西门子股份公司

本发明涉及一种用于启动用于模拟式指针仪表的尤其电容式的读取装置（7）的方法，包括步骤：S1）评估所述指针仪表（1）的至少一个图像记录（15）以及布置在指针仪表上的传感器设施（8），其中，该评估包括自动化确定由指针仪表（1）显示的测量变量以及自动化确定传感器设施（8）的至少一个标记（M）的相对于测量刻度（6）的至少一个元件的方位，S2）提供或确定或接收由传感器设施（8）针对与标记（M）相关的指针位置输出的传感器测量值，以及S3）基于根据步骤S1的自动化图像评估将指针仪表（1）的测量变量的对应测量值分配给与标记（M）相关的传感器测量值。本发明还涉及计算机程序和计算机可读介质。

本发明涉及用于部分地在云中分布式执行自动化控制的设备和装置。经典自动化解决方案通常在可编程逻辑控制器上运行设备，该设备用于控制或调节机器或设施。通过该设备和方法，一方面实现在云中运行的模拟，因为在此能够（根据需要）任意提供计算能力，这在设施（“车间”）中根据所采用的设备（“边缘”）的类型通常并不是这种情况。在此，对模拟分别提前多个步骤进行预先计算确保：即使在通信短暂中断的情况下，在此期间可能模拟结果无法及时（“实时”）到达设施，仍然提供控制程序，使得设施能够无干扰地继续工作。

公开了一种用于自动化生成人机接口（HMI）屏幕模板的计算机实现的方法和系统（102）。该方法涉及从使用知识图对相互依赖性进行建模的工业自动化系统中提取设计参数、设备状态和关键性能指示器（KPI），并通过发送给领域训练的大型语言模型的提示来解决歧义。优化的HMI屏幕模板是基于上下文信息生成的，适应于提高操作员响应性和可用性。该系统通过响应于工厂变化或操作员反馈更新屏幕模板来实现实时适应性。验证和模拟模块通过模拟操作员交互来确保功能。持续学习更新机器学习模型，以基于反馈和演进的要求来细化设计。部署的模板通过提高可用性和符合操作目标来增强工厂操作。

生成训练数据集的方法、训练人工神经网络的方法、设备。提出了一种用于生成训练数据集以用来训练人工神经网络的方法，其包括如下步骤：‑ 提供第一图像；‑ 提供第一参数，其中，第一参数与第一图像相关联；‑ 提供至少一幅第二图像，作为第一图像中的片段，其中，该片段通过第一图像的逐元素分割来被确定；‑ 生成该训练数据集，其中，该训练数据集至少包含第二图像和相关的第一参数。本发明还涉及一种用于训练人工神经网络的方法、一种设备和一种计算机程序产品。

本发明提供一种用于针对工程系统自动地生成插件程序的方法和系统。该方法包括通过处理单元（202）从用户接收第一用户动作。第一用户动作与工程系统中的多个工程对象中的至少一个工程对象相关联。该方法还包括通过处理单元（202）通过关于第一用户动作和与工程系统相关联的知识图实现用户动作检测过程来预测至少第二用户动作。该方法还包括通过处理单元（202）通过关于所接收到的第一用户动作和预测的至少一个第二用户动作实现序列标识过程来生成用户动作的序列。该方法还包括通过处理单元（202）通过关于生成的用户动作的序列实现插件生成过程来生成插件程序。该方法还包括通过处理单元（202）在工程系统中部署生成的至少一个插件程序。

根据本发明的与电压无关的紧凑型故障电流/线路保护开关具有：绝缘材料壳体；故障电流触发装置，其具有以能够移动的方式支承的推杆；以及故障电流指示装置。故障电流指示装置具有：固定在绝缘材料壳体中的支承元件；以能够旋转移动的方式支承在支承元件上的指示元件和指示触发器；支撑在支承元件上的指示弹簧；以及耦合元件。指示元件能够在第一位置和第二位置之间移动，并且具有指示面。指示触发器能够在啮合位置与指示元件啮合，使得仅在出现故障电流时释放指示元件。指示触发器通过耦合元件与故障电流触发装置机械耦合，使得在推杆运动到其故障电流触发位置时，从其啮合位置被解除，由此通过指示弹簧使指示元件从其第二位置运动到其第一位置。

提供了用于高效地生成和验证3D模型的3D感知散列的方法和系统。实施例包括提供对象的3D模型，该3D模型包括多个网格顶点；找到基本上围起多个网格顶点并且具有与对象的质心相对应的中心的最小界限球体；基于最小界限球体，计算与最小界限球体同心并且被均匀地分布在最小界限球体内部的一个或多个子球体。此外，对于每个球体：将一个或多个法向量从球体的中心投影到与球体相交的一个或多个对象面；基于一个或多个法向量，计算从球体的中心到一个或多个对象面的一个或多个第一距离；将一个或多个法向量延伸直到球体的半径，以将一个或多个法向量投影为球体上的一个或多个穹顶点；计算一个或多个穹顶点之间的一个或多个第二距离；并且然后将与所有球体相对应的一个或多个第一和第二距离映射到散列空间，以生成3D模型的3D感知散列值。