DE10210565A1

DE10210565A1 - System und Verfahren zur Vorhersage von Störungsauswirkungen

Info

Publication number: DE10210565A1
Application number: DE2002110565
Authority: DE
Inventors: Gerhard Vollmar; Zaijun Hu; Pousga Kabore
Original assignee: ABB Research Ltd Switzerland
Current assignee: ABB Research Ltd Switzerland
Priority date: 2002-03-09
Filing date: 2002-03-09
Publication date: 2003-09-18

Abstract

Die Erfindung bezieht sich auf ein automatisiertes Verfahren und ein System zur Vorhersage der Auswirkungen von Fehlern oder Störungen, die in einer Produktionsanlage auftreten, auf den mit der Produktionsanlage durchgeführten Produktionsprozess. Dabei ist eine Datenverarbeitungseinrichtung (1) vorhanden und dafür eingerichtet, Prozessdaten mittels eines Datenservers (40) zu erfassen und zyklisch auszuwerten. Die Auswertung der Prozessdaten erfolgt mittels einer Verarbeitungseinrichtung (21) unter Zugriff auf physikalische Modelle (31) zur Ermittlung gestörter Anlagenkomponenten. Im Fall dabei ermittelter Komponentenfehler wird mittels einem Effekte-Vorhersager (22) unter Zugriff auf Fehlerbaum-basierte Modelle zur Fehlerursachenanalyse (32) eine Suche nach relevanten Fehlerhypothesen vorgenommen. Mögliche Fehlerpfade werden berechnet, und die ermittelten Komponentenfehler und daraus resultierende potentielle Auswirkungen auf die Produktion werden mittels einer Anzeigevorrichtung (11) angezeigt.

Description

Die Erfindung bezieht sich auf ein System und ein Verfahren zur automatisierten Vorhersage der Auswirkungen von Fehlern bzw. Störungen in einer industriellen Anlage auf eine mittels der Anlage durchgeführte Produktion.
Bekannt ist die modell-basierte Fehlerursachenanalyse (RCA root cause analysis) als ein Verfahren, das im Fall eines in einem Produktionsprozess eintretenden Fehlerereignisses einem Fehleranalysten Informationen bereitstellt, woraufhin er schnell und zielgerichtet die Fehlerursache finden kann. Der Fehleranalyst benötigt dazu einen Computer, mit dem er auf Fehlerursachenanalysemodelle zugreifen kann. Solche Fehlermodelle bestehen aus Knoten welche jeweils Hypothesen darstellen. Diese Knoten sind baumartig miteinander verkettet. Jeder Knoten verfügt über eine Checkliste, an Hand derer sich Hypothesen verifizieren oder negieren lassen. Eine Checkliste setzt sich aus mehreren Checklistenpunkten zusammen. Diese Checklistenpunkte geben Anweisungen welche Informationen der Analyst braucht und wie er sie verarbeiten muss, um die jeweilige Hypothese zu verifizieren. Bei der Suche nach einer Betriebsstörung in einer Anlage navigiert der Fehleranalyst von Knoten zu Knoten und überprüft seine Anlage an Hand der angehängten Checklisten. Wenn er eine Hypothese auf diese Art akzeptiert, navigiert er zum unterliegenden Fehlermodell bzw. zum Fehler der zur Störung seiner Anlage geführt hat.
Außerdem ist bekannt, physikalische Modelle in industriellen Softwareumgebungen zur Online-Diagnose von Anlagenkomponenten Einzusetzen. Solche Modelle können eine Beziehung zwischen Eingangssignalen und Fehlerzuständen herstellen. Das physikalische Modelle wird dazu in ein mathematisches Gleichungssystem abgebildet. Für die Vorverarbeitung der Eingangsgrößen und das zyklische Lösen dieser Gleichungssysteme stehen Rechenprogramme zur Verfügung. Zeigt die Lösung des Gleichungssystems einen Komponentenfehler, wird ein Statussignal gesetzt und dem Anlagenbediener oder Maschinenbediener gemeldet.

Nachteile der bekannten Verfahren

Die genannte Fehlerursachenanalyse geht top-down vor. Das bedeutet, dass sich ein erkannter Fehler oder ein Problem bereits signifikant als Fehlerereignis auf die Produktion ausgewirkt hat. Ausgehend von diesem Fehlerereignis wird nun die Fehlerursachenanalyse, wie oben beschrieben, durchgeführt. Ein Nachteil besteht darin, dass sich ein ursprünglich kleiner Fehler schon merklich negativ auf die Produktion ausgewirkt hat, bis er als Fehlerereignis erkannt wird. Bei einem frühzeitigen Erkennen des Fehlers hätte die Auswirkung reduziert werden können.
Die datengetriebene Komponentendiagnose geht bottom-up vor. Es werden Signale ausgewertet, um über den aktuellen Zustand einer Komponente eine Aussage machen zu können. Je nach aktuellen Gegebenheiten kann ein Komponentenfehler mehr oder weniger starke Auswirkungen haben. Oftmals können Fehler sogar toleriert werden. Oder erst das Zusammenspiel mehrerer Fehler hat eine signifikante negative Auswirkung. Die Komponentendiagnose meldet in nachteiliger Weise immer den selben Zustand, unabhängig davon, ob die Auswirkungen groß oder klein sind.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und ein System anzugeben, die eine automatisierte Vorhersage der zu erwartenden Auswirkungen von Störungen einer industriellen Anlage ermöglichen, wobei vorgenannte Nachteile vermieden werden sollen.
Diese Aufgabe wird durch ein Verfahren zur Vorhersage von Störungsauswirkungen gelöst, das die im Anspruch 1 angegebenen Merkmale aufweist. Vorteilhafte Ausgestaltungen und ein System zur Durchführung des Verfahrens sind in weiteren Ansprüchen angegeben.
Beim erfindungsgemäßen Verfahren wird demnach die Fehlerursachenanalyse mit der Komponentendiagnose verknüpft, und die Fehlerursachenanalyse läuft quasi "rückwärts" ab. Die datengetriebene Komponentendiagnose stellt dabei einem System für die Fehlerursachenanalyse automatisch die Information zur Bearbeitung der Checklistenpunkte bereit. Werden ein oder mehrere Checklistenpunkte bestätigt, kann der potentiell entstehende Fehlerpfad bis zum signifikanten Fehlerereignis aus der Fehlerbaumstruktur abgeleitet und aufgezeigt werden. Zudem können diejenigen Bedingungen abgeleitet und gemeldet werden, die außerdem zutreffen müssen.
Eine weitere Erläuterung der Erfindung erfolgt nachstehend anhand eines Ausführungsbeispiels, das in den Figuren der Zeichnung dargestellt ist.
Es zeigt:
Fig. 1 ein System zur Vorhersage von Fehlerauswirkungen,
Fig. 2 ein Verfahren zur Vorhersage von Fehlerauswirkungen,
Fig. 3 ein physikalisches Modell,
Fig. 4 und 5 Struktur und Inhalte der Fehlerbaum-basierten RCA-Modelle,
Fig. 6 wie Fehlerbäume aufeinander verweisen, und
Fig. 7 beispielhaft die Ergebnis-Ausgabe des Systems.
Fig. 1 zeigt ein System zur Vorhersage von Fehlerauswirkungen durch die Einbindung physikalischer Modelle in Fehlerbäume, wobei eine Datenverarbeitungseinrichtung 1 mit einem Datenserver 40 verbunden ist. Die Datenverarbeitungseinrichtung 1 enthält eine Ein/Ausgabe-Einrichtung 10, eine Modellverarbeitungseinrichtung 20 und einen Datenspeicher 30.
Die Ein/Ausgabe-Einrichtung 10 enthält eine Anzeigevorrichtung 11, mit der Komponentenfehler und potentielle Auswirkungen (Effekte) visualisiert werden können.
Die Modellverarbeitungseinrichtung 20 enthält eine - in Fig. 1 mit Model Engine bezeichnete - Verarbeitungseinrichtung 21 für physikalische Modelle und einen Effekte- Vorhersager 22. Die Verarbeitungseinrichtung 21 ist dafür eingerichtet, zyklisch auf Prozessdaten zuzugreifen, die der Datenserver 40 bereitstellt, und eine Berechnung nach Vorgabe von in Dateien des Datenspeichers 30 abgelegten physikalischen Modellen 31 durchzuführen. Wird bei dieser Berechnung und Analyse ein Komponentenfehler erkannt, stößt die Verarbeitungseinrichtung 21 den Effekte-Vorhersager 22 an. Der Effekte-Vorhersager 22 berechnet mit Hilfe von Fehlerbaum-basierten RCA- Modellen 32 die potentiellen Auswirkungen auf das technische System bzw. die damit durchgeführte Produktion. Ergebnisse werden mittels der Anzeigevorrichtung 11 angezeigt. Alle Vorgänge laufen automatisiert ab.
Fig. 2 zeigt als Fließschema das Verfahren zur Vorhersage von Fehlerauswirkungen durch die Einbindung physikalischer Modelle in Fehlerbäume, das mit dem anhand der Fig. 1 beschriebenen System durchführbar ist.
In Schritt 100 werden die Prozeßdaten, die der Datenserver 40 bereitstellt, ausgewertet. Die Auswertung erfolgt mit Hilfe der physikalischen Modelle 31. Die Modelle 31 werden dabei zyklisch durch die Verarbeitungseinrichtung (Model Engine) 21 abgearbeitet. Das Ergebnis der Auswertung ist die Aussage, ob sich eine der Komponente im gestörten Zustand befindet, und welche der Komponenten das ist.
Wird ein Komponentenfehler erkannt, folgt Schritt 200 mit der Suche nach relevanten Fehlerhypothesen. Dazu wird auf die Fehlerbaum-basierten Modelle zur Fehlerursachenanalyse (RCA-Fehlermodelle) 32 - vorzugsweise im XML-Format - zugegriffen, und es werden die Fehlerhypothesen gesammelt, die den erkannten Komponentenfehler in der Checkliste aufführen.
In Schritt 300 werden für den Komponentenfehler die möglichen Fehlerpfade berechnet. Fig. 6 zeigt an einem Beispiel, wie der Fehlerpfad aus den RCA- Fehlermodellen 32 berechnet wird.
In Schritt 400 werden die Fehlerpfade so aufbereitet und ausgegeben, dass ausgehend von einem Komponentenfehler die potentiellen Auswirkungen auf das technische System nachvollziehbar aufgezeigt werden (vergl. hierzu Fig. 7).
Fig. 3 zeigt beispielhaft das physikalische Modell eines chemischen Prozesses in einem Reaktor. Das Modell ist in Form einer Differentialgleichung angegeben. Das Modell beschreibt die Prozeßparameter im fehlerfreien Zustand. Ein Fehler kann mit solch einem Modell durch den Vergleich des berechneten Parameters mit dem real gemessen Wert erkannt werden. Beispielsweise können die Eintritts- und Austrittstemperaturen des Kühlwassers berechnet werden. Weicht die berechnete Austrittstemperatur vom gemessenen Wert ab, kann mit einem entsprechenden Gleichungssystem unter Beachtung bestimmter Randbedingungen auf einen Meßwertfehler geschlossen werden. Mit Hilfe der angegebenen Differentialgleichung kann mit T₀ der Temperaturmeßfehler und mit V eine Leckage diagnostiziert werden.
Fig. 4 zeigt die prinzipielle Darstellung eines Fehlermodells 33. Die oberste Ebene beinhaltet das Prozeßmodell mit den Prozeßschritten. Jeder Prozeßschritt kann in weitere Prozeßschritte untergliedert werden. Zu jedem Prozeßschritt gibt es Fehlerereignisse und kritische Komponenten. Die Knoten eines Fehlerbaumes repräsentieren Fehlerhypothesen. Wesentlicher inhaltlicher Bestandteil einer Fehlerhypothese ist eine Checkliste zur Verifikation. Auf die Inhalte einer Hypothese wird in Fig. 5 näher eingegangen.
Fig. 5 zeigt die Struktur eines Fehlerbaums. Das Modell hat einen hierarchischen Aufbau und besteht in der einfachsten Ausprägung aus zwei Ebenen. Die oberste Ebene repräsentiert das Fehlerereignis. Einem Fehlerereignis können mehrere Fehlerhypothesen unterlagert sein. Die logische Abhängigkeit kann folgendermaßen formuliert werden: Ein oder mehrere Fehlerhypothesen können Ursache für das Fehlerereignis sein. Fehlerereignis und Fehlerhypothese haben eine ähnliche inhaltliche Beschreibung. Die Fehlerhypothese kann zur tiefergehenden Analyse auf andere Fehlermodelle verweisen, d. h. ein Fehlerbaum kann sich aus mehreren Teilbäumen zusammensetzen. Die Verbindung wird durch das Attribut Fehlerbaumreferenz hergestellt.
Fig. 6 zeigt am Beispiel des Fehlerereignisses "Reaktorabschaltung" wie Fehlerbäume aufeinander verweisen (von oben nach unten durchgezogene Linie mit Pfeil) und wie auf diese Weise komplexe und umfangreiche Fehlerzusammenhänge modelliert werden können. Der Fehlerpfad berechnet den Komponenten-Fehler "Defekte Temperaturmessung", indem das Modell quasi "rückwärts" abgearbeitet wird. Die gestrichelte Linie zeigt den Pfad mit den potentiellen Auswirkungen, nämlich: defekte Temperaturmessung, Energiezufuhr zu hoch, Überdruck im Reaktor, Reaktorabschaltung.
Fig. 7 zeigt beispielhaft die Ergebnis-Ausgabe des Systems. Die vom physikalischen Modell erkannte defekte Temperaturmessung wird als Alarm ausgegeben. Die möglichen Auswirkungen werden bis hin zur Reaktorabschaltung in Form einer Wirkungskette dargestellt. Im Beispiel ist lediglich eine Wirkungskette dargestellt. Darauf ist das System jedoch nicht beschränkt. Ein ursächlicher Fehler kann unter Umständen unterschiedliche Auswirkungen haben, die dann auch in mehreren Wirkungsketten beschrieben sind.

Claims

1. Verfahren zur Vorhersage der Auswirkungen von Fehlern oder Störungen, die in einer Produktionsanlage auftreten, auf den mit der Produktionsanlage durchgeführten Produktionsprozess, wobei Prozessdaten mittels eines Datenservers (40) erfasst und zyklisch mittels einer Datenverarbeitungseinrichtung (1) ausgewertet werden, und wobei die Auswertung der Prozessdaten unter Zugriff auf physikalische Modelle (31) zur Ermittlung gestörter Anlagenkomponenten erfolgt, im Fall dabei ermittelter Komponentenfehler eine Suche nach relevanten Fehlerhypothesen erfolgt, mögliche Fehlerpfade berechnet werden, und die ermittelten Komponentenfehler und daraus resultierende potentielle Auswirkungen auf die Produktion zur Anzeige gebracht werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß

a) in einem ersten Schritt (100) die Auswertung der Prozessdaten mittels einer Verarbeitungseinrichtung (21) unter Zugriff auf die physikalischen Modelle (31) zur Ermittlung gestörter Anlagenkomponenten erfolgt,

b) im Fall dabei ermittelter Komponentenfehler in einem zweiten Schritt (200) mittels einem Effekte-Vorhersager (22) unter Zugriff auf die Fehlerbaum-basierten Modelle zur Fehlerursachenanalyse (32) die Suche nach relevanten Fehlerhypothesen erfolgt,

c) in einem dritten Schritt (300) die möglichen Fehlerpfade berechnet werden, und

d) in einem vierten Schritt (400) die ermittelten Komponentenfehler und daraus resultierende potentielle Auswirkungen auf die Produktion zur Anzeige gebracht werden.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass Modelle zur Fehlerursachenanalyse (32) im XML-Format verwendet werden.

4. System zur Vorhersage der Auswirkungen von Fehlern oder Störungen, die in einer Produktionsanlage auftreten, auf den mit der Produktionsanlage durchgeführten Produktionsprozess, wobei eine Datenverarbeitungseinrichtung (1) vorhanden und dafür eingerichtet ist, Prozessdaten mittels eines Datenservers (40) zu erfassen und zyklisch auszuwerten, und die außerdem dafür eingerichtet ist,

a) die Auswertung der Prozessdaten mittels einer Verarbeitungseinrichtung (21) unter Zugriff auf physikalische Modelle (31) zur Ermittlung gestörter Anlagenkomponenten durchzuführen,

b) im Fall dabei ermittelter Komponentenfehler mittels einem Effekte- Vorhersager (22) unter Zugriff auf Fehlerbaum-basierte Modelle zur Fehlerursachenanalyse (32) eine Suche nach relevanten Fehlerhypothesen vorzunehmen,

c) mögliche Fehlerpfade zu berechnen, und

d) die ermittelten Komponentenfehler und daraus resultierende potentielle Auswirkungen auf die Produktion mittels einer Anzeigevorrichtung 11 anzuzeigen.