[发明专利]用于模块化设备的资源管理

说明书

本公开的各实施例涉及用于模块化设备的资源管理。需要对模块化设备进行更有效的资源规划。因此，提供了一种用于模块化设备的计算机实现的资源管理方法，该方法包括：接收标识要作为包括一个或多个模块的模块管线的一部分而被组装到模块化设备中的所需模块类型的数据；以及执行优化算法，以基于一个或多个预定优化标准，从具有所需模块类型的多个模块中选择用于包括在模块管线中的模块。

技术领域

本发明涉及模块化设备的资源管理系统。

背景技术

模块化自动化系统领域的模块化类型包(MTP)标准为模块与编排系统之间的互操作性创建了框架，以允许工业过程设备以更加模块化的方式构建和设计，目标是简化过程设备设计和生命周期管理。这些优势是通过称为PEA(过程装备(equipment)组装)的预制和经过充分测试的模块实现的，该模块可以轻松地以不同组合放置在一起，从而实现不同配方。

在当今的模块化设备中，模块大多是个体地定义和创建的，然后由设备工程师手动集成到整个设备中。将模块集成到设备是一项重大的设计工作，其涉及确保输入和输出流兼容性、过程参数的正确校准、以及警报的正确管理。设备操作者通常会投入大量时间和资源将模块集成到设备中。

发明内容

因此，需要对模块化设备进行更有效的资源规划和管理。这种需要由独立权利要求的主题来满足。可选特征由从属权利要求阐述。

根据第一方面，提供了一种用于模块化设备的计算机实现的资源管理方法。该方法包括：接收标识要作为包括一个或多个模块的模块管线的一部分而被组装到模块化设备中的所需模块类型的数据；以及执行优化算法，以基于一个或多个预定优化标准，从具有所需模块类型的多个模块中选择用于包括在模块管线中的模块。标识所需模块类型的数据可以包括标识那种类型的模块的数据。

优化算法可以模拟一个或多个候选管线的操作，一个或多个候选管线各自包括具有所需模块类型的多个模块中的至少一个模块。特别地，在优化标准包括容量、能耗、以及服务时间中的一项或多项的情况下，优化算法可以标识上述候选管线的模拟操作中的一个或多个瓶颈或低效率。

该方法可以包括向用户呈现模拟的结果并且接收用户对上述候选管线的选择。

优化算法可以利用机器学习模型，机器学习模型被训练为基于模块属性和所收集的与模块相关的使用数据中的一项或多项来选择用于包括在模块管线中的模块。

优化算法可以执行局部优化以仅优化上述模块管线，或者执行全局优化以选择多个所需类型的模块以被组装到模块化设备中的相应模块管线中。

优化算法可以利用以下项中的一项或多项：(i)多个模块的模块属性，以及(ii)所收集的与模块化设备中的多个模块的先前使用相关的使用数据(所收集的使用数据与以下项中的一项或多项相关：故障平均间隔时间；模块正常运行时间(uptime)；服务和装备利用率；先前校准参数；频繁设备背景；维护执行；材料/介质处理；化学反应的应用目的和限制；模块可用性时间表；维护周期/间隔)。附加地或备选地，优化算法可以利用指示先前模块组合的性能的数据来选择用于包括在模块管线中的模块。

优化算法可以从具有所需模块类型的多个模块中选择用于包括在模块管线中的多个候选模块，并且根据一个或多个预定优化标准对候选模块排名。

第二至第四方面中的任何一个的任何特征或子方面(特别是参考优化部件描述的那些)在必要修正的情况下也可以适用于第一方面，反之亦然。