続を維持し、それにより、プロセスプラント及び制御システムを企業（及び上位）システム及び／またはネットワークからの攻撃から保護する。
遠隔サービスの簡単な議論に移ると、遠隔サービスは、異なるユーザ及びシステムによ
って、ますます一般的に使用されるようになってきている。例えば、ＭｉｃｒｏｓｏｆｔＷｉｎｄｏｗｓ（登録商標）オペレーティングシステムによって提供される遠隔デスクトップサービス製品を使用すると、ユーザは、会社ネットワーク及び／またはインターネットから、データセンター内のセッションベースのデスクトップ、仮想マシンベースのデスクトップ、及び／または他のアプリケーションにアクセスすることが可能になる。Ｉｎｔｕｉｔ（登録商標）が提供するＱｕｉｃｋＢｏｏｋｓ（登録商標）Ｏｎｌｉｎｅ製品は、ユーザがキャッシュフロー管理、請求書発行、インターネットを介してのオンライン支払いなどの会計機能を遂行することを可能にする。一般的に言えば、遠隔サービスは、遠隔サービスにアクセスするシステムまたはユーザから遠隔操作で実行する１つ以上のアプリケーションによって提供される。例えば、１つ以上のアプリケーションは、サーバの遠隔バンク、クラウドなどでデータを実行及び管理し、企業ネットワーク及び／または公衆インターネットのような１つ以上のプライベート及び／または公衆ネットワークを介してアクセスされる。
時系列分析を使用してプロセスプラント内のデバイスの状態を検出するための技術、システム、装置、構成要素、デバイス、及び方法が本明細書で開示される。該技術、システム、装置、構成要素、デバイス、及び方法は、本明細書では「工業制御（Ｉｎｄｕｓｔｒｉａｌ ｃｏｎｔｒｏｌ）」、「プロセス制御（ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ）」または「プロセス（ｐｒｏｃｅｓｓ）」システム、環境、及び／またはプラントと互換的に呼ばれる工業プロセス制御システム、環境、及び／またはプラントに適用することができる。典型的には、そのようなシステム及びプラントは、物理的な材料または製品を製造、精製、変換、生成または生産するように動作する１つ以上のプロセスを分散方式で制御する。
プロセス制御デバイスまたはプロセス制御デバイスの状態を検出するために、１つ以上のコンピューティングデバイスは、プロセスプラントエンティティに対応するプロセスパラメータのいくつかのインスタンスにわたって、プロセスパラメータ値を受信する。プロセスプラントエンティティは、バルブ、タンク、ミキサー、ポンプ、熱交換器などの、プロセスを制御する物理的機能を遂行するプロセスプラント内のデバイスを含む。プロセスプラントエンティティは、場合によっては、コントローラ及び／またはＩ／Ｏデバイスを含むことができる。一般的に言えば、プロセスプラントエンティティは、プロセスプラント内の物理的材料を、含有する、変換する、生成する、または転送することができる。
プロセスパラメータは、プロセスプラントを流れる材料またはプロセスを制御する物理的機能を遂行するデバイスのプロセスプラント内の設定点または測定値（例えば、バルブパラメータ、フィールドデバイスパラメータ、コントローラパラメータなど）を含む。例えば、プロセスパラメータは、プロセスプラントまたはその設定点を流れる材料の温度、圧力、流量、質量、体積、密度、面積などを含む。プロセスパラメータはまた、プロセス（例えばバルブ）を制御するために物理的機能を遂行するデバイスまたはその設定点の駆動信号、移動、圧力、温度などを含む。
プロセスパラメータ値は、ファイアウォール、暗号化技術、または任意の他の好適なセキュリティ機構を使用することによって、データダイオード（以下により詳細に記載される）を介してなどの安全な方法で受信される。その後、コンピューティングデバイスは、規則を適用することによって、または受信された時系列データに対する機械学習技術を使用することによって、プロセスプラントエンティティ（例えば、性能監視メトリック、エラー、漏れ、不動帯、不動時間、機械的摩耗など）で発生している状態を検出または識別する。
一例では、コンピューティングデバイスは、各々のプロセスパラメータ上の統計的計算を遂行して、プロセスパラメータの平均値、標準偏差、所定時間期間にわたる移動平均、所定時間期間にわたる減衰平均、プロセスパラメータの最大／最小値、時間経過に伴うプロセスパラメータ値に対応する波の振幅、位相、及び／または周波数などを判定する。その後、統計的尺度は、プロセスプラントエンティティの履歴プロセスパラメータ値を使用して生成された統計的モデルと比較され、プロセスプラントエンティティの結果の状態が検出または識別される。
統計的モデルは、例えば、決定木であってもよい。コンピューティングデバイスは、ノード、分岐、及び葉からなる決定木を生成することができ、各々のノードは統計的尺度に関するテストを表し、各々の分岐は、テストの結果を表し、各々の葉は、プロセスプラントエンティティが状態を経験する可能性を表す。対象プロセス制御エンティティの計算された統計的測定値を決定木と比較することによって、コンピューティングデバイスは、過剰な不動帯（例えば、許容可能な閾値を越える不動帯など）が発生しているかまたは存在していると判定する。コンピューティングデバイスは、検出された状態の指標をオペレータワークステーションのようなユーザインターフェースデバイスに送信して、オペレータに状態を警告する。例えば、プロセス制御システム内のバルブが過剰な不動帯を経験すると、オペレータはこの状態を警告され、バルブを検査して問題に対処することができる。
プロセスプラントエンティティがバルブであるようないくつかのシナリオでは、コンピューティングデバイスは、受信されたプロセスパラメータデータまたはバルブデータに基づいてプロセスプラントエンティティまたはバルブの動作モードを判定する（例えば、フルストロークサイクル、連続スロットル、周期的スロットルなど）。例えば、バルブの動作モードは、バルブに対応するプロセスパラメータの受信されたプロセスパラメータ値に基づいて判定され、例えば、１つ以上のバルブパラメータのバルブに対応する受信されたバルブパラメータ値に基づいて判定される。コンピューティングデバイスは、規則のセットをプロセスパラメータ値に適用し、及びまたは機械学習技術を使用してバルブの動作モードを判定する。
判定されたバルブの動作モードに基づいて、コンピューティングデバイスは、バルブの統計的測定値（バルブデータから判定される）を、判定されたモードで動作するバルブに基づいて具体的に生成される統計的モデルと比較する。いくつかの実施形態では、コンピューティングデバイスは、１つ以上のモード固有の統計的モデルを生成する。例えば、コンピューティングデバイス、フルストロークサイクルモードで動作するバルブからの履歴プロセスパラメータ値を使用してバルブ状態を検出するための統計的モデルを生成することができる。コンピューティングデバイスは、連続スロットルモードで動作するバルブからの履歴プロセスパラメータ値を使用してバルブ状態を検出するための別の統計的モデル、及び周期的スロットルモードで動作するバルブからの履歴プロセスパラメータ値を使用してバルブ状態を検出するための第３の統計的モデをル生成することができる。判定された動作モード及び受信されたバルブデータのための統計的モデルを使用して、コンピューティングデバイスは、バルブで生じている状態を検出または識別する。
また、プロセスプラントエンティティがバルブであるようないくつかのシナリオでは、コンピューティングデバイスは、同じプロセスプラント、企業、工業、またはすべての工業にわたる複数のバルブのバルブデータ（バルブまたはプロセスパラメータ値）を比較する。コンピューティングデバイスは、その後、他のバルブに関する対象バルブの健全性を判定し、オペレータまたは他のコンピューティングデバイスまたはアプリケーションに表示するために、比較の指標（例えば、相対的健全性インジケータ）をユーザインターフェースデバイスに送信する。例えば、ユーザインターフェースデバイスは、各々のバルブのランク付けリストを表示するか、またはバルブの各々のためのバルブデータを並列にグラ
フ表示で提示する。付加的に、この比較は、バルブの状態のさらなる尺度として使用される。例えば、バルブデータが履歴プロセスパラメータ値を使用して生成された統計的モデルと比較されるとき、コンピューティングデバイスは、バルブが過剰な不動時間（例えば、許容可能な閾値を超える不動時間）を経験していると判定することができる。しかしながら、バルブが同じ工業の他のすべてのバルブと比較されるとき、コンピューティングデバイスは、バルブが経験している不動時間が工業内の平均であり、したがって不動時間は許容範囲内であると判定する。
一実施形態では、プロセスプラントからクラウドコンピューティングシステムに安全に転送されるデータを使用することによってプロセスプラントエンティティの状態を検出する方法が開示される。この方法は、プロセスプラントが工業プロセスを制御するように動作している間に、プロセスプラントの１つ以上のデバイスによって生成されたデータをクラウドコンピューティングシステムで受信することを含む。データは、プロセスプラントのネットワークとクラウドコンピューティングシステムのネットワークとの間の双方向通信を防止するように構成されたデータダイオードを介して、１つ以上のデバイスからクラウドコンピューティングシステムへの転送のためにセキュリティ保護される。付加的に、この方法は、クラウドコンピューティングシステムにおいてデータを分析することを含み、それによってプロセスプラント内の工業プロセスを制御する物理的機能を遂行するプロセスプラントエンティティの状態を検出する。プロセスプラントエンティティは、１つ以上のデバイスに対応するか、または１つ以上のデバイスに関連する。例えば、プロセスプラントエンティティは、制御ループまたはバルブまたは他のタイプのフィールドデバイスなどの制御ループに含まれるデバイスであってもよく、１つ以上のデバイスは、ゲートウェイなどの通信ノードを含むことができる。別の例では、１つ以上のデバイスがプロセスプラントエンティティに含まれる。この方法は、プロセスプラントエンティティの状態の指標をユーザインターフェースデバイスに送信して、例えばオペレータにその状態を警告することをさらに含む。
一実施形態では、プロセスプラントのプロセスプラントエンティティの状態を検出するためのシステムが開示される。システムは、プロセスプラント内に配置されたプロセスプラントエンティティに対応する１つ以上のデバイスを含み、プロセスプラントエンティティは、工業プロセスを制御する物理的機能を遂行する。例えば、プロセスプラントエンティティは、制御ループまたはバルブまたは他のタイプのフィールドデバイスなどの制御ループに含まれるデバイスであってもよい。システムはさらに、１つ以上のデバイスを１つ以上のコンピューティングデバイスに通信可能に接続するデータダイオードを含み、データダイオードは、プロセスプラントのネットワークと１つ以上のコンピューティングデバイスとの間の双方向通信を防止するように構成される。
システムの１つ以上のコンピューティングデバイスは、１つ以上のプロセッサを備え、通信ユニットと、１つ以上のプロセッサ及び通信ユニットに結合された１つ以上の固定コンピュータ可読媒体とを含む。１つ以上の固定コンピュータ可読媒体は、１つ以上のプロセッサによって実行されると、コンピューティングデバイスに、（ｉ）プロセスプラントがオンラインである間にプロセスプラントの１つ以上のデバイスによって生成されたデータをデータダイオード及び通信ユニットを介して受信し、データがデータダイオードを介して１つ以上のデバイスからコンピューティングデバイスに送信するためにセキュリティ保護され、（ｉｉ）プロセスプラントエンティティの状態を検出するためにデータを分析し、（ｉｉｉ）通信ユニットを介して、プロセスプラントエンティティがオペレータにその状態を警告するための状態の指標を、ユーザインターフェースデバイスに送信すること、をさせる命令をその上に（または構成されて）格納する。
特に、プロセス制御システムの様々な例示的構成要素と、プロセス制御システム自体と、他の例示的なシステム及び／またはネットワークとの間の相互接続を含む、プロセス制御または工業プロセスシステムのセキュリティの例示的なレベルのブロック図を含む。 プロセス制御システムの様々な例示的構成要素と、プロセス制御システム自体と、他の例示的なシステム及び／またはネットワークとの間の相互接続を特に示すプロセスプラントまたはプロセス制御システムの例のブロック図である。 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例示的なセキュリティアーキテクチャのブロック図である。 プロセスプラントエンティティについて時間経過に伴って収集され、本明細書に記載の技術を用いて分析され得る例示的なプロセスパラメータ値を示す。 プロセスプラントエンティティ内の状態を検出または識別するために安全に通信されたプロセスプラントデータを分析する例示的な方法を表すフロー図である。 各々異なる動作モードで動作する３つのバルブに対し時間経過に伴って収集されたバルブ開度パーセントのグラフ表示の例を示す。 バルブのプロセスパラメータ値に基づいてバルブの動作モードを検出または識別する例示的なルールベースの方法を表すフロー図である。 バルブの動作モードを検出または識別する例示的な機械学習方法を表すフロー図である。 ３つの異なるバルブについて時間経過に伴って収集されたバルブサイクルのグラフ表示の一例である。 いくつかのバルブの健全性を互いに比較し、比較に基づいてバルブのそれぞれの状態を検出または識別する例示的な方法を表すフロー図である。 バルブまたは他のプロセスプラントエンティティの健全性及び／または性能を監視するための例示的な方法のフロー図である。
上述したように、プロセスプラントエンティティまたはプロセスプラントエンティティの状態を検出するために使用されるプロセスプラントデータは、安全な方法でコンピューティングデバイスにおいて受信される。プロセスプラントデータが安全な方法で受信されると、プロセスプラントエンティティに対応するプロセスプラントデータが分析されて、プロセスプラントエンティティでのまたはプロセスプラントエンティティの状態を検出または識別する。プロセスプラントデータは、プロセスプラントデータに含まれるプロセスパラメータ値に、ルールのセットを適用することによってまたは例えば、以下により詳細に説明される様々な機械学習技術を使用することによって分析することができる。状態の指標は、オペレータに状態を警告するためにユーザインターフェースデバイスに送信され、及び／またはプロセスプラントに対応するアプリケーションまたはサービスに提供される。
本明細書に記載の新たなシステム、構成要素、装置、方法、及び技術は、プロセスプラントエンティティでのまたはプロセスプラントエンティティの状態を検出するためにプロセスプラントデータの時系列分析を遂行することに関する。プロセスプラントデータは、安全な方法で受信され、これについては、図１〜３を参照して以下でさらに詳細に説明する。付加的に、プロセスプラントデータの時系列分析については、図４〜８を参照して以下でさらに詳細に説明する。
サイバー侵入及び悪意のあるサイバー攻撃に対してプロセス制御プラント及びシステムをセキュリティ保護することは、典型的にファイアウォール及び他のセキュリティ機構を使用して安全にされた層またはレベルの少なくとも一部によって、層状またはレベル化されたセキュリティ階層を利用する。例えば、図１に関して上記に説明したように、レベル
０〜３のプロセスプラントシステム、ネットワーク、及びデバイスは、レベル４〜５の企業ネットワークから、及び／または企業ネットワークを利用するレベル５より高い任意の外部ネットワークからの脅威から、ＤＭＺ２２及び１つ以上のファイアウォール１２Ｃを使用することによって、保護され得る。しかしながら、プロセスプラントデータ上で動作するより多くのサービス及びアプリケーションが、（例えば、企業またはビジネス内のレベル４及び／または５の）例えば、プロセスプラントの外部ネットワーク及びシステム上で、ならびに／または企業もしくは事業体の外部にあるネットワーク及びシステム（例えば、レベル５以上、インターネットもしくは他の公衆ネットワークを介して）上であっても、遠隔操作で実行するために移動されるとき、プロセスプラントシステム、ネットワーク、及びデバイスが危険に曝されるのを防ぐためのより強力な技術が必要である。
説明するために、図２は、本明細書に記載された新たなセキュリティ技術のうちの任意の１つ以上を利用してセキュリティ保護され得る例示的なプロセスプラント１００のブロック図である。プロセスプラント１００（本明細書では、同義的に、プロセス制御システム１００またはプロセス制御環境１００とも称される）は、フィールドデバイスによって行わ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、有線または無線のプロセス制御通信リンクまたはネットワークを介して他のフィールドデバイスに送信される制御信号を生成して、プラント１００内のプロセスの動作を制御する１つ以上のプロセスコントローラを含む。典型的には、少なくとも１つのフィールドデバイスが、プロセスの動作を制御する物理的機能（例えば、バルブの開閉、温度の上昇または低下、測定の取得、状況の検出など）を遂行する。一部のタイプ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する。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、有線または無線であってもよく、任意の数及び組み合わせの有線及び無線プロセスコントローラ、フィールドデバイス、及びＩ／Ｏデバイスが、プロセスプラント環境またはシステム１００に含まれてもよい。
例えば、図２は、入出力（Ｉ／Ｏ）カード１２６及び１２８を介して有線フィールドデバイス１１５〜１２２に通信可能に接続され、無線ゲートウェイ１３５及びプロセス制御データハイウェイまたはバックボーン１１０を介して無線フィールドデバイス１４０〜１４６に通信可能に接続されているプロセスコントローラ１１１を示す。プロセス制御データハイウェイ１１０は、１つ以上の有線及び／または無線通信リンクを含むことができ、例えば、イーサネット（登録商標）プロトコルのような任意の所望のまたは好適なまたは通信のプロトコルを使用して実装することができる。いくつかの構成（図示せず）では、コントローラ１１１は、バックボーン１１０以外の１つ以上の通信ネットワークを使用して、例えば、Ｗｉ−Ｆｉまたは他のＩＥＥＥ８０２．１１準拠の無線ローカルエリアネットワークプロトコル、移動通信プロトコル（例えば、ＷｉＭＡＸ、ＬＴＥ、または他のＩＴＵ−Ｒ互換プロトコル）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＨＡＲＴ（登録商標）、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）、Ｐｒｏｆｉｂｕｓ、ＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓなどをサポートする任意の数の他の有線または無線通信リンクを使用して、無線ゲートウェイ１３５に通信可能に接続されてもよい。
例えば、Ｅｍｅｒｓｏｎ Ｐｒｏｃｅｓｓ Ｍａｎａｇｅｍｅｎｔによって販売されているＤｅｌｔａＶＴＭコントローラであってもよいコントローラ１１１は、フィールドデバイス１１５〜１２２及び１４０〜１４６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することができる。一実施形態では、コントローラ１１１は、プロセス制御データハイウェイ１１０に通信可能に接続されることに加えて、フィールドデバイス１１５〜１２２及び１４０〜１４６のうちの少なくともいくつかに、４〜２０ｍＡデバイス、Ｉ／Ｏカード１２６、１２８、及び／またはＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓプロトコル、ＨＡＲＴ（登録商標）プロトコル、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）プロトコルなどの任意のスマート通信プロトコルに関
連する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通信可能に接続される。図２では、コントローラ１１１、フィールドデバイス１１５〜１２２及びＩ／Ｏカード１２６、１２８は、有線デバイスであり、フィールドデバイス１４０〜１４６は、無線フィールドデバイスである。当然のことながら、有線フィールドデバイス１１５〜１２２及び無線フィールドデバイス１４０〜１４６は、将来開発される任意の標準またはプロトコルを含む任意の有線または無線プロトコルのような任意の他の所望の標準またはプロトコルに準拠することができる。
図２のプロセスコントローラ１１１は、（例えば、メモリ１３２に格納された）１つ以上のプロセス制御ルーチン１３８を実装または監督するプロセッサ１３０を含む。プロセッサ１３０は、フィールドデバイス１１５〜１２２及び１４０〜１４６及びコントローラ１１１に通信可能に接続された他のノードと通信するように構成されている。本明細書に記載された任意の制御ルーチンまたはモジュールは、そのように所望される場合、異なるコントローラまたは他のデバイスによってその一部が実装または実行されてもよい。同様に、プロセス制御システム１００内で実装される本明細書に記載の制御ルーチンまたはモジュール１３８は、ソフトウェア、ファームウェア、ハードウェアなどを含む任意の形態をとることができる。制御ルーチンは、オブジェクトラダーロジック、シーケンシャルファンクションチャート、ファンクションブロックダイアグラム、または他の任意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して実装することができる。制御ルーチン１３８は、ランダムアクセスメモリ（ＲＡＭ）または読み出し専用メモリ（ＲＯＭ）のような任意の所望のタイプのメモリ１３２に格納することができる。同様に、制御ルーチン１３８は、例えば、１つ以上のＥＰＲＯＭ、ＥＥＰＲＯＭ、特定用途向け集積回路（ＡＳＩＣ）、または他の任意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化されてもよい。したがって、コントローラ１１１は、任意の所望の方法で制御ストラテジまたは制御ルーチンを実装するように構成することができる。
コントローラ１１１は、一般的に機能ブロックと称されるものを使用して制御ストラテジを実装し、各々の機能ブロックは全体制御ルーチン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（リンクと称される通信を介して）動作して、プロセス制御システム１００内のプロセス制御ループを実装する。制御ベースの機能ブロックは、典型的には、送信機、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する入力機能の１つ、ＰＩＤ、ファジィ論理等の制御を遂行する制御ルーチンに関連するもののような制御機能、プロセス制御システム１００内のいくつかの物理的機能を実行するためのバルブなどのデバイスの動作を制御する出力機能の１つを遂行する。当然のことながら、ハイブリッド及び他のタイプの機能ブロックが存在する。機能ブロックは、典型的には、これらの機能ブロックが標準４〜２０ｍＡデバイス及びＨＡＲＴ（登録商標）デバイスのようないくつかのタイプのスマートフィールドデバイスに使用されるか、または関連するときに、コントローラ１１１に格納され、コントローラ１１１によって実行されてもよく、ＦＯＵＮＤＡＴＩＯＮ（登録商標）フィールドバスデバイスの場合のようにフィールドデバイス自体に格納され、実装されてもよい。コントローラ１１１は、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る１つ以上の制御ループを実装することができる、１つ以上の制御ルーチン１３８を含むことができる。
有線フィールドデバイス１１５〜１２２は、センサ、バルブ、送信機、位置決め器などのような任意のタイプのデバイスとすることができ、Ｉ／Ｏカード１２６及び１２８は、任意の所望の通信プロトコルまたはコントローラプロトコルに準拠する任意のタイプのＩ／Ｏデバイスであってもよい。図２に示すように、フィールドデバイス１１５〜１１８は、アナログラインまたはアナログ及びデジタルの結合ラインを介してＩ／Ｏカード１２６と通信する、標準的な４〜２０ｍＡデバイスまたはＨＡＲＴ（登録商標）デバイスであり、フィールドデバイス１１９〜１２２は、ＦＯＵＮＤＡＴＩＯＮ（登録商標）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を介してＩ／Ｏカード１２８と通信するＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓフィールドデバイスなどのスマートデバイスである。しかし、いくつかの実施形態では、少なくとも一部の有線フィールドデバイス１１５、１１６、１１８〜１２１及び／または少なくとも一部のＩ／Ｏカード１２６、１２８は、プロセス制御データハイウェイ１１０を使用して及び／または他の適切な制御システムプロトコル（例えば、Ｐｒｏｆｉｂｕｓ、ＤｅｖｉｃｅＮｅｔ、Ｆｏｕｎｄａｔｉｏｎ Ｆｉｅｌｄｂｕｓ、ＣｏｎｔｒｏｌＮｅｔ、Ｍｏｄｂｕｓ、ＨＡＲＴなど）を使用することによって、コントローラ１１１と付加的または代替的に通信する。
図２では、無線フィールド機器１４０〜１４６は、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）プロトコルなどの無線プロトコルを使用して、無線プロセス制御通信ネットワーク１７０を介して通信する。そのような無線フィールド機器１４０〜１４６は、（例えば、無線プロトコルまたは別の無線プロトコルを使用して）無線通信するようにも構成された無線ネットワーク１７０の１つ以上の他のデバイスまたはノードと直接通信することができる。無線通信するように構成されていない他のノードと通信するために、無線フィールド機器１４０〜１４６は、プロセス制御データハイウェイ１１０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１３５を利用することができる。無線ゲートウェイ１３５は、無線通信ネットワーク１７０の様々な無線デバイス１４０〜１５８へのアクセスを提供する。特に、無線ゲートウェイ１３５は、無線デバイス１４０〜１５８、有線デバイス１１５〜１２８、及び／またはプロセス制御プラント１００の他のノードまたはデバイス間の通信結合を提供する。例えば、無線ゲートウェイ１３５は、プロセス制御データハイウェイ１１０を使用することによって、及び／またはプロセスプラント１００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、通信結合を提供することができる。
有線フィールドデバイス１１５〜１２２と同様に、無線ネットワーク１７０の無線フィールドデバイス１４０〜１４６は、プロセスプラント１００内の物理的制御機能、例えば、バルブの開閉、またはプロセスパラメータの測定を遂行する。しかし、無線フィールドデバイス１４０〜１４６は、ネットワーク１７０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。このように、無線ネットワーク１７０の無線フィールドデバイス１４０〜１４６、無線ゲートウェイ１３５、及び他の無線ノード１５２〜１５８は、無線通信パケットのプロデューサ及びコンシューマである。
プロセスプラント１００のいくつかの構成では、無線ネットワーク１７０は、非無線デバイスを含む。例えば、図２において、図２のフィールドデバイス１４８は、従来の４〜２０ｍＡデバイスであり、フィールドデバイス１５０は有線ＨＡＲＴ（登録商標）デバイスである。ネットワーク１７０内で通信するために、フィールドデバイス１４８、１５０は無線アダプタ１５２Ａ、１５２Ｂを介して無線通信ネットワーク１７０に接続される。無線アダプタ１５２Ａ、１５２Ｂは、ＷｉｒｅｌｅｓｓＨＡＲＴのような無線プロトコルをサポートし、Ｆｏｕｎｄａｔｉｏｎ（登録商標）Ｆｉｅｌｄｂｕｓ、ＰＲＯＦＩＢＵＳ、ＤｅｖｉｃｅＮｅｔなどの１つ以上の他の通信プロトコルもサポートすることができる。付加的に、いくつかの構成では、無線ネットワーク１７０は、無線ゲートウェイ１３５と有線通信する別個の物理デバイスであってもよいし、一体型デバイスとして無線ゲートウェイ１３５を備えてもよい１つ以上のネットワークアクセスポイント１５５Ａ、１５５Ｂを含む。無線ネットワーク１７０はまた、１つの無線デバイスから無線通信ネットワーク１７０内の別の無線デバイスにパケットを転送するための１つ以上のルータ１５８を含むことができる。図２では、無線デバイス１４０〜１４６及び１５２〜１５８は、無線通信ネットワーク１７０の無線リンク１６０を介して、及び／またはプロセス制御データハイウェイ１１０を介して、相互に及び無線ゲートウェイ１３５と通信する。
図２では、プロセス制御システム１００は、データハイウェイ１１０に通信可能に接続された１つ以上のオペレータワークステーション１７１を含む。オペレータワークステーション１７１を介して、オペレータは、プロセスプラント１００のランタイムオペレーションを閲覧し、監視し、ならびに、診断、是正、メンテナンス、及び／または必要とされる可能性のある他の措置をとることができる。オペレータワークステーション１７１の少なくとも一部は、プラント１００内またはプラント１００の近くの様々な保護領域に位置させることができ、状況によっては、オペレータワークステーション１７１の少なくともいくつかが遠隔地に位置するが、それにもかかわらずプラント１００と通信可能に接続される。オペレータワークステーション１７１は、有線または無線のコンピューティングデバイスであってもよい。
例示的なプロセス制御システム１００は、構成アプリケーション１７２Ａ及び構成データベース１７２Ｂを含むものとしてさらに示されており、これらの各々はまた、データハイウェイ１１０にも通信可能に接続される。上述したように、構成アプリケーション１７２Ａの様々なインスタンスは、１つ以上のコンピューティングデバイス（図示せず）上で実行して、ユーザが、プロセス制御モジュールを作成または変更し、これらのモジュールを、データハイウェイ１１０を介してコントローラ１１１にダウンロードできるようにすると共に、オペレータがデータを表示し、プロセス制御ルーチン内のデータ設定を変更することができるオペレータインターフェースを、ユーザが作成または変更することができるようにする。構成データベース１７２Ｂは、作成された（例えば、構成された）モジュール及び／またはオペレータインターフェースを格納する。一般的に、構成アプリケーション１７２Ａ及び構成データベース１７２Ｂは集中しており、プロセス制御システム１００に対し単一の論理的な外観を有するが、構成アプリケーション１７２Ａの複数のインスタンスは、プロセス制御システム１００内に複数のインスタンスを同時に実行することができ、構成データベース１７２Ｂは、複数の物理的データ格納デバイスを経由して実装される。したがって、構成アプリケーション１７２Ａ、構成データベース１７２Ｂ、及びそれらに対するユーザインターフェース（図示せず）は、制御及び／または表示モジュール用の構成または開発システム１７２を含む。典型的には、必須ではないが、構成システム１７２のユーザインターフェースは、プラント１００がリアルタイムで動作しているかどうかにかかわらず、構成エンジニア及び開発エンジニアによって利用されるので、オペレータワークステーション１７１は、プロセスプラント１００のリアルタイム動作中にオペレータによって利用されるが（ここでは、同義的に、プロセスプラント１００の「ランタイム」オペレーションと称される）、構成システム１７２のユーザインターフェースは、オペレータワークステーション１７１とは異なる。
例示的なプロセス制御システム１００は、データヒストリアンアプリケーション１７３Ａ及びデータヒストリアンデータベース１７３Ｂを含み、それらの各々はまた、データハイウェイ１１０に通信可能に接続される。データヒストリアンアプリケーション１７３Ａは、データハイウェイ１１０にわたって提供されたデータの一部または全部を収集し、長期格納のためにヒストリアンデータベース１７３Ｂにデータを履歴化または格納するように動作する。構成アプリケーション１７２Ａ及び構成データベース１７２Ｂと同様に、データヒストリアンアプリケーション１７３Ａ及びヒストリアンデータベース１７３Ｂは、集中化され、プロセス制御システム１００に対して単一の論理的外観を有するが、データヒストリアンアプリケーション１７３Ａの複数のインスタンスが、制御システム１００内で同時に実行してもよく、データヒストリアン１７３Ｂは、複数の物理データ格納デバイスにわたって実装されてもよい。
いくつかの構成では、プロセス制御システム１００は、Ｗｉ−Ｆｉまたは他のＩＥＥＥ８０２．１１準拠無線ローカルエリアネットワークプロトコルなどの他の無線プロトコル、ＷｉＭＡＸなどのモバイル通信プロトコル、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕ
ｔｉｏｎ）または他のＩＴＵ−Ｒ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｕｎｉｏｎ Ｒａｄｉｏｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｅｃｔｏｒ）互換プロトコル、近距離無線通信（ＮＦＣ）及びＢｌｕｅｔｏｏｔｈなどの短波長無線通信、または他の無線通信プロトコルを使用して他のデバイスと通信する１つ以上の他の無線アクセスポイント１７４を含む。典型的には、そのような無線アクセスポイント１７４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、ユーザインターフェースデバイス１７５）が、無線ネットワーク１７０とは異なり、無線ネットワーク１７０とは異なる無線プロトコルをサポートするそれぞれの無線プロセス制御通信ネットワークにわたって通信することを可能にする。例えば、無線またはポータブルユーザインターフェースデバイス１７５は、プロセスプラント１００内のオペレータ（例えば、オペレータワークステーション１７１の１つのインスタンス）によって利用されるモバイルワークステーションまたは診断テスト機器であってもよい。いくつかのシナリオでは、ポータブル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１１１、フィールドデバイス１１５〜１２２、または無線デバイス１３５、１４０〜１５８）も、アクセスポイント１７４によってサポートされる無線プロトコルを使用して通信する。
いくつかの構成では、プロセス制御システム１００は、即時プロセス制御システム１００の外部にあるシステムへの１つ以上のゲートウェイ１７６、１７８を含む。典型的には、そのようなシステムは、プロセス制御システム１００によって生成または操作されるカスタマーまたはサプライヤである。情報、例えば、プロセス制御プラント１００は、即時プロセスプラント１００を別のプロセスプラントと通信可能に接続するためのゲートウェイノード１７６を含むことができる。付加的または代替的に、プロセス制御プラント１００は、即時プロセスプラント１００を、実験室システム（例えば、実験室情報管理システムまたはＬＩＭＳ）、オペレータラウンドデータベース、材料ハンドリングシステム、メンテナンス管理システム、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、出荷及び処理システム、パッケージングシステム、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などの公衆またはプライベートシステムに通信可能に接続することができるゲートウェイノード１７８を含むことができる。
なお、図２は、例示的なプロセスプラント１００に含まれる有限数のフィールドデバイス１１５〜１２２及び１４０〜１４６、無線ゲートウェイ３５、無線アダプタ１５２、アクセスポイント１５５、ルータ１１５８、及び無線プロセス制御通信ネットワーク１７０を有する単一のコントローラ１１１のみを示しているが、これは、例示的かつ非限定的な実施形態に過ぎないことに留意されたい。任意の数のコントローラ１１１を、プロセス制御プラントまたはシステム１００に含めることができ、コントローラ１１１のいずれかは、任意の数の有線または無線デバイス及びネットワーク１１５〜１２２、１４０〜１４６、１３５、１５２、１５５、１５８、１７０と通信してプラント１００内のプロセスを制御することができる。
図３は、プロセスプラント１００の例示的なセキュリティアーキテクチャ２００のブロック図を含む。参考までに、図１の様々なレベルのセキュリティ０−５が、図３の上部を横切って描かれてセキュリティアーキテクチャ２００の様々な部分をどのセキュリティレベルに含めることができるかを示す。
図３に示すように、１つ以上のデバイス２０２は、例えば、図１の無線ゲートウェイ１３５のインスタンスであり得る１つ以上の無線ゲートウェイ２０５Ａ、２０５Ｂに通信可能に接続される。前述したように、無線ゲートウェイ２０５Ａ、２０５Ｂは、セキュリティレベル１及び／またはセキュリティレベル２、例えばプロセスプラント１００自体に位
置してもよい。ゲートウェイ２０５Ａ、２０５Ｂとデバイス２０２との間の通信接続は、参照番号２０４Ａ、２０４Ｂで示されている。
デバイス２０２のセットは、プロセスプラント１００のセキュリティレベル０にあるものとして示されており、有限数の無線フィールドデバイスを含むものとして示されている。しかしながら、デバイス２０２に関する本明細書に記載された概念及び特徴は、プロセスプラント１００の任意の数のフィールドデバイスだけでなく、任意のタイプのフィールドデバイスにも容易に適用できることが理解される。例えば、フィールドデバイス２０２は、プロセスプラント１００の１つ以上の有線通信ネットワークを介して無線ゲートウェイ２０５Ａ、２０５Ｂに通信可能に接続された１つ以上の有線フィールドデバイス１１５〜１２２を含むことができ、及び／またはフィールドデバイス２０２は、無線アダプタ１５２Ａ、１５２Ｂに結合された有線フィールドデバイス１４８、１５０を含むことができる。
さらに、デバイス２０２のセットは、プロセスデータを生成するフィールドデバイスだけに限定されず、プロセスプラント１００がオンラインプロセスを制御する結果としてデータを生成するプロセスプラント１００内の任意のデバイスまたは構成要素を付加的または代替的に含み得ることが理解される。例えば、デバイス２０２のセットは、診断データを生成する診断デバイスまたは構成要素、プロセスプラント１００の様々な構成要素及び／またはデバイスのなど間で情報を送信するネットワークルーティングデバイスまたは構成要素などを含むことができる。実際には、図２に示す構成要素のうちの任意の１つ以上（例えば、構成要素１１１、１１５〜１２２、１２６、１２８、１３５、１４０〜１４６、１５２、１５５、１５８、１６０、１７０、１７１〜１７６、１７８）及び図２には示されていない他の構成要素は、遠隔システム２１０に配信するためのデータを生成するデバイスであってもよい。このように、デバイス２０２のセットは、本明細書では「データソース２０２」または「データソースデバイス２０２」と同義的に称される。
図３は、プロセスプラント１００に対して利用され得る、及び／またはプロセスプラント１００が利用する遠隔アプリケーションまたはサービス２０８のセットをさらに示す。遠隔アプリケーションまたはサービス２０８のセットは、１つ以上の遠隔システム２１０で実行またはホストされ、遠隔アプリケーション／サービス２０８のセットは、一般的にセキュリティレベル５以上であると見なされる。アプリケーションまたはサービス２０８の少なくとも一部は、リアルタイムデータがプロセスプラント１００によって生成され、アプリケーションまたはサービス２０８によって受信されると、リアルタイムデータ上でリアルタイムで動作する。他のアプリケーションまたはサービス２０８は、より厳しいタイミング要件を必要とすることなく、プロセスプラント生成データを操作または実行することができる。遠隔システム２１０で実行されるかまたはホストされ、プロセスプラント１００によって生成されるデータのコンシューマであるアプリケーション／サービス２０８の例は、プロセスプラント１００で生成する状況及び／または事象を監視及び／または検出するアプリケーション及びプロセスプラント１００で実行されているオンラインプロセス自体の少なくとも一部を監視するアプリケーションまたはサービスを含む。アプリケーション／サービス２０８の他の例は、プロセスプラント１００によって生成されたデータ上で動作し、場合によっては、プロセスプラント生成データならびに他のプロセスプラントから生成され受信されたデータを分析して収集または発見された知識に基づいて動作し得る記述的及び／または規範的分析を含む。アプリケーション／サービス２０８のさらに別の例は、規範的機能を実装する１つ以上のルーチン及び／または例えば、別のサービスまたはアプリケーションの結果として、プロセスプラント１００に再実装されるべき変化を含む。アプリケーション及びサービス２０８のいくつかの例は、２０１６年９月２３日に出願され、「分散産業性能監視のためのデータ分析サービス（Ｄａｔａ Ａｎａｌｙｔｉｃｓ Ｓｅｒｖｉｃｅｓ ｆｏｒ Ｄｉｓｔｒｉｂｕｔｅｄ Ｉｎｄｕｓｔｒｉａｌ
Ｐｅｒｆｏｒｍａｎｃｅ Ｍｏｎｉｔｏｒｉｎｇ）」と題する米国特許出願第１５／２７４、５１９号、２０１６年９月２３日に出願され、「分散産業性能監視及び分析（Ｄｉｓｔｒｉｂｕｔｅｄ Ｉｎｄｕｓｔｒｉａｌ Ｐｅｒｆｏｒｍａｎｃｅ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ａｎａｌｙｔｉｃｓ）」と題する米国特許出願第１５／２７４、２３３号に記載されており、その全体の開示内容は参照により本明細書に組み込まれる。アプリケーション及びサービス２０８の他の例は、プロセスプラント及び／または他のプロセスプラントによって生成された履歴データを分析することから、または下記に詳述するようにプロセスプラントエンティティのデータを、同じまたは類似のプロセスプラントエンティティと比較することから得られる知識で動作する。
１つ以上の遠隔システム２１０は、ネットワークサーバの遠隔バンク、１つ以上のクラウドコンピューティングシステム、１つ以上のネットワークなど、任意の所望の方法で実装することができる。説明を容易にするために、本明細書では、１つ以上の遠隔システム２１０は、該用語が１つのシステム、２つ以上のシステム、または任意の数を指すことがあると理解されるが、単数時制、すなわち「遠隔システム２１０」を使用して参照される。いくつかのシナリオでは、プロセスプラントデータを分析するように構成された１つ以上のコンピューティングデバイス２５０が、遠隔システム２１０内に含まれてもよい。例えば、１つ以上の遠隔アプリケーションまたはサービス２０８は、１つ以上のコンピューティングデバイス２５０上で実行して、プロセスプラント１００によって生成されたプロセスプラントデータを分析することができる。ここで、１つ以上のコンピューティングデバイス２５０は、本明細書では「コンピューティングデバイス（ｔｈｅ ｃｏｍｐｕｔｉｎｇ ｄｅｖｉｃｅ）２５０」のような単数時制で言及されているが、これは読解を容易にするものであり、限定するものではなく、１つ以上のコンピューティングデバイス２５０は、１つ、２つ、または任意の数のコンピューティングデバイスを含むことができる。
一般的に言えば、セキュリティアーキテクチャ２００は、デバイス２０２がインストールされ動作するプロセスプラント１００のフィールド環境から、プロセスプラント１００によって生成されたデータ上でコンシュームし、動作するアプリケーション及び／またはサービス２０８を提供する遠隔システム２１０にエンドツーエンドのセキュリティを提供する。このように、デバイス２０２及びプロセスプラント１００の他の構成要素によって生成されたデータは、遠隔アプリケーション／サービス２０８による使用のために遠隔システム２１０に安全に転送されることができ、一方、サイバー攻撃、侵入、及び／または他の悪意のあるイベントからプラント１００を保護する。特に、セキュリティアーキテクチャ２００は、プロセスプラント１００（例えば、プロセスプラント１００の無線ゲートウェイ２０５Ａ、２０５Ｂの間の）と遠隔システム２１０との間に配設されたフィールドゲートウェイ２１２、データダイオード２１５、及びエッジゲートウェイ２１８を含む。典型的には、必須ではないが、フィールドゲートウェイ２１２、データダイオード２１５、及びエッジゲートウェイ２１８は、セキュリティレベル２〜５に含まれる。
セキュリティアーキテクチャ２００の重要な態様は、データダイオード２１５である。データダイオード２１５は、ハードウェア、ファームウェア及び／またはソフトウェアで実装される構成要素であり、特に、プロセスプラント１００と遠隔システム２１０との間の双方向通信を防止するように構成されている。すなわち、データダイオード２１５は、データトラフィックがプロセス制御システム１００から遠隔システム２１０に出ることを可能にし、データトラフィック（例えば、遠隔システム２１０または他のシステムから送信または送られる）がプロセス制御システム１００に侵入することを防止する。
したがって、データダイオード２１５は、フィールドゲートウェイ２１２に通信可能に接続された少なくとも１つの入力ポート２２０と、エッジゲートウェイ２１８に通信可能に接続された少なくとも１つの出力ポート２２２とを含む。データダイオード２１５はま
た、その入力ポート２２２をその出力ポート２２２に接続する他の好適な技術の光ファイバまたは通信リンクを含む。データトラフィックがプロセス制御システム１００に流れる（例えば、そこに進入する）のを防ぐために、例示的実装形態では、データダイオード２１５は、エッジゲートウェイ２１８（またはより高いセキュリティレベルの他の構成要素）からデータを受信する入力ポートを除外または省略し、及びまたはフィールドゲートウェイ２１２（またはより低いセキュリティレベルの他の構成要素）にデータを送信するために出力ポートを除外または省略する。付加的または代替的な実装形態では、データダイオード２１５は、データが出力ポート２２２から入力ポート２２０に流れることを可能にする送受信機を除外、省略、及び／または無効にし、及び／または出力ポート２２２から入力ポート２２０にデータが流れるための物理的な通信経路を除外する。さらに付加的または代替的に、データダイオード２１５は、ソフトウェアを介して、例えば、エッジゲートウェイ２１８（またはより高いセキュリティレベルの構成要素）から出力ポート２２２で受信された任意のメッセージをドロップまたはブロックすることによって、及び／またはフィールドゲートウェイ２１２（またはより低いセキュリティレベルの構成要素）宛ての任意のメッセージをドロップまたはブロックすることによって、入力ポート２２２から出力ポート２２２への単方向データフローのみをサポートすることができる。
プロセスプラント１００から出て、データダイオード２１５を経由して入力ポート２２０から出力ポート２２２に送信されたデータは、暗号化によってデータダイオード２１５を経由してさらにセキュリティ保護されてもよい。一例では、フィールドゲートウェイ２１２は、データを暗号化し、暗号化されたデータを入力ポート２２０に配信する。別の例では、データダイオード２１５は、フィールドゲートウェイ２１２からデータトラフィックを受信し、データダイオード２１５は、データを出力ポート２２２に送信する前に、受信したデータトラフィックを暗号化する。データダイオード２１５を経由して暗号化されて送信されるデータトラフィックは、一例ではＵＤＰ（Ｕｓｅｒ Ｄａｔａｇｒａｍ Ｐｒｏｔｏｃｏｌ）データトラフィックであり、別の例ではＪＳＯＮデータトラフィックまたは他の汎用通信フォーマットであってもよい。
フィールドゲートウェイ２１２は、データダイオード２１５の下位セキュリティ側をプロセス制御プラント１００に通信可能に接続する。図３に示すように、フィールドゲートウェイ２１２は、プロセスプラント１００のフィールド環境内に配設され、１つ以上のデバイスまたはデータソース２０２に通信可能に接続された無線ゲートウェイ２０５Ａ、２０５Ｂに通信可能に接続される。前述したように、デバイスまたはデータソース２０２及び無線ゲートウェイ２０５Ａ、２０５Ｂは、ＷｉｒｅｌｅｓｓＨＡＲＴ工業プロトコルまたは１つ以上のセキュリティ機構を介して安全な通信を提供するように構成された他の適切な無線プロトコルを使用して通信することができる。例えば、ＷｉｒｅｌｅｓｓＨＡＲＴ工業プロトコルは１２８ビットＡＥＳ暗号化を提供し、それに応じて通信経路２０４Ａ、２０４Ｂを保護することができる。
付加的に、無線ゲートウェイ２０５Ａ、２０５Ｂとフィールドゲートウェイ２１２との間の通信接続２２５は、通信接続２０４Ａ、２０４Ｂに利用されるのと同じまたは異なるセキュリティ機構を使用してそれぞれセキュリティ保護される。一例では、通信接続２２５は、ＴＬＳ（Ｔｒａｎｓｐｏｒｔ Ｌａｙｅｒ Ｓｅｃｕｒｉｔｙ）ラッパーによってセキュリティ保護される。例えば、無線ゲートウェイ２０５Ａ、２０５Ｂは、ＨＡＲＴ−ＩＰフォーマットのパケットを生成し、フィールドゲートウェイ２１２への転送のためにＴＬＳラッパーによってセキュリティ保護される。
したがって、一実施形態では、前述したように、デバイス２０２によって生成されたデータまたはパケットは、第１のセキュリティ機構を使用して無線ゲートウェイ２０５Ａ、２０５Ｂへの転送２０４Ａ、２０４Ｂのためにセキュリティ保護され、その後、第２のセ
キュリティ機構を使用して無線ゲートウェイ２０５Ａ、２０５Ｂから、フィールドゲートウェイ２１２への転送２２５のためにセキュリティ保護され、第３のセキュリティ機構を使用してデータダイオード２１５を経由して転送するために引き続きセキュリティ保護され得る。
ここで、データダイオード２１５のより上位セキュリティ側に向けると、データダイオード２１５から出るデータトラフィックは、所望されれば、第４のセキュリティ機構を使用することによって、またはセキュリティ機構のうちの１つを使用することによって、上述したデータダイオード２１５のより下位セキュリティ側で使用されるセキュリティ機構のうちの１つを使用することによって、エッジゲートウェイ２１８への転送のためにセキュリティ保護され得る。付加的に、または代替的に、図３に示すように、エッジゲートウェイ２１８は、図１のファイアウォール１２Ｃまたは別のファイアウォールであってもよいファイアウォール２２８によって保護されてもよい。
エッジゲートウェイ２１８から遠隔システム２１０へのデータ転送は、プライベート企業ネットワーク、インターネット、セルラールータ、バックホールインターネットまたは他のタイプのバックホール接続などの１つ以上の公衆及び／またはプライベートネットワークを使用して配信することができる。注目すべきことに、エッジゲートウェイ２１８から遠隔システム２１０へ転送するデータは、第５のセキュリティ機構を使用することによって、または前述のセキュリティ機構の１つを使用することによってセキュリティ保護される。図３は、遠隔システム２１０に設けられたトークンサービス２３０を介して管理されることができるＳＡＳ（Ｓｈａｒｅｄ Ａｃｃｅｓｓ Ｓｉｇｎａｔｕｒｅ）トークンを介してセキュリティ保護されているとして、エッジゲートウェイ２１８から遠隔システム２１０に配信されるデータトラフィックを示す。エッジゲートウェイ２１８は、トークンサービス２３０を認証し、限られた時間期間、例えば２分、５分、３０分、１時間を超えて有効である可能性のあるＳＡＳトークンを要求する。エッジゲートウェイ２１８は、コンテンツデータがエッジゲートウェイ２１８から遠隔システム２１０に送信される遠隔システム２１０へのＡＭＱＰ（アドバンストメッセージキュープロトコル（Ａｄｖａｎｃｅｄ Ｍｅｓｓａｇｅ Ｑｕｅｕｉｎｇ Ｐｒｏｔｏｃｏｌ））接続をセキュリティ保護し、認証するためにＳＡＳトークンを受信し、使用する。当然のことながら、エッジゲートウェイ２１８と遠隔システム２１０との間のデータ転送をセキュリティ保護するためのＳＡＳトークン及びＡＭＱＰプロトコルの使用は、多くの可能性のあるセキュリティ機構のうちの１つに過ぎない。例えば、Ｘ．５０９証明書、他のタイプのトークン、ＭＱＴＴ（ＭＱ Ｔｅｌｅｍｅｔｒｙ Ｔｒａｎｓｐｏｒｔ）またはＸＭＰＰ（Ｅｘｔｅｎｓｉｂｌｅ Ｍｅｓｓａｇｉｎｇ ａｎｄ Ｐｒｅｓｅｎｃｅ Ｐｒｏｔｏｃｏｌ）などの他のＩＯＴプロトコルなどの任意の１つ以上の好適な、Ｉｎｔｅｒｎｅｔ−Ｏｆ−Ｔｈｉｎｇｓ（ＩＯＴ）セキュリティ機構が、エッジゲートウェイ２１８と遠隔システム２１０との間のデータ転送をセキュリティ保護するために利用することができる。これらの他の実施形態では、サービス２３０は、例えば、適切なセキュリティトークンまたは証明書を提供及び／または発行する。
遠隔システム２１０において、ユーザ認証及び／または許可は、任意の１つ以上の好適な認証及び／または許可セキュリティ機構２３２によって提供される。例えば、遠隔システム２１０への安全なアクセスは、ドメイン認証サービス、ＡＰＩユーザ認証サービス、及び／または任意の他の好適な認証及び／または許可サービス２３２によって提供されてもよい。したがって、認証及び／または許可サービス２３２を介して認証及び／または許可されたユーザ２３５のみが、遠隔システム２１０で利用可能な少なくとも一部のデータ、とりわけ、データデバイス２０２によって生成されたデータを含むデータにアクセスすることができる。
したがって、上述のように、セキュリティアーキテクチャ２００は、プロセスプラント１００内で動作して、例えばその送信を介してデータソース２０２によるデータの開始から遠隔システム２１０へ１つ以上の遠隔アプリケーションまたはサービス２０８によって操作されるプロセスを制御する間に、デバイスまたはデータソース２０２によって生成されたデータに対してエンドツーエンドのセキュリティを提供する。重要なことに、セキュリティアーキテクチャ２００は、このエンドツーエンドのセキュリティを提供し、プロセスプラント１００で悪意のある攻撃が発生するのを防止する。
なお、図３は、デバイスまたはデータソース２０２をフィールドゲートウェイ２１２に通信可能に接続する無線ゲートウェイ２０５Ａ、２０５Ｂを示しているが、いくつかの構成では、無線ゲートウェイ２０５Ａ、２０５Ｂのうちの１つ以上が省略され、ソースデータがデータソース２０２から直接フィールドゲートウェイ２１２に送信されることに留意されたい。例えば、データソース２０２は、プロセスプラント１００のビッグデータネットワークを介してフィールドゲートウェイ２１２にソースデータを直接送信することができる。一般的に言えば、プロセスプラント１００のビッグデータネットワークは、バックボーンプラントネットワーク１１０ではなく、またはビッグデータネットワークは、工業用通信プロトコル（例えば、Ｐｒｏｆｉｂｕｓ、ＤｅｖｉｃｅＮｅｔ、Ｆｏｕｎｄａｔｉｏｎ Ｆｉｅｌｄｂｕｓ、ＣｏｎｔｒｏｌＮｅｔ、Ｍｏｄｂｕｓ、ＨＡＲＴなど）を使用してデバイス間で制御信号を送信するために使用される工業用プロトコルネットワークでもない。むしろ、プロセスプラント１００のビッグデータネットワークは、例えばデータ処理及び分析目的のためにノード間でデータを流すプロセスプラント１００用に実装されたオーバーレイネットワークであってもよい。ビッグデータネットワークのノードは、例えば、データソース２０２、無線ゲートウェイ２０５Ａ、２０５Ｂ、及びフィールドゲートウェイ２１２、ならびに図２に示す、構成要素１１１、１１５〜１２２、１２６、１２８の任意の１つ以上、１３５、１４０、１４６、１５２、１５５、１５８、１６０、１７０、１７１〜１７６、１７８及び他の構成要素を含むことができる。したがって、プロセスプラントデータネットワークの多くのノードには、典型的には、工業通信プロトコルを利用するプロセスプラントオペレーションのための指定インターフェースと、例えばストリーミングプロトコルを利用するデータ処理／分析オペレーションのための別の指定インターフェースが含まれる。プロセスプラント１００において利用され得るビッグデータネットワークの例は、「プロセス制御システムにおける地域的ビッグデータ（Ｒｅｇｉｏｎａｌ Ｂｉｇ Ｄａｔａ ｉｎ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍｓ）」と題する、２０１４年１０月６日に出願された、米国特許出願第１４／５０７、１８８号に記載され、参照により本明細書に組み込まれる。
いくつかの実施形態では、図３に関して、有線ゲートウェイ（図示せず）を無線ゲートウェイ２０５Ａ、２０５Ｂのうちの１つの代わりに利用することができることにさらに留意されたい。さらに、フィールドゲートウェイ２１２、データダイオード２１５、及びエッジゲートウェイ２１８は、図３に示すボックス２３５によって示されるように、物理的に同じ場所に位置してもてもよく、または構成要素２１２、２１５、２１８のうちの１つ以上は、複数の場所を経由して物理的に位置してもよい。例えば、フィールドゲートウェイ２１２、データダイオード２１５、またはエッジゲートウェイ２１８のうちの１つ以上が、プロセスプラント１００に配設されてもよい。付加的に、または代替的に、フィールドゲートウェイ２１２、データダイオード２１５、またはエッジゲートウェイ２１８のうちの１つ以上が、プロセスプラント１００から遠隔地に配設されてもよい。
１００は、所望されれば、複数のフィールドゲートウェイ２１２によってサービスされてもよく、任意の数のフィールドゲートウェイ２１０が単一のエッジゲートウェイ２１８によってサービスされてもよい。いくつかの実施形態では、遠隔システム２１０は、所望されれば、複数のエッジゲートウェイ２１８によってサービスされる。
前述したように、データダイオード２１５を経由して転送されるデータトラフィックはセキュリティ保護される。そのようなデータトラフィックは、例えば、シリアル通信またはＵＤＰ通信を使用することによって、データダイオード２１５を経由して通信され得る。しかしながら、双方向通信なしでこのような通信をセキュリティ保護することは困難かつ扱いにくく、一般的にＵＤＰ通信とシリアル通信の両方は、両方に双方向通信（データダイオード２１５を使用することは不可能である）するだけでなく、長いキーシーケンスを記憶し、入力する必要がある。したがって、従来の双方向通信を使用して単方向データダイオード２１５を経由してデータ転送をセキュリティ保護するのではなく、転送されたデータを、エッジゲートウェイ２１８とフィールドゲートウェイ２１２との間で利用されるセキュリティプロビジョニングプロセスを介してセキュリティ保護することができる。セキュリティプロビジョニングプロセスは、エッジゲートウェイ２１８とフィールドゲートウェイ２１２（例えば、対称キーまたは対称マテリアル）、例えば、結合キー、の間で共有化される固有の初期キーまたは機密マテリアルを確立する。結合キーを使用して、エッジゲートウェイ２１８及びフィールドゲートウェイ２１２は、データダイオード２１５を経由して安全にデータトラフィックを転送するために利用されるさらなるキーまたは機密マテリアルを交換するために使用される安全な接続を確立する。セキュリティプロビジョニングプロセスは、参照により本明細書に組み込まれる、「セキュリティ保護されたプロセス制御通信（Ｓｅｃｕｒｅｄ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）」（代理人整理番号０６００５−５９３５８８）と題された米国特許出願第１５／３３２，７５１号に詳細に記載されている。
さらに、上記の例は、データダイオード２１５を介してプロセスプラントデータを受信する遠隔システム２１０の構成要素としてプロセスプラントデータを分析するためのコンピューティングデバイス２５０を参照しているが、コンピューティングデバイス２５０は、プロセスプラント１００の任意の好適な通信構成要素を介して安全な方法でプロセスプラントデータを受信できるため、これは多くの実施形態のうちの１つに過ぎない。例えば、コンピューティングデバイス２５０は、無線ゲートウェイ２０５Ａ、２０５Ｂ、フィールドゲートウェイ２１２、またはエッジゲートウェイ２１８に通信可能に接続されてもよい。通信経路は、暗号化技術、ファイアウォール、データダイオード、または任意の他の好適なセキュリティ機構を介して、デバイス２０２からコンピューティングデバイス２５０にセキュリティ保護されてもよい。
プロセスプラントデータが、コンピューティングデバイス２５０で受信されると、コンピューティングデバイス２５０は、プロセスプラントデータを分析して、対応するプロセスプラントエンティティの状態を検出または識別する。状態の指標は、例えば、ドメイン認証サービスを介してユーザインターフェースデバイス２３５、及び／または別の通信ネットワーク（図示せず）を介してプロセスプラント１００のオペレータワークステーション１７１の１つに送信される。このようにして、オペレータは、プロセスプラント内の様々なプロセスプラントエンティティで発生する状態に警告することができる。オペレータは、これらの状態によって作成された問題を解決するために適切な処置をとることができる。いくつかの状況では、様々なプロセスプラントエンティティの検出された状態の指標が、これらのそれぞれの使用及び／または分析のために、他のコンピューティングデバイス、例えば、遠隔システム２１０内の、プロセスプラント１００、または他の場所に位置するコンピューティングデバイス、アプリケーション、またはサービスなどのものに送信される。
上述したように、プロセスプラントデータは、プロセスプラントエンティティに対応するプロセスパラメータに対して時間経過に伴って収集されたプロセスパラメータ値を含む。プロセスパラメータは、プロセスプラントを流れる材料またはプロセスを制御する物理
的機能を遂行するデバイス（例えば、バルブパラメータ、フィールドデバイスパラメータ、コントローラパラメータなど）のプロセスプラント内の設定点または測定値を含む。例えば、プロセスパラメータは、プロセスプラントまたはその設定点を流れる材料の温度、圧力、流量、質量、体積、密度、または面積を含む。プロセスパラメータはまた、プロセス（例えばバルブ）を制御するために物理的機能を実行するデバイスまたはその設定点の駆動信号、開度、圧力、または温度を含む。プロセスプラントエンティティは、バルブ、タンク、ミキサー、ポンプ、熱交換器などのプロセスを制御する物理的機能を遂行するプロセスプラント内のデバイスを含む。プロセスプラントエンティティは、場合によっては、コントローラ及び／またはＩ／Ｏデバイスを含むことができる。例示のために、例示的なシナリオを、バルブの状態を検出するために、バルブのプロセスパラメータが分析される図４を参照して以下で説明する。
図４は、本明細書に記載された技術の実施例において、バルブに対応するプロセスパラメータについて時間経過に伴って収集されたプロセスパラメータ値の例示的なグラフ表示３００を示す。プロセスパラメータ値は、デバイス２０２の１つ以上から収集され、コンピューティングデバイス２５０で分析された。詳細には、この例示実装形態では、デバイス２０２は、リアルタイムでデータダイオード２１５を経由してプロセスパラメータ値をコンピューティングデバイス２５０にストリームした。図４に示すように、プロセスパラメータは、バルブの駆動信号３０２、バルブにおける材料の入口圧力３０４、バルブにおける材料の温度３０６、及びバルブ開度３０８を含む。各々のプロセスパラメータ値は、対応するタイムスタンプ（例えば、時間４０で収集された値８０の駆動信号）を含む。
プロセスパラメータ３０２〜３０８の各々に対して、コンピューティングデバイス２５０は、プロセスパラメータメトリックを生成するために、時間経過に伴って収集された対応するプロセスパラメータ値に関する統計的計算を遂行することができる。例えば、バルブでの材料の温度の値３０６から、コンピューティングデバイス２５０は、バルブにおける材料の平均温度、温度における標準偏差、温度の２０秒移動平均及び／または温度の２０秒減衰平均などの１つ以上のプロセスパラメータメトリックを判定することができ、最も最近の温度が最も高く加重され、２０秒前の温度が最も低く加重される。コンピューティングデバイス２５０は、付加的または代替的に、時間経過に伴って収集された様々な温度によって作成される波の振幅及び周波数を判定することができる。さらに、コンピューティングデバイス２５０は、ノイズを除去し、フィルタが適用された後に追加の統計的計算を遂行するために、温度値に様々なフィルタを適用することができる。
バルブまたはプロセスプラントエンティティのプロセスパラメータメトリックは、バルブ／プロセスプラントエンティティで発生する状態を検出または識別するために使用される。例えば、コンピューティングデバイス２５０は、様々な機械学習技術を使用して、特定の状態がバルブ／プロセスプラントエンティティにおいて発生しているか、存在しているかを検出または識別する統計的モデルを生成する。単一の統計的モデルを使用して、プロセスプラントエンティティで発生するかまたは存在する可能性がある複数の状態を検出または識別することができ、または異なるタイプの統計的モデルを、状態の各々のタイプに対して固有とすることができ、プロセスパラメータメトリックを、各々の統計的モデルプロセスプラントエンティティにおいてどの状態（もしあれば）が発生しているか存在しているかを検出または識別することができる。１つ以上の統計的モデルは、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、ニューラルネットワークなどの好適な機械学習技術を使用して生成することができる。
いくつかの実施形態では、プロセスプラント１００及び／または他のプロセスプラントのプロセスプラントエンティティによって以前に生産された履歴プロセスパラメータ値を
含むトレーニングデータを使用して、１つ以上の統計的モデルが生成される。履歴プロセスパラメータ値は、例えば、図２に示すように、データヒストリアンデータベース１７３Ｂから取得することができる。
ある場合には、特定の時間ウィンドウ（例えば１時間）に対応する履歴プロセスパラメータ値または履歴プロセスパラメータ値のセットの各々は、履歴プロセスパラメータ値が、生成された間中または生成された時間に関連するプロセスパラメータ値のサブセットに分類され得る。例えば、温度値のセットは、温度値が収集されたとき、例えば熱交換器で識別されたエラーの閾値時間期間内に、熱交換器でのエラーに関連するプロセスパラメータ値のサブセットに分類することができる。さらに、履歴プロセスパラメータ値は、履歴プロセスパラメータ値が生成された時刻またはその付近で、プロセスプラントエンティティにおいて何の状態も発生しないかまたは存在しないときプロセスプラントエンティティの正常動作に関連するプロセスパラメータエンティティの別のサブセットに分類される。コンピューティングデバイス２５０は、ある状態に関連する履歴プロセスパラメータ値のサブセットを、その状態に関連しない履歴プロセスパラメータ値の別のサブセットと比較して、統計的モデルを生成する。このようにして、コンピューティングデバイス２５０は、プロセスプラントエンティティが特定の状態を経験していることを示すプロセスパラメータの特性を識別する。
ナイーブベイズ
いくつかの実施形態では、統計的モデルを生成及び／または利用するための機械学習技術は、ナイーブベイズである。例えば、コンピューティングデバイス２５０は、プロセスプラントエンティティ（例えば、性能監視メトリック、エラー、漏れ、不動帯、不動時間、機械的摩耗など）に関連する各々のタイプの状態に対する統計的モデルを生成する。例示のために、熱交換器での漏れなどの特定の状態について、コンピューティングデバイス２５０は、熱交換器に関連する履歴プロセスパラメータ値を、熱交換器漏れに関連するプロセスパラメータ値の第１にセット及び熱交換器漏れに関連しないプロセスパラメータ値の第２にセットに分類する。その後、コンピューティングデバイス２５０は、サブセットの各々で統計的計算を遂行する。例えば、第１のサブセット内の各々の履歴プロセスパラメータに対して、コンピューティングデバイス２５０は、対応する履歴プロセスパラメータ値の平均値及び対応する履歴プロセスパラメータ値の標準偏差値を計算する。またコンピューティングデバイス２５０は、第２のサブセット内の各々の履歴プロセスパラメータに対応する履歴プロセスパラメータ値の平均及び標準偏差を計算する。いくつかの実施形態では、履歴プロセスパラメータに対する平均が加重され、ここで、状態の検出に時間的に近づいて収集された履歴プロセスパラメータ値はより高く加重される。例えば、時刻ｔ＝９分に漏れが検出された場合、漏れに関連する平均圧力値計算するとき、時刻ｔ＝８分５９秒の圧力値は、時刻ｔ＝８分４０秒の圧力値よりも、高く加重される。
コンピューティングデバイス２５０は、ガウス分布または任意の他の好適な確率密度関数を仮定して、第１のサブセット内の各々の履歴プロセスパラメータ（例えば、熱交換器漏れに関連するもの）の平均及び標準偏差を使用して、第１の統計的モデルを生成する。コンピューティングデバイス２５０は、ガウス分布または任意の他の好適な確率密度関数を仮定して、第２のサブセット内の各々の履歴プロセスパラメータ（例えば、熱交換器漏れに関連しないもの）の平均及び標準偏差を使用して、第２の統計的モデルを生成する。
一例では、コンピューティングデバイス２５０は、熱交換器などのプロセスプラントエンティティの圧力、温度、及び流量などの履歴プロセスパラメータから統計的モデルを生成する。この例では、第１の統計的モデルに対して、コンピューティングデバイス２５０は、プロセスパラメータ値の第１のサブセット（例えば、熱交換器漏れに関連するもの）における圧力、温度、及び流量に対する平均圧力、圧力標準偏差、平均温度、温度標準偏
差、平均流量、及び流量標準偏差を判定する。コンピューティングデバイス２５０は、その後、第１のサブセットに対する圧力分布、温度分布、及び流量分布をそれに応じて生成する。第２の統計的モデルに対して、コンピューティングデバイス２５０は、プロセスパラメータ値の第２のサブセット（例えば、熱交換器漏れに関連しないもの）における圧力、温度、及び流量に対する平均圧力、圧力標準偏差、平均温度、温度標準偏差、平均流量、及び流量標準偏差を判定する。コンピューティングデバイス２５０は、第２のサブセットに対する圧力分布、温度分布、及び流量分布をそれに応じて生成する。
その後、第１及び第２の統計的モデルは、プロセスプラントから受け取ったオンラインプロセスプラントデータから計算されたプロセスパラメータメトリックと比較される。比較に基づいて、コンピューティングデバイス２５０は、例えば、類似性または差異のそれぞれの尺度を判定し、それぞれの尺度を比較することによって、第１及び第２の統計的モデルのどちらがプロセスパラメータメトリックにより密接に一致するかを判定する。プロセスパラメータメトリックが第１の統計的モデルにより密接に一致するとき、コンピューティングデバイス２５０は、プロセスパラメータメトリック（例えば、この例のシナリオでは、熱交換器）に対応するプロセスプラントエンティティが漏れを経験していると判定する。一方、プロセスパラメータメトリックが第２の統計的モデルにより密接に一致するとき、コンピューティングデバイス２５０は、プロセスパラメータメトリック（例えば、この例のシナリオでは、熱交換器）に対応するプロセスプラントエンティティが、漏れを経験していないと判定する。上述のように、プロセスパラメータメトリックは、セキュリティ保護された方法で受信され、時間経過に伴って収集されたプロセスパラメータ値から計算される。したがって、上記の技術を使用して、熱交換器における温度値の移動平均（例えば、温度メトリック）を使用して、熱交換器における漏れを検出することができる。
上記の例を続けると、圧力メトリック（例えば、圧力の減衰平均）は、プロセスパラメータ値の第１のサブセット（例えば、熱交換器漏れに関連するもの）からの平均圧力及び圧力標準偏差に従って生成される圧力分布と比較される。比較に基づいて、コンピューティングデバイス２５０は、プロセスパラメータ値の第１のサブセットに対する圧力メトリックと平均圧力との差（標準偏差）に対応する確率を判定する。コンピューティングデバイス２５０はまた、同様の手順を遂行して、プロセスパラメータ値の第１のサブセットに対する温度メトリックと平均温度との差（標準偏差）に対応する確率及びプロセスパラメータ値の第１のサブセットに対する流量メトリックと平均流量との差（標準偏差での）に対応する確率を判定する。その後、判定されたプロセスパラメータメトリックが、熱交換器漏れに関連するプロセスパラメータ値の第１のサブセットに対応する全体的な確率を判定するために、確率が結合される（掛け合わされる、集約されるなど）。
付加的に、圧力メトリック、温度メトリック、及び流量メトリックは、プロセスパラメータ値の第２のサブセット（例えば、熱交換器漏れに関連しないもの）に基づいて判定された圧力分布、温度分布、及び流量分布とそれぞれ比較される。比較に基づいて、コンピューティングデバイス２５０は、プロセスパラメータ値の第２のサブセットに対する圧力メトリックと平均圧力との差（標準偏差での）に対応する確率、第２のサブセットに対する温度メトリックと平均温度との差（標準偏差での）に対応する確率及びプロセスパラメータ値の第２のサブセットに対する流量メトリックと平均流量との差（標準偏差での）に対応する確率を判定する。その後、プロセスパラメータメトリックが、熱交換器漏れに関連しないプロセスパラメータ値の第２のサブセットに対応する全体的な確率を判定するために、確率が結合される（掛け合わされる、集約されるなど）。
続いて、第１のサブセットに対する全体的な確率は、第２のサブセットの全体的な確率と比較される。第１のサブセットの全体的確率が高いとき、コンピューティングデバイス２５０は、対応するプロセスプラントエンティティ、例えば熱交換器が漏れを経験してい
ると判定する。そうでない場合、コンピューティングデバイス２５０は、対応するプロセスプラントエンティティ、例えば熱交換器が漏れを経験していないと判定する。上述のように、コンピューティングデバイス２５０は、各々のタイプの状態について統計的モデルを生成し、対応するプロセスプラントエンティティがそれに応じて各々のタイプの状態を経験しているかどうかを判定する。
決定木
他の実施形態では、統計的モデルを生成及び／または利用するための機械学習技術は、ランダムツリーまたはブースティングのような決定木を用いた決定木または機械学習技術である。例えば、機械学習技術がランダムフォレストであるとき、コンピューティングデバイス２５０は、プロセスプラントデータの各々のいくつかの代表的なサンプルを収集する。各々の代表サンプルを使用して、コンピューティングデバイス２５０は、プロセスプラントエンティティにおいて状態が発生している可能性を判定するための決定木を生成する。コンピューティングデバイス２５０は、各々の個別ツリーで判定された可能性を平均化すること、加重平均を計算すること、多数決をとることなどによって、決定木のそれぞれを集約及び／または結合して統計的モデルを生成する。コンピューティングデバイス２５０は、機械学習技術がブースティングしているときに、決定木を生成することもできる。
各々の決定木は、いくつかのノード、分岐、及び葉を含み、各々のノードはプロセスパラメータメトリック（例えば、２０より大きい減衰流量平均）上のテストを表し、各々の分岐はテストの結果を表し（減衰流量平均は２０より大きい）、各々の葉は、プロセスプラントエンティティが特定の種類の状態を経験している可能性を表す。例えば、決定木の分岐は、プロセスプラントエンティティがエラー、漏れ、不動帯、不動時間、機械的摩耗などを経験する可能性を表す。したがって、コンピューティングデバイス２５０は、収集されたプロセスプラントデータからのプロセスパラメータメトリックを使用して各々の決定木を走査して、プロセスプラントエンティティが、もしあれば、どの状態にあるかを判定する。プロセスプラントエンティティが特定のタイプの状態を経験している可能性が閾値可能性（例えば、０．５，０．７など）を上回る可能性がある場合、コンピューティングデバイス２５０は、プロセスプラントエンティティがその状態を経験していると判定し、状態の指標を、ユーザインターフェースデバイス及び／または別のコンピューティングデバイス、サービス、またはアプリケーションへ送信する。
例えば、コンピューティングデバイス２５０は、２０秒移動平均圧力が２５を超えるかどうかに対応する第１のノードを含む決定木を生成する。２０秒移動平均圧力が２５を超えない場合、第１の分枝は第１の葉ノードに接続し、プロセスプラントエンティティが機械的摩耗を経験している可能性が０．６であることを示す。２０秒移動平均圧力スコアが７を超える場合、第２の分岐は第２のノードに接続し、温度の標準偏差が１０を超えるかどうかに対応する第２のノードに接続する。
温度の標準偏差が１０を超える場合、第３の分岐は、プロセスプラントエンティティが機械的摩耗を経験している可能性が０．７５であることを示す第２の葉ノードに接続する。しかし、温度の標準偏差が１０を超えない場合、第４の分岐は、プロセスプラントエンティティが機械的摩耗を経験している可能性が０．２５であることを示す第３の分岐ノードに接続する。決定木には３つの葉ノードと４つの分枝が含まれているが、これは説明を簡単にするための単なる例である。各々の決定木は、プロセスパラメータメトリックに関する任意の好適な数及び／またはタイプのテストを有する任意の数のノード、分岐、及び葉を含むことができる。
いずれにしても、ランダムフォレストまたはブースティング方法のようにいくつかの決
定木を結合及び／または集約することによって、コンピューティングデバイス２５０は、プロセスプラントエンティティが特定のタイプの状態を経験している可能性を判定するために最も重要な、プロセスパラメータメトリックを識別する。最も重要なプロセスパラメータメトリックは、決定木の早期分割を最も頻繁に行うものであり、プロセスプラントエンティティが状態を経験しているかどうかを最もよく表している。上記の決定木の例を参照すると、２０秒移動平均圧力は、２０秒移動平均圧力よりも温度の標準偏差が木内で低く表れるため、温度の標準偏差よりも重要である。したがって、この例では、２０秒移動平均圧力が最も重要なプロセスパラメータメトリックである。
いくつかの実施形態では、プロセスパラメータメトリックには、それぞれの重要度に従って重みが割り当てられる。コンピューティングデバイス２５０は、統計的モデルを生成するときに割り当てられた重みを使用する。いくつかのシナリオでは、最も重要でないプロセスパラメータメトリックを、０またはほぼ０の係数で加重して、統計的モデルからプロセスパラメータメトリックを除外することができる
回帰
さらに他の実施形態では、統計的モデルを生成及びまたは利用するための機械学習技術は、ロジスティック回帰、線形回帰、多項式回帰などの回帰分析である。例えば、履歴プロセスパラメータ値を特定の状態に関連する及び関連しないプロセスパラメータ値のそれぞれのサブセットに分類することに加えて、各々の履歴プロセスパラメータ値には性能監視メトリックが割り当てられる。性能監視メトリックは、対応するプロセスプラントエンティティの健全性状態に応じたデバイス全体の健全性パラメータなど、プロセスプラントエンティティの性能またはレーティングのレベルを示す。
履歴プロセスパラメータ値及び対応する性能監視メトリックに基づいて、コンピューティングデバイス２５０は、履歴プロセスパラメータ値から性能監視メトリックを最も近似する式として統計的モデルを生成する。いくつかの実施形態では、統計的モデルを使用する予測性能監視メトリックの値と、履歴プロセスパラメータ値に割り当てられた実際の性能監視メトリックとの間の差を最小にするために、通常の最小二乗法が使用される。さらに、統計的モデル及び性能監視メトリック（ｙｉ）を使用する各々の予測性能監視メトリック（ｙｉ）の値の間の差は、任意の好適な方法で集約及び／または結合されて、回帰の平均二乗誤差（ＭＳＥ）を判定する。その後、ＭＳＥは統計的モデル内の標準エラーまたは標準偏差（σε）を判定するために使用され、統計的モデルは信頼区間を作成するために使用される。
統計的モデルを使用して、コンピューティングデバイス２５０は、プロセスプラントデータから計算されたプロセスパラメータメトリックを、回帰分析の結果として生成された式（例えば、生成された統計的モデル）に適用する。したがって、コンピューティングデバイス２５０は、プロセスプラントエンティティに対する性能監視メトリック（例えば、全体的なデバイス健全性パラメータ）を判定または識別する。
プロセスパラメータ値は図４のグラフ表示に含まれているが、これは説明を簡単にするためのものである。プロセスパラメータ値は、表示デバイスにプロセスパラメータ値を提示することなく、対応するタイムスタンプ（例えば、時系列データとして）を有するデータポイントとしてコンピューティングデバイス２５０で収集され分析されてもよい。また、コンピューティングデバイス２５０は、機械学習技術を使用してプロセスプラントエンティティで発生する状態を検出または識別するものとして説明されているが、状態は、付加的または代替的に、一組のルールを適用することによって検出または識別されてもよい。例えば、コンピューティングデバイス２５０は、駆動信号の差とバルブの開度とを比較することによって、バルブの過剰な不動帯を識別する。差が既定の閾値量を超えると、コ
ンピューティングデバイス２５０は、バルブ内の過剰な不動帯を識別する。
図５は、安全に受信されたデータの分析に基づいてプロセスプラントエンティティ内の状態を検出または識別するための例示的な方法４００を表すフロー図を示す。方法４００は、図３に示すように、コンピューティングデバイス２５０によって、または任意の好適なコンピューティングデバイスによって実行され得る。上述のように、コンピューティングデバイス２５０は、遠隔システム２１０に含まれてもよく、及び／または無線ゲートウェイ２０５Ａ、２０５Ｂ、フィールドゲートウェイ２１２、データダイオード２１５、及び／またはエッジゲートウェイ２１８に通信可能に接続されてもよい。
ブロック４０２において、プロセスプラントエンティティ（例えば、バルブ、タンクなど）に対応するいくつかのプロセスパラメータ対して履歴プロセスパラメータ値が取得される。履歴プロセスパラメータ値または特定の時間ウィンドウ（例えば１時間）に対応する履歴プロセスパラメータ値のセットの各々は、履歴プロセスパラメータ値が生成された時点またはその付近で、対応するプロセスプラントエンティティで発生した特定の状態に関連するプロセスパラメータ値のサブセットに分類される（ブロック４０４）。例えば、温度値のセットは、熱交換器で識別されたエラーの閾値時間内に温度値が収集されたときに、熱交換器におけるエラーに関連するプロセスパラメータ値のサブセットに分類されてもよい。付加的に、履歴プロセスパラメータ値は、プロセスプラントエンティティの通常の動作に関連する及び／またはプロセスプラントエンティティに履歴プロセスパラメータ値が生成されたその時点にまたは付近で、その状態が発生しないか存在しないときに、プロセスパラメータ値のサブセットに分類されてもよい。
ブロック４０６において、統計的モデルが、例えば様々なルール及び／または機械学習技術を使用することによって、履歴プロセスパラメータ値のサブセットに基づいて生成される。機械学習技術は、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、ニューラルネットワークなどを含むことができる。いくつかの実施形態では、単一の統計的モデルが生成されて、プロセスプラントエンティティにおいて発生する可能性があるか、または存在し得るいくつかのタイプの状態を検出または識別する。他の実施形態では、プロセスプラントエンティティにおいて発生する可能性があるか、または存在し得る状態の各々のタイプ対する異なる統計的モデルが生成される。いくつかの実施形態では、プロセスパラメータメトリックは、どの統計的モデルがプロセスパラメータメトリックに最もよく対応するかを判定するために、様々な状態（またはその不在）を示す複数の統計的モデルと比較される。
いずれにせよ、ブロック４０８で、プロセスプラントエンティティのプロセスプラントデータが安全な方法で受信される。例えば、プロセスプラントデータは、ファイアウォール、暗号化技術、及び／または他の好適なセキュリティ機構を使用して、データダイオード２１５を経由してコンピューティングデバイス２５０に送信されてもよい。プロセスプラントデータは、駆動信号、バルブ開度、開度設定点、密度、面積、質量、容積、圧力、温度、またはバルブに対応する流量またはバルブを流れる材料などの、プロセスプラントエンティティに対応するプロセスパラメータを含むことができる。一般に、プロセスプラントデータは、プロセスプラントエンティティが工業プロセスを制御するために動作する結果として生成されるデータであってもよく、プロセスプラントエンティティの挙動または動作を記述してもよい。プロセスプラントデータは、プロセスプラントエンティティ自体によって生成されても生成されなくてもよい。例えば、バルブデータは、バルブ自体（例えば、バルブがどのように開いているかまたは閉じているかの尺度）によって記述し及び／または生成され得、及び／またはバルブのアクチュエータ記述し及び／または生成され得る（例えば、アクチュエータがバルブに特定の信号をどのくらい頻繁に印加するか）。各々のプロセスパラメータに対して、コンピューティングデバイス２５０は、いくつか
の時間のインスタンスにわたっていくつかのプロセスパラメータ値を受信する。各々のプロセスパラメータ値は、例えば、プロセスパラメータ値がいつ生成されるかを示す対応するタイムスタンプを含む。
ブロック４１０において、１つ以上のプロセスパラメータメトリックが、対応する受信プロセスパラメータ値に基づいて、各々のプロセスパラメータに対して生成、判定、及び／または計算される。プロセスパラメータメトリックは、例えば、プロセスパラメータの平均値、標準偏差、所定時間期間にわたる移動平均、所定時間期間にわたる減衰平均、プロセスパラメータの最大／最小値、時間経過に伴うプロセスパラメータ値に対応する波の振幅、位相、及び／または周波数などを含む。
各々のプロセスパラメータメトリックは、どのプロセスプラントエンティティが、もしあれば、どの状態を経験しているかを検出または識別するために、統計的モデル（ブロック４１２）と比較される（ブロック４１４）。例えば、機械学習技術がナイーブベイズであるとき、プロセスパラメータメトリックは、状態に関連するプロセスパラメータ値のサブセットに対する分布と、状態に関連しないプロセスパラメータ値のサブセットに対する別の分布とを比較する。コンピューティングデバイス２５０は、どの分布がプロセスパラメータメトリックにより近く一致しているかを判定し、プロセスプラントエンティティが分布の一致に基づいて状態を経験しているか否かを検出／識別する。別の例では、機械学習技術が決定木、ランダムフォレスト、またはブースティングであるとき、コンピューティングデバイス２５０は、どの状態をプロセスプラントエンティティが、もしあれば、経験しているかを判定するためにプロセスパラメータメトリックを使用して決定木のノードを走査する。さらに別の例では、機械学習技術がロジスティック回帰、線形回帰、多項式回帰などの回帰分析であるとき、コンピューティングデバイス２５０は、回帰式にプロセスパラメータメトリックを適用して、プロセスプラントエンティティに対する性能監視メトリックを検出または識別する。
ブロック４１６において、コンピューティングデバイス２５０は、ユーザインターフェースデバイス２３５に識別された状態の指標を送信して、オペレータに状態を警告する。状態の指標は、検出された状態のタイプ（例えば、性能監視メトリック、不動帯、機械的摩耗など）、状態を経験しているプロセスプラントエンティティ、状態を検出するために使用されるプロセスパラメータ値、状態によって作成される潜在的な問題を解決するための手順、または他の好適な情報を含む警報またはエラーメッセージであり得る。
いくつかの実施形態では、コンピューティングデバイス２５０は、プロセスプラントエンティティに対する識別された状態に従って、プロセスプラント１００で警報またはイベントを生成させる。例えば、コンピューティングデバイス２５０は、プロセスプラント１００に通信を送信して、プロセスプラントエンティティに対する警報またはイベントを表示するか、またはユーザインターフェースデバイス２３５に要求を送信してプロセスプラント１００に通信を送信し、プロセスプラントエンティティに対する警報またはイベントを表示する。他の実施形態では、コンピューティングデバイス２５０は、プロセスプラント１１０に制御信号を送信して、識別された状態に基づいてプロセスプラントエンティティの動作を調整する。例えば、プロセスプラントエンティティが漏れを経験しているとき、コンピューティングデバイス２５０は、プロセスプラントエンティティの動作を停止するために、プロセスプラント１１０に制御信号を送信する。
プロセスプラントエンティティの状態が分かれば（例えば、オペレータがプロセスプラントエンティティを評価して、プロセスプラントエンティティで何らかの状態が発生しているかどうかを判定する）、プロセスパラメータ値が履歴プロセスパラメータ値に追加され（ブロック４１８）、それに応じて統計的モデルが更新される。例えば、プロセスパラ
メータ値は、図２に示すように、データヒストリアンデータベース１７３Ｂに格納される。
付加的に、または代替的に、コンピューティングデバイス２５０は、別のコンピューティングデバイス、サービス、またはアプリケーションに（例えば、さらなる分析のために）状態の指標を送信する。例えば、コンピューティングデバイス２５０内の状態判定アプリケーションまたはモジュールは、プロセスプラントエンティティの状態を検出または識別し、その識別された状態の指標をコンピューティングデバイス２５０または別のコンピューティングデバイス内の別のアプリケーションまたはモジュールに送信する。他のアプリケーションまたはモジュールは、例えば、図７Ａ〜７Ｂを参照してより詳細に後述するように、同じプロセスプラント１００、企業、工業などにおける他のプロセスプラントエンティティに対するプロセスプラントエンティティの健全性を検出するために付加的な分析を遂行することができる。他のアプリケーションまたはモジュールは、プロセスプラントエンティティの状態を、プロセスの相対的な健全性に基づいて検出する。
いくつかの実施形態では、プロセスプラントエンティティの相対的な健全性に基づいて判定された状態は、機械学習方法に基づいて判定された状態と比較される。プロセスプラントエンティティに対する相対的健全性インジケータに基づいて判定された状態と機械学習方法に基づいて判定された状態とが一致しないとき、他のアプリケーションまたはモジュールは、プロセスプラントエンティティにおいて発生する状態を検出または識別するために分析をさらに遂行し、及び／または、さらなるレビューのために、状態及び関連するプロセスパラメータメトリックの指標をオペレータに送信する。
プロセスプラントエンティティで発生する状態を検出または識別する精度を高めるために、プロセスプラントエンティティの特定の動作特性に対してそれぞれ別々の統計的モデルを生成することができる。例えば、プロセスプラントエンティティがバルブであるとき、フルストロークサイクル、連続スロットル、周期的スロットルなど、バルブが動作する可能性のある各々のモードに異なる統計的モデルが生成される。コンピューティングデバイス２５０が、バルブが現在動作している（例えば、上述のように）モードを識別するとき、バルブのプロセスパラメータ値は、同じモードで動作するバルブの履歴プロセスパラメータ値に基づいて生成された統計的モデルと比較される。このように、統計分析はより正確である。ある動作モードにおけるプロセスパラメータ値は、別の動作モードにおけるプロセスパラメータ値とは異なる状態を示すことがある。例えば、連続スロットルモードでは、不動時間の特定の量が過剰であるが、フルストロークサイクルモードでは、同じ不動時間量が許容可能である可能性がある。
各々のモードの統計的モデルは、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、ニューラルネットワークなどの様々な機械学習技術を使用して、上記と同様の方法で生成することができる。履歴プロセスパラメータ値は、対応するバルブの動作モードに従ってさらに分類され、統計的モデルは、例えば、各々の動作モード及び／または状態に対する履歴プロセスパラメータ値のサブセットに基づいて生成される。
しかし、バルブのオンラインプロセスパラメータ値が、バルブと同じ動作モードの統計的モデルと比較される前に、コンピューティングデバイス２５０は、バルブの動作モードを判定する。バルブの動作モードは、統計的モデルと比較されるプロセスパラメータの同一セット、プロセスパラメータの異なるセット、または統計的モデルと比較されるプロセスパラメータのセットと重複するプロセスパラメータのセットと比較されるプロセスパラメータセットを使用して判定されてもよい。いずれにしても、バルブの動作モードを判定するための例示的なプロセスパラメータは、典型的には、バルブ開度、開度設定点、及び
／またはバルブの駆動信号を含み得る。バルブの動作モードを判定するために、コンピューティングデバイス２５０は、付加的または代替的に、時間経過に伴って収集されたプロセスパラメータ値に基づくプロセスパラメータメトリック、例えば反転あたりの平均バルブ開度、反転当たりの移動平均バルブ開度、反転あたりの減衰バルブ開度、バルブ開度の標準偏差、または時間周期当たりの逆転の数、を使用する。（反転とは、バルブ開度において開から閉へまたは閉から開への遷移である。）
いくつかの実施形態では、コンピューティングデバイス２５０内のモード判定アプリケーションまたはモジュールが、バルブの動作モードを判定する。その後、モード判定アプリケーションまたはモジュールは、動作モードをオペレータに警告するために、判定された動作モードの指標をユーザインターフェースデバイス２３５に送信する。付加的に、モード判定アプリケーションまたはモジュールは、判定された動作モードの指標を、コンピューティングデバイス２５０または別のコンピューティングデバイス内の別のアプリケーションまたはモジュールに送信することができる。その後、他のアプリケーションまたはモジュールは、判定された動作モードを使用して、バルブと同じ動作モードのためのバルブのオンラインプロセスパラメータを、バルブと同一の動作モードの統計的モデルと比較して、もしあれば、バルブに発生する状態を検出または識別する。
図６Ａは、本明細書に記載の新たな技術のうちの少なくともいくつかを使用して、異なる動作モード下で各々動作する３つのバルブに対して時間経過に伴って収集されたバルブ開度データの例示的なグラフ表示５００を示す。第１のバルブ５０２は、フルストロークサイクルモードで動作している。第２のバルブ５０４は、周期的スロットルモードで動作し、第３のバルブ５０６は、連続スロットルモードで動作している。バルブの開度は、バルブが完全に開いているときは０％、バルブが完全に閉じているときは１００％、またはその間のどこか（例えば５０％）であってもよい。図６Ａに示すように、時間の関数としてのバルブ開度は、各々の動作モードに対して明確なパターンを有する。
例えば、連続スロットルモードでの第３のバルブ５０６のバルブ開度は、一定の周波数と振幅が１００％よりかなり小さい（例えば、２０％）正弦波パターンを有する。連続スロットルモードでは、第３のバルブ５０６は、プロセス制御システム１００の調整に応答して静止しているか、または常に運動している。しかしながら、第３のバルブ５０６は、動作が停止されない限り、このモードでは完全に開閉しない。時間ｔ＝１５での第３のバルブ５０６のバルブ開度は約５２パーセント（参照番号５０６ａ）であり、時間ｔ＝２０で約４８パーセント（参照番号５０６ｂ）であり、時間ｔ＝２５で再び約５２パーセント５０６ｃ）になる。
一方、フルストロークサイクルモードでは、第１のバルブ５０２は完全に開いた状態から完全に閉じた状態へ、またはその逆に進むが、部分的に開いたり閉じたりしない。したがって、フルストロークサイクルモードにおける第１のバルブ５０２のバルブ開度は、ステップ関数パターンであり、時刻ｔ＝１０からｔ＝２０までの第１のバルブ５０２のバルブ開度は０パーセント（参照番号５０２ａ）であり、時間（ｔ＝２５〜ｔ＝４０は１００パーセント（参照番号５０２ｂ）であり、時刻ｔ＝４２〜ｔ＝６０は０パーセント（参照番号５０２ｃ）である。
周期的スロットルモードは、フルストロークサイクルモードと連続スロットルモードの組み合わせである。周期的スロットルモードでは、第２のバルブ５０４はスロットルの状態と完全に閉じた／開いた状態とを交互に繰り返す。このように、周期的スロットルモードにおける第２のバルブ５０４のバルブ開度は、ステップ関数パターンと正弦パターンとの組み合わせである。ステップ関数と同様に、時間ｔ＝１０からｔ＝１５までの第２のバルブ５０４のバルブ開度は０パーセント（参照番号５０４ａ）であり、その後ステップ関
数と類似の３０パーセント（参照番号５０４ｂ）に移行する。次に、時間ｔ＝１８からｔ＝２８まで、バルブ開度は約２％の振幅で約３０％の正弦波状のパターンで振動する。時間ｔ＝３０付近では、バルブ開度は０パーセント（参照番号５０４ｃ）に戻り、再び３０パーセントに移行する前に時間ｔ＝３５までそこにとどまる。周期的スロットルモードでの第２のバルブ５０４のバルブ開度は、０から３０パーセントの間を行き来する第１の小さい周波数と、バルブ開度が０％から３０％に移行するたびに、約２９パーセントから約３１パーセントまで前後に振動する第２の大きな周波数と、の２つの周波数を示す。
様々な動作モードに対する時間の関数としてのバルブ開度のグラフ表示における明確なパターンに基づいて、コンピューティングデバイス２５０は、バルブの時間経過に伴うバルブ開度データを分析することによって動作モードを判定する。付加的または代替的に、コンピュータデバイス２５０は、バルブを走査する駆動信号、バルブの開度設定点、及び／または時間経過に伴う他のバルブパラメータ値などの他のバルブパラメータ値を分析して、バルブの動作モードを判定する。アクチュエータ圧力のような、バルブの動作モードを判定するために、他のパラメータを分析することもできる。
いくつかの実施形態では、コンピューティングデバイス２５０は、所定のルールのセットをプロセスパラメータまたはプロセスパラメータメトリックに適用することによって動作モードを判定する。例えば、コンピューティングデバイス２５０は、バルブ開度を時間経過に伴って周波数領域に変換し、バルブ開度が高周波数（連続スロットル）、低周波数（フルストロークサイクル）、または高周波数及び低周波数の組み合わせ（周期的スロットル）を含むかどうかを検出または識別することができる。コンピューティングデバイス２５０は、周波数を検出または識別し、バルブの対応する動作モードを判定するために、ハイパス、ローパス、またはバンドパスフィルタなどのフィルタを適用することができる。
付加的、または代替的に、コンピューティングデバイス２５０は、バルブデータを使用してプロセスパラメータメトリックを計算する。例えば、バルブ開度測定データを使用して、反転当たりの平均バルブ開度、反転当たりの移動平均バルブ開度、反転あたりの減衰バルブ開度、バルブ開度の標準偏差、時間期間当たりの反転回数などを計算することができる。例えば、第１のバルブ５０２に対して、時間ｔ＝約２０でバルブが閉鎖（バルブ開度が増加する）し、その後時間ｔ＝約２０で開になり始める（バルブ開度が減少する）ので、反転は、時間ｔ＝４０で発生する。この時間フレームの間、バルブ開度は、０％から１００％に移動し、反転当たりのバルブ開度は１００％になる。しかしながら、上記は、バルブの動作モードを判定するために使用され得るプロセスパラメータ及び／またはプロセスパラメータメトリックの例に過ぎない。任意の好適なプロセスパラメータ及び／またはプロセスパラメータメトリックを利用することができる。
図６Ｂは、バルブの動作モードを検出または識別するための例示的なルールベースの方法５５０を表すフロー図を示す。方法５５０は、図３に示すように、コンピューティングデバイス２５０によって、または例えば、モード判定アプリケーションまたはモジュールを介して、任意の好適なコンピューティングデバイスによって実行されてもよい。上述のように、コンピューティングデバイス２５０は、遠隔システム２１０に含まれてもよく、及び／または無線ゲートウェイ２０５Ａ、２０５Ｂ、フィールドゲートウェイ２１２、データダイオード２１５、及び／またはエッジゲートウェイ２１８に通信可能に接続されてもよい。
ブロック５５２において、バルブのプロセスパラメータ値（例えば、バルブパラメータ値）が安全な方法で受信される。例えば、プロセスまたはバルブパラメータ値は、ファイアウォール、暗号化技術、及び／または他の好適なセキュリティ機構を使用して、データ
ダイオードを介してコンピューティングデバイス２５０に送信されてもよい。各々のプロセスパラメータまたはバルブパラメータに対して、コンピューティングデバイス２５０は、いくつかの時間のインスタンスに対応するいくつかのプロセスパラメータ値を受信する。各々のプロセスパラメータ値は、プロセスパラメータ値がいつ生成されたかを示す対応するタイムスタンプを含む。バルブの動作モードを検出または識別するためのプロセスまたはバルブパラメータは、（例えば、図５の方法４００で説明したように）バルブで発生する状態を検出または識別するために使用されるプロセスまたはバルブパラメータの同じセット、バルブで発生する状態を検出または識別するために使用されるプロセスまたはバルブパラメータの異なるセット、またはそのセット内のいくつかのプロセス／バルブパラメータが同一であり、他のパラメータが異なる、プロセスまたはバルブパラメータの重複セットを含むことができる。バルブのプロセス／バルブパラメータは、バルブ開度測定値または指標、バルブの駆動信号、バルブ開度設定点、アクチュエータ圧力などを含むことができる
いずれにしても、ブロック５５４において、バルブの１つ以上のプロセスパラメータメトリックが判定される。例えば、１サイクル当たりの平均バルブ開度がバルブに対して求められる。１サイクル当たりの平均バルブ開度は、バルブが開から閉、または閉から開に移行するごとにバルブ開度の変化を計算し、その後計算されたバルブ開度の変化を平均することによって判定される。例えば、図６Ａの時間経過に伴うバルブ開度のグラフ表示５００に戻ると、第１のバルブ５０２は、時間ｔ＝１０から時間ｔ＝４０（０〜１００％）の間で１００％のバルブ開度の変化を含む。バルブ開度の変化は、また、時間ｔ＝４２からｔ＝６０（１００％から０％）まで１００％である。さらに、バルブ開度の変化は、時間ｔ＝７０からｔ＝９０まで再び１００％である。したがって、１サイクル当たりの平均バルブ開度は１００％である。対照的に、第３のバルブ５０６は、時間ｔ＝１５からｔ＝２０（５２から４８パーセント）の間で約４パーセントのバルブ開度の変化を含み、４パーセントの変化は時間ｔ＝３５まで安定しており、バルブ開度の変化は、時間ｔ＝３０からｔ＝３５（４５〜５５パーセント）まで約１０パーセントに増加する。そこでは、１サイクルあたりの平均バルブ開度は約７％である。
ブロック５５６において、コンピューティングデバイス２５０は、１サイクル当たりの平均バルブ開度が閾値数（例えば、９５％）より大きいかどうかを判定する。１サイクル当たりの平均バルブ開度が９５パーセントより大きいとき、コンピューティングデバイス２５０は、バルブの動作モードがフルストロークサイクルであると判定する（ブロック５５８）。例えば、図６Ａに示す第１のバルブ５０２は、１サイクル当たりの平均バルブ開度が９５％を超えており、したがってフルストロークサイクルモードにある。いくつかの実施形態では、コンピューティングデバイス２５０は、その後、例えば、上記の機械学習技術を使用して分析を遂行して、もしあれば、バルブで生じる状態を検出または識別する。この状態は、例えば、フルストロークサイクルモードにおけるバルブの履歴プロセスパラメータ値から生成された統計的モデルを使用して識別される。他の実施形態では、コンピューティングデバイス２５０内のモード判定アプリケーションまたはモジュールは、判定された動作モードの指示を、ユーザインターフェースデバイス２３５またはコンピューティングデバイス２５０または別のコンピューティングデバイス内の別のアプリケーションまたはモジュールに送信する。他のアプリケーションまたはモジュールは、例えば、上記の機械学習技術を使用して、判定された動作モード及び／またはバルブデータに基づいて分析を遂行して、バルブで生じる状態を検出または識別することができる。
１サイクル当たりの平均バルブ開度が閾値数（例えば、９５％）よりも大きくないとき、コンピューティングデバイス２５０は、バルブ開度が閾値のエラーマージン（例えば、２パーセント）を超えて時間にわたって変化するかどうかを判定する（ブロック５６０）。バルブ開度が変化しないとき、コンピューティングデバイス２５０は、バルブが動かず
、飽和状態にあると判定する（ブロック５６１）。一方、バルブの開度が変化すると、コンピューティングデバイス２５０は、オンライン動作の間に受信されたバルブ開度値が時折、カットオフ（例えば、０パーセントまたは１００パーセント）に達するかどうかを判定する（ブロック５６２）。バルブ開度値が時折、０パーセントまたは１００パーセントのカットオフに達する（例えば、少なくとも１回）と、コンピューティングデバイス２５０は、バルブの動作モードが周期的スロットルであると判定する（ブロック５６４）。例えば、図６Ａに示すように、第２のバルブ５０４のバルブ開度は、時間ｔ＝１０からｔ＝１５まで０％である。いくつかの実施形態では、次いで、コンピューティングデバイス２５０は、その後、例えば、上記の機械学習技術を使用して、分析を遂行して、バルブに生じる状態を、もしあれば、検出または識別する。この状態は、周期的スロットルモードのバルブの履歴プロセスパラメータ値から生成された統計的モデルを使用して識別される。他の実施形態では、コンピューティングデバイス２５０内のモード判定アプリケーションまたはモジュールは、判定された動作モードの指標を、ユーザインターフェースデバイス２３５またはコンピューティングデバイス２５０または別のコンピューティングデバイス内の別のアプリケーションまたはモジュールに送信する。その後、他のアプリケーションまたはモジュールは、例えば、上記の機械学習技術を使用して、分析を遂行して、バルブに生じる状態を、もしあれば、検出または識別する。
一方、バルブ開度値が０パーセントまたは１００パーセントのカットオフに達しないとき、コンピューティングデバイス２５０は、バルブの動作モードが連続スロットルであると判定する（ブロック５６６）。例えば、図６Ａに示すように、第３のバルブ５０６のバルブ開度は、約４５〜５５パーセントの間にとどまり、決して０または１００パーセントには達しない。いくつかの実施形態では、その後、コンピューティングデバイス２５０は、例えば、上記の機械学習技術を使用して、分析を遂行してバルブに生じる状態を、もしあれば、検出または識別する。この状態は、連続スロットルモードのバルブの履歴プロセスパラメータ値から生成された統計的モデルを使用して識別される。他の実施形態では、コンピューティングデバイス２５０内のモード判定アプリケーションまたはモジュールは、判定された動作モードの指標を、ユーザインターフェースデバイス２３５またはコンピューティングデバイス２５０または別のコンピューティングデバイス内の別のアプリケーションまたはモジュールに送信する。その後、他のアプリケーションまたはモジュールは、例えば、上記の機械学習技術を使用して、分析を遂行してバルブに生じる状態を、もしあれば、検出または識別する。
方法５５０は、バルブの動作モードを検出または識別するための所定のルールのセットを含むが、これは説明を簡単にするための単なる一例に過ぎない。コンピューティングデバイス２５０は、任意の好適な所定のルールのセットを使用して、方法５５０に含まれるルールに対する付加的または代替的ルールを含むバルブの動作モードを検出または識別することができる。さらに、方法５５０における所定のルールのセットがバルブ開度プロセスパラメータに適用されるが、所定のルールのセットは、バルブの任意の数のプロセスパラメータに適用されてもよい。
他の実施形態では、コンピューティングデバイス２５０は、ための上述の機械学習技術に類似した、様々な機械学習技術を使用して動作モードを判定してプロセスプラントエンティティで発生する状態を検出または識別する。例えば、バルブに関するいくつかのプロセスパラメータ（例えば、バルブ開度、バルブ駆動信号、バルブ開度設定点、アクチュエータ圧力など）に対して、コンピューティングデバイス２５０は、時間経過に伴って収集された履歴プロセスパラメータ値を受信し、履歴プロセスパラメータ値の各々は、対応するバルブの動作モードによって分類される。その後、コンピューティングデバイス２５０は、特定の動作モードに対応する履歴プロセスパラメータ値の各々のサブセットを分析して、各々の動作モードの統計的モデルを生成する。バルブのプロセスパラメータ値及び対
応するタイムスタンプがコンピューティングデバイス２５０で受信されると、コンピューティングデバイス２５０はプロセスパラメータ値を各々の統計的モデルと比較してバルブの動作モードを判定する。
図６Ｃは、バルブの動作モードを検出または識別するための例示的な方法５８０を表すフロー図を示す。方法５８０は、図３に示すように、コンピューティングデバイス２５０上で、またはモード判定アプリケーションまたはモジュールを介して任意の好適なコンピューティングデバイス上で、実行することができる。上述したように、コンピューティングデバイス２５０は、遠隔システム２１０に含まれてもよく、及び／または無線ゲートウェイ２０５Ａ、２０５Ｂ、フィールドゲートウェイ２１２、データダイオード２１５、またはエッジゲートウェイ２１８に通信可能に接続されてもよい。
ブロック５８２において、１つ以上のバルブに対応する１つ以上のプロセスパラメータ（例えば、１つ以上のバルブパラメータ）に対して、履歴プロセスパラメータ値（例えば、履歴バルブパラメータ値）が取得される。履歴プロセスパラメータ値の各々は、対応するタイムスタンプと、履歴プロセスパラメータ値が生成されたときの対応するバルブの動作モードの指標と、を含む。対応するバルブの特定の動作モードに関連する特定の時間ウィンドウ（例えば、１時間）に対応する履歴プロセスパラメータ値または履歴プロセスパラメータ値のセットの各々は、プロセスパラメータ値のそれぞれのサブセットに分類される（ブロック５８４）。例えば、履歴プロセスパラメータ値は、フルストロークサイクルモードに関連するプロセスパラメータ値の第１のサブセット、連続スロットルモードに関連するプロセスパラメータ値の第２のサブセット、または周期的スロットルモードに関連するプロセスパラメータ値の第３のサブセットに分類することができる。
ブロック５８６において、統計的モデルが、例えば様々な機械学習技術を使用することによって、履歴プロセス／バルブパラメータ値のサブセットに基づいて生成される。機械学習技術は、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、ニューラルネットワークなどを含むことができる。いくつかの実施形態では、単一の統計的モデルが複数のモードのバルブ動作に対して生成される。他の実施形態では、異なる統計的モデルが、バルブ動作の各々のモードに対して生成される。さらに他の実施形態では、時間経過に伴う履歴プロセスパラメータ値（例えば、上述のような平均、移動平均など）から生成されたプロセスパラメータメトリックを、バルブ動作の様々なモードを示す複数の統計的モデルと比較して、どのモード固有の統計的モデルが、プロセスパラメータメトリックに最もよく一致するかを判定する。例えば、（プロセスパラメータメトリックに関して）各々のモード固有の統計的モデルに対して、類似性または差のそれぞれの尺度を生成し、比較して、適切なモード固有の統計的モデルを判定することができる。
いずれにしても、ブロック５８８において、対象バルブのバルブデータが安全な方法で受信される。例えば、バルブデータは、ファイアウォール、暗号化技術、及び／または他の好適なセキュリティ機構を使用して、データダイオードを介してコンピューティングデバイス２５０に送信されてもよい。バルブデータには、駆動信号、バルブ開度測定値、開度設定値、アクチュエータ圧力などに対応する値など、バルブに対応するプロセスパラメータ値が含まれる。各々のプロセスパラメータに対して、コンピューティングデバイス２５０は、いくつかの時間のインスタンスで得られたいくつかのプロセスパラメータ値を受信する。各々のプロセスパラメータ値は、例えば、プロセスパラメータ値がいつ生成されたかを示す対応するタイムスタンプを含む。
対象バルブの対応する時系列プロセスパラメータ値に基づいて、各々のプロセスパラメータについて１つ以上のプロセスパラメータメトリックを生成することができる。例示プ
ロセスパラメータメトリックは、反転あたりの移動平均、反転当たりの移動平均バルブ開度、反転当たりの減衰バルブ開度、バルブ開度の標準偏差、時間周期当たりの反転回数、時間経過に伴うバルブの開度に対応する波の振幅、位相、及び／または周波数を含む。
１つ以上のプロセスパラメータメトリックを統計的モデル（ブロック５９０）と比較して、対象バルブの動作モードを検出または識別する（ブロック５９２）。例えば、ナイーブベイズによって統計的モデルが生成されるとき、１つ以上のプロセスパラメータメトリックがフルストロークサイクルモードに関連するプロセスパラメータ値のサブセットの分布、及び連続スロットルモードに関連するプロセスパラメータ値のサブセットの別の分布、周期的スロットルモードに関連するプロセスパラメータ値のサブセットのためのさらに別の分布と比較される。コンピューティングデバイス２５０は、どの分布がプロセスパラメータメトリックと最もよく一致しているかを判定し、それに応じて対象バルブの動作モードを識別する。別の例では、決定木、ランダムフォレスト、またはブースティングによって統計的モデルが生成されるとき、コンピューティングデバイス２５０は、プロセスパラメータメトリックを使用して決定木のノードを走査して、対象バルブの動作モードを判定する。
対象バルブの識別された動作モードに基づいて、コンピューティングデバイス２５０は、それぞれの分析を遂行して、対象バルブに発生するかまたは存在する状態を、もしあれば、検出または識別する。例えば、識別されたバルブ動作モードが周期的スロットルであるとき、コンピューティングデバイス２５０は、例えば、周期的スロットルモードで動作するバルブの履歴プロセスパラメータ値に基づいて生成された統計的モデルを使用して、分析を遂行して、対象バルブに発生する状態を、もしあれば、検出または識別する（ブロック５９４ａ）。識別された動作モードが連続スロットルであるとき、コンピューティングデバイス２５０は、例えば、連続スロットルモードで動作するバルブの履歴プロセスパラメータ値に基づいて生成された統計的モデルを使用して分析を遂行する（ブロック５９４ｂ）。識別された動作モードがフルストロークサイクルであるとき、コンピューティングデバイス２５０は、例えば、フルストロークサイクルモードで動作するバルブの履歴プロセスパラメータ値に基づいて生成された統計的モデルを使用して分析を遂行する（ブロック５９４ｃ）。
いくつかの実施形態では、コンピューティングデバイス２５０内のモード判定アプリケーションまたはモジュールは、判定された動作モードの指標を、ユーザインターフェースデバイス２３５、コンピューティングデバイス２５０内の別のアプリケーションまたはモジュール、及び／または別のコンピューティングデバイスに送信する。他のアプリケーション、モジュール、またはコンピューティングデバイスは、例えば、機械学習技術及び／または上記のような統計的モデルを使用して、それぞれの分析を遂行して、対象バルブで発生または存在する状態を、もしあれば、検出または識別する。
ブロック５９６において、バルブ対して識別されたものと同じ動作モードのために生成された統計的モデルを使用することによって、バルブの状態が検出され、または識別される。例えば、識別されたバルブ動作モードに対応し、ナイーブベイズを使用して生成された統計的モデルの場合、対象バルブのプロセスパラメータメトリックは、状態に関連するプロセスパラメータ値のサブセットに対する分布と比較され、状態に関連しないプロセスパラメータ値のサブセットに対する別の分布と比較される。コンピューティングデバイス２５０は、どの分布がプロセスパラメータメトリックにより近く一致しているかを判定し、対象バルブがそれに応じて状態を経験しているか否かを識別する。別の例では、識別されたバルブ動作モードに対応し、決定木、ランダムフォレスト、またはブースティングに対応する統計的モデルの場合、コンピューティングデバイス２５０は、対象バルブのプロセスパラメータメトリックを使用して決定木のノードを走査して、対象バルブが、もしあ
れば、経験している状態あるかどうかを判定する。さらに別の例では、識別されたバルブ動作モードに対応し、ロジスティック回帰、線形回帰、多項式回帰などの回帰分析を使用して生成された統計的モデルに対して、コンピューティングデバイス２５０は、対象バルブのプロセスパラメータメトリックを対応する回帰式に適用して、バルブの性能監視メトリックまたは他の状態を検出または識別する。
ブロック５９８で、コンピューティングデバイス２５０は、検出／識別された状態の指標をユーザインターフェースデバイス２３５に送信して、例えば、オペレータにその状態を警告する。状態の指標は、検出された状態のタイプ（例えば、不動帯、機械的摩耗など）、その状態を経験するバルブの識別、状態を識別するために使用されるプロセスまたはバルブパラメータ値、その状態によって作成された潜在的な問題を解決するための手順、及び／またはその他の好適な情報を含む警報またはエラーメッセージであってもよい。
いくつかの実施形態では、コンピューティングデバイス２５０は、バルブの検出／識別された状態に従って、プロセスプラント１００で警報またはイベントを生成させる。例えば、コンピューティングデバイス２５０は、プロセスプラント１００に通信を送信して、バルブのための警報またはイベントをアクティブにするか、またはユーザインターフェースデバイス２３５に要求を送信して、プロセスプラント１００にそれぞれの通信を送信して、バルブの警報またはイベントをアクティブにする。他の実施形態では、コンピューティングデバイス２５０は、プロセスプラント１１０に制御信号を送信して、バルブの動作及び／または識別された状態に基づいてプロセスプラントの動作を調整する。例えば、バルブが漏れを経験しているとき、コンピューティングデバイス２５０は、プロセスプラント１１０に制御信号を送信して、バルブの動作を停止させる。
付加的にまたは代替的に、コンピューティングデバイス２５０は、別のコンピューティングデバイス、サービス、またはアプリケーションに（例えば、さらなる分析のために）状態の指標を送信する。例えば、コンピューティングデバイス２５０内の状態判定アプリケーションまたはモジュールは、プロセスプラントエンティティの状態を検出または識別し、その識別された状態の指標をコンピューティングデバイス２５０または別のコンピューティングデバイス内の別のアプリケーションまたはモジュールに送信する。他のアプリケーションまたはモジュールは、例えば、図７Ａ〜図７Ｂを参照してより詳細に後述するように、同じプロセスプラント１００、企業、工業などにおける他のプロセスプラントエンティティに対するプロセスプラントエンティティの健全性を検出するために、付加的な分析を遂行することができる。他のアプリケーションまたはモジュールは、プロセスプラントエンティティの相対的な健全性に基づいてプロセスプラントエンティティの状態を検出する。
いくつかの実施形態では、プロセスプラントエンティティの相対的な健全性に基づいて判定された状態は、機械学習方法に基づいて判定された状態と比較される。プロセスプラントエンティティの相対的健全性インジケータに基づいて判定された状態と機械学習方法に基づいて判定された状態が一致しないとき、他のアプリケーションまたはモジュールは、さらなる分析を遂行して、プロセスプラントエンティティで発生している状態を検出または識別し及び／または、さらなるレビューのために、状態及び関連プロセスパラメータメトリックの指標をオペレータに送信する。
図６Ｂ、及び６Ｃに示す方法５５０，５８０は、バルブの３つの動作モード（フルストロークサイクル、連続スロットル、及び周期的スロットル）を検出または識別するが、付加的な、代替的な、または任意の好適な数の動作モードを識別することができる。
バルブの統計的分析をさらに強化するために、特定のバルブのバルブデータを、同一の
プロセスプラント、企業、工業、またはすべての工業にわたっていくつかの他のバルブに対するバルブデータと比較することができる。このようにして、特定のバルブの健全性は、履歴プロセスパラメータに加えて、現在動作している他のバルブに対して識別される。いくつかの実施形態では、特定のバルブの健全性は、同じプロセスプラント、企業、工業、またはすべての工業にわたって動作するバルブのそれぞれにランク付けされる。
例えば、バルブに対応するプロセスパラメータ値と履歴プロセスパラメータ値との比較に基づいて、例えば、統計的モデルを使用することによって、コンピューティングデバイス２５０は、特定のバルブに特定の状態（例えば、エラー）が発生しているか、または存在しているかを判定する。しかし、特定のバルブは、バルブの各々に対する全体的なデバイス健全性パラメータ、またはエラー状態に関するいくつかの他のプロセスパラメータに従って、プロセスプラント内のバルブの中央にランク付けすることができる。このように、バルブの全体的なデバイス健全性パラメータに基づいて、コンピューティングデバイス２５０は、特定のバルブがプロセスプラント内の他のバルブと比較して正常に動作していると判定する。
説明のために、図７Ａは、３つの異なるバルブに対する時間経過に伴って収集されたバルブサイクルの例示的なグラフ表示６００を示し、ここで、１サイクルは、バルブの開度方向の反転（例えば、開から閉へ、または閉から開へ）を表す。この例では、バルブサイクルは、同じプロセスプラント１００、企業、工業、またはすべての工業にわたって動作するバルブ６０２〜６０６の各々を比較するための全体的なデバイス健全性パラメータを生成するために使用される。しかし、これは単なる一例に過ぎず、付加的または代替的なプロセスパラメータまたはプロセスパラメータメトリックを使用して、全体的なデバイス健全性パラメータを生成することができる。
いずれにしても、第１のバルブ６０２について、バルブサイクルの量は、全時間１時間当たり約１１サイクルを平均する１３週間の時間スパンにわたって一定である。値は約１０サイクル／時間から約１２サイクル／時間まで変化するが、時間当たりのサイクルの平均勾配または変化はほぼ一定である。第２のバルブ６０４では、バルブサイクルの量は、約９サイクル／時間で第７週まで一定である。その後、バルブサイクルの量は、第７週から第８週まで増加してから、第８週から第１３週まで約１４サイクル／時間で一定になる。これは、プロセスパラメータ値の変化または機械的摩耗などのバルブの機械的な変化を示している可能性がある。第３のバルブ６０６に対して、バルブサイクルの量は、約９．５サイクル／時間でほぼ週７まで一定である。その後、バルブサイクルの量は、時間経過に伴って第１３週まで徐々に増加し、約１６サイクル／時間となる。
したがって、コンピューティングデバイス２５０は、バルブのそれぞれの全体的なデバイス健全性パラメータを他のバルブの全体的なデバイス健全性パラメータと比較することによって、各々のバルブ６０２，６０４，６０６の相対的健全性インジケータを判定する。バルブの相対的健全性インジケータは、バルブが他のバルブのどこにランク付けされているか、バルブの全体的なデバイス健全性パラメータの全体的なデバイス健全性パラメータパーセンタイル、または他の好適なインジケータとすることができる。
例えば、第１のバルブ６０２の週当たりのバルブサイクルがほとんど一定であるので、コンピューティングデバイス２５０は、第１のバルブ６０２を最も高い順位にランク付けするか、または最高の全体的なデバイス健全性パラメータで割り当てることができる。第２のバルブ６０４は、バルブサイクルの量が、山６０４とバルブ６０６の両方で時間の経過と共に増加するが、バルブサイクルの量は、第３のバルブ６０６内で時間経過に伴って増加を継続し、バルブサイクルの量は、第２のバルブ６０４内で一定になるので、第３のバルブ６０６上で第２位にランク付けされてもよい。
いくつかの実施形態では、グラフ表示６００は、例えば、ユーザインターフェースデバイス２３５及び／またはオペレータワークステーション１７１のユーザインターフェースでの表示のために、ユーザインターフェースデバイス２３５に送信される。付加的にまたは代替的に、グラフ表示６００に含まれるデータは、コンピューティングデバイス２５０によって分析される。いくつかの実施形態では、バルブ６０２〜６０６のそれぞれの対応する相対的デバイス健全性インジケータ（例えば、全体的なデバイス健全性パラメータまたはランク付け）は、例えば、ユーザインターフェースデバイス２３５及び／またはオペレータワークステーション１７１のユーザインターフェースでの表示のために、ユーザインターフェースデバイス２３５に送信される。
各々のバルブ６０２〜６０６の全体的なデバイス健全性パラメータは、１時間当たりの平均バルブサイクルの時間経過に伴って判定されてもよい。バルブで発生する状態も、分析に基づいて判定または調整され、ユーザインターフェース２３５に送信される。
例えば、第２のバルブ６０４の場合、コンピューティングデバイス２５０は、例えば上述した機械学習技術を使用することによって、第２のバルブ６０４に対応するプロセスパラメータ値を分析する。コンピューティングデバイス２５０はまた、第２のバルブ６０４の動作モードを判定し、プロセスパラメータ値に適用する適切な統計的モデルを識別して、第２のバルブ６０４で発生する状態を検出または識別する。適用された統計的モデルに基づいて、コンピューティングデバイス２５０が、第２のバルブ６０４が機械的摩耗を経験していると判定した場合、第２のバルブ６０４が実際に機械的摩耗を経験していることを確認するために、相対的なデバイス健全性インジケータ（例えば、全体的なデバイス健全性パラメータまたは第２バルブ６０４と他のバルブ６０２，６０６との並列比較）を利用することができる。一方、相対的なデバイス健全性インジケータ（例えば、全体的なデバイス健全性パラメータまたは第１のバルブ６０２と他のバルブ６０４，６０６との並列比較）は、バルブ６０４がある程度の機械的摩耗を経験していることを統計的モデルの適用結果が示したとしても、第１のバルブ６０２が、他のバルブ６０４，６０６と比較して、比較的健全性であると指摘することができる。この学習された情報は、さらなる分析のためにオペレータ及び／または別のアプリケーションまたはサービスに提供されてもよい。
図７Ｂは、いくつかのバルブの健全性を比較し、比較に基づいてバルブのそれぞれの状態を検出／識別するための例示的な方法６５０を表すフロー図を示す。方法６５０は、図３に示されるように、コンピューティングデバイス２５０によって、または任意の好適なコンピューティングデバイスによって実行されてもよい。上述したように、コンピューティングデバイス２５０は、遠隔システム２１０に含まれてもよく、及び／または無線ゲートウェイ２０５Ａ、２０５Ｂ、フィールドゲートウェイ２１２、データダイオード２１５、またはエッジゲートウェイ２１８に通信可能に接続されてもよい。
ブロック６５２において、複数のバルブのプロセスパラメータ値（例えば、バルブパラメータ値）が安全な方法で受信される。例えば、プロセスまたはバルブパラメータ値は、ファイアウォール、暗号化技術、及び／または他の好適なセキュリティ機構を使用して、データダイオードを介してコンピューティングデバイス２５０に送信されてもよい。複数のバルブは、同じプロセスプラント１００、企業、工業、またはすべての工業に含まれ得る。例えば、プロセスプラント１００の外部のバルブのプロセスパラメータは、ゲートウェイ１７６、１７８から即時プロセス制御システム１００の外部にあるシステムに受信される。
各々のプロセスまたはバルブパラメータに対して、コンピューティングデバイス２５０
は、いくつかの時間のインスタンスで生成された、いくつかのプロセスパラメータ値を受信する。各々のプロセス／バルブパラメータ値は、例えば、プロセスパラメータがいつ生成されるかを示す対応するタイムスタンプを含む。バルブの健全性を比較するために使用されるプロセス／バルブパラメータは、バルブ（例えば、図５の方法４００で説明したように）で発生する状態を検出または識別するために使用されるプロセスパラメータの同じセット、バルブで発生する状態を検出または識別するために使用されるパラメータの別のセット、またはセット内のいくつかのプロセスパラメータが同一であり、他のパラメータが異なるプロセスパラメータの重複セットを含むことができる。バルブの例示プロセスパラメータは、バルブ開度、バルブの駆動信号、バルブ開度設定点、アクチュエータ圧力などが含まれる。
いくつかの実施形態では、複数のバルブの各々について、コンピューティングデバイス２５０は、時間経過に伴う対応するプロセスパラメータ値に基づいて、各々のプロセスパラメータについて１つ以上のそれぞれのプロセスパラメータメトリックを判定する。プロセスパラメータメトリックは、例えば、反転あたりの平均バルブ開度、反転当たりの移動平均バルブ開度、反転当たりの減衰バルブ開度、バルブ開度の標準偏差、図７Ａにおけるような時間周期当たりのサイクル数、時間経過に伴うバルブの開度に対応する波の振幅、位相、及び／または周波数を含む。
ブロック６５４において、各々のバルブのプロセスパラメータメトリックについて統計的分析を遂行してバルブの全体的なデバイス健全性パラメータを判定する。いくつかの実施形態では、プロセスパラメータメトリックにルールのセットを適用することによって、全体的なデバイス健全性パラメータを判定することができる。例えば、図７Ａを参照して説明したように、時間経過に伴う時間当たりの平均バルブサイクルの変化に従って、全体的なデバイス健全性パラメータが各々のバルブに割り当てられ、時間当たりの平均バルブサイクルの変化が増加するにつれて全体的なデバイス健全性パラメータが低下する。
他の実施形態では、全体的なデバイス健全性パラメータは、上述の機械学習技術と同様に、１つ以上の機械学習技術を使用して判定される。例えば、１つ以上の機械学習技法は、ロジスティック回帰、線形回帰、多項式回帰などの回帰分析を含むことができる。付加的に、バルブに対応するプロセスパラメータの履歴プロセスパラメータ値の各々には、対応するバルブの健全性状態に従って全体的なデバイス健全性パラメータが割り当てられる。
履歴プロセスパラメータ値及び対応する全体的なデバイス健全性パラメータに基づいて、コンピューティングデバイス２５０は、履歴プロセスパラメータ値からデバイス健全性パラメータを最も近似する式として統計的モデルを生成する。いくつかの実施形態では、統計的モデルを使用する予測された全体的なデバイス健全性パラメータの値と、履歴プロセスパラメータ値に割り当てられた実際の全体的なデバイス健全性パラメータとの間の差を最小にするために通常の最小二乗法が使用される。付加的に、統計的モデル及び全体的なデバイス健全性パラメータを使用して各々の予測される全体的なデバイス健全性パラメータの値の差を、任意の好適な方法で集約及び／または結合されて回帰の平均二乗誤差（ＭＳＥ）を判定する。その後、ＭＳＥは統計的モデル内の標準エラーまたは標準偏差（σε）を判定するために使用され、統計的モデルは、信頼区間を作成するために使用される。
統計的モデルを使用して、コンピューティングデバイス２５０は、回帰分析の結果として生成された式にプロセスパラメータメトリックを適用する。結果として、コンピューティングデバイス２５０は、バルブの全体的なデバイス健全性パラメータを識別する。これは、各々のバルブに対して繰り返され、各々のバルブの全体的なデバイス健全性パラメー
タを判定する。
コンピューティングデバイス２５０は、全体的なデバイス健全性パラメータ（例えば、時間経過に伴う時間周期当たりの平均バルブサイクルなど）を使用して、１つのバルブの全体的なデバイス健全性パラメータを、同じプロセスプラント１００、企業、工業、またはすべての工業にわたって他のバルブの全体的なデバイス健全性パラメータと比較する。比較に基づいて、コンピューティングデバイス２５０は、各々のバルブの相対的健全性インジケータを判定する。例えば、いくつかの実施形態では、バルブは、それらの対応するデバイス全体的なデバイス健全性パラメータに基づいてランク付けされる。他の実施形態では、バルブは特定のプロセスパラメータまたはプロセスパラメータメトリックに基づいてランク付けされ、いくつかのプロセスパラメータ及び／またはプロセスパラメータメトリックに対するバルブのいくつかのランク付けが生成される。
他の実施形態では、コンピューティングデバイス２５０は、各々のバルブに対する全体的なデバイス健全性パラメータの平均及び標準偏差を判定する。その後、ガウス分布または他の好適な確率密度関数を仮定すると、コンピューティングデバイス２５０は、各々のバルブに対する相対健全性インジケータとして、バルブの各々に対する全体的なデバイス健全性パラメータパーセンタイルを判定する。例えば、全体的なデバイス健全性パラメータの平均値に等しい全体的なデバイス健全性パラメータを有するバルブは、５０番目パーセンタイル内にあってもよい。全体的なデバイス健全性パラメータの平均値についての２標準偏差である全体的なデバイス健全性パラメータを有する別のバルブは、９８番目パーセンタイルにあり得、さらに、平均的な全体的なデバイス健全性パラメータの下にある１標準偏差である全体的なデバイス健全性パラメータを有する別のバルブは、１６番目パーセンタイルであってもよい。
その後、ブロック６５８において、バルブに生じる状態が、バルブに対する相対的健全性インジケータに基づいて判定される。いくつかの実施形態では、特定のプロセスパラメータまたはプロセスパラメータメトリックは、特定のタイプの状態を示す。例えば、時間経過に伴う時間あたりの平均バルブサイクルの変化に従って、バルブの底部近くにランク付けされたバルブは、機械的摩耗を経験する可能性がある。さらに、不動時間または不動帯の量に応じてバルブの底部近くにランク付けされたバルブは、過剰な不動時間または不動帯を経験する可能性がある。さらに、バルブ開度設定点と測定されたバルブ開度との間の差に従ってバルブの底部近くにランク付けされたバルブは、エラーを経験する可能性がある。
他の実施形態では、バルブの相対的健全性インジケータは、バルブで発生する状態を検出または識別するための機械学習方法（図５の方法４００など）と共に使用される。例えば、バルブの相対的健全性インジケータと機械学習法に基づいて判定された状態とに基づいて判定された状態が一致するとき、コンピューティングデバイス２５０は、機械学習法に基づいて判定された状態が正確であると判定する。一方、バルブの相対的健全性インジケータに基づいて判定された状態と機械学習方法に基づいて判定された状態とが一致しないとき、コンピューティングデバイス２５０は、さらなる分析を遂行して、バルブで生じる状態を検出または識別し及びまたは、さらなるレビューのために、状態及び関連プロセスパラメータメトリックの指標をオペレータに送信する。他の実施形態では、バルブの相対的健全性インジケータに基づいて判定された状態は、機械学習方法に基づいて判定された状態を無効にする。結果として、コンピューティングデバイス２５０は、バルブの相対的健全性インジケータに基づいて判定された状態の指標をユーザインターフェースデバイス２３５に送信して、オペレータに状態を警告する。
例えば、バルブデータが履歴プロセスパラメータ値を使用して生成された統計的モデル
と比較されるとき、コンピューティングデバイス２５０は、バルブが過剰な不動時間を経験していると判定する。しかしながら、バルブが同じ工業の他のすべてのバルブと比較されるとき、コンピューティングデバイス２５０は、バルブが経験している不動時間が工業内の平均であり、したがって不動時間は許容範囲内であると判定する。
別の例では、バルブデータが履歴プロセスパラメータ値を使用して生成された統計的モデルと比較されるとき、コンピューティングデバイス２５０は、バルブの不動帯の量が許容範囲内であると判定する。しかしながら、バルブが同じ工業の他のすべてのバルブと比較されるとき、コンピューティングデバイス２５０は、バルブの不動帯の量が、同じ工業の他のバルブと比較して９９番目パーセンタイルであると判定する。したがって、コンピューティングデバイス２５０は、バルブが過剰な不動帯を経験していると判定する。したがって、コンピューティングデバイス２５０は、過剰な不動帯状態の指標をユーザインターフェースデバイス２３５に送信し、プロセスプラント１００において、バルブにおいて過剰な不動帯を示す警報またはイベントを発生させ、またはプロセスプラント１１０に制御信号を送信して過剰な不動帯に基づいてバルブの動作を調整する。例えば、制御信号は、バルブを停止する命令であってもよい。
ブロック６６０において、バルブの状態の指標が、ユーザインターフェースデバイス２３５に送信されて、オペレータに状態を警告する。いくつかの実施形態では、各バルブの相対的健全性インジケータもまた、ユーザインターフェースデバイス２３５に送信される。例えば、全体的なデバイス健全性パラメータならびに全体的なデバイス健全性パラメータによる各々のバルブの順位付けは、ユーザインターフェースデバイス２３５に送信される。状態の指標は、検出された状態のタイプ（例えば、不動帯、機械的摩耗など）、状態を経験するバルブ、状態を検出するために使用されるプロセスパラメータ値、状態によって作成された潜在的な問題を解決する手順、または他の好適な情報を含む警報またはエラーメッセージであってもよい。
いくつかの実施形態では、コンピューティングデバイス２５０はまた、バルブの識別された状態に従って、プロセスプラント１００で警報またはイベントを生成させる。例えば、コンピューティングデバイス２５０は、プロセスプラント１００に通信を送信して、バルブに対す警報またはイベントを表示するか、ユーザインターフェースデバイス２３５に要求を送信してプロセスプラント１００に送信し、バルブに対する警報またはイベントを表示する。他の実施形態では、コンピューティングデバイス２５０は、制御信号をプロセスプラント１１０に送信して識別された状態に基づいてバルブの動作を調整する。例えば、バルブが漏れを経験しているとき、コンピューティングデバイス２５０は、プロセスプラント１１０に制御信号を送信してバルブの動作を停止させる。
付加的に、ブロック６６２において、各々のバルブに対して、いくつかの時間のインスタンスでのプロセスパラメータ値の指標が、並列比較される表示のためにユーザインターフェースデバイス２３５に送信される。例えば、図７Ａに示すようなグラフ表示６００は、ユーザインターフェースデバイス２３５に送信されてもよい。このようにして、オペレータは各々のバルブの時間経過に伴うプロセスパラメータ値の変化を見ることができ、バルブを比較することができる。
次に図８を参照すると、図８は、バルブまたは他のプロセスプラントエンティティの健全性及び／または性能を監視するための例示的な方法７００のフロー図である。一実施形態では、方法７００の少なくとも一部分は、コンピューティングデバイス２５０及び／または遠隔アプリケーションまたはサービス２０８によって遂行される。いくつかの実施形態では、方法７００の少なくとも一部分は、例えばデータハイウェイ１１０に通信可能に接続されたコンピューティングデバイスなど、プロセスプラント１００に対してローカル
に配置された別のコンピューティングデバイスによって遂行される。しかし、特に、方法７００は、本明細書に記載の技術、方法、システム、デバイス、及び／またはデバイスのいずれかと共に動作してもよい。
一般的に言えば、方法７００は、バルブまたは他のターゲットプロセスエンティティを連続的及び／または周期的に監視し、バルブがプロセスプラント１００内のプロセスを制御するように動作している間に実行される。このように、限定ではなく例示のために、方法７００は、監視されるバルブに関して説明される。方法７００が（再）実行される頻度は、既定でもよく、及び／または例えばバルブの臨界に基づいてもよい。勿論、反復実行に加えて、方法７００の実行は、プロセスプラント１００内で発生するイベント及び／またはユーザ要求またはコマンドなどのトリガに基づいて開始されてもよい。
いずれにせよ、ブロック７０２において、方法７００は、バルブに対応する任意の警報がアクティブであるか否かを判定することを含む。ブロック７０２において、方法７００が、バルブに対応するアクティブな警告があると判定した場合、方法は、アクティブな警告の指標を、オペレータワークステーション１７０及び／またはユーザインターフェースデバイス２３５のユーザインターフェースに送信することによってユーザに通知することを含む（ブロック７０５）。各々のアクティブな警告のそれぞれの優先順位は、所望されればアクティブ警告通知と共に送信することができる（ブロック７０５）。それぞれの優先順位は、例えばアクティブな警告のレベルと、バルブの尺度または他の臨界の指標に基づいて判定されてもよい。ユーザ通知が完了すると（ブロック７０５）、方法７００は、バルブの健全性及び／または性能を監視し続け（ブロック７０８）、ブロック７０２に戻る。
ブロック７０２において、方法７００が、バルブに対応するアクティブな警告がないと判定した場合、方法７００は、バルブの１つ以上の時系列分析を遂行するように進む（ブロック７１０）。例えば、ブロック７１０において、方法７００は、バルブに対応する時系列バルブデータを取得することと、時系列バルブデータに基づいて１つ以上のプロセスプラントメトリックを生成することと、生成されたプロセスプラントメトリックを、より多くの統計的モデル、例えば、図５に関して先に説明したような方法で、比較することと、を含むことができる。場合によっては、バルブの時系列分析は、例えば図６Ｃに関して先に説明したように、バルブの検出された動作モードに基づくことができる。バルブに対して遂行され得る時系列分析の例（ブロック７１０）には、傾き及び／または傾向の判定、平均及び他のメトリックの判定、標準偏差及び／または分散の判定、バルブデータと様々な閾値の比較、及び／またはその他分析を含む。一実施形態では、ブロック７１０は、例えば図７Ｂに関して先に説明したように、バルブの全体的なデバイス健全性の値または尺度、及び／またはバルブの相対的健全性インジケータの値または尺度を判定することを含む。
ブロック７１２において、方法７００は、ブロック７１０で実行された時系列分析の１つ以上の結果の変化が生じたか、または観察されたかどうかを判定することを含む。例えば、最も最近実行された時系列分析（ブロック７１０）の結果は、バルブ及び／または同様のバルブの履歴時系列分析結果と比較されてもよく、及び／または１つ以上の時系列分析結果が、１つ以上の監視されたバルブパラメータに対応してもよい。バルブパラメータ値の変化及び／または時系列分析の結果の存在は、閾値またはベースラインからの偏差の量（例えば、期待値及び／または時間経過に伴う挙動）に基づいて判定されてもよく、変更の存在を示す偏差の量は、所望されれば構成可能であってもよい。監視可能な変化の例（ブロック７１２）には、駆動信号、移動偏差、サイクル及び／または移動メトリック、供給圧力、及び／またはバルブに対応する他の時系列分析結果への変化が含まれる。
ブロック７１２において、方法７００が、変化が発生しなかった及び／または観察されないと判定した場合、方法７００は、バルブの健全性及び／または性能を継続して監視し（ブロック７０８）、ブロック７０２に戻る。ブロック７１２において、方法７００が、変化が発生した及び／または観察されたと判定した場合、方法７００は、変化の重大度のレベルまたは尺度を任意選択で判定することを含む（ブロック７１５）。変化の重大度の判定は、変化したパラメータ値及び／または時系列分析結果の重要性、パラメータ値／時系列分析結果の変化の大きさ、バルブの臨界性、及び／または他の要因に基づいてもよい。
ブロック７１８において、方法７００は、バルブパラメータ及びまたは時系列分析結果及び任意選択でそのそれぞれの重大度の変化をユーザに通知することを含む。例えば、変化の通知及びその重大度は、オペレータワークステーション１７０及び／またはユーザインターフェースデバイス２３５のユーザインターフェースに送信されてもよい。変化のユーザ通知が完了すると（ブロック７１８）、方法７００は、バルブの健全性及び／または性能を継続して監視し（ブロック７０８）、ブロック７０２に戻る。
本開示に記載された技術の実施形態は、以下の態様のうちの任意の数を単独でまたは組み合わせて含むことができる。
１． プロセスプラントからクラウドコンピューティングシステムに安全に転送されるデータを使用してプロセスプラントエンティティの状態を検出する方法であって、プロセスプラントが工業プロセスを制御するように動作している間に、プロセスプラントの１つ以上のデバイスによって生成されたデータを、クラウドコンピューティングシステムにおいて受信することであって、データが、１つ以上のデバイスからデータダイオードを介してクラウドコンピューティングシステムへ送信するためにセキュリティ保護され、データダイオードが、プロセスプラントのネットワークとクラウドコンピューティングシステムのネットワークとの間の双方向通信を防止するように構成されている、受信することと、クラウドコンピューティングシステムにおいて、データを分析して、それによりプロセスプラント内の工業プロセスを制御するために物理的機能を遂行しているプロセスプラントエンティティの状態を検出することであって、プロセスプラントエンティティが、１つ以上のデバイスに対応する、検出することと、プロセスプラントエンティティの状態の指標をユーザインターフェースデバイスに送信して、オペレータに状態を警告することと、を含む、方法。
２．１つ以上のデバイスによって生成されたデータを受信することが、複数の時間のインスタンスにおいて、プロセスプラントエンティティの１つ以上のプロセスパラメータの各々に対してのそれぞれのプロセスパラメータ値を受信すること、を含む、態様１に記載の方法。
３．データを分析して、それによりプロセスプラントエンティティの状態を検出することが、１つ以上のプロセスパラメータの各々に対して、複数の時間のインスタンスにわたる１つ以上のプロセスパラメータのそれぞれのプロセスパラメータ値を結合して、プロセスパラメータメトリックを生成することと、プロセスパラメータメトリックに基づいてプロセスプラントエンティティの状態を検出することと、を含む、態様１または２に記載の方法。
４．複数の時間のインスタンスにわたる１つ以上のプロセスパラメータのそれぞれのプロセスパラメータ値を結合してプロセスパラメータメトリックを生成することが、それぞれのプロセスパラメータ値の移動平均、または複数の時間のインスタンスにわたるそれぞれのプロセスパラメータ値の減衰平均のうちの少なくとも１つを計算してプロセスパラメ
トリックメトリックを生成すること、を含む、態様１〜３のいずれか１つに記載の方法。
５．１つ以上のプロセスパラメータの履歴プロセスパラメータ値に基づいて統計的モデルを生成することをさらに含み、プロセスパラメータメトリックに基づいてプロセスプラントエンティティの状態を検出することが、プロセスパラメータメトリックを統計的モデルに適用すること、を含む、態様１〜４のいずれか１つに記載の方法。
６．１つ以上のプロセスパラメータの履歴プロセスパラメータ値に基づいて統計的モデルを生成することが、各々の履歴プロセスパラメータ値を、状態を経験した１つ以上のプロセスプラントエンティティに対するプロセスパラメータ値の第１のセットに対応するものとして、または状態を経験していない１つ以上のプロセスプラントエンティティに対するプロセスパラメータ値の第２のセットに対応するものとして分類することと、履歴プロセスパラメータ値の分類に基づいて、統計的モデルを生成することと、を含む、態様１〜５のいずれか１つに記載の方法。
７．プロセスプラントエンティティが、状態を経験したか否かの指標を受信することと、プロセスプラントエンティティの１つ以上のプロセスパラメータのそれぞれのプロセスパラメータ値を含むように、かつプロセスプラントエンティティが状態を経験したかどうかの指標に基づいて履歴プロセスパラメータ値を更新することと、をさらに含む、態様１〜６のいずれか１つに記載の方法。
８．プロセスプラントエンティティの状態を検出することが、プロセスプラントエンティティの性能監視メトリックを検出すること、またはプロセスプラントエンティティにおけるエラー、不動帯、不動時間、または漏れのうちの少なくとも１つを検出すること、のうちの少なくとも１つを含む、態様１〜７のいずれか１つに記載の方法。
９．プロセスプラントエンティティの検出された状態に基づいてプロセスプラントで警報またはイベントを発生させること、をさらに含む、態様１〜８のいずれか１つに記載の方法。
１０．プロセスプラントエンティティの検出された状態に基づいてプロセスプラントエンティティの動作を調整するためにプロセスプラントに制御信号を送信すること、をさらに含む、態様１〜９のいずれか１つに記載の方法。
１１．１つ以上のデバイスによって生成されたデータを受信することが、１つ以上のデバイスからデータダイオードを介してクラウドコンピューティングシステムにストリーミングされたリアルタイムデータを受信すること、を含む、態様１〜１０のいずれか１つに記載の方法。
１２．プロセスプラントエンティティが、バルブ、アクチュエータ、タンク、ミキサー、ポンプ、熱交換器、フィールドデバイス、Ｉ／Ｏデバイス、コントローラ、またはプロセスプラント内の工業プロセスを制御するための物理的機能を遂行する別のデバイスを含む、態様１〜１１のいずれか１つに記載の方法。
１３．１つ以上のデバイスが、プロセスプラントエンティティに含まれる１つ以上のデバイス、フィールドデバイス、Ｉ／Ｏデバイス、コントローラ、ノード、通信デバイス、アダプタ、ルータ、ゲートウェイ、またはプロセスプラント内に配置された別のデバイスのうちの少なくとも１つを含む、態様１〜１２のいずれか１つに記載の方法。
１４．プロセスプラントエンティティの動作モードを判定することをさらに含み、デー
タを分析することが、プロセスプラントエンティティの動作モードに対応する技術またはモデルを利用してデータを分析することを含む、態様１〜１３のいずれか１つに記載の方法。
１５．プロセスプラントのプロセスプラントエンティティの状態を検出するためのシステムであって、
プロセスプラントに配置されたプロセスプラントエンティティに対応し、工業プロセスを制御するための物理的機能を遂行する１つ以上のデバイスと、
１つ以上のデバイスを１つ以上のコンピューティングデバイスに通信可能に接続するデータダイオードであって、プロセスプラントのネットワークと１つ以上のコンピューティングデバイスとの間の双方向通信を防止するように構成される、データダイオードと、
１つ以上のコンピューティングデバイスであって、１つ以上プロセッサと、通信ユニットと、１つ以上のプロセッサ及び通信ユニットに結合された１つ以上の固定コンピュータ可読媒体であって、１つ以上のプロセッサによって実行されると、
プロセスプラントがオンラインである間にプロセスプラントの１つ以上のデバイスによって生成されたデータを、データダイオード及び通信ユニットを介して受信することであって、データが、１つ以上のデバイスからデータダイオードを介して１つ以上のデバイスからコンピューティングデバイスに送信するためにセキュリティ保護される、受信することと、プロセスプラントエンティティの状態を検出するためにデータを分析することと、プロセスプラントエンティティがオペレータに状態を警告するための状態の指標を、通信ユニットを介してユーザインターフェースデバイスに送信することと、をコンピューティングデバイスにさせる命令を格納する、固定コンピュータ可読媒体と、を備える、システム。
１６．１つ以上のデバイスによって生成されたデータが、複数の時間のインスタンスにおけるプロセスプラントエンティティの１つ以上のプロセスパラメータの各々に対するそれぞれのプロセスパラメータ値を含む、態様１５に記載のシステム。
１７．プロセスプラントエンティティの状態を検出するためのデータの分析が、１つ以上のプロセスパラメータメトリックを生成するために、複数の時間のインスタンスにわたる１つ以上のプロセスパラメータのそれぞれのプロセスパラメータ値の組み合わせを含み、プロセスプラントエンティティの状態が、１つ以上のプロセスパラメータメトリックに基づいて検出される、態様１５または態様１６に記載のシステム。
１８．それぞれのプロセスパラメータ値の組み合わせが、それぞれのプロセスパラメータ値の移動平均またはそれぞれのプロセスパラメータ値の減衰平均のうちの少なくとも１つを含む、態様１５〜１７のいずれか１つに記載のシステム。
１９．１つ以上のプロセスパラメータの履歴プロセスパラメータ値に基づいて生成された統計的モデルをさらに含み、プロセスプラントエンティティの状態が、１つ以上のプロセスパラメータメトリックを統計的モデルに適用することによって検出される、態様１５〜１８のいずれか１つに記載のシステム。
２０．統計的モデルが、各々の履歴プロセスパラメータ値の分類に基づいて、状態を経験した１つ以上のプロセスプラントエンティティのプロセスパラメータ値の第１のセットに対応するものとしてまたは、状態を経験していない１つ以上のプロセスプラントエンテ
ィティのプロセスパラメータ値の第２のセットに対応するものとして生成される、態様１５〜１９のいずれか１つに記載のシステム。
２１．統計的モデルが、１つ以上の機械学習技術であって、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、またはニューラルネットワークを含む、１つ以上の機械学習技術を使用して生成される、態様１５〜２０のいずれか１つに記載のシステム。
２２．１つ以上のプロセスパラメータが、圧力、温度、流量、密度、面積、または体積のうちの少なくとも１つを示す、態様１５〜２１のいずれか１つに記載のシステム。
２３．プロセスプラントエンティティの状態が、プロセスプラントエンティティにおける性能監視メトリック、エラー、不動帯、不動時間、または漏れのうちの少なくとも１つを含む、態様１５〜２２のいずれか１つに記載のシステム。
２４．１つ以上のデバイスが、フィールドデバイスによって生成されるまたは送信されるうちの少なくとも１つである信号を利用する制御ルーチンを実行するフィールドデバイスまたはコントローラのうちの少なくとも１つを含む、態様１５〜２３のいずれか１つに記載のシステム。
２５．プロセスプラントエンティティが、バルブ、フィールドデバイス、Ｉ／Ｏデバイス、Ｉ／Ｏデバイスを介してフィールドデバイスに結合されたコントローラ、タンク、ミキサー、ポンプ、または熱交換器のうちの少なくとも１つを含む、態様１５〜２４のいずれか１つに記載のシステム。
２６．態様１〜１４のいずれか１つの方法を遂行するようにさらに構成された、態様１５〜２５のいずれか１つに記載のシステム。
２７．プロセスプラント内のバルブの動作モードを検出するための方法であって、工業プロセスを制御するためにプロセスプラント内で動作するバルブの結果として生成されたデータをコンピューティングデバイスで受信することであって、バルブデータが、複数の時間のインスタンスにわたる１つ以上のバルブパラメータに対するバルブのそれぞれのバルブパラメータ値を含む、受信することと、複数のバルブ動作モードから、バルブの動作モードを識別するために、バルブデータをコンピューティングデバイスによって分析することであって、複数のバルブ動作モードが、フルストロークサイクル、連続スロットル、または周期的スロットルのうちの２つ以上を含む、分析することと、バルブの識別された動作モードの指標を、プロセスプラント内の動作を分析するためにユーザインターフェースまたは他のアプリケーションのうちの少なくとも１つに送信することと、を含む、方法。
２８．それぞれのバルブパラメータ値が、バルブパラメータの第１のセットであり、方法がさらに、バルブの識別された動作モードに基づいて、バルブパラメータの第２のセットを選択することと、複数の時間のインスタンスにわたってバルブデータに含まれるバルブパラメータの第２のセットのバルブパラメータ値の第２のセットを分析して、それによりバルブの状態を検出することと、検出されたバルブの状態の指標をユーザインターフェースに送信することと、を含む、態様２７に記載の方法。
２９．複数の時間のインスタンスにわたるバルブパラメータ値の第２のセットを分析し、それによりバルブの状態を検出することが、１つ以上のバルブパラメータメトリックを生成するために、複数の時間のインスタンスにわたってバルブパラメータ値の第２のセッ
トを結合することと、１つ以上のバルブパラメータメトリックに基づいてバルブの状態を検出することと、を含む、態様２７または態様２８のいずれか１つに記載の方法。
３０．バルブパラメータの第２のセットに対する履歴バルブパラメータ値に基づいて統計的モデルを生成することをさらに含み、履歴バルブパラメータ値が、バルブの識別された動作モードで動作する１つ以上のバルブによって生成され、１つ以上のバルブパラメータメトリックに基づいてバルブの状態を検出することが、１つまたはバルブパラメータメトリックを統計的モデルに適用することを含む、態様２７〜２９のいずれか１つに記載の方法。
３１．統計的モデルを生成することが、１つ以上の機械学習技術を使用して統計的モデルを生成することを含み、１つ以上の機械学習技術が、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、またはニューラルネットワークにうちの少なくとも１つを含む、態様２７〜３０のいずれか１つに記載の方法。
３２．バルブの検出された状態に基づいて、プロセスプラントにおいて警報またはイベントを発生させることをさらに含む、態様２７〜３１のいずれか１つに記載の方法。
３３．バルブの状態を検出することが、バルブの性能メトリックを判定すること、または、バルブのエラー、不動帯、不動時間、漏れのうちの少なくとも１つを検出すること、のうちの少なくとも１つを含む、態様２７〜３２のいずれか１つに記載の方法。
３４．バルブの動作モードを識別するためにバルブデータを分析することが、複数の時間のインスタンスにわたってバルブのそれぞれのバルブパラメータ値を結合して、バルブのバルブパラメータメトリックを生成することと、バルブのバルブパラメータメトリックを、複数のバルブ動作モードにそれぞれ対応する複数の統計的モデルと比較することであって、各々の統計的モデルが、バルブ動作のそれぞれのモードに対応し、バルブ動作のそれぞれのモードで動作する１つ以上のバルブのそれぞれの履歴バルブパラメータ値に基づいて生成される、比較することと、比較に基づいてバルブの動作モードを識別することと、を含む、態様２７〜３３のいずれか１つに記載の方法。
３５．バルブの動作モードを識別するために、それぞれのバルブパラメータ値を含むバルブデータを分析することが、開度設定点、バルブ開度測定値、設備駆動信号、アクチュエータの圧力、開度サイクル、サイクルカウンタ、開度アキュムレータ、または複数の時間のインスタンスにわたる制御信号のうちの少なくとも１つに対応する値を分析して、バルブの動作モードを識別すること、を含む、態様２７〜３４のいずれか１つに記載の方法。
３６．バルブの動作モードを識別するためにバルブデータを分析することが、１サイクル当たりの平均バルブ開度を判定するためにプロセスプラントのオンライン動作の間、複数の時間のインスタンスにわたってバルブのそれぞれのバルブ開度の測定値を分析することと、サイクル当たりの平均バルブ開度が閾値数を超えたときに、バルブがフルストロークサイクルモードで動作していると判定することと、１サイクル当たりの平均バルブ開度が閾値数を超えないとき、バルブが連続スロットルモードで動作していると判定することと、フルストロークサイクルモードでの動作と連続スロットルモードでの動作との間でバルブが交互に切り替わるとき、バルブが周期的スロットルモードで動作していると判定することと、を含む、態様２７〜３５のいずれか１項に記載の方法。
３７．態様１〜１４のいずれか１項に記載の方法と組み合わせた態様２７〜３６のいず
れか１つに記載の方法。
３８．態様１５〜２６のいずれか１項に記載のシステムによって遂行される態様２７〜３７のいずれか１つに記載の方法。
３９．プロセスプラント内のバルブの動作モードを検出するためのシステムであって、プロセスプラント内で動作して工業プロセスを制御するバルブと、
１つ以上のプロセッサ及び通信ユニットに結合された１つ以上の固定コンピュータ可読媒体であって、１つ以上のプロセッサによって実行されると、
工業プロセスを制御するためにプロセスプラント内で動作するバルブの結果として生成されたデータを、通信ユニットを介して受信することであって、バルブデータが、複数の時間のインスタンスにわたる１つ以上のバルブパラメータに対するバルブのそれぞれのバルブパラメータ値を含む、受信することと、複数のバルブ動作モードから、バルブの動作モードを識別するために、バルブデータをコンピューティングデバイスによって分析することであって、複数のバルブ動作モードが、フルストロークサイクル、連続スロットル、または周期的スロットルのうちの２つ以上を含む、分析することと、バルブの識別された動作モードの指標を、プロセスプラント内の動作を分析するためにユーザインターフェースまたは他のアプリケーションのうちの少なくとも１つに送信することと、を１つ以上のコンピューティングデバイスにさせる命令をそこに格納する固定コンピュータ可読媒体と、を備えるシステム。
４０．それぞれのバルブパラメータ値が、バルブパラメータで第１のセットであり、命令が、コンピューティングデバイスに、バルブの識別された動作モードに基づいて、バルブパラメータの第２のセットを選択することと、バルブのデータに含まれるバルブの状態を検出するために、複数の時間のインスタンスにわたってバルブパラメータの第２のセットのバルブパラメータ値の第２のセットを分析することと、通信ユニットを介して、バルブの検出された状態の指標をユーザインターフェースに送信することと、をさらにさせるために実行可能である、態様３９に記載のシステム。
４１．複数の時間のインスタンスにわたるバルブパラメータ値の第２のセットの分析が、バルブのバルブパラメータメトリックを生成するために、複数の時間のインスタンスにわたるバルブパラメータ値の第２のセットの組み合わせを含み、バルブの状態が、バルブパラメータメトリックに基づいて検出される、態様３９〜４０のいずれか１つに記載のシステム。
４２．識別された動作モードに対応し、識別された動作モードで動作するバルブの履歴バルブパラメータ値に基づいて生成された統計的モデルをさらに含み、バルブの状態が、バルブの識別された動作モードに対応する統計的モデルに対するバルブパラメータメトリックの適用に基づいて検出される、態様３９〜４１のいずれか１つに記載のシステム。
４３．統計的モデルが１つ以上の機械学習技術を使用して生成され、１つ以上の機械学習技術が、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、またはニューラルネットワークのうちの少なくとも１つを含む、態様３９〜４２のいずれか１つに記載のシステム。
４４．バルブの検出された状態が、性能メトリック、バルブにおけるエラー、不動帯、不動時間、または漏れのうちの少なくとも１つを含む、態様３９〜４３のいずれか１項に記載のシステム。
４５．バルブの動作モードを識別するためのバルブデータの分析が、バルブのバルブパラメータメトリックを生成するために、複数の時間のインスタンスにわたるバルブのそれぞれのバルブパラメータ値の組み合わせと、バルブのバルブパラメータメトリックの複数のバルブ動作モードにそれぞれ対応する複数の統計的モデルとの比較と、各々の統計的モデルが、それぞれのバルブ動作モードに対応し、それぞれのバルブ動作モードに従って動作する１つ以上のバルブ履歴バルブパラメータ値に基づいて生成され、比較に基づくバルブの動作モードの識別と、を含む、態様３９〜４４のいずれか１つに記載のシステム。
４６．複数の統計的モデルが、１つ以上の機械学習技術を使用して生成される、態様３９〜４５のいずれか１つに記載のシステム。
４７．バルブデータが、開度設定値、バルブ開度測定値、アクチュエータ圧力、開度サイクル、サイクルカウンタ、開度アキュムレータ、または制御信号のうちの少なくとも１つに対応するバルブのバルブパラメータ値を含む、態様３９〜４６のいずれか１つに記載のシステム。
４８．バルブデータの分析が、プロセスプラントのオンライン動作中の複数の時間のインスタンスにわたるバルブのそれぞれのバルブ開度測定値の分析を含み、１サイクルあたりの平均バルブ開度が、閾値数を超えたとき、バルブがフルストロークサイクルモードで動作していると判定され、１サイクル当たりの平均バルブ開度が閾値数を超えないとき、バルブが連続スロットルモードで動作していると判定され、バルブが、フルストロークサイクルモードと連続スロットルモードとの間でバルブが交互に切り替わるとき、周期的スロットルモードで動作していると判定される、態様３９〜４７のいずれか１つに記載のシステム。
４９．１つ以上のコンピューティングデバイスが、クラウドコンピューティングシステムに含まれる、態様３９から４８のいずれか１つ記載のシステム。
５０．クラウドコンピューティングシステム及びプロセスプラントが、データダイオードを介して通信可能に接続され、データダイオードが、データトラフィックをプロセスプラントに進入するのを防止するように構成される、態様３９〜４９のいずれか１つに記載のシステム。
５１．態様２７〜３８に記載のいずれか１つの方法を遂行するようにさらに構成される、態様３９〜５０のいずれか１つに記載のシステム。
５２．バルブの健全性を検出するための方法であって、プロセスプラント内に配置され、工業プロセスを制御するように動作するバルブに対応するデータを、コンピューティングデバイスで、受信することであって、バルブデータが、複数の時間のインスタンスにわたって１つ以上のバルブパラメータに対するバルブのそれぞれのバルブパラメータ値を含む、受信することと、バルブの全体的なデバイス健全性パラメータの値を判定するために、コンピューティングデバイスによって、バルブデータを分析することと、バルブの全体的なデバイス健全性パラメータ値と複数のバルブのそれぞれの全体的なデバイス健全性パラメータ値との比較に基づいて、バルブの相対的健全性インジケータをコンピューティングデバイスによって判定することと、ユーザインターフェースでの表示、データ格納エンティティにおける格納、または実行中のアプリケーションによる使用のうちの少なくとも１つに対してバルブの相対的健全性インジケータを提供することと、を含む、方法。
５３．複数のバルブのそれぞれの全体的なデバイス健全性パラメータ値内のバルブの全
体的なデバイス健全性パラメータ値の比較に基づいて、バルブの相対的健全性インジケータを判定することが、複数のバルブのそれぞれの全体的なデバイス健全性パラメータ値に基づいて複数のバルブをランク付けすることを含み、バルブの相対的健全性康指標を提供することが、バルブの全体的なデバイス健全性パラメータ値の指標と、複数のバルブのランク付けの指標を提供することを含む、態様５２に記載の方法。
５４．バルブの全体的なデバイス健全性パラメータ値を判定するためにバルブデータを分析することが、１つ以上のバルブパラメータメトリックを生成するために、複数の時間のインスタンスにわたって１つ以上のバルブパラメータに対するバルブのそれぞれのバルブパラメータ値を結合することと、１つ以上のバルブパラメータメトリックに基づいてバルブの全体的なデバイス健全性パラメータ値を判定することと、を含む、態様５２または５３のいずれか１つに記載の方法。
５５．１つ以上のバルブパラメータに対する履歴バルブパラメータ値に基づいて統計的モデルを生成することをさらに含み、１つ以上のバルブパラメータメトリックに基づいてバルブの全体的なデバイス健全性パラメータ値を判定することが、１つ以上のバルブパラメータメトリックを統計的モデルに適用すること、を含む、態様５２〜５４のいずれか１つに記載の方法。
５６．バルブの全体的なデバイス健全性パラメータ値またはバルブの相対的健全性インジケータのうちの少なくとも１つに基づいてバルブの状態を検出することと、検出されたバルブの状態の指標をユーザインターフェースに送信することと、を含む、態様５２〜５５のいずれか１つに記載の方法。
５７．（ｉ）バルブの検出された状態が第１の検出された状態であり、（ｉｉ）方法が、１以上のバルブパラメータに対する履歴バルブパラメータ値に基づいて、バルブの第２の状態を検出するための統計的モデルを生成することと、１つ以上のバルブパラメータメトリックを統計的モデルに適用することによって、バルブの第２の状態を検出することと、第１の検出された状態と第２の検出された状態とを比較することと、を含み、（ｉｉｉ）バルブの第１の検出された状態の指標をユーザインターフェースに送信するステップが、第１の検出された状態が第２の検出された状態と異なるとき、バルブの第１の検出された状態の指標をユーザインターフェースに送信することを含む、態様５２−５６のいずれか１つに記載の方法。
５８．バルブの検出された状態に基づいて、プロセスプラントにおいて警報またはイベントを発生させることをさらに含む、態様５２〜５７のいずれか１つに記載の方法。
５９．検出されたバルブの状態に基づいてプロセスプラントの動作を調整するために、プロセスプラントに制御信号を送信することをさらに含む、態様５２〜５８のいずれか１つに記載の方法。
６０．バルブの状態を検出することが、バルブの性能メトリックを判定すること、またはバルブでの、エラー、不動帯、不動時間、機械的摩耗または漏れ、のうちの少なくとも１つを検出することの少なくとも１つを含む、態様５２〜５９のいずれか１つに記載の方法。
６１．１つ以上のバルブパラメータに対する複数のバルブのそれぞれのバルブパラメータ値の指標を、複数の時間のインスタンスにわたって生成することと、複数の時間のインスタンスにわたって１つ以上のバルブパラメータに対する複数のバルブのそれぞれのバルブパラメータ値の指標を、バルブのそれぞれのバルブパラメータ値に関連して、時系列的
な描写で表示するために、ユーザインターフェースに提供することと、を含む、態様５２〜６０のいずれか１つに記載の方法。
６２．態様２７〜３８のいずれか１つに記載の方法と組み合わせた、態様５２〜６１に記載のいずれか１つの方法。
６３．複数のバルブの健全性を検出するシステムであって、システムが、複数のバルブであって、それらのうちの少なくともいくつかがプロセスプラント内で動作して工業プロセスを複数のバルブと、
１つ以上のコンピューティングデバイスであって、１つ以上のプロセッサと、通信部ユニットと、１つ以上のプロセッサ及び通信ユニットに結合された１つ以上の固定コンピュータ可読媒体であって、１つ以上のプロセッサによって実行されると、１つ以上のコンピューティングデバイスに、
複数のバルブに対応するバルブデータを、複数のバルブに含まれる各々のバルブのそれぞれのバルブパラメータ値を含むバルブデータを、複数の時間のインスタンスにわたり１つ以上のバルブバルブパラメータに対して受信することと、各々のバルブのそれぞれのバルブパラメータ値を分析して、各々のバルブの全体的なデバイス健全性パラメータ値を判定することと、複数のバルブの全体的なデバイス健全性パラメータ値の比較に基づいて、各々のバルブのそれぞれの相対的健全性指標を判定することと、各々のバルブのそれぞれの相対的健全性インジケータを、ユーザインターフェース、データ格納エンティティ、または実行中のアプリケーションのうちの少なくとも１つに提供することと、をさせる命令をその上に格納する、固定コンピュータ可読媒体と、を含む、システム。
６４．複数のバルブのそれぞれの相対的健全性インジケータが、複数のバルブの全体的なデバイス健全性パラメータ値に基づく複数のバルブのランク付けに基づいて判定され、複数のバルブのランク付けの指標が、各々のバルブの相対的な健全性インジケータと共に提供される、態様６３に記載のシステム。
６５．各々のバルブのそれぞれのバルブパラメータ値の分析が、複数のバルブのバルブパラメータメトリックを生成するために、複数の時間のインスタンスにわたって各々のバルブのそれぞれのバルブパラメータ値の組み合わせを含み、各々のバルブに対するそれぞれの全体的なデバイス健全性パラメータの値が、各々のバルブのバルブパラメータメトリックに基づく、態様６３〜６４のいずれか１つに記載のシステム。
６６．１つ以上のバルブパラメータに対する履歴バルブパラメータ値に基づいて生成された統計的モデルを、さらに含み、各々のバルブのそれぞれの全体的なデバイス健全性パラメータの値が、各々のバルブのバルブパラメータメトリックを統計的モデルに適用することによって判定される、態様６３〜６５のいずれか１つに記載のシステム。
６７．履歴バルブパラメータ値の各々が、対応するバルブの対応するデバイス健全性スコアと関連し、統計的モデルが、履歴バルブパラメータ値に関連する対応するデバイス健全性スコアにさらに基づいて生成される、態様６３〜６６のいずれか１つに記載のシステム。
６８．統計的モデルが、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、またはニューラルネットワークのうちの少なくとも１つを含む１つ以上の機械学習技術を使用して生成される、態様６３〜６７のいずれか１つに記載のシステム。
６９．命令が、１つ以上のコンピューティングデバイスに、各々のバルブのそれぞれの相対的健全性インジケータに基づいて各々のバルブの状態を検出させ、各々のバルブの検出された状態の指標をユーザインターフェースに送信させるようにさらに実行可能である、態様６３〜６８のいずれか１つに記載のシステム。
７０．各々のバルブの検出された状態が、各々のバルブにおける、性能メトリック、エラー、漏れ、不動帯、または機械的摩耗のうちの少なくとも１つを含む、態様６３〜６９のいずれか１つ記載のシステム。
７１．プロセスプラントのネットワークと１つ以上のコンピューティングデバイスとの間の双方向通信を防止するように構成されたデータダイオードをさらに備え、バルブデータが、データダイオードを介してプロセスプラントから１つ以上のコンピューティングデバイスへの転送のためにセキュリティ保護される、態様６３〜７０のいずれか１つに記載のシステム。
７２．１つ以上のコンピューティングデバイスが、クラウドコンピューティングシステムに含まれる、態様６３〜７１のいずれか１つに記載のシステム。
７３．命令が、１つ以上のコンピューティングデバイスに、複数のバルブのそれぞれのバルブパラメータ値の指標を、複数の時間のインスタンスにわたって１つ以上のバルブパラメータに対して生成させ、複数の時間のインスタンスにわたる１つ以上のバルブパラメータに対する複数のバルブのそれぞれのバルブパラメータ値の指標を、時系列表示で表示するためにユーザインターフェースに提供させるようにさらに実行可能である、態様６３〜７２のいずれか１つに記載のシステム。
７４．態様５２〜６２のいずれか１つに記載のシステムを遂行するようにさらに構成される、態様６３〜７３のいずれか１つに記載のシステム。
７５．態様１〜７４の他のいずれか１つに記載の方法またはシステムと組み合わせた、態様１〜７４のいずれか１つに記載の方法またはシステム。
ソフトウェアとして実行される場合、本明細書において記載されるアプリケーション、サービス、及びエンジンのいずれも、磁気ディスク、レーザディスク、固体メモリデバイス、分子メモリ格納デバイス、または他の格納媒体のような任意の有形の固定のコンピュータ可読メモリに格納することができ、コンピュータまたはプロセッサのＲＡＭまたはＲＯＭなどに格納することができる。本明細書において開示される例示的なシステムは、構成要素の中でもとりわけ、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ものとして開示されているが、このようなシステムは、単なる例示に過ぎず、限定的に考えられてはならないことに留意されたい。例えば、これらのハードウェア構成要素、ソフトウェア構成要素、及びファームウェア構成要素のいずれか、またはすべてが、ハードウェアとして排他的に搭載される、ソフトウェアとして排他的に搭載される、またはハードウェア及びソフトウェアの任意の組み合わせとして搭載されるような構成が想到される。したがって、当該技術分野の当業者であれば、提供されるこれらの例が、このようなシステムを実現するための唯一の方法ではないことを容易に理解できるであろう。
以上、本発明を例示のみを意図したものであって発明の限定を意図したものではない特定の例を参照して説明したが、発明の趣旨及び範囲を逸脱することなく、開示された実施形態に変更、追加、または削除を行ってよいことは、当該技術分野における当業者には明
らかであろう。

Claims (22)

  1. プロセスプラントからクラウドコンピューティングシステムに安全に転送されるデータを使用してプロセスプラントエンティティの状態を検出する方法であって、
    前記プロセスプラントが工業プロセスを制御するように動作している間に、前記プロセスプラントの１つ以上のデバイスによって生成されたデータを、前記クラウドコンピューティングシステムにおいて受信することであって、前記データが、前記１つ以上のデバイスからデータダイオードを介して前記クラウドコンピューティングシステムへ送信するためにセキュリティ保護され、前記データダイオードが、前記プロセスプラントのネットワークと前記クラウドコンピューティングシステムのネットワークとの間の双方向通信を防止するように構成されている、受信することと、
    前記クラウドコンピューティングシステムにおいて、前記データを分析して、それにより前記プロセスプラント内の前記工業プロセスを制御するために物理的機能を遂行しているプロセスプラントエンティティの状態を検出することであって、前記プロセスプラントエンティティが、前記１つ以上のデバイスに対応する、検出することと、
    前記プロセスプラントエンティティの前記状態の指標をユーザインターフェースデバイスに送信して、オペレータに前記状態を警告することと、を含む、方法。
  2. 前記１つ以上のデバイスによって生成された前記データを受信することが、複数の時間のインスタンスにおいて、前記プロセスプラントエンティティの１つ以上のプロセスパラメータの各々に対してのそれぞれのプロセスパラメータ値を受信すること、を含む、請求項１に記載の方法。
  3. 前記データを分析して、それにより前記プロセスプラントエンティティの前記状態を検出することが、
    前記１つ以上のプロセスパラメータの前記各々に対して、前記複数の時間のインスタンスにわたる前記１つ以上のプロセスパラメータの前記それぞれのプロセスパラメータ値を結合して、プロセスパラメータメトリックを生成することと、
    前記プロセスパラメータメトリックに基づいて前記プロセスプラントエンティティの前記状態を検出することと、を含む、請求項２に記載の方法。
  4. 前記複数の時間のインスタンスにわたる前記１つ以上のプロセスパラメータの前記それぞれのプロセスパラメータ値を結合して前記プロセスパラメータメトリックを生成することが、前記それぞれのプロセスパラメータ値の移動平均、または前記複数の時間のインスタンスにわたる前記それぞれのプロセスパラメータ値の減衰平均のうちの少なくとも１つを計算して前記プロセスパラメトリックメトリックを生成すること、を含む、請求項３に記載の方法。
  5. 前記１つ以上のプロセスパラメータの履歴プロセスパラメータ値に基づいて統計的モデルを生成することをさらに含み、
    前記プロセスパラメータメトリックに基づいて前記プロセスプラントエンティティの前記状態を検出することが、前記プロセスパラメータメトリックを前記統計的モデルに適用すること、を含む、請求項３に記載の方法。
  6. 前記１つ以上のプロセスパラメータの前記履歴プロセスパラメータ値に基づいて前記統計的モデルを生成することが、
    各々の履歴プロセスパラメータ値を、前記状態を経験した１つ以上のプロセスプラントエンティティに対するプロセスパラメータ値の第１のセットに対応するものとして、または前記状態を経験していない１つ以上のプロセスプラントエンティティに対するプロセスパラメータ値の第２のセットに対応するものとして分類することと、
    前記履歴プロセスパラメータ値の前記分類に基づいて、前記統計的モデルを生成することと、を含む、請求項５に記載の方法。
  7. 前記プロセスプラントエンティティが、前記状態を経験したか否かの指標を受信することと、
    前記プロセスプラントエンティティの前記１つ以上のプロセスパラメータの前記それぞれのプロセスパラメータ値を含むように、かつ前記プロセスプラントエンティティが前記状態を経験したかどうかの前記指標に基づいて履歴プロセスパラメータ値を更新することと、をさらに含む、請求項５に記載の方法。
  8. 前記プロセスプラントエンティティの前記状態を検出することが、前記プロセスプラントエンティティの性能監視メトリックを検出すること、または前記プロセスプラントエンティティにおけるエラー、不動帯、不動時間、または漏れのうちの少なくとも１つを検出すること、のうちの少なくとも１つを含む、請求項１に記載の方法。
  9. 前記プロセスプラントエンティティの前記検出された状態に基づいて前記プロセスプラントで警報またはイベントを発生させること、をさらに含む、請求項１に記載の方法。
  10. 前記プロセスプラントエンティティの前記検出された状態に基づいて前記プロセスプラントエンティティの動作を調整するために前記プロセスプラントに制御信号を送信すること、をさらに含む、請求項１に記載の方法。
  11. 前記１つ以上のデバイスによって生成されたデータを受信することが、前記１つ以上のデバイスから前記データダイオードを介して前記クラウドコンピューティングシステムにストリーミングされたリアルタイムデータを受信すること、を含む、請求項１に記載の方法。
  12. プロセスプラントのプロセスプラントエンティティの状態を検出するためのシステムであって、
    前記プロセスプラントに配置されたプロセスプラントエンティティに対応し、工業プロセスを制御するための物理的機能を遂行する１つ以上のデバイスと、
    前記１つ以上のデバイスを１つ以上のコンピューティングデバイスに通信可能に接続するデータダイオードであって、前記プロセスプラントのネットワークと前記１つ以上のコンピューティングデバイスとの間の双方向通信を防止するように構成される、データダイオードと、
    前記１つ以上のコンピューティングデバイスであって、
    １つ以上プロセッサと、
    通信ユニットと、
    前記１つ以上のプロセッサ及び前記通信ユニットに結合された１つ以上の固定コンピュータ可読媒体であって、前記１つ以上のプロセッサによって実行されると、
    前記プロセスプラントがオンラインである間に前記プロセスプラントの前記１つ以上のデバイスによって生成されたデータを、前記データダイオード及び前記通信ユニットを介して受信することであって、前記データが、前記１つ以上のデバイスから前記データダイオードを介して前記１つ以上のデバイスから前記コンピューティングデバイスに送信するためにセキュリティ保護される、受信することと、
    前記プロセスプラントエンティティの状態を検出するために前記データを分析することと、
    前記プロセスプラントエンティティがオペレータに前記状態を警告するための前記状態の指標を、前記通信ユニットを介して前記ユーザインターフェースデバイスに送信することと、を前記コンピューティングデバイスにさせる命令を格納する、固定コンピュー
    タ可読媒体と、を備える、システム。
  13. 前記１つ以上のデバイスによって生成された前記データが、複数の時間のインスタンスにおける前記プロセスプラントエンティティの１つ以上のプロセスパラメータの各々に対するそれぞれのプロセスパラメータ値を含む、請求項１２に記載のシステム。
  14. 前記プロセスプラントエンティティの前記状態を検出するための前記データの前記分析が、１つ以上のプロセスパラメータメトリックを生成するために、前記複数の時間のインスタンスにわたる前記１つ以上のプロセスパラメータの前記それぞれのプロセスパラメータ値の組み合わせを含み、
    前記プロセスプラントエンティティの前記状態が、前記１つ以上のプロセスパラメータメトリックに基づいて検出される、請求項１３に記載のシステム。
  15. 前記それぞれのプロセスパラメータ値の前記組み合わせが、前記それぞれのプロセスパラメータ値の移動平均または前記それぞれのプロセスパラメータ値の減衰平均のうちの少なくとも１つを含む、請求項１４に記載のシステム。
  16. 前記１つ以上のプロセスパラメータの履歴プロセスパラメータ値に基づいて生成された統計的モデルをさらに含み、
    前記プロセスプラントエンティティの前記状態が、前記１つ以上のプロセスパラメータメトリックを前記統計的モデルに適用することによって検出される、請求項１４に記載のシステム。
  17. 前記統計的モデルが、各々の履歴プロセスパラメータ値の分類に基づいて、前記状態を経験した１つ以上のプロセスプラントエンティティのプロセスパラメータ値の第１のセットに対応するものとしてまたは、前記状態を経験していない１つ以上のプロセスプラントエンティティのプロセスパラメータ値の第２のセットに対応するものとして生成される、請求項１６に記載のシステム。
  18. 前記統計的モデルが、１つ以上の機械学習技術であって、線形回帰、多項式回帰、ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、ブースティング、最近傍、またはニューラルネットワークを含む、１つ以上の機械学習技術を使用して生成される、請求項１６に記載のシステム。
  19. 前記１つ以上のプロセスパラメータが、圧力、温度、流量、密度、面積、または体積のうちの少なくとも１つを示す、請求項１３に記載のシステム。
  20. 前記プロセスプラントエンティティの前記状態が、前記プロセスプラントエンティティにおける性能監視メトリック、エラー、不動帯、不動時間、または漏れのうちの少なくとも１つを含む、請求項１２に記載のシステム。
  21. 前記１つ以上のデバイスが、フィールドデバイスまたはコントローラであって、前記フィールドデバイスによって生成されるまたは送信されるうちの少なくとも１つである信号を利用する制御ルーチンを実行する前記フィールドデバイスまたはコントローラのうちの少なくとも１つを含む、請求項１２に記載のシステム。
  22. 前記プロセスプラントエンティティが、バルブ、フィールドデバイス、Ｉ／Ｏデバイス、前記Ｉ／Ｏデバイスを介して前記フィールドデバイスに結合されたコントローラ、タンク、ミキサー、ポンプ、または熱交換器のうちの少なくとも１つを含む、請求項１２に記載のシステム。
JP2017205479A 2016-10-24 2017-10-24 プロセスプラントエンティティの状態を検出する方法およびシステム Active JP7324564B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023065359A JP2023085548A (ja) 2016-10-24 2023-04-13 プロセスデバイス状態及び性能監視

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/332,521 2016-10-24
US15/332,521 US10877465B2 (en) 2016-10-24 2016-10-24 Process device condition and performance monitoring

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023065359A Division JP2023085548A (ja) 2016-10-24 2023-04-13 プロセスデバイス状態及び性能監視

Publications (3)

Publication Number Publication Date
JP2018073417A true JP2018073417A (ja) 2018-05-10
JP2018073417A5 JP2018073417A5 (ja) 2020-12-03
JP7324564B2 JP7324564B2 (ja) 2023-08-10

Family

ID=61866581

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2017205479A Active JP7324564B2 (ja) 2016-10-24 2017-10-24 プロセスプラントエンティティの状態を検出する方法およびシステム
JP2023065359A Pending JP2023085548A (ja) 2016-10-24 2023-04-13 プロセスデバイス状態及び性能監視

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023065359A Pending JP2023085548A (ja) 2016-10-24 2023-04-13 プロセスデバイス状態及び性能監視

Country Status (5)

Country Link
US (1) US10877465B2 (ja)
JP (2) JP7324564B2 (ja)
CN (1) CN107976969A (ja)
DE (1) DE102017124884A1 (ja)
GB (1) GB2556455B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020149171A (ja) * 2019-03-12 2020-09-17 三菱電機株式会社 セキュリティ異常検知システム

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180197287A1 (en) * 2017-01-08 2018-07-12 Adrian Ronaldo Macias Process of using machine learning for cannabis plant health diagnostics
US11130111B2 (en) * 2017-03-28 2021-09-28 Uop Llc Air-cooled heat exchangers
US11396002B2 (en) * 2017-03-28 2022-07-26 Uop Llc Detecting and correcting problems in liquid lifting in heat exchangers
US10382407B1 (en) * 2017-03-31 2019-08-13 EMC IP Holding Company LLC Encryption and decryption of time series data using a digital filter array
US10678224B2 (en) * 2017-06-21 2020-06-09 Fisher-Rosemount Systems, Inc. Loop interface
US10956843B2 (en) * 2017-11-07 2021-03-23 International Business Machines Corporation Determining optimal device refresh cycles and device repairs through cognitive analysis of unstructured data and device health scores
CN108646675B (zh) * 2018-05-04 2021-03-16 上海罗湖斯自动化技术有限公司 存储介质、工厂控制系统、人机界面显示操作方法及其组态系统
DE102018116964A1 (de) * 2018-06-14 2019-12-19 Schaeffler Technologies AG & Co. KG Verfahren einer auf dem Ausfallrisiko basierten Produktionskontrolle
US11075957B2 (en) * 2018-09-07 2021-07-27 Honeywell International Inc. Adaptive cybersecurity ring for industrial wireless sensor networks
WO2020056314A1 (en) * 2018-09-13 2020-03-19 Arizona Board Of Regents On Behalf Of Arizona State University Systems and methods for a simulation program of a percolation model for the loss distribution caused by a cyber attack
CA3115709A1 (en) 2018-10-12 2020-04-16 Bray International, Inc. Smart valve with integrated electronics
MX2021006622A (es) 2018-12-06 2021-09-21 Bray Int Inc Adaptador de válvula inteligente con componentes electrónicos integrados.
CA3115123A1 (en) * 2018-12-13 2020-06-18 Andritz Inc. Industrial plant controller
EP3935460A1 (en) * 2019-03-25 2022-01-12 Schneider Electric Systems USA, Inc. Systems and methods for detecting and predicting faults in an industrial process automation system
US11195348B2 (en) 2019-04-29 2021-12-07 Caterpillar Inc. System and method for determining a priority of monitoring a machine
GB2589661B (en) 2019-06-10 2024-06-05 Fisher Rosemount Systems Inc Virtualized real-time I/O in process control systems
US11231701B2 (en) 2019-06-10 2022-01-25 Fisher-Rosemount Systems, Inc. Publish/subscribe protocol for real-time process control
GB2589941B (en) 2019-06-10 2024-03-27 Fisher Rosemount Systems Inc Ease of node switchovers in process control systems
GB2623651A (en) 2019-06-10 2024-04-24 Fisher Rosemount Systems Inc Automatic load balancing and performance leveling of virtual nodes running real-time control in process control systems
US11249464B2 (en) * 2019-06-10 2022-02-15 Fisher-Rosemount Systems, Inc. Industrial control system architecture for real-time simulation and process control
US11768878B2 (en) * 2019-09-20 2023-09-26 Fisher-Rosemount Systems, Inc. Search results display in a process control system
US11768877B2 (en) * 2019-09-20 2023-09-26 Fisher-Rosemount Systems, Inc. Smart search capabilities in a process control system
US11126636B2 (en) * 2019-11-14 2021-09-21 Fisher-Rosemount Systems, Inc. Apparatus and methods for secure data logging
TW202347125A (zh) * 2019-11-20 2023-12-01 美商奈米創尼克影像公司 用於判定網路攻擊及產生警告之製造系統及電腦實施方法
US11153275B2 (en) * 2020-02-24 2021-10-19 Saudi Arabian Oil Company Method to transfer process data utilizing highly secure boundary networks
DE102020202463A1 (de) 2020-02-26 2021-08-26 WAGO Verwaltungsgesellschaft mit beschränkter Haftung Datenreduzierte Edge-zu-Cloud-Übertragung basierend auf Vorhersagemodellen
CN111368451B (zh) * 2020-03-16 2023-03-31 福建省特种设备检验研究院 基于多数据采集的石化常压储油罐健康状态评估方法
FR3108418A1 (fr) * 2020-03-18 2021-09-24 Orange Réseau de collecte de données sécurisé
EP3890244A1 (en) * 2020-04-03 2021-10-06 Mitsubishi Electric R&D Centre Europe B.V. Method for providing multi-site orchestration in a public network for factory automation
KR102220138B1 (ko) * 2020-08-03 2021-02-26 주식회사 유디엠텍 제어구간 온도신호의 분석을 통한 공정이상 탐지장치 및 방법
CN114153182B (zh) * 2020-08-18 2024-03-12 中国航天系统工程有限公司 一种工艺自适应的工业终端安全防护系统及方法
CN111769996A (zh) * 2020-09-02 2020-10-13 江苏达科云数据科技有限公司 一种应用于复杂网络环境下的设备监控方法
CN112800110B (zh) * 2021-01-22 2022-09-16 国家电网有限公司技术学院分公司 电力物联网传感器弱敏感数据异常检测系统
DE102021115589A1 (de) * 2021-06-16 2022-12-22 Gemü Gebr. Müller Apparatebau Gmbh & Co. Kommanditgesellschaft Verfahren und Vorrichtungen für Prozessventil-Einheiten
US20220404788A1 (en) * 2021-06-16 2022-12-22 Fisher-Rosemount Systems, Inc. Discovery Service in a Software Defined Control System
US11979333B2 (en) * 2021-12-08 2024-05-07 The Western Union Company Systems and methods for adaptive multi-system operations with smart routing protocols
US20230384757A1 (en) * 2022-05-25 2023-11-30 Fisher-Rosemount Systems, Inc. Suspicious control valve performance detection
CN114967623B (zh) * 2022-06-07 2023-06-16 中国人民解放军陆军工程大学 城市地下污水处理厂规模优化与工艺选择方法
US20240053712A1 (en) * 2022-08-12 2024-02-15 Fisher-Rosemount Systems, Inc. Systems, apparatus, articles of manufacture, and methods for an application marketplace for process control systems

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007536647A (ja) * 2004-05-04 2007-12-13 フィッシャー−ローズマウント・システムズ・インコーポレーテッド プロセスプラントのユーザインタフェースにおける、マークアップ言語ベースの動的プロセスグラフィックス
JP2013195398A (ja) * 2012-03-22 2013-09-30 Mitsubishi Heavy Ind Ltd 原子力発電プラント監視操作システム及びその監視操作方法

Family Cites Families (83)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311562A (en) 1992-12-01 1994-05-10 Westinghouse Electric Corp. Plant maintenance with predictive diagnostics
US6442616B1 (en) 1997-01-16 2002-08-27 Kabushiki Kaisha Toshiba Method and apparatus for communication control of mobil computers in communication network systems using private IP addresses
US6754601B1 (en) 1996-11-07 2004-06-22 Rosemount Inc. Diagnostics for resistive elements of process devices
US8044793B2 (en) 2001-03-01 2011-10-25 Fisher-Rosemount Systems, Inc. Integrated device alerts in a process control system
US6959346B2 (en) 2000-12-22 2005-10-25 Mosaid Technologies, Inc. Method and system for packet encryption
WO2002097545A1 (en) 2001-05-29 2002-12-05 Westinghouse Electric Company Llc Health monitoring display system for a complex plant
US7647422B2 (en) 2001-11-06 2010-01-12 Enterasys Networks, Inc. VPN failure recovery
FI113121B (fi) 2002-05-30 2004-02-27 Metso Automation Oy Järjestelmä, tietoliikenneverkko ja menetelmä tietojen lähettämiseksi
US9565275B2 (en) 2012-02-09 2017-02-07 Rockwell Automation Technologies, Inc. Transformation of industrial data into useful cloud information
US6904327B2 (en) 2003-01-29 2005-06-07 Honeywell International Inc. Integrated control system to control addressable remote devices
US7089086B2 (en) 2003-02-14 2006-08-08 Dresser, Inc. Method, system and storage medium for performing online valve diagnostics
US7634384B2 (en) 2003-03-18 2009-12-15 Fisher-Rosemount Systems, Inc. Asset optimization reporting in a process plant
JP3936937B2 (ja) 2003-08-27 2007-06-27 株式会社日立国際電気 デジタル無線通信システムにおけるポーリング方法および車両検索方法
US7313573B2 (en) 2003-09-17 2007-12-25 International Business Machines Corporation Diagnosis of equipment failures using an integrated approach of case based reasoning and reliability analysis
GB0414840D0 (en) 2004-07-02 2004-08-04 Ncr Int Inc Self-service terminal
WO2006107952A1 (en) * 2005-04-04 2006-10-12 Fisher-Rosemount Systems, Inc. Diagnostics in industrial process control system
US9201420B2 (en) 2005-04-08 2015-12-01 Rosemount, Inc. Method and apparatus for performing a function in a process plant using monitoring data with criticality evaluation data
US7693608B2 (en) 2006-04-12 2010-04-06 Edsa Micro Corporation Systems and methods for alarm filtering and management within a real-time data acquisition and monitoring environment
US9411769B2 (en) 2006-09-19 2016-08-09 Fisher-Rosemount Systems, Inc. Apparatus and methods to communicatively couple field devices to controllers in a process control system
US7853431B2 (en) * 2006-09-29 2010-12-14 Fisher-Rosemount Systems, Inc. On-line monitoring and diagnostics of a process using multivariate statistical analysis
US20080123852A1 (en) 2006-11-28 2008-05-29 Jianping Jiang Method and system for managing a wireless network
US7606636B2 (en) * 2007-01-31 2009-10-20 Halliburton Energy Services, Inc. Methods for managing flow control valves in process systems
US7649452B2 (en) * 2007-06-29 2010-01-19 Waterfall Solutions Ltd. Protection of control networks using a one-way link
US8331249B2 (en) 2007-07-10 2012-12-11 Qualcomm Incorporated Methods and apparatus for communicating in a peer to peer system where device communications may partially interfere with one another
US8407721B2 (en) 2008-12-12 2013-03-26 Microsoft Corporation Communication interface selection on multi-homed devices
FI125797B (fi) 2009-01-09 2016-02-29 Metso Flow Control Oy Menetelmä ja laitteisto venttiilin kunnonvalvontaan
US9412137B2 (en) 2009-04-01 2016-08-09 Honeywell International Inc. Cloud computing for a manufacturing execution system
US9218000B2 (en) 2009-04-01 2015-12-22 Honeywell International Inc. System and method for cloud computing
US7970830B2 (en) 2009-04-01 2011-06-28 Honeywell International Inc. Cloud computing for an industrial automation and manufacturing system
US8204717B2 (en) 2009-04-01 2012-06-19 Honeywell International Inc. Cloud computing as a basis for equipment health monitoring service
US8555381B2 (en) 2009-04-01 2013-10-08 Honeywell International Inc. Cloud computing as a security layer
US8068504B2 (en) 2009-05-18 2011-11-29 Tresys Technology, Llc One-way router
US20110231478A1 (en) 2009-09-10 2011-09-22 Motorola, Inc. System, Server, and Mobile Device for Content Provider Website Interaction and Method Therefore
US9274518B2 (en) 2010-01-08 2016-03-01 Rockwell Automation Technologies, Inc. Industrial control energy object
JPWO2012049771A1 (ja) 2010-10-15 2014-02-24 東芝三菱電機産業システム株式会社 自動遠隔監視診断システム
GB2488369B (en) 2011-02-28 2018-05-09 Perkins Engines Co Ltd Monitoring operation of a DC motor valve assembly
US8644165B2 (en) 2011-03-31 2014-02-04 Navteq B.V. Method and apparatus for managing device operational modes based on context information
US9594367B2 (en) 2011-10-31 2017-03-14 Rockwell Automation Technologies, Inc. Systems and methods for process control including process-initiated workflow
US9473300B2 (en) * 2011-11-03 2016-10-18 Savannah River Nuclear Solutions, Llc Authenticated sensor interface device
US9143563B2 (en) 2011-11-11 2015-09-22 Rockwell Automation Technologies, Inc. Integrated and scalable architecture for accessing and delivering data
US9477936B2 (en) 2012-02-09 2016-10-25 Rockwell Automation Technologies, Inc. Cloud-based operator interface for industrial automation
US9625349B2 (en) * 2012-02-29 2017-04-18 Fisher Controls International Llc Time-stamped emissions data collection for process control devices
EP2660667B1 (en) 2012-05-04 2021-11-10 Rockwell Automation Technologies, Inc. Cloud gateway for industrial automation information and control systems
GB2505297B (en) 2012-07-16 2014-11-26 Owl Computing Technologies Inc File manifest filter for unidirectional transfer of files
US9256222B2 (en) 2012-07-18 2016-02-09 International Business Machines Corporation Sensor virtualization through cloud storage and retrieval mechanisms
US9253054B2 (en) 2012-08-09 2016-02-02 Rockwell Automation Technologies, Inc. Remote industrial monitoring and analytics using a cloud infrastructure
US9467500B2 (en) 2012-08-09 2016-10-11 Rockwell Automation Technologies, Inc. Remote industrial monitoring using a cloud infrastructure
US9635037B2 (en) 2012-09-06 2017-04-25 Waterfall Security Solutions Ltd. Remote control of secure installations
US9292012B2 (en) 2012-11-05 2016-03-22 Rockwell Automation Technologies, Inc. Secure models for model-based control and optimization
WO2014094982A1 (en) 2012-12-20 2014-06-26 Abb Ag Commissioning system and method for a secure exchange of sensitive information for the commissioning and configuring of technical equipment
US9218470B2 (en) 2012-12-31 2015-12-22 General Electric Company Systems and methods for non-destructive testing user profiles
US9217999B2 (en) 2013-01-22 2015-12-22 General Electric Company Systems and methods for analyzing data in a non-destructive testing system
US9430589B2 (en) 2013-02-05 2016-08-30 Rockwell Automation Technologies, Inc. Safety automation builder
US9823626B2 (en) * 2014-10-06 2017-11-21 Fisher-Rosemount Systems, Inc. Regional big data in process control systems
EP2778817A1 (de) 2013-03-12 2014-09-17 Siemens Aktiengesellschaft Überwachung einer ersten Ausrüstung einer ersten technischen Anlage mittels Benchmark
US9438648B2 (en) 2013-05-09 2016-09-06 Rockwell Automation Technologies, Inc. Industrial data analytics in a cloud platform
US9244042B2 (en) 2013-07-31 2016-01-26 General Electric Company Vibration condition monitoring system and methods
US9084112B2 (en) 2013-10-14 2015-07-14 Trellisware Technologies, Inc. Secure group key agreement for wireless networks
US20150163198A1 (en) 2013-12-10 2015-06-11 Futaris, Inc. Methods and apparatus for providing controlled unidirectional flow of data
US8874719B1 (en) 2013-12-19 2014-10-28 Architecture Technology Corporation Context-aware network and situation management for crypto-partitioned networks
US20150195086A1 (en) 2014-01-05 2015-07-09 Core Business IT, LLC Mediated encryption policy framework for user-transparent method-agnostic data protection
US9189637B2 (en) 2014-03-17 2015-11-17 Saudi Arabian Oil Company Systems, methods, and computer medium to securely transfer business transactional data between physically isolated networks having different levels of network protection utilizing barcode technology
US9614963B2 (en) 2014-03-26 2017-04-04 Rockwell Automation Technologies, Inc. Cloud-based global alarm annunciation system for industrial systems
US9843617B2 (en) 2014-03-26 2017-12-12 Rockwell Automation Technologies, Inc. Cloud manifest configuration management system
US9489832B2 (en) 2014-04-04 2016-11-08 Rockwell Automation Technologies, Inc. Industrial-enabled mobile device
US10063429B2 (en) 2014-04-09 2018-08-28 The Keyw Corporation Systems and methods for optimizing computer network operations
US9532225B2 (en) 2014-06-12 2016-12-27 General Electric Company Secure pairing of end user devices with instruments
US9706396B2 (en) 2014-08-08 2017-07-11 Samsung Electronics Co., Ltd. System and method of counter management and security key update for device-to-device group communication
GB2532051A (en) 2014-11-07 2016-05-11 Nomad Spectrum Ltd Data traffic processing and analysis
US11073805B2 (en) 2014-11-21 2021-07-27 Fisher-Rosemount Systems, Inc. Process plant network with secured external access
US10176032B2 (en) 2014-12-01 2019-01-08 Uptake Technologies, Inc. Subsystem health score
US9210187B1 (en) 2015-01-13 2015-12-08 Centri Technology, Inc. Transparent denial of service protection
GB2536059B (en) 2015-03-06 2017-03-01 Garrison Tech Ltd Secure control of insecure device
US20160282859A1 (en) 2015-03-27 2016-09-29 Rockwell Automation Technologies, Inc. Systems and methods for maintaining equipment in an industrial automation environment
EP3101493B1 (de) 2015-06-03 2019-03-20 Siemens Aktiengesellschaft System und verfahren zur steuerung und/oder analytik eines industriellen prozesses
US10021072B2 (en) * 2015-08-20 2018-07-10 Mitsubishi Hitachi Power Systems, Ltd. Security system and communication control method
US10091170B2 (en) 2016-03-31 2018-10-02 Cisco Technology, Inc. Method and apparatus for distributing encryption and decryption processes between network devices
US9967234B1 (en) 2016-04-27 2018-05-08 The United States Of America, As Represented By The Secretary Of The Navy Miniaturized real time pseudo-cross domain data communication system with air gapped full motion video device and method
US10419930B2 (en) 2016-05-27 2019-09-17 Afero, Inc. System and method for establishing secure communication channels with internet of things (IoT) devices
US10157105B2 (en) 2016-07-28 2018-12-18 Prophetstor Data Services, Inc. Method for data protection for cloud-based service system
US10095880B2 (en) 2016-09-01 2018-10-09 International Business Machines Corporation Performing secure queries from a higher security domain of information in a lower security domain
US10619760B2 (en) * 2016-10-24 2020-04-14 Fisher Controls International Llc Time-series analytics for control valve health assessment
US9934671B1 (en) * 2016-10-24 2018-04-03 Fisher Controls International Llc Valve service detection through data analysis

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007536647A (ja) * 2004-05-04 2007-12-13 フィッシャー−ローズマウント・システムズ・インコーポレーテッド プロセスプラントのユーザインタフェースにおける、マークアップ言語ベースの動的プロセスグラフィックス
JP2013195398A (ja) * 2012-03-22 2013-09-30 Mitsubishi Heavy Ind Ltd 原子力発電プラント監視操作システム及びその監視操作方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020149171A (ja) * 2019-03-12 2020-09-17 三菱電機株式会社 セキュリティ異常検知システム
JP7257823B2 (ja) 2019-03-12 2023-04-14 三菱電機株式会社 セキュリティ異常検知システム

Also Published As

Publication number Publication date
GB2556455B (en) 2022-04-20
CN107976969A (zh) 2018-05-01
DE102017124884A1 (de) 2018-04-26
US10877465B2 (en) 2020-12-29
JP2023085548A (ja) 2023-06-20
GB2556455A (en) 2018-05-30
JP7324564B2 (ja) 2023-08-10
GB201717368D0 (en) 2017-12-06
US20180113442A1 (en) 2018-04-26

Similar Documents

Publication Publication Date Title
JP7324564B2 (ja) プロセスプラントエンティティの状態を検出する方法およびシステム
CN107976968B (zh) 用于检测过程工厂中的阀的操作模式的方法和系统
US10619760B2 (en) Time-series analytics for control valve health assessment
US11405180B2 (en) Blockchain-based automation architecture cybersecurity
US11960473B2 (en) Distributed ledgers in process control systems
US11042147B2 (en) Machine-to-machine transactions using distributed ledgers in process control systems
US10962965B2 (en) Maintaining quality control, regulatory, and parameter measurement data using distributed ledgers in process control systems
US20200228342A1 (en) System for secure metering from systems of untrusted data derived from common sources
CN114787792A (zh) 集中式知识库和数据挖掘系统
JP2021057894A (ja) 保護されたプロセスプラントのデータ配信のためのデータタイピングを備えるエッジゲートウェイシステム
JP2021057893A (ja) コンテキスト化されたプロセスプラント知識リポジトリを備えるエッジゲートウェイシステム
JP2021064934A (ja) 安全で、公開可能なプロセスプラントデータ配信のためのエッジゲートウェイシステム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201023

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201023

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210630

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211005

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211228

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220524

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220817

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20221213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230413

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20230413

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230425

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230704

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230731

R150 Certificate of patent or registration of utility model

Ref document number: 7324564

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150