CN118244722A - 利用近实时条件的超声流量计预诊 - Google Patents
利用近实时条件的超声流量计预诊 Download PDFInfo
- Publication number
- CN118244722A CN118244722A CN202410341212.XA CN202410341212A CN118244722A CN 118244722 A CN118244722 A CN 118244722A CN 202410341212 A CN202410341212 A CN 202410341212A CN 118244722 A CN118244722 A CN 118244722A
- Authority
- CN
- China
- Prior art keywords
- data
- flow meter
- flow
- cloud
- flow rate
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000013076 uncertainty analysis Methods 0.000 claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 35
- 238000002604 ultrasonography Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 238000012550 audit Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 238000004801 process automation Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 239000007789 gas Substances 0.000 description 6
- 239000012530 fluid Substances 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000004393 prognosis Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000004886 process control Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Abstract
利用近实时条件的超声流量计预诊。本发明提供了一种方法,该方法包括从工业过程控制系统中的流量计获得流量测量数据。该方法还包括将该流量测量数据发送到基于云的环境。该方法还包括在该基于云的环境中对该流量测量数据执行基于条件的监测(CBM)分析,以确定CBM数据。该方法还包括在该基于云的环境中对该CBM数据执行不确定性分析,以确定带有不确定性值的经验证的流速。该方法还包括将该经验证的流速与该流量测量数据进行比较,以确定经技术审核的流速。该方法还包括将该经技术审核的流速发送到与该流量计相关联的分布式控制系统(DCS)。
Description
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,本公开涉及用于利用基于近实时条件的不确定性分析来进行超声流量计预诊的系统和方法。
背景技术
工业过程控制和自动化系统常常用于使大型且复杂的工业过程自动化。这些类型的系统通常包括各种部件,包括传感器、致动器和控制器。控制器通常从传感器接收测量结果并且生成用于致动器的控制信号。
被实现为分布式控制系统(DCS)的过程控制和自动化系统被设计用于控制物理部件,其中优先考虑系统定时、部署、可用性、故障影响和安全性。典型的DCS还具有对支持更长的部件使用寿命、广泛的补丁验证和管理以及不同的系统操作专业知识的要求。可以实施这些要求,以避免在人类健康和安全方面的重大风险、对环境的严重损害、诸如生产损失的财务问题以及对经济的负面影响。
发明内容
本公开提供了用于超声流量计预诊和基于近实时条件的不确定性分析的系统和方法。
在第一实施方案中,一种方法包括从工业过程控制系统中的流量计获得流量测量数据。所述方法还包括将所述流量测量数据发送到基于云的环境。所述方法还包括在所述基于云的环境中对所述流量测量数据执行基于条件的监测(CBM)分析,以确定CBM数据。所述方法还包括在所述基于云的环境中对所述CBM数据执行不确定性分析,以确定带有不确定性值的经验证的流速。所述方法还包括将所述经验证的流速与技术审核中的所述流量测量数据进行比较,以确定经技术审核的流速。所述方法还包括将所述经技术审核的流速发送到与所述流量计相关联的分布式控制系统(DCS)。
在第二实施方案中,一种系统包括:本地环境,所述本地环境包括至少一个第一处理设备;以及基于云的环境,所述基于云的环境包括至少一个第二处理设备。所述至少一个第一处理设备被配置为从工业过程控制系统中的流量计获得流量测量数据,并且将所述流量测量数据发送到基于云的环境。所述至少一个第二处理设备被配置为对流量测量数据执行CBM分析以确定CBM数据,并且对CBM数据执行不确定性分析以确定带有不确定性值的经验证的流速。所述至少一个第一处理设备被进一步配置为将经验证的流速与技术审核中的流量测量数据进行比较以确定经技术审核的流速,并且将所述经技术审核的流速发送到与流量计相关联的DCS。
在第三实施方案中,一种非暂态计算机可读介质包含指令,所述指令在由至少一个处理设备执行时使得所述至少一个处理设备从工业过程控制系统中的流量计获得流量测量数据。所述计算机可读介质还包含使得所述至少一个处理设备将流量测量数据发送到基于云的环境的指令。所述计算机可读介质还包含使得所述至少一个处理设备在基于云的环境中对流量测量数据执行CBM分析以确定CBM数据的指令。所述计算机可读介质还包含使得所述至少一个处理设备在基于云的环境中对CBM数据执行不确定性分析以确定带有不确定性值的经验证的流速的指令。所述计算机可读介质还包含使得所述至少一个处理设备将经验证的流速与技术审核中的流量测量数据进行比较以确定经技术审核的流速的指令。所述计算机可读介质还包含使得所述至少一个处理设备将经技术审核的流速发送到与流量计相关联的DCS的指令。
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示例性系统,该系统使用基于云的控制平台进行流量计预诊和基于实时条件的不确定性分析;
图3示出了根据本公开的用于流量计预诊和基于实时条件的不确定性分析的示例性方法;并且
图4示出了根据本公开的用于执行与流量计预诊和基于实时条件的不确定性分析相关联的功能的示例性设备。
具体实施方式
下文所讨论的附图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,本发明的原理可在任何类型的适当布置的设备或系统中实现。
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种产品或其他材料的各种部件。例如,在此使用系统100以有利于对一个或多个厂房101a至101n中的部件的控制。每个厂房101a至101n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。一般来讲,每个厂房101a至101n可以实现一个或多个过程,并且可以单独地或共同地被称为过程系统。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使用过程控制的普渡模型来实现。在普渡模型中,“0级”可以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可以测量过程系统中的各种各样的特性,诸如温度、压力或流量。另外,致动器102b可以改变过程系统中的各种各样的特性。传感器102a和致动器102b可以表示任何合适的过程系统中的任何其他或附加部件。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可表示以太网网络、电信号网络(诸如HART或基金会现场总线网络)、气动控制信号网络、或任何其他或附加类型的网络。
在普渡模型中,“1级”可包括一个或多个控制器106,该一个或多个控制器耦接到网络104。除了其他以外,每个控制器106可以使用来自一个或多个传感器102a的测量值来控制一个或多个致动器102b的操作。例如,控制器106可从一个或多个传感器102a接收测量数据,并且使用测量数据为一个或多个致动器102b生成控制信号。多个控制器106也可在冗余配置中操作,诸如当一个控制器106作为主控制器操作而另一个控制器106作为备用控制器(其与主控制器同步并且可在主控制器发生故障的情况下接管主控制器)操作时。每个控制器106包括用于与一个或多个传感器102a进行交互并且控制一个或多个致动器102b的任何合适的结构。每个控制器106可以例如表示多变量控制器,例如鲁棒多变量预测控制技术(RMPCT)控制器或实现模型预测控制(MPC)或其他高级预测控制(APC)的其他类型的控制器。作为特定示例,每个控制器106可以表示运行实时操作系统的计算装置。
两个网络108耦接到控制器106。网络108有利于与控制器106的交互,诸如通过向控制器106传输数据和从控制器传输数据。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可以表示一对以太网网络或一对冗余的以太网网络,诸如来自霍尼韦尔国际公司(HONEYWELL INTERNATIONAL INC.)的容错以太网(FTE)网络。
至少一个交换机/防火墙110将网络108耦接到两个网络112。交换机/防火墙110可以将流量从一个网络传输到另一个网络。交换机/防火墙110还可以阻止一个网络上的流量到达另一个网络。交换机/防火墙110包括用于在网络之间提供通信的任何合适的结构,诸如霍尼韦尔控制防火墙(HONEYWELL CONTROL FIREWALL)(CF9)装置。网络112可表示任何合适的网络,诸如一对以太网网络或一个FTE网络。
在普渡模型中,“2级”可以包括耦接到网络112的一个或多个机器级控制器114。机器级控制器114执行各种功能以支持可与一特定工业设备(诸如锅炉或其他机器)相关联的控制器106、传感器102a和致动器102b的操作和控制。例如,机器级控制器114可以记录由控制器106收集或生成的信息,诸如来自传感器102a的测量数据或用于致动器102b的控制信号。机器级控制器114还可以执行控制控制器106的操作的应用程序,从而控制致动器102b的操作。此外,机器级控制器114可以提供对控制器106的安全访问。机器级控制器114中的每个机器级控制器包括用于提供对机器或其他单独设备的访问、控制或与其相关的操作的任何合适的结构。机器级控制器114中的每个机器级控制器可以例如表示运行MICROSOFTWINDOWS操作系统的服务器计算装置。虽然未示出,但是不同机器级控制器114可以用于控制过程系统中的不同设备(其中每件设备与一个或多个控制器106、传感器102a和致动器102b相关联)。
一个或多个操作员站116耦接到网络112。操作员站116表示提供对机器级控制器114的用户访问的计算装置或通信装置,其然后可以提供对控制器106(以及可能的传感器102a和致动器102b)的用户访问。作为特定示例,操作员站116可以允许用户使用由控制器106和/或机器级控制器114收集的信息来查看传感器102a和致动器102b的操作历史。操作员站116还可以允许用户调整传感器102a、致动器102b、控制器106或机器级控制器114的操作。此外,操作员站116可以接收并显示由控制器106或机器级控制器114生成的警告、警示或其他消息或显示。操作员站116中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站116中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算装置。
至少一个路由器/防火墙118将网络112耦接到两个网络120。该路由器/防火墙118包括用于在网络之间提供通信的任何合适的结构,诸如安全路由器或组合路由器/防火墙。网络120可表示任何合适的网络,诸如一对以太网网络或一个FTE网络。
在普渡模型中,“3级”可以包括耦接到网络120的一个或多个单元级控制器122。每个单元级控制器122通常与过程系统中的单元相关联,该单元表示一起操作以实现过程的至少一部分的不同机器的集合。单元级控制器122执行各种功能以支持较低级别中的部件的操作和控制。例如,单元级控制器122可以记录由较低级别中的部件收集或生成的信息,执行控制较低级别中的部件的应用程序,并且提供对较低级别中的部件的安全访问。单元级控制器122中的每个单元级控制器包括用于提供对处理单元中的一个或多个机器或其他设备的访问、控制或与其相关的操作的任何合适的结构。单元级控制器122中的每个单元级控制器可以例如表示运行MICROSOFT WINDOWS操作系统的服务器计算装置。附加地或另选地,每个控制器122可表示多变量控制器,诸如霍尼韦尔(HONEYWELL)C300控制器。虽然未示出,但是不同单元级控制器122可以用于控制过程系统中的不同单元(其中每个单元与一个或多个机器级控制器114、控制器106、传感器102a和致动器102b相关联)。
可以由一个或多个操作员站124提供对单元级控制器122的访问。操作员站124中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站124中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算装置。
至少一个路由器/防火墙126将网络120耦接到两个网络128。该路由器/防火墙126包括用于在网络之间提供通信的任何合适的结构,诸如安全路由器或组合路由器/防火墙。网络128可表示任何合适的网络,诸如一对以太网网络或一个FTE网络。
在普渡模型中,“4级”可以包括耦接到网络128的一个或多个厂房级控制器130。每个厂房级控制器130通常与厂房101a至101n中的一个厂房相关联,该厂房可以包括实现相同、类似或不同过程的一个或多个处理单元。厂房级控制器130执行各种功能以支持较低级别中的部件的操作和控制。作为特定示例,厂房级控制器130可以执行一个或多个制造执行系统(MES)应用程序、调度应用程序或其他或附加厂房或过程控制应用程序。厂房级控制器130中的每个厂房级控制器包括用于提供对加工厂房中的一个或多个处理单元的访问、控制或与其相关的操作的任何合适的结构。厂房级控制器130中的每个厂房级控制器可以例如表示运行MICROSOFT WINDOWS操作系统的服务器计算装置。
可以由一个或多个操作员站132提供对厂房级控制器130的访问。操作员站132中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站132中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算装置。
至少一个路由器/防火墙134将网络128耦接到一个或多个网络136。该路由器/防火墙134包括用于在网络之间提供通信的任何合适的结构,诸如安全路由器或组合路由器/防火墙。网络136可以表示任何合适的网络,诸如全企业以太网或其他网络,或更大型网络(诸如互联网)的全部或一部分。
在普渡模型中,“5级”可包括耦接到网络136的一个或多个企业级控制器138。每个企业级控制器138通常能够执行多个厂房101a至101n的规划操作并控制厂房101a至101n的各个方面。企业级控制器138还可以执行各种功能以支持厂房101a至101n中的部件的操作和控制。作为特定示例,企业级控制器138可以执行一个或多个订单处理应用程序、企业资源规划(ERP)应用程序、高级规划和调度(APS)应用程序或任何其他或附加企业控制应用程序。企业级控制器138中的每个企业级控制器包括用于提供对一个或多个厂房的访问、控制、或与控制相关的操作的任何合适的结构。企业级控制器138中的每个企业级控制器可以例如表示运行MICROSOFT WINDOWS操作系统的服务器计算装置。在本文档中,术语“企业”是指具有要管理的一个或多个厂房或其他加工设施的组织。应当注意,如果要管理单个厂房101a,那么企业级控制器138的功能可以结合到厂房级控制器130中。
可以由一个或多个操作员站140提供对企业级控制器138的访问。操作员站140中的每个操作员站包括用于支持对系统100中的一个或多个部件的用户访问和控制的任何合适的结构。操作员站140中的每个操作员站可例如表示运行MICROSOFT WINDOWS操作系统的计算装置。
普渡模型的各个级别可包括其他部件,诸如一个或多个数据库。与每个级别相关联的数据库可存储与该级别或系统100的一个或多个其他级别相关联的任何合适的信息。例如,历史数据库141可耦接到网络136。历史数据库141可以表示存储关于系统100的各种信息的部件。历史数据库141可以例如存储在生产调度和优化期间使用的信息。历史数据库141表示用于存储信息且有利于信息检索的任何合适的结构。虽然被示出为耦接到网络136的单个集中式部件,但是历史数据库141可定位于系统100中的其他位置,或者多个历史数据库可分布在系统100中的不同位置。
在特定实施方案中,图1中的各种控制器和操作员站可以表示计算设备。例如,控制器和操作员站中的每一者可以包括一个或多个处理设备和一个或多个存储器,该一个或多个存储器用于存储由处理设备使用、生成或收集的指令和数据。控制器和操作员站中的每一者可还包括至少一个网络接口,诸如一个或多个以太网接口或无线收发器。
在特定实施方案中,传感器102a中的一个或多个传感器可表示超声流量计。超声流量计已经在商业上使用了数十年。近年来,引入了新的型式试验标准,因此流量计制造商看到了不同的结果(例如,通过、部分通过或失败)。在剧烈扰动的流量下,一些流量计不能满足型式试验的要求。当前,在全球市场上,超声流量计不能进行基于近实时条件的不确定性分析。一般来讲,流量计可使用诊断工具来确定流量计的当前操作状态,但是尚不存在利用所计算的基于增加的条件的不确定性(识别不确定性的具体组成部分)提供详细的预防性维护干预声明的诊断工具。也就是说,没有预诊工具能基于当前或可能的未来条件提供对流量计的未来状态的预测。此外,当前的诊断工具通常用于未运行的有形资产。没有代表物理流量计的专用虚拟孪生体,这样的专用虚拟孪生体可以在不影响物理流量计的情况下为物理流量计进行场景建模以形成新的学习。
为了解决这些和其他问题,本公开的实施方案提供了一种启用云的系统,该系统生成允许操作员或用户确定仪表的近实时操作性能的数据分析,并且还生成特定于域的分析以生成预诊数据。预诊数据为操作员提供了诸如“虽然今天流量计正在工作,但流量计的操作可能会在未来的x日基于可能的条件y和z而改变”的信息。所述启用云的系统还提供了流量计的虚拟孪生体,在其中可实时或近实时地执行测试。在许多情况下,很难或不可能对当前在工业系统中运行的物理仪表执行诊断。而且,由于许多工业系统都是24/7/365运行,因此几乎没有机会使流量计停止运行以执行诊断。但是,可以改变仪表的虚拟孪生体来执行此类测试。
本公开的实施方案提供了仪表预诊,为一个或多个流量计提供了基于近实时的流量测量条件的不确定性分析,并且使用于特定于域的分析建模的流量计虚拟孪生体能够在虚拟环境中模拟物理仪表。这些通过启用预诊以避免仪表故障事件,并且通过提供基于近实时流量测量条件的不确定性,从而确保设备的最佳准确度,从而提供优于常规测试和监测系统的技术优势。另外,本发明所公开的实施方案使得流量计能够具有更长的正常运行时间(即,运行时间或服务时间),同时确保尽可能低的基于测量条件的不确定性和最高质量的处理方法。
如下文所详述,系统100中的各种部件可别设计或修改成支持根据本公开的启用云的数据分析系统。例如,操作员站116、124、132、140中的一个或多个操作员站或控制器114、122、130、130中的一个或多个控制器可以在基于云的环境中实现,该基于云的环境通过虚拟专用网络(VPN)或其他安全网络与一个或多个远程定位的控制器106或传感器102a通信。
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,但是可以对图1作出各种改变。例如,系统100可包括任何数量的传感器、致动器、控制器、服务器、操作员站、网络和其他部件。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、或以任何其他合适的配置放置。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,在该示例性操作环境中可以支持启用云的数据分析系统。该功能可用于任何其他合适的系统,并且该系统不需要与工业过程控制和自动化相关。
图2示出了根据本公开的示例性系统200,该系统使用基于云的控制平台进行流量计预诊和基于实时条件的不确定性分析。系统200包括可以与工业过程控制和自动化系统诸如图1的系统100结合使用的各种部件。然而,系统200可以与任何其他合适的系统或设备一起使用。
如图2所示,系统200包括本地环境250和基于云的环境260。本地环境250包括工业过程和自动化系统的本地(例如,现场)部件。例如,部件202-218可表示图1的系统100中的对应部件(或由其表示)。基于云的环境260包括可远离本地环境250定位并且可通过虚拟专用网络(VPN)或其他安全网络与本地环境250通信的多个部件。基于云的环境260的部件中的一个或多个部件可包括被配置为执行下文所述功能中的一些功能的计算设备。在一些实施方案中,基于云的环境260的计算设备可表示系统100的部件中的一个或多个部件(或由其表示),诸如控制器106、114、122、130、138;操作站116、124、132、140;或历史数据库141。
流量计202是在工业过程中测量流体流量的超声流量计。在一些实施方案中,流体是气体,但流体也可以是液体或者气体和液体的组合。流量计202可表示图1的传感器102a中的一个或多个传感器(或由其表示)。在许多系统中,流量计202是连续运行的系统的一部分,该系统处于一天24小时、一年365天的实时运行状态。因此,在计划的维护窗口之外,处于不活动状态对于流量计202而言具有挑战性。
分析仪204分析流过流量计202的流体的组成组分。也就是说,在气体环境中,分析仪是确定并分析流过流量计202的一种或多种气体的组成组分的气体分析仪。在液体环境或液-气环境中,分析仪可能会有所不同,并且可以分析其他组分,包括液体组分。
压力和温度传感器206是在工业过程中测量流体(气体、液体或这两者的组合)的压力和/或温度的传感器。压力和温度传感器206可表示图1的传感器102a中的一个或多个传感器(或由其表示)。
流量计算机208接收从流量计202、分析仪204以及压力和温度传感器206收集的数据。流量计算机208还可以充当流量计202、分析仪204以及压力和温度传感器206中的一者或多者的控制器。流量计算机208可表示图1的控制器106中的一个或多个控制器(或由其表示)。在一些系统中,每个流量计202都具有流量计算机208或控制器。
计量监督计算机(MSC)210从流量计算机208和与系统200中的其他流量计相关联的其他流量计算机收集并处理数据。MSC 210将关于流量计202的信息(例如,整体流速数据等)发送到DCS218。在一些实施方案中,MSC 210是监督控制和数据采集(SCADA)设备或系统。MSC 210可表示图1的更高级别控制器114、122、130、138中的一个更高级别控制器或操作站116、124、132、140中的一个操作站(或由其表示)。
IIoT网关212是根据工业物联网(IIoT)原理或协议运行的网络网关或路由器。IIoT网关212作为本地环境250与基于云的环境260之间的连接点运行。在一些实施方案中,IIoT网关212被配置为边缘网关,该边缘网关是用于虚拟网络诸如VPN的虚拟路由器。IIoT网关212将流量计数据发送到云网关220,并且从云网关接收诊断数据、预诊数据和基于条件的不确定性数据。例如,IIoT网关212可以从云网关220接收经验证的整体流速信息228,并且将经验证的整体流速信息228传递给计算设备(例如,MSC 210),以确定经技术审核的流速216(如下文所详述),然后该经技术审核的流速被发送到DCS218。
DCS218控制流量计202和系统200的其他部件的操作。DCS218接收来自MSC 210和经技术审核的流速216的数据。基于接收到的数据,DCS218可以向流量计202、分析仪204、压力和温度传感器206以及系统200的其他部件提供控制指令。
基于云的环境260包括云网关220。云网关220用于在本地环境250与基于云的环境260之间建立连接,并且用作进入基于云的环境260的入口点。在系统200中,云网关220从IIoT网关212接收流量计数据,并且将该流量计数据发送到基于云的环境260中的一个或多个计算设备。云网关220还将诊断数据、预诊数据和基于条件的不确定性数据发送到IIoT网关212。云网关220表示用于在本地环境与基于云的环境之间建立连接的任何合适的结构。
基于云的环境260还包括基于条件的监测(CBM)系统222。CBM系统222对通过IIoT网关212和云网关220从本地环境250接收的流量计数据执行CBM分析。CBM是一种预测性维护,涉及在资产(例如,流量计)运行期间测量资产随时间推移的状态。用于CBM的方法是基于监测资产中的多个变量的一种方法,其中变量与一个或多个与该资产的主要输出(例如,流速)有关的技术参数正相关。例如,“信号性能”变量可被确定为“有效采样数”除以以百分比表示的“采样率”。又如,“信号强度数”是由信号的功率发生器(即,增益控制)的倒数得出的。推论是,功率越高,信号强度值越低,并且在获得流速时,信号跨测量介质的传输就越具有挑战性。
收集的数据可用于建立趋势、预测故障以及计算资产的剩余使用寿命。使用CBM,可以仅在数据显示出性能下降或可能出现故障时执行维护。在没有CBM的情况下,预防性维护可以按指定的时间间隔执行(有时是不必要的),也可以直到发生故障才执行。CBM系统222生成CBM数据224,该CBM数据可包括从过程历史数据库诸如图1的历史数据库141提取的数据。CBM数据和历史数据库数据的组合使得能够通过n个传感器对资产本身(例如,流量计)及其相关联的局部被测对象进行后续分析。传感器提供了可直接影响资产的数据,从而实现更全面的实时不确定性分析。
在基于云的环境260中的实时不确定性分析仪226获取CBM数据224,并且对CBM数据224执行实时不确定性分析。对CBM数据224的分析在资产本身的性能方面提供了数学上的信心。为了确保该数据的可靠性,通过将数值分析的计算结果与实际CBM数值数据进行比较,验证数值分析的准确性。为了确定资产的整体输出(例如,流速)的不确定性,需要由资产数据及其相关联的被测对象得出实际输出的不确定性(即,所得的基于条件的不确定性)的附加步骤。
在流量计或其他工业仪器中,基于条件的不确定性分析涉及评估仪器测量中的不确定性。一般来讲,由于仪器、方法、混杂效应的存在等,设备测量可能会受到误差的影响。基于条件的不确定性分析提供了对测量的评估信心。例如,对于流量计,基于条件的不确定性分析的输出是针对流速数的不确定性表达式(例如,1605m3/小时+/-3.2m3/小时,或者可表示为百分比,诸如1605m3/小时+/-0.20%)。在系统200中,用于不确定性分析的实时不确定性分析仪226的输入可包括与流量计202相关联的任何和所有数据,包括流量计202本身、分析仪204、压力和温度传感器206、流量计算机208、其他诊断工具、其他被测对象或这些中的两者或更多者的任何组合。基于条件的不确定性分析的输出是带有不确定性值的经验证的整体流速228(例如,24m3/秒+/-1m3/秒)。对于整体流速而言,这种基于条件的不确定性值是新颖的。在常规系统中,唯一生成的数据是整体流速,并且不知道该数字的准确性。
基于条件的不确定性分析依赖于大量高度复杂的计算,并且需要可观的计算能力,这是实时不确定性分析仪226远离物理环境在基于云的环境260中执行计算为何有利的原因之一。基于云的环境260提供了可在许多站点处的许多资产之间共享的单个强大的计算环境。这使得在每个站点处提供这样的计算环境的总成本大大降低。
带有基于条件的不确定性值的经验证的整体流速228通过云网关220和IIoT网关212发送到本地环境250。在本地环境中的计算设备处,在来自MSC 210的值与经验证的整体流速228之间进行技术审核(例如,值的比较)。如果比较结果良好(例如,比较的数值基本上相同,例如,彼此相差0.3%以内),则流速为经技术审核的流速216(即,该流速已验证,该流速可证明)。然后,将经技术审核的流速216传递到DCS218。如果比较结果不好(例如,比较的数值基本上不同),则数据未通过技术审核。此类数据可被阻止,并且可生成指示被阻止的数据的消息。
一旦在本地环境250和基于云的环境260内收集、处理并分析所有数据,就不难在虚拟系统中复制流量计系统和相关联的数据以进行虚拟建模和测试。在虚拟系统中执行虚拟测试可以揭示可能的改变,这些改变如果在物理系统中进行,则将会带来更好的结果。
因此,基于云的环境260包括流量计202的虚拟孪生体实例230。虚拟孪生体实例230允许用户(例如,技术人员或工程师)执行无法在流量计202的物理实例上执行的虚拟建模和测试。例如,用户可以在虚拟孪生体实例230中运行模拟和推断在物理环境中已观察到(或可能有可能或合理)的改变的场景。建模可产生流量计202的预诊数据232。如本文所用,预诊可被定义为“未来事件的预先指示”。也就是说,预诊允许用户实现对未来事件的具有一定确定性的预测。预诊数据232是基于条件的监测222、基于条件的不确定性分析226和虚拟孪生体230的结果。
同样,基于云的环境260更适合于虚拟建模,这是因为建模所需的计算能力很高并且不适合在每个站点处安装。另外,预诊需要执行多种无法在实时物理流量计上运行的建模场景和高级分析。
图3示出了根据本公开的用于流量计预诊和基于实时条件的不确定性分析的示例性方法300。为了便于解释,方法300被描述为使用图2的系统200来执行。然而,方法300可以与任何合适的设备或系统一起使用。
在步骤301处,计算设备从工业过程控制系统的本地环境中的流量计获得流量测量数据。这可以包括例如流量计算机208从流量计202获得流量测量数据。
在步骤303处,本地环境中的计算设备将流量测量数据发送到基于云的环境。这可以包括流量计算机208或MSC 210将流量测量数据发送到基于云的环境260中的云网关220。
在步骤305处,在基于云的环境中的计算设备对流量测量数据执行CBM分析以确定CBM数据。这可以包括例如CBM系统222对流量测量数据执行CBM分析。
在步骤307处,在基于云的环境中的计算设备对CBM数据执行不确定性分析,以确定带有不确定性值的经验证的流速。这可以包括例如实时不确定性分析仪226执行不确定性分析以确定经验证的流速228。
在步骤309处,本地环境中的计算设备将经验证的流速与技术审核中的流量测量数据进行比较,以确定经技术审核的流速。这可以包括例如MSC 210或其他计算设备确定经技术审核的流速216。
在步骤311处,本地环境中的计算设备将经技术审核的流速发送到与流量计相关联的DCS。这可以包括例如MSC 210将经技术审核的流速216发送到DCS218。
在步骤313处,DCS基于经技术审核的流速来控制流量计的操作。这可以包括例如DCS218基于经技术审核的流速216控制流量计202。
在步骤315处,在基于云的环境中的计算设备通过使用CBM数据和流量计的虚拟孪生体实例执行预诊分析来生成流量计的预诊数据。流量计的虚拟孪生体实例被配置为具有与流量计相同的属性。这可以包括例如在基于云的环境260中的计算设备使用CBM数据224和虚拟孪生体实例230生成预诊数据232。
在步骤317处,计算设备将流量计的预诊数据发送到与流量计相关联的DCS。这可以包括例如在基于云的环境260中的计算设备将预诊数据232发送到DCS218。
尽管图3示出了用于流量计预诊和基于条件的实时不确定性分析的方法300的一个示例,但可对图3进行各种改变。例如,虽然示出为一系列步骤,但图3中示出的各个步骤可重叠、并行发生、以不同顺序发生,或者多次发生。此外,可以结合或去除一些步骤,并且可以根据特定需要添加附加步骤。此外,虽然相对于系统200描述了方法300(相对于工业过程控制和自动化系统描述了该系统本身),但方法300可以与其他类型的设备和系统结合使用。
图4示出了根据本公开的用于执行与流量计预诊和基于实时条件的不确定性分析相关联的功能的示例性设备400。设备400可以例如表示流量计算机208、MSC 210、DCS218、历史数据库141、在图1至图3中示出或描述的另一设备或者这些中的两者或更多者的组合。设备400可以表示用于执行与流量计预诊和基于实时条件的不确定性分析相关联的功能的任何其他合适的设备。
如图4所示,设备400可包括总线系统402,该总线系统支持至少一个处理设备404、至少一个存储设备406、至少一个通信单元408和至少一个输入/输出(I/O)单元410之间的通信。处理设备404执行可加载到存储器412中的指令。处理设备404可以包括呈任何合适的布置方式的任何合适的数量和类型的处理器或其他设备。处理设备404的示例性类型包括微处理器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和分立电路。
存储器412和持久性存储装置414是存储设备406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412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414可包含支持数据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。根据本公开,存储器412和持久性存储装置414可被配置为存储与流量计预诊和基于条件的实时不确定性分析相关联的指令。
通信单元408支持与其他系统、设备或网络诸如网络104、108、112、120、128、136的通信。例如,通信单元408可包括有利于通过至少一个以太网网络进行通信的网络接口。通信单元408还可以包括有利于通过至少一个无线网络进行通信的无线收发器。通信单元408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410允许数据的输入和输出。例如,I/O单元410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410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4示出了用于执行与流量计预诊和基于实时条件的不确定性分析相关联的功能的设备400的一个示例,但可对图4进行各种改变。例如,可组合、进一步细分或省略图4中的各个部件,并且可根据具体需要添加附加部件。另外,计算设备可呈现各种各样的配置,并且图4不将本公开限制为设备的任何特定配置。
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、压缩光盘、数字视频光盘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盖写数据的介质,例如,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35U.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:
从工业过程控制系统中的流量计获得流量测量数据;
将所述流量测量数据发送到基于云的环境;
在所述基于云的环境中对所述流量测量数据执行基于条件的监测(CBM)分析,以确定CBM数据;
在所述基于云的环境中对所述CBM数据执行不确定性分析,以确定带有不确定性值的经验证的流速;
将所述经验证的流速与所述流量测量数据进行比较,以确定经技术审核的流速;以及
将所述经技术审核的流速发送到与所述流量计相关联的分布式控制系统(DCS)。
2.根据权利要求1所述的方法,还包括:
在所述基于云的环境中通过使用所述CBM数据和所述流量计的虚拟孪生体实例执行预诊分析来生成所述流量计的预诊数据,所述流量计的所述虚拟孪生体实例被配置为具有与所述流量计相同的属性;以及
将所述流量计的所述预诊数据发送到与所述流量计相关联的所述DCS。
3.根据权利要求1所述的方法,还包括:
通过所述DCS基于所述经技术审核的流速来控制所述流量计的操作。
4.根据权利要求1所述的方法,其中所述流量测量数据通过工业物联网(IIoT)网关和云网关被发送到所述基于云的环境。
5.一种系统,包括:
本地环境,所述本地环境包括至少一个第一处理设备;以及
基于云的环境,所述基于云的环境包括至少一个第二处理设备;
其中所述至少一个第一处理设备被配置为:
从工业过程控制系统中的流量计获得流量测量数据;以及
将所述流量测量数据发送到所述基于云的环境;
其中所述至少一个第二处理设备被配置为:
对所述流量测量数据执行基于条件的监测(CBM)分析,以确定CBM数据;以及
对所述CBM数据执行不确定性分析,以确定带有不确定性值的经验证的流速;
其中所述至少一个第一处理设备被进一步配置为:
将所述经验证的流速与所述流量测量数据进行比较,以确定经技术审核的流速;以及
将所述经技术审核的流速发送到与所述流量计相关联的分布式控制系统(DCS)。
6.根据权利要求5所述的系统,其中所述至少一个第二处理设备被进一步配置为:
通过使用所述CBM数据和所述流量计的虚拟孪生体实例执行预诊分析来生成所述流量计的预诊数据,所述流量计的所述虚拟孪生体实例被配置为具有与所述流量计相同的属性;以及
将所述流量计的所述预诊数据发送到与所述流量计相关联的所述DCS。
7.一种非暂态计算机可读介质,所述非暂态计算机可读介质包含指令,所述指令在由至少一个处理设备执行时使得所述至少一个处理设备:
从工业过程控制系统中的流量计获得流量测量数据;
将所述流量测量数据发送到基于云的环境;
在所述基于云的环境中对所述流量测量数据执行基于条件的监测(CBM)分析,以确定CBM数据;
在所述基于云的环境中对所述CBM数据执行不确定性分析,以确定带有不确定性值的经验证的流速;
将所述经验证的流速与所述流量测量数据进行比较,以确定经技术审核的流速;以及
将所述经技术审核的流速发送到与所述流量计相关联的分布式控制系统(DCS)。
8.根据权利要求7所述的非暂态计算机可读介质,所述非暂态计算机可读介质还包含指令,所述指令使得所述至少一个处理设备:
在所述基于云的环境中通过使用所述CBM数据和所述流量计的虚拟孪生体实例执行预诊分析来生成所述流量计的预诊数据,所述流量计的所述虚拟孪生体实例被配置为具有与所述流量计相同的属性;以及
将所述流量计的所述预诊数据发送到与所述流量计相关联的所述DCS。
9.根据权利要求7所述的非暂态计算机可读介质,其中所述经验证的流速与所述流量测量数据的所述比较是在所述流量计的本地环境中通过计算设备执行的。
10.根据权利要求7所述的非暂态计算机可读介质,所述非暂态计算机可读介质还包含指令,所述指令使得所述至少一个处理设备:
通过所述DCS基于所述经技术审核的流速来控制所述流量计的操作。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/938735 | 2018-03-28 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980018184.5A Division CN111837082B (zh) | 2018-03-28 | 2019-03-28 | 利用近实时条件的超声流量计预诊 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118244722A true CN118244722A (zh) | 2024-06-25 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10018997B2 (en) | Non-intrusive data analytics in a process control system | |
CN107085415B (zh) | 过程控制网络中的规则构建器 | |
RU2690886C2 (ru) | Система очистки данных и способ для определения состава сырья | |
RU2686820C2 (ru) | Система и способ настройки моделей процессов | |
JP6423546B2 (ja) | 高度なデータクレンジングシステムおよび方法 | |
JP6095732B2 (ja) | コンピュータベースの方法及びコンピュータベースのモデル | |
US20180356811A1 (en) | Apparatus and method for automated identification and diagnosis of constraint violations | |
US11122345B2 (en) | System and method for connected metering | |
US20100262411A1 (en) | Systems and methods for real-time system monitoring and predictive analysis | |
EP3355145A1 (en) | Systems and methods for reliability monitoring | |
RU2724075C1 (ru) | Система и способ определения источника аномалии в кибер-физической системе, обладающей определенными характеристиками | |
JP2005531826A (ja) | プロセス・プラントにおける統合警告発生方法 | |
KR20100042293A (ko) | 화학 플랜트 또는 정제소를 연속해서 온라인 모니터하는 시스템 및 방법 | |
WO2015031053A1 (en) | System and method for multi-domain structural analysis across applications in industrial control and automation system | |
CN116483054A (zh) | 一种工业机器人运行状态监测预警系统及方法 | |
EP3217241A2 (en) | Calibration technique for rules used with asset monitoring in industrial process control and automation systems | |
CN111837082B (zh) | 利用近实时条件的超声流量计预诊 | |
EP3180667B1 (en) | System and method for advanced process control | |
CN118244722A (zh) | 利用近实时条件的超声流量计预诊 | |
US11334061B2 (en) | Method to detect skill gap of operators making frequent inadvertent changes to the process variables | |
US20170277142A1 (en) | Process control system performance analysis using scenario data | |
AU2018285616B2 (en) | Apparatus and method for automated identification and diagnosis of constraint violations | |
CN110914776A (zh) | 用于识别关于基于模型的控制器性能的可变性或控制偏差的影响和原因的装置和方法 | |
US20230070826A1 (en) | Autonomous instrument management | |
PARIS | Dependability and reliability of manufacturing systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |