CN103562809B - 用于工业设施的大规模综合实时监测框架 - Google Patents

Abstract

一种方法包括将多个实时应用（202a‑202n）与框架（124）相关联。所述实时应用包括用于监测或控制至少一个工业设施中的装置（101a‑101b、600、700、902‑906）的应用。每个应用具有至少一个输入变量（204）和至少一个输出变量（205）。所述方法还包括识别所述应用的输入和输出变量之间的关系以识别数据依赖性。所述方法进一步包括在框架处接收数据更新并且基于数据依赖性将数据更新通知给至少一个应用以支持框架的数据驱动操作。框架的数据驱动操作将数据提供给应用以支持装置的性能监测、装置操作的分析、和/或异常装置情况的识别。

Description

用于工业设施的大规模综合实时监测框架

技术领域

本公开大体上涉及控制系统。更具体地，本公开涉及用于工业设施的大规模综合实时监测框架。

背景技术

通常使用过程控制系统来管理处理设施。示例性处理设施包括制造厂、化工厂、原油精炼厂、和矿石加工厂。过程控制系统尤其通常对处理设施中工业装置的使用进行管理。

各种过程工业已经看到在自动化技术上持续增长。然而，将原生和定制应用组件集成到单个控制系统中通常是有挑战性的。这可能是由于多个因素而引起的，诸如，难以在控制处理设施期间维护要被评估的计算或规则的序列。当处理具有甚至更大量的计算或规则的大量应用时，这变得甚至更成问题。

发明内容

本公开提供用于工业设施的大规模综合实时监测框架。

在第一实施例中，一种方法包括将多个实时应用与框架相关联。所述实时应用包括用于监测或控制至少一个工业设施中的装置的应用。每个应用具有至少一个输入变量和至少一个输出变量。所述方法还包括识别应用的输入和输出变量之间的关系以识别数据依赖性。所述方法进一步包括在框架处接收数据更新并且基于数据依赖性来将数据更新通知给至少一个应用以支持框架的数据驱动操作。框架的数据驱动操作将数据提供给应用以支持装置的性能监测、对装置的操作的分析、和/或对异常的装置情况的识别。

在第二实施例中，一种计算机可读介质包含计算机程序。计算机程序包括用于识别与框架关联的多个实时应用的输入和输出变量之间的关系以识别数据依赖性的计算机可读程序代码。所述应用包括用于监测或控制至少一个工业设施中的装置的应用。每个应用具有至少一个输入变量和至少一个输出变量。计算机程序还包括用于在框架处接收数据更新并且基于数据依赖性来将数据更新通知给至少一个应用以支持框架的数据驱动操作的计算机可读程序代码。框架的数据驱动操作被配置成将数据提供给应用以支持装置的性能监测、对装置的操作的分析、和/或对异常的装置情况的识别。

在第三实施例中，一种系统包括至少应该一个接口，所述接口被配置成接收与至少一个工业设施中的装置关联的数据。所述系统还包括至少一个处理单元，所述处理单元被配置成识别与框架关联的多个实时应用的输入和输出变量之间的关系以识别数据依赖性。所述实时应用包括用于监测或控制装置的应用。每个应用具有至少一个输入变量和至少一个输出变量。所述至少一个处理单元还被配置成在框架处接收数据更新并且基于数据依赖性来将数据更新通知给至少一个应用以支持框架的数据驱动操作。框架的数据驱动操作被配置成将数据提供给应用以支持装置的性能监测、对装置的操作的分析、和/或对异常的装置情况的识别。

根据下述附图、描述和权利要求，其他技术特征可以对本领域技术人员显而易见。

附图说明

为了更全面的理解本公开，现结合附图参考下述描述，其中：

图1图示根据本公开提供用于工业设施的大规模综合实时监测框架的示例性过程控制系统；

图2A到2C图示根据本公开用于大规模框架的示例性方程分析器（equation analyzer）和相关细节；

图3图示根据本公开用于大规模框架的示例性数据驱动架构；

图4图示根据本公开用于大规模框架的示例性面向服务的数据驱动架构；

图5图示根据本公开用于大规模框架的示例性分层模型；

图6和7图示根据本公开具有旋转装置的大规模框架的示例性使用；

图8图示根据本公开用于构造大规模框架的各个层级的模型的示例性逻辑构造器；以及

图9到19图示根据本公开使用大规模框架的示例性资产管理器的细节。

具体实施方式

在本专利文献中下文所讨论的图1到19和用于描述本发明的原理的各种实施例只是说明的方式而不应该被理解为以任何形式对本发明的范围进行限制。本领域的技术人员会理解本发明的原理可以以任何类型的合适布置的设备或系统来实现。

图1图示根据本公开提供用于工业设施的大规模综合实时监测框架的示例性过程控制系统100。如图1所示，系统100包括一件或多件工业装置101a-101b。所述工业装置101a-101b表示用于过程系统中的任何合适的装置。例如，工业装置101a-101b可以包括泵或具有旋转组件（例如，齿轮、叶轮、轴、轴承、发动机、或转子）的其他装置。任何其他的或附加的工业装置可以被用于过程控制系统100中或与过程控制系统100一起使用。过程系统还可以表示任何系统或其部分，所述系统或部分被配置成以某种方式生产或处理一个或多个材料。

一个或多个传感器102测量过程系统的至少一个特性。例如，传感器102可以测量泵或具有旋转组件的其他装置的振动。传感器102可以测量一个或多个任何其他的或附加的特性，诸如温度、压力、材料成分、或流量（flow rate）。每个传感器102包括用于测量与过程系统关联的一个或多个特性的任何合适的结构。

一个或多个控制器104从传感器102接收数据并且使用该数据来控制工业装置101a。例如，控制器104可以使用传感器测量来改变装置101a的速度或其他操作性质或者识别装置101a的问题。每个控制器104包括用于控制工业装置的任何合适的结构。

一个或多个网络106支持系统100中的其他组件之间的通信。例如，网络106可以在网络地址之间传递网际协议（IP）包、帧中继帧、异步传输模式（ATM）信元或其他合适的信息。每个网络106可以包括一个或多个局域网、城域网、广域网（WAN）、全球网络的全部或部分、或者在一个或多个位置的一个或多个任何其他通信系统。

过程控制系统100还包括一个或多个无线网络。在该示例中，无线网络包括基础设施节点（“I节点（I-node ）”）108a-108b、叶节点110a-110c、和网关I节点 112a-112b。I节点 108a-108b和112a-112b表示能够在规定的区域（诸如，大型工业中心）提供无线覆盖的无线节点。I节点 108a-108b通常是无线接收和转发数据的路由设备。网关I节点 112a-112b提供通过有线网络（诸如，网络106）进行通信的附加能力。叶节点110a-110c通常表示通过I节点形成的无线网络进行通信的端点。每个节点108a-108b、110a-110c、112a-112b可以使用任何合适的通信技术，诸如射频（RF）跳频扩频（FHSS）或直序扩频（DSSS）技术。每个节点108a-108b、110a-110c、112a-112b还可以包括其他功能，诸如用于生成或使用通过无线网络传递的数据的功能。例如，叶节点110a-110c可以表示测量工业装置101b的一个或多个特性的无线传感器，所述工业装置101b可以由控制器104或无线控制器所控制。

一个或多个服务器114能够执行过程控制系统100中的各种功能。例如，服务器114可以提供无线网络管理和安全功能。一个或多个操作员站116允许用户与服务器114和系统100的其他组件交互。操作者站116可以例如接收并显示警报消息或者允许用户修改被服务器和控制器所使用的控制算法。每个服务器114或操作者站116包括用于执行一个或多个期望功能的任何合适的结构。例如，服务器114或操作者站116可以包括至少一个处理设备118a-118b，诸如处理器、微处理器、微控制器、现场可编程门阵列（FPGA）或其他的处理或控制设备。服务器114或操作者站116还可以包括至少一个存储器120a-100b，所述存储器存储被一个或多个处理设备所使用、生成或采集的指令和数据。服务器114或操作者站116可以进一步包括用于与外部设备和系统进行通信的至少一个接口122a-122b，诸如有线接口或无线收发器。

在该示例中，单个网络106被示出耦合到服务器114和操作者站116。然而，这些组件可以在任何数量的层级上被复制任何倍。在特定实施例中，控制系统100支持过程控制的普度模型并且包括多个计算层级，每个层级控制低于其的层级（如果有的话）。

在操作的一个方面，服务器114和/或操作者站116运行一个或多个应用或以另外的方式提供支持用于过程系统的大规模综合实时监测框架124的功能。框架124在控制操作期间维护要被评估的计算、规则、和/或程序的序列的同时支持对多个原生和定制的应用组件的集成。框架124还提供工具以捕获专家或有经验的操作者/技术人员知识以供以合适的格式下载到运行环境。框架124能够将关键过程指示器（KPI）集成提供到操作者的控制台、处理大量数据、以及平衡（leverage）多核中央处理单元的使用。

依赖于所述实现方式，框架124可以支持下述特征的任何组合：

-用于处理数据依赖性的优化的数据驱动方法，其中对数据的更新触发对使用该数据的组件的更新；

-顺序处理定制的规则和计算以及使用不同的嵌入的和定制的处理引擎以支持数据依赖性；

-可扩展的（scalable）开放接口；

-以位置透明或位置不敏感方式的分布式数据、处理、及表达；

-数据完整性维护；

-动态恢复通信接口；

-并行化独立的处理任务和环；

-通知任何系统故障以改进应用可靠性；以及

-显示框架组件、处理引擎、数据或事件接口的分层级的健康或故障树。

所述框架能够有助于满足实时数据处理和管理过程工业的需要，除此以外，通常使用标准分布式控制系统来实现。

关于框架124的附加细节在下文提供。框架124可以以任何合适的方式来实现，诸如通过运行软件例程的一个或多个计算设备。然而，框架124可以以任何其他合适的方式来实现。

尽管图1图示提供用于工业设施的大规模综合实时监测框架124的过程控制系统100的一个示例，可以对图1做出各种改变。例如，系统100可以包括任何数量的工业装置、传感器、控制器、网络（有线的或无线的）、I节点（网关或其他）、叶节点、服务器、和操作者站。图1所示的功能部分也只是为了说明。图1中的各种组件可以被组合、再分、或省略并且附加组件可以根据特定需要而添加。此外，图1图示一个示例性操作环境，其中能够使用框架124。框架124可以被用于任何其他合适的系统中。

图2A到2C图示根据本公开用于大规模框架124的示例性方程分析器和相关细节。如上所述，框架124集成原生和定制的应用组件二者，所述原生和定制的应用组件可以实现多个不同的引擎或以明显不同的方式操作的其他程序。示例性应用能够包括计算或过程程序、功能块程序、以及MICORSOFT EXCEL、HONEYWELL UNISIM DESIGN、或其他外部应用。

框架124支持使用数据驱动方法来使用不同类型的应用，这有助于保证响应于特定输入变量上的变化而更新依赖于该输入变量的功能或表达。该技术有助于提供针对一组输入变量中的任何改变的正确的输出变量值。数据驱动方法的一个挑战是要提前确定数据变量之间的关系。

框架124因此支持使用方程分析器来确定变量依赖性。变量依赖性指示输出变量依赖于一个或多个输入变量。方程分析器因此识别自变量和因变量。自变量表示其值不依赖于另一个变量的变量。因变量表示其值依赖于至少一个其他变量的变量。

如图2A所示，框架124与多个实时或其他应用202a-202n关联。如上所述，应用202a-202n可以表示明显不同的引擎和其他程序。每个应用202a-202n与一组输入变量204和一组输出变量205相关联。来自一个应用202a-202n的一个或多个输出变量205能够被提供给其他应用202a-202n作为输入变量204。方程分析器识别这些输入和输出变量204-205之间的关系。数据驱动框架124使用这些关系来保证对输入数据的改变被准确地提供到组件以便更新输出数据。

在该示例中，方程分析器包括三个功能单元206a-206c。功能单元206a使用计算和规则来识别应用202a的输入和输出变量204-205之间的关系。计算和规则可以支持任何合适的逻辑。例如，功能单元206a可以使用计算和规则来改变输入变量204并识别哪些输出变量205改变。功能单元206a生成依赖性矩阵208a，所述依赖性矩阵208a识别对于应用202a来说哪些输入变量204影响每个输出变量205。

功能单元206b使用MICRSOFT VISIO绘图或其他图形功能块来识别应用202b的输入和输出变量204-205之间的关系。在一些实施例中，MICROSOFT VISIO绘图能够被用于定义应用的逻辑，诸如在用于HONEYWELL ADVANCED PROCESS CONTROLLER的URT平台中。功能单元206b使用MICROSOFT VISIO绘图或其他功能块来识别用于应用202b的依赖性矩阵208b。同样地，依赖性矩阵208b识别对于应用202b来说哪些输入变量204影响每个输出变量205。

在图2A中，使用加载机制210来创建针对应用202n的依赖性矩阵208n。加载机制210允许用户人工地加载针对应用202n的依赖性矩阵208n。这可能是必要的，如果方程分析器不能分析应用202n的话。

方程分析器的功能单元206c使用依赖性矩阵208a-208n来构造最终的依赖性矩阵212。最终依赖性矩阵212识别针对所有应用202a-202n的所有输入和输出变量204-205。最终依赖性矩阵212还识别这些输入和输出变量之间的所有关系。

方程分析器的每个功能单元206a-206b包括用于识别应用的输入和输出变量之间的关系的任何合适的硬件、软件、固件或其组合。方程分析器的功能单元206c包括用于识别多个应用的输入和输出变量之间的关系的任何合适的硬件、软件、固件或其组合。

图2B和2C图示方程分析器的示例性操作。在图2B中，用字母A到N表示不同的变量。每个变量被包含在表示特定的所有者或域的圆或椭圆内。所有者或域可以是原生应用或定制的外部应用，诸如UNISIM DESIGN或EXCEL引擎。变量可以与相同的所有者或域相关联，或者不同的变量可以与不同的所有者或域相关联。包含在较大变量内的较小的变量指示较小的变量依赖于较大的变量。例如，变量B、C、和D依赖于变量A，而变量E依赖于变量B。变量A的改变因此更新变量B、C、和D，继而更新变量E。

方程分析器对包含图2B中的变量的应用202a-202n进行分析，并且生成图2C中所示的分层结构250。分层结构250示出变量的依赖性的次序。分层结构250定义数据驱动框架124中的发布者-订阅者关系。发布者表示以供至少一个订阅者使用的实体输出数据。在该情况下，例如，变量A的所有者或域充当针对变量B、C、和D的所有者或域的发布者。

在分层结构250中由方程分析器所识别出的依赖性的层级的深度或数量能够被限制并且是用户可配置的。在配置期间或者在运行时间期间，嵌套表达也能够被方程分析器所识别。

尽管图2A到图2C图示用于大规模框架124的方程分析器的一个示例和相关细节，可以对图2A到2C做出各种改变。例如，形成方程分析器的各种功能单元206a-206c可以被组合或进一步再分，并且其他的或附加的功能单元可以被添加（诸如，以其他的方式识别变量的关系的功能单元）。图2B和2C的内容也只是为了说明。

图3图示根据本公开用于大规模框架124的示例性数据驱动架构300。如上所述，一旦数据依赖性被方程分析器所识别，框架124使用数据依赖性以支持数据驱动操作。在这些数据驱动操作中，对变量的改变可以被发布到被方程分析器针对该变量而识别出的任何订阅者。

在图3中，架构300被分成四个通用平台302-308。输入/输出（IO）平台302表示用于接收引入数据的组件并且定义多个数据流310。每个流310能够与不同类型的数据相关联。在该示例中，流310包含实时现场数据、振动数据、历史数据、来自SQL或其他数据库的数据、以及来自定制的适配器的数据。注意到此处可以使用任何其他或附加的数据流。还可以从一个或多个任何合适的源接收引入数据，诸如从传感器或应用202a-202n。

运行平台304运行被框架124所支持的应用202a-202n。运行平台304在各种数据流312中将数据提供给应用202a-202n，并且能够使用一个或多个库314在运行平台304内调用某些功能。在该示例中，数据流312包含用于振动信号和功能块引擎、计算和规则引擎、定制引擎、和外部引擎的数据。库314包括模糊逻辑库、振动域/信号处理功能库、计算功能库、和定制功能库。注意到此处可以使用任何其他的或附加的数据流或库。

通知平台306将通知（诸如电子邮件或SMS消息）发送给操作者或其他人员。在该示例中，通知平台306包括数据流316和通知适配器318。流316提供不同类型的数据，诸如电子邮件、SMS、或历史数据。通知适配器318生成包含数据的合适的消息，诸如电子邮件或SMS消息。注意到此处可以使用任何其他或附加的数据流、适配器、和通知机制。

用于过程控制的OLE（OPC）平台308支持充当用于与架构中的各种组件进行交互的应用编程接口（API）或其他接口的各种OPC服务器。在该示例中，OPC平台308包括支持不同的OPC标准的服务器320，所述OPC标准包括OPC警报和事件（AE）、数据访问（DA）、历史数据访问（HDA）、和统一架构（UA）规范。注意到此处可以使用任何其他或附加的OPC或其他服务器。

如图3所示，每个平台302-306包括多个不同的数据流。每个平台302-306中的数据流能够被线程池所管理并且被该平台302-306所监测。

数据高速缓存322存储在平台之间实时传输的数据和消息。当数据高速缓存322接收数据时，数据高速缓存322能够通知一个或多个适当的应用：更新的数据已经被接收。能够使用由方程分析器所识别出的数据依赖性来识别一个或多个适当的应用。能够通过实时数据服务来执行通知并且能够通知给已经订阅特定数据变量的任何订阅者。在特定实施例中，去往订阅者的发布者调用能够在发送消息给该订阅者之前被合并，这减少了做出的调用的数量。数据高速缓存322包括用于存储和检索在平台之间传输的数据的任何合适的结构。数据高速缓存322可以以地址格式来保存数据，所述地址格式由用户针对框架124配置的数据模型所定义，这允许结构化的数据存储。嵌入的和定制的应用202a-202n能够被插入到框架124中并且使用针对该应用而定义的数据模型来操作。

架构300能够提供各种附加功能以支持框架124。例如，运行平台304能够支持对数据的准确报告以及用于通过变量的分层结构250来传播数据质量的机制。例如，假定泵的净吸压头（NPSH）计算使用吸入压力、蒸汽压力、以及流体的密度。这些输入变量中的任何一个的缺少能够使NPSH值以及泵的健康指数值（可以使用NPSH值来计算）无效。运行平台304能够传播三个输入变量的质量直到NPSH值和泵的健康指数值。

作为另一个示例，架构300能够在相关数据变量之间使用一致的时间戳。例如，对于自变量的数据的最新的时间戳能够被传播直到依赖于该自变量的任何因变量，即使该因变量值不改变。这有助于将针对数据的最新的时间戳保留在分层结构250中。

作为另外其他的示例，基本环能够被并行化，无论何时可能平衡多个处理单元的使用。平台还可以是健壮的并且集成了有较高吞吐量的各种I/O源（诸如大约10000数据值每秒或更多）。此外，数据和消息的实时流能够改进数据的等待时间，并且各种数据源的独立流能够被用于采集、验证、和更新运行时间数据和消息。

在特定实施例中，平台302-306能够被实现为服务以有助于简化与其他应用的集成。图4图示根据本公开用于大规模框架124的示例性面向服务的数据驱动架构400。在该示例中，架构400被实现在资产管理器（AM）工具的环境中，所述资产管理器工具使用框架124，如下所述。架构400可以被实现用于任何其他合适的目的。

如图4所示，架构400包括通过网络410与web（网络）服务器408进行通信和交互的应用服务器402-406。每个应用服务器402-406支持IO服务412、运行服务414和实时（RT）数据服务416。web服务器408支持数据服务418、通知服务420、历史数据服务422、实时数据服务424、和目录服务426。

应用服务器402-406中的IO服务412能够支持IO平台302的功能。应用服务器402-406中的运行服务414能够支持运行平台304的功能。web服务器408中的通知服务420能够支持通知平台306的功能。应用服务器402-406中的实时数据服务416和web服务器408中的实时数据服务424能够通过提供Windows（窗口）通信基础（WCF）实时数据服务来管理数据高速缓存322。web服务器408中的数据服务418支持使用实时和历史数据二者，而目录服务426支持使用架构400中的web服务。

此处，架构400支持用于实现服务编排和分布式处理的松耦合。再一次，操作可以是数据驱动的，并且能够通过配置目录服务426（其维护注册数据服务的列表）来建立分布式处理。对于数据的订阅，本地数据服务416、424被联系，其继而创建与其他数据服务416、424的发布者-订阅者关系，当数据不被本地服务所有时。这样，能够以透明的方式来访问数据，而不考虑其位置。架构400进一步支持不同位置资产的集中式监测以平衡公司办公室中可用的专业知识。在特定实施例中，架构400支持面向服务的架构（SOA）。

尽管图3和4图示用于大规模框架124的数据驱动架构300和面向服务的数据驱动架构400的示例，可以对图3和4做出各种改变。例如，架构300可以包括任何数量的平台302-308（每个带有任何数量的数据流、服务器、或其他组件）和数据高速缓存322。架构400也可以包括用于支持框架124的任何其他或附加的服务。

图5图示根据本公开用于大规模框架124的示例性分层模型500。分层模型500图示框架124能够如何作为资产管理器的一部分使用以采集数据并识别工业设施中旋转装置或其他装置的问题。在该文档中，术语“资产”及其变形指代工业设施或其控制系统的装置、应用、数据、框架组件、或其他实体。

如图5所示，分层模型500包括数据采集器层502和数据验证层504。数据采集器层502定义框架124中的数据源，诸如振动传感器或其他数据采集器。数据验证层504验证任何采集到的数据以保证合适的数据质量。该功能可以被从传感器或其他采集器接收数据的任何设备或者被采集器本身所执行。

分层模型500还包括性能模型或特征提取层506。该层506从采集到的和验证的数据中提取有用的数据（诸如，关键过程指示器或其他特征）。层506可以支持用于从采集到的数据中提取有用信息的各种功能。例如，层506可以执行快速傅里叶变换（FFT）或其他信号处理技术，所述技术可以被用于从与旋转装置关联的振动数据中提取有用信息。

分层模型500进一步包括故障诊断层508和健康指数集成层510。故障诊断层508使用来自提取层506的信息以识别工业装置的组件中可能的故障。例如，故障诊断层508能够使用来自提取层506的振动信息以识别旋转装置的不同组件（子系统或子域）是否遭受故障。健康指数集成层510结合来自层508的故障以提供针对一件工业装置的总体健康指数。

分层模型500允许设施操作者将标准或定制的组件插入到框架124的每层内，诸如通过使用适当的模型构造工具。这支持将模型500无缝附接到在过程控制系统的任何层级的资产和从所述资产无缝分离模型500并且能够降低对为资产的每个实例创建定制模型的需要。分层模型500还支持多个机器或网络之间的分布式处理并且实现分层级的建模，其中每层502-510具有合适的模型（诸如，实现对工厂、单元、装置、和子装置层级的故障或健康监测以确定资产的健康）。此外，分层模型500支持计算和逻辑运行环境。该环境可以包括支持标准功能（例如，装置性能计算、仪器诊断参数和极限检查、以及振动分析建模）的预构造模型库。能够添加定制模型库以支持附加功能。

在图6和7中示出使用分层模型500的框架124的示例性使用。图6图示根据本公开具有一件旋转装置600的框架124的示例性使用。如图6所示，装置600包括附接到联接器（coupling）604的发动机602，所述联接器将发动机602的旋转耦合到齿轮啮合606。齿轮啮合606转动转子608，所述转子608使用一组轴承610来移动。振动传感器612能够测量整件装置600的振动。

装置600的每个组件602-610产生其自己的振动信号614，所述振动信号614结合以形成装置600的总体时域振动测量616。振动测量616中的每个值可以相对小，诸如2字节。振动测量616能够经过FFT或其他信号处理618以产生振动谱620。振动谱620可以使用相对少量的数据（诸如，4kB）来表示。装置600中的每个组件602-610能够在谱620内生成其自己的振动“签名”。

此处，层502-504能够采集并验证来自传感器612的数据。层506能够执行处理618，层508能够使用谱620来识别装置600的单独的组件602-610的故障，并且层510能够使用所述故障来识别装置600的总体健康指数。

图7图示根据本公开具有一件旋转装置700的框架124的另一个示例性使用。在该示例中，装置700表示包括轴承702、齿轮704、轴706、和叶轮708的泵系统。此处，层506能够执行处理以分析与这些组件702-708关联的数据，诸如通过分析振动数据。层508能够使用分析结果来识别装置700的单独的组件702-708的故障，并且层510能够使用所述故障来识别装置700的总体健康指数。

在一些实施例中，与故障检测有关的各种处理步骤能够发生在无线预处理传感器710内。传感器710能够采集针对装置的振动测量或其他传感器读数并且然后对传感器读数进行处理以识别装置的一个或多个特性。传感器710然后可以发送识别出的特性（带有或不带有实际的传感器测量）。例如，传感器710可以表示在美国专利公布2009/0045940（通过引用合并）中公开的无线预处理传感器。该类型的传感器的一个示例是HONEYWELL ONEWIRELESS EHM设备。

在特定实施例中，层508能够支持在美国专利公布2010/0030492中公开的技术以识别轴承的故障，诸如保持器、滚轴、外环、和内环缺陷以及轴承磨损。层508能够支持在美国专利公布2010/0256932中公开的技术以识别齿轮的故障，诸如齿轮裂纹、小齿轮裂纹、和齿轮/小齿轮磨损。层508能够识别轴的故障，诸如未对准、不平衡、或松动。层508能够支持在美国专利公布2010/0256953中公开的技术以识别叶轮的故障，诸如气穴现象、叶轮磨损、和叶轮裂纹。这些不同的故障能够使用在美国专利申请12/797472中公开的技术来检测，所述技术支持对甚至有重叠的振动特性的多个子系统中故障的检测。所有这些专利申请/公布据此通过引用合并。

框架214允许系统（例如，图6和7中所示的系统）从各种源采集数据并高效地处理数据。健康指示器和其他数据然后能够被及时提供给操作者或以任何其他合适的方式使用。

尽管图5图示用于大规模框架124的分层模型500的一个示例，可以对图5做出各种改变。例如，此处模型500被用于支持对振动或与旋转装置有关的其他数据的分析。其他分析和/或装置可以与其他分层模型相关联。尽管图6和7图示框架124的示例性使用，框架124可以以其他合适的方式被使用。

图8图示根据本公开用于在大规模框架124的各种层级502-510构造模型的示例性逻辑构造器800。在该示例中，逻辑构造器800是用于在分层模型500的任何层级定义模型的基于VISIO的工具。逻辑构造器800包括菜单802和工具栏804，其用于调用逻辑构造器800的不同功能。逻辑定义区806用于将不同的功能块807插入被定义的模型内，并且当被定义的逻辑不完全适合区域806时，使用逻辑区追踪器808。

使用功能块807来在逻辑定义区806中定义模型，所述功能块807能够定义模型的输入和输出以及在该模型内执行的计算。能够从一个或多个模板810中选择功能块807，所述一个或多个模板识别预定义的功能块。功能块807可以包括运行特定数学计算、定义感兴趣的频率并且重建信号的块。块性质区812识别在逻辑定义区806中选择的特定功能块807的性质。用户能够将功能块807放置在逻辑定义区806内并连接它们，并且用户能够设置性质区812内功能块807的某些性质。

变量列表区814识别与被定义的模型关联的变量。例如，变量列表区814能够识别用于将数据接收到模型内的输入变量和用于提供来自模型的数据的输出变量。同样地，用户能够使用逻辑构造器800来定义变量及其特性。在该特定示例中，用户定义逻辑，所述逻辑用于采集与旋转装置关联的振动谱特性并且识别旋转装置的任何问题。

由于逻辑构造器800降低构造和维护用于模型中的逻辑的成本，使用逻辑构造器800能够导致更高的生产率。由于逻辑结构可以被快速解析和运行，这还能够导致改进的性能。使用逻辑构造器800能够有助于标准化维护实践，允许客户将专业知识无缝插入到解决方案内，并且与现场中的人工数据输入集成。此外，逻辑构造器800能够提供对于嵌套模型的支持，所述嵌套模型能够被递归解决并在每个实例层级被评估。注意到当使用逻辑构造器800来定义模型时，方程分析器（例如，功能单元206b）能够使用来自逻辑构造器800的信息以识别其输入和输出变量之间的关系。

尽管图8图示用于在大规模框架124的各个层级502-510构造模型的逻辑构造器800的一个示例，可以对图8做出各种改变。例如，逻辑构造器800可以具有任何其他的布局或任何其他或附加的内容。任何其他合适的构造器也可以被用于定义用于框架124的模型。

图9到19图示根据本公开使用大规模框架124的示例性资产管理器的细节。通常，资产管理器900能够被设施人员用于支持可靠性工作，这能够导致改进的装置正常运行时间并有助于保持产品生产处于规划的水平。

图9图示资产管理器900的示例性使用。在该示例中，资产管理器900接收与旋转装置902、过程装置904、和智能现场设备906关联的数据。资产管理器900监测旋转装置902和过程装置904的性能，诸如通过从有线或无线传感器接收数据以及处理数据以识别故障情况和健康指数值。资产管理器900还能够合并来自离线和外部源的观察并且支持装置厂商应用或其他第三方应用的运行。在一些实施例中，资产管理器900能够从预处理传感器接收识别旋转装置902的可能故障的数据，如上所述。旋转装置902和过程装置904的性能和状态能够被呈现在操作者站116上。

智能现场设备906表示具有某种形式的智能的现场设备，诸如HART和FOUNDATION FIELDBUS发射器和定位器。这些现场设备906通常报告各种各样的状态或诊断事件，所述状态或诊断事件能够与关联的处理装置的健康有关。资产管理器900使用该数据来识别状态和诊断事件并且将健康信息与处理装置相关联。

通过这样做，资产管理器900将来自装置的信息集成在处理设施中并且使用该信息来执行分析。资产管理器900还评定处理装置的异常情况并监测处理装置的性能。这支持在处理设施的多个不同的人员和工具之间的合作。

资产管理器900能够从任何合适的源采集用于监测、异常情况评定、和分析的数据。数据能够包括来自OPC DA、HDA、和A&E服务器的过程数据、历史数据、和警报。数据还能够包括来自SQL服务器的人工数据（例如，现场观察）或者来自HONEYWELL ONEWIERLESS设备或SKF @PTITUDE ANALYST源的振动谱。数据可以以各种表示法被采集、处理和使之可用。这些表示法可以包括物理系统表示法（例如，通过装置、仪器、服务器等所划分的表示法）、功能系统表示法（例如，通过工厂、单元、部分等所划分的表示法）、或者分层结构。每个实体（工厂、单元、装置、仪器等）能够被分配属性并且与附加数据（诸如，链接的文档、超链接、外部应用）相关联。

被资产管理器900所执行的分析能够包括上文所讨论的相同类型的分析，诸如数据验证、特征提取、故障诊断、和健康指数集成。其他分析可以包括过程装置趋势和智能设备故障历史分析。异常情况评定可以涉及故障模型的标准库、以及用户可配置模型的使用。模型能够定义用于各种计算中的变量和逻辑算法。可视化技术能够被用于呈现异常情况评定的结果，诸如分层级的和可扩展的树图。性能监测可以包括将当前操作性能参数与预期的参数进行比较。

由于资产管理器900是能够被操作、维护、和可靠性人员所使用的公共工具，合作被支持。资产管理器900支持对装置故障的可重复的辨别并且能够对装置问题的严重/危险程度进行评级。能够使用资产管理器900来建立和管理对工厂的知识以支持基于性能、行为和条件指示器的装置评定。此外，能够使用资产管理器900来共享关于关键装置风险的信息。合作还能够通过使用通知、警报、报告、和数据输出工具来支持。该合作能够有助于支持快速辨别哪里发生问题。这尤其给操作和维护人员提供用于辨别装置情况对生产依赖性的影响的公共框架。

图10图示用于资产管理器900的示例性高级架构1000。在该情况下，架构1000包括能够从多个外部源1004接收数据的I/O服务1002。实时数据服务1006支持各种组件之间的数据传输，包括OPC服务器1008和Ux数据服务1010。模型运行服务1012使用数据并运行各种模型1014，包括VISIO模型；故障模式、影响、和危险程度分析（FMECA）模型；计算程序；EXCEL模型；UNISIM DESIGN（UNISIM设计）模型；和HONEYWELL NOVA DAE模型。通知服务1016支持使用通信机制1018（诸如，电子邮件、SMS、数据库（DB）记录器）的通知和计算机化维护管理系统/企业资源规划（CMMS/ERP）接口。历史服务1020提供对OPC HDA服务器1022的访问。架构1000可以以分布式方式以与图4的架构类似的方式来实现。

图11到19图示根据本公开用于资产管理器900的示例性图形用户接口（GUI）1100。在该示例中，GUI 1100包括识别资产管理器900的不同的主操作的主功能列表1102。此处，主功能列表1102包括配置、监测、和分析功能。辅功能列表1104识别与在列表1102中选择的功能关联的资产管理器900的不同操作。资产选择区1106允许用户选择用于配置、监测、或分析的特定资产。内容区1108依赖于GUI 1100中的其他选择而向用户呈现不同的信息。

在图11中，用户试图配置壳管资产类型的特性。内容区1108包括菜单1110，允许用户配置该资产类型的不同方面。在该情况下，用户已经选择定义针对所选择的资产类型的变量，并且表1112识别现有的变量并且能够被用于添加、删除、和修改变量。

在图12中，用户已经选择定义或编辑菜单1110中的计算，使计算定义区1202被显示在内容区1108中。定义区1202允许用户定义模型中的方程。类似地，在图13中，用户已经选择定义或编辑菜单1110中的逻辑块，使逻辑块定义区1302显示在内容区1108中。定义区1302允许用户定义功能逻辑块中的方程，以及附加特征（诸如，是否生成通知或采取行动）。

如图14所示，用户已经选择菜单1102中的监测功能和菜单1104中的资产信息链接。用户还已经从资产选择区1106中选择资产。在该情况下，GUI 1100在列表1302中呈现能够被查看的不同类型的信息。用户能够选择要查看的信息的类型，并且然后在显示区1304中呈现资产信息。此处，用户正查看与泵有关的PDF文档。

如图15所示，如果用户选择菜单1104中的监测视图，显示1502能够在内容区1108中呈现。显示1502呈现针对所选择的资产的各种性能监测信息，诸如与所选择的资产关联的各种变量值。显示1502还可以呈现针对所选择的变量或任何其他性能有关的数据的趋势信息。

如图16所示，用户已经选择菜单1102中的分析功能和菜单1104中的总体/检查功能。仪表板被呈现在内容区1108中用于已选择的资产。仪表板包括树图1602，所述树图1602识别分层级的和可扩展的树结构，所述树结构示出与所选择的资产关联的不同的装置组件。树图1602中不同的块1603表示所选择的资产的不同的组件。块1603的大小可以表示在所选择的资产中组件的相对重要性。块1603中的颜色、阴影或其他指示器能够表示该组件或形成该组件的较低级元件是否报告异常情况。树图1602允许大量的组件与其他组件相关显示。也能够针对每个组件而示出像分级的危险程度或评定的紧急程度之类的其他因素。

如果树图1602中的块1603之一被选择，在表1604中示出针对与所选择的块1603关联的组件的数据。表1604能够识别资产/组件名称、与资产/组件关联的模型的名称、以及该资产/组件或其子元件的任何故障。

如图17所示，用户已经选择菜单1102中的分析功能以及菜单1104中的机械分析功能。针对各种表1702中所选择的资产而示出不同类型的数据。在该示例中，表1702识别针对所选择的资产的健康指数趋势、FFT趋势、总体峰值趋势、以及轴承故障能量趋势。

如图18所示，用户正查看针对内容区1108中所选择的资产的故障模型。内容区1108识别下拉列表1802中所选择的故障模型，并且在列表1804中识别针对所选择的故障模型的故障。列表1804中的每个故障与图标关联，所述图标指示该故障是否被确认、消除、或关闭。文本框1806允许用户输入关于所选择的故障模型的评论，并且复选框1808允许用户抑制与所选择的模型关联的所有故障。

如图19所示，用户已经选择检查所选择的资产的故障历史。在该情况下，内容区1108包括示出所选择的资产的当前和先前故障的表1902。表1902识别每个故障的名称、状态、开始时间、和结束时间（如果有的话）。这允许用户查看特定资产的故障历史。

如上所述，资产管理器900能够使用框架124来提供性能监测、异常情况检测、和与工业装置有关的其他功能。资产管理器900能够被设施中不同的人员使用以实现更有效的合作。

尽管图9到19图示了使用大规模框架124的资产管理器900的一个示例的细节，可以对图9到19做出各种改变。例如，资产管理器900可以与图9中任何其他合适的组件一起使用，并且包括图10中任何其他或附加的服务以支持框架124。GUI 1100中信息的内容和布置也只是为了说明。

在一些实施例中，上述各种功能被计算机程序所实现或支持，所述计算机程序由计算机可读程序代码形成并被包含在计算机可读介质中。短语“计算机可读程序代码”包括任何类型的计算机代码，包括源代码、目标代码、和可执行代码。短语“计算机可读介质”包括能够被计算机访问的任何类型的介质，诸如只读存储器（ROM）、随机存取存储器（RAM）、硬盘驱动器、光盘（CD）、数字化视频光盘（DVD）、或任何其他类型的存储器。

阐述遍及本专利文档使用的某些词语和短语的定义可能是有利的。术语“耦合”及其变形指代两个或更多元件之间的任何直接或间接通信，无论这些元件是否彼此物理接触。术语“应用”和“程序”指代适于以合适的计算机代码（包括源代码、目标代码、或可执行代码）实现的一个或多个计算机程序、软件组件、指令集、过程、功能、对象、类、实例、相关数据、或其部分。术语“发送”、“接收”和“通信”、及其变形，包含直接和间接通信二者。术语“包括”和“包含”及其变形，意味着包括但不限制。术语“或”是包含性的，意味着和/或。短语“与……关联”和“与其关联”及其变形，可以表示包括、被包含在内、互连、包含、被包含在内、连接到或与……连接、耦合到或与……耦合、可与……通信、与……合作、交错、并置、接近于、绑定到或与……绑定、具有、具有……的性质等。术语“控制器”表示控制至少一个操作的任何设备、系统或其部分。控制器可以被实现于硬件、固件、软件或其至少两项的某个组合。与任何特定控制器关联的功能可以是集中式的或分布式的，无论是本地的还是远程的。

尽管本公开已经描述了某些实施例和一般关联的方法，这些实施例和方法的变更和置换对本领域技术人员显而易见。因此，示例性实施例的上述描述没有定义或限制本公开。在不背离本公开的精神和范围的情况下，其他的改变、代替、和变更也是可能的，如下述权利要求所定义。

Claims (10)

1.一种用于工业设施的方法，包括：

将多个实时应用（202a-202n）与框架（124）关联，所述实时应用包括用于监测或控制至少一个工业设施中的装置（101a-101b、600、700、902-906）的应用，每个应用具有至少一个输入变量（204）和至少一个输出变量（205）；

使用图形应用中的一个或多个图形功能块来识别应用的输入变量和输出变量之间的关系，所述关系被用来识别数据依赖性；以及

在框架处接收数据更新，使用数据更新和数据依赖性来识别应用中的至少一个并且将数据更新通知给至少一个所识别的应用以支持框架的数据驱动操作；

其中框架的数据驱动操作将数据提供给应用以支持下述各项的至少一个：装置的性能监测、对装置的操作的分析、以及对异常装置情况的识别。

2.根据权利要求1所述的方法，其中框架的数据驱动操作维护应用中的多个操作序列，所述操作序列使用所提供的数据来执行。

3.根据权利要求1所述的方法，其中识别关系包括：

识别每个应用的至少一个输入变量和至少一个输出变量之间的关系以识别针对每个应用的变量依赖性矩阵（208a-208n）；以及

组合针对所述应用的变量依赖性矩阵以生成定义变量的分层结构（250）的最终变量依赖性矩阵（212）。

4.根据权利要求1所述的方法，其中所述应用包括嵌入在运行环境内的原生应用和添加到运行环境的定制应用二者。

5.根据权利要求1所述的方法，其中：

接收数据更新包括在一个或多个数据流（310）中接收数据更新；并且

通知至少一个所识别的应用包括使用实时数据服务（416、424、1006）。

6.根据权利要求1所述的方法，其中所述框架包括多个层，所述层包括：

数据采集器层（502），被配置成从数据源（102、110c、612、710、1004）接收数据更新；

数据验证层（504），被配置成验证接收到的数据更新；

提取层（506），被配置成使用所述数据更新来识别与所述装置关联的关键过程指示器；

故障诊断层（508），被配置成识别与所述装置的子组件关联的故障；以及

健康指数集成层（510），被配置成使用识别出的故障来识别针对所述装置的健康指数值。

7.根据权利要求6所述的方法，其中：

所述装置包括具有旋转组件的一件装置；

所述数据更新包括振动数据；以及

所述关键过程指示器包括与振动数据关联的频率谱（620）。

8.一种用于工业设施的装置，所述装置包括：

用于使用图形应用中的一个或多个图形功能块来识别与框架（124）关联的多个实时应用（202a-202n）的输入变量和输出变量（204-205）之间的关系的装置，所述关系被用来识别数据依赖性，所述应用包括用于监测或控制至少一个工业设施中的装备（101a-101b、600、700、902-906）的应用，每个应用具有至少一个输入变量（204）和至少一个输出变量（205）；以及

用于在框架处接收数据更新、使用数据更新和数据依赖性来识别应用中的至少一个并且将数据更新通知给至少一个所识别的应用以支持框架的数据驱动操作的装置；

其中框架的数据驱动操作被配置成将数据提供给应用以支持下述各项的至少一个：装备的性能监测、对装备的操作的分析、以及对异常装备情况的识别。

9.根据权利要求8所述的装置，其中所述框架包括多个层，所述层包括：

数据采集器层（502），被配置成从数据源（102、110c、612、710、1004）接收数据更新；

数据验证层（504），被配置成验证接收到的数据更新；

提取层（506），被配置成使用所述数据更新来识别与所述装备关联的关键过程指示器；

故障诊断层（508），被配置成识别与所述装备的子组件关联的故障；以及

健康指数集成层（510），被配置成使用识别出的故障来识别针对所述装备的健康指数值。

10.根据权利要求9所述的装置，进一步包括：

用于实现资产管理器（900）的装置，所述资产管理器被配置成使用框架的层来监测装备的操作；以及

用于提供用于资产管理器的图形用户接口（GUI）（1100）的装置，图形用户接口（GUI）识别装备和装备的状态；

其中图形用户接口（GUI）包括树图（1602），所述树图包括多个块（1603），每个块与一件装备相关联，每个块的指示器识别该件关联装备及所述装备的子组件的状态。