CN115129146A - 用于识别关键性能指示符的方法 - Google Patents

用于识别关键性能指示符的方法 Download PDF

Info

Publication number
CN115129146A
CN115129146A CN202210168732.6A CN202210168732A CN115129146A CN 115129146 A CN115129146 A CN 115129146A CN 202210168732 A CN202210168732 A CN 202210168732A CN 115129146 A CN115129146 A CN 115129146A
Authority
CN
China
Prior art keywords
kpi
tag
tags
data
memory
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
Application number
CN202210168732.6A
Other languages
English (en)
Inventor
A·罗伯特
安德鲁·J·特伦查德
阿南德·纳拉扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN115129146A publication Critical patent/CN115129146A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4188Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by CIM planning or realisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/451Execution arrangements for user interfaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04Manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Human Computer Interaction (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Lock And Its Accessories (AREA)

Abstract

本发明提供了一种方法和设备,该方法和设备使用用于由工业过程控制和自动化系统运行的工业过程的历史过程数据,该工业过程控制和自动化系统具有处理设备并由标签名称识别。标签名称和过程数据存储在数据库中,并且处理器和存储器实施关键性能指示符(KPI)标签系统,该KPI标签系统从存储在数据库中的标签名称列表和数据值识别初级KPI和次级KPI,并且从存储存储器中的所提取的KPI标签的初级KPI和次级KPI提取一组KPI标签。在另一个实施方案中,KPI标签系统导入工业过程中使用的所有人机界面(HMI)显示文件,并且识别显示文件标签名称和到其他HMI显示文件的链路。使用制炼厂的资产模型和到其他HMI显示器的链路,识别1级HMI显示器,并且KPI标签系统生成并存储用于所识别的1级HMI显示器的KPI标签。

Description

用于识别关键性能指示符的方法
技术领域
本公开整体涉及工业过程控制和自动化系统。更具体地,本公开涉及用于从现有工业过程控制和自动化系统数据和人机界面(HMI)显示文件识别KPI标签的方法。
背景技术
连续加工工业诸如炼油厂和发电厂具有使产量最大化、使损失最小化并提高整个制炼厂使用期间的效率的经营目标。此类工业中的员工对其操作的过程的参数保持连续监督,以满足生产目标。为了维持制炼厂的全景,导出一组目标的关键性能指示符(KPI)。KPI是一种明确定义的测量值,其以对其在生产过程中涉及的安全、数量、能量、质量和成本的观点监测、分析和优化生产过程。
该过程的操作性能和相关经济效益通常由一个或多个KPI定义。通常,KPI是基于通常由传感器最初生成的过程参数的函数的重要操作目标或计算的KPI值。KPI值的示例包括生产过程中涉及的过程吞吐量、转换效率、安全、数量、能量、质量和成本。采集实时连续KPI值并将其存储在数据历史数据库中,该数据历史数据库还存储来自传感器的过程数据,该传感器提供与过程控制和自动化系统分离且不被利用的长期数据存储装置。
若干软件应用程序已部署在加工工业中,以有助于工厂操作者有效地监测并控制其过程。然而,对KPI标签的选择通常留给工厂操作者进行选择和判断。通常基于操作者监测制炼厂的知识和操作体验来手动识别对KPI的选择和识别。对于需要将KPI数据显示或使用为制炼厂的KPI标签的任何软件应用程序,将由操作者手动选择、配置和维护。对KPI标签的任何改变也需要手动更新。因此,对于能够提供从工业过程控制和自动化系统数据自动识别KPI标签的方法可能是有利的。
发明内容
本公开涉及一种用于从现有工业过程控制和自动化系统数据自动识别KPI标签的方法和系统。
在第一实施方案中,提供了一种方法,该方法使用用于由工业过程控制和自动化系统运行的工业过程的历史过程数据,该工业过程控制和自动化系统具有由标签名称识别的处理设备。标签名称和过程数据存储在数据库中,并且处理器和存储器实施关键性能指示符(KPI)标签系统,该KPI标签系统采集存储在数据库中的标签名称列表和数据值。KPI标签系统从标签名称和过程值检测KPI标签系统初级KPI。该方法的KPI标签系统还从标签名称和过程值检测次级KPI,并且从初级KPI和次级KPI提取一组KPI标签,并且将所提取的KPI标签存储在存储器中。
在第二实施方案中,提供了一种计算设备,该计算设备包括具有相关联的存储器的处理器,该处理器被配置用于实施关键性能指示符(KPI)标签系统,该KPI标签系统支持由工业过程控制和自动化系统运行的工业过程,该工业过程控制和自动化系统具有处理设备,该处理设备包括标签名称和过程数据的数据库。KPI标签系统从数据库采集标签名称列表和过程数据,并且从所采集的标签名称列表和过程数据检测初级KPI。KPI标签系统还从标签名称列表和过程数据检测次级KPI,并且从初级KPI和次级KPI提取一组KPI标签,从而将所提取的KPI标签存储在存储器中。
在第三实施方案中,提供了一种方法,该方法使用用于将由具有处理设备的工业过程控制和自动化系统运行的工业过程可视化的人机界面(HMI)显示文件。该HMI显示文件包括驻留在HMI显示文件中以及实施关键性能指示符(KPI)标签系统的处理器和存储器的标签名称。KPI标签系统导入工业过程中使用的所有HMI显示文件,并且识别显示文件标签名称和到其他HMI显示文件的链路。KPI标签系统还使用制炼厂的资产模型进行识别,使用到其他HMI显示器的链路和资产模型识别工业过程的1级HMI显示器。KPI标签系统生成用于所识别的1级HMI显示器的KPI标签并将其存储在存储器中。
从以下附图、描述和权利要求书中,其他技术特征对本领域的技术人员是显而易见的。
附图说明
为了更完整地理解本公开,现在结合附图参考以下描述,在附图中:
图1示出了根据本公开的示例性工业过程控制和自动化系统;
图2示出了根据本公开的支持从工业过程控制和自动化系统数据自动识别KPI标签的示例性设备;
图3示出了根据本公开的示例性实施方案的表示用于从现有工业过程控制和自动化系统数据自动化识别KPI标签的方法的示例性框图;
图4示出了根据本公开的1级HMI显示器的示例;并且
图5示出了根据本公开的另一个示例性实施方案的表示用于从HMI显示文件自动化识别KPI标签的方法的示例性框图。
具体实施方式
这些图(下文所讨论)以及用于描述本发明在该专利文献中的原理的各种实施方案仅以例证的方式进行,并且不应理解为以任何方式限制本发明的范围。本领域的技术人员将理解,本发明的原理可以在任何类型的适当布置的设备或系统中实现。
如上所述,工业过程控制器是例行用于控制制炼厂的工业过程的操作的一种类型的过程控制器。此类过程控制器可有助于改善连续的或其他工业过程的性能。例如,在工业过程中,使用基于模型的控制器,受控变量(CV)一般表示可被测量或推断的过程变量以及理想情况下被控制在位于或接近期望设定点或在期望的值范围内的过程变量。操纵变量(MV)一般表示可被调节以便改变一个或多个受控变量的过程变量。扰动变量(DV)一般表示其值可被考虑但是无法被控制的过程变量。作为一个简单示例,通过管道的材料的流速可表示受控变量,针对控制材料的流速的阀门的阀开度可表示操纵变量,并且管道或阀门周围的环境温度可表示扰动变量。
工业过程控制器在过程控制和自动化系统中的实施通常需要大量的时间、金钱和努力投资。然而,即使具有高的最初成本,一般期望的是这些成本可以在实施方案的数月而不是数周内恢复。因此,对于使用KPI标签来维持系统控制器的性能以便实现系统控制器保证的益处变为有利的。不幸的是,除非正确选择并应用KPI标签,否则由于过程和控制器的操作、操作者动作和人工约束的操作条件的改变,在许多情况下,由于KPI标签不正确选择,因此过程控制和自动化系统的性能通常随时间推移而恶化。
控制器的维护通常需要有经验的并经过训练的工程师,这些工程师可以供不应求。一些控制工程师通常也难以维持整个场所处的所有基于模型的控制器。监测应用越来越多地用于有助于控制工程师快速检测问题并诊断可能原因。这些应用提供关键KPI,以有助于控制工程师检测问题。然而,即使具有常规控制器和监测工具,各种工业也仍然面临许多挑战。例如,常规监测工具中的许多KPI指示符是非常专业的,并且需要另外的技能来理解和解释以便采取有效的动作。另外,在技术人员供不应求的情况下,通常有用或重要的是根据财务影响优先化问题,但当前监测工具不提供该洞察。此外,过程操作团队可能难以理解多个控制器和监测工具的互连,并且操作经理可能难以提供必要的监督。
本公开提供了用于从工业控制和自动化系统的过程数据识别KPI标签的各种方法。KPI标签的自动化生成可以使系统控制器的性能退化的影响最小化。包括在经济术语中表达的影响,诸如货币损失。对KPI的不正确选择可能将制炼厂影响为“失去机会的成本”含义,在该文档中,影响测量不以其全电位操作的制炼厂和其控制器的成本。当然,可通过其他方式来表达不以其全电位操作的制炼厂的影响,诸如过量的材料使用、过量的能量使用或减少的产品产量。指示“失去机会的成本”的“成本”也可以用作过量的材料使用、过量的能量使用、减少的产品产量或其他影响的测量。
图1示出了根据本公开的示例性工业过程控制和自动化系统100。如图1所示,系统100包括有利于生产或加工至少一个产品或其他材料的各种部件。例如,系统100可用于有利于对一个或多个工业厂房中的部件的控制。每个工厂表示一个或多个加工设施(或其一个或多个部分),诸如用于生产至少一种产品或其他材料的一个或多个制造设施。一般来说,每个工厂可实现一个或多个工业过程并且可单独地或共同地称为过程系统。过程系统通常表示被配置为以某种方式加工一种或多种产品或其他材料的其任何系统或部分。
在图1中,系统100包括一个或多个传感器102a和一个或多个致动器102b。传感器102a和致动器102b表示过程系统中可执行各种各样的功能中的任一种功能的部件。例如,传感器102a可测量过程系统中的各种各样的特性,诸如流量、压力或温度。另外,致动器102b可以改变过程系统中的各种各样的特性,诸如阀开度。传感器102a中的每个传感器包括用于测量过程系统中的一个或多个特性的任何合适的结构。致动器102b中的每个致动器包括用于在过程系统中对一个或多个条件进行操作或影响的任何合适的结构。
至少一个网络104耦接到传感器102a和致动器102b。网络104有利于与传感器102a和致动器102b的交互。例如,网络104可传输来自传感器102a的测量数据并且向致动器102b提供控制信号。网络104可表示任何合适的网络或网络的组合。作为特定示例,网络104可表示至少一个以太网网络(诸如支持基金会现场总线协议的以太网网络)、电信号网络(诸如HART网络)、气动控制信号网络或任何其他或附加类型的网络。
系统100还包括各种控制器106。可在系统100中使用控制器106以执行各种功能以便控制一个或多个工业过程。例如,第一组控制器106可使用来自一个或多个传感器102a的测量结果来控制对一个或多个致动器102b的操作。第二组控制器106可用于优化由第一组控制器执行的控制逻辑或其他操作。第三组控制器106可用于执行额外的功能。因此,控制器106可支持方法的组合,诸如调节控制、高级调节控制、监督控制和高级过程控制。
每个控制器106包括用于控制工业过程的一个或多个方面的任何合适的结构。例如,控制器106中的至少一些可表示比例积分微分(PID)控制器或多变量控制器,诸如实现模型预测控制(MPC)或其他高级预测控制(APC)的控制器。作为特定示例,每个控制器106可表示运行实时操作系统、WINDOWS操作系统或其他操作系统的计算设备。
图1所示的控制器106中的至少一个控制器可以表示使用一个或多个过程模型来操作的控制器。例如,这些控制器106中的每一个控制器可基于来自一个或多个传感器102a的测量结果使用一个或多个过程模型来操作,以确定如何调节一个或多个致动器102b。在一些实施方案中,每个模型将一个或多个操纵变量或扰动变量(通常被称为自变量)与一个或多个受控变量(通常被称为因变量)相关联。这些控制器106中的每一个可使用目标函数来识别如何调节其操纵变量以便将其受控变量推至最具吸引力的约束集合。
至少一个网络108将系统100中的控制器106和其他设备耦接。网络108有利于部件之间的信息传输。网络108可以表示任何合适的网络或网络的组合。作为特定示例,网络108可表示至少一个以太网网络。
操作者对系统100的控制器106和其他部件的访问和交互可经由各种操作者控制台110发生。每个操作者控制台110可用于向操作者提供信息并且从操作者接收信息。例如,每个操作者控制台110可向操作者提供识别工业过程的当前状态的信息,诸如与工业过程相关联的警告、警报或其他状态和各种过程变量的值。每个操作者控制台110也可接收影响如何控制工业过程的信息,诸如通过接收由控制器106控制的过程变量的设定值或控制模式或者接收改变或影响控制器106如何控制工业过程的其他信息。每个操作者控制台110包括用于向操作者显示信息以及与操作者进行交互的任何合适的结构。例如,每个操作者控制台110可表示运行WINDOWS操作系统或其他操作系统的计算设备。
多个操作者控制台110可组合在一起并在一个或多个控制室112中使用。每个控制室112可包括以任何合适的布置方式布置的任意数量的操作者控制台110。在一些实施方案中,可使用多个控制室112来控制工业厂房,诸如,当每个控制室112包含用于管理工业厂房的分立部分的操作者控制台110时。
本文的控制和自动化系统100可以可选地包括至少一个历史数据库114和/或一个或多个服务器116。历史数据库114表示存储关于系统100的各种信息的部件。历史数据库114可例如存储在对一个或多个工业过程的控制期间由各个控制器106所生成的信息。历史数据库114包括用于存储信息和有利于信息检索的任何合适的结构。虽然此处被示为单个部件,但历史数据库114可位于系统100中的其他位置,或者多个历史数据库可分布于系统100中的不同位置。
每个服务器116表示执行针对操作者控制台110的用户的应用程序或其他应用程序的计算设备。应用程序可用于支持针对系统100的操作者控制台110、控制器106或其他部件的各种功能。每个服务器116可表示运行WINDOWS操作系统或其他操作系统的计算设备。需注意,虽然被示为位于控制和自动化系统100内本地,但服务器116的功能可远离控制和自动化系统100。例如,可以在经由网关120通信地耦接到控制和自动化系统100的计算云118或远程服务器中实现服务器116的功能。
系统100的至少一个部件可以支持用于估计工业控制系统的高级控制操作的影响的机构。例如,这一功能可实现在操作者控制台110、服务器116、或计算云118或远程服务器中。除此之外,这一功能可用于评估与一个或多个控制器106相关联的数据以识别与控制器106的操作问题,并且可确定所识别的操作问题的影响。还可提供可视化,诸如在操作者控制台110的显示器上,以有助于用户识别操作问题和其影响。在理想情况下,这允许操作问题被优先化以及减少或解决,这可有助于改善控制器106的操作。
存在可以使用该功能的各种方式,以便支持对控制器106或潜在工业过程的操作的修改。例如,在一个示例性使用案例中,该功能可以用于提供工业场所的顶部改善机会的视图,以及操作的相关联成本或以递减顺序的值的其他影响。这允许现场经理或其他人员识别可对工业场所进行的最佳潜在改善。在另一示例性使用案例中,该功能可以用于根据总值来识别基于模型的控制器的长期性能,以及基准性能和最大可能性能的参考。这允许工程师或其他人员识别最需要调谐或其他维护的控制器。作为另一示例性使用案例,该功能可以用于识别行动指标,诸如根据每个控制器失去机会的成本。这允许工程师或其他人员聚焦于最具影响力的问题。作为又一示例性使用案例,该功能可以用于以供应商中性方式计算失去机会的成本,这是因为这些方法可以与来自不同供应商的基于模型的多变量控制器一起使用。这允许经理、工程师或其他人员以一致的方式评估多个供应商的控制器性能。当然,可以任何其他合适的方式来使用本专利文献中所述的功能。
虽然图1示出了工业过程控制和自动化系统100的一个示例,但可对图1作出各种改变。例如,系统100可包括任意数量的传感器、致动器、控制器、网络、操作者控制台、控制室、数据库、服务器和其他组件。另外,图1中的系统100的组成和布置方式仅用于例证。部件可根据特定需要添加、省略、组合、进一步细分或以任何其他合适的配置放置。作为特定示例,历史数据库114可实现在计算云118中。此外,特定功能已被描述为由系统100的特定部件执行。这仅用于例证。一般来说,控制系统和自动化系统是高度可配置的,并且可根据特定需要以任何合适的方式来配置。此外,图1示出了一个示例性操作环境,其中可以估计工业控制系统的高级控制操作的影响。此功能可在任何其他合适的系统中使用。
图2示出了根据本公开的支持从工业过程控制和自动化系统数据自动识别KPI标签的示例性设备200。例如,设备200可表示在上文相对于图1所述的操作者控制台110、服务器116或用在计算云118中的设备上运行的数据分析软件应用程序。然而,设备200可用在任何其他合适的系统中。
如图2中所示,设备200包括至少一个处理器202、至少一个存储设备204、至少一个通信单元206和至少一个输入/输出(I/O)单元208。每个处理器202可执行指令,诸如可被加载到存储器210中的那些指令。每个处理器202可执行指令,诸如可被加载到存储器204中的那些指令。该指令可以实施数据分析软件程序,该数据分析软件程序从本文所述的现有系统100识别KPI标签。每个处理器202代表任何合适的处理设备,诸如一个或多个微处理器、微控制器、数字信号处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或分立电路。
存储器210和持久性存储装置212是存储设备204的示例,该存储设备表示能够存储信息(诸如数据、程序代码和/或临时性的或永久性的其他合适信息)并且便于信息的检索的任何结构。存储器210可表示随机存取存储器或任何其他合适的易失性的或非易失性的存储设备。持久性存储装置212可包括支持数据的长期存储的一个或多个部件或设备,诸如只读存储器、硬盘驱动器、闪存存储器或光盘。持久性存储装置212可以例如存储由设备200识别的自动检测到的KPI标签。
通信单元206支持与其他系统或设备的通信。例如,通信单元206可包括促进通过有线网络或无线网络的通信的网络接口卡或无线收发器。通信单元206可通过任何合适的物理的或无线的通信链路来支持通信。
I/O单元208允许数据的输入和输出。例如,I/O单元208可通过键盘、鼠标、小键盘、触摸屏或其他合适的输入设备向用户输入提供连接。I/O单元208还可发送输出至显示器、打印机或其他合适的输出设备。
尽管图2示出了用于支持从现有工业过程控制和自动化系统数据自动检测KPI标签的设备200的一个示例,但仍可对图2作出各种改变。例如,部件可根据特定需要添加、省略、组合、进一步细分或以任何其他合适的配置放置。另外,计算设备可有很多种配置,并且图2不将本公开限制为计算设备的任何特定配置。
在过程控制和自动化系统中如何命名变量可以大大简化系统的软件开发和维护。用户已经指定各个存储器地址以具有提供描述性名称的能力。符合IEC 61131-3的开发应用超出了这部分以包括范围变量、别名和数据结构。
在现代自动化系统中,使用标签名称,其包括足够的信息以有助于用户理解其中包括的信息的类型以及其如何适用于更大的控制架构。例如,包括与相关联标签的过程和仪器图代码允许将模拟值直接概念连接到其在过程中的对应物理位置。与其他信息连接的变量相关联的数据包括数据类型(例如,实际、整数、离散)、数据流(例如,输入、输出)、使用(例如,输入/输出、临时变量、指数计数器)、范围(例如,本地、全局)、过程参数(例如,压力、流量、温度)和位置使用(例如,发动机、压缩机、涡轮增压器)。
过程控制和自动化系统中使用的标签命名惯例包括标准诸如美国国家标准机构/国际自动化协会(ANSI/ISA)5.1仪器符号和识别。该标准包括设备类型的定义(例如,阀门、开关、控制阀等)。标准还定义了报警限值的标准惯例(例如,分别用于高限值和高高限值的函数修饰符H和HH)。还基于被测量的参数的类型来定义识别字母(例如,字母I用于电流测量值、F用于流量、J用于电力、P用于压力等)。该标准仍然通常用于在P&ID上定义仪器名称。使用下划线字符用于分离数据块。例如,PT_103将用于压力变送器编号103。标准还解决与该点相关联的参数,诸如低低报警(例如,PT_103_SUC_LL)。在大多数情况下,变送器编号意味着很少到编程器,不同之处在于点可以连接回附图中的位置。
理想地,过程控制和自动化系统使用的标签名称识别数据源/使用、被评估的过程和过程中的位置。ANSI/ISA 5.1标准下的标签名称是充分描述的,使得用户可以通过仅查看标签名称来逻辑确定参数。例如,P表示压力,T表示变送器,并且SUC表示抽吸。
本公开的过程控制和自动化系统例如系统100从系统100的各种部件采集过程数据,并且使用数据历史数据库114中的标签名称存储该数据。数据历史数据库114表示存储关于系统100的各种数据信息的数据存储部件。数据历史数据库114可以例如存储在一个或多个工业过程的控制期间由各种控制器306生成的数据,包括根据ANSI/ISA 5.1标准格式化的标签名称。因此,数据历史数据库114存储由系统100使用的标签名称,并且因此使其能够访问设备200的分析软件。另外地或除此之外,来自过程的标签名称和数据也可以存储在基于云的历史数据库中,该基于云的历史数据库将驻留在云中并采集一个位置的所有重要的过程数据。
图3是根据示例性实施方案的用于从现有工业过程控制和自动化系统数据识别KPI标签的自动化方法的数据流和功能的框图表示。自动化KPI标签系统300的部件提供数据分析系统的在线部署,该数据分析系统使KPI的检测自动化,取自标签名称,并且使得检测到的KPI标签可用于工厂操作者或其他高级分析程序。
KPI标签系统300通常被实现为计算设备诸如设备200,该设备已存储在由计算设备200的处理器202运行的计算机程序中实现的固件以用于实施KPI标签系统300。处理器202可包括数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)、通用处理器、或一个或多个集成处理设备的任何其他组合。然而,如本领域已知的,公开的自动化KPI标签识别系统也可以由硬件实现。关于基于硬件的具体实施,算法方程可诸如使用VHDL(硬件描述语言)转换成数字逻辑门模式,然后该VHDL可使用可编程器件(诸如现场可编程门阵列(FPGA)或专用的专用集成电路(ASIC))来实现,以实现逻辑门模式。关于基于软件的具体实施,存储在存储器中的算法的代码可由处理器202实现。
KPI标签系统300采集存储在DCS历史数据库114中的标签名称列表和标签参数的模拟值以及其与过程单元的资产的关联性。例如,对于简单的原油蒸馏单元,进料口流量标签以及流出蒸馏单元的重柴油和轻柴油是标签名称,并且这些标签将在其与原油蒸馏单元有关的其命名惯例中指示,如上文针对ANSI/ISA 5.1标准的标签命名惯例所解释的。标签名称的存储数据列表优选地从同一时间帧获得(例如,最近6个月,最多至数年)。该历史数据被认为充分捕获由KPI标签命名系统300发现并提取的操作关系。
来自数据历史数据库114的标签名称列表被输入到KPI标签系统300。首先从标签名称列表检测初级KPI。初级KPI被定义为对涉及过程的总体产量的过程安全、质量、数量、能量和成本重要的那些KPI。接下来,检测次级KPI。次级KPI是被识别为对维持加工效率至关重要的那些标签,从而影响安全、能量和成本。这些次级KPI不被认为是初级KPI,并且聚集形成过程单位级KPI。目标组KPI标签从步骤1到3中识别的那些KPI标签提取,并且存储在设备200的持久性存储装置212中以供操作者或由高级分析程序使用。
KPI标签系统可以连续地、周期性地或在其他合适的时间分析、检测和产生KPI标签。这可以包括例如设备200的处理器202分析标签名称列表以确定控制器106是否具有任何约束/限制问题、模型质量问题、推断质量问题、可变模式问题、优化器配置问题或过程可变噪声/方差问题,并且更新由工业过程控制和自动化系统提取并使用的KPI标签。通常,所识别的每个操作问题可以影响控制器106的操作并防止控制器106实现可能最有益的操作。如上所述,可以任何合适的形式来表达影响,诸如过量的材料使用、过量的能量使用、减少的产品产量或损失经济成本(并且损失经济成本本身可以是类似过量的材料使用、过量的能量使用或减少的产品产量的事物的量度)。
图5示出了根据另一个示例性实施方案的表示用于使用过程控制和自动化系统的人机界面(HMI)显示器来检测来自工业过程的KPI标签的自动化方法的框图。1级HMI显示图形旨在允许工厂操作者、移位监督者和操作经理以将整个设施的概述和与其相关联的关键过程变量可视化。制炼厂所有者设计并利用标签名称维持1级HMI显示器以监控控制室的单位性能。
图4示出了在操作者控制台110处显示并且用于向操作者提供信息并从操作者接收信息的1级HMI显示器400。例如,显示器400包括由工业过程控制和自动化系统控制并监测的过程的概述。显示器400包括向操作者识别工业过程的当前状态的信息,诸如使用ANSI/ISA 5.1标准的标签命名惯例的各种过程变量和警告、警报或与工业过程相关联的其他状态的值。例如,显示器400可以包括被监测的过程的功能方面的各种标签名称,诸如表示标签名称33TC120和加热器出口温度的401,或表示标签名称33PC320和燃气压力的402。示例中的标签名称中的每个标签名称连接到由监测过程使用的各种资产,在该示例中,燃气锅炉403。如可在显示器400处看到的,在该显示器中使用的各种阀门403和致动器404各自包括其自己的标签名称。
1级HMI显示器也接收影响如何控制工业过程的信息,诸如通过接收由控制器106控制的过程变量的设定值或控制模式或者接收改变或影响控制器106如何控制工业过程的其他信息。例如如图所示,通过406以标签33FC250描绘原油入口流量来在框407中示出25.99的流速和26.00的设定值。对于此类1级HMI显示器,可以将HMI显示器的标签名称导入计算设备200中执行的KPI标签系统400中,以用于从HMI显示器中使用的标签名称自动化提取KPI标签。由计算设备200的处理器202运行的计算机程序中体现的固件用于使用图4所示的方法实现KPI标签的自动化提取。输入HMI显示标签名称由KPI标签系统400解析以提取KPI标签。
再次参考图5,示出了用于从1级HMI显示标签名称自动化检测并提取KPI标签的方法。在KPI标签系统500中,在步骤501中,将制炼厂的所有HMI显示文件导入图2所示的计算设备200中。设备200已存储在由计算设备200的处理器202运行的计算机程序中实现的固件以用于实施KPI标签系统500。处理器202可包括数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)、通用处理器、或一个或多个集成处理设备的任何其他组合。然而,如本领域已知的,公开的自动化KPI标签识别系统也可以由硬件实现。关于基于硬件的具体实施,算法方程可诸如使用VHDL(硬件描述语言)转换成数字逻辑门模式,然后该VHDL可使用可编程器件(诸如现场可编程门阵列(FPGA)或专用的专用集成电路(ASIC))来实现,以实现逻辑门模式。关于基于软件的具体实施,存储在存储器中的算法的代码可由处理器202实现。
在下一步骤502中,对于每个导入的HMI显示文件,识别标签名称和到其他HMI显示文件的链路。每个HMI显示器在层级结构中组织,其中每个显示器提供比先前级别的显示更多的细节。例如,1级HMI显示器提供对控制操作者的整个责任的概述。2级HMI显示器是过程单元控制显示器,其被认为是在正常操作、常规改变和工厂过程单元的监测期间使用的控制操作者的初级操作显示器。3级HMI显示器是非常规操作的过程单元细节显示器,并且通常提供足够的信息以促进过程诊断。因此,其他1级HMI显示器之间的链路以及1级显示器到3级和4级HMI显示器之间的链路提供了重要的关联性,这些关联性使用与要由1级和2级显示器完成的任务相关的提取的KPI标签。
在步骤503中,识别制炼厂的资产模型或用于过程的每个区域的HMI显示器的层级组。例如,1级HMI显示器在提供情境信息时至关重要;然而,它们可能不包含所有信息用户需要执行其作业。相反,它们提供当前操作状态、可能发生的异常情况的指示和附加信息的快速且轻松访问。2级HMI显示器应该与工厂过程操作匹配,并在显示层次结构中提供对相关显示器的轻松访问。同一设备可能存在多个2级显示器以覆盖特定情况诸如启动、正常操作、状态或产品转换以及关闭。由于1级和2级HMI显示器都可以使用KPI,因此这些显示级之间的层级结构对于提供相关KPI标签是重要的。
在步骤504中,使用标签名称,以及在步骤2中检测到的HMI显示器之间识别的显示文件链路和存储在数据库诸如例如历史数据库114中的导入的HMI导航日志和图案数据,识别1级HMI显示器。
在步骤505中,针对所识别的1级HMI显示器生成KPI标签并将其存储在设备200的持久性存储装置212中,以供控制操作者或高级分析程序使用。
本实施方案的KPI标签系统300和500自动检测KPI的候选列表,然后该KPI的候选列表可以轻松地映射到合适的仪表或HMI显示器以用于集中式监测。自动检测到的次级KPI列表也可以在加工效率和退化方面带来早期警告,并且可以在2级HMI显示器中使用。由于工厂配置的更改而对KPI标签的更新、添加和对标签名称的更新、以及生产能力的恢复或扩展都可以满足更少的手动干预和检测。
尽管图3和图5示出了用于从工业控制系统的高级控制操作中的标签名称检测并提取KPI标签的方法300、500的一个示例,但是可以对图3和图5作出各种改变。例如,虽然被示为一系列步骤,但是图3和图5中的各种步骤可重叠、并行发生、以不同顺序发生,或发生任何次数。
在一些实施方案中,本专利文献中描述的各种功能由计算机程序来实现或支持,该计算机程序由计算机可读程序代码形成并且体现在计算机可读介质中。短语“计算机可读程序代码”包括任何类型的计算机代码,包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够被计算机访问的任何类型的介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、光盘(CD)、数字视频光盘(DVD)或任何其他类型的存储器。“非暂态”计算机可读介质排除传输瞬时电信号或其他信号的有线、无线、光学或其他通信链路。非暂态计算机可读介质包括可永久地存储数据的介质以及可存储和之后重写数据的介质,诸如可重写光盘或可擦除存储器设备。
阐述贯穿本专利文献中使用的某些字词和短语的定义可能是有利的。术语“应用程序”和“程序”是指适于以合适的计算机代码(包括源代码、目标代码或可执行代码)实现的一个或多个计算机程序、软件部件、指令集、过程、功能、对象、类、实例、相关的数据或其一部分。术语“通信”以及其衍生词涵盖直接通信和间接通信两者。术语“包括”和“包含”以及其衍生词意指包括但不限于此。术语“或”是包括性的,意指和/或。短语“与...相关联”以及其衍生词可以意指包括、包括在...内、与...互连、包含、包含在...内、连接到...或与...连接、耦接到...或与...耦接、可与...通信、与...协作、交错、并置、与...接近、结合到...或与...结合、具有、具有...的属性、具有与...的关系或与...具有关系等。当与项列表一起使用时,短语“...中的至少一个”意指可以使用所列的项中的一个或多个项的不同组合,并且可能仅需要列表中的一个项。例如,“A、B和C中的至少一者”包括以下任何组合:A,B,C,A和B,A和C,B和C,以及A和B和C。
不应将本申请中的描述理解为暗示任何特定元件、步骤或功能是必须包括在权利要求书范围内的基本或关键要素。专利保护的主题的范围仅由所允许的权利要求书限定。此外,权利要求中没有一个旨在关于所附权利要求或权利要求要素中的任何一项援引35U.S.C.§112(f),除非在特定权利要求中明确使用后面是标识功能的分词短语的“用于...的装置”或“用于...的步骤”的确切字词。在权利要求书内使用术语诸如(但不限于)“机构”、“模块”、“设备”、“单元”、“部件”、“元件”、“构件”、“装置”、“机器”、“系统”、“处理器”或“控制器”被理解为并且旨在指代相关领域的技术人员已知的结构,如权利要求书本身特征进一步修改的或增强的,并且不旨在援引35 U.S.C.§112(f)。
虽然本公开已描述了某些实施方案和大体上相关联的方法,但是这些实施方案和方法的变更和置换对于本领域的技术人员来说将是显而易见的。因此,上文对示例性实施方案的描述不限定或约束本公开。在不脱离如以下权利要求书限定的本公开的实质和范围的情况下,其他改变、替换和变更也是可能的。

Claims (10)

1.一种方法,包括:
提供用于由工业过程控制和自动化系统运行的工业过程的历史过程数据,所述工业过程控制和自动化系统具有由标签名称识别的处理设备,所述标签名称和过程数据存储在数据历史数据库中,并且处理器和存储器实施关键性能指示符(KPI)标签系统,所述KPI标签系统:
采集存储在所述数据历史数据库中的标签名称列表和数据值;
由所述KPI标签系统从所述标签名称和过程值检测初级KPI;
由所述KPI标签系统从所述标签名称和过程值检测次级KPI;
从所述初级KPI和所述次级KPI提取一组KPI标签;以及
将所提取的KPI标签存储在所述存储器中。
2.根据权利要求1所述的方法,其中所述初级KPI选自在所述工业过程中的过程安全、质量、数量、能量和成本中利用的标签名称。
3.根据权利要求1所述的方法,其中所述次级KPI选自对维持能够影响安全和成本的加工效率至关重要的标签名称。
4.根据权利要求1所述的方法,其中存储在所述存储器中的所提取的一组KPI标签是能够被选择用于显示到操作者控制台并由控制室操作者使用的KPI标签的候选列表。
5.根据权利要求1所述的方法,其中存储在所述存储器中的所提取的一组KPI标签是能够由高级分析程序使用的KPI标签的候选列表。
6.一种计算设备,包括:
具有相关联的存储器的处理器,所述处理器被配置用于实施关键性能指示符(KPI)标签系统,所述KPI标签系统支持由工业过程控制和自动化系统运行的工业过程,所述工业过程控制和自动化系统具有处理设备,所述处理设备包括标签名称和过程数据的数据库,所述KPI标签系统实施:
从所述数据库采集标签名称列表和过程数据;
从所述标签名称列表和过程数据检测初级KPI;
从所述标签名称列表和过程数据检测次级KPI;
从所述初级KPI和所述次级KPI提取一组KPI标签;以及
将所提取的KPI标签存储在所述存储器中。
7.根据权利要求6所述的设备,其中所述数据库是数据历史数据库,所述数据历史数据库存储所述工业过程中使用的KPI标签名称列表和由所述工业过程开发的历史过程数据。
8.根据权利要求7所述的设备,其中所述标签名称列表优选地从同一时间帧获得。
9.根据权利要求6所述的设备,其中存储在所述存储器中的所提取的一组KPI标签是能够被选择用于显示到操作者控制台上的操作者的KPI标签的候选列表。
10.根据权利要求6所述的设备,其中存储在所述存储器中的所提取的一组KPI标签是能够在高级分析程序中使用的KPI标签的候选列表。
CN202210168732.6A 2021-03-24 2022-02-23 用于识别关键性能指示符的方法 Pending CN115129146A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/210,948 2021-03-24
US17/210,948 US20220308533A1 (en) 2021-03-24 2021-03-24 Methods for identifying key performance indicators

Publications (1)

Publication Number Publication Date
CN115129146A true CN115129146A (zh) 2022-09-30

Family

ID=80446685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210168732.6A Pending CN115129146A (zh) 2021-03-24 2022-02-23 用于识别关键性能指示符的方法

Country Status (4)

Country Link
US (1) US20220308533A1 (zh)
EP (1) EP4064144A1 (zh)
CN (1) CN115129146A (zh)
AU (2) AU2022201428A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4086713A1 (en) * 2021-05-04 2022-11-09 ABB Schweiz AG System and method for visualizing process information in industrial applications
US11656603B1 (en) * 2022-03-07 2023-05-23 Rockwell Automation Technologies, Inc. Edge device feature engineering application

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9208463B1 (en) * 2014-10-09 2015-12-08 Splunk Inc. Thresholds for key performance indicators derived from machine data
US10949325B1 (en) * 2017-08-18 2021-03-16 Electronic Arts Inc. Automated cross-session video game testing
US10809704B2 (en) * 2017-11-01 2020-10-20 Honeywell International Inc. Process performance issues and alarm notification using data analytics
US20210397171A1 (en) * 2020-06-22 2021-12-23 Rockwell Automation Technologies, Inc. Industrial automation hmi program file generation from computer-aided design

Also Published As

Publication number Publication date
EP4064144A1 (en) 2022-09-28
US20220308533A1 (en) 2022-09-29
AU2022201428A1 (en) 2022-10-13
AU2024201310A1 (en) 2024-03-21

Similar Documents

Publication Publication Date Title
US10809704B2 (en) Process performance issues and alarm notification using data analytics
US10545487B2 (en) Interactive diagnostic system and method for managing process model analysis
RU2417393C2 (ru) Система представления данных для предотвращения нестандартной ситуации на производственном предприятии
US20180356811A1 (en) Apparatus and method for automated identification and diagnosis of constraint violations
US7515977B2 (en) Integrated configuration system for use in a process plant
JP2019521444A (ja) 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法
US20090149981A1 (en) System and methods for continuous, online monitoring of a chemical plant or refinery
CN115129146A (zh) 用于识别关键性能指示符的方法
JP6538057B2 (ja) プロセスユニットの中の全プロセスセグメントの状態を自動的に監視し決定するための、コンピュータで実装される方法およびシステム
EP3183622B1 (en) Population-based learning with deep belief networks
NO337835B1 (no) Fremgangsmåte og system for sanntidsoperasjoner og vedlikehold
JP6601433B2 (ja) イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体
EP3039595B1 (en) System and method for multi-domain structural analysis across applications in industrial control and automation system
JP2013025367A (ja) 設備状態監視方法およびその装置
GB2379749A (en) Process control system with monitoring
US20220382233A1 (en) Information processing device, prediction method, and computer-readable recording medium
EP3217241A2 (en) Calibration technique for rules used with asset monitoring in industrial process control and automation systems
AU2018285616B9 (en) Apparatus and method for automated identification and diagnosis of constraint violations
Galotto et al. Data based tools for sensors continuous monitoring in industry applications
US11893869B2 (en) Information processing device, alarm prediction method, and computer-readable recording medium
JP7452509B2 (ja) 監視装置、監視方法、および監視プログラム
US20230061033A1 (en) Information processing device, calculation method, and computer-readable recording medium
US20220382267A1 (en) Information processing device, display control method, and computer-readable recording medium
Van Blerk A web-based multilevel framework for condition monitoring of industrial equipment
EP4354244A1 (en) Anomaly detection for industrial assets

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