CN102830666B

CN102830666B - 优化工厂操作的系统和方法

Info

Publication number: CN102830666B
Application number: CN201210282483.XA
Authority: CN
Inventors: J·D·霍尔特; R·L·尼科尔斯; F·W·布洛克; M·J·亚历山大
Original assignee: General Electric Co
Current assignee: General Electric Co PLC
Priority date: 2011-05-11
Filing date: 2012-05-11
Publication date: 2016-11-23
Anticipated expiration: 2032-05-11
Also published as: EP2523150A1; JP6159059B2; CN102830666A; US8972067B2; JP2012238308A; US20120290104A1

Abstract

本发明的主题为：“优化工厂操作的系统和方法”。本公开的实施方式包括系统和方法。在一个实施方式中，提供一种系统。所述系统包括配置成基于静态输入(28)和动态输入(30)来计算风险的风险计算系统(12)，以及配置成使用所述风险来得到决策的决策支持系统(14)。所述系统还包括配置成基于所述决策更新工厂(10)操作的工厂控制系统(58)，其中所述决策预测未来的工厂(10)状态。

Description

优化工厂操作的系统和方法

技术领域

本公开内容涉及工业工厂的操作，并且更具体地，涉及用于优化工业工厂操作的系统和方法。

背景技术

诸如发电厂的工业工厂，包括多个相关的装置和过程。例如，发电厂可包括轮机系统以及用于操作和维护所述轮机系统的过程。在工厂操作期间，所述装置和过程产生可详述遍及工厂的状况的动态数据。例如，轮机系统可产生在所述轮机系统中发现的表示操作状况的数据。同样地，诸如工厂的设计数据的静态数据是可用的。使用动态输入和静态数据将有益于改进装置利用和较低的资源停工期。

发明内容

与最初要求保护的发明的范围相匹配的某些实施例在下面被概述。这些实施例并不意图限制所要求保护的发明的范围，而是这些实施例意图仅提供本发明的可能形式的简要的概述。当然，本发明可包括类似于或不同于下面阐明的实施例的多种形式。

在本公开的第一实施例中，提供一种系统。该系统包括配置成基于静态输入和动态输入来计算风险的风险计算系统，以及配置成使用所述风险来得到决策的决策支持系统。该系统还包括配置成基于所述决策更新工厂操作的工厂控制系统，其中所述决策预测未来工厂状况。

在本公开的第二实施例中，提供一种方法。该方法包括基于事件规则和与工厂组件相关联的动态输入确定事件的发生。该方法还包括如果事件发生，则响应该事件的发生。所述响应包括：基于至少一个动态输入更新风险预测，基于至少一个静态输入更新风险阈值，确定所述风险预测是否超出所述风险阈值，以及如果所述风险预测超出所述风险阈值则确定第一动作。确定第一动作包括如果一个或多个缓和动作可用，则选择一个缓和动作作为所述第一动作，或如果没有缓和动作可用，则确定推荐的动作作为第一动作。该方法还包括如果所述风险预测没有超出风险阈值则确定第二动作。确定第二动作包括计算下一个计划动作作为第二动作。

附图说明

当下面的详细描述参考附图被阅读时，本发明的这些以及其它特征、方面和优点将变得易于理解，遍及附图，附图中相同的符号表示相同的部分，其中：

图1是示出工业工厂的实施例的框图；

图2是示出在图1的工厂中所使用的轮机系统的实施例的示意图；

图3是示出用于优化工厂操作的逻辑的实施例的流程图；

图4是示出应用于系统测试的、图3的逻辑的实施例的流程图；

图5是示出应用于校准仪器的、图3的逻辑的实施例的流程图；

图6是示出应用于监测即将到来的装置使用的、图3的逻辑的实施例的流程图；

图7是示出应用于优化利用不可靠仪器的操作的、图3的逻辑的实施例的流程图；

图8是示出应用于管理多个工厂的、图3的逻辑的实施例的流程图；

图9是示出应用于识别有利的系统升级的、图3的逻辑的实施例的流程图；

图10是示出应用于装置测试的、图3的逻辑的实施例的流程图；

图11是示出应用于更有效地操作装置的、图3的逻辑的实施例的流程图；

图12是示出应用于更有效地使用仪器的、图3的逻辑的实施例的流程图，

图13是示出应用于更有效地检查装置的、图3的逻辑的实施例的流程图；以及

图14是示出应用于影响工厂操作的动作的优先化的、图3的逻辑的实施例的流程图。

具体实施方式

本发明的一个或多个具体实施例将在下文中被描述。为提供这些实施例的简明描述，不会在说明书中描述实际实现的所有特征。应该意识到在任意这些实际实现的开发中，如同在任意工程或设计项目中那样，必须作出大量特定于实现的决策来达到开发者的特定目标，诸如与系统相关和商业相关约束的一致，其可随实现的不同而不同。而且，应该意识到这样的开发工作可能是复杂且耗费时间的，但对于受益于本公开内容的普通技术人员而言，仍然是设计、制造和加工的例行工作。

在介绍本发明各个实施例的要素时，冠词“一”、“一个”、“该”以及“所述”意于表示有一个或多个要素。术语“包含”、“包括”以及“具有”意于是开放式的，表示除列举的要素外可具有附加的要素。

本公开内容的实施例可应用于各种工业工厂，包括但不限于电厂、化工厂、制造厂、炼油厂等等。工业工厂可包括在提供各种操作和服务中有用的各种装置和过程。例如，电厂装置或机器可提供适合产生电力的操作。同样地，化学处理机器可提供在化学制品的制造和/或处理中有用的操作。类似的，制造机器可提供适于制造或改造物理项的操作。

工业工厂也可包括在工厂操作中有用的过程。例如，维护过程可能恰好适于优化工厂装置寿命和性能。商业过程也可用于例如基于市场状况计算工厂参数，诸如期望的电力生产的当前数量。此外，与州和联邦规定、规范和/或标准(例如行业标准)有关的过程可用于得到操作参数，诸如排放级别、测试间隔、报告要求等等。工业装置和过程可产生通常被归类为动态数据和静态数据的数据。动态数据可包括在工厂操作期间产生的数据，例如，通过诸如传感器仪器的工厂仪器的使用产生的数据。静态数据可包括通常在工厂建设期间所确定的数据，并且该数据很少被修改。例如，静态数据可包括工厂设计数据以及当前工厂配置数据，如将参考图1更详细描述的那样。

通过使用本文在此描述的系统和方法，动态数据和静态数据可被结合以便得到在优化工厂操作中有用的信息。在一个实施例中，风险计算引擎可与决策支持系统(DSS)结合。风险计算引擎可计算风险，且所述DSS可使用该风险以得到在优化工厂操作中有用的一个或多个决策。例如，可由风险计算引擎基于动态和静态数据来计算装置故障风险。得到的风险随后被输入到DSS，且DSS随后得到操作决策，诸如风险缓和决策和推荐的动作，由此可导致更有效的工厂操作。还提供一种能够继续监测动态和静态输入的方法，使得与工厂装置和操作相关的风险预测和/或风险阈值被更新。风险预测和/或阈值可随后被用于得到适合改进装置的使用并增加工厂可靠性和效率的动作，如将参考图3更详细地描述的那样。当然，该方法可被应用于工厂装置和工厂操作的许多方面，如将参考图4-14更详细地描述的那样。

现在转至附图，图1是工厂10的实施例的框图，包括风险计算引擎12和DSS 14。在描绘的实施例中，风险计算引擎12和DSS 14都由控制计算机16做主机。风险计算引擎12、DSS 14以及控制计算机16可包括储存代码或计算机指令的非暂时性机器可读介质，所述代码或计算机指令可由计算设备使用以实现本文公开的技术。可以注意到，在其它实施例中，风险计算引擎12和DSS 14可以以独立的控制计算机16或分布式计算机(例如，“云”计算)系统为主机。工厂10包括一个或多个现场设备18、工厂人员20和/或工厂过程22。现场设备18可包括多个工厂装置24和工厂仪器26。例如，工厂装置24可包括轮机系统(例如，汽轮机、燃气轮机、水电轮机、风轮机)，发电机，扩展器，泵，压缩器，阀门，电子系统，化学反应器，燃气发生器，气体处理系统(例如，酸性气体去除系统)，空气分离单元(ASU)，锅炉，熔炉，水处理系统，热回收蒸汽发生器(HRSG)系统，槽(vat)，传送带系统，管道，铣床，锻压装置，铸造装置等等的在工业工厂10的操作中有用的装置。工厂仪器26可包括，例如，压力传感器，温度传感器，流量传感器，状态和位置指示器(例如，限位开关，霍尔效应开关，声学接近开关，线性可变差动变压器(LVDT)，位置换能器)，等等。

现场设备18、人员20和/或程序22可产生通常被分类为静态输入28或动态输入30的数据。静态输入28可包括在工厂10的建设期间建立的数据，且很少被修改，而动态输入30可包括在工厂操作期间产生的数据。例如，静态输入28可包括设计数据32，制造数据34，工厂配置数据36，故障模式分析和风险审查数据38，联邦和州规定、规范和标准数据40以及用于未知因素数据42的余量。该设计数据32可包括与工厂10的设计有关的数据，诸如详述工厂过程(例如，机械过程、化学过程、电力生产过程、制造过程、维护过程)的过程流程图，详述工厂能力的数据(例如，以兆瓦特输出的电力生产、化工生产能力、精炼能力、制造能力)，详述装置和仪器能力的数据，等等。

制造数据34可包括与工厂10的制作相关的数据，诸如来自工厂设计的任意偏差，用于工厂和装置的材料清单(BOM)等。工厂配置数据36可包括与工厂10当前如何被建立或布置以用于操作相关的数据，并包括以下数据，诸如在操作中使用的现场设备18、备用装置24和备用仪器26、人员20的列表、人员20资格、使用的过程22(例如，ISO-9000过程、维护过程、操作过程、安全过程)等等。故障模式分析和风险审查数据38可包括在得到与工厂操作相关的某些风险中有用的数据。例如，故障模式分析和风险审查数据38可包括基于物理的模型，诸如低循环疲劳(LCF)寿命预测模型、计算流体动力学(CFD)模型、有限元分析(FEA)模型、实体模型(例如，参数或非参数化建模)，和/或3维至2维FEA映射模型，其可用于预测装置故障风险或装置维护需求。

故障模式分析和风险审查数据38也可包括统计模型，诸如回归分析模型、数据挖掘模型(例如，聚类模型、分类模型、关联模型)等等。例如，聚类技术可发现以某种方式“类似”的数据中的组或结构。分类技术可将数据点分类为某些组的成员，例如，现场设备18具有遭受意外维护事件的更高概率。回归分析可被用于发现在一定误差范围内能够模拟未来趋势的函数。关联技术被用于发现变量之间的关系。例如，使用关联规则学习技术可导致将某些冷启动程序与轮机系统中的叶片磨损加剧相关联。

规定、规范和标准数据40可包括在维护与联邦和州法律的一致性以及维护工业标准中有用的数据。例如，联邦和州规定、规范，以及关于工厂排放、工厂安全、使用的燃料类型、最大可实现控制技术(MACT)、工厂操作和/或人员的允许要求可被作为数据40包括。用于未知因素数据42的余量可包括，例如，与安全余量的添加或容纳未知因素相关的数据。即，数据42可包括适合增强安全操作的附加的安全余量数据，适合降低某种风险(例如，装置故障风险)发生的风险余量数据，和/或通常适合容纳对工厂10操作有不利影响的未知因素的发生的数据。

动态数据30可包括工厂仪器数据44、工厂装置数据46、工厂外部相互依存的系统数据48、商业环境数据50、外部系统数据52和/或替换未知因素的实际数据54。该工厂仪器数据44可包括基于仪器26的测量和偏差。例如，数据44可包括温度测量、压力测量、流量测量、间隙测量(例如，测量旋转组件和静止组件之间的距离)、振动测量、位置测量、化学测量、电力生产测量、废气排放测量、应力或张力测量、泄漏测量、速度测量等等。工厂装置数据46可包括相关于单独装置24的数据。例如，数据46可包括装置24的操作状况(例如，速度、温度、压力、振动、流量、燃料消耗、电力生产、间隙)，维护历史(例如，维护日志)，性能历史(例如，电力生产日志)，等等。

工厂外部相互依存的系统数据48可包括关于外部系统的数据，诸如其它工厂10(例如，电厂、化工厂、精炼厂、制造厂)，其可能与所描绘的工业工厂10相互关联或相互依存。这样的数据48可包括电网信息，燃料供应信息(例如，气供应、给料供应、油供应)，水供应信息，原材料供应信息，等等。商业环境数据50可包括与可影响工厂10的经济和商业状况关联的数据。例如，数据50可包括用于电力、制品、燃料、原材料(例如，金属、化学制品)和/或加工材料(例如，加工的化学品、精炼油)的需求和供应的市场数据。进一步，数据50可包括关于未来市场的数据，例如，未来电力输出、未来商品、未来原材料等的销售。此外，数据50可包括监管市场中的供应和需求数据，诸如碳排放与交易(cap and trade)市场(即，排放市场)。进一步，数据50可包括商业数据，该商业数据与用于排放控制的税收抵免、用于某些技术(例如，碳捕获技术、碳封存技术)的使用的税收抵免、与某些化学品(例如，硫排放、CO₂排放)的排放相关联的监管成本等等有关。外部系统数据52可包括来自诸如天气预测系统，维护系统(例如，电子维护日志)等外部系统的数据。

动态输入30可以多种采样速率被采样，诸如大约每250毫秒、1秒、10秒、1小时、1周、1月。动态输入30随后通过使用例如工厂数据高速通道56传输至控制计算机16。工厂数据高速通道56可包括适于传送动态输入30至控制计算机16的网络装置，诸如无线路由器、调制解调器、以太网卡、网关等等。工厂数据高速通道56也可用于通信地连接控制计算机16至工厂控制系统58。工厂控制系统58可包括分布式控制系统(DCS)、制造执行系统(MES)、管理人控制和数据采集(SCADA)系统和/或人机接口(HMI)系统。因此，工厂控制系统58可提供输入至控制计算机16，该输入诸如当前控制设置和告警。因此，控制计算机16可传送指令至适于实现工厂10控制动作的工厂控制系统58，如将参考图3-14在下文更详细描述的那样。

显示与接口系统60可使得操作者能够与工厂控制系统58、控制计算机16和其它工厂10组件互相作用。例如，显示与接口系统60可包括适于键入信息和显示各种数据(包括动态输入30和静态输入32)的屏幕。在某些实施例中，显示与接口系统60可使得能够远程访问工厂10的不同组件，诸如通过互联网或网页访问。当然，显示与接口系统60可使得能够本地或远程访问工厂10的多个组件，其包括现场设备18、控制计算机16以及工厂控制系统58。

显示与接口系统60可提供可视化，该可视化显示用于监测的过程的计划动作、维护时间表、过程图或流程图以及由控制计算机16得到的动作。此外，显示与接口系统60可提供与得到的动作(诸如推荐的维护时间表的改变、风险缓和动作、自动和手动动作)关联的数据，与输入28和30关联的数据，以及与风险计算引擎12和DSS 14关联的数据。

控制计算机16可进一步包括由风险计算引擎12和DSS 14使用的多个事件规则62和算法64，以得到包括现场设备18和人员20的工厂10的资源的更优化利用。例如，事件规则62可用于检测一个或多个工厂10事件，且所述事件随后被用于选择算法64的一个或多个。算法64可包括缓和动作算法66，该缓和动作算法66适于得到这样的动作，其在缓和例如装置24和/或仪器26的故障风险以及缓和不可靠的装置24和/或仪器26的影响中有用。

算法64还可包括适于推荐在应对各种工厂10状况中有用的动作的推荐动作算法68。也可使用风险计算算法70，其通过使用例如下文中更详细描述的事故场景审查分析使得能够计算各种风险。故障预测算法72可被用于预测装置24和/或仪器26的故障的风险或概率。例如，CF寿命预测模型、CFD模型、FEA模型、实体模型、和/或3维至2维FEA映射模型、回归分析模型以及数据挖掘模型可被用于预测故障的风险。模型更新算法74可利用最新数据和/或计算来更新前述的CF寿命预测模型、CFD模型、FEA模型、实体模型、和/或3维至2维FEA映射模型、回归分析模型以及数据挖掘模型。动作计划算法76可得到用于执行适于改进工厂10资源使用的动作(诸如维护或操作动作)的时间表，例如下面参考图2描述的轮机系统资源。

附图2示出轮机系统10的实施例，其可在诸如发电厂10的某些工厂10中提供电力。如描绘的那样，轮机系统80可包括燃烧器82。该燃烧器82可以接收燃料，该燃料在燃烧器82的室中与空气混合来燃烧。燃烧产生热增压废气。燃烧器82引导废气经由高压(HP)轮机84和低压(LP)轮机86朝向排气口88。HP轮机84是HP转子的一部分。类似地，LP轮机86是LP转子的一部分。由于废气经过HP轮机84和LP轮机86，气体迫使轮机叶片沿着轮机系统80的轴来旋转驱动轴90。如图示那样，驱动轴90被连接至轮机系统80的各种组件，包括HP压缩器92和LP压缩器94。

驱动轴90可包括一个或多个例如同心对齐的轴。驱动轴90可包括连接HP轮机84至HP压缩器92以形成HP转子的轴。HP压缩器92可包括耦合至驱动轴90的叶片。因此，HP轮机84中的轮机叶片的旋转使得连接HP轮机84到HP压缩器92的轴旋转HP压缩器92中的叶片。这样可压缩HP压缩器92中的空气。类似地，驱动轴90包括连接LP轮机86到LP压缩器94以形成LP转子的轴。LP压缩器94包括耦合至驱动轴90的叶片。因此，LP轮机86中的轮机叶片的旋转使得连接LP轮机86至LP压缩器94的轴旋转LP压缩器94中的叶片。HP压缩器92和LP压缩器94中的叶片的旋转压缩经由进气口96接收的空气。被压缩的空气供应给燃烧器82并与燃料混合以允许更高效燃烧。因此，轮机系统80可包括双同心轴系布置，其中LP轮机86通过驱动轴90中的第一轴驱动地连接至LP压缩器94，而HP轮机84类似地通过驱动轴90内部的且与第一轴同心的第二轴驱动地连接至HP压缩器92。轴90也可被连接至发电机98。发电机98可被连接至适于分配由所述发电机98产生的电力的配电网99。

如在此描述的那样，轮机系统80也可包括多个仪器26，其配置成监测相关于轮机系统80的操作和性能的多个引擎参数。仪器26可定位于例如，分别邻近HP轮机84、LP轮机86、HP压缩器92和/或LP压缩器94的入口和出口位置。仪器26可测量例如环境状况(诸如环境温度和环境压力)，也可测量与轮机系统80的操作和性能相关的多个引擎参数，诸如废气温度、转子速度、引擎温度、引擎压力、气体温度、引擎燃料流量、振动、旋转和静态组件之间的间隙、压缩器排气压力、废气排放量/污染物以及轮机排放压力。进一步，仪器26也可测量诸如阀门位置以及可变几何结构组件(例如，进气口)的几何结构位置的促动器信息。由仪器26获得的测量可经由工厂数据高速通道56传送，并由控制计算机16和工厂控制系统58接收。同样地，来自控制计算机16和工厂控制系统58的数据可被传送至仪器26。被传送的测量随后被处理成作为动态输入30的一部分以优化工厂操作，例如，通过使用参考图3在下文详细描述的逻辑100。

图3描绘了逻辑100的实施例，该逻辑100可由包括风险计算引擎12和DSS 14的控制计算机16(图1中所示)使用以优化工厂10操作。当然，在附图3-14中描述的逻辑100可由控制计算机16使用以改进工厂10操作的各个方面。例如，逻辑100可用于检测一个或多个动态事件102和静态事件104的发生，且随后使用与事件102和104关联的静态输入28和动态输入30来得到一系列动作，其包括可由工厂控制系统58(图1和2中示出)实现的动作，以更新工厂10的操作。逻辑100可作为例如由控制计算机16执行的、存储在非暂时性机器可读介质中的代码或计算机指令来实现。

在描绘的实施例中，通过应用一个或多个事件规则62持续监测动态输入30，以便确定事件102的发生。例如，动态输入30可按每1毫秒、10毫秒、250毫秒、1秒、10秒、1小时被监测，并通过应用事件规则62进行处理。在一个实施例中，事件规则62可采用“如果...则...”规则的通常形式，其中“如果”部分被定义为规则前件，且“则”部分被定义为规则后件。例如，一个规则，诸如，“if valve1_data＝no_data_transmitted then event_A＝valve_1_failure”，可用于确定阀门故障事件或传输故障事件可能已发生。在一个实施例中，通过使用事件规则62，可使用专家系统或推理引擎来评估动态输入30。当然，专家系统可通过应用事件规则62继续处理动态数据30，以使得自动得到一个或多个事件102的列表。在某些实施例中，事件规则62可包括使用模糊逻辑系统的模糊规则，该模糊逻辑系统适于处理诸如“very_hot”、“low_flow”、“good_clearance”等等的模糊值。模糊逻辑系统可随后基于模糊逻辑规则的使用得到事件102。

可被得到的事件102的非详尽列表包括装置操作事件(例如，装置开启、装置如期望那样操作)，相对于基准操作(例如，装置健康状态的确定)事件的装置操作，在满量程事件处的仪器操作，在特定量程事件处的仪器操作，在已知的参考校准事件处的仪器，仪器健康状况事件中的改变(例如，冗余的损耗、部分故障、完全故障)，装置跳闸(trip)或意外关闭(例如，轮机系统跳闸)，工厂100的跳闸或意外关闭，装置操作小时事件(例如，超过100小时、超过1000小时、超过10000小时)，仪器操作小时事件，压力事件(例如，低压、正常压力、高压)，温度事件(例如，低温、正常温度、高温)，暂时性操作事件，手动操作者事件(例如，启动装置、装置关闭、响应警报)，外部系统事件(例如，另一个工厂的意外关闭、天气变化、对于市场电力需求的上升或下降)，系统故障事件，装置维护事件(例如，装置替换、装置修理、所执行的维护类型、所执行的维护时长)，与外部相互依存系统中的变化相关的事件，与可接受风险级别中的变化相关的事件，与新故障模式或模型的识别相关的事件，由自动系统测试(例如，阀门泄露测试)产生的事件，与指示故障风险(例如，槽水平的波动)的过程状况相关的事件，基于监测系统(例如，轮机监测系统)输出的事件，与装置趋势(例如，向低温的趋势、向高压的趋势)变化相关的事件，等等。还可以理解，静态输入28也可导致静态事件104的得到，诸如关于静态输入的改变(例如，更新的设计、更新的装置过程、更新的工厂过程)。

事件102和/或104随后可被用于更新风险预测(块106)并更新风险阈值(块108)，被更新的风险预测和阈值可包括相关于事件102和/或104的风险。也就是说，如果事件102包括装置健康状态事件的确定，风险可包括关联于装置健康状态的风险，诸如装置故障的风险，装置经受意外维护的风险，装置需要备件的风险，等等。同样地，如果事件102包括天气事件，则风险可包括由于天气状况的工厂断电的风险，对电力的更高(或更低)需求的风险，由于天气的燃料输送减慢或中断的风险，等等。当然，每个事件102和104可包括一个或多个关联的风险。

在一实施例中，更新风险预测(块106)可包括处理关于事件102和104的静态输入28和动态输入30，以得到新的或更新的风险预测。例如，如果事件102的一个或多个关联于轮机系统的健康状态，则故障模式分析和风险审查数据38可包括使用基于物理的模型以及相关于轮机系统80(图2中示出)的统计模型以及基于物理的模型来更新操作轮机系统80的风险。在一个示例中，事故场景审查(ASR)过程被用于达到更新的风险预测。在ASR中，概率事件模型被建立并在风险分析中使用。软件工具，诸如可从ReliasoftCorporation ofTucson，Arizona获得的RENO^TM，可被用于创建ASR的多节点图或流程图建模。流程图或图的根表示事故场景，诸如LP轮机86中分离的叶片，以及流程图可得到被分离的叶片的风险，其可导致在轮机系统80的其它组件中的故障。流程图或图中的“叶节点”或低级别节点随后带有某些组件的故障的风险评分。

因此，可得到工厂10的组件的风险评分，例如通过使用静态输入28和动态输入30作为到统计的和/或基于物理的模型的输入，且ASR分析可被执行，以得出用于工厂10中的某些系统或组件的故障的风险预测。例如，LCF寿命预测模型、CFD模型、FEA模型、实体模型和/或3维至2维FEA映射模型、回归分析模型以及数据挖掘模型可被用于得到风险评分，该风险评分被用作到ASR过程的输入。诸如故障树分析(FTA)的其它风险建模技术，也可被用于更新或得到风险预测(块106)。FTA使用故障事件以及系统树图来计算在建模的系统或组件中的故障概率。当然，更新风险预测(块106)可包括更新用于工厂10的风险预测，也可更新用于工厂10的任意组件(诸如轮机系统80)的风险预测。

风险阈值的更新(块108)可包括基于与事件102和104关联的动态数据30和/或静态数据28来升高或降低风险阈值。例如，如果事件102包括诸如对电力的高市场需求事件，则操作发电厂的风险阈值在一定范围内上升，以使得在维持充分的安全和操作效率的同时增加工厂10收入。在另一示例中，如果事件102包括诸如轮机系统80跳闸事件的事件，则重启轮机系统80的风险阈值可被更新。通过响应于静态或动态输入28和30中的改变来更新风险阈值，逻辑100可允许更专注的风险阈值的使用，所述风险阈值适于结合现实世界情形状况(例如，天气、市场、操作装置的状况)的认知。当然，风险阈值可被动态地继续(例如，每1秒、10秒、1小时、24小时)重新计算以结合最近事件以及输入28和/或30中的变化。

如果逻辑100确定被更新的风险预测不超出被更新的风险阈值(决策110)，则逻辑100可计算下一个计划动作(块112)并向操作者显示任意当前和/或计划的动作(块114)。下一个计划的动作可包括维护动作(即，下一个计划的维护动作)、操作动作(即，下一个计划的操作)和/或过程动作(即，下一个计划的过程)。例如，维护时间表可包括多个动作，诸如检查工厂装置、定期替换某些组件、执行装置验证测试等等。同样地，操作时间表可包括基于时间的动作，该动作例如在启动工厂操作和/或装置中有用。例如，轮机启动可包括基于输送燃料、点燃燃料的操作动作的时间表，并控制燃料和空气的输送以达到确定的轮机速度。类似地，过程时间表可包括过程流程，其详述在执行过程中进行的步骤的时间表。因此，可以计算下一个计划的动作(块112)。因此当前和/或计划的动作的显示(块114)可包括呈现一列表，诸如与关联于动作的数据一起的基于时间的动作列表，例如动作持续时间、动作成本、估计完成时间、估计使用的资源等等。通过计算(块112)并显示下一个计划的动作(块114)，逻辑100可反复处理输入28和30并更新风险预测(块106)以及风险阈值(块108)。

如果逻辑100确定被更新的风险预测超出被更新的风险阈值(决策110)，则逻辑100可确定缓和动作是否可用(决策116)。例如，基于当前由逻辑100处理的风险类型的缓和动作列表可被缓和动作算法66(图1中示出)使用，以确定缓和动作是否可用(决策116)。例如，装置故障的风险可通过替换某些组件、修理组件、替换装置24、翻修装置24、替换仪器26、修理仪器26等等来缓和。相关于与监管不一致的风险可通过增加遵守规定的装置，和/或基于监管需求(例如，污染监测过程、碳捕获封存过程、排放权交易策略)建立某些过程来缓和。如果确定一个或多个缓和动作可用(决策116)，则可选择缓和动作或多个缓和动作(块118)。缓和动作(一个或多个)可基于一些因素被选择，该因素诸如成本(例如，新装置成本、装置修理成本、实现新过程的成本)，缓和成功的概率，对相互依存的系统的影响，对规定、规范以及标准的影响，对人员和装置的影响等等。

如果没有缓和动作可用(决策116)，可使用诸如推荐动作算法(块68)的算法来确定推荐动作(块120)。推荐动作通过分析当前情形状态以及输入28和30被确定(块120)，使得得到在减少风险中有用的动作。例如，对于发电操作，如果风险关联于可能的天气破坏(和/或诸如地震、海啸、飓风、龙卷风等等的自然灾害)，则推荐动作可包括为严酷的天气(和/或自然灾害)以及通过电网的可用部分为电力重新定线(re-routing)进行人员和系统预备。同样地，推荐动作可包括在未来市场中提升发电的成本，使得为关联于天气破坏和/或自然灾害的任意不利影响更好地作准备。

选择缓和动作(块118)以及确定推荐动作(块120)可包括手动动作和自动动作。手动动作可例如通过警报或告警(块122)传送给操作者。提供的警报和告警(块122)可包括描述缓和动作或推荐动作的文本信息以及多媒体(例如，图像、视频、3D视图、音频)。例如，警报以及告警可包括适于警告用户的音频音调和流程图，以及在执行缓和动作和推荐动作中有用的信息的CAD图、文本描述、视频、图像等等。当前和/或计划动作随后被显示(块114)，如下所描述。

选择缓和动作(块118)以及确定推荐动作(块120)也可包括自动动作。例如，可得到适于由工厂控制系统58(图1中示出)执行的动作。因此，自动动作可被传送给工厂控制系统58并在工厂10中执行(块106)。逻辑100随后可向操作者警告基于缓和动作或推荐动作采取的自动动作(块122)，并显示当前和/或计划动作(块114)。以这种方式，逻辑100可继续处理数据28和30，以便得到关联于数据28和30的任意风险，并通过发布适于最小化或消除得到的风险的手动和/或自动动作操作来响应。应可以理解到，逻辑100可被应用于多种过程和装置。当然，逻辑100可被用于得到决策，决策用于改进装置保护系统的测试、泄压阀操作测试、仪器校准、仪器替换、装置检查的执行、装置维护的执行、在规定时间内装置故障的风险、维持期望的可靠性级别的装置操作的执行，维持期望的可靠性级别的测试、操作以及校准程序的定时、有利的系统升级的识别，以及值的优先化(例如，某些工厂100动作的影响的优先化)，下面将参考图4-14更详细地描述。由于被描绘的图4-14包括图3中出现的类似要素，这些要素使用类似的参考标号来指示。

图4示出应用于优化装置保护系统(诸如超速保护系统)的测试的逻辑100的实施例。在诸如发电系统的某些装置类型中，装置会经受在确定用于在工厂10中继续操作的装置的适用性中有用的定期验证测试。即，验证测试可以某些方式使用装置，诸如将发电系统从电网断开，以确保系统适当地响应。例如，在甩满负荷期间，配电网99未能接收由轮机系统80产生的电力。诸如超速保护系统的某些系统，可随后通过快速减少轮机负载且同时限制超速做出反应。一旦电网开始接收电力，轮机系统80可随后被带到适于优化轮机系统80与电网99的同步的状况。

装置保护系统的测试可被计划成例如每年发生一次、每月发生一次、每周发生一次。由于轮机系统80从电网99离线，执行测试会影响工厂10，在由工厂10产生的电力中会有相应减少。逻辑100可被用于使得在正常操作期间发生的、诸如甩满负荷事件的某些事件的“借贷(crediting)”成为可能，以用于代替测试。即，意外事件可被用于代替计划的测试。例如，甩满负荷可先于计划的甩满负荷测试数周发生。在甩满负荷期间的装置性能被观察，且如果系统运转适当，则系统被认为通过甩满负荷测试。计划的甩满负荷测试随后被重新计划。在这种方式中，历史事件可被“借贷”且工厂10测试可根据需要转移至未来。因此，工厂10资源可被更有效利用。

如所描绘的，静态输入28可包括保险要求128(例如，每年执行一次甩满负荷测试)、系统配置130以及验证测试间隔或时间表132。动态输入30可包括轮机速度输入134、发电机断路器状态136(例如，断开或闭合)、轮机系统操作信息138(例如，系统斜升、系统斜降)、操作介入信息140(例如，操作者手动设置阀门位置)以及整个系统的状态142(例如，产生的电力、天气状况)。事件规则62可基于发电机断路器跳闸以及所测量的涡轮速度的增加超过期望速度的100％(例如，当前速度测量为期望速度的109％)来得到正发生甩满负荷事件102。

随后，逻辑100可使用输入28和30来更新在超速保护系统的当前状态下继续对其进行操作以及继续操作相关的组件(例如，旁通阀、管道、控制器)的风险预测(块106)。例如，ASR过程或FTA可用于基于动态输入30来更新风险预测。如果超速保护系统成功地管理甩满负荷事件102，则被更新的风险很可能不会超出继续操作当前装置(例如，轮机系统80)的风险阈值(决策110)。即，超速保护系统在意外的甩满负荷期间如期望的那样执行，因此，会通过计划的甩满负荷测试。

因此，被计算的下一个计划动作(块112)可包括计算新的扩展验证测试间隔144，并重新计划任意现有的验证测试。新间隔可例如通过“反向”使用ASR过程来计算。也就是，通常从ASR过程得到的风险可取而代之作为ASR过程的输入来使用，ASR流程图可反向导引以到达新的验证测试间隔，诸如FTA的其它技术也可被用于得到新的验证测试间隔。新的验证测试间隔，连同用于得到新间隔的计算和数据一起，被显示给操作者(块114)。以此方式，工厂发生的诸如工厂跳闸、超速事件、操作者关闭事件等等，被用于为正式测试提供“借贷”，也可用于确定经修订的测试时间表。应注意到这样的测试“借贷”可被应用于各种类型的工厂10组件，包括单个仪器26、单个装置24、装置子系统(例如，压缩器92和94、轮机84和86、发电机98)以及复杂系统(例如，轮机系统80、工厂10)。

图5是逻辑100的说明性实施例，逻辑100应用于更有效地校准仪器26。在被描绘的实施例中，多种动态输入30可在工厂操作期间被收集，并用于与静态输入28结合以得到影响仪器26重新校准、仪器26维护和/或仪器26替换的动作。例如，动态输入30可包括仪器26的健康状态146。健康状态146可通过目视检查得到或可由仪器26自动报告。当然，仪器26可包括多种协议(诸如Hart、基金会现场总线(Foundation Fieldbus)、Profibus等等)，该协议能够就健康状态与控制计算机16以及工厂控制系统58通信。健康状态146可以是二元状态(例如，健康或非健康)，或是健康状态146的范围(例如，大约100％健康至0％健康)。健康状态146也可以是多位健康状态146，其中每一位可对应于不同的健康状态146。例如，阀门仪表可能能够报告多于一个的测量(例如，压力、流速、温度)，以及所提供的测量的每一个的健康状态146。

维护指示148也可包括在动态输入30中。例如，可使用包括纸质日志和电子日志的、用于仪器26以及相关装置24的维护日志，其详述执行的维护、维护类型、问题等等。也可使用包括来自其它仪器26的读数的仪器读数150。例如，冗余仪器应近似发送相同的读数，并且在某个范围之外的读数可被标记为可疑。同样地，两个或更多个过程点之间的相关性被用于得到仪器性能，其中每个过程点具有一个或多个仪器26。例如，温度仪器26可在导致热增益(或损失)的操作之前、期间以及之后被定位，诸如位于燃烧器82、化工槽、冷却器等等之前、内部以及之后的温度传感器。因此，从仪器26传送的测量可基于仪器26的位置与期望测量相关。也可使用上次维护154输入，诸如上次维护的日期、所执行的维护类型、维护原因(例如，计划的维护、未计划的维护)等等。

逻辑100可使用事件规则62来得到，例如，用于仪器26的健康测量事件102。事件规则62可包括以下规则，诸如“if instrument_readings＝0％then instrument＝failed”，“if instrument_readings＝100％then instrument＝healthy”，“if instrument_reading＝unreliably then health_status＝not_good”等等，以得到事件102。事件102可包括仪器26的健康状态，其被测量为二元测量(例如，健康vs.非健康)、健康的范围(例如，0％至100％)和/或诸如excellent_health、good_health、nominal_health、needs_repair的值。通过提供例如详述期望的校准时间表的推荐校准间隔156，静态输入28也可被用于辅助得到事件102。静态输入28也可包括设计精度或公差158。设计精度或公差158可包括由仪器得到的测量值的期望范围，诸如大约±0.5％、1％、5％、10％误差。

逻辑100随后可基于得到的仪器26健康状态更新继续操作的风险预测(块106)。若风险未超出继续操作的风险阈值(决策110)，则可计算下一个计划的动作(块112)。下一个计划的动作可包括仪器校准日期的重计划(例如，向前移日期或向后移日期)，或用于仪器26的替换或修理的工作指令的建立。当然，通过继续监测动态数据30和静态输入28，逻辑100可优化仪器26的校准、修理以及维护。下一个计划动作可随后被显示(块114)给操作者。通过继续得到仪器26的健康状况，更新与得到的健康状态相关的风险，并得到合适的动作，整个工厂10的操作和维护可被改进。应注意到，如果不超出风险阈值(决策110)，逻辑100也可提供诸如使用备份仪器的缓和动作，也可提供诸如替换仪器的推荐动作。此外，逻辑100可被用于通过监测即将发生的装置操作或未来的使用来改进工厂10效率，如下面参考图6更相似描述的那样。

图6描绘逻辑100的实施例，逻辑100应用于通过监测即将发生的装置使用、得到当前装置状况以及响应适当的动作来改进装置操作的效率。以此方式，逻辑100允许装置的自动、动态的预操作检查。例如，动态输入30可包括计划的工厂操作数据160，诸如详述即将发生的轮机系统80启动(或关闭)的数据。启动(或关闭)操作可能需要使用在标准运行操作期间不经常使用的装置，或可能需要以在标准运行操作期间不经常使用的某种方式来使用装置。例如，轮机系统10可在启动操作期间使用初始的和备用的点火器，但在标准操作期间不使用。类似地，现在可能需要某些先前没有使用过的阀门。逻辑100可在装置的实际使用之前预先测试该装置，以便得到使用该装置的风险。例如，可使阀门进行冲程(例如，全部或部分打开以及全部或部分关闭)，以使得测量它们的操作有效性。

逻辑100可使用动态输入30来得到事件102，动态输入30诸如组件162的上次操作、当前组件数据164(例如，当前阀门位置、组件健康状态)、计划的组件使用166(例如，计划的阀门位置、组件使用时间)和/或过程状况168(例如，过程温度、压力、流速、间隙、使用的燃料类型)。事件102可包括诸如在启动操作期间需要操作某些阀门的事件，且该某些阀门在某个时间窗口中未以全冲程操作。

逻辑100也可使用静态输入28来更新未按期望地执行的装置24和/或仪器26的风险预测(块106)，静态输入28诸如系统170的可靠性模型、计划的操作的可靠性模型172(例如，轮机启动可靠性模型、关闭可靠性模型、瞬变可靠性模型、常规操作可靠性模型)、故障模式分析模型174、设计寿命预测176、工业故障率数据178和/或操作状况180。例如，系统170的可靠性模型可被用于确定基线可靠性。计划的操作可靠性模型172(例如，轮机启动可靠性模型)可用于基于例如附加信息(诸如在启动操作、关闭操作、跳闸操作等等期间的组件故障的统计可能性)来更新基线可靠性。故障模式分析174可用于得到某些组件故障(诸如阀门、仪器、管道、燃料输送系统等等)的结果是什么。设计寿命预测176可基于预期使用寿命和实际组件使用来得到各种组件的当前使用寿命。工业故障率数据178可用于基于来自工业数据库的数据得到组件故障的统计模型，工业数据库可包括制造商数据库和其它历史故障率数据库。操作配置180可用于确定组件配置或布局，以及传统使用。

逻辑100可使用所有的输入28和30来更新风险的风险预测(块106)，该风险与如上所述的即将到来的计划操作关联，也可用于更新相关的风险阈值(块108)。例如，被更新的风险阈值可基于即将到来的计划的工厂10操作(例如，轮机启动)以及静态输入28降低或升高。在一些情境下，风险阈值(决策110)可能被超出。逻辑100随后可确定是否有任意缓和动作是可用的(决策116)。如果一个或多个缓和动作可用，则逻辑100可选择适于减少即将到来的操作的风险的一个或多个缓和动作(决策118)。例如，如果某些阀门将被用于即将到来的操作，且阀门在某个时间段(诸如超过24小时、超过3天、超过一周、超过一个月)中未被使用，则被选择的缓和动作可包括自动动作，诸如通过控制系统使阀门进行冲程或部分进行冲程(即，在打开或关闭方向移动阀门)(块124)。以此方式，阀门可被自动“预检查”为适合即将到来的操作。同样地，其它缓和动作可包括自动地或手动地促动装置24以确保操作准备就绪，装置24诸如可变几何结构入口、铣床、化工处理装置、备份系统、轮机系统10组件等等。当然，逻辑100可应用于各种工厂装置24与仪器26以在系统进入操作之前对系统预测试。

图7是示出逻辑100的实施例的说明，逻辑100被应用于即使在一些仪器26变得不可靠或不能操作的情况下也能更有效地操作工厂10(图1中示出)。例如，一个或多个仪器26的意外损失不必然要求故障仪器26的立即替换，且工厂10被允许在一定情境下继续操作。以此方式，工厂10的资源和产品的更优化使用可被实现，即使在某一仪器26发生故障的情形下。

在描绘的实施例中，动态输入30可包括仪器26的健康状况146、维护指示148、仪器读数150以及两个或更多个过程点152之间的相关性，每个过程点具有一个或多个仪器26，如上参考图5所描述的那样。静态输入28还可以包括堆荐的校准间隔156以及设计精确度(公差)158，同样如上参考图5所描述的那样。逻辑100可使用事件规则62来得到已发生的某些仪器故障事件102，诸如“health_status＝bad”，“signal＝fail”，或仪器在期望公差之外。因此，逻辑100可更新使用仪器26的风险预测(块106)，且也可更新与仪器26关联的任意风险阈值(块108)。对于某些仪器26，例如具有冗余仪器的仪器26以及在工厂操作中非关键性的仪器26(例如，排气装置88温度传感器)，不使用该仪器的风险阈值(决策110)可能不会被超出。逻辑100随后可简单地建立用于替换的工作指令，并计划该工作指令作为正常维护时间表的一部分，作为下一个计划的动作(块112)。该工作指令可随后向操作者显示(块114)。

对于对工厂操作可能更加关键的仪器26，不使用仪器26的风险阈值可被超出(决策110)。逻辑100可随后对动作的任意可能缓和过程做出决定(决策116。)在某些情境下，通过选择某些缓和动作来缓和对于工厂操作的风险是可能的(块118)。例如，如果已发生故障的仪器26在测量轮机温度(例如，HP轮机84或LP轮机86)，则轮机被允许操作，虽然，是在降低的限制下操作。例如，轮机被允许在最大负载的95％、90％、80％、50％操作。同样地，用于轮机的点火温度可被类似地限制。在蒸汽轮机示例中，轮机可包括位于锅炉出口的温度传感器以及位于蒸汽轮机入口的温度传感器。若入口传感器发生故障，则蒸汽轮机被允许以由出口传感器测量的、降低的温度继续操作。同样地，若出口传感器发生故障，则锅炉被允许继续提供蒸汽，虽然是在由入口传感器测量的、较低的温度下。当然，自动动作可被引入至控制系统，以便实现更加限制性的操作模式(块124)。手动缓和动作也可被实现。例如，若关键的振动传感器在第一泵处发生故障，但第二备用泵可用，则逻辑100可手动引导操作者启动第二备用泵。以此方式，仪器的故障可被识别，且适当的缓和动作可被采用以使得工厂100操作继续。

如果确定没有缓和动作可用(决策116)，则某些推荐动作可被采用以优化工厂操作，诸如监管一致性操作。例如，如果可能变得无法工作的仪器26包括排放监测所需的仪器26，则推荐动作可包括立即替换故障仪器26的推荐，以及如果替换在某个时间段(例如，15分钟、1小时、4小时、1天)结束之前未完成则自动动作使工厂关闭。以此方式，逻辑100可检测已变得不可靠的关键仪器，并开始适于继续工厂10操作的推荐动作。此外，逻辑100可跨多个工厂10来优化工厂操作，如下面参考图8更详细描述的那样。

图8描绘了逻辑100的实施例，逻辑100应用于管理诸如多个发电厂10的多个工厂10。在描绘的实施例中，静态输入28包括购电协议数据160。购电协议数据160可详述在某一时间段之上被输送到例如电网99的电力量。依照购电协议160，电力供应商可使用一个或多个电厂10来输送电力至电网99。逻辑100可有利地监测一个或多个电厂10，也可监测能源市场、环境状况等等，以使得优化电力输送而同时遵守购电协议。

在描绘的实施例中，动态输入30可包括其它工厂状态162(例如，其它工厂的操作状态，其它工厂的电力生产能力)，电网状态164(例如，由电网分配的当前电力、预测的电力、可能会遭受断电的部分电网、用于电网电力的路线图)，能源需求165(例如，当前需求、预测的需求)，能源成本166(例如，燃料成本、电力生产成本)，所有电厂10的健康状态168，维护指示170(例如，即将到来的装置24和仪器26的维护、当前装置24和仪器26的维护、当前工作指令)，工厂状况172(例如，工厂装置状态、休假人员、备用发电能力)，以及环境状况174(例如，当前天气、预测的天气)。

逻辑可更新风险阈值(块108)，例如，以反映当前能源或电力的经济价值。更明确地，更高的能源价值会导致风险阈值的上升，同时较低的能源价值会导致风险阈值的降低。通过基于能源估价来调节风险阈值，逻辑100可使得在得到工厂(一个或多个)10中的操作决策中能够使用能源估价。当然，能源市场以及天气可用于做出适于增加生产效率和多个电厂10的利润的决策。

在示出的示例中，逻辑100可监测动态输入30来得到能源价值，例如，通过观察能源市场(例如，电力市场、石油市场、燃气市场、煤炭市场、未来市场)中的能源需求以及供应。诸如“ifenergy_value＞threshold”的事件规则62可被用于得到事件102，并由此开始相关于工厂10的风险预测的分析。风险预测可包括与起因于计划的维护、天气事件的停工期相关联的风险，通过使用统计和/或物理模型得到的装置24以及仪器26故障风险，以及与上升的需求相关联的经济风险等等。风险阈值也可基于动态输入30、相关的静态输入28以及购电协议160的分析被更新(块108)，以并入修订的风险阈值。例如，如果能源价值高(例如，超出通常能源价值10％、20％、50％以上)，则风险阈值上升。如果能源价值低(例如，比通常能源价值低10％、20％、50％)，则风险阈值降低。同样地，如果购电协议160包括不能提供足够电力的处罚，则风险阈值相关于处罚上升。以此方式，风险阈值可被动态调节以使得反映经济、技术、以及合同条件。

如果风险阈值未被超出(块110)，则基于能源的增加值以及输入28和30，某些动作可被计划(块112)。例如，工厂10可被允许操作在高于通常的限制(例如，发电限制、装置使用小时限制、维护间隔限制)以使得获得增加的收入和/或与天气有关的断电辅助。例如，若天气事件(例如，飓风、暴风雪、洪水、龙卷风、地震)发生或被预测，各种计划的动作112可被采用以最小化天气事件，诸如继续操作否则可能已被关闭以进行维护的电厂10。同样地，工厂10可被允许在某些限制(例如，发电限制、装置使用小时限制、维护间隔限制)上操作以使得在其它工厂10的意外停工期的情况下、或由于经济状况而提供需要的电力。以此方式，能源市场(例如，能源需求165、能源成本166)，环境状况174，以及其它工厂状态162可被监测以得到工厂10资源的更优化利用。进一步，逻辑100可识别工厂(一个或多个)10中的有利的系统升级，如下面参考图9更详细描述的那样。

图9描绘了逻辑100的实施例，逻辑100应用于识别工厂10的有利的系统升级。例如，工厂10可以用近似最大能力或接近最大能力(例如，能力的80％、90％、95％、99％)操作。因此，例如通过用改进的装置24和/或仪器26替换某些装置24和/或仪器26，有利于增加工厂10的生产能力。同样地，某些工厂10装置24和/或仪器26可能遭受许多意外维护事件，所述意外维护事件数量超出同一类型、使用年限和/或使用历史的装置24和/或仪器26中预期的事件的中值或平均值。即，装置24和/或仪器26可能比预测的更加频繁地发生故障。逻辑100可有利地得到相关于升级工厂10的事件102，并提供适于改进整个工厂10效率的动作。

在描绘的实施例中，静态输入28可包括新产品导入(NPI)设计概念176、系统配置178以及国家要求180。NPI设计概念176可包括用于装置24、仪器26和/或适于改进工厂10操作的工厂过程22的即将到来的设计。例如，对于轮机系统80的NPI修改可被识别，其可提供在轮机系统80的操作、维护和电力生产中的改进。系统配置178可包括工厂10的当前系统配置，并因此可提供由其应用系统升级的基线配置。国家要求180可包括用于因国而异的工厂10的监管要求。此外，国家要求180可包括其它要求，诸如工业规范要求、施工要求、融资要求等等，与工厂10在其中运行的国家相关。

动态输入30可包括燃料变化182、负载要求184、系统操作186、操作者介入188、系统状态190和/或模拟环境192。燃料变化182可被用于确定对装置的何种类型的升级将更好地利用可用的燃料。例如，用于基于煤的燃料的新产品导入(NPI)设计176可导致改进的能源生产，同时也会减少排放级别。负载要求184可包括用于诸如轮机系统80的某种装置24的负载百分比利用率。即，负载百分比可接近加载或用于运行诸如发电机98的某种装置的期望百分比。更高的负载要求80可对应于更多的装置24利用，其可导致更高的维护需求。系统操作186可包括详述系统如何被操作的数据，例如，可以关联什么样的其它系统用作备份，监督操作的人员类型、数量以及培训，典型的点火温度、典型的操作压力、燃料和其它流速，等等。操作者介入188可详述当前在工厂10中存在的手动介入的类型，也可描述操作者与工厂10装置24和/或仪器26互相作用的时间量。系统状态190可包括系统的当前操作状态(例如，当前电力生产级别、月收入、相关成本、人员流动)。模拟环境192可包括适于模拟对工厂10升级的影响的统计和/或物理模型。例如，NPI设计概念176可被用作模拟的一部分来衡量任意有利的影响。同样地，模拟环境192可包括适于得到购置新装置和/或仪器的成本效益分析的经济模型，包括退税(例如，“绿色”技术退税)、分期偿还时间表、对股票估价的影响等等。

逻辑100可不断地监测输入28和30以便识别有利的系统升级。例如，如果新NPI设计176被建立，则逻辑100得到详述新NPI设计的外观的事件104。逻辑100可随后运行模拟环境192以确定在工厂10中实现NPI设计176的工程和经济适用性。逻辑100也可监测事件102，诸如发电机跳闸、轮机跳闸、意外维护事件(例如，组件故障)等等，以追踪装置24和/或仪器26的过度使用。这种过度使用监测可导致得出过度使用事件102。同样地，例如，通过比较当前利用度量(使用小时、燃烧温度、电力生产、燃料使用、每年启动次数)与平均或中值利用率度量，监测器100可监测装置24和/或仪器26的利用不足。因此，逻辑100可识别过度使用和利用不足的资源作为用于替换的候选。

逻辑100可更新用较新的设计替换装置24和/或仪器26的风险预测(块106)，并比较替换风险与任意更新风险阈值(块108)。同样地，不升级工厂10资源的风险可被用作比较点。若升级装置的风险阈值未超出更新风险阈值(块110)，则可计算下一个计划动作(块112)，以包括装置24和/或仪器26升级的列表和时间表。以此方式，逻辑100可监测输入28和30以得到对可增加工厂效率和生产的、对工厂10的一个或多个升级。

图10描绘了逻辑100的实施例，逻辑100应用于监测相关于诸如泄压阀的单个装置24和/或仪器26的输入28和30，并使用监测的输入以更有效地得到例如用于装置24和/或仪器26的新维护时间表和/或发布新工作指令。诸如泄压阀的某些装置24，不会非常频繁地使用。例如，当压力达到某个级别时，泄压阀被用于旁通或减缓流体流动。因此，相比其它阀门，泄压阀可能不被频繁使用。为了确保泄压阀的可靠性，可计划测试期望的阀门性能的维护测试，诸如在某个压力级别打开或关闭泄压阀。然而，维护测试可能使装置24离线，因此影响工厂10的整体操作。逻辑100可继续为某个阀门相关事件的发生监测输入28和30，该事件诸如引起旁通阀打开和/或关闭的旁通事件。通过监测相关于旁通事件的数据，逻辑10可得到阀门正在正常操作，且“借贷”该事件以代替执行阀门测试。任意计划的阀门测试可随后因此被重新计划。

在描绘的实施例中，动态输入30包括泄压阀的设定压力194以及系统压力196。设定压力194可被调节，以便当达到设定压力194时阀门提升或促动，从而重新定向流体流动并防止系统压力196达到不期望的级别。逻辑100可继续监测系统压力196并在超压事件102发生期间获取阀门数据。例如，诸如“if current_system_pressure≥set_pressure”的事件规则62，可用于得到超压事件102的发生。相关于超压事件的数据，诸如泄压阀是否已被提升、阀门的促动时间以及阀门复位(即，阀门返回到初始超压前位置)的促动时间可随后用于得到更新的风险预测(块106)。更新的风险预测可包括基于在实际超压状况期间所观察到的阀门的性能重计划阀门维护事件(诸如超压测试事件)的风险。如果阀门已在设计参数198范围内执行，则风险阈值可能不被超出(决策110)且下一个计划动作(块112)的计算可包括任意即将到来的超压测试的重新计划。超压测试的重新计划以及在超压事件102观察期间核对的数据，可随后被显示给操作者(块114)。以此方式，实际工厂10事件102的发生可用于给予“借贷”以代替执行关于事件102的某些测试。

如果阀门不能如期望的那样执行，则未充分执行的阀门的风险阈值可能已被超出(决策110)。如果逻辑100确定缓和动作是可用的(决策116)，则某些缓和动作可被选择(块118)。该缓和动作可包括这样的动作，诸如建立用于阀门校准的工作指令、建立用于阀门替换的工作指令或建立用于执行附加阀门测试的工作指令。逻辑100可提供手动缓和动作(例如，工作指令)(块122)并向操作者显示工作指令(块114)。因此，逻辑100可使得操作者能更有效地响应动态输入30中的变化，该动态输入30可指示需要纠正动作。当然，可继续监测诸如泵的单个装置24和/或仪器26以改进操作，如下面参考图11更详细描述的那样。

图11是逻辑100的实施例的示例说明，逻辑100基于新识别的状况应用于装置24的操作和维护。诸如泵的某种装置24可包括详述设计状况的静态输入28，诸如振动限制200、装置温度分级202、正常轴承操作温度204、压力曲线208以及流曲线210。振动限制200可包括基于不期望的振动级别的限制。装置温度分级202可包括装置的期望操作温度范围，其适于改进装置寿命和操作能力。同样地，正常轴承操作温度204可包括泵轴承(例如，滚珠轴承、滚柱轴承)的操作的期望温度范围。此外，压力曲线206可详述用于给定流速的期望压力。类似地，流曲线208可详述给定的阀门打开位置的期望流速或流量百分比。

静态输入28也可包括故障模式分析210和设计寿命预测212。故障模式分析210可包括统计和/或基于物理的模型，所述模型在基于某些动态输入30来预测装置故障中有用，动态输入30诸如当前振动214、当前温度216、当前压力218、流220(例如，流速、流量百分比)以及功率222(例如，驱动功率或扭矩)。类似地，设计寿命预测212可用于基于装置24的使用历史(诸如已使用小时、使用类型、维护记录等等)来预测装置24的退役或替换。逻辑100可将静态输入28与动态输入30(诸如当前振动214、温度216、压力218、流动和/或功率222)组合，以便更新相关于装置24的风险预测(块106)。例如，装置24故障的风险预测或对维护的需求可被更新(块106)。被更新的风险预测可包括阀门发生故障或变得不起作用的风险，这可通过使用例如故障模式分析210和/或设计寿命预测212(以及其它静态输入28)来得到。

如果发现阀门发生故障的风险阈值超出风险阈值(决策110)，则逻辑100可确定是否有任意的缓和动作可用(决策116)。如果有缓和动作可用(决策116)，则逻辑100可选择一个或多个缓和动作(块118)。例如，如果手动备用泵可用，则逻辑100可向操作者提供告警或警报(块122)以启动备用泵，并随后向操作者提供当前动作(例如，启动备用泵的动作)的显示(块114)。同样地，如果备用泵是可用的且在自动控制之下，则工厂控制系统58可被引导以驱动备用泵(块124)，并警告操作者刚刚采取了该动作(块126)。逻辑100可随后向操作者显示当前动作(例如，备用泵的自动启动)(块114)。

如果没有缓和动作可用(决策116)，则逻辑100可确定推荐动作(块120)。例如，如果所述泵是一关键泵，则推荐动作可包括关闭使用该泵的系统。系统关闭可以是自动的或手动的。在手动关闭中，逻辑100可向操作者提供详述系统关闭的告警或警报(块122)。在自动关闭中，逻辑100可引导工厂控制系统58关闭系统(块124)，并向操作者警告所采取的关闭动作(块126)。逻辑100可随后向操作者显示关闭动作和相关数据(块114)。通过继续监测来自装置24的动态输入30，逻辑100可得到适于更有效地操作工厂10的维护和/或操作动作。以此方式，可检测装置24的可能的故障，且动作被适当设定以最小化或消除故障的不期望的影响。当然，仪器26的可能故障可被检测并遵照逻辑100进行动作，如参考图12更详细描述的那样。

图12描绘了逻辑100的实施例，逻辑100应用于监测动态输入30以便对仪器26变得不起作用或发生故障的指示进行检测进行动作。通过提供某些动作(诸如使用冗余仪器和/或冗余通道)，逻辑100可缓和或消除与故障仪器24相关的影响。例如，被监测的动态输入30可包括仪器26的健康状态146。如上述参考图5所提到的，健康状态146可通过目视检查得到或由仪器26自动地报告。当然，仪器26可包括诸如Hart、基金会现场总线、Profibus等等的多种协议，能够就健康状态与控制计算机16和工厂控制系统58通信。健康状态146可以是二元状态(例如，健康或非健康)，或健康状态146的范围(例如，大约100％健康至0％健康)。健康状态146也可以是多位健康状态146，其中每一位可对应于不同的健康状态146。

维护指示148也可被包括在动态输入30中。例如，可以使用用于仪器26和相关装置24的维护日志，其包括详述执行的维护、维护类型、问题等等的纸质日志和电子日志。可使用测量温度、压力、流量、间隙或其它过程信息的过程变量224。控制变量226可在例如仪器26使用诸如比例-积分-微分(PID)技术、闭环控制技术和/或开环控制技术的控制模态的情形下使用。也可监测工厂状况172(例如，工厂装置状态、休假人员、备用电力生产能力)以及环境状况174(例如，当前天气、预测的天气)。

静态输入28可包括详述仪器26的再装备或维护的时间表的再装备间隔228。报废输入230可用以详述仪器26的寿命周期或报废期，这在确定仪器26的剩余寿命中是有用的。召回232可被用于确定仪器26的任意当前制造商召回或返回是否到位，以及仪器26的召回或返回历史。因此，静态输入28可被用于提供在得到仪器故障的风险或仪器26传送错误测量的风险中有用的信息。

诸如详述来自于期望的控制变量226的偏差的规则(例如，“if control_setpoint_variation＞X％”，其中X％大约等于1％、5％、10％、15％、20％)的一个或多个事件规则62，可被用于检测健康状态事件102。其它事件规则62可包括与以下相关的规则：维护指示148(例如，“if history_of_unexpected_maintenance＝high”，“last_maintenance＞one_year”)、过程变量224(例如，“if measurements＞max_measurement_range”，“ifmeasurements＜min_measurement_range”)以及由仪器26传送的测量(例如，“if no_measurements_received>1hour”，“if measurement_data＝noisy_data”)等等。仪器26也可提供健康状态测量146。当然，诸如基金会现场总线仪器26的某些“智能”仪器26可包括适于传送健康状态146的自分析模式。因此，逻辑100可得到例如健康状态事件102(诸如详述仪器26非健康或已发生故障的事件)。

健康状态事件102可被用于更新故障对工厂10操作的影响的风险预测(块106)，也可更新风险阈值(块108)。例如，如果仪器被包括在轮机系统80中，则可通过使用ASR过程发现轮机系统80的故障的风险预测(块106)。当然，包括仪器80的任意系统的故障的风险预测可通过使用动态输入30和静态输入28来更新(块106)。同样地，故障的可接受风险或风险阈值可被更新(块108)。例如，如果仪器26被认为对于工厂10的操作是关键的，则风险阈值可被降低以便反映仪器26在工厂操作中的重要性。同样地，如果仪器26具有备用仪器26或对于工厂10操作不重要，则风险阈值更新可导致降低的风险阈值(块108)。

如果逻辑100确定了仪器故障的风险阈值已被超出(决策110)，则逻辑100可确定是否存在可能的缓和动作(决策116)。如果有一个或多个缓和动作，逻辑100可随后选择缓和动作的一个或多个(块118)。例如，仪器26可包括两个或多个通道，且通道中的一个可被确定在期望的参数下工作。因此，被选择的缓和动作可包括自动使用工作通道，同时发生故障的通道可被闲置。当然，工厂控制系统58可被引导以实现使用工作通道的自动动作(块124)，且随后向操作者发送已采取的动作(块126)。如果没有缓和动作可用(决策116)，逻辑100可确定诸如替换仪器26的推荐手动动作(块120)。这样的动作随后可被作为告警或警报提供给操作者(块122)。进一步，逻辑100也可提供自动的推荐动作(块122)，诸如如果仪器26在某个时限内未被替换则引导工厂控制系统48关闭某些操作(块124)。采取的自动动作随后作为告警提供给操作者(块126)。可随后向操作者114显示所有的告警和相关数据(例如，告警的原因、用于得到告警的测量)。

如果逻辑100判定没有风险阈值已被超出(块110)，例如，由于仪器不是关键性的或由于仪器26健康状态大致接近于健康状态，则逻辑100可计算下一个计划的动作(块112)。下一个计划的动作可包括仪器26的替换的推荐时间表，也可包括用于确定仪器的健康状态的数据(例如，动态输入30)。下一个计划动作及相关数据可随后向操作者显示(块114)。通过继续得到仪器26的健康状态事件102，以及通过使用输入28和30来更新风险预测(块110)以及风险阈值(块108)，逻辑100可更优化地诊断故障仪器26所产生的任何问题并做出相应反应。当然，逻辑100也可用于例如利用通过相关装置24和/或仪器26被传送的数据，间接地监测装置24和/或仪器26，如下面参考图13更详细描述的那样。

图13描绘了逻辑100的实施例，逻辑100应用于装置24检查，包括从装置24的直接和/或间接检查中得到有用的结果，并启用适于优化工厂10操作的某些动作。在一个示例中，被检查的装置24可包括功率增大系统，诸如适于“雾化”或添加蒸汽至压缩器94的水洗系统。被添加的蒸汽使得压缩器94冷却，也可通过注入附加的液体质量流量来增加质量流量，其可导致来自轮机系统80的增加的发电。在某些操作模式中，功率增大系统可例如通过使用电网规范而接通。例如，某些规定40可详述电厂10通过添加电力至电网99来响应电网规范。因此，电厂10可开启功率增大系统以增加功率产生。

在一实施例中，功率增大系统的操作性能可被用于代替该功率增大系统的直接检查。以此方式，功率增大系统可被间接观察。例如，在功率增大系统的使用期间收集的动态输入30可被用于得到指示功率增大系统可靠性或健康状态的某些事件102的发生，且可更新继续操作的风险预测(块106)，连同风险阈值一起更新(块108)。逻辑100随后提供适于增强工厂10操作并改进工厂10安全的决策。

在描绘的实施例中，动态输入30可包括来自在线动力清洗系统操作236的数据(例如，蒸汽速率、压缩器温度、质量流量比率)，来自响应于电网规范的阀门的阀门(例如，Cv阀门)数据238(例如，当前阀门位置、通过阀门的当前流量、流体温度)，以及来自诸如泵的设备的流量或压力设备数据240，所述泵提供流量或对在功率增大中使用的液体加压。动态输入30可与事件规则62一同使用以得到影响功率增大系统的一个或多个事件102的发生。例如，一些事件规则可包括分析当前动态输入30以及所得事件102的规则，所得事件102诸如低质量流量、低压、高质量流量、高压、流中的颗粒、不干净流、电力冲洗被开启时的较低或无功率增大等等，它们指示功率增大系统中的可能问题。

事件102的发生随后导致使用功率增大系统的继续操作的风险预测的更新(块106)。例如，事故场景审查(ASR)或故障树分析(FTA)可被用于基于动态输入30(以及静态输入28)来得到新的风险。同样地，继续工厂操作的风险阈值可基于例如对于能源的市场需求来更新或留在同一级别(块108)。如果风险阈值被超出(决策110)，则逻辑100可确定是否任意缓和动作是可用的(决策116)。如果缓和动作是可用的(决策116)，则逻辑100可选择缓和动作的一个或多个(块118)。例如，如果功率增大系统似乎遭受可靠性问题，且不期望在不久的将来(例如，1天、1周、1月)被需要，则手动缓和动作可包括发布工作指令以修理和/或另外维持功率增大系统。工作指令可作为告警或警报被传送(块122)，且随后可向操作者显示当前动作(以及任意其它计划的动作)(块114)。

另外或备选地，可提供自动缓和动作(诸如发布用于改变电力生产服务的自动出价)，从而响应于对于增加的功率的任意请求。如果没有缓和动作可用，则逻辑100可确定某些推荐动作(块120)，诸如关闭轮机系统80。推荐动作可以是手动的或自动的。手动动作被首先作为操作者告警或警报提供(块120)，紧跟着向操作者显示有关动作信息(块114)。可传送自动动作至控制系统58用于实现(块124)，紧跟着告警所采取的动作(块126)，其后可包括向操作者显示当前动作以及与当前动作相关的数据(块114)。通过监测输入28和30来代替直接检查，逻辑100可提供在维持装置24的改进的可靠性和操作效率中有用的决策。当然，逻辑100也可启动决策和相应动作的优先化，例如，减少(或增加)动作在工厂10操作中的影响，如下面参考图14更详细描述的那样。

图14是逻辑100的实施例的说明，逻辑100应用于对相对值或影响工厂10操作的动作的效果进行优先化。即，逻辑100可不仅允许某些动作的产生，也允许例如基于动作对工厂10的操作的影响对动作进行优先化。在描绘的示例中，诸如轮机80超速保护系统的一种系统可被用作一示例，但应注意到工厂10中的任意系统可由逻辑100有利地监测。当然，如图3-14中所描述的那样，逻辑100可用于工厂10的任意系统中。

通过使用静态输入28，包括任意新的静态输入28，逻辑100可为每一个可用的输入30更新所有风险阈值(块108)。更具体的，每一个输入30可被指派一个或多个相关于该输入的风险阈值。例如，速度134输入可被指派轮机系统80故障的风险阈值以及工厂故障10的风险阈值。风险阈值的更新(块108)可包括通过使用包括任意新输入的所有静态输入28，以及通过对某些动作进行优先化来执行ASR过程。例如，如果工厂10位于具有高保险要求128的易于发生飓风的区域，则通过ASR过程更新风险阈值(块108)可包括在ASR过程期间对与飓风有关的要素进行优先化。根据期望的动作，ASR过程的任意要素可进行优先化，诸如使得ASR流程图中一分支优先于其它分支。同样地，ASR流程图中的诸如风险节点的节点，可具有随动作的优先化而改变的风险得分，以反映较高或较低的优先级。以此方式，风险阈值可被更新(块108)以并入某些期望的优先级。

如所描绘的，静态输入28可包括保险要求128(例如，每年执行一次甩满负荷)，系统配置130，以及验证测试间隔或时间表132。动态输入30可包括轮机速度输入134、发电机断路器状态136(例如，断开或闭合)、轮机系统操作信息138(例如，系统斜升、系统斜降)、操作介入信息140(例如，操作者手动设置阀门位置)以及全系统状态142(例如，发电、天气状况)。事件规则62可基于发电机断路器已跳闸以及被测量的轮机速度的增加在期望速度的100％之上(例如，当前测量的速度是期望速度的109％)得到甩满负荷事件102正在发生。通过使用动态和静态输入30和28，逻辑100可更新继续操作当前超速保护系统和相关组件(例如，旁通阀、管道、液压控制器)的风险预测(块106)。例如，在成功的甩满负荷事件102中，被更新的风险可能不会超出继续操作当前装置(例如，轮机系统80)的风险阈值(决策110)。

如上述参考图4所描述的，逻辑100可更新风险预测(块106)。即，动态输入30和包括任意新的静态输入28的静态输入28，可被用于得到表示例如轮机系统80或工厂10的故障概率的风险预测。如果风险阈值未被超出(决策110)，则逻辑100可计算下一个计划的动作(块112)。在成功甩满负荷事件102中，被更新的风险可能不会超出继续操作当前装置(例如，轮机系统80)的风险阈值(决策110)。因此，逻辑100可计算下一个计划的动作112。例如，通过保持预测的风险常量并反向求解ASR流程以得到一个或多个动作，ASR过程可被“反向”使用。各种动作的效果可随后被显示给操作者114。在这种方式中，逻辑100可结合期望的优先化。

本发明的技术效果包括检测某些意外事件的发生的能力以及“借贷”事件发生以代替执行计划的测试。技术效果还包括决策的获得，该决策用于改进装置保护系统的测试、泄压阀操作的测试、仪器的校准、仪器的替换、装置检查的执行、装置维护的执行、特定时间期间装置故障的风险、为维持期望的可靠性级别的装置操作的执行、测试定时、维持期望的可靠性级别的操作和校准程序、有利的系统升级的识别以及值的优先化。

本书面描述使用示例来揭示本发明，包括最好的模式，并且也允许任意本领域技术人员实践本发明，包括制造和使用任意设备或系统并执行任意结合的方法。本发明的专利范围由权利要求限定，且可包括本领域技术人员所想到的其它示例。如果这些其它示例的结构要素与权利要求的字面语言没有区别，或如果它们包括与权利要求的字面语言无实质不同的等同的结构要素，则它们意于在权利要求的范围之内。

部件列表

10 工业工厂

12 风险计算引擎

14 决策支持系统

16 控制计算机

18 现场设备

20 工厂人员

22 工厂过程

24 工厂装置

26 工厂仪器

28 静态输入

30 动态输入

32 设计数据

34 制造数据

36 工厂配置数据

38 故障模式分析和风险审查数据

40 联邦和州规定、规范和标准数据

42 未知因素数据

44 工厂仪器数据

46 工厂装置数据

48 工厂外部相互依存的系统数据

50 商业环境数据

52 外部系统数据

54 实际数据对未知因素的替换

56 工厂数据高速通道

58 工厂控制系统

60 接口系统

62 多个事件规则

64 算法

66 缓和动作算法

68 推荐动作算法

70 风险计算算法

72 故障预测算法

74 模型更新算法

76 动作计划算法

80 轮机系统

82 燃烧器

84 高压(HP)轮机

86 低压(LP)轮机

88 排气口

90 驱动轴

92 HP压缩器

94 LP压缩器

96 进气口

98 发电机

99 配电网

100 逻辑

102 动态事件

104 静态事件

106 块

108 块

110 决策

112 块

114 块

116 决策

118 块

120 块

122 块

124 块

126 块

128 保险要求

130 系统配置

132 时间表

134 轮机速度输入

136 发电机断路器

138 轮机系统操作信息

140 操作介入信息

142 整体系统状态

144 验证测试间隔

146 健康状态

148 维护指示

150 仪器读数

152 过程点

154 上次维护

156 推荐的校准间隔

158 公差

160 计划的工厂操作数据

162 组件

164 当前组件数据

165 能源需求

166 计划的组件使用

168 过程状况

170 系统

172 计划的操作可靠性模型

174 故障模式分析模型

176 设计寿命预测

178 工业故障率数据

180 操作状况

182 燃料变化

184 负载要求

186 系统操作

188 操作者介入

190 系统状态

192 模拟环境

194 设定压力

196 系统压力

198 设计参数

200 振动限制

202 装置温度分级

204 正常轴承操作温度

206 压力曲线

208 压力曲线

210 流曲线

212 设计寿命预测

214 当前振动

216 当前温度

218 当前压力

220 流

222 功率

224 过程变量

226 控制变量

228 再装备间隔

230 报废输入

232 召回

236 清洗系统操作

238 阀门数据

240 压力设备数据。

Claims

1.一种用于优化工厂操作的系统，包括：

风险计算系统（12），配置成基于静态输入（28）和动态输入（30）来计算风险；以及

决策支持系统（14），配置成使用所述风险得到决策；以及

工厂控制系统（58），配置成基于所述决策更新工厂（10）的操作、观察工厂系统并且存储工厂系统的观察作为历史数据，其中所述决策预测未来的工厂（10）状况，其中所述动态输入包括代表意外维护事件的信号，并且其中所述工厂控制系统配置成分析代表意外维护事件的所述信号和所述历史数据以借贷所述意外维护事件以代替执行涉及所述工厂系统的设备测试事件。

2.如权利要求1所述的系统，其中所述静态输入（28）包括设计数据（32）、制造数据（34）、工厂配置（36）、故障模式分析（38）、规定（40）、未知因素余量（42）或其组合。

3.如权利要求1所述的系统，其中所述动态输入（30）包括工厂仪器输入（44）、工厂装置输入（46）、工厂外部相互依存系统数据（48）、商业环境输入（50）、外部系统输入（52）、未知因素替换输入（54）或其组合。

4.如权利要求1所述的系统，包括通信地耦合至所述工厂（10）、工厂控制系统（58）、风险计算系统（12）、决策支持系统（14）的数据高速通道（56），且其中所述数据高速通道（56）配置成使得在所述工厂（10）、工厂控制系统（58）、风险计算系统（12）以及决策支持系统（14）之间能够通信。

5.如权利要求1所述的系统，其中所述决策支持系统（14）配置成将所述决策传送至所述工厂控制系统（58），且其中所述工厂控制系统（58）配置成基于所述决策执行动作。

6.如权利要求1所述的系统，其中所述决策支持系统（14）配置成使用事件规则（62）、缓和动作算法（66）、推荐动作算法（68）、风险计算算法（70）、故障预测算法（72）、模型更新算法（74）、动作计划算法（76）或其组合来得到所述决策。

7.如权利要求6所述的系统，其中所述决策包括测试装置保护决策、测试阀门操作决策、仪器校准决策、仪器替换决策、装置检查决策、装置维护决策、故障风险决策、一致性维护决策、可靠性维护决策、定时决策、有利的升级识别决策、相对值的优先化决策或其组合。

8.如权利要求1所述的系统，其中所述工厂控制系统包括分布式控制系统（DCS）、制造执行系统（MES）、管理人控制和数据采集（SCADA）系统、人机接口（HMI）系统或其组合。

9.如权利要求1所述的系统，其中所述工厂（10）包括电厂、化工厂、精炼厂、制造厂或其组合。

10.一种用于优化电厂操作的系统，包括：

电厂控制器，配置成接收与电厂有关的动态输入和静态输入，其中所述电厂控制器配置成得到影响电厂操作的决策，所述电厂控制器配置成基于监视所述动态输入和静态输入来确定何时推荐所述电厂的组件的测试，所述电厂控制器配置成识别与所述测试相关的事件的发生，以及所述电厂控制器配置成基于所述事件期间的所述组件的性能来调节测试时间表。

11.如权利要求10所述的系统，其中所述组件包括配置成提供电力、机械动力或其组合的轮机系统。

12.如权利要求10所述的系统，其中所述测试包括配置成测试组件在执行工厂操作中的适用性的验证测试。