WO2023156127A1 - Computerimplementiertes verfahren zur zumindest teilweise automatisierten konfiguration eines feldbusses, feldbussystem, computerprogramm, computerlesbares speichermedium, trainingsdatensatz und verfahren zum trainieren eines konfigurations-ki-modells - Google Patents

Computerimplementiertes verfahren zur zumindest teilweise automatisierten konfiguration eines feldbusses, feldbussystem, computerprogramm, computerlesbares speichermedium, trainingsdatensatz und verfahren zum trainieren eines konfigurations-ki-modells Download PDF

Info

Publication number
WO2023156127A1
WO2023156127A1 PCT/EP2023/051301 EP2023051301W WO2023156127A1 WO 2023156127 A1 WO2023156127 A1 WO 2023156127A1 EP 2023051301 W EP2023051301 W EP 2023051301W WO 2023156127 A1 WO2023156127 A1 WO 2023156127A1
Authority
WO
WIPO (PCT)
Prior art keywords
fieldbus
configuration
selection
field bus
configuration parameters
Prior art date
Application number
PCT/EP2023/051301
Other languages
English (en)
French (fr)
Inventor
Patrik Arnold
Original Assignee
WAGO Verwaltungsgesellschaft mit beschränkter Haftung
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 WAGO Verwaltungsgesellschaft mit beschränkter Haftung filed Critical WAGO Verwaltungsgesellschaft mit beschränkter Haftung
Publication of WO2023156127A1 publication Critical patent/WO2023156127A1/de

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0806—Configuration setting for initial configuration or provisioning, e.g. plug-and-play
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/085—Retrieval of network configuration; Tracking network configuration history
    • H04L41/0853—Retrieval of network configuration; Tracking network configuration history by actively collecting configuration information or by backing up configuration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0876—Aspects of the degree of configuration automation
    • H04L41/0886—Fully automatic configuration
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/10—Plc systems
    • G05B2219/11—Plc I-O input output
    • G05B2219/1134—Fieldbus
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25428—Field device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33002—Artificial intelligence AI, expert, knowledge, rule based system KBS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies

Definitions

  • AI “artificial intelligence”
  • a fieldbus enables a connection, in particular for data and/or energy transmission, between several components (participants) of a network, with a fieldbus, for example, connecting a control device, in particular a programmable logic controller (PLC), with one or more other components, for example a or several sensors or actuators, can be connected for data and/or energy transmission.
  • Fieldbus connections are usually wired, with the connection usually being established by means of a corresponding fieldbus cable.
  • Fieldbus systems with at least two participants for example with a control device and one or more sensors or actuators, which are connected to one another by a fieldbus, and corresponding fieldbuses for data and/or Energy transmission are known in principle from the prior art, with various fieldbuses, in particular various types of fieldbuses, which differ in particular in their respective protocol standard, i.e. in the way in which information can be transmitted or exchanged via the fieldbus and in what shape.
  • fieldbuses are known from the prior art, in particular fieldbus types: CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus-TCP and Profinet.
  • a suitable fieldbus is usually selected manually based on available information about the network, in particular the participants to be connected by means of the fieldbus, and based on the desired data and/or energy transmission by a human expert, who makes a selection decision based on the information available to him meets.
  • the fieldbus If the fieldbus is selected, for a functioning connection between the participants, in particular for a functioning communication or in particular for a functioning data and/or energy transmission between the participants of the fieldbus system via the fieldbus, the fieldbus must be configured accordingly, i.e. in particular set within the framework of the available protocol standard by storing corresponding parameter values for the respective, relevant configuration parameters for configuring the fieldbus, so that the desired data and/or energy transmission between the individual participants in the network can be achieved via the fieldbus.
  • the fieldbus is usually also configured manually, with configuration software being known to support the configuration of fieldbuses, which makes it easier to enter the respective parameter values.
  • configuration software being known to support the configuration of fieldbuses, which makes it easier to enter the respective parameter values.
  • the "elCOCKPIT" engineering software from WAGO should be mentioned here as an example.
  • an object of the present invention is to improve the configuration of a fieldbus, in particular to reduce the susceptibility to errors and the risk of damage to the participants in a fieldbus system resulting from an incorrect configuration, and above all to make the configuration of a fieldbus more efficient.
  • An inventive, computer-implemented method for at least partially automated configuration of a field bus, the at least two participants associated field bus system should connect or connects includes an information collection step, a configuration parameter determination step and a configuration step.
  • the information gathering step includes gathering, in particular at least partially automated gathering, one or more pieces of fieldbus system information that characterize the associated fieldbus system.
  • the configuration parameter determination step includes determining, in particular at least partially automated determination, one or more parameter values of one or more configuration parameters for configuring the fieldbus of the fieldbus system, the determination of the one or more parameter values depending on at least part of the collected fieldbus system information he follows.
  • the configuration step includes configuring, in particular at least partially automated configuration, of the fieldbus with the one or more parameter values of the one or more configuration parameters determined in the configuration parameter value determination step.
  • a “fieldbus system” is understood to mean, in particular, a system with at least two components (participants) which are or can be connected to one another using a fieldbus in such a way that data and/or energy can be transmitted via the fieldbus can be transmitted over the fieldbus, in particular according to a protocol standard that is characteristic of the respective fieldbus type.
  • a participant in a fieldbus system can in particular be a control device, for example a programmable logic controller (PLC), or a sensor or an actuator or another component, in particular an electronic device, for example a control unit, which is set up to be connected to another component via a fieldbus to become.
  • a first user of the fieldbus system is a control device and a further user is a sensor, an actuator or another component that can be correspondingly connected to at least one further component via a fieldbus.
  • a method according to the invention for configuring a fieldbus is particularly suitable for configuring a fieldbus which is selected from a group comprising at least the following fieldbus types: CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus TCP and/or Profinet.
  • fieldbus system information is understood to mean, in particular, information which characterizes the fieldbus system. This can, for example, be information that characterizes one or more properties of a participant in the fieldbus system, such as its maximum data transmission and/or reception speed, the number and/or type of participants in the fieldbus system, information on the topology of the fieldbus system or the network, information on the connections present on one or more participants in the fieldbus system, information on the possible and/or required power supply of one or more participants, information on the possible and/or required data transmission speed, and/or information on possible and/or or required data packets that can be sent or are to be sent via the fieldbus (size and number, with/without time stamp, frequency with which the data packets are to be sent).
  • a “configuration parameter” is understood to be a parameter which can be set by assigning a corresponding parameter value, the fieldbus being able to be configured or being configured by setting one or more configuration parameters.
  • One or more parameter values are determined in the configuration parameter value determination step in particular as a function of the properties of the fieldbus to be configured, i.e. in particular after at least one fieldbus, in particular at least one fieldbus type, that is to be used has been selected and/or as a function of one or more of the participants to be connected by means of the fieldbus and/or depending on what is to be transmitted via the fieldbus, such as data and/or energy.
  • a configuration of the field bus that is particularly well adapted to the field bus system can be achieved in particular a configuration of the fieldbus that is primarily adapted to the selected fieldbus and the participants of the fieldbus system to be connected.
  • the collection of one or more pieces of fieldbus system information, the determination of one or more parameter values and/or the configuration of the fieldbus are each at least partially automated. At least one of these steps is preferably carried out fully automatically. It is also conceivable that individual steps of a method according to the invention are only partially automated, while other steps of a method according to the invention can be carried out completely automatically. For example, the collection of fieldbus system information can be fully automated, while the configuration of the fieldbus is only partially automated, for example.
  • a method according to the invention With a method according to the invention, the risk of errors and the resulting damage to the participants in a fieldbus system, in particular due to incorrectly set configuration parameter values, can be significantly reduced in a particularly simple manner. Furthermore, a method according to the invention enables a particularly simple and reliable configuration of a field bus, even without extensive expert knowledge. Furthermore, with the aid of a method according to the invention, it can be ensured in a simple manner that similar fieldbuses are configured similarly or identical fieldbuses are identical. A high level of reproducibility can thus be achieved when configuring a large number of fieldbuses, which means that high quality and process reliability can be achieved.
  • a method according to the invention is particularly suitable for integration into engineering and/or configuration software for designing and/or configuring a fieldbus system. It is particularly advantageous if a method according to the invention for configuring a fieldbus is executed within such software for at least partially or fully automated configuration of a fieldbus system, in particular its fieldbus, with at least two participants.
  • the fieldbus system to be configured can, for example, be created as a "project" within such engineering software, with data or information about the fieldbus system already being stored in the "project” or being stored as part of the implementation of a method according to the invention, in particular as fieldbus system information.
  • data or information about the fieldbus system can be or will be stored, which characterize how many participants the fieldbus system has, for example, what kind of participants are involved, which properties the individual participants have, how they are set up, which communication and Data transmission have individual properties of the individual participants, which connections the participants have and/or how the individual participants are to be supplied with energy.
  • a configuration method according to the invention can be carried out, for example, after an explicit call within a corresponding engineering or configuration software or automatically after it has been started.
  • the configuration parameters required for configuring the fieldbus are selected first, in particular as a function of fieldbus system information already stored and/or as a function of fieldbus systems still to be entered by a user via an operator interface -Information, for example from a large number of predefined, stored configuration parameters for a defined fieldbus type.
  • the configuration parameters are only selected from a large number of predefined, stored configuration parameters can be stored that are predefined for a selected fieldbus type.
  • the number of configuration parameters from which it is possible to select and for which at least one parameter value is to be determined can be significantly reduced in a simple manner. This enables the required configuration parameters and the associated parameter values and thus the configuration parameter value determination step to be determined in a manner that saves computing and memory resources.
  • the respective parameter values are then particularly preferably determined only for the selected configuration parameters.
  • the associated parameter values are preferably determined as a function of at least some of the collected fieldbus system information, in particular as a function of all of the collected fieldbus system information, and for configuring the fieldbus system in the further course the respective configuration parameters are preferably assigned at least partially automatically, preferably fully automatically. That is, in a particularly advantageous embodiment of a method according to the invention, the respective configuration parameters required for configuring a selected fieldbus are determined at least partially, preferably fully automatically, the associated parameter values are determined at least partially, preferably fully automatically, and the determined parameter values are at least partially, preferably, assigned to the respective configuration parameters fully automatically assigned, so that an at least partial, preferably complete, automatic configuration of the fieldbus is achieved. This enables a particularly simple and efficient configuration of a selected field bus.
  • a completely automated execution of a method step or a partial step is understood as an execution which takes place completely without a human intermediate step by a user.
  • the process flow is only partially automated, one or more actions to be carried out by a user are required, for example making entries and/or confirming an assignment of a determined parameter value to a configuration parameter or the like.
  • the at least partially automated determination of the one or more parameter values takes place in particular as a function of at least part of the collected fieldbus system information, particularly preferably using a trained configuration K1 model which is configured to map one or more field bus system information to one or more configuration parameters for configuring the field bus system.
  • a trained AI model is understood to mean, in particular, an "artificial intelligence” (AI) model trained with suitable training data sets, i.e. a machine learning model learned using suitable training data sets or a machine learning algorithm learned using suitable training data sets.
  • AI artificial intelligence
  • the configuration AI model may include one or more statistical models that computer systems can use to perform a specific task without using explicit instructions, without requiring mathematically rigorously defined underlying models, such as an underlying regression function. For example, in machine learning, instead of using a rules-based transformation or mapping of data from one quantity to another, a transformation or mapping of data that can be derived from an analysis of historical and/or training data may be used.
  • the field bus system information that is collected is one or more selected items of information from a group at least comprising: information on the existing nodes of the field bus system, information on the network extension of the field bus system, in particular on the network topology, information on the participants of the fieldbus system to be connected, information on the process data communication properties of the fieldbus system, in particular information on the process data communication properties of the participants in the fieldbus system, information on possible assignments of physical to logical process image (process mapping), as well as information on possible assignments of data output from one participant to data input from another participant (communication mapping).
  • One or more configuration parameters are used in particular to configure a communication and/or data transmission connection and/or to configure an energy transmission connection between at least two participants in the fieldbus system, the parameter values of one or more configuration parameters are determined in particular in such a way and with these the fieldbus is preferably configured in such a way that a communication and/or data and/or energy transmission connection can be established or is established between the participants of the fieldbus system which are to be connected or are connected by means of the fieldbus.
  • one or more configuration parameters, whose parameter value is determined in the configuration parameter value determination step, are selected in particular from a group at least comprising: configuration parameters for configuring node addresses of the fieldbus system, configuration parameters for configuring a required baud rate of the field bus, in particular configuration parameters for configuring a dependent on the network extent and/or the participants and/or the data to be transmitted required baud rate, configuration parameters for configuring an application request, configuration parameters for configuring a selection and setting a description of one or several participants of the field bus system, configuration parameters for configuring a selection and setting of the process data communication properties, configuration parameters for configuring an assignment of physical to logical process image (process mapping), as well as configuration parameters for configuring an assignment of data outputs of a first participant to data inputs of a second participant of the Fieldbus system (communication mapping).
  • Process data communication properties are properties that characterize how communication is to take place on the fieldbus or via the fieldbus, for example by means
  • the collection of fieldbus system information includes, in particular, reading out at least one piece of fieldbus system information stored in a memory, for example in the EEPROM or in the RAM, and/or carrying it out once or several times a scan, in particular a network scan, and/or performing a user query, in particular including reading out the fieldbus system information entered by the user.
  • Carrying out a user query can be, for example, carrying out an interactive user query in which a user is asked to enter fieldbus system information, which is then read out and further processed accordingly.
  • the configuration parameter value determination step can also include automatic selection of one or more configuration parameters that are required for configuring the fieldbus, the selection of the one or more configuration parameters being carried out in particular before the The one or more associated parameter values are determined.
  • the configuration parameters required and/or relevant for the configuration can first be selected before the associated parameter values are determined.
  • one or more configuration parameters can also be selected using the trained configuration AI model or using a separate parameter selection AI model or in some other way, for example using a statistical classifier or using a mathematical model.
  • the configuration parameters are preferably selected as a function of the fieldbus to be configured and/or as a function of at least some of the collected fieldbus system information, in particular with the aid of a trained configuration AI model.
  • the above-mentioned configuration KI model has been trained with training data which contains a large number of fieldbus system information items from a large number of fieldbus systems, in particular from a large number of already configured fieldbus systems , a selection of one or more configuration parameters assigned to the respective fieldbus systems and one or more associated parameter values.
  • Training data can include, for example, fieldbus system information from already configured fieldbus systems and their associated configuration parameters and the associated parameter values and/or fieldbus system information from fieldbus systems that are yet to be configured, particularly if at least their configuration parameters have already been selected.
  • the configuration-Kl model can analyze the content of a fieldbus system information data record, the configuration-Kl model is in particular using training data records with fieldbus system information as input and training content information, such as configuration parameters and associated parameter values, as output, been trained.
  • the configuration Kl model By training the configuration Kl model with a large number of training data sets and/or training sequences (eg fieldbus system information from already configured fieldbuses or fieldbus systems) in conjunction with associated training content information (e.g. configuration parameter values assessed by experts, which are assigned to the fieldbus system information and originate, for example, from fieldbuses or fieldbus systems that have already been configured), the configuration Kl model has in particular "learned" to recognize the content of the fieldbus system information, so that the content of fieldbus system information that is not included in the training data can be recognized using the configuration AI model.
  • training data sets and/or training sequences e.g fieldbus system information from already configured fieldbuses or fieldbus systems
  • training content information e.g. configuration parameter values assessed by experts, which are assigned to the fieldbus system information and originate, for example, from fieldbuses or fieldbus systems that have already been configured
  • the same principle can be used for other types of input information as well: by training a machine learning model using training data and a desired output, the machine learning model "learns" to make a transformation or association of a mapping between the input data and the output, which can be used to generate an output based on non-training data provided to the machine learning model.
  • the input data provided for example the fieldbus system information as described above, can be pre-processed in order to obtain a feature vector which is used as input for the machine learning model.
  • the configuration KI model can have been trained using a training method that is called “supervised learning”.
  • supervised learning the machine learning model is trained using a plurality of training samples, where each sample may include a plurality of input data values and a plurality of desired output values, i. H. each training sample is associated with a desired output value.
  • the machine learning model “learns” which output value (parameter values) to output based on input samples (fieldbus system information) that are similar to the samples provided during training.
  • Supervised learning can be based on a supervised learning algorithm (e.g. a classification algorithm, a regression algorithm or a similarity learning algorithm).
  • Classification algorithms can be used when the outputs are limited to a limited set of values (categorical variables) are restricted, ie the input is classified as one of the restricted set of values.
  • Regression algorithms can be used when the outputs show any numerical value (within a range).
  • Similarity learning algorithms can be similar to both classification and regression algorithms, but are based on learning from examples using a similarity function that measures how similar or related two objects are.
  • semi-supervised learning may also have been used to train the configuration KI model.
  • some of the training samples lack a desired output value.
  • unsupervised learning may have been used to train the configuration AI model.
  • input data may (only) be provided and an unsupervised learning algorithm may be used to find structure in the input data (e.g. by grouping or clustering the input data, finding similarities/correlations in the data) .
  • Clustering is the assignment of input data, comprising a plurality of input values, into subsets (clusters) such that input values within the same cluster are similar according to one or more (predefined) similarity criteria, while input values comprised in other clusters are dissimilar.
  • Reinforcement learning is a third group of machineiem algorithms and may also have been used to train the configuration AI model.
  • one or more software actors are trained to perform actions in an environment. A reward is calculated based on the actions taken.
  • Reinforcement learning is based on training the one or more software agents to choose actions such that the cumulative reward is increased, resulting in software agents getting better at the task they are given (as through increasing rewards proven).
  • feature learning may have been used and/or the configuration AI model may include a feature learning component.
  • Feature learning algorithms also called “representation learning algorithms”, can preserve the information in their input but transform it in a way that makes it useful, often as a pre-processing stage before performing classification or prediction. For example, feature learning can be based on principal component analysis or cluster analysis.
  • Anomaly detection i.e. outlier detection
  • the configuration AI model may also have been trained, at least in part, using anomaly detection, and/or may include an anomaly detection component.
  • the configuration AI model may include a decision tree as a predictive model. That is, the configuration AI model can (also) be based on a decision tree.
  • a decision tree the observations about an item (e.g., a set of input values) may be represented by the branches of the decision tree, and an output value corresponding to the item may be represented by the leaves of the decision tree.
  • Decision trees can support both discrete and continuous values as output values. If discrete values are used, the decision tree can be called a classification tree, if continuous values are used, the decision tree can be called a regression tree.
  • the configuration AI model can be based on one or more association rules. Association rules are created by identifying relationships between variables in large data sets.
  • the configuration AI model may identify and/or utilize one or more relationship rules that represent the knowledge derived from the data.
  • the rules can e.g. For example, it can be used to store, manipulate, or apply knowledge.
  • the configuration AI model comprises an artificial neural network (ANN) or is such an artificial neural network, in particular a multi-layer, artificial neural network with at least one hidden layer (“deep learning "-Network).
  • ANNs are systems inspired by biological neural networks such as those found in a retina or brain.
  • ANNs comprise a plurality of interconnected nodes and a plurality of connections, called edges, between the nodes.
  • Each node can represent an artificial neuron.
  • Each edge can send information from one node to another.
  • the output of a node can be defined as a (non-linear) function of its inputs (e.g. the sum of its inputs).
  • a node's inputs can be used in the function based on a "weight" of the edge or node that provides the input.
  • the configuration KI model can be or have a support vector machine, a random forest model or a gradient boosting model.
  • Support Vector Machines ie support vector networks
  • Support Vector Machines are supervised learning models with associated learning algorithms that can be used to analyze data (e.g. in a classification or regression analysis).
  • Support Vector Machines can be trained by providing input with a plurality of training input values belonging to one of two categories. The Support Vector Machinier can be trained to assign a new input value to either category.
  • the configuration KI model may be or include a Bayesian network, which is a probabilistic directed acyclic graphical model.
  • a Bayesian network can be a set of Represent random variables and their conditional dependencies using a directed acyclic graph.
  • the configuration KI model may be based on a genetic algorithm, which is a search algorithm and heuristic technique that mimics the process of natural selection.
  • configuring the fieldbus includes outputting, in particular showing on a display, at least one determined parameter value for at least one configuration parameter, and/or automatic assignment of at least one determined parameter value the respectively associated configuration parameter, and/or storing the one or more determined parameter values in a memory, for example in an EEPROM or in RAM.
  • all parameter values are preferably assigned to the configuration parameters, in particular the selected and/or required configuration parameters, preferably fully automatically, and in particular simultaneously.
  • the configuration parameters in particular the selected and/or required configuration parameters, preferably fully automatically, and in particular simultaneously.
  • the trustworthiness of at least one determined parameter value can also be determined, in particular using statistical methods and/or a predefined trust interval.
  • a method according to the invention for configuring a fieldbus can furthermore include a selection step, which includes a selection of a suitable fieldbus for connecting the at least two participants of the fieldbus system, in particular an at least partially automated selection of the fieldbus, the selection of the suitable fieldbus taking place in particular before the configuration parameter value determination step, but particularly preferably only after information collection step.
  • Selecting the appropriate fieldbus preferably includes determining defined selection criteria according to which the fieldbus is selected, determining the associated values of the specific selection criteria, analyzing the values determined for the specific selection criteria, and selecting at least one suitable fieldbus based on the result of the analysis of the criteria values.
  • the susceptibility to errors in the configuration can be reduced even further by selecting a suitable fieldbus that is also at least partially automated. With a fully automated selection of a suitable fieldbus, the susceptibility to errors can be reduced even further.
  • One or more defined selection criteria that are determined are preferably one or more criteria from a group at least comprising: a required data transmission rate, in particular within the fieldbus system and/or on the fieldbus to be configured, a required data transmission rate, in particular within the fieldbus system and/or or on the fieldbus to be configured, number and size of the data to be transmitted, in particular within the fieldbus system and/or on the fieldbus to be configured, a required number of participants, in particular in the fieldbus system and/or on the fieldbus to be configured, a required reaction time, in particular within of the fieldbus system and/or of the fieldbus to be configured, a required topology, in particular of the fieldbus system and/or of the fieldbus to be configured and the participants connected to it, a required transmission medium, a required transmission method, a required connection technology, a required maximum expansion each Participants, a required energy supply via fieldbus, a required area of application (inside, outside, dry, damp), a component requirement (such as required/additional components for shielding, connection
  • Costs that arise can be, for example, (maximum) acquisition costs and/or (maximum) operating costs that arise when a specific fieldbus is selected, or component costs that arise as a result of a special component requirement for a selected fieldbus type.
  • Determining the values of the selection criteria can in particular include reading out at least one criteria value stored in a memory and/or performing a user query in which a user is asked, for example, to enter an associated criteria value for one or more criteria, and also reading out of the criteria values entered by the user.
  • determining the values of the selection criteria can also include a database query for one or more criteria values stored in a database.
  • the analysis and selection of the suitable fieldbus is carried out as a function of at least some of the determined criteria values using a trained fieldbus selection model, which is configured to set one or more criteria values to at least to map a selection parameter whose parameter value represents a fieldbus that has been selected as suitable.
  • the result is only a single selection parameter value, only a single fieldbus is suitable. If several fieldbuses or fieldbus types are determined to be suitable, it can be advantageous in some cases if the fieldbus is finally selected only after manual confirmation by a user (and a corresponding user input).
  • the analysis and selection of the appropriate fieldbus can take place as a function of at least part of the collected fieldbus system information, in which case the fieldbus selection KI model is preferably also configured to include one or more fieldbus system information together with one or more criteria values to at least one selection parameter, the parameter value of which represents a fieldbus selected as being suitable.
  • a fieldbus selection AI model that is used has been trained with training data that includes a large number of criteria and criteria values from a large number of fieldbus systems as input data.
  • the training data particularly preferably includes information on a large number of already configured fieldbus systems and a selection of one or more selection parameters assigned to the respective fieldbus systems as output data, which each represent a fieldbus selected as suitable for the associated fieldbus system.
  • the fieldbus selection KI model can have been trained and/or designed analogously to the configuration KI model described above, in particular with the training methods described in this context, but preferably with a large number of criteria and criteria values from a large number of fieldbus systems, in particular with a large number of already configured fieldbus systems, as input data and a selection of one or more selection parameters assigned to the respective fieldbus systems as output data, which each represent a fieldbus selected as suitable for the associated fieldbus system.
  • the fieldbus selection AI model can also have or be an artificial neural network (ANN), in particular an artificial neural network with at least one hidden layer (“deep learning” network).
  • ANN artificial neural network
  • deep learning hidden layer
  • the selection of the fieldbus can also include, in particular, outputting at least one selection parameter value that represents at least one fieldbus that has been selected as suitable, in particular an indication on a display. It is also conceivable that several fieldbuses or fieldbus types are suitable, which can preferably also be output.
  • the selection of the fieldbus includes, in particular, determining a fieldbus to be used, in particular a single fieldbus to be used, from the fieldbuses determined to be suitable, automatically assigning the selection parameter value of the fieldbus intended for use to a associated configuration parameters of the fieldbus system, with which the fieldbus to be used/used is set, as well as, if applicable storing the selection parameter value of the fieldbus intended for use in a memory.
  • the values of the criteria decisive for the selection of a suitable fieldbus can, for example, be obtained completely or partially from data stored in corresponding engineering software, which have been stored in connection with a fieldbus system configuration project and/or by a Scan, in particular a network scan, which is being carried out or has been carried out to record the criteria values, can be determined.
  • the user can also be queried for further criteria for narrowing down or selection, for example with the help of a wizard, i.e. with the help of a guided query or with the help of a query assistant.
  • connection technology is available at the individual participants in the fieldbus system and which topology must be supported by the fieldbus.
  • an automatic analysis of the data to be transmitted can be used to determine which data transmission rate the fieldbus must support in order to enable reliable data transmission.
  • fieldbuses or fieldbus types are basically suitable, it can be advantageous if a user-specific limitation then takes place through a supplementary and concluding wizard, i.e. through a user query, in particular with the help of a query assistant, through which e.g. depending on the budget or area of application
  • a supplementary and concluding wizard i.e. through a user query, in particular with the help of a query assistant, through which e.g. depending on the budget or area of application
  • suitable fieldbuses can be further restricted or a suitable fieldbus can be selected directly.
  • the fieldbus is selected, in particular a single fieldbus is determined, this can only be configured by carrying out the configuration parameter value determination step and the configuration step.
  • the preferred embodiments presented above with reference to the method for configuring a fieldbus and the advantages thereof also apply correspondingly - even if they are not in each case explicitly mentioned or described in connection with another aspect of the invention - in each case for a fieldbus system according to the invention, a computer program according to the invention, a storage medium according to the invention, a training data set according to the invention and a method according to the invention for training a configuration AI model, provided that they are correspondingly transferrable and technically executable and vice versa.
  • a fieldbus system has a first participant and a second participant, which are to be connected to one another or are connected by a fieldbus, and is characterized in that the fieldbus system has means for carrying out a method according to the invention for configuring a fieldbus and/or is set up for this purpose to be connected to a means that is set up to carry out a method according to the invention and to be configured by a method according to the invention using this means.
  • a means for carrying out a method according to the invention can be, for example, a control device or a computer.
  • the means, in particular a control device or a computer or the like can be part of the fieldbus system or not a permanent component of the fieldbus system, but can be connected to the fieldbus system for configuration purposes, in particular communicatively connected for data transmission.
  • the method according to the invention can be embodied by a computer program or a multiplicity of computer programs which can exist in a multiplicity of forms both actively and inactively in a single computer system or in several computer systems.
  • they may exist as software program(s) consisting of program instructions in source code, object code, executable code, or other formats for performing some of the steps.
  • Any of the above programs may be embodied in compressed or uncompressed form on any computer readable medium, which may include storage devices and signals.
  • a computer program according to the invention comprises instructions which, when the program is executed by a computer, cause the computer to execute a method according to the invention for configuring a field bus.
  • the term "computer” refers to any electronic device with a processor, e.g. B. a general purpose central processing unit (CPU), a special processor or a microcontroller.
  • a computer is capable of receiving data (an input), performing a series of predetermined operations on it, and thereby producing a result in the form of information or signals (an output).
  • the term “computer” means either a processor specifically, or more generally it may refer to a processor in conjunction with an arrangement of interconnected elements within a single housing.
  • a computer-readable storage medium comprises instructions which, when executed by a computer, cause the computer to execute a method according to the invention for configuring a field bus.
  • a “computer-readable medium” or “storage medium” may be any means that can contain, store, communicate, distribute, or transport the program for use by or in connection with the instruction execution system, apparatus, or device, as used herein.
  • the computer-readable medium may be, for example but not limited to, an electronic, magnetic, optical, electromagnetic, infrared, or semiconductor system, device, device, or transmission medium. More specific examples (a non-exhaustive list) of the computer-readable medium may include: an electrical connection with one or more wires, a portable computer disk, random access memory (RAM), read-only memory (ROM), erasable programmable read-only memory (EPROM or flash memory), an optical fiber and a compact disc portable read only memory (CDROM).
  • RAM random access memory
  • ROM read-only memory
  • EPROM or flash memory erasable programmable read-only memory
  • CDROM compact disc portable read only memory
  • a training data set according to the invention for training the configuration KI model includes a large number of fieldbus system information items from a large number of fieldbus systems, a selection of one or more configuration parameters assigned to the respective fieldbus systems and one or more associated parameter values.
  • a method according to the invention for training the configuration AI model takes place using a training data set according to the invention.
  • FIG. 1 shows a block diagram of a first exemplary embodiment of a fieldbus system according to the invention
  • FIG. 2 shows a flowchart of an exemplary embodiment of a method according to the invention for configuring a fieldbus
  • FIG. 3 shows a flow chart with the individual partial steps of the selection step S2 from the flow chart in FIG. 2,
  • FIG. 4 shows an embodiment of a fieldbus selection KI model in the form of an artificial neural network with a hidden layer
  • FIG. 5 shows an exemplary embodiment of a configuration KI model in the form of an artificial neural network with a hidden layer.
  • FIG. 1 shows an exemplary embodiment of a field bus system 100 according to the invention with three participants: a control device 10, a first participant 20, which is a sensor in this example, and a third participant 30, which is an actuator.
  • the three participants 10, 20 and 30 are connected to one another in a communicating manner via a fieldbus 50, in particular with the aid of a corresponding fieldbus cable not specified here, and can exchange data with one another via the fieldbus 50.
  • 1 merely serves to schematically show possible configurations of a fieldbus system 100 according to the invention, but is in no way to be understood as limiting in this regard.
  • a field bus system according to the invention can therefore have a different number and arrangement of participants 10, 20, 30, a different topology and extent, and a different type of participants 10, 20 and 30.
  • the control device 10 is set up not only for the operational control of the fieldbus system 100, i.e. for controlling the fieldbus system 100 during its operation, but also for the configuration of the fieldbus 50, with the control device 10 being set up to configure the fieldbus 50 by means of a method according to the invention (cf 2 and 3). That is, in this exemplary embodiment, the control device 10 represents the means for carrying out a method according to the invention of the fieldbus system 100 according to the invention and is set up to carry out a method according to the invention and to determine configuration parameter values KFPW (see FIG. 5) and to configure the fieldbus 50.
  • This exemplary embodiment of a fieldbus system 100 according to the invention is also set up to be configured by means of an external, additional control device 40, which can be connected to the fieldbus system 100 for communication.
  • the fieldbus system can also only be configured to use an external means, for example an external control device 40, which is set up to carry out a method according to the invention for configuring the fieldbus, or with an external computer 40 on which For example, engineering software is running into which a computer program for executing a method according to the invention is integrated, and to be configured by means of this external means 40 .
  • an external control device 40 which is set up to carry out a method according to the invention for configuring the fieldbus
  • an external computer 40 on which For example, engineering software is running into which a computer program for executing a method according to the invention is integrated, and to be configured by means of this external means 40 .
  • the configuration of the field bus 50 of the field bus system 100 using an external control device 40 has the advantage over an internal control device 10 for configuring the field bus 50 that the external control device 40 can be flexibly exchanged or adapted in a simple manner. Furthermore, with a large number of fieldbus systems 100 to be configured, in particular with a large number of similar or identical fieldbus systems 100 that are to be configured, it can be more cost-effective to provide only one external control device 40 or only one external means 40, and thus all fieldbus systems 100 to configure one after the other than to provide a separate, integrated control device 10 for each fieldbus system 100, which is set up for configuration by means of a method according to the invention of the fieldbus 50. However, this depends on the specific individual case and can vary from application to application.
  • the controllers 10 and 40 i. H. Both the internal control device 10 and the external control device 40 shown in FIG. 1 in this exemplary embodiment are each designed to carry out a method according to the invention for configuring the fieldbus 50, which is explained in more detail below with reference to FIGS.
  • Fig. 2 shows a flowchart of an embodiment to explain the basic process sequence of a method according to the invention for configuring a fieldbus 50 of a fieldbus system, for example for configuring the fieldbus 50 of the fieldbus system 100 according to the invention from Fig. 1.
  • Fig. 3 shows a flowchart with the individual sub-steps of the selection step S2 from the flowchart in Fig. 2.
  • Fig. 4 shows an embodiment of a field bus selection KI model in the form of an artificial neural network with a hidden layer, by means of which For example, a suitable fieldbus or fieldbus type can be selected in selection step S2.
  • Fig. 5 shows an exemplary embodiment of a configuration KI model in the form of an artificial neural network with a hidden layer, by means of which, for example, in the configuration parameter value determination step S3, the associated parameter values KFPW can be determined for the configuration parameters required for a configuration of a selected, suitable fieldbus .
  • the control devices 10 and 40 of the fieldbus system 100 are designed in particular to first collect fieldbus system information FBS-I in a first step S1, an information collection step takes place in particular fully automatically, for example in that fieldbus system information FBS-I stored in the EEPROM of the control device 10 or the external means 40 is read out.
  • a scan in particular a network scan, can be carried out once or several times.
  • the fieldbus system information FBS-I can also be collected only partially automatically. If, after the two aforementioned steps, which in particular are carried out fully automatically, not all the FBS-I fieldbus system information required for the configuration of the fieldbus 50 is available, for example, a user query, in particular an interactive user query, can also be carried out if necessary which a user is prompted, for example, to enter the missing fieldbus system information, which can then be read out and further processed accordingly. Alternatively, it is also conceivable to only carry out a user query.
  • the fieldbus system information FBS-I that is collected in step S1 is, in particular, information that characterizes the fieldbus system 100 .
  • information about the existing nodes of the fieldbus system information about the network extension of the fieldbus system, in particular the network topology, information about the participants of the fieldbus system to be connected, information about the process data communication properties of the Fieldbus system, in particular information on process data communication properties of the participants of the fieldbus system, information on possible assignments of physical to logical process image (process mapping), as well as information on possible assignments of data outputs of a participant to data inputs of another participant (communication mapping). .
  • a suitable fieldbus in particular a suitable fieldbus type, in particular from a group comprising the following fieldbus types CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus-TCP and Profinet, selected.
  • a suitable fieldbus in particular a suitable fieldbus type, in particular from a group comprising the following fieldbus types CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus-TCP and Profinet, selected.
  • the selection of a suitable fieldbus in selection step S2 is preferably also fully automated and can, as shown by way of example in FIG. Carrying out an analysis of the determined values of the previously determined selection criteria values AKW (step S2c) and selecting at least one suitable fieldbus or fieldbus type based on the result of the analysis (step S2d).
  • a suitable fieldbus is selected in step S2, in particular using a trained fieldbus selection model in the form of an artificial neural network 21, as shown in FIG. 4 by way of example, using specific selection criteria and the associated, determined values of these selection criteria , i.e. based on determined selection criteria values AKW, and in this example also as a function of the fieldbus system information FBS-I previously collected in information collection step S1, see Fig. 4.
  • Selection criteria are, for example, a required data transmission speed within the fieldbus system 50, in particular on the fieldbus 50 to be configured, a required data transmission rate, number and size of the data to be transmitted, the number of participants in the fieldbus system 100, a required reaction time, a required transmission method , a required connection technology, in particular due to the participants 10, 20 and 30 of the Fieldbus system 100, a required area of application (inside, outside, dry, damp), a component requirement (such as required/additional components for shielding, for connection, special cables, etc.), internal availability (stock), external stock (stock availability), as well as costs arising from a selection of a certain fieldbus type and/or an available budget.
  • the values of the selection criteria AKW are determined in particular by reading out the values of the specific, defined selection criteria from a memory, for example the EEPROM or the RAM of the control device 10 or 40 .
  • the values AKW of the selection criteria can also be determined by a database query or a user query.
  • a trained fieldbus selection model 21 which in this exemplary embodiment has, for example, a trained, artificial neural network (ANN) 21 an input layer E1, a hidden intermediate layer H1, and an output layer A1, as shown in FIG. 4 by way of example.
  • ANN artificial neural network
  • the fieldbus selection Kl model 21 has previously been trained, preferably using corresponding suitable training data sets, in particular using the “supervised learning” method, and configured to map one or more selection criteria values to a selection parameter whose parameter value APW represents a suitably designed fieldbus .
  • the trained fieldbus selection Kl model is configured in particular to map input data in the form of selection criteria values AKW and collected fieldbus system information FBS-I to a selection parameter and to assign this, in particular, a selection parameter value APW, which represents the specific selection of one or more selected fieldbuses and in particular indicates which fieldbus has been selected as suitable.
  • the selection of a suitable fieldbus or fieldbus type includes, in particular, assigning the result to a selection parameter and outputting an associated selection parameter value APW.
  • this can also be specified or already be specified, for example by a user input or the like. It is also conceivable to carry out the selection step before the information collection step S1. However, it is more advantageous to carry out the selection step S2 only after the information collection step S1, since the information collected in step S1 can also flow into the selection of the fieldbus in step S2.
  • the parameter values KFPW (cf. FIG. 4) of the configuration parameters required for configuring the fieldbus 50 are then determined in a further step S3, a configuration parameter value determination step.
  • the parameter values KFPW are determined in the configuration parameter determination step S3 in particular as a function of the properties of the fieldbus system 100, in particular as a function of the fieldbus system information FBS-I determined in step S1 and the fieldbus type selected in step S2 or a predefined fieldbus type.
  • the configuration parameters required for configuring the selected fieldbus 50 are first selected, these being selected in the exemplary embodiment shown as a function of the collected fieldbus system information FPS-I.
  • the configuration parameters can be selected from a large number of predefined configuration parameters stored for the selected fieldbus type. Once the individual configuration parameters that are required for configuring the selected fieldbus type or the selected fieldbus have been selected, the respective associated parameter values are determined.
  • configuration parameters for configuring node addresses of the fieldbus system configuration parameters for configuring a required baud rate of the fieldbus, in particular configuration parameters for configuring a required baud rate dependent on the network extent and/or the participants and/or the data to be transmitted, configuration parameters for Configuration of an application request, configuration parameters for configuring a selection and setting a description of one or more participants of the fieldbus system, Configuration parameters for configuring a selection and setting of the process data communication properties, configuration parameters for configuring an assignment of physical to logical process image (process mapping), as well as configuration parameters for configuring an assignment of data outputs of a first participant to data inputs of a second participant of the fieldbus system (communication mapping ) is selected and the respective associated parameter values are determined for them.
  • process mapping physical to logical process image
  • communication mapping configuration parameters for configuring an assignment of data outputs of a first participant to data inputs of a second participant of the fieldbus system
  • the configuration parameter values are determined in the configuration parameter value determination step S3 using a trained configuration-Kl model in the form of an artificial neural network (ANN) 31, which, for example, as shown in Fig. 5 for explanation, has a single input layer E1, a can have a single hidden layer H1 and a single output layer A1, and which is configured to map input data in the form of the fieldbus system information FBS-I to the configuration parameter values KFPW sought.
  • ANN artificial neural network
  • the configuration KI model 31 has been trained in particular using suitable training methods with a large number of suitable training data sets, in particular according to the invention, as described at the outset, with the training taking place using the “supervised learning” method in this exemplary embodiment.
  • the determined parameter values KFPW of the configuration parameters for the configuration of the fieldbus 50 are output in this example for the configuration of the fieldbus system 100 and in particular shown on a display, assigned to the respective required configuration parameters and stored in a memory, for example in a EEPROM of the control device 10 or in the RAM of the control device 10, by means of which the fieldbus system 100 is controlled.
  • the determined configuration parameter values KFPW are preferably stored in an internal memory of fieldbus system 100, in particular in an internal memory of a control device 10 which is set up to control fieldbus system 100, in particular to control fieldbus 50.
  • the trustworthiness can also be determined for the determined parameter values KFPW, as a result of which the reliability of the configuration of the fieldbus can often be further improved. If the ascertained trustworthiness is not sufficient, a message can be output to a user, for example, that the parameter values have to be checked manually in order to avoid damage to the components of the fieldbus system due to an incorrect configuration. A particularly secure and reliable configuration of a field bus system can be achieved as a result.
  • All method steps are preferably carried out fully automatically in order to minimize the configuration effort for a user as far as possible. Only if information is missing or fully automated processing of the information is not possible, actions by a user, such as entering additional information, may be necessary in some cases.
  • a method according to the invention can be used to achieve a configuration of a field bus, in particular a field bus system 100, that is reliable, less error-prone and therefore safe and reproducible as well as particularly simple and efficient.
  • Further configurations and exemplary embodiments according to the invention can also be a computer program with a program code for executing a described method according to the invention or can relate thereto if the computer program is executed on a computer or processor. Steps, operations, or processes of a method described above may be performed by programmed computers or processors. Further configurations and exemplary embodiments can also include program storage devices, e.g. B. digital data storage media, which are machine, processor or computer readable and encode machine executable, processor executable or computer executable programs of instructions. The instructions may perform or cause performance of some or all of the steps of the described inventive method.
  • the program storage devices, in particular computer-readable storage media according to the invention can e.g. B.
  • digital memory comprise or be magnetic storage media such as magnetic disks and magnetic tapes, hard drives or optically readable digital data storage media.
  • Functions of various elements shown in the figures, as well as the functional blocks referred to, may be implemented in the form of dedicated hardware, e.g. B "a signal provider”, “a signal processing unit”, “a processor”, “a controller”, etc., and implemented as hardware capable of executing software in conjunction with associated software.
  • the functions may be provided by a single dedicated processor, by a single shared processor, or by a plurality of individual processors, some or all of which may be shared.
  • DSP digital signal processor
  • ASIC Application Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • ROM Read Only Memory
  • RAM Random Access Memory
  • non-volatile storage devices storage.
  • Other hardware conventional and/or custom, may also be included.
  • FIG. 1 may represent a high level circuit diagram that implements the principles of the above disclosure.
  • the flowcharts shown may represent various processes, operations, or steps, for example, substantially embodied on a computer-readable medium and so executed by a computer or processor regardless of whether such a computer or processor is explicitly shown. Methods disclosed in the specification or claims may be implemented by a device having means for performing each of the respective steps of those methods.
  • control device (first participant)

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Programmable Controllers (AREA)

Abstract

Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zur Konfiguration eines Feldbusses (50), der mindestens zwei Teilnehmer (10, 20, 30) eines zugehörigen Feldbussystems (100) verbindet, ein zugehöriges Feldbussystem (100), ein Computerprogramm, ein computerlesbares Speichermedium, einen Trainingsdatensatz sowie ein Verfahren zum Trainieren eines Konfigurations-KI-Modells (31), wobei das Verfahren die folgenden Schritte umfasst: einen Informations-Sammel-Schritt (S1), umfassend ein Sammeln einer oder mehrerer Feldbussystem-Informationen (FBS-I), die das zugehörige Feldbussystem (100) charakterisieren, einen Konfigurationsparameterwert- Ermittlungsschritt (S2), umfassend ein Ermitteln eines oder mehrerer Parameterwerte (KFPW) von einem oder mehreren Konfigurationsparametern zur Konfiguration des Feldbusses (50) des Feldbussystems (100), wobei das Ermitteln des einen oder der mehreren Parameterwerte (KFPW) in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem-Informationen (FBS-I) erfolgt, und einen Konfigurationsschritt, umfassend ein Konfigurieren des Feldbusses (50) mit dem einen oder den mehreren im Konfigurationsparameterwert-Ermittlungsschritt (S3) ermittelten Parameterwerten (KFPW) des einen oder der mehreren Konfigurationsparameter.

Description

COMPUTERIMPLEMENTIERTES VERFAHREN ZUR ZUMINDEST TEILWEISE AUTOMATISIERTEN KONFIGURATION EINES FELDBUSSES, FELDBUSSYSTEM, COMPUTERPROGRAMM, COMPUTERLESBARES SPEICHERMEDIUM, TRAININGSDATENSATZ UND VERFAHREN ZUM TRAINIEREN EINES KONFIGURATIONS-KI-MODELLS
TECHNISCHES GEBIET
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zur zumindest teilweise automatisierten Konfiguration eines Feldbusses, der mindestens zwei Teilnehmer eines zugehörigen Feldbussystems verbinden soll oder verbindet sowie ein Feldbussystem mit einem ersten Teilnehmer und einem zweiten Teilnehmer, die durch einen Feldbus miteinander verbunden werden sollen oder verbunden sind. Des Weiteren betrifft die vorliegende Erfindung ein Computerprogramm sowie ein computerlesbares Speichermedium jeweils Befehle umfassend, welche, wenn sie von einem Computer ausgeführt werden, den Computer veranlassen, ein vorbeschriebenes Verfahren auszuführen. Ferner betrifft die vorliegende Erfindung einen Trainingsdatensatz zum Trainieren eines Konfigurations-Kl-Modells (KI=„Künstliche Intelligenz“) sowie ein Verfahren zum Trainieren eines Konfigurations-Kl-Modells.
HINTERGRUND
Ein Feldbus ermöglicht eine Verbindung, insbesondere zur Daten- und/oder Energieübertragung, von mehreren Komponenten (Teilnehmern) eines Netzwerks untereinander, wobei mittels eines Feldbusses beispielsweise eine Steuerungseinrichtung, insbesondere eine speicherprogrammierbare Steuerungseinrichtung (SPS), mit einer oder mehreren weiteren Komponenten, beispielsweise einem oder mehreren Sensoren oder Aktoren, zur Daten- und/oder Energieübertragung verbunden werden kann. Feldbusverbindungen sind in der Regel kabelgebunden ausgebildet, wobei die Herstellung der Verbindung üblicherweise mittels eines entsprechenden Feldbuskabels erfolgt.
Feldbussysteme mit mindestens zwei Teilnehmern, beispielsweise mit einer Steuerungseinrichtung und einem oder mehreren Sensoren oder Aktoren, die durch einen Feldbus miteinander verbunden sind, sowie entsprechende Feldbusse zur Daten- und/oder Energieübertragung sind aus dem Stand der Technik grundsätzlich bekannt, wobei verschiedene Feldbusse, insbesondere verschiedene Typen von Feldbussen bekannt sind, welche sich insbesondere in ihrem jeweiligen Protokollstandard unterscheiden, d.h. in der Art und Weise wie Informationen über den Feldbus übertragen bzw. ausgetauscht werden können und in welcher Form.
Beispielsweise sind aus dem Stand der Technik die folgenden Feldbusse bekannt, insbesondere Feldbus-Typen: CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus-TCP und Profinet.
Aufgrund der unterschiedlichen Protokollstandards eignen sich nicht alle Feldbusse gleichermaßen für sämtliche Anwendungen. Daher ist es zweckmäßig, den zu verwendenden Feldbus in Abhängigkeit von den jeweiligen, im Einzelfall vorliegenden Anforderungen an das Netzwerk bzw. in Abhängigkeit von den Eigenschaften, die mit dem Feldbus bzw. dem Feldbussystem erreicht werden sollen, auszuwählen.
Die Auswahl eines geeigneten Feldbusses erfolgt in der Regel manuell anhand vorliegender Informationen über das Netzwerk, insbesondere die mittels des Feldbusses zu verbindenden Teilnehmer, sowie anhand der gewünschten Daten- und/oder Energieübertragung durch einen menschlichen Experten, welcher basierend auf den ihm vorliegenden Informationen eine Auswahlentscheidung trifft.
Ist der Feldbus ausgewählt, ist es für eine funktionierende Verbindung der Teilnehmer untereinander, insbesondere für eine funktionierende Kommunikation bzw. insbesondere für eine funktionierende Daten- und/oder Energieübertragung zwischen den Teilnehmern des Feldbussystems über den Feldbus erforderlich, den Feldbus entsprechend zu konfigurieren, d.h. insbesondere derart im Rahmen des verfügbaren Protokollstandards einzustellen durch Hinterlegen entsprechender Parameterwerte für die jeweiligen, relevanten Konfigurationsparameter zur Konfiguration des Feldbusses, dass die gewünschte Daten- und/oder Energieübertragung zwischen den einzelnen Teilnehmern des Netzwerks über den Feldbus erreicht werden kann.
Die Konfiguration des Feldbusses erfolgt in der Regel ebenfalls manuell, wobei zur Unterstützung bei der Konfiguration von Feldbussen Konfigurations-Software bekannt ist, welche die Eingabe der jeweiligen Parameterwerte erleichtert. Beispielhalber sei hier an dieser Stelle die Engineering-Software „elCOCKPIT“ der Firma WAGO genannt.
Die manuelle Auswahl eines geeigneten Feldbusses sowie die anschließende Konfiguration des Feldbusses erfordert Expertenwissen und ist zeitaufwändig und fehleranfällig. Im ungünstigsten Fall kann es bei einer fehlerhaften Auswahl und/oder Konfiguration des Feldbusses zu Schäden an einem oder mehreren Teilnehmern bei Inbetriebnahme des Feldbussystems kommen.
Darüber hinaus ist bekannt, BACnet-Objekte und SPS-Signale mithilfe einer Konfigurations-Software zumindest teilweise automatisiert zu verknüpfen (zu „mappen“), siehe „SPS Automapping“ unter https://infosys.beckhoff.com/index.php?content=../content/1031/ tcbacnet/html/bacnet examples plc automapping.htm&id=7456993167691197807, zuletzt abgerufen am 24.01 .2022. Hierdurch kann der Aufwand beim Verknüpfen von BACnet- Objekten und SPS-Signalen reduziert werden.
Vor diesem Hintergrund ist eine Aufgabe der vorliegende Erfindung, die Konfiguration eines Feldbusses zu verbessern, insbesondere die Fehleranfälligkeit und die aus einer fehlerhaften Konfiguration resultierende Gefahr von Schäden an den Teilnehmern eines Feldbussystems zu reduzieren sowie vor allem die Konfiguration eines Feldbusses effizienter zu gestalten.
ZUSAMMENFASSUNG
Diese Aufgabe wird erfindungsgemäß durch ein computerimplementiertes Verfahren, durch ein Feldbussystem, durch ein Computerprogramm, durch ein computerlesbares Speichermedium, durch einen Trainingsdatensatz sowie durch ein Verfahren zum Trainieren eines Konfigurations-Kl-Modells mit den Merkmalen gemäß den jeweiligen unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausführungen der Erfindung sind Gegenstand der abhängigen Patentansprüche, der Beschreibung und der Figuren. Der Wortlaut der Ansprüche wird durch ausdrückliche Bezugnahme zum Inhalt der Beschreibung gemacht.
Ein erfindungsgemäßes, computerimplementiertes Verfahren zur zumindest teilweise automatisierten Konfiguration eines Feldbusses, der mindestens zwei Teilnehmer eines zugehörigen Feldbussystems verbinden soll oder verbindet, umfasst einen Information- Sammel-Schritt, einen Konfigurationsparameter-Ermittlungsschritt und einen Konfigurationsschritt.
Der Information-Sammel-Schritt umfasst ein Sammeln, insbesondere zumindest teilweise automatisiertes Sammeln, einer oder mehrerer Feldbussystem-Informationen, die das zugehörige Feldbussystem charakterisieren.
Der Konfigurationsparameter-Ermittlungsschritt umfasst ein Ermitteln, insbesondere zumindest teilweise automatisiertes Ermitteln, eines oder mehrerer Parameterwerte von einem oder mehreren Konfigurationsparametern zur Konfiguration des Feldbusses des Feldbussystems, wobei das Ermitteln des einen oder der mehreren Parameterwerte in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem-Informationen erfolgt.
Und der Konfigurationsschritt umfasst ein Konfigurieren, insbesondere zumindest teilweise automatisiertes Konfigurieren, des Feldbusses mit den einen oder den mehreren im Konfigurationsparameterwert-Ermittlungsschritt ermittelten Parameterwerten des einen oder den mehreren Konfigurationsparameter.
Unter einem „Feldbussystem“ wird im Sinne der vorliegenden Anmeldung insbesondere ein System mit wenigstens zwei Komponenten (T eilnehmern) verstanden, welche mithilfe eines Feldbusses miteinander derart verbunden oder verbindbar sind und insbesondere verbunden werden sollen, dass über den Feldbus Daten und/oder Energie über den Feldbus übertragen werden können, insbesondere nach einem für den jeweiligen Feldbustyp charakteristischen Protokollstandard.
Ein Teilnehmereines Feldbussystems kann insbesondere eine Steuerungseinrichtung sein, beispielsweise eine speicherprogrammierbare Steuerungseinrichtung (SPS), oder ein Sensor oder ein Aktor oder eine anderweitige Komponente, insbesondere ein elektronisches Gerät, beispielsweise ein Steuergerät, welches dazu eingerichtet ist, über einen Feldbus mit einer anderen Komponente verbunden zu werden. Vorzugsweise ist ein erster Teilnehmer des Feldbussystems eine Steuerungseinrichtung und ein weiterer Teilnehmer ein Sensor, ein Aktor oder eine andere, entsprechend über einen Feldbus mit wenigstens einer weiteren Komponente verbindbare Komponente. Ein erfindungsgemäßes Verfahren zur Konfiguration eines Feldbusses eignet sich insbesondere zur Konfiguration eines Feldbusses, welcher ausgewählt ist aus einer Gruppe, umfassend wenigstens die folgenden Feldbustypen: CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus-TCP und/oder Profinet.
Unter einer „Feldbussystem-Information“ wird im Sinne der vorliegenden Erfindung insbesondere eine Information verstanden, welche das Feldbussystem charakterisiert. Dies kann beispielsweise eine Information sein, welche eine oder mehrere Eigenschaften eines Teilnehmers des Feldbussystems charakterisiert, wie beispielsweise dessen maximale Datensende- und/oder -empfangsgeschwindigkeit, die Anzahl und/oder Art der Teilnehmer des Feldbussystems, eine Information zur Topologie des Feldbussystems bzw. des Netzwerks, eine Information zu den an einem oder mehreren Teilnehmern des Feldbussystems vorhandenen Anschlüssen, eine Information zur möglichen und/oder benötigten Energieversorgung von einem oder mehreren Teilnehmern, eine Information zur möglichen und/oder erforderlichen Datenübertragungsgeschwindigkeit, und/oder eine Information zu möglichen und/oder erforderlichen Datenpaketen, welche über den Feldbus versendet werden können oder zu versenden sind (Größe und Anzahl, mit/ohne Zeitstempel, Frequenz, mit der die Datenpakete zu versenden sind).
Unter einem „Konfigurationsparameter“ wird im Sinne der vorliegenden Erfindung ein Parameter verstanden, welcher durch Zuweisen eines entsprechenden Parameterwertes einstellbar ist, wobei durch Einstellen von einem oder mehreren Konfigurationsparametern der Feldbus konfiguriert werden kann oder konfiguriert wird.
Das Ermitteln von einem oder mehreren Parameterwerten im Konfigurationsparameterwert- Ermittlungsschritt erfolgt dabei insbesondere in Abhängigkeit von den Eigenschaften des zu konfigurierenden Feldbusses, d.h. insbesondere nachdem wenigstens ein Feldbus, insbesondere wenigstens ein Feldbustyp, der verwendet worden soll, ausgewählt ist, und/oder in Abhängigkeit von einem oder mehreren der mittels des Feldbusses zu verbindenden Teilnehmern und/oder in Abhängigkeit von dem, was über den Feldbus übertragen werden soll wie beispielsweise Daten und/oder Energie. Hierdurch kann eine besonders gut an das Feldbussystem angepasste Konfiguration des Feldbusses erreicht werden, insbesondere eine vor allem an den ausgewählten Feldbus sowie die zu verbindenden Teilnehmer des Feldbussystems angepasste Konfiguration des Feldbusses.
Das Sammeln einer oder mehrerer Feldbussystem-Informationen, das Ermitteln eines oder mehrerer Parameterwerte und/oder das Konfigurieren des Feldbusses erfolgt in einer bevorzugten Ausführung eines erfindungsgemäßen Verfahrens jeweils zumindest teilweise automatisiert. Bevorzugt wird wenigstens einer dieser Schritte vollständig automatisiert durchgeführt. Denkbar ist auch, dass einzelne Schritte eines erfindungsgemäßen Verfahrens nur teilweise automatisiert erfolgen, während andere Schritte eines erfindungsgemäßen Verfahrens vollständig automatisiert durchgeführt werden können. So kann beispielsweise das Sammeln von Feldbussystem-Informationen vollständig automatisiert erfolgen, während das Konfigurieren des Feldbusses beispielsweise nur zumindest teilweise automatisiert erfolgt. Es hat sich als besonders vorteilhaft herausgestellt, wenn insbesondere das Sammeln von Feldbussystem-Informationen sowie das Ermitteln der Konfigurationsparameterwerte zur Konfiguration eines ausgewählten Feldbusses vollständig automatisiert erfolgen, da hierdurch die Fehleranfälligkeit erheblich reduziert und eine hohe Zeitersparnis bei der Konfiguration des Feldbusses erreicht werden kann.
Mit einem erfindungsgemäßen Verfahren lässt sich auf besonders einfache Art und Weise die Gefahr von Fehlern und daraus resultierenden Schäden an den Teilnehmern eines Feldbussystems, insbesondere aufgrund fehlerhaft eingestellter Konfigurationsparameterwerte, erheblich reduzieren. Des Weiteren ermöglicht ein erfindungsgemäßes Verfahren eine besonders einfache und zuverlässige Konfiguration eines Feldbusses auch ohne umfangreiches Expertenwissen. Ferner kann mithilfe eines erfindungsgemäßen Verfahrens auf einfache Art und Weise sichergestellt werden, dass ähnliche Feldbusse ähnlich konfiguriert werden bzw. identische Feldbusse identisch. Damit kann eine hohe Reproduzierbarkeit bei der Konfiguration einer Vielzahl von Feldbussen erreicht werden, wodurch sich eine hohe Qualität und eine Prozesssicherheit erreichen lässt. In vielen Fällen lässt sich außerdem eine Steigerung der Effizienz im Engineering- Prozess erreichen, insbesondere bei der Planung und Konfiguration eines entsprechenden Feldbussystems, und gegebenenfalls auch in der Anwendung, da der Feldbus einfach und schnell nahezu optimal und oftmals sogar optimal ausgewählt und konfiguriert werden kann. Ein erfindungsgemäßes Verfahren eignet sich insbesondere für eine Integration in eine Engineering- und/oder Konfigurations-Software zur Auslegung und/oder Konfiguration eines Feldbussystems. Besonders vorteilhaft ist es, wenn ein erfindungsgemäßes Verfahren zur Konfiguration eines Feldbusses innerhalb einer solchen Software zur zumindest teilweisen oder vollständig automatisierten Konfiguration eines Feldbussystems, insbesondere dessen Feldbusses, mit wenigstens zwei Teilnehmern ausgeführt wird.
Das zu konfigurierende Feldbussystem kann beispielsweise innerhalb einer solchen Engineering-Software als „Projekt“ angelegt sein oder werden, wobei in dem „Projekt“ Daten bzw. Informationen zu den Feldbussystem bereits hinterlegt sein können oder im Rahmen der Durchführung eines erfindungsgemäßen Verfahrens hinterlegt werden, insbesondere als Feldbussystem-Informationen. Insbesondere können Daten bzw. Informationen zu dem Feldbussystem hinterlegt sein oder werden, welche charakterisieren, wie viele Teilnehmer das Feldbussystem beispielsweise aufweist, um was für Teilnehmer es sich jeweils handelt, welche Eigenschaften die einzelnen Teilnehmer aufweisen, wie diese eingerichtet sind, welche Kommunikations- und Datenübertragung Einzeleigenschaften die einzelnen Teilnehmer aufweisen, was für Anschlüsse die Teilnehmer aufweisen, und/oder wie die einzelnen Teilnehmer mit Energie zu versorgen sind.
Ein erfindungsgemäßes Verfahren zur Konfiguration kann beispielsweise nach einem expliziten Aufruf innerhalb einer entsprechenden Engineering- oder Konfigurations- Software ausgeführt werden oder automatisch nach deren Start.
In einer möglichen, besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens werden im Konfigurationsparameterwert-Ermittlungsschritt insbesondere zunächst die zur Konfiguration des Feldbusses erforderlichen Konfigurationsparameter ausgewählt, insbesondere in Abhängigkeit von bereits hinterlegten Feldbussystem- Informationen und/oder in Abhängigkeit von noch von einem Benutzer über eine Bedienschnittstelle einzugebenden Feldbussystem-Informationen, beispielsweise aus einer Vielzahl von vordefinierten, hinterlegten Konfigurationsparametern für einen definierten Feldbustyp.
Besonders vorteilhaft kann es in einigen Fällen sein, wenn die Konfigurationsparameter nur aus einer Vielzahl von vordefinierten, hinterlegten Konfigurationsparametern ausgewählt werden können, die für einen ausgewählten Feldbustyp vordefiniert hinterlegt sind. Hierdurch kann die Menge der Konfigurationsparameter, aus denen jeweils ausgewählt werden kann und für die jeweils wenigstens ein Parameterwert zu ermitteln ist, auf einfache Art und Weise signifikant reduziert werden. Dies ermöglicht eine rechen- und speicherressourcenschonende Ermittlung der erforderlichen Konfigurationsparameter und der zugehörigen Parameterwerte und damit des Konfigurationsparameterwert- Ermittlungsschrittes. Im weiteren Verlauf werden dann besonders bevorzugt nur für die ausgewählten Konfigurationsparameter die jeweiligen Parameterwerte ermittelt.
Vorzugsweise werden die zugehörigen Parameterwerte in Abhängigkeit von wenigstens einem Teil der gesammelten Feldbussystem-Informationen ermittelt, insbesondere in Abhängigkeit von sämtlichen der gesammelten Feldbussystem-Informationen, und zum Konfigurieren des Feldbussystems im weiteren Verlauf den jeweiligen Konfigurationsparametern bevorzugt wenigstens teilweise automatisiert zugewiesen, vorzugsweise vollständig automatisiert. D.h., in einer besonders vorteilhaften Ausgestaltung eines erfindungsgemäßen Verfahrens werden die jeweiligen, zur Konfiguration eines ausgewählten Feldbusses erforderlichen Konfigurationsparameter zumindest teilweise, vorzugsweise vollständig automatisiert ermittelt, die zugehörigen Parameterwerte zumindest teilweise, vorzugsweise vollständig automatisiert bestimmt und die ermittelten Parameterwerte den jeweiligen Konfigurationsparametern zumindest teilweise, vorzugsweise vollständig automatisiert zugewiesen, sodass eine zumindest teilweise, vorzugsweise vollständige, automatische Konfiguration des Feldbusses erreicht wird. Dies ermöglicht eine besonders einfache und effiziente Konfiguration eines ausgewählten Feldbusses.
Unter einer vollständig automatisierten Durchführung eines Verfahrensschrittes oder eines Teilschrittes wird im Sinne der vorliegenden Anmeldung dabei eine Durchführung verstanden, welche vollständig ohne einen menschlichen Zwischenschritt durch einen Benutzer erfolgt.
Im Gegensatz dazu sind bei einer nur teilweisen Automatisierung im Verfahrensablauf insbesondere ein oder mehrere von einem Benutzer vorzunehmende Handlungen erforderlich, beispielsweise Eingaben zu tätigen und/oder ein Bestätigen einer Zuweisung eines ermittelten Parameterwertes zu einem Konfigurationsparameter oder dergleichen. In einer besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens erfolgt das zumindest teilweise automatisierte Ermitteln des einen oder der mehreren Parameterwerte insbesondere in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem-Informationen, besonders bevorzugt unter Verwendung eines trainierten Konfigurations-Kl-Modells, welches dazu konfiguriert ist, eine oder mehrere Feldbussystem-Informationen auf einen oder mehrere Konfigurationsparameter zur Konfiguration des Feldbussystems abzubilden.
Unter einem trainierten Kl-Modell wird dabei insbesondere ein mit entsprechend geeigneten Trainingsdatensätzen trainiertes „Künstliche Intelligenz“ (Kl)-Modell verstanden, d.h. ein mithilfe von geeigneten Trainingsdatensätzen angelerntes Maschinenlern-Modell oder ein entsprechend mithilfe von geeigneten Trainingsdatensätzen angelernter Maschinenlern- Algorithmus.
Das Konfigurations-Kl-Modell kann ein oder mehrere statistische Modelle aufweisen, die Computersysteme verwenden können, um eine bestimmte Aufgabe ohne Verwendung expliziter Anweisungen auszuführen, ohne mathematisch exakt definierte, hinterlegte Modelle, wie beispielsweise eine hinterlegte Regressionsfunktion, zu erfordern. Beim maschinellen Lernen kann beispielsweise anstatt einer auf Regeln basierenden Transformation oder Abbildung von Daten von einer Größe auf eine andere, eine Transformation oder Abbildung von Daten verwendet werden, die aus einer Analyse von Verlaufs- und/oder Trainings-Daten hergeleitet werden kann.
In einer möglichen, weiteren vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses sind die Feldbussystem-Informationen, die gesammelt werden, ein oder mehrere ausgewählte Informationen aus einer Gruppe, wenigstens umfassend: Informationen zu den vorhandenen Knoten des Feldbussystems, Informationen zur Netzwerkausdehnung des Feldbussystems, insbesondere zur Netzwerktopologie, Informationen zu den zu verbindenden Teilnehmern des Feldbussystems, Informationen zu Prozessdaten-Kommunikationseigenschaften des Feldbussystems, insbesondere Informationen zu Prozessdaten-Kommunikationseigenschaften der Teilnehmer des Feldbussystems, Informationen zu möglichen Zuordnungen von physikalischem zu logischem Prozessabbild (Prozess-Mapping), sowie Informationen zu möglichen Zuordnungen von Datenausgaben eines Teilnehmers zu Dateneingaben eines anderen Teilnehmers (Kommunikations-Mapping).
Ein oder mehrere Konfigurationsparameter, deren Parameterwert(e) im Konfigurationsparameterwert-Ermittlungsschritt ermittelt werden, dienen insbesondere zur Konfiguration einer Kommunikations- und/oder Datenübertragungsverbindung und/oder zur Konfiguration einer Energieübertragungsverbindung zwischen mindestens zwei Teilnehmern des Feldbussystems, wobei die Parameterwerte von einem oder mehreren Konfigurationsparametern insbesondere derart ermittelt werden und mit diesen der Feldbus vorzugsweise derart konfiguriert wird, dass eine Kommunikations- und/oder Daten- und/oder Energieübertragungsverbindung zwischen den mittels des Feldbusses zu verbindenden oder verbundenen Teilnehmern des Feldbussystems herstellbar ist oder hergestellt wird.
In einer möglichen, weiteren vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses sind ein oder mehrere Konfigurationsparameter, deren Parameterwert im Konfigurationsparameterwert- Ermittlungsschritt ermittelt werden, insbesondere ausgewählt aus einer Gruppe, wenigstens umfassend: Konfigurationsparameter zur Konfiguration von Knotenadressen des Feldbussystems, Konfigurationsparameter zur Konfiguration einer erforderlichen Baudrate des Feldbusses, insbesondere Konfigurationsparameter zur Konfiguration einer in Abhängigkeit von der Netzwerkausdehnung und/oder den Teilnehmern und/oder den zu übertragenden Daten abhängigen, erforderlichen Baudrate, Konfigurationsparameter zur Konfiguration einer Applikationsanforderung, Konfigurationsparameter zur Konfiguration einer Auswahl und Einstellung einer Beschreibung von einem oder mehreren Teilnehmern des Feldbussystems, Konfigurationsparameter zur Konfiguration einer Auswahl und Einstellung der Prozessdaten-Kommunikationseigenschaften, Konfigurationsparameter zur Konfiguration einer Zuordnung von physikalischem zu logischem Prozessabbild (Prozess-Mapping), sowie Konfigurationsparameter zur Konfiguration einer Zuordnung von Datenausgaben eines ersten Teilnehmers zu Dateneingaben eines zweiten Teilnehmers des Feldbussystems (Kommunikations-Mapping). Prozessdaten-Kommunikationseigenschaften sind Eigenschaften, die charakterisieren, wie auf dem Feldbus bzw. über den Feldbus kommuniziert werden soll, beispielsweise mittels zyklischem Polling, ereignisgesteuerter Kommunikation oder dergleichen.
In einer möglichen, besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses umfasst das Sammeln von Feldbussystem-Informationen insbesondere ein Auslesen von wenigstens einer in einem Speicher, beispielsweise im EEPROM oder im RAM hinterlegten Feldbussystem-Information, und/oder ein einmaliges oder mehrmaliges Durchführen eines Scans, insbesondere eines Netzwerkscans, und/oder ein Durchführen einer Benutzerabfrage, insbesondere inklusive eines Auslesens der vom Benutzer eingegebenen Feldbussystem-Informationen. Ein Durchführen einer Benutzerabfrage kann beispielsweise ein Durchführen einer interaktiven Benutzerabfrage sein, bei welcher ein Benutzer aufgefordert wird, Feldbussystem-Informationen einzugeben, welche dann ausgelesen und entsprechend weiterverarbeitet werden.
In einer weiteren möglichen, besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses kann der Konfigurationsparameterwert-Ermittlungsschritt ferner ein automatisches Auswählen eines oder mehrerer Konfigurationsparameter umfassen, die zur Konfiguration des Feldbusses erforderlich sind, wobei das Auswählen des einen oder der mehreren Konfigurationsparameter insbesondere vor dem Ermitteln des einen oder der mehreren, zugehörigen Parameterwerte erfolgt. D.h. mit anderen Worten, dass in einer weiteren möglichen, besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zunächst die für die Konfiguration erforderlichen und/oder relevanten Konfigurationsparameter ausgewählt werden können, bevor die zugehörigen Parameterwerte ermittelt werden.
Das Auswählen eines oder mehrerer Konfigurationsparameter kann insbesondere ebenfalls unter Verwendung des trainierten Konfigurations-Kl-Modells erfolgen oder aber unter Verwendung eines separaten Parameter-Auswahl-Kl-Modells oder auf eine sonstige, andere Art und Weise, beispielsweise mittels eines statistischen Klassifizierers oder mittels eines mathematischen Modells. Bevorzugt erfolgt das Auswahlen der Konfigurationsparameter dabei in Abhängigkeit von dem zu konfigurierenden Feldbus und/oder in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem-Informationen, insbesondere mithilfe eines trainierten Konfigurations-Kl-Modells.
In einer weiteren möglichen, besonders vorteilhaften Weiterbildung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses ist das oben erwähnte Konfigurations-Kl-Modell mit Trainingsdaten trainiert worden, welche eine Vielzahl an Feldbussystem-Informationen von einer Vielzahl an Feldbussystemen, insbesondere von einer Vielzahl von bereits konfigurierten Feldbussystemen, eine den jeweiligen Feldbussystemen zugeordnete Auswahl von einem oder mehreren Konfigurationsparametern sowie einen oder mehrere zugehörige Parameterwerte umfassen.
Trainingsdaten können beispielsweise Feldbussystem-Informationen von bereits konfigurierten Feldbussystemen sowie deren zugehörige Konfigurationsparameter und die zugehörigen Parameterwerte umfassen und/oder Feldbussystem-Informationen von noch zu konfigurierenden Feldbussystemen, insbesondere wenn zumindest deren Konfigurationsparameter bereits ausgewählt sind.
Insbesondere kann der Inhalt von definierten Trainingsdatensätzen mit Feldbussystem- Informationen unter Verwendung eines Maschinenlern-Modells oder unter Verwendung eines Maschineniem-Algorithmus analysiert und ausgewertet worden sein und auf diese Weise trainiert worden sein. Damit das Konfigurations-Kl-Modell den Inhalt eines Feldbussystem-Informations-Datensatzes analysieren kann, ist das Konfigurations-Kl- Modell insbesondere unter Verwendung von Trainingsdatensätzen mit Feldbussystem- Informationen als Eingabe und Trainingsinhaltsinformation, wie Konfigurationsparame- tern und zugehörigen Parameterwerten, als Ausgabe, trainiert worden.
Durch T rainieren des Konfigurations-Kl-Modells mit einer großen Anzahl von T rainings- datensätzen und/oder Trainingssequenzen (z.B. von Feldbussystem-Informationen von bereits konfigurierten Feldbussen oder Feldbussystemen) in Verbindung mit zugeordneter Trainingsinhaltsinformation (z.B. von Experten beurteilten Konfigurationsparameterwerten, die den Feldbussystem-Informationen zugeordnet sind und beispielsweise von bereits konfigurierten Feldbussen oder Feldbussystem stammen) hat das Konfigurations-Kl-Modell insbesondere „gelernt“, den Inhalt der Feldbussystem-Informationen zu erkennen, sodass der Inhalt von Feldbussystem-Informationen, die in den Trainingsdaten nicht umfasst sind, unter Verwendung des Konfigurations-Kl-Modells erkannt werden kann.
Das gleiche Prinzip kann für andere Arten von Eingangsinformationen ebenfalls verwendet werden: Durch Trainieren eines Maschinenlern-Modells unter Verwendung von Trainingsdaten und einer erwünschten Ausgabe „lernt“ das Maschinenlern-Modell eine Umwandlung bzw. einen Zusammenhang einer Abbildung zwischen den Eingabedaten und der Ausgabe herzustellen, was verwendet werden kann, um eine Ausgabe basierend auf an das Maschinenlern-Modell bereitgestellten Nicht-Trainingsdaten zu erzeugen. Die bereitgestellten Eingangsdaten, beispielweise die Feldbussystem-Informationen wie oben beschrieben, können vorverarbeitet werden, um einen Merkmalsvektor zu erhalten, welcher als Eingang für das Maschinenlern-Modell verwendet wird.
Insbesondere kann das Konfigurations-Kl-Modell mittels eines T rainingsverfahrens trainiert worden sein, das „Supervised Learning“ genannt wird. Beim Supervised Learning wird das Maschinenlern-Modell unter Verwendung einer Mehrzahl von Trainingsabtastwerten trainiert, wobei jeder Abtastwert eine Mehrzahl von Eingabedatenwerten und eine Mehrzahl von erwünschten Ausgabewerten umfassen kann, d. h. jedem Trainingsabtastwert ist ein erwünschter Ausgabewert zugeordnet. Durch Angeben sowohl von Trainingsabtastwerten als auch erwünschten Ausgabewerten „lernt“ das Maschinen- lern-Modell, welcher Ausgabewert (welche Parameterwerte) basierend auf den Eingabeabtastwerten (Feldbussystem-Informationen), die ähnlich zu den während des Trainings bereitgestellten Abtastwerten sind, auszugeben sind.
Supervised Learning kann auf einem Supervised Learning-Algorithmus basieren (z. B. einem Klassifizierungsalgorithmus, einem Regressionsalgorithmus oder einem Ähnlich- keitslernen-Algorithmus). Klassifizierungsalgorithmen können verwendet werden, wenn die Ausgaben auf eine begrenzte Menge von Werten (kategorische Variablen) beschränkt sind, d. h. die Eingabe ist als einer aus dem begrenzten Satz von Werten klassifiziert. Regressionsalgorithmen können verwendet werden, wenn die Ausgaben irgendeinen Zahlenwert (innerhalb eines Bereichs) ausweisen. Ähnlichkeitslernen-Al- gorithmen können sowohl Klassifizierungs- als auch Regressionsalgorithmen ähnlich sein, basieren aber auf dem Lernen aus Beispielen unter Verwendung einer Ähnlich- keitsfunktion, die misst, wie ähnlich oder verwandt zwei Objekte sind.
Neben dem Supervised Learning kann auch „Semi-Supervised Learning“ verwendet worden sein, um das Konfigurations-Kl-Modell zu trainieren. Beim Semi-Supervised Learning fehlt einigen der Trainingsabtastwerte ein erwünschter Ausgabewert.
Neben dem Supervised Learning oder Semi-Supervised Learning kann „Unsupervised Learning“ verwendet worden sein, um das Konfigurations-Kl-Modell zu trainieren. Beim Unsupervised Learning werden möglicherweise (nur) Eingabedaten bereitgestellt, und ein Unsupervised Learning-Algorithmus kann verwendet werden, um eine Struktur in den Eingabedaten zu finden (z. B. durch Gruppieren oder Clustern der Eingabedaten, Finden von Gemeinsamkeiten/Korrelationen in den Daten). Clustern ist die Zuweisung von Eingabedaten, die eine Mehrzahl von Eingabewerten umfassen, in Teilmengen (Cluster), sodass Eingabewerte innerhalb desselben Clusters gemäß einem oder mehreren (vordefinierten) Ähnlichkeitskriterien ähnlich sind, während sie Eingabewerten, die in anderen Clustern umfasst sind, unähnlich sind.
Verstärkendes Lernen ist eine dritte Gruppe von Maschineniem-Algorithmen und kann ebenfalls eingesetzt worden sein, um das Konfigurations-Kl-Modell zu trainieren. Beim verstärkenden Lernen werden ein oder mehrere Software-Akteure (sogenannte „Software Agents“) trainiert, um Handlungen in einer Umgebung vorzunehmen. Basierend auf den vorgenommenen Handlungen wird eine Belohnung berechnet. Verstärkendes Lernen basiert auf dem Trainieren des einen oder mehrerer Software Agents, um die Handlungen auszuwählen, derart, dass die kumulative Belohnung erhöht wird, was zu Software Agents führt, die in der Aufgabe, die ihnen gegeben wird, besser werden (wie durch steigende Belohnungen nachgewiesen). Ferner kann Feature Learning verwendet worden sein und/oder das Konfigurations-Kl- Modell kann eine Feature Learning-Komponente umfassen. Feature Learning-Algorith- men, die auch „Representation Learning-Algorithmen“ genannt werden, können die Information in ihrer Eingabe erhalten, sie aber derart transformieren, dass sie nützlich wird, häufig als Vorverarbeitungsstufe vor dem Ausführen der Klassifizierung oder dem Vorhersagen. Feature Learning kann beispielsweise auf einer Hauptkomponenten-Ana- lyse oder Cluster-Analyse basieren.
Es kann ferner eine Anomaliedetektion (d. h. eine Ausreißer-Detektion) verwendet worden sein, die darauf abzielt, eine Identifizierung von grob abweichenden Eingabewerten zu erreichen, welche sich erheblich von der Mehrheit von Eingabe- und Trainingsdaten unterscheiden. D.h., das Konfigurations-Kl-Modell kann ferner zumindest teilweise unter Verwendung einer Anomaliedetektion trainiert worden sein, und/oder eine Anomaliedetektions-Komponente umfassen.
In einigen Ausführungen kann das Konfigurations-Kl-Modell einen Entscheidungsbaum als Vorhersagemodell umfassen. D.h., das Konfigurations-Kl-Modell kann (auch) auf einem Entscheidungsbaum basieren. Bei einem Entscheidungsbaum können die Beobachtungen zu einem Gegenstand (z. B. einer Menge von Eingabewerten) durch die Zweige des Entscheidungsbaums dargestellt werden, und ein Ausgabewert, der dem Gegenstand entspricht, kann durch die Blätter des Entscheidungsbaums dargestellt werden. Entscheidungsbäume können sowohl diskrete Werte als auch fortlaufende Werte als Ausgabewerte unterstützen. Wenn diskrete Werte verwendet werden, kann der Entscheidungsbaum als Klassifizierungsbaum bezeichnet werden, wenn fortlaufende Werte verwendet werden, kann der Entscheidungsbaum als Regressionsbaum bezeichnet werden.
Ferner kann das Konfigurations-Kl-Modell auf einer oder mehreren Assoziationsregeln basieren. Assoziationsregeln werden erstellt, indem Verhältnisse zwischen Variablen bei großen Datenmengen identifiziert werden. Das Konfigurations-Kl-Modell kann eine oder mehrere Verhältnisregeln identifizieren und/oder nutzen, die das Wssen darstellen, dass aus den Daten hergeleitet ist. Die Regeln können z. B. verwendet werden, um das Wssen zu speichern, zu manipulieren oder anzuwenden. In einer weiteren möglichen, besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses umfasst das Konfigurations-Kl-Modell ein künstliches neuronales Netz (KNN) oder ist ein solches, insbesondere ein mehrschichtiges, künstliches neuronales Netz mit wenigstens einer verborgenen Schicht („Deep Learning“-Netzwerk).
KNNs sind Systeme, die durch biologische neuronale Netze inspiriert sind, wie sie in einer Netzhaut oder einem Gehirn zu finden sind. KNNs umfassen eine Mehrzahl von zwischenverbundenen Knoten und eine Mehrzahl von Verbindungen, sogenannte Kanten (edges), zwischen den Knoten. Es gibt normalerweise drei Knotentypen, Eingabeknoten, die Eingabewerte empfangen, versteckte Knoten, die (nur) mit anderen Knoten verbunden sind, und Ausgabeknoten, die Ausgabewerte bereitstellen. Jeder Knoten kann ein künstliches Neuron darstellen. Jede Kante kann Information senden, von einem Knoten zum anderen. Die Ausgabe eines Knoten kann als eine (nichtlineare) Funktion der Eingaben definiert sein (z.B. der Summe seiner Eingaben). Die Eingaben eines Knoten können in der Funktion basierend auf einem „Gewicht“ der Kante oder des Knoten, der die Eingabe bereitstellt, verwendet werden. Das Gewicht von Knoten und/oder von Kanten kann in dem Lernprozess angepasst werden. Das Training eines künstlichen neuronalen Netzes kann ein Anpassen der Gewichte der Knoten und/oder Kanten des künstlichen neuronalen Netzes umfassen, d. h. um eine erwünschte Ausgabe für eine bestimmte Eingabe zu erreichen.
Alternativ oder zusätzlich kann das Konfigurations-Kl-Modell eine Support-Vector-Ma- chine, ein Random-Forest-Modell oder ein Gradient-Boosting-Modell sein oder aufweisen. Support Vector Machines (d. h. Stützvektornetze) sind Supervised Learning-Mo- delle mit zugeordneten Lernalgorithmen, die verwendet werden können, um Daten zu analysieren (z. B. in einer Klassifizierungs- oder Regressionsanalyse). Support Vector Machines können durch Bereitstellen einer Eingabe mit einer Mehrzahl von Trainingseingabewerten, die zu einer von zwei Kategorien gehören, trainiert werden. Die Support Vector Machinier kann trainiert werden, um einer der beiden Kategorien einen neuen Eingabewert zuzuweisen. Alternativ oder zusätzlich kann das Konfigurations-Kl-Modell ein bayessches Netz sein oder aufweisen, das ein probabilistisches gerichtetes azyklisches graphisches Modell ist. Ein bayessches Netz kann einen Satz von Zufallsvariablen und ihre bedingten Abhängigkeiten unter Verwendung eines gerichteten azyklischen Graphen darstellen. Alternativ oder zusätzlich kann das Konfigurations- Kl-Modell auf einem genetischen Algorithmus basieren, der ein Suchalgorithmus und heuristische Technik ist, die den Prozess der natürlichen Selektion imitiert.
In einer weiteren möglichen, besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses umfasst das Konfigurieren des Feldbusses ein Ausgeben, insbesondere ein Anzeigen auf einem Display, wenigstens eines ermittelten Parameterwertes für wenigstens einen Konfigurationsparameter, und/oder ein automatisches Zuweisen wenigstens eines ermittelten Parameterwertes zu dem jeweils zugehörigen Konfigurationsparameter, und/oder ein Hinterlegen des einen oder der mehreren ermittelten Parameterwerte in einem Speicher, beispielswiese in einem EEPROM oder im RAM.
Bevorzugt werden jeweils beim Konfigurieren, d.h. im Konfigurationsschritt, den Konfigurationsparametern, insbesondere den ausgewählten und/oder erforderlichen Konfigurationsparametern, sämtliche Parameterwerte zugewiesen, vorzugsweise vollständig automatisiert, und insbesondere gleichzeitig. Denkbar ist aber auch, nur einige Parameterwerte anzuzeigen sowie nur einzelne Parameterwerte vollständig automatisch zuzuweisen und dadurch die zugehörigen Konfigurationsparameter einzustellen. In einigen Fällen kann es vorteilhaft sein, wenn die Zuweisung einiger Parameterwerte durch eine Benutzereingabe manuell bestätigt wird, insbesondere bestätigt werden muss. Dies kann vor allem dann vorteilhaft sein, wenn ein ermittelter Wert außerhalb eines zugehörigen, definierten Vertrauensintervalls liegt und somit als nicht vertrauenswürdig eingestuft werden kann.
In einer vorteilhaften Weiterbildung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses kann insbesondere ferner die Vertrauenswürdigkeit wenigstens eines ermittelten Parameterwertes bestimmt werden, insbesondere mithilfe statistischer Methoden und/oder einem vordefinierten Vertrauensintervall.
In einer weiteren, möglichen, vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses, insbesondere in einer Weiterbildung, kann ein erfindungsgemäßes Verfahren zur Konfiguration eines Feldbusses ferner einen Auswahlschritt umfassen, der ein Auswahlen eines geeigneten Feldbusses zur Verbindung der wenigstens zwei Teilnehmer des Feldbussystems umfasst, insbesondere ein zumindest teilweise automatisiertes Auswahlen des Feldbusses, wobei das Auswahlen des geeigneten Feldbusses insbesondere vor dem Konfigurationsparameterwert-Ermittlungsschritt erfolgt, besonders bevorzugt jedoch erst nach Informations-Sammel-Schritt.
Vorzugsweise umfasst das Auswahlen des geeigneten Feldbusses ein Bestimmen definierter Auswahlkriterien, nach denen der Feldbus ausgewählt wird, ein Ermitteln der zugehörigen Werte der bestimmten Auswahlkriterien, eine Analyse der ermittelten Werte der bestimmten Auswahlkriterien, und eine Auswahl wenigstens eines geeigneten Feldbusses anhand des Ergebnisses der Analyse der Kriterienwerte.
Durch eine ebenfalls zumindest teilweise automatisierte Auswahl eines geeigneten Feldbusses, kann die Fehleranfälligkeit der Konfiguration noch weiter reduziert werden. Mit einer vollständig automatisierten Auswahl eines geeigneten Feldbusses kann die Fehleranfälligkeit noch weiter verringert werden.
Vorzugsweise sind ein oder mehrere definierte Auswahlkriterien, die bestimmt werden, ein oder mehrere Kriterien aus einer Gruppe, wenigstens umfassend: eine benötigte Datenübertragungsgeschwindigkeit, insbesondere innerhalb des Feldbussystems und/oder auf dem zu konfigurierenden Feldbus, eine benötigte Datenübertragungsrate, insbesondere innerhalb des Feldbussystems und/oder auf dem zu konfigurierenden Feldbus, Anzahl und Größe der zu übertragenden Daten, insbesondere innerhalb des Feldbussystems und/oder auf dem zu konfigurierenden Feldbus, eine benötigte Teilnehmerzahl, insbesondere des Feldbussystems und/oder an dem zu konfigurierenden Feldbus, eine benötigte Reaktionszeit, insbesondere innerhalb des Feldbussystems und/oder von dem zu konfigurierenden Feldbus, eine benötigte Topologie, insbesondere des Feldbussystems und/oder von dem zu konfigurierenden Feldbus und den mit diesem verbundenen Teilnehmern, ein benötigtes Übertragungsmedium, ein benötigtes Übertragungsverfahren, eine benötigte Anschlusstechnik, eine benötigte maximale Ausdehnung je Teilnehmer, eine benötigte Energieversorgung über Feldbus, ein benötigter Einsatzbereich (innen, außen, trocken, feucht), ein Bauteilbedarf (wie beispielsweise erforderliche/zusätzliche Bauteile, zur Abschirmung, Verbindung, spezielle Kabel etc.), eine interne Verfügbarkeit (Lagerbestand), ein externer Lagerbestand (Warenverfügbarkeit), entstehende Kosten, sowie ein verfügbares Budget.
Entstehende Kosten können beispielsweise (maximale) Anschaffungskosten und/oder (maximale) Betriebskosten sein, welche bei der Auswahl eines bestimmten Feldbusses entstehen, oder Bauteilkosten, welche durch einen speziellen Bauteilbedarf für einen ausgewählten Feldbustyp entstehen.
Das Ermitteln der Werte der Auswahlkriterien kann insbesondere ein Auslesen von wenigstens einem in einem Speicher hinterlegten Kriterienwert umfassen, und/oder ein Durchführen einer Benutzerabfrage, bei welcher ein Benutzer beispielsweise aufgefordert wird, zu einem oder mehreren Kriterien einen zugehörigen Kriterienwert einzugeben, sowie ferner ein Auslesen der vom Benutzer eingegebenen Kriterienwerte. Das Ermitteln der Werte der Auswahlkriterien kann alternativ oder zusätzlich auch eine Datenbankabfrage nach einem oder mehreren in einer Datenbank hinterlegten Kriterienwerten umfassen.
Die Analyse und Auswahl des geeigneten Feldbusses erfolgt in einer besonders bevorzugten Weiterbildung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses in Abhängigkeit von zumindest einem Teil der ermittelten Kriterienwerte unter Verwendung eines trainierten Feldbusauswahl-Kl-Modells, welches dazu konfiguriert ist, ein oder mehrere Kriterienwerte auf wenigstens einen Auswahlparameter, dessen Parameterwert einen als geeignet ausgewählten Feldbus repräsentiert, abzubilden.
Ist das Ergebnis nur ein einziger Auswahlparameterwert, ist nur ein einziger Feldbus geeignet. Werden mehrere Feldbusse bzw. Feldbustypen als geeignet ermittelt, kann es in einigen Fällen vorteilhaft sein, wenn der Feldbus erst nach einer manuellen Bestätigung durch einen Benutzer (und eine entsprechende Benutzereingabe) final ausgewählt wird.
Insbesondere kann die Analyse und Auswahl des geeigneten Feldbusses in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem-Informationen erfolgen, wobei in diesem Fall das Feldbusauswahl-Kl-Modell bevorzugt außerdem dazu konfiguriert ist, eine oder mehrere Feldbussystem-Informationen zusammen mit einem oder mehreren Kriterienwerten auf wenigstens einen Auswahlparameter, dessen Parameterwert einen als geeignet ausgewählten Feldbus repräsentiert, abzubilden. Besonders bevorzugt ist ein Feldbusauswahl-Kl-Modell, das verwendet wird, mit Trainingsdaten trainiert worden, welche eine Vielzahl an Kriterien und Kriterienwerten von einer Vielzahl an Feldbussystemen als Eingabedaten umfassen. Besonders bevorzugt umfassen die Trainingsdaten Informationen zu einer Vielzahl von bereits konfigurierten Feldbussystemen, sowie eine den jeweiligen Feldbussystemen zugeordnete Auswahl von einem oder mehreren Auswahlparametern als Ausgabedaten, die jeweils einen für das zugehörige Feldbussystem als geeignet ausgewählten Feldbus repräsentieren.
Das Feldbusauswahl-Kl-Modell kann analog zum vorstehend beschriebenen Konfigurations-Kl-Modell trainiert worden sein und/oder ausgebildet sein, insbesondere mit den in diesem Zusammenhang beschriebenen Trainingsmethoden, vorzugsweise jedoch mit einer Vielzahl an Kriterien und Kriterienwerten von einer Vielzahl an Feldbussystemen, insbesondere von mit einer Vielzahl von bereits konfigurierten Feldbussystemen, als Eingabedaten und eine den jeweiligen Feldbussystemen zugeordnete Auswahl von einem oder mehreren Auswahlparametern als Ausgabedaten, die jeweils einen für das zugehörige Feldbussystem als geeignet ausgewählten Feldbus repräsentieren.
Insbesondere kann das Feldbusauswahl-Kl-Modell ebenfalls ein künstliches neuronales Netz (KNN) aufweisen oder sein, insbesondere ein künstliches neuronales Netz mit wenigstens einer verborgenen Schicht („Deep Learning“-Netzwerk).
Das Auswählen des Feldbusses kann in einer Weiterbildung eines erfindungsgemäßen Verfahrens ferner insbesondere ein Ausgeben wenigstens eines Auswahlparameterwertes umfassen, der wenigstens einen als geeignet ausgewählten Feldbus repräsentiert, insbesondere ein Anzeigen auf einem Display. Denkbar ist auch, dass mehrere Feldbusse bzw. Feldbustypen geeignet sind, was bevorzugt ebenfalls ausgegeben werden kann.
Das Auswählen des Feldbusses umfasst in einer vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses insbesondere ein Bestimmen eines zu verwendenden Feldbusses, insbesondere eines einzigen zu verwendenden Feldbusses, aus den als geeignet ermittelten Feldbussen, ein automatisches Zuweisen des Auswahlparameterwertes des zur Verwendung bestimmten Feldbusses zu einem zugehörigen Konfigurationsparameter des Feldbussystems, mit welchem der zu verwendende/verwendete Feldbus eingestellt wird, sowie gegebenenfalls ein Hinterlegen des Auswahlparameterwertes des zur Verwendung bestimmten Feldbusses in einem Speicher.
Bei einer besonders vorteilhaften Ausführung eines erfindungsgemäßen Verfahrens können die Werte der für die Auswahl eines geeigneten Feldbusses maßgeblichen Kriterien beispielsweise vollständig oder teilweise aus in einer entsprechenden Engineering- Software hinterlegten Daten, die im Zusammenhang mit einem Feldbussystem- Konfigurationsprojekt hinterlegt worden sind und/oder durch einen Scan, insbesondere einen Netzwerkscan, der zur Erfassung der Kriterienwerte durchgeführt wird oder durchgeführt worden ist, ermittelt werden.
Weitere Kriterien zur Eingrenzung bzw. Auswahl können darüber hinaus vom Benutzer abgefragt werden, beispielsweise mithilfe eines Wizards, d.h. mithilfe einer geführten Abfrage bzw. mithilfe eines Abfrage-Assistenten.
Hierdurch kann beispielsweise auf einfache Art und Weise bestimmt werden, welche Anschlusstechnik an den einzelnen Teilnehmern des Feldbussystems zur Verfügung steht und welche Topologie vom Feldbus unterstützt werden muss.
Im weiteren Verlauf kann beispielsweise durch eine automatische Analyse der zu übertragenden Daten (basierend auf den hinterlegten Informationen) ermittelt werden, welche Datenübertragungsrate der Feldbus unterstützen muss, um eine zuverlässige Datenübertragung zu ermöglichen.
Sind mehrere Feldbusse bzw. Feldbustypen grundsätzlich geeignet, kann es vorteilhaft sein, wenn durch einen ergänzenden und abschließenden Wizard, d.h. durch eine Benutzerabfrage, insbesondere mithilfe eines Abfrageassistenten, dann noch eine benutzerspezifische Eingrenzung stattfindet, durch welche z B. je nach Budget oder Anwendungsbereich die Auswahl der geeigneten Feldbusse weiter einschränkt werden kann bzw. direkt einen geeigneter Feldbus ausgewählt werden kann.
Ist der Feldbus ausgewählt, insbesondere ein einziger Feldbus bestimmt, kann dieser nur konfiguriert werden, indem der Konfigurationsparameterwert-Ermittlungsschritt und der Konfigurationsschritt durchgeführt werden. Die vorstehend mit Bezug auf das Verfahren zur Konfiguration eines Feldbusses vorgestellten bevorzugten Ausführungsformen und dessen Vorteile gelten entsprechend auch - selbst wenn sie nicht jeweils explizit im Zusammenhang mit einem anderen Aspekt der Erfindung erwähnt oder beschrieben sind - jeweils für ein erfindungsgemäßes Feldbussystem, ein erfindungsgemäßes Computerprogramm, ein erfindungsgemäßes Speichermedium, einen erfindungsgemäßen Trainingsdatensatz sowie ein erfindungsgemäßes Verfahren zum Trainieren eines Konfigurations-Kl-Modells sofern sie entsprechend übertragbar und technisch ausführbar sind und umgekehrt.
Ein erfindungsgemäßes Feldbussystem weist einen ersten Teilnehmer und einen zweiten Teilnehmer auf, die durch einen Feldbus miteinander verbunden werden sollen oder verbunden sind, und ist dadurch gekennzeichnet, dass das Feldbussystem Mittel zur Durchführung eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses aufweist und/oder dazu eingerichtet ist, mit einem Mittel, dass zur Durchführung eines erfindungsgemäßen Verfahrens eingerichtet ist, verbunden zu werden und mithilfe dieses Mittels durch ein erfindungsgemäßes Verfahren konfiguriert zu werden.
Ein Mittel zur Durchführung eines erfindungsgemäßen Verfahrens kann beispielsweise eine Steuerungseinrichtung oder ein Computer sein. Das Mittel, insbesondere eine Steuerungseinrichtung oder ein Computer oder dergleichen, kann Teil des Feldbussystems sein, oder aber keine dauerhafte Komponente des Feldbussystems sein, jedoch zu Konfigurationszwecken mit dem Feldbussystem verbunden werden, insbesondere kommunikationsverbunden zur Datenübertragung.
Das erfindungsgemäße Verfahren kann durch ein Computerprogramm oder eine Vielzahl von Computerprogrammen verkörpert werden, die in einer Vielzahl von Formen sowohl aktiv als auch inaktiv in einem einzelnen Computersystem oder in mehreren Computersystemen existieren können. Sie können beispielsweise als Softwareprogramm(e) vorliegen, das/die aus Programmanweisungen im Quellcode, Objektcode, ausführbaren Code oder anderen Formaten zur Durchführung einiger der Schritte besteht/bestehen. Jedes der oben genannten Programme kann in komprimierter oder un komprimierter Form auf einem computerlesbaren Medium verkörpert sein, zu dem auch Speichergeräte und Signale gehören. Ein erfindungsgemäßes Computerprogramm umfasst Befehle, welche, wenn das Programm von einem Computer ausgeführt wird, den Computer veranlassen, ein erfindungsgemäßes Verfahren zur Konfiguration eines Feldbusses auszuführen.
Der Begriff "Computer" bezieht sich auf ein beliebiges elektronisches Gerät mit einem Prozessor, z. B. einer Mehrzweck-Zentraleinheit (CPU), einem speziellen Prozessor oder einem Mikrocontroller. Ein Computer ist in der Lage, Daten zu empfangen (eine Eingabe), eine Folge vorbestimmter Operationen darauf auszuführen und dadurch ein Ergebnis in Form von Informationen oder Signalen zu erzeugen (eine Ausgabe). Je nach Kontext bedeutet der Begriff "Computer" entweder einen Prozessor im Besonderen oder kann sich allgemeiner auf einen Prozessor in Verbindung mit einer Anordnung von miteinander verbundenen Elementen in einem einzigen Gehäuse beziehen.
Ein erfindungsgemäßes computerlesbares Speichermedium umfasst Befehle, welche, wenn sie von einem Computer ausgeführt werden, den Computer veranlassen, ein erfindungsgemäßes Verfahren zur Konfiguration eines Feldbusses auszuführen.
Ein "computerlesbares Medium" oder "Speichermedium" kann jedes Mittel sein, das das Programm zur Verwendung durch oder in Verbindung mit dem Befehlsausführungssystem, -apparat oder -gerät enthalten, speichern, kommunizieren, verbreiten oder transportieren kann, wie hier verwendet. Das computerlesbare Medium kann beispielsweise, aber nicht ausschließlich, ein elektronisches, magnetisches, optisches, elektromagnetisches, Infrarotoder Halbleitersystem, -gerät, -Vorrichtung oder -Übertragungsmedium sein. Zu den spezifischeren Beispielen (eine nicht erschöpfende Liste) des computerlesbaren Mediums können folgende gehören: eine elektrische Verbindung mit einem oder mehreren Drähten, eine tragbare Computerdiskette, ein Direktzugriffsspeicher (RAM), ein Festwertspeicher (ROM), ein löschbarer programmierbarer Festwertspeicher (EPROM oder Flash-Speicher), eine optische Faser und ein tragbarer Compact-Disc-Festwertspeicher (CDROM).
Ein erfindungsgemäßer Trainingsdatensatz zum Trainieren des Konfigurations-Kl-Modells umfasst eine Vielzahl an Feldbussystem-Informationen von einer Vielzahl an Feldbussystemen, eine den jeweiligen Feldbussystemen zugeordnete Auswahl von einem oder mehreren Konfigurationsparametern sowie einen oder mehrere zugehörige Parameterwerte. Ein erfindungsgemäßes Verfahren zum Trainieren des Konfigurations-Kl-Modells erfolgt unter Verwendung eines erfindungsgemäßen Trainingsdatensatzes.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Alle vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind dabei nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen sowie in Alleinstellung verwendbar.
Die Erfindung wird nun anhand bevorzugter, nicht einschränkender Ausführungsbeispiele sowie unter Bezugnahme auf die beigefügten Figuren, welche ebenfalls nicht einschränkend zu verstehen sind, näher erläutert.
Es zeigen:
Fig. 1 ein Blockschaltbild eines ersten Ausführungsbeispiels eines erfindungsgemäßen Feldbussystems,
Fig. 2 ein Flussdiagramm eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses,
Fig. 3 ein Flussdiagramm mit den einzelnen Teilschritten des Auswahlschrittes S2 aus dem Flussdiagramm in Fig. 2,
Fig. 4 ein Ausführungsbeispiel eines Feldbusauswahl-Kl-Modells in Form eines künstlichen neuronalen Netzes mit einer verborgenen Schicht, und
Fig. 5 ein Ausführungsbeispiel eines Konfigurations-Kl-Modells in Form eines künstlichen neuronalen Netzes mit einer verborgenen Schicht. BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSBEISPIELE
Fig. 1 zeigt ein Ausführungsbeispiel eines erfindungsgemäßen Feldbussystems 100 mit drei Teilnehmern: einer Steuerungseinrichtung 10, einem ersten Teilnehmer 20, welcher bei diesem Beispiel ein Sensor ist, und einem dritten Teilnehmer 30, der ein Aktor ist. Die drei Teilnehmer 10, 20 und 30 sind dabei über einen Feldbus 50, insbesondere mithilfe eines hier nicht näher bezeichneten, entsprechenden Feldbuskabels, kommunizierend miteinander verbunden und können über den Feldbus 50 Daten untereinander austauschen. Fig. 1 dient dabei lediglich dazu, mögliche Ausgestaltungen eines erfindungsgemäßen Feldbussystems 100 schematisch aufzuzeigen, ist jedoch keinesfalls einschränkend diesbezüglich zu verstehen. Ein erfindungsgemäßes Feldbussystem kann daher insbesondere eine andere Anzahl und Anordnung der Teilnehmer 10, 20, 30, eine andere Topologie und Ausdehnung sowie eine andere Art von Teilnehmern 10, 20 und 30 aufweisen.
Die Steuerungseinrichtung 10 ist dabei nicht nur zur operativen Steuerung des Feldbussystems 100 eingerichtet, d.h. zur Steuerung des Feldbussystems 100 während seines Betriebs, sondern außerdem zur Konfiguration des Feldbusses 50, wobei die Steuerungseinrichtung 10 dazu eingerichtet ist, den Feldbus 50 mittels eines erfindungsgemäßen Verfahrens (vgl. Fig. 2 und 3) zu konfigurieren. D.h. die Steuerungseinrichtung 10 repräsentiert bei diesem Ausführungsbeispiel das Mittel zur Durchführung eines erfindungsgemäßen Verfahrens des erfindungsgemäßen Feldbussystems 100 und ist dazu eingerichtet, ein erfindungsgemäßes Verfahren durchzuführen und Konfigurations-Parameterwerte KFPW (vgl. Fig. 5) zu ermitteln und den Feldbus 50 zu konfigurieren.
Dieses Ausführungsbeispiel eines erfindungsgemäßen Feldbussystems 100 ist ferner dazu eingerichtet mittels einer externen, weiteren Steuerungseinrichtung 40 konfiguriert zu werden, welche zur Kommunikation mit dem Feldbussystem 100 verbunden werden kann.
In einer anderen möglichen Ausgestaltung eines erfindungsgemäßen Feldbussystems kann das Feldbussystem auch lediglich dazu ausgebildet sein, mit einem externen Mittel, beispielsweise einer externen Steuerungseinrichtung 40, die zur Durchführung eines erfindungsgemäßen Verfahrens zur Konfiguration des Feldbusses eingerichtet ist, oder mit einem externen Computer 40, auf welchem beispielsweise eine Engineering-Software läuft, in welche ein Computerprogramm zur Ausführung eines erfindungsgemäßen Verfahrens integriert ist, verbunden zu werden und mittels dieses externen Mittels 40 konfiguriert zu werden.
Die Konfiguration des Feldbusses 50 des Feldbussystems 100 mittels einer externen Steuerungseinrichtung 40 hat den Vorteil gegenüber einer internen Steuerungseinrichtung 10 zur Konfiguration des Feldbusses 50, dass die externe Steuerungseinrichtung 40 auf einfache Art und Weise flexibel ausgetauscht oder angepasst werden kann. Ferner kann es bei einer Vielzahl von zu konfigurierenden Feldbussystemen 100, insbesondere bei einer Vielzahl von ähnlichen oder identischen Feldbussystemen 100, die zu konfigurieren sind, kostengünstiger sein, nur eine externe Steuerungseinrichtung 40 bzw. nur ein externes Mittel 40 vorzuhalten, und hiermit sämtliche Feldbussysteme 100 nacheinander zu konfigurieren, als für jedes Feldbussystem 100 eine eigene, integrierte Steuerungseinrichtung 10, die zur Konfiguration mittels eines erfindungsgemäßen Verfahrens des Feldbusses 50 eingerichtet ist, vorzusehen. Dies richtet sich aber jeweils nach dem konkreten Einzelfall und kann von Anwendungsfall zu Anwendungsfall unterschiedlich sein.
Die Steuerungseinrichtungen 10 und 40, d. h. sowohl die interne Steuerungseinrichtung 10 als auch die in Fig. 1 bei diesem Ausführungsbeispiel gezeigte externe Steuerungseinrichtung 40, sind dabei jeweils dazu ausgebildet, ein erfindungsgemäßes Verfahren zur Konfiguration des Feldbusses 50 durchzuführen, welches im Folgenden anhand der Fig. 2 bis 5 näher erläutert wird.
Fig. 2 zeigt dabei ein Flussdiagramm eines Ausführungsbeispiels zur Erläuterung des grundsätzlichen Verfahrensablaufs eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses 50 eines Feldbussystems, beispielsweise zur Konfiguration des Feldbusses 50 des erfindungsgemäßen Feldbussystems 100 aus Fig. 1.
Fig. 3 zeigt ein Flussdiagramm mit den einzelnen Teilschritten des Auswahlschrittes S2 aus dem Flussdiagramm in Fig. 2.
Fig. 4 zeigt ein Ausführungsbeispiel eines Feldbusauswahl-Kl-Modells in Form eines künstlichen neuronalen Netzes mit einer verborgenen Schicht, mittels welchem beispielsweise im Auswahlschritt S2 ein geeigneter Feldbus bzw. Feldbustyp ausgewählt werden kann.
Fig. 5 zeigt ein Ausführungsbeispiel eines Konfigurations-Kl-Modells in Form eines künstlichen neuronalen Netzes mit einer verborgenen Schicht, mittels welchem beispielsweise im Konfigurationsparameterwert-Ermittlungsschritt S3 zu den für eine Konfiguration eines ausgewählten, geeigneten Feldbusses erforderlichen Konfigurationsparametern die zugehörigen Parameterwerte KFPW ermittelt werden können.
Die Steuerungseinrichtungen 10 und 40 des Feldbussystems 100 sind dabei insbesondere dazu ausgebildet, zunächst in einem ersten Schritt S1 , einem Informations-Sammel-Schritt, Feldbussystem-Informationen FBS-I zu sammeln, wobei bei diesem Ausführungsbeispiel das Sammeln von Feldbussystem-Informationen FBS-I insbesondere vollständig automatisiert erfolgt, beispielsweise indem aus dem EEPROM der Steuerungseinrichtung 10 bzw. dem externen Mittel 40 hinterlegte Feldbussystem-Informationen FBS-I ausgelesen werden. Ferner kann alternativ oder ergänzend einmalig oder mehrfach zusätzlich ein Scan, insbesondere ein Netzwerkscan, durchgeführt werden.
Das Sammeln der Feldbussystem-Informationen FBS-I kann aber auch nur teilweise automatisiert erfolgen. Sind nach den beiden vorgenannten, insbesondere vollständig automatisiert durchgeführten Schritten beispielsweise noch nicht sämtliche Feldbussystem- Informationen FBS-I verfügbar, die für die Konfiguration des Feldbusses 50 benötigt werden, kann ferner bei Bedarf noch eine Benutzerabfrage, insbesondere eine interaktive Benutzerabfrage, durchgeführt werden, bei welcher ein Benutzer beispielsweise aufgefordert wird, die noch fehlenden Feldbussystem-Informationen einzugeben, welche dann ausgelesen und entsprechend weiterverarbeitet werden können. Es ist auch denkbar, alternativ nur eine Benutzerabfrage durchzuführen.
Die Feldbussystem-Informationen FBS-I, die in Schritt S1 gesammelt werden, sind insbesondere Informationen, welche das Feldbussystem 100 charakterisieren. Vorliegend werden beispielsweise Informationen zu den vorhandenen Knoten des Feldbussystems, Informationen zur Netzwerkausdehnung des Feldbussystems, insbesondere zur Netzwerktopologie, Informationen zu den zu verbindenden Teilnehmern des Feldbussystems, Informationen zu Prozessdaten-Kommunikationseigenschaften des Feldbussystems, insbesondere Informationen zu Prozessdaten-Kommunikationseigen- schaften der Teilnehmer des Feldbussystems, Informationen zu möglichen Zuordnungen von physikalischem zu logischem Prozessabbild (Prozess-Mapping), sowie Informationen zu möglichen Zuordnungen von Datenausgaben eines Teilnehmers zu Dateneingaben eines anderen Teilnehmers (Kommunikations-Mapping) gesammelt.
In einem nächsten Schritt S2, einem Auswahlschritt, wird ein geeigneter Feldbus, insbesondere ein geeigneter Feldbustyp, insbesondere aus einer Gruppe umfassend die folgenden Felsbustypen CANopen, CC-Link, ControlNet, DeviceNet, Interbus, Profibus, EtherCAT, EtherNET/IP, Modbus-TCP und Profinet, ausgewählt.
Das Auswählen eines geeigneten Feldbusses in Auswahlschritt S2 erfolgt bei diesem Ausführungsbeispiel bevorzugt ebenfalls vollständig automatisiert und kann, wie beispielshalber in Fig. 3 gezeigt, beispielsweise die folgenden Teilschritte umfassen: Bestimmen definierter Auswahlkriterien (Schritt S2a), Ermitteln zugehöriger Auswahlkriterienwerte AKW (Schritt S2b), Durchführen einer Analyse der ermittelten Werte der zuvor bestimmten Auswahlkriterienwerte AKW (Schritt S2c) und Auswahl wenigstens eines geeigneten Feldbusses bzw. Feldbustyp anhand des Ergebnisses der Analyse (Schritt S2d).
Das Auswählen eines geeigneten Feldbusses in Schritt S2 erfolgt bei diesem Ausführungsbeispiel eines erfindungsgemäßen Verfahrens insbesondere mithilfe eines trainierten Feldbusauswahl-Kl-Modells in Form eines künstlichen neuronalen Netztes 21 wie in Fig. 4 beispielshalber abgebildet, anhand bestimmter Auswahlkriterien und den zugehörigen, ermittelten Werten dieser Auswahlkriterien, d.h. anhand ermittelter Auswahlkriterienwerte AKW, sowie bei diesem Beispiel außerdem in Abhängigkeit der zuvor im Informations-Sammel-Schritt S1 gesammelten Feldbussystem-Informationen FBS-I, siehe Fig. 4.
Auswahlkriterien, die bestimmt werden können, sind beispielsweise eine benötigte Datenübertragungsgeschwindigkeit innerhalb des Feldbussystems 50, insbesondere auf dem zu konfigurierenden Feldbus 50, eine benötigte Datenübertragungsrate, Anzahl und Größe der zu übertragenen Daten, die Teilnehmerzahl des Feldbussystems 100, eine benötigte Reaktionszeit, ein benötigtes Übertragungsverfahren, eine benötigte Anschlusstechnik, insbesondere aufgrund der Teilnehmer 10, 20 und 30 des Feldbussystems 100, ein benötigter Einsatzbereich (innen, außen, trocken, feucht), ein Bauteilbedarf (wie beispielsweise erforderliche/zusätzliche Bauteile zur Abschirmung, zur Verbindung, spezielle Kabel etc.) eine interne Verfügbarkeit (Lagerbestand), ein externer Lagerbestand (Warenverfügbarkeit), sowie aus einer Auswahl eines bestimmten Feldbustyps entstehende Kosten und/oder ein verfügbares Budget.
Das Ermitteln der Werte der Auswahlkriterien AKW erfolgt insbesondere, in dem die Werte von den bestimmten definierten Auswahlkriterien aus einem Speicher, beispielsweise dem EEPROM oder dem RAM der Steuerungseinrichtung 10 bzw. 40 ausgelesen werden. Alternativ oder zusätzlich können die Werte AKW der Auswahlkriterien auch durch eine Datenbankfrage oder eine Benutzerabfrage ermittelt werden.
Die Analyse der Werte AKW der Auswahlkriterien in T eilschritt S2c sowie die abschließende Auswahl eines geeigneten Feldbusses in Teilschritt S2d erfolgen besonders bevorzugt mithilfe eines trainierten Feldbusauswahl-Kl-Modells 21 , welches bei diesem Ausführungsbeispiel beispielsweise ein trainiertes, künstliches neuronales Netz (KNN) 21 mit einer Eingangsschicht E1 , einer verborgenen Zwischenschicht H1 , sowie einer Ausgabeschicht A1 ist, wie beispielhalber in Fig. 4 gezeigt.
Das Feldbusauswahl-Kl-Modell 21 ist zuvor vorzugsweise mittels entsprechender geeigneter Trainingsdatensätze trainiert worden, insbesondere nach der Methode des „Supervised Learnings“, und dazu konfiguriert, ein oder mehrere Auswahlkriterienwerte auf einen Auswahlparameter, dessen Parameterwert APW einen als geeignet ausgebildeten Feldbus repräsentiert, abzubilden. Das trainierte Feldbusauswahl-Kl-Modell ist dabei insbesondere dazu konfiguriert, Eingangsdaten in Form von Auswahlkriterienwerten AKW sowie gesammelte Feldbussystem-Informationen FBS-I auf einen Auswahlparameter abzubilden und diesem insbesondere einen Auswahlparameterwert APW zuzuweisen, welcher die spezifische Auswahl eines oder mehrerer ausgewählter Feldbusse repräsentiert und insbesondere angibt, welcher Feldbus als geeignet ausgewählt worden ist. Das Auswählen eines geeigneten Feldbusses bzw. Feldbustyps umfasst dabei insbesondere ein Zuweisen des Ergebnisses an einen Auswahlparameter und ein Ausgeben eines zugehörigen Auswahlparameterwertes APW.
Statt den Feldbus in einem Auswahlschritt S2 auszuwählen, kann bei einer alternativen Ausführung eines erfindungsgemäßen Verfahrens dieser auch vorgegeben werden oder bereits vorgegeben sein, beispielsweise durch eine Benutzereingabe oder dergleichen. Denkbar ist es ferner auch den Auswahlschritt vor dem Informations-Sammel-Schritt S1 auszuführen. Es ist jedoch vorteilhafter, den Auswahlschritt S2 erst nach dem Information- Sammel-Schritt S1 durchzuführen, da so die in Schritt S1 gesammelten Informationen auch in die Auswahl des Feldbusses in Schritt S2 einfließen können.
Ist ein geeigneter Feldbus ausgewählt, werden in einem weiteren Schritt S3, einem Konfigurationsparameterwert-Ermittlungsschritt, anschließend die Parameterwerte KFPW (vgl. Fig. 4) der zur Konfiguration des Feldbusses 50 erforderlichen Konfigurationsparameter ermittelt.
Das Ermitteln der Parameterwerte KFPW im Konfigurationsparameter-Ermittlungsschritt S3 erfolgt dabei insbesondere in Abhängigkeit von den Eigenschaften des Feldbussystems 100, insbesondere in Abhängigkeit von den in Schritt S1 ermittelten Feldbussystem- Informationen FBS-I und dem in Schritt S2 ausgewählten Feldbustyp oder einem vorgegebenen Feldbustyp.
Für die Ermittlung der Parameterwerte KFPW der Konfigurationsparameter werden bei diesem Beispiel zunächst die zur Konfiguration des ausgewählten Feldbusses 50 erforderlichen Konfigurationsparameter ausgewählt, wobei diese bei dem gezeigten Ausführungsbeispiel in Abhängigkeit von den gesammelten Feldbussystem-Informationen FPS-I ausgewählt werden. Die Konfigurationsparameter können dabei aus einer Vielzahl von vordefinierten, für den ausgewählten Feldbustyp hinterlegten Konfigurationsparametern ausgewählt werden. Sind die einzelnen Konfigurationsparameter ausgewählt, die zur Konfiguration des ausgewählten Feldbustyp bzw. des ausgewählten Feldbusses erforderlich sind, werden die jeweiligen, zugehörigen Parameterwerte ermittelt.
Bei diesem Ausführungsbeispiel werden Konfigurationsparameter zur Konfiguration von Knotenadressen des Feldbussystems, Konfigurationsparameter zur Konfiguration einer erforderlichen Baudrate des Feldbusses, insbesondere Konfigurationsparameter zur Konfiguration einer in Abhängigkeit von der Netzwerkausdehnung und/oder den Teilnehmern und/oder den zu übertragenden Daten abhängigen, erforderlichen Baudrate, Konfigurationsparameter zur Konfiguration einer Applikationsanforderung, Konfigurationsparameter zur Konfiguration einer Auswahl und Einstellung einer Beschreibung von einem oder mehreren Teilnehmern des Feldbussystems, Konfigurationsparameter zur Konfiguration einer Auswahl und Einstellung der Prozessdaten-Kommunikationseigenschaften, Konfigurationsparameter zur Konfiguration einer Zuordnung von physikalischem zu logischem Prozessabbild (Prozess-Mapping), sowie Konfigurationsparameter zur Konfiguration einer Zuordnung von Datenausgaben eines ersten Teilnehmers zu Dateneingaben eines zweiten Teilnehmers des Feldbussystems (Kommunikations-Mapping) ausgewählt und für diese die jeweiligen zugehörigen Parameterwerte ermittelt.
Das Ermitteln der Konfigurationsparameterwerte im Konfigurationsparameterwert- Ermittlungsschritt S3 erfolgt bei diesem Ausführungsbeispiel dabei mithilfe eines trainierten Konfigurations-Kl-Modells in Form eines künstlichen neuronalen Netzes (KNN) 31 , welches beispielsweise wie in Fig. 5 zur Erläuterung gezeigt, eine einzige Eingangsschicht E1 , eine einzige verborgene Schicht H1 sowie eine einzige Ausgangsschicht A1 aufweisen kann, und welches dazu konfiguriert ist, Eingabedaten in Form der Feldbussystem-Informationen FBS-I auf die gesuchten Konfigurationsparameterwerte KFPW abzubilden. Denkbare sind aber auch andere Ausgestaltungen von eines Konfigurations-Kl-Modells.
Das Konfigurations-Kl-Modell 31 ist insbesondere mithilfe von entsprechend geeigneten Trainingsmethoden mit einer Vielzahl von geeigneten, insbesondere erfindungsgemäßen Trainingsdatensätzen trainiert worden, wie eingangs beschrieben, wobei bei diesem Ausführungsbeispiel das Trainieren nach der Methode des „Supervised Learnings“ erfolgt ist.
Nach der Ermittlung der Konfigurationsparameterwerte KFPW in Schritt S3 werden zur Konfiguration des Feldbussystems 100 bei diesem Beispiel die ermittelten Parameterwerte KFPW der Konfigurationsparameter zur Konfiguration des Feldbusses 50 ausgegeben und insbesondere auf einem Display angezeigt, den jeweiligen erforderlichen Konfigurationsparametern zugewiesen und in einem Speicher, beispielsweise in einem EEPROM der Steuerungseinrichtung 10 oder im RAM der Steuerungseinrichtung 10, mittels welcher das Feldbussystem 100 gesteuert wird, hinterlegt. Bevorzugt werden die ermittelten Konfigurationsparameterwerte KFPW in einem internen Speicher des Feldbussystems 100 hinterlegt, insbesondere in einem internen Speicher einer Steuerungseinrichtung 10, die zur Steuerung des Feldbussystems 100, insbesondere zur Steuerung des Feldbusses 50, eingerichtet ist. Für die ermittelten Parameterwerte KFPW kann ferner noch die Vertrauenswürdigkeit ermittelt werden, wodurch oftmals die Zuverlässigkeit der Konfiguration des Feldbusses weiter verbessert werden kann. Ist die ermittelte Vertrauenswürdigkeit nicht ausreichend, kann beispielsweise eine Meldung an einen Benutzer ausgegeben werden, dass die Parameterwerte manuell zu überprüfen sind, um Schäden an den Komponenten des Feldbussystems durch eine fehlerhafte Konfiguration zu vermeiden. Hierdurch kann eine besonders sichere und zuverlässige Konfiguration eines Feldbussystems erreicht werden.
Sämtliche Verfahrensschritte werden dabei vorzugsweise vollständig automatisiert durchgeführt, um den Konfigurationsaufwand für einen Benutzer weitestgehend zu minimieren. Lediglich wenn Informationen fehlen oder eine vollständig automatisierte Verarbeitung der Informationen nicht möglich ist, können in einigen Fällen Handlungen eines Benutzers, wie beispielsweise Eingaben zusätzlicher Informationen, erforderlich sein.
Mittels eines erfindungsgemäßen Verfahrens lässt sich eine zuverlässige, wenig fehleranfällig und damit sichere und reproduzierbare sowie besonders einfache und effiziente Konfiguration eines Feldbusses, insbesondere eines Feldbussystems 100, erreichen.
Weitere erfindungsgemäße Ausführungen und Ausführungsbeispiele können auch ein Computerprogramm mit einem Programmcode zum Ausführen eines beschriebenen erfindungsgemäßen Verfahrens sein oder sich darauf beziehen, wenn das Computerprogramm auf einem Computer oder Prozessor ausgeführt wird. Schritte, Operationen oder Prozesse eines oben beschriebenen Verfahrens können durch programmierte Computer oder Prozessoren ausgeführt werden. Weitere Ausführungen und Ausführungsbeispiele können auch Programmspeichervorrichtungen, z. B. Digitaldatenspeichermedien, sein, die maschinen-, Prozessor- oder computerlesbar sind und maschinenausführbare, prozessorausführbare oder computerausführbare Programme von Anweisungen codieren. Die Anweisungen können einige oder alle der Schritte des beschriebenen, erfindungsgemäßen Verfahrens ausführen oder dessen Ausführung verursachen. Die Programmspeichervorrichtungen, insbesondere erfindungsgemäße, computerlesbare Speichermedien, können z. B. Digitalspeicher, magnetische Speichermedien wie beispielsweise Magnetplatten und Magnetbänder, Festplattenlaufwerke oder optisch lesbare Digitaldatenspeichermedien umfassen oder sein. Weitere Ausführungen und Ausführungsbeispiele können auch Computer, Prozessoren oder Steuereinheiten, die zum Ausführen der Schritte der oben beschriebenen Verfahren programmiert sind, oder (feld-)programmierbare Logik-Arrays ((F)PLAs = (Field) Programmable Logic Arrays) oder (feld-)programmierbare Gate- Arrays ((F)PGA = (Field) Programmable Gate Arrays), die zum Ausführen der Schritte eines beschriebenen, erfindungsgemäßen Verfahrens programmiert sind, sein oder umfassen.
Funktionen verschiedener, in den Figuren gezeigter Elemente sowie die bezeichneten Funktionsblöcke können in Form dedizierter Hardware, z. B „eines Signalanbieters“, „einer Signalverarbeitungseinheit“, „eines Prozessors“, „einer Steuerung“ etc. sowie als Hardware fähig zum Ausführen von Software in Verbindung mit zugehöriger Software implementiert sein. Bei Bereitstellung durch einen Prozessor können die Funktionen durch einen einzelnen dezidierten Prozessor, durch einen einzelnen gemeinschaftlich verwendeten Prozessor oder durch eine Mehrzahl von individuellen Prozessoren bereitgestellt sein, von denen einige oder von denen alle gemeinschaftlich verwendet werden können. Allerdings ist der Begriff „Prozessor“ oder „Steuerung“ bei Weitem nicht auf ausschließlich zur Ausführung von Software fähige Hardware begrenzt, sondern kann Digitalsignalprozessor-Hardware (DSP-Hardware; DSP = Digital Signal Processor), Netzprozessor, anwendungs-spezifische integrierte Schaltung (ASIC = Application Specific Integrated Circuit), feldprogrammierbare Logikanordnung (FPGA = Field Programmable Gate Array), Nurlesespeicher (ROM = Read Only Memory) zum Speichern von Software, Direktzugriffsspeicher (RAM = Random Access Memory) und nichtflüchtige Speichervorrichtung (storage) umfassen. Sonstige Hardware, herkömmliche und/oder kundenspezifische, kann auch eingeschlossen sein.
Das Blockdiagramm aus Fig. 1 kann ferner insbesondere ein grobes Schaltdiagramm darstellen, das die Grundsätze der vorstehenden Offenbarung implementiert. Auf ähnliche Weise können die gezeigten Flussdiagramme verschiedene Prozesse, Operationen oder Schritte repräsentieren, die zum Beispiel im Wesentlichen in computerlesbarem Medium dargestellt sind und so durch einen Computer oder Prozessor ausgeführt werden, ungeachtet dessen, ob ein solcher Computer oder Prozessor explizit gezeigt ist. In der Beschreibung oder in den Patentansprüchen offenbarte Verfahren können durch ein Bauelement implementiert werden, das ein Mittel zum Ausführen eines jeden der jeweiligen Schritte dieser Verfahren aufweist.
Es versteht sich, dass die Offenbarung mehrerer, in der Beschreibung oder den Ansprüchen offenbarter Schritte, Prozesse, Operationen oder Funktionen nicht einschränkend in Bezug auf die Reihenfolge ausgelegt werden soll, sofern dies nicht explizit oder implizit anderweitig, z. B. aus technischen Gründen, angegeben ist. Insbesondere wird die Reihenfolge durch die vorliegende Offenbarung von mehreren Schritten oder Funktionen nicht auf eine bestimmte Reihenfolge begrenzt, es sei denn, dass diese Schritte oder Funktionen aus technischen Gründen nicht aus-tauschbar sind. Ferner kann bei einigen Beispielen ein einzelner Schritt, eine einzelne Funktion, ein einzelner Prozess oder eine einzelne Operation jeweils mehrere Teilschritte, -funktionen, -prozesse oder -Operationen einschließen und/oder in dieselben aufgebrochen werden. Solche Teilschritte können eingeschlossen sein und Teil der Offenbarung dieses Einzelschritts sein, sofern sie nicht explizit ausgeschlossen sind.
Bezuqszeichenliste:
100 erfindungsgemäßes Feldbussystem
10 Steuerungseinrichtung (erster T eilnehmer)
20 zweiter Teilnehmer des Feldbussystems
21 Ausführungsbeispiel eines Feldbusauswahl-Kl-Modells
30 dritter Teilnehmer des Feldbussystems
31 Ausführungsbeispiel eines Konfigurations-Kl-Modells
40 Konfigurationsmodul
50 Feldbus
A1 Ausgabe-Schicht
E1 Eingabe-Schicht
H1 erste verborgene Schicht
S1-S4 Verfahrensschritte eines erfindungsgemäßen Verfahrens zur Konfiguration eines Feldbusses
S2a-2d Verfahrensschritte zur Auswahl eines Feldbusses
APW Auswahlparameterwert
AWK Auswahl kriterienwert
FBS-I Feldbussystem-Information(en)
KFPW Konfigurationsparameterwert

Claims

Patentansprüche Computerimplementiertes Verfahren zur zumindest teilweise automatisierten Konfiguration eines Feldbusses (50), der mindestens zwei Teilnehmer (10, 20, 30) eines zugehörigen Feldbussystems (100) verbinden soll oder verbindet, umfassend: einen Informations-Sammel-Schritt (S1), umfassend ein Sammeln einer oder mehrerer Feldbussystem-Informationen (FBS-I), die das zugehörige Feldbussystem (100) charakterisieren, einen Konfigurationsparameterwert-Ermittlungsschritt (S2), umfassend ein Ermitteln eines oder mehrerer Parameterwerte (KFPW) von einem oder mehreren Konfigurationsparametern zur Konfiguration des Feldbusses (50) des Feldbussystems (100), wobei das Ermitteln des einen oder der mehreren Parameterwerte (KFPW) in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem- Informationen (FBS-I) erfolgt, und einen Konfigurationsschritt, umfassend ein Konfigurieren des Feldbusses (50) mit dem einen oder den mehreren im Konfigurationsparameterwert-Ermittlungsschritt (S3) ermittelten Parameterwerten (KFPW) des einen oder der mehreren Konfigurationsparameter. Verfahren nach Anspruch 1, wobei das zumindest teilweise automatisierte Ermitteln (S3) des einen oder der mehreren Parameterwerte (KFPW) in Abhängigkeit von zumindest einem Teil der gesammelten Feldbussystem-Informationen (FBS-I) unter Verwendung eines trainierten Konfigurations-Kl-Modells (31) erfolgt, welches dazu konfiguriert ist, eine oder mehrere Feldbussystem-Informationen (FBS-I) auf einen oder mehrere Konfigurationsparameter zur Konfiguration des Feldbusses (50) des Feldbussystems (100) abzubilden. Verfahren nach Anspruch 1 oder 2, wobei die Feldbussystem-Informationen (FBS-I), die gesammelt werden, ein oder mehrere ausgewählte Informationen sind aus einer Gruppe, wenigstens umfassend:
Informationen zu den vorhandenen Knoten des Feldbussystems, Informationen zur Netzwerkausdehnung des Feldbussystems, Informationen zu den zu verbindenden Teilnehmern des Feldbussystems, Informationen zu Prozessdaten-Kommunikationseigenschaften des Feldbussystems,
Informationen zu möglichen Zuordnungen von physikalischem zu logischem Prozessabbild, sowie
Informationen zu möglichen Zuordnungen von Datenausgaben eines Teilnehmers zu Dateneingaben eines anderen Teilnehmers. Verfahren nach einem der vorherigen Ansprüche, wobei ein oder mehrere Konfigurationsparameter, deren Parameterwert (KFPW) im Konfigurationsparameterwert-Ermittlungsschritt (S3) ermittelt werden, ausgewählt sind aus einer Gruppe, wenigstens umfassend:
Konfigurationsparameter zur Konfiguration von Knotenadressen des Feldbussystems,
Konfigurationsparameter zur Konfiguration einer erforderlichen Baudrate des Feldbusses,
Konfigurationsparameter zur Konfiguration einer Applikationsanforderung, Konfigurationsparameter zur Konfiguration einer Auswahl und Einstellung einer Beschreibung von einem oder mehreren Teilnehmern des Feldbussystems,
Konfigurationsparameter zur Konfiguration einer Auswahl und Einstellung der Prozessdaten-Kommunikationseigenschaften,
Konfigurationsparameter zur Konfiguration einer Zuordnung von physikalischem zu logischem Prozessabbild (Prozess-Mapping), sowie
Konfigurationsparameter zur Konfiguration einer Zuordnung von Datenausgaben eines ersten Teilnehmers zu Dateneingaben eines zweiten Teilnehmers des Feldbussystems (Kommunikations-Mapping). Verfahren nach einem der vorherigen Ansprüche, wobei das Sammeln von Feldbussystem-Informationen (FBS-I) umfasst: ein Auslesen von wenigstens einer in einem Speicher hinterlegten Feldbussystem-Information (FBS-I), und/oder ein einmaliges oder mehrmaliges Durchführen eines Scans, und/oder ein Durchführen einer Benutzerabfrage, bei welcher ein Benutzer aufgefordert wird, Feldbussystem-Informationen (FBS-I) einzugeben, und ferner ein Auslesen der vom Benutzer eingegebenen Feldbussystem-Informationen (FBS-I).
6. Verfahren nach einem der vorherigen Ansprüche, wobei der Konfigurationsparameterwert-Ermittlungsschritt (S3) ferner ein automatisches Auswahlen eines oder mehrerer Konfigurationsparameter umfasst, die zur Konfiguration des Feldbusses (50) erforderlich sind, wobei das Auswahlen des einen oder der mehreren Konfigurationsparameter insbesondere vor dem Ermitteln des einen oder der mehreren, zugehörigen Parameterwerte (KFPW) erfolgt.
7. Verfahren nach einem der Ansprüche 2-6, wobei das Konfigurations-Kl-Modell (31) trainiert worden ist mit Trainingsdaten, welche eine Vielzahl an Feldbussystem- Informationen (FBS-I) von einer Vielzahl an Feldbussystemen (100), eine den jeweiligen Feldbussystemen (100) zugeordnete Auswahl von einem oder mehreren Konfigurationsparametern sowie einen oder mehrere zugehörige Parameterwerte (KFPW) umfassen.
8. Verfahren nach einem der vorherigen Ansprüche 2-7, wobei das Konfigurations-Kl- Modell (31) ein künstliches neuronales Netz umfasst oder ist.
9. Verfahren nach einem der vorherigen Ansprüche, wobei das Konfigurieren des Feldbusses (50) umfasst: ein Ausgeben wenigstens eines ermittelten Parameterwertes (KFPW) für wenigstens einen Konfigurationsparameter, und/oder ein automatisches Zuweisen wenigstens eines ermittelten Parameterwertes (KFPW) zu dem jeweils zugehörigen Konfigurationsparameter, und/oder ein Hinterlegen des einen oder der mehreren ermittelten Parameterwerte (KFPW) in einem Speicher.
10. Verfahren nach einem der vorherigen Ansprüche, wobei das Verfahren ferner einen Auswahlschritt (S2) umfasst, umfassend ein Auswahlen eines geeigneten Feldbusses (S2) zur Verbindung der wenigstens zwei Teilnehmer (10, 20, 30) des Feldbussystems (50), wobei das Auswahlen des geeigneten Feldbusses (50) umfasst: ein Bestimmen (S2a) definierter Auswahlkriterien, nach denen der Feldbus (50) ausgewählt wird, ein Ermitteln (S2b) der zugehörigen Werte (AKW) der bestimmten Auswahlkriterien, eine Analyse(S2c) der ermittelten Werte (AKW) der Auswahlkriterien, und eine Auswahl (S2d) des geeigneten Feldbusses (50) anhand des Ergebnisses der Analyse der Kriterienwerte (AKW).
11. Feldbussystem (100) mit einem ersten Teilnehmer (10) und einem zweiten Teilnehmer (20, 30), die durch einen Feldbus (50) miteinander verbunden werden sollen oder verbunden sind, dadurch gekennzeichnet, dass das Feldbussystem (100) Mittel (10) zur Durchführung eines Verfahrens nach einem der Ansprüche 1- 10 aufweist und/oder dazu eingerichtet ist, mit einem Mittel (40), dass zur Durchführung eines Verfahrens nach einem der Ansprüche 1-10 eingerichtet ist, verbunden zu werden und mithilfe dieses Mittels (10, 40) durch ein Verfahren nach einem der Ansprüche 1-10 konfiguriert zu werden.
12. Computerprogramm umfassend Befehle, welche, wenn das Programm von einem Computer ausgeführt wird, den Computer veranlassen, das Verfahren nach einem der Ansprüche 1-10 auszuführen.
13. Computerlesbares Speichermedium, umfassend Befehle, welche, wenn sie von einem Computer ausgeführt werden, den Computer veranlassen, das Verfahren nach einem der Ansprüche 1-10 auszuführen.
14. Trainingsdatensatz zum Trainieren eines Konfigurations-Kl-Modells (31) gemäß Anspruch 7, umfassend eine Vielzahl an Feldbussystem-Informationen (FBS-I) von einer Vielzahl an Feldbussystemen (100), eine den jeweiligen Feldbussystemen (100) zugeordnete Auswahl von einem oder mehreren Konfigurationsparametern sowie einen oder mehrere zugehörige Parameterwerte (KFPW).
15. Verfahren zum Trainieren eines Konfigurations-Kl-Modells (31) gemäß Anspruch 7 unter Verwendung des Trainingsdatensatzes nach Anspruch 14.
PCT/EP2023/051301 2022-02-17 2023-01-19 Computerimplementiertes verfahren zur zumindest teilweise automatisierten konfiguration eines feldbusses, feldbussystem, computerprogramm, computerlesbares speichermedium, trainingsdatensatz und verfahren zum trainieren eines konfigurations-ki-modells WO2023156127A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022103812.2 2022-02-17
DE102022103812.2A DE102022103812A1 (de) 2022-02-17 2022-02-17 Computerimplementiertes verfahren zur zumindest teilweise automatisierten konfiguration eines feldbusses, feldbussystem, computerprogramm, computerlesbares speichermedium, trainingsdatensatz und verfahren zum trainieren eines konfigurations-ki-modells

Publications (1)

Publication Number Publication Date
WO2023156127A1 true WO2023156127A1 (de) 2023-08-24

Family

ID=85122168

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/051301 WO2023156127A1 (de) 2022-02-17 2023-01-19 Computerimplementiertes verfahren zur zumindest teilweise automatisierten konfiguration eines feldbusses, feldbussystem, computerprogramm, computerlesbares speichermedium, trainingsdatensatz und verfahren zum trainieren eines konfigurations-ki-modells

Country Status (2)

Country Link
DE (1) DE102022103812A1 (de)
WO (1) WO2023156127A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076952A (en) * 1997-09-17 2000-06-20 National Instruments, Corp. Fieldbus network configuration utility with improved parameter control
US20180183660A1 (en) * 2016-12-27 2018-06-28 Cisco Technology, Inc. Configuring heterogeneous computing environments using machine learning
US10785108B1 (en) * 2018-06-21 2020-09-22 Wells Fargo Bank, N.A. Intelligent learning and management of a networked architecture
EP3855260A1 (de) * 2020-01-22 2021-07-28 Siemens Aktiengesellschaft Verfahren zur konfiguration und parametrierung von feldbusteilnehmern und engineeringsystem

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076952A (en) * 1997-09-17 2000-06-20 National Instruments, Corp. Fieldbus network configuration utility with improved parameter control
US20180183660A1 (en) * 2016-12-27 2018-06-28 Cisco Technology, Inc. Configuring heterogeneous computing environments using machine learning
US10785108B1 (en) * 2018-06-21 2020-09-22 Wells Fargo Bank, N.A. Intelligent learning and management of a networked architecture
EP3855260A1 (de) * 2020-01-22 2021-07-28 Siemens Aktiengesellschaft Verfahren zur konfiguration und parametrierung von feldbusteilnehmern und engineeringsystem

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
POESCHMANN A ET AL: "AUTOCONFIGURATION MANAGEMENT FUER FELDBUSSE- PROFIBUS PLUG & PLAY", ELEKTROTECHNIK UND INFORMATIONSTECHNIK, SPRINGER VERLAG, WIEN, AT, vol. 117, no. 5, 1 May 2000 (2000-05-01), pages 335 - 339, XP001077985, ISSN: 0932-383X *
SPS AUTOMAPPING, 24 January 2022 (2022-01-24), Retrieved from the Internet <URL:https://infosys.beckhoff.com/index.php?content=../content/1031/tcbacnet/html/bacnetexamplesplcautomapping.htm&id=7456993167691197807>

Also Published As

Publication number Publication date
DE102022103812A1 (de) 2023-08-17

Similar Documents

Publication Publication Date Title
EP3575890B1 (de) Assistenzsystem zur unterstützung der planung von automatisierungssystemen
DE10012258A1 (de) Selbst-Abstimmung in einer verteilten Prozeß-Regelumgebung
EP1779203A1 (de) Parameteridentifikation für feldgeräte in der automatisierungstechnik
DE202018104373U1 (de) Vorrichtung, die zum Betreiben eines maschinellen Lernsystems eingerichtet ist
EP3876061A1 (de) Verfahren zur validierung und auswahl auf maschinellem lernen basierender modelle zur zustandsüberwachung einer maschine
DE102020102863A1 (de) Parametrierung einer Komponente in der Automatisierungsanlage
DE102021109382A1 (de) System und verfahren eines monotonen neuronalen operatornetzes technisches gebiet
DE202020101012U1 (de) Vorrichtung zum Vorhersagen einer geeigneten Konfiguration eines maschinellen Lernsystems für einen Trainingsdatensatz
WO2023156127A1 (de) Computerimplementiertes verfahren zur zumindest teilweise automatisierten konfiguration eines feldbusses, feldbussystem, computerprogramm, computerlesbares speichermedium, trainingsdatensatz und verfahren zum trainieren eines konfigurations-ki-modells
EP3392725B1 (de) Vorschlagen und/oder erstellen von agenten in einem industriellen automatisierungssystem
EP3650964B1 (de) Verfahren zum steuern oder regeln eines technischen systems
DE102020208309A1 (de) Verfahren und Vorrichtung zum Erstellen eines maschinellen Lernsystems
DE102021207754A1 (de) Erzeugung von computer-implementierten neuronalen netzwerken mit beseitigten architektonischen flaschenhälsen
EP4260119A1 (de) Wartungsvorhersage für baugruppen eines mikroskops
EP4176579A1 (de) Verfahren zum betreiben eines automatisierungssystems einer maschine oder einer anlage
DE102021210933A1 (de) Computerimplementiertes Verfahren und Recheneinheit zum Steuern eines Gerätes durch Spracheingabe
DE102020202392A1 (de) Verfahren, Vorrichtung und Computerprogramm zum Vorhersagen einer geeigneten Konfiguration eines maschinellen Lernsystems für einen Trainingsdatensatz
WO2023104591A1 (de) Identifikation von fehlerursachen auf befehlsebene in prozessen
DE102023101135A1 (de) Multiagentenbasiertes bestärkendes-lernen-system und verfahren dafür
DE102021120477A1 (de) Verfahren und Anordnung zur Analyse eines Feldgeräts
DE102022207072A1 (de) Verfahren zum Ermitteln einer optimalen Architektur eines künstlichen neuronalen Netzes
EP4160446A1 (de) Fähigkeitsanalyse einer komponente innerhalb einer industriellen automatisierungsanlage
WO2023006597A1 (de) Verfahren und vorrichtung zum erstellen eines maschinellen lernsystems
DE102022206892A1 (de) Verfahren zum Bestimmen einer optimalen Architektur eines künstlichen neuronalen Netzes
DE112021008086T5 (de) Zustandserfassungssystem, zustandserfassungsverfahren und zustandserfassungsprogramm

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23702238

Country of ref document: EP

Kind code of ref document: A1