CN108351641B

CN108351641B - 预测阀组件的维修需求

Info

Publication number: CN108351641B
Application number: CN201680063294.XA
Authority: CN
Inventors: L.G.舒诺弗; J.S.施赖弗
Original assignee: Dresser LLC
Current assignee: Dresser LLC
Priority date: 2015-10-27
Filing date: 2016-10-17
Publication date: 2022-01-14
Anticipated expiration: 2036-10-17
Also published as: WO2017074727A1; EP3368955A1; EP3368955B1; US10371285B2; CN108351641A; US20170114927A1; ES2890877T3

Abstract

本发明提供了用于预测阀组件上的故障状态的系统和方法。所述方法可以包括用于以下的阶段：将维修变量与阈值标准比较，每一个阈值标准与运行特征有关，所述运行特征使用运行数据量化阀组件的运行，所述阈值标准将在所述运行数据中找到的运行模式与所述阀组件上的故障模式相关联。所述方法还可以包括用于以下的阶段：根据维修变量和阈值标准之间的关系选择维修任务，所述维修任务与故障模式有关。所述方法还可以包括生成传送所述维修任务的输出的阶段。

Description

预测阀组件的维修需求

背景技术

过程流水线包括流控制来调节流体流。这些流控制可以合并各种机械和机电部件。经常，一个或多个部件可能磨损和/或故障，导致流控制的运行变化。最终，这些变化可引起过程流水线中的流体流偏离一个或多个期望的过程参数。

发明内容

本文中公开的主题一般涉及预测阀组件上的维修需求和潜在故障模式。

本文中的一些实施例可以合并元件和特征，所述元件和特征中的一个或多个可互换和/或可以各种组合形式组合，其实例可以包括：

一种系统，其可以包括：管理服务器，其具有可访问可执行指令的处理器，所述可执行指令配置成在由所述管理服务器执行时使所述管理服务器：获取描述阀组件的运行的运行数据；由所述运行数据计算一个或多个运行特征，所述运行特征量化所述阀组件的运行；计算维修变量；将所述维修变量与阈值标准比较，所述阈值标准与所述运行特征有关，所述阈值标准将在所述运行数据中找到的运行模式与阀组件上的故障模式相关联；根据所述维修变量和所述阈值标准之间的关系选择维修任务，所述维修任务与所述故障模式有关；以及生成传送所述维修任务的输出。

此外，在所述系统中，所述维修变量对应于关键性能指标，所述关键性能指标定义所述阀组件的性能。

此外，在所述系统中，所述可执行指令还将所述管理服务器配置成使用所述运行数据计算所述关键性能指标。

此外，在所述系统中，所述阈值标准包括用于所述关键性能指标的最大值。

此外，在所述系统中，所述维修变量包括修改所述运行特征的值的模式系数。

此外，在所述系统中，所述维修变量集成超过一个所述模式系数和超过一个所述运行特征。

此外，在所述系统中，所述维修变量采用线性等式的形式。

此外，在所述系统中，所述可执行指令还将所述管理服务器配置成根据以下计算所述维修变量，

M＝C_iX_i+C_i+nX_i+n...,

其中，M是维修变量，Ci是第一模式系数，Xi是第一运行特征，Ci+n是第二模式系数，Xi＝n是第二运行特征，n是具有连续值的整数。

此外，在所述系统中，所述可执行指令还将所述管理服务器配置成从远程装置接收数据，将所述数据并入到数据训练集中，并使用所述数据训练集计算所述模式系数。

此外，在所述系统中，所述可执行指令还将所述管理服务器配置成根据所述模式系数更新所述维修变量和所述阈值标准之间的关系。

一种阀组合件，其可以包括：阀，其包括闭合构件，所述闭合构件配置成相对于座移动；以及阀定位器，其配置成：获取描述阀组件的运行的运行数据；由运行数据计算一个或多个运行特征，所述运行数据定义所述阀组件的运行，所述运行特征量化所述阀组件的运行；计算维修变量；将所述维修变量与阈值标准比较，所述阈值标准与所述运行特征有关，所述阈值标准将在所述运行数据中找到的运行模式与所述阀组件上的故障模式相关联；根据所述维修变量和所述阈值标准之间的关系选择维修任务，所述维修任务与所述故障模式有关；以及生成传送所述维修任务的输出。

此外，在所述阀组件中，所述维修变量对应于关键性能指标，所述关键性能指标定义所述阀组件的性能。

此外，在所述阀组件中，所述维修变量包括修改所述运行特征的值的模式系数。

此外，在所述阀组件中，所述维修变量集成超过一个所述模式系数和超过一个所述运行特征。

此外，在所述阀组件中，所述阀定位器还配置成根据以下计算所述维修变量：

M＝C_iX_i+C_i+nX_i+n…,

一种方法，其可以包括：获取描述阀组件的运行的运行数据；由所述运行数据计算一个或多个运行特征，所述运行特征量化所述阀组件的运行；计算维修变量；将所述维修变量与阈值标准比较，所述阈值标准与所述运行特征有关，所述阈值标准将在所述运行数据中找到的运行模式与所述阀组件上的故障模式相关联；根据所述维修变量和所述阈值标准之间的关系选择维修任务，所述维修任务与所述故障模式有关；以及生成传送所述维修任务的输出。

此外，在所述方法中，所述维修变量对应于用于关键性能指标的一个或多个值，所述关键性能指标定义所述阀组件的性能。

此外，在所述方法中，所述维修变量包括修改所述运行特征的值的模式系数。

所述方法还包括，根据以下计算所述维修变量：

M＝C_iX_i+C_i+nX_i+n...,

所述方法还进一步包括：接收数据，所述数据定义在所述阀组件上执行的维修任务；将所述数据并入到数据训练集中；以及根据所述数据训练集更新所述第一模式系数和所述第二模式系数。

附图说明

现在简要地参照附图，其中：

图1描绘了配置成预测阀组件上的故障模式的系统的示范性实施例的示意图；

图2描绘了用于预测阀组件上的故障模式的方法的示范性实施例的流程图；

图3描绘了可由图2方法的实施方式产生的数据图；

图4描绘了可由图2方法的实施方式产生的数据图；

图5描绘了图1系统的实例的示意图；

图6描绘了图5阀组件的实例的透视图；

图7描绘了图6阀组件上的阀定位器的分解装配图；以及

图8描绘了用于接收用在图1和图5系统中的数据输入的终端装置的实例的示意图。

在适用的情况下，相同的附图标记在几幅图中指代相同或对应的部件和单元，除非另外指出，否则这些图不是按比例绘制的。本文中公开的实施例可以包括出现在几幅图的一幅或多幅图中或几幅图的组合中的元件。而且，方法只是示范性的，可以通过例如重新排序、增加、去除和/或改变个别阶段来进行修改。

具体实施方式

接下来的讨论描述了方法的实施例，所述方法可以促进对在现场运行的阀组件的预防性维修。这些实施例可以揭示运行数据中与这些装置的某个根本原因或故障模式有关的模式。这些实施例又可以预测特定于阀组件中的一个或多个的问题的开端。这种预测可以触发警报和/或其它指示器，以指导终端用户(例如技术员)执行一个或多个维修和/或服务导向的任务，以避开潜在的担忧和/或问题。为了进一步提高预测质量，通过通常实时地和/或在服务时由终端用户并入更新与根本原因或故障模式有关的信息的特征，这些实施例可以从以往的分析和/或修理(和维修)功能中“学习”。此特征可以改进维修任务的初步识别，以避免不必要的服务呼叫和/或以更准确地诊断所关心装置中的潜在问题。其它实施例也处于所公开主题的范围内。

图1描绘了配置成预测关于阀组件的维修需求的系统100的示意图。系统100可以包括阀组件102，阀组件102具有可以调整装置的运行的阀定位器104。阀定位器104可以与过程控制器106联接，过程控制器106通常为较大的分布式控制系统(或“DCS”系统)的一部分。系统100也可以具有管理服务器108，管理服务器108与过程控制器106通信，在一些情况下，管理服务器108与阀定位器104通信。阀定位器104和管理服务器108各自可以包括处理器110和存储器112。可执行指令114可以以计算机程序(例如固件、软件等)的形式存储在存储器112上，所述计算机程序将相应装置配置成实现某些操作和/或功能。在一种实施方式中，过程控制器106可以向阀定位器104发出命令，阀定位器104可以与过程流水线116上的过程参数对应。阀定位器104又可以处理这些命令，以实现阀118调节通过阀组件102的流的操作。

在高层次上，系统100可以配置成监测阀组件102的运行，以预先制止可能中断过程流水线116的运行的故障。如本文中提到的，这些配置可以将运行数据中的模式与可能出现在阀组件102上的根本原因或故障模式相关联。系统100的使用可以发出警报，所述警报可以用来给终端用户(例如工厂或过程所有人)提供足以执行与故障模式有关的特定维修任务的信息。

系统100可以利用数据的“训练集”适当地指示为避免阀组件102故障所需的维修。此训练集可以聚合来自阀组件102及过程流水线116(或者甚至是多个过程流水线、设施和工厂)上的有关装置的之前和/或当下运行的数据。此数据可以将关于一个或多个装置(例如阀组件102)的运行的信息与维修记录和类似注释相关联，所述注释描述和/或定义问题和对修复对应装置上的这些问题必要的校正动作。

在一种实施方式中，系统100可以被配置成询问训练集中的数据。此配置可以总体上或者具体地识别数据中可能导致问题和/或与问题有关和/或与问题对应的预测模式。系统100可以生成形式为例如等式的一个或多个系数的预测，所述等式有效地将预测模式与可用于预先制止问题的校正动作相关联。系统100可以配置成使用这些系数(以及还有等式)实时地分析来自阀组件102的运行数据。这种分析可以找到与预测模式匹配或者基本相似的模式，并接着提供适当的警报和/或动作以在阀组件102上显现故障状态之前执行维修。

图2描绘了可以利用预测等式执行对阀组件102上的运行数据的实时分析的方法200的示范性实施例的流程图。此图概括了可以体现用于一个或多个计算机执行的方法和/或程序的可执行指令114的各个阶段。在图2中，方法200可以包括在阶段202，获取描述阀组件的运行的运行数据。方法200也可以包括在阶段204，计算与运行数据有关的一个或多个运行特征以量化阀组件的运行。方法200也可以包括在阶段206，将维修变量与阈值标准比较，每一个阈值标准与一个或多个运行特征有关，阈值标准将在运行数据中找到的运行模式与阀组件上的故障模式相关联。方法200也可以包括在步骤208，确定维修变量是否满足阈值标准。如果满足阈值标准，则方法200可以包括在阶段210，根据维修变量和阈值标准之间的关系选择维修任务，维修任务与故障模式有关，并且在一个实例中，在阶段212，生成传送维修任务的输出。另一方面，如果不满足阈值标准，则方法200可以继续阶段202以继续获取运行数据。在一些实施例中，可以修改、组合、省略和/或重新排列上面描述的或在本文中总体描述的方法200中的各个阶段。

在阶段202，方法200可以获取描述阀组件102(图1)的运行的运行数据。运行数据可以包括用于某些运行参数的值，所述运行参数例如设定点(SP)、位置(P)和致动器压力(AP)及其它。可以随时间(t)采集和/或聚合用于运行参数的值作为一个或多个数据集。在一种实施方式中，运行数据和/或数据集可以存储和/或放置在储存库(例如队列、数据库、缓存器等)中以用于方法200和/或作为方法200的一部分。然后接着，方法200可以包括用于以下的一个或多个步骤：访问储存库以检索和/或获得运行数据中的一条或多条以用在普遍阶段中，如下面将讨论的。

运行参数的储存库的实例示于下面的表1中。

表1

数据集	SP	P	AP	t(秒)
					S1	SP1	P1	AP1	1
S2	SP2	P2	AP2	2
					S3	SP3	P3	AP3	3
S4	SP4	P4	AP4	4

表1的运行参数安排为与单个阀组件的运行有关的数据集(S1、S2、S3、S4)。在表1中从左到右移动，数据集中的每一个提供用于设置点(SP)、致动器压力(AP)、位置(P)和时间(t)的值。本公开考虑了存在根据本文中公开的构思可以在每个数据集中包括的宽范围的其它运行参数。运行中，系统100(图1)可以直接从阀组件102(图1)或者通过中间部件例如管理服务器108(图1)获得运行数据。方法200可以包括用于以下的步骤：根据一个或多个采样参数(例如样本时间、样本大小等)对运行数据采样。

在阶段204，例如，方法200可以使用运行数据计算(或确定)一个或多个运行特征。在一种实施方式中，运行特征可以采用用于关键性能指标(“KPI”)的一个或多个值，所述关键性能指标可用于定义阀组件102的性能。关键性能指标的实例可以定义用于摩擦、弹簧范围、延迟、粘滑和性能的类似指标的值。方法200可以包括用于以下的一个或多个阶段：以数学方式由运行数据计算所述值，例如使用用于表1中示出的和在本文中讨论的运行参数的值。在其它实施方式中，运行特征可以与基于时间的趋势或类似运行趋势(或运动)对应，所述趋势(或运动)可以在运行数据中观察到。这些基于时间的趋势可以用于识别运行参数中的一个(例如设定点(SP))随时间的变化；在另一实例中，基于时间的趋势可以量化一个或多个关键性能指标的值的变化，因为用于关键性能指标的值与运行参数有关。

例如，在阶段206，方法200可以将维修变量与阈值标准比较。方法200还可以包括用于计算维修变量的一个或多个阶段。通常，维修变量可以采用与阀组件102(图1)的运行有关和/或描述阀组件102(图1)的运行的各种值。在一种实施方式中，维修变量可以与下面的等式(1)对应，

M＝X, 等式(1)

其中，M是维修变量，X是运行特征。如上面指出的，可以给运行特征X分配某一值，此值与阀组件102(图1)运行的一个或多个KPI、趋势和类似指标相关联。对于趋势，用于运行特征X的值可以量化特定的运行特征的性能的相对量度。此相对量度的实例可以识别方向(例如上升和/或下降)、标度(例如增大和/或减小)和发生(例如存在和/或不存在)及其它。这些相对量度可以使用适合量化趋势的任何度量，包括例如使用0(例如对于运行特征的趋势的下降和/或向下方向)和1(例如对于运行特征的趋势的上升和/或向上方向)的二进制度量。

可以使用模式系数来计算维修变量，模式系数修改运行特征X的值。此模式系数的实例可以对应于预测模式，其预测(或被用来预测)阀组件102上可能出现的故障模式。在一种实施方式中，维修变量可以与下面的等式(2)对应，

M＝C*X, 等式(2)

其中，C是修改运行特征X的模式系数。在另一种实施方式中，维修变量可以集成超过一个运行特征和/或超过一个模式系数，如下面的等式(3)所示的：

M＝C_iX_i+C_i+nX_i+n..., 等式(3)

其中，M是维修变量，C_i是第一模式系数，X_i是第一运行特征，C_i+n是第二模式系数，X_i+n是第二运行特征，n可以是具有连续值(例如1、2、3、…)的整数，在一些实施例中，n可以是100或者更大。多个运行特征(和模式系数C_i)的集成可以采用线性等式(如上面显示)的形式；不过，本公开考虑了方法200的使用，在方法200中，集成是非线性的(例如二次方程式的)和/或总是更复杂的。

可以从一个或多个模式识别和/或机器学习技术(总称为“模式识别技术”或简称“技术”)导出用于模式系数C的值。这些技术可以使用概率和/或统计因素来最佳地将数据中的模式与特定的故障模式和/或运行相关的结果相关联。在一种实施方式中，方法200可以适合通过一个或多个神经网络和/或机器学习技术运行，所述神经网络和/或机器学习技术可以自主地将运行数据与维修数据聚合在一起，以基于数据预测所需的维修。

执行所述技术的过程可以对闭合的或“监管的”数据样本操作，本文中可以体现为数据训练集。如上文指出的，数据训练集可以包括定义阀组件的运行和维修以作为正常(或标准)维修程序和/或现场服务运行的一部分的信息。数据训练集可以将信息安排为一个或多个个别的数据集，每个数据集具有定义阀组件102(和/或多个阀组件)的运行的多条信息。数据集中的信息可以包括用于运行参数和运行特征的值。数据集中的每一个还可以将信息与对维修期间发现的一个或多个故障模式(或故障的根本原因)的响应进行量化的条目相关联。训练集可以被获取和存储和/或保存在储存库(例如队列、数据库、缓存器等)中。

训练集数据的储存库的实例如下面的表2所显示的。

表2

表2的训练集数据包括与两个阀组件(例如V₁和V₂)的运行有关的数据集。在表2中从左到右移动，数据集中的每一个提供用于运行参数(例如设定点(SP)、致动器压力(AP)、位置(P)和时间(t))的值，用于运行特征(例如关键性能指标)的值和关于针对每个数据集中的信息是否需要维修的二进制指示(例如0、1)。二进制指示在本文中可用于提供实施例的一种实施方式；本公开考虑了本文中的技术可以使用从简单(例如字母、数字等)到复杂(例如编写语句、自然语言描述符等)的不同复杂水平的其它指示。

模式识别技术可以定义一个或多个算法，所述一个或多个算法使用数据训练集(例如表2的训练集数据)中的信息确定用于模式系数C_i的值。此值可以在执行方法200之前被确定，不过使用本文中讨论的范围和内容，也可以实现这些算法的同时运行。在一种实施方式中，模式识别技术的算法可以与各种数学概念相关联，所述数学概念运行以找到最小化使用等式(2)和类似计算计算出的维修变量M的误差的用于模式系数C_i的值。这些概念包括例如“最陡下降法”(或“梯度下降”)，“共轭梯度法”及类似的迭代函数和算法。在一种实施方式中，方法200可以包括用于以下的一个或多个阶段：接收和/或从储存库和/或存储存储器中检索用于模式系数C_i的值。在其它实施例中，根据需要，方法200可以包括用于确定模式系数C的值和/或用于更新用于模式系数C_i的值的一个或多个阶段。对于更新，方法200的阶段可以包括用于将数据写入数据训练集(例如表2)的一个或多个阶段。此数据可以体现在阀组件(例如V₁和V₂)的生命周期运行期间采集到数据训练集中的新条目。数据训练集中的更新信息可以增进机器学习，这是通过扩展信息的宽度实现的，所述信息可用于预测在过程流水线116(图1)或者更具体地在现场的多条过程流水线、设施、工厂中发现的阀组件上的潜在故障和/或潜在故障根本原因。

方法200的一些实施例可以依赖于运行数据中的可观察趋势。这些观察可以代替可以与模式识别技术相符的算法和/或其它基于数学的分析进行。在一种实施方式中，方法200可以包括用于以下的一个或多个阶段：找到一个时段(例如一天、一星期、一个月等)上运行数据和/或运行特征中的趋势，并将趋势与维修任务相关联。所述趋势可以指示某些运行的增大(或减小)趋势。这些趋势又可以要求进行某些维修，这将使趋势稳定和/或使趋势改变方向以回到标称和/或默认水平。

在阶段208，方法200可以确定计算出的维修变量是否满足阈值标准。方法200可以包括这样的阶段：识别在维修变量和阈值标准之间的相对位置(例如大于、小于、等于、不等于等)。阈值标准的实例可以用于指示阀组件(例如阀组件102)需要维修以预先制止故障状态。这些实例可以包括最大值和/或最小值，其中的一个可以与维修变量的配置相关联。在一种实施方式中，当维修变量M只体现运行特征X(如上面的等式(1)所示的)时，方法200可以使用阈值标准识别用于维修变量的值超过用于例如关键性能指标(KPI)的最大值，因此将检测到与其相关联的故障模式的存在。

方法200还可以配置有使维修变量M与阈值标准TC相等的阶段。阈值标准TC的实例可以是任何数字值(例如0和/或1)，其可用于区分用于维修变量M的计算出的值，以用于识别维修任务的目的。在一种实施方式中，方法200可以包括用于以下的一个或多个阶段：将计算出的维修变量M与阈值标准TC比较。此比较可以识别这两个值之间的关系。方法200又可以使用此关系识别适合解决与维修变量M相关联的问题的维修任务。在一种实施方式中，用于维修变量M的值若大于阈值标准TC则需要维修任务，用于维修变量M的值若小于阈值标准TC则不需要维修任务。

图3和图4提供了图形表示以说明方法200识别维修任务的一种实施方式。这些图形表示包括使上面等式(7)的运算可视化的数据图形，以计算维修变量M，并理解维修变量M的值与阈值标准TC的关系。此关系可以确定特定的阀组件的维修任务。

图3描绘了方法200分析两个运行特征X₁和X₂的通用实施方式的图形。该图形在两个数据组(例如第一组10和第二组20)中安排用于维修变量M的计算出的值。组10和组20由阈值线T分开，阈值线T本身体现对模式系数C₁和C₂和如本文中讨论的由模式识别技术对训练集运行产生的维修变量M的实际值的给定组合确定的误差值。

图4描绘了方法200确定维修任务的更具体实施方式的图形。此实施方式使用这样的运行特征，其定义粘滑循环(X₁)的幅值和设定点循环(X₂)的幅值。在此实例中，阈值线T可用于将需要维修的阀组件(例如第一组10)与不需要维修的阀组件(例如第二组20)分开。在此特定的实例中，阈值线T定义用于阈值标准TC的值，其可以指示粘滑循环X1和设定点循环X2的特定组合指示出现在阀组件本身(例如第一组10)上的循环或者指示过程(例如第二组20)中的变化产生的循环。

在阶段210，方法200可以选择适合的维修任务。维修任务的实例可以要求终端用户至少测试阀组件102(图1)以确认预测分析的结果。对于图4的实例，终端用户可能需要润滑识别为处于第一组10中的阀组件。这些阀组件的运行数据指示阀循环的问题，这些问题又可以使阀组件调节流体流的操作受到阻碍。

在阶段212，方法200可以生成输出。此输出可以体现适合组成(例如消息、可听声音等)的警报。警报可以指示问题和/或针对阀组件102的问题的对应维修任务或解决方案。此警报可以针对终端用户(例如工厂操作员、技术员等)；例如，警报可以运行作为附带软件程序的输入，终端用户使用所述附带软件程序管理工厂运行和/或装置诊断。所述输入可以使附带软件程序修改用户界面以请求终端用户的动作(例如输入)。警报的实例可以要求或请求终端用户验证故障模式和/或增加关于实际检查和/或维修阀组件102时出现的任何不同发现的附加注释和/或记号。这些增加信息可以包括在训练集中，以更新用在例如等式(2)或等式(3)中的模式系数中的一个或多个。

如上面提到的，实施例可以配置成随时间演化或“学习”。方法200可以包括例如用于以下的一个或多个阶段：接收定义在阀组件上执行的维修任务的数据。此新数据可以包括附加注释和/或记号，其识别与使用上面陈述的各个阶段一开始预测的维修任务不同的维修任务。接着，方法200可以包括以下一个或多个阶段：将新数据并入到训练集(例如表2)中，并且将新数据与在装置上出现维修任务时普遍存在的运行参数和/或运行特征相关联。参照上面的等式(3)，方法200还可以包括用于以下的一个或多个阶段：根据数据训练集更新第一模式系数和第二模式系数。

这些实施例可以随时间聚合数据以更好地限定运行数据(和运行特征)和维修任务之间的关系。这些特征可以更准确地诊断问题，通过避免不合适的和/或不适时的对过程流水线的维修和服务呼叫，有效地降低维修成本。实际上，方法200可以用于现场人员利用新数据探索和/或重新评估装置的运行。例如，方法200可以包括用于以下的一个或多个阶段：根据在维修任务和运行特征之间建立的新模式系数和/或新关系，分析在特殊安装处的装置。这些阶段可以使终端用户基于新的或“学习到的”信息识别之前没有诊断有特定问题现在却被认为有问题的阀。在一种实施方式中，方法200可以配置有用于以下的阶段：基于数据训练集中的变化自动化地分析所有装置。

讨论现在转到可以执行方法100的装置和系统的配置。图5、图6和图7描绘了可以使用本文中公开的实施例的阀组件102(图5和图6)和系统100(图5)的实例。这些实例可以用于管理工业过程流水线中的过程流体，所述工业过程流水线通常为集中在化工生产、精炼生产和资源开采的行业典型的。图5说明了作为过程控制系统的一部分的阀组件的示意图。图6示出了示范性阀组件的透视图。图7提供了阀定位器的部件的分解装配图。

在图5中，阀定位器104可以与致动器120联接以操作阀118。阀118可以包括杆122、闭合构件124和座126。阀定位器104还可以与位置传感器128联接，位置传感器128可以配置成生成输入信号。位置传感器128的实例可以包括接近传感器、转换器(例如霍尔效应传感器)及类似装置。管理服务器108可以配置成检索并处理与阀组件102的运行有关的运行数据。这些过程可以生成输出，所述输出可用来执行装置诊断，所述装置诊断定义和识别在过程流水线116上使用期间阀组件102的有问题的操作。管理服务器108可以配置成运行特定的诊断和/或操作软件和程序以用于数据分析。

系统100可以包括网络系统130，网络系统130包括网络132。网络132的实例可以通过有线协议(例如4-20mA,

Fieldbus,

等)和/或无线协议传输数据、信息和信号，这些协议中许多用在工厂或制造厂自动化环境中。这些协议可以促进通过网络132在阀定位器104、过程控制器106、管理服务器108、终端134和/或外部服务器136之间的通信。运行期间，过程控制器106可以执行一个或多个计算机程序以将命令信号传送至阀定位器104。命令信号可以识别闭合构件124的被命令位置。阀定位器104可以使用被命令位置调节送到致动器118的仪表用气体，并有效地使闭合构件124相对座126移动。如本文中指出的，组件中来自位置传感器128的反馈可以给阀定位器104提供阀杆122的位置。此位置与闭合构件124相对于座126的方位和/或位置对应。

方法200和其实施例的实施方式可以配置系统100的特定部件以具有可用来自动地识别和导出维修警报的特定功能。阀定位器104例如可以执行方法200的所有阶段，并且可以在阀组件102上提供必要的警报。在一种实施方式中，管理服务器108可以配置成执行实施例；在此配置中，管理服务器108可以将控制信号(也称作“输入”)提供至阀定位器104，所述控制信号根据需要包括与可以命令阀定位器104调节阀120的运行以在适当维修出现之前避免潜在问题和/或预先制止问题的警报有关的数据。在其它实施方式中，阀定位器104和管理服务器108一起和/或与系统100的其它部件结合，可以配置成执行本文中考虑的更新校准变量的阶段。

在图6的实例中，阀组件102可以包括具有主体140的流体联轴节138，主体140具有第一入口/出口142和第二入口/出口144。流体联轴节138可以包括阀的在主体140内部的各个部件，因此，这些部件(例如图5的闭合构件124和座126)在当前视图中没有示出。此结构可以调节入口/出口142、144之间的过程流体F_P的流动。

图7以分解形式描绘了阀定位器104。如上面指出的，阀定位器104可以具有生成送到致动器118的气动信号的部件。阀定位器104可以具有多个定位器部件(例如转换器部件146、继电器部件148和处理部件150)。阀定位器104还可以具有外壳152。一个或多个盖(例如第一盖154和第二盖156)可以与外壳152固定，以形成围绕定位器部件146、148、150的封闭壳。此封闭壳可以保护定位器部件不受阀组件102周围的环境中普遍存在的条件的影响。阀定位器104还可以包括一个或多个量规(例如第一量规158和第二量规160)，其可以提供阀定位器104操作阀组件102中的阀使用的仪表用气体的流动状态(例如压力、流速等)的指示。在一个实例中，定位器部件146、148、150的运行可以保持阀构件在主体140中的位置，以调节通过入口/出口142、144的过程流体F_P的流动。

数据可以驻存在数据源上，通常是在阀定位器104的一个或多个存储器本地，不过，本公开还考虑了数据驻存在系统100上的配置。例如，数据源可以与管理服务器108集成和/或作为外部服务器136的一部分。在数据源处，数据可以安排成包括一个或多个数据样本的一个或多个数据集。所述数据集可以由指示符(例如日期戳、时间戳、日期/时间戳等)识别，所述指示符与收集和/或(例如在存储器中)存储数据集中的数据样本的年代时间有关。对于方法的实时使用，数据样本可以被读取到缓存器中和/或类似配置的存储介质中，其允许容易地访问数据样本，以给方法提供年代相关数据，将必要的数据处理时间延迟考虑进来。在一个实施例中，所述方法可以包括用于以下的一个或多个阶段：从数据源获得和/或检索数据。

图8描绘了可以用来捕获信息以用在如本文中提到的训练集中的终端134的实例的示意图。终端134可以采用形状因子162，例如移动和/或静止。在一种实施方式中，形状因子可以体现为平板电脑、智能电话和/或类似输入装置，终端用户可以将其携带到现场以输入数据和/或接收警报。这些装置可以包括显示器164以将用户界面166呈现给终端用户。用户界面166可以包括一个或多个字段，通常是装置标识字段168、显示控制字段170和数据查看和输入字段172。

在高层次上，用户界面166给终端用户提供在现场捕获与阀组件(和/或装置)的运行有关的数据的工具。装置标识字段168可以提供一个或多个可视指示以识别这些装置。对于粒度，可视指示可以包括序列号、图像和/或针对特定阀组件的其它识别信息。用户界面166上的信息又可以确认该特定的阀组件并与该特定的阀组件有关。在一种实施方式中，用户界面166可以配置成响应于来自终端用户的选择修改信息，例如通过点击显示控制字段170上的图标，以选择不同的阀组件。此特征对于裁剪数据查看和输入字段172中发现的信息可特别有用。字段172可以配置成以表格格式和/或图表显示运行数据值和运行特征。这些值随时间的趋势图可以有助于改进问题诊断以及确认维修任务。在这方面，字段172还可以配置成从终端用户接收具有新数据的输入，所述新数据与维修任务有关。此特征可以对终端用户用来更新训练集是有益的，有效地捕获关于终端用户在服务时间执行(或不执行)的维修任务的注释和/或记号。如上面指出的，此新数据可以有助于促进“学习”以提高本文中公开的实施例的预测行为。

鉴于前面所述，本文中的实施例可以预测阀组件上的故障状态。至少一个示范性技术效果是提供警报和/或指示，这可以有利于维修以避免装置故障。

只要相关数据存在和/或以其它方式可访问，所述实施例可以在任何装置上执行。例如，所述实施例可以实现为阀定位器上的可执行指令(例如固件、硬件、软件等)。阀定位器可以将实施例的输出传送至分布式控制系统、资产管理系统、独立监测计算装置(例如桌面计算机、膝上型计算机、平板电脑、智能电话、移动装置等)。在另一个实施例中，实施例可以从历史源(例如储存库、存储器等)获得数据，并发送至独立的诊断计算装置。历史源通常连接至资产管理系统或分布式控制系统。诊断计算装置具有监测计算机的所有能力，通常还有执行可执行指令以便实施例处理给定数据的附加能力。在另一个实施例中，阀定位器配置成通过线路或以无线方式以及通过周边免费信道(例如通过中间装置，例如DCS或可以直接连接至诊断计算机)将数据发送至诊断计算装置。

所述方法的阶段中的一个或多个可以编码为一个或多个可执行指令(例如硬件、固件、软件、软件程序等)。这些可执行指令可以是计算机执行的方法和/或程序的一部分，其可以由处理器和/或处理装置执行。如本文中陈述的，处理器可以配置成执行这些可执行指令，以及处理输入，生成输出。例如，软件可以在过程装置、诊断服务器上运行和/或作为单独的计算机、平板电脑、膝上型计算机、智能电话、可穿戴装置和类似计算装置上的软件、应用程序或可执行指令的其它聚合。这些装置可显示用户界面(也称作“图形用户界面”)，其允许终端用户与软件交互以查看和输入如本文中考虑的信息和数据。

计算部件(例如存储器和处理器)可以体现为硬件，其与其它硬件(例如电路)合并以形成被设计成执行计算机程序和/或可执行指令(例如形式为固件和软件)的整体和/或单件单元。此类型的示范性电路包括分立元件，例如电阻器、晶体管、二极管、开关和电容器。处理器的实例包括微处理器和其它逻辑器件，例如现场可编程门阵列(“FPGA”)和专用集成电路(“ASIC”)。存储器包括易失性和非易失性存储器，并且可以存储形式为和/或包括软件(或固件)指令和配置设置的可执行指令。尽管所有的分立元件、电路和装置分别以具有电气领域的普遍技能的技术人员通常理解的方式工作，但其组合和集成成功能电气组和电路通常提供本文中公开和描述的概念。

本公开的各方面可以体现为系统、方法或计算机程序产品。所述实施例可采取完全硬件实施例、完全软件实施例(包括固件、软件等)或组合软件方面和硬件方面的实施例的形式，通常全部所述实施例在本文中都可被称作“电路”、“模块”或“系统”。计算机程序产品可以体现一个或多个非瞬态计算机可读介质，其上体现了计算机可读程序代码。

可以一种或多种编程语言的任何组合编写用于执行所公开主题的各方面的操作的计算机程序代码，所述编程语言包括面向对象的编程语言和传统的编程语言。可以使用任何适当的介质传输计算机可读介质上体现的程序代码，包括但不限于无线、有线、光纤电缆、RF等或前述的任何适合组合。

如本文所使用，以单数形式叙述并且跟在词语“一”或“一个/种”后的元件或功能应理解为不排除复数个所述元件或功能，除非明确陈述此类排除。此外，对要求保护的本发明的“一个实施例”的提及不应解释为排除同样并入所述特征的额外实施例的存在。

此书面描述使用实例来公开本发明，包括最佳模式，并且还使所属领域的技术人员能够实践本发明，包括制造和使用任何装置或系统以及执行任何所并入的方法。本发明的可获专利的范围由权利要求书界定，且可包括所属领域的技术人员所想到的其它实例。如果此类其它实例具有并非不同于权利要求书的字面语言的结构要素，或如果它们包括与权利要求书的字面语言无实质差异的等效结构要素，那么此类其它实例希望在权利要求书的范围内。

Claims

1.一种用于预测对于阀组件的维修需求的方法，包括：

获取描述过程流水线上的阀组件的运行的运行数据；

从所述运行数据计算对于粘滑循环的幅值和对于设定点循环的幅值；

计算维修变量，其中所述维修变量包括修改对于粘滑循环的幅值和对于设定点循环的幅值的模式系数；

将所述维修变量与阈值标准比较，所述阈值标准与对于粘滑循环的幅值和对于设定点循环的幅值相关，所述阈值标准将数据区分成两组，其中第一组指示需要维修的阀组件，而第二组指示不需要维修的阀组件；

其中所述维修变量根据以下计算：

,

其中，M是所述维修变量，Ci是第一模式系数，Xi是第一运行特征，Ci+n是第二模式系数，Xi+n是第二运行特征，而n是具有连续值的整数；

根据所述维修变量和所述阈值标准之间的关系选择维修任务，其中所述维修任务与所述阀组件上的粘滑相关，所述粘滑响应于粘滑循环和设定点循环的组合处于第一组，所述组合指示发生在所述阀组件本身上的循环；

使用所述维修任务来保持所述过程流水线的运行，所述阀组件安装在所述过程流水线上，

生成呈警报形式的输出，其对应于对所述阀组件的修正动作；以及

导致所述阀组件调节阀的运行以响应于控制信号改变穿过所述阀组件的流，所述控制信号与所述警报相关，从而避免会中断所述过程流水线的运行的所述阀组件上的故障状态。

2.根据权利要求1所述的方法，其中，所述维修变量集成超过一个所述模式系数。

3.根据权利要求1所述的方法，其中，所述维修变量采用线性等式的形式。

4.根据权利要求1所述的方法，还包括：

根据所述模式系数更新所述维修变量和所述阈值标准之间的关系。

5.根据权利要求1所述的方法，其中，所述维修变量包括模式系数，所述模式系数修改对于粘滑循环的幅值和对于设定点循环的幅值的值。

6.根据权利要求1所述的方法，其中，所述维修变量集成超过一个所述模式系数和超过一个运行特征。

7.根据权利要求1所述的方法，其中，所述维修变量对应于一个或多个值，所述一个或多个值用于对于粘滑循环的幅值和对于设定点循环的幅值，其定义了所述阀组件的性能。

8.根据权利要求1所述的方法，还包括：

接收运行数据，所述运行数据定义在所述阀组件上执行的所述维修任务；

将所述运行数据并入到数据训练集中；以及

根据所述数据训练集更新所述第一模式系数和所述第二模式系数。