CN111352396A

CN111352396A - 确定直到需要服务动作为止的时间间隔的方法

Info

Publication number: CN111352396A
Application number: CN201911310240.0A
Authority: CN
Inventors: 迪米特里·韦西埃
Original assignee: Endress and Hauser Messtechnik GmbH and Co KG
Current assignee: Endress and Hauser Deutschland GmbH and Co KG
Priority date: 2018-12-20
Filing date: 2019-12-18
Publication date: 2020-06-30
Also published as: US11019413B2; EP3671385B1; EP3671385A1; US20200204887A1

Abstract

本发明涉及一种确定直到需要服务动作为止的时间间隔的方法，包括步骤：预定与测量或监视自动化技术的过程特定应用中的介质的至少一个过程变量的现场设备的测量性能相关联/有关的测量特性的最大公差，如果测量特性达到或者超过预定的最大公差，则过程特定应用中的现场设备的测量性能是不可接受的；连续地记录现场设备的测量特性；估计滞后时间间隔，所估计的滞后时间间隔取决于过程特定应用中的现场设备的测量特性的漂移；使用人工智能的方法，在所估计的滞后时间间隔结束时，来确定直到现场设备的测量特性将漂移到预定的公差范围以外为止的剩余时间间隔；生成通知直到需要服务动作为止的剩余时间间隔的消息。

Description

确定直到需要服务动作为止的时间间隔的方法

技术领域

本发明涉及一种确定直到现场设备的测量特性将漂移到预定的最大测量公差以外并且需要服务动作为止的剩余时间间隔的方法，其中，现场设备正在测量或监视自动化技术的过程特定应用中的介质的至少一个过程变量。

背景技术

在自动化技术中，现场设备用于确定或监视介质的过程变量。这类现场设备的示例是：填充水平测量装置、质量流量测量装置、压力和温度测量装置等，它们作为传感器，记录相应的过程变量：填充水平、质量流量、压力、和温度。诸如例如阀门或泵的致动器用于影响过程变量。它们能够改变一段管道中的液体的流量或者水箱或容器中的介质的填充水平。此类现场设备由Endress+Hauser集团制造并供应。

现场设备经由现场总线系统，例如过程现场总线PA、基金会现场总线、HART等，被连接到上级单元，例如控制系统。控制系统用于管理过程控制、过程可视化、过程监视，并且用于设置现场设备的参数。

通常，表示过程变量的量的测量数据或者测量值和现场设备的相应的测量指示之间的最大允许误差基于工业标准或者另一参考。在超过最大允许误差的情况下，现场设备被认为与标准或参考不一致。因此需要对测量设备进行调整、维修、或者更换。通常根据在校准程序期间获得的数据执行必需的调整。它们包括，例如，对测量指示的偏移、增益和/或范围的调整。

如果测量误差不超过最大允许误差，则声明现场设备的一致性并且通常不必须采取进一步的措施。为了确保现场设备满足特定测量特性，例如规定的测量精度，和/或符合标准，则定期提供维护。

Endress+Hauser集团正在供应许多具有心跳功能的现场设备。这样的现场设备使用适当的传感器和/或处理特定测量特性，该测量特性提供关于每个单独的现场设备的健康状态的信息。

被安装在自动化系统中的现场设备的无故障运行确保平稳和可靠的过程。由于个别现场设备的故障造成的正在运行的过程的打断/中断能够导致重大的损失。此外，应该最小化警报的数量。警报应该仅在临界状态下不可避免时设置。

为了保证现场设备的无故障运行，在固定的服务间隔检查现场设备。在通常由服务技术员完成的定期服务检查期间，更换磨损部件并且，尤其地，对易发生故障的部件进行更认真的检查。例如当现场设备的重要部件已被维修或更换时，需要对设备进行重新校准。当现场设备受到物理损坏或者现场设备的校准密封受损时，也需要重新校准。此外，现场设备的光学印模可以是进行重新校准的原因。

现场设备用于不同的应用中和不同的过程条件下。给定稳定的过程条件，例如，在恒温时，均质液体在水箱中的情况下。在研磨性或腐蚀性液体的情况下，或者当沉积形成可能时，则过程条件更为关键。

稳定的环境条件是，例如：低湿度、无喷水、常温、无灰尘和/或无振动。在这种情况下，服务间隔可以很长。临界环境条件可以是，如果现场设备用于建筑物外和/或遭受极端的环境条件，例如高温和低温变化、高湿度和/或强振动。这类现场设备需要更短的服务间隔。

服务间隔的最佳长度取决于多重因素。

通常，现场设备的服务间隔由制造商推荐。在这种情况下，仅不足地考虑应用特定因素。一些现场设备仅用于过程变量(例如压力传感器)的可视化。与可能导致整条生产线关闭的装瓶厂的流量计的故障相比，这类现场设备的故障对生产过程的重要性可能更低。

因为服务动作导致损失，只要可能就应当避免短-间隔服务动作。另一方面，现场设备的故障能够导致不受控制的生产停止，并且这可能成本非常高。因此，对于工厂操作者来说，单独地确定，即取决于实际的环境和/或过程条件，现场设备的服务间隔是非常重要的。此外，应该仅在现场设备的临界状态设置错误报警。

在WO 2011/109133 A1中，描述了一种用于在现场设备的连续维护服务之间确定最优化的服务间隔的方法，该方法适应于在现场设备的操作现场占主导地位的条件。根据该方法，基于服务信息，例如，在现场设备的操作现场占主导地位的应用特定参数、设备-特定参数、以及来自现场设备的先前校准的历史数据和校准数据，来确定连续服务动作之间的时间间隔。

因此，在例如经受极端温度、温度变化、压力和/或压力变化，或暴露于研磨性和/或化学侵蚀性产品的恶劣环境下操作的设备的服务间隔比在更友好的条件下操作的设备的服务间隔短的多。不幸的是，总应用相同的方法来优化校准间隔通常是不安全的。其主要原因是通常不可能预测最初完全兼容的设备何时或在哪个时间尺度将产生相关测量误差。

发明内容

本发明的目的是提供一种为现场设备确定单独的服务间隔的可靠的方法。

服务动作本身可以是，例如，现场设备的重新校准、现场设备的敏感部件的清洁、现场设备的替换或现场设备的缺陷部件的更换。

该问题通过一种确定直到现场设备的测量特性将漂移到预定的最大公差以外并且需要服务动作为止的剩余时间间隔的方法来解决，其中，现场设备正在测量或者监视自动化技术的过程特定应用中的介质的至少一个过程变量，包括以下步骤：

预定测量特性的最大公差，其中，如果测量特性在预定的最大公差以外，则过程特定应用中的现场设备的测量性能是不可接受的；

连续记录现场设备的测量特性；

估计滞后时间间隔，其中所估计的滞后时间间隔取决于过程特定应用中的现场设备的测量特性的漂移；

使用人工智能的方法，在所估计的滞后时间间隔结束时，来确定直到现场设备的测量特性将漂移到预定的最大公差以外为止的剩余时间间隔；

生成通知直到需要服务动作为止的剩余时间间隔的消息。

测量特性的最大公差与相应的应用中的现场设备的最大允许漂移相对应，该最大允许漂移通常由因为，例如，严酷的环境条件或现场设备的逐渐出现的故障的测量特性的漂移导致。也可能存在与最大公差设置相关的其他进程特定或现场设备特定影响。

测量特性可以是，例如测量误差。如前已经所述的，漂移特别是正在增长的测量误差到目前为止很关键，因为一旦达到或超过预定的最大允许误差公差，则过程中的现场设备的所要求的测量精度就再也不能达到。测量误差能够通过将现场设备的测量数据与具有可能更高的精度的监视相同的例如温度的过程变量的至少一个冗余的现场设备的测量数据进行比较来确定。市场上也存在Endress+Hauser集团的自校准温度传感器(TRUSTSENS)，如果过程的温度达到某一值，该自校准温度传感器自动重新校准。校准数据提供有关测量的漂移的信息。原则上，现场设备的测量特性可以是能够给出有关现场设备的测量性能中的漂移的信息的任何量。测量特性可以是在容器中的介质的给定高度处确定的雷达信号的幅度，或者它可以是提供关于现场设备的健康的信息的电阻。

本发明方法的改进包括以下步骤：

基于在给定时间间隔期间优选地连续记录的现场设备的测量特性来估计滞后时间间隔。可替代地，能够基于例如服务技术员或者工厂操作者的专业知识来估计过程特定应用中的现场设备的滞后时间间隔。可能存在现场设备具有2天的滞后时间的应用，其中，同一现场设备在另一过程环境中可能具有半年的滞后时间。

基于与过去某一时间间隔期间的现场设备的测量特性有关或者相关联的连续采样数据来确定滞后时间间隔。基于该信息，使用数学预测方法来预测直到测量特性将达到最大允许公差为止的剩余时间间隔。优选地，使用蒙特卡洛仿真进行考虑直到“故障”为止的剩余时间间隔的预测。有关蒙特卡洛仿真的一些详细信息在EP 2602680B1中公开。通常，但是限于我们的情况，蒙特卡洛仿真使用统计方法来预测特定应用中特定现场设备的测量特性随时间的预期的增长(或衰减)。该预测基于过去某一时间间隔期间现场设备的测量特性的行为。该时间间隔被称为滞后时间间隔。

因为可获得测量特性的更多周期性收集的样本，剩余时间间隔的预测的可靠性更精确。此外，了解数据的方差很重要。如果方差，即误差方差σ²/n增长，则有必要用更大数量n的样本，即表示测量特性的数据，以在所预测的剩余时间间隔中达到犹如方差很低一样的相同的置信度。但是现有技术中也存在已知的方差减少方法。尽管蒙特卡洛仿真是用于确定/预测直到下一服务动作为止的剩余时间间隔的优选方法，也可以使用，例如，神经网络、SARIMA或例如深度学习的由人工智能所知的任何其他方法来做出预测。

该方法的进一步改进包括以下步骤：

如果排除现场设备的测量特性将因为漂移而在随后的时间间隔内达到公差，则生成指示现场设备的测量性能良好的状态消息，其中，时间间隔优选大小为滞后时间间隔的若干k₁倍(k₁∈[1,n],n>1)；

如果现场设备的测量特性将因为漂移而在大小为滞后时间间隔的k₂倍(k₂∈[0,k₁])的随后的时间间隔的一部分k₂内并且在大小为滞后时间间隔的k₁倍的随后的时间间隔中的一个中达到最大公差，则生成指示现场设备的测量性能正在下降的警告状态信息；

如果现场设备的测量特性将因为漂移而在大小比k₂倍的滞后时间间隔小的随后的时间间隔的一部分内达到最大公差，则生成指示现场设备接近最大公差的临界状态信息。仅在生成了临界状态信息的情况下，操作者必须立即行动——至少如果现场设备在该特定应用中实现了基本功能。

本发明的方法和/或其一个或多个前面描述的改进的进一步改进包括以下步骤：

如果现场设备的测量特性在滞后时间间隔结束时已经达到或超过公差，则生成故障消息。该消息通常将设置警报——至少如果现场设备在其应用中实现了基本功能。

根据本发明的优选实施例，生成现场设备的状态消息的置信水平，其中，该置信水平提供有关所确定的剩余时间间隔的可靠性的信息。置信水平通常是用于确定/预测直到下一服务动作必要时为止的剩余时间的统计预测方法的附加结果。

本发明的方法和其前面描述的改进的进一步的实施例包括以下步骤：使用相对于滞后时间间隔的所预测的到故障的剩余时间的非线性变换来确定置信水平。与本发明有关的到故障的时间意指直到下一服务动作应当或者必须发生为止的时间间隔。特别地，以百分比提供置信水平。接近0％的百分比指示低置信水平，接近100％的百分比指示高置信水平。

非线性变换增加或减少变量之间的线性关系。变量t的非线性变换f(t)的示例是平方根t或者t的倒数。优选地，关于所预测的剩余时间间隔的最低的置信水平大约为15％，并且最高的置信水平大约为95％。很明显，与置信水平相关的其他值也是可接受的。

综上所述——也包括改进，本发明提供操作者做某事或者保持原样所需要的所有的信息。预测剩余时间间隔，提供相应的状态信息以及剩余时间间隔的预测的置信水平。得到所有这些信息，没有经验的操作者也能够立即发起必要的动作。优选地，信息也例如经由互联网直接提供给外部服务人员。具有所有可用的信息，早在严重的问题发生以前，采取措施来补救过程系统中的问题是相当简单的。

综上所述，本发明涉及一种基于时间间隔预测的确定何时和用哪个置信度而需要服务动作以确保预期可靠性的方法。

附图说明

下面的图将更详细地说明本发明和本发明的改进。

图1示出了自动化系统的通信网络的示意图，

图2示出了处于良好状态的现场设备随时间的测量特性图，

图3示出了处于警告状态的现场设备随时间的测量特性图，

图4示出了处于警告状态的现场设备随时间的测量特性图，

图5示出了处于临界状态的现场设备随时间的测量特性图，以及

图6示出了如何确定置信水平的示意图。

图7示出了生成了消息的置信水平的示意图。

具体实施方式

图1示出了包括最重要的组件的自动化系统的通信网络KN的示意图。被连接到数据总线D1的是一些计算机单元(工作站)WS1、WS2。此外，能够使用便携式服务单元BT，例如移动电话、PAD或膝上型计算机，来可视化测量数据或者服务现场设备FD。

每个计算机单元可用作上级控制单元，该上级控制单元用于过程可视化、过程监视和用于工程，以及用于与现场设备FD交互和监视现场设备FD。例如，数据总线D1根据过程现场总线DP标准或基金会现场总线的HSE(高速以太网标准)工作。经由充当链接设备或者段耦合器的网关G1，数据总线D1被连接到现场总线段SM1。现场总线段SM1由被连接到现场总线FB的多个现场设备FD组成。现场设备FD可以包括传感器和致动器。现场总线FB根据已知的现场总线标准、过程现场总线、基金会现场总线或HART中的一个工作。无线通信也是可能的。显然，本发明也涉及经由通常与HART通信结合的4-20mA与控制单元通信的独立现场设备。

本发明方法确定/预测直到现场设备FD的测量特性将漂移到预定的最大公差T以外并且需要服务动作为止的剩余时间间隔RTI。现场设备FD正在测量或者监视自动化技术的过程特定应用中的介质的至少一个过程变量。通常，如果被安装在自动化技术的过程中的现场设备FD的特定测量精度不再能够保证，则现场设备必须被服务。如前已经所述的，例如，由于严酷的环境条件或者现场设备组件的逐渐缺陷，现场设备的测量特性的漂移可以慢或者快。根据本发明，基于过去的，尤其是在所预定的滞后时间间隔LTI期间的现场设备的测量特性的行为，预测直到下一服务动作必要为止的剩余时间间隔。滞后时间间隔LTI基于与过去的给定的时间间隔期间的现场设备的测量特性有关或者相关联的连续记录的数据。可替代地，能够基于专业知识来确定现场设备的滞后时间间隔LTI。例如，在特殊关键过程特定应用中，可以是这种情况。

在下一步骤中，预定测量特性的最大公差，其中，如果测量特性达到或在所预定的最大公差以外，则过程特定应用中的现场设备FD的测量性能是不可接受的。接下来，连续记录现场设备的测量特性。确定滞后时间间隔LTI，其中，所估计的滞后时间间隔LTI取决于过程特定应用中在其先前操作期间的现场设备FD的测量特性的漂移；

使用人工智能的方法，在所估计的滞后时间间隔LTI结束时来确定直到现场设备的测量特性将漂移到所预定的最大公差以外为止的剩余时间间隔；

生成通知直到需要服务动作为止的剩余时间间隔的消息。

此外，本发明提出操作者正在得到有关直到现场设备FD必须被服务为止的所预测的剩余时间间隔RTI的可靠性的信息作为改进。提供了不同的状态消息。这些状态消息基于测量特性的不同漂移行为。示例在图2至图5中示出。图中总是示出正漂移。当然，负漂移也是可能的。

图2示出了处于良好状态的现场设备FD随时间的测量特性的图。预测出剩余时间间隔RTI为130天。假设因子k₁＝2且滞后时间为20天，则所预测的剩余时间RTI超过为2×20天＝40天的随后的时间间隔。这导致良好状态和对于该预测的95％的置信水平。操作者可以安全地让现场设备FD运行，并等待直到将来确认测量漂移为止。

图3示出了处于警告状态的现场设备FD随时间的测量特性的图。预测出剩余时间RTI间隔为24天。假设因子的下一个子集k₁＝2；k₂＝0.1并且滞后时间间隔为20天，则所预测的剩余时间RTI低于为2×20天＝40天的随后的时间间隔并且超过为0.1×20天＝2天的随后的时间间隔的一部分。这一系列导致具有已计算的69％的置信水平的警告状态。取决于现场设备FD在过程中实现的功能，操作者可以决定所预测的剩余时间间隔RTI是否将耗尽，或者是否早些发起服务动作。

图4示出了处于警告状态的现场设备随时间的测量特性的图。在这种情况下，预测直到必须进行下一服务动作为止的剩余时间间隔RTI为2天14小时。假设与之前相同的设置，现场设备FD仍出现在警告状态，但是现在所计算出的置信水平为93％。这是操作员立即采取适当的服务措施的明确指示。

图5示出了处于临界状态的现场设备FD随时间的测量特性的图。假设仍相同的设置，因为剩余时间间隔RTI为1天4个小时并且因此比被定义为0.1×20天＝2天的随后的时间间隔的一部分少，现场设备出现在临界状态。置信水平高——大约94％。必须立即发起服务动作。在这种临界情况下设置警报。

如前所述，除了直到预期下一服务动作为止的所预测的剩余时间间隔RTI以外，本发明方法提供了关于所预测的剩余时间间隔RTI的可靠性的信息的置信水平CL。置信水平CL的确定在图6和图7中可视化。

非线性变换f(t)中的一个，f₁(t)用于预测直到现场设备FD达到最大公差T并且因此达到现场设备FD的测量性能的限制为止的剩余时间间隔RTI的置信水平CL。置信水平CL优地以百分比给出，其中，接近0％的百分比指示低置信水平CL并且接近100％的百分比指示高置信水平CL。如果置信水平CL在约15％到95％的范围内，则是有利的。该范围的限制能够由操作者任意地设置。通常，下限范围与结合本发明实际使用的预测方法有关，并且上限范围与置信水平CL的测量不确定性有关。

如图7所示，在剩余时间间隔RTI上的非线性变换的应用具有置信水平CL在剩余时间间隔RTI的初始范围中几乎线性下降，而在所预测的剩余时间间隔RTI的结束范围中不成比例地快速下降的效果。在进入未来的未来中预测更困难并且不确定性。

Claims

1.一种确定直到现场设备(FD)的测量特性(MC)将漂移到预定的公差范围以外并且需要服务动作为止的剩余时间间隔(RTI)的方法，其中，所述现场设备(FD)正在测量或者监视自动化技术的过程特定应用(AP)中的介质的至少一个过程变量，包括以下步骤：

预定与所述现场设备(FD)的测量性能相关联或有关的所述测量特性(MC)的最大公差(T)，其中，如果所述测量特性(MC)达到或者超过所述预定的最大公差(T)，则所述过程特定应用(AP)中的所述现场设备(FD)的所述测量性能是不可接受的；

连续记录所述现场设备(FD)的所述测量特性(MC)；

估计滞后时间间隔(LTI)，其中，所估计的滞后时间间隔(LTI)取决于所述过程特定应用(AP)中的所述现场设备(FD)的所述测量特性(MC)的漂移；

使用人工智能的方法，在所估计的滞后时间间隔(LTI)结束时，确定直到所述现场设备(FD)的所述测量特性(MC)将漂移到所述预定的最大公差(T)以外为止的所述剩余时间间隔(RTI)；

生成通知直到需要所述服务动作为止的所述剩余时间间隔(RTI)的消息。

2.根据权利要求1所述的方法，包括以下步骤：

基于在过去时间间隔(TI)期间连续记录的与所述现场设备(FD)的所述测量特性(MC)有关或者相关联的数据估计所述滞后时间间隔(LTI)。

3.根据权利要求1所述的方法，包括以下步骤：

基于专业知识估计所述过程特定应用(AP)中的所述现场设备(FD)的所述滞后时间间隔(LTI)。

4.根据权利要求1、2或者3所述的方法，还包括下列步骤中的一个：

如果排除所述现场设备(FD)的所述测量特性(MC)将因为漂移而在随后的时间间隔(STI)中达到所述最大公差(T)，则生成指示所述现场设备(FD)的所述测量性能良好的状态消息，其中，时间间隔优选大小为所述滞后时间间隔(LTI)的若干倍，k₁，其中k₁∈[1,n],n>1；

如果所述现场设备(FD)的所述测量特性(MC)将因为漂移而在大小为所述滞后时间间隔(LTI)的k₂倍的随后的时间间隔(STI)的一部分(k₂)内并且在大小为所述滞后时间间隔(LTI)的k₁倍的随后的时间间隔中的一个中达到所述最大公差(T)，则生成指示所述现场设备(FD)的所述测量性能正在下降的警告状态消息(M)，其中k₂∈[0,k₁]；

如果所述现场设备(FD)的所述测量特性将因为漂移而在大小比滞后时间间隔(LTI)的k₂倍小的随后的时间间隔(STI)的部分内，达到所述最大公差(T)，则生成指示所述现场设备(FD)的所述测量性能接近所述最大公差(T)的临界状态消息(M)，其中k₂∈[0,k₁]。

5.根据权利要求1、2或者3所述的方法，包括以下步骤：

如果所述现场设备(FD)的所述测量特性在所述滞后时间间隔(LTI)结束时已经达到或者超过所述最大公差(T)，则生成故障消息。

6.根据权利要求1到5中至少一项所述的方法，包括以下步骤：

确定所述现场设备(FD)的所生成的状态消息的置信水平(CL)，其中，所述置信水平(CL)提供有关所确定/所预测的剩余时间间隔(RTI)的可靠性的信息。

7.根据权利要求6所述的方法，包括以下步骤：

使用相对于所述滞后时间间隔(LTI)的所确定的剩余时间间隔(RTI)的非线性变换(f(t))来确定所述置信水平(CL)。

8.根据权利要求6或权利要求7所述的方法，包括以下步骤：

以百分比提供所述置信水平(CL)，其中，接近0％的百分比指示低置信水平(CL)并且接近100％的百分比指示高置信水平(CL)。