DE102008036968A1 - Diagnoseverfahren eines Prozessautomatisierungssystem - Google Patents

Diagnoseverfahren eines Prozessautomatisierungssystem Download PDF

Info

Publication number
DE102008036968A1
DE102008036968A1 DE102008036968A DE102008036968A DE102008036968A1 DE 102008036968 A1 DE102008036968 A1 DE 102008036968A1 DE 102008036968 A DE102008036968 A DE 102008036968A DE 102008036968 A DE102008036968 A DE 102008036968A DE 102008036968 A1 DE102008036968 A1 DE 102008036968A1
Authority
DE
Germany
Prior art keywords
variables
raw data
input
diagnostic method
state
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.)
Withdrawn
Application number
DE102008036968A
Other languages
English (en)
Inventor
Alexander Müller
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.)
Endress and Hauser SE and Co KG
Original Assignee
Endress and Hauser SE and Co KG
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 Endress and Hauser SE and Co KG filed Critical Endress and Hauser SE and Co KG
Priority to DE102008036968A priority Critical patent/DE102008036968A1/de
Priority to PCT/EP2009/058301 priority patent/WO2010015465A1/de
Priority to US13/058,050 priority patent/US20110145180A1/en
Publication of DE102008036968A1 publication Critical patent/DE102008036968A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • 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
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/21Pc I-O input output
    • G05B2219/21002Neural classifier for inputs, groups inputs into classes
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/24Pc safety
    • G05B2219/24048Remote test, monitoring, diagnostic
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/25Pc structure of the system
    • G05B2219/25255Neural network
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/25Pc structure of the system
    • G05B2219/25428Field device
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/33Director till display
    • G05B2219/33037Learn parameters of network offline, not while controlling system

Abstract

Die Erfindung bezieht sich auf ein Diagnoseverfahren eines Prozessautomatisierungssystems (1) bestehend aus zumindest einem Feldgerät (3), einer Steuer-/Regeleinheit (3) und zumindest einem Feldbus (4), welches die folgenden Verfahrensschritte aufweist, in einer Einlernphase (EP) werden Rohdaten (R) von Messgrößen (M), Rohdaten (R) von Stellgrößen (S) und/oder Rohdaten (R) von Zustandsgrößen (Z) der Feldgeräte (3) oder der Prozesse (13) als Eingangsgrößen (E) erfasst und normiert abgespeichert, außerdem werden in der Einlernphase (EP) vom Anwender zumindest ein Parameter (P) einer Messbedingung, zumindest ein Parameter (P) eines Prozesszustandes (PZ) und/oder zumindest ein Parameter (P) eines Feldgerätezustandes (FZ) als Ausgabegröße (A) vorgegeben, die entsprechenden Ausgangsgrößen (A) werden den Eingangsgrößen (En) zugeordnet abgespeichert, während der Einlernphase (EP) werden die Eingangsgrößen (E) und die zugeordneten Ausgangsgrößen (A) einem neuronalen Netzwerk (5) übergeben, in der Einlernphase (EP) werden die kausalen Beziehungen zwischen den ermittelten Eingangsgrößen (E) und den entsprechenden, vorgegebenen Ausgangsgrößen (A) durch eine Übertragungsfunktion (U) des neuronalen Netzwerks (5) ermittelt und abgespeichert, in einer Betriebsphase (BP) wird mittels der Übertragungsfunktion (U) aus den aktuellen Rohdaten (R) der Feldgeräte (3) als Eingangsgrößen (E) zumindest eine Änderung der aktuellen Messbedingung, des aktuellen Prozesszustands und/oder des ...

Description

  • Die Erfindung betrifft ein Diagnoseverfahren eines Prozessautomatisierungssystems bestehend aus zumindest einem Feldgerät, einer Steuer-/Regeleinheit, und zumindest einem Feldbus gemäß dem Anspruch 1.
  • In der industriellen Messtechnik, insb. in der Automatisierungs- und Prozesssteuerungstechnik, werden regelmäßig Feldgeräte eingesetzt, die im Prozessablauf Prozessvariablen mittels Sensoren ermitteln oder Stellgrößen mittels Aktoren einstellen.
  • Zu den Feldgeräten zählen z. B. Durchfluss-, Füllstands-, Druck- oder Differenzdruck-, Temperaturmessgeräte, sowie Stellantrieb. Sie sind in der Regel dezentral in unmittelbarer Nähe der zu messenden oder zu steuernden Prozesskomponente angeordnet, und liefern ein Messsignal, das dem Messwert der erfassten Prozessvariablen entspricht. Die Messsignale der Feldgeräte werden an eine übergeordnete Einheit, z. B. eine zentrale Steuereinheit, wie z. B. eine Warte oder ein Prozessleitsystem, weitergeleitet. In der Regel erfolgt die gesamte Prozessteuerung über die übergeordnete Einheit, die die Messsignale der einzelnen Messgeräte empfängt und auswertet und in Abhängigkeit von deren Auswertung Steuerungssignale für die Aktoren erzeugt, die den Prozessablauf steuern. Auf diese Weise kann beispielsweise ein Durchfluss durch einen Rohrleitungsabschnitt mittels eines steuerbaren Ventils in Abhängigkeit von einem gemessenen Durchfluss eingestellt werden.
  • Ein einwandfreies und reibungsloses Arbeiten der Feldgeräte ist für die Sicherheit der Anwendungen, in denen sie eingesetzt werden von großer Bedeutung. Entsprechend wird die Funktionsfähigkeit von Feldgeräten genau überwacht und auftretende Fehler werden durch entsprechende Fehlermeldungen, z. B. in Form einer Warnung oder eines Alarms, angezeigt. Vorzugsweise erfolgt die Überwachung durch das Feldgerät selbst, indem das Feldgerät eine Selbstüberwachung und/oder Diagnose ausführt.
  • Hierzu sind Feldgeräte heute teilweise mit einer Vorrichtung zur Durchführung von Diagnosenverfahren ausgestattet. Diese sind in der Lage anhand von im Feldgerät zur Verfügung stehenden Eingangsgrößen das Auftreten bestimmter Fehler oder Zustände des Feldgeräts zu diagnostizieren. Hierzu werden die Eingangsgrößen anhand von im Feldgerät fest implementierten Auswerteverfahren analysiert und es wird das Eintreten von für den Fehler oder den Zustand charakteristischen Überwachungskriterien überwacht. Tritt ein solches Überwachungskriterium ein, gibt das Feldgerät den zugeordnete Diagnose-Wert aus.
  • Ein derartiges Diagnoseverfahren in einem Feldgerät ist beispielsweise in der US 5 419 197 A beschrieben. Hierbei wird ein sensorisches Messsystem, z. B. ein Beschleunigungssensor zur Diagnose einer Maschine eingesetzt. Die Messgröße des Beschleunigungssensors werden zusammen mit dem Diagnosezustand der Maschine einem Neuronalen Netzwerk zugeführt, welches die Übertragungsfunktion des Diagnosesystems bestimmt (learning process). Der Beschleunigungssensors wird einzig und allein zum Zwecke der Analyse der Maschinendiagnose mit einem Neuronalen Netzwerk eingesetzt.
  • Desweiteren werden solche Diagnosesysteme in der US 2002077711 aufgezeigt. Hier wird die Prozessdiagnose unter anderem durch die Verwendung der vorliegenden Sensordaten realisiert. Diese ermittelten Sensordaten werden mittels auswählbarer mathematischer Funktionen bearbeitet und diese Ergebnisse der bearbeiten Sensordaten werden innerhalb eines Bewertungssystems zur weiteren Diagnose des Prozesses herangezogen. In diesem Diagnosesystem werden vordefinierte Funktionen zu Analyse der Sensordaten verwendet, was zu Erstellung dieser Funktionen ein hohes Maß an Wissen über den vorliegenden Prozess und die Art und Weise des Diagnoseverfahrens erfordert.
  • In der Patentschrift EP 1 364 263 A2 werden sehr umfangreich Daten sowohl von Prozesssensoren als auch Service-Daten von Instandhaltungs- und kann hierbei über das Feldbus-System erfolgen. Die Analyse der Daten der einzelnen Sensoren erfolgt über Diagnosefunktionen in vorgegebenen Funktionsblöcken der Sensorprogramme.
  • Ein weitere Stand der Technik bei dem ein neuronales Netzwerk eine Anwendung findet ist die US-A-5,311,562 . In diesem Diagnosesystem werden die bereits von Sensoren ermittelten, vorverarbeiteten Messwerte – „operational parameters” zur Diagnose des Prozesses oder des Zustands der Sensoren verwendet.
  • Der Stand der Technik weist die folgenden Nachteile auf, die durch die Erfindung überwunden werden:
    • – Für bisherige Lösungen wurden getrennte Sensorsysteme zur Diagnose und zur Ermittlung der Prozesswerte oder zum Einstellen von Stellgrößen verwendet.
    • – Die bisherigen Diagnose-Lösungen benötigen ein sehr hohes Maß an Wissen über den Prozess und die Diagnoseverfahren bezüglich der Wirkungskette von Ursachen zu Wirkungen. Um hierzu eine Diagnose sicher durchführen zu können, muss die Ursache/Wirkungskette des Prozesses bekannt und beherrschbar sein.
    • – Die bisherigen Diagnosesysteme verwenden nicht die Sensorrohdaten, sondern die verarbeiten, gefilterten Messwerte oder sogar Mittelwerte von Messwerten. Damit wird eine prozessnahe Analyse und Diagnose nahezu unmöglich gemacht, da die für die sichere Diagnose notwendigen Informationen des Prozesses oder der Sensorzustände durch die Signalverarbeitung der Sensoren bereits herausgefiltert sind.
  • Heutige Diagnoseverfahren sind im Feldgerät werkseitig vorgegeben und beschränken sich in der Regel auf die Erkennung feldgeräte-spezifische Fehler oder Zustände. Es gibt jedoch eine sehr große Anzahl von Fehlern oder Zuständen, die anwendungsspezifisch sind und mit heutigen Diagnosemöglichkeiten vom Feldgerät entweder gar nicht erfasst oder nicht ausreichend genau analysiert, bewertet und/oder interpretiert werden können.
  • Ein Grund hierfür besteht darin, dass Hersteller von Feldgeräten in der Regel vorab nicht Wissen, wo und wie das Feldgerät eingesetzt werden wird. Entsprechend liegt es auch nicht im Kenntnisbereich des Herstellers, welche Fehler oder Zustände für den Anwender am Einsatzort im Prozess relevant sind, und welche Bedeutung diesen Fehlern und Zuständen in dem aktuellen Prozess zukommt.
  • Es ist die Aufgabe der Erfindung ein Diagnoseverfahren für Feldgerät anzugeben, dass ein breites Spektrum möglicher Fehler und/oder Zustände diagnostiziert und die Verfügbarkeit des Feldgeräts nicht beeinträchtigt.
  • Diese Aufgabe wird erfindungsgemäß durch Diagnoseverfahren eines Prozessautomatisierungssystem bestehend aus zumindest einem Feldgerät, einer Steuer-/Regeleinheit, und zumindest einem Feldbus, welches die folgenden Verfahrensschritte aufweist, in einer Einlernphase werden Rohdaten von Messgrößen, Rohdaten von Stellgrößen und/oder Rohdaten von Zustandsgrößen der Feldgeräte oder der Prozesse als Eingangsgrößen erfasst und normiert abgespeichert, außerdem werden in der Einlernphase vom Anwender zumindest ein Parameter einer Messbedingung, zumindest ein Parameter eines Prozesszustandes und/oder zumindest ein Parameter eines Feldgerätezustandes als Ausgabegröße vorgegeben, die entsprechenden Ausgangsgrößen werden den Eingangsgrößen zugeordnet abgespeichert, während der Einlernphase werden die Eingangsgrößen und die zugeordneten Ausgangsgrößen einem neuronalen Netzwerk übergeben, in der Einlernphase werden die kausalen Beziehungen zwischen den ermittelten Eingangsgrößen und den entsprechenden, vorgegebenen Ausgangsgrößen durch eine Übertragungsfunktion des neuronalen Netzwerk ermittelt und abgespeichert, in einer Betriebsphase wird mittels den Übertragungsfunktion aus den aktuellen Rohdaten der Feldgeräte als Eingangsgrößen zumindest eine Änderung der aktuellen Messbedingung, des aktuellen Prozesszustand und/oder des aktuellen Feldgerätezustand ermittelt.
  • Eine vorteilhafte Ausführungsform des erfindungsgemäßen Verfahrens ist darin zu sehen, dass das Diagnoseverfahren in den Feldgeräten selbsttätig durchgeführt wird und Ergebnisse der Diagnose an die Steuer-/Regeleinheit und/oder weiter Feldgeräte übermittelt wird.
  • Eine weitere vorteilhafte Ausführungsform der erfindungsgemäßen Lösung ist darin zu sehen, dass das Diagnoseverfahren in der Steuer-/Regeleinheit durchgeführt wird, indem die Rohdaten von den Feldgeräten über den Feldbus übermittelt werden und die Parameter gleichfalls über den Feldbus übermittelt werden oder direkt an einer Eingabe-/Ausgabeeinheit der Steuer-/Regeleinheit eingegeben werden.
  • Eine sehr vorteilhafte Variante des erfindungsgemäßen Verfahrens ist darin zu sehen, dass das neuronale Netzwerk die kausalen Beziehungen zwischen den ermittelten Eingangsgrößen und den entsprechenden, vorgegebenen Ausgangsgrößen in Form zumindest einer Übertragungsfunktion abspeichert.
  • Eine besonders vorteilhafte Weiterbildung des erfindungsgemäßen Verfahrens schlägt vor, dass in der Einlernphase simultan eine periodische Erfassung der Rohdaten als Eingangsgrößen und eine periodische Vorgabe der Parameter als Ausgangsgrößen durchgeführt wird.
  • Eine bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens sieht vor, dass die Parameter durch graduelle Einschätzung des Feldgerätezustandes, des Prozesszustandes und/oder der Messbedingung durch den Anwender quantifiziert werden.
  • Gemäß einer vorteilhaften Ausführungsform des erfindungsgemäßen Verfahrens wird vorgeschlagen, dass die Parameter der Ausgangsgrößen in einem Bereich von 1 bis 10 vom Anwender vorgegeben werden.
  • Ein zweckmäßiges Ausführungsbeispiel des erfindungsgemäßen Verfahrens besteht darin, dass Grenzwerte der Parameter vorgegeben werden, mittels derer eine Gültigkeit der Eingangsgrößen, eine kritische Messbedingung, ein kritischer Feldgerätezustand und/oder ein kritischer Prozesszustand festlegt wird.
  • Ein zweckmäßiges, alternatives Ausführungsbeispiel des erfindungsgemäßen Verfahrens besteht darin, dass die Rohdaten von Messgrößen, von Stellgrößen und/oder von Zustandsgrößen der verschiedenen Feldgeräte des gleichen Prozesses klassifiziert werden.
  • Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird vorgeschlagen, dass anhand einem Vergleich der Änderung in den klassifizierten Rohdaten von Messgrößen, von Stellgrößen und/oder von Zustandsgrößen der Feldgeräte eine Ursache und/oder ein Maß für die Änderung der aktuellen Messbedingung, des aktuellen Prozesszustand und/oder des aktuellen Feldgerätezustand ermittelt wird.
  • Eine bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens sieht vor, dass die Vorgabe der Parameter vom Anwender durch eine menügeführte Eingabe über eine Ein-/Ausgabeeinheit durchgeführt wird.
  • Eine vorteilhafte Ausführungsform der erfindungsgemäßen Lösung besteht darin, dass die Einlernphase bei der Inbetriebnahme des Feldgeräts und/oder der Prozesseinführung durchgeführt wird.
  • Die Erfindung und weitere Vorteile werden nun anhand der Figuren der Zeichnung, in der ein Ausführungsbeispiel dargestellt ist, näher erläutert; gleiche Elemente sind in den Figuren mit gleichen Bezugszeichen versehen.
  • 1 zeigt ein Blockschaltbild eines Prozesses mit Feldgeräts zur Durchführung von dem durch den Anwender definierten Diagnoseverfahren; und
  • 2 zeigt ein Flussdiagramm des erfindungsgemäßen Diagnoseverfahrens.
  • 1 zeigt ein vereinfachtes Blockschaltbild eines erfindungsgemäßen Prozessautomatisierungssystem 1, das aus einer Steuer-/Regeleinheit 2 bzw. Leitstelle und einer Vielzahl von Feldgeräten 3 in einem Behälter des ersten Prozesses 13 aufgebaut ist. Die einzelnen Feldgeräte 3 kommunizieren untereinander und mit der Steuer-/Regeleinheit 2 über einen Feldbus 4 und/oder eine Zweidraht-Verbindungsleitung. In der Steuer-/Regeleinheit 2 ist eine Regel-/Auswerteeinheit 15 integriert, die die Steuerung des Automationsprozesses, die Auswertung, die Analyse und/oder die Diagnose der Messwerte M oder Stellwerte S der einzelnen Feldgeräte 3 durchführt. Eine Prozessgröße G ist eine physikalische Größe, welche ausschließlich bei Zustandsänderungen Z in Prozessen 13 auftritt. Die Messwerte M und Stellwerte S sind Werte von diesen Prozessgrößen G oder von deren Zustandsgrößen Z des Prozesses 13 die von dem Sensoren oder Aktoren der Feldgeräte 3 ermittelt werden.
  • In dem Prozess 13 sind in 1 beispielsweise zwei Füllstandsmessgeräte 6, ein Grenzstandsmessgerät 7, ein Druckmessgerät 8, ein Temperaturmessgerät 11 und ein analytisches Messgerät 8 eingebracht. Am Auslassstutzen des Behälters ist ein Durchflussmessgerät 9 und ein Stellglied 12 mit einem Ventil integriert, welche den Abtransport des Füllguts des Behälters über den Auslass ermittelt und/oder einstellt. Diese Feldgeräte 3 kommunizieren beispielsweise über einen digitalen Feldbus 4, wie z. B. Profibus PA oder Fieldbus, miteinander und/oder mit der Regel-/Steuereinheit 2. Analog zur leitungsgebundenen Kommunikation über einen digitalen Feldbus 4 kann die Kommunikation auch über eine entsprechende drahtlose Kommunikationseinheit nach einem der bekannten Standards, wie z. B. ZigBee, WLan, Bluthooth, ausgestaltet sein. Dies ist in dem gezeigten Ausführungsbeispiel aus 1 jedoch nicht explizit ausgeführt.
  • Die Steuer-/Regeleinheit 2 beinhaltet zumindest eine Regel-/Auswerteeinheit 15 die mit den Feldgeräten 3 über den Feldbus 4 oder die Zweidraht-Verbindungsleitung 4 die Rohdaten R als Eingangsgröße E für die Diagnosefunktion anfordert und empfängt. Desweiteren werden über denselben Feldbus 4 von der Steuer-/Regeleinheit 2 die Messwerte M der Sensoren der Feldgeräte 3 empfangen und die Stellgrößen S an die Aktoren der Feldgeräte 3 im Prozess 13 gesendet. Dieser Regel-/Auswerteinheit 15 ist eine Eingabe-/Ausgabeeinheit 14 zugeordnet über die der Diagnosewert D und/oder der ermittelte Fehlerzustand F angezeigt wird und Parameter P des Prozesses 13 und/oder des Feldgeräts 3, sowie Grenzwerte G für die Diagnosewerte D eingegeben bzw. vorgeben werden können. In der Steuer-/Regeleinheit 2 ist außerdem eine Speichereinheit vorgesehen, die die Speicherung der Übertragungsfunktion U des Neuronalen Netzwerks 5, der Rohdaten R der Feldgeräte 3, die Grenzwerte G, die Parameter P, Diagnosewerte D und die Fehlerzustände F ermöglicht. Zur Berechnung der komplexen Übertragungsfunktion U des Neuronalen Netzwerks 5 ist in der Steuer-/Regeleinheit 2 ein leistungsfähiger Mikroprozessor vorgesehen.
  • Die Rohdaten R der Feldgeräte 3 werden als Eingangsgröße E über den Feldbus 4 nach einer Anfrage oder zyklisch an die Regel-/Auswerteinheit 15 in der Leitstelle 2 gesendet. In dem in der Regel-/Auswerteinheit 15 enthaltenen Neuronalen Netzwerk 5 werden diese Eingangsgrößen E in einer Einlernphase EP dazu verwendet, die Übertragungsfunktionen U des Neuronalen Netzwerks auszubilden. Die in der Betriebsphase BP im Neuronalen Netzwerk 5 ermittelten Diagnosewerte D und Fehlerzustände F werden über den Feldbus 4 oder eine drahtlose Funkverbindung an die Feldgeräte 3 übermittelt oder ein Alarmzustand wird der Eingabe-/Ausgabeeinheit 14 der Leitstelle 2 oder der Feldgerät 3, die in der Figur nicht explizit dargestellt sind, ausgegeben.
  • In 2 ist ein Flussdiagramm des erfindungsgemäßen Diagnoseverfahrens mit einem Neuronalen Netzwerk 5 gezeigt. Das Diagnoseverfahren lässt sich grundlegend in zwei Verfahrensphasen in eine Einlernphase EP, in der die Übertragungsfunktionen U in dem Neuronalen Netzwerk 5 durch die Rohdaten R der Feldgeräte 3 als eine Eingangsgröße E und den Parametern P der Prozesszustände PZ und der Feldgerätezustände FZ als eine Ausgangsgröße A ermittelt werden, und einer Betriebsphase BP, in der die eingelernten Übertragungsfunktionen U des Neuronalen Netzwerks 5 aus den Rohdaten der Feldgeräte 3 als Eingangsgrößen E und vorgegebenen Grenzwerten G eine Diagnose des Prozesszustandes PZ und/oder des Feldgerätezustandes FZ durchführt. Die Eingabe der Parameter P erfordert von dem Bediener ein gewisses Handlungswissen, wie die Prozesse 13 ablaufen und wie die Feldgeräte 3 funktionieren.
  • In der Einlernphase EP der Übertragungsfunktionen U des Neuronalen Netzwerks 5 zur Diagnose von Prozesszuständen PZ und Feldgerätezuständen FZ in einem Prozess 13, die nach der Inbetriebnahme eines Feldgeräts 3 und/oder eines neuen Prozesses 13 ausgeführt wird, werden die Rohdaten R von Stellgrößen S und/oder Messgrößen M der Feldgeräte 3 als Eingangsgrößen E von der Regel-/Auswerteeinheit 15 in der Leitstelle 2 erfasst. Synchron dazu werden von einem Bediener der Prozessanlagen die Parameter P der Prozesszustände PZ und der Feldgerätezustände FZ erfasst und über eine Ausgabe-/Eingabeeinheit 14 in der Regel-/Auswerteeinheit 15 als Ausgangsgröße A übergeben. Die Rohdaten R als Eingangsgröße E werden beispielsweise durch ein Filterung und/oder durch eine Datenkomprimierung auf eine normierte Eingangsgröße En standardisiert und die Parameter P werden durch eine Überprüfungsroutine qualifiziert, sowie durch eine Quantifizierungsroutine als quantifizierte Ausgangsgröße Aq in einen messbaren Zahlenwert umgewandelt. Die quantifizierte Ausgangsgröße Aq und die normierte Eingangsgröße En werden in einer Speichereinheit gespeichert. Aus den gespeicherten Werten der quantifizierte Ausgangsgröße Aq und der normierten Eingangsgröße En ermittelt die Regel-/Auswerteeinheit 15 in der Leitstelle 2 nach einem Eingabebefehl der Initialisierung Int des Einlernprozesses EP die Übertragungsfunktionen U des Neuronalen Netzwerks 5. Diese ermittelten Übertragungsfunktionen U des Neuronalen Netzwerks 5 werden in der Speichereinheit abgelegt.
  • In der Betriebsphase BP des Prozessautomatisierungssystems 1 werde diese ermittelten Übertragungsfunktionen U des Neuronalen Netzwerks 5 geladen. Die in der Betriebsphase BP des Prozessautomatisierungssystems 1 erfassten Rohdaten R der Feldgeräte 3 werden als Eingangsgrößen E erfasst und, wie zuvor in der Einlernphase EP, in normierte Eingangsgrößen En umgewandelt. Das Neuronale Netzwerk 5 ermittelt aus den aktuellen, normierten Eingangsgrößen En mittels der Übertragungsfunktion U einen Diagnosewert D als Ausgangsgröße A.
  • Dieser Diagnosewert D wird mit einem vorgegeben Grenzwert G verglichen bzw. es wird beispielsweise überprüft, ob der ermittelte Diagnosewert innerhalb eines minimalen und maximalen Grenzwertes G liegt. Liegt der Diagnosewert D außerhalb der Spezifikationen der Grenzwerte G, so wird von der Regel-/Auswerteinheit 15 ein Fehlerzustand F des Prozessautomatisierungssystems 1 erzeugt. Dieser Fehlerzustand F kann von der Regel-/Auswerteinheit 15 auf der Eingabe-/Ausgabeeinheit 14 als Alarm dargestellt werden. Gleichzeitig wird beispielsweise durch ein akustisches Signal der Alarm des Fehlerzustand F an der Leitstelle 2 oder dem Feldgerät 3 signalisiert.
  • Das erfindungsgemäße Diagnoseverfahren zur Überwachung eines Prozessautomatisierungssystem 1 weist grundlegend die folgenden Verfahrensschritte auf,
    • – in einer Einlernphase EP werden die Rohdaten R von Messgrößen M, Rohdaten R von Stellgrößen S und/oder Rohdaten R von Zustandsgrößen Z der Feldgeräte 3 oder der Prozesse 13 als Eingangsgrößen E erfasst und als normierte Eingangsgröße En abgespeichert,
    • – zeitgleich werden in der Einlernphase EP vom Anwender bzw. Bediener die Parameter P einer Messbedingung und Prozesssituation als ein Parameter P eines Prozesszustandes PZ und/oder zumindest ein Parameter P eines Feldgerätezustandes FZ als Ausgabegröße A vorgegeben,
    • – die entsprechenden Ausgangsgrößen A werden quantifiziert, d. h. es wird einer bestimmten Ausgangsgrößen A ein bestimmter, messbarer Wert zugeordnet, den normierten Eingangsgrößen En zusammengehörig abgespeichert,
    • – während der Einlernphase EP werden die normierten Eingangsgrößen E und die zugeordneten Ausgangsgrößen A einem neuronalen Netzwerk 5 übergeben,
    • – in der Einlernphase EP werden aus kausalen Beziehungen kB zwischen den ermittelten Eingangsgrößen E und den entsprechenden, vorgegebenen Ausgangsgrößen A eine Übertragungsfunktion U des neuronalen Netzwerk 5 ermittelt und abgespeichert,
    • – in einer Betriebsphase BP wird mittels den gespeicherten Übertragungsfunktion U aus den aktuellen Rohdaten R der Feldgeräte 3 als Eingangsgrößen E zumindest eine Änderung der aktuellen Messbedingung, des aktuellen Prozesszustand und/oder des aktuellen Feldgerätezustand ermittelt.
  • In dem folgenden Abschnitt wird ein Ausführungsbeispiel der Erfindung dargestellt. Das Ausführungsbeispiel lässt sich anhand der Problemstellung aufzeigen, dass aufgrund von Ansatzbildung einer Flüssigkeit an den Sensoren der Feldgeräte 3 eine periodische Reinigung der Prozessmesstechnik erforderlich mach, damit zukünftig die Gültigkeit der Messwerte M, wie z. B. der Druck, die Temperatur, den Füllstand, den Durchfluss, den pH-Wert und der Grenzstand, gewährleistet werden kann. Erfahrungsgemäß werde solche Reinigung alle 4 Wochen im Prozess 13 durchgeführt. Während einer solchen Reinigungsprozedur kann festgestellt werden, dass die Sensoren der Feldgeräte 3 manchmal kaum und ein anderes Mal sehr stark verschmutzt waren. Die Gültigkeit der Messwerte M ist manchmal bereits nicht mehr gegeben und ein andres Mal wurde viel zu früh gereinigt. Ein Diagnosesystem zur vorausschauenden Wartung ist hier gewünscht.
  • Zur Lösung dieses Problems in der Prozessautomatisierungstechnik kann die Erfindung beitragen. Während der Prozesseinführung eines Prozesse 13, dem im englischen Sprachgebrauch so genannten „golden batch”, wird zyklisch, z. B. stündlich oder täglich, die Ansatzbildung an den Sensoren der Feldgeräte beurteilt und als Parameter P dem Neuronalen Netzwerk 5 als Ausgangsgröße A übergeben. Dieser Parameter P wird in einer Datenbank bzw. Speichereinheit mit einer Skala von 1 – sauber – bis 10 – sehr stark verschmutzt – festgehalten. Als Grenzwert G für die Gültigkeit der Messwerte M wird beispielsweise ein Parameter P des Verschmutzungsgrades von 7 vorgegeben. Im gleichen Zyklus, z. B. stündlich oder täglich, werden die Rohdaten R der Feldgeräte 3, z. B. die Hüllkurve eines Levelflex und das Spektrum eines Liquiphants, als Eingangsgröße E mit aufgenommen. Diese Eingangsgröße E werden wie zuvor beschrieben einer Normierung unterzogen. Nach Beendigung der Prozesseinführung werden die Datensätze der Parameter P des Verschmutzungsgrads als quantifizierte Ausgangsgröße Aq und die Rohdaten R als normierte Eingangsgrößen En einem neuronalen Netzwerk 5 übermittelt, woraus dies die entsprechende Übertragungsfunktion U ermittelt.
  • Diese Übertragungsfunktion U kann nun mit dem Grenzwert G als Diagnosefunktion in diesem Prozess Anwendung finden. Eine stärke Verschmutzung als der Grenzwert G des Parameters P führt zur Ungültigkeit der Messung. Zu beachten ist hierbei, dass die Übertragungsfunktion U des Verschmutzungsgrades der Sensoren der Feldgeräte 3 einzig und allein für diese Prozessgültigkeit in diesem Prozess 13 verwendet werden kann. Eine Übertragung auf andere Prozesse 13 ist nicht möglich, genauso wenig wie die Übertragung der Ursachen-/Wirkungs-Kette auf andere Prozess 13.
  • Die Erfindung zeigt auf, dass dieser Bezug von Ursache und Wirkung zuvor nicht bekannt sein muss. Diese Ursache-Wirkung wird im Einlernprozess erstmalig ermittelt und ist für den speziellen Diagnosefall eines Prozesses einzigartig.
  • 1
    Prozessautomatisierungssystem
    2
    Steuer-/Regeleinheit, Leitstelle
    3
    Feldgerät
    4
    Feldbus, Zweidraht-Verbindungsleitung
    5
    Neuronales Netzwerk
    6
    Füllstandsmessgerät
    7
    Grenzstandsmessgerät
    8
    Druckmessgerät
    9
    Durchflussmessgerät
    10
    Analysemessgerät
    11
    Temperaturmessgerät
    12
    Stellglied
    13
    Prozess
    14
    Eingabe-/Ausgabeeinheit
    15
    Regel-/Auswerteeinheit
    D
    Diagnosewert
    F
    Fehlerzustand
    FZ
    Feldgerätezustand
    PZ
    Prozesszustand
    P
    Parameter
    A
    Ausgangsgröße
    E
    Eingangsgröße
    U
    Übertragungsfunktion
    M
    Messgröße, Messwert
    S
    Stellgrößen, Stellwert
    Z
    Zustandsgrößen
    R
    Rohdaten
    EP
    Einlernphase
    BP
    Betriebsphase
    G
    Grenzwert
    Sp
    Speicherung
    Int
    Initialisierung
  • 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
    • - US 5419197 A [0006]
    • - US 2002077711 [0007]
    • - EP 1364263 A2 [0008]
    • - US 5311562 A [0009]

Claims (12)

  1. Diagnoseverfahren eines Prozessautomatisierungssystem (1) bestehend aus zumindest einem Feldgerät (3), einer Steuer-/Regeleinheit (3), und zumindest einem Feldbus (4), welches die folgenden Verfahrensschritte aufweist, – in einer Einlernphase (EP) werden Rohdaten (R) von Messgrößen (M), Rohdaten (R) von Stellgrößen (S) und/oder Rohdaten (R) von Zustandsgrößen (Z) der Feldgeräte (3) oder der Prozesse (13) als Eingangsgrößen (E) erfasst und normiert abgespeichert, – außerdem werden in der Einlernphase (EP) vom Anwender zumindest ein Parameter (P) einer Messbedingung, zumindest ein Parameter (P) eines Prozesszustandes (PZ) und/oder zumindest ein Parameter (P) eines Feldgerätezustandes (FZ) als Ausgabegröße (A) vorgegeben, – die entsprechenden Ausgangsgrößen (A) werden den Eingangsgrößen (En) zugeordnet abgespeichert, – während der Einlernphase (EP) werden die Eingangsgrößen (E) und die zugeordneten Ausgangsgrößen (A) einem neuronalen Netzwerk (5) übergeben, – in der Einlernphase (EP) werden die kausalen Beziehungen zwischen den ermittelten Eingangsgrößen (E) und den entsprechenden, vorgegebenen Ausgangsgrößen (A) durch eine Übertragungsfunktion (U) des neuronalen Netzwerk (5) ermittelt und abgespeichert, – in einer Betriebsphase (BP) wird mittels den Übertragungsfunktion (U) aus den aktuellen Rohdaten (R) der Feldgeräte (3) als Eingangsgrößen (E) zumindest eine Änderung der aktuellen Messbedingung, des aktuellen Prozesszustand und/oder des aktuellen Feldgerätezustand ermittelt.
  2. Diagnoseverfahren nach Anspruch 1, wobei das Diagnoseverfahren in den Feldgeräten (3) selbsttätig durchgeführt wird und Ergebnisse der Diagnose an die Steuer-/Regeleinheit (2) und/oder weiter Feldgeräte (3) übermittelt wird.
  3. Diagnoseverfahren nach Anspruch 1, wobei das Diagnoseverfahren in der Steuer-/Regeleinheit (2) durchgeführt wird, indem die Rohdaten (R) von den Feldgeräten (3) über den Feldbus (4) übermittelt werden und die Parameter (P) gleichfalls über den Feldbus (4) übermittelt werden oder direkt an einer Eingabe-/Ausgabeeinheit (14) der Steuer-/Regeleinheit (5) eingegeben werden.
  4. Diagnoseverfahren nach zumindest einem der Ansprüche 1 bis 3, wobei das neuronale Netzwerk (5) die kausalen Beziehungen zwischen den ermittelten Eingangsgrößen (E) und den entsprechenden, vorgegebenen Ausgangsgrößen (A) in Form zumindest einer Übertragungsfunktion (U) abspeichert.
  5. Diagnoseverfahren nach zumindest einem der Ansprüche 1 bis 4, wobei in der Einlernphase (EP) simultan eine periodische Erfassung der Rohdaten (R) als Eingangsgrößen (E) und eine periodische Vorgabe der Parameter (P) als Ausgangsgrößen (A) durchgeführt wird.
  6. Diagnoseverfahren nach zumindest einem der Ansprüche 1 bis 5, wobei die Parameter (P) durch graduelle Einschätzung des Feldgerätezustandes, des Prozesszustandes und/oder der Messbedingung durch den Anwender quantifiziert werden.
  7. Diagnoseverfahren nach Anspruch 6, wobei die Parameter (P) der Ausgangsgrößen (A) in einem Bereich von 1 bis 10 vom Anwender vorgegeben werden.
  8. Diagnoseverfahren nach zumindest einem der Ansprüche 1 bis 7, wobei Grenzwerte (G) der Parameter (P) vorgegeben werden, mittels derer eine Gültigkeit der Eingangsgrößen (E), eine kritische Messbedingung, ein kritischer Feldgerätezustand und/oder ein kritischer Prozesszustand festlegt wird.
  9. Diagnoseverfahren nach Anspruch 1, 2, oder 3, wobei die Rohdaten (R) von Messgrößen (M), von Stellgrößen (S) und/oder von Zustandsgrößen (Z) der verschiedenen Feldgeräte (3) des gleichen Prozesses klassifiziert werden.
  10. Diagnoseverfahren nach Anspruch 9, wobei anhand einem Vergleich der Änderung in den klassifizierten Rohdaten (R) von Messgrößen (M), von Stellgrößen (S) und/oder von Zustandsgrößen (Z) der Feldgeräte (3) eine Ursache und/oder ein Maß für die Änderung der aktuellen Messbedingung, des aktuellen Prozesszustand und/oder des aktuellen Feldgerätezustand ermittelt wird.
  11. Diagnoseverfahren nach Anspruch 1, 3 5, 6, 7 oder 8, wobei die Vorgabe der Parameter (P) vom Anwender durch eine menügeführte Eingabe über eine Ein-/Ausgabeeinheit (14) durchgeführt wird.
  12. Diagnoseverfahren nach Anspruch 1 oder 5, wobei die Einlernphase (EP) bei der Inbetriebnahme des Feldgeräts (1) und/oder der Prozesseinführung durchgeführt wird.
DE102008036968A 2008-08-08 2008-08-08 Diagnoseverfahren eines Prozessautomatisierungssystem Withdrawn DE102008036968A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102008036968A DE102008036968A1 (de) 2008-08-08 2008-08-08 Diagnoseverfahren eines Prozessautomatisierungssystem
PCT/EP2009/058301 WO2010015465A1 (de) 2008-08-08 2009-07-02 Diagnoseverfahren eines prozessautomatisierungssystem
US13/058,050 US20110145180A1 (en) 2008-08-08 2009-07-02 Diagnostic Method for a Process Automation System

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102008036968A DE102008036968A1 (de) 2008-08-08 2008-08-08 Diagnoseverfahren eines Prozessautomatisierungssystem

Publications (1)

Publication Number Publication Date
DE102008036968A1 true DE102008036968A1 (de) 2010-02-11

Family

ID=41059475

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102008036968A Withdrawn DE102008036968A1 (de) 2008-08-08 2008-08-08 Diagnoseverfahren eines Prozessautomatisierungssystem

Country Status (3)

Country Link
US (1) US20110145180A1 (de)
DE (1) DE102008036968A1 (de)
WO (1) WO2010015465A1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012111625A1 (de) * 2012-11-30 2014-06-05 Conti Temic Microelectronic Gmbh Verfahren zum Auslesen von Sensorrohdaten eines Umfeldsensors eines Fahrzeugs
CN112469975A (zh) * 2018-07-19 2021-03-09 Vega格里沙贝两合公司 具有多个运算单元的现场设备
EP3812850A1 (de) * 2019-10-24 2021-04-28 Krohne Messtechnik GmbH Verfahren zur erzeugung eines neuronalen netzes für ein feldgerät zur vorhersage von feldgerätfehlern und ein entsprechendes system
DE102019133600A1 (de) * 2019-12-09 2021-06-10 Endress+Hauser SE+Co. KG Verfahren zur Optimierung einer Mess-Rate eines Feldgerätes
EP3767403B1 (de) * 2019-07-16 2022-09-07 Carl Zeiss Industrielle Messtechnik GmbH Machine-learning gestützte form- und oberflächenmessung zur produktionsüberwachung

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140188777A1 (en) * 2012-12-27 2014-07-03 General Electric Company Methods and systems for identifying a precursor to a failure of a component in a physical system
CN103675008B (zh) * 2013-09-22 2015-08-19 浙江大学 加权模糊的工业熔融指数软测量仪表及方法
CN103674778B (zh) * 2013-09-22 2015-08-26 浙江大学 Rbf粒子群优化的工业熔融指数软测量仪表和方法
CN103675007B (zh) * 2013-09-22 2015-08-26 浙江大学 Rbf网络的工业熔融指数软测量仪表及方法
CN103675012B (zh) * 2013-09-22 2015-08-19 浙江大学 Bp粒子群优化的工业熔融指数软测量仪表和方法
CN103630568B (zh) * 2013-09-22 2015-11-11 浙江大学 Bp网络的工业熔融指数软测量仪表及方法
CN103675006B (zh) * 2013-09-22 2015-09-09 浙江大学 最小二乘的工业熔融指数软测量仪表和方法
CN103824121A (zh) * 2013-12-09 2014-05-28 浙江大学 基于多模群智的丙烯聚合生产过程最优预报系统和方法
DE102014115514B3 (de) * 2014-10-24 2016-04-14 Krohne Messtechnik Gmbh Verfahren zum Verbinden eines Feldgeräts mit einer Bedieneinheit sowie Feldgerät
CN106527339B (zh) * 2016-12-14 2019-04-23 东北大学 一种基于工业云的高可靠的选矿设备故障诊断系统及方法
US11663450B2 (en) 2017-02-28 2023-05-30 Microsoft Technology Licensing, Llc Neural network processing with chained instructions
CN110333692B (zh) * 2019-07-04 2021-09-21 南京农业大学 基于热红外的猪只发热自动监测诊断系统
NL2023521B1 (en) * 2019-07-17 2021-02-23 Procentec B V A method, a diagnosing system and a computer program product for diagnosing a fieldbus type network
GB201916592D0 (en) * 2019-11-14 2020-01-01 Rosemount Measurement Ltd Improvements in or relating to field devices
DE102020130177A1 (de) * 2020-11-16 2022-05-19 Vega Grieshaber Kg Netzwerkvorrichtung zur Verteilung von Rechenoperationen per Datenkommunikation in einem Netzwerk

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311562A (en) 1992-12-01 1994-05-10 Westinghouse Electric Corp. Plant maintenance with predictive diagnostics
US5419197A (en) 1992-06-02 1995-05-30 Mitsubishi Denki Kabushiki Kaisha Monitoring diagnostic apparatus using neural network
US20020077711A1 (en) 1999-02-22 2002-06-20 Nixon Mark J. Fusion of process performance monitoring with process equipment monitoring and control
EP1364263A2 (de) 2001-03-01 2003-11-26 Fisher-Rosemount Systems, Inc. Gemeinsame benutzung von daten in einer prozessanlage

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0480654B1 (de) * 1990-10-10 1998-03-04 Honeywell Inc. Identifizierung eines Prozesssystems
GB9321572D0 (en) * 1993-10-19 1993-12-08 Diagnostic Instr Ltd Diagnostic monitor system
US5752007A (en) * 1996-03-11 1998-05-12 Fisher-Rosemount Systems, Inc. System and method using separators for developing training records for use in creating an empirical model of a process
US5995916A (en) * 1996-04-12 1999-11-30 Fisher-Rosemount Systems, Inc. Process control system for monitoring and displaying diagnostic information of multiple distributed devices
FI114745B (fi) * 1998-06-01 2004-12-15 Metso Automation Oy Kenttälaitteiden hallintajärjestelmä
US6633782B1 (en) * 1999-02-22 2003-10-14 Fisher-Rosemount Systems, Inc. Diagnostic expert in a process control system
US7562135B2 (en) * 2000-05-23 2009-07-14 Fisher-Rosemount Systems, Inc. Enhanced fieldbus device alerts in a process control system
US6847954B1 (en) * 1999-08-23 2005-01-25 Fisher Rosemount Systems, Inc. Control-loop auto-tuner with nonlinear tuning rules estimators
US6445963B1 (en) * 1999-10-04 2002-09-03 Fisher Rosemount Systems, Inc. Integrated advanced control blocks in process control systems
FI114507B (fi) * 2000-07-07 2004-10-29 Metso Automation Oy Laitediagnostiikkajärjestelmä
US7389204B2 (en) * 2001-03-01 2008-06-17 Fisher-Rosemount Systems, Inc. Data presentation system for abnormal situation prevention in a process plant
US6859755B2 (en) * 2001-05-14 2005-02-22 Rosemount Inc. Diagnostics for industrial process control and measurement systems
DE10239610B3 (de) * 2002-08-29 2004-06-24 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren zur Funktionsüberwachung von Sensoren
WO2006107952A1 (en) * 2005-04-04 2006-10-12 Fisher-Rosemount Systems, Inc. Diagnostics in industrial process control system
US7499777B2 (en) * 2005-04-08 2009-03-03 Caterpillar Inc. Diagnostic and prognostic method and system
WO2007008940A2 (en) * 2005-07-11 2007-01-18 Brooks Automation, Inc. Intelligent condition-monitoring and dault diagnostic system
DE102005063053A1 (de) * 2005-12-29 2007-07-05 Endress + Hauser Process Solutions Ag Verfahren zur Anlagenüberwachung mit einem Feldbus der Prozessautomatisierungstechnik
US7840287B2 (en) * 2006-04-13 2010-11-23 Fisher-Rosemount Systems, Inc. Robust process model identification in model based control techniques
US8788070B2 (en) * 2006-09-26 2014-07-22 Rosemount Inc. Automatic field device service adviser
US20110029254A1 (en) * 2006-10-17 2011-02-03 Endress + Hauser Gmbh + Co. Kg Field device for determining and monitoring process variable in process automation systems
DE102007032715B4 (de) * 2007-07-13 2009-04-09 Abb Ag System und Verfahren zur Überwachung des Datenverkehrs bei einem Feldbus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5419197A (en) 1992-06-02 1995-05-30 Mitsubishi Denki Kabushiki Kaisha Monitoring diagnostic apparatus using neural network
US5311562A (en) 1992-12-01 1994-05-10 Westinghouse Electric Corp. Plant maintenance with predictive diagnostics
US20020077711A1 (en) 1999-02-22 2002-06-20 Nixon Mark J. Fusion of process performance monitoring with process equipment monitoring and control
EP1364263A2 (de) 2001-03-01 2003-11-26 Fisher-Rosemount Systems, Inc. Gemeinsame benutzung von daten in einer prozessanlage

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012111625A1 (de) * 2012-11-30 2014-06-05 Conti Temic Microelectronic Gmbh Verfahren zum Auslesen von Sensorrohdaten eines Umfeldsensors eines Fahrzeugs
CN112469975A (zh) * 2018-07-19 2021-03-09 Vega格里沙贝两合公司 具有多个运算单元的现场设备
US11313711B2 (en) 2018-07-19 2022-04-26 Vega Grieshaber Kg Field device having a plurality of arithmetic units
EP3767403B1 (de) * 2019-07-16 2022-09-07 Carl Zeiss Industrielle Messtechnik GmbH Machine-learning gestützte form- und oberflächenmessung zur produktionsüberwachung
EP3812850A1 (de) * 2019-10-24 2021-04-28 Krohne Messtechnik GmbH Verfahren zur erzeugung eines neuronalen netzes für ein feldgerät zur vorhersage von feldgerätfehlern und ein entsprechendes system
DE102019128715A1 (de) * 2019-10-24 2021-04-29 Krohne Messtechnik Gmbh Verfahren zur Erzeugung eines neuronalen Netzes für ein Feldgerät zur Vorhersage von Feldgerätfehlern und ein entsprechendes System
DE102019133600A1 (de) * 2019-12-09 2021-06-10 Endress+Hauser SE+Co. KG Verfahren zur Optimierung einer Mess-Rate eines Feldgerätes

Also Published As

Publication number Publication date
US20110145180A1 (en) 2011-06-16
WO2010015465A1 (de) 2010-02-11

Similar Documents

Publication Publication Date Title
DE102008036968A1 (de) Diagnoseverfahren eines Prozessautomatisierungssystem
EP2364466B1 (de) Integriertes leit- und kontrollsystem für fertigungs- und qualitätssicherungsprozesse in produktionslinien mit bearbeitungsstationen und/oder werkzeugen
EP2153288B1 (de) Feldgerät
EP2156251B1 (de) Feldgerät mit einer vorrichtung zur durchführung von diagnoseverfahren
EP2082297B1 (de) PROZESSAUTOMATISIERUNGSSYSTEM ZUR BESTIMMUNG, ZUR ÜBERWACHUNG UND/ODER ZUM BEEINFLUSSEN VON UNTERSCHIEDLICHEN PROZESSGRÖßEN UND/ODER ZUSTANDSGRÖßEN
EP3279756B1 (de) Diagnoseeinrichtung und verfahren zur überwachung des betriebs einer technischen anlage
EP3087439B1 (de) Messumformer mit überwachungsfunktion
EP3850451A1 (de) Verfahren zur verbesserung der messperformance von feldgeräten der automatisierungstechnik
EP3538962B1 (de) Verfahren zur analyse von fehlfunktionen in einer anlage der prozessautomatisierung
DE102017115663A1 (de) Verfahren zum Betreiben einer Messstelle und Messstelle
WO2010046246A1 (de) Verfahren und vorrichtung zur detektion von prozesszuständen in alternierenden produktionsprozessen
EP2338091B1 (de) Verfahren zur dynamischen anpassung eines diagnosesystems
EP4018277B1 (de) Ereignisorientierte übertragung von prozessmesswerten
DE102011075764A1 (de) Bewertungsvorrichtung für Feldgerätparameter
EP3555714B1 (de) Verfahren zur applikationsspezifischen einstellung eines feldgeräts
EP3084359B1 (de) Verfahren sowie messanordnung nach dem differenzdruckprinzip mit nullpunktabgleich
EP3043222B1 (de) Analysesystem zum vermessen und analysieren von industriemaschinen oder -anlagen
EP4002040B1 (de) Verfahren zur überwachung von auf einer verfahrenstechnischen anlage mit messgeräten gemessenen messgrössen
DE102012109132A1 (de) Verbessertes Verfahren und verbesserte Vorrichtung zur Vermeidung von Aliasing
EP3114439A1 (de) Verfahren zum überprüfen eines messgerätes
DE102017200014A1 (de) Elektromotor
DE102018105872A1 (de) Verfahren zur Analyse einer Kommunikationsqualität
DE10316885A1 (de) Vorrichtung zur Erfassung oder zur Beeinflussung
DE102016125349A1 (de) Bereitstellung von Informationen zur Gerätegesundheit von Feldbuskomponenten

Legal Events

Date Code Title Description
OR8 Request for search as to paragraph 43 lit. 1 sentence 1 patent law
8105 Search report available
R005 Application deemed withdrawn due to failure to request examination