JP6688902B2 - 制御モデルに基づいて技術システムを制御するための方法および装置 - Google Patents

Description

例えばガスタービン、風力タービン又は製造設備のような複雑な技術システムを制御する場合、通常は予め定められた基準に関してシステム挙動を最適化することが望ましい。このために現代の制御はしばしば機械学習技術を使用する。例えば、制御モデルとしてのニューラルネットワークは、技術システムをさまざまな基準に関して最適化するために、トレーニングすることができる。

しかし、特に大型設備の制御は、使用される制御システムの安全性および柔軟性に関して高度の要求をし、多くの事例で、それらの制御システムは複雑な認証プロセスを経なければならない。しかし、これは、一般に学習ベースの制御システムの使用を困難にする。というのは、それらの制御システムの内部的な相互作用は、外部から理解し難く、しかもトレーニング状態に依存して変化し得るからである。さらに、さまざまの実装要件を伴う多くの制御モデルが存在する。従って、特に大型の技術システムにおいて学習ベースの制御モデルを使用することはしばしば困難である。

本発明の課題は、学習ベースの制御モデルのより柔軟な使用を可能にする、技術システムを制御するための方法および装置を提供することにある。

この課題は、請求項１の特徴事項を有する方法によって、請求項１２の特徴事項を有する装置によって、請求項１３の特徴事項を有するコンピュータプログラム製品によって、ならびに請求項１４の特徴事項を有するコンピュータ読取可能な記憶媒体によって解決される。

トレーニングされたおよび／またはトレーニング可能な制御モデルに基づいて技術システムを制御するために、データコンテナが受信され、該データコンテナでは、トレーニング構造を有する制御モデルとモデルタイプ情報とが、全てのモデルタイプにわたって符号化されている。この場合に、トレーニング構造は、特に、トレーニングされた、トレーニング可能な、学習能力のあるおよび／またはトレーニングの際に形成される構造、および／または制御モデルのトレーニング状態に関係し得る。この場合に、トレーニングとは、特に、１つ以上の目標変数への制御モデルの入力パラメータのマッピングをトレーニング段階中に所定の基準に従って最適化することであると理解すべきである。このようなトレーニングは、ニューラルネットワークのトレーニング、分析モデル又は統計モデルの回帰、および／または別の種類のパラメータフィッティングによって実現することができる。本発明によれば、モデルタイプ情報に応じて、複数のモデルタイプ固有の実行モジュールの１つが技術システムのために選択される。さらに、モデルタイプ情報に応じて、技術システムの運転データチャネルが制御モデルの入力チャネルに割り当てられる。技術システムの運転データが、各運転データチャネルを介して取得されて、当該運転データチャネルに割り当てられた入力チャネルを介して制御モデルに送信される。制御モデルが、選択された実行モジュールによって実行され、送信された運転データからトレーニング構造に従って制御データが導出され、該制御データが技術システムを制御するために出力される。制御データとして、制御関連の予測データおよび／または監視データも出力することができる。

本発明による方法を実施するために、制御装置、コンピュータプログラム製品ならびにコンピュータ読取可能な記憶媒体が設けられている。

本発明の利点は、モデルタイプ固有の実行モジュールによって、技術システムの制御構造を、異なる制御モデルタイプの固有の要求から大々的に切り離すことができることにある。これは全く異なる制御モデルのより簡単かつ柔軟な実装を可能にする。特に、異なる制御モデルを同一の技術システム上で自動的に実行することができ、かつ同一の制御モデルを異なる技術システム上で自動的に実行することができる。モデルタイプ固有に運転データチャネルを入力チャネルに割り当てることによって、制御モデルを運転データによりタイプに応じて制御することができる。

本発明の有利な実施形態および発展形態は従属請求項に記載されている。

好ましくは、制御モデルがニューラルネットワーク、データ駆動型のリグレッサ、サポートベクターマシンおよび／または決定木を含む。前述の実装部分はそれぞれトレーニング構造を備えており、固有のモデルタイプ情報によって識別することができる。

本発明の有利な実施形態に従って、制御モデルがデータコンテナ内に暗号化された形態で存在し、技術システムによって少なくとも部分的に解読されるとよい。このようにして制御モデルを送信および保存の際に権限のないアクセスから保護することができる。

好ましくは、制御モデルの実行のために復号および／または解読された制御モデル部分に基づいて制御モデルのモデル構造を導出するのを防止又は困難にするように、制御モデルが符号化および／または暗号化されている。モデル構造は、例えばニューラルネットワークのトレーニング構造および／または固有の層構造、ノード構造、網目状構造又は重み構造に関連し得る。この場合に、制御モデルは次のように暗号化されるとよい。即ち、実行に関係する制御モデル部分のみは技術システムによって解読できるが、固有のモデル構造は殆ど隠されたままであるように暗号化されるよい。従って、ニューラルネットワークでは実行可能な計算ルーチンのみが符号化されるとよく、これから固有のネットワーク構造を導き出すことは困難である。従って、制御モデルは、実質的にはブラックボックスとして実施することができる。この種の符号化もしくは暗号化によって、モデル構造内に含まれているノウハウを保護することができる。

さらに、データコンテナ内の制御モデルは、ディジタル署名を備えており、このディジタル署名は、例えば技術システムによってチェックされる。そのチェック結果に応じて、制御モデルを実行することができる。このようにして、制御モデルのインテグリティを保証することができる。特に、制御モデルの作成、トレーニングおよび／または変更は、明確に、責任ある部署に帰属させることができる。

さらに、データコンテナは、制御モデルのトレーニングに関するトレーニング情報を含むことができる。制御モデルの実行および／または実行モジュールの選択は、トレーニング情報に応じて行うとよい。トレーニング情報は、特に制御モデルの行われた又は後続のトレーニング過程に関連するとよい。

本発明の有利な実施形態に従って、運転データチャネルおよび入力チャネルにそれぞれデータタイプ、物理的次元、値範囲および／または二次的条件を割り当てることができる。各入力チャネルに各運転データチャネルを割り当てる際に、割り当てられたデータタイプ、物理的次元、値範囲および／または二次的条件が互換性であるかどうかをチェックすることができる。物理的次元として、例えばメートル、秒、グラム又はこれらのうちからの組合せを割り当てることができる。このようにして、多くの場合に、制御モデルが正し
い運転データで制御されることを保証することができる。代替的に又は追加的に、実行中に制御モデルの正しい制御を保証するために、取得された運転データを、データタイプ、物理的次元、値範囲および／または二次的条件に関してチェックすることができる。

さらに、制御データが、値範囲、値変化および／または二次的条件に関してチェックされるとよい。トレーニングされた制御モデルの場合には入力データへの出力データの依存性が通常明確に知られてなく、またモデルエラーがしばしば排除できないため、予め与えられた二次的条件をチェックすることによって、誤制御をしばしば回避することができる。

本発明の有利な発展形態に従って、複数のランタイム環境固有のアダプタがそれぞれ１つのランタイム環境に割り当てられるとよい。アダプタは、割り当てられたランタイム環境に実行モジュールを適応させるために使用される。さらに、技術システムの１つのランタイム環境に関する環境情報が取得され、その取得された環境情報に応じて、技術システムの当該ランタイム環境に割り当てられたアダプタを選択することができる。その際に、選択された実行モジュールは、選択されたアダプタを介して当該ランタイム環境に結合することができる。このようにして、実行モジュールおよび制御モデルは、殆どそれぞれのランタイム環境に依存せずに作成して実装することができる。従って、アダプタは、殆ど制御モデルのタイプに依存せずに開発して実装することができる。従って、制御モデルとランタイム環境とは、実質的に切り離されており、それによって開発プロセスおよび／または実装プロセスをしばしば著しく簡単化することができる。

さらに、選択されたアダプタは、技術システムのランタイム環境の能力に関する能力情報を提供することができる。その能力情報に応じて、制御モデルとランタイム環境との互換性をチェックして、それに応じて制御モデルを実行することができる。このようにして、制御モデルの自動的な実装を簡単化することができる。

以下において、図面を参照して本発明の実施例をさらに詳細に説明する。

図１は符号化された制御モデルを有する本発明によるデータコンテナを示す概略図である。 図２は本発明による制御装置を有する技術システムを示す概略図である。 図３は制御モデルを用いて運転データから制御データを導出する例を示す概略図である。 図４は制御モデルとランタイム環境との協働の例を示す概略図である。

図１に、符号化された、トレーニングされたおよび／またはトレーニング可能な制御モデルＳＭを有する本発明によるデータコンテナＤＣが概略的に示されている。制御モデルＳＭは、技術システム又はそのうちの一部分の物理的な、調節技術的なおよび／または確率論的な動力学又はその他の相互作用をシミュレートするために使用される。制御モデルＳＭは、ニューラルネットワーク、データ駆動型のリグレッサ、サポートベクターマシン、決定木および／または他の分析モデル又はそれらの組み合わせを含むことができる。制御モデルＳＭは、データコンテナＤＣにおいて全てのモデルタイプにわたって符号化されており、例えばいわゆるＰＭＭＬフォーマット（ＰＭＭＬ：Predictive Model Markup Language、予測モデルマークアップ言語）又は独自仕様のフォーマットで符号化されている。

この実施例では、制御モデルＳＭは、送信および保存の際のデータ保護のために、付加的に暗号化されている。さらに制御モデルＳＭはトレーニング構造ＴＳＲを有する。トレーニング構造ＴＳＲは、学習能力のある構造を、好ましくは予めトレーニングされたトレーニング状態で含む。ニューラルネットワークの場合、トレーニング構造ＴＳＲは、例えばニューロンの網目状構造と、ニューロン間の結合の重みとを含み得る。データ駆動型のリグレッサの場合、トレーニング構造ＴＳＲはリグレッサモデルの係数を含むことができる。トレーニング構造ＴＳＲは、制御モデルＳＭの実行済のトレーニングにも、今後のトレーニングにも関係し得る。

さらに、データコンテナＤＣは、技術メタデータＴＭとモデルメタデータＭＭとを含んでいる。

技術メサデータＴＭは、この実施例では、モデルタイプ情報ＭＴＩとトレーニング情報ＴＩと入出力コントラクトデータＩＯＣとを含む。さらに、技術メサデータＴＭは、例えば制御モデルＳＭの作成時間のようなコンテキスト情報、計画したターゲットシステムに関する情報、および／または、ランタイム環境に対する制御モデルＳＭの要求に関する、例えばリアルタイム能力、並列化可能性、計算資源および／または異なる実行モデルとの互換性に関する情報を含んでいる。

モデルタイプ情報ＭＴＩは、全てのモデルタイプにわたって符号化されており、制御モデルＳＭのタイプを表す。その場合に、例えば、制御モデルＳＭが、ニューラルネットワークに基づくかどうか、データ駆動型のリグレッサに基づくかどうか、サポートベクターマシンに基づくかどうか、決定木に基づくかどうか、および／またはそれらのうちの組み合わせに基づくかどうかを表すことができる。さらに、制御モデルＳＭの入力変数および／または出力変数、ならびに制御モデルＳＭのその他の個別の要求、能力および／または特性を表すことができる。

トレーニング情報ＴＩは、制御モデルＳＭの実行されたトレーニングプロセスおよび／または後続のトレーニングプロセスおよび／またはトレーニング状態を表す。

入出力コントラクトデータＩＯＣは、制御モデルＳＭの動作特性に二次的条件を設定するいわゆる入出力コントラクトを指定する。入出力コントラクトデータＩＯＣによって、例えば値範囲、値変化、値変化速度、および／または制御モデルＳＭの入力データおよび／または出力データのデータタイプのような予め与えられた二次的条件を規定することができる。通常は使用者判読ができないトレーニング構造を有する制御モデルＳＭの所望の動作特性をチェック可能な方法で保証するために、有利には、出力コントラクトデータＩＯＣが使用者判読可能なフォーマットで表されるとよい。

この実施例において、モデルメタデータＭＭは、制御モデルＳＭの作成、トレーニングおよび／または変更をした者および／または部署の１つ以上のディジタル署名ＳＩＧを含んでいる。

さらに、モデルメタデータＭＭは、制御モデルＳＭのバージョン情報、権利情報、ソースおよび／またはターゲットシステムに関する情報を含むことができる。さらに、モデルメタデータＭＭには、例えば監視、予測および／または制御をするために、有効期間に関するデータ、必要なデータ処理資源に関するデータ、および／または許容可能又は実現可能な適用分野に関するデータが含まれ得る。

図２は、技術システムＴＳ用の本発明による制御装置ＣＴＬを有する技術システムＴＳを概略図で示す。技術システムＴＳは、例えば発電所、生産設備、ガスタービン等であってよい。

技術システムＴＳは、技術システムＴＳのデータ処理および制御をするためのランタイム環境ＲＥを持っている。このようなランタイム環境（ここではＲＥである）は、オペレーティングシステム、クラウド／クラスタミドルウェアおよび／またはデータ処理環境を含む。このための例が、Ｈａｄｏｏｐ／ＨＩＶＥフレームワークを有するＬｉｎｕｘ（登録商標）クラスタ、クラスタストリームプロセッシング環境又はマルチコアストリームプロセッシング環境である。

制御装置ＣＴＬ、例えばガスタービンの制御システムは、制御装置ＣＴＬの全ての方法ステップを実行するために、１つ以上のプロセッサＰＲＯＣと、モデル実行システムＭＥＳとを含んでいる。モデル実行システムＭＥＳは、この実施例では、制御装置ＣＴＬ内に実装されているが、それに代えて又はそれに追加して少なくとも部分的に、例えば１つのクラウド内に実装されていてもよい。モデル実行システムＭＥＳは、複数の制御モデルとランタイム環境ＲＥとの間の抽象化層として使用することができる。モデル実行システムＭＥＳは、複数の実行モジュールＥＭ１，ＥＭ２，ＥＭ３と複数のアダプタＡＤ１およびＡＤ２とを含む。

実行モジュールＥＭ１，ＥＭ２，ＥＭ３は、技術システム上でもしくは技術システムのために、トレーニングされたおよび／またはトレーニング可能な制御モデルの実行、インストール、初期化および／または解析をするために使用される。 実行モジュールＥＭ１，ＥＭ２，ＥＭ３は、それぞれ制御モデルタイプに固有である。この種の実行モジュールは、しばしばインタプリタとも称せられる。

アダプタＡＤ１およびＡＤ２は、実行モジュール（ここではＥＭ１，ＥＭ２，ＥＭ３）を異なるランタイム環境に適応させるために使用される。アダプタＡＤ１およびＡＤ２は、それぞれランタイム環境に固有である。

ランタイム環境固有の１つのアダプタを選択するために、モデル実行システムＭＥＳが、技術システムＴＳ内に存在するランタイム環境ＲＥから、ランタイム環境ＲＥを記述する環境情報ＥＩを取得する。その取得された環境情報ＥＩに応じて、モデル実行システムＭＥＳがアダプタＡＤ１，ＡＤ２のうちの１つを選択する。その選択されたアダプタは、環境情報ＥＩによって記述されたランタイム環境（ここではＲＥ）に固有であって、当該ランタイム環境に適している。この実施例では、アダプタＡＤ２が、現在のランタイム環境ＲＥに適していることが判明しており、それゆえ選択されて、そのランタイム環境ＲＥに結合される。

それに従って、選択されたアダプタＡＤ２は、ランタイム環境ＲＥに固有の能力に関する能力情報ＣＩを提供し、この能力情報ＣＩに基づいて、モデル実行システムＭＥＳによって制御モデルとランタイム環境ＲＥとの互換性をチェックすることができる。

技術システムＴＳを制御するために、モデル実行システムＭＥＳは、それぞれ図１に示されているように構成されている異なるデータコンテナＤＣ１およびＤＣ２を受信する。データコンテナＤＣ１およびＤＣ２は、それぞれ固有の制御モデルＳＭ１もしくはＳＭ２を含んでいる。好ましくは、データコンテナＤＣ１およびＤＣ２は、技術システムＴＳへ固有の情報として送信される。

制御モデルＳＭ１およびＳＭ２は、それぞれ図１との関連で説明したように構成されており、技術システムＴＳ又はその一部の種々の物理的な、調節技術的な、確率的なおよび／またはその他の相互作用のシミュレートするために使用される。制御モデルＳＭ１およびＳＭ２はそれぞれ技術システムの特定部分、特定調節タスク、特定制御タスクおよび／または特定シミュレーションタイプに固有であることが好ましい。制御モデルＳＭ１およびＳＭ２は、それぞれ全てのモデルタイプにわたって符号化されている。

データコンテナＤＣ１およびＤＣ２により、それぞれ制御モデルＳＭ１もしくはＳＭ２のためのモデルタイプ情報ＭＴＩ１もしくはＭＴＩ２が、モデル実行システムＭＥＳに送信される。ＭＴＩ１およびＭＴＩ２は、それぞれ制御モデルＳＭ１もしくはＳＭ２のモデルタイプを表し、それぞれ図１との関連で説明したように構成することができる。

データコンテナＤＣ１およびＤＣ２の受信後に、モデル実行システムＭＥＳは、これらのデータコンテナを解凍して、ディジタル署名をチェックする。チェック結果が否定的である場合、関連する制御モデルＳＭ１もしくはＳＭ２のさらなる処理は抑制される。さらに、モデル実行システムＭＥＳは、各制御モデルＳＭ１もしくはＳＭ２について、それの技術メタデータと能力情報ＣＩとに基づいて、各制御モデルＳＭ１もしくはＳＭ２がランタイム環境ＲＥと互換性があるかを、またどの程度まで互換性があるかをチェックする。それに応じて、各制御モデルＳＭ１もしくはＳＭ２のさらなる処理が行われる。

さらに、モデル実行システムＭＥＳは、暗号化された制御モデルＳＭ１およびＳＭ２を解読する。その際に、好ましくは、制御モデルは確かに実行できるが、しかし制御モデルのモデル構造は妥当な費用では導出できないように、各制御モデルの実行関連部分のみが解読される。

さらに、モデル実行システムＭＥＳは、各制御モデルＳＭ１，ＳＭ２のために、モデルタイプ情報ＭＴＩ１もしくはＭＴＩ２に基づいて、また場合によっては他の技術メタデータに基づいて、各制御モデルに固有の実行モジュールを選択する。この実施例では、制御モデルＳＭ１のために実行モジュールＥＭ１が、また制御モデルＳＭ２のために実行モジュールＥＭ２が選択されて割り当てられる。しかる後に、モデル実行システムＭＥＳが、選択されたアダプタＡＤ２を介して、選択された実行モジュールＥＭ１およびＥＭ２を、ランタイム環境ＲＥに結合する。

技術システムＴＳの運転データを処理するために、モデル実行システムＭＥＳは、制御モデルＳＭ１および／またはＳＭ２をランタイム環境ＲＥ上で実行する。その際に、モデル実行システムＭＥＳは、各制御モデルＳＭ１もしくはＳＭ２の実行を、それぞれ割り当てられた実行モジュールＥＭ１もしくはＥＭ２に委ねる。各制御モデルＳＭ１もしくはＳＭ２の実行中に、各制御モデルＳＭ１もしくはＳＭ２の入出力コントラクトデータに基づいて、それによって指定された入出力コントラクトの順守が監視されて保証される。

図３は、結合されたアダプタＡＤを用いて実行モジュールＥＭによって技術システムＴＳ上で実行される制御モデルＳＭにより、技術システムＴＳの運転データＢＤから制御データＣＤを導出する例を示す。図を分かり易くする理由から、同一の技術システムＴＳが図３の両側に概略的に示されている。技術システムＴＳ、制御モデルＳＭならびにアダプタＡＤは、好ましくは、図１および図２との関連で説明したように構成されている。

制御モデルＳＭは、トレーニング構造ＴＳＲを有するニューラルネットワークＮＮを用いて実装されている。

技術システムＴＳは、技術システムＴＳの運転データＢＤを取得するためのセンサＳを持っている。運転データＢＤは、例えば、技術システムＴＳの物理的な、調節技術的な、および／または構造形式に依存した運転変数、特性、デフォルト値、状態データ、システムデータ、制御データ、センサデータおよび／または測定値であり得る。特に、運転データＢＤはセンサＳからではないデータも含み得る。

運転データＢＤは、技術システムＴＳの固有の運転データチャネルＢＤＣを介して取得される。この場合に、運転データチャネルＢＤＣは、運転データＢＤのデータタイプ、物理的次元、出所、機能および／またはその他の特性に対して固有である。

制御モデルＳＭは、制御モデルＳＭの異なる入力パラメータ又は入力データが割り当てられている異なる入力チャネルＩＣを有する。入力チャネルＩＣは、入力パラメータもしくは入力データのパラメータタイプ、物理的次元に、出所、機能および／またはその他の特性に対して固有である。

入力チャネルＩＣと運転データチャネルＢＤＣとの間では、次の割り当てＩＭＡＰが行なわれる。即ち、この割り当てＩＭＡＰでは、各入力チャネルＩＣに、モデルタイプ情報ＭＴＩに基づいて、また場合によっては入出力コントラクトデータＩＯＣに基づいて、それぞれ運転データチャネルＢＤＣのうちの１つが割り当てられる。割り当てＩＭＡＰは、モデル実行システムＭＥＳによって、好ましくは選択された実行モジュールＥＭを用いて行われる。

運転データチャネルＢＤＣおよび入力チャネルＩＣにそれぞれ割り当てられたデータタイプ、物理的次元、値範囲および／または二次的条件に基づいて、入力チャネルＩＣの割り当てられたデータタイプ、物理的次元、値範囲もしくは二次的条件と、運転データチャネルＢＤＣの割り当てられたデータタイプ、物理的次元、値範囲もしくは二次的条件とに互換性があるかどうかが、モデル実行システムＭＥＳによってチェックされる。互換性がない場合には、制御モデルＳＭの実行が抑制される。

運転データチャネルＢＤＣを介して取得された運転データＢＤは、割り当てられた入力チャネルＩＣを介して、入力データとして制御モデルＳＭに供給される。モデル実行システムＭＥＳは、選択された実行モジュールＥＭにより制御モデルＳＭを実行し、その際に、送信された運転データＢＤから、トレーニング構造ＴＳＲに従って制御データＣＤが導出される。制御データＣＤは、制御モデルＳＭの出力データとして出力される。この場合、制御データＣＤは、技術システムＴＳを制御するために使用され、特に制御に関連のある予測データおよび監視データでもあり得る。

制御データＣＤは、制御モデルＳＭの異なる出力パラメータに割り当てられた制御モデルＳＭの固有の出力チャネルＯＣを介して出力される。これらの出力チャネルＯＣは、それらを介して出力される制御データＣＤのパラメータタイプ、用途、目的および／または制御機能に対して、それぞれ固有である。

モデル実行システムＭＥＳは、好ましくは、選択された実行モジュールＥＭによって、技術システムの複数の制御チャネルＣＤＣの１つへの各出力チャネルＯＣの割り当てＯＭＡＰを実行する。その割り当ては、モデルタイプ情報ＭＴＩに応じて、また場合によっては入出力コントラクトデータＩＯＣに応じて行われる。その割り当てＯＭＡＰでは、制御チャネルＣＤＣおよび出力チャネルＯＣの割り当てられたデータタイプ、物理的次元、値範囲等が互いに互換性であるかどうかがチェックされる。互換性でない場合には、制御モデルＳＭの実行が抑制される。

制御モデルＳＭの実行中に、モデル実行システムＭＥＳによって、入出力コントラクトデータＩＯＣに基づいて当該入出力コントラクトデータの順守が監視および保証される。

図４は異なる制御モデルＳＭ１，・・・，ＳＭＭと異なるランタイム環境ＲＥ１，・・・，，ＲＥＮとの協働の例を示す。

ランタイム環境ＲＥ１，・・・，，ＲＥＮは、それぞれ複数のランタイム環境固有のアダプタのＡＤ１，・・・，もしくはＡＤＮを介してモデル実行システムＭＥＳに上述のように結合されている。さらに、制御モデルＳＭ１，・・・，ＳＭＭが、それぞれ複数のモデルタイプ固有の実行モジュールのＥＭ１，・・・，もしくはＥＭＭを介して上述のようにモデル実行システムＭＥＳに結合されている。

ランタイム環境のＲＥ１，・・・，もしくはＲＥＮにおける運転データの到達、又はこれらのランタイム環境の１つによるこれらの運転データの取得は、運転データのデータ駆動型の処理を次によって引き起こす。即ち、ランタイム環境に固有のアダプタＡＤ１，・・・，もしくはＡＤＮと、モデルタイプに固有の実行モジュールＥＭ１，・・・，もしくはＥＭＭとを介して、制御モデルＳＭ１，・・・，もしくはＳＭＭに対して、取得されたランタイム環境ＲＥ１，・・・，もしくはＲＥＮの処理を委任ＤＢＤすることによって引き起こす。この場合、委任ＤＢＤはモデル実行システムＭＥＳによって仲介される。

各制御モデルＳＭ１，・・・，もしくはＳＭＭによって導出された制御データの出力は、モデル実行システムＭＥＳによって仲介される技術システムの制御プロセスの委任ＤＣＤを引き起こす。委任ＤＣＤは、各制御モデルＳＭ１，・・・，もしくはＳＭＭから、各割り当てられたモデルタイプ固有の実行モジュールＥＭ１，・・・，もしくはＥＭＭと、各ランタイム環境に固有のアダプタＡＤ１，・・・，もしくはＡＤＮとを介して、割り当てられたランタイム環境ＲＥ１，・・・，もしくはＲＥＮに対して行われ、当該ランタイム環境が制御データに基づいて技術システムＴＳを制御する。

ＡＤ，ＡＤ１，・・・，ＡＤＮ アダプタ
ＢＤ 運転データ
ＢＤＣ 運転データチャネル
ＣＤ 制御データ
ＣＤＣ 制御チャネル
ＣＩ 能力情報
ＣＴＬ 制御装置
ＤＣ，ＤＣ１，ＤＣ２ データコンテナ
ＥＩ 環境情報
ＥＭ，ＥＭ１，ＥＭ３ 実行モジュール
ＩＣ 入力チャネル
ＩＭＡＰ 割り当て
ＩＯＣ 入出力コントラクトデータ
ＭＥＳ モデル実行システム
ＭＭ モデルメタデータ
ＭＴＩ，ＭＴＩ１，ＭＴＩ２ モデルタイプ情報
ＮＮ ニューラルネットワーク
ＯＣ 出力チャネル
ＯＭＡＰ 割り当て
ＰＲＯＣ プロセッサ
ＲＥ，ＲＥ１，ＲＥ２ ランタイム環境
Ｓ センサ
ＳＩＧ ディジタル署名
ＳＭ，ＳＭ１，ＳＭ２ 制御モデル
ＴＩ トレーニング情報
ＴＭ 技術メタデータ
ＴＳ 技術システム
ＴＳＲ トレーニング構造

Claims (12)

1. トレーニングされた制御モデル（ＳＭ，ＳＭ１，ＳＭ２）およびトレーニング可能な制御モデル（ＳＭ，ＳＭ１，ＳＭ２）の少なくとも一方に基づいて技術システム（ＴＳ）を制御するための方法であって、プロセッサ（ＰＲＯＣ）によって、
   ａ）データコンテナ（ＤＣ，ＤＣ１，ＤＣ２）が受信され、該データコンテナ（ＤＣ，ＤＣ１，ＤＣ２）では、トレーニング構造（ＴＳＲ）を有する制御モデル（ＳＭ，ＳＭ１，ＳＭ２）と、モデルタイプ情報（ＭＴＩ，ＭＴＩ１，ＭＴＩ２）とが、全てのモデルタイプにわたって符号化されており、
   ｂ）前記モデルタイプ情報（ＭＴＩ，ＭＴＩ１，ＭＴＩ２）に応じて、複数のモデルタイプ固有の実行モジュール（ＥＭ１，ＥＭ２，ＥＭ３）のうちから１つが前記技術システム（ＴＳ）のために選択され、
   ｃ）前記モデルタイプ情報（ＭＴＩ，ＭＴＩ１，ＭＴＩ２）に応じて、前記技術システム（ＴＳ）の運転データチャネル（ＢＤＣ）が前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）の入力チャネル（ＩＣ）に割り当てられ、
   ｄ）前記技術システム（ＴＳ）の運転データ（ＢＤ）が、各運転データチャネル（ＢＤＣ）を介して取得されて、当該運転データチャネル（ＢＤＣ）に割り当てられた入力チャネル（ＩＣ）を介して前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）に送信され、
   ｅ）前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）が、前記選択された実行モジュール（ＥＭ１，ＥＭ２）によって実行され、前記送信された運転データ（ＢＤ）から前記トレーニング構造（ＴＳＲ）に従って制御データ（ＣＤ）が導出され、
   ｆ）前記制御データ（ＣＤ）が前記技術システム（ＴＳ）を制御するために出力され、
   割り当てられるランタイム環境（ＲＥ）に実行モジュール（ＥＭ１，ＥＭ２，ＥＭ３）を適応させるために、複数のランタイム環境固有のアダプタ（ＡＤ，ＡＤ１，ＡＤ２）が、それぞれ１つのランタイム環境（ＲＥ）に割り当てられており、
   前記技術システム（ＴＳ）の１つのランタイム環境（ＲＥ）に関する環境情報（ＥＩ）が取得され、
   前記取得された環境情報（ＥＩ）に応じて、前記技術システム（ＴＳ）の前記ランタイム環境（ＲＥ）に割り当てられた１つのアダプタ（ＡＤ２）が選択され、
   前記選択されたアダプタ（ＡＤ２）を介して、前記選択された実行モジュール（ＥＭ１，ＥＭ２）が前記ランタイム環境（ＲＥ）に結合され、
   前記選択されたアダプタ（ＡＤ２）が、前記技術システム（ＴＳ）の前記ランタイム環境（ＲＥ）の能力に関する能力情報（ＣＩ）を提供し、
   前記能力情報（ＣＩ）に応じて、前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）と前記ランタイム環境（ＲＥ）との互換性がチェックされ、それに応じて前記制御モデルが実行される、
   制御モデルに基づいて技術システムを制御するための方法。
2. 前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）が、ニューラルネットワーク、データ駆動型のリグレッサ、サポートベクターマシンおよび決定木の少なくとも１つを含むことを特徴とする請求項１記載の方法。
3. 前記データコンテナ（ＤＣ，ＤＣ１，ＤＣ２）内の前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）が、暗号化された形態で存在し、前記技術システム（ＴＳ）によって少なくとも部分的に解読されることを特徴とする請求項１又は２記載の方法。
4. 前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）を実行するために復号および解読の少なくとも一方がなされた制御モデル部分に基づいて前記制御モデルのモデル構造を導出することを防止又は困難にするように、前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）が符号化および暗号化の少なくとも一方がなされていることを特徴とする請求項１から３のいずれか１項に記載の方法。
5. 前記データコンテナ（ＤＣ，ＤＣ１，ＤＣ２）内の制御モデル（ＳＭ，ＳＭ１，ＳＭ２）にディジタル署名（ＳＩＧ）が設けられており、
   前記ディジタル署名（ＳＩＧ）がチェックされ、
   前記チェックの結果に応じて前記制御モデルが実行されることを特徴とする請求項１から４のいずれか１項に記載の方法。
6. 前記データコンテナ（ＤＣ，ＤＣ１，ＤＣ２）が、前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）のトレーニングに関するトレーニング情報（ＴＩ）を含み、
   前記トレーニング情報（ＴＩ）に応じて、前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）の実行および前記実行モジュール（ＥＭ１，ＥＭ２）の選択の少なくとも一方が行われることを特徴とする請求項１から５のいずれか１項に記載の方法。
7. 運転データチャネル（ＢＤＣ）および入力チャネル（ＩＣ）にそれぞれデータタイプ、物理的次元、値範囲および二次的条件の少なくとも１つが割り当てられており、各入力チャネル（ＩＣ）への各運転データチャネル（ＢＤＣ）の割り当ての際に、割り当てられたデータタイプ、物理的次元、値範囲および二次的条件の少なくとも１つに互換性があるかどうかチェックされることを特徴とする請求項１から６のいずれか１項に記載の方法。
8. 前記制御データ（ＣＤ）が値範囲、値変化および二次的条件の少なくとも１つに関してチェックされることを特徴とする請求項１から７のいずれか１項に記載の方法。
9. 前記制御モデル（ＳＭ，ＳＭ１，ＳＭ２）が、前記送信された運転データ（ＢＤ）に基づいて、定期的に追加トレーニングされるか、又は連続的にトレーニングされることを特徴とする請求項１から８のいずれか１項に記載の方法。
10. 請求項１から９のいずれか１項に記載の方法を実施するように構成されている、トレーニングされた制御モデル（ＳＭ，ＳＭ１，ＳＭ２）およびトレーニング可能な制御モデル（ＳＭ，ＳＭ１，ＳＭ２）の少なくとも一方に基づいて技術システム（ＴＳ）を制御するための装置。
11. 請求項１から９のいずれか１項に記載の方法を実施するように構成されている、コンピュータプログラム製品。
12. 請求項１１記載のコンピュータプログラム製品を有するコンピュータ読取可能な記憶媒体。

Images