DE102021130639A1

DE102021130639A1 - Verfahren zum Bestimmen anwendungsspezifischer Gesamtplausibilitäten von Messwerten mindestens einer von einem Messsystem in einer spezifischen Anwendung gemessenen Messgröße

Info

Publication number: DE102021130639A1
Application number: DE102021130639.6A
Authority: DE
Inventors: Dimitri Vaissiere; Julia Mildner; André Lemke; Lars Bondzio; Achim Gahr; Tobias Zubler
Original assignee: Endress and Hauser Conducta GmbH and Co KG
Current assignee: Endress and Hauser Conducta GmbH and Co KG
Priority date: 2021-11-23
Filing date: 2021-11-23
Publication date: 2023-05-25
Also published as: US20230161679A1; CN116147677A

Abstract

Ein Verfahren zum Bestimmen anwendungsspezifischer Plausibilitäten von Messwerten (mvi) von Messgrößen (mi), die von Messvorrichtungen (Mi) in einer spezifischen Anwendung gemessen werden, wird offenbart, umfassend die Schritte: Aufzeichnen von Daten (D) einschließlich Elementen von Diagnoseinformationen (Iij) für die Messvorrichtungen (Mi) und Variablenwerten (mvn) von angegebenen Variablen (vn), einschließlich jeder Messgröße (mi); für jede Messgröße (mi) Bestimmen einer Gesamtplausibilität Ptot(mi) der aktuellen Messwerte (mi(tr)) der Messgröße (mi) basierend auf Plausibilitätswerten (PCik), die basierend auf Plausibilitätskriterien (Cik), einschließlich eines Diagnosekriteriums (Clij) und eines anwendungsspezifischen Schwellenwertkriteriums Cj(mi), bestimmt werden, und basierend auf Zuverlässigkeitswerten (Rin), die eine statistische Zuverlässigkeit des bzw. der aktuellen Messwerte (mvi(tr)) der Messgröße (mi) angeben; und Bereitstellen der Gesamtplausibilitäten Ptot(mi) und/oder eines Gesamtplausibilitätsindex (TPI), der basierend auf den Gesamtplausibilitäten (Ptot(mi)) bestimmt wird.

Description

Die Erfindung betrifft ein Verfahren zum Bestimmen von anwendungsspezifischen Gesamtplausibilitäten von Messwerten mindestens einer von einem in einer spezifischen Anwendung installierten Messsystem gemessenen Messgröße, wobei das Messsystem mindestens eine Messvorrichtung umfasst und jede Messvorrichtung mindestens eine der mindestens einen Messgröße misst.
Messsysteme, einschließlich Messvorrichtungen, die Messgrößen von Interesse in einer spezifischen Anwendung messen, werden in einer großen Vielfalt verschiedener Anwendungen eingesetzt, einschließlich industrieller Anwendungen sowie Laboranwendungen.
Messwerte von Messgrößen, die von einem in einer spezifischen Anwendung installierten Messsystem gemessen werden, werden häufig zum Überwachen, Regeln und/oder Steuern der Messgrößen, eines Betriebs eines Werks oder einer Anlage, z. B. einer Produktionsanlage, und/oder mindestens eines Schritts eines Prozesses, z. B. eines Produktionsprozesses, der an der Anwendung durchgeführt wird, genutzt. Zum Beispiel können in einem chemischen Produktionsprozess Konzentrationen von Reaktanten, die in dem Produktionsprozess verwendet werden, und/oder die Konzentration von Analyten, die in Vorprodukten, Zwischenprodukten und/oder durch den Prozess erzeugten Edukten enthalten sind, überwacht werden, und eine Sequenz von Prozessschritten des Produktionsprozesses kann basierend auf den Messwerten der Messgrößen geplant, geregelt und/oder gesteuert werden. Ferner werden Flüssigkeitsanalyse-Messsysteme, die Messgrößen, wie einen pH-Wert, eine Konzentration an freiem Chlor und/oder eine Trübung eines Mediums messen, z. B. in Schwimmbädern sowie in Trinkwasserversorgungsnetzen und Wasserreinigungsanlagen eingesetzt, um die Qualität des Wassers zu überwachen, zu regeln und/oder zu steuern.
Je nach der spezifischen Anwendung kann eine Effizienz und/oder eine Produktivität eines Produktionsprozesses, eine Produktqualität von produzierten Produkten, die Sicherheit des Betriebs von Anlagen, Industriewerken und/oder Laboratorien und/oder die Qualität des Trinkwassers von der Messgenauigkeit der Messvorrichtungen sowie von der ordnungsgemäßen Ausführung eines Prozesses, der an der spezifischen Anwendung durchgeführt wird, und/oder von einem einwandfreien Betrieb des Werks oder der Anlage abhängen. Somit sind in den meisten Anwendungen die Messgenauigkeit der Messvorrichtungen sowie eine Konformität der Messgrößen mit anwendungsspezifischen Anforderungen von hoher Bedeutung.
Aufgrund einer zunehmenden Komplexität technischer Prozesse und der zunehmenden Anzahl von Messvorrichtungen, die zum Messen von Messgrößen von Interesse in einer spezifischen Anwendung verwendet wird, wird es immer schwieriger, zu beurteilen, ob Messwerte, die von Messsystemen bereitgestellt werden, plausibel sind oder auf ein Problem hinweisen. Selbst wenn alle Messwerte innerhalb von für die Anwendung angegebenen Wertebereichen auftreten, besteht ein Risiko, dass die Messwerte aufgrund eines Problems im Zusammenhang mit einer der Messvorrichtungen beeinträchtigt werden können, z. B. aufgrund eines Messfehlers, und/oder dass die Messgrößen durch ein Problem im Zusammenhang mit der Anwendung beeinflusst worden sein können, z. B. durch einen Fehler oder eine Beeinträchtigung eines an der Anwendung durchgeführten Prozesses. Ferner können Messwerte während Reinigungen oder Kalibrierungen der Messvorrichtungen sowie während Zeiträumen, in denen Messvorrichtungen für eine visuelle Inspektion vorübergehend von der Messstelle entfernt werden, vorübergehend beeinträchtigt werden. Somit kann eine weitere Verwendung von Messwerten, die von einem dieser Probleme beeinflusst werden, z. B. eine Verwendung dieser Messwerte zu Überwachungs-, Regelungs- und/oder Steuerungszwecken, ein Sicherheitsrisiko darstellen, zu einer verringerten Produktqualität eines an der Anwendung erzeugten Produkts führen und/oder zu einer reduzierten Prozesseffizienz eines an der Anwendung durchgeführten Prozesses führen.
Eine Wahrscheinlichkeit des Auftretens von Problemen im Zusammenhang mit den Messvorrichtungen kann durch Vorbeugungsmaßnahmen, wie regelmäßige Wartung der Messvorrichtungen und/oder wiederholte Überprüfungen, Kalibrierungen und/oder Anpassungen der Messvorrichtungen, deutlich verringert werden. Als weiteres Mittel kann ein Zustand von Messvorrichtungen oder von einzelnen Komponenten davon basierend auf Diagnoseparametern überwacht werden, und/oder es können Messvorrichtungen eingesetzt werden, die in der Lage sind, eine Selbstdiagnose durchzuführen. Beispielsweise können von der Endress+Hauser Gruppe angebotene Messvorrichtungen installiert werden, die eine Heartbeat-Funktion umfassen, die es der Messvorrichtung ermöglicht, ihre Leistung zu überwachen und/oder eine Statusanzeige bereitzustellen, die den Zustand der Messvorrichtung angibt.
Ferner offenbart EP 2 226 630 B1 ein Verfahren zum Bestimmen einer Zustandsanzeige für ein Wasseranalysegerät basierend auf technischen Parametern des Geräts. Die technischen Parameter werden durch Messaufnehmer gemessen, z. B. durch einen Feuchtigkeitsmessaufnehmer, der eine Feuchtigkeit innerhalb eines Gehäuses des Geräts misst, und einen Messaufnehmer, der einen Füllstand eines in einem Reservoir enthaltenen Reagenz misst. Für jeden technischen Parameter wird eine Abweichung zwischen dem gemessenen Parameterwert und einem entsprechenden Referenzwert bestimmt. Danach wird ein Abweichungsrelevanzwert für jede Abweichung basierend auf einer parameterspezifischen Abweichungsrelevanzfunktion für den jeweiligen technischen Parameter bestimmt. Schließlich wird mittels einer Anzeigefunktion die Zustandsanzeige, die den Zustand des Wasseranalysegeräts angibt, basierend auf den Abweichungsrelevanzwerten berechnet. Dieses Verfahren bietet den Vorteil, dass die Relevanz jeder Abweichung in Bezug auf den Gesamtzustand des gesamten Geräts berücksichtigt wird. Einer der Nachteile dieses Verfahrens ist, dass das Gerät mit dem Mittel zum Messen der technischen Parameter zusätzlich zu den Analysemessvorrichtungen ausgestattet sein muss, die zum Durchführen der Wasseranalyse erforderlich sind, und dass Beeinträchtigungen der Analysemessvorrichtungen sowie Beeinträchtigungen der von dem Gerät bestimmten Wasseranalysemessergebnisse, die nicht mit den technischen Parametern in Zusammenhang stehen, die den technischen Zustand des Geräts angeben, unbemerkt bleiben können.
Selbst wenn alle Messvorrichtungen ordnungsgemäß funktionieren, können an einer spezifischen Anwendung, z. B. aufgrund einer fehlerhaften Durchführung eines in der Anwendung durchgeführten Prozesses und/oder eines fehlerhaften Betriebs eines Werks oder einer Anlage, Probleme auftreten. Beispielsweise kann eine korrekt gemessene hohe Konzentration an freiem Chlor in Trinkwasser ein Indikator dafür sein, dass eine übermäßige Menge an Chlor zugegeben wurde.
In diesem Zusammenhang beschreibt DE 10 2008 042 969 A1 ein Verfahren zum Erkennen von Prozesszuständen in abwechselnden Produktionsprozessen, das mit Messaufnehmern durchgeführt wird, die Messaufnehmerwerte messen, die für die Prozesszustände repräsentativ sind, wobei die Messaufnehmerwerte und/oder Prozessvariablen gleichzeitig ausgewertet werden und eine Diagnose der Prozesszustände und/oder der Messaufnehmerzustände basierend auf für die während der einzelnen Prozesszustände gemessenen Messaufnehmerwerte vorgegebenen Schwellenwertbereichen durchgeführt wird. Dieses Verfahren bietet den Vorteil, dass der aktuelle Prozesszustand basierend auf der gleichzeitigen Auswertung bestimmt werden kann und dass Probleme, die durch fehlerhafte Messaufnehmer und/oder fehlerhafte Durchführungen eines an der Anwendung durchgeführten Prozesses verursacht werden, basierend auf Abweichungen der Messwerte von den für die einzelnen Prozesszustände vordefinierten Schwellenwertbereichen erkannt werden. Die Verwendung dieses Verfahrens ist jedoch auf Anwendungen beschränkt, bei denen ausreichend unterscheidbare vordefinierte Prozesszustände auftreten. Somit ist es für Anwendungen ungeeignet, bei denen sich die Messgrößen auf unbekannte und/oder kontinuierliche Weise ändern, sodass ausreichend unterscheidbare Prozesszustände nicht identifiziert werden können.
Es ist eine Aufgabe der Erfindung, ein Verfahren zum Bestimmen von anwendungsspezifischen Plausibilitäten von Messwerten von Messgrößen bereitzustellen, die von einem Messsystem gemessen werden, das in einem breiteren Bereich von Anwendungen angewendet werden kann und ein Plausibilitätsergebnis bereitstellt, das mögliche Beeinträchtigungen, die aufgrund von Problemen im Zusammenhang mit den Messvorrichtungen sowie aufgrund von Problemen im Zusammenhang mit der Anwendung auftreten können, wirklich berücksichtigt.
Diese Aufgabe wird durch ein Verfahren zum Bestimmen anwendungsspezifischer Plausibilitäten von Messwerten mindestens einer Messgröße, die von einem in einer spezifischen Anwendung installierten Messsystem gemessen wird, erfüllt; wobei das Messsystem mindestens eine Messvorrichtung einschließt und jede Messvorrichtung mindestens eine von den mindestens einen Messgrößen misst, wobei das Verfahren die Schritte umfasst:

für jede Messgröße Identifizieren mindestens eines Elements von Diagnoseinformationen, das einen Zustand der Messvorrichtung angibt, die die jeweilige Messgröße misst,
Angeben einer Anzahl von mindestens einer an der Anwendung gemessenen oder für die Anwendung bestimmten Variablen derart, dass die angegebene(n) Variable(n) durch jede von den mindestens einen Messgrößen gegeben ist bzw. sind oder diese einschließt bzw. einschließen;
für jede Messgröße, Bestimmen von Plausibilitätskriterien zum Bestimmen von Plausibilitätswerten einschließlich:
- mindestens eines Diagnosekriteriums zum Bestimmen eines Plausibilitätswerts, der die Plausibilität von Messwerten der jeweiligen Messgröße basierend auf mindestens einem Elementwert von mindestens einem der Elemente von Diagnoseinformationen, die den Zustand der Messvorrichtung angeben, die die jeweilige Messgröße misst, angibt, und
- mindestens eines Schwellenwertkriteriums zum Bestimmen eines Plausibilitätswerts, der die Plausibilität der Messwerte der jeweiligen Messgröße basierend auf ihrer Größe in Bezug auf mindestens einen anwendungsspezifischen Schwellenwertbereich, der auf die Messwerte der jeweiligen Messgröße anwendbar ist, angibt,
- Aufzeichnen von Daten, einschließlich mindestens eines Elementwerts jedes Elements von Diagnoseinformationen und Zeitreihen von Variablenwerten jeder angegebenen Variablen sowie des Zeitpunkts ihrer Bestimmung oder Messung; und
- basierend auf den aufgezeichneten Daten, Durchführen der folgenden Schritte mindestens einmal oder wiederholt:
für jede Messgröße: Bestimmen der Plausibilitätswerte basierend auf den Plausibilitätskriterien, die für die jeweilige Messgröße bestimmt wurden, Bestimmen mindestens eines Plausibilitätsmaßes, das eine Zuverlässigkeit eines oder mehrerer aktueller Messwerte der jeweiligen Messgröße, die während eines begrenzten aktuellen Zeitintervalls gemessen werden, im Hinblick auf Messwerte mindestens einer oder aller angegebenen Variablen, die vor dem aktuellen Zeitintervall gemessen wurden und durch die Messwerte der jeweiligen Messgröße gegeben sind oder diese einschließen, angibt, und Bestimmen einer Gesamtplausibilität der aktuellen Messwerte der jeweiligen Messgröße basierend auf dem bzw. den Plausibilitätsmaßen und den Plausibilitätswerten, die für die jeweilige Messgröße bestimmt wurden; und

Bereitstellen eines Plausibilitätsergebnisses, das mindestens eines von Folgendem einschließt: den Gesamtplausibilitäten und einem Gesamtplausibilitätsindex, der basierend auf den Gesamtplausibilitäten bestimmt wird.
Das Verfahren bietet den Vorteil, dass jede Gesamtplausibilität die Plausibilität der Messwerte der jeweiligen Messgröße im Hinblick auf den Zustand der Messvorrichtung, die die Messgröße misst, und im Hinblick auf die anwendungsspezifischen Anforderungen, die von den Plausibilitätswerten und dem bzw. den Plausibilitätsmaßen berücksichtigt werden, angibt. Andere Vorteile sind, dass das Verfahren ausschließlich basierend auf Daten durchgeführt werden kann, die an der spezifischen Anwendung verfügbar sind, und dass es auch in Anwendungen durchgeführt werden kann, in denen ausreichend unterscheidbare Prozesszustände nicht verfügbar sind.
In bestimmten Ausführungsformen für mindestens eine oder jede Messgröße umfasst das Plausibilitätsmaß bzw. umfassen die Plausibilitätsmaße mindestens eines von: einem ersten Plausibilitätsmaß, das einem Grad der Konformität des bzw. der aktuellen Messwerte oder einer Verteilung der aktuellen Messwerte der jeweiligen Messgröße mit einer Verteilung oder einer der Verteilungen, die durch vor dem aktuellen Zeitintervall gemessene Messwerte der jeweiligen Messgröße angezeigt wird bzw. werden, entspricht, und einem zweiten Plausibilitätsmaß, das einem Grad der Konformität des bzw. der aktuellen Messwerte der jeweiligen Messgröße mit einem Analyseergebnis, das durch eine multivariate Analyse von Variablenwerten von mindestens zwei vor dem aktuellen Zeitintervall bestimmten Analysevariablen bestimmt wurde, entspricht; wobei die Analysevariablen durch die jeweilige Messgröße und mindestens eine oder jede in den ausgewählten Variablen enthaltene andere Variable gegeben sind.
In bestimmten Ausführungsformen wird mindestens eine oder jede Gesamtplausibilität bestimmt: in Abhängigkeit von, als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus dem bzw. den Plausibilitätsmaßen und den für die jeweilige Messgröße bestimmten Plausibilitätswerten, oder in Abhängigkeit von, als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus einer Mindestplausibilität, die durch den kleinsten der für die jeweilige Messgröße bestimmten Plausibilitätswerte gegeben ist, und dem bzw. den für die jeweilige Messgröße bestimmten Plausibilitätsmaßen, oder wird bestimmt durch: Unterteilen der Plausibilitätswerte in Betriebsplausibilitätswerte, die die basierend auf den Diagnosekriterien bestimmten Plausibilitätswerte einschließen, und anwendungsspezifische Plausibilitätswerte, die die basierend auf den Schwellenwertkriterien bestimmten Plausibilitätswerte einschließen, und Bestimmen der Gesamtplausibilität für die jeweilige Messgröße in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus jedem von dem bzw. den Plausibilitätsmaßen und den anwendungsspezifischen Plausibilitätswerten, die für die jeweilige Messgröße bestimmt wurden, und einer Mindestplausibilität, die durch den kleinsten der für die jeweilige Messgröße ermittelten Betriebsplausibilitätswerte gegeben ist.
In einer anderen Ausführungsform umfasst das Verfahren mindestens einen der folgenden Schritte:

a) Anzeigen des Plausibilitätsergebnisses auf einer Anzeige in Form eines Dashboards, das Symbol, das den Gesamtplausibilitätsindex visualisiert, und/oder eine gegebene Anzahl von Symbolen einschließt, von denen jedes die einen der Gesamtplausibilitätswerte visualisiert; wobei ein Anteil eines Symbolbereichs jedes Symbols, der einer Größe des visualisierten Gesamtplausibilitätsindex oder der visualisierten Gesamtplausibilitätswerte entspricht, ausgefüllt ist und das Symbol oder der ausgefüllte Anteil davon in einer nach der Größe ausgewählten Farbe angezeigt wird; b) Bereitstellen des Plausibilitätsergebnisses in Form einer E-Mail oder einer Nachricht, die an einen vorgegebenen Empfänger und/oder an mindestens eines von Folgendem gesendet wird: eine vorgegebene Vorrichtung, einen Computer, eine mobile Vorrichtung, ein Mobiltelefon, ein Tablet und ein Wartungswerkzeug; und c) Bereitstellen des Plausibilitätsergebnisses an eine übergeordnete Einheit, die dazu konfiguriert ist, einen an der Anwendung durchgeführten Prozess zu regeln und/oder zu steuern, und dazu konfiguriert ist, eine Aktion zum Stoppen oder Modifizieren mindestens eines Prozessschritts eines an der Anwendung durchgeführten Prozesses und/oder mindestens eine andere vorgegebene Aktion durchzuführen, wenn das Plausibilitätsergebnis eine Bedingung erfüllt, die für die jeweilige Aktion angegeben ist.

In einer weiteren Ausführungsform schließen die angegebenen Variablen mindestens eines von Folgendem ein: mindestens einen Prozessparameter, der von einer der Messvorrichtungen des Messsystems gemessen wird, mindestens einen Prozessparameter, der von einem Messinstrument gemessen wird, das an der spezifischen Anwendung installiert ist; und mindestens einen durch oder für eine der Messvorrichtungen bestimmten Diagnoseparameter.
In einer anderen Ausführungsform schließt für mindestens eine der Messvorrichtungen das mindestens eine Element von Diagnoseinformationen, das den Zustand der jeweiligen Messvorrichtung angibt, mindestens eines von Folgendem ein: einem Alter der Messvorrichtung, einer Betriebszeit der Messvorrichtung, Wartungszeiten, wenn die Messvorrichtung gewartet wird, Überprüfungszeiten, wenn eine Messgenauigkeit der Messvorrichtung überprüft wird, einem Überprüfungsergebnis, das durch eine Überprüfung der Messgenauigkeit der Messvorrichtung erhalten wird, Kalibrierungszeiten, wenn die Messvorrichtung kalibriert wird, einem Kalibrierungsergebnis, das durch eine Kalibrierung der Messvorrichtung erhalten wird, mindestens einem Diagnoseparameter, der von der Messvorrichtung bestimmt wird, einer Statusanzeige, die basierend auf einer von der Messvorrichtung durchgeführten Selbstdiagnose bestimmt wird, und einem Expositionsindex, der einer Exposition der Messvorrichtung gegenüber ungünstigen Messbedingungen entspricht.
In einer anderen Ausführungsform ist das Verfahren ein Verfahren, wobei:

a) für mindestens eine Messgröße die für die jeweilige Messgröße bestimmten Plausibilitätskriterien mindestens eines von Folgendem einschließen: einem Schwellenwertkriterium zum Bestimmen eines Plausibilitätswerts basierend darauf, ob der bzw. die aktuellen Messwerte der jeweiligen Messgröße innerhalb eines anwendungsspezifischen Schwellenwertbereichs auftreten, der von dieser Messgröße nicht überschritten werden darf, einem Schwellenwertkriterium zum Bestimmen eines Plausibilitätswerts, der die Plausibilität mindestens eines aktuellen Messwerts der jeweiligen Messgrößen basierend auf anwendungsspezifischen Wahrscheinlichkeiten des Auftretens von Messwerten dieser Messgröße innerhalb anwendungsspezifischer Schwellenwertbereiche angibt, und einem Kriterium zum Bestimmen eines Plausibilitätswerts, der die Plausibilität mindestens eines aktuellen Messwerts der jeweiligen Messgröße basierend auf mindestens einem aktuellen Variablenwert mindestens einer oder von zwei anderen Variablen angibt, wobei jede andere Variable durch eine der anderen Messgrößen oder durch einen in den angegebenen Variablen enthaltenen Parameter gegeben ist, und/oder wobei:
b) für mindestens eine der Messgrößen die Plausibilitätsmaße mindestens eines von Folgendem einschließen: einem Plausibilitätsmaß, das bestimmt wird basierend auf einem Verfahren zum Erkennen von Ausreißern, die in den Messwerten der jeweiligen Messgröße enthalten sind, einem Plausibilitätsmaß, das bestimmt wird basierend auf Messwerten der jeweiligen Messgröße, die vor dem bzw. den Zeitpunkten der Messung des mindestens einen aktuellen Messwerts der jeweiligen Messgröße gemessen wurden, einem Plausibilitätsmaß, das bestimmt wird basierend auf einer Kombination aus einer Wahrscheinlichkeit des Auftretens von Messwerten mit der Größe des mindestens einen aktuellen Messwerts der jeweiligen Messgröße an der spezifischen Anwendung, und einer Wahrscheinlichkeit ihres Auftretens gemäß einer empirischen Verteilung, die basierend auf einem bzw. mehreren Messwerten der jeweiligen Messgröße, der bzw. die während eines begrenzten Zeitintervalls, das dem bzw. den Zeitpunkten der Messung des bzw. der aktuellen Messwerte voranging, gemessen wurde(n), bestimmt wird; und einem Plausibilitätsmaß, das bestimmt wird basierend auf einer Abweichung zwischen dem mindestens einen aktuellen Messwert der jeweiligen Messgröße und entsprechenden vorhergesagten Werten, die basierend auf Messwerten der jeweiligen Messgröße, die vor dem bzw. den Zeitpunkten der Messung des bzw. der aktuellen Messwerte gemessen wurden, vorhergesagt wurden, wobei die vorhergesagten Werte entweder basierend auf einem Modell für autoregressive integrierte gleitende Mittelwerte (ARIMA-Modell) bestimmt werden, das an die Zeitreihe der zuvor bestimmten Messwerte angepasst ist, oder basierend auf einem Modell für die Messwerte der jeweiligen Messgröße, das durch ein Verfahren zum maschinellen Lernen auf Basis der Daten bestimmt wurde, oder durch ein anderes Verfahren zur Zeitreihenvorhersage bestimmt wurde.

In bestimmten Ausführungsformen wird für jedes Plausibilitätskriterium der entsprechende Plausibilitätswert basierend auf einer Nachschlagetabelle oder Plausibilitätsfunktion bestimmt, die dem jeweiligen Plausibilitätskriterium zugeordnet ist, das die Plausibilitätswerte den aktuellen Messwerten der jeweiligen Messgröße basierend auf oder in Abhängigkeit von mindestens einer Eigenschaft zuweist, die von mindestens einem der Elementwerte des Elements von Diagnoseinformationen und/oder mindestens einem der Variablenwerte mindestens einer der angegebenen Variablen, die in den Daten enthalten sind, gegeben ist oder basierend darauf bestimmbar ist.
In einer weiteren Ausführungsform schließen für mindestens eine der Messgrößen die bestimmten Plausibilitätsmaße ein Plausibilitätsmaß ein, das bestimmt wird durch: Sortieren von Messwerten der jeweiligen Messgröße, die während eines vorhergehenden Zeitintervalls gemessen wurde, nach ihrer Größe entlang einer Linie, Unterteilen der Linie in vier Quartile, die jeweils ein Viertel der Messwerte einschließen, und Bestimmen des Plausibilitätsmaßes basierend auf einer Plausibilitätsfunktion, die das Plausibilitätsmaß des bzw. der aktuellen Messwerte der jeweiligen Messgröße gemäß dem Quartil, in dem sie auftreten, allen aktuellen Messwerten zuweist, die an einer Position innerhalb vorgegebener erster Bereiche der Linie auftreten, und/oder gemäß einer Wahrscheinlichkeit des Auftretens von Messwerten mit der Größe des bzw. der aktuellen Messwerte allen aktuellen Messwerten zuweist, die an einer Position innerhalb vorgegebener zweiter Bereiche der Linie auftreten; wobei die Wahrscheinlichkeit des Auftretens von Messwerten mit den in den zweiten Bereichen enthaltenen Größen basierend auf Trainingsdaten bestimmt wird, die in den Daten enthalten sind, oder basierend auf den Messwerten, die während des vorhergehenden Zeitintervalls gemessen wurden.
In bestimmten Ausführungsformen ist das Verfahren ein Verfahren, wobei: für mindestens eine der Messgrößen die bestimmten Plausibilitätsmaße ein Plausibilitätsmaß einschließen, das bestimmt wird basierend auf einer Plausibilitätsfunktion, die das Plausibilitätsmaß dem mindestens einen aktuellen Messwert der jeweiligen Messgröße in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus einer ersten Plausibilität, die basierend auf einer ersten Plausibilitätsfunktion bestimmt wird, und einer zweiten Plausibilität, die basierend auf einer zweiten Plausibilitätsfunktion bestimmt wird, zuweist; wobei: die erste Plausibilitätsfunktion die erste Plausibilität dem bzw. den aktuellen Messwerten gemäß einer Wahrscheinlichkeit des Auftretens von Messwerten mit der Größe des bzw. der aktuellen Messwerte an der spezifischen Anwendung zuweist; wobei die erste Plausibilitätsfunktion entweder basierend auf Schätzungen der Wahrscheinlichkeit des Auftretens von Messwerten mit gegebenen Größen an der spezifischen Anwendung bestimmt wird oder basierend auf einer Häufigkeit des Auftretens von Messwerten mit unterschiedlichen Größen, die basierend auf Messwerten bestimmt wird, die während eines Trainingszeitintervalls gemessen wurden, das eine Zeitspanne von ausreichend langer Dauer abdeckt, um alle Betriebsmodi und/oder jeden der an der spezifischen Anwendung durchgeführten Prozesse abzudecken; wobei die zweite Plausibilitätsfunktion die zweite Plausibilität dem mindestens einen aktuellen Messwert basierend auf deren Wahrscheinlichkeit des Auftretens gemäß einer empirischen Verteilung zuweist, die basierend auf einem bzw. mehreren Messwerten bestimmt wird, der bzw. die während eines begrenzten Zeitintervalls gemessen wurde(n), das dem Zeitpunkt der Messung des bzw. der aktuellen Messwerte voranging; und die zweite Plausibilitätsfunktion bestimmt wird entweder als oder basierend auf einer Häufigkeit des Auftretens von Messwerten mit unterschiedlichen Größen, die basierend auf den Messwerten bestimmt wird, die während des begrenzten Zeitintervalls gemessen wurden, oder als eine Wahrscheinlichkeitsfunktion, die die Wahrscheinlichkeit des Auftretens von Messwerten der jeweiligen Messgröße in Abhängigkeit von ihrer Größe, die basierend auf einer Kerndichteschätzung bestimmt wird, darstellt.
In bestimmten Ausführungsformen umfasst das Verfahren die Schritte für mindestens eine der Messgrößen: Identifizieren mindestens eines Knock-out-Kriteriums für die Plausibilität der Messwerte der jeweiligen Messgröße; und Durchführen der Bestimmung der Gesamtplausibilität der Messwerte der jeweiligen Messgröße derart, dass die Gesamtplausibilität entweder auf null gesetzt oder so weit reduziert wird, dass eine Auswirkung der Erfüllung des jeweiligen Knock-out-Kriteriums auf die Plausibilität der Messwerte der jeweiligen Messgröße berücksichtigt wird, wenn das jeweilige Knock-out-Kriterium erfüllt ist; wobei die für die jeweilige Messgröße identifizierten Knock-out-Kriterien mindestens eines von Folgendem einschließen: einem Knock-out-Kriterium, das sich auf eines der Elemente von Diagnoseinformationen bezieht, das für die Messvorrichtung identifiziert wurde, die diese Messgröße misst, einem Knock-out-Kriterium, für das eine für die Messvorrichtung, die diese Messgröße misst, bestimmte Statusanzeige angeben muss, dass die Messvorrichtung defekt ist, einem Knock-out-Kriterium, für das die Messwerte dieser Messgröße und/oder die Variablenwerte mindestens einer anderen in den angegebenen Variablen enthaltenen Variablen einen maximalen tolerierbaren Bereich überschreiten oder einen gegebenen Schwellenwert überschreiten oder unterschreiten müssen, und einem Knock-out-Kriterium, das sich auf mindestens einen in den angegebenen Variablen enthaltenen Parameter bezieht, der von einer der Messvorrichtungen oder von einem an der spezifischen Anwendung installierten Messinstrument gemessen oder bestimmt wird.
In bestimmten Ausführungsformen ist das Verfahren ein Verfahren, wobei das Messsystem ein Analysesystem ist, wobei die Messvorrichtungen Messgrößen eines Mediums, das durch eine Durchflusskammer fließt, messen, wobei die angegebenen Variablen einen Durchfluss des Mediums, das durch die Durchflusskammer fließt, einschließen, und wobei: die Plausibilitätskriterien mindestens ein Kriterium zum Bestimmen des Plausibilitätswerts von Messwerten einer der Messgrößen basierend auf dem gemessenen Durchfluss einschließen, und/oder die Gesamtplausibilität der Messwerte mindestens einer oder jeder der mindestens einen Messgröße auf null gesetzt wird, wenn der Durchfluss durch die Durchflusszelle unter einen absoluten Mindestdurchsatz fällt, die erforderlich ist, um die jeweilige Messgröße zu messen.
In bestimmten Ausführungsformen umfasst das Verfahren ferner einen Verfahrensschritt des Durchführens eines iterativen Prozesses zum Optimieren dieses Verfahrens durch, basierend auf von einem sachkundigen Bediener erworbenen markierten Trainingsdaten, Auswerten und Klassifizieren von zuvor bestimmten Gesamtplausibilitäten durch Durchführen eines Verfahrens des maschinellen Lernens, das konfiguriert ist, um die Bestimmung der Gesamtplausibilität zu optimieren und/oder um mindestens eines von Folgendem zu optimieren: die anwendungsspezifischen Schwellenwerte, die anwendungsspezifischen Schwellenwertbereiche, die Nachschlagetabellen und Funktionen, die zum Bestimmen der Plausibilitätswerte verwendet werden, und die Plausibilitätsmaße, die zum Bestimmen der Gesamtplausibilitäten verwendet werden.
In bestimmten Ausführungsformen ist das Verfahren ein computerimplementiertes Verfahren, wobei: jedes Plausibilitätsergebnis von einem Rechenmittel bestimmt und bereitgestellt wird, das konfiguriert ist, um das Plausibilitätsergebnis basierend auf den aufgezeichneten Daten und basierend auf einem Computerprogramm, das auf dem Rechenmittel implementiert ist und das Rechenmittel zum Durchführen der Bestimmung veranlasst, zu bestimmen und bereitzustellen; und das Rechenmittel in dem Messsystem eingeschlossen ist, in einem mit den Messvorrichtungen verbundenen Sender eingeschlossen oder mit diesem verbunden ist, in einer Vorrichtung, einer Edge-Vorrichtung oder einer übergeordneten Einheit, die sich in der Nähe des Messsystems befindet, eingeschlossen ist und mit den Messvorrichtungen verbunden ist oder mit diesen kommuniziert oder in der Cloud ausgeführt ist.
Die Aufgabe wird ferner durch ein Computerprogramm gelöst, das Anweisungen umfasst, die, wenn das Programm durch einen Computer ausgeführt wird, den Computer veranlassen, das hierin beschriebene Verfahren basierend auf den dem Computer bereitgestellten Daten durchzuführen, sowie durch ein Computerprogrammprodukt, das dieses Computerprogramm und mindestens ein computerlesbares Medium umfasst, wobei mindestens das Computerprogramm auf dem computerlesbaren Medium gespeichert ist.
Die Erfindung und weitere Vorteile werden nachstehend anhand des in den Figuren der Zeichnung gezeigten Beispiels näher erläutert, wobei:

1 zeigt: ein Messsystem, das in einer spezifischen Anwendung an einem Behälter installiert ist,
2 zeigt: ein Analysemesssystem, das in einer spezifischen Anwendung an einem Rohr installiert ist,
3 zeigt: ein Analysemesssystem, das an einer Messstelle installiert ist,
4 zeigt: Verfahrensschritte des hierin offenbarten Verfahrens,
5 zeigt: eine unstetige Plausibilitätsfunktion,
6 zeigt: eine stetige Plausibilitätsfunktion,
7 zeigt: eine Zeitreihe von Messwerten einer Messgröße,
8 zeigt: eine Linie, die durch Messwerte aufgespannt wird, die nach ihrer Größe sortiert sind, und eine Plausibilitätsfunktion, und
9 zeigt: eine erste Plausibilitätsfunktion und eine zweite Plausibilitätsfunktion.

Die Erfindung betrifft ein Verfahren zum Bestimmen von anwendungsspezifischen Plausibilitäten von Messwerten mv_i mindestens einer Messgröße m_i, die von einem in einer spezifischen Anwendung installierten Messsystem gemessen wird.
Das Verfahren kann in Bezug auf jedes im Stand der Technik bekannte Messsystem angewendet werden, das in einer speziellen Anwendung installiert und dazu konfiguriert ist, mindestens eine Messgröße m_i zu messen. Zu diesem Zweck schließt das Messsystem mindestens eine Messvorrichtung Mi ein, und jede Messvorrichtung Mi misst mindestens eine Messgröße m_i. In Bezug auf die Messvorrichtungen Mi können Vorrichtungen, die in der Technik bekannt und konfiguriert sind, um mindestens eine Messgröße m_i von Interesse in der spezifischen Anwendung zu messen, z. B. einen Prozessparameter, der sich auf einen Prozess bezieht, der an der Messstelle durchgeführt wird, und/oder eine Eigenschaft eines Mediums, das an der Messstelle erzeugt, verarbeitet und/oder überwacht wird, verwendet werden. Beispiele für Messgrößen m_i schließen einen Füllstand, einen Druck, eine Temperatur, eine Dichte, eine Leitfähigkeit, einen Durchfluss, einen pH-Wert, eine Trübung, eine Spektralabsorption eines Mediums, eine Konzentration eines in dem Medium enthaltenen Analyten und/oder mindestens eine andere Messgröße m_i ein. Beispielsweise kann ein Sauerstoffgehalt, ein Ammoniumgehalt und/oder ein Phosphorgehalt gemessen werden. Unabhängig von der bzw. den von der bzw. den Messvorrichtungen Mi gemessenen Messgrößen m_i ist jede Messvorrichtung Mi entweder als einfache Vorrichtung ausgeführt, z. B. als Messaufnehmer oder Sonde, die ausschließlich eine einzige Messgröße m_i misst, oder als komplexere Vorrichtung, die mindestens zwei Messgrößen m_i misst und/oder mindestens eine Messgröße m_i und mindestens einen Parameter, z. B. einen Diagnoseparameter und/oder einen Prozessparameter. Beispiele für Anwendungen schließen industrielle Anwendungen ein, z. B. Produktionswerke, Chemiewerke, Wasserreinigungswerke sowie Laboranwendungen. Weitere Beispiele schließen Messsysteme ein, die Messungen in einer natürlichen Umgebung durchführen, sowie Messsysteme, die in der medizinischen Diagnostik angewendet werden, z. B. Systeme, die In-situ-, In-vitro- oder In-vivo-Messungen durchführen. Unabhängig von der Anwendung werden die Messwerte mv_i, die von dem Messsystem bereitgestellt werden, z. B. eingesetzt, um einen Prozess zu überwachen, zu regeln und/oder zu steuern, der an der Anwendung durchgeführt wird, z. B. in dem Werk oder der Anlage oder durch das Werk oder die Anlage, um mindestens eine Eigenschaft oder die Qualität eines Mediums zu überwachen, zu regeln und/oder zu steuern, z. B. eines Mediums, das durch ein an der Anwendung verarbeitetes und/oder produziertes Vorprodukt, Zwischenprodukt oder Endprodukt gegeben ist, und/oder um eine Effizienz eines an der Anwendung durchgeführten Prozesses zu überwachen, zu regeln und/oder zu steuern.
1 zeigt ein Beispiel für ein Messsystem 100, das an einem Behälter 1 in einer spezifischen Anwendung installiert ist, z. B. einer Anwendung, bei der ein Prozess, z. B. ein in dem Behälter 1 durchgeführter Produktionsprozess, basierend auf den durch das Messsystem 100 bereitgestellten Messwerten mv_i überwacht, geregelt und/oder gesteuert wird. Die gezeigten beispielhaften Messvorrichtungen Mi schließen eine Füllstandsmessvorrichtung M1 ein, die einen Füllstand L eines in dem Behälter 1 enthaltenen Mediums 3 misst, einen Leitfähigkeitsmessaufnehmer M2, der eine Leitfähigkeit p des Mediums 3 misst, und zwei Durchflussmesser M3, M4, die jeweils einen Durchfluss F1, F2 eines in den Behälter 1 fließenden Additivs misst.
2 zeigt ein weiteres Beispiel, wobei das Messsystem 200 ein Analysesystem, z. B. ein Flüssigkeitsanalysesystem, ist, das Messvorrichtungen Mi einschließt, die Messgrößen m_i eines Mediums 5 messen. Um ein Beispiel für eine spezifische Anwendung zu geben, wird das in 2 gezeigte Messsystem z. B. als ein Wasserqualitätsmesssystem verwendet, das an einer Messstelle installiert ist, die sich entlang eines Wasserrohrs oder einer Durchführungsleitung befindet, die Wasser führt, z. B. Frischwasser, das einem Schwimmbecken zugeführt werden soll, oder Wasser, das aus dem Schwimmbecken entnommen wird. In dem gezeigten Beispiel schließen die Messvorrichtungen Mi einen pH-Messaufnehmer M5 ein, der einen pH-Wert pH des Mediums 5 misst, und einen Chlormessaufnehmer M6, der eine Konzentration an in dem Medium 5 enthaltenem freiem Chlor Cl2 misst.
3 zeigt ein weiteres Beispiel, wobei das Messsystem 300 z. B. als ein Wasserqualitätsmesssystem ausgeführt ist, das zum Überwachen der Qualität des Trinkwassers in einer spezifischen Anwendung verwendet wird, z. B. an einer Messstelle in einem Trinkwasserversorgungsnetz, in dem das Messsystem 300 installiert ist. In diesem Fall schließen die Messvorrichtungen Mi z. B. einen Trübungsmessaufnehmer M7, der eine Trübung TB misst, einen pH-Messaufnehmer M8, der einen pH-Wert pH misst, einen Redoxpotentialmessaufnehmer M9, der ein Redoxpotential ORP misst, einen Leitfähigkeitsmessaufnehmer M10, der eine Leitfähigkeit p misst, einen Spektralabsorptionsmessaufnehmer M11, der eine Spektralabsorption SAK misst, und/oder einen Temperaturmessaufnehmer M12 ein, der eine Temperatur T des Mediums 5 misst.
Verschiedene in der Technik bekannte Arten des Installierens des Messsystems 100, 200, 300 und/oder der einzelnen Messvorrichtungen Mi können angewendet werden. In 1 ist jede Messvorrichtung M1, M2, M3, M4 einzeln an einer anderen Position montiert, z. B. an einem Einlassrohr 7, 9, das mit einem Einlass des Behälters 1 über dem Behälter 1 oder an einer Behälterwand des Behälters 1 verbunden ist. In 2 sind die Messvorrichtungen M5, M6 als Tauchsonden ausgeführt, die an einer Durchflusskammer 11 montiert sind, sodass sie in das durch die Durchflusskammer 11 fließende Medium 5 eintauchen, das der Durchflusskammer 11 über ein Einlassrohr 13 zugeführt wird und die Durchflusskammer 11 über ein Auslassrohr 15 verlässt. In 3 ist jede Messvorrichtung M7, M8, M9, M10, M11, M12 einzeln an einer anderen Position entlang eines Gefäßes 17 montiert, z. B. eines offenen Kanals, eines Rohrs oder eines Behälters, der das Medium 5 enthält.
Wie in 4 veranschaulicht, schließt das Verfahren zum Bestimmen spezifischer Plausibilitäten der Messwerte mv_i einen Verfahrensschritt a) des für jede Messgröße m_i Identifizierens mindestens eines Elements von Diagnoseinformationen lij, das einen Zustand der Messvorrichtung Mi angibt, die die jeweilige Messgröße m_i misst, ein.
Das bzw. die für die jeweilige Messvorrichtung Mi verfügbaren, gemessenen oder bestimmten Elemente von Diagnoseinformationen lij schließen z. B. ein: ein Alter der Messvorrichtung Mi, eine Betriebszeit der Messvorrichtung Mi, Wartungszeiten, wenn die Messvorrichtung Mi gewartet wird, Überprüfungszeiten, wenn eine Messgenauigkeit der Messvorrichtung Mi überprüft wird, z. B. basierend auf Referenzmessungen, ein Überprüfungsergebnis, das durch eine Überprüfung der Messgenauigkeit der Messvorrichtung Mi erhalten wird, Kalibrierungszeiten, wenn die Messvorrichtung Mi kalibriert wird, und/oder ein Kalibrierungsergebnis, das durch eine Kalibrierung der Messvorrichtung Mi erhalten wird.
In Bezug auf Messvorrichtungen Mi, die konfiguriert sind, um mindestens einen Diagnoseparameter zu bestimmen, der den Zustand der jeweiligen Messvorrichtung Mi angibt, schließen die Elemente von Diagnoseinformationen lij z. B. einen Diagnoseparameter ein, der von der Messvorrichtung Mi bestimmt und bereitgestellt wird. Beispielsweise kann mindestens einer der pH-Messaufnehmer M5, M8 konfiguriert sein, um einen Diagnoseparameter zu bestimmen und bereitzustellen, der durch eine elektrische Impedanz seiner ionenselektiven Glasmembran gegeben ist, die den Zustand der Membran angibt.
In Bezug auf Messvorrichtungen Mi, die konfiguriert sind, um eine Selbstdiagnose durchzuführen, schließen die Elemente von Diagnoseinformationen lij z. B. eine Statusanzeige ein, die den Zustand der Messvorrichtung Mi darstellt, der von der Messvorrichtung Mi basierend auf der Selbstdiagnose, die von der Messvorrichtung Mi durchgeführt wird, bestimmt und bereitgestellt wird.
Als weiteres Beispiel können die Elemente von Diagnoseinformationen lij einen Expositionsindex einschließen, der einer Exposition der Messvorrichtung Mi gegenüber ungünstigen Messbedingungen entspricht. Der Expositionsindex wird z. B. basierend auf einer Expositionszeit bestimmt, während der die Messvorrichtung Mi ungünstigen Bedingungen ausgesetzt war, z. B. Temperaturen, die einen für die Messvorrichtung Mi angegebenen Temperaturbereich überschritten, und/oder Drücken, die einen für die Messvorrichtung Mi angegebenen Druckbereich überschritten, und/oder basierend auf einer Expositionszeit, während der die Messgröße m_i einen Messbereich der Messvorrichtung Mi überschritt.
Das Verfahren schließt ferner einen Verfahrensschritt b) des Angebens einer Anzahl von mindestens einer Variablen ein, die an der Anwendung gemessen oder für diese bestimmt wird, sodass die angegebene(n) Variable(n) entweder durch jede der Messgröße(n) m_i, die von dem Messsystem 100, 200, 300 gemessen wird bzw. werden, gegeben ist bzw. sind oder diese einschließt bzw. einschließen. Im ersten Fall ist die Anzahl der angegebenen Variablen gleich der Anzahl der Messgrößen m_i. Im letzteren Fall schließen die angegebenen Variablen v_n jede Messgröße m_i und mindestens einen an der Anwendung gemessenen oder für sie bestimmten Parameter ein. Je nach Anwendung schließen die in den angegebenen Variablen v_n enthaltenen Parameter z. B. mindestens einen Prozessparameter ein, der von einer der Messvorrichtungen Mi des Messsystems 100, 200, 300 gemessen wird, und/oder mindestens einen Prozessparameter, der von einem anderen Messinstrument Sm gemessen wird, das zusätzlich zu dem Messsystem 100, 200, 300 an der spezifischen Anwendung installiert ist. Beispiele für Prozessparameter sind in 2 veranschaulicht, wobei der pH-Messaufnehmer M5 und der Chlormessaufnehmer M6 jeweils konfiguriert sind, um einen Prozessparameter zu messen, z. B. eine Temperatur Tph, die von einem Temperaturmessaufnehmer 45 gemessen wird, der in dem pH-Messaufnehmer M5 eingeschlossen ist, und eine Temperatur Tcl2, die von dem Temperaturmessaufnehmer 45 gemessen wird, der in dem Chlormessaufnehmer M6 eingeschlossen ist.
Als alternative Option ist mindestens einer oder jeder der von der bzw. den Messvorrichtungen Mi gemessenen Prozessparameter z. B. in den angegebenen Variablen als eine der von dem Messsystem 100, 200, 300 gemessenen Messgrößen m_i enthalten.
In vielen Anwendungen ist mindestens ein Messinstrument Sm, das einen Prozessparameter misst, z. B. eine Eigenschaft des Mediums 5 und/oder einen Prozessparameter, der einem an der Anwendung durchgeführten Prozess zugeordnet ist, zusätzlich zu dem Messsystem 100, 200, 300 installiert. Beispielhafte Messinstrumente Sm, die einen Durchflussmesser S1, der einen Durchfluss F des durch die Durchflusskammer 11 fließenden Mediums 5 misst, einen Druckmessaufnehmer S2, der einen Druck p innerhalb des Zufuhrrohrs 13 misst, und einen Temperaturmessaufnehmer S3, der eine Umgebungstemperatur Ta misst, einschließen, sind in 2 gezeigt.
In dem in 2 gezeigten Beispiel schließen die angegebenen Variablen die durch den pH-Wert pH und den Chlorgehalt Cl des Mediums 5 gegebenen Messgrößen m_i ein und können mindestens einen oder alle der verfügbaren Parameter einschließen, z. B. die Temperatur Tph, die Temperatur Tcl2, den Durchfluss F, den Druck p innerhalb des Zufuhrrohrs 13 und/oder die Umgebungstemperatur Ta.
Zusätzlich oder alternativ zu den von den Messvorrichtungen Mi und/oder den Messinstrumenten Sm gemessenen Prozessparametern, können die in den angegebenen Variablen enthaltenen Parameter mindestens einen Diagnoseparameter einschließen, der von einer der Messvorrichtungen Mi gemessen oder für sie bestimmt wird.
Das Verfahren schließt ferner einen Verfahrensschritt c) des für jede Messgröße m_i Bestimmens von Plausibilitätskriterien Cik zum Bestimmen entsprechender Plausibilitätswerte PCik, die die Plausibilität der Messwerte mv_i der jeweiligen Messgröße m_i angeben, ein.
Für jede Messgröße m_i schließen die Plausibilitätskriterien Cik mindestens ein Diagnosekriterium C(lij) zum Bestimmen eines Plausibilitätswerts P(lij) ein, der eine Plausibilität der Messwerte mv_i der jeweiligen Messgröße m_i basierend auf mindestens einem Elementwert von mindestens einem der Elemente von Diagnoseinformationen lij, das den Zustand der Messvorrichtung Mi angibt, die die jeweilige Messgröße m_i misst, angibt.
Für jede Messgröße m_i schließen die Plausibilitätskriterien Cik ferner mindestens ein Schwellenwertkriterium Cj(m_i) zum Bestimmen eines Plausibilitätswerts Pj(m_i) ein, der die Plausibilität der Messwerte mv_i der jeweiligen Messgröße m_i basierend auf ihrer Größe in Bezug auf mindestens einen anwendungsspezifischen Schwellenwertbereich, der auf die Messwerte mv_i der jeweiligen Messgröße mv_i anwendbar ist, angibt. Beispielsweise schließen die Schwellenwertkriterien Cj(m_i) z. B. mindestens ein Kriterium C1 (m_i) zum Bestimmen eines Plausibilitätswerts P1 (m_i) ein, der eine Plausibilität mindestens eines aktuellen Messwerts mv_i(tr) einer der Messgrößen m_i basierend auf einem anwendungsspezifischen Schwellenwertbereich für die jeweilige Messgröße m_i angibt, der in der spezifischen Anwendung nicht überschritten werden sollte. Beispielsweise kann ein pH-Wert von Trinkwasser z. B. immer größer oder gleich 6 und kleiner oder gleich 8 sein müssen. Zusätzlich oder alternativ schließen die Schwellenwertkriterien Cj(m_i) z. B. ein Kriterium C2(m_i) zum Bestimmen eines Plausibilitätswerts P2(m_i) ein, der die Plausibilität mindestens eines aktuellen Messwerts mv_i(tr) einer der Messgrößen m_i basierend auf anwendungsspezifischen Wahrscheinlichkeiten des Auftretens von Messwerten mv_i der jeweiligen Messgröße m_i innerhalb anwendungsspezifischer Schwellenwertbereiche angibt.
Als ein Beispiel kann in einer spezifischen Anwendung die Wahrscheinlichkeit des Auftretens von gemessenen pH-Werten pH des Mediums 5 innerhalb eines Mittelbereichs von 6 bis 8 signifikant höher sein als die Wahrscheinlichkeit ihres Auftretens innerhalb von Nebenbereichen von 4 bis 6 und von 8 bis 10, und die anwendungsspezifische Wahrscheinlichkeit des Auftretens von gemessenen pH-Werten pH unter 4 und über 10 kann vernachlässigbar oder null sein.
Das Verfahren schließt ferner einen Verfahrensschritt d) des Aufzeichnens von Daten D ein, die mindestens einen Elementwert jedes Elements von Diagnoseinformationen lij und Zeitreihen von Variablenwerten mv_i jeder angegebenen Variablen v_n und den Zeitpunkt t von deren Bestimmung oder Messung einschließen, sowie einen Verfahrensschritt des mindestens einmaligen oder wiederholten Durchführens basierend auf den aufgezeichneten Daten D eines Verfahrensschritts e), einschließlich eines Verfahrensschritts f) des Bestimmens für jede Messgröße m_i einer Gesamtplausibilität Ptot(m_i) der aktuellen Messwerte mv_i(tr) der jeweiligen Messgröße m_i und eines Verfahrensschritts g) des Bereitstellens eines entsprechenden Plausibilitätsergebnisses PR.
Das hierin offenbarte Verfahren wird vorzugsweise als ein computerimplementiertes Verfahren durchgeführt. In diesem Fall werden die Verfahrensschritte des Verfahrens, insbesondere jede Bestimmung des Plausibilitätsergebnisses PR, mittels eines Computerprogramms SW durch ein Rechenmittel 19 durchgeführt. Somit wird die Erfindung auch in Form eines Computerprogramms SW realisiert, das Anweisungen umfasst, die, wenn das Programm von einem Computer ausgeführt wird, den Computer veranlassen, das hierin offenbarte Verfahren auszuführen. Darüber hinaus umfasst die Erfindung ferner ein Computerprogrammprodukt, das das vorstehend beschriebene Computerprogramm SW und mindestens ein computerlesbares Medium umfasst, wobei mindestens das Computerprogramm SW auf dem computerlesbaren Medium gespeichert ist.
Wenn das Verfahren als ein computerimplementiertes Verfahren durchgeführt wird, werden die Daten D z. B. in einen Speicher 21, der dem Rechenmittel 19 zugeordnet ist, übertragen und mindestens vorübergehend in diesem gespeichert. Das Rechenmittel 19 ist z. B. als eine Einheit ausgeführt, die Hardware, z. B. einen Computer oder ein Rechensystem, einschließt, die in dem Messsystem 300 eingeschlossen ist oder sich in der Nähe des Messsystems 200 befindet, z. B. in einer Edge-Vorrichtung oder einer übergeordneten Einheit. Als alternative Option kann Cloud-Computing angewendet werden. Cloud-Computing bezeichnet einen Ansatz, bei dem IT-Infrastruktur, wie Hardware, Rechenleistung, Speicher, Netzwerkkapazität und/oder Software über ein Netzwerk, z. B. über das Internet, bereitgestellt wird. In diesem Fall ist das Rechenmittel 19 in der Cloud ausgeführt. In beiden Fällen werden die Messwerte mv_i direkt oder indirekt an das Rechenmittel 19 oder den dem Rechenmittel 19 zugeordneten Speicher 21 bereitgestellt. Zu diesem Zweck können in der Technik bekannte drahtgebundene oder drahtlose Verbindungen und/oder Kommunikationsprotokolle, wie LAN, W-LAN, Fieldbus, Profibus, Hart, Bluetooth, Near Field Communication, TCP/IP usw., angewendet werden. Optional können Anwendungsprogrammierschnittstellen (REST-APIs), die einem im Stand der Technik als Representational State Transfer (REST) bekannten architektonischen Stil entsprechen, verwendet werden.
Wenn das Rechenmittel 19 in der Cloud ausgeführt ist, z. B. wie in 1 gezeigt, werden Software, die Algorithmen einschließt, die aufgezeichneten Daten D und die Administration z. B. in einer webbasierten Datenbank gehostet. Dies bietet den Vorteil, dass weder das Messsystem 100 noch eine übergeordnete Einheit 23 und/oder eine Edge-Vorrichtung 25, die mit den Messvorrichtungen Mi verbunden sein und/oder kommunizieren kann, Zugriff auf die aufgezeichneten Daten D benötigt. In 1 ist jede Messvorrichtung Mi z. B. mit dem Rechenmittel 19 direkt, wie durch den Pfeil A veranschaulicht, über die übergeordnete Einheit 23, z. B. eine programmierbare logische Steuerung, wie durch die Pfeile B1 und B2 veranschaulicht, und/oder über die in der Nähe der Messvorrichtungen Mi befindlichen Edge-Vorrichtung 25, wie durch die Pfeile C1, C2 angegeben, verbunden und/oder in Kommunikation. Beispielsweise kann mindestens eine oder jede der Messvorrichtungen Mi, der Edge-Vorrichtung 25 und/oder der übergeordneten Einheit 23 über das Internet, z. B. über ein Kommunikationsnetzwerk, wie z. B. TCP/IP, direkt oder indirekt mit dem Rechenmittel 19 verbunden sein.
In 2 ist das Rechenmittel 19 in einer Vorrichtung 27 enthalten, die sich in der Nähe des Messsystems 200 befindet. Hier ist die Vorrichtung 27 z. B. durch eine Edge-Vorrichtung oder eine übergeordnete Einheit oder eine andere Vorrichtung gegeben, die direkt oder indirekt mit jeder Messvorrichtung Mi verbunden ist und/oder kommuniziert. In dieser Ausführungsform werden Software, die Algorithmen einschließt, sowie die aufgezeichneten Daten D in der Vorrichtung 27 gehostet, und die Administration sowie die Gesamtplausibilitäten Ptot(m;) werden entweder in der Vorrichtung 27 oder in einer webbasierten Datenbank gehostet. Diese Ausführungsform bietet den Vorteil, dass sie vergleichsweise kostengünstig implementiert werden kann, da sie weniger Datenverkehr erfordert als cloudbasierte Implementierungen und die Datennutzung in der Cloud minimiert. Das Implementieren des Rechenmittels 19 in der Nähe des Messsystems 200 ist besonders für Anwendungen geeignet, bei denen Unterbrechungen der Konnektivität zu der webbasierten Datenbank wahrscheinlich auftreten.
Unabhängig davon, ob das Rechenmittel 19 in der Cloud oder in der Nähe des Messsystems 100, 200 ausgeführt ist, sind die Messvorrichtungen Mi z. B. konfiguriert, um die Messwerte mv_i und deren Messzeit t, z. B. wie in 1 gezeigt, bereitzustellen. Als in 2 gezeigte Alternative sind die Messvorrichtungen Mi z. B. mit einem Sender 29 verbunden, der konfiguriert ist, um die Messwerte mv_i und den Zeitpunkt ihrer Messung t basierend auf Messsignalen, die von den einzelnen Messvorrichtungen Mi bereitgestellt werden, zu bestimmen und bereitzustellen. In diesem Fall ist der Sender 29 z. B. mit dem Rechenmittel 19 direkt, wie in 2 gezeigt, oder über eine übergeordnete Einheit und/oder über eine in der Nähe des Senders 29 angeordnete Edge-Vorrichtung verbunden und/oder in Kommunikation.
In 3 sind das Rechenmittel 19 und der Speicher 21 in einer Komponente 31 des Messsystems 300 eingeschlossen. In diesem Fall kann die Komponente 31 z. B. mit den Messvorrichtungen Mi, die die Messwerte mv_i und deren Zeitpunkt der Messung t bereitstellen, verbunden oder in Kommunikation sein. Als in 3 gezeigte Alternative ist die Komponente 31 z. B. in einem Sender eingeschlossen oder mit diesem verbunden, der mit den Messvorrichtungen Mi verbunden und konfiguriert ist, um die Messwerte mv_i und den Zeitpunkt ihrer Messung t basierend auf Messsignalen, die von den einzelnen Messvorrichtungen Mi bereitgestellt werden, zu bestimmen und bereitzustellen. Wenn das Rechenmittel 19 in dem Messsystem 300 implementiert ist, werden Software, die Daten D und die Administration in dem Messsystem 300 implementiert. Dies erfordert, dass das Messsystem 300 mit erweiterten Datenanalysefunktionen und ausreichender Rechenleistung ausgestattet ist. Somit ist das Implementieren des Rechenmittels 19 in dem Messsystem 300 besonders geeignet für hoch kritische Anwendungen oder Fernanwendungen, bei denen keine Konnektivität zum Internet verfügbar ist.
Unabhängig davon, wo das Rechenmittel 19 implementiert ist, können die Elementwerte der Elemente von Diagnoseinformationen lij z. B. dem Rechenmittel 19 und/oder dem Speicher 21 durch eine oder mehrere Quellen bereitgestellt werden. Beispielsweise wird mindestens ein Elementwert oder eine Zeitreihe von Elementwerten mindestens eines der Elemente von Diagnoseinformationen lij z. B. von einer der Messvorrichtungen Mi, von dem Sender 29, 33, von der Edge-Vorrichtung 25 oder der übergeordneten Einheit 23 bestimmt und bereitgestellt, die direkt oder indirekt mit dem Rechenmittel 19 verbunden oder in Kommunikation ist. Zusätzlich oder alternativ wird mindestens ein Elementwert oder eine Zeitreihe von Elementwerten mindestens eines der Elemente von Diagnoseinformationen lij z. B. dem Rechenmittel 19 über eine Schnittstelle 35 bereitgestellt, z. B. eine Schnittstelle, die eine Benutzerschnittstelle einschließt, die es einem Bediener ermöglicht, Elementwerte bereitzustellen, wie durch den Pfeil OP angegeben, und/oder eine Schnittstelle, die mit einer externen Datenquelle 37, z. B. einer Datenbank, die Elementwerte bereitstellt, verbunden oder in Kommunikation ist.
Messwerte mv_i angegebenen Variablen v_n, die durch Parameter gegeben sind, die von den Messvorrichtungen Mi bestimmt werden, werden z. B. auf die gleiche Weise an das Rechenmittel 19 bereitgestellt, wie die Messwerte mv_i der Messgröße(n) m_i, die von der jeweiligen Messvorrichtung Mi gemessen werden. Messwerte mv_i angegebenen Variablen v_n, die durch Parameter gegeben sind, die von den Messinstrumenten Sm gemessen werden, werden z. B. an das Rechenmittel 19 bereitgestellt, indem das jeweilige Messinstrument Sm direkt, über eine übergeordnete Einheit 23 und/oder über eine in der Nähe des jeweiligen Messinstruments Sm befindliche Edge-Vorrichtung 25 verbunden und/oder in Kommunikation ist.
Wie oben erwähnt, schließt jede Bestimmung des Plausibilitätsergebnisses PR einen Schritt f) des Bestimmens der Gesamtplausibilität Ptot(m_i) für jede Messgröße m_i ein. Jede dieser Gesamtplausibilitäten Ptot(m_i) wird bestimmt durch Bestimmen der Plausibilitätswerte PCik basierend auf den Plausibilitätskriterien Cik, die für die jeweilige Messgröße m_i bestimmt wurden, und durch Durchführen eines Verfahrensschritts f1) des Bestimmens mindestens eines Plausibilitätsmaßes Rin, das eine Zuverlässigkeit eines oder mehrerer aktueller Messwerte mv_i(tr) der jeweiligen Messgröße m_i, die während eines begrenzten aktuellen Zeitintervalls gemessen werden, im Hinblick auf Messwerte mmindestens einer oder aller angegebenen Variablen v_n, die vor dem aktuellen Zeitintervall gemessen wurden und durch die Messwerte mv_i der jeweiligen Messgröße m_i gegeben sind oder diese einschließen, angibt. Optional wird jedes Plausibilitätsmaß Rin z. B. als Wert bestimmt, vorzugsweise als normalisierter Wert größer oder gleich 0 und kleiner oder gleich 1 oder in Form eines entsprechenden Prozentsatzes größer oder gleich 0 % und kleiner oder gleich 100 %.
Für jede Messgröße m_i schließt das bzw. schließen die Plausibilitätsmaße Rin vorzugsweise ein erstes Plausibilitätsmaß Ri1 und/oder ein zweites Plausibilitätsmaß Ri2 ein. Jedes erste Plausibilitätsmaß Ri1 wird bestimmt durch Durchführen einer Analyse der Messwerte mv_i der jeweiligen Messgröße m_i und durch Bestimmen des ersten Plausibilitätsmaßes Ri1, das einem Grad der Konformität des bzw. der aktuellen Messwerte mv_i(tr) oder einer Verteilung der aktuellen Messwerte mv_i(tr) der jeweiligen Messgröße m_i, die während des begrenzten aktuellen Zeitintervalls gemessen wurden, mit einer Verteilung oder einer der Verteilungen, die durch vor dem aktuellen Zeitintervall gemessene Messwerte mv_i der jeweiligen Messgröße m_i angezeigt wird bzw. werden, entspricht. Beispielsweise sind die ersten Plausibilitätsmaße Ri1 z. B. durch eine statistische Wahrscheinlichkeit des bzw. der bestimmten aktuellen Messwerte mv_i(tr) gegeben, um eine Probe der Verteilung oder einer der Verteilungen, die durch die vor dem aktuellen Zeitintervall gemessenen Messwerte mv_i angezeigt wird bzw. werden, zu bilden.
Jedes zweite Plausibilitätsmaß Ri2 wird durch Durchführen einer multivariaten Analyse von vorgegebenen Analysevariablen bestimmt. Diese Analysevariablen sind entweder durch alle angegebenen Variablen oder durch eine Auswahl der angegebenen Variablen v_n, die die jeweilige Messgröße m_i einschließt, angegeben. Basierend auf der multivariaten Analyse wird das zweite Plausibilitätsmaß Ri2 dann als Plausibilitätsmaß R2 bestimmt, das einem Grad der Konformität des bzw. der aktuellen Messwerte mv_i(tr) der jeweiligen Messgröße m_i entspricht, die während eines begrenzten aktuellen Zeitintervalls gemessen wird bzw. werden, mit einem Analyseergebnis, das durch die multivariate Analyse basierend auf den Variablenwerten der Analysevariablen, die vor dem aktuellen Zeitintervall gemessen wurden, bestimmt wird.
In Bezug auf die multivariate Analyse MVA können bekannte mathematische Verfahren zum Analysieren von Datensätzen, wie Zeitreihen einer gegebenen Anzahl von Analysevariablen, basierend auf den Prinzipien der multivariaten Statistik verwendet werden. Diese Verfahren ermöglichen die Bestimmung von Zusammenhängen zwischen den Datensätzen, z. B. strukturellen Beziehungen, Korrelationen und/oder Interdependenzen zwischen den Analysevariablen und/oder strukturellen Beziehungen, Korrelationen und/oder Interdependenzen zwischen Mustern und/oder Verteilungen, die durch die Werte der Analysevariablen gezeigt werden. Im Zusammenhang mit dem hierin offenbarten Verfahren wird die multivariate Datenanalyse z. B. verwendet, um anwendungsspezifische Zusammenhänge zwischen den analysierten Variablen zu bestimmen und jedes zweite Plausibilitätsmaß Ri2 gemäß dem Grad der Konformität des bzw. der aktuellen Messwerte mv_i(tr) der jeweiligen Messgröße m_i mit den Zusammenhängen, die basierend auf den Variablenwerten der in den Daten D enthaltenen Analysevariablen bestimmt wurden, die vor dem bzw. den Zeitpunkten der Messung tr der aktuellen Messwerte mv_i(tr) bestimmt wurden, zu bestimmen.
Zu den Analysevariablen zählen die jeweilige Messgröße m_i und vorzugsweise auch alle anderen Messgrößen m^, die von dem Messsystem 100, 200, 300 gemessen werden. In den meisten Anwendungen haben mindestens einer der Parameter, z. B. die Umgebungstemperatur Ta, der Druck p, der Durchfluss F und/oder die Temperatur Tcl, der von dem pH-Messaufnehmer M5 und/oder dem Chlormessaufnehmer M6, die in 2 gezeigt sind, gemessene TpH-Wert, einen Einfluss auf mindestens eine der Messgrößen m_i und/oder auf die Messwerte mv_i der jeweiligen Messgröße m_i. Folglich werden dadurch, dass die Analysevariablen zusätzlich mindestens einen der in den spezifischen Variablen enthaltenen Parameter einschließen, die Fähigkeiten der multivariaten Analyse zur Unterscheidung zwischen aktuellen Messwerten mv_i(tr) der Messgröße m, die mit ordnungsgemäß arbeitenden Messvorrichtungen Mi während der ordnungsgemäßen Ausführung von Prozessen, die an der spezifischen Anwendung durchgeführt werden, bestimmt wurden, und aktuellen Messwerten mv_i(tr), die von einem Problem im Zusammenhang mit mindestens einer der Messvorrichtungen Mi und der Anwendung betroffen sind, weiter verbessert.
Die Bestimmung der Gesamtplausibilitäten Ptot(m_i) schließt ferner einen Verfahrensschritt f2) des Bestimmens für jede Messgröße mi der Gesamtplausibilität Ptot(m_i) der aktuellen Messwerte mv_i(tr) der jeweiligen Messgröße mi basierend auf dem bzw. den Plausibilitätsmaßen Rin und den Plausibilitätswerten PCik, die für die jeweilige Messgröße m_i bestimmt wurden, ein.
Für jedes Plausibilitätskriterium Cik wird der entsprechende Plausibilitätswert PCik z. B. basierend auf einer Nachschlagetabelle oder Plausibilitätsfunktion f(Cik) bestimmt, die dem jeweiligen Plausibilitätskriterium Cik zugeordnet ist, das die Plausibilitätswerte PCik den aktuellen Messwerten mv_i(tr) der jeweiligen Messgröße m_i basierend auf oder in Abhängigkeit von mindestens einer Eigenschaft zuweist, die von mindestens einem der Elementwerte des Elements von Diagnoseinformationen Iij und/oder den Variablenwerten mv_n mindestens einer der angegebenen Variablen v_n. die in den Daten D eingeschlossen sind, gegeben ist oder basierend darauf bestimmbar ist. Wie die Plausibilitätsmaße Rin sind die Plausibilitätswerte PCik z. B. als normalisierte Plausibilitätswerte größer oder gleich 0 und kleiner oder gleich 1 oder in Form eines entsprechenden Prozentsatzes größer oder gleich 0 % und kleiner oder gleich 100 % bestimmt.
Beispielsweise wird für mindestens eines oder jedes Diagnosekriterium C(lij) der entsprechende Plausibilitätswert PIij z. B. jeweils basierend auf einer Nachschlagetabelle oder einer Plausibilitätsfunktion f(lij) bestimmt, die die Plausibilität der Messwerte mv_i in Abhängigkeit von mindestens einer Eigenschaft, die von dem bzw. den Elementwerten des bzw. der jeweiligen Elemente von Diagnoseinformationen Iij gegeben ist oder basierend darauf bestimmbar ist, darstellt. Zum Beispiel kann bezüglich des Alters einer der Messvorrichtungen Mi eine Nachschlagetabelle verwendet werden, die vorgegebene einzelne Plausibilitätswerte für unterschiedliche Altersgruppen einschließt, z. B. einen hohen Wert, der anwendbar ist, wenn die Messvorrichtung Mi neu ist, einen mittleren Wert, der anwendbar ist, wenn die Messvorrichtung Mi mittleren Alters ist, und einen niedrigen Wert, der anwendbar ist, wenn die Messvorrichtung Mi ein Ende ihrer Lebensdauer erreicht. Zusätzlich oder alternativ kann eine Plausibilitätsfunktion verwendet werden, die durch eine Zuverlässigkeitsfunktion gegeben ist, die die Zuverlässigkeit von Messwerten, die von Messvorrichtungen des Typs der jeweiligen Messvorrichtung Mi bestimmt werden, in Abhängigkeit von ihrem Alter darstellt. In diesem Fall ist der Plausibilitätswert durch den Zuverlässigkeitswert gegeben, der von der Zuverlässigkeitsfunktion für Messvorrichtungen mit dem Alter der jeweiligen Messvorrichtung Mi bereitgestellt wird. In Bezug auf das bzw. die Elemente von Diagnoseinformationen Iij, die durch die Kalibrierungszeiten gegeben sind, werden die entsprechenden Plausibilitätswerte z. B. basierend auf einer stetigen Plausibilitätsfunktion der seit der letzten Kalibrierung der Messvorrichtung Mi verstrichenen Zeit bestimmt. Diese Plausibilitätsfunktion ist z. B. so definiert, dass der von dieser Funktion bereitgestellte Plausibilitätswert mit der Zunahme der seit der letzten Kalibrierung der Messvorrichtung Mi verstrichenen Zeit abnimmt.
In Bezug auf die Schwellenwertkriterien C1(m_i), die basierend auf einem anwendungsspezifischen Schwellenwertbereich, den die jeweilige Messgröße m_i in der spezifischen Anwendung nicht überschreiten sollte, definiert werden, wird der entsprechende Plausibilitätswert P1(m_i) z. B. basierend auf einer Nachschlagetabelle bestimmt, die einen Plausibilitätswert von 0 % bereitstellt, wenn der bzw. die aktuellen Messwerte mv_i(tr) der jeweiligen Messgröße m_i den anwendungsspezifischen Schwellenwertbereich überschreitet bzw. überschreiten, und einen Plausibilitätswert von 100 % bereitstellt, wenn der bzw. die aktuellen Messwerte mv_i(tr) innerhalb dieses Schwellenwertbereichs auftritt bzw. auftreten.
In Bezug auf die Schwellenwertkriterien C2(m_i), die basierend auf anwendungsspezifischen Wahrscheinlichkeiten des Auftretens von Messwerten mv_i der jeweiligen Messgröße m_i innerhalb unterschiedlicher Schwellenwertbereiche definiert werden, wird der entsprechende Plausibilitätswert P2(m_i) z. B. basierend auf einer Nachschlagetabelle oder einer Plausibilitätsfunktion bestimmt. 5 zeigt ein Beispiel für eine Nachschlagetabelle, die Plausibilitätswerte f1(pH) gemessenen pH-Werten pH gemäß dem einen der in der linken Spalte aufgelisteten Schwellenwertbereiche zuweist, in dem sie auftreten, und 6 zeigt ein Beispiel für eine Plausibilitätsfunktion f2, die den Plausibilitätswert f2(pH) in Abhängigkeit von der Größe des gemessenen pH-Werts pH darstellt.
Für jede Messgröße m_i wird die Gesamtplausibilität Ptot(m_i) basierend auf dem bzw. den Plausibilitätsmaßen Rin und den Plausibilitätswerten PCik, die für die jeweilige Messgröße m_i bestimmt wurden, bestimmt. Gemäß einer ersten Ausführungsform wird jede Gesamtplausibilität Ptot(m_i) basierend auf allen Plausibilitätsmaßen Rin und allen Plausibilitätswerten PCik, die für die jeweilige Messgröße m_i bestimmt wurden, bestimmt. Beispielsweise wird mindestens eine oder jede der Gesamtplausibilitäten Ptot(m_i) in Abhängigkeit von oder als oder basierend auf einer Summe oder einer gewichteten Summe aus dem bzw. den Plausibilitätsmaßen RiI und den Plausibilitätswerten PCik bestimmt; z. B. als: $P t o t (m_{i}) = P t o t (R i n; C i k) = \frac{1}{(\sum_{k = 1}^{l} w_{i, k} + \sum_{n = 1}^{m} w_{i, n})} (\sum_{k = 1}^{l} P C i k \cdot w_{i, k} + \sum_{n = 1}^{m} R i n \cdot w_{i, n})$
oder als oder basierend auf einem Produkt oder einem gewichteten Produkt aus dem bzw. den Plausibilitätsmaßen Rin und den Plausibilitätswerten PCik, z. B. als $P t o t (m_{i}) = P t o t (R i n; C i k) = {}^{(l + m)}{\sqrt{(\prod_{k = 1}^{l} P C i k \prod_{n = 1}^{m} R i n)}}$
Falls eine gewichtete Summe oder ein gewichtetes Produkt verwendet wird, werden jedes der Plausibilitätsmaße Rin und der Plausibilitätswerte PCik mit einem Gewichtungsfaktor w_i,k; w_i,n multipliziert, der die Auswirkung des jeweiligen Werts auf die Gesamtplausibilität Ptot(m_i) der Messwerte mv_i der jeweiligen Messgröße m_i berücksichtigt. Die Verwendung von korrekten Gewichtungsfaktoren w_i,n, w_i,k bietet den Vorteil einer sehr hohen Genauigkeit der Gesamtplausibilitäten Ptot(m_i). Zu diesem Zweck wird der Gewichtungsfaktor w_i,n für jedes Plausibilitätsmaß Rin z. B. so bestimmt, dass er der Genauigkeit des bzw. der jeweiligen Plausibilitätsmaße Rin entspricht. Diese Genauigkeiten werden z. B. bestimmt, indem ein mathematisches Verfahren zum Bestimmen der Zuverlässigkeit des jeweiligen Plausibilitätsmaßes Rin basierend auf dem Verfahren, das angewendet wird, um das jeweilige Plausibilitätsmaß Rin zu bestimmen, und den statistischen Eigenschaften der Daten D, die verwendet werden, um das jeweilige Plausibilitätsmaß Rin zu bestimmen, durchgeführt wird. Während die Bestimmung der Gewichtungsfaktoren w_i,n für das bzw. die Plausibilitätsmaße Rin vollständig datengesteuert durchgeführt werden kann, erfordert die Bestimmung der Gewichtungsfaktoren w_i,k für die Plausibilitätswerte PCik regelmäßig Expertenwissen über die Messvorrichtungen Mi und die Anwendung. Somit kann die Bestimmung der Gewichtungsfaktoren w_i,k für die Plausibilitätswerte PCik ein langwieriger, zeitaufwendiger Prozess sein, und die Genauigkeit dieser Gewichtungsfaktoren w_i,k ist nur so gut wie das verfügbare Expertenwissen. Alternativ können identische Gewichtungsfaktoren w_i,k für jeden der Plausibilitätswerte PCik verwendet werden. In diesem Fall werden Unterschiede in der Relevanz der einzelnen Plausibilitätswerte PCik in Bezug auf die Gesamtplausibilität Ptot(m;) der Messwerte mv_i der jeweiligen Messgröße m_i nicht mehr berücksichtigt.
Gemäß einer zweiten Ausführungsform wird mindestens eine oder jede Gesamtplausibilität Ptot(m_i) basierend auf jedem von dem bzw. den Plausibilitätswerten Rin, die für die jeweilige Messgröße m_i bestimmt werden, und einer Mindestplausibilität Pmin1, die durch den kleinsten der für die jeweilige Messgröße m_i bestimmten Plausibilitätswerte PCik gegeben ist, bestimmt. In diesem Fall wird die jeweilige Gesamtplausibilität Ptot(m_i) := Ptot(PCik; Rin):= Ptot(Pmin1; Rin) z. B. in Abhängigkeit von der Mindestplausibilität Pmin1 und jedem der Plausibilitätswerte Rin bestimmt, die für die jeweilige Messgröße m_i bestimmt werden. Dies stellt einen konservativeren Ansatz dar, wodurch die Sicherheit erhöht wird, indem das Risiko beseitigt wird, dass ein potenziell kritischer Wert eines der Plausibilitätswerte PCik nicht zu einer entsprechend niedrigen Gesamtplausibilität Ptot führt (m_i), da seine Auswirkung fälschlicherweise unterschätzt wurde. Wie in der ersten Ausführungsform wird die jeweilige Gesamtplausibilität Ptot(m_i) z. B. in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus der Mindestplausibilität Pmin1 und dem bzw. den Plausibilitätsmaßen Rin bestimmt. Alternativ kann ein noch konservativerer Ansatz angewendet werden, z. B. durch Bestimmen der jeweiligen Gesamtplausibilität Ptot(m_i) als oder basierend auf einem Produkt aus der Mindestplausibilität Pmin1 und einem Term Rtot1, z. B. durch Ptot(m_i):= Pmin1 * Rtot1, wobei der Term Rtot1 in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus allen Plausibilitätsmaßen Rin bestimmt wird, die für die jeweilige Messgröße m_i bestimmt wurden.
Gemäß einer dritten Ausführungsform können die Plausibilitätswerte PCik in Betriebsplausibilitätswerte, die die basierend auf den Diagnosekriterien C(lij) bestimmten Plausibilitätswerte P(lij) einschließen, und anwendungsspezifische Plausibilitätswerte, die die basierend auf den Schwellenwertkriterien Cj(m_i) bestimmten Plausibilitätswerte Pj(m;) einschließen, unterteilt werden. In diesem Fall wird mindestens eine oder jede Gesamtplausibilität Ptot(m_i), die für eine der Messgrößen m_i bestimmt wird, z. B. in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus jedem der für die jeweilige Messgröße m_i bestimmten Plausibilitätsmaße Rin, jedem der für die jeweilige Messgröße m_i bestimmten anwendungsspezifischen Plausibilitätswerte und einer Mindestplausibilität Pmin2, die durch den kleinsten der für die jeweilige Messgröße m_i bestimmten Betriebsplausibilitätswerte gegeben ist, bestimmt. Beispielsweise wird die jeweilige Gesamtplausibilität Ptot(m_i) z. B. als oder basierend auf einem Produkt aus der Mindestplausibilität Pmin2 und einem Term Rtot2 bestimmt, z. B. durch Ptot(m_i):= Pmin2 * Rtot2, wobei der Term Rtot2 in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus allen anwendungsspezifischen Plausibilitätswerten und allen Plausibilitätsmaßen Rin bestimmt wird, die für die jeweilige Messgröße m_i bestimmt wurden.
Nach der Bestimmung der Gesamtplausibilität Ptot(m_i) der Messwerte mv_i für jede Messgröße m_i in Verfahrensschritt g) wird ein entsprechendes Plausibilitätsergebnis PR bereitgestellt, das die Gesamtplausibilitäten Ptot(m_i) und/oder einen Gesamtplausibilitätsindex TPI, der basierend auf den Gesamtplausibilitäten Ptot(m_i) der Messwerte mv_i aller Messgrößen m_i bestimmt wird, bereitgestellt.
In bestimmten Ausführungsformen erfolgt das Bereitstellen des Plausibilitätsergebnisses PR durch Anzeigen des Plausibilitätsergebnisses PR auf einer Anzeige 39, die einem Bediener an der spezifischen Anwendung zugänglich ist. Ein Ansatz besteht darin, Visualisierungswerkzeuge wie Dashboards zum Bereitstellen der Informationen in einer intuitiv lesbaren grafischen Form zu verwenden. Beispielsweise können Graphen, Diagramme oder geometrische Formen, die die Größe der Gesamtplausibilitäten Ptot(m_i) und/oder den Gesamtplausibilitätsindex TPI angeben, angewendet werden. Als zusätzliche Option können die angezeigten Informationen farblich gekennzeichnet sein. Zu diesem Zweck können intuitiv verständliche Farbschemata verwendet werden, etwa mit einer roten Farbe zum Visualisieren einer geringen Plausibilität und einer grünen Farbe zum Visualisieren einer hohen Plausibilität. Dies bietet den Vorteil, dass es eine schnelle Erkennung und ein intuitives Verständnis aller angezeigten Informationen ermöglicht. Ein Beispiel ist in 2 gezeigt, wobei das für das in 2 gezeigte Messsystem 200 bestimmte Plausibilitätsergebnis PR auf der Anzeige 39 in Form eines Dashboards angezeigt wird, das ein Symbol 41 zeigt, das den Gesamtplausibilitätsindex TPI anzeigt, und eine Anzahl von Symbolen 43, die jeweils die für eine der Messgrößen m_i bestimmte Gesamtplausibilität Ptot(m_i) anzeigen. Jedes Symbol 41, 43 weist eine gegebene Form auf, z. B. die Form eines Rings oder Doughnuts. Ferner ist ein Anteil eines Symbolbereichs jedes Symbols 41, 43, der der Größe des Gesamtplausibilitätsindex TPI oder der Gesamtplausibilität Ptot(m_i) entspricht, die durch das jeweilige Symbol 41, 43 visualisiert wird, ausgefüllt, und jedes Symbol 41, 43 oder der ausgefüllte Anteil davon wird vorzugsweise in einer Farbe angezeigt, die nach der Größe des Gesamtplausibilitätsindex TPI oder der Gesamtplausibilität Ptot(m_i), die durch das jeweilige Symbol 41, 43 angezeigt wird, ausgewählt ist. Beispielsweise kann das gesamte ringförmige Symbol 41, das den Gesamtplausibilitätsindex TPI anzeigt, z. B. ausgefüllt sein, und das Symbol 41 oder der ausgefüllte Anteil davon kann grün eingefärbt sein, wenn der Gesamtplausibilitätsindex TPI 100 % beträgt, und nur die Hälfte des Rings kann ausgefüllt sein und das Symbol 41 oder der ausgefüllte Anteil davon kann in Rot angezeigt werden, wenn der Gesamtplausibilitätsindex TPI nur 50 % beträgt.
Zusätzlich oder alternativ wird das Plausibilitätsergebnis PR z. B. in Form einer E-Mail oder einer Nachricht bereitgestellt, die von dem Rechenmittel 19 automatisch erzeugt und an einen vorgegebenen Empfänger und/oder eine vorgegebene Vorrichtung, z. B. einen Computer oder eine mobile Vorrichtung, z. B. ein Mobiltelefon, ein Tablet oder ein Wartungswerkzeug, gesendet wird.
Zusätzlich oder alternativ wird das Plausibilitätsergebnis PR z. B. einer übergeordneten Einheit, z. B. der in 1 gezeigten übergeordneten Einheit 23, bereitgestellt, die konfiguriert ist, um einen an der Anwendung durchgeführten Prozess auf eine Weise zu regeln und/oder zu steuern, die das Plausibilitätsergebnis PR berücksichtigt. Beispielsweise kann die übergeordnete Einheit 23 konfiguriert sein, um mindestens eine vordefinierte Aktion durchzuführen, wenn das Plausibilitätsergebnis PR eine für die jeweilige Aktion angegebene Bedingung erfüllt. Die vordefinierten Aktionen können das Ändern oder Stoppen mindestens eines Prozessschritts eines an der Anwendung durchgeführten Prozesses einschließen. Beispielsweise kann ein ganzer Prozess von der übergeordneten Einheit 23 gestoppt werden, wenn der Gesamtplausibilitätsindex TPI und/oder die Gesamtplausibilität Ptot(m_i), der bzw. die für die oder jede in der Bedingung angegebene Messgröße m_i bestimmt ist, unter einen entsprechenden vorgegebenen Schwellenwert fällt. Ferner kann die Durchführung mindestens eines Prozessschritts modifiziert werden, wenn der Gesamtplausibilitätsindex TPI und/oder die Gesamtplausibilität Ptot(m_i), der bzw. die für die oder jede in der Bedingung angegebene Messgröße m_i bestimmt ist, unter einen entsprechenden vorgegebenen Schwellenwert fällt.
Die Erfindung bietet die vorstehend genannten Vorteile. Einzelne Schritte des Verfahrens können auf unterschiedliche Weise implementiert werden, ohne vom Schutzumfang der Erfindung abzuweichen. Mehrere optionale Ausführungsformen werden nachstehend ausführlicher beschrieben.
In bestimmten Ausführungsformen schließen die Plausibilitätskriterien Cik mindestens ein Plausibilitätskriterium C3(m_i) zum Bestimmen entsprechender Plausibilitätswerte P3(m_i), die die Plausibilität der Messwerte mv_i der jeweiligen Messgröße m_i im Hinblick auf mindestens eine andere Variable v_j angeben, ein, wobei jede andere Variable v_j durch eine der anderen Messgrößen m_j≠i oder einen der in den angegebenen Variablen enthaltenen Parameter angegeben ist. In diesem Fall werden die entsprechenden Plausibilitätswerte P3(m_i), wie oben beschrieben, basierend auf mindestens einem aktuellen Messwert mv_j(tr) jeder anderen in dem jeweiligen Kriterium C3(m_i angegebenen Variablen v_j bestimmt und und werden anschließend bei der Bestimmung der Gesamtplausibilität Ptot(m_i) für die jeweilige Messgröße m_i auf gleiche Weise verwendet wie die zuvor beschriebenen Plausibilitätswerte PCik. Wenn die Gesamtplausibilitäten Ptot(m_i) gemäß der dritten Ausführungsform bestimmt werden, schließen die Betriebsplausibilitätswerte zusätzlich jeden der Plausibilitätswerte P3(m_i) ein, die die Plausibilität der Messwerte mv_i der jeweiligen Messgröße m_i im Hinblick auf mindestens eine andere Variable v_j, die für die jeweilige Messgröße m_i bestimmt wurde, angibt.
Beispielsweise wird ein Schwellenwertkriterium, das sich auf die von dem pH-Messaufnehmer M5 gemessene Temperatur TpH bezieht, z. B. für den pH-Wert pH, der von dem in 2 gezeigten pH-Messaufnehmer M5 gemessen wird, basierend auf einem für diesen pH-Messaufnehmer M5 angegebenen Temperaturbereich bestimmt. In diesem Fall wird der entsprechende Plausibilitätswert z. B. basierend auf einer Nachschlagetabelle oder einer Plausibilitätsfunktion bestimmt, die eine hohe Plausibilität angibt, wenn die gemessene Temperatur Tph innerhalb des angegebenen Temperaturbereichs auftritt, und eine niedrige Plausibilität angibt, wenn die gemessene Temperatur Tph diesen Temperaturbereich überschreitet.
Als weiteres Beispiel wird ein Plausibilitätswert z. B. für den pH-Wert, der von dem pH-Messaufnehmer M5 gemessen wird, und/oder die Chlorkonzentration Cl2, die von dem in 2 gezeigten Chlormessaufnehmer M6 gemessen wird, basierend auf einem Schwellenwertkriterium bestimmt, das sich auf eine Temperaturdifferenz zwischen der von dem pH-Messaufnehmer M5 gemessenen Temperatur TpH und der von dem Chlormessaufnehmer M6 gemessenen Temperatur Tcl bezieht. Jeder dieser Plausibilitätswerte wird z. B. basierend auf einer Nachschlagetabelle oder einer Plausibilitätsfunktion bestimmt, die einen hohen Plausibilitätswert der Messwerte mv_i der jeweiligen Messgröße m_i bereitstellt, wenn die Temperaturdifferenz innerhalb eines anwendungsspezifischen Schwellenwertbereichs auftritt, der für die Temperaturdifferenz vorgegeben ist, und eine niedrige Plausibilität angibt, wenn die Temperaturdifferenz den anwendungsspezifischen Schwellenwertbereich überschreitet.
Ferner wird ein zusätzlicher Plausibilitätswert z. B. für den pH-Wert, der von dem pH-Messaufnehmer M5 gemessen wird, und/oder für die Chlorkonzentration Cl2, die von dem in 2 gezeigten Chlormessaufnehmer M6 gemessen wird, basierend auf einem Schwellenwertkriterium bestimmt, das sich auf den Durchfluss F des Mediums 5 bezieht, das durch die Durchflusskammer 11 fließt. Jeder dieser Plausibilitätswerte wird z. B. basierend auf einer Nachschlagetabelle oder einer Plausibilitätsfunktion bestimmt, die einen hohen Plausibilitätswert bereitstellt, wenn der Durchfluss F einen anwendungsspezifischen Durchsatz überschreitet, und einen niedrigen Plausibilität bereitstellt, wenn der Durchfluss F unter den anwendungsspezifischen Durchsatz fällt. Hier ist der anwendungsspezifische Durchsatz z. B. ein Mindestdurchsatz, der erforderlich ist, um sicherzustellen, dass die von dem Messsystem 200 durchgeführten Messungen immer an frischen Proben des durch die Durchflusszelle 11 geleiteten Mediums 5 durchgeführt werden und somit den gegenwärtigen Zustand des Mediums 5 angeben, z. B. die gegenwärtige Wasserqualität in dem Schwimmbecken, das basierend auf den Messungen, die an den durch die Durchflusszelle 11 geleiteten Proben durchgeführt werden, überwacht werden soll.
Zusätzlich oder alternativ schließt das Verfahren in bestimmten Ausführungsformen für mindestens eine der Messgrößen m_i das Bestimmen mindestens eines weiteren Plausibilitätsmaßes Rin ein, das die Zuverlässigkeit mindestens eines aktuellen Messwerts mv_i(tr) der jeweiligen Messgröße m_i, die während eines aktuellen Zeitintervalls gemessen wurde, basierend auf Messwerten mv_i dieser Messgröße m_i, die vor dem aktuellen Zeitintervall gemessen wurden, angibt. Beispielsweise schließen diese Plausibilitätsmaße Rin z. B. ein Plausibilitätsmaß ein, das basierend auf einem Verfahren zur Erkennung von Ausreißern bestimmt wird, ein Plausibilitätsmaß, das basierend auf mindestens einer Zeitreihenvorhersage für die Messwerte mv_i der jeweiligen Messgröße m_i bestimmt wird, und/oder ein Plausibilitätsmaß, das basierend auf einer Wahrscheinlichkeit des Auftretens einer Verteilung oder eines Musters bestimmt wird, die bzw. das durch die Messwerte mv_i der jeweiligen Messgröße m_i beschrieben wird.
Dies ist in 7 veranschaulicht, die eine Zeitreihe von Messwerten mv_i einer der Messgrößen m; zeigt, die von einer der Messvorrichtungen Mi gemessen wurden, sowie einen vorrichtungsspezifischen Schwellenwert RMi, der durch den Messbereich der Messvorrichtung Mi gegeben ist, und einen anwendungsspezifischen Schwellenwert Rapp, der von der Messgröße m_i in dieser Anwendung nicht überschritten werden soll. Wie gezeigt, überschreitet keiner der Messwerte mv_i den gerätespezifischen Schwellenwert RMi, und nur der zum Zeitpunkt t1 gemessene Messwert mv_i(t1) scheint unzuverlässig zu sein, da er den anwendungsspezifischen Schwellenwert Rapp überschreitet. Auch wenn der zum Zeitpunkt t2 gemessene Messwert mv_i(t2) innerhalb des anwendungsspezifischen Schwellenwerts Rapp auftritt, kann er dennoch unzuverlässig sein, z. B. weil er als Ausreißer identifiziert wird, der durch ein Verfahren zur Erkennung von Ausreißern, das basierend auf den zuvor bestimmten Messwerten mv_i durchgeführt wird, erkannt wird und/oder weil er signifikant von einem entsprechenden vorhergesagten Wert abweicht.
Beispielsweise kann ein Verfahren zur Erkennung von Ausreißern, das den bzw. die aktuellen Messwerte mv_i(tr) basierend auf einer Analyse von Messwerten mv_i, die während eines vorhergehenden Zeitintervalls gemessen wurden, auswertet, zum Bestimmen eines entsprechenden Plausibilitätsmaßes Ri3 verwendet werden. In diesem Fall wird eine Länge des vorhergehenden Zeitintervalls vorzugsweise derart vorgegeben, dass die Messwerte mv_i, die während des vorhergehenden Zeitintervalls gemessen wurden, repräsentativ für eine in der spezifischen Anwendung zu erwartende statistische Verteilung der Messwerte mv_i sind. Beispielsweise, veranschaulicht in 8, kann die Analyse das Sortieren der während des vorhergehenden Zeitintervalls gemessenen Messwerte mv_i nach ihrer Größe entlang einer Linie einschließen, die in 8 durch einen Doppelpfeil veranschaulicht ist. Die so bestimmte Linie wird dann in vier Quartile Q1:= [q0; q1], Q2:= [q1; q2], Q3:= [q2; q3], Q4:= [q3; q4] unterteilt, die jeweils ein Viertel der Messwerte mv_i einschließen. Somit entspricht eine Untergrenze q0 des Quartilwertebereichs [q0; q1] des ersten Quartils Q1 der Größe des kleinsten Messwerts mv_i, eine Obergrenze q4 des Quartilwertebereichs [q3; q4] des vierten Quartils Q4 entspricht der Größe der größten Messwerte mv_i, und eine Grenze q2, die die beiden mittleren Quartile Q2 und Q3 trennt, entspricht einem Median der während des vorhergehenden Zeitintervalls gemessenen Messwerte mv_i.
Basierend auf diesem Verfahren der Erkennung von Ausreißern wird das entsprechende Plausibilitätsmaß z. B. gemäß einer Position q mindestens eines aktuellen Messwerts mv_i(tr) entlang der Linie, die auf einer Plausibilitätsfunktion f(q) basiert, die das Plausibilitätsmaß dem bzw. den aktuellen Messwerten mv_i(tr) gemäß ihrer Position q entlang der Linie zuweist, bestimmt. Beispielsweise weist die Plausibilitätsfunktion z. B. das Plausibilitätsmaß für aktuelle Messwerte mv_i(tr) gemäß dem Quartil Q1, Q2, Q3, Q4, in dem sie auftreten, allen aktuellen Messwerten mv_i(tr), die in vorgegebenen ersten Bereichen der Linie auftreten, und/oder gemäß einer Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit der Größe des bzw. der aktuellen Messwerte mv_i(tr) allen aktuellen Messwerten mv_i(tr), die in vorgegebenen zweiten Bereichen der Linie auftreten, zu. Die Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit den in den zweiten Bereichen enthaltenen Größen wird z. B. basierend auf Trainingsdaten bestimmt, die in den Daten D enthalten sind, oder basierend auf den während des vorhergehenden Zeitintervalls gemessenen Messwerten mv_i.
Beispielsweise kann die Plausibilitätsfunktion z. B. allen aktuellen Messwerten mv_i(tr), die in demselben der Quartile Q1, Q2, Q3, Q4 auftreten, die gleiche Plausibilität zuweisen. In diesem Fall schließen die ersten Bereiche die Quartilbereiche [q0; q1], [q1; q2], [q2; q3], [q3; q4] aller vier Quartile Q1, Q2, Q3, Q4 ein. Alternativ kann die Plausibilitätsfunktion z. B. das Plausibilitätsmaß gemäß einer Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit der Größe des bzw. der aktuellen Messwerte mv_i(tr) allen aktuellen Messwerten mv_i(tr), die entlang der Linie auftreten, zuweisen. In diesem Fall schließen die zweiten Bereiche die Quartilbereiche [q0; q1], [q1; q2], [q2; q3], [q3; q4] aller vier Quartile Q1, Q2, Q3, Q4 ein.
Als weiteres Beispiel kann eine Kombination aus erstem und zweitem Bereich angewendet werden. Ein Beispiel für eine entsprechende Plausibilitätsfunktion Ri3(q) ist in 8 über der Linie der Messwerte mv_i gezeigt. Diese Plausibilitätsfunktion Ri3(q) weist aktuellen Messwerten mv_i(tr), die innerhalb der zwei mittleren Quartile Q2 und Q3 auftreten, ein Plausibilitätsmaß von 100 % zu, und sie weist Plausibilitätsmaße entsprechend der Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit der Größe des bzw. der aktuellen Messwerte mv_i(tr) allen aktuellen Messwerten mv_i(tr) zu, die in einem ersten mittleren Bereich R1 := [q3; q3+Aq] von Positionen q, die die Obergrenze q3 des dritten Quartils Q3 um weniger als einen vorgegebenen Addenden +Aq überschreiten, liegen, und allen aktuellen Messwerten mv_i(tr), die in einem zweiten mittleren Bereich R2:= [q1- Aq; q1] von Positionen q, die die Untergrenze q1 des zweiten Quartils Q2 um weniger als einen vorgegebenen Subtrahenden -Aq unterschreiten, liegen. Die in 8 gezeigte Plausibilitätsfunktion Ri3(q) weist ferner allen aktuellen Messwerten mv_i(tr), die die Obergrenze q3+ Aq des ersten mittleren Bereichs R1 überschreiten, und allen aktuellen Messwerten mv_i(tr), die an einer Position q unter der Untergrenze q1-Aq des zweiten mittleren Bereichs R2 auftreten, ein Plausibilitätsmaß von 0 % zu. Somit schließen in diesem Beispiel die ersten Bereiche die Quartilbereiche [q1; q2], [q2; q3] der zwei mittleren Quartile Q2 und Q3, den Bereich, der die Obergrenze q3+ Aq des ersten mittleren Bereichs R1 überschreitet, und den Bereich, der die Untergrenze q1-Aq des zweiten mittleren Bereichs R2 unterschreitet, ein, und die zweiten Bereiche schließen die zwei mittleren Bereiche R1, R2 ein.
In Anwendungen, in denen die Messwerte mv_i mindestens einer der Messgrößen m_i normal verteilt sind, können ein Mittelwert und eine Standardabweichung der Messwerte mv_i der jeweiligen m_i bestimmt werden. In diesem Fall schließen die Plausibilitätsmaße Rin z. B. mindestens ein Plausibilitätsmaß Ri4 ein, das basierend auf einer Abweichung zwischen mindestens einem aktuellen Messwert mv_i(tr) der jeweiligen Messgröße m_i und dem Mittelwert bestimmt wird. Diese Plausibilitätsmaße Ri4 werden z. B. basierend auf einer Plausibilitätsfunktion bestimmt, die dem bzw. den aktuellen Messwerten mv_i(tr) gemäß ihrer Position innerhalb der Normalverteilung Plausibilitätsmaße zuweist. Analog zum vorherigen Beispiel wird in diesem Fall ein Plausibilitätsmaß Ri4 von 100 % beispielsweise dem bzw. den aktuellen Messwerten mv_i(tr) zugewiesen, die innerhalb einer Standardabweichung des Mittelwerts auftreten, und Plausibilitätsmaße Ri4, die der Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit der Größe der aktuellen Messwerte mv_i(tr) gemäß der Normalverteilung entsprechen, werden z. B. dem bzw. den aktuellen Messwerten mv_i(tr) zugewiesen, die um mehr als eine Standardabweichung von dem Mittelwert abweichen.
Als weiteres Beispiel schließt die Bestimmung der Plausibilitätsmaße Rin z. B. für mindestens eine der Messgrößen m_i das Bestimmen eines Plausibilitätsmaßes Ri5 basierend auf der Größe des oder der aktuellen Messwerte mv_i(tr) und einer Kombination aus einer anwendungsspezifischen Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit der Größe des bzw. der aktuellen Messwerte mv_i(tr) und der Wahrscheinlichkeit ihres Auftretens gemäß einer empirischen Verteilung ein, die basierend auf Messwerten mv_i bestimmt wird, die während eines begrenzten Zeitintervalls gemessen wurden, das dem bzw. den Zeitpunkten der Messung tr des bzw. der aktuellen Messwerte mv_i(tr) vorausging. Hier wird das begrenzte Zeitintervall z. B. in Form eines gleitenden Fensters einer gegebenen Breite implementiert, das sich bis zu dem Zeitpunkt der Messung tr des bzw. der aktuellen Messwerte mv_i(tr) erstreckt. In diesem Fall wird das entsprechende Plausibilitätsmaß Ri5 z. B. basierend auf einer Plausibilitätsfunktion bestimmt, die das Plausibilitätsmaß dem bzw. den aktuellen Messwerten mv_i(tr) in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus einer ersten Plausibilität fa(mvi(tr)), die basierend auf einer ersten Plausibilitätsfunktion fa bestimmt wird, und einer zweiten Plausibilität ersten Plausibilität fb(mv_i(tr)), die basierend auf einer zweiten Plausibilitätsfunktion fb bestimmt wird, zuweist.
Die erste Plausibilitätsfunktion fa weist die erste Plausibilität fa(mvi(tr)) dem bzw. den aktuellen Messwerten mv_i(tr) gemäß der Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit der Größe des bzw. der aktuellen Messwerte mv_i(tr) an der spezifischen Anwendung zu. Ein schneller und einfacher Ansatz besteht darin, die erste Plausibilitätsfunktion fa basierend auf Schätzungen der Wahrscheinlichkeit des Auftretens von Messwerten mv_i mit gegebenen Größen an der spezifischen Anwendung zu bestimmen. Alternativ wird die erste Plausibilitätsfunktion fa z. B. basierend auf einer Häufigkeit des Auftretens von Messwerten mv_i mit verschiedenen Größen, die basierend auf Messwerten mv_i bestimmt werden, die während eines Trainingszeitintervalls gemessen wurden, das eine Zeitspanne von ausreichend langer Dauer abdeckt, um alle Betriebsmodi und/oder jeden der an der spezifischen Anwendung durchgeführten Prozesse abzudecken, bestimmt.
Die zweite Plausibilitätsfunktion fb weist die zweite Plausibilität fb(mv_i(tr)) dem bzw. den aktuellen Messwerten mv_i(tr) gemäß der Wahrscheinlichkeit ihres Auftretens gemäß der empirischen Verteilung zu. Die zweite Plausibilitätsfunktion fb wird z. B. als oder basierend auf einer Häufigkeit des Auftretens von Messwerten mv_i mit verschiedenen Größen, die basierend auf den Messwerten mv_i bestimmt werden, die während des begrenzten Zeitintervalls gemessen wurden, bestimmt.
Alternativ wird die zweite Plausibilitätsfunktion fb durch Durchführen einer Kerndichteschätzung KDE wesentlich genauer bestimmt. Zu diesem Zweck können die in der Statistik entwickelten Verfahren der Kerndichteschätzung zum Bestimmen einer Wahrscheinlichkeitsverteilung einer Zufallsvariablen basierend auf einer Probe einer statistischen Population verwendet werden. In diesem Fall wird eine Wahrscheinlichkeitsfunktion, die die Wahrscheinlichkeit des Auftretens von Messwerten mv_i in Abhängigkeit von ihrer Größe darstellt, basierend auf der Kerndichteschätzung KDE bestimmt, und die zweite Plausibilitätsfunktion fb wird als oder basierend auf dieser Wahrscheinlichkeitsfunktion bestimmt.
Ein Beispiel für die erste und die zweite Plausibilitätsfunktion fa, fb ist in 9 gezeigt. Wie die in 6 gezeigte Plausibilitätsfunktion f2(pH) stellt die erste Plausibilitätsfunktion fa die Plausibilität von aktuellen Messwerten mv_i(tr) in Abhängigkeit von ihrer Größe gemäß der Wahrscheinlichkeit ihres Auftretens innerhalb von anwendungsspezifischen Schwellenwertbereichen dar, und die zweite Plausibilitätsfunktion fb weist die zweite Plausibilität fb(mv_i(tr)) dem bzw. den aktuellen Messwerten mv_i(tr) gemäß der Wahrscheinlichkeit ihres Auftretens gemäß der empirischen Verteilung zu. Wie durch die in 9 gezeigten Punkte da, db angegeben, kann für einen aktuellen Messwert mv_i(tr), z. B. einen pH-Wert von 8, die erste Plausibilitätsfunktion fa nur eine erste Plausibilität von 50 % wiedergeben, während die zweite Plausibilitätsfunktion fb eine zweite Plausibilität von 100 % wiedergibt. Somit wird durch Bestimmen des Plausibilitätsmaßes Ri5 basierend sowohl auf der ersten Plausibilität fa(mvi(tr)) als auch der zweiten Plausibilität fb(mv_i(tr)) das höhere Niveau des Vertrauens in den aktuellen Messwert mv_i(tr), das durch die Konformität mit der empirischen Verteilung gerechtfertigt ist, berücksichtigt.
Als weiteres Beispiel schließt in bestimmten Ausführungsformen die Bestimmung der Plausibilitätsmaße Rin das Bestimmen mindestens eines Plausibilitätsmaßes Ri6 basierend auf einer Abweichung zwischen aktuellen Messwerten mv_i(tr) der jeweiligen Messgröße m_i und entsprechenden vorhergesagten Werten, die basierend auf Messwerten mv_i vorhergesagt werden, die vor dem Zeitpunkt der Messung tr des bzw. der aktuellen Messwerte mv_i(tr) gemessen wurden, ein. Die vorhergesagten Werte werden z. B. basierend auf einem Verfahren der Zeitreihenvorhersage bestimmt. In diesem Fall wird das entsprechende Plausibilitätsmaß Ri6 z. B. basierend auf einer Plausibilitätsfunktion bestimmt, die dem bzw. den aktuellen Messwerten mv_i(tr) gemäß einer Größe der Abweichung Plausibilitätsmaße zuweist. Beispielsweise wird die Zeitreihenvorhersage z. B. basierend auf einem Modell für autoregressive integrierte gleitende Mittelwerte (ARIMA-Modell) durchgeführt, das an die Zeitreihe der zuvor bestimmten Messwerte mv_i angepasst wird und dann zur Vorhersage zukünftiger Punkte der Zeitreihe verwendet wird. Zusätzlich oder alternativ können Kalman-Filter oder ein Verfahren zum maschinellen Lernen verwendet werden, um ein Modell für die Messwerte mv_i der jeweiligen Messgröße m_i basierend auf den aufgezeichneten Daten D zu bestimmen. In diesem Fall werden die vorhergesagten Werte basierend auf dem so bestimmten Modell bestimmt.
Als optionales Merkmal schließt das Verfahren für mindestens eine der Messgrößen m_i das Identifizieren mindestens eines Knock-out-Kriteriums KO für die Plausibilität von Messwerten mv_i der jeweiligen Messgröße m_i ein. In diesem Fall wird die Gesamtplausibilität Ptot(m_i) der Messwerte mv_i der jeweiligen Messgröße m_i derart bestimmt, dass sie entweder auf null gesetzt oder so weit reduziert wird, dass eine Auswirkung der Erfüllung des jeweiligen Knock-out-Kriteriums KO auf die Plausibilität der Messwerte mv_i der jeweiligen Messgröße m_i berücksichtigt wird, wenn das jeweilige Knock-out-Kriterium KO erfüllt ist.
In bestimmten Ausführungsformen schließen die Knock-out-Kriterien KO z. B. ein Knock-out-Kriterium, das sich auf mindestens eines der für die Messvorrichtung Mi, die die jeweilige Messgröße m_i misst, identifizierten Elemente von Diagnoseinformationen Iij bezieht, ein Knock-out-Kriterium, das sich auf die Messwerte mv_i der Messgröße m_i bezieht, und/oder ein Knock-out-Kriterium KO, das sich auf die Variablenwerte mv_j mindestens einer in den angegebenen Variablen enthaltenen Variablen v_j bezieht, ein. Beispielsweise wird die Gesamtplausibilität Ptot(m_i) der Messwerte mv_i einer der Messgrößen m_i z. B. als null bestimmt, wenn ein Knock-out-Kriterium, für das eine von der Messvorrichtung Mi, die diese Messgröße m_i misst, bereitgestellte Statusanzeige angeben muss, dass die Messvorrichtung Mi defekt ist, erfüllt ist. Ferner wird die Gesamtplausibilität Ptot(m_i) der Messwerte mv_i einer der Messgrößen m_i z. B. als null bestimmt, wenn ein Knock-out-Kriterium, für das die Messwerte mv_i der Messgröße m_i einen maximalen tolerierbaren Bereich überschreiten müssen, erfüllt ist. In Bezug auf den bzw. die maximal tolerierbaren Bereiche können anwendungsspezifische maximal tolerierbare Bereiche sowie vorrichtungsspezifische maximal tolerierbare Bereiche verwendet werden. Beispielsweise wird die Gesamtplausibilität Ptot(CI2) der von dem in 2 gezeigten Chlormessaufnehmer M6, der die Chlorkonzentration Cl2 des Schwimmbeckenwassers misst, gemessenen Chlorkonzentration Cl2 z. B. auf null gesetzt, wenn die gemessene Chlorkonzentration Cl2 einen anwendungsspezifischen maximalen tolerierbaren Bereich überschreitet, dem Schwimmer sicher ausgesetzt werden können, und/oder wenn die gemessene Chlorkonzentration Cl2 den Messbereich des Chlormessaufnehmers M6 überschreitet. Als weiteres Beispiel kann der in 2 gezeigte pH-Messaufnehmer M5 z. B. als in einem vorrichtungsspezifischen Druckbereich zu betreiben spezifiziert werden, z. B. weil Drücke, die diesen Bereich überschreiten, eine Permeabilität seiner ionenselektiven Membran beeinträchtigen können. In diesem Fall wird die Gesamtplausibilität Ptot(pH) des bzw. der pH-Werte pH, die von dem pH-Messaufnehmer M5 gemessen werden, z. B. als null bestimmt, wenn ein Knock-out-Kriterium, für das der Druck p, der von den Druckmessaufnehmern S2 gemessen wird, den vorrichtungsspezifischen Druckbereich überschreiten muss, erfüllt ist. Ferner werden die Gesamtplausibilität Ptot(Cl2) der von dem Chlormessaufnehmer M6 gemessenen Chlorkonzentration Cl2 und/oder die Gesamtplausibilität Ptot(pH) des bzw. der von dem in 2 gezeigten pH-Messaufnehmer M5 gemessenen pH-Werte pH z. B. als null bestimmt, falls ein Knock-out-Kriterium, für das der Durchfluss F durch die Durchflusszelle 11, der von dem Durchflussmesser S1 gemessen wird, unter einen absoluten Mindestdurchsatz fallen muss, die erforderlich ist, um die Messungen des pH-Werts pH und/oder die Messungen der Chlorkonzentration Cl2 durchzuführen, erfüllt ist.
In bestimmten Ausführungsformen können die Fähigkeiten des hierin offenbarten Verfahrens weiter verbessert werden, indem ein iterativer Prozess zum Optimieren der Bestimmung der Gesamtplausibilitäten Ptot(m_i) durch, basierend auf markierten Trainingsdaten, die von einem sachkundigen Bediener erworben wurden, Auswerten und Klassifizieren von zuvor bestimmten Gesamtplausibilitäten Ptot(m_i), durch Durchführen eines Verfahrens zum maschinellen Lernen, das konfiguriert ist, um die Bestimmung der Gesamtplausibilität Ptot(m;) und/oder mindestens eines der anwendungsspezifischen Schwellenwerte und Schwellenwertbereiche, der Nachschlagetabellen und Funktionen, die verwendet werden, um die Plausibilitätswerte PCik zu bestimmen, und der Nachschlagetabellen und Funktionen, die verwendet werden, um die Plausibilitätsmaße Rin zu bestimmen, die bei der Bestimmung der Gesamtplausibilitäten Ptot(m_i) verwendet werden, zu optimieren, durchgeführt wird.
Zu diesem Zweck werden zuvor bestimmte Gesamtplausibilitäten Ptot(m_i) z. B. durch den sachkundigen Bediener ausgewertet und als „falsch-negativ“ klassifiziert, wenn das Verfahren fälschlicherweise eine niedrige Plausibilität bestimmt hat, als „falsch-positiv“, wenn das Verfahren fälschlicherweise eine hohe Plausibilität bestimmt hat, als „wahr-negativ“, wenn das Verfahren richtigerweise eine niedrige Plausibilität bestimmt hat, und als „wahr-positiv“, wenn das Verfahren richtigerweise eine hohe Plausibilität bestimmt hat. Die markierten Trainingsdaten, die basierend auf diesen Klassifizierungen bestimmt werden, werden dann in einen Algorithmus für maschinelles Lernen eingespeist, der konfiguriert ist, um die Bestimmung der Gesamtplausibilität Ptot(m_i) zu optimieren, z. B. durch Einstellen von mindestens einem von: den anwendungsspezifischen Schwellenwerten und Schwellenwertbereichen, und/oder durch Ersetzen mindestens einer der Nachschlagetabellen und Funktionen, die verwendet werden, um die Plausibilitätswerte PCik und die Plausibilitätsmaße Rin zu bestimmen, durch eine detailliertere korrigierte und/oder genauere Version davon.
Das hierin offenbarte Verfahren kann basierend auf einer groben Schätzung der anwendungsspezifischen Schwellenwertbereiche für die angegebenen Variablen gestartet werden. Beispielsweise kann ein anwendungsspezifischer Temperaturbereich für die Temperatur T des Mediums 5, die von dem in 3 gezeigten Temperaturmessaufnehmer M12 gemessen wird, anfänglich durch einen geschätzten Bereich von 10 °C bis 15 °C gegeben worden sein. Es kann sich jedoch herausstellen, dass die gemessenen Temperaturen T häufig niedriger als 10 °C sind. Dies führt zu einer entsprechend reduzierten Gesamtplausibilität Ptot(T) für die von dem Temperaturmessaufnehmer M12 gemessene Temperatur T und kann auch die Gesamtplausibilität Ptot(m_i) anderer Messgrößen m_i beeinflussen. Wenn der Bediener, der die Gesamtplausibilitäten Ptot(m_i) auswertet, bestimmt, dass weder ein Problem im Zusammenhang mit den Messvorrichtungen Mi noch ein Problem im Zusammenhang mit der Anwendung vorliegt, klassifiziert er sie dann als „falsch-negativ“. Anschließend werden die markierten Trainingsdaten, die basierend auf diesen Klassifizierungen bestimmt wurden, dann verwendet, um das Verfahren zu optimieren, z. B. durch Durchführen eines Verfahrens zum maschinellen Lernen, das konfiguriert ist, um mindestens eine Grundursache falsch-positiver und/oder falsch-negativer Bestimmungen der Gesamtplausibilitäten Ptot(m) zu bestimmen und um die Bestimmung der Gesamtplausibilitäten Ptot(m_i) entsprechend anzupassen. In dem hier gegebenen Beispiel führt dies zu einer Einstellung des Temperaturbereichs derart, dass Temperaturen unter 10 °C abgedeckt werden.
Bezugszeichenliste

1: Behälter
3: Medium
5: Medium
7: Einlassrohr
9: Einlassrohr
11: Durchflusskammer
13: Einlassrohr
15: Auslassrohr
17: Gefäß
19: Recheneinheit
21: Speicher
23: Übergeordnete
25: Edge-Vorrichtung
27: Vorrichtung
29: Sender
31: Komponente
33: Sender
35: Schnittstelle
37: Datenquelle
39: Anzeige
41: Symbol
43: Symbol
45: Temperaturmessaufn

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

EP 2226630 B1 [0007]
DE 102008042969 A1 [0009]

Claims

Verfahren zum Bestimmen anwendungsspezifischer Plausibilitäten von Messwerten (mvi) mindestens einer von einem in einer spezifischen Anwendung installierten Messsystem (100, 200, 300) gemessenen Messgröße (m_i); wobei das Messsystem (100, 200, 300) mindestens eine Messvorrichtung (Mi) einschließt und jede Messvorrichtung (Mi) mindestens eine von den mindestens einen Messgrößen (m_i) misst, wobei das Verfahren die Schritte umfasst: für jede Messgröße (m_i) Identifizieren mindestens eines Elements von Diagnoseinformationen (Iij), das einen Zustand der Messvorrichtung (Mi) angibt, die die jeweilige Messgröße (m_i) misst; Angeben einer Anzahl von mindestens einer an der Anwendung gemessenen oder für die Anwendung bestimmten Variablen (v_n) derart, dass die angegebene(n) Variable(n) (v_n) durch jede von den mindestens einen Messgrößen (m_i) gegeben ist bzw. sind oder diese einschließt bzw. einschließen; für jede Messgröße (m_i), Bestimmen von Plausibilitätskriterien (Cik) zum Bestimmen von Plausibilitätswerten (PCik), einschließlich: mindestens eines Diagnosekriteriums (CIij) zum Bestimmen eines Plausibilitätswerts (P(lij)), der die Plausibilität von Messwerten (mvi) der jeweiligen Messgröße (m_i) basierend auf mindestens einem Elementwert von mindestens einem der Elemente von Diagnoseinformationen (Iij), die den Zustand der Messvorrichtung (Mi) angeben, die die jeweilige Messgröße (m_i) misst, angibt, und mindestens eines Schwellenwertkriteriums Cj(m_i) zum Bestimmen eines Plausibilitätswerts (Pj(m_i)), der die Plausibilität der Messwerte (mv_i) der jeweiligen Messgröße (m_i) basierend auf ihrer Größe in Bezug auf mindestens einen anwendungsspezifischen Schwellenwertbereich, der auf die Messwerte (mvi) der jeweiligen Messgröße (m_i) anwendbar ist, angibt; Aufzeichnen von Daten (D), einschließlich mindestens eines Elementwerts jedes Elements von Diagnoseinformationen (Iij) und Zeitreihen von Variablenwerten (mv_n) jeder angegebenen Variablen (v_n) sowie des Zeitpunkts ihrer Bestimmung oder Messung (t); und basierend auf den aufgezeichneten Daten (D), Durchführen der folgenden Schritte mindestens einmal oder wiederholt: für jede Messgröße (m_i): Bestimmen der Plausibilitätswerte (PCik) basierend auf den Plausibilitätskriterien (Cik), die für die jeweilige Messgröße bestimmt wurden (m_i), Bestimmen mindestens eines Plausibilitätsmaßes (Rin), das eine Zuverlässigkeit eines oder mehrerer aktueller Messwerte (mvi(tr)) der jeweiligen Messgröße (m_i), die während eines begrenzten aktuellen Zeitintervalls gemessen werden, im Hinblick auf Messwerte (mv_n) mindestens einer oder aller angegebenen Variablen (v_n), die vor dem aktuellen Zeitintervall gemessen wurden und durch die Messwerte (mvi) der jeweiligen Messgröße (m_i) gegeben sind oder diese einschließen, angibt, und Bestimmen einer Gesamtplausibilität Ptot(m_i) der aktuellen Messwerte (mi(tr)) der jeweiligen Messgröße (m_i) basierend auf dem bzw. den Plausibilitätsmaßen (Rin) und den Plausibilitätswerten (PCik), die für die jeweilige Messgröße (m_i) bestimmt wurden, und Bereitstellen eines Plausibilitätsergebnisses (PR), das mindestens eines von Folgendem einschließt: den Gesamtplausibilitäten (Ptot(m_i)) und einem Gesamtplausibilitätsindex (TPI), der basierend auf den Gesamtplausibilitäten (Ptot(m_i)) bestimmt wird.
Verfahren nach Anspruch 1, wobei für mindestens eine oder jede Messgröße (m_i) das bzw. die Plausibilitätsmaße (Rin) mindestens eines von Folgendem einschließen: einem ersten Plausibilitätsmaß (Ri1), das einem Grad der Konformität des bzw. der aktuellen Messwerte (mvi(tr)) oder einer Verteilung der aktuellen Messwerte (mvi(tr)) der jeweiligen Messgröße (m_i) mit einer Verteilung oder einer der Verteilungen, die durch vor dem aktuellen Zeitintervall gemessene Messwerte (mv_i) der jeweiligen Messgröße (m_i) angezeigt wird bzw. werden, entspricht, und einem zweiten Plausibilitätsmaß (Ri2), das einem Grad der Konformität des bzw. der aktuellen Messwerte (mvi(tr)) der jeweiligen Messgröße (m_i) mit einem Analyseergebnis, das durch eine multivariate Analyse von Variablenwerten von mindestens zwei vor dem aktuellen Zeitintervall bestimmten Analysevariablen bestimmt wurde, entspricht; wobei die Analysevariablen durch die jeweilige Messgröße (m_i) und mindestens eine oder jede in den ausgewählten Variablen (v_n) enthaltene andere Variable gegeben sind.
Verfahren nach Anspruch 1 bis 2, wobei mindestens eine oder jede Gesamtplausibilität (Ptot(m_i)) bestimmt wird: in Abhängigkeit von, als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus dem bzw. den Plausibilitätsmaßen (Rin) und den Plausibilitätswerten (PCik), die für die jeweilige Messgröße (m_i) bestimmt wurden, oder in Abhängigkeit von, als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus einer Mindestplausibilität (Pmin1), die durch den kleinsten der für die jeweilige Messgröße (m_i) bestimmten Plausibilitätswerte (PCik) gegeben ist, und dem bzw. den für die jeweilige Messgröße (m_i) bestimmten Plausibilitätsmaßen (Rin), oder bestimmt wird durch: Unterteilen der Plausibilitätswerte (PCik) in Betriebsplausibilitätswerte, die die basierend auf den Diagnosekriterien C(lij) bestimmten Plausibilitätswerte P(lij) einschließen, und anwendungsspezifische Plausibilitätswerte, die die basierend auf den Schwellenwertkriterien Cj(m_i) bestimmten Plausibilitätswerte Pj(m_i) einschließen, und Bestimmen der Gesamtplausibilität (Ptot(m_i)) für die jeweilige Messgröße (m_i) in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus jedem von dem bzw. den Plausibilitätsmaßen (Rin) und den anwendungsspezifischen Plausibilitätswerten, die für die jeweilige Messgröße (m_i) bestimmt wurden, und einer Mindestplausibilität (Pmin2), die durch den kleinsten der für die jeweilige Messgröße (m_i) ermittelten Betriebsplausibilitätswerte gegeben ist.
Verfahren nach Anspruch 1 bis 3, umfassend mindestens einen der folgenden Schritte: a) Anzeigen des Plausibilitätsergebnisses (PR) auf einer Anzeige (39) in Form eines Dashboards, das ein Symbol (41), das den Gesamtplausibilitätsindex (TPI) visualisiert, und/oder eine gegebene Anzahl von Symbolen (43) einschließt, von denen jedes einen der Gesamtplausibilitätswerte (Ptot(m_i)) visualisiert; wobei ein Anteil eines Symbolbereichs jedes Symbols (41, 43), der einer Größe des visualisierten Gesamtplausibilitätsindex (TPI) oder der visualisierten Gesamtplausibilitätswerte (Ptot(mi)) entspricht, ausgefüllt ist und das Symbol (41, 43) oder der ausgefüllte Anteil davon in einer nach der Größe ausgewählten Farbe angezeigt wird; b) Bereitstellen des Plausibilitätsergebnisses (PR) in Form einer E-Mail oder einer Nachricht, die an einen vorgegebenen Empfänger und/oder an mindestens eines von Folgendem gesendet wird: eine vorgegebene Vorrichtung, einen Computer, eine mobile Vorrichtung, ein Mobiltelefon, ein Tablet und ein Wartungswerkzeug; und c) Bereitstellen des Plausibilitätsergebnisses (PR) an eine übergeordnete Einheit (23), die dazu konfiguriert ist, einen an der Anwendung durchgeführten Prozess zu regeln und/oder zu steuern, und konfiguriert ist, um eine Aktion zum Stoppen oder Modifizieren mindestens eines Prozessschritts eines an der Anwendung durchgeführten Prozesses und/oder mindestens eine andere vorgegebene Aktion durchzuführen, wenn das Plausibilitätsergebnis (PR) eine Bedingung erfüllt, die für die jeweilige Aktion angegeben ist.
Verfahren nach Anspruch 1 bis 4, wobei die angegebenen Variablen (v_n) mindestens eines von Folgendem einschließen: mindestens einen Prozessparameter, der von einer der Messvorrichtungen (Mi) des Messsystems (100, 200, 300) gemessen wird, mindestens einen Prozessparameter, der von einem Messinstrument (Sm) gemessen wird, das an der spezifischen Anwendung installiert ist; und mindestens einen durch oder für eine der Messvorrichtungen (Mi) bestimmten Diagnoseparameter.
Verfahren nach Anspruch 1 bis 5, wobei: für mindestens eine der Messvorrichtungen (Mi) das mindestens eine Element von Diagnoseinformationen (Iij), das den Zustand der jeweiligen Messvorrichtung (Mi) angibt, mindestens eines von Folgendem beinhaltet: einem Alter der Messvorrichtung (Mi), einer Betriebszeit der Messvorrichtung (Mi), Wartungszeiten, wenn die Messvorrichtung (Mi) gewartet wird, Überprüfungszeiten, wenn eine Messgenauigkeit der Messvorrichtung (Mi) überprüft wird, einem Überprüfungsergebnis, das durch eine Überprüfung der Messgenauigkeit der Messvorrichtung (Mi) erhalten wird, Kalibrierungszeiten, wenn die Messvorrichtung (Mi) kalibriert wird, einem Kalibrierungsergebnis, das durch eine Kalibrierung der Messvorrichtung (Mi) erhalten wird, mindestens einem Diagnoseparameter, der von der Messvorrichtung (Mi) bestimmt wird, einer Statusanzeige, die basierend auf einer von der Messvorrichtung (Mi) durchgeführten Selbstdiagnose bestimmt wird, und einem Expositionsindex, der einer Exposition der Messvorrichtung (Mi) gegenüber ungünstigen Messbedingungen entspricht.
Verfahren nach Anspruch 1 bis 6, wobei: a) für mindestens eine Messgröße (m_i) die für die jeweilige Messgröße (m_i) bestimmten Plausibilitätskriterien (Cik) mindestens eines von Folgendem einschließen: einem Schwellenwertkriterium (C1(m_i) zum Bestimmen eines Plausibilitätswerts (PC1(m_i)) basierend darauf, ob der bzw. die aktuellen Messwerte (mvi(tr)) der jeweiligen Messgröße (m_i) innerhalb eines anwendungsspezifischen Schwellenwertbereichs auftreten, der von dieser Messgröße (m_i) nicht überschritten werden darf, einem Schwellenwertkriterium (C2(m_i) zum Bestimmen eines Plausibilitätswerts (PC2(m_i), der die Plausibilität mindestens eines aktuellen Messwerts (mv_i(tr)) der jeweiligen Messgrößen (m_i) basierend auf anwendungsspezifischen Wahrscheinlichkeiten des Auftretens von Messwerten (mv_i) dieser Messgröße (m_i) innerhalb anwendungsspezifischer Schwellenwertbereiche angibt, und einem Kriterium (C3(m_i)) zum Bestimmen eines Plausibilitätswerts (P3(m_i)), der die Plausibilität mindestens eines aktuellen Messwerts (mvi(tr)) der jeweiligen Messgröße (m_i) basierend auf mindestens einem aktuellen Variablenwert (mv_n(tr)) mindestens einer oder von zwei anderen Variablen (v_j) angibt, wobei jede andere Variable (v_j) durch eine der anderen Messgrößen (m_j≠i) oder durch einen in den angegebenen Variablen (v_n) enthaltenen Parameter gegeben ist, und/oder wobei: b) für mindestens eine der Messgrößen (m_i) die Plausibilitätsmaße (Rin) mindestens eines von Folgendem einschließen: einem Plausibilitätsmaß (Ri3), das bestimmt wird basierend auf einem Verfahren zum Erkennen von Ausreißern, die in den Messwerten (mvi) der jeweiligen Messgröße (m_i) enthalten sind; einem Plausibilitätsmaß (Ri4), das bestimmt wird basierend auf Messwerten (mvi) der jeweiligen Messgröße (m_i), die vor dem bzw. den Zeitpunkten der Messung (tr) des mindestens einen aktuellen Messwerts (mv_i(tr)) der jeweiligen Messgröße (m_i) gemessen wurden, einem Plausibilitätsmaß (Ri5), das bestimmt wird basierend auf einer Kombination aus einer Wahrscheinlichkeit des Auftretens von Messwerten (mvi) mit der Größe des mindestens einen aktuellen Messwerts (mvi(tr)) der jeweiligen Messgröße (m_i) an der spezifischen Anwendung und einer Wahrscheinlichkeit ihres Auftretens gemäß einer empirischen Verteilung, die basierend auf einem bzw. mehreren Messwerten (mv_i) der jeweiligen Messgröße (m_i), der bzw. die während eines begrenzten Zeitintervalls, das dem bzw. den Zeitpunkten der Messung (tr) des bzw. der aktuellen Messwerte (mv_i(tr)) voranging, gemessen wurde(n), bestimmt wird; und einem Plausibilitätsmaß (Ri6), das bestimmt wird basierend auf einer Abweichung zwischen dem mindestens einen aktuellen Messwert (mvi(tr)) der jeweiligen Messgröße (m_i) und entsprechenden vorhergesagten Werten, die basierend auf Messwerten (mvi) der jeweiligen Messgröße (m_i), die vor dem bzw. den Zeitpunkten der Messung (tr) des bzw. der aktuellen Messwerte (mv_i(tr)) gemessen wurden, vorhergesagt wurden, wobei die vorhergesagten Werte entweder basierend auf einem Modell für autoregressive integrierte gleitende Mittelwerte (ARIMA-Modell) bestimmt werden, das an die Zeitreihe der zuvor bestimmten Messwerte (mv_i) angepasst wurde, oder basierend auf einem Modell für die Messwerte (mv_i) der jeweiligen Messgröße (m_i), das durch ein Verfahren zum maschinellen Lernen auf Basis der Daten (D) bestimmt wurde, oder durch ein anderes Verfahren zur Zeitreihenvorhersage bestimmt wurde.
Verfahren nach Anspruch 1 bis 7, wobei: für jedes Plausibilitätskriterium (Cik) der entsprechende Plausibilitätswert (PCik) basierend auf einer dem jeweiligen Plausibilitätskriterium (Cik) zugeordneten Nachschlagetabelle oder Plausibilitätsfunktion f(Cik) bestimmt wird, die den aktuellen Messwerten (mvi(tr)) der jeweiligen Messgröße (m_i) die Plausibilitätswerte (PCik) basierend auf oder in Abhängigkeit von mindestens einer Eigenschaft zuweist, die durch mindestens einen der Elementwerte des Elements von Diagnoseinformationen (Iij) und/oder mindestens einen der Variablenwerte (mv_n) mindestens einer der angegebenen Variablen (v_n), die in den Daten (D) enthalten sind, gegeben oder bestimmbar ist.
Verfahren nach Anspruch 1 bis 8, wobei für mindestens eine der Messgrößen (m_i) die ermittelten Plausibilitätsmaße (Rin) ein Plausibilitätsmaß (Ri3) einschließen, das bestimmt wird durch: Sortieren von Messwerten (mvi) der jeweiligen Messgröße (m_i), die während eines vorhergehenden Zeitintervalls gemessen wurden, nach ihrer Größe entlang einer Linie, Unterteilen der Linie in vier Quartile (Q1, Q2, Q3, Q4), die jeweils ein Viertel der Messwerte (mv_i) einschließen, und Bestimmen des Plausibilitätsmaßes (Ri3) basierend auf einer Plausibilitätsfunktion (Ri3(q)), die das Plausibilitätsmaß (Ri3) für den bzw. die aktuellen Messwerte (mvi(tr)) der jeweiligen Messgröße (m_i) gemäß dem Quartil (Q1, Q2, Q3, Q4), in dem sie auftreten, allen aktuellen Messwerten (mvi(tr)) zuweist, die an einer Position (q) innerhalb vorgegebener erster Bereiche der Linie auftreten, und/oder gemäß einer Wahrscheinlichkeit des Auftretens von Messwerten (mvi) mit der Größe des bzw. der aktuellen Messwerte (mvi(tr)) allen aktuellen Messwerten (mvi(tr)) zuweist, die an einer Position (q) innerhalb vorgegebener zweiter Bereiche der Linie auftreten; wobei die Wahrscheinlichkeit des Auftretens von Messwerten (mv_i) mit den in den zweiten Bereichen enthaltenen Größen basierend auf Trainingsdaten bestimmt wird, die in den Daten (D) enthalten sind, oder basierend auf den Messwerten (mv_i), die während des vorhergehenden Zeitintervalls gemessen wurden.
Verfahren nach Anspruch 1 bis 9, wobei für mindestens eine der Messgrößen (m_i) die bestimmten Plausibilitätsmaße (Rin) ein Plausibilitätsmaß (R5) einschließen, das bestimmt wird basierend auf einer Plausibilitätsfunktion, die das Plausibilitätsmaß (Ri5) dem mindestens einen aktuellen Messwert (mvi(tr)) der jeweiligen Messgröße (m_i) in Abhängigkeit von oder als oder basierend auf einer Summe, einer gewichteten Summe, einem Produkt oder einem gewichteten Produkt aus einer ersten Plausibilität (fa(mv_i(tr)), die basierend auf einer ersten Plausibilitätsfunktion (fa) bestimmt wird, und einer zweiten Plausibilität (fb(mv_i(tr)), die basierend auf einer zweiten Plausibilitätsfunktion (fb) bestimmt wird, zuweist; wobei: die erste Plausibilitätsfunktion (fa) die erste Plausibilität (fa(mv_i(tr)) dem bzw. den aktuellen Messwerten (mv_i(tr)) gemäß einer Wahrscheinlichkeit des Auftretens von Messwerten (mv_i) mit der Größe des bzw. der aktuellen Messwerte (mvi(tr)) an der spezifischen Anwendung zuweist; die erste Plausibilitätsfunktion (fa) entweder basierend auf Schätzungen der Wahrscheinlichkeit des Auftretens von Messwerten (mvi) mit gegebenen Größen an der spezifischen Anwendung bestimmt wird oder basierend auf einer Häufigkeit des Auftretens von Messwerten (mv_i) mit unterschiedlichen Größen, die basierend auf Messwerten (mvi) bestimmt wird, die während eines Trainingszeitintervalls gemessen wurden, das eine Zeitspanne von ausreichend langer Dauer abdeckt, um alle Betriebsmodi und/oder jeden der an der spezifischen Anwendung durchgeführten Prozesse abzudecken; die zweite Plausibilitätsfunktion (fb) die zweite Plausibilität (fb(mv_i(tr)) dem mindestens einen aktuellen Messwert (mvi(tr)) basierend auf der Wahrscheinlichkeit deren Auftretens gemäß einer empirischen Verteilung zuweist, die basierend auf dem bzw. den Messwerten (mv_i), die während eines begrenzten Zeitintervalls, das dem Zeitpunkt der Messung (tr) des bzw. der aktuellen Messwerte (mvi(tr)) vorausging, gemessen wurden, bestimmt wird; und die zweite Plausibilitätsfunktion (fb) bestimmt wird entweder als oder basierend auf einer Häufigkeit des Auftretens von Messwerten (mvi) mit unterschiedlichen Größen, die basierend auf den Messwerten (mvi) bestimmt wird, die während des begrenzten Zeitintervalls gemessen wurden, oder als eine Wahrscheinlichkeitsfunktion, die die Wahrscheinlichkeit des Auftretens von Messwerten (mvi) der jeweiligen Messgröße (mvi) in Abhängigkeit von ihrer Größe, die basierend auf einer Kerndichteschätzung (KDE) bestimmt wird, darstellt.
Verfahren nach Anspruch 1 bis 10, ferner umfassend die Schritte für mindestens eine der Messgrößen (m_i): Identifizieren mindestens eines Knock-out-Kriteriums (KO) für die Plausibilität der Messwerte (mvi) der jeweiligen Messgröße (m_i); und Durchführen der Bestimmung der Gesamtplausibilität (Ptot(mi)) der Messwerte (mvi) der jeweiligen Messgröße (m_i) derart, dass die Gesamtplausibilität (Ptot(mi)) entweder auf null gesetzt oder so weit reduziert wird, dass eine Auswirkung der Erfüllung des jeweiligen Knock-out-Kriteriums (KO) auf die Plausibilität der Messwerte (mvi) der jeweiligen Messgröße (m_i) berücksichtigt wird, wenn das jeweilige Knock-out-Kriterium (KO) erfüllt ist; wobei die für die jeweilige Messgröße (m_i) identifizierten Knock-out-Kriterien (KO) mindestens eines von Folgendem einschließen: einem Knock-out-Kriterium, das sich auf eines der Elemente von Diagnoseinformationen (Iij) bezieht, das für die Messvorrichtung (Mi) identifiziert wurde, die diese Messgröße (mi) misst, einem Knock-out-Kriterium, für das eine für die Messvorrichtung (Mi), die diese Messgröße (mi) misst, bestimmte Statusanzeige angeben muss, dass die Messvorrichtung (Mi) defekt ist, einem Knock-out-Kriterium, für das die Messwerte (mvi_i dieser Messgröße (m_i) und/oder die Variablenwerte (mv_j) mindestens einer anderen in den angegebenen Variablen (v_m) enthaltenen Variablen (v_j) einen maximalen tolerierbaren Bereich überschreiten oder einen gegebenen Schwellenwert überschreiten oder unterschreiten müssen, und einem Knock-out-Kriterium, das sich auf mindestens einen in den angegebenen Variablen (v_n) enthaltenen Parameter bezieht, der von einer der Messvorrichtungen (Mi) oder von einem an der spezifischen Anwendung installierten Messinstrument (Sm) gemessen oder bestimmt wird.
Verfahren nach Anspruch 1 bis 11, wobei das Messsystem (200) ein Analysesystem ist, wobei die Messvorrichtungen (Mi) Messgrößen (m_i) eines Mediums (5), das durch eine Durchflusskammer (11) fließt, messen, wobei die angegebenen Variablen (v_n) einen Durchfluss (F) des Mediums (5), das durch die Durchflusskammer (11) fließt, einschließen, und wobei: die Plausibilitätskriterien (Cik) mindestens ein Kriterium zum Bestimmen des Plausibilitätswerts (PCik) von Messwerten (mv_i) einer der Messgrößen (m_i) basierend auf dem gemessenen Durchfluss (F) einschließen, und/oder die Gesamtplausibilität (Ptot(mi)) der Messwerte (mvi) mindestens einer oder jeder der mindestens einen Messgröße (m_i) auf null gesetzt wird, wenn der Durchfluss (F) durch die Durchflusszelle (11) unter einen absoluten Mindestdurchsatz fällt, die erforderlich ist, um die jeweilige Messgröße (m_i) zu messen.
Verfahren nach Anspruch 1 bis 12, umfassend einen Verfahrensschritt des Durchführens eines iterativen Prozesses zum Optimieren dieses Verfahrens durch, basierend auf markierten Trainingsdaten, die von einem sachkundigen Bediener erworben wurden, Auswerten und Klassifizieren von zuvor bestimmten Gesamtplausibilitäten (Ptot(mi)) durch Durchführen eines Verfahrens des maschinellen Lernens, das konfiguriert ist, um die Bestimmung der Gesamtplausibilitäten (Ptot(mi)) zu optimieren und/oder um mindestens eines von Folgendem zu optimieren: den anwendungsspezifischen Schwellenwerten, den anwendungsspezifischen Schwellenwertbereichen, den Nachschlagetabellen und Funktionen, die zum Bestimmen der Plausibilitätswerte (PCik) verwendet werden, und den Plausibilitätsmaßen (Rin), die zum Bestimmen der Gesamtplausibilitäten (Ptot(mi)) verwendet werden.
Verfahren nach Anspruch 1 bis 13, wobei: das Verfahren ein computerimplementiertes Verfahren ist, jedes Plausibilitätsergebnis (PR) von einem Rechenmittel (19) bestimmt und bereitgestellt wird, das konfiguriert ist, um das Plausibilitätsergebnis (PR) basierend auf den aufgezeichneten Daten (D) und basierend auf einem Computerprogramm (SW), das auf dem Rechenmittel (19) implementiert ist und das Rechenmittel (19) zum Durchführen der Bestimmung veranlasst, zu bestimmen und bereitzustellen; und das Rechenmittel (19) in dem Messsystem (300) enthalten ist, in einem mit den Messvorrichtungen (Mi) verbundenen Sender (33) enthalten oder mit diesem verbunden ist, in einer Vorrichtung (27), einer Edge-Vorrichtung oder einer übergeordneten Einheit, die sich in der Nähe des Messsystems (200) befindet, enthalten ist und mit den Messvorrichtungen (Mi) verbunden ist oder mit diesen kommuniziert oder in der Cloud ausgeführt ist.
Computerprogramm (SW), das Anweisungen umfasst, die, wenn das Programm von einem Computer ausgeführt wird, den Computer veranlassen, das Verfahren nach den Ansprüchen 1 bis 14 basierend auf den Daten (D), die dem Computer bereitgestellt werden, auszuführen.
Computerprogrammprodukt, umfassend das Computerprogramm (SW) nach Anspruch 15 und mindestens ein computerlesbares Medium, wobei mindestens das Computerprogramm (SW) auf dem computerlesbaren Medium gespeichert ist.