CN104636421A

CN104636421A - 使用云计算的工业监视

Info

Publication number: CN104636421A
Application number: CN201410645213.XA
Authority: CN
Inventors: 弗朗西斯科·马图拉纳; 胡安·安森约; 尼苏·菲利普; 什韦塔·沙特罗拉
Original assignee: Rockwell Automation Technologies Inc
Current assignee: Rockwell Automation Technologies Inc
Priority date: 2013-11-08
Filing date: 2014-11-10
Publication date: 2015-05-20
Anticipated expiration: 2034-11-10
Also published as: EP2908196A1; CN104636421B; EP2908196B1; US10348581B2; US20150134733A1

Abstract

本申请涉及使用云计算的工业监视。本文中公开了一种在工业自动化环境中便利基于云的数据处理和分析的系统、方法和软件。在至少一个实施方式中，将由至少一个工业机器生成的操作数据存储在本地缓存中。传输该操作数据以存储在基于云的架构中的非结构化数据存储系统中。在该基于云的架构中，处理该操作数据以将该操作数据转换成结构化格式并且将该结构化格式的操作数据存储在结构化数据存储系统中。响应于接收用于分析的请求，从结构化数据存储系统中提取该操作数据的至少一部分并且对该操作数据的该至少一部分执行该分析。

Description

使用云计算的工业监视

相关申请

本申请要求于2013年11月8日提交的题目为“INDUSTRIALMONITORING USING CLOUD COMPUTING”的美国临时专利申请No.61/901,978的权益和优先权，因此上述申请的全部内容针对所有目的通过引用合并入本文中。

技术领域

本申请涉及使用云计算的工业监视。

背景技术

工业控制器对于现代自动化系统的操作来说至关重要。这些控制器通常用于驱动如下机械设备：其在工业层面上执行任务，例如产品制造、材料处理、批量处理和管理控制、以及其他许多可能的操作。为了完成这些任务，控制器可以包括并执行各种各样的辅助机械系统生产所期望的最终产品的程序和功能。

由于控制器必须考虑的大量的系统变量，控制器必须具有关于工业系统的最新最正确的数据。此外，工业系统内的各种装置的操作员可能需要数据来对这些装置的控制器做出适当的改变。因此，通常要连续地监视各种类型的信息，例如生产统计数据、与机器运行状况相关的数据、告警状态、操作员反馈、随时间的电负载和机械负载等。

发明内容

在本文中公开了一种在工业自动化环境中便利基于云的数据处理和分析的系统、方法和软件。在至少一个实施方式中，将由至少一个工业机器生成的操作数据存储在本地缓存中。传输该操作数据以存储在基于云的架构中的非结构化数据存储系统中。在该基于云的架构中，处理该操作数据以将该操作数据转换成结构化格式并且将该结构化格式的操作数据存储在结构化数据存储系统中。响应于接收用于分析的请求，从结构化数据存储系统中提取该操作数据的至少一部分并且对该操作数据的该至少一部分执行该分析。

提供该综述以简化的形式介绍一部分概念，这些概念将在下面的技术公开中进一步描述。要理解的是，该综述并非意在识别所要求保护的主题的关键特征或重要特征，也并非意在限制所要求保护的主题的范围。

附图说明

参照以下附图将更好地理解本公开内容的许多方面。虽然结合附图描述了几个实施方式，但是本公开内容不限于在本文中所公开的实施方式。相反，目的是要覆盖所有的替换、修改和等同方案。

图1示出了可以用于在工业自动化环境中便利基于云的数据处理和分析的计算系统。

图2示出了在一个示例性的实施方式中的计算系统的操作。

图3示出了用于工业监视的示例性的计算系统。

图4示出了用于数据采集的示例性的表格。

图5示出了用于工业监视的示例性的基于云的解决方案。

图6示出了示例性的组件对象及其行为。

图7示出了示例性的系统级清单。

图8示出了示例性的标签清单。

图9示出了示例性的指标清单。

图10示出了在示例性的实施方式中的计算系统。

图11示出了在一个示例性的实施方式中的可以用于便利基于云的数据处理和分析的计算系统和架构框架。

图12示出了在示例性的实施方式中的分析协调器支持的脚本结构。

图13示出了在示例性的实施方式中的用于便利基于云的数据处理的设计阶段和编程阶段。

图14示出了在示例性的实施方式中的用于便利基于云的数据处理的运行阶段。

图15示出了在示例性的实施方式中的应用编程接口约定说明。

具体实施方式

以下描述和关联的附图教示了本发明的最佳模式。为了教示出创造性的原理，可以简化或省略该最佳模式的常规方面。所附权利要求指定了本发明的范围。本最佳模式的一些方面可能没有落入由权利要求所指定的发明范围内。因此，本领域的技术人员要理解落入本发明范围内的根据本最佳模式的变型。本领域的技术人员要理解以下所描绘的特征可以以各种方式合并以形成本发明的多个变型。因此，本发明不限于以下描述的具体示例，而仅限于权利要求及其等同方案。

已经在各个领域例如医疗、教育、运输、物流、智能电网等实施了云计算。云计算提供了可靠且资源丰富的系统，其可以被实施以满足这些行业的大量需求并且有助于维持控制对使其运行所必需的各种处理。在操作中，在系统中存储能力和计算能力是在能够大范围环境中产生困难的非常重要的约束。在能源的示例中，包括透平膨胀机的数千个互相连接的发电机可能需要在自组织条件以及电力需求间歇性下互相协作。智能微电网是间歇性电力系统，其建立频繁变化的分布式布局并且高度敏感于季节性需求和气候条件。这些场景需要对数据和信息处理的全局访问以确保正确的操作。

在工业自动化环境中，例如汽车制造工厂、食品加工厂、石油钻井作业、微处理器制造工厂以及其他类型的工业企业，通常采用机器和其他设备来进行业务运营。例如，工业自动化企业可以采用机器，包括传感器、驱动器、泵、滤波器、钻、马达、机器人、磨、打印机、传送带、制造机械或其他工业自动化设备。这些机器随时间连续地产生数据，并且这些操作数据通常被存储以用于后续处理和分析。下面的示例讨论了使用基于云的架构来存储、处理和分析数据的各种技术。

图1示出了可以用于在工业自动化系统中便利基于云的数据处理和分析的计算系统100。在这个实施方式中，计算系统100包括：内部部署(on-premise)位置110和基于云的架构120。虽然内部部署位置110可以包括可以执行计算系统或机械设备的任何位置，但是将通常包括工厂车间、制造工厂、实验室、研发中心或一些其他类型的工作场所。内部部署位置110包括机器执行系统111、本地缓存113和内部部署云代理115。基于云的架构120包括未处理数据存储系统121、数据处理和分析功能122以及处理数据存储系统123。计算系统100代表任何计算环境，在一些示例中，计算系统100可以包括位于地理上不同的区域并且以分布式的方式经由通信网络互相连接的数个不同的系统和装置。

机器执行系统111可以包括物理机器及其关联的控制系统，其可以包括工业控制器、自动化控制器、可编程逻辑控制器(PLC)或者在自动化控制中使用的任何其他控制器。在操作中，机器执行系统111被执行并且将操作数据提供给本地缓存数据存储系统113。例如，机器执行系统111可以包括具有在内部部署位置110中执行的机器的实际物理系统，其产生实时处理例如温度、流、振动等，以及产生控制数据例如比例积分微分(PID)信号、开/关信号、环路控制信号等。该数据由内部部署云代理115从本地缓存113定期地采集并且被馈送到云环境120中的大数据储存库中。基于云的大数据储存库由图1中的非结构化数据存储系统121表示。以此方式，内部部署云代理数据采集器115经由本地缓存113从机器执行系统111捕获操作数据，并且将此数据以快照的形式提供给基于云的架构120中的非结构化数据存储系统121。然后，数据处理和分析功能122工作以处理来自非结构化数据存储系统121的操作数据用于以结构化格式存储在结构化数据存储系统123中。然后可以在必要时对结构化数据存储系统123中存储的数据进行分析。现在将参照图2描述计算系统100的操作。

图2是示出了在一个示例性的实施方式中的计算系统100的操作200的流程图。本文中，在图2中示出的操作200也可以被称为分析处理200。在下面简要说明操作200的步骤。虽然对仿真处理200的以下论述将参照图1的计算系统100而进行以示出其操作，但是注意，图1中提供的细节仅是示例性的而并非意在将分析处理200的范围限制到图1所示的具体实施方式。

可以采用分析处理200来操作计算系统100以在工业自动化环境中便利基于云的数据处理和分析。如分析处理200的操作流程中所示，计算系统100将由至少一个工业机器生成的操作数据存储在本地缓存110中(201)。在一些示例中，由机器执行111生成的操作数据被连续地输出并存储在本地缓存113中。例如，操作数据可以包括速率、加速度、接合(articulation)、以及描述机器在工作时的运动的其他数据。此外，操作数据可以包括压力、温度、振动、流速以及可以在机器执行111期间采集的任何其他数据。在一些示例中，操作数据还可以包括配置数据、参数、时间间隔、系数、阈值以及在工业机器的起动、控制和执行中使用的其他指标。在至少一个实施方式中，操作数据中的每条信息由单独的数据标签来描述，每个标签由标签名和标签值来定义。

内部部署云代理115传输操作数据以存储在基于云的架构120中的非结构化数据存储系统121中(202)。通常，内部部署云代理115从本地缓存113取得操作数据并且将操作数据推送给基于云的架构120以存储在非结构化数据存储系统121中。在至少一个实施方式中，内部部署云代理115定期地连接至本地缓存113并且采集由机器执行111生成的时间序列数据的块，压缩该数据并且传输压缩数据以存储在云120中。在一些示例中，内部部署云代理115在传输数据以存储在非结构化数据存储系统121中时给操作数据分配优先权。内部部署云代理115可以例如通过将优先权分配给包含该操作数据的相应的数据标签来给操作数据分配优先权。在一些示例中，内部部署云代理115可以利用各种脚本及其他处理指令来确定应用在操作数据的各个数据标签的优先权。给操作数据分配优先权的其他技术也是可以的并且在本公开内容的范围内。

在基于云的架构120中，数据处理和分析功能122处理该操作数据以将操作数据转换成结构化格式并且将操作数据以结构化格式存储在结构化数据存储系统123中(203)。例如，数据处理和分析功能122可以取得指令以执行初始数据预处理活动，该初始数据预处理活动包括将来自非结构化数据存储系统121的非结构化操作数据转换成结构化数据并且将结构化数据存储在结构化数据存储系统123中。在至少一个实施方式中，当数据被内部部署云代理115推送给云120时，可以由代理115给云120中的优先级队列系统发送通知事件消息以给数据处理和分析功能122通知新数据的到来。然后，数据处理和分析功能122接收该通知并且对在非结构数据存储系统121中接收的操作数据开始数据处理。在一些示例中，为了处理操作数据以将操作数据转换成结构化格式并且将操作数据以结构化格式存储在结构化数据存储系统123中，数据处理和分析功能122可以被配置成基于优先级来处理操作数据。通常，数据处理和分析功能122首先处理高优先级数据。

数据处理和分析功能122接收用于分析的请求，并且作为响应，从结构化数据存储系统123中提取操作数据的至少一部分并且对操作数据的该至少一部分执行分析(204)。虽然在一些示例中可以从任何其他实体或网元来接收用于分析的请求，但是通常从内部部署云代理115接收用于分析的请求。在至少一个实施方式中，用于分析的请求可以包括优先级，该优先级通常由内部部署云代理115在形成该请求时分配给该请求。在此情况下，数据处理和分析功能122可以通过基于优先级、使用在基于云的架构120中的优先级队列处理该用于分析的请求来对操作数据的至少一部分执行分析。此外，在一些示例中，为了执行分析，数据处理和分析功能122可以基于在请求中包括的信息和/或在操作数据的至少一部分中包括的信息来取得分析处理指令和分析参数。例如，操作数据可以包括在数据中包括的每个信息项的单独的数据标签，并且数据处理和分析功能122可以基于标签名和时间戳来从结构化数据存储系统123中提取相关的操作数据。然后，数据处理和分析功能122对提取的操作数据执行所请求的分析，然后可以将结果提供返回给内部部署云代理11。在一些示例中，可以使用各种图形显示和趋势图来表示分析的结果，使人工操作员能够快速观察结果，而隐藏复杂的计算。

本文所描述的技术有利地设置了基于云的解决方案用于监视在内部部署位置110处发生的工业处理的机器操作。该系统可以被广泛地应用于任何工业，特别是从各种源头收集基于传感器的数据的工业以及趋势计算需要访问大数据存储的工业。以此方式，可以补充(leverage)基于云的架构120以大大简化采集、分发、存储以及处理工业数据的任务。

现在参照图3，示出了可以用于工业监视的示例性的计算系统300。计算系统300包括内部部署位置310和基于云的架构320。图3提供了如图在内部部署位置310中示出的示例性的内部部署架构的细节，该内部部署位置310可以位于工业操作的一个或多个基础设施处。此示例中的内部部署位置310包括机器执行系统311和312、FT历史数据库313以及内部部署云代理315。

在示例性的系统架构中，系统的每个参数被称为标签。标签的值与时间戳关联以形成时间序列数据。对时间序列数据的采集生成记录，该记录被分组、压缩并由内部部署云代理315移动到云级存储。每个数据源具有命名为内部部署清单的系统配置文件、数据配置文件和指标配置文件。在基于云的架构320中的工作角色(worker role)模块(在图3中未示出)从标签清单中提取标签的列表以将由指标清单获得的系统参数与特定分析动作进行匹配以按照这些参数运行。基于对清单的这样的组合，建立动态数据架构以对在云中积累的数据进行提取和处理。在设计此架构期间做出以下假设:

a)清单应该在云环境中可以获得。

b)所有清单的格式应该是固定并且严格遵守的。

c)内部部署数据应该以被分配的优先级被移动到云中的大数据存储库。

d)标签清单应该包含具有关联的分析层级的标签列表。

e)分析层级应该定义在具体设备分析计算中使用哪个标签。

f)可以在指标清单中指定常数参数、阈值和要在分析计算中使用的其他值。

在本示例中，用户可以指定用于对数据执行特定计算例如计算功率循环效率的时间间隔，以及可以指定用于检测异常的阈值。如果针对时间间隔没有可用的数据，则自动地触发插入动作，以基于缺失点周围的现有数据点来估计所缺失的值。域级传感器将内部部署机器数据(即，标签)采集到被称为“FT历史”的数据采集软件中，该数据采集软件将数据存储到本地缓存中，该示例中这些被共同示为FT历史数据库313。

在FT历史系统313的顶部具有用作为数据集中器的内部部署云代理315。该云代理315提供数据封装和数据传输，并且定期地连接至FT历史313以采集时间序列数据的块用于压缩并传输到云。块的大小是可配置的。

云代理315在向云级容器发送任何数据之前验证到云的连接是开放并且可用的。如果在云与内部部署连接之间发生断裂，则云代理315将其状态改变成数据缓存模式直到该连接恢复为止，并且在连接恢复时将缓存的数据转发到云。

现在转到数据采集，管理数据存储并且进行现场分析的现有技术系统遭受到诸如有限的数据存储能力以及单点故障问题的问题。由于本地化数据库系统引入到信息技术操作中的高的维护需求和高成本，用当前的技术难以处理这些问题。虽然用大的预算、人力和时间可以克服这些问题，但是本文描述的系统使用低成本的云计算解决方案。云计算有益地为大数据二进制大对象(BLOB)存储提供了更灵活的可自然缩放的基础设施。

在本示例中，通过使用结构化查询语言(SQL)模块，云代理315是完全可以配置的，在SQL模块中，系统设计者可以定义提取和处理机器数据的规则。在一些情况下，云代理315可以使用多个SQL脚本来处理各个数据。脚本是有助于在数据被生成以及被流向云时检测异常的内部部署分析的格式。云代理315还可以补充SQL脚本以确保被推送到云的数据是以序列化且压缩的形式提供。数据结构的示例性格式如图4的表中所示。

当云代理315传输了数据时，该数据然后被发送到云基础设施320，该云基础设施可以通过使用Azure^TM,云平台,网站服务或任何其他基于云的架构来实施。基于云的架构320为解决大数据存储和分析提供基础。基于云的架构320可以被补充成包括工作角色、网络角色(web role)以及虚拟机(VM)，从而以集成划分的方式管理来自不同租户的多个数据源。这里，本示例包括SQL服务器、BLOB、队列和服务总线以能够进行如软件即服务(SaaS)的数据分析。此外，该系统包括基础设施即服务(IaaS)特征，补充了云内的服务。如图5所示的基于云的架构520提供了如何在云内组织这些各个网元和装置的示例性架构。当云代理315将数据推送给云时，数据到达BLOB存储装置521。来自BLOB存储装置521的相应的确认被发送给云代理315以确认完成传输。接下来，由云代理315给优先级队列系统525发送通知事件消息以通知工作角色522新数据的到来。

如在基于云的架构520内所示的工作角色522被配置成观察事件例如上述的新数据到达BLOB存储装置521的事件，并且响应地开始数据处理。工作角色522通常首先处理较高优先级数据。工作角色522使用事件报头信息以识别系统级清单信息。该系统级清单说明了应该使用什么过程(即，汇编代码)来执行该数据处理。该系统级清单还传达(convey)了标签清单索引。工作角色提取该汇编代码以执行初始的数据预处理活动，该初始的数据预处理活动包括：将非结构化数据从BLOB存储装置521移动到SQL数据库中的结构化数据，如图6所示。

对数据的转移需要用特定于应用的数据变换SQL脚本来将组件对象进行编程。在此系统中，可以有根据数据处理需求所需要的多个组件对象。该条件是特定于租户的并且取决于设计者对如何处理数据存储和指标流的偏好。例如，另一个数据流可能需要从BLOB存储装置521采集数据以将该数据转移到另一个云计算系统用于进一步处理。

此架构的另一个重要特征是建立独立于数据的通用模型的能力。该构思意在在数据处理过程中摆脱数据模型对硬编码数据索引的依赖性。这是影响模型的伸缩性和重新配置使得整个系统不能灵活改变的常见的依赖性问题。

在所提出的架构中，通过将数据索引移动到由系统、标签和指标清单定义的更高的抽象概念中，将数据索引从实际数据处理过程中解耦出来。该技术使得非常少的特定于应用的硬代码到过程中。该挑战是在云中提供分析能力和监视能力，同时避免在每次有新的指标添加到数据处理系统时要重新部署云应用。该需求是避免用模型刷新和云应用的周期性的重新部署打断服务的基础。

例如，在时序数据分析中，针对时间中的特定点的数据值的可用性是非常关键的。在大部分情况下，期望的值由于多个可变时序传感器数据的高速率数据采集变化性而不存在。丢失的值需要从存在的数据中内插。因此，该内插过程需要若干条信息，例如要被分析的数据的标签名称(其取决于租户属性)，时间中的为其取得采样值的点、如最小值和最大值的裕度、单位转换因子、阈值以及其他类似数据的旁注。

对于每个租户类型(即，设备)，需要明确指定因租户而异的分析序列。即使在具有相同类型的租户的系统中，也常常使用不同的指标。为了避免产生其中在软件编码时间要知道计算的每个方面的不可改变系统(如同在经典模型方法中)，本文所描述的系统基于声明体现技术(declarativemanifests technique)是更加可适应的并且可配置的。

如图4所示，被推进云的数据包含基于不同时间间隔的多个标签以及多个标签的值。结果，一些标签以比其他标签更快的速率变化，所以这些标签比其他标签更频繁的被采集。基于数据的类型和要被处理的数据标签的数量，进入插值函数的输入数据会变化。然而，不管此复杂性，内插器可以被做的足够通用以使用相同的代码、但是根据清单配置处理所有内插情况，本质上消除了对于固定数据模型的需要。

工作角色522协助模块化方法并且为将来在基准结构上的较小中断的情况下增强和可伸缩性留下空间。每个工作角色522都具有执行的特定功能，并且还具有与其他模块通信的能力。每当用户通过仪表板或者内部触发器请求分析时，触发工作角色执行以执行如由表示各个租户的清单指示的计算。

在本示例中，存在输入到系统中的三种类型的清单。这些清单包括使用可扩展标记语言(XML)编写的系统清单、标签清单和指标清单。图7示出了示例性系统清单700。该系统清单包括工业组织的层级结构信息以及消息及其相应的处理组件标识符和版本。主清单包含到标签清单和指标清单的链接。在系统清单中的组织者层级结构定义地址和数据采集器(公知的云代理)，并且可以是每个客户多个地址并且每个地址可以具有多个云代理。另外，每个云代理可以生成要以各种优先级发送的消息。

为了增强以上所描述的数据采集技术并且为了提供关于设备和其层级结构的有意义的信息，引入了标签清单。标签清单通过传达标签的物主控制器识别来具有控制系统前后关系信息。标签清单还传达租户级分析序列作为应用处理。

图8提供了示例性标签清单800。如图8所示，该标签清单800识别要被用于执行数据分析的特定标签名称。标签清单800包含实质上被分成下述三个主部分的分析系统层级结构：标记的控制系统、应用和标签。控制系统识别与标签的容器相关的控制系统信息，每个控制系统信息具有一个或更多个控制器以及一个或更多个网络。以此方式，相同的汇编代码可以用于在不必在每个租户基础上强加模型结构的情况下处理不同的租户。标签清单800还传达参考给在如图9所示的指标清单中定义的指标参数(即，NetPower，CycleEfficiency)。在针对这些应用处理的计算期间汇编代码需要这些指标参数。在标签清单800中所示的对“TurboExpander1”应用的“NetPower”、“CycleEfficiency”、和“PowerGuarantee”处理的参考是对在单个工业基础上例如在此示例中的能源工业上的标准的通用过程的参考。汇编代码使用后期绑定风格以连接到这些过程并且从指标清单900带入参考值中。在此架构中，应用级模型是紧急的并且可以被逐步建立。

如以上所述，图9提供示例性指标清单900。指标清单900是包含与被包含在分析计算中的常数和阈值关联的信息的可伸缩结构。每个分析计算包含一些固定的常数以及数据标签。在这些计算中的常数很少变化，但是常数的值可以由用户在指标清单中明确指定。该清单还包括分别针对统一单位以及定义操作边界的转换因子和阈值。

如在指标清单900中所示，应用层级结构包括被称为分析处理的应用部件。每个应用可以运行这些处理中的一个或更多个处理。例如，如在图8的标签清单800中所示的，名称为“TurboExpander1”的应用具有名称为“NetPower”、“CycleEfficiency”和“PowerGuarantee”的三个处理。这些处理中的每个处理具有其自己的如在图9的指标清单900中所示的取决于特定机器标签值一组计算。在指标清单900中的每个标签具有其自己的处理标识符和自己的控制器标识符。另外，因为一个标签可以用于很多不同的分析计算，所以每个标签可以具有多个自己的处理标识符。

组件对象被设置有SQL脚本进行关于数据的操作。在至少一个实施方式中，SQL标签可以被实现在SQL Server Management Studio、SQLServer reporting services和C#。清单的语法分析可以在C#中开发并且可以与整个系统集成作为公共语言运行时刻(CLR)组件。特定应用的组件可以被加到SQL服务器组件，所以其可以被SQL函数调用以从标签清单中抽取标签的列表。该标签列表帮助脚本发出到SQL数据库中的调用。

系统将清单和插值的结果提供到趋向于以特定时间周期帮助用户有效观察系统效率的图表中。使用该图表趋势数据，用户可以在不进入复杂的数据分析或者统计计算的情况下做出重要的商业决定。用户可以在应用仪表盘上做出某些选择以在需要时启动组件、补充面向SaaS架构实施方式的性能。有益地，通过显示图表结果，本文所描述的系统给用户提供到数据和分析的全局入口并且提高了结果的可读性，该结果可以在做决定的处理中帮助用户，同时隐藏计算的复杂性。

图10示出了在示例性实施方式中的计算系统100。计算系统100提供计算系统100或者可以用于便利仿真在工业自动化中使用的机器的任何系统的示例，虽然能够执行本文所公开的技术的其他系统可以使用可替代配置。计算系统100是可以在任何计算装置、系统或设备、或者前述的组合中采用的计算系统的代表。例如，可以在服务器计算机、云计算平台、数据中心、任何物理或虚拟计算机器、以及前述的任何变形或组合中采用计算系统100。另外，可以在桌上型计算机、膝上型计算机、平板、智能电话等中采用计算系统100。

计算系统100包括处理系统1001、存储系统1003、软件1005、通信接口系统1007和用户界面系统1009。处理系统1001与存储系统1003、通信接口系统1007和用户界面系统1009可操作地耦接。处理系统1001加载并且执行来自存储系统1003的软件1005。软件1005包括自身包括分析处理200的应用1006。分析处理200可以可选地从应用1006被分离地实现。软件1005当被通用的计算系统1000和特定的处理系统1001执行时指示计算系统1000以针对分析处理200或者分析处理200的变体进行如本文所描述的操作。计算系统1000可以可选择包括为了简洁起见未在本文讨论的附加设备、特征、或功能。

计算系统1000可以是计算装置、系统、或者在其上应用1006和分析处理200或者应用1006和分析处理200的变体可以被适当地实现的系统。计算系统1000的示例包括移动计算机设备，例如手机、平板计算机、膝上型计算机、笔记本计算机和游戏设备，以及任何其他类型的移动计算设备以及前述的任何组合或者变体。注意计算系统1000的特征和功能也可以应用到桌上型计算机、服务器计算机、虚拟机、以及任何其他类型的计算系统、前述的变体或者组合。

还参照图10，处理系统1000可以包括取得并且执行来自存储系统1003的软件1005的微处理器以及其他电路系统。处理系统1001可以在单个处理设备内被实现但是也可以贯穿在执行程序指令中配合的多个处理设备或者子系统被分配。处理系统1001的示例包括通用中央处理单元、应用程序特定处理器、逻辑设备以及任何其他类型的处理设备、或者前述的组合或变体。

存储系统1003可以包括由处理系统1001可读并且能够存储软件1005的任何非暂态计算机可读介质或者存储介质，例如磁盘驱动、闪存驱动、数据存储电路系统或者一些其他硬件存储装置。在一些示例中，计算机装置可以包括存储系统1003和操作软件1005。存储系统1003可以包括以用于存储信息例如计算机可读指令、数据结构、程序模块或其他数据的任何方法或者技术实现的易失的和非易失的、可移动的和非可移动的介质。除了存储介质之外，在一些实施方式中，存储系统1003还可以包括在其上软件1005可以内部地通信或外部地通信的通信介质。存储系统1003可以被实现为单个存储设备但是也可以贯穿在相对于彼此共同放置或者分布的多个存储设备或者子系统——包括在不同地理区域中的设备而被实现。存储系统1003还可以被嵌入各种类型的设备。存储系统1003可以包括能够与处理系统1001通信的附加元件，例如控制器。存储介质的示例包括随机存取存储器、只读存储器、磁盘、光盘、闪存、虚拟存储器和非虚拟存储器、磁带盒、磁带、磁盘存储装置或者其他磁存储设备，或者可以用于存储期望的信息并且可以由指令执行系统存取的任何其他介质、以及前述的任何组合和变体、或者任何其他类型的存储介质。存储介质绝不可能是传输信号。

在操作中，为了进行如本文所述的操作，处理系统1001加载并且执行软件1005的一部分，例如分析处理200。具体地，软件1005可以被实现在程序指令中、或者在其他函数中可以当被通用计算系统1000或者特定处理系统1001执行时指示计算系统1000或者处理系统1001在本地高速缓存中存储由至少一个工业机器生成的操作数据，并且在基于云的架构中的无特定结构的数据存储系统中针对存储传输操作数据。软件1005还可以指示计算机系统1000或者处理系统1001在基于云的架构中处理操作数据以将操作数据转换到结构化格式并且在结构化数据存储系统中以结构化格式存储操作数据。软件1005还可以指示计算系统1000或者处理系统1001接收针对分析的请求，并且作为响应，从结构化数据存储系统中抽取至少一部分操作数据并且执行关于至少一部分操作数据的分析。

软件1005可以包括附加处理、程序或者部件，例如操作系统软件或者其他应用软件。操作系统的示例包括Linux、以及任何其他合适的操作系统。软件1005还可以包括固件或者由处理系统1001可执行的一些其他形式机器可读处理指令。

通常，软件1005当被加载到处理系统1001中并且被执行时可以将计算系统1000全部从通用计算系统转换到专用计算系统，该专用计算系统是为便利在如本文所述的针对每个实施方式的工业自动化中使用的仿真机器而定制的。软件1005还可以转换存储系统1003的物理结构。物理结构的特定转换可以取决于在本描述的不同实施方式中的各种因素。这种因素的示例包括但不限于用于实现存储系统1003的存储介质的技术、计算机存储介质是否以主存储装置或者次存储装置等为特征的技术。例如，如果计算机存储介质可以被实现为基于半导体的存储介质，则软件1005当软件被编码到其中时转换半导体的存储器的物理状态。例如，软件1005可以转换晶体管、电容器、或者由半导体存储器构成的其他分离电路元件的状态。相似的转换可以相对于磁介质或者光学介质发生。在不偏离本描述的范围的情况下使用仅为便利本讨论而提供的前述示例进行物理介质的其他转换是可能的。

通信接口系统1007可以包括使能够在通信网络或者网络的集合(未示出)上与其他计算系统(未示出)通信的通信连接和设备。都使能够在系统之间通信的连接和设备的示例可以包括网络接口卡、天线、功率放大器、RF(射频)电路系统、收发器和其他通信电路系统。连接和设备可以在通信介质上例如金属、玻璃、空气或者其他任何合适的通信介质通信以与其他计算系统或者系统的网络交换通信。以上提到的通信介质、网络、连接和设备是公知的并且不必在此详细地讨论。

可选的用户界面系统1009可以包括鼠标、声音输入设备、用于接收来自用户的触摸手势的触摸输入设备、用于检测非触摸动作和用户的其他动作的动作输入设备、以及其他可比较的输入设备以及能够接收来自用户的用户输入的关联的处理元件。输出设备例如显示器、扬声器、触觉设备和其他类型的输出设备还可以包括在用户界面系统1009中。在一些情况下，输入和输出设备可以被结合在单个设备中，例如能够显示图像并且接收触摸手势的显示器。以上所提到的用户输入和输出设备是本领域公知的并且不必在此详细地讨论。用户界面系统1009还可以包括支持以上所讨论的各种用户输入和输出设备的由处理系统1001可执行的关联的用户界面软件。分离的或者彼此关联的以及其他硬件和软件元件、用户界面软件和设备可以支持图像用户界面、自然用户界面或者任何其他合适类型的用户界面。

在附图中的功能性框图、操作顺序和流程图是用于进行本公开内容的新颖面的示例性架构、环境和方法论的代表。同时，为了说明的简明性，包括在本文中方法可以以功能性框图、操作顺序、或者流程图的形式，并且可以被描述作为一系列动作，应该理解并且明白的是本方法不被动作的顺序限制，因为一些动作可以根据其以不同的顺序发生和/或与来自本文所描述和示出的其他动作同时发生。例如，本领域的技术人员会理解和明白的是方法可以例如在状态图中替换地被表示作为一系列相关的状态和事件。此外，并非在方法论中说明的所有动作都可以被新颖的实施方式所需。

以上的描述和关联的附图教示了本发明的最佳方式。所附权利要求具体指定本发明的范围。最佳方式的一些方面可以不落在本发明的如权利要求限定的范围内。此外，虽然之前的讨论描述了结合工业处理的监视和分析特定地采用的实施方式，但是其他应用例如任何人造系统或者自然存在的系统的数学建模或者监视可以受益于以上所讨论的概念的使用。另外，本领域的技术人员明白的是以上所描述的特征可以以各种方式组合以形成本发明的各种变体。结果，本发明不限于以上所描述的特定实施方式，但是仅由所附权利要求和权利要求的等价物限制。

分析协调器

下述对图11至图15的描述和参考提供了如下示例性实施方式：当进行基于云的数据存储、处理和分析时、给集成的若干不同的云服务提供商包含分析协调器。分析协调器被设计成可扩展的、可变的并且能够使其他用户能够与分析框架接口。

在工业自动化操作中，从机器、传感器和实时工业应用采集的数据以很快的速率持续地增长，导致巨大的数据量。随着数据增长，需要物理结构和计算能力以保持数据按比例增大，其又使保持数据的成本增长。可以利用此数据增强商务和操作的智能性并且解决特定领域的问题。因此，在工业自动化领域采用云计算技术有助于提供较低的成本、较高的计算能力以及非常大的存储容量。

现在将描述与智能代理和云服务接口以进行关于从内部部署应用中采集的数据的复杂的分析的框架。为了分析和处理巨大量的数据，来自工业自动化场所(premise)的数据可以被采集、序列化、加密和压缩到合适的格式用于存储在云中。在系统中被称为标签的每个参数是与时间戳关联的以形成时间序列数据。一旦在云中，用户就能够监视来自到云的数据连接可用的任何地方的数据，因此使能够进行工业应用的远程监控。

为了进行关于存储在云中的此数据的分析，可以利用鲁棒结构以使用户能够开发特定领域的分析以增强商务和操作的智能性。在本文被称为分析协调器的结构提供若干功能，包括以使任何用户能够使用该结构建立定制的特定领域的应用的灵活性。该结构还可以纵向地贯穿各种应用并且横向地贯穿多个地址、工厂或其他场所向外扩展分析。框架提供支持多个租户的能力使得多个客户可以并行地操作，同时提供针对每个客户提供安全操作环境。该分析协调器还提供通用的接口以与内部部署代理和各种云提供商交互，确保及时的响应并且处理错误状况。

图11示出了计算系统1100和可以用于便利在示例实施方式中的基于云的数据处理和分析的体系架构框架。计算系统1100包括内部部署位置1110、云提供商1120和分析协调器1130。内部部署位置1110包括可以在通信网络上与商务智能系统通信的各种工业控制器系统。如图11所示，商务智能系统包括若干云代理1115和云代理1116。

在至少一个实施方式中，分析协调器1130包括将来自代理1115和代理1116的需求路由到云分析服务的智能路由器。在代理1115和代理1116与分析协调器1130之间以及分析协调器1130和云1120之间的通信基于约定。代理1115和代理1116通常在场所1110并且与控制应用的控制器直接交互。在一些示例中，分析协调器1130可以被放置在场所1110上、在云1120中、或者任何其他位置。分析协调器1130通过网络服务接口与云分析通信。在至少一个实施方式中，代理1115和代理1116与分析协调器1130可以在不同的虚拟机上运行并且可以使用套接字通信进行通信。

云代理1115和云代理1116是在合理的时间限制内需要高计算功率的做决定的智能模块。每个代理1115和代理1116被分配有至少一个能力，并且每个能力可以包括多个操作。所有的能力都被使用目录服务登记。当事件在应用级发生时，代理1115和代理1116将分析请求并且将无论哪个只要其具有处理该事件的能力就会生成要被发送到分析协调器1130的请求。例如，控制器可以在特定时间间隔期间请求焓值，在一些实施方式中该请求可以通过使用通用工业协定(CIP)消息发送事件通知来完成。合适的云代理1115和/或云代理1116将通过基于在代理1115和代理1116与分析协调器1130之间的预定义的约定生成针对分析协调器1130的请求来响应。基于该约定，代理1115和代理1116会包括由分析协调器1130请求的所有信息以将该请求路由给特定分析提供商。然后，代理1115和代理1116等待来自分析协调器1130的响应。

分析协调器1130听来自代理1115和代理1116的到来的请求。当接收到请求时，分析协调器1130确定请求是否是新请求或者线程是否已经针对请求创建了。如果请求是存在的请求则丢掉该线程。如果请求是新请求，则分析协调器1130创建新线程以处理该请求。然后，分析协调器1130从语法上分析该请求以抽取该请求信息并且将该请求路由到可以处理该请求的合适的分析脚本。

分析协调器1130支持混合的异构脚本例如Pig Latin、JavaScript等以处理各种云分析提供商的请求。图12示出了由在示例性实施方式中的分析协调器1130支持的脚本结构。如图12所示，每个到云的应用脚本遗传自脚本执行脚本库并且定义方法以初始化参数并且执行各种分析。用户可以指定应该进行关于数据以及各种系数、阈值和处理请求的所需的其他信息的哪些分析。然后，分析协调器1130生成并且转换该请求以传递给由用户具体指定的云分析提供商。在一些示例中，可以基于分析协调器1130和云提供商1120之间的约定来创建请求。然后，该请求被发送到调用所请求的云分析服务的网页服务客户界面。

云分析脚本被配置为网页服务并且可以被客户网页服务界面调用。网页服务界面通过调用由用户指定的网页服务的通用资源标志符(URI)来连接到所请求的网页服务。通信同时被阻挡，意指请求线程被阻挡直到接收到来自云分析网页服务的响应为止。

由于需要高端计算能力用于执行这样大规模的分析，所以在该架构中补充云分析能力。云提供商1320通常使用技术例如Map Reduce进行关于大数据的分析。还存在定义云提供商1320和外部用户之间的通信的规章制度的典型的服务级协议。在本实施方式中，一旦云提供商1320接收请求，提供商1320就分析该请求并且调用会执行该分析并且取得所请求的信息的分析脚本。然后，该响应被压缩成预定义的响应格式并且被发送回发出请求的分析脚本。如果任何错误状况发生，则指定该错误状况以及响应。

可以在下述三个阶段采用可以用于使用以上所描述的结构开发任何类型的应用的程序模型：(1)设计和编程阶段，(2)运行时刻阶段，以及(3)脱机处理阶段。

图13示出了在示例性实施方式中的便利基于云的数据处理的设计和编程阶段。在设计和编程阶段，用户可以设计并且开发模块和脚本用于在运行时刻阶段期间执行。如图13所示，应用控制逻辑模型被提供给控制器以定义应用控制逻辑模型的控制指令，并且机器处理模型被提供给代理用于执行商务智能逻辑。用户还可以开发特定领域的分析用于执行。例如，用户可以开发分析脚本以生成报告和趋势、主动控制应用、或者在分析协调器结构上部开发任何智能应用。用户还可以针对代理和分析协调器之间以及分析协调器和各种云提供商之间的通信定义约定。

图14示出了在示例性实施方式中的便利基于云的数据处理的运行时刻阶段。在运行时刻阶段期间发生的事件的序列如图14所描述的。在运行时刻期间，应用正在场所上运行并且生成给代理的事件通知。基于商务智能规则，代理生成请求给分析协调器。响应于该请求，分析协调器执行由用户设计的特定分析脚本并且生成请求给云分析提供商。云分析提供商进行所请求的分析并且使用所请求的数据响应回分析协调器。分析协调器分析该响应并且进行如在设计阶段中的用户所描述的请求的分析。然后，分析协调器将完整的响应发送回到触发请求的代理。该代理将基于所接收的响应做出决定并且将该决定传达给控制器并且通过通知传达给用户。

在运行时刻期间，未预料到的异常可能发生。在脱机处理阶段，用户可以通过以出现异常的周围的时间的间隔从大数据抽取参数特征来分析这些异常。在一些示例中，可以使用云计算技术如MapReduce来分析参数特征。一旦发现针对异常的原因，新的商务智能规则就可以被编程到会主动地处理将来出现的特定行为的分析脚本中。有益地，这提供了可以在不影响系统的基础结构的情况下连续地采用新的商务规则的自学习系统。

可以通过约定的方式建立在代理和分析协调器之间以及分析协调器和云提供商之间的接口。该约定可以指定应该由每个实体在生成请求或者响应时提供的信息。图15示出了约定说明的示例。在图15中示出的约定说明被提供给两个不同的应用程序接口(API)：代理分析API和云分析API。在代理和分析协调器之间的针对代理分析API的约定中的元素如下述：

●管理者识别租户。

●回调指定在接收响应时要被调用的方法。

●标签指定在其上分析要被执行的参数。

●从/到指示用于从大数据存储装置抽取数据的时间间隔。

●应用指定从其发生事件的特定应用。

●脚本类型指定要被联系的分析脚本组。存在每个云分析提供商一个分析脚本组。分析脚本组会根据特定的云提供商的说明准备请求给云分析提供商。

●能力表示要被进行的分析例如“计算焓”等。

在约定中的分析协调器和云分析提供商之间的针对云分析API的元素如下：

●交易表示在分析中使用以唯一地识别交易的时间戳。

●动作指定要被云分析提供商进行的分析。

●环境指定用于定位来自大数据存储装置的租户的数据的租户的信息。

●指标指定标签值、时间间隔、系数、阈值和执行所请求的分析所需的其他信息。

以上所描述的针对代理分析API和云分析API的元素只是可以被定义的约定元素的一个示例。用户可以在不影响基本结构的情况下修改被包括在约定中的细节和参数。有利地，以足够通用的形式定义API使得任何客户或者任何应用可以与任何云提供商(包括由单个客户使用的多个不同的云提供商)交互。

以上的描述和关联的附图教示了本发明的最佳方式。所附权利要求指定本发明的范围。最佳方式的一些方面可以不落在本发明的如权利要求限定的范围内。此外，虽然之前的讨论描述了结合工业处理的监视和分析特定地采用的实施方式，但是其他应用例如任何人造系统或者自然存在的系统的数学建模或者监视可以受益于以上所讨论的概念的使用。另外，本领域的技术人员明白的是以上所描述的特征可以以各种方式组合以形成本发明的各种变体。结果，本发明不限于以上所描述的特定实施方式，但是仅由所附权利要求和权利要求的等价物限制。

Claims

1.一种或更多种计算机可读存储介质，在其上存储有程序指令以在工业自动化环境中便利基于云的数据处理和分析，其中，所述程序指令在被计算系统执行时指引所述计算系统至少：

将由至少一个工业机器生成的操作数据存储在本地缓存中；

传输所述操作数据以存储在基于云的架构中的非结构化数据存储系统中；

在所述基于云的架构中，处理所述操作数据以将所述操作数据转换成结构化格式并且将所述结构化格式的操作数据存储在结构化数据存储系统中；以及

接收用于分析的请求，并且作为响应，从所述结构化数据存储系统中提取所述操作数据的至少一部分并且对所述操作数据的所述至少一部分执行分析。

2.根据权利要求1所述的一种或更多种计算机可读存储介质，其中，为了对所述操作数据的所述至少一部分执行分析，所述程序指令指引所述计算系统基于在所述操作数据的所述至少一部分中包括的信息来取得分析处理指令和分析参数。

3.根据权利要求1所述的一种或更多种计算机可读存储介质，其中，所述用于分析的请求包括优先级。

4.根据权利要求3所述的一种或更多种计算机可读存储介质，其中，为了对所述操作数据的所述至少一部分执行分析，所述程序指令指引所述计算系统使用所述基于云的架构中的优先级队列、基于所述优先级来处理所述用于分析的请求。

5.根据权利要求1所述的一种或更多种计算机可读存储介质，其中，为了传输所述操作数据以存储在所述基于云的架构中的所述非结构化数据存储系统中，所述程序指令指引所述计算系统给所述操作数据分配优先级。

6.根据权利要求5所述的一种或更多种计算机可读存储介质，其中，为了给所述操作数据分配所述优先级，所述程序指令指引所述计算系统将所述优先级分配给包含所述操作数据的相应数据标签。

7.根据权利要求5所述的一种或更多种计算机可读存储介质，其中，为了处理所述操作数据以将所述操作数据转换成所述结构化格式并且将所述结构化格式的操作数据存储在所述结构化数据存储系统中，所述程序指令指引所述计算系统基于所述优先权来处理所述操作数据。

8.一种在工业自动化环境中便利基于云的数据处理和分析的方法，所述方法包括：

将由至少一个工业机器生成的操作数据存储在本地缓存中；

9.根据权利要求8所述的方法，其中，对所述操作数据的所述至少一部分执行分析包括基于在所述操作数据的所述至少一部分中包括的信息来取得分析处理指令和分析参数。

10.根据权利要求8所述的方法，其中，所述用于分析的请求包括优先级。

11.根据权利要求10所述的方法，其中，对所述操作数据的所述至少一部分执行分析包括使用所述基于云的架构中的优先级队列、基于所述优先级来处理所述用于分析的请求。

12.一种操作计算系统以在工业自动化环境中便利基于云的数据处理和分析的计算机装置，所述计算机装置包括：

软件指令，所述软件指令被配置成当由所述计算系统执行时指引所述计算系统：将由至少一个工业机器生成的操作数据存储在本地缓存中，以及传输所述操作数据以存储在基于云的架构中的非结构化数据存储系统中；

所述软件指令还被配置成指引所述计算系统：在所述基于云的架构中，处理所述操作数据以将所述操作数据转换成结构化格式、将所述结构化格式的操作数据存储在结构化数据存储系统中、以及接收用于分析的请求，并且作为响应，从所述结构化数据存储系统中提取所述操作数据的至少一部分并且对所述操作数据的所述至少一部分执行分析；以及

存储所述软件指令的至少一个非暂态计算机可读存储介质。