JP2009087350A - 適応プロセス制御ループ制御装置、プロセス制御システム、およびプロセス制御システム制御方法 - Google Patents

Abstract

【課題】プロセス制御環境内の適応プロセス制御ループ制御装置を提供する。
【解決手段】複数のモデルパラメータ同定サイクルを実行するモデル同定ルーチンを含む。各サイクルは、１つまたは複数のシミュレーションパラメータにもとづくプロセスの複数のシミュレーションを含む。各シミュレーションは、異なるシミュレーションパラメータ値を有する。各シミュレーションは、入力として収集された制御データを用いる。各サイクルは、シミュレーションの出力に関連して、シミュレートされた動作状態データおよび収集された動作状態データにもとづく各シミュレーションに関する推定エラー計算および推定エラーの少なくとも２つおよび該少なくとも２つの推定エラーのそれぞれに対応する前記シミュレーションにおいて用いられるシミュレーションパラメータ値にもとづくモデルパラメータ値のモデルパラメータ計算を含む。
【選択図】図１

Description

本開示は一般に、プロセス制御システムに関し、さらに詳細には、ネイティブプロセス制御システムに埋め込まれた学習アルゴリズムを備えた適応プロセス制御システムにおけるプロセスモデルの識別およびアプリケーション用のシステムアーキテクチャに関する。

分散型プロセス制御システムまたはスケーラブルプロセス制御システムなどのプロセス制御システムは、化学、石油または他のプロセスにおいて用いられるものに似ており、通常、アナログバス、ディジタルバスまたは結合型アナログ／ディジタルバスを介して、互いに、少なくとも１つのホストまたはオペレータワークステーションに、１つまたは複数のフィールドデバイスに通信可能に連結される１つまたは複数のプロセス制御装置を含む。フィールドデバイスは、例えば、バルブ、バルブポジショナ、スイッチおよびトランスミッタ（例えば、温度、圧力および流量センサ）であってもよく、バルブの開閉およびプロセスパラメータの測定などのプロセス内で機能を実行してもよい。プロセス制御装置は、フィールドデバイスによって行われるプロセス測定値および／またはフィールドデバイスに関連する情報の他のものを表す信号を受信し、制御ルーチンを実装するためにこの情報を用い、次に、プロセスの動作を制御するために、フィールドデバイスにバスを介して送信される制御信号を生成する。フィールドデバイスおよび制御装置からの情報は通常、オペレータワークステーションによって実行される１つまたは複数のアプリケーションが利用可能であり、オペレータが、プロセスに関して任意の所望の機能、例えば、プロセスの現在の状態の表示、プロセスの動作の修正などを実行可能にする。

一部のプロセス制御システム、例えば、テキサス州オースチン（Ａｕｓｔｉｎ，Ｔｅｘａｓ）に本社のあるＦｉｓｈｅｒ Ｒｏｓｅｍｏｕｎｔ Ｓｙｓｔｅｍｓ， Ｉｎｃ．によって販売されているＤｅｌｔａＶ（登録商標）システムなどは、制御装置および／または異なるフィールドデバイスに位置しているモジュールと呼ばれる機能ブロックまたは機能ブロックの群を用いて、制御動作を行う。これらの場合には、制御装置または他のデバイスは、１つまたは複数の機能ブロックまたはモジュールを含んで実行することができ、そのそれぞれが、他の機能ブロック（同一のデバイス内または異なるデバイス内のいずれにあってもよい）からの入力の受信および／または他の機能ブロック（同一のデバイス内または異なるデバイス内のいずれにあってもよい）への出力の提供を行い、一部のプロセス動作、例えば、プロセスパラメータの測定または検出、デバイスの制御など、または制御動作の実行、例えば、比例‐積分‐微分（ＰＩＤ）制御ルーチンの実装などを行う。プロセス制御システム内の異なる機能ブロックおよびモジュールは一般に、(例えば、バスを介して）互いと通信し、１つまたは複数のプロセス制御ループを形成するように構成される。

プロセス制御装置は通常、プロセスに関して定義されるか、またはプロセス内に含まれる多数の異なるループのそれぞれ、例えば、フロー制御ループ、温度制御ループ、圧力制御ループなどに関して、異なるアルゴリズム、サブルーチンまたは制御ループ（すべて制御ルーチンである）を実行するようにプログラムされる。一般的に言えば、それぞれのそのような制御ループは、アナログ入力（ＡＩ）機能ブロックなどの１つまたは複数の入力ブロック、比例‐積分‐微分（ＰＩＤ）制御機能ブロックまたはファジー論理制御（ＦＬＣ）機能ブロックなどの単独出力制御ブロック、アナログ出力（ＡＯ）機能ブロックなどの出力ブロックを含む。

制御ルーチンおよびそのようなルーチンを実装する機能ブロックは、ＰＩＤ制御、ファジー論理制御をはじめとする多数の制御技術およびスミス予測器またはモデル予測制御（ＭＰＣ）などのモデルに基づく技術に基づいて構成されている。モデルに基づく制御技術において、閉ループ制御応答を決定するためにルーチンにおいて用いられるパラメータは、プロセスへの入力として機能する操作または測定された外乱における変化に対する動的プロセス応答に基づいている。プロセス入力における変化に対するプロセスのこの応答の表示は、プロセスモデルとして特徴付けられてもよい。例えば、１次パラメータ化プロセスモデルは、自己調整プロセスのゲイン、不動作時間、時間定数に関する値または統合プロセスの統合ゲインおよび不動作時間のための値を指定してもよい。

１つのモデルに基づく技術であるモデル予測制御（ＭＰＣ）は、プロセスの入力と出力との間の動的関係を捕捉するように設計された多数のステップまたはインパルス応答モデルを必要とする。ＭＰＣ技術を用いて、プロセスモデルは、制御装置を生成するために直接的に用いられる。プロセス不動作時間、プロセス遅延などにおける大きな変化を被るプロセスに関連して用いられるとき、ＭＰＣ制御装置は、現在のプロセス状態に適合するように、モデルを用いて自動的に再生成されなければならない。したがって、そのような場合において、プロセスモデルは、多数の動作状態のそれぞれで同定された。現在のプロセス状態に適合させるために、複数のプロセスモデルおよび必要な制御装置の自動生成の導入は、プロセス制御システムの複雑さを望ましくないほど増大させた。

ＰＩＤ（または他の）制御装置のチューニングが一般に、プロセスモデルおよびユーザ選択チューニングルールにおける変更の結果として更新される場合には、プロセスモデルはまた、適応制御技術を用いて、ＰＩＤ制御スキームおよび他の制御スキームのチューニングパラメータを設定するために用いられている。（例えば、「状態にもとづく適応フィードバックフィードフォワードＰＩＤコントローラ（Ｓｔａｔｅ Ｂａｓｅｄ Ａｄａｐｔｉｖｅ Ｆｅｅｄｂａｃｋ Ｆｅｅｄｆｏｒｗａｒｄ ＰＩＤ Ｃｏｎｔｒｏｌｌｅｒ）」という名称の特許文献１および「適応フィードバック／フィードフォワードＰＩＤコントローラ（Ａｄａｐｔｉｖｅ Ｆｅｅｄｂａｃｋ／Ｆｅｅｄｆｏｒｗａｒｄ ＰＩＤ Ｃｏｎｔｒｏｌｌｅｒ）」という名称の特許文献２を参照。これにより、その全体の開示内容は、本願明細書に参照によって援用されるものとする。）

プロセス制御システムは一般に、プロセススロープをチューニングし、一種の性能監視を提供する能力を有する。しかし、状態が変化し、プロセス機器が劣化すると、既存のチューニングは、非効率的な動作を結果として生じる。一部の製作業者は、制御システムの上に複雑なアプリケーションを階層化することによって、この問題に対処しようとしてきたが、ハードウェアおよびソフトウェアの継続的な高度化は、ネイティブ制御システム自体においてますます多様な機能性を埋め込む能力を提供する。次世代の知的制御システムは、システムのあらゆるループおよびあらゆるデバイスを常に観察する埋め込み型学習技術を提供し、それにより、知的監視、診断および高度なチューニングを自動的に可能にする。アルゴリズムは、プロセスモデルを学習して記憶し、状態が変化する場合には、プロセスを自動的に再学習する。この情報は次に、制御性能および挙動を評価し、問題点を診断するために用いられることができる。最後に、性能制御は、標準以下のループまたは勧告されたチューニングについてオペレータに忠告することによって、最終的に、連続的な適応制御によってループを自動的に再チューニングすることによって、改善されることができる。制御システムにおける自動的プロセス同定の一例は、「プロセス管理システムにおけるプロセスモデルの同定（Ｐｒｏｃｅｓｓ Ｍｏｄｅｌ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｉｎ Ａ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）」という名称の特許文献１に記載され、これにより、その全体の開示内容は、本願明細書に参照によって明確に援用されるものとする。知的デバイスと知的制御のこの組み合わせは、予測知能を備えた制御システムを実現する。
米国特許出願公開第２００３／０１９５６４１号明細書 米国特許第６，５７７，９０８号明細書 米国特許出願公開第２００７／００７８５３３号明細書 米国特許出願公開第２００７／０１４２９３６号明細書

本開示は、次世代知的制御システムに関するシステムアーキテクチャについて記載し、その構成要素の一部は、オンライン制御装置において存在するような自動かつ独立の同定および監視アルゴリズムと、モデルおよび情報の交換用の安全かつ確実なメッセージおよび通信と、学習プロセス情報の格納および検索のための十分に管理された実時間データベースと、システム構成環境およびデータベースにおける自動学習のための支援と、統合された方式で埋め込み型の知能の結果および勧告の洞察を提供する使いやすく、適応性のあるＧＵＩアプリケーションと、を含んでもよい。これが潜在的に、制御システムのあらゆる部分に影響を及ぼすために、新たなアーキテクチャは、標準的な分散型制御システム（ＤＣＳ）に完全な機能性を統合してもよい。この技術の知的監視および制御に対する統合された手法の特徴の一部としては、例えば、従来の階層型技術に比べると、ユーザの介入をほとんどまたは全く必要としない自動プロセス学習と、すべてのプロセスに関してすべてまたはほとんどすべてのループの包含と、制御システムリソースの管理の自動処理と、さらなる試験および学習のために、プロセスを妨げる必要性の否定と、プロセス動作に関する統一および統合された方式における結果および勧告の提供と、が挙げられてもよい。

本開示の一態様によれば、データ収集およびモデル同定は、制御機能ブロックおよびモデル同定モジュールへの機能ブロックプラグインとして、制御装置の機能ブロックレベルで実装される。生成されたモデルは、ワークステーション上に位置しているサーバによって取り出され、モデルデータベースに転送されてもよい。適応制御は、別個の制御機能ブロック（ＰＩＤ、ファジーなど）として実装され、すべてのアルゴリズムは、制御機能ブロックに埋め込まれてもよい。機能ブロックプラグインおよびモデル同定モジュールによって行われる機能の一態様は、２つの独立な実行スレッドへの分割である。第１の実行スレッドは、機能ブロックプラグインに関連してデータ収集、チューニングおよび他の実時間タスクを行い、モデル同定は、計算量が多いが、時間があまり影響しないため、第２の実行スレッドは、モデル同定モジュールに関連してプロセスモデル同定に関する低い優先度のサービスを行う。

本開示の別の態様によれば、ユーザがプロセスモデルを獲得し、モデルを解析し、プロセス制御システムにおいて種々の制御機能ブロック（ＰＩＤ、ファジーなど）に関するチューニングを計算することを可能にする例示の技術が、開示されている。この技術は、ユーザ対話型または自動型（例えば、完全適応制御）のいずれであってもよい。アプリケーションは、ユーザが、制御装置において実行される適応多領域チューニングに関して用いられてもよいモデルを表示して解析し、承認することを可能にする。適応チューニングは、ユーザからの対話がないシステムの他の構成要素に関係なく、制御装置において直接的に完全に自動モードで作用してもよい。アプリケーションは、チューニングおよび検査などの他の高度な制御製品を統合して、ユーザが、１つのアプリケーションの中で制御問題を診断して修復することを可能にしてもよい。

本開示のさらに完全な理解のために、以下の詳細な説明および添付図面を参照すべきである。類似の参照符号は、図面を通じて類似の要素を識別する。

開示されたシステムおよび方法は、種々の形態の実施形態を受け入れる余地があるが、この開示が説明のために意図されており、本願明細書に記載し、図示した特定の実施形態に本発明を限定することを意図していないという了解の下で、図面において本発明の特定の実施形態を図示する（以下に記載される）。

プロセス制御システムにおいて適応プロセス制御ループに関してプロセスモデルを自動的かつ独立に識別（例えば、生成）し、プロセス制御システムの知的制御のためにそれらのプロセスモデルを用いるための技術を実装するプロセス制御システムアーキテクチャおよび方法が、本願明細書に開示されている。制御装置ブロックおよびモデル同定サービスに対する機能ブロックプラグインとして、機能ブロックレベルで、動作状態データが収集され、プロセスモデルが作成される。モデルが、制御装置における適応多領域チューニングに対して、表示、解析、承認および使用されてもよい場合には、システムアーキテクチャは、モデルがワークステーションによって制御装置／モデル同定サービスから取り出し可能である。ユーザは、制御問題を診断して修復するために、ワークステーションを介して監視およびチューニングのために他の制御アプリケーションと統合するアプリケーションを提供してもよい。

ここで、図１を参照すると、プロセス制御システム１０は、データヒストリアン１２および１つまたは複数のホストワークステーションまたはコンピュータ（パーソナルコンピュータ、ワークステーションなどの任意のタイプであってもよい）１３に接続されたプロセス制御装置１１を含み、それぞれは、ディスプレイスクリーン１４６を有する。制御装置１１はまた、入力／出力（Ｉ／Ｏ）カード２６および２８を介して、フィールドデバイス１５〜２２に接続される。データヒストリアン１２は、データを格納するために、メモリの任意の所望のタイプおよび任意の所望または周知のソフトウェア、ハードウェアまたはファームウェアを有するデータ収集ユニットの任意の所望のタイプであってもよい。データヒストリアン１２は、ワークステーション１３から分離されていてもよく（図１に示されている）、またはワークステーション１３の一部であってもよい。制御装置１１は、一例として、Ｆｉｓｈｅｒ Ｒｏｓｅｍｏｕｎｄ Ｓｙｓｔｅｍｓ， Ｉｎｃ．によって販売されているＤｅｌｔａＶ制御装置であってもよく、例えば、イーサネット（登録商標）接続または任意の他の所望の通信ネットワークを介して、ホストコンピュータ１３およびデータヒストリアン１２に通信可能に接続される。制御装置１１はまた、例えば、標準的な４〜２０ｍＡデバイスおよび／または任意のスマート通信プロトコル、例えば、ＦＯＵＮＤＡＴＩＯＮフィールドバスプロトコル、ＨＡＲＴプロトコルなどに関連する任意の所望のハードウェアまたはソフトウェアを用いて、フィールドデバイス１５〜２２に通信可能に接続される。

フィールドデバイス１５〜２２は、デバイスの任意のタイプ、例えば、センサ、バルブ、トランスミッタ、ポジショナなどであってもよく、Ｉ／Ｏカード２６および２８は、任意の所望の通信プロトコルまたは制御装置プロトコルに適合する任意のタイプのＩ／Ｏデバイスであってもよい。図１に示された実施形態において、フィールドデバイス１５〜１８は、アナログ線を介してＩ／Ｏカード２６と通信する標準的な４〜２０ｍＡデバイスであり、フィールドデバイス１９〜２２は、Ｆｉｅｌｄｂｕｓプロトコル通信を用いて、ディジタルバスを介してＩ／Ｏカード２８と通信するＦｉｅｌｄｂｕｓフィールドデバイスなどのスマートデバイスである。当然のことながら、フィールドデバイス１５〜２２は、将来開発される任意の標準またはプロトコルを含め、任意の他の所望の標準またはプロトコルに適合することが可能である。

制御装置１１は、(メモリ２４に格納された)１つまたは複数のプロセス制御ルーチンを実装または監督するプロセッサ２３を含み、その中に制御ループが格納されるか、または他の方法で関連付けられた制御ループを含んでもよく、デバイス１５〜２２、ホストコンピュータ１３およびデータヒストリアン１２と通信し、任意の所望の態様でプロセスを制御する。本願明細書に記載された任意の制御ルーチンまたはモジュールは、所望に応じて、異なる制御装置または他のデバイスによって実装または実行されるその一部を有してもよいことを留意すべきである。同様に、プロセス制御システム１０の中に実装することになっている本願明細書に記載された制御ルーチンまたはモジュールは、ソフトウェア、ファームウェア、ハードウェアをはじめとする任意の形態をとってもよい。本開示の目的のために、プロセス制御モジュールは、任意のコンピュータ読み出し可能媒体上に格納される、例えば、ルーチン、ブロックまたはその任意の要素をはじめとするプロセス制御システムの任意の一部または部分であってもよい。制御ルーチンは、モジュールまたはサブルーチンなどの制御手順の任意の一部、サブルーチンの一部（コードのラインなど）などであってもよく、任意の所望のソフトウェアフォーマットで、例えば、オブジェクト指向プログラミング、ラダー論理、シーケンシャルファンクションチャート、機能ブロック図または任意の他のソフトウェアプログラミング言語または設計パラダイムを用いて、実装されてもよい。同様に、制御ルーチンは、例えば、１つまたは複数のＥＰＲＯＭ、ＥＥＰＲＯＭ、特定用途向け集積回路（ＡＳＩＣ）または任意の他のハードウェア要素またはファームウェア要素にハードコード化されてもよい。さらに、制御ルーチンは、任意の設計ツール、例えば、グラフィカル設計ツールまたは任意の他のタイプのソフトウェア／ハードウェア／ファームウエアプログラミングまたは設計ツールなどを用いて設計されてもよい。したがって、制御装置１１は、任意の所望の態様で制御戦略または制御ルーチンを実装するように構成されてもよい。

一部の実施形態において、制御装置１１は、機能ブロックと一般に呼ばれるものを用いて制御戦略を実装し、各機能ブロックは、オブジェクトまたは全体の制御ルーチンの他の部分（例えば、サブルーチン）であり、プロセス制御システム１０の中でプロセス制御ループを実装するために、（リンクと呼ばれる通信を介して）他の機能ブロックと連動して動作する。機能ブロックは通常、トランスミッタ、センサまたは他のプロセス制御システムパラメータ測定デバイスに関連するような入力機能、ＰＩＤ、ファジー論理などの制御を行う制御ルーチンに関連するような制御機能またはバルブなどの一部のデバイスの動作を制御する出力機能の１つを実行して、プロセス制御システム１０内の一部の物理的機能を実行する。当然のことながら、ハイブリッドおよび他のタイプの機能ブロックが、存在する。機能ブロックは、制御装置１１に格納され、制御装置１１によって実行されてもよく、このことは、これらの機能ブロックが、標準的な４〜２０ｍＡおよびＨＡＲＴデバイスなどのスマートフィールドデバイスの一部のタイプのために用いられるか、または関連付けられる場合に通常、当てはまる。または、機能ブロックは、フィールドデバイス自体に格納され、フィールドデバイス自体によって実装されてもよく、これは、Ｆｉｅｌｄｂｕｓデバイスを用いる場合に当てはまる。制御システムの説明は、本願明細書では、機能ブロック制御戦略を用いて提供されているが、開示された技術およびシステムはまた、ラダー論理、シーケンシャルファンクションチャートなどの他の慣例または任意の他の設計プログラミング言語またはパラダイムを用いて、実装または設計されてもよい。

図１の展開されたブロック３０によって示されているように、制御装置１１は、ルーチン３２および３４として示されている多数の単独ループ制御ルーチンを含み、所望に応じて、制御ループ３６として示されている１つまたは複数の高度な制御ループを実装してもよい。それぞれのそのようなループは通常、制御モジュールと呼ばれる。単独ループ制御ルーチン３２および３４は、バルブなどのプロセス制御デバイス、温度トランスミッタおよび圧力トランスミッタなどの測定デバイス、またはプロセス制御システム１０内の任意の他のデバイスに関連付けられてもよい適切なアナログ入力（ＡＩ）機能ブロックおよびアナログ出力（ＡＯ）機能ブロックにそれぞれ接続された単独入力／単独出力ファジー論理制御ブロックおよび単独入力／単独出力ＰＩＤ制御ブロックを用いて、単独のループ制御を実行するものとして示されている。高度制御ブロック３６は、１つまたは複数のＡＩ機能ブロックに通信可能に接続される入力および１つまたは複数のＡＯ機能ブロックに通信可能に接続される出力を有する高度制御ブロック３８を含むものとして示されているが、高度制御ブロック３８の入力および出力は、任意の他の所望の機能ブロックまたは制御要素に接続されて、他のタイプの入力を受信し、他のタイプの制御出力を提供してもよい。高度制御ブロック３８は、任意の他のモデル予測制御（ＭＰＣ）ブロック、ニューラルネットワークモデル化または制御ブロック、多変数ファジー論理制御ブロック、実時間最適化ブロックなどであってもよい。高度制御ブロック３８をはじめとする図１に示されている機能ブロックは、制御装置１１によって実行されることができ、またはあるいは、例えば、ワークステーション１３の１つまたはフィールドデバイス１９〜２２の１つであってもよい任意の他の処理デバイスに位置して実行されることができる。

一般的な問題として、ワークステーション１３は、（個別に、分散方式または任意の他の方式のいずれであれ）、プロセスプラント１０内に接続されたデバイス、ユニットなどに関して機能性を表示して提供するために、任意の権限の付与されたユーザ（例えば、構成エンジニア、オペレータなど）によってアクセスされてもよいオペレータインターフェイスアプリケーションおよび他のデータ構造１４０のスイートを含む。オペレータインターフェイスアプリケーション１４０のスイートは、ワークステーション１３のメモリ１４２に格納され、アプリケーション１４０のスイートの中のアプリケーションまたはエンティティのそれぞれは、各ワークステーション１３に関連付けられるそれぞれのプロセッサ１４４で実行されるように適合される。アプリケーション１４０の全体的なスイートは、ワークステーション１３に格納されているものとして図示されているが、これらのアプリケーションまたは他のエンティティの一部は、システム１０内またはシステム１０に関連付けられるか、またはシステム１０と通信中の他のワークステーションまたはコンピュータデバイスに格納されて、実行されてもよい。さらに、アプリケーション１４０のスイートは、ワークステーション１３に関連付けられるディスプレイスクリーン１４６または任意の他の所望のスクリーンまたはディスプレイデバイス、例えば、ハンドヘルドデバイス、ラップトップコンピュータ、他のワークステーション、プリンタなどへのディスプレイ出力を提供してもよい。同様に、アプリケーション１４０のスイート内のアプリケーションは、２台またはそれ以上のコンピュータまたはマシンに分散されて実行されてもよく、互いに連動して動作するように構成されてもよい。

ここで図２を参照すると、プロセス制御システムアーキテクチャは一般に、制御装置１１およびワークステーション１３を含むが、任意の数のワークステーション１３および制御装置１１が、開示されたプロセス制御システムアーキテクチャを用いて実装されてもよいことを理解すべきである。制御装置１１は、オンラインプロセスを制御するために、対応するプロセス制御ルーチンを定義して実装する任意の数の制御モジュール５０、５２および５４を有してもよい。したがって、制御モジュール５０、５２および５４は、モジュール５６によって制御され、一般にプロセスの正常なスケジュール化された制御に関連付けられる動作環境またはモードに関連して実装されてもよい。上述したように、各制御モジュール５０、５２および５４は、制御機能ブロック５８（モジュール５２および５４には示されていない）をはじめとする任意の数の機能ブロックを有してもよく、その一部またはすべては、開示された技術に関連して用いるための適応制御機能ブロックであってもよい。以下にさらに開示されるように、適応制御機能ブロックは、１つまたは複数のメモリまたは他の格納機構を備え、所定の数のプロセスモデルを保存または格納してもよい。

さらに、制御モジュールのうちの１つまたは複数（制御モジュール５０、５２に関して示される）は、制御機能ブロック５８にアドオンされるインターフェイス６８を介して、それぞれの制御機能ブロック５８とインターフェイスをとる機能ブロックプラグイン６４を有してもよい。開示された技術の一部の実施形態によれば、機能ブロックプラグイン６４は、データ収集のほか、制御機能ブロック５８およびプロセスモデル同定制御論理に関するチューニング変数を計算し、モデル同定に関して十分なプロセスの変化を示すトリガ事象に関するデータおよび状態を監視する。機能ブロックプラグイン６４の実施例については、以下にさらに詳細に記載されるが、一般的な意味で、機能ブロックプラグイン６４は、組み込まれる制御機能ブロックおよびモジュールの非階層型統合された拡張を提供する。機能ブロックプラグイン６４は、プロセス制御システムの上部にさらなるアプリケーション層を追加することなく、データ収集およびモデル同定機能をネイティブ制御システムに追加するために、制御機能ブロック５８とインターフェイスをとる。機能ブロックプラグイン６４は、既存の適応制御装置１１に設けられてもよいが、機能ブロックプラグイン６４は、その中に含まれるアルゴリズム、ルーチンおよび機能性は、制御装置１１に対して自己学習特性を提供するという点で、それ自体が適応型である。したがって、機能ブロックプラグイン６４は、制御機能ブロックを有する任意の制御装置１１（適応型または非適応型）の中に含まれ、制御装置１１に対して適応チューニング機能性を提供してもよい。

制御装置１１はさらに、制御装置１１に関してプロセスモデルを識別して実装するモデル同定ルーチンまたはモジュール７２を含んでもよい。一般に、モデル同定モジュール７２は、制御モジュール５０、５２および５４から分離するサブシステムとして実装され、プロセスにおける変化が検出される場合には、プロセスのモデルを識別（例えば、生成または作成）するために、機能ブロックプラグイン６４によって収集されるデータを用いる。モデル化同定モジュール７２は、モデル同定エンジンまたはルーチン７４を含み、機能ブロックプラグイン６４によって収集されるデータに基づき、新たなモデルに関するパラメータを計算する。機能ブロックプラグイン６４からのデータの収拾および伝送は、プロセスにおいて検出された変化によって起動されてもよい。トリガ事象に関連付けられるデータ収集に続く或る時点で、モデル同定エンジン７４は、以下にさらに記載されるモデル同定アルゴリズムまたは計算ルーチンを実装し、モデルキャッシュ７６に新たに作成されたモデルまたはそのパラメータを格納してもよい。

モデル同定モジュール７２は、制御装置１１に実装されるため、制御装置１１は、プロセスにおける各変化、例えば、プロセス状態パラメータまたは他の事象トリガ閾値における変化などによって更新されるモデルを提供することができる。このように、モデルは、このタイプの制御装置１１を利用するプロセスプラントにおけるプロセスの各部分に関して利用され、それによって、制御装置によって制御される各デバイスおよび／またはループに関してモデルを確立してもよい。さらに、モデルは、これらに限定されるわけではないが、ユニット、エリアおよびプロセスプラント自体を含むより大きなプロセスのモデルを形成するために、組み合わせられるか、または統合されてもよく、制御装置レベルで更新を行ってもよい。

一部の実施形態において、モデル同定モジュール７２の機能性は、機能ブロックプラグイン６４の機能性に比べて、別個の低優先度実行スレッドにおいて提供される。例えば、機能ブロックプラグイン６４は、実時間データ収集およびチューニングに関する高い実時間優先度実行スレッドとして提供されてもよいのに対して、モデル同定機能性は一般に、プロセッサにより集約的であり、計算量が多く、時間がかかる。実行スレッドは、制御装置のメモリおよびプロセッサのユーザによって決定されるか、または（例えば、制御装置１１またはワークステーション１３によって）動的に決定されるリソース管理を用いて実装されてもよい。モジュール５６および７２に関する実行スレッドの分離、さらに詳細には、モデル同定エンジン７４および機能ブロックプラグイン６４の分離は、モジュール５６、制御モジュール５０、５２および５４およびその任意の制御機能ブロックに対する計算要件をより少なくする。低い優先度のサービスの別の実施例としては、解析サーバが挙げられ、「プロセス管理ネットワークにおける集積解析サーバ（Ａｎａｌｙｔｉｃａｌ Ｓｅｒｖｅｒ Ｉｎｔｅｇｒａｔｅｄ ｉｎ ａ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｎｅｔｗｏｒｋ）」という名称の特許文献４に記載され、これにより、その全体の開示内容は、本願明細書に参照によって援用されるものとする。しかし、機能ブロックレベルで制御装置１１における両方のモジュール５６、７２の統合は、ワークステーションレベルにおけるユーザのインタラクションまたは介入なしに、完全に自動的かつ独立なモデル同定およびチューニングを可能にする。

モジュール５６および７２の分離はまた、一部の実施形態が、モデル同定モジュール７２、したがってモデル同定エンジン７４を無効にするためのオプションを提供することを可能にする。モデル同定の機能性の無効化は、例えば、制御装置１１が計算および他の処理のために有するメモリまたは時間が不十分であると決定される場合に、有用である可能性があり、それによって、ネイティブ制御装置に自動的なシステムリソース管理を提供する。関連した話では、適応制御を提供するために同定されたモデルの使用もまた、ループ、エリア、システムまたは制御装置ベースで有効または無効であってもよい。

別個のモデル同定機能性はまた、プロセス入力変更の調整を支援する。そのような調整は、制御装置の中でのモデル同定が１つのプロセスにおいて中心に集められているために可能となる。例えば、設定点変更が行われない場合には、機能ブロックプラグイン６４（または他の要素またはルーチン）は、制御装置出力において変更を自動的に導入してもよい。これらの変更は、プロセス動作に及ぼす影響を最小限に抑えるように、調整されてもよい。したがって、これらの変更は、時間に関して分散されてもよい。

別個のモデル同定機能性はまた、モデル同定に関するデータの処理が、制御装置１１に関する自由時間中に、または制御装置１１によって適切だと思われる任意の他の時間で実行されてもよいことを意味するが、モジュール５６、７２に関する別個の実行スレッドの提供は、それぞれの機能の同時実行を提供する。結果として、モデル同定処理の実装は、例えば、モジュール５６によって提供されるスケジュール化された制御機能性に悪影響を及ぼすことを回避する。結果として、一部の実施形態において、モデル同定サービス７２は、バックグラウンドにおいて制御装置１１によって低優先度実行スレッドとして実装されてもよく、プロセスは、オンラインで、制御装置１１の他のモジュールまたは構成要素によって行われるスケジュール化された制御および他の活動中に戦略的に有利な時間に行われる。

別の実施形態において、上述の機能性（その一部については、以下にさらに詳細に記載する）は、プロセスモデルが同定されている制御システム用の仮想制御装置に統合されてもよい。仮想制御装置は、ワークステーション１３のメモリ内部に実装され、ワークステーション１３のプロセッサによって実行されてもよい。仮想制御装置は、例えば、そのそれぞれのパラメータの表示と共に、各制御ループの現在の構成を反映するモジュールを含み、格納してもよい。すなわち、開示された技術によって生成されたモデルおよび診断情報は、そのノードのために自動的に作成されたモジュールに保存される。このように、仮想制御装置は、制御装置１１に実装されたループに関連して行われる態様と全く同一の態様で、チューニング、診断などによって情報を提供するために利用されてもよい。

制御装置１１は、１つまたは複数のワークステーション１３と通信してもよく、制御モジュール５０、５２、５４はそれぞれ、ワークステーション１３と通信する。一部の実施形態において、機能ブロックプラグイン６４を有する各制御モジュール５０、５２は、構成データベース８０との通信を維持し、制御装置１１との通信および／または情報の交換を行う。特に、構成データベース８０は、どのパラメータが制御装置１１から収集される必要があるかを決定する構成リストモジュール（図示せず）を実装してもよい。そのために、構成データベース８０は、リストデータ用のメモリまたは他の格納機構を含んでもよい。モデルが生成されることになっている制御ブロックまたはモジュールのリストまたは他の同定が、同定されたパラメータと共に格納される。通信リンクは、当業者によって理解されているように、暗号化およびセキュリティ技術を利用して、安全かつ確実なメッセージおよび通信を提供してもよい。

再び図１を参照すると、一般的な問題として、ワークステーション１３は、（個別に、分散方式または任意の他の方式のいずれであれ）、プロセスプラント１０内に接続されたデバイス、ユニットなどに関して機能性を表示して提供するために、任意の権限の付与されたユーザ（例えば、構成エンジニア、オペレータなど）によってアクセスされてもよいオペレータインターフェイスアプリケーションおよび他のデータ構造１４０のスイートを含む。オペレータインターフェイスアプリケーション１４０のスイートは、ワークステーション１３のメモリ１４２に格納され、アプリケーション１４０のスイートの中のアプリケーションまたはエンティティのそれぞれは、各ワークステーション１３に関連付けられるそれぞれのプロセッサ１４４で実行されるように適合される。アプリケーション１４０の全体的なスイートは、ワークステーション１３に格納されているものとして図示されているが、これらのアプリケーションまたは他のエンティティの一部は、システム１０内またはシステム１０に関連付けられるか、またはシステム１０と通信中の他のワークステーションまたはコンピュータデバイスに格納されて、実行されてもよい。さらに、アプリケーション１４０のスイートは、ワークステーション１３に関連付けられるディスプレイスクリーン１４６または任意の他の所望のディスプレイスクリーンまたはディスプレイデバイス、例えば、ハンドヘルドデバイス、ラップトップコンピュータ、他のワークステーション、プリンタなどへのディスプレイ出力を提供してもよい。同様に、アプリケーション１４０のスイート内のアプリケーションは、２台またはそれ以上のコンピュータまたはマシンに分散されて実行されてもよく、互いに連動して動作するように構成されてもよい。

図２に戻って参照すると、各制御モジュール５０、５２、５４は、オペレータインターフェイス８２と通信および／または読み出し／書き込み動作を実行してもよく、オペレータインターフェイス８２は、今度は、各制御装置１１に埋め込まれる知能および機能性の結果および勧告に対する洞察を提供する特定のアプリケーションまたは機能性８４と動作可能に連結されてもよい。ディスプレイインターフェイスは、制御装置１１との通信を支援するように向けられたオペレータインターフェイス８２によって提供されてもよい。そのような通信は、制御装置１１において実行中の適応制御ルーチンの構成および保守点検を必要とするか、または含んでもよい。オペレータインターフェイス８２は、第三者またはレガシーのプロセス制御システムとの通信リンクを支援して維持するために設けられる第三者インターフェイスアプリケーションであってもよい。そのために、オペレータインターフェイス８２は、多数のディスプレイインターフェイスを生成し、通信リンクの構成を容易にし、仮想制御装置を維持して利用し、インターフェイスを他の方法で支援してもよい。

さらなるディスプレイインターフェイスは、制御装置１１との通信を支援することに向けられたアプリケーション８４によって提供されてもよい。そのような通信は、制御装置１１において実行される適応制御ルーチンの構成および保守点検を必要とするか、または含んでもよい。アプリケーションスイート全体に当てはまるように、ディスプレイインターフェイスは、ダイナモ、フェースプレート、詳細ディスプレイ、ダイアログ・ボックスおよびウィンドウなど無制限に含む任意の形態をとってもよく、異なるディスプレイタイプでの表示のために構成されてもよい。一部の場合において、アプリケーション８４は、オペレータインターフェイス８２という枠の中で（またはオペレータインターフェイス８２から）起動される。別法またはさらに、制御モジュール５０、５２、５４は、アプリケーション８４と直接的に情報を交換してもよく、アプリケーション８４は、オペレータインターフェイス８２とは独立に、起動またはアクセスされてもよい。

オペレータインターフェイス８２および／またはアプリケーション８４との通信は、機能ブロックプラグイン６４によって利用されるモデルの通信を必要としてもよく、遠隔態様で、および／またはＯＰＣ（オープンプロセス制御：Ｏｐｅｎ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ）または他のクライアントインターフェイスを介して、プロセス制御システムの中で階層化されるシステムによって実装されてもよい。開示された技術の広汎なアプリケーションを支援するために、ワークステーション１３は、ループの動的パラメータにアクセスするように構成されたＯＰＣまたは他のクライアントインターフェイス１３２を含んでもよい。一般に、ワークステーション１３と制御モジュール５０、５２および５４との間の通信リンクは、ＯＰＣサーバを同定することによって確立されてもよく、場合によっては、モデル同定プロセスにおいて必要とされる１つまたは複数の制御装置１１の同定などの他の通信設定を同定することによって確立されてもよい。多くの（例えば、不必要な）通信ポートを開放することを回避するために、そのようなＯＰＣ接続は、トンネラソフトウェアを用いて行われてもよい。

制御モジュール５０、５２および５４とワークステーション１３との間の通信に加えて、モデル同定モジュール７２はまた、それぞれの通信サービス８６、８８を介して、ワークステーション１３と通信してもよい。通信サービス８６、８８のそれぞれは、遠隔通信制御装置（ＲＯＣ）サービスとして提供されてもよい。通信のワークステーション側で、サーバ９０は、モデルおよび制御装置１１からの収集データを格納し、アプリケーション８４がモデルおよび収集データにアクセスすることができ、その結果、ユーザが、モデルを表示、解析、編集および承認し、プロセスを監視するために、モデルを利用してもよい。

このために、サーバ９０は、モデルデータベース９２およびモデルサーバ９４として設けられてもよく、モデルサーバ９４は、制御装置１１のモデル同定モジュール７２と通信して、モデル同定モジュール７２によって同定されたモデルまたはモデルパラメータを受信して格納する。特に、メッセージが、モデル同定モジュール７２からモデルサーバ９４に通信され、モデル同定サービスによって作成された新たなモデルまたはモデルパラメータをモデルサーバ９４に通知してもよい。モデルサーバ９４は、モデル同定サーバ７２からモデルまたはモデルパラメータを取り出し、そのモデルまたはモデルパラメータをモデルデータベース９２に格納してもよい。一般に、モデル化同定モジュール７２によって作成されたモデルは、制御装置１１をチューニングするために、機能ブロックプラグイン６４によって用いられるモデルと同一であってもよい。

サーバ９０はまた、監視データベース９６および監視サーバ９８として設けられてもよく、監視サーバ９８は、制御装置１１のモデル同定モジュール７２と通信して、制御装置１１によって収集された動作状態を受信して格納する。上記のモデルの場合と同様に、メッセージが、モデル同定モジュール７２から監視サーバ９８に通信され、モデルを同定するために用いられるデータを含むプロセスに関する新たな属性を監視サーバ９８に通知してもよい。監視サーバ９８は次に、モデル同定サーバ７２から収集されたデータを取り出し、データを監視データベース９６に格納してもよい。したがって、モデルサーバ９４および監視サーバ９８は、制御装置１１によって利用される既存のモデルまたはモデルパラメータ、それらのモデルまたはモデルパラメータを同定するために用いられる収集データを更新または通知してもよい。

オペレータインターフェイス８２およびアプリケーション８４は、アプリケーション１４０のスイートの１つとして設けられてもよい。特許文献３に記載されているように、制御システム１０のモデルに基づく監視および管理の実装に向けた多数のアプリケーション、ルーチン、モジュールおよび他の手順要素を含んでもよい。アプリケーション、ルーチン、モジュールおよび要素は、ソフトウェア、ファームウェアおよびハードウェアの任意の組み合わせによって実装されてもよく、特許文献３に開示された例示の構成に限定されるわけではない。例えば、１つまたは複数のアプリケーションは、任意の所望の範囲まで統合されてもよい。

一般に、アプリケーション８４は、機能ブロックプラグイン６４によって収集されたデータの送出および保管のほか、モデル同定エンジン７４によって同定され、機能ブロックプラグイン６４に格納されたモデルの送出および保管を提供する。さらに、アプリケーション８４は、このデータおよびモデルを利用して、モデルにおける品質検査を行い、異なる制御装置１１からのモデルを統合して、より大きなプロセスモデルを作成し、同定されたモデルの使用に関連付けられる他の機能性を提供してもよい。

上記の制御装置１１およびワークステーション１３のアーキテクチャを用いて、プロセスの性能は、性能の劣るループ、チューニング制御装置および／またはループ、実行試験、監視性能を同定することによって改善されてもよい。例えば、制御装置１１、特に機能ブロックプラグイン６４およびモデル同定モジュール７２は、学習アルゴリズムを利用して、制御データ（例えば、プロセス入力データ）および動作状態（例えば、プロセス出力データ）を収集するように制御装置１１を起動し、新たなモデルまたはモデルパラメータを計算するプロセスの変化（自動、手動または誘発されたもののいずれであれ）に基づいて、新たなモデルを自動的に同定する。モデルまたはモデルパラメータは、ワークステーション１３および特にアプリケーション８４のユーザによって利用されてもよく、性能を評価し、プロセスにおける実際または潜在的な非線形性および劣化を同定し、性能の劣るプロセスおよび異常なプロセス状態を同定し、チューニング調整（例えば、チューニングパラメータ）を勧告してもよい。仮想制御装置を用いて、チューニング調整を試験して、プロセス性能を予測し、チューニング調整を実装する前に予測を解析してもよい。

モデルまたはモデルパラメータはまた、制御装置１１自体によって監視する適応チューニングおよび知的性能のために、制御装置１１によって利用されてもよい。この機能性、制御装置１１におけるモデル同定機能性およびデータ収集機能性を埋め込むことによって、プロセス通信が、低減され、それによって、制御装置１１とワークステーション１３（例えば、ＯＰＣ）との間の通信などプロセス通信にかかる作業負荷をより少なくする。

ここで図３を参照すると、制御装置１１、さらに詳細には制御機能ブロック５８、機能ブロックプラグイン６４およびモデル同定モジュール７２の間の対話が、さらに詳細に示されている。上述したように、機能ブロックプラグイン６４は、データ収集１０２のほか、制御機能ブロック５８に関するチューニング変数を計算するためのモデルおよびチューニング制御１０４をはじめとする種々の機能を実行してもよい。例えば、パラメータ値および他の動作状態データは、トリガ事象に応じて、制御機能ブロック５８から機能ブロックプラグイン６４に送り込まれる。一般的に言えば、パラメータ値および他の動作状態データは、制御モジュールおよびその機能ブロックの実行中に、利用可能である（または他の方法で通信される）。そのような実行は、スケジュール化されたプロセス制御行為中、ある程度連続的であってもよく、パラメータ値および他の動作状態データの通信もまた、連続的であってもよい。

開示された技術の一部の実施形態によれば、パラメータ値および他の動作状態データは、制御モジュール５０、５２および５４から機能ブロックプラグイン６４のデータ収集機能１０２に送り込まれる。機能ブロックと同様に、データ収集機能１０４は、オブジェクト指向方式でオブジェクト（またはオブジェクトエンティティ）として実装されてもよいが、必要ではない。その構造にもかかわらず、機能ブロックプラグイン６４のデータ収集機能１０２は、任意のデータ処理手順をはじめとするデータ収集１０２において実装されることになっている手順を定義する１つまたは複数のルーチンを含んでもよい。さらに一般に、データ収集機能１０２は、パラメータおよび他の動作状態データの自動収集、収集、受信または他の処理を支援するために、１つまたは複数のルーチンを含んでもよい。したがって、機能ブロックプラグイン６４のルーチンが、例えば、１つまたは複数のレジスタまたは他のメモリ１０６において収集データの格納の調整、支援または実装を行ってもよい。データ収集機能によって実行される手順は、以下に記載されるように、プラグイン６４を有する制御モジュール５０、５２からデータを収集するときを決定することを含んでもよい。

さらに一般に、データ収集機能１０２は、パラメータおよび他の動作状態データの自動収集、収集、受信または他の処理を支援するために、１つまたは複数のルーチンを含んでもよい。パラメータおよびデータの自動収集または他の処理が、データ収集機能１０２によって実装される限りにおいて、要件が、モジュール７２またはワークステーション１３またはその任意要素との通信において置かれる。

一部の実施形態において、パラメータおよび他のデータ１１２（例えば、動作設定点（ＳＰ＿ＷＲＫ）、制御装置入力（ＰＶ‐プロセス変数）、制御装置または機能制御ブロック出力（ＯＵＴ）、フィードフォーワード（ＦＦ）など）は、制御機能ブロック５８が実行される場合は常に、制御機能ブロック５８からデータ収集機能１０２に自動的に送り込まれてもよい。この意味で、データ収集モジュール１０２は、プロセスの動作後の任意の時点でデータ収集手順を支援するために、連続的に実装されてもよい。制御が実行のためにスケジュール化されていない時間中には、データ収集機能１０２は次に、プロセスモデルが生成（例えば、作成または同定）されるべきかどうかを決定するために、収集データを調べてもよい。別の実施形態において、制御装置１１は、定期的にまたは何か別のスケジュール化された態様で収集データを調べるか、または他の方法で処理してもよい。

データ収集１０２によって収集されたデータは一般に、プロセス入力および出力または制御装置１１（またはさらに一般に、プロセス制御システム１０）によって実装される具体的な制御ループに関する動作設定点に関する値を含んでもよい。これらのパラメータのそれぞれに関して、値は、トリガ事象の前に始まり、安定状態に達して終わる時間期間にわたって収集され、格納される。一部の場合において、トリガ事象は、例えば、データ収集機能１０２によるプロセス入力または設定点における変更の検出を必要とする可能性がある。

事象トリガ、制御データ収集、制御モデル同定およびプロセスモデル同定の結果を検出するか、または生じるために、機能ブロックプラグイン６４は、プロセスモデル同定制御論理１１０を含む。このプロセスモデル同定制御論理１１０は、機能ブロックプラグイン６４のメモリに格納されるルーチンとして提供されてもよい。一般に、プロセスモデル同定制御論理１１０は、新たなプロセスモデルを同定するのに十分なプロセスの変化を表すトリガ事象のために、プロセスにおける動作状態データの監視および状態の監視を提供する。一部の場合において、トリガ事象を構成するものは、制御ループの動作モードに左右される可能性がある。一般に、正常なプラント動作中に生じるプロセスの変化の２つの大きな指標、すなわち、オペレータ行為またはマスタループ制御の結果としての設定点の変化と、制御装置出力のオペレータ行為またはブロックのオーバライドの結果としての制御装置出力変化（または逆算信号における変化、ＢＫＣＡＬ＿ＩＮ）がある。これらの事象は一般に、変化しつつあるプロセスまたはちょうど変化し始めたプロセスを表し、トリガ事象に応答するプロセスを含むプロセスの動作状態データの収集を起動する。

制御ループが動作の「自動」モードにある場合には、オペレータが指定した設定点におけるプロセス出力（すなわち、ループの制御されたパラメータ）を維持するために、ループは、制御装置の出力（すなわち、操作されたプロセス入力）を連続的に調整中である。したがって、自動モードにおいて、設定点における変更は、プロセス入力および出力における変更を解析し、したがって、モデルを開発するために、トリガを構成する。オペレータまたはマスタ制御ループが、設定点を決して（またはめったに）変更せず、ループが依然として自動モードのままである場合には、モデルを作成するためのトリガであるように、プロセスを励起するために、小さな変更１１２（例えば、パルス導入（ＯＵＴ＿ＢＩＡＳ））が、制御装置の出力に導入されてもよい。一実施形態において、導入された変更は、状態を安定させるまでの時間（ＴＳＳ）の分数として表現される構成期間後に、実装されてもよい。

３つの上述のトリガ事象は、フィードバックモデルの開発のために用いられてもよい。フィードフォーワードモデル同定のためには、トリガ事象は、フィードフォーワード入力値における変更であってもよく、プロセスモデル同定制御論理１１０は、プロセスにおける測定された外乱における変化を検出してもよい。この機能性は、著しいフィードフォーワード変化が生じる場合には、フィードバックパス同定を回避するために、プロセスモデル同定制御論理１１０において維持される。

図４は、プロセスモデル同定制御論理１１０に基づく機能ブロックプラグイン６４によって実行される例示のルーチンのフローチャートである。一般に、適切な状態および変化が検出されると、プロセスモデル同定制御論理１１０は、制御装置チューニングに基づいて、またはプロセス状態パラメータ入力に関連付けられる値に基づいて、初期のプロセスモデル同定パラメータを設定する。プロセスモデル同定制御論理１１０は次に、データ収集およびモデル同定を呼び出してもよい。モデル同定結果の受信時に、プロセスモデル同定制御論理１１０は、プロセスが自己調整プロセスである場合には、ゲイン、時間定数および不動作時間に関して許容可能な範囲の結果を解析してもよく、またはプロセスが統合プロセスである場合には、ゲインおよび不動作時間の統合に関して許容可能な範囲の結果を解析してもよく、許容可能な範囲は、ユーザによって構成可能であってもよい。その後、制御機能ブロック５８のチューニング１１４は、同定されたモデルおよび選択されたチューニング規則に基づいて、モデルおよびチューニング制御論理１０６によって設定されてもよい。

特に、図４を参照すると、プロセスモデル同定制御論理１１０は最初に、ブロック２０２でプロセスモデルが未決定状態であるかどうかを決定する。すなわち、プロセスモデル同定制御論理１１０は、モデル同定が、例えば、前に検出されたトリガ事象に基づいて開始され、モデル同定モジュール７２からの結果を待っているのかどうかを決定する。以下にさらに記載するように、モデル同定モジュール７２は、トリガ事象に応じて、機能ブロックプラグイン６４によって収集されたデータに基づいて、モデルまたはモデルパラメータを同定する。

ブロック２０２で決定されたように、モデル同定が既に未決定である場合には、プロセスモデル同定制御論理１１０は、ブロック２０４でモデルの結果が準備されているかどうかを決定してもよい。このことは、モデル同定モジュール７２からのモデルまたはモデルパラメータの受信によって、またはモデル結果がモデルキャッシュ７６から取り出されるために利用可能であるかどうかを表すモデル同定モジュール７２からの信号の受信によって表されてもよい。ブロック２０４で決定されるように、一旦、モデル結果が準備されると、プロセスモデル同定制御論理１１０は、ブロック２０６でモデル同定結果を処理してもよい。例えば、プロセスモデル同定制御論理１１０は、モデル結果が利用されるべきかどうかを決定するために状態を安定させるための時間を（再）計算するために初期化を行ってもよい。例えば、状態を安定させるための時間における変化が、状態を安定させるための前の時間に比べて、所定の閾値（例えば、３０％）より多い場合には、新たなモデルが用いられる。状態を安定させるための時間における変化はさらに、データ収集サンプリングおよび診断フィルタの制約などの状態を安定させるための時間に左右されるすべての変数を再計算するための手順を初期化してもよい。

ブロック２０２に戻って参照すると、モデル結果が未決定でない場合には、プロセスモデル同定制御論理１１０は、ブロック２０８でトリガ事象を待機してもよい。上述したように、設定点の変化、制御装置出力の変化またはパルス導入１１２を含む異なるトリガ事象であってもよい。パルス導入制御は、機能制御ブロック５８が自動モードにあり、タイマがユーザによって構成可能であってもよい所定の時間に達する場合には、初期化されるオプションの特徴として設けられてもよい。タイマは、任意のアクティブトリガがあるか、または同定結果が未決定であるたびに、リセットされてもよい。

構成されたパルス振幅はまた、パルス導入１１２を初期化するための前提条件であってもよい。例えば、パルス導入１１２は、次に同定プロセスモデルゲインによって乗算されるパルス振幅が、能力の標準変化の５倍以上である場合には、初期化されるだけであってもよい。制御機能ブロック５８に関するパルス導入パラメータ１１２は、予め定義された定数（例えば、０．１）だけ乗算された状態を安定させるための時間の持続時間に関して、ユーザが構成した値に設定してもよい。一実施形態において、パルス導入パラメータ１１２のパラメータは、ユーザにとって明白でない可能性があり、特殊な書き込みインターフェイスによって書き込まれてもよい。収集すべきサンプルの数は、状態を安定させるための時間に設定されてもよく、この時点からプロセスモデル同定制御論理は、任意の他のトリガの場合と同様に実行されてもよい。

新たなモデル同定サイクルを開始するために、プロセスモデル同定制御論理１１０が、ブロック２０８でトリガ事象を検出してもよく、プロセスモデル同定制御論理１１０は、未決定であるモデル結果がないことを必要とする上に、ブロック２１０で、一定の前提条件を実装してもよい。前提条件としては、例えば、無効なモデル同定入力を偽に設定すること、バッファ１０６をデータ収集からの妥当なデータで満たすこと、トリガ事象のオプションが、具体的な制御機能ブロックモード（例えば、自動または手動）に関して選択されることを確認すること、パルス導入（パルス導入が利用される場合）に応じて、十分な変化が検出されなければならないことと、前のトリガ事象が生じた場合にすべてのデータが収集されたことと、を必要とすることが挙げられてもよい。さらに、前提条件は、機能ブロックプラグイン６４が、制御装置１１にインストールまたはダウンロードされると、トリガ事象に基づいてモデルを同定する前に、制御装置１１およびプロセスがある程度の時間を決定させるために、同定固定タイマが開始されることを必要とする可能性がある。トリガ事象が、設定点の変化、パルス導入などではなく、機能ブロックプラグイン６４を含むことに応じて検出される場合に、これは、偽陽性を回避するのを助ける。同定固定タイマは、ユーザが最も近い値でバッファ１０６を初期化するために要求を書き込まない限り終了し（プロセスが安定状態にあるかのごとく）、すべての値を有効にする。

ブロック２０８で決定されるように、トリガ事象が既に検出されていないのであれば、これらの前提条件は、ブロック２１０で確立されて検証されてもよい。しかし、前提条件が満たされる場合には、トリガ事象を検出するプロセスが、続行されてもよい。データバッファ１０６は、状態を安定させるための時間に関して、最小および最大の動作状態値を求めるために、プロセスモデル同定制御論理１１０によって走査される。複数のバッファ１０６が設けられる場合、またはバッファ１０６が複数の部分に分割される場合には、バッファまたはバッファ部分の選択は、複数のバッファまたは分割されたバッファの場合における制御機能ブロックモードおよび／またはトリガ事象タイプ（例えば、自動モード、手動モード、作動設定点、機能ブロック出力など）に基づいてもよい。例えば、自動モードにおいて、変化の作動設定点（ＳＰ＿ＷＲＫ）レベルは、能力の標準偏差の５倍より大きい必要があってもよい。状態を安定させるための時間と記録される時間との間の差が、モデル同定モジュール７２に収集データを送信する前に、どれほど多くのサンプルが用いられるかを決定してもよい。自動モードの場合には、作動設定点バッファが探索されてもよく、手動モード（または逆算）の場合には、機能ブロック出力バッファが探索されてもよい。探索は、最も古いデータから始まり、最も近いサンプルに向かって進められてもよい。十分な変化（ユーザによって構成可能であってもよい）が検出される場合には、最後に試験が行われたサンプル時間が、記録される。

ブロック２０８で、一旦、トリガ事象が検出されると、プロセスモデル同定制御論理１１０およびデータ収集モジュール１０２は、任意の所望の態様で、データ収集を支援するために通信する。さらに詳細には、制御モジュールによって実装される制御ループは、データへのアクセスまたは他の方法でデータを利用可能にすることを連続的に行ってもよい。結果として、トリガ事象の前にしばらくの期間で収集されたデータはまた、解析されて、プロセスモデルを決定してもよい。例えば、データが収集されるＰＩＤ制御ループは、ブロック実行において用いられるプロセス変数（例えば、ＰＶ）、ブロック出力値（例えば、ＯＵＴ）、フィードフォーワード制御入力値（例えば、ＦＦ＿ＶＡＬ）、設定点および動作のループモードを示す任意の１つまたは複数のパラメータに関する現在のデータ値にアクセスしてもよい。一部の場合において、データ収集機能１０２は、パラメータ値または他のデータ値の選択を促進してもよい。あるいはまたはさらに、プロセスモデル同定制御論理１１０は、どのパラメータが構成データベース８０またはワークステーション１３からリストデータを収集または検索するために必要とされるかを決定する構成リストブロックを含んでもよい。

ブロック２１２で決定されるように、トリガ事象に対するプロセスの応答を判断して、モデルを同定するために、十分な動作状態データおよび制御データが、収集されると、収集データは、ブロック２１４でモデル同定モジュール７２に送信されてもよい。

図５は、データ収集機能１０２に基づいて、機能ブロックプラグイン６４によって実行される例示のルーチンのフローチャートである。一般に、データ収集機能１０２が、制御装置入力（ＰＶ‐プロセス変数）からデータを読み出して、プロセスの動作を制御するために用いられる制御データを収集する。データ収集機能はまた、制御装置出力（ＯＵＴまたはＢＫＣＡＬ＿ＩＮ）からデータを読み出して、トリガ事象に関連付けられる変化に応じて、プロセスの状態に関連する動作状態データを収集する。制御データおよび動作状態データは、バッファ１０６に格納される。一実施形態において、バッファ１０６は、円形バッファであってもよい。円形バッファ１０６は、１つのクラスにすべての必要な信号を含んでもよく、実行およびメモリの使用において節約してもよい（例えば、すべての値が、一度で同一のバッファポインタ、サイズ、妥当なサンプルによって加えられてもよい）。実装保全性の観点からすれば、バッファ１０６は、各信号に関して別個にインスタンス作成されてもよく、したがって、別のバッファが利用される場合には、バッファ機能における変化はない。

機能ブロックプラグイン６４のインスタンス作成で、一定の最大バッファサイズが、保存されてもよい。バッファサイズは、状態安定までの最小時間および制御機能ブロックの実行時間（例えば、ＴＳＳ／ｅｘｅｃ＿ｐｅｒｉｏｄ）によって固定される現在のモデルに基づいて、状態を安定させるための時間によって定義されてもよい。計算されたサイズがバッファ限界を超える場合には、データ収集期間は、例えば、走査速度を低下させることによって拡大してもよい。そのような場合には、新たな収集期間およびバッファサイズが、計算され、その値が、同定およびチューニングの計算に関して格納される。新たなモデルが同定された後、（例えば、状態計算を安定させるための新たな時間に基づいて）バッファサイズにおける変更が必要とされる場合には、現在のデータ（すべてのバッファ）が無効化されてもよい。一部の実施形態において、データの無効化を考慮しない異なるアルゴリズムを利用してもよい。

図５を参照すると、ブロック２５２から始まり、データ収集機能は、プロセスモデル同定制御論理１１０によって検出されたトリガ事象に基づいて、制御データおよび動作状態データの別のサンプルを収集するかどうかを決定してもよい。例えば、制御装置入力および出力のデータの新たなサンプルを収集し始めるために、トリガ事象の検出時に、プロセスモデル同定制御論理１１０は、信号を発信してもよく、またはデータ収集機能１０２に他の方法で向けてもよい。データ収集機能１０２がデータを収集することに向けられる場合には、再サンプリングカウンタは、ブロック２５４で減分されてもよい。

データの新たなサンプルを収集することに向けられているとき、ルーチンは、ブロック２５２でデータを収集し、ブロック２５６で収集データに関する品質検査を行ってもよい。例えば、ブロック２５６における品質検査は、以下のもの、すなわち、プロセスにおける実際の情報を示す制限機能ブロックプロセス変数、不良のプロセス変数状態および予め定義された距離による制御装置出力接近限界のうちの１つまたは複数に関して検査されてもよい。ブロック２５６で決定されるように、これらの事象のうちの１つまたは複数が生じる場合には、カウンタが増分されてもよく、このカウンタの値は、ブロック２５８で検査されてもよい。カウンタは、収集データの中で不良なデータ値の数を表してもよく、ブロック２５８でカウンタが所定の閾値に達する（または所定の閾値からゼロまで減分される）場合には、ブロック２６０で、収集データサンプルの全体が、無効化されてもよい。カウンタが閾値に達していない場合には、ルーチンは、モデル同定に関して収集データの最後の値を用いてもよい。

再びブロック２５６を参照すると、データが、品質検査に送られる場合には、収集データは、バッファ１０６に格納される。上記に部分的に示しているように、制御装置作動設定点バッファおよびフィードフォーワードバッファの入力および出力が、作成されてもよい。設定点バッファは、トリガ事象のために用いられてもよい。フィードフォーワードバッファは、偽の同定を回避するために用いられてもよく、一例において、プロセスモデル同定に関しても用いられてもよいフィードフォーワードパス同定要件が含まれてもよい。

ユーザがプロセスにおける非線形性の同定および多領域適応制御の支援を可能にするために、状態入力データもまた、処理されてもよい。一例において、状態入力の４つのタイプ、すなわち出力、ＰＶ、作動設定点およびユーザ定義がある。データ収集機能１０２はまた、ブロック２６６で状態入力信号の状態を安定させるための時間に関する実行平均（状態変数パラメータ）を計算してもよい。この平均は、プロセスモデル同定サービスに送信される収集データに関して保存されてもよい。以下の式は、平均計算の実施例を示している。

状態変数パラメータの実行平均を計算した後、再サンプリングカウンタが、ブロック２６８でリセットされる。

トリガ事象に関連付けられるデータ収集後のある時点で、モデル同定モジュール７２は、モデル同定アルゴリズムまたは計算ルーチンを実装してもよい。これについて、ここで記載する。一般に、トリガ事象の検出および十分な量のデータの収集後に、バッファ１０６のコンテンツおよび他のパラメータが、モデル同定モジュール７２、特にモデル同定エンジン７４に対するクラスポインタとして送り込まれる。待ち行列に入れられたデータが、機能ブロックプラグイン６４からの収集データの複製である場合には、収集データは、モデル同定を待機するために待ち行列に入れられてもよい。これにより、少数のトリガ事象を有するプロセスおよび／または状態を安定させるためにきわめて長い時間を有するプロセスに関して重要なデータ収集を続行することができる。

モデル同定モジュール７２は、すべてのデータを含むクラスのメンバ機能であってもよい生成機能を呼び出す。生成機能は、プロセスモデル同定アルゴリズムを含み、モデルに関する新たなパラメータを識別するために、モデル同定エンジン７４によって用いられる。一般に、モデルが同定された後、モデル結果は、機能ブロックに送られ、次にＲＯＣサービス８６、８８を介してサーバ９０に送り込まれる。モデル同定モジュール７２がその能力（タスクの待ち行列において自由なスロットはない）を達成した場合には、プロセスモデル同定制御論理１１０からモデル同定のための要求は、却下されてもよい。

機能ブロックプラグイン６４は一般に、ユーザから最小の構成を利用するか、またはユーザからの構成を全く利用しない。したがって、パラメータの大部分は、初期のチューニング（例えば、ゲイン、速度およびリセット）に基づいて計算されてもよい。制御機能ブロック５８または機能ブロックプラグイン６４が、最初にダウンロードされた後、または他の方法で初期化されない場合には、完全な初期化が行われてもよい。例えば、制御機能ブロック５８または機能ブロックプラグイン６４が、最初のパラメータをアップロードすることなく、再ダウンロードされる場合には、完全な初期化が行なわれてもよい。ユーザはまた、ワークステーション１３を介して正規のブロック動作中に完全な初期化を呼び出してもよい。

初期モデル値、限界、状態を安定させるための時間（ＴＳＳ）およびＴＳＳ＿ＭＩＮを設定するための出発点として、制御装置チューニングおよびブロック走査速度を用いてもよい。ＴＳＳ＿ＭＩＮに関するデフォルト値は、０であってもよく、その結果、制御機能ブロック５８または機能ブロックプラグイン６４がダウンロードされ、ＴＳＳ＿ＭＩＮが０に等しい場合には、完全な初期化を利用してもよい。他の場合には、一部の初期値は、ＴＳＳ＿ＭＩＮに基づいていてもよい。

動作領域は、モデルパラメータ値および対応する上限および下限に関して初期化される。これらのモデルパラメータ値の同定については、以下にさらに記載される。各動作領域は、状態ビットを有してもよく、状態ビットの１つは、領域に関するモデルが同定されたかどうかを表している。これ以前に同定されたモデルがない場合には、初期化手順は、すべての動作領域に対して計算された初期値を適用する。動作領域の１つまたは複数のモデルが同定された場合には、初期値は、同定されていなかった領域に伝搬されてもよい。

状態を安定させるための時間は、２つの方式で、すなわち（１）初期化されたモデルからまたは（２）既に同定されたモデルから初期化される可能性がある。ＴＳＳおよびＴＳＳ＿ＭＩＮに関する構成デフォルトは、０に設定されてもよい。それらの属性の１つが、０でない場合には、属性は、ユーザによって設定されてもよく、または先にアップロードされていてもよく、したがって、初期化を必要としない。領域のいずれかに関するモデルが同定されなかった場合には、以前に示された規則が、領域に格納されたモデルの代わりに、初期化されたモデルの値を用いて適用されるべきである。

図６は、機能ブロックプラグイン６４からの収集データに基づき、モデルパラメータ（およびしたがってモデル）を同定するために、モデル同定アルゴリズムによって利用されるとき、モデル同定アルゴリズムまたは計算ルーチンの例示の記述のブロック図である。図６のモデル同定アルゴリズムまたは計算ルーチンは、マルチモデルスイッチングおよびパラメータ補間アルゴリズムによって実装されてもよく、機能ブロックは、その時点で１つのモデルパラメータを同定するアルゴリズムの修正バージョンを利用してもよい。プロセスモデルは、本願明細書に開示された技術に基づいて同定し、動作領域（例えば、領域１、領域２など）に関連付けられてもよいが、必要ではない。プロセスモデルはまた、機能ブロックの制御スキームによれば、対で同定されてもよい。この例示の事例において、各領域は、フィードフォーワード処理およびフィードフォーワード処理の両方を支援する１対のプロセスモデルを決定するものである。領域の選択時に、フィードバックモデルおよびフィードフォーワードモデルの対は、フィードバックチューニングパラメータおよびフィードフォーワードチューニングパラメータをそれぞれ計算するために利用されてもよい。

一般に、入力パラメータに基づいて、アルゴリズムは、収集データに関して多数の同定サイクルを実行する。同定サイクルは、同定される各モデルパラメータに関して実行されてもよい。各同定サイクルは、ループであり、各ループは、プロセスの複数のシミュレーション（モデル１、モデル２、モデル３）を必要とする。各シミュレーションは、種々のシミュレーションパラメータに関して異なる値を有する。シミュレーションパラメータは、プロセスが自己調整プロセスである場合には、各ループに関してゲイン、時間定数および不動作時間の設定を含んでもよく、またはプロセスが統合プロセスである場合には、各ループに関する統合ゲインおよび不動作時間を含んでもよい。各ループは、プロセスのシミュレートした値と収集された動作状態データ（例えば、実際のプロセス出力）との間の出力エラーを計算する。エラーに基づき、新たな一時的モデル値が、同定される。各モデルシミュレーション出力は、以下の式によって定義されてもよい。

式中、Δｙ_mは、プロセスモデルシミュレーション出力における変化であり、ΔＵは、プロセスモデルシミュレーション入力における変化であり、ｈは、サンプリング期間であり、ｎは、サンプルにおける不動作時間である。不動作時間遅延は、所定の数のサンプルによってプロセス入力をバッファに格納することによって実装される。モデルシミュレーションルーチンにおいて（例えば、ゲインまたは時間定数に関して）モデル値を用いる前に、モデル値は、以下の式を用いてパラメータａおよびｂに対して再計算されてもよい。

式中、τは、モデル時間定数であり、Ｋ_mは、モデルゲインである。統合プロセスの場合には、ａは、１に設定されてもよく、ｂは、データ収集サンプリング期間によって除算される統合ゲインに設定されてもよい。

図６を参照すると、収集データ３０２は、トリガ事象（プロセス出力）に応じて、プロセスの制御データ３０４（プロセス入力および動作状態データ３０６の両方を含む。プロセスを制御するために、制御機能ブロック５８によって用いられるプロセス入力は、複数のシミュレーション３０８、３１０、３１２のそれぞれに対する入力（モデル１、モデル２、モデル３）である。各シミュレーションは、プロセスのモデルであり、プロセスが自己調整型である場合には、プロセスモデルゲイン、プロセスモデル時間定数およびプロセスモデル不動作時間に関する異なる値、プロセスが統合プロセスである場合には、プロセスモデル統合ゲインおよびプロセスモデル不動作時間に関する異なる値などの異なるシミュレーションパラメータ値を有する。同一のモデル同定エンジン７４が両方のプロセスタイプに関して用いられてもよく、プロセスタイプ（例えば、自己調整型または統合型）は、ワークステーション１３および／またはユーザによって制御機能ブロックにおいて選択されてもよいが、提供された実施例の多くは、自己調整プロセスに関係があり、統合プロセスのインスタンスもまた提供されていることを理解すべきである。したがって、具体的なシミュレーションパラメータは、シミュレートされることになっている具体的なプロセスに左右されてもよく、ゲイン、時間定数および不動作時間は、例としてのみ提供される。

各シミュレーション３０８、３１０、３１２の出力は、プロセスのシミュレートされた出力に対応する。すなわち、各シミュレーション３０８、３１０、３１２の出力は、シミュレートされるプロセスの動作状態データをシミュレートする。各シミュレーション出力は、実際のプロセス出力（例えば、プロセスの収集された動作状態データ）と比較され、それによって、推定エラー３１４が、各シミュレーション出力に関して計算される。推定エラーは、シミュレーション出力と収集されたデータの時間に関するプロセス出力との間の自乗エラーの積分であってもよい。

推定エラーを用いて、モデルに関する変数が、同定（例えば、計算）されてもよい（３１６）。例えば、モデルパラメータは、以下の式を用いて計算されてもよい。

式中、Ｅ_AおよびＥ_Bは、２つの最小の積分エラーであり、Ｐ_AおよびＰ_Bは、２つの最小の積分エラーに対応するシミュレーションにおいて用いられるパラメータである。Ｐ_AおよびＰ_Bはまた、計算されるモデルパラメータＰ_newに対応する。例えば、Ｐ_newが不動作時間である場合には、Ｐ_AおよびＰ_Bは、最小の積分エラーＥ_AおよびＥ_Bをそれぞれ有するシミュレートしたプロセス出力を生成したシミュレーションにおいて用いられる不動作時間値に対応する。したがって、不動作時間は、各シミュレーション３０８、３１０、３１２に関して異なるシミュレーションパラメータの少なくとも１つであった。上述の計算は、モデルパラメータを計算する際に特に有益であるが、上述の計算が、所望に応じて、モデルパラメータを計算する場合に、多数の異なるシミュレーションパラメータ、エラーなどのいずれかに適合するように修正されてもよいことは当業者によって理解されるべきである。

一部の実施形態において、同定されることになっているモデルパラメータに対応しないシミュレーションパラメータは、各シミュレーション３０８、３１０、３１２に関して同一である。言い換えれば、各シミュレーションに関して異なるシミュレーションパラメータは、具体的な同定サイクルに関して計算されることになっているモデルパラメータに対応してもよい。したがって、異なる同定サイクルは、同定されることになっている各モデルパラメータに関して計算されてもよく、同定されることになっているモデルパラメータに対応するシミュレーションパラメータは、各シミュレーション３０８、３１０、３１２に関して異なっており、残るシミュレーションパラメータは、各シミュレーションに関して同一のままである。したがって、不動作時間に関するモデルパラメータが同定されることになっている場合には、不動作時間に関するシミュレーションパラメータは、各シミュレーション３０８、３１０、３１２に関して異なっている。ゲインが、同定されることになっているモデルパラメータである場合には、ゲインは、各シミュレーション３０８、３１０、３１２に関して異なっているシミュレーションパラメータである。時間定数または同定されることになっている任意の他のモデルパラメータに関しても、同様である。

上述したように、各同定サイクルは、順序付けされたループであり、したがって、サイクルは、繰り返され、サイクルの前の反復から同定されたモデルパラメータを用いて反復的に実行されるようになっている。したがって、モデルパラメータが、上記のように計算される場合には、サイクルの次の反復において、シミュレーションの１つを初期化するために、モデルパラメータは、シミュレーションパラメータとして用いられてもよい。第１の反復に関して、モデルは、同定されることになっている動作領域のモデルパラメータ値によって初期化される。しかし、すべてのシミュレーションが、前の反復から計算されたモデルパラメータに関して初期化されるわけではない。代わりに、前の対話からモデルパラメータを用いて初期化されるシミュレーションは、中間シミュレーションと呼んでもよく、さらなるシミュレーションは、プロセスの上限および下限に対応するエッジシミュレーションと呼んでもよい。エッジシミュレーションを初期化するために用いられるモデルパラメータは、範囲修正子（ｒａｎｇｅ ｍｏｄｉｆｉｅｒ）によって乗算される同定されたモデルパラメータであってもよい。範囲修正子は、プロセスに関するモデルパラメータの上限および下限に対応する。範囲修正子は、以下に基づいて計算されてもよい。
ｒｅｇｉｏｎ＿ｍｏｄｉｆｉｅｒ₁＝
Ｒａｎｇｅ＿Ｓｑｕｅｅｚｅ＿Ｃｏｎｓｔ
ｒｅｇｉｏｎ＿ｍｏｄｉｆｉｅｒ_i＝
ｒｅｇｉｏｎ＿ｍｏｄｉｆｉｅｒ_i-1＊
ｎ^thｒｏｏｔ（Ｒａｎｇｅ＿Ｓｑｕｅｅｚｅ＿Ｃｏｎｓｔ，
ｎｏｆ＿ｉｄ＿ｃｙｃｌｅｓ）
式中、
Ｒａｎｇｅ＿Ｓｑｕｅｅｚｅ＿Ｃｏｎｓｔ＝０．２
ｉ＝１，．．．，ｎｏｆ＿ｉｄ＿ｃｙｃｌｅｓ
ｎｏｆ＿ｉｄ＿ｃｙｃｌｅｓ＝同定サイクルの数
である。Ｒａｎｇｅ＿Ｓｑｕｅｅｚｅ＿Ｃｏｎｓｔに関する値は、一例としてのみ提供され、必要に応じて調整されてもよい。

各パラメータは、予め定義された数の反復（例えば、１０）に関するシミュレーションによって実行されてもよい。各反復後、各シミュレートされたモデル間の間隔は、範囲修正子における減少に起因して減少されてもよい。中間モデルパラメータが構成限界から出てしまう場合には、その限界に設定されてもよい。下限もまた無視される場合には、エッジモデルパラメータが、以下のように再計算されてもよい。より小さなモデルパラメータが、その下限の値の２分の１に設定され、より大きいモデルパラメータは、範囲修正子によって乗算される前に計算された初期の中間モデル値を加えた下限に設定される。

各モデルパラメータに関する各同定サイクルは、同定されることになっているモデルパラメータに基づいて、具体的な順序で実行されてもよい。例えば、自己調整プロセスにおいて、同定サイクルが、実行され、以下の順序、すなわち（１）時間定数、（２）不動作時間および（３）ゲインの順序でモデルパラメータを同定してもよい。統合プロセスにおいて、同定サイクルは、以下の順序、すなわち（１）不動作時間および（２）統合ゲインの順序でモデルパラメータを同定してもよい。

（各モデルパラメータに関する）各同定サイクルは、連続的に実行されてもよく、１つの同定サイクルからモデルパラメータを同定した後、モデルパラメータの値は、別のモデルパラメータを同定するために用いられる別の同定サイクルのシミュレーションに関するシミュレーションパラメータとして適用される。例えば、自己調整プロセスに関して上述の順序を用いることは、一旦、その対応する同定サイクルによって時間定数が同定されると、不動作時間を同定するために用いられる同定サイクルのシミュレーションにおいて、同定された時間定数が用いられてもよい。次に、一旦、不動作時間が同定されると、ゲインを同定する場合に、時間定数および不動作時間の両方が、シミュレーションパラメータとして用いられてもよい。すべてのモデルパラメータが同定されると、サイクルは、予め定義された数の時間（例えば、５）に関して再び開始する。

上述したモデル同定機能性からのモデルパラメータ結果は、限界によって固定されてもよく、モデル品質係数が、計算されてもよい。限界が固定し、モデル品質検査が、モデル同定エンジン７４またはモデル同定モジュール７２の別のモジュール、ルーチンまたは機能によって、行われてもよい。モデル品質係数は、経験則およびプロセスモデルの各パラメータに関する最後の３つのエラーの合成物であってもよい。一部の実施形態において、各パラメータに関する品質係数は、複数のステップで決定されてもよい。最初に、３つのエラーの最小値（ｍｉｎ３ｅｒｒｏｒ）および最大値（ｍａｘ３ｅｒｒｏｒ）が、決定される。上記の計算に基づき、中間のエラー（ｅｒｒｏｒ＿ｍｉｄｄｌｅ）が最小のエラーであるかどうかが決定される。最大対最小のエラー比（ｅｒｒｏｒ＿ｍｉｎ＿ｍａｘ）が、自己調整プロセスの場合には１．７５より高いかどうか、または統合プロセスの場合には１．２５より高いかどうかがさらに決定される。モデルパラメータに関するモデル品質係数が、次に、以下のように計算されてもよい。

式中、ｑｕａｌｉｔｙ＿ｂｉａｓおよびｑｕａｌｉｔｙ＿ｍｏｄｉｆｉｅｒは、以下の単独のモデルパラメータ品質係数計算定数の表に基づいて、計算されてもよい。

ｅｒｒｏｒ＿ｍｉｎ＿ｍａｘ、ｑｕａｌｉｔｙ＿ｂｉａｓおよびｑｕａｌｉｔｙ＿ｍｏｄｉｆｉｅｒに関して上記で提供された値は、一例に過ぎず、必要に応じて調整されてもよいことは、当業者によって理解されるべきである。

全体としてモデル同定に関する最終的な品質係数は、上述したモデル同定技術から同定された各モデルパラメータに関する品質係数の合成物である。一例として、自己調整プロセスおよび統合プロセスに関する品質係数の合成物はそれぞれ、以下のように決定されてもよい。

式中、ｇａｉｎ＿ｑｆは、自己調整プロセスに関するゲイン品質係数であり、ｉｎｔ＿ｇａｉｎ＿ｑｆは、統合プロセスに関するゲイン品質係数であり、ｔｃ＿ｑｆは、時間定数品質係数であり、ｄｔ＿ｑｆは、不動作時間品質係数である。定数ａ、ｂおよびｃは、以下の表における品質係数計算定数によって定義されてもよい。

この場合も、定数ａ、ｂおよびｃに関する値は、一例に過ぎず、必要に応じて調整されてもよいことは、当業者によって理解されるべきである。

最終モデル結果は、同定された動作領域において前に同定されたモデルと新たに同定されたモデルの混合として提供されてもよい。例えば、モデル同定結果は、下限と上限との間の範囲によって乗算された構成値（例えば、０．１，．．．，０．５）によって限定（固定）される割合であってもよい。さらに、新たなモデルは、プロセスのタイプ（自己調整型または統合型）に応じて、上記の式（７）または（８）による最終的な品質係数によって重み付けされてもよい。例えば、新たなモデルは、以下のように重み付けされてもよい。

新たなモデルは、モデル同定が実行された領域において格納されてもよい。

一般に、モデル品質は、最後に同定されたモデルの信頼性の指標であり、各動作領域に関するモデルの履歴に基づいてもよい。例えば、品質係数および時間に関するモデルの偏差を考慮してもよい。一実施例において、５つのモデルゲインの履歴および品質係数の実行平均は、各動作領域に関して格納されてもよい。上述の技術によって同定されたモデルの品質を更新するために、品質係数の実行平均は、以下の式を用いて更新されてもよい。

最後の５つのモデルゲインの平均、最小値および最大値は、平均比に対する偏差と同様に、計算されてもよい。一例において、平均比に対する偏差は、

として計算されてもよく、０．０と１．０との間に制限されてもよい。最終的なモデル品質は、次に、

として計算されてもよい。上記で提供された実際の値のそれぞれは、一例に過ぎず、必要に応じて調整されてもよい。

一実施形態において、機能ブロックプラグイン６４によって取り出された後のすべてのモデル結果（例えば、新たなモデル、品質係数およびモデル品質）は、ＲＯＣサービス８６、８８によって、ワークステーション１３に位置しているモデルデータベース９２に送信されてもよい。機能ブロックプラグイン６４において、モデルおよびチューニング制御１０４は、制御機能ブロック５８に関するチューニング変数を計算するためにモデル結果を利用する。特に、モデルおよびチューニング制御１０４は、２つのタスクを実行してもよい。すなわち、（１）選択された状態変数（式（１）からの平均状態変数であってもよい）に基づいて、現在の承認されたモデルを選択し、（２）（完全または部分適応において）新たな制御装置チューニングを計算して適用してもよい。現在の承認されたモデルは、選択された状態変数、領域境界および構成されたヒステリシスに基づいて、メモリ１１６に格納された承認モデル表から選択されてもよい。新たな現在承認されたモデルが変更される場合は常に、新たなチューニングが、選択されたチューニング規則、プロセスタイプおよび主要ブロックタイプ（ＰＩＤ、ＦＣＬまたは他の制御機能ブロック）に基づいて計算される。モデル同定が部分的であるか、または完全であるかに関係なく、新たに計算されたチューニングは、各インスタンスにおいて制御装置に適用されてもよい。一部の実施形態において、内部モデル制御（ＩＭＣ：Ｉｎｔｅｒｎａｌ Ｍｏｄｅｌ Ｃｏｎｔｒｏｌ）およびラムダチューニングが、支援されてもよい。

開示された技術の実装を制御し管理するために、（レガシーまたは標準的な統合された意味のいずれにおいても）ワークステーション１３によって提供されるアプリケーションに関するさらなる詳細が、ここで提供される。アプリケーションは一般に、上述したように、制御装置１１によって同定されるプロセスモデルの利用を支援し、同定されたモデルの使用に関連付けられる機能性も提供する。上述したように、プロセスモデルは、適応制御スキームに関連して使用するためだけに生成される必要はない。開示された技術によるプロセスモデルの同定は、制御ルーチンが適応制御ルーチンであるかどうかに関係なく、実装される。適応型であれ非適応型であれ、制御ループのすべてに関してプロセスモデルを同定することは一般に、プロセス、プロセス制御システムおよびその特定の要素の多数の異なる解析を行う能力を提供する。とはいえ、一部の場合において、開示されたシステムは、ノードごと（またはループごと）に基づいて、モデル同定を無効にするために、ダイアログ・ボックス、ウィンドウ、フェースプレートまたは他のディスプレイインターフェイスを介してオプションを提供してもよい。ディスプレイインターフェイスは、ワークステーション１３上で実行中のアプリケーションの実装によって生成された多数のディスプレイインターフェイスのうちの１つであってもよい。そのようなディスプレイインターフェイスの実施例は、図８〜図１５において提供されている。

再び図１を参照すると、一般的な問題として、ワークステーション１３は、（個別に、分散方式または任意の他の方式のいずれであれ）、プロセスプラント１０内に接続されたデバイス、ユニットなどに関して機能性を表示して提供するために、任意の権限の付与されたユーザ（例えば、構成エンジニア、オペレータなど）によってアクセスされてもよいオペレータインターフェイスアプリケーションおよび他のデータ構造１４０のスイートを含む。オペレータインターフェイスアプリケーション１４０のスイートは、ワークステーション１３のメモリ１４２に格納され、アプリケーション１４０のスイートの中のアプリケーションまたはエンティティのそれぞれは、各ワークステーション１３に関連付けられるそれぞれのプロセッサ１４４で実行されるように適合される。アプリケーション１４０の全体的なスイートは、ワークステーション１３に格納されているものとして図示されているが、これらのアプリケーションまたは他のエンティティの一部は、システム１０内またはシステム１０に関連付けられるか、またはシステム１０と通信中の他のワークステーションまたはコンピュータデバイスに格納されて、実行されてもよい。さらに、アプリケーション１４０のスイートは、ワークステーション１３に関連付けられるディスプレイスクリーン１４６または任意の他の所望のスクリーンまたはディスプレイデバイス、例えば、ハンドヘルドデバイス、ラップトップコンピュータ、他のワークステーション、プリンタなどへのディスプレイ出力を提供してもよい。同様に、アプリケーション１４０のスイート内のアプリケーションは、２台またはそれ以上のコンピュータまたはマシンに分散されて実行されてもよく、互いに連動して動作するように構成されてもよい。

図７は、開示されたシステム、方法およびモデル同定技術の実装に関連してさらに詳細に例示のワークステーション１３を示している。特に、アプリケーション１４０のスイートは、本願明細書に記載されたように、制御システム１０のモデルに基づく監視および管理の実装に向けた多数のアプリケーション、ルーチン、モジュールおよび他の手順要素を含んでもよい。アプリケーション、ルーチン、モジュールおよび要素は、ソフトウェア、ファームウェアおよびハードウェアの任意の組み合わせによって実装されてもよく、図７に示された例示の構成に限定されるわけではない。例えば、１つまたは複数のアプリケーションは、任意の所望の範囲まで統合されてもよい。

アプリケーションスイートは、モデルが上述の技術によって同定されるとき、プロセスモデルデータ（例えば、パラメータ）の記録の支援を専用とするヒストリアンアプリケーション４４８を含んでもよい。このために、ヒストリアンアプリケーション４４８は、ヒストリアンデータベース１２または任意の他のメモリまたは格納機構と通信してもよい。上述したように、プロセスモデルデータは、プロセスモデルの同定（またはそれをもたらすデータの収集）を年代順に記録するデータに関して、またはそのようなデータに関連付けて格納されてもよい。ヒストリアンアプリケーション４４８はまた、選択されたモデルパラメータに関する合計値、平均値および他の値の計算などの解析的な機能性を提供してもよい。ヒストリアンアプリケーション４４８は、１つまたは複数のディスプレイインターフェイスによって、そのような計算値のほか、基本的な格納データの表示を容易にしてもよい。

第三者インターフェイスアプリケーション４５０は、図２（オペレータインターフェイス８２）および図７に関連して記載したように、第三者またはレガシーのプロセス制御システムとの通信リンクを支援して維持するために設けられてもよい。そのために、アプリケーション４５０は、多数のディスプレイインターフェイスを生成して、通信リンクの構成を容易にし、仮想制御装置４２８を維持して利用し、インターフェイスを他の方法で支援してもよい。

さらなるディスプレイインターフェイスは、制御装置１１との通信を支援することに向けられたアプリケーション４５２によって提供されてもよく、このアプリケーションは、上述のアプリケーション８４であってもよい。そのような通信は、制御装置１１において実行中の適応制御ルーチンの構成および保守点検を必要とするか、または含んでもよい。アプリケーションスイート全体に当てはまるように、ディスプレイインターフェイスは、ダイナモ、フェースプレート、詳細ディスプレイ、ダイアログ・ボックスおよびウィンドウなど無制限に含む任意の形態をとってもよく、異なるディスプレイタイプでの表示のために構成されてもよい。

アプリケーションスイートは、チューニングに関連してプロセスモデル情報の使用を専用とするアプリケーション４５４を含んでもよい。上述のモデル同定技術の結果として、チューニングアプリケーション４５４は、プラントにおける正常な日常的変化またはオンデマンドチューニングテストから自動的にチューニングパラメータを計算することによって、プロセス制御性能を改善することに向けられる。チューニングの結果は、「開ループ」チューニング勧告および「閉ループ」適応制御の両方のために用いられてもよい。

さらに詳細には、チューニングアプリケーション４５４は、開ループ動作または閉ループ動作のいずれであれ、すべての制御ループに関して連続的なチューニング計算の性能を支援するために、多数のディスプレイインターフェイスを生成してもよい。チューニング計算は、ＰＩＤ制御装置、ファジー論理制御装置およびＭＰＣ制御装置において標準的な制御および適応制御の両方を支援し、したがって、フィードバック制御およびフィードフォーワード制御の両方に関するチューニング勧告を提供する。チューニングアプリケーション４５４はまた、上述したように、リレー発振または他の手順のいずれかを用いて、オンデマンドチューニングを提供してもよい。

チューニングアプリケーション４５４は、ヒストリアンデータベース１２（または所望に応じて他の場所）に格納されたプロセスモデル履歴データにアクセスし、したがって、履歴プロセスモデルデータを用いて最適なチューニングを計算してもよい。そのために、ディスプレイインターフェイスは、そのようなチューニング計算に適したデータの位置を特定し、そのようなデータを選択するために、履歴を容易に詳細に調べるために、ツールを提供するか、または含んでもよい。チューニングアプリケーション４５４によって生成されたディスプレイインターフェイスのこの態様は一般に、ユーザが、モデルパラメータ（例えば、状態を安定化させるための時間、事象トリガ閾値）を変更し、モデルを再同定するか、または自動モデル同定ではこれまで可能でなかったループに関するモデルを同定することを可能にする。

チューニングアプリケーションはまた、チューニング計算結果の履歴の解析を支援するために、インターフェイスを提供してもよい。この能力は、適応制御の機会の解析および適応制御構成の改善を容易にする可能性がある。

上述したように、チューニングアプリケーション４５４は、プロセスに対する手動変更がほとんどない（すなわち、制御装置出力における自動導入である）場合、制御装置のチューニングを同定するのに役立つ制御「摂動（perturbations）」の導入を支援するために、インターフェイスを提供してもよい。一旦、良好なチューニングが計算されると、摂動を無効にするために、インターフェイスによってオプションが提供されてもよい。複数の制御ループが摂動状態にある場合には、プロセスの外乱を分散して最小限に抑えるために、動きが同期化されてもよい。

チューニングアプリケーション４５４は、プロセス状態および他の状態表示に応答してもよく、その結果、任意の計算結果が、それに応じて同定される。このように、開示されたシステムは、最悪の状態においてまたは不良なプロセスデータによって計算された情報の使用を回避する。そのために、モデルに関連する計算は、適切である場合には、説明と共に、結果が、良好か、不良かまたは利用可能でないかを表してもよい。

チューニングアプリケーション４５４はまた、特に、チューニング勧告情報およびユーザログを伝達して、チューニング変更および任意の適応制御チューニング解析を文書化するために、概要報告を生成してもよい。

（単独でまたは他のアプリケーションと連動してのいずれであれ）チューニングアプリケーション４５４によって生成されるディスプレイインターフェイスに関するさらなる詳細は、図１１〜図１５に関連して提供される。これらの図は、上述した機能性を容易にするために、ユーザに提供されるプロセスモデルおよび制御ループの図を一般的に示している。

図７を続けて参照すると、アプリケーション４５６は一般に、開示された技術によって同定されたプロセスモデルを利用する性能監視を自動的に制御することに向けられる。アプリケーション４５６はさらに詳細には、（ｉ）性能改善のための機会の同定、（ｉｉ）制御問題の原因の解析および診断および（ｉｉｉ）動作、制御および保守点検を行う人材に関する重要な実績報告の生成を促進するか、または自動的に実装することによって、プロセス制御性能を改善することに向けられる。このために、アプリケーション４５６は、プロセスモデルに基づく制御性能指数を生成してもよい。この「モデルに基づく」指数は、再チューニングを必要とする制御ループを同定するためのよりよいベンチマークを提供する。新たな指数は、プロセス妥当性、同定されたプロセスモデル、既存の制御装置チューニングなどの要因に基づいて、性能を改善する機会を判定する。そのような性能監視は、適用可能である場合には、ユニットの状態を考慮し、ループが不適切なユニット状態である場合、または他の状態表示（例えば、Ｆｉｅｌｄｂｕｓ状態）またはＩ／Ｏ通信が良好でない場合には、性能計算を除外してもよい。バルブの静摩擦、緩みおよび他のバルブの診断指数もまた、すべてのバルブに関して提供されてもよい。

前述の特徴および以下に記載される特徴は一般に、開示された技術によって自動的に作製されるプロセスモデルを利用することによって行われる制御性能の比較によって提供される。プロセスモデルの使用を通じて、チューニングの芳しくない制御ループおよび制御性能に影響を及ぼすプロセスにおける変化が、同定されてもよい。履歴の値からのプロセスモデルにおける偏差は、潜在的なプロセス問題として制御ループにフラグを立てるために用いられてもよい。

また、プロセスモデルを用いて、発振中であるループを同定するために、発振指数もまた、アプリケーション４５６によって生成されてもよい。さらに詳細には、発振解析ツールは、同一の発振期間を有し、主要ループと相互に作用する可能性がある他のループを同定してもよい。この情報は次に、プロセスの相互作用および可能な設計勧告を同定するために用いられてもよい。

アプリケーション４５６によって提供された診断情報は、不良な制御性能の予想される原因の表示を付随してもよい。例えば、診断は、不良な制御性能が命令エラー、バルブの静摩擦または緩み、プロセスの相互作用または制御装置のチューニングによって生じているかどうかを表してもよい。

一般的に言えば、制御性能監視情報は、多数のカスタマイズされたディスプレイインターフェイスおよび報告を含む任意の所望の形態で提供されてもよい。履歴性能報告は、制御ループがユーザの指定した時間期間にわたってどのように実行されたかを示すために提供されてもよい。そのような報告に関するデフォルトの時間期間は、最後の時間、最後のシフト（８時間）、最後の日、最後の週、最後の月を含む。ユーザは、詳細なループ情報にアクセスするために、概要報告から「掘り下げる」ために、オプションを提供してもよい。インターフェイスの報告は、例えば、プラントの広さおよび個別のプロセスユニット、前の期間と現在の期間を比較する傾向および／または表、対応する性能尺度を有する上位優先度のループのリストに関して全体に重み付けされた性能指数によって、管理概要に関してカスタマイズされてもよい。保守点検報告は、制御ループ性能指数を提示し、プラント動作に対する関連する重要性に基づいて、作業品目に優先順位を付けてもよい。他の報告は、制御性能指数、標準偏差、発振指数、プロセスモデル（利用可能である場合）、自動相互相関、ヒストグラム、パワースペクトルなどに関するデータを含む統計を提供してもよい。

アプリケーション４５６によって提供される情報に関するさらなる詳細は、図８〜図１１に示される例示のディスプレイインターフェイスによって提供される。

アプリケーションスイートはまた、別個の制御ループ解析アプリケーション４５８を含んでもよい。一部の実施形態において、アプリケーション４５８は、アプリケーション４５６によって生成されたディスプレイインターフェイスを介して利用可能である。いずれにしても、アプリケーション４５８は、上述したモデル同定技術に関して収集されるヒストリアンまたは実時間データの解析を支援する。データは、未測定の外乱および測定雑音から制御における変動の調査を容易にするインターフェイスを介して提示されてもよい。例えば、アプリケーション４５４および４５６を介して同定された問題は、診断のための解析アプリケーション４５８を用いてさらに調査されてもよい。そのために、それによって生成されたディスプレイインターフェイスは、パワースペクトラム、自動相関およびヒストグラムのデータを計算するためのオプションを提供してもよい。

アドバイザアプリケーション４６０は一般に、チューニングまたはアルゴリズムの修正によって、制御スキームを改善するために、異常状態または機会を検出するために、診断に関連して同定されたモデルを利用する機能性を提供してもよい。アドバイザアプリケーション４６０によって提供される情報は、システム１０と通信状態にあるワークステーション１３、制御装置１１または任意の他の要素によって生成されるフェースプレートを含む任意のタイプのディスプレイインターフェイスに提供されてもよい。１つの特定の実施例において、ディスプレイインターフェイスは、「チューニングを確認してください」などの新たな助言メッセージの表示を示すためのフラグを有してもよい。

さらに一般的には、アドバイザアプリケーション４６０は、スイートにおけるアプリケーションの任意の１つによって行われる解析または診断の結果として生成される勧告を提供してもよい。さらに、勧告は、アドバイザアプリケーションによって生成されるディスプレイインターフェイスによって提供される必要はなく、スイートにおけるアプリケーションのうちの任意の１つまたは複数に表示を送信してもよい。したがって、勧告およびメッセージ、例えば、「新たなチューニングが利用可能です」「プロセスを調べてください。プロセスにおいて著しい変更が検出されました」「バルブを確認してください。不感帯／ヒステリシス大です」「チューニングを確認してください。ループが不安定です」および「制御は、ＭＰＣ／適応を用いて改善可能です」などが一般に、プロセス制御システム１０と通信中のワークステーション１３または他のデバイスによって提供されてもよい。メッセージまたは勧告の表示に加えて、基本的な状態に関する詳細が、制御ループに関する履歴または他のパラメータとして格納されてもよい。制御ループに関して格納されたデータの次のアクセスまたは使用は、次に、スイートにおけるアドバイザアプリケーションまたは他のアプリケーションのユーザに対して詳細または関連メッセージを表示させてもよい。

開示された技術の実装も支援する他のアプリケーションは、プロセス制御システム１０内のナビゲーションを容易にするための制御スタジオアプリケーション４６２と、上述の報告の生成のための報告生成アプリケーション４６４と、を含む。最後に、１つまたは複数のメモリまたはデータベース４６６は、アプリケーションスイートの一部として提供されてもよい。

図８は、プロセスモデル検査解析から生じる概要情報を提示するために、性能監視アプリケーション４５６（または、あるいは他のアプリケーションのうちの任意の１つまたは複数）によって生成されてもよい例示のディスプレイインターフェイス４６８を示している。この特定の実施例において、ディスプレイインターフェイス４６８は、全体的なプロセス制御システム１０において、制御ルーチンまたはモジュールの状態を表す情報および階層木パネル４７０を介して選択されたその任意のエリアを提示する。制御性能は、「不正確なモード」「制限された制御」「不確かな入力」および「大きな変動」を含むカテゴリによってチャートパネル４７２に指定され、概要を示している。制御モジュール、機能ブロックまたはルーチンのこれらのカテゴリの１つへの割り当てまたは分類は一般に、開示された技術によって同定されたプロセスモデルによって可能であり、この同定されたプロセスモデルを用いて自動的に実装されてもよい。ディスプレイインターフェイス４６８はまた、機能不全と思われるか、すぐに保守点検を必要とするか、助言警告があるか、または通信障害を被っている種々の資産に関して統計情報を提示するために、資産警告チャートパネル４７４も含む。

図９は、これも性能監視アプリケーション４５６によって生成されてもよい例示のディスプレイインターフェイス４７６を示している。ディスプレイインターフェイス４７６はまた、一般に、制御性能情報を提示するが、さらに詳細なレベルである。この実施例において、性能情報は、階層木パネルにおいて選択されたエリアにおいて、各制御ループまたはモジュールに関して提示される。具体的な制御ループに関して検出された各異常状態は、異常モード、制限された制御、入力状態、高い変動または機能していない関連デバイスに関する問題の間で識別する表に記載されてもよい。異常状態を記載した報告が生成されたかどうかに関する表示と共に、優先順位もまた、表示されてもよい。

図１０は、これも性能監視アプリケーション４５６によって生成されてもよい例示のディスプレイインターフェイス４７８を示している。ディスプレイインターフェイス４７８は、図９のインターフェイス４７６と類似であり、性能情報が提示される制御レベルにおいて異なる。この場合には、モジュールまたはループは、パネル４７０によって選択され、性能情報は、その各機能ブロックに関して提示される。具体的なブロックに関する診断情報は次に、表に表示されたブロック名で選択（例えば、右クリック）することによってアクセスされてもよい。

図１１は、チューニングアプリケーション４５４および性能監視アプリケーション４５６を含むアプリケーションのうちの１つまたは複数によって生成されてもよい例示のディスプレイインターフェイス４８０を示している。一般的に言えば、ディスプレイインターフェイス４８０は、選択された制御要素（例えば、ＰＩＤ１）に関する診断計算の結果の調査を促進する。計算によって導出された統計量に関する制限値もまた、所望に応じて、比較およびユーザによる修正のために表示される。制限を超えると、アラームが関連情報を表示してもよい。さらに一般的には、ディスプレイインターフェイス４８０および基本的な計算において提示された情報は、制御ループの安定性が、本願明細書に開示されたプロセスモデル同定技術の結果としてどのように連続的に監視されているかを表している。

図１２は、自動プロセスモデル同定のほか、オンデマンドモデル同定に関する制御ループの設定を容易にする例示のディスプレイインターフェイス４８２を示している。トリガ事象タイプ、トリガ事象レベル、パラメータ変更最大値などを指定するために、多数のパネルが、インターフェイス４８２によって提供される。このように、ディスプレイインターフェイス４８２は、ノードごとまたはループごとに、プロセスモデル同定手順をユーザにカスタマイズすることが可能である。

図１３は一般に、ユーザが、特に、どれほど多くの領域が必要とされるかを決定するために、保存されたプロセスモデルを可視化してもよい方法を示している。さらに詳細には、ディスプレイインターフェイス４８４は、プロセスモデル履歴情報を列挙するパネル４８６と、それぞれの水平線によって、承認されたモデル値を示し、ドットによって、履歴データベースにおいて同定および格納されたプロセスモデルのパラメータを示すモデルグラフパネル４８８と、を示している。上述したように、それぞれのモデルは、多数（例えば、５つ）の領域に関して承認されてもよく、モデルパラメータの分散は、領域の同定を容易にしてもよく、チューニング勧告によって他の方法で助けてもよい。

図１４および図１５は、それぞれファジー論理制御ブロックおよびＭＰＣブロックに関して最近同定されたモデルに関するプロセスモデル情報を示している。そのために、ディスプレイインターフェイス４９０および４９２は、試験、チューニング計算、制御装置パラメータ設定、チューニングシミュレーションおよびチューニング選択を支援するために、多数のパネル４９２、４９４、４９６および４９８と共に、プロセスモデルのそれぞれのグラフィカル表示を提供する。

上記の開示の焦点は、機能ブロックに合わせられているが、この技術は、現代のプロセス制御システムにおける多様な制御設計および戦略に適用可能であることを理解すべきである。上記の技術に基づいて、この技術の特徴としては、ユーザが介入することなくオンライン制御装置においてプロセス学習のためのフレームワークの自動的な作成、ユーザが介入することなくタスクに優先順を付けることによって、制御装置メモリおよび処理要件の動的調整、動作データおよび状態に基づくプロセスに関する自動的学習およびプロセス状態における任意の変化に対する作用などが挙げられてもよい。学習は、他のアプリケーションに関係なく、オンライン制御装置で局所的に実行されてもよく、他のアプリケーションに関係なくワークステーションの仮想制御装置において実行されてもよく、中央サーバ処理履歴データとして実行されてもよい。さらに、この技術は、自動的に通信し、埋め込まれた学習アルゴリズムの結果を格納し、性能監視、プロセスおよびデバイス診断、プロセスモデル化、チューニング勧告および制御戦略などが挙げられるが、限定されるわけではない結果および勧告に視覚的かつグラフィカルな洞察を自動的に提供することを可能にする。さらに、制御装置構成における変化の自動監視および応答が、利用されてもよい。このような技術は、多様なプロセス（例えば、ＳＩＳＯ、ＭＩＭＯなど）に関して利用されてもよく、多様な制御戦略（例えば、フィードバック、フィードフォーワード、ＰＩＤ、ファジー論理、多変数ＭＰＣなど）に関して用いられることができ、多様なプロセスモデル化（例えば、モデルパラメータ補間、ステップ応答パラメータ、ステップ応答非パラメータ、ニューラルネットワークなどの非線形ノンパラメトリックなど）に関して用いられることができ、多様なタイプのプロセス情報（例えば、モデル、性能およびチューニング指数、プロセスおよび制御戦略、エキスパートシステムなど）に関して用いられることができる。

「同定する」「同定」なる語およびその任意の派生語は、プロセスモデルの使用に関して広義で本願明細書において用いられ、全体的なプロセスモデル、それを定義するための１つまたは複数のパラメータまたはその任意の他の定義特性のいずれかで達成するプロセスモデルの作製、生成および他の処理を含む。

上述のアプリケーションのいずれかは、１つまたは複数の統合アプリケーションのルーチン、モジュールまたは他の構成要素として実装されてもよい。アプリケーション機能性の開示された構成は、説明において容易にするためだけに提供され、機能性がオペレータまたは他のユーザに適用してもよい広範囲の態様を表しているわけではない。さらに、上述のアプリケーションは、所望に応じて、ユーザプロファイル、内容および他のパラメータに基づいて種々の形態で提供されてもよい。例えば、１つのユーザタイプ（例えば、エンジニアリング）に関して生成されたディスプレイインターフェイスビューは、異なるユーザタイプ（例えば、保守点検）に関して生成されたビューとは、内容および他の点で異なっていてもよい。

実装される場合には、本願明細書に記載されたソフトウェアのいずれが、コンピュータまたはプロセッサなどのＲＡＭまたはＲＯＭにおいて、磁気ディスク、レーザディスクまたは他の格納媒体などの上の任意のコンピュータ読み出し可能メモリに格納されてもよい。同様に、このソフトウェアは、ユーザ、プロセスプラントまたは任意のオペレータワークステーションに、例えば、コンピュータ読み出し可能ディスクまたは他の輸送可能なコンピュータ格納機構または電話線、インターネット、ワールドワイドウェブ、任意の他のローカルエリアネットワークまたはワイドエリアネットワーク（供給は、輸送可能な記憶媒体を介してそのようなソフトウェアを提供することと同一であるか、または互換性があるものと見なす）などの通信チャネルにわたって、任意の周知または所望の供給方法を用いて供給されてもよい。さらに、このソフトウェアは、変調または暗号化を行うことなく、直接的に提供されてもよく、または通信チャネルにわたって伝送される前に、任意の適切な変調搬送波および／または暗号技術を用いて変調および／または暗号化されてもよい。

「関連出願」
これは、２００７年９月２８日に提出された「プロセス制御システムにおけるインテリジェント制御・監視の方法および装置（Ｍｅｔｈｏｄ Ａｎｄ Ａｐｐａｒａｔｕｓ Ｆｏｒ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ Ａｎｄ Ｍｏｎｉｔｏｒｉｎｇ Ｉｎ Ａ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）」という名称の米国特許仮出願第６０／９７６，３７９号に基づき、その優先権を主張する正規に提出された出願であり、これにより、その全体の開示内容は、本願明細書に参照によって援用されるものとする。本出願はさらに、２００５年１０月４日に提出された「プロセス制御システムにおけるプロセスモデル同定（Ｐｒｏｃｅｓｓ Ｍｏｄｅｌ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｉｎ ａ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）」という名称の米国特許出願第１１／２４３，８６２号に対して一部継続出願の優先権を主張し、その全体の開示内容は、本願明細書に参照によって援用されるものとする。

本開示の一態様による少なくとも一つの制御ルーチンによって構成されている制御装置を含むプロセス制御システムを示す概略図である。 制御装置が、機能ブロックプラグインモジュールと、機能ブロックプラグインと通信状態にあるモデル同定モジュールと、を有する実施形態による図１の制御装置およびワークステーションの概略図である。 図２の機能ブロックプラグインがさらに詳細に示される実施形態による図１の制御装置の概略図である。 図３の機能ブロックプラグインにおいて実行されるモデル同定制御論理によって行われるモデル同定制御機能のフローチャートである。 図３の機能ブロックプラグインにおいて実行されるデータ収集論理によって行われるデータ収集機能のフローチャートである。 図２のモデル同定モジュールによって行われるときのモデル同定の概略図である。 ワークステーションが、とりわけ、ループおよびモデル解析、診断、チューニングおよびＭＰＣおよび適応制御のために関連付けられる機能性に関して、制御性能監視および管理環境を共に提供するアプリケーションの例示のスイートを実装する図１のプロセス制御システムの一実施形態の概略図である。 制御性能概要情報を提供するために、性能監視アプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 選択されたシステム、エリアまたは他のグループの制御ループに関して、制御ループ性能情報を提供するために、性能監視アプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 選択された制御ループに関して、性能情報を提供するために、性能監視アプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 制御ループに関連する制御ループ性能、適応モデル品質および他の診断パラメータを監視して管理するために、診断または他の解析アプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 制御ループのためにモデル同定手順の構成、カスタマイズおよび管理を行うために、アプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 状態パラメータ入力によって表される異なる動作状態に関して同定されるプロセスモデルを視覚化するために、図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 例えば、ファジー論理またはＭＰＣ制御スキームを実装する制御機能ブロックをチューニングするようにプロセスモデルの使用を支援して管理するために、チューニングアプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。 例えば、ファジー論理またはＭＰＣ制御スキームを実装する制御機能ブロックをチューニングするようにプロセスモデルの使用を支援して管理するために、チューニングアプリケーションを有する図７のワークステーションの実施形態によって生成された例示のディスプレイインターフェイスの簡略図である。

符号の説明

１０ プロセス制御システム
１１ プロセス制御装置
１２ データヒストリアン
１３ ホストワークステーション
２４ メモリ

Claims (30)

1. プロセス制御環境内の適応プロセス制御ループ制御装置であって、
   制御モジュールからの制御データに応じて、プロセス制御ループ内で１つまたは複数のプロセス制御ループデバイスを含むプロセス制御ループの動作を制御する制御モジュールと、
   非階層型の統合された拡張として前記制御モジュールに動作可能に連結されるプラグインモジュールであって、変化を検出するために、制御データを調べるためにプロセスモデル同定制御ルーチンと、前記検出された変化に応じて、前記プロセスの状態に関連して、前記制御データおよび動作状態データを収集するための収集ルーチンと、を含む前記プラグインモジュールと、
   前記プラグインモジュールに動作可能に連結され、収集制御データおよび動作状態データを受信するモデル同定エンジンであって、複数のモデルパラメータ同定サイクルを実行するために、モデル同定ルーチンを含む前記モデル同定エンジンと、
   を含み、
   各サイクルは、
   １つまたは複数のシミュレーションパラメータに基づいて、前記プロセスの複数のシミュレーションを含み、各シミュレーションは、異なるシミュレーションパラメータ値を有し、各シミュレーションは、入力として前記収集された制御データを用い、
   前記シミュレーションの出力に関連して、シミュレートされた動作状態データおよび前記収集された動作状態データに基づいて、各シミュレーションに関する推定エラー計算を含み、
   前記推定エラーの少なくとも２つおよび前記少なくとも２つの推定エラーのそれぞれに対応する前記シミュレーションにおいて用いられるシミュレーションパラメータ値に基づいて、モデルパラメータ値のモデルパラメータ計算を含む、
   適応プロセス制御ループ制御装置。
2. 前記モデル同定エンジンは、各サイクルを反復的に実行するために、前記モデル同定ルーチンを含み、
   前記複数のシミュレーションは、各サイクルにおいて第１、第２および第３のシミュレーションを含み、
   続く反復の各々は、前記サイクルの先の反復のモデルパラメータ値によって前記第１のシミュレーションを初期化し、
   範囲修正子によって乗算された前記サイクルの前記先の反復の前記モデルパラメータ値によって前記第２のシミュレーションおよび前記第３のシミュレーションを初期化し、
   前記範囲修正子は、反復のたびに減少され、
   前記第２のシミュレーションおよび前記第３のシミュレーションはそれぞれ、前記プロセスの上限および下限を含む、
   請求項１に記載の適応プロセス制御ループ制御装置。
3. 各サイクルは、前記モデルの異なるパラメータに対応し、
   前記モデル同定エンジンは、前記複数のサイクルを連続的に実行するために、前記モデル同定ルーチンを含み、
   続くサイクルではシミュレーションパラメータ値として前記先のサイクルのうちの１つまたは複数のサイクルの前記モデルパラメータを用いる、
   請求項１に記載の適応プロセス制御ループ制御装置。
4. 前記プロセスは、自己調整プロセスを含み、
   前記モデルパラメータは、プロセス時間定数、プロセス不動作時間、自己調整プロセスゲインからなる群のうちの１つまたは複数を含む、
   請求項１に記載の適応プロセス制御ループ制御装置。
5. 前記プロセスは、統合プロセスを含み、
   前記モデルパラメータは、プロセス不動作時間および統合プロセスゲインからなる群のうちの１つまたは複数を含む、
   請求項１に記載の適応プロセス制御ループ制御装置。
6. 前記推定エラーの少なくとも２つは、２つの最小推定エラーを含む請求項１に記載の適応プロセス制御ループ制御装置。
7. 前記制御データは、設定点変化および制御装置出力からなる群のうちの１つまたは複数を含む請求項１に記載の適応プロセス制御ループ制御装置。
8. 前記プロセスのモデルは、前記複数のモデルパラメータ同定サイクルから前記モデルパラメータ値を含み、
   前記プラグインモジュールはさらに、前記プロセスの前記モデルを用いて前記制御装置に関するチューニング変数を計算するために、モデルおよびチューニング制御ルーチンを含む、
   請求項１に記載の適応プロセス制御ループ制御装置。
9. 前記プラグインモジュールは、前記制御データおよび動作状態データから前記プロセス制御ループの前記動作状態に関連する状態変数を計算するために、前記データ収集モジュールを含み、
   前記プラグインモジュールは、前記計算された状態変数に基づいて、前記プロセスの複数のモデルから前記プロセスの前記モデルを選択するために、前記モデルおよびチューニング制御ルーチンを含む、
   請求項１に記載の適応プロセス制御ループ制御装置。
10. 前記推定エラー計算は、前記シミュレーション出力と前記収集された動作状態データの収集時間に関して前記収集された動作状態データとの間の自乗エラーの積分を含む、請求項１に記載の適応プロセス制御ループ制御装置。
11. 前記シミュレーションパラメータ値は、前記値が計算される前記モデルパラメータに対応する、請求項１に記載の適応プロセス制御ループ制御装置。
12. 前記プラグインモジュールは、前記検出された変化に応じて、前記プロセスを生じさせるように前記制御装置出力における前記検出された変化を導入するために、前記プロセスモデル同定制御ルーチンを含む請求項１に記載の適応プロセス制御ループ制御装置。
13. 制御データを用いてプロセスの動作を制御する制御モジュールと、
    前記制御データにおける変化を検出し、前記制御データにおける変化の検出に応じて、前記プロセスの状態に関して動作状態データを収集するプラグインモジュールと、
    シミュレーション入力として前記制御データを用いて、前記プロセスのシミュレーション出力および前記収集された動作状態データに基づき、１つまたは複数のモデルパラメータ値を決定するモデル同定エンジンと、
    を含む適応プロセス制御装置を含み、
    プロセスのモデルは、プロセスをモデル化するために前記１つまたは複数のモデルパラメータ値を含み、
    前記適応プロセス制御装置に動作可能に連結されるワークステーションであって、
    前記適応プロセス制御装置から前記プロセスの前記モデルを取り出して格納するためのサーバと、
    ユーザが前記プロセスの前記格納されたモデルの表示、解析および編集を可能にするためのオペレータインターフェイスアプリケーションと、
    を含む前記ワークステーションを含み、
    前記適応プロセス制御装置は、前記プロセスの前記モデルに対応する前記プロセスの検出された動作状態を表す前記プラグインモジュールからの信号に応じて、前記サーバから前記プロセスの前記モデルを検索する前記モデル同定エンジンを含み、
    前記プラグインモジュールは、前記適応プロセス制御装置をチューニングする、前記プロセスの前記モデルを利用する、
    プロセス制御システム。
14. 前記ワークステーションは、ユーザが前記プロセスの前記格納されたモデルを利用して、前記プロセス制御システム内の制御問題を診断して修復することを可能にするために、前記オペレータインターフェイスアプリケーションを含む請求項１３に記載のプロセス制御システム。
15. 前記プラグインモジュールは、前記プロセスの前記複数の動作領域にわたって前記適応プロセス制御装置をチューニングするために、前記プロセスの前記モデルを利用し、各動作領域は、上限および下限を含む請求項１３に記載のプロセス制御システム。
16. 前記モデル同定エンジンは、１つまたは複数のシミュレーションパラメータに基づいて、前記プロセスの複数のシミュレーションを実行し、
    各シミュレーションは、異なるシミュレーションパラメータ値を有し、
    各シミュレーションは、シミュレーション入力として収集された制御データを用いて、各シミュレーションは、シミュレーション出力を提供し、
    前記シミュレーション出力と前記収集された動作状態データとの間の比較に基づいて、各シミュレーションに関して推定エラー計算と、
    少なくとも２つの推定エラーと、前記少なくとも２つの推定エラーのそれぞれに対応する前記シミュレーションに用いられるシミュレーションパラメータ値と、に基づき、モデルパラメータ値のモデルパラメータ計算と、
    を実行し、
    前記シミュレーションパラメータ値は、前記値が計算される前記モデルパラメータに対応するように構成される、
    請求項１３に記載のプロセス制御システム。
17. 前記複数のシミュレーションは、第１、第２および第３のシミュレーションを含み、
    前記モデル同定エンジンは、前記第１のシミュレーションを前記プロセスの先のシミュレーションの前記モデルパラメータ値によって初期化するように構成され、
    前記第２のシミュレーションおよび前記第３のシミュレーションをそれぞれ前記プロセスの前記第１のシミュレーションの前記モデルパラメータの上限および下限によって初期化する、
    請求項１６に記載のプロセス制御システム。
18. 前記モデル同定エンジンは、前記プロセスの前記複数のシミュレーション、各シミュレーションに関する前記推定エラー計算および複数のモデルパラメータのそれぞれに関してモデルパラメータ値の前記モデルパラメータ計算を実行するように構成される請求項１６に記載のプロセス制御システム。
19. 前記プロセスは、自己調整プロセスを含み、前記複数のモデルパラメータは、プロセス時間定数、プロセス不動作時間、自己調整プロセスゲインからなる群のうちの１つまたは複数を含む請求項１８に記載のプロセス制御システム。
20. 前記プロセスは、統合プロセスを含み、
    前記モデルパラメータは、プロセス不動作時間および統合プロセスゲインからなる群のうちの１つまたは複数を含む、
    請求項１８に記載のプロセス制御システム。
21. 前記シミュレーションパラメータは、値が計算される前記モデルパラメータを含む請求項１３に記載のプロセス制御システム。
22. 前記適応プロセス制御装置は、仮想制御装置を含み、前記ワークステーションは、前記仮想制御装置を含む請求項１３に記載のプロセス制御システム。
23. 前記適応プロセス制御装置は、オンラインプロセスにおける制御装置を含む請求項１３に記載のプロセス制御システム。
24. 前記モデル同定エンジンは、前記プラグインモジュールからの信号に基づいて、前記ワークステーションに前記プロセスの前記モデルを伝送するように構成される請求項１３に記載のプロセス制御システム。
25. 前記適応プロセス制御装置は、第１の実時間優先度実行スレッドおよび第２の低優先度実行スレッドを実行するように構成され、
    前記適応プロセス制御装置は、前記第１の実時間優先度実行スレッドにおいて、前記制御モジュールおよび前記プラグインモジュールを実行し、前記第２の低優先度実行スレッドにおいて、前記モデル同定エンジンを実行するように構成される請求項１３に記載のプロセス制御システム。
26. 複数の制御ルーチンを有するプロセス制御システムを制御する方法であって、
    前記複数の制御ルーチンの実装中に、動作状態データを収集し、
    プロセスの変化に関連付けられる前記複数の制御ルーチンのうちの１つの制御ルーチンに関して、プロセスの変化を表す事象を検出し、
    前記制御ルーチンは、
    前記プロセスの変化に関連付けられる前記制御ルーチンによって用いられる制御データを収集し、
    前記プロセスの変化に関連付けられる前記制御ルーチンに関してプロセスモデルを同定し、
    プロセスモデルを同定することは、
    １つまたは複数のシミュレーションパラメータに基づいて前記プロセスの複数のシミュレーションを実行し、
    各シミュレーションは、異なるシミュレーションパラメータ値を有し、
    各シミュレーションは、入力として前記収集された制御データを用い、
    前記シミュレーションの出力に関連してシミュレートされた動作状態データと、前記収集された動作状態データに基づいて、各シミュレーションに関する推定エラーを計算し、
    前記推定エラーの少なくとも２つと、前記少なくとも２つの推定エラーのそれぞれに対応する前記シミュレーションにおいて用いられるシミュレーションパラメータ値と、に基づいて、モデルパラメータ値を計算し、
    前記モデルパラメータ値からプロセスモデルを生成する、
    ことを含む、
    方法。
27. プロセスモデルを同定することはさらに、各サイクルを反復的に実行することを含み、
    前記複数のシミュレーションは、各サイクルにおいて第１、第２および第３のシミュレーションを含み、
    各続く反復は、
    前記サイクルの先の反復の前記モデルパラメータ値によって前記第１のシミュレーションを初期化し、
    範囲修正子によって乗算された前記サイクルの前記先の反復の前記モデルパラメータ値によって前記第２のシミュレーションおよび前記第３のシミュレーションを初期化し、
    反復のたびに前記範囲修正子を減少し、
    前記第２のシミュレーションおよび前記第３のシミュレーションはそれぞれ、前記プロセスの上限および下限を含む、
    請求項２６に記載の方法。
28. 各サイクルは、前記プロセスモデルの異なるパラメータに対応し、
    前記方法はさらに、前記複数のサイクルを連続的に実行することを含み、
    続くサイクルではシミュレーションパラメータ値として前記先のサイクルのうちの１つまたは複数のサイクルの前記モデルパラメータを用いる、
    請求項２６に記載の方法。
29. プロセスモデルは、前記複数のモデルパラメータ同定サイクルからの前記モデルパラメータ値を含み、
    前記方法はさらに、前記プロセスモデルを用いて、前記制御ルーチンに関するチューニング変数を計算することを含む、
    請求項２６に記載の方法。
30. 前記収集された動作状態データは、前記プロセスに適用される導入されたパラメータの変化に対する応答を表す請求項２６に記載の方法。

Images