用于管理自动化系统、特别是工业设施的消息的方法和系统与流程

1.本发明涉及根据权利要求1和8的用于管理自动化系统、特别是工业设施的消息的方法和系统。本发明还涉及根据权利要求6和13的评估方法和评估系统以及根据权利要求15和16的程序和计算机程序产品。


背景技术：

2.自动化系统用于监视、控制和/或调节移动和固定的装置和设施，并实现控制装置、传感器、机器和工业设施的应当尽可能自主的和独立地于人为干预的运行。
3.例如，自动化系统用于工业生产、能量产生和分配、建筑管理、物流、驱动技术等的领域中。所述自动化系统通常为例如系统的运行和维护人员生成大量消息。所述消息通常在人机接口(hmi)、例如操作员站、pc或可携带的具有通信能力的设备、即例如平板电脑或智能电话上显示给人员。自动化系统应当将人员的注意力转移到装置或设施的状态变化上，所述状态变化可能需要所述人员的干预。
4.通常，所述消息涉及自动化系统中的特定的事件。消息例如可以是警报消息或通知消息。警报消息是出现错误或异常事件并且人员必须立即采取措施的消息。例如，通知消息可以指示需要维护。事件消息在此可以包括文本和其他信息、即例如生成消息的时间点和地点。
5.消息通常由报告系统生成，所述报告系统例如经由通信网络与人机接口(hmi)通信连接。
6.工业设施使用在各种工业部门中，例如能量产生、加工工业(例如造纸、化学品、制药、金属、石油和天然气)和离散制造业中。在此，实际的行业特定的过程、例如能量产生或生产过程通过自动化系统控制和/或调节。没有现场设备(即没有执行器和传感器)的自动化系统通常也被称为“过程控制系统”。
7.于是，报告系统通常作为所谓的“操作员系统服务器”或“应用服务器”中的功能实现，其中存储一个或多个系统特定的应用程序并且在设施运行时执行。
8.在复杂的工业设施(例如造纸厂)中，报告系统可能每分钟生成数百条消息。许多消息对于指示可能的异常绝对重要，但并非所有消息都对过程的运行产生相同的影响。因此会发生：设施的操作员被警报消息淹没，从而无法对真正重要的警报做出适当反应。有时，直至80％的消息实际上会被操作/监控人员忽略，但过滤出可能对设施关键的重要消息需要多年的经验。即使操作员非常快地过滤出一个重要的警报，但通常没有足够的时间采取适当的对策。这会导致设施停机和生产失效。
9.为了应对大量的消息，已经已知一些解决方案。因此，例如，ep 3 187 950 a1公开了一种用于在工业过程的控制系统中管理警报的方法。控制系统包括具有基于预设的通知产生标准产生警报消息的通知服务器的报告系统、与服务器通信的操作员站和具有历史警报数据的数据库。在此，在通知服务器中接收历史警报数据，基于预定规则，将第一组警报定义为“重要警报”，并且将第二组警报定义为“次要警报”。在历史警报数据中鉴别多个历
史数据段，其中所述数据段中的每个包含第一组警报的至少一个警报消息。此外，确定关于第二组的多个警报的多个关联分数，并且最后基于多个关联分数修改为警报预设的通知产生标准。通过修改通知产生，对第二组的次要的警报进行优先级排序或抑制。另外，基于第二组次要警报的关联分数，可以预测第一组的重要警报及其出现的估计时间段。
10.此外，已经已知的是：使用神经网络来预测警报或部件面临的失效。
11.已知的系统主要针对产生警报的规则的改变，即报告系统本身的改变。但是，自动化系统的操作员通常完全无法干预警报系统或其规则。即使操作员具有这种干预可能性，但是这种干预复杂、容易出错，并且风险(可能与安全相关的)反作用于自动化系统其余部分。当通知服务器远离云端上的设施并经由公共通信网络与自动化系统连接时，这也尤其适用。


技术实现要素：

12.因此，本发明的目的是提供用于管理自动化系统、特别是工业设施的消息的方法和系统，利用其可以避免上述缺点和问题。
13.该目的通过根据权利要求1和8的用于管理自动化系统、特别是工业设施的消息的方法和系统来实现。用于此的评估方法和评估系统是权利要求6和13的主题。程序和计算机程序产品是权利要求15和16的主题。有利的设计方案分别是从属权利要求的主题。
14.根据本发明的方法基于如下自动化系统，所述自动化系统
15.‑
包括用于生成消息的报告系统，和
16.‑
至少一个第一人机接口，在所述第一人机接口上显示消息，其中
17.‑
报告系统尤其经由自动化系统的通信网络与人机接口通信连接，
18.‑
至少定义消息的第一类别和第二类别，并且其中将自动化系统的消息分别与两个类别中的至少一个相关联，
19.‑
将函数至少应用于输入数据，所述输入数据代表如下消息，所述消息与第二类别相关联(可选额外地也与第一类别相关联)并且所述消息在第一人机接口上显示，其中函数由出自机器学习领域中的算法训练，并且其中由此产生输出数据，所述输出数据代表自动化系统的与第一类别相关联的消息，
20.‑
由所述输出数据代表的消息显示在第二人机接口上，其中第二人机接口与报告系统通信分开。
21.在第一步骤中，本发明基于如下知识：即机器学习一方面有益地用于从大量消息中过滤第一类别消息(即至少第二类别消息的集合，可选地还有第一个类别的消息)。在该情况下，输出数据代表在定义的时间段内也已经由输入数据代表的消息之一。另一方面，机器学习可用于至少基于第二类别消息的集合以及可选地附加地还有第一类别消息来预测第一类别消息。在该情况下，输出数据通常代表在定义的时间段内尚未由输入数据代表的消息。但是，所述输出消息也可以代表在定义的时间段内已由输入数据代表的消息。借助过滤或预测的消息，可以将人员的注意力转移到在已定义或可定义的标准下重要的消息上，或者甚至可以预测它们的出现。
22.优选地，在预测消息的情况下，输出数据包括消息出现的时间点或时间段和消息在所述时间点或所述时间段中出现的概率。
23.不同的类别可以优选地表达：相应类的消息对于设施的失效安全性的关键程度。但是，不同的类别还会涉及其他方面、即例如生产成本、生产量、生产质量、原材料消耗、电消耗、排放等。
24.在此，在考虑设施当前状态的情况下，可以对该函数进行连续的机器训练。由此，可以将函数进而消息的过滤和/或预测持续地适配于设施中的变化(例如，由于设施部件的磨损或性能变化、原材料质量/数量的变化、设施的运行方式的变化)，进而实现高质量的过滤和/或预测。
25.在此，没有且不需要干预报告系统，而是仅除了报告系统的消息之外显示通过输出数据代表的消息。通过在单独的、附加的第二人机接口上显示所述消息以及第二人机接口与报告系统或自动化系统通信分离，可以避免对自动化系统的不期望的安全相关的反作用。
26.可以特别简单地通过如下方式实现通信分离，即从发送器接收函数的输入数据，并且将函数的输出数据发送给接收器，所述接收器与发送器不同。
27.由出自机器学习领域的算法训练过的函数通过以下提供：
28.‑
接收代表自动化系统的消息的输入训练数据，
29.‑
接收代表自动化系统的消息的输出训练数据，其中输出训练数据与输入训练数据关联，
30.‑
基于输入训练数据和输出训练数据训练函数。
31.通过基于训练数据训练该函数，该函数可以适配于新情况并鉴别和推断消息中的模式。可以通过训练适配函数的参数。在此，可以使用例如监督训练、半监督训练、无监督训练、强化学习和/或主动训练。此外，可以使用表示学习(替选的表述是“特征学习”)。特别地，可以通过多个训练步骤迭代地适配函数的参数。
32.该函数优选地基于消息的互相关联、神经网络(优选长/短期记忆
‑
lstm)或关联规则。优选地，使用所述方法的组合，其中例如通过所有方法的结果的总和、通过多数结果、通过个别结果等获得结果。
33.根据另一有利的设计方案，由第二人机接口检测关于通过输出数据代表的消息的质量的信息，并用于训练函数。由此，可以尤其快速地优化函数。
34.此外，还可以经由第二人机接口向装置或设施的人员提供从多个预定义的类别化中的选择，然后可以经由第二人机接口检测关于选择的信息。例如，可能的分类别例如可以是失效安全性、排放、电消耗、生产成本等。
35.该函数远离报告系统设置，特别是设置在基于云的计算机系统上是有利的。在那里，于是也可以检测代表其他自动化系统的消息的训练数据，并且用于训练函数。由此可以提高函数的质量从而提高输出数据的质量。
36.根据本发明的用于管理自动化系统、尤其工业设施的消息的系统，其中所述自动化系统
37.‑
包括用于生成消息的报告系统，和
38.‑
至少一个用于显示消息的第一人机接口，
39.‑
其中报告系统尤其经由自动化系统的通信网络与人机接口通信连接，
40.并且其中至少定义消息的第一类别和第二类别，并且其中自动化系统的消息分别
与两个类别中的至少一个相关联，所述系统包括
41.评估单元，所述评估单元用于将函数至少应用于输入数据，所述输入数据在第一人机接口上显示并且代表与第二类别(可选额外地也与第一类别)相关联的消息，其中函数由出自机器学习领域中的算法训练，并且其中由此产生输出数据，所述输出数据代表自动化系统的与第一类别相关联的消息，
42.‑
用于显示通过输出数据代表的消息的第二人机接口，其中第二人机接口与报告系统通信分开。
43.根据本发明的系统有利地包括
44.‑
第一接口，第一接口用于从发送器接收输入数据，
45.‑
第二接口，所述第二接口用于将输出数据提供给接收器，所述接收器不同于发送器。
46.根据另一有利的设计方案，根据本发明的系统包括用于提供训练过的函数的训练单元，所述训练单元包括
47.‑
第一训练接口，所述第一训练结构用于接收代表自动化系统的消息的输入训练数据，
48.‑
第二训练接口，所述第二训练接口用于接收代表自动化系统的消息的输出训练数据，其中输出训练数据和输入训练数据关联，
49.‑
训练计算单元，所述训练计算单元用于基于输入训练数据和输出训练数据来训练函数。
50.‑
第三训练接口，所述第三训练接口用于提供训练过的函数。
51.根据另一有利的设计方案，第二人机接口用于检测关于通过输出数据代表的消息的质量的信息，并且将所述信息传输给训练单元。
52.尤其有利地，评估单元、优选地还有训练单元远离报告系统设置，尤其设置在基于云的计算机系统上。
53.针对根据本发明的方法及其有利的设计方案提及的效果和优点相应地适用于根据本发明的系统及其有利的设计方案。
附图说明
54.下面根据附图中的实施例更详细地解释本发明以及本发明的根据从属权利要求的特征的有利的设计方案。在此，彼此相应的部件分别具有相同的附图标记。附图示出：
55.图1示出根据本发明的系统的原理结构的简化图，
56.图2示出图1的基于云的评估系统的详细视图，
57.图3示出根据本发明的方法流程。
具体实施方式
58.图1示出具有自动化系统2的工业设施1的简化图。这种设施使用在各种工业部门中，例如能量产生、加工工业(例如造纸、化学品、制药、金属、石油和天然气)和离散制造业中。实际的行业特定的过程3、例如能量产生或生产过程通过自动化系统2控制和/或调节。为此，自动化系统2包括一个或多个工业控制装置(在此为控制装置4)和至少一个自动化服
务器5。
59.每个控制装置4然后根据过程的运行状态控制过程3的每一个子区域的运行。为此，过程3包括可由控制装置操控的执行器6。在此，其可以是单独的执行器(例如马达、泵、阀、开关)或是这些执行器的组或一个设施的所有区段。该过程还包括传感器7，所述传感器为控制装置4提供过程变量(例如温度、压力、速度)的实际值。
60.设施1的通信网络在更高级别的层面上包括设施网络11和控制装置网络12(通常也称作为“系统网络”)，其中自动化服务器5经由所述设施网络与人机接口(hmi)10通信，控制装置4经由所述控制装置网络彼此通信连接且与自动化服务器5通信连接。控制装置4与执行器6和传感器7的连接可以经由离散的信号线路13或经由现场总线连接。人机接口(hmi)10通常构成为操作和观察站，并设置在设施1的控制室13中。
61.自动化服务器5例如可以是所谓的“操作系统服务器”或“应用服务器(application
‑
server)”，在所述服务器中存储一个或多个设施特定的应用程序8并且在设施1运行时执行。所述应用程序例如用于：在设施1中配置控制装置4，检测和执行人机接口(hmi)10处的操作员活动(例如设置或改变过程变量的目标值)或为设施人员生成消息并且在人机接口(hmi)10上显示。
62.没有现场设备(即没有执行器5和传感器6)的自动化系统2通常被称为“过程控制系统”。
63.为了生成消息m，自动化服务器5包括报告系统9，所述报告系统在此同样通过应用程序8实现。
64.所述消息m通常涉及自动化系统2中的特定的事件。例如，消息可以是警报消息或通知消息。警报消息是出现错误或异常事件并且人员必须立即采取措施的消息。例如，通知消息可以指示需要维护。在此，事件消息可以包括文本和其他信息，即例如消息产生的时间点和地点。
65.为了将人员的注意力转移到在定义或可定义标准下重要的消息或其预测上，自动化系统附加地包括连接服务器14、评估系统20和优选构成为操作员站的附加的人机接口30。替选地或补充地，也可以存在移动式人机接口31，例如智能电话、笔记本电脑或平板电脑。人机接口30、31在此与通信网络11分开，即从通信网络11到人机接口30、31的通信或反向的通信是不可行的。特别地，人机接口30可以经由办公网络15与评估系统20通信。
66.防火墙16、17还可以设置在连接服务器14和评估系统20之间以及评估系统20和人机接口30、31之间。
67.如图2中详细所示，基于云的评估系统20包括呈云互联网网关21形式的第一通信接口、数据流处理单元22、用于实际数据(实时数据)的存储器23、用于历史数据的存储器24、训练单元25、评估单元26、网络应用27、用于有线通信的第二通信接口28和补充地或附加地用于无线通信的另外的第二通信接口29。
68.在报告系统9中至少定义消息的第一类别a和第二类别b，并且自动化系统的消息分别与两个类别a、b中的至少一个相关联。
69.在自动化系统运行中，由报告系统9产生多个的b类消息(所述消息的数据在此用b1、b2、b3等表示)和略少数量的a类消息(所述消息的数据在此用a1、a2等表示)，并经由通信网络11在人机接口10上显示(参见图3中的步骤51)。此外，代表所述消息的数据经由连接
服务器14传输给评估系统20(参见图3中的步骤52)。云互联网网关21在此用于从作为发送器的连接服务器14接收所述数据。
70.网关21将所述数据转发给数据流处理单元22。所述数据流处理单元一方面将所述数据存储在存储器23中以用于随后的(几乎的)实时处理以及用于在存储器24中存档(参见图3中的步骤53)。
71.存储器23中的数据作为输入数据没有任何大的延迟地转发给评估单元26。
72.评估单元26用于：将函数应用于输入数据，其中函数由出自机器学习领域的算法训练，并且其中由此产生输出数据，所述输出数据代表自动化系统的与第一类别a相关联的消息(参见图3中的步骤54)。
73.通过机器学习训练过的函数一方面可以有用地用于从所有消息的总集合(即第一类别和第二类别的消息)中过滤出第一类别消息。在此，这示例性地是消息al。在该情况下，输出数据代表在定义的时间段内已经由输入数据代表的消息之一。
74.另一方面，机器学习可用于至少基于第二类别的消息以及可选附加地还基于第一类别的消息来预测第一类别的消息。在该情况下，输出数据通常代表在定义的时间段内尚未由输入数据代表的消息。但是，所述输出数据也可以代表在定义的时间段内已经由输入数据代表的消息。在此，这示例性地是消息a2。
75.在这两种情况下，人员的注意力都可以转向于在定义的角度下重要的消息a1和a2上，或者甚至可以预测它们的出现，以便及时启动对策。
76.输出数据a1和a2经由网络应用27或者经由通信接口28传输给人机界面30和/或经由通信接口29传输给人机界面31并且在那里显示(参见图3中的步骤55)。接口28、29因此用于将输出数据提供给接收器，所述接收器与输入数据的发送器不同。
77.因此，除了报告系统9的所有其他消息之外，还在控制室13中显示通过输出数据a1或a2代表的消息。通过在单独的、附加的第二人机接口30、31上显示所述消息，人员的注意力尤其被转移到所述消息上。第二人机接口30、31与报告系统9或自动化系统2的通信分离可以避免对自动化系统2的不期望的、安全相关的反作用。在此，可以不进行并且不需要对报告系统9的干预。
78.为了提供训练过的函数，评估系统包括训练单元25，所述训练单元包括：
79.‑
第一训练接口41，其用于接收代表自动化系统2的消息的输入训练数据et，
80.‑
第二训练接口42，其用于接收代表自动化系统2的消息的输出训练数据at，其中输出训练数据与输入训练数据et关联，
81.‑
训练计算单元43，其用于基于输入训练数据et和输出训练数据at训练函数45，
82.‑
第三训练接口44，其用于为评估单元26提供训练过的函数45。
83.在此，输入训练数据et由数据存储器24接收。输出训练数据at由专家接收。函数45的训练基于输入训练数据et和输出训练数据at。
84.也可以在存储器24中检测代表其他自动化系统的消息的训练数据并且用于训练函数45。由此可以提高函数45的质量进而提高输出数据的质量。
85.通过基于训练数据训练函数45，该函数可以适配于新情况并鉴别和推断消息序列中的模式。在此，可以通过训练适配函数的参数。在此，其可以使用例如监督训练、半监督训练、无监督训练、强化学习和/或主动训练。此外，可以使用表示学习(替选的表述是“特征学
习”)。特别地，可以通过多个训练步骤迭代地适配函数的参数。
86.该函数45优选地基于消息的互相关、神经网络(优选长/短期记忆
‑
lstm)或关联规则。优选地，使用所述方法的组合，其中例如通过所有方法的结果的总和、通过多数结果、通过个别结果等可获得结果。
87.从第二人机接口30或31，设施的人员也可以检测关于通过输出数据代表的消息质量的信息q，并传输给评估系统20，并在那里用于训练函数45。由此，可以尤其快速优化函数45。例如，信息q可以涉及：预测的消息是否完全出现，并且在出现的情况下，对于其出现指定的时间或时间段是否被正确预测。
88.在预测通过输出数据a2代表的消息的情况下，输出数据优选地包括出现消息的时间点或时间段以及消息在该时间点或在该时间段中出现的概率。
89.不同的类别可以优选地表达相应类的消息对于设施的失效安全性的关键程度。但是，不同的类别还会涉及其他方面、即例如生产成本、生产量、生产质量、原材料消耗、电消耗、排放等。
90.有利地，还经由第二人机接口30向设施1的人员提供从多个预定义的类别化中的选择，并且然后可以经由第二人机接口30检测关于选择的信息。