RU2779903C1 - Magnification instrument for an automated device - Google Patents

Magnification instrument for an automated device Download PDF

Info

Publication number
RU2779903C1
RU2779903C1 RU2021114256A RU2021114256A RU2779903C1 RU 2779903 C1 RU2779903 C1 RU 2779903C1 RU 2021114256 A RU2021114256 A RU 2021114256A RU 2021114256 A RU2021114256 A RU 2021114256A RU 2779903 C1 RU2779903 C1 RU 2779903C1
Authority
RU
Russia
Prior art keywords
results
state model
process state
data
dev
Prior art date
Application number
RU2021114256A
Other languages
Russian (ru)
Inventor
Хейко КЛАУССЕН
Норман ДРЮЗ
Рене ФИШЕР
Йоханнес ФРАНК
Андреас МАХЕР
Хосеп СОЛЕР ГАРРИДО
Инго ТОН
Original Assignee
Сименс Акциенгезелльшафт
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 Сименс Акциенгезелльшафт filed Critical Сименс Акциенгезелльшафт
Application granted granted Critical
Publication of RU2779903C1 publication Critical patent/RU2779903C1/en

Links

Images

Abstract

FIELD: automation.
SUBSTANCE: invention relates to the field of automated devices in industrial systems. Disclosed is a magnification instrument (MI) for an automated device (DEV) in an industrial system (100), wherein the magnification instrument (MI) is configured to provide and/or accelerate one or more calculations (C1, ..., Cn); wherein the magnification instrument (MI) comprises a processing unit (PU) and a control unit (CU) and is configured to: obtain (S2) one or more results (R1, ..., Rn) of one or more calculations (C1, ..., Cn), wherein the results (R1, ..., Rn) indicate one or more states (S1, ..., Sn) of the industrial system (100); provide (S3) one or more results (R1, ..., Rn) via a process state model (PM) shared with the automated device (DEV) in order to track and/or control the industrial system (100), wherein the magnification instrument (MI) collects additional data from at least one data source (DS) by means of a peripheral interface (PI) and provides, via the process state model (PM), an indicator that the data from the data source (DS) has been captured and is available for further processing by the processing unit (PU); wherein the indicator is said state (S1, ..., Sn), while the control unit (CU) provides the results of processing to the automated device (DEV) via the process state model (PM), wherein the availability of a new result is indicated by a state bit in the process state model (PM).
EFFECT: ensured magnification for one or more automated devices in an industrial system.
17 cl, 6 dwg

Description

Изобретение относится к устройству расширения для одного или более автоматизированных устройств в промышленной системе. Изобретение, в частности, относится к блокам обработки промышленных данных, допускающим выполнение обработки данных на основе одной или более искусственных нейронных сетей. Изобретение дополнительно относится к системе, автоматизированному устройству и способу.The invention relates to an expansion device for one or more automated devices in an industrial system. The invention particularly relates to industrial data processing units capable of performing data processing based on one or more artificial neural networks. The invention further relates to a system, an automated device and a method.

В силу того, что AI-технология (технология искусственного интеллекта, также известная как "машинный интеллект") становится более надежной, и приложения в промышленных системах получают все большее распространение, имеется потребность в промышленном AI-оборудовании. Регулярные автоматизированные устройства, такие как программируемые логические контроллеры (также известные как "PLC"), не имеют вычислительной мощности, необходимой для AI-технологии. Облачные AI-решения доступны, но их непросто реализовывать для цеховых решений, другими словами, результаты облачного AI-решения могут не быть легкодоступными в цехе.As AI technology (artificial intelligence technology, also known as "machine intelligence") becomes more reliable and applications in industrial systems become more widespread, there is a need for industrial AI equipment. Regular automated devices such as programmable logic controllers (also known as "PLCs") do not have the processing power needed for AI technology. Cloud AI solutions are available, but they are not easy to implement for shop floor solutions, in other words, the results of a cloud AI solution may not be readily available on the shop floor.

Целью настоящего изобретения является обеспечение и/или ускорение одного или более вычислений для/в промышленной системы(е), за счет этого упрощая интеграцию искусственного интеллекта в промышленную систему. Другая цель настоящего изобретения заключается в том, чтобы упрощать обмен данными между устройством расширения, допускающим обработку данных с использованием искусственного интеллекта, и автоматизированным устройством. Вычисления могут содержать расчеты.The purpose of the present invention is to provide and/or accelerate one or more calculations for/in the industrial system(s), thereby simplifying the integration of artificial intelligence into the industrial system. Another object of the present invention is to facilitate communication between an extension device capable of processing data using artificial intelligence and an automated device. Calculations can contain calculations.

Проблема решается посредством устройства расширения, выполненного с возможностью получать один или более результатов одного или более вычислений, указывающих одно или более состояний автоматизированной системы. Устройство расширения дополнительно выполнено с возможностью предоставлять один или более результатов через модель состояний процесса, совместно используемую с автоматизированным устройством для того, чтобы отслеживать и/или управлять промышленной системой. Управление включает в себя, фактическое управление с разомкнутым или с замкнутым контуром, изменение заданных значений, предельных значений, остановку, начало приостановки или обновление промышленного процесса, но не ограничивается этим.The problem is solved by an extension device configured to receive one or more results of one or more calculations indicating one or more states of the automated system. The extension device is further configured to provide one or more results via a process state model shared with an automated device in order to monitor and/or control the industrial system. The control includes, but is not limited to, actual open-loop or closed-loop control, changing setpoints, limit values, stopping, starting a pause, or updating an industrial process.

Устройство расширения может представлять собой физический модуль, который может монтироваться, например, на профильной направляющей, рядом с автоматизированным устройством, например, PLC. Устройство расширения также может компоноваться в качестве подключаемого модуля для существующих автоматизированных устройств. Интегрирование устройства расширения в автоматизированное устройство также является возможным, например, с помощью подключаемых решений и/или прямой аппаратной интеграции.The extension device can be a physical module that can be mounted, for example, on a profile rail, next to an automation device, such as a PLC. The expansion device can also be packaged as a plug-in for existing automation devices. Integrating an extension device into an automated device is also possible, for example by means of pluggable solutions and/or direct hardware integration.

Вычисления, например, представляют собой вычисления и/или вычисления нейронных сетей, также называемых "искусственными нейронными сетями (ANN)".The computations, for example, are computations and/or computations of neural networks, also referred to as "artificial neural networks (ANN)".

Результаты могут представлять собой любой результат вычислений приложения, при этом вычисления выполняются для данных, прямо или косвенно исходящих в промышленной системе. Результаты включают в себя, но не только, классификацию событий, которые происходят или должны происходить в промышленной системе. Например, такие события могут представлять собой необычный шаблон, демонстрируемый в данных, например, датчиков и акторов, используемых в технологической линии или линии автоматизации процессов. Индикаторы качества, указывающие произведенные продукты, имеющие необычные шаблоны, также могут вычисляться. Необычные шаблоны могут указывать сбой или низкое качество до того, как фактическое событие возникает.The results can be any result of the application's calculations, where the calculations are performed on data directly or indirectly originating in the production system. The results include, but are not limited to, the classification of events that occur or should occur in an industrial system. For example, such events may represent an unusual pattern exhibited in data from, for example, sensors and actors used in a process line or process automation line. Quality indicators indicating manufactured products having unusual patterns can also be calculated. Unusual patterns may indicate failure or poor quality before the actual event occurs.

Промышленные системы должны пониматься, например, как отраслевые системы для обрабатывающей промышленности, отраслевые системы для промышленности автоматизации, системы автоматизации зданий и т.п., которые должны использоваться в профессиональном промышленном окружении.Industrial systems are to be understood as, for example, branch systems for the manufacturing industry, branch systems for the automation industry, building automation systems, etc., to be used in a professional industrial environment.

Одно или более состояний промышленной системы могут представлять собой один или более общих индикаторов системы в целом, один или более индикаторов отдельных объектов, таких как автоматизированные контроллеры, устройства ввода-вывода, датчики, акторы и т.п., или состояния одной или более групп объектов. Состояние может представлять собой значение или другой параметр на основе, по меньшей мере, одного из следующего: одних или более считываемых данных, одних или более прогнозированных данных либо одних или более вычисленных данных. Данные в силу этого могут указывать состояние описанного объекта. Например: электромотор представляет собой актор, который содержит одно или более следующих состояний: частота вращения, крутящий момент, температура, ток, напряжение, состояние работоспособности, наработка в часах, индикаторы техобслуживания и т.д. Каждое из этих состояний имеет возможность разделения на субсостояния, например, температура может представлять собой температуру ротора, температуру статора или медианную общую температуру электромотора. Состояния также могут представлять собой состояния продукта, производимого в промышленной системе, например, индикатор качества. В возможном варианте осуществления, одно или более состояний могут быть двоичными, например, 1: продукт квалифицируется как соответствующий всем требованиям к качеству, и 0: продукт не квалифицируется для последующей обработки и в силу этого должен утилизироваться или ремонтироваться.One or more states of an industrial system can be one or more general indicators of the system as a whole, one or more indicators of individual objects, such as automated controllers, I / O devices, sensors, actors, etc., or the states of one or more groups objects. The state may be a value or another parameter based on at least one of one or more read data, one or more predicted data, or one or more computed data. The data may therefore indicate the state of the described object. For example: an electric motor is an actor that contains one or more of the following states: speed, torque, temperature, current, voltage, health state, running hours, maintenance indicators, etc. Each of these states can be divided into sub-states, for example, the temperature may be the temperature of the rotor, the temperature of the stator or the median overall temperature of the electric motor. The states can also represent the states of a product produced in an industrial system, such as a quality indicator. In an exemplary embodiment, one or more of the states may be binary, for example, 1: the product qualifies as meeting all quality requirements, and 0: the product is not qualified for further processing and therefore must be disposed of or repaired.

Модель состояний процесса, в общем, представляет собой структуру данных, совместно используемую автоматизированным устройством и устройством расширения, позволяя автоматизированному устройству непосредственно использовать результаты, предоставленные посредством устройства расширения. Модель состояний процесса предпочтительно содержит фактическое представление одного или более, предпочтительно всех, текущих состояний, используемых посредством автоматизированного устройства для того, чтобы управлять и/или отслеживать промышленную систему. В примерной реализации, модель состояний процесса представляет двоичное представление устройств ввода и вывода. Форма модели состояний процесса известна как "образ процесса" или, на немецком, как "Prozessabbild", широко используемая и известная в PLC. Модель состояний процесса служит в качестве промежуточного хранилища для состояний, которые требуются для того, чтобы управлять и/или отслеживать промышленную систему. Это обеспечивает такое преимущество, что вводы и/или выводы не должны считываться или записываться из/в регистры при выполнении определенной функции в программе.A process state model is generally a data structure shared between an automated device and an extension device, allowing the automated device to directly use the results provided by the extension device. The process state model preferably contains an actual representation of one or more, preferably all, of the current states used by the automated device in order to control and/or monitor the industrial system. In an exemplary implementation, the process state model represents a binary representation of input and output devices. The form of the process state model is known as "process image" or in German as "Prozessabbild", widely used and known in PLC. The process state model serves as an intermediate store for the states that are required in order to control and/or monitor the industrial system. This provides the advantage that inputs and/or outputs do not have to be read from or written to/from registers when performing a specific function in a program.

Настоящее изобретение показывает, что обмен данными через модель состояний процесса является преимущественным для обмена данными между устройством расширения, например, нейронным блоком обработки, и автоматизированным устройством. Он содержит, но не только, возврат одного или более результатов одного или более вычислений из устройства расширения через модель состояний процесса в автоматизированное устройство. Автоматизированное устройство может осуществлять доступ к результатам, которыми обмениваются через модель состояний процесса, непосредственно, и не должно осуществлять доступ к другому API для обмена данными с устройством расширения. Проектирование и разработка такой связи за счет этого упрощаются и фокусируются на процессах и в любом случае требуются для включения любого другого модуля. Проектирование и разработка в силу этого не должны создавать отдельный специализированный интерфейс.The present invention shows that communication via a process state model is advantageous for communication between an extension device, such as a neural processing unit, and an automation device. It includes, but is not limited to, returning one or more results of one or more calculations from the extension device via a process state model to the automated device. The automated device can access the results exchanged via the process state model directly and does not need to access another API to communicate with the extension device. The design and development of such a link is thereby simplified and focused on processes and is in any case required to include any other module. Design and development, therefore, should not create a separate specialized interface.

Модель состояний процесса в целом либо ее части могут обновляться периодически, инициируясь событиями, таким как прерывания, или могут обновляться частично периодически и частично инициируясь событиями.The process state model as a whole, or parts thereof, may be updated periodically, triggered by events such as interrupts, or may be updated partially periodically and partially triggered by events.

Относительно мер безопасности и/или защиты, модель состояний процесса может только частично совместно использоваться с устройством расширения, при этом устройство расширения имеет доступ только к данным, релевантным для его вычислений, а также имеет доступ к части модели состояний процесса, в которую устройство расширения может помещать свои результаты. Результаты могут предоставляться в качестве состояний непосредственно или в необработанной форме для последующей обработки посредством автоматизированного устройства. Для передачи значительных частей данных, модель состояний процесса может иметь индикатор "готовность к передаче". Боковой канал может использоваться для того, чтобы передавать большие части данных, например, с помощью записей данных.With respect to security and/or protection measures, the process state model can only be partially shared with the expander, whereby the expander only has access to data relevant to its calculations, and also has access to the portion of the process state model that the expander can post your results. The results may be provided as states directly or in raw form for further processing by an automated device. To transfer large portions of data, the process state model may have a "ready to transfer" indicator. The side channel may be used to convey large portions of data, such as data records.

В дополнительном варианте осуществления, устройство расширения представляет собой нейронный блок обработки. Нейронный блок обработки, в частности, может быть выполнен с возможностью вычислять одну или более искусственных нейронных сетей. Это обеспечивает использование AI-алгоритмов непосредственно в промышленных системах и упрощает использование AI в промышленных окружениях.In a further embodiment, the expander is a neural processing unit. The neural processing unit, in particular, may be configured to compute one or more artificial neural networks. This enables the use of AI algorithms directly in industrial systems and simplifies the use of AI in industrial environments.

В дополнительном варианте осуществления, устройство расширения выполнено с возможностью получать один или более результатов посредством применения логики к промежуточному результату вычислений. Фактические данные из реальных промышленных предприятий в некоторых случаях могут и/или должны сегментироваться на несколько классов посредством применения логики. Сегментация, например, может достигаться посредством применения структур типа "если..., тогда" или других более сложных технологий сегментации. Логика может применяться к необработанным данным до того, как она предоставляется для вычислений. Вычисления могут выполняться непосредственно для необработанных данных и впоследствии подаваться в логику и дополнительно подаваться в дополнительное вычисление. Кроме того, вычисления могут проводиться сначала, а логика в качестве следующего этапа до предоставления результатов в автоматизированное устройство.In a further embodiment, the expander is configured to obtain one or more results by applying logic to an intermediate calculation result. Actual data from real industrial plants in some cases can and/or should be segmented into several classes through the application of logic. Segmentation, for example, can be achieved through the use of "if...then" structures or other more sophisticated segmentation techniques. Logic can be applied to the raw data before it is made available for computation. Calculations can be performed directly on the raw data and subsequently fed into the logic and further fed into an additional calculation. In addition, the calculations may be performed first and the logic as the next step before the results are provided to the automated device.

В дополнительном варианте осуществления, а также для того, чтобы предоставлять результаты удобным способом, устройство расширения выполнено с возможностью обновлять, по меньшей мере, части модели состояний процесса с помощью одного или более результатов. Автоматизированное устройство может использовать и дополнительно обрабатывать эти результаты без дальнейших задержек. Обновление модели состояний процесса может реализовываться посредством записи переменных в применимые части модели состояний процесса, перезаписи устаревших существующих результатов и/или создания новой части в модели состояний процесса, которой должны обмениваться между устройством расширения в автоматизированном устройстве. Чтобы исключать необязательную передачу данных через интерфейс связи между автоматизированным устройством и устройством расширения, оказалось преимущественным задавать части модели состояний процесса, которые должны обновляться посредством устройства расширения и автоматизированного устройства, соответственно.In a further embodiment, and in order to provide results in a convenient manner, the extender is configured to update at least portions of the process state model with one or more results. The automated device can use and further process these results without further delay. Updating the process state model may be implemented by writing variables to applicable parts of the process state model, overwriting obsolete existing results, and/or creating a new part in the process state model to be exchanged between an extension device in an automated device. In order to avoid the unnecessary transmission of data through the communication interface between the automation device and the expansion device, it has proven advantageous to specify the parts of the process state model to be updated by the expansion device and the automation device, respectively.

В дополнительном варианте осуществления, устройство расширения содержит процессор, выполненный с возможностью выполнять одно или более вычислений для того, чтобы предоставлять результат. В предпочтительном варианте осуществления, процессор выполнен с возможностью вычислять нейронные сети эффективным способом, предпочтительно с характеристиками параллельной обработки. Процессор может содержать один или более блоков обработки, один или более блоков управления, одно или более энергозависимых и энергонезависимых запоминающих устройств и/или один или более периферийных интерфейсов.In a further embodiment, the extension device comprises a processor configured to perform one or more calculations in order to provide a result. In a preferred embodiment, the processor is configured to compute neural networks in an efficient manner, preferably with parallel processing characteristics. The processor may include one or more processing units, one or more control units, one or more volatile and nonvolatile storage devices, and/or one or more peripheral interfaces.

В дополнительном варианте осуществления, устройство расширения содержит блок обработки, выполненный с возможностью выполнять одно или более вычислений. Блок обработки выполнен с возможностью выполнять вычисления, например, (по сравнению с автоматизированными устройствами) с более высокой эффективностью и/или более высокой скоростью. Блок обработки может содержать архитектуру ускорения нейронной сети. Она может представлять собой конкретные подпроцессоры, которые специализируются на вычислительных свертках, матричных умножениях и т.п. Блок обработки может содержать несколько различных или идентичных этих подпроцессоров.In a further embodiment, the expander comprises a processing unit configured to perform one or more calculations. The processing unit is configured to perform calculations, for example (compared to automated devices) with higher efficiency and/or higher speed. The processing unit may contain a neural network acceleration architecture. It may be specific subprocessors that specialize in computational convolutions, matrix multiplications, and the like. The processing unit may contain several different or identical of these subprocessors.

В дополнительном варианте осуществления, устройство расширения содержит блок обработки, адаптированный с возможностью выполнять, по меньшей мере, часть вычислений с SIMD-архитектурой. SIMD-архитектура означает "с одним потоком инструкций и несколькими потоками данных" и описывает компьютеры с несколькими обрабатывающими элементами, которые выполняют идентичную операцию для нескольких точек данных одновременно. Современные блоки обработки, специализированные для AI-целей, имеют несколько ядер обработки, которые специализируются для SIMD-вычислений. Блок обработки также может обмениваться данными с отдельным блоком управления, который выполнен с возможностью запускать программу для того, чтобы управлять SIMD-архитектурой блока обработки. Блок обработки может представлять собой часть процессора.In a further embodiment, the expander comprises a processing unit adapted to perform at least a portion of the SIMD architecture calculations. SIMD architecture stands for "single instruction stream, multiple data streams" and describes computers with multiple processing elements that perform the same operation on multiple data points at the same time. Modern processing units specialized for AI purposes have several processing cores that are specialized for SIMD computing. The processing unit may also communicate with a separate control unit, which is configured to run a program in order to control the SIMD architecture of the processing unit. The processing unit may be part of a processor.

В другом варианте осуществления, устройство расширения содержит блок обработки на основе архитектуры ускорения нейронной сети. С этой целью, блок обработки может содержать архитектуру ускорения нейронной сети. Эта архитектура может представлять собой конкретные подпроцессоры/субблоки обработки, которые специализируются на вычислительных свертках, матричных умножениях и т.п. Блок обработки может содержать несколько различных или идентичных этих подпроцессоров. Архитектура может представлять собой часть интегрированного процессора и/или SoC.In another embodiment, the extension device comprises a processing unit based on a neural network acceleration architecture. To this end, the processing unit may comprise a neural network acceleration architecture. This architecture may be specific subprocessors/processing subunits that specialize in computational convolutions, matrix multiplications, and the like. The processing unit may contain several different or identical of these subprocessors. The architecture may be part of an integrated processor and/or SoC.

В дополнительном варианте осуществления, устройство расширения содержит блок обработки, спроектированный с возможностью предоставлять вычисления с 0, 1 или более ТОпС/Вт. ТОпС/Вт описывает показатель для эффективности обработки согласно потребляемой энергии и представляет собой известный параметр, описывающий мощность обработки AI-блоков (также известных как "NPU - нейронные блоки обработки"), тензорных блоков обработки и т.п.In a further embodiment, the expander comprises a processing unit designed to provide calculations at 0, 1, or more TOPs/W. TOPS/W describes a metric for processing efficiency according to power consumption, and is a well-known parameter describing the processing power of AI blocks (also known as "NPUs - Neural Processing Units"), tensor processing units, and the like.

ТОпС/Вт означает триллион операций (1012 или 10^12 операций) в секунду в расчете на Вт потребляемой энергии. Процессор предпочтительно предоставляет 0,1; 0,5; 1 или 2 или более ТОпС/Вт. Очевидно, что, хотя неограниченная мощность обработки недоступна, специалисты в данной области техники должны выбирать блок обработки или процессор с одним или более блоков обработки, наиболее подходящих для изобретения, как описано в этой заявке. Вышеуказанные значения описывают доступные в настоящее время процессоры/блоки обработки (например, Intel Movidius Myriad X или Google Cloud TPU), которые, вероятно, должны становиться устаревшими вследствие времени. В силу этого, в будущем специалисты в данной области техники могут выбирать блоки обработки/процессоры будущего уровня техники без отступления от объема настоящего изобретения. Использование очень энергоэффективных блоков обработки имеет существенное преимущество в виде уменьшения потребности в рассеянии активной мощности и уменьшения полного потребления мощности.TOPS/W means trillion operations (1012 or 10^ 12 operations) per second per watt of power consumed. The processor preferably provides 0.1; 0.5; 1 or 2 or more TOPS/W. Obviously, although unlimited processing power is not available, those skilled in the art should select a processing unit or processor with one or more processing units most suitable for the invention as described in this application. The above values describe currently available processors/processing units (eg Intel Movidius Myriad X or Google Cloud TPU) which are likely to become obsolete over time. Therefore, in the future, those skilled in the art may select future state of the art processing units/processors without departing from the scope of the present invention. The use of very energy efficient processing units has the significant advantage of reducing the need for active power dissipation and reducing the overall power consumption.

Один или более признаков вышеуказанных вариантов осуществления блоков обработки могут комбинироваться в одном процессоре и/или блоке обработки.One or more features of the above embodiments of processing units may be combined in a single processor and/or processing unit.

В дополнительном варианте осуществления, устройство расширения содержит блок обработки, спроектированный с возможностью предоставлять вычисления со скоростью обработки, по меньшей мере, в 10 гигафлопс, предпочтительно в 20, 50 или 100 или более гигафлопс операций с плавающей запятой в секунду.In a further embodiment, the expansion device comprises a processing unit designed to provide computations at a processing rate of at least 10 gigaflops, preferably 20, 50, or 100 or more gigaflops of floating point operations per second.

В дополнительном варианте осуществления, устройство расширения выполнено с возможностью получать промышленные данные через модель состояний процесса. Промышленные данные могут получаться из промышленной системы активным или пассивным способом. Активное получение промышленных данных должно представлять собой запрашивание данных непосредственно из автоматизированного устройства и/или данных для устройств, соединенных с автоматизированным устройством. Пассивное получение данных должно представлять собой считывание данных, предоставленных посредством автоматизированного устройства через модель состояний процесса.In a further embodiment, the expander is configured to receive industrial data via a process state model. Industrial data can be obtained from an industrial system in an active or passive manner. Active acquisition of industrial data should be a request for data directly from the automated device and/or data for devices connected to the automated device. Passive data acquisition should be the reading of data provided by an automated device through a process state model.

В дополнительном варианте осуществления, устройство расширения содержит блок управления, выполненный с возможностью извлекать и/или предоставлять данные из автоматизированного устройства через модель состояний процесса. В этом предпочтительном варианте осуществления, блок управления представляет собой блок, который управляет связью через модель состояний процесса. Это обеспечивает такое преимущество, что фактический блок обработки освобождается от дополнительного объема служебной информации по связи и администрированию и может фокусироваться на фактических вычислениях результатов. Блок управления может быть программируемым и может предоставлять операционную систему для устройства расширения. Блок управления может быть выполнен с возможностью управлять вычислениями. Блок управления может выполнять приложение для того, чтобы управлять блоком обработки таким образом, чтобы выполнять вычисления. Блок управления может реализовывать оркестровку между и конфигурирование подсистем устройства расширения. Это включает в себя, но не только, конфигурирование самого устройства расширения, маршрутизацию данных из модели состояний процесса в приложения, выполняющиеся в компоненте обработки данных, начало, остановку и загрузку приложений, а также реализацию протоколов связи между автоматизированным устройством и устройством расширения. Блок управления также может непосредственно взаимодействовать с периферийными устройствами, например, отправлять команду "сфотографировать" в соединенную камеру.In a further embodiment, the extension device comprises a control unit configured to retrieve and/or provide data from the automated device via a process state model. In this preferred embodiment, the control block is a block that controls communication through a process state model. This has the advantage that the actual processing unit is freed from additional communication and administration overhead and can focus on the actual results calculations. The control unit may be programmable and may provide an operating system for the expansion device. The control unit may be configured to manage the calculations. The control unit may execute an application to control the processing unit so as to perform calculations. The control unit may implement the orchestration between and configuration of the expansion device subsystems. This includes, but is not limited to, configuring the expander itself, routing data from the process state model to applications running in the data processing component, starting, stopping, and loading applications, and implementing communication protocols between the automation device and the expander. The control unit can also communicate directly with peripherals, such as sending a "take picture" command to a connected camera.

В дополнительном варианте осуществления, устройство расширения содержит интерфейс связи, выполненный с возможностью обмениваться, по меньшей мере, частями модели состояний процесса между автоматизированным устройством и устройством расширения. Предпочтительно, интерфейс связи проектируется в качестве интерфейса монтажной платы для прямой связи между автоматизированным устройством и устройством расширения. Связь через модель состояний процесса также может применяться к другим технологиям связи, таким как PROFINET и другие стандарты промышленной связи. Оказалось большим преимуществом применять механизм управления доступом для того, чтобы управлять доступом к общему ресурсу, в этом случае к модели состояний процесса. Один пример для общеизвестного механизма управления доступом представляет собой использование семафоров или аналогичных механизмов на аппаратной основе.In a further embodiment, the extension device comprises a communication interface configured to exchange at least portions of the process state model between the automated device and the extension device. Preferably, the communication interface is designed as a circuit board interface for direct communication between the automation device and the expansion device. Communication via the process state model can also be applied to other communication technologies such as PROFINET and other industrial communication standards. It has proven to be a great advantage to use an access control mechanism to control access to a shared resource, in this case the process state model. One example for a well-known access control mechanism is the use of semaphores or similar hardware-based mechanisms.

В дополнительном варианте осуществления, модель состояний процесса содержит представления состояний вводов и/или выводов автоматизированного устройства. Представление состояний двоичного ввода, например, может представлять собой "1" для логического высокого уровня или "0" для логического низкого уровня. Если ввод, например, представляет собой DAC с 8-битовым разрешением, представление состояний может составлять любое значение в пределах от 0 до 255. Эти примеры показывают базовый принцип представлений состояний, которые также могут содержать гораздо более сложные данные. Реализация с использованием модели состояний процесса обеспечивает такое преимущество, что автоматизированное устройство не должно считывать вводы в каждом цикле или перезаписывать ввод в каждом цикле, так что аппаратная обработка ввода-вывода отделяется от фактического приложения. Это упрощает программирование автоматизированного устройства и устройства расширения, взаимодействующих в качестве системы. Существенное преимущество текущего варианта осуществления и устройства расширения, обменивающихся данными через модель состояний процесса, заключается в том, что результаты могут обрабатываться как вводы и/или выводы автоматизированного устройства и могут обрабатываться одинаково просто и быстро. Часть модели состояний процесса, совместно используемой автоматизированным устройством и устройством расширения, также может содержать любое из представлений состояний вводов и/или выводов.In a further embodiment, the process state model comprises state representations of the inputs and/or outputs of the automated device. The binary input state representation, for example, could be "1" for logic high or "0" for logic low. If the input is, for example, a DAC with 8-bit resolution, the state representation can be any value between 0 and 255. These examples show the basic principle of state representations, which can also contain much more complex data. Implementation using a process state model provides the advantage that the automated device does not have to read inputs on every cycle or overwrite input on every cycle, so that hardware I/O processing is decoupled from the actual application. This simplifies the programming of the automation device and expansion device interacting as a system. A significant advantage of the current embodiment and the extension device communicating via a process state model is that the results can be processed as inputs and/or outputs of an automated device and can be processed equally simply and quickly. The part of the process state model shared between the automation device and the extension device may also contain any of the input and/or output state representations.

В дополнительном варианте осуществления, устройство расширения содержит систему подключения (связи/сопряжения) периферийных устройств, выполненную с возможностью предоставлять возможности подключения к источникам данных. Источники данных предпочтительно непосредственно соединяются с устройством расширения. В этом предпочтительном варианте осуществления, устройство расширения предоставляет способность для прямого соединения с периферийным устройством, таким как камеры, датчики и/или дополнительные источники данных. Это обеспечивает существенное преимущество, когда используется оборудование с поддержкой высокой скорости передачи данных. Например, машинное зрение для контроля качества в промышленных приборах с высокоскоростными камерами формирует большие объемы данных, которые обычно должны обрабатываться с соответствующей скоростью, с тем чтобы быть полезными в промышленной системе. В силу устройства расширения, предоставляющего специализированный блок обработки и систему подключения периферийных устройств, которые могут непосредственно соединяться с такими высокоскоростными и/или широкополосными источниками данных, фактическое автоматизированное устройство не должно нагружаться необязательными загрузками данных из этих источников данных. Система подключения периферийных устройств может предоставляться в качестве, но не только, USB-интерфейсов 3.0 или 3.1. Возможны дополнительные интерфейсы, такие как Ethernet (например, GigE Vision) или оптоволоконные соединения.In a further embodiment, the extension device comprises a peripheral connection (communication/interfacing) system configured to provide connectivity to data sources. The data sources are preferably directly connected to the extension device. In this preferred embodiment, the expansion device provides the ability to connect directly to peripherals such as cameras, sensors, and/or additional data sources. This provides a significant advantage when high data rate capable equipment is used. For example, machine vision for quality control in industrial instruments with high-speed cameras generates large amounts of data that typically must be processed at an appropriate rate in order to be useful in an industrial system. By virtue of the add-on device providing a dedicated processing unit and a peripheral device connection system that can directly connect to such high speed and/or high bandwidth data sources, the actual automation device should not be burdened with unnecessary data downloads from these data sources. The Peripheral Connection System may be provided as, but not limited to, USB 3.0 or 3.1 interfaces. Additional interfaces are possible, such as Ethernet (eg GigE Vision) or fiber optic connections.

Проблема также разрешается посредством системы проектирования и разработки, выполненной с возможностью конфигурировать устройство расширения. Система проектирования и разработки представляет собой систему для того, чтобы программировать и/или конфигурировать автоматизированные устройства, а также устройства расширения. Система проектирования и разработки дополнительно предоставляет возможность проектировать полные промышленные системы. Известная система проектирования и разработки представляет собой портал полной комплексной автоматизации компании SIEMENS (TIA-портал).The problem is also solved by a design and development system configured to configure the expansion device. The design and development system is a system for programming and/or configuring automated devices as well as expansion devices. The design and development system additionally provides the ability to design complete industrial systems. A known design and development system is the SIEMENS Total Integrated Automation Portal (TIA Portal).

Проблема также разрешается посредством системы, содержащей одно или более автоматизированных устройств и одно или более устройств расширения согласно настоящему изобретению. По меньшей мере, одно из автоматизированных устройств выполнено с возможностью отслеживать и/или управлять промышленной системой согласно одному или более результатов одного или более вычислений, выполняемых посредством одного или более устройств расширения. Один или более результатов предоставляются в контроллер через модель состояний процесса.The problem is also solved by a system comprising one or more automated devices and one or more expansion devices according to the present invention. At least one of the automated devices is configured to monitor and/or control the industrial system according to one or more results of one or more calculations performed by one or more expansion devices. One or more results are provided to the controller via the process state model.

Проблема также разрешается посредством автоматизированного устройства, выполненного с возможностью управлять промышленной системой на основе одного или более результатов одного или более вычислений, выполняемых посредством одного или более устройств расширения согласно изобретению. Один или более результатов предоставляются в контроллер через модель состояний процесса.The problem is also solved by an automated device capable of controlling an industrial system based on one or more results of one or more calculations performed by one or more extension devices according to the invention. One or more results are provided to the controller via the process state model.

Проблема дополнительно разрешается посредством способа для предоставления результатов вычисления в промышленной системе. Этапы содержат: получение одного или более результатов одного или более вычислений и предоставление одного или более результатов через модель состояний процесса. Этап получения предпочтительно выполняется посредством устройства расширения согласно настоящему изобретению. Результаты указывают одно или более состояний промышленной системы и могут совместно использоваться с автоматизированным устройством для того, чтобы отслеживать и/или управлять промышленной системой.The problem is further solved by a method for providing calculation results in an industrial system. The steps include: obtaining one or more results of one or more calculations and providing one or more results through a process state model. The receiving step is preferably carried out by means of an expansion device according to the present invention. The results indicate one or more states of the industrial system and may be shared with an automated device in order to monitor and/or control the industrial system.

Аспекты и варианты осуществления, заданные выше, и дополнительные аспекты и варианты осуществления настоящего изобретения показаны в примерах, которые описываются в дальнейшем, и поясняются со ссылкой на чертежи, но ими изобретение не ограничивается.The aspects and embodiments set forth above and additional aspects and embodiments of the present invention are shown in the examples which are described hereinafter and are explained with reference to the drawings, but the invention is not limited thereto.

Краткое описание чертежейBrief description of the drawings

Фиг. 1 - автоматизированное устройство с устройством расширения в промышленной системе,Fig. 1 - an automated device with an expansion device in an industrial system,

Фиг. 2 - автоматизированное устройство с устройством расширения и источником данных,Fig. 2 - automated device with expansion device and data source,

Фиг. 3 - автоматизированное устройство с более детализированным устройством расширения,Fig. 3 - automated device with a more detailed expansion device,

Фиг. 4 -устройство расширения с соединительным модулем,Fig. 4 - expansion device with connection module,

Фиг. 5 - автоматизированное устройство с несколькими устройствами расширения, иFig. 5 - an automated device with several expansion devices, and

Фиг. 6 - блок-схема последовательности операций способа согласно настоящему изобретению.Fig. 6 is a flow chart of the method according to the present invention.

Фиг. 1 показывает систему 10, содержащую автоматизированное устройство DEV с присоединенным устройством MI расширения в промышленной системе 100. Автоматизированное устройство DEV, например, может представлять собой PLC. Устройство MI расширения и автоматизированное устройство DEV могут монтироваться на монтажной системе на основе направляющих, например, непосредственно рядом друг с другом или, по меньшей мере, согласно идентичной связи с помощью монтажной платы. Подключаемые решения для подключения устройства MI расширения к автоматизированному устройству DEV являются возможными, но не показаны. Промышленная износоустойчивость и надежность обеспечивает преимущество для устройства MI расширения. Промышленная система 100 дополнительно содержит датчик S и актор A которые только для примера означают дополнительные компоненты в промышленной системе 100. Промышленная система 100 в большинстве вариантов использования должна иметь гораздо более высокую сложность, как показано. Датчик S и актор A соединяются с автоматизированным устройством DEV через промышленную шину PN, которая, например, представляет собой промышленную систему шин, такую как PROFINET, PROFIBUS и т.п., и может соединяться с дополнительными модулями ввода-вывода, датчиками, акторами, HMI-устройствами и т.д.Fig. 1 shows a system 10 comprising an automated device DEV with an attached expansion device MI in an industrial system 100. The automated device DEV may be a PLC, for example. The expansion device MI and the automation device DEV can be mounted on a rail-based mounting system, for example directly next to each other or at least in identical connection with a mounting board. Pluggable solutions for connecting an expansion device MI to an automated device DEV are possible but not shown. Industrial durability and reliability provides an advantage for the MI expansion device. Industrial system 100 further comprises a sensor S and an actor A which, by way of example only, are additional components in industrial system 100. Industrial system 100 in most use cases would be of much higher complexity, as shown. Sensor S and actor A are connected to the automation device DEV via the industrial bus PN, which is for example an industrial bus system such as PROFINET, PROFIBUS, etc., and can be connected to additional I/O modules, sensors, actors, HMI devices, etc.

Автоматизированное устройство DEV и устройство MI расширения соединяются через линию COM связи, которая указывается посредством пунктирных линий, проходящих поверх обоих устройств MI, DEV. Линия COM связи предоставляет возможность совместного использования модели PM состояний процесса между двумя устройствами DEV, MI. Линия COM связи может представлять собой связь с помощью монтажной платы, предоставленную посредством ASIC связи с помощью монтажной платы в каждом из устройств DEV, MI. Такие ASIC общеизвестны из промышленного применения.The automated device DEV and the expansion device MI are connected via a communication line COM, which is indicated by dotted lines passing over both devices MI, DEV. The communication line COM provides the possibility of sharing the process state model PM between two devices DEV, MI. The COM link may be a circuit board communication provided by a circuit board communication ASIC in each of the devices DEV, MI. Such ASICs are well known from industrial applications.

Модель PM состояний процесса показывает состояния S1, ..., Sn, которые могут указывать любое состояние промышленной системы. Это включает в себя, но не только: состояния S1, ..., Sn вводов-выводов автоматизированного устройства DEV или самого устройства DEV, состояния S1, ..., Sn устройств промышленной системы 100, состояния S1, ..., Sn товаров, производимых в промышленной системе 100, состояния S1, ..., Sn контроля качества товаров, состояния S1, ..., Sn для состояний работоспособности оборудования, используемого в промышленной системе, таких как машины и инструменты. Состояния S1, ..., Sn могут использоваться посредством автоматизированного устройства для того, чтобы управлять и/или отслеживать промышленную систему 100. Результаты R1, ..., Rn предпочтительно получаются посредством вычисления одной или более искусственных нейронных сетей.The process state model PM shows the states S1, ..., Sn, which can indicate any state of the industrial system. This includes, but is not limited to: I/O states S1, ..., Sn of the automated device DEV or the device DEV itself, states S1, ..., Sn of devices of the industrial system 100, states S1, ..., Sn of goods produced in the industrial system 100, goods quality control states S1, ..., Sn, states S1, ..., Sn for health states of equipment used in the industrial system, such as machines and tools. The states S1, ..., Sn can be used by an automated device to control and/or monitor the industrial system 100. The results R1, ..., Rn are preferably obtained by computing one or more artificial neural networks.

В примере, датчик S и актор A могут предоставлять состояния S1, ..., Sn, указывающие их собственное состояние (включение, включение, температуру и т.д.). Эти состояния S1, ..., Sn могут предоставляться в автоматизированное устройство DEV и/или опрашиваться или определяться посредством самого автоматизированного устройства DEV.In the example, sensor S and actor A can provide states S1, ..., Sn indicating their own state (on, on, temperature, etc.). These states S1, ..., Sn can be provided to the automation device DEV and/or interrogated or determined by the automation device DEV itself.

Устройство MI расширения предоставляет возможность получать S2 один или более результатов R1, ..., Rn одного или более вычислений C1, ..., Cn. Устройство MI расширения дополнительно предоставляет S3 один или более результатов R1, ..., Rn через модель PM состояний процесса. В дополнительном варианте осуществления, устройство MI расширения может непосредственно обновлять определенные состояния S1, ..., Sn с помощью результатов R1, ..., Rn. Необязательно, пунктирная линия указывает то, что показывается этап S11 получения состояний S1, ..., Sn для выполнения вычислений C1, ..., Cn на основе, по меньшей мере, одного из состояний S1, ..., Sn.The extension device MI allows S2 to receive one or more results R1, ..., Rn of one or more calculations C1, ..., Cn. The extension device MI further provides S3 with one or more results R1, ..., Rn via the process state model PM. In a further embodiment, the extension device MI may directly update certain states S1, ..., Sn with the results of R1, ..., Rn. Optionally, the dotted line indicates that step S11 of obtaining states S1, ..., Sn is shown to perform calculations C1, ..., Cn based on at least one of the states S1, ..., Sn.

Линия COM связи предпочтительно поддерживает механизмы управления доступом для того, чтобы управлять доступом к модели PM состояний процесса, с тем чтобы исключать рассогласование данных, например, то, что состояние S1 имеет отличающееся значение в модели PM состояний процесса, доступной в данный момент в автоматизированном устройстве DEV, по сравнению с моделью PM состояний процесса, доступной в данный момент в устройстве MI расширения. Один пример для такого механизма управления доступом к общему ресурсу заключается в использовании семафоров.The COM link preferably supports access control mechanisms to control access to the process state model PM so as to avoid data inconsistency, for example that state S1 has a different value in the process state model PM currently available in the automated device. DEV, compared to the process state model PM currently available in the extension device MI. One example for such a shared resource access control mechanism is the use of semaphores.

В примере, актор A может представлять собой электромотор, а датчик S может представлять собой температурный датчик, соединенный с внешней средой относительно электромотора. Автоматизированное устройство DEV затем может считывать значение датчика в качестве температурного состояния и предоставлять его в устройство MI расширения через модель PM состояний процесса. Обученная нейронная сеть в устройстве MI расширения затем может предоставлять результат R1, ..., Rn, указывающий прогнозированное состояние S1, ..., Sn. В этом примере, такие результаты могут представлять собой состояние работоспособности электромотора, температуру в другой позиции в электромоторе, индикатор нагрузки электромотора. Результаты R1, ..., Rn предпочтительно вычисляются посредством искусственной нейронной сети и т.п. в устройстве MI расширения.In an example, the actor A may be an electric motor, and the sensor S may be a temperature sensor connected to the external environment relative to the electric motor. The automated device DEV can then read the sensor value as a temperature state and provide it to the extension device MI via the process state model PM. The trained neural network in the extension device MI may then provide a result R1, ..., Rn indicating the predicted state of S1, ..., Sn. In this example, such results could be a motor health status, a temperature at another position in the motor, a motor load indicator. The results R1, ..., Rn are preferably computed by an artificial neural network or the like. in the MI expansion device.

Фиг. 2 показывает систему 10, аналогичную системе по фиг. 1, с использованием идентичных ссылок с номерами при ссылке на идентичные элементы. Устройство MI расширения, как схематично указано, непосредственно соединяется с источником DS данных через периферийный интерфейс PI. Этап получения S12 данных из источника DS данных для того, чтобы выполнять вычисления C1, ..., Cn, по меньшей мере, частично на основе данных из источника DS данных, может выполняться посредством устройства MI расширения. Периферийный интерфейс PI также соединяется с вычислениями C1, ..., Cn, указывающими то, что данные источника DS данных могут подаваться (непосредственно без предварительной обработки или косвенно при применении некоторой формы предварительной обработки) в вычисления C1, ..., Cn. Пунктирная линия S11 из состояний S1, ..., Sn, предоставленных через модель PM состояний процесса, в вычисления C1, ..., Cn, указывает то, что состояния S1, ..., Sn могут прямо или косвенно использоваться в вычислениях C1, ..., Cn. Это также показано на фиг 1. Состояния S1, ..., Sn также могут использоваться для того, чтобы инициировать выполнение одного или более вычислений C1, ..., Cn или переключаться между различными вычислениями C1, ..., Cn (например, различными предварительно обученными нейронными сетями), доступными в устройстве MI расширения.Fig. 2 shows a system 10 similar to that of FIG. 1 using identical reference numbers when referring to identical elements. The expansion device MI, as schematically indicated, is directly connected to the data source DS via a peripheral interface PI. The step of obtaining data S12 from the data source DS in order to perform calculations C1, ..., Cn based at least in part on the data from the data source DS may be performed by an extension device MI. The peripheral interface PI is also connected to calculations C1, ..., Cn indicating that the data of the data source DS can be fed (directly without preprocessing or indirectly by applying some form of preprocessing) to the calculations C1, ..., Cn. The dotted line S11 from the states S1, ..., Sn provided via the process state model PM to the calculations C1, ..., Cn indicates that the states S1, ..., Sn can be directly or indirectly used in the calculations C1 , ..., Cn. This is also shown in FIG. 1. The states S1, ..., Sn can also be used to initiate the execution of one or more calculations C1, ..., Cn or switch between different calculations C1, ..., Cn (for example, various pre-trained neural networks) available in the MI extension device.

Одно преимущество настоящего изобретения состоит в том, что варианты осуществления по фиг. 1 и фиг. 2 являются комбинируемыми тем или иным способом. Например, эти датчики S и акторы A, соединенные через промышленную шину PN, могут использоваться для/в вычислениях C1, ..., Cn на основе данных из высокоскоростного источника DS данных. Это обеспечивает уровень гибкости, зачастую требуемый для промышленных вариантов применения.One advantage of the present invention is that the embodiments of FIG. 1 and FIG. 2 are combinable in one way or another. For example, these sensors S and actors A, connected via a fieldbus PN, can be used to/calculate C1, ..., Cn based on data from a high-speed data source DS. This provides the level of flexibility often required for industrial applications.

Фиг. 3 показывает более подробный вид системы, содержащей автоматизированное устройство DEV и устройство MI расширения. Автоматизированное устройство DEV содержит интерфейс CI связи, который соединяется с интерфейсом CI связи устройства MI расширения через линию COM связи. Как известно из фиг. 1 и фиг. 2 линия COM связи обеспечивает возможность совместного использования модели PM состояний процесса устройством MI расширения и автоматизированным устройством DEV.Fig. 3 shows a more detailed view of a system containing an automated device DEV and an extension device MI. The automated device DEV comprises a communication interface CI which is connected to the communication interface CI of the expansion device MI via a communication line COM. As is known from FIG. 1 and FIG. The 2 communication line COM enables the sharing of the process state model PM by the extension device MI and the automation device DEV.

Устройство MI расширения содержит процессор AICPU, который содержит дополнительные субблоки и интерфейсы. Блок CU управления соединяется с интерфейсом CI связи и служит в качестве блока администрирования, администрирующего соединение с автоматизированным устройством DEV и дополнительно предоставляющего данные, принимаемые через модель PM состояний процесса. Блок CU управления также может предоставлять среду выполнения для выполнения приложений. Приложения, выполняемые для устройства MI расширения, реализуют функциональность, которую предоставляют вычисления и результаты. Приложения могут выполняться как в блоке CU управления, так и в блоке PU обработки, при этом фактические вычисления C1, ..., Cn выполняются в блоке PU обработки. Преимущественно, если часть администрирования приложения выполняется в блоке управления, и фактическая часть вычислений выполняется в блоке PU обработки.The expansion device MI contains an AICPU processor which contains additional subunits and interfaces. The control unit CU is connected to the communication interface CI and serves as an administration unit administering the connection to the automated device DEV and additionally providing data received via the process state model PM. The control CU may also provide a runtime environment for executing applications. Applications that run on the expansion MI device implement the functionality that the calculations and results provide. Applications can be executed in both the control CU and the processing PU, with the actual calculations C1, ..., Cn being performed in the processing PU. Advantageously, if the administration part of the application is performed in the control unit and the actual calculation part is performed in the processing unit PU.

Блок PU обработки предоставляет фактическую аппаратную реализацию для выполнения вычислений энергоэффективным и оптимизированным по времени способом. Запоминающее устройство MEM может содержать энергозависимое высокоскоростное запоминающее устройство, такое как RAM (предпочтительно DDR RAM), и энергонезависимое запоминающее устройство, такое как, например, SD-карта SD, как показано. Другие типы энергонезависимого запоминающего устройства являются возможными. Высокоскоростное запоминающее устройство может использоваться для непосредственного предоставления данных для вычислений в блок обработки. Энергонезависимое или постоянное хранилище данных может иметь дополнительные варианты использования. Такие варианты использования могут представлять собой, но не только: сохранение выборок из данных, проходящих через блок PU обработки, сохранение приложения, которое динамически управляет потоком данных и результатами через блок CU управления для обработки данных (вычислениями C1, ..., Cn), сохранение данных для приложения (например, обученной нейронной сети) и предоставление хранилища для сохраненных данных/приложений, которые должны копироваться/модифицироваться в/из запоминающего устройства непосредственно или через функции связи, такие как монтажная шина, USB или Ethernet.The processing unit PU provides the actual hardware implementation for performing calculations in an energy efficient and time-optimized manner. The MEM storage device may include a volatile high speed storage device such as RAM (preferably DDR RAM) and a non-volatile storage device such as an SD card, for example, as shown. Other types of non-volatile storage device are possible. The high-speed storage device may be used to directly provide computational data to the processing unit. Non-volatile or persistent data storage may have additional use cases. Such use cases may be, but are not limited to: storing samples of data passing through the processing PU, storing an application that dynamically manages the data flow and results through the data processing control CU (calculations C1, ..., Cn), storing data for an application (eg, a trained neural network) and providing storage for stored data/applications to be copied/modified to/from a storage device directly or via communication functions such as a mounting bus, USB, or Ethernet.

Блок PU обработки (другими словами, подсистема обработки данных) запускает приложение, фактически выполняющее вычисления. Блок PU обработки типично предоставляет специализированные аппаратные средства для эффективного выполнения AI и нейронных вычислений, такие как векторные процессоры с SIMD-характеристиками или специализированные аппаратные средства для того, чтобы реализовывать матричные операции или свертки, и другие программируемые блоки обработки. Блок CU управления может управлять блоком PU обработки посредством выполнения части пользовательского приложения, которое управляет вычислениями.The processing unit PU (in other words, the data processing subsystem) starts the application that actually performs the calculations. The processing unit PU typically provides specialized hardware for efficiently performing AI and neural computing, such as vector processors with SIMD characteristics or specialized hardware for implementing matrix or convolution operations, and other programmable processing units. The control CU may control the processing unit PU by executing a part of the user application that controls the calculations.

Блок CU управления может предоставлять доступ к периферийному интерфейсу PI. В этом варианте осуществления, периферийный интерфейс PI содержит два USB-порта и Ethernet-порт ETH. Периферийный интерфейс PI может проектироваться с возможностью соединяться с любым видом устройства, которое может предоставлять данные, которые могут использоваться для вычислений, с тем чтобы предоставлять результаты. Например, беспроводная связь с несколькими источниками DS данных является возможной и особенно полезной для решения по модернизации, например, для уже существующих промышленных предприятий.The control CU may provide access to a PI peripheral interface. In this embodiment, the PI peripheral interface contains two USB ports and an ETH Ethernet port. The PI peripheral interface can be designed to be connected to any kind of device that can provide data that can be used for calculations in order to provide results. For example, wireless communication with multiple DS data sources is possible and particularly useful for a retrofit solution, for example for existing industrial plants.

Как указано посредством чисто черных соединений между блоком PU обработки, блоком CU управления и запоминающим устройством MEM, каждый из этих блоков (или субблоков) может осуществлять доступ к другой части непосредственно или через блок CU управления. В некоторых вариантах осуществления, только части блоков PU, CU, MEM могут быть доступными посредством других. Здесь общая концепция заключается в том, что блок CU управления администрирует функции при выполнении приложения и управляет работой блока PU обработки с вычислениями C1, ..., Cn, которые должны предоставляться для приложения. Блок PU обработки имеет доступ к запоминающему устройству MEM, в частности, к быстродействующему запоминающему устройству, такому как DDR RAM, чтобы обрабатывать данные, которые предоставляет блок CU управления.As indicated by the pure black connections between the processing PU, the control CU and the memory MEM, each of these units (or sub-units) can access the other part directly or through the control CU. In some embodiments, only parts of the PUs, CUs, MEMs may be accessible by others. Here, the general concept is that the control unit CU manages the functions in executing the application and controls the operation of the processing unit PU with the calculations C1, ..., Cn to be provided for the application. The processing unit PU has access to a storage device MEM, in particular a high-speed memory device such as DDR RAM, in order to process the data that the control unit CU provides.

Камера CAM соединяется с периферийным интерфейсом PI. Данные из камеры CAM предоставляются в блок CU управления через периферийный интерфейс PI. Камера может соединяться через Ethernet (например, GigE Vision), USB 3.0, 3.1 или последующие стандарты.The CAM is connected to the PI peripheral interface. The data from the CAM is provided to the control CU via the PI peripheral interface. The camera can be connected via Ethernet (eg GigE Vision), USB 3.0, 3.1 or later standards.

Процессор AICPU может проектироваться в качестве одной SOC (внутримикросхемной системы), предоставляющей все вышеуказанные блоки. Процессор AICPU также может компоноваться в качестве платы обработки, содержащей некоторые субблоки, сгруппированные в отдельные аппаратные микросхемы, и другие, предоставленные в качестве автономных обрабатывающих аппаратных средств.The AICPU can be designed as a single SOC (on-chip system) providing all of the above blocks. The AICPU may also be packaged as a processing board, with some subunits grouped into separate hardware chips and others provided as standalone processing hardware.

В подробном примере, типичное вычисление C1, ..., Cn может заключаться в следующем, при этом отдельные этапы выполняются в порядке их регулярного выполнения с возможностью менять местами, повторять или пропускать этапы:In a detailed example, a typical calculation of C1, ..., Cn could be as follows, with the individual steps being executed in the order they are regularly performed, with the option to swap, repeat, or skip steps:

1) Автоматизированное устройство DEV (например, PLC) непрерывно обновляет модель PM состояний процесса, считывает вводы из устройства MI расширения и записывает выводы в устройство MI расширения. Все это может осуществляться в одном цикле автоматизированного устройства.1) An automated device DEV (eg, PLC) continuously updates the process state model PM, reads inputs from the extension device MI, and writes outputs to the extension device MI. All this can be carried out in one cycle of an automated device.

2) Инициирующее событие на автоматизированном устройстве DEV может представлять собой начало выполнения организационного блока (который может выполняться свободно или точно синхронизироваться по времени, например, через периодические прерывания/триггеры). Организационные блоки иногда называются "непрерывными задачами" или "периодическими задачами", соответственно.2) The triggering event on the automated DEV may be the start of an organization block (which may be executed freely or precisely timed, eg via periodic interrupts/triggers). Organization blocks are sometimes called "continuous tasks" or "periodic tasks", respectively.

3) Автоматизированное устройство DEV инициирует команду в устройстве MI расширения. Это может выполняться посредством задания флага в модели PM состояний процесса.3) The automated device DEV initiates a command in the extension device MI. This can be done by setting a flag in the process state model PM.

4) Необязательно и/или дополнительно, записи данных могут отправляться параллельно из автоматизированного устройства DEV в устройство MI расширения. Запись данных представляет собой форму прямой передачи данных, широко используемой в автоматизированных устройствах.4) Optionally and/or additionally, data records may be sent in parallel from the automated device DEV to the expansion device MI. Data logging is a form of direct data transfer commonly used in automated devices.

5) Когда триггер обрабатывается в устройстве MI расширения, блок CU управления представляет собой вызов функции в приложении, который должен обрабатываться посредством устройства MI расширения.5) When the trigger is processed in the extension device MI, the control CU is a function call in the application to be processed by the extension device MI.

a. Необязательно, сбор дополнительных данных из внешних источников DS данных, таких как камера CAM, может выполняться посредством использования периферийного интерфейса PI. Устройство MI расширения может предоставлять индикатор через модель PM состояний процесса того, что изображение захвачено и теперь доступно для последующей обработки, например, посредством блока PU обработки. Индикатор может представлять собой состояние S1, ..., Sn.a. Optionally, collection of additional data from external data sources DS, such as a CAM camera, may be performed through the use of a PI peripheral interface. The extension device MI may provide an indication, via the process state model PM, that an image has been captured and is now available for further processing, for example by the processing unit PU. The indicator may represent the state S1, ..., Sn.

b. На дополнительном этапе, собранные данные предварительно обрабатываются в соответствии с потребностями по обработке данных, что, например, может представлять собой нормализацию одного или более изображений таким образом, что достигается постоянный уровень контраста и/или яркости, либо масштабирование одного или более изображений до разрешения, подходящего для последующей обработки. Логика может применяться к данным, чтобы исключать ненужные данные или выбирать данные для дополнительной предварительной обработки.b. In an additional step, the collected data is pre-processed in accordance with the data processing needs, which, for example, can be the normalization of one or more images so that a constant level of contrast and/or brightness is achieved, or the scaling of one or more images to a resolution, suitable for further processing. Logic can be applied to the data to eliminate unnecessary data or to select data for additional preprocessing.

c. Впоследствии все данные (например, состояния S1, ..., Sn из автоматизированного устройства DEV, полученные через модель PM состояний процесса, значения из источников DS данных, акторов A и/или датчиков S) пакетируются в такой форме, в которой приложение обработки данных ожидает, например, как тензор/векторы, которые должны обрабатываться посредством нейронной сети посредством блока PU обработки.c. Subsequently, all data (e.g. states S1, ..., Sn from the automated device DEV, obtained via the process state model PM, values from data sources DS, actors A and/or sensors S) are packaged in such a form that the data processing application expects, for example, as tensor/vectors to be processed by the neural network by the processing unit PU.

d. Следующий этап заключается в том, чтобы выполнять одну или более математических функций, предписанных посредством части обработки данных приложения посредством блока PU обработки.d. The next step is to execute one or more mathematical functions prescribed by the processing portion of the application data by the processing PU.

e. На этапе постобработки, один или более результатов одной или более математических функций агрегируются и подготавливаются к возврату в автоматизированное устройство DEV.e. In the post-processing step, one or more results of one or more mathematical functions are aggregated and prepared to be returned to the DEV automated device.

f. После того, как все функции применяются, один или более результатов R1, ..., Rn собираются, и блок CU управления уведомляется.f. After all functions are applied, one or more results of R1, ..., Rn are collected and the control CU is notified.

6) Блок CU управления затем предоставляет результаты обработки в автоматизированное устройство DEV через модель PM состояний процесса.6) The control unit CU then provides the processing results to the automated device DEV via the process state model PM.

7) Один или более результатов обрабатываются в автоматизированном устройстве DEV для того, чтобы отслеживать и/или управлять промышленной системой. Поскольку вычисление может требовать нескольких циклов, доступность нового результата может указываться посредством бита состояния (например, двоичного состояния) в модели PM состояний процесса.7) One or more results are processed in the DEV automated device in order to monitor and/or control the industrial system. Since the calculation may require several cycles, the availability of a new result may be indicated by a status bit (eg, binary status) in the process state model PM.

Фиг. 4 показывает другой вариант осуществления системы, содержащей устройство MI расширения, соединенное с соединительным модулем CM. Соединительный модуль CM предоставляет соединение с промышленной системой PN шин через шинный интерфейс PNI. Промышленная система PN шин предоставляет соединение с автоматизированным устройством DEV. Соединительный модуль CM содержит интерфейс CI связи, соединенный с интерфейсом CI связи устройства MI расширения. Интерфейсы CI связи предоставляют линию COM связи, известную из предыдущих вариантов осуществления. Модель PM состояний процесса проходит из автоматизированного устройства DEV в устройство MI расширения через промышленную систему PN шин и соединительный модуль CM. Соединительный модуль CM обеспечивает возможность применения всех вариантов осуществления из фиг. 1, 2 и/или 3 к варианту осуществления, показанному на фиг 4. В дополнительном варианте осуществления, соединительный модуль CM может составлять часть (к примеру, подключаемый модуль) устройства MI расширения.Fig. 4 shows another embodiment of a system comprising an extension device MI connected to a connection module CM. The connection module CM provides connection to an industrial PN bus system via the PNI bus interface. The industrial PN bus system provides a connection to the DEV automation device. The connection module CM includes a communication interface CI connected to the communication interface CI of the expansion device MI. Communication interfaces CI provide a communication line COM known from previous embodiments. The process state model PM is passed from the automation device DEV to the expansion device MI via the industrial bus system PN and the connection module CM. The connection module CM allows all the embodiments of FIG. 1, 2, and/or 3 to the embodiment shown in FIG. 4. In a further embodiment, a connection module CM may form part (eg, plug-in) of an extension device MI.

Фиг. 5 показывает одно автоматизированное устройство DEV с несколькими устройствами MI расширения. Модель PM состояний процесса, известная из предыдущих вариантов осуществления, расширяется на все устройства DEV, MI. Может быть преимущественным, если должны вычисляться несколько нейронных сетей для различных целей (например, одна для проверки качества камеры и одна для общего состояния работоспособности промышленной системы), и/или требуется дополнительная мощность обработки. Кроме того, крупные нейронные сети могут распределяться между несколькими устройствами MI расширения. Это демонстрирует гибкость, которую обеспечивает связь через модель PM состояний процесса согласно настоящему изобретению.Fig. 5 shows one automated device DEV with several expansion devices MI. The process state model PM known from previous embodiments is extended to all devices DEV, MI. It may be advantageous if multiple neural networks are to be computed for different purposes (eg one for camera quality checks and one for overall industrial system health) and/or additional processing power is required. In addition, large neural networks can be distributed among multiple extension devices MI. This demonstrates the flexibility that communication through the PM process state model of the present invention provides.

Фиг. 6 показывает блок-схему последовательности операций примера для варианта осуществления способа, применимого к устройству MI расширения. Предусмотренного порядка можно придерживаться либо изменять его без отступления от объема изобретения. Некоторые этапы S11, S12, S2, S3 могут пропускаться или выполняться несколько раз.Fig. 6 shows a flowchart of an example for an embodiment of a method applicable to an extension device MI. The provided order can be followed or changed without departing from the scope of the invention. Some steps S11, S12, S2, S3 may be skipped or performed multiple times.

Первый этап содержит получение S11 состояний S1, ..., Sn для выполнения вычислений C1, ..., Cn на основе, по меньшей мере, одного из состояний S1, ..., Sn. Второй этап содержит получение S12 данных из источника DS данных для того, чтобы выполнять вычисления C1, ..., Cn. Вычисления C1, ..., Cn, по меньшей мере, частично основаны на данных из источника DS данных и могут выполняться посредством устройства MI расширения. Этапы получения S11 и S12 являются необязательными и могут выполняться многократно.The first step comprises obtaining S11 states S1, ..., Sn to perform calculations C1, ..., Cn based on at least one of the states S1, ..., Sn. The second step comprises obtaining data S12 from data source DS in order to perform calculations C1, ..., Cn. The calculations C1, ..., Cn are at least partially based on data from the data source DS and can be performed by the extension device MI. Obtaining steps S11 and S12 are optional and may be performed multiple times.

Третий этап содержит получение S2, посредством устройства MI расширения, одного или более результатов R1, ..., Rn одного или более вычислений C1, ..., Cn, которые получаются. Результаты R1, ..., Rn указывают одно или более состояний S1, ..., Sn промышленной системы 100.The third step comprises obtaining S2, by means of the expander MI, one or more results R1, ..., Rn of one or more calculations C1, ..., Cn that are obtained. The results R1, ..., Rn indicate one or more states S1, ..., Sn of industrial system 100.

Четвертый этап содержит предоставление S3 одного или более результатов R1, ..., Rn через модель PM состояний процесса, совместно используемую с автоматизированным устройством DEV для того, чтобы отслеживать и/или управлять промышленной системой 100.The fourth step comprises providing S3 with one or more results R1, ..., Rn via a process state model PM shared with the automation device DEV in order to monitor and/or control industrial system 100.

Изобретение относится к устройству MI расширения для одного или более автоматизированных устройств DEV в промышленной системе 100. Изобретение, в частности, относится к блокам PU обработки промышленных данных, допускающим выполнение обработки данных на основе одной или более искусственных нейронных сетей. Чтобы обеспечивать и/или ускорять одно или более вычислений C1, ..., Cn в промышленной системе 100, за счет этого упрощая интеграцию искусственного интеллекта в промышленную систему 100, и упрощать обмен данными между устройством MI расширения, допускающим обработку данных с использованием искусственного интеллекта, и автоматизированным устройством DEV, изобретение предлагает получать S2 один или более результатов R1, ..., Rn одного или более вычислений C1, ..., Cn, при этом результаты R1, ..., Rn указывают одно или более состояний S1, ..., Sn промышленной системы 100, и предоставлять S3 один или более результатов R1, ..., Rn через модель PM состояний процесса, совместно используемую с автоматизированным устройством DEV для того, чтобы отслеживать и/или управлять промышленной системой 100.The invention relates to an extension device MI for one or more automated DEVs in an industrial system 100. The invention particularly relates to industrial data processing units PU capable of performing data processing based on one or more artificial neural networks. To provide and/or accelerate one or more calculations C1, ..., Cn in the industrial system 100, thereby facilitating the integration of artificial intelligence into the industrial system 100, and facilitating communication between the AI-enabled extension device MI , and an automated device DEV, the invention proposes to receive S2 one or more results R1, ..., Rn of one or more calculations C1, ..., Cn, while the results R1, ..., Rn indicate one or more states of S1, ..., Sn of industrial system 100, and provide S3 with one or more results R1, ..., Rn via a process state model PM shared with automation device DEV in order to monitor and/or control industrial system 100.

Claims (27)

1. Устройство (MI) расширения для автоматизированного устройства (DEV) в промышленной системе (100), причем устройство (MI) расширения сконфигурировано с возможностью обеспечивать и/или ускорять одно или более вычислений (C1, ..., Cn), причем устройство (MI) расширения содержит блок (PU) обработки и блок (CU) управления и выполнено с возможностью:1. An extension device (MI) for an automated device (DEV) in an industrial system (100), wherein the extension device (MI) is configured to provide and/or accelerate one or more calculations (C1, ..., Cn), wherein the device The extension (MI) comprises a processing unit (PU) and a control unit (CU) and is configured to: - получать (S2) один или более результатов (R1, ..., Rn) одного или более вычислений (C1, ..., Cn), при этом результаты (R1, ..., Rn) указывают одно или более состояний (S1, ..., Sn) промышленной системы (100),- receive (S2) one or more results (R1, ..., Rn) of one or more calculations (C1, ..., Cn), while the results (R1, ..., Rn) indicate one or more states ( S1, ..., Sn) industrial system (100), - предоставлять (S3) один или более результатов (R1, ..., Rn) через модель (PM) состояний процесса, совместно используемую с автоматизированным устройством (DEV) для отслеживания и/или управления промышленной системой (100), - provide (S3) one or more results (R1, ..., Rn) via a process state model (PM) shared with an automated device (DEV) to monitor and/or control the industrial system (100), - при этом устройство (MI) собирает дополнительные данные с по меньшей мере одного источника (DS) данных посредством периферийного интерфейса (PI) и через модель (PM) состояний процесса предоставляет индикатор того, что данные с источника (DS) данных захвачены и доступны для дальнейшей обработки блоком (PU) обработки,wherein the device (MI) collects additional data from at least one data source (DS) via a peripheral interface (PI) and provides an indicator via the process state model (PM) that the data from the data source (DS) is captured and available for further processing by a processing unit (PU), - причем индикатором является упомянутое состояние (S1, ..., Sn), - moreover, the indicator is the mentioned state (S1, ..., Sn), - при этом блок (CU) управления предоставляет результаты обработки в автоматизированное устройство (DEV) через модель (PM) состояний процесса, причем доступность нового результата указывается битом состояния в модели (PM) состояний процесса. wherein the control unit (CU) provides the processing results to the automation device (DEV) via a process state model (PM), the availability of a new result being indicated by a status bit in the process state model (PM). 2. Устройство (MI) расширения по п. 1, при этом устройство (MI) расширения представляет собой нейронный блок обработки, в частности, выполненный с возможностью вычислять одну или более искусственных нейронных сетей.2. An extension device (MI) according to claim 1, wherein the extension device (MI) is a neural processing unit, in particular capable of computing one or more artificial neural networks. 3. Устройство (MI) расширения по любому из предшествующих пунктов, при этом устройство (MI) расширения выполнено с возможностью применять логику к промежуточному результату вычислений (C1, ..., Cn) и/или к одному или более состояний (S1, ..., Sn).3. An extension device (MI) according to any of the preceding claims, wherein the extension device (MI) is configured to apply logic to an intermediate calculation result (C1, ..., Cn) and/or to one or more states (S1, . .., Sn). 4. Устройство (MI) расширения по любому из предшествующих пунктов, при этом устройство (MI) расширения выполнено с возможностью обновлять по меньшей мере части модели (PM) состояний процесса одним или более результатами (R1, ..., Rn).4. An extension device (MI) according to any one of the preceding claims, wherein the extension device (MI) is configured to update at least portions of the process state model (PM) with one or more results (R1, ..., Rn). 5. Устройство (MI) расширения по любому из предшествующих пунктов, в котором блок (PU) обработки сконфигурирован с возможностью выполнять вычисления (C1, ..., Cn).5. An extension device (MI) according to any one of the preceding claims, wherein the processing unit (PU) is configured to perform calculations (C1, ..., Cn). 6. Устройство (MI) расширения по любому из пп. 1-5, в котором блок (PU) обработки дополнительно адаптирован для выполнения по меньшей мере части вычислений (C1, ..., Cn) с SIMD-архитектурой.6. Device (MI) expansion according to any one of paragraphs. 1-5, wherein the processing unit (PU) is further adapted to perform at least a portion of the calculations (C1, ..., Cn) with the SIMD architecture. 7. Устройство (MI) расширения по любому из пп. 1-5, в котором блок (PU) обработки выполнен на основе архитектуры ускорения нейронной сети.7. Device (MI) expansion according to any one of paragraphs. 1-5, in which the processing unit (PU) is based on the neural network acceleration architecture. 8. Устройство (MI) расширения по любому из пп. 1-5, в котором блок (PU) обработки дополнительно выполнен с возможностью предоставлять вычисления (C1, ..., Cn) с 0, 1 или более ТОпС/Вт.8. Device (MI) expansion according to any one of paragraphs. 1-5, wherein the processing unit (PU) is further configured to provide calculations (C1, ..., Cn) with 0, 1, or more TOPS/W. 9. Устройство (MI) расширения по любому из предшествующих пунктов, при этом устройство (MI) расширения выполнено с возможностью получать промышленные данные (DATA) через модель (PM) состояний процесса.9. An extension device (MI) according to any one of the preceding claims, wherein the extension device (MI) is configured to receive industrial data (DATA) via a process state model (PM). 10. Устройство (MI) расширения по любому из предшествующих пунктов, в котором блок (CU) управления выполнен с возможностью извлекать и/или предоставлять данные (ID) из автоматизированного устройства (DEV) через модель (PM) состояний процесса.10. An extension device (MI) according to any one of the preceding claims, wherein the control unit (CU) is configured to retrieve and/or provide data (ID) from an automated device (DEV) via a process state model (PM). 11. Устройство (MI) расширения по любому из предшествующих пунктов, при этом устройство (MI) расширения содержит интерфейс (CI) связи, выполненный с возможностью обмениваться по меньшей мере частями модели (PM) состояний процесса между автоматизированным устройством (DEV) и устройством (MI) расширения.11. An extension device (MI) according to any one of the preceding claims, wherein the extension device (MI) comprises a communication interface (CI) configured to exchange at least parts of a process state model (PM) between an automated device (DEV) and a device ( MI) extensions. 12. Устройство (MI) расширения по любому из предшествующих пунктов, в котором модель (PM) состояний процесса содержит представления состояний вводов и/или выводов автоматизированного устройства (DEV).12. An extension device (MI) according to any one of the preceding claims, wherein the process state model (PM) contains representations of the states of the inputs and/or outputs of the automation device (DEV). 13. Устройство (MI) расширения по любому из предшествующих пунктов, дополнительно содержащее систему (PS) подключения периферийных устройств, выполненную с возможностью предоставлять возможности подключения к источникам (DS) данных, соединенным с устройством (MI) расширения.13. An extension device (MI) according to any one of the preceding claims, further comprising a peripheral connection system (PS) configured to provide connectivity to data sources (DS) connected to the extension device (MI). 14. Устройство (MI) расширения по любому из предшествующих пунктов, в котором источник (DS) данных по меньшей мере представляет собой камеру (CAM), а данные с внешних источников (DS) являются изображением с камеры (CAM).14. An extension device (MI) according to any one of the preceding claims, wherein the data source (DS) is at least a camera (CAM) and the data from external sources (DS) is a camera image (CAM). 15. Система (10) для предоставления результатов вычисления в промышленной системе, содержащая одно или более автоматизированных устройств (DEV) и одно или более устройств (MI) расширения по любому из пп. 1-14, при этом по меньшей мере одно из автоматизированных устройств (DEV) выполнено с возможностью отслеживать и/или управлять промышленной системой (100) согласно одному или более результатам (R1, ..., Rn) одного или более вычислений (C1, ..., Cn), выполняемых посредством одного или более устройств (MI) расширения, при этом один или более результатов (R1, ..., Rn) предоставляются в автоматизированное устройство (DEV) через модель (PM) состояний процесса.15. System (10) for providing calculation results in an industrial system, containing one or more automated devices (DEV) and one or more devices (MI) extension according to any one of paragraphs. 1-14, wherein at least one of the automated devices (DEV) is configured to monitor and/or control the industrial system (100) according to one or more results (R1, ..., Rn) of one or more calculations (C1, ..., Cn) executed by one or more extension devices (MI), with one or more results (R1, ..., Rn) provided to the automation device (DEV) via a process state model (PM). 16. Автоматизированное устройство (DEV) для управления промышленной системой (100) на основе одного или более результатов (R1, ..., Rn) одного или более вычислений (C1, ..., Cn), выполняемых посредством одного или более устройств (MI) расширения по любому из пп. 1-14, при этом один или более результатов (R1, ..., Rn) предоставляются в контроллер через модель (PM) состояний процесса.16. An automated device (DEV) for controlling an industrial system (100) based on one or more results (R1, ..., Rn) of one or more calculations (C1, ..., Cn) performed by one or more devices ( MI) extensions according to any one of paragraphs. 1-14, wherein one or more results (R1, ..., Rn) are provided to the controller via a process state model (PM). 17. Способ для предоставления результатов (R1, ..., Rn) вычисления (C1, ..., Cn) в промышленной системе (100), содержащий этапы, на которых:17. A method for providing results (R1, ..., Rn) of calculation (C1, ..., Cn) in an industrial system (100), comprising the steps of: - получают (S2) посредством устройства (MI) расширения один или более результатов (R1, ..., Rn) одного или более вычислений (C1, ..., Cn), при этом результаты (R1, ..., Rn) указывают одно или более состояний (S1, ..., Sn) промышленной системы (100), и- one or more results (R1, ..., Rn) of one or more calculations (C1, ..., Cn) are obtained (S2) by means of the extension device (MI), while the results (R1, ..., Rn) indicate one or more states (S1, ..., Sn) of the industrial system (100), and - предоставляют (S3) один или более результатов (R1, ..., Rn) через модель (PM) состояний процесса, совместно используемую с автоматизированным устройством (DEV) для отслеживания и/или управления промышленной системой (100),- provide (S3) one or more results (R1, ..., Rn) via a process state model (PM) shared with an automated device (DEV) to monitor and/or control the industrial system (100), - при этом собирают дополнительные данные с по меньшей мере одного источника (DS) данных посредством периферийного интерфейса (PI) и через модель (PM) состояний процесса предоставляют индикатор того, что данные с источника (DS) захвачены и доступны для дальнейшей обработки блоком (PU) обработки,- while collecting additional data from at least one data source (DS) via a peripheral interface (PI) and through the process state model (PM) provide an indicator that data from the source (DS) is captured and available for further processing by the unit (PU ) processing, - при этом индикатором является упомянутое состояние (S1, ..., Sn), - while the indicator is the mentioned state (S1, ..., Sn), - при этом посредством блока (CU) управления предоставляют результаты обработки в автоматизированное устройство (DEV) через модель (PM) состояний процесса, причем доступность нового результата указывают битом состояния в модели (PM) состояний процесса.wherein the control unit (CU) provides the processing results to the automation device (DEV) via a process state model (PM), the availability of a new result being indicated by a status bit in the process state model (PM).
RU2021114256A 2018-11-23 2019-10-28 Magnification instrument for an automated device RU2779903C1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP18208144.8 2018-11-23

Publications (1)

Publication Number Publication Date
RU2779903C1 true RU2779903C1 (en) 2022-09-15

Family

ID=

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0381599A2 (en) * 1989-01-31 1990-08-08 Staubli International Ag Robotic workcell control system having improved input/output interfacing for better workcell operation
US6779048B2 (en) * 1999-05-27 2004-08-17 Hitachi, Ltd. Programmable controller including intelligent module
RU2439645C2 (en) * 2007-02-07 2012-01-10 Финикс Контакт Гмбх Унд Ко. Кг Module to control and/or transfer data
EP3255589A1 (en) * 2016-06-09 2017-12-13 Rockwell Automation Technologies, Inc. Scalable analytics architecture for automation control systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0381599A2 (en) * 1989-01-31 1990-08-08 Staubli International Ag Robotic workcell control system having improved input/output interfacing for better workcell operation
US6779048B2 (en) * 1999-05-27 2004-08-17 Hitachi, Ltd. Programmable controller including intelligent module
RU2439645C2 (en) * 2007-02-07 2012-01-10 Финикс Контакт Гмбх Унд Ко. Кг Module to control and/or transfer data
EP3255589A1 (en) * 2016-06-09 2017-12-13 Rockwell Automation Technologies, Inc. Scalable analytics architecture for automation control systems

Similar Documents

Publication Publication Date Title
US10698387B2 (en) System and method for control and/or analytics of an industrial process
US20160091882A1 (en) System and method of multi-core based software execution for programmable logic controllers
US11061377B2 (en) Control device
CN104903800A (en) Motion controller and robot control system using the same
Kruger et al. Multi-agent systems vs IEC 61499 for holonic resource control in reconfigurable systems
JP7216190B2 (en) Modular Acceleration Module for Programmable Logic Controller Based Artificial Intelligence
CN110405750B (en) Motion control method and device of robot and robot
KR102580821B1 (en) Expansion devices for automation devices
RU2779903C1 (en) Magnification instrument for an automated device
CN111095138B (en) Control device, control method for control device, information processing program, and recording medium
CN214751405U (en) Multi-scene universal edge vision motion control system
De Blasi et al. Next generation control units simplifying industrial machine learning
JP2009181443A (en) Equipment for industrial controller
US11269313B2 (en) Controller and control system that stores data in current control cycle for output in next control cycle
Gilani et al. Alternative controls for soft real-time industrial control services in case of broken cloud links
Švaco et al. A multiagent framework for industrial robotic applications
Sabitha et al. Reduction of complexity of on-board embedded robotic system processors using code offloading
CN111381552A (en) Driving and control integrated technical framework
Wilkening et al. Modular System Architecture for Large Multi-Axis Motion Control Systems in Automation
Suehiro et al. A multi-agent based implementation of task coordinate servo for the DD manipulator: ETA3
JP2023047160A (en) Controller, control system and control method
Sherbert et al. Conductor: A controller development framework for high degree of freedom systems
Zhou et al. A real-time controller development framework for high degrees of freedom systems
Priego et al. Agent-based reconfiguration at controller level
Martínez et al. Low-cost distributed embedded control systems