JP2019075079A - プロキシコンピュータを選択するためのシステムおよび方法 - Google Patents

プロキシコンピュータを選択するためのシステムおよび方法 Download PDF

Info

Publication number
JP2019075079A
JP2019075079A JP2018118687A JP2018118687A JP2019075079A JP 2019075079 A JP2019075079 A JP 2019075079A JP 2018118687 A JP2018118687 A JP 2018118687A JP 2018118687 A JP2018118687 A JP 2018118687A JP 2019075079 A JP2019075079 A JP 2019075079A
Authority
JP
Japan
Prior art keywords
proxy
target device
logic
expert
computer
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
JP2018118687A
Other languages
English (en)
Other versions
JP7047625B2 (ja
Inventor
巍 何
Wei He
巍 何
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.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
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 Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of JP2019075079A publication Critical patent/JP2019075079A/ja
Application granted granted Critical
Publication of JP7047625B2 publication Critical patent/JP7047625B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4188—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 CIM planning or realisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • 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)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer And Data Communications (AREA)

Abstract

【課題】高度な技術や時間を必要とすることなく、適切なプロキシコンピュータを選択する。【解決手段】プロキシ選択システムは、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを記憶するエキスパートルールモジュールを含み、各エキスパートルールは選択重み係数を有する。インテリジェンスモジュールは、各ターゲットデバイスのデバイスデータを、セパレータから獲得するロジックと、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットをエキスパートルールモジュールから探索するロジックと、各ターゲットデバイスについて探索されたエキスパートルールのそれぞれのセットを適用するロジックと、適用されたエキスパートルールのそれぞれのセットのすべてのそれぞれの選択重み係数を計算するロジックと、選択重み係数の計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するロジックとを含む。【選択図】図２

Description

本発明の実施形態は、概して、産業プラントネットワークにおけるプロキシコンピュータを選択するためのシステムおよび方法に関し、より詳細には、限定されないが、産業プラント内の統合された制御および安全システム(ICSS)におけるファサードデータ獲得方法およびシステムに関する。
一般に、産業プラント内の統合された制御および安全システム(ICSS)は、専用のネットワークおよび複雑なアーキテクチャを使用する。効率的なデータ獲得、またはダイレクトなデータ獲得は、統合された制御および安全システム(ICSS)の複雑なアーキテクチャに基づく。統合された制御および安全システム(ICSS)のアーキテクチャの複雑さは、効率的なデータ獲得、またはダイレクトなデータ獲得を困難にする。たとえば、アーキテクチャの複雑さは、PCのような汎用コンピュータが、すべての産業ネットワークデバイスへのダイレクトなアクセスを有することを困難にする。いくつかのケースでは、各コンピュータは、1つまたは複数のプロキシコンピュータを、ネットワーク内のヒューマンインターフェース局またはシステムとして識別し、選択することによって、制御バスを介して、フィールド制御システムまたは局へアクセスする。したがって、統合された制御および安全システム(ICSS)のための専用ネットワークは、専用のコンフィギュレーションデータを必要とする複数の専用ネットワークデバイスを使用する。これは、静的条件および動的条件を含む条件を満たすように、そのようなプロキシコンピュータを選択する必要があることを意味する。静的条件の例は、限定されないが、各プロキシコンピュータの仕様およびリビジョンであり得る。動的条件の例は、限定されないが、各プロキシコンピュータの現在の状態であり得る。現在の状態の例は、ビジーまたは非ビジーであり得る。静的条件および動的条件を含むそのような複雑化された条件に基づいて、各プロキシコンピュータを選択することが必要である。フィールド制御システムまたは局のようなプラントデバイスから情報を獲得するためになされるプロキシコンピュータ選択が不適切な場合、クリティカルである一部のタイプのデバイスのパフォーマンスに影響を与えると同時に、データ獲得を実施することができない。プロキシコンピュータに対する不適切な選択の例は、限定されないが、すでに高い負荷を有しているプロキシコンピュータに対する選択であり得、これは選択されたプロキシコンピュータを過負荷状態にする。
図1は、関連技術において、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択する手法の概要である。本明細書で使用される「プロキシコンピュータ」という用語は、クライアントデバイスのために、1つまたは複数のターゲットデバイスと通信し、1つまたは複数のターゲットデバイスからデータまたは情報を獲得する、クライアントデバイスのためのエージェントとして動作するコンピュータを称する。図1を参照して示すように、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択するためのシステムの基本的な知識を単に提供する目的のために、関連技術が説明されるであろう。統合された制御および安全システム(ICSS)について、プラントシステム10000は、ターゲットデバイスからデータを獲得するために、プラント内のターゲットデバイスと通信するためのプロキシコンピュータを選択するためのシステムを含む。プロキシコンピュータを選択するためのシステムは、プロキシ選択エンジン11000を含む。プラントシステム10000はまた、プロキシ選択エンジン11000によって選択されるべきプロキシコンピュータ12000と、プロキシコンピュータ12000が、ターゲットデバイス13000からのデータの獲得のためのアクセスおよび通信を有するターゲットデバイス13000とを含む。
プロキシ選択エンジン11000は、ハードウェアプロセッサのような1つまたは複数のハードウェア構成要素と、コンピュータ実行可能なプログラムおよび/またはロジックのような1つまたは複数のソフトウェア構成要素とによって実施され得る。プロキシ選択エンジン11000は、ターゲットデバイス13000を識別するためのターゲットデバイス情報の入力を、クライアントから受信するように構成される。ターゲットデバイス13000は、限定されないが、統合された制御および安全システム(ICSS)内のデバイスであり得る。ターゲットデバイス13000の例は、限定されないが、フィールド制御局もしくはシステム(FCS)、または、安全制御局もしくはシステム(SCS)を含み得る。プロキシ選択エンジン11000は、プロキシ選択エンジン11000がどのプロキシコンピュータをより良好に選択すべきであるかを決定する目的のためにすでに設定されている特定のルールを参照するように構成される。エキスパートルールのセットは、典型的には、各プロキシコンピュータのための静的条件および動的条件を含み得る。静的条件の例は、限定されないが、各プロキシコンピュータの仕様およびリビジョンであり得る。動的条件の例は、限定されないが、各プロキシコンピュータの現在の状態であり得る。現在の状態の例は、ビジーまたは非ビジーであり得る。プロキシ選択エンジン11000は、プロキシ選択エンジン11000がクライアントから受信したターゲットデバイス情報によって識別される、各ターゲットデバイスのためのプロキシコンピュータ12000を、参照されたようなエキスパートルールのセットに基づいて選択するように構成される。プロキシ選択エンジン11000によって選択されるプロキシコンピュータ12000は、ターゲットデバイス情報によって識別されるターゲットデバイス13000と通信する。プロキシコンピュータ12000は、ターゲットデバイス13000からデータを獲得し、獲得したデータを、クライアントのために出力する。
現在の慣例に従って、適切なプロキシコンピュータを選択するための選択ツールとしてプロキシ選択エンジン11000を使用するために、高度な技能を持つエンジニアが招集される必要がある。プロキシ選択エンジン11000は、ターゲットデバイス13000へ現在適用されている直近のデータを獲得し得る適切なターゲットデバイス13000を、システム/プロジェクト設計、作業負荷、および作業スケジュールのような静的条件と、ターゲットデバイス13000の現在の状態のような動的条件とを含む複雑化された条件に基づいて、自動的に選択しない。システム/プロジェクト設計、作業負荷、および作業スケジュールのような静的条件と、ターゲットデバイス13000の現在の状態のような動的条件とを含む複雑化された条件に基づいて、適切なプロキシコンピュータを選択するために、高度な技術を要する時間のかかる手順が、エンジニアによって実行される必要がある。たとえば、高度な技能を持つエンジニアは、システム/プロジェクト設計、作業負荷、および作業スケジュールのような静的条件を手動でチェックしなければならないのに加え、プロキシコンピュータ12000の現在の状態のみならず、リアルタイムでのシステム全体の実行状態を含む動的条件も手動でチェックしなければならない。プロキシ選択エンジン11000は、プロキシ選択を支援するための特定のルールを確立し、エキスパートルールの確立されたセットを提示し、エンジニアがエキスパートルールのセットを変更または修正することを可能にするように構成される。プロキシ選択エンジン11000は、現在適用されているデータと同期されたすべての必要なデータを得ることができる適切なプロキシコンピュータを自動的に選択しない。むしろ依然として、プロキシ選択エンジン11000は、実際には、システム/プロジェクト設計、作業負荷、および作業スケジュールのような静的条件と、ターゲットデバイス13000の現在の状態のような動的条件とを含む複雑化された条件に基づいて適切なプロキシコンピュータを選択するために、そのような高度な技能を持つエンジニアによる高度な技術を要する時間のかかる手順を必要とする。
いくつかの態様では、コンピュータによって実施されるプロキシ選択システムは、限定されないが、エキスパートルールモジュール、セパレータモジュール、およびインテリジェンスモジュールを含み得る。エキスパートルールモジュールはさらに、限定されないが、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを記憶する記憶装置を含み得、各エキスパートルールは、それぞれの選択重み係数を有する。セパレータモジュールは、各ターゲットデバイスの獲得されたデバイスデータを、少なくとも部分的に、各ターゲットデバイスのシステムおよびタイプに基づいて、分類するように構成される。ターゲットデバイスの例は、限定されないが、フィールド制御局もしくはシステム(FCS)、または、安全制御局もしくはシステム(SCS)を含み得る。インテリジェンスモジュールは、セパレータモジュールへアクセス可能であって、インテリジェンスモジュールは、限定されないが、各ターゲットデバイスについて分類されたデバイスデータを、セパレータから獲得するためのロジックと、すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを、エキスパートルールモジュールから探索するためのロジックと、各ターゲットデバイスについて探索されたエキスパートルールのそれぞれのセットを適用するためのロジックと、適用されたエキスパートルールのそれぞれのセットのすべてのそれぞれの選択重み係数を計算するためのロジックと、選択重み係数の計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックとを含み得る。
関連技術において、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択する手法の概要の図である。 実施形態において、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択するためのシステムの概要の図である。 他の実施形態において、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択するためのコンフィギュレーションアイテム管理システムの概要の図である。
いくつかの態様では、コンピュータによって実施されるプロキシ選択システムは、限定されないが、エキスパートルールモジュール、セパレータモジュール、およびインテリジェンスモジュールを含み得る。エキスパートルールモジュールはさらに、限定されないが、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを記憶する記憶装置を含み得、各エキスパートルールは、それぞれの選択重み係数を有する。セパレータモジュールは、各ターゲットデバイスの獲得されたデバイスデータを、少なくとも部分的に、各ターゲットデバイスのシステムおよびタイプに基づいて分類するように構成される。インテリジェンスモジュールは、セパレータモジュールへアクセス可能であって、インテリジェンスモジュールは、限定されないが、各ターゲットデバイスについて分類されたデバイスデータを、セパレータから獲得するためのロジックと、すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを、エキスパートルールモジュールから探索するためのロジックと、各ターゲットデバイスについて探索されたエキスパートルールのそれぞれのセットを適用するためのロジックと、適用されたエキスパートルールのそれぞれのセットのすべてのそれぞれの選択重み係数を計算するためのロジックと、選択重み係数の計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックとを含み得る。
いくつかのケースでは、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットは、各プロキシコンピュータのための静的条件および動的条件を含む。静的条件は、各プロキシコンピュータの仕様およびリビジョンを含む。動的条件は、各プロキシコンピュータの現在の状態を含む。
いくつかのケースでは、エキスパートルールは、各プロキシコンピュータのバージョンに関連する。アルゴリズムのセットは、計算された選択重み係数に基づいて、プロキシコンピュータのバージョンがターゲットデバイスのバージョンよりも低い場合にプロキシコンピュータを選択しないことに関連する。
いくつかのケースでは、エキスパートルールは、各プロキシコンピュータの局またはシステムタイプを選択することに関連する。アルゴリズムのセットは、計算された選択重み係数に基づいて、ターゲットデバイスのためのプロキシコンピュータのある局またはシステムタイプを選択することに関連する。
いくつかのケースでは、エキスパートルールは、各プロキシコンピュータにインストールされたライセンスに関連する。アルゴリズムのセットは、ターゲットデバイスのために、インストールされたライセンス、および/または、プロキシコンピュータにインストールされたあるライセンスを、計算された選択重み係数に基づいて選択することに関連する。
いくつかのケースでは、動的条件は、ネットワーク負荷、各プロキシコンピュータの現在の状態、および、ターゲットデバイスのリアルタイムの状態を含む。いくつかのケースでは、インテリジェンスモジュールはさらに、エキスパートルールモジュールから、エキスパートルールを自動的に獲得するためのロジックと、各ターゲットデバイスへ適用可能なすべてのエキスパートルールの静的条件に基づいて、自動的に確認するためのロジックと、どのプロキシコンピュータが、各ターゲットデバイスへ適用可能なエキスパートルールの静的条件を満たすのかを、各ターゲットデバイスへ適用可能なエキスパートルールの静的条件に基づいて、自動的に判定するためのロジックと、エキスパートルールの静的条件を満たすと判定された適切なプロキシコンピュータの現在の状態を、エキスパートルールの動的条件に基づいて自動的に確認するためのロジックと、エキスパートルールの動的条件に基づいて、どのプロキシコンピュータが、エキスパートルールの動的条件を満たすのかを自動的に判定するためのロジックと、エキスパートルールの静的条件と動的条件との両方を満たす1つまたは複数のプロキシコンピュータを自動的に判定するためのロジックとを含む。
いくつかのケースでは、インテリジェンスモジュールはさらに、各ターゲットデバイスへ適用可能なエキスパートルールのセットと、エキスパートルールのセットを適用することによって、1つまたは複数のプロキシコンピュータを選択するためのアルゴリズムのセットとを含む。
いくつかのケースでは、アルゴリズムのセットは、各プロキシコンピュータのための選択重み係数を計算するためのロジックと、計算された選択重み係数に基づいてプロキシを選択するためのロジックとを含む。
いくつかのケースでは、システムは、限定されないが、ネットワーク上の複数のプロキシコンピュータと、ターゲットデバイスを識別するターゲットデバイス情報を入力するように構成されたエディタと、プロキシ選択システムと、実施データ獲得(IDA)とを含み得る。プロキシ選択システムは、限定されないが、エキスパートルールモジュールと、セパレータモジュールと、インテリジェンスモジュールとを含み得る。エキスパートルールモジュールは、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを記憶する記憶装置を含み、各エキスパートルールは、それぞれの選択重み係数を有する。セパレータモジュールは、ターゲットデバイスを識別するターゲットデバイス情報を受信するように構成される。セパレータモジュールは、ターゲットデバイスを、少なくとも部分的に、ターゲットデバイスのシステムおよびタイプに基づいて分類するように構成される。インテリジェンスモジュールは、セパレータモジュールへアクセス可能である。インテリジェンスモジュールは、限定されないが、各ターゲットデバイスについて分類されたデバイスデータを、セパレータから獲得するためのロジックと、すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを、エキスパートルールモジュールから探索するためのロジックと、各ターゲットデバイスについて探索されたエキスパートルールのそれぞれのセットを適用するためのロジックと、適用されたエキスパートルールのそれぞれのセットのすべてのそれぞれの選択重み係数を計算するためのロジックと、選択重み係数の計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックとを含み得る。実施データ獲得(IDA)は、プラントにおいて実施されているターゲットデバイスのコンフィギュレーションアイテムのより詳細な情報を求める1つまたは複数のクエリを、ターゲットデバイス情報によって識別されたターゲットデバイスへ、プロキシ選択システムによって選択されたプロキシコンピュータを介して送信し、プロキシ選択システムによって選択された1つまたは複数のプロキシコンピュータを介して、ターゲットデバイスから、実施のより詳細な情報を獲得するように構成される。各コンフィギュレーションアイテムの詳細な情報は、限定されないが、コンフィギュレーションアイテムカテゴリと、コンフィギュレーションアイテムカテゴリに属するコンフィギュレーションアイテムタイプと、コンフィギュレーションアイテム名と、コンフィギュレーションアイテムフルパスとを備える。
いくつかのケースでは、各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットは、各プロキシコンピュータのための静的条件および動的条件を含む。静的条件は、各プロキシコンピュータの仕様およびリビジョンを含む。動的条件は、各プロキシコンピュータの現在の状態を含む。
他の態様では、エキスパートルールは、各プロキシコンピュータのバージョンに関連する。アルゴリズムのセットは、計算された選択重み係数に基づいて、プロキシコンピュータのバージョンがターゲットデバイスのバージョンよりも低い場合にプロキシコンピュータを選択しないことに関連する。
いくつかのケースでは、動的条件は、ネットワーク負荷、各プロキシコンピュータの現在の状態、および、ターゲットデバイスのリアルタイムの状態を含む。いくつかのケースでは、インテリジェンスモジュールはさらに、エキスパートルールモジュールから、エキスパートルールを自動的に獲得するためのロジックと、各ターゲットデバイスへ適用可能なすべてのエキスパートルールの静的条件に基づいて、自動的に確認するためのロジックと、どのプロキシコンピュータが、各ターゲットデバイスへ適用可能なエキスパートルールの静的条件を満たすのかを、各ターゲットデバイスへ適用可能なエキスパートルールの静的条件に基づいて、自動的に判定するためのロジックと、エキスパートルールの静的条件を満たすと判定された適切なプロキシコンピュータの現在の状態を、エキスパートルールの動的条件に基づいて自動的に確認するためのロジックと、エキスパートルールの動的条件に基づいて、どのプロキシコンピュータが、エキスパートルールの動的条件を満たすのかを自動的に判定するためのロジックと、エキスパートルールの静的条件と動的条件との両方を満たす1つまたは複数のプロキシコンピュータを自動的に判定するためのロジックとを含む。
いくつかのケースでは、インテリジェンスモジュールはさらに、各ターゲットデバイスへ適用可能なエキスパートルールのセットと、エキスパートルールのセットを適用することによって、1つまたは複数のプロキシコンピュータを選択するためのアルゴリズムのセットとを含む。
いくつかのケースでは、アルゴリズムのセットは、各プロキシコンピュータのための選択重み係数を計算するためのロジックと、計算された選択重み係数に基づいて、プロキシを選択するためのロジックとを含む。
さらに別の態様では、コンピュータによって実施されるプロキシ選択システムは、限定されないが、インテリジェンスモジュールを含み得る。インテリジェンスモジュールは、限定されないが、すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを探索するためのロジックであって、エキスパートルールのそれぞれのセットは、各プロキシコンピュータのための静的条件および動的条件を備え、静的条件は、各プロキシコンピュータの仕様およびリビジョンを備え、動的条件は、ネットワーク負荷、各プロキシコンピュータの現在の状態、および、ターゲットデバイスのリアルタイムの状態を備える、ロジックと、各ターゲットデバイスについて探索されたエキスパートルールのそれぞれのセットを適用するためのロジックと、適用されたエキスパートルールのそれぞれのセットのすべてのそれぞれの選択重み係数を計算するためのロジックと、選択重み係数の計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックとを含み得る。
いくつかのケースでは、エキスパートルールは、各プロキシコンピュータのバージョンと関連し、アルゴリズムのセットは、プロキシコンピュータのバージョンがターゲットデバイスのバージョンよりも低い場合にはプロキシコンピュータを選択しない。
いくつかのケースでは、エキスパートルールは、各プロキシコンピュータの局またはシステムタイプを選択することに関連し、アルゴリズムのセットは、ターゲットデバイスのための、プロキシコンピュータのある局またはシステムタイプを選択することに関連する。
いくつかのケースでは、エキスパートルールは、各プロキシコンピュータにインストールされたライセンスに関連し、アルゴリズムのセットは、ターゲットデバイスのために、インストールされたライセンス、および/または、プロキシコンピュータにインストールされたあるライセンスを選択することに関連する。
いくつかのケースでは、コンフィギュレーションアイテム管理に含まれるコンフィギュレーションアイテムエディタはさらに、プロキシコンピュータから、獲得結果を受信するように構成され、獲得結果は、プラントにおけるターゲットデバイスからの実施の詳細な情報を備える。
[例示的な例]
上記説明された実施形態は、十分な説明がなされているが、上記説明された実施形態の理解をさらに促進するために、いくつかの例示的な例が、図面を参照して与えられるであろう。図2は、実施形態において、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択するためのシステムの概要である。図2を参照して示すように、プラントシステム20000は、選択されたプロキシコンピュータ22000がターゲットデバイス23000と自動的に通信でき、選択されたプロキシコンピュータ22000がターゲットデバイス23000からデバイスデータを自動的に獲得できるように、プラントにおける各プロキシコンピュータの静的および動的状態に基づいて、適切なプロキシコンピュータ22000を自動的に選択するように構成されたプロキシ選択エンジン21000を含む。プロキシコンピュータ22000の静的状態の例は、限定されないが、各プロキシコンピュータの仕様およびリビジョンであり得る。プロキシコンピュータ22000の動的状態の例は、限定されないが、各プロキシコンピュータのリアルタイムの状態であり得る。プロキシ選択エンジン21000は、プロキシコンピュータ22000の静的および動的状態に基づいて、ターゲットデバイス23000からのデバイスデータの自動的な登録および自動的な獲得を可能にするように構成される。ターゲットデバイス23000からのデバイスデータの自動的な登録および自動的な獲得は、適切なプロキシコンピュータ22000を選択しターゲットデバイス23000からデータを獲得するために、エンジニアからの、高度な技術を要する時間のかかる手順を必要としない。たとえば、プロキシ選択エンジン21000は、システム/プロジェクト設計、作業負荷、および作業スケジュールのような静的条件について、エンジニアによる手動チェックと同様に、プロキシコンピュータ22000の現在状態のみならずリアルタイムでのシステム全体の実行状態をも含む動的条件についてのさらなる手動チェックをも、もはや必要としない。現在の状態の例は、ビジーまたは非ビジーであり得る。プロキシ選択エンジン21000は、ターゲットデバイス23000へ現在適用されているデータと同期されたすべての必要なデータを得ることができる適切なプロキシコンピュー
タ22000を自動的に選択するように構成される。プロキシ選択エンジン21000は、ターゲットデバイス23000へ現在適用されているデータと同期されたすべての必要なデータを得るために、高度なスキルも経験もないエンジニアをサポートするように構成される。プロキシ選択エンジン21000は、プロキシコンピュータ22000がターゲットデバイス23000から、予期しないデータ獲得の結果を得ることを防ぐように構成される。プロキシ選択エンジン21000は、いずれのクリティカルなデバイスにも何ら影響を与えることなく、効率的なデータ獲得を実行するように構成される。プロキシ選択エンジン21000は、エンジニアがデバイスデータを作成し管理するためのコストを低減するように構成される。
プロキシ選択エンジン21000は、限定されないが、セパレータ21100と、各ターゲットデバイス23000のためのエキスパートルールのそれぞれのセットを記憶する記憶装置を含むエキスパートルールモジュール21200と、インテリジェンス21300とを含み得る。セパレータ21100およびインテリジェンス21300は、ハードウェアプロセッサのような1つまたは複数のハードウェア構成要素と、コンピュータ実行可能なプログラムおよび/またはロジックのような1つまたは複数のソフトウェア要素とによって実施され得る。エキスパートルールモジュール21200は、少なくとも、エキスパートルールのセットを記憶する記憶装置によって実施され得る。いくつかのケースでは、少なくとも、エキスパートルールのセットは、プロキシ選択エンジン21000がどのプロキシコンピュータをより良好に選択すべきかを選択する目的のために、以前に設定されている。エキスパートルールのセットは、典型的には、各プロキシコンピュータのための静的条件および動的条件を含み得る。静的条件の例は、限定されないが、仕様およびプロパティのみならず、各プロキシコンピュータのリビジョンでもあり得る。動的条件の例は、限定されないが、各プロキシコンピュータ22000の現在の状態であり得る。
セパレータ21100は、各ターゲットデバイスのデバイスデータの入力を受信し、各ターゲットデバイスを、各ターゲットデバイスが属するシステムと、各ターゲットデバイスのタイプとに関して分類するように構成される。高効率な手法でデータ獲得を行うために、システム20000は、ターゲットデバイスだけのために適切または適当であるのみならず、データ獲得手順全体のためにも最適化されたプロキシを選択する必要がある。セパレータ21100は、分類された各ターゲットデバイスを、インテリジェンス21300へ渡すように構成される。
エキスパートルールモジュール21200は、エキスパートルールを記憶する。エキスパートルールは、1つまたは複数のプロキシコンピュータ22000の選択に関するエキスパートからの論理知識および事実知識のセットである。エキスパートルールは、限定されないが、静的条件と動的条件との両方を含み得る。静的条件の例は、限定されないが、各プロキシコンピュータ22000の仕様およびリビジョンであり得る。動的条件の例は、限定されないが、各プロキシコンピュータ22000の現在の状態であり得る。エキスパートルールモジュール21200は、データベースおよびその変数によって実施され得る。エキスパートルールモジュール21200は、インテリジェンス21300が、エキスパートルールモジュール21200へのアクセスを有することを可能にするように構成される。エキスパートルールは、エキスパートルールの静的条件および動的条件を満たすプロキシコンピュータ22000の選択候補を探索および発見するためにインテリジェンス21300が利用可能である。言い換えれば、エキスパートルールは、どのプロキシコンピュータ22000が、ターゲットデバイスだけのために適切または適当であるのみならず、データ獲得手順全体のためにも最適化されているのかを判定するために、静的条件および動的条件を提供する。
インテリジェンス21300は、セパレータ21100へアクセス可能である。インテリジェンス21300は、セパレータ21100から、分類された各ターゲットデバイスのデバイスデータを獲得するように構成される。インテリジェンス21300は、ターゲットデバイスに関する情報の獲得が必要であるターゲットデバイスすべての仕様を、分類された各ターゲットデバイスのデバイスデータに基づいて自動的に確認するように構成される。
インテリジェンス21300は、エキスパートルールモジュール21200へアクセス可能である。インテリジェンス21300は、各ターゲットデバイスのために、各ターゲットデバイスへ適用可能なすべてのエキスパートルールのためのエキスパートルールモジュール21200を自動的に探索し、エキスパートルールモジュール21200からエキスパートルールを自動的に獲得するように構成される。インテリジェンス21300はまた、各ターゲットデバイス23000へ適用可能なすべてのエキスパートルールの静的条件に基づいて、プロキシコンピュータ22000の仕様を自動的に確認するように構成される。インテリジェンス21300はまた、ターゲットデバイス23000へ適用可能なエキスパートルールの静的条件に基づいて、どのプロキシコンピュータ22000が、ターゲットデバイス23000へ適用可能なエキスパートルールの静的条件を満たすのかを自動的に判定するように構成される。言い換えれば、インテリジェンス21300はまた、エキスパートルールの静的条件を満たす1つまたは複数の静的に適切なプロキシコンピュータ22000を自動的に判定するように構成される。インテリジェンス21300はまた、すべてのプロキシコンピュータ22000の現在の状態、または、エキスパートルールの静的条件を満たすと判定された1つもしくは複数の静的に適切なプロキシコンピュータ22000のみの現在の状態を、エキスパートルールの動的状態に基づいて自動的に確認するように構成される。現在の状態の例は、ビジーまたは非ビジーであり得る。インテリジェンス21300はまた、どのプロキシコンピュータ22000がエキスパートルールの動的条件を満たすのかを、エキスパートルールの動的条件に基づいて自動的に判定するように構成される。インテリジェンス21300はまた、エキスパートルールの静的条件と動的条件との両方を満たす1つまたは複数のプロキシコンピュータ22000を自動的に判定し、エキスパートルールの静的条件と動的条件との両方を満たす1つまたは複数のプロキシコンピュータ22000を選択候補として自動的に選択するように構成される。インテリジェンス21300はまた、1つまたは複数の最終的に選択されたプロキシコンピュータ22000が、ターゲットデバイス23000と通信し、ターゲットデバイス23000から必要なすべての情報を獲得することを可能にするように、インテリジェンス21300が、適切なプロキシコンピュータ22000の選択候補から、1つまたは複数の適切なプロキシコンピュータ22000の最終的な決定または選択を行うことを可能にするために、エキスパートルールの静的条件と動的条件との両方を満たす適切なプロキシコンピュータ22000の選択候補を、ユーザインターフェースを介してユーザへ自動的に提示または表示するように構成される。
インテリジェンス21300が適切なプロキシコンピュータをどのようにして決定または選択するのかに関し、インテリジェンス21300は、2つの要素、すなわち、エキスパートルールのセットと、アルゴリズムのセットとを使用する。エキスパートルールに関して、インテリジェンス21300は、各ターゲットデバイスのために適切であり、各ターゲットデバイスへ適用されるべきエキスパートルールを探索するであろう。たとえば、エキスパートルールは、プロキシコンピュータのバージョンに関連し得る。このケースでは、ターゲットデバイスのバージョンよりも低いバージョンを有するプロキシコンピュータは、プロキシとして使用することができない。インテリジェンス21300は、インテリジェンス21300に記憶されたアルゴリズムのセットを有する。アルゴリズムのセットは、拡張可能である。たとえば、インテリジェンス21300は、ネットワーク負荷、プロキシコンピュータのリアルタイムの状態、および、ターゲットデバイスのリアルタイムの状態に依存して、どのターゲットデバイスデータ獲得を最初に開始するのかを決定する。ネットワーク負荷、プロキシコンピュータのリアルタイムの状態、および、ターゲットデバイスのリアルタイムの状態は、アプリケーションプログラミングインターフェース(API)を使用することによって、さまざまなソフトウェア構成要素間の通信のためのアプリケーションソフトウェアを構築するためのサブルーチン定義、プロトコル、およびツールのセットとして獲得され得る。2つの異なるターゲットデバイスのために適切なプロキシコンピュータが同じであれば、アルゴリズムは、1つのターゲットデバイスのために1つのプロキシコンピュータを変更するか、または、最初に第1のターゲットデバイスのために、次に第2のターゲットデバイスのために、データ獲得処理をシーケンシャルに実行するかを決定し得る。
アルゴリズムのセットは、拡張可能である。別の例では、ユーザは、さまざまなユーザ要件または状況に基づいて、エキスパートルールを修正または変更させ得、たとえば、ユーザは、いくつかのエリア/場所に、いくつかの局またはシステムをプロキシPCとして含めることを回避するために、エキスパートルールを修正または変更し得る。
より詳細には、インテリジェンス21300は、エキスパートルールの静的条件および動的条件を満たす適切なプロキシコンピュータ22000の選択候補を選択するために、エキスパートルールの静的および動的なデータまたは条件に関する必要なすべての知識ベースの情報を収集するように構成される。インテリジェンス21300は、エキスパートルールモジュール21200から、収集された知識ベースの情報として、エキスパートルールの静的条件および動的条件を獲得するように構成される。インテリジェンス21300は、限定されないが、分類されたデータ獲得ターゲットデバイス23000に依存して、システム構成情報、および、他のシステムへの相互関係を含み得るすべてのシステム情報を収集するように構成される。インテリジェンス21300は、限定されないが、ネットワーク配列を含む物理的な情報を収集するように構成される。インテリジェンス21300は、各プロキシコンピュータ22000の特徴、および、各プロキシコンピュータ22000の現在またはリアルタイムの状態を収集するように構成される。各プロキシコンピュータ22000の特徴の例は、限定されないが、プロキシコンピュータ22000のバージョンを含み得る。各プロキシコンピュータ22000の現在またはリアルタイムの状態の例は、限定されないが、プロキシコンピュータ22000のビジーの状態および非ビジーの状態を含み得る。インテリジェンス21300は、収集された上記すべての静的および動的な情報に基づいて、データのパターンに一致するルールを求めて探索するように構成される。インテリジェンス21300は、各ターゲットデバイス23000のために使用されるべき1つまたは複数のプロキシコンピュータ22000を発見または判定するように構成される。インテリジェンス21300は、ネットワークの現在のまたはリアルタイムの負荷をチェックするように構成される。データ獲得ターゲットデバイスのすべてについて、インテリジェンス21300は、各ターゲットデバイス23000のために使用されるべきプロキシコンピュータ22000の1つまたは複数のそれぞれの候補を発見または判定するように構成される。インテリジェンス21300は、選択された1つまたは複数のプロキシコンピュータに関する最終的な決定を行うために、収集された知識ベ
ースの情報を使用または参照するように構成される。インテリジェンス21300は、データ獲得手順全体の効率と、クリティカルなデバイスにおけるインパクトの最小化とを考慮するように構成される。
修正形態として、インテリジェンス21300は、2つの個別のモジュール、すなわち、インテリジェンスモジュールおよびセレクタモジュールによって実施され得る。インテリジェンス21300は、上記説明されたような最終的な決定を行うために必要なすべての情報を獲得するためのものである。セレクタモジュールが、追加され得る。セレクタモジュールは、1つまたは複数のプロキシコンピュータへの最終的な決定または選択を行う目的で、リアルタイムのネットワーク負荷をチェックするために、すべてのデータ獲得ターゲットデバイスを考慮するために、および、内部的に記憶された論理知識を使用するために使用される。セレクタモジュールは、データ獲得手順全体の効率を考慮することによって、および、クリティカルなデバイスへのインパクトを最小化することによって、1つまたは複数のプロキシコンピュータを最終的に選択するように構成される。
データ収集およびエキスパートルールに関し、インテリジェンス21300は、利用可能なすべてのプロキシコンピュータからデータを収集するように構成される。インテリジェンス21300が収集するデータの例は、限定されないが、利用可能なプロキシコンピュータにおけるREFINFバージョンを含み得る。インテリジェンス21300は、パフォーマンスに関して、より良好または適切なプロキシコンピュータを選択するために、エキスパートルールを適用するように構成される。いくつかのケースでは、より高いバージョンのREFINFのプロキシコンピュータを常に選択する方が良いとは限らない。むしろ、同じバージョンのREFINFのプロキシコンピュータを、システムのプロジェクトバージョンとして選択する方が良い。いくつかのケースでは、インテリジェンス21300は、同じバージョンのREFINFのプロキシコンピュータを、システムのプロジェクトバージョンとして選択するように構成される。インテリジェンス21300は、エキスパートルールを適用し、適用されたエキスパートルールに関して、最良のプロキシコンピュータから、最悪のプロキシコンピュータまで、利用可能なすべてのプロキシコンピュータをリストダウンするように構成される。
収集された知識ベースの情報としてエキスパートルールを獲得することに関し、インテリジェンス21300は、エキスパートルールモジュール21200へアクセスし、エキスパートルールモジュール21200からエキスパートルールを引き出すように構成される。たとえば、あるデバイスタイプに関し、インテリジェンス21300は、ターゲットデバイスへのコンフィギュレーションのための設計データに基づいて、ターゲットデバイスへダウンロードされたデバイスバージョン番号をチェックする。インテリジェンス21300は、ターゲットデバイスタイプに基づいて、バージョンルールを引き出し、いくつかの中間結果を与えるために、エキスパートルールを適用する。
セパレータ21100による分類に従うべき各ターゲットデバイスのデバイスデータの入力の典型例は、限定されないが、「デバイスタイプ」、「デバイスプロジェクトタイプ」、「サブネット」が属する多くのプロパティを含み得る。プロパティが、「ターゲットプロパティ」および「条件」というエキスパートルールを満たし得るのであれば、インテリジェンス21300は、エキスパートルールモジュール21200において探索を行う。
プロキシ選択のために、インテリジェンス21300が、エキスパートルールの収集された静的条件および動的条件をどのように分析および使用するのかに関し、インテリジェンス21300は、ターゲットデバイスのバージョンを求めてプロジェクトデータベースを探索することによって、たとえば、ターゲットデバイスのバージョンを収集するように、何を収集すべきかに依存して、異なる方法を使用する。インテリジェンス21300は、各プロキシコンピュータのバージョンを収集する。コンピュータがプロキシとして動作し得るのであれば、通信モジュールはすでに、プロキシ選択エンジンコンピュータとターゲットデバイスとの両方と通信するためにインストールされている。したがって、インテリジェンス21300は、各プロキシコンピュータのバージョンを得るための通信要求を単に送信する。
インテリジェンス21300がいくつのエキスパートルールを適用するかに関し、インテリジェンス21300は、単一のエキスパートルールを適用しない。なぜなら、インテリジェンス21300が、各ターゲットデバイスに関連する複数のエキスパートルールの中から、単一のエキスパートルールを適用したのであれば、インテリジェンス21300は、恐らく、不適当または不適切なプロキシコンピュータを判定または選択し得るからである。インテリジェンス21300は、各ターゲットデバイスに関連する複数のエキスパートルールのすべてを適用するように構成される。各エキスパートルールは、異なるプロキシコンピュータのリストを与えるであろう。さらに、各エキスパートルールは、プロキシコンピュータへの決定または選択を行うために、それぞれの選択重み係数を与えられ得る。インテリジェンス21300は、最終的に選択された1つまたは複数のプロキシコンピュータ22000がターゲットデバイス23000と通信し、ターゲットデバイス23000から必要なすべての情報を獲得することを可能にするように、ユーザの代わりに、プロキシコンピュータの選択候補から、1つまたは複数のプロキシコンピュータ22000への最終的な決定または選択を行うように構成される。インテリジェンス21300によってなされる意思決定プロセスは、決定するためのアルゴリズムのセットに依存する。言い換えれば、インテリジェンス21300は、ユーザの代わりに、決定するためのアルゴリズムのセットに従って、プロキシコンピュータの選択候補から、1つまたは複数のプロキシコンピュータ22000への最終的な決定または選択を行うように構成される。
コンフィギュレーションアイテム管理36000に含まれるコンフィギュレーションアイテムエディタ34000はさらに、選択されたプロキシコンピュータから獲得結果を受信するように構成され、獲得結果は、ターゲットデバイスからの実施の詳細情報を備える。
要約すると、インテリジェンス21300は、データを収集し、エキスパートルールを適用し、1つまたは複数のプロキシコンピュータ22000への最終的な決定または選択を行うためのアルゴリズムを使用するように構成される。
エキスパートルールとしての事実知識の典型例は、限定されないが、エキスパートルールモジュール21200に記憶された以下のバージョンルールであり得る。
Figure 2019075079
1つまたは複数のプロキシコンピュータ22000への最終的な決定または選択を行うためのアルゴリズムのセットのいくつかの例は、すべてのルールが適用された後に、各結果および各ルール選択重み係数に基づいて、どれが最良なのかを計算するためのアルゴリズムであり得る。
たとえば、デバイス1の場合
ルール1によると:HIS1263、HIS1264、HIS1262(選択重み係数:5)
ルール2によると:HIS1264、HIS1263(選択重み係数:1)
ルール3によると:HIS1264、HIS1262、HIS1263(選択重み係数:1)
結果:HIS1263
プロキシ選択エンジン21000は、最終的に選択されたプロキシコンピュータ22000がターゲットデバイス23000と通信し、ターゲットデバイス23000から必要なすべての情報を獲得することを可能にするように、インテリジェンス21300が、適切なプロキシコンピュータ22000の選択候補から、1つまたは複数のプロキシコンピュータ22000の最終的な決定または選択を行うことを可能にするように構成される。言い換えれば、プロキシ選択エンジン21000は、ユーザが、ユーザインターフェースを介して、エキスパートルールの静的条件および動的条件の少なくとも一部を満たさないいかなるプロキシコンピュータも選択することを禁止するように構成される。
図2を参照して説明されるようなプロキシ選択エンジン21000は、ターゲットデバイスから、プロキシコンピュータを介して、実施の詳細なコンフィギュレーションアイテム情報を獲得するために、コンフィギュレーションアイテム管理の実施データ獲得を支援するために適用可能であり得る。各コンフィギュレーションアイテムの詳細情報は、限定されないが、コンフィギュレーションアイテムカテゴリ、コンフィギュレーションアイテムカテゴリに属するコンフィギュレーションアイテムタイプ、コンフィギュレーションアイテム名、およびコンフィギュレーションアイテムフルパスを備える。
[コンフィギュレーションアイテム管理のためのプロキシ選択エンジンの適用]
図3は、他の実施形態において、ターゲットデバイスからデータを獲得するために、ターゲットデバイスと通信するプロキシコンピュータを選択するためのコンフィギュレーションアイテム管理システムの概要である。図3を参照して示すように、プロキシ選択エンジン31000は、プロキシコンピュータ32000を介して、プラント内のターゲットデバイス33000から、設計データを獲得し分析するために、システム30000へ適用可能であり得る。システム30000は、エンジニアリングツールを含む。エンジニアリングツールは、限定されないが、オートメーション設計オーガナイザ、システムビュー、およびワークベンチを含み得る。オートメーション設計オーガナイザは、限定されないが、コンフィギュレーションアイテム管理36000を含み得る。コンフィギュレーションアイテム管理36000は、限定されないが、設計データ獲得(DDA)、実施データ獲得(IDA)35000、およびネットワークデバイス検出(NDD)を含み得る。設計データ獲得(DDA)はさらに、限定されないが、マスタ設計データアナライザを含み得る。マスタ設計データアナライザは、エンジニアリングツールを介してプラント-ダウンロード設計データにおける設計データを変更することと独立して、設計データ獲得によって獲得されたマスタ状態最新バージョンのマスタ状態における設計データに含まれるプラントコンフィギュレーション情報を分析するように構成される。コンフィギュレーションアイテム管理36000は、オートメーション設計システムにおける設計データバージョン管理へアクセス可能である。設計データ獲得(DDA)は、エンジニアリングツールを介してプラント-ダウンロード設計データを変更することと独立して、設計データバージョン管理から、マスタ状態最新バージョンのマスタ状態における設計データを獲得するように構成される。実施データ獲得(IDA)35000は、実施されたフィールド制御システムのコンフィギュレーションアイテムのより詳細な情報を求める1つまたは複数のクエリをフィールド制御システムへ送信し、フィールド制御システムから、実施のより詳細な情報を獲得するように構成される。ネットワークデバイス検出(NDD)は、フィールド制御システムへ接続された複数のネットワークデバイスへアクセス可能なように構成
される。ネットワークデバイス検出(NDD)は、コンフィギュレーションアイテムに関して、複数のネットワークデバイスのコンフィギュレーション状態を獲得するように構成される。
プロキシ選択エンジン31000は、ターゲットデバイス33000と通信するためのプロキシコンピュータ32000を選択して、選択されたプロキシコンピュータ32000を介して、ターゲットデバイス33000へと、実施されたターゲットデバイスのコンフィギュレーションアイテムのより詳細な情報を求める1つまたは複数のクエリを実施データ獲得(IDA)35000に送信させること、および、プロキシコンピュータ32000を介して、ターゲットデバイス33000から、実施のより詳細な情報を獲得することのために使用可能であり得る。
コンフィギュレーションアイテム管理36000は、ターゲットデバイス33000を識別するためのターゲットデバイス情報の入力を、プロキシ選択エンジン31000へ入力するように構成されたコンフィギュレーションアイテムエディタ34000を有する。ターゲットデバイス33000は、限定されないが、統合された制御および安全システム(ICSS)におけるデバイスであり得る。セパレータ31100およびインテリジェンス31300は、ハードウェアプロセッサのような1つまたは複数のハードウェア構成要素と、コンピュータ実行可能なプログラムおよび/またはロジックのような1つまたは複数のソフトウェア構成要素によって実施され得る。エキスパートルールモジュール31200は、少なくとも、エキスパートルールのセットを記憶する記憶装置によって実施され得る。いくつかのケースでは、少なくとも、エキスパートルールのセットは、プロキシ選択エンジン31000がどのプロキシコンピュータをより良好に選択すべきかを選択する目的のために、以前に設定されている。エキスパートルールのセットは、典型的には、各プロキシコンピュータのための静的条件および動的条件を含み得る。静的条件の例は、限定されないが、仕様およびプロパティのみならず、各プロキシコンピュータのリビジョンであり得る。動的条件の例は、限定されないが、各プロキシコンピュータ32000の現在の状態であり得る。
セパレータ31100は、各ターゲットデバイスのデバイスデータの入力を、コンフィギュレーションアイテムエディタ34000から受信し、各ターゲットデバイスが属するシステムに関する各ターゲットデバイスと、各ターゲットデバイスのタイプとを分類するように構成される。高効率的な手法でデータ獲得を行うために、システム30000は、ターゲットデバイスだけのために適切または適当であるのみならず、データ獲得手順全体のためにも最適化されたプロキシを選択する必要がある。セパレータ31100は、分類された各ターゲットデバイスを、インテリジェンス31300へ渡すように構成される。
エキスパートルールモジュール31200は、1つまたは複数のプロキシコンピュータ32000の選択における、エキスパートからの論理知識および事実知識のセットであるエキスパートルールを記憶する。エキスパートルールは、限定されないが、静的条件と動的条件との両方を含み得る。静的条件の例は、限定されないが、各プロキシコンピュータ32000の仕様およびリビジョンであり得る。動的条件の例は、限定されないが、各プロキシコンピュータ32000の現在の状態であり得る。
インテリジェンス31300は、セパレータ31100へアクセス可能である。インテリジェンス31300は、セパレータ31100から、分類された各ターゲットデバイスのデバイスデータを獲得するように構成される。インテリジェンス31300は、ターゲットデバイスに関する情報の獲得が必要であるターゲットデバイスすべての仕様を、分類された各ターゲットデバイスのデバイスデータに基づいて自動的に確認するように構成される。
インテリジェンス31300は、各ターゲットデバイスのために、各ターゲットデバイスへ適用可能なすべてのエキスパートルールのためのエキスパートルールモジュール31200を自動的に探索し、エキスパートルールモジュール31200からエキスパートルールを自動的に獲得するように構成される。インテリジェンス31300はまた、各ターゲットデバイス33000へ適用可能なすべてのエキスパートルールの静的条件に基づいて、プロキシコンピュータ32000の仕様を自動的に確認するように構成される。インテリジェンス31300は、エキスパートルールを適用し、適用されたエキスパートルールに関して、最良のプロキシコンピュータから、最悪のプロキシコンピュータまで、利用可能なすべてのプロキシコンピュータを、デバイスリスト37000の形式で、リストダウンするように構成される。インテリジェンス31300はまた、どのプロキシコンピュータ32000が、ターゲットデバイス33000へ適用可能なエキスパートルールの静的条件を満たすのかを、ターゲットデバイス33000へ適用可能なエキスパートルールの静的条件に基づいて自動的に判定するように構成される。
実施データ獲得(IDA)35000は、実施されたターゲットデバイスのコンフィギュレーションアイテムのより詳細な情報を求める1つまたは複数のクエリを、インテリジェンス31300によって選択されたプロキシコンピュータ32000を介して、ターゲットデバイス33000へ送信し、ターゲットデバイス33000から、プロキシコンピュータ32000を介して、実施のより詳細な情報を獲得する。
上記説明されたシステムまたは装置のための各要素またはデバイスは、ソフトウェアを備えた、または、備えていないハードウェアによって実施され得る。いくつかのケースでは、システムまたは装置は、1つまたは複数のハードウェアプロセッサと、1つまたは複数のソフトウェア構成要素とによって実施され得、1つまたは複数のソフトウェア構成要素は、システムまたは装置のための各要素またはデバイスを実施するために、1つまたは複数のハードウェアプロセッサによって実行されるためのものである。他のいくつかのケースでは、システムまたは装置は、システムまたは装置のための各要素またはデバイスの各動作を実行するように構成された回路または回路網のシステムによって実施され得る。
上記説明された実施形態におけるシステムおよび方法は、1つまたは複数のプロセッサにおいて、コンピュータソフトウェア、ソフトウェア構成要素、プログラムコード、および/または命令を実行するマシンまたは回路網によって部分的または全体的に展開され得る。1つまたは複数のプロセッサは、汎用コンピュータ、サーバ、クラウドサーバ、クライアント、ネットワークインフラストラクチャ、モバイルコンピューティングプラットフォーム、固定式コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であり得る。1つまたは複数のプロセッサは、プログラム命令、コード、バイナリ命令等を実行することが可能な任意の種類の電算式または処理デバイスであり得る。1つまたは複数のプロセッサは、信号プロセッサ、デジタルプロセッサ、組込式プロセッサ、マイクロプロセッサ、または、たとえば、マスコプロセッサ、グラフィックコプロセッサ、通信コプロセッサ等の、記憶されたプログラムコードもしくはプログラム命令の実行を直接的または間接的に容易にし得るコプロセッサのような任意の変形であり得るか、これらを含み得る。それに加えて、1つまたは複数のプロセッサは、多数のプログラム、スレッド、およびコードの実行を可能にし得る。スレッドは、1つまたは複数のプロセッサのパフォーマンスを高め、アプリケーションの同時動作を容易にするように同時実行され得る。本明細書において説明されたプログラムコード、プログラム命令等は、1つまたは複数のスレッドにおいて実施され得る。1つまたは複数のプロセッサは、本明細書において説明されているように、コード、命令、およびプログラムを記憶するメモリを含み得る。プロセッサは、本明細書において、および、他のいずれかで説明されているように、コード、命令、およびプログラムを記憶し得る非一時的なプロセッサ読取可能な記憶媒体に、インターフェースを介してアクセスし得る。コンピューティングまたは処理デバイスによって実行されることが可能なプログラム、コード、プログラム命令、または、他のタイプの命令を記憶するためにプロセッサに関連付けられた非一時的なプロセッサ読取可能な記憶媒体は、限定されなくともよいが、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、CD-ROM、DVD、キャッシュ等のうちの1つまたは複数を含み得る。
プロセッサは、マルチプロセッサの速度およびパフォーマンスを高め得る1つまたは複数のコアを含み得る。いくつかの実施形態では、このプロセッサは、2つ以上の独立したコアを結合する、デュアルコアプロセッサ、クワッドコアプロセッサ、他のチップレベルマルチプロセッサ等であり得る。
本明細書において説明された方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、または他のそのようなコンピュータおよび/もしくはネットワーキングハードウェアにおいてコンピュータソフトウェアを実行するマシンによって部分的または全体的に展開され得る。
ソフトウェアプログラムは、ファイルクライアントと、プリントクライアントと、ドメインクライアントと、インターネットクライアントと、イントラネットクライアントと、セカンダリクライアント、ホストクライアント、分散クライアント等のような他の変形とを含み得る1つまたは複数のクライアントに関連付けられ得る。クライアントは、メモリ、プロセッサ、コンピュータ読取可能な媒体、記憶媒体、物理および仮想ポート、通信デバイス、ならびに、他のクライアントやサーバやマシンやデバイスへワイヤード媒体またはワイヤレス媒体によってアクセスすることが可能なインターフェース等、のうちの1つまたは複数を含み得る。本明細書において説明されたようなプログラムまたはコードは、クライアントによって実行され得る。それに加えて、本出願において説明されたような方法の実行のために必要とされる他のデバイスは、クライアントに関連付けられたインフラストラクチャの一部とみなされ得る。クライアントは、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ等を含む他のデバイスへインターフェースを提供し得る。このカップリングおよび/または接続は、ネットワークを介したプログラムの遠隔実行を容易にし得る。これらデバイスのうちのいくつかまたはすべてのネットワーキングは、1つまたは複数の場所におけるプログラムまたは方法の並列処理を容易にし得る。それに加えて、インターフェースによってクライアントへ取り付けられたデバイスのいずれも、方法、プログラム、アプリケーション、コード、および/または、命令を記憶することが可能な少なくとも1つの記憶媒体を含み得る。中央リポジトリは、異なるデバイス上で実行されるべきプログラム命令を提供し得る。この実施では、遠隔リポジトリは、プログラムコード、命令、およびプログラムのための記憶媒体として動作し得る。
ソフトウェアプログラムは、ファイルサーバと、プリントサーバと、ドメインサーバと、インターネットサーバと、イントラネットサーバと、セカンダリサーバ、ホストサーバ、分散サーバ等のような他の変形とを含み得る1つまたは複数のサーバに関連付けられ得る。サーバは、メモリと、プロセッサと、コンピュータ読取可能な媒体と、記憶媒体と、物理および仮想ポートと、通信デバイスと、他のサーバ、クライアント、マシン、およびデバイスへワイヤードまたはワイヤレス媒体によってアクセスすることが可能なインターフェースと、等のうちの1つまたは複数を含み得る。本明細書において説明されたような方法、プログラムまたはコードは、サーバによって実行され得る。それに加えて、本出願において説明されたような方法の実行のために必要とされる他のデバイスは、サーバに関連付けられたインフラストラクチャの一部とみなされ得る。サーバは、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワーク等を含む他のデバイスへインターフェースを提供し得る。このカップリングおよび/または接続は、ネットワークを介したプログラムの遠隔実行を容易にし得る。これらデバイスのうちのいくつかまたはすべてのネットワーキングは、1つまたは複数の場所におけるプログラムまたは方法の並列処理を容易にし得る。インターフェースを介してサーバへ取り付けられたデバイスのうちのいずれかは、プログラム、コード、および/または、命令を記憶することが可能な少なくとも1つの記憶媒体を含み得る。中央リポジトリは、異なるデバイス上で実行されるべきプログラム命令を提供し得る。この実施では、遠隔リポジトリは、プログラムコード、命令、およびプログラムのための記憶媒体として動作し得る。
本明細書で説明された方法およびシステムは、ネットワークインフラストラクチャを介して部分的または全体的に展開され得る。ネットワークインフラストラクチャは、コンピューティングデバイス、サーバ、ルータ、ハブ、ファイアウォール、クライアント、パーソナルコンピュータ、通信デバイス、ルーティングデバイス、ならびに、当該技術分野において知られているような他のアクティブおよびパッシブなデバイス、モジュール、および/または構成要素のような要素を含み得る。ネットワークインフラストラクチャに関連付けられたコンピューティングおよび/または非コンピューティングデバイスは、他の構成要素とは別に、フラッシュメモリ、バッファ、スタック、RAM、ROM等のような記憶媒体を含み得る。本明細書において、および、他のいずれかで説明されているような処理、方法、プログラムコード、命令は、ネットワークインフラストラクチャ要素のうちの1つまたは複数によって実行され得る。
本明細書において説明された方法、プログラムコード、および命令は、複数のセルを有するセルラーネットワークにおいて実施され得る。セルラーネットワークは、周波数分割多元接続(FDMA)ネットワークまたは符号分割多元接続(CDMA)ネットワークのいずれかであり得る。セルラーネットワークは、モバイルデバイス、セルサイト、基地局、リピータ、アンテナ、塔等を含み得る。セルラーネットワークは、GSM(登録商標)、GPRS、3G、EVDO、メッシュ、または他のネットワークタイプであり得る。
本明細書において、および、他のいずれかで説明された方法、プログラムコード、および命令は、モバイルデバイス上で、または、モバイルデバイスを介して実施され得る。モバイルデバイスは、ナビゲーションデバイス、セル電話、モバイル電話、モバイル携帯情報端末、ラップトップ、パームトップ、ネットブック、ページャ、電子ブックリーダ、音楽プレーヤ等を含み得る。これらデバイスは、他の構成要素とは別に、フラッシュメモリ、バッファ、RAM、ROM、および1つまたは複数のコンピューティングデバイスのような記憶媒体を含み得る。モバイルデバイスに関連付けられたコンピューティングデバイスは、記憶されたプログラムコード、方法、および命令を実行することを可能とされ得る。あるいは、モバイルデバイスは、他のデバイスと共同して命令を実行するように構成され得る。モバイルデバイスは、サーバとインターフェースされた基地局と通信してよく、かつ、プログラムコードを実行するように構成され得る。モバイルデバイスは、ピアツーピアネットワーク、メッシュネットワーク、または他の通信ネットワーク上で通信し得る。プログラムコードは、サーバに関連付けられた記憶媒体に記憶され得、サーバ内に組み込まれたコンピューティングデバイスによって実行され得る。基地局は、コンピューティングデバイスおよび記憶媒体を含み得る。記憶デバイスは、基地局に関連付けられたコンピューティングデバイスによって実行されるプログラムコードおよび命令を記憶し得る。
コンピュータソフトウェア、プログラムコード、および/または、命令は、コンピュータ構成要素、デバイス、および、ある期間、計算のために使用されるデジタルデータを保持する記録媒体、ならびに、ランダムアクセスメモリ(RAM)として知られている半導体記憶装置、ならびに、一般に、光ディスクや、ハードディスク、テープ、ドラム、カード、および他のタイプのような、磁気記憶装置の形式のような、より永続的な記憶装置のための大容量記憶装置、ならびに、プロセッサレジスタ、キャッシュメモリ、揮発性メモリ、不揮発性メモリ、ならびに、CD、DVDのような光記憶装置、ならびに、たとえばUSBスティックまたはキーなどのフラッシュメモリ、フロッピーディスク、磁気テープ、紙テープ、パンチカード、スタンドアロンRAMディスク、Zipドライブ、リムーバブル大容量記憶装置、オフライン等といったリムーバブル媒体、ならびに、動的メモリ、静的メモリ、リード/ライト記憶装置、ミュータブル記憶装置、読取専用、ランダムアクセス、シーケンシャルアクセス、ロケーションアドレサブル、ファイルアドレサブル、コンテンツアドレサブル、ネットワークに取り付けられた記憶装置、記憶エリアネットワーク、バーコード、磁気インク等のような他のコンピュータメモリ、を含み得るマシン読取可能な媒体において記憶および/またはアクセスされ得る。
本明細書で説明される方法、デバイス、装置、およびシステムは、物理的および/または無形のアイテムを1つの状態から別の状態へ変化させ得る。本明細書で説明される方法およびシステムはまた、物理的および/または無形のアイテムを表すデータを、1つの状態から別の状態へと変化させ得る。
図面全体にわたるフローチャートおよびブロック図中に含み、本明細書で説明されるモジュール、エンジン、構成要素、および要素は、モジュール、エンジン、構成要素、および要素間の論理的な境界を示唆する。しかしながら、ソフトウェアまたはハードウェアエンジニアリング慣例に従って、モジュール、エンジン、構成要素、および要素、ならびにこれらの機能は、コンピュータ実行可能な媒体を通じて、1つまたは複数のプロセッサ、コンピュータ、マシンにおいて実施され得る。これらは、モノリシックソフトウェア構造として、スタンドアロンソフトウェアモジュールとして、または、外部ルーチン、コード、サービス、もしくはこれらの任意の組合せを適用するモジュールとして、記憶されたプログラム命令を実行することが可能であり、そのようなすべての実施は、本開示の範囲内であり得る。そのようなマシンの例は、限定されないが、携帯情報端末、ラップトップ、パーソナルコンピュータ、モバイル電話、他のハンドヘルドコンピューティングデバイス、医療機器、ワイヤードまたはワイヤレス通信デバイス、トランスデューサ、チップ、電卓、衛星、タブレットPC、電子ブック、ガジェット、電子デバイス、人工知能を有するデバイス、コンピューティングデバイス、ネットワーキング機器、サーバ、ルータ、プロセッサが組み込まれた眼鏡等を含み得る。さらに、フローチャートおよびブロック図におけるモジュール、エンジン、構成要素、および要素、または、他の任意の論理構成要素は、プログラム命令を実行することが可能な1つまたは複数のマシン、コンピュータ、またはプロセッサにおいて実施され得る。前述した説明と、これらの説明が参照される図面とが、開示されたシステムのいくつかの機能的な態様を述べている一方、明示的に述べられているかまたは別の様態にて文脈から明らかであるかしない限り、これらの機能的な態様を実施するためのソフトウェアのいかなる特定の構成も、これらの説明から推論されるべきではない。上記で識別および説明されたさまざまなステップは変化され得、ステップの順序は、本明細書で開示された技術の特定のアプリケーションへ適用され得ることもまた認識されるであろう。そのようなバリエーションおよび修正はすべて、この開示の範囲内にあると意図される。特定のアプリケーションによって要求されるか、または明示的に述べられるか、または別の様態にて文脈から明らかであるかしない限り、さまざまなステップの順序の説明は、これらステップのための実行の特定の順序を必要とすると理解されるべきではない。
上記説明された方法および/または処理、およびこれらのステップは、特定のアプリケーションに適したハードウェア、ソフトウェア、または、ハードウェアとソフトウェアとの任意の組合せで実現され得る。ハードウェアは、汎用コンピュータおよび/または専用コンピューティングデバイスもしくは具体的なコンピューティングデバイスもしくは具体的なコンピューティングデバイスの特定の態様もしくは構成要素を含み得る。これら処理は、内部および/または外部メモリとともに、1つまたは複数のマイクロプロセッサ、マイクロコントローラ、組込式マイクロコントローラ、プログラマブルデジタル信号プロセッサ、または他のプログラマブルデバイスにおいて実現され得る。これら処理はまた、またはその代わりに、特定用途向け集積回路、プログラマブルゲートアレイ、プログラマブルアレイロジック、または電子信号を処理するように構成され得る他の任意のデバイスもしくはデバイスの組合せで具体化され得る。これら処理の1つまたは複数は、マシン読取可能な媒体において実行されることが可能なコンピュータ実行可能なコードとして実現され得ることがさらに認識されるであろう。
コンピュータ実行可能なコードは、Cのような構造化プログラミング言語、C++のようなオブジェクト指向プログラミング言語、または、上記デバイスのうちの1つにおいて実行するように記憶、コンパイル、もしくは解釈され得る(アセンブリ言語、ハードウェア記述言語、ならびに、データベースプログラミング言語および技術を含む)他の高級または低級プログラミング言語のみならず、プロセッサのヘテロジニアスな組合せ、プロセッサアーキテクチャ、または、異なるハードウェアおよびソフトウェアの組合せ、または、プログラム命令を実行することが可能な他の任意のマシンを使用して生成され得る。
したがって、1つの態様では、上記で説明された各方法およびこれらの組合せは、1つまたは複数のコンピューティングデバイスにおいて実行している場合に、これらのステップを実行するコンピュータ実行可能なコードにおいて具体化され得る。別の態様では、これらの方法は、方法のステップを実行するシステムにおいて具体化され得、多くの手法でデバイスにわたって分布され得るか、または、機能のすべてが、専用のスタンドアロンのデバイスもしくは他のハードウェアへ統合され得る。別の態様では、上記で説明された処理に関連付けられたステップを実行するための手段は、上記説明されたハードウェアおよび/またはソフトウェアのいずれかを含み得る。そのような置換および組合せはすべて、本開示の範囲内にあると意図される。
上記で説明されたスナップショット探索システム、または、上記説明された装置は、部分的にまたは全体的に人工知能によって実施され得る。人工知能スナップショット探索システムは、ユーザがプラントにおける複数のフィールドデバイスにわたってスナップショット探索を自動的に実施することを可能にする、スナップショット探索技術、ファジー論理、およびニューラルネットワークを含み得る。
本発明のいくつかの実施形態が説明されたが、これら実施形態は、専ら例として提示されており、本発明の範囲を限定することは意図されていない。実際には、本明細書で説明された新規の実施形態は、他のさまざまな形式で具体化され得、さらに、本明細書で説明された実施形態の形式におけるさまざまな省略、代替、および変更は、本発明の趣旨から逸脱することなくなされ得る。添付する特許請求の範囲およびそれらの均等物は、本発明の範囲および趣旨内にあるように、そのような形式または修正をカバーすることが意図される。
10000 プラントシステム
11000 プロキシ選択エンジン
12000 プロキシコンピュータ
13000 ターゲットデバイス
20000 プラントシステム
21000 プロキシ選択エンジン
21100 セパレータ
21200 エキスパートルールモジュール
21300 インテリジェンス
22000 プロキシコンピュータ
23000 ターゲットデバイス
30000 システム
31000 プロキシ選択エンジン
31100 セパレータ
31200 エキスパートルールモジュール
31300 インテリジェンス
32000 プロキシコンピュータ
33000 ターゲットデバイス
34000 コンフィギュレーションアイテムエディタ
35000 実施データ獲得(IDA)
36000 コンフィギュレーションアイテム管理
37000 デバイスリスト

Claims (16)

  1. 各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを記憶する記憶装置を備えたエキスパートルールモジュールであって、各エキスパートルールは、それぞれの選択重み係数を有する、エキスパートルールモジュールと、
    各ターゲットデバイスの獲得されたデバイスデータを、少なくとも部分的に、各ターゲットデバイスのシステムおよびタイプに基づいて分類するように構成されたセパレータモジュールと、
    前記セパレータモジュールへアクセス可能なインテリジェンスモジュールであって、
    各ターゲットデバイスについて前記分類されたデバイスデータを、セパレータから獲得するためのロジックと、
    すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを、前記エキスパートルールモジュールから探索するためのロジックと、
    各ターゲットデバイスについて探索された前記エキスパートルールのそれぞれのセットを適用するためのロジックと、
    適用された前記エキスパートルールのそれぞれのセットのすべての前記それぞれの選択重み係数を計算するためのロジックと、
    前記選択重み係数の前記計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックと
    を備える、インテリジェンスモジュールと
    を備える、コンピュータによって実施されるプロキシ選択システム。
  2. 各ターゲットデバイスへ適用可能な前記エキスパートルールのそれぞれのセットは、各プロキシコンピュータのための静的条件および動的条件を備え、
    前記静的条件は、各プロキシコンピュータの仕様およびリビジョンを備え、
    前記動的条件は、各プロキシコンピュータの現在の状態を備える、
    請求項1に記載のコンピュータによって実施されるプロキシ選択システム。
  3. 前記エキスパートルールは、各プロキシコンピュータのバージョンに関連し、
    アルゴリズムのセットは、前記計算された選択重み係数に基づいて、前記プロキシコンピュータの前記バージョンが前記ターゲットデバイスのバージョンよりも低い場合に前記プロキシコンピュータを選択しないことに関連する、
    請求項2に記載のコンピュータによって実施されるプロキシ選択システム。
  4. 前記動的条件は、ネットワーク負荷、各プロキシコンピュータの現在の状態、および、前記ターゲットデバイスのリアルタイムの状態を備える、
    請求項2に記載のコンピュータによって実施されるプロキシ選択システム。
  5. 前記インテリジェンスモジュールはさらに、
    前記エキスパートルールモジュールから前記エキスパートルールを自動的に獲得するためのロジックと、
    各ターゲットデバイスへ適用可能なすべての前記エキスパートルールの静的条件に基づいて、自動的に確認するためのロジックと、
    どのプロキシコンピュータが、各ターゲットデバイスへ適用可能な前記エキスパートルールの前記静的条件を満たすのかを、各ターゲットデバイスへ適用可能な前記エキスパートルールの前記静的条件に基づいて、自動的に判定するためのロジックと、
    前記エキスパートルールの前記静的条件を満たすと判定された適切なプロキシコンピュータの現在の状態を、前記エキスパートルールの動的条件に基づいて自動的に確認するためのロジックと、
    前記エキスパートルールの前記動的条件に基づいて、どのプロキシコンピュータが、前記エキスパートルールの前記動的条件を満たすのかを自動的に判定するためのロジックと、
    前記エキスパートルールの前記静的条件と前記動的条件との両方を満たす1つまたは複数のプロキシコンピュータを自動的に判定するためのロジックと
    を備える、請求項1に記載のコンピュータによって実施されるプロキシ選択システム。
  6. 前記インテリジェンスモジュールはさらに、
    各ターゲットデバイスへ適用可能なエキスパートルールのセットと、
    前記エキスパートルールのセットを適用することによって、1つまたは複数のプロキシコンピュータを選択するためのアルゴリズムのセットと
    を備える、請求項1に記載のコンピュータによって実施されるプロキシ選択システム。
  7. アルゴリズムのセットは、
    各プロキシコンピュータのための選択重み係数を計算するためのロジックと、
    前記計算された選択重み係数に基づいてプロキシを選択するためのロジックと
    を備える、請求項1に記載のコンピュータによって実施されるプロキシ選択システム。
  8. ネットワーク上の複数のプロキシコンピュータと、
    ターゲットデバイスを識別するターゲットデバイス情報を入力するように構成されたエディタと、
    プロキシ選択システムであって、
    各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを記憶する記憶装置を備えるエキスパートルールモジュールであって、各エキスパートルールは、それぞれの選択重み係数を有する、エキスパートルールモジュールと、
    前記ターゲットデバイスを識別する前記ターゲットデバイス情報を受信するように構成されたセパレータモジュールであって、前記ターゲットデバイスを、少なくとも部分的に、前記ターゲットデバイスのシステムおよびタイプに基づいて分類するように構成された、セパレータモジュールと、
    前記セパレータモジュールへアクセス可能なインテリジェンスモジュールであって、
    各ターゲットデバイスについて前記分類されたデバイスデータを、セパレータから獲得するためのロジックと、
    すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを、前記エキスパートルールモジュールから探索するためのロジックと、
    各ターゲットデバイスについて探索された前記エキスパートルールのそれぞれのセットを適用するためのロジックと、
    適用された前記エキスパートルールのそれぞれのセットのすべての前記それぞれの選択重み係数を計算するためのロジックと、
    前記選択重み係数の前記計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックと
    を備える、インテリジェンスモジュールと
    を備える、プロキシ選択システムと、
    実施された前記ターゲットデバイスのコンフィギュレーションアイテムのより詳細な情報を求める1つまたは複数のクエリを、前記プロキシ選択システムによって選択された前記プロキシコンピュータを介して、前記ターゲットデバイス情報によって識別された前記ターゲットデバイスへ送信し、前記ターゲットデバイスから、前記プロキシ選択システムによって選択された前記1つまたは複数のプロキシコンピュータを介して、実施の前記より詳細な情報を獲得するように構成された実施データ獲得(IDA)と
    を備える、システム。
  9. 各ターゲットデバイスへ適用可能な前記エキスパートルールのそれぞれのセットは、各プロキシコンピュータのための静的条件および動的条件を備え、
    前記静的条件は、各プロキシコンピュータの仕様およびリビジョンを備え、
    前記動的条件は、各プロキシコンピュータの現在の状態を備える、
    請求項8に記載のシステム。
  10. 前記エキスパートルールは、各プロキシコンピュータのバージョンに関連し、
    アルゴリズムのセットは、前記計算された選択重み係数に基づいて、前記プロキシコンピュータの前記バージョンが前記ターゲットデバイスのバージョンよりも低い場合に前記プロキシコンピュータを選択しないことに関連する、
    請求項9に記載のシステム。
  11. 前記動的条件は、ネットワーク負荷、各プロキシコンピュータの現在の状態、および、前記ターゲットデバイスのリアルタイムの状態を備える、
    請求項10に記載のシステム。
  12. 前記インテリジェンスモジュールはさらに、
    前記エキスパートルールモジュールから前記エキスパートルールを自動的に獲得するためのロジックと、
    各ターゲットデバイスへ適用可能なすべての前記エキスパートルールの静的条件に基づいて、自動的に確認するためのロジックと、
    どのプロキシコンピュータが、各ターゲットデバイスへ適用可能な前記エキスパートルールの前記静的条件を満たすのかを、各ターゲットデバイスへ適用可能な前記エキスパートルールの前記静的条件に基づいて、自動的に判定するためのロジックと、
    前記エキスパートルールの前記静的条件を満たすと判定された適切なプロキシコンピュータの現在の状態を、前記エキスパートルールの動的条件に基づいて自動的に確認するためのロジックと、
    前記エキスパートルールの前記動的条件に基づいて、どのプロキシコンピュータが、前記エキスパートルールの前記動的条件を満たすのかを自動的に判定するためのロジックと、
    前記エキスパートルールの前記静的条件と前記動的条件との両方を満たす1つまたは複数のプロキシコンピュータを自動的に判定するためのロジックと
    を備える、請求項8に記載のシステム。
  13. 前記インテリジェンスモジュールはさらに、
    各ターゲットデバイスへ適用可能なエキスパートルールのセットと、
    前記エキスパートルールのセットを適用することによって、1つまたは複数のプロキシコンピュータを選択するためのアルゴリズムのセットと
    を備える、請求項8に記載のシステム。
  14. アルゴリズムのセットは、
    各プロキシコンピュータのための選択重み係数を計算するためのロジックと、
    前記計算された選択重み係数に基づいてプロキシを選択するためのロジックと
    を備える、請求項8に記載のシステム。
  15. すべてが各ターゲットデバイスへ適用可能なエキスパートルールのそれぞれのセットを探索するためのロジックであって、エキスパートルールの前記それぞれのセットは、各プロキシコンピュータのための静的条件および動的条件を備え、前記静的条件は、各プロキシコンピュータの仕様およびリビジョンを備え、前記動的条件は、ネットワーク負荷、各プロキシコンピュータの現在の状態、および、前記ターゲットデバイスのリアルタイムの状態を備える、ロジックと、
    各ターゲットデバイスについて探索されたエキスパートルールの前記それぞれのセットを適用するためのロジックと、
    適用されたエキスパートルールの前記それぞれのセットのすべてのそれぞれの選択重み係数を計算するためのロジックと、
    前記選択重み係数の前記計算の結果に基づいて、1つまたは複数のプロキシコンピュータを選択するためのロジックと
    を備える、インテリジェンスモジュール
    を備える、コンピュータによって実施されるプロキシ選択システム。
  16. 前記エキスパートルールは、各プロキシコンピュータのバージョンに関連し、
    アルゴリズムのセットは、前記プロキシコンピュータの前記バージョンが前記ターゲットデバイスのバージョンよりも低い場合には、前記プロキシコンピュータを選択しない、
    請求項15に記載のコンピュータによって実施されるプロキシ選択システム。
JP2018118687A 2017-10-13 2018-06-22 プロキシコンピュータを選択するためのシステムおよび方法 Active JP7047625B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/783,489 US11184452B2 (en) 2017-10-13 2017-10-13 System and method for selecting proxy computer
US15/783,489 2017-10-13

Publications (2)

Publication Number Publication Date
JP2019075079A true JP2019075079A (ja) 2019-05-16
JP7047625B2 JP7047625B2 (ja) 2022-04-05

Family

ID=63350322

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018118687A Active JP7047625B2 (ja) 2017-10-13 2018-06-22 プロキシコンピュータを選択するためのシステムおよび方法

Country Status (4)

Country Link
US (1) US11184452B2 (ja)
EP (1) EP3471344B1 (ja)
JP (1) JP7047625B2 (ja)
CN (1) CN109669400B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363465A (zh) * 2020-10-21 2021-02-12 北京工业大数据创新中心有限公司 一种专家规则集训练方法、训练器和工业设备预警系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8560604B2 (en) 2009-10-08 2013-10-15 Hola Networks Ltd. System and method for providing faster and more efficient data communication
US9241044B2 (en) 2013-08-28 2016-01-19 Hola Networks, Ltd. System and method for improving internet communication by using intermediate nodes
US11057446B2 (en) 2015-05-14 2021-07-06 Bright Data Ltd. System and method for streaming content from multiple servers
EP4020940A1 (en) 2017-08-28 2022-06-29 Bright Data Ltd. Content fetching by selecting tunnel devices
EP4053717A3 (en) 2019-02-25 2022-10-26 Bright Data Ltd. System and method for url fetching retry mechanism
EP4027618A1 (en) 2019-04-02 2022-07-13 Bright Data Ltd. Managing a non-direct url fetching service
CN110601890B (zh) * 2019-09-17 2023-03-31 深圳市网心科技有限公司 一种网络性能分析方法、装置、设备及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000196677A (ja) * 1998-12-28 2000-07-14 Fujitsu Ltd ネットワ―クシステムに用いられる中継装置
JP2000286871A (ja) * 1999-03-30 2000-10-13 Yokogawa Electric Corp 分散オブジェクトシステムにおける通信方法及び分散オブジェクトシステムにおける通信装置
US20120284328A1 (en) * 2011-03-30 2012-11-08 Telcordia Technologies, Inc. Method, System, User Equipment and Program For Dynamically Selecting Proxies For Communication With Servers Using Known Paths
JP2015049650A (ja) * 2013-08-30 2015-03-16 ソニー株式会社 サーバ装置、情報処理方法、プログラム、端末装置、およびコンテンツ供給システム
JP2015141645A (ja) * 2014-01-30 2015-08-03 三菱電機株式会社 プラント監視制御システム
JP2017063313A (ja) * 2015-09-24 2017-03-30 キヤノン株式会社 通信装置、制御方法、及びプログラム

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070150330A1 (en) * 1999-12-30 2007-06-28 Mcgoveran David O Rules-based method and system for managing emergent and dynamic processes
US20040162996A1 (en) * 2003-02-18 2004-08-19 Nortel Networks Limited Distributed security for industrial networks
US7996505B2 (en) * 2003-10-24 2011-08-09 Microsoft Corporation Network and interface selection on a computing device capable of establishing connections via multiple network communications media
JP2007536634A (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 プロセス制御システムのためのサービス指向型アーキテクチャ
US7950044B2 (en) * 2004-09-28 2011-05-24 Rockwell Automation Technologies, Inc. Centrally managed proxy-based security for legacy automation systems
JP5604510B2 (ja) * 2009-04-30 2014-10-08 ジーイー・インフラストラクチャー・サウスアフリカ（プロプライアトリー）・リミテッド プロセス決定支援システム及び、プロセス決定支援システムを設ける方法
US8726348B2 (en) * 2010-12-15 2014-05-13 The Boeing Company Collaborative rules based security
US9781205B2 (en) * 2011-09-12 2017-10-03 Microsoft Technology Licensing, Llc Coordination engine for cloud selection
CN103634129B (zh) * 2012-08-22 2018-03-20 腾讯科技（深圳）有限公司 一种设置代理服务器的方法及装置
US9509566B2 (en) * 2013-06-27 2016-11-29 Yokogawa Electric Corporation System and method for generating output data
US20150120863A1 (en) * 2013-10-25 2015-04-30 Qualcomm Incorporated Proxy network device selection in a communication network
US20150358777A1 (en) * 2014-06-04 2015-12-10 Qualcomm Incorporated Generating a location profile of an internet of things device based on augmented location information associated with one or more nearby internet of things devices
US10594660B2 (en) * 2014-06-26 2020-03-17 Hewlett-Packard Development Company, Lp. Selecting proxies
US9851712B2 (en) * 2014-11-12 2017-12-26 Yokogawa Electric Corporation Process control system and configuration system for an industrial plant
US11363035B2 (en) * 2015-05-22 2022-06-14 Fisher-Rosemount Systems, Inc. Configurable robustness agent in a plant security system
US10409254B2 (en) * 2015-07-16 2019-09-10 Siemens Aktiengesellschaft Knowledge-based programmable logic controller with flexible in-field knowledge management and analytics
JP6901206B2 (ja) * 2015-10-12 2021-07-14 フィッシャー−ローズマウント システムズ，インコーポレイテッド Ｉ／ｏ抽象化フィールドデバイス構成を使用したプロセスプラント内のデバイスの結合
US10361913B2 (en) * 2017-02-09 2019-07-23 Kodacloud Inc. Determining whether to include or exclude device data for determining a network communication configuration for a target device
US10491475B2 (en) * 2017-07-31 2019-11-26 Bank Of America Corporation Proxy automatic configuration file manager

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000196677A (ja) * 1998-12-28 2000-07-14 Fujitsu Ltd ネットワ―クシステムに用いられる中継装置
JP2000286871A (ja) * 1999-03-30 2000-10-13 Yokogawa Electric Corp 分散オブジェクトシステムにおける通信方法及び分散オブジェクトシステムにおける通信装置
US20120284328A1 (en) * 2011-03-30 2012-11-08 Telcordia Technologies, Inc. Method, System, User Equipment and Program For Dynamically Selecting Proxies For Communication With Servers Using Known Paths
JP2015049650A (ja) * 2013-08-30 2015-03-16 ソニー株式会社 サーバ装置、情報処理方法、プログラム、端末装置、およびコンテンツ供給システム
JP2015141645A (ja) * 2014-01-30 2015-08-03 三菱電機株式会社 プラント監視制御システム
JP2017063313A (ja) * 2015-09-24 2017-03-30 キヤノン株式会社 通信装置、制御方法、及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363465A (zh) * 2020-10-21 2021-02-12 北京工业大数据创新中心有限公司 一种专家规则集训练方法、训练器和工业设备预警系统

Also Published As

Publication number Publication date
EP3471344A1 (en) 2019-04-17
US20190116236A1 (en) 2019-04-18
EP3471344B1 (en) 2020-11-18
JP7047625B2 (ja) 2022-04-05
US11184452B2 (en) 2021-11-23
CN109669400B (zh) 2023-05-23
CN109669400A (zh) 2019-04-23

Similar Documents

Publication Publication Date Title
JP7047625B2 (ja) プロキシコンピュータを選択するためのシステムおよび方法
Wang et al. Big data analytics for intelligent manufacturing systems: A review
US11392843B2 (en) Utilizing a machine learning model to predict a quantity of cloud resources to allocate to a customer
US20190213115A1 (en) Utilizing artificial intelligence to test cloud applications
US11036552B2 (en) Cognitive scheduler
US9037915B2 (en) Analysis of tests of software programs based on classification of failed test cases
Zhang et al. A comparison of parallel large-scale knowledge acquisition using rough set theory on different MapReduce runtime systems
Hasan et al. A machine learning approach to sparql query performance prediction
KR20210036226A (ko) 복수의 엣지와 클라우드를 포함하는 분산 컴퓨팅 시스템 및 이의 적응적 지능 활용을 위한 분석 모델 제공 방법
CN105453040A (zh) 基于任务的并行数据集成建模
AU2019219820B2 (en) Identifying an issue associated with data
US11334348B2 (en) Utilizing machine learning to identify and correct differences in application programming interface (API) specifications
Tsai et al. A high-performance parallel coral reef optimization for data clustering
WO2020070758A2 (en) Systems and methods for simulation of humans by human twin
Schmieders et al. Runtime model-based privacy checks of big data cloud services
Xiong et al. ShenZhen transportation system (SZTS): a novel big data benchmark suite
CN112580816A (zh) 机器学习训练资源管理
Dai et al. Refactoring business process models with process fragments substitution
Gu et al. Characterizing job-task dependency in cloud workloads using graph learning
US11961099B2 (en) Utilizing machine learning for optimization of planning and value realization for private networks
Morichetta et al. Demystifying deep learning in predictive monitoring for cloud-native SLOs
KR102269737B1 (ko) 딥러닝 기반의 정보 분류 방법 및 그 장치
Naydenov et al. Combining container orchestration and machine learning in the cloud: A systematic mapping study
Ali et al. Designing hybrid graph model and algorithmic analysis of workflow decomposition in mobile distributed systems
EP3719719A1 (en) Utilizing a machine learning model to predict a quantity of cloud resources to allocate to a customer

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210421

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220210

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: 20220222

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220307

R150 Certificate of patent or registration of utility model

Ref document number: 7047625

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150