KR101803971B1 - Method for Chemical Process Control Using Statistical Analysis of Coefficient of Variation - Google Patents
Method for Chemical Process Control Using Statistical Analysis of Coefficient of Variation Download PDFInfo
- Publication number
- KR101803971B1 KR101803971B1 KR1020110028566A KR20110028566A KR101803971B1 KR 101803971 B1 KR101803971 B1 KR 101803971B1 KR 1020110028566 A KR1020110028566 A KR 1020110028566A KR 20110028566 A KR20110028566 A KR 20110028566A KR 101803971 B1 KR101803971 B1 KR 101803971B1
- Authority
- KR
- South Korea
- Prior art keywords
- variation
- coefficient
- abnormal
- chemical process
- cause
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001311 chemical methods and process Methods 0.000 title claims abstract description 32
- 238000007619 statistical method Methods 0.000 title abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims description 45
- 239000003949 liquefied natural gas Substances 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000009834 vaporization Methods 0.000 claims description 3
- 230000008016 vaporization Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000002547 anomalous effect Effects 0.000 description 5
- 238000003070 Statistical process control Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J2219/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
- B01J2219/00049—Controlling or regulating processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명은 변동 계수의 통계적 분석에 의한 화학 공정의 이상 원인 분석 방법에 관한 것이다. 보다 상세하게는, 본 발명은 화학 공정의 조업상태를 모니터링하여 정상 조업상태에서의 변동 계수들과 이상 조업상태에서의 변동 계수들을 통계적으로 비교 분석하여 화학 공정의 이상 원인을 분석하는 방법에 관한 것이다.
본 발명에 따른 변동 계수의 통계적 분석에 의한 화학 공정의 이상 원인 분석 방법에 의하면, 다수의 변동 계수를 갖는 화학 공정에 있어서 이상 상태 발생시 용이하게 이상 상태의 원인을 알아낼 수 있어 신속한 복구, 불필요한 재원의 낭비 방지 및 공장의 부하를 절약할 수 있다.The present invention relates to a method for analyzing an abnormal cause of a chemical process by statistical analysis of a coefficient of variation. More particularly, the present invention relates to a method for analyzing an abnormal cause of a chemical process by statistically comparing and analyzing the coefficient of variation in the normal operation state and the coefficient of variation in the abnormal operation state by monitoring the operation state of the chemical process .
According to the method of analyzing the cause of the chemical process by the statistical analysis of the coefficient of variation according to the present invention, it is possible to easily find the cause of the abnormal condition in the chemical process with a large number of coefficient of variation and to recover quickly, It is possible to prevent waste and save the load on the factory.
Description
본 발명은 변동 계수의 통계적 분석에 의한 화학 공정의 이상 원인 분석방법에 관한 것이다. 보다 상세하게는, 본 발명은 화학 공정의 조업상태를 모니터링하여 정상 조업상태에서의 변동 계수들과 이상 조업상태에서의 변동 계수들을 통계적으로 비교 분석하여 화학 공정의 이상 원인을 분석하는 방법에 관한 것이다. The present invention relates to a method for analyzing an abnormal cause of a chemical process by statistical analysis of a coefficient of variation. More particularly, the present invention relates to a method for analyzing an abnormal cause of a chemical process by statistically comparing and analyzing the coefficient of variation in the normal operation state and the coefficient of variation in the abnormal operation state by monitoring the operation state of the chemical process .
화학 공정에서 조업 상황을 모니터링하여 이상 상태 발생시, 가능한 빠른 시간 내에 이상의 종류와 원인을 찾아내는 것은 신속한 복구, 불필요한 재원의 낭비 방지 및 공장의 부하를 절약하는 데 매우 중요하다. 따라서, 화학 공정의 이상 상태 발생시 이상의 종류와 원인을 알려주는 이상 원인 분석 방법(모델)의 개발이 매우 시급하고도 중대한 문제로 대두되고 있다. It is very important to monitor the operation status in the chemical process and to find out the types and causes of the abnormalities as soon as possible in the event of an abnormal condition, in order to quickly recover, prevent unnecessary waste of resources and to save the load on the factory. Therefore, the development of an abnormal cause analysis method (model) that informs the type and cause of abnormality in the occurrence of an abnormal state of a chemical process is becoming a very urgent and serious problem.
종래로부터 공정 상태를 모니터링하는 방법에는, 일반적 통계 기법을 사용하여 각 변수들의 상태를 도표화하는 통계 공정 제어 방법이 있으나, 변수의 개수가 증가하면 지나치게 복잡해져 공정 상태의 모니터링에 한계가 있게 된다.Conventionally, there is a statistical process control method of charting the state of each variable by using general statistical techniques. However, when the number of variables is increased, the complexity becomes too complicated to monitor the process state.
따라서, 상기와 같은 한계를 극복하기 위하여 공정 제어를 위해 다변량 통계적 기법을 사용하여 많은 변수들의 변화를 동시에 압축하여 표현하는 다변량 통계 공정 제어 방법이 일반적으로 많이 사용되고 있으나, 상기 다변량 통계 공정 제어 방법에서는 많은 변수들의 변화를 동시에 압축하여 표현하므로, 이상 상태 발생시 이상 상태의 탐지는 용이하지만 이상 상태의 원인을 알아내기가 어려워 신속한 복구 및 대처가 곤란하다는 단점이 있다.Therefore, in order to overcome the above limitations, a multivariate statistical process control method for simultaneously compressing and expressing the changes of many variables using a multivariate statistical technique for process control is generally used, but in the multivariate statistical process control method, It is possible to detect the abnormal state at the time of occurrence of the abnormal state, but it is difficult to find out the cause of the abnormal state, which makes it difficult to quickly recover and cope.
따라서 본 발명은 상기와 같은 문제점을 해결하기 위한 것으로 변동 계수의 통계적 분석에 의한 매트릭스 패턴을 데이터 베이스에 저장하여, 화학 공정의 이상 상태 발생시 데이터 베이스와의 패턴 비교 분석을 통해 이상 상태의 원인을 분석할 수 있는 화학 공정의 이상 원인 분석 방법을 제공하는데 그 목적이 있다.Therefore, in order to solve the above problems, the present invention stores a matrix pattern by statistical analysis of the coefficient of variation in a database, analyzes the cause of the abnormal state The purpose of this study is to provide a method for analyzing the causes of abnormal chemical processes.
상기한 목적을 달성하기 위하여, 본 발명은 (1) 화학 공정에서 정상 상태에서의 변동 계수들의 값을 각각 복수개 수집하는 단계, (2) 상기 변동 계수들의 복수개 값의 평균(μ) 및 표준 편차(σ)를 구하는 단계, (3) 원인을 알고 있는 이상 상태의 발생 전후 일정 시간 범위에서의 변동 계수들의 값을 수집하는 단계, (4) 상기 변동 계수들의 값을 정규화하는 단계, (5) 상기 변동 계수들의 정규화된 값(N)들을 상기 일정 시간 범위에 대하여 그래프로 표시하고, 상기 그래프에서 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴을 형성하는 단계, (6) 이상 상태의 원인을 달리해가며 상기 (3)단계 내지 (5)단계를 반복 수행하여, 각 이상 상태의 원인들에 대한 각각의 매트릭스 패턴들을 데이터 베이스에 저장하는 단계, (7) 화학 공정에서 원인을 모르는 이상 상태 발생시, 상기 원인을 모르는 이상 상태의 발생 전후 일정 시간 범위에서의 변동 계수들의 값을 수집하는 단계, (8) 상기 변동 계수들의 값을 정규화하는 단계, (9) 상기 변동 계수들의 정규화된 값들을 상기 일정 시간 범위에 대하여 그래프로 표시하고, 상기 그래프에서 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴을 형성하는 단계, 및 (10) 상기 (9)단계에서 형성된 매트릭스 패턴과 상기 데이터 베이스에 저장된 매트릭스 패턴들을 비교하여 상기 (7)단계의 이상 상태의 원인을 분석하는 단계를 포함하는 화학 공정의 이상 원인 분석 방법을 제공한다.In order to accomplish the above object, the present invention provides a method of measuring a plurality of values of a plurality of fluctuation coefficients, comprising the steps of: (1) collecting a plurality of values of variation coefficients in a steady state in a chemical process; (3) collecting the values of the fluctuation coefficients within a certain time range before and after the occurrence of the abnormal state which knows the cause, (4) normalizing the values of the fluctuation coefficients, (5) Forming a matrix pattern including the order in which the abnormal signal is generated and the type of the abnormal signal in the graph, (6) displaying the normalized values (N) of the coefficients in the abnormal state Storing the respective matrix patterns for the causes of each abnormal state in a database by repeating the steps (3) to (5) with different causes; (7) (8) normalizing the values of the variation coefficients, (9) normalizing the values of the variation coefficients, and (9) Values in a graph for the predetermined time range and forming a matrix pattern including the order of occurrence of an abnormal signal and the shape of an abnormal signal in the graph, and (10) forming a matrix pattern And analyzing the cause of the abnormal state in the step (7) by comparing the matrix patterns stored in the database with the matrix patterns stored in the database.
상기 정상 상태에서의 상기 변동 계수들의 값은 각각 적어도 5개 이상일 수 있다.The values of the coefficient of variation in the steady state may each be at least 5 or more.
상기 이상 상태 발생 전후 일정 시간 범위는 상기 이상 상태 발생 20분 전부터 상기 이상 상태 발생 20분 후까지의 범위일 수 있다.The predetermined time range before and after occurrence of the abnormal state may range from 20 minutes before the abnormal state occurs to 20 minutes after the abnormal state occurs.
상기 정규화는 하기 수학식 1을 이용하여 수행될 수 있다.The normalization may be performed using Equation (1).
<수학식 1>&Quot; (1) "
Nij = (Xij - μi)/ σi N ij = (X ij - μ i ) / σ i
Xi= 변동 계수X i = coefficient of variation
Ni = 변동 계수 Xi를 정규화한 값N i = value obtained by normalizing the coefficient of variation X i
μi = 정상 상태에서 변동 계수 Xi의 평균값μ i = mean value of the coefficient of variation X i in steady state
σi = 정상 상태에서 변동 계수 Xi의 표준 편차σ i = standard deviation of the coefficient of variation X i in steady state
i = 1, 2,…, n 이고, j는 변동 계수 Xi를 측정한 시점i = 1, 2, ... , n, j is the time at which the variation coefficient X i is measured
상기 이상 신호의 형태는 상기 그래프의 x축을 기준으로 위로 볼록한 형태 또는 아래로 볼록한 형태일 수 있다. The shape of the abnormal signal may be convex upward or downward with respect to the x axis of the graph.
상기 화학 공정은 LNG(Liquid Natural Gas) 액화 공정, 발전형 연료전지 공정 및 LNG 기화 및 저장 공정 중 어느 하나일 수 있다.The chemical process may be any one of a LNG (Liquid Natural Gas) liquefaction process, a power generation type fuel cell process, and an LNG vaporization and storage process.
본 발명에 따른 변동 계수의 통계적 분석에 의한 화학 공정의 이상 원인 분석 방법은 정상 상태에서의 변동 계수들 각각의 평균 및 표준 편차를 구하고, 이상 상태 발생시 변동 계수들의 값을 정규화하여 그래프로 표시하고, 상기 그래프를 토대로 이상 신호의 순서 및 이상 신호의 형태를 포함하는 매트릭스 패턴들을 형성하여 이를 데이터 베이스에 저장한 후, 실제 화학 공정 운전 중에 이상 상태 발생시 상기와 같은 과정을 거쳐 매트릭스 패턴을 형성하고, 상기 매트릭스 패턴을 데이터 베이스에 저장된 매트릭스 패턴들과 비교하여 상기 이상 상태의 원인을 알아낼 수 있다.A method for analyzing an abnormal cause of a chemical process by statistical analysis of a coefficient of variation according to the present invention is characterized by obtaining an average and a standard deviation of each of the coefficient of variation in a steady state, A matrix pattern including a sequence of anomalous signals and a type of anomalous signal is formed on the basis of the graph and stored in a database and then a matrix pattern is formed through the above- The cause of the abnormal state can be determined by comparing the matrix pattern with the matrix patterns stored in the database.
도 1은 본 발명의 화학 공정의 이상 원인 분석 방법에서 매트릭스 패턴들의 데이터 베이스 구축화에 대한 구체적인 작업 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 그래프와 매트릭스 패턴이다.
도 3은 본 발명의 화학 공정의 이상 원인 분석 방법에 대한 구체적인 작업 흐름도이다.
도 4는 본 발명의 다른 실시예에 따른 그래프 및 매트릭스 패턴이다.
도 5는 본 발명의 또 다른 실시예에 따른 그래프 및 매트릭스 패턴이다.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a specific workflow diagram for constructing a database of matrix patterns in a method for analyzing an abnormal cause of a chemical process of the present invention. FIG.
2 is a graph and a matrix pattern according to an embodiment of the present invention.
Fig. 3 is a specific work flow chart of a method for analyzing an abnormal cause of the chemical process of the present invention.
4 is a graph and a matrix pattern according to another embodiment of the present invention.
5 is a graph and a matrix pattern according to another embodiment of the present invention.
이하 본 발명을 도면을 참조하여 구체적으로 설명한다.Hereinafter, the present invention will be described in detail with reference to the drawings.
도 1은 본 발명의 화학 공정의 이상 원인 분석 방법에서 매트릭스 패턴들의 데이터 베이스 구축화에 대한 구체적인 작업 흐름도이다. BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a specific workflow diagram for constructing a database of matrix patterns in a method for analyzing an abnormal cause of a chemical process of the present invention. FIG.
여기서 "매트릭스 패턴"이라는 용어는 특정 이상 상태에서 각각의 변동 계수들이 정규화된 값을 일정 시간 범위에 대하여 그래프로 표시하였을 때, 상기 그래프 상의 표시에서 각각의 변동 계수들이 정규화된 값에 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 표를 의미한다. Here, the term "matrix pattern" means that when anormalized value of each coefficient of variation in a specific abnormal state is plotted for a certain time range, an abnormal signal is generated in the normalized value of each coefficient of variation And the type of the abnormal signal.
도 1을 참조하면, 화학 공정을 모니터링하여 정상 상태에서의 각각의 변동 계수들의 값을 수집하는 제1단계를 수행한다. Referring to FIG. 1, a chemical process is monitored to perform a first step of collecting the values of the respective coefficient of variation in steady state.
상기 화학 공정은 화학 반응을 수반하는 공정을 의미할 수 있으며, 상기화학 공정의 구체적인 예로는 LNG(Liquid Natural Gas) 액화 공정, LNG 기화 및 저장 공정, 발전형 연료전지 공정 등을 들 수 있다.The chemical process may mean a process involving a chemical reaction, and specific examples of the chemical process include LNG (Liquid Natural Gas) liquefaction process, LNG vaporization and storage process, and power generation type fuel cell process.
상기 변동 계수는 적어도 한 개 이상이 존재할 수 있으며, 화학 공정이 복잡해질수록 상기 변동 계수의 개수는 증가할 수 있다. 구체적으로, 상기 변동 계수의 예로는 온도 상태를 나타내는 변동 계수, 압력 상태를 나타내는 변동 계수, 유속 상태를 나타내는 변동 계수 등을 들 수 있다. At least one or more variation coefficients may be present, and as the chemical process becomes complicated, the number of variation coefficients may increase. Specifically, examples of the variation coefficient include a variation coefficient indicating a temperature state, a variation coefficient indicating a pressure state, and a variation coefficient indicating a flow velocity state.
정상 상태에서의 상기 변동 계수들의 값을 수집하는 것을 복수회 실시하여, 상기 각각의 변동 계수들의 값을 복수개 수집할 수 있다. 상기 변동 계수들의 값을 수집하는 횟수가 적을수록 데이터의 신뢰도가 떨어진다. 따라서, 상기 변동 계수들의 값을 수집하는 것은 바람직하게는 5회 이상 실시할 수 있다. Collecting the values of the variation coefficients in a steady state a plurality of times, and collecting a plurality of values of the respective variation coefficients. The smaller the number of times the values of the variation coefficients are collected, the lower the reliability of the data. Therefore, collecting the value of the coefficient of variation may preferably be performed five or more times.
상기 각각의 변동 계수들의 복수의 값의 평균 및 표준 편차를 구하여, 정상 상태에서의 상기 변동 계수들의 각각의 평균(μi) 및 표준 편차(σi)를 설정하는 제2단계를 수행한다.And a second step of determining an average and a standard deviation of a plurality of values of the respective coefficients of variation, and setting an average (μ i ) and a standard deviation (σ i ) of each of the coefficient of variation in a steady state.
원인을 알고 있는 특정한 이상 상태 발생 전후의 일정한 시간 범위에서의 각각의 변동 계수들의 값(Xij, j는 변동 계수 Xi 가 측정된 시점을 의미)을 수집하는 제3단계를 수행한다. A third step of collecting the values of the respective coefficient of variation (X ij , j means the point at which the coefficient of variation X i is measured) within a certain time range before and after occurrence of a specific abnormal condition that knows the cause is performed.
상기 시간 범위는 상기 이상 상태 발생시 상기 각각의 변동 계수들의 변화 형태를 확인하기에 충분한 정도의 범위이며, 상기 이상 상태 발생 전 일정 시점으로부터 상기 이상 상태 발생 후 일정 시점까지의 범위를 의미한다. 상기 시간 범위는 상기 이상 상태의 원인이나 상기 화학 공정의 종류에 따라 달라질 수 있는데, 특별히 한정하는 것은 아니지만 상기 이상 상태 발생 전 20분전부터 상기 이상 상태 발생 후 20분 후까지의 시간 범위를 갖는 것이 바람직하다.The time range is a range enough to check the change form of each of the variation coefficients at the time of occurrence of the abnormal condition, and means a range from a certain time point before the abnormal condition occurrence to a certain point after the abnormal condition occurrence. The time range may vary depending on the cause of the abnormal state or the kind of the chemical process, but is not particularly limited, but it is preferable that the time range is 20 minutes before the abnormal state occurs to 20 minutes after the abnormal state occurs Do.
상기 시간 범위 내에서 각각의 변동 계수들의 값을 수집하는 시점의 단위는 상기 이상 상태의 원인이나 상기 화학 공정의 종류에 따라 달라질 수 있으며, 특별히 한정하는 것은 아니지만 매초 단위로 또는 매분 단위로 측정된 각각의 변동 계수들의 값을 수집할 수 있다.The unit at the time of collecting the values of the respective coefficient of variation within the time range may be varied depending on the cause of the abnormal condition or the type of the chemical process, and is not particularly limited, but may be measured in units of every second or every minute Can be collected.
상기 시간 범위내에서 수집된 각각의 변동 계수들의 값을 정규화(normalization)하는 제4단계를 수행한다. 상기 정규화는 Nij = (Xij - μi)/ σi 식에 의해 계산되며, 상기 Nij는 각각의 변동 계수들의 정규화된 값을 의미한다. And a fourth step of normalizing the values of the respective variation coefficients collected within the time range. The normalization is calculated by the equation N ij = (X ij - μ i ) / σ i , where N ij is the normalized value of each coefficient of variation.
상기 정규화는 이상 상태 발생시 각각의 변동 계수들의 값이 정상 상태에서의 각각의 변동 계수들의 값으로부터 변화하는 형태를 증폭시켜서, 변화가 일어나는 시점의 변화 형태를 용이하게 파악할 수 있도록 하기 위한 것이다.The normalization is to amplify a form in which the value of each coefficient of variation is changed from the value of each coefficient of variation in the steady state at the time of occurrence of an anomalous state, so that the form of change at the time of the change can be easily grasped.
상기 각각의 변동 계수들의 정규화된 값들(Nij)을 상기 일정 시간 범위에 대하여 그래프로 표시하고, 상기 그래프를 분석하여 상기 각각의 변동 계수들이 정규화된 값에 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴을 형성하는 제5단계를 수행한다. Wherein the normalized values (N ij ) of the respective coefficients of variation are graphically displayed for the predetermined time range, and the graph is analyzed to determine the order in which the abnormal signals are generated in the normalized values of the respective coefficients of variation, And a fifth step of forming a matrix pattern including a pattern.
본 발명의 일 실시예에 따른 상기 그래프와 상기 그래프를 토대로 각각의 변동 계수들이 정규화된 값에 이상 신호가 발생하는 순서와 형태를 도 2에 나타내었다. FIG. 2 shows the order and form in which the abnormal signals are generated in the normalized values of the respective coefficients of variation based on the graph and the graph according to an embodiment of the present invention.
도 2(a)를 참조하면, 상기 각각의 변동 계수들의 정규화된 값들이 x축을 시간축으로 하여 각기 다른 색으로 표시되어 있다. 상기 각각의 변동 계수들의 정규화된 값들의 그래프는 시간의 진행에 따라 좌측부터 시작하여 우측으로 그려지며, 각각의 그래프들은 특정 시점에 상기 x축을 기준으로 위 혹은 아래로 볼록한 형태를 갖고 있음을 알 수 있다. Referring to FIG. 2 (a), the normalized values of the respective coefficient of variation are displayed in different colors with the x-axis as a time axis. The graphs of the normalized values of the respective coefficients of variation are plotted from the left to the right as time progresses, and each graph has a convex shape up or down with respect to the x axis at a specific point in time have.
도 2(b)를 참조하면, 상기 각각의 변동 계수들의 정규화된 값들의 그래프들이 시간에 따라 볼록하게 나오는 순서 및 어느 방향으로 볼록한지 여부를 표로 정리하여 형성된 매트릭스 패턴을 확인할 수 있다.Referring to FIG. 2 (b), it is possible to confirm a matrix pattern formed by summarizing the order in which the graphs of the normalized values of the respective coefficients of variation are convex in time and convex in which direction.
첫 번째로 이상 신호가 발생한 변동 계수들의 정규화된 값은 N4, N5, N10 및 N12 이며, N4 및 N5는 이상 신호가 x축을 기준으로 위로 볼록하게 나왔고, N10 및 N12는 이상 신호가 x축을 기준으로 아래로 볼록하게 나왔음을 알 수 있다. 두 번째로 이상 신호가 발생한 변동 계수의 정규화된 값은 N7 이며 이상 신호가 x축을 기준으로 위로 볼록하게 나왔음을 알 수 있고, 세 번째로 이상 신호가 발생한 변동 계수의 정규화된 값은 N14 이며 이상 신호가 x축을 기준으로 아래로 볼록하게 나왔음을 알 수 있다. 상기 도 2(b)와 같이 특정 이상 상태에서 각각의 변동 계수들이 정규화된 값을 일정 시간 범위에 대하여 그래프로 표시하였을 때, 상기 그래프 상의 표시에서 각각의 변동 계수들이 정규화된 값에 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 표를 매트릭스 패턴이라 할 수 있다. N 4 , N 5 , N 10, and N 12 are normalized values of the coefficient of variation in which the first anomalous signal is generated, N 4 and N 5 are convex upward with respect to the x axis, and N 10 and N 12 It can be seen that the abnormal signal is convex downward with respect to the x-axis. Second, the normalized value of the coefficient of variation in which the abnormal signal is generated is N 7 , and it can be seen that the abnormal signal is convex upward with respect to the x axis. Third, the normalized value of the coefficient of variation in which the abnormal signal occurs is N 14 It can be seen that the abnormal signal is convex downward with respect to the x axis. As shown in FIG. 2 (b), when a normalized value of each coefficient of variation in a specific abnormal state is displayed in a graph for a predetermined time range, an abnormal signal is generated in the normalized value of each coefficient of variation And a table including the form of the abnormal signal can be referred to as a matrix pattern.
다시 도 1을 참조하면, 이상 상태의 원인을 달리해가면서 상기 제3단계 내지 제5단계의 과정을 반복하여, 각 이상 상태들에 대한 매트릭스 패턴들을 데이터 베이스에 저장하는 제6단계를 수행한다. 상기 제6단계는 이상 상태가 발생할 때마다 수행되므로, 상기 데이터 베이스에 저장된 각 이상 상태에 대한 매트릭스 패턴들의 개수는 화학 공정을 운전하면서 계속 증가할 수 있다. Referring to FIG. 1 again, the third through fifth steps are repeated while the cause of the abnormal state is changed, and the matrix patterns of the abnormal states are stored in the database. Since the sixth step is performed every time an abnormal state occurs, the number of matrix patterns for each abnormal state stored in the database can continuously increase while operating the chemical process.
도 3은 본 발명의 화학 공정의 이상 원인 분석 방법에 대한 구체적인 작업 흐름도이다.Fig. 3 is a specific work flow chart of a method for analyzing an abnormal cause of the chemical process of the present invention.
실제 화학 공정에서 원인을 모르는 이상 상태 발생 시, 상기 제3단계 내지 제5단계의 과정을 수행하여 상기 이상 상태에 대한 매트릭스 패턴을 형성하는 제7단계를 수행할 수 있다. 상기 매트릭스 패턴을 형성한 후, 상기 매트릭스 패턴을 상기 데이터 베이스에 저장된 각 이상 상태에 대한 매트릭스 패턴들과 비교하여 화학 공정의 이상 원인을 찾아내는 제8단계를 수행할 수 있다. And performing a seventh step of forming the matrix pattern of the abnormal state by performing the steps of the third to fifth steps when an abnormal state that does not know the cause in the actual chemical process occurs. After the matrix pattern is formed, the matrix pattern may be compared with the matrix patterns of the abnormal states stored in the database to detect an abnormal cause of the chemical process.
화학 공정의 이상 원인이 동일한 경우 매트릭스 패턴이 동일하게 형성되므로, 상기 데이터 베이스에 저장된 각 이상 상태에 대한 매트릭스 패턴들과 현재 발생한 이상 상태에 대한 매트릭스 패턴을 비교하여 동일한 매트릭스 패턴을 찾음으로써 현재 발생한 이상 상태의 원인을 알 수 있다. Since the matrix pattern is formed identically when the cause of the abnormality of the chemical process is the same, the matrix pattern of each abnormal state stored in the database is compared with the matrix pattern of the present abnormal state to find the same matrix pattern, You can see the cause of the condition.
도 4는 본 발명의 다른 실시예에 따른 그래프 및 매트릭스 패턴이다.4 is a graph and a matrix pattern according to another embodiment of the present invention.
도 4를 참조하면, (a1), (a2) 및 (a3)는 모두 동일한 원인의 이상 상태에 대한 각각의 변동 계수들의 정규화된 값들을 일정 시간 범위에 대하여 그래프로 표시한 것이고, (b1), (b2) 및 (b3)는 상기 그래프들을 각각 분석하여 상기 각각의 변동 계수들이 정규화된 값에 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴이다. Referring to FIG. 4, (a1), (a2) and (a3) are graphical representations of normalized values of respective coefficient of variation with respect to an abnormal state of the same cause over a certain time range, (b2) and (b3) are matrix patterns including the order in which the abnormal signals are generated in the normalized values of the respective coefficients of variation of the graphs, and the type of the abnormal signal.
상기 (b1), (b2) 및 (b3) 매트릭스 패턴들을 보면, 첫 번째 이상 신호와 두 번째 이상 신호까지의 매트릭스 패턴이 일치함을 알 수 있다. 즉, 동일한 이상 상태라면 (a1), (a2) 및 (a3)와 같이 그래프는 다르게 나타나더라도 매트릭스 패턴은 동일하게 나타남을 알 수 있다.In the matrix patterns (b1), (b2) and (b3), it can be seen that the matrix pattern from the first abnormal signal to the second abnormal signal coincides with each other. That is, it can be seen that the matrix patterns are the same even if the graphs are different as shown in (a1), (a2) and (a3) in the same abnormal state.
도 5는 본 발명의 또 다른 실시예에 따른 그래프 및 매트릭스 패턴이다.5 is a graph and a matrix pattern according to another embodiment of the present invention.
도 5를 참조하면, (a1) 및 (a2)는 각기 다른 원인의 이상 상태에 대한 각각의 변동 계수들의 정규화된 값들을 일정 시간 범위에 대하여 그래프로 표시한 것이고, (b1) 및 (b2)는 상기 그래프들을 각각 분석하여 상기 각각의 변동 계수들이 정규화된 값에 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴이다. Referring to FIG. 5, (a1) and (a2) are graphical representations of normalized values of the respective coefficient of variation with respect to abnormal conditions of different causes for a certain time range, and (b1) and (b2) And analyzing each of the graphs to determine a matrix pattern including the order in which the anomalous signals are generated in the normalized values of the respective coefficient of variation and the type of the abnormal signal.
상기 (b1) 및 (b2) 매트릭스 패턴들을 보면, 매트릭스 패턴들이 서로 상이함을 알 수 있다. 즉, 다른 원인의 이상 상태라면 매트릭스 패턴도 다르게 나타남을 알 수 있다.In the matrix patterns (b1) and (b2), it can be seen that the matrix patterns are different from each other. In other words, it can be seen that the matrix pattern is different if it is an abnormal state of another cause.
상기 설명한 내용을 통해 당업자라면 본 발명의 기술 사상을 일탈하지 아니하는 범위에서 다양한 변경 및 수정이 가능함을 알 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the invention.
Claims (7)
(2) 상기 변동 계수들의 복수개 값의 평균(μ) 및 표준 편차(σ)를 구하는 단계;
(3) 원인을 알고 있는 이상 상태의 발생 전후 일정 시간 범위에서의 변동 계수들의 값을 수집하는 단계;
(4) 상기 변동 계수들의 값을 정규화하는 단계;
(5) 상기 변동 계수들의 정규화된 값(N)들을 상기 일정 시간 범위에 대하여 그래프로 표시하고, 상기 그래프에서 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴을 형성하는 단계;
(6) 이상 상태의 원인을 달리해가며 상기 (3)단계 내지 (5)단계를 반복 수행하여, 각 이상 상태의 원인들에 대한 각각의 매트릭스 패턴들을 데이터 베이스에 저장하는 단계;
(7) 화학 공정에서 원인을 모르는 이상 상태 발생시, 상기 원인을 모르는 이상 상태의 발생 전후 일정 시간 범위에서의 변동 계수들의 값을 수집하는 단계;
(8) 상기 변동 계수들의 값을 정규화하는 단계;
(9) 상기 변동 계수들의 정규화된 값(N)들을 상기 일정 시간 범위에 대하여 그래프로 표시하고, 상기 그래프에서 이상 신호가 발생하는 순서와 이상 신호의 형태를 포함하는 매트릭스 패턴을 형성하는 단계; 및
(10) 상기 (9)단계에서 형성된 매트릭스 패턴과 상기 데이터 베이스에 저장된 매트릭스 패턴들을 비교하여 상기 (7)단계의 이상 상태의 원인을 분석하는 단계를 포함하며,
상기 (3)단계의 원인을 알고 있는 이상 상태의 발생 전후 일정 시간 범위는 상기 이상 상태 발생 20분 전부터 상기 이상 상태 발생 20분 후까지의 범위인 것을 특징으로 하는 화학 공정의 이상 원인 분석 방법. (1) collecting a plurality of values of variation coefficients in a steady state in a chemical process;
(2) obtaining an average () and a standard deviation () of a plurality of values of the variation coefficients;
(3) collecting the values of the variation coefficients in a certain time range before and after the occurrence of the abnormal state in which the cause is known;
(4) normalizing the value of the coefficient of variation;
(5) displaying normalized values (N) of the variation coefficients on the predetermined time range as a graph, and forming a matrix pattern including the order in which the abnormal signal is generated and the type of the abnormal signal in the graph;
(6) repeating the steps (3) to (5) with different causes of the abnormal state, and storing each matrix pattern for each of the abnormal state causes in the database;
(7) collecting the value of the coefficient of variation in a certain time range before and after occurrence of an abnormal condition that does not know the cause, when an abnormal condition unknown in the chemical process occurs;
(8) normalizing the value of the coefficient of variation;
(9) displaying normalized values (N) of the variation coefficients on the predetermined time range as a graph, and forming a matrix pattern including the order in which the abnormal signal is generated and the type of the abnormal signal in the graph; And
(10) analyzing the cause of the abnormal state in the step (7) by comparing the matrix pattern formed in the step (9) with the matrix patterns stored in the database,
Wherein the predetermined time range before and after the occurrence of the abnormal condition that is known in the step (3) is in a range from 20 minutes before the abnormal condition occurs to 20 minutes after the abnormal condition occurs.
<수학식 1>
Nij = (Xij - μi)/ σi
Xi = 변동 계수
Ni = 변동 계수 Xi를 정규화한 값
μi = 정상 상태에서 변동 계수 Xi의 평균값
σi = 정상 상태에서 변동 계수 Xi의 표준 편차
i = 1, 2,…, n 이고, j는 변동 계수 Xi를 측정한 시점.The method according to claim 1, wherein the normalization is performed using the following equation (1).
&Quot; (1) "
N ij = (X ij - μ i ) / σ i
X i = coefficient of variation
N i = value obtained by normalizing the coefficient of variation X i
μ i = mean value of the coefficient of variation X i in steady state
σ i = standard deviation of the coefficient of variation X i in steady state
i = 1, 2, ... , n, and j is the point at which the coefficient of variation X i is measured.
The method according to claim 1, wherein the chemical process is one of a LNG (Liquid Natural Gas) liquefaction process, a power generation type fuel cell process, and an LNG vaporization and storage process.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110028566A KR101803971B1 (en) | 2011-03-30 | 2011-03-30 | Method for Chemical Process Control Using Statistical Analysis of Coefficient of Variation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110028566A KR101803971B1 (en) | 2011-03-30 | 2011-03-30 | Method for Chemical Process Control Using Statistical Analysis of Coefficient of Variation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120110605A KR20120110605A (en) | 2012-10-10 |
| KR101803971B1 true KR101803971B1 (en) | 2017-12-01 |
Family
ID=47281414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110028566A KR101803971B1 (en) | 2011-03-30 | 2011-03-30 | Method for Chemical Process Control Using Statistical Analysis of Coefficient of Variation |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101803971B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008512792A (en) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | Apparatus and method for abnormal event detection in continuous industrial process operation |
-
2011
- 2011-03-30 KR KR1020110028566A patent/KR101803971B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008512792A (en) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | Apparatus and method for abnormal event detection in continuous industrial process operation |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120110605A (en) | 2012-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109459993B (en) | Online adaptive fault monitoring and diagnosing method for process industrial process | |
| EP3454289B1 (en) | Plant abnormality detection method and system | |
| US10809704B2 (en) | Process performance issues and alarm notification using data analytics | |
| CN104573845B (en) | Information system equipment state overhauling aid decision-making method | |
| US9122273B2 (en) | Failure cause diagnosis system and method | |
| CN104932488B (en) | A kind of Model Predictive Control Performance Evaluation and diagnostic method | |
| US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
| JP6933899B2 (en) | Plant operation support equipment, plant operation support method, and plant operation support program | |
| CN101738991B (en) | Method for detecting out-of-specification quality of product and estimating actually measured value of product | |
| US8560279B2 (en) | Method of determining the influence of a variable in a phenomenon | |
| RU2747454C1 (en) | Method and means for monitoring the state of a device in the manufacturing industry and a carrier | |
| TWI662424B (en) | Selection method of leading auxiliary parameters and method for pre-diagnosis of equipment maintenance by combining key parameters and leading auxiliary parameters | |
| WO2021241580A1 (en) | Abnormality/irregularity cause identifying apparatus, abnormality/irregularity cause identifying method, and abnormality/irregularity cause identifying program | |
| CN117556366B (en) | Data abnormality detection system and method based on data screening | |
| JP2012018623A (en) | Abnormality data analysis system | |
| JP5824959B2 (en) | Abnormality diagnosis device | |
| Zhou et al. | Identification based fault detection: Residual selection and optimal filter | |
| JP6702297B2 (en) | Abnormal state diagnosis method and abnormal state diagnosis device | |
| Zhang et al. | Key Performance Indicators for energy efficient asset management in a factory automation testbed | |
| KR101803971B1 (en) | Method for Chemical Process Control Using Statistical Analysis of Coefficient of Variation | |
| CN105573269B (en) | The parameter monitoring system and method for semiconductor manufacturing board | |
| JP5811683B2 (en) | Abnormality diagnosis device | |
| Geramifard et al. | Continuous health assessment using a single hidden Markov model | |
| CN104731056B (en) | The method of the quick operation stability for judging chemical production device | |
| Guo et al. | Fault Diagnosis Combining Information Entropy with Transfer Entropy for Chemical Processes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |