[發(fā)明專利]用于生成人工智能模型的方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201980084330.4
• 申請(qǐng)日: 2019-12-20
• 公開(kāi)（公告）號(hào): CN113168564A
• 公開(kāi)（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: J·弗蘭克;J·佐勒加里多;I·托恩
• 申請(qǐng)（專利權(quán)）人: 西門子股份公司
• 主分類號(hào): G06N3/063
• 分類號(hào): G06N3/063
• 代理公司: 中國(guó)專利代理(香港)有限公司 72001
• 代理人: 劉書航;劉春元

本發(fā)明提供了一種用于為工程系統(tǒng)（110）生成AI模型（200）的方法，所述方法包括：?（S10）在工程框架系統(tǒng)（400）中確定人工智能AI功能（420）；?通過(guò)計(jì)算圖為AI模型（200）的生成定義（S20）推斷路徑（422）；?將AI功能（420）和推斷路徑（422）轉(zhuǎn)換（S30）成處理格式；?將經(jīng)轉(zhuǎn)換的AI功能（420）發(fā)送并導(dǎo)出（S40）到AI工作臺(tái)模塊（520）的提取和擴(kuò)展模塊（522）；?在工程系統(tǒng)（110）的處理模塊（310）和/或另外的處理設(shè)備上部署（S50）經(jīng)轉(zhuǎn)換的AI功能（420）；?將推斷路徑（422）的擴(kuò)展計(jì)算圖從提取和擴(kuò)展模塊（522）傳輸（S60）到AI框架模塊（540）；?通過(guò)使用支持通信協(xié)議來(lái)使通信適配器（524）與處理模塊（310）連續(xù)地通信（S70），以用于接收作為AI功能（420）的輸入的訓(xùn)練數(shù)據(jù)，并將它們轉(zhuǎn)發(fā)給AI框架模塊（540）；?將AI模型（200）的學(xué)習(xí)到的參數(shù)從AI框架模塊（540）的API接口（542）傳遞（S80）到通信適配器（524），以用于更新AI模型（200）。

本發(fā)明涉及一種為工程系統(tǒng)生成人工智能模型的方法和系統(tǒng)。

常規(guī)地，在分布式系統(tǒng)中，例如在制造工廠中，執(zhí)行工程和配置不同的處理涉及來(lái)自擁有作為這樣的工程的一部分的各種類型的裝備的領(lǐng)域知識(shí)的專家的貢獻(xiàn)。此外，這樣的工程的性能很大程度上取決于專家手動(dòng)引用與裝備相關(guān)聯(lián)的工程數(shù)據(jù)，為裝備選擇自動(dòng)化功能實(shí)例（即，邏輯表示），以及手動(dòng)配置分布式系統(tǒng)的工程。然而，當(dāng)一個(gè)處理或一個(gè)產(chǎn)品正在被工程設(shè)計(jì)時(shí)，以及當(dāng)工程正在被實(shí)時(shí)實(shí)現(xiàn)時(shí)，未能自動(dòng)地配置和執(zhí)行工程典型地會(huì)由于缺乏對(duì)工程的所執(zhí)行的驗(yàn)證和確認(rèn)而造成工程錯(cuò)誤。此外，未能自動(dòng)執(zhí)行工程配置還造成執(zhí)行這樣的工程所需的時(shí)間、成本和工作量的增加，從而影響分布式控制系統(tǒng)的整體操作效率。

更進(jìn)一步地，在停機(jī)、維護(hù)或裝備更換——其中新的裝備被插入到分布式系統(tǒng)中——的情況下，常規(guī)的工程方法和系統(tǒng)不能自動(dòng)更新工程的配置，例如軟件配置或網(wǎng)絡(luò)配置等，以用于合并新插入的裝備，因?yàn)檫@些常規(guī)的工程方法和系統(tǒng)主要依賴于處理的手動(dòng)配置。這典型地會(huì)導(dǎo)致維護(hù)成本增加。

為了使用人工智能方法，AI，或機(jī)器學(xué)習(xí)，ML，對(duì)于這樣的任務(wù)，典型的方法是記錄設(shè)備和/或系統(tǒng)和/或其他數(shù)據(jù)源的數(shù)據(jù)，并且然后將其饋送到AI模型中。利用該數(shù)據(jù)，AI模型就可以為特定的任務(wù)找到解決方案。模型的訓(xùn)練是在諸如Tensorflow^TM或Theano^TM或Caffe^TM或Torch^TM之類的AI框架的環(huán)境中執(zhí)行的，這是在強(qiáng)大的硬件工具上實(shí)現(xiàn)的，因?yàn)锳I模型的訓(xùn)練需要大量的計(jì)算能力和內(nèi)存。

然而，與訓(xùn)練相比，對(duì)于最終的經(jīng)訓(xùn)練的AI模型的執(zhí)行，只需要一小部分的計(jì)算能力和內(nèi)存。因此，最終的AI模型可以在具有有限計(jì)算資源的邊緣設(shè)備的處理模塊上執(zhí)行，該邊緣設(shè)備在工業(yè)上下文中可以是可編程邏輯控制器（PLC）。可編程邏輯控制器（PLC）或可編程控制器是一種工業(yè)數(shù)字計(jì)算機(jī)，其適于控制制造處理，諸如裝配線或機(jī)器人設(shè)備，或需要高可靠性控制和易于編程和處理故障診斷的任何活動(dòng)。它們被廣泛用作適用于工業(yè)環(huán)境的高可靠性自動(dòng)化控制器。

出于安全和安保原因，PLC通常是對(duì)操作系統(tǒng)的訪問(wèn)有限的封閉平臺(tái)。因此，客戶需要使用工程框架，諸如西門子公司的TIA Portal，來(lái)用于PLC的配置和編程。因此，為了在PLC上部署AI模型，需要各種手動(dòng)和勞動(dòng)密集型步驟。

更進(jìn)一步地，在許多情況下，需要這些勞動(dòng)密集型部署步驟的多次迭代，因?yàn)锳I模型訓(xùn)練的記錄數(shù)據(jù)并不總是覆蓋所有可能的系統(tǒng)狀態(tài)。對(duì)于AI模型架構(gòu)（例如，添加新的傳感器信號(hào)）或模型參數(shù)（例如，系統(tǒng)行為改變）的更新，需要重復(fù)若干次訓(xùn)練和部署步驟。更進(jìn)一步地，并不總是存在工業(yè)系統(tǒng)的數(shù)據(jù)記錄或仿真可用。尤其是對(duì)于高度動(dòng)態(tài)的系統(tǒng)，諸如網(wǎng)絡(luò)流量，需要在線/實(shí)時(shí)學(xué)習(xí)方法。