JP2010537282A - 化学プラントや精製所の連続オンラインモニタリング用のシステムおよび方法 - Google Patents

Abstract

連続化学プロセス設備における複数の運転を連続的にオンラインモニタリングするための略リアルタイムシステムおよび方法について説明される。運転をモニタリングする方法は、オフラインで選択された、プロセス固有の履歴プロセスデータを使用して展開された多変量統計モデルに基づいている。このようなモデルは、化学製造設備や精製所の連続運転をリアルタイムで遠隔位置からモニタリングするためのオンラインモニタリングシステムによって使用される。このようなリアルタイムモニタリングは、複数の運転のうちの１つ以上が正常運転パラメータ内で稼働中であるか否かの判断を可能にする。このリアルタイムの連続モニタリングシステムはさらに、連続生産プロセス内の切迫した不具合やトラブルスポットを予測したり、連続化学製造プロセスで生じ得る重大なプロセス不良を最小化したりするために使用可能である。予測されたプロセス不良と関連する可能性の高いプロセス変数、つまり「タグ」はモデルシステムによって識別可能であり、適切なコントロールアクションが、コストのかかる生産ダウンタイムを招く恐れのある実際のプロセス不良発生を防止するために取られることが可能である。

Description

本発明は、化学プラントや精製所の連続オンラインモニタリング方法、より具体的には、プロセスの不具合や他の有害な事故を予測および／または防止するために、化学プラント、精製所および類似の生産設備の連続運転中の過渡運転をモニタリングするための略リアルタイムのシステムおよび方法を提供する。

最新の化学プラントおよび精製所のモニタリングは通常、多様なプロセス変数が測定および記録されるシステムを伴う。このようなシステムはしばしば多量のデータを生成し、このうちの比較的少量のみが実際に追跡されて、危険または望ましくない結果を招く恐れのあるプラントの異常条件を検出するために使用される。このような異常条件は、種々のプロセス変数に関して収集された情報がより多く使用可能な場合、早期に検出可能である。

プロセスモニタリングは、製造業者が同時に品質を改良し、生産を増大させ、かつコストを削減することに努めるに伴って、ますます関心を持たれるようになった分野である。このようなモニタリングは普通、運転やプラントの個別かつ分離要素を伴う。多変量統計解析方法は、ここに示されているように適用されると、製造プラント全体の全関連プロセスから収集された多量のデータを取り扱うことができる。

鉄鋼、木材生成物およびパルプ／製紙産業などの化学生産産業以外の製造業は、関連プロセスで収集された多量のデータにこのような多変量統計解析方法を適用し始めた。このような方法の一例は米国特許第６，５６４，１１９号明細書に説明されており、多変量統計モニタリング、特に主成分解析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）（ＰＣＡ）が、形成後の固化鉄鋼シェルの破裂につながる恐れのある異常について鋳造プロセスをモニタリングするための鉄鋼製造プラントの一部で使用されていた。オンラインモニタリングのもう１つの例が米国特許第６，６０７，５７７Ｂ２号明細書に見ることができる。この場合、多変量統計モデルが、溶銑脱流プロセスでの試薬の使用を判断するために使用された。システムはコンピュータで具現化されて、目的の硫黄濃度を満たすために必要な脱流試薬量を推定するための、適合的な、潜在的構造に対する射影（Ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅｓ）（ＰＬＳ）モデルを使用している。

バッチプロセスモニタリングおよび不具合診断用の多変量統計プロセスコントロール（ＳＰＣ）モニタリング技術の使用もまた、特許および雑誌文献の両方に説明されている。ＭａｃＧｒｅｇｏｒおよび同僚［Ｃｈｅｍｏｍｅｔｒｉｃｓ Ｉｎｔｅｌｌ．Ｌａｂ．Ｓｙｓｔｅｍｓ，Ｖｏｌ．５１（１）、ｐｐ．１２５−１３７（２０００）］は、多変量ＳＰＣ技術およびマルチブロックＰＬＳアルゴリズムを使用する、プロセスの開発および最適化用のバッチおよびセミバッチプロセス変数軌道を解析するための新たな方法を提案した。Ｚｈａｎｇらへの米国特許第６，８８５，９０７Ｂ１号明細書は、連続鉄鋼鋳造プロセスにおける過渡運転のオンライモニタリング用の略リアルタイムのシステムおよび方法について説明している。多数の他の参照が、工業生産設備内の特定のプロセスをモニタリングするための多数の統計アルゴリズムおよびアプローチを提案している。

データ処理に関する特定の統計解析方法が、バッチプロセスモニタリングを使用するプラントや精製所内の個別プロセスに適用されてきたが、多変量統計方法の開発および良好な使用に対するバリアは、連続的な形式で化学製造プラントや精製所全体でのバリアの具現化を防止してきた。種々のタイプの混乱や不均衡がプラントの多数の場所で生じる恐れがあるため、このようなバリアは、プラントの一部のみがモニタリングされる場合に生じる困難を克服し、統計解析に使用可能なデータがほとんどまたはまったくない場合には、この問題の識別および検索を極めて困難にすることになる。したがって、化学プラントや精製所の略全体の一体化プロセスを連続的かつ略リアルタイムにモニタリングするための方法が必要である。加えて、最初から最後までプラント内のユニット運動に一体化された連続オンラインモニタリングシステムが必要である。

概して、エチレンオキシド／エチレングリコール生成物などの化学生産プラントや化学製造プロセスをモニタリングし、製造プロセス中の問題をリアルタイムまたは略リアルタイムで予測するための連続的な略リアルタイムのシステムおよび方法について説明する。

本発明の一態様では、化学生産設備における運転を連続的かつ略リアルタイムでモニタリングするための方法が説明され、方法は、複数の選択されたプロセス変数の履歴プロセスデータを検索するステップと、プロセス変数のＰＬＳ解析を使用して多変量統計モデルを展開するステップと、モデルのモニタリング限度を判断するステップと、モデルを検証するステップと、連続モニタリング用のモデルをオンラインで具現化するステップとを備えており、モデルは、生産プロセス内の共有プロセスのすべてをリンクしている。

以下の図面は本明細書の一部をなし、本発明の特定の態様をさらに例証するために含まれている。本発明は、本明細書に表されている特定の実施形態に関する詳細な説明と関連してこれらの図面の１つ以上を参照することによってよりよく理解される。

本発明のシステム全体の概略図を示している。 本発明の一態様にしたがった、連続または略連続運転する工業プロセスにおける運転をモニタリングするために適用された、モデルの構築、具現化およびオンラインモニタリングプロセスのブロック図を示している。 本発明のモデル構築および展開モジュールにおける選択履歴データに適用されたステップを概説するフローチャートを示している。 本発明の一態様にしたがった、オンラインシステムの基本コンポーネントを示す概略図である。 本発明の一態様にしたがった、プロセス情報のアーキテクチャおよびフローを示す概略図である。 本発明の方法にしたがって運転する工業生産設備の典型的な概観ディスプレイマップの図を示している。 個別プラントセクションの例示的多変量概観スクリーンを示している。 図７に示されているＸ整合性（ＸＣｏｎまたはＳＰＥｘ）データに関する多変量統計プロセスコントロール（ＭＳＰＣ）プロットを示している。 図７に示されているＸ整合性（ＸＣｏｎまたはＳＰＥｘ）データに関する範囲分布選択オプションを示している。 図７に示されているＸ整合性（ＸＣｏｎまたはＳＰＥｘ）データに関する相対的寄与度選択オプションを示している。 各モデルタグの寄与度を示す、図８Ｂのグラフで選択された時間範囲の寄与度バープロットを示している。 図９の寄与度バープロットからの選択タグの例示的時間傾向を示している。 化学生産プラントにおいて本発明のモニタリングシステムの具現化するためのコンピュータネットワークシステムアーキテクチャ概観の概略図である。

ここに開示されている本発明には種々の修正および代替形態が施されてもよいが、少数の具体的実施形態のみが例証として図面に示されており、詳細に後述されている。これらの具体的な実施形態に関する図面および詳細な説明は、いかなる方法で本発明の概念や添付の請求項の範囲を限定する意図はない。むしろ、図面および詳細な説明は、本発明の概念を当業者に図示し、かつ当業者が本発明の概念を形成および使用できるようにするために提供される。

ここに説明されている本発明を組み込む１つ以上の例示的実施形態が以下表されている。分かりやすくするために、実際の具現化の全特徴が本適用において説明および図示されているわけではない。本発明を組み込む実際の実施形態の展開において、多数の具現化固有の判定が、システム関連、ビジネス関連、政府関連および他の制約によるコンプライアンスなどの開発者の目的を達成するためになされるべきであり、これらは具現化によってかつ経時的に変化することが理解される。開発者の労力は複雑かつ時間のかかるものであるが、このような労力は、本開示の利点を有する当業者にとって通常の作業である。

本発明は、主成分解析（ＰＣＡ）、部分最小二乗法（ＰＬＳ）および関連方法とこれらの組み合わせなどの多変量統計解析技術を使用して化学プラント運転などの連続的工業運転をオンラインモニタリングするための略リアルタイムシステムであり、Ｘ空間およびＹ空間両方におけるモデル変動は、このようなプロセスモニタリングシステムを展開するためのものである。ここに説明されている多変量モデルシステムは、プロセス全体を連続的にモニタリングするのに必要なプロセスパラメータを共有することができる。プロセスモニタリングシステムは適切なプロセスコンピュータシステムによって具現化可能であり、プロセスの不要なダウンタイムなどの、プロセスの問題、不具合および生産性の低下を予測および防止する点で有用である。

次に図面を参照すると、図１は、本発明の連続オンラインモニタリングシステムの概略的概観を示している。ここに示されているように、システム１０は複数のセンサ、つまり解析ポイント１２からなり、これらはＤＣＳ（例えばＨｏｎｅｙｗｅｌｌから入手可能な分散コントロールシステム）などのデータアクセスや解析ステーション１４に搬送される。解析ポイント１２は、温度および圧力データから、連続運転している化学プラントや精製所などの選択箇所でのブリードストリーム、光子および電子などをモニタリングすることによって得られる情報にまで及ぶことが可能である。この情報は次いで、電子的または何らかの適切な手動手段によってデータ管理システム１６に転送され、これはプロセスヒストリアンおよびデータシンクなどを含む。データ管理システム１６はまた、ここで詳細に示されているプロセスモニタリング用の多変量統計モデルを備えることもできる。データの連続オンラインモニタリングによる出力は同意および決定１８をもたらす。より具体的には、連続工業プロセスの略リアルタイムの多変量モデリングは、多様なマン−マシンインタフェース（ＨＭＩ）、例えばコンピュータにおけるプロセスモニタリング出力をもたらす。図１に示されている種々の出力およびアクションＡ１、Ａ２およびＡ３は、全プロセスコントロールモニタおよびステータス更新と、（温度が一定の所定の範囲未満になる場合などの）警告の生成、および（流量の調整、コンデンサのシャットオフ、または警告への手動応答などの）多様な応答アクションを含むことができる。

上記提案された解析ポイント１２に関して、本開示のさらなる態様によると、運転コストに関するさらなるプロセスコントロールおよびさらなる削減が、（製造プロセスにおける特定のプロセスまたはステップの開始、中間および／または終了時などの）監視中の生産プラント内の種々の戦略場所に複数の解析サンプリングポートをインストールして、中央解析ステーションにこれらのポートを接続させて連続的に略リアルタイムモニタリングすることによって得られることができる。既存の証明済み解析技術を使用して、選択された解析が頻繁に実行可能であり、得られたデータは、ここに説明されているオンラインモニタリングシステムおよび方法と結合および一体化可能である。解析データサンプリングポートは本開示にしたがったマニュアルサンプリングポートであってもよいが、解析ポートは、製造プロセス全体において特定の位置の配設解析ポイントであり、配設ポートは解析データを適切な方法でサンプリングおよび送信することができる。このような情報送信は、中央解析ステーションへの、ワイヤを介する電子、光ファイバを介する光子、あるいは１つ以上の毛細管を介する気体／液体サンプルであってもよい。解析ステーションに達すると、コスト効果が高く、かつ実証済みの解析技術が、種々の解析ポイントにおいてプロセス条件や化学組成に関する具体的な情報を導き出すのに使用されてもよく、データは、ここに示されている方法およびシステムを使用して組織化、評価および表示可能である。このように取得可能なデータは、温度データ、圧力データ、ＵＶ吸収データ、ＩＲ分光データ、ｐＨデータ、例えばアルデヒド濃度データなどの特定の成分データ、微量金属データ、（硫黄、フッ素、アセチレン、ヒ素およびＨＣｌなどを含むサブｐｐｍレベルの原料汚染などの）汚染データ、（吸収体からのナトリウムまたはシリコンイオンデータなどの）イオンデータ、およびこれらの組み合わせを含むが、これらに限定されない。ここに説明されているように、ヒストリアンにあるデータの収集は、製造プロセス履歴の構築を可能とすると同時に、より詳細なプロセスの連続的な略リアルタイムのオンラインモニタリングを可能とする。

本態様の適切な用途の事例は触媒製造に関し、これは、このような略リアルタイムストリーム解析およびデータ収集からの利点を享受することができるが、それは特に、触媒製造プロセスはしばしば、歩留まりや活量（ａｃｔｉｖｉｔｙ）などを最適化するために含浸プロセス溶液の再循環を含むからである。ドーパント濃度、ｐＨ、空気の湿度、空気流および種々のプロセス温度などの感度パラメータの正確な調整が、ここに説明されている方法を使用してモニタリングおよびコントロール可能である。この選択パラメータのコントロール改良は、許容された仕様の範囲内にある生成物を取得するのがより容易になるのに伴って、より良好な触媒品質に直接つながることが可能である。

図２は、図１に概略的に示され、エチレングリコール／エチレンオキシド生産プラントなどの連続または略連続運転する工業プロセスにおける運転のモニタリングに適用されるような、略リアルタイムシステムのモデル構築、具現化およびオンラインモニタリング用のプロセスのブロック図を示している。総称的に「プレモデリング」段階１３と称される、プロセスの第１の段階は、モニタリングするべきもの、およびいずれのプロセスおよびプロセス変数がモデルに包含されるかを判断することである。プロセスパラメータまたは「タグ」（１２ａおよび１２ｂ）としても知られているこれらのプロセス変数は、使用可能なデータ情報、ならびにモニタリングされる全連続運転工業プロセスに関する理解に基づいて選択される。これらのタグは、図２の番号２６および２８によって識別されるモデルを展開するために必要とされ、より詳細に後述されている。通常のプロセス変数、つまり「タグ」１２ａおよび１２ｂは、プロセス間または２つ以上の熱電対間の温度差、動作圧力、生成物流パラメータ（速度、密度など）、冷却水の流量、出力測定値、バルブセンサデータ、コントローラデータ、ポンプ流データ、特定のプロセスに伴うパイプ関連のデータ（例えば、パイプ内で移送される流体の流量および圧力）、反応の進行や触媒性能などの化学組成データ、および、エンジニアリングおよびコスト算出データなどを含むが、これらに限定されない。タグ１２ａおよび１２ｂは、解析データ（１２ａ）と、データヒストリアン２０によって捕捉されるか、これに入れられたノートブック（１２ｂ）などの個別ソースからのデータとを表している。ここで参照されているデータヒストリアンは、現場（生産設備）からデータ「タグ」を収集して、これらを所定のレート（例えば、２分ごと）で記憶することができる。このようなデータヒストリアン２０は通常、データ収集の頻度はモニタリング中のタグに大きく左右されることになるが、分単位でタグデータを取得し、また望ましい頻度（分、時、日、月または年）で収集可能である。しばしば、生産設備のセンサから取得された測定値、つまり「タグデータ」は、データアクセスモジュール１４によってリアルタイムまたは略リアルタイムで、オンライン収集される。本発明の略リアルタイムの多変量モデルが完了されると、このような「タグデータ」は、ヒストリアン２０やデータアクセスシステム１４からオンラインプロセスモニタリングモジュール３０に直接送られることが可能である。

同時に、プレモデリング段階１３には、関連データを捕捉するためにどの程度時間をさかのぼるのかが判断されるべきである。このような時間長はプロセスごとに独立しており、使用可能なデータの量およびタイプによってしばしば限定されることになる。通常の時間長は約１年から約５年に及ぶが、通常は、捕捉された「タグ」データは約１から約２年の範囲にある。この点で、ヒストリアン２０からのデータのすべてがデータ検索プログラム２２によって取得および処理され、この場合タグデータ１６の閲覧が、モデリング中のプロセスに関係のないタグである「ジャンク」タグを除去し、かつ適用可能なデータタグのみを保有するために、オフライン解析でエキスパートによって実行される。

「ジャンク」タグの第１の処分が実行されると、タグレビュー１６のさらなる反復が開始可能になり、データヒストリアン２０に残っている関連データのすべてが、データ検索プログラム２２を使用してダウンロードされ、経時的な個別変数の傾向がデータポイントごとに把握される。次いでタグは個別に評価され、タグが機能するか否かを判断する。タグが機能していない場合、これは除去され、そうでない場合は、保有されて、モデルの構築に使用される。プロセスおよび機器ダイアグラム（Ｐ＆ＩＤｓ）が次いで、生産プロセス内の正確な値、運転またはポイントをタグが参照することを保証するために、相互参照ステップで閲覧される。ここから、Ｐ＆ＩＤｓおよびプロセスタグデータは、プロセスプラントのエンジニアおよび／またはオペレータによってさらに閲覧可能である。

タグおよびＰ＆ＩＤレビュー１６の目的は３つある、つまり、ユニット運転や製造プロセスステップなどのモニタリングシステムの展開に対する論理サブグループを理解することと、データタグの「正常」値範囲を取得するために正常運転の期間を閲覧することと、キーモニタリング対象物および対象となる応答／性能変数（例えば、歩留まり、エネルギ使用、選択性など）を全生産プロセスに関するものとして識別することである。これらのうちの第１に関し、図３を参照して詳細に後述されるように、各プロセスセクションのサブグループごとに通常は多数のタグがあるが、生産プロセス内の「セクション」の「境界」にわたる（生成物の流れなどの）パラメータに関連し、それによって種々のセクションを相互に接続する作用をする複数の相関データタグがある。場合によっては、モデリングされているプロセスとこの複雑さに応じて、タグおよびＰ＆ＩＤレビュープロセス１６が、必要ならば、複数回の反復を必要とすることもある。

連続化学製造プロセスについて、過渡運転をモニタリングすることができ、同時に化学製造プロセスのエラーや問題を最小化することができる略リアルタイムシステムの機能ブロック図が図２に示されているが、図２はオンラインおよびオフライン両方のステップを含むことに留意されたい。プロセス部分に加えて、連続化学製造プロセス全体に多数の異なるタイプのセンサ１２ａが配置されており、各センサは、連続プロセスの現在の運転条件を表す異なる測定値を取得する。これらの測定値は、プロセス全体の生成物の重量、温度および流量と、入口および出口の冷却水の温度、圧力および流量と、出口ガスの組成などを含むことができるが、これらに限定されない。センサおよび得られたプロセス測定値（図１を参照）は、連続化学製造プロセスの種々のプロセス設計において異なることもあり、本発明はこれに限定されないことに留意されたい。これらのセンサから得られた測定値は、データアクセスモジュール１４によってオンラインでリアルタイムに収集可能であり、次いで、オンラインプロセスモニタリングモジュール３０に送られることが可能である。プロセスモニタリングモジュールが略リアルタイムプロセス測定値を受信すると、一連の計算が、所与の多変量統計モデル２８に基づいて実行され、プロセス異常を検出する。図３により詳細に説明されているモデル展開ステップ２６が、上記モデルをオフラインで展開するために使用され、この場合、連続化学製造プロセスの正常な安定運転は、プロセス履歴データリポジトリ、つまりデータヒストリアン２０における選択プロセスデータからのモデルによって特徴付けられている。プロセスモニタリングモジュール３０は、マン−マシンインタフェース（ＨＭＩ）３２によって表示する潜在的な製造問題および関連するプロセス変数に関する略リアルタイムプロセスデータ、統計メトリクスおよび警告を供給することを担っている。性能評価モジュール３４は、プロセス問題の警告をモニタリングするシステムに含まれており、偽警告レート、欠落警告レートおよび失敗警告レートなどの所定のモデル性能基準に基づいてモデルが再チューニングまたは再構築される必要があるか否かを判断する。必要ならば、多変量統計モデルは、判定ポイント３６においてオフセットで再構築可能である。得られるモデルはまた、モデル性能を改良するために、オンライン再チューニング用の特定の調整可能なパラメータを提供する。例えば、このような調整可能なパラメータは、判定ポイント３６においてオンラインでチューニング可能であり、モデルによって特徴付けられない動作領域における正常変化から生じ得るドリフトを部分的に補償したり、測定の検討事項（例えば、熱交換機はオフラインでクリーニングされたり維持されたりする）ゆえに変数を排除したりする。排除された変数は、排除された変数が必要に応じて最適化されたり、正常または「略正常」に戻されたりすると、必要に応じて再度付加されてもよい。任意に、このシステムにしたがった警告によって生じる問題は、製造プラント３８内の個人によって調査可能であり、また問題を訂正し、かつ警告を静めるために、必要に応じて問題は解決され、装置が調整される。本システムの使用によって、モデル２８およびプロセスモニタリング方法によって提供された詳細に鑑みると、ＨＭＩ３２によって表示される情報によってオペレータ／エンジニアは、警告を発生させる問題の生産設備内の場所を具体的に特定し、ピンポイントで示すことができる。

図３は、連続化学製造運転の正常運転を特徴付けるために、選択された履歴データから多変量部分最小二乗（ＭＰＬＳ）または主成分解析（ＭＰＣＡ）モデルを構築するための、本発明のモデル展開モジュール２６（図２）におけるステップを示すフローチャートである。各ステップは、好ましい実施形態を参照して詳細に後述され、ここでは、異常運転とは特に１つ以上のプロセスパラメータの変化のことである。後述されるように、良好な実現に影響を与える、本発明の多数の態様がある。

モデル展開
多数の異常データ領域および「ジャンク」タグが、タグレビュー１６（図２）中にモデル構築データセットから処分されるが、さらなる詳細なデータの「クリーニング」が、図３の番号４２で図示されるように、必要とされることもある。通常、これは、プラントオペレータおよびプロセスエンジニアなどの、プロセスに直接関与する個人間の相互作用によって実行される。データクリーニングステップ時に、論理サブグループの展開、正常なデータ値の確立、および応答変数に関する情報の取得を含む複数の事柄が生じる可能性がある。これらのうちの第１の、モニタリングシステムの論理サブグループの展開に関して（つまり、ユニット運転に関して、あるいはＥＯ生産プロセス内のステップなどの特定のプロセスステップに関して）、情報が評価されて、サブグループごとの多数のタグ、ならびに（プロセスのある段階からプロセスの別の段階への流体の流れなどの）別のプロセスステップへの境界をクロスするタグを取得し、この場合、タグはタグリンクとして設計されるため、プロセスのセクション同士を接続することができる。データクリーニングステップ４２時に正常なデータ値を確立する際に、閲覧可能な情報は、データタグの「正常な」ベースライン値範囲を取得して、排除されるべきデータスパイクを判断するための正常運転期間などを含む。加えて、プロセスに応じて、例えば、歩留まり、エネルギ使用、選択性および触媒選択性などを含む、プロセス全体の特定部分と関連した応答変数や性能変数に関する調整を調査および実行することが重要となり得る。これらのタグの各々について、データクリーニングステップ４２において、非正常タグ情報（つまり、データの「雑音」）は、合理的に取得可能な最良の「正規化」データセットを取得して、良好なモデルを展開するために排除される。クリーニングタグおよびモデル応答を使用することによって、ＰＣＡ（主成分解析）、ＰＬＳ（部分最小二乗方法や潜在的構造に対する射影）、または、統計プロセスコントロール（ＳＰＣ）チャートを含む当該技術分野で知られている他の適切な多変量統計モデリングアプローチなどの多変量モデル構築を使用するモデルセットが、ボックス４０に示されているように構築される。このモデルデータセットは次いで、多変量モデルステップ４４を展開するために使用される。

一般的に、モデルは、特定のプロセスの種々の挙動をプロットして、プロットされた領域内のモニタリング領域を画定することによって展開可能であり、この場合新たなプロセスデータが、モニタリング領域内に入り続ける。単一のプロセス挙動が一般的な例として説明される。ここで使用されているように、従来の統計プロセスコントロール（ＳＰＣ）チャートおよびプロセスによると、各特定のプロセスに関する情報は、応答変数としても知られており、かつ歩留まりや組成の選択性などのデータに対応するプロセス変数（Ｘ）ならびに生成物品質変数（Ｙ）の両方の多数の定常測定値に含まれることが可能であり、これは性能全体を評価するのに有用である。通常、Ｙ空間の変動について説明するプロセス変数の情報の多くは、ｔ_１、ｔ_２などと示されている少数の潜在的変数で捕捉可能である。したがって、位置に対する潜在的変数位置と、超平面における直交距離を計算することによってプロセスの一般的挙動をモニタリングすることができ、これによって、プロセスプラントが正常運転を継続する限り新たなプロセスデータ（Ｘ）が射影を継続するはずの超空間（または平面）内のモニタリング領域を画定することができる。このようなｎ次元（ｎは、必要に応じて、１、２、３、４などに等しい）の潜在的変数プロットが当該技術分野で知られており、通常は、所定の重要性レベル（例えば、１％および５％）に対応する、モニタリング境界を画定するための多数の輪郭を備える。潜在的ベクトルは通常ゼロ平均で分散されるという標準的な前提のもとでは、これらの領域はしばしば楕円で表されることが可能であり、この場合１つ以上の基準分散が、モニタリング領域の境界を画定するために使用可能である。生成物品質データＹに関する類似の射影プロットも、Ｙ空間の潜在的変数ｕ_１、ｕ_２を使用して表されることが可能である。新たなｙデータが、取得される場合には、好ましくは、この平面内の類似の領域に入ることになる。ここで使用されているモデリングは、単一モデルによる乗数ｙのモニタリングを可能にするＸに関する単一ベクトルとしてＹがモデリングされる点で一意である。

プロセスが正常運転を継続するという前提で、新たな観察が、潜在的な可変平面のモニタリング領域への射影を継続するだけではなく、これらの平面の表面にあるか、極めて近いということが想定される。したがって、二乗予測誤差つまりＳＰＥとして知られている、これらの平面からの新たな観察（ｘ_ｉまたはｙ_ｉ）の二乗直交距離が計算可能である。これらの値ＳＰＥ_ＸおよびＳＰＥ_Ｙ（ここで、Ｘはプロセス変数を表しており、Ｙは、プロセスまたは個別プロセスステップの歩留まり、およびプロセスステップや一連のステップの選択性などの応答変数を表している）の一般的な計算が、ｉ番目の観察について以下のようになされてもよい：

および

ここで、

および

は多変量統計モデルによって予測された値である。これらは、従来の範囲つまりｓ２チャートと同程度、時間に対してプロット可能であり、基準セットにはない新たな変動ソースの発生を検出する。このような新たな変動ソースは必ず新たな潜在的変数に生じるため、オリジナルの潜在的変数によって定義される平面から離れる新たな観察タグデータをもたらすことになり、したがってＳＰＥが増大することになる。通常、ｙが複数あってもよいため、モデルは、プロセス変数Ｘによって実行されたのと同様に、Ｙの超次元平面を展開する。最終的に、潜在的変数の二乗（ｔ^２）の和が判断され、これは各観察が正常変動のエリアの中央にどの程度近いかを表している。これらのパラメータのすべてを使用して、統計モデルは、例えばＳＩＭＣＡ−ＰまたはＳＩＭＣＡ−Ｐ＋（Ｕｍｅｔｒｉｃｓ ＡＢ：Ｕｍｅａ，Ｓｗｅｄｅｎから入手可能），ＭａｃＳｔａｔ（ＭｃＭａｓｔｅｒ Ｕｎｉｖｅｒｓｉｔｙ），ＳＡＳ，Ｔｈｅ Ｕｎｓｃｒａｍｂｌｅｒ（Ｒ）（ＣＡＭＯ，Ｉｎｃ．，Ｗｏｏｄｂｒｉｄｇｅ，ＮＪ）および類似の市販プログラムを含む多数の使用可能な多変量計算プログラムを使用して展開可能である。

第１のモデルの結果に応じて、モデルは、「ジャンク」と思われる新たなタグやデータ領域を時間内に除去するように、反復プロセス４６を施されることが可能である。反復が完了されると、データは、次いで「モデルセット」の異常を最小化するために多変量統計モデルを使用して判定プロンプト４８で再適合および再解析される。反復プロセスは、所望のレベルの異常最小化が達成されるまで、複数回反復されることが可能である。

モデルの検証
モデル展開に続いて、更新されたモデル係数が取得されると、多変量統計モデル４４は、プロセスステップ５２で具現化される前に一連のチェックおよび検証によって有効化される。これは好ましくは、最初にｙハット

チェックを実行してから、プロセス５０にｘハット

を実行することによって達成される。検証チェック５０のすべてをモデルが通過すると、更新および検証済みのモデルは（必要ならば）統計モデルの先行バージョンのすべてを置き換えて、オンライン具現化の準備ができる。

検証ステップ５０におけるｘハットおよびｙハットのチェックは、モデルの信頼性を改良するために、すべての個々のＸおよびＹが良好に予測されることを保証するように実行される。加えて、このような検証チェックは、早期のチェック時には欠落していた無効データをさらに捕捉する働きをすることができる。次いで、ＸをＹからＴに関連付けることができるため、良好な予測器が取得され、モデルにおける雑音の削減または最小化がなされる。さらなるチェックはまた、展開されたモデルに基づいた、特定のプロセスに関する予測温度、圧力、流量および試薬量などが、具体的な製造や生産プロセスで現在具現化されている実際値と大きく異ならないことを保証するために、検証ステップ５０で実行されてもよい。ｘハットおよびｙハットのチェックは、潜在的な多変量モデルの評価の際および／またはモデルの微調整時に使用される。これらのチェックの使用は、オンライン具現化用のより堅固かつ有用なモデルの構築を支援する。ｘハットチェックは、ｘ変数の個々の時間傾向をこれらの予測値

と比較して、タグが本質的に多変量であり、かつ正常運転を示しているか否かを判断する。ｙハットチェックはｙ変数の個々の時間傾向をこれらの予測値

と比較して、特定のｙ変数がうまく予測され、正常運転しており、かつプロセス変数の残りと正常に相関されるか否かを判断する。ｘ変数の予測値が特定期間の測定値と一致しない場合、このことは、正常なデータセットから排除されるべき異常条件を示していることもある。代替的に、特定のｘ変数が一般に期間全体でモデルによってもうまく予測されない場合、このことは一変量特徴であり、プロセスの残りの部分に伴って変化しないこともあり、つまりこのような場合、変数は多変量モデルから除去されてもよい。ｙ変数の測定値と予測値の大きな偏差が判断されると、このことはしばしば、さらに調査されるべき、あるいはモデルの構築に使用される正常なデータセットから排除されるべきプロセスの正常相関パターンの偏差を示している。ｘハットチェックおよびｙハットチェックの両方が、ＳＰＥ_ｘ、ＳＰＥ_ｙおよびＴ^２の検証に対して相補的であり、これらはｘおよびｙの変数のすべてについての情報を結合する。

図３を引き続き参照すると、ステップ５０の検証に続いて、多変量統計モデル４４は、当該技術分野で知られている方法およびプロセスを使用して、オンラインモデル具現化（５２）について構成可能である。例えば、通常のオンラインモデル構成プロセスにおいて、係数は、市販されているか、当業者によって容易に開発可能な多数の具体的なプログラムを使用してモデルから抽出される。例えば、モデル展開は、プログラムＳｉｍｃａ−Ｐ（Ｕｍｅｔｒｉｃｓ ＡＢ）を使用して実行可能であり、個別ツールが、係数の抽出に使用可能である。次いでこれらの抽出された係数は記憶されて、オンライン計算によって検索可能である。ＰＬＳ計算モジュールは、計算をスケジューリングし、データを抽出し、データをファイルに書き込むために、例えばＰｒｏｃｅｓｓＭｏｎｉｔｏｒ（Ｒ）および／またはＰｒｏｃｅｓｓＮｅｔ（Ｒ）（Ｍａｔｒｉｋｏｎ）処理システム、オンライン具現化に関する類似のプロセスを使用して構成される。この構成に続いて、モデルは１つ以上のサーバ／グラフィカルインタフェース（５４）にインストールされて、略リアルタイムモニタリングで使用するために具現化される。

連続オンラインモニタリングの連続運転中に、システムは、特にモニタリングプロセスにしたがって生じた警告に関して、データ検証問い合わせ５６を連続的に施される。このために、生じたプロセス警告が有効であると判断されると、搬送パイプにおける流量や試薬添加レートの調整などの問題を訂正するために、適切なステップが用いられることが可能である。しかしながら、生じた警告が偽であると判断されると、複数のオプションが用いられることが可能である。問題はマニュアルで解決され（５８）てもよく、あるいは多変量統計モデル自体が監視下に置かれることもあり、したがって、モデル自体が、エラーの性質に応じて、必要ならば、リモデリング（６０ａ）、改訂（６０ｂ）、または再計算および再検証（６０ｃ）されてもよい。

図４は、特定の生成物、例えば化成品の製造プロセスの略全体を連続モニタリングするために使用されるＰＬＳやＰＣＡモデルの一例のデータフローを示している。本発明は、プラント全体や、プラントの複数のユニット運転をモニタリングするために使用可能である。システムはオフラインモデル７８によって開始され、この展開は図１から図３に総称的に示されており、図２はオンラインおよびオフライン両方のコンポーネントを示している。上記のように展開されたモデルを使用して、プロセス全体のステップの各々で生産プロセス全体をモニタリングするシステムは、図４で番号７０によって一般的に識別されている。オンラインモデルコンポーネント７６は通常、図５により詳細に示されるように、手動入力、またはコンピュータネットワークリンクやサーバのデータアクセスインタフェース７２のいずれかによる入力データ７１へのアクセスを有するコンピュータシステムで具現化されてもよい。これらのデータ値はステップ７３で事前処理されて、欠落しているか不確実な値を検出して、必要に応じて判断された推定値と置換する。

運転中、図４に示されたように、システムはプロセス全体のモニタリングポイントからデータを連続的に収集および事前処理して、これをＰＬＳやＰＣＡモデル７６に送信して評価する。継続的に、モデル出力が算出されて、後の検索のためにデータ記憶装置７７に書き込まれる。アイテム７９によって示されているように、ユーザは、入力ソース７１ならびに記憶されたモデル出力７７（ＳＰＥｘ、ＳＰＥｙ、Ｔ^２など）からの未加工タグデータを連続的かつ遠隔的にアクセスおよび閲覧することができる。データは、図５に詳細に示されているディスプレイインタフェース７４を介してユーザに提供される。

通常、モデルは、オンラインモニタリング中にたまに起こる更新のみを必要とする。モデル更新ステップ時に、データベース７７に記憶されているデータは、オフラインモデル適合ステップである処理ステップ７５で使用可能である。さらなるプロセスデータは、図２と関連して説明されているプロセス評価ステップを使用してチェックされ、新たなモデルは既存のオンラインおよびオフラインのモデル７８および７６を置換する。

オンラインシステムの使用
図５は、オンラインモデル具現化およびデータフローに関するさらなる詳細を提供する。図５を参照すると、本発明の態様にしたがった詳細なデータフローアーキテクチャの概略図が示されている。ＰＩ（プラント情報）システムなどのデータヒストリアンサーバ８２が、適切なアプリケーションプログラムインタフェース（ＡＰＩ）を介してプロセスモニタリングサーバシステム８０にリンクされる。ここで使用および説明されているこのようなＡＰＩは、２つの個別および／または異なるソフトウェアを統合するために使用可能な事前書き込みソフトウェアとして当該技術分野で知られている。このようなＡＰＩの一例は、主要な検索エンジン（例えば、Ｇｏｏｇｌｅ）を使用するための検索機能性を提供する、第三者ウェブページで使用される標準インタフェースコードである。相互接続されたソフトウェア間の詳細な相互作用（例えば、データ転送、タスク開始およびコントロール）をコントロールする機能が特定される。図５に示されているように、ヒストリアンサーバ８２へのヒストリアンＡＰＩ８４はシステム８０内で起動されて、１つ以上のアクション経路を生じさせる。例えば、図示されているように、ＡＰＩは、ウェブ視覚化サービスアプリケーション８６へのヒストリアンデータアクセスを提供してもよく、これは、図２の統計モデル２８からの情報を処理する、Ｍａｔｒｉｋｏｎ ＰｒｏｃｅｓｓＮｅｔなどの判定サポートソフトウェアパッケージである。ウェブ視覚化サービス８６から生成された情報は次いで、ハイパーテキスト転送プロトコル（ＨＴＴＰ）を介して遠隔のクライアント／オペレータに転送可能であり、この場合、遠隔のクライアント／オペレータは、インターネットエクスプローラ（Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ）（Ｒ）の遠隔クライアント９８などのマン−マシンインタフェースを使用して生産プロセスを連続オンラインモニタリングするために、システムにアクセス中である。

任意に、かつ同様に受容可能なことに、ヒストリアンインタフェース８４は、計算エンジン９０と（直接または間接に）相互作用可能であり、これは、（Ｍａｔｒｉｋｏｎ（Ｅｄｍｏｎｔｏｎ，Ｃａｎａｄａ）から入手可能な）ＰｒｏｃｅｓｓＭｏｎｉｔｏｒ（Ｒ）などの適切な略リアルタイム計算システムであってもよい。本発明のこのような計算システムは、製造プロセス中のプロセスおよび／または機器の問題を予測および防止して性能および使用可能性を最大化するために、より大きなシステムに一体化される。構成された計算エンジン９０は、（Ｔｈｅ ＭａｔｈＷｏｒｋｓ（Ｎａｔｉｃｋ，ＭＡ）から入手可能な）ＭＡＴＬＡＢ（Ｒ）や、知られておりかつ使用可能な他の適切な数学解析プログラムなどの数学解析システム９４にＡＰＩを介して情報を送受信する。ＭＡＴＬＡＢ（Ｒ）などのこのような数学解析システムはしばしば、Ｃ、Ｃ＋＋、Ｖｉｓｕａｌ ＢａｓｉｃおよびＦｏｒｔｒａｎを含むがこれらに限定されない従来のプログラミング言語よりも高速で計算集中的な数学タスクを開発者が具現化できる高レベル言語および相互作用環境である。これらの相互作用環境はここでは、アルゴリズム開発、データ視覚化、データ解析、信号処理および数値計算を含むがこれらに限定されない連続オンラインモニタリングプロセスの使用と一体化された多数の数学関連プロセスやアプリケーションに使用される。

図５に概略的に示されているように、計算エンジン９０は、予測プロセスで使用する上記のモデルパラメータアーカイブ９２からテキスト情報を同時に受信する。システム９４およびアーカイブ９２と相互作用しながら、データベース管理サーバ８８およびローカルヒストリアン８９と同時に通信する。ローカルヒストリアン８９は、後に使用および表示する中間および最終的な計算を記憶しており、ＯＰＣ（プロセスコントロール用のＯＬＥ（Ｏｂｊｅｃｔ Ｌｉｎｋｉｎｇ ａｎｄ Ｅｍｂｅｄｄｉｎｇ））デスクトップヒストリアンなどの多様な使用可能ソフトウェアパッケージを使用して具現化可能である。計算エンジンは、Ｏｐｅｎ Ｄａｔａｂａｓｅ Ｃｏｍｐｕｔｉｎｇ ｃｏｎｎｅｃｔｉｏｎ（ＯＤＢＣ）およびＯＰＣインタフェースなどの適切な通信ルートを使用して、データベース管理サーバおよびローカルヒストリアンと通信する。サーバ８８は通常、適切な言語、例えばＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）でフォーマットされたクライアントマシーンからの問い合わせに応答可能なＳＱＬサーバなどのデータ管理システムである。ローカルデータヒストリアン８９は、計算エンジン９０やモニタリング視覚化サービス８６による後の検索のために、システムによって生成された計算を記憶するために含まれている。サーバ８０内に示された情報の連続流を使用して、本発明の連続オンラインモニタリングプロセスは、プラントサイトにおいて、あるいは遠隔的にインターネットクライアント９８を介して実行可能である。連続オンラインモニタリングツールおよびインタフェースは、不良または予期せぬ性能および予定外の製造システムのダウンタイムの根本原因の検出および診断を可能にする。

電子スプレッドシート、ディジタルダッシュボーおよび表データなどを含む、システムオペレータによって閲覧されるモニタ上の多数の適切なビジュアルディスプレイが本発明にしたがって使用可能であるが、好ましい（しかし、限定的ではない）ビジュアルアプリケーションおよびこの使用が図６から図９に示されている。

図６を参照すると、モデルブロックとも称される（例えば、ＥＯ反応器、ＥＯ吸収およびストリップ、ＣＯ２除去、光端部除去およびＱｕｅｎｃｈ／Ｇｌｙｃｏｌ Ｂｌｅｅｄシステムなどの）複数の主要ディスプレイ要素１０２を備える生産プロセスの略リアルタイム連続モニタリング中の例示的工業生産設備のメイン概観ディスプレイスクリーン１００が示されている。さらに図示されているように、主要ディスプレイ要素、つまりモデルブロック１０２の各々は、要素自体の説明や、シンボル、グラフィカルアイコンまたは画像を含むテキストラベルや、これと関連した適切な識別子を有することができる。例えば、略リアルタイムモニタリング中、ユーザは、表されているモデルブロックに関する潜在的なプロセス不良を検証および調査するために、モデルブロック１０２上でマウスや他の適切なコンピュータハードウェア（例えば、スタイラス）などの選択デバイスをクリックすることができる。

メイン概観ディスプレイスクリーン１００のさらなる特徴は、計算ステータスインジケータ１０１と、モニタリング中のプロセスに関する略リアルタイム情報を提供するライブタグデータディスプレイ１０４と、場合によっては、任意の適切な選択デバイスを使用して、ユーザが自分の判断でモニタリング中のプロセスの傾向を容易に移動できるようにするＴｒｅｅｖｉｅｗペイン１０６とである。計算ステータスインジケータ１０１は、モデル自体の計算に関する情報を提供するように作用し、ディスプレイスクリーン１００の適切なセクションで選択デバイスを移動させることによってプロンプトされることが可能である。ライブタグデータディスプレイ１０４は、図示されているようなディスプレイモニタ自体に繰り返し出現可能であり、あるいは選択デバイスやメニューによってプロンプトされる場合にのみポップアップ表示可能である。これらのライブタグディスプレイ１０４は、温度、圧力およびガス発生データを含むがこれらに限定されない頻繁にモニタリングされるタグデータを、生産プロセスから略リアルタイムに（「ライブで」）表示するのに使用可能である。ライブタグデータディスプレイ１０４はまた、より詳細に後述されるように、「ドリルダウン」技術を使用してライブタグデータ値を迅速に評価するために使用されてもよい。

主要なディスプレイ要素、つまりモデルブロック１０２は複数の色が可能であり、これらの色は好ましくは、「ディスプレイ要素」自体によって表された、モニタリングされる特定のアイテム（複数可）の算出、測定またはモニタリング属性によって判断される。算出、測定またはモニタリング属性は、本発明の多変量統計モデルに直接相関およびリンクされる。様々な理由および好みによって多数の色が使用可能であるが、一般的にここで使用されているディスプレイ色は、モニタリング中のプロセスの連続モニタリング範囲や一連の値を反映させるためのものである。例えば、要素の色は、現在表示中のデータセット内の主要ディスプレイ要素の色をコントロールする１つ以上の属性の実際の数値範囲に対応可能である。代替的に、ディスプレイ要素の色は、要素の色をコントロールする属性の可能な数値範囲に対応可能である。本発明の一態様では、略リアルタイムモニタリング中、ディスプレイ要素１０２は赤色から緑色に及ぶ可能性があり、緑色はモニタリングされた値の安定した性能を示し、オレンジ色または黄色は潜在的に問題のある性能を示しており、赤色のディスプレイ要素は、低下した、または問題のあるプロセス性能を示している。本発明の本態様によると、連続オンラインモニタリングシステムは、製造プロセス全体それ自体のうちに（汎用モデルブロック１０２で表されるような）プロセスのほとんどすべてを含むものと思われ、製造進度は、必要に応じて分単位、時間単位、日単位、月単位または年単位を含む、ユーザが選択した時間間隔で最初から最後まで連続モニタリングされる。

図７は、リアルタイムの連続モニタリング中に図６のモデルブロック１０２に「ドリルダウン」することによって得られるような、工業生産設備内の一般プロセスの詳細によって、典型的な二次コンピュータ概観スクリーンディスプレイ１１０を示している。ここで使用されているように、「ドリルダウン」は、マウスなどの適切な選択手段を介して、またはディスプレイスクリーン上の可動カーソルを使用して特定の要素や対象のサブ要素をユーザが選択して、このような要素を選択することによって、要素やサブ要素によって表されている製造やプロセスイベントの現在のリアルタイム進度に関するより詳細な情報を取得することである。図面から分かるように、ディスプレイスクリーン１１０は通常、任意のＴｒｅｅｖｉｅｗペイン１０６と、１つ以上の寄与度または整合性プロット１３０、１４０および１５０と、図示のとおり四分割面に表示された任意の寄与度テーブル１６０とを備えてもよいが、このタイプのディスプレイは決して限定的ではなく、性質のみが例示的である。

図７のモデルセクション概観スクリーン１１０に示されているように、ディスプレイプロット１３０はＸ整合性インデックスプロットであり、基準セットにはない新たな変動ソースの発生を検出する際に使用するために、時間に対するＸＣｏｎとしてプロットされている具体的なプロセス変数のＸ整合性（ここに表示されたプロットではＸＣｏｎとも称されるＳＰＥ_ｘ）を示している。反応器に入る流体の温度などの、評価中のプロセスの変化や変動は、オリジナルの潜在的変数を定義する「平面」から遠ざかる新たなデータポイントをもたらすことによって、ＸＣｏｎ（ＳＰＥ_ｘ）の増大をもたらす。図７に示されているように、ディスプレイプロット１３０の正常プロセス運転に由来するデータはコントロール限度１３２の上下になるが、（本例のように）圧力が低下すると、ＳＰＥ_Ｘは丸で囲んだ領域１３３のコントロール限度１３２を急速に侵害し、さらなる調査を受けるイベントが発生したことをユーザに示している。ＳＰＥのコントロール限度は、データヒストリアンなどからの基準データを使用して、ここで展開および説明されているモデルに基づいた仮定テストセットに対応する。同様に、ディスプレイプロット１４０は、同一のモデルブロック１０２によって表されたプロセスと関連したＹ整合性（ＹＣｏｎやＳＰＥ_ｙ）を示しており、この場合ＳＰＥ_Ｙにコントロール限度１４２を破らせるデータ動作はまた、さらなる調査を施されるイベントの発生を示しており、このことは、図６のディスプレイ１００に指示色の変化をもたらした。図７のディスプレイプロット１５０はプロセス状態全体（ＯｐＳやＴ^２）を示しており、特定のプロセスの「正常データ」の中心からの距離を表している。上記ディスプレイプロット１３０および１４０と関連して説明されるように、Ｔの二乗（Ｔ^２）の値に事前設定モニタリング限度１５２を破らせるプロセスからの演算データは、システムオペレータやユーザがさらに調査すべきイベントの発生を指示または示唆することができる。

図７のディスプレイ四分割面１６０は、任意に表示された寄与度ペインを示しており、これは多数のユーザ指定ディスプレイであってもよい。図示されているように、ディスプレイ四分割面１６０は、現在のＸ不整合に対する上位５つの寄与度１６２のサマリーテーブルを備えてもよい。本開示と関連してディスプレイ四分割面１６０に表示されてもよい他の診断ツールは、解析中のプロセスの特定のセクション、つまり、特定のプラントセクションなどの選択されたプロセスセクションのコンセンサスｔ_１−ｔ_２平面のツリーマップを含んでもよい。潜在的な可変空間におけるこの後者のタイプのデータ射影は、診断目的でここに説明されているシステムにしたがって有用である。例えば、このタイプのディスプレイは、潜在的な可変空間の特定の領域に移動するデータ射影によって特徴付けられることが可能な不純物汚染および反応器汚染などの不具合を確認する際に有用である。ここに図示されていないが、複数の変数がｔ_２対ｔ_１平面に表示およびプロットされてもよく、ここでモニタリング領域は楕円や類似の境界線によって示されている。モニタリング領域の「外部」で生じるこれらのデータポイントは、生じ得る不純物、誤差温度および圧力などを含む多数のモデル変数に起因することもあるため、必要ならば、さらなる調査を必要とすることもあるポイントである。

プロセス全体の具体的な特徴についてユーザがさらなる詳細を望んだり、ディスプレイの要素やサブ要素のうちの１つの具体的または潜在的問題に関してさらなる詳細の取得を所望する場合、ユーザは、図７に示されているプロットのうちの１つ以上のコントロール限度外の特定の対象領域を選択することによってさらなる詳細な情報を取得することができ、プロセスの詳細に関する情報のさらなるサブレベルに「ドリルダウン」することができる。図８は、図７のディスプレイプロット１３０の拡大図によって例示的ディスプレイスクリーン１７０を示しており、表示されている時間範囲１７２だけではなく、相対的および／または範囲の寄与度を計算するためのユーザ選択可能なオプション１７６と、ＭＳＰＣを破るのに寄与する予測エラーをさらに閲覧するために、ユーザに１つ以上のポイントを時間内に選択させるＭＳＰＣメトリクス１７４の時間傾向とを示している。特に、ＭＳＰＣプロット１７４はＸ整合性（ＳＰＥ_ｘ）と、特定のプロセス、本例では光端部除去（ＬＥＲＡ）プロセスについて（底部軸に沿って示されている）一定期間における正常値からの差を示している。このように、検出されたプロセス演算データポイント１７４のうちの１つ以上が、製造または生産プロセス全体のこの要素についてモニタリング限度１３２の突破に寄与していることがより明らかに分かる。引き続き突然のバッファ容器圧力の低下という一例においては、ＭＳＰＣプロットおよびさらなるドリルダウン情報によって本発明の連続オンラインモニタリングシステムのユーザは、生産プロセスの潜在的問題を調査すべきプロセスプラントのエンジニアに指示することができる。この情報は製造プロセス内の問題ポイント（複数可）を具体的に特定するのに有用であり、プロセスがさらに層流化されて、生成物生産が最大化され、または安全性コントロールが最大化されるようにして、不要または望ましくない危険や事故を最小化することができる。

図８Ｂはディスプレイウィンドウ１８０を示している。図８Ｂにおいて、図８Ａのプロット１７４のＭＳＰＣ時間傾向１８１の代替図が示されており、この場合ユーザは、ＭＳＰＣエラーに寄与する、対象となる特定の個別プロセスポイントに「ドリルダウン」することによって、さらに閲覧するために所望の開始および終了日の範囲を１８６で選択している。寄与度解析を開始するために、ユーザは選択された時間範囲でのＳＰＥ_ｘメトリクスに対するタグ寄与度のプロットを生成するための実行ボタン１８８を選択する。ディスプレイは、時間変動ＳＰＥ_ｘメトリクス１７４と、閾値モニタリング限度１３２の値と、対象の外部データポイントの丸で囲んだ範囲１３３とを示している。図８Ｃは、図８Ｂに示されているデータポイントの相対的寄与度計算を要求および取得するための図である。ここに示されているように、１８７で範囲選択および相対的寄与度オプションの両方が選択され、その後ディスプレイプロット１８１内のベース範囲１８９の開始および終了ポイントが選択される。相対的寄与度に関する対象範囲１３３の開始および停止ポイントが次いで選択され、ボタン１８８が、計算を実行するために選択される。

図９は、ディスプレイプロット１８１からのドリルダウンを示すディスプレイウィンドウ１９０を示しており、タグに対してスケーリングされた寄与度のバープロットとしてタグの範囲寄与度を示している。ディスプレイウィンドウは、それぞれポジティブおよびネガティブ両方の寄与度タグ１９２および１９３と、寄与度のタイプ（この場合は、ＸＣｏｎやＳＰＥ_ｘ）を表示するインジケータ１９８と、表示された寄与度の時間範囲とを示している。ディスプレイウィンドウ１９０はまた、ディスプレイテキスト１９６に示されているように、不整合対限度の値に関する情報を提供可能である。タグを寄与度から一時的に排除できるようにするための、チェックボックスなどの選択デバイス１９４はまた任意に含まれてもよい。１９２などの適切な選択デバイスをバーに配置することによって、ユーザはタグ記述情報を取得することができ、また所望のバーを選択することによって、図１０に示されているような時間傾向情報を閲覧することができる。図１０は、ディスプレイウィンドウ２００内の時間傾向グラフィックプロットを示しており、図９のタグ１９２のドリルダウンから生じる例示的なタグプロット２０２を経時的に示している。ディスプレイウィンドウ２００はまた、示されているプロットに関する情報を表示するためのインジケータ２０３を含む。図１０に示されているような傾向およびタグプロットは、（Ｍａｔｒｉｋｏｎ ＰｒｏｃｅｓｓＮｅｔスィート（Ｅｄｍｏｎｔｏｎ Ａｌｂｅｒｔａ，Ｃａｎａｄａ）の一部として使用可能な）ＮｅｔＴｒｅｎｄソフトウェアツールなどの適切なソフトウェアやアプリケーションを使用して表示可能である。本例では、バッファ容器圧力の時間傾向が示されており、丸で囲んだ領域２０４は、潜在的に異常な、圧力の突然の低下に対応するとみられる。本例では、この圧力低下は、図７から図８Ｃの丸で囲んだ領域１３３で観察され、かつ図６から図９の「ドリルダウン」によって検証される大きなＸ整合性誤差（ＳＰＥｘ）の決定的な要因である。したがって、ユーザは、少数の層のドリルダウン内で、潜在的異常が発生していた、実質的に製造プロセス全体の適切なプロセスポイントを判断することができる。

次に図１１を参照すると、コンピュータシステム２０１全体が、製造プロセスの種々のユニット運転間の通信を一体化した略リアルタイム運転で使用する連続オンラインモニタリングシステムの工業的具現化について示されている。図１１に示されたシステムアーキテクチャは、オンラインモニタリングシステム２０７とオフラインモデリングシステム２０５という２つの基本コンポーネントからなってもよい。データ層２０６と、計算層２０８と表示層２１０とを備える標準３階層ソフトウェア展開フレームワークに続くオンラインモニタリングシステムが設計されている。

データ層２０６内では、データアクセスサーバ２２０が、製造プロセスや設備の複数のユニット運転から複数のプロセス測定値（タグ）２３２への連続的な略リアルタイムアクセスを提供する。本発明のいくつかの非限定的実施形態によると、ＯＰＣデータアクセス仕様が採用されてもよいが、ＰＩは必要な場合または所望の場合に使用されてもよい。選択された略リアルタイムデータは、通常はイーサネット（登録商標）接続を使用して具現化されるデータアクセスネットワーク２１６を介して、モデル計算のために第２の層２０８に、同時にデータアーカイブ化のためにプロセス履歴データベース２１８に供給される。アーカイブ化データは、必要ならば、例えばＭＰＬＳ（潜在的構造への多変量射影）やＭＰＣＡ（多変量主成分解析）モデルが、生産プロセス全体の変化に関して再構築や修正が必要とされる場合に、オフラインモデリングシステムによって使用可能である。

図１１の計算層２０８は、データアクセスインタフェース（例えば２１６）を介して略リアルタイムデータを受信可能な計算サーバ２２２を備える。サーバ２２２はＭＰＬＳやＭＰＣＡの計算（複数可）を実行可能であり、またＨＭＩ（マン−マシンインタフェース）コンピュータ２２４や遠隔オペレータ２２６、２２８に警告関連情報を送信することができる。

表示層２１０はＨＭＩコンピュータ２２４、インターネットや安全なサーバを介してシステムに接続された遠隔オペレータ表示システム２２６、および／または、専用デバイスであってもなくてもよいＰＤＡなどの無線接続を介してシステムに接続された遠隔オペレータディスプレイ２２８を備えることができる。マン−マシンインタフェースコンピュータシステム２２４は製造設備のコントロールルームに直接配置されてもよく、また通常は、現在の運転条件を表示し、（ＳＰＥおよびＴの二乗統計によって、ここに説明されている多変量モデルから提供される情報に基づいた）異常温度スパイクや流れコントロール問題などの切迫するプロセス異常に関する警告を提供し、また警告が発生された場合に正確な判定をするためにオペレータをサポートすることができる。コンピュータシステム２２４と併用するサーバ／ユーザインタフェースは、（Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐ．から入手可能な）インターネットエクスプローラ（Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ）や類似のソフトウェアを含むがこれらに限定されない、当該技術分野で知られている適切なインタフェースであってもよい。

オフラインモデリングシステム２０５は、データアクセスネットワーク２１６を介して生産ネットワークに接続する１つ以上の展開コンピュータ２１２を含む。展開コンピュータ２１２は、連続的なＭＰＬＳやＭＰＣＡのモデル展開や、モデル性能評価および他のアドホック解析で使用するために、ここに説明されているようなプロセス履歴データにアクセスすることができる。これらの解析は、高アップタイムでシステムを稼働させ続けるために極めて重要である。加えて、ＭＰＬＳとＭＰＣＡ両方のモデル展開方法がここでは適用可能であるが、本発明の一態様によると、統計モデル展開の好ましい方法はＭＰＬＳやＰＬＳである。

当業者は、上記コンピュータシステムが異なる環境で変化することもあり、例えば、カスタマイズ化データ取得システムがデータアクセスサーバを置換するために使用されてもよく、あるいはＨＭＩマシーンの表示機能が、分散コントロールシステム（ＤＣＳ）などの他のコントロールシステムに一体化されてもよい点を認識する。したがって、本発明は、上記のシステムやアーキテクチャのみに限定されない。

ここで説明されている方法およびシステムは、多様な製造シナリオに適用可能である。例えば、エチレンオキシド、エチレングリコール、スチレン、低オレフィン、プロパンジオール（生物または合成ＰＤＯ）を含むがこれらに限定されない化学製造プラントや類似のこのような化学製造プラントの連続オンラインモニタリングで使用するのに適しているのに加えて、ここで説明されているシステムおよび方法はまた、精製所、石油化学生産設備および触媒製造設備などに適用可能である。例えば、本発明の連続的な略リアルタイムモニタリングシステムおよび方法は、化学プロセス中の触媒性能をモニタリングする際、および回転機器などの機械類の性能特徴を監視する際に使用可能である。加えて、ここに説明されているシステムおよび方法は、コンプレッサなどの遠隔配置設備のモニタリングに使用されてもよい。他の用途は、油圧破砕、水質コントロール、および複数の遠隔配置された炭化水素や水分の生産ウェルでの生成などのプロセスの連続的な略リアルタイムモニタリングを含む。一般的に、ここに説明されているシステムは、少なくとも１つの多変量特徴を有する化学または製造プロセスやコンポーネントと併用されてもよい。

本発明は、好ましい他の実施形態と関連して説明されてきたが、本発明のすべての実施形態が説明されているわけではない。示されている実施形態に対する明確な修正や変更が当業者に使用可能である。開示および未開示の実施形態は、出願人によって考案された本発明の範囲および適用可能性を限定および制約することは意図しておらず、むしろ、特許法に準拠して、出願人は、以下の請求項の範囲や、これと同等範囲にまでこのような修正および改良のすべてを保護することを意図している。

Claims (14)

1. 工業生産設備の運転状態を連続的にオンラインモニタリングするための略リアルタイムシステムであって、
   工業生産設備内に位置決めされた複数の解析データ測定値センサと、
   多変量統計モデルと、
   現在の運転条件および最近の履歴を表示するためのマン−マシンインタフェースとを備えており、
   システムが、工業生産設備の複数のユニット運転を備える、システム。
2. 連続運転している工業生産設備の連続オンラインモニタリングして、切迫したプロセス異常を予測する略リアルタイムシステムであって、
   工業生産設備の略リアルタイムプロセス解析データを取得するための複数の測定値センサと、
   データアクセスモジュールと、
   モデル計算モジュールと、
   現在の運転状態と、計算済みプロセス状態にしたがった所望の運転範囲とを表示するためのマン−マシンインタフェースとを備える、システム。
3. 工業生産設備が、連続化学生産設備、バッチ化学生産設備、石油化学生産設備、精製プロセス設備、掘削炭化水素または水の生産システムと、これらのサブシステムと、これらの組み合わせからなる群より選択される、請求項１または２に記載の略リアルタイムシステム。
4. 工業生産設備がエチレンオキシド／エチレングリコールプラントを含む、請求項１または２に記載の略リアルタイムシステム。
5. マン−マシンインタフェースもまた正常な運転状態からの偏差を表示する、請求項２から４のいずれか一項に記載の略リアルタイムシステム。
6. モデル計算モジュールが多変量統計モデルを含む、請求項２から５のいずれか一項に記載の略リアルタイムシステム。
7. 複数の測定センサが生産設備内の複数のポイントに配設され、データをデータヒストリアンに送信可能である、請求項１から６のいずれか一項に記載の略リアルタイムシステム。
8. 気体および／または液体サンプルを取得して解析する複数のサンプリングポートをさらに備える、請求項１から７のいずれか一項に記載の略リアルタイムシステム。
9. 気体および／または液体サンプルが毛細管によって解析器に送られ、解析器からデータヒストリアンに送信されるデータを取得する、請求項８に記載の略リアルタイムシステム。
10. 測定値センサが、ｐＨプローブ、比重計、ガスクロマトグラフ、圧力センサ、温度センサ、流量計、流体レベルセンサおよび分光計からなる群より選択される、請求項１から９のいずれか一項に記載の略リアルタイムシステム。
11. 運転状態が圧力、温度、組成、流量および容積を含む、請求項２から１０のいずれか一項に記載の略リアルタイムシステム。
12. 連続またはバッチ工業生産設備の運転を略リアルタイムでモニタリングする方法であって、
    モニタリングされる工業生産設備の複数のユニット運転からプロセスデータを取得するステップと、
    工業生産設備の正常運転に対応する多変量統計モデルを展開するステップと、
    ｘハットチェックおよび／またはｙハットチェックを使用して多変量統計モデルを検証するステップと、
    多変量統計モデルを組み込む連続的な略リアルタイムオンラインモニタリングシステムを生成するステップと、
    工業生産設備の運転中に複数のユニット運転からプロセスパラメータのオンライン測定値を取得するステップと、
    オンライン測定値が、多変量統計モデルによって表現される正常運転パラメータと一致しているか否かを判断するステップとを備える、方法。
13. 工業生産設備が、連続化学生産設備、バッチ化学生産設備、石油化学生産設備、精製プロセス設備、掘削炭化水素または水の生産システムと、これらのサブシステムと、これらの組み合わせからなる群より選択される、請求項１２に記載の方法。
14. 工業生産設備がエチレンオキシド／エチレングリコールプラントを含む、請求項１２に記載の方法。

Images