EP2041518A2 - Messanordnung mit zustandsüberwachung und verfahren zur zustandsüberwachung einer messanordnung - Google Patents

Messanordnung mit zustandsüberwachung und verfahren zur zustandsüberwachung einer messanordnung

Info

Publication number
EP2041518A2
EP2041518A2 EP07765427A EP07765427A EP2041518A2 EP 2041518 A2 EP2041518 A2 EP 2041518A2 EP 07765427 A EP07765427 A EP 07765427A EP 07765427 A EP07765427 A EP 07765427A EP 2041518 A2 EP2041518 A2 EP 2041518A2
Authority
EP
European Patent Office
Prior art keywords
sensor
measuring arrangement
values
data
operating data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP07765427A
Other languages
English (en)
French (fr)
Inventor
Wolfgang Babel
Andreas Gommlich
Thomas Alber
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Endress and Hauser Conducta GmbH and Co KG
Original Assignee
Endress and Hauser Conducta Gesellschaft fuer Mess und Regeltechnik mbH and Co KG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Endress and Hauser Conducta Gesellschaft fuer Mess und Regeltechnik mbH and Co KG filed Critical Endress and Hauser Conducta Gesellschaft fuer Mess und Regeltechnik mbH and Co KG
Publication of EP2041518A2 publication Critical patent/EP2041518A2/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/417—Systems using cells, i.e. more than one cell and probes with solid electrolytes
    • G01N27/4175—Calibrating or checking the analyser
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • 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

Definitions

  • the subject relates to a measuring arrangement with condition monitoring and a method for condition monitoring of a measuring arrangement.
  • a variety of diagnostic functions are provided for measuring arrangements which comprise at least one sensor and a device for measuring value processing, for example a measuring transducer.
  • a device for measuring value processing for example a measuring transducer.
  • diagnosis of measurement or state variables with the monitoring by means of warning and alarm limit values of a minimum and maximum value are state-of-the-art today. This ensures the monitoring of individual sensor properties of interest.
  • Monitoring device for the load of measuring probes by influences from the measuring environment also takes into account the current characteristics of the measuring environment as well as the history of the process conditions.Thus, depending on a load model, an evaluation of the already loaded load of the measuring system is possible Derive statements about the remaining service life of the system.
  • a comprehensive diagnosis of the measuring device is necessary.
  • information is to be made available to a higher-level system or to a supervisor of the measuring device, which makes it possible to diagnose the sensor and the transmitter in detail and / or the entire measuring arrangement with regard to the stated requirements.
  • the diagnosis should include an assessment of the current state of the measurement arrangement and preferably a prognosis of the future state.
  • the measuring arrangement according to the invention comprises at least one sensor for
  • a data processing unit which evaluates the sensor signal, wherein
  • the data processing unit comprises a data memory in which different types of operating data of the sensor are stored,
  • State variables of the measuring arrangement determines where in each of these at least two state variables in each case enter values of at least two different types of operating data, wherein
  • the data processing unit further based on the values of at least two State variables classified a state of the measuring device, and the result of the
  • the inventive method may be implemented in the measuring arrangement, but in principle also outside of the measuring arrangement in a separate
  • the operating data preferably go with a predetermined weight in the
  • State variables may be main components that have been determined by means of a principal component analysis.
  • the operating data go in one by means of
  • Principal Component Analysis determined weighting into the major components. To carry out the principal component analysis can for an ensemble of
  • Measurement arrangements and their immediate process environment operating data are included, which belong to a specific and interesting for diagnostic purposes state of a particular class.
  • Such classes may, for example, be in need of maintenance (generally), needing calibration, polluted, drifting measured value, measured value dripped off, defective, etc.
  • Operating data or characteristics of the measurement arrangements under consideration are, for example
  • calibration data such as zero point and span
  • Load data of a sensor for example pressure, vibrations, dirt load in the measuring medium, etc.
  • All data can be determined by the measuring arrangement or by means of auxiliary sensors and the measuring arrangement can be provided in a suitable manner.
  • Operating data for optical sensors are, for example:
  • Operating data for amperometric sensors are, for example:
  • Load data (temperature, pH, pressure, CIP cycles ?) can also play a role in these sensors.
  • Result of the data acquisition is an extensive data table in the line by line, the measurement arrangements (sensors and Messunformer) and column by column the operating data or characteristics for the different measuring arrangements can be found.
  • This representation can be viewed geometrically as a multidimensional space in which each measurement arrangement is characterized as a point. Both the geometric representation and the tabular representation contain the complete information.
  • the state of a measuring arrangement can be represented as a point on a plane or in, for example, a two to four-dimensional state space.
  • the individual dimensions (main components) contain information of several characteristics or operating data and are thus no longer directly physically interpretable as in the complete representation.
  • This reduced representation depicts the considerable information content of the sum of the operating data for the evaluation of a measuring arrangement. Operating data with little or no variation are ignored. If the sensors are coded according to their state in this reduced "diagnostic state space", it can be recognized whether these state maps reproduce themselves If this is the case, a simple diagnostic function can be implemented as a classifier in a sensor or a measurement arrangement with a transformation rule derived from the principal component analysis ,
  • the state classes can be diagnosed via the transformation and simple classifiers (polynomial of the main components).
  • the prediction of times, from which the monitored sensor leave a certain state or from which he will assume a particular state depends on several operating data, which are difficult to describe due to inherent physical and chemical relationships.
  • Fig. 1 is a schematic representation of some elements of a measuring arrangement according to the invention.
  • FIG. 2 shows a general structure of a feature data matrix for performing a multivariate analysis, in particular a principal component analysis
  • FIG. 3 shows an example of a feature matrix for an ensemble of pH sensors for performing a principal component analysis
  • Fig. 4 shows the result of the principal component analysis for the ensemble pH sensors from Fig. 3.
  • a measuring arrangement according to the invention comprises a
  • the operating data may be sensor data such as the measured variable or sensor temperature or sensor impedance, for example, or additional information such as calibration data (slope or zero point) or externally determined process data, for example the number of CIP cycles.
  • derived operating data which are of interest for determining the sensor state, can be generated by means of a software module, which is designated as operator 4.
  • This derived data may be, for example, differentiated or integrated sensor data or data describing a spectrum or the noise of the sensor.
  • the operating data are then fed to a classifier 5, which determines the values of the main components based on the operating data with the respectively required, predetermined weightings (loads).
  • a classifier 5 determines the values of the main components based on the operating data with the respectively required, predetermined weightings (loads).
  • Main component analysis is performed, which compresses the relevant information and disregards low-content features.
  • FIG. 4 The result of the principal component analysis is shown in FIG. In the left part of Fig. 4 it can be seen that the two groups of sensors, namely, "good” and “poor” in the two-dimensional diagnostic state space spanned here, form again separate positions in the diagnostic state space via two main components. A classification according to "good” and “bad” as indicated by the ellipses, can thus in the measuring operation after Determination of the values for the two main components easily done.
  • the weighting with which the individual sensor characteristics or operating data enter into the main components is shown in the right-hand part of FIG. 4.
  • the predictive diagnosis is the
  • Changes in the position of a sensor in the diagnostic state space are evaluated by means of a trend analysis, and a prognosis is made as to when the position will leave the area of the current class or how long it will take to reach the area of another class.
  • the diagnostic state space may also include more than two major components, for example, three or four.
  • other methods of multivariate analysis can be used instead of the principal component analysis.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

Eine Messanordnung umfasst mindestens einen Sensor zum Erfassen einer Messgröße, und Ausgeben eines messgrößenabhängigen Sensorsignals, eine Datenverarbeitungseinheit welche das Sensorsignal auswertet, wobei die Datenverarbeitungseinheit einen Datenspeicher umfasst, in welchem unterschiedliche Typen von Betriebsdaten des Sensors gespeichert werden, die Datenverarbeitungseinheit Werte für mindestens zwei unterschiedliche Zustandsgrößen der Messanordnung bestimmt wobei in jede dieser mindestens zwei Zustandsgrößen jeweils Werte von mindestens zwei unterschiedlichen Typen von Betriebsdaten eingehen, wobei die Datenverarbeitungseinheit ferner anhand der Werte der mindestens zwei Zustandsgrößen einen Zustand der Messanordnung klassifiziert, und das Ergebnis der Klassifizierung ausgibt. Das erfindungsgemäße Verfahren kann in der Messanordnung implementiert sein, grundsätzlich aber auch außerhalb der Messanordnung in einer Datenverarbeitungsanlage durchgeführt werden.

Description

Messanordnung mit Zustandsüberwachung und Verfahren zur Zustandsüberwachung einer Messanordnung
[0001] Die vorliegende Betrifft eine Messanordnung mit Zustandsüberwachung und ein Verfahren zur Zustandsüberwachung einer Messanordnung.
[0002] Gegenwärtig werden für Messanordnungen, die mindestens einen Sensor und eine Vorrichtung zur Mess Wertverarbeitung, beispielsweise einen Messurrformer umfassen, eine Vielzahl von Diagnosefunktionen bereitgestellt. So gehören heute die Diagnose von Mess- oder Zustandsgrößen mit der Überwachung mittels Warn- und Alarmgrenzwerten eines Minimal- und Maximalwertes zum Stand der Technik. Damit wird die Überwachung einzelner interessierender Sensoreigenschaften gewährleistet.
[0003] Für die Diagnose einzelner, für die Funktion des Systems sehr wichtiger Attribute ist das Verfahren der Vorhersage aufgrund einfacher mathematischer Modelle bekannt, wie beispielsweise in der Patentschrift DE 102 09 318 B4 mit dem Titel „Verfahren zur Ermittlung der verschleißabhängigen Reststandzeit eines elektrochemischen Messsensors" bzw. der Patentschrift DE 101 41 408 B4 mit dem Titel „Verfahren zur Bestimmung der Kalibrier- Intervallzeit von elektrochemischen Messsensoreri" offenbart ist. Dies ermöglicht die Vorhersage eines Zeitpunktes, zu dem ein Grenzwert erreicht bzw. überschritten sein wird.
[0004] Die Offenlegungsschrift DE 10 2004 012 420 Al mit dem Titel
„Überwachungsvorrichtung für die Belastung von Messsonden durch Einflüsse aus der Messumgebung" berücksichtigt darüber hinaus auch die aktuellen Eigenschaften der Messumgebung sowie die Historie der Prozesskonditionen. In Abhängigkeit eines Belastungsmodells ist somit eine Bewertung der bereits erfolgten Belastung des Messsystems möglich. Basierend auf dieser Bewertung lassen sich Aussagen über die verbleibende Standzeit des Systems ableiten.
[0005] Wenngleich die genannten Vorgehensweisen bereits ein gewisses Maß an
Diagnosefähigkeit ermöglichen, ist eine verbesserte Kenntnis über den qualitativen Zustand einer Messanordnung im Messbetrieb wünschenswert.
[0006] In Feid, M.; Pandit, M.: „Systematischer Entwurf eines signalbasierten
Fehlerdiagnosesystems", at - Automatisierungstechnik 54 (2006) 1, Oldenbourg bzw. in Hengen, H.; Feid, M.; Pandit, M.: „Überwacht lernende Klassifikationsverfahren im Überblick", at - Automatisierungstechnik 52 (2004) 3, Oldenbourg werden umfangreiche statistische Ansätze für die Diagnose von Sensorsystemen diskutiert. Die Besonderheit dieser Methoden ist, dass eine umfangreiche Methodik zur Merkmalssuche und anschließend zur Merkmalsauswahl notwendig ist.
[0007] In Schäfer, R.; Jungmann, M.; Werthschützky,R.: „Selbstdiagnose in der
Durchflussmessung durch Kombination von Wirkdruck- und Vortex-Messung", tm - Technisches Messen 67 (2000) 9, Oldenbourg, wird gezeigt, wie über die Redundanz der Messwerterfassung und die Verfügbarkeit einer Messwerthistorie eine Plausibilitätsprüfung des Messwertes erfolgen kann.
[0008] Basierend auf den hohen Anforderungen an die Qualität, die Verfügbarkeit und die Sicherheit einer Messeinrichtung und deren Messwert(e) ist eine umfassende Diagnose der Messeinrichtung notwendig. Neben dem Messwert sollen einem übergeordneten System oder einem Betreuer der Messeinrichtung Informationen zur Verfügung gestellt werden, die eine Diagnose des Sensors und des Messumformers im Einzelnen und/oder der gesamten Messanordnung hinsichtlich der genannten Anforderungen ermöglicht.
[0009] Zur Erfüllung dieser Anforderung wird erfindungsgemäß die Messanordnung gemäß Anspruch 1 und das Verfahren gemäß Anspruch 8 angegeben.
[0010] Die Diagnose soll eine Bewertung des aktuellen Zustandes der Messanordnung und vorzugsweise eine Prognose des zukünftigen Zustandes beinhalten.
[0011] Die Bewertung des aktuellen Zustandes bezieht sich im Wesentlichen auf
Verfügbarkeit, Sicherheit und Qualität, woraus sich unter anderem auch Aussagen zur Plausibilität des Messwertes und der Glaubwürdigkeit ableiten lassen.
[0012] Bei der Prognose eines zukünftigen Zustandes sind die Zeitpunkte, zu denen eine Wartungsmaßnahme (Kalibrierung, Reinigung, Austausch von Verschleißteilen, Erneuerung von Verbrauchsstoffen oder Austausch von Teil-/Gesamtsystems) mit einer bestimmten Wahrscheinlichkeit notwendig sein wird von Interesse.
[0013] Die erfindungsgemäße Messanordnung umfasst mindestens einen Sensor zum
Erfassen einer Messgröße, und Ausgeben eines messgrößenabhängigen Sensorsignals,
[0014] eine Datenverarbeitungseinheit welche das Sensorsignal auswertet, wobei
[0015] die Datenverarbeitungseinheit einen Datenspeicher umfasst, in welchem unterschiedliche Typen von Betriebsdaten des Sensors gespeichert werden,
[0016] die Datenverarbeitungseinheit Werte für mindestens zwei unterschiedliche
Zustandsgrößen der Messanordnung bestimmt wobei in jede dieser mindestens zwei Zustandsgrößen jeweils Werte von mindestens zwei unterschiedlichen Typen von Betriebsdaten eingehen, wobei
[0017] die Datenverarbeitungseinheit ferner anhand der Werte der mindestens zwei Zustandsgrößen einen Zustand der Messanordnung klassifiziert, und das Ergebnis der
Klassifizierung ausgibt. [0018] Das erfindungsgemäße Verfahren kann in der Messanordnung implementiert sein, grundsätzlich aber auch außerhalb der Messanordnung in einer separaten
Datenverarbeitungsanlage durchgeführt werden. [0019] Die Betriebsdaten gehen vorzugsweise mit einer vorgegebenen Gewichtung in die
Zustandsgrößen. [0020] In einer derzeit bevorzugten Ausgestaltung der Erfindung können die
Zustandsgrößen Hauptkomponenten sein, die mittels einer Hauptkomponentenanalyse ermittelt wurden. Die Betriebsdaten gehen in einer mittels der
Hauptkomponentenanalyse ermittelten Gewichtung in die Hauptkomponenten ein. [0021] Zur Durchführung der Hauptkomponentenanalyse können für ein Ensemble von
Messanordnungen und deren unmittelbare Prozessumgebung, Betriebsdaten erfasst werden, die zu einem bestimmten und für Diagnosezwecke interessierenden Zustand einer bestimmten Klasse gehören. [0022] Solche Klassen können beispielsweise wartungsbedürftig (allg.), kalibrierungsbedürftig, verschmutzt, driftender Messwert, weggedrifteter Messwert, defekt, etc. sein. [0023] Betriebsdaten bzw. Merkmale der betrachteten Messanordnungen sind beispielsweise
• direkt messbare Größen wie zum Beispiel Innenwiderstand, Ruhestrom elektrische Leistung, und Temperatur
• physikalisch ableitbare Größen wie zum Beispiel pH- Wert, Rauschen
• aus der Historie mathematisch ableitbare Größen wie zum Beispiel Mittelwerte, Variation, zeitliche Trends Ableitungen und
• weitere statistische und modellbasierte Größen.
[0021-] Weitere Betriebsdaten sind Kalibrierdaten wie Nullpunkt und Spanne,
Belastungsdaten eines Sensors, beispielsweise Druck, Vibrationen, Schmutzfracht im Messmedium, usw.
[0025] Sämtliche Daten können von der Messanordnung oder mittels Hilfssensoren ermittelt werden und der Messanordnung in geeigneter Weise bereitgestellt werden.
[0026] Betriebsdaten für optische Sensoren sind beispielsweise:
[0027] Verschmutzungsgrad eines Prozessfensters
[0028] Alter einer LED/einer Photodiode oder Leuchtstärke (eines Referenzsignals)
[0029] Kalibrationskennwerte [0030] dynamische Kenngrößen (Zeitkonstante).
[0031] Betriebsdaten für für amperometrische Sensoren sind beispielsweise:
[0032] Membranwiderstand
[0033] Stromintegral (Elektrolytalterung)
[0034] dynamische Kenngrößen
[0035] Potentialdifferenz Anode-Ref. -> Schichtaufbau bei Sauerstoffsensor
[0036] Auch bei diesen Sensoren können Belastungsdaten (Temperatur, pH- Wert, Druck, CIP-Zyklen...) eine Rolle spielen.
[0037] Resultat der Datenerfassung ist eine umfangreiche Datentabelle in der zeilenweise die Messanordnungen (Sensoren und Messunformer) und spaltenweise die Betriebsdaten bzw. Merkmale für die verschiedenen Messanordnungen zu finden sind. Diese Darstellung kann geometrisch als ein vieldimensionaler Raum angesehen werden, in dem jede Messanordnung als ein Punkt charakterisiert ist. Sowohl die geometrische Darstellung als auch die tabellarische Darstellung beinhaltet die vollständige Information.
[0038] Zur Auswertung dieser Daten wird eine Hauptkomponentenanalyse der Daten durchgeführt, aus der beispielsweise zwei bis vier Hauptkomponenten resultieren. Eine Allgemeine Darstellung der Hauptkomponentenanalyse ist beispielsweise in Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: „Multivariate Analysemethoden Eine anwendungsorientierte Einführung", 2006, Springer, gegeben. Als mathematisches Verfahren zur Auswertung ist beispielsweise das so genannte NIPALS -Verfahren geeignet.
[0039] Mittels der Hauptkomponentenanalyse wird identifiziert, welche Betriebsdaten in die Definition eines Zustands einer Messanordnung in welchem Maße eingehen. Insoweit als die Anzahl der Hauptkomponenten geringer ist, als die Anzahl der Typen von Betriebsdaten bzw. Merkmalen wird durch die Hauptkomponentenanalyse die Zahl der Dimensionen zur Bewertung einer Messanordnung auf ein praktikables Maß reduziert.
[0040] Der Zustand einer Messanordnung ist im Ergebnis als Punkt auf einer Ebene bzw. in einem beispielsweise zwei bis vierdimensionalen Zustandsraum darstellbar. Die einzelnen Dimensionen (Hauptkomponenten) beinhalten Informationen mehrerer Merkmale bzw. Betriebsdaten und sind somit nicht mehr wie in der vollständigen Darstellung direkt physikalisch interpretierbar.
[0041] Mit dieser reduzierten Darstellung wird der zur Beurteilung einer Messanordnung erhebliche Informationsgehalt der Summe der Betriebsdaten abgebildet. Betriebsdaten mit geringer oder keiner Variation werden nicht beachtet. Werden die Sensoren entsprechend ihres Zustandes codiert in diesem reduzierten „Diagnosezustandsraum" dargestellt, ist erkennbar, ob sich diese Zustandskiassen wieder abbilden. Ist dies der Fall kann mit einer aus der Hauptkomponentenanalyse abgeleiteten Transformationsvorschrift ein einfaches Diagnosefunktional als Klassifikator in einem Sensor oder einer Messanordnung implementiert werden.
[0042] Die Zustandskiassen sind über die Transformation und einfache Klassifikatoren (Polynom der Hauptkomponenten) zu diagnostizieren.
[0043] In einer Weiterbildung der Erfindung ist die Vorhersage von Zeitpunkten, ab dem der überwachte Sensor einen bestimmten Zustand verlassen bzw. ab dem er einen bestimmten Zustand einnehmen wird. Meist hängen die Sensorzustände von mehreren Betriebsdaten ab, die aufgrund inhärenter physikalischer und chemischer Zusammenhänge nur schwer beschreibbar sind. Durch die Transformation des betrachteten Sensors in den Raum der Hauptkomponenten werden alle inhärenten Zusammenhänge mit abgebildet und die Vorhersage wird, mit zum Teil einfachen mathematischen Modellen wie z.B. der linearen Regression möglich.
[0044] Darüber hinaus ist auf diese Art ein so genanntes Diagnose-Teaching möglich. D.h., wenn ein sich im Betrieb befindlicher Sensor vom Bediener manuell aufgrund von Erfahrung oder Spezialwissen als nicht mehr korrekt funktionierend bewertet wird, können seine Merkmale vermessen werden und somit der Datenpool erweitert werden. So ist bei leistungsfähigen Messeinrichtungen das Quittieren von vagen Diagnosemeldungen und somit ein Lernen möglich. Sensorzustände, bei denen die einzelnen Merkmale die jeweiligen Grenzwerte nicht überschreiten; können somit aufgrund ihrer inneren Zusammenhänge oder Historie korrekt bewertet werden.
[0045] Die Erfindung wird nun anhand eines in den Zeichnungen dargestellten Ausfuhrungsbeispiels erläutert.
[0046] Es zeigt:
[0047] Fig. 1 eine schematische Darstellung einiger Elemente einer erfindungsgemäßen Messanordnung;
[0048] Fig. 2 eine allgemeine Struktur einer Merkmals- bzw. Betriebsdatenmatrix zur Durchführung einer multivariaten Analyse, insbesondere einer Hauptkomponentenanalyse;
[0049] Fig. 3 ein Beispiel einer Merkmalsmatrix für ein Ensemble von pH-Sensoren zur Durchführung einer Haupkomponentenanalyse; und
[0050] Fig. 4 das Ergebnis der Hauptkomponentenanalyse für das Ensemble pH-Sensoren aus Fig. 3.
[0051] Wie in Fig. 1 dargestellt, umfasst eine erfindungsgemäße Messanordnung einen
Sensor 1 und eine Datenverarbeitungseinheit 2 mit einem Datenspeicher 3, in welchem die Messgröße, und weitere Betriebsdaten gespeichert werden. Die Betriebsdaten können einerseits Sensordaten wie die Messgröße oder beispielsweise Sensortemperatur oder Sensorimpedanz sein, oder Zusatzinformationen wie beispielsweise Kalibrierdaten (Steigung oder Nullpunkt) oder extern ermittelte Prozessdaten, beispielsweise die Zahl von CIP-Zyklen. Aus den im Datenspeicher hinterlegten Betriebsdaten und Datenhistorien können mittels eines Softwaremoduls, welches als Operator 4 bezeichnet ist, abgeleitete Betriebsdaten generiert werden, die zur Bestimmung des Sensorzustands von Interesse sind. Diese abgeleiteten Daten können beispielsweise differenzierte oder integrierte Sensordaten sein oder Daten, die ein Spektrum oder das Rauschen des Sensors beschreiben. Die Betriebsdaten werden dann einem Klassifikator 5 zugeflihrt, der anhand der Betriebsdaten mit den jeweils erforderlichen, vorgegebenen Gewichtungen (Loadings) die Werte der Hauptkomponenten, ermittelt. Damit ist die Position des Sensors bzw. der Massanordnung im Zustandsraum festgelegt, und der Klassifikator kann anhand der Position im Zustandsraum die Klassifizierung des Zustands durchfuhren.
[0052] Welche Betriebsdaten zur Bewertung des Sensorzustands mit welcher Gewichtung beachtlich sind wird für einen Bestimmten Sensortyp mit einer multivariaten Analyse, insbesondere Hauptkomponentenanalyse anhand eines hinreichend großen Ensembles von Messanordnungen dieses Sensortyps ermittelt.
[0053] Dazu werden mehrere als ,gut" befundene Sensoren und mehrere als „schlecht" befundene Sensoren in ihren Merkmalen vermessen, wie in Fig. 2 allgemein und in Fig. 3 für das Beispiel eines pH-Sensors dargestellt ist.
[0054] Ohne Grenzwerte für die einzelnen Merkmale festzulegen, wird eine
Hauptkomponentenanalyse durchgeführt, wodurch die relevanten Informationen verdichtet werden, und Merkmale mit geringem Informationsgehalt unbeachtet bleiben.
[0055] Das Ergebnis der Hauptkomponentenanalyse ist in Fig. 4 dargestellt. Im linken Teilbild der Fig. 4 ist wird erkennbar, dass sich die zwei Gruppen von Sensoren, nämlich ,gut" und „schlecht" im hier aufgespannten zweidimensionalen Diagnosezustandsraum über zwei Hauptkomponenten wieder als getrennte Positionen im Diagnosezustandsraum formieren. Eine Klassifizierung nach ,gut" und „schlecht" wie sie durch die Ellipsen angedeutet ist, kann damit im Messbetrieb nach Bestimmung der Werte flir die beiden Hauptkomponenten ohne weiteres erfolgen. Die Gewichtung, mit der die einzelnen Sensormerkmale bzw. Betriebsdaten in die Hauptkomponenten eingehen, ist im rechten Teilbild der Fig. 4 dargestellt.
[0056] In einer Weiterbildung der Erfindung wird zur prädiktiven Diagnose die
Veränderung der Position eines Sensors im Diagnosezustandsraum mittels einer Trendanalyse ausgewertet, und es wird eine Prognosen erstellt, wann die Position den Bereich der aktuellen Klasse verlassen wird, bzw. wie lange es noch bis zum Erreichen des Bereichs einer anderen Klasse dauert.
[0057] Das Ausflihrungsbeispiel wurde unter Bezugnahme auf die
Hauptkomponentenanalyse mit zwei Hauptkomponenten beschrieben. Selbstverständlich kann der Diagnosezustandsraum auch mehr als zwei Hauptkomponenten umfassen, beispielsweise drei oder vier. Anstelle der Hauptkomponentenanalyse sind grundsätzlich auch andere Verfahren der multivariaten Analyse anwendbar.

Claims

Ansprüche
[0001] 1. Messanordnung, umfassend mindestens einen Sensor zum Erfassen einer
Messgröße, und Ausgeben eines messgrößenabhängigen Sensorsignals, eine Datenverarbeitungseinheit welche das Sensorsignal auswertet, wobei die Datenverarbeitungseinheit einen Datenspeicher umfasst, in welchem Werte von unterschiedlichen Typen von Betriebsdaten des Sensors gespeichert werden, die Datenverarbeitungseinheit Werte für mindestens zwei unterschiedliche Zustandsgrößen der Messanordnung bestimmt wobei in jede dieser mindestens zwei Zustandsgrößen jeweils Werte von mindestens zwei unterschiedlichen Typen von Betriebsdaten eingehen, wobei die Datenverarbeitungseinheit ferner anhand der Werte der mindestens zwei Zustandsgrößen einen Zustand der Messanordnung klassifiziert, und das Ergebnis der Klassifizierung ausgibt.
[0002] 2. Messanordnung nach Anspruch 1, wobei die Betriebsdaten mit einer vorgegebenen Gewichtung in die Werte der Zustandsgrößen eingehen.
[0003] 3. Messanordnung nach Anspruch 2, wobei die Zustandsgrößen
Hauptkomponenten sind, die mittels einer Hauptkomponentenanalyse ermittelt wurden, und in die Werte der Betriebsdaten in einer mittels der Hauptkomponentenanalyse ermittelten Gewichtung in die Hauptkomponenten eingehen.
[0004] 4. Messanordnung nach einem der Ansprüche 1 bis 3, wobei die Betriebsdaten, direkt gemessene Größen und/oder abgeleitete Größen umfassen.
[0005] 5. Messanordnung nach einem der vorhergehenden Ansprüche, wobei die
Betriebsdaten Sensordaten, Innenwiderstand, Rαhestrom elektrische Leistung, Temperatur, Kalibrierdaten wie Nullpunkt und Spanne pH- Wert, Rauschen, Mittelwerte, Variation, zeitliche Trends Ableitungen und/oder weitere statistische und modellbasierte Größen umfassen.
[0006] 6. Messanordnung nach einem der vorhergehenden Ansprüche, wobei die
Betriebsdaten Belastungsdaten eines Sensors, wie pH-Wert, Druck, Tempearatur Vibrationen, Schmutzfracht im Messmedium, und/oder die Zahl der Reinigungszyklen umfassen.
[0007] 7. Messanordnung nach einem der Vorhergehenden Ansprüche, wobei der
Sensor ein potentiometrischer Sensor, insbesondere ein pH-Sensor, ein amperometrischer Sensor, insbesondere ein Gassensor, oder ein optischer Sensor ist. [0008] 8. Verfahren zum Klassifizieren des Zustands eines Sensors, umfassend die
Schritte: Erfassen von Werten für unterschiedliche Betriebsdatentypen des des Sensors; Ermitteln der Werte für mindestens zwei unterschiedliche Zustandsgrößen der Messanordnung, wobei in jede dieser mindestens zwei Zustandsgrößen jeweils Werte von mindestens zwei unterschiedlichen Typen von Betriebsdaten eingehen; und Klassifizieren des Zustands anhand der Werte der mindestens zwei Zustandsgrößen.
[0009] 9. Verfahren nach Anspruch 8, wobei die Betriebsdaten mit einer vorgegebenen
Gewichtung in die Werte der Zustandsgrößen eingehen.
[0010] 10. Verfahren nach Anspruch 8 oder 9, wobei die Zustandsgrößen
Hauptkomponenten sind, die mittels einer Hauptkomponentenanalyse ermittelt wurden, und in die Werte der Betriebsdaten in einer mittels der Hauptkomponentenanalyse ermittelten Gewichtung in die Hauptkomponenten eingehen.
EP07765427A 2006-07-01 2007-06-14 Messanordnung mit zustandsüberwachung und verfahren zur zustandsüberwachung einer messanordnung Withdrawn EP2041518A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE200610030895 DE102006030895A1 (de) 2006-07-01 2006-07-01 Messanordnung mit Zustandsüberwachung und Verfahren zur Zustandsüberwachung einer Messanordnung
PCT/EP2007/055912 WO2008003575A2 (de) 2006-07-01 2007-06-14 Messanordnung mit zustandsüberwachung und verfahren zur zustandsüberwachung einer messanordnung

Publications (1)

Publication Number Publication Date
EP2041518A2 true EP2041518A2 (de) 2009-04-01

Family

ID=38777045

Family Applications (1)

Application Number Title Priority Date Filing Date
EP07765427A Withdrawn EP2041518A2 (de) 2006-07-01 2007-06-14 Messanordnung mit zustandsüberwachung und verfahren zur zustandsüberwachung einer messanordnung

Country Status (3)

Country Link
EP (1) EP2041518A2 (de)
DE (1) DE102006030895A1 (de)
WO (1) WO2008003575A2 (de)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007053223A1 (de) 2007-11-06 2009-05-07 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren zum Betreiben einer Messstelle, Messstelle und Sensoreinheit für eine solche Messstelle
DE102008029672B3 (de) * 2008-06-24 2010-02-25 I-For-T Gmbh Vorrichtung und Verfahren zur Zustandsüberwachung und Zustandsdiagnose einer Maschine, Maschinenkomponente oder Anlage
DE102008032885A1 (de) * 2008-07-14 2010-01-21 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren und Vorrichtung zur Überprüfung und Feststellung von Zuständen eines Sensors
DE102008045840B4 (de) * 2008-09-05 2023-11-02 Endress+Hauser Conducta Gmbh+Co. Kg Verfahren zum Betreiben einer Prozess-Messstelle
ES2379315T3 (es) 2009-03-06 2012-04-24 Hach Lange Gmbh Procedimiento para la determinación de un indicador de estado de un aparato de análisis de agua
WO2011058181A2 (de) * 2009-11-13 2011-05-19 Leica Biosystems Nussloch Gmbh Anzeige eines systemzustands einer behandlungseinrichtung für mikroskopische proben
DE102011084957A1 (de) * 2011-10-21 2013-04-25 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Anordnung zur Überwachung eines Sauerstoffgehaltes in einer Prozesseinrichtung
DE102012112784A1 (de) 2012-12-20 2014-06-26 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren zur Bestimmung eines Zustands eines Sensors
DE102013102721A1 (de) * 2013-03-18 2014-09-18 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren zur Bestimmung eines Zustandes eines, eine Glasmembran umfassenden pH-Sensors
DE102014204631A1 (de) * 2014-03-13 2015-09-17 Robert Bosch Gmbh Vorrichtung, Verfahren und System zur Fehlererkennung, Fehlerdiagnose und Fehlerkorrektur in einem Sensornetzwerk
DE102017128566A1 (de) 2017-12-01 2019-06-06 Endress+Hauser Flowtec Ag Sensoranordnung zur Anordnung an einer Prozessanlage, sowie Verfahren zum Betrieb der Sensoranordnung und Prozessanlage
DE102019114341A1 (de) * 2019-05-28 2020-12-03 Endress+Hauser Conducta Gmbh+Co. Kg Verfahren zur Funktionsüberprüfung einer ionenselektiven Elektrodenbaugruppe
CN116304819A (zh) * 2023-03-15 2023-06-23 四川大学 一种基于LeNet-5算法的核反应堆运行工况判断方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4100501A1 (de) * 1991-01-10 1992-07-16 Bodenseewerk Geraetetech Verfahren und einrichtung zum erkennen von fehlern an sensoren fuer zustandsgroessen
GB2283320B (en) * 1993-10-04 1997-12-10 Ford Motor Co Diagnostic technique for exhaust gas oxygen sensor operation
US5680409A (en) * 1995-08-11 1997-10-21 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
EP1112532B1 (de) * 1998-08-17 2003-04-02 Aspen Technology, Inc. Verfahren und vorrichtung zur sensorbestätigung
JP4071449B2 (ja) * 2001-03-27 2008-04-02 株式会社東芝 センサ異常検出方法及びセンサ異常検出装置
US7228249B2 (en) * 2002-11-19 2007-06-05 General Motors Corporation Methods and apparatus for determining the condition of a sensor and identifying the failure thereof
DE10255288A1 (de) * 2002-11-26 2004-07-08 Endress + Hauser Gmbh + Co. Kg Verfahren zur Bestimmung des Zustandes eines Fleldmessgerätes für die Prozessautomatisierung und Prozessmesstechnik und Feldmessgerät zur Durchführung des Verfahrens
DE102004012420B4 (de) * 2004-03-13 2007-03-01 Knick Elektronische Messgeräte GmbH & Co. KG Überwachungsvorrichtung für die Belastung von Messsonden durch Einflüsse aus der Messumgebung

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2008003575A3 *

Also Published As

Publication number Publication date
WO2008003575A3 (de) 2008-04-03
DE102006030895A1 (de) 2008-01-03
WO2008003575A2 (de) 2008-01-10

Similar Documents

Publication Publication Date Title
EP2041518A2 (de) Messanordnung mit zustandsüberwachung und verfahren zur zustandsüberwachung einer messanordnung
DE60010655T2 (de) Verfahren und vorrichtung in einem fahrzeugüberwachungssystem und fehlerdiagnosesystem in einem fahrzeug
DE102012223393A1 (de) Verfahren und System für die Grundursachenanalyse und Qualitätsüberwachung von Fehlern auf Systemebene
DE102012208537B4 (de) Verfahren zum Identifizieren einer Grundursache eines Fehlers in einem gewarteten Fahrzeug und zum Durchführen von Korrekturhandlungen
DE69910800T2 (de) Verfahren und Vorrichtung zur Überwachung des Betriebszustandes einer einzelnen Maschine
EP1088211B1 (de) Akustisches diagnosesystem und -verfahren
DE102011078012A1 (de) Automatisches Auswertungssystem für Fahrzeugeinrichtungen unter Verwendung eines Fahrzeugsimulators
DE4008560A1 (de) Verfahren zum bestimmen einer restlebensdauer, vorrichtung zum bestimmen einer restlebensdauer, verfahren zum anzeigen der restlebensdauerdaten, anzeigevorrichtung und expertensystem
WO2010026025A1 (de) Verfahren zum betreiben einer messstelle und messstelle
DE112018005925T5 (de) Sensorfehlerdetektion unter verwendung von abtastwertpaarkorrelation
DE102012110273A1 (de) Prüfsystem und -verfahren zum Korrelieren von Daten von Sensoren und visuellen Anzeigeeinrichtungen
CN111126489A (zh) 一种基于集成学习的输电设备状态评价方法
DE102020101490A1 (de) Sensorsystem und Verfahren
DE102017115663A1 (de) Verfahren zum Betreiben einer Messstelle und Messstelle
DE102019217613A1 (de) Verfahren zur diagnose eines motorzustands und diagnostisches modellierungsverfahren dafür
DE102020212277A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Restnutzungsdauer basierend auf einer prädiktiven Diagnose von Komponenten eines elektrischen Antriebssystems mithilfe Verfahren künstlicher Intelligenz
DE102008045840B4 (de) Verfahren zum Betreiben einer Prozess-Messstelle
DE102008042969A1 (de) Verfahren und Vorrichtung zur Detektion von Prozesszuständen in alternierenden Produktionsprozessen
DE102013114393A1 (de) Verfahren zur Bestimmung einer Wartungsempfehlung für einen Sensor
DE112021005667T5 (de) Verfahren und Einrichtung zum Erkennen von Anomalien in einer mechanischen Einrichtung oder einem mechanischen Bauteil
DE19914277B4 (de) Verfahren und Vorrichtung zur Erfassung der Klassen von System- oder Prozeßzuständen
DE102008016801A1 (de) Onboard-Fehlerdiagnoseverfahren für Fahrzeuge
DE102020107528A1 (de) System zur Fehler-Diagnose und/oder Fehler-Prognose in Kraftfahrzeugen
EP1960854B1 (de) Diagnoseverfahren und diagnosevorrichtung zur funktionsorientierten diagnose eines systems mit vernetzten komponenten
DE102006060521A1 (de) Alterungsmeter für Fahrzeugkomponenten

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20081212

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC MT NL PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA HR MK RS

RIN1 Information on inventor provided before grant (corrected)

Inventor name: ALBER, THOMAS

Inventor name: GOMMLICH, ANDREAS

Inventor name: BABEL, WOLFGANG

17Q First examination report despatched

Effective date: 20090420

DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20140103