ES2431863T3 - Sistema y método para la monitorización de procesos - Google Patents
Sistema y método para la monitorización de procesos Download PDFInfo
- Publication number
- ES2431863T3 ES2431863T3 ES07874249T ES07874249T ES2431863T3 ES 2431863 T3 ES2431863 T3 ES 2431863T3 ES 07874249 T ES07874249 T ES 07874249T ES 07874249 T ES07874249 T ES 07874249T ES 2431863 T3 ES2431863 T3 ES 2431863T3
- Authority
- ES
- Spain
- Prior art keywords
- data
- user
- interface
- variable
- user interface
- 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.)
- Active
Links
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
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- G05B2219/31457—Factory remote control, monitoring through internet
-
- 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
- G05B2219/31477—Display correlated data so as to represent the degree of correlation
-
- 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
- G05B2219/31478—Display all processes together or select only one
-
- 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
- G05B2223/00—Indexing scheme associated with group G05B23/00
- G05B2223/06—Remote monitoring
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Un sistema que comprende: un colector (840) de datos para recibir datos de monitorización de proceso que describen un proceso llevadoa cabo por una planta (100) de procesamiento, comprendiendo los datos de monitorización de procesovalores para una pluralidad de variables de proceso (X1, X2...X29); un procesador (830) para construir un modelo (170) multivariable del proceso a medida que se reciben losdatos en el colector (840) de datos; y una interfaz (190, 700) de usuario en comunicación con el procesador (830) para presentar información quedescribe el proceso, que comprende: una primera interfaz (710) gráfica para indicar el rendimiento de la planta (100) de procesamientobasándose en el modelo (170) multivariable; una segunda interfaz (720) gráfica para mostrar la contribución de al menos una de las variables deproceso (X1, X2...X29) al modelo (170) multivariable; y una tercera interfaz (730) gráfica para mostrar una indicación acerca de la desviación del proceso deun rango esperado por el modelo (170) multivariable.
Description
Sistema y método para la monitorización de procesos
Descripción Los sistemas de control de procesos, tales como los usados en los campos de los procesos químicos y los suministros, típicamente recogen una variedad de datos dentro del entorno de una planta de procesos. Estos datos frecuentemente se almacenan y utilizan para identificar fallos y posibles fallos futuros en el sistema. Por ejemplo, los datos se pueden examinar después de un fallo de sistema para identificar un problema que haya dado como resultado una remesa de material inútil, o para identificar un componente que ha fallado o que se espera que falle dentro de un intervalo de tiempo específico.
Los sistemas de control de procesos frecuentemente se utilizan para gestionar grupos de sensores en una planta de procesamiento. Estos sistemas de control de procesos típicamente monitorizan las condiciones de un entorno de una planta de procesamiento, y ajustan los parámetros del proceso basándose en las condiciones observadas por los sensores. Sin embargo, estos sistemas automáticos sólo pueden tomar acciones basándose en los datos específicos disponibles para ellos y en umbrales específicos predefinidos. Cuando se producen unas condiciones indeseables debido a interacciones entre componentes y/o condiciones dentro de la planta de procesamiento, o se producen condiciones de fallo inesperadas, un sistema automatizado típicamente es incapaz de tomar la respuesta adecuada y completa.
Por tanto, es necesaria una cierta monitorización de supervisión de la planta de procesamiento. Esto puede requerir que operarios humanos gestionen y respondan a los datos de miles de fuentes, lo que puede ser a efectos prácticos imposible. El operario humano también debe tener presencia física en la planta de procesamiento para poder responder rápidamente a las condiciones de fallo.
El documento US-A-200410172153 describe un método en el que se monitoriza el nuevo funcionamiento de arranque de un moldeador continuo a través de una comparación del mismo con el funcionamiento del arranque normal que está definido por medio de un modelo estadístico multivariable utilizando datos de funcionamiento históricos seleccionados. Si el nuevo funcionamiento es estadísticamente diferente del modelo, se generan alarmas para indicar una interrupción inminente del arranque y, al mismo tiempo, se identifican las variables del proceso responsables de la salida del proceso del funcionamiento normal como las que con más probabilidad pueden haber provocado la interrupción predicha. El modelo se construye utilizando tecnología de Análisis de Componente Principal Multi-modo para caracterizar la varianza operación-a-operación en un espacio dimensional reducido (también conocido como espacio variable latente) basándose en un elevado número de trayectorias del proceso más allá de las operaciones de arranque normal. Las trayectorias del proceso a lo largo de toda la duración del arranque son predichas basándose en las observaciones actuales. Luego se sincronizan mediante interpolación de las mismas basándose en escalas de sincronización no uniformes y especificadas previamente en la longitud de cada rama de manera que todas las trayectorias puedan alinearse con relación a la longitud de la rama para su uso posterior en el desarrollo del modelo.
De acuerdo con un aspecto de la presente invención, se proporciona un sistema que comprende un colector de datos para recibir datos de monitorización de proceso que describen un proceso llevado a cabo por una planta de procesamiento, comprendiendo los datos de monitorización de proceso valores para una pluralidad de variables de proceso; un procesador para construir un modelo multivariable de los datos de proceso a medida que se reciben los datos del colector de datos; y una interfaz de usuario en comunicación con el procesador para presentar información que describe el proceso, comprendiendo una primera interfaz gráfica para indicar el funcionamiento de la planta de proceso basándose en un modelo multivariable; una segunda interfaz gráfica para mostrar la contribución de al menos una de entre la pluralidad de variables de proceso al modelo multivariable; y una tercera interfaz gráfica para mostrar una indicación de la desviación del proceso de un intervalo esperado por el modelo multivariable.
De acuerdo con otro aspecto de la presente invención, se proporciona un método que comprende, basándose en datos recibidos de una planta de procesamiento, construir un modelo multivariable de un proceso llevado a cabo por la planta de procesamiento, construyéndose el modelo multivariable a medida que se reciben los daos; presentar una interfaz de usuario a un usuario remoto, mostrando la interfaz de usuario el valor de una variable compuesta del modelo multivariable a lo largo del tiempo, siendo creada la variable compuesta a partir de una pluralidad de variables de proceso; actualizar las interfaces de usuario a medida que se reciben los datos; recibir una selección de un punto de tiempo en la visualización de la variable compuesta; y mostrar la contribución de al menos una de la pluralidad de variables de proceso a la variable compuesta en el punto seleccionado.
Las realizaciones de la presente invención se han descrito haciendo referencia particular a los ejemplos ilustrados. Sin embargo, se apreciará que se pueden realizar variaciones y modificaciones a los ejemplos descritos sin salirse del ámbito de las reivindicaciones adjuntas.
La FIGURA 1 muestra una representación esquemática de un ejemplo de planta de procesamiento, sistema
de computación e interfaz de usuario de acuerdo con la invención.
La FIGURA 2 muestra un ejemplo de variable T compuesta creada a partir de dos variables de proceso X1 y
X2 y una interfaz de usuario correspondiente de acuerdo con la invención.
La FIGURA 3 muestra una representación gráfica de un ejemplo de matriz en su forma deslegada de datos de
lote de acuerdo con la invención.
La FIGURA 4 muestra un ejemplo de interfaz de representación gráfica de acuerdo con la invención.
La FIGURA 5 muestra un ejemplo de interfaz de representación gráfica de acuerdo con la invención.
La FIGURA 6 muestra un ejemplo de interfaz de representación gráfica de acuerdo con la invención.
La FIGURA 7 muestra un ejemplo de interfaz de usuario de acuerdo con la invención.
La FIGURA 8 muestra un sistema para monitorizar una planta de procesamiento de acuerdo con la presente
invención.
La FIGURA 9 es una representación esquemática de un ejemplo de sistema y flujo de datos de acuerdo con
la invención.
La FIGURA 10 es una representación esquemática de un caso de ejemplo de uso de acuerdo con la
invención.
DESCRIPCIÓN DETALLADA DE LA INVENCIÓN Se proporcionan sistemas y métodos para permitir la monitorización y/o asesoramiento de control remotos de una planta de procesamiento utilizando una interfaz interactiva. Un sistema de acuerdo con la presente invención puede recibir datos de monitorización de procesos y construir un modelo multivariable del proceso. Basándose en el modelo multivariable, una Interfaz de usuario puede ser presentada a un usuario, que puede estar en un lugar geográficamente remoto con relación al proceso que se está monitorizando. La interfaz de usuario puede presentar varios datos valiosos, como variables compuestas generadas como parte del modelo, las contribuciones de varias variables de proceso al modelo, presentaciones basadas en el tiempo del modelo y aspectos del modelo, y otros datos. Los datos de monitorización del proceso pueden recibirse en tiempo real, y la Interfaz de usuario puede actualizarse en tiempo real.
La FIGURA 1 muestra una representación esquemática de un ejemplo de planta de procesamiento, sistema de computación, e interfaz de usuario de acuerdo con la invención. Una planta 100 de procesamiento puede incluir múltiples entidades 110, 120, 130, 140 que pueden monitorizarse durante el funcionamiento de un proceso. Una planta de procesamiento hace referencia a cualquier estructura física que esté diseñada para llevar a cabo un proceso complejo. Ejemplos de plantas de procesamiento incluyen plantas piloto, plantas químicas, de fabricación, de generación de gas, de recubrimiento, de procesamiento y fabricación de fármacos, de procesamiento y procesamiento de productos biológicos, y otras plantas de fabricación. Las entidades de una planta de procesamiento pueden ser, por ejemplo, válvulas, tanques de almacenamiento, líneas de alimentación, hornos, cámaras de condensación, reactores químicos, biorreactores, fermentadores, purificadores, y cualquier otra entidad utilizada en una planta de procesamiento. Cada entidad puede ser monitorizada por un monitor de proceso, que puede ser cualquier sensor adecuado. Por ejemplo, un monitor de proceso puede almacenar la temperatura, presión, y/o otros datos relevantes acerca de una entidad de la planta de procesamiento. El sistema puede incluir otros sensores o proporcionar otras variables de proceso, como datos ambientales, datos de pasos de procesamiento pasados, propiedades del material de entrada, y tiempo de proceso, así como cualquier otra variable de proceso capturada por la planta de procesamiento.
Un sistema 150 de computación puede recibir valores para las diferentes variables de proceso monitorizadas por el sistema. Cada variable 111, 121, 131, 141 de proceso puede asociarse con una o más entidades monitorizadas. En el ejemplo de sistema que se muestra en la FIGURA 1, la variable 111 de proceso se asocia al elemento110 de la planta de procesamiento, la variable 121 de proceso se asocia al elemento 120, y así sucesivamente. Variables 160 de proceso adicionales pueden proporcionar otros datos y/o ser recibidas de otras entidades de la planta de procesamiento. El sistema puede crear un modelo 170 multivariable utilizando las diferentes variables de proceso disponibles de la planta de procesamiento. El modelo multivariable puede, en parte, crear variables 175, 180 compuestas. Como se describe con mayor detalle más abajo, una variable compuesta describe información acerca y relaciones entre dos o más variables utilizadas para construir un modelo multivariable de un proceso. Por ejemplo, una variable compuesta puede ser un componente principal según se obtiene de las técnicas de análisis de componente principal. Por tanto, las variables compuestas pueden proporcionar información resumida o combinada acerca de múltiples elementos y eventos de la planta de procesamiento.
El sistema 150 de computación puede proporcionar una interfaz 190 de usuario. La interfaz 190 de usuario puede mostrar diferentes datos y modelos relacionados con el proceso que lleva a cabo por la planta 100 de procesamiento, utilizando el modelo 170 multivariable y/o otros datos proporcionados por el sistema 150 de computación. La interfaz de usuario puede actualizarse en tiempo real. Según se utiliza en el presente documento, una serie de eventos se producen en "tiempo real" si los eventos se producen sin un retardo apreciable de uno al siguiente, aparte de un retardo inherente en cualquier sistema de información o procesamiento, y específicamente cualquier retardo inherente inevitable en el sistema que se describe que funciona en tiempo real. Por ejemplo, puede existir un retardo pequeño inevitable y no acumulativo entre el momento en que se envían los datos de un sensor a un sistema de computación y cuando los datos se muestran al usuario. Sin embargo, se consideraría que tal proceso
se produce en "tiempo real" cuando el sistema de computación no almacena los datos durante un período de tiempo largo antes de mostrar los datos. Un proceso en "tiempo real", por tanto, puede tener un retardo persistente relativamente pequeño, aunque generalmente el retardo no es acumulativo durante el proceso.
También puede disponerse la interfaz 190 de usuario para un usuario que esté geográficamente separado de la propia planta de procesamiento. Según se utiliza en el presente documento, un usuario está "remoto" con relación a un proceso o a una planta de procesamiento si el usuario está geográficamente separado del proceso o planta. Típicamente, se puede utilizar una red de comunicaciones para conectar un sistema de computación utilizado por un usuario remoto a un sistema de computación asociado al proceso. La interfaz de usuario puede permitir que un usuario remoto monitorice, controle, y/o realice tareas de diagnóstico en la planta de procesamiento. El sistema 150 de computación puede ser el sistema que crea y muestra la interfaz 190 de usuario, o puede estar en comunicación con un sistema separado que muestra la interfaz al usuario. En algunas configuraciones, la interfaz de usuario puede ser una interfaz basada en la red que se puede mostrar y manipular utilizando un navegador de red estándar. Esto puede mejorar aún más la disponibilidad del sistema, ya que la mayoría de los sistemas de computación de los usuarios finales tienen durante el uso un navegador de red instalado. Por tanto, no es necesario que un usuario instale software específico o propietario de un sistema de monitorización para utilizar las interfaces de acuerdo con la invención. Esto puede ser cierto incluso cuando el usuario está remoto con relación al sistema monitorizado, ya que el sistema puede proporcionar la interfaz de usuario a través de una conexión de red, como por ejemplo cuando se proporciona la interfaz a un usuario remoto a través de Internet.
Un sistema de acuerdo con la presente invención puede utilizar un modelo multivariable para proporcionar información acerca de un proceso. En general, los métodos de proyección multivariable comprimen las variables existentes en un proceso complejo hasta conseguir un número menor de variables latentes o componentes principales. Los componentes principales contienen las fuentes de variabilidad más importantes de un conjunto de datos de proceso, permitiendo representar cada observación a través de un pequeño número de componentes principales en lugar de, por ejemplo, varios cientos de variables individuales. Los componentes principales típicamente son una combinación lineal de las variables originales. Un modelo multivariable también puede incluir una indicación de la importancia de cada variable para cada uno de los componentes principales del modelo, por ejemplo utilizando coeficientes de peso para cada variable del proceso. Según se utiliza en el presente documento, una variable compuesta puede ser el componente principal de un modelo multivariable.
La interpretación del valor de cada componente principal por observación y los coeficientes correspondientes para cada variable de proceso pueden proporcionar información acerca de la región operacional definida por los datos en cuestión. Esto también puede indicar correlaciones y dependencias entre las variables originales del proceso.
La FIGURA 2 muestra un ejemplo simplificado de un vector T de una variable compuesta creada a partir de dos variables X1 y X2 de proceso y una interfaz de usuario correspondiente de acuerdo con la invención. Típicamente, un sistema de control de procesos puede incluir límites de control esperados para una variable de proceso que se está monitorizando. Por ejemplo, durante el funcionamiento normal de un proceso puede esperarse que las variables de proceso tengan cada una valores dentro de los límites superior e inferior ("lcs" y "lci", respectivamente). Sin embargo, en algunos casos el proceso puede fallar, llevarse a cabo de manera incorrecta, o quedar incompleto incluso aunque todas las variables del proceso tengan valores dentro de los rangos esperados. En tal situación, una variable compuesta puede proporcionar información adicional acerca de por qué falla el proceso.
Por ejemplo, las gráficas mostradas en la FIGURA 2 pueden representar la progresión de dos variables de proceso X1 y X2 a lo largo del tiempo. En cada punto en el tiempo, cada una de las variables de proceso se encuentra dentro de los límites de control. Un modelo multivariable puede definir una variable T compuesta que muestra la relación entre X1 y X2. Por ejemplo, la FIGURA 2 muestra T definida como una gráfica de X1 contra X2. Al examinar T, puede ser posible determinar condiciones que dan como resultado un posible fallo incluso cuando cada variable individual X1, X2 está dentro de los límites esperados. Esto se ilustra por medio de los dos puntos 210, 220 de la FIGURA 2 que están fuera de los límites de control multivariable. Por ejemplo, un punto 220 que está en el modelo multivariable definido pero fuera de los rangos esperados para la variable compuesta indica una desviación de la media para la variable compuesta. Un punto 210 que está fuera del modelo puede indicar una desviación de la variable compuesta con relación a los valores modelados.
Una interfaz 200 de usuario de acuerdo con la invención puede presentar variables compuestas de un modelo multivariable al usuario de varios modos. Pueden mostrarse los valores de una variable 201 compuesta y la contribución de cada variable de proceso a la variable 202 compuesta. La interfaz de usuario puede también actualizar cada pantalla en tiempo real a medida que se reciben datos de una planta de procesamiento. Las diferentes pantallas 201, 202 también pueden estar enlazadas y ser interactivas, por ejemplo de modo que cuando se selecciona un punto en la pantalla 201 compuesta se provoque que se muestre 202 la contribución de cada proceso disponible en el punto seleccionado. Como se describe con más detalle en el presente documento, son posibles otras pantallas y otras interacciones.
Para un proceso por lotes, se pueden considerar varios grupos de variables a la hora de crear un modelo
multivariable: las condiciones iniciales para cada lote, las medidas realizadas durante el procesamiento de cada lote, y las propiedades finales medidas para cada lote. Se pueden construir modelos multivariable adecuados utilizando, por ejemplo, métodos de mínimos cuadrados parciales multi-bloque y multi-trayectoria. Cada conjunto de variables define un bloque, y cada lote puede considerarse como una única observación. El modelo también puede considerar cada medida como una variable separada. Por ejemplo, si un lote tiene 250 medidas de temperatura, el modelo puede considerar esto como un sistema que tiene 250 variables diferentes.
La comparación de las puntuaciones de un conjunto de datos de lote puede proporcionar información acerca de las variaciones lote-a-lote. Los coeficientes asociados a cada variable de proceso el modelo también revelan correlaciones presentes entre las condiciones iniciales, las trayectorias del proceso, y la calidad de las medidas.
Los métodos estadísticos multivariable de control de proceso también pueden extenderse a procesos por lotes mediante la aplicación del análisis de componentes principales multi-modo y/o métodos de mínimos cuadrados parciales a una matriz en su forma desplegada de datos de lote según se ilustra en la FIGURA 3. Una matriz 301 tridimensional puede representar un conjunto de datos de un proceso de lote. La matriz incluye datos de / lotes, teniendo cada lote J variables medidas K veces durante el procesamiento. La matriz puede ser "cortada" en K rodajas 302, es decir, una rodaja por muestra. Cada rodaja representa entonces una única muestra, y los componentes principales para un modelo multivariable se pueden calcular a partir de una matriz 303 bidimensional formada a partir de las rodajas mostradas.
Los modelos multivariable utilizados en la presente invención pueden permitir la monitorización de procesos continuos, por lotes, multi-lote, y semi-lote. Se puede monitorizar, hacer diagnosis y/o corregir los procesos basándose en datos obtenidos después de un lote o cada lote, o se pueden monitorizar los lotes individualmente y ajustarlos durante el procesamiento. También se pueden monitorizar, hacer diagnosis y corregir los procesos en tiempo real. Se entenderá que se pueden utilizar otros algoritmos además y/o en lugar de los algoritmos específicos que se describen en el presente documento para construir un modelo multivariable de acuerdo con la invención. Los sistemas e interfaces descritos en el presente documento también se pueden utilizar con procesos continuos, por lotes, multi-lote y/o semi-lote.
En algunas configuraciones, los sistemas de acuerdo con la invención pueden crear un modelo multivariable en tiempo real. Esto es, en lugar de crear un modelo multivariable antes de recibir cualquier información de una planta de procesamiento, el modelo puede crearse a medida que se reciben los datos. Por ejemplo, una planta de procesamiento puede incluir múltiples sensores, monitorizaciones, y otros dispositivos de recogida de datos según se ha descrito previamente. Los datos de estas fuentes pueden recogerse y transmitirse a un sistema adaptado para crear un modelo multivariable del proceso llevado a cabo por la planta de procesamiento. A medida que se reciben los datos, puede crearse, modificarse y actualizarse el modelo multivariable para reflejar los datos más recientes. Así, el modelo multivariable puede ser más sensible que, por ejemplo, un modelo que debe ser construido de nuevo para incorporar al modelo cambios en el proceso.
Una interfaz de usuario puede presentar varios aspectos y vistas de un modelo multivariable, los datos utilizados para construir el modelo multivariable, y/o los datos generados por un modelo multivariable. En la FIGURA 4 se muestra una interfaz gráfica de ejemplo de acuerdo con la invención. La interfaz muestra la progresión de una variable compuesta en un modelo multivariable ("Modelo-D") a lo largo del tiempo. Puede indicarse el rango de valores esperado para valores de la variable, como por ejemplo mediante los límites 420, 430 superior e inferior respectivamente. Los límites pueden, por ejemplo, indicar que el proceso ha fallado si la variable compuesta excede los valores contenidos en los límites. Los límites también pueden indicar valores para los cuales el proceso requiere ajuste o atención de un operario humano, incluso aunque el proceso no haya fallado. Se pueden mostrar otras indicaciones de valores adecuados o esperados. Un usuario puede interaccionar con la pantalla, por ejemplo marcando un punto en la pantalla, seleccionando un punto o rango para un análisis más detallado, o llevando a cabo otras operaciones. Se puede mostrar una indicación de un punto seleccionado o rango, como la línea 410 de puntos.
Otro ejemplo de interfaz gráfica de acuerdo con la invención se ilustra en la FIGURA 5, que muestra contribución de múltiples variables de proceso a la variable compuesta ilustrada en la FIGURA 4 en el punto seleccionado (es decir, un paso temporal específico). Se pueden utilizar varias técnicas de visualización para proporcionar información de contribución de variable de proceso. La interfaz 500 de ejemplo indica el grado según el cual cada variable de proceso afecta al valor de la variable compuesta en el punto seleccionado al utilizar un límite proporcional para cada variable. Por tanto, cuando mayor sea el límite para una variable de proceso, mayor es el efecto del valor de esa variable de proceso sobre la variable compuesta en el punto seleccionado. A las variables 520 de proceso que tienen un gran efecto en la variable compuesta se pueden asignar límites grandes (ya sea muy positivas o muy negativas), mientras que a las variables 510, 530 de proceso que tienen menos efecto en la variable compuesta se pueden asignar límites menores. A las variables 530 de proceso que tienen un efecto relativamente bajo o ningún efecto en la variable compuesta se pueden asignar límites pequeños o ninguno. La interfaz puede indicar la "dirección" del efecto cada variable de proceso en la variable compuesta, por ejemplo cuando a una variable de proceso que tiende a desplazar la variable compuesta hacia abajo (es decir, en dirección a un valor menor) en la interfaz de la FIGURA 4 se asigna un bar de valor negativo, mientras que a las variables 510-540 de proceso que
tienden a desplazar la variable puesta hacia arriba se asignan límites de valor positivo. Las variables de proceso que tienen muy poco efecto o ninguno en la variable compuesta pueden mostrarse sin ningún bar, o pueden suprimirse de la visualización de la interfaz 50. También se puede mostrar otra información. La interfaz puede permitir a un usuario marcar y/o seleccionar una o más variables de proceso para identificación, análisis más detallado, u otras operaciones. Se puede mostrar una indicación de una variable de proceso seleccionada.
La FIGURA 6 muestra otro ejemplo de interfaz gráfica de acuerdo con la invención. La interfaz puede mostrar datos acerca de una o más variables de proceso. Las variables de proceso pueden ser seleccionadas por un usuario, como por ejemplo seleccionando una o más de las variables de proceso mostradas en una interfaz gráfica como la interfaz ilustrada en la FIGURA 5. La interfaz puede incluir rangos o límites 601, 602 esperados o requeridos para la variable de proceso mostrada. Así, la interfaz puede indicar si una variable de proceso específica se extiende fuera de los valores utilizados por el sistema del proceso o esperados por el modelo multivariable.
Las interfaces mostradas en las FIGURAS 4-6 pueden enlazarse unas con otras por medio de un sistema de computación. Por ejemplo, la primera interfaz 400 puede mostrar la progresión de una única varia compuesta en un modelo multivariable a lo largo del tiempo. Cuando un usuario desea información acerca de un punto específico en el tiempo o un punto en el modelo, puede seleccionar el punto 410 en la interfaz 400. La interfaz 400 puede estar enlazada a una segunda interfaz 500, que puede mostrar datos acerca de las variables de proceso utilizadas en el modelo multivariable en el punto seleccionado por el usuario. Como se ha descrito anteriormente, se pueden mostrar varias informaciones y relaciones para una o más de las variables del proceso. La interfaz 500 puede ser actualizada mediante datos recibidos de la primera interfaz 400 después de que el usuario haya seleccionado un punto para analizar, o puede ser una representación estática del punto seleccionado. El usuario también puede seleccionar una
o más de las variables de proceso mostradas por la segunda interfaz 500 para un análisis más detallado, provocando que las variables de proceso seleccionadas se muestren en una tercera interfaz 600. Por ejemplo, la tercera interfaz 600 puede mostrar el valor de una variable de proceso seleccionada a lo largo de un intervalo de tiempo, incluyendo el punto 410 seleccionado en la primera interfaz 400. Las interfaces 400, 500, 600 pueden recibir información desde un sistema de computación y/o una planta de procesamiento en tiempo real, y también pueden ser actualizadas en tiempo real para proporcionar información actualizada a un usuario. Las interfaces también pueden ser presentadas a un usuario remoto para permitir la monitorización, diagnosis y ajuste del proceso y/o la planta de procesamiento por parte de un usuario geográficamente separado del proceso.
Una única interfaz de usuario puede incluir múltiples interfaces gráficas, como se ilustra en la FIGURA 7. La interfaz 700 de usuario de ejemplo incluye tres interfaces 710, 720, 730. Las interfaces pueden estar enlazadas según se ha descrito previamente con relación a las FIGURAS 4-6. Las interfaces también pueden recibir datos y/o ser actualizadas en tiempo real, y pueden ser presentadas y controladas por un usuario remoto. La interfaz puede presentar tipos de datos y visualizaciones diferentes de las descritas con relación a las FIGURAS 4-6, incluyendo gráficas SPC, de línea, de dispersión, de límite, de predicción/tendencia y personalizadas. También se pueden generar informes y modelos. Como ejemplo específico, la interfaz de usuario puede incluir una interfaz 710 que muestra una o más variables compuestas de un modelo multivariable, una interfaz 720 que muestra una o más variables de proceso, y una interfaz 730 que muestra la contribución de una o más variables de proceso a un modelo multivariable. Cada pantalla puede ser actualizada a medida que se reciben datos de las variables del proceso. Así por ejemplo, se puede observar a lo largo del tiempo la contribución de las diferentes variables de proceso al modelo, mientras que los valores para la variable compuesta y/o variable de proceso relevante se presentan en una gráfica a lo largo del tiempo. Un usuario puede seleccionar una o más porciones en cada interfaz para un análisis más detallado, como por ejemplo seleccionar una variable de proceso en la interfaz 730 que entonces se muestra a lo largo del tiempo en la pantalla 720 de variable de proceso. Son posibles otras interacciones entre las interfaces.
Las interfaces descritas en las FIGURAS 4-7 pueden permitir la detección de la degradación del funcionamiento de la planta a lo largo del tiempo mediante el análisis de variables compuestas y las contribuciones de variables de proceso a lo largo del tiempo. Los usuarios también pueden identificar las causas subyacentes de la degradación del funcionamiento por medio del análisis de la contribución de las variables de proceso al proceso global a través de un modelo multivariable y mediante el análisis de la progresión de variables individuales del proceso a lo largo del tiempo. También se pueden evaluar piezas de equipos individuales mediante el análisis de variables de proceso y variables compuestas asociadas a los equipos. La interfaz combinada puede incluir otras interfaces además de, o en lugar de, los ejemplos específicos mostrados. Por ejemplo, se puede mostrar una interfaz que muestra cómo un proceso monitorizado se desvía de una trayectoria media de un modelo multivariable. Cada interfaz mostrada puede estar enlazada a otras interfaces. Por ejemplo, si un usuario selecciona un punto en el tiempo en una interfaz que muestra la desviación del proceso de una trayectoria media a lo largo del tiempo, se puede mostrar la contribución de cada variable de proceso al modelo multivariable en el punto del tiempo seleccionado. También se pueden proporcionar otras interfaces.
Las interfaces y análisis descritos en el presente documento también pueden permitir la detección y predicción temprana de propiedades del producto durante el funcionamiento de un proceso. Por ejemplo, la FIGURA 7 puede resumir un proceso complejo en un pequeño número de gráficos interactivos, que pueden proporcionar una vista general del proceso. Como las varias interfaces gráficas pueden estar enlazadas unas a otras, también puede
permitir a un usuario "navegar" a través de modelos complejos para aislar una variable o medida de interés.
Las interfaces de usuario descritas en el presente documento pueden actualizarse en tiempo real. Como se ha descrito previamente, los sistemas que se utilizan para crear un modelo multivariable y proporcionar una interfaz de usuario pueden recibir datos de una planta de procesamiento, como por ejemplo valores para varias variables de proceso utilizadas para crear el modelo multivariable. A medida que se reciben estos datos, el modelo multivariable y/o interfaz de usuario relacionada con el modelo y el funcionamiento de la planta de procesamiento pueden ser actualizados para reflejar los nuevos datos. Por tanto, los interfaces de usuario pueden presentar los datos y análisis disponibles más actuales. Las diferentes interfaces descritas en el presente documento pueden proporcionarse en una única interfaz, como se ilustra en la FIGURA 7, o pueden mostrarse en interfaces separadas tales como ventanas independientes. Por ejemplo, los interfaces mostrados en las FIGURAS 4-6 pueden estar enlazados a través de múltiples ventanas, de manera que cuando un usuario selecciona un punto den el tiempo en la FIGURA 4, se muestra la FIGURA 5 en una ventana o interfaz separada, estando todavía enlazada a la FIGURA 4 como se ha descrito anteriormente. Son posibles también otras configuraciones.
La FIGURA 8 muestra un sistema para monitorizar una planta de procesamiento de acuerdo con la presente invención. Una o más fuentes 810 de datos, como sensores de una planta de procesamiento, pueden transmitir datos al sistema. Los datos pueden ser transmitidos de manera continua, a intervalos regulares, irregularmente, a demanda, o en cualquier otro momento adecuado. Los datos pueden ser capturados por una o más bases 820 de datos que almacenan los datos para su análisis. Un motor 830 de modelado y un servidor 840 de front-end (servidor de aplicaciones) pueden usar y analizar los datos almacenados en la base 820 de datos. Por ejemplo, el servidor 840 de front-end (servidor de aplicaciones) puede ser un servidor web como el Servidor de Información de Internet de Microsoft o el servidor web Apache que recoge datos de la base 820 de datos y/o el motor 830 de modelado para su presentación a un usuario a través de un enlace de comunicación. El motor 830 de modelado puede utilizar datos almacenados para generar un modelo multivariable del proceso descrito por las fuentes 810 de datos. El servidor 840 de front-end (servidor de aplicaciones) puede recoger y formatear datos para mostrarlos a un usuario en una o más interfaces 850 de usuario según se ha descrito previamente. La base 820 de datos, servidor 840 de front-end (servidor de aplicaciones), motor 830 de modelado e interfaz 850 de usuario pueden ser módulos de software de uno
o más sistemas de hardware, y pueden combinar según cualquier combinación adecuada de hardware y software. Por ejemplo, el servidor 840 de front-end (servidor de aplicaciones) y el motor 830 de modelado pueden construirse utilizando hardware común, o pueden ser dispositivos físicos separados. Los diferentes componentes pueden comunicarse a través de cualquier medio de comunicación, como por ejemplo sistemas con cables o inalámbricos, redes privadas, Internet pública, y otras redes. La base 820 de datos, el servidor 840 de front-end (servidor de aplicaciones), el motor 830 de modelado y la interfaz 850 de usuario pueden estar cada uno de ellos ubicados en una localización remota con relación a las fuentes de datos, y también cada uno de ellos puede estar ubicado en una localización remota con relación a cada otro elemento en el sistema. Es destacable que la interfaz 850 de usuario pueda ser transmitida a un sistema de computación de un usuario remoto por parte del servidor de front-end (servidor de aplicaciones), permitiendo así el acceso remoto al sistema por un usuario.
La FIGURA 9 es una representación esquemática de un ejemplo de sistema y flujo de datos de acuerdo con la invención. El sistema puede describirse utilizando tres capas: control 901 de procesos, lógica 902, y almacenamiento 903 y presentación de datos. Las capas pueden ser capas lógicas, es decir, pueden no corresponder a una separación lógica de las capas o sistemas que implementan la funcionalidad de cada capa. La capa 901 de recogida y preprocesamiento de datos puede interrogar una o más fuentes de datos y levar a cabo una extracción de datos adicional. La capa puede incluir receptores/agregadores que reciben datos de monitores 910 de las entidades del proceso (por ejemplo, sensores en una planta de procesamiento), uno o más brókers 915 de datos, y otras fuentes 920 de datos. Los brókers de datos pueden ser, por ejemplo, fuentes de datos estructuradas como bases de datos relacionales. Un bróker de datos puede ser una única base de datos, o puede incluir múltiples bases de datos. Estos datos pueden ser recogidos por un módulo 925 de barrido de la capa lógica. Por ejemplo, cuando los datos están disponibles de los monitores de plantas de procesamiento, una unidad de barrido puede ocasionalmente solicitar datos actuales o actualizados de cada monitor. Un módulo 930 de traducción de datos puede convertir los datos recibidos a un formato común o llevar a cabo otras transformaciones antes de almacenarlos datos en un sistema back-end como una base 950 de datos. Los datos también pueden ser traducidos de acuerdo con una lógica de producto y una lógica de fase de proceso pre-determinadas. El módulo de traducción de datos también puede invocar un módulo 940 de cálculo para procesar los datos extraídos y traducidos. Los datos almacenados pueden ser utilizados por un módulo 935 de ejecución de modelo que ejecuta y coordina una aplicación 940 de cálculo y modelado que incluye rutinas almacenadas como métodos estadísticos multivariable de tipo PCA/PLS. La aplicación 940 puede ser un paquete comercialmente disponible, como por ejemplo MATLAB, o bien puede ser una aplicación personalizada adecuada para crear módulos o modelos específicos adecuados para proceso, industria o tecnología particular. La aplicación 940 puede incluir también múltiples componentes de aplicación, como por ejemplo cuando un paquete comercialmente disponible lleva a cabo cálculos generales, y un paquete personalizado crea un modelo específico para el proceso. Una interfaz 945 de front-end (servidor de aplicaciones), como un servidor web, puede proporcionar datos, cálculos y modelos a uno o más usuarios. El frontend (servidor de aplicaciones) puede proporcionar una interfaz de usuario interactivo, incluyendo una estructura y lógica para soportar búsquedas de datos, configuración de entradas y mostrar resultados.
A continuación se describe un ejemplo de realización de acuerdo con la presente invención. Se entenderá que son posibles variaciones distintas de las descritas con relación a la realización específica. Un ejemplo de sistema puede dividir los usuarios en diferentes tipos, como operadores, supervisores, administradores y servicios. Un operador es un usuario que puede visualizar información acerca de resultados, como datos presentados como un conjunto de gráficas e informes. Un supervisor es un usuario que puede especificar parámetros a una base de datos de petición, definir computaciones requeridas para los informes, y visualizar un resumen de lote para una planta de procesamiento. Un administrador es un usuario que puede establecer los niveles de permiso de los usuarios, modificar entradas directamente en la base de datos, y gestionar las cuentas de usuario. Un servicio es usuario de sistema que puede llevar a cabo acciones periódicas u ocasionales tales como barridos de una base de datos en busca de datos de proceso, traducir fases y productos del proceso, y almacenar datos.
Una aplicación de software del sistema puede incluir una serie de páginas web anidadas organizadas de manera general en dos secciones: ajustes y resultados. Varias páginas administrativas están disponibles desde la sección de ajustes. Las páginas administrativas pueden incluir funcionalidades para definir parámetros para tablas de referencia interna, definir lógica de fases, y configurar ajustes de seguridad de la aplicación. Las páginas de resultados pueden permitir a un usuario mostrar resultados de cálculos y monitorizar en tiempo real fuentes de datos.
Las características de un sistema de acuerdo con la presente invención pueden describirse por medio de casos de uso. Las características y operaciones del sistema pueden utilizar múltiples casos de uso, y los casos de uso pueden inter-operar con múltiples partes del sistema, como se ha descrito anteriormente. En la FIGURA 10 se describe e ilustra un caso de uso específico y no limitante. Para definir y utilizar los sistemas y métodos descritos en el presente documento, pueden implementarse otros casos de uso.
Registrarse en el Sistema: Un usuario puede introducir una página web enlazada a interfaces de usuario (por ejemplo, las interfaces 700 y 850 de usuario). El sistema extrae el nombre de usuario, y determina sus Permisos. Por ejemplo, la información de usuario puede almacenarse en un sistema de autentificación general, como por ejemplo un método de autentificación de Microsoft Windows. El usuario puede entonces registrarse en el sistema y se proporciona acceso a la funcionalidad adecuada.
Editar Usuario: Un administrador puede establecer o modificar un nombre de usuario, login y niveles de permiso.
Especificar Enlace de Fuente de Datos: El sistema puede mostrar una lista de fuentes de datos existentes. Un usuario puede seleccionar una fuente de datos adecua para editar o añadir una nueva fuente de datos. Dentro de una fuente de datos, un usuario puede seleccionar un objeto específico, como una planta de proceso o una unidad de planta de la fuente de datos. El usuario también puede seleccionar propiedades del objeto, como el tipo de datos, tipo de fuente de datos, zona horaria, nombre ODBC, y otros parámetros. Estos datos pueden almacenarse en una base de datos (por ejemplo, base 820 o 950 de datos).
Editar Planta: El sistema puede mostrar una lista de plantas de procesamiento para las que se pueden recoger datos. El usuario puede seleccionar de la lista de plantas conocidas, o puede añadir una nueva. Por ejemplo, una única interfaz de usuario y sistema de información puede utilizarse para monitorizar múltiples plantas. Un usuario puede añadir una nueva planta para monitorizar especificando una fuente de datos, un enlace de fuente de datos, un nombre de planta de procesamiento, un tipo de proceso, y/o otra información acerca de la nueva planta. También se pueden modificar las propiedades de plantas existentes.
Editar Unidad/Producto: Al igual que con la creación y edición de plantas, un usuario también puede crear y editar unidades, productos, y otras entidades del sistema.
Crear/Editar Etiquetas: Un usuario puede aplicar etiquetas para especificar información contextual acerca de un objeto. Cada etiqueta puede incluir un nombre, límites inferior y superior, una frecuencia (por ejemplo, barrer en varios intervalos), tolerancia (por ejemplo, cuánto de cerca a la frecuencia debe estar el barrido real), tipo de interpolación (por ejemplo, monotónica o no), y otros atributos. Para cada etiqueta, el sistema puede llevar a cabo una comprobación de integridad, como por ejemplo verificar que un límite inferior es menor que un límite superior, o que la tolerancia es menor que la frecuencia. Para cada etiqueta, el sistema puede calcular un momento para empezar a recoger datos y un intervalos histórico de tiempos para utilizar para los datos almacenados basándose en los parámetros dispuestos por el usuario y otros parámetros especificados en el sistema. El sistema puede utilizar los datos de etiqueta para determinar cuándo recoger datos de cada fuente de datos etiquetada.
Editar Lógica de Producto: Un usuario puede especificar lógica de producto para procesos por lotes o porciones de lotes. Para editar una lógica de producto, el usuario selecciona un objeto (planta o unidad) e introduce una expresión para la lógica de producto. El sistema puede verificar que la expresión introducida satisface los requisitos de sintaxis del sistema y/o el proceso con el cual está asociado el producto.
Editar Lógica de Lote: Similarmente, un usuario puede especificar la lógica de lote mediante la selección de un objeto y la introducción de una lógica de fase para el lote. Típicamente, si el objeto seleccionado es una planta continua, entonces la lógica de lote se aplica a todos los productos de la planta.
Editar Lógica de Fase: El usuario también puede especificar la lógica de fase para una planta de lote o parte de una planta de lote mediante la selección de un nombre de fase y la introducción de expresiones para los tiempos de arranque, final, y procesamiento máximo. Estas expresiones pueden ser verificadas por el sistema.
Actualizar Traducción de Datos: El sistema puede actualizar las traducciones de datos deteniendo las llamadas recurrentes de a módulos de traducción para un objeto, eliminar resultados de traducciones de datos para puntos temporales entre el tiempo actual y el tiempo de inicio de barrido para el objeto, llevar a cabo la traducción de datos para puntos entre el tiempo actual y el tiempo de inicio de barrido, y re-iniciar llamadas recurrentes de módulos de traducción de datos para el objeto.
Especificar Etiquetas de Cálculo en Crudo: Un usuario puede seleccionar un objeto e introducir etiquetas de cálculo en crudo para el objeto. Antes de almacenarse, puede comprobarse la sintaxis de las expresiones introducidas por un usuario.
Especificar Etiquetas de Cálculo de Calidad: Un usuario puede seleccionar un objeto e introducir etiquetas de cálculo en crudo para el objeto. Antes de almacenarse, puede comprobarse la sintaxis de las expresiones introducidas por un usuario.
Datos de barrido en crudo: Un servicio puede barrer datos en crudo de las fuentes de datos. El servicio puede barrer fuentes de datos a una frecuencia especificada para cada fuente de datos y cada etiqueta (para variables de proceso).
Comprobar datos en crudo no-cronológicos: Un servicio puede comprobar datos de períodos de tiempo anteriores en busca de datos no-cronológicos.
Comprobar múltiples valores en crudo: Un servicio puede determinar si hay más de un valor para la misma marca de tiempo.
Datos de calidad de barrido: Un servicio barre datos de calidad de la fuente de datos de calidad. Puede repetir regularmente a una frecuencia para cada fuente de datos.
Traducir datos en crudo: Este servicio traduce datos en crudo para identificar producto y fase para un objeto.
Comprobar Lógica de Producto/Lote: Un servicio puede comprobar la lógica de producto y/o lote en un momento de tiempo determinado.
Comprobar datos no monotónicos: Un servicio puede comprobar etiquetas monotónicas buscando datos nomonotónicos dentro de los reutilizadores de lote.
Traducir datos de calidad: Un servicio puede traducir datos de calidad y traducir datos en crudo para enlazar nuevos lotes en crudo con sus correspondientes datos de calidad.
Interpolar datos: El sistema puede interpolar valores de etiqueta desde un punto de tiempo basándose en datos de etiqueta de la base de datos.
Crear Modelo: El sistema puede crear modelos multivariable según se ha descrito previamente que serán utilizados para monitorizar los futuros datos de planta. Un flujo de eventos ejemplar puede incluir:
- (1)
- El usuario define propiedades para el modelo, como:
- (a)
- Objeto (por ejemplo, Planta, ReUtilizador o Unidad)
- (b)
- Producto
- (c)
- Método de escala
- (d)
- Algoritmo
- (e)
- Alineación
- (f)
- Proyectar valores futuros
- (2)
- El sistema genera un nombre por defecto para el modelo
- (3)
- El usuario modifica el nombre del modelo si es necesario.
- (4)
- El usuario introduce propiedades para seleccionar lotes (o intervalos de tiempo para procesos continuos), como:
- (a)
- Tiempo de inicio
- (b)
- Tiempo de finalización
(c) Fase
- (5)
- El sistema muestra una lista de lotes para la planta de lotes (por ejemplo, nombre de lote, tiempo de inicio, y tiempo de finalización) o intervalos de tiempo para plantas continuas (por ejemplo, tiempo de inicio y tiempo de finalización) para los parámetros seleccionados.
- (6)
- El usuario incluye/excluye lotes de la lista
- (7)
- El usuario selecciona un conjunto de etiquetas de una lista de etiquetas disponibles. La lista puede incluir etiquetas extraídas así como etiquetas calculadas. Estas etiquetas pueden utilizarse como columnas de un conjunto de datos de fuente (matriz X).
- (8)
- El usuario selecciona Categoría Variable para cada etiqueta seleccionada. Una por defecto puede denominarse, típicamente "variable de control".
- (9)
- Para cada variable de control y manipulada, el usuario puede especificar varias propiedades, como:
- (a)
- límite inferior
- (b)
- límite superior
- (c)
- objetivo
- (10)
- El usuario selecciona una base de alineación de la lista.
- (a)
- Para una planta continua, entonces la lista puede incluir sólo el tiempo.
- (b)
- Para una planta por lotes, la lista puede incluir etiquetas de tiempo y monotónicas.
- (11)
- El usuario selecciona el perfil para la alineación. Esta información puede utilizarse para generar filas en el conjunto de datos de fuente. El perfil puede ser uniforme y definido por el usuario.
- (12)
- El sistema genera un Conjunto de Datos para la rutina de cálculos.
- (a)
- Para una planta continua, el conjunto de datos tiene dos dimensiones (por ejemplo, tiempo y etiquetas).
- (b)
- Para una planta por lotes, el conjunto de datos tiene 3 dimensiones (por ejemplo, lote, base de alineación, etiquetas).
- (13)
- El sistema llama a la rutina de cálculo.
- (14)
- Si hay un error en la rutina de cálculo, entonces el usuario informa al usuario acerca del error.
- (15)
- El sistema muestra un informe con ajustes de modelo así como con resultados del cálculo.
- (16)
- El usuario lleva a cabo un caso-de-uso (por ejemplo, "Añadir Modelo").
Añadir Modelo: Un usuario puede añadir un modelo creado a la lista de modelos para ejecutar. El usuario puede definir atributos del modelo, como por ejemplo la frecuencia (por ejemplo, en tiempo real, 1 min, 5 min, o un tiempo personalizado).
Ejecutar Modelo: Un servicio puede ejecutar los cálculos del modelo basándose en los datos de la base de datos. El caso de uso puede repetirse regularmente dentro de unos intervalos de tiempo especificados para cada modelo.
Visualizar registros de error: Un supervisor puede visualizar errores que se han producido al recuperar datos de la base de datos. Varios otros servicios y aplicaciones pueden llenar el registro de error.
Los diferentes sistemas descritos en el presente documento pueden incluir cada uno de ellos un componente de almacenamiento legible por ordenador para almacenar instrucciones legibles por una máquina para llevar a cabo los diferentes procesos descritos e ilustrados. El componente de almacenamiento puede ser cualquier tipo de medio legible por una máquina (es decir, uno capaz de ser leído por una máquina) como una memoria de disco duro, una memoria flash, una memoria de disco flexible, una memoria codificada ópticamente (por ejemplo, un disco compacto, DVD-ROM, DVD±R, CD-ROM, CD±R, disco holográfico, etc.), una memoria termo-mecánica (por ejemplo, una base de datos basada en escaneo de sonda), o cualquier tipo de medio de almacenamiento legible por una máquina (legible por ordenador). Cada sistema de computación puede incluir también una memoria direccionable (por ejemplo, una memoria de acceso aleatorio, una memoria caché) para almacenar datos y/o conjuntos de instrucciones que puedan incluirse dentro, o ser generados por, las instrucciones legibles por ordenador cuando son ejecutadas por un procesador de la respectiva plataforma. Los métodos y sistemas descritos en el presente documento también pueden ser implementados como instrucciones legibles por una máquina almacenadas o incorporadas en cualquiera de los mecanismos de almacenamiento descritos anteriormente. Las diferentes comunicaciones y operaciones descritas en el presente documento pueden llevarse a cabo utilizando cualquier canal encriptado o no encriptado, y los mecanismos de almacenamiento descritos en el presente documento pueden utilizar cualquier mecanismo de almacenamiento y/o encriptación.
Aunque la presente invención se ha descrito con referencia a ejemplos y realizaciones particulares descritos, se entiende que se pueden realizar variaciones y modificaciones de tales ejemplos y realizaciones sin salirse del ámbito de las reivindicaciones adjuntas.
Claims (16)
- REIVINDICACIONES1. Un sistema que comprende:un colector (840) de datos para recibir datos de monitorización de proceso que describen un proceso llevado a cabo por una planta (100) de procesamiento, comprendiendo los datos de monitorización de proceso valores para una pluralidad de variables de proceso (X1, X2...X29);ç un procesador (830) para construir un modelo (170) multivariable del proceso a medida que se reciben los datos en el colector (840) de datos; y una interfaz (190, 700) de usuario en comunicación con el procesador (830) para presentar información que describe el proceso, que comprende:una primera interfaz (710) gráfica para indicar el rendimiento de la planta (100) de procesamiento basándose en el modelo (170) multivariable; una segunda interfaz (720) gráfica para mostrar la contribución de al menos una de las variables de proceso (X1, X2...X29) al modelo (170) multivariable; y una tercera interfaz (730) gráfica para mostrar una indicación acerca de la desviación del proceso de un rango esperado por el modelo (170) multivariable.
-
- 2.
- El sistema de la reivindicación 1, donde la interfaz (190, 700) de usuario está basada en la web.
-
- 3.
- El sistema de cualquiera de las reivindicaciones 1 o 2, donde la interfaz (190, 700) de usuario es presentada a un usuario en tiempo real.
-
- 4.
- El sistema de cualquiera de las reivindicaciones 1 a 3, donde la primera interfaz (710) gráfica y la segunda interfaz (720) gráfica son presentadas al usuario de manera concurrente.
-
- 5.
- El sistema de la reivindicación 4, donde la tercera interfaz (730) gráfica es mostrada al usuario concurrentemente con la primera y la segunda interfaces (710, 720) gráficas.
-
- 6.
- El sistema de cualquiera de las reivindicaciones 1 a 5, donde la interfaz (190, 700) de usuario presenta datos en tiempo real.
-
- 7.
- El sistema de cualquiera de las reivindicaciones 1 a 6, donde la interfaz (190, 700) de usuario es presentada a un usuario remoto.
-
- 8.
- El sistema de cualquiera de las reivindicaciones 1 a 7, donde la primera interfaz (710) gráfica presenta el comportamiento de una variable (175, 180) compuesta del modelo (170) multivariable como una función del tiempo.
-
- 9.
- El sistema de cualquiera de las reivindicaciones 1 a 8, donde la segunda interfaz (720) gráfica presenta la contribución de al menos una de entre la pluralidad de variables de proceso (X1, X2...X29) al modelo (170) multivariable en un punto de tiempo del modelo (170) multivariable seleccionado por un usuario.
-
- 10.
- Un método que comprende:
basándose en datos recibidos de una planta (100) de procesamiento, construir un modelo (170) multivariable de un proceso llevado a cabo por la planta (100) de procesamiento, estando construido el modelo (170) multivariable a medida que se reciben los datos; presentar una interfaz (190, 700) de usuario a un usuario remoto, mostrando la interfaz (190, 700) de usuario el valor de una variable (175, 180) compuesta del modelo (170) multivariable a lo largo del tiempo, creándose la variable (175, 180) compuesta a partir de una pluralidad de variables de proceso (X1, X2...X29); actualizar la interfaz (190, 700) de usuario a medida que se reciben los datos; recibir una selección de un punto de tiempo en la pantalla de variable compuesta; y mostrar la contribución de al menos una de entre la pluralidad de variables (X1, X2...X29) de proceso a las variables (175, 180) compuestas en el punto seleccionado. -
- 11.
- El método de la reivindicación 10, que además comprende:
recibir una selección de una variable de proceso (X1, X2...X29) mostrada del usuario remoto; y mostrar el valor de la variable de proceso (X1, X2...X29) seleccionada a lo largo de un intervalo de tiempo. -
- 12.
- El método de la reivindicación 11, donde la interfaz (190, 700) de usuario, la contribución de al menos una de entre la pluralidad de variables de proceso (X1, X2...X29) y el valor de la variable de proceso (X1, X2...X29) seleccionada se muestran al usuario de manera concurrente.
-
- 13.
- El método de las reivindicaciones 11 o 12, donde al menos una de la interfaz (190, 700) de usuario, la contribución de al menos una de entre la pluralidad de variables de proceso (X1, X2...X29), y el valor de la variable de proceso (X1, X2...X29) seleccionada son actualizadas en tiempo real.
5 14. El método de cualquiera de las reivindicaciones 10 a 13, donde el valor de la variable (175, 180) compuesta es actualizada y mostrada en tiempo real. -
- 15.
- El método de cualquiera de las reivindicaciones 10 a 14, donde la interfaz (190, 700) de usuario es una interfaz basada en la web.
-
- 16.
- El método de cualquiera de las reivindicaciones 10 a 1étodo de cualquiera de las reivindicaciones 10 a 15, donde la interfaz (190, 700) de usuario muestra además una indicación acerca de la contribución de al menos una de entre la pluralidad de variables de proceso (X1, X2...X29) a la variable (175, 180) compuesta en un punto de tiempo y la desviación del proceso de una trayectoria media esperada; donde el método comprende además
15 actualizar la indicación acerca de la contribución de la al menos una de entre la pluralidad de variables de proceso (X1, X2...X29) a la variable (1750, 180) compuesta en el punto de tiempo seleccionado. - 17. Un medio de almacenamiento legible por ordenador que almacena una pluralidad de instrucciones que, cuandoson ejecutadas por un procesador (830), provocan que el procesador (830) lleve a cabo el método de cualquiera de 20 las reivindicaciones 10 a 16.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US85675706P | 2006-11-03 | 2006-11-03 | |
US856757P | 2006-11-03 | ||
PCT/US2007/083476 WO2008133715A2 (en) | 2006-11-03 | 2007-11-02 | System and method for process monitoring |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2431863T3 true ES2431863T3 (es) | 2013-11-28 |
ES2431863T5 ES2431863T5 (es) | 2017-07-27 |
Family
ID=39926243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES07874249.1T Active ES2431863T5 (es) | 2006-11-03 | 2007-11-02 | Sistema y método para la monitorización de procesos |
Country Status (6)
Country | Link |
---|---|
US (1) | US7606681B2 (es) |
EP (1) | EP2097794B2 (es) |
CN (1) | CN101536002B (es) |
ES (1) | ES2431863T5 (es) |
PL (1) | PL2097794T5 (es) |
WO (1) | WO2008133715A2 (es) |
Families Citing this family (103)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9565275B2 (en) | 2012-02-09 | 2017-02-07 | Rockwell Automation Technologies, Inc. | Transformation of industrial data into useful cloud information |
US7444401B1 (en) | 2002-11-18 | 2008-10-28 | Arkion Systems Llc | Method and apparatus for inexpensively monitoring and controlling remotely distributed appliances |
US7799273B2 (en) | 2004-05-06 | 2010-09-21 | Smp Logic Systems Llc | Manufacturing execution system for validation, quality and risk assessment and monitoring of pharmaceutical manufacturing processes |
US7444197B2 (en) | 2004-05-06 | 2008-10-28 | Smp Logic Systems Llc | Methods, systems, and software program for validation and monitoring of pharmaceutical manufacturing processes |
US7966150B2 (en) * | 2005-11-17 | 2011-06-21 | Florida Power & Light Company | Data analysis applications |
CN101681282A (zh) | 2006-12-06 | 2010-03-24 | 弗森多系统公司(dba弗森-艾奥) | 用于共享的、前端、分布式raid的装置、系统和方法 |
US8935302B2 (en) | 2006-12-06 | 2015-01-13 | Intelligent Intellectual Property Holdings 2 Llc | Apparatus, system, and method for data block usage information synchronization for a non-volatile storage volume |
US7680553B2 (en) * | 2007-03-08 | 2010-03-16 | Smp Logic Systems Llc | Methods of interfacing nanomaterials for the monitoring and execution of pharmaceutical manufacturing processes |
US7747899B2 (en) * | 2007-06-26 | 2010-06-29 | Microsoft Corporation | Providing mapping fault processing |
US8566780B2 (en) * | 2007-06-26 | 2013-10-22 | Microsoft Corporation | Object model based mapping |
CN101842756A (zh) * | 2007-08-14 | 2010-09-22 | 国际壳牌研究有限公司 | 用于化工厂或精炼厂的连续、在线监视的系统与方法 |
US8761909B2 (en) * | 2007-11-30 | 2014-06-24 | Honeywell International Inc. | Batch process monitoring using local multivariate trajectories |
US20100095232A1 (en) * | 2008-10-15 | 2010-04-15 | Daniel Measurement And Control, Inc. | Calculating and plotting statistical data |
EP3493174A3 (en) | 2008-10-27 | 2019-10-02 | Mueller International, LLC | Infrastructure monitoring system and method |
US8707193B2 (en) * | 2009-05-15 | 2014-04-22 | Incheck Technologies, Inc. | Remote monitoring system and method |
CA2772545C (en) | 2009-05-22 | 2018-12-11 | Mueller International, Inc. | Infrastructure monitoring devices, systems, and methods |
US8571696B2 (en) * | 2009-06-10 | 2013-10-29 | Fisher-Rosemount Systems, Inc. | Methods and apparatus to predict process quality in a process control system |
US9323234B2 (en) * | 2009-06-10 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Predicted fault analysis |
CN102598019B (zh) | 2009-09-09 | 2015-08-19 | 才智知识产权控股公司(2) | 用于分配存储的设备、系统和方法 |
US8539369B2 (en) * | 2010-01-06 | 2013-09-17 | La Crosse Technology, Ltd. | Central monitoring and measurement system |
JP5471629B2 (ja) * | 2010-03-10 | 2014-04-16 | 株式会社島津製作所 | 液体クロマトグラフ用分析システム及び該分析システムの制御プログラム |
CA3060512C (en) | 2010-06-16 | 2021-06-08 | Mueller International, Llc | Infrastructure monitoring devices, systems, and methods |
CN102053575B (zh) * | 2010-09-09 | 2012-12-26 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 工艺数据监控方法、装置及系统 |
US20120239860A1 (en) | 2010-12-17 | 2012-09-20 | Fusion-Io, Inc. | Apparatus, system, and method for persistent data management on a non-volatile storage media |
US20120210257A1 (en) * | 2011-02-11 | 2012-08-16 | General Electric Company | Automated system for analyzing power plant operations |
US9201677B2 (en) | 2011-05-23 | 2015-12-01 | Intelligent Intellectual Property Holdings 2 Llc | Managing data input/output operations |
US9003104B2 (en) | 2011-02-15 | 2015-04-07 | Intelligent Intellectual Property Holdings 2 Llc | Systems and methods for a file-level cache |
US8874823B2 (en) | 2011-02-15 | 2014-10-28 | Intellectual Property Holdings 2 Llc | Systems and methods for managing data input/output operations |
US20120239169A1 (en) * | 2011-03-18 | 2012-09-20 | Rockwell Automation Technologies, Inc. | Transparent models for large scale optimization and control |
US8874242B2 (en) * | 2011-03-18 | 2014-10-28 | Rockwell Automation Technologies, Inc. | Graphical language for optimization and use |
WO2012129191A2 (en) | 2011-03-18 | 2012-09-27 | Fusion-Io, Inc. | Logical interfaces for contextual storage |
CN102325147A (zh) * | 2011-05-03 | 2012-01-18 | 宁波弘讯科技有限公司 | 远程诊断的方法、装置及系统 |
US8833390B2 (en) | 2011-05-31 | 2014-09-16 | Mueller International, Llc | Valve meter assembly and method |
US8725451B2 (en) | 2011-06-21 | 2014-05-13 | General Electric Company | Systems and methods for use in monitoring operation of a rotating device |
US8706443B2 (en) | 2011-06-21 | 2014-04-22 | General Electric Company | System and method for monitoring rotating device |
US8655621B2 (en) | 2011-06-21 | 2014-02-18 | General Electric Company | Systems and methods for use in monitoring operation of a rotating device |
US8660134B2 (en) | 2011-10-27 | 2014-02-25 | Mueller International, Llc | Systems and methods for time-based hailing of radio frequency devices |
US8855569B2 (en) | 2011-10-27 | 2014-10-07 | Mueller International, Llc | Systems and methods for dynamic squelching in radio frequency devices |
US9915940B2 (en) * | 2011-10-31 | 2018-03-13 | Applied Materials, Llc | Bi-directional association and graphical acquisition of time-based equipment sensor data and material-based metrology statistical process control data |
US9251052B2 (en) | 2012-01-12 | 2016-02-02 | Intelligent Intellectual Property Holdings 2 Llc | Systems and methods for profiling a non-volatile cache having a logical-to-physical translation layer |
US9767032B2 (en) | 2012-01-12 | 2017-09-19 | Sandisk Technologies Llc | Systems and methods for cache endurance |
US9529348B2 (en) | 2012-01-24 | 2016-12-27 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for deploying industrial plant simulators using cloud computing technologies |
US10359972B2 (en) | 2012-08-31 | 2019-07-23 | Sandisk Technologies Llc | Systems, methods, and interfaces for adaptive persistence |
US9116812B2 (en) | 2012-01-27 | 2015-08-25 | Intelligent Intellectual Property Holdings 2 Llc | Systems and methods for a de-duplication cache |
US9477936B2 (en) | 2012-02-09 | 2016-10-25 | Rockwell Automation Technologies, Inc. | Cloud-based operator interface for industrial automation |
US10019353B2 (en) | 2012-03-02 | 2018-07-10 | Longitude Enterprise Flash S.A.R.L. | Systems and methods for referencing data on a storage medium |
US9612966B2 (en) | 2012-07-03 | 2017-04-04 | Sandisk Technologies Llc | Systems, methods and apparatus for a virtual machine cache |
US20140095361A1 (en) * | 2012-09-28 | 2014-04-03 | Oracle International Corporation | Supply chain financial orchestration system with trade accounting |
US9292012B2 (en) * | 2012-11-05 | 2016-03-22 | Rockwell Automation Technologies, Inc. | Secure models for model-based control and optimization |
ES2541277T3 (es) | 2012-12-24 | 2015-07-17 | Air Products And Chemicals, Inc. | Aparato y métodos para monitorizar y controlar unidades de proceso cíclico en un entorno estable de planta |
US10649424B2 (en) | 2013-03-04 | 2020-05-12 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics |
US9665088B2 (en) | 2014-01-31 | 2017-05-30 | Fisher-Rosemount Systems, Inc. | Managing big data in process control systems |
US10866952B2 (en) | 2013-03-04 | 2020-12-15 | Fisher-Rosemount Systems, Inc. | Source-independent queries in distributed industrial system |
US10909137B2 (en) | 2014-10-06 | 2021-02-02 | Fisher-Rosemount Systems, Inc. | Streaming data for analytics in process control systems |
US10223327B2 (en) | 2013-03-14 | 2019-03-05 | Fisher-Rosemount Systems, Inc. | Collecting and delivering data to a big data machine in a process control system |
US10386827B2 (en) | 2013-03-04 | 2019-08-20 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics platform |
US9397836B2 (en) | 2014-08-11 | 2016-07-19 | Fisher-Rosemount Systems, Inc. | Securing devices to process control systems |
US10649449B2 (en) | 2013-03-04 | 2020-05-12 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics |
US9558220B2 (en) | 2013-03-04 | 2017-01-31 | Fisher-Rosemount Systems, Inc. | Big data in process control systems |
US10282676B2 (en) | 2014-10-06 | 2019-05-07 | Fisher-Rosemount Systems, Inc. | Automatic signal processing-based learning in a process plant |
US9823626B2 (en) | 2014-10-06 | 2017-11-21 | Fisher-Rosemount Systems, Inc. | Regional big data in process control systems |
US10678225B2 (en) | 2013-03-04 | 2020-06-09 | Fisher-Rosemount Systems, Inc. | Data analytic services for distributed industrial performance monitoring |
US9842053B2 (en) | 2013-03-15 | 2017-12-12 | Sandisk Technologies Llc | Systems and methods for persistent cache logging |
US10691281B2 (en) | 2013-03-15 | 2020-06-23 | Fisher-Rosemount Systems, Inc. | Method and apparatus for controlling a process plant with location aware mobile control devices |
US10180414B2 (en) | 2013-03-15 | 2019-01-15 | Mueller International, Llc | Systems for measuring properties of water in a water distribution system |
EP3200131A1 (en) | 2013-03-15 | 2017-08-02 | Fisher-Rosemount Systems, Inc. | Data modeling studio |
US10102144B2 (en) | 2013-04-16 | 2018-10-16 | Sandisk Technologies Llc | Systems, methods and interfaces for data virtualization |
US10558561B2 (en) | 2013-04-16 | 2020-02-11 | Sandisk Technologies Llc | Systems and methods for storage metadata management |
US9989958B2 (en) | 2013-05-09 | 2018-06-05 | Rockwell Automation Technologies, Inc. | Using cloud-based data for virtualization of an industrial automation environment |
US20140337277A1 (en) * | 2013-05-09 | 2014-11-13 | Rockwell Automation Technologies, Inc. | Industrial device and system attestation in a cloud platform |
US10026049B2 (en) | 2013-05-09 | 2018-07-17 | Rockwell Automation Technologies, Inc. | Risk assessment for industrial systems using big data |
US9786197B2 (en) | 2013-05-09 | 2017-10-10 | Rockwell Automation Technologies, Inc. | Using cloud-based data to facilitate enhancing performance in connection with an industrial automation system |
US9703902B2 (en) | 2013-05-09 | 2017-07-11 | Rockwell Automation Technologies, Inc. | Using cloud-based data for industrial simulation |
US9438648B2 (en) * | 2013-05-09 | 2016-09-06 | Rockwell Automation Technologies, Inc. | Industrial data analytics in a cloud platform |
US9709978B2 (en) | 2013-05-09 | 2017-07-18 | Rockwell Automation Technologies, Inc. | Using cloud-based data for virtualization of an industrial automation environment with information overlays |
US20150032681A1 (en) * | 2013-07-23 | 2015-01-29 | International Business Machines Corporation | Guiding uses in optimization-based planning under uncertainty |
US9842128B2 (en) | 2013-08-01 | 2017-12-12 | Sandisk Technologies Llc | Systems and methods for atomic storage operations |
US10019320B2 (en) | 2013-10-18 | 2018-07-10 | Sandisk Technologies Llc | Systems and methods for distributed atomic storage operations |
US10073630B2 (en) | 2013-11-08 | 2018-09-11 | Sandisk Technologies Llc | Systems and methods for log coordination |
CN103744050A (zh) * | 2014-01-23 | 2014-04-23 | 国家电网公司 | 一种智能电能表的现场检测装置 |
US10268665B2 (en) * | 2014-04-07 | 2019-04-23 | Dresser, Llc | System and method to display data defining operation of a valve assembly on a trend graph on a user interface |
US10508807B2 (en) | 2014-05-02 | 2019-12-17 | Air Products And Chemicals, Inc. | Remote burner monitoring system and method |
US9494249B2 (en) | 2014-05-09 | 2016-11-15 | Mueller International, Llc | Mechanical stop for actuator and orifice |
US9565620B2 (en) | 2014-09-02 | 2017-02-07 | Mueller International, Llc | Dynamic routing in a mesh network |
US10168691B2 (en) | 2014-10-06 | 2019-01-01 | Fisher-Rosemount Systems, Inc. | Data pipeline for process control system analytics |
US9946607B2 (en) | 2015-03-04 | 2018-04-17 | Sandisk Technologies Llc | Systems and methods for storage error management |
US11513477B2 (en) | 2015-03-16 | 2022-11-29 | Rockwell Automation Technologies, Inc. | Cloud-based industrial controller |
US11243505B2 (en) | 2015-03-16 | 2022-02-08 | Rockwell Automation Technologies, Inc. | Cloud-based analytics for industrial automation |
US10496061B2 (en) | 2015-03-16 | 2019-12-03 | Rockwell Automation Technologies, Inc. | Modeling of an industrial automation environment in the cloud |
US11042131B2 (en) | 2015-03-16 | 2021-06-22 | Rockwell Automation Technologies, Inc. | Backup of an industrial automation plant in the cloud |
US11041839B2 (en) | 2015-06-05 | 2021-06-22 | Mueller International, Llc | Distribution system monitoring |
EP3173782A1 (de) | 2015-11-26 | 2017-05-31 | Karlsruher Institut für Technologie | Verfahren zur steuerung kontinuierlicher chromatographie und multisäulen-chromatographie-anordnung |
US10503483B2 (en) | 2016-02-12 | 2019-12-10 | Fisher-Rosemount Systems, Inc. | Rule builder in a process control network |
US10831180B2 (en) * | 2016-02-25 | 2020-11-10 | General Electric Company | Multivariate statistical process control of laser powder bed additive manufacturing |
WO2017174580A1 (en) * | 2016-04-04 | 2017-10-12 | Boehringer Ingelheim Rcv Gmbh & Co Kg | Real time monitoring of product purification |
US20180025704A1 (en) * | 2016-07-21 | 2018-01-25 | Tektronix, Inc. | Composite user interface |
RU2680869C2 (ru) * | 2017-03-06 | 2019-02-28 | Акционерное общество "РОТЕК" (АО "РОТЕК") | Способ автоматизированного сбора и подготовки данных для мониторинга и моделирования сложной технической системы |
EP3404593A1 (en) | 2017-05-15 | 2018-11-21 | Tata Consultancy Services Limited | Method and system for data based optimization of performance indicators in process and manufacturing industries |
CN107390553A (zh) * | 2017-08-08 | 2017-11-24 | 广东芬尼克兹节能设备有限公司 | 烘干机机组的集控方法与系统 |
EP3871129A1 (en) * | 2018-10-22 | 2021-09-01 | Covestro LLC | Techniques to custom design products |
CN109857068A (zh) * | 2018-12-20 | 2019-06-07 | 上海树根互联技术有限公司 | 智能装备远程运维新模式云服务展示方法、装置和服务器 |
US11725366B2 (en) | 2020-07-16 | 2023-08-15 | Mueller International, Llc | Remote-operated flushing system |
US11928081B2 (en) * | 2021-06-30 | 2024-03-12 | Fischer Controls International Llc | Event logging for valves and other flow control devices |
Family Cites Families (110)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2883255A (en) * | 1954-04-28 | 1959-04-21 | Panellit Inc | Automatic process logging system |
CA850273A (en) * | 1967-07-06 | 1970-08-25 | Charles J. Clarke, Jr. | D. d. c. interfacing circuitry |
US5257206A (en) * | 1991-04-08 | 1993-10-26 | Praxair Technology, Inc. | Statistical process control for air separation process |
US5339257A (en) * | 1991-05-15 | 1994-08-16 | Automated Technology Associates Inc. | Real-time statistical process monitoring system |
US5396416A (en) * | 1992-08-19 | 1995-03-07 | Continental Controls, Inc. | Multivariable process control method and apparatus |
US5479340A (en) * | 1993-09-20 | 1995-12-26 | Sematech, Inc. | Real time control of plasma etch utilizing multivariate statistical analysis |
SE9304246L (sv) * | 1993-12-22 | 1995-06-23 | Asea Brown Boveri | Förfarande vid övervakning av multivariata processer |
JP3035688B2 (ja) * | 1993-12-24 | 2000-04-24 | トピー工業株式会社 | 連続鋳造におけるブレークアウト予知システム |
US5659667A (en) * | 1995-01-17 | 1997-08-19 | The Regents Of The University Of California Office Of Technology Transfer | Adaptive model predictive process control using neural networks |
US5758047A (en) * | 1995-06-14 | 1998-05-26 | Lu; Zhuxin Joseph | Method of process controller optimization in a multivariable predictive controller |
GB2309800B (en) * | 1996-02-03 | 1999-07-28 | Kodak Ltd | A method of controlling the effect of raw materials on manufacturability |
US5862060A (en) * | 1996-11-22 | 1999-01-19 | Uop Llc | Maintenance of process control by statistical analysis of product optical spectrum |
US5862054A (en) * | 1997-02-20 | 1999-01-19 | Taiwan Semiconductor Manufacturing Company, Ltd. | Process monitoring system for real time statistical process control |
US6115643A (en) * | 1998-02-03 | 2000-09-05 | Mcms | Real-time manufacturing process control monitoring method |
EP1021263B1 (en) * | 1998-07-21 | 2004-11-03 | Dofasco Inc. | Multivariate statistical model-based system for monitoring the operation of a continuous caster and detecting the onset of impending breakouts |
FR2783620B1 (fr) * | 1998-09-22 | 2002-03-29 | De Micheaux Daniel Lafaye | Procede et systeme multidimensionnel de maitrise statistique des processus |
US7249356B1 (en) * | 1999-04-29 | 2007-07-24 | Fisher-Rosemount Systems, Inc. | Methods and structure for batch processing event history processing and viewing |
US6577323B1 (en) * | 1999-07-01 | 2003-06-10 | Honeywell Inc. | Multivariable process trend display and methods regarding same |
US6952808B1 (en) * | 1999-07-01 | 2005-10-04 | Honeywell Inc. | Process variable gauge interface and methods regarding same |
US6901560B1 (en) * | 1999-07-01 | 2005-05-31 | Honeywell Inc. | Process variable generalized graphical device display and methods regarding same |
US6587108B1 (en) * | 1999-07-01 | 2003-07-01 | Honeywell Inc. | Multivariable process matrix display and methods regarding same |
US6873997B1 (en) | 1999-08-04 | 2005-03-29 | Agile Software Corporation | Data management system and method for automatically propagating information to disparate information systems from a central location |
US7082338B1 (en) * | 1999-10-20 | 2006-07-25 | Caterpillar Inc. | Method for providing a process model for a material in a manufacturing process |
US6532555B1 (en) * | 1999-10-29 | 2003-03-11 | Advanced Micro Devices, Inc. | Method and apparatus for integration of real-time tool data and in-line metrology for fault detection in an advanced process control (APC) framework |
US6546508B1 (en) * | 1999-10-29 | 2003-04-08 | Advanced Micro Devices, Inc. | Method and apparatus for fault detection of a processing tool in an advanced process control (APC) framework |
WO2001061615A1 (en) * | 2000-02-14 | 2001-08-23 | Infoglide Corporation | Monitoring and control of processes and machines |
US6917845B2 (en) * | 2000-03-10 | 2005-07-12 | Smiths Detection-Pasadena, Inc. | Method for monitoring environmental condition using a mathematical model |
GB0007065D0 (en) * | 2000-03-23 | 2000-05-10 | Simsci Limited | Process monitoring and control using self-validating sensors |
GB0007063D0 (en) * | 2000-03-23 | 2000-05-10 | Simsci Limited | Mulitvariate statistical process monitors |
US6532427B1 (en) * | 2000-05-10 | 2003-03-11 | Texas Instruments Incorporated | Web-based mining of statistical data |
US6725402B1 (en) * | 2000-07-31 | 2004-04-20 | Advanced Micro Devices, Inc. | Method and apparatus for fault detection of a processing tool and control thereof using an advanced process control (APC) framework |
US6711731B2 (en) * | 2000-08-23 | 2004-03-23 | Pri Automation, Inc. | Web based tool control in a semiconductor fabrication facility |
WO2002035299A2 (en) * | 2000-10-26 | 2002-05-02 | Triant Technologies Inc. | Method for estimating and reducing uncertainties in process measurements |
US6885975B2 (en) | 2000-11-14 | 2005-04-26 | Rajagopalan Srinivasan | Method and apparatus for managing process transitions |
JP3801870B2 (ja) * | 2001-02-16 | 2006-07-26 | 株式会社モノリス | 多変量空間処理装置 |
US6650947B2 (en) * | 2001-03-23 | 2003-11-18 | Metso Automation Oy | Multi-variable control loop assessment |
US6842720B2 (en) * | 2001-06-01 | 2005-01-11 | Michelin Recherche Technique S.A. | Method of analyzing and controlling the uniformity of tires |
US7054919B2 (en) * | 2001-06-15 | 2006-05-30 | Ei3 Corporation | System and method for providing virtual online engineering of a production environment |
US6727106B1 (en) * | 2001-07-12 | 2004-04-27 | Advanced Micro Devices, Inc. | System and software for statistical process control in semiconductor manufacturing and method thereof |
IL144358A (en) | 2001-07-16 | 2006-10-31 | Oded Berkooz | Method for isolating sources of drifts in output properties for machines and processes |
US6704691B2 (en) * | 2001-07-18 | 2004-03-09 | Promos Technologies, Inc. | Method and system for in-line monitoring process performance using measurable equipment signals |
US6549864B1 (en) * | 2001-08-13 | 2003-04-15 | General Electric Company | Multivariate statistical process analysis systems and methods for the production of melt polycarbonate |
JP4592235B2 (ja) * | 2001-08-31 | 2010-12-01 | 株式会社東芝 | 生産装置の故障診断方法及び生産装置の故障診断システム |
US6616759B2 (en) * | 2001-09-06 | 2003-09-09 | Hitachi, Ltd. | Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor |
US6757579B1 (en) * | 2001-09-13 | 2004-06-29 | Advanced Micro Devices, Inc. | Kalman filter state estimation for a manufacturing system |
CA2464374A1 (en) * | 2001-11-02 | 2003-05-15 | R. Bharat Rao | Patient data mining for cardiology screening |
US20030233198A1 (en) * | 2001-11-13 | 2003-12-18 | Genichi Taguchi | Multivariate data analysis method and uses thereof |
US6961732B2 (en) * | 2001-12-18 | 2005-11-01 | General Electric Company | Web based process capability data collection and reporting system |
US6789032B2 (en) * | 2001-12-26 | 2004-09-07 | International Business Machines Corporation | Method of statistical binning for reliability selection |
US7000193B1 (en) * | 2002-02-07 | 2006-02-14 | Impink Jr Albert J | Display to facilitate the monitoring of a complex process |
JP2003242271A (ja) * | 2002-02-13 | 2003-08-29 | Toshiba Corp | プラント診断方法および診断システム |
US6703250B2 (en) * | 2002-02-14 | 2004-03-09 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method of controlling plasma etch process |
US7162386B2 (en) | 2002-04-25 | 2007-01-09 | Micron Technology, Inc. | Dynamically adaptable semiconductor parametric testing |
TWI266249B (en) * | 2002-05-16 | 2006-11-11 | Mosel Vitelic Inc | Statistical process control method and system thereof |
US6862491B2 (en) | 2002-05-22 | 2005-03-01 | Applied Materials Israel, Ltd. | System and method for process variation monitor |
TWI328164B (en) | 2002-05-29 | 2010-08-01 | Tokyo Electron Ltd | Method and apparatus for monitoring tool performance |
US6799311B1 (en) * | 2002-06-27 | 2004-09-28 | Advanced Micro Devices, Inc. | Batch/lot organization based on quality characteristics |
US6915173B2 (en) * | 2002-08-22 | 2005-07-05 | Ibex Process Technology, Inc. | Advance failure prediction |
US6830939B2 (en) * | 2002-08-28 | 2004-12-14 | Verity Instruments, Inc. | System and method for determining endpoint in etch processes using partial least squares discriminant analysis in the time domain of optical emission spectra |
US6804619B1 (en) * | 2002-08-30 | 2004-10-12 | Advanced Micro Devices, Inc. | Process control based on tool health data |
US6723574B1 (en) * | 2002-09-26 | 2004-04-20 | Lam Research Corporation | Method for quantifying uniformity patterns and including expert knowledge for tool development and control |
JP2004118693A (ja) | 2002-09-27 | 2004-04-15 | Toshiba Corp | プラントの制御系異常診断システム及び異常診断方法 |
AU2003270866A1 (en) | 2002-09-30 | 2004-04-23 | Tokyo Electron Limited | Method and apparatus for the monitoring and control of a semiconductor manufacturing process |
US6650958B1 (en) * | 2002-10-30 | 2003-11-18 | Lsi Logic Corporation | Integrated process tool monitoring system for semiconductor fabrication |
US6893882B2 (en) * | 2002-12-06 | 2005-05-17 | Taiwan Semiconductor Manufacturing Co., Ltd. | Multivariate RBR tool aging detector |
CA2414167A1 (en) | 2002-12-12 | 2004-06-12 | Dofasco Inc. | Method and online system for monitoring continuous caster start-up operation and predicting start cast breakouts |
US6823287B2 (en) * | 2002-12-17 | 2004-11-23 | Caterpillar Inc | Method for predicting the quality of a product |
US6985787B2 (en) * | 2002-12-31 | 2006-01-10 | Tokyo Electron Limited | Method and apparatus for monitoring parts in a material processing system |
TWI285341B (en) * | 2002-12-31 | 2007-08-11 | Powerchip Semiconductor Corp | Method for analyzing in-line QC parameters |
KR100489690B1 (ko) | 2003-02-14 | 2005-05-17 | 삼성전자주식회사 | 실시간 장애 제어를 위한 데이터베이스 테이블 모델링 및이벤트 처리 방법 |
JP4317701B2 (ja) | 2003-03-12 | 2009-08-19 | 東京エレクトロン株式会社 | 処理結果の予測方法及び予測装置 |
US6904384B2 (en) * | 2003-04-03 | 2005-06-07 | Powerchip Semiconductor Corp. | Complex multivariate analysis system and method |
US7016754B2 (en) | 2003-05-08 | 2006-03-21 | Onwafer Technologies, Inc. | Methods of and apparatus for controlling process profiles |
US7062411B2 (en) | 2003-06-11 | 2006-06-13 | Scientific Systems Research Limited | Method for process control of semiconductor manufacturing equipment |
JP4421230B2 (ja) | 2003-08-12 | 2010-02-24 | 株式会社日立製作所 | 性能情報分析方法 |
EP1654600A4 (en) | 2003-08-13 | 2008-06-18 | Cargill Inc | MODELING AND MANUFACTURING OF COMPUTER-ASSISTED PRODUCTS |
US7054703B2 (en) * | 2003-09-09 | 2006-05-30 | Taiwan Semiconductor Manufacturing Co., Ltd. | Control system and methods for managing a production operating under time constaraints |
US6952657B2 (en) * | 2003-09-10 | 2005-10-04 | Peak Sensor Systems Llc | Industrial process fault detection using principal component analysis |
US7187988B2 (en) * | 2003-09-12 | 2007-03-06 | Taiwan Semiconductor Manufacturing Company, Ltd. | Web service and method for customers to define their own alert for real-time production status |
US7328126B2 (en) * | 2003-09-12 | 2008-02-05 | Tokyo Electron Limited | Method and system of diagnosing a processing system using adaptive multivariate analysis |
TWI225576B (en) | 2003-10-06 | 2004-12-21 | Univ Tsinghua | Process controlling method with merged two-control loops |
US7082381B1 (en) | 2003-11-12 | 2006-07-25 | Sprint Communications Company L.P. | Method for performance monitoring and modeling |
US7096153B2 (en) | 2003-12-31 | 2006-08-22 | Honeywell International Inc. | Principal component analysis based fault classification |
US7025280B2 (en) | 2004-01-30 | 2006-04-11 | Tokyo Electron Limited | Adaptive real time control of a reticle/mask system |
US7198964B1 (en) | 2004-02-03 | 2007-04-03 | Advanced Micro Devices, Inc. | Method and apparatus for detecting faults using principal component analysis parameter groupings |
DE102004005632B4 (de) | 2004-02-04 | 2008-02-21 | Uhlmann Pac-Systeme Gmbh & Co Kg | Verfahren zur Prozeßkontrolle und Dokumentation an einer Kartoniermaschine |
US7010382B2 (en) | 2004-02-26 | 2006-03-07 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method and system for improving process control for semiconductor manufacturing operations |
JP4250552B2 (ja) | 2004-03-03 | 2009-04-08 | 株式会社東芝 | 製造装置管理システム、製造装置管理方法及びプログラム |
US7127314B2 (en) | 2004-03-25 | 2006-10-24 | Taiwan Semiconductor Manufacturing Company, Ltd. | Fabrication monitoring system |
US7225368B2 (en) | 2004-04-15 | 2007-05-29 | International Business Machines Corporation | Efficient real-time analysis method of error logs for autonomous systems |
US6980873B2 (en) | 2004-04-23 | 2005-12-27 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for real-time fault detection, classification, and correction in a semiconductor manufacturing environment |
US7200524B2 (en) | 2004-05-06 | 2007-04-03 | Carrier Corporation | Sensor fault diagnostics and prognostics using component model and time scale orthogonal expansions |
KR100839071B1 (ko) | 2004-05-13 | 2008-06-19 | 삼성전자주식회사 | 공정장비의 상태를 모니터링하기 위한 시스템 및 방법 |
US7107112B2 (en) | 2004-05-17 | 2006-09-12 | Brown Peter G | Method and system for simulating and modeling a batch manufacturing facility |
US6885907B1 (en) | 2004-05-27 | 2005-04-26 | Dofasco Inc. | Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention |
US7096085B2 (en) | 2004-05-28 | 2006-08-22 | Applied Materials | Process control by distinguishing a white noise component of a process variance |
US7221987B2 (en) | 2004-06-15 | 2007-05-22 | Kimberly-Clark Worldwide, Inc. | Generating a reliability analysis by identifying casual relationships between events in an event-based manufacturing system |
US7117058B2 (en) | 2004-06-24 | 2006-10-03 | Taiwan Semiconductor Manufacturing Co., Ltd. | Automatic statistical process control (SPC) chart generation apparatus and method thereof |
US7188050B2 (en) | 2004-08-25 | 2007-03-06 | Siemens Corporate Research, Inc. | Method and apparatus for detecting out-of-range conditions in power generation equipment operations |
JP4239932B2 (ja) | 2004-08-27 | 2009-03-18 | 株式会社日立製作所 | 生産管理システム |
WO2006034179A2 (en) | 2004-09-17 | 2006-03-30 | Mks Instruments, Inc. | Method and apparatus for multivariate control of semiconductor manufacturing processes |
US7151972B2 (en) | 2005-01-05 | 2006-12-19 | International Business Machines Corporation | Method for autonomic control of a manufacturing system |
US7127359B2 (en) | 2005-03-01 | 2006-10-24 | Texas Instruments Incorporated | Real-time mathematical model for wafer spin defect detection and for misalignment analyses |
US7218974B2 (en) | 2005-03-29 | 2007-05-15 | Zarpac, Inc. | Industrial process data acquisition and analysis |
US7171340B2 (en) | 2005-05-02 | 2007-01-30 | Sas Institute Inc. | Computer-implemented regression systems and methods for time series data analysis |
US7239930B2 (en) | 2005-05-24 | 2007-07-03 | International Business Machines Corporation | Method, system, and computer program product for improved flow of development lots in a manufacturing facility |
US7065425B1 (en) | 2005-06-22 | 2006-06-20 | Internaitonal Business Machines Corporation | Metrology tool error log analysis methodology and system |
US7243048B2 (en) | 2005-11-28 | 2007-07-10 | Honeywell International, Inc. | Fault detection system and method using multiway principal component analysis |
US7206721B1 (en) | 2005-12-12 | 2007-04-17 | Taiwan Semiconductor Manufacturing Co., Ltd. | Methods and systems of offline measurement for process tool monitoring |
CN101842756A (zh) * | 2007-08-14 | 2010-09-22 | 国际壳牌研究有限公司 | 用于化工厂或精炼厂的连续、在线监视的系统与方法 |
-
2007
- 2007-11-02 ES ES07874249.1T patent/ES2431863T5/es active Active
- 2007-11-02 WO PCT/US2007/083476 patent/WO2008133715A2/en active Application Filing
- 2007-11-02 CN CN200780041035.8A patent/CN101536002B/zh active Active
- 2007-11-02 PL PL07874249T patent/PL2097794T5/pl unknown
- 2007-11-02 US US11/934,156 patent/US7606681B2/en active Active
- 2007-11-02 EP EP07874249.1A patent/EP2097794B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20080109090A1 (en) | 2008-05-08 |
ES2431863T5 (es) | 2017-07-27 |
PL2097794T3 (pl) | 2013-12-31 |
EP2097794A4 (en) | 2012-12-26 |
WO2008133715A3 (en) | 2009-01-15 |
CN101536002A (zh) | 2009-09-16 |
CN101536002B (zh) | 2015-02-04 |
EP2097794B1 (en) | 2013-07-31 |
US7606681B2 (en) | 2009-10-20 |
EP2097794B2 (en) | 2017-03-08 |
WO2008133715A2 (en) | 2008-11-06 |
EP2097794A2 (en) | 2009-09-09 |
PL2097794T5 (pl) | 2018-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2431863T3 (es) | Sistema y método para la monitorización de procesos | |
Nath et al. | Land use and land cover change modeling and future potential landscape risk assessment using Markov-CA model and analytical hierarchy process | |
Meyer et al. | Multidimensional biases, gaps and uncertainties in global plant occurrence information | |
Xu et al. | ViDX: Visual diagnostics of assembly line performance in smart factories | |
Pereira et al. | Challenges of machine learning applied to safety-critical cyber-physical systems | |
US10394776B2 (en) | Warning system for infectious diseases and method therefor | |
Zhang et al. | Modulation of western North Pacific tropical cyclone activity by the Atlantic Meridional Mode | |
Fernández-Llamazares et al. | An empirically tested overlap between indigenous and scientific knowledge of a changing climate in Bolivian Amazonia | |
NO337835B1 (no) | Fremgangsmåte og system for sanntidsoperasjoner og vedlikehold | |
JP5195951B2 (ja) | 情報管理装置及び情報管理システム | |
US8650539B2 (en) | Method for mapping the structure of a complex software product | |
Lovell et al. | Environmental resistance predicts the spread of alien species | |
Fukaya et al. | Integrating multiple sources of ecological data to unveil macroscale species abundance | |
Khahro et al. | Low-cost pavement management system for developing countries | |
CN114778774A (zh) | 基于人工智能的温室气体监测方法及相关设备 | |
Delaine et al. | Framework for the simulation of sensor networks aimed at evaluating in situ calibration algorithms | |
CN112015786A (zh) | 一种外赛场极端天气监测预警信息处理系统 | |
Schuh et al. | Machine learning and generalized linear model techniques to predict aboveground biomass in Amazon rainforest using LiDAR data | |
Raco et al. | Inspire project: Integrated technologies for smart buildings and predictive maintenance | |
Minea et al. | Intelligent network applications monitoring and diagnosis employing software sensing and machine learning solutions | |
Sharma et al. | a Proposed Framework for Surveillance of Dengue Disease and Prediction | |
de Almeida et al. | Integration and management of sensor data for rainfall monitoring | |
Zander et al. | Environmental data management with the river basin information system | |
Bucher et al. | Enhancing the management of quality of VGI: contributions from context and task modelling | |
Jo et al. | Applying sensor web enablement to retrieve and visualize sensor observations across the Web |