用於對技術系統進行建模的方法與流程
2023-05-19 13:36:26 4
本發明涉及一種用於對技術系統進行建模的方法。
背景技術：
技術系統的建模尤其是對於這種複雜技術系統的運行和優化而言變得越來越重要。例如，將所謂的學習模型用於優化燃氣渦輪機以及用於前瞻性的維護、並且還用於在機器運行時的成本降低。
在分析複雜技術系統的數據時的巨大挑戰是該技術系統的數據連接的高維度的數據空間。例如，現代大型燃機渦輪機提供用於10000個以上變量的數據。在車輛生產線的車身製造車間中，150個控制裝置例如以每分鐘總共6000000個以上的數據點的數據率來提供100000個以上的變量。在沒有其它信息的情況下，必須考慮這些變量彼此間的全部潛在關係。如果分別具有100個傳感器的兩個機器被視作另一示例，則在這兩個機器連接的情況下在這些傳感器之間存在4950種可能的關係。
對於在大組的輸入參量的情況下可能的子組合而言，在輸入參量的數目進一步增長的情況下也組合地（kombinatorisch）得出急劇增長的數目。
技術實現要素：
在現有技術的此背景下，本發明的任務是提供一種經改進的用於對技術系統進行建模的方法。
該任務利用具有在權利要求1中說明的特徵的用於對技術系統進行建模的方法來解決。本發明的優選的改進方案在所屬的從屬權利要求、隨後的描述和附圖中予以說明。
在按照本發明的用於對技術系統進行建模的方法中，首先生成技術系統的語義系統模型，並且隨後藉助於依賴性分析來分析在系統模型之內的依賴性，所述依賴性分析基於所述語義系統模型的特性。也就是說，所述語義系統模型的特性被考慮用於依賴性分析。藉助於依賴性分析，大量的依賴性可以在其重要性方面被估計。
在按照本發明的方法的第一步驟中，對技術系統生成系統模型。對此，按照本發明，用於該技術系統的背景知識自動化地被考慮。可考慮用於此的技術本身是公知的。在按照本發明的另一優選的改進方案中，藉助於控制信息和/或過程信息和/或組成信息來生成語義系統模型。
這種控制信息和/或過程信息和/或組成信息適宜地譬如作為傳感器名稱系統和/或尤其是作為發電站識別系統（kks）而存在。其它的信息源譬如是自動化系統、諸如來自西門子家居（hausesiemens）的tia模型（tia=（英語）「totallyintegratedsystems（完全集成系統）」）。此外，還可以使用技術系統的構造計劃和/或設備計劃的信息。此外，還可以考慮如下控制例程，所述控制例程控制了該技術系統的控制裝置。
適宜地，每個模型實體都以知識表示語言來映射。優選地考慮為此建立的知識表示語言、尤其是owl（owl=（英語）「webontologylanguage」（網絡本體語言））和/或rdf（rdf=（英語）「resourcedescriptionframework」（資源描述框架）)。在此，以適當的方式將來自不同的信息源的信息如上面所描述的那樣組合在單個的本體中。理想地，在語義上標識出本體的彼此相對應的概念並且使它們彼此等同，也就是說所述本體相對應地被統一（konsoldieren）。以這種方式，建立在所述各個模型實體之間的和在這些正在進行的數據流之間的上下文。
所得到的語義系統模型隨後可以被壓縮。對此，該系統模型被減小到在模型實體之間的重要的關係。這藉助於依賴性分析來進行。對此，首先確定系統模型的實體或者組件之間的潛在依賴性。這種重要的關係尤其是從下列各項中得出：相同的物理環境（空間上特別接近和/或環境溫度的特別小的偏差）和/或在實體之間的過程關係、和/或由相同的系統部分或者相同的軟體進行的控制和/或共同的資源、特別是共同的能量供應和/或由運行人員進行的共同運行和/或其它的共性（譬如相同的製造商、相同的運行年齡和/或相同的配置）。
這些重要的依賴性可以被形式化，尤其是被表達為實體的「……的一部分」關係、被表達為在生產步驟之間的時間上的「在……之後（nachher）」關係或者被表達為以「基於……來計算的」關係的類型的控制邏輯關係或者被表達為具有確定的部分、資源或者特徵的實體或者被表達為「具有……」關係。
現在，最終得到的語義系統模型不依賴於最初曾被考慮用於系統建模的信息源。此外，該語義系統建模不依賴於該技術系統的相應的具體技術領域（譬如能量獲得或者製造等等）並且同時保持以知識表示語言來形式化。
在按照本發明的方法的一優選的改進方案中，在系統模型中根據依賴性分析來對依賴性進行加權。
在按照本發明的方法中，優選地在系統模型中對依賴性進行加權，其方式是所述依賴性根據依賴性分析在所述依賴性的數目方面被減小。
藉助於按照本發明的方法，不必手動地減小複雜技術系統的高維度的數據空間。按照本發明，對此必要的需要進行全面的事實澄清（sachaufklaerung）和與精通相關事項（einschlaegig）的工程師對系統的不同的部分或者過程進行協調的花費是不必要的。系統建模因此也可以明顯更快地進行。此外，按照本發明的系統未受如下偏見影響：所述偏見尤其引起在系統的部分或者實體之間的重要的關係錯誤地沒有被考慮或者沒有適度地被考慮的風險。
所述按照本發明的方法可以在高維度的數據空間方面顯著更好地被縮放，因為按照本發明可以明顯減小可能的依賴性的數目。尤其是，迄今為止由於其大的複雜性而已避開（entziehen）深入的系統建模的技術系統可以變得可操作。
按照本發明，分析模型的質量顯著地被改善，使得更好的預測、原因澄清和對系統的控制是更好地可能的。
在按照本發明的方法的一有利的改進方案中，依賴性分析檢查：相應依賴性是否是定向依賴性。
按照本發明，在各個系統實體之間的依賴性關係和獨立性關係以適當的方式如隨後所解釋的那樣來確定。
在本情況下，獨立性被理解為定向的和直接的關係。「定向」是指：參量a依賴於b，但是b不一定依賴於a（例如雨不依賴於街道的潮溼，但是街道的潮溼一定依賴於雨的出現）。「直接」是指，兩個參量之所以彼此未曾具有依賴性關係，僅僅是因為兩個參量中的第一參量直接依賴於第三參量，所述第三參量直接依賴於所述兩個參量中的第二參量。這兩個參量僅僅間接地依賴於彼此。
所述依賴性關係現在由系統模型的重要的依賴性得出。
譬如如果對於兩個參量適用：所述兩個參量中的第一參量是系統的第一組成部分的部分而所述兩個參量中的第二參量是系統的第二組成部分的部分，而且此外還適用：系統的所述兩個組成部分在物理上彼此隔離，那麼推斷出：所述兩個參量分別不依賴於彼此。
此外，如果在「在……之後」關係的意義上與第二參量相比在稍後的過程步驟中出現參量，那麼所述第二參量不依賴於所述稍後出現的參量。
此外，如果第二參量已經基於第一參量被計算，那麼第一參量不依賴於第二參量，而第二參量依賴於第一參量。
此外，譬如對於系統的組成部分具有實體a和b所依據的「具有」關係而言，在a與b之間分別設有「非不依賴」關係。
以這種方式，語義系統模型可以被抽象到相對應的依賴性信息。
所述相對應地被抽象的語義系統模型現在理想地經歷上下文敏感的分析：對此有三種方法可供支配：一方面從依賴性分析中獲得原因信息。這樣，尤其是可以從技術過程的事件的狹窄的（eng）時間序列可靠地推斷出因果關係。此外，對此還可以考慮控制裝置的控制指令。
該關聯可以按如下方式來圖解說明：譬如應已知的是，參量b不依賴於參量a。此外還應已知的是，參量a和b彼此具有高相關性。兩個信息一起來考慮，可以推斷出a依賴於b。如果會存在多個變量，那麼在共同原因的意義上仍然會要檢查a和b與第三變量的同時存在的依賴性。對此的相對應的算法本身是已知的。
隨後，依賴性信息可以被用來執行如下系統分析，所述系統分析在其它情況下由於高維度的數據空間而不可能會已經被執行。
為了圖解說明起見，該方法被構造為使得譬如與在例如用於失效預測的技術過程中的類變量c的關係可以基於依賴性和因果性關係被劃分成關於c重要的和不重要的。這樣，適宜地將所述類變量c與其它參量的所有的直接依賴性保留為重要的。而c僅僅間接地依賴於的全部影響參量沒有作為重要的關係被保留。相對應地明顯減小了類變量c的依賴性。此外，那些稍後作為類變量c出現的參量未進一步被考慮，因為原因始終在時間上先於（vorausgehen）其效果。
上面所描述的方法可以在按照本發明的方法中被用於原因澄清。對此，重要的依賴性根據可能的原因、譬如針對在技術系統中出現的故障被分析。對此，尤其是也考慮來自語義系統模型的信息。
優選地，在按照本發明的方法中，依賴性分析的結果被考慮，並且以此為基礎來執行對技術系統的監視和/或對系統的控制和/或對這種控制的改善和/或針對該技術系統的過程的原因分析和/或對該技術系統的數據的分析。
按照本發明的方法優選地被構造為自我學習的（selbstlernend）。
按照本發明的電腦程式產品被構造用於執行上述方法。
附圖說明
隨後，依據在附圖中所示出的實施例進一步解釋本發明。
圖1以原理圖示意性地示出了按照本發明的用於對技術系統進行建模的方法的過程步驟；以及
圖2以原理圖示意性地示出了在按照圖1的按照本發明的方法的過程步驟中的依賴性分析。
具體實施方式
在圖1中所示出的按照本發明的用於系統分析的方法是按照本發明的用於在車間製造系統的車輛生產線中焊接門時預測質量問題的方法的組成部分。該車間製造系統形成技術系統tes。在其它的、沒有專門被示出的實施例中，按照本發明的方法是在其它的後置的數據分析的組成部分。
在所述技術系統tes中提出的任務是：基於之前的事件和測量來預測在門中的質量問題。在安裝線中的最後的控制裝置負責質量檢查並且當在門與其餘的車輛之間的間隙尺寸（spaltmass）不同於預先給定的額定間隙時觸發門質量事件c（參見圖2）。這種事件的原因或者可能是錯誤地被設置的安裝機器人，或者也可能是在定位其餘的車輛時的問題或者安裝機器人對門的有錯誤的接受或者一系列其它的原因。在此，為了具體的數據分析ana，首先要如下所述地獲得數據dat：
首先進行語義系統模型ssm的生成smg。對此，用於構造plc單元（plc=（英語）「programmablelogiccontroller」（可編程邏輯控制器））的構造計劃被考慮，並且可由此得到的語義信息ext被記錄（festhalten）在統一的語義系統模型ssm中。此外，還可以考慮製造過程模型，所述製造過程模型例如在simatic-it-mes製造軟體包中是可得到的。
現在，緊接於此的是依賴性分析dea：從所述語義系統模型ssm中得出變量與物理傳感器的關係inf和這些傳感器與plc單元的關係。因而，然後自動化地列出（aufstellen）一系列位置關係以及「……的組成部分」關係。譬如以iec-61331-3程序語言來寫的控制plc單元的程序透露出（preisgeben）以計算上的依賴性為類型的關係。此外，藉助於製造模型還可以得出一組時間關係、即「先於……」和「後於……」類型的關係。
在依賴性分析dea中，現在（圖2）物理上彼此分開的plc單元f和時間上在門安裝步驟b之後被測量測量、因此配備有時間上「後於……」關係s的變量被表徵為關於門質量事件c無關的。這種時間上在門安裝步之後有意義的變量例如包括這種在內部的門襯板的安裝d期間的變量e。對此，以本身公知的方式採用進行推理的（schlussfolgernd）軟體組件、所謂的「語義推理程序（semanticreasoner）」。該軟體組件如前所述那樣將變量的時間關係映射到依賴性關係。直接依賴性d藉助於生產過程信息來得出，所述生產過程信息譬如以確定的原因（譬如相同組件的加工）來使門質量事件以及定位事件彼此相關。所述依賴性分析現在將所得出的關係inf減小到僅僅直接的關係did。
在數據分析ana的範圍內，緊接於此的是上下文敏感的分析caa，在所述上下文敏感的分析caa中，對門質量事件的預測通過對如下那些變量的近鄰分類（naechst-qualitaets-einstufung）來進行：所述變量直接影響門質量，也就是說門質量事件直接依賴於所述變量。近鄰分類可以利用本身公知的算法來執行。結果是直接依賴性的明顯被減小的模型：這樣，對於門安裝質量的問題，譬如對內部的門襯板的安裝不再被考慮被。相對應地，結果是明顯被減小的問題空間，在所述問題空間中可以進行其它的分類、組合或者預測。
而對於藉助於之前的步驟不能進行充分的依賴性分析的情況，從語義模型中得出簡單的依賴性圖，其中僅僅包含「依賴於……」關係。藉助於學習算法，將這種線性的依賴性模型與所述語義模型的現實情況適配。
原則上，也可以在其它的實施例中在上下文敏感的分析的範圍內進行原因澄清roc或者也進行其它的對顯得重要的特性fes的提取。
沒有專門被示出的第二實施例涉及在燃氣渦輪機中的異常的燃料溫度的原因澄清。對此，首先依據發電機識別系統（kks）形成傳感器系統的語義模型。該系統的結構向系統添加（auflegen）一系列依賴性重要的關係：這樣，經過該系統的質量流的方向明確地並且事先被確定。經過該系統的質量流導致各個實體的一系列時間上的「在……之後」關係。例如，在將燃料單元點火之前測量燃料單元的溫度和組成。此外，與此相對地，稍後測量廢氣溫度。此外，該系統的結構包括大量「是……的組成部分」關係。
類似於先前的實施例地進行依賴性分析。基於時間上的「在……之後」關係跟著的是：燃料溫度不依賴於廢氣溫度，而反之（umkehrschluss）不一定正確。基於該依賴性分析，執行原因被澄清。基於所述原因澄清，針對異常的燃料溫度的最後的原因被確定。根據依賴性分析，從可能的原因的集合中自動地排除了廢氣溫度。