JP4079321B2 - プロセスプラントにおけるキャビテーションの監視システム及び検出方法、並びにフィールドデバイス - Google Patents

Description

本発明は、一般的にプロセスプラント内におけるプロセス制御システムに関するものであり、さらに詳細には、プロセス制御プラントにおいてキャビテーションの検出を補助する協調型監視システムの利用に関するものである。

本出願は、２００１年３月０１日に出願され、その表題が「プロセス制御プラントにおける資産活用エキスパート」である特許文献１による優先権を主張し、この出願に基づく通常出願である。

化学プロセス、石油プロセス、または他のプロセスにおいて利用されるプロセス制御システムは、アナログバス、デジタルバス、またはアナログ／デジタルを組み合わせたバスを介して、少なくとも一つのホストワークステーションもしくはオペレータワークステーションと、フィールドデバイスの如き一または複数のプロセス制御・計測デバイスとに通信可能に結合された集中型プロセス制御装置もしくは非集中型プロセス制御装置を備えているのが普通である。フィールドデバイスとは、たとえば、バルブ、バルブポジショナ、スイッチ、トランスミッタ、およびセンサ（たとえば、温度センサ、圧力センサ、および流速センサ）などであり、バルブの開閉およびプロセスパラメータの測定の如きプロセス内の機能を実行する。プロセス制御装置は、フィールドデバイスにより作成されるかまたはフィールドデバイスに関連するプロセス測定値またはプロセス変数および／またはこれらのフィールドデバイスに関連する他の情報を表す信号を受信し、この情報を利用して制御ルーチンを実施し、その後制御信号を生成する。この制御信号は、プロセスの動作を制御すべく上述のバスのうちの一または複数のバスを介してフィールドデバイスに送信される。フィールドデバイスおよび制御装置からの情報は、通常、オペレータワークステーションにより実行される一または複数のアプリケーションが利用できるようになっており、これにより、オペレータは、プロセスの現在の状況の閲覧、プロセス動作の修正などの如きプロセスに対する所望の機能を実行することができる。

プロセス制御システムは、通常、一または複数のプロセス制御装置に接続されたバルブ、トランスミッタ、センサなどの如きプロセス制御・計測デバイスを多く備えており、このプロセス制御装置は、プロセスの動作中に前述のデバイスを制御すべくソフトウェアを実行するが、プロセス動作に必要なまたはプロセス動作と関連する支援デバイスはこれらの他にも多くある。これら追加のデバイスには、たとえば、電力供給装置と、電力発生および分配装置と、タービン、ポンプの如き回転装置とが含まれ、これらは、通常のプラント内の複数の場所に設置されている。これらの追加の装置は、プロセス変数を必ずしも作成するわけでなく、ほとんどの場合には、プロセス動作に影響を与える目的では制御されることもなければプロセス制御装置に結合されることもないが、これらの装置はプロセスの適切な動作にとって重要であり、終局的には必要なものである。しかしながら、従来は、プロセス制御装置は、このような他のデバイスを必ずしも把握しているわけではなかったかまたは、プロセス制御装置は、プロセス制御を実行する際にはこれらのデバイスが正しく動作すると仮定していただけであった。

さらに、プロセスプラントには、ビジネス機能または保守機能に関連するアプリケーションを実行するためにプロセスプラントに結合された他のコンピュータを有しているものが多い。たとえば、プラントによっては、原料、交換部品、またはプラント用デバイスの注文に関連するアプリケーション、販売および生産要求の予測に関連するアプリケーッションなどを実行するコンピュータを備えている場合もある。同様に、ほとんどのプロセスプラント、とくにスマートフィールドデバイスを利用するプロセスプラントでは、これらのデバイスがプロセス制御・計測デバイスであるかまたは他のタイプのデバイスであるかに関係なく、プラント内でこれらのデバイスの監視・保守を補助すべく利用されるアプリケーションを備えている。たとえば、ローズマウント社により販売されている資産管理ソルーション（ＡＭＳ）用アプリケーションを使用することにより、フィールドデバイスの動作状態を確認・追跡すべくフィールドデバイスと通信が可能になり、このフィールドデバイスに関連するデータを格納することが可能になる。このようなシステムの一例が、「フィールドデバイス管理システムにおいて利用される統合通信ネットワーク」という表題の特許文献２に開示されている。場合によっては、デバイスと通信してこのデバイス内のパラメータを変更する目的で、デバイスによりデバイス自体に自己校正ルーチンまたは自己診断ルーチンの如きアプリケーションを実行させる目的で、デバイスの状況または調子に関する情報を取得する目的で、ＡＭＳアプリケーションを利用することがある。この情報は、これらのデバイスを監視および保守すべく保守作業員により格納され、利用されうる。同様に、回転装置、電力発生デバイス、および電力供給デバイスの如き他のタイプのデバイスを監視すべく利用される他のタイプのアプリケーションもある。これらの他のアプリケーションは、保守作業員が利用することができるのが一般的であり、プロセスプラント内のデバイスを監視・保守すべく利用される。

しかしながら、通常のプラントまたはプロセスにおいては、プロセス制御活動、デバイス・装置保守活動、およびビジネス活動の役割は、これらの活動が行われる場所およびこれらの活動を通常実行する作業員により分けられている。さらに、これらの異なる役割に関与する異なる人達は、これら異なる役割を果たすべく異なるコンピュータで実行する異なるアプリケーションの如き異なるツールを利用することが一般的である。ほとんどの場合、これら異なるツールは、プロセス内の異なるデバイスに関連するまたはプロセス内の異なるデバイスから収集する異なるタイプのデータを収集または使用し、必要なデータを収集するために異なって設定される。たとえば、プロセスの日毎の動作を通常監視し、このプロセス動作の品質と連続性を担保することが主な責任であるプロセス制御オペレータは、プロセス内の設定ポイントの設定・変更、プロセスループの調整、バッチオペレーションの如きプロセスオペレーションの計画、などを行うことによりプロセスに影響を与えているのが一般的である。これらのプロセス制御作業員は、プロセス制御システムにおいて、たとえば自動調整器、ループ解析器、ニューラルネットワークなどを含む、プロセス制御システム内のプロセス制御問題を診断・訂正するために利用できるツールを利用しうる。また、プロセス制御作業員は、プロセス内で生成されるアラームを含むプロセスの動作に関する情報をオペレータに提供する一または複数のプロセス制御装置を介して、プロセスからプロセス変数情報も受信する。この情報は、標準ユーザインターフェイスを介してプロセス制御オペレータに提供されてもよい。

さらに、プロセス制御変数と制御ルーチンまたはプロセス制御ルーチンに関連する機能ブロックもしくはモジュールに関する限られた情報とを利用して、劣化した動作ループを検出し、この問題を訂正するための推奨行動計画に関する情報を作業員に提供するようなエキスパートエンジンを実現することが現在知られている。このようなエキスパートエンジンは、１９９９年２月２２日に出願され、「プロセス制御システムにおける診断」という表題の特許文献３と、２０００年２月７日に出願され、「プロセス制御システムにおける診断エキスパート」という表題の特許文献４とに開示されており、ここで、本明細書においてこれら双方を参照することにより明確に援用するものとする。同様に、プロセスプラントの制御活動を最適化するためにプラント内において実時間オフ゜ティマイサ゛の如き制御オフ゜ティマイサ゛を実行することが知られている。このようなオフ゜ティマイサ゛では、たとえば、利益の如き所望の任意の最適化変数に対してプラントの稼動を最適化するために入力がどのように変更されうるのかを予測する目的で複雑なプラントモデルを用いることが一般的である。

一方、プロセス内の実際の装置の効率的な動作の保証と不良装置の修理・交換とに対して主責任を有している保守作業員は、保守インターフェイス、上述のＡＭＳアプリケーションの如きツールのみならず、プロセス内のデバイスの動作状態に関する情報を提供する他の多くの診断ツールを利用する。また、保守作業員は、プラントの一部を停止する必要がありうるような保守活動の計画も立てる。スマートフィールドデバイスと一般的に呼ばれる多くの新しいタイプのプロセスデバイスおよび装置の場合には、デバイス自体が検出・診断ツールを備えており、これらのツールにより、標準保守インターフェイスを介してデバイス動作の問題が自動的に感知され、これらの問題が保守作業員に自動的に報告されうる。たとえば、ＡＭＳソフトウェアは、保守作業員にデバイス状況および診断情報を報告し、デバイス内で何が発生しているかを保守作業員が判断することを可能にするとともにデバイスにより提供されるデバイス情報にアクセスすることを可能にする通信ツールおよび他のツール提供する。保守インターフェイスと保守作業員とはプロセス制御オペレータから離れて位置しているのが一般的であるが、いつもこのようであるわけではない。たとえば、プロセスプラントによっては、プロセス制御オペレータが保守作業員の責務を実行することもあればもしくはこの逆であることもあり、または、これらの機能に責任のある異なる作業員が同一のインターフェイスを使用する場合もある。

さらに、部品、補充品、原料などの注文の如きビジネス応用、生産製品の選択、プラント内の最適化変数の選択、などの如き戦略的な企業意思決定に責任を有する作業員およびこれらの目的で用いられるアプリケーションは、プロセス制御インターフェイスおよび保守インターフェイスの双方から離れているプラントの事務所に位置しているのが一般的である。同様に、管理者または他の作業者は、プラント稼動の監視の際および長期の戦略的決定の際に利用すべく遠隔の位置からまたはプロセスプラントに関連する他のコンピュータからプロセスプラント内の特定の情報にアクセスすることを求めうる。

ほとんどの場合には、プラント内で、異なる機能、たとえばプロセス制御活動、保守活動、およびビジネス活動を実行するために用いられる非常に異なるアプリケーションは別々にされており、このような異なる活動に利用される異なるアプリケーションは一体化されていなく、したがってデータまたは情報が共有されていない。実際には、このような異なるタイプのアプリケーションを全部ではなく一部のみ備えているプラントがほとんどである。さらに、このようなアプリケーションがすべてプラント内に位置付けられているとしても、異なる作業員がこのような異なるアプリケーションおよび解析ツールを使用しており、かつ、これらのツールがプラント内の異なるハードウェアロケーションに位置付けられているのが一般的なので、情報がプラント内の他の機能に有益でありうるとしても、プラント内の一つの機能領域から他の領域に情報が流れることはほとんどない。たとえば、回転装置データ解析ツールの如きツールは、機能が劣化した電力生成装置または回転装置を検出すべく（非プロセス変数タイプのデータに基づいて）保守作業員により用いられうる。このツールは、問題を検出し、デバイスを校正、修理、または交換する必要があることを保守作業員に警告しうる。しかしながら、ループまたはプロセス制御活動により監視される他の特定の構成部品に影響を与える問題を、機能が劣化した上述のデバイスが引き起こす可能性がある場合であったとしても、プロセス制御オペレータ（人またはソフトウェアエキスパートの一方）がこの情報の利益を受けることはない。同様に、ビジネスパーソンが所望しうる方法でプラントを最適化するのにこの機能不良状態のデバイスが不可欠でありかつ最適化を妨げうる場合であったとしても、ビジネスパーソンはこの事実に気付かない。プロセス制御システムのループまたはユニットを最終的には劣化させる可能性のあるデバイスの問題にプロセス制御エキスパートが気付いておらず、プロセス制御オペレータまたはエキスパートがこの装置は問題なく動作していると思い込んでいるので、プロセス制御エキスパートは、プロセス制御ループ内で検出する問題を誤診しうるし、または問題を実質的に決して解決することができないループ調整器の如きツールを適用させようと試みうる。同様に、ビジネスパーソンは、機能不良デバイスのせいで、所望のビジネス効果（たとえば、最適化利益）を達成しないような方法でプラントを稼動させる企業意思決定を行いうる。
米国特許仮出願番号第60/141,576号 米国特許第5,960,214号 米国特許出願番号第09/256,585号 米国特許出願番号第09/499,445号

プロセス制御環境において利用できるデータ解析ツールおよび他の検出ツールおよび診断ツールが数多くあるので、保守作業員が入手可能であり、プロセスオペレータおよびビジネスパーソンに役立ちうる、デバイスの調子および性能に関連する数多くの情報がある。同様に、プロセスオペレータが入手可能であり、保守作業員またはビジネスパーソンに役立ちうる、プロセス制御ループおよび他のルーチンの現在の動作状況に関する数多くの情報がある。同様に、ビジネス機能を実行する過程で生成または使用され、プロセスの稼動を最適化する際に保守作業員またはプロセス制御オペレータに役に立ちうる情報がある。しかしながら、従来は、これらの機能が別々であったので、一つの機能領域で生成もしくは収集される情報は、まったく利用されないかまたは他の機能領域においてあまりうまくは利用されず、プロセスプラント内の資産を全体として最適とはいえない状態で使用する結果になっていた。

プロセス制御システムは、たとえばプロセス制御機能領域、保守機能領域およびビジネスシステム機能領域を含む、プラントのさまざまな情報供給源または機能領域からプロセスプラントの資産に関するデータまたは情報を収集すべく資産活用エキスパートを使用し、訂正行動を見つけて実行すべくこの情報を使用する。一つの例では、監視システムは、プラント内のポンプの如き装置内のキャビテーションを検出または予測するように構成されている。この例では、ポンプ内または他のデバイス内のキャビテーションを検出または予測すべく、測定流量および測定圧力の如きプロセス変数データまたは動作パラメータデータが特性曲線の如き保守データと組み合わせられうる。同様に、デバイス内のキャビテーションの存在または形成可能性を検出すべくプロセスデータまたはポンプ製造データがプロセスモデルまたはデバイスモデルと組み合わせられうる。

図１を参照すると、プロセス制御プラント10は、一または複数の通信ネットワークにより複数の制御システムおよび保守システムに相互接続された、複数のビジネスコンピュータシステムと他のコンピュータシステムとを備えている。プロセス制御プラント10は、一または複数のプロセス制御システム12、14を備えている。プロセス制御システム12は、ＰＲＯＶＯＸシステムまたはＲＳ３システムの如き従来のプロセス制御システムまたはその他のＤＣＳであってもよい。ここでいうその他のＤＣＳは、オペレータインターフェイス12Aを備え、このオペレータインターフェイス12Aは制御装置12Bに結合され、次いで、制御装置12Bは入力／出力（Ｉ／Ｏ）カード12Cに結合され、次いで、この入力／出力（Ｉ／Ｏ）カード12Cはアナログ型フィールドデバイスおよび高速アドレス可能遠隔トランスミッタ（ＨＡＲＴ）フィールドデバイス15の如きさまざまなフィールドデバイスに結合される。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、イーサネットバスの如きバスを介して一または複数の分散した制御装置14Bに結合する一または複数のオペレータインターフェイス14Aを備えている。制御装置14Bは、たとえばテキサス州オースティンにあるフィシャーローズマウント社により販売されているＤｅｌｔａＶ（登録商標）制御装置またはその他のタイプの制御装置であってもかまわない。制御装置14Bは、たとえばＨＡＲＴフィールドデバイス、Ｆｉｅｌｄｂｕｓフィルールドデバイスの如きまたはＰＲＯＦＩＢＵＳ（登録商標）プロトコル、ＷＯＲＬＤＦＩＰ（登録商標）プロトコル、Ｄｅｖｉｃｅ−Ｎｅｔ（登録商標）プロトコル，ＡＳ−ＩｎｔｅｒｆａｃｅプロトコルおよびＣＡＮプロトコルのうちのいずれかを用いるフィールドデバイスを含むその他のスマートフィールドデバイスもしくは非スマートフィールドデバイスの如き一または複数のフィールドデバイスに、Ｉ／Ｏデバイスを介して接続される。公知のように、フィールドデバイス16は、プロセス変数および他のデバイス情報に関連するアナログ情報またはデジタル情報を制御装置14Bに提供しうる。オペレータインターフェイス14Aは、たとえば制御オフ゜ティマイサ゛、診断エキスパート、ニューラルネットワーク、調整器などを含む、プロセスの動作を制御すべくプロセス制御オペレータが利用できるツールを格納し、実行しうる。

さらに、ＡＭＳアプリケーションまたはその他のデバイス監視・通信アプリケーションを実行するコンピュータの如き保守システムは、保守活動および監視活動を実行すべく、プロセス制御システム12、14またはプロセス制御システム内の個々のデバイスに接続されうる。たとえば、保守コンピュータ18は、デバイス15と通信すべく、場合によっては、デバイス15を再設定すべく、またはデバイス15に他の保守活動を実行すべく、任意の所望の通信回線またはネットワーク（無線ネットワークまたは携帯デバイスネットワークを含む）を介して制御装置12Bおよび／またはデバイス15に接続されうる。同様に、ＡＭＳアプリケーションの如き保守アプリケーションは、デバイス16の動作状況に関連するデータ収集を含む保守・監視機能を実行すべく、分散型プロセス制御システム14に関連するユーザインターフェイス14Aの一または複数に実装され、これらにより実行されうる。

また、プロセス制御プラント10は、特定の永続的通信リンクまたは一時的通信リンク（たとえば、バス、無線通信システム、または装置20に接続され、読み取りを行い、そして取り外される携帯デバイス）を介して、保守コンピュータ22に接続されるタービン、モータ、ポンプなどの如きさまざまな回転装置20も備えている。保守コンピュータ22は、たとえばＣＳｉシステムにより提供されるＲＢＭソフトウェアまたは回転装置20の動作状態を診断、監視、および最適化するために用いられるその他の公知のアプリケーションの如き公知の監視・診断アプリケーション23を格納し、実行しうる。保守作業員は、プラント10内の回転装置20の性能を維持・監視すべく、回転装置20の問題を判断すべく、および回転装置20の修理または交換する必要がある時期または必要性を判断すべく、アプリケーション23を利用することが多い。

同様に、プラント10に関連する電力生成・分配装置25を有する電力生成・分配システム24は、たとえばバスを介して、プラント10内の電力生成・分配装置25を実行してその動作を監視する他のコンピュータ26に接続されている。コンピュータ26は、電力生成・分配装置25を制御・維持すべく、たとえばＬｉｅｂｅｒｔおよびＡＳＣＯまたは他の会社により提供されるような公知の電力制御・診断アプリケーション27を実行しうる。

従来は、さまざまなプロセス制御システム12、14、電力生成システム26、および保守システム22は、それぞれのシステムにおいて生成されるデータまたはそれぞれのシステムにより収集されるデータを有益な方法で共有できるような方法ではこれらのシステムが互いに相互接続されていなかった。この結果、プロセス制御機能、電力生成機能、および回転装置機能の如き異なる機能は、それぞれ、プラント内のその他の装置がこの特定の機能により影響を受けている場合またはこの特定の機能に影響を与えている場合があるにもかかわらず、正常に動作しているという仮定（いうまでもなく、これはほとんど正しくない仮定である）に基づいて動作していた。しかしながら、これらの機能は非常に異なり、さらに、これらの機能を監視すべく使用される装置および作業員も異なるのため、プラント10内の異なる機能のシステムの間では有益なデータ交換はほとんどなかった。

この問題を解決するため、プラント10内のさまざまな機能システムと関連するコンピュータまたはインターフェイスに通信可能に結合されるコンピュータシステム30が提供されている。これらの機能システムには、プロセス制御機能12、14、コンピュータ18、14A、22、26に実装される保守機能、およびビジネス機能が含まれる。とくに、コンピュータシステム30は、従来のプロセス制御システム12およびこの制御システムに関連する保守インターフェイス18に通信可能に接続され、分散型プロセス制御システム14のプロセス制御および／または保守インターフェイス14Aに接続され、回転装置保守コンピュータ22および電力生成・分配コンピュータ26に接続される。これらの接続にはすべてバス32を利用している。バス32は、所望または適切なローカルエリアネットワーク（ＬＡＮ）またはワイドエリアネットワーク（ＷＡＮ）であればいずれのものを通信を提供すべく利用してもよい。

図１に例示するように、コンピュータ30は、同一のまたは異なるネットワークバス32を介して、ビジネスシステムコンピュータと保守計画コンピュータ35、36とにも接続されており、これらのコンピュータは、たとえば統合基幹業務計画（ＥＲＰ）、資材調達計画（ＭＲＰ）、会計報告、生産・顧客依頼システム、保守計画システム、または部品・補充品・原材料注文アプリケーション、生産計画アプリケーションなどの如きその他の所望のビジネスアプリケーションを実行しうる。また、コンピュータ30は、たとえばバス32を介して、プラントワイドＬＡＮ37、コーポレイトＷＡＮ38、および遠隔ロケーションからプラント10の遠隔監視またはプラント10との通信を可能にするコンピュータシステム40にも接続されている。

一つの実施例では、バス32を介した通信はＸＭＬプロトコルを利用して行われる。ここで、コンピュータ12A、18、14A、22、26、35、36などの個々のコンピュータからのデータは、ＸＭＬラッパーにラッピングされ、たとえばコンピュータ30に搭載されうるＸＭＬデータサーバに送信される。ＸＭＬは記述言語なので、このサーバはどのようなタイプのデータでも処理することができる。サーバでは、必要ならば、このデータは新しいＸＭＬラッパーにカプセル化される。すなわち、このデータは一方のＸＭＬスキーマから他方の一または複数のＸＭＬスキーマにマッピングされる。これら他方のスキーマは受信側アプリケーションのそれぞれに対して作成される。したがって、データ発信者は、それぞれ、該発信者のデバイスまたはアプリケーションが理解しやすいまたは利用しやすいスキーマを利用してデータをラッピングすることができ、受信側のアプリケーションは、それぞれ、該受信側のアプリケーションに用いられるまたは該受信側のアプリケーションが理解しやすい別のスキーマでこのデータを受信することができる。サーバは、データの送信元と送信先に応じて一方のスキーマから他方のスキーマにマッピングするように設定されている。所望の場合には、サーバは、データの受信に基づいて特定のデータ処理機能または他の機能も実行しうる。本明細書に記載するシステムが動作する前に、マッピングおよび処理機能のルールが設定されてサーバ内に格納される。このような方法で、任意の一方のアプリケーションから一または複数の他方のアプリケーションまでデータを送信しうる。

一般的にいえば、コンピュータ30は、資産活用エキスパート50を格納し、実行する。資産活用エキスパート50は、プロセス制御システム12、14、保守システム18、22、26、およびビジネスシステム35、36により生成されるデータおよび他の情報ならびにこれらのシステムのそれぞれにおいて実行されるデータ解析ツールにより生成される情報を収集する。資産活用エキスパート50は、たとえば、ＮＥＸＵＳにより現在提供されているＯＺエキスパートシステムに基づいたものでよい。しかしながら、資産活用エキスパート50は、たとえば任意のタイプのデータマイニングシステムを含むその他の所望のタイプのエキスパートシステムであってもかまわない。重要なことは、資産活用エキスパート50が、プロセスプラント10においてデータ・情報交換所として動作し、保守領域の如き一方の機能領域からプロセス制御領域またはビジネス機能領域の如き他方の機能領域までデータまたは情報の分配を調整することができるということである。また、資産活用エキスパート50は、新しい情報またはデータを生成すべく収集済データを使用することもしうる。プラント内の異なる機能に関連するコンピュータシステムのうちの一または複数にこれらの新しい情報またはデータを分配することができる。さらに、資産活用エキスパート50は、プロセス制御プラント10内で用いられる新しいタイプのデータを生成すべく収集済データを利用する他のアプリケーションを実行し、この実行を監視しうる。

とくに、資産活用エキスパート50は、指標生成ソフトウェア51を備えうるかまたは実行しうる。指標生成ソフトウェア51は、プロセス制御・計測デバイス、電力生成デバイス、回転装置、ユニット、領域などのようなデバイスに関連する指標、またはプラント10内のループなどのようなプロセス制御エンティティに関連する指標を作成する。次いで、プロセス制御を最適化する補助をすべくプロセス制御アプリケーションにこれらの指標を提供することができ、さらに、プラント10の稼動に関するより完全な情報またはより理解し易い情報をビジネスパーソンに提供すべくビジネスソフトウェアまたはビジネスアプリケーションにこれらの指標を提供することができる。また、資産活用エキスパート50は、制御の最適化の如き制御活動をオペレータが実行することを補助すべく、たとえばプロセス制御システム14に関連する制御エキスパート52に保守データ（たとえば、デバイス状況情報）およびビジネスデータ（たとえば、注文スケジュール、タイムフレームなど）も提供することができる。制御エキスパート52は、たとえばユーザインターフェイス14Aまたは、所望ならば、制御システム14に関連するもしくはコンピュータ30内にあるその他のコンピュータに搭載しうる。

一つの実施例では、制御エキスパート52は、特許文献３および特許文献４に記載された制御エキスパートでありうる。しかしながら、これらの制御エキスパートは、さらに、該制御エキスパートにより意思決定を行う際にプロセス制御プラント10内のデバイスまたは他のハードウェアの状況に関連するデータも取り入れて使用しうる。とくに、従来は、ソフトウェア制御エキスパートは、意思決定を行うためまたはプロセスオペレータに対して提案を行うためにはプロセス変数データおよびある限定されたデバイス状況データを利用していただけであったのが普通であった。資産活用エキスパート50により提供される通信、とくにコンピュータシステム18、14A、22、26およびこのシステムの内部に実装されるデータ解析ツールにより提供されるようなデバイス状況情報に関連する通信を利用することにより、制御エキスパート52は、調子情報、性能情報、活用情報、および変動情報の如きデバイス状況情報を受信して、これらのデバイス状況情報をプロセス変数情報とともに意思決定に取り入れることができる。

さらに、資産活用エキスパート50は、プラント10内におけるデバイス状態および制御活動の実施状態に関連する情報をビジネスシステム35、36に提供することができる。ここで、たとえば、作業指示生成アプリケーションまたはプログラム54は、プラント10内で検出された問題に基づいて、自動的に、作業指示を生成し、部品を注文することができ、または、ここで、実行されている作業に基づいて補充品を注文することができる。同様に、資産活用エキスパート50が制御システムの変化を検出すると、ビジネスシステム35、36は、たとえばプログラム54を利用して計画立案と補充品注文とを実行するアプリケーションを実行しうる。同様に、ビジネスシステム35、36に顧客注文などの変更を入力することができる。このデータは、資産活用エキスパート50に送信され、制御ルーチンまたは制御エキスパート52に送信され、これにより、制御に変更をもたらし、たとえば新しく注文された製品を作り始めたりまたは行われた変更をビジネスシステム35、36において実施したりすることができる。もちろん所望ならば、バス32に接続される各コンピュータシステムはその内部にアプリケーションを有しうる。このアプリケーションは、コンピュータ内のその他のアプリケーションから適切なデータを取得し、このデータをたとえば資産活用エキスパート50に送信するように機能する。

さらに、資産活用エキスパート50は、情報をプラント10内の一または複数のオフ゜ティマイサ゛55に送信することができる。たとえば、コンピュータ14Aに制御オフ゜ティマイサ゛を実装することができ、この制御オフ゜ティマイサ゛は、一または複数の制御最適化ルーチン55A、55Bなどを実行することができる。これに加えてまたはこれに代えて、コンピュータ30またはその他のコンピュータがオフ゜ティマイサ゛ルーチン55を格納・実行し、資産活用エキスパート50が必要なデータを送信することもできる。また、所望の場合には、プラント10は、該プラント10の特定の特徴をモデル化するモデル56を有しており、モデル化機能を実行するために、資産活用エキスパート50または制御エキスパート52の如き制御エキスパートもしくは他のエキスパートがこれらのモデル56を実行することができる。モデル化の目的は本明細書においてさらに詳細に説明する。しかしながら、一般的にいって、デバイスパラメータ、領域パラメータ、ユニットパラメータ、ループパラメータなどを決定するため、オフ゜ティマイサ゛ルーチン55の一部として不良センサまたは他の不良装置を検出するため、プラント10内で使用される性能指標および使用指標の如き指標を生成するため、および性能監視または状態監視ならびに他の多くの用途のためにモデル56を用いることができる。モデル56は、イギリスのティーサイドにあるＭＤＣテクノロジにより作成・販売されているようなモデルであってもよく、またはその他の所望のタイプのモデルであってもかまわない。もちろん、プラント10内に設けることができ、資産活用エキスパート50からのデータを利用することができるアプリケーションは他に多くあり、本明細書に記載するシステムは、本明細書で特に言及したアプリケーションに限定されるものではない。しかしながら、全体的に見れば、資産活用エキスパート50は、プラント10のすべての機能領域間でのデータの共有および資産の協調を可能にすることにより、プラント10内のすべての資産の利用を最適化するための補助をしている。

また、一般的にいって、プラント10内のコンピュータのうちの一または複数が一または複数のユーザインターフェイスルーチン58を格納・実行することができる。たとえば、コンピュータ30、ユーザインターフェイス14A、ビジネスシステムコンピュータ35、またはその他のコンピュータはユーザインターフェイスルーチン58を実行しうる。各ユーザインターフェイスルーチン58は、資産活用エキスパート50からの情報を受信または購読でき、同一セットまたは異なるセットのデータが各ユーザインターフェイスルーチン58に送信されうる。ユーザインターフェイスルーチン58のうちのいずれの一つでも、異なるタイプの情報を異なるスクリーンを用いて異なるユーザに提供することができる。たとえば、ユーザインターフェイスルーチン58のうちの一つは、制御オペレータまたはビジネスパーソンに一つのスクリーンまたは一組のスクリーンを提供することにより、標準制御ルーチンまたは制御最適化ルーチンにおいて利用する制約の設定または最適化変数の選択を制御オペレータまたはビジネスパーソンができるようにしうる。ユーザインターフェイスルーチン58は、指標生成ソフトウェア51により作成された指標をある協調した方法でユーザが閲覧することを可能にする制御ガイダンスツールを提供しうる。また、この制御ガイダンスツールにより、オペレータまたはその他の人は、デバイス状態、制御ループ状態、ユニット状態などについての情報を得ることができ、これらのエンティティの問題に関連する情報を容易に閲覧することができる。というのは、この情報はプロセス10内の他のソフトウェアにより検出されているからである。また、ユーザインターフェイスルーチン58は、ツール23、27、ＡＭＳアプリケーションの如き保守プログラム、もしくはその他の保守プログラムにより提供もしくは生成される性能監視データまたは資産活用エキスパート50と協同してモデルが生成する性能監視データを利用して性能監視スクリーンを提供しうる。もちろん、ユーザインターフェイスルーチン58は、プラント10の一部の機能領域または全部の機能領域へのアクセスをいかなるユーザに提供し、これらの領域おける選択肢または他の変数をユーザが変更できるようにしうる。

ここで図２を参照すると、プロセスプラント10内における資産活用エキスパート50と他のコンピュータツールまたはアプリケーションとの間のデータの流れの一部を例示するデータフローダイアグラムが提供されている。詳細にはいえば、資産活用エキスパート50は、マルチプレクサ、トランスミッタ、センサ、携帯デバイス、制御システム、高周波（ＲＦ）受信機、オンライン制御システム、ウェブサーバ、ヒストリアン、制御モジュール、またはプロセス制御プラント10内の他の制御アプリケーションの如き複数のデータ収集装置またはデータ供給源と、ユーザインターフェイス、Ｉ／Ｏインターフェイスの如き複数のインターフェイスと、バス（たとえば、Ｆｉｅｌｄｂｕｓバス、ＨＡＲＴバス、およびイーサネットバス）、バルブ、トランシーバ、センサ、サーバ、および制御装置の如き複数のデータサーバと、プロセス計器、回転装置、電気機器、電力生成装置などの如き複数のプラント資産とから情報を受信しうる。このデータは、データの生成方法または他の機能システムにより使用方法に基づいてどのような所望の形態でもとることができる。さらに、このデータは、上述のＸＭＬプロトコルの如き所望のまたは適切な通信プロトコルおよび通信ハードウェアのうちのいずれかを利用して資産活用エキスパート50に送信しうる。しかしながら、一般的にいえば、プラント10は、資産活用エキスパート50が一または複数のデータ供給源から自動的に特定の種類のデータを受信し、資産活用エキスパート50がこのデータ対して所定の処置を取ることができるように構成されている。

また、資産活用エキスパート50は、今日一般的に設置されている典型的な保守データ解析ツールの如きデータ解析ツール、デバイスに関連する性能追跡ツールのような性能追跡ツール、および上述の特許文献３および特許文献４に記載されているようなプロセス制御システム用の性能追跡ツールから情報を受信する（そして、実質的に実行しうる）。また、データ解析ツールには、たとえば、特定のタイプの問題の根本的原因を検出する根本的原因アプリケーションと、米国特許第6,017,143号に記載のイベント検出ツールと、米国特許出願番号第09/303,869号（１９９９年５月３日出願）に開示され、本明細書において参照することにより明確にここで援用するような調節ループ診断ツールと、米国特許出願番号第09/257,896号（１９９９年２月２５日出願）に開示され、本明細書において参照することにより明確にここで援用するようなインパクト配管詰まり検出アプリケーションと、他の配管詰まり検出アプリケーションと、デバイス状況アプリケーションと、デバイス設定アプリケーションと、保守アプリケーションと、ＡＭＳの如きデバイス保管・履歴・情報表示ツールと、Ｅｘｐｌｏｒｅｒアプリケーションとが含まれうる。さらに、エキスパート50は、高度制御エキスパート52の如きプロセス制御データ解析ツールと、米国特許出願番号第09/593,327号（２０００年６月１４日出願）および米国特許出願番号第09/412,078号（１９９９年１０月４日出願）に開示されており、本明細書において参照することによりここで明確に援用するようなモデル予測制御プロセスルーチンと、調整ルーチンと、ファジー論理制御ルーチンと、ニューラルネットワーク制御ルーチンとからと、米国特許第5,680,409号に開示されており、プロセス制御システム10内に設置しうるような仮想センサとからも、データおよび情報を受信することができる。さらに、資産活用エキスパート50は、オンライン振動ツールと、ＲＦ無線センサおよび携帯データ収集装置と、回転装置に関連するオイル解析ツールと、サーモグラフィと、超音波システムと、レーザ整列・平衡システムの如き回転装置に関連するデータ解析ツールとからの情報を受信しうる。これらはすべて、プロセス制御プラント10内の回転装置の問題または状況を検出することに関連しうる。これらのツールは、当該技術分野において現在公知であるので本明細書においてはこれ以上記載しない。さらに、資産活用エキスパート50は、図１のアプリケーション23、27の如き電力管理、電力設備、および電力供給に関連するデータを受信しうるし、これらのアプリケーションには、所望ならば、いかなる電力管理ツールおよび電力監視・解析ツールであっても含まれうる。

一つの実施例では、資産活用エキスパート50は、プラント10内の装置の一部または全部の数学的ソフトウェアモデル56を実行するかまたはこの実行を監視する。これらのモデルには、たとえばデバイスモデル、ループモデル、ユニットモデル、領域モデルなどが含まれ、たとえば、コンピュータ30またはプロセスプラント10内のその他の所望のコンピュータにより実行される。資産活用エキスパート50は、複数の理由により、これらのモデルにより発生したデータまたはこれらのモデルに関連するデータを利用しうる。このデータの一部（またはモデル自体）を用いてプラント10内に仮想センサを提供しうる。同様に、このデータの一部またはモデル自体を用いてプラント10内に予測制御または実時間最適制御を実施しうる。

資産活用エキスパート50は、バス32またはプロセス制御プラント10内の他のいずかの通信ネットワークを使用して、データが生成されると同時にまたは特定の定期的な時間でデータを受信する。その後、定期的にまたは必要に応じて、資産活用エキスパート50は、他のアプリケーションにこのデータを再分配するかまたはこのデータを用いて制御の他の態様に有益なまたはプロセスプラント10の稼動に有益な他の情報を生成してプラント10内の他の機能に提供する。また、資産活用エキスパート50は、制御ルーチン62へもデータを送信しうるし、制御ルーチン62からもデータを受信しうる。この制御ルーチン62は、プロセス制御装置またはこれらの制御装置に関連するインターフェイス、オフ゜ティマイサ゛55、ビジネスアプリケーション63、保守アプリケーション66などに実装されうる。

さらに、制御エキスパート65（これには予測プロセス制御装置を含みうる）は、従来は、被制御デバイスが正しく動作しているかまたはまったく動作していないかのいずれかであると想定していたのに過ぎなかったが、稼働率、可変性、調子情報もしくは性能情報、またはデバイス、ループなどの動作状況に関連する他の情報の如き、制御エキスパート65が制御するデバイスの状況または調子に関連する情報を資産活用エキスパート50から受信することができ、プロセスを制御する際にこの情報を考慮に入れることができる。オフ゜ティマイサ゛55と同様に、予測制御装置65は、ユーザインターフェイスルーチン58にさらなる情報およびデータを提供しうる。予測制御装置65およびオフ゜ティマイサ゛55は、制御システム内の予測に基づいて制御を最適化するために、ネットワーク内におけるデバイスの現在の実際の状況に関する状況情報を利用しうるのみでなく、資産活用エキスパート50により提供されるビジネスソルーションソフトウェアによりたとえばアプリケーション63による規定に従って特定されるようなゴールおよび将来のニーズも考慮に入れうる。

さらに、資産活用エキスパート50は、ビジネスソルーションまたはビジネスコンピュータ35、36において通常用いられるような総合業務計画ツールにデータを提供しうるし、この総合業務計画ツールからデータを受信しうる。これらのアプリケーションには、生産計画、材料資源計画を制御する生産計画ツール、ビジネスアプリケーションで用いられる部品注文、作業指示、または補充品注文を自動的に生成する作業指示生成ツール54などが含まれうる。もちろん、資産活用エキスパート50からの情報に基づいて、部品注文、作業指示、および補充品注文の生成が自動的に完了し、これにより、修理の必要がある資産が存在すること、そして保守問題に対する訂正処置を行うのに必要な部品を入手するのに時間がかかるということを認識するために必要な時間が減少しうる。

また、資産活用エキスパート50は、保守システムアプリケーション66に情報も提供しうる。保守システムアプリケーションは、保守作業員に迅速に問題を警告するだけではなく、問題を解決するために必要になる部品の注文などの如き訂正処置もとる。さらに、以前はいかなる単一システムでも利用できなかったが、資産活用エキスパート50が利用できるようになっているような情報のタイプを利用して、新モデル68を生成しうる。もちろん、資産活用エキスパート50は、データモデルおよび解析ツールからだけ情報またはデータを受信するのでなく、総合業務ツール、保守ツール、およびプロセス制御ツールからも情報を受信する。

さらに、一または複数の協調型ユーザインターフェイスルーチン58は、オペレータ、保守作業員、ビジネスパーソンなどにヘルプおよび視覚化を提供すべく、資産活用エキスパート50の他にプラント10内のその他のアプリケーションにもまた通信しうる。オペレータおよび他のユーザは、予測制御の実行または実装と、プラント10の設定の変更と、プラント内のヘルプの閲覧と、アラームもしくはアラートの閲覧と、および資産活用エキスパート50により提供される情報に関連するその他の活動の実行とを行うべく協調型ユーザインターフェイスルーチン58を利用しうる。

上述のように、資産活用エキスパート50は、特定のプラントまたはデバイス、ユニット、ループ、領域などの如きこのプラント内のエンティティの動作をモデル化する一または複数の数学的モデルまたはソフトウェアモデルを実行することができるかまたはこの実行を監視することができる。これらのモデルはハードウェアモデルであってもよく、またはこれらのモデルはプロセス制御モデルであってもかまわない。一つの実施例では、これらのモデルを生成すべく、モデル化エキスパートは、プラントをコンポーネントハードウェアおよび／またはプロセス制御部分に区分けし、それぞれのコンポーネント部分を所望の任意の抽象性レベルでモデル化する。たとえば、プラントに対するモデルは、ソフトウェアで実現され、プラントのさまざまな領域に対する一群のモデルで構成されるかまたはこれらのモデルを有し、この一群のモデルが、階層的に関連し、相互に連結している。同様に、プラントの任意の領域に対するモデルは、このプラント内のさまざまなユニットに対する個々のモデルにより構成され、これらのユニットの入力と出力との間が相互に連結されてもよい。また同様に、ユニットはデバイスモデルにより構成され、これらのモデルが相互に連結されてもよい。このようにモデルが階層的に関連し、相互に連結されていく。もちろん、領域モデルが、ユニットモデル、ループモデルなどと相互に連結されてもかまわない。この例のモデル階層においては、デバイスの如き低レベルのエンティティに対するモデルからの入力および出力が相互に連結されユニットの如き高レベルのエンティティに対するモデルを生成してもよく、これらの高レベルのエンティティに対するモデルからの入力および出力が相互に連結されて領域モデルの如きさらに高レベルのモデルを生成してもよい。以下同様に展開してもよい。もちろん、さまざまなモデルを結合または相互連結させる方法はモデル化するプラントに依存する。プラント全体に対して単一の完全なモデルを用いうるが、より大規模のモデルを形成するために、プラントのさまざまな部分に対して、または領域、ユニット、ループ、デバイスなどの如きプラント内のエンティティ対して別々のかつ独立したコンポーネントモデルを提供し、これらの別々のモデルを相互に連結させることは複数の理由により有益である。さらに、大規模なモデルの一部として、互いに独立して実行することができるだけでなく、他のコンポーネントモデルとともに実行することもできるコンポーネントモデルを利用することは望ましい。

高度に数学的に精度の高いモデルまたは理論的なモデル（たとえば、３次元モデルまたは４次元モデル）をプラント全体に対してまたはコンポーネントモデルの一部もしくは全部に対して用いうるが、個々のモデルは必ずしも可及的に数学的に高い精度である必要はなく、たとえば１次元モデルもしくは２次元モデルまたは他のタイプのモデルであってもよい。このような比較的に単純なモデルは、ソフトウェアにおいてより速く動作することができ、このモデルの入力および出力をプラント内で生成される入力および出力の実際の測定値とを本明細書において記載する方法でマッチングすることによりさらに精度の高いものにすることができる。換言すれば、このような個々のモデルは、プラントからの実際のフィードバックに基づいてプラントまたはプラント内のエンティティを精度良く調整または微調整しうる。

ここで、図３および図４を参照して、階層的ソフトウェアモデルの包括的な利用に関して記載する。図３は、精製プラント内の複数領域80、81、82に対するモデルを例示している。図３に例示するように、領域モデル82には、原油の如き原料をプリプロセッサモデル88に供給する原料供給源84のコンポーネントモデルが含まれている。プリプロセッサモデル88は、原料をある程度精製してから出す。通常は原油をさらに精製するために蒸留プロセス90に産出する。この蒸留プロセス90は、通常所望の生産物であるＣ_２Ｈ_４と、一般的に廃棄物であるＣ_２Ｈ_６とを産出する。Ｃ_２Ｈ_６はＣ_２クラッカ92に供給され、Ｃ_２クラッカ92はそこでの産出物をプリプロセッサ88に供給してさらに処理する。Ｃ_２クラッカ92を介して蒸留プロセス90から戻るフィードバックはリサイクルプロセスである。したがって、領域モデル82には、図３に例示されるように入力および出力が相互に連結された、原料供給源84と、プリプロセッサ88と、蒸留プロセス90と、Ｃ_２クラッカ92とに対して別々のモデルが含まれる。

ここで、図４を参照すると、蒸留プロセス90に対するコンポーネントモデルがさらに詳細に例示されており、このモデルには、頂部100Tと底部100Bとを有する蒸留コラム100が備えられている。蒸留コラム100への入力103は、圧力および温度を表示した物であり、この表示物は図３に示されるプリプロセッサ88のモデルからの出力と関連付けられうる。しかしながら、この入力は、オペレータにより設定されうるし、またはプラント10内で実際に測定された入力または変数に基づいて設定されうる。一般的にいえば、蒸留コラム100は、内部に配置される複数のプレートを備えており、蒸留プロセスの還流体はこれらのプレートの間を移動する。Ｃ_２Ｈ_４は、コラム100の頂部100Tから生成され、リフラックスドラム102は、コラム100の頂部100Tにこの材料の一部をフィードバックする。Ｃ_２Ｈ_６は、コラム100の底部から流出することが一般的であり、リボイラ104は、ポリプロピレンをコラム100の底部100Bにポンプで供給し、蒸留プロセスを補助する。もちろん、所望の場合には、蒸留コラム100、リフラックスドラム102、リボイラ104などに対するコンポーネントモデルから蒸留プロセス90のモデルを構成し、図４に例示するようにこれらのモデルの入力および出力を蒸留プロセス90のコンポーネントモデルを形成するように接続してもよい。

上述のように、蒸留プロセス90に対するコンポーネントモデルは、領域82に対するモデルの一部として実行されてうるし、またはその他のモデルから別々にかつ切り離して実行されうる。とくに、蒸留コラム100への入力103および／または出力Ｃ_２Ｈ_４、Ｃ_２Ｈ_６を実際に測定することができ、これらの測定値を蒸留プロセス90のモデル内で以下に示す複数の方法で用いうる。一つの実施例では、蒸留プロセス90のモデルの入力および出力を測定して、蒸留プロセス90のモデルをプラント10内の実際の蒸留コラムの動作にさらに正確に一致させるために、蒸留プロセス90のモデルに関連する他の因子またはパラメータ（たとえば、蒸留コラム効率など）を決定すべく利用しうる。次いで、領域モデルまたはプラントモデルの如き大規模なモデルの一部として、計算されたパラメータとともに蒸留プロセス90のモデルを利用しうる。これに代えてまたはこれに加えて、仮想センサの測定値を求めるべく、またはプラント10内での実際の測定値が間違っているか否かを判断すべく、計算されたパラメータとともに蒸留プロセス90のモデルを利用しうる。また、制御調査または資産活用最適化調査などを実施すべく、計算されたパラメータとともに蒸留プロセス90のモデルを利用しうる。さらに、プラント10内で発生している問題を検出・特定すべく、またはプラント10の変更がプラント10に対する最適化パラメータの選択にどのような影響を与えるかを調査すべく、コンポーネントモデル利用しうる。

所望の場合には、いかなる特定のモデルまたはコンポーネントモデルであっても、実行してそのモデルに関連するパラメータの数値を求めうる。効率パラメータの如きこれらのパラメータの一部または全部は、このモデルとの関連において技術者にとって何らかの意味を有するものであるが、プラント10内では測定できないのが一般的である。さらに詳細にいうと、コンポーネントモデルは、数式Ｙ＝Ｆ（Ｘ、Ｐ）により数学的に記載されることが一般的であり、ここで、このモデルの出力Ｙは、入力Ｘと一組のモデルパラメータＰとの関数である。図４の蒸留プロセス90の蒸留コラムモデルの例において、エキスパートシステムは、このモデルが属するエンティティへの実際の入力Ｘとこのエンティティからの出力Ｙを表すデータを実際のプラントから定期的（たとえば、１時間毎、１０分毎、１分毎など）に収集しうる。次いで、しばしば、未知のモデルパラメータＰに対するベストフィットを複数の組の測定データに基づいて求めるべく、このモデルと複数の組の測定入力および測定出力とを用いて最尤法、最小二乗法、またはその他の回帰分析の如き回帰分析を実行しうる。この方法で、モデルとモデル化されるエンティティとを一致させるべく、実際の入力値および出力値または測定された入力値および出力値を用いていかなる特定のモデルに対してもそのモデルパラメータを求めうる。もちろん、プラント10内で用いられる一部または全部のコンポーネントモデルに対してこのプロセス（方法）を実行することができ、また、適切ならば、どのような数の入力値および出力値を用いてでもこのプロセスを実行することができる。好ましくは、資産活用エキスパート50は、ある期間、モデルのための適切な入力および出力に関連するデータをプロセス制御ネットワークから収集し、モデル56が使用できるようにこのデータを格納する。次いで、毎分、毎時間、毎日の如き所望の時間で、資産活用エキスパート50は、収集されたデータを用いてモデルパラメータのベストフィットを求めるべく、最新に収集されたデータ組を用いて回帰分析を実行しうる。この回帰分析で用いられる測定入力データおよび測定出力データの組は、このモデルに対する以前の回帰分析で用いたデータ組から独立していてもよいし、重複していてもかまわない。したがって、たとえば、特定のモデルに対する回帰分析は毎時間実行されてもよいが、最後の２時間のあいだに毎分収集された入力データおよび出力データを用いてもかまわない。この結果、ある特定の回帰分析で用いられるデータの半分は、言い換えれば、前の回帰分析で用いられたデータと同一でありうる。回帰分析で用いられるデータが重複することにより、モデルパラメータの計算においてさらに優れた連続性または一貫性がもたらされる。

同様に、プロセス10内で測定を行っているセンサがドリフトを起こしているか否か、このドリフトに関連する他のなんらかのエラーを有しているか否かを判定するべく回帰分析を実行することができる。ここで、モデル化されるエンティティの測定入力および測定出力と同一のデータまたはこれらとは異なりうるデータが、たとえば、資産活用エキスパート50により収集・格納される。この場合、モデルは、通常、Ｙ＋ｄＹ＝Ｆ（Ｘ＋ｄＸ、Ｐ）として数学的に表されうる。ここで、ｄＹは出力Ｙの測定値に付随するエラーであり、ｄＸは入力Ｘの測定値に付随するエラーである。もちろん、これらのエラーは、バイアスエラー、ドリフトエラー、または非線形エラーの如きいかなるタイプのエラーであってもよい。モデルは、入力Ｘおよび出力Ｙが異なる種類のエラーを有する場合には認識することができ、エラーが異なる種類である場合には、実測値と異なる数学的関係を有することになる。いずれの場合であっても、未知のセンサエラーｄＹ、ｄＸに対するベストフィットを求めるべく、最尤法、最小二乗法、またはその他の回帰分析の如き回帰分析を測定入力および測定出力とモデルとを用いて実行しうる。ここで、モデルパラメータＰは、そのモデルに対して実行された前の回帰分析を用いて計算されたパラメータに基づいていてもよく、または、さらなる未知数として取り扱い、この回帰分析において求めてもかまわない。もちろん、回帰分析において用いる未知数の数が増えると、必要なデータの量も増え、回帰分析を実行する時間が長くなる。さらに、所望の場合には、モデルパラメータを求める回帰分析と、センサエラーを求める回帰分析とを別々に実行してもよく、また、所望の場合には、異なる周期的変動率でこれらを実行してもかまわない。たとえば、測定可能なセンサエラーが生じる可能性のある時間枠とモデルパラメータに変化が生じる可能性のある時間枠とが非常に異なる場合、すなわち長いか短いかのどちらかの場合には、このような異なる周期を利用することが有益であることがある。いずれの場合であっても、これらのコンポーネントモデルを利用して、資産活用エキスパート50は、判定したモデルパラメータの（および／ならびに入力または出力）の数値と時間とをプロットすることにより資産性能の監視を行うことができる。さらに、資産活用エキスパート50は、判定したセンサエラーｄＹ、ｄＸをしきい値と比較することにより故障する可能性のあるセンサを検出することができる。これらのセンサの一または複数が大きなエラーまたはそうでなければ容認できないエラーを有しているような場合には、資産活用エキスパート50は、保守作業員および／またはプロセス制御オペレータにその不良センサのことを通知することができる。

以上の説明から、これらのコンポーネントモデルが、異なる時間に、異なる目的で、別々に実行されうるが、上述の性能監視活動を実行すべく周期的に実行されることが多いということが分かる。もちろん、資産活用エキスパート50は、適切な目的のために適切なモデルの実行を管理して、これらのモデルの結果を資産性能監視および最適化のために利用することができる。また、異なる目的で、モデルに付随する異なるパラメータまたは変数を計算するために資産活用エキスパート50により同一のモデルが実行されうることもわかる。

上述のように、プロセスまたはプラントのデバイス、ユニット、ループ、領域またはその他のエンティティの性能監視を提供すべく、パラメータ、入力、出力、またはいかなる特定のモデルに関連する他の変数でも格納・追跡しうる。所望の場合には、多次元プロトまたはエンティティの性能尺度を提供すべく、これらの変数のうちの二つ以上を追跡しうる。この性能モデル化の一部として、監視するパラメータを統合することにより定義されるエンティティが所望の領域もしくは認容できる領域内に存在するかまたはこれとは違ってその領域の外側に存在するかを調べるべく、多次元プロット内におけるパラメータまたは他の変数の位置をしきい値と比較しうる。このような方法で、エンティティの性能を該エンティティに関連する一または複数のパラメータまたはその他の変数に基づかせうる。

資産活用エキスパート50は、モデルパラメータまたは他のモデル変数に基づいて上述の監視技術を用いて一または複数のエンティティを監視することができ、これらのエンティティの動作状態または性能指標を、プロセス制御エキスパートシステム、保守作業員、ビジネスアプリケーション、ユーザインターフェイスルーチン58などの如き、プロセス制御プラント10内におけるその他の所望の人、機能、またはアプリケーションに報告しうる。もちろん、資産活用エキスパート50は、各エンティティの１、２、３、またはその他の所望の数のパラメータまたは変数に基づいて、所望ないずれかのエンティティの性能監視・状態監視を実行しうる。この性能監視において用いられる変数またはパラメータの種類および数は、このプロセスに詳しいエキスパートにより決定されるのが一般的であり、監視されるエンティティのタイプに基づく。

一つの特定な例では、プロセスプラント内におけるポンプ内のキャビテーションまたはこのポンプに関連するキャビテーションの発生を検出または予測するためにさまざまな供給源からのデータを利用すべく、資産活用エキスパート50を監視ルーチンとして実施することができる。一般的にいえば、キャビテーションとは、流体の絶対静圧が局部的に流れの何処かにおいてその流体の蒸気圧より下に低下するときに生じる現象として定義されるものであり、蒸気バブルを一時的に形成する。このバブルは、流れの下流方向に対流により運ばれて、その局部絶対静圧が再び蒸気圧よりも上に上昇する位置に到着する。この時点で、バブルが破れて急激な超高圧パルスを発生する。このパルスが近位の流路壁、インペラなどの材料を損傷することができる。キャビテーションの発生、すなわち蒸気バブルの最初の出現は、その液体の蒸気圧に主に依存する。

インペラタイプのポンプの如きポンプでは、従来のキャビテーションは、たとえばポンプインペラの目の部分で、移動液体の絶対圧がその液体の蒸気圧に等しいかまたはそれよりもさらに下方に降下したときに発生する。バブルは、この圧力降下が原因となり形成される。この低圧は、インペラの目の部分における流体速度の変動および流体がインペラに流入する際の摩擦損失により引き起こされる。このバブルはインペラにより捕獲され、インペラ翼に沿ってインペラから外側の方向に押し流される。その後、インペラ翼に沿った何処かで、液圧が蒸気圧を超え、これが原因で、バブルが破損する。これらの蒸気ポケットの内部破裂は、ゴロゴロ音ノイズ／クラキングノイズを発するほど急速でありうる。事実、その音は、実際、石がポンプを通り抜けるような音に聞こえる。

キャビテーションは、遠心ポンプに複数の影響を与える。まず、上述のように、破裂するバブルは独特のノイズを発生し、このノイズは、ゴロゴロ音か、ポンプが砂利を吸い込んでいるような音として説明されている。現在、オペレータは、プラント内を歩き回り、この独特の音があるか否かを聞き分けることにより、プロセスプラント内のキャビテーション存在を検出している。さらに、バブルの破裂により引き起こされる液圧衝撃は、金属製のインペラ表面またはポンプ壁に微小領域の疲労を引き起こすのに十分に強く、この衝撃により、ポンプの長期寿命および効率が減少する。キャビテーションのさらに重要な影響は、ポンプの過剰な振動により生じる機械的損傷である。また、キャビテーションの深刻さに依存して、ポンプの性能は、ブレーカウェイと呼ばれる期待性能を下回り、期待されたものよりも低い圧力ヘッドおよび／または流量を生じる。

キャビテーションには、吸込型キャビテーション、吐出型キャビテーション、および再循環型キャビテーションを含む複数の異なるタイプがある。吸込型キャビテーションは、ポンプにより利用可能な有効吸込ヘッド（すなわち、上流側圧力）がポンプ製造業者により規定される必要圧力より小さい場合に生じる。吸込型キャビテーションの徴候としては、ポンプがまるで岩石を吸い込むような音を生じること、吸込管の圧力読取値が高いこと、吐出圧が低いこと、および／またはポンプの吐出側の流量が多いことが挙げられる。吸込型キャビテーションは、吸込パイプが詰まっている、吸込パイプが長すぎるかもしくは直径が小さすぎる、吸込リフトが高すぎる、または吸込管のバルブ（すなわち、ポンプの上流側）が部分的にのみ開いていることにより引き起こされうる。

吐出型キャビテーションは、ポンプが遮断状態でまたは遮断に近い状態で動作しているときにポンプ吐出圧ヘッドまたはポンプ吐出圧が高すぎる場合に生じる。吐出型キャビテーションの徴候としては、ポンプがまるで岩石を吸い込むような音を生じること、吐出ゲージの読取値が高いこと、および／またはポンプの吐出側の流量が少ないことが挙げられる。吐出型キャビテーションの一般的な原因には、吐出パイプが詰まっている、吐出パイプが長すぎるかもしくは直径が小さすぎる、吐出静圧ヘッドが高すぎる、または吐出管のバルブ（すなわち、ポンプの下流）が部分的にのみ開いていることが含まれる。

再循環型キャビテーション（旋回失速または旋回分離）は、理解が最もされていないが、おそらく最もよく起こるタイプのキャビテーションであり、蒸気充填ポケットが管路内で生じた場合に生じる。

上述のように、キャビテーションは、オペレータがプラント内を歩き回り、キャビテーション独特の音があるか否かを聞き分けることにより手動により検出することが一般的である。しかしながら、この検出方法は、単調であり、時間がかかり、非常に早いわけでもなければ効果的でもない。この問題を解決すべく、キャビテーション監視システムは、プラント内で測定されるかまたはプラントに関連するさまざまなデータを結合させることにより、キャビテーションの存在（非存在）を自動的に検出、判断、または予測しうる。図５に例示されるプロセス制御ループ200を参照して、このようなキャビテーション監視システムを本明細書において記載する。プロセス制御ループ200は、ポンプ204を介して液体を他のタンクに送給するタンク202を備えている。この例では、タンク202に関連する出力バルブ208は、ポンプ204の上流側に設置され、タンク206の入力バルブ210は、ポンプ204の下流側に設置されている。また、圧力センサ（トランスミッタ）212および流量センサ（トランスミッタ）214も、ポンプ204における吸込圧およびポンプ204への流量を測定すべくポンプ204の上流側に設置されている。同様に、圧力センサ216および流量センサ218は、吐出圧およびポンプ204の流量を測定すべくポンプ204の下流側に設置されている。

出力バルブ208および入力バルブ210が開くと、ポンプ204が動作し、タンク202からバルブ210を通り、たとえば混合タンクでありうる次のタンク206まで流体が送給される。所望の場合には、タンク206を空にすべく出力バルブ220を用いてもより。また、タンク206からの流量を測定すべく圧力センサもしくは流量センサ221を用いてもよく、タンク206内の液体レベルを測定すべくレベルセンサ222を用いてもかまわない。制御装置223は、レベルセンサ222の出力を受信し、バルブ220を開閉すべくプロセスループを制御しうる。さらに、制御装置224は、バルブ210の開放および場合によれば他の作用にも関連するプロセス制御機能を実行すべくバルブ210および流量センサからフィードバックを取得する。

キャビテーション監視システムまたはコンピュータ225は、プロセッサ226とメモリ227とを備えており、センサ／トランスミッタ212、214、216、218により測定される吸入圧または流量および吐出圧または流量の如き流量パラメータのうちの一または複数に属するデータを受信するように構成されている。監視システム225は、ローズマウント社により販売されるＡＭＳシステムの如き保守システムでもよく、制御システムでもよく、集中型コンピュータもしくは非集中型監視コンピュータでもよく、またはその他の所望のコンピュータでもよい。一つの実施例では、監視システム225は、上述の資産活用システム50に接続されるかまたはその一部でありうる。いずれの場合であっても、監視システム225は、メモリ227に格納される収集または通信ルーチン228を有しており、センサ212、214、216、218の如きさまざまなデータ供給源から動作データを受信すべく、プロセッサ226上で実行されるように構成されている。また、監視ルーチン229も、メモリ227に格納され、プロセッサ226上で実行されるように構成されているが、この監視ルーチン229は、ポンプ204内でキャビテーションが生じる可能性がある否か判定すべく、すなわちポンプ204内におけるキャビテーションの発生を検出または予測すべく、収集されたデータを使用する。したがって、ループ200は、ループ内のさまざまな要素またはデバイスに属するデータを収集するステップであると一般的に知られているが、監視システム225を利用してプロセス制御ループ200内のキャビテーションの発生を検出・予測することも可能である。

ポンプキャビテーションを検出・予測する特定の方法をさらに詳細に記載する前に、たとえば流体導管内に配置されたポンプ内のキャビテーションに影響を与えるかまたはこれに関連する重要な要因が複数存在する。キャビテーションが生じる可能性があるか否かを判定すべくポンプを分析する際に考慮に入れる必要があるＮＰＳＨ（有効吸込ヘッド）には二つの態様がある。まず、ＮＰＳＨａ（利用可能な有効吸込ヘッド）は、液体上のポンプ吸込オリフィスに於いて存在し、この液体の蒸気圧を超える吸込ヘッドである。ＮＰＳＨａは、以下の式１で示すように、吸込システムの関数であり、システム内のポンプのタイプに依存しない：

（数１）
ＮＰＳＨａ＝Ｐ＋Ｈ−Ｈｆ−Ｈｖｐ
上式において、
Ｐ＝絶対圧力
Ｈ＝液体の表面からポンプのインペラまでの静的距離
Ｈｆ＝摩擦損失
Ｈｖｐ＝蒸気圧

ＮＰＳＨｒ（必要有効吸込ヘッド）は、液体上のインペラのセンターラインにおいてこの液体の蒸気圧を超える吸込ヘッドである。ＮＰＳＨｒは、ポンプ流入口設計の厳密な関数であり、吸込配管システムには依存しない。ＮＰＳＨｒは、特定の試験を用いて製造業者により規定され、ＮＰＳＨｒの数値は、ポンプ容量の関数として製造業者ポンプ曲線上に示される。ポンプがキャビテーションなく動作するためには、ＮＰＳＨａはＮＰＳＨｒよりも大きい必要がある。ＮＰＳＨａとＮＰＳＨｒとの相互作用は、図６のグラフに例示されており、ここでは、ＮＰＳＨａとＮＰＳＨｒとは流量に対してプロットされている。図６のグラフは、ＮＰＳＨａがＮＰＳＨｒより小さくなる地点でキャビテーションまたはブレークダウンが発生し始めるということを例示している。流体の流量はその流体の圧力を変えるので、ＮＰＳＨａとＮＰＳＨｒとは流量に依存する。

製造業者が新しいポンプを開発すると、そのポンプは制御状態下で試験され、これらの試験の結果は、いわゆる性能チャート上に一または複数の曲線としてプロットされる。一般的にいうと、ポンプ製造業者は、水をポンプ流体として用いて一または複数のサプレッション試験を実行することによりインペラパターンのＮＰＳＨｒを求める。これらのサプレッション試験の結果は、異なる流量（水の場合）におけるポンプのＮＰＳＨｒを規定する一または複数の曲線である。これらの試験は、インペラパターンの最初の鋳造物のみに対して行われるのが普通であり、個々のポンプには行われない。したがって、これらの曲線は、製造条件の相違または製造時の欠陥の如き個々のインペラの特徴を考慮には入れてない場合があり、他の液体と比較して水に対して最も正確である。さらに、従来のポンプ曲線上にプロットされたＮＰＳＨｒは、キャビテーションによる３％のヘッド損失に基づいている。これは、油圧研究所標準において何年も前に定められた慣習である。このような大きなヘッド損失を認めているのは、キャビテーションが性能損失を気付く前にすでにある大きな流量条件において発生していることを意味している。

図７は、ポンプに対する典型的な性能チャートまたは一組の製造業者曲線を例示している。ここでは、ＱＨとマーク付けされた曲線は、発生したヘッドが流量とともにどのように変化するかを示している。ＨＰとマーク付けされた曲線は、異なる流量で消費される電力を表しており、ＥＦＧとマーク付けされた曲線は、所与の流量において液体に加えられた実際の電力量とポンプにより消費された電力との間の比を示している。また、この性能チャートは、キャビテーションを回避するためにポンプの吸込ノズルで必要な最小のヘッドを示しており、ＮＰＳＨｒとマーク付けされている。これらの曲線間の関係を見ると、ポンプ内のキャビテーションにより、効率とポンプ内で発生するヘッドとが減少することが明らかである。

一般的にいえば、キャビテーション問題に対する最初の行動は、インペラの目の部分においてＮＰＳＨａをチェックし、次いで、この圧力と、使用したインペラのデザインに対してチェック時における実流量に対して定められているＮＰＳＨｒとを比較することが普通である。ＮＰＳＨｒに対するＮＰＳＨａの比は、キャビテーションバブルの形成を妨げるのに十分に大きい（そして、少なくとも一より大きい）必要がある。

ポンプ内、または図５のシステムの如きポンプを備えた制御ループ内におけるキャビテーションの発生を検出または予測する方法の一つは、監視システム225内におけるポンプ204の一または複数の特徴曲線を取得して格納し、キャビテーションが発生しているか否かを判断するために、流量および吸込圧の如きプロセス測定値とともにこれらの曲線を利用することである。図５のシステムにおいて、これらの特徴曲線は、監視システム225のメモリ227に格納されているものとして例示されている。この場合、収集ルーチン228は、たとえばセンサ212、214、216、218により測定される、ポンプ204内の流量および圧力の如き一または複数の動作パラメータを収集して格納する。監視ルーチン229は、格納された特徴曲線230から、または使用する特定の流体またはポンプに対して作成された任意の修正曲線から、ＮＰＳＨａを求めるべく、流量センサ212、218により測定された吸込流量を用いる。その後、監視ルーチン229は、圧力センサ214、216により生成される吸込圧または吐出圧の測定値からＮＰＳＨａを推定し、次いで、ＮＰＳＨｒに対するＮＰＳＨａの比を計算することができる。次に、所望ならば、監視ルーチン229は、この比をたとえば１の如き所定のしきい値と比較することができる。この比が１に近いかまたは１より小さい場合には、キャビテーションがポンプ内で発生している可能性がある。しかしながら、この比が１よりも大きい場合には、キャビテーションは発生していない可能性がある。もちろん、比が１に近いということは、キャビテーションが生じている場合もあれば生じていない場合もある（ポンプがどれだけ正確に特徴曲線に従っているか、ＮＰＳＨａがどれだけ正確に推定または測定されているかなどに依存する）が、そのポンプがキャビテーションの形成の境界領域に近いところで動作しているということを意味している。もちろん、監視ルーチンは、ＮＰＳＨａがＮＰＳＨｒよりも大きいか否かを調べるべくその他の所望の方法でＮＰＳＨａとＮＰＳＨｒとを比較することができる。

キャビテーションが検出された場合、監視ルーチン229は、オペレータまたは保守作業員に警告を発してこの人に問題を通知しうる。監視ルーチン229は、検出されたキャビテーションのタイプまたは性質に応じて、このキャビテーション問題の是正または潜在的な原因に対して提案を行いうる。もちろん、キャビテーションのタイプは、センサ212、214、216、218および他のセンサによりポンプの上流側および下流側で測定された測定圧力値および測定流量値を基にして判定されうる。

たとえば、吸込圧または吐出圧が直接測定できない、またはこれらの測定数値がＮＰＳＨａと直接相関しない他の例においては、監視システム225は、キャビテーションの存在を検出すべく、またはキャビテーションの発生を予測すべく、メモリ227に格納されるポンプ204の一または複数のモデル232を利用しうる。ここでは、監視ルーチン229は、制御ループ200、とくにポンプ204をモデル化すべく、適切な動作パラメータとともにモデル232を用いる。もちろん、ポンプ204の包括的なモデルを用いることもでき、この包括的なモデルを、実際のポンプ204または制御ループ200から測定した実際のポンプデータとポンプ製造業者からの性能曲線とを用いて更新または校正し、ポンプ204によりさらに優れたまたはさらに正確なモデル生成することができる。キャビテーションを発生している可能性がありうるポンプ204の如きデバイス内の実際の圧力および流量の如き動作パラメータを推定またはモデル化すべくモデル232を用いうる。以上において概して記載したように、このようなモデルを実現し、更新しうる。この場合、ＮＰＳＨａおよび／または流量はプロセスモデルから推定しうるし、ポンプ204内でキャビテーションが発生しているかまたは発生する可能性があるかを判断すべく、これらの推定した数値を特徴曲線とともに用いうる。

同様に、将来のポンプキャビテーションを予測するために、ポンプ204または制御ループ200の将来の挙動を推定し、これにより、将来のある時点でのポンプ204のまたはその近位の圧力および流量を求めるべく、期待されるプロセス状態または予測されるプロセス状態に基づいて制御ループ200またはポンプ204のモデル232を実施しうる。次いで、ポンプ204が期待される将来の状態でキャビテーションを発生するか否かを判断すべく、またはポンプ204がキャビテーションを発生し始める時期を判断すべく、ポンプ204の特徴曲線230とともにこれらの予測された圧力および流量を利用しうる。ポンプキャビテーション状況を予測または回避すべく、最適化ルーチン、制御ルーチンなどにおいてこのようなデータを用いることができる。同様に、監視ルーチン229は、ポンプ204がキャビテーションを起こす時期と条件とを推定すべく、ポンプ204内の流量およびＮＰＳＨａに関した以前のデータの収集の如き傾向分析を利用し、プロセス制御フィードバックデータの基づいて、キャビテーションが発生する前に、または発生する可能性のある時点でこのような問題をユーザに警告しうる。

ポンプキャビテーションを検出する他の方法においては、監視ルーチン229は、キャビテーションの発生を検出すべく、測定された動作パラメータ、特徴曲線などに基づいて、ポンプ204の性能に変化があるか否かを探す。この方法は、ＮＰＳＨａが正常に動作しているポンプでは直接に測定することができない場合に有益であり、キャビテーションの直接的な帰結はポンプの動作性能の劣化であるという想定に基づいている。この劣化性能の理由としては、キャビテーションバブルによりポンプのインピーダンスまたは負荷が変動し、次いで、この変動がポンプの動作曲線に影響を与えるからであると考えられている。動作曲線のシフトまたはポンプインピーダンスの変化は、ポンプの電気ループ、特にＶ−Ａ（電圧―電流）特性に直接的な影響を与える。したがって、監視ルーチン229は、ポンプのＶ−Ａ関係を監視することにより、ポンプ内のキャビテーションの存在を判定できるに違いない。

図８は、正常に動作しているポンプ、すなわちキャビテーション無しに動作しているポンプのＶ−Ａ特性の一例を示している。高周波変動が存在する正常に動作している同様の特性曲線は、曲線252として例示されている。また、高周波変動を伴わないシフトＶ−Ａ特性曲線254と高周波変動を伴うシフトＶ−Ａ特性曲線256とも図８に例示されている。監視ルーチン229は、ポンプの電圧動作パラメータおよび電流動作パラメータを、たとえばこれらのパラメータの数値を測定する任意の公知の保守ルーチンを介して検出し、ポンプ204の実際のＶ−Ａ曲線または動作ポイントを追跡しうる。次いで、監視ルーチン229は、たとえば任意の所望の確率測度を用いて、ポンプ204が正常の特性曲線上で動作しているのか、またはキャビテーションを被っているポンプ204の動作に付随するシフト特性曲線上で動作しているのかを判定しうる。ポンプ204がシフト曲線上で動作している場合、監視ルーチン229は、ポンプ204はキャビテーションを被っていることを検出する。あるいは、キャビテーションの存在を検出するために、監視ルーチン229は、曲線の絶対シフト、曲線の高周波変動、またはこれらを結合したものを調べることによって、ポンプ204のＶ−Ａ曲線におけるキャビテーション判定指標を利用しうる。Ｖ−Ａ曲線の絶対シフトは検出することは容易であるが、この特徴は、他の要因もまたＶ−Ａ曲線をシフトしうるのでキャビテーションの信頼性の高い指標ではありえない。Ｖ−Ａ曲線の高周波変動は、任意の所望の技術を利用して周波数ドメインにおいて分析することができる。最も容易な場合には、キャビテーションは特定の周波数領域においてのみ発生することがある。この場合には、キャビテーションの存在を検出すべく、しきい値技術およびフィルタ技術を効率的にかつ確実に適用することができる。キャビテーションのみに関連する識別可能な周波数領域見出されない場合は、監視ルーチン229は、ニューラルネットワークのようなエキスパートエンジン、フラクタル解析、またはこれらを結合したものの如き他の高度なツールを利用しうる。

監視ルーチン229が保守システムに関連する他のコンピュータに実装されているように記載されているが、監視ルーチン229は、制御装置内、ユーザインターフェイス（図１に例示されるインターフェイスのうちのいずれか）内などの如き任意の所望のコンピュータ内に実装されることが可能であり、任意の所望の方法で動作データを受信することができる。さらに、監視ルーチン229とそれに関連する特性曲線230およびポンプモデル232とをポンプ204自体の如きフィールドデバイス内に実装することができるが、ここでは、ポンプ204は、プロセッサまたは他の計算メカニズムを備えるスマートフィールドデバイスであると想定している。

図９は、キャビテーションの存在を検出することができるポンプ260の形態のフィールドデバイスを例示している。この場合、ポンプ260は、プロセッサ262と、データ収集ルーチン266、監視ルーチン269、およびポンプ260の一または複数の特性曲線270を格納するメモリ264とを備えている。さらに、ポンプ260は、ポンプ260の吸込側および吐出側の一方または双方に、流量センサ（274または276）と圧力センサ（278または280）とを備えている。これらのセンサは、出力を収集ルーチン266に提供しうる。これとは対照的に、収集ルーチン266は、任意の所望の通信プロトコルまたは技術を利用して、プラント内の他のセンサから流量データおよび／または圧力データを受信することができる。収集したデータを用いて、監視ルーチン269は、キャビテーションの存在を検出すべく、上述のように動作することができる。

この代りにまたはこれに加えて、ポンプ260は、ポンプ内の状態を推定してキャビテーションを検出するために上述のように利用することができる、一または複数のモデルと、傾向分析システムと、エキスパートエンジンとを備えて実施することができる。このようなエキスパートシステムは、モデルベース型エキスパートシステム、ニューラルネットワーク、フラクタル解析システム、データマイニングシステム、傾向分析システム、ファジー論理システム、またはプロセスからデータを収集してキャビテーションを検出すべくそのデータを利用するその他の適切なエキスパートシステムを備えうる。キャビテーションまたはキャビテーションを発生する状態を検出すると、ポンプ260は、エラーメッセージまたはアラートメッセージをオペレータ、保守作業員、または他の人に送信し、その人にキャビテーションの存在またはキャビテーションが発生する可能性があることをを通知することができる。

同様に、ポンプ260は、インペラ292またはポンプ260を通って流体を流れさせるように動作するその他の所望のポンプメカニズムに結合されたモータ290を備えうる。収集ルーチン266は、ポンプの電圧動作パラメータおよび電流動作パラメータに属するデータを収集または取得し、上述のようにこのデータを利用してポンプ260内のキャビテーションの存在を判定しうる。

上述のキャビテーション監視技術は、デバイスに付随する特性曲線を利用することが一般的であるが、この曲線は、本明細書で例示す形態または、単に、傾向解析、データプロット、ニューラルネットワーク、もしくはポンプ動作の他の記述の如きいずれの形態でもとるうる。同様に、この曲線は、場合によっては、単一のポイントのみ有することがあり、他の場合には、複数のポイントを有することがある。この結果、本明細書で記載される特性曲線は、図６、図７、および図８に例示される曲線に限定されるものではない。

資産活用エキスパート50、監視ルーチン229、269、および他のプロセス要素は、ソフトウェアで実現することが好ましいとして記載しているが、ハードウェア、ファームウェアなどで実現してもよく、プロセス制御システム10に関連するその他のプロセッサにより実施されてもよい。しかしながら、いずれの場合であっても、メモリに格納され、プロセッサによりで実行される、本明細書において記載のルーチンには、ソフトウェアデバイスと同様に、ハードウェアデバイスおよびファームウェアデバイスが含まれる。たとえば、本明細書に記載される要素は、標準型多目的ＣＰＵまたは、所望ならば、特定用途集積回路（ＡＳＩＣ）もしくは他のハードワイヤードデバイスにより実現してもよいが、ルーチンは依然としてプロセッサにより実行される。ソフトウェアにより実現する場合、ソフトウェアルーチンは、磁気ディスク、レーザディスク、または他の格納媒体の如き任意のコンピュータ読取り可能メモリ内、コンピュータのＲＡＭまたはＲＯＭ内、任意のデータベース内などに格納されうる。同様に、このソフトウェアは、たとえば、コンピュータ読取り可能ディスクもしくは他の搬送可能なコンピュータ格納メカニズム、または電話回線、インターネットなどの如き通信チャネルを含む、公知または所望の任意の搬送方法を介してユーザまたはプロセス制御プラントに搬送されうる（電話回線、インターネットなどの如き通信チャネルの利用は、搬送可能な格納媒体を介してこのソフトウェアを提供することと同一または互換性があると考えられている）。

したがって、本発明は特定の例を参照して記載したが、これらの例は説明のみを意図し、本発明を限定することを意図したものではなく、本発明の精神および範疇から逸脱することなく、開示された実施例に変更、追加、または削除を加えうることは当業者にとって明らかである。

プラントの複数の機能領域間においてデータ転送を受信・調整するように構成される資産活用エキスパートを備えるプロセス制御プラントのブロックダイアグラム図である。 図１の前記プラント内の前記資産活用エキスパートに関するデータおよび情報フローダイアグラム図である。 プラント内の一つの領域の動作をシミュレートすべく利用される包括的モデルのブロックダイアグラム図である。 図３の前記領域モデル内の一つのユニットの動作をシミュレートすべく利用される包括的モデルのブロックダイアグラム図である。 プロセス制御ループ内で接続される監視システムのブロックダイアグラム図であり、該監視システムは、前記制御ループ内に設置されるポンプにおけるまたは近傍のキャビテーションを検出することができる。 ＮＰＳＨａ、ＮＰＳＨｒ、およびキャビテーション間の関係を例示するグラフである。 ポンプの製造業者による特性曲線の例の一群である。 高周波ノイズを有した部分および有しない部分があるポンプの標準Ｖ−Ａ曲線と、高周波ノイズを有した部分および有しない部分があるポンプのシフトＶ−Ａ曲線とを例示するグラフであり、これらのグラフは、ポンプ内のキャビテーションにより引き起こされうるものである。 内部にキャビテーション監視ルーチンを有するポンプの一部切欠ダイアグラム図である。

符号の説明

10 プロセス制御プラント
12、14 プロセス制御システム
12A オペレータインターフェイス
12B 制御装置
14A オペレータインターフェイス
14B 制御装置
15 フィールドデバイス
16 デバイス
18、22 保守コンピュータ
20 回転装置
23 監視・診断アプリケーション
24 電力生成・分配システム
25 電力生成・分配装置
26 電力生成システム
27 電力制御・診断アプリケーション
30 コンピュータシステム
32 バス
35 ビジネスシステムコンピュータ
36 保守計画コンピュータ
37 プラントワイドＬＡＮ
38 コーポレイトＷＡＮ
40 コンピュータシステム
50 資産活用エキスパート
51 指標生成ソフトウェア
52 制御エキスパート
54 プログラム
55 オフ゜ティマイサ゛ルーチン
55A、55B 制御最適化ルーチン
56、232 モデル
68 新モデル
58 ユーザインターフェイスルーチン
62 制御ルーチン
63 ビジネスアプリケーション
65 制御エキスパート、予測制御装置
66 保守システムアプリケーション
82 領域モデル
84 原料供給源
88 プリプロセッサモデル
90 蒸留プロセス
92 Ｃ_２クラッカ
100 蒸留コラム
100T 頂部
100B 底部
102 リフラックスドラム
103 入力
104 リボイラ
200 プロセス制御ループ
202 タンク
204、260 ポンプ
206 タンク
208、220 出力バルブ
210 入力バルブ
212、216、278、280 圧力センサ
214、218、221、274、276 流量センサ
220 バルブ
222 レベルセンサ
223、224 制御装置
225 監視システム
226 プロセッサ
227、264 メモリ
228 通信ルーチン、収集ルーチン
229、269 監視ルーチン
230、270 特性曲線
262、プロセッサ
266 データ収集ルーチン
290 モータ
292 インペラ

Claims (45)

1. デバイス内にキャビテーションが存在するかを判断するために利用される監視システムであって、
   プロセッサと、
   前記デバイスの必要有効吸込ヘッドを規定する、または前記デバイスの電圧―電流を規定する前記デバイスの特性曲線を格納するメモリと、
   前記デバイスの動作中に前記デバイスに関連する一または複数の直接測定し易い動作パラメータを収集すべく、前記プロセッサにより実行されるように構成される収集手段と、
   前記デバイス内にキャビテーションが存在することを判断すべく前記一または複数の動作パラメータを前記特性曲線と比較する、前記プロセッサにより実行されるように構成された監視手段と
   を備えてなる監視システム。
2. 前記メモリは前記デバイスに関連するモデルも格納し、前記監視手段は、前記デバイスに関連するさらなる動作パラメータを推定すべく該モデルを利用するように構成されている、請求項１記載の監視システム。
3. 前記監視手段は、前記デバイス内にキャビテーションが存在するかを判断すべく、前記推定されたさらなる動作パラメータと前記デバイスの前記特性曲線とを利用するようにさらに構成されている、請求項２記載の監視システム。
4. 前記一または複数の動作パラメータには前記デバイスに関連する圧力指標が含まれ、前記収集手段が該圧力指標を収集するように構成されている、請求項１記載の監視システム。
5. 前記一または複数の動作パラメータには吸い込み圧指標が含まれる、請求項４記載の監視システム。
6. 前記一または複数の動作パラメータには前記デバイスに関連する流体流量指標が含まれ、前記収集手段が該流体流量指標を収集するように構成される、請求項１記載の監視システム。
7. 前記一または複数の動作パラメータには吸い込み圧指標が含まれる、請求項６記載の監視システム。
8. 前記一または複数の動作パラメータには前記デバイスに関連する圧力指標および流体流量指標が含まれ、前記収集手段が該圧力指標および該流体流量指標を収集するように構成される、請求項１記載の監視システム。
9. 前記一または複数の動作パラメータには吸込圧指標および吸込流体流量指標が含まれる、請求項８記載の監視システム。
10. 前記監視手段は、前記デバイス内において利用可能な有効吸込ヘッドを求め、該利用可能有効吸込ヘッドを前記デバイスと関連する必要有効吸込ヘッドと比較するように構成されている、請求項１記載の監視システム。
11. 前記監視手段は、前記デバイスの前記利用可能有効吸込ヘッドと前記必要有効吸込ヘッドとの比を計算し、該比を所定のしきい値と比較するようにさらに構成されている、請求項１０記載の監視システム。
12. 前記監視手段は、前記監視手段が前記デバイス内にキャビテーションが存在することを判断した場合にユーザに警告するように構成されている、請求項１記載の監視システム。
13. 前記一または複数の動作パラメータは前記デバイスの電気的動作パラメータに関連しており、前記監視手段は前記デバイスの前記電圧―電流特性曲線に従って前記デバイスが動作しているか否かを検出すべく前記デバイスの前記電気的動作パラメータを利用するように構成されている、請求項１記載の監視システム。
14. 前記電圧―電流特性曲線はキャビテーションなしに動作する前記デバイスの電圧―電流特性曲線である、請求項１３記載の監視システム。
15. 前記電圧―電流特性曲線はキャビテーションを有して動作する前記デバイスの電圧―電流特性曲線である、請求項１３記載の監視システム。
16. 前記電圧―電流特性曲線は高周波変動を有する前記デバイスの電圧―電流特性曲線である、請求項１３記載の監視システム。
17. 前記監視手段にはエキスパートエンジンが含まれる、請求項１記載の監視システム。
18. 前記エキスパートエンジンはニューラルネットワークである、請求項１７記載の監視システム。
19. プロセスにおいて動作するデバイス内のキャビテーションを検出する方法であって、
    前記デバイスの動作中に、前記デバイスに関連する一または複数の直接測定し易い動作パラメータを収集することと、
    前記デバイスの必要有効吸込ヘッドを規定する、または前記デバイスの電圧―電流を規定する前記デバイスの特性曲線を格納することと、
    前記収集された動作パラメータを前記デバイスの特性曲線と比較することにより、
    前記一または複数の収集された動作パラメータ及び前記デバイスの特性曲線に基づいて前記デバイス内のキャビテーションの存在を自動的に検出することとを有してなる方法。
20. 前記自動的に検出するステップには、前記デバイスに関連するさらなる動作パラメータを推定すべく前記デバイスに関連するモデルを利用するステップが含まれる、請求項１９記載の方法。
21. 前記自動的に検出するステップには、前記デバイス内にキャビテーションの存在を検出すべく前記判断されたさらなる動作パラメータと前記デバイスの前記特性曲線とを利用するステップが含まれる、請求項２０記載の方法。
22. 前記収集するステップには前記デバイスに関連する圧力指標を収集するステップが含まれる、請求項１９記載の方法。
23. 前記収集するステップには前記デバイスに関連する流体流量指標を収集するステップが含まれる、請求項１９記載の方法。
24. 前記自動的に収集するステップには、前記デバイス内において利用可能な有効吸込ヘッドを求め、該利用可能有効吸込ヘッドを前記デバイスと関連する必要有効吸込ヘッドと比較するステップが含まれる、請求項１９記載の方法。
25. 前記自動的に収集するステップには、前記デバイスの前記利用可能有効吸込ヘッドと前記必要有効吸込ヘッドとの比を計算し、該比を所定のしきい値と比較するステップが含まれる、請求項２４記載の方法。
26. 前記デバイス内にキャビテーションが検出された場合、ユーザに警告するステップをさらに有する、請求項１９記載の方法。
27. 前記特性曲線を格納するステップには前記デバイスの必要有効吸込ヘッドを規定する特性曲線を格納するステップが含まれる、請求項１９記載の方法。
28. 前記特性曲線を格納するステップには前記デバイスの電圧―電流特性曲線を格納するステップが含まれ、前記収集するステップには前記デバイスの一または複数の電気的動作パラメータを収集するステップが含まれ、前記自動的に検出するステップには前記デバイスの前記電圧―電流特性曲線に従って前記デバイスが動作しているか否かを検出するために前記デバイスの前記電気的動作パラメータを利用するステップが含まれる、請求項１９記載の方法。
29. 前記自動的に検出するステップには前記デバイス内のキャビテーションの存在を自動的に検出すべくエキスパートエンジンを利用するステップが含まれる、請求項１９記載の方法。
30. 前記エキスパートエンジンを利用するステップにはニューラルネットワークを利用するステップが含まれる、請求項２９記載の方法。
31. 前記エキスパートエンジンを利用するステップには傾向分析を利用するステップが含まれる、請求項２９記載の方法。
32. 前記エキスパートエンジンを利用するステップにはフラクタル解析エンジンを利用するステップが含まれる、請求項２９記載の方法。
33. プロセッサを有するプラントにおけるデバイス内のキャビテーションの存在を検出するのに利用される監視システムであって、
    メモリと、
    前記メモリに格納され、前記デバイスの動作中に、前記デバイスに関連する一または複数の直接測定し易い動作パラメータを収集すべく前記プロセッサにより実行されるように構成される収集手段と、
    電圧―振幅曲線であるまたは前記デバイスの必要有効吸込ヘッドを規定する曲線である、前記メモリに格納されている前記デバイスに関連する特性曲線と、
    前記メモリに格納され、前記デバイス内にキャビテーションが存在するかを判断するために前記一または複数の動作パラメータを前記特性曲線と比較すべく前記プロセッサにより実行されるように構成される監視手段と
    を備えてなる監視システム。
34. 前記監視手段は、前記デバイス内にキャビテーションが存在するかを判断するために前記デバイスの動作性能の劣化を検出すべく前記動作パラメータを利用するように構成されている、請求項３３記載の監視システム。
35. 前記監視手段は、前記動作パラメータから前記デバイス内で利用可能な有効吸込ヘッドを求め、前記デバイス内にキャビテーションが存在するかを判断すべく、該利用可能有効吸込ヘッドと必要有効吸込ヘッドとを比較するように構成される、請求項３３記載の監視システム。
36. 前記監視手段にはエキスパートエンジンが含まれる、請求項３３記載の監視システム。
37. プロセスプラントにおいて利用されるフィールドデバイスであって、
    プロセッサと、
    メモリと、
    電圧―振幅曲線であるまたは前記デバイスの必要有効吸込ヘッドを規定する曲線である、前記メモリに格納されている前記デバイスに関連する特性曲線と、
    前記メモリに格納され、前記プロセスプラントの稼動に関連する一または複数の直接測定し易い動作パラメータを収集すべく前記プロセッサにより実行されるように構成される収集手段と、
    前記メモリに格納され、前記プロセスプラント内にキャビテーションが存在するかを判断するために前記一または複数の動作パラメータを前記特性曲線と比較すべく前記プロセッサにより実行されるように構成された監視手段と
    を備えてなるフィールドデバイス。
38. 前記監視手段は、前記プロセスプラント内にキャビテーションが存在するかを判断するために前記プロセスプラント内のデバイスの動作性能の劣化を検出すべく前記動作パラメータを利用するように構成されている、請求項３７記載のフィールドデバイス。
39. 前記監視手段は、前記動作パラメータから前記デバイス内の利用可能な有効吸込ヘッドを求め、前記デバイス内にキャビテーションが存在するかを判断すべく該利用可能有効吸込ヘッドと必要有効吸込ヘッドとを比較するように構成される、請求項３７記載のフィールドデバイス。
40. ポンプメカニズムをさらに有する請求項３７記載のフィールドデバイス。
41. 前記ポンプメカニズムにはインペラが含まれる、請求項４０記載のフィールドデバイス。
42. 圧力センサをさらに有する請求項４０記載のフィールドデバイス。
43. 流量センサをさらに有する請求項４０記載のフィールドデバイス。
44. 圧力センサと流量センサとをさらに有する請求項４０記載のフィールドデバイス。
45. 前記監視手段にはエキスパートエンジンが含まれる、請求項３７記載のフィールドデバイス。

Images