DE102021133261A1 - Verbesserte methode zur erkennung fehlerhafter variablen für datengesteuerte fehlererkennung in einer prozessanlage - Google Patents

Verbesserte methode zur erkennung fehlerhafter variablen für datengesteuerte fehlererkennung in einer prozessanlage Download PDF

Info

Publication number
DE102021133261A1
DE102021133261A1 DE102021133261.3A DE102021133261A DE102021133261A1 DE 102021133261 A1 DE102021133261 A1 DE 102021133261A1 DE 102021133261 A DE102021133261 A DE 102021133261A DE 102021133261 A1 DE102021133261 A1 DE 102021133261A1
Authority
DE
Germany
Prior art keywords
system matrix
data
matrix
variables
process variables
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102021133261.3A
Other languages
English (en)
Inventor
Xu Cheng
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Emerson Process Management Power and Water Solutions Inc
Original Assignee
Emerson Process Management Power and Water Solutions Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Emerson Process Management Power and Water Solutions Inc filed Critical Emerson Process Management Power and Water Solutions Inc
Publication of DE102021133261A1 publication Critical patent/DE102021133261A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31356—Automatic fault detection and isolation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32222—Fault, defect detection of origin of fault, defect of product
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32224—Identify parameters with highest probability of failure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Ein Echtzeit-Steuerungssystem schließt eine Methode zur Identifizierung fehlerhafter Variablen ein, um eine datengesteuerte Fehlererkennungsfunktion zu implementieren, die einem Bediener Informationen liefert, die eine bessere Beurteilung der Lage der aktuellen und wahrscheinlichen zukünftigen Betriebszustände der Prozessanlage ermöglichen. Die Methode zur Identifizierung fehlerhafter Variablen ermöglicht es einem Bediener, zu erkennen, wenn sich eine Prozessanlagenkomponente anormal verhält, um zu einem aktuellen Zeitpunkt möglicherweise Maßnahmen zu ergreifen, um die dem Problem zugrunde liegende Ursache zu beheben, wodurch die Wahrscheinlichkeit eines Stopps des Prozesses verringert wird oder dieser verhindert wird oder ein Ausfall der Komponente der Prozessanlage verhindert wird.

Description

  • TECHNISCHES GEBIET
  • Die vorliegende Erfindung bezieht sich allgemein auf Prozessanlagen wie Energieerzeugungsanlagen und industrielle Fertigungsanlagen und insbesondere auf ein multivariates, statistikbasiertes Mustererkennungs- und Fehlererkennungssystem, das eine hochgenaue, robuste Erkennung fehlerhafter Variablen durchführt, um Störungen beim Betrieb der Prozessanlage zu erkennen und zu charakterisieren.
  • BESCHREIBUNG DES STANDS DER TECHNIK
  • Verteilte Prozesssteuerungssysteme, wie sie typischerweise in Energieerzeugungs-, Chemie-, Erdölverarbeitungs- oder anderen Prozessanlagen eingesetzt werden, umfassen in der Regel eine oder mehrere Prozesssteuerungen, die über analoge, digitale oder kombinierte Analog-/Digitalbusse kommunikativ mit einem oder mehreren Feldgeräten gekoppelt sind. Die Feldgeräte, die z. B. Ventile, Ventilstellungsregler, Schalter, Transmitter (z. B. Temperatur-, Druck-, Füllstands- und Durchflusssensoren), Brenner usw. sein können, befinden sich innerhalb der Prozessumgebung und führen als Reaktion auf die von den Prozesssteuerungen entwickelten und gesendeten Steuersignale Prozessfunktionen wie Öffnen oder Schließen von Ventilen, Messen von Prozessparametern usw. aus. Intelligente Feldgeräte, wie beispielsweise Feldgeräte, die einem der bekannten Fieldbus-Protokolle entsprechen, können auch Steuerungsberechnungen, Alarmfunktionen und andere Funktionen ausführen, die üblicherweise in einem oder durch eine Prozesssteuerung implementiert sind. Die Prozesssteuerungen, die sich ebenfalls typischerweise in der Anlagenumgebung befinden, empfangen Signale, die für die von den Feldgeräten durchgeführten Prozessmessungen und/oder andere die Feldgeräte betreffende Informationen kennzeichnend sind, und führen eine Steuerungsanwendung aus, in der z. B. verschiedene Steuermodule laufen, die Entscheidungen zur Prozesssteuerung treffen, auf der Grundlage der empfangenen Informationen Prozesssteuersignale erzeugen und sich mit den Steuermodulen oder Blöcken koordinieren, die in den Feldgeräten ausgeführt werden, wie z. B. HART- und Fieldbus-Feldgeräte. Die Steuermodule innerhalb der Steuerung senden die Prozesssteuersignale über die Kommunikationsleitungen an die Feldgeräte, um dadurch den Betrieb des Prozesses zu steuern.
  • Die Informationen von den Feldgeräten und der Steuerung werden in der Regel über eine Datenautobahn einem oder mehreren anderen Computergeräten zur Verfügung gestellt, wie z. B. Bediener-Arbeitsstationen, Personalcomputern, Datenhistorikern, Berichtsgeneratoren, zentralisierten Datenbanken usw., die sich in der Regel in Kontrollräumen oder an anderen Orten abseits der raueren Anlagenumgebung befinden. Diese Computergeräte können auch Anwendungen ausführen, die es beispielsweise einem Bediener ermöglichen, Funktionen in Bezug auf den Prozess auszuführen, wie z. B. Ändern von Einstellungen der Prozesssteuerungsroutine, Modifizieren des Betriebs der Steuermodule innerhalb der Steuerung oder der Feldgeräte, Anzeigen des aktuellen Prozesszustands, Anzeigen von Alarmen, die von Feldgeräten und Steuerungen erzeugt werden, Führen und Aktualisieren einer Konfigurationsdatenbank usw.
  • Das von Emerson Automation Solutions verkaufte Ovation®-Steuerungssystem beispielsweise beinhaltet mehrere Anwendungen, die in verschiedenen Geräten gespeichert sind und von verschiedenen Geräten an verschiedenen Stellen innerhalb einer Prozessanlage ausgeführt werden. Eine Konfigurationsanwendung, die in einer oder mehreren Techniker-Arbeitsstationen untergebracht ist, ermöglicht Benutzern das Erstellen oder Ändern von Prozesssteuermodulen und das Herunterladen dieser Prozesssteuermodule über eine Datenautobahn auf dedizierte dezentrale Steuerungen. Typischerweise bestehen diese Steuermodule aus kommunikativ miteinander verknüpften Funktionsblöcken, die Objekte in einem objektorientierten Programmierprotokoll sind, und die Funktionen innerhalb des Steuerschemas auf der Basis von dort erfolgten Eingängen ausführen und die Ausgänge zu anderen Funktionsblöcken innerhalb des Steuerungsschemas bereitstellen. Mit der Konfigurationsanwendung kann ein Designer auch Bedienerschnittstellen erstellen oder ändern, die von einer Anzeigeanwendung verwendet werden, um einem Bediener Daten anzuzeigen und es dem Bediener zu ermöglichen, Einstellungen, wie z. B. Sollwerte, innerhalb der Prozesssteuerungsroutine zu ändern. Jede der dedizierten Steuerungen und, in einigen Fällen, Feldgeräte, speichert und führt eine Steuerungsanwendung aus, die die ihr zugeordneten und heruntergeladenen Steuermodule ausführt, um die tatsächliche Prozesssteuerungsfunktionalität umzusetzen. Die Ansichtsanwendungen, die auf einer oder mehreren Bediener-Arbeitsstationen ausgeführt werden können, empfangen Daten von der Steuerungsanwendung über die Datenautobahn und zeigen diese Daten den Prozesssteuerungs-Systemdesignern, Bedienern oder Benutzern über die Benutzerschnittstellen an und können eine beliebige aus einer Reihe verschiedener Ansichten, wie z. B. die Ansicht eines Bedieners, eines Ingenieurs, eines Technikers usw., bereitstellen. Eine Datenhistoriker-Anwendung wird typischerweise in einem Datenhistoriker-Gerät gespeichert und von diesem ausgeführt, das einige oder alle über die Datenautobahn bereitgestellten Daten sammelt und speichert, während eine Konfigurationsdatenbank-Anwendung in einem weiteren, an die Datenautobahn angeschlossenen Computer laufen kann, um die aktuelle Konfiguration der Prozesssteuerungsroutine und die damit verbundenen Daten zu speichern. Alternativ kann sich die Konfigurationsdatenbank auf der gleichen Arbeitsstation wie die Konfigurationsanwendung befinden.
  • Im Allgemeinen umfasst die Steuerung von Prozessen in einer Industrieanlage, wie z. B. in einem Kraftwerk, oft die Durchführung einer zeitlich geordneten Reihe von Steuerungsaktionen an verschiedenen Ausrüstungen innerhalb der Anlage. Dies gilt insbesondere während des Hochfahrens und Herunterfahrens der Anlagenausrüstung. Die Einleitung jedes aufeinanderfolgenden Steuervorgangs setzt den Abschluss der vorhergehenden Steuerungsaktion sowie die Bedingung voraus, dass eine bestimmte Anzahl von Freigaben erfüllt sein muss. Die Steuerung der Anlage erfolgt somit schrittweise, wobei die Steuerungssystemsoftware, die diesen zeitlich geordneten Betrieb durchführt, mit Hilfe eines Softwarekonstrukts programmiert wird, das als Sequenzierungslogik bezeichnet wird. Insbesondere ist die Sequenzierungslogik eine logische Menge von Operationen, Freigaben und Aktionen, die als Computerprogramm implementiert und in einem Steuerungssystem ausgeführt wird. Im Allgemeinen enthält jede Sequenzierungslogik eine Reihe zusammengehöriger Schritte, die nacheinander ausgeführt werden. Jeder Schritt beinhaltet oder repräsentiert im Allgemeinen eine gewisse Anzahl von Freigaben, die erfüllt werden müssen, und eine oder mehrere Aktionen, die vor dem Abschluss dieses Schrittes abgeschlossen werden müssen. Freigaben sind typischerweise eine Funktion von einem oder mehreren externen Rückkopplungseingängen, Parametern und Status, die vom Steuerprogramm logisch ausgewertet werden. Beispielsweise kann die Auswertung oder der Status jeder Freigabe das Ergebnis einer logischen Operation sein, die eine Bewertung zu einer wahren oder falschen Bedingung vornimmt. Diese Freigaben können z. B. der Status der Feldausrüstung (z. B. in Betrieb/angehalten/offen/geschlossen), der Abschluss eines vorhergehenden Schritts oder einer vorhergehenden Aktion, Werte von Prozessparametern, die über oder unter einem bestimmten Schwellenwert liegen, usw. sein. Darüber hinaus basiert der Übergang von jedem aufeinanderfolgenden Schritt in der Logiksequenz auf der Auswertung jedes Freigabesignals, das für diesen Schritt gilt.
  • Infolgedessen konfiguriert der Anwendungsentwickler die Sequenzierungslogik so, dass die Freigaben erfüllt sein müssen, was bedeutet, dass diese Freigaben bis zum erwarteten booleschen Zustand von wahr oder falsch ausgewertet werden müssen, bevor mit dem nächsten Schritt fortgefahren werden kann. Somit werden bei jedem Schritt eine oder mehrere Freigaben ausgewertet und wenn jede dieser Freigaben erfüllt ist, werden die Aktionen für diesen Schritt ausgeführt. Sobald die Aktionen abgeschlossen sind, wird dieser Schritt als abgeschlossen angezeigt, und der Prozess wird für den nächsten Schritt in der Sequenzierungslogik wiederholt.
  • Im normalen Anlagenbetrieb wird das Steuerungssystem in der Regel in einem automatischen Modus betrieben und das Sequenzprogramm oder die Sequenzierungslogik werten die Rückkopplungssignale aus, um zu bestimmen, wann der Übergang zum nächsten Schritt in der Sequenzierungslogik ohne direktes menschliches Eingreifen erfolgen soll. Die zugehörigen Aktionen werden dann bei jedem Schritt durch das Sequenzprogramm ausgeführt.
  • Es kann jedoch vorkommen, dass in der Anlage eine anormale Situation auftritt, in der z. B. eines der erwarteten Rückkopplungssignale, die z. B. mit den Freigaben zusammenhängen, nicht in der erwarteten Weise auftritt. Diese Situation kann dazu führen, dass das Sequenzprogramm angehalten wird oder zum Stillstand kommt. Sobald das Sequenzprogramm jedoch zum Stillstand gekommen ist, ist in der Regel menschliches Eingreifen erforderlich, um das Problem zu lösen, damit das Sequenzprogramm fortgesetzt werden kann. Wichtig ist, dass ein Sequenzstopp zum Stillstand der Ausrüstung führen kann, was zu Produktionsverzögerungen, Produktions- oder Umsatzeinbußen, höheren Betriebskosten und möglicherweise sogar zur Beschädigung der Ausrüstung führen kann. Bei einem herkömmlichen Steuerungssystem ist sich der Bediener einer bevorstehenden anormalen Situation und des daraus resultierenden Sequenzstopps möglicherweise erst dann bewusst, wenn die Situation tatsächlich eintritt und die Sequenz angehalten wird.
  • Ein Hauptgrund für die Unkenntnis des Bedieners und damit für das Zustandekommen von zum Stillstand der Sequenz führenden Ereignissen besteht in der enormen Komplexität der an der Prozesssteuerung beteiligten Systeme. In derartig großen und dynamischen Systemen wie Elektrizitätswerken und Ölraffinerien sind Tausende von Sensoren und Aktuatoren zum Bestimmen und Steuern physikalischer Parameter des Systems eingebaut. Dementsprechend wird das Überprüfen, ob die wichtigen Prozessparameter innerhalb ihrer angemessenen Betriebsbereiche liegen, bei solchen Systemen zu einer monumentalen Aufgabe. Noch komplizierter gestaltet sie sich dadurch, dass die Prozessanlage zur Erfüllung unterschiedlicher Produktionsanforderungen in einer Vielzahl unterschiedlicher Zuständen betrieben werden kann. Zum Beispiel können in einem Elektrizitätswerk je nach zu diesem Zeitpunkt über das zugehörige Stromnetz benötigter Strommenge unterschiedliche Mengen an Strom erzeugt werden. Die Sensoren, Aktoren und anderen Komponenten des Prozesssteuerungssystems können daher für ihre wichtigen Betriebsparameter unterschiedliche akzeptable Bereiche aufweisen, die den einzelnen potentiellen Betriebszuständen der Anlage entsprechen. Bei herkömmlichen Systemen, die zum Überwachen und Verifizieren dieser wichtigen Parameter ausgelegt sind, werden die aktuellen Werte der Parameter mit bekannten Ober- und Untergrenzen der einzelnen Betriebsmodi für jeden Zustand der Anlage verglichen. Derartige Überwachungstechniken sind jedoch unvollständig, da bei diesen Techniken zwischen und unter den verschiedenen Parametern des Systems bestehende Korrelationen außer Acht gelassen werden.
  • Diese Korrelationen können jedoch wichtig sein, da durch eine Änderung an einem der Prozessparameter in einem Prozess die Werte der anderen Prozessparameter in dem Prozess beeinflusst werden können. Zur Veranschaulichung sei angenommen, dass die Prozessvariablen eines Prozesses nur Temperatur und Druck umfassen. Die Temperatur und der Druck können korreliert sein und folglich führt eine Druckänderung zu einer Temperaturänderung. Die resultierende Temperaturänderung ist jedoch kein zufälliges Ereignis. Druck und Temperatur korrelieren in bekannter und vorhersehbarer Weise miteinander. So kann eine gewünschte Temperaturänderung beispielsweise durch eine Änderung des Drucks um einen bekannten Betrag erreicht werden. Leider handelt es sich bei Kraftwerken und anderen Umgebungen, in denen Prozesssteuerungssysteme implementiert sind, im Allgemeinen nicht um eine Gruppe kleiner geschlossener Systeme, in denen sich die Variablen eines Prozessvariablenpaars nur gegenseitig beeinflussen. Stattdessen enthalten typische Prozesssteuerungssystemumgebungen eine große Anzahl von miteinander interagierenden Prozessvariablen und folglich beeinflusst eine Änderung einer Prozessvariablen eine Reihe anderer Prozessvariablen. Infolgedessen kann möglicherweise durch das Erstellen eines Satzes von Einzelbeziehungen für Prozessvariablen, wie dies in dem im obigen fiktiven System veranschaulicht wurde (z. B. Druck und Temperatur), die Korrelationen zwischen und unter den Prozessvariablen nicht angemessen beschrieben werden. Trotzdem sind selbst in solchen großen Systemen die aus einer Änderung bei einer Prozessvariablen resultierenden Änderungen bei mehreren Prozessvariablen immer noch quantifizierbar und vorhersehbar.
  • In großen Systemen kann beispielsweise zum Ableiten dieser Korrelationen ein datengesteuerter Ansatz verwendet werden. Dieser Ansatz beinhaltet im Allgemeinen das Erfassen einer großen Menge an Daten zu jeder Prozessvariable. Nach der Erfassung werden die Daten analysiert, um zwischen den einzelnen Sätzen von Prozessvariablen geschätzte Korrelationen zu ermitteln. Durch Analysieren von Datensätzen, die für jede Variable Messwerte vor und nach Änderungen an anderen Prozessvariablen enthalten, kann der datengesteuerte Ansatz für jede Prozessvariable nach einer Änderung an einer anderen Prozessvariablen einen Näherungswert liefern. Im Allgemeinen bietet dieser datengesteuerte Ansatz, da mehr Daten verwendet werden, eine genauere Schätzung, da der datengesteuerte Ansatz für die Vornahme genaue Schätzungen auf einem robusten Datensatz basiert. Jedenfalls können diese geschätzten Korrelationen in einer Online-Umgebung der Prozessanlage implementiert werden, um zu überprüfen, ob die wichtigen Prozessparameter innerhalb ihrer angemessenen Betriebsbereiche liegen.
  • Die Zustandsschätzung ist eine bekannte Technik, um solche Korrelationen korrekt in eine Online-Umgebung einer Prozessanlage zu integrieren. Einfach ausgedrückt wird mittels Zustandsschätzungsmethoden kontrolliert, ob sich wichtige Prozessparameter innerhalb angemessener Betriebsbereiche befinden, indem teilweise die Korrelationen zwischen und unter den wichtigen Prozessparametern berücksichtigt werden. Dabei ist die Methode zur multivariaten Zustandsschätzung (Multivariate State Estimation Technique - MSET) ein gängiges Verfahren zum Implementieren einer Zustandsschätzung, das das Erstellen und Überwachen einer vordefinierten Liste signifikanter Prozessparameter beinhaltet, wobei jeder signifikante Prozessparameter zu jedem Betriebszustand der Prozessanlage eine zugeordnete obere und untere Betriebsgrenze aufweist. Häufig gibt das Prozesssteuerungssystem, wenn einer der Parameter gegen diese vordefinierten Grenzen verstößt, parameterspezifische Alarme aus. Die Stärke dieser Methode liegt darin, dass, wie oben erläutert, Prozessparameter gekoppelt oder zumindest miteinander korreliert werden. Anders ausgedrückt kann eine Änderung bei einem Prozessparameter einen, einige oder jeden anderen Prozessparameter beeinflussen. Somit kann eine Bewegung bei einem signifikanten Prozessparameter ohne entsprechende Änderungen bei anderen Prozessparametern ein Vorbote eines Komponentenausfalls, eines Abdriften des Prozesses oder zeitnaher eines Sequenzstopps sein.
  • Genauer gesagt, wird mit einer MSET ermittelt, ob ein Prozess „normal“ abläuft, indem ein Satz signifikanter Prozessparameterwerte des Prozesses basierend auf Online-Daten geschätzt wird und ermittelt wird, ob die Online-Daten wesentlich von der Schätzung abweichen. Allgemein wird davon ausgegangen, dass der Prozess „normal“ abläuft, wenn jede der Prozessvariablen innerhalb eines spezifizierten Schwellenwertbereichs liegt, und dass, wenn sie außerhalb liegt, dies auf ein Zulaufen auf Ausfallbedingungen (z. B. Komponentenausfall, Sequenzstopp usw.) hinweist. Zur Veranschaulichung kann ein in einem Prozesssteuerungssystem enthaltenes Fehlererkennungssystem im Speicher eine MSET enthalten, um die Überwachung der signifikanten Prozessparameter zu ermöglichen. Das Fehlererkennungssystem kann zunächst direkt von aktiv Prozessparameter des Prozesses überwachenden Sensoren einen Satz von Online-Daten empfangen. Die Online-Daten umfassen numerische Werte, die die zu jeder Prozessvariablen gemessenen Niveaus darstellen. Beispielsweise kann ein Wert, der in den Online-Daten das gemessene Druckniveau repräsentiert, 5 Pounds per Square Inch (psi) angeben. Ebenso können die Online-Daten aus die Temperatur, Viskosität, Durchflussrate und/oder jede andere signifikante Prozessvariable repräsentierenden Werten bestehen.
  • Nach dem Empfangen der Online-Daten verwendet das Fehlererkennungssystem die Online-Daten in einer Reihe mathematischer Operationen, die die MSET definieren. Die Operationen liefern einen Satz geschätzter Daten, mit denen das Fehlererkennungssystem die Online-Daten zum Berechnen eines „Schätzfehlers“ vergleicht. Im Allgemeinen spiegeln bei jedem in den Online-Daten enthaltenen signifikanten Prozessparameter die geschätzten Daten wie oben beschrieben basierend auf den geschätzten Beziehungen zwischen und unter den signifikanten Prozessparametern die geschätzten Werte wider. Genauer repräsentieren die geschätzten Daten basierend auf der Beziehung, die jede jeweilige Prozessvariable zu jeder anderen in dem Datensatz enthaltenen Prozessvariablen hat, für jede Prozessvariable Werte. Der Schätzfehler bezieht sich im Allgemeinen auf die Differenz zwischen den Online-Daten und den Schätzdaten und kann beispielsweise die arithmetische Differenz zwischen den beiden Werten, ein RMS-Fehlerwert oder eine prozentuale Abweichung vom für eine Prozessvariable akzeptablen Bereich normaler Betriebswerte sein. Wenn das Fehlererkennungssystem ermittelt, dass die Online-Daten nicht wesentlich von den geschätzten Daten abweichen (z. B. der Schätzfehler einen Schwellenwert erfüllt), legt das Fehlererkennungssystem fest, dass die Online-Daten einen „normalen“ Betriebszustand des Prozesses repräsentieren. Wenn das Fehlererkennungssystem ermittelt, dass die Online-Daten wesentlich von den geschätzten Daten abweichen, legt das Fehlererkennungssystem fest, dass die Online-Daten einen „anormalen“ Betriebszustand des Prozesses repräsentieren.
  • Es sei zur Veranschaulichung angenommen, dass ein System drei Prozessvariablen, Temperatur, Druck und Durchflussrate, einschließt. In diesem Beispiel sei angenommen, dass ein empfangener Online-Datensatz angibt, dass die Temperatur 100 °F (Fahrenheit) beträgt, der Druck 200 psi beträgt und die Durchflussrate 1 Kubikmeter pro Sekunde beträgt. Unter Verwendung der MSET kann der resultierende Satz geschätzter Daten angeben, dass die geschätzte Temperatur 103 °F beträgt, der geschätzte Druck 198 psi beträgt und die geschätzte Durchflussrate 1,1 Kubikmeter pro Sekunde beträgt. In diesem Fall wird die Temperatur basierend auf (i) der ermittelten Korrelation zwischen Temperatur und Druck, (ii) der ermittelten Korrelation zwischen Temperatur und Durchflussrate und (iii) den Online-Datenwerten von Temperatur, Druck und Durchflussrate geschätzt. Eine ähnliche Analyse wird zur Erklärung des niedrigeren geschätzten Drucks und der höheren geschätzten Durchflussrate angewendet. Wenn einer oder alle der geschätzten Werte außerhalb eines vordefinierten Bereichs liegen, erzeugt das Fehlererkennungssystem eine Warnung, die einen Bediener, einen Techniker usw. dazu auffordert, Korrekturmaßnahmen zu ergreifen.
  • Allgemein ausgedrückt, umfassen die mathematischen Operationen, die die MSET definieren, die Online-Daten und eine Systemmatrix. Wie bereits erwähnt, können die Online-Daten direkt von aktiv Prozessparameter des Prozesses überwachenden Sensoren empfangen werden. Die Systemmatrix ist ein Satz von Vektoren, wobei jeder Vektor aus einem Satz von Variablen besteht, die zusammen einen „normalen“ Betriebszustand des Prozesses repräsentieren. Ähnlich wie bei den Online-Daten handelt es sich bei diesen Variablen um skalare Werte (z. B. Zahlen), die Messungen der Prozessvariablen entsprechen. Der übergreifende Zweck der Systemmatrix besteht darin, gemäß den mathematischen Operationen der MSET zuverlässig korrekte Sätze geschätzter Daten zu erzeugen, wenn sie mit den Online-Daten kombiniert werden. Wenn die Systemmatrix richtig konstruiert ist, repräsentieren die geschätzten Daten die bei normalen Betriebszuständen erwarteten Werte jeder Prozessvariablen in jedem Online-Datensatz in korrekter Weise. Somit ist, wenn die Systemmatrix richtig konstruiert ist, das eine MSET verwendende Fehlererkennungssystem besser in der Lage, anormale Betriebszustände des Prozesses korrekt vorherzusagen. Da jeder Vektor innerhalb der Systemmatrix einen „normalen“ Betriebszustand des Prozesses repräsentiert, kann man sich jedenfalls darauf verlassen, dass die Prozessvariablenwerte, aus denen jeder Vektor besteht, die zwischen und unter den einzelnen Prozessvariablen bestehenden Korrelationen korrekt repräsentieren. Folglich stellt die Systemmatrix die Korrelationen zwischen und unter den signifikanten Prozessparametern des Prozesses besser dar, da mehr „normale“ Betriebszustände des Prozesses repräsentierende Vektoren in die Systemmatrix aufgenommen wurden. Auf diese Weise steht die Genauigkeit der unter Verwendung der Systemmatrix bei einer MSET erzeugten geschätzten Datensätze mit der Anzahl von Vektoren in Beziehung, aus denen die Systemmatrix besteht (z. B. die „Größe“ der Systemmatrix).
  • Gelegentlich können eine oder mehrere Prozessvariablen, die von einem innerhalb einer Prozessanlage arbeitenden und eine MSET mit einer richtig konstruierten Systemmatrix anwendenden Fehlererkennungssystem überwacht werden, aus ihren „normalen“ Betriebsbereichen heraus schwanken und das Fehlererkennungssystem dazu veranlassen, einen Fehlerzustand zu erkennen, der anzeigt, dass bei zumindest einem Teil der Systeme, aus denen die Prozessanlage besteht, eine Fehlfunktion besteht oder dass sie auf eine Fehlfunktion zulaufen. Idealerweise zeigt der vom Fehlererkennungssystem erkannte Fehlerzustand an, welche Prozessvariable(n) „anormal“ sind (hier auch als „fehlerhafte Variablen“ bezeichnet), damit ein Systemtechniker/-bediener potenziell fehlerhaft arbeitende Systeme in der Prozessanlage diagnostizieren kann. Leider pflanzt sich der mit der/den fehlerhaften Variable(n) verbundene Schätzfehler aufgrund der Beziehungen zwischen den in der Systemmatrix der MSET dargestellten Prozessvariablen zu den „normalen“ Prozessvariablen fort und kann dazu führen, dass herkömmliche Fehlererkennungssysteme die „normalen“ Prozessvariablen fälschlicherweise als fehlerhafte Variablen identifizieren. Der Grund dafür ist, dass herkömmliche multivariate statistikbasierte Verfahren (wie die MSET) im Allgemeinen den Abstand zwischen dem/den geschätzten Vektor(en) und dem/den beobachteten Vektor(en) unter Verwendung einer Methode der kleinsten Quadrate (z. B. QMW-Fehler) minimieren. Der minimale Abstand wird jedoch normalerweise durch die euklidische Norm des Vektors gemessen, die nicht immer die Näherung jeder einzelnen Vektorkomponente im Vergleich berücksichtigt.
  • Aus den fehlerhafte(n) Variable(n) ergibt sich in der Regel der größte Schätzfehler, der im Allgemeinen auf die Prozessvariablen hindeutet, die den „anormalen“ Betriebszustand der Prozessanlage verursachen. Dementsprechend sind viele herkömmliche Fehlererkennungssysteme so eingerichtet, dass sie die fehlerhafte(n) Variable(n) ausschließlich auf Basis der Größenordnung des Schätzfehlers identifizieren. Jedoch kann sich der größte Schätzfehler aufgrund des sich fortpflanzenden Schätzfehlers der fehlerhaften Variable(n) gelegentlich aus den „normalen“ Prozessvariablen ergeben und infolgedessen könnten viele herkömmliche Fehlererkennungssysteme die „normalen“ Prozessvariablen fälschlicherweise als fehlerhafte Variablen identifizieren.
  • Obwohl viele Fehlererkennungssysteme vorgeschlagen und in Prozessanlagen verwendet wurden, sind aufgrund der sich ständig ändernden Zustände in einer Prozessanlage, einschließlich der Abnutzung der Geräte im Laufe der Zeit, des Vorhandenseins von nicht berücksichtigten Störgrößen innerhalb der Anlage usw. in der Regel nur die komplexesten Fehlererkennungssysteme in der Lage, eine hochgenaue Überprüfung des Prozessbetriebs durchzuführen. Darüber hinaus kann es bei vielen bekannten Prozesssteuerungssystemen aufgrund der großen Anzahl von Prozesssteuerungsvariablen und ihrer komplexen Gruppierungen von Beziehungen schwierig sein, „anormale“ Betriebszustände und die entsprechenden fehlerhaften Variablen zu identifizieren. Wie erwähnt, wird die Identifizierung fehlerhafter Variablen weiter dadurch verkompliziert, dass bestehende Fehlererkennungssysteme dazu eingerichtet sind, die fehlerhafte(n) Variable(n) basierend auf der Größenordnung des Schätzfehlers zu identifizieren, bei der es sich nicht unter allen Umständen um eine genaue Metrik handelt. Folglich sind die meisten herkömmlichen Fehlererkennungssysteme, die eine MSET verwenden, nicht in der Lage, Messungen fehlerhafter Variablen korrekt zu identifizieren.
  • KURZDARSTELLUNG
  • Eine verbesserte Methode zur Identifizierung fehlerhafter Variablen für ein eine MSET verwendendes Fehlererkennungssystem erstellt Miniatursystemmatrizen, die jedem Paar Prozessvariablen entsprechen, und/oder wendet zum Identifizieren der fehlerhaften Variable(n) einen modifizierten binären Suchalgorithmus auf Teilsystemmatrizen an. Die verbesserte Methode zur Identifizierung fehlerhafter Variablen konstruiert und trainiert ausgehend von einer initialen Systemmatrix iterativ Miniatursystemmatrizen, wendet auf jede Miniatursystemmatrix Online-Daten an und ermittelt basierend darauf, wie oft eine bestimmte Prozessvariable einen Fehlerschwellenwert überschreitet, fehlerhafte Variable(n). Wenn die initiale Systemmatrix eine große Anzahl von Prozessvariablen enthält, kann die verbesserte Methode zur Identifizierung fehlerhafter Variablen zudem auf die initiale Systemmatrix initial einen modifizierten binären Suchalgorithmus anwenden, um die Anzahl der vom Fehlererkennungssystem schließlich erzeugten Miniatursystemmatrizen zu reduzieren. Auf diese Weise kann die verbesserte Methode zur Identifizierung fehlerhafter Variablen fehlerhafte Variablen in Online-Daten korrekt und konsistent identifizieren.
  • Insbesondere konstruiert die verbesserte Methode zur Identifizierung fehlerhafter Variablen als Reaktion auf das Erkennen eines „anormalen“ Betriebszustands in der Prozessanlage durch Gruppieren von Daten aus der initialen Systemmatrix für jedes jeweilige Paars von Prozessvariablen mehrere Miniatursystemmatrizen in neue Matrizen. Diese neuen Matrizen werden dazu trainiert, Miniatursystemmatrizen für jedes Paar von Prozessvariablen zu erzeugen, und die Miniatursystemmatrizen werden unter Verwendung der MSET auf Online-Daten angewendet, die jedem jeweiligen Paar von Prozessvariablen entsprechen, um für jedes jeweilige Paar von Prozessvariablen geschätzte Werte zu berechnen. Die verbesserte Methode beobachtet zu jeder Prozessvariable einen Fehlerindex, der jedes Mal heraufgesetzt wird, wenn der Schätzfehler zu einer jeweiligen Prozessvariable einen entsprechenden Fehlerschwellenwert überschreitet, und für die Prozessvariable mit dem größten Fehlerindex wird bestimmt, dass es sich bei ihr um die fehlerhafte Variable handelt.
  • Darüber hinaus kann die verbesserte Methode zur Identifizierung fehlerhafter Variablen bei Teilsystemmatrizen einen modifizierten binären Suchalgorithmus anwenden, um als Reaktion auf das Erkennen eines „anormalen“ Betriebszustands in der Prozessanlage die fehlerhafte(n) Variable(n) zu identifizieren. Die verbesserte Methode kann feststellen, dass die Anzahl von in der initialen Systemmatrix enthaltenen Prozessvariablen einen Schwellenwert überschreitet, wodurch bewirkt würde, dass die Konstruktion von Miniatursystemmatrizen für jedes jeweilige Paar von Prozessvariablen zu viele Verarbeitungsressourcen verbraucht. Dementsprechend kann die verbesserte Methode die initiale Systemmatrix in zwei Hälften teilen, um eine erste neue Matrix und eine zweite neue Matrix zu erzeugen, die Daten enthalten, die für eine erste Hälfte der Prozessvariablen bzw. eine zweite Hälfte der Prozessvariablen repräsentativ sind. Beide neuen Matrizen werden trainiert, um zwei Teilsystemmatrizen zu erzeugen, und beide Teilsystemmatrizen werden unter Verwendung der MSET auf Online-Daten angewendet. Die verbesserte Methode kann basierend auf dem aus der MSET resultierenden Schätzfehler für jede Prozessvariable auch ermitteln, ob eine oder beide Teilsystemmatrizen eine oder mehrere fehlerhafte Variablen enthalten. Weiterhin kann die verbesserte Methode bei jeder geteilten Systemmatrix, die die eine oder die mehreren fehlerhaften Variablen enthält, die Aktionen zu Teilung, Training und Analyse iterativ durchführen, bis die Anzahl von Prozessvariablen in einer Teilsystemmatrix, die eine oder mehrere fehlerhafte Variablen enthält, unter einen Schwellenwert fällt, wonach die verbesserte Methode fortfahren kann, wie zuvor beschrieben, Miniatursystemmatrizen für jedes Paar von Prozessvariablen in der Teilsystemmatrix zu konstruieren.
  • Diese verbesserte Methode zur Identifizierung fehlerhafter Variablen ermöglicht es einem Bediener, anormale Zustände im Prozessbetrieb schneller zu erkennen und die solchen anormalen Zuständen zugrunde liegende Ursache korrekt zu diagnostizieren. Der Bediener kann sodann möglicherweise Maßnahmen ergreifen, um die dem Problem zugrundeliegende Ursache zu beheben, wodurch die Wahrscheinlichkeit eines Sequenzstopps des Steuerungsprogramms oder Schadens an den Geräten verringert oder verhindert wird. Die verbesserte Methode zur Identifizierung fehlerhafter Variablen identifiziert systematisch fehlerhafte Variablen, indem sie die initiale Systemmatrix zerlegt und jedes jeweilige Paar von Prozessvariablen unter Verwendung einer entsprechenden Miniatursystemmatrix auswertet, wodurch wiederum die Genauigkeit des Fehlererkennungssystems erhöht und die Verwirrung des Bedieners bezüglich der durch das Fehlererkennungssystem erzeugten Warnungen reduziert wird.
  • Figurenliste
    • 1 ist ein Blockdiagramm eines verteilten Prozesssteuerungsnetzwerks, das sich innerhalb einer Prozessanlage befindet, einschließlich einer Bediener-Arbeitsstation, das eine verbesserte Methode zur Identifizierung fehlerhafter Variablen für ein eine MSET verwendendes Fehlererkennungssystem implementiert, um dadurch fehlerhafte Variablen, die sich aus Fehlerzuständen beim Betrieb der Prozessanlage ergeben, zu identifizieren.
    • 2 ist ein Blockdiagramm eines eine MSET verwendenden Fehlererkennungssystem, das eine verbesserte Methode zur Identifizierung fehlerhafter Variablen für ein Fehlererkennungssystem unter Verwendung einer MSET implementiert, um dadurch fehlerhafte Variablen, die sich aus Fehlerzuständen beim Betrieb der Prozessanlage ergeben, zu identifizieren.
    • 3 ist ein Flussdiagramm einer verbesserten Methode zur Identifizierung fehlerhafter Variablen, die in Online-Daten von Prozessvariablen als Teil eines Fehlererkennungssystems fehlerhafte Variablen identifiziert, um dadurch fehlerhafte Variablen, die sich aus Fehlerzuständen beim Betrieb der Prozessanlage ergeben, zu identifizieren.
    • 4A ist ein Diagramm von eine fehlerhafte Variable enthaltenden Online-Daten von Prozessvariablen, um Teile der verbesserten Methode zur Identifizierung fehlerhafter Variablen von 3 zu veranschaulichen.
    • 4B ist ein Diagramm, das geschätzte Prozessvariablendaten zeigt, über die Online-Daten von Prozessvariablen für zwei „normale“ Prozessvariablen gelegt sind, um Teile der verbesserten Trainingsmethode von 3 zu veranschaulichen.
    • 4C ist ein Diagramm, das geschätzte Prozessvariablendaten zeigt, über die Online-Daten von Prozessvariablen für eine „normale“ Prozessvariable und eine fehlerhafte Variable gelegt sind, um Teile der verbesserten Trainingsmethode von 3 zu veranschaulichen.
    • 4D ist ein anderes Diagramm, das geschätzte Prozessvariablendaten zeigt, über die Online-Daten von Prozessvariablen für eine „normale“ Prozessvariable und eine fehlerhafte Variable gelegt sind, um Teile der verbesserten Trainingsmethode von 3 zu veranschaulichen.
    • 5 ist ein Flussdiagramm einer verbesserten Methode zur Auffindung fehlerhafter Variablen, die als Teil eines Fehlererkennungssystems einen modifizierten binären Suchalgorithmus durchführt, um in Systemmatrizen fehlerhafte Variablen aufzufinden, um dadurch fehlerhafte Variablen, die sich aus Fehlerzuständen beim Betrieb der Prozessanlage ergeben, zu identifizieren.
  • BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
  • 1 veranschaulicht eine Prozessanlage 10, die ein beispielhaftes Steuernetzwerk aufweist, wie beispielsweise das einer Energieerzeugungsanlage zugeordnete, in dem die verbesserte Methode zur Identifizierung fehlerhafter Variablen implementiert werden kann. Die Prozessanlage 10 von 1 umfasst insbesondere ein verteiltes Prozesssteuerungssystem mit einer oder mehreren Steuerungen 12, von denen jede über einen Bus 19 mit einem oder mehreren Feldgeräten 14 und 16 verbunden ist, und Ein-/Ausgabegeräte (E/A) oder Karten 18, die z. B. Fieldbus-Schnittstellen, Profibus-Schnittstellen, HART-Schnittstellen, Standard 4-20-mA-Schnittstellen usw. sein können. Bei dem Bus 19 kann es sich um jede Art von Kommunikationsmedium handeln, wie z. B. einen seriellen, einen drahtlosen Bus oder eine drahtlose Verbindung, oder die E/A-Karten 18 können sich physisch an den Prozesssteuerungen 12 oder entfernt befinden. Die Steuerungen 12 sind auch über eine Datenautobahn 24, die z. B. eine Ethernet-Verbindung sein kann, mit einer oder mehreren Host- oder Bediener/Techniker-Arbeitsstationen 20 und 22 gekoppelt. Die Datenbanken 28A und 28B können mit der Datenautobahn 24 verbunden werden und als Datenhistoriker arbeiten, die im Fall des Datenhistorikers 28A historische Parameter-, Zustands- und andere Daten sammeln und speichern, die mit den Steuerungen 12 und Feldgeräten 14, 16 innerhalb der Anlage 10 verknüpft sind, und im Fall der Konfigurationsdatenbank 28B Konfigurations- und andere Steuerungsdaten für die Anlage 10 speichern können. Beispielsweise kann die Datenbank 28B als Konfigurationsdatenbank arbeiten, die die aktuelle Konfiguration des Prozesssteuerungssystems innerhalb der Anlage 10 speichert, wie sie in den Steuerungen 12 und den Feldgeräten 14 und 16 heruntergeladen und gespeichert wird. Während sich die Steuerungen 12, die E/A-Karten 18 und die Feldgeräte 14 und 16 typischerweise unten in der manchmal rauen Anlagenumgebung befinden und über diese verteilt sind, befinden sich die Bediener/Techniker-Arbeitsstationen 20 und 22 und die Datenbanken 28A und 28B normalerweise in einem Kontrollraum oder anderen weniger rauen Umgebungen, die Technikern, Bedienern oder Wartungspersonal leicht leichter zugänglich sind.
  • Bekanntlich speichert jede der Steuerungen 12, zum Beispiel die von Emerson Process Management Power and Water Solutions, Inc. verkaufte Ovation®-Steuerung, eine Steuerungsanwendung, die eine Steuerungsstrategie mit einer beliebigen Anzahl verschiedener, unabhängig voneinander ausgeführter Steuermodule oder Blöcke 29 implementiert, und führt diese aus. Jedes der Steuermodule 29 kann aus sogenannten Funktionsblöcken bestehen, wobei jeder Funktionsblock ein Teil oder eine Unterroutine einer übergeordneten Steuerungsroutine ist und in Verbindung mit anderen Funktionsblöcken (über Kommunikationen, die als Links bezeichnet werden) arbeitet, um Prozessregelkreise innerhalb der Prozessanlage 10 zu implementieren. Bekanntlich führen Funktionsblöcke, die in einem objektorientierten Programmierprotokoll Objekte sein können, aber nicht müssen, in der Regel eine Eingabefunktion aus, z. B. diejenige, die mit einem Transmitter, einem Sensor oder einem anderen Prozessparameter-Messgerät verbunden ist, eine Steuerungsfunktion, z. B. diejenige, die mit einer Steuerungsroutine verbunden ist, die eine Proportional-Integral-Ableitung (PID), eine Fuzzy-Logik-Regelung usw. ausführt, oder eine Ausgabefunktion, die den Betrieb eines Geräts, z. B. eines Ventils steuert, um eine physische Funktion innerhalb der Prozessanlage 10 auszuführen. Natürlich gibt es hybride und andere Arten von komplexen Funktionsblöcken wie modellprädiktive Steuerungen (MPCs), Optimierer usw. Während das Fieldbus-Protokoll und das Ovation®-Systemprotokoll Steuermodule und Funktionsblöcke verwenden, die in der Regel in einem objektorientierten Programmierprotokoll entworfen und implementiert werden, können die Steuermodule mit jedem gewünschten Steuerprogrammierungsschema entworfen werden, einschließlich z. B. sequentiellem Funktionsplan, Kontaktplan, usw., und sind nicht darauf beschränkt, mit dem Funktionsblock oder einer anderen speziellen Programmiertechnik entworfen und implementiert zu werden.
  • In der in 1 dargestellten Anlage 10 sind die Feldgeräte 14 und 16 an die Steuerungen 12 angeschlossen und können 4-20-mA-Standardgeräte, intelligente Feldgeräte wie HART-, Profibus- oder FOUNDATION® Fieldbus-Feldgeräte, die einen Prozessor und einen Speicher umfassen, oder jeder andere gewünschte Feldgeräte-Typ sein. Einige dieser Geräte, wie z. B. Fieldbus-Feldgeräte (in 1 mit der Referenznummer 16 gekennzeichnet), können Module oder Untermodule, wie z. B. Funktionsblöcke, speichern und ausführen, die der in den Steuerungen 12 implementierten Steuerungsstrategie zugeordnet sind. Die Funktionsblöcke 30, die in 1 als in zwei verschiedenen der Fieldbus-Feldgeräte 16 angeordnet dargestellt sind, können bekanntlich in Verbindung mit der Ausführung der Steuermodule 29 innerhalb der Steuerungen 12 ausgeführt werden, um einen oder mehrere Prozessregelkreise zu implementieren. Natürlich können die Feldgeräte 14 und 16 beliebige Gerätetypen sein, wie z. B. Sensoren, Ventile, Transmitter, Stellungsregler usw. und die E/A-Geräte 18 können beliebige E/A-Geräte sein, die mit jedem gewünschten Kommunikations- oder Steuerungsprotokoll wie HART, Fieldbus, Profibus usw. kompatibel sind.
  • Darüber hinaus kann Sequenzierungslogik 32 in den Steuerungen 12 oder in einer oder mehreren der Arbeitsstationen 20, 22 oder anderen Computergeräten gespeichert sein, um die verschiedenen Steuerprogramme zur Durchführung von Sequenzierungssteuerungsaktivitäten zu überwachen oder zu steuern. Wie oben erwähnt, implementieren die Sequenzierungslogikmodule 32 einen zeitlich geordneten Satz von Steuerungsaktionen an verschiedenen Geräten innerhalb der Anlage 10. Die Einleitung jeder aufeinanderfolgenden Steuerungsaktion setzt den Abschluss der vorhergehenden Steuerungsaktion sowie die Bedingung voraus, dass eine bestimmte Anzahl von Freigaben erfüllt sein muss, was von der Sequenzierungslogik 32 überwacht wird. Die Steuerung der Anlage 10 erfolgt also schrittweise auf der Grundlage der Funktionsweise der Sequenzierungslogik 32. Im Allgemeinen enthält jede Sequenzierungslogik 32 eine Reihe zusammengehöriger Schritte, die nacheinander ausgeführt werden. Jeder Schritt beinhaltet oder repräsentiert im Allgemeinen eine gewisse Anzahl von Freigaben, die erfüllt werden müssen, und eine oder mehrere Aktionen, die vor dem Abschluss dieses Schrittes abgeschlossen werden müssen. Freigaben sind typischerweise eine Funktion von einem oder mehreren externen Rückkopplungseingängen, Parametern und Status, die vom Steuerprogramm logisch ausgewertet werden. Beispielsweise ist die Bewertung oder der Status jeder Freigabe das Ergebnis einer logischen Operation, die eine Bewertung zu einer wahren oder falschen Bedingung vornimmt. Diese Freigaben können z. B. der Status der Feldausrüstung (z. B. in Betrieb/angehalten/offen/geschlossen), der Abschluss eines vorhergehenden Schritts oder einer vorhergehenden Aktion, Werte von Prozessparametern, die über oder unter einem bestimmten Schwellenwert liegen, usw. sein. Darüber hinaus basiert der Übergang von jedem aufeinanderfolgenden Schritt in der Logiksequenz auf der Auswertung jedes Freigabesignals, das für diesen Schritt gilt.
  • Darüber hinaus können eine oder mehrere der Arbeitsstationen 20 und 22 in bekannter Weise Benutzerschnittstellen-Anwendungen umfassen, mit denen ein Benutzer, z. B. ein Bediener, ein Konfigurationstechniker, eine Wartungsperson usw., eine Schnittstelle zum Prozesssteuerungsnetzwerk innerhalb der Anlage 10 herstellen kann. Insbesondere ist die Arbeitsstation 22 so dargestellt, dass sie eine oder mehrere Benutzerschnittstellen-Anwendungen 35 umfasst, die auf einem Prozessor innerhalb der Arbeitsstation 22 ausgeführt werden können, um mit der Datenbank 28, den Steuermodulen 29 oder anderen Routinen innerhalb der Steuerungen 12 oder den E/A-Geräten 18, mit den Feldgeräten 14 und 16 und den Modulen 30, 32 innerhalb dieser Feldgeräte, Steuerungen usw. zu kommunizieren, um Informationen von der Anlage 10 zu erhalten, z. B. Informationen über den aktuellen Zustand des Prozesssteuerungssystems. Die Benutzerschnittstellen-Anwendungen 35 können diese erfassten Informationen auf einem Anzeigegerät 37 verarbeiten und/oder anzeigen, das einer oder mehreren der Arbeitsstationen 20 und 22 zugeordnet ist. Die erfassten, verarbeiteten und/oder angezeigten Informationen können z. B. Prozesszustandsinformationen, innerhalb der Anlage 10 erzeugte Alarme und Warnungen, Wartungsdaten usw. sein. Ebenso können eine oder mehrere Anwendungen 39 in den Arbeitsstationen 22 und 20 gespeichert sein und ausgeführt werden, um Konfigurationsaktivitäten durchzuführen, wie z. B. das Erstellen oder Konfigurieren der Module 29, 30 und 32, die innerhalb der Anlage 10 ausgeführt werden sollen, um Bedienungsaktivitäten wie das Ändern von Sollwerten oder anderen Steuerungsvariablen innerhalb der Anlage 10 durchzuführen, usw. Natürlich ist die Anzahl und Art der Routinen 35 und 39 nicht durch die hier vorliegende Beschreibung begrenzt und andere Anzahlen und Arten von Routinen im Zusammenhang mit der Prozesssteuerung können auf Wunsch in den Arbeitsstationen 20 und 22 gespeichert und implementiert werden.
  • Die Arbeitsstation 20 aus 1 ist zudem so veranschaulicht, dass sie eine Fehlererkennungsanwendung 40 einschließt, die eine Benutzerstellenanwendung und Datenstrukturen zum Durchführen einer Fehlererkennung in Bezug auf den Betrieb der Anlage 10 einschließen kann. Insbesondere überwacht die Fehlererkennungsanwendung 40 das Steuernetzwerk der Prozessanlage, das von den Steuerungsblöcken 29, 30 und 32 sowie anderen in den Steuerungen 12 und möglicherweise den Feldgeräten 14, 16 ausgeführten Steuerungsroutinen implementiert wird. Auf die Fehlererkennungsanwendung 40 kann von jedem berechtigten Benutzer (wie einem Konfigurationstechniker, einem Bediener oder einer anderen Art von Benutzer) zum Durchführen eines Trainings der Fehlererkennungsanwendung 40 oder Analysieren der Ausgabe der Anwendung 40 zugegriffen werden und die Fehlererkennungsanwendung 40 ermöglicht es einem Benutzer, verschiedene Trainings- und Fehlererkennungsaktivitäten in Bezug auf die Prozessanlage 10 durchzuführen, während das Steuerungssystem der Prozessanlage 10 in Betrieb und online bleibt, um die Anlage 10 zu steuern.
  • Wie in 1 dargestellt, kann die Fehlererkennungsanwendung 40 in einem Speicher 42 der Arbeitsstation 20 gespeichert sein und jede der Komponenten der Fehlererkennungsanwendung 40 ist so eingerichtet, dass sie auf einem der Arbeitsstation 20 zugeordneten Prozessor 46 ausgeführt wird. Während die gesamte Fehlererkennungsanwendung 40 als in der Arbeitsstation 20 gespeichert dargestellt wird, könnten einige Komponenten der Fehlererkennungsanwendung 40 in anderen Arbeitsstationen oder Computergeräten innerhalb oder in Verbindung mit der Anlage 10 gespeichert sein und ausgeführt werden. Darüber hinaus kann die Fehlererkennungsanwendung 40 Bildschirmausgaben auf dem Bildschirm 37, der der Arbeitsstation 20 zugeordnet ist, oder auf jedem anderen gewünschten Bildschirm oder Anzeigegerät, einschließlich Handheld-Geräten, Laptops, anderen Arbeitsstationen, Druckern usw., bereitstellen. Ebenso kann die Fehlererkennungsanwendung 40 aufgeteilt und auf zwei oder mehr Computern oder Maschinen ausgeführt werden, die dafür konfiguriert werden können, in Verbindung miteinander zu arbeiten. Beispielsweise kann die Anwendung 40 in den Steuerungen 12 oder den Feldgeräten 14 und 16 ausgeführt werden.
  • Im Allgemeinen bietet bzw. ermöglicht die Fehlererkennungsanwendung 40 Fehlererkennung bezüglich des Betriebs der Prozessanlage 10 und konkreter Fehlererkennung bezüglich des durch die Steuerungsroutinen 29, 30 und 32 in den Steuerungen 12 und Feldgeräten 14 und 16 implementierten Prozessanlagen-Steuerungssystems. Insbesondere kann die Fehlererkennungsanwendung 40 potenziell anormale Betriebszustände der Prozessanlage 10 durch Anwenden einer MSET auf Online-Daten von Prozessvariablen feststellen, die von den Steuerungen 12 und den Feldgeräten 14 und 16 empfangen wurden, um für jede in den Online-Daten von Prozessvariablen repräsentierte Prozessvariable einen Satz von geschätzten Werten zu berechnen. Die Fehlererkennungsanwendung 40 berechnet für jede Prozessvariable unter Verwendung des Satzes von geschätzten Werten und der Online-Daten von Prozessvariablen einen Schätzfehlerwert und die Anwendung 40 vergleicht den Schätzfehlerwert einer jeden Prozessvariable mit einem entsprechenden Schätzfehlerschwellenwert einer jeden Prozessvariable. Wenn die Fehlererkennungsanwendung 40 feststellt, dass der Schätzfehlerwert einer jeweiligen Prozessvariable den entsprechenden Schätzfehlerschwellenwert der jeweiligen Prozessvariable überschreitet, legt die Anwendung 40 fest, dass innerhalb des Betriebs der Anlage 10 ein potenziell anormaler Betriebszustand vorliegt. Dementsprechend erzeugt die Fehlererkennungsanwendung 40 ein Warnsignal und überträgt es an den Bildschirm 37 oder einen anderen Bildschirm oder ein anderes Anzeigegerät.
  • Im Allgemeinen entspricht jeder Schätzfehlerschwellenwert einer Abweichung von Online-Daten von Prozessvariablen von einem geschätzten Wert, der durch das Anwenden der MSET auf die Online-Daten von Prozessvariablen erzeugt wurde. In der Regel wird jeder Schätzfehlerschwellenwert basierend auf einem Prozentsatz eines akzeptablen Wertebereichs der entsprechenden Prozessvariablen während des Online-Betriebs eines Prozesses berechnet und wird vor der Ausführung der Fehlererkennungsanwendung 40 berechnet.
  • Beispielsweise kann die Sequenzierungslogik 32 die Steuerungen 12 anweisen, alle oder einige Prozessvariablen der Anlage 10 zu messen und die Messungen an die Fehlererkennungsanwendung 40 zu übertragen. Die Ausgabe der Fehlererkennungsanwendung 40 kann auf eine Freigabe der Sequenzierungslogik 32 angewendet werden. Stellt die Anwendung 40 beispielsweise fest, dass innerhalb des Betriebs der Anlage 10 ein potenziell anormaler Betriebszustand vorliegt, kann die Freigabe möglicherweise nicht erfüllt werden, der Betrieb des Prozesses in der Anlage 10 kann möglicherweise nicht mit dem nachfolgenden Schritt der Sequenzierungslogik 32 fortfahren und die Fehlererkennungsanwendung 40 kann dann das Warnsignal erzeugen und an den Bildschirm 37 übertragen, um einen potentiellen Sequenzstopp zu verhindern, bevor ein Stoppsignal darauf verweist.
  • Bevor die Fehlererkennungsanwendung 40 jedoch das Warnsignal erzeugen kann, muss die Anwendung 40 die fehlerhafte Variable, die in den von den Steuerungen 12 und den Feldgeräten 14 und 16 empfangenen Online-Daten enthalten ist, korrekt identifizieren. Während die Anlage 10, die gesteuert wird, hier als eine Energieerzeugungsanlage beschrieben wird, die mit verteilten Steuerungstechniken gesteuert wird, kann die hier beschriebene Methode zur Identifizierung fehlerhafter Variablen auch in anderen Arten von Anlagen und Steuerungssystemen eingesetzt werden, einschließlich industrieller Fertigungsanlagen, Wasser- und Abwasserbehandlungsanlagen sowie in Steuerungssystemen, die zentral oder innerhalb eines einzelnen Computers implementiert und daher nicht über die gesamte Anlage verteilt sind.
  • 2 zeigt generell ein beispielhaftes Prozesssteuerungssystem 50 und ein Fehlererkennungssystem 52, um in der Anlage 10 aus 1 beispielsweise eine Fehlererkennung durchzuführen. Das Prozesssteuerungssystem 50 kann auch die Steuermodule 29, 30 und 32 aus 1 sowie alle weiteren Steuerungsroutinen, die in den verschiedenen Steuergeräten (z. B. Steuerungen 12) und Feldgeräten (z. B. Geräte 14 und 16) der Anlage 10 aus 1 angeordnet und ausgeführt werden, einschließen. Das Fehlererkennungssystem 52 kann in die Bediener/Techniker-Arbeitsstation 20 oder 22, den Speicher 42 und konkreter als Teil der Fehlererkennungsanwendung 40 eingebaut sein.
  • Allgemein ausgedrückt überwacht das Prozesssteuerungssystem 50 physikalische Parameter (z. B. Temperatur, Druck usw.) eines in einer Anlage (z. B. Anlage 10) ablaufenden Prozesses, um zu festzustellen, wann die physikalischen Parameter möglicherweise geändert werden müssen. Insbesondere kann das Prozesssteuerungssystem 50 Ausgaben von die physikalischen Parameter des Prozesses steuernden Feldgeräten messen, um Steuersignale zu erzeugen, die den Betrieb der Feldgeräte so einstellen, dass sich die physikalischen Parameter wie erforderlich ändern. Das Prozesssteuerungssystem 50 kann diese Steuersignale beispielsweise als Reaktion auf das Empfangen eines neuen Sollwerts des Prozesses oder das Erfassen des Vorliegens eines Fehlerzustands beim Betrieb des Prozesses erzeugen. Darüber hinaus kann das Prozesssteuerungssystem 50 Online-Daten eines Prozesses aufzeichnen und jeder Prozessvariablen entsprechende Fehlerschwellenwerte (z. B. von einem Datenhistoriker) empfangen und einen Bediener über an dem einen oder mehreren Feldgeräten stattfindende Änderungen informieren. Ferner kann das Prozesssteuerungssystem 50 von einem Bediener bezüglich Einstellungen an dem einen oder den mehreren Feldgeräten Eingaben, wie einen neuen Sollwert der Anlage oder ein Steuersignal für ein bestimmtes Feldgerät, empfangen.
  • Das Fehlererkennungssystem 52 erkennt im Allgemeinen das Vorliegen von Fehlerzuständen beim Betrieb eines Prozesses, indem eine MSET genutzt wird. Das Prozesssteuerungssystem 50 zeichnet einen Datensatz auf und/oder empfängt diesen, der zum Beispiel Online-Daten des Prozesses und Fehlerschwellenwerte umfasst, die jeder Prozessvariablen entsprechen, die das Prozesssteuerungssystem 50 an das Fehlererkennungssystem 52 überträgt, um Echtzeit-Fehlererkennung und Identifizierung von fehlerhaften Variablen durchzuführen. Bei Empfang des Datensatzes vergleicht das Fehlererkennungssystem 52 die Online-Daten mit unter Verwendung der MSET erzeugten, geschätzten Daten. Wenn das Fehlererkennungssystem 52 feststellt, dass der einer in den Online-Daten vertretenden Prozessvariablen zugeordnete Schätzfehler einen Schätzfehlerschwellenwert überschreitet, kann das Fehlererkennungssystem 52 das Vorliegen eines Fehlers beim Prozessbetrieb feststellen und zum Informieren des Bedieners ein Warnsignal erzeugen.
  • Insbesondere schließt das Prozesssteuerungssystem 50 eine Prozesssteuerung 54 ein, die kommunikativ und physisch mit einem Prozess 56 sowie mit einer Benutzerschnittstelle 58 gekoppelt ist. Die Prozesssteuerung 54 kann die Steuerungen 12 aus 1 einschließen, die ein oder mehrere Steuersignale, die an die verschiedenen Steuergeräte innerhalb der Anlage 10 geliefert werden, sowie die Steuersignale, die von der Sequenzierungslogik 32 implementiert oder erzeugt werden, erzeugen, um die Steuermodule innerhalb des Prozesses zu steuern, und die zusammen dazu dienen, die Anlage 10 zu steuern. Natürlich kann die Prozesssteuerung 54 alle gewünschten Steuerungstypen umfassen, die alle gewünschten Arten von Steuerungsroutinen oder -techniken implementieren, wie z. B. PID, Fuzzy-Logik, neuronales Netzwerk, modellprädiktive Steuerungsroutinen usw.
  • Gleichermaßen umfasst der Prozess 56 die Einheiten, Maschinen, Geräte und die zugehörige Hardware, die zur Durchführung des gesteuerten Prozesses eingerichtet sind. In einer Energieerzeugungsanlage kann der Prozess 56 beispielsweise Generatoren, Brennstoffzufuhrsysteme, Wärmetauscher, Kondensatoren, Dampfgeneratoren, Ventile, Tanks usw. sowie Sensoren und Transmitter umfassen, die innerhalb der Anlage zum Messen verschiedener Prozessparameter oder -größen angeordnet sind.
  • Über die Benutzerschnittstelle 58 kann ein Bediener sich mit der Prozesssteuerung 54 und dem Prozess 56 verbundene Daten anzeigen lassen und/oder mit ihnen interagieren. So kann es sich bei der Benutzerschnittstelle 58 um eine Arbeitsstation (z. B. Arbeitsstation 20) handeln und diese kann einen Bildschirm aufweisen, über den sich der Bediener von der Prozesssteuerung 54 erzeugte Steuersignale, Online-Daten aus dem Prozess 56 und/oder andere geeignete Daten anzeigen lassen kann. Der Bediener kann zudem über die Benutzerschnittstelle 58 Befehle eingeben, wie Steuersignale zum Steuern des Betriebs des Prozesses 56, den einzelnen Prozessvariablen entsprechende Fehlerschwellenwerte und Anweisungen zum Durchführen einer Identifizierung fehlerhafter Variablen.
  • Insbesondere kann die Prozesssteuerung 54 von dem Prozess 56 Online-Daten Y empfangen und ein oder mehrere Steuersignale U erzeugen, die basierend auf dem Online-Daten Y den Betrieb eines oder mehrerer Feldgeräte (z. B. Feldgeräte 14, 16) einstellen. Diese Steuersignale werden durch den Vektor U in 2 dargestellt, um anzuzeigen, dass die Prozesssteuerung 54 dem Prozess 56 zum Steuern des Betriebs der Anlage 10 einen Vektor von Steuersignalen bereitstellen kann. Gleichermaßen wird, wie in 2 dargestellt, ein Vektor Y von Prozessvariablem innerhalb des Prozesses 56 gemessen (z. B. durch Sensoren usw.) und als Rückkopplungssignale an die Prozesssteuerung 54 zur Verwendung bei der Erzeugung der Steuersignale U geliefert. Die Prozesssteuerung 54 kann zudem zusätzliche Eingaben, wie Sollwerte SP und Zustandsvariablen, zur Verwendung bei der Erzeugung der Steuersignale U empfangen und diese Eingaben können durch einen Bediener an der Benutzerschnittstelle 58 erfolgen.
  • In der Praxis stellen die Online-Daten Y, wie sie in dem Prozesses 56 gemessen werden, einen kontinuierlichen oder zumindest häufig aktualisierten Datenstrom dar, der den aktuellen Betriebszustand des Prozesses 56 repräsentiert. Die Prozesssteuerung 54 aggregiert die Online-Daten Y durch Ausführen von Routinen, um normale Prozessvariablenmessungen zu ermitteln und auszuwählen, oder einfach durch Empfangen eines Befehls zum Aggregieren der Online-Daten Y.
  • Zum Beispiel kann die Prozesssteuerung 54 von einem Bediener einen Sollwert empfangen, der angibt, dass die Anlage 10 von einem ersten Betriebszustand in einen in bestimmten Teilen der Anlage 10 eine höhere Temperatur erfordernden zweiten Betriebszustand wechselt. Die Prozesssteuerung 54 kann zudem einen Satz von Online-Daten Y empfangen, die aktuelle physikalische Parameter, wie eine aktuelle Zustandsvariable, zumindest in den bestimmten Teilen der Anlage anzeigen, die die höhere Temperatur erfordern. Die Prozesssteuerung 54 kann sodann den Satz von Online-Daten Y analysieren, um ein oder mehrere Steuersignale U zu erzeugen, die den Betrieb eines oder mehrerer Feldgeräte einstellen (z. B. Ventile öffnen/schließen, Gebläse aktivieren/deaktivieren usw.), so dass sich in den bestimmter Abschnitten der Anlage 10 die höhere Temperatur ergibt. Nachdem die Feldgeräte eingestellt wurden, kann der Prozess 56 (z. B. über die Feldgeräte) an die Prozesssteuerung 54 einen nachfolgenden Satz von Online-Daten Y, einschließlich einer nachfolgenden Zustandsvariablen, übertragen, um die höhere Temperatur in den bestimmten Abschnitten der Anlage 10 zu bestätigen.
  • Jedenfalls kann die Prozesssteuerung 54, nachdem die Prozesssteuerung 54 einen Satz von Online-Daten Y empfängt, den Satz von Online-Daten Y im Speicher (z. B. Speicher 42) speichern. Beispielsweise kann ein Bediener die Benutzerschnittstelle 58 verwenden, um eine Anweisung einzugeben, die die Prozesssteuerung 54 veranlasst, den Satz von Online-Daten Y abzuspeichern. Der Bediener kann zudem eine Anweisung eingeben, mit den Fehlererkennungsoperationen des Fehlererkennungssystems 52 zu beginnen. Das Prozesssteuerungssystem 50 kann sodann alle oder einen Teil der gespeicherten Online-Daten an das Fehlererkennungssystem 52 übertragen, so dass sie bei den Fehlererkennungsoperationen verwendet werden.
  • In der Praxis ist das Fehlererkennungssystem 52 dazu ausgelegt, potenzielle Fehlerzuständen (z. B. „anormale“ Betriebszustände) in der Anlage 10 zu erkennen. Dafür wendet das Fehlererkennungssystem 52 die mathematischen Operationen, durch die die MSET definiert wird, auf die Online-Daten Y an, um ihren entsprechenden Schätzfehlerschwellenwert überschreitende Prozessvariablen in den Online-Daten Y zu identifizieren, und erzeugt für das Prozesssteuerungssystem 50 ein Warnsignal, das anormale Betriebszustände anzeigt.
  • Wie in 2 veranschaulicht, weist das Fehlererkennungssystem 52 ein MSET-Modul 60 und ein Fehlerermittlungsmodul 62 auf. Das MSET-Modul 60 kann im Allgemeinen die MSET unter Verwendung der Online-Daten Y und einer Systemmatrix 64 durchführen, um für jede Prozessvariable geschätzte Daten zu erzeugen. Ferner kann das MSET-Modul 60 Systemmatrizen zur Verwendung in der MSET unter Verwendung eines Systemmatrixtrainingsmodells 66 trainieren.
  • Das Fehlerermittlungsmodul 62 kann feststellen, ob der Prozess 56 unter anormalen Bedingungen arbeitet oder nicht, indem es für jede Prozessvariable Schätzfehler berechnet und diese Schätzfehler mit dem entsprechenden Schätzfehlerschwellenwert vergleicht. Wenn das Fehlerermittlungsmodul 62 feststellt, dass mindestens ein Schätzfehler den entsprechenden Schätzfehlerschwellenwert überschreitet oder anderweitig nicht erfüllt, kann das Modul 62 unter Verwendung eines Models zur Identifizierung fehlerhafter Variablen 68 zudem eine oder mehrere fehlerhafte Variablen identifizieren, die in den Online-Daten Y enthalten sind. Das Fehlerermittlungsmodul 62 kann ferner ein Warnsignal A erzeugen, um einen Benutzer/Bediener darüber zu informieren, dass der Prozess 56 unter anormalen Bedingungen arbeitet, und um den Benutzer/Bediener ferner darüber zu informieren, welche Prozessvariable fehlerhaft sein könnte. Auf diese Weise kann das Fehlerermittlungsmodul 62 einen Bediener auf anormale Betriebszustände des Prozesses 56 aufmerksam machen und es dem Bediener so ermöglichen, Korrekturmaßnahmen zu ergreifen, um Geräteschäden, Gerätefehler, Sequenzstopps oder andere potenzielle Probleme bei der Anlage 10 zu unterbinden.
  • 3 ist ein Flussdiagramm einer verbesserten Methode zur Identifizierung fehlerhafter Variablen 300, die in Online-Daten von Prozessvariablen als Teil eines Fehlererkennungssystems fehlerhafte Variablen identifiziert, um dadurch fehlerhafte Variablen, die sich aus Fehlerzuständen beim Betrieb der Anlage 10 ergeben, zu identifizieren. Das Fehlererkennungssystem 52 aus 2 kann einige oder alle der hier in Bezug auf die Methode zur Identifizierung fehlerhafter Variablen 300 beschriebenen Aktionen verwenden und/oder ausführen und eine oder mehrere Aktionen der Methode zur Identifizierung fehlerhafter Variablen 300 werden hier anhand der 4A-C erläutert. Darüber hinaus wird „Identifizieren“ fehlerhafter Variablen hier so verwendet, dass damit im Allgemeinen das Feststellen, dass eine jeweilige Prozessvariable in den Online-Daten von Prozessvariablen fehlerhaft ist, bezeichnet wird. Der „Ort“ von fehlerhaften Variablen in einer Systemmatrix und das „Auffinden“ von fehlerhaften Variablen in einer Systemmatrix bezieht sich im Allgemeinen darauf, ob eine Systemmatrix Daten enthält, die eine als fehlerhafte Variable identifizierte Variable repräsentieren.
  • Die Methode zur Identifizierung fehlerhafter Variablen 300 kann starten (JA-Zweig des Blocks 302), wenn das Fehlerermittlungsmodul 62 feststellt, dass mindestens ein Schätzfehler einer Prozessvariable in den Online-Daten Y den entsprechenden Schätzfehlerschwellenwert überschreitet oder anderweitig nicht erfüllt. Wenn jedoch der Schätzfehler einer jeden Prozessvariable den entsprechenden Schätzfehlerschwellenwert erfüllt, startet die Methode zur Identifizierung fehlerhafter Variablen 300 möglicherweise nicht (NEIN-Zweig von Block 302). Zum Beispiel kann das Fehlerermittlungsmodul 62 unter Verwendung von in dem Diagramm 400 aus 4A dargestellten Daten ähnlichen Daten feststellen, dass der Schätzfehler für eine Prozessvariable den entsprechenden Fehlerschwellenwert überschreitet oder anderweitig nicht erfüllt. Jedes Prozessvariablen-Diagramm 402a, 402b und 402c repräsentiert Online-Messungen einer jeweiligen Prozessvariablen über die (durch die x-Achse 404 repräsentierte) Zeit. Die y-Achse 406 des Diagramms 402a kann dabei die Last in Megawatt repräsentieren, die y-Achse 408 des Diagramms 402b kann den nach der Verbrennung vorliegenden prozentualen Sauerstoffanteil der Anlage 10 repräsentieren und die y-Achse 410 des Diagramms 402c kann die Pfunde Stickoxide pro einer Million BTU repräsentieren. Der Schätzfehlerschwellenwert kann bei einem Prozent des Datenbereichs liegen und das Fehlerermittlungsmodul 62 erkennt möglicherweise vor dem Messzeitpunkt 300, ab dem die Stickoxidkonzentration kontinuierlich zu steigen beginnt, keine anormalen Betriebszustände. Dies kann beispielsweise eintreten, wenn eine Einrichtung zur Stickoxid-Emissionssteuerung versagt und die Stickoxid-Emissionen nicht wirksam eindämmt. Die Linie mit niedrigeren entsprechenden Werten auf der y-Achsen 410 im Bereich 412 von Interesse zeigt an denselben Messpunkten basierend auf den relativen Niveaus der Last in Diagramm 402a normale Stickoxidkonzentrationsniveaus und die prozentualen Sauerstoffanteile nach der Verbrennung in Diagramm 402b an. Die beobachteten Werte (die durch die Linie mit höheren entsprechenden Werten der y-Achse 410 im Bereich 412 von Interesse angezeigt werden) verbleiben auf einem relativ konstanten erhöhten Niveau 414 über den normalen Werten, durch das der Schätzfehlerschwellenwert von einem Prozent überschritten wird. Dementsprechend kann in diesem Beispiel das Fehlerermittlungsmodul 62 die Methode zur Identifizierung fehlerhafter Variablen 300 starten, um schließlich zu bestimmen, dass es sich bei der Stickoxidkonzentration um die fehlerhafte Prozessvariable handelt.
  • In jedem Fall kann die Methode zur Identifizierung fehlerhafter Variablen 300 die Systemmatrix 302a (z. B. die Systemmatrix 64 der 2) abrufen, um mehrere nachfolgende Aktionen durchzuführen. Jede Spalte der Systemmatrix 302a kann eine Messung jeder Prozessvariablen (z. B. PV1, PV2,..., PVn) des Prozesses zu einem bestimmten Zeitpunkt (z. B. T1, T2,..., TL) während des Online-Betriebs des Verfahrens repräsentieren. Jede Zeile der Systemmatrix 302a kann Messungen einer einzelnen Prozessvariablen des Prozesses zu unterschiedlichen Zeitpunkten während des Online-Betriebs des Prozesses repräsentieren. Sei beispielsweise angenommen, dass ein Prozess n Prozessvariablen aufweist und jede der Prozessvariablen L-mal gemessen wird. Die Systemmatrix 302a kann n x L Einträge aufweisen und jeder Eintrag in der Systemmatrix 302a kann eine Online-Messung einer Prozessvariablen des Prozesses sein. Dementsprechend ist a1,1 eine zu einem ersten Zeitpunkt gemachte Online-Messung einer ersten Prozessvariable, a2,1 ist eine zu einem ersten Zeitpunkt gemachte Online-Messung einer zweiten Prozessvariable, a2,2 ist eine zu einem zweiten Zeitpunkt gemachte Online-Messung der zweiten Prozessvariable usw.
  • Wie bereits erwähnt, pflanzt sich der einer fehlerhaften Variablen zugeordnete Schätzfehler zu den Schätzfehler anderer nicht fehlerhafter Variablen fort, wodurch der Schätzfehler aller Variablen ansteigt. Daher wird die Identifizierung fehlerhafter Variablen immer schwieriger, wenn die Anzahl der gemeinsam mit den fehlerhaften Variablen ausgewerteten Prozessvariablen zunimmt. Um diesen Effekt zu minimieren, wird durch die Methode zur Identifizierung fehlerhafter Variablen 300 die Systemmatrix 302a zerlegt und werden die Prozessvariablen eher paarweise ausgewertet.
  • Dementsprechend wird bei der Methode zur Identifizierung fehlerhafter Variablen 300 damit fortgefahren, für jedes Paar von in der Systemmatrix 302a enthaltenen Prozessvariablen eine neue Matrix zu erstellen (Block 304). Im Allgemeinen wird bei der Methode zur Identifizierung fehlerhafter Variablen 300 die Systemmatrix 302a in mehrere kleinere Matrizen zerlegt, indem die jedem einmaligen Paar von Prozessvariablen entsprechenden Daten in einzelne Matrizen platziert werden. Zur Veranschaulichung enthält jede der neuen Matrizen 304a, 304b und 304c ein einmaliges Paar Prozessvariablendaten. Die neue Matrix 304a enthält alle Prozessvariablendaten aus der Systemmatrix 302a, die den Prozessvariablen eins und zwei entsprechen. Die neue Matrix 304b enthält alle Prozessvariablendaten aus der Systemmatrix 302a, die den Prozessvariablen zwei und vier entsprechen. Die neue Matrix 304c enthält alle Prozessvariablendaten aus der Systemmatrix 302a, die den Prozessvariablen drei und vier entsprechen. Die Methode zur Identifizierung fehlerhafter Variablen 300 erstellt für jedes einmalige Paar von in den Online-Daten Y enthaltenen Prozessvariablen ähnliche Matrizen. Mathematisch wird die Anzahl der neuen von der Methode zur Identifizierung fehlerhafter Variablen 300 in diesem Block erzeugten Matrizen wie folgt beschrieben: n 2 C = n ! ( n − 2 ) ! 2 !
    Figure DE102021133261A1_0001
    wobei C die statistische Operation Kombination repräsentiert und n die Anzahl der Prozessvariablen in den Online-Daten Y repräsentiert.
  • Bei der Methode zur Identifizierung fehlerhafter Variablen 300 wird damit fortgefahren, unter Verwendung einer jeden dieser neuen Matrizen für jedes Paar von Prozessvariablen eine neue Systemmatrix zu trainieren (Block 306). Die Methode zur Identifizierung fehlerhafter Variablen 300 kann beispielsweise das MSET-Modul 60 verwenden, um das Systemmatrixtrainingsmodell 66 anzuwenden, bei dem wiederum jede geeignete Systemmatrix-Trainingsmethode verwendet werden kann. Zum Beispiel kann das Systemmatrixtrainingsmodell 66 unter Verwendung von Vektoren aus der neuen Matrix eine neue Systemmatrix erstellen und kann die MSET unter Verwendung der neuen Systemmatrix auf Online-Daten anwenden, die den zwei in der neuen Matrix enthaltenen Prozessvariablen zugeordnet sind. Natürlich kann das MSET-Modul 60 durch Anwenden des Systemmatrixtrainingsmodells 66 für jedes jeweilige Paar von Prozessvariablen, für das eine neue Matrix erstellt wurde (z. B. 304a-c usw.), eine neue Systemmatrix trainieren.
  • Im Allgemeinen wendet die Methode zur Identifizierung fehlerhafter Variablen 300 über das MSET-Modul 60 die MSET auf Online-Daten gemäß folgender Formel an: X e = D i ⋅ ( D i T ⊗ D i ) − 1 ⋅ ( D i T ⊗ X o )
    Figure DE102021133261A1_0002
    um die geschätzten Daten zu erzeugen, wobei Xo ein beobachteter Vektor in den Online-Daten ist und Xe ein geschätzter Vektor in den geschätzten Daten ist. Für jeden Online-Datensatz, der L beobachtete Vektoren enthält (z. B. Xo,1, Xo,2, Xo,3,..., Xo,L) ermittelt das MSET-Modul 60 L entsprechende geschätzte Vektoren (e.g., Xe,1, Xe,2, Xe,3,..., Xe,L). Es sei angenommen, dass der Online-Datensatz beispielsweise drei beobachtete Vektoren (z. B. Xo,1, Xo,2 und Xo,3) enthält. Durch Anwenden der Systemmatrix auf jeden der beobachteten Vektoren (Xo,1, Xo,2 und Xo,3) gemäß Gleichung (2) ermittelt das MSET-Modul 60 drei entsprechende geschätzte Vektoren (z. B. Xe,1, Xe,2 und Xe,3).
  • Mit diesen neuen Systemmatrizen kann/können die fehlerhafte(n) Variable(n) leichter mittels der Methode zur Identifizierung fehlerhafter Variablen 300 identifiziert werden, indem die Effekte der Schätzfehlerfortpflanzung auf die einzelnen Prozessvariablenpaare isoliert werden. Die Methode zur Identifizierung fehlerhafter Variablen 300 kann als Vorbereitung auf das Auswerten eines jeden Paars von Prozessvariablen für jede Prozessvariable einen Fehlerindex definieren (Block 308), indem die MSET mittels einer jeden jeweiligen Systemmatrix auf Online-Daten angewendet wird, in denen die jeweiligen in der jeweiligen Systemmatrix enthaltenen Prozessvariablen enthalten sind. Der Fehlerindex repräsentiert eine laufende Zählung, wie oft der Schätzfehler, der einer eine jeweilige Prozessvariable enthaltenden Systemmatrix zugeordnet ist, den Schätzfehlerschwellenwert überschreitet oder anderweitig nicht erfüllt. Es sei beispielsweise angenommen, dass der auszuwertende Prozess die in 4A veranschaulichten Prozessvariablen enthält. Zu diesem Zeitpunkt der Methode zur Identifizierung fehlerhafter Variablen 300 hat das MSET-Modul 60 drei neue Systemmatrizen trainiert, einschließlich einer neuen Systemmatrix für Last und nach der Verbrennung vorliegendem prozentualen Sauerstoffanteil, einer neuen Systemmatrix für Last und Stickoxidkonzentration und einer neuen Systemmatrix für den nach der Verbrennung vorliegenden prozentualen Sauerstoffanteil und die Stickoxidkonzentration. Der Fehlerindex einer jeden Prozessvariable kann, da jede Prozessvariable in zwei einmaligen Systemmatrizen vorliegt, von null bis zwei reichen.
  • Durch die Methode zur Identifizierung fehlerhafter Variablen 300 kann sodann unter Verwendung der einzelnen jeweiligen Systemmatrizen die MSET auf Online-Daten angewendet werden, die den jeweiligen in der jeweiligen Systemmatrix enthaltenen Prozessvariablen entsprechen (Block 310). Darüber hinaus kann das Fehlerermittlungsmodul 62 jedes Mal, wenn der Schätzfehler für eine der Variablen den entsprechenden Schätzfehlerschwellenwert überschreitet oder anderweitig nicht erfüllt, den Fehlerindex der beiden jeweiligen Prozessvariablen inkrementieren (Block 312).
  • Um dies zu veranschaulichen kann die Methode zur Identifizierung fehlerhafter Variablen 300, sobald das MSET-Modul 60 die geschätzten Daten berechnet hat, das Fehlerermittlungsmodul 62 verwenden, um für jede Prozessvariable einen QMW-Fehlerwert zu berechnen, indem jeder geschätzte Vektor Xe in den geschätzten Daten mit einem entsprechenden beobachteten Vektor Xo aus den Online-Daten verglichen wird. Im Allgemeinen kann das Fehlerermittlungsmodul 62 für jeden Prozessvariablenwert gemäß der folgenden Formel Differenzwerte erzeugen: Δ i , j = x i , j , est − x i , j , obs
    Figure DE102021133261A1_0003
    wobei i den in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen entspricht und j einer entsprechenden in den Online-Daten (z. B. 1,..., W) enthaltenen Datenprobe entspricht. Das Fehlerermittlungsmodul 62 kann nämlich jeden Online-Datenwert (z. B. X1,1,obs, X1,2,obs, X1,3,obs,..., Xn,W,obs) (die Bezeichnung „obs“ wird im Allgemeinen für beobachtete Daten des Prozesses verwendet) von einem entsprechenden geschätzten Datenwert (z. B. X1,1,est, X1,2,est, X1,3,est,..., Xn,W,est) (die Bezeichnung „est“ wird im Allgemeinen für geschätzte Daten des Prozesses verwendet) subtrahieren, um die einzelnen Differenzwerte zu erzeugen (z. B. Δ1,1, Δ1,2, Δ1,3,..., Δn,W). Zum Beispiel kann das Fehlerermittlungsmodul 62 den Eintrag X1,1,obs von X1,1,est subtrahieren, um den Differenzwert Δ1,1 zu erzeugen. In Ausführungsformen können die Differenzwerte der Schätzfehler sein.
  • Das Fehlerermittlungsmodul 62 kann zudem für jede Prozessvariable gemäß der folgenden Formel den QMW-Fehlerwert berechnen: Erms i ,1 = ∑ j = 1 L ( X e , j ( i ) − X o , j ( i ) ) 2 L
    Figure DE102021133261A1_0004
    wobei i den in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen entspricht. Beispielsweise kann das Fehlerermittlungsmodul 62 für eine erste Prozessvariable (PV1) den QMW-Fehler berechnen, um den QMW-Fehlerwert Erms1,1 zu erzeugen.
  • In der Regel wird der QMW-Fehlerwert als der Schätzfehler verwendet. Dementsprechend kann das Fehlerermittlungsmodul 62 auch den QMW-Fehler einer jeden in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariable mit einem entsprechenden Schätzfehlerschwellenwert (z. B. einem QMW-Fehlerschwellenwert) vergleichen, um zu feststellen, ob QMW-Fehlerwerte den entsprechenden Schätzfehlerschwellenwert überschreiten. Jedenfalls kann das Fehlerermittlungsmodul 62 den einer jeweiligen Prozessvariablen entsprechenden Schätzfehlerschwellenwert von dem der jeweiligen Prozessvariablen entsprechenden QMW-Fehlerwert subtrahieren, um einen Schätzfehlerdifferenzwert zu berechnen. Insbesondere berechnet das Fehlerermittlungsmodul 62 Schätzfehlerdifferenzwerte gemäß folgender Formel: Derr i ,1 = Erms i ,1 − Terr i ,1
    Figure DE102021133261A1_0005
    wobei i den in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen entspricht. Beispielsweise kann das Fehlerermittlungsmodul 62 für eine erste Prozessvariable (PV1) die Schätzfehlerdifferenz berechnen, um den Schätzfehlerdifferenzwert Derr1,1 zu erzeugen.
  • Das Fehlerermittlungsmodul 62 kann sodann feststellen, ob der Schätzfehlerdifferenzwert den Schätzfehlerschwellenwert gemäß der folgenden Beziehung überschreitet oder nicht: 0 < Derr i ,1
    Figure DE102021133261A1_0006
    wobei i den in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen entspricht. Wenn das Fehlerermittlungsmodul 62 unter Verwendung von Gleichung (6) feststellt, dass der Schätzfehlerdifferenzwert für eine jeweilige Prozessvariable größer als null ist, kann das Modul 62 des Weiteren feststellen, dass der Schätzfehlerdifferenzwert den Schätzfehlerschwellenwert überschreitet und somit erhöht das Modul 62 für alle in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen möglicherweise den Fehlerindex. Alternativ kann, wenn das Fehlerermittlungsmodul 62 unter Verwendung von Gleichung (6) feststellt, dass der Schätzfehlerdifferenzwert für eine jeweilige Prozessvariable kleiner als oder gleich null ist, das Modul 62 des Weiteren feststellen, dass der Schätzfehlerdifferenzwert den Schätzfehlerschwellenwert nicht überschreitet und somit erhöht das Modul 62 für alle in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen den Fehlerindex möglicherweise nicht.
  • Selbstverständlich kann jeder geeignete oder gewünschte Fehlerwert verwendet werden. Darüber hinaus kann jede geeignete Metrik als Schätzfehlerschwellenwert verwendet werden. Zum Beispiel kann der Schätzfehlerschwellenwert eine prozentuale Abweichung von einem akzeptablen Bereich bekannter, einer jeweiligen Prozessvariablen entsprechender Werte sein. Wenn das Fehlerermittlungsmodul 62 feststellt, dass der Schätzfehlerwert für eine jeweilige Prozessvariable von dem akzeptablen Bereich bekannter, der jeweiligen Prozessvariablen entsprechender Werte um mehr als die akzeptable prozentuale Abweichung abweicht, erhöht das Fehlerermittlungsmodul 62 möglicherweise den Fehlerindex für alle in der jeweiligen neuen Systemmatrix enthaltenen Prozessvariablen.
  • Das MSET-Modul 60 kann ein obiges Beispiel mit Bezug auf 4A die MSET weiterführend dreimal auf Online-Daten anwendet werden: einmal unter Verwendung der neuen Systemmatrix für die Last und den nach der Verbrennung vorliegenden prozentualen Sauerstoffanteil, einmal unter Verwendung der neuen Systemmatrix für die Last und Stickoxidkonzentration und einmal unter Verwendung der neuen Systemmatrix für den prozentualen Sauerstoffanteil nach der Verbrennung und die Stickoxidkonzentration. Ferner kann das MSET-Modul 60 bei jeder Anwendung der MSET basierend darauf, welche neue Systemmatrix in den MSET-Berechnungen verwendet wird, Teile der in 4A veranschaulichten Online-Daten verwenden. Das heißt, wenn das MSET-Modul 60 die MSET unter Verwendung der neuen Systemmatrix anwendet, die der Last und dem nach der Verbrennung vorliegenden prozentualen Sauerstoffanteil entspricht, kann das MSET-Modul 60 die MSET auf die in den Prozessvariablen-Diagrammen 402a und 402b veranschaulichten Prozessvariablendaten anwenden. Die Ergebnisse dieser Berechnungen sind im Graphen 420 der 4B veranschaulicht. Die Diagramme mit darübergelegten geschätzten Werten 422a und 422b zeigen die Online-Daten aus den Prozessvariablen-Diagrammen 402a und 402b mit den geschätzten Werten darüber gelegt, die sich aus dem MSET-Modul 60 ergeben, wenn die MSET mit der neuen Systemmatrix der Last und des nach der Verbrennung vorliegenden prozentualen Sauerstoffanteils auf die Online-Daten aus den Prozessvariablen-Diagrammen 402a und 402b angewendet wird. Wie aus den Bereichen 424a und 424b von Interesse entnommen werden kann, sind die Schätzungen nahezu mit den Online-Daten identisch und haben von der Eliminierung der mit den Stickoxidkonzentrationsdaten verbundene Fehlerfortpflanzung profitiert. Im Allgemeinen überschreiten die durch den Graphen 420 repräsentierten geschätzten Werte bei keiner der Prozessvariablen den Schätzfehlerschwellenwert und folglich werden der Fehlerindex der Last und des prozentualen Sauerstoffanteils nach der Verbrennung nicht erhöht.
  • Es sei im Gegensatz dazu der Graph 430 der 4C betrachtet, der die Ergebnisse der Anwendung der MSET unter Verwendung der der Last und der Stickoxidkonzentration entsprechenden neuen Systemmatrix auf die in den Prozessvariablen-Diagrammen 402a und 402c veranschaulichten Prozessvariablendaten zeigt. Das Diagramm mit darübergelegten geschätzten Werten 432a ähnelt dem Diagramm mit darübergelegten geschätzten Werten 422a, das ebenfalls Online-Daten und geschätzte Werte für die Last zeigt, aber die Diagramme (das heißt die geschätzten Werte) weichen in den Bereichen 424a und 434a von Interesse aufgrund der sich von den fehlerhaften Werten ausgehend fortpflanzenden Fehler der Stickoxidkonzentration, wie in dem Diagramm mit darübergelegten geschätzten Werten 432b veranschaulicht, ab. Innerhalb des Bereichs 434b von Interesse steigt die Stickoxidkonzentration schnell an und die geschätzten Werte flachen ab, wodurch eine klare Trennung 436 zwischen den beiden Werten entsteht. Die relativ flache Kurve geschätzter Werte repräsentiert einen höchsten Wert, der basierend auf der Beziehung zwischen der Stickoxidkonzentration und der in der neuen Systemmatrix dargestellten Last erwartet wird. In diesem Beispiel überschreiten die im Graphen 430 repräsentierten geschätzten Werte bei beiden Prozessvariablen den Schätzfehlerschwellenwert und folglich wird der Fehlerindex für die Last und für die Stickoxidkonzentration um eins erhöht.
  • Es sei ähnlich dazu der Graph 440 der 4D betrachtet, der die Ergebnisse der Anwendung der MSET unter Verwendung der neuen, dem prozentualen Sauerstoffanteil nach der Verbrennung und der Stickoxidkonzentration entsprechenden Systemmatrix auf die in den Prozessvariablen-Diagrammen 402b und 402c veranschaulichten Prozessvariablendaten zeigt. Das Diagramm mit darübergelegten geschätzten Werten 442a ähnelt dem Diagramm mit darübergelegten geschätzten Werten 422b, das ebenfalls Online-Daten und geschätzte Werte für den prozentualen Sauerstoffanteil nach der Verbrennung zeigt, aber die Diagramme (das heißt die geschätzten Werte) weichen in den Bereichen 424a und 444a von Interesse aufgrund der sich von den fehlerhaften Werten ausgehend fortpflanzenden Fehler der Stickoxidkonzentration, wie in dem Diagramm mit darübergelegten geschätzten Werten 442b veranschaulicht, ab. Innerhalb des Bereichs 444b von Interesse steigt die Stickoxidkonzentration schnell an und die geschätzten Werte flachen ab, wodurch eine klare Trennung 446 zwischen den beiden Werten entsteht. Die relativ flache Kurve geschätzter Werte repräsentiert einen höchsten Wert, der basierend auf der Beziehung zwischen der Stickoxidkonzentration und dem in der neuen Systemmatrix dargestellten prozentualen Sauerstoffanteil nach der Verbrennung erwartet wird. In diesem Beispiel überschreiten die im Graphen 440 repräsentierten geschätzten Werte bei beiden Prozessvariablen den Schätzfehlerschwellenwert und folglich wird der Fehlerindex für den prozentualen Sauerstoffanteil nach der Verbrennung und für die Stickoxidkonzentration um eins erhöht.
  • Die Methode zur Identifizierung fehlerhafter Variablen 300 kann zudem die fehlerhafte Variable basierend auf dem größten jeweiligen Fehlerindex ermitteln (Block 314). In Bezug auf das vorherige Beispiel weisen sowohl die Last als auch der prozentuale Sauerstoffanteil nach der Verbrennung nach der Anwendung aller drei Systemmatrizen unter Verwendung der MSET einen Fehlerindex von eins auf. Die Stickoxidkonzentration hat einen Fehlerindex von zwei und damit den größten Fehlerindex. Dementsprechend kann das Fehlerermittlungsmodul 62 bestimmen, dass es sich bei Stickoxidkonzentration um die fehlerhafte Variable handelt. Natürlich können in Ausführungsformen zwei oder mehr Prozessvariablen den größten jeweiligen Fehlerindex gemein haben und die Methode zur Identifizierung fehlerhafter Variablen 300 kann daher ermitteln, dass zwei oder mehr Prozessvariablen fehlerhafte Variablen sind. Als Reaktion darauf erzeugt das Fehlerermittlungsmodul 62 zudem ein Warnsignal A und überträgt es an die Benutzerschnittstelle 58, um einen Bediener auf den anormalen Betriebszustand und insbesondere auf die fehlerhafte Variable, die die anormalen Betriebszustände verursacht, aufmerksam zu machen. In Ausführungsformen kann das Fehlerermittlungsmodul 62 zudem das Warnsignal A an die Prozesssteuerung 54 übertragen, um ein Steuersignal zu erzeugen oder zu modifizieren, um einen Teil des Prozesses 56 im Hinblick auf die anormalen Betriebszustände und die identifizierte fehlerhafte Variable zu steuern.
  • Die Methode zur Identifizierung fehlerhafter Variablen 300 stellt eine Verbesserung gegenüber herkömmlichen Fehlererkennungsverfahren dar, was zumindest teilweise daran liegt, dass das Verfahren 300 die Genauigkeit herkömmlicher Verfahren erhöht, indem der Fortpflanzungsfehler beseitigt wird, der vorliegt, wenn mehrere Prozessvariablen gemeinsam ausgewertet werden. Auf diese Weise maximiert die Methode 300 die Systemverfügbarkeit und reduziert die Kosten, die mit einem Sequenzstopp oder einem Geräteschaden verbunden sind, indem sie mehr Klarheit hinsichtlich potentieller Quellen anormaler Betriebszustände bereitstellt. Die Anzahl der in einem System enthaltenen Prozessvariablen kann jedoch derart groß sein, dass das Erstellen neuer Matrizen und das Trainieren von Systemmatrizen für alle möglichen Kombinationen zweier Prozessvariablen die Verarbeitungsressourcen des Systems belasten können.
  • Dementsprechend wird in der 5 eine weitere verbesserte Methode zur Auffindung fehlerhafter Variablen 500 dargelegt, die als Teil eines Fehlererkennungssystems einen modifizierten binären Suchalgorithmus durchführt, um in Systemmatrizen fehlerhafte Variablen aufzufinden, um dadurch fehlerhafte Variablen, die Fehlerzustände beim Betrieb der Prozessanlage verursachen, zu identifizieren. Im Allgemeinen zerlegt die verbesserte Methode zur Auffindung fehlerhafter Variablen 500 die Systemmatrix (z. B. die Systemmatrix 64) in zwei gleich große (oder ungefähr gleich große) Matrizen, trainiert die neuen Matrizen, um so zwei neue Systemmatrizen zu erzeugen, wendet die MSET unter Verwendung des neuen Systemmatrizen auf Online-Daten an, stellt fest, ob eine oder beide neue Systemmatrizen für eine fehlerhafte Variable repräsentative Daten enthalten, und führt diese Aktionen iterativ erneut aus, bis die Größe der neuen Systemmatrix klein genug ist, um die verbesserte Methode zur Identifizierung fehlerhafter Variablen 300 durchzuführen. Das Fehlererkennungssystem 52 aus 2 kann einige oder alle der hier in Bezug auf die Methode zur Auffindung fehlerhafter Variablen 500 beschriebenen Aktionen verwenden und/oder ausführen.
  • Die Methode zur Auffindung fehlerhafter Variablen 500 kann starten (JA-Zweig des Blocks 502), wenn das Fehlerermittlungsmodul 62 feststellt, dass mindestens ein Schätzfehler einer Prozessvariable in den Online-Daten den entsprechenden Schätzfehlerschwellenwert überschreitet oder anderweitig nicht erfüllt. Wenn jedoch der Schätzfehler einer jeden Prozessvariable den entsprechenden Schätzfehlerschwellenwert erfüllt, startet die Methode zur Auffindung fehlerhafter Variablen 500 möglicherweise nicht (NEIN-Zweig von Block 502). Zum Beispiel kann das Fehlerermittlungsmodul 62 unter Verwendung von bereits in Bezug auf das Diagramm 400 aus 4A diskutierten Daten ähnlichen Daten feststellen, dass der Schätzfehler für eine Prozessvariable den entsprechenden Fehlerschwellenwert überschreitet oder anderweitig nicht erfüllt.
  • Wenn das Fehlerermittlungsmodul 62 einen anormalen Betriebszustand identifiziert, kann das Modul 62 damit fortfahren, die aktuelle Systemmatrix (z. B. die Systemmatrix 64) in eine erste neue Matrix 504a und eine zweite neue Matrix 504b zu teilen (Block 504). Wie veranschaulicht, kann die erste neue Matrix 504a eine erste Hälfte der in der aktuellen Systemmatrix enthaltenen Datenzeilen enthalten und die zweite neue Matrix 504b kann die verbleibenden in der aktuellen Systemmatrix enthaltenen Datenzeilen enthalten. Es sei beispielsweise angenommen, dass die aktuelle Systemmatrix zehn Datenzeilen enthält, wobei jede Zeile Daten repräsentiert, die einer eindeutigen Prozessvariablen entsprechen. Bei Block 504 kann das Fehlerermittlungsmodul 62 die aktuelle Systemmatrix so teilen, dass mit den ersten fünf Datenzeilen (z. B. Zeilen 1-5) die erste neue Matrix 504a und mit zweiten fünf Datenzeilen (z. B. Zeilen 6-10) die zweite neue Matrix 504b befüllt wird. Wenn die aktuelle Systemmatrix eine ungerade Anzahl von Datenzeilen enthält, kann das Fehlerermittlungsmodul 62 natürlich entweder in die erste neue Matrix 504a oder die zweite neue Matrix 504b eine zusätzliche Datenzeile schreiben. Darüber hinaus ist zu berücksichtigen, dass es sich bei der Methode zur Auffindung fehlerhafter Variablen 500 um einen iterativen Prozess handelt, so dass die Bezeichnung „aktuelle“ Systemmatrix darauf verweist, dass die Methode 500 anormale Betriebszustände (z. B. eine fehlerhafte Variable) in dieser Matrix bei einer jeweiligen Iteration der Methode 500 identifiziert hat.
  • Die Methode zur Auffindung fehlerhafter Variablen 500 kann zudem eine erste neue Systemmatrix und eine zweite neue Systemmatrix unter Verwendung der ersten neuen Matrix bzw. der zweiten neuen Matrix trainieren (Block 506). Die Methode zur Auffindung fehlerhafter Variablen 500 kann beispielsweise das MSET-Modul 60 verwenden, um das Systemmatrixtrainingsmodell 66 anzuwenden, bei dem wiederum, wie bereits erläutert, jede geeignete Systemmatrix-Trainingsmethode verwendet werden kann. Danach kann die Methode zur Auffindung fehlerhafter Variablen 500 die MSET unter Verwendung der ersten neuen Systemmatrix und erneuter Verwendung der zweiten neuen Systemmatrix auf Online-Daten anwenden, um geschätzte Daten zu erhalten, die aus einem Satz erster neuer geschätzter Daten bzw. einem Satz zweiter neuer geschätzter Daten bestehen (Block 508).
  • Sobald das MSET-Modul 60 die geschätzten Daten berechnet, stellt die Methode zur Auffindung fehlerhafter Variablen 500 fest, ob in dem Satz erster neuer geschätzter Daten anormale Betriebszustände vorliegen oder nicht, um daraufhin festzustellen, welche neue Systemmatrix für die fehlerhafte(n) Variable(n) repräsentative Daten enthält (Block 510). Das heißt, wenn das Fehlerermittlungsmodul 62 einen Schätzfehler für jede Prozessvariable in dem Satz erster neuer geschätzter Daten berechnet und feststellt, dass jeder geschätzte Fehler den entsprechenden Schätzfehlerschwellenwert erfüllt (NEIN-Zweig des Blocks 510), dann kann das Fehlerermittlungsmodul 62 bestimmen, dass die für die fehlerhafte(n) Variable(n) repräsentativen Daten in der zweiten neuen Systemmatrix enthalten sind. Wenn das Fehlerermittlungsmodul 62 einen Schätzfehler für jede Prozessvariable in dem Satz erster neuer geschätzter Daten berechnet und feststellt, dass zumindest ein geschätzter Fehler den entsprechenden Schätzfehlerschwellenwert nicht erfüllt (JA-Zweig des Blocks 510), dann kann entsprechend das Fehlerermittlungsmodul 62 bestimmen, dass die für die fehlerhafte(n) Variable(n) repräsentativen Daten in der ersten neuen Systemmatrix enthalten sind. Falls sowohl die erste neue Systemmatrix als auch die zweite neue Systemmatrix für mindestens eine fehlerhafte Variable repräsentative Daten enthalten, kann die Methode zur Auffindung fehlerhafter Variablen 500 beide neuen Systemmatrizen gemäß den nachfolgenden hier beschrieben Aktionen parallel oder nacheinander auswerten.
  • Dessen ungeachtet muss, wenn die Methode zur Auffindung fehlerhafter Variablen 500 die für eine fehlerhafte Variable repräsentative Daten enthaltende, neue Systemmatrix identifiziert, die Methode 500 daraufhin feststellen, ob die identifizierte neue Systemmatrix einen Größenschwellenwert erfüllt oder nicht, so dass die Methode zur Identifizierung fehlerhafter Variablen 300 eine ausreichende Auflösung aufweist, um die fehlerhafte(n) Variable(n) in der identifizierten neuen Systemmatrix schnell und effizient zu identifizieren. Wie bereits erwähnt, besteht das übergreifende Ziel der Methode zur Auffindung fehlerhafter Variablen 500 darin, den Ort der Daten zu feststellen, die die in der aktuellen Systemmatrix (z. B. Systemmatrix 64) enthaltene(n) fehlerhafte(n) Variable(n) repräsentieren, so dass die Methode zur Identifizierung fehlerhafter Variablen 300 erkennen kann, welche Variable in den Online-Daten fehlerhaft ist. Die Methode zur Identifizierung fehlerhafter Variablen 300 erfordert jedoch zum Identifizieren fehlerhafter Variablen eine Schwellenwertauflösung, die allgemein als eine Systemmatrix definiert werden kann, die für mindestens eine fehlerhafte Variable repräsentative Daten enthält und Daten aufweisen muss, die eine entsprechende Anzahl von normalen Variablen repräsentieren, damit die Methode 300 die fehlerhafte(n) Variable(n) identifizieren kann. Dementsprechend besteht ein konkreteres Ziel der Methode zur Auffindung fehlerhafter Variablen 500 darin, die für die fehlerhafte(n) Variable(n) repräsentativen Daten in der aktuellen Systemmatrix aufzufinden und gleichzeitig der Methode zur Identifizierung fehlerhafter Variablen 300 eine ausreichende Auflösung bereitzustellen, um die fehlerhafte(n) Variable(n) in den Online-Daten zu identifizieren.
  • Es sei auf ein vorstehendes Beispiel bezugnehmend angenommen, dass die durch die Methode zur Identifizierung fehlerhafter Variablen 300 ausgewertete Systemmatrix für drei Prozessvariablen repräsentative Daten enthält, von denen eine fehlerhaft ist und zwei nicht fehlerhaft sind. Die Methode zur Identifizierung fehlerhafter Variablen 300 kann unter Verwendung jeder möglichen einmaligen Kombination aus zwei der drei Prozessvariablen drei Miniatursystemmatrizen erzeugen und die Methode 300 weist somit eine ausreichende Auflösung auf, um die fehlerhafte Prozessvariable zu identifizieren, da sie einen Fehlerindex von zwei hat, während die beiden normalen Prozessvariablen jeweils einen Fehlerindex von eins haben.
  • In einem weiteren Beispiel sei angenommen, dass eine durch die Methode zur Identifizierung fehlerhafter Variablen 300 ausgewertete Systemmatrix für fünf Prozessvariablen repräsentative Daten, zwei fehlerhafte Variablen und drei nicht fehlerhafte Variablen, enthält. Die Methode zur Identifizierung fehlerhafter Variablen 300 kann unter Verwendung jeder möglichen einmaligen Kombination aus zwei der fünf Prozessvariablen zehn neue Miniatursystemmatrizen erzeugen. Somit weist die Methode zur Identifizierung fehlerhafter Variablen 300 eine ausreichende Auflösung auf, um die zwei fehlerhaften Prozessvariablen zu identifizieren, da beide einen Fehlerindex von vier haben, während die drei nicht fehlerhaften Prozessvariablen jeweils einen Fehlerindex von zwei haben.
  • In noch einem weiteren Beispiel sei angenommen, dass eine durch die Methode zur Identifizierung fehlerhafter Variablen 300 ausgewertete Systemmatrix für drei Prozessvariablen repräsentative Daten, zwei fehlerhafte Variablen und eine nicht fehlerhafte Variable, enthält. Die Methode zur Identifizierung fehlerhafter Variablen 300 kann unter Verwendung jeder möglichen einmaligen Kombination aus zwei der drei Prozessvariablen drei neue Miniatursystemmatrizen erzeugen. Somit weist die Methode zur Identifizierung fehlerhafter Variablen 300 keine ausreichende Auflösung auf, um die zwei fehlerhaften Prozessvariablen zu identifizieren, da alle drei Prozessvariablen einen Fehlerindex von drei haben.
  • Unter der Annahme, dass die Methode zur Auffindung fehlerhafter Variablen 500 in den zum Erzeugen der ersten neuen geschätzten Vektoren verwendeten Online-Daten anormale Betriebszustände erkennt, kann das Verfahren 500 daher feststellen, ob die erste neue Systemmatrix den Größenschwellenwert erfüllt oder nicht erfüllt, um der Methode zur Identifizierung fehlerhafter Variablen 300 eine ausreichende Auflösung bereitzustellen, um die fehlerhafte(n) Variable(n) zu identifizieren (Block 512). Wie in Block 512 der 5 veranschaulicht, beträgt der Größenschwellenwert fünf, aber selbstverständlich kann der Größenschwellenwert jede geeignete Zahl größer oder gleich drei sein. Wenn die erste neue Systemmatrix den Größenschwellenwert erfüllt (z. B. Daten enthält, die für bis zu fünf Prozessvariablen repräsentativ sind), fährt die Methode zur Auffindung fehlerhafter Variablen 500 damit fort, die erste neue Systemmatrix gemäß der Methode zur Identifizierung fehlerhafter Variablen 300 zu verwenden (JA-Zweig von Block 512). Wenn die erste neue Systemmatrix den Größenschwellenwert nicht erfüllt (NEIN-Zweig von Block 512), legt die Methode zur Auffindung fehlerhafter Variablen 500 alternativ die erste neue Systemmatrix als die aktuelle Systemmatrix fest (Block 514) und kehrt zum Block 504 zurück.
  • Natürlich erkennt die Methode zur Auffindung fehlerhafter Variablen 500 in den Online-Daten möglicherweise keine anormalen Betriebszustände, so dass möglicherweise das Verfahren 500 feststellt, ob die zweite neue Systemmatrix den Größenschwellenwert erfüllt oder nicht erfüllt, um der Methode zur Identifizierung fehlerhafter Variablen 300 eine ausreichende Auflösung bereitzustellen, um die fehlerhafte(n) Variable(n) zu identifizieren (Block 516). Wenn die zweite neue Systemmatrix den Größenschwellenwert erfüllt (z. B.
  • Daten enthält, die für bis zu fünf Prozessvariablen repräsentativ sind), fährt die Methode zur Auffindung fehlerhafter Variablen 500 damit fort, die zweite neue Systemmatrix gemäß der Methode zur Identifizierung fehlerhafter Variablen 300 zu verwenden (JA-Zweig von Block 516). Wenn die zweite neue Systemmatrix den Größenschwellenwert nicht erfüllt (NEIN-Zweig von Block 516), legt die Methode zur Auffindung fehlerhafter Variablen 500 alternativ die zweite neue Systemmatrix als die aktuelle Systemmatrix fest (Block 518) und kehrt zum Block 504 zurück.
  • Auf diese Weise kann die Methode zur Auffindung fehlerhafter Variablen 500 der 5 die Verarbeitungslasten für das Fehlererkennungssystem 52 verringern, die sich aus den großen Mengen von in einer Systemmatrix enthaltenen Prozessvariablen ergeben. Durch die Methode zur Auffindung fehlerhafter Variablen 500 wird durch iteratives Halbieren der Systemmatrix, Feststellen, ob eine oder beide Hälften eine fehlerhafte Variable enthalten, und Eliminieren einer Hälfte aus der Betrachtung, wenn sich in ihr keine fehlerhafte Variable befindet, eine große Anzahl von Prozessvariablen schnell aus der Betrachtung ausgeschlossen. Folglich werden, wenn die Methode zur Identifizierung fehlerhafter Variablen 300 die Systemmatrix empfängt, um die fehlerhafte Variable zu identifizieren, die Verarbeitungsressourcen, die zum Erstellen, Trainieren und Verwenden der Miniatursystemmatrizen erforderlich sind, erheblich reduziert.
  • Nach der Implementierung kann jede der hier beschriebenen Simulationssoftware in jedem computerlesbaren Speicher, z. B. auf einer Magnetplatte, einer Laserplatte oder einem anderen Speichermedium, in einem RAM oder ROM eines Computers oder Prozessors usw. gespeichert werden. Gleichermaßen kann diese Software an einen Benutzer, eine Prozessanlage oder eine Bediener-Arbeitsstation unter Verwendung jedes bekannten oder gewünschten Übermittlungsverfahrens geliefert werden, einschließlich z. B. auf einer computerlesbaren Platte oder einem anderen transportablen Computerspeichermechanismus oder über einen Kommunikationskanal wie eine Telefonleitung, das Internet, das World Wide Web, ein anderes lokales Netzwerk oder ein Weitverkehrsnetzwerk usw. (wobei die Übermittlung als gleich oder austauschbar mit der Bereitstellung dieser Software über ein transportables Speichermedium angesehen wird). Darüber hinaus kann diese Software direkt ohne Modulation oder Verschlüsselung bereitgestellt werden, oder sie kann vor der Übertragung über einen Kommunikationskanal mit jeder geeigneten Modulationsträgerwelle und/oder Verschlüsselungstechnik moduliert und/oder verschlüsselt werden.
  • Obwohl die vorliegende Erfindung unter Bezugnahme auf spezifische Beispiele beschrieben wurde, die nur veranschaulichend sein und die Erfindung nicht einschränken sollen, ist es für den Durchschnittsfachmann offensichtlich, dass Änderungen, Hinzufügungen oder Streichungen zu den offenbarten Ausführungsformen möglich sind, ohne vom Geist und Umfang der Erfindung abzuweichen.

Claims (16)

  1. System zum Identifizieren fehlerhafter Variablen in einen Online-Betrieb eines Prozesses darstellenden Online-Daten, Folgendes umfassend: eine mit dem Prozess gekoppelte Prozesssteuerung zur Steuerung des Prozesses; und ein Fehlererkennungssystem zum Identifizieren fehlerhafter Variablen in von der Prozesssteuerung empfangenen Online-Daten, wobei das Fehlererkennungssystem dazu eingerichtet ist: einen anormalen Betriebszustand des Prozesses zu erkennen, indem eine Methode zur multivariaten Zustandsschätzung (MSET) unter Verwendung einer Systemmatrix auf die Online-Daten angewendet wird; für jedes einmalige Paar von durch in der Systemmatrix enthaltene Daten repräsentierte Prozessvariablen eine jeweilige neuen Matrix zu erstellen; für jedes einmalige Paar von Prozessvariablen unter Verwendung der jeweiligen neuen Matrix eine jeweiligen Miniatursystemmatrix zu trainieren; für jede in der Systemmatrix enthaltene Prozessvariable einen jeweiligen Fehlerindex zu definieren; für jedes einmalige Paar von Prozessvariablen geschätzte Daten zu ermitteln, indem die MSET unter Verwendung der jeweiligen Miniatursystemmatrix auf einen entsprechenden Teil der Online-Daten angewendet wird, den jeweiligen Fehlerindex beider in einem einmaligen Paar von Prozessvariablen enthaltenen Prozessvariablen zu inkrementieren, wenn ein Schätzfehler, der bei einer der in dem einmaligen Paar enthaltenen Prozessvariablen den geschätzten Daten entspricht, einen entsprechenden Schätzfehlerschwellenwert überschreitet, und eine fehlerhafte Variable zu identifizieren, indem eine jeweilige Prozessvariable mit dem größten Fehlerindex ermittelt wird.
  2. System nach Anspruch 1, ferner umfassend eine kommunikativ mit der Prozesssteuerung und dem Fehlererkennungssystem gekoppelte Benutzerschnittstelle, wobei das Fehlererkennungssystem ferner dazu eingerichtet ist: ein Warnsignal zu erzeugen, das auf die fehlerhafte Variable verweist; und das Warnsignal an die Benutzerschnittstelle zu übertragen, um es einem Benutzer anzuzeigen.
  3. System nach Anspruch 1 oder 2, insbesondere nach Anspruch 1, wobei die jeweilige neue Matrix für jedes einmalige Paar von Prozessvariablen Daten aus der Systemmatrix enthält, die beiden jeweiligen Prozessvariablen, die in dem einmaligen Paar von Prozessvariablen enthalten sind, zugeordnet sind.
  4. System nach einem der Ansprüche 1 bis 3, insbesondere nach Anspruch 1, wobei der jeweilige Teil der Online-Daten, der verwendet wird, um für jedes einmalige Paar von Prozessvariablen die geschätzten Daten zu ermitteln, Online-Daten enthält, die den beiden in dem einmaligen Paar von Prozessvariablen enthaltenen Prozessvariablen entsprechen.
  5. System nach einem der Ansprüche 1 bis 4, insbesondere nach Anspruch 1, wobei der den geschätzte Daten entsprechende Schätzfehler ein Fehler des quadratischen Mittelwerts (QMW-Fehler) ist und der entsprechende Schätzfehlerschwellenwert ein QMW-Fehlerschwellenwert ist.
  6. System nach einem der Ansprüche 1 bis 5, insbesondere nach Anspruch 1, wobei der größte Fehlerindex zwei oder mehr Prozessvariablen entspricht.
  7. System nach einem der Ansprüche 1 bis 6, insbesondere nach Anspruch 1, wobei das Fehlererkennungssystem ferner dazu eingerichtet ist: (a) eine aktuelle Systemmatrix in eine erste neue Matrix und eine zweite neue Matrix zu teilen; (b) eine erste Systemmatrix unter Verwendung der ersten neuen Matrix zu trainieren; (c) eine zweite Systemmatrix unter Verwendung der zweiten neuen Matrix zu trainieren; (d) einen ersten Satz geschätzter Daten zu ermitteln, indem die MSET unter Verwendung der ersten Systemmatrix auf einen jeweiligen Teil der Online-Daten angewendet wird; (e) durch Vergleichen des ersten Satzes geschätzter Daten mit dem jeweiligen Abschnitt der Online-Daten festzustellen, ob in dem jeweiligen Teil der Online-Daten anormale Betriebszustände vorliegen oder nicht; (f) als Reaktion auf das Feststellen, dass in dem jeweiligen Teil der Online-Daten anormale Betriebszustände vorliegen: festzustellen, ob eine Größe der ersten Systemmatrix einen Größenschwellenwert erfüllt oder nicht, und als Reaktion auf das Feststellen, dass die Größe der ersten Systemmatrix den Größenschwellenwert nicht erfüllt, die erste Systemmatrix als die aktuelle Systemmatrix festzulegen, und (g) als Reaktion auf das Feststellen, dass in dem jeweiligen Teil der Online-Daten normale Betriebszustände vorliegen: festzustellen, ob eine Größe der zweiten Systemmatrix den Größenschwellenwert erfüllt oder nicht, und als Reaktion auf das Feststellen, dass die Größe der zweiten Systemmatrix den Größenschwellenwert nicht erfüllt, die zweite Systemmatrix als die aktuelle Systemmatrix festzulegen; und (h) die Schritte (a)-(h) iterativ auszuführen, bis die Größe der ersten Systemmatrix oder die Größe der zweiten Systemmatrix den Größenschwellenwert erfüllt, und/oder wobei die erste neue Matrix für einen ersten Teil der in der aktuellen Systemmatrix enthaltenen Prozessvariablen repräsentative Daten enthält und die zweite neue Matrix für einen zweiten Teil der in der aktuellen Systemmatrix enthaltenen Prozessvariablen repräsentative Daten enthält, wobei sich der zweite Teil vom ersten Teil unterscheidet, und/oder wobei die Größe der ersten Systemmatrix einer jeweiligen Anzahl von Prozessvariablen aus der aktuellen Systemmatrix entspricht, die in den Daten der ersten Systemmatrix repräsentiert sind, und die Größe der zweiten Systemmatrix einer jeweiligen Anzahl von Prozessvariablen aus der aktuellen Systemmatrix entspricht, die in den Daten der zweiten Systemmatrix repräsentiert sind, und/oder wobei der Größenschwellenwert 5 Prozessvariablen ist.
  8. Verfahren zum Identifizieren fehlerhafter Variablen in einen Online-Betrieb eines Prozesses darstellenden Online-Daten, Folgendes umfassend: Empfangen der Online-Daten von einer Prozesssteuerung; Erkennen eines anormalen Betriebszustand des Prozesses, indem eine Methode zur multivariaten Zustandsschätzung (MSET) unter Verwendung einer Systemmatrix auf die Online-Daten angewendet wird; Erstellen einer jeweiligen neuen Matrix für jedes einmalige Paar von durch in der Systemmatrix enthaltene Daten repräsentierte Prozessvariablen; Trainieren einer jeweiligen Miniatursystemmatrix für jedes einmalige Paar von Prozessvariablen unter Verwendung der jeweiligen neuen Matrix; Definieren eines jeweiligen Fehlerindex für jede in der Systemmatrix enthaltene Prozessvariable; Ermitteln geschätzter Daten für jedes einmalige Paar von Prozessvariablen, indem die MSET unter Verwendung der jeweiligen Miniatursystemmatrix auf einen entsprechenden Teil der Online-Daten angewendet wird; Inkrementieren des jeweiligen Fehlerindex beider in einem einmaligen Paar von Prozessvariablen enthaltenen Prozessvariablen, wenn ein Schätzfehler, der bei einer der in dem einmaligen Paar enthaltenen Prozessvariablen den geschätzten Daten entspricht, einen entsprechenden Schätzfehlerschwellenwert überschreitet; und Identifizieren einer fehlerhaften Variable, indem eine jeweilige Prozessvariable mit dem größten Fehlerindex ermittelt wird.
  9. Verfahren nach Anspruch 8, ferner Folgendes umfassend: Erzeugen eines Warnsignals, das auf die fehlerhafte Variable verweist; und Übertragen des Warnsignals an eine Benutzerschnittstelle, um es einem Benutzer anzuzeigen.
  10. Verfahren nach Anspruch 8 oder 9, insbesondere nach Anspruch 8, wobei die jeweilige neue Matrix für jedes einmalige Paar von Prozessvariablen Daten aus der Systemmatrix enthält, die beiden jeweiligen Prozessvariablen, die in dem einmaligen Paar von Prozessvariablen enthalten sind, zugeordnet sind.
  11. Verfahren nach einem der Ansprüche 8 bis 10, insbesondere nach Anspruch 8, wobei der jeweilige Teil der Online-Daten, der verwendet wird, um für jedes einmalige Paar von Prozessvariablen die geschätzten Daten zu ermitteln, Online-Daten enthält, die den beiden in dem einmaligen Paar von Prozessvariablen enthaltenen Prozessvariablen entsprechen.
  12. Verfahren nach einem der Ansprüche 8 bis 11, insbesondere nach Anspruch 8, wobei der den geschätzte Daten entsprechende Schätzfehler ein Fehler des quadratischen Mittelwerts (QMW-Fehler) ist und der entsprechende Schätzfehlerschwellenwert ein QMW-Fehlerschwellenwert ist.
  13. Verfahren nach einem der Ansprüche 8 bis 12, insbesondere nach Anspruch 8, wobei der größte Fehlerindex zwei oder mehr Prozessvariablen entspricht.
  14. Verfahren nach einem der Ansprüche 8 bis 13, insbesondere nach Anspruch 8, ferner Folgendes umfassend: (a) Teilen einer aktuellen Systemmatrix in eine erste neue Matrix und eine zweite neue Matrix; (b) Trainieren einer ersten Systemmatrix unter Verwendung der ersten neuen Matrix; (c) Trainieren einer zweiten Systemmatrix unter Verwendung der zweiten neuen Matrix; (d) Ermitteln eines ersten Satzes geschätzter Daten, indem die MSET unter Verwendung der ersten Systemmatrix auf einen jeweiligen Teil der Online-Daten angewendet wird; (e) durch Vergleichen des ersten Satzes geschätzter Daten mit dem jeweiligen Abschnitt der Online-Daten Feststellen, ob in dem jeweiligen Teil der Online-Daten anormale Betriebszustände vorliegen oder nicht; (f) als Reaktion auf das Feststellen, dass in dem jeweiligen Teil der Online-Daten anormale Betriebszustände vorliegen: Feststellen, ob eine Größe der ersten Systemmatrix einen Größenschwellenwert erfüllt oder nicht, und als Reaktion auf das Feststellen, dass die Größe der ersten Systemmatrix den Größenschwellenwert nicht erfüllt, Festlegen der ersten Systemmatrix als die aktuelle Systemmatrix, und (g) als Reaktion auf das Feststellen, dass in dem jeweiligen Teil der Online-Daten normale Betriebszustände vorliegen: Feststellen, ob eine Größe der zweiten Systemmatrix den Größenschwellenwert erfüllt oder nicht, und als Reaktion auf das Feststellen, dass die Größe der zweiten Systemmatrix den Größenschwellenwert nicht erfüllt, Festlegen der zweiten Systemmatrix als die aktuelle Systemmatrix; und (h) iteratives Ausführen der Schritte (a)-(h), bis die Größe der ersten Systemmatrix oder die Größe der zweiten Systemmatrix den Größenschwellenwert erfüllt, und/oder wobei die erste neue Matrix für einen ersten Teil der in der aktuellen Systemmatrix enthaltenen Prozessvariablen repräsentative Daten enthält und die zweite neue Matrix für einen zweiten Teil der in der aktuellen Systemmatrix enthaltenen Prozessvariablen repräsentative Daten enthält, wobei sich der zweite Teil vom ersten Teil unterscheidet, und/oder wobei die Größe der ersten Systemmatrix einer jeweiligen Anzahl von Prozessvariablen aus der aktuellen Systemmatrix entspricht, die in den Daten der ersten Systemmatrix repräsentiert sind, und die Größe der zweiten Systemmatrix einer jeweiligen Anzahl von Prozessvariablen aus der aktuellen Systemmatrix entspricht, die in den Daten der zweiten Systemmatrix repräsentiert sind.
  15. Verfahren zum Auffinden fehlerhafter Variablen in einen Online-Betrieb eines Prozesses darstellenden Online-Daten, Folgendes umfassend: Empfangen der Online-Daten von einer Prozesssteuerung; Erkennen eines anormalen Betriebszustand des Prozesses, indem eine Methode zur multivariaten Zustandsschätzung (MSET) unter Verwendung einer aktuellen Systemmatrix auf die Online-Daten angewendet wird; (a) Teilen der aktuellen Systemmatrix in eine erste neue Matrix und eine zweite neue Matrix; (b) Trainieren einer ersten Systemmatrix unter Verwendung der ersten neuen Matrix; (c) Trainieren einer zweiten Systemmatrix unter Verwendung der zweiten neuen Matrix; (d) Ermitteln eines ersten Satzes geschätzter Daten, indem die MSET unter Verwendung der ersten Systemmatrix auf einen jeweiligen Teil der Online-Daten angewendet wird; (e) durch Vergleichen des ersten Satzes geschätzter Daten mit dem jeweiligen Abschnitt der Online-Daten Feststellen, ob in dem jeweiligen Teil der Online-Daten anormale Betriebszustände vorliegen oder nicht; (f) als Reaktion auf das Feststellen, dass in dem jeweiligen Teil der Online-Daten anormale Betriebszustände vorliegen: Feststellen, ob eine Größe der ersten Systemmatrix einen Größenschwellenwert erfüllt oder nicht, und als Reaktion auf das Feststellen, dass die Größe der ersten Systemmatrix den Größenschwellenwert nicht erfüllt, Festlegen der ersten Systemmatrix als die aktuelle Systemmatrix, und (g) als Reaktion auf das Feststellen, dass in dem jeweiligen Teil der Online-Daten normale Betriebszustände vorliegen: Feststellen, ob eine Größe der zweiten Systemmatrix den Größenschwellenwert erfüllt oder nicht, und als Reaktion auf das Feststellen, dass die Größe der zweiten Systemmatrix den Größenschwellenwert nicht erfüllt, Festlegen der zweiten Systemmatrix als die aktuelle Systemmatrix; (h) iteratives Ausführen der Schritte (a)-(h), bis die Größe der ersten Systemmatrix oder die Größe der zweiten Systemmatrix den Größenschwellenwert erfüllt.
  16. Computer-lesbares Speichermedium, welches Instruktionen enthält, die mindestens einen Prozessor dazu veranlassen, ein Verfahren nach einem der Ansprüche 8 bis 15 zu implementieren, wenn die Instruktionen durch mindestens einen Prozessor ausgeführt werden.
DE102021133261.3A 2020-12-23 2021-12-15 Verbesserte methode zur erkennung fehlerhafter variablen für datengesteuerte fehlererkennung in einer prozessanlage Pending DE102021133261A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/132,687 US11966217B2 (en) 2020-12-23 2020-12-23 Faulty variable identification technique for data-driven fault detection within a process plant
US17/132,687 2020-12-23

Publications (1)

Publication Number Publication Date
DE102021133261A1 true DE102021133261A1 (de) 2022-06-23

Family

ID=80461177

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021133261.3A Pending DE102021133261A1 (de) 2020-12-23 2021-12-15 Verbesserte methode zur erkennung fehlerhafter variablen für datengesteuerte fehlererkennung in einer prozessanlage

Country Status (5)

Country Link
US (1) US11966217B2 (de)
CN (1) CN114661025A (de)
CA (1) CA3143122A1 (de)
DE (1) DE102021133261A1 (de)
GB (1) GB2607652A (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115933604A (zh) * 2022-12-20 2023-04-07 广东石油化工学院 基于数据驱动的故障检测与预测控制方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4937763A (en) 1988-09-06 1990-06-26 E I International, Inc. Method of system state analysis
US5764509A (en) 1996-06-19 1998-06-09 The University Of Chicago Industrial process surveillance system
US6609036B1 (en) 2000-06-09 2003-08-19 Randall L. Bickford Surveillance system and method having parameter estimation and operating mode partitioning
US6917839B2 (en) 2000-06-09 2005-07-12 Intellectual Assets Llc Surveillance system and method having an operating mode partitioned fault classification model
US20180146879A9 (en) * 2004-08-30 2018-05-31 Kalford C. Fadem Biopotential Waveform Data Fusion Analysis and Classification Method
US9574903B2 (en) * 2013-12-19 2017-02-21 Uchicago Argonne, Llc Transient multivariable sensor evaluation
AU2016361466B2 (en) * 2015-11-25 2021-07-01 Aquatic Informatics Inc. Environmental monitoring systems, methods and media
US11500365B2 (en) * 2019-09-15 2022-11-15 Oracle International Corporation Anomaly detection using MSET with random projections

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115933604A (zh) * 2022-12-20 2023-04-07 广东石油化工学院 基于数据驱动的故障检测与预测控制方法
CN115933604B (zh) * 2022-12-20 2023-11-07 广东石油化工学院 基于数据驱动的故障检测与预测控制方法

Also Published As

Publication number Publication date
US11966217B2 (en) 2024-04-23
US20220197260A1 (en) 2022-06-23
CA3143122A1 (en) 2022-06-23
CN114661025A (zh) 2022-06-24
GB2607652A (en) 2022-12-14

Similar Documents

Publication Publication Date Title
CN102520717B (zh) 用于在加工厂中预防异常状况的数据呈现系统
DE102020118259A1 (de) Echtzeitsteuerung unter verwendung der gerichteten vorhersage-simulation innerhalb eines steuerungssystems einer prozessanlage
DE102004015617B4 (de) Online-Geräteprüfblock, der in ein Prozeßsteuerungs-/Sicherheitssystem integriert ist
DE10021698B4 (de) Auf einem einzelnen Computer realisierte integrierende Funktionalität für ein verteiltes Prozessregelsystem
EP3279756B1 (de) Diagnoseeinrichtung und verfahren zur überwachung des betriebs einer technischen anlage
DE60205356T2 (de) System, vorrichtung und verfahren zur diagnose eines strömungssystems
DE102014109033A1 (de) Nicht intrusive datenanalyse in einem prozesssteuerungssystem
DE102010037159A1 (de) Verfahren und Vorrichtungen zur Verwaltung von Prozesssteuersystemtests
US8145358B2 (en) Method and system for detecting abnormal operation of a level regulatory control loop
DE102004011162A1 (de) Verknüpfungsautomatik von Prozess-Ereignisdaten zu einem Datenarchivsystem
WO2009027211A1 (de) Verfahren zum verbessern einer diagnosefunktion eines feldgerätes
DE112016004630T5 (de) System und Verfahren zum Bereitstellen einer Visualisierung von Sicherheitsereignissen eines Prozessleitsystems im Zeitverlauf
EP3591482A1 (de) Überwachung einer technischen anlage
DE102020116200A1 (de) Verbessertes arbeitsauftrags-generierungs- und -verfolgungssystem
DE112008003195T5 (de) Elektrischer Schaltkreis mit einem physikalischen Übertragungsschicht-Diagnosesystem
DE112020007099T5 (de) Verbesserte mustererkennungstechnik für datengesteuerte fehlererkennung in einer prozessanlage
DE102021133261A1 (de) Verbesserte methode zur erkennung fehlerhafter variablen für datengesteuerte fehlererkennung in einer prozessanlage
DE102017007909A1 (de) Produktionssteuerung, ausgestattet mit einer Funktion zur Identifizierung der Ursache nach einem Betriebsstop einer Produktionseinrichtung, die Fertigungseinrichtungen umfasst
EP3252549B1 (de) Verfahren zum betreiben einer automatisierungseinrichtung sowie automatisierungseinrichtung
EP4060433A1 (de) Verfahren und system zur prädiktion des betriebs einer technischen anlage
EP1598717B1 (de) Verfahren zum Überwachen einer Mehrzahl von Gasanlagen
WO2022038060A1 (de) Verfahren zur diagnose eines steuer- und/oder regelungssystems sowie steuer- und/oder regelungssystem
EP3686697A1 (de) Regleroptimierung für ein leitsystem einer technischen anlage
EP3553679A1 (de) Verfahren zur computergestützten fehlerdiagnose für ein technisches system
EP3770709B1 (de) Verfahren zum betrieb einer automatisierten technischen anlage