用于自动化装置的扩展装置的制作方法

本发明涉及用于工业系统中的一个或多个自动化装置的扩展装置。本发明尤其涉及能够基于一个或多个人工神经网络执行数据处理的工业数据处理单元。本发明还涉及一种系统、自动化装置和方法。

背景技术：

随着ai技术(人工智能技术，也称为机器智能)变得更可靠并且在工业系统中的应用变得更普遍，需要工业ai装备。常规的自动化装置，诸如可编程逻辑控制器(也称为plc)，不具有ai技术所需的计算能力。基于云的ai解决方案是可用的，但对于车间解决方案并不容易实施，也就是说，基于云的ai解决方案的结果可能不容易在车间获得。

本发明的目的是启用和/或加速工业系统中的一个或多个计算，从而简化将人工智能集成到工业系统中。本发明的另一个目的是简化能够使用人工智能处理数据的扩展装置与自动化装置之间的数据交换。计算可以包括运算。

该问题通过扩展装置来解决，该扩展装置可操作以获得指示自动化系统的一个或多个状态的一个或多个计算的一个或多个结果。该扩展装置进一步可操作用于经由与该自动化装置共享的一个过程状态模型来提供一个或多个结果以监视和/或控制该工业系统。控制包含但不限于实际开环或闭环控制、改变设定值、极限值、停止、开始暂停或更新工业过程。

该扩展装置可以是物理模块，该物理模块可以例如紧挨着自动化装置(例如，plc)安装在型材轨道上。扩展装置也可以构建为现有自动化装置的插件模块。将扩展装置集成到自动化装置中也是可能的，例如利用插接解决方案和/或直接硬件集成。

这些计算例如是神经网络(也称为人工神经网络(ann))的计算和/或运算。

结果可以是应用的计算的任何结果，其中计算是对直接或间接源于工业系统的数据进行的。结果包含但不限于工业系统中发生或将要发生的事件的分类。例如，这样的事件可以是在生产线或过程自动线中使用的例如传感器和执行器的数据中显示的异常模式。还可以计算指示所生产的产品具有异常模式的质量指示器。异常模式可指示实际事件发生之前的故障或低质量。

工业系统应被理解为例如要在专业工业环境中使用的过程工业系统、自动化工业系统、楼宇自动化系统等。

工业系统的一个或多个状态可以是作为整体的系统的一个或多个通用指示器，诸如自动化控制器、i/o装置、传感器、执行器等的单个实体的一个或多个指示器，或者一组或多组实体的状态。状态可以是基于以下中的至少一者的值或其他参数：一个或多个感测的数据、一个或多个预测的数据或一个或多个计算的数据。由此该数据可以指示所描述的实体的状态。例如：马达是包括以下状态中的一者或多者的执行器：旋转速度、扭矩、温度、电流、电压、健康状况、运行时间、维护指示器…。这些状态中的每一者都具有被划分成子状态的可能性，例如温度可以是转子温度、定子温度或电动机总体中值温度。状态也可以是在工业系统中生产的产品的状态，例如质量指示器。在一个可能的实施例中，这些状态中的一者或多者可以是二进制的，例如1表示：该产品有资格满足所有质量要求，并且0表示：该产品没有资格进一步处理并且因此必须被处置或修复。

过程状态模型通常是自动化装置与扩展装置之间共享的数据结构，使得自动化装置能够直接使用扩展装置提供的结果。该过程状态模型优选地包括由该自动化装置用于控制和/或监视该工业系统的一者或多者优选地所有当前状态的实际表示。在示例性实施方式中，过程状态模型表示输入和输出装置的二进制表示。一种过程状态模型的形式被称为plc中通常使用和已知的过程映像或者德语“prozessabbild”。过程状态模型被用作控制和/或监视工业系统所需的状态的中间存储器。这具有的优点是，当执行程序中的特定功能时，输入和/或输出不必从寄存器读入或写入寄存器。

技术实现要素：

本发明已经示出经由过程状态模型的通信对于在例如神经处理单元的扩展装置与自动化装置之间交换数据是有利的。这包括但不限于经由过程状态模型从扩展装置向自动化装置返回一个或多个计算的一个或多个结果。自动化装置可以直接访问经由过程状态模型交换的结果，而不必访问用于与扩展装置通信的不同api。这样的通信的工程设计由此被简化并且集中于这些过程并且无论如何需要其用于包含任何其他模块。因此工程设计不必创建单独的自定义界面。

整个过程状态模型或部分的过程状态模型可以由类似中断的事件周期性地触发更新，或者可以部分周期性地和部分由事件触发更新。

关于安全性和/或安全措施，过程状态模型可以仅部分地与扩展装置共享，其中扩展装置仅能够访问与其计算相关的数据，并且还能够访问扩展装置可放置其结果的过程状态模型的一部分。结果可直接以状态或以原始形式提供，以供自动化装置进一步处理。为了传输大部分数据，过程状态模型可以具有“传输就绪”指示器。侧信道可用于例如经由数据记录来传输较大部分的数据。

在另一个实施例中，扩展装置是神经处理单元。该神经处理单元可以尤其被配置为计算一个或多个人工神经网络。这使得能够在工业系统中直接使用ai算法并且便于在工业环境中使用ai。

在另一个实施例中，扩展装置被操作用于通过将逻辑应用于计算的中间结果来获得一个或多个结果。在一些情况下，来自真实工业工厂的实际数据可以和/或应该通过应用逻辑被分割成多个类别。可以例如通过应用“if-then”结构或其它更复杂的分割技术来实现分割。该逻辑可以在原始数据被提供用于计算之前应用于原始数据。可以直接在原始数据上执行计算，然后将其提供给逻辑并进一步提供给其它计算。在将结果提供给自动化装置之前，还可以首先进行计算，并且逻辑作为后续步骤。

在另一实施例中，为了以方便的方式提供结果，扩展装置被操作以用一个或多个结果更新至少部分的过程状态模型。该自动化装置可以使用并且进一步处理这些结果而没有任何进一步延迟。更新过程状态模型可以通过将变量写入过程状态模型的适用部分、重写较旧的现有结果和/或在过程状态模型中创建要在自动化装置中的扩展装置之间交换的新部分来实施。为了避免经由自动化装置和扩展装置之间的通信接口传输不必要的数据，证明了定义过程状态模型的应当分别由扩展装置和自动化装置更新的部分是有利的。

在另一个实施例中，扩展装置包括操作用于执行一个或多个计算以提供结果的处理器。在优选实施例中，处理器适于以有效的方式计算神经网络，优选地以并行处理能力来计算。处理器可以包括一个或多个处理单元、一个或多个控制单元、一个或多个易失性和非易失性存储器和/或一个或多个外围接口。

在另一个实施例中，扩展装置包括被配置为执行一个或多个计算的处理单元。该处理单元被适配成例如与这些自动化装置相比以更高的效率和/或更高的速度来执行这些计算。处理单元可以包括神经网络加速架构。这些可以是专门用于计算卷积、矩阵乘法等的特定子处理器。处理单元可以包括多个不同或相同的子处理器。

在另一个实施例中，扩展装置包括适于利用simd结构执行至少部分计算的处理单元。simd结构表示单指令、多数据并描述具有同时对多个数据点执行相同操作的多个处理元件的计算机。专门用于ai目的的现代处理单元具有专门用于基于simd的计算的多个处理核心。处理单元还可与适于运行程序以控制处理单元的simd架构的单独控制单元通信。处理单元可以是处理器的一部分。

在另一个实施例中，扩展装置包括基于神经网络加速架构的处理单元。为此，处理单元可以包括神经网络加速架构。该架构可以是专门用于计算卷积、矩阵乘法等的特定子处理器/子处理单元。处理单元可以包括多个不同或相同的子处理器。该架构可以是集成处理器和/或soc的一部分。

在另一个实施例中，扩展装置包括被设计为提供具有0、1或更多tops/watt的计算的处理单元。tops/watt描述了每单位能量消耗的处理效率的量度，并且是描述ai单元(也称为npu-神经处理单元)、张量处理单元等的处理能力的已知参数。tops/watt表示每瓦消耗能量每秒太拉运算(10¹²或10^12操作)。处理器优选提供0、1；0、5；1或2或更多tops/watt。显然，尽管没有无限的处理能力可用，但是本领域的技术人员将选择如本申请中描述的最适合于本发明的处理单元或具有一个或多个处理单元的处理器。上述值描述了当前可用的处理器/处理单元(例如，intelmovidiusmyriadx或google的cloudtpu)，这随着时间也会过时。因此，在不脱离本发明的范围的情况下，本领域技术人员可以在将来选择现有技术水平的处理单元/处理器。高能效处理单元的使用具有减少对有功功率耗散的需要和减少总体功率消耗的极大优点。

处理单元的上述实施例的一个或多个特征可以被组合在单个处理器和/或处理单元中。

在另一个实施例中，扩展装置包括处理单元，其被设计来提供具有每秒至少10gflops，优选地20、50或100或更多gflops浮点运算的处理速度的计算。

在另一个实施例中，该扩展装置可操作用于经由该过程状态模型获得工业数据。该工业数据可以以主动或被动的方式从该工业系统获得。主动获得工业数据将是直接从自动化装置请求数据和/或请求用于连接到自动化装置的装置的数据。被动地获得数据将是经由过程状态模型读取由自动化装置提供的数据。

在另一个实施例中，扩展装置包括控制单元，该控制单元被配置为经由过程状态模型从自动化装置检索和/或提供数据。在该优选实施例中，控制单元是经由过程状态模型控制通信的单元。这具有以下优点：减轻了实际处理单元的通信和管理开销，并且可以集中于结果的实际计算。控制单元可以是可编程的，并且可以为扩展装置提供操作系统。该控制单元可以被配置为控制这些计算。控制单元可以执行应用以控制处理单元执行计算。控制单元可以实施扩展装置子系统之间的协调和配置。这包含但不限于配置扩展装置本身，将数据从进程状态模型路由到在数据处理组件中运行的应用程序。启动、停止和加载应用程序以及在自动化装置和扩展装置之间实施通信协议。控制单元还可以与外围装置直接交互，例如向所连接的摄像机发送“拍照”命令。

在另一个实施例中，扩展装置包括通信接口，被操作用于在自动化装置与扩展装置之间交换至少部分过程状态模型。优选地，通信接口被设计为用于自动化装置与扩展装置之间的直接通信的背板接口。通过过程状态模型的通信还可以应用于其他通信技术，诸如profinet和其他工业通信标准。已经证明，应用访问控制机制来控制对公共资源(在这种情况下是过程状态模型)的访问是非常有利的。通常已知的访问控制机制的一个示例是在硬件基础上使用信号量或类似机制。

在另一个实施例中，过程状态模型包括自动化装置的输入和/或输出的状态表示。二进制输入的状态表示可以是例如逻辑高的“1”或逻辑低的“0”。如果输入例如是具有8位分辨率的dac，则状态表示可以是范围从0到255的任何值。这些示例说明了状态表示的基本原理，它们也可以包括复杂得多的数据。使用过程状态模型的实施方式具有以下优点：自动化装置不必在每个周期读入输入或在每个周期写出输入，从而基于硬件的i/o处理与实际应用分离。这简化了作为系统一起工作的自动化装置和扩展装置的编程。作为通过过程状态模型通信的当前实施例和扩展装置的极大优点是，结果可以像在自动化装置中和/或在自动化装置的输出中那样被处理，并且可以同样简单和快速地被处理。在自动化装置和扩展装置之间共享的部分过程状态模型还可以包括输入和/或输出的任何状态表示。

在另一个实施例中，扩展装置包括操作用于提供到数据源的连接性的外围连接系统。数据源优选地被直接连接到扩展装置。在该优选实施例中，扩展装置提供直接连接到诸如摄像机、传感器和/或其它数据源的外围装置的能力。当使用高数据速率装置时，这是非常有利的。例如，在具有高速摄像机的工业设备中用于质量保证的计算机视觉会产生大量数据，这些数据通常必须以足够的速度被处理以便在工业系统中使用。通过提供专用处理单元的扩展装置和能够直接连接到这样的高速和/或高带宽数据源的外围连接系统，实际的自动化装置不必承受来自那些数据源的不必要的数据负载。该外围连接系统可以被提供为但不限于usb3.0或3.1接口。其它接口，诸如以太网(例如gigevision)或光纤连接是可能的。

该问题还通过可操作用于配置扩展装置的工程系统来解决。工程系统是用于编程和/或配置自动化装置以及扩展装置的系统。工程系统为整个工业系统的设计提供了可能。众所周知的工程系统是siemens完全集成自动化门户(tiaportal)。

该问题还通过根据本发明的包括一个或多个自动化装置和一个或多个扩展装置的系统来解决。自动化装置中的至少一者操作用于根据由一个或多个扩展装置执行的一个或多个计算的一个或多个结果来监视和/或控制工业系统。该一个或多个结果经由过程状态模型提供给控制器。

该问题还通过自动化装置来解决，该自动化装置可操作用于基于由根据本发明的一个或多个扩展装置执行的一个或多个计算的一个或多个结果来控制工业系统。该一个或多个结果经由过程状态模型提供给控制器。

该问题还通过一种用于在工业系统中提供计算结果的方法来解决。该步骤包括：获得一个或多个计算的一个或多个结果，以及经由过程状态模型提供该一个或多个结果。获得步骤优选地由根据本发明的扩展装置来执行。这些结果表明该工业系统的一个或多个状态并且可以与自动化装置共享以监视和/或控制该工业系统。

以上定义的各方面和实施例以及本发明的其他方面和实施例在以下描述的示例中示出并参考附图进行说明，但本发明不限于此。

附图说明

图1是工业系统中具有扩展装置的自动化装置，

图2是具有扩展装置和数据源的自动化装置；

图3是具有更详细的扩展装置的自动化装置；

图4是具有连接模块的扩展装置，

图5是具有多个扩展装置的自动化装置

图6是根据本发明的方法的流程图。

具体实施方式

图1示出了工业系统100内的包括自动化装置dev的系统10，该自动化装置具有附接的扩展装置mi。该自动化装置dev可以是例如plc。扩展装置mi和自动化装置dev可以被安装在基于轨道的安装系统上，例如直接地彼此相邻或至少在相同的背板通信上。用于将扩展装置mi插入到自动化装置dev中的插接解决方案是可能的，但未示出。工业加固对于扩展装置mi是有利的。工业系统100进一步包括传感器s和执行器a，它们仅示例性地代表工业系统100中的其他部件。如图所示，工业系统100在大多数使用情况下将具有高得多的复杂度。传感器s和执行器a经由工业总线pn连接到自动化装置dev，该工业总线例如是诸如profinet、profibus等的工业总线系统，并且可以连接到另外的i/o模块、传感器、执行器、hmi装置…。

自动化装置dev和扩展装置mi通过通信链路com连接，该通信链路由扩展到装置mi、dev上的虚线表示。通信链路com使得能够在两个装置dev、mi之间共享进程状态模型pm。通信链路com可以是由每个装置dev、mi中的背板通信asic提供的背板通信。这种asic通常从工业应用中已知。

过程状态模型pm示出了可以指示工业系统的任何状态的状态s1、…、sn。这包含但不限于：自动化装置dev或装置dev本身的i/o的状态s1、…、sn、工业系统100的装置的状态s1、…、sn、在工业系统100中生产的货物的状态s1、…、sn、货物的质量保证的状态s1、…、sn、在工业系统中使用的装置(诸如机器和工具)的健康状态的状态s1、…、sn。状态sl、…、sn可以由自动化装置用来控制和/或监视工业系统100。优选地，通过计算一个或多个人工神经网络来获得结果r1、…、rn。

在一个示例中，传感器s和执行器a可以分别提供指示它们自己的状态(开、关、温度等)的状态sl、…、sn。这些状态sl、…、sn可以被提供给自动化装置dev和/或由自动化装置dev本身轮询或确定。

扩展装置mi提供获得s2一个或多个计算c1、…、cn的一个或多个结果r1、…、rn的可能性。该扩展装置mi进一步经由该过程状态模型pm提供s3该一个或多个结果r1、…、rn。在另一个实施例中，扩展装置mi可以用结果r1、…、rn直接更新某些状态s1、…、sn。可选地如虚线所示，示出了获得s11用于基于状态sl、…、sn中的至少一者来执行计算cl、…、cn的状态sl、…、sn的步骤。

通信链路com优选地支持访问控制机制来控制对过程状态模型pm的访问以避免数据不匹配，例如状态s1在自动化装置dev中当前可用的过程状态模型pm内具有与扩展装置mi中当前可用的过程状态模型pm不同的值。对公共资源的这种访问控制机制的一个示例是信号量的使用。

在一个示例中，执行器a可以是电动机并且传感器s是连接到电动机外部的温度传感器。然后，自动化装置dev可以读入作为温度状态的传感器值并经由过程状态模型pm将其提供给扩展装置mi。然后，扩展装置m1中的经训练的神经网络可以提供指示预测状态sl、…、sn的结果r1,…，rn。在该示例中，这些结果可以是电动机的健康状态、电动机中不同位置处的温度、电动机的负载指示器。结果r1、…、rn优选地通过在扩展装置mi中的人工神经网络等来计算。

图2示出了与图1的系统类似的系统10，当涉及相同的元件时使用相同的附图标记。扩展装置mi(如示意性所示)经由外围接口pi直接连接到数据源ds。从数据源ds获得s12数据以至少部分地基于来自数据源ds的数据执行计算c1、…、cn的步骤可以由扩展装置mi执行。外围接口pi还被连接到计算c1、…、cn，表明数据源ds的数据可被馈送(直接地而不进行预处理或在应用某种形式的预处理时间接地)到计算c1、…、cn中。从状态sl、…、sn经由pm提供给计算c1、…、cn的虚线s11表示状态sl、…、sn可以被直接或间接用于计算c1、…、cn。这也在图1中示出。状态sl、…、sn还可被用于触发一个或多个计算cl、…、cn的执行，或者用于在扩展装置mi中可用的不同计算cl、…、cn(例如，不同的预训练神经网络)之间进行切换。

本发明的一个优点是图1和图2的实施例可以以任何方式组合。例如，经由工业总线pn连接的传感器s和执行器a可基于来自高速数据源ds的数据被用于计算cl、…、cn或在计算中使用。这确保了工业应用通常需要的灵活性水平。

图3示出了包括自动化装置dev和扩展装置mi的系统的更详细的视图。自动化装置dev包括通信接口ci，该通信接口经由通信链路com连接到扩展装置mi的通信接口ci。如从图1和图2已知的，通信链路com使得能够在扩展装置mi和自动化装置dev之间共享过程状态模型pm。

扩展装置mi包括处理器aicpu，该处理器aicpu包括另外的子单元和接口。控制单元cu连接到通信接口ci并用作管理单元，管理到自动化装置dev的连接并进一步提供经由过程状态模型pm接收的数据。控制单元cu还可以提供执行应用程序的执行环境。在扩展装置mi上执行的应用实施计算和结果所提供的功能。这些应用既可以在控制单元cu上执行也可以在处理单元pu上执行，其中在处理单元pu上执行实际的计算cl、…、cn。当在控制单元上执行应用的管理部分并且在处理单元pu上执行实际计算部分时，这是有利的。

处理单元pu提供用于以能量高效和时间优化的方式执行计算的实际硬件实现方式。存储器mem可以包括易失性高速存储器诸如ram(优选ddr-ram)和非易失性存储器例如sd卡sd，如图所示。其它非易失性存储器类型也是可能的。高速存储器可直接将用于计算的数据提供给处理单元。非易失性或持久性数据存储可具有其它用途。这样的用途可以是但不限于：存储来自通过处理单元pu运行的数据的样本、存储经由控制单元cu动态控制数据流和结果以用于数据处理的应用(计算c1、…、cn)、存储用于应用的数据(例如，经训练的神经网络)以及提供用于存储的数据/应用的存储，以直接或经由诸如背板总线、usb或以太网的通信功能从存储器复制/修改到存储器和从存储器复制/修改存储的数据/应用。

处理单元pu(即数据处理子系统)运行实际执行计算的应用。处理单元pu通常提供用于有效执行ai和神经计算的专用硬件，诸如具有simd能力的向量处理器，或实施矩阵运算或卷积的专用硬件，以及其它可编程处理单元。控制单元cu可以通过运行控制计算的用户应用的一部分来控制处理单元pu。

控制单元cu可以提供对外围接口pi的访问。在该实施例中，外围接口pi包括两个usb端口和以太网端口eth。外围接口pi可以被设计为连接到能够提供可用于计算以提供结果的数据的任何类型的装置。例如，到多个数据源ds的无线通信是可能的，并且对于例如已经存在的工业工厂的改型解决方案是特别有用的。

如处理单元pu、控制单元cu和存储器mem之间的实心黑色连接所指示的，这些单元(或子单元)中的每一者可以直接地或经由控制单元cu访问另一部分。在一些实施例中，只有单元pu、cu、mem的部分可以由其它单元访问。一般构思是控制单元cu在运行应用程序的同时管理功能，并通过为应用程序提供的计算cl、…、cn来控制处理单元pu的操作。处理单元pu访问存储器mem，特别是快速存储器，如ddr-ram，以处理控制单元cu提供的数据。

摄像机cam被连接到外围接口p1。来自摄像机cam的数据经由外围接口pi被提供给控制单元cu。摄像机可以通过以太网(例如gigevision)、usb3.0、3.1或以下标准连接。

处理器aicpu可以设计为提供上述所有单元的单个soc(片上系统)。处理器aicpu还可以被构建为处理板，该处理板包括被分组到单个硬件芯片上的子单元中的一些子单元以及被提供为独立处理硬件的其他子单元。

在详细示例中，典型的计算cl、…、cn可以如下，单个步骤按照它们的常规执行的顺序，具有交换、重复或跳过步骤的可能性。

1)自动化装置dev(例如plc)不断地更新过程状态模型pm，从扩展装置mi读取输入并将输出写入扩展装置mi。所有这些都可以在自动化装置的一个循环中完成。

2)自动化装置dev上的触发事件可以是组织块的执行的开始(其可以例如通过周期性的中断/触发而自由地运行或精确地定时。组织块有时被分别称为连续任务或周期任务。

3)自动化装置dev触发扩展装置mi中的命令。这可以通过在过程状态模型pm中设置标记来执行。

4)可选地和/或附加地，可以将数据记录从自动化装置dev并行发送到扩展装置mi。数据记录是通常在自动化装置中使用的直接数据传输的形式。

5)当触发器在扩展装置mi中被处理时，控制单元cu会调用扩展装置mi要处理的应用中的功能。

a.可选地，可以通过使用外围接口pi来执行从外部数据源ds(如摄像机cam)收集附加数据。扩展装置mi可以经由过程状态模型pm提供指示器，该指示器指示图像已经被捕获并且现在可用于例如由处理单元pu进一步处理。该指示器可以是状态sl、…、sn。

b.在进一步的步骤中，根据数据处理需要对所采集的数据进行预处理，这例如可以是对一个或多个图像进行归一化，从而实现恒定水平的对比度和/或亮度，或者将一个或多个图像缩放至适于进一步处理的分辨率。可将逻辑应用于数据以消除不需要的数据或选择用于进一步预处理的数据。

c.之后，所有数据(例如，经由过程状态模型pm获得的、来自自动化装置dev的状态sl、…、sn，来自数据源ds、执行器a和/或传感器s的值)以类似于由处理单元pu期待的数据处理应用的形式被打包。

d.下一步骤是由处理单元pu执行由应用的数据处理部分规定的一个或多个数学函数。

e.在后处理步骤中，一个或多个数学函数的一个或多个结果被聚集并准备返回到自动化装置dev。

f.在已经应用了所有功能之后，收集一个或多个结果r1、…、rn并且通知控制单元cu。

6)然后，控制单元cu经由过程状态模型pm将处理结果提供给自动化装置dev。

7)在该自动化装置dev中处理该一个或多个结果以监视和/或控制该工业系统。由于计算可能花费几个周期，新结果的可用性可以由过程状态模型pm中的状态位(例如二进制状态)来指示。

图4示出了包括与连接模块cm连接的扩展装置mi的系统的另一实施例。连接模块cm通过总线接口pni提供与工业总线系统pn的连接。工业总线系统pn提供到自动化装置dev的连接。连接模块cm包括与扩展装置mi的通信接口ci连接的通信接口ci。通信接口ci提供从先前实施例已知的通信链路com。过程状态模型pm经由工业总线系统pn和连接模块cm从自动化装置dev扩展到扩展装置mi。连接模块cm允许来自图1、2和/或3的所有实施例应用于图4所示的实施例。在另一个实施例中，连接模块cm可以是扩展装置mi的一部分(诸如插件模块)。

图5示出了具有多个扩展装置mi的单个自动化装置dev。从先前实施例已知的过程状态模型pm扩展到所有装置dev、mi。当必须计算用于不同目的(例如，一个用于摄像机质量检查并且一个用于工业系统的总体健康状态)的多个神经网络和/或需要更多的处理能力时，这可能是有利的。还可以在多个扩展装置mi之间分布大型神经网络。这显示了经由根据本发明的过程状态模型pm的通信能够实现的灵活性。

图6示出了适用于扩展装置mi的方法的实施例的示例的流程图。在不脱离本发明的范围的情况下，可以遵循或改变所提供的顺序。一些步骤s11、s12、s2、s3可以被跳过或执行一次以上。

第一步骤包括获得s11状态s1、…、sn，用于基于状态s1、…、sn中的至少一者来执行计算c1、…、cn。第二步骤包括从数据源ds获得s12数据以执行计算c1、…、cn。计算cl、…、cn至少部分基于来自数据源ds的数据，并且可以由扩展装置mi执行。获得s11和s12的步骤是可选的，可以进行多次。

第三步骤包括由扩展装置mi来获得s2，获得一个或多个计算c1、…、cn的一个或多个结果r1、…、rn。结果r1、…、rn指示工业系统100的一个或多个状态s1、…、sn。

第四步骤包括经由与自动化装置dev共享的过程状态模型pm来提供s3该一个或多个结果r1、…、rn以监视和/或控制工业系统100。

本发明涉及用于工业系统100中的一个或多个自动化装置dev的扩展装置mi。本发明尤其涉及能够基于一个或多个人工神经网络进行数据处理的工业数据处理单元pu。为了在工业系统100中启用和/或加速一个或多个计算cl、…、cn，从而简化将人工智能集成到工业系统100中，并且为了简化能够使用人工智能来处理数据的扩展装置mi与自动化装置dev之间的数据交换，本发明提出获得s2一个或多个计算c1、…、cn的一个或多个结果r1、…、rn，其中这些结果r1、…、rn指示工业系统100的一个或多个状态s1、…、sn并且经由与自动化装置dev共享的过程状态模型pm提供s3一个或多个结果r1、…、rn以监视和/或控制工业系统100。