KR100451676B1 - 1차산업에서산업용플랜트를운전하기위한방법및시스템 - Google Patents

1차산업에서산업용플랜트를운전하기위한방법및시스템 Download PDF

Info

Publication number
KR100451676B1
KR100451676B1 KR10-1998-0710466A KR19980710466A KR100451676B1 KR 100451676 B1 KR100451676 B1 KR 100451676B1 KR 19980710466 A KR19980710466 A KR 19980710466A KR 100451676 B1 KR100451676 B1 KR 100451676B1
Authority
KR
South Korea
Prior art keywords
plant
control
technology
technical
control unit
Prior art date
Application number
KR10-1998-0710466A
Other languages
English (en)
Other versions
KR20000022063A (ko
Inventor
귄터 죄르겔
Original Assignee
지멘스 악티엔게젤샤프트
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20000022063A publication Critical patent/KR20000022063A/ko
Application granted granted Critical
Publication of KR100451676B1 publication Critical patent/KR100451676B1/ko

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B2265/00—Forming parameters
    • B21B2265/12—Rolling load or rolling pressure; roll force

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)
  • Compounds Of Unknown Constitution (AREA)
  • Manufacture, Treatment Of Glass Fibers (AREA)
  • Ship Loading And Unloading (AREA)
  • Inorganic Compounds Of Heavy Metals (AREA)
  • Selective Calling Equipment (AREA)
  • Hydroponics (AREA)

Abstract

본 발명은 특히 1차 산업에서 산업용 플랜트의 가동 개시를 위한 방법 및 시스템에 관한 것이다. 플랜트 제어 시스템은 비제어 기능 및 제어 기능을 수행한다. 이 제어 기능들은 제어 시스템 컴퓨팅 유니트에서 프로세스 모델, 특히 제어 모델, 예를 들어 수학 모델, 뉴런 네트워크 모델, 전문가 시스템 등에 의해 실시된다. 운전 개시는 현장 스태프에 의해 제어 기능의 개시와 더불어 비제어 기능의 운전 개시 및 플랜트, 바람직하게는 기술 센터로부터 멀리 위치하는 적어도 한 지점으로부터 데이터 라인을 통해 원격 전송되는 데이터에 의한 제어 기능의 운전 개시로 분리되어 실시된다.

Description

1차 산업에서 산업용 플랜트를 운전하기 위한 방법 및 시스템{PROCESS AND SYSTEM FOR COMMISSIONING INDUSTRIAL PLANTS, IN PARTICULAR IN THE PRIMARY INDUSTRY}
산업용 플랜트, 특히 매우 빠르게, 매우 느리게 또는 갑작스럽게 진행하는 프로세스 또는 어떠한 적절한 상태 센서도 제공될 수 없는 프로세스가 이루어지는 플랜트의 제어에서는, 대개 제어 기술적인 모델이 이용된다. 그런 종류의 플랜트는 일반적으로 기본-자동화 시스템 및 프로세스 가이드 시스템을 가지고 있다(비제어 및 제어). 보다 큰 플랜트의 운전에서는 경험상으로 볼 때 시간 및 비용이 많이 들며 또한 플랜트 기술에 정통한 전문가가 요구된다. 이는 제어 기술상의 플랜트 설계 및 개별 콤포넌트들의 제어 프로젝팅 기술에도 적용된다.
본 발명은 플랜트 제어 시스템이 비제어 기능 및 제어 기능을 수행하며, 이 제어 기능들이 제어 시스템 컴퓨팅 유니트 내에서 프로세스 모델, 특히 제어 기술적인 모델, 예를 들어 수학적 모델, 뉴런망 모델, 전문가 시스템 등에 의해 실시되는, 특히 1차 산업의 산업용 플랜트의 운전을 위한 방법 및 시스템에 관한 것이다.
도 1은 중요 사항들과 함께 본 발명의 원리의 개략도,
도 2는 기술 센터의 중요 부분의 개략도,
도 3은 형성된 시스템의 개략도,
도 4는 롤 세퍼레이팅 포스(roll separating force) 계산의 최적화를 위한 뉴런망의 이용과 함께 롤링 과정의 최적화의 관련도,
도 5는 뉴런망 형태의 모델과 수학 모델의 단순한 공동 작업을 나타낸다.
본 발명의 목적은 앞서 설명한 종류의 플랜트를 위해, 특히 1차 산업의 플랜트를 위해, 그러나 화학 산업의 플랜트 및 전기 에너지를 생산하기 위한 플랜트를 위해서도, 최적의 운전 결과에서 시간 및 비용 절감을 달성할 수 있는 운전 방법 및 이에 적합한 시스템을 제공하는데 있다. 이 때 운전된 플랜트의 진행 상태 역시 나중에 개선될 수 있어야 하며, 또한 제어 프로젝팅 기술 및 그에 상응하는 플랜트의 설계를 위해 쉽게 평가되는 결과들이 얻어져야 한다. 상기 목적은 플랜트 기능의 개선과 동시에 엔지니어링-비용의 절감으로 요약될 수 있다.
상기 목적은 운전이 현장 스태프(staff)에 의해 이루어지는 제어 기능의 운전과 더불어 비제어 기능의 운전, 및 플랜트에서 멀리 떨어진 적어도 한 지점으로부터, 바람직하게는 기술 센터로부터 데이터 라인을 통해 원격 전송되는 데이터에 의해 이루어지는 제어 기능의 운전으로 나뉘어져 실시됨으로써 달성된다. 소위 기본 운전과 기술 운전으로 운전을 분리함으로써, 제어 기술 전문가 특히 제어 기술적 모델을 파라미터화(parametering)하고 개선하기 위한 전문가를 현장에 투입할 필요가 없게 된다. 따라서 운전 비용은 상당히 절감될 수 있다. 더 나아가서 이 운전은 더 빠르게 그리고 더 안전하게 이루어질 수 있는데, 그 이유는 기술적인 운전을 위해 전문가 팀이 투입될 수 있고, 이들을 위해 기술 센터의 모든 보조 수단들 및 외부 조언자들이 투입될 수 있기 때문이다.
데이터 전송을 통해 PC에 입력되는 프로그램을 PC에 장착시키는 것은 이미 공지되어 있다. 또한 예를 들어 머신 툴(machine tool) 제어 장치 또는 메모리 프로그램 가능한 제어 장치 같은 PC의 진단(diagnosis), 및 개별적인 자동화 장치의 진단도 역시 공지되어 있다. 그러나 개별 장치의 장착, 진단 및 기능 개선을 위한종래 방법은 특히 1차 산업의 플랜트보다 복잡한 전체 플랜트에서, 전체 플랜트의 운전을 목적으로 전송되지 않는다. 이를 위해 상기 플랜트의 컴퓨팅 인텔리전스의 이용, 긴 액세스 시간 및 '시행착오(trial and error)'의 의미에서의 다이얼로그(dialogue)와 같은 학습 루틴(routine)이 요구된다. 지금까지 이것은 필요 영역에서 실시될 수 없는 것으로 간주되었다.
본 발명의 실시예에서는, 제어 기능의 운전시에 기술의 최적화가 실시되는 내용이 제안되어 있다. 이 최적화 작업은 상기 플랜트의 적어도 하나의 제어 시스템 컴퓨팅 유니트에서 '단계적으로(step by step)' 실시되는 것이 바람직하며, 개별적인 최적화 단계들은 프로세스 제어 시스템의 컴퓨팅 유니트에서 진행되므로, 외부 컴퓨팅 유니트에서 실시되는 최적화 단계들을 인계받을 때 제어 시스템의 컴퓨팅 유니트에서 발생하는 문제들이 나타날 수 없다. 그렇지 않으면, 플랜트 제어 시스템에서의 프로그램의 복잡성이라는 관점에서 볼 때, 최적화된 프로그램 부분들을 인계받을 때에는 언제나 소프트웨어 에러를 고려해야할 지도 모른다. 실시상의 문제를 피하는 것이 본 발명에 따른 시스템의 현저한 장점이다.
제어 부재의 원격 운전, 원격 기능 개선 및 원격 최적화를 보완하기 위해 비제어 부재의 원격 개선이 제공된다. 또한 산업용 플랜트의 기본 자동화 역시 오늘날에는 매우 복잡하므로, 본 발명에 따른 원격 최적화 작업이 이를 위해 유용하다. 이 때에는 바람직하게 적절한 레벨의 플랜트 제어 시스템이 이용된다.
초기 최적화로 제어 기능을 운전한 후에는, 추가의 플랜트 운전 개선이 기술 센터의 도움으로 기술 최적화를 통해 이루어진다. 따라서 플랜트는 제어 기술적으로 최적 운전될 수 있다. 이는 특히 예를 들어 제조 프로그램에 기타 재료 품질을 기록하여 제조 프로그램을 변경할 때 중요하다.
상기 최적화는 특히 알고리즘 또는 인공 뉴런망(artificial neural network:ANN)의 형태인 모델들의 파라미터화, 그리고 모델 알고리즘의 개발 또는 ANN의 형성 및 컴퓨팅 기술적으로 평가된 전문 지식을 용해도 곡선(solubility curve)의 형태로 형성하는 것과도 관련이 있다. 모델에 기본한 제어 장치의 가장 중요한 모듈은, 최적의 플랜트 상태를 달성하기 위해, 계속적으로 개선될 수 있다.
프로세스 모델로서 뉴런망을 사용하는 경우에는, 네트워크 트레이닝(network training)과 병행하여 적용(adaption)이 이루어지는 것이 유리하다. 따라서 ANN의 특성은 본 발명에 따라 특히 양호하게 고려된다. 상기 ANN은 항상 최적화에 가장 유리한 상태에 있다. 또한 특히 유리한 것은 ANN이 알고리즘 및/또는 모델의 개선을 위해 이용되는 것이며, 이 때 형성된 폐쇄 회로는 제어 시스템 컴퓨팅 유니트에서 직접 폐쇄된 회로로서 또는 기술 센터에 의해 간접적으로 폐쇄된 회로로서 형성되는 것이 유리하다. 특히 기술 센터에 의해 폐쇄된 회로에 의해서는, 가장 최신의 제어 및 컴퓨팅 기술상의 지식이 파라미터 및/또는 모델의 최적화 및 개선에 포함될 수 있다. 이 때 유리한 것은, 모델의 계속적인 개발이 예를 들어 유전학적 알고리즘(genetic algorithm)을 통한 평가 방법의 도움으로 실시되는 것이다. 따라서 플랜트 상태의 최적화를 위한 모델의 필수적인 개발 및 경우에 따라서는 플랜트 자체의 최적화도 이루어진다.
상기 프로세스를 유리하게 실시하기 위해 운전 또는 플랜트 운전 개선 시스템이 제공되며, 플랜트에서 떨어져 설치된 적어도 하나의 기술 센터 - 특히 운전 및/또는 운전 개선 센터 -를 가지며, 상기 센터는 데이터 원격 전송 시스템에 의해 기술적으로 운전될 또는 기술적으로 개선될 플랜트의 적어도 하나의 제어 시스템 컴퓨팅 유니트와 접속된다. 이 때문에 본 발명에 따른 프로세스의 장점들이 달성될 수 있다.
상기 시스템의 실시예에서는, 상기 시스템은 기술 센터내에 내부 네트워크를 가지며, 상기 네트워크는 초당 적어도 10 메가비트의 전송 속도를 가지는 이더넷(ethernet)으로서 트위스트 페어 접속(Twisted Pair-Connections)을 장착하고 있으며, 상기 네트워크는 특히 프로토콜 TCP-IP에 따라 동작한다. 따라서 비용면에서 저렴하게 실현될 수 있는 안전한 내부 네트워크가 얻어지며, 상기 네트워크는 원격 운전 및 원격 최적화 센터에 필요한 모든 특성들을 갖는다. 또한 이 시스템은 산업용 플랜트와의 통신을 위해 내부 네트워크와 접속된 원격 운전 또는 운전 개선 네트워크를 가지며, 상기 원격 운전 또는 운전 개선 네트워크는 종래의 일반적인 데이터 전송 컴포넌트(ISDN, 전화, 모뎀, 인터넷 접속)를 가지며 또한 적어도 하나의 보안 데이터 전송 장치(차단 시스템(firewall))를 통해 기술 센터와 접속된다. 따라서 플랜트의 안전 운전 및 스파이 활동등으로부터의 방어를 위해 필요한 구성을 가지는 원격 운전 네트워크의 구성은 저렴한 비용의 일반적인 컴포넌트에 의해 가능해진다.
일 실시예에서, 상기 시스템은 기술 센터의 영역에서 외부 지점, 예를 들어 프로젝트 사무실을 가지며, 상기 사무실은 공간적으로 떨어져 있지만, 데이터 기술적으로, 예를 들어 ISDN-라인을 통해 상호 접속되어 있으며 또한 서로 기술상의 전문 지식을 형성한다. 따라서 외부 전문가들을 통해 최적화 목적의 토론 및/또는 해결이 가능하며, 상기 전문가 팀은 기술 전문 지식 분야에 함께 포함되어 있다. 이 때 완전히 다른 팀과의 공동 작업이 가능하다.
본 발명의 추가 실시예에서는, 운전 및 운전 개선 센터는 특히 수집된 데이터에 대한 평가 소프트웨어를 가진 관리자 유니트를 구비하는 동시에 업무 일지(log book) 관리에 적합하도록 형성되어 있다. 특히, 작동 시점 및 특수한 작동 단계들의 최적화를 위해서는, 제어 조작이 어떻게 최적화 조치의 초기에 작용하였는지를 추적할 필요가 있다. 이는 본 발명에 따른 해결책을 통해 가능해진다.
ISDN 및 인터넷 접속을 위해서는 원하는 접속을 형성하는 라우터(router)가 제공되는 것이 바람직하다. 경우에 따라 자동적으로 동작하는 라우터의 도움으로, 개별적인 플랜트 컴포넌트 및 기술 센터의 컴포넌트를 조작하는 이용자간의 대화를 위해서 및 개별적인 컴퓨팅 유니트 사이의 접속을 위해서 최적의 접속이 형성될 수 있다. 이것은 평일 및 하루 시간에 따라 다를 수 있다.
본 발명의 실시를 위해 상기 플랜트의 제어 시스템에서는 컴퓨팅 기술적인 기술 모듈, 데이터 수집 유니트 등이 존재하고, 센터에는 기술지식을 갖춘 직원, 각각의 클라이언트를 위한 데이터 베이스, 특히 플랜트 제어 시스템에 모듈식으로 입력 가능한 형태로된 일반적인 기술 모듈 및 클라이언트 고유의 기술 모듈이 존재한다.
따라서 전체 시스템내에 새로운 데이터를 단순히 입력함으로써 단계적인 개선이 가능해진다.
플랜트 제어 시스템에는 플랜트 고유 변수의 적용을 위해, 플랜트에 고유하게 형성된 모델의 저장을 위해, 이전의 계산 알고리즘의 저장을 위해, 방향(trend) 시퀀스의 저장을 위해 및 적용 알고리즘의 저장을 위해 컴퓨팅 장치가 제공된다. 따라서 플랜트 제어 시스템은 기술 센터의 계획에 따라 기술상의 최적화를 실시할 수 있다.
압연 공장에서 또는 전기 아크 로(furnace)에서, 즉 1차 산업에서 종종 사용되는 뉴런망을 위해 최적화 및 트레이닝이 병행 실시된다. 상기 목적을 위해 양호하게 형성된 특수한 소프트웨어 모듈이 존재한다. 진단용 메모리 및 플랜트의 기술적인 최적화에 필요한 추가 컴퓨팅 장치 역시 존재한다. 소프트웨어에 의해 제어되는 상기 컴퓨팅 장치들은 본 발명에 따라 사용된 데이터 전송 수단에 의해 영향을 받는다.
운전 또는 운전 개선 센터의 하드웨어 및 소프트웨어 장치들은 비특이성 하드웨어 장치, 소프트웨어 툴, 운전 툴, 소프트웨어 개발 툴, 소프트웨어 평가 툴, ANN-트레이닝 툴, 통계적 평가 프로그램 등뿐만 아니라 플랜트에 고유한 특정 소프트웨어 툴도 포함하고 있으며, 이 경우에는 가급적 플랜트 중립적인 모듈이 이용되며, 필요한 경우에만 플랜트에 고유하고 특수하게 개발된 모듈이 이용된다.
기술상의 플랜트 최적화를 위해 본 발명에 따른 통신 시스템 및 최적화 시스템은 특히 대화 가능하게 형성되어 있으며 또한 조작자를 위해서 뿐만 아니라 최적화될 또는 진단될 플랜트 부재들을 위해서도 광학 검출 컴포넌트를 가지는 것이 바람직하다. 따라서 최적화 제안, 변경 제안, 진단 등은 전문가가 현장에 주재하는 방식으로 실시될 수 있다. 따라서 실제로는 사람이 움직이지 않고 정보가 움직인다. 그러므로 운전 센터 및 플랜트 그리고 플랜트 제어 스테이션은 모니터 및 카메라를 가지는 것이 바람직하다. 이와 같은 내용은 기술 센터의 외부 지점, 예를 들어 프로젝트 사무실 또는 특수한 소프트웨어 개발 유니트에도 적용되므로, 마치 최적화 및 개발에 참여한 모든 사람이 현장에, 특히 플랜트 현장에 있는 것처럼 작업이 이루어질 수 있다. 이와 같은 특징은 트레이닝 데이터의 수집으로부터 새로운 변수의 제공까지 통일적인 조작이 요구되는 특히 인공 신경망(ANN, 그리고 뉴로-퍼지 및 퍼지 응용예)에 의한 동작에 특히 바람직하다.
본 발명은 첨부한 도면으로 하기에서 상술된다.
도 1에서 (1)은 기술 모듈(3) 및 데이터 수집기(4)를 포함하는 클라이언트의 제어 시스템을 나타낸다. 운전 시에 클라이언트의 상기 제어 시스템은 운전자(5)를 통해 운전된다. 실제로 현장에 운전 팀이 있다. 화상 전송을 위해 특히 ATM-컴포넌트를 가지는 ISDN-접속으로 된, 거품모양으로 그려진 전송 측면(6)에 의해서 뿐만 아니라, 전화 모뎀 또는 인터넷에 의해서도, 예를 들어 압연 공장(2)의 운전에 이용되는 컴포넌트(1, 3, 4 및 5)는 컴포넌트(7 내지 11)와 접속되어 있다. 이 컴포넌트(7 내지 11)는 팀(7)을 갖춘 기술 센터와 접속된 컴포넌트이다. 기술 센터에서는 일반적인 기술 모듈(9), 클라이언트 고유의 기술 모듈(8), 다양한 클라이언트를 위한 데이터 베이스 및 다양한 클라이언트를 위한 프로젝팅 컴포넌트(11) 그리고 상세한 설명의 개별 사항에서 알 수 있는 추가 컴포넌트가 이용된다. 현장에 있는 컴포넌트 및 기술 센터와 접속된 또는 기술 센터내에 있는 컴포넌트의 구분은 명확하게 인식될 수 있다. 종래의 진단 또는 장착 루틴과는 달리, 시간적으로 협소하게 제한된 결합이 아니라 오히려 현장 컴포넌트 및 기술 컴포넌트의 상대적으로 영구적인 결합이 다루어진다. 기술 센터와 접속되어 있는 컴포넌트들은 국지적으로 집중되어 있을 필요가 없으며, 이것은 오히려 경우에 따라서는 상이한 영역(continents)에도 뻗어있다. 따라서 시간차 때문에 매일 24-시간 지속되는 최적화, 조언, 및 진단 과정이 클라이언트에게서 이루어진다. 1차 산업의, 화학의 및 에너지 생산의 플랜트는, 상기 플랜트에 의해 연속적인 24-시간 운전이 가능하도록 형성되어 있다.
이들 장치 자체는 항상 자발적으로 기능하는 것이 장점인데, 이는 이 플랜트에 존재하는 인텔리전스가 추가로 개선되기 때문이다. 따라서 플랜트와 기술 센터 사이의 라인 또는 위성 접속의 중단은 생산에 영향을 주지 않는다. 개별적인 최적화 단계들은 나중에 실시된다.
도 2에는 프로젝트에 고유한 파라미터(13)를 위한 입력 장소가 (12)로 표시되어 있으며, 상기 파라미터에 의해 이전 계산 유니트(14), 적용 유니트(15) 및 유전 법칙을 고려하는 유니트(16)에서 네트워크 트레이닝 유니트(18) 및 진단 부분(17)의 도움으로, 통과 시에 또는 루프시에 클라이언트 장치의 기술적으로 최적화된 데이터가 검출된다. 압연 작업에서는 예를 들어 롤 세퍼레이팅 포스 모델, 평면 모델(flatness model), 구부림(flectional) 모델 및 플랫 그루브(flatgroove) 모델과 같이 개별적으로 도면부호 19로 지정된 모델들이 동작하며, 상기 모델들은 유니트(20)에서 유전 알고리즘 및 새로운 모델 파라미터를 통해 개선될 수 있다. 상기 파라미터들은 유니트(13)로부터 얻어지는 프로젝트에 고유한 파라미터와 함께 유니트(14,15 및 16)에서 이루어지는 최적화 컴퓨팅 과정을 가능하게 만든다. 발생된 데이터는 전송 측면(21)에 의해(여기에서는 모든 데이터 전송 수단을 ISDN이라 함), 클라이언트에 고유하게 배분된 데이터 베이스(25)에 도달하고, 상기 데이터 베이스에서 데이터들은 프로젝팅, 진단을 위한 툴, 원격 운전 툴 및 일반적으로 유효한 기술적 모델의 도움으로 기술적인 프로젝트에 고유한 모델(22)이 된다. 상기 모델들은 측면(21)을 통해 클라이언트 제어 시스템의 적어도 하나의 컴퓨팅 유니트에 도달한다.
도 3에는 외부 지점(25)을 갖는 기술 센터의 핵심이 도시되어 있다. 이 기술 센터(24)의 핵심은 클라이언트(26 내지 29)와 접속되어 있으며, 이를 위해 상이한 접속 수단들이 이용될 수 있다. 이 때 약호 SCN은 회사-인트라넷을 나타내며,이것은 특정 클라이언트에 연장되어 있다. 또한 이 기술 센터(24)의 핵심은 플랜트 서비스 스테이션(30)과 접속되어 있어서, 지역적인 서비스 영역에 직접적인 지침을 제공할 수 있으며 또한 이의 경험들을 평가할 수 있다. 이 기술 센터(24)의 핵심은 버스(35)에 의해 서로 접속되어 있는 컴퓨팅 유니트(31)를 가진 사무실 네트워크를 포함한다. 또한 컴퓨팅 유니트(32)는 클라이언트와의 접속을 담당하며 마찬가지로 버스(36)를 통해 접속된다. 양 버스(35와 36) 사이에 감시 스테이션(34)을 가지는 차단 시스템(firewall)(33)이 위치한다. 이 차단 시스템(33)은, 외부로부터 내부 사무실 네트워크로 무허가 침입이 이루어지는 것을 차단한다. 이 내부 네트워크는 트위스트 페어-접속을 갖춘 이더넷(Ethernet)이며 또한 초당 10메가비트의 전송 속도를 가지는 것이 장점이다. 상기 네트워크는 예를 들어 프로토콜 TCP/IP로 동작하며 또한 3000개까지의 단말 장치를 포함할 수 있다. 또한 전체 부서 또는 기업 전체 영역에 내부 네트워크의 데이터를 공급할 수 있다. 이 때 기간(backbone)으로서는 15개까지의 서버 및 초당 100메가비트의 전송 속도를 갖는 FDDI-홈-링(FDDI-home-ring)이 이용된다. 따라서 워크스테이션 또는 진짜 대형 컴퓨터의 데이터는 예를 들어 뉴런망의 신속한 트레이닝을 위해 바람직하게 신속히 전송될 수 있다. 원격 운전의 최종 단계에서 다수 동료의 공동 작업 또한 어려움 없이 시간을 단축시킬 수 있다.
차단 시스템에서, 어떤 바이러스 또는 파괴(sabotage) 명령도 침입할 수 없도록 하는 것이 중요하다. 차단 시스템에 적합한 프로그램은 공지되어 있으며, 업데이팅 및 무허가 침입에 대한 감시는 스테이션(34)에 의해 이루어진다.
플랜트에 고유한 그리고 일반적인 모듈의 범주 내에서 이루어지는 프로그래밍은 부분적으로 예를 들어 프로그램 언어 C++를 통해 객체 지향적으로 이루어지며, 이 경우 워크플로우 시스템(workflow system)은 컴퓨터 이용 소프트웨어 공정툴(CASE-tools)과 함께 사용될 수 있다.
도 4에는 압연 공장의 예에서 롤 세퍼레이팅을 위한 알고리즘을 가지는 뉴런망의 트레이닝 및 공동 작업이 도시되어 있다. 이 때 예를 들어 스트립 두께, 두께 감소, 스트립 폭, 온도, 롤의 반경 및 스트립 전압이 고려된다. 이들 값은 알고리즘 뿐만 아니라 뉴런망에도 제공된다. 또한 뉴런망에 화학 분석의 개별 사항 및 롤링 속도가 제공되며, 또한 롤 세퍼레이팅 포스 알고리즘 및 뉴런망으로부터 나온 값들은 X로 표시된 포인트에서 모아진다. 이로부터 실제적인 롤 세퍼레이팅포스 값과 비교되는 롤 세퍼레이팅 포스를 위한 세트포인트값이 나온다. 그 차이는 다시 뉴런망에 피드백-값으로서 제공되므로, 적응형 후향 회로(aback circuit)가 얻어진다. 화살표(37)는 전술된 차이와 상응하게, 개별 네트워크 가중치가 매칭되는 것을 의미한다. 그럼으로써, 재료가 롤링될 때 롤링 통로의 실제 상태에 상응하게 뉴런망의 상태가 매칭된다. 이 롤링 통로의 '일상 형태' 역시 고려될 수 있다. 이 롤링 통로의 생산 결과는 종래 제어에서 보다 양호하다.
끝으로 도 5에는 뉴런망을 가지는 수학 모델(알고리즘)의 상호 작용의 전진 동작하는 예가 도시되어 있다.
뉴런망 외에 전문가 지식을 가진 다른 소프트웨어 모델 역시, 용해도 곡선의 도움을 받아 플랜트 운전에 사용될 수 있다. 이는 특히 주물 및 용융 공정을 위해이루어진다. 이 때 본 발명에 따른 운전 및 기술적인 최적화 프로세스 및 시스템은 상이한 플랜트를 위한 제어 기술적 개별 모듈과 무관하게 사용될 수 있다. 본 발명에 따른 프로세스 및 시스템은 뉴런망에 의해 동작하는 제어 기술에 특히 장점이 된다.

Claims (18)

  1. 플랜트의 기본 기능을 제어 및 조절하는 적어도 하나의 비제어부와 제조된 제품의 품질에 영향을 미치며 제어 시스템 컴퓨팅 유니트에서 제어 기술 모델을 사용하여 동작하는 기술전용(technology-specific) 제어부를 가지는 플랜트 제어 시스템을 포함하는 산업용 플랜트를 특히 1차산업에서 분할방식으로 운전하기 위한 방법으로서,
    현장 스태프에 의해 상기 제어부를 초기화시키면서 상기 비제어부를 기본 운전하는 단계;
    상기 기본 운전 단계 다음에 상기 제어부를 기술 운전하는 단계 - 상기 기술 운전을 최적화하기 위한 상기 제어 기술 모델의 계산은 상기 플랜트로부터 떨어진 적어도 하나의 사이트로부터 데이터 라인을 통해 원격으로 전송된 데이터에 의해 실행되며 - ; 및
    상기 기술 운전 단계 이후에, 진행중인 기술운전의 품질 최적화를 실행하는 단계를 포함하는 운전 방법.
  2. 제 1항에 있어서, 상기 기술운전의 최적화는 상기 기술 운전 단계와 동시에 실행되는 운전 방법.
  3. 제 2항에 있어서, 상기 기술운전의 최적화는 상기 플랜트의 적어도 하나의제어 시스템 컴퓨팅 유니트에서의 원격 조정에 의하여 실행되는 운전 방법.
  4. 제 2항에 있어서, 상기 기술운전의 최적화는 비제어 기능의 원격 조정에 의한 개선을 통해서 보완되는 운전 방법.
  5. 제 2항에 있어서, 상기 기술운전의 최적화는 상기 제어 기술 모델에 대한 파라미터를 세팅하는 것에 관련되고, 또한 상기 제어 기술 모델의 추가 개발과 관련되어 있는 운전 방법.
  6. 제 1항에 있어서, 상기 제어 기술 모델로서 뉴런망이 사용되는 경우, 네트워크 트레이닝과 동시에 적응(adaption) 과정이 수행되는 운전 방법.
  7. 제 6항에 있어서, 상기 뉴런망은 상기 제어 기술 모델의 개선을 위해 이용되고, 폐쇄 회로는 제어 시스템 컴퓨팅 유니트내의 직접 폐쇄 루프 및 상기 플랜트로부터 떨어진 상기 사이트를 통해 간접적으로 폐쇄된 간접 폐쇄 루프 중 하나로 설계되어 형성되는 운전 방법.
  8. 제 1항에 있어서, 상기 제어 기술 모델들의 추가 개발은 평가 방법에 의해 실행되는 운전 방법.
  9. 1차 산업에서 산업용 플랜트의 운전 또는 동작을 개선시키기 위한 시스템으로서,
    상기 플랜트의 기본 기능을 제어 및 조절하기 위한 적어도 하나의 비제어부; 제조된 제품의 품질에 영향을 미치며, 제어 시스템 컴퓨팅 유니트에서 제어 기술 모델을 사용하여 동작하는 기술전용 제어부; 및
    상기 플랜트로부터 떨어져서 설치되며, 원격 데이터 전송 수단을 통해 상기 플랜트의 적어도 하나의 제어 시스템 컴퓨팅 유니트에 접속되는 적어도 하나의 기술 센터를 포함하며;
    상기 비제어부의 기본 운전은 현장 스태프에 의해 상기 제어부를 초기화시키면서 수행되며, 상기 제어부의 기술 운전은 상기 기본 운전 이후에 수행되며, 상기 기술운전의 최적화를 위한 상기 제어 기술 모델의 계산은 상기 기술 센터로부터 데이터 라인을 통해 원격으로 전송된 데이터에 의해 실행되며, 진행중인 기술 운전의 품질 최적화는 상기 기술 운전의 수행 이후에 실행되는 플랜트의 운전 또는 동작 개선 시스템.
  10. 제 9항에 있어서, 상기 기술 센터는 초당 적어도 10 메가비트의 전송 속도를 가지며, TCP-IP 프로토콜에 따라 동작하도록 설계된 트위스트 페어 접속(twisted-pair connection)을 사용하는 이더넷으로 형성된 내부 네트워크를 포함하는 플랜트의 운전 또는 동작 개선 시스템.
  11. 제 9항에 있어서, 종래의 데이터 전송 컴포넌트를 가지고 적어도 하나의 보안 데이터 전송 장치에 의해 상기 기술 센터와 접속되는 원격 운전 네트워크를 더 포함하는 플랜트의 운전 또는 동작 개선 시스템.
  12. 제 9항에 있어서, 상기 기술 센터는 물리적으로 구분되어 있지만 데이터와 관련하여 상기 기술 센터에 접속되며 기술적 전문 지식을 형성하는 외부 사이트를 포함하는 플랜트의 운전 또는 동작 개선 시스템.
  13. 제 9항에 있어서, 상기 기술 센터는 관리자 유니트를 포함하여 업무 일지 관리에 적합하도록 설계되는 플랜트의 운전 또는 동작 개선 시스템.
  14. 제 9항에 있어서, ISDN 및 인터넷 접속을 위한 바람직한 접속을 형성하는 다수의 라우터를 더 포함하는 플랜트의 운전 또는 동작 개선 시스템.
  15. 제 9항에 있어서, 상기 제어부는 컴퓨팅 기술 모듈과 데이터 수집 유니트를 더 포함하며, 상기 기술 센터는 기술적 지식을 갖춘 스태프, 개별 클라이언트를 위한 데이터 베이스, 일반적인 기술 모듈 및 클라이언트 고유의 기술 모듈을 포함하는 플랜트의 운전 또는 동작 개선 시스템.
  16. 제 9항에 있어서, 상기 제어부는 플랜트 고유의 파라미터를 적응시키고, 상기 플랜트를 위해 특별히 설계된 모델을 저장하며, 이전 계산 알고리즘을 저장하며, 트랜드 시퀀스를 저장하며, 및 적응 알고리즘을 저장하기 위한 컴퓨팅 장치를 더 포함하는 플랜트의 운전 또는 동작 개선시스템.
  17. 제 9항에 있어서, 상기 제어부와 상기 기술 센터 중 하나는 뉴런망과 진단 저장 장치를 트레이닝하기 위한 컴퓨팅 유니트와 상기 플랜트의 상기 기술 운전의 최적화를 위해 필요한 컴퓨팅 유니트를 더 포함하며, 원격 데이터 전송 수단 및 내부 데이터 전송 수단 중 하나를 통해 조종될 수 있는 플랜트의 운전 또는 동작 개선 시스템.
  18. 제 9항에 있어서, 상기 기술 센터는 비특이성 하드웨어 장치, 소프트웨어 툴, 운전 툴, 소프트웨어 개발 툴, 소프트웨어 평가 툴, ANN 트레이닝 툴 및 플랜트-뉴런망 사용을 위한 통계적인 평가 프로그램을 더 포함하며, 플랜트 고유의 사용을 위한 특수 소프트웨어 툴을 더 포함하는 플랜트의 운전 또는 동작 개선 시스템.
KR10-1998-0710466A 1996-06-21 1997-06-20 1차산업에서산업용플랜트를운전하기위한방법및시스템 KR100451676B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19624926.0 1996-06-21
DE19624926 1996-06-21

Publications (2)

Publication Number Publication Date
KR20000022063A KR20000022063A (ko) 2000-04-25
KR100451676B1 true KR100451676B1 (ko) 2004-11-16

Family

ID=7797653

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-1998-0710466A KR100451676B1 (ko) 1996-06-21 1997-06-20 1차산업에서산업용플랜트를운전하기위한방법및시스템

Country Status (11)

Country Link
US (1) US6438534B1 (ko)
EP (1) EP0906594B1 (ko)
KR (1) KR100451676B1 (ko)
CN (1) CN1119729C (ko)
AT (1) ATE205608T1 (ko)
BR (1) BR9709926A (ko)
DE (1) DE59704607D1 (ko)
ES (1) ES2164357T3 (ko)
TW (1) TW369627B (ko)
WO (1) WO1997050021A1 (ko)
ZA (1) ZA975479B (ko)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999040490A1 (en) * 1998-02-06 1999-08-12 Baker Hughes Incorporated Adaptive expert control system for a recausticizing system
FI108678B (fi) 1998-06-17 2002-02-28 Neles Controls Oy Kenttälaitteiden hallintajärjestelmä
DE19834456A1 (de) * 1998-07-30 2000-02-03 Siemens Ag Informations-, Bedien- und/oder Beobachtungssystem mit modellbasierter Benutzeroberfläche und Verfahren zum modellbasierten Bedienen und/oder Beobachten
DE19835416A1 (de) * 1998-08-05 2000-02-17 Siemens Ag Verfahren und Einrichtung zur Inbetriebsetzung von Anlagen der Grundstoffindustrie
US6725208B1 (en) * 1998-10-06 2004-04-20 Pavilion Technologies, Inc. Bayesian neural networks for optimization and control
DE19914987A1 (de) * 1999-04-01 2000-10-05 Siemens Ag Leitsystem für ein Walzwerk, insbesondere für eine Walzstraße
FR2795830B1 (fr) 1999-07-01 2001-08-31 Lorraine Laminage Procede de pilotage d'un processus dynamique complexe
DE19930660A1 (de) * 1999-07-02 2001-01-11 Siemens Ag Verfahren zur Überwachung oder zur Installation neuer Programmcodes in einer industriellen Anlage
DE10036971A1 (de) * 2000-07-28 2002-02-28 Siemens Ag Verfahren zur Ferndiagnose eines technologischen Prozesses
EP1195664A1 (de) * 2000-09-27 2002-04-10 ABB PATENT GmbH Service-System mit Optimierung
US6968242B1 (en) * 2000-11-07 2005-11-22 Schneider Automation Inc. Method and apparatus for an active standby control system on a network
DE10201021A1 (de) 2002-01-11 2003-07-24 Endress & Hauser Process Solut Verfahren zum Instandhalten einer Fabrikationsanlage
EP1380911A1 (en) * 2002-07-12 2004-01-14 Inter-Technology Crystal N.V. System for gaining access to information relating to industrial sites with a substantial complexity
US20040019393A1 (en) * 2002-07-25 2004-01-29 Eileen Heider System and method for model base control
EP1388769A1 (de) * 2002-08-05 2004-02-11 Peter Renner System zur Automatisierung, Überwachung, Steuerung, Messwerterfassung von technischen Prozessen
US7249004B2 (en) * 2003-02-28 2007-07-24 3M Innovative Properties Company Mill roll analysis system
DE10339766A1 (de) * 2003-08-27 2005-04-07 Siemens Ag Verfahren und Einrichtung zur Steuerung einer Anlage zur Herstellung von Stahl
DE102004052395A1 (de) * 2004-03-25 2005-10-13 Sms Demag Ag Einschubverfahren von Maschineneinheiten in eine Produktionslinie
US7444191B2 (en) * 2005-10-04 2008-10-28 Fisher-Rosemount Systems, Inc. Process model identification in a process control system
CN101801130B (zh) * 2010-02-10 2013-09-11 金陵科技学院 太阳能光伏发电路灯远程集散智能控制系统及其控制方法
US10728053B2 (en) * 2017-03-21 2020-07-28 ODIN Building Automation Systems, LLC System and method for remote monitoring and controlling of building automation devices
EP3654114A1 (en) * 2018-11-16 2020-05-20 Maschinenfabrik Rieter AG Parameter manager, central device and method of adapting operational parameters in a textile machine

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4472783A (en) * 1980-07-21 1984-09-18 Kearney & Trecker Corporation Flexible manufacturing system
US4819149A (en) 1986-05-02 1989-04-04 Owens-Corning Fiberglas Corporation Distributed control system
JP2755644B2 (ja) * 1989-01-20 1998-05-20 株式会社東芝 制御系の設計方法及び設計支援装置
DE69030859T2 (de) * 1989-09-12 1997-12-18 Hitachi Ltd Verfahren und Gerät zur rechnergesteuerten nichtlinearen Optimierung
US5088045A (en) * 1990-01-02 1992-02-11 Honda Giken Kogyo Kabushiki Kaisha Production management system
DE4019395A1 (de) * 1990-06-18 1991-12-19 Zubler Geraetebau Steuerung fuer vorwaermoefen
DE4033974A1 (de) * 1990-10-25 1992-04-30 Ibos Qualitaetssicherung Verfahren zur herstellung von flaechen- und im querschnitt ringfoermigen extrudaten sowie vorrichtung zur durchfuehrung des verfahrens
EP0524317A4 (en) * 1991-02-08 1995-02-15 Tokyo Shibaura Electric Co Model forecasting controller
US5291416A (en) 1991-03-08 1994-03-01 Software Algoritms Incorporated Event feedback for numerically controlled machine tool and network implementation thereof
DE4125374C2 (de) * 1991-07-31 1995-03-09 Siemens Ag Automatisiert arbeitende, mehrere Anlagenteile aufweisende Kokerei
DK0607493T3 (da) * 1993-01-18 1999-08-30 Siemens Ag Realtidsstyresystem
DE4301360A1 (de) 1993-01-20 1994-07-21 Remis Gmbh Kühlmöbelabdeckung
WO1994020887A2 (en) * 1993-03-02 1994-09-15 Pavilion Technologies, Inc. Method and apparatus for analyzing a neural network within desired operating parameter constraints
US5432887A (en) * 1993-03-16 1995-07-11 Singapore Computer Systems Neural network system and method for factory floor scheduling
DE4416364B4 (de) * 1993-05-17 2004-10-28 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines Prozesses
DE4338607B4 (de) * 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
US5493631A (en) * 1993-11-17 1996-02-20 Northrop Grumman Corporation Stabilized adaptive neural network based control system
DE4413836A1 (de) * 1994-04-20 1995-10-26 Dicon Dinkel Ind Automation Gm System zum Anschluß von nicht netzwerkfähigen technischen Maschinen an ein komplexes Netzwerk
US5586221A (en) * 1994-07-01 1996-12-17 Syracuse University Predictive control of rolling mills using neural network gauge estimation
EP0770232B1 (de) * 1994-07-08 1998-03-25 Siemens Aktiengesellschaft Führungssystem für eine kraftwerksanlage
US5796920A (en) * 1994-08-19 1998-08-18 Harris Corporation Multiprocessor system and method for identification and adaptive control of dynamic systems
US5796921A (en) * 1994-10-28 1998-08-18 Sony Corporation Mapping determination methods and data discrimination methods using the same
DE19508474A1 (de) * 1995-03-09 1996-09-19 Siemens Ag Intelligentes Rechner-Leitsystem
DE19508476A1 (de) 1995-03-09 1996-09-12 Siemens Ag Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä.
US6089021A (en) * 1995-04-06 2000-07-18 Senanayake; Daya Ranjit Power production plant and method of making such a plant
US5873251A (en) * 1995-09-13 1999-02-23 Kabushiki Kaisha Toshiba Plant operation control system
JP3412384B2 (ja) * 1996-03-13 2003-06-03 株式会社日立製作所 制御モデル構築支援装置
CH690875A5 (de) * 1996-05-21 2001-02-15 Hts High Technology Systems Ag Heim- und Gebäudeautomationssystem.

Also Published As

Publication number Publication date
US6438534B1 (en) 2002-08-20
TW369627B (en) 1999-09-11
ES2164357T3 (es) 2002-02-16
CN1119729C (zh) 2003-08-27
WO1997050021A1 (de) 1997-12-31
EP0906594A1 (de) 1999-04-07
CN1227639A (zh) 1999-09-01
KR20000022063A (ko) 2000-04-25
EP0906594B1 (de) 2001-09-12
BR9709926A (pt) 1999-08-10
ATE205608T1 (de) 2001-09-15
DE59704607D1 (de) 2001-10-18
ZA975479B (en) 1999-03-23

Similar Documents

Publication Publication Date Title
KR100451676B1 (ko) 1차산업에서산업용플랜트를운전하기위한방법및시스템
KR100532804B1 (ko) 산업용 플랜트의 자동 운영 방법
EP1021752B1 (en) Model-free adaptive process control
KR102311787B1 (ko) Ai 모델의 성능 저하 방지를 위한 ai 모델 관리 장치 및 그 방법
CN102346474B (zh) 一种开放式优化控制方法
CN106950821A (zh) 在非周期性更新的控制器中基于速度的控制
CA2258766C (en) Process and system for commissioning industrial plants, in particular in the primary industry
Madey et al. Integration of neurocomputing and system simulation for modeling continuous improvement systems in manufacturing
Rao et al. A neuro-PID speed controller for DC drives
Zermane et al. Fuzzy control of an industrial process system using internet and web services
US7433968B2 (en) Methods and systems for management and control of an automation control module
JPS59167708A (ja) プラント計装制御装置
JP2738343B2 (ja) 圧延機の形状制御方法および装置
Nguyet et al. A Computed Torque Controller for Robotic Manipulators Using Nonlinear Neural Network
JPH04199202A (ja) プラント運転支援装置
Hoerger et al. Supervisory control for semiconductor processing
JP2624880B2 (ja) 制御装置及び制御方法
Rauma Diagnosis information in meta-rule adaptive fuzzy systems
CN117452885A (zh) 复杂工业过程的运行决策智能方法及系统
Kulawski et al. Adaptive control of non-linear plants using neural networks-application to a flux control in AC drive system
Prada et al. HITO-a tool for hierarchical control
WO2021156241A1 (de) Vorrichtung zur steuerung und/oder zur überwachung einer technischen anlage
CN117873237A (zh) 一种无人档案库房智能环境调控系统及方法
Pican et al. Neurocontrol of temperatures with OWE neural network architecture in continuous steel annealing furnace
LU ON-LINE INFERENCE FOR FUZZY CONTROLLERS IN CONTINUOUS DOMAINS

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20110819

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20120820

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee