特許 6707331 地域的ビッグデータノード、プロセスプラントの動作を向上する方法、プロセスプラント内で地域的ビッグデータをサポートするためのシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6707331

(24)【登録日】2020年5月22日

(45)【発行日】2020年6月10日

(54)【発明の名称】地域的ビッグデータノード、プロセスプラントの動作を向上する方法、プロセスプラント内で地域的ビッグデータをサポートするためのシステム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20200601BHJP

【ＦＩ】

   G05B23/02 301V

【請求項の数】22

【外国語出願】

【全頁数】43

(21)【出願番号】特願2015-198445(P2015-198445)

(22)【出願日】2015年10月6日

(65)【公開番号】特開2016-76217(P2016-76217A)

(43)【公開日】2016年5月12日

【審査請求日】2018年10月9日

(31)【優先権主張番号】14/507,188

(32)【優先日】2014年10月6日

(33)【優先権主張国】US

(73)【特許権者】

【識別番号】512132022

【氏名又は名称】フィッシャー−ローズマウント システムズ，インコーポレイテッド

(74)【代理人】

【識別番号】100079049

【弁理士】

【氏名又は名称】中島 淳

(74)【代理人】

【識別番号】100084995

【弁理士】

【氏名又は名称】加藤 和詳

(72)【発明者】

【氏名】ピーター ゾーニオ

(72)【発明者】

【氏名】マーク ジェイ． ニクソン

(72)【発明者】

【氏名】ウィルヘルム ケー． ウォズニス

(72)【発明者】

【氏名】ジェイ． マイケル ルーカス

(72)【発明者】

【氏名】エリック ディー． ロトヴォルド

(72)【発明者】

【氏名】テレンス エル． ブレヴィンス

(72)【発明者】

【氏名】ポール アール． マストン

(72)【発明者】

【氏名】ギャリー ケー． ロー

【審査官】 大古 健一

(56)【参考文献】

【文献】 特開２００８−１７１１５２（ＪＰ，Ａ）

【文献】 特開平５−３４６８０７（ＪＰ，Ａ）

【文献】 特開平６−３０７８９７（ＪＰ，Ａ）

【文献】 特開２００３−１６７６２１（ＪＰ，Ａ）

【文献】 特開２００３−１０９１５２（ＪＰ，Ａ）

【文献】 特開２０１２−２２５５８（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０５Ｂ ２３／００−２３／０２

(57)【特許請求の範囲】

【請求項1】

プロセスを制御するプロセスプラント内でビッグデータをサポートするための地域的ビッグデータノードであって、
前記地域的ビッグデータノードを前記プロセスプラントの複数の地域のうちの１つに、第１の通信ネットワークを介して、通信可能に接続するネットワークインターフェースであって、前記複数の地域のうちの前記１つが複数のローカルビッグデータノードを備え、その各々が、前記プロセスがリアルタイムで制御されているとき、前記プロセスプラントによって前記プロセスの前記制御から生成されたデータをリアルタイムで、前記第１の通信ネットワークを介して、送信する、ネットワークインターフェースと、
地域的ビッグデータを記憶するように構成された１つ以上の有形の非一過性コンピュータ可読記憶媒体を備える地域的ビッグデータ記憶領域と、
地域的ビッグデータ受信装置であって、前記複数のローカルビッグデータノードによって送信され、前記ネットワークインターフェースを介して前記地域的ビッグデータノードにおいて受信された前記データを受信し、前記受信されたデータを前記地域的ビッグデータ記憶領域内で記憶する、ように構成された、地域的ビッグデータ受信装置と、
地域的ビッグデータ分析装置であって、
前記地域的ビッグデータの少なくとも一部に対して学習分析を実施し、
前記学習分析の結果に基づいて学習された知識を生成し、かつ、
前記学習された知識が、前記プロセスプラントの前記少なくとも前記一部に対応する受信者ビッグデータノードに、前記第１の通信ネットワークを介して、送信されるようにすることを含めて、前記学習分析の前記結果に基づいて、前記プロセスプラントの少なくとも一部の動作の変化を引き起こす、ように構成された、地域的ビッグデータ分析装置と、を備え、
前記プロセスプラントは、
（ｉ）リアルタイムで前記プロセスの少なくとも一部を制御するための物理機能を実施するフィールドデバイスと、
（ｉｉ）一組の入力を受信して、前記一組の入力に基づいて出力の値を決定し、前記物理機能を実施するように、前記出力が前記フィールドデバイスに送信されるようにする制御装置と、
（ｉｉｉ）前記制御装置と前記フィールドデバイスとを通信可能に結合する入力／出力（Ｉ／Ｏ）デバイスと、
（ｉｖ）第２の通信ネットワークであって、前記第２の通信ネットワークを介して、前記制御装置がリアルタイムで他の制御装置と信号を交換することにより、前記プロセスをリアルタイムで制御して、資料素材から出力製品を生み出す前記第２の通信ネットワークと、
を含み、
前記フィールドデバイス、前記制御装置、及び前記入力／出力（Ｉ／Ｏ）デバイスの少なくとも１つは、前記プロセスプラントの前記複数の領域の１つの前記複数のローカルデータノードに含まれる、
前記地域的ビッグデータノード。

【請求項2】

前記複数の地域のうちの前記１つの前記複数のローカルビッグデータノードが、前記プロセスプラントに含まれるプロセス制御デバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、またはネットワーク管理デバイスのうちの少なくとも１つを含み、
前記プロセス制御デバイスが、前記制御装置、前記フィールドデバイス、または前記入力／出力（Ｉ／Ｏ）デバイスのうちの１つである、請求項１に記載の前記地域的ビッグデータノード。

【請求項3】

前記地域的ビッグデータが、複数の種類のデータを含み、一組の種類のデータが、連続データ、事象データ、測定データ、バッチデータ、計算データ、診断データ、構成データ、前記学習された知識に対応するデータ、及び他の学習された知識に対応するデータを含み、
前記学習分析が、部分最小二乗回帰分析、ランダムフォレスト、パターン認識、予測分析、相関分析、主成分分析、データマイニング、データ発見、または発見的学習を含む他の機械学習技法のうちの少なくとも１つを含む、請求項１に記載の前記地域的ビッグデータノード。

【請求項4】

前記学習分析の前記結果に基づく前記プロセスプラントの前記少なくとも前記一部の前記動作の前記変化が、前記学習された知識に基づいて前記複数の地域のうちの前記１つにおいて実施されている動作への修正を含み、
前記地域的ビッグデータ分析装置が、前記修正の指示が、前記学習された知識と併せて、前記受信者ビッグデータノードに送信されるようにするようにさらに構成される、請求項１に記載の前記地域的ビッグデータノード。

【請求項5】

前記学習された知識が第１の学習された知識であり、前記学習分析が第１の学習分析であり、前記複数の地域のうちの前記１つが第１の地域であり、
前記地域的ビッグデータ受信装置が、前記複数の地域のうちの第２の地域の別のビッグデータノードによって生成された第２の学習された知識を受信するようにさらに構成され、
前記地域的ビッグデータ分析装置が、（ｉ）前記受信された第２の学習された知識に基づく修正を、前記第１の地域において実施されている動作にもたらすか、または、（ｉｉ）前記受信された第２の学習された知識、及び前記地域的ビッグデータのうちの少なくともいくつかに対して第２の学習分析を実施すること、のうちの少なくとも１つを行うようにさらに構成される、請求項１に記載の前記地域的ビッグデータノード。

【請求項6】

前記学習された知識が、前記地域的ビッグデータノードに以前は知られていなかった前記プロセスの制御からもたらされる追加データ、アプリケーション、サービス、ルーチン、機能、または別の学習分析のうちの少なくとも１つを含む、請求項１に記載の前記地域的ビッグデータノード。

【請求項7】

前記地域的ビッグデータ分析装置が、前記学習された知識に基づいてコンテキスト内検索を実施すること、および、前記学習された知識に基づいてユーザに推奨事項を提供することのうちの少なくとも１つを行うように、さらに構成される、請求項１に記載の前記地域的ビッグデータノード。

【請求項8】

前記ネットワークインターフェースが、集中型ビッグデータノードに前記地域的ビッグデータノードを、前記第１の通信ネットワークを介して、通信可能に接続し、
前記集中型ビッグデータノードが、１つ以上のそれぞれのアナリティクスルーチンを含み、
前記地域的ビッグデータノードの前記地域的ビッグデータ受信装置が、前記ネットワークインターフェース及び前記第１の通信ネットワークを介して、前記集中型ビッグデータノードにおいて実行している前記１つ以上のアナリティクスルーチンの結果に基づいて生成されたデータを受信し、前記集中型ビッグデータノードから受信した前記データを前記地域的ビッグデータ記憶領域内に記憶する、ようにさらに構成され、かつ、
前記地域的ビッグデータ分析装置が、前記集中型ビッグデータノードから受信された前記データを含む前記地域的ビッグデータの別の部分に対して、前記学習分析または別の学習分析を実施するようにさらに構成されるか、
前記地域的ビッグデータノードが、前記集中型ビッグデータノードから受信された前記データに基づいて、動作を修正するように構成されるか、のうちの少なくとも１つを行う、請求項１に記載の前記地域的ビッグデータノード。

【請求項9】

前記複数の地域のうちの前記１つが、地理的、物理的、機能的、または論理的グループ化のうちの少なくとも１つに従って形成される、請求項１に記載の前記地域的ビッグデータノード。

【請求項10】

地域的ビッグデータを利用して、プロセスを制御しているプロセスプラントの動作を向上する方法であって、
前記プロセスプラントの１つ以上の地域的ビッグデータノードにおいてデータを、第１の通信ネットワークを介して、収集することであって、
前記１つ以上の地域的ビッグデータノードの各々が、前記プロセスプラントの複数の地域に含まれるそれぞれの地域に対応し、前記１つ以上の地域的ビッグデータノードの各々が、プロセスプラントの地理的、物理的、機能的、または論理的グループ化のうちの１つに従って形成され、
前記収集されたデータが、前記それぞれの地域のそれぞれの複数のローカルビッグデータノードによって、前記第１の通信ネットワークを介して、送信されたデータを含み、
各々のローカルビッグデータノードが、前記各々のローカルビッグデータノードの前記それぞれの地域のオンライン操作からもたらされるそれぞれのデータを、前記第１の通信ネットワークを介して、リアルタイムで送信し、
前記プロセスプラントは、
（ｉ）リアルタイムで前記プロセスの少なくとも一部を制御するための物理機能を実施するフィールドデバイスと、
（ｉｉ）一組の入力を受信して、前記一組の入力に基づいて出力の値を決定し、前記物理機能を実施するように、前記出力が前記フィールドデバイスに送信されるようにする制御装置と、
（ｉｉｉ）前記制御装置と前記フィールドデバイスとを通信可能に結合する入力／出力（Ｉ／Ｏ）デバイスと、
（ｉｖ）第２の通信ネットワークであって、前記第２の通信ネットワークを介して、前記制御装置がリアルタイムで他の制御装置と信号を交換することにより、前記プロセスをリアルタイムで制御して、資料素材から出力製品を生み出す前記第２の通信ネットワークと、
を含むことを特徴とする前記データを収集することと、
前記１つ以上の地域的ビッグデータノードにおいて地域的ビッグデータとして前記収集されたデータを記憶することと、
前記地域的ビッグデータの少なくとも一部に対して、前記１つ以上の地域的ビッグデータノードによって、１つ以上の学習分析を実施することと、
前記１つ以上の学習分析の結果に基づいて学習された知識を生成することと、
前記プロセスプラントの前記少なくとも一部に対応する受信者ビッグデータノードに前記学習された知識を送信することを含む、前記１つ以上の学習分析の前記結果に基づいて、前記プロセスプラントの少なくとも前記一部の動作の変化を引き起こすことと、を含む、方法。

【請求項11】

前記１つ以上の地域的ビッグデータノードにおいて前記データを収集することが、前記プロセスプラントのプロセス制御デバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、ユーザインターフェースデバイス、またはネットワーク管理デバイスのうちの少なくとも１つによって送信されたデータを収集することを含み、 前記プロセス制御デバイスが、前記制御装置、前記フィールドデバイス、または前記入力／出力（Ｉ／Ｏ）デバイスのうちの１つであり、
前記収集されたデータが、連続データ、事象データ、測定データ、バッチデータ、計算データ、診断データ、構成データ、及び他の学習知識に対応するデータを含む一組のデータ種類に含まれる少なくとも１種類のデータを含む、請求項１０に記載の方法。

【請求項12】

前記１つ以上の学習分析を実施することが、機械学習分析、予測分析、データマイニング、またはデータ発見のうちの少なくとも１つを実施することを含み、
前記学習された知識を生成することが、前記１つ以上の地域的ビッグデータノードに以前は知られていなかった追加データ、新しいもしくは修正されたアプリケーション、新しいもしくは修正された機能、新しいもしくは修正されたルーチン、新しいもしくは修正された学習分析、または新しいもしくは修正されたサービスのうちの少なくとも１つを生成することを含む、請求項１０に記載の方法。

【請求項13】

前記学習された知識が第１の学習された知識であり、前記１つ以上の地域的ビッグデータノードにおいて前記データを収集することが、前記１つ以上の地域的ビッグデータノードによって、または前記プロセスプラントの別のビッグデータノードによって生成された第２の学習された知識を収集することを含む、請求項１０に記載の方法。

【請求項14】

方法が、任意のリアルタイムユーザ入力を用いることなく、自立的に実施される、請求項１０に記載の方法。

【請求項15】

プロセスプラント内で地域的ビッグデータをサポートするためのシステムであって、
１つ以上の地域的ビッグデータノードと、
複数のローカルビッグデータノードと、
前記１つ以上の地域的ビッグデータノードと前記複数のローカルビッグデータノードとを通信可能に接続している第１の通信ネットワークであって、前記複数のローカルビッグデータノードが複数の地域に配置され、各々が、前記１つ以上の地域的ビッグデータノードに含まれるそれぞれの地域的ビッグデータノードによってサービスを提供される、第１の通信ネットワークと、を備え、前記それぞれの地域的ビッグデータノードが、
前記それぞれの地域的ビッグデータノードによってサービスを提供された前記それぞれの地域に関連付けられた一組のローカルビッグデータノードによってリアルタイムに生成されたデータを収集することであって、前記データが、前記プロセスプラント内でのプロセスのリアルタイム制御のために、前記一組のローカルビッグデータノードによってリアルタイムに生成されることと、
前記それぞれの地域的ビッグデータノードに含まれる地域的ビッグデータ記憶領域においてそれぞれの地域的ビッグデータとして前記収集されたデータを記憶することと、
前記それぞれの地域的ビッグデータノードに含まれるビッグデータ分析装置を用いて、前記記憶されたそれぞれの地域的ビッグデータの少なくとも一部に対して、学習分析を実施し、
前記実施された学習分析の結果に基づいて学習された知識を生成することと、かつ、
（ｉ）前記地域的ビッグデータ記憶領域において、追加のそれぞれの地域的ビッグデータとして前記学習された知識を記憶すること、または、（ｉｉ）前記プロセスプラントに含まれる受信者ビッグデータノードに前記学習された知識を送信すること、のうちの少なくとも１つを行う、ように構成され、
前記プロセスプラントは、
（ｉ）リアルタイムで前記プロセスの少なくとも一部を制御するための物理機能を実施するフィールドデバイスと、
（ｉｉ）一組の入力を受信して、前記一組の入力に基づいて出力の値を決定し、前記物理機能を実施するように、前記出力が前記フィールドデバイスに送信されるようにする制御装置と、
（ｉｉｉ）前記制御装置と前記フィールドデバイスとを通信可能に結合する入力／出力（Ｉ／Ｏ）デバイスと、
（ｉｖ）第２の通信ネットワークであって、前記第２の通信ネットワークを介して、前記制御装置がリアルタイムで他の制御装置と信号を交換することにより、前記プロセスをリアルタイムで制御して、資料素材から出力製品を生み出す前記第２の通信ネットワークと、
を含むことを特徴とする、
前記システム。

【請求項16】

前記一組のローカルビッグデータノードによってリアルタイムで生成された前記データが、
前記フィールドデバイス、
前記制御装置、
前記入力／出力（Ｉ／Ｏ）デバイス、
ゲートウェイデバイス、
アクセスポイント、
ルーティングデバイス、
ヒストリアンデバイス、または、
ネットワーク管理デバイス、のうちの１つ以上によってリアルタイムで生成されたデータを含む、請求項１５に記載の前記システム。

【請求項17】

前記学習された知識が、前記受信者ビッグデータノードに送信され、前記受信者ビッグデータノードが、（ｉ）受信された学習された知識に基づく前記受信者ビッグデータノードへの修正、または、（ｉｉ）前記受信者ビッグデータノードへのビッグデータのプロバイダへの修正のうちの少なくとも１つを引き起こす、請求項１５に記載の前記システム。

【請求項18】

前記学習された知識が、前記プロセスの前記リアルタイム制御からもたらされる追加データ、アプリケーション、機能、サービス、ルーチン、または別の学習分析のうちの少なくとも１つを含む、請求項１５に記載の前記システム。

【請求項19】

前記実施された学習分析の前記結果が、前記記憶されたそれぞれの地域的ビッグデータのうちの前記少なくとも前記一部のプロパティに基づく予測を含む、請求項１５に記載の前記システム。

【請求項20】

集中型ビッグデータノードまたは別の種類のビッグデータノードのうちの少なくとも１つをさらに備え、
前記収集されたデータが第１の収集されたデータであり、
前記それぞれの地域的ビッグデータノードが、
前記集中型ビッグデータノードまたは前記別の種類のビッグデータノードのうちの前記少なくとも１つにおいて、学習分析の成果によって生成された第２のデータを収集し、
前記それぞれの地域的ビッグデータノードに含まれる前記地域的ビッグデータ記憶領域において第２の収集されたデータを記憶し、かつ、
前記第２の収集されたデータを含む一組の記憶されたそれぞれの地域的データ上で、前記学習分析または別の学習分析を実施することか、または、前記第２の収集されたデータが、別のビッグデータノードに送信されるようにすること、のうちの少なくとも１つを行うようにさらに構成される、請求項１５に記載の前記システム。

【請求項21】

それぞれの学習分析を有するユーザインターフェースビッグデータノードをさらに備え、
前記収集されたデータが第１の収集されたデータであり、
前記それぞれの地域的ビッグデータノードが、
前記ユーザインターフェースビッグデータノードにおいて前記それぞれの学習分析の成果によって生成された第２のデータを収集し、
前記それぞれの地域的ビッグデータノードに含まれる前記地域的ビッグデータ記憶領域において第２の収集されたデータを記憶し、かつ、
前記第２の収集されたデータを含む一組の記憶されたそれぞれの地域的データ上で、前記学習分析または別の学習分析を実施する、
ようにさらに構成される、請求項１５に記載の前記システム。

【請求項22】

前記複数のローカルビッグデータノードが、地理的、物理的、機能的、または論理的グループ化のうちの少なくとも１つに従って前記複数の地域内に配置される、請求項１５に記載の前記システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、概して、プロセスプラント及びプロセス制御システムに関し、より具体的には、プロセスプラント及びプロセス制御システム内の地域的ビッグデータの使用に関する。

【0002】

（関連出願の相互参照）
本出願は、「ＤＡＴＡ ＰＩＰＥＬＩＮＥ ＦＯＲ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ ＡＮＡＬＹＴＩＣＳ」と題され、本明細書と同時出願された米国特許出願第６２／０６０，４０８号（弁理士整理番号０６００５／５９３０８５Ｐ）に関し、参照によりその開示の全体が本明細書に組み込まれる。本出願は、「ＳＴＲＥＡＭＩＮＧ ＤＡＴＡ ＦＯＲ ＡＮＡＬＹＴＩＣＳ ＩＮ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭＳ」と題され、本明細書と同時出願された米国特許出願第１４／５０６，８６３号（弁理士整理番号０６００５／５９３０７０）に関し、参照によりその開示の全体が本明細書に組み込まれる。追加として、本出願は、「ＡＵＴＯＭＡＴＩＣ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ―ＢＡＳＥＤ ＬＥＡＲＮＩＮＧ ＩＮ Ａ ＰＲＯＣＥＳＳ ＰＬＡＮＴ」と題され、本明細書と同時出願された米国特許出願第１４／５０７，２５２号（弁理士整理番号０６００５／５９３０８６）に関し、参照によりその開示の全体が本明細書に組み込まれる。

【0003】

さらに、本開示は、「ＢＩＧ ＤＡＴＡ ＩＮ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭＳ」と題された、２０１３年３月３日に出願された米国特許出願第１３／７８４，０４１号、「ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＣＯＮＴＲＯＬＬＩＮＧ Ａ ＰＲＯＣＥＳＳ ＰＬＡＮＴ ＷＩＴＨ ＬＯＣＡＴＩＯＮ ＡＷＡＲＥ ＭＯＢＩＬＥ ＣＯＮＴＲＯＬ ＤＥＶＩＣＥＳ」と題された、２０１３年９月１７日に出願された米国特許出願第１４／０２８，７８５号、「ＣＯＬＬＥＣＴＩＮＧ ＡＮＤ ＤＥＬＩＶＥＲＩＮＧ ＤＡＴＡ ＴＯ Ａ ＢＩＧ ＤＡＴＡ ＭＡＣＨＩＮＥ ＩＮ Ａ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ」と題された、２０１４年２月６日に出願された米国特許出願第１４／１７４，４１３号、「ＤＩＳＴＲＩＢＵＴＥＤ ＢＩＧ ＤＡＴＡ ＩＮ Ａ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ」と題された、２０１４年３月１４日に出願された米国特許出願第１４／２１２，４９３号、「ＤＥＴＥＲＭＩＮＩＮＧ ＡＳＳＯＣＩＡＴＩＯＮＳ ＡＮＤ ＡＬＩＧＮＭＥＮＴＳ ＯＦ ＰＲＯＣＥＳＳ ＥＬＥＭＥＮＴＳ ＡＮＤ ＭＥＡＳＵＲＥＭＥＮＴＳ ＩＮ Ａ ＰＲＯＣＥＳＳ」と題された、２０１４年３月１４日に出願された米国特許出願第１４／２１２，４１１号に関し、参照により各々の開示の全体が本明細書に組み込まれる。

【背景技術】

【0004】

化学、石油、または他のプロセスプラントで使用されるような分散プロセス制御システムは、典型的には、アナログ、デジタル、もしくは複合アナログ／デジタルバスを介して、または無線通信リンクもしくはネットワークを介して１つ以上のフィールドデバイスに通信可能に結合された１つ以上のプロセス制御装置を含む。例えば、弁、弁位置決め装置、スイッチ、ならびに送信機（例えば、温度、圧力、レベル、及び流量センサ）であり得るフィールドデバイスは、プロセス環境内に位置して、開閉弁、測定プロセスパラメータ等の物理的もしくはプロセス制御機能を概して実施して、プロセスプラントもしくはシステム内で実行していて、ならびに／またはプロセスプラントもしくはシステムによって制御されている１つ以上のプロセスを制御する。１つ以上のプロセスは、少なくとも部分的に、例えば、製造、精製、生産等の物理的プロセスであり得る。周知のフィールドバスプロトコルに従っているフィールドデバイス等のスマートフィールドデバイスはまた、制御装置内で一般に実装された制御計算、アラーム機能、及び他の制御機能を実施し得る。プラント環境内にも典型的には位置するプロセス制御装置は、フィールドデバイスによってなされたプロセス測定及び／またはフィールドデバイスに関連する他の情報を示す信号を受信し、例えば、異なる制御モジュールを動作する制御装置アプリケーションを実行し、それらの制御モジュールは、プロセス制御を決定し、受信された情報に基づいて制御信号を生成し、ＨＡＲＴ（登録商標）、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）、及びＦＯＵＮＤＡＴＩＯＮ（登録商標）フィールドバスフィールドデバイス等のフィールドデバイス内で実施されている制御モジュールまたはブロックと連係する。制御装置内の制御モジュールは、通信線またはリンクを通じてフィールドデバイスに制御信号を送り、それによって、プロセスプラントまたはシステムの少なくとも一部の動作を制御する。

【0005】

フィールドデバイス及び制御装置からの情報は、通常、オペレータワークステーション、パーソナルコンピュータもしくはコンピューティングデバイス、データヒストリアン、レポート生成装置、集中型データベース、または、より過酷なプラント環境から離れて制御室もしくは他の位置に典型的には置かれる他の集中型管理コンピューティングデバイス等、１つ以上の他のハードウェアデバイスにデータハイウェイ上で可用にされる。これらのハードウェアデバイスの各々は、プロセスプラント全体で、またはプロセスプラントの一部の全体で、典型的には集中化される。これらのハードウェアデバイスは、アプリケーションを動作し、それらのアプリケーションは、例えば、オペレータが、プロセスを制御して及び／またはプロセスプラントを動作することに関する機能を実施すること（プロセス制御ルーチンの設定を変更すること、制御装置またはフィールドデバイス内で制御モジュールの動作を修正すること、プロセスの現在の状態を閲覧すること、フィールドデバイス及び制御装置によって生成されたアラームを閲覧すること、人員を訓練するかプロセス制御ソフトウェアをテストする目的でプロセスの動作をシミュレーションすること、構成データベースを保ち、更新すること等）を可能にし得る。ハードウェアデバイス、制御装置、及びフィールドデバイスによって利用されたデータハイウェイは、有線通信経路、無線通信経路、または有線及び無線通信経路の組み合わせを含み得る。

【0006】

例えば、Ｅｍｅｒｓｏｎ Ｐｒｏｃｅｓｓ Ｍａｎａｇｅｍｅｎｔによって販売されるＤｅｌｔａＶ（商標）制御システムは、プロセスプラント内で様々な場所に位置する異なるデバイス内に記憶され、それらによって実行される複数のアプリケーションを含む。１つ以上のワークステーションまたはコンピューティングデバイスに常駐する構成アプリケーションは、ユーザが、プロセス制御モジュールを創出または変化させ、これらのプロセス制御モジュールを専用の分散制御装置にデータハイウェイを介してダウンロードすることを可能にする。典型的には、これらの制御モジュールは、通信可能に相互接続された機能ブロックから成り、それらは、その入力に基づいて制御スキーム内で機能を実施し、制御スキーム内で出力を他の機能ブロックに提供するオブジェクト指向プログラミングプロトコル内のオブジェクトである。構成アプリケーションはまた、構成設計者が、オペレータインターフェースを創出または変更することを許容し得、それらは、閲覧アプリケーションによって使用されて、オペレータにデータを示して、オペレータがプロセス制御ルーチン内で設定点等の設定を変更することを可能にする。各々の専用の制御装置、及び、場合によっては、１つ以上のフィールドデバイスは、それらに割り当てられて、ダウンロードされた制御モジュールを動作するそれぞれの制御装置アプリケーションを記憶及び実行して、実際のプロセス制御機能性を実装する。１つ以上のオペレータワークステーション上で（またはオペレータワークステーション及びデータハイウェイと通信接続している１つ以上の遠隔コンピューティングデバイス上で）実行され得る閲覧アプリケーションは、データハイウェイを介して制御装置アプリケーションからデータを受信して、ユーザインターフェースを使用してプロセス制御システム設計者、オペレータ、またはユーザにこのデータを示し、オペレータのビュー、エンジニアのビュー、技術者のビュー等のいくつかの異なるビューのうちのいずれかを提供し得る。データヒストリアンアプリケーションは、典型的には、データハイウェイ全体で提供されたデータのいくつかまたは全てを収集及び記憶するデータヒストリアンデバイス内で記憶されて、それによって実行され、一方では、構成データベースアプリケーションは、データハイウェイに取り付けられたなおさらなるコンピュータ内で動作して、現在のプロセス制御ルーチン構成及びそれに関連付けられたデータを記憶し得る。代わりに、構成データベースは、構成アプリケーションと同じワークステーションに位置し得る。

【0007】

現在既知のプロセス制御プラント及びプロセス制御システムのアーキテクチャは、限られた制御装置及びデバイスメモリ、通信帯域幅、ならびに制御装置及びデバイスプロセッサ能力によって強く影響される。例えば、現在既知のプロセス制御システムアーキテクチャにおいて、制御装置内での動的及び静的不揮発性メモリの使用は、通常最小にされるか、または少なくとも慎重に管理される。その結果、システム構成（例えば、アプリオリ）の間、ユーザは典型的には、制御装置内のどのデータがアーカイブまたは保存されるべきか、それが保存されることになる頻度、及び圧縮が使用されるか否かについて、選択しなければならず、制御装置は、それに応じて、この限られたデータ規則の集合と共に構成される。結果として、トラブルシューティング及びプロセス分析において有用であり得たデータは、多くの場合、アーカイブされず、そして、それが収集される場合、有用な情報はデータ圧縮のために失われている可能性がある。

【0008】

追加として、現在既知のプロセス制御システム内で制御装置メモリ使用量を最小にするために、（制御装置の構成によって指示されるように）アーカイブまたは保存されるべき選択されたデータは、適切なデータヒストリアンまたはデータサイロにおける記憶のためにワークステーションまたはコンピューティングデバイスに報告される。データを報告するために使用される現在の技法は、通信資源を十分に利用しておらず、過度の制御装置負荷を誘発する。追加として、ヒストリアンまたはサイロにおける通信及びサンプリングの際の時間遅延のために、データ収集及びタイムスタンプ処理は、多くの場合、実プロセスと同期外れである。

【0009】

同様に、バッチプロセス制御システムにおいて、制御装置メモリ使用を最小にするために、制御装置構成のバッチレシピ及びスナップショットは、典型的には、集中型管理コンピューティングデバイスまたは位置において（例えば、データサイロまたはヒストリアンにおいて）記憶されたままであり、必要であるとき、制御装置へ移されるのみである。そのような戦略は、制御装置内で、かつ、ワークステーションまたは集中型管理コンピューティングデバイスと制御装置との間の通信において、著しいバースト負荷を導入する。

【0010】

さらにその上、ディスク記憶装置のこれまでの高コストと合わさって、現在既知のプロセス制御システムの関係データベースの能力及び性能制限は、特定のアプリケーションの目的を満たすために、独立した実体またはサイロ内にデータを構造化するのに大きな役割を果たす。例えば、ＤｅｌｔａＶ（商標）システム内で、プロセスモデル、連続履歴データ、ならびにバッチ及び事象データのアーカイブは、データの３つの異なるアプリケーションデータベースまたはサイロ内に保存される。各々のサイロは、その中で記憶されるデータにアクセスするための異なるインターフェースを有する。

【0011】

構造化データは、履歴化されたデータにアクセスして、それが使用される方法で、バリアをこのように創出する。例えば、製品品質のバラツキの真因は、これらのデータサイロに関してよりも多くにおいて、データと関係し得る。しかしながら、サイロの異なるファイル構造のため、このデータが分析のために迅速かつ容易にアクセスされることを許容するツールを提供することは可能ではない。さらに、監査または同期機能を実施して、異なるサイロにわたるデータが一致していることを確実としなければならない。

【0012】

上で議論された現在既知のプロセスプラント及びプロセス制御システムの制限ならびに他の制限は、例えば、プラント動作、トラブルシューティング、ならびに／または予測モデリングの間、プロセスプラントまたはプロセス制御システムの動作と最適化において望ましくなく現れ得る。例えば、そのような制限は、更新されたモデルをトラブルシューティング及び生成するためにデータを取得するために実施されなければならない、煩雑で長いワークフローを強制する。追加として、取得されたデータは、データ圧縮、不十分な帯域幅、または推移したタイムスタンプのために不正確であり得る。

【0013】

「ビッグデータ」は、概して、あまりにも大きいか複雑なので従来のデータベース管理ツール及び／またはデータ処理アプリケーション（例えば、関係データベース及びデスクトップ統計パッケージ）が許容時間内でデータ集合を管理することができない１つ以上のデータ集合の収集物を指す。典型的には、ビッグデータを使用するアプリケーションは、トランザクションであり、エンドユーザ向けか、エンドユーザに焦点を合わせたものである。例えば、ウェブ検索エンジン、ソーシャルメディアアプリケーション、マーケティングアプリケーション、及びリテイルアプリケーションは、ビッグデータを使用して、操作し得る。ビッグデータは、最新マルチプロセス、マルチコアサーバの並列処理能力が、完全に利用されることを許容する分散データベースによってサポートされ得る。

【発明の概要】

【0014】

プロセスを制御しているプロセスプラントまたはプロセス制御システム内でビッグデータをサポートするための地域的ビッグデータノードの実施形態は、地域的ビッグデータノードをプロセスプラントまたはプロセス制御システムの複数の地域のうちの１つに通信可能に接続するネットワークインターフェースを含む。複数の地域のうちの１つは複数のローカルビッグデータノードを備え、その各々が、プロセスがリアルタイムで制御されているとき、プロセスプラントまたはプロセス制御システムによってプロセスの制御から生成されたデータをリアルタイムで送信する。地域的ビッグデータノードはまた、地域的ビッグデータを記憶するように構成された１つ以上の有形の非一過性コンピュータ可読記憶媒体を備えるビッグデータ記憶領域を含む。さらに、地域的ビッグデータノードは、ビッグデータ受信装置であって、複数のローカルビッグデータノードによって送信され、ネットワークインターフェースを介して地域的ビッグデータノードにおいて受信されたデータを受信し、受信されたデータをビッグデータ記憶領域内で記憶する、ように構成された、ビッグデータ受信装置を含む。追加として、地域的ビッグデータノードは、ビッグデータ分析装置であって、地域的ビッグデータの少なくとも一部に対して学習分析を実施し、学習分析の結果に基づいて学習された知識を生成し、かつ、学習された知識が、プロセスプラントまたはプロセス制御システムの少なくとも一部に対応する受信者ビッグデータノードに送信されるようにすることを含めて、学習分析の結果に基づいて、プロセスプラントまたはプロセスシステムの少なくとも一部の動作の変化を引き起こす、ように構成された、ビッグデータ分析装置を含む。

【0015】

地域的ビッグデータを利用して、プロセスを制御しているプロセスプラントまたはプロセス制御システムの動作を向上する方法の実施形態は、プロセスプラントまたはシステムの１つ以上の地域的ビッグデータノードにおいてデータを収集することを含む。１つ以上の地域的ビッグデータノードの各々は、プロセスプラントまたはシステムの複数の地域に含まれるそれぞれの地域に対応する。収集されたデータは、それぞれの地域のそれぞれの複数のローカルビッグデータノードによって送信されたデータを含み、各々のローカルビッグデータノードは、各々のローカルビッグデータノードのそれぞれの地域のオンライン操作からもたらされるそれぞれのデータをリアルタイムで送信する。本方法はまた、１つ以上の地域的ビッグデータノードにおいて地域的ビッグデータとして収集されたデータを記憶することを含む。さらに、本方法は、地域的ビッグデータの少なくとも一部に対して、１つ以上の地域的ビッグデータノードによって、１つ以上の学習分析を実施することと、１つ以上の学習分析の結果に基づいて学習された知識を生成することと、を含む。追加として、本方法は、プロセスプラントシステムの少なくとも一部に対応する受信者ビッグデータノードに学習された知識を送信することを含む、１つ以上の学習分析の結果に基づいて、プロセスプラントまたはプロセス制御システムの少なくとも一部の動作の変化を引き起こすことを含む。

【0016】

プロセスプラントまたはプロセス制御システム内で地域的ビッグデータをサポートするためのシステムの実施形態は、１つ以上の地域的ビッグデータノードと、複数のローカルビッグデータノードと、１つ以上の地域的ビッグデータノードと複数のローカルビッグデータノードとを通信可能に接続している通信ネットワークと、を備える。複数のローカルビッグデータノードは複数の地域に配置され、各々は、１つ以上の地域的ビッグデータノードに含まれるそれぞれの地域的ビッグデータノードによってサービスを提供される。それぞれの地域的ビッグデータノードは、それぞれの地域的ビッグデータノードによってサービスを提供されたそれぞれの地域に関連付けられた一組のローカルビッグデータノードによってリアルタイムに生成されたデータを収集するように構成され、データは、プロセスプラントまたはプロセス制御システム内でのプロセスのリアルタイム制御のために、一組のローカルビッグデータノードによってリアルタイムに生成される。それぞれの地域的ビッグデータノードはまた、それぞれの地域的ビッグデータノードに含まれるビッグデータ記憶領域においてそれぞれの地域的ビッグデータとして収集されたデータを記憶するように構成される。さらに、それぞれの地域的ビッグデータノードは、それぞれの地域的ビッグデータノードに含まれるビッグデータ分析装置を用いて、記憶されたそれぞれの地域的ビッグデータの少なくとも一部に対して、学習分析を実施し、実施された学習分析の結果に基づいて学習された知識を生成するように構成される。その上さらに、地域的ビッグデータノードは、（ｉ）ビッグデータ記憶領域において、追加のそれぞれの地域的ビッグデータとして学習された知識を記憶すること、または、（ｉｉ）プロセスプラントまたはプロセス制御システムに含まれる受信者ビッグデータノードに学習された知識を送信すること、のうちの少なくとも１つを行う、ように構成される。

【0017】

プロセス制御プラント、システム、または環境内の知識発見及びビッグデータ技法は、従来のビッグデータ技法とは本質的に異なる。典型的には、従来のビッグデータアプリケーションは、特異トランザクションであり、エンドユーザ向けであり、厳しい時間条件または依存度を有さない。例えば、ウェブリテイラーは、閲覧された製品、購入された製品、及びカスタマープロフィールに関係しているビッグデータを収集し、この収集されたデータを使用して、彼らがリテイラーのウェブサイトをナビゲートするとき、個人のカスタマー向けに広告及び高く売りつけるための提案を調整する。特定のリテイラートランザクション（例えば、特定のデータ点）がリテイラーのビッグデータ分析から不注意に省略されるならば、特に分析されたデータ点の数が非常に大きいとき、その省略の影響はほとんどの場合ごくわずかであり得る。最悪の場合では、広告または高く売りつけるための提案は、省略されたデータ点がリテイラーのビッグデータ分析に含まれた場合にあり得たほどしっかりとは特定のカスタマーのために調整され得ない。

【0018】

しかし、プロセスプラント及びプロセス制御環境では、時間の次元及び特定のデータ点の存在または省略は、重要である。例えば、特定のデータ値がある特定の時間間隔内でプロセスプラントの受信者構成部品に配信されないならば、プロセスは制御されなくなり得、このことは、機器の火事、爆発、損失、及び／または人命の損失をもたらし得る。さらにその上、プロセスプラント内及び／またはプロセスプラント外部で動作している異なる構成部品、実体、及び／またはプロセスの間の複数のならびに／または複雑な時系列関係は、動作効率、製品品質、ならびに／またはプラントの安全性に影響を及ぼし得る。本明細書に記載されたプロセス制御システムビッグデータ技法によって提供された知識発見は、そのような時系列関係が発見されて、利用させることを許容し得、このように、より高品質の製品を生み出し得る、より効率的で安全なプロセスプラントを可能にし得る。

【0019】

本明細書に記載されたプロセス制御地域的ビッグデータ技法の主な特長は、スケーラビリティである。何百ものサーバ全体でコンピューティングを広げることができる大規模コンピューティングプラットホームを説明することによって多くの宣伝がなされたが、より小さいより現実的な問題に対する焦点の欠如がある。使いやすさ（例えば、設置、訓練、保守するのがより容易な）、（例えば、コンピューティング、記憶、及び帯域幅リソースの）コスト、ならびにエキスパートの可用度を含む、より小さな、よりソースに近いビッグデータシステムを考慮する多くの理由がある。したがって、アドオンされた構成可能なモジュールのための能力を有するより小さなシステムは、既存のスタッフによって、理解、エンジニアリング、サポートするのが容易となる。対照的に、コンピュータまたは大規模クラウドベースシステムは、常に全てのパーティ（例えば、他のコンピューティングシステム、ユーザ、デバイス等）に可用ではあり得ない著しい専門知識及びコンピューティングリソースを必要とする。本明細書に記載されたプロセス制御地域的ビッグデータ技法の別の主な特長は、それらの技法が、（例えば、制御システム、資産管理システム、マシン健全システム等）プラント、組織、または会社の動作にきわめて重大であり得る既存のプロセス制御プラントまたはシステムへの妨害なしに独立して実装され得ることである。例えば、地域的ビッグデータ技法は、プロセスプラントの重要部分だけに、またはプロセスプラントのアドオンの新しい区分だけに応用され得る。別の例では、地域的ビッグデータ技法は、プロセスプラントの所望の部分の上にオーバーレイされ得る。

【図面の簡単な説明】

【0020】

【図1】地域的ビッグデータをサポートするプロセスプラントまたはプロセス制御システムのための例示のビッグデータネットワークのブロック図である。

【図2】図１のプロセス制御ビッグデータネットワークに含まれ得る例示のビッグデータ機器のブロック図である。

【図3】図１のプロセス制御ビッグデータネットワーク内で地域的ビッグデータをサポートする例示のビッグデータデバイスまたはノードを含む、例示のプロセスプラントまたはプロセス制御システムを図解しているブロック図である。

【図4】プロセス制御システムまたはプロセスプラント内で地域的ビッグデータをサポートする例示の方法の流れ図である。

【発明を実施するための形態】

【0021】

図１は、１つ以上のプロセスを制御し、プロセス制御ビッグデータをサポートする、特に、地域的プロセス制御ビッグデータをサポートする、プロセスプラントまたはプロセス制御システム１０のための例示のビッグデータネットワーク１００の簡略ブロック図である。プロセス制御ビッグデータネットワーク１００は、１つ以上のプロセス制御ビッグデータノード１０２〜１１０を含み、それらの各々は、プロセス制御ビッグデータを収集、観察、生成、記憶、分析、アクセス、送信、受信して、及び／または、その上で動作する。本明細書で交換可能に使用される「プロセス制御ビッグデータ」、「プロセスビッグデータ」、及び「ビッグデータ」は、概して、プロセス制御システムまたはプラント１０に含まれて、それと関連付けられたデバイスによって、生成、受信、及び／または、観察される全ての（またはほとんど全ての）データを指す。実施形態では、プロセスプラント１０に含まれて、それと関連付けられる全てのデバイスによって、生成されるか、創出されるか、そこで受信されるか、さもなければ、観察される全てのデータは、プロセス制御ビッグデータネットワーク１００内のビッグデータとして収集され、記憶される。

【0022】

例示のプロセス制御ビッグデータネットワーク１００は、１つ以上の異なる種類のプロセス制御ビッグデータノードまたはデバイス１０２〜１１０を含み、それらの各々は、プロセスプラントまたはプロセス制御システム１０によって、１つ以上のプロセスの制御からまたはそれに基づいて生成されるプロセス制御ビッグデータを収集、観察、生成、記憶、分析、アクセス、送信、受信して、及び／または、その上で動作する。各々のプロセス制御ビッグデータノードまたはデバイス１０２〜１１０は、プロセス制御システムビッグデータネットワークバックボーン（図示せず）に接続されて、バックボーンを使用して、１つ以上の他のプロセス制御ビッグデータノードと通信し得る。したがって、プロセス制御ビッグデータネットワーク１００は、プロセス制御システムビッグデータネットワークバックボーン、及び、それに通信可能に接続されるプロセス制御ビッグデータノード１０２〜１１０を含む。例では、プロセス制御ビッグデータネットワーク１００は、バックボーンを介して、ネットワーク１００の様々な他のデバイス、スイッチ、もしくはノードに／からパケットのルートを決めるように構成される複数のネットワーク化されたコンピューティングデバイスまたはスイッチを含む。

【0023】

プロセス制御ビッグデータネットワークバックボーンは、例えば、インターネットプロトコル（ＩＰ）スイート（例えば、ＵＰＤ（ユーザデータグラムプロトコル）、ＴＣＰ（伝送制御プロトコル）、イーサネット等）に含まれるプロトコルまたは他の好適なルーティングプロトコル等の１つ以上の好適なルーティングプロトコルをサポートする任意の数の有線通信リンク及び任意の数の無線通信リンクを含む。実施形態では、バックボーンは、ストリーム制御伝送プロトコル（ＳＣＴＰ）等のストリーミングプロトコル及び／または別の好適なストリーミングプロトコルをサポートして、プロセス制御ビッグデータノードの間でデータをストリーミング配信する（例えば、輸送する）。例えば、「ＳＴＲＥＡＭＩＮＧ ＤＡＴＡ ＦＯＲ ＡＮＡＬＹＴＩＣＳ ＩＮ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭＳ」と題された上述の米国特許出願第１４／５０６，８６３号（弁理士整理番号０６００５／５９３０７０）は、プロセス制御ビッグデータのためのストリーミングプロトコル及び技法の例を説明し、それらのうちの任意の１つ以上は、ネットワーク１００内でプロセス制御ビッグデータネットワークバックボーンによって利用され得る。典型的には、プロセスデータビッグデータネットワーク１００に含まれる各々のノードは、バックボーンによってサポートされたルーティングプロトコル（複数可）の少なくともアプリケーション層（及び、いくつかのノードの場合、追加の層）をサポートし得る。実施形態では、各々のプロセス制御ビッグデータノード１０２〜１１０は、例えば、固有のネットワークアドレスによって、プロセス制御システムビッグデータネットワーク１００内で固有に特定される。

【0024】

実施形態では、プロセス制御システムビッグデータネットワーク１００の少なくとも一部は、臨時ネットワークである。したがって、ノード１０２〜１１０のうちの少なくともいくつか（及び／またはユーザインターフェースデバイス１３０等の１つ以上の他のノード）は、臨時様式で、ネットワークバックボーンに（またはネットワーク１００の別のノードに）接続し得る。

【0025】

図１がプロセス制御ビッグデータネットワーク１００内で様々なビッグデータノード１０２〜１１０の間での通信接続を描写する簡略図なので、プロセス制御ネットワークバックボーンは図１に明示的に示されない。しかしながら、本明細書に記載される技法のいずれかまたは全てと共に利用され得るそのようなバックボーンの例は、「ＢＩＧ ＤＡＴＡ ＩＮ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭＳ」と題され、２０１３年３月３日に出願され、参照によりその開示の全体が本明細書に組み込まれる、米国特許出願第１３／７８４，０４１号に説明される。当然のことながら、本明細書に記載される技法のいずれかまたは全ては、米国特許出願第１３／７８４，０４１号に記載されたバックボーンと共に利用されることに限定されないが、任意の好適な通信ネットワークバックボーンと共に利用され得る。

【0026】

ここで異なる種類のプロセス制御ビッグデータノードまたはデバイス１０２〜１１０に戻って、概して、後述のように、ネットワーク１００のプロセス制御ビッグデータノードは、「ビッグデータプロバイダ」であり得、及び／または「ビッグデータ機器」を含み得る。

【0027】

「ビッグデータプロバイダ」、「ビッグデータプロバイダノード」、または「プロバイダノード」という用語は、本明細書に交換可能に使用されるように、概して、プロセス制御ビッグデータネットワーク１００を使用して、プロセス制御関連のビッグデータを収集、生成、観察、及び／または、転送するプロセス制御ビッグデータノードを指す。プロバイダノードによって生成、収集、観察、及び／または、転送されるプロセス制御ビッグデータは、例えば、制御装置、入力／出力（Ｉ／Ｏ）デバイス、及びフィールドデバイス等のプロセス制御デバイスによって生成または使用される一次リアルタイム及び構成データ等、プラント１０内でプロセスを制御する際に直接利用されたか、そのことから生成されたデータを含み得る。追加として、または代わりに、プロセス制御ビッグデータプロバイダノードは、例えば、ビッグデータネットワーク１００の及び／またはプラント１０内の他の通信ネットワークのネットワーク制御に関連したデータ、バンド幅、ネットワークアクセス試み、診断データ等を示すデータ等、プロセスプラント１０内でそのような一次プロセス制御データ及び他のデータを配信して、ルートを決めることに関連したデータを生成、収集、観察、及び／または転送し得る。さらに、いくつかのプロセス制御ビッグデータプロバイダノードは、収集したプロセス制御ビッグデータを分析することによって、プロセス制御ビッグデータネットワーク１００内で学習された結果、学習、及び／もしくは情報を示すデータを生成、収集、観察、ならびに／または転送し得る。典型的には、そのようなアナリティクス結果、学習、及び／または学習された情報は、１つ以上のプロセス制御ビッグデータノードによって実施された自動的、自立的なアナリティクスから生成される。

【0028】

ほとんどの場合、ビッグデータプロバイダノードは、リアルタイムに（例えば、ストリーミング配信されて）、ビッグデータを送信及び受信するために、いくつかの実施形態では、プロセス制御ビッグデータネットワーク１００上でのストリーミングまたは他の配信に備えて、リアルタイムビッグデータをキャッシュするために、マルチコアハードウェア（例えば、マルチコアプロセッサ）を含む。ビッグデータプロバイダノードは、いくつかの実施形態では、リアルタイムビッグデータをキャッシュするために、高密度メモリも含み得る。ビッグデータプロバイダノードによって、送信、受信、ストリーミング配信、キャッシュ、収集、及び／またはさもなければ観察され得るリアルタイムデータの例としては、測定データ、構成データ、バッチデータ、事象データ、及び／または連続データ等のプロセス制御データが挙げられる。例えば、構成、バッチレシピ、設定点、出力、割合、制御動作、診断、アラーム、事象、及び／またはそれらの変化に対応するリアルタイムデータは、収集され得る。リアルタイムデータの他の例としては、プロセスモデル、統計、ステータスデータ、ならびにネットワーク及びプラント管理データが挙げられる。いくつかの実施形態では、ビッグデータプロバイダノードは、観察するリアルタイムビッグデータの少なくともいくつかをキャッシュしないが、その代わりに、データが観察、受信、または生成されるとき、１つ以上の他のビッグデータノードにキャッシュされていないデータをストリーミング配信する。本明細書に記載された技法のうちのいずれかまたは全てと共に利用され得るビッグデータプロバイダノードの例は、上述の米国特許出願第１３／７８４，０４１号、「ＣＯＬＬＥＣＴＩＮＧ ＡＮＤ ＤＥＬＩＶＥＲＩＮＧ ＤＡＴＡ ＴＯ Ａ ＢＩＧ ＤＡＴＡ ＭＡＣＨＩＮＥ ＩＮ Ａ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ」と題された、２０１４年２月６日に出願された、米国特許出願第１４／１７４，４１３号、「ＤＩＳＴＲＩＢＵＴＥＤ ＢＩＧ ＤＡＴＡ ＩＮ Ａ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ」と題され、２０１４年３月１４日に出願され、参照によりその開示の全体が本明細書に組み込まれる、米国特許出願第１４／２１２，４９３号に見出され得る。当然のことながら、本明細書に記載された技法のいずれかまたは全ては、米国特許出願第１３／７８４，０４１号、同第１４／１７４，４１３号、及び同第１４／２１２，４９３号に記載されたもの以外のビッグデータプロバイダノードと共に、代わりに、または追加として利用され得る。

【0029】

他方、「ビッグデータ機器」、「ビッグデータ機器ノード」、または「機器ノード」という用語は、本明細書に交換可能に使用されるように、概して、プロセス制御ビッグデータを受信して、記憶して、読み出して、分析するプロセス制御ビッグデータノードを指す。したがって、プロセス制御ビッグデータ機器（または「ＢＤＡ」）は、概して、１つ以上のプロセス制御ビッグデータプロバイダノードによって生成されたか、提供されたビッグデータ上で動作する。概して、ＢＤＡは、リアルタイム連続値、事象収集、バッチデータ収集、オペレータラウンドデータ、及び／または他のデータを含む多次元データ上で、大規模データマイニングならびにデータアナリティクスをサポートする。ソースにおいて収集されて、タイムスタンプ処理されるデータは、「ＳＴＲＥＡＭＩＮＧ ＤＡＴＡ ＦＯＲ ＡＮＡＬＹＴＩＣＳ ＩＮ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭＳ」と題された上述の米国特許出願第１４／５０６，８６３号（弁理士整理番号０６００５／５９３０７０）、または別の好適な通信プロトコルに記載されるように、特殊履歴オブジェクト通信プロトコルを使用して、ＢＤＡに転送されるか、ストリーミング配信され得る。ＢＤＡは、製品機能、品質、及び／または他の所望の特性を予測する等、有用な情報を生成するために、構造化されたならびに構造化されていないデータ（例えば、Ｒスクリプト、パイソンスクリプト、Ｍａｔｌａｂ（登録商標）スクリプト、Ｓｔａｔｇｒａｐｈｉｃｓ等）の上で動作し、学習アルゴリズム（例えば、部分最小二乗回帰、主成分分析等）、分類技法（例えば、ランダムフォレスト、パターン認識等）、及び／または他のデータアナリティクスを実施する様々なツールを含み得る。さらに、いくつかのＢＤＡは、構成及び開発モデルのためのインターフェース、モデルを実行するためのランタイムエンジン、ならびにユーザインターフェースにおいて結果を示すためのダッシュボードを含み得る。例えば、ＢＤＡは、「ＤＡＴＡ ＰＩＰＥＬＩＮＥ ＦＯＲ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ ＡＮＡＬＹＴＩＣＳ」と題された上述の米国特許出願第６２／０６０，４０８号（弁理士整理番号０６００５／５９３０８５Ｐ）に議論されるような様式におけるランタイムのために分析で構成され得る。示された結果は、様々なデータ集合内で暗黙の関係を特定することができる、標準的な記述統計、ヒストグラム、相関関係プロット、及び／または他のデータ表現を含み得る。

【0030】

場合によっては、ビッグデータ機器は、ビッグデータプロバイダノードに含まれるか、同じノードまたはデバイス内でビッグデータプロバイダと一緒に常駐している。そのような場合、ビッグデータ機器は、機器がプロバイダノードまたはデバイス内に埋め込まれて、一緒に常駐しているビッグデータプロバイダによって受信、収集、または生成されたビッグデータ上で動作するので、「埋め込まれたビッグデータ機器」と称される。例では、埋め込まれたビッグデータ機器は、知識を発見するか、または学習するためにその上に埋め込まれたビッグデータ機器が常駐するビッグデータプロバイダノードによって、ローカルに生成及び／または提供されたビッグデータを分析する。この学習された知識は、埋め込まれたビッグデータ機器において記憶され、埋め込まれたビッグデータ機器によってローカルにその上で動作され、及び／または他のビッグデータノード（例えば、受信者ビッグデータノード）へのビッグデータとして提供もしくは送信され得る。他の好適な埋め込まれたビッグデータ機器が、本明細書に記載された技法のいずれかまたは全てと共に利用され得るが、本明細書に記載された技法のいずれかまたは全てと共に利用され得る埋め込まれたビッグデータ機器の説明は、例えば、上述の米国特許出願第１４／２１２，４９３号に見出され得る。さらに、ビッグデータプロバイダノードが埋め込まれたビッグデータ機器を含む実施形態において、埋め込まれたビッグデータ機器がローカルデータ記憶能力を提供するので、ビッグデータプロバイダノードのキャッシュは、サイズを縮小されるか、省略され得ることに留意されたい。

【0031】

場合によっては、ビッグデータ機器は、プロセス制御ビッグデータネットワーク１００のスタンドアロンビッグデータノードであり得る。つまり、これらの場合では、ビッグデータ機器は、ビッグデータプロバイダノード中に埋め込まれず、それと一緒に常駐していない。このように、ビッグデータ機器を含むプロセス制御ビッグデータノードは、必ずしもそれ自体でビッグデータのプロバイダであり得るというわけではない。

【0032】

図２は、例示のビッグデータ機器１１４の簡略ブロック図を提供し、その例は、図１のプロセス制御ビッグデータネットワーク１００に含まれ得る。図２を参照して、例示のビッグデータ機器１１４は、受信されたビッグデータを履歴化するか、記憶するためのビッグデータ記憶領域１２０、１つ以上のビッグデータ機器受信装置１２２、及び１つ以上のビッグデータ機器要請サービサー１２４を含む。ビッグデータ機器受信装置１２２の各々は、１つ以上のネットワークインターフェースを介して（例えば、プロセス制御ビッグデータネットワークに対して）、（別のノードからストリーミング配信され得、及び／または機器１１４が存在するビッグデータプロバイダノードによって生成され得る）ビッグデータパケットを受信し、データパケットを処理して、その中で運ばれる実質的なデータ及び時刻印を読み出し、例えば、時系列データとして、任意にメタデータとしても、実質的なデータ及び時刻印を機器１１４のビッグデータ記憶領域１２０内で記憶するように構成される。ビッグデータ記憶領域１２０は、ＲＡＩＤ（独立ディスクの冗長アレイ）記憶、固体記憶、クラウド記憶、高密度データ記憶、及び／または、データバンクもしくはデータセンター記憶のために好適であり、他のノードに対する単一または統一論理データ記憶領域または実体の外観を有する任意の他の好適なデータ記憶装置技術等の複数のローカル及び／もしくは遠隔物理データドライブまたは記憶実体を含み得る。さらに、ビッグデータ機器要請サービサー１２４の各々は、例えば、要請している実体またはアプリケーションの要請につき、ビッグデータ機器記憶領域１２０内に記憶された時系列データ及び／またはメタデータにアクセスするように構成される。

【0033】

いくつかの例では、ビッグデータ機器１１４は、学習分析を開始及び／または実施するために任意のユーザ入力を使用することなく、典型的には自動的及び／または自立的な様式で、記憶されたビッグデータの少なくとも部分に対してそれぞれのデータアナリティクス及び／または学習を実施するための１つ以上のビッグデータ分析装置１２６を含む。例えば、データ分析及び／または学習は、上述に議論されたような様式で、つまり、「ＤＡＴＡ ＰＩＰＥＬＩＮＥ ＦＯＲ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ ＡＮＡＬＹＴＩＣＳ」と題された上述の米国特許出願第６２／０６０，４０８号（弁理士整理番号０６００５／５９３０８５Ｐ）で議論されたような様式で、または、いくつかの他の好適な様式で実施され得る。実施形態では、ビッグデータ分析装置１２６は、個々に、または全体的に、記憶されたデータに対して、大規模データ分析を実施して（例えば、データマイニング、データ発見等）、新しい情報または知識を発見、検出、または学習する。例えば、データマイニングは、概して、データ記録の通常でない記録または複数のグループ等の、新しいまたは以前は知られていなかった興味深いデータまたはパターンを抽出するために大量のデータを検討するプロセスを伴う。ビッグデータ分析装置１２６はまた、記憶されたデータに対して大規模データ分析を実施して（例えば、機械学習分析、データのモデル化、パターン認識、予測分析、相関分析等）、記憶されたデータ内で暗黙の関係または推論を予測、計算、または特定し得る。実施形態では、複数のビッグデータ分析装置１２６（及び／または少なくとも１つのビッグデータ分析装置１２６の複数の例）は平行に及び／または協調して動作して、機器１１４のビッグデータ記憶領域１２０内で記憶されたデータを分析し得る。さらに、複数のビッグデータ分析装置１２６は、一種の協調データアナリティクス及び学習として互いの間で計算されたパラメータ及びモデル情報を共有、交換、転送し得る。複数のビッグデータ分析装置１２６は、同じビッグデータノード上で一緒に常駐し得るか、異なるビッグデータノード上で常駐し得る。任意の好適な協調データ分析技法（複数可）が本開示のいずれかまたは全ての態様と共に利用され得るが、本明細書に記載された技術のいずれかまたは全てと共に利用され得る協調データ分析の例は、「ＤＡＴＡ ＰＩＰＥＬＩＮＥ ＦＯＲ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ ＡＮＡＬＹＴＩＣＳ」と題された上述の米国特許出願第６２／０６０，４０８号（弁理士整理番号０６００５／５９３０８５Ｐ）に見つかる。

【0034】

実施形態では、ビッグデータ受信装置１２２、ビッグデータ機器要請サービサー１２４、及び／またはビッグデータ分析装置１２６のうちの少なくとも一部は、１つ以上の集積回路、半導体、チップ、または他の好適なハードウェア上に含まれるか、実装される。例えば、スペクトル解析を実施するビッグデータ分析装置１２６は、「ＡＵＴＯＭＡＴＩＣ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ―ＢＡＳＥＤ ＬＥＡＲＮＩＮＧ ＩＮ Ａ ＰＲＯＣＥＳＳ ＰＬＡＮＴ」と題された上述の米国特許出願第１４／５０７，２５２号（弁理士整理番号０６００５／５９３０８６）に記載されるようなビッグデータノードに含まれる集積回路チップによって実装され得る。実施形態では、ビッグデータ受信装置１２２、ビッグデータ機器要請サービサー１２４、及び／またはビッグデータ分析装置１２６のうちの少なくとも一部は、メモリ上で記憶されて、ビッグデータ機器１１４上で動作しているプロセスによって実行可能なコンピュータ実行可能命令を含む。例えば、ビッグデータ機器受信装置１２２、ビッグデータ機器要請サービサー１２４、及び／またはビッグデータ機器分析装置１２６のうちの少なくともいくつかの部分は、１つ以上の非一過性有形メモリまたはデータ記憶装置上で記憶されたそれぞれのコンピュータ実行可能命令を含み、１つ以上のそれらのそれぞれのビッグデータ機能を実施するように、１つ以上のプロセッサによって実行可能である。

【0035】

いくつかの実施形態では、ビッグデータ分析装置１２６は、ビッグデータ機器１１４に含まれないが、その代わりに、同じビッグデータノード上でビッグデータ機器１１４と一緒に常駐し、ビッグデータ機器１１４と通信接続している。例えば、記憶領域１２０、受信装置１２２、及びサービサー１２４を含むビッグデータ機器１１４は、第１の組のコンピュータ実行可能命令によって実装され得、ビッグデータ分析装置１２６は、半導体チップによって、または第２の組のコンピュータ実行可能命令によって実装され得、それは、第１の組のコンピュータ実行可能命令と同じ非一過性有形メモリまたはデータ記憶装置上で記憶される場合もあり、記憶されない場合もある。いくつかの実施形態では、ビッグデータ分析装置１２６は、ビッグデータ機器１１４に含まれず、同じビッグデータノード上でビッグデータ機器１１４と一緒に常駐しないが、それにもかかわらず、ビッグデータ機器１１４と通信接続している。本明細書に記載された技法のいずれかまたは全てが、他の好適なビッグデータ機器と共に利用され得ることが理解されるが、本明細書に記載された技法のいずれかまたは全てと共に利用され得る様々な種類の例示のビッグデータ機器及びそれらの構成部品は、上述の米国特許出願第１３／７８４，０４１号、同第１４／１７４，４１３号、及び同第１４／２１２，４９３号で見出され得る。

【0036】

再び図１に戻って、プロセス制御ビッグデータネットワーク１００は、制御装置、Ｉ／Ｏデバイス、フィールドデバイス等のプロセス制御デバイスによって、直接生成されて、ルートを決められて、及び／もしくは、使用される一次または主プロセス関連データに関して、様々なレベル、階層、または命令で動作するプロセス制御ビッグデータプロバイダノード１０２〜１１０を含み得る。最も低い命令、階層、またはレベルで、「ローカル」ビッグデータプロバイダノードまたはデバイス１０２ａ〜１０２ｎは、プロセスの最も近くで動作して、プロセスプラント１０内でプロセスデバイス及び機器の入力、動作、及び出力と関係する主プロセスビッグデータを収集、生成、観察、及び／または、転送する。したがって、「ローカルビッグデータプロバイダノードまたはデバイス」１０２ａ〜１０２ｎは、典型的には、主プロセス制御データを生成して、ルートを決めて、及び／または受信して、１つ以上のプロセスが、プロセスプラント１０内でリアルタイムに制御されることを可能にするノード及び／またはデバイスである。ローカルビッグデータプロバイダノード１０２ａ〜１０２ｎの例としては、主機能が、プロセス制御データ上で生成、及び／または動作して、例えば、有線及び無線フィールドデバイス、制御装置、及びＩ／Ｏデバイスを制御することを対象とするデバイスが挙げられる。これらのプロセス制御デバイスは、分散された様式で、互いに及び／または１つ以上のプロセス制御通信ネットワークに、通信可能に接続され得る。例えば、１つ以上のフィールドデバイスは、１つ以上のＩ／Ｏデバイスに通信可能に接続され、それは、次に、１つ以上の制御装置に通信可能に接続され、それらは、次に、１つ以上のプロセス制御通信ネットワーク（例えば、ＨＡＲＴ（登録商標）、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）、プロセス制御ビッグデータ、ＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓ等）に通信可能に結合される。

【0037】

ローカルビッグデータプロバイダノード１０２ａ〜１０２ｎの他の例としては、主機能が、（プロセス制御ビッグデータネットワーク１００及び／または他の通信ネットワークを含み得る）プロセス制御システム１０の１つ以上の通信ネットワークを通して主プロセスデータへのアクセスまたはそのルーティングを提供することであるデバイスが挙げられる。そのような種類のローカルビッグデータプロバイダノード１０２ａ〜１０２ｎの例としては、アクセスポイント、ルータ、有線制御バスへのインターフェース、無線通信ネットワークへのゲートウェイ、外部ネットワークまたはシステムへのゲートウェイ、ならびに、他のそのようなルーティング及びネットワークデバイスが挙げられる。ローカルビッグデータプロバイダノード１０２ａ〜１０２ｎのさらに他の例としては、例えば、オーバーフローキャッシュ、中間端末、またはルーティングキューとして、プロセス制御システム１０を通してビッグデータを一時的に記憶するように構成されるヒストリアンデバイス等のデバイスが挙げられる。

【0038】

場合によっては、ローカルビッグデータプロバイダノードは、埋め込まれたビッグデータ機器１１２ａ、１１２ｎをそれぞれ含むノード１０２ａ、１０２ｎによって図１に図解されるように、それぞれのローカルビッグデータ機器を含む。各々のローカルの埋め込まれたビッグデータ機器１１２ａ、１１２ｎは、そのそれぞれのプロバイダ１０２ａ、１０２ｎによって提供されたそれぞれのローカルビッグデータを受信して、記憶する。さらに、ノード１０２ａ中等、いくつかのローカルビッグデータプロバイダノード中で、（取り囲まれたＡ１によって表される）１つ以上のアナリティクス機能、ルーチン、動作、またはプロセスは、機器１１２ａ内に記憶されたローカルビッグデータのうちの少なくともいくつかに対して実施され得る。実施形態では、アナリティクスＡ１は、図２のビッグデータ分析装置１２６のうちの１つ以上によって実施される。学習された情報、学習、及び／または１つ以上のアナリティクスＡ１の結果はまた、ローカルビッグデータ機器１１２ａ内に記憶され得、学習された情報または結果の少なくともいくつかは、別のビッグデータノード１０６ａに提供され得る。例えば、制御装置に含まれるか、それに結合されるローカルビッグデータプロバイダノードは、制御装置の出力信号に対して周波数分析または他の信号処理分析を実施し（「ＡＵＴＯＭＡＴＩＣ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ―ＢＡＳＥＤ ＬＥＡＲＮＩＮＧ ＩＮ Ａ ＰＲＯＣＥＳＳ ＰＬＡＮＴ」と題された上述の米国特許出願第１４／５０７，２５２号（弁理士整理番号０６００５／５９３０８６）に記載されたように）、ローカルビッグデータプロバイダノードは、分析の結果を別のビッグデータノードに送信する。

【0039】

例えば、ノード１０２ｎによって図解されるようないくつかのローカルプロバイダノードは、ローカルビッグデータの収集及び履歴化のために、それぞれのローカルの埋め込まれたビッグデータ機器１１２ｎを含むが、しかしながら、常駐機器１１２ｎは、最小のアナリティクスを実施するか、何もアナリティクスを実施しない。したがって、ノード１０２ｎは、例えば、分析的処理のために、またはさらなる転送のために、ローカルに記憶されたビッグデータを別のノード１０６ｂに単にストリーミング配信する（または、さもなければ、例えば、要請と同時に、または好適な時間に送信する）。いくつかのローカルビッグデータノード（例えば、ノード１０２ｂ）はビッグデータ機器を少しも含まない。そのようなノード１０２ｂは、リアルタイムに、または、キャッシュを用いて、ローカルに観察されたビッグデータを１つ以上の他のビッグデータノード１０２ａ、１０６ｂにストリーミング配信し得る。

【0040】

例えば、プロセス関連データ、プラント関連データ、及び他の種類のデータ等の様々な種類のリアルタイムデータは、ビッグデータプロバイダノードまたはデバイス１０２ａ〜１０２ｎによってビッグデータとして、キャッシュされ、収集され、記憶され、送信され、及び／またはストリーミング配信され得る。プロセス関連のデータの例としては、プロセスがプロセスプラント１０内で制御される（そして、場合によっては、プロセスのリアルタイム実行の影響を表す）一方で生成される連続的な、バッチの、測定の、及び事象データが挙げられる。さらに、プロセス関連データとしては、プロセス定義、構成データ及び／もしくはバッチレシピデータ等の配置または設定データ、プロセス診断の構成、実行、及び結果に対応するデータ等が含まれ得る。

【0041】

プロセスプラント１０に関連したデータであるが、プロセスプラント１０内でプロセスを直接構成、制御、または診断するアプリケーションによって生成され得ないデータ等のプラント関連データはまた、ビッグデータとしてビッグデータプロバイダノード１０２ａ〜１０２ｎによって、キャッシュされ、収集され、記憶され、送信され、及び／または、ストリーミング配信され得る。プラント関連データの例としては、振動データ、蒸気トラップデータ、プラントのセキュリティ（例えば、腐食データ、ガス検出データ等）に対応するパラメータの値を示すデータ、プラントのセキュリティに対応する事象を示すデータ、機械の健全性に対応するデータ、プラント機器及び／またはデバイス等のプラント内の資産に対応するデータ、機器、機械、及び／またはデバイス診断の構成、実行、及び結果に対応するデータ、ならびに、診断及び予知診断に有用なデータが挙げられる。

【0042】

さらに、プロセス制御ビッグデータネットワークバックボーンに関連した、及びプロセスプラント１０の様々な通信ネットワークに関するデータハイウェイトラフィック及びネットワーク管理データ、ユーザトラフィック、ログイン試行、問合せ、及び命令に関連したデータ等のユーザ関連データ、テキストデータ（例えば、ログ、操作手順、マニュアル等）、空間データ（例えば、位置ベースのデータ）、ならびに、マルチメディアのデータ（例えば、閉回路ＴＶ、ビデオクリップ等）を含む他の種類のデータは、ビッグデータとしてビッグデータプロバイダノード１０２ａ〜１０２ｎによって、キャッシュされ、収集され、記憶され、送信され、及び／またはストリーミング配信され得る。

【0043】

いくつかの実施形態では、動的測定及び制御データは、ビッグデータとしてビッグデータプロバイダノード１０２ａ〜１０２ｎによって、自動的にキャッシュされ、収集され、記憶され、送信され、及び／またはストリーミング配信され得る。動的測定及び制御データの例としては、プロセス動作の変化を指定しているデータ、設定点等の操作パラメータの変化を指定しているデータ、ダウンロードまたは通信故障等のプロセス及びハードウェアアラーム及び事象の記録等が挙げられる。加えて、変化が検出されるとき、あるいは、制御装置または他の実体がビッグデータネットワーク１００に最初に追加されるとき、制御装置構成、バッチレシピ、アラーム、及び事象等の静的データは、デフォルトで自動的に収集され得る。

【0044】

さらに、いくつかのシナリオでは、メタデータの変化が検出されるとき、動的制御及び測定データを説明するか、または特定する少なくともいくつかの静的メタデータは、ビッグデータプロバイダノード１０２ａ〜１０２ｎ内でキャプチャされる。例えば、変化が、制御装置によって送られなければならないモジュールまたは単位で測定及び制御データに影響を与える制御装置構成でなされるならば、関連付けられたメタデータの更新は、ビッグデータプロバイダノード１０２ａ〜１０２ｎによって自動的にキャプチャされる。追加として、または代わりに、外部システムまたはソースからのバッファリングデータのために使用された特別なモジュールと関連付けられたパラメータ（例えば、天気予報、公開イベント、会社決定等）、監視データ、及び／または他の種類のモニタリングデータは、ビッグデータプロバイダノード１０２ａ〜１０２ｎによって自動的にキャプチャされ得る。

【0045】

いくつかの状況では、エンドユーザによって創出された追加されたパラメータは、ビッグデータプロバイダノード１０２ａ〜１０２ｎ内で自動的にキャプチャされる。例えば、エンドユーザは、モジュール内で特別な計算を創出し得るか、収集される必要がある単位にパラメータを追加し得るか、あるいは、エンドユーザは、デフォルトで伝えられない標準的な制御装置診断パラメータを収集することを望み得る。エンドユーザが任意に構成するパラメータは、デフォルトパラメータとして同様に伝えられ得る。

【0046】

再び図１を参照して、ローカルビッグデータノード１０２ａ〜１０２ｎより１つ以上上のレベルまたは階層において、プロセス制御ビッグデータネットワーク１００は、１つ以上の地域的ビッグデータノード１０６ａ〜１０６ｍを含み得る。地域的ビッグデータを実装するために、プロセスプラントまたはプロセス制御システム１０は、地理的、物理的、機能的、論理的等の任意の所望の様式及び／またはグループ化に従って描かれ得る複数の異なる領域または地域を有すると見なされ得る。例示的だが非限定的な例では、プロセスプラントは、資料素材を受信し、かつ第１の中間製品を生み出す第１の地域と、他の資料素材を受信し、かつ第２の中間製品を生み出す第２の地域と、第１及び第２の中間製品を受信して出力製品を生み出す第３の地域とを有し得る。これらの３つの異なる例示の地域の各々は、そのそれぞれの地域によって生み出されたビッグデータ上で動作するように、それぞれの「地域的」ビッグデータノード１０６ａ、１０６ｂ、１０６ｍによってサービスが提供され得る。したがって、「地域的ビッグデータノード」は、ローカルビッグデータプロバイダノード１０２のそれぞれのグループ化または地域によって、及び場合によっては、他のビッグデータプロバイダノード１０４によって生成及び／または提供されるデータに対してビッグデータサポート及びサービスを提供する。他のビッグデータプロバイダノード１０４には、例えば、プラント１０の地域の外部にあるビッグデータノード（例えば、携帯型診断デバイスまたはオフラインシミュレータ）、ユーザインターフェースデバイス１３０、または完全にプロセスプラント１０の外部にあるデータ源（例えば、資料供給元のコンピューティングデバイス、天気予報を提供しているフィード等）が含まれ得る。

【0047】

図１に示されるように、地域的ビッグデータノード１０６ａ〜１０６ｍによってサービスを提供されたそれぞれのグループ化または地域は、地理的、物理的、機能的、論理的、または他の所望の様式のうちのいくつかであるか少なくとも１つに従って関連付けられる１つ以上のビッグデータプロバイダノード１０２ａ〜１０２ｎ及び／または他のビッグデータノード１０４を含み得る。例えば、地域的ビッグデータノード１０６ａは、ローカルビッグデータプロバイダノード１０２ａ及び１０２ｂを含む地域にサービスを提供し、地域的ビッグデータノード１０６ｂは、別のビッグデータノード１０４だけでなく、ローカルビッグデータノード１０２ｂ及び１０２ｎを含む地域にサービスを提供する。特定の地域に含まれる特定のノード１０２、１０４は、地域的ビッグデータ記憶、アクセス、及び／または分析のために、データをそれらのそれぞれの地域的ビッグデータノード１０６にデータをストリーミング配信するか配信し得る。さらに、ビッグデータプロバイダノード１０２ａ〜１０２ｎ及び／または他のビッグデータノード１０４のいずれも、特定の地域的ビッグデータノード１０６ａ〜１０６ｍと通信して、そのような要請ノードが特定の地域的ビッグデータノード１０６ａ〜１０６ｍの特定の地域に含まれるかどうかにかかわらず、地域的に可用なサービスを要請して、ならびに／またはその中で記憶された地域的ビッグデータ及びメタデータにアクセスし得る。

【0048】

したがって、各々の地域的ビッグデータノード１０６ａ〜１０６ｍは、それぞれの地域的ビッグデータ機器１１６ａ〜１１６ｍを含み、それを介して、ビッグデータは受信されて、地域的ビッグデータとして記憶されて、アクセスされるか、要請される。さらに、各々の地域的ビッグデータノード１０６ａ〜１０６ｍは、地域的ビッグデータのうちの少なくともいくつかの上で、個別に及び／または協調して動作し得る１つ以上のアナリティクス機能、ルーチン、動作、またはプロセス（例えば、Ａ２〜Ａｗ）を典型的に含む。例えば、地域的ビッグデータ機器１１６ｂは、プロセスプラント１０の一部または地域を通して液体の流れを協調して制御するように構成されるローカルプロバイダノード１０２ｂ、１０２ｎからローカルビッグデータを受信し得、ノード１０６ｂは、受信データのうちの少なくともいくつかに対してアナリティクスプロセスＡ４を実施して、プロセスプラントの一部または地域内で液体の平均伝達遅れを決定し得る。アナリティクスＡ４の結果は、次いで、地域的ビッグデータ機器１１６ｂ内で、追加の地域的ビッグデータとして、記憶または履歴化され得る。実施形態では、アナリティクスＡ２〜Ａｗの各々は、それぞれのビッグデータノードに対して、常駐である図２の１つ以上のビッグデータ分析装置１２６によって実施される。

【0049】

いくつかの状況では、地域的ビッグデータノードまたはデバイス１０６ａ〜１０６ｍは、受信されたか、生成されたビッグデータ、学習された知識または情報、ならびに／またはアナリティクス結果を、例えばピアとして、別の地域的ビッグデータノード１０６ａ〜１０６ｍに伝える。上の例を続けることによって図解するために、地域的ビッグデータノード１１６ａは、地域的ビッグデータノード１０６ｂによって実施されたアナリティクス分析Ａ４によって生成された学習された情報を受信する。その後、地域的ビッグデータノード１０６ａは、次いで、それ自体の地域内で、ローカルビッグデータノード１０２ａ、１０２ｂから受信されたローカルビッグデータと併せて、ノード１０６ｂからピアを提供された学習された情報の少なくとも一部に対して、１つ以上のそれぞれの地域的アナリティクスＡ２、Ａ３を実施し得る。アナリティクスＡ２、Ａ３は、次に、地域的ビッグデータ機器１１６ａにおける履歴化のために、及び／または他のビッグデータノード１０６ｂ、１０６ｃ、１０８への供給のために、追加の地域的ビッグデータを生成し得る。したがって、地域的ビッグデータノード１０６ａ〜１０６ｍが、（例えば、それによって実施された任意の常駐アナリティクスの結果または学習に基づいて）、いくつかのシナリオで地域的ビッグデータを起こすとき、地域的ビッグデータノード１０６ａ〜１０６ｍは、地域的ビッグデータプロバイダノードとしても動作し得る。

【0050】

それぞれの地域的ビッグデータノードの下のビッグデータプロバイダノード１０２ａ〜１０２ｎのグループ化は、地理的、物理的、機能的、論理的等の任意の所望の様式に従って実行され得る。例えば、例示的だが非限定的なシナリオでは、プロセスプラント１０内のプロセスは、２つの中間製品に基づいて特定の製品を生み出し得る。したがって、ローカルビッグデータプロバイダノード１０２ａは、第１の中間製品を生み出す第１の制御ループを表し得、ローカルビッグデータプロバイダノード１０２ｂは、第２の中間製品を生み出す第２の制御ループを表し得る。このように、２つの制御ループ１０２ａ、１０２ｂによって、生成されるか、収集されるか、受信されるか、さもなければ観察される全てのプロセス制御データは、履歴化、記憶、及び分析のために、地域的ビッグデータノード１０６ａに送信され得る。

【0051】

類似の様式で、地域的ビッグデータノード１０６ｂは、データを、ビッグデータプロバイダノードのそのそれぞれのグループから、受信し、分析し得る。例えば、地域的ビッグデータノード１０６ｂは、他のソース１０４によって提供されたビッグデータと併せて、ビッグデータプロバイダノード１０２ｂ、１０２ｎの各々からの中間製品に基づく別の製品の生産に対応するビッグデータを分析する役割を果たし得る。

【0052】

地域的ビッグデータノード１０６ａでは、受信されたビッグデータは、（例えば、１つ以上のアナリティクス機能またはプロセスＡ２、Ａ３を使用することによって）分析されて、時間を通じて、及び／または様々なデータ集合のうちの少なくともいくらかを通じて、意味がある関係、パターン、相関関係、傾向等を説明する学習された知識を創出するか、生成し得る。例えば、特定の製品が最終的に生み出されるとき、２つの制御ループ１０２ａ、１０２ｂの事象のある特定の組み合わせは、低い製品品質に繋がり得る。低い製品品質の根本の原因を判定するために、地域的ビッグデータノード１０６ａは、それらの発生時またはその直後に（例えば、事象の発生に対応するデータが地域的ビッグデータノード１０６ａにおいて受信されるとき）、事象の組み合わせによって生成されたデータを分析する。地域的ビッグデータノード１０６ａは、これらの事象の発生に基づいて低い製品品質を予測する学習された知識を生成し得、及び／または、もしそれらが未来に起こる時は、リアルタイムに１つ以上のパラメータを自動的に調節するか、変化させて、事象の組み合わせの影響を緩和し得る。例えば、地域的ビッグデータノード１０６ａは、修正された設定点または修正されたパラメータ値を決定して、２つの制御ループ１０２ａ、１０２ｂをよりよく規制及び管理し得る。

【0053】

概して、各々の地域的ビッグデータノード１０６ａ〜１０６ｍ（または、そのそれぞれのビッグデータ機器１１６ａ〜１１６ｍ）は、ビッグデータプロバイダノードのそのそれぞれのグループまたは地域からデータを分析し、意味があるパターン、相関関係、傾向等を決定する。学習されたパターン、相関関係、傾向等は、次いで、学習された知識として、それぞれの地域的ビッグデータ機器１１６ａ〜１１６ｍ内に記憶される。本明細書に使用される場合、「学習された知識」または「学習」という用語は、概して、ビッグデータに対して実施されている１つ以上の分析の結果として生成されるデータ、サービス、機能、ルーチン、及び／またはアプリケーションを指す。さらに、各々の地域的ビッグデータノード１０６ａ〜１０６ｍ（または、そのそれぞれのビッグデータ機器１１６ａ〜１１６ｍ）は、最初に学習された知識（それは、次に、さらなる学習された知識として記憶される）に基づいて、新しいサービス、機能、ルーチン、もしくはアプリケーションを決定または画定し（及び／または、既存のサービス、機能、ルーチン、もしくはアプリケーションを修正し）得る。

【0054】

地域的ビッグデータノード１０６ａ〜１０６ｍは、階層化または均一化学習のために利用され得る。例えば、１つ以上の地域的ビッグデータノードは、それらの学習された知識及び／または記憶されたデータを、複数の地域を監督するかそれらにサービスを提供する上流のビッグデータノードに送信し得る。図１に示されるように、地域的ビッグデータノード１０６ｃは、学習された知識及び／またはデータを地域的ビッグデータノード１０６ａ及び１０６ｂから受信し、ノード１０６ｃは、受信されたビッグデータをそのそれぞれの埋め込まれた機器１１６ｃ内で履歴化する。地域的ビッグデータノード１０６ｃは、（例えば、アナリティクス機能Ａ８〜Ａｗのうちの１つ以上を使用することによって、）受信された学習された知識及び／またはデータのうちの少なくともいくつかに対してさらなる分析または学習を実施し、追加の学習された知識（例えば、データパターン、傾向、相関関係など、サービス、機能、ルーチン、及び／またはアプリケーション）を生成し得、それは、次に、埋め込まれた機器１１６ｃ内に追加の地域的ビッグデータとして記憶され、及び／または他のビッグデータノード１０６ａ、１０６ｂ、１０８に提供され得る。

【0055】

実施形態では、階層化または均一化学習は、ボトムアップベースで実行される。例示的だが非限定的な例では、地域的ビッグデータノード１０６ａは、ローカルビッグデータプロバイダノード１０２ａ、１０２ｂのそのそれぞれのグループから受信されたデータを分析して、その「地域」が正しく動作しているかどうか判定する。地域的ビッグデータノード１０６ａがその分析から学習する知識は、新しい診断ルーチン（例えば、学習されたルーチン）を生成している地域的ビッグデータノード１０６ａをもたらし得る。地域的ビッグデータノード１０６ａは、記憶、使用、及び／またはアクセスのために、上流のビッグデータノード１０６ｃに生成された診断ルーチンを送信し得る。地域的ビッグデータノード１０６ａは、（例えば、生成されるものとして、または周期ベースで、自動的に）上流の地域的ビッグデータノード１０６ｃと新しい診断ルーチンを共有することを独立して開始し得るか、あるいは、上流の地域的ビッグデータノード１０６ｃが、地域的ビッグデータノード１０６ａに１つ以上の種類の新しい学習された知識を共有することを要請するとき、地域的ビッグデータノード１０６ａは、新しい診断ルーチンが送信されるようにし得る。

【0056】

実施形態では、階層化または均一化学習は、トップダウンベースで実行される。上の例を続けることによって図解するために、上流の地域的ビッグデータノード１０６ｃは、受信された診断ルーチンを分析して、診断ルーチンが他の地域的ビッグデータノード（例えば、地域的ビッグデータノード１０６ｂ）に有用で、それに適用できることを判定し得る。したがって、上流の地域的ビッグデータノード１０６ｃは、地域的ビッグデータノード１０６ｂに診断ルーチンを分散し得、そのため、地域的ビッグデータノード１０６ｂ及び／またはその地域のローカルプロバイダノード１０２ａ、１０２ｎ、１０４のいずれも、診断ルーチンをそのそれぞれの診断目的のために利用することができる。上流の地域的ビッグデータノード１０６ｃは、地域的ビッグデータノード１０６ｂと新しい診断ルーチンを共有することを独立して開始し得るか、あるいは、上流の地域的ビッグデータノード１０６ｃは、地域的ビッグデータノード１０６ｂによってなされた要請と同時に、新しい診断ルーチンが送信されるようにし得る。代わりに、または追加として、上流の地域的ビッグデータノード１０６ｃは、それが監督していて、サービスを提供し、及び／または接続される全ての地域的ビッグデータノードから受信された学習された知識を集約して、分析することによって、一般的な診断ルーチンを生成し得る。このシナリオでは、上流の地域的ビッグデータノード１０６ｃが、一般的な診断が有用であるか、何らかの他の理由のためであり得ることを指示する地域的ビッグデータノードからデータを受信するとき、上流の地域的ビッグデータノード１０６ｃは、例えば、生成されるものとして、または周期ベースで、自動的に、特定の地域的ビッグデータノードの要請と同時に、一般的な診断ルーチンをその地域的ビッグデータノードのいずれかまたは全てに分散する。その後、そして類似の様式で、地域的ビッグデータノード１０６ｃの下流の各々の地域的ビッグデータノードは、そのそれぞれの地域で、任意の数のローカルビッグデータプロバイダに一般的な診断ルーチンを分散し得る。

【0057】

いくつかの実施形態では、例えば、ノード１０６ａ及び１０６ｂ等の地域的ビッグデータノードは、例えば、ピアツーピア様式で学習された知識を互いに共有し得る。例えば、地域的ビッグデータノード１０６ａは、地域的ビッグデータノード１０６ｂに新しいまたは学習されたアナリティクスルーチンを直接送信し、そのため、地域的ビッグデータノード１０６ｂは、新しい分析ルーチンをそれ自体の目的のために利用し得る。

【0058】

図１では、１つの上流の地域的ビッグデータノード１０６ｃだけが描写されることに留意されたい。しかしながら、図１に関して議論された技法及び概念は、複数の層またはレベルのビッグデータ履歴化、記憶、及び学習をサポートしている任意の数の上流の地域的ビッグデータノードに応用され得る。

【0059】

さらに、地域的ビッグデータ機器と局所的ビッグデータ機器との両方が、プロセスプラント１０の異なるそれぞれのビッグデータノード及び／または異なるそれぞれのグループまたは地域にサービスを提供するが、プロセスプラント１０全体またはその１つ超の地域にサービスを提供しないので、地域的ビッグデータ機器と局所的ビッグデータ機器との両方は、概して、かつカテゴリー的に、本明細書で「分散されたビッグデータ機器」と称される。概して、分散されたビッグデータ機器は、ビッグデータを複数の他のビッグデータ機器に伝える。例えば、特定のビッグデータプロバイダノードに含まれるローカルビッグデータ機器は、他のビッグデータプロバイダノードに含まれる他の局所的ビッグデータ機器に、１つ以上の地域的ビッグデータ機器に、及び／または集中型ビッグデータ機器（より詳細に以下に説明される）に、学習された知識及び／またはビッグデータを伝え得る。同様に、地域的ビッグデータ機器は、１つ以上の局所的ビッグデータ機器及び／またはビッグデータプロバイダノードからビッグデータを受信し得る。地域的ビッグデータ機器は、他の地域的ビッグデータ機器に、及び／または集中型ビッグデータ機器に、学習された知識及び／またはビッグデータを伝え得る。

【0060】

上述のように、プロセス制御ビッグデータネットワーク１００のいくつかの構成では、地域的ビッグデータノードまたはデバイス１０６ａ〜１０６ｍのうちの少なくともいくつか、ローカルビッグデータノードまたはデバイス１０２ａ〜１０２ｎのうちの少なくともいくつか、及び／または、他のビッグデータノードまたはデバイス１０４は、それぞれのビッグデータ、アナリティクス結果、及び／または学習された情報を集中型ビッグデータノード１０８に伝える。本明細書に称されるような「集中型ビッグデータノード」は、典型的には、プロセスプラント１０の複数の地域にサービスを提供し、いくつかの状況では、プロセスプラント１０の大部分または全体にサービスを提供する。したがって、集中型ビッグデータノード１０８は、プロセスプラントビッグデータへのアクセスを受信して、記憶して、提供するための１つ以上の集中型の埋め込まれたビッグデータ機器１１８を含む。例えば、集中型ビッグデータ機器１１８は、プロセスプラント１０によって生成されたビッグデータのほとんどまたは全ての包括的な、長期の履歴化を提供し得、及び／または、集中型ビッグデータ機器１１８は、他のビッグデータノードに、もしくは、プロセス制御ビッグデータノードでないプロセスプラントの内部またはその外部のコンピューティングデバイスにさえ、プロセスプラント全体の可用性に対するビッグデータを公表し得る。

【0061】

いくつかの構成では、単一の集中型ビッグデータノード１０８または機器１１８は、プロセス制御システムまたはプラント１０全体にサービスを提供しない場合があるが、プロセス制御システムまたはプラント１０の２つ以上の地域にサービスを提供し得る。例えば、異なる集中型ビッグデータノード１０８または機器１１８は、単一のプラントまたはシステム１０内で使用されて、セキュリティ及びアクセスの目的のために、異なる種類または領域のビッグデータを分割し得る。いくつかの構成では、単一の集中型ビッグデータノード１０８または機器１１８は、プロセスプラント１０全体にサービスを提供する。

【0062】

プロセスプラント１０では、地域的ビッグデータノード１０６ａ〜１０６ｍのうちの１つ以上は、その生成されたか受信された学習された知識及び／またはデータが、集中型ビッグデータノード１０８にストリーミング配信されるか、さもなければ配信され得る。例えば、地域的ビッグデータノード１０６ａ〜１０６ｍのうちの１つ以上は、そのそれぞれの記憶された学習された知識及び／またはデータのうちの少なくともいくつかを集中型ビッグデータノード１０８に送信する。いくつかの実施形態では、地域的ビッグデータノード１０６ａ〜１０６ｍのうちの１つ以上は、周期間隔で、そのそれぞれ記憶された学習された知識及び／またはデータのうちの少なくともいくつかを集中型ビッグデータノード１０８の方に押す。いくつかの実施形態では、地域的ビッグデータノード１０６ａ〜１０６ｍのうちの１つ以上は、集中型ビッグデータノード１０８からの要請に応じて、そのそれぞれ記憶された学習された知識及び／またはデータの少なくとも一部を提供する。

【0063】

集中型ビッグデータノード１０８及び／またはその埋め込まれた機器１１８は、例えば、１つ以上のアナリティクス機能Ａｘ〜Ａｙを利用することによって、受信された学習された知識及び／または地域的ビッグデータノード１０６ａ〜１０６ｍから受信されたデータのいずれかまたは全てをさらに分析するように構成され得る。実施形態では、アナリティクスＡｘ〜Ａｙの各々は、それぞれのビッグデータノードに対して、常駐である図２の１つ以上のビッグデータ分析装置１２６によって実施される。１つ以上のアナリティクス機能Ａｘ〜Ａｙは、受信された学習された知識及び／またはデータ上で動作して、追加の知識を生成して、プロセスプラント１０の内部と外部にある様々な実体とプロバイダとの間の関係を決定し得る。追加の知識及び決定された関係は、記憶されて、さもなければ、例えば、埋め込まれた機器１１８において追加の集中型ビッグデータとして利用され得る。場合によっては、集中型ビッグデータノード１０８または機器１１８は、生成された知識及び関係を利用して、それに応じてプラント１０の１つ以上のプロセスを制御する。

【0064】

実際、ビッグデータネットワーク１００のうちの任意のノード１０２〜１０６は、例えば、履歴化または長期保管のために、ビッグデータを集中型ビッグデータ機器１１８にストリーミング配信するか提供し得る。例えば、ローカルビッグデータプロバイダノード１０２は、そのビッグデータを集中型ビッグデータノード１０８に直接ストリーミング配信し得る。同様に、ビッグデータネットワークの任意のノード１０２〜１０６は、埋め込まれた集中型機器１１８によって提供されたサービスを要請し得、ならびに／またはその中で記憶されたデータ及びメタデータにアクセスを要請し得る。さらに、複数の集中型ビッグデータノード１０８または機器１１８が単一のプロセスプラント１０にサービスを提供する実施形態では、複数の集中型ビッグデータノード１０８または機器１１８は、地域的ビッグデータノード１０６ａ〜１０６ｍのために記載されたものと同様に、ピアツーピア様式で通信し得る。

【0065】

また、地域的ビッグデータノード１０６ａ〜１０６ｍに類似して、集中型ビッグデータノード１０８によって実施されたアナリティクス（例えば１つ以上のアナリティクス機能Ａｘ〜Ａｙ）が、集中型ビッグデータ機器１１８に記憶されて、他のビッグデータノード１０２〜１０６にアクセス可能にされる追加の発見されたまたは学習された情報をもたらすとき等のように、集中型ビッグデータノード１０８は、いくつかの状況において、それ自体がビッグデータの製作者またはプロバイダであり得る。しかしながら、典型的には、集中型ビッグデータ機器１１８によって取り扱われて、サービスを提供されたビッグデータの容量の大部分は、他のビッグデータノード１０２〜１０６から受信される。本明細書に記載された技法のいずれかまたは全てと共に利用され得る例示の集中型ビッグデータノード１０８及び例示の集中型ビッグデータ機器１１８の説明は、上述の米国特許出願第１３／７８４，０４１号に見つけられ得る。しかしながら、本明細書に記載された技法のいずれかまたは全ては、米国特許出願第１３／７８４，０４１号に記載されたもの以外の集中型ビッグデータ機器と共に、代わりに、または追加として利用され得る。

【0066】

いくつかの構成では、集中型ビッグデータノード１０８は、ビッグデータ履歴化、記憶、アクセス、及び／または分析のために、遠隔ビッグデータノード（例えば、プロセスプラント１０に関して遠隔のビッグデータノード）にデータ及び学習された情報を伝える。本明細書で「クラウドビッグデータノード１１０」と称されるそのようなビッグデータノードは、サービスを複数の異なるプロセスプラントまたはプロセス制御システム１０に提供し得る。例えば、複数の異なる石油精製を運営する会社は、クラウドビッグデータノード１１０及びクラウドビッグデータ機器１２１を、その石油精製のうちの全てに関連したビッグデータをサービス提供するために提供し得る。例えば、クラウドビッグデータノード１１０及び常駐クラウドビッグデータ機器１２１を介して、特定の精製の集中型ビッグデータノードは、プロセスプラント１０の公表されたビッグデータを取得し得、特定の精製において、取得された、公表されたビッグデータをプラント動作のために利用し得る。いくつかの実施形態では、ビッグデータノード１０２〜１０６のいずれも、データをクラウドビッグデータノード１１０に直接ストリーミング配信するか提供し得る。同様に、ビッグデータノード１０２〜１０６のいずれも、クラウドビッグデータノード１１０の埋め込まれた機器１２１によって提供されたサービスを要請し、ならびに／または、その中に記憶されたデータ及びメタデータにアクセスし得る。図１に示されていないが、例えば、図２のビッグデータ分析装置１２６によって提供されるように、クラウドビッグデータノード１１０は、その中に１つ以上のそれぞれのアナリティクスルーチン、機能、またはプロセスを含み得る。

【0067】

さらに、全ての種類のビッグデータノードが全てのプロセスプラントに含まれるというわけではないことに留意されたい。例えば、特定のプロセスプラントにおける最高レベルのビッグデータ処理は地域的レベルにあり得、したがって、特定のプロセスプラントは、集中型ビッグデータノード１０８をまったく含まない場合もあり、クラウドビッグデータノード１１０に接続されない場合もある。しかし、概して、地域的ビッグデータを容易にするか、サポートするために、プロセスプラント１０は、少なくとも１つのローカルビッグデータプロバイダノード１０２及び少なくとも１つの地域的ビッグデータノード１０６を含む。

【0068】

実施形態では、地域的ビッグデータノード１０６のうちの少なくともいくつかは、ローカルビッグデータプロバイダノード１０２に関してオーバーレイされ得る。例えば、様々なローカルビッグデータプロバイダノード１０２は、例えば、プロセス制御デバイス（例えば、フィールドデバイス、制御装置、Ｉ／Ｏデバイス）、ゲートウェイデバイス、アクセスポイント、ルーティングデバイスまたはルータ、ヒストリアンデバイス、ネットワーク管理デバイス等の既存の制御システムのデバイスまたはノードを含み得る。地域的ビッグデータを実装するために、１つ以上の地域的ビッグデータノード１０６は、既存の制御システムに追加されるか、その上にオーバーレイされ得、そのため、アナリティクスは実施され得、ビッグデータは、既存の制御システムの動作から独立している様式で、ビッグデータネットワークの地域的ビッグデータノードの間に転送され得る。

【0069】

追加として、いくつかの実施形態では、プロセスプラント１０は、任意のビッグデータサポートを本質的に含まない１つ以上のレガシープロセス制御デバイス（図示せず）を含む。これらの実施形態では、プラント１０内のゲートウェイノードまたはレガシーデバイスに直接結合された付属デバイスは、レガシーデバイスによって利用されたプロトコルとプロセス制御ビッグデータネットワークバックボーンによって利用されたプロトコルとの間で、データメッセージを変換するか、変形して、それによって、レガシーデバイスとプロセス制御ビッグデータネットワーク１００とを通信可能に接続し得る。プロセス制御ビッグデータネットワークと共に使用されているレガシーデバイスの例は、「ＳＴＲＥＡＭＩＮＧ ＤＡＴＡ ＦＯＲ ＡＮＡＬＹＴＩＣＳ ＩＮ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭＳ」と題された前述の米国特許出願第１４／５０６，８６３号（弁理士整理番号０６００５／５９３０７０）で議論される。

【0070】

さらに、典型的には、ビッグデータノードまたはデバイス１０２〜１１０のうちのいくつかは、例えば、有線または無線通信リンクを通じて通信することによって、または、ユーザインターフェースデバイス１３０をビッグデータノードまたはデバイス１０２〜１１０のポート内に差し込むことによって、１つ以上のユーザインターフェースデバイス１３０と通信接続する能力を有し得るが、ビッグデータノードまたはデバイス１０２〜１１０は、一体型ユーザインターフェースを有さない。図１では、ユーザインターフェースデバイス１３０は、プロセス制御ビッグデータネットワーク１００に無線接続されるビッグデータノードとして描写される。

【0071】

ユーザインターフェースデバイスまたはユーザインターフェースビッグデータノード１３０は、１つ以上の統合ユーザインターフェース（例えば、移動または固定コンピューティングデバイス、ワークステーション、携帯デバイス、表面コンピューティングデバイス、タブレット等）を有するデバイスであり、それを介して、ユーザまたはオペレータは、プロセス制御システムまたはプロセスプラント１０と対話し、プロセスプラント１０に関する活動（例えば、構成する、閲覧する、モニターする、テストする、診断する、命令する、計画する、予定する、注釈をつける、及び／または他の活動）を実施し得る。統合ユーザインターフェースは、スクリーン、キーボード、キーパッド、マウス、ボタン、タッチスクリーン、タッチパッド、バイオメトリックインターフェース、スピーカー及びマイクロフォン、ならびに／または任意の他のユーザインターフェース技術を含み得る。ユーザインターフェースデバイス１３０は、プロセス制御システムビッグデータネットワークバックボーンへの直接の有線及び／または無線接続を含み得るか、例えば、アクセスポイントまたはゲートウェイを介してのバックボーンへの間接接続を含み得る。

【0072】

いくつかの実施形態では、ユーザインターフェースデバイス１３０は、１つ以上の組み込み分析機能またはルーチン（丸で囲まれたＡｚによって図１に示される）を有し得る。言い換えると、ユーザインターフェースデバイス１３０は、任意の数のビッグデータノード及び／またはビッグデータ機器と通信して、データをダウンロードして、ダウンロードされたデータに対して、及び／またはユーザインターフェースデバイス１３０に知られていた追加データに対して、局所分析Ａｚを実施し、知識を発見または学習し得る。実際、いくつかの構成では、ユーザインターフェースデバイス１３０は、ビッグデータプロバイダノードであり、その分析Ａｚの結果のうちの少なくともいくつか、及び／または分析結果から学ばれる知識を、１つ以上の他のローカル、地域的、集中型、クラウド、または他のビッグデータノード１０２〜１１０へのビッグデータとして提供し得る。（本明細書に記載された技法のうちのいずれかまたは全てと共に利用され得る）プロセス制御ビッグデータネットワーク内でのユーザインターフェースデバイスの使用法の例は、例えば、「ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＣＯＮＴＲＯＬＬＩＮＧ Ａ ＰＲＯＣＥＳＳ ＰＬＡＮＴ ＷＩＴＨ ＬＯＣＡＴＩＯＮ ＡＷＡＲＥ ＭＯＢＩＬＥ ＣＯＮＴＲＯＬ ＤＥＶＩＣＥＳ」と題され、２０１３年９月１７日に出願され、参照によりその開示の全体が本明細書に組み込まれる、米国特許出願第１４／０２８，７８５号に見出され得る。しかしながら、当然のことながら、プロセス制御ビッグデータネットワーク１００と共にユーザインターフェースデバイスを利用する他の技法は、本明細書に記載された技法のうちのいずれかまたは全てと共に、代わりにまたは追加として用いられ得る。

【0073】

実施形態では、ユーザインターフェースデバイス１３０は、分析アプリケーションもしくはアプレットを動作することができる特別なチップセット及び／またはコンピュータ実行可能命令を有する無線もしくは携帯デバイスである。したがって、ユーザインターフェースデバイス１３０は、ローカル、地域的、集中型、またはクラウドビッグデータノード１０２〜１１０のうちのいずれもから、データをダウンロードまたは要請し、次いで、アプレットを実行して、ダウンロードされたデータのうちのいずれかまたは全てに対して、及び／または、場合によっては、ユーザインターフェースデバイス１３０に知られた他のデータに対して、特殊処理を実施し得る。一旦データがダウンロードを終了すると、ユーザインターフェースデバイス１３０はアプレットを自動的に実行し得るか、あるいは、ユーザインターフェースデバイス１３０は、デバイス１３０の一部であるユーザインターフェースを介して受信されたユーザ入力またはコマンドに基づいて、アプレットを実行し得る。アプレットから生成された結果またはアナリティクスは、例えば、学習された知識として、ユーザインターフェースデバイス１３０からプロセス制御ビッグデータネットワークの１つ以上のビッグデータノードまで送信され得る。ユーザインターフェースデバイス１３０によって生成された前記学習された知識は、フィードバック、診断、トラブルシューティング、オンライン予測、故障検出、推奨事項等の形態で、有益な情報を様々なビッグデータノード１０２〜１１０に提供し得る。例えば、この性質の分析アプレットは、特定の機器、デバイス、プロセス、プラント、会社等を評価するか、分析するために開発され得る。

【0074】

プロセスプラントまたはプロセス制御環境内で地域的ビッグデータをサポートする例示のローカルビッグデータプロバイダデバイス１０２を図解している詳細ブロック図が、図３に示される。デバイス１０２が図１のプロセスプラントまたはプロセス制御システム１０に関して議論される一方、ローカルビッグデータプロバイダデバイス１０２を他のプロセスプラントまたはプロセス制御システムの中またはそれらと共に使用して、それらの中の地域的ビッグデータをサポートすることができる。

【0075】

図３中、「ＢＤ」の参照は特定のデバイスまたはノードがビッグデータをサポートすることを示す。特に、図３は、複数のローカルビッグデータプロバイダデバイス１１、１５、１６、１８、１９、２０、２１、２６、２８、３５、４２ａ、４２ｂ、４４、５２ａ、５５ａ、５８、地域的ビッグデータノード１０６ｗ〜１０６ｚ、及び集中型ビッグデータノード１０８を示す。当然のことながら、図３に示されるビッグデータノードの数及び種類は、非限定的で、例示の目的のためである。地域的ビッグデータをサポートするプロセスプラントまたはプロセス制御システムは、少なくとも１つのビッグデータプロバイダノード及び少なくとも１つの地域的ビッグデータノードを含み得る。

【0076】

上で議論したように、ローカルビッグデータプロバイダデバイス１０２は、主機能が、プロセスプラント環境１０においてリアルタイムでプロセスを制御するための機能を実施するのに使用されるプロセス制御データを自動的に生成及び／または受信することであるデバイスを含み得る。例えば、プロセス制御装置、フィールドデバイス、及び入力／出力装置は、可能なローカルビッグデータデバイス１０２の例である。プロセスプラント環境１０では、プロセス制御装置は、フィールドデバイスによって行われたプロセス測定を示す信号を受信して、制御ルーチンを実装するためにこの情報を処理して、他のフィールドデバイスに有線または無線通信リンクを通じて送られる制御信号を生成して、プラント１０内でプロセスの動作を制御する。典型的には、少なくとも１つのフィールドデバイスは、物理機能を実施して（例えば、弁を開閉して、温度を増減する等）、プロセスの動作を制御し、いくつかの種類のフィールドデバイスは入力／出力装置を用いて制御装置と通信し得る。プロセス制御装置、フィールドデバイス、及び入力／出力装置は有線または無線であり得、有線及び無線プロセス制御装置、フィールドデバイス、ならびに入力／出力装置の任意の数と組み合わせとは、プロセス制御ビッグデータネットワーク１００のローカルビッグデータプロバイダノード１０２ａ〜１０２ｎであり得る。

【0077】

例えば、図３は、入力／出力（Ｉ／Ｏ）カード２６及び２８を介して有線フィールドデバイス１５〜２２に通信可能に接続され、無線ゲートウェイ３５及びプロセス制御ビッグデータネットワークバックボーン１０５（図１の中で議論されたネットワークバックボーンと類似している場合がある）を介して無線フィールドデバイス４０〜４６に通信可能に接続されるプロセス制御装置１１を図解する。実施形態では、制御装置１１は、任意の数の他の有線または無線通信リンクを用いて等、バックボーン１０５以外の１つ以上の通信ネットワークを用いて、無線ゲートウェイ３５に通信可能に接続され得る。

【0078】

一例として、Ｅｍｅｒｓｏｎ Ｐｒｏｃｅｓｓ Ｍａｎａｇｅｍｅｎｔによって販売されるＤｅｌｔａＶ（商標）制御装置である場合がある制御装置１１は、フィールドデバイス１５〜２２及び４０〜４６のうちの少なくともいくつかを使用してバッチプロセスまたは連続プロセスを実装するように動作し得る。実施形態では、プロセス制御ビッグデータネットワークバックボーン１０５に通信可能に接続されていることに加えて、制御装置１１はまた、ＦＯＵＮＤＡＴＩＯＮ（登録商標）フィールドバスプロトコル、ＨＡＲＴ（登録商標）プロトコル、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）プロトコル等の、例えば、標準的な４〜２０ｍＡのデバイス、Ｉ／Ｏカード２６、２８、及び／または任意のスマート通信プロトコルと関連付けられた任意の所望のハードウェア及びソフトウェアを使用して、フィールドデバイス１５〜２２及び４０〜４６のうちの少なくともいくつかに通信可能に接続され得る。図３では、制御装置１１、フィールドデバイス１５〜２２、及びＩ／Ｏカード２６、２８は有線デバイスであり、フィールドデバイス４０〜４６は無線フィールドデバイスである。当然のことながら、有線フィールドデバイス１５〜２２及び無線フィールドデバイス４０〜４６は、未来に開発される任意の規格またはプロトコルを含む、有線または無線プロトコル等の、任意の他の所望の規格（複数可）またはプロトコルに従い得る。

【0079】

図３のプロセス制御装置１１は、（例えば、メモリ３２内に記憶される）１つ以上のプロセス制御ルーチンを実装するか、監督するプロセッサ３０を含む。プロセッサ３０は、フィールドデバイス１５〜２２及び４０〜４６、ならびに、制御装置１１に通信可能に接続された他のノードと通信するように構成される。そのように所望されれば、本明細書に記載された任意の制御ルーチンまたはモジュール（品質予測及び故障検出モジュールまたは機能ブロックを含む）は、異なる制御装置または他のデバイスによってそれらの部品を実装または実行されるようにし得ることに留意されたい。同様に、プロセス制御システム１０内で実装されることになる本明細書に記載された制御ルーチンまたはモジュールは、ソフトウェア、ファームウェア、ハードウェア等を含む任意の形態を取り得る。制御ルーチンは、オブジェクト指向プログラミング、ラダー論理、シーケンシャル機能チャート、機能ブロック図を使用すること、または任意の他のソフトウェアプログラミング言語または設計パラダイムを使用すること等、任意の所望のソフトウェアフォーマットで実装され得る。制御ルーチンは、ランダムアクセスメモリ（ＲＡＭ）またはリードオンリーメモリ（ＲＯＭ）等の任意の所望の種類のメモリ内に記憶され得る。同様に、制御ルーチンは、例えば、１つ以上のＥＰＲＯＭ、ＥＥＰＲＯＭ、特定用途向け集積回路（ＡＳＩＣ）、または任意の他のハードウェアまたはファームウェア素子内にハードコード化され得る。このように、制御装置１１は、任意の所望の方法で制御策または制御ルーチンを実装するように構成され得る。

【0080】

いくつかの実施形態では、制御装置１１は、一般に機能ブロックと称されるものを使用して制御策を実装し、各々の機能ブロックは、総合制御ルーチンのオブジェクトまたは他の部分（例えば、サブルーチン）であり、（リンクと呼ばれる通信を介して）他の機能ブロックと併せて動作し、プロセス制御システム１０内でプロセス制御ループを実装する。制御ベースの機能ブロックは、典型的には、送信機、センサ、または他のプロセスパラメータ測定デバイスに関連付けられたもの等の入力機能、ＰＩＤ、ファジー論理等の制御を実施する制御ルーチンに関連付けられたもの等の制御機能、または、弁等のいくつかのデバイスの動作を制御する出力機能のうちの１つを実施し、プロセス制御システム１０内でいくつかの物理機能を実施する。当然のことながら、ハイブリッド及び他の種類の機能ブロックが、存在する。機能ブロックは、制御装置１１内に記憶され、それによって実行され得、このことは、典型的には、これらの機能ブロックが、標準的な４〜２０ｍＡのデバイス及びＨＡＲＴ（登録商標）デバイス等のいくつかの種類のスマートフィールドデバイスのために使用されるか、それらに関連付けられるとき、あてはまり、あるいは、機能ブロックは、フィールドデバイス自体の中に記憶され、それらによって実装され得、このことは、ＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓデバイスに関してあてはまる。制御装置１１は、１つ以上の制御ループを実装し得る１つ以上の制御ルーチン３８を含み得、機能ブロックのうちの１つ以上を実行することによって実施され得る。

【0081】

有線フィールドデバイス１５〜２２は、センサ、弁、送信機、位置決め装置等の任意の種類のデバイスであり得、一方で、Ｉ／Ｏカード２６及び２８は、任意の所望の通信または制御装置プロトコルに適合する任意の種類のＩ／Ｏデバイスであり得る。図３では、フィールドデバイス１５〜１８は、アナログ線またはアナログ・デジタル結合線上でＩ／Ｏカード２６に通信する標準的な４〜２０ｍＡのデバイスまたはＨＡＲＴ（登録商標）デバイスであり、一方で、フィールドデバイス１９〜２２は、ＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓ通信プロトコルを使用してデジタルバス上でＩ／Ｏカード２８に通信するＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓフィールドデバイス等のスマートデバイスである。しかし、いくつかの実施形態では、有線フィールドデバイス１５、１６、及び１８〜２１のうちの少なくともいくつか、ならびに／またはビッグデータＩ／Ｏカード２６、２８のうちの少なくともいくつかは、追加として、または代わりに、ビッグデータネットワークバックボーン１０５を使用して制御装置１１（及び／または他のビッグデータノード）と通信する。

【0082】

図３では、無線フィールドデバイス４０〜４６は、ＷｉｒｅｌｅｓｓＨＡＲＴ（登録商標）プロトコル等の無線プロトコルを使用して、無線ネットワーク７０内で通信する。そのような無線フィールドデバイス４０〜４６は、（例えば、無線プロトコルまたは別の無線プロトコルを使用して）無線通信するようにも構成されるプロセス制御ビッグデータネットワーク１００の１つ以上の他のデバイスまたはノードに直接通信し得る。無線通信するように構成されない１つ以上の他のノードと通信するために、無線フィールドデバイス４０〜４６は、ビッグデータネットワークバックボーン１０５に、または別のプロセス制御通信ネットワークに接続された無線ゲートウェイ３５を利用し得る。

【0083】

無線ゲートウェイ３５は、無線通信ネットワーク７０の様々な無線デバイス４０〜５８にアクセスを提供し得る。特に、無線ゲートウェイ３５は、プロセス制御ビッグデータネットワーク１００の無線デバイス４０〜５８、有線デバイス１１〜２８、及び／または他のノードもしくはデバイスの間で通信結合を提供する。例えば、無線ゲートウェイ３５は、ビッグデータネットワークバックボーン１０５を使用して、及び／またはプロセスプラント１０の１つ以上の他の通信ネットワークを使用して、通信結合を提供し得る。追加として、または代わりに、無線ビッグデータプロバイダデバイス４２ａ、４２ｂ、４４、５２ａ、５５ａ、５８は各々、ビッグデータネットワークバックボーン１０５に有線または無線様式で直接接続され得る。例えば、デバイス４２ａ、４２ｂ、４４、５２ａ、５５ａ、５８のうちの少なくともいくつかは、無線ネットワーク７０及びビッグデータネットワークバックボーン１０５上の両方で通信し得る。

【0084】

有線フィールドデバイス１５〜２２に類似して、無線ネットワーク７０の無線フィールドデバイス４０〜４６は、例えば、弁を開閉するか、プロセスパラメータを測定する等、プロセスプラント１０内で物理的制御機能を実施し得る。しかしながら、無線フィールドデバイス４０〜４６は、ネットワーク７０の無線プロトコルを使用して通信するように構成される。したがって、無線ネットワーク７０の無線フィールドデバイス４０〜４６、無線ゲートウェイ３５、及び他の無線ノード５２〜５８は、無線通信パケットの製作者及び消費者である。

【0085】

いくつかのシナリオでは、無線ネットワーク７０は非無線デバイスを含み得る。例えば、図３のフィールドデバイス４８はレガシー４〜２０ｍＡのデバイスであり得、フィールドデバイス５０は従来の有線ＨＡＲＴ（登録商標）デバイスであり得る。ネットワーク７０内で通信するために、フィールドデバイス４８及び５０は、無線アダプタ５２ａまたは５２ｂを介して無線通信ネットワーク７０に接続し得る。無線アダプタ５２ａ、５２ｂは、Ｆｏｕｎｄａｔｉｏｎ（登録商標）Ｆｉｅｌｄｂｕｓ、ＰＲＯＦＩＢＵＳ、ＤｅｖｉｃｅＮｅｔ等の他の通信プロトコルをサポートし得る。さらにその上、無線ネットワーク７０は、１つ以上のネットワークアクセスポイント５５ａ、５５ｂを含み得、それらは、無線ゲートウェイ３５と有線通信している別々の物理デバイスであり得るか、一体型デバイスとして無線ゲートウェイ３５を備え得る。無線ネットワーク７０はまた、無線通信ネットワーク７０内で１つの無線デバイスから別の無線デバイスまでパケットを転送するための１つ以上のルータ５８を含み得る。無線装置４０〜４６及び５２〜５８は、互いに、及び、無線通信ネットワーク７０の無線リンク６０上の無線ゲートウェイ３５と、ならびに／またはビッグデータネットワークバックボーン１０５を介して通信し得る。図３に示されるように、アダプタ５２ａ、アクセスポイント５５ａ、及びルータ５８は各々、「ＢＤ」によって指示されるように、プロセス制御ビッグデータをサポートする。

【0086】

いくつかの実施形態では、プロセス制御ビッグデータネットワーク１００のローカルビッグデータプロバイダデバイス１０２は、Ｗｉ―Ｆｉまたは他のＩＥＥＥ８０２．１１対応無線ローカルエリアネットワークプロトコル、ＷｉＭＡＸ（ワールドワイドインターオペラビリティフォーマイクロウェーブアクセス）、ＬＴＥ（ロングタームエボリューション）、または他のＩＴＵ―Ｒ（国際電気通信連合無線通信部門）互換プロトコル等の移動通信プロトコル、近距離無線通信（ＮＦＣ）及びブルートゥース等の単波長無線通信、または他の無線交信プロトコル、等の他の無線プロトコルを使用して通信する他の無線アクセスポイント（図３に示されない）を含み得る。前記他の無線アクセスポイントは各々、プロセス制御ビッグデータをサポートする場合もあれば、サポートしない場合もある。

【0087】

いくつかの実施形態では、ローカルビッグデータプロバイダデバイスまたはノード１０２は、隣接したプロセス制御システム１０の外部にあるシステムに対して、１つ以上のゲートウェイ（図３に図示しない）を含み得る。典型的には、そのようなシステムは、プロセス制御システム１０によって生成されるか、動作される情報のカスタマーまたは供給元である。例えば、ゲートウェイは、実験室システム（例えば、研究所情報管理システムまたはＬＩＭＳ）等の外部の公衆または自営システム、オペレータラウンドデータベース、荷役システム、保全管理システム、製品在庫制御システム、生産スケジューリングシステム、天気データシステム、出荷及び取扱システム、包装システム、インターネット、別のプロバイダのプロセス制御システム、または他の外部システム等の別のプロセスプラントに、隣接するプロセスプラント１０を通信可能に接続し得る。前記他の無線アクセスポイントは各々、プロセス制御ビッグデータをサポートする場合もあれば、サポートしない場合もある。

【0088】

図３は、有限数のフィールドデバイス１５〜２２及び４０〜４６、無線ゲートウェイ３５、無線アダプタ５２、アクセスポイント５５、ルータ５８、ならびに無線プロセス制御通信ネットワーク７０を有する単一制御装置１１を図解するのみであるが、これは例示の非限定的な実施形態のみである。任意の数の制御装置１１は、プロセス制御ビッグデータネットワーク１００のローカルビッグデータプロバイダノード１０２に含まれ得、制御装置１１のいずれも、任意の数の有線または無線デバイスならびにネットワーク１５〜２２、４０〜４６、３５、５２、５５、５８、及び７０と通信して、プラント１０内でプロセスを制御し得る。

【0089】

地域的ビッグデータを実装するか、サポートするために、図３に示される様々な有線または無線デバイスは、それぞれの地域にグループ化され得る。一旦グループ化されると、各々の地域内で任意のまたは全てのデバイスによって、生成されるか、収集されるか、受信されるか、さもなければ観察されるデータは、それぞれの地域的ビッグデータノード１０６ｗ〜１０６ｚに配信されるか、ストリーミング配信される。図３の各々の地域的ビッグデータノード１０６ｗ〜１０６ｚは、それぞれの地域的ビッグデータ機器（例えば、図１で議論された地域的ビッグデータ機器１１６ａ〜１１６ｍの例）を含み、それを介して、ビッグデータは受信されて、地域的ビッグデータとして記憶されて、アクセスされるか、要請される。さらに、各々の地域的ビッグデータノード１０６ｗ〜１０６ｚは、地域的ビッグデータのうちの少なくともいくつかの上で、個別に及び／または協調して動作し得る１つ以上のアナリティクス機能、ルーチン、動作、またはプロセスを含む。

【0090】

地域は、任意の所望の方法に従って形成され得る。図３に示される例示の例に、３つの異なる地域１４０、１４２、及び１４４は、機能的方法によって形成される。例えば、実線内で描写された地域１４０は、リアルタイムにプロセスの少なくとも一部を動作または制御するためにプロセスプラント１０内で実行する例示の制御ループを表す。したがって、制御ループ１４０は、制御装置１１、Ｉ／Ｏカード２８、無線アダプタ５２ａ、ならびにフィールドデバイス１９〜２２、４２ａ、及び４８等の様々なプロセス制御デバイスを含む。制御ループ１４０内の各々のフィールドデバイス１９〜２２、４２ａ、及び４８は、プロセス制御データを生成し、プロセス制御データを受信し、及び／または、プロセス制御データを制御装置１１に送信して、制御装置１１が、制御ループ１４０の動作を監督することを可能にし得る。フィールドデバイス１９〜２２は、Ｉ／Ｏカード２８を介して制御装置１１に接続される有線デバイスである。フィールドデバイス４２ａは、無線ゲートウェイ３５及びネットワークバックボーン１０５を介して制御装置１１と通信する無線装置である。フィールドデバイス４８は、アダプタ５２ａに結合される別の有線デバイスであり、それは、次に、ゲートウェイ３５と通信して、制御装置１１と通信する。図３は、フィールドデバイス１９〜２２、４２、及び４８を制御ループ１４０内で互いの隣に位置付けられるものとして示すが、フィールドデバイス１９〜２２、４２、及び４８はプロセスプラント１０の異なる部分に実際に位置され得るが、それらが制御ループ１４０を実装するように実施する機能に基づいて一緒にグループ化される。

【0091】

同様に、点線内で描写された地域１４２は、リアルタイムにプロセス（または別のプロセスを一括して）の別の部分を動作または制御するためにプロセスプラント１０内で実行する別の例示の制御ループを表す。このように、制御ループ１４２は、制御装置１１、Ｉ／Ｏカード２６、無線アダプタ５２ｂ、ルータ５８、ならびにフィールドデバイス１５〜１８、４０、４４、及び５０等の様々なプロセス制御デバイスを含む。制御装置１１は、フィールドデバイス１５〜１８、４０、４４、及び５０の各々から受信された情報及びデータを処理することによって、制御ループ１４２の動作を監督する。したがって、有線フィールドデバイス１５〜１８は、Ｉ／Ｏカード２６を介して制御装置１１に通信可能に接続される一方で、無線フィールドデバイス４０は、ゲートウェイ３５及びネットワークバックボーン１０５を介して制御装置１１に通信可能に接続される。さらに、ルータ５８で通信する有線フィールドデバイス５０はアダプタ５２ｂに結合され、それは、無線フィールドデバイス４４と共に、ゲートウェイ３５及びネットワークバックボーン１０５を介して制御装置１１に通信可能に接続する。上記に類似して、フィールドデバイス１５〜１８、４０、４４、及び５０は、プロセスプラント１０の異なる部分に位置し得るが、制御ループ１４２を実装する際に、それらの機能に従って一緒にグループ化される。

【0092】

図３はまた、一点鎖線内で描写される地域１４４を示す。制御ループを表す代わりに、地域１４４は、ネットワークルーティング機能性及び管理を提供するのに役立つ例示の通信ネットワークを表す。特に、地域１４４は、無線ゲートウェイ３５、無線アダプタ５２ａ、５２ｂ、アクセスポイント５５ａ、５５ｂ、及びルータ５８を含む無線通信ネットワーク７０を表す。地域１４４に含まれる各々のデバイスは、無線パケットのルートを決め、それらを送信する機能を実施する。無線ゲートウェイ３５はまた、トラフィック管理及び管理機能（例えば、資源管理、性能調整、ネットワーク障害緩和、モニタリングトラフィック、セキュリティ等）を実施し、ならびに、無線ネットワーク７０と通信接続している有線ネットワークへ、及びそこからのトラフィックのルートを決める。

【0093】

地域１４０、１４２と１４４のローカルビッグデータプロバイダノードによって生成されたか、提供された任意のまたは全てのデータは、履歴化、分析、記憶、使用、及び／またはアクセスのためにそれぞれの地域的ビッグデータノード１０６ｘ〜１０６ｚにストリーミング配信し得る。具体的には、測定データ（例えば、出力、割合等）、構成データ（例えば、設定点、構成変更等）、バッチデータ（例えば、バッチレシピ、バッチ状況等）、事象データ（例えば、アラーム、プロセス制御事象等）、連続データ（例えば、パラメータ値、ビデオフィード等）、計算データ（例えば、内部状態、中間計算等）、及び／または診断データ等の地域１４０と１４２に関するプロセス制御データは、それぞれ地域的ビッグデータノード１０６ｘと１０６ｙにストリーミング配信し得る。地域１４４（例えば、バンド幅、トラフィック、ネットワーク構成等）に関連したネットワークデータは、地域的ビッグデータノード１０６ｚにストリーミング配信し得る。

【0094】

地域的ビッグデータノード１０６ｘ〜１０６ｚの各々において、計算またはデータ分析は、受信されたデータの少なくとも一部に対して実施され、意味があるパターン、相関関係、傾向等を決定して、概して、新しい知識を生成し得る。計算またはデータ分析技法の例は、「ＤＡＴＡ ＰＩＰＥＬＩＮＥ ＦＯＲ ＰＲＯＣＥＳＳ ＣＯＮＴＲＯＬ ＳＹＳＴＥＭ ＡＮＡＬＹＴＩＣＳ」と題された上述の米国特許出願第６２／０６０，４０８号（弁理士整理番号０６００５／５９３０８５Ｐ）に見つけられ得る。実施された計算または分析の結果、地域的ビッグデータノード１０６ｘ〜１０６ｚは、新しい一組のデータ点または観察、データに関連した記述統計、データの相関関係、データのための新しいまたは修正されたモデル等の学習された知識を生み出し得る。場合によっては、結果として生じる学習された知識は、新しいまたは修正されたアプリケーション、新しいまたは修正された機能、新しいまたは修正されたルーチン、新しいまたは修正された学習分析、新しいまたは修正されたサービス等を含む。例えば、結果として生じる学習された知識は、新しいデータ例をマップするために使われ得る新しく創出された推定機能である場合がある。

【0095】

実施形態では、結果として生じる学習された知識に基づいて、各々の地域的ビッグデータノード１０６ｘ〜１０６ｚは、そのそれぞれの地域の動作を更新、向上、または修正し得る。例えば、地域的ビッグデータノード１０６ｘは、ある特定のプロセスパラメータ値を修正して、結果として生じる学習された知識に基づいて、地域１４０内で制御されているプロセスを最適化する。別の例では、地域的ビッグデータノード１０６ｙは、結果として生じる学習された知識に基づいて、その地域１４２のための診断ルーチンを更新する。さらに別の例では、地域的ビッグデータノード１０６ｚは、結果として生じる学習された知識に基づいて、地域１４４内で、ルートネットワークトラフィックへのより良いデータパスを決定する。

【0096】

いくつかの実施形態では、地域的ビッグデータノード１０６ｘ〜１０６ｚは、それらの学習された知識を別の地域的ビッグデータノード１０６ｗに送信して、階層化または均一化学習をサポートする。地域的ビッグデータノード１０６ｗは、１つ以上の地域を監督するように機能する。したがって、地域的ビッグデータノード１０６ｗは、それが監督するか、サービスを提供する１つ以上の地域１４０、１４２、１４４に関する追加の学習された知識を生成するために、受信された学習された知識の少なくともいくつかに関して、さらなる分析または学習を実施し得、それは、次いで、それらのそれぞれの地域的ビッグデータノード１０６ｘ〜１０６ｚのいずれかまたは全てに分散され得る。追加として、または代わりに、地域的ビッグデータノード１０６ｗ及び／または地域的ビッグデータノード１０６ｘ〜１０６ｚのいずれかによって、任意の結果として生じる学習された知識が、プロセス制御システム１０内で集中型ビッグデータノード１０８または他のプロセス制御ビッグデータノードに送信され得る。集中型ビッグデータノード１０８は、集約された学習された知識上で動作して、プラント幅ベースで知識を生成し得る。

【0097】

図４は、プロセスプラント及びプロセス制御システム内で地域的ビッグデータをサポートするための例示の方法４００の流れ図を図解する。方法４００は、例えば、図１の地域的ビッグデータノード１０６ａ〜１０６ｍ及び図３の地域的ビッグデータノード１０６ｗ〜１０６ｚによって実施され得る。議論の容易さのために、及び、限定目的のためではなく、方法４００は、図１〜３への同時参照で説明される。

【0098】

ブロック４０２では、プロセス制御プラントまたはネットワークに対応するデータは、例えば、地域的ビッグデータノード１０６のうちの１つ等、地域的ビッグデータノードにおいて、受信、取得、及び／または収集され得る。地域的ビッグデータノード１０６は、地理的、物理的、機能的、論理的、もしくは他の所望の様式のいくつかまたは少なくとも１つに従って関連付けられるローカルビッグデータプロバイダノード１０２の「地域」もしくはグループ及び／または他のビッグデータノード１０４（例えば、地域１４０、１４２、または１４４）に通信可能に接続されて、それらにサービスを提供する。したがって、ローカルビッグデータプロバイダノード１０２及び／または他のビッグデータノード１０４のグループによって生成または提供される任意のデータは、収集のために、地域的ビッグデータノード１０６に配信されるか、ストリーミング配信される。地域的ビッグデータノード１０６は、プロセス制御システムビッグデータネットワーク１００のネットワークバックボーン１０５を介して等、１つ以上のネットワークインターフェースを介して、プロセスプラントまたはプロセス制御システムの通信ネットワークに通信可能に結合され得る。地域的ビッグデータノード１０６において収集または受信されたデータは、測定データ、事象データ、バッチデータ、計算されたデータ、構成データ、連続データ、及び／または学習されたデータを含み得る。概して、収集されたデータは、典型的には、地域的ビッグデータノード１０６に接続されたそれぞれの地域によって、生成、創出、そこで受信されるか、さもなければ、それによって観察される全ての種類のデータを含む。

【0099】

ブロック４０４では、収集されたデータは、地域的ビッグデータ機器１１６等の地域的ビッグデータノード１０６において、地域的ビッグデータ機器内で記憶され得る。例えば、データ及びそのそれぞれの時刻印は、地域的ビッグデータ機器１１６のビッグデータ記憶１２０のエントリとして記憶される。データの多値が徐々に取得される実施形態では（ブロック４０２）、各々の値は、ビッグデータ記憶１２０の同じエントリで、または異なるエントリで、そのそれぞれの時刻印と共に記憶される。

【0100】

ブロック４０６では、１つ以上の学習分析は、例えば、新しい知識、意味がある関係、パターン、相関関係、傾向等を学習、予測、または発見するために、記憶された地域的データの少なくともいくつかに対して実施される。（例えば、ビッグデータ分析装置１２６のうちの１つ以上によって実施されるような）１つ以上の学習分析は、例えば、部分最小二乗分析、ランダムフォレスト、パターン認識、予測分析、相関分析、主成分分析、分類分析、確率解析、データマイニング、データ発見、または発見的学習を含む他の機械学習技法（前に議論されたもの等）等、任意の数のデータ発見ならびに／または学習アルゴリズム及び技法を含み得る。場合によっては、地域的ビッグデータ機器１１６は、記憶された地域的ビッグデータの少なくともいくつかを分析して、データパターンを抽出し、それらは、次いで、興味深さの測定に基づいて知識を表す興味深いパターンを発見するために評価される。場合によっては、地域的ビッグデータ機器１１６は、どの関連した学習分析（複数可）を使用するべきかについて決定して、学習分析（複数可）が上で動作することになる記憶データのどの部分（または場合によっては、全て）かを決定する。例えば、学習分析の決定は、学習分析の選択または導出を含む。したがって、学習分析の選択または導出は、例えば、記憶データと関連付けられたそれぞれの時刻印に基づき、記憶されたデータに存在するオフセットまたは他の測定に基づき、記憶されたデータが起こしたフィールドデバイスの種類に基づき、記憶されたデータ内のある特定の特定されたクラスタに基づき等、記憶された地域的ビッグデータの少なくとも一部の１つ以上のプロパティに基づき得る。

【0101】

ブロック４０８では、学習分析の結果を表す学習された知識が創出または生成される。例えば、創出または生成された学習された知識は、学習されたデータ、地域的ビッグデータノード１０６に以前は知られていなかった追加データ、及び／または、１つ以上の学習されたアプリケーション、機能、ルーチン、サービス、学習分析、もしくはそれらへの修正を含む。別の例では、学習された知識は、記憶された地域的ビッグデータの少なくとも一部の１つ以上のプロパティに基づく予測を含む。学習された知識は、任意の数の予測、モデリング、診断、及び／またはトラブルシューティング目的のために有用である新しい情報を提供し得る。典型的には、しかし必然的にではなく、学習された知識は、地域的ビッグデータノード１０６の地域的ビッグデータ機器１１６内に記憶される。

【0102】

ブロック４１０では、学習された知識（ブロック４０８）に基づいて、方法４００は、例えば、地域的ビッグデータノード１０６によってサービスを提供されたそれぞれの地域１４０、１４２、１４４内で、１つ以上の動作での変化を引き起こすか、１つ以上の動作を修正することを含む。例えば、学習された知識は、１つ以上のそれぞれの地域で制御されているか、実行されているプロセスのために、プロセスパラメータの修正をもたらし得る。別の例では、学習された知識は、それぞれの地域で引き続いて実装される新しいプロセスモデルの創出をもたらし得る。概して、ブロック４１０において、それぞれの地域１４０、１４２、１４４のうちの１つ以上の動作への変化または修正は、それぞれの地域１４０、１４２、１４４に含まれるローカルビッグデータノード（及び／もしくはその動作のうちの１つ以上）への変化または修正、ならびに／またはそれぞれの地域に含まれるローカルビッグデータノードに接続される別の非ビッグデータデバイス（及び／もしくはその動作のうちの１つ以上）への変化または修正を含み得る。例えば、プロセス制御ビッグデータネットワークのためにアダプタに接続される非ビッグデータまたはレガシーデバイスの制御パラメータの変化は、方法４００のブロック４１０を使用して生じさせられ得る。

【0103】

いくつかの実施形態では、ブロック４１０は、地域的ビッグデータノード１０６によってサービスを提供されたそれぞれの地域１４０、１４２、１４４以外の地域内の１つ以上の動作の変化、またはそれらへの修正を引き起こすことを含む。例えば、地域的ビッグデータノード１０６は、別の地域にサービスを提供している別の地域的ビッグデータノードに学習された知識を送信し得、受信者地域的ビッグデータノードは、そのそれぞれの地域のある部分の動作の変化またはその修正を引き起こし得る。

【0104】

実際、いくつかの実施形態では、方法４００は、学習された知識の少なくともいくつかが、（それ自体の地域内のローカルビッグデータノードに、集中型ビッグデータノード１０８に、または別の地域にサービスを提供する別の地域的ビッグデータノード１０６に等）、例えば、受信者ビッグデータノードが、そのそれぞれの学習分析及び／または動作で利用する等、別のビッグデータノードに送信されるようにすること（ブロック４１２）を含む。実施形態では、学習された知識は、受信者ノードによって及び／または受信者ノードに結合された別のデバイスによって実施されている動作の修正に導く（ブロック４１０）。したがって、方法４００は、修正の指示が、学習された知識と併せて受信者ビッグデータノードに送信されるようにし得る。

【0105】

いくつかの実施形態では、方法４００は、学習された知識（図示せず）に基づいてコンテキスト内検索を実施することを含む。例えば、保守点検の間、ユーザは、プロセスプラント内で様々な弁のステータスを決定することを望み得る。したがって、方法４００は、学習された知識を利用して、ユーザの隣に位置する最も近い弁、前月にサービスを提供された最も近い弁、保守の必要がある最も近い弁等を見つけ得る。コンテキスト内検索の結果は、遠隔またはローカルユーザインターフェースに提供され得るか、記録され得る。

【0106】

いくつかの実施形態では、方法４００は、学習された知識（図示せず）に基づいて、例えば、遠隔またはローカルユーザインターフェースで、またはログに書き込まれて、ユーザ（例えば、外部オペレータ、メンテナンス労働者、エンジニア等）に推奨事項を提供することを含む。より具体的には、方法４００は、ユーザがプロセスプラント内で働いている場所との関連で、推奨事項をユーザに提供し得る。例えば、オペレータは、プロセスプラント内で実行する測定プロセスのために調整することを望み得る。したがって、方法４００は、学習された知識を利用して、プロセスプラント内どの地域が調節することに関連して、及び、どの地域が見られる必要はないかに関して、オペレータに詳細を提供し得る。

【0107】

いくつかの実施形態では、ブロック４１０または４１２のうちの１つのみが方法４００に含まれる。他の実施形態では、ブロック４１０及び４１２は順番に実行され、そのため、地域的ビッグデータノードは、学習された知識に基づいてそのそれぞれの地域の動作をまず修正し（ブロック４１０）、次いで、その学習された知識を他の受信者ビッグデータノードに送信するか（ブロック４１２）、その逆に送信する。方法４００のさらに他の実施形態では、ブロック４１０及び４１２は平行して実行される。

【0108】

方法４００は、追加の学習された知識を、プロセスプラントの他のビッグデータノードから（例えば、他の地域的ビッグデータノード１０６、集中型ビッグデータノード１０８、及び／または他のビッグデータノード１０４から）受信すること（ブロック４１４）を任意に含む。地域的ビッグデータノード１０６は、受信された学習された知識を記憶し得（ブロック４０４）、追加の学習された知識、及びローカルに記憶された地域的ビッグデータの少なくとも一部に対して、１つ以上の引き続く学習分析を実施し得る（ブロック４０６）。引き続く学習分析（複数可）の出力に基づいて、追加の学習された知識は、創出、生成され（ブロック４０８）、地域的ビッグデータノード１０６内で任意に記憶され得る。いくつかの状況では、新しく生成された学習された知識に基づいて、地域的ビッグデータノードに接続されたそれぞれの地域で起こっている１つ以上の動作は修正され（ブロック４１０）、及び／または、新しい学習された知識の少なくともいくつかは、１つ以上の他の受信者ビッグデータノードもしくはアプリケーションに送信される（ブロック４１２）。

【0109】

いくつかの実施形態では、方法４００は、任意のリアルタイムユーザ入力なしで、自動的にまたは自立的に実施されるか、実行される。例えば、ユーザ入力は、方法４００の任意の実施形態のステップのうちのいずれかの実行を実行及び／または開始するために必要とされず、使用されない。他の実施形態では、方法４００は、リアルタイムユーザ入力と共に、またはそれに基づいて、実施または実行される。

【0110】

本開示に記載された技法の実施形態は、単独または組み合わせのどちらかで、任意の数の以下の態様を含み得る。

【0111】

１．プロセスを制御するプロセスプラント内でビッグデータをサポートするための地域的ビッグデータノード。地域的ビッグデータノードは、地域的ビッグデータノードをプロセスプラントの複数の地域のうちの１つに通信可能に接続するネットワークインターフェースであって、複数の地域のうちの１つが複数のローカルビッグデータノードを備え、その各々が、プロセスがリアルタイムで制御されているとき、プロセスプラントによってプロセスの制御から生成されたデータをリアルタイムで送信する、ネットワークインターフェースを備える。地域的ビッグデータノードはまた、地域的ビッグデータを記憶するように構成された１つ以上の有形の非一過性コンピュータ可読記憶媒体を備えるビッグデータ記憶領域を備える。さらに、地域的ビッグデータノードは、ビッグデータ受信装置であって、複数のローカルビッグデータノードによって送信され、ネットワークインターフェースを介して地域的ビッグデータノードにおいて受信されたデータを受信し、受信されたデータをビッグデータ記憶領域内で記憶する、ように構成された、ビッグデータ受信装置を備える。その上さらに、地域的ビッグデータノードは、ビッグデータ分析装置であって、地域的ビッグデータの少なくとも一部に対して学習分析を実施し、学習分析の結果に基づいて学習された知識を生成し、かつ、学習された知識が、プロセスプラントの少なくとも一部に対応する受信者ビッグデータノードに送信されるようにすることを含めて、学習分析の結果に基づいて、プロセスプラントの少なくとも一部の動作の変化を引き起こす、ように構成された、ビッグデータ分析装置を備える。

【0112】

２．複数の地域のうちの１つが、地理的、物理的、機能的、または論理的グループ化のうちの少なくとも１つに従って形成される、前述の態様に記載の地域的ビッグデータノード。

【0113】

３．複数の地域のうちの１つの複数のローカルビッグデータノードが、プロセスプラントに含まれるプロセス制御デバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、またはネットワーク管理デバイスのうちの少なくとも１つを含む、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。プロセス制御デバイスは、制御装置、プロセスの少なくとも一部を制御するための物理機能を実施しているフィールドデバイス、または制御装置とフィールドデバイスとを通信可能に結合している入力／出力（Ｉ／Ｏ）デバイスのうちの１つである。

【0114】

４．地域的ビッグデータが、複数の種類のデータを含み、一組の種類のデータが、連続データ、事象データ、測定データ、バッチデータ、計算データ、診断データ、構成データ、学習された知識に対応するデータ、及び他の学習された知識に対応するデータを含む、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0115】

５．学習分析が、部分最小二乗回帰分析、ランダムフォレスト、パターン認識、予測分析、相関分析、主成分分析、データマイニング、データ発見、または発見的学習を含む他の機械学習技法のうちの少なくとも１つを含む、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0116】

６．学習分析の結果に基づくプロセスプラントの少なくとも一部の動作の変化が、学習された知識に基づいて複数の地域のうちの１つにおいて実施されている動作への修正を含む、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。ビッグデータ分析装置は、修正の指示が、学習された知識と併せて、受信者ビッグデータノードに送信されるようにするようにさらに構成される。

【0117】

７．学習された知識が第１の学習された知識であり、学習分析が第１の学習分析であり、複数の地域のうちの１つが第１の地域である、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。ビッグデータ受信装置は、複数の地域のうちの第２の地域の別のビッグデータノードによって生成された第２の学習された知識を受信するようにさらに構成される。ビッグデータ分析装置は、（ｉ）受信された第２の学習された知識に基づく修正を、第１の地域において実施されている動作にもたらすか、または、（ｉｉ）受信された第２の学習された知識、及び地域的ビッグデータのうちの少なくともいくつかに対して第２の学習分析を実施すること、のうちの少なくとも１つを行うようにさらに構成される。

【0118】

８．第２の地域の別のビッグデータノードが、第２の地域にサービスを提供している地域的ビッグデータノードである、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0119】

９．学習された知識が、地域的ビッグデータノードに以前は知られていなかったプロセスの制御からもたらされる追加データ、アプリケーション、サービス、ルーチン、機能、または別の学習分析のうちの少なくとも１つを含む、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0120】

１０．ビッグデータ分析装置が、学習された知識に基づいてコンテキスト内検索を実施するようにさらに構成される、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0121】

１１．ビッグデータ分析装置が、学習された知識に基づいてユーザに推奨事項を提供するようにさらに構成される、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0122】

１２．ネットワークインターフェースが、地域的ビッグデータノードをユーザインターフェースビッグデータノードに通信可能に接続し、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。ユーザインターフェースビッグデータノードは、ユーザインターフェース及び１つ以上のそれぞれのアナリティクスルーチンを含む。ビッグデータ受信装置は、ネットワークインターフェースを用いて、ユーザインターフェースビッグデータノードのユーザインターフェースを介して受信されたユーザ入力に基づいてユーザインターフェースビッグデータノードにおいて実行している１つ以上のそれぞれのアナリティクスルーチンの結果に基づいて生成されたデータを受信し、ユーザインターフェースビッグデータノードから受信されたデータをビッグデータ記憶領域内に記憶する、ようにさらに構成される。ビッグデータ分析装置は、ユーザインターフェースビッグデータノードから受信されたデータを含む地域的ビッグデータの別の部分に対して、学習分析または別の学習分析を実施するようにさらに構成される。

【0123】

１３．ネットワークインターフェースが、集中型ビッグデータノードに地域的ビッグデータノードを通信可能に接続する、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。集中型ビッグデータノードは、１つ以上のそれぞれのアナリティクスルーチンを含む。地域的ビッグデータノードのビッグデータ受信装置は、ネットワークインターフェースを用いて、集中型ビッグデータノードにおいて実行している１つ以上のアナリティクスルーチンの結果に基づいて生成されたデータを受信し、集中型ビッグデータノードから受信したデータをビッグデータ記憶領域内に記憶する、ようにさらに構成される。ビッグデータ分析装置は、集中型ビッグデータノードから受信されたデータを含む地域的ビッグデータの別の部分に対して、学習分析または別の学習分析を実施するようにさらに構成されるか、地域的ビッグデータノードが、集中型ビッグデータノードから受信されたデータに基づいて、動作を修正するように構成されるか、のうちの少なくとも１つを行う。

【0124】

１４．ビッグデータ受信装置またはビッグデータ分析装置のうちの少なくとも１つの少なくとも一部が、１つ以上の集積回路チップ内に含まれる、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0125】

１５．ビッグデータ受信装置またはビッグデータ分析装置のうちの少なくとも１つの少なくとも一部が、地域的ビッグデータノードのメモリ上に記憶されて、かつ地域的ビッグデータノードのプロセッサによって実行可能な、コンピュータ実行可能命令を備える、前述の態様のいずれか一態様に記載の地域的ビッグデータノード。

【0126】

１６．地域的ビッグデータを利用して、プロセスを制御しているプロセスプラントの動作を向上する方法。本方法は、前述の態様のいずれか一態様に記載の地域的ビッグデータノードによって、少なくとも部分的に実施され得る。本方法は、プロセスプラントの１つ以上の地域的ビッグデータノードにおいてデータを収集することを含む。１つ以上の地域的ビッグデータノードの各々は、プロセスプラントの複数の地域に含まれるそれぞれの地域に対応する。収集されたデータは、それぞれの地域のそれぞれの複数のローカルビッグデータノードによって送信されたデータを含み、各々のローカルビッグデータノードは、各々のローカルビッグデータノードのそれぞれの地域のオンライン操作からもたらされるそれぞれのデータをリアルタイムで送信する。本方法はまた、１つ以上の地域的ビッグデータノードにおいて地域的ビッグデータとして収集されたデータを記憶することを含む。さらに、本方法は、地域的ビッグデータの少なくとも一部に対して、１つ以上の地域的ビッグデータノードによって、１つ以上の学習分析を実施することと、１つ以上の学習分析の結果に基づいて学習された知識を生成することと、を含む。その上さらに、本方法は、プロセスプラントの少なくとも一部に対応する受信者ビッグデータノードに学習された知識を送信することを含む、１つ以上の学習分析の結果に基づいて、プロセスプラントの少なくとも一部の動作の変化を引き起こすことを含む。

【0127】

１７．本方法が、任意のリアルタイムユーザ入力を用いることなくまたは用いて、自立的に実施される、前述の態様に記載の方法。

【0128】

１８．１つ以上の地域的ビッグデータノードの各々が、地理的、物理的、機能的、または論理的グループ化のうちの１つに従って形成される、前述の態様のいずれか一態様に記載の方法。

【0129】

１９．１つ以上の地域的ビッグデータノードにおいてデータを収集することが、プロセスプラントのプロセス制御デバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、ユーザインターフェースデバイス、またはネットワーク管理デバイスのうちの少なくとも１つによって送信されたデータを収集することを含む、前述の態様のいずれか一態様に記載の方法。プロセス制御デバイスは、制御装置、プロセスの少なくとも一部を制御するための物理機能を実施しているフィールドデバイス、または制御装置とフィールドデバイスとを通信可能に結合している入力／出力（Ｉ／Ｏ）デバイスのうちの１つである。収集されたデータは、連続データ、事象データ、測定データ、バッチデータ、計算データ、診断データ、構成データ、及び他の学習知識に対応するデータを含む一組のデータ種類に含まれる少なくとも１種類のデータを含む。

【0130】

２０．学習された知識が第１の学習された知識であり、１つ以上の地域的ビッグデータノードにおいてデータを収集することが、１つ以上の地域的ビッグデータノードによって、またはプロセスプラントの別のビッグデータノードによって生成された第２の学習された知識を収集することを含む、前述の態様のいずれか一態様に記載の方法。

【0131】

２１．１つ以上の学習分析のうちの第１の少なくとも１つを選択することか、１つ以上の学習分析の第２の少なくとも１つを引き出すことか、のうちの少なくとも１つをさらに含む、前述の態様のいずれか一態様に記載の方法。

【0132】

２２．学習された知識を生成することが、１つ以上の地域的ビッグデータノードに以前は知られていなかった追加データ、新しいもしくは修正されたアプリケーション、新しいもしくは修正された機能、新しいもしくは修正されたルーチン、新しいもしくは修正された学習分析、または新しいもしくは修正されたサービスのうちの少なくとも１つを生成することを含む、前述の態様のいずれか一態様に記載の方法。

【0133】

２３．地域的ビッグデータの少なくとも一部が、地域的ビッグデータの第１の少なくとも一部であり、前述の態様のいずれか一態様に記載の方法。本方法は、地域的ビッグデータの第２の少なくとも一部上で、新しいもしくは修正された学習分析を実施することをさらに含む。

【0134】

２４．１つ以上の学習分析を実施することが、機械学習分析、予測分析、データマイニング、またはデータ発見のうちの少なくとも１つを実施することを含む、前述の態様のいずれか一態様に記載の方法。

【0135】

２４．１つ以上の地域的ビッグデータノードによって１つ以上の学習分析を実施することが、２つ以上の地域的ビッグデータノードによって１つ以上の学習分析を実施することを含み、１つ以上の学習分析の結果に基づいて学習された知識を生成することが、２つ以上の地域的ビッグデータノードによって実施された１つ以上の学習分析の結果に基づいて、学習された知識を生成することを含む、前述の態様のいずれか一態様に記載の方法。

【0136】

２６．プロセスプラント内で地域的ビッグデータをサポートするためのシステム。本システムは、１つ以上の地域的ビッグデータノードと、複数のローカルビッグデータノードと、１つ以上の地域的ビッグデータノードと複数のローカルビッグデータノードとを通信可能に接続している通信ネットワークと、を備える。本システムは、実施形態で、前述の方法のいずれか一方法の少なくとも一部を実施し得る。複数のローカルビッグデータノードは複数の地域に配置され、各々は、１つ以上の地域的ビッグデータノードに含まれるそれぞれの地域的ビッグデータノードによってサービスを提供される。それぞれの地域的ビッグデータノードは、それぞれの地域的ビッグデータノードによってサービスを提供されたそれぞれの地域に関連付けられた一組のローカルビッグデータノードによってリアルタイムに生成されたデータを収集するように構成され、データは、プロセスプラント内でのプロセスのリアルタイム制御のために、一組のローカルビッグデータノードによってリアルタイムに生成される。それぞれの地域的ビッグデータノードはまた、それぞれの地域的ビッグデータノードに含まれるビッグデータ記憶領域においてそれぞれの地域的ビッグデータとして収集されたデータを記憶するように構成される。さらに、それぞれの地域的ビッグデータノードは、それぞれの地域的ビッグデータノードに含まれるビッグデータ分析装置を用いて、記憶されたそれぞれの地域的ビッグデータの少なくとも一部に対して、学習分析を実施し、実施された学習分析の結果に基づいて学習された知識を生成するように構成される。その上さらに、地域的ビッグデータノードは、（ｉ）ビッグデータ記憶領域において、追加のそれぞれの地域的ビッグデータとして学習された知識を記憶すること、または、（ｉｉ）プロセスプラントに含まれる受信者ビッグデータノードに学習された知識を送信すること、のうちの少なくとも１つを行う、ように構成される。

【0137】

２７．複数のローカルビッグデータノードが、地理的、物理的、機能的、または論理的グループ化のうちの少なくとも１つに従って複数の地域内に配置される、前述の態様に記載のシステム。

【0138】

２８．学習された知識が、プロセスのリアルタイム制御からもたらされる追加データ、アプリケーション、機能、サービス、ルーチン、または別の学習分析のうちの少なくとも１つを含む、前述の態様のいずれか一態様に記載のシステム。

【0139】

２９．実施された学習分析の結果が、記憶されたそれぞれの地域的ビッグデータのうちの少なくとも一部のプロパティに基づく予測を含む、前述の態様のいずれか一態様に記載のシステム。

【0140】

３０．それぞれの学習分析を有するユーザインターフェースビッグデータノードをさらに備え、収集されたデータが第１の収集されたデータである、前述の態様のいずれか一態様に記載のシステム。それぞれの地域的ビッグデータノードは、ユーザインターフェースビッグデータノードにおいてそれぞれの学習分析の成果によって生成された第２のデータを収集するようにさらに構成される。追加として、それぞれの地域的ビッグデータノードは、それぞれの地域的ビッグデータノードに含まれるビッグデータ記憶領域において第２の収集されたデータを記憶するようにさらに構成される。それぞれの地域的ビッグデータノードは、第２の収集されたデータを含む一組の記憶されたそれぞれの地域的データ上で、学習分析または別の学習分析を実施することか、または、第２の収集されたデータが、別のビッグデータノードに送信されるようにすること、のうちの少なくとも１つを行うようにさらに構成される。

【0141】

３１．集中型ビッグデータノードまたは別の種類のビッグデータノードのうちの少なくとも１つをさらに備え、収集されたデータが第１の収集されたデータである、前述の態様のいずれか一態様に記載のシステム。それぞれの地域的ビッグデータノードは、集中型ビッグデータノードまたは別の種類のビッグデータノードのうちの少なくとも１つにおいて、学習分析の成果によって生成された第２のデータを収集するようにさらに構成される。追加として、それぞれの地域的ビッグデータノードは、それぞれの地域的ビッグデータノードに含まれるビッグデータ記憶領域において第２の収集されたデータを記憶し、かつ、第２の収集されたデータを含む一組の記憶されたそれぞれの地域的データ上で、学習分析または別の学習分析を実施する、ようにさらに構成される。

【0142】

３２．一組のローカルビッグデータノードによってリアルタイムで生成されたデータが、フィールドデバイス、制御装置、制御装置へのインターフェース及びフィールドデバイスへのインターフェースを有する入力／出力（Ｉ／Ｏ）デバイス、ゲートウェイデバイス、アクセスポイント、ルーティングデバイス、ヒストリアンデバイス、または、ネットワーク管理デバイス、のうちの１つ以上によってリアルタイムで生成されたデータを含む、前述の態様のいずれか一態様に記載のシステム。制御装置は、一組の入力を受信して、一組の入力に基づいて出力の値を決定し、出力が、フィールドデバイスに送信されるようにし、プロセスプラントによって実行されたプロセスを制御する、ように構成される。フィールドデバイスは、制御装置の出力に基づいて物理機能を実施して、プロセスを制御するように構成される。

【0143】

３３．学習された知識が、受信者ビッグデータノードに送信され、受信者ビッグデータノードが、（ｉ）受信された学習された知識に基づく受信者ビッグデータノードへの修正、または、（ｉｉ）受信者ビッグデータノードへのビッグデータのプロバイダへの修正のうちの少なくとも１つを引き起こす、前述の態様のいずれか一態様に記載のシステム。

【0144】

ソフトウェア内に実装されるとき、本明細書に記載されるアプリケーション、サービス、及びエンジンのいずれも、コンピュータもしくはプロセッサ等のＲＡＭまたはＲＯＭ内で、磁気ディスク、レーザディスク、固体メモリデバイス、分子メモリ記憶デバイス、または他の記憶媒体上等で、任意の有形の非一過性コンピュータ可読メモリ内に記憶され得る。本明細書に開示される例示のシステムが、他の構成部品の中でも、ハードウェア上で実行されるソフトウェア及び／またはファームウェアを含むものとして開示されるが、そのようなシステムが単に例示であり、制限するものとして考えられるべきではないことに留意されたい。例えば、これらのハードウェア、ソフトウェア、及びファームウェア構成部品のいずれかまたは全てが、ハードウェアで排他的に、ソフトウェアで排他的に、またはハードウェア及びソフトウェアの任意の組み合わせで具体化され得ることが考えられる。したがって、本明細書に記載される例示のシステムが、１つ以上のコンピュータデバイスのプロセッサ上で実行されるソフトウェア内で実装されているものとして記載される一方、当業者であれば、提供される例がそのようなシステムを実装する唯一の方法でないと容易に理解するだろう。

【0145】

したがって、図示のみで、本発明を制限するものではないことを意図される特定の例に関して、本発明を説明したが、本発明の趣旨及び範囲から逸脱することなく、開示された実施形態に対して、変更、追加、または削除を行うことができることが、当業者に明らかにされよう。

【図1】

【図2】

【図3】

【図4】