数据建模工作室的制作方法
本申请是申请号为201480014734.3、申请日为2014年3月17日、发明名称为“数据建模工作室”的中国发明专利申请的分案申请。
本申请通常涉及过程工厂和过程控制系统，并且更具体地涉及使用数据建模工作室来创建并且执行在过程工厂中和/或在过程控制系统中并且特别是在实现大数据体系结构的过程控制系统中的数据处理模型。
背景技术：
分布式过程控制系统，如在化学、石油或其它过程工厂中使用的那些一般包括经由模拟、数字或组合模拟/数字总线或经由无线通信链路或网络通信地耦合到一个或多个现场设备的一个或多个过程控制器。可以是例如阀、阀定位器、开关和发射机(例如温度、压力、水平和流速传感器)的现场设备位于过程环境内，并且通常执行物理或过程控制功能，例如打开或关闭阀，测量过程参数等，以控制在过程工厂或系统内执行的一个或多个过程。智能现场设备(例如，符合公知的现场总线协议的现场设备)也可以执行控制计算、警告功能和通常在过程控制器内实现的其它控制功能。也一般位于工厂环境内的过程控制器接收指示由现场设备进行的过程测量的信号和/或涉及现场设备的其它信息，并且执行例如运行做出过程控制决策的不同的控制模块的控制器应用，基于所接收的信息生成控制信号，并且与在现场设备(例如，
来自现场设备和控制器的信息通常通过数据高速公路对一个或多个其它硬件设备(例如，操作员工作站、个人计算机或计算设备、数据历史库、报告发生器、集中式数据库、或一般放置在控制室中或在远离苛刻的工厂环境的其它位置处的其它集中式管理计算设备)而言变得可用。这些硬件设备中的每一个一般集中在过程工厂或过程工厂的一部分当中。这些硬件设备运行如下应用，其可以例如使操作员能够执行关于控制过程和/或操作过程工厂的功能，例如，改变过程控制例程的设置、修改在控制器或现场设备内的控制模块的操作、观看过程的当前状态、观看由现场设备和控制器生成的警报、出于培训职员或测试过程控制软件的目的而模拟过程的操作、保持并且更新配置数据库等。由硬件设备、控制器和现场设备利用的数据高速公路可以包括有线通信路径、无线通信路径、或有线和无线通信路径的组合。
作为示例，由艾默生过程管理公司出售的deltavtm控制系统包括存储在位于过程工厂内的不同地方中的不同设备内并且由这些不同设备执行的多个应用。存在于一个或多个工作站或计算设备中的配置应用使用户能够创建或改变过程控制模块，并且经由数据高速公路将这些过程控制模块下载到专用的分布式控制器。一般，这些控制模块由通信地互连的功能块构成，所述功能块是在面向对象的编程协议中的对象，其基于到其的输入来执行在控制方案内的功能，并且向控制方案内的其它功能块提供输出。配置应用也可以允许配置设计者创建或改变由观看应用使用的操作员接口来向操作员显示数据，并且使操作员能够在过程控制例程内改变设置，例如，设置点。每一个专用控制器和在一些情况下一个或多个现场设备存储并且执行相应的控制器应用，所述控制器应用运行被分配和下载到其的控制模块以实现实际的过程控制功能。可以在一个或多个操作员工作站上(或在与操作员工作站和数据高速公路操作地连接的一个或多个远程计算设备上)执行的观看应用经由数据高速公路从控制器应用接收数据，并且显示该数据以使用用户接口来处理控制系统设计者、操作员、或用户，并且可以提供多个不同的视角中的任一个，例如，操作员的视角、工程师的视角、技术员的视角等。数据历史库应用一般存储在收集并且存储通过数据高速公路提供的一些或所有数据的数据历史库设备中，并且由所述数据历史库设备执行，同时配置数据库应用可以在附连到数据高速公路的又一计算机中运行，以存储与其相关的当前过程控制例程配置和数据。可替换地，配置数据库可以位于与配置应用相同的工作站中。
当前已知的过程控制工厂和过程控制系统的体系结构强烈地被有限的控制器和设备存储器、通信带宽和控制器及设备处理器能力影响。例如，在当前已知的过程控制系统体系结构中，在控制器中使用动态和静态非易失性存储器通常被最小化或至少谨慎地管理。作为结果，在系统配置(例如，先验)期间，用户一般必须选择在控制器中的哪个数据应被存档或保存、它将被保存的频率、以及是否压缩被使用。其后，控制器相应地配置有数据规则的有限集合。因此，在故障诊断和过程分析中可能有用的数据常常不被存档，并且如果它被收集，则有用的信息可能由于数据压缩而丢失。
此外，为了使在当前已知的过程控制系统中的控制器存储器使用最小化，将被存档或保存(如控制器的配置所指示的)的所选择的数据报告给工作站或计算设备以用于存储在适当的数据历史库或数据竖井(datasilo)处。用于报告数据的当前技术拙劣地利用通信资源并且引起过多的控制器负载。此外，由于在通信中和在历史库或竖井处的采样中的时间延迟，数据收集和时间采样常常与实际过程不同步。
类似地，在批处理过程控制系统中，为了使控制器存储器使用最小化，控制器配置的批处理配方和快照一般保持存储在集中式管理计算设备或位置处(例如在数据竖井或历史库处)，并且只在需要时被传送到控制器。这样的策略在控制器中和在工作站或集中式管理计算设备与控制器之间的通信中引入相当大的突发负载。
此外，当前已知的过程控制系统的关系数据库的能力和性能限制，与磁盘存储装置的以前高成本结合，在将数据取回和存储构造成独立实体或竖井中以满足特定应用的目的中起到极大的作用。例如，在一些当前系统内，过程模型、连续的历史数据和批处理及事件数据的存档保存在三个不同的应用数据库或数据的竖井中。每一个竖井具有不同的接口以访问存储在其中的数据。
以这种方式构造数据以访问和使用历史数据的方式创建了障碍。例如，在产品质量中的变化的根本原因可以与存储在这些数据竖井中的多于一个中的数据相关或由所述数据确定。然而，由于竖井的不同文件结构，不可能或至少很不容易提供允许该数据被快速和容易访问以用于分析的工具。此外，审查或同步工具必须被执行以确保在不同竖井当中的数据是一致的。
上面讨论的当前已知的过程工厂和过程控制系统的限制和其它限制可能在收集数据以用于数据模型的配置或创建中不合意地显示出来，其可以包括对过程的操作进行建模或估计的任何例程或使用所收集的过程数据或基于来自真实或模拟过程的过程数据来执行过程的某个方面的分析的任何例程。当前已知的系统要求用户选择他们想要的数据，并且配置工厂设备以收集期望的数据。如果用户稍后确定额外的数据是必要的，则用户必须重新配置工厂以收集新数据并且操作工厂来收集新数据，可能花费约几个星期到几个月的过程。因为用户很少知道在创建模型开始时创建过程的模型可能需要的所有数据比在配置工厂的开头少得多，所以当前已知的系统常常使在实际过程内的复杂过程建模变得低效或不实际。即使工厂能够收集所有必要的数据，但是当前已知的系统的存储器和带宽约束通常需要所收集的数据被高度压缩，以低频速率被收集和/或具有变换的或不正确的时间戳。相应地，数据常常可能对于做出关于工厂的操作的复杂预测和确定而言是不准确的、不完整的和不能用的。
“大数据”通常指一批一个或多个数据集，其如此大或复杂，使得传统数据库管理工具和/或数据处理应用(例如关系数据库和桌面统计封装)不能够在可容忍的数量的时间内管理数据集。一般，使用大数据的应用是可交易的和最终用户定向的或聚焦的。例如，网络搜索引擎、社会媒体应用、市场销售应用和零售应用可以使用并且操作大数据。大数据可以由允许现代多过程、多核心服务器的并行处理能力被完全利用的分布式数据库支持。存在为了将过去不可用的水平处的过程控制数据存档的目的而朝着在过程控制系统内合并大数据或大数据设备的一些最近的发展。然而，目前没有或只有非常有限的能力来分析或使用如从过程工厂或过程收集的该数据，以执行工厂操作的综合或系统性的分析，能够检测趋势，执行预测分析，检测在工厂操作内的异常，重新调整或重新配置工厂以更经济地操作，等等。特别是，用户必须仍然手动创建和测试数据模型或建模例程来以特定的方式处理数据，这做起来是非常时间密集的并且很难。
技术实现要素：
数据建模工作室提供了用于对数据模型进行创建或编程的结构化环境，所述数据模型例如可以被配置为出于在过程工厂内执行更系统的或全面的诊断、预后、分析、识别关系等的目的而使用或分析来自大数据设备的数据。数据建模工作室包括用于生成用户接口单元以便于数据模型的图形构造或编程的配置例程或引擎，和用于执行模型以执行过程的分析或关于过程的分析的运行时引擎。配置引擎可以包括生成用户接口单元的接口例程、存储在存储器中的用作模型的结构块的多个模型模板、以及将所创建的模型转换成由运行时引擎可执行的软件格式的模型编译器。运行时引擎可以包括用于取回在执行模型时使用的数据的数据取回例程，和运行或执行可执行模型的模型执行例程。
接口例程可以包括存储在存储器中的指令，其当在处理器上执行时生成在显示可用于在创建数据模型时使用的模型模板组的用户显示器上的库区，和用作用于图形地创建数据模型的主显示窗口的图层区。更具体地，库区可以显示模型模板，其是用于以数据输入指示器模板、数据输出指示器模板、数学或其它功能操作或数据处理模板等的形式构造模型的单元。因此，模型模板是存储在存储器中的一般模型单元，其可以指示从工厂收集的数据的数据源、过程工厂中的设备、在来自工厂的数据上执行的数学操作、接收数据模型的输出的数据接收器(例如设备、接口等)等。在一些实施例中，用于数据模型的数据可以是存储在大数据设备中的全面的、高保真度数据，其定义了实现大数据体系结构的过程工厂的各种参数中的任一个或全部。
通常，用户可以使用数据建模工作室的配置例程来图形地布置在图层区内的模型模板(其给用户提供当数据模型被构造时图形地显示数据模型的显示窗口)，以使模型模板图形地互连以定义当在模型内执行时模板将彼此通信的方式，配置模板的参数，选择数据源作为数据模型的输入，选择在该数据上执行的功能，并且选择由数据模型生成的输出被呈递到工厂或在工厂中使用的一个或多个方式。例如，用户可以从库选择一个或多个模型模板或模型模板的指示器，将它们拖到图层区并且将它们放在那里。用户然后可以使在图层区内的各种模板图形地互连以定义模板如何彼此交互，以使数据在其间通过。用户也可以用各种方式来修改或配置每一个模板来以某种方式或在某个数据上进行模板执行，对模板进行命名等。模型编译器可以包括存储在存储器中以将由用户使用用户接口例程创建的数据模型的图形表示转换成以由运行时引擎所支持的可执行格式的编译模型的编译器例程。数据模型也可以被保存为存储器中的新模板，并且编译模型可以被保存为存储器中的可执行模型。在下文中，数据模型可以由在工厂环境内的运行时引擎运行或执行以分析来自工厂的数据，以便分析存储在大数据设备(或其它数据库)中的过程工厂数据，分析来自工厂的实时数据，等等。
在一些情况中，用户可以创建数据模型，在如存储在大数据设备(或其它历史数据库)内的历史数据上运行该模型以查看该数据模型是否出于它的预期目的而适当地操作。如果不，则用户可以通过例如将额外的过程参数或过程数据合并在数据模型内来变更或改变数据模型，并且可以接着在同一组历史数据(或来自同一时间段的时间)上重新运行变更的数据模型，以从而测试变更的模型。当数据建模工作室连接到具有收集在过程内生成或检测的所有或大部分数据的大数据设备的过程工厂时，与在变更的模型中使用的新参数相关的数据在大数据历史数据库中是立即可用的，因为该数据被收集作为过程的大数据体系结构的部分。以这种方式，模型创建者在将这些模型放置到工厂的在线环境内、工厂的模拟环境内、工厂的知识发现环境内的操作中之前，可以快速或更容易地在历史数据上设计、测试、改变和重新测试模型。
用户可以因此使用配置引擎来图形地创建并且编译模型以用于确定由工厂所创建的产品的特征、使用工厂设备检测故障、检测在工厂的操作内的故障、分析工厂的操作、对工厂的操作进行建模、诊断在工厂内的当前问题、预测在工厂内的潜在未来问题、识别工厂数据和工厂设备内的关系等。
一般来说，运行时引擎执行一个或多个编译数据模型以生成期望输出。运行时引擎可以包括取回例程，其用于从存储器(例如从大数据设备)或从工厂本身取回与模型的数据输入模板相对应的数据，并且可以包括执行可执行模型的模型执行例程。更具体地，处理器可以执行取回例程以从与在模型中使用的图形数据输入模板相对应的数据源、从存储器取回数据。在一些实施例中，取回例程可以从大数据设备取回数据，所述大数据设备用于存储从过程控制系统中的一个或多个设备取回的数据，而模型执行例程包括存储在存储器中的指令，其执行编译模型(使用从存储器取回的模板创建的)以使用所取回的数据生成输出。模型执行例程可以执行使用配置引擎创建的模型或与数据建模工作室包括在一起的预先配置的模型。在一些实施例中，在工厂中的一个或多个设备可以自动地执行模型执行例程以运行数据模型，而在一些其它实施例中，用户可以决定执行模型执行例程以运行模型。此外，模型执行例程可以在与工厂的操作隔离的离线环境中执行数据模型，其中模型可以在存储在存储器中的历史数据上运行。模型执行例程也可以在在线环境中运行模型，其中取回模型可以从工厂中的一个或多个设备和/或从大数据设备取回实时或近实时数据流，以生成输出来影响工厂的操作。此外，处理器可以在背景(即由在过程控制系统中的设备操作而没有用户交互)中或在前景(有用户交互)中执行模型执行例程。
如本文所述的数据建模工作室提供鲁棒的和有效的体系结构以用于在过程工厂环境中图形地创建并且执行数据模型，并且在分析存储在大数据设备中的数据时是特别有用的。当数据建模工作室利用大数据体系结构在过程工厂中实现时，所述大数据体系结构包括收集并且存储所有(或几乎所有)所收集的过程数据和工厂数据的大数据设备，数据建模工作室使用该数据来实现模型的有效创建、测试和操作。例如，用户可以使用数据建模工作室来图形地和迭代地创建并且编辑数据模型，而不必重新配置工厂操作来收集额外的数据，其有助于必须更快的模型开发环境。而且，在一些情况下，因为所有工厂数据在大数据设备中是可用的，所以模型可以被创建以用各种方式来迭代或改变本身，以在建模例程内添加新的、更多的或不同的数据，或分析新的或不同的数据作为建模例程的部分，测试本身并且迭代地改变本身以开发提供更好或更准确的预测、趋势分析、故障或异常情况检测等的更好或更准确的模型。在又一情况中，用户可以创建一个或多个数据模型，所述数据模型可以在知识发现环境中使用来分析大数据设备内的数据以发现关于数据和因而关于工厂的关系、趋势等。
附图说明
图1是过程工厂或过程控制系统的示例的框图，所述过程工厂或过程控制系统包括收集并且存储来自工厂的数据的大数据设备和可以用于创建并且执行使用或分析从工厂收集的数据的数据模型的数据建模工作室；
图2是如在一般工厂环境内连接的图1的数据建模工作室的示例实施例的框图；
图3是图1和图2的数据建模工作室的图形用户接口的屏幕显示；
图4是使用图1和图2的数据建模工作室来创建数据模型的示例方法的流程图；
图5是可以用于创建或执行模型的数据探测器的屏幕显示；
图6是示出了在过程工厂或过程控制系统的示例大数据网络中的几组节点的示例布置的框图；
图7是示出了提供者节点的示例布置的框图，所述提供者节点收集数据用于由使用数据建模工作室创建和执行的模型使用；
图8是示出了用于对数据进行存储或历史化以用于由使用数据建模工作室创建和执行的模型使用的设备数据接收器的示例使用的框图；以及
图9是在过程控制系统或过程工厂中执行的示例知识发现方法1100的流程图。
附图仅为了说明的目的描绘了本发明的实施例。本领域中的技术人员从下面的讨论中将容易认识到，可以使用本文示出的结构和方法的可选实施例而不偏离本文所述的本发明的原理。
具体实施方式
图1是包括大数据网络100的过程工厂的示例过程控制系统10的框图，大数据网络100继而在过程工厂内收集数据。图1的过程控制系统此外包括在例如过程工厂环境内提供的用户接口站103，其执行数据建模工作室109以使用户能够在由大数据网络收集的数据上创建并且运行各种数据模型。用户接口站103也执行数据知识应用114，其执行实施系统性的或全面的诊断、预后、分析、识别关系等以发现并且评估从过程工厂取回的数据的模型。虽然图1描绘了只有单个用户接口站103托管数据建模工作室109和数据知识应用114，但是，在一些实施例中，数据建模工作室109和数据知识应用114可以被托管在不同的用户接口站103、多个用户接口站103上或分布在过程工厂109中的一个或多个设备当中。更具体地，如在工厂或过程控制系统10内实现的数据建模工作室109给用户或模型开发者提供工具，以帮助系统性地和有效地定义或创建数据模型(建模例程)，所述数据模型在工厂环境内在以前从工厂收集的历史数据、目前在工厂内收集的实时数据或这两者上运行。数据建模工作室109和数据知识应用114能够利用下面的事实：大数据网络100收集、存储并且提供对在工厂或过程控制系统10内生成或收集的全部或大部分数据的有效访问。而且，数据建模工作室109使用该数据来为模型开发者提供设计、测试和实现在工厂或过程控制系统10内的模型的更有效的方式。数据知识应用114提供用于将模型嵌入工厂或过程控制系统10以及观看并且探索在数据之间的关系以及所执行的模型的结果的额外环境。如在图1中示出的，数据建模工作室109可以是由一个或多个设备的一个或多个处理器(例如，在用户接口站103上)执行的一组指令。当然，数据建模工作室109可以在各种计算设备中的任一个上被执行，所述各种计算设备例如平板计算机、移动电话、膝上型计算机、桌上型计算机、服务器等，并且在一个设备内执行或可以分布在任何数量的这样的设备当中。类似地，数据知识应用114可以是由一个或多个设备的一个或多个处理器执行的并且在各种计算设备中的任一个上被执行的一组指令。
在一般意义上，示例过程控制系统大数据网络100包括过程控制系统大数据装置或设备102、过程控制系统大数据网络骨干网105和通信地连接到骨干网105的多个节点108。节点108此外连接到过程工厂设备，例如控制器、现场设备、工厂设备等。过程相关数据、工厂相关数据、通信相关数据和其它类型的数据可以在多个节点108处被收集和缓存，以及数据可以经由网络骨干网105被分发到过程控制系统大数据装置或设备102以用于长期存储(例如“历史化”)和处理。至少一些数据可以在网络100的节点108之间被传递，以例如实时地控制过程。
与过程控制系统10有关的任何类型的数据可以被收集并且存储在过程控制系统大数据设备102处。例如，实时过程数据(例如，当过程在过程工厂10中被控制时生成(和在一些情况下，指示过程的实时执行的效果的)的连续的、批处理、测量和事件数据)可以被收集和存储。而且，过程定义、布置或设置数据(例如，过程工厂配置数据和/或批处理配方数据)可以被收集和存储。此外，与过程诊断的配置、执行和结果相对应的数据可以被收集和存储。当然，其它类型的过程数据(例如，警报或警告)也可以被收集和存储。以类似的方式，骨干网105和过程工厂10的各种其它通信网络的数据高速公路流量和网络管理数据可以被收集和存储。同样，用户相关的数据(例如，与用户流量、登录尝试、查询和指令有关的数据)可以被收集和存储。仍然进一步地，文本数据(例如日志、操作程序、指南等)、空间数据(例如基于位置的数据)和多媒体数据(例如闭路电视、视频剪辑等)等可以被收集和存储。
过程控制系统大数据网络骨干网105可以包括多个联网的计算设备，例如，用户接口设备103(托管数据建模工作室109和知识发现应用114)或被配置为从/向过程控制系统大数据网络100的各种节点108，以及从/向过程控制大数据设备102(其本身是过程控制系统大数据网络100的节点)对数据进行路由的交换机。骨干网105的多个联网计算设备可以由任何数量的无线和/或有线链接互连。而且，过程控制系统大数据网络骨干网105可以包括一个或多个防火墙设备。
作为示例，大数据网络骨干网105可以支持一个或多个适当的路由协议，例如，包括在互联网协议(ip)系列中的协议(例如upd(用户数据包协议)、tcp(传输控制协议)、以太网等)或其它适当的路由协议。如果期望，节点108中的至少一些可以利用流协议(例如，流控制传输协议(sctp))来经由网络骨干网105将缓存的数据从节点108流式传送到过程控制大数据设备102。一般地，包括在过程数据大数据网络100中的每一个节点108可以至少支持由骨干网105支持的路由协议的应用层(以及，对于一些节点，额外的层)。可以在过程控制系统大数据网络100内例如按照唯一的网络地址唯一地识别每一个节点108。此外，过程控制系统大数据网络100的至少一部分可以是特定网络。因此，至少一些节点108可以用特定方式连接到网络骨干网105(或连接到网络100的另一节点)。
而且，与过程工厂10(例如，与包括在过程工厂10中的物理设备例如机器和设备有关)有关但可以不由直接配置、控制或诊断过程的应用生成的数据也可以在大数据设备102中被收集和存储。例如，振动数据和蒸汽疏水器数据、工厂安全数据和指示与工厂安全相对应的参数的值的数据(例如，腐蚀数据、气体检测数据等)可以被存储。同样，指示与工厂安全相对应的事件的数据可以在大数据设备102中被收集和存储。同样，与机器、工厂设备和/或设备的健康相对应的数据、设备数据(例如基于振动数据确定的泵健康数据和其它数据)、与设备、机器和/或设备诊断的配置、执行和结果相对应的数据可以被收集和存储。
在一些情况下，可以在大数据设备102中收集和存储由在过程工厂10外部的实体生成或被发送到在过程工厂10外部的实体的数据，例如，与原始材料的成本、零件或设备的预期到达时间有关的数据、天气数据和其它外部数据。当然，由通信地连接到网络骨干网105的任何节点108生成、接收、或观察的所有数据可以被收集并且被促使存储在过程控制系统大数据设备102处。
如图1所示，过程控制系统数据建模工作室109可以被配置为提供在过程控制系统大数据网络109内的主要接口，以用于例如在用户接口或用于由用户或其它应用使用的其它接口设备上配置和数据探索。过程控制系统数据建模工作室109可以经由过程控制系统大数据网络骨干网105连接到大数据设备102，或可以直接连接到过程控制系统大数据设备102或可以用任何其它方式耦合到大数据设备102。
在图1的示例过程控制系统大数据过程控制网络100中，过程控制大数据装置或设备102集中在网络100内，并且被配置为从网络100的节点108接收数据(例如，经由流和/或经由某个其它协议)，并且存储所接收的数据。因此，过程控制大数据装置或设备102可以包括用于对从节点108接收的数据进行历史化或存储的数据存储区域120、可以收集用于存储在大数据机器102中的数据的多个设备数据接收器122，以及请求并且访问来自大数据存储装置120的数据的多个设备请求服务器135。在任何情况下，如果在过程控制网络中收集并且在数据存储区域120中存储的全部或大部分数据对于数据建模工作室109和知识发现应用114的用户是可用的，则这是有用的。
过程控制系统大数据存储区域120可以包括多个物理数据驱动器或存储实体，例如raid(独立磁盘的冗余阵列)存储装置、云存储装置、或适合于数据银行或数据中心存储装置的任何其它适当的数据存储技术。然而，对于网络100的节点108，数据存储区域120具有单个或单一逻辑数据存储区域或实体的外观。因此，数据存储装置120可以被视为过程控制大数据网络100或过程工厂10的集中式大数据存储区域120。如果需要，则单个逻辑集中式数据存储区域120可以服务于多个过程工厂(例如，过程工厂10和另一过程工厂)。例如，集中式数据存储区域120可以服务于能量公司的几个提炼厂。此外，集中式数据存储区域120可以经由例如至少一个高带宽通信链路直接连接到骨干网105。而且，集中式数据存储区域120可以包括集成防火墙。
单一、逻辑数据存储区域120的结构可以支持对全部或大部分过程控制系统相关数据的存储。例如，数据存储实体的每一个条目、数据点或观察可以包括数据的特征(例如源、设备、标签、位置等)的指示、数据的内容(例如测量、值等)、以及指示数据被收集、生成、接收或观察的时间的时间戳。因此，这些条目、数据点或观察在本文被称为“时间系列数据”。数据可以使用公共格式被存储在数据存储区域120中，所述公共格式包括支持例如可升级的存储、流式传送的数据和低时延查询的方案。
在一种情况下，方案可以包括在每一行中存储多个观察，以及使用具有定制散列的行密钥来过滤行中的数据。散列可以基于时间戳和标签。例如，散列可以是时间戳的凑整值，并且标签可以与过程控制系统的事件或实体或与过程控制系统有关的事件或实体相对应。与每行或一组行相对应的元数据也可以存储在数据存储区域120中，与时间系列数据相集成或与时间系列数据相分离。例如，元数据可以与时间系列数据分离地以无模式方式被存储。
如果需要，用于将数据存储在设备数据存储装置120处的方案也可以用于将数据存储在至少一个节点108的高速缓存存储器中。因此，在这种情况下，当数据通过骨干网105从节点108的本地存储区域被发送到过程控制系统大数据设备数据存储装置120时，方案被维持。
除了数据存储装置120以外，过程控制系统大数据设备102还可以包括一个或多个设备数据接收器122，其中每一个被配置为从骨干网105接收数据分组，处理数据分组以取回在其中携带的实质性数据和时间戳，并且将实质性数据和时间戳存储在数据存储区域120中。设备数据接收器122可以存在于例如多个计算设备或交换机上。多个设备数据接收器122(和/或至少一个数据接收器122的多个实例)可以在多个数据分组上并行地操作。
在所接收的数据分组包括由过程控制大数据设备数据存储区域120利用的方案的情况下，设备数据接收器122只用示意性的信息来填充数据存储区域120的额外的条目或观察(并且可选地存储相对应的元数据，如果需要)。在所接收的数据分组不包括由过程控制大数据设备数据存储区域120利用的方案的情况下，设备数据接收器122可以对分组进行解码并且相应地填充过程控制大数据设备数据存储区域120的时间系列数据观察或数据点(和可选地相对应的元数据)。
此外，过程控制系统大数据设备120可以包括一个或多个设备请求服务器135，其中每一个被配置为例如每请求实体或应用的请求而访问存储在过程控制系统大数据设备数据存储120中的时间系列数据和/或元数据。设备请求服务器135可以存在于例如多个计算设备或交换机上。至少一些设备请求服务器135和设备数据接收器122可以存在于一个或多个相同的计算设备上(例如在集成设备上)，或可以包括在集成应用中。
在一些情况下，多个设备请求服务器135(和/或至少一个设备请求服务器135的多个实例)可以在来自多个请求实体或应用的多个请求上并行地操作。当然，单个设备请求服务器135可以服务于多个请求，例如来自单个实体或应用的多个请求、或来自应用的不同实例的多个请求。在任何情况下，图1的数据建模工作室109和知识发现应用114可以经由一个或多个请求服务器135访问存储在数据存储区域120中的数据。
图2是如经由图1的过程控制大数据骨干网105耦合到大数据设备102和过程工厂10的数据建模工作室109的示例实施例的框图。如进一步在图2中示出的，一个或多个额外的用户接口设备113可以经由过程控制大数据骨干网105来访问数据建模工作室109。此外，知识发现应用114耦合到过程控制大数据骨干网105。一般说来，数据建模工作室109提供结构化环境，以用于对被配置为在从大数据机器收集的数据上执行操作的模型进行图形地创建以及编程。在该上下文中，模型是在数据上执行以生成给出涉及过程工厂(例如过程工厂10)的操作的一些知识的输出的数学例程。模型由一个或多个数据输入、在数据输入上执行的一个或多个功能和作为功能的结果的一个或多个输出构成。
如图2所示，数据建模工作室109包括用于生成结构化环境以便于图形模型创建的配置引擎123和用于执行所创建的模型的运行时引擎124。更具体地，配置引擎123包括接口例程125，其用于生成结构化环境的图形用户接口的单元、用作模型的结构块的多个模板129和将模型转换成运行时引擎124可执行的数据格式的模型编译器127。运行时引擎124包括用于取回在执行模型时使用的数据的数据取回例程126，和用于运行可执行模型的模型执行例程128。
接口例程125包括存储在存储器中的一组指令，当指令由处理器执行时生成一组用户接口单元，其拖拽和释放图形用户接口，以便于模型的创建，所述模型包括显示模板129的库区125a和用作用于创建模型的主显示窗口的图层区125b。模板129用作模型的结构块，并且可以被选择和移动到图层区125b以创建模型。包括在数据建模工作室109的配置引擎123中的模块129包括数据源模板129a(其指定在模型中使用的数据的源)、功能模板129b(其指定在由数据源模板129a表示的数据上执行的例程)、输出模板129c(其指定如何呈现或发送由模型生成的数据)以及数据流模板129d(其指定形成模型的模板129的输入和输出)。
数据源模板129a指示收集各种数据类型(结构化和/或非结构化)、在过程工厂10内传递、生成、接收和/或观察的数据的上下文和/或边界条件的数据源。该数据源模板129a可以涉及数据库数据、流式传送的数据、交易数据、和/或经由过程控制系统大数据网络100传递并且在过程控制系统大数据存储装置120中存储或历史化的任何其它类型的数据。数据源模板129a也可以包括存储在大数据设备102中的数据源，所述大数据设备102收集并且存储被收集作为过程工厂10的大数据体系结构的部分所有(或几乎所有)过程数据和工厂数据。数据源129a可以定义存储在大数据设备102中的全面的、高保真度数据，其定义实现大数据体系结构的过程工厂10的各种参数中的任一个或全部。
示例数据源模板129a包括压力读数、阀读数、温度读数、振动读数。用户可以设置历史或实时数据的参数，使得只有数据的子集被选择。例如，数据源模板129a可以指示收集以摄氏度为单位的温度数据的数据源，温度数据一般预期为在温度a到温度b的范围内。数据源模板129a也可以代表过程工厂10外部的数据源，例如外部工厂站点或外部数据库，例如，天气或环境数据库。
功能模板129b可以是在数据上执行的任何基本或单一功能。此外，功能模板129b可以包括数学功能，例如，神经网络例程、关联例程、阈值例程或统计过程例如平均化例程、最大值例程、最小值例程、过滤例程等。功能模板129b还可以包括分类技术，例如，随机森林算法或偏最小二乘回归。仍然进一步地，功能模块129b可以包括用于准备数据用于分析的数据的处理技术，例如，移除比某个阈值水平高的数据的过滤例程或移除异常值数据的修剪例程。用户也能够更改功能模板129b的一个或多个参数。例如，用户可以选择过滤例程并且定义低点过滤器(特定的斜率)、修剪过滤器(阈值水平)等的特性。
输出模板129c定义如何解释和/或呈现在数据上由完成的模型执行的功能的结果。例如，如果模型的输出图形地向用户显示，则输出模板129c可以代表图形、图表或显示接口。输出模板可以进一步定义一个或多个数据发消息技术以准备数据以用于由输出模板指定的图形显示。例如，条形图可能需要数字值被舍入为两个有效数字，并且输出模板也可以包括舍入例程以准备数据。输出模板129c也可以指示模型的输出应被发送的特定的位置。例如，输出模板129c可以指示由模型生成的一组值应被发送到过程工厂(例如过程工厂10)中的一个或多个控制器。示例值包括设定点值、控制例程等。然而，输出可以是任何值，例如代表关系的绑定、特定的值、指示数据输出是否满足阈值的二进制值、与基数相对应的百分比等。
数据流模板129d用于指定模板129的输入和输出。例如，数据流模板129d可以指示某些数据源模板129a被输入到某个功能模板129b内，以便生成某个输出(其由输出模板129c图形地表示)。
然而，用户不限于使用包括在数据建模工作室109中的预定模板。用户可以编辑现有的模板，添加新的模板和/或将所编辑的/新的模板保存到数据建模工作室109用于未来使用。例如，如果预先存在的平均化例程(由功能模块129b图形地表示)接受2个数据源输入，则用户可以编辑平均化例程模板以接受3个输入。用户也可以从头开始创建新模板以将额外的功能添加到数据建模工作室109。用户也可以保存使用数据建模工作室创建的模型或模型的部分作为模板以用于未来使用。
模型编译器127可以包括存储在存储器中的编译器例程127a，其在处理器上执行以将使用用户接口创建的图形模型转换成以由运行时引擎124支持的可执行数据格式的编译模型。
执行编译模型以生成期望输出(如模型所定义的)的运行时引擎124包括用于从存储器120和/或从工厂设备取回数据的数据取回例程126，和用于运行和/或执行可执行模型的模型执行例程128。更具体地，处理器可以执行取回例程126以从与在模型中使用的图形模板129相对应的数据源和功能、从存储器取回数据。在一些实施例中，取回例程126可以经由大数据网络骨干网105从大数据设备120和/或从工厂本身取回数据。模型执行例程128可以包括存储在存储器中的一组指令，其在处理器上执行编译的模型以生成输出。
模型执行例程128可以在与工厂的操作隔离的离线环境中运行模型，其中模型可以在存储在存储器中的历史数据上运行或可以在在线环境中运行模型，其中取回例程126可以从工厂或大数据设备中的一个或多个设备取回实时或近实时数据流并且产生输出，其可以被提供给用户和/或可以用于影响工厂的操作。
作为更特定的示例，数据源模板129a(定义待输入到模型中的数据)可以连接到定义过滤功能(例如低通、高通、平滑过滤等)的第一功能模板129b。过滤功能模板129b可以连接到定义修剪例程的第二功能模板129b，其可以连接到定义神经网络技术的第三功能模板129b，第三功能模板129b可以然后连接到定义另一过滤技术的第四功能模板129b，第四功能模板129b可以连接到定义平均化技术的第五功能模板129b，第五功能模板129b可以连接到定义阈值检测例程的第六功能模板129b，第六功能模板129b可以连接到显示模板(例如输出模板)。
图3示出了用于便于模型的图形创建的数据建模工作室109的示例图形用户接口300。如上面讨论的，配置引擎123的接口例程125生成拖拽和释放图形用户接口300，其包括显示模板129的库区125a和用作用于创建模型的主显示窗口的图层区125b。如图3所示，库区125a显示用作模型的图形结构块的多个模板129。模板129可以包括指示由过程工厂中的设备收集的数据的数据源模板129a、图形地描绘在数据上执行的基本或单一功能的功能模板129b、定义模型的输出的输出模板129c、和代表模型内的数据流的数据流模板129d，例如输入、绑定、互连和在数据上执行的操作、可以接收输出的模型数据接收器。
用户可以通过从库区125a选择不同的模板129并且将它们拖到图层区125b来构造模型。用户可以将模板129布置在图层区126b中并且使用数据流模板129d以便模拟在模型内的数据流。虽然图3示出了拖拽和释放图形用户接口，但是数据建模工作室109的其它实施例可以包括其它图形或非图形接口。
配置引擎还使用户能够通过定义在模板129中使用的特定的参数和在数据模型模板之间的互连来修改在图层区125b中描绘的数据模型模板129a，以创建形成数据模型的互连的模型块。数据模型可以包括例如定义针对数据模型取回的数据的特定数据源的模型输入块、定义在来自特定数据源的数据上执行的数据处理过程的一个或多个模型功能块、以及定义与一个或多个功能块的输出相关的操作的模型输出块。
图4示出了用于使用由接口例程125生成的图形用户接口300来创建在过程控制环境中的模型的示例方法400的流程图。方法400也可以在图1的过程控制系统大数据网络100中实现。为了说明(和非限制性)目的，方法400下面同时参考图1-3进行讨论。
在块402，第一模板可以选自库区125a，例如，指示由在过程工厂中的设备收集的数据的数据源的数据源模板129a。用户可以键入输入(例如，鼠标点击、键盘按下、语音命令、触摸屏按下等)来选择第一模板。用户可以将选定的数据源模板129a从库区125a拖到在图层区129b内的期望位置。数据模板129a也可以具有可以被定义和改变的参数和互连(定义在不同的模板129和参数之间的连接)。数据建模工作室可以进一步修改所接收的数据源模板129a和任何指定的参数和/或互连以创建定义针对数据模型取回的数据的特定数据源的模型输入块。虽然方法400只描绘了用于包括在模型中的一个数据源模板129a，但是这仅为了说明的目的，并且一个或多个数据源模板129a可以被包括。
在块404，第二模板可以选自库区，例如，功能模板129b。如上所述，功能模板129b是在提供到其的数据上执行以产生输出的一般或预定数学操作。功能模板129b可以具有可以被定义和改变的参数(例如增益、过滤设置、阈值等)和互连(定义在不同模板129和参数之间的连接)。在从库区125a中选择功能模板129b之后，用户可以将选定的模板拖到图层区125b内的期望位置。用户也可以调节功能模板125b的一个或多个参数。数据建模工作室可以进一步修改所接收的功能模板129b和任何指定的参数和/或互连以创建定义在来自特定数据源的数据上执行的数据处理过程的模型功能块。例如，如果功能模板125b是过滤例程，则用户可以定义过滤器的特征或参数以创建具有特定的斜率特征的低点过滤器。虽然方法400只描绘了被选择的一个功能模板125b，但是这仅为了说明的目的，并且一个或多个功能模板125b可以包括在模型中。
在块406，用户可以选择第三模板，例如一个或多个数据输出模板129c和/或一个或多个数据流模板129d以添加到模型。数据输出模板129c和数据流模板129也可以具有可以被定义和改变的参数和互连(定义在不同的模板129和参数之间的连接)。例如，用户可以选择输入模板以图形地指示数据源模板129a的输出是对特定的功能模板129b的输入。用户可以选择输出模板以图形地指示功能模板129b的结果通过仪表板视图被图形地呈现给用户。数据建模工作室可以进一步修改所接收的数据输出模板129c和/或数据流模板129d以分别创建模型输出块和/或模型数据流块，其定义与一个或多个功能块的输出相关联的操作。
互连的模型块形成数据模型。例如，数据模型可以包括定义在来自特定数据源的数据上执行的数据处理过程的一个或多个模型功能块和定义与一个或多个功能块的输出相关联的操作的模型输出块。
在块408，用户可以做出输入选择以编译模型。相应地，使用配置引擎123创建的图形模型被转换成以运行时引擎124可读的数据格式的编译模型。一旦被编译，用户就可以将模型和/或编译的模型保存到存储器。编译的模型可以稍后由数据建模工作室109的用户进行取回和/或可以由知识探索应用114的用户进行取回。
在块410，运行时引擎124的取回引擎126可以取回与模板129相对应的数据。例如，取回例程126可以从由数据源模板129a指示的数据源取回数据，并且从存储器取回与功能模板129b相对应的指令。例如，取回例程124可以例如通过一个或多个数据接收器122从过程控制系统大数据网络100的大数据设备102取回数据。数据源模板129a可以与过程控制数据和过程工厂数据相对应。数据可以包括在控制过程工厂中的过程时生成的实时数据、配置数据、批处理数据、包括在过程工厂中的各种网络的网络管理和流量数据、指示用户或操作员行动的数据、与包括在工厂中的器件和设备的操作和状态相对应的数据、由处理工厂外部的实体生成或发送到处理工厂外部的实体的数据、以及其它数据。该数据也可以从第三方数据库(例如，天气数据库或通过大数据骨干网105访问的另一过程工厂)进行取回。
在块412，模型可以由模型执行例程128执行。模型执行例程128可以在与过程工厂的操作隔离的离线环境中运行模型，其中模型可以在存储在存储器中的历史数据上运行。模型执行例程128也可以在在线环境中运行模型，其中数据取回例程126可以从在工厂或大数据设备中的一个或多个设备取回实时或近实时数据流。
在块412，模型执行例程128可以产生一个或多个输出，作为模型的操作的结果。在一些实施例中，输出可以包括数据关系、绑定、模型、参数、参数值等中的一个或多个。模型也可以产生以用户的一个或多个潜在的行动的形式的输出以用于合并到例如过程控制系统和/或过程工厂内以调节大桶的温度以便确保产品质量。模型可以产生以控制例程的形式的输出或对控制例程的调节。数据建模工作室109也可以呈现以被发送到一个或多个用户的警告的形式的输出。警告可以进一步基于它们在工厂中的作用和责任。例如，负责锅炉的维护的操作员可以接收与锅炉有关的警告。警告可以包括被发现的模型的潜在问题以及用户可以作用于的一个或多个可能的解决方案或行动。数据建模工作室109可以显示一个或多个应用的结果。例如，结果可以被显示为一组原始数据点，其可以用作对另一数据模板的输入或用作另一数据模型的部分。
在块416，可以存储由模型的输出模板129c定义的输出。例如，输出可以存储在单一、逻辑大数据存储区域中。在一些实施例中，输出可以是可以被上传到过程工厂中的一个或多个设备的例程。例如，数据建模工作室可以输出可以被发送到过程工厂中的一个或多个控制器或通过大数据骨干网105被发送到另一过程工厂的控制例程。此外，模型可以存储在大数据设备102中以用于未来使用或访问。
模型的输出也可以以图形方式(例如，图表、曲线等)呈现。可能有用的一种类型的显示器合并工厂数据与来自其它数据源(例如，其它工厂)和/或第三方数据库(例如，天气数据库)的数据项。在一个实施例中，数据建模工作室109可以生成phv图表并且显示来自非工厂数据源的事件编年史数据以及事件数据。来自其它数据源的项目可以按时间顺序放置在图表上，就像过程工厂事件(例如，警报)被放置一样。在一些实施例中，这些也可以是将用户引导到其它数据源和/或其它信息显示器的现场链接的项目，并且可以允许这些其它数据源的探索以及建模和分析以允许用户确定在工厂和外部数据之间的关系。此外，数据建模工作室109可以基于在当前问题的联系中的一个或多个查询来生成信息显示。当前问题可以通过各种技术(例如，当前问题的手动选择)或基于最近的警报来确定。
用户可以继续选择并且布置模板129，并且选择一个或多个数据流模板129d来代表在模板129之间的连接。再次转到图3，用户可以图形地构造模型以确定来自各种传感器的温度读数是否满足阈值水平。如图3所示，与传感器d1(302)、d2(304)和d3(306)、d4(308)相对应的四个数据模板被放置在图层区125b中。此外，与修剪例程310、过滤例程312和阈值例程314相对应的三个功能模板也放置在图层区125b中。用户具有进一步选定的数据流模板302a、304a和306a，其指示数据源d1(302)、d2(304)和d3(306)分别用作对修剪例程功能模板310的输入。数据流模板310a图形地指示修剪例程310的输出被输入过滤例程功能模板312。数据流模板308a图形地指示数据源d4(308)也输入过滤例程功能模板312。数据流模板312a指示过滤例程312的输出被输入到与阈值例程314相对应的功能模板内。在该示例中，阈值例程314可以从过滤例程312获取数据，并且使用阈值例程314来确定任何值是否满足阈值。数据流指示器314a指示阈值例程314的输出(其可以是例如指示阈值是否被满足的二进制值)被输出到在模型中由仪表板模板316图形地表示的仪表板视图。此外，数据流指示器314b指示阈值例程的输出也被输出到在模型中由警报模板318图形地表示的警报。可以设置警报模板318以警告用户(图形地、可听见地等)阈值未满足。
在一些实施例中，用户可以选择一个或多个数据流模板129d以代表对功能模板129b的输入。用户可以选择第一功能模板129b的输出以用作第二功能模板129b的输入。例如，用户可以选择两个数据源模板129a作为对建模结构例程的输入，以使用数据源来对工厂的操作进行建模。用户可以选择该模型的输出作为对定义分析例程(例如，回归分析)的功能模块129b的输入。在一些实施例中，用户可能希望将两个数据模板129a“绑定”在一起以指示关系。例如，用户可以使用接口来将大桶的温度输出绑定到与在过程工厂(例如，过程工厂10中)的特定控制器相关联的警报。
用户也可以创建模型以模拟过程工厂10的操作，并且设置输出模板129d以包括影响由过程工厂10制造的一个或多个产品的质量的操作的一个或多个预测。通过执行模拟模型，用户不必等待直到过程工厂10已完成制造产品为止以测试产品的特征。例如，产生疫苗的过程工厂可以基于实时数据来对过程工厂10的操作进行建模，并且在实时或近实时数据和历史数据上执行分析和/或建模以预测疫苗的潜力。使用数据建模工作室109图形地创建的模型可以基于当前工厂条件来预测病毒的潜力，并且处理控制读数并且将它们与历史原因进行比较以确定疫苗的潜力或调节过程工厂10的操作，例如调节大桶的温度。
然而，数据建模工作室109的用户不仅仅限于创建对过程的操作进行建模的模型，但可以用于在工厂设备本身上执行分析。数据源模板129a也可以包括存储在大数据设备102中的数据源，大数据设备102收集并且存储被收集作为过程工厂10的大数据体系结构的部分的全部(或几乎全部)的过程数据和工厂数据。数据源129a可以定义存储在大数据设备102中的全面的、高保真度数据，其定义实现大数据体系结构的过程工厂10的各种参数中的任一个或全部。因为数据建模工作室109提供对指示从整个工厂和外部源取回数据的数据源的各种大数据源模板129a的访问，数据建模工作室109允许用户创建更准确的模型并且执行更准确的分析。
在一些实施例中，使用数据建模工作室109创建的模型可以输出警告相关的一个或多个潜在的问题，并且向用户呈现出可以在过程工厂中实现以解决潜在的问题的一个或多个行动，例如，调节阀的压力。
在一些实施例中，数据建模工作室109可以用于执行涉及工厂设备的健康和状态的操作。用户可以使用数据建模工作室109的图形用户接口300来选择一个或多个数据源模板129a，其指示收集关于工厂设备的状态的数据(例如，压力流、阀压力、振动数据等)的数据源。当工厂设备在过去出故障时等，数据源模板129a可以包括与警报、维护报告有关的历史数据。模型也可以包括指示收集实时数据(例如，设备的振动读数)的数据源的一个或多个数据源模板129a。数据流可以实时地或近实时地从一个或多个工厂实体被接收，可以是历史数据、来自另一过程工厂的数据等。用户也可以选择一个或多个建模和/或分析模板，并且输入数据源模板129a作为对建模和/或分析模板的输入。
在一个示例情形中，当产品最终在稍后(例如在事件的组合的出现之后的几个小时)生成时，在过程工厂中的事件的某些组合导致差的产品质量。操作员不知道在事件的出现和产品质量之间的关系。不是检测并且确定从现在起几个小时的差的产品质量和故障检修以确定差的产品质量的根本原因(如在已知的过程控制系统中当前完成的)，用户可以创建并且执行模型以检测在它们出现时或之后不久的事件的组合，例如当与事件的出现相对应的数据被发送到机器102时。模型的模型输出可以是基于这些事件的出现的差产品质量的预测、对操作员预测的警报和/或可以是实时地调节或改变一个或多个参数或过程以减轻事件的组合的影响的过程数据。例如，模型的输出可以是修改的设定点或修改的参数值。用户可以使用模型的输出来进一步改进模型，创建新模型，在不同的数据上运行相同的模型，等等。因为数据建模工作室109访问存储在大数据机器102中的全面的、高保真度数据，所以不必在运行该方法之前定义在知识发现方法110中收集和使用的过程工厂的各种参数中的任一个或全部。因此，数据建模工作室109不需要用户选择他们首先想要的数据，并且配置工厂设备以在处理数据之前收集期望的数据。以这种方式，与当前已知的过程控制系统比较，由数据建模工作室109配置和执行的模型允许问题快速和有效地被发现并且可能地减轻。
在另一示例情形中，模型可以用于检测在产品操作中的变化。例如，模型可以输出某些通信速率的检测到的变化和/或从传感器或从多个传感器接收的参数值随着时间的过去的变化或模式，其可以指示系统动力学可以是变化的。在又一示例情形中，模型可以用于基于在过程工厂的操作期间的过程的行为和警报的出现来诊断并且确定特定的一批阀或其它供应商设备有故障。
在另一示例情形中，模型可以模拟过程工厂的操作并且预测产品能力，例如疫苗潜力。模型甚至可以被创建来监控并且检测与过程工厂10相关的潜在的安全问题，例如在多个工厂和/或工厂站点当中的登录模式、重试、及其相应的位置中的增加。以这种方式，公司拥有或操作多个过程工厂以在全地区、工业或公司范围基础上收集诊断和/或预后信息。
如上面关于图2-4所讨论的，用户可以选择数据源模板129a来图形地描绘被包括在使用数据建模工作室109创建的模型中的数据。然而，在一些实施例中，用户可以使用数据探测器155来选择将包括在模型中的数据源。虽然关于数据建模工作室109所讨论的，将认识到，数据探测器155也可以由数据知识应用114访问用于数据探索、探索等。
现在转到图5，示出了数据探测器155的用户接口1000。数据探测器155的用户接口1000提供了在过程工厂(例如，过程工厂10)中的各种硬件和软件部件之间的分层关系的图形视图。数据探测器155显示在特定的过程工厂使用的工厂设备的特定零件以及用于操作在特定的过程工厂中的工厂设备的特定零件的各种软件部件，例如，控制例程。
以这种方式，数据探测器155提供对存储在过程控制系统大数据存储区域102中的数据的访问。数据可以是包括在过程控制系统10的运行时期间被收集并且被存储(连同任何相对应的元数据120b一起)在过程控制系统大数据存储区域102中的时间系列数据点120a的历史化数据。例如，历史化数据可以包括在过程工厂10的操作期间使用的控制例程、参数和参数值、批处理配方、配置等的指示，并且历史化数据可以包括在过程工厂10的操作或相关活动期间出现的用户行动的指示。
数据建模工作室109的用户可能希望探索某些定义，并且可以键入选择数据探测器工具按钮714的输入以执行数据探测器。一旦数据探测器工具被执行，图5的用户接口1000就可以被显示。用户接口1000可以包括主控制窗口1002，其可以包括文本下拉菜单、象形文字菜单和其它选项。用户接口1002还可以包括侧边栏1004，其允许用户从分层关系方面考虑定义。示例分层系统包括控制系统、操作和物理工厂。控制系统分层结构可以显示与在工厂中使用的各种控制例程相对应的定义。操作分层结构可以显示与可以由过程工厂执行或可以由数据建模工作室使用建模和/或分析定义来执行的操作相对应的定义。物理工厂分层结构可以显示在过程工厂中使用的物理设备。当然，这些分层系统仅仅是示例，并且可以使用其它系统和/或系统的组合。此外，每一个分层结构可以具有一个或多个子分层结构。某些数据源也可以属于两个或更多个分层系统。例如，控制器可以包括在控制系统分层结构以及物理工厂分层结构中。
数据探测器155允许用户选择拱形分层结构(即物理工厂)并且选择视觉指示器1006来“穿过”以查看与该分层结构有关或属于该分层结构的数据对象。用户也可以希望通过执行数据探测器工具以观看分层结构中的数据来探索某些数据源。数据探测器155允许用户探索存储在大数据设备102中的数据源，大数据设备102收集并且存储被收集作为过程工厂10的大数据体系结构的部分的全部(或几乎全部)过程数据和工厂数据。数据可以包括存储在大数据设备102中的全面的、高保真度数据，其定义了实现大数据体系结构的过程工厂10的各种参数中的任一个或全部。用户可以使用数据探测器155来探索历史化的或存储的数据120。数据探测器155可以使用户能够基于数据流定义170(并且在一些情况下，基于至少一些分析定义172)来观看或视觉化所存储的数据120的至少部分。例如，数据探测器155可以允许用户将特定大桶的温度数据从特定的时间段拉出，并且应用趋势分析以观看在该时间段期间温度的变化。在另一示例中，数据探测器155可以允许用户执行回归分析以确定影响大桶温度的不相关的或相关的变量。用户也可以选择使数据在主屏幕显示1008中更详细地显示。例如，用户可以“穿过”物理工厂分层结构并且穿过硬件警报分层结构。
如本文所述的数据建模工作室提供用于图形地创建并且执行模型的鲁棒和有效的体系结构。在数据建模工作室109在利用大数据体系结构的过程工厂中实现的实施例中，所述大数据体系结构包括收集并且存储所收集的全部(或几乎全部)过程数据和工厂数据的大数据设备，用户可以使用数据建模工作室109的接口例程300来图形地编辑模型并且对模型进行重复，而不必重新配置工厂操作以收集额外的数据，所述额外的数据有助于必须更快的模型开发环境。
作为一个示例，用户可能认为：温度读数与过程工厂(例如过程工厂10)所产生的产品的质量相关。相应地，用户可以使用数据建模工作室109的图形用户接口300来创建在产品质量数据和温度数据上执行关联例程的模型。相应地，用户可以选择与温度读数相对应的第一数据源模板129a、与产品的质量相对应的第二数据源模板129b，以及与关联例程相对应的功能模板129b。用户还可以使用数据流模板129d来指示：第一和第二数据源模板129a被输入到关联例程内。用户也可以选择输出模板129c，其指示关联例程的结果(例如关联百分比)被输出到仪表板。用户然后可以使用运行时引擎124来执行模型。然而，所执行的模型的输出可以指示温度读数与产品的质量不相关。用户继而可能希望在不同的数据输入(例如，阀压力数据)上重新运行关联模型。
在传统上，用户然后必须配置过程工厂以在操作期间收集阀压力数据。由于现有过程控制系统的限制，收集阀压力数据可以涉及运行过程工厂以产生产品以及以模型所需的速率来收集阀压力数据。重新运行过程工厂以收集阀压力数据的过程可能花费数小时、数天和甚至数月来收集足够的数据以执行准确的模型。此外，在过程工厂重新运行并且数据被收集的时间中，工厂可能次佳地运行，因为用户还没有确定哪个过程控制数据(如果有的话)与产品质量相关。
因为数据建模工作室109访问在大数据设备中可得到的所有工厂数据，阀压力数据已经被记录，并且所有用户必须调节模型以简单地选择与阀压力数据相对应的数据源模板129a(从数据建模工作室109的图形用户接口300的库区125a)。事实上，用户可以使用数据建模工作室109来创建模型，其在过程工厂内的不同数据源上自动地重新运行关联的功能以确定哪个值(如果有的话)与产品质量相对应。用户可以通过使用在数据探测器155的接口1000中呈现的分层系统并且从在特定的过程工厂中使用的工厂设备的特定零件中选择过程控制数据来进一步提高使用数据建模工作室109创建的模型的准确度。
当然，这仅仅是对数据建模工作室109可以做什么的一个简化示例。本领域中的普通技术人员可以认识到，因为模型创建变得更复杂并且对准确模型的数据要求更严格，所以数据建模工作室109的使用容易和来自大数据设备102的高保真数据的鲁棒性允许创建更综合和准确的模型。
现在转到图6，更详细讨论了多个节点108(在图1中示出)。过程控制大数据网络100的多个节点108可以包括几个不同组的节点110-115，并且数据建模工作室109和/或数据知识应用114可以从与过程控制系统大数据网络100(在图1中示出的)通信地连接的一个或多个节点108中取回数据。此外，由数据建模工作室109(在图1中示出)的运行时引擎执行的模型可以将数据(例如过程控制数据)输出到一个或多个节点108，如下面更详细描述的，以用于在那些节点处执行。在本文被称为“提供者节点110”或“提供者设备110”的第一组节点110可以包括生成、按规定路线发送和/或接收过程控制数据以使过程能够实时地在过程工厂环境(例如过程工厂10)中被控制的一个或多个节点或设备。提供者设备或节点110的示例包括设备，其主要功能聚焦于生成和/或操作过程控制数据以控制过程，例如，有线和无线现场设备(例如传感器和阀)、控制器、或输入/输出(i/o设备)。提供者设备110的其它示例可以包括设备，其主要功能是提供对过程控制系统的一个或多个通信网络(其中过程控制大网络100是其中的一个)的访问或通过所述一个或多个通信网络进行路由，所述设备例如是接入点、路由器、有线控制总线的接口、无线通信网络的网关、外部网络或系统的网关和其它这样的路由和联网设备。提供者设备110的又一些其它示例可以包括设备，其主要功能是暂时性存储过程数据和在整个过程控制系统10中累积的其它有关数据，并且使暂时性存储的数据被发送以用于在过程控制系统大数设备102(在图1中示出)处历史化。
至少一个提供者设备110可以用直接方式或用间接方式来通信地连接到过程控制大数据网络骨干网105。例如，无线现场设备可以经由路由器、接入点和/或无线网关通信地连接到骨干网105。一般，提供者设备110没有集成用户接口，但是一些提供者设备100可以具有例如通过在有线或无线通信链路上通信或通过将用户接口设备插入提供者设备110的端口内来与用户计算设备或用户接口通信地连接的能力。
在本文被称为“用户接口节点112”或“用户接口设备113”的第二组节点112可以包括每一个都具有集成用户接口的一个或多个节点或设备，用户或操作员可以经由所述集成用户接口来与数据建模工作室109和/或数据知识应用114交互。这些用户接口节点或设备112的示例可以包括移动或静止计算设备、工作站、手持设备、平板计算机、表面计算设备、智能电话、以及具有处理器、存储器和集成用户接口的任何其它计算设备。集成用户接口可以包括屏幕、键盘、袖珍键盘、鼠标、按钮、触摸屏、触控板、生物统计接口、扬声器和麦克风、摄像机和/或任何其它用户接口技术。每一个用户接口节点112可以包括一个或多个集成用户接口。而且，用户接口节点112可以包括到过程控制大数据网络骨干网105的直接连接，或可以包括例如经由接入点或网关到骨干网105的间接连接。用户接口节点112可以用有线方式和/或用无线方式通信地连接到过程控制系统大数据网络骨干网105。在一些实施例中，用户接口节点112可以用特定方式连接到网络骨干网105。
当然，过程控制大数据网络100的多个节点108不限于仅仅提供者节点110和用户接口节点112。一个或多个其它类型的节点115也可以包括在多个节点108中。例如，在过程工厂10(例如实验室系统或材料处理系统)外部的系统的节点可以通信地连接到系统100的网络骨干网105。节点或设备115可以经由直接或间接连接通信地连接到骨干网105，和/或可以经由有线或无线连接通信地连接到骨干网105。在一些实施例中，这组其它节点115可以从过程控制系统大数据网络100中被省略。
至少一些节点108每一个可以包括相应的存储器存储装置(在图1中由图标mx表示)以实时地存储或缓存任务、测量、事件和其它数据。存储器存储装置mx可以包括高密度存储器存储装置技术，例如，固态驱动存储器、半导体存储器、光学存储器、分子存储器、生物存储器、或任何其它适当的高密度存储器技术。然而，存储器存储装置mx还可以包括闪存、硬盘驱动器或任何其它类型的存储器。存储器存储装置mx(和在一些情况下，闪存)可以被配置为暂时性存储或缓存由它的相应节点108生成、在它的相应节点108处接收或否则由它的相应节点108观察到的数据。至少一些节点108(例如，控制器设备)的闪存mx也可以存储节点配置的快照、批处理配方、和/或其它数据以使得在正常操作期间或在停电或使节点离线的其它事件期间在使用该信息中的延迟最小化。当然，节点110、112中的任何或所有和任何数量的节点115可以包括高密度存储器存储装置mx。应理解，可以在这组节点108当中或在包括在这组节点108中的节点的子集当中利用高密度存储器存储装置mx的不同类型或技术。
可以由提供者节点或设备110缓存或收集的实时数据的示例(但不是综合列表)可以包括测量数据、控制信号数据、配置数据、批处理数据、事件数据、和/或连续数据。例如，可以收集与配置、批处理配方、设定点、输出、速率、控制行动、诊断、警报、事件和/或对其的变化相对应的实时数据。实时数据的其它示例可以包括过程模型、统计资料、状态数据、以及网络及工厂管理数据。
可以由用户接口节点或设备112缓存或收集的实时数据的示例可以包括例如用户登录、用户查询、由用户(例如由摄像机、音频或视频记录设备)捕获的数据、用户命令、创建、文件的修改或删除、用户接口节点或设备的物理或空间位置、由用户接口设备113执行的诊断或测试的结果、以及由与用户接口节点112交互的用户或由该用户发起的其它行动或活动。
所收集的数据可以是动态或静态数据，并且可以包括例如数据库数据、流数据和/或交易数据。通常，节点108生成、接收或观察的任何数据可以使用相对应的时间戳或收集/缓存的时间的指示被收集或缓存。在优选实施例中，节点108生成、接收或观察的所有数据使用每一个数据的收集/缓存的时间的相应指示(例如时间戳)被收集或缓存在其存储器存储装置(例如高密度存储器存储装置mx)中。
每一个节点110、112(和可选地，至少一个其它节点115)可以被配置为自动收集或缓存实时数据，并且使所收集/缓存的数据被分发到大数据设备102和/或其它节点108，而不需要有损数据压缩、数据子采样或为了数据收集目的而配置节点。与现有技术过程控制系统不同，在过程控制系统大数据网络100的节点或设备108处收集的数据的特征不需要先验地配置到设备108内。此外，数据在节点108处被收集并且从节点108分发时的速率也不需要被配置、选择或定义。替代地，过程控制大数据系统100的节点110、112(和可选地至少一个其它节点115)可以自动收集以数据被生成、接收或得到时的速率由节点生成、在节点处接收、或由节点得到的所有数据，并且可以使所收集的数据以高保真度(例如，不使用有损数据压缩或可以引起原始信息的损失的任何其它技术)被分发到过程控制大数据设备102和可选地分发到网络100的其它节点108。
在图7中示出了示出连接到过程控制大数据网络骨干网105的示例提供者节点110的详细框图。更具体地，提供者网络可以用于收集并且缓存从过程工厂10收集和存储在数据存储区域120中的数据。数据源模板129a(用于在数据建模工作室109的图形用户接口300中构造模型)是存储在数据存储区域120中的数据的图形表示或指针。以这种方式，在大数据过程控制网络100中收集并且在数据存储区域120中存储的所有数据是数据建模工作室109和数据知识应用114的用户可用的。
如前面讨论的，提供者节点110可以包括一个或多个设备，其主要功能是自动生成和/或接收用于执行功能以在过程工厂环境10中实时地控制过程的过程控制数据，所述一个或多个设备例如是过程控制器、现场设备和i/o设备。在过程控制环境10中，过程控制器一般接收指示由现场设备进行的过程测量的信号，处理该信息以实现控制例程，并且生成通过有线或无线通信链路发送到其它现场设备以控制在工厂10中的过程的操作的控制信号。一般，至少一个现场设备执行物理功能(例如，打开或关闭阀、增加或降低温度、火炉火焰、风扇速度等)以控制过程的操作，并且一些类型的现场设备可以使用i/o设备与控制器进行通信。过程控制器、现场设备和i/o设备可以是有线的或无线的，并且任何数量和组合的有线和无线过程控制器、现场设备和i/o设备可以包括在过程控制大数据网络100的节点110内。
如图7所示，控制器11经由输入/输出(i/o)卡26和28通信地连接到有线现场设备15-22，并且经由无线网关35和网络骨干网105通信地连接到无线现场设备40-46。(但是在另一实施例中，控制器11可以使用除了骨干网105以外的通信网络，例如通过使用另一有线或无线通信链路来通信地连接到无线网关35)。在图7中，控制器11被示为过程控制系统大数据网络100的节点110，并且直接连接到过程控制大数据网络骨干网105。
作为示例可以是由艾默生过程管理公司出售的deltavtm控制器的控制器11可以操作来使用至少一些现场设备15-22和20-46来实现批处理过程或连续过程。控制器11可以使用与例如标准4-20ma设备、i/o卡26、28和/或任何智能通信协议(例如，
图7的控制器11包括实现或监督可以包括控制回路的一个或多个过程控制例程(存储在存储器32中)的处理器30。处理器30可以与现场设备15-22和40-46并且与通信地连接到骨干网105的其它节点(例如节点110、112、115)通信以便执行控制活动。应注意，本文所述的任何控制例程或模块(包括质量预测和故障检测模块或功能块)可以具有由不同的控制器或其它设备实现或执行的其零件，如果这么希望。同样，应在过程控制系统10内实现的本文所述的控制例程或模块可以采取任何形式，包括软件、固件、硬件等。可以在任何期望的软件格式中，例如使用面向对象的编程、梯形逻辑、顺序功能图表、功能块图示或使用任何其它软件编程语言或设计范式来实现控制例程。控制例程可以存储在任何期望类型的存储器(例如，随机存取存储器(ram)或只读存储器(rom))中。同样，控制例程可以是在例如一个或多个eprom、eeprom、专用集成电路(asic)或任何其它硬件或软件元件内被硬编码。因此，控制器11可以被配置为以任何期望的方式来实现控制策略或控制例程。
在一些实施例中，控制器11使用通常被称为功能块的东西来实现控制策略，其中每一个功能块是对象或总控制例程的其它部分(例如子例程)，并且结合其它功能块来操作(经由被称为链路的通信)以实现在过程控制系统10内的过程控制回路。基于控制的功能块一般执行输入功能中的一个，例如与发射机、传感器或其它过程控制参数测量设备相关联关的输入功能、控制功能，例如与执行pid、模糊逻辑等控制的控制例程相关联的控制功能、或控制某个设备(例如，阀)的操作以执行在过程控制系统10内的某个物理功能的输出功能。当然，混合和其它类型的功能块存在。功能块可以存储在控制器11中并且由控制器11执行，这一般是当这些功能块用于标准4-20ma设备和一些类型的智能现场设备(例如，hart设备)或与标准4-20ma设备和一些类型的智能现场设备(例如，hart设备)相关联时的情况，或可以存储在现场设备本身中并且由现场设备本身执行，所述现场设备可以是现场总线设备的情况。控制器11可以包括可以实现一个或多个控制回路的一个或多个控制例程38。每一个控制回路一般被称为控制模块，并且可以通过执行一个或多个功能块来被施行。
有线现场设备15-22可以是任何类型的设备，例如传感器、阀、发射机、定位器等，而i/o卡26和28可以是符合任何期望通信或控制器协议的任何类型的i/o设备。在图7所示的实施例中，现场设备15-18是通过模拟线或组合的模拟和数字线与i/o卡26通信的标准4-20ma设备或hart设备，而现场设备19-22是使用现场总线通信协议通过数字总线与i/o卡28通信的智能设备，例如
在图7所示的实施例中，无线现场设备40-46使用无线协议(例如，wirelesshart协议)在无线网络70中通信。这样的无线现场设备40-46可以直接与也被配置为无线地通信(使用例如无线协议)的过程控制大数据网络100的一个或多个其它节点108直接通信。为了与未被配置为无线地通信的一个或多个其它节点108进行通信，无线现场设备40-46可以利用连接到骨干网105或连接到另一过程控制通信网络的无线网关35。在一些实施例中，至少一些无线现场设备40-46可以是过程控制系统大数据网络100的节点。
无线网关35是可以提供对无线通信网络70的各种无线设备40-58的访问的提供者设备110的示例。特别是，无线网关35提供在无线设备40-58、有线设备11-28、和/或过程控制大数据网络100(包括图7的控制器11)的其它节点108之间的通信耦合。例如，无线网关35可以通过使用大数据网络骨干网105和/或通过使用过程工厂10的一个或多个其它通信网络来提供通信耦合。
在一些情况下，无线网关35通过路由、缓冲和定时服务来提供与有线和无线协议栈(例如地址转换、路由、分组分割、优先化等)的下层的通信耦合，同时隧道化有线和无线协议栈的一个或多个共享层。在其它情况下，无线网关35可以在不共享任何协议层的有线和无线协议之间转换命令。除了协议和命令转换以外，无线网关35还可以提供由与在无线网络70中实现的无线协议相关联的调度方案的时隙和超帧(在时间上相等地间隔开的通信时隙的组)使用的同步计时。此外，无线网关35可以提供无线网络70的网络管理和管理功能，例如资源管理、性能调节、网络故障减轻、监控流量、安全等。无线网关35可以是过程控制系统大数据网络100的节点110。
类似于有线现场设备15-22，无线网络70的无线现场设备40-46可以执行在过程工厂10内的物理控制功能，例如打开或关闭阀或进行过程参数的测量。无线现场设备40-46然而被配置为使用网络70的无线协议进行通信。因此，无线现场设备40-46、无线网关35和无线网络70的其它无线节点52-58是无线通信分组的生产者和消费者。
在一些情形中，无线网络70可以包括非无线设备。例如，图7的现场设备48可以是旧版4-20ma设备，而现场设备50可以是传统的有线hart设备。为了在网络70内进行通信，现场设备48和50可以经由无线适配器(wa)51a或52b连接到无线通信网络70。此外，无线适配器52a、52b可以支持其它通信协议，例如
相应地，图7包括主要用于向过程控制系统的各种网络提供网络路由功能和管理的提供者设备110的几个示例。例如，无线网关35、接入点55a、55b和路由器58包括在无线通信网络70中按规定路线发送无线分组的功能。无线网关35执行无线网络70的流量管理和管理功能，以及将业务按规定路线向和从与无线网络70通信地连接的有线网络进行发送。无线网络70可以利用专门支持过程控制消息和功能(例如，wirelesshart)的无线过程控制协议。
虽然过程控制大数据网络100的提供者节点110也可以包括使用其它无线协议通信的其它节点。例如，提供者节点110可以包括利用其它无线协议(例如，wifi或其它符合ieee802.11的无线局域网协议、移动通信协议(例如，wimax(全球微波接入互操作性)、lte(长期演进)或其它itu-r(国际电信联盟无线电通信部门)兼容的协议)、短波长无线电通信(例如，近场通信(nfc)和蓝牙)或其它无线通信协议)的一个或多个无线接入点72。一般，这样的无线接入点72允许手持或其它便携式计算设备(例如用户接口设备113)通过与无线网络70不同的并且支持与无线网络70不同的无线协议的相应的无线网络进行通信。在一些情形中，除了便携式计算设备以外，一个或多个过程控制设备(例如控制器11、现场设备15-22或无线设备35、40-58)也可以使用由接入点72支持的无线来进行通信。
此外或可选地，提供者节点110可以包括在直接过程控制系统10外部的系统的一个或多个网关75、78。一般，这样的系统是由过程控制系统10生成或操作的信息的消费者或供应者。例如，工厂网关节点75可以使直接过程工厂10(具有它自己的相应过程控制大数据网络骨干网105)与具有自己的相应过程控制大数据网络骨干网的另一过程工厂通信地连接。如果需要，单个过程控制大数据网络骨干网105可以服务于多个过程工厂或过程控制环境。
在另一示例中，工厂网关节点75可以将直接过程工厂10通信地连接到不包括过程控制大数据网络100或骨干网105的旧版或现有技术过程工厂。在该示例中，工厂网关节点75可以在由工厂10的过程控制大数据网络骨干网105利用的协议和由旧版系统利用的不同协议(例如以太网、profibus、现场总线、devicenet等)之间转换或变换消息。
提供者节点110可以包括一个或多个外部系统网关节点78以使过程控制大数据网络100与外部公共或专用系统通信地连接，所述外部公共或专用系统例如实验室系统(例如实验室信息管理性系统或lims)、操作员组数据库、材料处理系统、维护管理系统、产品库存控制系统、生产调度系统、天气数据系统、装运和装卸系统、包装系统、互联网、另一提供者的过程控制系统或其它外部系统。
虽然图7只示出了具有有限数量的现场设备15-22和40-46的单个控制器11，但是这仅仅是例证性和非限制性的实施例。任何数量的控制器11可以包括在过程控制大数据网络100的提供者节点110中，并且任何控制器11可以与任何数量的有线或无线现场设备15-22、40-46进行通信以控制工厂10中的过程。此外，过程工厂10还可以包括任何数量的无线网关35、路由器58、接入点55、无线过程控制通信网络70、接入点72和/或网关75、78。
如前面讨论的，一个或多个提供者节点110可以包括相应的多核处理器pmcx、相应的高密度存储器存储装置mx、或相应的多核处理器pmcx和相应的高密度存储器存储装置mx(在图7中由图标bd表示)。每一个提供者节点100可以利用它的存储器存储装置mx(并且在一些实施例中，它的闪存)来收集和缓存数据。每一个节点110可以使它的所缓存的数据被发送到过程控制系统大数据设备102。例如，节点110可以使在它的高速缓存存储器中的数据的至少一部分定期地被发送到大数据设备102。可选地或此外，节点110可以使在它的高速缓存存储器中的数据的至少一部分流式传送到大数据设备102。在一种情况下，过程控制系统大数据设备102可以是将所缓存或收集的数据从节点110分发的流式传送服务器的订户。在另一情况下，提供者节点110可以托管流式传送服务。
对于具有与骨干网105直接连接的节点110(例如控制器11、工厂网关75、无线网关35)，在实施例中，相应的所缓存或收集的数据可以经由骨干网105从节点110直接被发送到过程控制大数据设备102。虽然对于至少一些节点110，收集和/或缓存可以是分级或分层的，使得更远地在(例如更远离)过程控制大数据设备102下游的在节点处缓存或收集的数据立即缓存在更远地在上游的节点处(例如更靠近大数据设备102)。
为了示出分层或分级数据缓存的示例，现场设备22缓存它生成或接收的过程控制数据，并且使它的高速缓存存储器的内容被分发给包括在现场设备22和过程控制大数据设备102之间的通信路径中的“上游”设备，例如i/o设备28或控制器11。例如，现场设备22可以将它的高速缓存存储器的内容流式传送到i/o设备28，或现场设备22可以将它的高速缓存存储器的内容定期地发送到i/o设备28。i/o设备28将从现场设备22接收的信息连同i/o设备28直接生成、接收和观察的其它数据一起缓存在它的存储器m5中(并且在一些实施例中，也可以将从其它下游现场设备19-22接收的数据缓存在它的存储器m5中)。在i/o设备28处收集和缓存的数据(包括现场设备22的高速缓存存储器的内容)可以接着定期地被发送和/或流式传送到上游控制器11。类似地，在控制器11的级别处，控制器11将从下游设备(例如i/o卡26、28和/或任何现场设备15-22)接收的信息缓存在它的存储器m6中，并且在它的存储器m6中聚集下游数据与控制器11本身直接生成、接收和观察的数据。控制器11可以接着将所聚集的收集或收集的数据分发和/或流式传送到过程控制大数据设备102。以这种方式，现场设备22向数据建模工作室109和/或数据知识应用114的用户提供对实时或近实时数据的访问。
在分层或分级缓存的第二示例情形中，控制器11使用有线现场设备(例如一个或多个设备15-22)和至少一个无线现场设备(例如无线现场设备44)控制过程。在该第二示例情形的第一实施例中，在无线设备44处缓存或收集的数据从无线设备44(例如经由大数据网络105)直接被分发和/或流式传送到控制器11，并且连同来自控制器11下游的其它设备或节点的数据一起存储在控制器高速缓存存储器m6处。控制器11可以将存储在它的高速缓存存储器m6中的数据定期地分发或流式传送到过程控制大数据设备102。
在该第二示例情形的另一实施例中，在无线设备44处缓存或收集的数据可以经由可选的分级或分层路径(例如，经由设备42a、路由器52a、接入点55a、以及无线网关35)最终被分发到过程控制大数据设备102。在该实施例中，交替的路径的至少一些节点41a、52a、55a或35可以缓存来自下游节点的数据，并可以将缓存的数据定期地分发或流式传送到更远地在上游的节点。
相应地，不同类型的数据可以使用不同的分层或分级布置缓存在过程控制系统大数据网络100的不同节点处。在一些情况下，与控制过程相对应的数据可以使用主要功能是控制的提供者设备110(例如现场设备、i/o卡、控制器)以分层方式来进行缓存和分发，而与网络业务测量相对应的数据可以使用主要功能是业务测量的提供者设备110(例如路由器、接入点和网关)以分层方式来进行缓存和分发。如果需要，数据可以经由提供者节点或设备110来进行分发，提供者节点或设备100的主要功能(和在一些情形下，唯一的功能)是收集并且缓存来自下游设备(在本文被称为“历史节点”)的数据。例如，历史节点或计算设备的分级系统可以位于整个网络100内，并且每一个节点110可以例如使用骨干网105定期地将缓存的数据分发或流式传送到类似级别的历史节点。下游历史节点可以将缓存的数据分发或流式传送到上游历史节点，并且紧接着在过程控制大数据设备102的下游的历史节点最终可以分发或流式传送相应的缓存的数据以用于存储在过程控制大数据设备102处。
分层缓存可以也或此外由节点110执行，节点110使用过程控制系统大数据网络骨干网105彼此进行通信。同样，至少一些节点110可以使用另一通信网络和/或其它协议(例如hart、wirelesshart、现场总线、devicenet、wifi、以太网或其它协议)将缓存的数据传递到在不同的级别处的其它节点110。
当然，虽然关于提供者节点110讨论了分级或分层缓存，但是所述概念和技术可以同样适用于过程控制系统大数据网络100的用户接口节点112和/或其它类型的节点115。例如，节点108的子集可以执行分级或分层的缓存，而节点108的另一子集可以使它们缓存/收集的数据直接分发到过程控制大数据设备102，而不缓存或暂时性存储在中间节点处。此外，历史节点可以缓存来自多个不同类型的节点(例如来自提供者节点110和来自用户接口节点112)的数据。
图8是示出了可以使用过程控制系统大数据设备102的设备数据接收器122和设备请求服务器135实现的更详细概念和技术的示例框图。更具体地，图8是示出了使用设备数据接收器122来将数据(例如流式传送的数据)从过程控制大数据网络100的节点108传送到大数据设备102以用于存储和历史化的示例框图。图8示出了图1的四个示例节点108，即控制器11、用户接口设备12、无线网关35和第三方机器或网络78的网关。然而，关于图8讨论的技术和概念可以应用于任何类型和任何数量的节点108。此外，虽然图8只示出了三个设备数据接收器122a、122b和122c，与图8相对应的技术和概念可以应用于任何类型和任何数量的设备数据接收器122。
在图8所示的实施例中，每一个节点11、12、35和78包括相应的扫描仪s11、s12、s35、s78以捕获由节点11、12、35和78生成、接收或否则观察的数据。每一个扫描仪s11、s12、s35、s78的功能可以由相应的节点11、12、35、78的相应处理器pmcx执行。扫描仪s11、s12、s35、s78可以使所捕获的数据和相对应的时间戳以例如如前所述的方式暂时性存储或缓存在相应的本地存储器m11、m12、m35、m78中。因此，所捕获的数据包括时间系列数据或实时数据。所捕获的数据可以使用由过程控制大数据存储区域120利用的方案存储或缓存在每一个存储器m11、m12、m35、m78中。
每一个节点11、12、35和78可以例如通过使用网络骨干网105将至少一些缓存的数据发送到一个或多个设备数据接收器122a-122c。例如，当高速缓存存储器被填充到特定的阈值时，至少一个节点11、12、35、78可以从它的相应存储器mx推送至少一些数据。高速缓存存储器的阈值可以是可调节的，并且当资源(例如网络105的带宽、处理器pmcx或某个其它资源)是足够可用的时，至少一个节点11、12、35、78可以从它的相应存储器mx推送至少一些数据。特定资源的可用性阈值可以是可调节的。
在一些情况下，至少一个节点11、12、35、78可以每隔定期的时间推送存储在存储器mx中的至少一些数据。数据被推送的特定的时间间隔的周期可以基于数据的类型、推送节点的类型、推送节点的位置和/或其它标准。特定的时间间隔的周期可以是可调节的。另一方面，至少一个节点11、12、35、78可以响应于请求(例如来自过程控制大数据设备102)而提供数据。
在一些情况下，当数据由每一个节点11、12、35、78生成、接收或否则观察时，至少一个节点11、12、35、78可以实时地流式传送至少一些数据(例如，节点可以不暂时性存储或缓存数据，或可以只在节点处理数据以用于流式传送所花费的时间一样长的时间期间存储数据)。例如，至少一些数据可以通过使用流协议被流式传送到一个或多个设备数据接收器122。节点11、12、35、78可以托管流式传送服务，并且数据接收器122和/或数据存储区域120中的至少一个可以订阅流服务。
相应地，所发送的数据可以例如经由网络骨干网105由一个或多个设备数据接收器122a-122c接收。特定的设备数据接收器122可以被指定以从一个或多个特定的节点接收数据，和/或特定的设备数据接收器122可以被指定以只从一个或多个特定类型的设备(例如控制器、路由器或用户接口设备)接收数据。此外，特定的设备数据接收器122可以被指定以只接收一个或多个特定类型的数据(例如，仅仅网络管理数据或仅仅安全相关的数据)。
设备数据接收器122a-122c可以使数据在大数据设备存储区域120中被存储或历史化。例如，由每一个设备数据接收器122a-122c接收的数据可以使用过程控制大数据方案被存储在数据存储区域120中。在图8所示的实施例中，时间系列数据120a被示为与相对应的元数据120b分开地被存储，虽然在一些情况下，至少一些元数据120b可以与时间系列数据120a一起整体地被存储。
经由多个设备数据接收器122a-122c接收的数据可以合并，使得来自多个源的数据可以组合(例如在数据存储区域120的行的同一组中)。在一些情况下，经由多个设备数据接收器122a-122c接收的数据被清除以移除噪声和不一致的数据。设备数据接收器122可以在所接收的数据被存储之前在至少一些所接收的数据上执行数据清除和/或数据合并，和/或过程控制系统大数据设备102可以在所接收的数据存储在存储区域102之后清除一些或所有所接收的数据。设备或节点(例如节点110、112、115)可以使与数据内容有关的额外数据被发送，并且设备数据接收器122和/或大数据设备存储区域120可以利用该额外的数据来执行数据清除。至少一些数据可以在节点110、112、115使数据发送到大数据设备存储区域120用于存储之前(至少部分地)由节点110、112、115清除。
图9示出了利用使用数据建模工作室109创建的模型的知识发现的方法1100。一般来说，用于知识发现的方法1100可以由知识发现应用114执行，知识发现应用114接收例如用户感兴趣的过程控制数据的指示，并且执行在该数据上施行系统性的和/或全面的诊断、预后、分析、识别关系等以使用户能够发现并且评估从过程工厂取回的数据的模型。在一般意义上，由知识发现应用114执行的知识发现方法允许用户观看并且探索存储在大数据设备102中的数据，从大数据设备102选择数据并且在该数据上执行各种操作(使用例如以上面描述的方式创建的一个或多个数据模型)以发现关系或在更有效地运行工厂10、使在工厂10中的误差或停机时间最小化，使工厂输出的质量最大化，等等时可能有用的其它信息。此外，数据知识发现应用114可以生成输出探索接口，其允许用户观看可以采取模型的输出的图形描述的形式的信息(例如，数据值、图表、曲线、警报等)以及观看在数据模型和在过程工厂中操作的各种软件和硬件的输出之间的关系。
在一般意义上，知识发现方法可以由托管知识发现应用114的接口站103的一个或多个处理器执行。在一些实施例中，方法1100的一个或多个步骤可以分布在过程工厂10中的不同设备(例如一个或多个客户端设备113、一个或多个控制器11、一个或多个节点108等)当中。此外，方法1100的一个步骤的输出可以被发送到执行下一步骤的实体。
一个或多个设备的处理器(例如用户接口站103)可以自动执行知识发现方法。处理器可以经由大数据网络或骨干网105来访问知识发现应用114和在其中使用的数据，并且在一些情况下可以定期地执行一个或多个数据模型作为知识发现过程的部分，迭代地执行一个或多个数据模型作为知识发现过程的部分，连续地执行一个或多个数据模型作为知识发现过程的部分(例如在背景中或自动地而没有用户的干预，等等)，在工厂的操作期间或在工厂已经操作并且工厂数据被存储在例如大数据设备102中之后。此外，处理器可以在背景中(即由在过程控制系统中的设备操作而没有用户干预)或在前景中(有用户干预)执行知识发现应用114。背景过程可以用于在数据从过程工厂10被接收时提供正在进行的数据挖掘、数据建模和其它数据分析技术。在一些实施例中，可以实时地或近实时地接收数据。
如果需要，知识发现方法可以是迭代的，使得在该方法中的每一个步骤之后，执行该方法的一个或多个处理器可以使用过程或在该过程中使用的数据模型的一次执行的输出作为对下一步骤的输入和/或基于前面的输出进行调节。知识发现方法1100可以被自动化或可以包括由例如数据建模工作室109的一个或多个用户执行的一个或多个手动步骤。用户也可以使用知识发现应用114来配置知识发现方法的一个或多个方面。方法1100可以提供以例如指令的形式的一个或多个输出，以在方法1100的执行期间一次或多次向用户警告基于输出所建议的校正行动，其可以自动被采取或可以被呈现给用户以用于进一步的行动等。
而且，如果需要，实现方法1100的知识发现应用114可以按需要访问数据探测器155、大数据设备102和数据建模工作室109以获取或使用数据模型或访问将由数据模型或知识发现方法1100的其它部件使用的数据。例如，数据知识应用114可以访问使用数据建模工作室109创建的一个或多个数据模型以及访问数据建模工作室109的运行时引擎124，以便使用来自工厂10和/或来自大数据设备102的数据来执行一个或多个这样的数据模型。
在操作期间，数据知识应用114可以生成并且显示可以在数据上执行的数据模型的多个图形描绘，并且可以将接口提供在工厂内可用的数据(例如，如存储在大数据设备102中的)以使用户能够观看、指定或选择要处理哪个数据以及使用哪个或哪些数据模型来处理该数据。当然，如上面提到的，数据模型可以包括对过程工厂10的操作进行建模或估计或使用所收集的过程数据或基于来自真实或模拟过程的过程数据来执行在过程工厂10内运行的过程的一些方面的分析的任何例程。在发现方法中使用的数据模型可以是预先配置的模型或可以是使用数据建模工作室109创建、由模板129构造，并且包括如上所述的一个或多个数据源模板129a、功能模板129b、数据流模板129d和/或数据输出模板129c的模型。数据模型可以经由计算机网络(例如过程控制系统大数据网络骨干网105))从存储装置被取回，或被创建作为知识发现方法1100的部分。
再次参考图9，在块1102，执行知识发现方法1100的处理器可以执行指令以向用户呈现用户接口以使用户能够观看、穿入到并且选择如存储在大数据设备102中的、如从工厂10可得到的等的一种或多种类型的过程数据。该接口可以示出在如存储在工厂配置数据中的或由工厂配置数据提供的数据之间的关系，可以使用户能够观看实际数据或观看数据的概述统计等。接口可以使用户能够同时观看多种不同类型的数据或数据流或从工厂选择不同的数据流以用于在知识发现过程中使用。例如，该方法可以使用户能够使用上面描述的数据探测器155。
因此，在块1102，执行方法1100的处理器可以执行指令以生成显示存储在大数据设备上的过程控制数据的数据探索接口。过程控制数据可以包括定义在过程工厂中使用的硬件和软件的配置数据和在这些单元之间的所配置的关系。硬件模块可以包括用户接口、服务器、数据库、控制器、现场设备、单元、单元模块、设备、设备模块和在过程工厂10中使用的任何其它设备。软件模块可以包括在硬件和软件模块等之间引导数据流的、控制硬件的控制软件，并且可以包括控制例程、数据收集例程、数据取回例程等。软件模块也可以包括控制或引导在工厂10内的通信的通信软件、为了维护目的而收集并且处理数据的维护软件、处理数据以执行商业功能等的商业模块。当然，过程控制数据可以包括与由硬件和软件模块生成或记录在硬件和软件模块内的值相对应的过程测量数据，例如温度值、压力值等、控制器数据(例如，控制信号等)。过程控制数据也可以从多个节点108中的一个或多个和/或大数据设备102流式传送。
数据知识应用114可以进一步合并过程控制数据以允许该数据与来自多个其它过程工厂源、非过程工厂源、外部数据源、第三方数据源等的数据一起被观看。例如，来自第一工厂的大数据设备102的数据可以与来自一个或多个其它工厂的大数据设备102的数据集成。在一些实施例中，过程控制数据可以使用其它数据方案(例如，在过程工厂中使用的旧版方案)与来自一个或多个过程工厂的数据集成。数据还可以与第三方数据(例如环境数据)集成在一起。环境数据可以包括天气数据，例如温度、天气条件等。
数据探索接口可以包括定义在过程工厂中的硬件和软件模块之间的一个或多个分层关系的分层配置数据。例如，数据探索接口可以定义特定的过程工厂以及在该过程工厂中使用的硬件和特定软件例程的特定零件。过程控制数据还包括定义在过程工厂中的硬件和软件模块之间的一个或多个互连的连接数据，例如数据连接、数据取回、哪个控制例程被布置在哪个控制器中等。
而且，块1104可以操作来接收应用于选定的数据或数据流的一个或多个数据模型的用户选择。选定的数据模型可以定义在一个或多个选定的数据源上执行的处理例程，例如，数据预处理例程(修剪例程、异常值移除例程等)、在选定的数据流上执行以产生输出的一个或多个功能(校正例程、平均化例程等)和/或在数据模型的输出上执行的一个或多个功能，例如图形呈现、警报等。
例如，数据处理技术可以移除噪声、不一致的数据、异常值等。数据处理技术还可以包括将预先处理的数据转换成与功能例程或数据模型的块兼容的数据格式的转换例程。由数据模型执行的功能可以包括数据挖掘技术或确定或发现一个或多个数据模式的其它智能方法。
在任何情况下，如在块1106所示的，知识发现应用114可以接收定义对由选定的数据模型处理的一个或多个过程数据输入的过程控制数据的选择。在块1108，数据模型在选定的过程控制数据上执行以产生由数据模型定义的输出。知识发现应用114可以访问数据建模工作室109的运行时引擎124，并且使用运行时引擎124的模型执行例程128来执行数据模型。在块1110，数据知识应用114可以生成允许用户观看由数据模型产生的输出的输出探索接口。更具体地，输出探索接口可以显示由模型产生的输出的图形显示、在输出与在过程工厂中的硬件和软件模块之间的关系、其它潜在关的数据等。
输出探索接口允许用户评估模式，并且识别期望的或有意义的数据模式、关系等。在一些实施例中，用户可以做出指示对期望的数据模式的选择的输入，并且知识发现应用114可以执行一个或多个数据模型以搜索展示该关系的数据对或组。例如，用户可以做出指示选择以识别与产品的质量有关的数据模式或在警报和温度之间的模式的输入。可以基于结果和/或视觉化数据来进行一个或多个预测。
知识发现方法1100也可以迭代地执行图9的步骤1102-1110。例如，基于模型的第一执行的输出，用户可能希望在模型的第一执行之后在额外的过程控制数据上运行选定的数据模型，在相同的过程控制数据上执行不同的模型等。以这种方式，方法1100可以是重复的并且允许用户补充大数据设备102的过程控制数据以快速和有效地执行模型。
因为知识发现应用114访问存储在大数据设备102中的综合、高保真度数据，不是必须在运行该方法之前定义在知识发现方法110中收集和使用的过程工厂的各种参数中的任一个或全部。因此，知识发现应用114不要求用户选择他们首先想要的数据，并且配置工厂设备以在处理数据之前收集期望的数据。替代地，如果运行本文所述的知识发现方法的用户选择在一些模型上运行的数据，并且稍后确定额外的数据是必要的，则用户不必重新配置工厂以收集新数据并且操作工厂来收集新数据(可以花费约几个星期到几个月的过程)，因为新数据在大数据设备102中是立即可用的。因为用户很少知道在创建模型开始时创建针对过程的模型可能需要的所有数据，在配置工厂开始时少得多，知识发现应用114便于快速和有效的复杂过程建模和分析。
如果需要，运行知识发现应用114的处理器也可以执行一个或多个指令以经由大数据网络骨干网105自动访问一个或多个设备，并且执行命令以基于知识发现应用114的输出来影响过程工厂的实际操作。然而，允许知识发现应用114以自动实现变化可能是危险的。相应地，与应用114的部分相关联或作为应用114的部分提供的自动化系统可以向操作员、工程师或另一用户警告模式估计和/或预测的结果以及用户可以基于模式估计而做出的一个或多个潜在的解决方案或配置变化。
在块1112，知识发现的结果可以被存储或否则集成到过程控制系统内。例如，从模式评估呈现的数据可以被输入回到工厂内，并且自动绑回到在工厂内执行的一个或多个控制策略内。由过程确定的一个或多个模式可以保存在大数据设备102或数据建模工作室109中作为模板以用于未来使用或访问。知识发现过程的输出可以被上传和/或保存在工厂的另一部分(例如，控制器、数据分析引擎等)中。数据模型可以被装入在线工厂的一个或多个部分中，并且在在线运行时环境中的工厂中被执行。
下面的额外考虑因素适用于前述讨论。在整个该说明书中，多个实例可以实现被描述为单个实例的部件、操作或结构。虽然一个或多个例程或方法的单独操作被说明和描述为单独的操作，但是一个或多个单独的操作可以被同时执行，并且没有什么要求操作以所示顺序被执行。在示例配置中被呈现为单独部件的结构和功能可以被实现为组合的结构或部件。类似地，被呈现为单个部件的结构和功能可以被实现为单独的部件。这些和其它变化、修改、添加和改进落在本公开的主题的范围内。
此外，某些实施例在本文被描述为包括逻辑或多个部件、模块或机构或单元。模块和单元可以构成软件模块(例如存储在非暂时性机器可读介质上的代码)或硬件模块。硬件模块是能够执行某些操作的有形单元，并且可以用某种方式被配置或布置。在示例实施例中，一个或多个计算机系统(例如独立、客户端或服务器计算机系统)或计算机系统(例如处理器或一组处理器)的一个或多个硬件模块可以由软件(例如应用或应用部分)配置为操作来执行如本文所述的某些操作的硬件模块。
硬件模块可以包括被永久配置(例如作为专用处理器，例如现场可编程门阵列(fpga)或专用集成电路(asic))以执行某些操作的专用电路或逻辑。硬件模块也可以包括由软件暂时性配置以执行某些操作的可编程逻辑或电路(例如，如包括在通用处理器或其它可编程处理器内)。将认识到，在专用和永久配置的电路中或在暂时性配置的电路(例如由软件配置)中实现硬件模块的决定可以由成本和时间考虑因素驱动。
因此，本文使用的硬件术语应被理解为包括有形实体，所述有形实体是在物理上被构造、永久配置(例如硬连线)或暂时性配置(例如编程)以用某种方式操作或执行本文所述的某些操作的实体。考虑硬件模块被暂时性配置(例如编程)的实施例，每一个硬件模块不需要在任一时刻被配置或例示。例如，在硬件模块包括使用软件配置的通用处理器的场合，通用处理器可以在不同的时间被配置为相应的不同硬件模块。软件可以相应地配置处理器，例如以在一个时刻构成特定的硬件模块，并且在不同的时刻构成不同的硬件模块。
硬件和软件模块可以向其它硬件和/或软件模块提供信息，并且从其它硬件和/或软件模块接收信息。因此，所述硬件模块可以被视为通信地耦合。在多个这样的硬件或软件模块同时存在的场合，可以通过连接硬件或软件模块的信号传输(例如通过适当的电路、线路和总线)来实现通信。在多个硬件模块或软件在不同的时间被配置或例示的实施例中，可以例如通过在多个硬件或软件模块访问的存储器结构中存储和取回信息来实现在这样的硬件或软件模块之间的通信。例如，一个硬件或软件模块可以执行操作，并且将该操作的输出存储在它通信地耦合的存储器设备中。另一硬件或软件模块可以接着稍后访问存储器设备以取回并且处理所存储的输出。硬件和软件模块也可以发起与输入或输出设备的通信，并且可以在资源(例如信息的集合)上操作。
本文描述的示例方法的各种操作可以至少部分地由暂时性配置(例如通过软件)或永久被配置为执行相关操作的一个或多个处理器执行。不管是暂时性还是永久配置，这样的处理器都可以构成操作来执行一个或多个操作或功能的处理器实现的模块。在一些示例实施例中，在本文提到的模块可以包括处理器实现的模块。
类似地，本文所述的方法或例程可以至少部分地是处理器实现的。例如，方法的至少一些操作可以由处理器或处理器实现的硬件模块中的一个执行。某些操作的性能可以分布在一个或多个处理器当中，不仅存在于单个机器内，还部署在多个机器当中。在一些示例实施例中，一个或多个处理器可以位于单个位置中(例如在家庭环境、办公室环境内或作为服务器农场)，而在其它实施例中，处理器可以分布在多个位置当中。
按照对在机器存储器(例如计算机存储器)内被存储为位或二进制数字信号的数据的操作的符号表示或算法来呈现该说明书的一些部分。这些算法或符号表示是由在数据处理领域中的普通技术人员使用来将他们的工作的实质传达给本领域中的其他技术人员的技术的示例。如在本文使用的，“应用”、“算法”或“例程”是操作的前后一致的序列或导致期望结果的类似处理。在该上下文中，应用、算法、例程和操作涉及物理量的物理操纵。一般但不是必须，这样的量可以采取能够由机器存储、访问、传输、组合、比较或否则操作的电、磁或光信号的形式。有时主要为了常见用法的原因使用词例如“数据”、“内容”、“位”、“值”、“单元”、“符号”、“字符”、“项”、“数字”、“数码”等提到这样的信号是方便的。然而，这些词仅仅是方便的标签，并且应与适当的物理量相关联。
除非另外特别规定，在本文使用词例如“处理”、“计算”、“运算”、“确定”、“呈现”、“显示”等的讨论可以指操纵或变换被表示为在一个或多个存储器(例如易失性存储器、非易失性存储器或其组合)、寄存器、或接收、存储、发送或显示信息的其它机器部件内的物理(例如电子、磁性或光学)量的机器(例如计算机)的行动或过程。
如在本文使用得到的，对“一个实施例”或“实施例”的任何提及意指关于该实施例描述的特定元件、特征、结构或特性包括在至少一个实施例中。短语“在一个实施例中”在说明书中的不同地方的出现并不一定都指同一实施例。
可以使用表述“耦合”和“连接”连同其派生词来描述一些实施例。例如，可以使用术语“耦合”来描述一些实施例以指示两个或更多个元件直接物理或电接触。然而，术语“耦合”也可以意指两个或更多个元件彼此不直接接触，但仍然彼此协作或交互作用。实施例并不被限制在该上下文中。
如在本文使用的，术语“包含”、“包含了”、“包括”、“包括了”、“具有”、“拥有”或其任何其它变形是要涵盖非排他的包括。例如，包括元件的列表的过程、方法、物品或装置并不一定仅限于那些元件，而是可以包括未明确列出或这样的过程、方法、物品或装置内在的其它元件。此外，除非相反地明确说明，“或”指包括性的或而不是排他性的或。例如，条件a或b由下列项中的任一个满足：a为真(或存在)并且b为假(或不存在)，a为假(或不存在)并且b为真(或存在)，以及a和b二者都为真(或存在)。
此外，“一”或“一个”的使用用来描述本文的实施例的元件和部件。这仅为了方便而完成，并且给出描述的一般意义。该描述应被解释为包括一个或至少一个，并且单数也包括复数，除非很明显它意指相反的情况。
当阅读本公开时，本领域中的技术人员将认识到用于实现用于配置和执行模型的数据建模工作室的又一些额外的可选结构和功能设计，如本文公开的。因此，虽然在本文示出和描述了特定的实施例和应用，但是应理解，所公开的实施例不限于本文公开的精确结构和部件。可以在本文公开的方法和结构的布置、操作和细节中做出对本领域中的技术人员显而易见的各种修改、变化和变形而不偏离在权利要求中限定的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！