-
Die
Erfindung betrifft ein Verfahren und eine Vorrichtung zum Trainieren
des Bedienpersonals einer prozesstechnischen Anlage, die einen Leitstand zum Überwachen
und Steuern des auf der Anlage ablaufenden Prozesses aufweist. Bevorzugte
Anwendungsmöglichkeiten der Erfindung bieten sich insbesondere
bei Anlagen zur Durchführung chemischer oder physikalischer
Verfahren bzw. großtechnischer Herstellungsverfahren, beispielsweise
einer Sinteranlage, einer Pelletieranlage, einer Schwefelsäureanlage,
einer Anodenproduktionsanlage, einer Reduktionsanlage oder einer
sonstigen großchemischen Anlage, an, die aus einem Leitstand
heraus insbesondere unter Einsatz eines Prozessleitsystems oder
einer speicherprogrammierbaren Steuerung (SPS) gesteuert, geregelt
und kontrolliert werden. Unter chemischen oder physikalischen Verfahren
sind insbesondere Prozesse zu verstehen, bei denen physikalische
und/oder chemische Umsetzungen von Stoffen erfolgen. So sind den
chemischen Verfahren insbesondere auch metallurgische Prozesse zuzurechnen.
-
Im
Sinne der Erfindung wird unter Leitstand sowohl ein Bedienpult mit
Steuer- und Überwachungsfunktionen als auch ein Prozessleitsystem oder
eine speicherprogrammierbare Steuerung verstanden, in denen Regel-
und/oder Steuervorgänge für die Anlage definiert
sind. In der Praxis weist ein Leitstand neben ggf. weiteren Bestandteilen
häufig Kombinationen der zuvor genannten Elemente auf.
-
Durch
das erfindungsgemäß vorgeschlagene Verfahren beziehungsweise
die erfindungsgemäß vorgeschlagene Vorrichtung
werden in dem Leitstand gegebenen Befehle, bei denen es sich um
manuelle Befehle oder Signale aus dem Prozessleitsystem oder der
speicherprogrammierbaren Steuerung, bspw. Reg lerausgangssignale
oder Stellsignale, handeln kann, abgegriffen und einem Prozesssimulator zugeführt.
Die Ausgänge des Prozesssimulators werden dem Leitstand,
d. h. dem Bedienpult bzw. Bedienpersonal, dem Prozessleitsystem
oder der speicherprogrammierbaren Steuerung zugeführt.
Der auf der Anlage ablaufende Prozess wird in dem Prozesssimulator
unter Berücksichtigung insbesondere aller in dem Leitstand
gegebenen Befehle oder Signale an die Anlage, welche auch die Reaktionen
des Prozessleitsystems oder der speicherprogrammierbaren Steuerung
umfassen, simuliert.
-
Ein
solches Konzept ist grundsätzlich bereits in der
JP 2004021180 A (Patent
Abstracts of Japan) beschrieben, die einen On-site Operation Trainingssimulator
vorschlägt, der die Bedienung des Trainingssimulators mit
der auch zur Steuerung der Anlage vorgesehenen Betriebsmonitoreinrichtung
ermöglicht. Dazu kann die Bedienungsmonitoreinrichtung wahlweise
auf die zu steuernde Anlage oder den Trainingssimulator aufgeschaltet
werden. In dem Trainings-Simulator wird das auf der Anlage ablaufende
Verfahren dann simuliert.
-
Bei
der Simulation komplexer Anlagen ist es in der Praxis jedoch häufig
schwierig, das gesamte Prozess- oder Anlagenverhalten mit Hilfe
von expliziten Gleichungen, wie Differentialgleichungen oder stationären
Gleichungen so abzubilden, dass der Einfluss einzelner Steuer- oder
Regeleingriffe in dem Bedienpult, dem Prozessleitsystem oder der
speicherprogrammierbaren Steuerung in ihrem Einfluss auf die reale
Anlage auch tatsächlich hinreichend korrekt abgebildet
wird, da die zu Grunde liegenden Modelle nicht hinreichend genau
sind oder nur mit unverhältnismäßig hohen
Aufwand zu ermitteln oder abzubilden sind.
-
Für
die Modellierung eines, insbesondere in einer großchemischen
Anlage, ablaufenden Prozesses gibt es grundsätzlich zwei
verschiedene Ansatzmöglichkeiten:
Es gibt sogenannte „rigorose
Modelle" („first principal based equations"), die als formelmäßige
Beschreibung direkter kausaler und rückgekoppelter Zusammenhänge
in einem Prozess auf Basis physikalischer, chemischer und/oder verfahrenstechnischer Beziehungen
definiert sind und durch eine oder mehrere Gleichungen parametriert
bzw. ausgedrückt werden können. Die Beziehungen
beruhen in der Regel auf naturwissenschaftlichen Vorstellungen oder
Modellen. In der Praxis sind dies in großchemischen Anlagen
stationäre Bilanzgleichungen mit kombinierten Zeitgliedern,
dynamische Systeme aus Differentialgleichungen oder gemischte Ansätze
aus stationären und dynamischen Gleichungskomponenten.
-
Einen
anderen Ansatz bilden sogenannte "datengetriebene Modelle". Derartige
Modelle sind definiert als die empirische Beschreibung eines kausalen
Zusammenhangs in einem Prozess auf der Basis gewonnener Messdaten,
zum Beispiel mittels Korrelations- oder Regressionsansätzen,
statistischen Ansätzen und/oder neuronalen Netzen. Insbesondere
bieten künstliche neuronale Netze die Möglichkeit,
auf der Basis von Messdaten aus der Anlagenhistorie ein Modell des
zugrundeliegenden Prozesses zu generieren, ohne a priori Annahmen über die
Struktur der funktionalen Zusammenhänge zwischen den verschiedenen
Größen zu machen. Solche Annahmen sind bei linearen
Regressionsansätzen mit nicht linearen Ansatzfunktionen
beispielsweise teilweise notwendig. Die Einsatzschwerpunkte neuronaler
Netzwerke in der verfahrenstechnischen Industrie liegen in der Modellierung
von Verfahren und Anlagen mit dem Ziel, Betriebspunkte zu optimieren,
Messdaten zu überwachen, Online-Fehlerdiagnosen zu ermöglichen
oder sinnvoll in Anlagenregelungen einzugreifen.
-
Dies
beschreibt beispielsweise die
EP 0 756 219 B1 , die ein Verfahren zur Überwachung
der Eigenschaften von in einem Herstellungsprozess gefertigten Produkten
betrifft. Entsprechend dem offenbarten Verfahren werden die Produkteigenschaften aufgrund
von gemessenen Prozessdaten mittels eines Prog nosemodells vorhergesagt,
welches zumindest ein Prognoseintervall ausgibt. Dazu erzeugt das vorgeschlagene
Verfahren ein neuronales Netz und sammelt kontinuierlich verfügbare
Prozessdaten, um die Grenzen des Prognosemodells aufgrund von Messdaten
ständig zu erweitern und die Parameter dieses Modells ständig
zu verändern und damit die Modellgüte bezogen
auf den Prozess ständig zu verbessern.
-
Insbesondere
weil ein Stelleingriff an einer Steuer- oder Regeleinrichtung des
Leitstands unmittelbare oder mittelbare Auswirkungen auf verschiedenste
Prozessparameter und Bereiche des Prozesses haben kann, lassen sich
Simulationen nur schwer realisieren, die das gesamte Verfahren durch rigorose
stationäre oder dynamische Modelle oder durch neuronale
Netze alleine abbilden und den Einfluss eines jeden Stelleingriffs
auf den Prozess korrekt erfassen und wiedergeben wollen. Hinzu kommt, dass
datengetriebene Modelle, wie neuronale Netze, häufig nur
schwer Rückschlüsse auf systematische Schwierigkeiten
in der Anlage, wie z. B. Ausfälle von Pumpen, Ventilen
oder anderen Bauteilen, zulassen, da die sich selbst konfigurierenden
Regeln zur Datenauswertung losgelöst sind von den naturwissenschaftlich-technischen
Grundlagen.
-
Reine
datengetriebene Modelle können nur die Betriebsvarianten
eines Prozesses abbilden, die tatsächlich schon vorgekommen
sind. Wegen der vielen theoretischen Möglichkeiten von
Störereignissen stehen aber niemals alle möglichen
Kombinationen zur Verfügung, um datengetriebene Modelle
an diese Möglichkeiten anpassen zu können.
-
Reine
rigorose Modelle, wie Differentialgleichungen oder Bilanzgleichungen,
basieren dagegen immer auf vereinfachten Annahmen der Wirklichkeit, weshalb
sie die Wirklichkeit nur in Einzelfällen angenähert
wiedergeben können. Als Beispiel mag die Reaktionskinetik
dienen: Alle Gleichungen, welche die Geschwindigkeit einer chemischen
Reaktion vorherzusagen versuchen, basieren auf vereinfachten stochastischen
Stoßmodellen idealer punktförmiger Teilchen, die
es in Wirklichkeit nicht gibt, und sind daher auch nur begrenzt
genau. Weitere Beispiele für die Anwendung rigoroser Modelle
sind eine Regelung nach der
DE 102 60 943 B3 , in der die Temperatur in
einem Ofen mit Hilfe der zugeführten Brennstoff und Eduktmenge
gesteuert wird, oder ein Verfahren zur Stabilisierung einer Wirbelschicht
in einem Röstofen nach der
EP 1 339 881 B1 , bei dem die Zugabe einer
bestimmten Sauerstoffmenge zu einem Röstofen berechnet
wird.
-
Aufgabe
der vorliegenden Erfindung ist es, eine Möglichkeit zum
Trainieren des Bedienpersonals zu schaffen, die den gesamten Prozess
einer Anlage mit seinen im Leitstand gegebenen Stellmöglichkeiten
so genau simuliert, dass das Bedienpersonal keinen nennenswerten
Unterschied zwischen der tatsächlichen Anlagenführung
und dem Trainingsfall wahrnimmt.
-
Diese
Aufgabe wird durch die Merkmale der Ansprüche 1 und 11
gelöst.
-
Dazu
ist bei dem Verfahren der eingangs beschriebenen Art insbesondere
vorgesehen, dass der Prozesssimulator zur Simulation bzw. Modellierung des
Prozesses in der Anlage sowohl rigorose Modelle als auch datengetriebene
Modelle verwendet und diese über interne Schnittstellen
miteinander verbindet. Durch diesen Ansatz ist es möglich,
in dem Prozesssimulator für viele wissenschaftlich-technisch gut
aufgeklärte Zusammenhänge rigorose Teilmodelle
und für die nicht hinreichend genau bekannten oder schwer
beschreibbaren Zusammenhänge datengetriebene Teilmodelle
zu verwenden, die dann über die Schnittstellen zu einem
Gesamtmodell zusammengesetzt werden. Die rigorosen Modelle können
z. B. auf physikalischen Gleichungen, Bilanzgleichungen, reaktionskinetischen
Differenzialgleichungen und anderen wissenschaftlich gut aufgeklärten Formeln
oder Modellen für bekannte oder untersuchte Zusammenhänge
basieren. Bei den rigorosen Modellgleichungen sind die Struktur
der Gleichung und die Größenordnung der Parameter
dieser Gleichung in der Regel recht gut bekannt, so dass durch diese rigorosen
Teilmodelle Abschnitte der Anlage in ihrer technischen Funktionsweise
abgebildet und somit besser verstanden werden können. Beispiele
für gut bekannte Gleichungen sind Modelle oder Zusammenhänge
für einfache Wärmeübergänge,
Massenbilanzgleichungen und einfache reaktionskinetische Modelle
(beispielsweise die Arrhenius-Gleichung oder die Michaelis-Menten-Gleichung).
Ferner lassen sich Massenströme, Volumenströme
und das stochastische Laufzeitverhalten einzelner Moleküle durch
die Anlage häufig durch rigorose Modelle mit großer
Genauigkeit beschreiben.
-
Sofern
die rigorosen (Teil)Modelle nicht genau genug sind, werden datengetriebene
(Teil)Modelle verwendet, deren Parameter mit Hilfe von Prozessdaten
angepasst, also erlernt, berechnet oder gefittet werden. Für
die Anpassung (Fit) können diverse Verfahren wie Gradientenverfahren,
konjugierte Gradientenverfahren, stochastische Verfahren (z. B.
die Monte-Carlo-Methode) oder auch genetische Algorithmen verwendet
werden. Merkmal dieser datengetriebenen Modelle ist es, dass die
Struktur der verschiedenen Gleichungen und/oder die Parameter mit
Hilfe von aus der Anlage stammenden Messdaten und/oder Laboranalysen
ermittelt und die technisch-naturwissenschaftlichen Zusammenhänge nicht
unbedingt erkennbar zusammenhängend, also nicht explizit
oder nicht als geschlossen lösbare Gleichungen, beschrieben
werden. In vielen Fällen ist es auch sinnvoll, trotz vorhandener
rigoroser Modelle auf datengetriebene Modelle zurück zu
greifen, um eine höhere Genauigkeit zu erreichen oder spezielle Abhängigkeiten
besser abbilden zu können. Letztendlich ist die Verwendung
vorhandener rigoroser (Teil)Modelle oder deren Ersatz durch datengetriebene
(Teil)Modelle abhängig von der einzelnen Anlage und dem
gewünschten Simulationserfolg.
-
Durch
die vorgesehenen internen Schnittstellen werden die einzelnen rigorosen
oder datengetriebenen Teilmodelle miteinander verbunden, wobei eine
Schnittstelle sowohl Übergänge zwischen rigorosen
und datengetriebenen Teilmodellen als auch Übergänge
zwischen jeweils rigorosen Modellen oder datengetriebenen Modellen
umsetzt. Charakteristikum dieser Schnittstellen kann es insbesondere sein,
dass das Ergebnis des vorangehenden Teilmodells als Ausgangspunkt
für das folgende Teilmodell verwendet wird.
-
Ein
sowohl aus rigorosen als auch datengetriebenen Modellen (Teilmodellen)
aufgebautes (Gesamt)Modell des Prozesssimulators, welches auch als
Hybridmodell bezeichnet wird, benötigt nur eine vergleichsweise
geringe Rechenzeit, da bekannte Zusammenhänge durch wenig
rechenintensive rigorose Modelle abgebildet werden und lediglich
die nicht oder nur durch großen Aufwand durch geschlossene
Gleichungen mittels Parameter darstellbaren Prozessteile über
mit den rigorosen Modellen verbundene datengetriebene Modelle abgedeckt werden.
-
Um
das vorbeschriebene Verfahren umzusetzen, ist es daher besonders
vorteilhaft, bei der Bildung des Prozesssimulators in einem ersten
Schritt kausale Zusammenhänge innerhalb des Prozesses, die
aufgrund bekannter physikalischer, chemischer und/oder verfahrenstechnischer
Beziehungen durch Gleichungen ohne großen Aufwand und mit
der geforderten Genauigkeit beschreibbar sind, durch ein oder mehrere
rigorose(s) Modell(e) zu beschreiben und in einem zweiten Schritt
die verbleibenden kausalen Zusammenhänge zur Abbildung
des Prozesses durch ein oder mehrere datengetriebene(s) Modell(e)
umzusetzen. Auch kann es vorteilhaft sein, empirische Stoffdatenbanken
mit Hilfe datengetriebener Ansätze zu Modellgleichungen
umzuwandeln oder zu übernehmen (z. B. angepasste Gleichungen für
Wärmekapazitäten) und diese zu verwenden, um den
rigorosen Modellen Parameter vorzugeben. Ebenso können hierzu
z. B. Gerätekennlinien benutzt oder umgewandelt werden,
um Parameter für diese Modelle zu gewinnen.
-
In
einem gesamten Anlagenprozess sind durch rigorose Modelle in der
Regel nur Teilprozesse gut beschreibbar, die den Übergang
von einem physikalischchemischen Ausgangs(zwischen)zustand in einen
physikalisch-chemischen End(zwischen)zustand beschreiben. Allerdings
ist das Erreichen diese Ausgangszustands meist durch geschlossene
Gleichungen in dem rigorosen Modell nur schlecht oder gar nicht
zu beschreiben, da zu viele Parameter in der Anlage berücksichtigt
werden müssten, die teilweise auch konkurrierenden Einfluss
haben.
-
Insbesondere
in diesem Fall ist es sinnvoll, als interne Schnittstellen zwischen
den rigorosen Modellen und den datengetriebenen Modellen physikalischchemisch
bestimmbare oder charakterisierbare Zwischenzustände zu
definieren. Das Auffinden bzw. die Bestimmung derartiger Zwischenzustände
kann durch Auswertung realer Prozessdaten erfolgen, da die Zwischenzustände
häufig zu bestimmten Zeitpunkten des Prozesses in der Anlage
vorliegende, messbare Zustände sind. Damit definieren die
internen Schnittstellen in der Anlage bestimmbare Zwischenzustände,
die durch die Teilmodelle beschrieben werden müssen bzw.
können und auch ein abschnittsweises Überprüfen
der einzelnen Teilmodelle durch Messung von Prozessgrößen
in der Anlage ermöglichen. Diese Zwischenzustände
sind nicht zwangsläufig chemische oder physikalische einheitliche
Zustände, sondern können sich durch verschiedene
Parameter eindeutig bestimmt oder charakterisiert werden, z. B.
durch Temperatur, chemische Zusammensetzung, Verweilzeit, Verteilung
von Partikelgrößen, Dichteänderung.
-
Derartige
Zwischenzustände bieten einen idealen Ausgangspunkt zur
weiteren Beschreibung des Prozesses mittels rigoroser Modelle. Daher
wird erfindungs gemäß vorgeschlagen, alle oder
einige, vorzugsweise aber viele Übergänge zwischen
Zwischenzuständen, die auf physikalisch-chemischen Reaktionen
beruhen, mit rigorosen Modellen zu beschreiben. Das Überprüfen
der rigorosen Modelle beziehungsweise der jeweiligen Modellparameter
kann dann anhand von realen, gemessenen Betriebsdaten oder durch
Laborversuche oder Technikumsversuche erfolgen. Dabei können
auch verschiedene, charakterisierbare Zwischenzustände
an einem Ort zum gleichen Zeitpunkt vorhanden sein.
-
Zur
Anbindung des erfindungsgemäßen Verfahrens an
den Leitstand können als erste externe Schnittstellen zwischen
dem Leitstand und dem Prozesssimulator die von dem Leitstand insbesondere aufgrund
von Steuerbefehlen oder automatischen Regel- oder Stelleingriffen
an die Anlage ausgegebenen Stellgrößen verwendet
werden. Die Auswirkungen dieser Stellgrößen sind
in einem physikalisch-chemischen Modell häufig nicht geschlossen,
d. h. nicht rigoros, beschreibbar.
-
Daher
ist es besonders vorteilhaft, dass alle oder einige, vorzugsweise
aber viele Übergänge zwischen einer externen Schnittstelle,
d. h. beispielsweise einer aufgrund eines Steuer- oder Regelbefehls erzeugten
Stellgröße, und einem Zwischenzustand durch ein
datengetriebenes Modell beschrieben werden.
-
Als
zweite externe Schnittstellen zwischen dem Prozesssimulator und
dem Leitstand können Zustandsinformationen der Anlage definiert
werden, die dem Leitstand als Rückmeldungen der Anlage
zugeleitet werden. Hierdurch ist der Trainingssimulator in der Lage,
durch ihn simulierte Prozessdaten in Form von Sensorinformationen
in dem Leitstand anzuzeigen und dadurch eine realistische Simulation der
Anlage auch in dem Leitstand zu erreichen. Typischerweise sind derartige
Zustandsinformationen häufig insbesondere Werte von in
der Anlage befindlichen Messsensoren.
-
Erfindungsgemäß ist
vorgesehen, dass der Leitstand wahlweise die Anlage oder den Prozesssimulator
steuert, wobei dies in dem Leitstand vorzugsweise nicht angezeigt
wird. Somit erscheint die Steuerung des Prozesssimulators durch
den Leitstand als eine Steuerung der Anlage und ermöglicht
es, den Trainings-Simulator unter realen Bedingungen einzusetzen.
Die bedienenden und zu trainierenden Operateure müssen
also nicht wissen, dass sie nicht die Anlage, sondern einen Simulator
steuern. Gemäß einer bevorzugten Ausführungsform
kann in den Trainings-Simulator dann ein zweiter Leitstand integriert sein,
der die Anlage steuert oder bspw. bei abgeschalteter Anlage aktive
Eingriffe des Trainers in den Simulator erlaubt, um ggf. besondere
Ereignisse oder Störfälle zu simulieren und das
Verhalten der Operateure zu trainieren.
-
Da
durch das erfindungsgemäße Verfahren der auf der
Anlage ablaufende Prozess besonders realistisch simuliert werden
kann, weil die Steuerbefehle in dem Leitstand bei der Simulation
unmittelbar und vorzugsweise vollständig mitberücksichtigt
werden, ist es besonders vorteilhaft, den Prozesssimulator oder
Teile des Prozesssimulators gleichzeitig zur Anlagenoptimierung
mit zu verwenden. Dies kann beispielsweise durch eine prädikative
Online-Optimierung erfolgen, indem die veränderbaren Größen des
Prozesses (manipulierbare Variablen) derart geführt werden,
dass gegebene technische Schranken (Constraints) eingehalten werden
und eine (meist ökonomische) Zielfunktion maximiert oder
minimiert wird, indem Auswirkungen von Eingriffen prädiziert (simuliert)
werden. Diese prädikative Optimierung kann im Rahmen des
erfindungsgemäß vorgeschlagenen Verfahrens deshalb
so genau umgesetzt werden, weil das Modell durch die Kombination
der rigorosen und der datengetriebenen Modelle eine besonders hohe Übereinstimmung
des Gesamtmodells mit der Wirklichkeit aufweist. Auch kann es vorteilhaft sein,
den Prozesssimulator oder Teile des Prozesssimulators auch zur Verbesserung
von Regelstrategien, insbesondere deren Optimierung und/oder Test, zu
verwenden, indem bspw. Änderungen der Konfiguration oder
der Programmierung des Prozessleitsystems oder der SPS am Prozesssimulator
getestet werden, bevor diese an der echten Anlage zum Einsatz kommen.
Weiterhin kann es vorteilhaft sein, auch Änderungen in
Anlagenteilen zuerst durch den Prozesssimulator zu überprüfen.
-
Die
Erfindung bezieht sich auch auf eine Vorrichtung zum Trainieren
des Bedienpersonals einer prozesstechnischen Anlagen insbesondere
zur Durchführung des vorbeschriebenen Verfahrens. Die Anlage
ist mit einem Leitstand zum Überwachen und Steuern des
auf der Anlage ablaufenden Prozesses verbunden. Zur Anbindung an
diesen Leitstand weist die erfindungsgemäße Vorrichtung
externe Schnittstellen zum Abgreifen der in dem Leitstand gegebenen
Befehle oder Signale und/oder zum Zuleiten von Zustandsinformationen
an den Leitstand sowie einen Prozesssimulator mit einer Recheneinheit
auf. Die externen Schnittstellen können als erste Schnittstellen
zum Abgreifen der in dem Leitstand gegebenen Befehle und zweite
Schnittstellen zum Zuleiten von Zustandsinformationen an den Leitstand
ausgebildet sein, wobei diese Schnittstellen auch zu einer gemeinsamen
Schnittstelle bzw. Schnittstelleneinheit zusammengefasst sein können.
Die Recheneinheit des Prozesssimulators ist dazu eingerichtet, den
auf der Anlage ablaufenden Prozess mittels rigoroser Modelle und
datengetriebener Modelle zu simulieren, wobei zwischen den rigorosen
und den datengetriebenen Modellen mindestens eine, vorzugsweise mehrere
interne Schnittstellen ausgebildet sind. Diese internen Schnittstellen
dienen dazu, als Teilmodelle dienende rigorose oder datengetriebene
Modelle miteinander zu verbinden, wobei erfindungsgemäß auch
zwei oder mehrere datengetriebene Modelle und/oder zwei oder mehrere
rigorose Modelle über eine interne Schnittstelle miteinander
verbunden sein können. Insbesondere stellt die Recheneinheit
eine Implementierung des vorbeschriebenen Verfahrens mittels Datenverarbeitungsprogrammen
dar, auf die sich die Erfindung auch bezieht.
-
Vorzugsweise
sind die externen Schnittstellen, die die ersten und/oder die zweiten
externe Schnittstellen umfassen können, in eine zwischen dem
Leitstand und der Anlage vorgesehene Schnittstelle bzw. Schnittstelleineinheit
zwischenschaltbar. Diese kann dann so konfigurierbar sein, dass
die über die Schnittstelle zwischen dem Leitsystem und der
Anlage ausgetauschten Daten in der externen Schnittstelle der erfindungsgemäßen
Vorrichtung wahlweise parallel abgreifbar sind oder durch den Prozesssimulator änderbar
und wieder ausgebbar sind. Auf diese Weise lässt sich einfach
zwischen einem Simulationsbetrieb und einem Regel- oder Steuerbetrieb
der Anlage umschalten, wobei auch der Prozesssimulator sämtliche
Steuerbefehle, beispielsweise in Form von Stellgrößen,
und Zustandsinformationen der Anlage, beispielsweise in Form von Sensordaten,
erhält. Ggf. kann ein Simulations- und ein Regel- oder
Steuerbetrieb auch parallel durchgeführt werden.
-
Damit
die als Trainingssimulator ausgebildete Vorrichtung gemäß der
vorliegenden Erfindung die Anlage im Trainingsfalle unmittelbar
selbst steuern kann, kann der Prozesssimulator einen eigenen, zweiten
Leitstand aufweisen, der eine Anlagensteuerung im Falle des Trainings
ermöglicht. Dieser Leitstand kann beispielsweise als reine
Softwareimplementierung mit in die erfindungsgemäße
Vorrichtung implementiert sein. Hierdurch ist es möglich,
während des laufenden Betriebs der Anlage plötzlich
ein Trainingsfall einzubauen, der eine kritische Anlagensituation
simuliert, und die Anlage während dieses Trainingsfalls
durch den erfindungsgemäßen Trainings-Simulator
selbst weiter zu steuern. Hierdurch wird eine besonders authentische
Trainingssituation für das Bedienpersonal beziehungsweise
die Operateure einer prozesstechnischen Anlage erreicht.
-
Weitere
Vorteile, Merkmale und Anwendungsmöglichkeiten der vorliegenden
Erfindung ergeben sich auch aus der nachfolgenden Beschreibung eines
Ausführungsbeispiels und der Zeichnung. Dabei bilden alle
beschriebenen und/oder bildlich dargestellten Merkmale für
sich oder in beliebiger Kombination den Gegenstand der vorliegenden
Erfindung, auch unabhängig von ihrer Zusammenfassung in
den Ansprüchen oder deren Rückbezügen.
-
Die
einzige 1 zeigt schematisch den Ablauf
des erfindungsgemäßen Verfahrens beziehungsweise
den Aufbau der erfindungsgemäßen Vorrichtung zum
Trainieren des Bedienpersonals einer Anlage.
-
In
abstrakter Form ist eine prozesstechnische Anlage 1 dargestellt,
in der ein chemischer Prozess 2, beispielsweise ein Sinterprozess
oder eine Kristallisation, abläuft. Der chemische Prozess 2 ist schematisch
durch eine Folge von Pfeilen und Rechtecken symbolisiert, wobei
die Rechtecke physikalischchemisch charakterisierbare Zwischenzustände 3 und
die Pfeile kausale Zusammenhänge 4 des Prozesses
bei einem Übergang zwischen den Zwischenzuständen 3 darstellen.
Die kausalen Zusammenhänge können beispielsweise
durch chemische Reaktionen oder physikalische Gesetzmäßigkeiten
hervorgerufene Übergänge zwischen zwei Zwischenzuständen,
d. h. jeweils einem Ausgangszustand und einem Endzustand, sein.
Grundsätzlich ist die Art der kausalen Zusammenhänge
jedoch beliebig und nicht auf diesen typischen Fall beschränkt
-
Die
Anlage 1 ist über erste externe Schnittstellen 5 und
zweite externe Schnittstellen 6 mit einem Leitstand 7 verbunden, über
den Bedienpersonal (Operateure) den auf der Anlage 1 ablaufenden Prozess 2 steuern
und überwachen können. In dem Leitstand 7 sind
Regler 8 vorgesehen, die Stellgrößen über
die ersten externen Schnittstellen 5 an die Anlage liefern.
Diese Stellgrößen beeinflussen Anlagenparameter,
wie Druck, Temperatur oder dgl., in bestimmten Anlagenteilen und
dadurch die kausalen Zusammenhänge 4 in der Anlage 1.
Dies hat Auswirkungen auf die Zwischenzustände 3 in
der Anlage 1. Diese Zwischenzustände 3 sind
vorzugsweise so definiert, dass sie mit einem definierten physikalisch-chemischen
Zustand der Anlage korreliert sind, die beispiels weise mittels einem
oder mehreren Sensoren oder Hilfsgrößen in den
Zwischenzuständen 3 erfasst werden können.
Diese Sensoren übertragen ihre Sensorwerte über
die zweiten externen Schnittstellen 6 an den Leitstand 7,
in dem die Sensorwerte in Displays 9 zur Charakterisierung
des Anlagenzustands dargestellt werden.
-
Für
eine solche Anlage 1 soll dem Bedienpersonal beziehungsweise
den Operateuren ein Werkzeug zur Verfügung gestellt werden,
um den Einstieg in die Bedienung des auf der Anlage 1 ablaufenden
Prozesses 2 zu erleichtern und das Bedienpersonal auch
während des Betriebs der Anlage 1 laufend zu schulen.
-
Hierzu
ist es grundsätzlich notwendig, die reale Anlage 1 für
den Operateur möglichst genau abzubilden, so dass im idealen
Fall für das Bedienpersonal am Leitsystem 7 kein
Unterschied zwischen der realen prozesstechnischen Anlage 1 und
ihrer Simulation ersichtlich ist. So können der Normalbetrieb der
Anlage 1 und Gefahrensituationen beziehungsweise Betriebszustände
durch einen Trainer realistisch vorgegeben werden. Hierzu ist es
notwendig, den auf der Anlage 1 ablaufenden Prozess 2 in
einem Prozesssimulator 10 (Trainingsimulator) unter Berücksichtigung
vorzugsweise aller in dem Leitstand 7 gegebenen Befehle
zu simulieren. Dazu ist der Prozesssimulator 10 in eine
Vorrichtung 11 zum Trainieren des Bedienpersonals einer
prozesstechnischen Anlage 1 mit ersten Schnittstellen 5 zum
Abgreifen der in dem Leitstand 7 gegebenen Befehle und
zweiten Schnittstellen 6 zum Zuleiten von Zustandsinformationen
an den Leitstand 7 integriert. Zur Simulation des Prozesses 2 weist
der Prozesssimulator 10 eine Recheneinheit auf, die dazu
eingerichtet ist, den auf der Anlage 1 ablaufenden Prozess 2 mittels
rigoroser Modelle 12 und datengetriebener Modelle 13 zu simulieren,
wobei zwischen den rigorosen Modellen 12 und den datengetriebenen
Modellen 13 interne Schnittstellen 14 ausgebildet
sind. Diese Schnittstellen 14 können insbesondere
den festgelegten oder charakterisierbaren Zwi schenzuständen 3 des
Prozesses 2 entsprechen und somit definierte chemischphysikalische
Zustände angeben.
-
In
dem Prozesssimulator 10 wird ein in dem Leitstand 7 durch
einen Regler 8 gegebener Befehl als Stellgröße
in einer der ersten externen Schnittstellen 5 durch den
Prozesssimulator 10 abgegriffen und steht als Eingangsgröße
für den Simulator zur Verfügung. Dies gilt für
alle durch Regler 8 erzeugte Stellgrößen.
Ferner können in den Leitstand 7 Prozessleitsysteme
und speicherprogrammierbare Steuerungen integriert sein, die ihrerseits
Befehle und Signale erzeugen, die als Stellgrößen
in den ersten externen Schnittsellen 5 abgreifbar sind.
-
Ferner
sind die Teile des Prozesses 2 identifizierbar, die aufgrund
bekannter physikalischer, chemischer und/oder verfahrenstechnischer
Beziehungen durch parameterbehaftete Gleichungen beschreibbar sind.
Diese Gleichungen beschreiben in der Regel Übergänge
zwischen definierten, technisch gut charakterisierbaren und messbaren
Zwischenzuständen 3, die in dem Prozesssimulator 10 als
interne Schnittstellen 14 realisiert werden. Solche mit
rigorosen Modellen 12 beschreibbaren Übergänge
sind als Pfeile mit Doppelstrich dargestellt.
-
Die
durch rigorose Modelle nicht einfach beschreibbaren oder beschriebenen
Teilprozesse in der Anlage 2 werden dann durch datengetriebene
Modelle 13 beschrieben, die zur Beschreibung des gewünschten
kausalen Zusammenhangs in dem Prozess 2 auf der Basis von
Messdaten ein empirisches Modell ermitteln oder aus anderen Anlagen
oder Versuchen übernehmen, das mittels eines Regressionsansatzes,
statistischen Ansätzen und/oder künstlichen neuronalen
Netzen umgesetzt werden kann. Insbesondere werden die in den externen
Schnittstellen 5 abgegriffenen Stellgrößen
mittels datengetriebener Modelle mit den internen Schnittstellen 14 verbunden,
wobei in dem dargestellten Beispiel die Stellgröße
a des Reglers 8 Einfluss auf die Zustände A, B und
C der internen Schnittstellen 14 hat. Die Stellgröße
b beeinflusst die Zustände A und C der Schnittstellen 14.
Die Stellgröße c schließlich beeinflusst
die Zustände B und D der internen Schnittstellen 14.
Der unmittelbare Einfluss der Regler 8 auf die Zustände der
Anlage lässt sich meist nur schlecht mittels rigorosen
Modellen 12 beschreiben, die typischerweise eher für
den physikalisch-chemischen Verfahrensablauf Anwendung finden.
-
Es
gibt jedoch auch physikalisch-chemische Verfahrensabläufe,
die besser durch datengetriebene Modelle 13 simuliert werden,
wie bei dem Übergang zwischen den Zuständen C
und D der internen Schnittstellen 14 angedeutet. Die datengetriebenen Modelle 13 sind
als Pfeile mit gekringelter Linie dargestellt.
-
Wie
der Gesamtdarstellung des Prozesssimulators 10 zu entnehmen
ist, wird durch das erfindungsgemäß vorgeschlagene
Verfahren also ein Netzwerk zwischen internen Schnittstellen 14 gebildet,
die jeweils durch rigorose Modelle 12 und/oder datengetriebene
Modelle 13 miteinander verbunden sind. Diese Netzwerke
können natürlich wesentlich komplexer aufgebaut
sein als in dem Beispiel vereinfacht dargestellt.
-
Im
Gegensatz zu bisher verwendeten Trainingssimulatoren, die auf einer
Prozesssimulation mit mathematisch dynamischen Modellen basieren und
klassisch programmiert wurden, wird erfindungsgemäß vorgeschlagen,
ein konventionelles Leitsystem mit einem Prozesssimulator 10 auszustatten,
der als Gesamtmodell ein Hybridmodell aus verschiedenen rigorosen
und datengetriebenen Teilmodellen 12, 13 zusammenfasst.
-
Die
klassischen dynamischen Modelle konnten aufgrund mathematisch nur
schwer erfassbarer oder beschreibbarer Zusammenhänge häufig
nur eine ungenaue Abbildung der Realität geben. Außerdem
war es notwendig, die Gleichungen alle manuell anzupassen, so dass
bei der Erstellung des dynamischen Modells sehr hohe Kosten entstanden
sind.
-
Die
erfindungsgemäß vorgeschlagenen Hybridmodelle
setzen nun die einfach rigoros beschreibbaren Zusammenhänge
oder Modelle mit bekannten Gleichungen um, meistens in Form stationärer
Bilanzgleichungen und kombinierter Zeitglieder. Die komplexen Modellteile,
die auf einem nur schwer geschlossen mathematisch darstellbaren
Modell beruhen, werden mit datengetriebenen Teilmodellen umgesetzt,
wobei die datengetriebenen Teilmodelle insbesondere auch selbstkonfigurierende
künstliche neuronale Netze umfassen können. Diese
können zwar auch eine komplizierte und komplexe Struktur aufweisen,
generieren sich jedoch aus in der Anlage gewonnenen und beispielsweise über
die externen Schnittstellen 6 eingespeisten Daten selbst
und können in dem Prozesssimulator 10 zur Konfiguration der
datengetriebenen Modelle 13 gespeichert und ausgewertet
werden. Diese Methoden sind dem Fachmann bekannt und müssen
daher nicht näher erläutert werden (siehe z. B. Chemical
Engineering und Processing 44 (2005), Seite 581–592 oder
S. 855–868).
-
Wesentlich
für den vorgeschlagenen Prozesssimulator 10 ist,
dass die rigorosen Modelle 12 und die datengetriebenen
Modelle 13 über die internen Schnittstellen 14, über
die sie miteinander kommunizieren, ein Hybrid-Gesamtmodell der Anlage 1 erzeugen.
Die Kommunikation zwischen dem Prozesssimulator 10 beziehungsweise
der Vorrichtung 11 und dem Leitstand 7 erfolgt
dabei über ein die externen Schnittstellen 5, 6 enthaltendes
Interface. Dieses Interface kann beispielsweise als OPC-Interface ausgebildet
sein, welches ein standardisiertes Interface zur Kommunikation zwischen
der Hardware des Leitstands 7 und der Recheneinheit des
Prozesssimulators 10 darstellt. Somit ist es möglich,
den Prozesssimulator 10 über die Schnittstellen 5, 6 unmittelbar
an den Leitstand 7 anzukoppeln. Das trainierte Bedienpersonal
erkennt so keinen Unterschied zu einem realen System, d. h. der
Anlage 1.
-
Um
einem Trainer die Möglichkeit zu geben, in den Prozesssimulator 10 einzugreifen,
ist dieser ferner mit einer Ein- und Ausgabeeinheit 15 verbunden.
Die Bedien- und Beobachtungseinrichtungen 8, 9 des
Leitstands 7 können so von einem Trainer wahlweise
auf die echte Anlagensteuerung oder aber auf den Trainingssimulator
selbst gelegt werden. Idealerweise ist so eine Trainingssituation
möglich, die von dem Bedienpersonal beziehungsweise den
Operateuren nicht als solche erkannt wird und daher eine besonders
realistische Möglichkeit zur Schulung und dem Training
von Gefahrensituationen bietet. Um während des Trainings
im laufenden Betrieb die Anlage 1 weiter betreiben zu können,
kann an den Prozesssimulator 10 ein eigener, zweiter Leitstand 16 angeschlossen
sein, mit dem der Trainer oder anderes Bedienpersonal die Anlage 1 steuert,
wenn der Leitstand 7 zu Trainingszwecken verwendet wird.
Der zweite Leitstand 16 und die Ein- und Ausgabeeinheit 15 können
als eine gemeinsame Einrichtung ausgebildet sein, da insbesondere
ein zweiter Leitstand 16 es dem Trainer auch ermöglicht,
eine beliebige Trainingssituation in der Anlage vorzugeben, auf
die das trainierte Bedienpersonal an dem Leitstand 7 dann reagieren
muss.
-
Da
die Prozesssimulation unter Verwendung rigoroser Modelle 12 und
datengetriebener Modelle 13 neben bekannten technisch-naturwissenschaftlichen
Zusammenhängen gleichzeitig vorhandene Prozessdaten einer
Anlage verwendet, ist die Genauigkeit des in dem Prozesssimulator 10 realisierten
Trainingssimulators erheblich besser als bei herkömmlichen
Simulatoren, die ausschließlich ein rigoroses Modell oder
ein datenbetriebenes Modell verwenden, insbesondere weil es möglich
ist, den Einfluss jedes Steuerelementes des Leitstands 7 genau zu
charakterisieren.
-
Aufgrund
seiner hohen Genauigkeit kann der Prozesssimulator auch zur Prognose
von zukünftigen Betriebszuständen verwendet werden.
Diese Prognose kann zur Optimierung der bestehenden Anlage, zum
Test z. B. alternativer Einsatzmaterialien, veränderter
Anlagenteile oder neuer Betriebszustände genutzt werden.
Dies ist möglich, weil der Prozesssimulator 10 über
die externen Schnittstellen 5, 6 Zugang zu den
aktuellen Prozessdaten des in der Anlage 1 ablaufenden
Prozesses 2 erhält. Da diese Schnittstellen 5, 6 einen
parallelen Abgriff der Signale erlauben, kann der als Trainingssimulator
dienende Prozesssimulator 10 daher parallel zum laufenden
Betrieb auch als Optimierer für die Anlage eingesetzt werden,
der genaue Vorschläge für Einstellungen bestimmter
Steuerelemente des Leitstands 7 gibt.
-
Konkrete
Beispiele solcher Systeme sind Trainingssimulatoren für
Sinter- oder Pelletieranlagen. Für die Erstellung des Trainings-
bzw. Prozesssimulators 10 wird aus den Betriebsdaten der
Anlage 1 zunächst das Zeitverhalten berücksichtigt
oder entfernt, so dass die Datensätze stationäre
Zustände beschreiben, die insbesondere die charakterisierbaren
Zwischenzustände 3 bzw. die internen Schnittstellen 14 bilden.
Dann werden bei dem Auffinden rigoroser Modelle 12 bekannte
stationäre Gleichungen zwischen den Datensätzen
eingesetzt. Beispielsweise besteht in einer Sinteranlage ein solcher
rigoros beschreibbarer Zusammenhang zwischen der Schichthöhe
eines Sinterbandes, der Dicke des Erzgemisches, der Bandgeschwindigkeit
und der Menge des aufgegebenen Erzgemisches. Unbekannte Zusammenhänge,
wie beispielsweise die Temperaturverteilung des Sinterprozesses über
die gesamte Länge der Sintermaschine in Abhängigkeit
von der Rezeptur der Erzmischung und der Bandgeschwindigkeit, werden
mit datengetriebenen Modellen 13, beispielsweise künstlichen
neuronalen Netzen, abgebildet. Entsprechendes gilt für
die Steuer- und Regeleingriffe an dem Leitstand 7. Dazu
ist es manchmal nötig, die Daten oder die daraus generierten
datengetriebene Modelle entsprechend der äußeren Umstände
zu korrigieren oder anzupassen, um bestimmte Einflüsse
auszuschalten, z. B. Messungenauigkeiten oder systematische Fehler
bei Messungen.
-
Auf
diese Weise werden auch die Resultate des Prozesses, beispielsweise
der Anteil des Rückgutes, als wichtiger Qualitätsparameter
insbesondere durch datengetriebene Modelle mit abgebildet, so dass
der Trainingssimulator 10 gleichzeitig als Optimierer dienen
kann. Beispielsweise kann das den Anteil des Rückgutes
beschreibende Teilmodell verwendet werden, um den Anlagenfahrer
bei der Führung des Prozesses zu unterstützen
und einen optimalen Prozessablauf zu gewähren.
-
- 1
- prozesstechnische
Anlage
- 2
- chemischer
Prozess
- 3
- charakterisierbare
Zwischenzustände
- 4
- kausale
Zusammenhänge
- 5
- erste
externe Schnittstelle
- 6
- zweite
externe Schnittstelle
- 7
- Leitstand
- 8
- Regler
- 9
- Display
- 10
- Prozesssimulator,
Recheneinheit
- 11
- Vorrichtung
- 12
- rigorose
Modelle
- 13
- datengetriebene
Modelle
- 14
- interne
Schnittstelle
- 15
- Ein-
und Ausgabeeinheit
- 16
- zweiter
Leitstand
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - JP 2004021180
A [0004]
- - EP 0756219 B1 [0008]
- - DE 10260943 B3 [0011]
- - EP 1339881 B1 [0011]
-
Zitierte Nicht-Patentliteratur
-
- - Chemical Engineering
und Processing 44 (2005), Seite 581–592 oder S. 855–868 [0043]