过程控制系统中的区域性大数据的制作方法
过程控制系统中的区域性大数据的制作方法
【专利说明】
[0001] 相关申请的交叉引用
[0002] 本申请与和本申请同时提交的、标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请 No. 62/060, 408 (代理人案卷号 No. 06005/593085P) 有关，故以引用方式将其全部内容并入本文。本申请还与和本申请同时提交的、标 题为"STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS" 的美国申 请No. 14/506, 863 (代理人案卷号No. 06005/593070)有关，故以引用方式将其全部 内容并入本文。另外，本申请还与和本申请同时提交的、标题为"AUTOMATIC SIGNAL PROCESSING-BASED LEARNING IN A PROCESS PLANT"的美国申请No. 14/507, 252(代理人案 卷号No. 06005/593086)有关，故以引用方式将其全部内容并入本文。
[0003] 此外，本公开内容还与下面的美国专利申请有关：
[0004] 2013 年 3 月 3 日提交的、标题为"BIG DATA IN PROCESS CONTROL SYSTEMS" 的美 国专利申请No. 13/784,041 ;
[0005] 2013 年 9 月 17 日提交的、标题为 "METHOD AND APPARATUS FOR CONTROLLING A PROCESS PLANT WITH LOCATION AWARE MOBILE CONTROL DEVICES" 的美国专利申请 No.14/028, 785 ；
[0006] 2014 年 2 月 6 日提交的、标题为 "COLLECTING AND DELIVERING DATA TO A BIG DATA MACHINE IN A PROCESS CONTROL SYSTEM" 的美国专利申请 No. 14/174,413 ;
[0007] 2014年3月 14 日提交的、标题为"DISTRIBUTED BIG DATA IN A PROCESS CONTROL SYSTEM"的美国专利申请No. 14/212, 493 ;
[0008] 2014 年 3 月 14 日提交的、标题为 "DETERMINING ASSOCIATIONS AND ALIGNMENTS OF PROCESS ELEMENTS AND MEASUREMENTS IN A PROCESS"的美国专利申请No. 14/212,411 ;
[0009] 故以引用方式将这些申请中的每一份申请的全部公开内容明确地并入本文。
技术领域
[0010] 概括地说，本公开内容涉及过程工厂和过程控制系统，更具体地说，涉及在过程工 厂和过程控制系统中使用区域性大数据。
【背景技术】
[0011] 分布式过程控制系统（如，化工，石油或者其它过程工厂中使用的那些过程控制 系统）通常包括一个或多个过程控制器，该一个或多个过程控制器经由模拟、数字或组合 的模拟/数字总线，或者经由无线通信链路或网络来通信耦合到一个或多个现场设备。现 场设备（其可以例如是阀门、阀门定位器、开关和发送器（例如，温度、压力、水位和流速传 感器））位于过程环境中，并通常执行物理或者过程控制功能，例如，打开或关闭阀门，测量 过程参数等等，以便对在该过程工厂或者系统中执行的一个或多个过程和/或受到过程工 厂或者系统的控制的一个或多个过程进行控制。所述一个或多个过程可以至少部分地是物 理过程，例如，制造、提炼、生产等等。智能现场设备（例如，遵循公知的Fieldbus协议的现 场设备）还可以执行控制计算、报警功能和通常在控制器中实现的其它控制功能。过程控 制器（其通常也位于工厂环境之中）接收用于指示现场设备所执行的过程测量值和/或关 于该现场设备的其它信息的信号，并执行控制器应用，其中该控制器应用运行例如不同的 控制模块，这些控制模块进行过程控制决策，基于所接收的信息来生成控制信号，并与在现 场设备（例如，HART K、WirelessHART'和 FOUNDATION^ Fieldbus 现场设备）中 执行的控制模块或者控制块进行协调。控制器中的控制模块通过通信线路或者链路向现场 设备发送这些控制信号，从而控制过程工厂或者系统的至少一部分的操作。
[0012] 来自于现场设备和控制器的信息通常通过数据高速通道而可用于一个或多 个其它硬件设备，例如，操作者工作站、个人计算机或者计算设备、数据历史库（data historian)、报告生成器、集中式数据库或者其它集中式监管计算设备，它们通常放置在控 制室中或者其它远离更苛刻的工厂环境的位置。这些硬件设备中的每一个硬件设备通常跨 越过程工厂或者过程工厂的一部分而集中化。这些硬件设备运行例如可以使操作者能够执 行关于以下操作的功能的应用：对过程进行控制和/或对过程工厂进行操作，例如，改变过 程控制例程的设置，修改控制器或者现场设备中的控制模块的操作，查看过程的当前状态， 查看现场设备和控制器所产生的报警、模拟该过程的操作以便训练人员或者测试过程控制 软件，保持并更新配置数据库等等。硬件设备、控制器和现场设备所使用的数据高速通道可 以包括有线通信路径、无线通信路径或者有线和无线通信路径的组合。
[0013] 举例而言，Emerson Process Management所出售的DeltaV?控制系统包括在位于 过程工厂中的不同位置的不同设备中存储并由这些设备执行的多个应用。位于一个或多个 工作站或计算设备之内的配置应用，使用户能够创建或者改变过程控制模块，并经由数据 高速通道向专用的分布式控制器下载这些过程控制模块。通常，这些控制模块由通信地互 连的功能块构成，其中这些功能块是面向对象的编程协议中的对象，这些对象基于向其提 供的输入来执行控制方案中的功能，并向控制方案中的其它功能块提供输出。配置应用还 可以允许配置设计者创建或者改变操作者界面，其中查看应用程序使用该操作者界面来向 操作者显示数据，并使操作者能够改变过程控制例程中的设置（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和执行相应的控制器应用（其中该 控制器应用运行向其分配和下载的控制模块），以实现实际的过程控制功能。可以在一个或 多个操作者工作站上（或者在与操作者工作站和数据高速通道进行通信连接的一个或多 个远程计算设备上）执行的查看应用，经由数据高速通道从控制器应用接收数据，并使用 用户界面向过程控制系统设计者、操作者或者用户显示该数据，并可以提供多种不同的视 图（例如，操作者视图、工程师视图、技术员视图等等）中的任何一种。数据历史库应用通常 存储在数据历史库设备中并由数据历史库设备执行，其中数据历史库设备收集并存储通过 数据高速通道所提供的数据中的一些或者全部数据，而配置数据库应用可以在与数据高速 通道相连的另外计算机中运行以对当前过程控制例程配置和与其相关联的数据进行存储。 替代地，该配置数据库可以与配置应用位于相同的工作站中。
[0014] 当前已知的过程控制工厂和过程控制系统的架构受到有限的控制器和设备存储 器、通信带宽、以及控制器和设备处理器能力的强烈影响。例如，在当前已知的过程控制系 统架构中，通常使控制器中的动态和静态非易失性存储器的使用最小化，或者至少进行仔 细地管理。结果，在系统配置（例如，先验）期间，用户通常必须选择对控制器中的哪些数 据进行归档或保存、保存的频率、以及是否使用压缩，并且利用这种有限的数据规则集来相 应地配置控制器。因此，在故障排除和过程分析中可能有用的数据通常不被归档，并且如果 其被收集的话，则由于数据压缩可能会丢失有用的信息。
[0015] 另外，为了使当前已知的过程控制系统中对控制器存储器的使用最小化，将所选 定的将要被归档或者保存的数据（如控制器的配置所指示的）报告给工作站或者计算设 备，以便存储在适当的数据历史库或者数据竖井（data silo)中。当前用于报告该数据的 技术在利用通信资源方面表现不佳，并导致了过度的控制器负载。另外，由于在历史库或竖 井处的通信和采样中的时间延迟，数据收集和时间加戳通常与实际过程是不同步的。
[0016] 类似地，在批量过程控制系统中，为了使控制器存储器的使用最小化，控制器配置 的批量配方和快照通常仍然存储在集中式监管计算设备或者位置中（例如，存储在数据竖 井或者历史库中），并仅仅在需要时才传送给控制器。这种策略导致了控制器中的显著突发 负载、以及工作站或者集中式监管计算设备和控制器之间的通信的显著突发负载。
[0017] 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，结合先前的硬 盘存储的高成本，在将数据结构化到独立的实体或者竖井以满足特定应用的目标时扮演重 要的作用。例如，在DeltaV?系统中，将过程模型的归档、连续的历史数据、以及批量数据和 事件数据保存在三种不同的应用数据库或者数据竖井中。每一种竖井具有用于存取在其中 所存储的数据的不同接口。
[0018] 用此方式对数据进行结构化，在对历史数据进行存取和使用方面产生了障碍。例 如，产品质量发生变化的根本原因可能与这些数据竖井中的一个以上竖井中的数据相关 联。但是，由于这些竖井的文件结构不同，因此不可能提供允许对该数据进行快速并容易地 存取以进行分析的工具。此外，必须执行审核或同步功能，以确保跨越不同的竖井的数据是 一致的。
[0019] 上面所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，可能在过 程工厂或过程控制系统的操作和优化（例如，在工厂操作、故障排除和/或预测建模）中不 合期望地出现。例如，这些限制强制必须执行繁琐的和冗长的作业流程，以便获得用于故障 排除和生成经更新的模型的数据。另外，由于数据压缩、不足够的带宽或者偏移的时间戳， 所获得的数据可能是不准确的。
[0020] "大数据"通常指代一个或多个数据集的汇集，这些数据集如此之大或者复杂，以 至于传统的数据库管理工具和/或数据处理应用（例如，关系数据库和桌面统计包）不能 在可容忍的时间量之内管理这些数据集。通常，使用大数据的应用是事务性的，并面向或聚 焦于终端用户。例如，web搜索引擎、社交媒体应用、营销应用和零售应用可以使用和操作 大数据。大数据可以得到分布式数据库支持，该分布式数据库允许现代多进程多核心服务 器的并行处理能力得到充分利用。
【发明内容】
[0021] -种用于在对过程进行控制的过程工厂或者过程控制系统中支持大数据的区域 性大数据节点的实施例，包括：网络接口，其将所述区域性大数据节点通信地连接到所述过 程工厂或者过程控制系统的多个区域中的一个区域。所述多个区域中的所述一个区域包括 多个本地大数据节点，随着所述过程实时的受到控制，所述多个本地大数据节点中的每一 个实时地发送根据所述过程工厂或者过程控制系统对所述过程进行的所述控制来生成的 数据。所述区域性大数据节点还包括大数据存储区域，所述大数据存储区域包括被配置为 对区域性大数据进行存储的一个或多个有形的、非临时性计算机可读存储介质。此外，所述 区域性大数据节点还包括大数据接收器，所述大数据接收器被配置为：经由所述网络接口 来接收由所述多个本地大数据节点发送的并在所述区域性大数据节点处接收的所述数据， 并且将所接收的数据存储在所述大数据存储区域中。另外，所述区域性大数据节点还包括 大数据分析器，所述大数据分析器被配置为：对所述区域性大数据的至少一部分执行学习 分析；基于所述学习分析的结果，生成学到的知识；基于所述学习分析的所述结果，使得对 所述过程工厂或者系统的至少一部分的操作进行改变，其包括：使得所述学到的知识被发 送给与所述过程工厂或者过程控制系统的所述至少一部分相对应的接收方大数据节点。
[0022] -种利用区域性大数据来改进用于对过程进行控制的过程工厂或者过程控制系 统的操作的方法的实施例，包括：在所述过程工厂或系统的一个或多个区域性大数据节点 处收集数据。所述一个或多个区域性大数据节点中的每一个对应于所述过程工厂或系统的 多个区域中所包括的相应区域。所收集的数据包括由所述相应区域的相应多个本地大数据 节点发送的数据，并且每一个本地大数据节点实时地发送相应的数据，其中所述相应的数 据源自于所述每一个本地大数据节点的所述相应区域的在线操作。该方法还包括：将所收 集的数据作为区域性大数据存储在所述一个或多个区域性大数据节点处。此外，该方法包 括：由所述一个或多个区域性大数据节点对所述区域性大数据的至少一部分执行一种或多 种学习分析；以及基于所述一种或多种学习分析的结果，生成学到的知识。另外，该方法包 括：基于所述一种或多种学习分析的所述结果，使得对所述过程工厂或者过程控制系统的 至少一部分的操作进行改变，其包括：将所述学到的知识发送给与所述过程工厂系统的所 述至少一部分相对应的接收方大数据节点。
[0023] -种用于在过程工厂或者过程控制系统中支持区域性大数据的系统的实施例，包 括：一个或多个区域性大数据节点；多个本地大数据节点；以及通信网络，所述通信网络通 信地连接所述一个或多个区域性大数据节点和所述多个本地大数据节点。所述多个本地大 数据节点被布置到多个区域中，所述多个区域中的每一个区域由所述一个或多个区域性大 数据节点中所包括的相应区域性大数据节点进行服务。所述相应区域性大数据节点被配置 为：收集由与所述相应区域性大数据节点所服务的相应区域相关联的本地大数据节点的集 合实时地生成的数据，其中，所述数据是由于对所述过程工厂或者过程控制系统中的过程 的实时控制而由所述本地大数据节点的集合实时地生成的。所述相应区域性大数据节点还 被配置为：将所收集的数据作为相应的区域性大数据存储在所述相应区域性大数据节点中 所包括的大数据存储区域处。此外，所述相应区域性大数据节点被配置为：使用所述相应区 域性大数据节点中所包括的大数据分析器，来对所存储的相应区域性大数据的至少一部分 执行学习分析，并基于所执行的学习分析的结果，生成学到的知识。另外，所述区域性大数 据节点被配置为进行以下操作中的至少一项：（i)在所述大数据存储区域处，将所述学到 的知识存储成另外的相应区域性大数据，或者（ii)向所述过程工厂或者过程控制系统中 所包括的接收方大数据节点发送所述学到的知识。
[0024] 过程控制工厂、系统或者环境中的知识发现和大数据技术，固有地与传统的大数 据技术不同。通常，传统的大数据应用是非常事务性的，面向终端用户的，并且不具有严格 的时间需求或者依赖性。例如，网络零售商收集关于浏览的产品、购买的产品和客户简档的 大数据，并使用这一收集的数据以便在个别客户浏览了该零售商的网站时为他们定制广告 和销售建议。如果特定的零售交易（例如，特定的数据点）是无意中从该零售商的大数据 分析中忽略的，则这种忽略的影响在大多数情况下可能是可忽略不计的，特别是当分析的 数据点的数量非常大时。在最坏情况下，可能没有针对于特定的客户细致地定制广告或者 销售建议，如同在所忽略的数据点包括在零售商的大数据分析中的时候所能达到的一样。
[0025] 但是，在过程工厂和过程控制环境中，特定的数据点的时间的维度以及存在或者 忽略是关键的。例如，如果没有在某个时间间隔之内，将特定的数据值传送给过程工厂的接 收方组件，则某个过程可能变得不受控制，这可能导致火灾、爆炸、设备的损失、和/或人类 生命的丧失。此外，在过程工厂之内和/或在过程工厂之外操作的不同组件、实体和/或过 程之间的多种和/或复杂的基于时间的关系，可能影响操作效率、产品质量和/或工厂安 全。本文描述的过程控制系统大数据技术所提供的知识发现可以允许对这种基于时间的关 系进行发现和利用，因此实现可以生产更高质量的产品的、更高效和安全的过程工厂。
[0026] 本文所描述的过程控制区域性大数据技术的重要特征是可扩展的。虽然已通过 描述能够将计算分布到数百个服务器的大容量计算平台来实现许多公开，但其没有聚焦于 更小的更现实的问题。考虑更小的、更接近于源的大数据系统具有多种原因，其包括：使用 的便利性（例如，更易安装、训练和维护）、成本（例如，计算成本、存储成本和带宽资源成 本）、以及专家的可用性。因此，工程师将容易理解具有附加的可配置模块的能力的更小系 统，并且现有员工也支持。相比而言，大型集群的计算机或者大规模的基于云的系统，需要 大量的对于所有各方（例如，其它计算系统、用户、设备等等）来说可能不是在所有的时间 都可获得的专业知识和计算资源。本文所描述的过程控制区域性大数据技术的另一个重要 特征在于：这些技术可以在无需中断现有的过程控制工厂或系统（例如，控制系统、资产管 理系统、机器健康系统等等）的情况下独立地实现，而这对于工厂、组织机构或者公司的运 行来说可能是关键的。例如，区域性大数据技术可以仅仅应用于过程工厂的关键部件，或者 只应用于过程工厂的附加的、新的部分。在另一个例子中，区域性大数据技术可以覆盖在过 程工厂的期望的部分上。
【附图说明】
[0027] 图1是用于对区域性大数据进行支持的过程工厂或者过程控制系统的示例性大 数据网络的框图；
[0028] 图2是可以包括在图1的过程控制大数据网络中的示例性大数据设备 (appliance)的框图；
[0029] 图3是示出一种示例性过程工厂或者过程控制系统的框图，其中该示例性过程工 厂或者过程控制系统包括对图1的过程控制大数据网络中的区域性大数据进行支持的示 例性大数据设备或节点；
[0030] 图4是是支持过程控制系统或者过程工厂中的区域性大数据的示例方法的流程 图。
【具体实施方式】
[0031] 图1是用于过程工厂或者过程控制系统10的示例性大数据网络100的简化框图， 其中该过程工厂或者过程控制系统10对一个或多个过程进行控制，并支持过程控制大数 据（具体而言，支持区域性过程控制大数据）。过程控制大数据网络100包括一个或多个过 程控制大数据节点102-110,这些过程控制大数据节点中的每一个对过程控制大数据进行 收集、观测、生成、存储、分析、存取、发送、接收和/或操作。如本文所互换使用的，术语"过 程控制大数据"、"过程大数据"和"大数据"通常指代由过程控制系统或者工厂10中所包括 的设备以及与过程控制系统或者工厂10相关联的设备生成、接收和/或观测的所有（或者 几乎所有）数据。在一个实施例中，由过程工厂10中所包括的所有设备以及与过程工厂10 相关联的所有设备生成、创建、接收或者以其它方式观测的所有数据，被收集并存储成过程 控制大数据网络100中的大数据。
[0032] 示例性过程控制大数据网络100包括一个或多个不同类型的过程控制大数据节 点或设备102-110,这些过程控制大数据节点或设备中的每一个对根据过程工厂或过程控 制系统10对于一个或多个过程控制进行的控制或者基于过程工厂或过程控制系统10对于 一个或多个过程控制进行的控制而生成的过程控制大数据，进行收集、观测、生成、存储、分 析、存取、发送、接收和/或操作。每一个过程控制大数据节点或者设备102-110连接到过 程控制系统大数据网络骨干（没有示出），并可以使用该骨干来与一个或多个其它过程控 制大数据节点进行通信。因此，过程控制大数据网络100包括过程控制系统大数据网络骨 干以及通信连接到其的过程控制大数据节点102-110。在一个例子中，过程控制大数据网 络100包括多个网络化的计算设备或者交换机，它们被配置为经由骨干，对去往/来自网络 100的各个其它设备、交换机或者节点的分组进行路由。
[0033] 过程控制大数据网络骨干包括任意数量的有线通信链路和任意数量的无线通信 链路，它们支持一个或多个适当的路由协议，例如，互联网协议（IP)套件中所包括的协议 (例如，UDP (用户数据报协议）、TCP (传输控制协议）、以太网等等）或者其它适当的路由协 议。在一个实施例中，骨干支持诸如流式控制传输协议（SCTP)之类的流式协议和/或用于 在过程控制大数据节点之间对数据进行流式传输（例如，传输）的其它适当流式协议。例 如，前述的标题为 "STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS" 的美 国申请No. 14/506, 863(代理人案卷号No. 06005/593070)描述了用于过程控制大数据的流 式协议和技术的例子，网络100中的过程控制大数据网络骨干可以使用这些协议和技术中 的任何一个或多个。通常，过程数据大数据网络100中所包括的每一个节点可以至少支持 该骨干所支持的路由协议的应 用层（对于一些节点来说，其它的层）。在一个实施例中，在 过程控制系统大数据网络100中，例如通过唯一的网络地址来唯一地标识每一个过程控制 大数据节点102-110。
[0034] 在一个实施例中，过程控制系统大数据网络100的至少一部分是ad-h〇C网络。因 此，节点102-110中的至少一些（和/或一个或多个其它节点，例如，用户接口设备130)可 以以ad-hoc方式连接到网络骨干（或者连接到网络100的另一个节点）。
[0035] 由于图1是用于描述过程控制大数据网络100中的各个大数据节点102-110之间 的通信连接的简化图，因此在图1中没有显式地示出该过程控制网络骨干。但是，在2013 年3月3日提交的、标题为"BIG DATA IN PROCESS CONTROL SYSTEMS"的美国专利申请 No. 13/784,041中，描述了可以结合本文所描述的这些技术中的任何一种或者全部技术来 使用的这种骨干的例子，故以引用方式将该申请的全部公开内容并入本文。当然，本文所描 述的技术中的任何技术或者全部技术，并不限于结合在美国专利申请No. 13/784,041中描 述的骨干来使用，而可以结合任何适当的通信网络骨干来使用。
[0036] 现转到不同类型的过程控制大数据节点或者设备102-110,通常，网络100的过程 控制大数据节点可以是"大数据提供方"和/或可以包括"大数据设备"，如下面所讨论的。
[0037] 如本文所互换使用的，术语"大数据提供方"、"大数据提供方节点"或者"提供方节 点"通常指代使用过程控制大数据网络100,来对与过程控制相关的大数据进行收集、生成、 观测和/或转发的过程控制大数据节点。由提供方节点生成、收集、观测和/或转发的过程 控制大数据，可以包括在对工厂10中的过程进行控制时直接使用的数据或者根据对工厂 10中的过程进行控制而生成的数据，例如，由诸如控制器、输入/输出（I/O)设备和现场设 备之类的过程控制设备生成或使用的一阶实时和配置数据。另外地或替代地，过程控制大 数据提供方节点可以对与传送和路由这种一阶过程控制数据和过程工厂10中的其它数据 (例如，与大数据网络100和/或工厂10中的其它通信网络的网络控制的有关的数据、指 示带宽、网络接入尝试的数据、诊断数据等等）有关的数据，进行生成、收集、观测和/或转 发。此外，一些过程控制大数据提供方节点可以生成、收集、观测和/或转发用于指示结果、 学习和/或信息（其中该信息是在过程控制大数据网络100中通过分析其收集的过程控制 大数据来学习到的）的数据。通常，这种分析结果、学习和/或学到的信息是根据由一个或 多个过程控制大数据节点执行的自动、自主的分析来生成的。
[0038] 在大多数情况下，大数据提供方节点包括用于实时地（例如，流式地）发送和接 收大数据，并在一些实施例中，用于对实时大数据进行缓存以准备通过过程控制大数据网 络100进行流式传输或者其它传送的多核硬件（例如，多核处理器）。在一些实施例中，大 数据提供方节点还可以包括用于对实时大数据进行缓存的高密度存储器。大数据提供方节 点可以发送、接收、流式传输、缓存、收集和/或以其它方式观测的实时数据的例子，可以包 括诸如测量数据、配置数据、批量数据、事件数据和/或连续数据之类的过程控制数据。例 如，可以对与配置、批量接收、设置点、输出、速率、控制动作、诊断、报警、事件和/或其之改 变相对应的实时数据进行收集。实时数据的其它例子可以包括过程模型、统计、状态数据、 以及网络和工厂管理数据。在一些实施例中，大数据提供方节点不对其观测到的实时大数 据中的至少一些进行缓存，而是随着该节点观测、接收或者产生该数据，将未缓存的数据流 式传输到一个或多个其它大数据节点。在前述的美国专利申请No. 13/784, 041中，在2014 年 2 月 6 日提交的、标题为"COLLECTING AND DELIVERING DATA TO A BIG DATA MACHINE IN A PROCESS CONTROL SYSTEM" 的美国专利申请 No. 14/174, 413,以及在 2014 年 3 月 14 日提交的、标题为"DISTRIBUTED BIG DATA IN A PROCESS CONTROL SYSTEM" 的美国专利 申请No. 14/212,493中，可以找到可以结合本文所描述的技术中的任何一种或者全部技 术来使用的大数据提供方节点的例子，故以引用方式将这些申请的全部公开内容并入本 文。当然，替代地或者另外地，也可以结合不同于美国申请No. 13/784, 041、14/174, 413和 14/212, 493中所描述的那些的大数据提供方节点，来使用本文所描述的技术中的任何一种 或者全部技术。
[0039] 另一方面，如本文所互换使用的，术语"大数据设备"、"大数据设备节点"或者"设 备节点"通常指代对过程控制大数据进行接收、存储、获取和分析的过程控制大数据节点。 因此，过程控制大数据设备（或者"BDA"）通常对由一个或多个过程控制大数据提供方节 点已生成或者提供的大数据进行操作。通常，BDA支持对于包括实时连续值、事件收集、 批量数据收集、操作者巡回数据和/或其它数据的多维数据，进行大规模数据挖掘和数据 分析。可以使用专门的历史对象通信协议（例如，在前述的标题为"STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS" 的美国申请 No. 14/506, 863(代理人案卷号 No. 06005/593070)中所描述的）或者另一种适当的通信协议，将在源处收集并时间加戳的 数据传送或者流式传输到BDA。BDA可以包括对结构化以及非结构化数据（例如，R脚本、 Python脚本、IVIatlab" _本、Statgraphics等等）进行操作，并执行学习算法（例如，偏最 小二乘回归分析、主分量分析等等）、分类技术（例如，随机森林、模式识别等等）和/或其 它数据分析，以便生成有用的信息（例如，预测产品能力、质量和/或其它期望的特性）的 各种工具。此外，一些BDA可以包括用于配置和开发模型的接口、用于执行模型的运行时 引擎、以及用于在用户界面上显示结果的仪表板。例如，可以以例如在前述的标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请 No. 62/060, 408(代理人 案卷号No. 06005/593085P)中所讨论的方式，使BDA配置有运行时的分析。显示的结果可 以包括标准的描述统计、直方图、相关图和/或能够标识各个数据集中的隐式关系的其它 数据表示方式。
[0040] 在一些情况下，大数据设备包括在大数据提供方节点中，或者与大数据提供方共 同位于同一个节点或者设备中。在这些情况下，大数据设备指代"嵌入式大数据设备"，这 是由于该设备嵌入在提供方节点或者设备中，并对同处一地的大数据提供方已接收、收集 或生成的大数据进行操作。在一个例子中，嵌入式大数据设备对于该嵌入式大数据设备所 位于的大数据提供方节点已本地生成和/或提供的大数据进行分析，以发现或者学习知 识。可以将这一学到的知识存储在嵌入式大数据设备中，由嵌入式大数据设备进行本地地 操作，和/或作为大数据提供或发送给其它大数据节点（例如，接收方大数据节点）。例如， 在前述的美国专利申请No. 14/212,493中可以找到可以结合本文所描述的技术中的任何 一种或者全部技术来使用的嵌入式大数据设备的描述，但也可以结合本文所描述的技术中 的任何一种或者全部技术来使用其它适当的嵌入式大数据设备。此外，应当注意的是，在大 数据提供方节点包括嵌入式大数据设备的实施例中，可以减少大数据提供方节点的缓存的 大小或者省略大数据提供方节点的缓存，这是由于嵌入式大数据设备提供了本地数据存储 能力。
[0041] 在一些情况下，大数据设备可以是过程控制大数据网络100中的单独的大数据节 点。也就是说，在这些情况下，大数据设备没有嵌入在大数据提供方节点中，或者没有与大 数据提供方节点同处一地。因此，包括大数据设备的过程控制大数据节点可能不需要自身 是大数据的提供方。
[0042] 图2提供了示例性大数据设备114的简化框图，在图1的过程控制大数据网络100 中可以包括其的实例。参见图2,示例性大数据设备114包括：用于对接收的大数据进行历 史化或存储的大数据存储区域120、一个或多个大数据设备接收器122、以及一个或多个大 数据设备请求服务器（servicer) 124。大数据设备接收器122中的每一个被配置为：经由 一个或多个网络接口（例如，与过程控制大数据网络的接口）来接收大数据分组（这些大 数据分组可以是从另一个节点流式传输的，和/或可以是由该设备114所位于的大数据提 供方节点生成的），对这些数据分组进行处理以获取其中所携带的实质性数据和时间戳，并 将该实质性数据和时间戳作为例如时间系列数据和可选的作为元数据，存储在设备114的 大数据存储区域120中。大数据存储区域120可以包括多个本地和/或远程物理数据驱动 器或存储实体，例如，RAID(独立磁盘冗余阵列）存储装置、固态存储装置、云存储装置、高 密度数据存储装置、和/或适合于数据组或数据中心存储、并且对于其它节点来说具有单 个或整体逻辑数据存储区域或实体的外观的任何其它适当的数据存储技术。此外，大数据 设备请求服务器124中的每一个被配置为：例如，根据请求实体或者应用的请求，存取大数 据设备存储区域120中所存储的时间系列数据和/或元数据。
[0043] 在一些实例中，大数据设备114包括一个或多个大数据分析器126,以对所存 储的大数据的至少一部分执行相应的数据分析和/或学习（其通常以自动和/或自主 方式，而不使用任何用户输入来发起）和/或执行该学习分析。例如，该数据分析和 /或学习可以以诸如先前所讨论的方式来执行，以诸如前述的标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请 No. 62/060, 408(代理人案卷号 No. 06005/593085P)中所讨论的方式来执行，或者以某种其它适当的方式来执行。在一个实 施例中，大数据分析器126个别地或统一地对所存储的数据执行大规模的数据分析（例如， 数据挖掘、数据发现等等），以发现、检测或者学习新信息或知识。例如，数据挖掘通常涉及： 检查大量的数据以提取新的或者先前未知的感兴趣数据或者模式（例如，异常记录或者多 组数据记录）的过程。大数据分析器126还可以对所存储的数据执行大规模的数据分析 (例如，机器学习分析、数据建模、模式识别、预测分析、相关分析等等），以预测、计算或者 识别所存储的数据中的隐式关系或者推论。在一个实施例中，多个大数据分析器126(和/ 或至少一个大数据分析器126的多个实例）进行并行地和/或协作地操作，以分析设备114 的大数据存储区域120中所存储的数据。此外，多个大数据分析器126可以在彼此之间，将 经计算的参数和模型信息作为一种类型的协作式数据分析和学习来进行共享、交换或者传 输。多个大数据分析器126可以同处于同一个大数据节点上，也可以位于不同的大数据节 点上。可以在前述的标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请No. 62/060, 408 (代理人案卷号No. 06005/593085P)中，找到可以结合本文所描 述的技术中的任何一种或者全部技术来使用的协作式数据分析的例子，但也可以结合本公 开内容的任何或者所有方面来使用任何适当的协作式数据分析技术或者一些技术。
[0044] 在一个实施例中，在一个或多个集成电路、半导体、芯片或者其它适当的硬件上， 包括或者实现大数据接收器122、大数据设备请求服务器124和/或大数据分析器126中的 至少一部分。例如，执行频谱分析的大数据分析器126可以由大数据节点中所包括的集成 电路芯片来实现，例如，在前述的标题为"AUTOMATIC SIGNAL PROCESSING-BASED LEARNING IN A PROCESS PLANT" 的美国申请 14/507, 252(代理人案卷号 No. 06005/593086)中所描 述的。在一个实施例中，大数据接收器122、大数据设备请求服务器124和/或大数据分析 器126中的至少一部分，包括在存储器上存储并可由在大数据设备114上运行的过程执行 的计算机可执行指令。例如，大数据设备接收器122、大数据设备请求服务器124和/或大 数据设备分析器126中的至少一些部分，包括在一个或多个非临时性、有形存储器或者数 据存储设备上存储的并可由一个或多个处理器执行以实现一个或多个它们各自的大数据 功能的相应计算机可执行指令。
[0045] 在一些实施例中，大数据分析器126并不包括在大数据设备114中，而是与大数据 设备114同处于同一个大数据节点上，并与大数据设备114进行通信连接。例如，包括存储 区域120、接收器122和服务器124的大数据设备114可以通过第一组的计算机可执行指令 来实现，大数据分析器126可以通过半导体芯片或者第二组的计算机可执行指令（其中，第 二组的计算机可执行指令可以与第一组的计算机可执行指令存储在相同的非临时性、有形 存储器或数据存储设备中，也可以不存储在相同的非临时性、有形存储器或数据存储设备 中）来实现。在一些实施例中，大数据分析器126不包括在大数据设备114中，并且与大数 据设备114不是同处于相同的大数据节点上，而是与大数据设备114进行通信连接。在前 述的美国专利申请No. 13/784, 041、14/174, 413和14/212,493中，可以找到可以结合本文 所描述的技术中的任何一种或者全部技术来使用的各种类型的示例性大数据设备以及它 们的组件的描述，但应当理解的是，本文所描述的这些技术中的任何一种或者全部技术可 以结合其它适当的大数据设备来使用。
[0046] 再次回到图1，过程控制大数据网络100可以包括过程控制大数据提供方节点 102-110,这些过程控制大数据提供方节点针对由过程控制设备（例如，控制器、I/O设备、 现场设备等等）直接生成、路由和/或使用的与一阶或者主要过程有关的数据，按照各种层 级、层次或者顺序进行操作。在最低顺序、层次或者层级处，最接近该过程进行操作的"本 地"大数据提供方节点或设备l〇2a-102n对与过程工厂10中的过程设备和装备的输入、操 作和输出有关的主要过程大数据进行收集、生成、观测和/或转发。因此，"本地大数据提供 方节点或设备" l〇2a-102n通常是生成、路由和/或接收主要过程控制数据，以使一个或多 个过程能够在过程工厂10中实时地受到控制的节点和/或设备。本地大数据提供方节点 102a-102n的例子包括如下的设备：这些设备的主要功能是针对于生成过程控制数据和/ 或对过程控制数据进行操作以便对过程进行控制，例如，有线和无线现场设备、控制器和1/ 0设备。这些过程控制设备可以彼此之间进行通信地连接，和/或以分布式方式通信地连接 到一个或多个过程控制通信网络。例如，一个或多个现场设备通信地连接到一个或多个1/ 〇设备，一个或多个I/O设备转而通信地连接到一个或多个控制器，一个或多个控制器转而 通信地耦合到一个或多个过程控制通信网络（例如，HART'"、WirelessHARlT、过程控 制大数据、FOUNDATION、Fieldbus 等等）。
[0047] 本地大数据提供方节点102a-102n的其它例子包括如下的设备：这些设备的主要 功能是用于通过过程控制系统10的一个或多个通信网络（其可以包括过程控制大数据网 络100和/或其它通信网络），来提供主要过程数据的存取或者路由。这种类型的本地大数 据提供方节点l〇2a-102n的例子包括：接入点、路由器、通去有线控制总线的接口、通向无 线通信网络的网关、通向外部网络或者系统的网关、以及其它这种路由和网络设备。本地大 数据提供方节点l〇2a-102n的其它例子包括：被配置为临时地遍布该过程控制系统10来存 储大数据的设备（例如，历史库设备），例如，作为溢出缓存、中转站（way-station)或路由 队列。
[0048] 在一些情况下，本地大数据提供方节点包括相应的本地大数据设备，如通过分别 包括嵌入式大数据设备112a、112η的节点102a、102η在图1中所示出的。每一个本地的、 嵌入式大数据设备112a、112η接收和存储其相应的提供方102a、102η所提供的相应的本 地大数据。此外，在一些本地大数据提供方节点中（例如，在节点l〇2a中），可以对该设备 112a中所存储的本地大数据中的至少一些执行一个或多个分析功能、例程、操作或者过程 (通过包围的4来表示）。在一个实施例中，图2的大数据分析器126中的一个或多个执 行分析4。还可以将学到的信息、学习过程和/或一个或多个分析&的结果存储在本地大 数据设备112a中，并且可以将所学到的信息或者结果中的至少一些提供给另一个大数据 节点106a。例如，包括在控制器中或者耦合到控制器的本地大数据提供方节点，对控制器的 输出信号执行频率分析或者其它信号处理分析（例如，在前述的标题为"AUTOMATIC SIGNAL PROCESSING-BASED LEARNING IN A PROCESS PLANT"的美国申请No. 14/507, 252(代理人案 卷号No. 06005/593086)中所描述的），并且本地大数据提供方节点向另一个大数据节点发 送该分析的结果。
[0049] 一些本地提供方节点（例如，如通过节点102η所示出的）包括相应的用于本地大 数据收集和历史化的本地嵌入式大数据设备112η，但是，驻留设备112η执行最小分析或者 不执行分析。因此，节点1〇2η仅仅将本地存储的大数据流式传输（或者以其它方式发送， 例如，在请求时或者在适当的时间）到另一个节点106b，例如以用于分析处理或者用于进 一步的转发。一些本地大数据节点（例如，节点l〇2b)根本不包括任何大数据设备。这些 节点102b可以实时地或者在缓存的帮助下，将本地观测的大数据流式传输到一个或多个 其它大数据节点102a、106b。
[0050] 大数据提供方节点或设备102-102n可以将各种类型的实时数据（例如，与过程有 关的数据、与工厂有关的数据和其它类型的数据）缓存、收集、存储、发送和/或流式传输成 大数据。与过程有关的数据的例子包括：在过程工厂10中对过程进行控制时生成的连续 的、批量的测量值和事件数据（在一些情况下，其指示对于该过程的实时执行的影响）。此 外，与过程有关的数据还可以包括过程规定、布置或者设置数据，例如，配置数据和/或批 量接收数据、与过程诊断的配置、执行和结果相对应的数据等等。
[0051] 大数据提供方节点102a-102n还可以将与过程工厂10有关的数据（其中，该数据 可能不是由直接配置、控制或者诊断过程工厂10中的过程的应用所产生的）缓存、收集、存 储、发送和/或流式传输成大数据。与工厂有关的数据的例子包括振动数据、蒸汽疏水阀 数据、用于指示与工厂安全相对应的参数值的数据（例如，腐蚀数据、气体检测数据等等）、 用于指示与工厂安全相对应的事件的数据、与机器的健康相对应的数据、与工厂中的资产 (例如，工厂装备和/或设备）相对应的数据、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、以及能用于诊断和预报的数据。
[0052] 此外，大数据提供方节点102a_102n还可以将其它类型的数据缓存、收集、存储、 发送和/或流式传输成大数据，其中这些其它类型的数据包括：与过程控制大数据网络骨 干有关以及过程工厂10的各种通信网络的数据高速通道业务和网络管理数据、与用户有 关的数据，例如，与用户业务、登录尝试、查询和指令有关的数据、文本数据（例如，日志、操 作过程、手册等等）、空间数据（例如，基于位置的数据）和多媒体数据（例如，闭路TV、视 频剪辑等等）。
[0053] 在一些实施例中，大数据提供方节点102a_102n可以将动态测量值和控制数据自 动地缓存、收集、存储、发送和/或流式传输成大数据。动态测量值和控制数据的例子包括： 用于说明过程操作的改变的数据、用于说明操作参数（例如，设置点、过程的记录和硬件报 警和诸如下载或通信失败等等之类的事件）的改变的数据。此外，当检测到改变时，或者在 初始地将控制器或其它实体增加到大数据网络100时，可以缺省地自动收集诸如控制器配 置、批量配方、报警和事件之类的静态数据。
[0054] 此外，在一些场景下，当检测到用于描述或者标识动态控制和测量数据的至少一 些静态元数据发生改变时，在大数据提供方节点l〇2a-1 02n中捕获该元数据。例如，如果在 影响模块或者单元中的测量值和控制数据的控制器配置中发生了改变（控制器必须发送 该改变），则大数据提供方节点l〇2a-102n自动地捕获相关联的元数据的更新。另外地或替 代地，与用于对来自外部系统或源的数据（例如，天气预报、公共事件、公司决定等等）进行 缓存的特殊模块相关联的参数、监测数据和/或其它类型的监控数据，可以由大数据提供 方节点102a-102n自动地捕获。
[0055] 在一些情形下，在大数据提供方节点102a_102n中自动地捕获终端用户所创建的 增加的参数。例如，终端用户可能在某个模块中创建特殊的计算，或者可能向某个单元增加 需要进行收集的参数，或者终端用户可能想要收集标准控制器诊断参数（其中该参数在缺 省情况下没有进行传输）。可以用与缺省参数相同的方式，来传输终端用户进行可选地配置 的参数。
[0056] 再次参见图1，在高于本地大数据节点102a_102n之上的一个或多个层级或者层 次，过程控制大数据网络100可以包括一个或多个区域性大数据节点106a-106m。为了实现 区域性大数据，可以将过程工厂或者过程控制系统10视作为具有多个不同的区域或者地 ±或，它们可以根据任何期望的方式和/或群组（例如，地理、物理、功能、逻辑群组等等）进 行划定。举一个示例性但非限制性例子，过程工厂可以具有：用于接收原材料并产生第一中 间产品的第一区域、用于接收其它原材料并产生第二中间产品的第二区域、以及用于接收 第一和第二中间产品以产生输出产品的第三区域。这三个不同的示例区域中的每一个可以 由相应的"区域性"大数据节点106a、106b、106m进行服务，以便对其相应区域所产生的大 数据进行操作。因此，"区域性大数据节点"为本地大数据提供方节点102的相应群组或者 区域（以及在一些情况下，其它大数据提供方节点104)所生成和/或提供的数据，提供大 数据支持和服务。例如，其它大数据提供方节点104可以包括：位于该工厂10之外的大数 据节点（例如，便携式诊断设备或者离线仿真器）、用户接口设备130、或者位于该过程工厂 10之外的数据源（例如，材料供应者的计算设备、提供天气预报的馈入等等）。
[0057] 如图1中所示，由区域性大数据节点106a_106m所服务的相应群组或者区域可以 包括一个或多个大数据提供方节点l〇2a-102n和/或根据某种地理、物理、功能、逻辑或其 它期望方式进行相关的其它大数据节点104。例如，区域性大数据节点106a对包括本地大 数据提供方节点l〇2a和102b的区域进行服务，区域性大数据节点106b对包括本地大数据 节点102b和102η以及另一个大数据节点104的区域进行服务。特定的区域中所包括的特 定节点102、104可以将数据流式传输或者传送到它们相应的区域性大数据节点106,以便 进行区域性大数据存储、存取和/或分析。此外，大数据提供方节点102a-102n和/或其它 大数据节点104中的任何一个可以与特定的区域性大数据节点106a-106m进行通信，以便 区域性地请求可用的服务和/或存取区域性大数据和其中所存储的元数据，无论这些请求 节点是否包括在该特定的区域性大数据节点l〇6a-106m的特定区域中。
[0058] 因此，每一个区域性大数据节点106a_106m包括相应的区域性大数据设备 116a-116m，其中大数据经由这些设备来接收，存储成区域性大数据，以及进行存取或请求。 此外，每一个区域性大数据节点106a-106m通常包括：一个或多个分析功能、例程、操作或 过程（例如，A2 - Aw)，它们可以对该区域性大数据中的至少一些进行个别地和/或协作地操 作。例如，区域性大数据设备116b可以从本地提供方节点102b、102n接收本地大数据，其 中本地提供方节点l〇2b、102η被配置为协作式地控制液体流经该过程工厂10的某个部分 或者区域，节点106b可以对所接收的数据的至少一些执行分析过程Α 4，以确定液体在该过 程工厂的该部分或者区域中的平均传输延迟。随后，可以将分析~的结果存储或者历史化 成区域性大数据设备116b中的其它区域性大数据。在一个实施例中，分析A 2 - Aw*的每一 个分析由位于相应大数据节点上的、图2中的一个或多个大数据分析器126来执行。
[0059] 在一些情形下，区域性大数据节点或者设备106a_106m与另一个区域性大数据节 点106a-106m(例如，作为对等方）传输所接收的或者生成的大数据、学到的知识或者信息 和/或分析结果。为了继续利用上面的例子进行说明，区域性大数据节点l〇6a接收已由区 域性大数据节点l〇6b所执行的分析解析~生成的学习信息。随后，区域性大数据节点106a 对从节点106b对等提供的学到的信息的至少一部分，并结合从其自己的区域中的本地大 数据节点l〇2a、102b接收的本地大数据，执行一个或多个相应的区域性分析4、A 3。转而， 分析4、^可以生成另外的区域性大数据，以便在区域性大数据设备116a处进行历史化和 /或提供给其它大数据节点l〇6b、106c、108。因此，当区域性大数据节点106a-106m可能在 一些场景下生成区域性大数据（例如，基于借此执行的任何驻留分析的结果或者学习）时， 区域性大数据节点l〇6a-106m还可以操作成区域性大数据提供方节点。
[0060] 可以根据任何期望的方式（例如，地理、物理、功能、逻辑等等），来执行将大数据 提供方节点l〇2a-102n分组在各个区域性大数据节点下。例如，在一种示例性而非限制性 的场景中，过程工厂10中的某个过程可能基于两个中间产品而生产出特定的产品。因此， 本地大数据提供方节点l〇2a可以表示生产第一中间产品的第一控制环，本地大数据提供 方节点102b可以表示生产第二中间产品的第二控制环。因此，可以将两个控制环102a、 102b所生成、收集、接收或者观测的所有过程控制数据都发送给区域性大数据节点106a， 以进行历史化、存储和分析。
[0061] 用类似的方式，区域性大数据节点106b可以从大数据提供方节点的其相应组中 接收数据，并进行分析。例如，区域性大数据节点l〇6b可以负责分析与另一个产品的生产 相对应的大数据，其中另一个产品的生产是基于来自大数据提供方节点102b、102n中的每 一个节点的中间产品，并结合其它源104所提供的大数据。
[0062] 在区域性大数据节点106a处，可以对所接收的大数据进行分析（例如，通过使用 一个或多个分析功能或者过程A 2、A3)以随时间和/或关于各个数据集中的至少一些，创建 或者生成用于描述有意义的关系、模式、相关性、趋势等等的学到知识。例如，两个控制环 102a、102b中的事件的某种组合可能导致在最终生产该特定的产品时，获得较差的产品质 量。为了确定这种较差产品质量的根本原因，区域性大数据节点l〇6a分析在这些事件组合 发生时或者其发生之后不久由这些事件组合所生成的数据（例如，当在区域性大数据节点 l〇6a处接收到与这些事件的发生相对应的数据时）。区域性大数据节点106a可以生成学 到的知识（其基于这些事件的发生，预测较差的产品质量），和/或可以实时地自动调整或 者改变一个或多个参数，以缓解这些事件组合的影响（如果并且当它们在未来发生时）。例 如，区域性大数据节点106a可以确定修订后的设定值或者修订后的参数值，以更佳地调节 和管理这两个控制环102a、102b。
[0063] 通常，每一个区域性大数据节点106a_106m(或者其相应的大数据设备 116a-116m)对来自其相应组或者大数据提供方节点的区域的数据进行分析，以确定有意义 的模式、相关性、趋势等等。随后，将所学到的模式、相关性、趋势等等作为学到的知识，存 储在各自的区域性大数据节点106a-106m中。如本文所使用的，术语"学到的知识"或者 "学习"通常指代：根据对大数据执行的一个或多个分析的结果而生成的数据、服务、功能、 例程和/或应用。此外，每一个区域性大数据节点106a-106m(或者其相应的大数据设备 116a-116m)可以基于初始学到的知识，来确定或者规定新服务、功能、例程或者应用（和/ 或修改现有的服务、功能、例程或应用），转而将其存储成进一步学到的知识。
[0064] 区域性大数据节点106a_106m可以用于分层或者分级学习。例如，一个或多个区 域性大数据节点可以向上游大数据节点发送它们学到的知识和/或存储的数据，其中该上 游大数据节点对多个区域进行监督或者服务。如图1中所示，区域性大数据节点106c从区 域性大数据节点l〇6a和106b接收学到的知识和/或数据，并且节点106c将所接收的数据 在其相应的嵌入式设备116c中进行历史化。区域性大数据节点106c可以对所接收的学到 的知识和/或数据中的至少一些执行进一步地分析或学习（例如，通过使用分析功能A s -八"中的一个或多个）来生成另外学到的知识（例如，数据模式、趋势、相关性等等、服务、功 能、例程和/或应用），转而可以将其作为另外的区域性大数据存储在嵌入式设备116c中， 和/或提供给其它大数据节点l〇6a、106b、108。
[0065] 在一个实施例中，在自下而上的基础上，执行分层或者分级学习。举一个示例性 而非限制性的例子，区域性大数据节点l〇6a分析从其相应的本地大数据提供方节点102a、 l〇2b组接收的数据，以判断其"区域"是否在正确地操作。区域性大数据节点106a根据其 分析所学到的知识，可以导致区域性大数据节点l〇6a生成新的诊断例程（例如，学到的例 程）。区域性大数据节点l〇6a可以向上游大数据节点106c发送所生成的诊断例程，以进行 存储、使用和/或存取。区域性大数据节点l〇6a可以独立地发起新诊断例程与上游区域性 大数据节点l〇6c的共享（例如，随着生成自动地共享，或者在定期的基础上共享），或者当 上游区域性大数据节点l〇6c请求区域性大数据节点106a共享一种或多种类型的新学到的 知识时，区域性大数据节点l〇6a可以使得对新的诊断例程进行发送。
[0066] 在一个实施例中，在自上而下的基础上，执行分层或者分级学习。为了继续利用上 面的例子进行说明，上游区域性大数据节点l〇6c可以分析所接收的诊断例程，并确定该诊 断例程是有用的或者适用于其它区域性大数据节点（例如，区域性大数据节点l〇6b)。因 此，上游区域性大数据节点l〇6c可以将该诊断例程分发给区域性大数据节点106b，使得区 域性大数据节点106b和/或位于其区域中的本地提供方节点102a、102η、104中的任何一 个本地提供方节点能够利用该诊断例程来实现其各自的诊断目的。上游区域性大数据节点 106c可以独立地发起新诊断例程与区域性大数据节点106b的共享，或者在区域性大数据 节点106b进行请求时，上游区域性大数据节点106c可以使该新诊断例程进行发送。替代 地或另外地，上游区域性大数据节点l〇6c可以通过对从所有区域性大数据节点（106c正在 监督、服务和/或连接到的所有区域性大数据节点）接收的学到知识进行聚合和分析，来生 成通用的诊断例程。在该场景下，上游区域性大数据节点106c将该通用诊断例程分发给其 区域性大数据节点中的任何一个或者全部，例如，随着生成自动地分发，或者在定期的基础 上分发，在特定的区域性大数据节点进行请求时，当上游区域性大数据节点106c从区域性 大数据节点接收到用于指示该通用诊断可以使用的数据时，或者由于某种其它原因。随后， 以类似的方式，区域性大数据节点l〇6c的下游每一个区域性大数据节点，可以将该通用诊 断例程分发给其相应区域中的任意数量的本地大数据提供方。
[0067] 在一些实施例中，区域性大数据节点（例如，节点106a和106b)可以彼此之间共 享学到的知识（例如，以对等的方式）。例如，区域性大数据节点l〇6a直接向区域性大数 据节点106b发送新的或者学到的分析例程（analytics routine)，使得区域性大数据节点 106b可以利用该新的分析例程以用于其自己的目的。
[0068] 应当注意的是，在图1中，仅仅描述了一个上游区域性大数据节点106c。但是，针 对图1所讨论的技术和概念可以应用于任意数量的上游区域性大数据节点，这些上游区域 性大数据节点支持多层或者多级的大数据历史化、存储和学习。
[0069] 此外，由于区域性大数据设备和集中式大数据设备对各自不同的大数据节点和/ 或过程工厂10的各自不同组或区域进行服务，而不是对整个过程工厂10或者其一个以上 的区域进行服务，因此本文通常地并分类地将区域性大数据设备和集中式大数据设备指代 为"分布式大数据设备"。通常，分布式大数据设备与多个其它大数据设备传输大数据。例 如，特定的大数据提供方节点中所包括的本地大数据设备可以向其它大数据提供方节点中 所包括的其它局部的大数据设备、向一个或多个区域性大数据设备和/或向集中式大数据 设备（下面将对其进行更详细地描述）传输所学到的知识和/或大数据。类似地，区域性 大数据设备可以从一个或多个局部的大数据设备和/或大数据提供方节点接收大数据。区 域性大数据设备可以向其它区域性大数据设备和/或集中式大数据设备传输所学到的知 识和/或大数据。
[0070] 如上面所提及的，在过程控制大数据网络100的一些配置中，区域性大数据节点 或者设备l〇6a-106m、本地大数据节点或者设备102a-102n和/或其它大数据节点或者设备 104中的至少一些，向集中式大数据节点108传输各自的大数据、分析结果和/或学到的信 息。如本文所指代的，"集中式大数据节点"通常对过程工厂10的多个区域进行服务，在一 些情形下，对过程工厂10的大部分或者全部进行服务。因此，集中式大数据节点108包括 一个或多个集中的、嵌入式大数据设备118,以接收、存储过程工厂大数据以及提供针对于 过程工厂大数据的存取。例如，集中式大数据设备118可以提供过程工厂10所生成的大部 分或者所有大数据的全面的、长期的历史化，和/或集中式大数据设备118可以公布大数据 以便过程工厂范围内可用于其它大数据节点，或者甚至可用于该过程工厂之内或者之外的 计算设备（它们不是过程控制大数据节点）。
[0071] 在一些配置中，单一的集中式大数据节点108或者设备118可能无法服务整个过 程控制系统或者工厂10,而是服务该过程控制系统或者工厂10的一个以上的区域。例如， 可以在单一工厂或系统10中使用不同的集中式大数据节点108或者设备118,以便为了安 全和存取目的，划分不同类型或区域的大数据。在一些配置中，单一的集中式大数据节点 108或者设备118服务整个过程工厂10。
[0072] 在过程工厂10中，区域性大数据节点106a_106m中的一个或多个可以使得将其生 成或者接收的学到的知识和/或数据中的一些或全部被流式传输或者以其它方式传送到 集中式大数据节点108。例如，区域性大数据节点106a-106m中的一个或多个向集中式大数 据节点108发送其各自存储的学到的知识和/或数据中的至少一些。在一些实施例中，区 域性大数据节点l〇6a-106m中的一个或多个按照定期的时间间隔，将其各自存储的学到的 知识和/或数据中的至少一些推送给集中式大数据节点108。在一些实施例中，区域性大数 据节点l〇6a-106m中的一个或多个响应来自集中式大数据节点108的请求，来提供其各自 存储的学到的知识和/或数据中的至少一部分。
[0073] 集中式大数据节点108和/或其嵌入的设备118可以被配置为：进一步分析从区 域性大数据节点l〇6a-106m接收的所学到知识和/或数据中的任何或所有内容（例如，通 过使用一个或多个分析功能A x - Ay)。在一个实施例中，分析Ax - Ay*的每一个分析由位于 相应大数据节点上的、图2中的一个或多个大数据分析器126执行。所述一个或多个分析功 能A x - Ay可以对所接收的学到知识和/或数据进行操作以生成另外的知识，并确定在各个 实体以及过程工厂10内部和外部的提供方之间的关系。例如，可以在嵌入的设备118处， 对该另外的知识和所确定的关系进行存储，并以其它方式使用成另外的集中的大数据。在 一些情况下，集中式大数据节点108或者设备118使用所生成的知识和关系，来相应地控制 工厂10的一个或多个过程。
[0074] 事实上，大数据网络100的任何节点102-106可以将大数据流式传输或者以其它 方式提供给集中式大数据设备118,例如，用于历史化或者长期存储。例如，本地大数据提供 方节点102可以将其大数据直接流式传输给集中式大数据节点108。类似地，大数据网络 的任何节点102-106可以请求由嵌入的集中式设备118提供的服务，和/或请求存取其中 所存储的数据和元数据。此外，在多个集中式大数据节点108或设备118服务单一过程工 厂10的实施例中，多个集中式大数据节点108或设备118可以以对等方式进行通信，类似 于针对区域性大数据节点106a-106m所描述的。
[0075] 此外，还类似于区域性大数据节点106a_106m，在一些情形下，集中式大数据节点 108可以自身是大数据的产生方或提供方，例如，当集中式大数据节点108所执行的分析 (例如，一个或多个分析功能A x - Ay)导致在集中式大数据设备118处存储的另外的发现的 或学到的信息，并使其它大数据节点102-106可访问该信息。但是，通常，集中式大数据设 备118所处理和服务的大数据的大部分的容量，是从其它大数据节点102-106接收的。可 以结合本文所描述的技术中的任何一种或者全部技术使用的示例性集中式大数据节点108 和示例性集中式大数据设备118的描述，可以在前述的美国专利申请No. 13/784,041中找 到。但是，替代地或另外地，也可以结合与美国专利申请No. 13/784,041中所描述的不同的 集中式大数据设备，来使用本文所描述的技术中的任何一种或全部技术。
[0076] 在一些配置中，集中式大数据节点108向远程大数据节点（例如，相对于过程工厂 10来说远距离的大数据节点）传输数据和学到的信息，以进行大数据历史化、存储、存取和 /或分析。本文称为"云大数据节点110"的这种大数据节点，可以向多个不同的过程工厂 或者过程控制系统10提供服务。例如，运营多个不同的炼油厂的公司可以提供云大数据节 点110和云大数据设备121，以服务与其所有炼油厂有关的大数据。例如，经由云大数据节 点110和驻留的云大数据设备121，特定的炼油厂的集中式大数据节点可以获得过程工厂 10的公布的大数据，并可以在该特定的炼油厂处，利用所获得的公布的大数据来进行工厂 操作。在一些实施例中，大数据节点102-106中的任何一个可以直接将数据流式传输或者 提供给云大数据节点110。类似地，大数据节点102-106中的任何一个可以请求云大数据 节点110的嵌入式设备121所提供的服务，和/或存取其中所存储的数据和元数据。虽然 图1中没有示出，但云大数据节点110中可以包括一个或多个相应的分析例程、功能或者处 理，例如，如可以由图2的大数据分析器126提供的。
[0077] 此外，应当注意的是，并不是在所有过程工厂中都包括所有类型的大数据节点。例 如，在特定的过程工厂处的最高层级的大数据处理，可以是位于区域级，这是由于这种特 定的过程工厂可能不包括任何集中式大数据节点108,并且可能没有连接到云大数据节点 110。但是，通常，为了有助于或者支持区域性大数据，过程工厂10包括至少一个本地大数 据提供方节点102和至少一个区域性大数据节点106。
[0078] 在一个实施例中，相对于本地大数据提供方节点102,区域性大数据节点106中的 至少一些可以进行叠加。例如，各个本地大数据提供方节点102可以包括现有控制系统的 设备或节点，例如，过程控制设备（例如，现场设备、控制器、I/O设备）、网关设备、接入点、 路由设备或路由器、历史库设备、网络管理设备等等。为了实现区域性大数据，可以向现有 的控制系统增加一个或多个区域性大数据节点106,或者将一个或多个区域性大数据节点 106叠加在现有的控制系统之上，以使得可以执行分析，并以独立于现有控制系统的操作的 方式，在大数据网络的区域性大数据节点之间传输大数据。
[0079] 另外，在一些实施例中，过程工厂10包括一个或多个传统的过程控制设备（没有 示出），它们并不固有地包括任何大数据支持。在这些实施例中，直接耦合到传统设备的工 厂10中的网关节点或者辅助设备，可以在传统设备所使用的协议和过程控制大数据网络 骨干所使用的协议之间转换或者翻译数据消息，从而通信地连接该传统设备和过程控制大 数据网络 100。在前述的标题为 "STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS"的美国申请No. 14 /506, 863 (代理人案卷号No. 06005/593070)中，讨论了传统设 备与过程控制大数据网络一起使用的例子。
[0080] 此外，通常，大数据节点或者设备102-110并不具有集成的用户接口，但大数据节 点或者设备102-110中的一些可以具有与一个或多个用户接口设备130进行通信的能力， 例如，通过在有线或无线通信链路上进行通信，或者通过将用户接口设备130插入到大数 据节点或设备102-110的端口中。在图1中，将用户接口设备130描述成无线地连接到过 程控制大数据网络100的大数据节点。
[0081] 用户接口设备或者用户接口大数据节点130是具有一个或多个集成的用户接口 的设备（例如，移动或者固定计算设备、工作站、手持设备、表面计算设备、平板设备等等）， 用户或者操作者可以经由这些用户接口与过程控制系统或过程工厂10进行交互，以执行 与该过程工厂10有关的活动（例如，配置、查看、监视、测试、诊断、命令、计划、调度、标注和 /或其它活动）。集成的用户接口可以包括屏幕、键盘、小键盘、鼠标、按键、触摸屏、触摸板、 生物识别接口、扬声器和麦克风、相机和/或任何其它用户接口技术。用户接口设备130可 以包括与过程控制系统大数据网络骨干的直接有线和/或无线连接，或者可以包括与骨干 的间接连接（例如，经由接入点或者网关）。
[0082] 在一些实施例中，用户接口设备130可以具有一个或多个内置的分析能力或例程 (在图1中通过包围的A z来表示）。换言之，用户接口设备130可以与任意数量的大数据 节点和/或大数据设备进行通信以下载数据，并对所下载的数据和/或对用户接口设备130 已知的另外数据执行本地分析4，以发现或者学习知识。事实上，在一些配置中，用户接口 设备130是大数据提供方节点，其自身可以将其分析4的结果和/或通过该分析结果所学 到的知识中的至少一些，作为大数据提供给一个或多个其它本地、区域性、集中式、云节点 或者其它大数据节点102-110。例如，可以在2013年9月17日提交的、标题为"METHOD AND APPARATUS FOR CONTROLLING A PROCESS PLANT WITH LOCATION AWARE MOBILE CONTROL DEVICES"的美国专利申请No. 14/028, 785中，找到过程控制大数据网络中的用户接口设备 的使用的例子（其可以结合本文所描述的技术中的任何一种或者所有技术来使用），故以 引用方式将该申请的全部公开内容并入本文。但是，当然，可以替代地或另外地结合本文 所描述的技术中的任何一种或者所有技术，来使用将用户接口设备与过程控制大数据网络 100相结合使用的其它技术。
[0083] 在一个实施例中，用户接口设备130是具有能够运行分析应用或小应用程序的特 殊芯片组和/或计算机可执行指令的无线或手持设备。因此，用户接口设备130可以从本 地、区域性、集中式或者云大数据节点102-110中的任何一个下载或者请求数据，随后执行 小应用程序以对所下载的数据中的任何一个或全部和/或（在一些情况下）对于用户接口 设备130来说已知的其它数据执行专门的处理。一旦完成了数据下载，用户接口设备130 可以自动地执行这些小应用程序，或者用户接口设备130可以基于经由用户接口（其是该 设备130的一部分）接收的用户输入或者命令来执行这些小应用程序。这些小应用程序 所产生的结果或者分析结果，可以从用户接口设备130发送到过程控制大数据网络的一个 或多个大数据节点（例如，作为学到的知识）。由用户接口设备130生成的所述学到的知 识，可以以反馈、诊断、故障排除、在线预测、故障检测、建议等等的形式，向各个大数据节点 102-110提供有用的信息。例如，可以开发这种性质的分析小应用程序，来评估或者分析特 定的装备、设备、过程、工厂、公司等等。
[0084] 在图3中，示出了用于描绘在过程工厂或者过程控制环境中支持区域性大数据的 示例性本地大数据提供方设备102的详细框图。虽然参照图1的过程工厂或者过程控制系 统10来讨论了设备102,但本地大数据提供方设备102可以用于其它过程工厂或者过程控 制系统或者结合其它过程工厂或者过程控制系统来使用，以支持在其中的区域性大数据。
[0085] 在图3中，"BD"标记表示特定的设备或者节点支持大数据。具体而言，图3示出了 多个本地大数据提供方设备 ll、15、16、18、19、20、21、26、28、35、42a、42b、44、52a、55a、58、 区域性大数据节点106w-106z和集中式大数据节点108。当然，图3中所示出的大数据节点 的数量和类型并不是限制性的，其仅仅用于示例目的。支持区域性大数据的过程工厂或者 过程控制系统，可以包括至少一个大数据提供方节点和至少一个区域性大数据节点。
[0086] 如先前所讨论的，本地大数据提供方设备102可以包括如下的设备：这些设备的 主要功能是用于自动地生成和/或接收过程控制数据，其中使用该过程控制数据来执行功 能，以实时地控制过程工厂环境10中的过程。例如，过程控制器、现场设备和/或1/0设备 是可能的本地大数据设备102的例子。在过程工厂环境10中，过程控制器接收用于指示这 些现场设备所获得的过程测量值的信号，对该信息进行处理以实现控制例程，并生成通过 有线或无线通信链路向其它现场设备发送的控制信号，以控制工厂10中的过程的操作。通 常，至少一个现场设备执行物理功能（例如，打开或者关闭阀门、增加或者降低温度等等） 以便对过程的操作进行控制，并且一些类型的现场设备可以使用1/0设备来与控制器进行 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，并且任意数量的以及组合 的有线和无线过程控制器、现场设备和I/O设备可以是过程控制大数据网络100的本地大 数据提供方节点l〇2a-102n。
[0087] 例如，图3示出了过程控制器11，其经由输入/输出（I/O)卡26和28来通信地连 接到有线现场设备15-22,并经由无线网关35和过程控制大数据网络骨干105(其可以类似 于图1中所讨论的网络骨干）来通信地连接到无线现场设备40-46。在一个实施例中，控制 器11可以使用不同于骨干105的一个或多个通信网络（例如，通过使用任意数量的其它有 线或无线通信链路）来通信地连接到无线网关35。
[0088] 控制器11 (举例而言，其可以是Emerson Process Management所出售的DeltaV? 控制器）可以进行操作，以使用现场设备15-22和40-46中的至少一些来实现批量过程 或者连续过程。在一个实施例中，除了通信地连接到过程控制大数据网络骨干105之外， 控制器11还可以使用任何期望的、与例如标准4-20mA设备、I/O卡26、28和/或诸如 FO^DATION? Fieldbus 协议、HART?,、议、WirelessHART?协议等等之类的任^ 智能通信协议相关联的硬件和软件，来通信地连接到现场设备15-22和40-46中的至少一 些。在图3中，控制器11、现场设备15-22和I/O卡26、28是有线设备，现场设备40-46是 无线现场设备。当然，有线现场设备15-22和无线现场设备40-46可以遵循任何其它期望 的标准或协议，例如，包括未来开发的任何标准或者协议的任何有线或无线协议。
[0089] 图3的过程控制器11包括实现或者监督一个或多个过程控制例程（例如，其存储 在存储器32中）的处理器30。处理器30被配置为：与现场设备15-22和40-46进行通信， 并与通信地连接到控制器11的其它节点进行通信。应当注意的是，本文所描述的任何控制 例程或者模块（其包括质量预测和故障检测模块或功能块）可以具有通过不同的控制器或 者其它设备来实现或执行的一部分（如果期望的话）。同样，实现在过程控制系统10中的 本文所描述的控制例程或模块可以采用包括软件、固件、硬件等等的任何形式。可以以任何 期望的软件格式（例如，使用面向对象的编程、梯形逻辑，顺序功能图，功能框图，或者使用 任何其它软件编程语言或者设计范例），来实现控制例程。可以将这些控制例程存储在任何 期望的类型的存储器（例如，随机存取存储器（RAM)或者只读存储器（ROM))中。同样，可 以将控制例程硬编码到例如一个或多个EPROM、EEPR0M、专用集成电路（ASIC)或者任何其 它硬件或固件单元中。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。
[0090] 在一些实施例中，控制器11使用通常称为功能块的方式来实现控制策略，其中每 一个功能块是整个的控制例程的一个对象或者其它部件（例如，子例程），并结合其它功能 块（通过称为链路的通信）进行操作以实现过程控制系统10中的过程控制环。基于控制的 功能块通常执行下面中的一种：输入功能，例如与发送器、传感器或者其它过程参数测量设 备相关联；控制功能，例如与执行PID、模糊逻辑等等控制的控制例程相关联；或者输出功 能，其控制诸如阀门之类的一些设备的操作，以执行过程控制系统10中的某种物理功能。 当然，也存在混合的功能块和其它类型的功能块。功能块可以存储在控制器11中并由控制 器11执行，通常这是下面的情形，这些功能块用于或者关联于标准的4-20mA设备和某种类 型的智能现场设备（例如，设备），或者可以存储在这些现场设备自身中并由其实 现（这可以是与FOUNDATIONK Fieldbus设备的情形）。控制器11可以包括可实现一 个或多个控制环的一个或多个控制例程38,所述一个或多个控制例程38可以通过执行这 些功能块中的一个或多个来执行。
[0091] 有线现场设备15-22可以是任何类型的设备（例如，传感器、阀门、发送器、定 位器等等），而I/O卡26和28可以是遵循任何期望的通信或控制器协议的任何类型 的I/O设备。在图3中，现场设备15-18是通过模拟线路或者组合的模拟和数字线路来 向I/O卡26进行通信的标准4-20mA设备或者HARTX设备，而现场设备19-22是使用 FOUNDATION? Fieldbus通信协议，通过数字总线向I/O卡28进行通信的智能设备 (例如，FOUNDATION? Fieldbus现场设备）。但是，在一些实施例中，有线现场设备15、 16和18-21中的至少一些和/或大数据I/O卡26、28中的至少一些，另外地或者替代地使 用大数据网络骨干105来与控制器11 (和/或其它大数据节点）进行通信。
[0092] 在图3中，无线现场设备40-46使用诸如观议之类的无线协议， 在无线网络70中进行通信。这种无线现场设备40-46可以直接与过程控制大数据网络100 中也被配置为实现无线通信（例如，使用该无线协议或者另一种无线协议）的一个或多个 其它设备或节点进行通信。为了与没有被配置为无线地通信的一个或多个其它节点进行 通信，无线现场设备40-46可以使用无线网关35,其中无线网关35连接到大数据网络骨干 105或者另一个过程控制通信网络。
[0093] 无线网关35提供针对于无线通信网络70的各种无线设备40-58的接入。具体而 言，无线网关35提供无线设备40-58、有线设备11-28和/或过程控制大数据网络100的其 它节点或设备之间的通信耦合。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。另外地或替代地， 无线大数据提供方设备42a、42b、44、52a、55a、58可以以有线或无线方式，直接连接到大数 据网络骨干105。例如，设备42 &、4213、44、52&、55&、58中的至少一些可以在无线网络70和 大数据网络骨干105上进行通信。
[0094] 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可以执行过程工 厂10中的物理控制功能，例如，打开或者关闭阀门或者对过程参数进行测量。但是，无线现 场设备40-46被配置为使用网络70的无线协议进行通信。因此，无线网络70的无线现场 设备40-46、无线网关35和其它无线节点52-58是无线通信分组的产生方和消费方。
[0095] 在一些场景下，无线网络70可以包括非无线设备。例如，图3的现场设备48可以 是传统的4-20mA设备，现场设备50可以是传统的有线：HART K)设备。为了在网络70中进 行通信，现场设备48和50可以经由无线适配器52a或52b，连接到无线通信网络70。无线 适配器52a、52b可以支持诸如Foundatio丨V K Fieldbus、PROFIBUS、DeviceNet等等之类的 其它通信协议。此外，无线网络70可以包括一个或多个网络接入点55a、55b，它们可以是与 无线网关35进行有线通信的单独的物理设备，或者可以与无线网关35 -起提供作为集成 设备。无线网络70还可以包括一个或多个路由器58,以便将分组从一个无线设备转发到 无线通信网络70中的另一个无线设备。无线设备40-46和52-58可以通过无线通信网络 70的无线链路60来彼此之间进行通信以及与无线网关35进行通信，和/或经由大数据网 络骨干105进行通信。如图3中所示，适配器52a、接入点55a和路由器58均支持如通过 "BD"所指示的过程控制大数据。
[0096] 在一些实施例中，过程控制大数据网络100的本地大数据提供方设备102可以包 括其它无线接入点（图3中没有示出），其中这些其它无线接入点使用诸如Wi-Fi或者遵 循其它IEEE 802. 11的无线局域网协议之类的其它无线协议、诸如WiMAX(全球微波互联接 入）、LTE (长期演进）或者其它ITU-R(国际电信联盟无线电通信部门）兼容协议之类的移 动通信协议、诸如近场通信（NFC)和蓝牙之类的短波长无线电通信、或者其它无线通信协 议来进行通信。所述其它无线接入点中的每一个可以支持过程控制大数据，也可以不支持 过程控制大数据。
[0097] 在一些实施例中，本地大数据提供方设备或节点102可以包括通向系统的一个或 多个网关（图3中没有示出），其中这些系统在当前的过程控制系统10外部。通常，这些系 统是过程控制系统10所生成或者关于其进行操作的信息的消费方或供应方。例如，网关可 以将当前的过程工厂10与另一个过程工厂、外部公共系统或专用系统进行通信地连接，例 如这些系统是实验室系统（例如，实验室信息管理系统或UMS)、操作者巡回数据库、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、运输和处理系 统、包装系统、互联网、另外一个提供方的过程控制系统或其它外部系统。所述其它无线接 入点中的每一个可以支持过程控制大数据，也可以不支持过程控制大数据。
[0098] 虽然图3只描绘了单一控制器11与有限数量的现场设备15-22和40-46、无线网 关35、无线适配器52、接入点55、路由器58和无线过程控制通信网络70,但这只是示例性 的和非限制性的实施例。在过程控制大数据网络100的本地大数据提供方节点102中可以 包括任意数量的控制器11，并且控制器11中的任何一个可以与任意数量的有线或无线设 备以及网络15-22、40-46、35、52、55、58和70进行通信，以控制工厂10中的过程。
[0099] 为了实现或者支持区域性大数据，可以将图3中所示出的各种有线或无线设备 形成群组到相应的区域。一旦形成群组，就将各个区域中的任何设备或者所有设备所生 成、收集、接收或者以其它方式观测的数据，传送或者流式传输给相应的区域性大数据节点 106w-106z。图3中的每一个区域性大数据节点106w-106z包括相应的区域性大数据设备 (例如，图1中所讨论的区域性大数据设备116a-116m的实例），其中经由该区域性大数据 设备来接收大数据，存储成区域性大数据、并进行存取或请求。此外，每一个区域性大数据 节点106w-106z包括可以对该区域性大数据中的至少一些进行个别地和/或协作地操作的 一个或多个分析功能、例程、操作或者过程。
[0100] 可以根据任何期望的方式来形成区域。在图3所示出的示例性例子中，根据功能 方式，形成了三个不同的区域140、142和144。例如，在实线中描述的区域140表示示例性 控制环，其在过程工厂10中执行以便对过程的至少一部分进行实时地操作或者控制。因 此，控制环140包括诸如控制器11、I/O卡28、无线适配器52a、以及现场设备19-22、42a和 48之类的各种过程控制设备。控制环140中的每一个现场设备19-22、42a和48可以生成 过程控制数据，接收过程控制数据，和/或向控制器11发送过程控制数据以使控制器11能 够监督控制环140的操作。现场设备19-22是经由I/O卡28来连接到控制器11的有线设 备。现场设备42a是经由无线网关35和网络骨干105来与控制器11进行通信的无线设备。 现场设备48是另一个耦合到适配器52a的有线设备，转而适配器52a与网关35进行通信 以便与控制器11进行通信。虽然图3将现场设备19-22、42和48示出为在控制环140中 相互挨着，但事实上，现场设备19_22、42和48可以位于过程工厂10的不同部分，但基于它 们执行用于实现控制环140的功能，而将它们形成群组在一起。
[0101] 类似地，在点线中描述的区域142表示另一个示例性控制环，其在过程工厂10中 执行以便对该过程的另一部分（或者另一个过程一起）进行实时地操作或者控制。因此，控 制环142包括诸如控制器11、I/O卡26、无线适配器52b、路由器58、以及现场设备15-18、 40、44和50之类的各种过程控制设备。控制器11通过对从现场设备15-18、40、44和50中 的每一个现场设备接收的信息和数据进行处理，来监督控制环142的操作。因此，有线现场 设备15-18经由I/O卡26通信地连接到控制器11，而无线现场设备40经由网关35和网络 骨干105通信地连接到控制器11。此外，有线现场设备50耦合到适配器52b，适配器52b 连同无线现场设备44,与路由器58进行通信，以便经由网关35和网络骨干105通信地连接 到控制器11。类似于如上所述，现场设备15-18、40、44和50可以位于过程工厂10的不同 部分，但根据它们的用于实现控制环142的功能而将它们形成群组在一起。
[0102] 图3还示出了区域144,其在点划线中进行了描述。区域144不是表示控制环，而是 表示用于进行服务，以提供网络路由功能和管理的示例性通信网络。具体而言，区域144表 示无线通信网络70,无线通信网络70包括无线网关35、无线适配器52a、52b、接入点55a、 55b和路由器58。区域144中所包括的每一个设备执行对无线分组进行路由和传输的功能。 无线网关35还执行业务管理和监管功能（例如，资源管理、性能调整、网络故障缓解、监测 业务、安全等等），以及对去往和来自有线网络（其中该有线网络与无线网络70进行通信连 接）的业务进行路由。
[0103] 可以将区域140、142和144的本地大数据提供方节点所生成或者提供的任何数 据或者所有数据，流式传输到各自的区域性大数据节点106x-106z，以进行历史化、分析、存 储、使用和/或存取。具体而言，可以将与区域140和142有关的过程控制数据，例如，测量 数据（如，输出、速率等等）、配置数据（如，设置点、配置改变等等）、批量数据（例如，批量 配方、批量条件等等）、事件数据（例如，报警、过程控制事件等等）、连续数据（例如，参数 值、视频馈入等等）、经计算的数据（例如，内部状态、中间计算值等等）和/或诊断数据， 分别流式传输到区域性大数据节点106x和106y。可以将与区域144有关的网络数据（例 如，带宽、流量、网络配置等等）流式传输到区域性大数据节点106z。
[0104] 在区域性大数据节点106x-106z中的每一个处，可以对所接收的数据中的至少一 些执行计算或者数据分析，以确定有意义的模式、相关性、趋势等等，并且通常用于生成新 知识。在前述的标题为 "DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美 国申请No. 62/060, 408 (代理人案卷号No. 06005/593085P)中，可以找到这些计算或数据分 析技术的例子。作为所执行的计算或者分析的结果，区域性大数据节点106x-106z可以产 生学到的知识，例如，新的一组数据点或者观测值、与该数据有关的描述性统计、该数据中 的相关性、用于该数据的新模型或者经修改的模型等等。在一些情况下，所获得的学到的知 识包括：新的或者经修改的应用、新的或者经修改的功能、新的或者经修改的例程、新的或 者经修改的学习分析、新的或者经修改的服务等等。例如，所获得的学 到的知识可以是新创 建的推断功能，其可以用于映射新数据例子。
[0105] 在一个实施例中，基于所获得的学到的知识，每一个区域性大数据节点106x-106z 可以更新、改进或者修改其相应区域的操作。例如，区域性大数据节点l〇6x基于所获得的 学到的知识来修改某些过程参数值，以优化在区域140中受到控制的过程。在另一个例子 中，区域性大数据节点106y基于所获得的学到的知识，更新用于其区域142的诊断例程。在 另一个例子中，区域性大数据节点l〇6z基于所获得的学到的知识，确定用于对区域144中 的网络业务进行路由的更佳数据路径。
[0106] 在一些实施例中，区域性大数据节点106x-106z将它们学到的知识发送给另一个 区域性大数据节点l〇6w，以支持分层或者分级的学习。区域性大数据节点106w用于对一 个或多个区域进行监督。因此，区域性大数据节点l〇6w可以对所接收的学到的知识中的至 少一些执行进一步的分析或者学习，以便生成关于其监督或者服务的一个或多个区域140、 142、144的另外的学到知识，转而可以将该另外的学到知识分发给它们各自的区域性大数 据节点106x-106z中的任何一个或者全部。另外地或者替代地，区域性大数据节点106w和 /或区域性大数据节点106x-106z中的任何一个，可以使得任何所获得的学到的知识被发 送给集中式大数据节点108或者过程控制系统10中的其它过程控制大数据节点。集中式 大数据节点108可以对所聚合的学到的知识进行操作，以在全厂范围的基础上生成知识。
[0107] 图4示出了用于在过程工厂和过程控制系统中支持区域性大数据的示例性方法 400的流程图。例如，方法400可以由图1的区域性大数据节点106a-106m和图3的区域 性大数据节点106w-106z来执行。为了便于讨论起见，而不是用于限制目的，同时地参照图 1-图3来描述方法400。
[0108] 在方框402处，在区域性大数据节点（例如，区域性大数据节点106中的一个）处， 可以接收、获得和/或收集与过程控制工厂或者网络相对应的数据。区域性大数据节点106 通信地连接到一个"区域"或一组本地大数据提供方节点102和/或其它大数据节点104， 并对该"区域"或一组本地大数据提供方节点102和/或其它大数据节点104提供服务，其 中该区域（例如，区域140、142或144)与根据地理、物理、功能、逻辑或者其它期望的方式 中的某种或者至少一种相关。因此，将该组的本地大数据提供方节点102和/或其它大数 据节点104所生成或提供的任何数据，传送或者流式传输给区域性大数据节点106以进行 收集。区域性大数据节点106可以经由一个或多个网络接口（例如，经由过程控制系统大 数据网络100的网络骨干105)，通信地耦合到过程工厂或者过程控制系统的通信网络。在 区域性大数据节点106处收集或者接收的数据可以包括测量数据、事件数据、批量数据、经 计算的数据、配置数据、连续数据和/或学到的数据。通常，所收集的数据一般包括由连接 到区域性大数据节点106的相应区域所生成、创建、接收或者以其它方式观测到的所有类 型的数据。
[0109] 在方框404处，在区域性大数据节点106处可以将所收集的数据存储在区域性大 数据设备（例如，区域性大数据设备116)中。例如，将该数据以及其相应的时间戳存储成区 域性大数据设备116的大数据存储120中的一个条目。在随时间获得该数据的多个值（方 框402)的实施例中，将每一个值连同其相应的时间戳存储在大数据存储器120中的相同条 目或者不同条目中。
[0110] 在方框406处，对所存储的区域性数据的至少一部分执行一种或多种学习分析， 例如以便学习、预测或者发现新知识、有意义的关系、模式、相关性、趋势等等。所述一种或 多种学习分析（例如，如大数据分析器126中的一个或多个所执行的）可以包括任意数量 的数据发现和/或学习算法和技术，例如，偏最小二乘分析、随机森林、模式识别、预测分 析、相关分析、主分量分析、分类分析、概率分析、数据挖掘、数据发现或者包括启发式学习 的其它机器学习技术（诸如先前所讨论的）。在一些情况下，区域性大数据设备116对所 存储的区域性大数据中的至少一些进行分析，以提取数据模式，随后对其进行评估以发现 基于感兴趣测量值来表示知识的感兴趣模式。在一些情况下，区域性大数据设备116确定 使用哪一个或者哪一些相关的学习分析，并确定所存储的数据的哪些部分（或者在一些情 况下，所有部分）将由该学习分析或者分析进行操作。例如，学习分析的确定包括：对学习 分析进行选择或者推导。因此，学习分析的选择或者推导可以是基于所存储的区域性大数 据的至少一部分的一个或多个属性的，例如，基于与所存储的数据相关联的相应时间戳、基 于所存储的数据中给出的偏移或者其它测量值、基于所存储的数据所源自的现场设备的类 型、基于所存储的数据中的某些识别的簇等等。
[0111] 在方框408处，创建或者生成用于指示该学习分析的结果的学到知识。例如，所创 建或者生成的学到知识包括：学到的数据、对于区域性大数据节点106来说先前未知的其 它数据、和/或一个或多个学到的应用、功能、例程、服务、学习分析或者针对其的修改。在 另一个例子中，所学到的知识包括：基于所存储的区域性大数据的至少一部分的一个或多 个属性的预测。所学到的知识可以提供用于任意数量的预测、建模、诊断和/或故障排除目 的的新信息。通常但不是必需的，将所学到的知识存储在区域性大数据节点106的区域性 大数据设备116中。
[0112] 在方框410处，基于所学到的知识（方框408)，方法400包括：使得对例如区域性 大数据节点106所服务的各个区域140、142、144中的一个或多个操作进行改变或者修改。 例如，学到的知识可能导致用于一个过程的过程参数的修改，其中该过程在一个或多个相 应的区域中受到控制或者执行。在另一个例子中，学到的知识可能导致创建新的过程模型， 其随后实现在相应的区域中。通常，在方框410处，对于各个区域140、142、144的一个或多 个操作的改变或者修改，可以包括：对各个区域140、142、144中所包括的本地大数据节点 (和/或其的一个或多个操作）进行改变或者修改，和/或对另一个非大数据设备（和/或 其的一个或多个操作）进行改变或修改，其中该另一个非大数据设备连接到相应区域中所 包括的本地大数据节点。例如，可以使用方法400的方框410,来影响非大数据设备或者传 统设备的控制参数的改变，其中该非大数据设备或者传统设备连接到用于过程控制大数据 网络的适配器。
[0113] 在一些实施例中，方框410包括：使得对由与区域性大数据节点106服务的各个区 域140、142、144不相同的区域中的一个或多个操作进行改变或者修改。例如，区域性大数 据节点106可以向对另一个区域进行服务的另一个区域性大数据节点发送所学到的知识， 并且接收方区域性大数据节点可以对其相应区域的某个部分的操作进行改变或者修改。
[0114] 事实上，在一些实施例中，方法400包括：使得所学到的知识中的至少一些被发送 给另一个大数据节点（例如，发送给其自己区域中的本地大数据节点、发送给集中式大数 据节点108、或者发送给对另一个区域进行服务的另一个区域性大数据节点106)，例如，以 便接收方大数据节点用于其相应的学习分析和/或操作（方框412)。在一个实施例中，所 学到的知识导致对由接收方节点和/或耦合到该接收方节点的另一个设备执行的操作进 行修改（方框410)。因此，方法400可以使得对该修改的指示结合所学到的知识一起被发 送给接收方大数据节点。
[0115] 在一些实施例中，方法400包括：基于所学到的知识来执行上下文搜索（没有示 出）。例如，在维护检查期间，用户可能希望确定过程工厂中的各个阀门的状态。因此，方法 400可以利用所学到的知识来发现紧邻着用户的最近的阀门、上个月维修过的最近的阀门、 需要进行维护的最近的阀门等等。可以将这种上下文搜索的结果提供给远程或者本地用户 接口，或者可以记录该结果。
[0116] 在一些实施例中，方法400包括：基于例如在远程或者本地用户接口处学到的知 识，或者写入到日志的知识（没有示出），来向用户（例如，外部操作者、维护工、工程师等 等）提供建议。更具体地说，方法400可以向处于在该过程工厂中工作的背景之下的用户 提供建议。例如，操作者可能希望对于在过程工厂中执行的测量过程做出调整。因此，方法 400可以利用所学到的知识，向操作者提供关于下面的细节：该过程工厂中的哪些区域与 做出该调整有关、哪些区域不需要查看。
[0117] 在一些实施例中，在方法400中只包括方框410或者412中的一个。在其它实施 例中，顺序地执行方框410和412,使得区域性大数据节点首先基于学到的知识来修改其相 应区域的操作（方框410)，随后向其它接收方大数据节点发送所学到的知识（方框412)， 或者反之亦然。在方法400的其它实施例中，并行地执行方框410和412。
[0118] 方法400可选地包括：从过程工厂的其它大数据节点（例如，从其它区域性大数据 节点106、集中式大数据节点108和/或其它大数据节点104)接收另外的学到的知识（方 框414)。区域性大数据节点106可以存储所接收的学到的知识（方框404)，并且可以对本 地存储的区域性大数据的至少一部分以及另外的学到的知识执行一个或多个后续的学习 分析（方框406)。基于该后续的学习分析或一些后续的学习分析的输出，可以创建、生成 另外的学到的知识（方框408)，并将该另外的学到的知识可选地存储在区域性大数据节点 106处。在一些情形下，基于新生成的学到的知识，对在连接到该区域性大数据节点的相应 区域中发生的一个或多个操作进行修改（方框410)，和/或将新学到的知识中的至少一些 发送给一个或多个其它接收方大数据节点（方框412)或者应用。
[0119] 在一些实施例中，在无需任何实时的用户输入的情况下，自动地或者自主地执行 或者实现方法400。例如，不需要或者不使用用户输入来执行和/或发起方法400的任何实 施例的任何步骤的执行。在其它实施例中，利用或者基于实时的用户输入，来执行或者实现 方法400。
[0120] 本公开内容中所描述的这些技术的实施例可以包括任意数量的下面的方面，无论 是单独地还是组合地：
[0121 ] 1、一种用于在对过程进行控制的过程工厂中支持大数据的区域性大数据节点。所 述区域性大数据节点包括：网络接口，所述网络接口将所述区域性大数据节点通信地连接 到所述过程工厂的多个区域中的一个区域，其中，所述多个区域中的所述一个区域包括多 个本地大数据节点，随着所述过程实时地受到控制，所述多个本地大数据节点中的每一个 实时地发送根据所述过程工厂对所述过程进行的所述控制来生成的数据。所述区域性大数 据节点还包括大数据存储区域，所述大数据存储区域包括被配置为对区域性大数据进行存 储的一个或多个有形的、非临时性计算机可读存储介质。此外，所述区域性大数据节点包括 大数据接收器，所述大数据接收器被配置为：经由所述网络接口来接收由所述多个本地大 数据节点发送的并在所述区域性大数据节点处接收的所述数据，并且将所接收的数据存储 在所述大数据存储区域中。此外，所述区域性大数据节点包括大数据分析器，所述大数据分 析器被配置为：对所述区域性大数据的至少一部分执行学习分析；基于所述学习分析的结 果，生成学到的知识；以及基于所述学习分析的结果，使得对所述过程工厂的至少一部分的 操作进行改变，其包括：使得所述学到的知识被发送给与所述过程工厂的所述至少一部分 相对应的接收方大数据节点。
[0122] 2、根据前述方面所述的区域性大数据节点，其中，所述多个区域中的所述一个区 域是根据地理、物理、功能或者逻辑群组中的至少一种来形成的。
[0123] 3、根据前述方面中的任何一个方面所述的区域性大数据节点，其中：所述多个区 域中的所述一个区域的所述多个本地大数据节点包括以下各项中的至少一项：所述过程工 厂中所包括的过程控制设备、网关设备、接入点、路由设备、历史库设备或者网络管理设备。 所述过程控制设备是以下各项中的至少一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备。
[0124] 4、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述区域性 大数据包括多种类型的数据，并且数据类型的集合包括连续数据、事件数据、测量数据、批 量数据、经计算的数据、诊断数据、配置数据、与所述学到的知识相对应的数据、和/或与其 它学到的知识相对应的数据。
[0125] 5、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述学习分 析包括以下各项中的至少一项：偏最小二乘回归分析、随机森林、模式识别、预测分析、相关 分析、主分量分析、数据挖掘、数据发现或者包括启发式学习的其它机器学习技术。
[0126] 6、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，基于所述学 习分析的所述结果，对所述过程工厂的所述至少一部分的所述操作进行所述改变，包括：基 于所述学到的知识，对在所述多个区域中的所述一个区域中执行的操作进行修改。所述大 数据分析器还被配置为：使得对所述修改的指示结合所述学到的知识一起被发送给所述接 收方大数据节点。
[0127] 7、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述学到的 知识是第一学到的知识，所述学习分析是第一学习分析，并且所述多个区域中的所述一个 区域是第一区域。所述大数据接收器还被配置为：接收由所述多个区域中的第二区域的另 一个大数据节点生成的第二学到的知识。所述大数据分析器还被配置为执行以下各项中的 至少一项：（i)基于所接收的第二学到的知识，使得对在所述第一区域中执行的操作进行 修改，或者（ii)对所述区域性大数据中的至少一些和所接收的第二学到的知识执行第二 学习分析。
[0128] 8、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述第二区 域中的所述另一个大数据节点是对所述第二区域进行服务的区域性大数据节点。
[0129] 9、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述学到的 知识包括以下各项中的至少一项：对于所述区域性大数据节点来说先前未知的源自于所述 过程的控制的另外数据、应用、服务、例程、功能或者另一种学习分析。
[0130] 10、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述大数据 分析器还被配置为：基于所述学到的知识，执行上下文搜索。
[0131] 11、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述大数据 分析器还被配置为：基于所述学到的知识，向用户提供建议。
[0132] 12、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述网络接 口将所述区域性大数据节点通信地连接到用户接口大数据节点。所述用户接口大数据节点 包括用户接口和一个或多个相应的分析例程。所述大数据接收器还被配置为：使用所述网 络接口，来接收基于在所述用户接口大数据节点处执行的所述一个或多个相应的分析例程 的结果而生成的数据，并且将从所述用户接口大数据节点接收的所述数据存储在所述大数 据存储区域中，其中所述一个或多个相应的分析例程的所述结果是基于经由所述用户接口 大数据节点的所述用户接口接收的用户输入的。所述大数据分析器还被配置为：对所述区 域性大数据的另一部分执行所述学习分析或者另一种学习分析，其中所述区域性大数据的 所述另一部分包括从所述用户接口大数据节点接收的所述数据。
[0133] 13、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述网络接 口将所述区域性大数据节点通信地连接到集中式大数据节点。所述集中式大数据节点包括 一个或多个相应的分析例程。所述区域性大数据节点的所述大数据接收器还被配置为：使 用所述网络接口，来接收基于在所述集中式大数据节点处执行的所述一个或多个分析例程 的结果而生成的数据，并且将从所述集中式大数据节点接收的所述数据存储在所述大数据 存储区域中。所述区域性大数据节点的所述大数据分析器还被配置为执行以下操作中的至 少一项：对所述区域性大数据的另一部分，执行所述学习分析或者另一种学习分析，其中所 述区域性大数据的所述另一部分包括从所述集中式大数据节点接收的所述数据，或者基于 从所述集中式大数据节点接收的所述数据，对操作进行修改。
[0134] 14、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，在一个或多 个集成电路芯片上，包括所述大数据接收器或者所述大数据分析器中的至少一个的至少一 部分。
[0135] 15、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述大数据 接收器或者所述大数据分析器中的至少一个的至少一部分包括：存储在所述区域性大数据 节点的存储器上并可由所述区域性大数据节点的处理器执行的计算机可执行指令。
[0136] 16、一种利用区域性大数据来改进用于对过程进行控制的过程工厂的操作的方 法。该方法可以至少部分地由前述方面中的任何一个方面的区域性大数据节点来执行。该 方法包括：在所述过程工厂的一个或多个区域性大数据节点处收集数据。所述一个或多个 区域性大数据节点中的每一个对应于所述过程工厂的多个区域中所包括的相应区域。所收 集的数据包括由所述相应区域的相应多个本地大数据节点发送的数据，以及每一个本地大 数据节点实时地发送相应的数据，其中所述相应的数据源自于所述每一个本地大数据节点 的所述相应区域的在线操作。该方法还包括：将所收集的数据作为区域性大数据存储在所 述一个或多个区域性大数据节点处。此外，该方法包括：由所述一个或多个区域性大数据节 点对所述区域性大数据的至少一部分执行一种或多种学习分析；以及基于所述一种或多种 学习分析的结果，生成学到的知识。另外，该方法包括：基于所述一种或多种学习分析的所 述结果，使得对所述过程工厂的至少一部分的操作进行改变，其包括：将所述学到的知识发 送给与所述过程工厂的所述至少一部分相对应的接收方大数据节点。
[0137] 17、根据前述方面所述的方法，其中，在无需使用任何实时用户输入或者在使用任 何实时用户输入的情况下，自主地执行所述方法。
[0138] 18、根据前述方面中的任何一个方面所述的方法，其中，所述一个或多个区域性大 数据节点中的每一个是根据地理、物理、功能或者逻辑群组中的一种来形成的。
[0139] 19、根据前述方面中的任何一个方面所述的方法，其中，在所述一个或多个区域性 大数据节点处收集所述数据，包括收集由以下各项中的至少一项发送的数据：所述过程工 厂的过程控制设备、网关设备、接入点、路由设备、历史库设备、用户接口设备或者网络管理 设备。所述过程控制设备是以下各项中的一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备。所收集的数据包括数据类型的集合中所包括的至少一种类型的数据，其中所述数据类 型的集合包括：连续数据、事件数据、测量数据、批量数据、经计算的数据、诊断数据、配置数 据、以及与其它学到的知识相对应的数据。
[0140] 20、根据前述方面中的任何一个方面所述的方法，其中，所述学到的知识是第一学 到的知识，并且其中，在所述一个或多个区域性大数据节点处收集所述数据包括：收集由所 述一个或多个区域性大数据节点或者所述过程工厂的另一个大数据节点生成的第二学到 的知识。
[0141] 21、根据前述方面中的任何一个方面所述的方法，还包括以下各项中的至少一项： 选择所述一种或多种学习分析中的第一至少一种学习分析，或者导出所述一种或多种学习 分析中的第二至少一种学习分析。
[0142] 22、根据前述方面中的任何一个方面所述的方法，其中，生成所述学到的知识包括 生成以下各项中的至少一项：对于所述一个或多个区域性大数据节点来说先前未知的另外 数据、新的或者经修改的应用、新的或者经修改的功能、新的或者经修改的例程、新的或者 经修改的学习分析、或者新的或者经修改的服务。
[0143] 23、根据前述方面中的任何一个方面所述的方法，其中，所述区域性大数据的所述 至少一部分是所述区域性大数据的第一至少部分。该方法还包括：对所述区域性大数据的 第二至少一部分执行所述新的或者经修改的学习分析。
[0144] 24、根据前述方面中的任何一个方面所述的方法，其中，执行所述一种或多种学习 分析包括：执行机器学习分析、预测分析、数据挖掘或数据发现中的至少一种。
[0145] 25、根据 前述方面中的任何一个方面所述的方法，其中，由所述一个或多个区域性 大数据节点执行所述一种或多种学习分析包括：由一个以上的区域性大数据节点执行所述 一种或多种学习分析；以及基于所述一种或多种学习分析的结果，生成所述学到的知识包 括：基于所述一个以上的区域性大数据节点执行的所述一种或多种学习分析的结果，生成 所述学到的知识。
[0146] 26、一种用于在过程工厂中支持区域性大数据的系统。该系统包括：一个或多个 区域性大数据节点；多个本地大数据节点；以及通信网络，所述通信网络通信地连接所述 一个或多个区域性大数据节点和所述多个本地大数据节点。在一个实施例中，该系统可以 执行前述的方法中的任何一个方法的至少一部分。所述多个本地大数据节点被布置到多个 区域中，所述多个区域中的每一个区域由所述一个或多个区域性大数据节点中所包括的相 应区域性大数据节点进行服务。所述相应区域性大数据节点被配置为：收集由与所述相应 区域性大数据节点所服务的相应区域相关联的本地大数据节点的集合实时地生成的数据， 其中，所述数据是由于对所述过程工厂中的过程的实时控制而由所述本地大数据节点的集 合实时地生成的。所述相应区域性大数据节点还被配置为：将所收集的数据作为相应的区 域性大数据存储在所述相应区域性大数据节点中所包括的大数据存储区域处。此外，所述 相应区域性大数据节点被配置为：使用所述相应区域性大数据节点中所包括的大数据分析 器，来对所存储的相应区域性大数据的至少一部分执行学习分析，并基于所执行的学习分 析的结果，生成学到的知识。另外，所述区域性大数据节点进一步被配置为执行以下操作中 的至少一项：（i)在所述大数据存储区域处，将所述学到的知识存储成另外的相应区域性 大数据，或者（ii)向所述过程工厂中所包括的接收方大数据节点发送所述学到的知识。
[0147] 27、根据前述的方面所述的系统，其中，所述多个本地大数据节点根据地理、物理、 功能或者逻辑群组中的至少一种而被布置到所述多个区域中。
[0148] 28、根据前述方面中的任何一个方面所述的系统，其中，所述学到的知识包括以下 各项中的至少一项：源自于对所述过程的所述实时控制的另外数据、应用、功能、服务、例程 或者另一种学习分析。
[0149] 29、根据前述方面中的任何一个方面所述的系统，其中，所执行的学习分析的所述 结果包括：基于所存储的相应区域性大数据的所述至少一部分的属性的预测。
[0150] 30、根据前述方面中的任何一个方面所述的系统，还包括具有相应的学习分析的 用户接口大数据节点，并且其中，所收集的数据是第一收集的数据。所述相应区域性大数据 节点还被配置为：收集在所述用户接口大数据节点处通过执行所述相应的学习分析所生成 的第二数据。另外，所述相应区域性大数据节点还被配置为：将所述第二收集的数据存储在 所述相应区域性大数据节点中所包括的所述大数据存储区域处。所述相应区域性大数据节 点还被配置为执行以下操作中的至少一项：对所存储的包括所述第二收集的数据的相应区 域性数据的集合执行所述学习分析或者另一种学习分析，或者使得所述第二收集的数据被 发送给另一个大数据节点。
[0151] 31、根据前述方面中的任何一个方面所述的系统，还包括集中式大数据节点或者 另一种类型的大数据节点中的至少一个，并且其中，所收集的数据是第一收集的数据。所述 相应区域性大数据节点还被配置为：收集在所述集中式大数据节点或者所述另一种类型的 大数据节点中的所述至少一个处通过执行学习分析所生成的第二数据。另外，所述相应区 域性大数据节点还被配置为：将所述第二收集的数据存储在所述相应区域性大数据节点中 所包括的所述大数据存储区域处；以及对所存储的包括所述第二收集的数据的相应区域性 数据的集合执行所述学习分析或者另一种学习分析。
[0152] 32、根据前述方面中的任何一个方面所述的系统，其中，由所述本地大数据节点的 集合实时地生成的所述数据包括由以下各项中的一项或多项实时地生成的数据：现场设 备；控制器；输入/输出（I/O)设备，其具有与所述控制器的接口以及与所述现场设备的接 口；网关设备；接入点；路由设备；历史库设备；或者网络管理设备。所述控制器被配置为接 收一组输入，基于所述一组输入来确定输出的值，以及使得所述输出被发送给所述现场设 备以控制由所述过程工厂执行的所述过程。所述现场设备被配置为：基于所述控制器的所 述输出来执行物理功能以控制所述过程。
[0153] 33、根据前述方面中的任何一个方面所述的系统，其中，将所述学到的知识发送给 所述接收方大数据节点，并且其中，所述接收方大数据节点使得执行以下操作中的至少一 项：（i)基于所接收的学到的知识，对所述接收方大数据节点进行修改；或者（ii)对去往所 述接收方大数据节点的大数据的提供方进行修改。
[0154] 当用软件实现时，本文所描述的应用、服务和引擎中的任何一种可以存储在任何 有形的、非临时性计算机可读存储器中，例如，存储在磁盘、激光光盘、固态存储器设备、分 子存储器存贮设备或者其它存储介质上，存储在计算机或处理器的RAM或ROM中等等。虽 然将本文所公开的示例性系统公开成包括在硬件上执行的软件和/或固件，但应当注意的 是，这些系统仅仅只是示例性的，其不应被解释为限制性的。例如，可以预期的是，这些硬 件、软件和固件组件中的任何一个或者全部可以专门用硬件来体现，专门用软件来体现，或 者利用硬件和软件的任意组合来体现。因此，虽然将本文所描述的示例系统描述成在一个 或多个计算机设备的处理器上执行的软件中实现，但本领域普通技术人员应当容易理解的 是，所提供的这些示例并不是实现这些系统的唯一方式。
[0155] 因此，虽然参照特定的示例来描述了本发明，其中这些特定的示例仅仅旨在是示 例性的，而不是对本发明进行限制，但对于本领域普通技术人员来说显而易见的是，在不脱 离本发明的精神和保护范围的基础上，可以对所公开的实施例进行改变、增加或者删除。
【主权项】
1. 一种用于在对过程进行控制的过程工厂中支持大数据的区域性大数据节点，所述区 域性大数据节点包括： 网络接口，其将所述区域性大数据节点通信地连接到所述过程工厂的多个区域中的一 个区域，所述多个区域中的所述一个区域包括多个本地大数据节点，随着所述过程实时地 受到控制，所述多个本地大数据节点中的每一个实时地发送根据所述过程工厂对所述过程 进行的所述控制来生成的数据； 大数据存储区域，其包括被配置为对区域性大数据进行存储的一个或多个有形的、非 临时性计算机可读存储介质； 大数据接收器，其被配置为：经由所述网络接口来接收由所述多个本地大数据节点发 送的并在所述区域性大数据节点处接收的所述数据，并且将所接收的数据存储在所述大数 据存储区域中；以及 大数据分析器，其被配置为： 对所述区域性大数据的至少一部分执行学习分析； 基于所述学习分析的结果，生成学到的知识；以及 基于所述学习分析的所述结果，使得对所述过程工厂的至少一部分的操作进行改变， 其包括：使得所述学到的知识被发送给与所述过程工厂的所述至少一部分相对应的接收方 大数据节点。2. 根据权利要求1所述的区域性大数据节点，其中，所述多个区域中的所述一个区域 是根据地理、物理、功能或者逻辑群组中的至少一种来形成的。3. 根据权利要求1所述的区域性大数据节点，其中： 所述多个区域中的所述一个区域的所述多个本地大数据节点包括以下各项中的至少 一项：所述过程工厂中所包括的过程控制设备、网关设备、接入点、路由设备、历史库设备或 者网络管理设备；以及 所述过程控制设备是以下各项中的一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备。4. 根据权利要求1所述的区域性大数据节点，其中，所述区域性大数据包括多种类型 的数据，并且数据类型的集合包括连续数据、事件数据、测量数据、批量数据、经计算的数 据、诊断数据、配置数据、与所述学到的知识相对应的数据、以及与其它学到的知识相对应 的数据。5. 根据权利要求1所述的区域性大数据节点，其中，所述学习分析包括以下各项中的 至少一项：偏最小二乘回归分析、随机森林、模式识别、预测分析、相关分析、主分量分析、数 据挖掘、数据发现或者包括启发式学习的其它机器学习技术。6. 根据权利要求1所述的区域性大数据节点，其中： 基于所述学习分析的所述结果，对所述过程工厂的所述至少一部分的所述操作进行所 述改变，包括：基于所述学到的知识，对在所述多个区域中的所述一个区域中执行的操作进 行修改，以及 所述大数据分析器还被配置为：使得对所述修改的指示结合所述学到的知识一起被发 送给所述接收方大数据节点。7. 根据权利要求1所述的区域性大数据节点，其中： 所述学到的知识是第一学到的知识，所述学习分析是第一学习分析，并且所述多个区 域中的所述一个区域是第一区域； 所述大数据接收器还被配置为：接收由所述多个区域中的第二区域的另一个大数据节 点生成的第二学到的知识；以及 所述大数据分析器还被配置为执行以下各项中的至少一项：（i)基于所接收的第二学 到的知识，使得对在所述第一区域中执行的操作进行修改，或者（ii)对所述区域性大数据 中的至少一些和所接收的第二学到的知识执行第二学习分析。8. 根据权利要求7所述的区域性大数据节点，其中，所述第二区域中的所述另一个大 数据节点是对所述第二区域进行服务的区域性大数据节点。9. 根据权利要求1所述的区域性大数据节点，其中，所述学到的知识包括以下各项中 的至少一项：对于所述区域性大数据节点来说先前未知的源自于所述过程的控制的另外数 据、应用、服务、例程、功能或者另一种学习分析。10. 根据权利要求1所述的区域性大数据节点，其中，所述大数据分析器还被配置为： 基于所述学到的知识，执行上下文搜索。11. 根据权利要求1所述的区域性大数据节点，其中，所述大数据分析器还被配置为： 基于所述学到的知识，向用户提供建议。12. 根据权利要求1所述的区域性大数据节点，其中： 所述网络接口将所述区域性大数据节点通信地连接到用户接口大数据节点，所述用户 接口大数据节点包括用户接口和一个或多个相应的分析例程； 所述大数据接收器还被配置为：使用所述网络接口，来接收基于在所述用户接口大数 据节点处执行的所述一个或多个相应的分析例程的结果而生成的数据，并且将从所述用户 接口大数据节点接收的所述数据存储在所述大数据存储区域中，其中所述一个或多个相应 的分析例程的所述结果是基于经由所述用户接口大数据节点的所述用户接口接收的用户 输入的；以及 所述大数据分析器还被配置为：对所述区域性大数据的另一部分执行所述学习分析或 者另一种学习分析，其中所述区域性大数据的所述另一部分包括从所述用户接口大数据节 点接收的所述数据。13. 根据权利要求1所述的区域性大数据节点，其中： 所述网络接口将所述区域性大数据节点通信地连接到集中式大数据节点； 所述集中式大数据节点包括一个或多个相应的分析例程； 所述区域性大数据节点的所述大数据接收器还被配置为：使用所述网络接口，来接收 基于在所述集中式大数据节点处执行的所述一个或多个分析例程的结果而生成的数据，并 且将从所述集中式大数据节点接收的所述数据存储在所述大数据存储区域中；以及 进行以下操作中的至少一项： 所述大数据分析器还被配置为：对所述区域性大数据的另一部分执行所述学习分析或 者另一种学习分析，其中所述区域性大数据的所述另一部分包括从所述集中式大数据节点 接收的所述数据，或者 所述区域性大数据节点被配置为：基于从所述集中式大数据节点接收的所述数据，对 操作进行修改。14. 根据权利要求1所述的区域性大数据节点，其中，在一个或多个集成电路芯片上， 包括所述大数据接收器或者所述大数据分析器中的至少一个的至少一部分。15. 根据权利要求1所述的区域性大数据节点，其中，所述大数据接收器或者所述大数 据分析器中的至少一个的至少一部分包括：存储在所述区域性大数据节点的存储器上并可 由所述区域性大数据节点的处理器执行的计算机可执行指令。16. -种利用区域性大数据来改进用于对过程进行控制的过程工厂的操作的方法，所 述方法包括： 在所述过程工厂的一个或多个区域性大数据节点处收集数据，其中： 所述一个或多个区域性大数据节点中的每一个对应于所述过程工厂的多个区域中所 包括的相应区域， 所收集的数据包括由所述相应区域的相应多个本地大数据节点发送的数据，以及 每一个本地大数据节点实时地发送相应的数据，其中所述相应的数据源自于所述每一 个本地大数据节点的所述相应区域的在线操作； 将所收集的数据作为区域性大数据存储在所述一个或多个区域性大数据节点处； 由所述一个或多个区域性大数据节点对所述区域性大数据的至少一部分执行一种或 多种学习分析； 基于所述一种或多种学习分析的结果，生成学到的知识；以及 基于所述一种或多种学习分析的所述结果，使得对所述过程工厂的至少一部分的操作 进行改变，其包括：将所述学到的知识发送给与所述过程工厂的所述至少一部分相对应的 接收方大数据节点。17. 根据权利要求16所述的方法，其中，在无需使用任何实时用户输入的情况下，自主 地执行所述方法。18. 根据权利要求16所述的方法，其中，所述一个或多个区域性大数据节点中的每一 个是根据地理、物理、功能或者逻辑群组中的一种来形成的。19. 根据权利要求1所述的方法，其中： 在所述一个或多个区域性大数据节点处收集所述数据，包括收集由以下各项中的至少 一项发送的数据：所述过程工厂的过程控制设备、网关设备、接入点、路由设备、历史库设 备、用户接口设备或者网络管理设备； 所述过程控制设备是以下各项中的一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备；以及 所收集的数据包括数据类型的集合中所包括的至少一种类型的数据，其中所述数据类 型的集合包括：连续数据、事件数据、测量数据、批量数据、经计算的数据、诊断数据、配置数 据、以及与其它学到的知识相对应的数据。20. 根据权利要求16所述的方法，其中，所述学到的知识是第一学到的知识，并且其 中，在所述一个或多个区域性大数据节点处收集所述数据包括：收集由所述一个或多个区 域性大数据节点或者所述过程工厂的另一个大数据节点生成的第二学到的知识。21. 根据权利要求16所述的方法，还包括以下各项中的至少一项： 选择所述一种或多种学习分析中的第一至少一种学习分析， 或者导出所述一种或多种学习分析中的第二至少一种学习分析。22. 根据权利要求16所述的方法，其中，生成所述学到的知识包括生成以下各项中的 至少一项：对于所述一个或多个区域性大数据节点来说先前未知的另外数据、新的或者经 修改的应用、新的或者经修改的功能、新的或者经修改的例程、新的或者经修改的学习分 析、或者新的或者经修改的服务。23. 根据权利要求16所述的方法，其中： 所述区域性大数据的所述至少一部分是所述区域性大数据的第一至少一部分；以及 所述方法还包括：对所述区域性大数据的第二至少一部分执行新的或者经修改的学习 分析。24. 根据权利要求16所述的方法，其中，执行所述一种或多种学习分析包括：执行机器 学习分析、预测分析、数据挖掘或数据发现中的至少一种。25. 根据权利要求16所述的方法，其中： 由所述一个或多个区域性大数据节点执行所述一种或多种学习分析包括：由一个以上 的区域性大数据节点执行所述一种或多种学习分析；以及 基于所述一种或多种学习分析的结果，生成所述学到的知识包括：基于所述一个以上 的区域性大数据节点执行的所述一种或多种学习分析的结果，生成所述学到的知识。26. -种用于在过程工厂中支持区域性大数据的系统，包括： 一个或多个区域性大数据节点； 多个本地大数据节点；以及 通信网络，其通信地连接所述一个或多个区域性大数据节点和所述多个本地大数据节 点，所述多个本地大数据节点被布置到多个区域中，所述多个区域中的每一个区域由所述 一个或多个区域性大数据节点中所包括的相应区域性大数据节点进行服务，其中，所述相 应区域性大数据节点被配置为： 收集由与所述相应区域性大数据节点所服务的相应区域相关联的本地大数据节点的 集合实时地生成的数据，其中所述数据是由于对所述过程工厂中的过程的实时控制而由所 述本地大数据节点的集合实时地生成的； 将所收集的数据作为相应的区域性大数据存储在所述相应区域性大数据节点中所包 括的大数据存储区域处；以及 使用所述相应区域性大数据节点中所包括的大数据分析器，来对所存储的相应区域性 大数据的至少一部分执行学习分析，以及 基于所执行的学习分析的结果，生成学到的知识；以及 进行以下操作中的至少一项：（i)在所述大数据存储区域处，将所述学到的知识存储 成另外的相应区域性大数据，或者（ii)向所述过程工厂中所包括的接收方大数据节点发 送所述学到的知识。27. 根据权利要求26所述的系统，其中，所述多个本地大数据节点根据地理、物理、功 能或者逻辑群组中的至少一种而被布置到所述多个区域中。28. 根据权利要求26所述的系统，其中，所述学到的知识包括以下各项中的至少一项： 源自于对所述过程的所述实时控制的另外数据、应用、功能、服务、例程或者另一种学习分 析。29. 根据权利要求26所述的系统，其中，所执行的学习分析的所述结果包括：基于所存 储的相应区域性大数据的所述至少一部分的属性的预测。30. 根据权利要求26所述的系统，还包括具有相应的学习分析的用户接口大数据节 点，并且其中： 所收集的数据是第一收集的数据，以及 所述相应区域性大数据节点还被配置为： 收集在所述用户接口大数据节点处通过执行所述相应的学习分析所生成的第二数 据； 将所述第二收集的数据存储在所述相应区域性大数据节点中所包括的所述大数据存 储区域处；以及 进行以下操作中的至少一项：对所存储的包括所述第二收集的数据的相应区域性数据 的集合执行所述学习分析或者另一种学习分析，或者使得所述第二收集的数据被发送给另 一个大数据节点。31. 根据权利要求26所述的系统，还包括集中式大数据节点或者另一种类型的大数据 节点中的至少一个，并且其中： 所收集的数据是第一收集的数据；以及 所述相应区域性大数据节点还被配置为： 收集在所述集中式大数据节点或者所述另一种类型的大数据节点中的所述至少一个 处通过执行学习分析所生成的第二数据； 将所述第二收集的数据存储在所述相应区域性大数据节点中所包括的所述大数据存 储区域处；以及 对所存储的包括所述第二收集的数据的相应区域性数据的集合执行所述学习分析或 者另一种学习分析。32. 根据权利要求26所述的系统，其中，由所述本地大数据节点的集合实时地生成的 所述数据包括由以下各项中的一项或多项实时地生成的数据： 现场设备； 控制器，其被配置为：接收一组输入，基于所述一组输入来确定输出的值，以及使得所 述输出被发送给所述现场设备以控制由所述过程工厂执行的所述过程，其中所述现场设备 被配置为：基于所述控制器的所述输出来执行物理功能以控制所述过程； 输入/输出（I/O)设备，其具有与所述控制器的接口以及与所述现场设备的接口； 网关设备； 接入点； 路由设备； 历史库设备；或者 网络管理设备。33. 根据权利要求26所述的系统，其中，将所述学到的知识发送给所述接收方大数据 节点，并且其中，所述接收方大数据节点使得进行以下操作中的至少一项：（i)基于所接收 的学到的知识，对所述接收方大数据节点进行修改；或者（ii)对去往所述接收方大数据节 点的大数据的提供方进行修改。
【专利摘要】在过程工厂或者过程控制系统的实时操作期间，区域性大数据节点对该工厂/系统的多个区域中的相应区域进行监督或者服务，其中这些区域中的至少一些均包括可操作用于对在该工厂/系统中执行的过程进行控制的一个或多个过程控制设备。该区域性大数据节点被配置为：将流式数据以及其相应区域所生成、接收或者观测的学到的知识作为大数据进行接收和存储，并对所存储的数据中的至少一些执行一种或多种学习分析。作为该学习分析的结果，该区域性大数据节点创建新的学到的知识，其中该区域性大数据节点可以利用该新的学到的知识来修改其相应区域中的操作，和/或该区域性大数据节点可以向该工厂/系统的其它大数据节点发送该新的学到的知识。
【IPC分类】G05B19/418
【公开号】CN105487499
【申请号】CN201510640227
【发明人】P·索恩约, M·J·尼克松, W·K·沃伊斯青斯, J·M·卢卡斯, E·D·罗特沃尔, T·L·布莱文斯, P·R·穆斯托尼, G·K·劳
【申请人】费希尔-罗斯蒙特系统公司
【公开日】2016年4月13日
【申请日】2015年9月30日
【公告号】DE102015117015A1, US20160098021
【专利说明】
[0001] 相关申请的交叉引用
[0002] 本申请与和本申请同时提交的、标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请 No. 62/060, 408 (代理人案卷号 No. 06005/593085P) 有关，故以引用方式将其全部内容并入本文。本申请还与和本申请同时提交的、标 题为"STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS" 的美国申 请No. 14/506, 863 (代理人案卷号No. 06005/593070)有关，故以引用方式将其全部 内容并入本文。另外，本申请还与和本申请同时提交的、标题为"AUTOMATIC SIGNAL PROCESSING-BASED LEARNING IN A PROCESS PLANT"的美国申请No. 14/507, 252(代理人案 卷号No. 06005/593086)有关，故以引用方式将其全部内容并入本文。
[0003] 此外，本公开内容还与下面的美国专利申请有关：
[0004] 2013 年 3 月 3 日提交的、标题为"BIG DATA IN PROCESS CONTROL SYSTEMS" 的美 国专利申请No. 13/784,041 ;
[0005] 2013 年 9 月 17 日提交的、标题为 "METHOD AND APPARATUS FOR CONTROLLING A PROCESS PLANT WITH LOCATION AWARE MOBILE CONTROL DEVICES" 的美国专利申请 No.14/028, 785 ；
[0006] 2014 年 2 月 6 日提交的、标题为 "COLLECTING AND DELIVERING DATA TO A BIG DATA MACHINE IN A PROCESS CONTROL SYSTEM" 的美国专利申请 No. 14/174,413 ;
[0007] 2014年3月 14 日提交的、标题为"DISTRIBUTED BIG DATA IN A PROCESS CONTROL SYSTEM"的美国专利申请No. 14/212, 493 ;
[0008] 2014 年 3 月 14 日提交的、标题为 "DETERMINING ASSOCIATIONS AND ALIGNMENTS OF PROCESS ELEMENTS AND MEASUREMENTS IN A PROCESS"的美国专利申请No. 14/212,411 ;
[0009] 故以引用方式将这些申请中的每一份申请的全部公开内容明确地并入本文。
技术领域
[0010] 概括地说，本公开内容涉及过程工厂和过程控制系统，更具体地说，涉及在过程工 厂和过程控制系统中使用区域性大数据。
【背景技术】
[0011] 分布式过程控制系统（如，化工，石油或者其它过程工厂中使用的那些过程控制 系统）通常包括一个或多个过程控制器，该一个或多个过程控制器经由模拟、数字或组合 的模拟/数字总线，或者经由无线通信链路或网络来通信耦合到一个或多个现场设备。现 场设备（其可以例如是阀门、阀门定位器、开关和发送器（例如，温度、压力、水位和流速传 感器））位于过程环境中，并通常执行物理或者过程控制功能，例如，打开或关闭阀门，测量 过程参数等等，以便对在该过程工厂或者系统中执行的一个或多个过程和/或受到过程工 厂或者系统的控制的一个或多个过程进行控制。所述一个或多个过程可以至少部分地是物 理过程，例如，制造、提炼、生产等等。智能现场设备（例如，遵循公知的Fieldbus协议的现 场设备）还可以执行控制计算、报警功能和通常在控制器中实现的其它控制功能。过程控 制器（其通常也位于工厂环境之中）接收用于指示现场设备所执行的过程测量值和/或关 于该现场设备的其它信息的信号，并执行控制器应用，其中该控制器应用运行例如不同的 控制模块，这些控制模块进行过程控制决策，基于所接收的信息来生成控制信号，并与在现 场设备（例如，HART K、WirelessHART'和 FOUNDATION^ Fieldbus 现场设备）中 执行的控制模块或者控制块进行协调。控制器中的控制模块通过通信线路或者链路向现场 设备发送这些控制信号，从而控制过程工厂或者系统的至少一部分的操作。
[0012] 来自于现场设备和控制器的信息通常通过数据高速通道而可用于一个或多 个其它硬件设备，例如，操作者工作站、个人计算机或者计算设备、数据历史库（data historian)、报告生成器、集中式数据库或者其它集中式监管计算设备，它们通常放置在控 制室中或者其它远离更苛刻的工厂环境的位置。这些硬件设备中的每一个硬件设备通常跨 越过程工厂或者过程工厂的一部分而集中化。这些硬件设备运行例如可以使操作者能够执 行关于以下操作的功能的应用：对过程进行控制和/或对过程工厂进行操作，例如，改变过 程控制例程的设置，修改控制器或者现场设备中的控制模块的操作，查看过程的当前状态， 查看现场设备和控制器所产生的报警、模拟该过程的操作以便训练人员或者测试过程控制 软件，保持并更新配置数据库等等。硬件设备、控制器和现场设备所使用的数据高速通道可 以包括有线通信路径、无线通信路径或者有线和无线通信路径的组合。
[0013] 举例而言，Emerson Process Management所出售的DeltaV?控制系统包括在位于 过程工厂中的不同位置的不同设备中存储并由这些设备执行的多个应用。位于一个或多个 工作站或计算设备之内的配置应用，使用户能够创建或者改变过程控制模块，并经由数据 高速通道向专用的分布式控制器下载这些过程控制模块。通常，这些控制模块由通信地互 连的功能块构成，其中这些功能块是面向对象的编程协议中的对象，这些对象基于向其提 供的输入来执行控制方案中的功能，并向控制方案中的其它功能块提供输出。配置应用还 可以允许配置设计者创建或者改变操作者界面，其中查看应用程序使用该操作者界面来向 操作者显示数据，并使操作者能够改变过程控制例程中的设置（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和执行相应的控制器应用（其中该 控制器应用运行向其分配和下载的控制模块），以实现实际的过程控制功能。可以在一个或 多个操作者工作站上（或者在与操作者工作站和数据高速通道进行通信连接的一个或多 个远程计算设备上）执行的查看应用，经由数据高速通道从控制器应用接收数据，并使用 用户界面向过程控制系统设计者、操作者或者用户显示该数据，并可以提供多种不同的视 图（例如，操作者视图、工程师视图、技术员视图等等）中的任何一种。数据历史库应用通常 存储在数据历史库设备中并由数据历史库设备执行，其中数据历史库设备收集并存储通过 数据高速通道所提供的数据中的一些或者全部数据，而配置数据库应用可以在与数据高速 通道相连的另外计算机中运行以对当前过程控制例程配置和与其相关联的数据进行存储。 替代地，该配置数据库可以与配置应用位于相同的工作站中。
[0014] 当前已知的过程控制工厂和过程控制系统的架构受到有限的控制器和设备存储 器、通信带宽、以及控制器和设备处理器能力的强烈影响。例如，在当前已知的过程控制系 统架构中，通常使控制器中的动态和静态非易失性存储器的使用最小化，或者至少进行仔 细地管理。结果，在系统配置（例如，先验）期间，用户通常必须选择对控制器中的哪些数 据进行归档或保存、保存的频率、以及是否使用压缩，并且利用这种有限的数据规则集来相 应地配置控制器。因此，在故障排除和过程分析中可能有用的数据通常不被归档，并且如果 其被收集的话，则由于数据压缩可能会丢失有用的信息。
[0015] 另外，为了使当前已知的过程控制系统中对控制器存储器的使用最小化，将所选 定的将要被归档或者保存的数据（如控制器的配置所指示的）报告给工作站或者计算设 备，以便存储在适当的数据历史库或者数据竖井（data silo)中。当前用于报告该数据的 技术在利用通信资源方面表现不佳，并导致了过度的控制器负载。另外，由于在历史库或竖 井处的通信和采样中的时间延迟，数据收集和时间加戳通常与实际过程是不同步的。
[0016] 类似地，在批量过程控制系统中，为了使控制器存储器的使用最小化，控制器配置 的批量配方和快照通常仍然存储在集中式监管计算设备或者位置中（例如，存储在数据竖 井或者历史库中），并仅仅在需要时才传送给控制器。这种策略导致了控制器中的显著突发 负载、以及工作站或者集中式监管计算设备和控制器之间的通信的显著突发负载。
[0017] 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，结合先前的硬 盘存储的高成本，在将数据结构化到独立的实体或者竖井以满足特定应用的目标时扮演重 要的作用。例如，在DeltaV?系统中，将过程模型的归档、连续的历史数据、以及批量数据和 事件数据保存在三种不同的应用数据库或者数据竖井中。每一种竖井具有用于存取在其中 所存储的数据的不同接口。
[0018] 用此方式对数据进行结构化，在对历史数据进行存取和使用方面产生了障碍。例 如，产品质量发生变化的根本原因可能与这些数据竖井中的一个以上竖井中的数据相关 联。但是，由于这些竖井的文件结构不同，因此不可能提供允许对该数据进行快速并容易地 存取以进行分析的工具。此外，必须执行审核或同步功能，以确保跨越不同的竖井的数据是 一致的。
[0019] 上面所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，可能在过 程工厂或过程控制系统的操作和优化（例如，在工厂操作、故障排除和/或预测建模）中不 合期望地出现。例如，这些限制强制必须执行繁琐的和冗长的作业流程，以便获得用于故障 排除和生成经更新的模型的数据。另外，由于数据压缩、不足够的带宽或者偏移的时间戳， 所获得的数据可能是不准确的。
[0020] "大数据"通常指代一个或多个数据集的汇集，这些数据集如此之大或者复杂，以 至于传统的数据库管理工具和/或数据处理应用（例如，关系数据库和桌面统计包）不能 在可容忍的时间量之内管理这些数据集。通常，使用大数据的应用是事务性的，并面向或聚 焦于终端用户。例如，web搜索引擎、社交媒体应用、营销应用和零售应用可以使用和操作 大数据。大数据可以得到分布式数据库支持，该分布式数据库允许现代多进程多核心服务 器的并行处理能力得到充分利用。
【发明内容】
[0021] -种用于在对过程进行控制的过程工厂或者过程控制系统中支持大数据的区域 性大数据节点的实施例，包括：网络接口，其将所述区域性大数据节点通信地连接到所述过 程工厂或者过程控制系统的多个区域中的一个区域。所述多个区域中的所述一个区域包括 多个本地大数据节点，随着所述过程实时的受到控制，所述多个本地大数据节点中的每一 个实时地发送根据所述过程工厂或者过程控制系统对所述过程进行的所述控制来生成的 数据。所述区域性大数据节点还包括大数据存储区域，所述大数据存储区域包括被配置为 对区域性大数据进行存储的一个或多个有形的、非临时性计算机可读存储介质。此外，所述 区域性大数据节点还包括大数据接收器，所述大数据接收器被配置为：经由所述网络接口 来接收由所述多个本地大数据节点发送的并在所述区域性大数据节点处接收的所述数据， 并且将所接收的数据存储在所述大数据存储区域中。另外，所述区域性大数据节点还包括 大数据分析器，所述大数据分析器被配置为：对所述区域性大数据的至少一部分执行学习 分析；基于所述学习分析的结果，生成学到的知识；基于所述学习分析的所述结果，使得对 所述过程工厂或者系统的至少一部分的操作进行改变，其包括：使得所述学到的知识被发 送给与所述过程工厂或者过程控制系统的所述至少一部分相对应的接收方大数据节点。
[0022] -种利用区域性大数据来改进用于对过程进行控制的过程工厂或者过程控制系 统的操作的方法的实施例，包括：在所述过程工厂或系统的一个或多个区域性大数据节点 处收集数据。所述一个或多个区域性大数据节点中的每一个对应于所述过程工厂或系统的 多个区域中所包括的相应区域。所收集的数据包括由所述相应区域的相应多个本地大数据 节点发送的数据，并且每一个本地大数据节点实时地发送相应的数据，其中所述相应的数 据源自于所述每一个本地大数据节点的所述相应区域的在线操作。该方法还包括：将所收 集的数据作为区域性大数据存储在所述一个或多个区域性大数据节点处。此外，该方法包 括：由所述一个或多个区域性大数据节点对所述区域性大数据的至少一部分执行一种或多 种学习分析；以及基于所述一种或多种学习分析的结果，生成学到的知识。另外，该方法包 括：基于所述一种或多种学习分析的所述结果，使得对所述过程工厂或者过程控制系统的 至少一部分的操作进行改变，其包括：将所述学到的知识发送给与所述过程工厂系统的所 述至少一部分相对应的接收方大数据节点。
[0023] -种用于在过程工厂或者过程控制系统中支持区域性大数据的系统的实施例，包 括：一个或多个区域性大数据节点；多个本地大数据节点；以及通信网络，所述通信网络通 信地连接所述一个或多个区域性大数据节点和所述多个本地大数据节点。所述多个本地大 数据节点被布置到多个区域中，所述多个区域中的每一个区域由所述一个或多个区域性大 数据节点中所包括的相应区域性大数据节点进行服务。所述相应区域性大数据节点被配置 为：收集由与所述相应区域性大数据节点所服务的相应区域相关联的本地大数据节点的集 合实时地生成的数据，其中，所述数据是由于对所述过程工厂或者过程控制系统中的过程 的实时控制而由所述本地大数据节点的集合实时地生成的。所述相应区域性大数据节点还 被配置为：将所收集的数据作为相应的区域性大数据存储在所述相应区域性大数据节点中 所包括的大数据存储区域处。此外，所述相应区域性大数据节点被配置为：使用所述相应区 域性大数据节点中所包括的大数据分析器，来对所存储的相应区域性大数据的至少一部分 执行学习分析，并基于所执行的学习分析的结果，生成学到的知识。另外，所述区域性大数 据节点被配置为进行以下操作中的至少一项：（i)在所述大数据存储区域处，将所述学到 的知识存储成另外的相应区域性大数据，或者（ii)向所述过程工厂或者过程控制系统中 所包括的接收方大数据节点发送所述学到的知识。
[0024] 过程控制工厂、系统或者环境中的知识发现和大数据技术，固有地与传统的大数 据技术不同。通常，传统的大数据应用是非常事务性的，面向终端用户的，并且不具有严格 的时间需求或者依赖性。例如，网络零售商收集关于浏览的产品、购买的产品和客户简档的 大数据，并使用这一收集的数据以便在个别客户浏览了该零售商的网站时为他们定制广告 和销售建议。如果特定的零售交易（例如，特定的数据点）是无意中从该零售商的大数据 分析中忽略的，则这种忽略的影响在大多数情况下可能是可忽略不计的，特别是当分析的 数据点的数量非常大时。在最坏情况下，可能没有针对于特定的客户细致地定制广告或者 销售建议，如同在所忽略的数据点包括在零售商的大数据分析中的时候所能达到的一样。
[0025] 但是，在过程工厂和过程控制环境中，特定的数据点的时间的维度以及存在或者 忽略是关键的。例如，如果没有在某个时间间隔之内，将特定的数据值传送给过程工厂的接 收方组件，则某个过程可能变得不受控制，这可能导致火灾、爆炸、设备的损失、和/或人类 生命的丧失。此外，在过程工厂之内和/或在过程工厂之外操作的不同组件、实体和/或过 程之间的多种和/或复杂的基于时间的关系，可能影响操作效率、产品质量和/或工厂安 全。本文描述的过程控制系统大数据技术所提供的知识发现可以允许对这种基于时间的关 系进行发现和利用，因此实现可以生产更高质量的产品的、更高效和安全的过程工厂。
[0026] 本文所描述的过程控制区域性大数据技术的重要特征是可扩展的。虽然已通过 描述能够将计算分布到数百个服务器的大容量计算平台来实现许多公开，但其没有聚焦于 更小的更现实的问题。考虑更小的、更接近于源的大数据系统具有多种原因，其包括：使用 的便利性（例如，更易安装、训练和维护）、成本（例如，计算成本、存储成本和带宽资源成 本）、以及专家的可用性。因此，工程师将容易理解具有附加的可配置模块的能力的更小系 统，并且现有员工也支持。相比而言，大型集群的计算机或者大规模的基于云的系统，需要 大量的对于所有各方（例如，其它计算系统、用户、设备等等）来说可能不是在所有的时间 都可获得的专业知识和计算资源。本文所描述的过程控制区域性大数据技术的另一个重要 特征在于：这些技术可以在无需中断现有的过程控制工厂或系统（例如，控制系统、资产管 理系统、机器健康系统等等）的情况下独立地实现，而这对于工厂、组织机构或者公司的运 行来说可能是关键的。例如，区域性大数据技术可以仅仅应用于过程工厂的关键部件，或者 只应用于过程工厂的附加的、新的部分。在另一个例子中，区域性大数据技术可以覆盖在过 程工厂的期望的部分上。
【附图说明】
[0027] 图1是用于对区域性大数据进行支持的过程工厂或者过程控制系统的示例性大 数据网络的框图；
[0028] 图2是可以包括在图1的过程控制大数据网络中的示例性大数据设备 (appliance)的框图；
[0029] 图3是示出一种示例性过程工厂或者过程控制系统的框图，其中该示例性过程工 厂或者过程控制系统包括对图1的过程控制大数据网络中的区域性大数据进行支持的示 例性大数据设备或节点；
[0030] 图4是是支持过程控制系统或者过程工厂中的区域性大数据的示例方法的流程 图。
【具体实施方式】
[0031] 图1是用于过程工厂或者过程控制系统10的示例性大数据网络100的简化框图， 其中该过程工厂或者过程控制系统10对一个或多个过程进行控制，并支持过程控制大数 据（具体而言，支持区域性过程控制大数据）。过程控制大数据网络100包括一个或多个过 程控制大数据节点102-110,这些过程控制大数据节点中的每一个对过程控制大数据进行 收集、观测、生成、存储、分析、存取、发送、接收和/或操作。如本文所互换使用的，术语"过 程控制大数据"、"过程大数据"和"大数据"通常指代由过程控制系统或者工厂10中所包括 的设备以及与过程控制系统或者工厂10相关联的设备生成、接收和/或观测的所有（或者 几乎所有）数据。在一个实施例中，由过程工厂10中所包括的所有设备以及与过程工厂10 相关联的所有设备生成、创建、接收或者以其它方式观测的所有数据，被收集并存储成过程 控制大数据网络100中的大数据。
[0032] 示例性过程控制大数据网络100包括一个或多个不同类型的过程控制大数据节 点或设备102-110,这些过程控制大数据节点或设备中的每一个对根据过程工厂或过程控 制系统10对于一个或多个过程控制进行的控制或者基于过程工厂或过程控制系统10对于 一个或多个过程控制进行的控制而生成的过程控制大数据，进行收集、观测、生成、存储、分 析、存取、发送、接收和/或操作。每一个过程控制大数据节点或者设备102-110连接到过 程控制系统大数据网络骨干（没有示出），并可以使用该骨干来与一个或多个其它过程控 制大数据节点进行通信。因此，过程控制大数据网络100包括过程控制系统大数据网络骨 干以及通信连接到其的过程控制大数据节点102-110。在一个例子中，过程控制大数据网 络100包括多个网络化的计算设备或者交换机，它们被配置为经由骨干，对去往/来自网络 100的各个其它设备、交换机或者节点的分组进行路由。
[0033] 过程控制大数据网络骨干包括任意数量的有线通信链路和任意数量的无线通信 链路，它们支持一个或多个适当的路由协议，例如，互联网协议（IP)套件中所包括的协议 (例如，UDP (用户数据报协议）、TCP (传输控制协议）、以太网等等）或者其它适当的路由协 议。在一个实施例中，骨干支持诸如流式控制传输协议（SCTP)之类的流式协议和/或用于 在过程控制大数据节点之间对数据进行流式传输（例如，传输）的其它适当流式协议。例 如，前述的标题为 "STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS" 的美 国申请No. 14/506, 863(代理人案卷号No. 06005/593070)描述了用于过程控制大数据的流 式协议和技术的例子，网络100中的过程控制大数据网络骨干可以使用这些协议和技术中 的任何一个或多个。通常，过程数据大数据网络100中所包括的每一个节点可以至少支持 该骨干所支持的路由协议的应 用层（对于一些节点来说，其它的层）。在一个实施例中，在 过程控制系统大数据网络100中，例如通过唯一的网络地址来唯一地标识每一个过程控制 大数据节点102-110。
[0034] 在一个实施例中，过程控制系统大数据网络100的至少一部分是ad-h〇C网络。因 此，节点102-110中的至少一些（和/或一个或多个其它节点，例如，用户接口设备130)可 以以ad-hoc方式连接到网络骨干（或者连接到网络100的另一个节点）。
[0035] 由于图1是用于描述过程控制大数据网络100中的各个大数据节点102-110之间 的通信连接的简化图，因此在图1中没有显式地示出该过程控制网络骨干。但是，在2013 年3月3日提交的、标题为"BIG DATA IN PROCESS CONTROL SYSTEMS"的美国专利申请 No. 13/784,041中，描述了可以结合本文所描述的这些技术中的任何一种或者全部技术来 使用的这种骨干的例子，故以引用方式将该申请的全部公开内容并入本文。当然，本文所描 述的技术中的任何技术或者全部技术，并不限于结合在美国专利申请No. 13/784,041中描 述的骨干来使用，而可以结合任何适当的通信网络骨干来使用。
[0036] 现转到不同类型的过程控制大数据节点或者设备102-110,通常，网络100的过程 控制大数据节点可以是"大数据提供方"和/或可以包括"大数据设备"，如下面所讨论的。
[0037] 如本文所互换使用的，术语"大数据提供方"、"大数据提供方节点"或者"提供方节 点"通常指代使用过程控制大数据网络100,来对与过程控制相关的大数据进行收集、生成、 观测和/或转发的过程控制大数据节点。由提供方节点生成、收集、观测和/或转发的过程 控制大数据，可以包括在对工厂10中的过程进行控制时直接使用的数据或者根据对工厂 10中的过程进行控制而生成的数据，例如，由诸如控制器、输入/输出（I/O)设备和现场设 备之类的过程控制设备生成或使用的一阶实时和配置数据。另外地或替代地，过程控制大 数据提供方节点可以对与传送和路由这种一阶过程控制数据和过程工厂10中的其它数据 (例如，与大数据网络100和/或工厂10中的其它通信网络的网络控制的有关的数据、指 示带宽、网络接入尝试的数据、诊断数据等等）有关的数据，进行生成、收集、观测和/或转 发。此外，一些过程控制大数据提供方节点可以生成、收集、观测和/或转发用于指示结果、 学习和/或信息（其中该信息是在过程控制大数据网络100中通过分析其收集的过程控制 大数据来学习到的）的数据。通常，这种分析结果、学习和/或学到的信息是根据由一个或 多个过程控制大数据节点执行的自动、自主的分析来生成的。
[0038] 在大多数情况下，大数据提供方节点包括用于实时地（例如，流式地）发送和接 收大数据，并在一些实施例中，用于对实时大数据进行缓存以准备通过过程控制大数据网 络100进行流式传输或者其它传送的多核硬件（例如，多核处理器）。在一些实施例中，大 数据提供方节点还可以包括用于对实时大数据进行缓存的高密度存储器。大数据提供方节 点可以发送、接收、流式传输、缓存、收集和/或以其它方式观测的实时数据的例子，可以包 括诸如测量数据、配置数据、批量数据、事件数据和/或连续数据之类的过程控制数据。例 如，可以对与配置、批量接收、设置点、输出、速率、控制动作、诊断、报警、事件和/或其之改 变相对应的实时数据进行收集。实时数据的其它例子可以包括过程模型、统计、状态数据、 以及网络和工厂管理数据。在一些实施例中，大数据提供方节点不对其观测到的实时大数 据中的至少一些进行缓存，而是随着该节点观测、接收或者产生该数据，将未缓存的数据流 式传输到一个或多个其它大数据节点。在前述的美国专利申请No. 13/784, 041中，在2014 年 2 月 6 日提交的、标题为"COLLECTING AND DELIVERING DATA TO A BIG DATA MACHINE IN A PROCESS CONTROL SYSTEM" 的美国专利申请 No. 14/174, 413,以及在 2014 年 3 月 14 日提交的、标题为"DISTRIBUTED BIG DATA IN A PROCESS CONTROL SYSTEM" 的美国专利 申请No. 14/212,493中，可以找到可以结合本文所描述的技术中的任何一种或者全部技 术来使用的大数据提供方节点的例子，故以引用方式将这些申请的全部公开内容并入本 文。当然，替代地或者另外地，也可以结合不同于美国申请No. 13/784, 041、14/174, 413和 14/212, 493中所描述的那些的大数据提供方节点，来使用本文所描述的技术中的任何一种 或者全部技术。
[0039] 另一方面，如本文所互换使用的，术语"大数据设备"、"大数据设备节点"或者"设 备节点"通常指代对过程控制大数据进行接收、存储、获取和分析的过程控制大数据节点。 因此，过程控制大数据设备（或者"BDA"）通常对由一个或多个过程控制大数据提供方节 点已生成或者提供的大数据进行操作。通常，BDA支持对于包括实时连续值、事件收集、 批量数据收集、操作者巡回数据和/或其它数据的多维数据，进行大规模数据挖掘和数据 分析。可以使用专门的历史对象通信协议（例如，在前述的标题为"STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS" 的美国申请 No. 14/506, 863(代理人案卷号 No. 06005/593070)中所描述的）或者另一种适当的通信协议，将在源处收集并时间加戳的 数据传送或者流式传输到BDA。BDA可以包括对结构化以及非结构化数据（例如，R脚本、 Python脚本、IVIatlab" _本、Statgraphics等等）进行操作，并执行学习算法（例如，偏最 小二乘回归分析、主分量分析等等）、分类技术（例如，随机森林、模式识别等等）和/或其 它数据分析，以便生成有用的信息（例如，预测产品能力、质量和/或其它期望的特性）的 各种工具。此外，一些BDA可以包括用于配置和开发模型的接口、用于执行模型的运行时 引擎、以及用于在用户界面上显示结果的仪表板。例如，可以以例如在前述的标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请 No. 62/060, 408(代理人 案卷号No. 06005/593085P)中所讨论的方式，使BDA配置有运行时的分析。显示的结果可 以包括标准的描述统计、直方图、相关图和/或能够标识各个数据集中的隐式关系的其它 数据表示方式。
[0040] 在一些情况下，大数据设备包括在大数据提供方节点中，或者与大数据提供方共 同位于同一个节点或者设备中。在这些情况下，大数据设备指代"嵌入式大数据设备"，这 是由于该设备嵌入在提供方节点或者设备中，并对同处一地的大数据提供方已接收、收集 或生成的大数据进行操作。在一个例子中，嵌入式大数据设备对于该嵌入式大数据设备所 位于的大数据提供方节点已本地生成和/或提供的大数据进行分析，以发现或者学习知 识。可以将这一学到的知识存储在嵌入式大数据设备中，由嵌入式大数据设备进行本地地 操作，和/或作为大数据提供或发送给其它大数据节点（例如，接收方大数据节点）。例如， 在前述的美国专利申请No. 14/212,493中可以找到可以结合本文所描述的技术中的任何 一种或者全部技术来使用的嵌入式大数据设备的描述，但也可以结合本文所描述的技术中 的任何一种或者全部技术来使用其它适当的嵌入式大数据设备。此外，应当注意的是，在大 数据提供方节点包括嵌入式大数据设备的实施例中，可以减少大数据提供方节点的缓存的 大小或者省略大数据提供方节点的缓存，这是由于嵌入式大数据设备提供了本地数据存储 能力。
[0041] 在一些情况下，大数据设备可以是过程控制大数据网络100中的单独的大数据节 点。也就是说，在这些情况下，大数据设备没有嵌入在大数据提供方节点中，或者没有与大 数据提供方节点同处一地。因此，包括大数据设备的过程控制大数据节点可能不需要自身 是大数据的提供方。
[0042] 图2提供了示例性大数据设备114的简化框图，在图1的过程控制大数据网络100 中可以包括其的实例。参见图2,示例性大数据设备114包括：用于对接收的大数据进行历 史化或存储的大数据存储区域120、一个或多个大数据设备接收器122、以及一个或多个大 数据设备请求服务器（servicer) 124。大数据设备接收器122中的每一个被配置为：经由 一个或多个网络接口（例如，与过程控制大数据网络的接口）来接收大数据分组（这些大 数据分组可以是从另一个节点流式传输的，和/或可以是由该设备114所位于的大数据提 供方节点生成的），对这些数据分组进行处理以获取其中所携带的实质性数据和时间戳，并 将该实质性数据和时间戳作为例如时间系列数据和可选的作为元数据，存储在设备114的 大数据存储区域120中。大数据存储区域120可以包括多个本地和/或远程物理数据驱动 器或存储实体，例如，RAID(独立磁盘冗余阵列）存储装置、固态存储装置、云存储装置、高 密度数据存储装置、和/或适合于数据组或数据中心存储、并且对于其它节点来说具有单 个或整体逻辑数据存储区域或实体的外观的任何其它适当的数据存储技术。此外，大数据 设备请求服务器124中的每一个被配置为：例如，根据请求实体或者应用的请求，存取大数 据设备存储区域120中所存储的时间系列数据和/或元数据。
[0043] 在一些实例中，大数据设备114包括一个或多个大数据分析器126,以对所存 储的大数据的至少一部分执行相应的数据分析和/或学习（其通常以自动和/或自主 方式，而不使用任何用户输入来发起）和/或执行该学习分析。例如，该数据分析和 /或学习可以以诸如先前所讨论的方式来执行，以诸如前述的标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请 No. 62/060, 408(代理人案卷号 No. 06005/593085P)中所讨论的方式来执行，或者以某种其它适当的方式来执行。在一个实 施例中，大数据分析器126个别地或统一地对所存储的数据执行大规模的数据分析（例如， 数据挖掘、数据发现等等），以发现、检测或者学习新信息或知识。例如，数据挖掘通常涉及： 检查大量的数据以提取新的或者先前未知的感兴趣数据或者模式（例如，异常记录或者多 组数据记录）的过程。大数据分析器126还可以对所存储的数据执行大规模的数据分析 (例如，机器学习分析、数据建模、模式识别、预测分析、相关分析等等），以预测、计算或者 识别所存储的数据中的隐式关系或者推论。在一个实施例中，多个大数据分析器126(和/ 或至少一个大数据分析器126的多个实例）进行并行地和/或协作地操作，以分析设备114 的大数据存储区域120中所存储的数据。此外，多个大数据分析器126可以在彼此之间，将 经计算的参数和模型信息作为一种类型的协作式数据分析和学习来进行共享、交换或者传 输。多个大数据分析器126可以同处于同一个大数据节点上，也可以位于不同的大数据节 点上。可以在前述的标题为"DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美国申请No. 62/060, 408 (代理人案卷号No. 06005/593085P)中，找到可以结合本文所描 述的技术中的任何一种或者全部技术来使用的协作式数据分析的例子，但也可以结合本公 开内容的任何或者所有方面来使用任何适当的协作式数据分析技术或者一些技术。
[0044] 在一个实施例中，在一个或多个集成电路、半导体、芯片或者其它适当的硬件上， 包括或者实现大数据接收器122、大数据设备请求服务器124和/或大数据分析器126中的 至少一部分。例如，执行频谱分析的大数据分析器126可以由大数据节点中所包括的集成 电路芯片来实现，例如，在前述的标题为"AUTOMATIC SIGNAL PROCESSING-BASED LEARNING IN A PROCESS PLANT" 的美国申请 14/507, 252(代理人案卷号 No. 06005/593086)中所描 述的。在一个实施例中，大数据接收器122、大数据设备请求服务器124和/或大数据分析 器126中的至少一部分，包括在存储器上存储并可由在大数据设备114上运行的过程执行 的计算机可执行指令。例如，大数据设备接收器122、大数据设备请求服务器124和/或大 数据设备分析器126中的至少一些部分，包括在一个或多个非临时性、有形存储器或者数 据存储设备上存储的并可由一个或多个处理器执行以实现一个或多个它们各自的大数据 功能的相应计算机可执行指令。
[0045] 在一些实施例中，大数据分析器126并不包括在大数据设备114中，而是与大数据 设备114同处于同一个大数据节点上，并与大数据设备114进行通信连接。例如，包括存储 区域120、接收器122和服务器124的大数据设备114可以通过第一组的计算机可执行指令 来实现，大数据分析器126可以通过半导体芯片或者第二组的计算机可执行指令（其中，第 二组的计算机可执行指令可以与第一组的计算机可执行指令存储在相同的非临时性、有形 存储器或数据存储设备中，也可以不存储在相同的非临时性、有形存储器或数据存储设备 中）来实现。在一些实施例中，大数据分析器126不包括在大数据设备114中，并且与大数 据设备114不是同处于相同的大数据节点上，而是与大数据设备114进行通信连接。在前 述的美国专利申请No. 13/784, 041、14/174, 413和14/212,493中，可以找到可以结合本文 所描述的技术中的任何一种或者全部技术来使用的各种类型的示例性大数据设备以及它 们的组件的描述，但应当理解的是，本文所描述的这些技术中的任何一种或者全部技术可 以结合其它适当的大数据设备来使用。
[0046] 再次回到图1，过程控制大数据网络100可以包括过程控制大数据提供方节点 102-110,这些过程控制大数据提供方节点针对由过程控制设备（例如，控制器、I/O设备、 现场设备等等）直接生成、路由和/或使用的与一阶或者主要过程有关的数据，按照各种层 级、层次或者顺序进行操作。在最低顺序、层次或者层级处，最接近该过程进行操作的"本 地"大数据提供方节点或设备l〇2a-102n对与过程工厂10中的过程设备和装备的输入、操 作和输出有关的主要过程大数据进行收集、生成、观测和/或转发。因此，"本地大数据提供 方节点或设备" l〇2a-102n通常是生成、路由和/或接收主要过程控制数据，以使一个或多 个过程能够在过程工厂10中实时地受到控制的节点和/或设备。本地大数据提供方节点 102a-102n的例子包括如下的设备：这些设备的主要功能是针对于生成过程控制数据和/ 或对过程控制数据进行操作以便对过程进行控制，例如，有线和无线现场设备、控制器和1/ 0设备。这些过程控制设备可以彼此之间进行通信地连接，和/或以分布式方式通信地连接 到一个或多个过程控制通信网络。例如，一个或多个现场设备通信地连接到一个或多个1/ 〇设备，一个或多个I/O设备转而通信地连接到一个或多个控制器，一个或多个控制器转而 通信地耦合到一个或多个过程控制通信网络（例如，HART'"、WirelessHARlT、过程控 制大数据、FOUNDATION、Fieldbus 等等）。
[0047] 本地大数据提供方节点102a-102n的其它例子包括如下的设备：这些设备的主要 功能是用于通过过程控制系统10的一个或多个通信网络（其可以包括过程控制大数据网 络100和/或其它通信网络），来提供主要过程数据的存取或者路由。这种类型的本地大数 据提供方节点l〇2a-102n的例子包括：接入点、路由器、通去有线控制总线的接口、通向无 线通信网络的网关、通向外部网络或者系统的网关、以及其它这种路由和网络设备。本地大 数据提供方节点l〇2a-102n的其它例子包括：被配置为临时地遍布该过程控制系统10来存 储大数据的设备（例如，历史库设备），例如，作为溢出缓存、中转站（way-station)或路由 队列。
[0048] 在一些情况下，本地大数据提供方节点包括相应的本地大数据设备，如通过分别 包括嵌入式大数据设备112a、112η的节点102a、102η在图1中所示出的。每一个本地的、 嵌入式大数据设备112a、112η接收和存储其相应的提供方102a、102η所提供的相应的本 地大数据。此外，在一些本地大数据提供方节点中（例如，在节点l〇2a中），可以对该设备 112a中所存储的本地大数据中的至少一些执行一个或多个分析功能、例程、操作或者过程 (通过包围的4来表示）。在一个实施例中，图2的大数据分析器126中的一个或多个执 行分析4。还可以将学到的信息、学习过程和/或一个或多个分析&的结果存储在本地大 数据设备112a中，并且可以将所学到的信息或者结果中的至少一些提供给另一个大数据 节点106a。例如，包括在控制器中或者耦合到控制器的本地大数据提供方节点，对控制器的 输出信号执行频率分析或者其它信号处理分析（例如，在前述的标题为"AUTOMATIC SIGNAL PROCESSING-BASED LEARNING IN A PROCESS PLANT"的美国申请No. 14/507, 252(代理人案 卷号No. 06005/593086)中所描述的），并且本地大数据提供方节点向另一个大数据节点发 送该分析的结果。
[0049] 一些本地提供方节点（例如，如通过节点102η所示出的）包括相应的用于本地大 数据收集和历史化的本地嵌入式大数据设备112η，但是，驻留设备112η执行最小分析或者 不执行分析。因此，节点1〇2η仅仅将本地存储的大数据流式传输（或者以其它方式发送， 例如，在请求时或者在适当的时间）到另一个节点106b，例如以用于分析处理或者用于进 一步的转发。一些本地大数据节点（例如，节点l〇2b)根本不包括任何大数据设备。这些 节点102b可以实时地或者在缓存的帮助下，将本地观测的大数据流式传输到一个或多个 其它大数据节点102a、106b。
[0050] 大数据提供方节点或设备102-102n可以将各种类型的实时数据（例如，与过程有 关的数据、与工厂有关的数据和其它类型的数据）缓存、收集、存储、发送和/或流式传输成 大数据。与过程有关的数据的例子包括：在过程工厂10中对过程进行控制时生成的连续 的、批量的测量值和事件数据（在一些情况下，其指示对于该过程的实时执行的影响）。此 外，与过程有关的数据还可以包括过程规定、布置或者设置数据，例如，配置数据和/或批 量接收数据、与过程诊断的配置、执行和结果相对应的数据等等。
[0051] 大数据提供方节点102a-102n还可以将与过程工厂10有关的数据（其中，该数据 可能不是由直接配置、控制或者诊断过程工厂10中的过程的应用所产生的）缓存、收集、存 储、发送和/或流式传输成大数据。与工厂有关的数据的例子包括振动数据、蒸汽疏水阀 数据、用于指示与工厂安全相对应的参数值的数据（例如，腐蚀数据、气体检测数据等等）、 用于指示与工厂安全相对应的事件的数据、与机器的健康相对应的数据、与工厂中的资产 (例如，工厂装备和/或设备）相对应的数据、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、以及能用于诊断和预报的数据。
[0052] 此外，大数据提供方节点102a_102n还可以将其它类型的数据缓存、收集、存储、 发送和/或流式传输成大数据，其中这些其它类型的数据包括：与过程控制大数据网络骨 干有关以及过程工厂10的各种通信网络的数据高速通道业务和网络管理数据、与用户有 关的数据，例如，与用户业务、登录尝试、查询和指令有关的数据、文本数据（例如，日志、操 作过程、手册等等）、空间数据（例如，基于位置的数据）和多媒体数据（例如，闭路TV、视 频剪辑等等）。
[0053] 在一些实施例中，大数据提供方节点102a_102n可以将动态测量值和控制数据自 动地缓存、收集、存储、发送和/或流式传输成大数据。动态测量值和控制数据的例子包括： 用于说明过程操作的改变的数据、用于说明操作参数（例如，设置点、过程的记录和硬件报 警和诸如下载或通信失败等等之类的事件）的改变的数据。此外，当检测到改变时，或者在 初始地将控制器或其它实体增加到大数据网络100时，可以缺省地自动收集诸如控制器配 置、批量配方、报警和事件之类的静态数据。
[0054] 此外，在一些场景下，当检测到用于描述或者标识动态控制和测量数据的至少一 些静态元数据发生改变时，在大数据提供方节点l〇2a-1 02n中捕获该元数据。例如，如果在 影响模块或者单元中的测量值和控制数据的控制器配置中发生了改变（控制器必须发送 该改变），则大数据提供方节点l〇2a-102n自动地捕获相关联的元数据的更新。另外地或替 代地，与用于对来自外部系统或源的数据（例如，天气预报、公共事件、公司决定等等）进行 缓存的特殊模块相关联的参数、监测数据和/或其它类型的监控数据，可以由大数据提供 方节点102a-102n自动地捕获。
[0055] 在一些情形下，在大数据提供方节点102a_102n中自动地捕获终端用户所创建的 增加的参数。例如，终端用户可能在某个模块中创建特殊的计算，或者可能向某个单元增加 需要进行收集的参数，或者终端用户可能想要收集标准控制器诊断参数（其中该参数在缺 省情况下没有进行传输）。可以用与缺省参数相同的方式，来传输终端用户进行可选地配置 的参数。
[0056] 再次参见图1，在高于本地大数据节点102a_102n之上的一个或多个层级或者层 次，过程控制大数据网络100可以包括一个或多个区域性大数据节点106a-106m。为了实现 区域性大数据，可以将过程工厂或者过程控制系统10视作为具有多个不同的区域或者地 ±或，它们可以根据任何期望的方式和/或群组（例如，地理、物理、功能、逻辑群组等等）进 行划定。举一个示例性但非限制性例子，过程工厂可以具有：用于接收原材料并产生第一中 间产品的第一区域、用于接收其它原材料并产生第二中间产品的第二区域、以及用于接收 第一和第二中间产品以产生输出产品的第三区域。这三个不同的示例区域中的每一个可以 由相应的"区域性"大数据节点106a、106b、106m进行服务，以便对其相应区域所产生的大 数据进行操作。因此，"区域性大数据节点"为本地大数据提供方节点102的相应群组或者 区域（以及在一些情况下，其它大数据提供方节点104)所生成和/或提供的数据，提供大 数据支持和服务。例如，其它大数据提供方节点104可以包括：位于该工厂10之外的大数 据节点（例如，便携式诊断设备或者离线仿真器）、用户接口设备130、或者位于该过程工厂 10之外的数据源（例如，材料供应者的计算设备、提供天气预报的馈入等等）。
[0057] 如图1中所示，由区域性大数据节点106a_106m所服务的相应群组或者区域可以 包括一个或多个大数据提供方节点l〇2a-102n和/或根据某种地理、物理、功能、逻辑或其 它期望方式进行相关的其它大数据节点104。例如，区域性大数据节点106a对包括本地大 数据提供方节点l〇2a和102b的区域进行服务，区域性大数据节点106b对包括本地大数据 节点102b和102η以及另一个大数据节点104的区域进行服务。特定的区域中所包括的特 定节点102、104可以将数据流式传输或者传送到它们相应的区域性大数据节点106,以便 进行区域性大数据存储、存取和/或分析。此外，大数据提供方节点102a-102n和/或其它 大数据节点104中的任何一个可以与特定的区域性大数据节点106a-106m进行通信，以便 区域性地请求可用的服务和/或存取区域性大数据和其中所存储的元数据，无论这些请求 节点是否包括在该特定的区域性大数据节点l〇6a-106m的特定区域中。
[0058] 因此，每一个区域性大数据节点106a_106m包括相应的区域性大数据设备 116a-116m，其中大数据经由这些设备来接收，存储成区域性大数据，以及进行存取或请求。 此外，每一个区域性大数据节点106a-106m通常包括：一个或多个分析功能、例程、操作或 过程（例如，A2 - Aw)，它们可以对该区域性大数据中的至少一些进行个别地和/或协作地操 作。例如，区域性大数据设备116b可以从本地提供方节点102b、102n接收本地大数据，其 中本地提供方节点l〇2b、102η被配置为协作式地控制液体流经该过程工厂10的某个部分 或者区域，节点106b可以对所接收的数据的至少一些执行分析过程Α 4，以确定液体在该过 程工厂的该部分或者区域中的平均传输延迟。随后，可以将分析~的结果存储或者历史化 成区域性大数据设备116b中的其它区域性大数据。在一个实施例中，分析A 2 - Aw*的每一 个分析由位于相应大数据节点上的、图2中的一个或多个大数据分析器126来执行。
[0059] 在一些情形下，区域性大数据节点或者设备106a_106m与另一个区域性大数据节 点106a-106m(例如，作为对等方）传输所接收的或者生成的大数据、学到的知识或者信息 和/或分析结果。为了继续利用上面的例子进行说明，区域性大数据节点l〇6a接收已由区 域性大数据节点l〇6b所执行的分析解析~生成的学习信息。随后，区域性大数据节点106a 对从节点106b对等提供的学到的信息的至少一部分，并结合从其自己的区域中的本地大 数据节点l〇2a、102b接收的本地大数据，执行一个或多个相应的区域性分析4、A 3。转而， 分析4、^可以生成另外的区域性大数据，以便在区域性大数据设备116a处进行历史化和 /或提供给其它大数据节点l〇6b、106c、108。因此，当区域性大数据节点106a-106m可能在 一些场景下生成区域性大数据（例如，基于借此执行的任何驻留分析的结果或者学习）时， 区域性大数据节点l〇6a-106m还可以操作成区域性大数据提供方节点。
[0060] 可以根据任何期望的方式（例如，地理、物理、功能、逻辑等等），来执行将大数据 提供方节点l〇2a-102n分组在各个区域性大数据节点下。例如，在一种示例性而非限制性 的场景中，过程工厂10中的某个过程可能基于两个中间产品而生产出特定的产品。因此， 本地大数据提供方节点l〇2a可以表示生产第一中间产品的第一控制环，本地大数据提供 方节点102b可以表示生产第二中间产品的第二控制环。因此，可以将两个控制环102a、 102b所生成、收集、接收或者观测的所有过程控制数据都发送给区域性大数据节点106a， 以进行历史化、存储和分析。
[0061] 用类似的方式，区域性大数据节点106b可以从大数据提供方节点的其相应组中 接收数据，并进行分析。例如，区域性大数据节点l〇6b可以负责分析与另一个产品的生产 相对应的大数据，其中另一个产品的生产是基于来自大数据提供方节点102b、102n中的每 一个节点的中间产品，并结合其它源104所提供的大数据。
[0062] 在区域性大数据节点106a处，可以对所接收的大数据进行分析（例如，通过使用 一个或多个分析功能或者过程A 2、A3)以随时间和/或关于各个数据集中的至少一些，创建 或者生成用于描述有意义的关系、模式、相关性、趋势等等的学到知识。例如，两个控制环 102a、102b中的事件的某种组合可能导致在最终生产该特定的产品时，获得较差的产品质 量。为了确定这种较差产品质量的根本原因，区域性大数据节点l〇6a分析在这些事件组合 发生时或者其发生之后不久由这些事件组合所生成的数据（例如，当在区域性大数据节点 l〇6a处接收到与这些事件的发生相对应的数据时）。区域性大数据节点106a可以生成学 到的知识（其基于这些事件的发生，预测较差的产品质量），和/或可以实时地自动调整或 者改变一个或多个参数，以缓解这些事件组合的影响（如果并且当它们在未来发生时）。例 如，区域性大数据节点106a可以确定修订后的设定值或者修订后的参数值，以更佳地调节 和管理这两个控制环102a、102b。
[0063] 通常，每一个区域性大数据节点106a_106m(或者其相应的大数据设备 116a-116m)对来自其相应组或者大数据提供方节点的区域的数据进行分析，以确定有意义 的模式、相关性、趋势等等。随后，将所学到的模式、相关性、趋势等等作为学到的知识，存 储在各自的区域性大数据节点106a-106m中。如本文所使用的，术语"学到的知识"或者 "学习"通常指代：根据对大数据执行的一个或多个分析的结果而生成的数据、服务、功能、 例程和/或应用。此外，每一个区域性大数据节点106a-106m(或者其相应的大数据设备 116a-116m)可以基于初始学到的知识，来确定或者规定新服务、功能、例程或者应用（和/ 或修改现有的服务、功能、例程或应用），转而将其存储成进一步学到的知识。
[0064] 区域性大数据节点106a_106m可以用于分层或者分级学习。例如，一个或多个区 域性大数据节点可以向上游大数据节点发送它们学到的知识和/或存储的数据，其中该上 游大数据节点对多个区域进行监督或者服务。如图1中所示，区域性大数据节点106c从区 域性大数据节点l〇6a和106b接收学到的知识和/或数据，并且节点106c将所接收的数据 在其相应的嵌入式设备116c中进行历史化。区域性大数据节点106c可以对所接收的学到 的知识和/或数据中的至少一些执行进一步地分析或学习（例如，通过使用分析功能A s -八"中的一个或多个）来生成另外学到的知识（例如，数据模式、趋势、相关性等等、服务、功 能、例程和/或应用），转而可以将其作为另外的区域性大数据存储在嵌入式设备116c中， 和/或提供给其它大数据节点l〇6a、106b、108。
[0065] 在一个实施例中，在自下而上的基础上，执行分层或者分级学习。举一个示例性 而非限制性的例子，区域性大数据节点l〇6a分析从其相应的本地大数据提供方节点102a、 l〇2b组接收的数据，以判断其"区域"是否在正确地操作。区域性大数据节点106a根据其 分析所学到的知识，可以导致区域性大数据节点l〇6a生成新的诊断例程（例如，学到的例 程）。区域性大数据节点l〇6a可以向上游大数据节点106c发送所生成的诊断例程，以进行 存储、使用和/或存取。区域性大数据节点l〇6a可以独立地发起新诊断例程与上游区域性 大数据节点l〇6c的共享（例如，随着生成自动地共享，或者在定期的基础上共享），或者当 上游区域性大数据节点l〇6c请求区域性大数据节点106a共享一种或多种类型的新学到的 知识时，区域性大数据节点l〇6a可以使得对新的诊断例程进行发送。
[0066] 在一个实施例中，在自上而下的基础上，执行分层或者分级学习。为了继续利用上 面的例子进行说明，上游区域性大数据节点l〇6c可以分析所接收的诊断例程，并确定该诊 断例程是有用的或者适用于其它区域性大数据节点（例如，区域性大数据节点l〇6b)。因 此，上游区域性大数据节点l〇6c可以将该诊断例程分发给区域性大数据节点106b，使得区 域性大数据节点106b和/或位于其区域中的本地提供方节点102a、102η、104中的任何一 个本地提供方节点能够利用该诊断例程来实现其各自的诊断目的。上游区域性大数据节点 106c可以独立地发起新诊断例程与区域性大数据节点106b的共享，或者在区域性大数据 节点106b进行请求时，上游区域性大数据节点106c可以使该新诊断例程进行发送。替代 地或另外地，上游区域性大数据节点l〇6c可以通过对从所有区域性大数据节点（106c正在 监督、服务和/或连接到的所有区域性大数据节点）接收的学到知识进行聚合和分析，来生 成通用的诊断例程。在该场景下，上游区域性大数据节点106c将该通用诊断例程分发给其 区域性大数据节点中的任何一个或者全部，例如，随着生成自动地分发，或者在定期的基础 上分发，在特定的区域性大数据节点进行请求时，当上游区域性大数据节点106c从区域性 大数据节点接收到用于指示该通用诊断可以使用的数据时，或者由于某种其它原因。随后， 以类似的方式，区域性大数据节点l〇6c的下游每一个区域性大数据节点，可以将该通用诊 断例程分发给其相应区域中的任意数量的本地大数据提供方。
[0067] 在一些实施例中，区域性大数据节点（例如，节点106a和106b)可以彼此之间共 享学到的知识（例如，以对等的方式）。例如，区域性大数据节点l〇6a直接向区域性大数 据节点106b发送新的或者学到的分析例程（analytics routine)，使得区域性大数据节点 106b可以利用该新的分析例程以用于其自己的目的。
[0068] 应当注意的是，在图1中，仅仅描述了一个上游区域性大数据节点106c。但是，针 对图1所讨论的技术和概念可以应用于任意数量的上游区域性大数据节点，这些上游区域 性大数据节点支持多层或者多级的大数据历史化、存储和学习。
[0069] 此外，由于区域性大数据设备和集中式大数据设备对各自不同的大数据节点和/ 或过程工厂10的各自不同组或区域进行服务，而不是对整个过程工厂10或者其一个以上 的区域进行服务，因此本文通常地并分类地将区域性大数据设备和集中式大数据设备指代 为"分布式大数据设备"。通常，分布式大数据设备与多个其它大数据设备传输大数据。例 如，特定的大数据提供方节点中所包括的本地大数据设备可以向其它大数据提供方节点中 所包括的其它局部的大数据设备、向一个或多个区域性大数据设备和/或向集中式大数据 设备（下面将对其进行更详细地描述）传输所学到的知识和/或大数据。类似地，区域性 大数据设备可以从一个或多个局部的大数据设备和/或大数据提供方节点接收大数据。区 域性大数据设备可以向其它区域性大数据设备和/或集中式大数据设备传输所学到的知 识和/或大数据。
[0070] 如上面所提及的，在过程控制大数据网络100的一些配置中，区域性大数据节点 或者设备l〇6a-106m、本地大数据节点或者设备102a-102n和/或其它大数据节点或者设备 104中的至少一些，向集中式大数据节点108传输各自的大数据、分析结果和/或学到的信 息。如本文所指代的，"集中式大数据节点"通常对过程工厂10的多个区域进行服务，在一 些情形下，对过程工厂10的大部分或者全部进行服务。因此，集中式大数据节点108包括 一个或多个集中的、嵌入式大数据设备118,以接收、存储过程工厂大数据以及提供针对于 过程工厂大数据的存取。例如，集中式大数据设备118可以提供过程工厂10所生成的大部 分或者所有大数据的全面的、长期的历史化，和/或集中式大数据设备118可以公布大数据 以便过程工厂范围内可用于其它大数据节点，或者甚至可用于该过程工厂之内或者之外的 计算设备（它们不是过程控制大数据节点）。
[0071] 在一些配置中，单一的集中式大数据节点108或者设备118可能无法服务整个过 程控制系统或者工厂10,而是服务该过程控制系统或者工厂10的一个以上的区域。例如， 可以在单一工厂或系统10中使用不同的集中式大数据节点108或者设备118,以便为了安 全和存取目的，划分不同类型或区域的大数据。在一些配置中，单一的集中式大数据节点 108或者设备118服务整个过程工厂10。
[0072] 在过程工厂10中，区域性大数据节点106a_106m中的一个或多个可以使得将其生 成或者接收的学到的知识和/或数据中的一些或全部被流式传输或者以其它方式传送到 集中式大数据节点108。例如，区域性大数据节点106a-106m中的一个或多个向集中式大数 据节点108发送其各自存储的学到的知识和/或数据中的至少一些。在一些实施例中，区 域性大数据节点l〇6a-106m中的一个或多个按照定期的时间间隔，将其各自存储的学到的 知识和/或数据中的至少一些推送给集中式大数据节点108。在一些实施例中，区域性大数 据节点l〇6a-106m中的一个或多个响应来自集中式大数据节点108的请求，来提供其各自 存储的学到的知识和/或数据中的至少一部分。
[0073] 集中式大数据节点108和/或其嵌入的设备118可以被配置为：进一步分析从区 域性大数据节点l〇6a-106m接收的所学到知识和/或数据中的任何或所有内容（例如，通 过使用一个或多个分析功能A x - Ay)。在一个实施例中，分析Ax - Ay*的每一个分析由位于 相应大数据节点上的、图2中的一个或多个大数据分析器126执行。所述一个或多个分析功 能A x - Ay可以对所接收的学到知识和/或数据进行操作以生成另外的知识，并确定在各个 实体以及过程工厂10内部和外部的提供方之间的关系。例如，可以在嵌入的设备118处， 对该另外的知识和所确定的关系进行存储，并以其它方式使用成另外的集中的大数据。在 一些情况下，集中式大数据节点108或者设备118使用所生成的知识和关系，来相应地控制 工厂10的一个或多个过程。
[0074] 事实上，大数据网络100的任何节点102-106可以将大数据流式传输或者以其它 方式提供给集中式大数据设备118,例如，用于历史化或者长期存储。例如，本地大数据提供 方节点102可以将其大数据直接流式传输给集中式大数据节点108。类似地，大数据网络 的任何节点102-106可以请求由嵌入的集中式设备118提供的服务，和/或请求存取其中 所存储的数据和元数据。此外，在多个集中式大数据节点108或设备118服务单一过程工 厂10的实施例中，多个集中式大数据节点108或设备118可以以对等方式进行通信，类似 于针对区域性大数据节点106a-106m所描述的。
[0075] 此外，还类似于区域性大数据节点106a_106m，在一些情形下，集中式大数据节点 108可以自身是大数据的产生方或提供方，例如，当集中式大数据节点108所执行的分析 (例如，一个或多个分析功能A x - Ay)导致在集中式大数据设备118处存储的另外的发现的 或学到的信息，并使其它大数据节点102-106可访问该信息。但是，通常，集中式大数据设 备118所处理和服务的大数据的大部分的容量，是从其它大数据节点102-106接收的。可 以结合本文所描述的技术中的任何一种或者全部技术使用的示例性集中式大数据节点108 和示例性集中式大数据设备118的描述，可以在前述的美国专利申请No. 13/784,041中找 到。但是，替代地或另外地，也可以结合与美国专利申请No. 13/784,041中所描述的不同的 集中式大数据设备，来使用本文所描述的技术中的任何一种或全部技术。
[0076] 在一些配置中，集中式大数据节点108向远程大数据节点（例如，相对于过程工厂 10来说远距离的大数据节点）传输数据和学到的信息，以进行大数据历史化、存储、存取和 /或分析。本文称为"云大数据节点110"的这种大数据节点，可以向多个不同的过程工厂 或者过程控制系统10提供服务。例如，运营多个不同的炼油厂的公司可以提供云大数据节 点110和云大数据设备121，以服务与其所有炼油厂有关的大数据。例如，经由云大数据节 点110和驻留的云大数据设备121，特定的炼油厂的集中式大数据节点可以获得过程工厂 10的公布的大数据，并可以在该特定的炼油厂处，利用所获得的公布的大数据来进行工厂 操作。在一些实施例中，大数据节点102-106中的任何一个可以直接将数据流式传输或者 提供给云大数据节点110。类似地，大数据节点102-106中的任何一个可以请求云大数据 节点110的嵌入式设备121所提供的服务，和/或存取其中所存储的数据和元数据。虽然 图1中没有示出，但云大数据节点110中可以包括一个或多个相应的分析例程、功能或者处 理，例如，如可以由图2的大数据分析器126提供的。
[0077] 此外，应当注意的是，并不是在所有过程工厂中都包括所有类型的大数据节点。例 如，在特定的过程工厂处的最高层级的大数据处理，可以是位于区域级，这是由于这种特 定的过程工厂可能不包括任何集中式大数据节点108,并且可能没有连接到云大数据节点 110。但是，通常，为了有助于或者支持区域性大数据，过程工厂10包括至少一个本地大数 据提供方节点102和至少一个区域性大数据节点106。
[0078] 在一个实施例中，相对于本地大数据提供方节点102,区域性大数据节点106中的 至少一些可以进行叠加。例如，各个本地大数据提供方节点102可以包括现有控制系统的 设备或节点，例如，过程控制设备（例如，现场设备、控制器、I/O设备）、网关设备、接入点、 路由设备或路由器、历史库设备、网络管理设备等等。为了实现区域性大数据，可以向现有 的控制系统增加一个或多个区域性大数据节点106,或者将一个或多个区域性大数据节点 106叠加在现有的控制系统之上，以使得可以执行分析，并以独立于现有控制系统的操作的 方式，在大数据网络的区域性大数据节点之间传输大数据。
[0079] 另外，在一些实施例中，过程工厂10包括一个或多个传统的过程控制设备（没有 示出），它们并不固有地包括任何大数据支持。在这些实施例中，直接耦合到传统设备的工 厂10中的网关节点或者辅助设备，可以在传统设备所使用的协议和过程控制大数据网络 骨干所使用的协议之间转换或者翻译数据消息，从而通信地连接该传统设备和过程控制大 数据网络 100。在前述的标题为 "STREAMING DATA FOR ANALYTICS IN PROCESS CONTROL SYSTEMS"的美国申请No. 14 /506, 863 (代理人案卷号No. 06005/593070)中，讨论了传统设 备与过程控制大数据网络一起使用的例子。
[0080] 此外，通常，大数据节点或者设备102-110并不具有集成的用户接口，但大数据节 点或者设备102-110中的一些可以具有与一个或多个用户接口设备130进行通信的能力， 例如，通过在有线或无线通信链路上进行通信，或者通过将用户接口设备130插入到大数 据节点或设备102-110的端口中。在图1中，将用户接口设备130描述成无线地连接到过 程控制大数据网络100的大数据节点。
[0081] 用户接口设备或者用户接口大数据节点130是具有一个或多个集成的用户接口 的设备（例如，移动或者固定计算设备、工作站、手持设备、表面计算设备、平板设备等等）， 用户或者操作者可以经由这些用户接口与过程控制系统或过程工厂10进行交互，以执行 与该过程工厂10有关的活动（例如，配置、查看、监视、测试、诊断、命令、计划、调度、标注和 /或其它活动）。集成的用户接口可以包括屏幕、键盘、小键盘、鼠标、按键、触摸屏、触摸板、 生物识别接口、扬声器和麦克风、相机和/或任何其它用户接口技术。用户接口设备130可 以包括与过程控制系统大数据网络骨干的直接有线和/或无线连接，或者可以包括与骨干 的间接连接（例如，经由接入点或者网关）。
[0082] 在一些实施例中，用户接口设备130可以具有一个或多个内置的分析能力或例程 (在图1中通过包围的A z来表示）。换言之，用户接口设备130可以与任意数量的大数据 节点和/或大数据设备进行通信以下载数据，并对所下载的数据和/或对用户接口设备130 已知的另外数据执行本地分析4，以发现或者学习知识。事实上，在一些配置中，用户接口 设备130是大数据提供方节点，其自身可以将其分析4的结果和/或通过该分析结果所学 到的知识中的至少一些，作为大数据提供给一个或多个其它本地、区域性、集中式、云节点 或者其它大数据节点102-110。例如，可以在2013年9月17日提交的、标题为"METHOD AND APPARATUS FOR CONTROLLING A PROCESS PLANT WITH LOCATION AWARE MOBILE CONTROL DEVICES"的美国专利申请No. 14/028, 785中，找到过程控制大数据网络中的用户接口设备 的使用的例子（其可以结合本文所描述的技术中的任何一种或者所有技术来使用），故以 引用方式将该申请的全部公开内容并入本文。但是，当然，可以替代地或另外地结合本文 所描述的技术中的任何一种或者所有技术，来使用将用户接口设备与过程控制大数据网络 100相结合使用的其它技术。
[0083] 在一个实施例中，用户接口设备130是具有能够运行分析应用或小应用程序的特 殊芯片组和/或计算机可执行指令的无线或手持设备。因此，用户接口设备130可以从本 地、区域性、集中式或者云大数据节点102-110中的任何一个下载或者请求数据，随后执行 小应用程序以对所下载的数据中的任何一个或全部和/或（在一些情况下）对于用户接口 设备130来说已知的其它数据执行专门的处理。一旦完成了数据下载，用户接口设备130 可以自动地执行这些小应用程序，或者用户接口设备130可以基于经由用户接口（其是该 设备130的一部分）接收的用户输入或者命令来执行这些小应用程序。这些小应用程序 所产生的结果或者分析结果，可以从用户接口设备130发送到过程控制大数据网络的一个 或多个大数据节点（例如，作为学到的知识）。由用户接口设备130生成的所述学到的知 识，可以以反馈、诊断、故障排除、在线预测、故障检测、建议等等的形式，向各个大数据节点 102-110提供有用的信息。例如，可以开发这种性质的分析小应用程序，来评估或者分析特 定的装备、设备、过程、工厂、公司等等。
[0084] 在图3中，示出了用于描绘在过程工厂或者过程控制环境中支持区域性大数据的 示例性本地大数据提供方设备102的详细框图。虽然参照图1的过程工厂或者过程控制系 统10来讨论了设备102,但本地大数据提供方设备102可以用于其它过程工厂或者过程控 制系统或者结合其它过程工厂或者过程控制系统来使用，以支持在其中的区域性大数据。
[0085] 在图3中，"BD"标记表示特定的设备或者节点支持大数据。具体而言，图3示出了 多个本地大数据提供方设备 ll、15、16、18、19、20、21、26、28、35、42a、42b、44、52a、55a、58、 区域性大数据节点106w-106z和集中式大数据节点108。当然，图3中所示出的大数据节点 的数量和类型并不是限制性的，其仅仅用于示例目的。支持区域性大数据的过程工厂或者 过程控制系统，可以包括至少一个大数据提供方节点和至少一个区域性大数据节点。
[0086] 如先前所讨论的，本地大数据提供方设备102可以包括如下的设备：这些设备的 主要功能是用于自动地生成和/或接收过程控制数据，其中使用该过程控制数据来执行功 能，以实时地控制过程工厂环境10中的过程。例如，过程控制器、现场设备和/或1/0设备 是可能的本地大数据设备102的例子。在过程工厂环境10中，过程控制器接收用于指示这 些现场设备所获得的过程测量值的信号，对该信息进行处理以实现控制例程，并生成通过 有线或无线通信链路向其它现场设备发送的控制信号，以控制工厂10中的过程的操作。通 常，至少一个现场设备执行物理功能（例如，打开或者关闭阀门、增加或者降低温度等等） 以便对过程的操作进行控制，并且一些类型的现场设备可以使用1/0设备来与控制器进行 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，并且任意数量的以及组合 的有线和无线过程控制器、现场设备和I/O设备可以是过程控制大数据网络100的本地大 数据提供方节点l〇2a-102n。
[0087] 例如，图3示出了过程控制器11，其经由输入/输出（I/O)卡26和28来通信地连 接到有线现场设备15-22,并经由无线网关35和过程控制大数据网络骨干105(其可以类似 于图1中所讨论的网络骨干）来通信地连接到无线现场设备40-46。在一个实施例中，控制 器11可以使用不同于骨干105的一个或多个通信网络（例如，通过使用任意数量的其它有 线或无线通信链路）来通信地连接到无线网关35。
[0088] 控制器11 (举例而言，其可以是Emerson Process Management所出售的DeltaV? 控制器）可以进行操作，以使用现场设备15-22和40-46中的至少一些来实现批量过程 或者连续过程。在一个实施例中，除了通信地连接到过程控制大数据网络骨干105之外， 控制器11还可以使用任何期望的、与例如标准4-20mA设备、I/O卡26、28和/或诸如 FO^DATION? Fieldbus 协议、HART?,、议、WirelessHART?协议等等之类的任^ 智能通信协议相关联的硬件和软件，来通信地连接到现场设备15-22和40-46中的至少一 些。在图3中，控制器11、现场设备15-22和I/O卡26、28是有线设备，现场设备40-46是 无线现场设备。当然，有线现场设备15-22和无线现场设备40-46可以遵循任何其它期望 的标准或协议，例如，包括未来开发的任何标准或者协议的任何有线或无线协议。
[0089] 图3的过程控制器11包括实现或者监督一个或多个过程控制例程（例如，其存储 在存储器32中）的处理器30。处理器30被配置为：与现场设备15-22和40-46进行通信， 并与通信地连接到控制器11的其它节点进行通信。应当注意的是，本文所描述的任何控制 例程或者模块（其包括质量预测和故障检测模块或功能块）可以具有通过不同的控制器或 者其它设备来实现或执行的一部分（如果期望的话）。同样，实现在过程控制系统10中的 本文所描述的控制例程或模块可以采用包括软件、固件、硬件等等的任何形式。可以以任何 期望的软件格式（例如，使用面向对象的编程、梯形逻辑，顺序功能图，功能框图，或者使用 任何其它软件编程语言或者设计范例），来实现控制例程。可以将这些控制例程存储在任何 期望的类型的存储器（例如，随机存取存储器（RAM)或者只读存储器（ROM))中。同样，可 以将控制例程硬编码到例如一个或多个EPROM、EEPR0M、专用集成电路（ASIC)或者任何其 它硬件或固件单元中。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。
[0090] 在一些实施例中，控制器11使用通常称为功能块的方式来实现控制策略，其中每 一个功能块是整个的控制例程的一个对象或者其它部件（例如，子例程），并结合其它功能 块（通过称为链路的通信）进行操作以实现过程控制系统10中的过程控制环。基于控制的 功能块通常执行下面中的一种：输入功能，例如与发送器、传感器或者其它过程参数测量设 备相关联；控制功能，例如与执行PID、模糊逻辑等等控制的控制例程相关联；或者输出功 能，其控制诸如阀门之类的一些设备的操作，以执行过程控制系统10中的某种物理功能。 当然，也存在混合的功能块和其它类型的功能块。功能块可以存储在控制器11中并由控制 器11执行，通常这是下面的情形，这些功能块用于或者关联于标准的4-20mA设备和某种类 型的智能现场设备（例如，设备），或者可以存储在这些现场设备自身中并由其实 现（这可以是与FOUNDATIONK Fieldbus设备的情形）。控制器11可以包括可实现一 个或多个控制环的一个或多个控制例程38,所述一个或多个控制例程38可以通过执行这 些功能块中的一个或多个来执行。
[0091] 有线现场设备15-22可以是任何类型的设备（例如，传感器、阀门、发送器、定 位器等等），而I/O卡26和28可以是遵循任何期望的通信或控制器协议的任何类型 的I/O设备。在图3中，现场设备15-18是通过模拟线路或者组合的模拟和数字线路来 向I/O卡26进行通信的标准4-20mA设备或者HARTX设备，而现场设备19-22是使用 FOUNDATION? Fieldbus通信协议，通过数字总线向I/O卡28进行通信的智能设备 (例如，FOUNDATION? Fieldbus现场设备）。但是，在一些实施例中，有线现场设备15、 16和18-21中的至少一些和/或大数据I/O卡26、28中的至少一些，另外地或者替代地使 用大数据网络骨干105来与控制器11 (和/或其它大数据节点）进行通信。
[0092] 在图3中，无线现场设备40-46使用诸如观议之类的无线协议， 在无线网络70中进行通信。这种无线现场设备40-46可以直接与过程控制大数据网络100 中也被配置为实现无线通信（例如，使用该无线协议或者另一种无线协议）的一个或多个 其它设备或节点进行通信。为了与没有被配置为无线地通信的一个或多个其它节点进行 通信，无线现场设备40-46可以使用无线网关35,其中无线网关35连接到大数据网络骨干 105或者另一个过程控制通信网络。
[0093] 无线网关35提供针对于无线通信网络70的各种无线设备40-58的接入。具体而 言，无线网关35提供无线设备40-58、有线设备11-28和/或过程控制大数据网络100的其 它节点或设备之间的通信耦合。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。另外地或替代地， 无线大数据提供方设备42a、42b、44、52a、55a、58可以以有线或无线方式，直接连接到大数 据网络骨干105。例如，设备42 &、4213、44、52&、55&、58中的至少一些可以在无线网络70和 大数据网络骨干105上进行通信。
[0094] 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可以执行过程工 厂10中的物理控制功能，例如，打开或者关闭阀门或者对过程参数进行测量。但是，无线现 场设备40-46被配置为使用网络70的无线协议进行通信。因此，无线网络70的无线现场 设备40-46、无线网关35和其它无线节点52-58是无线通信分组的产生方和消费方。
[0095] 在一些场景下，无线网络70可以包括非无线设备。例如，图3的现场设备48可以 是传统的4-20mA设备，现场设备50可以是传统的有线：HART K)设备。为了在网络70中进 行通信，现场设备48和50可以经由无线适配器52a或52b，连接到无线通信网络70。无线 适配器52a、52b可以支持诸如Foundatio丨V K Fieldbus、PROFIBUS、DeviceNet等等之类的 其它通信协议。此外，无线网络70可以包括一个或多个网络接入点55a、55b，它们可以是与 无线网关35进行有线通信的单独的物理设备，或者可以与无线网关35 -起提供作为集成 设备。无线网络70还可以包括一个或多个路由器58,以便将分组从一个无线设备转发到 无线通信网络70中的另一个无线设备。无线设备40-46和52-58可以通过无线通信网络 70的无线链路60来彼此之间进行通信以及与无线网关35进行通信，和/或经由大数据网 络骨干105进行通信。如图3中所示，适配器52a、接入点55a和路由器58均支持如通过 "BD"所指示的过程控制大数据。
[0096] 在一些实施例中，过程控制大数据网络100的本地大数据提供方设备102可以包 括其它无线接入点（图3中没有示出），其中这些其它无线接入点使用诸如Wi-Fi或者遵 循其它IEEE 802. 11的无线局域网协议之类的其它无线协议、诸如WiMAX(全球微波互联接 入）、LTE (长期演进）或者其它ITU-R(国际电信联盟无线电通信部门）兼容协议之类的移 动通信协议、诸如近场通信（NFC)和蓝牙之类的短波长无线电通信、或者其它无线通信协 议来进行通信。所述其它无线接入点中的每一个可以支持过程控制大数据，也可以不支持 过程控制大数据。
[0097] 在一些实施例中，本地大数据提供方设备或节点102可以包括通向系统的一个或 多个网关（图3中没有示出），其中这些系统在当前的过程控制系统10外部。通常，这些系 统是过程控制系统10所生成或者关于其进行操作的信息的消费方或供应方。例如，网关可 以将当前的过程工厂10与另一个过程工厂、外部公共系统或专用系统进行通信地连接，例 如这些系统是实验室系统（例如，实验室信息管理系统或UMS)、操作者巡回数据库、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、运输和处理系 统、包装系统、互联网、另外一个提供方的过程控制系统或其它外部系统。所述其它无线接 入点中的每一个可以支持过程控制大数据，也可以不支持过程控制大数据。
[0098] 虽然图3只描绘了单一控制器11与有限数量的现场设备15-22和40-46、无线网 关35、无线适配器52、接入点55、路由器58和无线过程控制通信网络70,但这只是示例性 的和非限制性的实施例。在过程控制大数据网络100的本地大数据提供方节点102中可以 包括任意数量的控制器11，并且控制器11中的任何一个可以与任意数量的有线或无线设 备以及网络15-22、40-46、35、52、55、58和70进行通信，以控制工厂10中的过程。
[0099] 为了实现或者支持区域性大数据，可以将图3中所示出的各种有线或无线设备 形成群组到相应的区域。一旦形成群组，就将各个区域中的任何设备或者所有设备所生 成、收集、接收或者以其它方式观测的数据，传送或者流式传输给相应的区域性大数据节点 106w-106z。图3中的每一个区域性大数据节点106w-106z包括相应的区域性大数据设备 (例如，图1中所讨论的区域性大数据设备116a-116m的实例），其中经由该区域性大数据 设备来接收大数据，存储成区域性大数据、并进行存取或请求。此外，每一个区域性大数据 节点106w-106z包括可以对该区域性大数据中的至少一些进行个别地和/或协作地操作的 一个或多个分析功能、例程、操作或者过程。
[0100] 可以根据任何期望的方式来形成区域。在图3所示出的示例性例子中，根据功能 方式，形成了三个不同的区域140、142和144。例如，在实线中描述的区域140表示示例性 控制环，其在过程工厂10中执行以便对过程的至少一部分进行实时地操作或者控制。因 此，控制环140包括诸如控制器11、I/O卡28、无线适配器52a、以及现场设备19-22、42a和 48之类的各种过程控制设备。控制环140中的每一个现场设备19-22、42a和48可以生成 过程控制数据，接收过程控制数据，和/或向控制器11发送过程控制数据以使控制器11能 够监督控制环140的操作。现场设备19-22是经由I/O卡28来连接到控制器11的有线设 备。现场设备42a是经由无线网关35和网络骨干105来与控制器11进行通信的无线设备。 现场设备48是另一个耦合到适配器52a的有线设备，转而适配器52a与网关35进行通信 以便与控制器11进行通信。虽然图3将现场设备19-22、42和48示出为在控制环140中 相互挨着，但事实上，现场设备19_22、42和48可以位于过程工厂10的不同部分，但基于它 们执行用于实现控制环140的功能，而将它们形成群组在一起。
[0101] 类似地，在点线中描述的区域142表示另一个示例性控制环，其在过程工厂10中 执行以便对该过程的另一部分（或者另一个过程一起）进行实时地操作或者控制。因此，控 制环142包括诸如控制器11、I/O卡26、无线适配器52b、路由器58、以及现场设备15-18、 40、44和50之类的各种过程控制设备。控制器11通过对从现场设备15-18、40、44和50中 的每一个现场设备接收的信息和数据进行处理，来监督控制环142的操作。因此，有线现场 设备15-18经由I/O卡26通信地连接到控制器11，而无线现场设备40经由网关35和网络 骨干105通信地连接到控制器11。此外，有线现场设备50耦合到适配器52b，适配器52b 连同无线现场设备44,与路由器58进行通信，以便经由网关35和网络骨干105通信地连接 到控制器11。类似于如上所述，现场设备15-18、40、44和50可以位于过程工厂10的不同 部分，但根据它们的用于实现控制环142的功能而将它们形成群组在一起。
[0102] 图3还示出了区域144,其在点划线中进行了描述。区域144不是表示控制环，而是 表示用于进行服务，以提供网络路由功能和管理的示例性通信网络。具体而言，区域144表 示无线通信网络70,无线通信网络70包括无线网关35、无线适配器52a、52b、接入点55a、 55b和路由器58。区域144中所包括的每一个设备执行对无线分组进行路由和传输的功能。 无线网关35还执行业务管理和监管功能（例如，资源管理、性能调整、网络故障缓解、监测 业务、安全等等），以及对去往和来自有线网络（其中该有线网络与无线网络70进行通信连 接）的业务进行路由。
[0103] 可以将区域140、142和144的本地大数据提供方节点所生成或者提供的任何数 据或者所有数据，流式传输到各自的区域性大数据节点106x-106z，以进行历史化、分析、存 储、使用和/或存取。具体而言，可以将与区域140和142有关的过程控制数据，例如，测量 数据（如，输出、速率等等）、配置数据（如，设置点、配置改变等等）、批量数据（例如，批量 配方、批量条件等等）、事件数据（例如，报警、过程控制事件等等）、连续数据（例如，参数 值、视频馈入等等）、经计算的数据（例如，内部状态、中间计算值等等）和/或诊断数据， 分别流式传输到区域性大数据节点106x和106y。可以将与区域144有关的网络数据（例 如，带宽、流量、网络配置等等）流式传输到区域性大数据节点106z。
[0104] 在区域性大数据节点106x-106z中的每一个处，可以对所接收的数据中的至少一 些执行计算或者数据分析，以确定有意义的模式、相关性、趋势等等，并且通常用于生成新 知识。在前述的标题为 "DATA PIPELINE FOR PROCESS CONTROL SYSTEM ANALYTICS" 的美 国申请No. 62/060, 408 (代理人案卷号No. 06005/593085P)中，可以找到这些计算或数据分 析技术的例子。作为所执行的计算或者分析的结果，区域性大数据节点106x-106z可以产 生学到的知识，例如，新的一组数据点或者观测值、与该数据有关的描述性统计、该数据中 的相关性、用于该数据的新模型或者经修改的模型等等。在一些情况下，所获得的学到的知 识包括：新的或者经修改的应用、新的或者经修改的功能、新的或者经修改的例程、新的或 者经修改的学习分析、新的或者经修改的服务等等。例如，所获得的学 到的知识可以是新创 建的推断功能，其可以用于映射新数据例子。
[0105] 在一个实施例中，基于所获得的学到的知识，每一个区域性大数据节点106x-106z 可以更新、改进或者修改其相应区域的操作。例如，区域性大数据节点l〇6x基于所获得的 学到的知识来修改某些过程参数值，以优化在区域140中受到控制的过程。在另一个例子 中，区域性大数据节点106y基于所获得的学到的知识，更新用于其区域142的诊断例程。在 另一个例子中，区域性大数据节点l〇6z基于所获得的学到的知识，确定用于对区域144中 的网络业务进行路由的更佳数据路径。
[0106] 在一些实施例中，区域性大数据节点106x-106z将它们学到的知识发送给另一个 区域性大数据节点l〇6w，以支持分层或者分级的学习。区域性大数据节点106w用于对一 个或多个区域进行监督。因此，区域性大数据节点l〇6w可以对所接收的学到的知识中的至 少一些执行进一步的分析或者学习，以便生成关于其监督或者服务的一个或多个区域140、 142、144的另外的学到知识，转而可以将该另外的学到知识分发给它们各自的区域性大数 据节点106x-106z中的任何一个或者全部。另外地或者替代地，区域性大数据节点106w和 /或区域性大数据节点106x-106z中的任何一个，可以使得任何所获得的学到的知识被发 送给集中式大数据节点108或者过程控制系统10中的其它过程控制大数据节点。集中式 大数据节点108可以对所聚合的学到的知识进行操作，以在全厂范围的基础上生成知识。
[0107] 图4示出了用于在过程工厂和过程控制系统中支持区域性大数据的示例性方法 400的流程图。例如，方法400可以由图1的区域性大数据节点106a-106m和图3的区域 性大数据节点106w-106z来执行。为了便于讨论起见，而不是用于限制目的，同时地参照图 1-图3来描述方法400。
[0108] 在方框402处，在区域性大数据节点（例如，区域性大数据节点106中的一个）处， 可以接收、获得和/或收集与过程控制工厂或者网络相对应的数据。区域性大数据节点106 通信地连接到一个"区域"或一组本地大数据提供方节点102和/或其它大数据节点104， 并对该"区域"或一组本地大数据提供方节点102和/或其它大数据节点104提供服务，其 中该区域（例如，区域140、142或144)与根据地理、物理、功能、逻辑或者其它期望的方式 中的某种或者至少一种相关。因此，将该组的本地大数据提供方节点102和/或其它大数 据节点104所生成或提供的任何数据，传送或者流式传输给区域性大数据节点106以进行 收集。区域性大数据节点106可以经由一个或多个网络接口（例如，经由过程控制系统大 数据网络100的网络骨干105)，通信地耦合到过程工厂或者过程控制系统的通信网络。在 区域性大数据节点106处收集或者接收的数据可以包括测量数据、事件数据、批量数据、经 计算的数据、配置数据、连续数据和/或学到的数据。通常，所收集的数据一般包括由连接 到区域性大数据节点106的相应区域所生成、创建、接收或者以其它方式观测到的所有类 型的数据。
[0109] 在方框404处，在区域性大数据节点106处可以将所收集的数据存储在区域性大 数据设备（例如，区域性大数据设备116)中。例如，将该数据以及其相应的时间戳存储成区 域性大数据设备116的大数据存储120中的一个条目。在随时间获得该数据的多个值（方 框402)的实施例中，将每一个值连同其相应的时间戳存储在大数据存储器120中的相同条 目或者不同条目中。
[0110] 在方框406处，对所存储的区域性数据的至少一部分执行一种或多种学习分析， 例如以便学习、预测或者发现新知识、有意义的关系、模式、相关性、趋势等等。所述一种或 多种学习分析（例如，如大数据分析器126中的一个或多个所执行的）可以包括任意数量 的数据发现和/或学习算法和技术，例如，偏最小二乘分析、随机森林、模式识别、预测分 析、相关分析、主分量分析、分类分析、概率分析、数据挖掘、数据发现或者包括启发式学习 的其它机器学习技术（诸如先前所讨论的）。在一些情况下，区域性大数据设备116对所 存储的区域性大数据中的至少一些进行分析，以提取数据模式，随后对其进行评估以发现 基于感兴趣测量值来表示知识的感兴趣模式。在一些情况下，区域性大数据设备116确定 使用哪一个或者哪一些相关的学习分析，并确定所存储的数据的哪些部分（或者在一些情 况下，所有部分）将由该学习分析或者分析进行操作。例如，学习分析的确定包括：对学习 分析进行选择或者推导。因此，学习分析的选择或者推导可以是基于所存储的区域性大数 据的至少一部分的一个或多个属性的，例如，基于与所存储的数据相关联的相应时间戳、基 于所存储的数据中给出的偏移或者其它测量值、基于所存储的数据所源自的现场设备的类 型、基于所存储的数据中的某些识别的簇等等。
[0111] 在方框408处，创建或者生成用于指示该学习分析的结果的学到知识。例如，所创 建或者生成的学到知识包括：学到的数据、对于区域性大数据节点106来说先前未知的其 它数据、和/或一个或多个学到的应用、功能、例程、服务、学习分析或者针对其的修改。在 另一个例子中，所学到的知识包括：基于所存储的区域性大数据的至少一部分的一个或多 个属性的预测。所学到的知识可以提供用于任意数量的预测、建模、诊断和/或故障排除目 的的新信息。通常但不是必需的，将所学到的知识存储在区域性大数据节点106的区域性 大数据设备116中。
[0112] 在方框410处，基于所学到的知识（方框408)，方法400包括：使得对例如区域性 大数据节点106所服务的各个区域140、142、144中的一个或多个操作进行改变或者修改。 例如，学到的知识可能导致用于一个过程的过程参数的修改，其中该过程在一个或多个相 应的区域中受到控制或者执行。在另一个例子中，学到的知识可能导致创建新的过程模型， 其随后实现在相应的区域中。通常，在方框410处，对于各个区域140、142、144的一个或多 个操作的改变或者修改，可以包括：对各个区域140、142、144中所包括的本地大数据节点 (和/或其的一个或多个操作）进行改变或者修改，和/或对另一个非大数据设备（和/或 其的一个或多个操作）进行改变或修改，其中该另一个非大数据设备连接到相应区域中所 包括的本地大数据节点。例如，可以使用方法400的方框410,来影响非大数据设备或者传 统设备的控制参数的改变，其中该非大数据设备或者传统设备连接到用于过程控制大数据 网络的适配器。
[0113] 在一些实施例中，方框410包括：使得对由与区域性大数据节点106服务的各个区 域140、142、144不相同的区域中的一个或多个操作进行改变或者修改。例如，区域性大数 据节点106可以向对另一个区域进行服务的另一个区域性大数据节点发送所学到的知识， 并且接收方区域性大数据节点可以对其相应区域的某个部分的操作进行改变或者修改。
[0114] 事实上，在一些实施例中，方法400包括：使得所学到的知识中的至少一些被发送 给另一个大数据节点（例如，发送给其自己区域中的本地大数据节点、发送给集中式大数 据节点108、或者发送给对另一个区域进行服务的另一个区域性大数据节点106)，例如，以 便接收方大数据节点用于其相应的学习分析和/或操作（方框412)。在一个实施例中，所 学到的知识导致对由接收方节点和/或耦合到该接收方节点的另一个设备执行的操作进 行修改（方框410)。因此，方法400可以使得对该修改的指示结合所学到的知识一起被发 送给接收方大数据节点。
[0115] 在一些实施例中，方法400包括：基于所学到的知识来执行上下文搜索（没有示 出）。例如，在维护检查期间，用户可能希望确定过程工厂中的各个阀门的状态。因此，方法 400可以利用所学到的知识来发现紧邻着用户的最近的阀门、上个月维修过的最近的阀门、 需要进行维护的最近的阀门等等。可以将这种上下文搜索的结果提供给远程或者本地用户 接口，或者可以记录该结果。
[0116] 在一些实施例中，方法400包括：基于例如在远程或者本地用户接口处学到的知 识，或者写入到日志的知识（没有示出），来向用户（例如，外部操作者、维护工、工程师等 等）提供建议。更具体地说，方法400可以向处于在该过程工厂中工作的背景之下的用户 提供建议。例如，操作者可能希望对于在过程工厂中执行的测量过程做出调整。因此，方法 400可以利用所学到的知识，向操作者提供关于下面的细节：该过程工厂中的哪些区域与 做出该调整有关、哪些区域不需要查看。
[0117] 在一些实施例中，在方法400中只包括方框410或者412中的一个。在其它实施 例中，顺序地执行方框410和412,使得区域性大数据节点首先基于学到的知识来修改其相 应区域的操作（方框410)，随后向其它接收方大数据节点发送所学到的知识（方框412)， 或者反之亦然。在方法400的其它实施例中，并行地执行方框410和412。
[0118] 方法400可选地包括：从过程工厂的其它大数据节点（例如，从其它区域性大数据 节点106、集中式大数据节点108和/或其它大数据节点104)接收另外的学到的知识（方 框414)。区域性大数据节点106可以存储所接收的学到的知识（方框404)，并且可以对本 地存储的区域性大数据的至少一部分以及另外的学到的知识执行一个或多个后续的学习 分析（方框406)。基于该后续的学习分析或一些后续的学习分析的输出，可以创建、生成 另外的学到的知识（方框408)，并将该另外的学到的知识可选地存储在区域性大数据节点 106处。在一些情形下，基于新生成的学到的知识，对在连接到该区域性大数据节点的相应 区域中发生的一个或多个操作进行修改（方框410)，和/或将新学到的知识中的至少一些 发送给一个或多个其它接收方大数据节点（方框412)或者应用。
[0119] 在一些实施例中，在无需任何实时的用户输入的情况下，自动地或者自主地执行 或者实现方法400。例如，不需要或者不使用用户输入来执行和/或发起方法400的任何实 施例的任何步骤的执行。在其它实施例中，利用或者基于实时的用户输入，来执行或者实现 方法400。
[0120] 本公开内容中所描述的这些技术的实施例可以包括任意数量的下面的方面，无论 是单独地还是组合地：
[0121 ] 1、一种用于在对过程进行控制的过程工厂中支持大数据的区域性大数据节点。所 述区域性大数据节点包括：网络接口，所述网络接口将所述区域性大数据节点通信地连接 到所述过程工厂的多个区域中的一个区域，其中，所述多个区域中的所述一个区域包括多 个本地大数据节点，随着所述过程实时地受到控制，所述多个本地大数据节点中的每一个 实时地发送根据所述过程工厂对所述过程进行的所述控制来生成的数据。所述区域性大数 据节点还包括大数据存储区域，所述大数据存储区域包括被配置为对区域性大数据进行存 储的一个或多个有形的、非临时性计算机可读存储介质。此外，所述区域性大数据节点包括 大数据接收器，所述大数据接收器被配置为：经由所述网络接口来接收由所述多个本地大 数据节点发送的并在所述区域性大数据节点处接收的所述数据，并且将所接收的数据存储 在所述大数据存储区域中。此外，所述区域性大数据节点包括大数据分析器，所述大数据分 析器被配置为：对所述区域性大数据的至少一部分执行学习分析；基于所述学习分析的结 果，生成学到的知识；以及基于所述学习分析的结果，使得对所述过程工厂的至少一部分的 操作进行改变，其包括：使得所述学到的知识被发送给与所述过程工厂的所述至少一部分 相对应的接收方大数据节点。
[0122] 2、根据前述方面所述的区域性大数据节点，其中，所述多个区域中的所述一个区 域是根据地理、物理、功能或者逻辑群组中的至少一种来形成的。
[0123] 3、根据前述方面中的任何一个方面所述的区域性大数据节点，其中：所述多个区 域中的所述一个区域的所述多个本地大数据节点包括以下各项中的至少一项：所述过程工 厂中所包括的过程控制设备、网关设备、接入点、路由设备、历史库设备或者网络管理设备。 所述过程控制设备是以下各项中的至少一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备。
[0124] 4、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述区域性 大数据包括多种类型的数据，并且数据类型的集合包括连续数据、事件数据、测量数据、批 量数据、经计算的数据、诊断数据、配置数据、与所述学到的知识相对应的数据、和/或与其 它学到的知识相对应的数据。
[0125] 5、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述学习分 析包括以下各项中的至少一项：偏最小二乘回归分析、随机森林、模式识别、预测分析、相关 分析、主分量分析、数据挖掘、数据发现或者包括启发式学习的其它机器学习技术。
[0126] 6、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，基于所述学 习分析的所述结果，对所述过程工厂的所述至少一部分的所述操作进行所述改变，包括：基 于所述学到的知识，对在所述多个区域中的所述一个区域中执行的操作进行修改。所述大 数据分析器还被配置为：使得对所述修改的指示结合所述学到的知识一起被发送给所述接 收方大数据节点。
[0127] 7、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述学到的 知识是第一学到的知识，所述学习分析是第一学习分析，并且所述多个区域中的所述一个 区域是第一区域。所述大数据接收器还被配置为：接收由所述多个区域中的第二区域的另 一个大数据节点生成的第二学到的知识。所述大数据分析器还被配置为执行以下各项中的 至少一项：（i)基于所接收的第二学到的知识，使得对在所述第一区域中执行的操作进行 修改，或者（ii)对所述区域性大数据中的至少一些和所接收的第二学到的知识执行第二 学习分析。
[0128] 8、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述第二区 域中的所述另一个大数据节点是对所述第二区域进行服务的区域性大数据节点。
[0129] 9、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述学到的 知识包括以下各项中的至少一项：对于所述区域性大数据节点来说先前未知的源自于所述 过程的控制的另外数据、应用、服务、例程、功能或者另一种学习分析。
[0130] 10、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述大数据 分析器还被配置为：基于所述学到的知识，执行上下文搜索。
[0131] 11、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述大数据 分析器还被配置为：基于所述学到的知识，向用户提供建议。
[0132] 12、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述网络接 口将所述区域性大数据节点通信地连接到用户接口大数据节点。所述用户接口大数据节点 包括用户接口和一个或多个相应的分析例程。所述大数据接收器还被配置为：使用所述网 络接口，来接收基于在所述用户接口大数据节点处执行的所述一个或多个相应的分析例程 的结果而生成的数据，并且将从所述用户接口大数据节点接收的所述数据存储在所述大数 据存储区域中，其中所述一个或多个相应的分析例程的所述结果是基于经由所述用户接口 大数据节点的所述用户接口接收的用户输入的。所述大数据分析器还被配置为：对所述区 域性大数据的另一部分执行所述学习分析或者另一种学习分析，其中所述区域性大数据的 所述另一部分包括从所述用户接口大数据节点接收的所述数据。
[0133] 13、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述网络接 口将所述区域性大数据节点通信地连接到集中式大数据节点。所述集中式大数据节点包括 一个或多个相应的分析例程。所述区域性大数据节点的所述大数据接收器还被配置为：使 用所述网络接口，来接收基于在所述集中式大数据节点处执行的所述一个或多个分析例程 的结果而生成的数据，并且将从所述集中式大数据节点接收的所述数据存储在所述大数据 存储区域中。所述区域性大数据节点的所述大数据分析器还被配置为执行以下操作中的至 少一项：对所述区域性大数据的另一部分，执行所述学习分析或者另一种学习分析，其中所 述区域性大数据的所述另一部分包括从所述集中式大数据节点接收的所述数据，或者基于 从所述集中式大数据节点接收的所述数据，对操作进行修改。
[0134] 14、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，在一个或多 个集成电路芯片上，包括所述大数据接收器或者所述大数据分析器中的至少一个的至少一 部分。
[0135] 15、根据前述方面中的任何一个方面所述的区域性大数据节点，其中，所述大数据 接收器或者所述大数据分析器中的至少一个的至少一部分包括：存储在所述区域性大数据 节点的存储器上并可由所述区域性大数据节点的处理器执行的计算机可执行指令。
[0136] 16、一种利用区域性大数据来改进用于对过程进行控制的过程工厂的操作的方 法。该方法可以至少部分地由前述方面中的任何一个方面的区域性大数据节点来执行。该 方法包括：在所述过程工厂的一个或多个区域性大数据节点处收集数据。所述一个或多个 区域性大数据节点中的每一个对应于所述过程工厂的多个区域中所包括的相应区域。所收 集的数据包括由所述相应区域的相应多个本地大数据节点发送的数据，以及每一个本地大 数据节点实时地发送相应的数据，其中所述相应的数据源自于所述每一个本地大数据节点 的所述相应区域的在线操作。该方法还包括：将所收集的数据作为区域性大数据存储在所 述一个或多个区域性大数据节点处。此外，该方法包括：由所述一个或多个区域性大数据节 点对所述区域性大数据的至少一部分执行一种或多种学习分析；以及基于所述一种或多种 学习分析的结果，生成学到的知识。另外，该方法包括：基于所述一种或多种学习分析的所 述结果，使得对所述过程工厂的至少一部分的操作进行改变，其包括：将所述学到的知识发 送给与所述过程工厂的所述至少一部分相对应的接收方大数据节点。
[0137] 17、根据前述方面所述的方法，其中，在无需使用任何实时用户输入或者在使用任 何实时用户输入的情况下，自主地执行所述方法。
[0138] 18、根据前述方面中的任何一个方面所述的方法，其中，所述一个或多个区域性大 数据节点中的每一个是根据地理、物理、功能或者逻辑群组中的一种来形成的。
[0139] 19、根据前述方面中的任何一个方面所述的方法，其中，在所述一个或多个区域性 大数据节点处收集所述数据，包括收集由以下各项中的至少一项发送的数据：所述过程工 厂的过程控制设备、网关设备、接入点、路由设备、历史库设备、用户接口设备或者网络管理 设备。所述过程控制设备是以下各项中的一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备。所收集的数据包括数据类型的集合中所包括的至少一种类型的数据，其中所述数据类 型的集合包括：连续数据、事件数据、测量数据、批量数据、经计算的数据、诊断数据、配置数 据、以及与其它学到的知识相对应的数据。
[0140] 20、根据前述方面中的任何一个方面所述的方法，其中，所述学到的知识是第一学 到的知识，并且其中，在所述一个或多个区域性大数据节点处收集所述数据包括：收集由所 述一个或多个区域性大数据节点或者所述过程工厂的另一个大数据节点生成的第二学到 的知识。
[0141] 21、根据前述方面中的任何一个方面所述的方法，还包括以下各项中的至少一项： 选择所述一种或多种学习分析中的第一至少一种学习分析，或者导出所述一种或多种学习 分析中的第二至少一种学习分析。
[0142] 22、根据前述方面中的任何一个方面所述的方法，其中，生成所述学到的知识包括 生成以下各项中的至少一项：对于所述一个或多个区域性大数据节点来说先前未知的另外 数据、新的或者经修改的应用、新的或者经修改的功能、新的或者经修改的例程、新的或者 经修改的学习分析、或者新的或者经修改的服务。
[0143] 23、根据前述方面中的任何一个方面所述的方法，其中，所述区域性大数据的所述 至少一部分是所述区域性大数据的第一至少部分。该方法还包括：对所述区域性大数据的 第二至少一部分执行所述新的或者经修改的学习分析。
[0144] 24、根据前述方面中的任何一个方面所述的方法，其中，执行所述一种或多种学习 分析包括：执行机器学习分析、预测分析、数据挖掘或数据发现中的至少一种。
[0145] 25、根据 前述方面中的任何一个方面所述的方法，其中，由所述一个或多个区域性 大数据节点执行所述一种或多种学习分析包括：由一个以上的区域性大数据节点执行所述 一种或多种学习分析；以及基于所述一种或多种学习分析的结果，生成所述学到的知识包 括：基于所述一个以上的区域性大数据节点执行的所述一种或多种学习分析的结果，生成 所述学到的知识。
[0146] 26、一种用于在过程工厂中支持区域性大数据的系统。该系统包括：一个或多个 区域性大数据节点；多个本地大数据节点；以及通信网络，所述通信网络通信地连接所述 一个或多个区域性大数据节点和所述多个本地大数据节点。在一个实施例中，该系统可以 执行前述的方法中的任何一个方法的至少一部分。所述多个本地大数据节点被布置到多个 区域中，所述多个区域中的每一个区域由所述一个或多个区域性大数据节点中所包括的相 应区域性大数据节点进行服务。所述相应区域性大数据节点被配置为：收集由与所述相应 区域性大数据节点所服务的相应区域相关联的本地大数据节点的集合实时地生成的数据， 其中，所述数据是由于对所述过程工厂中的过程的实时控制而由所述本地大数据节点的集 合实时地生成的。所述相应区域性大数据节点还被配置为：将所收集的数据作为相应的区 域性大数据存储在所述相应区域性大数据节点中所包括的大数据存储区域处。此外，所述 相应区域性大数据节点被配置为：使用所述相应区域性大数据节点中所包括的大数据分析 器，来对所存储的相应区域性大数据的至少一部分执行学习分析，并基于所执行的学习分 析的结果，生成学到的知识。另外，所述区域性大数据节点进一步被配置为执行以下操作中 的至少一项：（i)在所述大数据存储区域处，将所述学到的知识存储成另外的相应区域性 大数据，或者（ii)向所述过程工厂中所包括的接收方大数据节点发送所述学到的知识。
[0147] 27、根据前述的方面所述的系统，其中，所述多个本地大数据节点根据地理、物理、 功能或者逻辑群组中的至少一种而被布置到所述多个区域中。
[0148] 28、根据前述方面中的任何一个方面所述的系统，其中，所述学到的知识包括以下 各项中的至少一项：源自于对所述过程的所述实时控制的另外数据、应用、功能、服务、例程 或者另一种学习分析。
[0149] 29、根据前述方面中的任何一个方面所述的系统，其中，所执行的学习分析的所述 结果包括：基于所存储的相应区域性大数据的所述至少一部分的属性的预测。
[0150] 30、根据前述方面中的任何一个方面所述的系统，还包括具有相应的学习分析的 用户接口大数据节点，并且其中，所收集的数据是第一收集的数据。所述相应区域性大数据 节点还被配置为：收集在所述用户接口大数据节点处通过执行所述相应的学习分析所生成 的第二数据。另外，所述相应区域性大数据节点还被配置为：将所述第二收集的数据存储在 所述相应区域性大数据节点中所包括的所述大数据存储区域处。所述相应区域性大数据节 点还被配置为执行以下操作中的至少一项：对所存储的包括所述第二收集的数据的相应区 域性数据的集合执行所述学习分析或者另一种学习分析，或者使得所述第二收集的数据被 发送给另一个大数据节点。
[0151] 31、根据前述方面中的任何一个方面所述的系统，还包括集中式大数据节点或者 另一种类型的大数据节点中的至少一个，并且其中，所收集的数据是第一收集的数据。所述 相应区域性大数据节点还被配置为：收集在所述集中式大数据节点或者所述另一种类型的 大数据节点中的所述至少一个处通过执行学习分析所生成的第二数据。另外，所述相应区 域性大数据节点还被配置为：将所述第二收集的数据存储在所述相应区域性大数据节点中 所包括的所述大数据存储区域处；以及对所存储的包括所述第二收集的数据的相应区域性 数据的集合执行所述学习分析或者另一种学习分析。
[0152] 32、根据前述方面中的任何一个方面所述的系统，其中，由所述本地大数据节点的 集合实时地生成的所述数据包括由以下各项中的一项或多项实时地生成的数据：现场设 备；控制器；输入/输出（I/O)设备，其具有与所述控制器的接口以及与所述现场设备的接 口；网关设备；接入点；路由设备；历史库设备；或者网络管理设备。所述控制器被配置为接 收一组输入，基于所述一组输入来确定输出的值，以及使得所述输出被发送给所述现场设 备以控制由所述过程工厂执行的所述过程。所述现场设备被配置为：基于所述控制器的所 述输出来执行物理功能以控制所述过程。
[0153] 33、根据前述方面中的任何一个方面所述的系统，其中，将所述学到的知识发送给 所述接收方大数据节点，并且其中，所述接收方大数据节点使得执行以下操作中的至少一 项：（i)基于所接收的学到的知识，对所述接收方大数据节点进行修改；或者（ii)对去往所 述接收方大数据节点的大数据的提供方进行修改。
[0154] 当用软件实现时，本文所描述的应用、服务和引擎中的任何一种可以存储在任何 有形的、非临时性计算机可读存储器中，例如，存储在磁盘、激光光盘、固态存储器设备、分 子存储器存贮设备或者其它存储介质上，存储在计算机或处理器的RAM或ROM中等等。虽 然将本文所公开的示例性系统公开成包括在硬件上执行的软件和/或固件，但应当注意的 是，这些系统仅仅只是示例性的，其不应被解释为限制性的。例如，可以预期的是，这些硬 件、软件和固件组件中的任何一个或者全部可以专门用硬件来体现，专门用软件来体现，或 者利用硬件和软件的任意组合来体现。因此，虽然将本文所描述的示例系统描述成在一个 或多个计算机设备的处理器上执行的软件中实现，但本领域普通技术人员应当容易理解的 是，所提供的这些示例并不是实现这些系统的唯一方式。
[0155] 因此，虽然参照特定的示例来描述了本发明，其中这些特定的示例仅仅旨在是示 例性的，而不是对本发明进行限制，但对于本领域普通技术人员来说显而易见的是，在不脱 离本发明的精神和保护范围的基础上，可以对所公开的实施例进行改变、增加或者删除。
【主权项】
1. 一种用于在对过程进行控制的过程工厂中支持大数据的区域性大数据节点，所述区 域性大数据节点包括： 网络接口，其将所述区域性大数据节点通信地连接到所述过程工厂的多个区域中的一 个区域，所述多个区域中的所述一个区域包括多个本地大数据节点，随着所述过程实时地 受到控制，所述多个本地大数据节点中的每一个实时地发送根据所述过程工厂对所述过程 进行的所述控制来生成的数据； 大数据存储区域，其包括被配置为对区域性大数据进行存储的一个或多个有形的、非 临时性计算机可读存储介质； 大数据接收器，其被配置为：经由所述网络接口来接收由所述多个本地大数据节点发 送的并在所述区域性大数据节点处接收的所述数据，并且将所接收的数据存储在所述大数 据存储区域中；以及 大数据分析器，其被配置为： 对所述区域性大数据的至少一部分执行学习分析； 基于所述学习分析的结果，生成学到的知识；以及 基于所述学习分析的所述结果，使得对所述过程工厂的至少一部分的操作进行改变， 其包括：使得所述学到的知识被发送给与所述过程工厂的所述至少一部分相对应的接收方 大数据节点。2. 根据权利要求1所述的区域性大数据节点，其中，所述多个区域中的所述一个区域 是根据地理、物理、功能或者逻辑群组中的至少一种来形成的。3. 根据权利要求1所述的区域性大数据节点，其中： 所述多个区域中的所述一个区域的所述多个本地大数据节点包括以下各项中的至少 一项：所述过程工厂中所包括的过程控制设备、网关设备、接入点、路由设备、历史库设备或 者网络管理设备；以及 所述过程控制设备是以下各项中的一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备。4. 根据权利要求1所述的区域性大数据节点，其中，所述区域性大数据包括多种类型 的数据，并且数据类型的集合包括连续数据、事件数据、测量数据、批量数据、经计算的数 据、诊断数据、配置数据、与所述学到的知识相对应的数据、以及与其它学到的知识相对应 的数据。5. 根据权利要求1所述的区域性大数据节点，其中，所述学习分析包括以下各项中的 至少一项：偏最小二乘回归分析、随机森林、模式识别、预测分析、相关分析、主分量分析、数 据挖掘、数据发现或者包括启发式学习的其它机器学习技术。6. 根据权利要求1所述的区域性大数据节点，其中： 基于所述学习分析的所述结果，对所述过程工厂的所述至少一部分的所述操作进行所 述改变，包括：基于所述学到的知识，对在所述多个区域中的所述一个区域中执行的操作进 行修改，以及 所述大数据分析器还被配置为：使得对所述修改的指示结合所述学到的知识一起被发 送给所述接收方大数据节点。7. 根据权利要求1所述的区域性大数据节点，其中： 所述学到的知识是第一学到的知识，所述学习分析是第一学习分析，并且所述多个区 域中的所述一个区域是第一区域； 所述大数据接收器还被配置为：接收由所述多个区域中的第二区域的另一个大数据节 点生成的第二学到的知识；以及 所述大数据分析器还被配置为执行以下各项中的至少一项：（i)基于所接收的第二学 到的知识，使得对在所述第一区域中执行的操作进行修改，或者（ii)对所述区域性大数据 中的至少一些和所接收的第二学到的知识执行第二学习分析。8. 根据权利要求7所述的区域性大数据节点，其中，所述第二区域中的所述另一个大 数据节点是对所述第二区域进行服务的区域性大数据节点。9. 根据权利要求1所述的区域性大数据节点，其中，所述学到的知识包括以下各项中 的至少一项：对于所述区域性大数据节点来说先前未知的源自于所述过程的控制的另外数 据、应用、服务、例程、功能或者另一种学习分析。10. 根据权利要求1所述的区域性大数据节点，其中，所述大数据分析器还被配置为： 基于所述学到的知识，执行上下文搜索。11. 根据权利要求1所述的区域性大数据节点，其中，所述大数据分析器还被配置为： 基于所述学到的知识，向用户提供建议。12. 根据权利要求1所述的区域性大数据节点，其中： 所述网络接口将所述区域性大数据节点通信地连接到用户接口大数据节点，所述用户 接口大数据节点包括用户接口和一个或多个相应的分析例程； 所述大数据接收器还被配置为：使用所述网络接口，来接收基于在所述用户接口大数 据节点处执行的所述一个或多个相应的分析例程的结果而生成的数据，并且将从所述用户 接口大数据节点接收的所述数据存储在所述大数据存储区域中，其中所述一个或多个相应 的分析例程的所述结果是基于经由所述用户接口大数据节点的所述用户接口接收的用户 输入的；以及 所述大数据分析器还被配置为：对所述区域性大数据的另一部分执行所述学习分析或 者另一种学习分析，其中所述区域性大数据的所述另一部分包括从所述用户接口大数据节 点接收的所述数据。13. 根据权利要求1所述的区域性大数据节点，其中： 所述网络接口将所述区域性大数据节点通信地连接到集中式大数据节点； 所述集中式大数据节点包括一个或多个相应的分析例程； 所述区域性大数据节点的所述大数据接收器还被配置为：使用所述网络接口，来接收 基于在所述集中式大数据节点处执行的所述一个或多个分析例程的结果而生成的数据，并 且将从所述集中式大数据节点接收的所述数据存储在所述大数据存储区域中；以及 进行以下操作中的至少一项： 所述大数据分析器还被配置为：对所述区域性大数据的另一部分执行所述学习分析或 者另一种学习分析，其中所述区域性大数据的所述另一部分包括从所述集中式大数据节点 接收的所述数据，或者 所述区域性大数据节点被配置为：基于从所述集中式大数据节点接收的所述数据，对 操作进行修改。14. 根据权利要求1所述的区域性大数据节点，其中，在一个或多个集成电路芯片上， 包括所述大数据接收器或者所述大数据分析器中的至少一个的至少一部分。15. 根据权利要求1所述的区域性大数据节点，其中，所述大数据接收器或者所述大数 据分析器中的至少一个的至少一部分包括：存储在所述区域性大数据节点的存储器上并可 由所述区域性大数据节点的处理器执行的计算机可执行指令。16. -种利用区域性大数据来改进用于对过程进行控制的过程工厂的操作的方法，所 述方法包括： 在所述过程工厂的一个或多个区域性大数据节点处收集数据，其中： 所述一个或多个区域性大数据节点中的每一个对应于所述过程工厂的多个区域中所 包括的相应区域， 所收集的数据包括由所述相应区域的相应多个本地大数据节点发送的数据，以及 每一个本地大数据节点实时地发送相应的数据，其中所述相应的数据源自于所述每一 个本地大数据节点的所述相应区域的在线操作； 将所收集的数据作为区域性大数据存储在所述一个或多个区域性大数据节点处； 由所述一个或多个区域性大数据节点对所述区域性大数据的至少一部分执行一种或 多种学习分析； 基于所述一种或多种学习分析的结果，生成学到的知识；以及 基于所述一种或多种学习分析的所述结果，使得对所述过程工厂的至少一部分的操作 进行改变，其包括：将所述学到的知识发送给与所述过程工厂的所述至少一部分相对应的 接收方大数据节点。17. 根据权利要求16所述的方法，其中，在无需使用任何实时用户输入的情况下，自主 地执行所述方法。18. 根据权利要求16所述的方法，其中，所述一个或多个区域性大数据节点中的每一 个是根据地理、物理、功能或者逻辑群组中的一种来形成的。19. 根据权利要求1所述的方法，其中： 在所述一个或多个区域性大数据节点处收集所述数据，包括收集由以下各项中的至少 一项发送的数据：所述过程工厂的过程控制设备、网关设备、接入点、路由设备、历史库设 备、用户接口设备或者网络管理设备； 所述过程控制设备是以下各项中的一项：控制器、执行物理功能以控制所述过程的至 少一部分的现场设备、或者通信地耦合所述控制器和所述现场设备的输入/输出（I/O)设 备；以及 所收集的数据包括数据类型的集合中所包括的至少一种类型的数据，其中所述数据类 型的集合包括：连续数据、事件数据、测量数据、批量数据、经计算的数据、诊断数据、配置数 据、以及与其它学到的知识相对应的数据。20. 根据权利要求16所述的方法，其中，所述学到的知识是第一学到的知识，并且其 中，在所述一个或多个区域性大数据节点处收集所述数据包括：收集由所述一个或多个区 域性大数据节点或者所述过程工厂的另一个大数据节点生成的第二学到的知识。21. 根据权利要求16所述的方法，还包括以下各项中的至少一项： 选择所述一种或多种学习分析中的第一至少一种学习分析， 或者导出所述一种或多种学习分析中的第二至少一种学习分析。22. 根据权利要求16所述的方法，其中，生成所述学到的知识包括生成以下各项中的 至少一项：对于所述一个或多个区域性大数据节点来说先前未知的另外数据、新的或者经 修改的应用、新的或者经修改的功能、新的或者经修改的例程、新的或者经修改的学习分 析、或者新的或者经修改的服务。23. 根据权利要求16所述的方法，其中： 所述区域性大数据的所述至少一部分是所述区域性大数据的第一至少一部分；以及 所述方法还包括：对所述区域性大数据的第二至少一部分执行新的或者经修改的学习 分析。24. 根据权利要求16所述的方法，其中，执行所述一种或多种学习分析包括：执行机器 学习分析、预测分析、数据挖掘或数据发现中的至少一种。25. 根据权利要求16所述的方法，其中： 由所述一个或多个区域性大数据节点执行所述一种或多种学习分析包括：由一个以上 的区域性大数据节点执行所述一种或多种学习分析；以及 基于所述一种或多种学习分析的结果，生成所述学到的知识包括：基于所述一个以上 的区域性大数据节点执行的所述一种或多种学习分析的结果，生成所述学到的知识。26. -种用于在过程工厂中支持区域性大数据的系统，包括： 一个或多个区域性大数据节点； 多个本地大数据节点；以及 通信网络，其通信地连接所述一个或多个区域性大数据节点和所述多个本地大数据节 点，所述多个本地大数据节点被布置到多个区域中，所述多个区域中的每一个区域由所述 一个或多个区域性大数据节点中所包括的相应区域性大数据节点进行服务，其中，所述相 应区域性大数据节点被配置为： 收集由与所述相应区域性大数据节点所服务的相应区域相关联的本地大数据节点的 集合实时地生成的数据，其中所述数据是由于对所述过程工厂中的过程的实时控制而由所 述本地大数据节点的集合实时地生成的； 将所收集的数据作为相应的区域性大数据存储在所述相应区域性大数据节点中所包 括的大数据存储区域处；以及 使用所述相应区域性大数据节点中所包括的大数据分析器，来对所存储的相应区域性 大数据的至少一部分执行学习分析，以及 基于所执行的学习分析的结果，生成学到的知识；以及 进行以下操作中的至少一项：（i)在所述大数据存储区域处，将所述学到的知识存储 成另外的相应区域性大数据，或者（ii)向所述过程工厂中所包括的接收方大数据节点发 送所述学到的知识。27. 根据权利要求26所述的系统，其中，所述多个本地大数据节点根据地理、物理、功 能或者逻辑群组中的至少一种而被布置到所述多个区域中。28. 根据权利要求26所述的系统，其中，所述学到的知识包括以下各项中的至少一项： 源自于对所述过程的所述实时控制的另外数据、应用、功能、服务、例程或者另一种学习分 析。29. 根据权利要求26所述的系统，其中，所执行的学习分析的所述结果包括：基于所存 储的相应区域性大数据的所述至少一部分的属性的预测。30. 根据权利要求26所述的系统，还包括具有相应的学习分析的用户接口大数据节 点，并且其中： 所收集的数据是第一收集的数据，以及 所述相应区域性大数据节点还被配置为： 收集在所述用户接口大数据节点处通过执行所述相应的学习分析所生成的第二数 据； 将所述第二收集的数据存储在所述相应区域性大数据节点中所包括的所述大数据存 储区域处；以及 进行以下操作中的至少一项：对所存储的包括所述第二收集的数据的相应区域性数据 的集合执行所述学习分析或者另一种学习分析，或者使得所述第二收集的数据被发送给另 一个大数据节点。31. 根据权利要求26所述的系统，还包括集中式大数据节点或者另一种类型的大数据 节点中的至少一个，并且其中： 所收集的数据是第一收集的数据；以及 所述相应区域性大数据节点还被配置为： 收集在所述集中式大数据节点或者所述另一种类型的大数据节点中的所述至少一个 处通过执行学习分析所生成的第二数据； 将所述第二收集的数据存储在所述相应区域性大数据节点中所包括的所述大数据存 储区域处；以及 对所存储的包括所述第二收集的数据的相应区域性数据的集合执行所述学习分析或 者另一种学习分析。32. 根据权利要求26所述的系统，其中，由所述本地大数据节点的集合实时地生成的 所述数据包括由以下各项中的一项或多项实时地生成的数据： 现场设备； 控制器，其被配置为：接收一组输入，基于所述一组输入来确定输出的值，以及使得所 述输出被发送给所述现场设备以控制由所述过程工厂执行的所述过程，其中所述现场设备 被配置为：基于所述控制器的所述输出来执行物理功能以控制所述过程； 输入/输出（I/O)设备，其具有与所述控制器的接口以及与所述现场设备的接口； 网关设备； 接入点； 路由设备； 历史库设备；或者 网络管理设备。33. 根据权利要求26所述的系统，其中，将所述学到的知识发送给所述接收方大数据 节点，并且其中，所述接收方大数据节点使得进行以下操作中的至少一项：（i)基于所接收 的学到的知识，对所述接收方大数据节点进行修改；或者（ii)对去往所述接收方大数据节 点的大数据的提供方进行修改。
【专利摘要】在过程工厂或者过程控制系统的实时操作期间，区域性大数据节点对该工厂/系统的多个区域中的相应区域进行监督或者服务，其中这些区域中的至少一些均包括可操作用于对在该工厂/系统中执行的过程进行控制的一个或多个过程控制设备。该区域性大数据节点被配置为：将流式数据以及其相应区域所生成、接收或者观测的学到的知识作为大数据进行接收和存储，并对所存储的数据中的至少一些执行一种或多种学习分析。作为该学习分析的结果，该区域性大数据节点创建新的学到的知识，其中该区域性大数据节点可以利用该新的学到的知识来修改其相应区域中的操作，和/或该区域性大数据节点可以向该工厂/系统的其它大数据节点发送该新的学到的知识。
【IPC分类】G05B19/418
【公开号】CN105487499
【申请号】CN201510640227
【发明人】P·索恩约, M·J·尼克松, W·K·沃伊斯青斯, J·M·卢卡斯, E·D·罗特沃尔, T·L·布莱文斯, P·R·穆斯托尼, G·K·劳
【申请人】费希尔-罗斯蒙特系统公司
【公开日】2016年4月13日
【申请日】2015年9月30日
【公告号】DE102015117015A1, US20160098021
最新回复(0)