Nothing Special   »   [go: up one dir, main page]

CN110956193A - 用于改进边界偏移检测的方法、系统、制品和装置 - Google Patents

用于改进边界偏移检测的方法、系统、制品和装置 Download PDF

Info

Publication number
CN110956193A
CN110956193A CN201910796735.2A CN201910796735A CN110956193A CN 110956193 A CN110956193 A CN 110956193A CN 201910796735 A CN201910796735 A CN 201910796735A CN 110956193 A CN110956193 A CN 110956193A
Authority
CN
China
Prior art keywords
boundary
control flow
items
control
candidate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910796735.2A
Other languages
English (en)
Inventor
S·卡瓦米
C·斯瑞拉玛
H·穆斯塔法
R·沃海比
N·L·达比
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN110956193A publication Critical patent/CN110956193A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4188Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by CIM planning or realisation
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04Manufacturing
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/31From computer integrated manufacturing till monitoring
    • G05B2219/31356Automatic fault detection and isolation
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32182If state of tool, product deviates from standard, adjust system, feedback
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

公开了用于改进边界偏移检测的方法、装置、系统和制品。用于改进边界偏移检测的示例装置包括:元数据提取器,用于解析第一控制流以提取嵌入的元数据;元数据标签解析器:用于对所提取的嵌入的元数据的边界项进行分类;候选流选择器,用于识别候选的第二控制流,该候选的第二控制流包括与第一控制流的经分类的边界项匹配的边界项;以及边界向量计算器,用于通过基于包括经分类的边界项的候选的第二控制流中的相应的候选的第二控制流计算边界向量因子以改进边界偏移检测。

Description

用于改进边界偏移检测的方法、系统、制品和装置
技术领域
本公开总体上涉及控制系统,更具体地涉及用于改进边界偏移检测的方法、系统、制品和装置。
背景技术
近年来,制造和工业环境已变得更自动化。此类环境包括由一个或多个控制系统(例如,过程控制系统)控制的工业装备。装备可包括传送带、化学品罐、空气和/或流体泵、加热装备、焊接装备、机器人、注塑模装备等。另外,装备通常具有不同类型的配置设置,其取决于制造环境的目标。由此,可在具有第一设置的第一制造环境中使用相同类型的装备,并且可在具有不同于第一设置的第二设置的第二制造环境中使用那个相同类型的装备。
附图说明
图1是根据本公开的教导而构建以改进边界偏移检测的示例控制环境的示意图,该示例控制环境包括示例边界分析器。
图2是由示例边界分析器生成的示例流表。
图3是由示例边界分析器生成的示例计算表。
图4-图7是表示机器可读指令的流程图,该指令可以被执行以实现图1的示例边界分析器用于改进边界偏移检测。
图8是被构造用于执行图4-图7中的指令以实现图1的示例边界分析器用于改进边界偏移检测的示例处理平台的框图。
这些图不是按比例的。替代地,层或区域的厚度可在附图中被放大。一般来说,贯穿(多个)附图和所附书面描述将使用相同的附图标记来指代相同或相似的部分。
具体实施方式
如本文中所使用,“工厂环境”、“制造环境”或“环境”包括使用工业装备生产或扩充一个或多个产品/部件(例如,电子设备、机器、化学品、车辆等)的设施。这种命名法也指代实验室设施/环境(例如,促进产品测试、化学测试等的设施)。环境利用由控制系统(例如,包括但不限于过程控制系统)来控制的许多不同类型的装备。装备可包括传送带、化学品罐、空气和/或流体泵、加热装备、焊接装备、机器人、注塑模装备等。
一个环境可包括任何数量的“线”,其中的每一个专用于要制造的特定产品。尽管每条制造线上可能存在相同类型的装备,但该装备的配置设置可能不同。例如,第一制造线可构建需要罐在相对高的温度下供应高压盐喷雾(例如,预退火过程)的第一产品或产品组件,而第二制造线可构建第二产品,其中相同类型的罐在相对低的温度下供应低压漂洗水。由此,一个或多个环境人员(例如,工艺工程师、控制工程师、过程控制人员、工厂线工人等)通常承担按照(a)产生具有可接受质量标准的产品以及(b)确保环境安全的方式为每条线上的每个自动化装备配置操作限制的责任。
工厂环境倾向于通过相同控制过程运行达延长的时间段而被严密地控制。如上文所公开,第一产品将要求配置、调谐和/或以其他方式校准组装线,直到识别出令人满意的配置。一旦识别出令人满意的配置,倾向于使用那个配置(例如,装备操作限制、边界等)而不进一步修改以允许制造任何数量的产品。然而,制造环境易受控制异常的影响,控制异常要求针对装备设定点的一个或多个调整。如本文中所使用,边界(有时称为参数)包括边界名称和相应的边界值。边界名称指示装备名称或装备输出值名称,而相应的边界值指装备操作参数(例如,装备设定点),这些装备操作参数具有设置用于实现制造目标和/或确保操作安全的相应的值(有时称为边界值或参数值)。例如,罐边界可包括高压力(例如,最大值)操作限制以防止罐上的过度压力,确保所制造部件的令人满意的结果,并确保附近工厂人员的安全。尽管罐边界值可由制造工程师在二月期间配置,但是在相对更温暖的七月和八月由于天气变化可能发生环境变化。类似地,由于磨损可能发生机械变化,并且由于来自相邻的制造活动的需求可能发生电气变化(例如,鉴于相邻装备启动/停止而发生的电压波动,其中相邻装备共享公共电力线供应)。相应地,在二月设置的先前校准的罐边界值(例如,压力值)(由于升高的环境温度)可能在七月期间被超过(也被称为偏移),并且导致调用一个或多个削减程序(例如,发出警报声、打开泄压阀、关闭加热器等)。
尽管可能发生边界值偏移,但是控制人员(例如,过程控制人员)可能忽略、不理会和/或以其他方式取消削减程序,因为偏移不是有问题的类型(例如,幅度)。边界值偏移可能由与人的自由裁量(discretion)相关联的错误导致,诸如,过程控制人员基于假设、试探和/或猜想来建立、配置和/或以其他方式校准边界值。此类人的自由裁量将一个或多个风险引入产品质量、组装线效率和/或安全(例如,人身安全、装备安全)。当控制人员忽略、不理会或以其他方式对偏移保持沉默时,降低了组装线的效率度量,特别是当偏移停止组装线过程直到授权人员可以重置偏移时。在一些示例中,过程控制人员有权限对由偏移引起的一个或多个校正动作保持沉默和/或以其他方式覆盖(override)由偏移引起的一个或多个校正动作,但这些人员可能没有权限来调整有问题的边界值。在一些示例中,由于装备操作条件在适当的规范限制内,因此过程控制人员覆盖偏移事件,但是此类边界值是由于人的自由裁量或猜想被错误地建立的。
尽管许多制造设置结合在通过人自由裁量的选择而建立的数据流中测量的预期边界值来操作,但是本文公开的示例通过基于经验数据调整边界值来改进边界偏移检测。换句话说,本文公开的示例通过以下方式来改进边界偏移检测:允许按照更准确的方式设置边界值(例如,装备设定点),使得如果这些边界值被满足(例如,超过),则存在有效偏移的可能性。附加地,本文公开的示例基于从经验数据导出的相似性度量来建立边界值,该经验数据从其他过程控制环境的数据流(例如,被认为以适当设置的边界值操作的经审查的)获取。如本文中所使用,流(有时在本文中被称为过程操作流)指过程/操作数据的集合,其包括具有来自在工厂环境中操作的制造装备(例如,传感器数据)的相关联的值的任何数量的边界(例如,边界名称(项)和相应的边界值)。如下文进一步详细地所描述,流可用一个或多个边界向量来表征,这一个或多个边界向量指示已经被观察到的边界值的集合(例如,指示签名的数值、最大值/最小值数据对等)。本文公开的示例解决了与某些边界值相关联的问题(例如,触发警报和/或安全性协议的阈值设置值),这些边界值被过于保守地设置并且导致妨碍性警告,这导致过程低效和/或过程停机。附加地,本文公开的示例解决了与某些边界值相关联的问题,这些边界值是结合人的自由裁量和/或猜想而设置的。
图1是示例控制环境100的示意图。在图1的所图示的示例中,控制环境100(例如,过程控制环境)包括可在地理上分开的(例如,第一过程控制系统在第一建筑物中,第二过程控制系统在第二建筑物中,第三过程控制系统在分开的州/国家中,等等)任何数量的控制系统102(例如,过程控制系统)。示例控制系统102经由示例网络104通信地连接至示例边界分析器106。在一些示例中,边界分析器106经由一个或多个其他通信技术连接至示例控制系统102,这一个或多个其他通信技术包括但不限于通用接口总线(GPIB)(IEEE 488)。示例边界分析器106包括示例数据检取器108、示例元数据提取器110、以及示例标签器112,该示例标签器112通信地连接至示例标签关联存储114。尽管在图1的所图示的示例中将示例标签关联存储114示出为直接连接至示例标签器112,但是在一些示例中,经由任何其他通信标准和/或技术(例如,经由示例网络104)可能发生存储114与示例标签器112之间的通信。一般而言,图1的所图示的示例的一个或多个组件和/或数据源/存储可经由直接连接和/或(多个)网络连接来促进。
图1的示例边界分析器106也包括示例流比较器116,该示例流比较器116包括示例候选流选择器118和示例元数据标签解析器120,该示例元数据标签解析器120通信地连接至示例标签关联存储114和示例流简档存储138。图1的示例边界分析器106也包括示例流加权引擎122,该示例流加权引擎122包括示例差计算器124、示例相似性度量计算器126和示例边界向量计算器128,该示例流加权引擎122通信地连接至示例控制简档存储140。图1的示例边界分析器106也包括示例控制配置管理器150、示例环境细节提取器130、示例限制测试器132、示例覆盖检测器134和示例人工智能(AI)引擎136。图1的所图示的示例的一个或多个组件和/或存储(例如,存储设备、数据库等)经由一个或多个通信总线142被通信地连接。
在操作中,示例数据检取器108检取流,诸如来自从示例控制系统102中的一个而来的制造过程的过程控制流。示例元数据提取器110解析所检取的流以获得过程数据,并提取与所检取的流相关联的关联的元数据(例如,嵌入在所检取的流中的元数据—“嵌入式元数据”)。示例元数据提取器110是可实现为用于解析的装置或解析装置的硬件,其中用于解析和/或解析装置的装置是硬件。在一些示例中,元数据提取器110生成所提取的元数据的表(例如,提取的嵌入式元数据)。元数据可包括但不限于指示过程细节的设定点值的串内的字母数字数据,诸如,传感器的名称、设定点的名称、装备制造商序列号/型号等。图2图示出示例流表200,该示例流表200包括由示例元数据提取器110提取的示例元数据。在图2的所图示的示例中,流表200包括检取的流边界名称列202和检取的流边界值列204,检取的流边界名称列202包括元数据边界名称,检取的流边界值列204包括与元数据边界名称相关联的相应的值。在图2中的检取的流边界名称列202中,边界名称包括示例高温边界名称206(“TEMP-高”)和相应的边界值208(“127°F”)。在一些示例中,检取的流边界名称列202包括指示传感器或装备的类型的信息,诸如,示例装备类型210(“罐”)和相应的值212(“曼彻斯特”)。图2的所图示的示例也包括过程名214以及指示制造活动的类型的相关联的值216(“气动工具供应”)。图2的示例流表200中其他列将在下文进一步详细地讨论。
示例元数据提取器110判定所检取的流是否与先前未由示例边界分析器106分析的新过程相关联。例如,所检取的流可在检取的流边界名称列202中包括标题为“新流”的边界名称,具有相关联的二进制值(例如,“是”、“否”、“真”、“假”、“0”、“1”等)。在所检取的流不与新的和/或以其他方式未知的过程相关联的情况下(例如,二进制值“假”),可绕过进一步的标签解析工作。一般而言,所检取的元数据的边界名称源自于使用唯一的命名法来识别一个或多个边界的任何数量的独立传感器和/或装备制造商。例如,第一制造商可将温度边界称为“TEMP”,而第二制造商可将该温度边界称为“Temperature”。在所检取的流与新的和/或以其他方式未知的过程相关联的情况下(例如,二进制值“真”),示例标签器112应用一种或多种命名法解析技术,诸如,自然语言处理(NLP)技术和/或存储在示例标签关联存储114中的命名法查找表信息。由此,任何所检取的流可被标准化以解析指示已知边界类型的唯一命名法。在一些示例中,此类命名法解析度可在流分析的稍后阶段进行,如下文中进一步详细地所描述。
示例流比较器116将所检取的流(有时在本文中被称为“当前流”)与存储在示例流简档存储138中的任何数量的流简档进行比较。示例元数据提取器110从所检取的流选择元数据边界,并且示例候选流选择器118识别可能类似的一个或多个候选流简档。例如,如果所检取的流包括边界名称“TEMP-高”,则示例候选流选择器118仅标记在示例流简档存储138中的也包括类似命名的边界的那些先前存储的流。由于所检取的流可具有任何数量的单独和/或以其他方式唯一的边界名称,因此示例候选流选择器118判定一个或多个附加/替代的边界名称是否在尚未与存储在示例流简档存储138中的简档流进行比较的所检取的流中。示例候选流选择器118是可实现为用于识别的装置或识别装置的硬件,其中用于识别和/或识别装置的装置是硬件。
在示例候选流选择器118(例如,借助于至少一个共同的边界项/名称)识别了与所检取的流具有某种相似量/相似度(例如,相似性量级)的一个或多个候选流之后,示例元数据标签解析器120通过应用边界名称之间的相似性计算来对边界项进行分类。示例元数据标签解析器120是可实现为用于分类的装置或分类装置的硬件,其中用于分类的装置和/或分类装置是硬件。在一些示例中,元数据标签解析器120采用自然语言处理(NLP)技术来判定边界名称是否具有一个或多个可能的等同物。例如,边界名称“TEMP”可被等同于和/或以其他方式匹配于与“temperature”边界相关的任何变型。在一些示例中,附加于或替代于示例NLP技术,元数据标签解析器120采用查找表。当识别了具有相似度的候选流并且边界命名被解析和/或以其他方式被标准化时,示例元数据标签解析器120存储匹配的流以用于进一步分析,诸如,将候选匹配流存储至图2中的示例流表200。
返回图2的所图示的流表200,由示例元数据标签解析器120或示例候选流选择器118添加流S4(220)。选择示例流S4(220),因为其边界中的至少一个边界涉及高温边界206、低温边界222、高压力边界224、低压力边界226、过程名称214或示例装备类型210。类似地,示例元数据标签解析器120或示例候选流选择器118将流S7(228)添加至图2的示例流表200,因为具有至少一个匹配的边界名称。
尽管两个或更多个流可具有至少一个共同的边界名称,但是此类流之间的相似度不仅由单个相似的边界名称确定。示例候选流选择器118选择具有至少一个匹配的边界名称的先前识别的候选流中的一个。在当前流内,可能有具有相应边界值的一个或多个其他匹配的边界名称。如上文所述,图2中的示例流表包括流S4(220)和流S7(228),它们相对于所检取的流202具有至少一个类似的边界名称。附加地,示例差计算器124生成相应的△列以标识共同的边界名称的一个或多个值的百分比差。在图2的所图示的示例中,差计算器124生成△-S4列230和△-S7列232。附加地,示例差计算器124计算S4TEMP-高差值234(例如,2.3%),该S4TEMP-高差值234基于TEMP-高值208与同流S4 220相关联的TEMP-高值236之间的偏差。类似地,示例差计算器124计算S7 TEMP-高差值238(例如,22度差值除以116度平均值乘以100=18.9%),该S7 TEMP-高差值238基于所检取的流204的TEMP-高值208与同流S7228相关联的TEMP-高值240之间的偏差。如下文进一步详细地所描述,与针对相同边界名称的流S4中的差值相比,流S7中相对更大的差值表明流S4与S7相比更类似于所检取的流。示例差计算器124是可实现为用于计算的装置、用于差计算的装置、差计算装置或计算装置,其中此类装置是硬件。
示例相似性度量计算器126基于边界值的百分比差值的聚合来计算流相似性度量。在所图示的图2的示例中,示例相似性度量计算器126以与示例式1一致的方式计算流相似性度量。
Figure BDA0002181163200000081
在所图示的式1的示例中,SXN表示流X(例如,先前存储的简档流)与所检取的流N(例如,正在分析的当前/新流)之间的相似性度量。一般而言,相似性度量指示流之间的相似性的量级。示例相似性度量计算器126基于所检取的流(N)与流S4之间的平均百分比差值(例如,2.3%、2.5%、28%和2.5%的总和除以所检取的流与流S4之间的四个匹配的边界)来计算具有示例值0.912的流相似性度量S4N(242)。示例相似性度量计算器126还基于所检取的流(N)与流S7之间的平均百分比差值(例如,18.9%、78.5%、0%和28%的总和除以新流与流S7之间的四个匹配的边界)来计算具有示例值0.6865的流相似性度量S7N(244)。一般而言,流相似性度量S4N(242)(0.912)与相似性度量S7N(244)(0.6865)之间的相对差异指示流S4比流S7更类似于所检取的流(因为S4更接近一)。由此,当修改所检取的流时,本文公开的示例在更大程度上(例如,更重的权重)利用更类似的流的特性,这在当可能已经仅基于自由裁量的猜测或试探法来设置所检取的流值/边界时是特别有用的。示例相似性度量计算器126是可实现为用于计算的装置、用于相似性度量计算的装置、相似性度量计算装置或计算装置,其中这些装置是硬件。
示例边界向量计算器128为所检取的流计算边界向量因子(有时称为“边界向量”或“因子”),其中所计算的因子以更好地与预期操作设定点对齐的方式调整边界值,预期设定点将减少妨碍性警告(例如,妨碍性边界偏移),改善过程效率并且改善过程安全。如上文所述,所检取的流(例如,用于来自过程控制系统的装备的边界设定点的流)可能未被正确地设置和/或未以其他方式被正确地建立。在一些示例中,边界值是未结合经验数据或制造商建议的指导而配置的装备设定点(例如,最大操作值、最小操作值等)。在此类情况中,边界值可能是以使过程效率降级和/或提升与装备、过程控制系统和/或工厂环境相关联的一个或多个安全风险的方式来设置的。示例边界向量计算器128是可实现为用于计算的装置或计算装置的硬件,其中用于计算的装置和/或计算装置是硬件。
在一些示例中,示例边界向量计算器128基于示例流表200的(相对)最相似的流来计算边界向量因子。如上文所述,流S4展现出与所检取的流最接近的相对相似性,因为流S4具有最大的相对相似性度量(0.912)(例如,因为流S4展现出匹配的边界值之间的相对最低的聚合差异)。然而,在一些示例中,边界向量计算器128以与示例式2一致的方式计算边界向量因子。
Figure BDA0002181163200000091
在所图示的式2的示例中,Bn表示流n(例如,所检取的感兴趣的流)的边界向量,Sxn表示流x与所检取的流n之间的相似性度量,并且Bx表示流x的边界向量。一般而言,存储在示例流简档存储138中的一些流和/或流数据包括边界向量Bx,该边界向量Bx可以指示特定的装备设定点值。然而,在一些示例中,边界向量计算器128以与示例式3一致的方式计算计算边界向量因子。
Figure BDA0002181163200000092
在所图示的式3的示例中,流的边界向量Bn基于所检取的流和感兴趣的候选流x的边界值的聚合考虑,如图3中所示。另外,图示的式2和式3的示例以与相似性度量成比例的方式计算边界向量值。
在所图示的图3的示例中,边界向量计算器生成计算表300,该计算表300具有候选流边界列302(流x值,诸如,指示第一候选流温度-高边界的1TH,指示第一候选流温度-低边界的1TL,指示第二候选流压力-高边界的2PH等)、具有对应的相似性度量值(Sxn)的相似性度量列304、具有对应的边界向量值Bx的流-x边界向量列306、以及具有用于所检取的流n的对应边界向量值的流-n边界向量列308。以与示例式3一致的方式,第一示例行310计算对应于示例第一候选流温度-高边界(1TH)的Bn向量值,并且如上所述,对应的相似性度量值0.912是根据候选流x和所检取的流n来计算的。如在所图示的式3的示例中所示,Bn向量值是以与(多个)所检取的流值与(多个)候选流值之间的相似性程度或数量成比例的方式来计算的。由此,示例边界向量计算器128将与高温相关联的边界的Bn向量值计算为118.56度(312)。
示例边界向量计算器128以与示例式3一致的方式重复上述计算,使得考虑所检取的流与候选流(x)之间的所有公共的边界(及其对应值)。将这些对应值平均并除以100以生成边界向量因子,该边界向量因子用图3的示例数据示出为0.9586(314)。示例控制配置管理器150将该边界向量因子作为调整因子(边界向量因子)应用于所检取的流的相应边界值以试图定制改善过程效率、安全的设定点值和/或以使用示例流简档存储138中的先前存储的流的经验行为的益处以其他方式来定制此类设定值。具体而言,示例控制配置管理器150通过将边界向量因子应用于边界值来生成经更新的流(例如,经更新的过程控制流)。经更新的边界值因此降低妨碍性边界偏移实例的频率。另外,由于通过本文公开的示例迭代地分析了新的和/或当前的流,因此实现了边界值的连续改善,特别是考虑到潜在地改变的环境条件(例如,季节性天气变化,装备磨损等)。示例控制配置管理器150是可实现为用于配置的装置、或配置装置,其中此类装置是硬件。
虽然上述活动结合与所检取的感兴趣的流类似的流相关联的经验流数据考虑边界值的动态定制和/或修改,但本文公开的示例还考虑运行时行为的影响。例如,在控制系统的运行时期间,可能满足(例如,超过)一个或多个边界值,从而引发警报和/或控制改变活动(例如,停止过程、减慢过程、激活安全屏蔽等)。然而,在此类边界值最初未正确设置的情况下,则控制人员可以将此类警报和/或控制忽略为妨碍。妨碍会对控制效率有不利影响,本文所公开的示例克服了该不利影响。
示例限制测试器132判定边界值是否被超过,并且如果边界值被超过,则发起校正活动。如上文所描述,可通过控制系统对校正活动进行编程,以制定警告,警报和/或安全系统。在执行此类校正活动之后,示例覆盖检测器134捕获边界值违规的响应活动(偏移后输入)。响应活动包括由过程控制人员采取的覆盖活动,诸如,使警报静音和/或重新启动过程活动。响应活动还包括由过程控制人员采取的默许动作,诸如,确认活动和对校正动作和/或修复的请求(例如,对维护的请求、观察边界值违规之后持续的停机时间的阈值持续时间等)。示例覆盖检测器134检测一个或多个偏移后输入,诸如,警报接受指令、关闭指令、维护请求指令、(多个)覆盖指令,(多个)过程关闭指令等偏移后。示例覆盖检测器134是可实现为用于检测的装置、用于覆盖检测的装置、或覆盖检测装置的硬件,其中此类装置是硬件。
一般而言,本文所公开的示例捕获并分析响应活动,因为它揭示了与是否已正确配置了边界值有关的有用信息。例如,边界值违规(偏移)的重复的操作员覆盖行为指示未正确配置此类边界值。在一些示例中,过程控制人员意识到可能未由最初建立此类边界值的其他人员考虑到的过程控制装备的合理的操作限制。由此,示例覆盖检测器134将响应活动馈送和/或以其他方式将转发到示例人工智能引擎136。基于响应活动(例如,覆盖、默许、忽略等)的一次或多次迭代,示例人工智能引擎136结合一个或多个检测到的模式来更新新的/当前的流的现有边界值,其中此类经修改的边界值(例如,候选边界值调整)可以保存在示例控制简档存储140中。
由于所检取的流在工厂环境和/或过程控制系统中可能是相对新的,因此示例流比较器116判定刚刚分析的所检取的流是否已执行阈值数量的迭代。如果没有,则所检取的流不被标记为候选流用于分发来用于相似性比较目的。换言之,直到已经发生阈值数量的比较、调整和/或人工智能模式识别实例,所检取的流采通过本文中公开的示例被审查。在每次此类迭代期间,相应地调整边界值,并且在每个调整的幅度变得越来越小的情况下发生收敛。另一方面,当已经发生所检取的流的阈值数量的迭代时,示例流比较器116标记流和/或对应的边界值以用于分发,这可以用于帮助定制和/或以其他方式配置其他/未来的新流和相应的边界值。
本文所公开的示例还在最初配置先前未被建立的新制造和/或其他控制环境时帮助控制人员。例如,为了在没有经验基础的情况下解决与控制人员建立边界值相关联的问题,本文所公开的示例基于先前已经建立的并且包含类似的控制装备和/或控制目标的类似控制系统来提供起始点边界值。示例控制配置管理器150判定是否要配置新环境,并且如果是,则示例环境细节提取器130检取环境细节。环境细节包括但不限于控制装备清单、控制装备的制造商名称、控制装备的型号/序列号、指定控制装备的预期目的的命名法(例如,气动工具供应、冷凝物收集器等)等。示例环境细节提取器130选择环境细节与存储在示例控制简档存储140中的、先前已被标记用于分发一个或多个控制简档之间的匹配。
来自匹配的控制简档的边界值由示例控制配置管理器150用于利用边界值来配置新控制系统和/或新控制系统内的装备。示例控制配置器150随后启用用于新建立的控制系统的运行模式。
虽然图1至图3中示出了实现图1的示例控制环境100的示例方式,但是图1至图3中所示的元件、过程和/或设备中的一个或多个可以被组合、拆分、重新布置、省略、消除和/或以任何其他方式被实现。进一步地,图1中的示例数据检取器108、示例元数据提取器110、示例标签器、示例流比较器116、示例候选流选择器118、示例元数据标签解析器120、示例流加权引擎122、示例差计算器124、示例相似性度量计算器126、示例边界向量计算器128、示例控制配置管理器150、示例环境细节提取器130、示例限制测试器132、示例覆盖检测器134、示例人工智能引擎136和/或,更一般地,示例边界分析器106可通过硬件、软件、固件和/或硬件、软件和/或固件的任何组合来实现。因此,例如,图1中的示例数据检取器108、示例元数据提取器110、示例标签器、示例流比较器116、示例候选流选择器118、示例元数据标签解析器120、示例流加权引擎122、示例差计算器124、示例相似性度量计算器126、示例边界向量计算器128、示例控制配置管理器150、示例环境细节提取器130、示例限制测试器132、示例覆盖检测器134、示例人工智能引擎136和/或,更一般地,示例边界分析器106中的任何一个可通过一个或多个模拟或(多个)数字电路、逻辑电路、(多个)可编程处理器、(多个)可编程控制器、(多个)图形处理单元(GPU(s))、(多个)数字信号处理器(DSP)(s))、(多个)专用集成电路(ASIC(s))、(多个)可编程逻辑器件(PLD(s))和/或(多个)现场可编程逻辑器件(FPLD(s))来实现。当阅读到本专利的装置或系统权利要求中的任一项涵盖纯软件和/或固件实现时,图1中的示例数据检取器108、示例元数据提取器110、示例标签器、示例流比较器116、示例候选流选择器118、示例元数据标签解析器120、示例流加权引擎122、示例差计算器124、示例相似性度量计算器126、示例边界向量计算器128、示例控制配置管理器150、示例环境细节提取器130、示例限制测试器132、示例覆盖检测器134、示例人工智能引擎136和/或,更一般地,示例边界分析器106中的至少一个在此明确被限定为包括该软件和/或固件的非瞬态计算机可读存储设备或存储盘,诸如,存储器、数字多功能盘(DVD)、紧凑盘(CD)、蓝光盘等。此外,附加于或替代于图1至图3中所图示的那些元件、过程和/或设备,图1中的示例边界分析器106可以包括一个或多个元件、过程和/或设备,和/或可以包括图示出的元件、过程和设备中任何或所有元件、过程和设备中的多于一个。如本文中所使用,短语“通信”(包括其各种变体)包含直接通信和/或通过一个或多个中间组件的间接通信,并且不要求直接的物理(例如,有线)通信和/或持续通信,而是附加地包括以周期性间隔、预定间隔、非周期性间隔、和/或一次性事件来进行的选择性通信。
在图4至图7中示出了表示用于实现图1的边界分析器106的示例硬件逻辑、机器可读指令、硬件实现的状态机和/或其任何组合的流程图。机器可读指令可以是供由诸如结合图8在下文中所讨论的示例处理器平台800中示出的处理器812之类的处理器执行的可执行程序或可执行程序的一部分。(多个)程序能具体化在存储于诸如CD-ROM、软盘、硬驱动器、DVD、蓝光盘或与处理器812关联的存储器之类的非瞬态计算机可读存储介质上的软件中,但是整个程序和/或其部分可替代地由除处理器812之外的设备执行,和/或具体化在固件或专用硬件中。进一步地,虽然参考图4-图7中所图示的流程图描述了(多个)示例程序,但是可替代地使用实现示例边界分析器106的许多其他方法。例如,可改变框的执行次序,和/或可改变、消除或组合所描述的框中的一些框。附加地或替代地,框中的任何框或所有框可以由被构造成在不执行软件或固件的情况下执行相应的操作的一个或多个硬件电路(例如,分立的和/或集成的模拟和/或数字电路、FPGA、ASIC、比较器、运算放大器(op-amp)、逻辑电路等)来实现。
如上文所提及,可使用存储于非瞬态计算机和/或机器可读介质上的可执行指令(例如,计算机和/或机器可读指令)实现图4-图-7的示例过程,非瞬态计算机和/或机器可读介质诸如:硬盘驱动器、闪存、只读存储器、紧凑盘、数字多功能盘、高速缓存、随机存取存储器和/或在其中存储信息达任何持续时间(例如,达扩展时间段、永久地、达简短的实例、用于临时缓冲和/或用于对信息进行高速缓存)的任何其他存储设备或存储盘。如本文中所使用,术语非瞬态计算机可读介质被明确地定义为包括任何类型的计算机可读存储设备和/或存储盘,并且排除传播信号以及排除传输介质。
“包含”和“包括”(及其所有形式和时态)在本文中用作开放式术语。因此,每当权利要求将任何形式的“包含”或“包括”(例如,包括(comprises,comprising)、包含(including,includes)、具有(having)等)用作前序部分或用于任何种类的权利要求记载中时,要理解的是,附加的要素、项等可以存在而不超出对应权利要求或记载的范围。如本文所使用,当短语“至少”被用作例如权利要求的前序部分中的过渡术语时,该术语与按照术语“包含”和“包括”相同的方式是开放式的。当例如以诸如A、B和/或C之类的形式使用术语“和/或”时,该术语指的是A、B、C的任何组合或子集,诸如(1)单独的A、(2)单独的B、(3)单独的C、(4)A与B、(5)A与C、(6)B与C、以及(7)A与B与C。如本文中在描述结构、组件、项、对象和/或事物的上下文中所使用,短语"A和B中的至少一个"旨在表示包括以下任一者的实现方式:(1)至少一个A、(2)至少一个B、以及(3)至少一个A和至少一个B。类似地,如本文中在描述结构、组件、项、对象和/或事物的上下文中所使用,短语"A或B中的至少一个"旨在表示包括以下任一者的实现方式:(1)至少一个A、(2)至少一个B、以及(3)至少一个A和至少一个B。如本文中在描述过程、指令、动作、活动和/或步骤的处理或执行的上下文中所使用,短语"A和B中的至少一个"旨在表示包括以下任一者的实现方式(1)至少一个A、(2)至少一个B、以及(3)至少一个A和至少一个B。类似地,如本文中在描述过程、指令、动作、活动和/或步骤的处理或执行的上下文中所使用,短语"A或B中的至少一个"旨在表示包括以下任一者的实现方式:(1)至少一个A、(2)至少一个B、以及(3)至少一个A和至少一个B。
图4的程序400包括框402,在框402中,示例数据检取器108从过程检取流或流数据(例如,从制造环境中的控制系统102检取)。示例元数据提取器110解析所检取的流以获得过程数据并提取该过程数据(框404)。示例元数据提取器110还判定所检取的流是否是尚未被检查以应用标签的新过程(框406)。在所检取的流尚未被检查的情况下,如由指示所检取的流的示例标记所确定,示例标签器112将标签应用于所检取的流内的数据(框408),这些标签诸如与装备、装备边界等相关联的标签。在一些示例中,标签器112采用存储在示例标签关联存储114中的一个或多个查找表来解析和/或以其他方式标准化所检取的流的命名。如上文所述,由于所检取的流可以由示例边界分析器106评估任何次数/迭代,因此所解析的命名(例如,边界的常见名称)可以被写入所检取的流的一个或多个数据元素以供将来分析,由此绕过用于未来迭代的重复的标记工作。
在示例标签器112应用标签工作(框408)之后,或者如果示例元数据提取器110判定不需要标签工作(框406)(例如,由于此类标签工作先前被执行并且应用到所检取的流),示例流比较器116将所检取的(当前的)流与流简档进行比较(框410)。如上文所描述,示例流比较器116的至少一个目标是生成和/或以其他方式识别与当前流类似的流的集合。一旦已识别出类似的流,本文所公开的示例使用此类经验数据来计算边界向量和/或其他因素,以使得能够修改和/或定制所检取的流的边界值,使得其反映与在已知流的相应的环境中操作良好的这些已知流的一致性程度。
图5图示出结合图4的示例框410的附加细节。在所图示的图5的示例中,元数据提取器110从所检取的流选择元数据参数/边界名称(框502)。所检取的流可以具有任何数量的边界(例如,具有指示边界名称的相关联元数据的参数),其中每个边界名称具有对应值(例如,控制装备的设定点操作条件)。示例候选流选择器118识别存储在示例流简档存储138中的候选流简档(框504)。如上文所描述,如果至少一个元数据边界名称与所检取的流的边界名称匹配,则由示例候选流选择器118识别候选流简档(框504)。示例元数据提取器110判定是否存在所检取的流的还未被分析的一个或多个附加的元数据参数(框506)。如果是,则控制返回到框502。
虽然所检取的流可能已由示例标签器112评估以应用已知标签来解析和/或以其他方式标准化流的命名,但是在已经识别出候选流简档之后,由元数据标签解析器120应用另一标签解析工作。例如,示例流简档存储138和/或示例控制简档存储140可由一个或多个并发边界分析过程更新,在其中新分发的流被添加有替代的参数命名。为了确保此类命名相对于所检取的流是当前的和/或以其他方式被解析的,示例元数据标签解析器120将自然语言处理(NLP)技术和/或查找表应用于所识别的候选流(框508)。由示例元数据标签解析器120发现的匹配被存储作为候选匹配流(框510)以进行进一步评估,使得可以基于相似度来应用成比例的加权。控制返回至图4的框412。
返回图4,示例流加权引擎122将加权应用于所检取的流(框412)。图6图示出与图4中的框412有关的附加细节。在所图示的图6的示例中,示例候选流选择器118选择由示例候选流选择器118识别的匹配流中的一个(框602)。示例差计算器124针对对于所选择的匹配流和所检取的流共同的每个边界计算百分比差(框604)。如上文结合图3所讨论,百分比差值被计算并应用于图2中的示例流表(参见列230和列232)。示例相似性度量计算器126基于百分比差值对于对所选择的匹配流和所检取的流共同的边界实质性程度如何的聚合考虑来计算相似性度量(框606)。具体而言,并且如图2的示例中所图示,相似性度量S4N(242)基于从100减去的各个百分比差值的平均值,以产生0与1之间的十进制值。
示例候选流选择器118判定是否存在要为其计算相似性度量的一个或多个附加流(框608)。如果是,控制返回到框602,在框602中,选择不同的匹配流。否则,示例边界向量计算器128计算所检取的流的边界向量因子(框610)。如上文所描述,示例边界向量计算器128以与示例式2或示例式3一致的方式计算所检取的流的边界向量因子,其中以与示例式3一致的方式计算所检取的流的边界向量因子在图3中图示。为了图示,示例边界向量计算器128将所检取的流的边界向量因子计算为值0.9586(参见图3的项314)。使用所检取的流TEMP-高边界206作为示例,在其中该边界具有127华氏度的对应值,该因子的应用导致生成121.7华氏度的经更新的值。由此,示例控制配置管理器150应用边界值修改以创建经更新的流,并进一步将经更新的流应用于环境以进行执行(框414)。
在所图示的图4的示例中,示例控制配置管理器150完成框414可以引起示例控制环境100的运行时行为的启动,其中控制前进到框418,如下面进一步详细地所描述。另一方面,示例边界分析器106可以替代地继续操作以评估一个或多个附加的所检取的串(参见虚线箭头416),其中控制返回到框402。在示例边界分析器106分析过程的运行模式的情况下,示例限制测试器132判定是否已超过边界值(例如,所检取的流的经更新的边界值)(框418)。如果是,则示例控制配置管理器150如由示例控制环境100的控制系统所指示来使校正动作被发起(框420)。另一方面,如果示例限制测试器132判定了尚未超过边界值(框418),则示例控制配置管理器150使该过程继续正常操作(框422)。
示例覆盖检测器134捕获对边界值发生的响应活动(例如,由控制工程师作出的覆盖决定、忽略决定等)(框424),并将该发生信息提供给示例人工智能引擎136(框426)。示例人工智能引擎136基于行为的一个或多个所识别的趋势和/或模式(诸如,由控制工程师作出的重复的覆盖决定)来更新边界值(框428)。例如,重复的覆盖决定/行为指示未正确设置的边界值,由此导致过程中断和/或过程低效。
示例流比较器116判定所检取的流的迭代计数是否满足(例如,大于)阈值(框430)。如上文所描述,所检取的流(其可能已经根据(a)基于示例式2或示例式3的调整和/或(b)人工智能分析而更新)可以与相对新的控制配置相关联。由此,直到达到通过图4的示例程序400的阈值数量的迭代,才可适当地审查所检取的流。在示例流比较器116判定了不满足阈值的情况下(框430),则控制返回到框402。否则,示例流比较器116标记所检取的流和/或流边界值以用于分发(框432)。换言之,被标记用于分发的那些流和/或流边界值可以用作对于具有类似的控制装备和/或控制目标的其他控制系统的引导。
如上文所描述,本文所公开的示例在最初配置先前未建立的新制造和/或其他控制环境时辅助控制人员。图7图示出用于辅助新控制环境配置的示例程序700。在图7的所图示的示例中,示例控制配置管理器150判定是否已发生配置新环境的请求(框702)。如果是,则示例环境细节提取器130检取环境细节(框704)。如上文所描述,环境细节包括但不限于控制装备清单、控制装备的制造商名称、控制装备的型号/序列号、指定控制装备的预期目的的命名法(例如,气动工具供应、冷凝水收集器等)等。示例环境细节提取器130选择环境细节与存储在示例控制简档存储140中、先前已被标记用于分发的一个或多个控制简档之间的匹配(框706)。来自匹配的控制简档的边界值被示例控制配置管理器150使用,以便用边界值配置新控制系统和/或新控制系统中的装备(框708)。示例控制配置管理器150随后为新建立的控制系统启用运行时模式(框710)。
图8是被构造用于执行图4-图7中的指令以实现图1中的示例边界分析器106的示例处理器平台800的框图。处理器平台800可以是例如服务器、个人计算机、工作站、自学习机(例如,神经网络)、移动设备(例如,蜂窝电话、智能电话、诸如iPadTM之类的平板设备)、个人数字助理(PDA)、互联网设备、游戏控制台、机顶盒、可穿戴设备或任何其他类型的计算设备。
所图示示例的处理器平台800包括处理器812。所图示示例的处理器812是硬件。例如,处理器812可以由来自任何所需家族或制造商的一个或多个集成电路、逻辑电路、微处理器、GPU、DSP或控制器来实现。硬件处理器可以是基于半导体的(例如,硅基)器件。在该示例中,处理器实现示例数据检取器108、示例元数据提取器110、示例标签器、示例流比较器116、示例候选流选择器118、示例元数据标签解析器120、示例流加权引擎122、示例差计算器124、示例相似性度量计算器126、示例边界向量计算器128、示例控制配置管理器150、示例环境细节提取器130、示例限制测试器132、示例覆盖检测器134、示例人工智能引擎136和/或,更一般地,示例边界分析器106。
所图示示例的处理器812包括本地存储器813(例如,高速缓存)。所图示示例的处理器812经由总线818与包括易失性存储器814和非易失性存储器816的主存储器进行通信。易失性存储器814可由同步动态随机存取存储器(SDRAM)、动态随机存取存储器(DRAM)、
Figure BDA0002181163200000191
动态随机存取存储器
Figure BDA0002181163200000192
和/或任何其他类型的随机存取存储器设备实现。非易失性存储器816可由闪存和/或任何其他所期望类型的存储器设备实现。由存储器控制器控制对主存储器814、816的访问。
所图示示例的处理器平台800还包括接口电路820。接口电路820可由任何类型的接口标准实现,诸如,以太网接口、通用串行总线(USB)、
Figure BDA0002181163200000193
接口、近场通信(NFC)接口和/或PCI快速接口。
在所图示的示例中,一个或多个输入设备822被连接至接口电路820。(多个)输入设备822准许用户将数据和/或命令输入至处理器812中。(多个)输入设备可以由例如音频传感器、麦克风、相机(静止的或视频)、键盘、按钮、鼠标、触屏、轨迹板、轨迹球、等点鼠标和/或语音识别系统来实现。
一个或多个输出设备824也被连接至所图示示例的接口电路820。输出设备824可例如由显示设备(例如,发光二极管(LED)、有机发光二极管(OLED)、液晶显示器(LCD)、阴极射线管显示器(CRT)、面内切换(IPS)显示器、触摸屏等)、触觉输出设备、打印机和/或扬声器实现。因此,所图示示例的接口电路820典型地包括图形驱动器卡、图形驱动器芯片和/或图形驱动器处理器。
所示出的示例的接口电路820还包括诸如发射机、接收机、收发机、调制解调器、住宅网关、无线接入点、和/或网络接口之类的通信设备,以促进经由网络826与外部机器(例如,任何种类的计算设备)交换数据。通信可经由例如以太网连接、数字订户线路(DSL)连接、电话线连接、同轴电缆系统、卫星系统、直线对传式无线系统、蜂窝电话系统等。
所图示示例的处理器平台800还包括用于存储软件和/或数据的一个或多个大容量存储设备828。此类大容量存储设备828的示例包括软盘驱动器、硬盘驱动器、紧凑盘驱动器、蓝光盘驱动器、独立盘冗余阵列(RAID)系统和数字多功能盘(DVD)驱动器。
图4至图7的机器可执行指令832可以被存储在大容量存储设备828中、存储在易失性存储器814中、存储在非易失性存储器816中、和/或存储在诸如CD或DVD的可移除非瞬态计算机可读存储介质上。
从前述内容可以理解,已经公开了示例方法、装置和制品,其通过至少降低由不适当配置的设定点引起的妨碍性偏移的频率来改善过程控制执行的技术效果。本文公开的示例还通过定制可能仅仅由于承担配置制造环境装备设定点的责任的控制人员的猜想、试探法和/或忽略而被设置的边界来改善过程安全。所公开的方法、装置和制品通过降低过程执行中断的频率来提高使用计算设备的效率,在过程执行中断中,此类过程停机时间典型地导致在一次或多次妨碍性偏移之后等待过程重新初始化的浪费的能量消耗和/或空闲人员资源。所公开的方法、装置和制品相应地涉及计算机的运行的一个或多个改善。
示例1包括一种用于改进边界偏移检测的装置,该装置包括:元数据提取器,用于解析第一控制流以提取嵌入的元数据;元数据标签解析器,用于对所提取的嵌入的元数据的边界项进行分类;候选流选择器,用于识别候选的第二控制流,该候选的第二控制流包括与第一控制流的经分类的边界项匹配的边界项;以及边界向量计算器,通过基于包括经分类的边界项的候选的第二控制流中的相应的候选的第二控制流计算边界向量因子以改进边界偏移检测。
示例2包括如示例1中所定义的装置,进一步包括控制配置管理器,用于通过将边界向量因子应用于与第一控制流的相应边界项相关联的边界值来生成经更新的控制流。
示例3包括如示例2中所定义的装置,其中经更新的控制流包括经更新的边界值以降低妨碍性边界偏移的频率。
示例4包括如示例1中所定义的装置,进一步包括差计算器,用于计算(a)与第一控制流的相应边界项相关联的边界值与(b)与第二控制流的匹配边界项相关联的边界值之间的差值。
示例5包括如示例4中所定义的装置,进一步包括相似性度量计算器,用于基于差值中的多个差值的平均值来计算相似性度量。
示例6包括如示例5中所定义的装置,其中相似性度量指示第一控制流与第二控制流之间的相似性的量级。
示例7包括如示例5中所定义的装置,进一步包括边界向量计算器,用于基于相似性度量成比例地调整与第一控制流的边界项相关联的边界值。
示例8包括如示例1中所定义的装置,进一步包括覆盖检测器,用于捕获偏移后输入。
示例9包括如示例8中所定义的装置,其中,偏移后输入包括覆盖指令、接受指令、过程关闭指令或维护请求指令中的至少一个。
示例10包括如示例8中所定义的装置,其中覆盖检测器用于将偏移后输入转发到人工智能(ai)引擎,该ai引擎用于基于偏移后输入来识别候选的边界值调整。
示例11包括一种非瞬态计算机可读介质,其包括指令,该指令在被执行时使得一个或多个处理器至少:解析第一控制流以提取嵌入的元数据;对所提取的嵌入的元数据的边界项进行分类;识别候选的第二控制流,该候选的第二控制流包括与第一控制流的经分类的边界项匹配的边界项;以及通过基于包括经分类的边界项的候选的第二控制流中的相应的候选的第二控制流计算边界向量因子来改进边界偏移检测。
示例12包括如示例11中所定义的非瞬态计算机可读介质,其中该指令在被执行时使得至少一个处理器:通过将边界向量因子应用于与第一控制流的相应边界项相关联的边界值来生成经更新的控制流。
示例13包括如示例12中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:通过应用经更新的边界值来降低妨碍性边界偏移的频率。
示例14包括如示例11中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:计算(a)与第一控制流的相应边界项相关联的边界值与(b)与第二控制流的匹配边界项相关联的边界值之间的差值。
示例15包括如示例14中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:基于差值中的多个差值的平均值来计算相似性度量。
示例16包括如示例15中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:基于相似性度量成比例地调整与第一控制流的边界项相关联的边界值。
示例17包括如示例11中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:捕获偏移后输入。
示例18包括如示例17中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:识别覆盖指令、接受指令、过程关闭指令或维护请求指令中的至少一个。
示例19包括如示例17中所定义的非瞬态计算机可读介质,其中指令在被执行时使得至少一个处理器:将偏移后输入转发到人工智能(ai)引擎,该ai引擎用于基于偏移后输入识别候选边的界值调整。
示例20包括用于一种改进边界偏移检测的计算机实现的方法,该方法包括:通过利用至少一个处理器执行指令来解析第一控制流以提取嵌入的元数据;通过利用至少一个处理器执行指令来对所提取的嵌入的元数据的边界项进行分类;通过利用至少一个处理器执行指令来来识别候选的第二控制流,该候选的第二控制流包括与第一控制流的经分类的边界项匹配的边界项;以及通过利用至少一个处理器执行指令,通过基于包括经分类的边界项的候选的第二控制流中的相应的候选的第二控制流计算边界向量因子来改进边界偏移检测。
示例21包括如示例20中所定义的计算机实现的方法,进一步包括:通过将边界向量因子应用于与第一控制流的相应边界项相关联的边界值来生成经更新的控制流。
示例22包括如示例21中所定义的计算机实现的方法,进一步包括:在经更新的控制流中应用经更新的边界值以降低妨碍性边界偏移的频率。
示例23包括如示例20中所定义的计算机实现的方法,进一步包括:计算(a)与第一控制流的相应边界项相关联的边界值与(b)与第二控制流的匹配边界项相关联的边界值之间的差值。
示例24包括如示例23中所定义的计算机实现的方法,进一步包括:基于差值中的多个差值的平均值来计算相似性度量。
示例25包括如示例24中所定义的计算机实现的方法,其中相似性度量指示第一控制流与第二控制流之间的相似性的量级。
示例26包括如示例24中所定义的计算机实现的方法,进一步包括:基于相似性度量成比例地调整与第一控制流的边界项相关联的边界值。
示例27包括如示例20中所定义的计算机实现的方法,进一步包括:捕获偏移后输入
示例28包括如示例27中所定义的计算机实现的方法,其中,偏移后输入包括覆盖指令、接受指令、过程关闭指令或维护请求指令中的至少一个。
示例29包括如示例27中所定义的计算机实现的方法,进一步包括:将偏移后输入转发到人工智能(ai)引擎,该ai引擎用于基于偏移后输入识别候选的边界值调整。
示例30包括一种用于改进边界偏移检测的系统,该系统包括:用于解析第一控制流以提取嵌入的元数据的装置;用于对所提取的嵌入的元数据的边界项进行分类的装置;用于识别候选的第二控制流的装置,该候选的第二控制流包括与第一控制流的经分类的边界项匹配的边界项;以及用于基于包括经分类的边界项的候选的第二控制流中的相应的候选的第二控制流来计算边界向量因子的装置。
示例31包括如示例30中所定义的系统,进一步包括:用于通过将边界向量因子应用于与第一控制流的相应边界项相关联的边界值生成经更新的控制流的装置。
示例32包括如示例31中所定义的系统,其中经更新的控制流包括经更新的边界值以降低妨碍性边界偏移的频率。
示例33包括如示例30中所定义的系统,进一步包括:用于计算(a)与第一控制流的相应边界项相关联的边界值与(b)与第二控制流的匹配边界项相关联的边界值之间的差值的装置。
示例34包括如示例33中所定义的系统,进一步包括:用于基于差值中的多个差值的平均值来计算相似性度量的装置。
示例35包括如示例34中所定义的系统,其中相似性度量指示第一控制流与第二控制流之间的相似性的量级。
示例36包括如示例34中所定义的系统,进一步包括:用于基于相似性度量成比例地调整与第一控制流的边界项相关联的边界值的装置。
示例37包括如示例30中所定义的系统,进一步包括:用于捕获偏移后输入的装置。
示例38包括如示例37中所定义的系统,其中,偏移后输入包括覆盖指令、接受指令、过程关闭指令或维护请求指令中的至少一个。
示例39包括如示例37中所定义的系统,其中捕获装置用于将偏移后输入转发到人工智能(ai)引擎,该ai引擎用于基于偏移后输入识别候选的边界值调整。
尽管本文中已公开了某些示例方法、装置和制品,但本专利涵盖的范围并不限于此。相反,本专利涵盖同等地落入本专利权利要求范围内的全部方法、装置和制品。

Claims (25)

1.一种用于改进边界偏移测量的装置,所述装置包括:
元数据提取器,用于解析第一控制流以提取嵌入的元数据;
元数据标签解析器,用于对所提取的嵌入的元数据的边界项进行分类;
候选流选择器,用于识别候选的第二控制流,所述候选的第二控制流包括与所述第一控制流的经分类的边界项匹配的边界项;以及
边界向量计算器,用于通过基于包括所述经分类的边界项的所述候选的第二控制流中的相应的候选的第二控制流计算边界向量因子来改进边界偏移检测。
2.如权利要求1所述的装置,进一步包括控制配置管理器,用于通过将所述边界向量因子应用于与所述第一控制流的相应边界项相关联的边界值来生成经更新的控制流。
3.如权利要求2所述的装置,其特征在于,所述经更新的控制流包括经更新的边界值以降低妨碍性边界偏移的频率。
4.如权利要求1所述的装置,进一步包括差计算器,用于计算(a)与所述第一控制流的相应边界项相关联的边界值与(b)与所述第二控制流的匹配边界项相关联的边界值之间的差值。
5.如权利要求4所述的装置,进一步包括相似性度量计算器,用于基于所述差值中的多个差值的平均值来计算相似性度量。
6.如权利要求5所述的装置,其特征在于,所述相似性度量指示所述第一控制流与所述第二控制流之间的相似性的量级。
7.如权利要求5所述的装置,进一步包括边界向量计算器,用于基于所述相似性度量成比例地调整与所述第一控制流的边界项相关联的边界值。
8.如权利要求1所述的装置,进一步包括覆盖检测器,用于捕获偏移后输入。
9.一种包括指令的非瞬态计算机可读介质,所述指令在被执行时,使一个或多个处理器至少:
解析第一控制流以提取嵌入的元数据;
对所提取的嵌入的元数据的边界项进行分类;
识别候选的第二控制流,所述候选的第二控制流包括与所述第一控制流的经分类的边界项匹配的边界项;以及
通过基于包括所述经分类的边界项的所述候选的第二控制流中的相应的候选的第二控制流计算边界向量因子来改进边界偏移检测。
10.如权利要求9所述的非瞬态计算机可读介质,其特征在于,所述指令在被执行时使得至少一个处理器:通过将所述边界向量因子应用于与所述第一控制流的相应边界项相关联的边界值来生成经更新的控制流。
11.如权利要求10所述的非瞬态计算机可读介质,其特征在于,所述指令在被执行时使得所述至少一个处理器:通过应用经更新的边界值来降低妨碍性边界偏移的频率。
12.如权利要求9所述的非瞬态计算机可读介质,其特征在于,所述指令在被执行时使得所述至少一个处理器:计算(a)与所述第一控制流的相应边界项相关联的边界值与(b)与所述第二控制流的匹配边界项相关联的边界值之间的差值。
13.如权利要求12所述的非瞬态计算机可读介质,其特征在于,所述指令在被执行时使得所述至少一个处理器:基于所述差值中的多个差值的平均值来计算相似性度量。
14.如权利要求13所述的非瞬态计算机可读介质,其特征在于,所述指令在被执行时使得所述至少一个处理器:基于所述相似性度量成比例地调整与所述第一控制流的边界项相关联的边界值。
15.一种用于改进边界偏移检测的计算机实现的方法,所述方法包括:
通过利用至少一个处理器执行指令来解析第一控制流以提取嵌入的元数据;
通过利用所述至少一个处理器执行指令来对所提取的嵌入的元数据的边界项进行分类;
通过利用所述至少一个处理器执行指令来来识别候选的第二控制流,所述候选的第二控制流包括与所述第一控制流的经分类的边界项匹配的边界项;以及
通过利用所述至少一个处理器执行指令,通过基于包括所述经分类的边界项的所述候选的第二控制流中的相应的候选的第二控制流计算边界向量因子来改进边界偏移检测。
16.如权利要求15所述的计算机实现的方法,进一步包括:通过将所述边界向量因子应用于与所述第一控制流的相应边界项相关联的边界值来生成经更新的控制流。
17.如权利要求16所述的计算机实现的方法,进一步包括:在所述经更新的控制流中应用经更新的边界值以降低妨碍性边界偏移的频率。
18.如权利要求15所述的计算机实现的方法,进一步包括:计算(a)与所述第一控制流的相应边界项相关联的边界值与(b)与所述第二控制流的匹配边界项相关联的边界值之间的差值。
19.如权利要求18所述的计算机实现的方法,进一步包括:基于所述差值中的多个差值的平均值来计算相似性度量。
20.如权利要求19所述的计算机实现的方法,其特征在于,所述相似性度量指示所述第一控制流与所述第二控制流之间的相似性的量级。
21.一种用于改进边界偏移检测的系统,所述系统包括:
用于解析第一控制流以提取嵌入的元数据的装置;
用于对所提取的嵌入的元数据的边界项进行分类的装置;
用于识别候选的第二控制流的装置,所述候选的第二控制流包括与所述第一控制流的经分类的边界项匹配的边界项;以及
用于基于包括所述经分类的边界项的所述候选的第二控制流中的相应的候选的第二控制流计算边界向量因子的装置。
22.如权利要求21所述的系统,进一步包括用于通过将所述边界向量因子应用于与所述第一控制流的相应边界项相关联的边界值生成经更新的控制流的装置。
23.如权利要求21所述的系统,进一步包括用于计算(a)与所述第一控制流的相应边界项相关联的边界值与(b)与所述第二控制流的匹配边界项相关联的边界值之间的差值的装置。
24.如权利要求23所述的系统,进一步包括用于基于所述差值中的多个差值的平均值计算相似性度量的装置。
25.如权利要求24所述的系统,进一步包括用于基于所述相似性度量成比例地调整与所述第一控制流的边界项相关联的边界值的装置。
CN201910796735.2A 2018-09-27 2019-08-27 用于改进边界偏移检测的方法、系统、制品和装置 Pending CN110956193A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/144,840 2018-09-27
US16/144,840 US11592808B2 (en) 2018-09-27 2018-09-27 Methods, systems, articles of manufacture and apparatus to improve boundary excursion detection

Publications (1)

Publication Number Publication Date
CN110956193A true CN110956193A (zh) 2020-04-03

Family

ID=65274094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910796735.2A Pending CN110956193A (zh) 2018-09-27 2019-08-27 用于改进边界偏移检测的方法、系统、制品和装置

Country Status (3)

Country Link
US (1) US11592808B2 (zh)
CN (1) CN110956193A (zh)
DE (1) DE102019122936A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023173556A1 (zh) * 2022-03-15 2023-09-21 平安科技(深圳)有限公司 基于深度学习的命名实体识别方法、装置、设备和介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10540190B2 (en) * 2017-03-21 2020-01-21 International Business Machines Corporation Generic connector module capable of integrating multiple applications into an integration platform

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5835891A (en) * 1997-02-06 1998-11-10 Hewlett-Packard Company Device modeling using non-parametric statistical determination of boundary data vectors
US10475215B2 (en) * 2016-09-23 2019-11-12 Carestream Health, Inc. CBCT image processing method
US10860071B2 (en) * 2017-05-04 2020-12-08 Microsoft Technology Licensing Llc Thermal excursion detection in datacenter components

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023173556A1 (zh) * 2022-03-15 2023-09-21 平安科技(深圳)有限公司 基于深度学习的命名实体识别方法、装置、设备和介质

Also Published As

Publication number Publication date
US20190049933A1 (en) 2019-02-14
DE102019122936A1 (de) 2020-04-02
US11592808B2 (en) 2023-02-28

Similar Documents

Publication Publication Date Title
US20190257716A1 (en) Detecting apparatus, detection method, and program
US20200150159A1 (en) Anomaly detection device, anomaly detection method, and storage medium
JP2021064370A (ja) デジタル・ツイン・シミュレーション・データを利用した時系列データに基づく、大規模な産業用監視システム向けの半教師あり深層異常検出のための方法およびシステム
CN102016737B (zh) 使用过程数据和产量数据的过程控制
CN107430706A (zh) 高级数据清理系统和方法
JP2019520659A5 (zh)
CN102566421B (zh) 机器状态监控中异常检测的条件相关性建模的系统和方法
US20120296605A1 (en) Method, computer program, and system for performing interpolation on sensor data for high system availability
Liang et al. Data-driven anomaly diagnosis for machining processes
CN107025503A (zh) 基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法
CN107430398A (zh) 用于调谐工艺模型的系统和方法
US20230176562A1 (en) Providing an alarm relating to anomaly scores assigned to input data method and system
CN113574358B (zh) 异常检测装置及异常检测方法
CN105793789B (zh) 用于过程单元中的全部过程区段的自动的监视和状态确定的计算机实现的方法和系统
EP3796115B1 (en) Anomaly detection for robotic arms using vibration data
US20060047512A1 (en) System, device, and methods for updating system-monitoring models
JP6989398B2 (ja) 故障診断装置、故障診断方法、および故障診断プログラム
CN110956193A (zh) 用于改进边界偏移检测的方法、系统、制品和装置
EP3904987B1 (en) Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system
CN110520702A (zh) 监视电子设备的热健康
US20190188574A1 (en) Ground truth generation framework for determination of algorithm accuracy at scale
JP5949032B2 (ja) 前処理方法及び異常診断装置
KR101778392B1 (ko) 철강공정 설비 모니터링 장치 및 방법
JP2021076597A (ja) 過渡速度動作中の振動傾向を決定することによるロータ異常の検出
US20220036235A1 (en) Learning data processing device, learning data processing method and non-transitory computer-readable medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination