用于改进将被配置的自动化现场装置的测量性能的方法

摘要

本发明涉及一种用于改进将被配置的现场装置(1)的测量性能的方法，所述现场装置被安装在限定的应用中并且确定或监视自动化设备中的至少一个物理或化学过程变量，所述方法具有以下方法步骤：借助于配置工具来配置或参数化多个现场装置(1)，该现场装置在不同的应用(A)中和在现场装置(1)的相应测量位置处主导的不同的环境条件(UB)下确定或监视不同的物理或化学过程变量；配置数据、与相应应用(A)有关的信息和与在相应测量位置处主导的各个现场装置(1)的环境条件(UB)有关的信息被作为训练数据存储在中央数据存储器(4)中；使所述训练数据可用于其中使用至少一种人工智能方法的自适应计算程序(5)；为了配置将被配置的现场装置，使与该特定应用(A)和在将被配置的该现场装置的该测量位置处主导的该环境条件(UB)有关的当前信息可用于该自适应计算程序(5)；并且基于所述当前信息，自适应计算程序(5)基于该多个训练数据向将被配置的现场装置(1)提供所述配置数据(3)，考虑到在将被配置的现场装置(1)的测量位置处主导的环境条件(UB)而使该配置数据与特定应用(a)相匹配。

说明书

技术领域

本发明涉及一种用于改进将被配置的现场装置的测量性能的方法，所述现场装置被安装在限定的应用中并且确定或监视在自动化设备中的介质的至少一个物理或化学过程变量。

背景技术

在自动化设备中，特别地在过程和工厂自动化设备中，经常使用用于检测和/或影响过程变量的现场装置。为了捕获气体、液体或固体介质的过程变量，使用了集成在例如填充水平测量装置、流量计、压力和温度测量装置、pH-氧化还原电势仪、电导率仪、光谱仪等中的传感器，其捕获作为介质的填充水平、流动速率、压力、温度、pH值、导电化学成分的分别的过程变量。致动器，诸如，例如阀或泵，被用于影响过程变量。因此，能够借助于致动器来改变管线区段中的流体的流动速率或容器中的填充水平。通常，现场装置指面向过程并且供应或处理过程相关信息的所有装置。在本发明的上下文中，现场装置还指远程I/O、无线电适配器，并且通常指布置在自动化设备中的装置。Endress+Hauser(恩德莱斯和豪瑟尔)公司制造并销售各种此类现场装置。

现场装置经常是非常复杂的；它们相称地难以配置。可以提及的实例是根据运行时间原理进行操作的雷达填充水平测量装置。这种装置具有若干参数，这些参数必须根据相应的应用进行配置。另外，在应用中/过程中的现场装置也可能被暴露于多个干扰变量，在配置或参数化时也必须对其加以考虑。现今，由服务技术人员在现场进行现场装置的配置或消除干扰。他首先尝试了解问题，并且然后为现场装置找到正确的配置。为了确保找到的解决方案有效，要求与现场装置相关的技术中的扎实知识和与在其中安装现场装置的过程相关的技术中的知识这两者。此外，服务技术人员还必须了解在应用中可能发生的所有问题，以及用于消除已经在每种情况下发生的问题的解决方案选项。

发明内容

本发明基于以一种简单的方式来配置现场装置以使得它以与过程相匹配(也就是说是最佳的)测量性能来进行操作的目的。

该目的通过一种用于改进将被配置现场装置的测量性能的方法来实现，所述现场装置被安装在限定的应用中并且确定或监视自动化系统中的至少一个物理或化学过程控制，所述方法包括以下方法步骤：

借助于配置工具来配置或参数化多个现场装置，所述现场装置在不同的应用中和在现场装置的相应的测量位置处主导的不同的环境条件下确定或监视不同的物理或化学过程变量；

配置数据、与相应的应用有关的信息和与在相应的测量位置处主导的各个现场装置的环境条件有关的信息被作为训练数据存储在中央数据存储器中；

使所述训练数据可用于其中使用至少一种人工智能方法的自适应计算程序；并且

为了配置或参数化所述将被配置的现场装置，使与特定应用和在将被配置的现场装置的测量位置处主导的环境条件有关的当前信息可用于所述自适应计算程序，

基于所述当前信息，自适应计算程序基于所述多个训练数据向将被配置的现场装置提供配置数据，考虑到在将被配置的现场装置的测量位置处主导的环境条件而使所述配置数据与特定应用相匹配。

已经在说明书的介绍中详细定义了在本发明上下文中的“现场装置”的含义。无需进行重复。特别地，对现场装置、特别是对现场装置的老化具有影响的物理或化学测量值被用作环境信息。环境信息能够被定量和/或定性地确定。在这种情况下，定量指测量了测量装置的变量；定性指以足够的准确度确定了它们对现场装置的影响。在此可以提及的实例是周期性操作并且在操作期间引起轻微、中等或强烈的振动的泵。

借助于根据本发明的方法，可以为现场装置配备配置数据，该配置数据最优地适合于在其中安装现场装置的特定应用。通过不断地改进和优化多个现场装置的配置数据(大数据)，最终可以为应用中的现场装置找到最优配置，而服务人员无需具备专业知识。基于自适应AI的计算程序经由现场装置的多个配置数据和环境信息来学习，并且随后自动地采用该配置，或者它-至少在所谓的“辅助阶段”中-用作配置辅助。如果自适应计算程序缺少信息，则它与服务人员或合适的数据库联系，并请求所缺少的信息。

按照根据本发明的方法的发展，校准数据和环境信息被存储在数据库中。由于在某些情况下在全球范围内不同位置处确定和收集的大量数据，这优选地是支持云的数据库。

在流行语“工业物联网(IIoT)”和“工业4.0”之后，来自工业工厂的数据越来越多地存储在所谓的“支持云的数据库”中。支持云的数据库被理解为与云计算技术兼容的数据库。在这种情况下，云计算被理解为表示存储信息并通过使用因特网来访问所存储的信息。所谓的“应用程序接口”，简称为“API”，被用于访问这种数据库和交换数据。这种API定义了在数据库上允许的命令和访问类型。在访问之前，API能够向用户请求身份验证。通常使用密钥(所谓的“API密钥”)来实现该身份验证。这种技术优选地与根据本发明的方法结合使用。

如果自适应计算程序或数学模型与机器学习的方法一起工作，则与根据本发明的方法结合被认为是有利的。特别地，规定自适应计算程序使用至少一个神经网络。根据本发明的方法的替代实施例使用最近邻方法、决策树和/或支持向量机。能够与根据本发明的解决方案结合使用的进一步的变型是线性或非线性回归、集成、朴素贝叶斯或逻辑回归的方法。人工智能领域中的用于自适应计算程序的这些和其它合适的方法可以例如从Ertl教授的第四版教科书“Grundkurs Künstliche Intelligenz(人工智能基础课程)”中得知。

该计算优选地在云应用中进行。可替代地，自适应计算程序也能够被安装在操作工具上。

在工业工厂中，在至少一个上级控制单元和现场装置之间的通信通常经由总线系统进行，诸如，例如

自动化技术现场装置还配备或专门配备了近场通信接口。相对应的近场通信接口(NFC接口)优选地是标准化接口，例如蓝牙或蓝牙低功耗(BLE)接口，其具有高达大约100m的范围。然后，通过使用相对应的应用程序，能够借助于市售的通信工具(智能手机、平板电脑、笔记本电脑，…)来操作现场装置。当然，现场装置的前述通信可能性还能够(单独地或组合地)与根据本发明的解决方案相结合地使用。

根据本发明的方法的有利的进一步的发展提出，配置数据、以及关于相应的应用和在将被配置的现场装置的测量位置处主导的环境条件的当前信息被存储在中央数据库中。在本发明的上下文中，使用已知的无线或有线通信方法中的至少一种来传输所述配置数据。

用于自适应计算程序的训练数据优选地是在启动期间或在维护或服务分配的框架内获得的。

此外，规定了以下内容：在其中在现场装置处发生故障要求服务人员进行随后的服务或维护分配的情况下，有关故障的信息和用于纠正故障的信息被存储在中央数据存储器中。

如果在现场装置中的一个处发生要求服务技术人员进行随后的服务或维护分配的故障，其中原始配置数据在随后的服务或维护分配期间被改变，则规定了以下内容：原始配置数据，可选地还有关于相应的应用和在现场装置的测量位置处主导的环境条件的原始信息，在中央数据存储器中被改变的配置数据和/或改变的关于相应的应用和在现场装置的测量位置处主导的环境条件的信息所取代。可替代地，所存储的数据是带有时间戳的。

另外，提出了：在使用至少一种人工智能方法的计算程序的学习阶段之后，经由未经培训的操作人员或自动地进行现场装置的启动、故障排除或维护–这是现场装置的自动配置阶段。

如果相应的应用和在现场装置的测量位置处主导的环境条件是已知的，则提出了：用已经考虑到在将被配置的现场装置的测量位置处主导的环境条件而与相应的应用相匹配的配置数据，来预设(例如在首次安装时)将被校准的现场装置。

如果在将来(以后)的时间点，为了提高测量性能而对现场装置的配置数据作出改变，则经由未经培训的人员或自动地为所有现场装置提供考虑到在现场装置的相应的测量位置处主导的环境条件而与相应的应用相匹配的、相对应的改变的配置数据。

考虑到在现场装置的相应的测量位置处主导的环境条件而与相应的应用相匹配的配置数据或改变的配置数据，优选地是经由因特网或内联网提供的。通信基本上在智能现场装置和自适应计算程序之间进行。例如，自适应计算程序被集成到现场装置本身中。此时，它是一种智能现场装置。

附图说明

参考附图更详细地解释本发明。附图中示出了：

图1示出用于配置现场装置1的根据本发明的阶段1-所谓的“学习阶段”-的概略表示。

具体实施方式

根据本发明的方法用于改进或优化将被配置的现场装置1的测量性能。现场装置1被安装在限定的应用中，并且确定或监视(例如位于容器或管线中的)介质的至少一个限定的物理或化学过程变量。通常，在本发明的范围内参考位于自动化设备中的现场装置1。

为了执行阶段1，提供了以下描述的方法步骤：借助于配置工具2来配置或参数化多个现场装置1n，所述现场装置在不同的应用An中和在现场装置1的相应的测量位置处主导的不同的环境条件UBn下确定或监视不同的物理或化学过程变量。为清楚起见，在每幅图中的应用A中仅示出一个现场装置1。在该一个现场装置1的测量位置处的相对应环境条件由UB标识。然而，根据本发明，可以有多个现场装置1n，它们在不同的应用An中在不同的环境条件UBn下被安装在测量位置MPn处。

该配置通常由有经验的服务技术人员ST执行，其具有现场装置1和现场装置1位于其中的过程这两者的知识。配置数据、关于相应的应用An的信息和关于在相应的测量位置处主导的各个现场装置1的环境条件UBn的信息被作为训练数据存储在中央数据存储器4中。使所述训练数据TD可用于其中使用至少一种人工智能方法的自适应计算程序5。学习数据TD被用于训练自适应计算程序5。在图1中未示出多个不同的现场装置1，它们在不同的应用An中并且在不同的环境条件UBn下被安装并且具有相对应地适配的校准数据。

为了对图1所示并且将被配置的现场装置1进行配置或参数化，使关于其应用A和在将被配置的现场装置1的测量位置处主导的环境条件UB的当前信息可用于自适应计算程序5。由于这样的当前信息，基于该多个训练数据TD，来自自适应计算程序5的配置数据3被提供给将被配置的现场装置1，这种配置数据被通过考虑到在将被配置的现场装置1的测量位置处主导的环境条件UB而与相应的应用A相匹配。因此，这些是很可能适合于现场装置1并且因此确保和/或优化在给定条件下的测量性能的配置数据3。原则上，自适应计算程序在阶段1结束时接管现场装置1的配置或参数化。

为了确保配置数据正确，能够规定用户确认由自适应计算程序提出的设定。图2示出用于配置现场装置1的阶段2-所谓的“辅助阶段”-的概略表示。还能够规定，向用户/服务技术人员ST提供所提出的配置，并且用户具有选择选项。此外，能够将来自自适应程序的问题提供给用户/服务技术人员ST，以便提高所提供的配置数据的可靠性。在这个阶段中，基于AI的自适应计算程序是一种配置辅助。另外地或可替代地，自适应计算程序还能够访问最佳实践和/或已知问题的数据库，从而可获得用于提供适当的配置数据所需的所有信息。特别地，自适应程序5还能够检索所存储的关于已知故障及其适当校正的信息。

图3示出现场装置1的阶段3-自动配置-的概略表示。在这个阶段中，已经证明用于配置现场装置1的基于AI的计算程序的建议是可靠的。自适应计算程序5在此接管配置。此时，自适应计算程序5不再需要来自服务技术员ST或来自其它信息数据库的任何进一步的输入。

图4示出阶段4的概略表示。此时，现场装置1是智能现场装置1。自适应计算程序5例如被永久地或暂时地直接集成到现场装置1中。所述现场装置1能够自行配置。不再需要服务技术人员ST来配置所述现场装置1。