JP2010506331A - 製造プラントにおける不良検知方法およびシステム - Google Patents
製造プラントにおける不良検知方法およびシステム Download PDFInfo
- Publication number
- JP2010506331A JP2010506331A JP2009532347A JP2009532347A JP2010506331A JP 2010506331 A JP2010506331 A JP 2010506331A JP 2009532347 A JP2009532347 A JP 2009532347A JP 2009532347 A JP2009532347 A JP 2009532347A JP 2010506331 A JP2010506331 A JP 2010506331A
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- process variable
- coefficient matrix
- generating
- variable data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000007547 defect Effects 0.000 title claims abstract description 130
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 103
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 319
- 230000008569 process Effects 0.000 claims abstract description 231
- 239000011159 matrix material Substances 0.000 claims abstract description 153
- 230000002159 abnormal effect Effects 0.000 claims abstract description 95
- 239000013598 vector Substances 0.000 claims description 84
- 238000012544 monitoring process Methods 0.000 claims description 80
- 238000004891 communication Methods 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000012628 principal component regression Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 11
- 238000012423 maintenance Methods 0.000 description 32
- 238000004886 process control Methods 0.000 description 32
- 230000006870 function Effects 0.000 description 31
- 230000002265 prevention Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000013480 data collection Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012905 input function Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000011112 process operation Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 101150018840 SPM1 gene Proteins 0.000 description 1
- 101100335888 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GAL83 gene Proteins 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004231 fluid catalytic cracking Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 238000010963 scalable process Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G05B2219/31357—Observer based fault detection, use model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32224—Identify parameters with highest probability of failure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
製造プラントにおける異常運転検知を支援する方法およびシステムにおいて、複数のプロセス変数の値が解析されて、製造プラントに関する複数の不良の存在が判定される。1つまたは複数の不良が検知されると、1つまたは複数の指標が生成される。複数のプロセス変数の解析には、係数行列の利用が含まれる。係数行列は、不良の発生に対応するプロセス変数に基づいて生成される。
Description
本発明は一般にプロセス制御システムに関し、特に製造プラントにおける監視システム技術に関する。
化学、石油、あるいはその他の処理プロセスで使用されるような、分散型もしく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、一般的に、1つまたは複数のプロセスコントローラを含み、それがアナログ、デジタル、あるいはアナログ/デジタル複合のバスを介して、相互に、また少なくとも1つのホストないしはオペレータワークステーションおよび1つまたは複数のフィールド機器と、通信可能に結合している。たとえば、バルブ、バルブポジショナ、スイッチ、および送信機(例:温度センサ、圧力センサ、流量センサ)などのフィールド機器は、プロセス装置の中でバルブの開閉やプロセスパラメータの測定などの機能を遂行する。プロセスコントローラは、フィールド機器によるプロセス計測値を示す信号、および/またはフィールド機器に関するほかの情報を受信し、この情報を用いて制御ルーチンを実行し、バスを通してフィールド機器へ送られてプロセス操作を制御する制御信号を生成する。フィールド機器およびコントローラからの情報は一般的にオペレータワークステーションで実行される1つまたは複数のアプリケーションで取得可能であり、オペレータがプロセスの現状の閲覧、プロセスの運転の変更、などのプロセスに関する任意の所望の機能を遂行することを可能とする。
過去には、従来型のフィールド機器が使用されて、アナログバスすなわちアナログラインを介しての(たとえば、4〜20mAの)アナログ信号がプロセスコントローラとの間を送受信されていた。この4〜20mAの信号は、デバイスによる測定値、およびコントローラが生成するデバイスの運転制御に必要な制御信号を示すことにだけ事実上限られていた。しかしながらこの10年余りで、プロセス制御業界ではマイクロプロセッサおよびメモリを備えたスマートフィールド機器が広く用いられるようになった。プロセス内部の基本的な機能の遂行に加えて、スマートフィールド機器は、デバイスに係わるデータを格納し、コントローラおよび/またはその他のデバイスと、デジタルフォーマットあるいはデジタルとアナログの複合フォーマットで通信し、自己較正、同定、診断などの副次的タスクも遂行する。HART(登録商標)、PROFIBUS(登録商標)、WORLDFIP(登録商標)、Device Net(登録商標)、およびCANプロトコルなどの、多くの標準およびオープンスマートデバイス通信プロトコルが開発されてきており、製造元の異なるスマートフィールド機器が同一のプロセス制御ネットワーク内で一緒に使用できるようになった。その上、Fieldbus Foundationにより普及された、FOUNDATION(登録商標)Fieldbus(以後,“Fieldbus”と称す)プロトコルとして知られる、全デジタルの2芯バスプロトコルが、従来は中央コントローラ内で遂行されていた制御操作を、異なるフィールド機器に配置された機能ブロックを使用して遂行する。この場合、Fieldbusのフィールド機器は1つまたは複数の機能ブロックを格納および実行することができ、それぞれが他の機能ブロック(同一デバイス内のものでも、別のデバイス内のものでも)から入力を受信し、および/または出力を提供し、かつプロセスパラメータの計測あるいは検知、デバイスの制御あるいは比例積分微分(PID)制御ルーチンの実行のような制御動作の遂行、などのある種のプロセス制御動作を遂行する。1つのプロセス制御システム内の異なる機能ブロックは、相互に(たとえば、バスを介して)通信して、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。その個別の操作はプロセスを通して拡散し、したがって分散化される。
フィールド機器およびプロセスコントローラからの情報は、一般的に、オペレータワークステーション、メンテナンスワークステーション、パーソナルコンピュータ、携帯機器、データヒストリアン、レポート生成装置、集中データベース、などの1つまたは複数の他のハードウェアにおいて入手可能となる。それによってオペレータあるいはメンテナンス担当者が、たとえば、プロセス制御ルーチンの設定を変更する、プロセスコントローラあるいはスマートフィールド機器の中の制御モジュールの運転を変更する、製造プラント内のプロセスあるいは特定のデバイスの現状を閲覧する、フィールド機器およびプロセスコントローラによって生成された警報を閲覧する、担当者の教育ないしはプロセス制御ソフトウェアのテストのためにプロセス運転をシミュレートする、製造プラント内の問題ないしはハードウェア不良を診断する、というようなプロセスに関する所望の機能を遂行できる。
典型的な製造プラントは、1つまたは複数のプロセスコントローラに接続されたバルブ、送信機、センサなどの、多くのプロセス制御および計装用のデバイスを有しているが、そのほかにもプロセス運転のための、あるいはそれに関連する支援デバイスが数多くある。これらの付加的なデバイスには、たとえば、電力供給設備、給配電設備や、タービン、モータ他の回転設備などが含まれ、これらは一般的なプラントではさまざまな場所に配置されている。この付加的な設備は必ずしもプロセス変数を生成したり使用したりしなくて、多くの場合、プロセス運転に影響を及ぼす目的で制御されることはなく、プロセスコントローラへの接続もなされていないが、それでもこの設備はプロセスを適正に運転するためには重要であり、きわめて必要なものである。
周知の通り、製造プラント環境の内部、特に多数のフィールド機器および補助設備を有する製造プラントでは問題が頻繁に発生する。これらの問題は、デバイスの破損や誤動作、ソフトウェアルーチンなどの論理エレメントの不適当なモード、プロセス制御ループの不適当な調整、製造プラント内のデバイス間における1つまたは複数の通信不良、などの形態となって現れる。これらおよびその他の問題は、本質的に数は多いが、概してプロセス運転の異常状態(すなわち、製造プラントの異常状態)をもたらし、それが通常、製造プラントの準最適性能に関係する。問題が発生し、検知されたときに、製造プラント内での問題を検知し、原因を判定し、オペレータあるいはメンテナンス担当者が診断して、問題を正すことを支援するための診断ツールおよびアプリケーションが沢山開発されてきている。たとえば、通常、直接接続バスあるいは無線バスや、イーサネット、モデム、電話線、および類似のものなどの通信接続を介してプロセスコントローラに接続されている、オペレータワークステーションが、ソフトウェアあるいはファームウェアを動作させるためのプロセッサおよびメモリを有している。その例として、エマソンプロセスマネジメント社から発売されているDelta V(登録商標)およびOvation制御システムがあり、これは多数の制御モジュールおよび制御ループ診断ツールを備えている。同様に、メンテナンスワークステーションは、コントローラアプリケーションと同じ通信接続を介して、あるいは、OPC接続、携帯機器接続等の別の通信接続を介して、フィールド機器などのプロセス制御機器と接続されているが、このメンテナンスワークステーションが、製造プラント内のフィールド機器により生成された警報および警告を閲覧し、製造プラント内のデバイスをテストし、製造プラント内のフィールド機器およびその他のデバイスに対してメンテナンス活動を遂行するように設計された1つまたは複数のアプリケーションを普通備えている。製造プラント内の補助設備での問題を診断するための同様な診断アプリケーションも開発されてきている。
このように、たとえば、エマソンプロセスマネジメント社から発売されている、AMS(登録商標)Suite:インテリジェント・デバイス・マネージャ・アプリケーション(“フィールド機器管理システムで使用するための統合通信ネットワーク”と題する、特許文献1に少なくとも部分的に開示されている)は、フィールド機器と通信し、フィールド機器に関連するデータを格納することが可能で、そのフィールド機器の動作状態を確認および追跡することができる。ある例では、AMS(登録商標)アプリケーションはフィールド機器と通信して、フィールド機器内のパラメータを変更したり、たとえばフィールド機器の状態もしくは調子に関する情報を得るために、自己較正ルーチン、自己診断ルーチンなどのアプリケーションをフィールド機器上で動作させたりするために使用することができる。この情報には、たとえば、ステータス情報(例:警報や他の類似のイベントが発生していないかどうか)、デバイス環境設定情報(例:フィールド機器の現在あるいはこれから可能な設定状態、フィールド機器で使用する測定単位の種類)、デバイスパラメータ(例:フィールド機器の値域および他のパラメータ)、などが含まれる。勿論、この情報はメンテナンス担当者がフィールド機器の問題を監視、保全、および/または診断するために使用することができる。
同様に多くの製造プラントが、たとえばCSIシステムズによるRBMwareのような設備の監視および診断アプリケーションや、種々の回転設備の運転状態を監視、診断、最適化するためのほかの任意の既知のアプリケーションを備えている。メンテナンス担当者は、通常プラント内の回転設備の維持および性能監視のためにこれらのアプリケーションを使用し、回転設備に問題がないかどうかを判定し、回転設備の修理や交換が必要かどうか、またいつ必要か、などを判定する。同様に、多くの製造プラントは、たとえばLiebert and ASCO社から提供されるような、電力制御および診断アプリケーションを備え、発電および配電設備の制御、保全を行う。また、たとえばリアルタイムオプティマイザ(RTO+)のような制御最適化アプリケーションを製造プラント内で動作させて、製造プラントの制御活動の最適化を図ることも知られている。このような最適化アプリケーションは一般的に複雑なアルゴリズムおよび/または製造プラントモデルを使用して、たとえば収益などのある所望の最適化変数に関して、製造プラント運転の最適化を図るためにはどのように入力を変えるべきかを予測する。
これらおよびその他の診断および最適化アプリケーションは、通常はシステム全体に亘り、1つまたは複数のオペレータワークステーションもしくはメンテナンスワークステーションに実装され、製造プラントあるいは製造プラント内のデバイスや設備の、運転状態に関する事前設定された表示を、オペレータあるいはメンテナンス担当者に提供する。典型的な表示としては、製造プラント内のプロセスコントローラあるいは他のデバイスにより生成された警報を受信する警報表示、製造プラント内のプロセスコントローラあるいは他のデバイスの運転状態を示す制御表示、製造プラント内のデバイスの運転状態を示す保全表示、などがある。同様に、これらおよび他の診断アプリケーションは、オペレータあるいはメンテナンス担当者が制御ループの再調整もしくは他の制御パラメータをリセットし、フィールド機器の現状を判定するために1つまたは複数のフィールド機器でテストを行い、フィールド機器あるいは他の設備を較正し、あるいは製造プラント内のデバイスおよび設備のその他の問題検知と是正処置を遂行する、ことを可能にする。
これらのさまざまなアプリケーションおよびツールは、製造プラント中の問題点を特定し、是正するのに大変役立つが、これらの診断アプリケーションは通常、製造プラント内で既に問題が発生した後、したがって、プラント内に異常状態が既に存在する状態になって初めて使用されるように設定されている。不幸にも異常状態は、ツールを用いて検知、特定、是正されるしばらく前から存在しており、このことは問題が検知、特定、是正されるしばらくの期間、製造プラントが準最適性能の状態にあることになる。多くの場合、コントロールオペレータは、警報、警告、あるいは製造プラントの性能劣化によって初めて問題があることを検知する。オペレータは次にメンテナンス担当者に問題が発生した可能性のあることを通知する。メンテナンス担当者は実際の問題を検知できる場合もあるし、できない場合もある。そしてさらに入力を繰り返した後にようやくテストや他の診断アプリケーションを実際に動作させ、あるいは実際の問題を特定するのに必要なその他の活動を行う。問題が特定された後に、メンテナンス担当者は、部品を発注し、保全手順を計画することが必要となる。これらのすべてにより、問題が発生してから問題が是正されるまでかなりの期間を要することになり、この期間は一般的にプラントの準最適運転に関連する異常状態で製造プラントを操業することになる。
さらに、多くの製造プラントが、比較的短期間の間にかなりのコストもしくはダメージをもたらす異常状態を経験することがある。たとえば、ある異常状態では、この異常状態が短時間の間であったとしても、設備に対する重大なダメージ、原材料の損失、あるいは製造プロセスの予想外の重大なダウンタイム、を引き起こす可能性がある。このように、如何に迅速に問題を是正するかどうかに拘らず、プラント内での問題を、単に問題が発生した後に検知するというだけでは、製造プラントに重大な損失もしくはダメージを与えることになる可能性がある。結果として、異常状態が発生した後に、単に製造プラント内の異常に対応し、是正しょうとするのではなく、先ず第1に異常状態の発生を防ぐようにすることが望ましい。
異常状態が実際に発生する前に製造プラント内の何らかの異常状態の発生をユーザが予測できるデータを収集するために、ある手法が利用される。これは製造プラント内で重大な損失が発生する前に、予想される異常状態を防止するための方策を講じることを目的としている。この手順は、“根本原因診断”と題する米国特許出願第09/972,078号明細書(米国特許出願第08/623,569号明細書(現米国特許第6,017,143号)に部分的に依拠)に開示されている。これにより、これら2つの特許出願の全体の開示は、参照によって本明細書に引用したものとする。一般的に言えば、この技術により、製造プラント内のフィールド機器などの一群のデバイスのそれぞれに、統計的データ収集・処理ブロック、すなわち統計的プロセス監視(SPM)ブロックが配置される。統計的データ収集・処理ブロックはたとえば、プロセス変数データを集め、集めたデータに関する、平均値、中央値、標準偏差などの統計的指標のあるものを確定する。これらの統計的指標は、次にユーザに送られて解析され、既知の異常状態が将来発生することを示唆するパターンが認識される。特定の将来の異常状態の疑いが検知されると、その基をなす問題を是正するべく処置をとり、それによって先ず異常状態の回避を図る。
製造プラントにおける問題点を監視し、検知する他の手法が開発されてきた。そのような手法の1つが、統計的プロセス管理(SPC)と呼ばれている。SPCは、品質変数などのプロセスに関連する変数を監視し、品質変数の“統計的”標準からのずれが検知された場合にオペレータに知らせるように用いられてきた。SPCでは、基幹の品質変数のような変数の小サンプルを用いて、小サンプルの統計的データが生成される。小サンプルの統計的データは次に、その変数の、はるかに大きいサンプルに対応する統計的データと比較される。変数は実験室あるいは分析器で生成され、あるいはデータヒストリアンから読み出される。小サンプルの平均もしくは標準偏差がそれぞれ、大サンプルの平均もしくは標準偏差からある所定の量だけ乖離したときに、SPCの警報が生成される。SPCの意図するところは、小サンプルでの通常の統計変数に基づいてプロセスを調節することを避けようとするものである。小サンプルの平均あるいは標準偏差のチャートが、オペレータに対して、制御コンソールとは別のコンソール上に表示される。
多数の変数を解析する別の手法があり、多変量統計的プロセス管理(MSPC)と呼ばれている。この手法では、歴史的データを解析してプロセスの統計モデルを形成しようとする、主成分回帰(PCA)および潜在構造予測(PLS)などのアルゴリズムを利用する。特に、正常運転に対応する変数サンプルおよび異常運転に対応する変数サンプルを解析し、警報を発するタイミングを決定するモデルを生成する。モデルを定義した後、現状プロセスに対応する変数がモデルに与えられ、この変数が異常運転を示せば警報が発せられる。
モデルベースの性能監視システム手法では、プロセス入力からプロセス出力に関係する、相関モデルあるいは主因モデルなどのモデルが利用される。このモデルは、内部調整定数あるいはバイアス項を調整することによって実際のプラント運転に対して較正される。モデルを利用して、プロセスが異常領域に入ろうとする時を予測し、オペレータにアクションをとるように警告することができる。予測された行動に対して顕著な偏倚が実際にある場合、あるいは計算される効果パラメータに大きな変化がある場合に、警報が発せられる。モデルベース性能監視システムは一般的に、単一ユニット運転(例:ポンプ、圧縮器、ヒータ、コラム、など)の小規模のもの、あるいはプロセスユニット(例:原油ユニット、流動接触分解ユニット(FCCU)、リフォーマ、など)を構成する複合運転を対象とする。
製造プラントにおける異常運転検知を支援する方法およびシステムの例を開示する。一般的に言って、複数のプロセス変数の値を解析して、製造プラントに関する複数の不良の存在を判定する。1つまたは複数の不良が検知されると、1つまたは複数の指標が生成される。複数のプロセス変数の値の解析には、係数行列の利用が含まれる。係数行列は、不良の発生に対応するプロセス変数に基づいて生成される。たとえば、係数行列は、不良発生を模擬あるいは模型とする、シミュレーションシステムあるいはモデルにより生成されるプロセス変数データを使って生成される。勿論、係数行列は、シミュレーションシステムあるいはモデルで生成されたデータではなく、実際のプロセス変数データにより生成することもできる。
一実施形態において、製造プラントのプロセスの異常運転検知支援方法が、プロセス変数データを受信するステップを含む。プロセス変数データおよび係数行列が、不良監視ベクトルを生成するのに利用される。不良監視ベクトルは、プロセスに異常運転がないかどうかを判定するのに用いられる。
別の実施形態においては、製造プラントのプロセスの異常運転検知支援システムに、係数行列およびプロセス変数データを受信する、不良監視ベクトル発生器が含まれる。このシステムには、不良監視ベクトル発生器と結合した異常運転検知システムも含まれる。異常運転検知システムは、不良監視ベクトル発生器により生成される不良監視ベクトルに基づいて製造プラントの異常運転を検知することができる。
別の態様においては、製造プラント用の異常運転検知システムを構成する方法が、製造システムの不良発生に対応するプロセス変数データを受信するステップを含む。プロセス変数データ行列は、第1のプロセス変数データに基づいて生成される。また、プロセス変数データ行列に対応する不良行列が生成される。さらに、プロセス変数データ行列および不良行列を用いて係数行列が生成される。次に、係数行列を用いて異常運転検知システムが、異常運転検知システムによって受信されたプロセス変数に基づく不良指標を生成する。
別の実施形態においては、製造プラントにおけるプロセスの異常運転検知支援システムが、少なくとも1つのコンピュータ可読媒体と、少なくとも1つのコンピュータ可読媒体と結合した少なくとも1つのプロセッサと、を備える。このプロセッサは、少なくとも1つのコンピュータ可読媒体上に格納された実行可能な命令に従って、プロセス変数データ行列と不良行列とを用いて係数行列を生成するように構成されてもよい。係数行列を用いて異常運転検知システムが、異常運転検知システムによって受信されたプロセス変数に基づく不良指標を生成する。
ここで図1を参照すると、異常状態防止システムが実装されている製造プラント10の例が、1つまたは複数の通信ネットワークを介して補助設備と相互接続された多数の制御・メンテナンスシステムを含んでいる。特に、図1の製造プラント10は1つまたは複数のプロセス制御システム12および14を含んでいる。プロセス制御システム12は、PROVOXやRS3システム、あるいは他の任意の制御システムなどの従来のプロセス制御システムであってもよい。これはコントローラ12Bおよび入出力(I/O)カード12Cに連結したオペレータ用インタフェース12Aを含み、コントローラ12Bおよび入出力(I/O)カード12Cは、アナログおよびHighway Addressable Remote Transmitter(HART)フィールド機器15などのさまざまなフィールド機器に連結されている。プロセス制御システム14は分散型プロセス制御システムであってもよいが、イーサネットバスなどのバスを経由して1つまたは複数の分散型制御装置14Bに連結された、1つまたは複数のオペレータ用インタフェース14Aを含む。コントローラ14Bは、たとえば、テキサス州オースチンのエマソンプロセスマネジメント社が販売しているDelta V(登録商標)コントローラ、あるいはその他の任意の所望タイプのコントローラであってもよい。コントローラ14BはI/Oデバイスを介して1つまたは複数のフィールド機器16、たとえばHARTあるいはFieldbusのフィールド機器、あるいは、たとえばPROFIBUS(登録商標)、WORLDFIP(登録商標)、Device−Net(登録商標)、AS−Interface and CANプロトコルの任意のものを使用した機器を含むその他の任意のスマートフィールド機器あるいは非スマートフィールド機器、などに接続される。周知のように、フィールド機器16は、プロセス変数や他のデバイス情報に関連するアナログあるいはデジタル情報をコントローラ14Bに提供することができる。オペレータ用インタフェース14Aは、プロセス制御オペレータがプロセスの運転を制御するために使用できるツール、たとえば、最適制御、診断エキスパート、ニューラルネットワーク、チューナなどのツール17、19の格納および実行ができる。
さらに、AMS(登録商標)Suite:インテリジェント・デバイス・マネージャ・アプリケーションや、その他の任意のデバイスの監視、通信アプリケーションを実行するコンピュータなどのメンテナンスシステムが、プロセス制御システム12および14、あるいはこれらの内部の個別装置に接続されてメンテナンスや監視活動を遂行してもよい。たとえば、メンテナンスコンピュータ18が、任意の所望通信ラインあるいはネットワーク(無線ネットワークあるいは携帯端末ネットワークを含む)を介して、コントローラ12Bおよび/またはデバイス15に接続されて通信し、場合によってはデバイス15上で他のメンテナンス活動の再設定あるいは実行を行うことができる。同様に、AMSアプリケーションなどのメンテナンスアプリケーションが、分散型プロセス制御システム14に付随する1つまたは複数のユーザインタフェース14Aにインストールされて実行され、デバイス16の運転状況に関するデータ収集を含む、メンテナンスおよび監視機能が遂行されてもよい。
製造プラント10はまた、タービン、モータなどのさまざまな回転設備20を含んでおり、これらは(バス、無線通信システム、あるいは読み出しのために設備20に接続され、その後で取外される携帯端末などの)常設あるいは臨時の通信リンクのあるものを介してメンテナンスコンピュータ22に接続される。メンテナンスコンピュータ22は、たとえばCSI(エマソンプロセスマネジメント社の1つ)やその他の、回転設備20の運転状態を診断、監視、最適化する任意の既知のアプリケーションにより提供される、既知の監視および診断用アプリケーション23を格納し、実行できる。メンテナンス担当者は、通常プラント10内の回転設備20の維持および性能監視のためにアプリケーション23を使用し、回転設備20に問題がないかどうかを判定し、回転設備20の修理や交換が必要かどうか、またいつ必要か、などを判定する。場合によっては、外部コンサルタントもしくはサービス団体が、設備20にかかわるデータの取得や測定を一時的に行い、このデータを用いて、この設備20の問題点、性能不良、あるいは他の影響課題を検知するために設備20に関する分析を遂行する。これらの場合には、分析を行うコンピュータが通信線を経由してシステム10の他の部分に接続されていなくてもよいし、または暫定的にのみ接続されていてもよい。
同様に、プラント10に付随する発電および配電設備25を有する給配電システム24は、プラント10内の発電および配電設備25を運転、監視する別のコンピュータ26に、たとえばバスを介して接続されている。このコンピュータ26は、発電および配電設備25を制御・維持するための、たとえばLiebert and ASCO、あるいは他の会社から提供されるような電力制御および診断アプリケーション27を実行することができる。また多くの場合には、外部コンサルタントもしくはサービス団体が、設備25にかかわるデータを一時的に取得もしくは測定するサービスアプリケーションを使用し、このデータを用いて、設備25の問題点、性能不良、あるいは他の影響課題を検知するために設備25に関する分析を遂行する。これらの場合に、分析を行う(コンピュータ26などの)コンピュータが通信線を経由してシステム10のほかの部分に接続されていなくてもよいし、または暫定的にのみ接続されていてもよい。
図1に示すように、コンピュータシステム30が、異常状態防止システム35を少なくとも部分的に実装し、特に、コンピュータシステム30は設定アプリケーション38および、オプションとして異常運転検知システム42を格納し実装する。これらについては後でより詳細に説明する。さらに、コンピュータシステム30は、警報/警告アプリケーション43を実装してもよい。またさらに、コンピュータシステム30は、製造プラント10の1つまたは複数のシステムをシミュレートするために使用するシミュレーションシステム44を実装してもよい。
一般的に言えば、異常状態防止システム35は、フィールド機器15、16、コントローラ12B、14B、回転設備20もしくはその支援コンピュータ22、発電設備25もしくはその支援コンピュータ26、および製造プラント10内部のその他の任意の所望機器および設備、などに選択自由に配置された異常運転検知システム(図1には表示せず)、および/または、コンピュータシステム30における異常運転検知システム42、と通信し、これらの異常運転検知システムのそれぞれを設定し、それらのシステムが監視している機器ないしはサブシステムの運転に関する情報を受信する。異常状態防止システム35は、有線のバス45を介してプラント10内のコンピュータや機器の少なくとも一部のそれぞれへ通信可能に接続されるか、もしくは、たとえば無線接続、OPCを利用する専用線接続、データ収集のための携帯機器に頼る接続、等の間歇的接続、などを含むその他の任意の所望通信接続を介して接続されてもよい。同じように、異常状態防止システム35は、製造プラント10内のフィールド機器や装置に関わるデータをLANにより、あるいはサードパーティのサービスプロバイダによって収集されたデータの場合には、インタネット、電話回線などの公衆回線(図1にはインタネット接続46として表示)を介して、取得することが可能である。さらに、異常状態防止システム35は、たとえばイーサネット、モドバス、HTML、XML、専用手法/プロトコル、などを含むさまざまな手法および/またはプロトコルを介して、プラント10内のコンピュータ/機器と通信可能に結合できる。このように、異常状態防止システム35をプラント10内のコンピュータ/機器へ通信可能に結合するためにOPCを利用する特定の例をここでは説明したが、当業者であれば、異常状態防止システム35をプラント10内のコンピュータ/機器へ通信可能に結合するさまざまな他の方法も同様に利用可能であることがわかるであろう。
図2は、図1の製造プラント例10の一部分50を示し、異常状態防止システム35および/または警報/警告アプリケーション43が例示の製造プラント10の部分50内のさまざまな機器と通信する1方法を説明するためのものである。図2においては、異常状態防止システム35と、HARTおよびFieldbusのフィールド機器内部の1つまたは複数の異常運転検知システムとの間の通信を示しているが、同様の通信は、異常状態防止システム35と、図1に示した任意の機器および設備を含む、製造プラント10内のほかの機器および設備との間でも起こりうることは理解されるであろう。
図2に示す製造プラント10の部分50が、入出力(I/O)カードないしはデバイス68,70を介して1つまたは複数のフィールド機器64および66に接続された1つまたは複数のプロセスコントローラ60を有する、分散型プロセス制御システム54を備えている。ここでI/Oカードもしくはデバイスは、任意の所望の通信ないし制御プロトコルに適合する任意の所望タイプのI/Oデバイスであってよい。フィールド機器64はHARTフィールド機器として、フィールド機器66はFieldbusフィールド機器として表示されているが、これらのフィールド機器は他の任意の所望通信プロトコルを利用することができる。また、フィールド機器64および66のそれぞれは、たとえばセンサ、バルブ、送信機、ポジショナ、などの任意のタイプのデバイスであってもよく、任意の所望の、オープン型、専用型、あるいはその他の通信プロトコルないしはプログラムプロトコルに適合する。ただし、I/Oデバイス68および70は、フィールド機器64および66に利用される所望のプロトコルと互換性がなければならないことは理解されるであろう。
いずれにせよ、コンフィギュレーションエンジニア、プロセス制御オペレータ、メンテナンス担当者、設備管理者、監督者などのプラント要員がアクセスできる、1つまたは複数のユーザインタフェースすなわちコンピュータ72および74(これは任意のタイプのパーソナルコンピュータ、ワークステーションであってよい)は、任意の有線あるいは無線通信構造と、たとえばイーサネットプロトコルのような任意の所望かつ適当な通信プロトコルを使用して実装された、通信線すなわちバス76を介してプロセスコントローラ60に結合されている。さらに、データベース78が通信バス76に接続され、製造プラント10内部のプロセスコントローラ60およびフィールド機器64、66に関連するオンライン可変データ、パラメータデータ、状態データ、およびその他のデータおよび構成情報を収集し格納する、データヒストリアンとして作動する。こうして、データベース78が、プロセスコントローラ60およびフィールド機器64、66にダウンロードされ格納されているプロセス制御システム54用のコントロール構成情報とともに、プロセス構成モジュールを含む、現行構成を格納するコンイフィグレーションデータベースとして作動する。同様に、データベース78は、製造プラント内部のフィールド機器64、66で収集された統計データ、フィールド機器64、66により収集されたプロセス変数から判定された統計データ、および以下で説明するその他の種類のデータを含む、異常状態防止の経歴データ、を格納することができる。
プロセスコントローラ60、I/Oデバイス68、70、およびフィールド機器64、66は、時として厳しいプラント環境の中に配置され、またその環境を通して配信されることが一般的であるが、その一方ワークステーション72、74およびデータベース78は、制御室、メンテナンス室、もしくはオペレータ、メンテナンス担当者が容易にアクセスできるその他のそれほど厳しくない環境に配置されるのが普通である。
一般的には、プロセスコントローラ60は、それぞれに異なり、個別に実行される多数の制御モジュールすなわちブロックを利用して制御戦略を実装する、1つまたは複数の制御アプリケーションを格納、実行する。制御モジュールのそれぞれは、通常機能ブロックと呼ばれるものから成り立っている。それぞれの機能ブロックは全体の制御ルーチンの一部すなわちサブルーチンであり、(リンクと称される通信を介して)他の機能ブロックと連動して作用し、製造プラント10の内部にプロセス制御ループを実装する。周知のように、機能ブロックはオブジェクト指向プログラミングにおけるオブジェクトに相当するが、一般的には、送信機、センサや他のプロセスパラメータ測定デバイスなどに関連するような入力機能や、PID制御、ファジー論理制御などを遂行する制御ルーチンに関連するような制御機能や、バルブなどの製造プラント10内で何らかの物理的機能を遂行する機器の操作を制御する出力機能、のうちの1つを遂行する。勿論、モデル予測コントローラ(MPCs)やオプティマイザなどのような、ハイブリッド機能ブロックや他のタイプの複合機能ブロックが存在する。フィールドバスプロトコルおよびDelta V(登録商標)システムプロトコルは、オブジェクト指向プログラミングプロトコル用に設計され実装された制御モジュールおよび機能ブロックを利用するが、制御モジュールは、たとえば、逐次機能ブロック、ラダーロジックなどを含む任意の所望の制御プログラム方式を利用して設計することが可能であり、機能ブロックや他の特定のプログラミング手法を利用した設計に限定されるものではない。
図2に示すように、メンテナンス用ワークステーション74が、プロセッサ74A、メモリ74B、およびディスプレイ装置74Cを含む。メモリ74Bは、図1に関して述べたように、異常状態防止アプリケーション35および警報/警告アプリケーション43を格納し、これらのアプリケーションはプロセッサ74Aに実装されてディスプレイ74C(もしくは、プリンタのような他の任意の表示装置)を介してユーザへ情報を提供できるようになっている。
メモリ74Bも、図1に関して述べたシミュレーションアプリケーション44を格納し、シミュレーションアプリケーション44がプロセッサ74Aへ実装できるようになっている。
1つまたは複数のフィールド機器64および66のそれぞれは、センサデバイスにより検知された1つまたは複数のプロセス変数に関する統計データ収集実行用ルーチン、および/または、後で述べる異常運転検知用ルーチン、などのルーチンを格納するためのメモリ(表示せず)を含むことができる。1つまたは複数のフィールド機器64および66のそれぞれはまた、統計データ収集実行用のルーチン、および/または異常運転検知用ルーチンなどを実行するプロセッサ(表示せず)を含む。統計データ収集および/または異常運転検知はソフトウェアで実装する必要はない。むしろ、当業者であれば、このようなシステムは、1つまたは複数のフィールド機器および/またはその他の機器の内部に、ソフトウェア、ファームウェアおよび/またはハードウェアの任意の組合せで実装できることがわかるであろう。
図2に示すように、フィールド機器64および66のあるもの(および、潜在的にはすべて)が、異常運転検知ブロック80および82を含む。この詳細は後述する。図2のブロック80および82が、機器64の内の1つと機器66の内の1つに配置されているように描かれているが、これらのブロックあるいは類似のブロックはフィールド機器64および66の任意の数の機器に配置することができ、またコントローラ60、I/Oデバイス68、70、あるいは図1に描かれている任意のデバイスの内部に配置することもできる。また、ブロック80および82は、デバイス64および66の任意のサブセットの中にあってもよい。
一般的には、ブロック80および82もしくはこれらのブロックの部分要素が、それが配置されているデバイスおよび/またはその他のデバイスから、プロセス変数データなどのデータを収集する。また、ブロック80および82もしくはこれらのブロックの部分要素が、その変数データを処理し、任意の理由によりこのデータの解析を遂行する。たとえば、図においてバルブに関連付けて表示されているブロック80は、バルブプロセス変数データを解析してバルブが動作の固まった状態にあるかどうかを判定する、スタックバルブ検知ルーチンを有してもよい。さらにブロック80には、ブロックSPM1〜SPM4のような、1つまたは複数の統計的プロセス監視(SPM)ブロックあるいはユニットの組が含まれてもよい。これは、バルブ内のプロセス変数ないしは他のデータを収集し、収集したデータに対して1つまたは複数の統計的計算を行って、たとえば、収集したデータの平均値、中央値、標準偏差、2乗平均平方根(RMS)、変化率、分布幅、最小値、最大値、などを決定し、および/または収集したデータ中のドリフト、バイアス、ノイズ、スパイク、などの事象を検知する。生成された特定の統計データも、その生成方法も特別なものではない。こうして、上述した特定のタイプに加えて、もしくはその代わりに、異なるタイプの統計データを生成することができる。また、周知の手法を含め、さまざまな手法を利用してそのようなデータを生成することができる。統計的プロセス監視(SPM)ブロックという用語は、少なくとも1つのプロセス変数あるいは他のプロセスパラメータに対して統計的プロセス監視を遂行し、かつ、データ収集を行うデバイス内あるいはデバイス外の、任意の所望のソフトウェア、ファームウェア、あるいはハードウェアにより遂行されうる機能のことを指してここでは使用する。通常SPMは、デバイスデータを収集するデバイス内に配置されるので、SPMによって定量的にも定性的にもより正確なプロセス変数データを得ることができる。その結果、プロセス変数データを収集するデバイスの外部に配置されたブロックに比べて、SPMブロックは一般的に、収集されたプロセス変数データのよりよい統計計算結果を決定することができる。
図2においてはブロック80および82がSPMブロックを含むように示されているが、代わりにSPMブロックはブロック80および82から分離した独立型のものであってもよいし、対応するブロック80あるいは82と同じデバイス内に配置されてもよいし、また別のデバイスに配置されてもよいことを理解されたい。ここで述べるSPMブロックは、周知のFoundation Fieldbus SPMブロックを含んでもよいし、あるいは、周知のFoundation Fieldbus SPMブロックとは別の、あるいは追加の能力を有するSPMブロックを含んでもよい。統計的プロセス監視(SPM)ブロックという用語はここでは、プロセス変数データなどのデータを収集し、このデータに対して統計処理を施して、平均値、標準偏差、などの統計的指標を決定する、任意のタイプのブロックもしくは要素のことを言う。結果として、この用語は、この機能を遂行するソフトウェア、ファームウェア、ハードウェア、および/またはその他の要素を含むように意図されており、これらの要素が機能ブロックの形態であっても、他のタイプのブロック、プログラム、ルーチン、要素であっても、またこれらの要素がFoundation Fieldbusプロトコル、あるいはそのほかのProfibus、HART、CANなどのプロトコルに適合してもしなくても、それには拘らない。必要に応じて、ブロック50の根本操作は米国特許第6,017,143号に少なくとも部分的に記載されたように遂行すなわち実装される。本特許はこれにより、参照によってここに援用される。
図2においてはブロック80および82がSPMブロックを含むように示されているが、SPMがブロック80および82に必要とされるわけではないことを理解されたい。たとえば、ブロック80および82の異常運転検知ルーチンは、SPMブロックで処理されたものではないプロセス変数データを用いて動作することができる。別の例として、ブロック80および82はそれぞれ、別のデバイスにある1つまたは複数のSPMブロックから提供されるデータを受信しそれにより動作することができる。さらに別の例として、プロセス変数データは、多くの典型的なSPMブロックからの提供を受けない形で処理することができる。単なる一例として、プロセス変数データはバンドパスフィルタもしくは他の何らかのタイプのフィルタのような、有限インパルス応答(FIR)もしくは無限インパルス応答(IIR)によってフィルタリングできる。別の例として、プロセス変数データは特定の範囲内に収まるように整えられてもよい。勿論、既知のSPMブロックをこのような別の、あるいは追加の処理能力を提供するように変形することもできる。
送信機と関連するように図示されている図2のブロック82は、送信機により収集されたプロセス変数データを解析して、プラント内の管が閉塞していないかどうかを判定する、閉塞ライン検知ユニットを有していてもよい。さらに、ブロック82には、SPM1〜SPM4のような1つまたは複数のSPMブロックもしくはユニットが含まれてもよく、それによって送信機内のプロセス変数もしくはその他のデータを収集し、その収集データに対して1つまたは複数の統計計算を施して、たとえば、収集データの平均値、中央値、標準偏差などを求めることができる。ブロック80および82はそれぞれ4つのSPMを含むように示されているが、統計データを収集し判定するために、他の任意の数のSPMブロックがブロック80および82にあってもよい。
異常運転検知(AOD)システムの概要
図3は、図2の異常運転検知ブロック80および82で利用できる、異常運転検知(AOD)システム100の一例のブロック図である。AODシステム100は、不良監視ベクトル発生器108に結合した係数行列発生器104を含む。係数行列発生器104は、製造プラントにおける既知あるいは想定される不良(たとえば、異常事象、異常運転、異常状態、など)に対応するプロセスデータを受信する。また、係数行列発生器104は、受信したプロセス変数データに対応する不良の指標を受信する。一般的に言って、不良の指標は、受信したプロセス変数データのどれが、どの不良に対応するかという情報を提供する。受信したプロセス変数データはまた、既知ないしは想定内のすべての不良が存在しないことに対応するデータも含む。係数行列発生器104は、受信した情報に基づいて係数行列を生成する。そして後で詳細を述べるように、係数行列はプロセス変数データに適用して、1つまたは複数の不良が存在するかどうかを判定するのに役立つ。
更なる詳細を後で述べるように、係数行列発生器104で受信されたプロセス変数データは、製造プラント内のデバイスで生成されたデータが含まれていてもよい。たとえば、既知ないしは想定される不良に対応するデータは、データヒストリアンから読み出すことができる。同様に、すべての不良の不在に対応するデータを、データヒストリアンから読み出すことができる。それに加えて、またはその代わりに、モデルないしはシミュレーションアプリケーションによってデータが生成されてもよい。たとえば、不良がシミュレーションアプリケーションによって模擬され、その不良に対応する模擬プロセス変数データが生成されてもよい。同様に、全不良の不在に対応するプロセスデータがシミュレータにより生成されてもよい。
不良監視ベクトル発生器108が、係数行列発生器104から係数行列を受信し、プロセス変数データも受信する。一般的に不良監視行列発生器108は、受信したプロセス変数データに係数行列を適用して、不良監視ベクトルを生成する。
AODシステム100は、不良監視ベクトル発生器108に結合した不良検知器112をさらに含む。不良検知器112は不良監視ベクトル発生器108から不良監視ベクトルを受信し、不良監視ベクトルを解析して1つまたは複数の不良が存在するかどうかを判定する。後で更に詳細を述べるように、不良検知器112は、1つまたは複数の不良の存在を判定するために、追加の情報の解析を随意的に行うことも可能である。
図4は製造プラント内に1つまたは複数の不良が存在するかどうかを判定するための一例の方法150のフロー図である。方法150は、たとえば図3のAODシステム100によって実装されてもよいし、他のシステムで実装されてもよい。ブロック154で、製造プラントでの既知もしくは想定される不良の発生に対応するプロセス変数データと、オプションとして既知もしくは想定されるすべての不良の不在に対応するデータと、を用いて係数行列が生成される。係数行列の生成に関しては後で詳述する。
ブロック158でプロセス変数データが受信される。次いで、ブロック162で、受信したプロセス変数データおよび係数行列を利用して、不良監視ベクトルが生成される。不良監視ベクトルの生成については後で詳細に述べる。
次にブロック166で、不良監視ベクトルが解析され、1つまたは複数の不良が存在するかどうかが判定される。オプションとして、その他の情報も解析されて、1つまたは複数の不良の存在が判定される。
係数行列の生成
次に係数行列の生成法の例を説明する。図5を参照すると、係数行列を生成する一例の方法200がブロック204を含み、ここで不良の存在、および不良の不在に対応するプロセス変数データが受信される。たとえば、受信されたプロセス変数をx1,x2,x3,・・・xMで表す。ここで、Mはプロセス変数の数である。また、これらのプロセス変数は時間と共に変化する。よって、x1のi番目の観測をxi,1 と表示する。同様に、受信されたプロセス変数のi番目の観測グループは、行ベクトルとして
と表す。ブロック204は、観測1,2,3,・・・,Nに対応するプロセス変数データを受信するステップを含む。
一実施例においては、他の不良が発生してない状態で、それぞれの不良に対して1つまたは複数の受信された観測結果がその不良の発生に対応する。そして、1つまたは複数の受信された観測結果がすべての不良のない状態に対応する。説明のための特定の例として、4つ不良があるとすると、10の観測結果が不良の何もない状態に対応し、12の観測結果が第1の不良のみの発生に対応し、8の観測結果が第2の不良のみの発生に対応し、15の観測結果が第3の不良のみの発生に対応し、18の観測結果が第4の不良のみの発生に対応する。それぞれの不良の存在、およびすべての不良の不在に対応する観測結果の数は、異なっているかもしれないし、同じであるかもしれない。
あるいはまた、少なくとも幾つかの観測結果が2つ以上の不良の発生に対応することもありうる。このことは、2つ以上の不良の間に何らかの非線形相互作用がある場合には、特に有用である。同様に、すべての不良がない場合に対応する観測結果がないこともある。しかし、一般的に、以下で説明するように係数行列の妥当性の高い計算ができるためには、それぞれの存在しうる不良状態、非不良状態の下で、統計的に信頼度の高いプロセスのサンプルを提供するに足る十分な観測結果があるべきであることは、当業者にはわかるであろう。
ブロック208において、ブロック204で受信されたデータを利用してプロセス変数行列が生成される。たとえば、N個の観測結果に対応するプロセス変数データが受信されると、観測1,2,3,・・・,Nに対応するN行のベクトル
が生成され、これらのベクトルは行列Xにまとめられる。プロセス変数がM個あれば、行列Xの寸法はN×Mとなる。行列の生成ステップは、たとえばプロセス変数データの格納場所を指示しながら、特定のメモリ位置にプロセス変数データを格納するステップを含む。
ブロック212において、ブロック204で受信したプロセス変数データに対応する不良の指標が受信される。次にブロック216において、ブロック208で生成されたプロセス変数行列に対応する不良行列が生成される。P個の不良候補F1,F2,F3,・・・,Fpがあるとする。一実施例では、行ベクトル、
がブロック208で生成されたプロセス変数行列Xのi番目の行に対応し、観測iのときに不良Fjがアクティブでなければ、それぞれの要素fi,jは0であり、そのときアクティブであれば1である。このように、どの不良もアクティブでなければ、ベクトル
となり、不良F2のみがアクティブな場合にはベクトル
となる。N回の観測すべてに対する不良ベクトル(ベクトル)
は統合されてN×Pの寸法の不良行列Fとなる。ここで行列Fのi番目の行は行列Xのi番目の行に対応する。つまり、行列Fのi番目の行は、もし不良があれば、行列Xのi番目の行のプロセス変数データに対応する不良がどれであるかを示している。
次にブロック220において、ブロック208で生成されたプロセス変数行列とブロック216で生成された不良行列とに基づいて、係数行列が生成される。一般的に、係数行列Aは、次の方程式を少なくとも近似的に満足するように算出される。
F=XA (式1)
この方程式を解いてAを求めるためには多くの方法が利用できる。方法の1つとして回帰法がある。たとえば、多重線形回帰法(MLR)としても知られている通常最小2乗推定法(OLS)では、行列Aは次のように求められる。
A=(XTX)-1XTF (式2)
ここで、Aは寸法がM×Pの行列である。
F=XA (式1)
この方程式を解いてAを求めるためには多くの方法が利用できる。方法の1つとして回帰法がある。たとえば、多重線形回帰法(MLR)としても知られている通常最小2乗推定法(OLS)では、行列Aは次のように求められる。
A=(XTX)-1XTF (式2)
ここで、Aは寸法がM×Pの行列である。
他の多くの回帰手法も利用できる。たとえば、部分的最小2乗法(PLS)、主成分分析(PCA)、主成分回帰分析(PCR)、リッジ回帰(RR)、可変部分集合選択(VSS)、サポートベクトルマシン(SVM)、などの回帰手法が利用できる。例として、もしプロセス変数間に高い相関があるならば、OLS法ではほぼ特異行列に行き当たり、結果の信頼度が下がってしまう。その一方で、PLS法ではそのような状態においてよりよい結果を得ることが可能である。非線形回帰法(たとえば、プロセス変数の高次項、交差項および非線形関数)もまた利用可能である。たとえば、ニューラルネットワークは非線形回帰に対して利用可能である。また、回帰には動的/時系列成分もありうる。そのような場合には、単一プロセス変数xに、同じxであるが異なる時間(たとえば、xk,xk-1,xk-2,など)の1つまたは複数の値が添加される。
さらに、Aを求めるのに非回帰手法を利用することも可能である。その手法としては、確率的探索法(例:ランダムサーチ、焼きなまし法、遺伝的アルゴリズム、など)とともに、たとえばニューラルネットワークがある。
他の実施形態では、ブロック208においてプロセス変数行列を生成するステップが、行列の中にバイアス項を入れ込むステップを含んでもよい。たとえば、行列Xの行が先頭に1を含んでいることがある。すなわち、i番目の行ベクトルが、
であってもよい。この実施形態では、プロセス変数行列Xの寸法は、Nx(M+1)となり、係数行列Aの寸法は、(M+1)×Pとなる。
不良検知のための係数行列の利用
次に係数行列を利用した不良検知方法の例を説明する。図6を参照すると、不良を検知するための実施例の方法250がブロック254を含み、そこでプロセス変数データが受信される。たとえば、受信されたプロセス変数をxi、1,xi,2,xi,3,・・・,xi,Mで表す。ここで、Mはプロセス変数の数であり、iはプロセス変数のi番目の観測を意味する。ブロック258では、受信したプロセス変数データを利用してプロセス変数ベクトルが生成される。たとえば、行ベクトル
あるいは行ベクトル
が生成される。
ブロック262で、プロセス変数ベクトルに係数行列Aをかけて不良監視ベクトルを生成する。たとえば、不良監視ベクトルは次の方程式により生成される。
この実施形態においては、不良監視ベクトル
は寸法が1×Pであり、
で表される。一般的に、不良監視ベクトル
の成分は、プロセス変数ベクトル
の成分が行列Aを生成するのに用いたプロセス変数ベクトルの成分と厳密に同じでない限り、単に0ばかりあるいは1ばかりではない。このように、不良監視ベクトルの成分は実数であり、一般には0と1の間の数である。ただし場合によっては0より小さかったり、1より大きかったりする。一般に、不良監視ベクトルの成分が極めて1に近い場合には、これは不良を意味する。また、成分
は別々の不良に対応する。特に、
は不良F1の存在の可能性に対応し、
は不良F2の存在の可能性に対応する、などである。
不良監視ベクトルの生成は、不良監視行列生成のオプションの一部である。たとえば、複数のプロセス行ベクトル
などを集めて行列Xが生成できる。次に、不良監視行列
が次式にしたがって生成される。
ここで、不良監視行列
のi番目の行は、i番目の観測によるプロセス変数、すなわち
に対応する不良監視ベクトル
ブロック266で、不良監視ベクトルが解析され、不良がもしあればどの不良が存在するかが判定される。このことは、たとえば、もしあるとすれば、どの成分が極めて1に近いかを判定するステップを含む。たとえば、j番目の成分が1に近いとすると、不良Fjが存在する可能性があるということになる。ある成分が極めて1に近いかどうかの判定はさまざまな手法を用いて実行できる。たとえば、成分を1より小さい閾値と比較する方法も含まれる。閾値は、0.8あるいはその他の値のデフォルト値であってもよく、および/または、閾値の適当な値を設定するのに、たとえばプロセスや実験の知識を利用できる、プロセスオペレータによって設定することも可能である。
別の例として、ある成分が極めて1に近いかどうかを決定するのに、幾つかの異なる時間における成分の値を解析する方法がある。たとえば、時刻i,i+1,i+2における成分の値を閾値と比較するのである。この例では、幾つかの連続した値が閾値を超えれば、あるいは連続した値の過半の組の中の幾つかの値が閾値を超えれば、その成分は極めて1に近い、と判定される。その他の種々の方法の任意のものを代替としてあるいは追加的に使用してもよい。
不良監視ベクトルのそれぞれの成分が起こりうる別々の不良に対応するので、どの成分が極めて1に近いかを判定することは、どの不良が存在するかを示すことにもなる。
オプションとして、不良の存在を判定するのに他の情報を利用することも可能である。たとえば、他のプロセス変数データ、SPMデータ、警報、警告、なども不良の存在の判定のために解析することができる。同様に、不良監視ベクトルおよび/または不良検知器112(図3)で生成される不良指標も、異常状態が発生しているか、発生しようとしているか、発生する可能性があるか、などを検知するのに利用できる。例として、不良監視ベクトルおよび/または不良検知器112(図3)で生成される不良指標が、異常状態検知用に設定されたエキスパートエンジン、ニューラルネットワークシステム、ファジー論理システムなどに供給される。エキスパートエンジン、ニューラルネットワークシステム、ファジー論理システムなどは、不良監視ベクトルおよび/または異常状態を検知する不良指標など以外の情報を利用することもできる。たとえば、他のプロセス変数データ、SPMデータ、警報、警告、なども利用することができる。
次に図3および6を参照すると、不良監視ベクトル発生器108が、たとえばブロック254、258、および262を実行する。選択的に、ブロック254および258が別のところで実行され、不良監視ベクトル発生器108は単にプロセス変数ベクトルを受信し、そしてブロック262を実行する。不良検知器112が、たとえばブロック266を実行する。
実施例
図7はプロセス制御システム300の一例で、これまでに説明したシステムおよび方法の例が利用されている。図7のプロセス制御システム300は、前述のシステムおよび方法の説明を支援するための単なる簡単な実施例に過ぎない。前述のシステムおよび方法は、はるかに複雑なプロセス制御システムを含む他の多くのプロセス制御システムと共に使用されうることが、当業者には理解されるであろう。
システム300がパイプ304の中の流れを制御するフロー制御ループを含む。このシステムはバルブ装置308、フローセンサ312、およびコントローラ316を含む。フローセンサ312は流速信号x1を生成する。バルブ装置308はバルブ位置信号x3を生成する。コントローラ316が、流速信号x1およびバルブ位置信号x3を受信し、バルブ位置を制御するための制御要求信号をx2生成する。バルブ308がコントローラ316から制御要求信号x2を受信し、それに応じてバルブ位置の調節を行う。この実施例のプロセス制御システム300においては、発生しうる不良が4つある。F1、過剰制御(CWU);F2、過小制御(CWD);F3、バルブ障害(VP);F4、測定値ドリフト(MD)。
たとえば、不良のない運転時、および4つのそれぞれの不良の発生時にシステム300を観測することにより、システム300のデータセットが取得できる。特に、何も不良が発生してないときおよび、不良F1、F2、F3、F4の発生がわかっているときに、変数x1、x2、x3が観測される。表1は138の観測を含むデータセットの例である。観測は不良が何も発生してないとき、および4つの不良条件のそれぞれが発生しているときを含んでいる。右端の列が、それぞれの観測時に不良がある場合のその不良を示している。
次に、プロセスシステム300の運転中に式3により、プロセス変数x1,x2,x3の値および行列Aを用いて、不良観測ベクトルが生成される。たとえばx1=2.5、x2=62、x3=52とすると、不良観測ベクトルは次のようになる。
不良監視ベクトルの成分が極めて1に近いかどうかを判定するために、もし閾値をたとえば0.8とすると、不良監視ベクトルは不良F3のみが発生していることを示している。
同様に、x1=2.5、x2=3、x3=4とすると、不良観測ベクトルは次のようになる。
不良監視ベクトルの成分が極めて1に近いかどうかを判定するために、もし閾値をたとえば0.8とすると、不良監視ベクトルは不良F2のみが発生していることを示している。別の例として、x1=2.4、x2=57、x3=55とすると、不良監視ベクトルは次のようになる。
不良監視ベクトルの成分が極めて1に近いかどうかを判定するために、もし閾値をたとえば0.8とすると、これは不良がなにも発生していないことを示している。
プロセス変数
行列Aおよび、不良監視ベクトルを生成するために利用するプロセス変数にはさまざまなタイプがある。プロセス変数は、たとえば、センサ、バルブ、コントローラなどのような、製造プラント中のデバイスにより生成される信号であってよい。また、プロセス変数は、デバイスで生成され、さらに処理された信号であってもよい。たとえば、SPMブロックがデバイスで生成された信号を受信し、それから、平均値、標準偏差、2乗平均平方根、歪度信号、尖度信号、最大値、最小値、分布幅、などの統計信号である、プロセス変数を生成する。同様に、プロセス変数は、デバイスで生成され、その後たとえば、低域フィルタ、帯域フィルタ、高域フィルタなどでフィルタをかけられた信号であってもよい。また、プロセス変数は、時間遅延がかけられた信号であってもよい。さらに、プロセス変数はデバイスで生成された信号に、何らかの線形変換あるいは非線形変換をかけたものであってもよい。変換としては、多項式関数、三角関数、指数関数、対数関数、スプライン関数、フーリエ変換、などがありうる。さらに、プロセス変数は、デバイスで生成された信号などのほかのプロセス変数を基に計算された信号であってもよい。単なる一例として、熱交換器に関連するプロセス変数では、複数の測定信号を基に計算された総括伝熱係数が含まれることがある。勿論、プロセス変数は上に述べたものの組合せによって処理されたものであってもよい。一例として、プロセス変数が、高域フィルタによりフィルタをかけられた標準偏差信号であってもよい。
1つまたは複数の製造プラント装置におけるAODシステムの実装例
前述したように、ここで述べるようなAODシステムは製造プラント内のさまざまなデバイスに実装される。図8は、AODシステムが製造プラント内に実装される一形態を示すブロック図である。図8では、フィールドバスシステム900が、フロー送信機904および温度送信機908を同じフィールドバスセグメント912上に含む。フロー送信機904はアナログ入力機能ブロック914とSPMブロック916を実装している。さらにフロー送信機904は、異常運転検知機能ブロック918を実装する。この機能ブロック918は、図3、4、5の任意のものについて前述したのと同じように機能する係数行列発生器を含んでもよい。さらにこの機能ブロック918は、図3、4、6の任意のものについて前述したのと同じように機能する不良監視ベクトル発生器を含んでもよい。また、この機能ブロック918は、図3、4、6の任意のものについて前述したのと同じように機能する不良検知器を含んでもよい。
運転時には、アナログ入力機能ブロック914がプロセス変数信号をSPMブロック916へ提供する。次にSPMブロック916がプロセス変数信号に基づいて1つまたは複数の統計信号を生成し、この統計信号を異常運転検知機能ブロック918へ提供する。同様に、アナログ入力機能ブロック922がプロセス変数信号をSPMブロック924へ提供する。次にSPMブロック924がプロセス変数信号に基づいて1つまたは複数の統計信号を生成し、この統計信号を、フィールドバスセグメント912を介して異常運転検知機能ブロック918へ提供する。
別の実施例では、SPMブロック916および924が異常運転検知機能ブロック918の中に組み込まれる。この実施例では、アナログ入力機能ブロック914がプロセス変数信号を異常運転検知機能ブロック918へ提供する。同様に、アナログ入力機能ブロック922がプロセス変数信号を、フィールドバスセグメント912を介して異常運転検知機能ブロック918へ提供する。勿論、上で説明したように、SPMブロックは必ずしも異常運転検知機能ブロック918と一緒に利用される必要はなく、実施例によっては省略されてもよい。
周知のように、フィールド機器の中には2つ以上のプロセス変数を検知できるデバイスもある。そのようなフィールド機器は、すべてのブロック914、916、918、922、924に実装することができる。
別の実施例では、AODシステムは複数の機能ブロックとして実装されてもよい。そのような実施例においては、AODシステムの部分が製造プラント内の別々のデバイスに実装されてもよい。一例として、係数行列発生器がワークステーション、第1のフィールド機器、第1のコントローラ、などに実装され、不良監視ベクトル発生器および不良検知器が第2のフィールド機器、第2のコントローラ、などに実装されてもよい。たとえば、ワークステーションが係数行列発生器を実装し、1つまたは複数のフィールド機器が不良監視ベクトル発生器および不良検知器を実装してもよい。この実施例では、ワークステーションで生成される係数行列は1つまたは複数のネットワークを介して、製造プラント内の1つまたは複数のフィールド機器へ送信される。
図9は製造プラントにおけるAODシステムの別の実装の形態を示す。図9のシステム940では、異常状態防止アプリケーション35、設定アプリケーション38および/または警報/警告アプリケーション43の一部もしくはすべては、ホストワークステーションやホストパーソナルコンピュータ以外のデバイスに格納される。図9の例示システム940は、たとえば、Rosemount3420装置などのインタフェース装置950に接続された、一連のフィールド機器945(ここではFieldbusフィールド機器として示されているが、他のタイプの機器であってもよい)を含む。この場合、パーソナルコンピュータではないインタフェース装置950は、前記の異常状態防止システム35の機能の一部もしくは全部を含むことができる。特に、インタフェース装置950には、フィールド機器945(これはさまざまな異なるタイプのフィールド機器であってよい)から送信されたデータを受信し編成するための、サーバアプリケーション952が含まれていてもよい。必要であれば、このサーバアプリケーション952はOPCサーバを含んでもよい。設定アプリケーション38(もしくはその一部)がインタフェース装置950のメモリに格納され、インタフェース装置950のプロセッサで実行されて、前述したように、AODブロック、SPMブロック、検知ロジック、などの設定を行う。同様に、シミュレーションアプリケーション44(もしくはその一部)がインタフェース装置950のメモリに格納され、インタフェース装置950のプロセッサで実行されて、前述したように係数行列の生成に利用する模擬プロセス変数を生成する。
さらに、インタフェース装置950は、1つまたは複数のSPMブロック954をその内部に含み、前述したように、1つまたは複数のフィールド機器(SPMブロックやSPM機能を持たないフィールド機器などの)からプロセス変数データを直接収集し、SPMパラメータを生成する。さらに、インタフェース装置950は1つまたは複数のAODブロック956をその内部に含み、前述したように、フィールド機器からSPMパラメータおよび/またはプロセス変数データを受信し、偏差指標を生成する。このようにして、インタフェース装置950に格納され、実行されるSPMブロック954および/またはAODブロック956が、フィールド機器945のいずれかの内部にSPMブロックおよび/またはAODブロックがないことを補う。そしてそれ自体がSPMブロックやSPM機能、および/またはAODブロックやAOD機能をサポートしていないフィールド機器に対してSPMデータを提供するために使用される。また、インタフェース装置950はフィールド機器に比べると、一般的にはより大きなメモリおよびより大きな処理能力を有しているので、インタフェース装置950にSPMブロックおよび/またはAODブロックを実装することにより、より複雑なAOD解析を行うことが可能となる。
インタフェース装置950は、ホストワークステーション958などの他のデバイスと、2芯接続、3芯接続、4芯接続などの有線接続を介して通信し、SPMデータや、それから展開された警報、データプロットなどのデータを、ユーザの閲覧用装置へ提供する。さらに、図9に示すように、インタフェース装置950は1つまたは複数の無線通信接続を介して、ウェブブラウザ960および、電話、携帯情報端末(PDA)、ラップトップコンピュータなどのハンドヘルドコンピュータへ接続することができる。この実施例においては、アプリケーションは、ホストワークステーション958などの他のデバイスや、ウェブブラウザ960、ハンドヘルドコンピュータ962などの中に格納されて実行される。このアプリケーションはインタフェース装置950と通信して、アプリケーション用のデータを取得する。必要であれば、デバイス958、960、962は、設定アプリケーション38を含み、インタフェース装置950に実装されたAODブロックおよび/またはSPMブロックの設定をユーザが行うことができる。同様に、デバイス958、960、962は、シミュレーションアプリケーション44を含み、係数行列を生成するのに用いられる模擬プロセス変数データを生成することができる。同様に図9に示すように、インタフェース装置950からのデータは、ウェブブラウザ964によってホスト958から間接的にアクセスして、任意の所望ウェブ接続を介して他のユーザに提供することができる。勿論、インタフェース装置950はその中にウェブサーバを含んでもよく、OPC、モドバス、イーサネット、HTML、XMLなどの任意の所望のプロトコルを利用して、デバイス958、960、962、964などのほかの任意のデバイスと通信することができる。
図10はさらに別の製造プラントシステム970を示す。ここでは図9のものと類似、あるいは同一のインタフェース装置950が、(熱交換器978の部分を構成している)一連のフィールド機器974とプロセス制御システム980との間を接続している。ここで、図9の装置950のすべてのアプリケーションおよび機能を含むインタフェース950は、閲覧用データをホスト984に提供し、AODシステムあるいは他のシステムで生成された警報あるいは警告を、制御システム980に提供することができる。制御システム980はこれらの警報もしくは警告を、他のコントローラタイプの警報および警告と統合して、たとえば、オペレータワークステーション988のコントロールオペレータの閲覧に供することができる。勿論、必要があれば、ホストワークステーション984は、任意の所望の閲覧アプリケーションを有し、インタフェース装置950に収集され、そこから提供されるデータを、これまでに述べたものをすべて含む任意の所望の形態で閲覧できるようにすることが可能である。同様に、このデータはウェブブラウザ990を介して他のユーザが閲覧することも可能となる。このように当然のことながら、ここで述べた異常状態防止システム35、SPMブロック(もし使用されていれば)、およびAODシステムに関連するさまざまなアプリケーションは、異なるデバイスへ配信可能である。例としてデータ(SPMデータなどの)は、フィールド機器974などの1つのデバイスで収集され、たとえば、AODシステムを実装しているインタフェース装置950内にある、別のデバイスに送ることも可能である。警報、警告、あるいはAODシステムにより生成されるその他の指標は、ワークステーション988などのような、さらに別のデバイスに送られてユーザへ提示することもできる。同様に、構成情報は、ホスト、ウェブブラウザ、PDAなどのようなユーザインタフェース装置を介して入力され、インタフェース装置950のような別の装置に送られてAODシステムを設定することもできる。
別の例として、AODシステムがワークステーションに実装されてもよい。図9および10を参照すると、ワークステーション958もしくはワークステーション984は、インタフェース装置950からプロセス変数データを受信することができる。ワークステーション958もしくはワークステーション984がAODシステムを実装し、受信したプロセス変数データに作用して、たとえば、不良の指標を生成することができる。不良指標データは、ウェブブラウザ964あるいはウェブブラウザ990を介して、他のユーザが閲覧することが可能となる。
当業者であれば、ここに述べた例示のシステムおよび方法はさまざまな形に変更できることがわかるであろう。たとえば、ブロックを省略したり、再配置したり、結合したり、追加ブロックを加えたりすることが可能であろう。AODシステム、不良検知器、論理ブロック、システムブロック、方法ブロックなど、ここで述べたものは、ハードウェア、ファームウェア、ソフトウェアの任意の組合せを利用して実装することができる。こうして、ここで説明したシステムおよび手法は、標準の多目的プロセッサの中に、あるいは要望に合わせた特注のハードウェアもしくはファームウェアを利用して、実装されてもよい。ソフトウェアに実装する場合には、ソフトウェアは、磁気ディスク、レーザディスクや他の記憶媒体などの任意のコンピュータ可読メモリや、コンピュータ、プロセッサ、I/Oデバイス、フィールド機器、インタフェース装置などのRAMないしはROMの中に、格納することができる。同様に、たとえば、コンピュータ可読ディスクあるいは他の可搬型コンピュータ記憶機構上の、あるいは通信媒体を介する、既知もしくは所望の任意の配信方法を経由して、ソフトウェアをユーザもしくはプロセス制御システムへ配信することが可能である。通信媒体は一般的に、コンピュータ可読命令、データ構造、プログラムモジュール、あるいはその他のデータを、搬送波や他の輸送機構などの変調データ信号として具象化する。「変調データ信号」という用語は、1つまたは複数の特性セットを有する、あるいは、信号中の符号化情報のように変形された、信号を意味する。一例として、ただしこれに限定するものではないが、通信媒体は、有線ネットワークや直接有線接続のような有線媒体や、音声、ラジオ波、赤外およびその他の無線媒体のような無線媒体、を含む。このように、電話線、インタネット等(これらは、可搬型記憶媒体を介してこれらのソフトウェアを提供することと同一もしくは交換可能と考えられる)の通信チャネルを介して、ソフトウェアがユーザあるいはプロセス制御システムへ配信できる。
このように、本発明を特定の例を参照して説明したが、これは説明のためのものであって本発明を制限する意図は全くない。当業者であれば、本発明の趣旨と範囲を逸脱することなしに開示した実施形態を変更、追加、削除することが可能であることは明らかであろう。
Claims (36)
- 製造プラントの複数のプロセス変数に対応する第1のデータを受信するステップと、
前記第1のデータと係数行列を利用して不良監視ベクトルを生成するステップと、
前記不良監視ベクトルに基づいて前記プロセスの異常運転がないかどうかを判定するステップと、
を含む製造プラントにおけるプロセスの異常運転検知支援方法。 - 前記の受信した第1のデータを利用して、プロセス変数ベクトルを生成するステップをさらに含み、
前記第1のデータおよび前記係数行列を利用して不良監視ベクトルを生成するステップが、前記プロセス変数ベクトルと前記係数行列とを掛け算するステップを含むことを特徴とする請求項1に記載の方法。 - 前記受信した第1のデータを利用してプロセス変数行列を生成するステップをさらに含み、前記プロセス変数行列は前記プロセス変数ベクトルを含み、
前記第1のデータと前記係数行列とを利用して不良監視ベクトルを生成するステップが、不良監視ベクトルを含む不良監視行列を生成するために前記プロセス変数行列と前記係数行列を掛け算するステップを含むことを特徴とする請求項2に記載の方法。 - 前記プロセスの異常運転がないかどうかを判定する前記ステップが、前記不良監視ベクトルに基づく複数の不良のうちの1つまたは複数がないかどうかを判定するステップを含むことを特徴とする請求項1に記載の方法。
- 前記の1つまたは複数の不良がないかどうかを判定するステップが、前記不良監視ベクトルの成分を閾値と比較するステップを含むことを特徴とする請求項4に記載の方法。
- 前記不良に対応する前記不良監視ベクトルの成分が閾値を超える場合に、前記複数の不良のうちの1つの不良の指標を生成するステップをさらに含むことを特徴とする請求項5に記載の方法。
- 前記プロセスの異常運転がないかどうかを判定するステップが、前記不良監視ベクトルの成分を、エキスパートシステム、ニューラルネットワークシステム、ファジー論理システム、の内の少なくとも1つに対して提供するステップを含むことを特徴とする請求項1に記載の方法。
- 前記複数のプロセス変数に対応し、複数の不良の発生に対応する第2のデータを受信するステップと、
前記第2のデータを利用して前記係数行列を生成するステップと、
をさらに含むことを特徴とする請求項1に記載の方法。 - 前記複数のプロセス変数に対応する第3のデータを受信するステップをさらに含み、 前記第3のデータは前記複数の不良の中のいずれの不良も発生しないことに対応し、
前記係数行列を生成するステップが、第3のデータを用いて前記係数行列を生成するステップを含むことを特徴とする請求項8に記載の方法。 - 機械可読命令を格納する有形媒体であって、前記機械可読命令が1つまたは複数の機械に対して、
製造プラントの複数のプロセス変数に対応するデータを受信させ、
不良監視ベクトルを生成するために前記第1のデータと係数行列とを利用させ、
前記不良監視ベクトルに基づいて前記プロセスの異常運転がないかどうかを判定させる、
ことを可能とする有形媒体。 - 製造プラントにおけるプロセスの異常運転検知支援システムであって、
前記製造プラントに関連する係数行列およびプロセス変数データと結合した不良監視ベクトル発生器と、
前記不良監視ベクトル発生器と結合して、不良監視ベクトルに基づいて前記製造プラントの異常運転を検知するための異常運転検知システムと、
を備える異常運転検知支援システム。 - 前記異常運転検知システムが、前記不良監視ベクトルの成分を閾値と比較し、前記比較に基づいて不良の指標を生成するように設定されていることを特徴とする請求項11に記載のシステム。
- 前記異常運転検知システムが、エキスパートシステム、ニューラルネットワークシステム、ファジー論理システムの内の少なくとも1つを含むことを特徴とする請求項11に記載のシステム。
- 前記不良監視ベクトル発生器と結合した係数行列発生器をさらに含み、前記係数行列発生器は、複数の不良のいずれかの発生に応じるプロセス変数データに基づいて前記係数行列を生成するように設定されていることを特徴とする請求項11に記載のシステム。
- 前記係数行列発生器が、複数の不良の中のいずれの不良の発生もないことに対応するプロセス変数データにさらに基づいて、前記係数行列を生成するように設定されていることを特徴とする請求項14に記載のシステム。
- 前記係数行列発生器が前記製造プラントの第1のデバイスに実装され、前記不良監視ベクトル発生器が前記製造プラント第2のデバイスに実装され、前記異常運転検知システムが前記製造プラントの少なくとも第3のデバイスに実装されることを特徴とする請求項14に記載のシステム。
- 前記係数行列発生器および前記不良監視ベクトル発生器が前記製造プラントの第1のデバイスに実装され、前記異常運転検知システムが前記製造プラントの少なくとも第2のデバイスに実装されることを特徴とする請求項14に記載のシステム。
- 前記係数行列発生器、前記不良監視ベクトル発生器、および前記異常運転検知システムが前記製造プラントの単一デバイスに実装されることを特徴とする請求項14に記載のシステム。
- 製造プラント用の異常運転検知システムを構成する方法であって、
前記製造プラントの製造システムの複数の不良のいずれかの発生に対応する第1のプロセス変数データを受信するステップと、
前記第1のプロセス変数データに基づいてプロセス変数データ行列を生成するステップと、
前記プロセス変数データ行列に対応する不良行列を生成するステップと、
前記プロセス変数データ行列と前記不良行列とを利用して係数行列を生成するステップであって、前記係数行列は異常運転検知システムが前記異常運転検知システムによって受信されたプロセス変数データに基づく不良指標を生成するために利用されるステップと、
を含むことを特徴とする異常運転検知システムを構成する方法。 - 前記複数の不良の中のいずれの不良も発生しないことに対応する第2のプロセス変数データを受信するステップをさらに含み、
前記プロセス変数データ行列を生成するステップが、前記第2のプロセス変数データにさらに基づいて前記プロセス変数データ行列を生成するステップを含むことを特徴とする請求項19に記載の方法。 - 前記第1のプロセス変数データが、前記複数の不良の個々の不良の個別発生に対応するプロセス変数データを含むことを特徴とする請求項20に記載の方法。
- 前記プロセス変数データ行列を生成するステップが、前記プロセス変数データ行列中にバイアス項を含めるステップを備えることを特徴とする請求項19に記載の方法。
- 前記係数行列を生成するステップが、回帰手法による前記係数行列の生成ステップを含むことを特徴とする請求項19に記載の方法。
- 前記係数行列を生成するステップが、方程式:
A=(XTX)-1XTF
により係数行列を生成するステップを含み、
ここでAは前記係数行列、Xは前記プロセス変数データ行列、Fは前記不良行列、であることを特徴とする請求項23に記載の方法。 - 前記プロセス変数データ行列Xのそれぞれの行が、前記第1のプロセス変数データの異なる組に対応し、
前記不良行列Fのそれぞれの列が、前記複数の不良の内の異なる不良に対応し、
前記不良行列Fのそれぞれの行が、前記プロセス変数データ行列の異なる行に対応し、
前記不良行列を生成するステップが、前記不良行列Fのそれぞれの行に対して、前記プロセス変数データ行列Xの対応する行に関連する不良がもしあれば、その不良に対応する列の位置に0でない値を挿入し、残りの列の位置に0を挿入するステップを含むことを特徴とする請求項23に記載の方法。 - 前記0でない値が1であることを特徴とする請求項25に記載の方法。
- 前記プロセス変数データ行列を生成するステップが、それぞれの行にバイアス値を有する列を生成するステップを含むことを特徴とする請求項23に記載の方法。
- 前記バイアス値が1であることを特徴とする請求項27に記載の方法。
- 前記係数行列を生成するステップが、通常最小2乗(OLS)法、多重線形回帰(MLR)法、部分的最小2乗(PLS)法、主成分分析(PCA)法、主成分回帰(PCR)法、リッジ回帰(RR)法、可変部分集合選択(VSS)法、サポートベクトルマシン(SVM)法のうちの少なくとも1つにより前記係数行列を生成するステップを含むことを特徴とする請求項23に記載の方法。
- 前記係数行列を生成するステップが、非線形回帰法による前記係数行列の生成ステップを含むことを特徴とする請求項23に記載の方法。
- 前記非線形回帰法が、前記プロセス変数の高次べきの利用、前記プロセス変数の交差項の利用、前記プロセス変数の非線形関数の利用、もしくはニューラルネットワーク法の利用、のうちの少なくとも1つを含むことを特徴とする請求項30に記載の方法。
- 前記係数行列を生成するステップが、前記プロセス変数データ行列の要素の時間遅延値を利用する回帰法により前記係数行列を生成するステップを含むことを特徴とする請求項23に記載の方法。
- 前記製造プラントにおける通信リンクを通して前記係数行列を送信するステップをさらに含むことを特徴とする請求項19に記載の方法。
- 前記係数行列を送信するステップが、バスを通してフィールド機器へ前記係数行列を送信するステップを含むことを特徴とする請求項33に記載の方法。
- 機械可読命令を格納する有形媒体であって、前記機械可読命令が1つまたは複数の機械に対して、
前記製造プラントの製造システムの複数の不良のいずれかの発生に対応するプロセス変数データを受信させ、
前記プロセス変数データに基づいてプロセス変数データ行列を生成させ、
前記プロセス変数データ行列に対応する不良行列を生成させ、
前記プロセス変数データ行列と前記不良行列とを利用して係数行列を生成させ、該係数行列は異常運転検知システムが前記異常運転検知システムによって受信されたプロセス変数に基づく不良の指標を生成するために利用されることを特徴とする、機械可読命令を格納する有形媒体。 - 製造プラントにおけるプロセスの異常運転検知支援システムであって、
少なくとも1つのコンピュータ可読媒体と、
前記少なくとも1つのコンピュータ可読媒体に結合した少なくとも1つのプロセッサと、
を含み、
前記プロセッサは、前記少なくとも1つのコンピュータ可読媒体上に格納された実行可能な命令に従い、
前記製造プラントの製造システムの複数の不良のいずれかの発生に対応するプロセス変数データを受信し、
前記プロセス変数データに基づいてプロセス変数データ行列を生成し、
前記プロセス変数データ行列に対応する不良行列を生成し、
前記プロセス変数データ行列と前記不良行列とを利用して係数行列を生成し、前記係数行列は異常運転検知システムが前記異常運転検知システムによって受信されたプロセス変数に基づく不良指標を生成する、ように構成されることを特徴とする、製造プラントにおけるプロセスの異常運転検知支援システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/548,590 US20080188972A1 (en) | 2006-10-11 | 2006-10-11 | Method and System for Detecting Faults in a Process Plant |
PCT/US2007/020386 WO2008045190A2 (en) | 2006-10-11 | 2007-09-20 | Method and system for detecting faults in a process plant |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010506331A true JP2010506331A (ja) | 2010-02-25 |
Family
ID=38897568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009532347A Withdrawn JP2010506331A (ja) | 2006-10-11 | 2007-09-20 | 製造プラントにおける不良検知方法およびシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20080188972A1 (ja) |
EP (1) | EP2095195A2 (ja) |
JP (1) | JP2010506331A (ja) |
CN (1) | CN101523316A (ja) |
GB (1) | GB2455944A (ja) |
WO (1) | WO2008045190A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012038304A (ja) * | 2010-08-06 | 2012-02-23 | Fisher-Rosemount Systems Inc | ワイヤレス通信を利用した自動の受け取り、検査、在庫管理および報告 |
CN105629988A (zh) * | 2016-03-31 | 2016-06-01 | 北京航空航天大学 | 一种无拖曳卫星的抗干扰姿态控制方法 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006051102A1 (de) * | 2006-10-25 | 2008-04-30 | Endress + Hauser Gmbh + Co. Kg | Prozessautomatisierungssystem zur Bestimmung, zur Überwachung und/oder zum Beeinflussen von unterschiedlichen Prozessgröße und/oder Zustandsgrößen |
US8043375B2 (en) * | 2008-03-06 | 2011-10-25 | MoiRai Orthopaedic, LLC | Cartilage implants |
DE102008016048A1 (de) * | 2008-03-28 | 2009-10-08 | Abb Ag | Prozessleitsystem einer Automatisierungsanlage |
JP5125857B2 (ja) * | 2008-07-31 | 2013-01-23 | 横河電機株式会社 | プラント診断装置 |
US9323234B2 (en) * | 2009-06-10 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Predicted fault analysis |
EP2284769B1 (en) * | 2009-07-16 | 2013-01-02 | European Space Agency | Method and apparatus for analyzing time series data |
JP5056880B2 (ja) * | 2010-03-24 | 2012-10-24 | 横河電機株式会社 | フィールド機器メンテナンスシステム |
CN102467089B (zh) * | 2010-11-10 | 2013-09-11 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 半导体工艺中的过程控制方法及系统 |
WO2012083303A2 (en) * | 2010-12-17 | 2012-06-21 | Jeffrey Trumble | Automated fault analysis and response system |
EP2498189A1 (en) * | 2011-03-07 | 2012-09-12 | Honeywell spol s.r.o. | Optimization problem solving |
DE102011007384A1 (de) * | 2011-04-14 | 2012-10-18 | Endress + Hauser Process Solutions Ag | Verfahren zur Offline-Konfiguration eines Feldgeräts |
CN102163055B (zh) * | 2011-05-17 | 2013-11-13 | 河北省电力建设调整试验所 | 工业分散式控制系统的综合智能校验方法 |
CN102393698A (zh) * | 2011-09-29 | 2012-03-28 | 李海波 | 大型设备运行状态监测系统及故障诊断的控制方法 |
US8543552B2 (en) * | 2012-02-01 | 2013-09-24 | International Business Machines Corporation | Detecting statistical variation from unclassified process log |
CN102749852B (zh) * | 2012-07-24 | 2014-07-02 | 北京航空航天大学 | 多源干扰系统的容错抗干扰控制方法 |
CN103794109B (zh) * | 2012-11-01 | 2016-04-20 | 同济大学 | 具有仿真培训功能的电力控制系统及其仿真培训方法 |
CN104020724B (zh) * | 2013-03-01 | 2017-02-08 | 中芯国际集成电路制造(上海)有限公司 | 告警监控方法和装置 |
CN104079425B (zh) * | 2013-03-31 | 2017-09-15 | 上海贝尔股份有限公司 | 一种用于匹配设备的方法、装置和系统 |
DE102013108478A1 (de) * | 2013-08-06 | 2015-02-12 | Endress+Hauser Process Solutions Ag | Verfahren zur Erweiterung einer eingebetteten Softwarekomponente eines Feldgerätes |
CN103544659B (zh) * | 2013-10-29 | 2016-08-17 | 国家电网公司 | 一种电力系统风险评估共因故障采样方法 |
CN103699117B (zh) * | 2013-12-18 | 2017-02-08 | 中广核核电运营有限公司 | 基于核电厂真实工况与仿真系统的故障诊断方法及系统 |
JP6135529B2 (ja) * | 2014-02-04 | 2017-05-31 | 横河電機株式会社 | 情報表示装置、情報処理装置、情報表示システム、および情報表示方法 |
US10371285B2 (en) * | 2015-10-27 | 2019-08-06 | Dresser, Llc | Predicting maintenance requirements for a valve assembly |
EP3258333A1 (en) * | 2016-06-17 | 2017-12-20 | Siemens Aktiengesellschaft | Method and system for monitoring sensor data of rotating equipment |
FR3061324B1 (fr) * | 2016-12-22 | 2019-05-31 | Electricite De France | Procede de caracterisation d'une ou plusieurs defaillances d'un systeme |
CN106897505B (zh) * | 2017-02-13 | 2020-10-13 | 大连理工大学 | 一种考虑时-空相关性的结构监测数据异常识别方法 |
CN107239857A (zh) * | 2017-05-31 | 2017-10-10 | 武汉大学 | 基于ls_svm和pca的架空输电线路风险评估方法 |
US10678224B2 (en) * | 2017-06-21 | 2020-06-09 | Fisher-Rosemount Systems, Inc. | Loop interface |
IT201900011319A1 (it) * | 2019-07-10 | 2021-01-10 | Fosber Spa | Metodo di monitoraggio di un impianto per la produzione di cartone ondulato |
CN112925206B (zh) * | 2021-01-26 | 2022-02-01 | 南京航空航天大学 | 一种非线性多倒立摆互联系统分布式鲁棒故障诊断方法 |
CN113029624B (zh) * | 2021-03-04 | 2022-04-22 | 上海交通大学宁波人工智能研究院 | 一种水泥生料粉磨过程的故障检测方法 |
CN113448298B (zh) * | 2021-09-01 | 2021-11-16 | 深圳联钜自控科技有限公司 | 一种用于自动化生产设备数据采集系统 |
CN114579542A (zh) * | 2022-03-15 | 2022-06-03 | 中铁十四局集团大盾构工程有限公司 | 一种基于pca-svm的盾构机故障数据清洗方法及装置 |
CN115576293B (zh) * | 2022-12-08 | 2023-03-14 | 台昌树脂(佛山)有限公司 | 基于数据监控的压敏胶在线生产分析方法及系统 |
CN117555287B (zh) * | 2024-01-12 | 2024-04-09 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及系统 |
Family Cites Families (99)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3731070A (en) * | 1971-04-27 | 1973-05-01 | United Aircraft Corp | Gas turbine engine analyzer |
US4607325A (en) * | 1981-10-21 | 1986-08-19 | Honeywell Inc. | Discontinuous optimization procedure modelling the run-idle status of plural process components |
US4527271A (en) * | 1982-08-17 | 1985-07-02 | The Foxboro Company | Process control system with improved fault isolation |
US4734873A (en) * | 1984-02-02 | 1988-03-29 | Honeywell Inc. | Method of digital process variable transmitter calibration and a process variable transmitter system utilizing the same |
US4763243A (en) * | 1984-06-21 | 1988-08-09 | Honeywell Bull Inc. | Resilient bus system |
US4657179A (en) * | 1984-12-26 | 1987-04-14 | Honeywell Inc. | Distributed environmental/load control system |
US4908746A (en) * | 1986-10-15 | 1990-03-13 | United States Data Corporation | Industrial control system |
US5541833A (en) * | 1987-03-30 | 1996-07-30 | The Foxboro Company | Multivariable feedforward adaptive controller |
US5006992A (en) * | 1987-09-30 | 1991-04-09 | Du Pont De Nemours And Company | Process control system with reconfigurable expert rules and control modules |
US4910691A (en) * | 1987-09-30 | 1990-03-20 | E.I. Du Pont De Nemours & Co. | Process control system with multiple module sequence options |
US4907167A (en) * | 1987-09-30 | 1990-03-06 | E. I. Du Pont De Nemours And Company | Process control system with action logging |
US5193143A (en) * | 1988-01-12 | 1993-03-09 | Honeywell Inc. | Problem state monitoring |
US5488697A (en) * | 1988-01-12 | 1996-01-30 | Honeywell Inc. | Problem state monitoring system |
US4944035A (en) * | 1988-06-24 | 1990-07-24 | Honeywell Inc. | Measurement of thermal conductivity and specific heat |
US5008810A (en) * | 1988-09-29 | 1991-04-16 | Process Modeling Investment Corp. | System for displaying different subsets of screen views, entering different amount of information, and determining correctness of input dependent upon current user input |
CA2020784C (en) * | 1989-07-11 | 1994-08-23 | Horoshi Shimizu | Fault locating system capable of quickly locating a fault in a hierarchical communication network |
US5015934A (en) * | 1989-09-25 | 1991-05-14 | Honeywell Inc. | Apparatus and method for minimizing limit cycle using complementary filtering techniques |
US5134574A (en) * | 1990-02-27 | 1992-07-28 | The Foxboro Company | Performance control apparatus and method in a processing plant |
US5018215A (en) * | 1990-03-23 | 1991-05-21 | Honeywell Inc. | Knowledge and model based adaptive signal processor |
ATE143509T1 (de) * | 1990-06-21 | 1996-10-15 | Honeywell Inc | Auf variablem horizont basierende adaptive steuerung mit mitteln zur minimierung der betriebskosten |
US5197114A (en) * | 1990-08-03 | 1993-03-23 | E. I. Du Pont De Nemours & Co., Inc. | Computer neural network regulatory process control system and method |
US5224203A (en) * | 1990-08-03 | 1993-06-29 | E. I. Du Pont De Nemours & Co., Inc. | On-line process control neural network using data pointers |
US5121467A (en) * | 1990-08-03 | 1992-06-09 | E.I. Du Pont De Nemours & Co., Inc. | Neural network/expert system process control system and method |
US5212765A (en) * | 1990-08-03 | 1993-05-18 | E. I. Du Pont De Nemours & Co., Inc. | On-line training neural network system for process control |
US5282261A (en) * | 1990-08-03 | 1994-01-25 | E. I. Du Pont De Nemours And Co., Inc. | Neural network process measurement and control |
EP0480654B1 (en) * | 1990-10-10 | 1998-03-04 | Honeywell Inc. | Process system identification |
US5291190A (en) * | 1991-03-28 | 1994-03-01 | Combustion Engineering, Inc. | Operator interface for plant component control system |
US5189232A (en) * | 1991-06-27 | 1993-02-23 | University Of Utah | Method of making jet fuel compositions via a dehydrocondensation reaction process |
US5333298A (en) * | 1991-08-08 | 1994-07-26 | Honeywell Inc. | System for making data available to an outside software package by utilizing a data file which contains source and destination information |
AU3055992A (en) * | 1991-10-23 | 1993-05-21 | Niagara Mohawk Power Corporation | On-line combustionless measurement of gaseous fuels fed to gas consumption devices |
US5396415A (en) * | 1992-01-31 | 1995-03-07 | Honeywell Inc. | Neruo-pid controller |
US5398303A (en) * | 1992-02-28 | 1995-03-14 | Yamatake-Honeywell Co., Ltd. | Fuzzy data processing method and data smoothing filter |
US5353207A (en) * | 1992-06-10 | 1994-10-04 | Pavilion Technologies, Inc. | Residual activation neural network |
US5384698A (en) * | 1992-08-31 | 1995-01-24 | Honeywell Inc. | Structured multiple-input multiple-output rate-optimal controller |
US5477444A (en) * | 1992-09-14 | 1995-12-19 | Bhat; Naveen V. | Control system using an adaptive neural network for target and path optimization for a multivariable, nonlinear process |
US5729661A (en) * | 1992-11-24 | 1998-03-17 | Pavilion Technologies, Inc. | Method and apparatus for preprocessing input data to a neural network |
EP0671038B1 (en) * | 1992-11-24 | 2003-05-14 | Pavilion Technologies Inc. | Operating a neural network with missing and/or incomplete data |
JP2952124B2 (ja) * | 1992-11-25 | 1999-09-20 | 富士写真フイルム株式会社 | 写真処理機の故障診断システム |
US5311562A (en) * | 1992-12-01 | 1994-05-10 | Westinghouse Electric Corp. | Plant maintenance with predictive diagnostics |
WO1994014106A1 (en) * | 1992-12-14 | 1994-06-23 | Honeywell Inc. | A flexible method for building a recipe in a process control system |
US5486996A (en) * | 1993-01-22 | 1996-01-23 | Honeywell Inc. | Parameterized neurocontrollers |
EP0687369A1 (en) * | 1993-03-02 | 1995-12-20 | Pavilion Technologies Inc. | Method and apparatus for analyzing a neural network within desired operating parameter constraints |
US5390326A (en) * | 1993-04-30 | 1995-02-14 | The Foxboro Company | Local area network with fault detection and recovery |
US5909541A (en) * | 1993-07-14 | 1999-06-01 | Honeywell Inc. | Error detection and correction for data stored across multiple byte-wide memory devices |
US5486920A (en) * | 1993-10-01 | 1996-01-23 | Honeywell, Inc. | Laser gyro dither strippr gain correction method and apparatus |
US5408406A (en) * | 1993-10-07 | 1995-04-18 | Honeywell Inc. | Neural net based disturbance predictor for model predictive control |
US5596704A (en) * | 1993-11-11 | 1997-01-21 | Bechtel Group, Inc. | Process flow diagram generator |
JP2929259B2 (ja) * | 1993-12-27 | 1999-08-03 | 株式会社山武 | コントローラ |
US5528516A (en) * | 1994-05-25 | 1996-06-18 | System Management Arts, Inc. | Apparatus and method for event correlation and problem reporting |
US5533413A (en) * | 1994-06-30 | 1996-07-09 | Yokogawa Electric Corporation | Equipment diagnosis system |
US6033257A (en) * | 1995-11-20 | 2000-03-07 | The Foxboro Company | I/O connector module for a field controller in a distributed control system |
US6076124A (en) * | 1995-10-10 | 2000-06-13 | The Foxboro Company | Distributed control system including a compact easily-extensible and serviceable field controller |
US5764891A (en) * | 1996-02-15 | 1998-06-09 | Rosemount Inc. | Process I/O to fieldbus interface circuit |
US5761518A (en) * | 1996-02-29 | 1998-06-02 | The Foxboro Company | System for replacing control processor by operating processor in partially disabled mode for tracking control outputs and in write enabled mode for transferring control loops |
US7085610B2 (en) * | 1996-03-28 | 2006-08-01 | Fisher-Rosemount Systems, Inc. | Root cause diagnostics |
US6539267B1 (en) * | 1996-03-28 | 2003-03-25 | Rosemount Inc. | Device in a process system for determining statistical parameter |
US6017143A (en) * | 1996-03-28 | 2000-01-25 | Rosemount Inc. | Device in a process system for detecting events |
US5828851A (en) * | 1996-04-12 | 1998-10-27 | Fisher-Rosemount Systems, Inc. | Process control system using standard protocol control of standard devices and nonstandard devices |
US5768119A (en) * | 1996-04-12 | 1998-06-16 | Fisher-Rosemount Systems, Inc. | Process control system including alarm priority adjustment |
US5877954A (en) * | 1996-05-03 | 1999-03-02 | Aspen Technology, Inc. | Hybrid linear-neural network process control |
US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
US5742513A (en) * | 1996-05-15 | 1998-04-21 | Abb Power T&D Company Inc. | Methods and systems for automatic testing of a relay |
US5918233A (en) * | 1996-05-30 | 1999-06-29 | The Foxboro Company | Methods and systems for providing electronic documentation to users of industrial process control systems |
US5715158A (en) * | 1996-05-31 | 1998-02-03 | Abb Industrial Systems, Inc. | Method and apparatus for controlling an extended process |
US5907701A (en) * | 1996-06-14 | 1999-05-25 | The Foxboro Company | Management of computer processes having differing operational parameters through an ordered multi-phased startup of the computer processes |
US5777872A (en) * | 1996-09-13 | 1998-07-07 | Honeywell-Measurex Corporation | Method and system for controlling a multiple input/output process with minimum latency |
US5892679A (en) * | 1996-09-13 | 1999-04-06 | Honeywell-Measurex Corporation | Method and system for controlling a multiple input/output process with minimum latency using a pseudo inverse constant |
US5898869A (en) * | 1996-09-20 | 1999-04-27 | The Foxboro Company | Method and system for PCMCIA card boot from dual-ported memory |
US6041263A (en) * | 1996-10-01 | 2000-03-21 | Aspen Technology, Inc. | Method and apparatus for simulating and optimizing a plant model |
US5970430A (en) * | 1996-10-04 | 1999-10-19 | Fisher Controls International, Inc. | Local device and process diagnostics in a process control network having distributed control functions |
US5892939A (en) * | 1996-10-07 | 1999-04-06 | Honeywell Inc. | Emulator for visual display object files and method of operation thereof |
US5859964A (en) * | 1996-10-25 | 1999-01-12 | Advanced Micro Devices, Inc. | System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes |
US5909586A (en) * | 1996-11-06 | 1999-06-01 | The Foxboro Company | Methods and systems for interfacing with an interface powered I/O device |
US5905989A (en) * | 1996-11-27 | 1999-05-18 | Bently Nevada Corporation | Knowledge manager relying on a hierarchical default expert system: apparatus and method |
CA2276299A1 (en) * | 1996-12-31 | 1998-07-09 | Rosemount Inc. | Device in a process system for validating a control signal from a field device |
US6078843A (en) * | 1997-01-24 | 2000-06-20 | Honeywell Inc. | Neural network including input normalization for use in a closed loop control system |
US6067505A (en) * | 1997-04-10 | 2000-05-23 | The Foxboro Company | Method and apparatus for self-calibration of a coordinated control system for an electric power generating station |
US6055483A (en) * | 1997-05-05 | 2000-04-25 | Honeywell, Inc. | Systems and methods using bridge models to globally optimize a process facility |
DE19723079C1 (de) * | 1997-06-02 | 1998-11-19 | Bosch Gmbh Robert | Fehlerdiagnosevorrichtung und -verfahren |
US5901058A (en) * | 1997-08-22 | 1999-05-04 | Honeywell Inc. | System and methods for achieving heterogeneous data flow between algorithm blocks in a distributed control system |
US6282454B1 (en) * | 1997-09-10 | 2001-08-28 | Schneider Automation Inc. | Web interface to a programmable controller |
US5909370A (en) * | 1997-12-22 | 1999-06-01 | Honeywell Inc. | Method of predicting overshoot in a control system response |
US6093211A (en) * | 1998-04-09 | 2000-07-25 | Aspen Technology, Inc. | Polymer property distribution functions methodology and simulators |
US6173440B1 (en) * | 1998-05-27 | 2001-01-09 | Mcdonnell Douglas Corporation | Method and apparatus for debugging, verifying and validating computer software |
US7206646B2 (en) * | 1999-02-22 | 2007-04-17 | Fisher-Rosemount Systems, Inc. | Method and apparatus for performing a function in a plant using process performance monitoring with process equipment monitoring and control |
US7562135B2 (en) * | 2000-05-23 | 2009-07-14 | Fisher-Rosemount Systems, Inc. | Enhanced fieldbus device alerts in a process control system |
US6421571B1 (en) * | 2000-02-29 | 2002-07-16 | Bently Nevada Corporation | Industrial plant asset management system: apparatus and method |
US6760632B1 (en) * | 2000-08-03 | 2004-07-06 | International Business Machines Corporation | Computer method for providing optimization for business processes |
US7539597B2 (en) * | 2001-04-10 | 2009-05-26 | Smartsignal Corporation | Diagnostic systems and methods for predictive condition monitoring |
US7162534B2 (en) * | 2001-07-10 | 2007-01-09 | Fisher-Rosemount Systems, Inc. | Transactional data communications for process control systems |
US6892163B1 (en) * | 2002-03-08 | 2005-05-10 | Intellectual Assets Llc | Surveillance system and method having an adaptive sequential probability fault detection test |
US7096074B2 (en) * | 2002-05-30 | 2006-08-22 | Insyst Ltd. | Methods and apparatus for early fault detection and alert generation in a process |
GB0216858D0 (en) * | 2002-07-19 | 2002-08-28 | Bae Systems Plc | Fault diagnosis system |
US7233884B2 (en) * | 2002-10-31 | 2007-06-19 | United Technologies Corporation | Methodology for temporal fault event isolation and identification |
WO2004109540A2 (en) * | 2003-05-30 | 2004-12-16 | Case Western Reserve University | A stochastic variable selection method for model selection |
GB0325560D0 (en) * | 2003-10-31 | 2003-12-03 | Seebyte Ltd | Intelligent integrated diagnostics |
WO2005124491A1 (en) * | 2004-06-12 | 2005-12-29 | Fisher-Rosemount Systems, Inc. | System and method for detecting an abnormal situation associated with a process gain of a control loop |
US20110178963A1 (en) * | 2004-10-28 | 2011-07-21 | Insyst Ltd. | system for the detection of rare data situations in processes |
US20080077325A1 (en) * | 2006-09-25 | 2008-03-27 | Honeywell International Inc. | Systems and methods for a hybrid transition matrix |
-
2006
- 2006-10-11 US US11/548,590 patent/US20080188972A1/en not_active Abandoned
-
2007
- 2007-09-20 EP EP07838571A patent/EP2095195A2/en not_active Withdrawn
- 2007-09-20 JP JP2009532347A patent/JP2010506331A/ja not_active Withdrawn
- 2007-09-20 GB GB0906086A patent/GB2455944A/en not_active Withdrawn
- 2007-09-20 WO PCT/US2007/020386 patent/WO2008045190A2/en active Application Filing
- 2007-09-20 CN CNA2007800376501A patent/CN101523316A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012038304A (ja) * | 2010-08-06 | 2012-02-23 | Fisher-Rosemount Systems Inc | ワイヤレス通信を利用した自動の受け取り、検査、在庫管理および報告 |
CN105629988A (zh) * | 2016-03-31 | 2016-06-01 | 北京航空航天大学 | 一种无拖曳卫星的抗干扰姿态控制方法 |
Also Published As
Publication number | Publication date |
---|---|
US20080188972A1 (en) | 2008-08-07 |
CN101523316A (zh) | 2009-09-02 |
WO2008045190A2 (en) | 2008-04-17 |
GB2455944A (en) | 2009-07-01 |
EP2095195A2 (en) | 2009-09-02 |
GB0906086D0 (en) | 2009-05-20 |
WO2008045190A3 (en) | 2008-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2010506331A (ja) | 製造プラントにおける不良検知方法およびシステム | |
US8762106B2 (en) | Abnormal situation prevention in a heat exchanger | |
US7917240B2 (en) | Univariate method for monitoring and analysis of multivariate data | |
US7912676B2 (en) | Method and system for detecting abnormal operation in a process plant | |
US7827006B2 (en) | Heat exchanger fouling detection | |
US8032340B2 (en) | Method and system for modeling a process variable in a process plant | |
US8032341B2 (en) | Modeling a process using a composite model comprising a plurality of regression models | |
US7657399B2 (en) | Methods and systems for detecting deviation of a process variable from expected values | |
US8145358B2 (en) | Method and system for detecting abnormal operation of a level regulatory control loop | |
US20090093893A1 (en) | System and method for recognizing and compensating for invalid regression model applied to abnormal situation prevention | |
WO2008042757A2 (en) | Univariate method for monitoring and analysis of multivariate data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20101207 |