CN111597391B - 用于使用模式的数据库来指导工程项目的方法及*** - Google Patents
用于使用模式的数据库来指导工程项目的方法及*** Download PDFInfo
- Publication number
- CN111597391B CN111597391B CN202010099745.3A CN202010099745A CN111597391B CN 111597391 B CN111597391 B CN 111597391B CN 202010099745 A CN202010099745 A CN 202010099745A CN 111597391 B CN111597391 B CN 111597391B
- Authority
- CN
- China
- Prior art keywords
- database
- graph
- query
- schema
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及用于搜索数据库的方法及***,其中图数据库直接将数据储存器中的数据项与表示数据项之间的关系的边缘相关联。这些关系将数据项链接在一起,并且通常允许通过单个运算来检索复杂的相关数据项的集合。用于图数据库的新查询***和技术提供对数据项之间的非显式连接的预测,其进一步增强图数据库的效率和效用以及扩展它们的工业应用。
Description
技术领域
本公开涉及数据库***。具体地,本公开涉及用于图数据库的查询增强。
背景技术
图数据库将数据储存器中的数据项与表示数据项之间关系的标记边缘直接相关联。这些关系将数据项链接在一起,并且通常允许通过单个运算来检索复杂的相关数据项的集合。图数据库的查询***和技术的改进将进一步提高其效率和效用,以及扩展其工业应用。
发明内容
本发明一方面提供一种用于搜索数据库的方法,包括:提供数据库的数据库接口,数据库存储图结构,图结构包括图节点和在图节点之间定义的显式关系;通过通信接口接受来自查询源的数据库预测查询,数据库查询包括应用于特定关系的预测运算符;解析数据库预测查询,以识别数据库查询中的预测运算符和特定关系;响应于识别预测运算符和特定关系,分析图结构以识别图结构中的未包括在图结构中定义的显式关系中的特定关系的预测示例;以及通过通信接口向查询源报告特定关系的预测示例。
根据本发明的优选实施例,分析包括:确定包括图节点中的源节点和目标节点的候选节点集;确定在图节点中的源节点与目标节点之间的特定关系的候选路径;以及决定候选路径有资格作为预测示例。
根据本发明的优选实施例,决定包括:确定候选路径的分数;以及确定分数是否超过预定义阈值。
根据本发明的优选实施例,数据库预测查询还包括源节点说明符和目标节点说明符;并且报告包括:返回搜索结果结构,搜索结果结构包括分数以及数据库内的、从源节点到目标节点的、分数和预测示例在其上应用的图结构路径。
根据本发明的优选实施例,应用预定义评分函数来生成分数。
根据本发明的优选实施例,评分函数被配置成提供预定义关系类型的概率分布。
根据本发明的优选实施例,评分函数被配置成将权重系数应用于概率分布。
根据本发明的优选实施例,权重系数包括对应于源节点与目标节点之间的距离的遍历深度参数。
根据本发明的优选实施例,预定义的已知词语表示在图节点之间可应用的预定义关系;以及其中分析包括:基于已知词语来训练模型。
本发明的另一方面提供一种数据库搜索***,包括:图结构的数据库接口,图结构包括:图节点;以及在图节点之间定义的显式关系;以及通信接口,其被配置成接受来自查询源的包括应用于特定关系的预测运算符的数据库预测查询;分析电路,其被配置成:分析图结构,以识别图结构中的未包括在图结构中的显式关系中的特定关系的预测示例;以及通过通信接口向查询源报告特定关系的预测示例。
根据本发明的优选实施例,分析电路还被配置成:确定包括图节点中的源节点和目标节点的候选节点集;确定图节点中的源节点与目标节点之间的特定关系的候选路径;以及决定候选路径有资格作为预测示例。
根据本发明的优选实施例,分析电路还被配置成确定候选路径的分数;以及确定分数是否超过预定义阈值。
根据本发明的优选实施例,数据库预测查询还指定图节点中的源节点说明符和目标节点说明符;并且分析电路被配置成通过返回搜索结果结构来报告,搜索结果结构包括分数以及图数据库内的、从源节点到目标节点的、分数和预测示例在其上应用的图结构路径。
根据本发明的优选实施例,分析电路被配置成应用预定义评分函数以生成分数。
根据本发明的优选实施例,评分函数被配置成提供预定义关系类型的概率分布。
根据本发明的优选实施例,评分函数被配置成将权重系数应用于概率分布。
根据本发明的优选实施例,权重系数包括对应于源节点与目标节点之间的距离的遍历深度参数。
根据本发明的优选实施例,分析电路包括预定义已知词语的集合,预定义已知词语的集合表示在图节点之间可应用的预定义关系;以及其中分析电路还被配置成基于已知词语来训练模型。
本发明的另一方面提供一种用于搜索数据库的***,***包括:数据存储库,包括:图数据库,其包括图节点以及从可应用于图节点的预定义关系的集合中选择的图节点之间的显式关系;以及***电路,其定义:查询搜索接口,其被配置成连接至查询源;查询处理逻辑,其被配置成:接受来自查询源的数据库预测查询,数据库查询包括应用于预定义关系的集合中的特定关系的预测运算符;以及分析图数据库,以识别未在图数据库中显式定义的特定关系的预测示例;以及报告接口,其被配置成向查询源报告特定关系的预测示例。
根据本发明的优选实施例,查询处理逻辑还被配置成:确定包括图节点中的源节点和目标节点的候选节点集;确定候选节点集中的源节点与目标节点之间的特定关系的候选路径;确定候选路径与特定关系匹配的可能性分数;以及生成搜索结果结构,搜索结果结构包括可能性分数以及图数据库内的、从源节点到目标节点的、分数在其上应用的候选路径;并且其中报告接口被配置成通过将搜索结果结构传输到查询源来报告预测示例。
附图说明
图1示出了示例性工业自动化环境。
图2示出了存储在图数据库中的示例性图结构。
图3示出了用于搜索数据库的逻辑。
图4示出了个人工程***。
图5示出了个人工程***可以遵循以指导工程师的逻辑的示例。
图6示出了示例性***实现方式。
具体实施方式
重要的技术问题对图数据库中的数据元素的有效存储和检索构成了挑战。例如,这些技术问题包括在数据元素之间建立和发现并不总是明显、清晰或明确定义的重要关系。技术问题还包括从图数据库中有效地检索此类相关数据元素。下面描述的***和技术解决了这些和其他技术问题。出于解释的目的,相对于示例性工业自动化环境描述***和技术,在示例性工业自动化环境中对于诸如可编程逻辑控制器(PLC)及其组成部分的装置存在(但可能未显式定义)子部件关系。然而应当注意,***和技术可以应用于任何环境和技术领域。
图1示出了示例性工业自动化环境100。在该示例中,自动化环境100包括装配线102和沿装配线定位的多个制造装置,例如装置104、106、108和110。自动化环境100还包括传感器,例如,提供来自环境100的反馈的传感器118、120、122、124、126和128。制造装置104-110可以是任何类型的受控机器或***,包括以下仅作为几个示例:机器人、混合器、焊接器、皮带、传送器、升降机、喷射器、车床、铣床、固定装置、刨床等。传感器118-128可以是任何类型的反馈装置,包括以下仅作为几个示例:相机、麦克风、电流传感器、电压传感器、旋转传感器、振动传感器、rpm传感器、压力传感器、触摸传感器、接近传感器、热电偶、体积传感器、倾斜传感器、温度传感器等。在图1中,PLC 130、132、134和136控制和监测装置104-110。
图1还示出了PLC 130-136通过网络138与一个或多个本地或远程***(例如,数据库搜索***140(“***140”))进行通信。工程客户端142(例如,膝上型计算机、平板计算机和智能电话)通过网络138进行通信以完成各种各样的任务。一个任务是在数据库中搜索自动化环境中的装置(诸如制造装置104-110和PLC 130-136)的部件和子部件的零件信息,例如作为维护操作或修理操作的一部分。
在图1的示例中,***140包括对于图数据库152的数据库接口150(例如,图数据库管理***)。***140还包括通信接口154,其被配置成从诸如工程客户端142的查询源接受数据库预测查询156。如下面将更详细解释的,数据库预测查询156通常包括对于图数据库152中的图节点之间的特定关系的预测运算符。
***140还包括分析电路158。分析电路158被配置成分析图数据库152以识别未在图数据库152中显式定义的图节点之间的特定关系的预测示例。分析电路158还通过通信接口154向查询源报告特定关系的预测示例。最后,分析电路158可以将包含搜索结果的查询结果报告160传输到工程客户端142。
继续针对自动化环境100中的装置的部件和子部件进行搜索的示例,图2示出了存储在图数据库152中的示例性图结构200。图结构200包括图节点,例如图节点202(标记为PLCa)、204(Pin 0)、206(PLCb)、208(IO模块2)、210(Pin 1)、212(PLCc)和214(Pin 2)。实线箭头示出了图节点之间的边缘上定义的显式关系。显式关系包括“子部件”关系216、“部件”关系218和220、以及“故障转移”关系222。数据库搜索***140将定位图结构200内的特定关系的预测示例。这些预测示例在图1中被识别为预测子部件关系224、预测子部件关系226、预测子部件关系228和预测子部件关系199。这些预测示例不是显式定义的,且因此在没有下面描述的***和技术的情况下将无法被识别为子部件关系。
图2示出了示例性数据库预测查询232,其包括应用于特定关系236(在这种情况下是“子部件”)的预测运算符234(在这种情况下是字符“?”)。数据库预测查询232还包括源节点类型为“PLC”的源节点说明符238和目标节点类型为“Pin”的目标节点说明符240。分析电路158向查询源报告特定关系的预测示例,任选地包括候选路径与特定关系匹配的可能性分数。在图2所示的示例中,分析电路158报告搜索结果结构242,其包括满足数据库预测查询232的搜索结果。
如图2所示,搜索结果结构242中的搜索结果244包括开始于源节点246并结束于目标节点248的图结构路径250。图结构路径250是图结构中的可能性分数252在其上应用的路径。可能性分数252指示图结构路径250(开始于PLCb,通过IO模块2,结束于Pin2)表示图节点PLCb与Pin2之间的“子部件”关系的可能性为92%。类似地,搜索结果254指示开始于PLCc,通过PLCb,通过IO模块2,结束于Pin1的图结构路径表示图节点PLCc与Pin2之间的“子部件”关系的可能性为42%。搜索结果256指示开始于PLCa并结束于Pin0的“子部件”关系的可能性为100%。100%的可能性遵循显式定义的“子部件”关系216。
以下相对于图3所示的分析逻辑300详细描述分析电路158确定搜索结果的方式。数据库搜索***140提供数据库152的数据库接口150,该数据库存储包括图节点以及在图节点之间定义的显式关系的图结构(302)。数据库搜索***140通过通信接口154从查询源接受数据库预测查询(304)。数据库查询包括应用于特定关系(例如“子部件”)的预测运算符。分析逻辑158解析数据库预测查询以识别预测运算符和特定关系(306)。
响应于识别预测运算符和特定关系,分析逻辑158分析图结构以识别图结构中的未包括在图结构中定义的显式关系中的特定关系的预测示例(308)。在这方面中,分析电路158可以确定包括图节点中的源节点和目标节点的候选节点集合,确定图节点中的源节点与目标节点之间的特定关系的候选路径,以及决定候选路径有资格作为预测示例。在一个实现方式中,分析电路158继续使用预定义评分函数来确定候选节点集的分数,以及确定分数是否超过预定义阈值。评分函数被配置成提供预定义关系类型的概率分布并且被配置成将权重系数应用于概率分布。例如,权重系数可以包括对应于沿候选图结构路径的源节点与目标节点之间的距离的遍历深度参数。此外,数据库搜索***140可预定义已知词语的集合,以表示在图节点之间可应用的预定关系(例如,“部件”、“子部件”、“故障转移”),并且分析电路158可以基于已知词语来训练模型162。进一步的细节如下。
换句话说,数据库搜索***140可以包括数据储存库,该数据储存库包括存储图节点以及从可应用于图节点的预定义关系集合中选择的图节点之间的显式关系的图数据库152。数据库搜索***140还包括定义查询搜索接口的***电路,该查询搜索接口被配置成连接到查询源和查询处理逻辑。查询搜索接口可以包括通信接口154和用于接受数据库预测查询的用户接口。
查询处理逻辑(例如,分析电路158)被配置成从查询源接受数据库预测查询,其中数据库查询包括应用于预定义关系集合中的特定关系的预测运算符。查询处理逻辑还被配置成分析图数据库152,以识别未在图数据库中显式定义的特定关系的预测示例。数据库搜索***140还包括被配置成向查询源报告特定关系的预测示例的报告接口。例如,报告接口可以包括通信接口154和用于报告搜索结果的用户接口。
查询处理逻辑被配置成确定包括图节点中的源节点和目标节点的候选节点集合,确定候选节点集中的源节点与目标节点之间的特定关系的候选路径,并且确定候选路径与特定关系匹配的可能性分数。然后,查询处理逻辑可以生成搜索结果结构,该搜索结果结构包括可能性分数和图数据库内的从源节点到目标节点的分数在其上应用的候选路径。报告接口被配置成通过将搜索结果结构传输到查询源来报告预测示例。
数据库搜索***140有助于解决识别PLC网络中的未在图数据库152中显式定义的子部件的技术问题。在上面提到的示例中,图中可用的唯一事实信息是显式定义的关系,例如PLCb与PLCc之间的“故障转移”关系222。数据库预测查询有助于识别非显式但通过PLC节点之间的“故障转移”关系和“部件”关系推断出来的其他“子部件”关系。
在一个实现方式中,分析电路158使用查询中指定类型的节点的本地邻域来执行推理。例如,数据库预测查询“MATCH p=(n:src_type)-[?:rel_type]-(m:dst_type)return p”是关于“src_type”(源说明符)类型的节点及其与“dst_type”(目标说明符)类型的节点的关系的查询。分析电路158生成图结构200中类型为“src_type”的节点列表(即“S”中的“s”)。对于这些匹配节点中的每一个,分析电路158通过深度“k”遍历类型为“dst_type”的其邻域(即“D”中的“d”)。对于每个候选节点集合对(s,d),分析电路158评估评分函数:
1/(k-1)*ψ(s,d)
其提供了图中的关系类型的概率分布。然后,分析电路158确定其分数超过阈值“thold”的图结构路径:
s-->[rel_type]-->d,其中rel_type=arg max(1/(k-1)*ψ(s,d))>thold
图三重嵌入
分析电路158使用例如多类多标记分类器并且基于作为已知词语164的预定义词袋(BoW)对实体以及与线性分类器的关系进行建模(例如,利用模型162)来了解图嵌入。模型162的一个实现方式包括分类器矩阵W、用于每个输入示例的查找矩阵V、用于计算类的概率分布的函数f、N个输入示例、针对第n个输入xn的基于BoW的线性化分类器和yn标签。
该模型试图最小化:
分析电路158可以表示具有三元组的知识图,例如主题-关系-对象三元组(e,r,p)。以下的sr评分函数捕获实体与关系之间的出现。在一个实现方式中,评分函数是配对(e,r)的维度“h”的BoW矢量表示与目标“p”之间的点积:
sr(e,r,p)=1/2<ve+vp,vr>
在训练期间,关系“r”表示分类器的标签并且配对(e,p)表示样本输入。在推断期间,分析电路158使用线性模型在考虑给定实体的配对(e,p)的情况下来预测标签。分析电路158可以如下地对类型层次结构以及实体标识符进行编码。例如,将“PLCa”和“PLCb”作为“PLC”类型的两个实体。其编码是“/PLC/PLCa”和“/PLC/PLCb”。这同样可应用于关系及其类型。该类型名称编码允许线性模型以不同方式嵌入这些字符串。这有助于区分具有相同名称但具有不同类别的实体。
数据库搜索***140可以实现用于执行预测性查询的不同方式。两个示例是(1)通过查询语言,例如Cypher;以及(2)通过GraphQL前端。可以在两者中使用先前描述的相同后端功能。在查询语言中,分析电路158实现新预测运算符,例如“?”。例如,查询“MATCH p=(n:PLC)-[?:子部件]-(m:PIN)return p”读作“预测类型为PLC和PIN的节点配对之间的所有子部件关系”。在查询结果中,分析电路158可以引入新格式,以报告预测结果。例如,“PLCc-->PLCb-->IO模块2-->Pin1[0.48:子部件]”指示“PLCc和PLC1之间的通过PLCb-->PLCb的预测关系是超级部件类型的置信度为0.48”。
在GraphQL中,数据库搜索***140可以引入新预测运算符('?'),以向后端指示提供对查询所请求的类型的预测。该结果提供了预期结果,其中有关预测的附加信息由字段“confidence”指定并且所发现的路径由字段“path”指定。图2示出替代的示例性搜索结果结构350,其将该信息捕获为分层标记语言中的标记元素,并且还在下面表1中再现。
当查询的两个元素之间不存在关系时,数据库搜索***140可以向查询源返回警告,而不是错误。另外,数据库搜索***140然后可以自动生成关于可能关系及其图结构路径的预测。自动生成预测而不是简单地返回错误有助于解决在复杂***中实现有效知识探索的技术问题;通过数据库搜索***140,无论图数据库152中的数据底层的数据模型如何,在其他***返回错误时,这些查询都可以返回预测。
个人工程助理
生产工厂日益复杂化可能使对应的工程过程复杂化。例如,负责的工程师可能需要从许多不同来源收集信息,确保使用正确版本的正确工具,与正确专家交谈并协调,并选择最佳和最具成本效益的硬件来解决当前问题。下面描述了一种个人工程***,其解决了以下技术挑战:保持工程领域中使用的综合知识、指导工程师完成工程流程、与工程师一起学习以及其他挑战。
图4示出个人工程***400(“***400”)的示例性实现方式。***400包括认知用户接口402和底层自学专家***404。***400将经验数据和知识数据存储在经验数据库410中,例如作为模式418(下面描述)。通信接口412通过网络414将***400连接到其他装置,诸如查询源416。查询源416可以表示由与***400一起工作的工程师操作的膝上型计算机、平板计算机、智能电话、个人计算机或其他工程客户端。***400可以执行认知用户界面402,以结合查询源416与个人工程***400的交互,在显示器上呈现与查询源416相关联的用户接口。
在许多情况下,自动化工程师是使用许多不同资源以进行其工作的专家。许多资源都是个人资源,由登录id或许可证保护。其他资源只能从公司内部网访问,或者可以在互联网上免费访问。例如,工程工具自动化门户可以使用许可证管理器工具来管理一捆许可证,而像Azure这样的云门户接受Windows生命ID,并且公司专用内部网工具使用特殊的授权服务。
***400可以执行专家***404以创建、修改和存储有助于实现工程目标的模式418。模式418捕获经验数据库410中的工程师经验数据、知识数据、资源、服务和其他工程数据。图4所示的模式的示例包括:捕获云门户420的模式部件的服务模式、捕获工程工具422的模式部件的工具模式、捕获存储项目424的模式部件的项目模式以及捕获邮件/电话联系人426的模式部件的联系人模式。在经验数据库410中可能存在任何其他模式,例如以捕获云存储428、网络资源430和语音识别432的模式部件。
可以通过链接引用来连接模式以便将相关的模式链接在一起。例如,描述诸如自动化门户(例如,西门子(R)全集成自动化(TIA)门户)的工程工具的工具模式可以具有对其中存储有自动化门户项目的云存储模式的链接引用(例如,code.website.com)。作为另一个示例,用于创建工程项目的绘制模式可以具有对扫描模式的链接引用,该扫描模式定义用于扫描绘图和执行对象识别的资源和服务。
云服务是按使用付费服务的常见示例,其可从许多不同的云提供商获得。***400可以结合待完成的任务来存储云服务的访问数据以创建服务模式434。该服务模式434包括指定服务的统一资源定位符(URL)的门户模式部件436(“Portal”),以及指定访问数据和服务的含义和目的(例如,使用技能标签440)的服务模式部件438(“Service”)。这里,技能标签440指示该目的涉及通过云门户将工程数据上载到云服务。门户模式部件436和服务模式部件438通过在服务模式434自身的结构中进行封装而链接在一起。此外,任何模式可以包括对其他模式的一个或多个链接引用,诸如包括对扫描模式的链接引用的绘图模式。
模式可以包括任何类型的任何数量的模式部件。另一个示例是,工程师还使用个人联系人和领域特定的社交平台来与其他专家交谈。模式418也可以使用如上所述的模式部件,例如以联系人模式捕获那些资源的URL、凭证、名称、联系号码和其他特征。
工程师通常在台式计算机上具有不同工具的工作环境。这些工具可以是免费的、购买的或许可的。这些工具通常使用特定的集成开发环境(IDE)、插件等进行定制以提供定制功能。***400将这些定制环境再现到任何所选***并使环境保持最新。在该方面中,***400可以定义包含模式部件的工具模式,该模式部件指定例如许可证密钥、下载URL、更新服务器、可以使用工具和定制的动作、以及其他安装、更新和使用细节。
随着时间的推移,工程师会致力于许多工程项目。***400还存储项目经验和项目本身,用于稍后全部或部分地重复使用。在该方面中,***400可以定义包括模式部件的项目计划,该模式部件指定项目详细信息,诸如版本控制***和凭证、对项目所需工具的引用以及其他项目详细信息。另外,首先训练一些认知服务(诸如语音识别和机器学习工具)以使得它们表现良好。***400可以通过例如维护对用于语音识别的学习短语集合的引用或指针来有助于使用认知服务,该集合在认知服务模式中的模式部件中指定。
图5示出了个人工程***400可遵循以在启动新工程项目时指导工程师的逻辑500的示例。认知用户接口402基于经验数据库410中存储为模式418的信息来呈现用户界面550(502)。在该示例中,认知用户界面402为新项目呈现用户界面550。通过用户界面,工程师可以选择是继续现有项目(如果存在)还是开始新项目。
对于新项目,***400识别哪些模式418支持启动新项目并向工程师提供模式选择界面(504)。例如,可以存在用于打开自动化门户的工具模式,以及使用来自云提供商的视觉服务,以解释工程绘图(例如,矢量、CAD或Scratch图)的视觉模式。工程师为新项目选择模式(506)。在该示例中,工程师选择视觉服务。
响应于接受对模式的选择,***400在数据库410中搜索链接到视觉服务的任何相关的模式并将它们呈现在用户接口550中(508)。在该示例中,***400找到绘图区域工具模式和扫描仪工具模式。扫描仪工具模式指定在模式部件中导入绘图所需的资源和服务(例如,导入服务的URL和登录凭证),并且工程师选择扫描仪工具模式以继续。作为响应,***400执行在模式中定义的服务(510),在这种情况下用于扫描绘图并执行绘图元素的对象识别。
***400可执行附加服务以有助于任何处理。例如,如果主要对象识别服务未识别所有绘图元素,则***400可以对绘图执行附加的自由对象识别服务。此外,***400例如在专家***404中记录所采取的每个动作和每个动作结果(512)。***400可以创建捕获用于稍后检索和查看的步骤的知识图(514)。
如上所述,***400包括专家***404和认知用户界面402。因此,***400减少了人工干预以获取专家知识的需要,并通过使工程师容易获得工程信息来减少工程时间。换句话说,***400帮助工程师避免低效过程(诸如手动搜索信息)并提高工程师的效率。
图6示出数据库搜索***140和个人工程***400的示例实现方式600。实现方式600包括通信接口602、***电路604、输入/输出(I/O)接口606和显示电路608。***电路604可以包括硬件、软件、固件或其他电路的任何组合。***电路604可以例如通过一个或多个片上***(SoC)、专用集成电路(ASIC)、微处理器、微控制器、离散模拟和数字电路以及其他电路来实现。***电路604是***140或***400中任何期望功能的实现方式的一部分。因此,作为示例,***电路604可以实现上面在图3和图5中描述的逻辑。***140和***400可以存储和检索来自数据存储器916的数据。例如,数据存储器616可以存储数据库152或数据库410。
显示电路608和I/O接口606可以包括图形用户界面、触敏显示器、语音或面部识别输入、按钮、开关、扬声器和其他用户接口元件。I/O接口906的其他示例包括工业以太网、控制器局域网(CAN)总线接口、通用串行总线(USB)、串行高级技术附件(SATA)和***部件快速互连(PCIe)接口和连接器、存储卡槽和其他类型的输入。I/O接口906还可以包括通用串行总线(USB)接口、音频输出、磁性或光学媒体接口(例如,CDROM或DVD驱动器)、网络(例如,以太网或电缆(例如,DOCSIS)接口)、或其他类型的串行、并行或网络数据接口。
通信接口602可以包括用于有线或无线通信的收发器。收发器可以包括调制/解调电路、数模转换器(DAC)、成形表、模数转换器(ADC)、滤波器、波形成形器、滤波器、前置放大器、功率放大器和/或用于通过物理(例如,有线)介质(诸如同轴电缆、以太网电缆或电话线)或通过一个或多个天线来进行发射和接收的其他电路。因此,射频(RF)发射(Tx)和接收(Rx)电路610通过一个或多个天线612来处理信号的发射和接收,例如以支持蓝牙(BT)、无线LAN(WLAN)、近场通信(NFC)以及2G、3G和4G/长期演进(LTE)通信。
类似地,非无线收发器614可以包括电和光联网收发器。电联网收发器的示例包括Profinet、Ethercat、OPC-UA、TSN、HART和WirelessHART收发器,但收发器可以采用其他形式,诸如同轴电缆网络收发器,例如DOCSIS兼容收发器、以太网和异步传输模式(ATM)收发器。光联网收发器的示例包括同步光联网(SONET)和同步数字层级(SDH)收发器、无源光网络(PON)和以太网无源光网络(EPON)收发器、以及Coax上的EPON协议(EPoC)收发器。
应当注意,***电路604可以包括一个或多个控制器622(例如,微处理器、微控制器、FGPA、GPU、Intel Movidius(TM)或ARM Trillium(TM)控制器)以及存储器624。例如,存储器624储存操作***626和控制指令628,控制器622执行该控制指令以进上述任何功能。因此,控制指令628可实现上面针对专家***404、认知用户界面402和分析电路158描述的逻辑,例如相对于图3和图5。控制参数630提供并指定控制指令628的配置和操作选项。
上述方法、装置、处理、电路和逻辑可能以许多不同方式并且以硬件和软件的许多不同组合来实现。例如,所有或部分的实现方式可以是包括指令处理器(诸如中央处理单元(CPU)、微控制器或微处理器)的电路;或者作为专用集成电路(ASIC)、可编程逻辑装置(PLD)或现场可编程门阵列(FPGA);或者作为包括离散逻辑或其他电路部件(包括模拟电路部件、数字电路部件或两者)的电路;或其任何组合。作为示例,电路可以包括离散互连硬件部件,或者可以组合在单个集成电路芯片上,分布在多个集成电路管芯中,或者实现在共同封装中的多个集成电路管芯的多芯片模块(MCM)中。
因此,电路可以储存或访问供执行的指令,或者可以仅在硬件中实现其功能。指令可储存在除了暂存信号之外的有形存储介质中,诸如闪存、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM);或者存储在磁盘或光盘上,诸如光盘只读存储器(CDROM)、硬盘驱动器(HDD)、或者其他磁盘或光盘;或者存储在另一个机器可读介质中或其上。产品(诸如计算机程序产品)可以包括储存介质和储存在介质中或其上的指令,并且该指令在由装置中的电路执行时可以使装置实现上述或附图中示出的任何处理。
实现方式可以是分布式的。例如,电路可以包括多个不同的***部件(诸如多个处理器和存储器)并且可以跨越多个分布式处理***。参数、数据库和其他数据结构可以被单独储存和管理,可以合并到单个存储器或数据库中,可能以许多不同的方式在逻辑和物理上组织,并且可能以许多不同的方式来实现。示例性实现方式包括链接表、程序变量、哈希表、数组、历史记录(例如、数据库历史记录)、对象和隐式储存机制。指令可以形成单个程序的部分(例如,子例程或其他代码部分),可以形成多个单独程序,可以分布在多个存储器和处理器上,并且可能以许多不同的方式来实现。示例性实现方式包括独立程序,并且作为库的一部分,诸如动态链接库(DLL)之类的共享库。例如,库可以包含共享数据和一个或多个共享程序,其包括在由电路执行时执行上述或附图中示出的任何处理的指令。
已经具体描述了各种实现方式。然而,许多其他实现方式也是可能的。
Claims (20)
1.一种用于使用模式的数据库来指导工程项目的方法,该方法包括:
提供数据库的数据库接口,所述数据库存储图结构,所述图结构包括图节点和在所述图节点之间定义的显式关系,其中,所述关系表示捕获包括工程师经验数据、知识数据、资源或服务的工程数据的模式;
通过通信接口接受来自查询源的数据库预测查询,所述数据库预测查询包括应用于特定关系的预测运算符,其中,所述数据库预测查询涉及支持工程项目的模式和模式部件,所述模式包括捕获云门户的模式部件的服务模式、捕获工程工具的模式部件的工具模式和捕获被存储项目的模式部件的项目模式;
解析所述数据库预测查询,以识别所述数据库预测查询中的所述预测运算符和所述特定关系;
响应于识别所述预测运算符和所述特定关系,由线性分类器分析所述图结构以识别所述图结构中的未包括在所述图结构中定义的显式关系中的特定关系的预测示例;以及
通过通信接口向所述查询源报告所述特定关系的所述预测示例,其中,响应于用于指导所述工程项目的所述数据库预测查询,所述预测示例识别模式部件。
2.根据权利要求1所述的方法,其中:
分析包括:
确定包括所述图节点中的源节点和目标节点的候选节点集;
确定在所述图节点中的所述源节点与所述目标节点之间的特定关系的候选路径;以及
决定所述候选路径有资格作为所述预测示例。
3.根据权利要求2所述的方法,其中:
决定包括:确定所述候选路径的分数;以及
确定所述分数是否超过预定义阈值。
4.根据权利要求3所述的方法,其中:
所述数据库预测查询还包括源节点说明符和目标节点说明符;并且
报告包括:返回搜索结果结构,所述搜索结果结构包括所述分数以及所述数据库内的、从所述源节点到所述目标节点的、所述分数和所述预测示例在其上应用的图结构路径。
5.根据权利要求3所述的方法,其中:应用预定义评分函数来生成所述分数。
6.根据权利要求5所述的方法,其中:所述评分函数被配置成提供预定义关系类型的概率分布。
7.根据权利要求6所述的方法,其中:所述评分函数被配置成将权重系数应用于所述概率分布。
8.根据权利要求7所述的方法,其中:所述权重系数包括对应于所述源节点与目标节点之间的距离的遍历深度参数。
9.根据权利要求1所述的方法,其中:
预定义的已知词语表示在所述图节点之间可应用的预定义关系;以及
其中分析包括:基于所述已知词语来训练模型。
10.一种用于指导工程项目的数据库搜索***,该***包括:
图结构的数据库接口,所述图结构包括:
图节点;以及
在所述图节点之间定义的显式关系,其中,所述关系表示捕获包括工程师经验数据、知识数据、资源或服务的工程数据的模式;以及
通信接口,其被配置成接受来自查询源的包括应用于特定关系的预测运算符的数据库预测查询,其中,所述数据库预测查询涉及支持工程项目的模式和模式部件,所述模式包括捕获云门户的模式部件的服务模式、捕获工程工具的模式部件的工具模式和捕获被存储项目的模式部件的项目模式;
分析电路,其被配置成:
由线性分类器分析所述图结构,以识别所述图结构中的未包括在所述图结构中的显式关系中的特定关系的预测示例;以及
通过所述通信接口向所述查询源报告所述特定关系的所述预测示例,其中,响应于用于指导所述工程项目的所述数据库预测查询,所述预测示例识别模式部件。
11.根据权利要求10所述的***,其中:
所述分析电路还被配置成:
确定包括所述图节点中的源节点和目标节点的候选节点集;
确定所述图节点中的所述源节点与所述目标节点之间的特定关系的候选路径;以及
决定所述候选路径有资格作为所述预测示例。
12.根据权利要求11所述的***,其中:
所述分析电路还被配置成确定所述候选路径的分数;以及
确定所述分数是否超过预定义阈值。
13.根据权利要求12所述的***,其中:
所述数据库预测查询还指定所述图节点中的源节点说明符和目标节点说明符;并且
所述分析电路被配置成通过返回搜索结果结构来报告,所述搜索结果结构包括所述分数以及图数据库内的、从所述源节点到所述目标节点的、所述分数和所述预测示例在其上应用的图结构路径。
14.根据权利要求12所述的***,其中:所述分析电路被配置成应用预定义评分函数以生成所述分数。
15.根据权利要求14所述的***,其中:所述评分函数被配置成提供预定义关系类型的概率分布。
16.根据权利要求15所述的***,其中:所述评分函数被配置成将权重系数应用于所述概率分布。
17.根据权利要求16所述的***,其中:所述权重系数包括对应于所述源节点与目标节点之间的距离的遍历深度参数。
18.根据权利要求10所述的***,其中:
所述分析电路包括预定义已知词语的集合,所述预定义已知词语的集合表示在所述图节点之间可应用的预定义关系;以及
其中所述分析电路还被配置成基于所述已知词语来训练模型。
19.一种用于使用模式的数据库来指导工程项目的***,所述***包括:
数据存储库,包括:
图数据库,其包括图节点以及从可应用于所述图节点的预定义关系的集合中选择的所述图节点之间的显式关系,其中,所述关系表示捕获包括工程师经验数据、知识数据、资源或服务的工程数据的模式;以及
***电路,其定义:
查询搜索接口,其被配置成连接至查询源;
查询处理逻辑,其被配置成:
接受来自所述查询源的数据库预测查询,所述数据库预测查询包括应用于所述预定义关系的集合中的特定关系的预测运算符,其中,所述数据库预测查询涉及支持工程项目的模式和模式部件,所述模式包括捕获云门户的模式部件的服务模式、捕获工程工具的模式部件的工具模式和捕获被存储项目的模式部件的项目模式;以及
由线性分类器分析所述图数据库,以识别未在所述图数据库中显式定义的所述特定关系的预测示例;以及
报告接口,其被配置成向所述查询源报告所述特定关系的所述预测示例,其中,响应于用于指导所述工程项目的所述数据库预测查询,所述预测示例识别模式部。
20.根据权利要求19所述的***,其中:
所述查询处理逻辑还被配置成:
确定包括所述图节点中的源节点和目标节点的候选节点集;
确定所述候选节点集中的所述源节点与所述目标节点之间的特定关系的候选路径;
确定所述候选路径与所述特定关系匹配的可能性分数;以及
生成搜索结果结构,所述搜索结果结构包括所述可能性分数以及所述图数据库内的、从所述源节点到所述目标节点的、所述分数在其上应用的候选路径;并且其中
所述报告接口被配置成通过将所述搜索结果结构传输到所述查询源来报告所述预测示例。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/281,364 | 2019-02-21 | ||
US16/281,364 US11170028B2 (en) | 2019-02-21 | 2019-02-21 | Predictive graph query system for automation engineering systems |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111597391A CN111597391A (zh) | 2020-08-28 |
CN111597391B true CN111597391B (zh) | 2023-06-23 |
Family
ID=69726423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010099745.3A Active CN111597391B (zh) | 2019-02-21 | 2020-02-18 | 用于使用模式的数据库来指导工程项目的方法及*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US11170028B2 (zh) |
EP (1) | EP3699775A1 (zh) |
CN (1) | CN111597391B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11468054B2 (en) | 2019-06-11 | 2022-10-11 | Jpmorgan Chase Bank, N.A. | Systems and methods for automated analysis of business intelligence |
CN113836362A (zh) * | 2021-09-30 | 2021-12-24 | 浙江创邻科技有限公司 | 一种基于图技术的供应链管理***及方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7324981B2 (en) * | 2002-05-16 | 2008-01-29 | Microsoft Corporation | System and method of employing efficient operators for Bayesian network search |
JP4698618B2 (ja) * | 2007-01-24 | 2011-06-08 | 日本電信電話株式会社 | 関係抽出方法、関係抽出システム |
US7685141B2 (en) | 2007-06-06 | 2010-03-23 | Yahoo! Inc. | Connection sub-graphs in entity relationship graphs |
WO2011004622A1 (ja) * | 2009-07-10 | 2011-01-13 | コニカミノルタエムジー株式会社 | 医療情報システムおよびそのためのプログラム |
US10318583B2 (en) * | 2013-03-15 | 2019-06-11 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for recommending relationships within a graph database |
EP3149551B1 (en) * | 2014-05-29 | 2019-10-23 | ABB Schweiz AG | A method and system for configuration of devices of a control system |
US10210280B2 (en) * | 2014-10-23 | 2019-02-19 | Sap Se | In-memory database search optimization using graph community structure |
US9796090B2 (en) | 2015-04-24 | 2017-10-24 | Accenture Global Services Limited | System architecture for control systems via knowledge layout search |
WO2017178902A1 (en) * | 2016-04-11 | 2017-10-19 | Kpit Technologies Limited | Graph database for diagnostics and system health monitoring |
US10505756B2 (en) * | 2017-02-10 | 2019-12-10 | Johnson Controls Technology Company | Building management system with space graphs |
US11205103B2 (en) * | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
CN106874422B (zh) * | 2017-01-25 | 2019-07-26 | 东南大学 | 一种面向关系型数据库的图查询方法 |
US10242223B2 (en) * | 2017-02-27 | 2019-03-26 | Microsoft Technology Licensing, Llc | Access controlled graph query spanning |
-
2019
- 2019-02-21 US US16/281,364 patent/US11170028B2/en active Active
-
2020
- 2020-02-18 CN CN202010099745.3A patent/CN111597391B/zh active Active
- 2020-02-19 EP EP20158177.4A patent/EP3699775A1/en not_active Ceased
Non-Patent Citations (1)
Title |
---|
温正胡.图数据库基础.《ITPUB技术栈》.2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
US11170028B2 (en) | 2021-11-09 |
EP3699775A1 (en) | 2020-08-26 |
CN111597391A (zh) | 2020-08-28 |
US20200272644A1 (en) | 2020-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190087490A1 (en) | Text classification method and apparatus | |
US10021064B2 (en) | Apparatus and method for translating industrial process control and automation system events into mobile notifications | |
CN111597391B (zh) | 用于使用模式的数据库来指导工程项目的方法及*** | |
EP3447662A1 (en) | System architecture for interactive query processing | |
US10037374B2 (en) | Measuring semantic and syntactic similarity between grammars according to distance metrics for clustered data | |
US20180285775A1 (en) | Systems and methods for machine learning classifiers for support-based group | |
CN112328671A (zh) | 一种数据格式转换方法、***、存储介质和设备 | |
CN108108743A (zh) | 异常用户识别方法和用于识别异常用户的装置 | |
US10078326B2 (en) | Apparatus and method for event detection to support mobile notifications related to industrial process control and automation system | |
CN112995172A (zh) | 物联网设备和物联网平台之间对接的通信方法及通信*** | |
CN114387966A (zh) | 智能设备的控制方法、装置、电子设备及存储介质 | |
AU2018220816A1 (en) | Apparatus and method supporting an interactive chat feature for relaying on-demand information to a user from an industrial process control and automation system | |
US20160335373A1 (en) | Apparatus and method for universal annotation in industrial process control and automation system | |
US10003492B2 (en) | Systems and methods for managing data related to network elements from multiple sources | |
CN113626594B (zh) | 基于多智能体的运维知识库的建立方法及*** | |
KR102223336B1 (ko) | 스마트 팩토리의 구축 및 유지보수를 위한 플랫폼 | |
CN109710809B (zh) | 一种基于专家库的scd文件虚端子自动连接方法 | |
EP3772708A1 (en) | Factory device integration | |
US20210240890A1 (en) | System and method for producing personalized and customized hardware component based on description thereof | |
CN112948593A (zh) | 知识图谱的生成方法、装置、设备和介质 | |
CN111597198A (zh) | 一种对于异构资源接入的物联网数据查询方法及相关设备 | |
US11468026B2 (en) | Information processing apparatus, information processing method, and recording medium recording information processing program | |
CN104461494A (zh) | 一种生成数据处理工具的数据包的方法及装置 | |
KR102406725B1 (ko) | 데이터 상호 호환 방법 및 데이터 상호 호환 시스템 | |
US10079848B2 (en) | Auto-tuning security analysis tool configuration via correlation analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |