智能搜索UI

相关申请的交叉引用

本申请要求享有于2022年6月1日递交的、名称为“Enhanced Smart SearchCapabilities in a Process Control System”的美国临时专利申请No.63/347,905的优先权和权益，在此以引用方式将该申请的全部内容明确地并入本文。

技术领域

本公开内容总体上涉及过程工厂和过程控制系统，更具体地，涉及提供增强的搜索能力以进行过程工厂/过程控制系统中的过程工厂相关数据的搜索查询并显示搜索结果，以及涉及保护将过程工厂相关数据从过程工厂/过程控制系统到外部系统的传送，以在远离过程工厂的设备上呈现过程工厂相关数据。

背景技术

分布式过程控制系统，如在化学、石油、制药、纸产品处理或其它过程工厂中使用的那些系统，通常包括一个或多个过程控制器，所述过程控制器通过模拟、数字或组合的模拟/数字总线，或通过无线通信链路或网络，通信地耦合到一个或多个现场设备。现场设备可以是例如阀、阀定位器、开关和变送器(例如，温度、压力、液位和流速传感器)，它们位于过程环境内，并且通常执行物理或过程控制功能，例如打开或关闭阀，或者测量过程参数(例如压力、温度等)等以控制在过程工厂或系统内执行的一个或多个过程。智能现场设备，例如符合公知的Fieldbus协议的现场设备，也可以执行控制计算、报警功能和通常在控制器内实施的其它控制功能。过程控制器通常也位于工厂环境中，接收指示由现场设备进行的过程测量的信号和/或与现场设备有关的其他信息，并且执行控制器应用，所述控制器应用运行例如进行过程控制决策的不同控制模块，基于所接收的信息生成控制信号，并且与在现场设备中执行的控制模块或块协调，所述现场设备诸如

来自现场设备和控制器的信息通常通过数据高速通道可用于一个或多个其他硬件设备，例如操作员工作站、个人计算机或计算设备、数据历史库设备、报告生成器、集中式数据库或其他集中式管理计算设备，这些设备通常位于控制室或远离更恶劣的工厂环境的其他位置。这些硬件设备中的每一个通常在整个过程工厂或过程工厂的一部分上集中。这些硬件设备运行应用，这些应用可以例如使操作员能够执行关于控制过程和/或操作过程工厂的功能，诸如改变过程控制例程的设置、修改控制器或现场设备内的控制模块的操作、查看过程的当前状态、查看由现场设备和控制器生成的警报、出于培训人员或测试过程控制软件的目的而仿真过程的操作、保持和更新配置数据库等。硬件设备、控制器和现场设备所使用的数据高速通道可以包括有线通信路径、无线通信路径或有线和无线通信路径的组合。

作为一个示例，由Emerson Automation Solutions销售的DeltaVTM控制系统包括多个存储在过程工厂内不同位置的不同设备中并由这些设备执行的应用。驻留在一个或多个工作站或计算设备中的配置应用使用户能够创建或改变过程控制模块，并通过数据高速通道将这些过程控制模块下载到专用的分布式控制器。通常，这些控制模块由通信互连的功能块组成，这些功能块是面向对象的编程协议中的对象，它们基于对其的输入来执行控制方案内的功能，并且向控制方案内的其他功能块提供输出。配置应用还可以允许配置设计者创建或改变操作员接口，所述操作员接口由查看应用用于向操作员显示数据，并使操作员能够改变过程控制例程内的设置，例如设定点。每个专用控制器，以及在一些情况下，一个或多个现场设备，存储并执行各自的控制器应用，所述控制器应用运行分配并下载到其上的控制模块，以实现实际的过程控制功能。可以在一个或多个操作员工作站上(或在与操作员工作站和数据高速通道通信连接的一个或多个远程计算设备上)执行的查看应用通过数据高速通道从控制器应用接收数据，并向使用用户接口的过程控制系统设计者、操作员或用户显示该数据，并可以提供多个不同视图中的任何视图，例如操作员的视图、工程师的视图、技术员的视图等。数据历史库应用通常存储在数据历史库设备中并由其执行，该数据历史库设备收集并存储一些或所有通过数据高速通道提供的数据，而配置数据库应用可以在连接到数据高速通道的另一计算机中运行，以存储当前的过程控制例程配置和与之相关的数据。可替换地，配置数据库可以位于与配置应用相同的工作站中。

一般而言，过程工厂的过程控制系统包括现场设备、控制器、工作站和通过一组分层网络和总线互连的其他设备。过程控制系统又可以与各种商业和外部网络连接，例如，以降低制造和操作成本、提高生产率和效率、提供对过程控制和/或过程工厂信息的及时访问等。另一方面，过程工厂和/或过程控制系统与企业和/或外部网络和系统的互连增加了网络入侵和/或恶意网络攻击的风险，这些网络入侵和/或恶意网络攻击可能由诸如在企业和/或外部网络中所使用的商业系统和应用中的预期漏洞引起。过程工厂、网络和/或控制系统的网络入侵和恶意网络攻击可能不利地影响信息资产的机密性、完整性和/或可用性，一般而言，信息资产是与通用计算网络的类似的漏洞。然而，与通用计算机网络不同，过程工厂、网络和/或控制系统的网络入侵也可能不仅导致工厂设备、产品和其他物理资产的损坏、破坏和/或损失，而且导致人类生命的损失。例如，网络入侵可能导致过程变得不受控制，并且由此产生爆炸、火灾、洪水、暴露于危险材料等。因此，保护与过程控制工厂和系统相关的通信是极为重要的。

结果，诸如操作员的过程工厂人员通常不能从诸如移动设备的远程源查看指示过程工厂的运行时操作的过程工厂相关数据。此外，虽然过程工厂人员与操作员显示应用交互，操作员显示应用提供显示并生成关于控制系统或过程工厂内设备的操作状态的报告，但操作员显示应用通常不允许用户搜索过程工厂内的项目，例如控制模块、警报、特定时间段内生产的产品数量等。过程工厂内的每个数据点可能有多个描述符和方面，例如表示物理测量或设定值的运行时方面、数据点的值、配置、当前值、模式、范围、状态、质量和其他描述符。结果，过程工厂内与过程工厂相关的数据非常复杂，使得难以在如此大的数据集中搜索特定数据项。例如，过程工厂中的数据跨子系统分布，经过格式化和结构化组织以供过程工厂中的其他计算逻辑传输/检索，并针对交易服务进行结构优化。但是，数据在结构上并未针对搜索和分析进行优化。如果没有提供对运行时数据的态势感知的上下文，搜索会变得更加困难。

发明内容

本文公开了用于在过程工厂内提供搜索功能以及用于远程接收和查看过程工厂相关数据的技术、系统、装置、部件、设备和方法。搜索功能允许用户访问与过程工厂相关的数据，从而创建一个包罗万象的搜索范围。通过利用包括在搜索查询中和/或来自上下文知识库的上下文，搜索功能生成对大量搜索查询的有意义的响应。所述技术、系统、装置、部件、设备和方法可以应用于工业过程控制系统、环境和/或工厂，它们在本文中可互换地称为“工业控制”、“过程控制”或“过程”系统、环境和/或工厂。通常，此类系统和工厂以分布式方式提供对一个或多个过程的控制，这些过程用于制造、提炼、转换、生成或生产物理材料或产品。

为了在过程工厂内提供搜索功能，过程工厂搜索查询服务器接收并分析来自软件模块和/或用户接口设备(例如操作员工作站、诸如智能电话和平板电脑的移动设备、车辆头端单元等)的过程工厂搜索查询。过程工厂搜索查询可以是与过程工厂内的过程工厂实体相关的搜索查询，例如关于控制模块、警报、过程流模块、过程工厂实体的过程参数数据、用于由过程工厂实体生成的产品的产品参数、在特定时间段内生产的产品数量等的搜索查询。

过程工厂搜索查询可以由用户以自然语言格式提供，例如“显示我的锅炉单元处的警报”。过程工厂搜索查询服务器然后分析过程工厂搜索查询以识别搜索查询的主题(例如，警报)、用于过滤搜索结果的修饰符或过滤器(例如，特定于锅炉单元的警报)，并识别过程工厂搜索查询的上下文(例如，用户是德克萨斯州休斯顿一家过程工厂的工厂主管，负责监督拥有一个锅炉单元的工厂区域A)。然后过程工厂搜索查询服务器获取与过程工厂搜索查询相关的过程工厂相关数据。例如，过程工厂搜索查询服务器可以从知识库中获得过程工厂相关数据。知识库可以包括根据过程工厂相关数据和过程工厂实体之间的语义关系来组织过程工厂相关数据的上下文(contextual)知识库(例如，图形数据库的形式)。在上面的示例中，过程工厂搜索查询服务器可以针对对应于休斯顿工厂中的工厂区域A中的锅炉单元的警报中的每一个从上下文知识库获取过程工厂相关数据。知识库还可以包括在时间上组织过程和产品参数数据的时间(temporal)库(例如，以时间序列数据库的形式)。例如，时间存储库可以存储从2021年12月15日下午1:00到下午2:00的过程工厂内特定储罐的储罐填充水平的过程参数值的时间序列。

然后，过程工厂搜索查询服务器使用获得的过程工厂相关数据生成过程工厂搜索结果集合。例如，该过程工厂搜索结果集合可以包括六个过程工厂搜索结果，每个对应于不同的警报。过程工厂搜索查询服务器然后可以提供该搜索结果集合以供用户接口设备呈现。例如，搜索结果可以图形方式呈现在用户接口上或经由扬声器以音频格式呈现。在一些实施方式中，每个搜索结果包括到关于搜索结果的附加信息的可选链接。例如，在用户接口设备上显示的搜索结果可以呈现每个警报的名称(例如，警报A、警报B、警报C等)，其中每个名称都包括指向关于警报的附加信息的可选择链接。当其中一个名称为可选择时，用户接口设备可以呈现关于警报的详细信息(例如，警报类型、警报优先级、警报消息、与警报相关联的控制模块等)。用户接口设备还可以呈现过程流模块，该过程流模块以图形方式描绘了警报和对应于该警报的过程工厂实体。搜索结果显示还可以呈现关于警报的详细信息的预览，例如以图形方式描述警报的控制模块或过程流模块的缩略图。

在一些实施方式中，可以对过程工厂搜索结果进行排序并且以排序的顺序呈现在搜索结果显示上。例如，过程工厂搜索查询服务器可以根据与过程工厂搜索查询的相关性为过程工厂搜索结果中的每一个分配分数。更具体地，过程工厂搜索查询服务器可以确定高优先级或关键警报比低优先级警报与过程工厂搜索查询具有更高的相关性。因此，对应于高优先级或关键警报的过程工厂搜索结果可以排在对应于低优先级警报的过程工厂搜索结果之上。因此，对应于高优先级或关键警报的过程工厂搜索结果可以在搜索结果显示上呈现在对应于低优先级警报的过程工厂搜索结果之上。

此外，可以基于用户接口设备的类型、大小和/或能力来调整过程工厂搜索结果的呈现。如果用户接口设备有显示器但没有扬声器，则过程工厂搜索结果可以图形方式呈现。如果用户接口设备有扬声器但没有显示器，则过程工厂搜索结果可以听得见地呈现。此外，如果用户接口设备是特定类型或具有低于阈值大小的屏幕尺寸(例如，移动设备)，则过程工厂搜索查询服务器可以提供单个过程工厂搜索结果以显示在用户接口设备(例如，排名最高的过程工厂搜索结果)。另一方面，如果用户接口设备具有大于阈值大小的屏幕尺寸(例如，操作员工作站)，则过程工厂搜索查询服务器可以提供过程工厂搜索结果集合以显示在用户接口设备上。

在一些实施方式中，上下文知识库可以包括过程参数，例如罐填充水平、泵速、温度、质量流量等。上下文知识库可以包括每个过程参数的参数类别，例如操作参数、调节或调整(tuning)参数、设备参数、配置参数、实例化参数等。这样，用户可以通过参数类别搜索过程参数。

此外，在一些实施方式中，用户可以存储带有搜索标签的过程工厂搜索查询或过程工厂搜索结果集合。搜索标签可以是一串字母数字字符，可用于引用先前的过程工厂搜索查询或过程工厂搜索结果集合。例如，在用户输入搜索查询“Control Modules withBypass Off(带旁路关闭的控制模块)”后，用户可以请求存储带有搜索标签“BPOFF”的搜索查询。然后，当用户或其他用户输入字符串“BPOFF”时，上下文知识库或过程工厂搜索查询服务器会自动识别存储的搜索查询“Control Modules with Bypass Off”，并获得与标签关联的存储搜索查询的搜索结果。此外，用户可以在搜索查询中包含带有标签的附加术语或项(term)，例如“BPOFF Area A”。然后，过程工厂搜索查询服务器可以使用附加项(例如“区域A”)过滤搜索结果。

除了存储带有标签的过程工厂搜索查询之外，用户还可以存储带有标签的过程工厂搜索结果集合。以这种方式，过程工厂搜索查询服务器可以响应于接收到包括标签的搜索查询而获得先前检索的搜索结果，而不是为先前存储的搜索查询获得新的搜索结果集合。

更进一步，过程控制系统被配置为接收用于预测过程工厂实体的状态的查询。过程控制系统使用历史过程参数数据和/或过程工厂实体之间的关系来训练机器学习模型以预测特定过程工厂实体的状态，例如过程工厂实体的异常状况或当前状态的变化。此处描述的过程工厂搜索查询功能可以在集成开发环境(IDE)内提供，使得用户可以定制(custom)或训练机器学习模型，或者生成关于过程工厂数据的定制算法。

在一个实施例中，一种用于外部设备与过程工厂的过程控制系统安全交互的方法包括从知识库获得数据集，该知识库存储与工业过程相关的过程内容数据和指示过程内容数据之间关系的上下文数据的。数据集的获取可以响应于对知识库的查询，并且在一个示例中，边缘网关系统可以从知识库中获取数据集。该方法还包括例如由边缘网关系统向在过程控制系统的网络安全屏障外部的一个或多个计算设备上执行的外部应用提供数据集；响应于提供的数据集，接收对应于运行时工业过程的指令；根据接收到的指令，导致对过程控制系统的网络安全屏障内的操作或数据储存器中的至少一项进行修改。

在一个实施例中，一种用于用户与过程工厂的过程控制系统安全地交互的计算设备，包括一个或多个处理器、一个或多个有形的、非暂时性计算机可读存储器、一个或多个用户接口、以及一个或多个通信接口，一个或多个通信接口通过多个不同的通信路径将计算设备与过程控制系统通信连接。另外，计算设备包括用户接口应用。用户接口应用包括一组存储在一个或多个存储器上并可执行的计算机可执行指令，指令在过程控制系统在运行时期间操作以控制工业过程时使计算设备接收从过程控制系统的知识库获得的数据集。知识库可以存储与工业过程相关的过程内容数据，并且过程内容数据是经由多个不同通信路径中的第一通信路径从过程控制系统接收的，其中第一通信路径是被配置为从过程控制系统传递数据的单向通信路径，并且知识库可以进一步存储指示过程内容数据之间的关系的上下文数据。计算机可执行指令进一步可执行以在计算设备的一个或多个用户接口上呈现数据集；经由一个或多个用户接口并响应于呈现的数据集，获得用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令；使用户命令经由多个不同通信路径中的第二通信路径被传送到过程控制系统，其中第二通信路径是被配置成将数据传递到过程控制系统的单向通信路径。

附图说明

图1A是用于过程工厂或过程控制系统的示例边缘网关系统的框图；

图1B是用于过程工厂或过程控制系统的示例现场网关系统的框图；

图2是图1A或图1B的示例面向场组件的详细框图；

图3是图1A或图1B的示例面向边缘的部件系统的详细框图；

图4是分别与面向现场的组件和面向边缘的组件通信的过程工厂内部和外部的示例软件和硬件部件的框图；

图5A是安全写入组件的详细框图，其允许内部和远程计算设备将数据和信息安全地写入面向现场的组件、面向边缘的组件和/或过程控制系统或过程工厂的其他组件；

图5B描绘了用于用户与过程工厂的过程控制系统安全地交互的示例方法的流程图；

图5C描绘了用于外部设备和/或外部应用与过程工厂的过程控制系统安全地交互的示例方法的流程图；

图5D描绘了用于基于搜索查询生成一个或多个库访问查询的示例方法的流程图；

图6是示例过程工厂的框图，其尤其示出了过程工厂或过程控制系统的各种示例组件、过程控制系统本身以及其他示例系统和/或网络之间的互连；

图7示出了存储过程工厂或过程控制系统的过程工厂相关数据的示例上下文知识库的图形表示；

图8示出了示例过程工厂搜索查询服务器的框图；

图9示出了包括用于输入过程工厂搜索查询的搜索栏的示例过程工厂显示；

图10示出了包括响应于过程工厂搜索查询的过程工厂搜索结果的示例过程工厂搜索结果显示；

图11A示出了另一个示例过程工厂搜索结果显示，包括响应于过程工厂搜索查询的过程工厂搜索结果；

图11B示出了又一示例过程工厂搜索结果显示，包括响应于与批次过程相关的过程工厂搜索查询的关于批次的过程工厂搜索结果；

图11C示出了示例过程工厂搜索结果显示，包括响应于与批次过程相关的过程工厂搜索查询的关于多个批次的多个过程工厂搜索结果；

图12示出了上下文知识库的示例部分的另一图形表示，其包括过程参数和过程参数的过程参数类别；

图13示出了集成开发环境(IDE)内的示例过程工厂搜索结果显示，包括响应于与特定过程参数类别相关的搜索查询的过程工厂搜索结果；

图14示出了工厂应用内的另一个示例过程工厂搜索结果显示，包括响应于与过程参数类别相关的搜索查询的过程工厂搜索结果；

图15示出了在IDE内的又一个示例过程工厂搜索结果显示，包括响应于与另一个过程参数类别相关的搜索查询的过程工厂搜索结果；

图16示出了工厂应用内的另一个示例过程工厂搜索结果显示，包括响应于与其他过程参数类别相关的搜索查询的过程工厂搜索结果；

图17示出了在IDE内的又一示例过程工厂搜索结果显示，包括响应于与又一过程参数类别相关的搜索查询的过程工厂搜索结果；

图18示出工厂应用内的另一个示例过程工厂搜索结果显示，包括响应于与其他过程参数类别相关的搜索查询的过程工厂搜索结果；

图19示出了IDE内的图形显示，包括响应于时间序列数据的搜索查询的过程工厂搜索结果，时间序列数据指示过程参数值随时间的变化；

图20示出了工厂应用内的另一个图形显示，包括响应于对指示过程参数值随时间的变化的时间序列数据的搜索查询的过程工厂搜索结果；

图21示出了上下文知识库的示例部分的又一图形表示，其包括先前过程工厂搜索查询、先前过程工厂搜索结果和引用先前过程工厂搜索查询或搜索结果的搜索标签；

图22示出了示例过程工厂搜索结果显示，包括响应于引用先前过程工厂搜索查询或过程工厂搜索结果集的搜索标签的过程工厂搜索结果；

图23图示了另一个示例过程工厂搜索结果显示，包括响应于搜索标签的过程工厂搜索结果和用于修改过程工厂搜索结果的附加术语(term)；

图24示出了IDE内用于使用经训练的机器学习模型预测过程参数值的示例过程工厂搜索查询；

图25示出了在特定时间段内预测的过程参数值的工厂应用内的示例图形显示；

图26示出了使用经训练的机器学习模型的过程参数值预测的示例结果；

图27示出了使用机器学习技术监测过程工厂实体的状态的示例方法的流程图；

图28示出了用于控制批次过程的示例方法的流程图；

图29示出了上下文知识库的示例部分的另一图形表示，其包括过程工厂设备和由过程工厂设备执行的批次过程的批次信息；

图30示出了上下文知识库的示例部分的又一图形表示，其包括过程工厂设备、过程工厂设备的设备利用信息和由过程工厂设备执行的批次过程的批次信息；

图31示出了上下文知识库的示例部分的另一图形表示，其包括过程工厂设备、由过程工厂设备执行的批次过程的批次信息、以及由过程工厂设备根据批次过程制造的产品的产品信息，包括每个产品的产品质量度量、生产每个产品的生产时间以及用于生产每个产品的原材料；

图32A示出了用于参数形成的示例方法的流程图；

图32B是描绘可与图32B的方法相关联的数据的框图；

图32C示出了用于过程监控的示例方法的流程图；

图32D示出了用于跨多个过程工厂监测参数的示例方法的流程图；

图33A图示了用于实施扰动测试的示例方法的流程图；

图33B至图33J描绘了说明扰动测试的各个方面的示例信号；

图34A图示了用于实施阶跃测试的示例方法的流程图；

图34B至图34I描绘了说明阶跃测试的各个方面的示例信号；

图35A和图35B示出了使用扰动和阶跃测试来通知参数调整以将过程维持在某些操作界限或状态内；

图35C和35D示出了使用扰动和阶跃测试来告知参数、产品或产品中间物的最佳采样和/或测试时间。

具体实施方式

如上所述，过程工厂相关数据以安全的方式在计算设备处被复制和接收。一旦接收到过程工厂相关数据，就可以将过程工厂相关数据提供给未被授权与过程工厂或控制器、现场设备或过程工厂内的其他设备通信的外部源，诸如移动设备、车辆头端单元等。过程工厂相关数据可以提供给外部源，以呈现报告、控制模块和过程流程模块的图形表示、以及过程工厂人员通常在工厂工作站处查看的与过程工厂相关的其他信息。以这种方式，过程工厂人员可以远程查看该信息，而没有未经授权的人员能够从外部源控制过程工厂中的设备的风险。

此外，响应于在用户接口设备上生成的过程工厂搜索查询，过程工厂相关数据可以被呈现为过程工厂搜索结果，所述用户接口设备可以在过程工厂内(例如，操作员工作站、移动工作站)或在外部(例如，移动设备、车辆头端单元、台式或膝上型计算机、可穿戴设备等)操作。

保护过程工厂和过程控制系统免受网络入侵和恶意网络攻击通常利用分层或分级的安全层级，其中至少一些层或级别通过使用防火墙和其他安全机制来保护。使用由ISA(国际自动化学会)95.01-IEC(国际电工委员会)62264-1标准化的用于控制层级逻辑框架的普渡模型(Purdue Model)作为示例框架，过程控制系统通常落入安全级别0-2(例如，在消息、分组和其他通信的安全性和有效性方面具有较高信任级别的级别)，并且制造、公司和企业系统通常落入安全级别3-5(例如，具有较低信任级别的级别)。例如，可以例如通过使用非军事区(DMZ)和/或一个或多个防火墙来保护安全级别0-3的过程工厂系统、网络和设备免受来自安全级别4-5的企业网络和/或来自利用企业网络的高于安全级别5的任何外部网络的威胁。然而，随着越来越多的对过程工厂相关数据进行操作的服务和应用被移动以远程执行，例如，在过程工厂外或外部的网络和系统上(例如，在企业或商业内的安全级别4和/或5处)，和/或甚至在企业或商业外部的网络和系统上(例如，高于安全级别5，经由互联网或其他公共网络)，需要用于防止过程工厂系统、网络和设备受到损害的更强的技术。

本文描述的新颖系统、部件、装置、方法和技术解决了与过程工厂及其网络相关的这些和其他安全问题，并且特别地涉及将过程工厂相关数据安全地递送到作为过程工厂相关数据的消费者的一个或多个外部系统。即，本文描述的新颖系统、部件、装置、方法和技术提供一个或多个网络安全屏障和/或机制，其保护过程工厂免受网络入侵和网络攻击，同时允许可消费数据和信息由设置在保护性工厂网络安全屏障和/或机制外(例如，外部)的设备、应用和其他类型的过程工厂数据和信息消费者获得。

为了说明，图1A是将过程工厂相关数据从过程工厂5安全地递送到一个或多个外部系统8的示例边缘网关系统1的框图。边缘网关系统1包括经由数据二极管15通信地连接到面向边缘的部件12的面向现场的部件10。面向现场的部件10包括一个或多个处理器18和存储至少一个数据集和至少一个计算机可执行指令集的一个或多个非暂时性存储器或数据存储设备20，其中至少一个计算机可执行指令集可由一个或多个处理器18执行。例如，如图1A所示，面向现场的部件10的一个或多个存储器20存储相应的数据集，诸如一个或多个兴趣列表22、可暴露数据类型系统24以及可选地其他数据集(未示出)。面向现场的部件10的一个或多个存储器20还存储用于数据打字机25的计算机可执行指令，并且可以存储其他计算机可执行指令集(未示出)。面向现场的部件10通信地连接到一个或多个过程工厂通信网络、数据网络和/或链路28，所述一个或多个过程工厂通信网络、数据网络和/或链路28可以包括通信地连接与过程工厂5相关联并且例如在过程工厂5正在操作以控制工业过程时生成数据的各种设备和/或其他数据源30的任何数量的有线和/或无线通信网络、数据网络和/或链路。边缘网关系统1的面向现场的部件10及其子部件的实施例的更详细描述在本公开内容内的其他部分提供。例如，下面参考图2更详细地描述与面向现场的部件10通信的数据源30。

边缘网关系统1的面向边缘的部件12包括一个或多个处理器35和存储至少一个数据集和至少一个计算机可执行指令集的一个或多个非暂时性存储器或数据存储设备38，其中至少一个计算机可执行指令集可由一个或多个处理器35执行。例如，如图1A所示，面向边缘的部件12的一个或多个存储器38存储与数据湖40和知识库42相对应的相应数据集，并且面向边缘的部件12的一个或多个存储器38存储面向现场的部件10的可暴露数据类型系统24A的至少部分副本24B或复本、用于上下文知识挖掘器45的相应计算机可执行指令以及用于知识库42的一个或多个访问机制(AM)48。当然，尽管图1A中未示出，但是面向边缘的部件12的一个或多个存储器38可以存储其他数据集和/或其他计算机可执行指令集。还如图1A所示，边缘网关系统1的面向边缘的部件12经由一个或多个外部通信网络、数据网络和/或链路50通信地连接到一个或多个外部系统8。一个或多个外部通信网络、数据网络和/或链路50可以包括任何数量的有线和/或无线通信网络、数据网络和/或链路，并且可以包括任何数量的私有和/或公共网络和/或链路。一个或多个外部系统8可以包括任何数量的公共计算系统和/或私有计算系统，其可以分别使用任何合适的技术来实现，诸如服务器库、云计算系统等，并且各种应用(例如，第三方应用、网站等)可以在其上执行。面向边缘的部件12及其子部件的实施例的更详细描述在本公开内容的其他部分提供。例如，下面参考图3更详细地描述数据湖40的内容。

如图1A所示，面向现场的部件10和面向边缘的部件12经由数据二极管15互连(尽管在边缘网关系统1的一些实施方式(未示出)中，可以省略数据二极管15，并且面向现场的部件10和面向边缘的部件12直接连接，或者是整体的、单一的逻辑和/或物理部件)。无论如何，如图1A所示，数据二极管15包括一个或多个传输介质，数据(例如电子数据)经由该一个或多个传输介质从面向现场的部件10传输到面向边缘的部件12，其中数据二极管15是面向现场的部件10和面向边缘的部件12之间的唯一通信连接。在优选实施例中，数据二极管15是单向的，使得任何和所有类型的数据(例如，信令数据、控制数据、管理数据、有效载荷数据等)仅从面向现场的部件10流到面向边缘的部件12，并且不从面向边缘的部件12流到(并且实际上，在一些实施例中，物理上不能流到)面向现场的部件10。即，数据二极管15可以物理地和/或逻辑地被配置为防止任何和所有类型的数据(例如，信令数据、控制数据、管理数据、有效载荷数据等)从面向边缘的部件12流到面向现场的部件10。在示例中，单向数据二极管15使用光纤链路或电缆来实现。在另一示例中，单向数据二极管15的软件和/或硬件可以以其他方式被配置为防止任何类型的数据(例如，信令数据、控制数据、管理数据、有效载荷数据等)从面向边缘的部件12流到面向现场的部件10。例如，可以阻止、禁用和/或省略面向边缘的部件12的物理端口，否则这些物理端口将从一个或多个外部系统8接收数据。

一般而言，边缘网关系统1将较低编号的安全级别的过程工厂5和相关联的系统与较高编号的安全级别的一个或多个系统8安全地连接和/或桥接。例如，参考Purdue模型(或其他类似的安全层级)，边缘网关系统1经由其获得过程工厂相关数据的数据源30和网络/链路28可以处于较低编号的安全级别(例如，安全级别0到安全级别2)，并且可以包括例如过程控制系统、配置系统、分析系统、通信/联网系统、资产管理系统、诊断和/或测试工具和/或系统、调试工具和/或系统、用户设备和/或操作员接口、历史库系统、批次系统以及与过程工厂5相关联的其他系统、网络和/或应用。因此，为了便于在本文中讨论，而不是为了限制的目的，术语“过程工厂”用于统称物理过程工厂以及与物理过程工厂相关联并与物理过程工厂通信连接的其他系统，其生成和/或传送较低编号的安全级别的数据。

在图1A的边缘网关系统1处，获得并初始处理由过程工厂5生成的过程工厂相关数据的面向现场的部件10可以处于安全级别2到安全级别3，并且数据二极管15和面向边缘的部件12可以处于安全级别3。一个或多个外部系统8可以处于安全级别4或更高级别，并且可以包括任何数量的公共和/或私有系统以及在其上执行的各种应用，诸如企业应用、第三方应用、公共可用应用、网站等。因此，边缘网关系统1将由较低编号的安全级别的过程工厂相关的系统、网络和/或应用5生成的数据安全地递送到较高编号的安全级别的系统、网络和/或应用8。

特别地，如图1A所示，边缘网关系统1的面向现场的部件10根据存储在面向现场的部件10处的一个或多个兴趣列表22从数据源30获得或收集数据。兴趣列表22指示由过程工厂5生成的与操作以控制工业过程的工厂5有关的特定过程工厂相关数据，其中所指示的过程工厂相关数据被允许暴露(例如，可暴露)给外部系统、网络和/或应用8。因此，边缘网关系统1中包括的兴趣列表

22提供面向现场的安全性的初始级别，以防止受保护的数据被无意地从过程工厂5释放到外部系统

8。兴趣列表22可以指示特定的兴趣数据和/或其组合，诸如运行时数据、事件数据、历史数据、配置数据和/或由较低编号的安全级别(例如，安全级别0-2)的过程工厂5的和/或与过程工厂5相关的设备、部件和/或系统生成的任何其他类型的过程工厂相关数据。兴趣列表22可以经由兴趣工作室(图1A中未示出)来配置和/或定义，这在本公开内容内的其他部分更详细地描述。

此外，在面向现场的部件10处，数据打字机25根据可暴露数据类型系统24分别键入所获得的兴趣列表数据。一般而言，可暴露数据类型系统24定义被暴露或以其他方式可用于外部系统8的数据类型(包括数据定义、名称、值、字段、结构、类、对象等)的系统。另外，可暴露数据系统24将过程工厂相关数据类型的映射、转换、分组和/或其他布置定义为可暴露数据类型，使得外部系统8可以利用和理解过程工厂相关数据内容。如本文所使用的术语“过程工厂相关数据类型”通常是指已经被定义和/或配置为由过程工厂5的应用、设备、部件、系统和/或网络使用的数据类型(例如，数据定义、名称、值、字段、结构、类、对象等)。在实施例中，可暴露数据类型系统24可以经由兴趣工作室来配置(例如，以诸如本公开内容内其他部分描述的方式)。无论如何，可暴露数据系统24允许外部系统8解释由过程工厂5和相关联的较低安全级别系统生成的过程工厂相关数据，而外部系统8不需要知道工厂5的任何内部数据配置，并且不必查询过程工厂5和/或发起与过程工厂5的通信和/或向过程工厂5发送响应。因此，边缘网关系统1的可暴露数据类型系统24和数据打字机25进一步保护过程工厂5免受来自外部系统8的可能的安全漏洞。在本公开内容的其他部分更详细地描述可暴露数据类型系统24和数据打字机25。

至少由于可暴露数据类型系统24和数据打字机25的使用，数据二极管15可以是真正单向的数据二极管。当前已知的数据二极管提供内容数据的单向流，但是允许信令、控制和/或管理数据的双向流，例如通过允许确认和/或错误条件从内容数据接收端传送到内容数据发送端。然而，边缘网关系统1的数据二极管15可以是真正单向的，因为没有任何类型的数据从其内容数据接收端流到其内容数据发送端。实际上，在实施例中，数据二极管15被物理地配置为防止任何类型的数据(例如，信令、控制、管理、内容等)从面向边缘的部件12传递到面向现场的部件10，例如，诸如在数据二极管15经由光传输介质实现的实施例中。因此，至少由于数据二极管15的真正单向性质，边缘网关系统1的数据二极管15还进一步保护过程工厂5免受来自外部系统8的可能的安全漏洞。

在数据确实需要从外部系统8写回到过程工厂5中的情况下，外部系统8与n个中间安全写入服务器60a-60n通信以保护工厂5免受网络安全威胁。如图1A所示，安全写入服务器60a-60n中的至少一个可以用作工厂5的工厂安全写入网守60a，其中安全写入网守代表中间安全写入服务器60a-60n的集合直接从外部数据源接收数据。一般而言，每个安全写入服务器60a-60n可以单独地验证数据和/或确定外部系统8的用户被授权写入过程工厂5，并且转发(例如，朝向过程工厂5)数据或采取一些缓解动作。即，每个中间服务器可以分别验证写入请求和/或生成写入请求的用户或应用。例如，每个安全写入服务器60a-60n可以通过例如基于数据的类型、数据的上下文、提供数据的源或用户的身份等确定要写入的数据是否在可接受的值范围内来验证写入请求和/或生成写入请求的源。然后，如果数据被验证并且用户被授权写入过程工厂5，则安全写入服务器60a可以将数据转发到另一安全写入服务器60b以双重检查数据被验证、以另一方式验证数据和/或授权用户。在其他实施方式中，每个安全写入服务器60a-60n可以对数据执行相同或不同类型的验证/授权检查。一旦阈值数量的安全写入服务器60a-60n已经验证/授权数据写入，就可以将数据安全地写入过程工厂内的数据源30。一般而言，中间安全写入服务器60a-60n中的至少一个可以被预先指定为中间服务器。

在边缘网关系统1的面向边缘的部件12处，经由数据二极管15从面向现场的部件10接收的键入的内容数据被存储在数据湖40中。上下文知识挖掘器45挖掘数据湖40以发现存储在数据湖40中的各种内容数据之间的关系，并且生成/修改/更新知识库42，使得知识库42包括对所接收的内容数据以及所发现的关系两者的指示。因此，知识库42存储过程工厂相关内容数据(例如，运行时数据、事件数据、历史数据和/或由过程工厂5提供的其他类型的数据)以及指示所提供的过程工厂相关内容数据、与过程工厂5内的过程工厂相关内容数据的生成、递送和/或接收相对应的条件和/或过程工厂相关内容数据的其他类型的上下文之间的关系的上下文数据。存储在知识库42中的知识对于一个或多个外部系统8是可暴露的。

更具体地，知识库42可以包括上下文知识库49(例如，以图形数据库53的形式)，上下文知识库49根据过程工厂相关数据和过程工厂实体之间的语义关系来组织过程工厂相关数据。图形数据库53可以将过程工厂实体、过程参数和/或其他过程工厂相关数据表示为节点，并且将过程工厂实体、过程参数等之间的关系表示为边。这在下面参考图7更详细地描述。

知识库42还可以包括时间或基于时间的储存库51(例如，以时间序列数据库55的形式)，其在时间上组织过程和产品参数数据。例如，时间储存库51可以存储从2021年12月15日下午1:00到下午2:00的过程工厂内的特定罐的罐填充液位的过程参数值的时间序列。在一些实施方式中，图形数据和时间序列数据可以包括在单独的数据库53、55中。在其他实施方式中，指示过程工厂相关数据与指示过程参数值的随时间的时间序列数据之间的关系的图形数据可以被包括在同一数据库中。

知识库42可以用于响应于过程工厂搜索查询和与过程工厂5中的特定批次过程相关的批次查询来提供搜索结果。知识库42还可以用于生成用于预测过程工厂5内的过程工厂实体的未来状态的机器学习模型。另外，知识库42可以用于为分析过程工厂5内的过程工厂相关数据的各种应用提供知识/关系数据，诸如软传感器分析和监测应用、参数生命周期应用、扰动应用、步骤测试应用或批次供应、调度和/或控制应用。

此外，知识库42可以用于约束过程工厂中的过程的操作。例如，知识库42中的关系可以用于约束参数变化率、设备选择、批次执行操作或任何其他合适的过程。更具体地，当特定过程参数的值在阈值时间段内改变超过阈值量时，知识库42中的关系可以指示故障的高可能性。因此，可以向操作员提供特定范围的设定点值，其中操作员可以在阈值时间段内改变过程参数值。可以不允许操作员偏离可接受的值范围。

实际上，面向边缘的部件12提供一个或多个访问机制48，外部系统8可以经由该访问机制访问存储在知识库42中的至少一些知识。每个访问机制可以分别包括针对来自外部系统8的可能的安全漏洞的另一级别的保护。例如，可以使用应用编程接口(API)、容器、服务器等来实现访问机制48，以帮助防止外部系统对知识库42和/或过程工厂5的未授权访问。此外，访问机制48可以分别被配置为从知识库42的各个部分的不同架构或结构获得不同类型的数据和/或信息。例如，第一访问机制48可以被配置为优化包括在知识库42的上下文储存库49中的图形数据53的检索的持续时间和/或效率，并且第二访问机制48可以被配置为优化包括在知识库42的时间储存库51中的时间序列数据55的检索的持续时间和/或效率。在本公开内容的其他部分更详细地讨论边缘网关系统1的面向边缘的部件12及其子部件。

一般而言，边缘网关系统1的特征、部件和架构以高度安全的方式提供外部系统8对过程工厂相关数据的访问，并且不影响过程工厂5的性能，例如，通过提供对存储在知识库42中的过程工厂相关数据的安全访问机制。另外，当边缘网关系统1向外部系统8上下文地提供过程工厂相关数据时，例如，在过程工厂5的配置的上下文内提供过程工厂相关内容数据，外部系统8可以更快速且容易地找到和消费过程工厂相关数据。此外，边缘网关系统1允许多种不同类型的应用安全且容易地对与过程工厂5相对应的上下文知识进行操作，诸如移动连接应用、高级分析应用、开放系统技术应用(例如Node.JS、Docker、Linux等)、定制应用、IoT应用、IIoT应用、商业和/或企业应用(例如，Excel、Power BI等)和/或其他类型的应用。此外，边缘网关系统1可容易地适于聚集来自多个过程工厂的过程工厂相关数据并从中发现相关的聚集知识，以及聚集来自更高安全级别的外部系统(诸如天气系统、供应链系统、金融系统等)的数据并从中发现相关的聚集知识。

虽然数据湖40、上下文知识挖掘器45和知识库42被示出为在图1A中的面向边缘的部件12内，但是这些部件中的一个或多个可以另外或可替换地包括在如图1B所示的面向现场的部件10中。在图1B所示的实施例中，面向现场的部件10的一个或多个存储器20存储对应于数据湖40和知识库42的相应数据集。面向现场的部件10的一个或多个存储器20还存储来自数据源30的数据的至少部分副本或复本、用于上下文知识挖掘器45的相应计算机可执行指令以及用于知识库42的一个或多个访问机制。当然，尽管未在图1B中示出，但是面向现场的部件10的一个或多个存储器20可以存储其他数据集和/或其他计算机可执行指令集。

在其他实施方式中，第一数据湖、第一上下文知识挖掘器和/或第一知识库可以被包括在面向现场的部件10的一个或多个存储器20中，并且第二数据湖、第二上下文知识挖掘器和/或第二知识库可以被包括在面向边缘的部件12的一个或多个存储器38中。

在一些实施方式中，面向现场的部件10可以经由数据二极管15向面向边缘的部件12中的数据湖40提供原始数据。然后，上下文知识挖掘器45可以使用来自数据湖40的原始数据来生成/修改/更新知识库42。例如，上下文知识挖掘器45可以使用基于事件的更新来更新知识库42，基于事件的更新诸如操作员动作、查询、故障、批次执行数据、批次配置数据、非过程工厂干扰、班次/人员变化等。

在其他实施方式中，面向现场的部件10使用面向现场的部件10处的第一数据湖和第一上下文知识挖掘器来生成第一知识库。然后，面向现场的部件10经由数据二极管15将来自第一知识库的知识数据/关系提供给面向边缘的部件12。然后，面向边缘的部件12可以使用从面向现场的部件10处的第一知识库接收的知识数据/关系来生成/修改/更新面向边缘的部件处的第二知识库。

图2是图1A或1B的示例面向现场的部件10的详细框图。面向现场的部件10从与过程工厂5相关联的各种数据源30获得数据。由数据源30生成的数据的类型包括工厂运行时数据，诸如过程参数的时间序列数据和工厂事件数据，诸如警报、警告、设备故障、过度死区、死区时间等。数据类型还可以包括例如来自配置数据库的工厂配置数据，诸如标签、控制回路、PID物理流、过程流、工厂布局、操作员班次数据、操作员许可数据、管理员数据、在特定站点使用的术语的站点分类等。例如，面向现场的部件10可以从数据源30接收指示过程工厂实体的配置的FHX文件和/或PID数据。工厂配置数据可用于初始化数据湖40并报告更新事件。另外，数据类型可以包括批次配置数据和执行数据，其也可以用于初始化数据湖40并报告更新事件。例如，上下文知识挖掘器45可以使用基于事件的更新来更新知识库42，基于事件的更新诸如操作员动作、查询、故障、批次执行数据、批次配置数据、非过程工厂干扰、班次/人员变化等。虽然这些是几个示例数据类型，但是面向现场的部件10可以从数据源30接收附加或替代类型的数据，并且可以接收任何合适的过程工厂相关数据。

图3是图1A或1B的示例面向边缘的部件12的详细框图。如上所述，面向边缘的部件12可以包括数据湖40。数据湖40中的内容数据可以包括来自面向现场的部件10的数据，诸如面向现场的部件10的可暴露数据类型系统24a的本地副本或复本。另外，数据湖40中的内容数据可以包括来自外部源的数据，诸如来自过程工厂5或另一过程工厂中的其他面向现场的部件或面向边缘的部件62的数据。来自其他过程工厂的面向现场的部件或面向边缘的部件62可以包括它们自己的知识库，并且可以提供来自其他过程工厂的知识数据/关系。另外或可替换地，来自其他过程工厂的至少一些面向现场的部件或面向边缘的部件62可以不包括它们自己的知识库，并且可以替代地将来自其他过程工厂的原始数据提供给面向边缘的部件12。然后，面向边缘的部件12可以使用上下文知识挖掘器45将来自其他过程工厂的原始数据组织成知识数据/关系。例如，其他过程工厂可以向面向边缘的部件12提供诸如FHX文件的配置文件，并且上下文知识挖掘器45可以基于配置文件来识别其他过程工厂中的过程工厂实体之间的关系。

在其他实施方式中，面向边缘的部件12可以是用于多个过程工厂的多工厂面向边缘的部件12，其从对应于多个过程工厂的多个面向现场的部件或多工厂面向现场的部件10接收数据。此外，外部源可以包括第三方数据源64，其提供与过程工厂5相关的第三方数据，诸如天气数据或与可能影响过程工厂5的潜在干扰相关的其他数据、企业数据、供应链数据、与过程工厂5中的材料的材料性质相关的数据、来自化学品进料罐的数据等。

面向边缘的部件12还可以包括用于查询知识库42的查询引擎66。在其他实施方式中，查询引擎66被包括在与面向边缘的部件12分离的服务器中。例如，查询引擎66可以是如图8所示的过程工厂搜索查询服务器中的过程工厂搜索引擎。在其他实施方式中，诸如当知识库42被包括在面向现场的部件10中时，查询引擎66可以被包括在面向现场的部件10中，和/或面向现场的部件10可以包括用于查询面向现场的部件中的第一知识库的第一查询引擎，并且面向边缘的部件12可以包括用于查询面向边缘的部件中的第二知识库的第二查询引擎。

在任何情况下，查询引擎66从外部系统8(诸如过程工厂5外部的用户接口设备(例如，移动设备、台式计算机、膝上型计算机、可穿戴设备、车辆头端单元等))获得过程工厂搜索查询。然后，查询引擎66从知识库42获得(例如，经由一个或多个访问机制48)与过程工厂搜索查询相关的过程工厂相关数据，并基于所获得的过程工厂相关数据生成过程工厂搜索结果。查询引擎66可以获得自然语言格式的过程工厂搜索查询，并且可以使用下面更详细描述的自然语言处理技术来分析过程工厂搜索查询。例如，查询引擎66可以利用站点分类来将查询中的特定项映射到过程工厂实体。在一些实施例中，为了服务于来自外部系统8的单个查询，可以利用单个访问机制48来获得所请求的信息。在一些实施例中，可以利用多个访问机制来获得经由单个外部生成的查询请求的信息。

图4示出了设置在保护过程工厂5的网络安全屏障和/或机制70内68a和外68b并且可以与面向现场的部件10和/或面向边缘的部件12处的知识库和/或查询引擎通信的示例计算设备和应用。设置在过程工厂5的网络安全保护70内68a的计算设备和/或应用可以与面向现场的部件10处的第一知识库42a和/或查询引擎66a通信，例如，以获得存储在第一知识库42a中的数据和/或信息。这样的“内部”设备和/或应用可以包括例如工厂操作员设备72(例如，操作员工作站、便携式用户接口、设备、移动工作站等)、工厂设备73(诸如控制器、分析器、路由器、现场设备和/或与过程工厂5相关联的其他处理/计算设备)、和/或在工厂操作员设备72上和/或在工厂设备73上执行的工厂应用74。存储在现场网关知识库42a中的至少一些数据和信息可能已经从现场网关数据湖40a挖掘，例如，以诸如本文其他部分讨论的方式。工厂应用74可以包括软或智能传感器分析和监测应用、参数生命周期应用、扰动应用、步骤测试应用、批次查询应用、批次供应、调度和控制应用、或用于分析过程工厂5内的过程工厂相关数据的任何合适的应用。下面更详细地描述这些应用。

设置在保护过程工厂5的网络安全屏障和/或机制70的外或外部68b的远程计算设备和/或应用可以与面向边缘的部件12处的第二知识库42b和/或查询引擎66b通信，例如，以获得存储在第二知识库42b中的数据和/或信息。存储在边缘网关知识库42b中的至少一些数据和信息可能已经从边缘网关数据湖40b挖掘，例如，以诸如先前讨论的方式。

可以从第二知识库42b获得信息和/或知识的这种“外部”设备和/或应用可以包括例如工厂操作员设备76a(例如，操作员工作站、便携式用户接口、设备、移动工作站等)、通用工程/计算设备78、在通用工程/计算设备78和/或其他设备上执行的多工厂应用80、在远程计算设备上执行的远程工厂应用82、或在第三方计算设备或其他通用工程/计算设备上执行的第三方应用84，仅举几例。通用工程/计算设备78和/或工厂操作员设备76a可以是过程工厂5的代理的计算设备(诸如由操作员、配置工程师或与过程工厂5相关联的其他代理操作的移动设备、膝上型计算机、平板计算机、车辆计算设备或其他类型的远程计算设备)。另外或可替换地，应用80、82、84中的一个或多个可以在由操作员、配置工程师和/或过程工厂5的其他代理操作的计算设备上执行。在这些情况下，应用80、82、84中的至少一些可以包括用户接口应用、web客户端和/或其他类型的远程执行的应用、下载的应用等。

在示例实施方式中，多工厂应用80可以包括分析跨多个过程工厂的过程参数和/或其他数据的参数生命周期应用。远程工厂应用82可以包括与工厂应用74类似的应用，其中远程工厂应用82在远离过程工厂5的计算设备上执行，使得例如操作员可以从她的家、车辆或其他远程位置查看过程工厂相关数据。这些应用80、82可以包括软传感器应用、分析应用、监测应用、参数生命周期应用、扰动应用、步骤测试和/或其他类型的测试和/或诊断应用、批次查询应用、批次供应、批次调度和/或批次控制应用、连续过程控制应用、用户接口应用、其他类型的过程控制和/或工厂应用、企业应用、web客户端应用、下载的应用和/或其他类型的远程执行应用。

第三方应用可以包括来自与一个或多个过程工厂分离的第三方组织(例如，由其提供)的应用。这些应用可以调用API来访问知识库42b中的过程工厂相关数据。例如，分销商、零售商、运输商等可以执行分销商/零售商/运输商应用，该应用调用API以查看制造商在过程工厂5生产的产品在运输之前的状态。以这种方式，分销商、零售商、运输商等可以接收产品在制造时的状态的实时更新或准备好运输的时间。

在一些实施方式中，一些计算设备和/或应用可以与面向现场的部件10处的第一知识库42a和/或查询引擎66a以及面向边缘的部件12处的第二知识库42b和/或查询引擎66b通信。这些计算设备和/或应用可以被配置和/或授权以与面向现场的部件10和面向边缘的部件12两者通信。例如，工厂操作员设备76(例如，操作员工作站)可以与第一知识库42a和第二知识库42b以及第一查询引擎66a和第二查询引擎66b通信。以这种方式，工厂操作员设备76可以接收来自过程工厂5内的过程工厂相关数据和包括来自外部数据源(诸如其他过程工厂或第三方数据源)的数据的过程工厂相关数据，如上面参考图3所述。

如上所述，来自过程工厂5的数据从过程工厂5通过数据二极管15单向地传输到面向边缘的部件12，使得任何和所有类型的数据(例如，信令数据、控制数据、管理数据、有效载荷数据等)仅从面向现场的部件10流到面向边缘的部件12，并且不从面向边缘的部件12流到(并且实际上，在一些实施例中，物理上不能流到)面向现场的部件10。为了将数据从外部计算设备或应用78-84(并且在一些情况下从工厂操作员设备76或过程工厂5内的其他计算设备或应用72-74)写回到过程工厂5中，一系列n个中间服务器可以验证数据并确保请求将数据写入过程工厂的用户/应用/计算设备被授权执行写入操作。即，过程工厂数据和信息可以经由第一通信路径(例如，数据二极管15)从过程工厂网络安全屏障和机制流出到边缘网关数据湖40b和边缘网关知识库42b，并且所选择的工厂相关数据和信息可以经由第二安全通信路径(例如，在验证时经由n个中间服务器)写回到过程工厂中。因此，用于向外数据流的通信路径和用于向内数据流的通信路径可以是分离且不同的，并且因此可以以不同的方式单独地或分别地被保护，以保护过程工厂5免受网络安全攻击和风险。

为了说明，图5A是示例安全写入架构或系统200的详细框图，该安全写入架构或系统200允许设置在保护过程工厂5免受网络攻击、风险和危害的网络安全屏障和机制70的外(例如，外部)68b的外部和/或远程计算设备和应用，以将数据和/或信息安全地写入设置在保护过程工厂5的网络安全屏障和机制70内的过程工厂5的数据储存器、设备、应用和/或其他部件。即，示例安全写入系统200允许跨保护过程工厂5的网络安全屏障和机制70的数据和信息的安全、反向流动。为了便于讨论，而不是为了限制的目的，同时参考图1A、1B和2-4讨论架构200。

图5A示出了设置在保护工厂5的网络安全屏障和/或机构70内68a的各种部件、数据储存器、设备和应用。例如，面向现场的部件10(包括数据湖40a、现场网关知识库42a和查询引擎66a)被设置在过程工厂5的网络安全屏障70内68a，面向边缘的部件12(包括数据湖40b、现场网关知识库42b和查询引擎66b)被设置在过程工厂5的网络安全屏障70的外(例如，外部)68b，并且数据二极管15从面向现场的部件10和/或设置在过程工厂5的网络安全屏障70内68a的其他设备向面向边缘的部件12单向地递送数据。

如图5A所示，各种内部设置的设备72、73和应用74设置在工厂5的网络安全屏障70内68a。内部设置的设备72、73和/或应用74中的至少一些可以包括在过程控制系统、分析系统、诊断系统、资产管理系统、模拟系统和/或过程工厂5的和/或与过程工厂5相关联的其他系统中。内部设置的设备和应用72、73、74可以经由查询引擎66a访问和/或获得存储在现场网关知识库42a中的数据和信息(如图5A中由箭头虚线表示的)。一般而言，对应于图5A所示的面向现场的部件10的查询引擎66a可以类似于对应于图3所示的面向边缘的部件12的查询引擎66。此外，内部设置的设备和应用72、74可以将数据和/或信息添加到设置在网络安全屏障70内的数据湖40a(例如，如图5A中的箭头实线所示)和/或经由数据二极管15添加到设置在网络安全屏障70外的数据湖40b(图5A中未明确表示)，例如，用于以诸如本文档中其他部分讨论的方式结合数据湖40a、40b的其他内容分析和挖掘知识。此外，设置在工厂的网络安全屏障70内68a的过程工厂5的各种其他应用和数据源(例如，过程工厂运行时数据库90、过程工厂配置数据库92、批次执行数据库94和/或工厂的过程控制系统的其他部件和/或与过程工厂5相关联的其他系统)可以将数据和/或信息添加到数据湖40a(例如，如图5A中的箭头实线所示)，和/或经由数据二极管15添加到数据湖(图5A中未明确表示)，例如，用于结合数据湖40a、40b的其他内容分析和挖掘知识，诸如通过使用本文讨论的至少一些技术。

图5A还示出了设置在保护工厂5的网络安全屏障和/或机构70外部68b的各种部件、设备和应用。例如，边缘网关知识库42b和各种外部设置的设备和应用76a、76b、78、80、82、84设置在工厂5的网络安全屏障70的外或外部68g。如前所述，外部设置的设备和应用76a、76b、78、80、82、84可以经由查询引擎66b访问存储在边缘网关知识库42b中的数据和信息(如图5A中的箭头虚线所示)，以安全地访问由过程工厂5生成的数据和与其相关的信息。另外，外部设置的设备和应用76a、76b、78、80、82、84可以将数据和/或信息添加到面向边缘的部件12的数据湖40b(在图5A中未明确表示)，例如，用于结合数据湖40b的其他内容分析和挖掘知识，例如，以诸如本文中其他部分讨论的方式。

外部设置的设备和应用76a、76b、78、80、82、84中的至少一个可以包括一个或多个写入应用205。一般而言，如本文中明确使用的，“写入”应用205是生成数据和/或信息的应用，该数据和/或信息将被提供(例如，“写入”)给设置在过程工厂5的网络安全屏障70内68a的设备、应用、存储器、数据储存器和/或部件，例如，从而修改由过程工厂5和/或设置在网络安全屏障70内68a的其相关联的系统(例如，过程控制系统、诊断系统、分析系统等)执行的操作，和/或从而修改设置在网络安全屏障70内68a的过程工厂5的数据储存器或数据库。写入应用205可以在过程工厂5正在执行以在运行时期间控制工业过程的同时向过程工厂5写入或提供数据和/或信息，并且在一些情况下，可以写入或提供数据以在运行时期间动态地修改现在或当前正在执行的工业过程。写入应用205可以是操作员或用户接口应用、分析应用、软传感器应用、智能传感器应用、远程执行的过程控制系统应用、第三方应用等。在一些实施方式中，写入应用205可以是其他应用可以用来执行到过程工厂5中的安全写入的服务或其他实用功能。此外，写入应用205可以被实现为web客户端、在一个或多个主机设备上执行的独立应用等。在一些实施方式中，写入应用205和/或调用写入应用205的另一应用可以从边缘网关或面向边缘的部件12获得数据集，例如，通过利用查询引擎66b从边缘网关知识库42b获得数据和/或信息，并且写入应用205和/或调用应用可以基于(例如，响应于)获得的数据集生成数据或信息。其中，所生成的数据或信息将被写入或提供给设置在过程工厂5的网络安全屏障70内68a的一台或多台设备、部件、应用和/或数据储存器。应当理解，尽管为了便于讨论，图5A中所示的写入应用205由单个附图标记205分类地引用，但是一个或多个不同的写入应用205和/或其实例可以在相同和/或不同的设备76a、76b、78、80、82、84上执行。

将由设置在过程工厂5的网络安全屏障70外的写入应用205写入或提供到设置在过程工厂5的网络安全屏障70内的设备、部件、应用和/或数据储存器的数据和信息的类型的示例很多。例如，写入应用205可以生成要存储在过程工厂5的数据储存库或数据库中的数据和/或信息(例如，响应于从边缘网关知识库42b的查询66b获得的知识)，从而修改数据储存库或数据库。要由外部写入应用205写入到网络安全屏障70内的数据储存器的数据可以是要添加到数据储存器的新数据(诸如分析、诊断或测试的结果；操作员笔记；新的或附加的触发条件；要历史记录和/或日志记录的数据等)，或者可以是对数据储存器内的现有数据的改变(诸如更新的参数值、对配置的更新、对限制的更新、对边界条件的更新等)。在一些情况下，由外部写入应用205写入到设置在网络安全屏障70内68a的数据储存器的数据可能导致过程工厂5的运行时操作的变化。例如，当外部写入应用205(诸如用户接口应用或分析应用)写入或提供对存储在设备5的过程控制系统的配置数据库92中的控制例程的配置的改变时，将在实例化和执行改变的控制例程时相应地修改控制例程的运行时操作。在另一示例中，当外部写入应用205(诸如用户接口应用或软传感器应用)写入或提供对过程控制系统的内部诊断例程的执行的调度的改变时，将相应地修改诊断的运行时执行的调度。在又一示例中，当外部写入应用205(诸如用户接口应用)为过程控制系统的特定操作定义新的触发条件时，新的触发条件可以被存储在对应的数据储存器中，并且特定操作将在新的触发条件发生时被触发以执行。

在一些情况下，外部写入应用205可以向在过程工厂5的网络安全屏障70内执行的应用提供数据或信息，这又可以引起对执行应用和/或相关联的应用的行为或操作的修改。例如，操作员可以经由外部用户接口应用205对由过程控制系统生成的警报或警告做出响应，并且对警报或警告的响应可以被写入或提供给生成警报或警告的运行时应用和/或在工厂5的网络安全屏障70内执行的相关联的显示视图应用，例如，从而取消或禁用警报或警告并在过程工厂5内的操作员显示视图上如此指示。在另一示例中，外部写入应用205可以改变由过程控制系统执行的应用的限制或边界条件，从而使应用根据改变的限制或边界条件来修改其行为。在又一示例中，外部写入应用205可以是服务或其他类型的实用程序，其可以由其他应用用来根据需要执行对过程工厂5内的数据储存器和/或应用的安全写入。因此，外部数据和/或信息可以被写入或提供给用户接口应用和/或在工厂5的网络安全屏障70内执行的其他应用。

在一些情况下，由外部写入应用205提供给在工厂5的网络安全屏障70内执行的应用的数据或信息可以是改变或影响过程工厂5的当前运行时行为和/或改变或影响过程工厂5的其他方面(例如，动态地并且与运行时操作一致)的指令或命令。例如，用户接口应用可以(例如，从用户)接收或监测应用可以发出命令或指令以显示由过程工厂5执行的批次过程的提示，可以接收或发出命令以开始或停止在过程工厂5内控制的批次过程或连续过程的执行等。在用户接口接收用户生成的命令的情况下，可以使用自然语言经由听觉装置(例如，麦克风)或机械装置(例如，键盘、触摸屏、鼠标等)接收用户生成的命令，然后可以由外部写入应用205、边缘网关系统12和/或工厂安全写入网守60a对其进行自然语言处理，以将命令格式化为过程工厂5内的部件和/或处理器已知和/或理解的语法。在本文档的其他部分提供了对用户命令和用户查询的自然语言处理的更详细描述。

一般而言，并且如图5A所示，外部写入应用205向工厂安全写入网守60a提供要写入到过程工厂5的网络安全屏障70内的设备、部件、应用和/或数据储存器的数据和/或信息。网守60a用作初始安全写入服务器和网络安全屏障70，用于数据或信息的“反向”流到过程工厂5中。工厂写入网守60a可以提供若干安全功能以从网络安全的角度保护和保卫过程工厂5。例如，工厂安全写入网守60a可以自动地存储由外部写入应用205请求提供或写入到过程工厂5内的设备、部件、应用和/或数据储存器的所有数据和/或信息的日志，以及请求外部写入应用205的对应标识、时间戳等。工厂安全写入网守60a可以验证和/或授权所请求的写入的数据、信息和/或请求方(例如，可以对其执行一个或多个验证和/或授权过程)，并且可以基于验证和/或授权的结果来允许或阻止所请求的写入。即，工厂安全写入网守60a可以基于各种验证和/或授权标准允许外部写入应用205请求写入过程工厂5的数据和/或信息流入过程工厂环境(例如，在网络安全屏障70后面)，所述各种验证和/或授权标准诸如写入应用的标识和/或其安全凭证、请求写入的用户或操作员的身份(如果有的话)和/或用户或操作员的相应安全凭证、请求写入的数据或信息的类型。数据或信息的上下文、数据或信息的预期范围和/或其他预期特性(例如，基于数据/信息类型、数据或信息的上下文、用户、请求写入的时间/日期等)和/或其他验证和/或授权标准。实际上，在一些情况下，工厂写入网守60a可以基于现场网关知识库42a和/或边缘网关知识库42b中的信息来确定被请求写入的数据或信息的上下文和/或数据和/或信息的预期范围和/或其他特性。

当工厂安全写入网守60a不能够验证写入请求和/或授权写入请求的用户或请求者时，工厂写入网守60a可以执行一个或多个安全缓解过程。例如，工厂写入网守60a可以日志记录或记录指示所请求的写入的信息，可以防止由所请求的写入提供的数据和/或信息被写入和/或转发到设置在工厂5的网络安全屏障70内的任何其他设备、部件或应用(包括安全写入服务器60b-60n中的任何一个和最后一英里网守88)，可以生成到预先指定的用户接口或设备的警报、警告和/或通知等。尽管图5A示出了使用单个框的工厂安全写入网守60a，但应当理解，工厂安全写入网守60a可以由一个或多个计算设备、存储器和/或处理器实现，所述一个或多个计算设备、存储器和/或处理器具有到写入应用205的一个或多个通信连接，并且在一些情况下，具有到现场网关知识库42a和/或其查询引擎66和/或边缘网关知识库42b和/或其查询引擎66b的一个或多个通信连接。例如，工厂安全写入网守60a可以访问存储在知识库42a、42b中的一个或多个中的信息和/或上下文，以验证数据、用户、请求方、设备和/或应用、和/或安全写入请求的其他特性。

当工厂安全写入网守60a能够成功地验证写入请求和/或授权写入请求的用户或请求者时，工厂安全写入网守60a可以将请求转发到下一(例如，第一)安全写入服务器60b，其对写入请求中包括的和/或与写入请求相关联的各种信息执行相应的验证和/或授权过程。由第一安全写入服务器60b执行的(一个或多个)验证和/或授权过程可以是或可以不是由工厂安全写入网守60a执行的(一个或多个)验证和/或授权过程。当第一安全写入服务器60b能够成功地验证和/或授权安全写入请求时，第一安全写入服务器60b可将请求转发到下一(例如，第二)安全写入服务器60c，所述下一安全写入服务器又对包括在写入请求中和/或与写入请求相关联的相同或不同信息执行相应验证和/或授权过程。在第二安全写入服务器60c处的成功验证和/或授权之后，第二安全写入服务器60c将请求转发到下一安全写入服务器，以此类推。直到第n安全写入服务器60n。以这种方式，由于每个安全写入服务器60a-60n对写入请求执行独立的、单独的验证过程和/或授权过程，因此显著降低了可能由安全写入请求引入的任何可能的风险。安全写入服务器的总数n以及由每个安全写入服务器执行哪些类型的验证过程和/或授权过程的指定可以是预定义和可配置的，使得系统200的提供者可以根据需要定制入站或反向数据和信息流的安全程度和/或级别。

如果任何下一安全写入服务器60b-60n不能成功地验证和/或授权写入请求(例如，由于验证和/或授权过程的结果的失败或不一致，由于安全写入服务器60b-60n的失败或次优性能和/或资源，由于超时或异常状况的发生等)，则安全写入服务器60b-60n可以例如以类似于上文关于工厂安全写入网守60a所讨论的方式的方式发起一个或多个安全缓解过程。例如，不能成功执行验证和/或授权过程的服务器60b-60n可以日志记录或记录不成功的事件和相关联的特性，可以发出警报、警告和/或通知人员等，并且服务器60b-60n将不将写入请求转发到设置在过程工厂5的网络安全屏障70内的任何其他服务器和/或设备(当然，除了与网络安全缓解特别相关联的那些之外，图5A中未示出)。

另一方面，如果写入请求由n个安全写入服务器中的每一个成功验证和/或授权，那么写入请求可接着转发到最后一英里网守88。如果需要，最后一英里网守88可以对写请求执行最终验证和/或授权过程。此外，最后一英里网守88可以将最初由外部写入应用205提供的外部数据路由或转发到一个或多个接收者应用和/或设置在工厂5的网络安全屏障70内的一个或多个数据储存器，从而修改接收者应用和/或数据储存器，例如，以诸如本文其他部分所讨论的方式。例如，可以将外部数据写入工厂5的运行时数据库90、工厂5的配置数据库92、工厂的批次执行数据库94和/或其他数据库或数据储存器，例如分析数据库、历史数据库、日志数据库、人员数据库等。在一些情况下，可以另外和/或可替换地将外部数据写入或提供给一个或多个接收设备和/或应用，例如工厂操作员设备、操作员接口、控制器、批次执行程序、分析例程、系统日志例程、诊断、模拟程序等。当过程工厂5包括现场网关知识库42a时，外部数据可以被写入相关联的数据湖40a，例如，用于分析和挖掘相关知识，并且最终传输到现场网关知识库42a并存储在现场网关知识库42a中。

尽管图5A将工厂安全写入网守60a示出为与边缘网关系统1或面向边缘的部件12(其包括数据湖40b、外部网关知识库42b和查询引擎66b)分离且不同的部件，但这仅是为了清楚说明的目的而不是限制性的。实际上，在一些实施方式中，工厂安全写入网守60a可以被集成地包括在边缘网关系统1或面向边缘的部件12中。因此，在这些实施方式中，过程工厂数据和信息可以经由与边缘网关系统1或面向边缘的部件12相关联的第一通信路径(例如，数据二极管15)流出过程工厂网络安全屏障70，并且所选择的与工厂相关的数据和信息可以经由与边缘网关系统1或面向边缘的部件相关联的第二安全通信路径(例如，经由工厂安全写入网守60a)被写入或流回到过程工厂5中。因此，边缘网关系统1和/或面向边缘的部件12可以在其中为向外数据流和向内数据流提供和维持相应的、单独的和不同的通信路径；然而，通信路径具有不同的架构，并且被不同地且独立地保护以保护过程工厂5免受网络安全攻击和风险。

图5B示出了用于用户与过程工厂的过程控制系统安全地交互的示例方法220的流程图。方法220可以由与工业过程工厂相关联的用户或其他人操作的外部设备或应用来执行，例如，当过程工厂的过程控制系统在运行时期间执行以控制工业过程时。例如，参考图4和5A来说明，方法220的至少一部分可以由计算设备76a、76b、78、由应用80、82、84、205中的一个和/或由设置在过程工厂5的网络安全屏障70的外(例如，外部)68b的另一计算设备或应用来执行。一般而言，执行方法220的至少一部分的设备或应用可以例如在由过程工厂的过程控制系统控制的工业过程的运行时期间与图1A、图1B、图3或图4的系统1的一个或多个部件通信连接。例如，执行方法220的至少一部分的设备或应用可以与面向边缘的部件或边缘网关系统12通信连接。执行方法220的至少一部分的设备或应用可以经由至少两个通信路径和/或接口与过程工厂的网络保护部件(例如，设置在工厂的网络安全屏障70内的部件)通信地连接，所述至少两个通信路径和/或接口可以是单独的、不同的和独立的路径或接口。例如，如图5A所示，计算设备76a、76b、78或应用80、82、84、205可以经由第一通信路径(例如，数据/信息流出路径，诸如包括数据二极管15和边缘网关知识库42b的边缘网关系统12)获得由过程控制系统和/或过程工厂的其他部件或数据源30提供的数据或信息，并且可以经由第二通信路径(例如，数据/信息流入路径，诸如工厂安全写入网守60a，以及可选地安全写入服务器60b-60n和最后一英里网守88)向过程控制系统和/或过程工厂的其他部件提供数据或信息。

另外，执行方法220的至少一部分的设备或应用可以包括一个或多个用户接口，用户可以经由该一个或多个用户接口与设备或应用交互，例如，用户可以经由其查看、读取或以其他方式消费由设备或应用提供的信息，和/或用户可以经由其向设备或应用写入或输入信息。因此，执行方法220的至少一部分的设备或应用在其上执行方法220的至少一部分的设备可以是由操作员或与工厂5相关联的其他人员操作的用户接口设备，和/或应用可以是由操作员或与工厂5相关联的其他人员使用的用户接口应用。例如，用户接口应用可以是web客户端或在计算设备上执行的一些其他类型的用户接口应用。此外，在一些实施例中，方法220可以包括比图5B中示出的更多、更少和/或替代的步骤。为了便于说明而不是为了限制的目的，下面同时参考图1A、1B、3、4和5A来讨论方法220。

在框222处，方法220可以包括接收从过程控制系统的知识库获得的数据集。例如，框222可以包括接收从面向边缘的部件12的知识库42b获得(例如，经由查询引擎66b)的数据集。知识库42b可以存储由工业过程生成和/或与工业过程相关的过程内容数据，并且知识库42b还可以存储指示过程内容数据之间的关系的上下文数据。过程内容数据可以已经由知识库42b经由单向通信路径从过程控制系统接收，该单向通信路径被配置为从过程工厂5递送数据和信息，例如，数据二极管15。

在实施例中，接收222数据集可以响应于从计算设备传送到与知识库相关联的查询引擎(例如，与边缘网关知识库42b相关联的查询引擎66b)的查询。在这些实施例中，用户接口应用或在计算设备上执行的另一应用可以向查询引擎传送查询，其中搜索查询指示对存储在知识库42b中的知识、数据和/或信息的请求，并且数据集可以响应于查询。

例如，在计算设备上执行的应用可以自主地或自动地生成并传输请求请求应用将在其执行期间利用的知识、数据和/或信息的搜索查询。请求应用可以是不固有地提供任何用户接口和/或在没有任何内联用户输入的情况下执行的应用(诸如分析应用、监测应用、软传感器、多工厂应用、远程过程工厂应用或另一类型的过程工厂应用)。举例来说，监测应用可生成并传送对将由监测应用利用的当前状况或状态的请求，或分析应用可生成并传送对与检测到的状况的发生相关联的某些数据的请求。

在另一示例中，用户(诸如操作员)可以经由在计算设备处执行的用户接口应用来输入用户查询，并且传送到查询引擎的查询可以基于用户查询。在一些情况下，用户查询可以是自然语言查询。例如，用户可以使用自然语言通过使用他或她的语音(例如，经由麦克风)或通过使用机械或文本手段(例如，经由键盘、触摸屏、鼠标等)来生成用户查询。用户查询可以由生成用户接口应用、查询引擎66b和/或边缘网关系统12的其他部件自然语言处理成搜索查询，该搜索查询具有由查询引擎66b用来访问知识库42b并从中获得数据和/或信息的语法，例如“储存库访问”查询或“访问”查询。即，可以从用户查询或从计算设备传送到查询引擎的其他类型的查询生成储存库访问查询或知识库的访问查询。在本文档内的其他部分提供用户查询和命令的自然语言处理(NLP)的更详细描述。

无论如何，在框225处，方法220可以包括在计算设备的一个或多个用户接口上呈现数据集。例如，数据集可以被提供给用户接口应用和/或可以被传送到用户接口设备，使得数据集可以在屏幕上呈现、经由音频输出递送、视觉投影等。

在框228处，方法220可以包括经由一个或多个用户接口获得用户命令以修改过程控制系统或过程工厂的操作或数据储存器中的至少一个。通常，用户命令响应于所呈现的数据集。例如，用户可以查看和考虑所呈现的数据集，并且可以基于他或她对所呈现的数据集的考虑来生成后续或响应用户命令。用户命令可以由用户经由在计算设备处执行和/或远程执行的用户接口应用来输入。在一些情况下，用户命令可以是自然语言命令。例如，用户可以使用自然语言通过使用他或她的语音(例如，经由麦克风)或通过使用机械或文本手段(例如，经由键盘、触摸屏、鼠标等)来生成用户命令。用户命令可以由生成用户接口应用、工厂安全写入网守60a和/或边缘网关系统12的其他部件进行自然语言处理。在本文档内的其他部分提供用户查询和命令的自然语言处理(NLP)的更详细描述。

一般而言，用户命令可以是修改过程工厂5内的数据储存器和/或修改由过程工厂5执行的操作的命令。例如，用户命令可以是将数据值写入数据储存器的命令，诸如将新的数据值写入数据储存器、将存储在数据储存器中的当前数据值更新为另一数据值等。在一些情况下，新的或更新的数据值可能导致对过程工厂的操作的修改。例如，如果用户命令是更新配置的数据值的命令，则可以基于更新的配置数据值来修改过程工厂通过使用配置的实例化执行的操作。例如，用户命令可以是修改由过程工厂的过程控制系统执行的控制例程的配置或者过程控制系统的显示视图的配置的命令。在另一示例中，如果新数据值是特定操作(例如，通知或其他类型的操作)的新触发条件，则可以修改特定操作的执行以在新触发条件发生时触发。

在一些情况下，过程工厂的修改的操作可以包括在过程工厂5的网络安全屏障70内执行的应用的修改的操作。例如，用户命令可以是在过程工厂的网络安全屏障70内执行的一个或多个用户接口应用上显示特定数据值的命令，用户命令可以是对由在过程工厂的网络安全屏障70内执行的对应应用生成的警报或警告的响应等。在一些情况下，可以发出用户命令以修改由过程工厂控制的连续过程和/或批次过程的运行时操作行为。例如，用户命令可以是开始或停止批次工业过程的执行、显示批次工业过程的提示、开始或停止连续工业过程的一部分、修改连续过程的边界条件等的命令。

在框230处，方法220可以包括在过程控制系统正在控制工业过程的同时经由第二通信路径将用户命令传送到过程控制系统。第二通信路径可以与第一通信路径不同、有区别、独立和/或分开。例如，第二通信路径可以是被配置为将数据和/或信息递送到过程工厂5的单向通信路径。例如，第二通信路径可以包括工厂安全写入网守60a，并且可以不包括数据二极管15。在实施例中，第一通信路径和第二通信路径两者都可以由过程工厂5的边缘网关系统12提供，尽管以单独且不同的方式，诸如先前描述的那些。在其他实施例中，第一通信路径可以由过程工厂5的边缘网关系统12提供，并且第二通信路径可以经由与过程工厂5相关联的不同部件或系统提供。例如，第二通信路径可以包括工厂安全写入网守60a，并且可以例如以诸如先前描述的方式从边缘网关系统12中排除工厂安全写入网守60a。

当然，尽管未在图5B中示出，但是方法220可以包括另外的步骤。例如，在一些实施例中，方法220还可以包括接收对所传送的用户命令的响应。例如，可以经由第一通信路径(例如，经由数据二极管15)接收响应。在一些实施例中，方法220的相应实例可以由用户接口应用和不提供任何用户接口的应用(诸如分析应用、软传感器应用、智能传感器应用、远程执行的过程控制系统应用等)两者执行，其中两个应用在同一外部计算设备上执行。

图5C示出了用于外部设备和/或外部应用与过程工厂的过程控制系统安全地交互的示例方法240的流程图。方法240可以由图1A、图1B、图3或图4的系统1的一个或多个部件执行，或者由图5A的安全写入系统200的一个或多个部件执行。例如，方法240的至少一部分可以由面向边缘的部件或边缘网关系统12执行，例如，在由过程控制系统控制的工业过程的运行时期间。在一些实施例中，方法240可以结合图5B的方法220的至少一部分来执行。此外，方法240可以包括比图5C中示出的更多、更少和/或替代的步骤。为了便于说明而不是为了限制的目的，下面同时参考图1A、图1B、图3、图4、图5A和图5B来讨论方法240。

在框242处，方法240可以包括从存储与工业过程相关的过程内容数据和指示过程内容数据之间的关系的上下文数据的知识库获得数据集。例如，方法240可以包括从知识库42a或42b获得242数据集，并且数据集的获得242可以响应于经由相应的查询引擎66a、66b对知识库42a、42b的查询(例如，“储存库”查询、“储存库访问”查询或“访问”查询，如本文可互换使用的)。例如，查询引擎66a、66b可以利用一个或多个访问机制48来访问知识库42a、42b的相应上下文储存库49和/或相应时间储存库51，从而获得数据集。数据集可以包括数据值，并且可选地可以包括与数据值相关的信息。

在一些实施例中，方法240可以可选地包括接收和处理245搜索查询，并且从知识库获得242数据集响应于所接收的搜索查询。例如，可以从外部应用(诸如应用80、82、84之一)接收245搜索查询，并且所获得的数据集(框242)可以包括对所接收的搜索查询的响应，并且可选地可以包括相关信息。在一些情况下，接收到的搜索查询的语法可以与直接访问知识库42b以获得数据的储存库访问查询的语法不同。在这些实施方式中，方法240还可以包括基于接收到的搜索查询生成储存库访问查询(图5C中未示出)。例如，当接收到的搜索查询是自然语言搜索查询或特定通信协议的查询时，方法240可以包括基于接收到的搜索查询生成储存库访问查询，诸如通过翻译、解释、映射、变换、转换或将一些其他合适的技术应用于接收到的搜索查询。在一些情况下，可以将单个接收到的搜索查询变换为知识库49、51的多个储存库访问查询。

为了说明，图5D示出了用于基于搜索查询生成一个或多个储存库访问查询的示例方法260的详细流程图。在实施例中，方法260可以由设置在过程工厂5的网络安全屏障70外68b的一个或多个“外部”设备和/或部件执行，诸如边缘网关12、边缘网关12的一个或多个部件(诸如查询引擎66b和/或在边缘网关12处执行的另一应用)、经由其接收搜索查询的用户接口应用、在外部设备76a、76b、78处执行的另一应用、另一外部应用80、82、84或其组合。在其他实施例中，方法260可以由设置在过程工厂5的网络安全屏障70内68a的一个或多个“内部”设备和/或部件执行，诸如现场网关10、现场网关10的一个或多个部件(诸如查询引擎66a和/或在现场网关10处执行的另一应用)、经由其接收搜索查询的用户接口应用74、在工厂设备73或工厂操作员设备72、76b处执行的另一应用、另一工厂应用74或其组合。然而，为了清楚说明而不是为了限制的目的，下面通过使用示例实施例来描述方法260，在该示例实施例中，搜索查询是经由与过程工厂5相关联的用户接口接收的自然语言搜索查询。然而，应当理解，结合方法260描述的技术可容易地适用于除自然语言之外的语法和/或格式的搜索查询，诸如各种通信和/或计算机协议和/或语言的语法和/或格式。

一般而言，方法260的实施例可以结合图5B的方法220的至少一部分和/或图5C的方法240的至少一部分来执行。例如，可以在从用户接口应用或从另一类型的应用接收245搜索查询时执行方法260，如图5C所示。此外，方法260可以包括比图5D中示出的更多、更少和/或替代的步骤。为了便于说明而不是为了限制的目的，下面同时参考图1A、图1B、图3、图4、图5A和图5B来讨论方法260。

在框262处，方法260包括接收针对与过程工厂5相关联的信息的自然语言搜索查询，其中自然语言搜索查询由用户(例如，由人)经由用户接口提供。自然语言搜索查询可以是语音格式(例如，由用户经由麦克风或其他合适的设备输入)，或者自然语言查询可以是文本格式(例如，由用户经由键盘、触摸屏、鼠标或其他合适的设备输入)。用户接口可以相对于过程工厂5的网络安全屏障70在内部或外部计算设备上执行，并且用户接口可以由用户接口应用或与用户接口通信连接的另一应用提供。

在框265处，方法260包括解析自然语言搜索查询的一个或多个域。如本文所使用的，并且通常，域与过程工厂5相关联。与过程工厂5相关联的域的示例可以包括模块、块、批次名称或一些其他逻辑或物理过程控制实体和/或其定义存储在过程工厂5处或过程工厂5的网络安全屏障70内的数据类型。例如，一个或多个域可以由过程控制系统提供、定义和/或存储在过程控制系统中；配置数据库、资产管理数据库；数据库，指示工作班次、人员身份、授权、技能水平、团队组成和/或工厂人员的其他特征；或一些其他数据存储。在一些实施例中，解析265所接收的自然语言搜索查询的域(或多个域)可以包括至少部分地基于站点特定的或工厂特定的分类来解析域(或多个域)。例如，可以预定义和存储站点或工厂特定的分类(其可以包括用于数据类型的标识符以及逻辑和/或物理过程控制实体或部件的名称和/或其他类型的标识符的分类、类别和/或约定)，并且方法260可以利用预定义的分类来解析所接收的自然语言搜索请求的域。在一些实施例中，解析265自然语言搜索查询的域(或多个域)可以包括至少部分地基于从第三方数据源或存储64获得的数据(诸如天气数据、企业数据、材料属性数据、化学品进料罐数据和/或由其他过程工厂或站点生成的数据，仅举几例)来解析域。

在相对于过程工厂5的网络安全屏障70在外部68b执行解析265自然语言搜索查询的域的实施例中，解析265搜索查询的域可以包括访问和利用边缘网关知识库42b的内容来确定一个或多个域。例如，物理和/或逻辑过程实体和数据类型的定义，以及站点或工厂特定的分类和其他域相关的数据可能已经从过程工厂5通过数据二极管15递送到边缘网关数据湖40b，并且可能已经结合数据湖40b中包括的其他数据进行分析和挖掘。所递送的数据和从分析和挖掘收集或以其他方式获取的任何附加信息可以以有组织的方式存储在边缘网关知识库42b中，诸如以本文其他部分讨论的方式。这样，方法260用来解析265外部生成的自然语言搜索查询的域的信息可以包括访问边缘网关知识库42b以获得所述信息，而不必跨网络安全屏障70进行通信并且从网络安全的角度来看冒危害工厂5的风险。因此，执行方法260的外部设备和/或应用可以通过获得存储在边缘网关知识库42b中的所述数据的副本或变换来获得存储在过程工厂5中的数据和/或信息。

无论是在过程工厂5的网络安全屏障70内68a还是外68b执行，在方法260的一些实施例中，都可以省略框265。然而，通常，方法260可以包括框265，因为执行框265可以例如基于(一个或多个)解析域来限制要搜索的知识库42a、42b的总体的大小，从而导致对与接收到的搜索请求相对应的信息的更快、更有效的搜索。

在框268处，方法260可以包括基于自然语言搜索查询的域生成一个或多个储存库访问查询以直接访问目标知识库42a、42b的内容。例如，生成268一个或多个储存库访问查询可以包括将一个或多个其他合适的变换技术翻译、解释、映射、转换和/或应用于接收到的搜索查询，其中所应用的技术与所确定的接收到的搜索查询的域相关联。在一些情况下，框268包括针对单个搜索查询生成多个储存库访问查询。例如，接收到的自然语言搜索查询“哪个操作员班次正在最快地更正模块X中发生的特定错误状况？”可以导致生成268与对应于模块X的第一域相对应的第一储存库访问查询、与对应于特定错误状况的发生的第二域相对应的第二储存库访问查询、以及与操作员班次相对应的第三储存库访问查询。在一些情况下，可以利用第一储存库访问查询的结果来生成进一步的储存库查询；即，可以基于另一储存库访问查询的输出来有条件地生成或公式化多个储存库访问查询中的至少一个。

在框270处，方法260可以包括利用一个或多个储存库访问查询来从知识库42a、42b获得与自然语言搜索查询相对应的信息。例如，可以利用一个或多个储存库访问查询来从知识库42a、42b获得与自然语言查询相对应的数据和/或信息。当一个或多个储存库访问查询包括多个访问查询时，可以并行或顺序地将查询应用于主题库42a、42b。在一些情况下，可以有条件地应用知识访问查询中的至少一些以获得期望的信息。例如，第一知识访问查询可以获得指示特定范围的产量的信息，并且第二知识访问查询可以获得指示在其期间实现特定范围的产量的不同操作员班次的信息。在一些情况下，可以共同处理多个储存库访问查询的初始输出以获得期望的信息。例如，可以将统计技术应用于多个储存库访问查询的输出以生成期望的信息。一般而言，从知识库42a、42b获得信息响应于与自然语言查询的域相对应的一个或多个储存库访问查询。

在框272处，方法260可以包括响应于自然语言搜索查询将信息组织成数据集。例如，信息可以被格式化为期望的数据集格式，其可以包括数字和/或自然语言格式。在框275处，方法260可以包括将数据集提供给接收方应用和/或设备。例如，可以将数据集提供给生成自然语言搜索查询的应用，和/或可以将数据集提供给另一应用，该另一应用可以是在过程工厂5的网络安全屏障70内68a执行的“内部”应用，或者可以是在过程工厂5的网络安全屏障70外68b执行的“外部”应用。

一般而言，由方法260用于自然语言查询的至少一些技术可以应用于其他类型的自然语言输入，如当关于图5B的框228讨论的修改过程工厂的操作或数据储存器中的至少一个的用户命令是自然语言用户命令时。例如，可以以类似于接收262自然语言搜索查询的方式接收自然语言用户命令，并且可以以类似于解析265自然语言搜索查询的域的方式执行解析自然语言用户命令的域。然而，在自然语言用户命令的情况下，代替框268-275，方法260可替代地包括基于经解析域将自然语言用户命令变换成由工厂安全写入网守60a(未示出)利用或以其他方式已知的语法或格式。例如，方法260可以包括基于自然语言用户命令的(一个或多个)经解析域，将自然语言格式或域的用户命令变换成由工厂安全写入网守60a利用的通信和/或计算机协议或语言的一个或多个命令。

现在返回图5C，在框248处，方法240可以包括将数据集提供给在过程控制系统的网络安全屏障外部的一个或多个计算设备上执行的外部应用。例如，在框248处，方法240可以包括将获得的数据集提供给一个或多个应用80、82、84，提供给在设备76a、76b、78上执行的一个或多个应用，和/或提供给由边缘网关系统12本身的处理器执行的一个或多个应用。外部应用可以是例如用户接口应用(例如，其在过程控制系统或过程工厂5的代理的计算设备上执行)、在一个或多个远程计算设备上执行的远程过程控制系统应用、在一个或多个远程计算设备上执行的企业应用(其中企业应用由与过程控制系统相关联的企业提供)、或由第三方提供的第三方应用。向其提供数据集的外部应用可以是或可以不是生成搜索查询的应用(框245)。此外，外部应用在其上执行的设备可以是移动或固定设备。另外或可替换地，外部应用可以是软或智能传感器应用、web客户端应用或另一类型的应用。

在框250处，方法240可以包括响应于所提供的数据集，接收与运行时工业过程相对应的指令。可以从例如远程过程控制系统应用(例如，智能或软传感器应用、监测应用、分析应用等)、在一个或多个远程计算设备上执行的企业应用、用户接口应用或由第三方提供的第三方应用接收指令。例如，可以从应用80、82、84之一接收指令。因此，指令可能已经由用户手动生成(例如，经由用户接口应用)，或者可能已经由正在执行的应用自动或自主地生成，所述正在执行的应用可能具有或可能不具有或通信地连接到任何用户接口。从其接收指令的应用可以是或可以不是向其提供数据集的应用(框248)，并且可以是或可以不是从其接收初始的相关联的搜索查询的应用(框245)。

在一些情况下，接收250对应于运行时工业过程的指令包括接收修改由过程控制系统控制的工业过程的运行时操作行为的命令。该命令可以涉及批次工业过程，诸如停止或开始执行由过程控制系统控制的批次过程的命令、显示由过程控制系统控制的批次过程的提示的命令、停止或开始执行由过程控制系统控制的连续过程的一部分的命令等。该命令可以涉及连续工业过程，诸如修改连续工业过程的执行的一部分和/或发起、开始、停止或修改与连续工业过程相关的另一过程(诸如分析、诊断、监测、报告和/或其他类型的过程)的命令。

在一些情况下，接收250与运行时工业过程相对应的指令包括接收修改与由过程控制系统控制的工业过程相对应的数据储存器的命令。数据储存器可以是历史记录或长期数据储存器、配置数据库、由应用利用的高速缓存或本地数据储存器、与过程工厂5相关的数据储存器(诸如资产管理数据储存器、报告或日志数据储存器等)和/或与过程工厂5相关联的其他类型的数据储存器。

因此，在框252处，方法240可以包括根据所接收的指令引起对过程控制系统的网络安全屏障内的数据储存器的修改。例如，所接收的指令可以是将数据值写入过程控制系统的命令，并且修改可以包括将数据值写入数据储存器或写入在保护过程工厂5的网络安全屏障70内执行的应用。要写入的数据值可能已经基于所提供的数据集来确定。例如，如果向其提供数据集的外部应用是用户接口应用，则在查看所提供的数据集时，用户可以经由用户应用提供将基于所提供的数据集确定的一个或多个数据值写入过程控制系统(例如，写入数据储存器、写入另一用户接口应用、写入过程控制应用等)的指令。在另一示例中，如果向其提供数据集的外部应用是软传感器应用或其他类型的远程执行的过程控制应用，则外部应用可以分析所提供的数据集，基于该分析确定一个或多个数据值，并且提供将所确定的一个或多个数据值写入过程控制系统(例如，写入数据储存器、写入另一用户接口应用、写入过程控制应用等)的指令。

在一些情况下，数据值的写入可以引起或导致对过程控制系统的操作的修改。例如，如果写入的数据值是对由过程控制回路利用的参数值的改变，则过程控制回路可以根据改变的参数值执行。在另一示例中，如果写入的数据值是某个动作的附加触发条件，则可以在附加触发条件发生时触发动作。

一般而言，当将数据值写入过程控制系统的命令包括改变存储在过程控制系统的数据储存器中的当前数据值的命令时，修改可以包括将当前数据值改变为由命令指示的数据值。当将数据值写入过程控制系统的命令包括在过程控制系统处存储新数据值的命令时，修改可以包括存储新数据值。此外，当将数据值写入过程控制系统的命令包括在过程控制系统的用户接口上显示数据值的命令时，修改可以包括在过程控制系统的一个或多个用户接口上显示数据值。此外，当将数据值写入过程控制系统的命令包括对由过程控制系统生成的警告或警报的响应时，修改可以包括将对警告或警报的响应提供给生成警告或警报的过程控制系统应用；并且当将数据值写入过程控制系统的命令包括存储触发条件的指示的命令时，该触发条件在发生时使过程控制系统生成通知，修改可以包括在数据储存器中存储触发条件的指示。

在一些情况下，接收250与运行时工业过程相对应的指令包括接收修改由过程控制系统控制的工业过程的运行时操作行为的命令，诸如停止或开始执行由过程控制系统控制的批次过程的命令、显示由过程控制系统控制的批次过程的提示的命令、停止或开始执行由过程控制系统控制的连续过程的一部分的命令等。在这些情况下，框252可以包括引起对由工业过程执行的操作的相应修改，例如，开始或停止执行、显示提示等。在一些情况下，可以在工业过程在运行时执行时应用修改。

一般而言，引起252对与工业过程相关联并且设置在工业工厂的网络安全屏障70内的操作和/或数据储存器的修改可以包括经由多个中间服务器将修改的指示传送到设置在工厂的网络安全屏障内的接收方应用和/或数据储存器，诸如以本公开内容内其他部分描述的方式。例如，修改的指示可以被传送到工厂安全写入网守60a，以用于验证和经由其他安全写入服务器60b-60n递送到设置在网络安全屏障70内的接收方应用和/或数据储存器。

在一些实施例(未示出)中，方法240还可以包括在与过程控制系统相关联的知识库处进行更新，以包括(i)指示查询、数据集、指令或修改中的至少一个的附加内容数据，以及(ii)指示查询、数据集、指令或修改中的至少两个之间的相应关系的附加上下文数据。例如，可以将指示查询、数据集、指令和/或修改的附加内容数据添加到数据湖40a和/或40b，结合存储在数据湖40a和/或40b内的其他数据挖掘以确定附加上下文数据，并存储到相应的知识库42a、42b中。在一些实例中，附加上下文数据可以指示不同类型的附加内容数据之间的相应关系，诸如查询与数据集、查询与修改、数据集与指令和/或附加内容中包括的任何两种或更多种不同类型的数据之间的相应关系。

图6是示例性过程工厂100的框图，该过程工厂被配置为在在线或运行时操作期间控制工业过程，并且可以经由边缘网关系统1的实施例从该过程工厂安全地递送过程工厂相关。例如，图1A的过程工厂5可以包括图6的过程工厂100的至少部分。如图6所示，过程工厂100通信地连接到边缘网关系统102，边缘网关系统102可以是例如图1A的边缘网关系统1的实施例。

过程工厂100(其在本文中也可互换地称为过程控制系统100或过程控制环境100)包括一个或多个过程控制器，其接收指示由现场设备进行的过程和/或其他类型的测量的信号，处理该信息以实现控制例程，并且生成通过有线或无线过程控制通信链路或网络发送到其他现场设备的控制信号，以控制工厂100中的工业过程的操作。通常，至少一个现场设备执行物理功能(例如，打开或关闭阀、升高或降低温度、进行测量、感测条件等)以控制过程的操作。一些类型的现场设备通过使用I/O设备与控制器通信。过程控制器、现场设备和I/O设备可以是有线的或无线的，并且任何数量和组合的有线和无线过程控制器、现场设备和I/O设备可以包括在过程工厂环境或系统100中。

例如，图6示出了过程控制器111，其经由输入/输出(I/O)卡126和128通信地连接到有线现场设备115-122，并且经由无线网关135和过程控制数据高速通道或主干110通信地连接到无线现场设备140-146。过程控制数据高速通道110可以包括一个或多个有线和/或无线通信链路，并且可以使用任何期望的或合适的通信协议(例如以太网协议、IP或其他分组协议等)来实现。在一些配置(未示出)中，控制器111可以使用不同于或附加于主干110的一个或多个通信网络通信地连接到无线网关135，诸如通过使用支持一个或多个通信协议、数据协议和/或工业自动化协议(例如，Wi-Fi或其他IEEE 802.11兼容无线局域网协议、移动通信协议(例如，WiMAX、LTE或其他ITU-R兼容协议)、

作为示例，可以是由艾默生过程管理公司销售的DeltaV

图6的过程控制器111包括实现或监督一个或多个过程控制例程138(例如，存储在存储器132中)的处理器130。处理器130被配置为与现场设备115-122和140-146以及与通信地连接到控制器111的其他节点通信。应当注意，如果需要，本文描述的任何控制例程或模块可以使其部分由不同的控制器或其他设备实现或执行。同样地，本文描述的将在过程控制系统100内实现的控制例程或模块138可以采取任何形式，包括软件、固件、硬件等。控制例程可以以任何期望的软件格式实现，诸如使用面向对象的编程、梯形逻辑、顺序功能图、功能框图，或使用任何其他软件编程语言或设计范例。控制例程138可以存储在任何期望类型的存储器132中，诸如随机存取存储器(RAM)或只读存储器(ROM)。同样地，控制例程138可以被硬编码到例如一个或多个EPROM、EEPROM、专用集成电路(ASIC)或任何其他硬件或固件元件中。因此，控制器111可以被配置为以任何期望的方式实现控制策略或控制例程。

控制器111使用通常所谓的功能块来实现控制策略，其中每个功能块是整体控制例程的对象或其他部分(例如，子例程)，并且与其他功能块(经由称为链路的通信)结合操作以在过程控制系统100内实现过程控制回路。基于控制的功能块通常执行以下之一：输入功能，诸如与变送器、传感器或其他过程参数测量设备相关联的输入功能；控制功能，诸如与执行PID、模糊逻辑等控制的控制例程相关联的控制功能；或者输出功能，其控制诸如阀的一些设备的操作，以执行过程控制系统100内的一些物理功能。当然，存在混合和其他类型的功能块。功能块可以存储在控制器111中并由控制器111执行，这通常是当这些功能块用于标准4-20mA设备和某些类型的智能现场设备(例如

有线现场设备115-122可以是任何类型的设备，诸如传感器、阀、变送器、定位器等，而I/O卡126和128可以是符合任何期望的通信或控制器协议的任何类型的I/O设备。在图6中，现场设备115-118是标准4-20mA设备或

在图6中，无线现场设备140-146使用无线协议(诸如

类似于有线现场设备115-122，无线网络170的无线现场设备140-146在过程工厂100内执行物理控制功能，例如，打开或关闭阀，或者进行过程参数的测量。然而，无线现场设备140-146被配置为使用网络170的无线协议进行通信。因此，无线网络170的无线现场设备140-146、无线网关135和其他无线节点152-158是无线通信分组的生产者和消费者。

在过程工厂100的一些配置中，无线网络170包括非无线设备。例如，在图6中，图6的现场设备148是传统4-20mA设备，并且现场设备150是有线

在图6中，过程控制系统100包括通信地连接到数据高速通道110的一个或多个操作员工作站171。经由操作员工作站171，操作员可以查看和监测过程工厂100的运行时操作，以及采取可能需要的任何诊断、校正、维护和/或其他动作。至少一些操作员工作站171可以位于工厂100中或附近的各种受保护区域，例如，在工厂100的后端环境中，并且在一些情况下，至少一些操作员工作站171可以远程定位，但是仍然与工厂100通信连接。操作员工作站171可以是有线或无线计算设备。

示例过程控制系统100还被示出为包括配置应用172A和配置数据库172B，配置应用172A和配置数据库172B中的每一个还通信地连接到数据高速通道110。如上所述，配置应用172A的各种实例可以在一个或多个计算设备(未示出)上执行，以使用户能够创建或改变过程控制模块和/或其他类型的模块，并经由数据高速通道110将这些模块下载到控制器111和/或过程控制系统100的其他设备，以及使用户能够创建或改变操作员界面，操作员能够经由该操作员界面查看数据并改变过程控制例程内的数据设置。配置数据库172b存储创建的(例如，配置的)模块和/或操作员接口。通常，配置应用172A和配置数据库172B是集中的，并且对于过程控制系统100具有统一的逻辑外观，尽管配置应用172A的多个实例可以在过程控制系统100内同时执行，并且配置数据库172B可以跨多个物理数据存储设备实现。因此，配置应用172A、配置数据库172B及其用户接口(未示出)包括用于控制和/或显示模块的配置或开发系统172。通常但不一定，配置系统172的用户接口不同于操作员工作站171，因为不管工厂100是否实时操作，配置和开发工程师都使用配置系统172的用户接口，而操作员在过程工厂100的实时操作期间(此处也可互换地称为过程工厂100的“运行时”操作)使用操作员工作站171。

示例过程控制系统100包括数据历史库应用173A和数据历史库数据库173B，它们中的每一个还通信地连接到数据高速通道110。数据历史库应用173A操作以收集通过数据高速通道110提供的数据中的一些或全部，并且将数据历史库或存储在历史库数据库173B中以用于长期存储。类似于配置应用172A和配置数据库172B，数据历史库应用173A和历史库数据库173B是集中的，并且对于过程控制系统100具有统一的逻辑外观，尽管数据历史库应用173A的多个实例可以在过程控制系统100内同时执行，并且数据历史库173B可以跨多个物理数据存储设备实现。

在一些配置中，过程控制系统100包括使用其他无线协议与其他设备通信的一个或多个其他无线接入点174，所述其他无线协议诸如Wi-Fi或其他IEEE 802.11兼容无线局域网协议、移动通信协议(诸如WiMAX(全球微波接入互操作性)、LTE(长期演进)或其他ITU-R(国际电信联盟无线电通信部门)兼容协议、短波长无线电通信(诸如近场通信(NFC)和蓝牙)、或其他无线通信协议。通常，此类无线接入点174允许手持式或其他便携式计算设备(例如，用户接口设备175)通过不同于无线网络170且支持与无线网络170不同的无线协议的相应无线过程控制通信网络进行通信。例如，无线或便携式用户接口设备175可以是由过程工厂100内的操作员使用的移动工作站或诊断测试设备(例如，操作员工作站171中的一个的实例)。在一些场景中，除了便携式计算设备之外，一个或多个过程控制设备(例如，控制器111、现场设备115-122或无线设备135、140-158)也使用由接入点174支持的无线协议进行通信。

在一些配置中，过程控制系统100包括到当前过程控制系统100外部的系统的一个或多个网关176、178。通常，这样的系统是由过程控制系统100生成或操作的信息的客户或供应商。例如，过程控制工厂100可以包括网关节点176，以将当前过程工厂100与另一过程工厂通信地连接。另外或可替换地，过程控制工厂100可以包括网关节点178，以将当前过程工厂100与外部公共或私有系统(诸如实验室系统(例如，实验室信息管理系统或LIMS)、操作员巡回数据库、材料处理系统、维护管理系统、产品库存控制系统、生产调度系统、天气数据系统、运输和处理系统、包装系统、互联网、另一供应商的过程控制系统或其他外部系统)通信地连接。

应注意，尽管图6仅示出了包括在示例过程工厂100中的单个控制器111以及有限数量的现场设备115-122和140-146、无线网关35、无线适配器152、接入点155、路由器1158和无线过程控制通信网络170，但这仅是说明性和非限制性实施例。过程控制工厂或系统100中可以包括任何数量的控制器111，并且控制器111中的任何一个可以与任何数量的有线或无线设备和网络115-122、140-146、135、152、155、158和170通信以控制工厂100中的过程。

如图6所示，并且同时参考图1A，为了清楚说明而不是为了限制的目的，过程工厂100通信地连接到边缘网关系统102，边缘网关系统102可以是图1A的边缘网关系统1的实施例。例如，过程工厂100可以经由一个或多个过程工厂通信网络、数据网络和/或链路直接地和/或经由过程工厂100的相应网关通信地连接到边缘网关系统1的面向现场的部件10。例如，边缘网关系统1的面向现场的部件10可以经由网络110、170、经由网关135、176、178和/或经由与过程工厂相关联的其他网络、链路和/或网关通信地连接到过程工厂100，面向现场的部件10经由这些网络、链路和/或网关接收或获得由与过程工厂100相关联的各种数据源30生成的数据。

一般而言，边缘网关系统1经由其获得过程工厂相关数据的数据源30和网络/链路28可以处于Purdue模型或类似安全层级的较低级别(例如，级别0至级别2)，并且可以包括控制器、现场设备、I/O卡和其他类型的过程控制设备。此外，应当理解，与过程工厂相关联的该组数据源30不仅限于直接生成一阶过程数据的过程控制设备，而且可以另外或可替换地包括过程工厂100内和/或与过程工厂100相关联的任何设备或部件，其作为过程工厂100控制在线过程的结果而生成过程数据和/或其他类型的数据。例如，该组数据源30可以包括模块、警报、事件历史记录、批次过程系统和/或历史记录、生成诊断数据的诊断设备或部件、在过程工厂100的各种部件和/或设备之间传送信息的网络路由设备或部件、资产管理系统、配置系统、分析系统、移动设备等。实际上，图6中所示的任何一个或多个部件(例如，部件111、115-122、126、128、135、140-146、152、155、158、160、170、171-176、178)和图6中未示出的其他部件可以是生成过程工厂相关数据的数据源30，该过程工厂相关数据可以经由边缘网关系统1、102被提供以供一个或多个外部系统8消耗。

图7示出了示例上下文知识库49(诸如参考图1A描述的上下文知识库49)的图形表示。示例上下文知识库49存储过程工厂相关数据和过程工厂实体之间的关系或连接，过程工厂实体诸如控制器、现场设备、I/O设备或过程工厂内执行物理功能以控制过程的任何其他设备，诸如阀、罐、混合器、泵、热交换器等。过程工厂实体可以包括物理或逻辑元件。

包括在上下文知识库49中的知识/关系数据可以包括特定过程参数的类别(例如，操作参数、调整参数、设备参数、配置参数、实例化参数等)、与先前的过程工厂搜索查询或先前的搜索结果集相关联的搜索标签、以及用于预测过程工厂实体的未来状态的机器学习模型。知识/关系数据还可以包括将工厂人员使用的术语映射到特定的设备或过程参数的分类。

另外，知识/关系数据可以包括工厂人员信息、班次信息、调度信息以及工厂人员在每个特定班次期间负责的过程工厂实体。例如，知识/关系数据可以指示Jenny从下午12点到下午8点正在操作特定混合器，并且Bob从下午8点到上午12点正在操作混合器。知识/关系数据还可以包括与用于生成产品的特定过程工厂实体组相关联的产品、产品的产品参数以及特定过程工厂实体组的过程参数。

此外，知识/关系数据可以包括连续或批次过程中的上游和下游过程工厂实体，以及与过程工厂实体相关联的过程参数。知识/关系数据还可以包括不一定参与同一过程的过程工厂实体之间的关系。例如，由于过程工厂实体之间的接近，当第一过程工厂实体中的温度升高时，第二过程工厂实体中的温度成比例地升高。即使两个过程工厂实体不参与制造相同的产品，该关系也可以包括在知识/关系数据中。虽然这些是可以包括在上下文知识库49中的知识/关系数据的几个示例，但是与过程工厂100相关的任何合适的知识/关系数据可以包括在上下文知识库49中。

如上所述，上下文知识库49可以存储在边缘网关系统1的面向边缘的部件12处，并且可以包括在过程工厂100内生成的过程工厂相关数据的本地副本或复本。以这种方式，面向边缘的部件12可以将来自上下文知识库49的过程工厂相关数据提供给外部系统8，该外部系统8不具有以高度安全的方式与过程工厂100通信的授权访问并且不影响过程工厂100的性能。例如，面向边缘的部件12可以将来自上下文知识库49的过程工厂相关数据提供给不在过程工厂100内并且未被授权与控制过程工厂100的在线操作的设备或部件通信的移动设备、车辆头端单元、台式计算机、膝上型计算机、可穿戴设备等。

在其他实施方式中，上下文知识库49可以存储在与过程工厂100内和/或与过程工厂100相关联的设备或部件(例如，面向现场的部件10)通信的计算设备中。作为过程工厂100控制在线过程的结果，这些设备或部件生成过程数据/或其他类型的数据。在这些实施方式中，过程工厂相关数据不是通过单向数据二极管提供的，并且从上下文知识库49接收过程工厂相关数据的设备可以与过程工厂100内和/或与过程工厂100相关联的设备或部件通信，该过程工厂100生成过程工厂相关数据以控制过程工厂100的在线操作。在这种情况下，只有被授权与过程控制设备交互的设备可以从上下文知识库49(例如，操作员工作站、移动工作站等)接收过程工厂相关数据。在其他实施方式中，第一知识库42a可以存储在面向现场的部件10处，并且第二知识库42b可以存储在面向边缘的部件12处。

在任何情况下，在图7中，过程工厂相关数据(例如，过程参数数据、产品参数数据、配置数据、维护数据、事件数据、历史数据、环境数据、诸如实验室测量的分析数据等)和过程工厂实体(例如，控制器、现场设备、过程工厂、过程工厂区域、罐、泵、混合器、热交换器、反应器、再生器、控制模块、功能块、过程流程模块等)由节点或圆圈表示，并且过程工厂相关数据和/或过程工厂实体之间的关系或连接由连接圆圈的边或线表示。例如，第一过程工厂实体702表示休斯顿过程工厂。第一过程工厂实体702基于区域在休斯顿过程工厂内而连接到过程工厂内的区域(例如，工厂区域A、工厂区域B)。每个区域连接到该区域内的设备和/或部件，诸如控制器、现场设备、控制模块、过程工厂设备等。更具体地说，工厂区域A连接到控制器1、CNTL MOD PID1、罐1、混合器1和泵1，它们中的每一个都位于工厂区域A内或工厂区域A中的控制过程工厂设备内。工厂区域B连接到热交换器1和阀1，它们中的每一个都位于工厂区域B内。然后，基于控制器1执行控制模块CNTL MOD PID1，控制器1连接到CNTLMOD PID1。基于控制器1控制罐1、混合器1和泵1中的每一个，控制器1还连接到这些过程工厂设备。另外，基于CNTL MOD PID1是控制罐1、混合器1和泵1中的每一个的控制模块，CNTLMOD PID1连接到这些过程工厂设备。此外，基于CNTL MOD PID1使得基于罐1、混合器1和泵1的控制生成产品输出1，将CNTL MOD PID1连接到产品输出1。产品输出1可以是例如汽油。此外，罐1和产品输出T1连接到分别对应于罐1和产品输出1的过程参数数据和产品参数数据。更具体地，罐1连接到表示罐1的填充液位的过程参数数据、各自表示对应于罐1的警报的警报1和警报2以及作为输入提供到罐1中的产品(例如煤油)的产品In1。产品输出1连接到表示产品输出1的温度、体积、密度、压力和化学组成的产品参数数据。

虽然上下文知识库49存储少量过程工厂相关数据，但这仅是为了便于说明。上下文知识库49可以存储任何数量的过程工厂实体的指示以及跨若干过程工厂的过程工厂实体中的每个过程工厂实体的任何合适量的过程工厂相关数据的指示。以这种方式，用户可以能够从多个过程工厂接收数据，使得用户可以在多个站点上搜索。除了提供来自上下文知识库49的过程工厂相关数据作为搜索结果之外，过程工厂相关数据可以用于工厂调试，特别是用于解决歧义命名惯例。在任何情况下，过程工厂相关数据可以包括几种类型的不同数据，例如配置数据、运行时数据、维护数据、分析数据、环境数据(例如监管报告数据)、诊断数据、过程工厂的经济数据(例如设备和材料的成本)、过程工厂生产的产品的预计值、过程工厂在特定时间段内生产的产品的量、预计收入和利润率等，或者与过程工厂相关的任何其他合适的数据。

为了生成上下文知识库49，上下文知识挖掘器45挖掘数据湖40以发现存储在数据湖40中的各种内容数据之间的关系，并相应地生成/修改/更新上下文知识库49。例如，上下文知识挖掘器45可以挖掘数据湖40以识别对应于罐1的过程参数的附加过程参数数据。然后，上下文知识挖掘器45可以更新上下文知识库49以包括罐1和附加过程参数数据之间的连接。在一些实施方式中，当对工厂配置进行改变(诸如用户向过程控制系统添加新的控制模块)时，用户可以向上下文知识挖掘器45提供指令(例如，经由用户接口设备处的用户控件)以利用新的工厂配置重新生成上下文知识库49。在一些场景中，用户可以向上下文知识挖掘器45提供指令，以通过仅将工厂配置的改变添加到上下文知识库49来用新的工厂配置更新上下文知识库49。在其他实施方式中，上下文知识挖掘器45可以例如在到在线过程工厂的下载发生时自动分析对上下文知识库49的更新，并且确定是否利用工厂配置的改变来更新现有的上下文知识库49，或者例如，如果改变本质上是结构性的，则利用新的工厂配置来重新生成上下文知识库49。上下文知识库49还可以存储关于何时添过程工厂配置改变的时间数据。例如，当新的或更新的控制模块被下载到在线过程工厂时，上下文知识库49可以包括下载的日期和时间。因此，可以基于上下文知识库49来维护发生每个工厂配置改变时的工厂状态的上下文记录。虽然上下文知识库49被示出为图形结构，但这仅仅是示例性实施例，并且上下文知识库49中的实体可以以任何合适的方式连接。

过程工厂搜索查询

如上所述，面向边缘的部件12内的访问机制48可以向外部系统8提供与过程工厂相关的数据。访问机制的一个示例可以是过程工厂搜索查询服务器，其从外部系统8(诸如过程工厂100外部的用户接口设备(例如，移动设备、台式计算机、膝上型计算机、可穿戴设备、车辆头端单元等))获得过程工厂搜索查询。然后，过程工厂搜索查询服务器从知识库42获得与过程工厂搜索查询相关的过程工厂相关数据，并基于所获得的过程工厂相关数据生成过程工厂搜索结果。更一般地，过程工厂搜索查询服务器可以从应用或其他计算设备获得对过程工厂相关数据的请求，响应于该请求从知识库42获得过程工厂相关数据中的至少一些，并且将获得的过程工厂相关数据提供给应用或其他计算设备。在一些实施方式中，请求是过程工厂搜索查询，并且过程工厂搜索查询服务器响应于过程工厂搜索查询将过程工厂相关数据的子集作为搜索结果提供给应用或其他计算设备。

图8示出了示例过程工厂搜索查询服务器800的框图。过程工厂搜索查询服务器800服务器可以被实现为具有处理器802、执行过程工厂搜索引擎806的存储器804、以及用于经由一个或多个外部通信网络、数据网络和/或链路与外部系统8通信的通信单元的硬件。一个或多个外部通信网络、数据网络和/或链路可以包括任何数量的有线和/或无线通信网络、数据网络和/或链路，并且可以包括任何数量的私有和/或公共网络和/或链路。在其他实施方式中，过程工厂搜索查询服务器800可以被实现为用于在面向边缘的部件12的硬件上执行过程工厂搜索引擎806的软件。

在一些实施方式中，过程工厂搜索查询服务器800是面向边缘的部件12的访问机制48。在这些实施方式中，过程工厂搜索查询服务器800从知识库42获得过程工厂相关数据，知识库42是过程工厂100内生成的过程工厂相关数据的本地副本或复本。因此，过程工厂搜索查询服务器800不直接与过程工厂100内生成的过程工厂相关数据交互，并且不能与过程工厂100中的控制器和/或其他设备通信以控制过程工厂100的在线操作。在其他实施方式中，过程工厂搜索查询服务器800不是面向边缘的部件12的一部分，并且是通信地耦接到过程工厂100的服务器设备，并且被配置为与过程工厂100中的控制器和/或其他设备通信以控制过程工厂100的在线操作。

在任何情况下，过程工厂搜索引擎806都从用户接口设备接收过程工厂搜索查询。过程工厂搜索查询可以是与过程工厂相关数据相关和/或与过程工厂内的过程工厂实体相关的任何搜索查询。例如，过程工厂搜索查询可以是“我的催化裂化装置怎么样？”过程工厂搜索引擎806然后分析/解析过程工厂搜索查询以识别搜索查询的主题、搜索查询的上下文和/或搜索查询中的可以用于响应于搜索查询过滤数据集的其他信息。更具体地，过程工厂搜索引擎806可以从包括在过程工厂搜索查询服务器800中或通信地耦接到过程工厂搜索查询服务器800的语法模块或工厂词汇数据库获得主题和过滤器的指示。语法模块或工厂词汇数据库可以存储过程工厂搜索查询的若干主题和修改主题以过滤搜索结果的过滤器。语法模块或工厂词汇数据库还可以存储来自与每个主题和/或过滤器相对应的过程工厂搜索查询的术语的若干映射，诸如主题或过滤器的同义词或昵称。例如，对于主题“MODULE:CATCR”，语法或工厂词汇表可以存储对应的术语“催化裂化装置(cat cracker)”、“催化裂化装置模块(cat cracker module)”、“催化裂化装置控制模块(cat cracker controlmodule)”、“催化裂化模块(catalytic cracking module)”、“流化床催化裂化模块(fluidcatalytic cracking module)”等。语法模块或工厂词汇表数据库可以使用来自知识库42的分类来生成映射。分类可以指示在特定过程工厂或地理区域中使用一个名称并且在另一个过程工厂或地理区域中使用另一个名称来引用特定过程工厂实体。然后，过程工厂搜索引擎806可以基于提供过程工厂查询的过程工厂或地理区域来识别主题。

过程工厂搜索引擎806还可以识别过程工厂搜索查询是以自然语言格式提供的，例如，基于诸如“怎么样”和“我的”的词项。结果，过程工厂搜索引擎806识别过程工厂搜索查询的会话性质，其可以用作用户的跟进查询的上下文。例如，因为过程工厂搜索引擎806将过程工厂搜索查询识别为会话的，所以如果用户提供附加的过程工厂搜索查询，诸如“效率怎么样？”，则过程工厂搜索引擎806基于上下文识别附加的过程工厂搜索查询是针对关于催化裂化装置而不是另一模块的效率。响应于识别出过程工厂搜索查询的自然语言格式，过程工厂搜索引擎806使用过程工厂搜索查询作为用户在过程工厂搜索查询的阈值时间段(例如，五分钟、十分钟、一小时等)内进行的附加过程工厂搜索查询的上下文。

然后，过程工厂搜索引擎806可以将过程工厂搜索查询中的每一词项与主题或过滤器之一进行匹配。在一些实施方式中，过程工厂搜索引擎806首先识别过程工厂搜索查询内的与过程工厂搜索查询的主题相对应的一个或多个词项。然后，过程工厂搜索引擎806识别对应于剩余词项的过滤器以及可用于进一步过滤数据集的上下文。过程工厂搜索引擎806可以识别过程工厂搜索查询中的一个或多个词项与语法模块或工厂词汇数据库中包括的主题的精确匹配。

在其他实施方式中，过程工厂搜索引擎806识别过程工厂搜索查询中的一个或多个词项对应于来自语法模块或工厂词汇数据库中包括的若干候选过程工厂搜索查询主题的主题的可能性。然后，过程工厂搜索引擎806识别具有最高可能性的主题和对应词项。例如，过程工厂搜索引擎806可以将过程工厂搜索查询中的第一词项与语法模块或工厂词汇数据库中的每个候选过程工厂搜索查询主题进行比较，并识别第一词项对应于每个候选过程工厂搜索查询主题的可能性。然后，过程工厂搜索引擎806可以将过程工厂搜索查询中的第一词项和第二词项与语法模块或工厂词汇数据库中的每个候选过程工厂搜索查询主题进行比较，并识别第一词项和第二词项对应于每个候选过程工厂搜索查询主题的可能性。过程工厂搜索引擎806还可以将第二词项单独与语法模块或工厂词汇数据库中的每个主题进行比较，并识别第二词项对应于每个候选过程工厂搜索查询主题的可能性。

过程工厂搜索引擎806可以继续单独和组合地比较每一词项，以识别具有与语法模块或工厂词汇数据库中的候选过程工厂搜索查询主题之一相对应的最高可能性的一个或多个词项的集合。如图8所示，过程工厂搜索引擎806将词项“催化裂化装置”识别为对应于主题“MODULE:CATCR”。

然后，过程工厂搜索引擎806从语法模块或工厂词汇数据库中识别与剩余词项相对应的过滤器。过滤器可以用于过滤响应于所识别的主题而获得的数据集。在该示例中，过程工厂搜索引擎806可以获得包括在知识库42中的具有到模块CATCR的连接的过程工厂相关数据集合。过滤器可以用于从集合中移除过程工厂相关数据。与主题一样，过程工厂搜索引擎806可以识别过程工厂搜索查询中的一个或多个剩余词项与语法模块或工厂词汇数据库中包括的过滤器的精确匹配。在其他实施方式中，过程工厂搜索引擎806识别过程工厂搜索查询中的一个或多个剩余词项对应于语法模块或工厂词汇数据库中包括的过滤器的可能性。然后，过程工厂搜索引擎806识别过滤器和具有最高可能性或高于可能性阈值的可能性的对应剩余词项。

过程工厂搜索查询可以包括若干过滤器，每个过滤器具有与过滤器相对应的可能性高于可能性阈值的一个或多个剩余词项的不同集合。如图8所示，过程工厂搜索引擎806将词项“我”识别为对应于过滤器“SCOPE:USER”。过滤器“SCOPE:USER”可用于过滤与过程工厂相关的数据集，使得仅保留与知识库42中名为MODULE:CATCR的几个实体的一个特定MODULE:CATCR对应的与过程工厂相关的数据。如下面更详细描述的，特定MODULE:CATCR是用户根据上下文操作、维护、负责等的MODULE:CATCR。过程工厂搜索引擎806将词项“怎么样”识别为对应于过滤器“ALL_ABNORMAL”。过滤器“ALL_ABNORMAL”可用于过滤与过程工厂相关的数据集合，使得只剩下表示异常状况并对应于一个特定MODULE:CATCR的与过程工厂相关的数据。

如图8所示，对应于用户操作、维护、负责等的特定ALL_ABNORMAL的示例性过程工厂相关数据包括20％的浆料液位、500℃的反应器温度、1.5巴的反应器压力、200℃的再生器温度和2巴的再生器压力。知识库42中的浆料液位可以包括与异常状况的连接，例如基于浆料液位低于阈值浆料液位。因此，过程工厂搜索引擎806可以从过程工厂相关数据集合中过滤反应器温度、反应器压力、再生器温度和再生器压力，使得仅剩下浆料液位。

除了识别过程工厂搜索查询的主题和过滤器之外，过程工厂搜索引擎806还识别上下文。上下文可以包括提交过程工厂搜索查询的用户的用户信息，诸如用户的名称、用户工作的过程工厂的名称和位置、用户在过程工厂内的组织角色、用户的偏好、用户的先前搜索查询的搜索历史等。例如，过程工厂搜索引擎806可以从包括在用户数据库中的用户的用户简档获得用户信息。用户可以提供登录信息，过程工厂搜索引擎806可以使用该登录信息来访问用户信息。另外，上下文可以包括用户在其中提交过程工厂搜索查询的设备的设备信息，诸如设备的位置(其可以包括过程工厂内的位置或者可以是外部位置)、设备的能力(例如，音频、显示器、麦克风、在设备上执行的应用等)、设备的类型、设备的尺寸等。设备的位置可以允许基于位置的过程工厂搜索查询，诸如“识别我前面的阀”。此外，上下文可以包括提交过程工厂搜索查询的时间。

过程工厂搜索引擎806还可以根据上下文过滤过程工厂相关数据集。例如，如上所述，对应于过程工厂搜索查询的过滤器之一是“SCOPE:USER”。基于用户工作的过程工厂的名称和位置以及用户在过程工厂内的组织角色，过程工厂搜索引擎806可以识别用户操作、维护、负责等的知识库42中的MODULE:CATCR的若干实例的MODULE:CATCR。例如，上下文可以指示用户在具有一个MODULE:CATCR的休斯顿工厂的区域1中工作。因此，过程工厂搜索引擎806可以过滤数据集，以仅包括对应于在休斯顿工厂的区域1中的MODULE:CATCR的过程工厂相关数据。在其他实施方式中，用户可以在过程工厂搜索查询中包括过程工厂的名称或位置。然后，过程工厂搜索引擎806可以使用过程工厂的名称或位置作为用户在同一对话内(诸如在阈值时间段内)的进一步过程工厂搜索查询的上下文，或者用户的任何后续过程工厂搜索查询的上下文。设备上下文可以用于确定过程工厂搜索引擎806要返回的搜索结果的数量。例如，如果设备是台式计算机、膝上型计算机、操作员工作站等，则过程工厂搜索引擎806可以返回搜索结果的完整集合。如果设备是移动设备或车辆头端单元，则过程工厂搜索引擎806可以将搜索结果的数量减少到一个或某个其他阈值数量。

在任何情况下，过程工厂搜索引擎806将过滤的过程工厂相关数据转换为过程工厂搜索结果。在上述示例中，过滤的过程工厂相关数据包括休斯顿工厂的区域1中的MODULE:CATCR的20％的浆料液位。因此，过程工厂搜索引擎806可以生成搜索结果作为音频响应(例如，经由文本到语音引擎)或自然语言格式的文本响应，诸如“您的浆料液位低”。过程工厂搜索引擎806可以通过基于日/年的时间和/或用户姓名从语法模块或工厂词汇中获得诸如“早上好”、“下午好”、“假日快乐！”等的介绍性陈述，将经过滤的过程工厂相关数据的子集转换为过程工厂搜索结果。过程工厂搜索引擎806还可以从语法模块或工厂词汇获得对过程工厂搜索查询的自然语言响应，诸如“您的浆料液位是…”、“您的催化裂化装置中的异常状况包括…”、“您的催化裂化装置表现良好！几件要注意的事情是…”。在其他实施方式中，过程工厂搜索引擎806可以生成搜索结果，作为到过程流模块或用于休斯顿工厂的区域1中的MODULE:CATCR的控制模块的链接，其可以突出显示浆料液位，或者到关于浆料液位的详细信息的链接。在该示例中，过程工厂搜索引擎806返回单个过程工厂搜索结果。然而，这仅仅是一个示例场景。在其他场景中，过程工厂搜索引擎806可以响应于过程工厂搜索查询而返回与任何过程工厂相关数据量相对应的任何数量的过程工厂搜索结果。

虽然“我的催化裂化装置怎么样？”是过程工厂搜索查询的一个示例，但是过程工厂搜索查询服务器800可以获得任何合适的过程工厂搜索查询并生成过程工厂搜索结果。其他示例过程工厂搜索查询可以包括关于特定操作模式的查询、关于异常状况或特定异常状况的查询、对模块层级的指定部分中的模块的查询、对具有特定名称和/或值的过程参数的查询、对具有警报或具有特定优先级的警报的模块的查询、关于特定过程工厂实体或过程工厂实体组的查询、关于由过程工厂实体生产的产品的查询、关于过程工厂内的事件的查询、关于配置数据的查询(诸如关于类实例的查询)、或与过程工厂相关的任何其他合适的查询。

另外，在一些实施方式中，用户可以允许过程工厂搜索查询服务器800向用户的用户接口设备提供关于过程工厂的未经请求的语音或显示信息(例如，通过选择用户接口设备上的用户控件来接收未经请求的过程工厂相关数据)。关于过程工厂的未经请求的语音或显示信息可以包括关键或安全相关警报信息，而不管与用户的当前交互如何。过程工厂搜索查询服务器800可以为用户识别过程工厂实体集合。例如，可以基于用户的组织角色来识别过程工厂实体集合，或者可以由用户选择过程工厂实体集合。然后，过程工厂搜索查询服务器800可以周期性地(例如，每30秒、每分钟、每五分钟等)在知识库42中搜索与所识别的过程工厂实体集合相关的关键或安全相关警报信息。当过程工厂搜索查询服务器800识别出与所识别的过程工厂实体集合中的一个相关的关键或安全相关警报信息时，过程工厂搜索查询服务器800以音频或文本/图形格式向用户接口设备提供关键或安全相关警报信息的指示，而不管用户是否提供了关于关键或安全相关警报信息、过程工厂实体集合的过程工厂搜索查询，或者是否提供了任何过程工厂搜索查询。例如，用户可以提供关于锅炉单元和蒸馏塔的过程工厂搜索查询。响应于识别与用户操作的过程工厂100的区域中的安全系统相关的关键或安全相关警报信息，过程工厂搜索查询服务器800可以中断过程工厂搜索查询/过程工厂搜索结果序列，并且替代地向用户接口设备提供与安全系统相关的关键或安全相关警报信息。

另外，用户可以响应于过程工厂内发生的特定事件或条件而请求向用户接口设备提供语音警报或通知。然后，过程工厂搜索查询服务器800可以周期性地或连续地确定过程工厂100内是否满足特定条件或是否发生事件。当满足特定条件或发生事件时，过程工厂搜索查询服务器800可以向用户接口设备提供语音警报或通知，而无需用户的任何进一步请求或过程工厂搜索查询。例如，用户可能想要知道TT-102的过程变量值何时上升到70％以上。过程工厂搜索查询服务器800可以例如从知识库42周期性地或连续地获得TT-102的过程变量值。当过程变量值超过70％时，过程工厂搜索查询服务器800可以向用户接口设备提供例如TT-102的过程变量值为71％的语音警报。

智能搜索用户接口

过程工厂搜索查询服务器800从可以在过程工厂100内部或外部的用户接口设备接收过程工厂搜索查询。图9示出了可以在用户接口设备上呈现的示例性过程工厂显示900。用户接口设备可以通信地耦接到过程工厂100，使得用户可以经由过程工厂显示器900上的用户控件来控制过程工厂100内的设备或部件。在其他实施方式中，用户接口设备不通信地耦接到过程工厂100，并且在过程工厂显示器900上呈现的数据来自过程工厂100内的过程工厂相关数据的本地副本或复本。在任何情况下，过程工厂显示器900可以包括诸如搜索图标的用户控件902，其在被选择时使得过程工厂显示器900呈现用于输入过程工厂搜索查询的搜索条904。在一些实施方式中，经由在用户接口设备上执行的过程工厂应用或过程工厂搜索应用来呈现过程工厂显示900。用户可以经由文本输入或经由麦克风的音频输入来输入过程工厂搜索查询，诸如“旁路不开启的控制模块”。过程工厂搜索查询可以与过程工厂显示900中呈现的图形信息相关，诸如控制模块、面板、过程流程模块、过程工厂实体等。在一些实施方式中，用户接口设备可以向过程工厂搜索查询服务器800提供包括在过程工厂显示900中的控制模块、过程流模块、面板过程工厂实体等的指示，作为过程工厂搜索查询的上下文。在其他场景中，过程工厂搜索查询与过程工厂显示900中呈现的图形信息不相关。

过程工厂应用或过程工厂搜索应用可以存储由用户输入的先前过程工厂搜索查询，并且可以包括用于用户选择先前过程工厂搜索查询之一而不必重复文本或音频输入的用户控件。在一些实施方式中，过程工厂应用或过程工厂搜索应用可以周期性地或以任何合适的方式自动重新提交先前的过程工厂搜索查询以接收更新的搜索结果。

过程工厂搜索查询服务器800然后接收过程工厂搜索查询以及过程工厂搜索查询的上下文，诸如用户信息、设备信息、用户的先前搜索查询的搜索历史、当提交过程工厂搜索查询时在过程工厂相关数据上呈现的图形信息的指示等。然后，过程工厂搜索查询服务器800可以将过程工厂搜索查询的主题“旁路不开启的控制模块”识别为来自过程工厂搜索查询中的词项“控制模块”的CRTLMOD，并且可以将过滤器识别为来自词项“旁路不开启”的BYPASS:is_not:On。在一些实施方式中，过程工厂搜索查询服务器800可以从上下文中识别附加过滤器，诸如用户在其中操作、维护、负责等的特定过程工厂内的控制模块、用户在其中操作、维护、负责等的过程工厂的特定区域、用户先前查询的过程工厂的特定区域、或者当前呈现在用户的过程工厂显示900上的过程工厂的特定区域。在任何情况下，过程工厂搜索查询服务器800然后从知识库42识别具有旁路不开启的每个控制模块以及每个识别的控制模块的过程工厂相关数据。过程工厂搜索查询服务器800为控制模块的每个识别的控制模块/过程工厂相关数据生成过程工厂搜索结果，并提供过程工厂搜索结果以在搜索结果显示中的用户接口上显示。图10中示出了可以在用户接口设备上呈现的示例过程工厂搜索结果显示1000。

过程工厂搜索结果显示1000包括响应于过程工厂搜索查询“旁路不开启的控制模块”的过程工厂搜索结果集合1002a-1008a的指示。过程工厂搜索结果1002a-1008a的每个指示可以包括过程工厂搜索结果的名称(例如，车间_1303)，其具有到关于过程工厂搜索结果的详细信息的链接。另外，过程工厂搜索结果1002a-1008a的每个指示可以包括关于过程工厂搜索结果的详细信息的缩略图图像或预览1002b-1008b。例如，第一过程工厂搜索结果1002a、车间_1303是控制模块，并且与第一过程工厂搜索结果1002b相对应的缩略图图像或预览是控制模块的图形表示的缩略图图像。当用户选择第一过程工厂搜索结果1002a时(例如，通过点击或触摸选择第一过程工厂搜索结果1002a的指示或与第一过程工厂搜索结果1002b相对应的缩略图或预览)，用户接口设备可以在详细搜索结果显示中呈现控制模块的图形表示的完整视图。

在一些实施方式中，过程工厂搜索查询服务器800可以基于包括例如由用户接口设备提供的显示区域或显示窗口的尺寸、用户接口设备的类型、优先级或与每个过程工厂搜索结果相关联的其他上下文等的因素来选择要包括在过程工厂搜索结果显示1000中的过程工厂搜索结果的数量和/或呈现过程工厂搜索结果的顺序。此外，在一些实施方式中，过程工厂搜索查询服务器800可以基于过程工厂搜索所基于的请求来修改显示或以其他方式呈现过程工厂搜索结果的方式，或者修改接收过程工厂搜索所基于的请求的方式。

例如，如果用户接口设备的尺寸或由用户接口设备提供的显示区域或显示窗口的尺寸小于阈值尺寸或者设备类型是预定设备类型集合中的特定类型(例如，移动设备、车辆头端单元等)，则过程工厂搜索查询服务器800可以提供单个过程工厂搜索结果以包括在过程工厂搜索结果显示1000中。或者可以提供数量减少的过程工厂搜索结果以包括在过程工厂搜索结果显示1000中。

图11A和11B示出了具有单个过程工厂搜索结果的过程工厂搜索结果显示1100A和1100B，而图11C示出了具有三个显示的过程工厂搜索结果的过程工厂搜索结果显示1100C。一般而言，由用户接口设备提供的过程工厂搜索结果的数量可以基于用户接口设备的尺寸，或者由用户接口设备提供的显示区域或显示窗口的尺寸。在一些示例中，由用户接口设备提供的过程工厂搜索结果的数量可以基于由用户接口设备提供的显示或显示窗口是否经由浏览器或另一应用提供。此外，在一些示例中，由用户接口设备提供的过程工厂搜索结果的数量可以基于经由其提供过程工厂搜索结果的浏览器窗口或应用窗口使用的用户接口设备显示区域的相对尺寸或百分比/比例。

例如，如果用户接口设备的尺寸或由用户接口设备提供的显示区域或显示窗口的尺寸不小于阈值尺寸或预定的设备类型集合中的设备类型，则过程工厂搜索查询服务器800可以提供过程工厂搜索结果集合以包括在过程工厂搜索结果显示1000中。在其他实施方式中，过程工厂搜索查询服务器800选择多个过程工厂搜索结果以包括在过程工厂搜索结果显示1000中，其与用户接口设备的尺寸或由用户接口设备提供的显示区域或显示窗口的尺寸成比例。例如，当用户接口设备的尺寸或由用户接口设备提供的显示区域或显示窗口的尺寸高于第一阈值尺寸但小于第二阈值尺寸时，过程工厂搜索查询服务器1000可以提供10个过程工厂搜索结果以包括在过程工厂搜索结果显示1000中。当用户接口设备的尺寸或由用户接口设备提供的显示区域或显示窗口的尺寸高于第二阈值尺寸但小于第三阈值尺寸时，过程工厂搜索查询服务器800可以提供20个过程工厂搜索结果以包括在过程工厂搜索结果显示1000中等等。在其他实施方式中，过程工厂搜索结果显示1000包括在第一页面上的第一过程工厂搜索结果集合，以及在后续页面上的附加过程工厂搜索结果集合，用户可以经由过程工厂搜索结果显示1000上的用户控件(诸如向后和向前箭头)访问这些后续页面。例如，图11C示出了四个过程工厂搜索结果中的三个显示在第一页面1100C上，而第四过程工厂搜索结果在用户可以使用交互式控件(“+1”)选择的后续页面上可获得。

在其他实施方式中，过程工厂搜索查询服务器800向用户接口设备提供过程工厂搜索结果集合，并且用户接口设备基于用户接口设备的尺寸、或由用户接口设备提供的显示区域或显示窗口的尺寸、和/或用户接口设备的类型来调整过程工厂搜索结果集合的呈现。例如，如果用户接口设备是移动设备或车辆头端单元，则用户接口设备可以选择过程工厂搜索结果集合中的单个搜索结果以呈现在过程工厂搜索结果显示1000中，或者可以提供数量减少的过程工厂搜索结果以包括在过程工厂搜索结果显示1000中。如果用户接口设备是台式计算机或者具有等于或高于阈值尺寸的尺寸，则用户接口设备可以在过程工厂搜索结果显示1000中呈现过程工厂搜索结果集合中的每一个，或者可以提供数量增加的过程工厂搜索结果以包括在过程工厂搜索结果显示1000中。

在一些实施方式中，过程工厂搜索查询服务器800可以基于用户接口设备的能力来选择提供过程工厂搜索结果的格式。如果用户接口设备具有音频能力但不具有显示器，则过程工厂搜索查询服务器800可以以音频格式向用户接口设备提供过程工厂搜索结果。如果用户接口设备具有显示器但不具有音频能力，则过程工厂搜索查询服务器800可以以文本/图形格式向用户接口设备提供过程工厂搜索结果。如果用户接口设备具有显示和音频能力，则过程工厂搜索查询服务器800可以以文本/图形格式和音频格式向用户接口设备提供过程工厂搜索结果。

此外，在一些实施方式中，过程工厂搜索查询服务器800可以基于过程工厂搜索所基于的请求的类型或接收请求的方式来选择提供过程工厂搜索结果的格式。例如，如果经由用户的语音命令接收到请求，则过程工厂搜索查询服务器800可以以音频格式将过程工厂搜索结果提供给用户接口设备。作为另一示例，如果经由来自用户的键入或其他文本输入命令接收到请求，则过程工厂搜索查询服务器800可以以文本/图形格式将过程工厂搜索结果提供给用户接口设备。

另外，过程工厂搜索查询服务器800可以基于上下文对经由过程工厂搜索结果显示1000的过程工厂搜索结果的呈现进行优先级排序或以其他方式修改，所述上下文诸如例如与过程工厂搜索结果中的每一个相关联的优先级、与过程工厂搜索结果中的每一个相关联的警报状态、与过程工厂搜索结果中的每一个相关联的批次ID或其他批次标准(诸如批次运行时)、与过程工厂搜索结果中的每一个相关联的设备的类型，或与过程工厂搜索结果中的每一个相关联的工厂的区域等。

在示例中，过程工厂搜索查询服务器800可以通过基于与过程工厂搜索结果的第一子集相关联的第一上下文选择要显示的过程工厂搜索结果的第一子集，并且基于与过程工厂搜索结果的第二子集相关联的第二上下文选择不显示(或仅在结果的另一页面上显示)的过程工厂搜索结果的第二子集，来对经由过程工厂搜索结果显示1000的过程工厂搜索结果的呈现进行优先级排序或以其他方式修改。例如，可以显示与第一较高优先级相关联的过程工厂搜索结果的第一子集，而可以不显示与第二较低优先级相关联的过程工厂搜索结果的第二子集。作为另一示例，可以显示与警报相关联的过程工厂搜索结果的第一子集，而可以不显示不与警报相关联的过程工厂搜索结果的第二子集。另外，作为另一示例，可以显示与第一批次ID或与每个过程工厂搜索结果相关联的其他批次标准相关联的过程工厂搜索结果的第一子集，而可以不显示与第二批次ID或其他批次标准相关联的过程工厂搜索结果的第二子集。此外，作为另一示例，可以显示与第一类型的设备或一台设备相关联的过程工厂搜索结果的第一子集，而可以不显示与第二类型的设备或一台设备相关联的过程工厂搜索结果的第二子集。作为另一示例，可以显示与工厂的第一区域相关联的过程工厂搜索结果的第一子集，而可以不显示与工厂的第二区域相关联的过程工厂搜索结果的第二子集。

例如，如图11B所示，显示与在工厂的特定单元(单元A)中运行的批次相关联的过程工厂搜索结果的子集，而不显示与在单元A中运行的批次不相关联的过程工厂搜索结果。

此外，在示例中，过程工厂搜索查询服务器800可以通过基于与过程工厂搜索结果的第一子集相关联的第一上下文选择要显示在过程工厂搜索结果显示1000的第一位置(例如，屏幕的第一部分，诸如屏幕的顶部部分、屏幕的第一侧部分等)中的过程工厂搜索结果的第一子集，并且通过基于与过程工厂搜索结果的第二子集相关联的第二上下文选择要显示在过程工厂搜索结果显示1000的第二位置(例如，屏幕的第二部分，诸如屏幕的底部部部分、屏幕的相对侧部分等)中的过程工厂搜索结果的第二子集来对经由过程工厂搜索结果显示1000的过程工厂搜索结果的呈现进行优先级排序或以其他方式修改。例如，与第一较高优先级相关联的过程工厂搜索结果的第一子集可以显示在第一位置，而与第二较低优先级相关联的过程工厂搜索结果的第二子集可以显示在第二位置。作为另一示例，与警报相关联的过程工厂搜索结果的第一子集可以显示在第一位置，而不与警报相关联的过程工厂搜索结果的第二子集可以显示在第二位置。另外，作为另一示例，与第一批次ID或与每个过程工厂搜索结果相关联的其他批次标准(诸如批次运行时)相关联的过程工厂搜索结果的第一子集可以显示在第一位置，而与第二批次ID或其他批次标准相关联的过程工厂搜索结果的第二子集可以显示在第二位置。此外，作为另一示例，与第一类型的设备或一台设备相关联的过程工厂搜索结果的第一子集可以显示在第一位置，而与第二类型的设备或一台设备相关联的过程工厂搜索结果的第二子集可以显示在第二位置。作为另一示例，与工厂的第一区域相关联的过程工厂搜索结果的第一子集可以显示在第一位置，而与工厂的第二区域相关联的过程工厂搜索结果的第二子集可以显示在第二位置。

另外，在示例中，过程工厂搜索查询服务器800可以通过基于与过程工厂搜索结果的第一子集相关联的第一上下文选择要经由过程工厂搜索结果显示1000以较大尺寸显示的过程工厂搜索结果的第一子集，并且基于与过程工厂搜索结果的第二子集相关联的第二上下文选择要经由过程工厂搜索结果显示1000以较小尺寸显示的过程工厂搜索结果的第二子集，来对经由过程工厂搜索结果显示1000的过程工厂搜索结果的呈现进行优先级排序或以其他方式修改。例如，与第一较高优先级相关联的过程工厂搜索结果的第一子集可以以较大的尺寸显示，而与第二较低优先级相关联的过程工厂搜索结果的第二子集可以以较小的尺寸显示。作为另一示例，与警报相关联的过程工厂搜索结果的第一子集可以以较大的尺寸显示，而不与警报相关联的过程工厂搜索结果的第二子集可以以较小的尺寸显示。另外，作为另一示例，与第一批次ID或与每个过程工厂搜索结果相关联的其他批次标准相关联的过程工厂搜索结果的第一子集可以以较大的尺寸显示，而与第二批次ID或其他批次标准相关联的过程工厂搜索结果的第二子集可以以较小的尺寸显示。此外，作为另一示例，与第一类型的设备或一台设备相关联的过程工厂搜索结果的第一子集可以以较大的尺寸显示，而与第二类型的设备或一台设备相关联的过程工厂搜索结果的第二子集可以以较小的尺寸显示。作为另一示例，与工厂的第一区域相关联的过程工厂搜索结果的第一子集可以以较大的尺寸显示，而与工厂的第二区域相关联的过程工厂搜索结果的第二子集可以以较小的尺寸显示。

例如，在示例中，过程工厂搜索查询服务器800可以通过基于与所识别的过程数据相关联的上下文对提供过程工厂搜索结果的顺序进行优先级排序来对经由过程工厂搜索结果显示1000的过程工厂搜索结果的呈现进行优先级排序或以其他方式修改。在一些示例中，较高优先级的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较高，而较低优先级的过程工厂搜索结果可以在显示列表中被排序得较低。类似地，与警报相关联的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较高，而不与警报相关联的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较低。另外，与第一批次ID或其他批次标准相关联的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较高，而与第二批次ID或其他批次标准相关联的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较低。类似地，与第一类型的设备或一台设备相关联的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较高，而与第二类型的设备或一台设备相关联的过程工厂搜索结果可以在列表中被排序得较低。作为另一示例，与工厂的第一区域相关联的过程工厂搜索结果可以在过程工厂搜索结果的显示列表中被排序得较高，而与工厂的第二区域相关联的过程工厂搜索结果可以在显示列表中被排序得较低。

另外或可替换地，过程工厂搜索查询服务器800可以基于过程工厂搜索所基于的请求的特性(诸如与请求相关联的一个或多个词语、与请求相关联的一个或多个短语、与请求相关联的一个或多个音调指示、与请求相关联的紧急性级别的一个或多个指示等)，对经由过程工厂搜索结果显示1000的过程工厂搜索结果的呈现进行优先级排序或以其他方式修改。例如，与请求相关联的词语或短语可以指示例如与第一批次ID或其他批次标准(诸如批次运行时间)相关联的过程工厂搜索结果是否比与第二批次ID或批次标准相关联的过程工厂搜索结果对用户更重要，，与第一类型的设备或一台设备相关联的过程工厂搜索结果是否比与第二类型的设备或一台设备相关联的过程工厂搜索结果对用户更重要，与工厂的第一区域相关联的过程工厂搜索结果是否比与工厂的第二区域相关联的过程工厂搜索结果更重要，等等。过程工厂搜索查询服务器800可以基于由请求的一个或多个词语或短语指示的各种上下文的重要性级别来如上所述地对过程工厂搜索结果进行优先级排序。此外，音调或紧急性的指示可以指示例如与更多警报或以其他方式更高优先级相关联的过程工厂搜索结果是否应该优先于与更少警报或以其他方式更低优先级相关联的过程工厂搜索结果。

例如，如图11B所示，请求可以包括词语“向我显示在单元A上运行的所有批次”。基于请求的词语，显示与在工厂的特定单元(单元A)中运行的批次相关联的过程工厂搜索结果的子集，而不显示不与在单元A中运行的批次相关联的过程工厂搜索结果。作为另一示例，如图11C所示，请求可以包括词语“为我显示所有运行中批次”。基于请求的词语，选择四个运行中批次用于显示。然而，实际上仅显示四个运行批次中的三个，这可以基于诸如显示器1100C的尺寸的因素。此外，对四个运行中批次进行优先级排序的顺序基于每个批次的运行时间。

对过程参数进行分类

在一些实施方式中，可以对过程参数进行分类，并且可以将类别存储在上下文知识库49中。例如，每个过程参数可以被分类为操作参数、调整参数、设备参数、配置参数、实例化参数、计算参数等。然后用户可以按参数类别搜索过程参数。

图12示出了上下文知识库49的示例部分，其包括过程参数和用于过程参数的过程参数类别。图12中示出的上下文知识库49可以是图7中示出的并且如上所述的更大上下文知识库49的详细部分，其包括附加关系、过程工厂实体和过程工厂相关数据。

如图12所示，上下文储存库内的过程参数1210-1220各自与相应的参数类别1230-1240连接。例如，参数TP-09(参考号1210)、TP-08(参考号1212)、TP-06(参考号1214)是调整参数1230-1234。参数OP-03(参考号1216)、OP-06(参考号1218)和OP-08(参考号1220)是操作参数1236-1240。一些过程参数可以被指派多个参数类别。此外，在一些实施方式中，参数类别可以是具有其自身参数值的过程参数的属性。例如，过程参数1210-1220中的每一个可以具有模式参数(其也是参数类别)，每个模式参数具有特定的模式参数值(例如，自动、CAS、正常等)。以这种方式，用户可以查询模式参数并接收包括过程参数1210-1220中的每一个的模式的搜索结果。

虽然图12示出了上下文知识库49中的过程参数和相应参数类别的几个示例，但这仅是为了便于说明。上下文知识库49可以包括任何合适数量的过程参数，每个过程参数与任何合适数量的参数类别相关联。

在一些实施方式中，可以在IDE内提供过程工厂搜索功能，使得可以执行过程工厂搜索查询并且可以在IDE内呈现过程工厂搜索结果，诸如具有用于数据科学和机器学习的工作流并且提供搜索结果的交互式可视化呈现呈现的基于web的IDE。以这种方式，用户可以定制机器学习模型、过滤搜索结果和/或时间序列数据，并且可以定制搜索功能的其他方面。

在一些实施方式中，系统可以向IDE提供过程工厂搜索模块，用于在IDE内处理过程工厂搜索查询。例如，IDE可以导入过程工厂搜索模块以处理过程工厂搜索查询并返回过程工厂搜索结果作为可以容易地呈现为表格、图形、图表或绘图的数据帧。

在其他实施方式中，系统可以向IDE暴露过程工厂搜索应用编程接口(API)，用于处理过程工厂搜索查询并将过程工厂搜索结果返回给IDE。例如，IDE可以调用过程工厂搜索API并经由过程工厂搜索API向边缘网关系统1提供过程工厂搜索查询。然后，边缘网关系统可以从知识库42(例如，上下文知识库49和/或时间知识库51)获得响应于过程工厂搜索查询的数据集，并且经由过程工厂搜索API向IDE提供基于数据集的过程工厂搜索结果集合。

在其他实施方式中，在工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内提供过程工厂搜索功能。

图13示出了IDE内的示例过程工厂搜索结果显示1300。过程工厂搜索结果显示1300包括响应于用于调整参数的过程工厂搜索查询1302的过程工厂搜索结果集合1310-1316。过程工厂搜索结果集合1310-1316包括对应于调整参数类别的过程参数。每个过程工厂搜索结果包括参数类别(调整)、过程参数的名称(例如，TP02)和过程参数的标识符(例如，Process/InfoSources/INFOSOURCE1/ALSM2XV100/TP02)。虽然图13中的IDE的编程语言是Python，但是IDE可以支持任何合适的编程语言。

当用户在IDE内输入用于调整参数的过程工厂搜索查询1302时，过程工厂搜索模块或过程工厂搜索API可以与边缘网关系统1通信，以从上下文知识库49检索与调整参数类别相对应的过程参数。

图14示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的另一示例过程工厂搜索结果显示1400。过程工厂搜索结果显示1400包括响应于与图13中针对调整参数的相同过程工厂搜索查询1402的相同过程工厂搜索结果集合。除了提供每个过程参数的名称作为搜索结果之外，过程工厂搜索结果显示1400还呈现关于每个过程工厂搜索结果的详细信息的缩略图或预览1420-1426。例如，对于每个调整参数，过程工厂搜索结果显示呈现与调整参数相关联的控制模块或功能块的图形表示的缩略图或预览。

除了查询属于特定参数类别的过程参数之外，用户还可以查询属于具有特定过程参数值或值范围的特定参数类别的过程参数。例如，用户可以输入针对具有从其配置值改变的值的操作参数的过程工厂搜索查询。在另一示例中，用户可以输入针对具有偏离其正常状态的实际值的模式参数的过程工厂搜索查询。

图15示出了IDE内的示例过程工厂搜索结果显示1500。过程工厂搜索结果显示1500包括响应于过程工厂搜索查询1502的过程工厂搜索结果集合1510-1514，所述过程工厂搜索查询1502针对具有与所配置的值不同的值的操作参数。过程工厂搜索结果集合1510-1514包括对应于操作参数类别的过程参数。然后过滤过程工厂搜索结果集合，以仅识别具有与其配置值不同的值的操作参数。每个过程工厂搜索结果包括参数类别(操作)、配置值(例如，真)、当前值(例如，假)和过程参数的标识符(例如，InfoSources/INFOSOURCE1/Modules/BMS_MFT_ILOCK_F0/RESET_IN)。

当用户输入针对具有与IDE内的配置值不同的值的操作参数的过程工厂搜索查询1502时，过程工厂搜索模块或过程工厂搜索API可以与边缘网关系统1通信，以从上下文知识库49检索与操作参数类别相对应的过程参数。然后，过程工厂搜索模块或过程工厂搜索API可以通过将每个操作参数的值与其配置值进行比较来过滤与操作参数类别相对应的过程参数。当前值和配置值可以存储在上下文知识库和/或时间储存库51中。然后，过程工厂搜索模块或过程工厂搜索API识别具有与配置值不同的值的操作参数。

图16示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的另一示例过程工厂搜索结果显示1600。过程工厂搜索结果显示1600包括响应于与图15中相同的过程工厂搜索查询1602的相同的过程工厂搜索结果集合1610-1614，所述过程工厂搜索查询1602针对具有与配置值不同的值的操作参数。

图17示出了IDE内的另一示例过程工厂搜索结果显示1700。过程工厂搜索结果显示1700包括响应于对正常状态之外的模式参数的过程工厂搜索查询1702的过程工厂搜索结果集合1710-1724。过程工厂搜索结果集合1710-1724包括对应于模式参数类别的过程参数。模式参数类别可以是操作参数、调整参数、设备参数、配置参数、实例化参数类别的子类别。更具体地，每个参数类别类型可以包括模式参数。例如，每个操作参数可以包括模式参数，每个调整参数可以包括模式参数等。

在任何情况下，然后过滤该组过程工厂搜索结果以仅识别具有与其正常值不同的值的模式参数。每个过程工厂搜索结果包括实际值(例如，IMAN)、正常值(例如，CAS)和过程参数的标识符(例如，infosources/infosource1/modules/AIC-10-401/PID1/mode)。

当用户输入针对IDE内的正常状态之外的模式参数的过程工厂搜索查询1702时，过程工厂搜索模块或过程工厂搜索API可以与边缘网关系统1通信，以从上下文知识库49检索与操作参数类别相对应的过程参数。然后，过程工厂搜索模块或过程工厂搜索API可以通过将每个模式参数的实际值与其正常值进行比较来过滤与模式参数类别或子类别相对应的过程参数。实际值和正常值可以存储在上下文知识库和/或时间储存库51中。然后，过程工厂搜索模块或过程工厂搜索API识别出正常状态之外的模式参数。

图18示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的又一示例过程工厂搜索结果显示1800。过程工厂搜索结果显示1800包括响应于与图17中相同的过程工厂搜索查询1802的相同过程工厂搜索结果1810-1816中的一些过程工厂搜索结果，所述过程工厂搜索查询1802针对正常状态之外的模式参数。

用户还可以查询指示特定时间段内过程参数值的变化的时间序列数据。然后，过程工厂搜索结果显示可以在表格、图表或图形中以图形方式呈现时间序列数据。在一些实施方式中，过程工厂搜索结果显示可以将多个过程参数的时间序列数据的多个实例组合成单个表或图表。

图19示出了IDE内的图形显示1900，其包括响应于对指示过程参数值随时间的变化的时间序列数据的搜索查询1902的过程工厂搜索结果1910。更具体地，搜索查询1902是针对四个过程参数的以一秒间隔从7:30到8:30的时间序列数据：DOS01_FEED/RP_MASSFLOW、DOS02_FEED/RP_MASSFLOW、MOB50NIR01_CH01/COMPONENT_01_VAL和MOB50NIR01_CH02/COMPONENT_01_VAL。四个过程参数中的每一个的时间序列数据被组合并在单个图表中作为过程工厂搜索结果1910提供。

图20示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的另一示例过程工厂搜索结果显示2000。过程工厂搜索结果显示2000包括相同的过程工厂搜索结果2010，其响应于与图19中相同的过程工厂搜索查询2002，针对DOS 01和DOS 02RP质量流参数以及MOB50NIR01 CH01和CH02部件01参数的时间序列数据。

过程工厂搜索标签

在一些实施方式中，用户可以存储具有过程工厂搜索标签的先前过程工厂搜索查询或先前过程工厂搜索结果集合。然后，当用户输入新的过程工厂搜索查询时，用户可以将过程工厂搜索标签包括在新的过程工厂搜索查询中。以这种方式，用户可以响应于先前的过程工厂搜索查询来检索过程工厂搜索结果集合，而不必重新输入过程工厂搜索查询。用户还可以检索先前过程工厂搜索结果集合，而不必重新输入导致这些结果的过程工厂搜索查询，并且没有由于过程工厂中的环境在自上次输入过程工厂搜索查询以来的时间段内变化而响应于相同的过程工厂搜索查询而接收到不同的过程工厂搜索结果的风险。

除了存储具有过程工厂搜索标签的先前过程工厂搜索查询或先前过程工厂搜索结果集合之外，用户还可以存储具有过程工厂搜索标签的数据集。数据集可以是材料组成、天气数据、时间序列数据等。然后，用户可以在新的过程工厂搜索查询中包括过程工厂搜索标签以检索数据集。

此外，用户可以在新的过程工厂搜索查询中包括过程工厂搜索标签和一个或多个附加词项。然后，过程工厂搜索引擎806可以根据一个或多个附加词项过滤响应于先前过程工厂搜索查询的过程工厂搜索结果集合或先前过程工厂搜索结果集合。例如，过程工厂搜索标签可以引用先前过程工厂搜索查询。当用户输入过程工厂搜索标签和一个或多个附加词项作为新的过程工厂搜索查询时，过程工厂搜索引擎806可以获得响应于先前的过程工厂搜索查询的第一过程工厂搜索结果集合。然后，过程工厂搜索引擎806可以根据一个或多个附加词项过滤第一过程工厂搜索结果集合，以生成第二过程工厂搜索结果集合。过程工厂搜索引擎806可以提供第二过程工厂搜索结果集合作为新的过程工厂搜索结果集合以显示给用户。

为了存储具有过程工厂搜索标签的先前过程工厂搜索查询、先前过程工厂搜索结果集合或数据集，用户可以在过程工厂搜索结果显示中选择用户控件以存储先前过程工厂搜索查询、先前过程工厂搜索结果集合或数据集，并且可以输入字母数字串作为过程工厂搜索标签。过程工厂搜索标签可以与它们各自的过程工厂搜索查询或过程工厂搜索结果集合相关联地存储在上下文知识库49中。在一些实施方式中，过程工厂搜索标签可以与特定用户(诸如创建过程工厂搜索标签的用户)相关联地存储。在该实施方式中，只有创建过程工厂搜索标签的用户才可以在后续过程工厂搜索查询中引用过程工厂搜索标签，以接收与过程工厂搜索标签相对应的过程工厂搜索结果。在其他实施方式中，任何用户可以在后续过程工厂搜索查询中引用过程工厂搜索标签，以接收与过程工厂搜索标签相对应的过程工厂搜索结果。在其他实施方式中，创建过程工厂搜索标签的用户可以选择过程工厂搜索标签是否可以被其他用户引用。

图21示出了上下文知识库49的示例部分，其包括由用户输入的先前过程工厂搜索查询、响应于过程工厂搜索查询的先前过程工厂搜索结果集合、以及由用户创建的用于引用先前过程工厂搜索查询和/或先前过程工厂搜索结果集合的过程工厂搜索标签。图21中示出的上下文知识库49可以是图7中示出并且如上所述的更大上下文知识库49的详细部分，其包括附加关系、过程工厂实体和过程工厂相关数据。

如图21所示，先前过程工厂搜索查询“我的催化裂化装置怎么样？”2102与过程工厂搜索标签“#cracker”2104连接。例如，用户先前输入了过程工厂搜索查询“我的催化裂化装置怎么样？”2102，并创建了过程工厂搜索标签“#cracker”2104以在后续查询中重新输入过程工厂搜索查询。如上所述，在一些实施方式中，其他用户也可以在后续查询中输入过程工厂搜索标签“#cracker”2104，以接收响应于“我的催化裂化装置怎么样？”2102的过程工厂搜索结果。

同样如图21所示，先前过程工厂搜索结果集合“搜索结果集合1”2106与过程工厂搜索标签“#myparam”2108连接。例如，用户先前响应于先前的过程工厂搜索查询而接收到“搜索结果集合1”2106，并且创建了过程工厂搜索标签“#myparam”2108以检索与“搜索结果集合1”2106相同的过程工厂搜索结果集合。如上所述，在一些实施方式中，其他用户也可以在后续查询中输入过程工厂搜索标签“#myparam”2108以接收“搜索结果集合1”2106。

虽然图21示出了上下文知识库49中的先前过程工厂搜索查询、先前过程工厂搜索结果集合和过程工厂搜索标签的几个示例，但这仅是为了便于说明。上下文知识库49可以包括任何合适数量的先前过程工厂搜索查询、先前过程工厂搜索结果集合和过程工厂搜索标签。

图22示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的示例过程工厂搜索结果显示2200。在其他实施方式中，示例过程工厂搜索结果显示2200可以包括在IDE内。

过程工厂搜索结果显示2200响应于包括过程工厂搜索标签“#myparam”的过程工厂搜索查询2202而包括过程工厂搜索结果集合2210-2216。过程工厂搜索标签“#myparam”可以引用先前过程工厂搜索结果集合“搜索结果集合1”。因此，过程工厂搜索结果集合2210-2216包括“搜索结果集合1”内的过程参数。过程工厂搜索结果显示2200还呈现关于每个过程工厂搜索结果的详细信息的缩略图或预览2220-2226。例如，对于每个过程参数，过程工厂搜索结果显示2200呈现与过程参数相关联的控制模块或功能块的图形表示的缩略图或预览。在其他实施方式中，过程工厂搜索结果显示2200可以呈现与每个过程工厂搜索结果相关联的其他属性，诸如每个过程参数的配置值、每个过程参数的时间序列数据等。虽然过程工厂搜索结果显示2200中的过程工厂搜索结果2210-2216是过程参数，但是过程工厂搜索结果可以是任何合适的过程参数搜索结果，诸如过程工厂实体、控制模块、过程参数值等。

在一些实施方式中，用户可以经由过程工厂搜索结果显示2200中的用户控件来查看过程工厂搜索标签。例如，响应于用户输入字符“#”，过程工厂搜索结果显示2200可以呈现由用户存储或由允许搜索标签被任何过程工厂用户引用的其他用户存储的过程工厂搜索标签的下拉菜单。例如，过程工厂搜索结果显示2200可以从上下文知识库49检索过程工厂搜索标签以包括在下拉菜单中。以这种方式，用户可以查看可用的过程工厂搜索标签并选择标签中的一个以包括在过程工厂搜索查询2202中。过程工厂搜索标签可以描述它们所对应的过程工厂搜索结果集合或过程工厂搜索查询。在其他场景中，可能更难以识别与特定过程工厂搜索标签相对应的过程工厂搜索结果集合或过程工厂搜索查询，使得只有用户和/或与用户密切合作的一小组用户知道过程工厂搜索标签与对应的过程工厂搜索结果集合或过程工厂搜索查询之间的关系。

当用户输入包括特定特殊字符(例如，“#”)或与过程工厂搜索标签相关联的其他标识符的过程工厂搜索查询时，过程工厂搜索引擎806在上下文知识库49中搜索匹配的过程工厂搜索标签。如果存在匹配的过程工厂搜索标签，则过程工厂搜索引擎806获得与上下文知识库49中的过程工厂搜索标签相关联的过程工厂搜索查询或过程工厂搜索结果集合。然后，过程工厂搜索引擎806提供所获得的过程工厂搜索结果集合或与所获得的过程工厂搜索查询相对应的过程工厂搜索结果集合，以例如经由过程工厂搜索结果显示2200显示给用户。另一方面，如果没有匹配的过程工厂搜索标签，则过程工厂搜索引擎806可以继续进行，就好像用户没有包括特定的特殊字符或其他标识符，并且响应于过程工厂搜索查询中包括的一个或多个词项从知识库42获得过程工厂搜索结果。在其他实施方式中，过程工厂搜索引擎806可以识别与过程工厂搜索查询中包括的一个或多个词项最接近的一个或多个过程工厂搜索标签，并请求用户指示他们是否意图输入所识别的过程工厂搜索标签中的一个。

在一些场景中，用户可以在过程工厂搜索查询中包括一个或多个附加词项以及过程工厂搜索标签。然后，过程工厂搜索引擎806可以根据一个或多个附加词项过滤响应于先前过程工厂搜索查询的过程工厂搜索结果集合或先前过程工厂搜索结果集合。图23示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的示例过程工厂搜索结果显示2300。在其他实施方式中，示例过程工厂搜索结果显示2300可以包括在IDE内。

过程工厂搜索结果显示2300包括响应于过程工厂搜索查询2302的过程工厂搜索结果集合2310-2312，过程工厂搜索查询2302包括过程工厂搜索标签“#cracker”和附加词项“temp”。过程工厂搜索标签“#cracker”可以引用先前过程工厂搜索查询“我的催化裂化装置怎么样？”。过程工厂搜索引擎806可以使用上述语法模块、分类和/或工厂词汇数据库来分析例如附加词项“temp”，以确定过程工厂搜索查询2302是针对与输入过程工厂搜索查询2302的用户操作、维护、负责等的催化裂化装置相关的温度值。然后，过程工厂搜索引擎806获得针对先前过程工厂搜索查询“我的催化裂化装置怎么样？”的过程工厂搜索结果集合，并过滤过程工厂搜索结果集合以识别与温度相关的过程工厂搜索结果的子集。

因此，过程工厂搜索结果集合2310-2312包括具有温度值的用户的催化裂化装置的过程参数，例如反应器温度参数2310和再生器温度参数2312。除了提供每个过程参数的名称作为搜索结果之外，过程工厂搜索结果显示2300还呈现相应过程参数2310-2312的温度值2320-2322。

基于学习的供应平台

除了搜索过程参数、过程参数值、过程工厂实体等之外，用户还可以搜索过程工厂实体的预测状态或未来过程参数值。用户可以生成机器学习模型以预测过程工厂实体的状态，或者可以提供过程工厂搜索查询，其中过程工厂搜索引擎806(例如，从知识库42)获得预先存储的机器学习模型以生成过程工厂搜索结果，或者基于知识库42中的过程工厂相关数据生成机器学习模型。

例如，过程工厂搜索引擎806使用历史过程参数数据和/或过程工厂实体之间的关系来训练机器学习模型，以预测特定过程工厂实体的状态，诸如异常状况或过程工厂实体的当前状态的变化。过程工厂实体的状态还可以包括流过过程工厂实体的材料的状态，例如产品质量度量，或者对应于过程工厂实体的过程参数的状态，例如阀的质量流速。可以在IDE内提供机器学习技术，使得用户可以定制或训练机器学习模型。

过程工厂搜索引擎806可以使用历史过程参数数据和/或知识库42中指示的过程工厂实体之间的关系来训练机器学习模型。例如，为了训练用于预测过程工厂实体的状态的机器学习模型，过程工厂搜索引擎806可以从知识库42获得过程工厂实体的先前状态的指示，自动识别与每个过程工厂实体相关联的过程参数，并且获得所识别的过程参数在与先前状态的时间相对应的历史过程参数值。过程工厂搜索引擎806还可以识别相关过程工厂实体和与相关过程工厂实体相关联的过程参数，并且可以获得相关过程工厂实体在与先前状态相对应的时间的历史过程参数值。

在更具体的示例中，过程工厂搜索引擎806可以获得在特定时间阀故障的指示，并且可以识别与阀相关联的过程参数，诸如在阀故障时和/或在阀故障之前和/或之后的阈值时间段内的阀行程、阀死区时间、驱动信号、行程设定点、流速等。过程工厂搜索引擎806还可以在阀发生故障之前和/或之后的阈值时间段处或阈值时间段内识别阀与其他过程工厂实体或其他过程工厂相关数据之间的关系，诸如物理地连接到阀的上游和下游过程工厂实体、流过阀的材料、过程工厂内的阀的位置、过程工厂的使用阀的位置等。在一些实施方式中，过程工厂搜索引擎806还可以识别与相关过程工厂实体或其他过程工厂相关数据相关联的过程参数。然后，过程工厂搜索引擎806可以使用(i)特定阀发生故障的指示，(ii)在阀发生故障时与特定阀相关联的所识别的过程参数的历史过程参数数据，以及(iii)历史过程参数数据或与特定阀具有关系的其他过程工厂相关数据来训练机器学习模型以预测阀的状态。可以使用阀发生故障或经历其他状态的若干其他实例以及阀和相关过程工厂实体的对应历史过程参数数据和其他过程工厂相关数据来训练机器学习模型。

在一些实施方式中，对于过程工厂实体或与过程工厂实体具有关系的每个识别的过程参数或其他过程工厂相关数据，过程工厂搜索引擎806可以对随时间收集的对应过程参数值执行统计计算，以生成过程参数度量。例如，根据阀处的材料的温度阀，过程工厂搜索引擎806可以确定一个或多个过程参数度量，诸如阀处的材料的平均温度、温度的标准偏差、温度的20秒移动平均值和/或温度的20秒衰减平均值，其中最近的温度的权重最高并且20秒之前的温度的权重最低。过程工厂搜索引擎806可以另外或可替换地确定由随时间收集的各种温度产生的波中的幅度和频率。此外，过程工厂搜索引擎806可以将各种过滤器应用于温度值以去除噪声，并且在应用过滤器之后执行附加的统计计算。

然后，使用过程工厂实体的过程参数度量来训练机器学习模型，以检测或识别在过程工厂实体处发生的状况或状态。例如，过程工厂搜索引擎806使用各种机器学习技术来生成机器学习模型，以检测或识别特定状况或状态是否正在过程工厂实体处发生或存在。可以使用单个机器学习模型来检测或识别可能在过程工厂实体处发生或存在的多个状况或状态，或者不同的机器学习模型可以特定于每种类型的状况或状态，并且可以将过程参数度量应用于每个机器学习模型以检测或识别在过程工厂实体处正在发生或存在哪个状况或状态(如果有的话)。可以通过使用合适的机器学习技术(诸如线性回归、多项式回归、逻辑回归、朴素贝叶斯、决策树、随机森林、提升、最近邻、神经网络等)来生成机器学习模型中的一个或多个。

在一些情况下，对应于特定时间窗口(例如，一小时)的历史过程参数值中的每一个或历史过程参数值集合被分类为与特定状况或状态相关联的过程参数值的子集，该特定状况或状态在生成历史过程参数值的时间期间或与生成历史过程参数值的时间相关联地在对应的过程工厂实体处发生或存在。例如，当收集温度值时，例如在热交换器处识别出错误的阈值时间段内，可以温度值集合分类为与热交换器处的误差相关联的过程参数值的子集。另外，当在生成历史过程参数值的时间处或附近在过程工厂实体处没有状况发生或存在时，将历史过程参数值分类为与过程工厂实体的正常操作相关联的过程参数值的另一子集。过程工厂搜索引擎806将与状况或状态相关联的历史过程参数值的子集与不与状况或状态相关联的历史过程参数值的另一子集进行比较，以生成机器学习模型。以这种方式，过程工厂搜索引擎806识别指示过程工厂实体正在经历特定状况或状态的过程参数的特性。

朴素贝叶斯

在一些实施例中，用于生成和/或利用机器学习模型的机器学习技术是朴素贝叶斯。例如，过程工厂搜索引擎806为与过程工厂实体相关联的每种类型的状况或状态(例如，性能监测度量、错误、泄漏、死区、死区时间、机械磨损等)生成机器学习模型。为了说明，对于诸如热交换器处的泄漏的特定状况，过程工厂搜索引擎806将与热交换器相关联的历史过程参数值和与热交换器具有关系的过程工厂实体的历史过程参数值或其他过程工厂相关数据分类为与热交换器泄漏相关联的过程参数值的第一子集和不与热交换器泄漏相关联的过程参数值的第二子集。然后，过程工厂搜索引擎806对每个子集执行统计计算。例如，对于第一子集中的每个历史过程参数，过程工厂搜索引擎806计算对应的历史过程参数值的平均值和对应的历史过程参数值的标准偏差。过程工厂搜索引擎806还计算与第二子集中的每个历史过程参数相对应的历史过程参数值的平均值和标准偏差。在一些实施例中，对历史过程参数的平均值进行加权，其中在时间上更接近检测到状况时收集的历史过程参数值的权重较高。例如，如果在时间t＝9分钟处检测到泄漏，则在计算与泄漏相关联的平均压力值时，在时间t＝8分59秒处的压力值的权重高于在时间t＝8分40秒处的压力值。

在一些情况下，过程工厂搜索引擎806在假设高斯分布或任何其他合适的概率密度函数的情况下使用第一子集中的每个历史过程参数(例如，与热交换器泄漏相关联的历史过程参数)的平均值和标准偏差来生成机器学习模型。过程工厂搜索引擎806还在假设高斯分布或任何其他合适的概率密度函数的情况下使用第二子集中的每个历史过程参数(例如，不与热交换器泄漏相关联的历史过程参数)的平均值和标准偏差来生成机器学习模型。

在示例中，过程工厂搜索引擎806根据过程工厂实体(诸如热交换器)的历史过程参数(诸如压力、温度和流速)以及来自与过程工厂实体具有关系的过程工厂实体的其他历史过程参数来生成机器学习模型。在该示例中，对于机器学习模型，过程工厂搜索引擎806确定过程参数值的第一子集(例如，与热交换器泄漏相关联的过程参数值)中的压力、温度和流速的平均压力、压力标准偏差、平均温度、温度标准偏差、平均流速和流速标准偏差。然后，过程工厂搜索引擎806相应地生成第一子集的压力分布、温度分布和流速分布。对于机器学习模型，过程工厂搜索引擎806确定过程参数值的第二子集(例如，不与热交换器泄漏相关联的过程参数值)中的压力、温度和流速的平均压力、压力标准偏差、平均温度、温度标准偏差、平均流速和流速标准偏差。过程工厂搜索引擎806相应地生成第二子集的压力分布、温度分布和流速分布。

然后将第一和第二子集与根据从过程工厂接收的在线过程工厂数据计算的过程参数度量进行比较。基于该比较，过程工厂搜索引擎806例如通过确定相似性或差异的相应度量并比较相应度量来确定第一和第二子集中的哪一个更紧密地匹配过程参数度量。当过程参数度量更接近地匹配第一子集时，过程工厂搜索引擎806确定与过程参数度量相对应的过程工厂实体(例如，在该示例场景中，热交换器)正在经历泄漏。另一方面，当过程参数度量更接近地匹配第二子集时，过程工厂搜索引擎806确定与过程参数度量相对应的过程工厂实体(例如，在该示例场景中，热交换器)没有经历泄漏。如上所述，根据以安全方式接收并随时间收集的过程参数值来计算过程参数度量。因此，使用上述技术，可以使用热交换器中的温度值的移动平均值(例如，温度度量)来检测热交换器处的泄漏。

继续上面的示例，将压力度量(例如，压力的衰减平均值)与根据来自过程参数值的第一子集(例如，与热交换器泄漏相关联的过程参数值)的平均压力和压力标准偏差生成的压力分布进行比较。基于该比较，过程工厂搜索引擎806确定对应于压力度量与过程参数值的第一子集的平均压力之间的差(以标准偏差计)的概率。过程工厂搜索引擎806还执行类似的步骤以确定对应于温度度量与过程参数值的第一子集的平均温度之间的差(以标准偏差计)的概率以及对应于流速度量与过程参数值的第一子集的平均流速之间的差(以标准偏差计)的概率。然后组合(相乘、聚合等)概率以确定所确定的过程参数度量对应于与热交换器泄漏相关联的过程参数值的第一子集的总概率。

另外，将压力度量、温度度量和流速度量分别与基于过程参数值的第二子集(例如，不与热交换器泄漏相关联的过程参数值)确定的压力分布、温度分布和流速分布进行比较。基于该比较，过程工厂搜索引擎806确定对应于压力度量与过程参数值的第二子集的平均压力之间的差(以标准偏差计)的概率、对应于温度度量与过程参数值的第二子集的平均温度之间的差(以标准偏差计)的概率、以及对应于流速度量与过程参数值的第二子集的平均流速之间的差(以标准偏差计)的概率。组合(相乘、聚合等)概率以确定过程参数度量对应于不与热交换器泄漏相关联的过程参数值的第二子集的总概率。

随后，将第一子集的总概率与第二子集的总概率进行比较。当第一子集的总概率较高时，过程工厂搜索引擎806确定对应的过程工厂实体(例如，热交换器)正在经历泄漏。否则，过程工厂搜索引擎806确定对应的过程工厂实体(例如，热交换器)没有经历泄漏。如上所述，过程工厂搜索引擎806可以针对每种类型的状况或状态生成机器学习模型，并相应地确定对应的过程工厂实体是否正在经历每种类型的状况或状态。

决策树

在其他实施例中，用于生成和/或利用机器学习模型的机器学习技术是决策树或使用决策树的机器学习技术，诸如随机森林或提升。例如，当机器学习技术是随机森林时，过程工厂搜索引擎806收集过程工厂数据中的每一个的若干代表性样本。使用每个代表性样本，过程工厂搜索引擎806生成用于确定在过程工厂实体处发生状况或状态的可能性的决策树。然后，过程工厂搜索引擎806聚合和/或组合每个决策树以生成机器学习模型，例如通过平均在每个单独树确定的似然度、计算加权平均值、进行多数表决等。在一些实施例中，过程工厂搜索引擎806还可以在机器学习技术提升时生成决策树。

每个决策树包括若干节点、分支和叶，其中每个节点表示对过程参数度量的测试(例如，衰减流速平均值大于20？)，每个分支表示测试的结果(例如，衰减流速平均值大于20)，并且每个叶表示过程工厂实体正在经历特定类型的状况或状态的可能性。例如，决策树的分支表示过程工厂实体将经历错误、泄漏、死区、死区时间、机械磨损等的可能性。因此，过程工厂搜索引擎806可以使用来自所收集的过程工厂数据的过程参数度量来遍历每个决策树，以确定过程工厂实体正在经历哪些状况(如果有的话)。如果过程工厂实体正在经历特定类型的状况的可能性高于阈值可能性(例如，0.5、0.7等)，则过程工厂搜索引擎806确定过程工厂实体正在经历状况，并将状况的指示传送到用户接口设备和/或另一计算设备、服务或应用。

例如，过程工厂搜索引擎806生成决策树，该决策树包括对应于20秒移动平均压力是否高于25的第一节点。如果20秒移动平均压力不高于25，则第一分支连接到第一叶节点，该第一叶节点指示过程工厂实体正在经历机械磨损的可能性为0.6。如果20秒移动平均压力得分高于7，则第二分支连接到第二节点，该第二节点对应于温度的标准偏差是否高于10。

如果温度的标准偏差高于10，则第三分支连接到第二叶节点，该第二叶节点指示过程工厂实体正在经历机械磨损的可能性为0.75。然而，如果温度的标准偏差不高于10，则第四分支连接到第三叶节点，该第三叶节点指示过程工厂实体正在经历机械磨损的可能性为0.25。虽然决策树包括三个叶节点和四个分支，但这仅仅是为了便于说明的示例。每个决策树可包括任何数量的节点、分支和叶，其具有对过程参数度量的任何合适数量和/或类型的测试。

在任何情况下，通过如在随机森林或提升方法中组合和/或聚合若干决策树，过程工厂搜索引擎806识别对于确定过程工厂实体正在经历特定类型的状况的可能性最重要的过程参数度量。最重要的过程参数度量是最频繁地导致决策树的早期分裂并且最能指示过程工厂实体是否正在经历状况的那些度量。参考上面的示例决策树，20秒移动平均压力可能比温度的标准偏差更重要，因为温度的标准偏差在树中看起来比20秒移动平均压力低。因此，在该示例中，20秒移动平均压力是最重要的过程参数度量。

在一些实施例中，过程参数度量根据其各自的重要性级别被指派权重。过程工厂搜索引擎806在生成机器学习模型时使用指派的权重。在一些场景中，最不重要的过程参数度量可以通过因子0或几乎0加权，以从机器学习模型中滤除该过程参数度量。

回归

在其他实施例中，用于生成和/或利用机器学习模型的机器学习技术是回归分析，诸如逻辑回归、线性回归、多项式回归等。例如，除了将历史过程参数值分类为与特定状况或状态相关联和不相关联的过程参数值的相应子集之外，还为每个历史过程参数值指派性能监测度量。性能监测度量指示过程工厂实体的性能或评级的级别。

基于历史过程参数值和对应的性能监测度量，过程工厂搜索引擎806生成机器学习模型作为最接近于来自历史过程参数值的性能监测度量的等式。在一些实施例中，使用普通的最小二乘法来将使用机器学习模型的预测性能监测度量的值与指派给历史过程参数值的实际性能监测度量之间的差减到最小。另外，以任何合适的方式聚合和/或组合使用机器学习模型的每个预测的性能监测度量

使用机器学习模型，过程工厂搜索引擎806将从过程工厂数据计算的过程参数度量应用于作为回归分析的结果而生成的等式(例如，所生成的机器学习模型)。因此，过程工厂搜索引擎806确定或识别过程工厂实体的性能监测度量。

在一些实施方式中，用户可以在IDE内利用上述机器学习技术来定制或训练机器学习模型或生成关于过程工厂相关数据的定制算法。图24示出了用于使用经训练的机器学习模型预测过程参数值的IDE内的示例过程工厂搜索查询2400。

示例过程工厂搜索查询2400包括若干部分2402-2412：用于加载经训练的机器学习模型的第一部分2402，用于获得过程参数的时间序列数据以用作经训练的机器学习模型的输入的第二部分2404，用于过滤一些获得的时间序列数据的第三部分2406，用于将经过滤的时间序列数据应用于机器学习模型以生成过程参数值的机器学习预测的第四部分2408，用于将预测结果写回到过程工厂100的第五部分2410，以及用于返回用于向用户提供机器学习预测的可视化呈现呈现的数据的第六部分2412。

示例过程工厂搜索查询2400用于在阈值时间段(例如，10分钟)内使用材料进给速率参数值(例如，DOS01_FEED/RP_MASSFLOW,DOS02_FEED/RP_MASSFLOW)来预测产品的质量。材料进给速率参数值被应用于经训练的机器学习模型(例如，APImodel.sav)以生成预测的产品质量度量。

示例过程工厂搜索查询2400还请求当另一时间序列(例如，param4)中的值超过阈值(例如，150)时过滤一个时间序列(例如，param3)中的值。另外，示例过程工厂搜索查询2400请求将预测的产品质量度量写回到过程工厂100作为过程参数“CAMO/PARAM9”的值。IDE使用上述安全写回技术将预测的产品质量度量写回到过程工厂100。

通过允许用户使用IDE定制算法，用户可以指定要使用哪个机器学习模型，可以指定要过滤的过程参数数据，可以请求将预测结果写回到过程工厂100，可以请求可视化呈现机器学习预测等。相反，通过在工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84中输入对机器学习预测的请求作为过程工厂搜索查询，过程工厂搜索引擎806可以自动确定要使用哪个机器学习模型，或者可以训练并生成新的机器学习模型。过程工厂搜索引擎806还可以确定要获得哪些时间序列数据作为用于生成机器学习预测的输入，并且可以确定要过滤或根本不过滤哪些过程参数数据。此外，过程工厂搜索引擎806可以或可以不将预测结果写回到过程工厂100。

虽然用户在过程工厂搜索查询2400中加载先前生成和训练的机器学习模型，但这仅仅是一个示例场景。在其他场景中，用户可以训练并生成新的机器学习模型，并且可以选择训练数据以用于训练机器学习模型和/或机器学习模型的类型(例如，线性回归、多项式回归、逻辑回归、朴素贝叶斯、决策树、随机森林、提升、最近邻、神经网络等)。

图25示出了工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内的示例过程工厂搜索结果显示2500。过程工厂搜索结果显示2500包括响应于用于预测阈值时间段(例如，10分钟)内的产品质量度量的过程工厂搜索查询2502的过程工厂搜索结果2510的可视化呈现呈现。过程工厂搜索结果2510包括用于预测产品质量度量的材料进给速率参数值(例如，DOS01_FEED/RP_MASSFLOW,DOS02_FEED/RP_MASSFLOW)的时间序列数据。虽然过程工厂搜索查询2502类似于图24中的过程工厂搜索查询2400，但是过程工厂搜索引擎806不过滤特定过程参数(例如param3)的过程参数值或显示经过滤的过程参数值，因为用户不请求过程工厂搜索查询2502中的过滤步骤。

响应于过程工厂搜索查询2502，过程工厂搜索引擎806识别对过程工厂搜索查询2502中包括的过程工厂实体的状态的预测的请求(例如，流过过程工厂实体的产品的产品质量度量)。然后，过程工厂搜索引擎806识别过程工厂实体的过程参数数据(例如，DOS01_FEED/RP_MASSFLOW and DOS02_FEED/RP_MASSFLOW的材料进给速率参数值)以应用于机器学习模型。

此外，过程工厂搜索引擎806识别要使用的机器学习模型，该机器学习模型可以从知识库42例如在过程工厂搜索查询2502中执行预测。过程工厂搜索引擎806可以识别机器学习模型，然后根据过程工厂搜索查询2502来调整机器学习模型。例如，可以基于属于多个参数类别的过程参数来训练机器学习模型。如果过程工厂搜索查询2502是针对单个参数类别的，则过程工厂搜索引擎806可以从训练数据中过滤属于其他参数类别的过程参数，并使用经过滤的训练数据来调整机器学习模型。

过程工厂搜索引擎806还可以识别过程工厂搜索查询2502的上下文，并识别用于根据上下文调整机器学习模型或应用于机器学习模型的过程参数数据的过滤器。例如，上下文可以包括提交过程工厂搜索查询的用户的用户信息，诸如用户的名称、用户工作的过程工厂的名称和位置、用户在过程工厂内的组织角色、用户的偏好、用户的先前搜索查询的搜索历史等。另外，上下文可以包括用户在其中提交过程工厂搜索查询的设备的设备信息，诸如设备的位置，其可以包括过程工厂内的位置或者可以是外部位置，设备的能力(例如，音频、显示器、麦克风、在设备上执行的应用等)、设备的类型、设备的尺寸等。此外，上下文可以包括提交过程工厂搜索查询的时间、与过程工厂搜索查询中的过程工厂实体相关的过程工厂实体以及那些过程工厂实体的相应过程参数数据，或者可以包括任何其他合适的上下文信息。然后，过程工厂搜索引擎806可以根据上下文来调整机器学习模型或应用于机器学习模型的过程参数数据。

在其他实施方式中，过程工厂搜索引擎806通过从知识库42获得用于执行预测的训练数据并使用训练数据训练机器学习模型来生成用于执行预测的机器学习模型。

然后，过程工厂搜索引擎806将所识别的过程参数数据应用于机器学习，以预测过程工厂实体的状态，并响应于过程工厂搜索查询2502提供预测状态的指示作为过程工厂搜索结果。

图26示出了IDE内的用于使用机器学习模型预测过程参数值的另一示例过程工厂搜索查询2602，以及响应于过程工厂搜索查询2602的过程工厂搜索结果2610。在示例过程工厂搜索查询2602中，用户使用“MOB50NIR01_CH01/COMPONENT_01_VAL”和“DOS01_FEED/RP_MASSFLOW”过程参数在阈值时间段内的过程参数值作为训练数据来生成并训练新的机器学习模型作为回归模型。然后，用户请求使用所生成的机器学习模型来预测特定时间的“DOS01_FEED/RP_MASSFLOW”值。过程工厂搜索结果2610指示，通过在普通最小二乘回归分析中使用“MOB50NIR01_CH01/COMPONENT_01_VAL”作为因变量，预测的“DOS01_FEED/RP_MASSFLOW”为99.0077，标准误差为0.077。

图27是用于使用机器学习技术监测过程工厂实体的状态的示例方法2700的流程图。方法2700可以由工厂操作员设备72或通用工程/计算设备78内的IDE执行。在其他实施方式中，方法2700可以由工厂操作员设备72或通用工程/计算设备78内的工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84执行。工厂操作员设备72或通用工程/计算设备78可以通信地连接到面向现场的部件10和/或面向边缘的部件12。

在框2702处，获得对应于过程工厂实体(例如，阀、罐等)的若干过程参数的历史过程参数值。历史过程参数值可以从知识库42获得。对应于特定时间窗口(例如，一小时)的每个历史过程参数值或历史过程参数值聚合被分类为与特定状态相关联的过程参数值的子集，所述特定状态在生成历史过程参数值的时间处或附近在对应的过程工厂实体处发生(框2704)。例如，当在热交换器处识别出误差的阈值时间段内收集温度值时，可以将温度值聚合分类为与热交换器处的误差相关联的过程参数值的子集。另外，历史过程参数值可以被分类为与过程工厂实体的正常操作相关联的过程参数值的子集。

另外，可以为每个过程工厂实体识别关系。例如，工厂操作员设备72或通用工程/计算设备78可以从知识库42识别相关的过程工厂实体和与相关的过程工厂实体相关联的过程参数，并且可以从知识库42获得在与先前状态相对应的时间处的相关的过程工厂实体的历史过程参数值。关系可以包括物理地连接到过程工厂实体的上游和下游过程工厂实体、流经过程工厂实体的材料、过程工厂实体在过程工厂内的位置、使用过程工厂实体的过程工厂的位置等。相关过程工厂实体的历史过程参数值或关系的其他过程工厂相关数据(例如，材料流量数据、过程工厂位置处的温度数据等)可以被称为关系数据。

在框2706处，例如通过使用各种规则和/或机器学习技术，基于历史过程参数值的子集和过程工厂实体的关系数据来生成机器学习模型。机器学习技术可以包括线性回归、多项式回归、逻辑回归、朴素贝叶斯、决策树、随机森林、提升、最近邻、神经网络等。在一些实施例中，生成单个机器学习模型以检测或识别在过程工厂实体处可能发生或可能存在的若干类型的状态。在其他实施例中，为可能在过程工厂实体处发生或可能存在的每种类型的状态生成不同的机器学习模型。在一些实施例中，将过程参数度量与指示各种状态(或其不存在)的多个机器学习模型进行比较，以确定哪个机器学习模型最可能对应于过程参数度量。

在任何情况下，在框2708处，例如从知识库42获得过程工厂实体的过程参数数据和关系数据。过程参数数据可以包括对应于过程工厂实体的过程参数值，诸如对应于阀或流过阀的材料的驱动信号、阀行程、行程设定点、密度、面积、质量、体积、压力、温度或流速。一般而言，过程参数数据可以是作为过程工厂实体操作以控制工业过程的结果而生成的数据，并且可以描述过程工厂实体的行为或操作。过程参数数据可以由过程工厂实体本身生成，也可以不由过程工厂实体本身生成。例如，阀数据可以描述阀本身和/或由阀本身生成(例如，阀打开或关闭程度的量度)，和/或可以描述阀的致动器和/或由阀的致动器生成(例如，致动器向阀施加特定信号的频率)。对于每个过程参数，工厂操作员设备72或通用工程/计算设备78可以接收指示特定时间段内的过程参数值的时间序列数据。

关系数据可以包括与过程工厂实体(诸如上游或下游过程工厂实体)相关的过程工厂实体的过程参数数据。关系数据还可以包括过程工厂实体和与过程工厂实体相关的过程工厂实体之间的过程参数数据的变化。例如，关系数据可以包括流过过程工厂实体和下游过程工厂实体的材料的参数值的变化或罐和上游罐的温度值的变化。

此外，关系数据还可以包括与过程工厂实体相关的其他过程工厂相关数据，诸如关于流过过程工厂实体的材料的数据、关于过程工厂实体在过程工厂内的位置的数据(例如，物理上接近过程工厂实体的设备和设备的对应数据)、关于使用过程工厂实体的过程工厂的位置的数据(例如，过程工厂位置处的天气数据)、关于指派给与过程工厂实体相关联的每个过程参数的类别的数据等。

在框2710处，将过程参数数据和关系数据应用于机器学习模型以预测过程工厂实体的状态(框2712)。例如，当机器学习技术是朴素贝叶斯时，将过程参数数据和关系数据和与特定状态(例如，机械磨损)相关联的过程参数值和关系数据值的子集的分布以及不与特定状态相关联的过程参数值和关系数据值的子集的另一分布进行比较。工厂操作员设备72或通用工程/计算设备78确定哪个分布与过程参数值和关系数据值更紧密地匹配，并且基于哪个分布匹配来预测过程工厂实体是否处于特定状态。在另一示例中，当机器学习技术是决策树、随机森林或提升时，工厂操作员设备72或通用工程/计算设备78使用过程参数值和关系数据值遍历决策树的节点，以预测过程工厂实体的状态。

在框2714处，工厂操作员设备72或通用工程/计算设备78提供过程工厂实体的预测状态的指示，用于在工厂操作员设备72或通用工程/计算设备78的用户接口上显示。预测状态的指示可以是警报或错误消息，包括预测状态的类型(例如，死区、机械磨损等)、处于预测状态的过程工厂实体、用于预测状态的过程参数值和/或关系数据值、解决由状态产生的潜在问题的步骤或任何其他合适的信息。预测状态的指示还可以是可视化呈现显示，诸如指示一段时间内的预测状态或指示在该时间段内处于特定状态的可能性的表格、图形或图表。

预测状态的指示也可以是预测状态的变化的指示。更具体地，在一些实施方式中，工厂操作员设备72或通用工程/计算设备78自动识别过程工厂实体的预测状态的变化，并且自动生成并提供预测状态的变化的报告以在用户接口上显示。

例如，在时间t

在一些实施方式中，工厂操作员设备72或通用工程/计算设备78可以向过程工厂100提供过程工厂实体的预测状态的指示或基于预测状态的设定点值的改变。工厂操作员设备72或通用工程/计算设备78可以使用上述安全写回技术将数据写入过程工厂100。例如，工厂操作员设备72或通用工程/计算设备78可以向n个回写服务器60a-60n提供预测状态或设定点值的变化的指示。每个回写服务器60a-60n可以验证数据并确定外部系统8的用户被授权写入过程工厂100。例如，每个回写服务器60a-60n可以确定要写入的数据是否在可接受的值范围内。然后，如果数据被验证并且用户被授权写入过程工厂100，则回写服务器60a可以将数据转发到另一回写服务器60b以双重检查数据被验证。一旦阈值数量的安全回写服务器60a-60n已经验证/授权了数据写入，就可以将数据写入过程工厂100。

当过程工厂实体的实际状态变得已知时(例如，操作员评估过程工厂实体以确定其实际状态)，将过程参数值和关系数据值添加到历史过程参数值(框2716)，并且相应地更新机器学习模型。例如，将处于所识别的状态的过程工厂实体的过程参数值和关系数据值存储在知识库42中。

批次供应、调度和查询

本文描述的增强的搜索能力还可以促进过程工厂内的批次过程的供应、调度和控制。例如，执行批次过程控制算法以控制批次过程的批次执行程序可以向知识库42提交用于调度批次过程的上下文数据和/或时间序列数据的查询。例如，查询可以是关于可以在批次过程中使用的过程工厂设备的状态的状态信息、过程工厂设备的使用时间的时间表或这些的任何合适的组合。然后，批次执行程序可以提供过程工厂设备集合，以根据每台过程工厂设备的使用时间来执行批次控制配方的批次程序、单元程序、操作和/或阶段。批次执行程序还可以根据每台过程工厂设备的使用时间来设置何时执行批次控制配方的批次程序、单元程序、操作和/或阶段的时间表。批次执行程序可以是(一个或多个)计算设备或在(一个或多个)计算设备内执行的应用。

图28是示出用于使用本文所述的增强搜索能力来控制批次过程的示例性方法2800的流程图。方法2800可以由计算设备、可以是独立计算设备或在计算设备上执行的应用的批次执行程序或这些的任何合适的组合来执行。在框2802处，从知识库42获得批次过程数据集。批次过程数据集可以包括与批次过程相关的过程数据和/或与可以从上下文知识库49获得的过程数据相关联的上下文数据。上下文数据可以包括与包括在批次过程中的过程数据相关联的警报状态、与包括在批次过程中的过程数据相关联的批次ID、与包括在批次过程中的过程数据相关联的设备的类型、与包括在批次过程中的过程数据相关联的工厂的区域、与批次过程相关联的一台设备与一台或多台其他设备之间的关系、包括在批次过程中的多台设备之间的关系、包括在特定批次配方中的多台设备、包括在特定批次配方中的原材料和相关联的多台设备、与批次过程相关联的多台设备的设备利用信息、由批次过程生产的产品的产品质量度量及其相关联的多台设备、由批次过程生产的产品的产品生产时间及其相关联的多台设备、这些的任何合适的组合或任何其他合适的上下文数据。

在框2804处，将在批次的执行期间生成的时间序列数据存储在数据库(诸如时间序列数据库55)中。时间序列数据可以包括在执行批次过程时与过程工厂设备相关的过程参数的过程参数值。时间序列数据还可以包括使用批次过程制造的产品的产品参数值。另外，时间序列数据可以包括过程工厂设备的利用数据，诸如每台过程工厂设备在批次过程中被利用的时间。时间序列数据还可以包括调度数据，该调度数据指示每台过程工厂设备被调度为作为批次或连续过程的一部分使用的时间，和/或每台过程工厂设备可用的时间。计算设备和/或批次执行程序可以从知识库42获得批次过程数据和时间序列数据。

然后在框2806处，计算设备和/或批次执行程序查询知识库42，更具体地，查询知识库42内获得的批次过程数据和时间序列批次数据，以获得关于可以在批次过程中使用的多台工厂设备的状态的状态信息、多台过程工厂设备的使用时间的时间表或这些的任何合适的组合。例如，计算设备和/或批次执行程序可以识别执行特定批次过程所需的每种类型的设备。查询可以针对所识别类型的过程工厂设备的状态和/或调度信息。在一些实施方式中，查询被提交给过程工厂搜索引擎806，过程工厂搜索引擎806分析/解析查询并检索响应于来自知识库42的查询的批次过程数据和/或时间序列批次数据。

状态信息可以包括一台过程工厂设备当前是在使用中还是空闲。状态信息还可以包括该台过程工厂设备已经使用了多长时间以及该台过程工厂设备正在使用什么的指示。在一些情况下，一台过程工厂设备可以在该台过程工厂设备完成当前操作之后立即变得可用。在其他情况下，在完成特定操作之后，该台过程工厂设备可能需要清洁或接受其他维护。通过提供关于如何使用该台过程工厂设备的信息，计算设备和/或批次执行程序可以能够确定该台过程工厂设备是否可以在其变得可用之后立即在批次过程中使用。如果该台过程工厂设备需要特定量的停机时间用于操作之间的清洁和/或其他维护，则计算设备和/或批次执行程序可以在确定哪些设备用于批次过程时考虑停机时间。

调度信息可以包括每台设备被调度为在使用中的时间、每台设备被调度为在每次使用的批次控制配方的批次程序、单元程序、操作和/或阶段、每台设备将被使用的时间量等。调度信息可以指示特定混合器被调度为在特定日从下午1:00到下午2:00在第一批次配方中使用，并且在下午3:00到下午4:00在第二批次配方中使用。

然后，过程工厂搜索引擎806将检索到的批次过程数据和/或时间序列批次数据作为查询结果提供给计算设备和/或批次执行程序(框2808)。响应于接收到查询结果，计算设备和/或批次执行程序确定用于批次控制配方的批次程序、单元程序、操作和/或阶段的设备集合(框2810)。

例如，当批次过程需要三种类型的设备时，查询结果可以包括对应于第一类型的第一过程工厂设备集合的状态和/或调度信息，对应于第二类型的第二过程工厂设备集合的状态和/或调度信息，以及对应于第三类型的第三过程工厂设备集合的状态和/或调度信息。

然后，计算设备和/或批次执行程序可以基于状态和/或调度信息从第一集合中选择一台过程工厂设备，从第二集合中选择一台过程工厂设备，以及从第三集合中选择一台过程工厂设备，作为用于执行批次过程的设备集合。

另外或可替换地，计算设备和/或批次执行程序可以基于查询结果确定批次控制配方的批次程序、单元程序、操作和/或的阶段的调度(框2810)。计算设备和/或批次执行程序可以通过确定每台设备何时可供使用并且在所选设备何时可供使用时调度批次过程来确定调度。

使用上述示例，如果用于执行批次过程的集合中的多台设备在一小时内都可用，则计算设备和/或批次执行程序可以将批次过程调度为在一小时内开始。除了在该集合中的每台设备可用时调度批次过程、单元处理、操作和/或批次控制配方的阶段之外，还可以在至少一台设备可用时调度批次过程。批次过程可以使用第一台可用的设备开始，并且只要批次过程中的每个下一台设备在涉及先前一台设备的批次控制配方的阶段完成时可用，则可以在该时间调度批次过程。以这种方式，可以调度批次过程以使每台设备在批次过程期间或在批次过程之间的等待时间减到最小。

从该集合中的第一台设备变得可用的时间开始，计算设备和/或批次执行程序可以确定批次控制配方的每个阶段将何时完成。然后，计算设备和/或批次执行程序可以确定批次控制配方的下一阶段的该台设备在先前阶段完成时是否可用。如果对于每个阶段在前一阶段完成时相应的设备都可用，则批次过程可以在第一台设备可用时开始。否则，批次过程可以等待开始，直到对于每个阶段在先前阶段完成时每个相应的设备可用的时间。

在一些实施方式中，计算设备和/或批次执行程序基于与批次过程过程相关的过程数据、与过程数据相关联的上下文和/或每台设备的状态来确定要使用的最佳设备集合。例如，计算设备和/或批次执行程序可以识别用于执行批次过程的多个设备集合。然后，计算设备和/或批次执行程序可以基于一个或多个因素对设备集合进行排序，以选择多个设备集合中的最佳设备集合。

例如，这些因素可以包括直到每个设备集合可供使用的等待时间、每个设备集合生产在批次过程中制造的产品所需的原材料的数量、由每个设备集合生产的产品的产品质量度量、由每个设备集合生产产品的生产时间等。计算设备和/或批次执行程序可以以任何合适的方式组合这些因素中的每一个，以生成每个设备集合的总分。

在一些实施方式中，计算设备和/或批次执行程序可以向每个因素指派权重并组合加权的因素以生成总分。例如，如果使等待时间最小比使用最低的原材料量更重要，则等待时间的权重可以高于原材料的数量。然后，计算设备和/或批次执行程序可以根据设备集合各自的总分对设备集合进行排序，并选择最高排序的设备集合作为要使用的最佳设备集合。

在框2812处，使用所确定的设备集合或根据所确定的时间表来执行批次控制配方的批次程序、单元程序、操作和/或阶段。例如，计算设备和/或批次执行程序可以向与所确定的设备集合相关联的现场设备发送控制信号，以根据批次控制算法进行操作和/或在调度的时间进行操作。在一些实施方式中，计算设备和/或批次执行程序可以与控制器通信，以使控制器将控制信号发送到与所确定的设备集合相关联的现场设备，以根据批次控制算法进行操作和/或在调度的时间进行操作。

除了计算设备和/或批次执行程序供应、调度和/或控制批次过程之外，用户还可以提交与批次过程相关的过程工厂搜索查询并接收过程工厂搜索结果。例如，用户可以提交过程工厂搜索查询，以用于关于哪个设备集合用于特定批次过程或其一部分的信息，在特定时间段内用于批次过程中的设备的设备利用信息，确定每台设备在批次过程中运行或使用的时间，确定在指定时间段内已经在特定设备集合上执行的批次配方，确定在指定时间段内已经用于特定批次配方的设备集合，确定用于给定批次配方或其一部分的哪个设备集合产生最高质量输出，确定用于给定批次配方或其一部分的哪个设备集合在最短的生产时间量内产生产品，确定用于给定批次配方或其一部分的哪个设备集合使用最低的原材料量产生产品等。

图29示出了上下文知识库49的示例部分，其包括过程工厂设备和由过程工厂设备执行的批次过程的批次信息。图29中示出的上下文知识库49可以是图7中示出并且如上所述的更大上下文知识库49的详细部分，其包括附加关系、过程工厂实体和过程工厂相关数据。

如图29所示，过程工厂设备2902-2908与使用它们的批次过程2910相连。例如，混合器1(参考号2902)、泵1(参考号2904)、加热器1(参考号2906)和罐1(参考号2908)各自包括在标识为批次3492(参考号2910)的特定批次过程中。批次过程批次3492可以具有特定的批次配方(例如，Proc_saline1)、描述、正在执行批次过程的过程工厂的区域、执行状态、正在执行的当前阶段等，其中的每一个也可以被包括在上下文知识库49中。以这种方式，用户可以查询用于或正在用于特定批次或其部分的设备的集合。例如，用户可以提交包括批次ID(例如，批次3492)的查询，并且接收包括用于批次3492的设备集合(例如，混合器1(参考号2902)、泵1(参考号2904)、加热器1(参考号2906)和罐1(参考号2908))的搜索结果。

如上所述，用户可以以自然语言格式或以任何合适的格式提交查询以确定哪些设备集合用于特定批次过程或其部分。然后，用户的计算设备可以将查询传送到在过程工厂搜索查询服务器800内执行的过程工厂搜索引擎806。例如，用户的计算设备可以传送对用于特定批次过程或其一部分的设备集合的查询。

响应于该查询，过程工厂搜索引擎806可以从知识库42获得批次过程数据集。批次过程数据集可以包括与批次过程相关的过程数据和/或与可以从上下文知识库49获得的过程数据相关联的上下文数据。上下文数据可以包括与包括在批次过程中的过程数据相关联的警报状态、与包括在批次过程中的过程数据相关联的批次ID、与包括在批次过程中的过程数据相关联的设备的类型、与包括在批次过程中的过程数据相关联的工厂的区域、与批次过程相关联的一台设备与一台或多台其他设备之间的关系、包括在批次过程中的多台设备之间的关系、包括在特定批次配方中的多台设备、包括在特定批次配方中的原材料和相关联的多台设备、与批次过程相关联的多台设备的设备利用信息、由批次过程生产的产品的产品质量度量及其相关联的多台设备、由批次过程生产的产品的产品生产时间及其相关联的多台设备、这些的任何合适的组合或任何其他合适的上下文数据。

过程工厂搜索引擎806还可以获得在批次的执行期间生成的时间序列数据，该时间序列数据被存储在诸如时间序列数据库55的数据库中。时间序列数据可以包括在执行批次过程时与过程工厂设备相关的过程参数的过程参数值。时间序列数据还可以包括使用批次过程制造的产品的产品参数值。另外，时间序列数据可以包括过程工厂设备的利用数据，诸如每台过程工厂设备在批次过程中被利用的时间。时间序列数据还可以包括调度数据，该调度数据指示每台过程工厂设备被调度为作为批次或连续过程的一部分使用的时间，和/或每台过程工厂设备可用的时间。过程工厂搜索引擎806可以从知识库42获得批次过程数据和时间序列数据。

然后，过程工厂搜索引擎806分析/解析过程工厂搜索查询，以识别搜索查询的主题、搜索查询的上下文和/或搜索查询中的可以用于过滤响应于搜索查询的数据集的其他信息。更具体地，过程工厂搜索引擎806可以从包括在过程工厂搜索查询服务器800中或通信地耦接到过程工厂搜索查询服务器800的语法模块或工厂词汇数据库获得主题和过滤器的指示。语法模块或工厂词汇数据库可以存储过程工厂搜索查询的若干主题和修改主题以过滤搜索结果的过滤器。语法模块或工厂词汇数据库还可以存储与每个主题和/或过滤器相对应的来自过程工厂搜索查询的词项的若干映射，诸如主题或过滤器的同义词或昵称。

然后，过程工厂搜索引擎806可以将过程工厂搜索查询中的每个词项与主题或过滤器之一进行匹配。在一些实施方式中，过程工厂搜索引擎806首先识别过程工厂搜索查询内的与过程工厂搜索查询的主题相对应的一个或多个词项。然后，过程工厂搜索引擎806识别对应于剩余词项的过滤器以及可用于进一步过滤数据集的上下文。过程工厂搜索引擎806可以识别过程工厂搜索查询中的一个或多个词项与语法模块或工厂词汇数据库中包括的主题的精确匹配。然后，过程工厂搜索引擎806从所获得的对应于所识别的主题的批次过程数据和时间序列数据中识别批次过程数据。

然后，过程工厂搜索引擎806从语法模块或工厂词汇数据库中识别与剩余词项相对应的过滤器。过滤器可用于过滤响应于所识别的主题而获得的批次过程数据集。例如，当查询是针对用于批次3492的特定阶段的设备集合时，过程工厂搜索引擎806可以过滤设备集合以包括在特定阶段中使用的设备的子集。在另一示例中，当查询是针对用于批次3492的设备集合时，过程工厂搜索引擎806可以获得与批次3492相关的批次过程数据，并且可以过滤批次过程数据以仅包括指示用于批次3492的设备集合的批次过程数据的子集。

然后，过程工厂搜索引擎806可以将经过滤的批次过程数据集作为搜索结果提供给用户。例如，经过滤的批次过程数据集可以包括哪个设备集合用于特定批次或其部分的指示。

虽然图29示出了上下文知识库49中的过程工厂设备和由过程工厂设备执行的批次过程的相应批次信息的几个示例，但这仅是为了便于说明。上下文知识库49可以包括任何合适数量的过程工厂设备，每个与任何合适数量的批次过程相关联。

图30示出了上下文知识库49的另一示例部分，其包括过程工厂设备、过程工厂设备的设备利用信息以及由过程工厂设备执行的批次过程的批次信息。图30中示出的上下文知识库49可以是图7中示出的并且如上所述的更大上下文知识库49的详细部分，其包括附加关系、过程工厂实体和过程工厂相关数据。

如图30所示，多台过程工厂设备3002-3008与利用它们的批次过程3010、3012相连。例如，混合器1(参考号3002)、泵1(参考号3004)、加热器1(参考号3006)和罐1(参考号3008)各自包括在标识为批次3492(参考号3010)的特定批次过程中。泵1(参考号3004)和加热器1(参考号3006)也可以包括在标识为批次4509(参考号3012)的另一批次过程中。批次过程批次3492可以具有特定的批次配方如配方1(参考号3020)、描述、正在执行批次过程的过程工厂的区域、执行状态、正在执行的当前阶段等，其中的每一个也可以包括在上下文知识库49中。批次过程批次4509也可以具有特定的批次配方如配方2(参考号3022)、描述、正在执行批次过程的过程工厂的区域、执行状态、正在执行的当前阶段等，其中的每一个也可以包括在上下文知识库49中。另外，每台设备3002-3008可以具有相关联的利用信息。例如，泵1(参考号3004)可以包括在批次3492(参考号3010)中，用于第一利用时段UtilizationPeriod1(参考号3030)。泵1(参考号3004)也可以包括在批次4509(参考号3012)中，用于第二利用时段UtilizationPeriod2(参考号3032)。

每个利用时段3030、3032可以指示利用该台设备的开始时间、利用该台设备的结束时间、利用时段的持续时间、该台设备在其中活动的利用时段的部分或百分比、该台设备在利用时段期间的停机时间量、或任何其他合适的利用信息。

以这种方式，用户可以查询对应于特定批次过程的一台过程工厂设备、多台过程工厂设备、过程工厂设备集合、或对应于期望时段的批次过程的多个过程工厂设备集合的设备利用信息。例如，用户可以提交对在特定一天从下午12:00到下午4:00如何利用特定过程工厂中的每台设备的查询。用户可以接收指示特定过程工厂中的每台设备在下午12:00到下午4:00之间的使用时段、该台设备处于运行中状态的每个利用时段的部分或百分比、该台设备在利用时段期间的停机时间量等的搜索结果。

用户还可以查询其间正在操作或正在使用一台设备的时间。例如，用户可以提交对在前一天何时利用泵1(参考号3004)的查询。用户可以接收指示泵1(参考号3004)在利用时段1(参考号3030)(例如，从上午9点到下午1点)和利用时段2(参考号3032)(例如，从下午2点到下午5点)期间被利用的搜索结果。

此外，用户可以查询在指定时间段内在设备集合上执行的批次配方。例如，用户可以提交对使用泵1(参考号3004)和/或加热器1(参考号3006)执行的批次配方的查询。用户可以接收指示使用泵1(参考号3004)和/或加热器1(参考号3006)执行配方1(参考号3020)和配方2(参考号3022)的搜索结果。

另外，用户可以查询在指定时间段内已经用于特定配方的设备集合。例如，用户可以提交对已经用于配方1的设备集合的查询(参考号3020)。用户可以接收指示设备集合被用于配方1(参考号3020)的搜索结果，包括混合器1(参考号3002)、泵1(参考号3004)、加热器1(参考号3006)和罐1(参考号3008)。

如上所述，用户可以以自然语言格式或以任何合适的格式提交查询。然后，用户的计算设备可以将查询传送到在过程工厂搜索查询服务器800内执行的过程工厂搜索引擎806。例如，用户的计算设备可以传送对在特定一天从下午12:00到下午4:00如何利用特定过程工厂中的每台设备的查询。

响应于该查询，过程工厂搜索引擎806可以从知识库42获得批次过程数据集。批次过程数据集可以包括与批次过程相关的过程数据和/或与可以从上下文知识库49获得的过程数据相关联的上下文数据。上下文数据可以包括与包括在批次过程中的过程数据相关联的警报状态、与包括在批次过程中的过程数据相关联的批次ID、与包括在批次过程中的过程数据相关联的设备的类型、与包括在批次过程中的过程数据相关联的工厂的区域、与批次过程相关联的一台设备与一台或多台其他设备之间的关系、包括在批次过程中的多台设备之间的关系、包括在特定批次配方中的多台设备、包括在特定批次配方中的原材料和相关联的多台设备、与批次过程相关联的多台设备的设备利用信息、由批次过程生产的产品的产品质量度量及其相关联的多台设备、由批次过程生产的产品的产品生产时间及其相关联的多台设备、这些的任何合适的组合或任何其他合适的上下文数据。

过程工厂搜索引擎806还可以获得在批次的执行期间生成的时间序列数据，该时间序列数据被存储在诸如时间序列数据库55的数据库中。时间序列数据可以包括在执行批次过程时与过程工厂设备相关的过程参数的过程参数值。时间序列数据还可以包括使用批次过程制造的产品的产品参数值。另外，时间序列数据可以包括过程工厂设备的利用数据，诸如每台过程工厂设备在批次过程中被利用的时间。时间序列数据还可以包括调度数据，该调度数据指示每台过程工厂设备被调度为作为批次或连续过程的一部分使用的时间，和/或每台过程工厂设备可用的时间。过程工厂搜索引擎806可以从知识库42获得批次过程数据和时间序列数据。

然后，过程工厂搜索引擎806分析/解析过程工厂搜索查询，以识别搜索查询的主题、搜索查询的上下文和/或搜索查询中的可以用于过滤响应于搜索查询的数据集的其他信息。更具体地，过程工厂搜索引擎806可以从包括在过程工厂搜索查询服务器800中或通信地耦接到过程工厂搜索查询服务器800的语法模块或工厂词汇数据库获得主题和过滤器的指示。语法模块或工厂词汇数据库可以存储过程工厂搜索查询的若干主题和修改主题以过滤搜索结果的过滤器。语法模块或工厂词汇数据库还可以存储来自与每个主题和/或过滤器相对应的过程工厂搜索查询的词项的若干映射，诸如主题或过滤器的同义词或昵称。

然后，过程工厂搜索引擎806可以将过程工厂搜索查询中的每个词项与主题或过滤器之一进行匹配。在一些实施方式中，过程工厂搜索引擎806首先识别过程工厂搜索查询内的与过程工厂搜索查询的主题相对应的一个或多个词项。然后，过程工厂搜索引擎806识别对应于剩余词项的过滤器以及可用于进一步过滤数据集的上下文。过程工厂搜索引擎806可以识别过程工厂搜索查询中的一个或多个词项与语法模块或工厂词汇数据库中包括的主题的精确匹配。然后，过程工厂搜索引擎806从所获得的对应于所识别的主题的批次过程数据和时间序列数据中识别批次过程数据。

然后，过程工厂搜索引擎806从语法模块或工厂词汇数据库中识别与剩余词项相对应的过滤器。过滤器可用于过滤响应于所识别的主题而获得的批次过程数据集。例如，当查询是针对在特定一天从中午12:00到下午4:00如何利用特定过程工厂中的每台设备时，过程工厂搜索引擎806可以过滤每台设备的利用信息，以包括特定一天的中午12:00到下午4:00之间的每台设备的利用信息的子集。在另一示例中，过程工厂搜索引擎806可以获得与每台设备相关的批次过程数据，并且可以过滤批次过程数据以仅包括批次过程数据的包括利用信息的子集。

在又一示例中，当查询是针对在操作或利用一台设备的时间时，过程工厂搜索引擎806可以获得与该台设备相关的批次过程数据。过程工厂搜索引擎806可以过滤批次过程数据以仅包括批次过程数据的包括在操作或利用该台设备的时间的子集。

在另一示例中，当查询是针对在指定时间段内在设备集合上执行的批次配方时，过程工厂搜索引擎806可以获得与该设备集合相关的批次过程数据。过程工厂搜索引擎806可以过滤批次过程数据以仅包括指定时间段内的批次过程数据的子集。过程工厂搜索引擎806还可以过滤批次过程数据的经过滤子集，以包括指示在指定时间段内在该设备集合上执行的批次配方的子集。

在又一示例中，当查询是针对在指定时间段内用于特定配方的设备集合时，过程工厂搜索引擎806可以获得与特定配方相关的批次过程数据。过程工厂搜索引擎806可以过滤批次过程数据以仅包括指定时间段内的批次过程数据的子集。过程工厂搜索引擎806还可以过滤批次过程数据的经过滤子集，以包括指示在指定时间段内用于特定配方的设备集合的子集。

然后，过程工厂搜索引擎806可以将经过滤的批次过程数据集作为搜索结果提供给用户。例如，经过滤的批次过程数据集可以包括在指定时间段内在设备集合上执行的批次配方。

虽然图30示出了上下文知识库49中的过程工厂设备和由过程工厂设备执行的批次过程的相应批次信息的几个示例，但这仅是为了便于说明。上下文知识库49可以包括任何合适数量的过程工厂设备，每个与任何合适数量的批次过程相关联。

图31示出了上下文知识库49的又一示例部分，其包括过程工厂设备、由过程工厂设备执行的批次过程的批次信息、以及由过程工厂设备根据批次过程制造的产品的产品信息，包括每个产品的产品质量度量、生产每个产品的生产时间、以及用于生产每个产品的原材料。图31中示出的上下文知识库49可以是图7中示出并且如上所述的更大上下文知识库49的详细部分，其包括附加关系、过程工厂实体和过程工厂相关数据。

如图31所示，多台过程工厂设备3102-3108与利用它们的批次过程3110、3112相连。例如，混合器1(参考号3102)、泵1(参考号3104)、加热器1(参考号3106)和罐1(参考号3108)各自包括在标识为批次3492(参考号3110)的特定批次过程中。泵1(参考号3104)和加热器1(参考号3106)也可以包括在标识为批次4509(参考号3112)的另一批次过程中。批次过程批次3492可以具有特定批次配方如配方1(参考号3120)、描述、正在执行批次过程的过程工厂的区域、执行状态、正在执行的当前阶段等，其中的每一个也可以包括在上下文知识库49中。批次过程批次4509也可以具有特定批次配方如配方2(参考号3122)、描述、正在执行批次过程的过程工厂的区域、执行状态、正在执行的当前阶段等，其中的每一个也可以包括在上下文知识库49中。另外，每个批次过程3110、3112可以生产产品3140、3142。例如，批次4509(参考号3112)生产产品输出1(参考号3140)，并且批次3492(参考号3110)生产产品输出2(参考号3142)。每个产品3140、3142具有相关联的产品信息，诸如指派给产品3140、3142的产品质量度量3150、3152、指派给产品3140、3142、3162的生产时间3160、用于生产产品3140、3142的原材料3170、3172等。

产品质量度量3150、3152指示由批次过程生产的产品的质量。可以基于产品参数数据来确定产品质量度量3150、3152，所述产品参数数据例如产品的成分、产品的体积、产品的温度、产品的密度、产品中的压力等。可以将每个产品参数与产品的预定参数值或值范围进行比较，并且可以基于产品与预定参数值或值范围的相似程度来确定产品质量度量。例如，可以基于产品参数值与预定参数值或值范围之间的欧几里德距离来确定产品质量度量。产品质量度量可以是例如1-10、1-100等的分数，其中分数与欧几里德距离成反比。以这种方式，具有类似于预定参数值或值范围的参数值的产品的得分可以高于具有远离预定参数值或值范围的参数值的产品。

每个产品3140、3142的生产时间3160、3162指示使用用于批次过程的设备集合生产产品3140、3142所花费的时间量。用于生产产品3140、3142的原材料3170、3172指示用于生产每个产品的原材料3170、3172的量和/或用于生产产品3140、3142的原材料的描述。例如，材料1(参考号3180)、材料2(参考号3182)和材料3(参考号3184)用于生产产品输出1(参考号3140)。材料7(参考号3186)和材料8(参考号3188)用于生产产品输出2(参考号3142)。

以这种方式，用户可以查询用于产生最高质量输出的给定配方或其部分的一个或多个设备集合。例如，用户可以提交对用于配方1(参考号3120)的具有最高质量输出的设备集合的查询。用户可以接收指示混合器1(参考号3102)、泵1(参考号3104)、加热器1(参考号3106)和罐1(参考号3108)产生配方1(参考号3120)的最高质量输出的搜索结果。例如，过程工厂搜索引擎806可以比较用于配方1(参考号3120)的一个或多个设备集合的每个产品质量度量，以识别最高产品质量度量。搜索结果可以指示该设备集合的产品质量度量(例如，100个中的90个)。在一些实施方式中，搜索结果可以包括按排序顺序的多个设备集合，其中每个设备集合根据该设备集合的相应产品质量度量来排序。过程工厂搜索引擎806可以确定要包括在搜索结果中的设备集合的阈值数量。然后，过程工厂搜索引擎806可以提供具有相应产品质量度量的指示的搜索结果集合中排序在阈值数量或高于阈值数量的设备集合。

用户还可以查询用于已生产具有最佳生产时间的产品的给定配方或其部分的一个或多个设备集合。最佳生产时间可以是最短的持续时间。例如，用户可以提交对用于配方1(参考号3120)的在最短时间段内生产产品的设备集合的查询。用户可以接收指示混合器1(参考号3102)、泵1(参考号3104)、加热器1(参考号3106)和罐1(参考号3108)在最短时间段内生产配方1(参考号3120)的产品的搜索结果。例如，过程工厂搜索引擎806可以比较用于配方1(参考号3120)的一个或多个设备集合的每个生产时间，以识别最短的生产时间。搜索结果可以指示该设备集合的生产时间(例如，75分钟)。在一些实施方式中，搜索结果可以包括按排序顺序的多个设备集合，其中每个设备集合根据该设备集合的相应生产时间进行排序。过程工厂搜索引擎806可以确定要包括在搜索结果中的设备集合的阈值数量。然后，过程工厂搜索引擎806可以提供具有相应生产时间的指示的搜索结果集合中排序在阈值数量或高于阈值数量的设备集合。

另外，用户可以查询用于给定配方或其部分的使用最低的原材料量生产产品的设备集合，该配方或其部分。例如，用户可以提交对用于配方1(参考号3120)的使用最低的原材料量生产产品的设备集合的查询。用户可以接收指示混合器1(参考号3102)、泵1(参考号3104)、加热器1(参考号3106)和罐1(参考号3108)使用最低的原材料量生产配方1(参考号3120)的产品的搜索结果。例如，过程工厂搜索引擎806可以比较用于配方1(参考号3120)的一个或多个设备集合的每个原材料量，以识别最低的原材料量。搜索结果可以指示用于为该设备集合生产产品的原材料的量(例如，3)。在一些实施方式中，搜索结果可以包括按排序顺序的多个设备集合，其中每个设备集合根据用于为该设备集合生产产品的相应原材料量来排序。过程工厂搜索引擎806可以确定要包括在搜索结果中的设备集合的阈值数量。然后，过程工厂搜索引擎806可以提供具有相应原材料量的指示的搜索结果集合中排序在阈值数量或高于阈值数量的设备集合。

如上所述，用户可以以自然语言格式或以任何合适的格式提交查询。然后，用户的计算设备可以将查询传送到在过程工厂搜索查询服务器800内执行的过程工厂搜索引擎806。例如，用户的计算设备可以传送对用于给定配方或其部分的产生最高质量输出的设备集合的查询。

响应于该查询，过程工厂搜索引擎806可以从知识库42获得批次过程数据集。批次过程数据集可以包括与批次过程相关的过程数据和/或与可以从上下文知识库49获得的过程数据相关联的上下文数据。上下文数据可以包括与包括在批次过程中的过程数据相关联的警报状态、与包括在批次过程中的过程数据相关联的批次ID、与包括在批次过程中的过程数据相关联的设备的类型、与包括在批次过程中的过程数据相关联的工厂的区域、与批次过程相关联的一台设备与一台或多台其他设备之间的关系、包括在批次过程中的多台设备之间的关系、包括在特定批次配方中的多台设备、包括在特定批次配方中的原材料和相关联的多台设备、与批次过程相关联的多台设备的设备利用信息、由批次过程生产的产品的产品质量度量及其相关联的多台设备、由批次过程生产的产品的产品生产时间及其相关联的多台设备、这些的任何合适的组合或任何其他合适的上下文数据。

过程工厂搜索引擎806还可以获得在批次的执行期间生成的时间序列数据，该时间序列数据被存储在诸如时间序列数据库55的数据库中。时间序列数据可以包括在执行批次过程时与过程工厂设备相关的过程参数的过程参数值。时间序列数据还可以包括使用批次过程制造的产品的产品参数值。另外，时间序列数据可以包括过程工厂设备的利用数据，诸如每台过程工厂设备在批次过程中被利用的时间。时间序列数据还可以包括调度数据，该调度数据指示每台过程工厂设备被调度为作为批次或连续过程的一部分使用的时间，和/或每台过程工厂设备可用的时间。过程工厂搜索引擎806可以从知识库42获得批次过程数据和时间序列数据。

然后，过程工厂搜索引擎806分析/解析过程工厂搜索查询，以识别搜索查询的主题、搜索查询的上下文和/或搜索查询中的可以用于过滤响应于搜索查询的数据集的其他信息。更具体地，过程工厂搜索引擎806可以从包括在过程工厂搜索查询服务器800中或通信地耦接到过程工厂搜索查询服务器800的语法模块或工厂词汇数据库获得主题和过滤器的指示。语法模块或工厂词汇数据库可以存储过程工厂搜索查询的若干主题和修改主题以过滤搜索结果的过滤器。语法模块或工厂词汇数据库还可以存储来自与每个主题和/或过滤器相对应的过程工厂搜索查询的词项的若干映射，诸如主题或过滤器的同义词或昵称。

然后，过程工厂搜索引擎806可以将过程工厂搜索查询中的每个词项与主题或过滤器之一进行匹配。在一些实施方式中，过程工厂搜索引擎806首先识别过程工厂搜索查询内的与过程工厂搜索查询的主题相对应的一个或多个词项。然后，过程工厂搜索引擎806识别对应于剩余词项的过滤器以及可用于进一步过滤数据集的上下文。过程工厂搜索引擎806可以识别过程工厂搜索查询中的一个或多个词项与语法模块或工厂词汇数据库中包括的主题的精确匹配。然后，过程工厂搜索引擎806从所获得的对应于所识别的对象的批次过程数据和时间序列数据中识别批次过程数据。

然后，过程工厂搜索引擎806从语法模块或工厂词汇数据库中识别与剩余词项相对应的过滤器。过滤器可用于过滤响应于所识别的主题而获得的批次过程数据集。例如，当查询是针对用于给定配方或其一部分的产生最高质量输出的设备集合时，过程工厂搜索引擎806可以获得用于给定配方或其一部分的每个设备集合的产品质量度量。然后，过程工厂搜索引擎806可以过滤产品质量度量，以包括最高产品质量度量或排序高于阈值排序的产品质量度量的子集以及与每个产品质量度量相对应的一个或多个设备集合。

在另一示例中，当查询是针对用于在最短时间段内生产的给定配方或其部分的一个或多个设备集合时，过程工厂搜索引擎806可以获得用于给定配方或其部分的每个设备集合的生产时间。然后，过程工厂搜索引擎806可以过滤生产时间以包括最短生产时间或排序高于阈值排序的生产时间的子集以及与每个生产时间相对应的一个或多个设备集合。

在又一示例中，当查询是针对用于使用最低的原材料量生产的给定配方或其部分的设备集合时，过程工厂搜索引擎806可以获得用于给定配方或其部分的每个设备集合的原材料量。然后，过程工厂搜索引擎806可以过滤原材料量，以包括最低的原材料量或排序高于阈值排序的原材料量的子集以及与每个量相对应的一个或多个设备设备集合。

然后，过程工厂搜索引擎806可以将经过滤的批次过程数据集作为搜索结果提供给用户。例如，经过滤的批次过程数据集可以包括用于给定配方或其部分的产生最高质量输出的一个或多个设备集合。

虽然图31示出了上下文知识库49中的过程工厂设备和由过程工厂设备执行的批次过程的相应批次信息的几个示例，但这仅是为了便于说明。上下文知识库49可以包括任何合适数量的过程工厂设备，每个与任何合适数量的批次过程相关联。

在一些实施方式中，可以在IDE内提供过程工厂搜索功能，使得可以执行过程工厂搜索查询并且可以在IDE内呈现过程工厂搜索结果，诸如具有用于数据科学和机器学习的工作流并且提供搜索结果的交互式可视化呈现呈现的基于web的IDE。以这种方式，用户可以定制机器学习模型、过滤搜索结果和/或时间序列数据，并且可以定制搜索功能的其他方面。

在一些实施方式中，系统可以向IDE提供过程工厂搜索模块，用于在IDE内处理过程工厂搜索查询。例如，IDE可以导入过程工厂搜索模块以处理过程工厂搜索查询并返回过程工厂搜索结果作为可以容易地呈现为表格、图形、图表或绘图的数据帧。

在其他实施方式中，系统可以向IDE暴露过程工厂搜索应用编程接口(API)，用于处理过程工厂搜索查询并将过程工厂搜索结果返回给IDE。例如，IDE可以调用过程工厂搜索API并经由过程工厂搜索API向边缘网关系统1提供过程工厂搜索查询。然后，边缘网关系统可以从知识库42(例如，上下文知识库49和/或时间储存库51)获得响应于过程工厂搜索查询的数据集，并且经由过程工厂搜索API向IDE提供基于数据集的过程工厂搜索结果集合。

在其他实施方式中，在工厂应用74、多工厂应用80、远程工厂应用82或第三方应用84内提供过程工厂搜索功能。

智能搜索参数生命周期管理

本文描述的增强的搜索能力还可以促进对各种过程工厂内和过程工厂之间的参数生命周期的管理。特别地，现有技术系统对跨不同生产现场的参数生命周期的管理以及特别是基于类别的参数配置很少或不提供支持。相反，让用户实现他们自己的解决方案，这些解决方案通常是高度手动的并且通常是基于纸面的。因此，在初始工厂配置之后的改变跟踪和验证过程(旨在确保可追溯性并使错误的机会减到最小)是劳动密集型、缓慢且低效的。

生产过程，特别是在某些领域如制药中，通常在中试工厂开发。中试生产过程通常需要昂贵且耗时的监管批准和鉴定，因此，一旦批准和鉴定过程完成，过程及其参数就被“锁定”。然后，生产现场类似于中试现场构建，但并不总是相同的，因为当地法规或设备可用性可能导致过程工厂的精确配置的变化。

通常，过程配置被定义为控制系统中的控制参数。在实施例中，这些参数基于其目的进行分类。每个参数类别的处理具有独特的要求。例如，操作参数特定于产品并且在生产现场之间是相同的，调整参数是控制特定的，并且设备参数特定于本地设备并且在生产现场之间是不同的。在规定的或合格的系统中，重要的是确保参数配置的完整性以便保持系统合格。还期望在整个开发过程中跟踪参数修改，并提供组合参数子集以创建期望的生产配置的手段。可追溯性和改变管理捕获开发过程的演进方面。还期望在所有生产现场集中系统配置的版本化和存储，以帮助监测和理解对任何系统进行的改变，帮助理解和减少生产系统配置之间的偏差，并且通常简化可审计性。

鉴于此，在各种实施方式中，本公开内容的增强的搜索能力可以以各种方式用于过程参数生命周期管理。在一些实施例中，例如，可以在过程配置期间采用增强的搜索能力。在这样的实施例中，可以执行一系列测试过程运行以收集和分析数据，目的是通过在整个开发过程中跟踪参数修改和所得过程值并提供组合参数子集以创建期望的生产配置的手段来以最大生产速度实现产品规格。

如将描述的，在实施例中，增强的搜索能力包括允许搜索和过滤知识库并且特别是参数配置(包括生产参数配置)的例程。在一些实施例中，可以将配置导出为可以下载到控制器的格式(例如，FHX文件)，以将控制器配置为操作过程工厂中的一些或所有设备。在这样的配置中，导出文件可以被传输到其他生产现场，以确保生产参数在整个过程工厂环境中是一致的，生产参数通常是监管认证制度的一部分。

在实施例中，除了参数开发之外，增强的搜索能力促进增强的过程监测。可以在过程运行时期间(即，当过程主动执行以生产产品时)采用所描述的系统的增强的搜索能力来监测在正常状态之外操作的参数的过程。例如，使用增强的搜索能力，系统可以连续查询所选参数的时间序列数据，以执行软传感器计算和数据过滤。因此，不能实时直接观察/测量的参数可以被开发并实现为“软传感器”，以向操作员提供附加数据和/或向控制例程提供附加输入。即，作为增强的搜索能力的结果输出的软传感器值可以是对控制例程的实时输入，从而改善其操作并导致更好控制的过程和/或更高质量的产品。

在其他实施例中，除了允许跨工厂分布生产参数之外，增强的搜索能力还允许跟踪参数(包括操作参数、调整参数和设备参数)的局部变化，并提供可追溯性、改变管理、版本化和分支。这些能力有助于改进跨多个设施和设备线的过程，并且可以在设施的参数值处于监管合规或资格之外或者处于变为监管合规或资格之外的风险中(其可能影响产品或整个设施的合规或资格)时发出警报。

图32A是示出使用本文所述的增强搜索能力进行参数开发的示例性方法3200的流程图。图32B是示出存储在知识库42中的数据的框图，例如，该数据可以全部或部分地与方法3200相关联。参考图32A和32B，在方法3200中，定义第一生产参数集合(并且具体地，参数值)3214(框3202)。用于过程工厂中的多个过程控制设备的第一生产参数集合涉及相关产品的生产，并且可以包括一个或多个操作参数3216、一个或多个调整参数3218以及一个或多个设备参数3220。在实施例中，生产参数在第一实例中由过程配置工程师定义，并且因此，第一生产参数集合3214可以不是计算机生成的。然而，即使值不一定由系统导出，也可以使用电子过程捕获存储为第一生产参数集合3214的数据。例如，并且如本说明书中其他部分所述，在过程控制器111上实现的编程数据可以被导出到数据湖40，并且上下文知识挖掘器45可以处理控制器编程数据以提取参数值用于存储为第一参数集合3214，并将第一生产参数集合3214的每个参数分类为操作参数3216、调整参数3218和设备参数3220。

基于第一生产参数集合3214，处理器(例如，执行上下文知识挖掘器45的处理器35)创建多个过程控制现场设备和第一生产参数集合3214的上下文表示，并且将上下文表示存储在知识库42中，例如，存储在上下文储存库49中，并且在实施例中，存储为上下文储存库49中的图形数据53(框3204)。

方法3200还包括由过程控制器111根据第一生产参数集合3214执行包括控制回路的多个控制例程138，以创建第一测试产品(框3206)。在执行控制例程138期间，控制器111从过程中收集指示过程的操作的数据，该数据可以被发送到数据湖40和/或被摄取到知识库42中并存储在知识库42中作为收集的数据集3222(框3208)。具体地，收集的数据集3222可以包括发射器值3224(即，从耦接到现场设备或过程工厂中的传感器的发射器接收的数据)、样本值3226(即，与产品样本相关的数据，特别是与样本的自动或手动测量的质量相关的数据)以及其他数据，包括外部数据(例如，气象站数据)、用户数据(例如，运行工厂的操作人员)、分类数据(例如，工厂正在哪个班次中操作、包括正在使用哪些单元和设备的单元和设备站信息)、材料特性(例如，原油中的硫含量等)和设备状态信息(例如，设备需要维护)。收集的数据集3222中的数据可以作为时间序列数据55存储在时间储存库51中。当然，上下文知识挖掘器45还可以通过分析时间序列数据来确定一个或多个关系，并且可以将这些关系存储在上下文储存库49中。

分析所存储的收集的数据集3222，并且使用过程控制现场设备和第一生产参数集合3214的上下文表示，分析数据以确定与控制回路的执行相关联的产品参数3236以创建第一测试产品(框3210)。所确定的产品参数3236可包括第一测试产品的生产速度3238、第一测试产品的一个或多个质量3240、创建第一测试产品所消耗的一种或多种输入材料的数量3242、创建第一测试产品所消耗的一种或多种输入材料的成本3244、和/或创建第一测试产品的生产成本3246。

方法3200还包括根据对收集的第一数据集3222的分析来调整第一生产参数集合3214中的一个或多个，以创建第二生产参数集合3248(其也可以包括操作参数3250、调整参数3252和设备参数3254)(框3212)。可以鉴于手动或自动分析来进行，并且在特定实施例中，鉴于存储在上下文储存库49中的关系来进行对第一参数集合3214的调整以创建第二参数集合3248，所述关系指示响应于对一个或多个参数中的其他参数的阶跃变化而对参数中的一个或多个参数的影响。下面将描述由于阶跃变化而导致参数之间的确定关系的分析和方法。

在一些实施例中，方法3200可包括根据附加(例如，第二等)生产参数集合，基于控制回路的附加运行，将方法迭代附加次，以创建第三和更大的生产参数集合。

方法3200还可包括在根据第二生产参数集合的多个控制回路的第二执行期间预测由第二生产参数集合产生的第二数据集，并且在实施例中，根据第二生产参数集合执行多个控制回路并将预测的第二数据集与收集的第二数据集进行比较。

在某些实施方式中，还可以进行其他预测，包括测试产品的一个或多个定量性质的预测、生产速度的预测、输入材料的数量或成本的预测和/或产品的生产成本的预测。

增强的搜索能力与上下文储存库49相结合，有助于实施例，其中该方法包括接收产品参数(例如，期望的产品质量、期望的生产速度等)并调整一个或多个生产参数，使得过程和/或产品满足接收到的产品参数。

图32C是示出使用本文所述系统的增强搜索能力进行过程监测的方法3250的流程图。方法3250包括在计算设备处从知识库42获得数据集，并且具体地，从上下文储存库49获得上下文数据，上下文数据与第一过程工厂中的过程控制现场设备相关联并且指示过程控制现场设备之间的关系(框3252)。方法3250还包括在计算设备处从知识库42获得数据集，并且具体地，获得指示第一过程工厂中的多个参数中的每个参数的正常操作状态的数据(框3254)。多个参数包括第一操作参数集合、第一调整参数集合和第一设备集合参数。计算设备在过程控制系统的操作期间从第一过程工厂的操作接收实时时间序列数据(框3256)。在实施例中，实时时间序列数据可以被流式传送到数据湖40中，被摄取到知识库42中，并且具体地，被摄取到时间储存库51中作为时间序列数据55。可以使用例如执行数据过滤和/或软传感器计算的一个或多个查询来连续地查询时间序列数据55，以便产生在框3256处的方法步骤中接收的时间序列数据。可以一致地分析所接收的与多个参数相关的时间序列数据(包括所生成的任何软传感器值)、指示多个参数中的每个参数的正常操作状态的数据以及上下文数据，以确定第一过程工厂的任何参数是否在正常状态之外操作(框3258)。

在实施例中，数据的连续查询可以由脚本执行。脚本可以立即(例如，在执行完成时立即重新开始)或周期性地(例如，每秒、每30秒、每60秒等)重复一系列步骤。在一个实施例中，连续查询可以使用一个或多个参数(例如，两种材料的进给速率)的最近时间段(例如，30分钟)的数据，以使用预训练的机器学习模型来预测稍后处理阶段中的产品质量。脚本可以加载和初始化经训练的模型，检索最近的时间序列参数，清理数据(例如，去除异常值)，使用机器学习模型来预测软传感器值，存储软传感器值以供稍后可视化呈现，并且在软传感器值是一个或多个控制回路的一部分的实施例中，将软传感器值写回到控制器。

在框3252处获得的上下文数据可以是图形数据库(例如，图形数据库53)的形式，并且可以表示过程控制现场设备与过程控制配置之间的关系、由过程控制器执行的两个或更多个控制回路之间的关系、或两者。

在实施例中，方法3250还可以包括将来自一个或多个过程控制器的时间序列数据和上下文数据实时输入到经训练的AI模型中，并且从经训练的AI模型接收基于实时时间序列数据的产品质量的实时预测作为输出。基于从经训练的AI模型输出的产品质量的实时预测，方法3250还可包括调整多个生产参数中的一个或多个，这又可使控制器改变一个或多个生产参数的值。可替换地，经训练的AI模型可输出要调整的多个生产参数中的一个或多个参数的推荐。

在一些实施方式中，方法3250还可以包括，作为获得指示多个参数的正常操作状态的数据的一部分，基于上下文数据将当前参数数据输入到模型中，以获得用于过程的当前操作的参数的正常状态。

如将理解的，方法3250也可以在多个生产现场中的每一个处实施。在这样做时，可以针对可能脱离“正常”状态或朝向脱离“正常”状态漂移的产品参数和/或生产参数来监测各个系统中的每一个。此外，通过比较生产工厂之间的漂移，可以由上下文知识挖掘器45确定附加信息(例如，关系)。

如上所述，本文描述的增强的搜索能力也可以用于跨不同生产现场管理参数的目的。在各种方法中，除了帮助跨多个设施和设备线细化过程之外，增强的搜索能力还可以促进跨工厂的生产参数的分布、参数的局部变化的跟踪、以及提供可追溯性、改变管理、版本化和分支。

参考图32D，流程图示出了可以在包括生产产品的多个过程工厂的工业过程控制系统中使用的方法3260。过程工厂中的每个过程工厂包括由相应的一个或多个过程控制器控制以生产产品的相应的多个过程控制现场设备。在方法3260中，计算设备针对过程控制工厂中的每个过程控制工厂从知识库42并且具体地从上下文储存库49获得上下文数据集的集合(框3262)。上下文数据集是与相应过程工厂中的过程控制现场设备相关联的数据，并且指示过程控制设备之间的关系。在实施例中，上下文数据还可以指示过程控制现场设备与过程控制回路之间和/或过程控制回路之间的关系。计算设备还向每个过程工厂传送与相应过程工厂处的产品的生产相关联的参数数据值集合(框3264)。在实施例中，传送到过程工厂中的每个过程工厂的参数数据值集合是文件的形式，该文件可直接下载到过程控制器，并且当由过程控制器执行时，该文件操作以使过程工厂操作以生产产品。(示例文件是可以下载到DeltaV

计算设备还在过程控制系统的操作期间从过程工厂中的每一个获得来自相应过程控制器的实时时间序列数据(框3266)。在一些实施方式中，所接收的实时时间序列数据可以被流式传送到数据湖40中，并且作为时间序列数据55被摄取到知识库42中，并且具体地，被摄取到时间储存库51中。可以使用增强的搜索能力来查询时间序列数据55(或者，在任何情况下，接收到的时间序列数据，然而被存储的)，以确定相应的参数数据值集合中的任一个是否已经改变(框3268)。在参数数据值的任何集合中已经发生一个或多个改变的情况下，该方法可以包括确定集合中已经改变的参数中的一个或多个，并且将一个或多个改变的参数中的每一个分类为操作参数、调整参数或设备参数中的一个。通过对改变的参数进行分类，系统(或与系统相关联的人员)可以确定改变是与设备(其特定于工厂)相关还是与产品或控制系统/例程相关。另外，改变的参数可以被指派版本信息并被存储以供将来参考。

在实施例中，该方法还可以包括查询上下文数据和时间序列数据并分析数据，以计算或者确定可以用于例如表征或预测过程工厂的操作的一些方面或者表征或预测产品本身的一些方面的一个或多个软传感器值。可以连续地或周期性地为每个过程工厂确定该软传感器值。

在一些实施方式中，存储在上下文储存库49中的上下文数据(例如，作为图形数据53)可以包括指示各种参数之间的关系的数据。参数之间的关系可以包括关于第一参数的增加或减小(例如，阶跃变化)对第二参数可能具有的影响的信息、关于第一参数的变化率(例如，上升率或下降率)对第二参数可能具有的影响的信息、关于第一参数的变化量值对第二参数可能具有的影响的信息等。关系还可以包括关于一个参数对另一个参数的各种扰动(即，值的临时偏差)的影响的信息。例如，关系可以包括关于由第二变量的扰动引起的对一个变量的影响的信息，并且可以基于扰动或受影响的变量中的任何一个或多个以下因素来表征影响：扰动持续时间、扰动上升时间、扰动下降时间、扰动量值、扰动变化率等。如下面将描述的，可以部分地通过采用本文描述的增强的搜索能力来确定这些关系。

在过程控制系统的控制参数中引入阶跃变化或扰动

设计、操作、优化和维护制造现场需要或至少受益于详细理解过程控制系统在变化的条件下如何表现，以找到用于成本有效的高速生产的一个或多个最佳配置。该问题类似于研究寻找平滑全局最小值的高维景观。

使用本文描述的增强的搜索能力，可以采用包括扰动测试和阶跃测试的设定点操纵的各种方法来“感觉”系统。与通常是设定点从第一值到第二值的可检测和持续变化的阶跃变化相反，扰动可以是最小可检测的(例如，具有刚好足够大以引起一个或多个其他参数的可检测差异的幅度和/或持续时间)和可逆的(例如，设定点可以返回到其原始值)。这些测试将精心设计的变化侧和方向的设定点变化序列引入到过程中，并监测变化如何影响系统并通过系统传播。在过程的特定点处记录所得信号的传感器值，并对有助于理解过程的动态特性的大量信息进行编码。为了解码信息，可以应用各种数据变换。这些数据变换可以包括傅里叶变换，和/或可以应用深度学习技术来分析振荡行为、状态变化、反射和元模式。

所应用的变换算法本身可以是高度通用的和可参数化的，从而允许优化期望输出的质量。示例包括短时傅里叶变换的时间窗口、斜率检测器的触发点或深度学习算法的拓扑和学习速率。虽然调整算法参数对于数据科学家来说通常是高度交互和实验的过程，但是本系统的增强的搜索能力提供了一种工具，该工具容易地组合变换函数，可视化结果，并交互地调整算法参数直到输出满足预期。

图33A是示出可以使用增强的搜索能力来实现扰动测试的示例方法3300的流程图。方法3300包括从知识库42获得数据集，知识库42存储与过程相关的过程配置数据和存储与过程配置数据相关联的上下文的图形数据库(例如，图形数据53)(框3302)。第一过程控制数据集被接收并且包括过程工厂中的多个参数的时间序列数据，该时间序列数据是在过程的操作期间收集的(框3304)。该方法包括使过程控制器在过程工厂的控制参数中引入扰动(框3306)，以及接收包括过程工厂中的多个参数的时间序列数据的第二过程控制数据集(框3308)。第二时间序列数据集至少包括从引入扰动的时间延伸到稍后时间(例如，5分钟后、10分钟后、1小时后等)的时段的数据。当然，第二时间序列数据集所覆盖的时间长度可取决于系统的类型、受扰动影响的参数、可观察到影响的时间范围等。使用从知识库获得的数据集分析第一和第二过程控制数据集，以做出与扰动的一个或多个影响相关的确定(框3310)，包括例如第一参数的扰动对一个或多个第二参数的影响。

在实施例中，可以在一段时间(例如，小于五分钟、小于一分钟或小于30秒)内引入扰动，并且在该时间段期满时，可以将控制参数恢复(例如，控制器可以返回控制参数值)到其原始值。在实施例中，方法3300可以包括引入多个扰动。例如，方法3300可以包括接收第三时间序列过程控制数据集，在相同的控制参数中引入第二扰动，接收第四时间序列过程控制数据集，以及相对于与第一扰动的一个或多个影响相关的确定来分析第三和第四时间序列数据集(即，在第二扰动之前和之后的数据)，以确定第二扰动的一个或多个影响，并且根据该确定来检测和/或表征过程控制系统的配置或操作中的漂移。这可以针对更进一步的扰动实例和时间序列数据集重复。

扰动影响的确定可以包括：确定在不将过程工厂的产品推到产品的指定生产参数之外的情况下可以引入的最大扰动幅度；确定在不将过程工厂的产品推到产品的指定生产参数之外的情况下可以引入的最大扰动变化率；确定在不将过程工厂的产品推到产品的指定生产参数之外的情况下可以引入的最大扰动持续时间；确定与扰动相关联的传播时间，传播时间被定义为在扰动的引入与扰动(i)在所述过程工厂的实体处或(ii)对所述过程工厂的下游参数的影响之间经过的时间；和/或确定扰动之后在过程工厂处测量产品的样品的最佳时间。

在一些实施方式中，方法3300包括在控制工厂中的第二参数中引入扰动，以及接收过程工厂中的参数的时间序列过程控制数据，利用先前的数据集(和上下文数据)分析这些参数以做出与第一参数和第二参数的扰动的一个或多个影响相关的确定。

此外，可以在类似的过程工厂(例如，运行并行过程以生产相同产品的过程工厂)中引入扰动。即，可以在两个或更多个工厂处重复方法3300，并且可以比较不同工厂中的相同参数的相同扰动的一个或多个影响。

图33B至33J示出了参数值的扰动与那些扰动对其他参数值的响应效应之间的各种假设示例关系。图33B至33J中的每一个示出了示出两个参数的参数值的曲线图，其中Y轴表示参数的值，并且X轴表示时间。在每个图中，顶部的参数是引入扰动的参数(例如，通过设定点的变化)，而底部的参数是响应于引入的扰动的参数。每个图中示出的两个参数不一定在Y轴上具有相同的标度，而是为了便于参考而在相同的图中示出，并且因为它们在时间上彼此相关(即，在X轴上)。此外，虽然任何给定示例可以示出第一参数中的给定类型的扰动导致第二参数中的给定类型的响应偏差，但是这些附图仅是示例性的，而不旨在是限制性的。即，虽然给定的图可以示出对扰动的响应随时间(或随幅度、随变化率等)而变化，但是实际上，应当理解，扰动幅度的变化可能导致随时间或变化率而变化的响应，扰动变化率的变化可能导致响应幅度的变化等。

图33B分别示出了系统中第一假设参数值3312和第二假设参数值3314随时间的示例值。在第一参数值3312中引入的扰动3316发生在从时间t

本文描述的系统的增强的搜索能力有助于识别过程控制系统内的这种因果关系，但是更显著地，可以自动搜索其中可以捕获这种关系的时间序列数据(在引入扰动之前和之后)，并且可以识别和存储关系以供AI模型或其他服务稍后使用。时间序列数据可以流式传送到数据湖40，并且上下文知识挖掘器45可以识别第一参数中的扰动与对一个或多个第二参数的影响之间的关系。在一些实施例中，关系可以由上下文知识挖掘器45存储在知识库42中，其中时间序列数据55存储在时间储存库51中，并且上下文关系存储在上下文储存库49中，作为图形数据53。当已经确定和捕获了这样的关系时，这些关系可以用于稍后分析类似的扰动，以识别和/或表征过程控制系统中的漂移。

图33C和33D示出了第一假设参数值3322和第二假设参数值3324随时间的示例值。虽然图33C和33D示出了同一对假设参数3322和3324的示例值，但是图33C示出了在第一时间的值，而图33D示出了在第二稍后时间的值。图33示出了第一参数3322的值，包括在时间t

参数3322在图33D中被示出为具有与引入的扰动3326相同但在不同时间发生的引入的扰动3326'。具体地，引入的扰动3326'发生在时间t

虽然图33C和33D中示出的示例示出了结合增强的搜索能力和上下文知识使用扰动和响应来识别和/或表征系统中的漂移(即，随时间偏离初始条件的操作)，但是在实施例中，结合增强的搜索能力和上下文知识的扰动也可以用于表征系统的预期标称操作。该表征可用于建模，并且具体地，用于基于机器学习的建模，用于预测响应于不同刺激的各种参数的行为。

与为了检测和表征漂移而引入扰动(其中在不同时间引入相同的扰动)相反，在一些实施例中，可以通过将各种参数的扰动引入到过程控制系统中并通过改变所引入的扰动的特性以及监测、记录和分析系统的响应来实现对参数的各种变化的系统响应的表征。图33E和33F示出了该概念。图33E示出了两个参数3340和3342随时间的值。第一扰动3344被引入参数3340中，并且导致参数3342中的响应偏差3346。在所示出的示例中，响应偏差3346导致保持低于由线3348指示的假设边界值(例如，高于其产品可能不再被认证/可用的值)的参数3342的最大值。图33F示出了在不同时间点相同的两个参数3340和3342随时间的值。在参数3340中引入具有比第一扰动3344更大量值的第二扰动3344'。第二扰动3344'导致参数3342的第二响应偏差3346'。然而，与图33E中的响应偏差3346相反，较高量值的扰动3344'导致图33F中的对应响应偏差3346'超过边界值3348。通过考虑存储在上下文储存库49中的上下文知识来分析可以流式传送到数据湖40并摄取到时间储存库51中的这些数据，系统(例如，通过使用上下文知识挖掘器45)可以确定和记录第一参数的幅度变化与一个或多个第二参数的响应之间的关系。结果，可以理解和表征对不同扰动的响应，并且系统允许过程控制系统以将关键参数值保持在可接受的范围内的方式控制过程工厂。

由上下文知识挖掘器45辅助的系统还可以通过分析各种其他参数对扰动的响应来识别和表征受控参数的各种变化率值的影响。图33G和33H示出了一个这样的示例。图33G示出了两个参数3350和3352随时间的值。在参数3350中引入第一扰动3354，并且导致参数3352中的响应偏差3356。第一扰动3354将参数3350的值增加量值ΔA。参数3350的量值的增加发生在时间段t

可以类似地探索扰动的其他特性的影响。图33I和33J示出了又一示例，该时间与扰动的持续时间(与量值、变化率等相反)的差异相关。图33I示出了两个参数3360和3362随时间的值。第一扰动3364被引入参数3360中，并且导致参数3362中的响应偏差3366。第一扰动3364在时段t

图33B至33J中所示的每个示例示出了单个参数对另一个单独参数中的扰动的响应的比较。然而，虽然在这些示例中未示出，但是应当明确地理解，系统实际上可以监测系统中的多个/许多/所有参数，以确定对任何其他参数的扰动的对应响应。通过在各种参数中的每一个中引入各种扰动类型，可以以对过程工厂的操作的最小干扰来表征过程控制系统(即，确定和存储的上下文关系)，并且使用所确定和存储的上下文关系，过程控制系统以及特别是由过程控制器执行的算法可以适于更好地控制过程以将各种参数保持在(有时是关键的)界限内。

图34A是示出可以使用增强的搜索能力来实现阶跃测试的示例方法3400的流程图。方法3400包括从知识库42获得数据集，该知识库42存储与过程相关的过程配置数据和存储与过程配置数据相关联的上下文的图形数据库(例如，图形数据53)(框3402)。第一过程控制数据集被接收并且包括过程工厂中的多个参数的时间序列数据，该时间序列数据在过程的操作期间被收集(框3404)。该方法包括使过程控制器在过程工厂的控制参数中引入阶跃变化(框3406)，并且接收包括过程工厂中的多个参数的时间序列数据的第二过程控制数据集(框3408)。第二时间序列数据集至少包括从引入阶跃变化的时间延伸到稍后时间(例如，5分钟后、10分钟后、1小时后等)的时段的数据。当然，第二时间序列数据集所覆盖的时间长度可以取决于系统的类型、受阶跃变化影响的参数、可以观察到影响的时间范围等。使用从知识库获得的数据集来分析第一和第二过程控制数据集合，以做出与阶跃变化的一个或多个影响相关的确定(框3410)，包括例如第一参数的阶跃变化对一个或多个第二参数的影响。

如同与扰动的引入相关的方法3300，方法3400可以用于通过在不同时间引入相同的阶跃变化并分析系统响应来表征和/或检测过程随时间的漂移。在实施例中，还可以使用根据方法3400的阶跃变化的分析来确定系统可以容忍什么类型的阶跃变化(什么量值、变化率等)，而不会将系统推到指定的生产参数之外。还可以使用方法3400来测量影响的传播时间，并且测量一个参数的阶跃变化对过程工厂的一个或多个其他参数或实体产生影响所花费的时间。如将描述的，这些测量可以部分地用于确定最佳(或非最佳)产品(或副产品或材料)采样时间。此外，方法3400可以用于响应于第一参数的特定阶跃变化来确定或预测第二控制参数的调整值，从而允许通过在需要在第一参数中进行阶跃变化时主动调整一个或多个第二参数而不是在调整第二参数之前等待观察阶跃变化对第二参数的影响来将整个过程保持在更好的状态。

方法3400还可以包括在多个过程工厂处使用类似或相同的阶跃变化来检测和/或表征过程工厂之间的差异。在实施例中，这样的阶跃变化可以用于确定在过程工厂处一个或多个参数是否已经从在过程工厂处初始传播、批准、认证和/或实现的参数集合改变。

图34B至33G示出了应用于参数值的阶跃变化与那些阶跃变化对其他参数值的响应影响之间的各种假设示例关系。图34B至34G中的每一个示出了示出两个参数的参数值的曲线图，其中Y轴表示参数的值，并且X轴表示时间。在每个图中，顶部的参数是针对其引入阶跃变化(例如，通过设定点的变化)的参数，而底部的参数是响应于所引入的阶跃变化的参数。每个图中示出的两个参数不一定在Y轴上具有相同的标度，而是为了便于参考而在相同的图中示出，并且因为它们在时间上彼此相关(即，在X轴上)。此外，虽然任何给定示例可以示出应用于第一参数的给定类型的阶跃变化引起第二参数中的给定类型的响应偏差，但是这些附图仅是示例性的，而不旨在是限制性的。即，虽然给定的图可以示出对阶跃变化的响应随时间(或随量值、随变化率等)变化，但是实际上，应当理解，阶跃变化的量值的变化可能导致响应随时间或变化率变化，阶跃变化的变化率的变化可能导致响应量值的变化等。

图34B和34C示出了通过引入阶跃变化来检测过程漂移。在图34B中，示出了两个参数3420和3422随时间的值。在时间t

虽然图34B和图34C中示出的示例示出了使用阶跃变化和响应结合增强的搜索能力和上下文知识来识别和/或表征系统中的漂移(即，随时间偏离初始条件的操作)，但是在实施例中，还可以使用阶跃变化结合增强的搜索能力和上下文知识来表征系统的预期标称操作。该表征可用于建模，并且具体地，用于基于机器学习的建模，用于预测响应于不同刺激的各种参数的行为。

与为了检测和表征漂移而引入阶跃变化(其中在不同时间引入相同的阶跃变化)相反，在一些实施例中，可以通过将各种参数的阶跃变化引入到过程控制系统中并通过改变引入的阶跃变化的特性并监测、记录和分析系统的响应来实现对参数的各种变化的系统响应的表征。图34D和34E示出了该概念。图34D示出了两个参数3430和3432随时间的值。在参数3430中引入第一阶跃变化3434。第一阶跃变化3434将参数3434的值增加量值ΔA

由上下文知识挖掘器45辅助的系统还可以通过分析各种其他参数对阶跃变化的响应来识别和表征受控参数的各种变化率值的影响。图34F和图34G示出了一个这样的示例。图34F示出了两个参数3440和3442随时间的值。在参数3440中引入第一阶跃变化3444，并且导致参数3442中的响应偏差3446。第一阶跃变化3444将参数3440的值增加量值ΔA

图34B至34G中所示的每个示例示出了单个参数对另一个单独参数的阶跃变化的响应的比较。然而，虽然在这些示例中未示出，但是应当明确地理解，系统实际上可以监测系统中的多个/许多/所有参数，以确定对任何其他参数的阶跃变化的对应响应。通过在各种参数中的每一个中引入各种阶跃变化类型，可以以对过程工厂的操作的最小干扰来表征过程控制系统(即，确定和存储的上下文关系)，并且使用所确定和存储的上下文关系，过程控制系统以及特别是由过程控制器执行的算法可以适于更好地控制过程以将各种参数保持在(有时是关键的)界限内。

在另外的实施例中，可以按顺序执行不同量值和方向的多个阶跃变化，如图34H所示。图34I示出了对于各种参数，来自阶跃测试的所得传播信号。此外，在与引入参数的阶跃变化或扰动相关的任何方法中，可以在时域中激励系统，其中捕获、存储和分析时间序列数据以挖掘参数之间的关系。可以通过使用频域分析来分析由扰动和/或阶跃变化产生的整个频谱来增强这些时域激发的值以及所收集的时间序列数据。

图35A至35D示出了与使用扰动和阶跃变化来检测和表征过程控制系统操作的各个方面相关的附加概念。通常，图35A和35B示出了上述方法，其有助于理解和预测参数对扰动和阶跃变化的响应，可以用于通知参数的调整以将过程保持在某些操作界限或状态内。在图35A中，示出了两个参数3500和3502随时间的值。在参数3500中发生扰动3504，其在没有其他调整的情况下将导致参数3502中的响应偏差3506，该偏差3506将推动参数3502高于最大可接受值3508。然而，使用存储在上下文储存库49中的知识(其指示扰动3504将必然引起响应3506)，系统可以调整一个或多个其他参数(例如，调整参数)以主动地和抢先地调整过程，使得参数3502反而表现出将参数3502的最大值保持在可接受的范围内的适度响应3506'。图35B示出了对于阶跃变化的类似示例。在图35B中示出两个参数3510和3512随时间的值。在参数3510中发生阶跃变化3514，其在没有其他调整的情况下将导致参数3512中的响应偏差3516。在没有一些调节或调整的情况下，偏差3516将推动参数3512高于最大可接受值3518。然而，使用存储在上下文储存库49中的指示阶跃变化3514将必然引起响应3516的知识，系统可以调整一个或多个其他参数(例如，调整参数)以主动地和抢先地调整过程，使得参数3512反而表现出将参数3512的最大值保持在可接受的范围内的适度响应3516'。

图35C和35D示出了上述方法，其有助于理解和预测参数对扰动和阶跃变化的响应，可以用于确定参数、产品或产品中间体(即，产品中或制造成产品的过程中使用的材料)的采样的最佳时间。所讨论的采样可以是通过过程工厂的传感器进行的采样，可以是自动采样和分析单元，或者可以手动执行(例如，通过从过程中提取材料的物理样品并对采样材料的可测量物理性质进行测试/分析)。图35C示出了两个参数3520和3522随时间的值。参数3522可以是在采样时需要在某些界限内的过程参数，或者可以是在采样时必须在某些界限内的产品参数。参数3520的扰动3524发生在第一时间(未示出)，并且稍后在时间t

图35D示出了关于阶跃变化的类似概念。在图35D中，第一参数3530在第一时间(未指示)经历阶跃变化3534。在某个稍后的时间t

当以软件实现时，本文描述的任何应用、服务和引擎可以存储在任何有形的、非暂时性计算机可读存储器中，例如存储在磁盘、激光盘、固态存储设备、分子存储设备或其他存储介质上，存储在计算机或处理器的RAM或ROM中。尽管本文所公开的示例性系统被公开为包括在硬件上执行的软件和/或固件等组件，但应注意，这样的系统仅仅是说明性的并且不应被视为限制性的。例如，预期这些硬件、软件和固件组件中的任何一个或所有可以专门以硬件来实施、专门以软件来实施、或以硬件和软件的任何组合来实施。因此，虽然本文所描述的示例性系统被描述为在一个或多个计算机设备的处理器上执行的软件中实现，但是本领域的普通技术人员将容易理解所提供的示例不是实现此类系统的唯一方式。

因此，虽然本发明已参考具体实施例进行了描述，这些实施例仅用于说明而非限制本发明，但对于本领域的普通技术人员来说显而易见的是，在不脱离本发明的精神和范围的情况下，可以对所公开的实施例进行改变、添加、或删除。

任何具体实施例的特定特征、结构和/或特性可以以任何合适的方式和/或与一个和/或多个其他实施例的任何合适的组合相结合，包括使用具有或不具有对应的选定特征使用其他功能。此外，可以进行许多修改以使特定应用、情况和/或材料适应本发明的基本范围或精神。应当理解，根据本文的教导，本文描述和/或描绘的本发明的实施例的其他变化和/或修改是可能的，并且应该被认为是本发明的精神或范围的一部分。本发明的某些方面在本文中被描述为示例性方面。

本公开中描述的技术的实施例可以单独或组合地包括任何数量的以下方面：

1A.一种用于外部设备与过程工厂的过程控制系统安全地交互的方法，该方法包括：通过过程控制系统的边缘网关系统在由过程控制系统控制的工业过程的运行时期间从存储与工业过程相关的过程内容数据和指示过程内容数据之间的关系的上下文数据的知识库获得数据集，该数据集响应于知识库的查询；通过边缘网关系统，将数据集提供给在过程控制系统的网络安全屏障之外的一个或多个计算设备上执行的外部应用；通过边缘网关系统并响应于所提供的数据集，接收对应于运行时工业过程的指令；根据接收到的指令，通过边缘网关系统致使对过程控制系统的网络安全屏障内的操作或数据储存器中的至少一个进行修改。

2A.根据方面1A的方法，其中，向外部应用提供数据集包括向在过程控制系统或过程工厂的代理的计算设备上执行的用户接口应用提供数据集。

3A.根据前述方面中任一方面所述的方法，其中，向外部应用提供数据集包括向在一个或多个远程计算设备上执行的远程过程控制系统应用提供数据集。

4A.根据前述方面中任一方面所述的方法，其中，向外部应用提供数据集包括向在一个或多个远程计算设备上执行的企业应用提供数据集，该企业应用由与过程控制系统相关联的企业提供。

5A.根据前述方面中任一方面所述的方法，其中，向外部应用提供数据集包括向由第三方提供的第三方应用提供数据集。

6A.根据前述方面中任一方面所述的方法，其中，向外部应用提供数据集包括将数据集提供给软或智能传感器应用。

7A.根据前述方面中任一方面所述的方法，其中，向外部应用提供数据集包括向web客户端应用提供数据集。

8A.根据前述方面中任一方面所述的方法，向外部应用提供数据集包括向在移动设备上执行的外部应用提供数据集。

9A.根据前述方面中任一方面所述的方法，还包括通过边缘网关系统更新知识库，以包括(i)指示查询、数据集、指令、或修改中的至少一个的附加内容数据，以及(ii)指示查询、数据集、指令、或修改中的至少两者之间的相应关系的附加上下文数据。

10A.根据前述方面中任一方面所述的方法，还包括通过边缘网关系统接收搜索查询，并且其中，从知识库获得数据集是响应于搜索查询。

11A.根据方面10A所述的方法，其中，知识库的查询为库访问查询，该方法还包括通过边缘网关系统基于接收到的搜索查询生成库访问查询。

12A.根据方面10A或方面11A所述的方法，其中，接收搜索查询包括接收由用户输入的自然语言搜索查询。

13A.根据方面12A所述的方法，其中，接收由用户输入的自然语言搜索查询包括接收通过麦克风输入的语音自然语言搜索查询。

14A.根据方面12A或方面13A所述的方法，其中，接收由用户输入的自然语言搜索查询包括接收通过键盘、触摸屏或其他文本输入用户接口输入的文本自然语言搜索查询。

15A.根据方面12A至14A中任一方面所述的方法，还包括：通过边缘网关系统解析自然语言搜索查询的域；以及通过边缘网关系统基于域来查询知识库，其中，从知识库中获取数据集是响应于基于域的查询。

16A.根据方面15A所述的方法，其中，解析自然语言搜索查询的域包括利用知识库来解析自然语言搜索查询的域。

17A.根据方面15A或方面16A所述的方法，其中，解析自然语言搜索查询的域包括将自然语言搜索查询的域解析为在过程控制系统中定义的模块、块、批次名称、或另一过程控制实体。

18A.根据方面17A所述的方法，其中，解析自然语言搜索查询的域包括进一步基于操作员计算设备的用户的身份解析自然语言搜索查询的域。

19A.根据方面10A至18A中任一方面所述的方法，其中，接收搜索查询包括从外部应用接收搜索查询。

20A.根据方面10A至18A中任一方面所述的方法，其中，接收搜索查询包括接收由web客户端应用生成的搜索查询。

21A.根据方面10A至18A中任一方面所述的方法，其中，接收搜索查询包括接收已经由软或智能传感器应用自动生成的搜索查询。

22A.根据前述方面中任一方面所述的方法，其中，接收指令包括从在一个或多个远程计算设备上执行的远程过程控制系统应用接收指令。

23A.根据前述方面中任一方面所述的方法，其中，接收指令包括从在一个或多个远程计算设备上执行的企业应用接收指令，该企业应用由与过程控制系统相关联的企业提供。

24A.根据前述方面中任一方面所述的方法，其中，接收指令包括从由第三方提供的第三方应用接收指令。

25A.根据前述方面中任一方面所述的方法，其中，接收指令包括接收由软或智能传感器应用自动生成的指令。

26A.根据前述方面中任一方面所述的方法，其中，接收指令包括从web客户端应用接收指令。

27A.根据前述方面中任一方面所述的方法，其中，接收指令包括从在移动设备上执行的外部应用接收指令。

28A.根据前述方面中任一方面所述的方法，其中：接收与运行时工业过程相对应的指令包括接收用于将数据值写入过程控制系统的命令，该数据值是基于所提供的数据集而确定的；并且修改包括将数据值写入数据储存器。

29A.根据方面28A所述的方法，其中，修改还包括基于所写入的数据值对过程控制系统的操作的修改。

30A.根据方面28A或方面29A所述的方法，其中：接收用于将数据值写入过程控制系统的命令包括接收用于改变存储在过程控制系统的数据储存器中的当前数据值的命令；并且修改包括将当前数据值改变为由命令指示的数据值。

31A.根据方面28A至30A中任一方面所述的方法，其中：接收用于将数据值写入过程控制系统的命令包括接收用于在过程控制系统处存储新数据值的命令；并且修改包括存储新的数据值。

32A.根据方面28A至31A中任一方面所述的方法，其中：接收用于将数据值写入过程控制系统的命令包括接收用于在过程控制系统的用户接口上显示数据值的命令；并且修改包括在过程控制系统的一个或多个用户接口上显示数据值。

33A.根据方面28A至32A中任一方面所述的方法，其中：接收用于将数据值写入过程控制系统的命令包括接收对由过程控制系统产生的警告或警报的响应；并且致使修改包括致使对警报或警报的响应的指示被传递到过程控制系统的产生警报或警报的应用。

34A.根据方面28A至33A中任一方面所述的方法，其中：接收用于将数据值写入过程控制系统的命令包括接收用于存储触发条件的指示的命令，该触发条件在发生时使过程控制系统生成通知；并且修改包括在数据储存器中存储触发条件的指示。

35A.根据前述方面中任一方面所述的方法，其中：接收与运行时工业过程相对应的指令包括接收用于修改由过程控制系统控制的工业过程的运行时操作行为的命令。

36A.根据方面35A所述的方法，其中，接收用于修改由过程控制系统控制的工业过程的运行时操作行为的指令包括接收用于停止或开始执行由过程控制系统控制的批次过程的命令。

37A.根据方面35A或方面36A所述的方法，其中，接收用于修改过程控制系统控制的工业过程的运行时操作行为的指令包括接收用于显示对由过程控制系统控制的批次过程的提示的命令。

38A.根据方面35A至37A中任一方面所述的方法，其中，接收用于修改工业过程的运行时操作行为的指令包括接收用于停止或开始执行由过程控制系统控制的连续过程的一部分的命令。

39A.根据前述方面中任一方面所述的方法，其中，接收指令包括从在过程控制系统或过程工厂的代理的计算设备上执行的用户接口应用接收指令。

40A.根据方面39A所述的方法，其中，从在代理计算设备上执行的用户接口应用接收指令包括接收由用户输入的自然语言命令，并且该方法进一步包括：解析自然语言命令的域；以及根据域修改过程控制系统的操作或数据储存器中的至少一个。

41A.根据方面40A所述的方法，其中，解析自然语言命令的域包括将自然语言命令的域解析为过程控制系统中定义的模块、块、批次名称、或另一过程控制实体。

42A.根据前述方面中任一方面所述的方法，其中，致使对过程控制系统的网络安全屏障内的操作或数据储存器中的至少一个的修改包括致使修改的指示经由设置在过程控制系统的网络安全屏障内的多个中间服务器被传递到设置在过程控制系统的网络安全屏障内的接收方应用或接收方数据储存器。

43A.根据方面42A所述的方法，其中：致使修改的指示经由多个中间服务器被传递包括将修改的指示传送到与多个中间服务器通信连接的工厂安全写入网守；并且工厂安全写入网守验证修改的指示，当验证为成功时将修改的指示传送到多个中间服务器，以当验证为不成功时启动安全缓解程序以代替传送修改的指示。

44A.一种用于用户与过程工厂的过程控制系统安全地交互的计算设备，该计算设备包括：一个或多个处理器；一个或多个有形的、非暂时性计算机可读存储器；一个或多个用户接口；一个或多个通信接口，通过多个不同的通信路径将计算设备与过程控制系统通信连接；以及用户接口应用，包括存储在一个或多个存储器上的计算机可执行指令，并且计算机可执行指令可执行以使得过程控制系统在运行时期间操作以控制工业过程时计算设备执行以下操作：接收从过程控制系统的知识库获得的数据集，知识库存储与工业过程相关的过程内容数据，并且过程内容数据是经由多个不同通信路径中的第一通信路径从过程控制系统接收的，第一通信路径是被配置从过程控制系统传递数据的单向通信路径，并且知识库还存储指示过程内容数据之间的关系的上下文数据；在计算设备的一个或多个用户接口上呈现数据集；经由一个或多个用户接口并响应于所呈现的数据集，获得用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令；致使用户命令经由多个不同通信路径中的第二通信路径被传送到过程控制系统，第二通信路径是被配置为将数据传送到过程控制系统的单向通信路径。

45A.根据方面44A所述的计算设备，其中，数据集是响应于从计算设备传送到与知识库相关联的查询引擎的查询而由用户接口应用接收的。

46A.根据方面45A所述的计算设备，还包括在计算设备上执行的另一应用，并且其中，另一应用自主地生成查询并将其传输到查询引擎。

47A.根据方面46A所述的计算设备，其中，另一应用是远程过程工厂应用、多工厂应用、软传感器应用、分析应用、或与过程工厂关联的另一类型的应用。

48A.根据方面47A所述的计算设备，其中，另一应用未通信地连接到计算设备的一个或多个用户接口。

49A.根据方面45A至48A中任一方面所述的计算设备，其中，用户接口应用还被配置为经由计算设备的一个或多个用户接口接收用户查询，并且传送到查询引擎的查询是基于用户查询。

50A.根据方面49A所述的计算设备，其中，用户查询是自然语言查询。

51A.根据方面50A所述的计算设备，其中，自然语言搜索查询是语音自然语言查询。

52A.根据方面50A或方面51A所述的计算设备，其中，自然语言搜索查询是文本自然语言搜索查询。

53A.根据方面49A至52A中任一方面所述的计算设备，其中，用户接口应用还被配置为对用户查询的至少一部分进行自然语言处理，并且传送到查询引擎的查询包括经自然语言处理的用户查询的至少一部分。

54A.根据方面49A至53A中任一方面所述的计算设备，其中，查询引擎被配置为自然语言处理至少一些用户查询。

55A.根据方面44A至54A中任一方面所述的计算设备，其中用户接口应用是在计算设备上执行的web客户端或另一类型的客户端应用。

56A.根据方面44A至55A中任一方面所述的计算设备，其中，计算设备是移动计算设备。

57A.根据方面44A至56A中任一方面所述的计算设备，其中，计算设备设置在过程控制系统外部和过程工厂外部。

58A.根据方面44A至57A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于将数据值写入过程控制系统的命令。

59A.根据方面44A至58A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于利用指令中指示的数据值更新在过程控制系统处存储的当前数据值的命令。

60A.根据方面59A所述的计算设备，其中，对当前数据值的更新致使对过程控制系统的操作的修改。

61A.根据方面44A至60A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于将新数据值存储到过程控制系统的数据储存器的命令。

62A.根据方面44A至61A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于在过程控制系统的一个或多个用户接口上显示特定数据值的命令。

63A.根据方面44A至62A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于显示对由过程控制系统生成的警告或警报的响应的命令。

64A.根据方面44A至63A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于设置触发条件的命令，该触发条件在发生时触发过程控制系统生成通知。

65A.根据方面44A至64A中任一方面所述的计算设备，其中，用于修改过程控制系统的操作或数据储存器中的至少一个的用户命令包括用于修改由过程控制系统控制的工业过程的运行时操作行为的用户命令。

66A.根据方面65A所述的计算设备，其中，用于修改工业过程的运行时操作行为的用户命令包括用于开始或停止批次工业过程的执行的用户命令。

67A.根据方面65A或方面66A所述的计算设备，其中，用于修改工业过程的运行时操作行为的用户命令包括用于显示对批次工业过程的提示的用户命令。

68A.根据方面65A至67A中任一方面所述的计算设备，其中，用于修改工业过程的运行时操作行为的用户命令包括用于开始或停止连续工业过程的一部分的用户命令。

69A.根据方面44A至68A中任一方面所述的计算设备，其中，第二通信路径包括布置在计算设备和过程控制系统之间的多个中间服务器。

70A.根据方面69A所述的计算设备，其中，多个中间服务器中的每个中间服务器在朝向过程控制系统转发用户命令之前分别验证用户命令或用户命令的内容中的至少一个。

71A.根据方面44A至70A中任一方面所述的计算设备，其中，用户接口应用可执行以使计算设备进一步经由第一通信路径从过程控制系统获得对用户命令的响应。

1B.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：由一个或多个处理器从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库获得数据集；由一个或多个处理器经由移动计算设备的用户接口接收对来自数据集的过程数据的请求；由一个或多个处理器识别来自数据集的与请求相关的过程数据；由一个或多个处理器基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口呈现来自数据集的与请求相关的所识别的过程数据。

2B.根据方面1B所述的方法，其中，基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口呈现来自数据集的与请求相关的识别的过程数据包括：基于与所识别的过程数据关联的上下文对所识别的过程数据的呈现进行优先级划分或修改。

3B.根据方面2B所述的方法，其中，基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改包括：基于与所识别的过程数据的第一子集相关联的第一上下文显示所识别的过程数据的第一子集，以及基于与所识别的过程数据的第二子集相关联的第二上下文不显示所识别的过程数据的第二子集。

4B.根据方面2B或方面3B所述的方法，其中，基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改包括：基于与所识别的过程数据的第一子集相关联的第一上下文在移动计算设备的显示屏上的第一位置显示所识别的过程数据的第一子集，以及基于与所识别的过程数据的第二子集相关联的第二上下文在移动计算设备的显示屏上的第二位置显示所识别的过程数据的第二子集。

5B.根据方面2B至4B中任一方面所述的方法，其中，基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改包括：基于与所识别的过程数据的第一子集相关联的第一上下文经由移动计算设备的显示屏以较大尺寸显示所识别的过程数据的第一子集，以及基于与所识别的过程数据的第二子集相关联的第二上下文经由移动计算设备的显示屏以较小尺寸显示所识别的过程数据的第二子集。

6B.根据方面2B至5B中任一方面所述的方法，其中，基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改包括：基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现顺序进行优先级划分。

7B.根据方面1B至6B任一方面所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、或与过程数据相关联的工厂的区域。

8B.根据方面1B至7B中任一方面所述的方法，其中，基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口呈现来自数据集的与请求相关的所识别的过程数据包括：基于与经由移动计算设备的用户接口接收的请求相关联的一个或多个特性，进一步对所识别的过程数据的呈现进行优先级划分或修改。

9B.根据方面8B所述的方法，其中，与请求相关联的一个或多个特性包括以下中的一个或多个：与请求相关联的词、与请求相关联的短语、与请求相关联的音调的指示、或与请求相关联的紧急程度的指示。

10B.根据方面8B或方面9B所述的方法，其中，与请求相关联的一个或多个特性包括请求是由与移动计算设备的用户接口相关联的音频传感器捕获的口头请求的指示。

11B.根据方面8B至10B中任一方面所述的方法，其中，与请求相关联的一个或多个特性包括请求是经由移动计算设备的用户接口输入的文本请求的指示。

12B.根据方面8B至11B中任一方面所述的方法，其中，与请求相关联的一个或多个特性性包括请求包括对经由移动计算设备的用户接口显示的一个或多个可选择元素的用户选择的指示。

13B.根据方面1B至12B中任一方面所述的方法，其中，基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口呈现来自数据集的与请求相关的所识别的过程数据包括：基于与移动计算设备的显示器相关联的一个或多个特性，进一步对所识别的过程数据的呈现进行优先级划分或修改。

14B.根据方面13B所述的方法，其中，与移动计算设备的显示器相关联的一个或多个特性的指示包括以下中的一项或多项的指示：移动计算设备的类型、移动计算设备的尺寸、或移动计算设备的显示屏尺寸。

15B.根据方面13B或方面14B所述的方法，其中，与移动计算设备的显示器相关联的一个或多个特性的指示包括：所识别的过程数据是要通过web浏览器还是移动设备应用来呈现的指示。

16B.根据方面13B至15B中任一方面所述的方法，其中，与移动计算设备的显示器相关联的一个或多个特性的指示包括显示窗口的相对大小的指示，所识别的过程数据将经由该显示窗口呈现在移动计算设备的显示屏上。

17B.一种在工业过程控制系统中执行批次控制算法以控制过程工厂的批次过程的计算设备，该计算设备包括：一个或多个处理器；一个或多个有形的、非暂时性计算机可读存储器；一个或多个用户接口；用户接口应用，包括存储在一个或多个存储器上的计算机可执行指令，指令可执行以使计算设备在过程控制系统在运行时期间操作以控制工业过程时执行以下操作：从知识库获得数据集，该知识库存储与批次过程相关的过程数据和与过程数据关联的上下文；经由移动计算设备的用户接口接收对来自数据集的过程数据的请求；识别来自数据集的与请求相关的过程数据；基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口呈现来自数据集的与请求相关的所识别的过程数据。

18B.根据方面17B所述的计算设备，其中，所述指令使计算设备执行以下操作：通过基于所述与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改，来基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口呈现来自数据集的与请求相关的所识别的过程数据。

19B.根据方面18B所述的计算设备，其中，所述指令使计算设备执行以下操作：通过基于与所识别的过程数据的第一子集相关联的第一上下文显示所识别的过程数据的第一子集，以及基于与所识别的过程数据的第二子集相关联的第二上下文不显示所识别的过程数据的第二子集，来基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改。

20B.根据方面18B或方面19B所述的计算设备，其中，所述指令使计算设备执行以下操作：通过基于与所识别的过程数据的第一子集相关联的第一上下文在移动计算设备的显示屏上的第一位置显示所识别的过程数据的第一子集，以及基于与所识别的过程数据的第二子集相关联的第二上下文在移动计算设备的显示屏上的第二位置显示所识别的过程数据的第二子集，来基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改。

21B.根据方面18B至20B中任一方面所述的计算设备，其中，所述指令使计算设备执行以下操作：通过基于与所识别的过程数据的第一子集相关联的第一上下文经由移动计算设备的显示屏以较大的尺寸显示所识别的过程数据的第一子集，以及基于与所识别的过程数据的第二子集相关联的第二上下文经由移动计算设备的显示屏以较小的尺寸显示所识别的过程数据的第二子集，来基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改。

22B.根据方面18B至21B中任一方面所述的计算设备，其中，所述指令使计算设备执行以下操作：通过基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现顺序进行优先级划分，来基于与所识别的过程数据相关联的上下文对所识别的过程数据的呈现进行优先级划分或修改。

23B.根据方面17B至22B中任一方面所述的计算设备，其中，与过程数据关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相的设备的类型、或与过程数据相关联的工厂的区域。

24B.根据方面17B至23B中任一方面所述的计算设备，其中，所述指令进一步使计算设备执行以下操作：通过基于与经由移动计算设备的用户接口接收的请求相关联的一个或多个特性对所识别的过程数据的呈现进行优先级划分或修改，来基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口显示来自数据集的与请求相关的所识别的过程数据。

25B.根据方面24B所述的计算设备，其中，与请求相关联的一个或多个特性包括以下各项中的一个或多个：与请求相关联的词、与请求相关联的短语、与请求相关联的音调指示、或与请求相关联的紧急程度的指示。

26B.根据方面24B或方面25B所述的计算设备，其中，与请求相关联的一个或多个特征包括请求是由与移动计算设备的用户接口相关联的音频传感器捕获的口头请求的指示。

27B.根据方面24B至26B中任一方面所述的计算设备，其中，与请求相关联的一个或多个特性包括请求是经由移动计算设备的用户接口输入的文本请求的指示。

28B.根据方面24B至27B中任一方面所述的计算设备，其中，与请求相关联的一个或多个特征包括请求包括对经由移动计算设备的用户接口显示的一个或多个可选择元素的用户选择的指示。

29B.根据方面17B至28B中任一方面所述的计算设备，其中，所述指令进一步使得计算设备执行以下操作：通过基于与移动计算设备的显示器相关联的一个或多个特征对所识别的过程数据的呈现进行优先级划分或修改，来基于与所识别的过程数据相关联的上下文经由移动计算设备的用户接口显示来自数据集的与请求相关的所识别的过程数据。

30B.根据方面29B所述的计算设备，其中，与移动计算设备的显示器相关联的一个或多个特性的指示包括以下一项或多项的指示：移动计算设备的类型、移动计算设备的尺寸、或者移动计算设备的显示屏尺寸。

31B.根据方面29B或方面30B所述的计算设备，其中，与移动计算设备的显示器相关联的一个或多个特性的指示包括所识别的过程数据是要经由web浏览器还是移动设备应用来呈现的指示。

32B.根据方面29B至31B中任一方面所述的计算设备，其中，与移动计算设备的显示器相关联的一个或多个特性的指示包括显示窗口的相对大小的指示，所识别的过程数据将通过该显示窗口呈现在移动计算设备的显示屏上。

1C.一种用于响应于过程工厂搜索查询来提供搜索结果的方法，该方法包括：由计算设备向知识库中的过程参数指派类别，其中描述过程工厂中的过程工厂实体的属性的过程工厂相关数据是根据过程工厂相关数据和过程工厂实体之间的语义关系进行组织的；在计算设备处接收来自用户的与指派给过程工厂内的过程参数的类别之一相关的过程工厂搜索查询；由计算设备基于知识库内的指派的类别，从知识库获取响应于过程工厂搜索查询的数据集；以及由计算设备基于响应于过程工厂搜索查询所获得的数据集向用户提供搜索结果集合。

2C.根据方面1C所述的方法，其中，指派的类别包括以下中的一个或多个：调节参数、设备参数、操作参数、配置参数、实例化参数或计算参数。

3C.根据方面1C或方面2C所述的方法，其中，过程工厂搜索查询是针对指派了特定类别并且具有已从配置的值改变的过程参数值的过程参数。

4C.根据方面1C至3C中任一方面所述的方法，其中，过程工厂搜索查询是针对不处于正常状态的模式参数。

5C.根据方面1C至4C中任一方面所述的方法，其中，过程工厂搜索查询是针对时间序列数据，该时间序列数据指示一个或多个过程参数在特定时间段内的一个或多个过程参数值的变化，并且向用户提供搜索结果集合包括：由计算设备提供表格或图表，该表格或图表指示一个或多个过程参数在特定时间段内的一个或多个过程参数值的变化作为搜索结果。

6C.根据方面5C所述的方法，其中，一个或多个过程参数包括多个过程参数，并且提供表格或图表包括由计算设备将指示多个过程参数中每个过程参数的过程参数值的变化的时间序列数据的多个实例组合到单个表格或图表中。

7C.根据方面1C至6C中任一方面所述的方法，其中，过程工厂搜索查询是从集成开发环境(IDE)接收的，并且提供搜索结果集包括由计算设备提供搜索结果集合以用于在IDE内显示。

8C.根据方面7C所述的方法，还包括：将应用编程接口(API)暴露给IDE以便为IDE处理过程工厂搜索查询，以经由API提供过程工厂搜索查询并接收响应于过程工厂搜索的搜索结果集合。

9C.根据方面7C或方面8C所述的方法，还包括：向IDE提供用于处理IDE内的过程工厂搜索查询的过程工厂搜索模块。

10C.根据方面7C至9C中任一方面所述的方法，其中，IDE被配置用于用户在IDE内生成自定义算法以用于显示过程工厂相关数据。

11C.根据权利要求1C至10C中任一方面所述的方法，其中，描述过程工厂实体的属性的过程工厂相关数据包括以下至少之一：配置数据、运行时数据、环境数据、维护数据、分析数据、或诊断数据。

12C.根据方面1C至11C中任一方面所述的方法，其中，知识库包括在过程工厂内生成的过程工厂相关数据的副本，并且计算设备不与过程工厂内生成的过程工厂相关数据直接交互。

13C.一种用于响应于过程工厂搜索查询而提供搜索结果的计算设备包括：一个或多个处理器；通信单元；以及一个或多个非暂时性计算机可读介质，耦合到一个或多个处理器和通信单元，该一个或多个非暂时性计算机可读介质在其上存储指令，指令在由一个或多个处理器执行时，使得计算设备执行以下操作：向知识库中的过程参数指派类别，在知识库中描述过程工厂中过程工厂实体的属性的过程工厂相关数据是根据过程工厂相关数据和过程工厂实体之间的语义关系来组织的；接收来自用户的与指派给过程工厂内的过程参数的类别之一相关的过程工厂搜索查询；基于知识库内指派的类别，从知识库获取响应于过程工厂搜索查询的数据集；以及基于响应于过程工厂搜索查询而获得的数据集向用户提供搜索结果集合。

14C.根据方面13C所述的计算设备，其中，指派的类别包括以下各项中的一项或多项：调节参数、设备参数、操作参数、配置参数、实例化参数或计算参数。

15C.根据方面13C或方面14C所述的计算设备，其中，过程工厂搜索查询是针对指派了特定类别并且具有已从配置的值改变的过程参数值的过程参数。

16C.根据方面13C至15C中任一方面所述的计算设备，其中，过程工厂搜索查询是针对不处于正常状态的模式参数。

17C.根据方面13C至15C中任一方面所述的计算设备，其中，过程工厂搜索查询是针对时间序列数据，该时间序列数据指示一个或多个过程参数在特定时间段内的一个或多个过程参数值的变化，并且为了向用户提供搜索结果集合的过程中，指令使计算设备执行以下操作：提供表格或图表，该表格或图表指示一个或多个过程参数在特定时间段内的一个或多个过程参数值的变化作为搜索结果。

18C.根据方面17C所述的计算装置，其中，一个或多个过程参数包括多个过程参数，并且为了提供表格或图表，指令使计算设备将指示多个过程参数中每个过程参数的过程参数值的变化的时间序列数据的多个实例组合到单个表格或图表中。

19C.根据方面13C至18C中任一方面所述的计算设备，其中，过程工厂搜索查询是从集成开发环境(IDE)接收的，并且提供搜索结果集合以用于在IDE内显示。

20C.根据方面19C所述的计算设备，其中，指令进一步使计算设备执行以下操作：向IDE暴露应用编程接口(API)以便为IDE处理过程工厂搜索查询，以经由API提供过程工厂搜索查询并接收响应于过程工厂搜索查询的搜索结果集合。

21C.根据方面19C或方面20C所述的计算设备，其中，指令还使计算设备执行以下操作：向IDE提供用于处理IDE内的过程工厂搜索查询的过程工厂搜索模块。

22C.根据方面13C至21C中任一方面所述的计算设备，其中描述过程工厂实体的属性的过程工厂相关数据包括以下至少之一：配置数据、运行时数据、环境数据、维护数据、分析数据、或诊断数据。

23C.根据方面13C至22C中任一方面所述的计算设备，其中，知识库包括在过程工厂内生成的过程工厂相关数据的副本，并且计算设备不与过程工厂内生成的过程工厂相关数据直接交互。

24C.一种工业过程控制系统，包括：一个或多个设备，每个设备对应于设置在过程工厂中的过程工厂实体并执行物理功能以控制工业过程；知识库，存储过程工厂相关数据，过程工厂相关数据描述过程工厂中过程工厂实体的属性，根据过程工厂相关数据和过程工厂实体之间的语义关系来组织；一个或多个计算设备，通信地耦合到知识库，该一个或多个计算设备被配置为：从用户接收与指派给知识库内的过程参数的多个类别之一相关的过程工厂搜索查询；基于知识库内指派的类别，从知识库获取响应于过程工厂搜索查询的数据集；并且基于响应于过程工厂搜索查询而获得的数据集向用户提供搜索结果集合。

25C.根据方面24C所述的工业过程控制系统，其中，指派的类别包括以下各项中的一项或多项：调节参数、设备参数、操作参数、配置参数、实例化参数或计算参数。

26C.根据方面24C或方面25C所述的工业过程控制系统，其中，该一个或多个计算设备还被配置为暴露用于处理过程工厂搜索查询的应用编程接口(API)，使得该一个或多个计算设备通过API从另一个应用或计算设备接收过程工厂搜索查询，并且该一个或多个计算设备通过API将搜索结果集合提供给另一个应用或计算设备。

27C.根据方面24C至26C中任一方面所述的工业过程控制系统，其中，该一个或多个计算设备还被配置为：基于与过程工厂实体相关的过程工厂实体与一个或多个其他过程工厂实体之间的关系，使用知识库识别过程工厂搜索查询的上下文；根据上下文识别用于过滤数据集的一个或多个过滤器；以及根据一个或多个过滤器过滤数据集。

28C.根据方面27C所述的工业过程控制系统，其中，过程工厂搜索查询的上下文包括过程工厂实体与一个或多个其他过程工厂实体之间的关系、用户的组织角色、用户的位置、过程工厂搜索查询的时间、或来自用户的先前过程工厂搜索查询。

29C.根据方面27C或方面28C所述的工业过程控制系统，其中，搜索结果集合包括响应于按重要性排序的情境过程工厂搜索查询的过程参数。

30C.根据方面24C至29C中任一方面所述的工业过程控制系统，其中，搜索结果集合包括表示响应于过程工厂搜索查询随时间变化的过程参数值的图形或图表。

31C.根据方面24C至30C中任一方面所述的工业过程控制系统，其中，该一个或多个计算设备还被配置为：分析过程工厂搜索查询内的一个或多个术语以识别包括在过程工厂搜索查询中的过程参数类别；从知识库中获取包括与过程参数类别相对应的过程工厂相关数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

32C.根据方面24C至31C中任一方面所述的工业过程控制系统，其中，该一个或多个计算设备还被配置为：接收对存储过程工厂搜索查询或响应于过程工厂搜索查询的搜索结果集合的请求；并将过程工厂搜索查询或搜索结果集合存储在知识库中。

33C.根据方面32C所述的工业过程控制系统，其中，搜索结果集合是第一搜索结果集合，并且该一个或多个计算设备还被配置为：接收对从知识库获取过程工厂搜索查询或响应于过程工厂搜索查询的第一搜索结果集合的请求；获得过程工厂搜索查询或第一搜索结果集合；并且使用(i)存储的第一搜索结果集合的至少一部分或(ii)响应于存储的过程工厂搜索查询的数据集的至少一部分来提供第二搜索结果集合。

34C.根据方面32C或方面33C所述的工业过程控制系统，其中，一个或多个计算设备还被配置为：接收与过程工厂搜索查询或搜索结果集合相关联的标签的指示；并且将标签与过程工厂搜索查询或搜索结果集合相关联地存储在知识库中。

35C.根据方面34C所述的工业过程控制系统，其中，搜索结果集合是第一搜索结果集合，并且该一个或多个计算设备还被配置为：接收包括标签的后续过程工厂搜索查询；提供第二搜索结果集合，第二搜索结果集合包括(i)存储的第一搜索结果集合的至少一部分或(ii)响应于存储的过程工厂搜索查询的数据集的至少一部分。

1D.一种用于标记过程工厂搜索查询或过程工厂搜索结果的方法，该方法包括：在计算设备处接收来自用户的与过程工厂内的一个或多个过程工厂实体相关的的过程工厂搜索查询；由计算设备向用户提供响应于过程工厂搜索查询的第一搜索结果集合；在计算设备处接收对存储响应于过程工厂搜索查询的第一搜索结果集合的请求；在计算设备处接收标签的指示，当该标签被包括在后续过程工厂搜索查询中时，使计算设备获取存储的第一搜索结果集合；在计算设备处接收包括标签的后续过程工厂搜索查询；由计算设备提供第二搜索结果集合，该第二搜索结果集合包括所存储的第一搜索结果集合的至少一部分。

2D.根据方面1D所述的方法，其中，提供第二搜索结果集合包括：由计算设备根据后续过程工厂搜索查询中的一个或多个术语过滤所存储的第一搜索结果集合以生成第二搜索结果集合。

3D.根据方面1D或方面2D的方法，进一步包括：由计算设备将标签的指示存储在知识库中，在该知识库中描述过程工厂实体的属性的过程工厂相关数据根据过程工厂相关数据和过程工厂实体之间的语义关系来组织。

4D.根据方面3D所述的方法，其中，接收后续过程工厂搜索查询包括：接收对标签的搜索查询；响应于搜索查询从知识库中获得标签；并提供标签的指示以显示给用户。

5D.根据方面1D至4D中任一方面所述的方法，其中，用户为第一用户，标签的指示从第一用户处接收并与第一搜索结果集合关联地存储，并且包括标签的后续过程工厂搜索查询是从不同于第一用户的第二用户接收的。

6D.根据方面1D至5D中任一方面所述的方法，其中，标签的指示是从用户接收的并与第一搜索结果集合关联地存储，并且包括标签的后续过程工厂搜索查询是从相同的用户接收的。

7D.根据方面1D至6D中任一方面所述的方法，还包括：在计算设备处接收对存储过程工厂搜索查询的请求；在计算设备处接收要与过程工厂搜索查询关联地存储的另一个标签的指示，当该标签包括在后续过程工厂搜索查询中时，使计算设备获取响应于所存储的过程工厂搜索查询的数据集。

8D.根据方面1D至7D中任一方面所述的方法，还包括：由计算设备将特定标签与数据集进行关联；由计算设备将特定标签与数据集关联地存储在知识库中。

9D.根据方面8D所述的方法，其中，所述数据集表示材料成分、天气数据或时间序列数据。

10D.一种用于标记过程工厂搜索查询或过程工厂搜索结果的计算设备，包括：一个或多个处理器；通信单元；以及一个或多个非暂时性计算机可读介质，耦合到一个或多个处理器和通信单元，该一个或多个非暂时性计算机可读介质在其上存储指令，当指令由一个或多个处理器执行时，使得计算设备执行以下操作：接收来自用户的与过程工厂内的一个或多个过程工厂实体相关的过程工厂搜索查询；向用户提供响应于过程工厂搜索查询的第一搜索结果集合；接收对存储响应于过程工厂搜索查询的第一搜索结果集合的请求；接收标签的指示，当该标签包括在后续过程工厂搜索查询中时，使计算设备获取所存储的第一搜索结果集合；接收包含标签的后续过程工厂搜索查询；以及提供第二搜索结果集合，第二搜索结果集合包括存储的第一搜索结果集合的至少一部分。

11D.根据方面10D所述的计算设备，其中，为了提供第二搜索结果集合，指令使计算设备执行以下操作：根据后续过程工厂搜索查询中的一个或多个术语过滤所存储的第一搜索结果集合以生成第二搜索结果集合。

12D.根据方面10D或方面11D所述的计算设备，其中，指令进一步使计算设备执行以下操作：将标签的指示存储在知识库中，在知识库中描述过程工厂实体的属性的过程工厂相关数据根据过程工厂相关数据和过程工厂实体之间的语义关系进行组织。

13D.根据方面12D所述的计算设备，其中，为了接收后续过程工厂搜索查询，指令使计算设备执行以下操作：接收针对标签的搜索查询；以及响应于搜索查询从知识库中获取标签；并提供标签的指示以显示给用户。

14D.根据方面10D至13D中任一方面所述的计算设备，其中，用户是第一用户，标签的指示是从第一用户接收的并与第一搜索结果集合关联存储，并且包括标签的后续过程工厂搜索查询是从不同于第一用户的第二用户接收的。

15D.根据方面10D至14D中任一方面所述的计算设备，其中，标签的指示是从用户接收的并与第一搜索结果集合关联地存储，并且包括标签的后续过程工厂搜索查询是从相同的用户接收的。

16D.根据方面10D至15D中任一方面所述的计算设备，其中，指令还使计算设备执行以下操作：接收对存储过程工厂搜索查询的请求；接收要与过程工厂搜索查询关联地存储的另一个标签的指示，当该标签包括在后续过程工厂搜索查询中时，使计算设备获取响应于所存储的过程工厂搜索查询的数据集。

17D.根据方面10D至16D中任一方面所述的计算设备，其中，指令还使计算设备执行以下操作：将特定标签与数据集进行关联；并将特定标签与数据集关联地存储在知识库中。

18D.根据方面17D所述的计算设备，其中，数据集表示材料成分、天气数据或时间序列数据。

19D.一种用于标记过程工厂搜索查询或过程工厂搜索结果的方法，该方法包括：由计算设备与以下中的至少一个相关联地存储标签：(i)与过程工厂内的一个或多个过程工厂实体相关的第一过程工厂搜索查询，或(ii)响应于第一过程工厂搜索查询的第一搜索结果结果；在计算设备处接收包括标签的第二过程工厂搜索查询；并且由计算设备提供响应于第二过程工厂搜索查询的第二搜索结果集合，其中，第二搜索结果集合是通过以下中的至少一个获得的：获取与标签相对应的所存储的第一搜索结果的至少一部分，或获取响应于与标签相对应的所存储的第一过程工厂搜索查询的数据集的至少一部分。

20D.根据方面19D所述的方法，其中，第二过程工厂搜索查询包括标签和一个或多个附加术语，并且提供第二搜索结果集合包括：由计算设备根据一个或多个附加术语过滤所存储的第一搜索结果集合或者数据集以生成第二搜索结果集合。

21D.根据方面19D或方面20D所述的方法，其中，第二过程工厂搜索查询包括没有任何附加术语的标签，并且提供第二搜索结果集合包括提供以下中的至少一个：与标签相对应的所存储的第一搜索结果集合，或与标签相对应的响应于所存储的第一过程工厂搜索查询的数据集。

22D.根据方面19D至21D中任一方面所述的方法，还包括：由计算设备将标签存储在知识库中，在知识库中描述过程工厂实体的属性的过程工厂相关数据是根据过程工厂相关数据与过程工厂实体之间的语义关系来组织的。

23D.根据方面22D所述的方法，其中，接收第二过程工厂搜索查询包括：接收针对标签的搜索查询；响应于搜索查询从知识库中获取标签；并提供标签的指示以显示给用户。

1E.一种用于监控过程工厂中的过程工厂实体的状态的方法，该方法包括：在计算设备处从知识库获得历史过程参数数据，在知识库中描述过程工厂中的过程工厂实体属性的过程工厂相关数据是根据过程工厂相关数据和过程工厂实体之间的语义关系来组织；在计算设备处从知识库获得多个过程工厂实体在历史过程参数数据被生成时的状态指示，多个过程工厂实体中的每一个执行物理功能以控制过程工厂中的工业过程；由计算设备使用(i)对应于多个过程工厂实体的历史过程参数数据，(ii)知识库中指示的多个过程工厂实体之间的一个或多个关系，以及(ii)多个过程工厂实体中的每一个是否经历异常状况的指示，来训练机器学习模型识别过程工厂实体中的异常状况；在计算设备处获得过程工厂实体的过程参数数据以及过程工厂实体与过程工厂中的其他过程工厂实体之间的一个或多个关系；由计算设备将过程工厂实体的过程参数数据和一个或多个关系应用于机器学习模型以确定过程工厂实体的预测状态；以及由计算设备提供过程工厂实体的预测状态的指示以用于显示在用户接口上。

2E.根据方面1E所述的方法，其中，训练机器学习包括：由计算设备自动识别与多个过程工厂实体相关的一个或多个过程参数；由计算设备获得与用于训练机器学习模型的一个或多个过程参数相关联的历史过程参数数据。

3E.根据方面1E或方面2E所述的方法，还包括：由计算设备通过将过程工厂实体的过程参数数据和一个或多个关系应用于机器学习模型来自动识别过程工厂实体的预测状态的变化；并且由计算设备自动提供关于过程工厂实体的预测状态的变化的报告以用于显示在用户接口上。

4E.根据方面1E至3E中任一方面所述的方法，其中，机器学习模型被提供给集成开发环境(IDE)，并且过程参数数据是从IDE获得的并被应用于机器学习模型以确定过程工厂实体的预测状态。

5E.根据方面4E所述的方法，其中，IDE被配置用于用户生成定制的机器学习算法或训练定制的机器学习模型。

6E.根据方面4E或方面5E所述的方法，其中，提供过程工厂实体的预测状态的指示以在IDE内显示为可视化。

7E.根据方面1E至6E中任一方面所述的方法，还包括：确定过程工厂实体的实际状态；将过程参数数据和过程工厂实体的实际状态提供给机器学习模型以进行进一步训练。

8E.根据方面1E至7E中任一方面所述的方法，其中，使用知识库中指示的多个过程工厂实体之间的一个或多个关系来训练机器学习模型包括：识别特定过程工厂实体的上游或下游过程工厂实体；识别上游或下游过程工厂实体与特定过程工厂实体之间历史过程参数数据的变化；以及基于上游或下游过程工厂实体与特定过程工厂实体之间的历史过程参数数据的变化来训练机器学习模型。

9E.根据方面1E至8E中任一方面所述的方法，还包括：在计算设备处接收来自用户的过程工厂搜索查询；识别对包括在过程工厂搜索查询中的过程工厂实体的状态的预测的请求；基于过程工厂搜索查询识别要应用于机器学习模型的过程工厂实体的过程参数数据；基于对过程工厂实体状态的预测的请求来识别机器学习模型；提供过程工厂实体的预测状态的指示作为响应于过程工厂搜索查询的搜索结果。

10E.根据方面9E所述的方法，还包括：基于过程工厂搜索查询来调整机器学习模型。

11E.根据方面9E或方面10E的方法，还包括：识别用于过程工厂搜索查询的上下文；根据上下文识别用于调整机器学习模型或应用于机器学习模型的过程参数数据的一个或多个过滤器；根据上下文调整机器学习模型或过程参数数据。

12E.根据方面1E至11E中任一方面所述的方法，其中，描述过程工厂实体的属性的过程工厂相关数据包括以下至少之一：配置数据、运行时数据、环境数据、维护数据、分析数据、或诊断数据。

13E.根据方面1E至12E中任一方面所述的方法，其中，知识库包括过程工厂内生成的过程工厂相关数据的副本，并且计算设备不与过程工厂内生成的过程工厂相关数据直接交互。

14E.根据方面1E至13E中任一方面所述的方法，还包括：为知识库中的过程参数指派类别；其中，机器学习模型是使用特定类别的过程参数的历史过程参数数据来训练的。

15E.根据方面1E至14E中任一方面所述的方法，还包括：使用多个服务器向过程工厂提供过程工厂实体的预测状态或基于预测状态提供对过程工厂中设定点值的改变，在将数据写回到过程工厂之前，每个服务器验证表示过程工厂实体的预测状态或对设定点值的改变的数据，以便计算设备不直接写入过程工厂。

16E.根据方面15E所述的方法，其中，多个服务器中的每一个通过将数据与设定点值的阈值范围进行比较来验证数据并且验证数据是否在阈值范围内。

17E.一种用于监控过程工厂中的过程工厂实体的状态的计算设备，该计算设备包括：一个或多个处理器；以及耦合到一个或多个处理器的非暂时性计算机可读介质，该一个或多个非暂时性计算机可读介质在其上存储指令，当指令由一个或多个处理器执行时，使计算设备执行以下操作：获从知识库获得历史过程参数数据，在知识库中描述过程工厂中的过程工厂实体属性的过程工厂相关数据根据过程工厂相关数据和过程工厂实体之间的语义关系进行组织；从知识库获得多个过程工厂实体在历史过程参数数据被生成时的状态指示，多个过程工厂实体中的每一个执行物理功能以控制过程工厂中的工业过程；使用(i)对应于多个过程工厂实体的历史过程参数数据，(ii)知识库中指示的多个过程工厂实体之间的一个或多个关系，以及(ii)多个过程工厂实体中的每一个是否经历异常状况的指示，来训练机器学习模型以识别过程工厂实体中的异常状况；获取过程工厂实体的过程参数数据以及过程工厂实体与过程工厂中的其他过程工厂实体之间的一个或多个关系；将过程工厂实体的过程参数数据和一个或多个关系应用于机器学习模型以确定过程工厂实体的预测状态；并提供过程工厂实体的预测状态的指示以显示在用户接口上。

18E.根据方面17E所述的计算设备，其中，为了训练机器学习模型，指令使计算设备：自动识别与多个过程工厂实体相关的一个或多个过程参数；获取与用于训练机器学习模型的一个或多个过程参数相关联的历史过程参数数据。

19E.根据方面17E或方面18E所述的计算设备，其中，指令还使计算设备：通过将过程工厂实体的过程参数数据和一个或多个关系应用于机器学习模型来自动识别对过程工厂实体的预测状态的变化；并自动提供关于过程工厂实体的预测状态的变化的报告以显示在用户接口上。

20E.根据方面17E至19E中任一方面所述的计算设备，其中，机器学习模型被提供给集成开发环境(IDE)，并且过程参数数据是从IDE获得的并被应用于机器学习模型以确定过程工厂实体的预测状态。

21E.根据方面20E所述的计算设备，其中，IDE被配置用于用户生成定制的机器学习算法或训练定制的机器学习模型。

22E.根据方面20E或方面21E所述的计算设备，其中，过程工厂实体的预测状态的指示被提供用于在IDE内显示为可视化。

23E.根据方面17E至22E中任一方面所述的计算设备，其中，指令还使计算设备：确定过程工厂实体的实际状态；并将过程参数数据和过程工厂实体的实际状态提供给机器学习模型以进行进一步训练。

24E.根据方面17E至23E中任一方面所述的计算设备，其中，为了使用知识库中指示的多个过程工厂实体之间的一个或多个关系来训练机器学习模型，指令使计算设备：识别特定过程工厂实体的上游或下游过程工厂实体；识别上游或下游过程工厂实体与特定过程工厂实体之间历史过程参数数据的变化；以及基于上游或下游过程工厂实体与特定过程工厂实体之间历史过程参数数据的变化来训练机器学习模型。

25E.根据方面17E至24E中任一方面所述的计算设备，其中，指令还使计算设备：从用户接收过程工厂搜索查询；识别对包括在过程工厂搜索查询中的过程工厂实体的状态的预测的请求；基于过程工厂搜索查询识别要应用于机器学习模型的过程工厂实体的过程参数数据；基于对过程工厂实体状态的预测的请求来识别机器学习模型；并且提供过程工厂实体的预测状态的指示作为响应于过程工厂搜索查询的搜索结果。

26E.根据方面25E所述的计算设备，其中，指令还使计算设备：基于过程工厂搜索查询来调整机器学习模型。

27E.根据方面25E或方面26E所述的计算设备，其，中指令还使计算设备：识别过程工厂搜索查询的上下文；根据上下文识别用于调整机器学习模型或应用于机器学习模型的过程参数数据的一个或多个过滤器；并根据上下文调整机器学习模型或过程参数数据。

28E.根据方面17E至27E中任一方面所述的计算设备，其中，描述过程工厂实体的属性的过程工厂相关数据包括以下至少之一：配置数据、运行时数据、环境数据、维护数据、分析数据、或诊断数据。

29E.根据方面17E至28E中任一方面所述的计算设备，其中，知识库包括过程工厂内生成的过程工厂相关数据的副本，并且计算设备不与过程工厂内生成的过程工厂相关数据直接交互。

30E.根据方面17E至29E中任一方面所述的计算设备，其中，指令还使计算设备：将类别指派给知识库中的过程参数；其中机器学习模型是使用特定类别的过程参数的历史过程参数数据来训练的。

31E.根据方面17E至30E中任一方面所述的计算设备，其中，指令还使计算设备：使用多个服务器向过程工厂提供过程工厂实体的预测状态或基于预测状态提供对过程工厂中的设定点值的改变，在将数据写回过程工厂之前，每个服务器验证表示过程工厂实体的预测状态或对设定点值的改变的数据，使得计算设备不直接写入过程工厂。

32E.根据方面31E所述的方法，其中，多个服务器中的每一个通过将数据与设定点值的阈值范围进行比较来验证数据并且验证数据是否在阈值范围内。

1F.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库获得数据集；将在一个或多个批次的执行期间生成的时间序列数据集存储在数据库中；从在一个或多个计算设备处从执行批次控制算法的批次执行程序查询获得的数据集和时间序列数据集，以确定(i)一台或多台设备的状态，(ii)调度，或(iii)一台或多台设备的状态以及调度；在批次执行程序处从一个或多个计算设备接收查询结果集合；并通过执行批次控制算法的批次执行程序确定(a)用于批次控制配方的批次程序、单元程序、操作和/或阶段的设备集合，(b)与批次配方的批次程序、单元程序、操作和/或阶段相关联的调度，或(c)用于批次配方的批次程序、单元程序、操作和/或阶段的设备集合和调度。

2F.根据方面1F所述的方法，还包括：使用所确定的设备集合或根据所确定的调度来执行批次控制配方的批次程序、单元程序、操作和/或阶段。

3F.根据方面1F或方面2F所述的方法，其中，获得与过程数据相关联的上下文包括获得以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域、或者与批次过程相关联的一台设备与一台或多台其他设备件之间的关系。

4F.根据方面1F至3F中任一项的方法，其中，确定用于批次配方的批次程序、单元程序、操作和/或阶段的设备集合包括：基于与批次过程相关的过程数据、与过程数据相关联的上下文、以及一台或多台设备的状态，确定最优的设备集合。

5F.根据方面1F至4F中任一方面所述的方法，还包括：确定设备集合中的每台设备何时将可用于使用。

6F.根据方面5F所述的方法，其中，确定与批次控制配方的批次程序、单元程序、操作和/或阶段相关联的调度包括：基于设备集合中的每台设备何时将可用于使用的时间，确定调度。

7F.根据方面6F的方法，还包括：确定批次控制配方的阶段何时将完成；并且确定与批次控制配方的阶段相关联的一台设备将在该阶段完成时可用。

8F.根据方面6F或方面7F的方法，其中，确定调度包括确定调度以使每台设备在批次程序期间或批次程序之间的等待时间最小化。

9F.一种在操作过程工厂中控制批次过程的工业过程控制系统，该系统包括：一个或多个过程控制器，其执行批次控制算法以在过程工厂中生产产品；多个过程控制现场设备，其根据由一个或多个控制器执行的批次控制算法而操作以生产产品；知识库，其存储(i)与批次过程相关的过程配置数据和(ii)图形数据库，图形数据库存储与过程配置数据相关联的上下文；一个或多个计算设备，其通信耦合到知识库和一个或多个过程控制器，该一个或多个计算设备被配置为：从与批次过程相关的知识库获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集；查询获得的数据集和时间序列数据集，以确定(i)一台或多台设备的状态，(ii)调度，或(iii)一台或多台设备的状态以及调度；接收查询结果集合；并确定(a)用于批次控制配方的批次程序、单元程序、操作和/或阶段的设备集合，(b)与批次控制配方的批次程序、单元程序、操作和/或阶段相关联的调度，或(c)用于批次控制配方的批次程序、单元程序、操作和/或阶段的设备集合和调度。

10F.根据方面9F所述的工业过程控制系统，其中，一个或多个计算设备还被配置为：通过控制多个过程控制现场设备的操作，使得一个或多个过程控制器使用所确定的设备集合或根据所确定的调度，执行批次控制配方的批次程序、单元程序、操作、和/或阶段。

11F.根据方面9F或方面10F所述的工业过程控制系统，其中与过程数据关联的上下文包括以下中的一个或多个：与过程数据关联的警报状态、与过程数据关联的批次ID、与过程数据相关联的设备的类型、与过程数据关联的工厂的区域、或与批次过程关联的一台设备与一个或多个其他台设备之间的关系。

12F.9F至11F中任一方面所述的工业过程控制系统，其中，设备集合是基于与批次过程相关的过程配置数据、与过程配置数据相关联的上下文、以及一台或多台设备的状态而确定的最优的设备集合。

13F.根据方面9F至12F中任一方面所述的工业过程控制系统，其中，一个或多个计算设备还被配置为：确定设备集合中的每台设备何时可用于使用。

14F.根据方面13F所述的工业过程控制系统，其中，与批次控制配方的批次程序、单元程序、操作和/或阶段相关联的调度是基于设备集合中的每台设备将可用于使用的时间来确定的。

15F.根据方面14F所述的工业过程控制系统，其中一个或多个计算设备还被配置为：确定批次控制配方的阶段何时将完成；并且确定与批次控制配方的阶段相关联的一台设备将在该阶段完成时可用。

16F.根据方面14F或方面15F所述的工业过程控制系统，其中，调度被确定为使得每台设备在批次程序期间或批次程序之间的等待时间最小化。

17F.一种用于执行批量控制算法以控制过程工厂中的批次过程的计算设备，该计算设备包括：一个或多个处理器；以及耦合到一个或多个处理器的非暂时性计算机可读介质，该一个或多个非暂时性计算机可读介质在其上存储指令，当指令由一个或多个处理器执行时，使计算设备：从存储与批处理相关的过程数据和与过程数据关联的上下文的知识库获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集；查询获得的数据集和时间序列数据集，以确定(i)一台或多台设备的状态，(ii)调度，或(iii)一台或多台设备的状态以及调度；接收查询结果集合；并确定(a)用于批次控制配方的批次程序、单元程序、操作和/或阶段的设备集合，(b)与批次控制配方的批次程序、单元程序、操作和/或阶段相关联的调度，或(c)用于批次控制配方的批次程序、单元程序、操作和/或阶段的设备集合和调度。

18F.根据方面17F所述的计算装置，其中，指令还使计算设备：通过控制多个过程控制现场设备的操作，使得一个或多个过程控制器使用所确定的设备集合或根据所确定的调度，来执行所述批次控制配方的所述批次程序、单元程序、操作、和/或阶段。

19F.根据方面17F或方面18F的计算设备，其中与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域，或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

20F.17F至19F任一方面所述的计算设备，其中，设备集合是基于与批次过程相关的过程配置数据、与过程配置数据相关联的所述上下文、以及一台或多台设备的状态而确定的最优的装置集合。

21F.根据方面17F至20F中任一方面所述的计算设备，其中，指令还使计算设备：确定设备集合中的每台设备何时将可用于使用。

22F.根据方面21F所述的计算设备，其中，与批次控制配方的批次程序、单元程序、操作、和/或阶段相关联的调度是基设备集合中的每台设备何时将可用于使用的时间而确定的。

23F.根据方面22F所述的计算装置，其中，指令还使计算设备：确定批次控制配方的阶段何时将完成；并且确定与批次控制配方的阶段相关联的一台设备将在该阶段完成时可用。

24F.根据方面23F所述的计算设备，其中，调度被确定为使每台设备在批次程序期间或批次程序之间的等待时间最小化。

1G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集合；在一个或多个计算设备处查询所获得的数据集和时间序列数据集，以确定多个设备集合中的哪个设备集合用于特定批次或特定批次中的一部分；并且由一个或多个计算设备提供结果集合，结果集合指示哪个设备集合用于特定批次或特定批次中的一部分。

2G.根据方面1G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

3G.根据方面1G或方面2G所述的方法，其中，查询所获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器过滤获得的数据集和时间序列数据集，以确定多个设备集合中的哪一个用于特定批次或特定批次的部分。

4G.根据方面1G至3G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

5G.根据方面4G所述的方法，其中，一个或多个过滤器包括用于指示用于特定批次或其部分的设备集合的数据的过滤器。

6G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集合；在一个或多个计算设备处查询所获得的数据集和时间序列数据集，以确定一台或多台设备中的每一台设备在期望时间段的设备利用信息；并且由一个或多个计算设备提供一组结果，该结果指示在期望的时期内对于一组或多组设备中的每组设备的设备利用信息。

7G.根据方面6G所述的方法，其中与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

8G.根据方面6G或方面7G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器对获取的数据集和时间序列数据集进行过滤，以确定该一台或多台设备中的每一台设备在期望时间段的设备利用信息。

9G.根据方面6G至8G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

10G.根据方面9G所述的方法，其中，所述一个或多个过滤器包括用于指示一个或多个设备集合中的每一个设备集合在期望时间段内的设备利用信息的数据的过滤器。

11G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集合；在一个或多个计算设备处查询所获得的数据集和时间序列数据集，以确定在其期间一台设备处于操作或被使用的一个或多个时间；由一个或多个计算设备提供结果集合，结果集合指示在其期间该台设备处于操作或被使用的一个或多个时间。

12G.根据方面11G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域、或与批次理过程相关联的一台设备与一个或多个其他台设备之间的关系。

13G.根据方面11G或方面12G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器对获取的数据集和时间序列数据集进行过滤，以确定在其期间该台设备处于操作或被使用的一个或多个时间。

14G.根据方面11G至13G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

15G.根据方面14G所述的方法，其中，一个或多个过滤器包括用于指示在其期间该台设备处于操作或被使用的一个或多个时间的数据的过滤器。

16G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集合；在一个或多个计算设备处查询获得的数据集和时间序列数据集，以确定在指定时间段内在设备集合上已执行的一个或多个配方；并且由一个或多个计算设备提供结果集合，该结果集合指示在指定时间段内在该设备集合上已执行的一个或多个配方。

17G.根据方面16G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

18G.根据方面16G或方面17G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器对获取的数据集和时间序列数据集进行过滤，以确定在指定时间段内在该设备集合上已执行过的一个或多个配方。

19G.根据方面16G至18G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批处理过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

20G.根据方面19G所述的方法，其中，一个或多个过滤器包括用于指示在指定时间段内在该设备集合上已执行的一个或多个配方的数据的过滤器。

21G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集合；在一个或多个计算设备处查询获得的数据集和时间序列数据集，以确定在指定时间段内已用于特定配方的一个或多个设备集合；并且由一个或多个计算设备提供结果集合，结果集合指示在指定时间段内已用于特定配方的一个或多个设备集合。

22G.根据方面21G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂的区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

23G.根据方面21G或方面22G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器对获取的数据集和时间序列数据集进行过滤，以确定在指定时间段内已用于特定配方的一个或多个设备集合。

24G.根据方面21G至23G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

25G.根据方面24G所述的方法，其中，一个或多个过滤器包括用于指示在指定时间段内已经用于特定配方的一个或多个设备集合的数据的过滤器。

26G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集；在一个或多个计算设备上查询获得的数据集和时间序列数据集，以确定针对给定配方或其部分，用于该配方的哪一个设备集合产生了最高质量输出；并且由一个或多个计算设备提供结果集合，结果集合指示针对给定配方或其部分产生了最高质量输出的设备集合。

27G.根据方面26G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备的类型、与过程数据相关联的工厂区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

28G.根据方面26G或方面27G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器过滤获得的数据集和时间序列数据集，以确定针对给定配方或其部分产生了最高质量输出的设备集合。

29G.根据方面26G至28G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

30G.根据方面29G所述的方法，其中，一个或多个过滤器包括用于指示针对给定配方或其部分产生了最高质量输出的设备集合的数据的过滤器。

31G.根据方面26G至30G中任一方面所述的方法，其中，由给定配方生产的每个产品被指派质量度量，该质量度量存储在知识库中并与用于生产该产品的设备集合相关联，并且确定用于该配方的产生了最高质量输出的设备集合包括比较用于配方的每个设备集合的质量度量以确定产生了最高质量输出的设备集合。

32G.根据方面31G所述的方法，其中确定用于该配方的产生了最高质量输出的设备集合包括：确定要包括在搜索结果集合中的设备集合的阈值数量；根据为每个设备集合指派的质量度量对每个设备集合进行排名；并提供在结果集合中排名等于或高于阈值数量的设备集合。

33G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集；在一个或多个计算设备处查询获得的数据集和时间序列数据集，以确定针对给定的配方或其部分，用于该配方的哪个设备集合具有最佳生产时间；并且由一个或多个计算设备提供结果集合，结果结合指示针对给定配方或其部分具有最佳生产时间的设备集合。

34G.根据方面33G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备类型、与过程数据相关联的工厂区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

35G.根据方面33G或方面34G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器过滤获得的数据集和时间序列数据集，以确定针对给定配方或其部分具有最佳生产时间的设备集合。

36G.根据方面33G至35G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

37G.根据方面36G所述的方法，其中，一个或多个过滤器包括用于指示针对给定配方或其部分具有最佳生产时间的设备集合的数据的过滤器。

38G.根据方面33G至37G中任一方面所述的方法，其中，由给定配方生产的每个产品都指派有生产时间，该生产时间存储在知识库中并与用于生产该产品的设备集合相关联，并且确定用于该配方的具有最佳生产时间的设备集合包括比较用于配方的每个设备集合的生产时间以确定在最短时间内生产了产品的设备集合。

39G.根据方面38G所述的方法，其中，确定用于该配方的具有最佳生产时间的设备集合包括：确定要包括在搜索结果集合中的设备集合的阈值数量；根据每个设备集合的指派的生产时间对每个设备集合进行排序；并提供在结果集合中排名等于或高于阈值数量的设备集合。

40G.一种在工业过程控制系统中执行批次控制算法以控制过程工厂中的批次过程的方法，该方法包括：通过一个或多个计算设备从存储与批次过程相关的过程数据和与过程数据相关联的上下文的知识库中获得数据集；在数据库中存储在执行一个或多个批次期间生成的时间序列数据集；在一个或多个计算设备上查询获得的数据集和时间序列数据集，以确定针对给定配方或其部分，用于该配方的哪个设备集合需要最低数量的原材料；并且由一个或多个计算设备提供结果集合，结果集合指示用于给定配方的需要最低数量的原材料的设备集合。

41G.根据方面40G所述的方法，其中，与过程数据相关联的上下文包括以下中的一个或多个：与过程数据相关联的警报状态、与过程数据相关联的批次ID、与过程数据相关联的设备类型、与过程数据相关的工厂区域、或与批次过程相关联的一台设备与一个或多个其他台设备之间的关系。

42G.根据方面40G或方面41G所述的方法，其中，查询获取的数据集和时间序列数据集包括：根据上下文识别用于过滤获取的数据集和时间序列数据集的一个或多个过滤器；根据一个或多个过滤器对获得的数据集和时间序列数据集进行过滤，以确定用于给定配方的需要最低数量的原材料的设备集合。

43G.根据方面40G至42G中任一方面所述的方法，还包括：接收与批次过程相关的过程工厂搜索查询；分析过程工厂搜索查询中的一个或多个术语，以识别包括在过程工厂搜索查询中的批次过程；从知识库中获取包括与批次过程相对应的过程数据的数据集；分析过程工厂搜索查询中的一个或多个剩余术语以识别用于过滤数据集的一个或多个过滤器；根据一个或多个过滤器过滤数据集；根据过滤后的数据集，将搜索结果集合提供给用户。

44G.根据方面43G所述的方法，其中，一个或多个过滤器包括用于指示用于给定配方的需要最低数量的原材料的设备集合的数据。

45G.根据方面40G至44G中任一方面所述的方法，其中，用于生产每个产品的原材料的数量被确定，用于生产该产品的原材料的数量存储在知识库中并且与用于生产该产品的设备集合相关联，并且确定用于需要最低原材料数量的配方的设备集合包括比较用于配方的每个设备集合所使用的原材料数量，以确定以最低数量的原材料生产了该产品的设备集合。

46G.根据方面45G所述的方法，其中，确定用于该配方的具有最低原材料数量的设备集合包括：确定要包括在搜索结果集合中的设备集合的阈值数量；按照每个设备集合生产产品所使用原材料的数量对每个设备集合进行排名；并提供在结果集合中排名等于或高于阈值数量的设备集合。

1H.一种工业过程控制系统中的方法，该工业过程控制系统包括由一个或多个过程控制器控制的多个过程控制现场设备，该方法包括：为多个过程控制现场设备定义用于生产产品的第一生产参数集合，第一生产参数集合包括第一操作参数集合、第一调节参数集合和第一设备参数集合；基于第一生产参数集合，由一个或多个计算设备创建多个过程控制现场设备和第一生产参数集合的上下文表示，该上下文表示存储在数据储存库中；由一个或多个控制器根据第一生产参数集合执行多个控制回路，以产生第一测试产品；在数据储存库中存储在根据第一生产参数集合执行多个控制回路期间收集的第一数据集合，第一数据集合包括与第一参数集合相关并指示过程控制系统的操作的时间序列数据；通过一个或多个计算设备，并使用上下文表示，分析在多个过程控制回路的执行期间收集的第一数据集合，以确定：第一测试产品的一个或多个质量、第一测试产品的生产速度、第一测试产品的输入材料的数量或成本、和/或第一测试产品的生产成本；根据对第一数据集合的分析，调整第一生产参数集合中的一个或多个，以创建第二生产参数集合。

2H.根据方面1H的方法，其中，多个过程控制现场设备和第一生产参数集合的上下文表示包括图形数据库。

3H.根据方面1H或方面2H所述的方法，该方法进一步包括：为多个过程控制现场设备定义用于生产产品的第二生产参数集合，第二生产参数集合包括第二操作参数集合、第二调节参数集合、和第二设备参数集合；由一个或多个计算设备基于第二生产参数集合创建多个过程控制现场设备和第二生产参数的第二上下文表示，第二上下文表示存储在数据储存库中；由一个或多个控制器根据第二生产参数集合执行多个控制回路，以产生第二测试产品；在数据储存库中存储在根据第二生产参数集合执行多个控制回路期间收集的第二数据集合，第二数据集合包括与第二参数集合相关并指示过程控制系统的操作的时间序列数据；通过一个或多个计算设备，并使用上下文表示，分析在多个过程控制回路的执行期间收集的第二数据集合，以确定：第二测试产品的一个或多个质量、第二测试产品的生产速度、第二测试产品的输入材料的数量或成本、和/或第二测试产品的生产成本；根据对第一数据集合和第二数据集合的分析，调整第二生产参数集合中的一个或多个，以创建第三生产参数集合。

4H.根据方面1H至3H中任一方面所述的方法，该方法进一步包括预测根据第二生产参数集合在多个控制回路的第二次执行期间由第二生产参数集合得到的第二数据集合。

5H.根据方面1H至4H中任一方面所述的方法，该方法还包括预测由根据第二生产参数集合执行多个控制回路而得到的第二测试产品的一个或多个质量。

6H.根据方面1H至5H中任一方面所述的方法，该方法还包括预测由根据第二生产参数集合执行多个控制回路得到的第二测试产品的生产速度。

7H.根据方面1H至6H中任一方面所述的方法，该方法还包括预测由根据第二生产参数集合执行多个控制回路而得到的第二测试产品的输入材料的数量或成本。

8H.根据方面1H至7H中任一方面所述的方法，该方法还包括预测由根据第二生产参数集合执行多个控制回路而得到的第二测试产品的生产成本。

9H.根据方面1H至8H中任一方面所述的方法，该方法进一步包括：接收以下产品参数中的一个或多个的输入：第二测试产品的一个或多个期望质量，第二测试产品的期望生产速度、第二测试产品的输入材料的期望数量或成本，以及第二测试产品的期望生产成本；并且其中，调整第一生产参数集合中的一个或多个以创建第二生产参数集合包括预测将满足接收到的一个或多个产品参数的第二生产参数集合。

10H.根据方面1H至9H中任一方面所述的方法，还包括：接收与第一数据集合相关的自然语言输入查询；部分地使用多个过程控制现场设备的第一生产参数集合的上下文表示来分析输入查询；输出查询响应。

11H.一种控制操作过程工厂的工业过程控制系统，该系统包括：一个或多个过程控制器，执行用于在过程工厂中生产产品的控制算法；多个过程控制现场设备，根据由一个或多个控制器执行的控制算法操作以生产产品；知识库，存储(i)与工业过程相关的过程配置数据和(ii)图形数据库，图形数据库存储与过程配置数据相关的上下文；一个或多个计算设备，通信耦合到知识库和一个或多个过程控制器，一个或多个计算设备被配置为：接收用于生产产品的第一生产参数集合，第一生产参数集合包括第一操作参数集合、第一调节参数集合、和第一设备参数集合；使一个或多个过程控制器根据第一生产参数集合执行多个控制回路，以创建第一测试产品；在数据储存库中存储在根据第一生产参数集合执行多个控制回路期间收集的第一数据集合，第一数据集合包括与第一参数集合相关并指示过程控制系统的操作的时间序列数据；使用上下文表示分析在多个过程控制回路的执行期间收集的第一数据集合，以确定产品参数，产品参数包括：第一测试产品的一个或多个质量、第一测试产品的生产速度、第一测试产品的输入材料的数量或成本、和/或第一测试产品的生产成本；并输出所确定的一个或多个产品参数的一个或多个视觉表示。

12H.根据方面11H所述的系统，其中，一个或多个计算设备还被配置为：根据对第一数据集合的分析调整第一生产参数集合中的一个或多个，以创建第二生产参数集合。

13H.根据方面11H或方面12H的系统，其中，一个或多个计算设备还被配置为：为多个过程控制现场设备接收用于生产产品的第二生产参数集合，第二生产参数集合包括第二操作参数集合、第二调节参数集合、和第二设备参数集合；基于第二生产参数集合，创建多个过程控制现场设备和和第二生产参数集合的第二上下文表示，第二上下文表示存储在数据储存库中；使一个或多个过程控制器根据第二生产参数集合执行多个控制回路，以产生第二测试产品；在数据储存库中存储在根据第二生产参数集合执行多个控制回路期间收集的第二数据集合，第二数据集合包括与第二参数集合相关并指示过程控制系统的操作的时间序列数据；使用上下文表示分析在多个过程控制回路的执行期间收集的第二数据集合，以确定：第二测试产品的一个或多个质量、第二测试产品的生产速度、第二测试产品的输入材料的数量或成本、和/或第二测试产品的生产成本；根据对第一数据集合和第二数据集合的分析，调整第二生产参数集合中的一个或多个，以创建第三生产参数集合。

14H.根据方面11H至13H中任一方面所述的系统，其中，一个或多个计算设备还被配置为：预测在根据第二生产参数集合第二次执行多个控制回路期间由第二生产参数集合得到的第二数据集合。

15H.根据方面11H至14H中任一方面所述的系统，其中，一个或多个计算设备还被配置为：预测由根据第二组生产参数执行多个控制回路而得到的第二测试产品的一个或多个质量。

16H.根据方面11H至15H中任一方面的系统，其中，一个或多个计算设备还被配置为：预测由根据第二生产参数集合执行多个控制回路而得到的第二测试产品的生产速度。

17H.根据方面11H至16H中任一方面所述的系统，其中，一个或多个计算设备还被配置为：预测由根据第二生产参数集合执行多个控制回路而得到的第二测试产品的输入材料的数量或成本。

18H.根据方面11H至17H中任一方面的系统，其中，一个或多个计算设备还被配置为：预测由根据第二生产参数集合执行多个控制回路而得到的第二测试产品的生产成本。

19H.根据方面11H至18H中任一方面所述的系统，其中，一个或多个计算设备还被配置为：接收以下产品参数中的一个或多个的输入：第二测试产品的一个或多个期望质量、第二测试产品的期望生产速度、第二测试产品的输入材料的期望数量或成本、以及第二测试产品的期望生产成本；并且其中，调整第一生产参数集合中的一个或多个以创建第二生产参数集合包括预测将满足接收到的一个或多个产品参数的第二生产参数集合。

20H.根据方面11H至19H中任一方面所述的系统，其中，一个或多个计算设备还被配置为：接收与第一数据集合相关的自然语言输入查询；部分地使用多个过程控制现场设备和第一生产参数集合的上下文表示来分析输入查询；输出查询响应。

1I.一种工业过程控制系统中的方法，该工业过程控制系统包括由一个或多个过程控制器控制的多个过程控制现场设备，该方法包括：通过一个或多个计算设备从存储与第一过程工厂中的过程控制现场设备相关联的上下文数据的知识库中获取数据集，该上下文数据指示过程控制现场设备之间的关系；由一个或多个计算设备获得指示第一过程工厂中多个参数中的每一个参数的正常操作状态的数据，该多个参数包括第一操作参数集合、第一调整参数集合、以及第一设备参数集合；在过程控制系统的操作期间，由一个或多个计算设备接收来自第一过程工厂的操作的实时、时间序列数据；分析接收到的与多个参数相关的时间序列数据，该数据指示多个参数中的每一个参数的正常操作状态，以及上下文数据，以确定第一过程工厂中的参数中的任何参数是否在正常状态之外操作。

2I.根据方面1I所述的方法，其中，上下文数据包括图形数据库。

3I.根据方面2I所述的方法，其中，图形数据库表示过程控制现场设备和过程控制配置之间的关系。

4I.根据方面2I或方面3I的方法，其中图形数据库表示由一个或多个过程控制器执行的两个或多个控制回路之间的关系。

I.根据1I至4I任一方面所述的方法，还包括：接收与时序数据相关的自然语言输入查询；部分地使用指示过程控制现场设备之间的关系的上下文数据来分析输入查询；输出查询响应。

6I.根据方面1I至5I中任一方面所述的方法，还包括：将来自一个或多个过程控制器的时间序列数据和上下文数据实时输入到经训练的AI模型中；从经训练的AI模型接收基于时间序列数据的产品质量实时预测。

7I.根据方面6I所述的方法，还包括：根据产品质量的实时预测调整多个参数中的一个或多个。

8I.根据方面7I所述的方法，其中，根据产品质量的实时预测调整多个产品参数中的一个或多个包括由一个或多个计算设备使一个或多个过程控制器改变多个生产参数中的一个或多个生产参数的值。

9I.根据方面7I或方面8I的方法，还包括从经训练的AI模型接收对多个参数中要调整的一个或多个参数的推荐。

10I.根据方面1I至9I中任一方面所述的方法，其中，获得指示多个参数中的每一个的正常操作状态的数据包括：鉴于过程的当前操作，将当前参数数据输入到基于上下文数据的模型中以获得参数的正常状态。

11I.根据方面1I至10I中任一方面所述的方法，还包括：由一个或多个计算设备确定一个或多个软传感器值，所述软传感器值包括根据多个参数、上下文数据，以及接收到的时间序列数据来预测或计算的值。

12I.根据方面11I所述的方法，其中，分析步骤进一步包括：分析所确定的一个或多个软传感器值。

13I.根据方面11I或方面12I所述的方法，其中，确定一个或多个软传感器值包括连续地查询时间序列数据。

14I.根据方面1I至13I中任一方面所述的方法，还包括：由一个或多个计算设备从存储与第二过程工厂中的过程控制现场设备相关联的上下文数据的知识库获得数据集，该上下文数据指示第二过程工厂中的过程控制现场设备之间的关系；由一个或多个计算设备获得指示第二过程工厂中的第二多个参数中的每一个的正常操作状态的数据，第二过程工厂中的第二多个参数包括第二操作参数集合、第二调节参数集合和第二设备参数集合；在过程控制系统的操作期间，通过一个或多个计算设备接收第二过程工厂的操作的实时、时间序列数据；分析接收到的与第二多个参数相关的时间序列数据，该数据指示第二多个参数中的每一个的正常操作状态的数据，以及上下文数据，以确定第二过程工厂中的任何参数是否在正常状态之外操作。

15I.一种控制操作过程工厂的工业控制系统，该系统包括：一个或多个过程控制器，执行用于在第一过程工厂中生产产品的控制算法；多个过程控制现场设备，根据由一个或多个过程控制器执行的控制算法在第一过程工厂中操作以生产产品；知识库，存储(i)与工业过程相关的过程配置数据和(ii)图形数据库，图形数据库存储与过程配置数据相关联的上下文；一个或多个计算设备，通信耦合到知识库，该一个或多个计算设备被配置为：从知识库获得数据集；获得指示第一过程工厂中多个参数中的每一个的正常操作状态的数据，该多个参数包括第一操作参数集合、第一调节参数集合、和第一设备参数集合；在过程控制系统的操作期间接收实时、时间序列数据；分析接收到的与多个参数相关的时间序列数据，该数据指示多个参数中的每一个的正常操作状态的数据，以及上下文数据，以确定第一过程工厂中的任何参数是否在正常状态之外操作。

16I.根据方面15I所述的系统，其中，图形数据库表示过程控制现场设备和过程控制配置之间的关系。

17I.根据方面15I或方面16I所述的系统，其中，图形数据库表示由一个或多个过程控制器执行的两个或多个控制回路之间的关系。

18I.根据方面15I至17I中任一方面所述的系统，其中，一个或多个计算设备还被配置为：接收与时序数据相关的自然语言输入查询；部分地使用指示过程控制现场设备之间的关系的上下文数据来分析输入查询；输出查询响应。

19I.根据方面15I至18I中任一方面所述的系统，其中，一个或多个计算设备还被配置为：将来自一个或多个过程控制器的时间序列数据和上下文数据实时输入到经训练的AI模型；并从经训练的AI模型中接收基于时间序列数据的产品质量实时预测。

20I.根据方面15I至19I中任一方面所述的系统，其中，一个或多个计算设备还被配置为：根据产品质量的实时预测来调整多个参数中的一个或多个。

21I.根据方面20I所述的系统，其中，根据产品质量的实时预测调整多个产品参数中的一个或多个包括使一个或多个过程控制器改变多个产品参数中的一个或多个产品参数的值。

22I.根据方面20I或方面21I所述的系统，其中，一个或多个计算设备还被配置为：从经训练的AI模型接收对多个参数中要调整的一个或多个参数的推荐。

23I.根据方面15I至22I中任一方面所述的系统，其中，获得指示多个参数中的每一个的正常操作状态的数据包括：鉴于过程的当前操作，将当前参数数据输入到基于上下文数据的模型中以获得参数的正常状态。

24I.根据方面15I至23I中任一方面所述的系统，其中，一个或多个计算设备还被配置为：确定一个或多个软传感器值，所述软传感器值包括根据多个参数、上下文数据，以及接收到的时间序列数据来预测或计算的值。

25I.根据方面24I所述的系统，其中，对接收到的时间序列数据的分析包括分析所确定的一个或多个软传感器值。

26I.根据方面24I或方面25I所述的系统，其中，确定一个或多个软传感器值包括连续地查询时间序列数据。

27I.根据方面15I至26I中任一方面所述的系统，其中，一个或多个计算设备还被配置为：从存储与第二过程工厂中的过程控制现场设备相关联的上下文数据的知识库获得数据集，该上下文数据指示第二过程工厂中的过程控制现场设备之间的关系；获得指示第二过程工厂中的第二多个参数中的每一个的正常操作状态的数据，第二过程工厂中的第二多个参数包括第二操作参数集合、第二调节参数集合、和第二设备参数集合；在过程控制系统的操作期间接收第二过程工厂的操作的的实时、时间序列数据；分析接收到的与第二多个参数相关的时间序列数据，该数据指示第二多个参数中的每一个的正常操作状态，以及上下文数据，以确定第二过程工厂中的任何参数是否在正常操状态之外操作。

1J.一种工业过程控制系统中的方法，工业过程控制系统包括生产产品的多个过程控制工厂，每个过程工厂又包括由相应的一个或多个过程控制器控制的相应的多个过程控制现场设备以生产产品，该方法包括：通过一个或多个计算设备从存储与相应过程工厂中的过程控制现场设备相关联的上下文数据的知识库为每个过程控制工厂获取数据集，该上下文数据指示过程控制现场设备之间的关系；从一个或多个计算设备向每个过程工厂传送与相应过程工厂的产品的生产相关联的参数数据值集合；在过程控制系统的操作期间，在一个或多个计算设备处从每个过程工厂获取来自相应的一个或多个过程控制器的实时、时间序列数据；查询所获得的每个过程工厂的实时、时间序列数据，以确定是否有任何相应的参数数据值集合已改变。

2J.根据方面1J的方法，其中，存储上下文数据的知识库包括图形数据库。

3J.根据方面1J或2J所述的方法，还包括：接收与时序数据相关的自然语言输入查询；部分地使用指示过程控制现场设备之间的关系的上下文数据来分析输入查询；并输出查询响应。

4J.根据方面1J至3J中任一方面所述的方法，其中，上下文数据还指示过程控制现场设备和控制回路之间的关系。

5J.根据方面1J至4J中任一方面所述的方法，其中，上下文数据还指示多个控制回路之间的关系。

6J.根据方面1J至5J中任一方面所述的方法，还包括：当查询确定相应的参数数据值集合中的一个或多个已改变时：存储发生变化的参数数据值集合；将版本控制信息指派给改变的参数数据值集合。

7J.根据方面1J至6J中任一方面所述的方法，还包括在中央数据库中存储多个过程控制工厂中的每一个的参数数据值。

8J.根据方面1J至7J中任一方面所述的方法，还包括连续地或周期性地执行上下文数据和时间序列数据的一个或多个查询，以便为多个过程控制工厂中的每个过程控制工厂创建一个或多个对应的软传感器参数。

9J.根据方面8J所述的方法，其中，一个或多个软传感器参数包括预测值。

10J.根据方面1J至9J中任一方面所述的方法，还包括：对于已经改变的参数数据值集合：确定该集合的参数中的一个或多个已改变的参数；将一个或多个已改变的参数中的每一个分类为操作参数、调节参数或设备参数中的一个。

11J.根据方面10J所述的方法，还包括：使用上下文数据、实时时间序列数据、和一个或多个已改变的参数的值来确定一个或多个改变的参数是否将导致该过程或产品在认证或合格状态之外。

12J.一种系统包括：多个工业过程控制系统，每个工业过程控制系统控制相应的操作过程工厂，每个过程控制系统包括：一个或多个过程控制器，执行用于在相应的过程工厂中生产产品的控制算法；以及多个过程控制现场设备，根据由一个或多个过程控制器执行的控制算法在相应的过程工厂中操作以生产产品；知识库，存储(i)与多个工业过程控制系统中的每一个相关的过程配置数据，以及(ii)图形数据库，图形数据库存储与多个工业过程控制系统中的每一个的过程配置数据相关联的上下文；一个或多个计算设备，通信地耦合到知识库，该一个或多个计算设备被配置为：从知识库为过程控制工厂中的每一个获取数据集，该数据集包括指示过程控制现场设备之间的关系的上下文数据；向每个过程工厂传送与在相应过程工厂的产品的生产相关联的参数数据值集合；在过程控制系统的操作期间从每个过程工厂获得来自相应的一个或多个过程控制器的实时、时间序列数据；查询所获得的每个过程工厂的实时、时间序列数据，以确定是否有任何相应的参数数据集合已改变。

13J.根据方面12J所述的系统，其中，一个或多个计算设备还被配置为：接收与时间序列数据相关的自然语言输入查询；部分地使用指示过程控制现场设备之间的关系的上下文数据来分析输入查询；并输出查询响应。

14J.根据方面12J或方面13J所述的系统，其中，上下文数据还指示过程控制现场设备和控制回路之间的关系。

15J.根据方面12J至14J中任一方面的系统，其中，上下文数据还指示多个控制回路之间的关系。

16J.根据方面12J至15J中任一方面所述的系统，其中，一个或多个计算设备还被配置为，当查询确定相应的参数数据值集合中的一个或多个已经改变时，存储已经改变的参数数据集合；并将版本控制信息指派给已改变的参数数据值集合。

17J.根据方面12J至16J中任一方面所述的系统，其中，一个或多个计算设备还被配置为：在中央数据库中存储多个过程控制工厂中的每一个的参数数据值。

18J.根据12J至17J任一方面的系统，其中，一个或多个计算设备还被配置为：连续或周期性地执行上下文数据和时序数据的一个或多个查询，以创建多个过程控制工厂中的每个过程控制工厂的一个或多个对应的软传感器参数。

19J.根据方面18J所述的系统，其中，一个或多个软传感器参数包括预测值。

20J.根据方面12J至19J中任一方面的系统，其中，一个或多个计算设备还被配置为：针对已改变的参数数据值集合：确定该组中已改变的一个或多个参数；并且将一个或多个改变的参数中的每一个分类为操作参数、调节参数或设备参数中的一个。

21J.根据权利要求20J所述的系统，其中，一个或多个计算设备还被配置为使用上下文数据、实时时间序列数据和一个或多个已改变的参数的值来确定一个或多个改变的参数是否将导致该过程或产品在认证或合格状态之外。

1K.一种在控制操作过程工厂的工业过程控制系统中的方法，该方法包括：由一个或多个计算设备从存储与工业过程相关的过程配置数据和图形数据库的知识库获得数据集，图形数据库存储与过程配置数据相关联的上下文数据；由一个或多个计算设备接收第一过程控制数据集，第一过程控制数据集包括过程工厂中多个参数的时间序列数据；在过程工厂的控制参数中引入扰动；由一个或多个计算设备接收第二过程控制数据集，第二过程控制数据集包括过程工厂中多个参数的时间序列数据；并且由一个或多个计算设备使用从知识库获得的数据集来分析第一和第二过程控制数据集，以做出与扰动的一个或多个影响相关的确定。

2K.根据方面1K所述的方法，其中，在控制参数中引入扰动包括引入被配置为最小可检测的扰动。

3K.根据方面1K或方面2K所述的方法，其中，在控制参数中引入扰动包括引入可逆扰动。

4K.根据方面1K至3K中任一方面所述的方法，其中，在控制参数中引入扰动包括在小于五分钟的时间段内引入可逆扰动，并且在该时间段之后，将控制参数恢复为引入扰动之前的控制参数。

5K.根据方面1K至4K中任一方面所述的方法，其中，在控制参数中引入扰动包括在小于一分钟的时间段内引入可逆扰动，并且在该时间段之后，将控制参数恢复为引入扰动之前的控制参数。

6K.根据方面1K至5K中任一方面所述的方法，其中，在控制参数中引入扰动包括在小于30秒的时间段内引入可逆扰动，并且在该时间段之后，将控制参数恢复为引入扰动之前的控制参数。

7K.根据方面1K至6K中任一方面所述的方法，其中，在控制参数中引入扰动包括引入第一扰动，该方法还包括：由一个或多个计算设备接收第三过程控制数据集，该第三过程控制数据集包括过程工厂中多个参数的时间序列数据；在过程工厂的控制参数中引入第二扰动；由一个或多个计算设备接收第四过程控制数据集，第四过程控制数据集包括过程工厂中多个参数的时间序列数据；并且通过一个或多个计算设备，使用从知识库获得的数据集，相对于与第一扰动的一个或多个影响相关的确定，分析第三和第四过程控制数据集，以确定第二扰动的一个或多个影响，并且根据该确定，检测和/或表征工业过程控制系统的配置或操作中的漂移。

8K.根据方面7K所述的方法，还包括：由一个或多个计算设备接收第五过程控制数据集合，第五过程控制数据集合包括过程工厂中的多个参数的时间序列数据；在过程工厂的控制参数中引入第三扰动；由一个或多个计算设备接收第六过程控制数据集合，第六过程控制数据集合包括过程工厂中的多个参数的时间序列数据；并且通过一个或多个计算设备，使用从知识库获得的数据集，相对于与第一和第二扰动的一个或多个影响相关的确定，分析第五和第六过程控制数据集，以确定第三扰动的一个或多个影响，并根据该确定，检测和/或表征工业过程控制系统的配置或操作中的漂移。

9K.根据方面1K至8K中任一方面所述的方法，其中，与扰动的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大扰动幅度。

10K.根据方面1K至9K中任一方面所述的方法，其中，与扰动的一种或多种影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大扰动变化率。

11K.根据方面1K至10K中任一方面所述的方法，其中，与扰动的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大扰动持续时间。

12K.根据方面1K至11K中任一方面所述的方法，其中，与扰动的一种或多种影响相关的确定包括与扰动相关联的传播时间的确定，传播时间定义为引入扰动和(i)在过程工厂实体处或(ii)过程工厂下游参数上的影响之间经过的时间。

13K.根据方面1K至12K中任一方面所述的方法，其中，控制参数中的扰动是第一控制参数中的扰动，该方法还包括：在过程工厂的第二控制参数中引入扰动；由一个或多个计算设备接收第三过程控制数据集，第三过程控制数据集包括过程工厂中多个参数的时间序列数据；并且通过一个或多个计算设备分析第一、第二和第三过程控制数据集，使用从知识库获得的数据集，以做出与第一和第二控制参数的扰动的一个或多个影响相关的确定。

14K.根据方面1K至13K中任一方面所述的方法，其中，操作过程工厂是第一过程工厂，该方法还包括：由一个或多个计算设备从存储与在第二过程工厂中操作的工业过程相关的过程数据和第二图形数据库的知识库获得数据集，第二图形数据库存储与第二过程工厂中的过程数据相关联的上下文；由一个或多个计算设备接收第三过程控制数据集，第三过程控制数据集包括第二过程工厂中的多个参数的时间序列数据；在第二过程工厂的控制参数中引入扰动，第二过程工厂的控制参数对应于第一过程工厂的控制参数；由一个或多个计算设备接收第四过程控制数据集，第四过程控制数据集包括第二过程工厂中的多个参数的时间序列数据；通过一个或多个计算设备，使用从知识库获得的数据集，分析第三和第四过程控制数据集，以做出与第二过程工厂中扰动的一个或多个影响相关的确定；比较第一扰动对第一过程工厂的一个或多个影响与第二过程工厂中的扰动对第二过程工厂的一个或多个影响。

15K.根据方面1K至14K中任一方面所述的方法，其中，与扰动的一种或多种影响相关的确定包括确定扰动之后测量过程工厂的产品样本的最佳时间。

16K.根据方面1K至15K中任一方面所述的方法，其中，由一个或多个计算设备在过程工厂的控制参数中引入扰动包括使控制过程工厂的操作的过程控制器引入扰动。

17K.一种控制操作过程工厂的工业过程控制系统，该系统包括：一个或多个过程控制器，执行用于在过程工厂中生产产品的控制算法；多个过程控制装置，根据由一个或多个控制器执行的控制算法操作以生产产品；知识库，存储(i)与工业过程相关的过程配置数据和(ii)图形数据库，图形数据库存储与过程配置数据相关联的上下文；一个或多个计算设备，通信耦合到知识库和一个或多个过程控制器，该一个或多个计算设备被配置为：从知识库获得数据集，该数据集包括过程配置数据和图表数据库；接收第一过程控制数据集，第一过程控制数据集包括过程工厂中多个参数的时间序列数据；使一个或多个过程控制器在过程工厂的控制参数中引入扰动；接收第二过程控制数据集，第二过程控制数据集包括在引入扰动之后过程工厂中的多个参数的时间序列数据；并且使用从知识库获得的数据集分析第一和第二过程控制数据集，以做出与扰动的一个或多个影响相关的确定。

18K.根据方面17K所述的工业过程控制系统，其中，引入的扰动被配置为最小可检测的。

19K.根据方面17K或方面18K所述的工业过程控制系统，其中，扰动是可逆扰动。

20K.根据方面17K至19K中任一方面所述的工业过程控制系统，其中，可逆扰动持续少于五分钟的时间段，并且在该时间段之后，将控制参数恢复为引入扰动之前的控制参数的值。

21K.根据方面17K至20K中任一方面所述的工业过程控制系统，其中，可逆扰动持续小于一分钟的时间段，并且在该时间段之后，将控制参数恢复为引入扰动之前的控制参数的值。

22K.根据方面17K至21K中任一方面所述的工业过程控制系统，其中可逆扰动持续小于30秒的时间段，并且在该时间段之后，将控制参数恢复为引入扰动之前的控制参数的值。

23K.根据方面17K至22K中任一方面所述的工业过程控制系统，其中，控制参数中的扰动包括第一扰动，并且其中，一个或多个计算设备还被配置为：接收包括过程工厂中多个参数的时间序列系列数据的第三过程控制数据集；使一个或多个过程控制器在过程工厂的控制参数中引入第二扰动；在引入第二扰动之后，接收包括过程工厂中多个参数的时间序列数据的第四过程控制数据集；并且使用从知识库获得的数据集分析第三和第四过程控制数据集，相对于与第一扰动的一个或多个影响相关的确定，以确定第二扰动的一个或多个影响，并且根据该确定，检测和/或表征工业过程控制系统的配置或操作中的漂移。

24K.根据方面23K所述的工业过程控制系统，其中，一个或多个计算设备还被配置为：接收包括过程工厂中多个参数的时间序列数据的第五过程控制数据集；使一个或多个过程控制器在过程工厂的控制参数中引入第三扰动；在引入第三扰动之后，接收包括过程工厂中多个参数的时间序列数据的第六过程控制数据集；并且使用从知识库获得的数据集分析第五和第六过程控制数据集，相对于与第一和第二扰动的一个或多个影响相关的确定，以确定第三扰动的一个或多个影响，并且根据该确定，检测和/或表征工业过程控制系统的配置或操作中的漂移。

25K.根据方面17K至24K中任一方面所述的工业过程控制系统，其中，与扰动的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大扰动幅度。

26K.根据方面17K至25K中任一方面所述的工业过程控制系统，其中，与扰动的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大扰动变化率。

27K.根据方面17K至26K中任一方面所述的工业过程控制系统，其中，与扰动的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大扰动持续时间。

28K.根据方面17K至27K中任一方面所述的工业过程控制系统，其中，与扰动的一个或多个影响相关的确定包括与扰动相关联的传播时间的确定，传播时间定义为引入扰动和(i)在过程工厂实体处或(ii)过程工厂下游参数上的影响之间经过的时间。

29K.根据方面17K至28K中任一方面所述的工业过程控制系统，其中，控制参数中的扰动是第一控制参数中的扰动，并且其中，一个或多个计算设备还被配置为：使一个或多个过程控制器在过程工厂的第二控制参数中引入扰动；在第二控制参数中引入扰动之后，接收包括过程工厂中多个参数的时间序列数据的第三过程控制数据集；并且使用从知识库获得的数据集分析第一、第二和第三组过程控制数据，以做出与第一和第二控制参数的扰动的一个或多个影响相关的确定。

30K.根据方面17K至29K中任一方面所述的工业过程控制系统，其中，操作过程工厂是第一过程工厂，并且其中，一个或多个计算设备还被配置为：从存储在第二过程工厂中操作的工业过程相关的过程数据和与第二过程工厂中的过程数据相关联的上下文的知识库获得数据集；接收包括第二过程工厂中多个参数的时间序列数据的第三过程控制数据集；使一个或多个过程控制器在第二过程工厂的控制参数中引入扰动，第二过程工厂的控制参数对应于第一过程工厂的控制参数；在第二过程工厂中引入扰动之后，接收包括第二过程工厂中的多个参数的时间序列数据的第四过程控制数据集；使用从知识库获得的数据集分析第三和第四过程控制数据集，以做出与第二过程工厂中扰动的一个或多个影响相关的确定；比较第一扰动对第一过程工厂的一个或多个影响与第二过程工厂中的扰动对第二过程工厂的一个或多个影响。

31K.根据方面17K至30K中任一方面所述的工业过程控制系统，其中，与扰动的一个或多个影响相关的确定包括确定扰动后测量过程工厂的产品样本的最佳时间。

1L.一种在控制操作过程工厂的工业过程控制系统中的方法，该方法包括：由一个或多个计算设备从存储与工业过程相关的过程配置数据和图形数据库的知识库获得数据集，图形数据库存储与与过程配置数据相关联的上下文；由一个或多个计算设备接收第一过程控制数据集，第一过程控制数据集包括过程工厂中多个参数的时间序列数据；在过程工厂的第一控制参数中引入第一阶跃变化；由一个或多个计算设备接收第二过程控制数据集，第一过程控制数据集包括过程工厂中多个参数的时间序列数据；由一个或多个计算设备，使用从知识库获得的数据集来分析第一和第二过程控制数据集，以做出与阶跃变化的一个或多个影响相关的确定；根据与阶跃变化的一个或多个影响相关的确定来调节过程设备的第二控制参数。

2L.根据方面1L所述的方法，该方法还包括：由一个或多个计算设备接收第三过程控制数据集，该第三过程控制数据集包括过程工厂中的多个参数的时间序列数据；在过程工厂的控制参数中引入第二阶跃变化；由一个或多个计算设备接收第四过程控制数据集，第四过程控制数据集包括过程工厂中多个参数的时间序列数据；由一个或多个计算设备使用从知识库获得的数据集，相对于与第一阶跃变化的一个或多个影响相关的确定，分析第三和第四过程控制数据集，以确定第二阶跃变化的一个或多个影响，并且根据该确定，检测和/或表征工业过程控制系统的配置或操作中的漂移。

3L.根据方面2L所述的方法，还包括：由一个或多个计算设备接收第五组过程控制数据，第五组过程控制数据包括过程工厂中的多个参数的时间序列数据；在过程工厂的控制参数中引入第三步变化；由一个或多个计算设备接收第六组过程控制数据，第六组过程控制数据包括过程工厂中的多个参数的时间序列数据；并且通过一个或多个计算设备，使用从知识库获得的数据集，分析第五和第六组过程控制数据，相对于与第一和第二步变化的一个或多个影响相关的确定，确定第三阶跃变化的一个或多个影响，并根据该确定检测和/或表征控制参数对过程工厂的影响。

4L.根据方面1L至3L中任一方面所述的方法，其中，与阶跃变化的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大阶跃变化幅度。

5L.根据方面1L至4L中任一方面所述的方法，其中，与阶跃变化的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大阶跃变化率。

6L.根据方面1L至6L中任一方面所述的方法，其中，与阶跃变化的一个或多个影响相关的确定包括确定与阶跃变化相关联的传播时间，传播时间定义为引入阶跃变化和(i)在过程工厂实体处或(ii)过程工厂下游参数上的影响之间经过的时间。

7L.根据方面1L至6L中任一方面所述的方法，还包括：对于第一控制参数的第二阶跃变化，预测过程工厂的第二控制参数的预测调节值。

8L.根据方面1L至7L中任一方面所述的方法，其中，与阶跃变化的一个或多个影响相关的确定包括确定阶跃变化之后测量过程工厂的产品样品的最佳时间。

9L.根据方面1L至8L中任一方面所述的方法，其中，操作过程工厂是第一操作过程工厂，该方法还包括：由一个或多个计算设备接收第三过程控制数据集，第三过程控制数据集包括第二过程工厂中多个参数的时间序列数据；在第二过程工厂的控制参数中引入第二阶跃变化，第二过程工厂的控制参数对应于第一过程工厂的控制参数；由一个或多个计算设备接收第四过程控制数据集，第四过程控制数据集包括第二过程工厂中的多个参数的时间序列数据；由一个或多个计算设备分析第三和第四过程控制数据集，使用从知识库获得的数据集，相对于与第一阶跃变化的一个或多个影响相关的确定，以确定第二步变化的一个或多个影响；将第一阶跃变化对第一过程工厂的一个或多个影响与第二阶跃变化对第二过程工厂的一个或多个影响进行比较。

10L.根据方面9L的方法，还包括：从第一阶跃变化对第一过程工厂的一个或多个影响与第二阶跃变化对第二过程工厂的一个或多个影响的比较，检测第一过程工厂或第二过程工厂的配置已从批准的配置中更改。

11L.一种控制操作过程工厂的工业过程控制系统，该系统包括：一个或多个过程控制器，执行用于在过程工厂中生产产品的控制算法；多个过程控制设备，根据由一个或多个控制器执行的控制算法操作以生产产品；知识库，存储(i)与工业过程相关的过程配置数据和(ii)图形数据库，图形数据库存储与过程配置数据相关联的上下文；一个或多个计算设备，通信耦合到知识库和一个或多个过程控制器，该一个或多个计算设备被配置为：从知识库获得数据集，该数据集包括过程配置数据和图形数据库；接收第一过程控制数据集，第一过程控制数据集包括过程工厂中多个参数的时间序列数据；使一个或多个过程控制器在过程工厂的第一控制参数中引入第一阶跃变化；接收第二过程控制数据集，第一过程控制数据集包括过程工厂中多个参数的时间序列数据；使用从知识库获得的数据集，分析第一和第二过程控制数据集，以做出与阶跃变化的一个或多个影响相关的确定；根据与阶跃变化的一个或多个影响相关的确定来调节过程设备的第二控制参数。

12L.根据方面11L所述的系统，其中，一个或多个计算设备还被配置为：接收第三过程控制数据集，该第三过程控制数据集包括过程工厂中的多个参数的时间序列数据；使一个或多个过程控制器在过程工厂的控制参数中引入第二阶跃变化；接收第四过程控制数据集，第四过程控制数据集包括过程工厂中多个参数的时间序列数据；分析第三和第四过程控制数据集，使用从知识库获得的数据集，相对于与第一阶跃变化的一个或多个影响相关的确定，来确定第二阶跃变化的一个或多个影响，并且根据该确定，检测和/或表征工业过程控制系统的配置或操作中的漂移。

13L.根据方面12L所述的系统，其中，一个或多个计算设备还被配置为：接收第五过程控制数据集，第五过程控制数据集包括过程工厂中的多个参数的时间序列数据；使一个或多个过程控制器在过程工厂的控制参数中引入第三阶跃变化；接收第六过程控制数据集，第六过程控制数据集包括过程工厂中多个参数的时间序列数据；分析第五和第六过程控制数据集，使用从知识库获得的数据集，相对于与第一和第二阶跃变化的一个或多个影响相关的确定，来确定第三阶跃变化的一个或多个影响，并根据该确定，检测和/或表征控制参数对过程工厂的影响。

14L.根据方面11L至13L中任一方面所述的系统，其中，与阶跃变化的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大阶跃变化幅度。

15L.根据方面11L至14L中任一方面所述的系统，其中，与阶跃变化的一个或多个影响相关的确定包括确定可以在不将过程工厂的产品推到产品的指定生产参数之外的情况下引入的最大阶跃变化率。

16L.根据方面11L至15L中任一方面所述的系统，其中，与阶跃变化的一个或多个影响相关的确定包括确定与阶跃变化相关联的传播时间，传播时间定义为引入阶跃变化和(i)在过程工厂实体处或(ii)过程工厂下游参数上的影响之间经过的时间。

17L.根据方面11L至16L中任一方面所述的系统，还包括：对于第一控制参数的第二阶跃变化，预测过程工厂的第二控制参数的预测调节值。

18L.根据方面11L至17L中任一方面所述的系统，其中，与阶跃变化的一个或多个影响相关的确定包括确定阶跃变化后测量过程工厂的产品样本的最佳时间。

19L.根据方面11L至18L中任一方面所述的系统，其中，操作过程工厂是第一操作过程工厂，并且其中，一个或多个计算设备还被配置为：接收第三过程控制数据集，第三过程控制数据集包括第二过程工厂中多个参数的时间序列数据；使第二过程工厂中的一个或多个过程控制器在第二过程工厂的控制参数中引入第二阶跃变化，第二过程工厂的控制参数对应于第一过程工厂的控制参数；接收第四过程控制数据集，第四过程控制数据集包括第二过程工厂中多个参数的时间序列数据；分析第三和第四过程控制数据集，使用从知识库获得的数据集，相对于与第一阶跃变化的一个或多个影响相关的确定，来确定第二阶跃变化的一个或多个影响；比较第一阶跃变化对第一过程工厂的一个或多个影响与第二阶跃变化对第二过程工厂的一个或多个影响。

20L.根据方面19L所述的系统，其中，一个或多个计算设备还被配置为：从第一阶跃变化对第一过程工厂的一个或多个影响与第二阶跃变化对第二过程工厂的一个或多个影响的比较，检测第一过程工厂或第二过程工厂的配置已从批准的配置更改。