CN106990759A - 用于使用云计算技术来布置工业工厂仿真器的方法和装置 - Google Patents

Abstract

公开了一种用于操作远程工厂仿真系统的系统和方法。该系统和方法使用在该工厂处的轻型应用来收集相关数据并且将其发送给远程工厂仿真。该远程工厂仿真使用包括来自实际过程的数据的该相关数据，以创建过程仿真，并且向操作在该工厂中的轻型应用发送显示数据，该显示数据在该工厂中显示给用户。远程系统提供的优点在于提供了减小的成本和改进的仿真，因为设备成本、操作员成本和建立成本被多个用户共享。此外，数据可以被远程地存储并且可以被进行数据分析，该数据分析可以为了工厂中的效率而识别附加区域。

Description

用于使用云计算技术来布置工业工厂仿真器的方法和装置

技术领域

本发明大体上涉及过程控制系统，更具体地，涉及一种用于使用云计算技术来布置工业工厂仿真器的方法和装置。

背景技术

分布式过程控制系统如在发电、化学制造、石油处理或其他过程工厂中典型地使用的那些分布式过程控制系统典型地包括一个或多个经由模拟、数字或组合模拟/数字总线被可通信地耦合到一个或多个现场设备的过程控制器。可以例如是阀门、阀门定位器、开关、发射器(例如温度、压力、等级和流速率传感器)、火炉等等的该现场设备位于过程环境中并且响应于由该过程控制器开发并且发生的控制信号执行过程功率如开启或关闭阀门，测量过程参数等等。智能现场设备如被配置为符合任意一个已知Fieldbus协议的现场设备还可以执行控制计算、警报功能和通常实现在过程控制器中或由过程控制器实现的气体功能。也典型地位于工厂环境中的该过程控制器接收用于指示由该现场设备进行的过程测量的信号和/或与该现场设备相关的其他信息，并且执行用于例如运行用于进行过程控制决策的不同的扩展模块的控制应用，基于接收信息生成过程控制信号，并且与控制模块或在该现场设备执行的块如HART和Fieldbus现场设备协调。该控制器中的控制模块基于通信链路向现场设备发送过程控制信号，以便因而控制该过程的操作。

通常使得来自现场设备和控制器的信息在数据高速公路上对于典型地被放置在控制房间中或远离更严酷的工厂环境的其他位置中的一个或多个其他计算设备如操作员工作站、个人计算机、数字史学家、报告生产者、集中式数据库等等可用。这些计算设备还可以运行这样一种应用，其中该应用例如允许操作员执行关于过程的功能如改变过程控制例程的设置、修改控制器或现场设备中的控制模块的操作、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、保持并且更新配置数据库等等。

作为一个实例，Emerson过程管理所出售的Ovation.RTM.控制系统包存储在位于过程工厂之中的各种位置处的不同的设备中并且被它们执行的多个应用。位于一个或多个操作员工作站中的配置应用允许客户创建或改变过程控制模块并且经由数据高速公路将过程控制模块下载到专用分布式控制器。典型地，这些控制模块由可通信地互连的功能块构成，其中该功能块受制于面向对象的编程协议并且基于到它们的输入执行控制方案之中的功能并且向控制方案之中的气体功能块提供输出。该配置应用还可以允许设计者创建或改变操作员接口，其中操作员接口被查看应用用于向操作员显示数据并且允许操作员改变过程控制例程中的设置如设置点。

每个专用控制器以及在该情况中的现场设备存储并且执行控制器应用，其中该控制器应用允许分配给并且下载到其中的控制模块以实现实际过程控制功能。可以由一个或多个操作员工作站允许的查看应用经由数据高速公路从控制器应用接收数据并且向使用用户接口的控制系统设计者、操作员或客户显示该数据，并且可以提供多个不同应用中的任意一个如操作员的查看、工程师的查看、技术员的查看的。数据史学家应用典型地存储在数据史学家设备中并且由数据史学家设备执行，数据史学家设备收集并且存储经过数据高速公路提供的数据中的一些或全部，同时可以在依附到该数据高速公路的另一个计算机中配置数据库应用以存储当前过程控制例程配置和与之相关联的数据。备选地，配置数据库可以位于与配置应用相同的工作站中。

如上所示，典型地在一个或多个工作站中基于系统范围实现操作员显示应用，并且操作员显示应用向操作员或维护人员提供关于该工厂之中的控制系统或设备的操作状态的预配置显示。典型地，这些显示采取用于接收由过程工厂之中的控制器或设备生成的警报的警报显示、用于指示该过程工厂之中的控制器的或其他设备操作状态的控制显示、用于指示该过程工厂之中的设备的操作状态的维护显示等等的形式。这些显示通常被预配置为以已知的方式显示从该过程工厂中的过程控制模块或设备接收的信息或数据。

在已知的系统中，通过这样一种对象的使用来创建显示，其中该对象具有与物理或逻辑元件相关联的图形并且被可通信地束缚到该物理或逻辑元件以接收关于该物理或逻辑元件的数据。该对象可以基于接收数据改变显示器屏幕上的图形，以说明例如储蓄池半满，以说明由流传感器测量的流等等。虽然从过程工厂中的设备或配置数据库发送显示所需要的信息，但是该信息仅需要向包括该信息的客户提供显示。结果，在过程工厂控制系统的配置期间，必须由与该工厂相关联的不同设备(如控制器和现场设备)生成并且在与该工厂相关联的不同设备中配置用于生成警报、工厂之中的检测问题的全部信息和程序。只有在此之后才向操作员显示器发送该信息以便过程操作期间的显示。

此外，频繁地希望在工厂中开发仿真系统以仿真控制网络在被连接在工厂中时的操作。该仿真系统可用于响应于新或不同的控制变量如测试点测试工厂的操作，以测试新控制例程，以执行优化，以执行训练活动等等。结果，在过程工厂中以及建议并且使用许多仿真系统。但是，由于工厂中不断地改变的条件，包括设备随时间的降级以及工厂中的无法解决的干扰变量的出现，仅最复杂的仿真系统典型地能够执行过程工厂的高保真仿真。此外，在许多已知控制器系统中，难以建立或创建过程工厂或过程工厂的一部分的仿真，因为与过程工厂的在线环境中执行的显示和控制活动独立地执行仿真活动。结果，仿真系统未紧密地与过程工厂之中的控制网络的实际操作协调。换句话说，仿真系统在建立之后典型地与工厂之中的控制器独立地运行以仿真安装在工厂中的过程控制网络的操作，并且因此，仿真系统可以容易地变得与工厂中的实际控制网络失调。此外，在仿真系统中施以的过程模型可能迅速脱离实际过程操作。结果，可能难以将仿真系统与操作员显示器或者实现在工厂中的控制模块集成。

此外，在发电厂控制系统以及这样一些其他类型的控制系统中使得仿真更困难，其中在该控制系统中典型地基于标准如相关工厂设备的位置、感兴趣的过程变量的动态特性和错误容限和冗余考虑将控制功能分割成各种不同的控制机器(或控制器)。主要由于机械考虑和与诸如对应的电线的长度相关联的事情的约束，受影响的设备的物理位置是重要的。在这里，过程动态影响通过在与全部必须在仿真系统中执行的具体过程变量相关联的控制功能的执行期间上提出要求和约束，控制功能分隔。在发电厂中，错误容限考虑旨在降低处理器和计算机故障对发电的影响。

此外，在工厂地点创建仿真可能是昂贵的。执行仿真所需要的处理器和相关设备是复杂并且高成本的。该设备还需要在工厂环境中可能难以创建并且维持的空间和合适的操作环境。仿真应用也可能是昂贵的、复杂的并且操作员密集的。与此相关，仿真应用是集中化的并且通常需要有经验的操作员来有效地操作。另外，存在持续成本如维持设备和软件、更新设备和软件、支持设备和软件等等。成本范围的估计从用于小系统的500000美元到用于较大系统的20000000美元。

在任意情况中，虽然大部分设施和其他工厂包括用于操作员训练和工程分析的离线仿真器，但是该传统方法将控制和仿真功能作为两个完全独立并且不同的实体来处理，其中每个实体必须被独立创建、允许并且配置以正确操作。结果，在这些工厂中使用的仿真系统可能迅速变得与过程失调并且可以不是非常准确，并且这些仿真系统典型地不是非常容易使用。另外，本地系统的创建、操作和维护昂贵。

发明内容

使用从一个或多个使用工厂的薄或轻客户端的工厂发送的数据，在网络云中创建过程控制仿真技术。随着该网络用于该实际过程控制网络的操作同步的方在过程工厂中运行，该仿真执行实际过程控制网络的实时仿真或预测。具体而言，在实际过程控制网络的操作期间自动周期性更新该同步仿真系统，以反映对该实际过程控制网络做出的改变并且解决在该工厂自身中发生的改变即由于以及时的方式向操作在该网络云中的该网络计算机发送相关数据而需要更新在该仿真系统之中使用的过程模型的改变。本文所示的同步的、基于云的仿真系统提供更加成本有效并且可用的仿真系统，因为关于当前过程操作条件同步化并且更新在该仿真系统中使用的该工厂模型，暗示由该网络云中的训练操作员完成用于建立、操作并且维护该仿真的专用知识。

另外，所公开的仿真系统非常准确，因为其使用当该仿真系统开始执行具体仿真时从该过程的当前状态开发的过程模式。此外，易于使用该仿真系统，因为其可以使用与在该过程控制网络中所使用的用户接口应用相同或相似的用户接口应用，以执行人机接口(MMI)获得同时最小化困难建立、操作和维护，因为这些活动将发生在网络云中。类似地，可以在该过程工厂的操作期间的任意时候开始并且使用该仿真系统，而无需大量的配置或建立活动，因为当该仿真系统一直关于当最初被置于仿真系统预测模式中时在该过程工厂中正在实际使用的控制网络是最新的。因此，操作员仅仅需要向仿真控制系统指定在该仿真中需要使用的任意改变，并且该仿真系统可以准备操作以执行准确的仿真或预测，因为该仿真系统仍然与该过程工厂同步。

此外，基于云的仿真系统比在工厂处操作的本地仿真更加成本有效。以操作在工厂处的以前的仿真中，仿真应用需要大量硬件、软件、空间、hvac和操作员投资以使该系统正确运作。在本文所述的基于云的仿真系统中，在工厂处的软件是“薄”软件应用，其可以操作在例如但不限于传统个人计算机上。该薄软件可以收集并且向该网络云发送与过程相关的数据，并且渲染与操作在该网络云中的该仿真系统相关的显示，同时该挑战性的仿真软件可以操作在该云网络中。

在所要求的基于云的仿真中，在计算系统和操作员中的投资显著更少，因为许多客户可以共享在该网络云中可用的处理器和操作员。另外，除了仅仅具有远程操作的工作站之外，该云允许多个计算设备同时操作大量仿真或其他应用，从而创建用于该仿真系统的改善的响应和可用性。此外，该集中的基于云的设计允许数据的集中收集和存储，使得集中化过程控制数据分析甚至更容易和更有效。

总体而言，本文所述的仿真系统在包括追踪模式和预测模式的两个不同的模式中的一个模式的执行之间交替。在该追踪模式中，操作在该网络云中的该仿真系统通过在该工厂处的监管客户与该过程控制网络通信，以从该过程控制网络获得用于保持该过程控制网络和该仿真系统的该过程模型与实际过程控制网络并且与正在受控制的过程同步所需要的各种类型的状态数据。该信息可以包括例如用于定义该过程控制器的操作的状态变量、测量过程变量以及由该过程工厂之中的该控制器开发的过程控制信号。在该过程控制网络的操作期间可以周期性地接收该信息，并且这一个实施方式中，可以以该实际过程控制网络之中的该过程控制器的扫描速率(即以该过程控制器进行操作以产生新控制信号的速率)接收该信息。在该追踪模式期间，在该云中的该仿真系统使用所收集状态信息来开发更新控制器状态变量以在配置所仿真控制网络时使用，并且更新过程模型以基于最近收集的信息建模该过程。

在该预测模式期间，该操作员可以指定将要在该仿真期间使用的新控制变量例如设置点，并且该云中的该仿真系统然后基于最近过程模型进行操作以仿真该过程的控制。依赖于该操作员的希望，该云中的该仿真系统可以在实时子模式中。在任意一个情况中，该云中的该仿真系统可以例如响应于改变的控制变量、改变的控制例程和过程干扰等等，仿真实际过程控制网络的操作。备选地，如果希望则该云中的该仿真系统可以进行操作以快速仿真该过程的操作，以确定在控制域上该过程的温度状态操作的指示，或者以预测在一些未来的时间点上该过程工厂的操作或者它的一些变量。

由于该网络云中的该仿真系统与实际过程控制网络通信，所以当其进入该预测模式时，其与该实际过程控制网络和该过程工厂同步，因为该网络云中的当前操作和该仿真系统将响应于在该仿真中使用的该控制变量，提供该过程工厂的操作的准确的仿真和预测。此外，因为在该仿真系统的激活之后，该网络云的该仿真系统与过程工厂同步，所以在该工厂处或者在该云中的操作员在开始该工厂之前不需要执行该工厂任意显著的配置或更新，使得该系统更容易使用。此外，因为该网络云中的该仿真系统与该过程控制网络同步，所以该仿真系统可以使用变得客户来显示相同的用户接口例程，使得本地仿真系统显示器与在工厂处的控制系统看起来并且感觉起来相同，再次使得该仿真系统更容易使用和理解。

最后，描述了用于提供仿真服务的方法。总体而言，检查工厂和仿真的复杂度，并且确定在网络云中创建仿真的预计工作。在确定该复杂度之后，必须基于确定的复杂度确定最小服务等级。然后可以使用该最小服务等级来确定可以向客户发送的最小服务的建议价格。另外，通过检查工厂和仿真数据，可以确定可能有用的气体服务，并且可以向客户发送用于其他建议服务的价格。

附图说明

图1是位于过程工厂中的分布式过程控制网络的方框图，其中该过程工厂包括与用于实现被配置为与实际过程控制网络的操作同步并且因而仿真该过程工厂的操作的仿真系统的计算设备的网络云通信的计算设备；

图2是过程工厂控制系统和用于仿真该过程工厂控制系统的逻辑方框图；

图3是控制系统、仿真器和监管器的高级逻辑方框图；

图4是图2中所示的工厂控制系统的控制环路的简化逻辑方框图；

图5是由图2中所示的仿真系统实现的控制环路的简化逻辑方框图；

图6是用于说明在操作的追踪模式期间在仿真系统与控制系统之间的通信互连的逻辑方框图；

图7是用于实现本文所述特征的仿真系统的方框图；以及

图8是用于销售基于网络云的仿真服务的方法的方框图。

具体实施方式

现在参考图1，详细说明过程过程工厂10的示例性控制网络如与发电厂相关联的控制网络。图1的过程工厂10包括具有一个或多个控制器12的分布式过程控制系统，其中每个控制器经由输入/输出(I/O)设备或卡18被连接到一个或多个现场设备14和16，输入/输出(I/O)设备或卡18可以是例如Fieldbus接口、Profibus接口、HART接口、标准4-20ma接口等等。控制器12还可以经由可以是例如以太网链路的数据高速公路24被耦合到一个或多个主机或操作员工作站20和22。数据库28可以被连接到数据高速公路24并且作为数据史学家来操作以收集并且存储与过程工厂10之中的控制器12和现场设备14、16相关联的参数、状态和其他数据。另外地或备选地，数据库28可以作为配置数据库来操作，其中该配置数据库存储如在控制器12和现场设备14及16之中所下载并且存储的过程工厂10之中的过程控制系统的当前配置。虽然控制器12、I/O卡18和现场设备14和16典型地位于并且遍布有时严酷的工厂环境中，但是操作员工作站20和22通常位于易于由控制器或维护人员访问的控制室或其他较不严酷的环境中。

如我们已知的，可以是例如爱默生过程管理电力和水力技术方案公司销售的Ovation控制器的控制器12中的每一个存储并且执行使用任意数量的不同的、独立执行的控制模块或块29来实现控制策略的控制器应用。每个控制模块29可以由通常被称为功能块的东西构成，其中每个功能块是总控制例程的一部分或子例程并且(例如经由被称为链路的通信)结合其他功能块来进行操作以实现过程工厂10之中的过程控制环路。如我们公知的，可以但无需作为面向对象编程协议中的对象的功能块典型地执行以下之中的一个：如与发射器、传感器或其他过程参数测量设备相关联的输入功能；如与用于执行比例积分微分(PID)、模糊逻辑等等控制的控制例程相关联的控制功能；或者用于控制一些设备如阀门的操作以执行过程工厂10之中的一些物理功能的输出功能。当然，存在混合的以及其他类型的复杂功能块如模型预测控制器(MPC)、优化器等等。虽然Fieldbus协议和Ovation.RTM.系统协议使用以面向对象编程协议来涉及并且实现的控制模块和功能块，但是可以使用任意希望的控制编程方案包括例如顺序功能图表、梯形逻辑等等来设计控制模块，单不限于使用功能块或任意其他具体编程技术来设备并且实现控制模块。

在图1中所示的过程工厂10中被连接到控制器12的现场设备14和16可以是标准4-20ma设备，可以是包括处理器和存储在的智能现场设备如HART、Profibus或FOUNDATION.RTM、Fieldbus现场设备或者可以是任意其他希望类型的现场设备。这些设备中的一些如Fieldbus现场设备(在图1中附图标记为16)可以存储并且执行与在控制器12中实现控制策略相关联的模块或子模块如功能块。可以结合控制器12之中的控制模块29的执行来执行在图1中被显示为被配置在两个不同的Fieldbus现场设备16之间的功能块30，以实现公知的一个或多个过程控制环路。当然，现场设备14和16也可以是人类类型的设备如传感器、阀门、发射器、定位器等等，并且I/O设备18可以是符合任意希望的图像或控制器协议如HART、Fieldbus、Profibus等等的任意类型的I/O设备。

另外，工作站20和22中的一个或多个可以以已知的方式包括用户接口应用，以允许客户如操作员、配置工程师、维护人员、用户导电与过程工厂10之中的过程控制网络接口。在一些实施方式中，用户接口应用可以是应用显示在网络云48中确定的显示数据的“薄”客户端。作为一个实例，显示数据可以在网络云48被生成并且作为HTML数据被发送到渲染模块如网络浏览器并且然后被显示在显示器37上。在其他实施方式中，用户接口应用可以在本地工作站22上执行。工作站22被显示为包括可以在工作站22之中的处理器上执行的一个或多个用户接口应用35。

在实际上全部实施方式中，用户接口应用35可以与数据库28、控制模块29或控制器12或I/O设备28中的其他例程，与现场设备14和16以及这些现场设备中的模块30等等通信，以从例如监管器32获得来自工厂的信息和可能与过程控制系统的现行状态相关的信息。用户接口应用35可以在与工作站20和22中的一个或多个相关联的显示器设备37上处理并且/显示该收集信息。所收集、处理并且/或者显示的信息可以是例如过程状态信息、在工厂中生成的警报和警告、维护数据等等。

类似地，可以在工作站20和22中或在网络云48存储并且执行一个或多个应用39，以执行配置活动如创建或者配置将要在工厂中执行的模块29和30，以在工厂中执行控制操作员活动如改变设置点或其他控制变量。当然，例程35和39是数量和类型不限于本文提供的描述，并且如果希望则其他数量或类型的过程控制相关例程可以被存储在并且实现在工作站20和22中。

图1的工作站20还被显示为包括监管器应用32。监管器应用32可以是用于本地地提供有限的功能并且处理器不密集的“轻”或“薄”应用。监管器应用32可以收集并且通信监管器数据，监管器数据可以包括与仿真应用40相关的控制系统和处理系统信息。可以使用任意已知的或标准的接口协议例如OPC、TCP/IP等等来提供该通信。

监管器应用32可以是完整的应用或者可以具有不同的模块如数据收集模块、数据包装模块、数据通信模块、数据接收模块、变化检测器模块82等等。在一些实施方式中，可以从控制系统和过程系统“拖动”监管器数据，其中可以针对希望的数据查询该系统。在其他实施方式中，可以从控制系统50和过程系统52(图2)“推动”该监管器数据。当然，设想用于获得该监管器数据的“推动”和“拖动”的组合并且这是可能的。

图3是在监管器、仿真应用40与实际过程控制系统54之间的逻辑通信的高级说明。在一个实施方式中，监管器应用32位于相关控制系统54的工厂中的计算设备中，并且仿真器远程地位于网络云48中的一个或多个计算设备49中。监管器应用32从控制系统54向操作在网络云48中的仿真器40发送必要的数据。

在一些实施方式中，监管器应用32可以缓存监管器数据并且当满足阈值尺寸、过去一个时间量或者收集了一个数据量时将其发送到仿真应用40。例如，可以周期性地通信监管器数据。该通信周期可以与控制系统操作周期或过程系统操作周期相关。例如如果控制系统50每0.5秒获得一个新数据，则从监管器应用32到仿真应用40的通信周期可以是每0.5秒。当然，在一些情况中，在监管器应用32与仿真应用40之间更频繁地通信是有意义的，并且在其他情况中，该通信周期可以更大。在其他实施方式中，监管器应用32可以实际上即使地向仿真应用40流入或发送监管器数据。当然，经过可以流入监管器数据，可以将其变成使得到仿真应用40的通信更加合适、可靠、易于转换等等的格式或方案。

在一些附加实施方式中，变化检测器82可以是仿真系统52的一部分。在一些实施方式中，变化检测器82与监管器32通信。例如在图7中将变化检测器82显示为是监管器32的一部分，但是如我们将解释的，变化检测器82可以以任意方式与仿真应用40通信并且其无须被物理连接到监管器32。仿真应用40可以追踪来自过程控制网络54的过去数据并且仅可以通信来自过程控制网络54的值的改变。这样，可以降低从监管器32到仿真设备52通信的数据量，因而节省通信带宽、存储空间和处理器使用。

变化检测器82还可以监视过程控制网络54、仿真控制网络64和过程模型66，并且将来自过程控制网络54、仿真控制网络64和过程模型66的值与以前已经接收并且存储的值比较。如果从过程控制网络54、仿真控制网络64和过程模型66接收的值与以前接收的值不同，则可以向更新模块70发送新的值。这样，仅发送更新值，因而节省通信带宽、存储空间和处理器使用。

简要地参考图7，在另一个实施方式中，变化检测器82与更新模块70通信。变化检测器82可以接收来自监管器32的输入数据，并且仅可以传递与已经存储在存储模块80这或者被发送到仿真控制网络64或过程模型66的过程控制网络数据不同的过程控制网络数据。因此，尽可以将新的或已更新的过程控制网络54数据存储在存储模块80中或者发送到仿真控制网络64或过程模型66，因而节省存储器空间、到仿真控制网络64或过程模型66的通信带宽和处理器操作。此外，变化检测器82将不让存储模块80仅仅作为数据史学家，而是将向存储模块80增加智能以免存储或通信全部数据而是仅已经改变的数据。

再次参考图1，仿真应用40可以操作在与过程工厂10不同的位置中例如在远程网络48中。在一些实施方式中，远程网络48可以被认为是计算机设备49的网络或云。远程网络云48可以由用于执行计算机可执行应用并且可以通过一种或多种形式的电子通信来接触的一个或多个计算设备49如服务器、工作站、个人计算机等等构成。计算设备49的实际位置是无关紧要的。计算设备49可以处于相同的位置中或者遍布全世界但是彼此通信。在一些实施方式中，云48中的计算设备可以一起工作以共享计算工作量，并且在其他实施方式中，每个计算设备49可以执行具体的计算应用。如我们预计的，计算设备49可以具有一个或多个处理器46和一个或多个存储器42，并且可以根据计算机可执行指令或应用来物理地配置处理器46和存储器42。

仿真应用40可以包括过程工厂仿真器52、用户接口应用74和用于以本文所示的方式执行过程工厂10的同步仿真的数据结构。可以由授权客户(例如配置工程师、操作员或一些其他类型的用户)访问仿真应用40，以执行由控制块29和30以及在控制器12以及有可能的现场设备14和16之中的其他控制器例程实现的过程工厂控制网络54的仿真。可以由密码、伪装密钥交换或可能合适的其他安全措施来保护仿真应用40。密码可以是用户、工作站或工厂或模块专用的。

仿真应用40允许客户执行关于过程工厂10的不同的仿真和预测活动，同时过程工厂10的控制系统仍然对于过程工厂10可操作并且在线。如图1中所示，仿真应用40被存储在网络云48中的一个或多个远程计算设备49的存储器42中，并且仿真应用40的美国组件可以被适配为在与远程计算设备49相关联的处理器46上被执行。虽然将仿真应用40显示为被存储在一个远程计算设备49中，但是可以在与过程工厂10或者与仿真应用40或与网络云48中的计算设备49通信的其他工作站或计算设备49中存储并且执行仿真应用40的一些组件。类似地，可以在两个或更多个接收器48或可以被配置为在例如网络云48中彼此结合地进行操作的机器上分解并且执行仿真应用40。

此外，仿真应用40可以向与远程工作站49相关联的显示器屏幕或者任意其他希望的平面或显示器设备37包括手持设备、膝上电脑、平板电脑、手机、其他工作站、打印机等等提供显示。仿真应用40可以例如显示与来自过程控制系统的实际控制显示类似的输入显示。在该实施方式中，在工厂处的薄客户端仅必须生成显示而无需计算并且创建该显示中的数据。

总体而言，仿真应用40提供或者允许过程工厂10的操作的仿真，并且具体而言，由控制器12以及现场设备14和16中的控制利齿29和30结合被控制的实际工厂，实现过程工厂控制系统54的仿真。虽然将正在收控制的工厂描述为使用分布式控制技术来控制的发电厂，但是本文所述的同步仿真技术可以用于其他类型的工厂或控制系统中，包括工业制造工厂、水和废水处理工厂以及集中实现的或者在单个计算机中实现的控制系统并且因此不遍布工厂10。

图2总体说明本地(基于工厂10的)过程控制系统50和与图1的过程10远程地实现的仿真系统52。具体而言，过程控制系统50包括可通信并且物理耦合到处理器56的实际过程控制网络54。如我们将理解的，实际过程控制网络54包括图1的控制模块29好30以及在在图1的工厂10的各种控制设备(例如控制器12)和现场设备(例如现场设备14和16)中布置并且执行的任意其他控制例程。类似地，实际过程56包括为了实现受控制的过程所建立的单元、机器、设备和相关硬件。在发电厂中，过程56可以例如包括发电机，包括交换机、冷凝器、流生成器、阀门、储液池等等的燃料传递系统以及布置在工厂中用于测量各种过程参数或变量的传感器和发射器。

如图2中所示，实际过程控制网络54包括控制器，该控制器产生将要被传递到工厂56之中的各种控制设备的一个或多个控制信号并且进行操作以根据一些具体控制技术控制工厂56。在图2中由向量U说明这些控制信号，以指示实际过程控制网络54可以向过程56提供控制信号的向量以控制工厂的操作。类似地，如图2中所示的，过程变量的向量Y在过程56中被(例如传感器等等)测量并且作为反馈信号被传递到过程控制网络54以便在产生控制信号U时使用。当时，实际控制网络54可以包括用于实现任意希望类型的控制例程或计算如PID、模糊逻辑、神经网络、模型预测控制例程等等的任意希望类型的控制器。

如图2中所示，仿真系统52包括仿真控制网络64和过程模型66。仿真控制网络64总体而言是实际过程控制网络54的拷贝，包括与过程控制网络54的实际控制器或其他设备相关联并且/或者运行在其中控制例程的拷贝或副本。但是，仿真控制网络64可以改为包括被实现在一个或多个计算设备如图1的网络云48中的计算设备上的一个或多个可通信地连接的控制模块，而不是分布在多个不同的设备中。在2000年2月22日递交的、标题为“Integrating Distributed Process Control System Functionality on a SingleComputer”的美国专利申请序列号09/510,053中详细地描述了用于存储并且仿真被设计为被实现在作为分布式可中为了的一部分的不同计算机中的各种控制例程的该仿真系统40，通过参考的方式将该申请的公开明确并入本文。

在任意情况中，仿真系统52可以被实现为图1的仿真应用40的一部分。此外，在仿真系统52中施以的过程模型66可以被设计为并且配置为建模过程56，并且可以被实现为任意希望的或合适的类型的过程模型例如n.sup.th次序传递函数模型、社交网络模型等等。当然，可以将要使用的模型的类型选择为用于被建模的具体类型的工厂或过程并且允许如下文更详细地描述的在线更新能力的最佳模型类型。此外，如果希望则过程模型66可以由多个独立的过程模型构成，每个过程模型建模或者与工厂10的不同部分如与过程10中的不同控制环路相关联。

如图2中概述的仿真方法的总体概念提供了仿真系统52，仿真系统52包括被开发为实际控制网络54的拷贝的控制网络64和用于建模工厂的实际过程56的过程模型66。在该配置中，控制网络54并且因此仿真控制网络66包括用于构成实际控制网络54的全部功能和组件(例如实际控制网络的控制器、功能块、人机接口应用(MMI)等等)。当然，可以提供如与存储数据或与过程工厂中的控制例程的相关输入和输出的识别相关的其他信息一起存储在例如图1的配置数据接口28、控制器12、现场设备14和16、工作站20、22等等中的拷贝实际控制例程(例如图1的控制例程29和30)、用户接口用于74、配置应用等等来开发仿真系统52的仿真控制网络。监管器应用32可以负载型仿真系统52发送事件例程和相关数据。输入/输出信号识别数据可以助于允许仿真系统52在控制系统50的操作期间经过监管器应用32与控制系统50通信，以便因而当在线操作过程工厂时将仿真系统52的操作与控制系统50同步。

如我们将理解的，在工厂的操作期间，实际控制网络54用任意常用或已知的方式进行操作以计算应用于过程56的操作变量或控制信号U。过程56然后通过进行操作以开放实际过程变量Y来响应，其中由工厂中的各种传感器并且作为到控制网络54的反馈来提供测量变量Y。将操作和过程变量(分别是U和Y)显示为向量，以分配多个变量。当然，这些向量的美国相关元素可以由关于时间的离散值构成，其中，每个时间步骤的大小等于相关控制功能的执行周期即控制器的扫描或操作速率。

如我们所理解的，在每个时间步骤计算操作变量(控制信号)U的值，并且通过采样在每个时间步骤上的过程变量导致过程变量Y的值。为了该讨论的目的，将当前时间步骤表示为k并且因此将在当前时间步骤的操作变量和过程变量的值分别表示为U.sub.k(Uk)和Y.sub.k(Y_k)。因此，根据该操作，由向量U、Y以及内部状态变量的向量X确定控制网络54的时间相应，其中内部状态变量定义在控制网络54中施以的控制程序(或控制配置)的细节例如控制器增益或用于定义由控制网络54中的控制器实现的控制计算的细节的其他参数。这些状态变量可以是例如基于由诸如定时器的功能使用的调谐参数和累积时间值的值、由PID控制器使用的积分器值、由神经网络控制器使用的神经网络加权系数、由模糊逻辑控制器使用的调整因子、由模型预测控制器等等使用的模型参数或度量。这些状态值也是关于时间离散的，并且因此，将在第k时间步骤处的状态向量X表示为X.sub.k。然后可以说状态向量U、Y、X的共同的集合定义控制系统的总状态。可以由控制系统持续地计算这些值。

现在参考图4，在方框图中将图2的控制系统50显示为反馈控制环路。在该情况中，由被表示为C的方框表示实际控制网络54。由被表示为P的方框表示过程56。此外，在该情况中，将到控制网络54的输入显示为设置点的向量R，将该向量与测量或确定过程变量Y比较，以产生误差向量E，误差向量E因而被控制网络54用于产生控制信号或操作便利向量U。当然，设置点效率R的元素表示用于将要被控制的过程变量Y的希望的值，并且通常由操作员或优化例程(未显示)确定这些设置点值。在过程工厂控制系统的情况中，这些设置点值可以是与发电设备中的过程变量相关联的流、压力、温度、兆瓦特等等的希望的值。

按照类似的方式，在图5中将仿真系统52显示为方框图形式。经过监管器应用32(图3)向仿真系统52输入来自实际控制网络54的设置点值的相同向量R。在这里，仿真控制网络64被表示为C^并且它是控制网络54在控制器操作方面的替换。因此在仿真控制网络64中替换用于构成实际控制网络54的全部控制器、功能块和算方法。仿真操作便利或控制信号被显示为由仿真控制网络64产生或计算并且被提供给过程模型66。

但是在操作在网络云48中远程仿真系统52中，使用被称为过程模型66并且被表示为P^的过程56的数学模型计算过程变量的值。当然，过程模型66的确切结构可以改变，并且此外对于过程56的不同部分可以利用各种不同的模型结构，因而每个过程变量可以例如利用唯一性过程模型结构或者由唯一性过程模型结构确定每个过程变量。可以使用的可应用模型结构包括第一原理(差分方程)模型、传递函数(ARX)模型、状态空间模型、神经网络模型、模糊逻辑模型等等。

与实际控制系统50类似，由U^、Y^和X^向量完整地描述仿真系统52的时间响应。在这里，仿真器状态向量X^的元素包括与实际控制系统50中相同的状态向量X。但是，仿真器状态向量X^还包括附加元素，该附加元素是与过程模型66相关联的内部状态变量，这些变量与操作变量一起被过程模型66用于计算仿真过程变量Y^。因此，仿真器状态向量X^是控制系统状态向量X的增大，其中X^包括控制系统状态向量(被表示为.theta.或θ)和过程模型内部状态变量的向量(被表示为.psi.或θ)。在这里，.thea.的值与X相同。

仿真器模型架构优选地使得可以使用来自控制系统的U.sub.k-1和Y.sub.k向量来计算在第k时间步骤处的每个模型内部状态变量(.psi..sub.k)的值。当然具体计算的细节是所使用的具体模型结构专用并且特有的，并且这些计算是本领域熟练技术人员已知的。此外，将要认识到，依赖于应用的模型的类型，由仿真器系统计算的过程状态变量可以是过程变量和操作变量的函数以及在一些情况中的是过程变量和/或操作变量自身。在任意情况中，该特性允许在过程工厂的正常操作期间实际控制系统50与仿真系统52的同步。具体而言，在第k实际步骤处，可以使用由监管器应用32收集并且通信的U.sub.k-1、X.sub.k和Y.sub.k向量，将总仿真器状态与总控制系统状态同步。对于仿真器总状态更新，直接从向量X.sub.k更新.theta..sub.k的元素，并且使用U.sub.k-1和Y.sub.k来计算(确定)过程状态向量.psi..sub.k。

因此，总体而言，在操作期间，仿真系统52与过程控制系统50并行地但是按照与过程控制系统50同步的方式操作。具体而言，如果简单地与实际控制系统50并行但不是与之同步地操作仿真系统52，则因为未建模动态和过程模型失配的影响，仿真过程变量将最终往往与来自过程56的实际过程变量Y输出偏离。

为了克服该问题，网络云48中的远程仿真系统52通过周期性地操作在追踪模式中，仍然与实际控制系统50同步，其中在该追踪模式中仿真系统52从实际控制网络54周期性地接收U.sub.k-1、X.sub.k和Y.sub.k向量，例如对于每个控制时间步骤从监管器应用32。仿真系统52然后利用如从监管器32接收的来自实际控制网络54的状态信息，初始仿真它的过程控制网络64的状态。此外，在该追踪模式中，仿真系统52的更新模块使用U.sub.k-1和Y.sub.k向量重新计算内部状态变量(.psi..sub.k)，以更新过程模型66，因而追踪或建模如测量的或从最后一个控制器扫描时间间隔显而易见的过程55的实际特征。因此，当操作在追踪模式中时，持续将仿真系统52初始为如从监管器32通信的包括控制器状态和工厂特性的当前工厂状态。

图6更详细地说明处于追踪模式中的仿真系统52的操作。具体而言，过程控制系统50在图5中被显示为处于时刻k。但是在该情况中，仿真系统52的仿真过程控制网络64被配置为从监管器32接收控制器54的内部状态向量X.sub.k、控制信号向量U.sub.k-1和过程变量向量Y.sub.k向量，并且用这些向量更新负载控制器64。类似地，过程模型66从监管器32接收控制信号向量U.sub.k-1和过程变量向量Y.sub.k向量，并且从这些值确定新过程状态向量.psi..sub.k。在该方式中，周期性地如在过程控制系统的每个扫描之后更新过程模型66，以反映过程工厂的实际操作。

因此，如我们将理解的，在追踪模式期间，通过从监管器32接收监管器数据，仿真系统52恒定地跟随或者追踪过程操作并且更新它的状态参数以通过重新计算或更新过程模型66的状态，反映不仅是过程控制网络54当前状态而且过程56自身的特性。结果，仿真系统52在追踪模式期间的全部时刻仍然与实际过程控制系统50和过程工厂的操作同步，使得仿真系统52在任意时刻立即可用于利用高的保真度执行仿真。

为了执行具体的预测仿真，远程仿真系统52可以在任意时间被置于预测模式以执行过程控制系统50基于一些未来时间水平的实际仿真。该实际仿真可以采取任意形式，或者仿真许多不同类型的控制器/过程活动。但是，在全部情况中，仿真系统52与实际控制系统50并行地操作。具体而言，在预测模式期间，远程仿真系统52停止用于经过监管器32从实际过程工厂接收的信号来更新控制网络图像64和过程模型66，而是改为进行操作以执行基于在追踪模式期间开放的状态变量的最近的集合{基于(X)的音调符号}的预测。换句话说，在预测模式期间，使用提供给远程仿真系统52的仿真过程控制网络64和设置点R，以闭环的形式，基于过程模型66计算仿真过程变量。在该情况中，远程仿真系统52被耦合到用户接口，以便如果希望则允许客户改变仿真控制系统或仿真过程的一个或多个参数，以便仿真该过程的响应以控制改变或者以处理动态改变。该改变可以是例如一个或多个设置点R的改变、测量过程变量的改变、控制例程自身的改变、过程中的干扰变量的改变等等。

如果希望，则远程仿真系统52当处于预测模式中时可以执行包括实时子模式、快时子模式和慢时子模式的三个子模式中的一个子模式。在该实时子模式中，过程变量的仿真实时地进行(即与实际控制系统50相同的速度或扫描速率)。在发电厂控制系统应用中，该模式可以被工厂人员用于测试到控制系统的建议动作和输入。在该情况中，建议动作被应用于(仿真)工厂，并且观察仿真响应，以确保该动作具有希望的效果并且/或者由于该动作不导致异常条件出现。

在快时子模式中，以比实时(即比控制扫描速率)更快的速率计算仿真过程变量。可以利用该模式来快速地观察过程变量基于未来时间水平的预测响应，测试该工厂对新控制器设置点、偏置、其他操作员输入或控制例程中的一些其他改变等等的响应。例如，在任意时间，可以对于下一个十分钟或者基于一些其他预测水平如与返回到稳定状态操作的过程相关联的水平，显示一个或多个过程变量的预测值和结果轨迹。

在慢时子模式中，操作员可以比实际过程操作时间或扫描速率更慢地查看仿真控制的操作。该子模式可以例如用于在快速过程中向操作员提供更多时间来查看并且响应于设想的改变分析该过程的操作。此外，当仿真系统52被用于执行训练操作时可以有利地使用该子模式。

在操作期间，集成并且同步的远程仿真系统将备选地利用追踪和预测模式来执行仿真和预测。具体而言，在当仿真系统52操作在追踪模式中的时间周期期间，恒定地利用经过监管器应用32来自实际控制系统50的总状态信息来更新远程仿真系统52。使用作为配置系统的一部分来存储的信号地址，周期性地经过监管器32向远程仿真系统52发送如上所述的该状态数据。

在一个模式中，远程仿真系统52将在过程控制系统50之中的控制器的每个扫描期间或者由于过程控制系统50之中的控制器的每个扫描，经过监管器32从过程控制系统接收状态数据的新集合。换句话说，过程控制系统50之中的状态数据可以在每个控制器操作或扫描之后被收集到监管器32中并且被发送到仿真系统52。可以使用合适的通信程序须知或者独立地向仿真系统52发送监管数据，或者可以将该监管数据作为数据的大集合来收集并且发送以降低过程控制系统之中的通信开销。当然，远程仿真系统52可以改为以不同的速率接收控制状态信息，其中该不同的速率可以是周期性的速率例如在每隔一个扫描之后、每15个扫描等等。在该方式中，虽然远程仿真系统52处于追踪模式中，但是实际控制系统50和远程仿真系统52以同步的方式操作，这是由在与该周期性的速率相关联的每个时间步骤上从监管器32更新远程仿真系统52的总体状态已一致地匹配实际控制系统50的事实所导致的。

但是，在任意时刻，操作员或其他客户将远程仿真系统52置于预测模式中。在该描述中的操作期间，可以将子模式选择为实时模式以实现例如设置点或调谐参数改变的影响的评估，以评估该过程上的控制程序改变的影响，以评估过程干扰变量等等的改变。该特征对于操作员提供了用于执行“如果……怎样”情况的能力。在评估设置点改变的情况中，可以经由与将允许或使能设置点改变的控制系统50相关联的用户接口系统相同或总体相同的用户接口在远程仿真系统52上做出或向远程仿真系统52提供设置点改变。这样，远程仿真系统52的操作将看起来并且感觉起来如同操作员操作实际控制系统50，使得远程仿真系统52更易于使用和理解。在远程仿真系统52上做出设置点改变之后，然后观察仿真过程以确保该改变具有希望的或预计的效果。该能量旨在消除实际工厂操作中的人工误差。

在改变控制程序的情况中，可以再次使用与用于进行对过程控制系统50自身的程序改变的配置应用看起来相同或看起来相似的配置应用来做出该程序改变。因此，远程仿真系统52可以再次包括支持应用的整个集合包括对于实际控制系统50提供的或与实际控制系统50相关联的操作员接口应用、配置应用、趋势应用、数据处理或分析应用等等。在任意情况中，当对仿真控制器网络做出控制例程改变时，在该远程仿真系统52监视该仿真过程，以确保实现希望的效果并且不导致异常操作情况。如果例如正在使用远程仿真系统52来执行训练，则可以与操作在实时模式或慢时子模式中的远程仿真系统52执行旨在模范实际控制系统50上的操作的、与远程仿真系统52的全部人工交互。

但是如果希望，则可以通过将远程仿真系统52置于快时子模式中来观察更长的时间水平的效果。另外，操作员可以在仿真期间在不同的子模式之间切换。在已经经由操作员接口做出了交互(例如设置点改变或控制程序改变)之后，操作员可以例如将远程仿真系统52置于快时子模式。在快时子模式中，仿真系统的状态以比实时扫描或过程控制网络56的操作实例更快的速度进展。当然，可以通过改变仿真过程控制网络64之中的控制器和控制程序的扫描或操作周期来实现实时子模式和慢时子模式。此外，如果希望，则除了在操作员、工程师和维护人员接口上先生这些变量之外，可以改为或另外在快时执行的结尾收集、存储并且随后在相关历史趋势上反映仿真过程变量。

在一些情况中，可以操作远程仿真系统52，以使得将每隔控制系统50的‘N’个时间步骤自动地执行快时执行循环，其中如果希望如此则由操作员定义‘N’。在该情况中，远程仿真系统52将操作在追踪模式中直到‘第N’时间步骤为止，其中在‘第N’时间步骤时将远程仿真系统52自动地置于预测模式以便基于所选择时间水平的快时操作的单个执行。在快时仿真的结尾处，可以利用基于所配置时间水平的预测过程变量并且/或者利用其他信息例如在快时操作期间生成的任意仿真警报或警告等等，更新仿真器显示。在快时仿真的结尾处，远程仿真系统52自动地返回到追踪模式，以利用来自正在监视实际过程的监管器32的新状态变量，更新过程模型66和仿真控制网络64。该自动操作条件可用于更新趋势显示，其中该趋势显示用于显示感兴趣的过程变量的预测轨迹，这特别有助于例如在实际发电厂的操作期间的控制功能和仿真的实时集成，以及实现有潜力消除由人为错误导致的过程打乱和工厂失足的自动方法。在该模式中可以观察操作员动作在工厂排放和热动力/过程效率上的影响。

此外，如果希望，则远程仿真系统52的一些模块可以分布在遍及过程工厂的不同设备中。仿真控制网络64可以例如包括在实际控制模块29和30所位于的每个控制设备中的仿真控制模块(它是实际控制模块的拷贝)。在该情况中，过程模型66可以包括与被布置在相同的过程控制设备中并且被可通信地连接到合适的仿真控制模型的过程工厂的具体部分(例如具体过程环路)相关联的子模型。在这里，过程的仿真控制模型和子模型一起操作，以在各种不同的控制设备中基于一个环路接一个环路地执行仿真。在该情况中，仿真控制模型可以利用标准通信来与操作员接口例程例如被存储在工作站20和22中的监管器32通信，在预测模式期间指示或说明仿真控制模型的操作。监管器32然后可以向网络云48通信数据以便进一步的操作。类似地，工厂中的各种设备中的仿真控制模型64和过程模型66可以从实际过程控制网络的控制模块20和30或者从位于相同的或不同的设备中的更新模块，直接接收过程状态信息。

当然，如我们将理解的，当使用在发电厂和其他类型的工厂中时，如本文所述的远程仿真系统52可以：(1)在发电厂的实际操作期间提供仿真和控制功能的实时集成，(2)提供发电厂基于有限的未来时间水平的排放的实时预测，(3)提供用于未来发电市场定价的机制，(4)通过响应于控制系统的闭合环路动作，提供用于与工厂相关联的每个主要过程变量的实时预测功能，增强工厂操作的效率，(5)提供一处情况的发作的实时指示，(6)允许将仿真器开始条件重设为具体时间周期，因而比与初始条件时间步骤(其可用于分析过去工厂操作)相对应的时间周期提前地“回放”发电厂的操作动态，(7)允许操作和/或工程人员在将设置点、调谐参数、对仿真器的配置或编程改变应用于实际工厂之前评估它们的效果，并且(8)通过提供用于基于一些有限的未来水平扩展的每个时间步骤的主要过程变量的预测，降低由于操作员动作/无动作导致的工厂失足。

此外，如我们将理解的，本文所述的远程仿真系统52包括用于作为总统扩展功能的集成部分来分布仿真功能的新型方法。在该方法中，将仿真作为的扩展功能的增加来利用，以提供与过程变量相关联的预测功能。与仿真的分布相关联的要求和约束与对应的控制功能相同。

图7说明一种用于实现本文所述的远程仿真系统52的方式。具体而言，图7中所述的远程仿真系统52包括被可通信地耦合到过程模型66的仿真过程控制网络64。但是如图7中所示的，使用任意希望的通信结构将更新模块70可通信地耦合到用于从实际过程控制网络54结束数据的监管器应用32，以接收过程控制网络状态变量，包括控制器状态变量X以及合适的过程输入和输出状态变量如控制信号U和过程变量Y。

如果希望，则可以以任意周期性的速率接收控制器状态变量X，其中该任意周期性的速率可以是与用于从该过程接收状态变量U和Y的周期性的速率相同的速率或不同的速率。此外，如果希望，则可以通过仅当对于过程控制系统50之中的这些变量中的一个或多个变量做出如变化检测器82所确定的改变时，以周期性的速率接收或更新控制器状态变量X。在另一个实施方式中，可以在当接收控制器状态变量X时立即流化或者实际通信控制器状态变量X。在另一个实施方式中，可以直到超过阈值为止才收集控制器状态变量X并且随后可以通信该变量。该阈值可以是时间或数据数量或任意其他有用的阈值。

更新模块70可以位于网络云48中，网络云48可以处于与仿真过程控制网络64(或它的一部分)和过程模型66(或它的一部分)系统的或不同的设备中。更新模块70可以在追踪模式期间进行操作以接收状态变量X、U和Y并且计算状态向量.psi..sub.k并且向仿真控制网络64和过程模型66的合适的部分提供.theat.和.psi..sub.k向量。

远程仿真系统52还可以包括用于控制远程仿真系统52的操作处于两个模式中的一个模式中的模式控制模型72。具体而言，在第一模式中，更新模块72周期性地接收第一和第二状态变量并且使用所开发状态变量.theat.和.psi..sub.k更新仿真过程控制网络64和过程模型66。在第二模式中，仿真过程控制网络64使用一个或多个仿真过程变量进行操作，以产生一个或多个仿真控制信号，并且过程模型66使用一个或多个仿真控制信号来产生一个或多个仿真过程变量(U^或Y^)。模式控制模型72可以在第二模式中操作仿真过程控制网络64，以与过程控制网络54相关联的实时速度或者与快于或慢于过程控制网络54的操作或实时速度的速度来执行。此外，在一个实施方式中，模式控制模型72可以在第二模式中操作仿真过程控制网络64，以便以快于过程控制网络54的操作速度的速度来操作，以产生基于时间水平的预测过程变量。

此外，用户接口应用74可以被可通信地耦合到更新模块70、模式控制模型72、仿真控制网络64和过程模型66，以执行用户接口和显示操作。在该情况中，用户接口应用74可以接收并且向客户显示仿真过程变量和/或仿真控制信号，并且可以允许客户端改变仿真过程控制网络64之中的参数例如一个或多个设置点、控制例程等等或者过程模型66之中的一个或多个参数，以执行任意希望的仿真活动。此外，用户接口应用74可以与模式控制模型72结合地操作，以周期性地并且自动地在第二模式中操作远程仿真系统52，以便以快于过程控制网络54的操作速度的速度来执行，以产生时间水平上的预测过程变量并且向用户显示时间水平上的预测过程变量(和任意其他仿真变量或信息)。当然，用户接口还可以执行其他希望的操作。

在一些实施方式中，用户接口应用74可以操作在网络云中，并且工厂10处的工作站20、22上的薄客户端可以向客户显示用户接口。该用户接口可以是从网络云中的用户接口应用74向操作在本地计算设备20、22上的网络浏览器发送的网页。在该配置中，计算密集型仿真控制网络64应用可以操作在网络云中。类似地，用户接口应用74可以操作在网络云中，并且可以由与网络云来回通信的、基于脚本或html的应用生成在客户端处显示的用户接口。在其他实施方式中，用户接口应用74可以操作在工厂上的薄客户端上，并且可以如通过监管器32被从仿真控制网络64被发送到用户接口应用。

可以提供存储模块80作为仿真系统52的一部分以存储仿真数据。存储模块80可以与更新模块70、实际过程54、仿真控制网络64或远程仿真系统52以及过程模型66通信。在图6中，将存储模块80显示为位于更新模块70内部，但是这不是必须的。在其他实施方式中，存储模块80与更新模块70物理上独立但是通信。在另一个实施方式中，存储模块80可以与从更新模块70接收状态数据的仿真控制网络64和过程模型66通信，全部状态数据可以被存储在存储模块80中。

存储仿真数据的好处有许多并且深远的。通过存储仿真数据，可以检查、回放、分析并且进一步学习仿真系统的操作。此外，由于存储模块80可处于网络云中，所以可以存储并且学习用于大量过程工厂的大量仿真系统的数据，创建可以提供附加见解并且可能更加有用于客户的更大的数据池。另外，存储器可以包括与实际控制网络52、实际过程56和与过程相关的数据的预测相关的更多得多的附加数据。

仿真数据可以是监管器数据和由仿真系统52生成的足以允许在未来时刻回放仿真的数据。例如，在一些情况中，仿真算法可能是已知的，并且仅需要存储具体变量和一些过程控制网络变量的权重，以允许在未来再次执行仿真。在其他实施方式中，可能已经修改仿真算法以便更好地模仿该过程，并且可以存储修改的算法以作为仿真数据的一部分，因为可能需要该算法来在未来时刻重建仿真。一些样本数据可以包括应用特性、配置、用户显示数据、输入/输出配置数据等等。

可以用各种方式存储数据。在一些情况中，将数据存储在数据库中。数据库的优点可能在于可以容易地查询数据。当前情况可能例如与以前情况类似。可以查询关键的变量，并且可以检查以前的类似情况，以提供关于面对当前情况是要采取的路径的指导。可以用其他格式存储数据。可以存储该数据以作为平面文件、XML文件、作为用逗号隔开的值、作为可以被传统文字处理器读取的文件、电子数据表或其他数据库。

一个或多个存储设备可以与远程仿真应用通信，以便存储仿真数据，引起可以在未来进一步学习它。总体而言，存储设备可以是当前已知的或者在未来创建的任意类型的存储设备如选择磁盘、光驱、固态存储设备或这些存储设备中的一些或全部的组合。可以用任意方式或格式例如RAID格式或者用分布式方式如使用Hulabaloo等等来配置为存储设备。

仿真数据可以用在许多方式中。在一个方案中，仿真数据可用于提供用于当前或未来工厂操作或仿真的指导。由于将存在来自各种各样的工厂过程和仿真的相当大量数据，在过去可能已经发生了可以发生或计划发生的许多情况。过去情况用于确定过去情况是否与当前或建议情况足够相似，以提供该过程可以如何进行以及可以如何维持并且正确仿真该过程的指导。

该仿真数据还可以用于训练目的，并且对于新用户可以按顺序播放训练情况。可以存储具体用户的训练响应，可以确定用户的强度和弱度，并且可以修改训练以解决弱度。类似地，可以对于已经增加的新设备、已经增加的工厂新部分等等修改训练。可以训练被训练者操作附加工厂或者相同工厂的附加方案。可以由权威监视训练，并且在一些情况中，可以通过成功地完成训练序列赢得证书。

该仿真数据还可以受到数据分析。数据分析可以检查仿真数据并且搜索在检查过程控制或仿真应用时可用的形式或信息。例如如果在单独的仿真中一小批阀门具有意想不到到高的故障率，则该故障可能不被注意到。但是，通过具有附加数据，可以注意到一小批阀门的该故障率。

数据分析还可以由改善仿真应用。例如如果来自仿真系统52的数据和来自过程控制系统50的数据始终偏离给定的数量或百分比，则可能有可能应该调整仿真算法以更好地模仿实际过程56。另外，由于网络云可以操作用于大量工厂的仿真应用，所以甚至有更多数据可用于检查，导致用于网络云48的全部客户的更可靠的数据和更好的仿真。

由另一个远程仿真系统52操作远程仿真系统52的优点在于容易向仿真增加工厂过程的另一个部分。在过去，在本地工作站上操作仿真并且将必须在工作站处增加工厂的附加部分。增加工厂的附加部分不像选择检查框那么简单。必须独立地增加、连接并且浇铸工厂的附加部分的元件，这是复杂的任务。

在未决的系统中，用于建立工厂的附加部分的任务将被移交给网络云48中的操作员。由于网络云48的操作员对于增加新元件和工厂部分极其由经验，这意味着需要向网络云48的操作员发送最小数量的信息。作为一个实例，对于网络云48的操作员，增加工厂的附加部分所需要的仅仅是工厂的元件的制图。当然，在网络云48中有操作员可能要成本。在一些实例中，可以自动增加新元件。

另外，可以动态或实时地增加附加工厂部分。在过去，本地工作站上的仿真将必须被停工以增加附加工厂部分。此外，必须测试附加工厂部分，以确保其在现有工厂中被正确地建立。根据本发明，可以独立地建立、测试并且无缝地向现有工厂仿真增加附加工厂部分。

此外，基于云的仿真系统52使得其他复杂仍未容易得多。作为另一个实例，在过去，非常难以从第三方供货商增加技术。如前文所解释的，建立将必须发生在操作该仿真的本地工作站。此外，客户或外部顾问将必须花费想打大量的施加来要么创建方式来虚拟化第三方技术要么将第三方技术映射到已经出现在仿真系统52中的技术。不管用于虚拟化第三方软件的任务是如何处理的，找到具有用于虚拟化第三方软件的任务的经验的客户的概率非常低。通过使仿真系统52操作在中央云位置，具有大量用于虚拟化第三方软件的经验的技术的组群可用。在这些情况中，以前可能已经虚拟化第三方软件，使得虚拟化工程更简单得多并且有效。

仿真系统52是网络云的另一个优点在于可能已经存在该云所必须的基础设施。可以另一个计算设备和软件提供专用计算设备和软件，以代替客户必须购买该专用计算设备和相关软件。云可以是公开的如英特网并且可以是要么由仿真提供商拥有的要么由第三方拥有的专用网络。客户仅仅需要计算设备来操作监管器32，其中监管器32是不向就地仿真应用那样处理器密集型的“轻”应用。

对于仿真系统52使用网络云48的另一个好处在于效率。即使在远程工作站操作仿真，该工作站和相关处理器和存储器也将专用于该仿真。处理器具有大活动量周期并且随后小活动量周期。提供使用网络云48，大量过程可以使用相同的联网计算设备，并且处理器和存储器的总体使用可能更高。此外，当需要发生复杂仿真时可能有更多处理功率可用。

总体而言，计算设备的基于云的网络提供附加优点。因为云由多个计算设备49构成，所以如果一个计算设备49失败，则另一个计算设备49可以继续执行应用。类似地，适当的hvac、备份电力、计算设备空间、训练有素的操作员等等的成本可以扩散在大量用户上，使得用户的成本降低。实际上可以从任意地方接入基于云的网络，使得它们更可接入(假设到它们的合适的安全限制进入具有合适的证书)。基于云的网络提供比本地存储器更低的成本，因为数据的大量存储更便宜，并且如果需要更多存储器，则将可能必须支付附加费用而不是购买并且安装更多设备。此外，数据可以在创建时被备份或者被镜像，使得备份更简单。更新软件也简单，因为更新是由有经验的任意在背景中安装的，而对于用户有极少或没有停工期。类似地，可以向基于云的网络增加或安装新模块，而对于用户有极少或没有停工期。当然，这些仅仅是显而易见的优点中的仅仅一些优点，因为可以存在更多优点。

远程仿真系统52的操作可以给出用于将要向客户提供的过程、服务和设备的新的机会。在过去，仿真系统在本地工作站上操作并且根据具体工厂或过程的需要被修改。通过将仿真移动到网络云48，可能不再需要本地工作站。轻质量监管器32应用向远程网络48提供相关过程和控制数据，并且监管器应用32可能足够“轻”，以工作在现有设备20、22上。结果，远程仿真系统52和装置可以创建新的商业机会。

作为一个实例，可以基于订阅，向客户提供远程仿真52。订阅价格可以基于各种因素如工厂的大小、来自该工厂的数据的数量、分析的数量。此外，建立可能具有可能与正在被仿真的过程的复杂度相关的初始成本。可能以附加的成本增加该工厂的其他部分。另外，将网络云提供给与该工厂相关的附加应用。

可以包括附加服务作为订阅的一部分或者可以以额外成本获得订阅的一部分。附加服务可以包括运行对过程系统的建议改变的预测、向远程仿真系统52增加工厂10的附加建议部分、提供专用数据分析、提供更深的数据分析、提供对过程的建议的附加或改变的数据分析、将过程与其他过程比较、检查该过程以便效率的潜在增益等等。

图8可以是用于提供远程仿真系统52的简单方法。在方框800处，可以接收工厂描述。该工厂描述可以像打印图示一样简单或者可以是用于说明工厂、现场设备、连接、微粒位置、连接块等等的大量图表。使仿真软件52处于集中式的基于云的位置48处的多个好处中的一个好处在于无需读取软件并且分析工厂说明可以被云48的多个客户多次使用，因而降低用于基于云的仿真系统52的大量客户的成本。当然，在一些实施方式中，图表将简单或者密集，以至于必须人工干预来将图表解析成可以被远程仿真系统52理解的一些东西。

在方框810处，可以确定将要被仿真的工厂的复杂度。用于仿真工厂和过程的复杂度和能力在工厂之间改变。在包括大型工厂的一些工厂中，复杂度可能低，使得该仿真更容易。在另一方面，包括小型工厂的一些工厂可能极其复杂，具有多个控制器和多个互连的过程。该工厂的仿真可能更复杂。

在一些实施方式中，可以使用公式来给予工厂复杂度评分或值。该复杂度评分可能是确定用于工厂复杂度的对象值的尝试，因而可以将一个工厂的工厂复杂度作为调整工厂复杂度评分与另一个工厂比较。例如如果工厂具有10个值以及复杂度评分可能是20的一个方法，其中每个值价值为1并且每个控制器价值为10。作为另一个实例，如果工厂具有5个阀门和5个控制器，则评分可以是55(对于阀门，5x1＝5，并且对于控制器，5x10)。在其他实施方式中，在中央仿真云处的有经验的检查员可以基于经验简单地检查工厂说明，确定复杂度等级。每个元件的权重可以基于材料、工厂的年龄、该材料必须行进的距离等等来改变。当然，用于计算复杂度评分的其他方法是可行的并且可以被想到。

在方框820处，可以确定仿真复杂度。仿真复杂度可以是必须向该仿真增加的、在工厂中使用的过程或控制例程的复杂度的指示。例如如果控制例程互通与现场设备测量要求大量阀门安装精确的顺序开启，则可以认为仿真是复杂的。类似地，如果控制例程或过程操作是简单的并且具有少量动作，则可以认为仿真较不复杂。

可以通过检查来自可能包括处理数据的步骤800和810的工厂说明来确定仿真，或者可以通信用于描述过程的独立的过程数据。在另一个实施方式中，可以使用工厂说明和与过程系统相关的智能的组合来确定过程。例如如果将阀门描述为在220华氏度开启的阀门，则过程逻辑可以指示该过程的一部分将物质加热到220华氏度。另一方面，可以将阀门描述为作为在220华氏度开启的安全阀，这可以指示该过程被设计为将物质加热到低于220华氏度。类似地，定时设备可以指示可以将该过程的一部分操作一个时间周期。

在一些实施方式中，可以给予仿真一个仿真复杂度评分。该仿真复杂度评分可以是用于使用调整评分来客观地比较一个仿真的复杂度与另一个仿真的复杂度的尝试。复杂度评分可以基于发生在过程中的过程操作。例如，如果必须进行4个测试并且必须发生5个阀门操作，则仿真复杂度评分可以是测量的数量乘以测量权重以及阀门的数量乘以阀门权重。权重可以依赖于所讨论的材料、过程的风险、材料的值等等改变。当然用于计算仿真复杂度评分的其他方式是可行并且被想到。

在方框830处，可以确定可以由基于云的仿真服务52提供的最小服务。该最小服务可以依赖于各种因子，并且可以协商该最小服务。在一些实施方式中，工厂操作员可以指示将需要的最小服务。最小值可以是当在位于站点或工厂10处的工作站上操作仿真时客户以前具有的服务的等级。

在其他实施方式中，可以由供应方设置最小服务等级。例如为了使基于云的仿真服务52经济有效，可以预计每个客户使用并且支付最小公共服务等级。否则，仿真操作员将具有很少刺激来继续操作并且改进仿真52。另外，操作员可能知道为了使仿真52有效，可能需要最小服务等级。例如客户可能不处于用于识别优选服务的重要性的最佳位置或者一些服务依赖于其他服务。作为一个实例，可以直到仿真被存储为止才回放仿真。因此，需要足够的存储模块，以允许回放仿真。

在附加实施方式中，可以检查工厂的复杂度和仿真的复杂度，以确定应该提供的最小服务等级。复杂的工厂和复杂的仿真可能例如具有较高的建议服务等级而较不复杂的工厂和较不复杂的仿真可能例如具有较低的建议服务等级。在一些实施方式中，仿真复杂度评分和工厂复杂度评分可以作为用于确定最小服务等级的公式的一部分。高仿真复杂度评分和高工厂复杂度评分可能例如导致较高的建议最小服务等级。

另外，在建议服务等级的确定中，经济学可以起作用。例如如果过程是制造极其有价值的物质，则必须给予更多注意以提供更高服务等级以确保该极其有价值的物质不被可能已经经过仿真52预测的故障过程毁坏。类似地，如果工厂过程创建危险物质，则可以推荐更高的服务等级，因而通过在其他较不危险的情况中执行甚至更多仿真52，可以避免危险情况。

在一些实施方式中，可以向客户发送建议最小服务。该客户可能具有用于赞成该服务等级的选项，可以调整服务等级，可以赞成该服务等级等等。另外，可以给出关于如何确定最小服务等级以及其他社么服务可用的描述。在其他实施方式中，政府安全规章可以起作用并且可以使得一些服务是强制的，并且也可以向客户发送强制服务。

在方框840处，可以为确定的最小服务计算价格。可以用各种方式确定该价格。在一些实施方式中，该价格可以具有底线而不管该最小服务等级。这样，对于操作员而言，抵消建立成本以及使得服务在线和可操作所带来的维护是有经济意义的。在一些实施方式中，该价格可以与将要提供的最小服务相关。如前所述，最小服务可以对于每个工厂和每个过程不同。因此，依赖于所讨论的最新服务，最小价格可以不同。

在一些实施方式中，仿真复杂度评分和工厂复杂度评分可以被用作用于确定最小服务等级的公式的一部分。高仿真复杂度评分和高工厂复杂度评分可能例如导致较高的建议最小服务等级和较高的价格。通过使用评分，可以例如使用利用该评分作为输入并且价格作为输出的算法来自动计算价格。在另一个实施方式中，每个最小服务可以具有一个价格，并且可以合计每个最小服务的价格以得到总价格。另外，依赖于客户的大小和以前的历史，可以自动地提供折扣。

此外，可以将价格分解成等级或层次。作为一个实例而不是限制，可以存在3个价格层次，并且层次可以涉及工厂的复杂度和仿真的复杂度。如前所述，可以使用算法或查找表来确定建议价格。该算法可以类似地用于将价格放到其中一个层次中。这样，可以向客户提供简化的定价。

在一些实施方式中，定价可以基于对该顾客或过程或对类似的顾客或类似的工厂的过去定价。通过分析过去使用，可以获得客户/工厂的成本/效率。作为一个实例而不是限制，一些客户/工厂可以在一个时间周期期间使用比仿真服务的预计数量更大的数量，并且可以比预期对仿真收更多税。在未来对这些顾客增加价格是有意义的。类似地，延伸客户/工厂可能不使用如预期那么多的仿真时间或者可以比预期对仿真计算更少税。在这些情况中，在为了对客户/工厂收更少费是有意义的。定价还可以基于类似的客户/工厂。与具有类似的工厂或类似的仿真的客户/工厂的过去的经验可以提供关于用于客户/工厂的合适的定价的指导。

在时间上全部情况中，预计利用基于云48的服务将比在工作站本地地操作复杂更便宜。通过在云在操作仿真可以避免大量成本。独立的仿真系统例如通常需要相当大的资金设备投资，包括硬件、软件、建模工厂的成本、建模过程的成本等等。此外，全部该设备需要空间。另外，存在持续的成本如维持设备和软件、更新设备和软件、支持设备和软件等等。另外，需要员工来照看全部这些问题。成本的估计从用于小型系统的500000美元变化到用于较大系统的2000000。

可以用各种各样的方式对于费用许可定价。该许可可以例如用于具体模块并且可以每个工厂一个或每个单元一个或每个用户或在这些定价元素的组合。价格可以包括系统的训练、服务本身、仿真器32的维护以及用于更新并且维护仿真器32的人员。依赖于情况和关系，可以以受限的方式例如在相同的设施或相同的子公司之中传递该许可。可以在显示器屏幕上注释该许可和期限，并且随着期限的接近可以给予提醒。

在方框850处，可以向客户通信对用于客户或工厂的最小等级服务所确定的价格。该通信可以是最易开始用于形成具有约束力的协议的过程的任意合适的方式。例如，客户和提供商可以传统地经由电子邮件通信，并且因此价格和建议服务的电子邮件可能是合适的。在其他情况中，具有用于描述费用和服务的详细附件的正式信函可能是合适的。当然，多个通信信息可以使用并且可能是合适的。在一些时刻，必须小心以降低建议服务和费用以成为具有法律约束力的协议。

在一些实施方式中，可以由提供商确定对于客户和过程可能有用的可选择的服务。最小服务可以提供用于仿真服务的有用的开始，但是附加服务可以更加辅助客户或工厂。一些客户或工厂可能随着不知道该附加服务可能存在。一些客户或工厂可能知道可以将在具体工厂的过去事件的仿真用于训练服务。但是附加选项可用于将来自当前工厂的仿真和过程仿真与其他工厂由其他工厂的过程仿真比较。其他工厂和过程仿真可以提供可能对于该客户有用的新的思想和方法。此外，本地仿真可能已经被减慢并且具有更少用于建模工厂和仿真的选项，并且基于云的仿真系统可能具有更多用于处理更复杂的工厂和客户可能未想到的仿真的处理能力。

可以自动化是否有(以及哪个)可选择服务的确定。可以自动地检查工厂说明和过程仿真，以确定附加服务是否有意义。可以从工厂说明自动地识别工厂中的旧阀门，并且建议可以是用新的智能阀门替换旧阀门。可以提供仿真以查看该新的智能阀门将在工厂效率、控制和输出上具有什么结果。作为另一个实例，可以将当前过程与以前检查的工厂比较，并且如果在以前工厂中发现效率，则可以向当前工厂提供效率学习。

在识别附加服务之后，可以对于可选择的服务计算价格。与用于最小服务等级的价格类似，可以用各种各样的方式确定用于附加服务的价格。在高的等级上，鉴于所讨论的工厂和仿真，附加服务的架构可能与任务的复杂度相关。在一些实施方式中，可以根据附加任务的复杂度设置价格，该复杂度可以涉及工厂的复杂度、仿真的复杂度和建议任务的复杂度。可以使用评分来辅助附加任务的定价。将要分析的工厂的复杂度可以例如乘以与建议任务的复杂度相关的因子，并且结果评分可以用于确定价格。类似地，评分可以用于将建议任务置于一个等级中并且价格可以基于该等级。

建议价格可以基于过去的经验或者可能需要的处理器时间、存储器使用、建立时间、在云中需要的操作员时间的数量的规划。在一些附加实施方式中，价格可以涉及对客户的潜在好处。例如如果附加分析模块可以通过修改过程或改进输出为客户节省相当多的钱，则该定价可以基于可能发生的节省的百分比。

发电厂实例

作为一个实例，发电厂可以具有基于仿真系统的本地工作站20、22。该仿真系统可能需要比传统个人计算机更加复杂得多的工作站20、22。工作站20、22还可能需要相当大量的存储能力以获取还在工厂的全部数据并且存储可以用于在未来的时刻处存储并且创建仿真的数据。此外，可以操作多个建模工厂10并且维护仿真系统的操作员。工作站、存储器和用于该操作员的相关局可能占用局的空间和相关花费。

如果发电厂决定切换到基于云的网络仿真52，则将需要发生多个步骤。可能需要向网络云操作员提供工厂说明。在一些实施方式中，如果在本地工作站上已经存在工厂仿真，则可以电子地通信用于表示工厂描述的数据。在其他实施方式中，可以向网络云操作员发送该工厂的打印输出或说明。在一些实施方式中，可以在其他实例中扫描该说明，可以向云服务的操作员手动传递该说明。

可以分析工厂描述以确定工厂的复杂度的等级。在高等级上，复杂度的等级可以设计将工厂描述建模并且操作成数字形式有多难，这也可能涉及工厂自身的物理复杂度。更复杂的物理工厂可能花费更多并且叫不复杂的物理工厂可能花费更少。分析可以用各种各样的方式发生。在一些实施方式中，例如当例如从独立的工厂仿真通信用于表示工厂描述的电子数据时可以将分析自动化。

在另一个实施方式中，可以发送工厂设计(或者从说明转换工厂设计)以作为电子说明，并且可以分析该电子说明以确定在工厂中的各种物理元件。作为一个实例，智能阀门可能具有标准说明，并且可以分析工厂说明以确定在工厂说明中是否有任何智能阀门。其他工厂元件也可以具有标准说明，并且可以对于这些步骤说明检查该说明。

此外，可以使用智能来中断不能立即识别的说明。例如如果控制器具有模数转换器，则有可能到该模数转换器的输入是模拟信号并且可以搜索用于产生模拟信号的元件以查看与在工厂制图上的元件是否存在不匹配。用于确定过程说明中的智能和预测的类似的使用是可能性的并且被想到。

还可以从工厂描述确定工厂仿真的复杂度。再次通过接收工厂仿真的先前存在表示的电子版本如在本地工作站上操作的过程仿真，确定工厂仿真。在另一个情况中，可以通过分析将要仿真的工厂操作的说明来确定工厂仿真。在一些情况中，训练有素的操作员可能需要检查建议仿真并且进一步磨练该建议仿真。仿真的复杂度可以是正在被仿真的过程的难度的表示，因为一些过程可能是相对简单的(例如燃气发电厂，在形成流时该燃气发电厂中当单个现场设备寄存超过212华氏度的阈值的温度时，阀门开启)并且其他过程可能是复杂的(核电厂具有多个阀门、多个温度、多个压力读取、高度危险产品)诸如此类。如前所述，可以由计算值表示仿真复杂度。

在检查工厂复杂度和仿真复杂度之后，可以对于发电厂10确定最小仿真服务等级。该服务等级可以基于发电厂10的工厂复杂度和仿真复杂度。例如很少依赖于并且具有标准和测试设计的小型发电厂可能具有低的仿真服务等级。备选地，对于具有相当大量依赖于核电厂的人员并且具有新的未测试设计的核电厂而言，如果该电厂停工则可以造成极大危险。因此，用于保持核电厂安全操作的刺激可能极其高并且推荐的服务等级也极其高。

可以确定建议仿真服务的价格。在高等级上，工厂10和仿真越复杂则用于基于云的仿真的价格越高。可以使用其他仿真以作为设置价格的比较，或者可以基于考虑物理工厂的复杂度和仿真的复杂度的公式来设置价格。当然，因素的组合可以用于设置价格，并且价格可以协商。在发电厂实例中，燃气发电厂将有可能不如核电厂复杂并且因此燃气发电厂的仿真将可能少于核电厂的仿真。此外，两个仿真的成本可能显著小于在工厂处操作的独立仿真的成本。

然后可以向发电厂或发电厂操作员通信建议价格。该通信可以采取各种形式，但是必须关注在一些点处应该用于基于价格和建议的服务的联系的事实。如果与发电厂是连续是经过电子邮件，则可以发送电子邮件，或者如果连续是人工的，则可以与人员表示的建议传递的服务端说明一起传递建议的打印拷贝。当然，用于传递价格的其他方式是可行的并且被想到。

除了价格和最小服务等级之外，建议可以包括建议的附加服务和相关成本。所讨论的工厂10和仿真可以被分析，并且可以做出附加服务是否对于所讨论的工厂有意义的确定。可以将该确定自动化。作为一个实例而非限制，可以确定燃气发电厂与其他燃气发电厂类似，并且这些以前的燃气发电厂可以以前已经被检查。提供学习这些工厂可能已经发现附加效率，因而更快地响应于普通问题，以消除关停整个工厂以解决问题的高成本的要求。提供发电厂操作的学习以查看这些附加效率在当前工厂中是否起作用在逻辑上是有意义的。还可以确定用于这些附加服务的成本，其可以涉及云计算建立该学习所需要的施加、对工厂或仿真的任意改变的建模等等。还可以用任意逻辑方式向客户发送这些价格和建议服务。

应该注意到当实现时，本文所述的任意仿真软件可以被存储在任意计算机可读存储器如磁盘、激光盘或其他存储介质中，在计算机或处理器等等的RAM或ROM中。类似地，可以使用已知的或希望的传递方法包括例如在计算机可读盘片或可传输计算机存储介质是或者基于通信信道如电化学、英特网、万维网、任意其他局域网或广域网等等，向客户、过程工厂或操作员工作站传递该软件(其中传递被视为与用于经由可传输存储介质来提供该软件相同或可互换)。此外，可以直接提供该软件，而无需调制或加密或可以在基于通信信道被传输之前使用任意合适的调制载波和/或加密技术被调整并且/或者加密。

虽然已经参考旨在仅仅用于说明而不是限制本发明的具体实例描述了本发明，但是将要认识到，在不脱离本发明的精神和范围的前提系，本领域的普通技术人员显然可以对于所公开的实施方式做出改变、增加或删除。描述全部可能的实施方式是不可能的，要不就是不切实际的。

Claims (7)

1.一种用于为网络云中的过程控制工厂提供基于云的仿真服务的方法，包括：

接收用于描述所述过程控制工厂和所述过程控制工厂中的过程的工厂描述；

通过检查所述工厂描述来确定将要仿真的所述过程控制工厂的复杂度；

通过检查所述过程控制工厂中的所述过程来确定所述仿真的复杂度；

通过检查所述过程控制工厂的复杂度和所述仿真的复杂度，确定将要由所述基于云的仿真服务提供的最小服务；

计算用于所确定的最小服务的价格；以及

发送为所述最小服务确定的所述价格。

2.如权利要求1所述的方法，其中，确定所述过程控制工厂的复杂度包括：创建物理工厂评分，其在物理的过程控制工厂复杂度尺度上评价过程控制工厂的复杂度。

3.如权利要求2所述的方法，其中，确定所述过程控制工厂中的所述过程的复杂度包括：创建过程评分，其在过程复杂度尺度上评价过程的复杂度。

4.如权利要求3所述的方法，其中，确定将要由所述基于云的仿真服务提供的最小服务包括：分析所述物理工厂评分和所述过程评分，以确定最小服务等级。

5.如权利要求4所述的方法，其中，确定将要由所述基于云的仿真服务提供的最小服务包括：使特别危险和成本特别高的过程具有更高的最小服务等级。

6.如权利要求3所述的方法，其中，计算用于所确定的最小服务的价格包括：比较用于其它项目的价格和复杂度。

7.如权利要求3所述的方法，还包括：

基于所述工厂复杂度和过程复杂度，识别可使用的附加服务；

确定用于所述附加服务的价格；以及

提供所述附加服务以便购买。