JP2024507159A - オペレータアクションに基づく分散制御システムの制御戦略の改善 - Google Patents
オペレータアクションに基づく分散制御システムの制御戦略の改善 Download PDFInfo
- Publication number
- JP2024507159A JP2024507159A JP2023548679A JP2023548679A JP2024507159A JP 2024507159 A JP2024507159 A JP 2024507159A JP 2023548679 A JP2023548679 A JP 2023548679A JP 2023548679 A JP2023548679 A JP 2023548679A JP 2024507159 A JP2024507159 A JP 2024507159A
- Authority
- JP
- Japan
- Prior art keywords
- control system
- distributed control
- plant
- application code
- engineering tool
- 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.)
- Pending
Links
- 238000011217 control strategy Methods 0.000 title claims abstract description 14
- 230000009471 action Effects 0.000 title claims description 24
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000003993 interaction Effects 0.000 claims abstract description 49
- 238000012986 modification Methods 0.000 claims abstract description 41
- 230000004048 modification Effects 0.000 claims abstract description 41
- 238000013461 design Methods 0.000 claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract 1
- 239000002699 waste material Substances 0.000 description 7
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000004056 waste incineration Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000000047 product Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000010791 domestic waste Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/056—Programming the PLC
-
- 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]
- G05B19/41835—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 programme execution
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
- G05B2219/10—Plc systems
- G05B2219/12—Plc mp multi processor system
- G05B2219/1204—Multiprocessing, several plc's, distributed logic control
-
- 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
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25232—DCS, distributed control system, decentralised control unit
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
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)
- Feedback Control In General (AREA)
- Programmable Controllers (AREA)
Abstract
産業プラント(1)の分散制御システム(5)内の1つ以上のコントローラ(4)上で実行されるとき、産業プラント(1)を、アプリケーションコード(3)内に実装された制御戦略に従って制御させるアプリケーションコード(3)を生成するように構成されたエンジニアリングツール(2)を修正及び/または拡張するためのコンピュータ実装方法(100a)であって、方法は、-少なくとも1つの産業プラント(1)の動作状態(1a)を特徴付ける状態変数(6)を取得すること(110)と、-ヒューマンマシンインターフェースを介して産業プラント(1)の分散制御システム(5)と対話する少なくとも1人のプラントオペレータの対話イベント(7)のセットを取得すること(120)と、-入力データとして、対話イベント(7)、状態変数(6)、及び任意選択で分散制御システム(5)の所定の設計情報に少なくとも部分的に基づいて、1つ以上の対話イベント(7)が、プラントオペレータが分散制御システム(5)の現在の設計によって十分にカバーされていないタスクを実行していることを示すかどうかを決定すること(130)と、-この決定が肯定的である場合、アプリケーションコード(3)が修正及び/または拡張されたエンジニアリングツール(2)によって再生成され、分散制御システム(5)において実行されるときに、プラントオペレータが分散制御システムと手動で対話する頻度が低くなり、および/または分散制御システムと対話する時間が短くなるように、入力データを、分散制御システム(5)のためのアプリケーションコード(3)を生成したエンジニアリングツール(2)のための修正および/または拡張(2a)にマッピングすること(140)とを含む。【選択図】図1
Description
本発明は、産業プラントの、特に、分散制御システムを有するプラントの自動制御に関する。
産業プラントの自動制御は、通常、効率的な方法でプラントの通常動作を行うための設計された制御戦略(engineered control strategy)に従って行われる。しかしながら、そのような設計された制御戦略は、プラントの動作中に生じるかもしれないすべての状況を予測することができない。そのような状況では、プラントオペレータは、手動で介入し、プラントまたはその一部の制御を行い、設計された制御戦略を無効にすることができる。
WO2012/142 353A1は、プロセス制御システムを監視する方法を開示している。本方法は、不満足であるプラントの重要業績評価指標(KPI)を視覚化することを含む。
発明の目的
本発明の目的は、産業プラントの動作中の手動介入の必要性、および/またはプラントオペレータがこれらの介入に費やさなければならない時間量を低減することである。
本発明の目的は、産業プラントの動作中の手動介入の必要性、および/またはプラントオペレータがこれらの介入に費やさなければならない時間量を低減することである。
この目的は、独立請求項に記載の分散制御システム用のエンジニアリングツールを修正および/または拡張するための2つのコンピュータ実装方法と、別の独立請求項に記載の機械学習モデルをトレーニングするための別のコンピュータ実装方法とによって達成される。
発明の開示
本発明は、エンジニアリングツールを修正および/または拡張するための2つのコンピュータ実装方法を提供する。エンジニアリングツールは、アプリケーションコードを生成するように構成される。このアプリケーションコードが産業プラントの分散制御システム内の1つ以上のコントローラ上で実行されるとき、産業プラントを、アプリケーションコード内に実装された制御戦略に従って制御させる。
本発明は、エンジニアリングツールを修正および/または拡張するための2つのコンピュータ実装方法を提供する。エンジニアリングツールは、アプリケーションコードを生成するように構成される。このアプリケーションコードが産業プラントの分散制御システム内の1つ以上のコントローラ上で実行されるとき、産業プラントを、アプリケーションコード内に実装された制御戦略に従って制御させる。
どちらの方法も、分散制御システム用のアプリケーションコードを生成したエンジニアリングツールの修正および/または拡張を生成する。アプリケーションコードが、修正および/または拡張されたエンジニアリングツールによって再生成され、分散制御システム内で実行されるとき、修正の効果は、プラントオペレータが、分散制御システムと手動で対話する頻度が低くなる、および/または分散制御システムと対話する時間が短くなる可能性が高いことである。
第1の方法は、ヒューマンマシンインターフェースを介してプラントの分散制御システムと対話するプラントオペレータの過去の対話イベントに基づいて、この修正および/または拡張を取得する。第2の方法は、プラントの現在の状態に基づいてプラントオペレータが開始する可能性が高い対話イベントの予測に基づいて修正および/または拡張を取得する。この予測は、トレーニングされた機械学習モデルから得られる。第1の方法は、具体的には、プラントオペレータの特定の既知の挙動パターンから修正および/または拡張を得ることを容易にするのに対して、第2の方法は、具体的には、挙動パターンの先験的知識なしに、最初から修正および/または拡張を得ることを容易にする。
第1の方法の過程において、少なくとも1つの産業プラントの動作状態を特徴付ける状態変数が取得される。また、ヒューマンマシンインターフェースを介して産業プラントの分散制御システムと対話する少なくとも1人のプラントオペレータの対話イベントのセットが取得される。
入力データとして、対話イベント、状態変数、および任意選択で分散制御システムの所定の設計情報に少なくとも部分的に基づいて、1つ以上の対話イベントが、プラントオペレータが分散制御システムの設計によって十分にカバーされていないタスクを実行していることを示すかどうかが決定される。この決定が肯定的である場合、入力データは、分散制御システムのためのアプリケーションコードを生成したエンジニアリングツールのために求められた修正および/または拡張にマッピングされる。
制御システムは、設計段階中に要求仕様に基づいて設計される。しかし、この設計段階では、プラントの動作中に発生するすべての状況を予測することができるわけではない。人間のプラントオペレータは、設計された制御戦略における任意のギャップを埋めるための対話部分として制御ループ内に留まる。制御戦略において予見されず、再発生する可能性が非常に低いまれな状況がプラントオペレータの介入によって対処される場合、これは、この状況も同様に対処するために制御戦略を修正するよりも良い方法である。しかし、状況が再び発生する可能性が高い場合には、プラントオペレータが同じまたは実質的に同様の介入を何度も実行しなければならないことから解放するように、プラントの設計を修正した方がよい。設計自動化された方法で修正される場合、これは複数の利点を有する:
・自動的に対処することができるあらゆる状況において、正しい動作は、プラントオペレータが適切な時間に正しい介入を行うことにもはや依存しないので、プラントの動作がより安全になる。
・プラントオペレータをルーチン介入から解放することは、そうでなければ機械によって処理されることができない問題解決タスクのためにこれらのルーチン介入に費やされたであろう時間を解放する。
・プラントオペレータの知識が捕捉され、同様のプラントにも転送可能な形式で文書化される。
・プラントの設計がプラント内で実際に発生する動作状況をどれだけうまくカバーしているかを定量的に測定することができる。
・自動的に対処することができるあらゆる状況において、正しい動作は、プラントオペレータが適切な時間に正しい介入を行うことにもはや依存しないので、プラントの動作がより安全になる。
・プラントオペレータをルーチン介入から解放することは、そうでなければ機械によって処理されることができない問題解決タスクのためにこれらのルーチン介入に費やされたであろう時間を解放する。
・プラントオペレータの知識が捕捉され、同様のプラントにも転送可能な形式で文書化される。
・プラントの設計がプラント内で実際に発生する動作状況をどれだけうまくカバーしているかを定量的に測定することができる。
分散制御システムの現在の設計によって十分にカバーされないタスクは、任意の適切な方法でパターンとして指定することができる。特に有利な実施形態では、分散制御システムの現在の設計によって十分にカバーされないタスクは、具体的には、以下を含む:
・分散制御システムの現在の設計によってカバーされない動作問題に対するソリューションを手動で実行すること、および/または、
・等しいまたは実質的に同様の動作状態から開始して1つ以上のアクションを繰り返し実行すること、および/または、
・少なくとも閾値頻度でアクセスするために少なくとも閾値数のステップを必要とする少なくとも1つの機能にアクセスすること。
・分散制御システムの現在の設計によってカバーされない動作問題に対するソリューションを手動で実行すること、および/または、
・等しいまたは実質的に同様の動作状態から開始して1つ以上のアクションを繰り返し実行すること、および/または、
・少なくとも閾値頻度でアクセスするために少なくとも閾値数のステップを必要とする少なくとも1つの機能にアクセスすること。
例えば、廃棄物焼却プラントでは、燃焼プロセスは廃棄物の組成に非常に依存する。
プラントは、特定の範囲の組成について設計されるが、この設計を超える組成の有意な変化が突然起こるかもしれない。例えば、紙、プラスチックまたは他の材料は、家庭廃棄物の通常の成分であるかもしれないので、プラントの設計は、この成分が常に存在すると仮定するかもしれない。しかし、更新された環境規制は、紙またはプラスチックがリサイクルのために別のビンに収集されるべきであることを急に規定する可能性があり、急にこの成分は家庭廃棄物からなくなる。次いで、プラントオペレータは、燃焼が突然悪化に転じたことに気付き、炉内の空気流および廃棄物の撹拌を微調整することによって燃焼をどのように改善するかを見出すことができる。この解決策が更新されたエンジニアリングツールに組み込まれ、プラントの設計がそれに応じて更新される場合、この解決策は、同様の組成の廃棄物が将来プラントに供給されるときはいつでも再使用することができる。
プラントは、特定の範囲の組成について設計されるが、この設計を超える組成の有意な変化が突然起こるかもしれない。例えば、紙、プラスチックまたは他の材料は、家庭廃棄物の通常の成分であるかもしれないので、プラントの設計は、この成分が常に存在すると仮定するかもしれない。しかし、更新された環境規制は、紙またはプラスチックがリサイクルのために別のビンに収集されるべきであることを急に規定する可能性があり、急にこの成分は家庭廃棄物からなくなる。次いで、プラントオペレータは、燃焼が突然悪化に転じたことに気付き、炉内の空気流および廃棄物の撹拌を微調整することによって燃焼をどのように改善するかを見出すことができる。この解決策が更新されたエンジニアリングツールに組み込まれ、プラントの設計がそれに応じて更新される場合、この解決策は、同様の組成の廃棄物が将来プラントに供給されるときはいつでも再使用することができる。
プラントオペレータが動作問題に対する解決策を手動で実行した状況は、例えば、状態変数および対話イベントデータにおけるパターン認識によって検出されてもよい。例えば、
・状態変数は、プラントの問題のある状態または準最適な状態を示し、
・対話イベントのシーケンスが続いて検出され、
・それに応じて、状態変数は、プラントの状態の改善を示す、パターンがある場合、
プラントオペレータによる介入がプラントにおける動作問題を解決したことが推測されることができる。
・状態変数は、プラントの問題のある状態または準最適な状態を示し、
・対話イベントのシーケンスが続いて検出され、
・それに応じて、状態変数は、プラントの状態の改善を示す、パターンがある場合、
プラントオペレータによる介入がプラントにおける動作問題を解決したことが推測されることができる。
1つ以上のアクションが、等しいまたは実質的に同様の動作状態から開始して繰り返し実行される場合、このツールによって生成された新しいアプリケーションコードに従って、同じまたは実質的に同様の動作状態が再び発生することに応答して、1つ以上のアクションが将来自動的に実行されるように、エンジニアリングツールは修正されてもよい。これは、ワードプロセッシングプログラムにおけるマクロレコーダと同様に、プラントオペレータを反復的な手作業から解放する。
少なくとも機能が、少なくとも閾値頻度でアクセスするために少なくとも閾値数のステップを必要とする場合、エンジニアリングツールは、機能がより少ない数のステップでアクセス可能であるように修正されてもよい。例えば、ヒューマンマシンインターフェースにおける制御およびディスプレイの配置は、大きすぎて画面上に収まらないかもしれず、したがって、いくつかのページに分割されるかもしれない。ヒューマンマシンインターフェースは、デフォルトで1ページ目にあってもよく、5ページ目にある機能にアクセスするために、プラントオペレータは、2ページ目、3ページ目、4ページ目、次いで5ページ目をめくらなければならないかもしれない。異なるページへの制御およびディスプレイの初期割り当ては、プラントオペレータがそれぞれの制御またはディスプレイにアクセスする必要があるかもしれない推定確率によって動機付けされてもよい。しかし、プラントのある場合には、いくつかの制御およびディスプレイが、プラントの他の場合よりも重要になるかもしれない。これは実行時に変化することさえあるかもしれない。例えば、プラントの複数の居住隣人が、そのプラントから発する騒音、臭い、または別の迷惑について自治体当局に苦情を言う場合、プラントオペレータは、この迷惑を低減することを余儀なくされるかもしれない。それぞれのセンサ読み取りは、より頻繁に監視されなければならず、したがって、それらをページ5から、それらはほとんどの時間スクリーン上で可視であるページ1に移動させることが適切であるかもしれない。
これらの例では、エンジニアリングツールの修正が適切である状況は、プラントからのデータ内の特定のパターンを検索または監視することによって検出されることができる。しかし、プラントオペレータの介入によって満たされなければならない、プラントの以前の設計における「ギャップ」が存在することが明らかになるかもしれない、より多くの事例が存在するかもしれない。したがって、本発明は、エンジニアリングツールを修正および/または拡張するための第2のコンピュータ実装方法も提供する。
第1の方法と同様に、この第2の方法の過程において、少なくとも1つの産業プラントの動作状態を特徴付ける状態変数が取得される。次いで、少なくとも1つのトレーニングされた機械学習モデルを使用して、状態変数に基づいて、少なくとも1人のプラントオペレータが動作状態に応答してヒューマンマシンインターフェースを介して分散制御システム上で開始する可能性が高い1つ以上の対話イベントを予測する。1つ以上の予測された対話イベントは、分散制御システムのためのアプリケーションコードを生成したエンジニアリングツールのための修正および/または拡張にマッピングされる。第1の方法と同様に、修正は、アプリケーションコードが修正および/または拡張されたエンジニアリングツールによって再生成され、分散制御システム内で実行されるときに、プラントオペレータが分散制御システムと手動で対話する頻度が低くなり、および/または分散制御システムと対話する時間が短くなるように構成される。マッピングは、例えば、対話イベントも予測する機械学習モデルによって、別の機械学習モデルによって、または任意の他の適切な方法で、実行されてもよい。
このようにエンジニアリングツールのための修正および/または拡張を生成することは、動作状況のための、および/またはプラントオペレータによる介入のための特定のパターンが事前に知られることを必要としない。むしろ、エンジニアリングツールは、プラントオペレータから動的に学習することができ、初期設計時に予見できなかった新しいクラスの状況にも適応することができる。
例えば、以前は特定の設計で最適に動作していた廃棄物焼却プラントは、プラントで生成された熱が別の用途に使用されてもよいように、地域暖房ネットワークに後で接続されてもよい。その後、地域暖房の信頼性を維持するために、地域暖房ネットワークに送達される熱の量および温度を予め定められた範囲内に維持することが必要になるかもしれない。これらの新しい目標は、以前の目標に少なくとも部分的に取って代わることができる。例えば、廃棄物の発熱量が低下した場合に熱供給を維持するために、廃棄物の燃焼を補うために燃料バーナーを点火することが必要になるかもしれない。従来の設計によれば、廃棄物焼却プラントの連続運転に必要でない限り、燃料が運転コストを増加させるので、バーナーは点火されていない。機械学習モデルのトレーニングは、地域暖房ネットワークへの接続後に、増加する状況において手動介入が必要になったことを捕捉することができる。トレーニング後、機械学習モデルは、どの動作状況において手動介入が生じる可能性が高いかを予測することができる。次いで、エンジニアリングツールは、新たに生成されたアプリケーションコードに従って、熱送達を維持するための介入が将来自動的に開始されてもよいように修正されてもよい。
両方の方法は、1つの同じプラントにおいて同時に有効であってもよい。すなわち、既知のパターンに従って、エンジニアリングツールがある場所で修正および/または拡張を必要とすることが検出された場合、この修正および/または拡張が決定され、実施されてもよい。それに加えて、機械学習モデルは、以前に知られたパターンに適合しない介入から修正および/または拡張を生成するために使用されてもよい。
いずれかの方法で使用される入力データは、例えば、以下の1つ以上をさらに含むことができる:
・分散制御システムによって報告されるアラームおよびイベント、
・産業プラントのトポロジーモデル、
・分散制御システムのヒューマンマシンインターフェースのレイアウト、および
・分散制御システムの制御ロジック。
入力データがより詳細である場合、現在の設計における「ギャップ」の検出のためのより精巧なパターンが使用されることができ、および/または機械学習モデルがプラントオペレータ介入をより正確に予測できる。
・分散制御システムによって報告されるアラームおよびイベント、
・産業プラントのトポロジーモデル、
・分散制御システムのヒューマンマシンインターフェースのレイアウト、および
・分散制御システムの制御ロジック。
入力データがより詳細である場合、現在の設計における「ギャップ」の検出のためのより精巧なパターンが使用されることができ、および/または機械学習モデルがプラントオペレータ介入をより正確に予測できる。
さらなる特に有利な実施形態では、入力データおよび/または対話イベントがエンジニアリングツールの修正および/または拡張にマッピングされるとき、所定の制御ライブラリ内の関数が、検出および/または予測されたアクションまたはアクションのシーケンスの結果と実質的に同様の結果を達成することが決定されてもよい。この場合、検出および/または予測されたアクションまたはアクションのシーケンスは、エンジニアリングツールのための修正および/または拡張を生成するときに、制御ライブラリ内の決定された関数への呼び出しで置き換えられてもよい。このようにして、制御ライブラリにすでに凝縮されている知識を、適切な状況で使用することができる。例えば、プラントオペレータは、このような標準アクションに対して、自動化プロトコルが制御ライブラリに既に規定されていることを知らずに容器内の温度を新しい目標温度にするための特定の手動プロトコルに従うことができる。
さらなる特に有利な実施形態では、修正および/または拡張は、アプリケーションコードが、修正されたエンジニアリングツールによって再生成され、分散制御システムにおいて実行されるとき、分散制御システムのヒューマンマシンインターフェースにおいて、
・プラントオペレータによって以前に連続して繰り返し実行された一連のアクションが、この新しい制御要素の作動時に実行されるように現れる新しい制御要素、および/または、
・アクセスするために第2のより少ない数のステップを必要とするように、ヒューマンマシンインターフェース内で移動するようにアクセスするために第1の数のステップを以前に必要とした制御要素、
をもたらすように構成される。
これは、プラントオペレータが、プラントオペレータと分散制御システムのヒューマンマシンインターフェースとの間のより少ない対話で同じ介入を達成することを可能にする。
・プラントオペレータによって以前に連続して繰り返し実行された一連のアクションが、この新しい制御要素の作動時に実行されるように現れる新しい制御要素、および/または、
・アクセスするために第2のより少ない数のステップを必要とするように、ヒューマンマシンインターフェース内で移動するようにアクセスするために第1の数のステップを以前に必要とした制御要素、
をもたらすように構成される。
これは、プラントオペレータが、プラントオペレータと分散制御システムのヒューマンマシンインターフェースとの間のより少ない対話で同じ介入を達成することを可能にする。
前述したように、さらなる特に有利な実施形態では、エンジニアリングツール拡張のための修正および/または拡張は、アプリケーションコードが修正されたエンジニアリングツールによって再生成され、分散制御システム内で実行されるときに、プラントオペレータによって以前に実行された1つ以上のアクションが、等しいまたは実質的に同様の動作状態から繰り返し開始して、特定の動作状態の発生に応答して自動的に実行されるように構成される。これは、プラントオペレータを日常的な介入から解放することができ、プラントオペレータが代わりに問題解決タスクに集中することを可能にする。
さらなる有利な実施形態では、予め定められたカタログ内のビルディングブロックから分散制御システムを組み立てるように構成されたエンジニアリングツールが選択される。少なくとも1つのそのようなビルディングブロックは、プログラマブルロジックコントローラ(PLC)である。エンジニアリングツールは、このPLCのための制御コードを含むアプリケーションコードを生成するように構成される。そのようなエンジニアリングツールが修正および/または拡張されるとき、ビルディングブロックからのプラントのアセンブリは、変更されないままであってもよいが、PLCのための制御コードは、再コンパイルされてもよく、それによって、新しい機能を用いてそれをアップグレードする。
したがって、いずれの方法も、修正および/または拡張されたエンジニアリングツールによって、分散制御システムのためのアプリケーションコードを再生成することをさらに含んでもよい。次いで、再生成されたアプリケーションコードは、分散制御システムにおいて実行されてもよい。このようにして、産業プラントは、再生成されたアプリケーションコードに実装された修正および/または拡張された制御戦略に従って制御される。
任意選択で、アプリケーションコードの再生成の前に、制御エンジニアは、エンジニアリングツールの修正および/または拡張の承認を促されてもよい。このようにして、制御エンジニアは、アプリケーションコードが次に再生成されるときに何が変化するかを知る。また、制御エンジニアは、提案された変更が他の制約に違反しているかどうかをチェックすることができる。
本発明はまた、上述の第2の方法で使用するための少なくとも1つの機械学習モデルをトレーニングするためのコンピュータ実装方法を提供する。
この方法は、少なくとも1つの産業プラントの動作状態を特徴付ける状態変数を有するトレーニング入力データのレコードから始まる。前記動作状態に応答して、少なくとも1人のプラントオペレータが分散制御システムにおいてどの対話イベントを開始したかに関するラベルが提供される。トレーニングされる機械学習モデルは、トレーニング入力データのレコードを、少なくとも1人のプラントオペレータがトレーニング入力データ内の動作状態に応答して開始する1つ以上の対話イベントの予測にマッピングする。
予め定められたコスト関数によって、機械学習モデルによる予測がトレーニング入力データのそれぞれのレコードのラベルにどの程度良好に対応するかが評価される。機械学習モデルの挙動を特徴付けるパラメータは、トレーニング入力データのさらなるレコードが機械学習モデルによって処理されるときに、これがコスト関数によるより良い評価をもたらすという目標に向けて最適化される。このようにして、プラントオペレータ介入の予測は、トレーニングが進むにつれてますます正確になる。
対話イベントによる動作状態のラベル付けのために、プラントから収集された実際の対話イベントは、例えば、これらの対話イベントがプラントオペレータによる介入の成功または不成功をもたらしたかどうかに従ってフィルタリングされてもよい。例えば、対話イベントは、それらが所定の目的に関してどれだけ有益であることが証明されたかに関する任意の適切なメトリックに従ってグレード付けされてもよい。実際の対話イベントは、例えば、これらのグレードに従って重み付けされてもよい。対話イベントは、例えば、それらのグレードがある閾値を下回る場合、ラベルに含まれることから除外されてもよい。
特に有利な実施形態では、トレーニング入力データのレコードは、複数の産業プラントから収集される。このようにして、オペレータ知識は、少なくとも類似のプラント間で転送されてもよい。廃棄物焼却プラントなどの多くのタイプのプラントでは、これらのプラントの例はある程度互いに異なるが、基本的な機能はすべての例で同じである。廃棄物焼却プラントの異なる例には、異なる組成の廃棄物が供給されてもよい。一方の廃棄物焼却プラントは地域暖房ネットワークに接続されてもよいが、他方はそうではない。しかし、全ての例は、廃棄物の燃焼のための特定のタイプの炉が存在し、この燃焼は、特定のパラメータのセットを操作することによって制御される点で共通している。
産業プラントの任意の所定の事例において、トレーニングは最初から開始する必要はない。むしろ、機械学習モデルは、最初に一般的なトレーニングを受信し、後でプラントの特定の例のためにより具体的な方法でさらにトレーニングされてもよい。このようにして、プラントの多数の異なる例が配備されるとき、トレーニング時間および時間の一般的な部分を再び繰り返す必要はない。
上述の方法のコンピュータ実装は、方法がコンピュータプログラムにおいて具現化されてもよいことを意味する。したがって、本発明はまた、1つ以上のコンピュータによって実行されるとき、1つ以上のコンピュータに上述の方法のうちの1つを実行させる機械読取可能命令を有するコンピュータプログラムを提供する。本発明はまた、コンピュータプログラムを有する非一時的機械読取可能記憶媒体および/またはダウンロード製品を提供する。ダウンロード製品は、ダウンロードによる即時の履行のためにオンラインショップで販売されてもよい製品である。本発明はまた、コンピュータプログラムを有する、ならびに/または非一時的機械読取可能記憶媒体および/もしくはダウンロード製品を有する、1つ以上のコンピュータを提供する。
以下において、図面を用いて本発明を図示するが、本発明の範囲を限定するものではない。
図1は、エンジニアリングツール2を修正および/または拡張する方法100a、100bの一実施形態の概略フローチャートである。両方の方法100a、100bは、ステップ110において、少なくとも1つの産業プラント1の動作状態1aを特徴付ける状態変数6を取得することから開始する。
方法110aの過程で、ステップ120において、ヒューマンマシンインターフェースを介して産業プラント1の分散制御システム5と対話する少なくとも1人のプラントオペレータの対話イベント7のセットが取得される。ステップ130では、入力データとして、対話イベント7、状態変数6、および任意選択で分散制御システム5の所定の設計情報に少なくとも部分的に基づいて、1つ以上の対話イベント7が、分散制御システム5の現在の設計によって十分にカバーされていないタスクをプラントオペレータが実行していることを示すかどうかが決定される。そうである場合(真理値1)、ステップ140において、入力データは、分散制御システム5のためのアプリケーションコード3を生成したエンジニアリングツール2のための修正および/または拡張2aにマッピングされる。
方法110bの過程で、ステップ150において、状態変数6に基づいて、少なくとも1人のプラントオペレータが、プラント1の動作状態1aに応答してヒューマンマシンインターフェースを介して分散制御システム5上で開始する可能性が高い1つ以上の対話イベント7が、少なくとも1つの機械学習モデル8を使用して予測される。ステップ160において、1つ以上の予測された対話イベント7は、分散制御システム5のためのアプリケーションコード3を生成したエンジニアリングツール2のための修正および/または拡張2aにマッピングされる。
方法110aまたは100bのいずれかで実行されるマッピング140、160中に、ブロック141(161それぞれ)に従って、検出および/または予測されたアクションまたはアクションのシーケンスの結果と実質的に同様の結果を達成する所定の制御ライブラリ内の関数を決定することができる。ブロック142、162のそれぞれによれば、このアクションまたはアクションのシーケンスは、制御ライブラリ内の決定された関数への呼び出しと置き換えられてもよい。このようにして、プラントオペレータが、すでに利用可能なライブラリ関数が存在する何かを手動で行う場合、試験済みのライブラリ関数が使用される。
ブロック105によれば、方法100aおよび100bの両方に対して、エンジニアリングツール2が選択されてもよく、エンジニアリングツール2は、
・予め定められたのカタログ内のビルディングブロックから分散制御システム(5)を組み立て、ここで、少なくとも1つのそのようなビルディングブロックはプログラマブルロジックコントローラ(PLC)である、
・このPLCのための制御コードを含むアプリケーションコードを生成するように構成されている。
・予め定められたのカタログ内のビルディングブロックから分散制御システム(5)を組み立て、ここで、少なくとも1つのそのようなビルディングブロックはプログラマブルロジックコントローラ(PLC)である、
・このPLCのための制御コードを含むアプリケーションコードを生成するように構成されている。
方法100aおよび100bの両方の過程において、エンジニアリングツール2の修正2aは、ステップ170において、承認のために制御オペレータに提示されてもよい。承認が与えられた場合(真理値1)、エンジニアリングツール2は、ステップ180において、分散制御システム5のためのアプリケーションコード3を再生成することができる。ステップ190において、この再生成されたアプリケーションコード3は、分散制御システム5において実行されてもよい。この結果、産業プラント1は、再生成されたアプリケーションコード3において実施される更新された制御戦略に従って制御される。
この情報の流れは、方法100aについては図2aに、方法100bについては図2bにさらに詳述されている。
図2aによれば、分散制御システム5内のコントローラ4から、およびこの制御システム5から全体として状態変数6が取得される。また、制御システム5と対話する少なくとも1人のプラントオペレータの対話イベント7が取得される。状態変数6および1つ以上の対話イベント7に基づいて、方法100aのステップ130において、これが、プラントオペレータが分散制御システム5の現在の設計によって十分にカバーされていないタスクを実行していることを示すかどうかが決定される。方法100aのステップ140において、状態変数6および対話イベント7は、機械学習モデル、ルックアップテーブル、または任意の他の適切な手段を使用して、エンジニアリングツール2のために求められた修正および/または拡張2aにマッピングされる。この修正および/または拡張が実施されるとき、エンジニアリングツール2は、新しいアプリケーションコード3を生成することができ、次いで、新しいアプリケーションコード3は、分散制御システム5内のコントローラ4上で実行することができる。
図2bによれば、分散制御システム5内のコントローラ4から、およびこの制御システム5から全体として状態変数6が取得される。状態変数6に基づいて、少なくとも1つの機械学習モデル8は、少なくとも1人のプラントオペレータが分散制御システム5上で開始する可能性が高い1つ以上の対話イベント7を予測する。これらの予測された対話イベント7は、方法100bのステップ160において、エンジニアリングツール2のために求められた修正および/または拡張2aにマッピングされる。この修正および/または拡張が実施されるとき、エンジニアリングツール2は、新しいアプリケーションコード3を生成することができ、次いで、新しいアプリケーションコード3は、分散制御システム5内のコントローラ4上で実行することができる。
図3は、機械学習モデル8をトレーニングする方法200の一実施形態の概略フローチャートである。ステップ210において、少なくとも1つの産業プラント1の動作状態1aを特徴付ける状態変数6を有するトレーニング入力データのレコード6aが提供される。ステップ220において、少なくとも1人のプラントオペレータが前記動作状態1aに応答して分散制御システム5においてどの対話イベント7を開始したかに関するラベル9が提供される。
ステップ230において、トレーニング入力データのレコード6aは、トレーニングされるべき機械学習モデル8によって、少なくとも1人のプラントオペレータがトレーニング入力データにおける動作状態1aに応答して開始する1つ以上の対話イベント7の予測7’にマッピングされる。ステップ240において、予め定められたコスト関数10によって、この予測7’がトレーニング入力データのそれぞれのレコード6aのラベル9にどれだけ良好に対応するかが評価される。ステップ250において、機械学習モデル8の挙動を特徴付けるパラメータ8aは、トレーニング入力データのさらなるレコード6aが機械学習モデル8によって処理されるときに、これがコスト関数10によるより良い評価10aをもたらすという目標に向けて再最適化される。最終的に得られたパラメータ8aのトレーニングされた状態は、参照符号8a*でラベル付けされている。
参照符号のリスト
1 産業プラント
1a 産業プラント1の動作状態
2 分散制御システム5のためのエンジニアリングツール
2 エンジニアリングツール2のための修正/拡張
3 分散制御システム5のためのアプリケーションコード
4 分散制御システム5におけるコントローラ
5 分散制御システム
6 動作状態1aを特徴付ける状態変数
6a 状態変数を有するトレーニングデータレコード
7 プラントオペレータと制御システム5との間の対話イベント
7’ モデル8のトレーニング中の対話イベント7の予測
8 機械学習モデル
8a 機械学習モデル8の挙動を特徴付けるパラメータ
8a* パラメータ8aの最終的にトレーニングされた状態
9 トレーニングデータレコード6aのためのラベル
10 機械学習モデル8のトレーニングのためのコスト関数
10a コスト関数による評価
100a パターンに基づいて修正2aを取得する方法
100b 対話学習に基づいて修正2aを取得する方法
105 特定の分散制御システム5を選択
110 状態変数6を取得
120 対話イベント7を取得
130 カバーされていないタスクの実行を決定
140 修正/拡張2aへの入力データのマッピング
141 制御ライブラリ関数を決定
142 手動アクションの代わりにライブラリ関数を使用
150 対話イベント7を予測
160 予測された対話イベントを修正/拡張2aにマッピング
161 制御ライブラリ関数を決定
162 手動アクションの代わりにライブラリ関数を使用
170 制御エンジニアによる承認のために修正2aを提出
180 アプリケーションコード3を再生成
190 新しいアプリケーションコード3を実行
200 機械学習モデル8をトレーニングする方法
210 トレーニング入力データのレコード6aを提供
211 複数のプラント1からレコード6aを取得
220 ラベル9を提供
230 レコード6aを予測7’にマッピング
240 コスト関数10を使用する予測7’を評価
250 パラメータ8aを最適化
1 産業プラント
1a 産業プラント1の動作状態
2 分散制御システム5のためのエンジニアリングツール
2 エンジニアリングツール2のための修正/拡張
3 分散制御システム5のためのアプリケーションコード
4 分散制御システム5におけるコントローラ
5 分散制御システム
6 動作状態1aを特徴付ける状態変数
6a 状態変数を有するトレーニングデータレコード
7 プラントオペレータと制御システム5との間の対話イベント
7’ モデル8のトレーニング中の対話イベント7の予測
8 機械学習モデル
8a 機械学習モデル8の挙動を特徴付けるパラメータ
8a* パラメータ8aの最終的にトレーニングされた状態
9 トレーニングデータレコード6aのためのラベル
10 機械学習モデル8のトレーニングのためのコスト関数
10a コスト関数による評価
100a パターンに基づいて修正2aを取得する方法
100b 対話学習に基づいて修正2aを取得する方法
105 特定の分散制御システム5を選択
110 状態変数6を取得
120 対話イベント7を取得
130 カバーされていないタスクの実行を決定
140 修正/拡張2aへの入力データのマッピング
141 制御ライブラリ関数を決定
142 手動アクションの代わりにライブラリ関数を使用
150 対話イベント7を予測
160 予測された対話イベントを修正/拡張2aにマッピング
161 制御ライブラリ関数を決定
162 手動アクションの代わりにライブラリ関数を使用
170 制御エンジニアによる承認のために修正2aを提出
180 アプリケーションコード3を再生成
190 新しいアプリケーションコード3を実行
200 機械学習モデル8をトレーニングする方法
210 トレーニング入力データのレコード6aを提供
211 複数のプラント1からレコード6aを取得
220 ラベル9を提供
230 レコード6aを予測7’にマッピング
240 コスト関数10を使用する予測7’を評価
250 パラメータ8aを最適化
Claims (15)
- 産業プラント(1)の分散制御システム(5)内の1つ以上のコントローラ(4)上で実行されるとき、前記産業プラント(1)を、アプリケーションコード(3)内に実装された制御戦略に従って制御させる前記アプリケーションコード(3)を生成するように構成されたエンジニアリングツール(2)を修正及び/又は拡張するためのコンピュータ実装方法(100a)であって、前記方法が、
・少なくとも1つの産業プラント(1)の動作状態(1a)を特徴付ける状態変数(6)を取得すること(110)と、
・ヒューマンマシンインターフェースを介して前記産業プラント(1)の前記分散制御システム(5)と対話する少なくとも1人のプラントオペレータの対話イベント(7)のセットを取得すること(120)と、
・入力データとして、前記対話イベント(7)、前記状態変数(6)、及び任意選択で前記分散制御システム(5)の所定の設計情報に少なくとも部分的に基づいて、1つ以上の対話イベント(7)が、前記プラントオペレータが前記分散制御システム(5)の現在の設計によって十分にカバーされていないタスクを実行していることを示すかどうかを決定すること(130)と、
・この決定が肯定的である場合、前記アプリケーションコード(3)が前記修正及び/又は拡張されたエンジニアリングツール(2)によって再生成され、前記分散制御システム(5)において実行されるときに、前記プラントオペレータが前記分散制御システムと手動で対話する頻度が低くなるように、及び/又は前記分散制御システムと対話する時間が短くなるように、前記入力データを、前記分散制御システム(5)のための前記アプリケーションコード(3)を生成した前記エンジニアリングツール(2)のための修正及び/又は拡張(2a)にマッピングすること(140)と、を備える、方法(100a)。 - 前記分散制御システム(5)の現在の設計によって十分にカバーされていない前記タスクは、具体的には、
・前記分散制御システム(5)の現在の設計によってカバーされない動作問題に対するソリューションを手動で実行すること、及び/又は、
・等しい又は実質的に同様の動作状態(1a)から開始して1つ以上のアクションを繰り返し実行すること、及び/又は、
・少なくとも閾値頻度でアクセスするために少なくとも閾値数のステップを必要とする少なくとも1つの機能にアクセスすることを含む、請求項1に記載の方法(100)。 - 産業プラント(1)の分散制御システム(5)内の1つ以上のコントローラ(4)上で実行されるとき、前記産業プラント(1)を、アプリケーションコード(3)内に実装された制御戦略に従って制御させる前記アプリケーションコード(3)を生成するように構成されたエンジニアリングツール(2)を修正及び/又は拡張するためのコンピュータ実装方法(100b)であって、前記方法が、
・少なくとも1つの産業プラント(1)の動作状態(1a)を特徴付ける状態変数(6)を取得すること(110)と、
・前記状態変数(6)に基づいて、少なくとも1つのトレーニングされた機械学習モデル(8)を使用して、少なくとも1人のプラントオペレータが前記動作状態(1a)に応答してヒューマンマシンインターフェースを介して前記分散制御システム(5)上で開始する可能性が高い1つ以上の対話イベント(7)を予測すること(150)と、
・前記アプリケーションコード(3)が前記修正及び/又は拡張されたエンジニアリングツール(2)によって再生成され、前記分散制御システム(5)内で実行されるときに、前記プラントオペレータが前記分散制御システム(5)と手動で対話する頻度が低くなるように、及び/又は前記分散制御システム(5)と対話する時間が短くなるように、前記1つ以上の予測された対話イベント(7)を、前記分散制御システム(5)の前記アプリケーションコード(3)を生成した前記エンジニアリングツール(2)の修正及び/又は拡張(2a)にマッピングすること(160)とを備える、方法(100b)。 - 前記入力データは、
・前記分散制御システム(5)によって報告されるアラーム及びイベントと、
・前記産業プラント(1)のトポロジーモデルと、
・前記分散制御システム(5)のヒューマンマシンインターフェースのレイアウトと、
・前記分散制御システム(5)の制御ロジックとのうちの1つ以上をさらに含む、請求項1から3のいずれか一項に記載の方法(100a、100b)。 - 前記マッピングすること(140、160)は、
・検出及び/又は予測されたアクション又はアクションのシーケンスの結果と実質的に同様の結果を達成する所定の制御ライブラリ内の関数を決定すること(141、161)と
・前記エンジニアリングツール(2)のための前記修正及び/又は拡張(2a)において、前記検出及び/又は予測されたアクション又はアクションのシーケンスを、前記制御ライブラリ内の前記決定された関数への呼び出しと置き換えること(142、162)とを含む、請求項1から4のいずれか一項に記載の方法(100a、100b)。 - 前記修正及び/又は拡張(2a)は、
前記アプリケーションコード(3)が前記修正されたエンジニアリングツール(2)によって再生成され、前記分散制御システム(5)において実行されるときに、前記分散制御システム(5)のヒューマンマシンインターフェースにおいて、
・前記プラントオペレータによって以前に連続して繰り返し実行された一連のアクションが、この新しい制御要素の作動時に実行されるように現れる新しい制御要素、及び/又は、
・アクセスするために第2のより少ない数のステップを必要とするように、前記ヒューマンマシンインターフェース内で移動するようにアクセスするための第1の数のステップを以前に必要とした制御要素、
をもたらすように構成される、請求項1から5のいずれか一項に記載の方法(100a、100b)。 - 前記修正及び/又は拡張(2a)は、前記アプリケーションコード(3)が修正エンジニアリングツール(2)によって再生成され、前記分散制御システム(5)において実行されるときに、等しい又は実質的に同様の動作状態(1a)から開始して前記プラントオペレータによって以前に繰り返し実行された1つ以上のアクションを、特定の動作状態(1a)の発生に応答して自動的に実行させるように構成される、請求項1から6のいずれか一項に記載の方法(100a、100b)。
- エンジニアリングツール(2)が選択され(105)、前記エンジニアリングツール(2)は、
・予め定められたカタログ内のビルディングブロックから前記分散制御システム(5)を組み立て、ここで、少なくとも1つのそのようなビルディングブロックはプログラマブルロジックコントローラ(PLC)であり、
・このPLCのための制御コードを含むアプリケーションコードを生成するように構成される、請求項1から7のいずれか一項に記載の方法(100a、100b)。 - ・前記修正及び/又は拡張されたエンジニアリングツール(2)によって、前記分散制御システム(5)のためのアプリケーションコード(3)を再生成すること(180)と、
・前記分散制御システム(5)において前記再生成されたアプリケーションコード(3)を実行し(190)、それによって、前記再生成されたアプリケーションコード(3)において実装された前記制御戦略に従って前記産業プラント(1)を制御することと、をさらに備える、請求項1から8のいずれか一項に記載の方法(100a、100b)。 - 前記アプリケーションコード(3)を再生成する(180)前に、制御エンジニアが前記エンジニアリングツール(2)に対する前記修正及び/又は拡張(2a)の承認を促すこと(170)をさらに備える、請求項9に記載の方法(100a、100b)。
- 請求項3に記載の、及び任意選択で請求項4から10のいずれか一項に記載の方法(100b)で使用するための少なくとも1つの機械学習モデル(8)をトレーニングするためのコンピュータ実装方法(200)であって、前記方法が、
・前記少なくとも1つの産業プラント(1)の動作状態(1a)を特徴付ける状態変数(6)を有するトレーニング入力データのレコード(6a)を提供すること(210)と、
・前記動作状態(1a)に応答して、少なくとも1人のプラントオペレータが前記分散制御システム(5)においてどの対話イベント(7)を開始したかに関するラベル(9)を提供すること(220)と、
・前記機械学習モデル(8)によって、前記トレーニング入力データのレコード(6a)を、少なくとも1人のプラントオペレータが前記トレーニング入力データ内の前記動作状態(1a)に応答して開始する1つ以上の対話イベント(7)の予測(7’)にマッピングすること(230)と、
・予め定められたコスト関数(10)によって、前記機械学習モデル(8)による前記予測(7’)が前記トレーニング入力データのそれぞれのレコード(6a)の前記ラベル(9)にどの程度良好に対応するかを評価すること(240)と、
・前記機械学習モデル(8)の挙動を特徴付けるパラメータ(8a)を、トレーニング入力データのさらなるレコード(6a)が前記機械学習モデル(8)によって処理されるときに、これが前記コスト関数(10)によるより良好な評価(10a)をもたらすという目標に向けて最適化すること(250)と、を備える、方法(200)。 - 前記トレーニング入力データのレコード(6a)が、複数の産業プラント(1)から収集される(211)、請求項11に記載の方法(200)。
- 1つ以上のコンピュータによって実行されるとき、前記1つ以上のコンピュータに、請求項1から12のいずれか一項に記載の方法(100a、100b、200)を実行させる機械読取可能命令を含む、コンピュータプログラム。
- 請求項13に記載のコンピュータプログラムを有する、非一時的機械読取可能記憶媒体及び/又はダウンロード製品。
- 請求項13に記載のコンピュータプログラムを有する、並びに/又は、請求項14に記載の非一時的機械読取記憶媒体及び/若しくはダウンロード製品を有する、1つ以上のコンピュータ。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21156887.8A EP4043974B1 (en) | 2021-02-12 | 2021-02-12 | Improving the control strategy of distributed control systems based on operator actions |
EP21156887.8 | 2021-02-12 | ||
PCT/EP2022/050227 WO2022171369A1 (en) | 2021-02-12 | 2022-01-07 | Improving the control strategy of distributed control systems based on operator actions |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024507159A true JP2024507159A (ja) | 2024-02-16 |
Family
ID=74595192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023548679A Pending JP2024507159A (ja) | 2021-02-12 | 2022-01-07 | オペレータアクションに基づく分散制御システムの制御戦略の改善 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230384752A1 (ja) |
EP (1) | EP4043974B1 (ja) |
JP (1) | JP2024507159A (ja) |
CN (1) | CN116848475A (ja) |
WO (1) | WO2022171369A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103649859A (zh) | 2011-04-15 | 2014-03-19 | Abb技术有限公司 | 监视过程控制系统 |
EP3029535A3 (en) * | 2014-12-03 | 2016-07-13 | Rockwell Automation Technologies, Inc. | P&ID and control system synchronization |
US10606562B2 (en) * | 2015-06-04 | 2020-03-31 | Siemens Aktiengesellschaft | Method and system for generating PLC code with a connectivity model |
US20220191227A1 (en) * | 2019-04-02 | 2022-06-16 | Siemens Energy Global GmbH & Co. KG | User behavorial analytics for security anomaly detection in industrial control systems |
-
2021
- 2021-02-12 EP EP21156887.8A patent/EP4043974B1/en active Active
-
2022
- 2022-01-07 WO PCT/EP2022/050227 patent/WO2022171369A1/en active Application Filing
- 2022-01-07 JP JP2023548679A patent/JP2024507159A/ja active Pending
- 2022-01-07 CN CN202280014561.XA patent/CN116848475A/zh active Pending
-
2023
- 2023-08-11 US US18/448,523 patent/US20230384752A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230384752A1 (en) | 2023-11-30 |
EP4043974C0 (en) | 2024-04-03 |
WO2022171369A1 (en) | 2022-08-18 |
EP4043974B1 (en) | 2024-04-03 |
EP4043974A1 (en) | 2022-08-17 |
CN116848475A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11733662B2 (en) | Heuristic method of automated and learning control, and building automation systems thereof | |
US5997167A (en) | Programmable controller including diagnostic and simulation facilities | |
US5970243A (en) | Online programming changes for industrial logic controllers | |
JP6951101B2 (ja) | 情報処理装置、制御装置、情報処理装置の制御方法、制御プログラム、および記録媒体 | |
JP7162560B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、およびゴミ焼却プラント | |
CN101395577A (zh) | 用于评估的方法、自动化系统和控制器 | |
JP2012506578A (ja) | 加工設備の制御装置および制御方法 | |
US8793668B2 (en) | Protocol independent programming environment | |
JPWO2013168224A1 (ja) | プログラマブルロジックコントローラ、プログラミングツール及びプログラム・パラメータ編集システム | |
WO2020020946A1 (en) | Maintenance management system for assisting operator to rectify faults in a plant | |
CN116643823A (zh) | 一种生产流程中资源数据的可视化配置方法、设备及介质 | |
JP2024507159A (ja) | オペレータアクションに基づく分散制御システムの制御戦略の改善 | |
CN113348413A (zh) | 针对工业工厂的模块化模型预测控制 | |
JP5977373B2 (ja) | オートメーションおよび/または電気工学プロジェクトにおける作業フローを自動処理するためのシステムおよび方法 | |
CN101539766B (zh) | 一种程序调试方法和装置 | |
JP7065969B2 (ja) | 実生産プロセスを制御するための方法および制御システム | |
WO2020182761A1 (en) | Intent-based automation engineering method | |
CN117349203B (zh) | 一种控制数据处理方法及装置 | |
CN114355853B (zh) | 一种工控数据取证方法、装置、电子设备及存储介质 | |
US11507567B2 (en) | Framework for managing tag bundles | |
WO2024096011A1 (ja) | シーケンスプログラムの編集プログラム | |
US20230091191A1 (en) | Method for Parameterising at Least One Device | |
JP5076785B2 (ja) | プラント運用計画装置、そのプログラム | |
US20040205756A1 (en) | Method for automatically obtaining an operational sequence of processes and a corresponding tool therefor | |
JP2957561B1 (ja) | 生産ライン管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230810 |