eines zu konfigurierenden Feldgeräts der Automatisierungstechnik

Die Erfindung betrifft ein Verfahren zur Verbesserung der Messperformance eines zu konfigurierenden Feldgeräts, das in einer definierten Anwendung installiert ist und das zumindest eine physikalische oder chemische

Prozessgröße eines Mediums in einer Automatisierungsanlage bestimmt oder überwacht.

In Automatisierungsanlagen, insbesondere in Prozess- und

Fabrikautomatisierungsanlagen, werden vielfach Feldgeräte eingesetzt, die zur Erfassung und/oder Beeinflussung von Prozessvariablen dienen. Zur Erfassung von Prozessvariablen eines gasförmigen, flüssigen oder festen Mediums werden Sensoren verwendet, die beispielsweise in

Füllstandsmessgeräte, Durchflussmessgeräte, Druck- und

Temperaturmessgeräte, pH-Redoxpotentialmessgeräte,

Leitfähigkeitsmessgeräte, Spektrometer, usw. integriert sind, welche die entsprechenden Prozessvariablen Füllstand, Durchfluss, Druck, Temperatur, pH-Wert, Leitfähigkeit, chemische Zusammensetzung des Mediums erfassen. Zur Beeinflussung von Prozessvariablen dienen Aktoren, wie zum Beispiel Ventile oder Pumpen, über die der Durchfluss einer Flüssigkeit in einem Rohrleitungsabschnitt bzw. der Füllstand in einem Behälter geändert werden kann. Als Feldgeräte werden im Prinzip alle Geräte bezeichnet, die

prozessnah eingesetzt werden und die prozessrelevante Informationen liefern oder verarbeiten. Im Zusammenhang mit der Erfindung werden unter

Feldgeräten also auch Remote I/Os, Funkadapter bzw. allgemein Geräte verstanden, die in einer Automatisierungsanlage angeordnet sind. Eine Viel zahl solcher Feldgeräte wird von der Firma Endress + Hauser hergestellt und vertrieben.

Feldgeräte sind oftmals sehr komplex; entsprechend schwierig ist es, sie zu konfigurieren. Als Beispiel sei ein Radar-Füllstandsmessgerät genannt, das nach dem Laufzeitprinzip arbeitet. Dieses Gerät hat eine große Anzahl von Parametern, die entsprechend der jeweiligen Anwendung/Applikation eingestellt werden müssen. Darüber hinaus kann das Feldgerät in der Anwendung/in dem Prozess auch einer Vielzahl von Störgrößen ausgesetzt sein, die ebenfalls bei der Konfiguration bzw. Parametrierung berücksichtigt werden müssen. Eine Konfiguration oder die Behebung einer Störung eines Feldgeräts wird heute vom Servicetechniker vor Ort durchgeführt. Dieser versucht zuerst das Problem zu verstehen und anschließend eine korrekte Konfiguration für das Feldgerät zu finden. Damit die gefundene Lösung trägt, ist sowohl fundiertes Fachwissen bezüglich des Feldgeräts als auch

Fachwissen hinsichtlich des Prozesses, in dem das Feldgerät installiert ist, erforderlich. Weiterhin muss der Servicetechniker auch alle in einer Applikation möglicherweise auftretenden Probleme sowie die Lösungsoptionen zur Behebung des jeweils aufgetretenen Problems kennen.

Der Erfindung liegt die Aufgabe zugrunde, ein Feldgerät auf einfache Art und Weise so zu konfigurieren, dass es mit einer auf den Prozess abgestimmten - also optimalen - Messperformance arbeitet.

Die Aufgabe wird gelöst durch ein Verfahren zur Verbesserung der

Messperformance eines zu konfigurierenden Feldgeräts, das in einer definierten Anwendung installiert ist und das zumindest eine physikalische oder chemische Prozessgröße in einer Automatisierungsanlage bestimmt oder überwacht, mit folgenden Verfahrensschritten:

eine Vielzahl von Feldgeräten, die unterschiedliche physikalische oder chemische Prozessgrößen in unterschiedlichen Anwendungen und unter unterschiedlichen, an den jeweiligen Messpositionen der Feldgeräte

herrschenden Umgebungsbedingungen bestimmen oder überwachen, werden mittels eines Konfigurationstools konfiguriert bzw. parametriert,

die Konfigurationsdaten, die Informationen über die jeweiligen Anwendungen und die Informationen über die an den jeweiligen Messpositionen

herrschenden Umgebungsbedingungen der einzelnen Feldgeräte werden in einem zentralen Datenspeicher als Trainingsdaten abgelegt;

die Trainingsdaten werden einem lernfähigen Rechenprogramm, das zumindest eine Methode der Künstlichen Intelligenz anwendet, zur Verfügung gestellt;

zwecks Konfiguration bzw. Parametrierung des zu konfigurierenden

Feldgeräts werden dem lernfähigen Rechenprogram aktuelle Informationen über die jeweilige Anwendung und die an der Messposition des zu

konfigurierenden Feldgeräts herrschenden Umgebungsbedingungen zur Verfügung gestellt,

aufgrund der aktuellen Informationen werden dem zu konfigurierenden

Feldgerät, basierend auf der Vielzahl der Trainingsdaten, von dem lernfähigen Rechenprogramm Konfigurationsdaten bereitgestellt, die auf die jeweilige Anwendung unter Berücksichtigung der an der Messposition des zu

konfigurierenden Feldgeräts herrschenden Umgebungsbedingungen abgestimmt sind.

Was unter Feldgeräten im Zusammenhang mit der Erfindung zu verstehen ist, wurde bereits in der Beschreibungseinleitung dargelegt. Auf eine

Wiederholung wird verzichtet. Als Umgebungsinformationen werden

insbesondere physikalische oder chemische Messgrößen herangezogen, die Einfluss auf das Feldgerät, insbesondere auf die Alterung des Feldgeräts haben. Die Umgebungsinformationen sind quantitativ und/oder qualitativ bestimmbar. Quantitativ bedeutet hierbei, dass die Größen von Messgeräten gemessen werden; qualitativ bedeutet, dass ihre Auswirkungen auf die

Feldgeräte hinreichend genau bestimmt werden. Als Beispiel kann hier eine zeitweise betriebene Pumpe genannt werden, die während des Betriebs leichte, mittlere oder starke Vibrationen verursacht.

Mittels des erfindungsgemäßen Verfahrens ist es möglich, ein Feldgerät mit Konfigurationsdaten auszustatten, die optimal angepasst sind auf die jeweilige Anwendung, in der das Feldgerät installiert ist. Durch die kontinuierliche Verbesserung und Optimierung der Konfigurationsdaten einer Vielzahl von Feldgeräten (Big Data) ist es letztlich möglich, die optimale Konfiguration für ein Feldgerät in einer Anwendung zu finden, ohne dass seitens des Service personals Spezialkenntnisse vorhanden sein müssen. Das lernfähige, auf Kl basierende Rechenprogramm wird über eine Vielzahl von Konfigurationsdaten und Umgebungsinformationen von Feldgeräten eingelernt und übernimmt nachfolgend die Konfiguration selbstständig, oder aber es fungiert - zumindest in einer sog. Flilfephase als Konfigurationshilfe. Fehlen dem lernfähigen Rechenprogramm Informationen, so tritt es in Kontakt mit dem Servicepersonal oder einer geeigneten Datenbank und erfragt die fehlenden Informationen.

Gemäß einer Weiterbildung des erfindungsgemäßen Verfahrens werden die Kalibrierdaten und die Umgebungsinformationen in der Datenbank

abgespeichert. Bevorzugt handelt es sich aufgrund der großen Anzahl der Daten, die mitunter weltweit an unterschiedlichen Positionen bestimmt und gesammelt werden, um eine cloudfähige Datenbank.

Im Zuge der Schlagworte„Industrial Internet of Things (lloT)“ und„Industrie 4.0“ werden vermehrt Daten aus industriellen Anlagen auf sogenannten cloudfähigen Datenbanken gespeichert. Als cloudfähige Datenbank wird eine Datenbank verstanden, welche kompatibel zur Cloud-Computing-Technologie ist. Unter Cloud Computing wird in diesem Fall das Speichern von

Informationen und das Zugreifen auf die gespeicherten Informationen über das Internet verstanden.

Zum Zugriff auf eine solche Datenbank und zum Austausch der Daten werden sogenannte Schnittstellen zur Anwendungsprogrammierung (engl.:

„Application Programm Interface“, kurz„API“) verwendet. Diese definieren die erlaubten Befehle und Zugriffsarten auf eine Datenbank. Vor dem Zugriff kann die API eine Authentifikation des Benutzers verlangen. Diese Authentifikation wird üblicherweise über einen Schlüssel (einen sogenannten„API key“) realisiert. Bevorzugt kommen diese Technologien in Verbindung mit dem erfindungsgemäßen Verfahren zum Einsatz.

Als vorteilhaft wird es im Zusammenhang mit dem erfindungsgemäßen Verfahren erachtet, wenn das lernfähige Rechenprogram bzw. das

mathematische Modell mit den Methoden des Machine Learning arbeitet. Insbesondere ist vorgesehen, dass das lernfähige Rechenprogramm zumindest ein neuronales Netz verwendet. Alternative Ausgestaltungen des erfindungsgemäßen Verfahrens nutzen die Nearest Neighbor Methode, Entscheidungsbäume und/oder eine Support Vector Machine. Weitere Varianten, die in Verbindung mit der erfindungsgemäßen Lösung einsetzbar sind, sind die Methoden der Linear oder Nonlinear Regression, Ensembles, Naive Bayes oder Logistic Regression. Diese und weitere geeignete Methoden aus dem Bereich der Künstlichen Intelligenz, die für das lernfähige Rechenprogramm eingesetzt werden, sind beispielsweise aus dem Fachbuch “Grundkurs Künstliche Intelligenz“, 4. Auflage von Herrn Prof. Ertl bekannt geworden.

Bevorzugt erfolgen die Berechnungen in einer Cloudanwendung. Alternativ kann das lernfähige Rechenprogramm auch auf einem Bedientool installiert sein.

In Industrieanlagen erfolgt die Kommunikation zwischen zumindest einer übergeordneten Steuereinheit und den Feldgeräten in der Regel über ein Bussystem, wie beispielsweise Profibus® PA, Foundation Fieldbus® oder HART®. Die Bussysteme können sowohl drahtgebunden als auch drahtlos ausgestaltet sein. Die übergeordnete Steuereinheit dient zur Prozess steuerung, zur Prozessvisualisierung, zur Prozessüberwachung sowie zur Inbetriebnahme und Bedienung der Feldgeräte und wird auch als Konfigurier- /Managementsystem bezeichnet. Auch ist es bekannt geworden, Feldgeräte mit Internetschnittstellen zwecks Kommunikation und/oder Energieversorgung auszurüsten.

In zunehmendem Maße sind Feldgeräte der Automatisierungstechnik auch oder ausschließlich mit einer Nahfeldkommunikationsschnittstelle

ausgestattet. Bevorzugt handelt es sich bei einer entsprechenden

Nahfeldkommunikationsschnittstelle (NFC Schnittstelle) um eine

standardisierte Schnittstelle, z.B. eine Bluetooth- bzw. eine Bluetooth Low Energy- (BLE) Schnittstelle, die eine Reichweite bis ca. 100 m haben. Unter Verwendung einer entsprechenden App sind die Feldgeräte dann mittels handelsüblicher Kommunikationstools (Smartphone, Tablet, Laptop, ...) bedienbar. Die zuvor genannten Kommunikationsmöglichkeiten der Feldgeräte sind selbstverständlich auch - einzeln oder in Kombination - in Verbindung mit der erfindungsgemäßen Lösung einsetzbar.

Eine vorteilhafte Weiterbildung des erfindungsgemäßen Verfahrens schlägt vor, dass die Konfigurationsdaten und die aktuellen Informationen über die jeweilige Anwendung und die an der Messposition des zu konfigurierenden Feldgeräts herrschenden Umgebungsbedingungen in der zentralen Datenbank gespeichert werden. Zur Übermittlung der Konfigurationsdaten wird im Zusammenhang mit der Erfindung zumindest eines der bekannten drahtlosen oder drahtgebundenen Kommunikationsverfahren verwendet.

Bevorzugt werden die Trainingsdaten für das lernfähige Rechenprogramm im Rahmen der Inbetriebnahme oder im Rahmen eines Wartungs- oder

Serviceeinsatzes gewonnen.

Weiterhin ist folgendes vorgesehen: Für den Fall, dass an einem Feldgerät eine Fehlfunktion auftritt, die einen nachfolgenden Service- oder

Wartungseinsatz des Servicepersonals erfordert, wird Information bezüglich der Fehlfunktion und Information zur Behebung der Fehlfunktion in dem zentralen Datenspeicher gespeichert.

Falls an einem der Feldgeräte eine Fehlfunktion auftritt, die einen

nachfolgenden Service- oder Wartungseinsatz eines Servicetechnikers erfordert, wobei während dem nachfolgenden Service- oder Wartungseinsatz die ursprünglichen Konfigurationsdaten geändert werden, ist folgendes vorgesehen: Die ursprünglichen Konfigurationsdaten, gegebenenfalls auch die ursprünglichen Informationen über die jeweilige Anwendung und die an der Messposition des Feldgeräts herrschenden Umgebungsbedingungen, werden in dem zentralen Datenspeicher durch die geänderten Konfigurationsdaten und/oder geänderten Informationen über die jeweilige Anwendung und die an der Messposition des Feldgeräts herrschenden Umgebungsbedingungen ersetzt. Alternativ sind die abgespeicherten Daten mit Zeitstempel versehen.

Darüber hinaus wird vorgeschlagen, dass nach der Einlernphase des

Rechenprogramms, das sich zumindest einer Methode der Künstlichen Intelligenz bedient, die Inbetriebnahme, Fehlerbehebung oder Wartung der Feldgeräte über ungeschultes Bedienpersonal oder automatisch erfolgt - dies ist die Phase der automatischen Konfiguration eines Feldgeräts.

Für den Fall, dass die jeweilige Anwendung und die an der Messposition des Feldgeräts herrschenden Umgebungsbedingungen bekannt sind, wird vorgeschlagen, dass das zu kalibrierende Feldgerät z.B. zum Zeitpunkt der Erstinstallation - mit Konfigurationsdaten voreingestellt ist, die bereits auf die jeweilige Anwendung unter Berücksichtigung der an der Messposition des zu konfigurierenden Feldgeräts herrschenden Umgebungsbedingungen abgestimmt sind.

Wird zu einem zukünftigen (späteren) Zeitpunkt eine Änderung an den

Konfigurationsdaten eines Feldgeräts zwecks Verbesserung der

Messperformance vorgenommen, so werden allen Feldgeräten über ungeschultes Personal oder automatisch entsprechende geänderte

Konfigurationsdaten, die auf die jeweilige Anwendung unter Berücksichtigung der an der jeweiligen Messposition der Feldgeräte herrschenden

Umgebungsbedingungen abgestimmt sind, bereitgestellt.

Bevorzugt erfolgt die Bereitstellung von Konfigurationsdaten oder von geänderten Konfigurationsdaten, die auf die jeweilige Anwendung unter Berücksichtigung der an der jeweiligen Messposition der Feldgeräte

herrschenden Umgebungsbedingungen abgestimmt sind, über Internet oder Intranet. Die Kommunikation erfolgt im Wesentlichen zwischen dem

intelligenten Feldgerät und dem lernfähigen Rechenprogramm. Beispielsweise ist das lernfähige Rechenprogramm dem Feldgerät selbst integriert. Es handelt sich jetzt um ein intelligentes Feldgerät.

Die Erfindung wird anhand der nachfolgenden Figuren näher erläutert. Es zeigt:

Fig. 1 zeigt eine schematische Darstellung der erfindungsgemäßen Phase 1 - der sog. Lernphase - zur Konfiguration eines Feldgeräts 1. Das

erfindungsgemäße Verfahren dient der Verbesserung bzw. Optimierung der Messperformance des zu konfigurierenden Feldgeräts 1. Das Feldgerät 1 ist in einer definierten Anwendung installiert und bestimmt oder überwacht zumindest eine definierte physikalische oder chemische Prozessgröße eines Mediums, das z.B. in einem Behälter oder einer Rohrleitung befindlich ist. Allgemein wird im Rahmen der Erfindung davon gesprochen, dass sich das Feldgerät 1 in einer Automatisierungsanlage befindet. Um die Phase 1 durchzuführen, sind die nachfolgend beschriebenen

Verfahrensschritte vorgesehen: Eine Vielzahl von Feldgeräten 1 n, die unterschiedliche physikalische oder chemische Prozessgrößen in

unterschiedlichen Anwendungen An und unter unterschiedlichen, an den jeweiligen Messpositionen der Feldgeräte 1 herrschenden

Umgebungsbedingungen UBn bestimmen oder überwachen, werden mittels eines Konfigurationstools 2 konfiguriert bzw. parametriert. In den Figuren ist aus Gründen der Übersichtlichkeit jeweils nur ein Feldgerät 1 in einer

Applikation A gezeigt. Die entsprechenden Umgebungsbedingungen an der Messpositon von dem einen Feldgerät 1 sind mit UB gekennzeichnet.

Erfindungsgemäß handelt es sich jedoch um eine Vielzahl von Feldgeräten 1 n, die an Messposiitonen MPn unter unterschiedlichen

Umgebungsbedingungen UBn in unterschiedlichen Applikationen An installiert sind.

Die Konfiguration wird üblicherweise von einem erfahrenen Servicetechniker ST durchgeführt, der sowohl Kenntnisse hat über das Feldgerät 1 als auch über den Prozess, in dem sich das Feldgerät 1 befindet. Die

Konfigurationsdaten, die Informationen über die jeweiligen Anwendungen An und die Informationen über die an den jeweiligen Messpositionen

herrschenden Umgebungsbedingungen UBn der einzelnen Feldgeräte 1 werden in einem zentralen Datenspeicher 4 als Trainingsdaten abgelegt. Die Trainingsdaten TD werden einem lernfähigen Rechenprogramm 5, das zumindest eine Methode der Künstlichen Intelligenz anwendet, zur Verfügung gestellt. Mit den Trainingsdaten TD wird das lernfähige Rechenprogramm 5 trainiert. Die Vielzahl der unterschiedlichen Feldgeräte 1 , die in

unterschiedlichen Applikationen An und unter unterschiedlichen

Umgebungsbedingungen UBn installiert sind und entsprechend angepasste Kalibrierdaten haben, sind in Fig. 1 nicht dargestellt.

Zwecks Konfiguration bzw. Parametrierung des in Fig. 1 dargestellten und zu konfigurierenden Feldgeräts 1 werden dem lernfähigen Rechenprogram 5 aktuelle Informationen über dessen Anwendung A und die an der

Messposition des zu konfigurierenden Feldgeräts 1 herrschenden

Umgebungsbedingungen UB zur Verfügung gestellt. Aufgrund dieser aktuellen Informationen werden dem zu konfigurierenden Feldgerät 1 , basierend auf der Vielzahl der Trainingsdaten TD, von dem lernfähigen Rechenprogramm 5 Konfigurationsdaten 3 bereitgestellt, die auf die jeweilige Anwendung A unter Berücksichtigung der an der Messposition des zu konfigurierenden Feldgeräts 1 herrschenden Umgebungsbedingungen UB abgestimmt sind. Es handelt sich also um Konfigurationsdaten 3, die mit hoher Wahrscheinlichkeit für das Feldgerät 1 passend sind und somit dessen Messperformance unter den gegebenen Bedingungen sicherstellen und/oder optimieren. Im Prinzip übernimmt das lernfähige Rechenprogramm am Ende der Phase 1 die

Konfiguration bzw. Parametrierung des Feldgeräts 1.

Um sicher zu gehen, dass die Konfigurationsdaten okay sind, kann

vorgesehen sein, dass der Nutzer die vom lernfähigen Rechenprogram vorgeschlagene Einstellung bestätigt. In Fig. 2 ist eine schematische

Darstellung der Phase 2 - der sog. Flilfephase - zur Konfiguration des

Feldgeräts 1 dargestellt. So kann auch vorgesehen sein, dass dem

Nutzer/Servicetechniker ST Konfigurationsvorschläge gemacht werden, und der Nutzer eine Auswahlmöglichkeit hat. Weiterhin können Fragen von dem lernfähigen Programm an den Nutzer/Servicetechniker ST gestellt werden, um die Zuverlässigkeit der gelieferten Konfigurationsdaten zu verbessern. In dieser Phase ist das lernfähige auf Kl basierende Rechenprogramm eine Konfigurationshilfe. Additiv oder alternativ kann das lernfähige

Rechenprogramm auch auf eine Best Practice- und/oder Known Issue- Datenbank zugreifen, um alle Information zur Verfügung zu haben, die für die Bereitstellung der geeigneten Konfigurationsdaten erforderlich sind.

Insbesondere kann das lernfähige Programm 5 auch gespeicherte

Informationen über bekannte Fehlfunktionen und ihre geeignete Behebung abrufen.

Fig. 3 zeigt eine schematische Darstellung der Phase 3 - Automatische Konfiguration - eines Feldgeräts 1. In dieser Phase haben sich die Vorschläge des auf der Kl basierenden Rechenprogramms zur Konfiguration der

Feldgeräte 1 bereits als zuverlässig herausgestellt. Hier übernimmt das lernfähige Rechenprogramm 5 die Konfiguration. Das lernfähige Rechenprogramm 5 braucht nun keinen weiteren Input mehr von dem

Servicetechniker ST oder von anderweitigen Informationsdatenbanken.

Fig. 4 zeigt eine schematische Darstellung der Phase 4. Bei dem Feldgerät 1 handelt es sich nun um ein intelligentes Feldgerät 1. Das lernfähige

Rechenprogramm 5 ist beispielsweise permanent oder zeitweise in das Feldgerät 1 direkt integriert. Das Feldgerät 1 ist in der Lage, sich selbst zu konfigurieren. Der Servicetechniker ST ist für die Konfiguration des Feldgeräts 1 nicht mehr erforderlich.