CN112396344A - 一种基于产品质量的化工过程可靠性在线评估方法 - Google Patents
一种基于产品质量的化工过程可靠性在线评估方法 Download PDFInfo
- Publication number
- CN112396344A CN112396344A CN202011378803.2A CN202011378803A CN112396344A CN 112396344 A CN112396344 A CN 112396344A CN 202011378803 A CN202011378803 A CN 202011378803A CN 112396344 A CN112396344 A CN 112396344A
- Authority
- CN
- China
- Prior art keywords
- chemical process
- data
- product quality
- reliability
- quality
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于产品质量的化工过程可靠性在线评估方法,首先利用质量预测模型,构建化工过程数据与离线质量检测数据的回归关系,通过分析过程变量对此预测模型的贡献,从质量角度量化过程变量重要性,进而提出一种新的损失函数,通过计算各重要质量变量与期望值的偏差,综合量化化工过程运行状态是否可靠,即是否运行在最佳操作状态附近。本发明方法充分考虑到化工过程的产品质量是行业重点关注的因素,弥补现有可靠性评估方法只注重经济效益的不足,从产品质量角度评估运行状态与理想操作状态的偏离程度,从而量化化工过程运行状态可靠性。对进一步提高和完善化工过程的安全管控能力至关重要。
Description
技术领域
本发明属于化工过程安全管控应用技术领域,具体涉及一种利用基于产品质量的损失函数在线评估化工过程生产可靠性的方法。
背景技术
化工过程的安全性一直以来是业内人士关注的焦点,然而目前主流的方法大多认为产品质量控制属于过程优化的范围,同时由于化工过程的产品质量多为成分含量,产品检测间隔长,采样频率远低于传感器数据采集频率,检测结果具有时滞性,因此目前主要从经济或者安全角度评估化工过程运行状态的可靠性而忽略了产品质量漂移等所提供的宝贵线索。
产品质量不仅关系到工厂的经济消息,也是评估其过程可靠性的重要因素。对于化工过程中产品质量的监督,一般采用的是采样后离线检测的方法。这种方法具有比较明显的缺点,人为操作产生的误差较大。即使化工过程尚处于能够安全生产的状态,但产品质量偏离期望值,的确能在一定程度上反应生产过程运行过程中的潜在危险,为进一步提高化工过程安全生产提供宝贵线索。
随着计算机技术的快速发展,收集和存储数据能力的改善,各种机器学习算法的广泛应用,使得产品质量的在线预测得到了广泛应用。基于产品质量预测,从产品质量角度评估化工过程运行状态的可靠性,改善化工过程生产安全监控的方法,从而提高产品质量检测对化工过程操作的指导作用,进一步提高化工过程可靠性成为可能。
化工过程数据一般分为两类,一类是DCS系统等通过传感器采集的化工过程数据,一类是离线质量检测数据。化工过程数据的采集频率一般为每分钟一次或者更高,而离线质量检测数据需要通过离线的设备进行测量及处理,所以采集的频率远低于化工过程数据。但是产品质量是否合格能在很大程度上反应化工过程运行状态的可靠性。
发明内容
为了解决现有技术中存在的问题,本发明提供一种基于产品质量的化工过程可靠性在线评估方法,解决现有技术中主要从经济或者安全角度评估化工过程运行状态的可靠性而忽略了产品质量漂移等所提供的宝贵线索,从而对生产过程运行过程中的潜在危险不能准确评估的问题。
本发明的技术方案为:
一种基于产品质量的化工过程可靠性在线评估方法,包括以下步骤:
首先采集数据,从化工厂数据中心收集固定时以内的化工过程数据以及产品质量检测数据,结合历史数据走势,分析评估化工过程安全平稳高效运行的阶段,提取这个阶段的数据;保留离线产品质量检测数据和传感器采集的化工过程数据;
进行预处理,由于化工过程数据与离线质量数据的采样频率不同,所以需要进行样本比对、标识使其与离线质量数据的时间标签相互对应;
构建产品质量预测模型,将传感器数据作为输入,离线质量检测数据作为输出,训练回归模型,得到离线质量检测数据与传感器数据的回归系数,作为量化过程变量对产品质量影响力的主要依据;
计算和优化损失函数参数,结合化工过程系统正常运行阶段的历史数据,确定每个过程变量的目标值;损失函数中的形状参数ρ可通过遗传算法或其他优化算法进行优化;
采集待评估的化工过程数据,利用损失函数实时评估计算化工过程运行状态的可靠性损失。
所述损失函数为:
其中L(Q)代表产品质量损失,ρ代表形状参数,n是过程变量的数量,xi代表第i个过程变量的观测值,ai是其对应的目标值,βi是第i个过程变量回归系数的绝对值,形状参数ρ可以通过遗传算法等进行优化,过程变量目标值ai可以参照专家知识指导或者采取化工过程平稳运行阶段的数据的平均值。
所述化工过程可靠性R通过如下函数估算:
R=1-L(Q)
其中L(Q)代表产品质量损失。
本发明有益效果:
本发明方法充分利用数据挖掘在处理黑箱问题方面的优势,从产品质量角度量化过程变量相对于各自期望值的偏离程度,在线实时评估化工过程运行状况的可靠性。首先利用质量预测模型,构建化工过程数据与离线质量检测数据的回归关系,通过分析过程变量对此预测模型的贡献,从质量角度量化过程变量重要性,进而提出一种新的损失函数,通过计算各重要质量变量与期望值的偏差,综合量化化工过程运行状态是否可靠,即是否运行在最佳操作状态附近。本方法旨在从质量损失角度实时在线评估化工过程系统运行状态的可靠性。
本方法作为一种基于产品质量的化工过程运行状态可靠性实时评估方法,充分考虑到化工过程的产品质量是行业重点关注的因素,弥补现有可靠性评估方法只注重经济效益的不足,从产品质量角度评估运行状态与理想操作状态的偏离程度,从而量化化工过程运行状态可靠性。充分考虑化工过程产品采样间隔时间长,质量指标滞后的特点,训练并构建化工过程变量和产品质量变量的预测模型,利用回归系数量化过程变量对产品质量影响的重要性,进而提出基于产品质量的运行状态损失函数评估化工过程操作状态的可靠性,对进一步提高和完善化工过程的安全管控能力至关重要。
附图说明
图1.化工过程系统可靠性评估流程图;
图2.化工过程系统可靠性评估流程示意图;
图3某化工过程产品可靠性。
具体实施方式
为了使本发明技术手段,目的更加通俗易懂,下面结合附图进一步阐述本发明。
如图1所示,本发明提供一种基于产品质量的化工过程运行状态可靠性实时在线评估方法。化工过程产品质量是化工厂重点关注的对象之一。充分考虑化工产品质量离线检测的滞后性和低频性等特点,以及目前衡量化工过程可靠性仅注重经济损失的现状出发,提出了本发明。通过回归算法训练传感器采集的过程变量和离线检测的产品质量,利用回归系数和提出的新的损失函数估算化工过程产品质量损失,从而对化工过程操作提出建议。
1.数据采集。
从化工厂数据中心采集一定时间以内的传感器采集的数据以及产品质量检测数据,结合历史数据走势,分析评估化工过程安全平稳高效运行的阶段,提取这个阶段的数据。保留产品质量检测数据和化工过程数据。
2.数据预处理
由于传感器采集到的过程数据与离线产品质量检测数据的采样频率不同,所以需要根据其具体的采集时间,删减部分化工过程数据从而使其与产品质量检测数据在时间上对齐。
3.回归算法训练
将产品的质量检测变量作为输出,对应时刻的化工过程数据作为输入,利用2中预处理后的数据构建并训练回归模型(如偏最小二乘等)。
4.计算和优化损失函数参数
在专家知识和现场技术人员的指导下,结合化工过程系统正常运行阶段的历史数据,确定每个过程变量的目标值。损失函数中的形状参数ρ可通过遗传算法或其他优化算法进行优化。
5.估算化工过程可靠性
结合3、4中得到的回归系数、过程变量目标值以及形状参数,将待估计时刻的过程变量数据带入损失函数。
损失函数评估的是化工过程可靠性的损失,化工过程的可靠性R的估算通过如下算式计算:
R=1-L(Q)
图3是某化工过程可靠性估算结果图,可以看到,在发生故障后短短两个小时内化工过程可靠性就呈现明显降低。通过本方法,可以较早地预测到化工过程可靠性下降的趋势,从而及时采取措施减少经济损失。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (3)
1.一种基于产品质量的化工过程可靠性在线评估方法,其特征在于,包括以下步骤:
首先采集数据,从化工厂数据中心收集固定时以内的化工过程数据以及产品质量检测数据,结合历史数据走势,分析评估化工过程安全平稳高效运行的阶段,提取这个阶段的数据;保留离线产品质量检测数据和传感器采集的化工过程数据;
进行预处理,由于化工过程数据与离线质量数据的采样频率不同,所以需要进行样本比对、标识使其与离线质量数据的时间标签相互对应;
构建产品质量预测模型,将传感器数据作为输入,离线质量检测数据作为输出,训练回归模型,得到离线质量检测数据与传感器数据的回归系数,作为量化过程变量对产品质量影响力的主要依据;
计算和优化损失函数参数,结合化工过程系统正常运行阶段的历史数据,确定每个过程变量的目标值;损失函数中的形状参数ρ可通过遗传算法或其他优化算法进行优化;
采集待评估的化工过程数据,利用损失函数实时评估计算化工过程运行状态的可靠性损失。
3.根据权利要求1所述基于产品质量的化工过程可靠性在线评估方法,其特征在于,所述化工过程可靠性R通过如下函数估算:
R=1-L(Q)
其中L(Q)代表产品质量损失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011378803.2A CN112396344A (zh) | 2020-11-30 | 2020-11-30 | 一种基于产品质量的化工过程可靠性在线评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011378803.2A CN112396344A (zh) | 2020-11-30 | 2020-11-30 | 一种基于产品质量的化工过程可靠性在线评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112396344A true CN112396344A (zh) | 2021-02-23 |
Family
ID=74604852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011378803.2A Pending CN112396344A (zh) | 2020-11-30 | 2020-11-30 | 一种基于产品质量的化工过程可靠性在线评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396344A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033523A (zh) * | 2009-09-25 | 2011-04-27 | 上海宝钢工业检测公司 | 基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法 |
CN106845796A (zh) * | 2016-12-28 | 2017-06-13 | 中南大学 | 一种加氢裂化流程产品质量在线预测方法 |
CN108181105A (zh) * | 2017-11-28 | 2018-06-19 | 杭州安脉盛智能技术有限公司 | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
CN109523086A (zh) * | 2018-11-26 | 2019-03-26 | 浙江蓝卓工业互联网信息技术有限公司 | 基于随机森林的化工产品的质量预测方法及系统 |
CN109550712A (zh) * | 2018-12-29 | 2019-04-02 | 杭州慧知连科技有限公司 | 一种化纤丝尾丝外观缺陷检测系统及方法 |
CN110456756A (zh) * | 2019-03-25 | 2019-11-15 | 中南大学 | 一种适用于连续生产过程全局运行状况在线评估的方法 |
CN111141704A (zh) * | 2020-02-21 | 2020-05-12 | 江南大学 | 一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法 |
CN111401749A (zh) * | 2020-03-17 | 2020-07-10 | 三峡大学 | 一种基于随机森林与极限学习回归的动态安全评估方法 |
CN111398287A (zh) * | 2019-11-29 | 2020-07-10 | 合肥国轩高科动力能源有限公司 | 一种电池极片划痕检测系统及检测方法 |
CN111797919A (zh) * | 2020-06-30 | 2020-10-20 | 三峡大学 | 一种基于主成分分析与卷积神经网络的动态安全评估方法 |
-
2020
- 2020-11-30 CN CN202011378803.2A patent/CN112396344A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033523A (zh) * | 2009-09-25 | 2011-04-27 | 上海宝钢工业检测公司 | 基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
CN106845796A (zh) * | 2016-12-28 | 2017-06-13 | 中南大学 | 一种加氢裂化流程产品质量在线预测方法 |
CN108181105A (zh) * | 2017-11-28 | 2018-06-19 | 杭州安脉盛智能技术有限公司 | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 |
CN109523086A (zh) * | 2018-11-26 | 2019-03-26 | 浙江蓝卓工业互联网信息技术有限公司 | 基于随机森林的化工产品的质量预测方法及系统 |
CN109550712A (zh) * | 2018-12-29 | 2019-04-02 | 杭州慧知连科技有限公司 | 一种化纤丝尾丝外观缺陷检测系统及方法 |
CN110456756A (zh) * | 2019-03-25 | 2019-11-15 | 中南大学 | 一种适用于连续生产过程全局运行状况在线评估的方法 |
CN111398287A (zh) * | 2019-11-29 | 2020-07-10 | 合肥国轩高科动力能源有限公司 | 一种电池极片划痕检测系统及检测方法 |
CN111141704A (zh) * | 2020-02-21 | 2020-05-12 | 江南大学 | 一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法 |
CN111401749A (zh) * | 2020-03-17 | 2020-07-10 | 三峡大学 | 一种基于随机森林与极限学习回归的动态安全评估方法 |
CN111797919A (zh) * | 2020-06-30 | 2020-10-20 | 三峡大学 | 一种基于主成分分析与卷积神经网络的动态安全评估方法 |
Non-Patent Citations (2)
Title |
---|
匡芬 等: ""基于质量损失的加工过程可靠性评估方法"", 《计算机集成制造系统》 * |
宋凯: ""基于PLS的统计质量监控研究与应用"", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275288B (zh) | 基于XGBoost的多维数据异常检测方法与装置 | |
CN109459993B (zh) | 一种流程工业过程在线自适应故障监测与诊断方法 | |
CN104932488B (zh) | 一种模型预测控制性能评估与诊断方法 | |
CN112527788A (zh) | 变压器监测数据异常值检测与清洗的方法及装置 | |
CN109146246B (zh) | 一种基于自动编码器和贝叶斯网络的故障检测方法 | |
CN111949700B (zh) | 用于石化装置的智能安全保障实时优化方法及系统 | |
CN116341771B (zh) | 一种耐低温电缆生产工艺智能优化方法及系统 | |
CN109446189A (zh) | 一种工业参数离群点检测系统及方法 | |
CN113305645B (zh) | 一种基于混合神经模型的数控机床刀具剩余寿命预测方法 | |
CN113657221B (zh) | 一种基于智能感知技术的电厂设备状态监测方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN116335925B (zh) | 基于数据增强的煤矿井下乳化泵站智能调控系统 | |
CN108280424A (zh) | 一种基于稀疏编码的滚动轴承剩余寿命预测方法 | |
CN116823175B (zh) | 一种石油化工生产信息化系统智能运维方法及系统 | |
CN115222141A (zh) | 一种多变量时序异常检测方法、系统、介质、设备及终端 | |
CN116938676A (zh) | 一种基于数据源分析的通信风险联合预警方法 | |
CN116755411A (zh) | 一种工业设备数据采集方法及装置 | |
CN118154174A (zh) | 一种工业设备智慧运维云平台 | |
CN114962239A (zh) | 一种基于智能物联网的设备故障检测方法 | |
CN116610105B (zh) | 一种基于数据融合的轧机机械运行故障监测方法及系统 | |
CN116602435A (zh) | 一种基于机器学习的制丝单机内烟丝水分变化分析方法 | |
CN112396344A (zh) | 一种基于产品质量的化工过程可靠性在线评估方法 | |
CN116401545A (zh) | 一种多模型融合的水轮机振摆分析方法 | |
CN116561691A (zh) | 基于无监督学习机制的电厂辅机设备异常工况检测方法 | |
CN117076260B (zh) | 一种参数及设备异常检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210223 |