CN103901835B - 监测和控制稳定厂环境中循环过程单元的设备和方法 - Google Patents
监测和控制稳定厂环境中循环过程单元的设备和方法 Download PDFInfo
- Publication number
- CN103901835B CN103901835B CN201310720006.1A CN201310720006A CN103901835B CN 103901835 B CN103901835 B CN 103901835B CN 201310720006 A CN201310720006 A CN 201310720006A CN 103901835 B CN103901835 B CN 103901835B
- Authority
- CN
- China
- Prior art keywords
- data
- production unit
- production
- factory
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/02—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by adsorption, e.g. preparative gas chromatography
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37513—Convert time domain signal to frequency domain signal
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
公开了允许监测并且分析对于稳态厂(例如蒸气甲烷重整厂)中的多步骤异步循环生产过程(例如,变压吸附)的生产过程数据的设备和方法。在应用移动窗离散傅立叶变换(DFT)的情况下处理从协作传感器收集的数据。可以在更广泛的稳态厂环境中进一步分析变换的数据来准确检测任何过程异常并且避免假警报。
Description
技术领域
用于监测并且分析来自异步循环多线路生产单元(例如,变压吸附(PSA)、氢生产厂)的性能的数据的系统和方法,其允许诊断操作、环境和设备失效异常来防止全部生产线路失效。
背景技术
检测复杂的厂操作中问题的早期迹象相当于防止制造/生产过程中的中断。生产厂维持稳态操作趋势(例如,氢生产设施),这是可期望的。然而,实际上,生产厂中日复一日的变化将影响厂操作并且通常将对厂操作造成压力(例如,增加产量来满足消费者需求、原材料进料组成变化以及甚至天气条件可以影响厂操作)。向稳态生产提出挑战并且使得故障检测更困难的另一个促成因素是循环但异步生产系统(例如,PSA生产系统)的固有性质。
在现有技术中描述多个方法和系统以通过基于测量的过程参数中的变化来调整过程变量而解决生产厂中的潜在问题。例如,美国专利8,016,914(Belanger等人)、美国专利7,674,319(Lomax等人)和美国专利7,789,939(Boulin)教导用于测量杂质并且调整例如进料时间的过程变量来控制PSA系统的床中的该杂质的各种方法。广泛使用这样的单床PSA控制并且它变成产业实践。
已经发现并且实现其他生产厂故障检测方法。例如,如在2005年NinaF.Thornhill的题为“Finding the Source of Nonlinearity in a Process With Plant-Wide Oscillation”的文章中描述的,Thornhill提出可以用于检测对于具有多个交互控制回路的动态系统的振荡的根本原因的非线性指数。该方法可以用于检测由控制回路中的自维持极限循环引起的振荡。这样的振荡通常在一个回路中引起但传播到其他回路。利用该当前实践,开发的非线性度量对于源控制回路生成高值并且对于允许执行根本原因分析的二次振荡生成较低值。方法基于替代数据和实际厂数据的比较。利用该当前实践,替代数据通过对实际数据应用离散傅立叶变换(DFT)并且然后使DFT的自变量随机化并且使幅度保持恒定而获得。随后在该方法中,应用逆DFT来生成替代数据。具有相位耦合的实际数据生成比替代数据更有条理且更可预见的趋势。因此,利用该现有实践,非线性指数使用时间序列分析来利用数据含义中的差异。Thornhill公开了实际上用于检测由于交互控制回路引起的厂范围的振荡并且有助于对于最佳厂性能细调控制器的方法。
然而,现有的实践在识别循环异步生产过程中的哪个步骤是大体上观察的生产故障或问题的根本原因方面不足。尽管在现有技术中描述的当前实践利用DFT来产生替代数据用于在识别过程失效中使用,它们未能解决各种关键问题,例如稳态生产厂变量的处理。具体地,随着生产循环波动,变量可以具有来自“自维持振荡”(由于控制回路的初级/次级效应引起)或来自噪声的基础。在振荡是正常操作的地方具有处理循环稳态数据的检测系统和方法,这将是有利的。这样的系统和方法可以操作成比较跨生产厂中的生产线路的各种部分(例如,PSA厂的各种生产“床”)的振荡特性,其中相似生产线路之中的生产线路部分将操作成具有带有不同相位的相似振荡(例如,在多个生产线路之中具有异步生产步骤的多床PSA生产厂)。此外,在整个稳态生产厂的整体中,跨生产过程连续且自动应用监测系统和方法,这将是有利的。
通过示例,有利的系统和方法可以在PSA厂的背景下操作,其中测量床到床变化并且使那些变化与PSA过程自身内部和外部的过程有关(例如进料组成变化、厂生产步骤异常和/或例如坏掉的设备(例如,PSA系统自身中坏掉的阀)的操作缺陷)。期望的方法可以提供用于在具有多个子单元(例如,床)的异相循环系统(例如,PSA)中监测任何偏离的步骤。目标是确保每个单元在调换到相同的相位时对所有其他表现相同。异相循环系统(例如,PSA)自身进而在操作上受到厂中的其他过程的影响,并且期望的系统和方法将说明这样的环境和操作变量。
因此,需要有用于监测并且分析围绕正常循环但异步的系统连同正常稳态生产过程的执行的数据的系统和方法。
发明内容
公开的实施例通过提供允许在稳定厂环境中监测多步骤异步循环生产过程(其具有多个生产单元)的监测和分析设备及方法而满足现有领域中的需求。在说明性实现中,监测和分析模块与电耦合于一个或多个生产单元组件和/或设备来收集操作、环境和失效数据的传感器阵列协作。在说明性实现中,监测和分析模块还可以连接到控制系统,其与控制各种生产单元组件和/或设备的各种自动化控制协作。
在说明性操作中,监测和分析模块操作成从传感器阵列收集数据。这样的监测数据可以包括环境状况数据、操作数据和生产单元组件/设备数据。在说明性操作中,收集的数据在时域中收集。离散傅立叶变换应用于时域收集的数据来产生频域监测数据。然后根据失效检测数据协议来分析变换的数据。在说明性实现中,失效检测协议包括多个步骤,其包括限定对于生产单元组件/设备中的一个或多个的正常/最佳操作的上和下数据范围(例如,两者都在时域和频域中)。说明性地,通过一个或多个生产单元组件/设备的物理观察(当它们在正常/最佳条件下执行时)来限定上和下正常/最佳数据范围,并且限定成产生预定产量。
在说明性操作中,来自至少两个生产单元组件的变换数据根据选择的尺度(例如,幅度值比率、指数比率、绝对值比率等的对数)彼此相比较并且被分析来产生故障确定数据。在说明性操作中,根据选择的时间间隔来执行这样的比较。如果故障确定数据落在限定的协议正常/最佳数据范围外,对于观察的时间间隔对于该特定生产单元组件/设备设置标志。在其他选择的时间间隔内执行后续比较。如果故障确定数据继续留在正常/最佳协议范围外,失效状态对于特定生产单元组件/设备关联并且可以被传送到协作控制系统用于后续动作,其包括中止维持有故障的生产单元组件/设备的生产线路。说明性地,可以使用一个或多个算法(其在应用于数据时识别统计显著事件)执行失效状态确定。
存在如在下文概述的设备和方法的若干方面。
方面1-用于在生产厂中使用的监测和分析设备,该设备包括计算处理器,其能操作成:
从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个生产单元组件的操作的数据;
处理接收的操作数据来将接收的操作数据从时域变换成产生的频域数据,其具有谐波;
处理频域数据来计算频域数据的谐波的至少一个峰中的每个的幅度的值;
对于至少两个生产单元组件中的每个识别频域数据的显著谐波的峰的幅度的值;
与代表正常操作幅度值的数据相比,对于识别的幅度值应用数据归一化数学函数来计算至少两个生产单元组件的两个选择的生产单元组件之中识别的幅度值中的异常以对于这两个选择的生产单元组件产生处理的生产单元组件监测数据;以及
存储产生的处理的生产单元组件监测数据。
方面2-用于在生产厂中使用的监测和分析设备,其包括:
计算处理器;以及
与计算处理器通信耦合的计算存储器,该计算存储器具有存储在其中的指令,其在由计算处理器执行时促使计算处理器执行操作,所述操作包括:
从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个生产单元组件的操作的数据;
处理接收的操作数据来将接收的操作数据从时域变换成产生的频域数据,其具有谐波;
处理频域数据来计算频域数据的谐波的至少一个峰中的每个的幅度的值;
对于至少两个生产单元组件中的每个识别频域数据的显著谐波的峰的幅度的值;
与代表正常操作幅度值的数据相比,对于识别的幅度值应用数据归一化数学函数来计算至少两个生产单元组件的两个选择的生产单元组件之中识别的幅度值中的异常以对于这两个选择的生产单元组件产生处理的生产单元组件监测数据;以及
存储产生的处理的生产单元组件监测数据。
方面3-根据方面1或2的设备,其中用于产生频域数据的变换从离散傅立叶变换(DFT)、拉普拉斯变换和直方图的组选择。
方面4-根据方面1、2或3的设备,其中用于产生频域数据的变换是离散傅立叶变换(DFT)。
方面5-根据方面1至4中的任一个的设备,其中至少两个生产单元组件中的每个包括变压吸附(PSA)床。
方面6-根据方面1至5中的任一个的设备,其中一个或多个传感器中的每个是压力传感器并且代表至少两个生产单元组件的操作的数据包括压力数据。
方面7-根据方面1至6中的任一个的设备,其中显著谐波的峰具有等于由至少两个生产单元组件中的每个执行的生产过程的单个步骤的持续时间的倒数的频率。
方面8-根据方面1至7中的任一个的设备,其中数据归一化数学函数包括计算识别的幅度值的比率的对数、幅度比率数据的对数(其代表至少两个生产单元组件的两个选择的生产单元组件之中识别的幅度值的比率的对数)来对于这两个选择的生产单元组件产生处理的生产单元组件监测数据。
方面9-根据方面1至8中的任一个的设备,其进一步能操作成限定操作数据极限(其代表对于至少两个生产单元的期望操作范围)并且处理产生的处理的生产单元组件监测数据来确定数据是否在限定的操作数据极限内。
方面10-根据方面9的设备,其进一步能操作成产生警报数据,其代表在产生的处理的生产单元组件监测数据落在限定的操作极限外部时的情形。
方面11-根据方面10的设备,其进一步能操作成将产生的警报数据传送到协作生产单元组件控制设备用于在向至少两个生产单元组件提供自动化控制操作中使用。
方面12-根据方面10或11的设备,其进一步包括能操作成响应于所述警报数据而控制一个或多个生产单元的操作的生产单元组件控制设备。
方面13-根据方面9至12中的任一个的设备,其中操作数据极限通过处理历史接收的生产单元组件数据来计算。
方面14-生产厂,其包括多个生产单元、操作成感测并且传送代表所述生产单元的操作的数据的一个或多个传感器以及根据方面1至13中的任一个的监测和分析设备。
方面15-用于监测并且分析生产厂操作数据的方法,其包括:
从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个生产单元组件的操作的数据;
处理接收的操作数据来将接收的操作数据从时域变换成产生的频域数据,其具有谐波;
处理频域数据来计算频域数据的谐波的至少一个峰中的每个的幅度的值;
对于至少两个生产单元组件中的每个识别频域数据的显著谐波的峰的幅度的值;
与代表正常操作幅度值的数据相比,对于识别的幅度值应用数据归一化数学函数来计算至少两个生产单元组件的两个选择的生产单元组件之中识别的幅度值中的异常以对于这两个选择的生产单元组件产生处理的生产单元组件监测数据;以及
存储产生的处理的生产单元组件监测数据。
方面16-根据方面15的方法,其进一步包括计算识别的幅度值的比率的对数、幅度比率数据的对数(其代表至少两个生产单元组件的两个选择的生产单元组件之中识别的幅度值的比率的对数)来对于这两个选择的生产单元组件产生处理的生产单元组件监测数据。
方面17-根据方面15或方面16的方法,其进一步包括限定操作数据极限(其代表对于至少两个生产单元的期望操作范围)并且处理产生的处理的生产单元组件监测数据来确定数据是否在限定的操作数据极限内。
方面18-根据方面17的方法,其进一步包括产生警报数据,其代表在产生的处理的生产单元组件监测数据落在限定的操作极限外部时的情形。
方面19-根据方面17或18中的任一个的方法,其进一步包括对产生的处理的生产单元组件数据应用选择的统计算法来识别当产生的处理的生产单元组件数据在操作数据极限外部时的统计显著情形。
方面20-根据方面18的方法,其进一步包括将产生的警报数据传送到协作生产单元组件控制系统用于在向至少两个生产单元组件提供自动化控制操作中使用。
方面21-根据方面17至20中的任一个的方法,其中操作数据极限通过处理历史接收的生产单元组件数据来计算。
方面22-根据方面15至21中的任一个的方法,其进一步包括在至少两个选择的离散时段内对于两个选择的生产单元组件产生处理的生产单元组件监测数据来产生移动数据窗,其代表两个选择的生产单元组件的连续操作。
方面23-根据方面15至22中的任一个的方法,其中变换的频域数据的显著谐波包括具有频率的谐波并且变换的频域数据的最后的显著谐波的频率的倒数大于完成生产过程生产循环的单个步骤所需要的时间。
方面24-根据方面15至23中的任一个的方法,其中接收步骤包括从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个生产单元组件的操作的数据,生产单元每个包括吸附器床。
方面25-根据方面15至24中的任一个的方法,其中接收步骤包括从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个生产单元组件的操作的数据,生产过程包括变压吸附(PSA)过程。
方面26-根据方面15至25中的任一个的方法,其中接收步骤包括从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送在选择的时间间隔内在生产过程中利用的至少两个生产单元组件的压力。
附图说明
图1是根据本文描述的系统和方法的部署的生产厂的框图;
图1a是根据本文描述的系统和方法的示范性变压吸附(PSA)生产厂的框图;
图2是示出具有一秒测量间隔的示范性PSA床中的压力振荡的曲线图;
图3是示出如应用于生产可变数据(例如,压力数据)的选择的采样的离散傅立叶变换(DFT)的曲线图;
图4是示出在正常操作下的示范性PSA床A和示范性PSA床G的第三峰的幅度的比率的对数的曲线图;
图5是示出在选择的时段期间PSA的循环时间的曲线图;
图6是示出在选择的时段期间的生产率的曲线图;
图7是示出在选择的时段期间的示范性PSA床A和示范性PSA床G的第三峰的幅度的比率的对数的曲线图;
图8是示出在第二选择的时段期间的示范性PSA床A和示范性PSA床G的第三峰的幅度的比率的对数的曲线图;
图9是示出在第三选择的时段期间的示范性PSA床A和示范性PSA床G的第三峰的幅度的比率的对数的曲线图;
图10是根据本文描述的系统和方法的说明性监测方法的流程图;
图11是根据本文描述的系统和方法的示范性计算环境的框图;以及
图12是根据本文描述的系统和方法的示范性联网计算环境的框图。
具体实施方式
接着的详细描述仅提供优选示范性实施例,并且不意在限制本发明的范围、适用性或配置。相反,接着的优选示范性实施例的详细描述将对本领域内技术人员提供使描述能够用于实现本发明的优选示范性实施例,理解可在元件的功能和布置上做出各种改变而不偏离如由权利要求限定的本发明的范围。
如本文使用的冠词“一(a)”和“一(an)”在应用于在说明书和权利要求中描述的本发明的实施例中的任何特征时意指一个或多个。“一(a)”和“一(an)”的使用未将含义限制在单个特征,除非这样的限制被专门规定。在单数或复数名词或名词词组前面的冠词“该”指示一个特别规定的特征或多个特别规定的特征并且可根据使用它所在的上下文而具有单数或复数含义。形容词“任何”意指无论什么量中的一个、一些或不加选择地全部。置于第一实体与第二实体之间的术语“和/或”意指(1)该第一实体、(2)该第二实体和(3)该第一实体和第二实体中的一个。置于3个或以上实体列表的最后两个实体之间的术语“和/或”意指列表中的实体中的至少一个,其包括该列表中的实体的任何特定组合。
为了帮助描述本发明,可在说明书和权利要求中使用方向术语来描述本发明的部分(例如,上、下、左、右,等)。这些方向术语仅意在有助于描述本发明并且对其要求保护而不意在以任何方式限制本发明。另外,在说明书中引入的与附图关联的标号可在一个或多个后续图中重复而在说明书中没有额外描述以便对其他特征提供背景。
在权利要求中,字母可用于识别要求保护的步骤(例如(a)、(b)和(c))。这些字母用于帮助指代方法步骤并且不意在指示执行要求保护的步骤所采用的顺序,除非并且仅在这样的顺序在权利要求中专门列举的意义上。
概观:
本文描述的系统和方法提供具有多个生产线路的多步骤循环异步生产厂的实时数据监测和分析。通过示例,本文描述的方法将通过说明性实现来监测HyCO生产厂中的H2-PSA单元的背景下描述。该说明性实现仅对于背景描述并且本领域内技术人员将意识到可以应用本文描述的系统和方法来监测并且分析与具有异步的多个生产线路(其维持多步骤循环生产过程)的各种生产厂有关的数据。
在说明性实现中,本文描述的系统和方法可以应用于HyCO厂中的H2-PSA单元的诊断。在该说明性实现中,本文描述的系统和方法提供健壮的方法用于同时测量全部PSA单元和单独PSA床的性能、将离最佳性能的任何偏离提醒生产厂操作者并且通过捕获定期稳定PSA过程的稳态特性而允许厂范围的统计分析。
在说明性操作中,方法可以在HyCO厂中在变化的操作条件下部署,其包括但不限于,改变循环时间、生产率、下降床模式,等。在操作上,方法使假警报最小化但未损害灵敏度来捕获生产厂的一个或多个生产单元中的小的操作和/或环境变化(例如,示范性HyCO生产厂的一个或多个PSA床中的操作变化/环境变化)。
在说明性操作中,当本文描述的系统和方法部署在稳态生产厂中时存在多个有利结果。通过示例,自动提醒允许小问题的早期检测使得它们可以在引起大的设备失效之前被修理并且使PSA性能保持在最佳水平。长远来看,这可以提高厂的平均生产力和可靠性。另外,在部署本文描述的系统和方法时,对于厂跳闸的诊断时间可减少,从而允许PSA操作数据并入总体统计厂分析内并且提供关于单独PSA床的详细信息。
在说明性实现中,本文描述的系统和方法牵涉使用从监测多步骤循环异步生产过程(例如,PSA过程)的一个或多个生产设备/组件的一个或多个传感器收集的离散傅立叶变换(DFT)数据。在说明性操作中,捕获关于每个生产过程组件(例如,PSA床)或设备(其可以代表组件/设备性能)的特性参数的数据。在说明性操作中,组件/设备可变数据(例如,PSA床压力数据)从对于单独生产厂组件/设备(例如,对于单独PSA床)的协作传感器阵列(或从协作生产厂控制系统-例如,从数据库)收集用于预处理。
DFT的应用大体上是已知的,并且在本文描述的系统和方法中不是必需的,假定还可以使用将时域数据转换成频域数据的其他数学变换,其包括但不限于,拉普拉斯变换和直方图技术。本文描述的系统和方法能操作成从与物理变量具有独特关系的变换数据识别特征集。例如,在PSA生产厂(例如,使用PSA作为最终产品净化步骤的蒸气甲烷重整工艺)的背景下,功率谱数据(即,变换的时域压力数据到频域压力数据)的第三峰可以与PSA中的吸附时间相关。此外,额外的变换可以是必需的,使得这样的识别特征在正常工艺条件下是不变的。例如,它是来自不同单元的第三峰强度的比率(其对于正常过程变量是不变的),而不是强度本身。如此,来自两个互相依赖的生产单元(例如,PSA床)的收集和变换的第三峰压力数据可以用于示出生产过程中的变量。
另外,例如使用PSA作为最终产品净化步骤的蒸气甲烷重整工艺等工艺典型地经受许多变化,例如昼夜温度波动、给料变化、太阳光强度变化和消费者需求振荡。这些变化将引起工艺中的变化并且可能波及全厂。提出的监测并且分析的方法可以适应这样的预期且正常的变化而不触发假警报,它还可以足以灵敏来捕捉真实偏差并且及早采取行动来防止对于操作的严重中断。
Belanger等人(US8016914)、Lomax等人(US7674319)的美国专利以及Boulin(US7789939)专利关于测量杂质以及调整过程变量(例如进料时间)来控制PSA系统的床中的该杂质。这样的单床PSA控制是现有技术和工业实践。然而,本文描述的系统和方法针对测量床到床变化,并且使那些变化与生产过程(例如,PSA)自身内部和外部的过程有关(例如进料组成变化、厂的某处的搅乱或生产厂(例如,PSA)系统自身中坏掉的阀)。关键区别是(在PSA生产厂的背景下)存在床到床变化,并且期望的厂操作是多床PSA系统中的所有床表现相同。从而,本文描述的方法检测具有多个子单元(在该示例中是吸附床)的异相循环系统(在该示例中,PSA系统)中的任何偏差。目标是确保每个单元在调换到相同相位时对所有其他表现相同。异相循环系统(PSA)自身进而受到厂中的其他过程的影响。
参考图1-12,图1示出示范性多步骤异步循环生产厂100的框图。如示出的,生产厂100包括多步骤异步循环生产单元110、传感器阵列120、操作/环境/失效事件监测和分析模块130(在下文,监测和分析模块130)、生产单元控制模块140和自动化控制150。
在说明性操作中,监测和分析模块130与传感器阵列120操作地协作来收集在生产单元中发现的一个或多个组件/设备的一个或多个条件/变量的数据(例如,阀处的压力、阀处的温度,等)。根据本文描述的方法处理并且分析收集的数据来比较生产过程中的各种组件之中收集的数据并且识别值得注意并且可能影响在厂中生产的生成产品的任何统计显著操作/环境/事件失效条件。此外,收集并且分析的数据可以被进一步处理来提供一个或多个生产单元组件/设备的操作条件的图形表示,如在美国公布的专利申请2008/0109090A1、题为“System and Method for Process Monitoring”中描述的,其通过引用而全部包含于此。
在说明性操作中,说明性事件监测和分析模块可以与生产单元控制模块140操作地协作来提供关于一个或多个生产单元组件/设备的范围外操作的警报数据。进而,在说明性操作中,生产单元控制模块140可以与自动化控制150操作地协作来提供控制指令并且控制在预定操作范围外操作的一个或多个生产单元组件/设备的操作。
图1A示出示范性变压吸附(PSA)生产厂100。如示出的,生产厂100包括监测和分析模块130、控制系统160、协作计算装置165和生产单元180。如进一步示出的,生产单元可以包括多个级联子系统。通过说明性描述,生产厂100进一步包括在示出的子系统中的每个内的多个生产单元组件/设备。生产单元可以包括PSA床10A、10B、20A、20B、30A、30B、40A、40B、50A、50B以及阀11、12、13、14、15、16、17、21、22、23、24、25、26、27、31、32、33、34、35、36、37、41、42、43、44、45、46、47、51、52、53、54、55、56和57。在说明性操作中,作为本领域内通常已知的用于使气体分离并且生成期望的产品103(例如,氢)和副产品101(例如,PSA尾气,其典型地用作燃料)的典型变压吸附过程的部分,原料可以通过进料81而引入生产单元床内并且床的压力可以使用描述的阀来调节。
如在图1A中示出的,阀通过各种电子传感器(例如,示出为图1A中的压力传感器“P”)而操作地连接到监测和分析模块130,这些各种电子传感器操作成收集关于阀的操作以及阀机械和/或电连接的生产单元床中的一个或多个所经历的压力的数据。在说明性操作中,由电子传感器(例如,示出为图1A中的压力传感器“P”)感测的压力数据被传送(例如,在通信网络上-未示出)给监测和分析模块130来允许监测压力阀的操作以及生产单元床中的一个或多个中的值。在说明性实现中,作为如在下文描述的环境、操作和事件失效监测协议的部分,运行监测和分析模块的计算机程序处理收集的压力传感器数据。处理的数据可以说明性地包括到频域数据的变换时域数据,其允许监测程序使数据归一化来允许更容易的处理、导航和操纵。
如在图1A中示出的,监测和分析模块130操作地连接到控制系统160,其可以与监测和分析模块130协作来接收代表生产单元组件/设备中的一个或多个的设备失效或范围外操作的监测数据。这样的数据然后可以用于影响通过进料81而引入的原料的量来确保生成期望数量的产品103。另外,在说明性操作中,控制系统160可以在通信网络(未示出)上向生产单元组件/设备提供控制指令以通过定位在描述的压力值中的每个上的控制单元(未示出)来调整这样的生产单元组件/设备的操作(例如,增加或减小压力),所述控制单元操作成断开和闭合期望的阀。
另外,如在图1A中示出的,监测和分析模块130操作成通过一个或多个图形表示170和175向参与的用户/操作者显示监测和分析的数据来允许用户和操作者以高效且最佳的方式获得生产厂的环境、操作和事件失效条件。这样的数据可以局部显示给监测和分析模块130和/或显示给可具有增加的移动性特征的一个或多个协作计算装置165。
本领域内技术人员将意识到,尽管在图1A中描述的生产厂是PSA HyCO生产厂,这样的仅仅是说明性的,并且本文描述的发明性概念可以应用于具有生产线路(其具有多个步骤并且具有异步循环生产单元)的任何生产厂。
图2-9是代表根据本文描述的方法的各种收集且处理数据的各种曲线图。图2示出在生产厂(例如,PSA生产厂)处从压力传感器(其中以每秒一个读数的速率进行测量)观察的收集压力振荡数据。如示出的,在图2中,收集的压力数据200包括采用选择的压力值单位(例如,Pa或MPa)215沿选择的时间间隔210标绘的压力值220的基于时域的表示205。
图3示出通过应用离散傅立叶变换(DFT)的应用已经从时域变换成频域的压力数据的图形标绘图。如在图3中示出的,图形标绘图300包括变换的压力数据(例如,四个小时的压力数据,其具有一秒间隔)的频域表示305。图形标绘图300示出在四个大致上显著的谐波幅度320、325、330、335(其采用选择的幅度单位315沿选择的频率间隔310标绘)处记录的变换数据。在图3中,变换的谐波峰代表在图2中描述的振荡压力数据的一次、二次、三次和四次谐波。说明性地,每个谐波代表循环异步生产过程(其采用从特定进料(如在图1A中示出的)产生产品所需要的多个级联生产单元)的一个或多个步骤的持续时间(例如,PSA生产厂)。在说明性实现中,基波(例如,一次谐波)代表对于整体的完整生产循环的压力操作。每个后续谐波代表生产循环的更多离散步骤的压力操作。
在说明性操作中,可以分析变换的数据来确定哪个谐波峰以及它的变换数据频率代表生产循环的最短步骤。该确定可以通过计算识别的谐波峰的频率的倒数并且与生产循环的最短步骤的持续时间比较来执行。在说明性操作中,因为额外的观察谐波峰描述对于小于生产过程的完整步骤的数据(例如,PSA厂的压力数据),该谐波峰变成感兴趣的最后的谐波峰。
图4示出图形标绘图400,其示出示范性PSA床A和示范性PSA床G在正常厂操作下的变换生产数据(例如,压力数据)的第三峰的幅度的比率的对数。如示出的,标绘数据420代表沿选择的时间单位410的值415,其计算为变换的生产数据的最后的显著谐波峰(例如,第三峰)的幅度的比率的对数,如在图3中对于两个生产单元(例如,两个PSA床)描述的。另外,如在图4中示出的,图形标绘图400包括上限425和下限430。在说明性实现中,上限425和下限430可以通过在给定时段内收集对于观察的生产厂的正常操作的生产厂数据而计算使得生产厂在考虑操作和/或环境条件中的波动的情况下产生期望的产量。在说明性实现中,这样的正常厂操作数据可以由厂操作者观察并且由图1的监测和分析模块130存储。此外,如示出的,可以确定在标绘的数据420(即,计算的幅度比率的对数)分别越过下限430和上限425时的情形440和445以示出处理的生产过程数据何时落在建立的正常操作范围外。上和下限之间的中心线示出为线435。
本领域内技术人员将意识到,尽管利用幅度比率的对数来描述监测和分析方法,其他归一化变换可以用于根据本文描述的发明性概念来比较生产厂的两个协作的互相依赖的生产单元的操作特性。
图5示出在选择的时段期间对于生产过程(例如,PSA的循环时间)的生产循环时间数据520的图形标绘图500。如示出的,生产循环时间数据520在选择的时间单位510上根据选择的循环时间值单位515来标绘。在说明性实现中,循环时间对于操作者是感兴趣的,因为它可以用于通过将循环时间与在给定时段内观察的产量比较而确定在生产厂内是否存在异常操作。
图6示出在图5中描述的生产过程的生产率数据620的图形标绘图600。如示出的,图形标绘图600包括生产率数据620,其沿选择的时间单位610根据选择的生产率单位标度615来标绘。在说明性实现中,生产率对于操作者是感兴趣的,因为它可以用于通过将生产率与在给定时段内观察的生产循环时间比较而确定在生产厂内是否存在异常操作。
图7示出图形标绘图700,其示出图4的示范性PSA床A和示范性PSA床G在后续时间点(即,近似四个月)处的变换生产数据(例如,PSA厂的压力数据)的第三峰的幅度比率的对数。如示出的,标绘数据720代表沿选择的时间单位710的值715,其计算为变换的生产数据的最后的显著谐波峰(例如,第三峰)的幅度比率的对数,如在图3中对于两个生产单元(例如,两个PSA床)描述的。另外,如在图7中示出的,图形标绘图700包括上限725和线性730。在说明性实现中,上限725和下限730可以通过在给定时段内收集对于观察的生产厂的正常操作的生产厂数据而计算,使得生产厂在考虑操作和/或环境条件中的波动的情况下产生期望的产量。在说明性实现中,这样的正常厂操作数据可以由厂操作者观察并且由图1的监测和分析模块130存储。此外,如示出的,可以确定在标绘的数据720(即,计算的幅度比率的对数)分别越过下限730和上限725时的情形740和745以示出处理的生产过程数据何时落在建立的正常操作范围外。
如在图7中示出的,在图形标绘图700中观察且标绘的生产过程操作指示在生产过程数据落在正常操作范围外部时的大量情形。在说明性操作中,在阅读图形标绘图700中,操作者将被给予在观察的生产单元(例如,PSA床)中的一个的操作中存在各种异常的即时洞察。这样的信息可以用于控制生产单元来去除异常。
图8示出图形标绘图800,其示出图4的示范性PSA床A和示范性PSA床G在继图7的之后的时间点(即,近似一个月)处的变换生产数据(例如,PSA厂的压力数据)的第三峰的幅度比率的对数。如示出的,标绘数据820代表沿选择的时间单位810的值815,其计算为变换的生产数据的最后的显著谐波峰(例如,第三峰)的幅度比率的对数,如在图3中对于两个生产单元(例如,两个PSA床)描述的。另外,如在图8中示出的,图形标绘图800包括上限825和下限830。在说明性实现中,上限825和下限830可以通过在给定时段内收集对于观察的生产厂的正常操作的生产厂数据而计算,使得生产厂在考虑操作和/或环境条件中的波动的情况下产生期望的产量。在说明性实现中,这样的正常厂操作数据可以由厂操作者观察并且由图1的监测和分析模块130存储。此外,如示出的,可以确定在标绘的数据820(即,计算的幅度比率的对数)分别越过下限830和上限825时的情形840和845以示出处理的生产过程数据何时落在建立的正常操作范围外。
如在图8中示出的,在图形标绘图800中观察且标绘的生产过程操作指示在生产过程数据落在正常操作范围外部时的大量情形。在说明性操作中,在阅读图形标绘图800中,操作者将被给予在观察的生产单元(例如,PSA床)中的一个的操作中存在各种异常的即时洞察。这样的信息可以用于控制生产单元来去除异常。
图9示出图形标绘图900,其示出图4的示范性PSA床A和示范性PSA床G在继图8的之后的时间点(即,近似一个月)处的变换生产数据(例如,PSA厂的压力数据)的第三峰的幅度比率的对数。如示出的,标绘数据920代表沿选择的时间单位910的值915,其计算为变换的生产数据的最后的显著谐波峰(例如,第三峰)的幅度比率的对数,如在图3中对于两个生产单元(例如,两个PSA床)描述的。另外,如在图9中示出的,图形标绘图900包括上限925和线性930。在说明性实现中,上限925和下限930可以通过在给定时段内收集对于观察的生产厂的正常操作的生产厂数据而计算使得生产厂在考虑操作和/或环境条件中的波动的情况下产生期望的产量。在说明性实现中,这样的正常厂操作数据可以由厂操作者观察并且由图1的监测和分析模块130存储。此外,如示出的,可以确定在标绘的数据920(即,计算的幅度比率的对数)分别越过下限930和上限925时的情形940和945以示出处理的生产过程数据何时落在建立的正常操作范围外。
如在图9中示出的,在图形标绘图900中观察且标绘的生产过程操作指示在生产过程数据落在正常操作范围外部时的大量情形。在说明性操作中,在阅读图形标绘图900中,操作者将被给予在观察的生产单元(例如,PSA床)中的一个的操作中存在各种异常的即时洞察。这样的信息可以用于控制生产单元来去除异常。
在回顾图7、8和9中,图形标绘图示出图4的示范性PSA床A和示范性PSA床G在跨越近似三个月的三个截然不同的时段处的变换生产数据(例如,PSA厂的压力数据)的第三峰的幅度比率的对数。意识到随着时间的推移,幅度比率的对数的值持续增加并且超出控制界限。有了该数据,操作者可以迅速工作来识别操作工作的生产单元并且校正它们的操作来避免互相依赖的生产单元(例如,PSA厂的生产床)之间和之中的级联失效,并且更重要地,来避免整个生产厂停工。
图10描绘示范性监测和分析方法1000。如示出的,对于监测和分析方法1000的处理在框1005处开始并且行进到框1010,其中根据预定采样率收集对于预定时段的传感器数据。在说明性实现中,传感器数据代表多步骤异步循环生产线路的生产单元组件/设备(例如,具有多个生产床的PSA生产线路的阀)的操作。处理然后行进到框1015,其中收集的数据被过滤(例如,使用窗函数,例如说明性地操作成消除有限大小的信号中的末端效应的Hann、Hamming和Tukey窗)来为应用在框1020处出现的离散傅立叶变换(DFT)做准备。在框1025处进一步处理变换的数据,其中识别变换的数据的相关峰、频率和幅度。在说明性实现中,相关峰可以包括一定的峰,它的频率的倒数比多步骤生产过程中的最短步骤要更长。一旦相关峰被识别,在说明性实现中,在框1030处计算识别的峰的幅度的比率(“幅度比率”)的对数。对于应用的峰数据的计算的幅度比率的对数的可接受上和下限在框1035处确定。
在说明性实现中,可接受的上和下限实际上可以通过观察一个或多个生产组件/设备的正常/最佳操作来确定。处理然后行进到框1040,其中计算代表对于其他生产单元组件/设备的监测数据的数据的幅度比率的对数。处理然后行进到框1045,其中对于计算的幅度比率的对数中的每个执行比较来确定值是否在在框1035处识别的上和下限内。如果该比较指示计算的幅度比率的对数在限定的上和下限外,处理行进到框1050,其中执行检查来确定在框1045处计算的识别的幅度比率对数在统计上是否显著。在说明性实现中,可以应用一个或多个普遍实践的统计算法和方法来帮助确定识别的超出范围的计算的幅度比率对数在单独生产单元组件/设备操作背景下以及在整体生产厂的操作(例如,说明性地,正常操作窗可以基于厂职工的良好操作过程的知识而限定)的背景下在统计上是否显著。感兴趣的量的平均和标准偏差-在该情况下,来自两个PSA床的压力信号的DFT的第三峰的幅度比率的对数-可以在正常操作窗中计算。良好操作的极限然后可以限定为平均值加和减三倍的标准偏差。对于任何新的数据,如果感兴趣的量在早先限定的极限外,它可以在统计上视为与正常操作不同。为了防止由于突然波动引起的假警报,操作可以标记为在正常操作极限外的操作(如果信号持续预先选择的时段地继续留在极限外)。如果框1050处的检查指示在框1045处执行的比较的结果在统计上显著,处理行进到框1055,其中产生警报。在说明性实现中,产生的警报可以传送到协作控制系统来允许控制系统中止一个或多个生产单元组件/设备的操作。处理然后恢复到框1040并且从那里行进。
然而,如果框1045处的检查指示计算的幅度比率的对数的比较在识别的上和下限内,处理恢复到框1040并且从那里行进。相似地,如果框1050处的检查指示在框1045处执行的比较的结果在统计上不显著,处理恢复到框1040并且从那里行进。
尽管示范性监测和分析方法1000描述为对识别的变换数据的相对峰应用幅度比率的对数,这样的处理仅仅是说明性的并且本领域内技术人员可以应用其他类型的数学运算,例如均方根计算、平均计算和导致数据归一化的其他数学运算。
图11描绘根据本文描述的系统和方法的示范性计算系统1100。该计算系统1100能够执行多种计算应用1180。计算应用1180可以包括计算应用、计算小程序、计算程序和在计算系统1100上操作来执行至少一个功能、操作和/或规程的其他指令集。示范性计算系统1100主要由计算机可读指令控制,其可以采用软件的形式。计算机可读指令可以包含对于计算系统1100的用于存储并且访问计算机可读指令本身的指令。这样的软件可以在中央处理单元(CPU)1110内执行来促使计算系统1100进行工作。在许多已知的计算机服务器、工作站和个人计算机中、CPU 1110由叫作微电子芯片CPU的微处理器实现。协同处理器1115是与CPU 1110(即,主CPU)截然不同的可选处理器,其执行额外功能或协助CPU 1110。CPU 1110可通过互连1112连接到协同处理器1115。协同处理器的一个常见类型是浮点协同处理器,也叫作数字或数学协同处理器,其设计成比通用CPU更快且更好地执行数值计算。
在操作中,CPU 1110提取指令、对它们解码并且执行它们,并且经由计算机的主数据传输路径(系统总线1105)将信息传输到其他资源以及传输来自其他资源的信息。这样的系统总线连接计算系统1100中的组件并且限定用于数据交换的介质。耦合于系统总线1105的存储器装置包括随机存取存储器(RAM)1125和只读存储器(ROM)1130。这样的存储器包括允许存储并且检索信息的电路。ROM 1130大体上包含无法被修改的存储数据。存储在RAM1125中的数据可以由CPU 1110或其他硬件装置读取或更改。对RAM 1125和/或ROM 1130的访问可由存储器控制器1120控制。存储器控制器1120可提供地址翻译功能,其将虚拟地址翻译成作为被执行的指令的物理地址。
另外,计算系统1100可以包含外设控制器1135,其负责将指令从CPU 1110传送到外设,例如打印机1140、键盘1145、鼠标1150和数据存储驱动器1155。由显示控制器1163控制的显示器1165用于显示由计算系统1100产生的视觉输出。这样的视觉示出可包括文本、图形、动画图形和视频。显示控制器1163包括产生发送到显示器1165的视频信号所需要的电子组件。此外,计算系统1100可以包含网络适配器1170,其可用于使计算系统1100连接到外部通信网络1160。
上文描述的计算系统1100可以作为计算机网络的部分而部署。一般,上文的对于计算环境的描述适用于在网络环境中部署的服务器计算机和客户端计算机两者。
图12图示示范性说明性联网计算环境1200,其中服务器经由通信网络(其中可采用本文描述的设备和方法)而与客户端计算机通信。如在图12中示出的,服务器计算环境1205可利用多个客户端计算环境(例如平板个人计算机1210、移动电话1215、电话1220、计算系统1100和个人数字助理1225)经由外部通信网络1160(其可以是固定线或无线LAN、WAN、内联网、外联网、对等网络、虚拟专用网、因特网或其他通信网络中的任一个或组合)而互连。在外部通信网络1160是例如因特网的网络环境中,服务器计算环境1205可以是能操作成经由多个已知协议(例如,超文本传输协议(HTTP)、文件传输协议(FTP)、简单对象访问协议(SOAP)、无线应用协议(WAP)或因特网协议(IP))中的任一个处理并且传送到以及来自计算系统1100、平板个人计算机1210、移动电话1215、电话1220、个人数字助理1225和控制系统1230的数据的专用计算环境服务器。另外,联网计算环境1200可以利用各种数据安全协议,例如安全套接层(SSL)或良好隐私(PGP)。计算系统1100、平板个人计算机1210、移动电话1215、电话1220、个人数字助理1225和控制系统1230可以每个配备有操作系统,其能操作成支持一个或多个计算应用,例如web浏览器(未示出)或其他图形用户界面(未示出)、环境数据显示/导航应用或移动桌面环境(未示出),来获得对服务器计算环境1205的访问。
在操作中,用户(未示出)可与在客户端计算环境上运行的计算应用交互来获得期望的数据和/或计算应用。数据和/或计算应用可存储在服务器计算环境1205上并且在示范性外部通信网络1160上通过计算系统1100、平板个人计算机1210、移动电话1215、电话1220、个人数字助理1225或控制系统1230而传送到协作用户。参与的用户可请求访问全部或部分容置在服务器计算环境1205上的特定数据和应用。该数据可在计算系统1100、平板个人计算机1210、移动电话1215、电话1220、个人数字助理1225、控制系统1230和服务器计算环境1205之间传送用于处理和存储。服务器计算环境1205可托管计算应用、过程和小程序用于产生、验证、加密和传送数据和应用并且可与其他服务器计算环境(未示出)、第三方服务供应商(未示出)、网络附连的存储装置(NAS)和存储域网(SAN)协作来实现应用/数据事务。
如此,本发明已经从其优选实施例和备选实施例方面公开。当然,本领域内技术人员可预想从本发明的教导的各种改变、修改和变更而不偏离其规定精神和范围。规定本发明仅由附上的权利要求的条款限制。
理解本文描述的系统和方法易受各种修改和备选构造的影响。不意在将本文描述的系统和方法限制在本文描述的特定构造。相反,本文描述的系统和方法意在涵盖所有这样的修改、备选构造和等同物,它们落入本文描述的系统和方法的范围和精神内。
还应注意,本文描述的系统和方法可以在多种电子环境(其包括非无线和无线计算机环境,其包括蜂窝电话和视频电话)、部分计算环境和现实世界环境中实现。本文描述的各种技术可在硬件或软件或两者的组合中实现。优选地,技术在维持可编程计算机的计算环境中实现,其包括计算机网络、处理器、服务器、处理器可读的存储介质(其包括易失性和非易失性存储器和/或存储元件)、至少一个输入装置和至少一个输出装置。与各种指令集协作的计算硬件逻辑应用于数据来执行上文描述的功能并且产生输出信息。该输出信息应用于一个或多个输出装置。由示范性计算硬件使用的程序可优选地采用各种编程语言(其包括高级程序或面向对象编程语言)来实现以与计算机系统通信。说明性地,如期望的话,本文描述的设备和方法可采用组装件或机器语言来实现。在任何情况下,语言可以是编译或解释性语言。每个这样的计算机程序优选地存储在存储介质或装置(例如,ROM或磁盘)上,其能被通用或专用可编程计算机读取用于在该存储介质或装置被计算机读取来执行上文描述的规程时配置和操作计算机。设备还可视为实现为用计算机程序来配置的计算机可读存储介质,其中这样配置的存储介质促使计算机以特定和预定义的方式操作。
尽管本文描述的系统和方法的示范性实现已经在上文详细描述,本领域内技术人员将容易意识到许多额外修改在示范性实施例中是可能的,而实质上没有偏离本文描述的系统和方法的新颖教导和优势。因此,这些和所有这样的修改意在包括在本文描述的系统和方法的范围内。本文描述的系统和方法可由随附的示范性权利要求来更好地限定。
Claims (16)
1.一种用于在生产厂中使用的监测和分析设备,所述设备包括计算处理器,其能操作成:
从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个异步循环生产单元组件的操作的数据;
处理接收的操作数据来将所述接收的操作数据从时域变换成产生的频域数据,其具有谐波;
处理所述频域数据来计算所述频域数据的谐波的至少一个峰中的每个的幅度的值;
对于所述至少两个异步循环生产单元组件中的每个识别所述频域数据的显著谐波的峰的幅度的值;
与代表正常操作幅度值的数据相比,对于识别的幅度值应用数据归一化数学函数来计算所述至少两个异步循环生产单元组件的两个选择的异步循环生产单元组件之中识别的幅度值中的异常,以对于所述两个选择的异步循环生产单元组件产生处理的生产单元组件监测数据;以及
存储产生的处理的生产单元组件监测数据。
2.如权利要求1所述的设备,其中,用于产生所述频域数据的变换从离散傅立叶变换(DFT)、拉普拉斯变换和直方图的组选择。
3.如权利要求1或2所述的设备,其中,所述至少两个生产单元组件中的每个包括变压吸附(PSA)床。
4.如权利要求3所述的设备,其中,所述一个或多个传感器中的每个是压力传感器并且代表所述至少两个生产单元组件的操作的数据包括压力数据。
5.如权利要求1或2所述的设备,其中,显著谐波的峰具有等于由所述至少两个生产单元组件中的每个执行的生产过程的单个步骤的持续时间的倒数的频率。
6.如权利要求1或2所述的设备,进一步能操作成限定操作数据极限并且处理所述产生的处理的生产单元组件监测数据来确定所述数据是否在限定的操作数据极限内,所述操作数据极限代表对于所述至少两个生产单元的期望操作范围。
7.如权利要求6所述的设备,进一步能操作成产生警报数据,其代表在产生的处理的生产单元组件监测数据落在限定的操作极限外部时的情形。
8.如权利要求7所述的设备,进一步能操作成将产生的警报数据传送到协作生产单元组件控制设备以用于在向所述至少两个生产单元组件提供自动化控制操作中使用。
9.一种生产厂,包括多个生产单元、操作成感测并且传送代表所述生产单元的操作的数据的一个或多个传感器以及根据前述权利要求中任一项的监测和分析设备。
10.一种用于监测并且分析生产厂操作数据的方法,包括:
从一个或多个传感器接收操作数据,所述一个或多个传感器操作成感测并且传送代表在选择的时间间隔内在生产过程中利用的至少两个异步循环生产单元组件的操作的数据;
处理接收的操作数据来将所述接收的操作数据从时域变换成产生的频域数据,其具有谐波;
处理所述频域数据来计算所述频域数据的谐波的至少一个峰中的每个的幅度的值;
对于所述至少两个异步循环生产单元组件中的每个识别所述频域数据的显著谐波的峰的幅度的值;
与代表正常操作幅度值的数据相比,对于识别的幅度值应用数据归一化数学函数来计算所述至少两个异步循环生产单元组件的两个选择的异步循环生产单元组件之中识别的幅度值中的异常,以对于所述两个选择的异步循环生产单元组件产生处理的生产单元组件监测数据;以及
存储产生的处理的生产单元组件监测数据。
11.如权利要求10所述的方法,进一步包括计算识别的幅度值的比率的对数、幅度比率数据的对数来对于所述两个选择的生产单元组件产生处理的生产单元组件监测数据,所述幅度比率数据的对数代表至少两个生产单元组件的两个选择的生产单元组件之中识别的幅度值的比率的对数。
12.如权利要求10或权利要求11所述的方法,进一步包括限定操作数据极限并且处理所述产生的处理的生产单元组件监测数据来确定所述数据是否在限定的操作数据极限内,所述操作数据极限代表对于所述至少两个生产单元的期望操作范围。
13.如权利要求12所述的方法,进一步包括产生警报数据,其代表在产生的处理的生产单元组件监测数据落在限定的操作极限外部时的情形。
14.如权利要求12所述的方法,进一步包括对产生的处理的生产单元组件数据应用选择的统计算法来识别当产生的处理的生产单元组件数据在所述操作数据极限外部时统计显著的情形。
15.如权利要求12所述的方法,其中,所述操作数据极限通过处理历史接收的生产单元组件数据来计算。
16.如权利要求10所述的方法,其中,所述变换的频域数据的显著谐波包括具有频率的谐波并且所述变换的频域数据的最后的显著谐波的频率的倒数大于完成生产过程生产循环的单个步骤所需要的时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12199361.2A EP2746884B1 (en) | 2012-12-24 | 2012-12-24 | Apparatus and methods to monitor and control cyclic process units in a steady plant environment |
EP12199361.2 | 2012-12-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103901835A CN103901835A (zh) | 2014-07-02 |
CN103901835B true CN103901835B (zh) | 2017-03-01 |
Family
ID=47631225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310720006.1A Active CN103901835B (zh) | 2012-12-24 | 2013-12-24 | 监测和控制稳定厂环境中循环过程单元的设备和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8882883B2 (zh) |
EP (1) | EP2746884B1 (zh) |
CN (1) | CN103901835B (zh) |
CA (1) | CA2837961C (zh) |
ES (1) | ES2541277T3 (zh) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9740802B2 (en) | 2013-03-15 | 2017-08-22 | Fisher-Rosemount Systems, Inc. | Data modeling studio |
US10649424B2 (en) | 2013-03-04 | 2020-05-12 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics |
US10866952B2 (en) | 2013-03-04 | 2020-12-15 | Fisher-Rosemount Systems, Inc. | Source-independent queries in distributed industrial system |
US10282676B2 (en) | 2014-10-06 | 2019-05-07 | Fisher-Rosemount Systems, Inc. | Automatic signal processing-based learning in a process plant |
US10649449B2 (en) | 2013-03-04 | 2020-05-12 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics |
US10678225B2 (en) | 2013-03-04 | 2020-06-09 | Fisher-Rosemount Systems, Inc. | Data analytic services for distributed industrial performance monitoring |
US9558220B2 (en) | 2013-03-04 | 2017-01-31 | Fisher-Rosemount Systems, Inc. | Big data in process control systems |
US10909137B2 (en) | 2014-10-06 | 2021-02-02 | Fisher-Rosemount Systems, Inc. | Streaming data for analytics in process control systems |
US9665088B2 (en) | 2014-01-31 | 2017-05-30 | Fisher-Rosemount Systems, Inc. | Managing big data in process control systems |
US10386827B2 (en) | 2013-03-04 | 2019-08-20 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics platform |
US10223327B2 (en) | 2013-03-14 | 2019-03-05 | Fisher-Rosemount Systems, Inc. | Collecting and delivering data to a big data machine in a process control system |
US10324423B2 (en) | 2013-03-15 | 2019-06-18 | Fisher-Rosemount Systems, Inc. | Method and apparatus for controlling a process plant with location aware mobile control devices |
US10133268B2 (en) * | 2014-01-30 | 2018-11-20 | Exxonmobil Research And Engineering Company | Real time optimization of batch processes |
US10168691B2 (en) | 2014-10-06 | 2019-01-01 | Fisher-Rosemount Systems, Inc. | Data pipeline for process control system analytics |
US9864823B2 (en) | 2015-03-30 | 2018-01-09 | Uop Llc | Cleansing system for a feed composition based on environmental factors |
US10503483B2 (en) | 2016-02-12 | 2019-12-10 | Fisher-Rosemount Systems, Inc. | Rule builder in a process control network |
US10222787B2 (en) | 2016-09-16 | 2019-03-05 | Uop Llc | Interactive petrochemical plant diagnostic system and method for chemical process model analysis |
RU2679749C2 (ru) * | 2016-11-28 | 2019-02-12 | Российская Федерация, от имени которой выступает Государственная корпорация по атомной энергии "Росатом" | Способ динамического управления техническими средствами |
US10678272B2 (en) | 2017-03-27 | 2020-06-09 | Uop Llc | Early prediction and detection of slide valve sticking in petrochemical plants or refineries |
US10754359B2 (en) | 2017-03-27 | 2020-08-25 | Uop Llc | Operating slide valves in petrochemical plants or refineries |
US10752844B2 (en) | 2017-03-28 | 2020-08-25 | Uop Llc | Rotating equipment in a petrochemical plant or refinery |
US11396002B2 (en) | 2017-03-28 | 2022-07-26 | Uop Llc | Detecting and correcting problems in liquid lifting in heat exchangers |
US10670027B2 (en) | 2017-03-28 | 2020-06-02 | Uop Llc | Determining quality of gas for rotating equipment in a petrochemical plant or refinery |
US10794644B2 (en) | 2017-03-28 | 2020-10-06 | Uop Llc | Detecting and correcting thermal stresses in heat exchangers in a petrochemical plant or refinery |
US10962302B2 (en) | 2017-03-28 | 2021-03-30 | Uop Llc | Heat exchangers in a petrochemical plant or refinery |
US10663238B2 (en) | 2017-03-28 | 2020-05-26 | Uop Llc | Detecting and correcting maldistribution in heat exchangers in a petrochemical plant or refinery |
US10670353B2 (en) | 2017-03-28 | 2020-06-02 | Uop Llc | Detecting and correcting cross-leakage in heat exchangers in a petrochemical plant or refinery |
US10752845B2 (en) | 2017-03-28 | 2020-08-25 | Uop Llc | Using molecular weight and invariant mapping to determine performance of rotating equipment in a petrochemical plant or refinery |
US11130111B2 (en) | 2017-03-28 | 2021-09-28 | Uop Llc | Air-cooled heat exchangers |
US11037376B2 (en) | 2017-03-28 | 2021-06-15 | Uop Llc | Sensor location for rotating equipment in a petrochemical plant or refinery |
US10844290B2 (en) | 2017-03-28 | 2020-11-24 | Uop Llc | Rotating equipment in a petrochemical plant or refinery |
US10695711B2 (en) | 2017-04-28 | 2020-06-30 | Uop Llc | Remote monitoring of adsorber process units |
IT201700048962A1 (it) * | 2017-05-05 | 2018-11-05 | Comau Spa | "Procedimento per monitorare lo stato di funzionamento di un impianto industriale, relativo impianto industriale e prodotto informatico" |
US10913905B2 (en) | 2017-06-19 | 2021-02-09 | Uop Llc | Catalyst cycle length prediction using eigen analysis |
US11365886B2 (en) | 2017-06-19 | 2022-06-21 | Uop Llc | Remote monitoring of fired heaters |
US10739798B2 (en) | 2017-06-20 | 2020-08-11 | Uop Llc | Incipient temperature excursion mitigation and control |
US11130692B2 (en) | 2017-06-28 | 2021-09-28 | Uop Llc | Process and apparatus for dosing nutrients to a bioreactor |
US10994240B2 (en) | 2017-09-18 | 2021-05-04 | Uop Llc | Remote monitoring of pressure swing adsorption units |
US11194317B2 (en) | 2017-10-02 | 2021-12-07 | Uop Llc | Remote monitoring of chloride treaters using a process simulator based chloride distribution estimate |
US11676061B2 (en) | 2017-10-05 | 2023-06-13 | Honeywell International Inc. | Harnessing machine learning and data analytics for a real time predictive model for a FCC pre-treatment unit |
US11105787B2 (en) | 2017-10-20 | 2021-08-31 | Honeywell International Inc. | System and method to optimize crude oil distillation or other processing by inline analysis of crude oil properties |
US10901403B2 (en) | 2018-02-20 | 2021-01-26 | Uop Llc | Developing linear process models using reactor kinetic equations |
US10734098B2 (en) | 2018-03-30 | 2020-08-04 | Uop Llc | Catalytic dehydrogenation catalyst health index |
US10953377B2 (en) | 2018-12-10 | 2021-03-23 | Uop Llc | Delta temperature control of catalytic dehydrogenation process reactors |
EP3745667B1 (en) * | 2019-05-31 | 2023-01-25 | ABB Schweiz AG | Detection of harmful process intent in an intent-based production process |
DE102019213019B4 (de) * | 2019-08-29 | 2024-08-14 | Wago Verwaltungsgesellschaft Mbh | Verfahren und vorrichtung zum analysieren eines ablaufprozesses |
CN112337259A (zh) * | 2020-10-19 | 2021-02-09 | 周大福珠宝文化产业园(武汉)有限公司 | 废气处理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101124523A (zh) * | 2005-02-15 | 2008-02-13 | Abb研究有限公司 | 用于过程控制系统的诊断设备 |
CN202331167U (zh) * | 2011-11-24 | 2012-07-11 | 西安海联石化科技有限公司 | 基于双机冗余的兰炭生产过程监控系统 |
CN202451143U (zh) * | 2011-12-13 | 2012-09-26 | 西安新生代油田信息工程有限公司 | 一种油田生产气压监控系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5531807A (en) * | 1994-11-30 | 1996-07-02 | Airsep Corporation | Apparatus and method for supplying oxygen to passengers on board aircraft |
US7010459B2 (en) * | 1999-06-25 | 2006-03-07 | Rosemount Inc. | Process device diagnostics using process variable sensor signal |
US20040030419A1 (en) | 2000-11-06 | 2004-02-12 | Takanori Miyasaka | Abnormality diagnosing device and method for mechanical equipment |
HUE052918T2 (hu) | 2006-03-06 | 2021-05-28 | Lummus Technology Inc | PSA nyomásmérõ és vezérlõ rendszer |
CN101536002B (zh) | 2006-11-03 | 2015-02-04 | 气体产品与化学公司 | 用于工艺监控的系统和方法 |
US7789939B2 (en) | 2008-07-29 | 2010-09-07 | Praxair Technology, Inc. | Adsorbent bed repressurization control method |
US8016914B2 (en) | 2009-03-25 | 2011-09-13 | Praxair Technology, Inc. | Adsorption control method and controller |
US8758480B2 (en) * | 2011-09-09 | 2014-06-24 | Torosoleil, Llc | Dynamic and continuous control for pressure swing adsorption |
-
2012
- 2012-12-24 ES ES12199361.2T patent/ES2541277T3/es active Active
- 2012-12-24 EP EP12199361.2A patent/EP2746884B1/en active Active
-
2013
- 2013-01-09 US US13/737,323 patent/US8882883B2/en active Active
- 2013-12-20 CA CA2837961A patent/CA2837961C/en active Active
- 2013-12-24 CN CN201310720006.1A patent/CN103901835B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101124523A (zh) * | 2005-02-15 | 2008-02-13 | Abb研究有限公司 | 用于过程控制系统的诊断设备 |
CN202331167U (zh) * | 2011-11-24 | 2012-07-11 | 西安海联石化科技有限公司 | 基于双机冗余的兰炭生产过程监控系统 |
CN202451143U (zh) * | 2011-12-13 | 2012-09-26 | 西安新生代油田信息工程有限公司 | 一种油田生产气压监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CA2837961A1 (en) | 2014-06-24 |
US8882883B2 (en) | 2014-11-11 |
CA2837961C (en) | 2016-04-05 |
US20140174288A1 (en) | 2014-06-26 |
CN103901835A (zh) | 2014-07-02 |
EP2746884B1 (en) | 2015-04-15 |
ES2541277T3 (es) | 2015-07-17 |
EP2746884A1 (en) | 2014-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103901835B (zh) | 监测和控制稳定厂环境中循环过程单元的设备和方法 | |
US11275357B2 (en) | Event analyzing device, event analyzing system, event analyzing method, and non-transitory computer readable storage medium | |
US20200233408A1 (en) | System and method for monitoring manufacturing | |
US9423793B2 (en) | System, method and computer program for pattern based intelligent control, monitoring and automation | |
US10481195B2 (en) | Distributed IoT based sensor analytics for power line diagnosis | |
EP3078947A1 (en) | Nodal dynamic data acquisition and dissemination | |
Hu et al. | Framework for a smart data analytics platform towards process monitoring and alarm management | |
CN117251812A (zh) | 一种基于大数据分析的高压电力线路运行故障检测方法 | |
JP6504089B2 (ja) | 工程監視装置、工程監視システム、工程監視方法、工程監視プログラム及び記録媒体 | |
CN109611815B (zh) | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 | |
CN105912454A (zh) | 一种系统健康评测方法及装置 | |
EP3759698A1 (en) | Systems and methods for intelligent alarm grouping | |
US12039045B2 (en) | Event analysis in an electric power system | |
CN202648860U (zh) | 测量工业过程中的过程流体的压力的压力变送器和过程变量变送器 | |
CN103970124A (zh) | 工业控制回路多周期振荡的在线检测方法 | |
CN112947290A (zh) | 基于边云协同的设备状态监测方法、监测系统及存储介质 | |
CN105353744A (zh) | 基于物联网的锅炉监控方法 | |
TWI586943B (zh) | enhanced-FFT線上機台振動量測系統與方法 | |
JP2023545098A (ja) | 高分解能電気測定データ処理 | |
CN114235108A (zh) | 基于数据分析燃气流量计异常状态检测方法和装置 | |
JP2008204166A (ja) | プラント監視制御システム | |
Peña et al. | Poincaré plot features and statistical features from current and vibration signals for fault severity classification of helical gear tooth breaks | |
CN116910117A (zh) | 多维度高算力的微气象传感器数据分析系统及方法 | |
Santiago et al. | Predictive Maintenance System for efficiency improvement of heating equipment | |
CN114165430A (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |