KR20000022063A - 1차 산업에서 산업용 플랜트를 운전하기 위한 방법 및 시스템 - Google Patents

1차 산업에서 산업용 플랜트를 운전하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20000022063A
KR20000022063A KR1019980710466A KR19980710466A KR20000022063A KR 20000022063 A KR20000022063 A KR 20000022063A KR 1019980710466 A KR1019980710466 A KR 1019980710466A KR 19980710466 A KR19980710466 A KR 19980710466A KR 20000022063 A KR20000022063 A KR 20000022063A
Authority
KR
South Korea
Prior art keywords
plant
control
improvement
center
optimization
Prior art date
Application number
KR1019980710466A
Other languages
English (en)
Other versions
KR100451676B1 (ko
Inventor
귄터 죄르겔
Original Assignee
칼 하인쯔 호르닝어
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 칼 하인쯔 호르닝어, 지멘스 악티엔게젤샤프트 filed Critical 칼 하인쯔 호르닝어
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)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Feedback Control In General (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Inorganic Compounds Of Heavy Metals (AREA)
  • Manufacture, Treatment Of Glass Fibers (AREA)
  • Ship Loading And Unloading (AREA)
  • Hydroponics (AREA)
  • Selective Calling Equipment (AREA)
  • Compounds Of Unknown Constitution (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
산업용 플랜트, 특히 매우 빠르게, 매우 느리게 또는 갑작스럽게 진행하는 프로세스 또는 어떠한 적절한 상황 센서도 제공될 수 없는 프로세스가 이루어지는 플랜트의 제어에 있어서, 대개 제어 모델이 이용된다. 그런 종류의 플랜트는 일반적으로 베이스-자동화 시스템 및 프로세스 가이드 시스템을 가지고 있다(비제어 및 제어). 보다 큰 플랜트의 운전에서 경험상으로 시간 및 비용이 많이 들며 또한 플랜트 기술에 정통한 전문가가 요구된다. 이는 제어 기술상의 플랜트 설계 및 개별 콤포넌트들의 제어 기술상의 프로젝팅에도 적용된다.
본 발명은 플랜트 제어 시스템이 비제어 기능 및 제어 기능을 수행하며, 이 제어 기능들은 제어 시스템 컴퓨팅 유니트에서 프로세스 모델, 특히 제어 모델, 예를 들어 수학 모델, 뉴런망 모델, 전문가 시스템 등에 의해 실시되는, 특히 1차 산업에서 산업용 플랜트의 가동 개시를 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 뉴런망의 형태인 모델과 수학 모델의 단순한 공동 작업을 나타낸다.
본 발명의 목적은 앞서 설명한 종류의 플랜트를 위해, 특히 1차 산업의 플랜트를 위해, 그러나 화학 산업의 플랜트를 위해서도 그리고 전기 에너지를 생산하기 위한 플랜트를 위해, 최적의 운전 결과에서 시간 및 비용 절감을 달성할 수 있는 운전 프로세스 및 이에 적합한 시스템을 제공하는데 있다. 이 때 운전 개시된 플랜트의 진행 상태 역시 나중에 개선될 수 있어야 하며 또한 제어 기술상의 프로젝팅을 위해 및 그에 상응하는 플랜트의 설계를 위해 쉽게 평가되는 결과들이 얻어지져야 한다. 이런 목표는 플랜트 기능의 개선과 동시에 엔지니어링-비용의 절감으로 요약될 수 있다.
상기 목적은 운전이 현장 스태프(staff)에 의해 제어 기능의 운전과 더불어 비제어 기능의 운전 및 플랜트에서 멀리 떨어진 적어도 한 지점으로부터, 바람직하게는 기술 센터(technological center)로부터 데이터 라인을 통해 원격 전송되는 데이터에 의한 제어 기능의 운전으로 나뉘어져 실시되므로써 달성된다. 소위 베이스-운전과 기술적인 운전으로 운전을 분리하므로써, 제어 기술 전문가 특히 제어 기술 모델을 파라미터링(parametering)하고 개선하기 위한 전문가를 현장에 투입할 필요가 없게된다. 따라서 이 작동 개시 비용은 상당히 절감될 수 있다. 더 나아가서 이 운전은 더 빠르게 그리고 더 안전하게 이루어질 수 있는데, 기술적인 운전을 위해 전문가 팀이 투입되고, 이들을 위해 기술 센터의 모든 보조 수단들 및 외부 조언자들이 투입될 수 있다.
데이터 전송을 통해 PC에 입력되는 프로그램을 PC에 장착시키는 것은 이미 공지되어 있다. 또한 예를 들어 머쉰 툴(machine tool) 제어 장치 또는 메모리 프로그램가능한 제어 장치 같은 PC의 다어그노즈(diagnose), 그러나 개별적인 자동화 장치의 다이어그노즈 역시 공지되어 있다. 그러나 개별 장치의 장착, 다이어그노즈 및 기능 개선을 위한 종래 방법은 전체 플랜트 특히 1차 산업의 플랜트의 복잡성을 가지는 전체 플랜트의 운전을 위해 전송된다. 이를 위해 이 플랜트의 컴퓨팅 인텔리전스의 이용, 긴 액세스 시간 및 "시도 및 에러(trial and error)"라는 의미에서의 다이얼로그와 같은 학습 루틴(learning routine)이 요구된다. 지금까지 이것은 필요 영역에서 실시될 수 없는 것으로 간주되었다.
본 발명의 구성에 의해 제어 기능의 운전에 있어서 기술상의 최적화가 실시될 수 있다는 것이다. 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 넘겨 받을 때 제어 시스템의 컴퓨팅 유니트에서 발생하는 문제들이 나타날 수 없다. 플랜트 제어 시스템에서 프로그램의 복잡성이라는 관점에서 최적화된 프로그램 부분들을 받을 때 소프트웨어 에러를 고려할 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 베이스 자동화 역시 오늘날 매우 복잡하므로, 본 발명에 따른 원격 최적화 작업이 이에 보답한다. 이 때 플랜트 제어 시스템의 상응하는 측면이 이용된다.
스타트 최적화로 제어 기능의 운전 개시 후에 그외 플랜트 운전 개선이 기술 센터의 도움으로 기술상의 최적화를 통해 이루어진다. 따라서 플랜트는 제어 기술적으로 최적 운전될 수 있다. 이는 특히 예를 들어 제조 프로그램에 기타 재료 품질을 받아들여 제조 프로그램을 변경할 때 중요하다.
이 최적화는 알고리즘 또는 인공적인 뉴런망(artificial neuronal network) (KNN)의 형태인 모델들의 파라미터링 및 솔루비러티 커브(solubility curve)의 형태로 KNN의 형성 또는 모델들의 알고리즘의 개발과 관련되어 있다. 모델에 기초한 제어 장치의 가장 중요한 모듈은, 최적의 플랜트 상태를 달성하기 위해, 계속적으로 개선될 수 있다.
프로세스 모델로서 뉴런망의 이용 시에 네트워크 트레이닝(network training)과 병행하여 어댑션(adaption)이 이루어진다는 것이 유리하다. 따라서 KNN의 특성은 본 발명에 따라 특히 양호하게 고려된다. 이것은 항상 최적화에 가장 유리한 상태에 있다. 또한 특히 유리한 것은 KNN이 알고리즘 및/또는 모델의 개선을 위해 이용되며 및 이 때 제어 시스템 컴퓨팅 유니트에서 직접 폐쇄된 회로로서 또는 기술 센터에 의해 간접적으로 폐쇄된 회로로서 형성되는 폐쇄 회로가 형성되는 것이 유리하다. 특히 기술 센터에 의해 폐쇄된 회로는, 가장 최신의 제어 및 컴퓨팅 기술상의 결과가 파라미터 및/또는 모델의 최적화 및 개선에 흘러들어 오므로써 제공된다. 이 때 유리한 것은 모델의 그외 개발은 예를 들어 유전 알고리즘(genetic algorithm)에 의해 에벌류션 스트래티지(evolution strategy)의 도움으로 실시된다. 따라서 플랜트 상태의 최적화를 위한 모델의 필수적인 그외 개발 및 경우에 따라서는 플랜트 자체의 최적화가 이루어진다.
이 프로세스를 유리하게 실시하기 위해, 운전 개시- 또는 플랜트 운전 개선 시스템이 제공되며, 적어도 하나의, 플랜트에서 떨어져 설치된 기술 센터를 - 특히 운전 개시- 및/또는 운전 개선 센터 - 가지며, 이것은 데이터 원격 전송 시스템에 의해 기술적으로 운전시키는 또는 기술적으로 개선하려는 플랜트의 적어도 하나의 제어 시스템 컴퓨팅 유니트와 연결된다. 이 때문에 본 발명에 따른 프로세스의 장점들이 달성될 수 있다.
이 시스템의 구성에 있어서, 이것은 기술 센터에서 내부 네트워크를 가지며, 이것은 에테르네트(ethernet)로서 초당 적어도 10 메가비트의 전송 속도를 가지는 트위스트 페어 커넥션(Twisted Pair-Connections)을 장착하며, 이것은 특히 프로토콜 TCP-IP에 따라 동작한다. 따라서 비용면에서 저렴하게 실현될 수 있는, 안전한 내부 네트워크가 제공되며, 이것은 원격 운전 및 원격 최적화 센터에 필요한 모든 특성들을 갖는다. 또한 이 시스템은 내부 네트워크와 연결된 원격 운전- 또는 운전 개선 네트워크를 산업용 플랜트와의 통신을 위해 가지며, 이것은 종래의 일반적인 데이터 전송 컴포넌트(ISDN, 전화, 모뎀, 인터넷-커넥션)을 가지며 또한 적어도 하나의 안전-데이터 전송 장치(화이어월(firewall))를 통해 기술 센터와 연결된다. 따라서 플랜트의 안전 운전을 위해 및 운전 스파이 침입 등으로부터의 방어를 위해 필요한 구성을 가지는 원격 운전 개시의 구성이 비용이 저렴한 일반적인 컴포넌트로 가능해진다.
한 구성에 있어서 이 시스템은 기술 센터의 영역에서 외부 지점, 예를 들어 프로젝트 사무실을 가지며, 이것은 공간적으로 떨어져 있지만, 데이터 기술적으로, 예를 들어 ISDN-라인에 의해 그것과 연결되어 있으며 또한 이것과 함께 기술상의 관할 영역을 형성한다. 따라서 최적화 목적의 토론 및/또는 해결이 외부 전문가를 통해 가능해지며, 이의 팀은 기술상의 관할 영역에 함께 편입되어있다. 이 때 완전히 다른 팀과의 공동 작업도 가능하다.
본 발명의 그외 구성에 있어서, 운전 개시- 및 운전 개선 센터는 수집된 데이터를 위한 평가 소프트웨어를 가진 관리자 유니트(administrator unit)를 구비하고 있으며 동시에 공정 일지(log book) 기입에 적합하게 형성되어 있다. 작동 시점 및 특수한 작동 단계들의 최적화를 위해 어떻게 제어 조작이 최적화 조치의 초기에 작용하였는지를 추적할 수 있다. 이는 본 발명에 따른 해결책을 통해 가능해진다.
ISDN- 및 인터넷-커넥션을 위해 원하는 커넥션을 만드는 루터(router)가 제공되는 것이 장점이다. 경우에 따라 자동적으로 동작하는 루터의 도움으로 개별적인 플랜트 컴포넌트 및 기술 센터의 컴포넌트의 이용자의 대화를 위해 및 개별적인 컴퓨팅 유니트 사이의 커넥션을 위해 최적의 커넥션이 형성될 수 있다. 이것은 평일 및 하루 시간에 따라 다를 수 있다.
본 발명의 실시를 위해 이 플랜트의 제어 시스템에서 기술 모듈, 데이터 수집 유니트 등이 및 센터에서 각각의 클라이언트, 일반적인 및 클라이언트에 고유한 기술 모듈을 위한 데이터 뱅크, 기술 지식을 가지는 직원이 특히 플랜트 제어 시스템에 모듈식으로 입력가능한 형태로 존재한다.
따라서 전체 시스템 안으로 새로운 데이터의 단순한 입력으로 단계적인 프로세스가 가능해진다.
플랜트 제어 시스템에서 플랜트 고유 변수의 어댑션을 위해, 플랜트에 고유하게 형성된 모델의 저장을 위해, 예비 계산 알고리즘의 저장을 위해, 트렌드(trend) 추적의 저장을 위해 및 어댑션 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 뉴런망이 종종 이용되며, 최적화 및 트레이닝이 병행하여 실시된다. 이에 대해 특수한, 양호하게 형성된 소프트웨어 모듈이 제공될 수 있다. 다이어그노즈 메모리 및 플랜트의 기술상의 최적화에 필요한 그외 컴퓨팅 장치 역시 제공될 수 있다. 이들, 소프트웨어를 이용하는, 컴퓨팅 장치들은 본 발명에 따라 사용된 데이터 전송 수단에 의해 영향을 받는다.
운전 개시- 또는 운전 개선 센터의 하드웨어 및 소프트웨어 장치들은 비고유적인 하드웨어 장치, 소프트웨어 툴(software tool), 운전 개시 툴, 소프트웨어 개발 툴, 소프트웨어 에벌류션 툴, KNN-트레이닝 툴, 스태티스틱 평가 프로그램 등 뿐만 아니라 플랜트에 고유한 특별한 소프트웨어 툴도 포함하고 있으며, 이 경우 가능한 한도에서 플랜트에 중립적인 모듈로 환원되며, 플랜트에 고유한 특수하게 개발된 모듈이, 필요하면, 이용될 수 있다.
기술상의 플랜트 최적화를 위해 본 발명에 따른 통신 시스템 및 최적화 시스템은 특히 대화 가능하게 형성되어 있으며 또한 취급자를 위해서 뿐만 아니라 최적화하려는 또는 다이어그노즈하는 플랜트 부재들을 위해서도 광학적인 인식 컴포넌트를 가지는 것이 장점이다. 따라서 최적화 제안, 변경 제안, 다이어그노즈 등이 전문가가 현장에 주재하는 방식으로 실시될 수 있다. 따라서 실제로 사람이 움직이지 않고 정보가 움직인다. 그러므로 운전 개시 센터 및 플랜트 및 플랜트 제어 스탠드는 모니터 및 카메라를 가지는 것이 장점이다. 이와 같은 것은 기술 센터의 외부 지점, 예를 들어 프로젝트 사무실 또는 특수한 소프트웨어 개발 유니트에도 적용되므로, 마치 최적화 및 그외 개발에 참여한 모든 사람이 현장에서, 특히 플랜트 현장에 위치하는 것처럼 작업이 이루어질 수 있다. 이는 트레이닝 데이터(training data)의 수집으로부터 새로운 변수의 제공까지 통일적인 취급이 요구되는 특히 인공적인 뉴런망(KNN, 뉴로-퍼지 및 퍼지 적용예)으로 동작하는데 특히 장점이다.
본 발명은 첨부한 도면으로 하기에서 상술된다.
도 1에서 1은 기술 모듈(3) 및 데이터 수집기(4)를 포함하는 클라이언트의 제어 시스템을 나타낸다. 운전 시에 클라이언트의 이 제어 시스템은 운전 개시자(5)를 통해 운전 개시된다. 실제로 현장에 운전 개시 팀이 있다. 화상 전송을 위해 특히 ATM-컴포넌트를 가지는 ISDN-커넥션으로 된, 거품으로 그려진 전송 측면(6)에 의해, 전화 모뎀 또는 인터넷에 의해, 예를 들어 압연 공장(2)의 운전 개시에 이용되는 컴포넌트(1, 3, 4 및 5)는 컴포넌트(7 내지 11)과 연결되어 있다. 이 컴포넌트(7 내지 11)는 팀(7)을 갖춘 기술 센터와의 연결된 컴포넌트이다. 기술 센터에서 일반적인 기술 모듈(9), 클라이언트 고유의 기술 모듈(8), 다양한 클라이언트를 위한 데이터 뱅크 및 다양한 클라이언트를 위한 프로젝팅 컴포넌트(11) 및 상세한 설명의 개별 사항에서 알 수 있는 그외 컴포넌트가 이용된다. 현장에 있는 컴포넌트 및 기술 센터와 연결된 또는 기술 센터에 있는 컴포넌트의 분리를 명확히 인식할 수 있다. 종래의 다이어그노즈- 또는 장착 루틴과 반대로 시간적으로 협소하게 제한된 결합이 아니라 오히려 현장 컴포넌트 및 기술 컴포넌트의 상대적으로 영구적인 결합에 관한 것이다. 기술 센터와 연결되어 있는 컴포넌트들은 국지적으로 집중되어 있을 필요가 없으며, 이것은 오히려 경우에 따라서 다른 콘티넨트(continents)에도 뻗어있다. 따라서 시간차 때문에 매일 24-시간 지속되는 최적화-, 조언-, 및 다이어그노즈 과정이 클라이언트에게 이루어진다. 1차 산업의, 화학의 및 에너지 생산의 플랜트는, 이것이 연속적인 24-시간 운전을 가능하게 할 수 있도록, 형성되어 있다.
이들 장치 자체는 이 때 항상 자발적으로 기능하는 것이 장점인데, 이는 이 플랜트에 존재하는 인텔리전스만이 개선되기 때문이다. 따라서 플랜트와 기술 센터 사이의 라인- 또는 새틀라이트 커넥션의 중단은 생산에 영향을 주지않는다. 개별적인 최적화 단계들은 나중에 실시된다.
도 2에는 프로젝트에 고유한 파라미터(13)를 위한 입력 자리가 12로 표시되어 있으며, 이것에 있어서 예비 계산 유니트(14), 어댑션 유니트(15) 및 유전 법칙을 고려하는 유니트(16)에서 네트 트레이닝 유니트(18) 및 다이어그노즈 부분(17)의 도움으로 통과 시에 또는 루핑에서 클라이언트 장치의 기술적으로 최적화된 데이터가 검출된다. 압연 공장에 있어서 예를 들어 롤 세퍼레이팅 포스 모델, 플래트니스 모델(flatness model), 휨(flectional) 모델 및 플랫 그루브(flat groove) 모델과 같은 개별적으로 제공된 19개의 모델들이 동작하며, 이것은 유니트(20)에서 유전 알고리즘 및 새로운 모델 파라미터를 통해 개선될 수 있다. 유니트(13)로부터 프로젝트에 고유한 파라미터와 함께 이 파라미터들은 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 뱅크(25)에 도달하고, 이에서 이 데이터들은 프로젝팅, 다이어그노즈를 위한 툴, 원격 운전 툴 및 일반적으로 유효한 모델의 도움으로 기술적인, 프로젝트에 고유한 모델(22)로 가이드한다. 이들은 측면(21)에 의해 클라이언트 제어 시스템의 적어도 하나의 컴퓨팅 유니트에 도달한다.
도 3에는 외부 지점(25) 및 기술 센터의 핵심이 도시되어 있다. 이 기술 센터(24)의 핵심은 클라이언트(26 내지 29)과 연결되어 있으며, 이 경우 다른 연결 수단들이 이용될 수도 있다. 이 때 약호 SCN은 회사-인트라네트(firm-intranets)를 나타내며, 이것은 특별한 클라이언트에 연장되어 있다. 또한 이 기술 센터(24)의 핵심은 플랜트 서비스 스테이션(30)과 연결되어 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 연결되어 있는 컴퓨팅 유니트(31)를 가진 사무실 네트워크를 갖는다. 또한 컴퓨팅 유니트(32)는 클라이언트와의 연결을 담당하며 버스(36)를 통해 연결된다. 양 버스(35와 36) 사이에 감시 스테이션(34)을 가지는 화이어월(33)이 위치한다. 이 화이어월(33)은, 외부로부터 내부 사무실 네트워크로 무허가 침입이 이루어지는 것을 차단한다. 이 내부 네트워크는 트위스트 페어-커넥션을 갖춘 에테르네트(Ethernet)이며 또한 초당 10메가비트의 전송 속도를 가지는 것이 장점이다. 예를 들어 프로토콜 TCP/IP가 이용되며 또한 3000개의 단말 장치를 포함할 수 있다. 또한 전체 부서 또는 기업 전체 영역 내부 네트워크의 데이터를 공급할 수 있다. 이 때 백본(backbone)으로서 FDDI-홈-링(FDDI-home-ring)은 15개까지의 서버(server) 및초당 100메가비트의 전송 속도를 가지고 이용된다. 따라서 웨크스테이션 또는 진짜 대형 컴퓨터의 데이터가 예를 들어 뉴런망의 신속한 트레이닝을 위해 이용되는 것처럼 신속하게 전송될 수 있다. 원격 운전 개시의 최종 스테이디엄에서 많은 동료의 공동 작업 역시 어려움 없이 시간을 단축하면서 이루어질 수 있다.
어떤 바이러스 또는 사보타지 지시에 감염되는 것에 대해 화이어월이 중요하다. 화이어월을 위한 적절한 프로그램이 공지되어 있으며, 이의 업데이팅 및 무허가 침입에 대한 제어가 스테이션(34)에 의해 이루어진다.
플랜트에 고유한 그리고 일반적인 모듈의 범위 내에서 프로그래밍은 예를 들어 프로그램 언어 C++를 통해 부분적으로 대상을 향해있으며, 이 경우 워크플로우시스템(workflowsystem)은 케이스-툴(case-tools)과 함께 이용되는 것이 장점이다.
도 4에는 압연 공장의 예에서 롤 세퍼레이팅을 위해 알고리즘을 가지는 뉴런망의 트레이닝 및 공동 작업이 도시되어 있다. 이 때 예를 들어 스트립 두께, 두께 감소, 스트립 폭, 온도, 롤의 반경 및 스트립 텐션이 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 세퍼레이팅 포스 값과 비교된 롤 세퍼레이팅 포스를 위한 목표값이 나온다. 그 차이는 다시 뉴런망에 피드백-값으로서 제공되므로, 적응형 후향 회로(aback circuit)가 얻어진다. 화살표(37)는 제공된 차이에 상응하게 이루어지는, 네트워크의 가중치의 매칭이 이루어지는 것을 의미한다. 이것은 재료가 롤링될 때 롤링 통로의 실제 상태에 상응하게 뉴런망의 상태의 매칭을 가져온다. 이 롤링 통로의 "일일 형태" 역시 고려될 수 있다. 이 롤링 통로의 생산 결과가 종래 제어에서 보다 양호하다.
끝으로 도 5에는 뉴런망을 가지는 수학 모델(알고리즘)의 공동 작용의 전진 작용하는 예가 도시되어 있다.
뉴런망 외에 전문가 지식을 가진 다른 소프트웨어 모델 역시, 솔루비러티 커브의 도움을 받아 플랜트 운전에 이용되는 것은 자명하다. 이는 특히 캐스팅- 및 용융 프로세스를 위해 이루어진다. 이 때 본 발명에 따른 운전 개시- 및 기술적인 최적화 프로세스 및 -시스템은 다른 플랜트를 위한 제어 기술상의 개별 모듈에 독립하여 이용될 수 있다. 뉴런망의 도움으로 이용되는 제어 기술에 대해 이것은 특히 장점이 된다.

Claims (20)

  1. 플랜트 제어 시스템은 비제어 기능 및 제어 기능을 수행하며, 이 제어 기능들은 제어 시스템 컴퓨팅 유니트에서 프로세스 모델, 특히 제어 모델, 예를 들어 수학 모델, 뉴런 네트워크 모델, 전문가 시스템 등에 의해 실시되는, 특히 1차 산업에서 산업용 플랜트의 운전을 위한 방법 및 시스템에 있어서, 운전은 현장 스태프에 의해 제어 기능의 운전과 더불어 비제어 기능의 운전 및 플랜트, 바람직하게는 기술 센터로부터 멀리 위치하는 적어도 한 지점으로부터 데이터 라인을 통해 원격 전송되는 데이터에 의한 제어 기능의 운전으로 분리되어 실시되는 것을 특징으로 하는 방법 및 시스템.
  2. 제 1항에 있어서, 제어 기능의 운전 개시 시에 기술적인 최적화가 실시되는 것을 특징으로 하는 방법.
  3. 제 2항에 있어서, 기술적으로 최적화하는 운전은 플랜트의 적어도 하나의 제어 시스템 유니트에서 원격 조정으로 실시되는 최적화에 의해 이루어지는 것을 특징으로 하는 방법.
  4. 제 1항, 제 2항 또는 제 3항에 있어서, 제어 기능의 운전 개시 후에 그외 플랜트 운전 개선이 기술 센터의 도움으로 기술상의 최적화를 통해 이루어지는 것을 특징으로 하는 방법.
  5. 제 1항, 제 2항, 제 3항 또는 제 4항에 있어서, 기술적으로 최적화하는 운전 개시 및/또는 운전 개선은 비제어 기능의 원격 조정에 의한 개선을 통해 보완되는 것을 특징으로 하는 방법.
  6. 제 1항, 제 2항, 제 3항, 제 4항 또는 제 5항에 있어서, 최적화는 알고리즘 또는 인공 뉴런망(KNN)의 형태인 모델의 파라미터링 및 솔루비러티 커브 등의 형태인 제어 기술적으로 평가된 전문가 지식의, 모델들의 알고리즘 또는 KNN의 형성의 그외 개발과 관련되어 있는 것을 특징으로 하는 방법.
  7. 전술한 항들 중 한 항 또는 다수 항에 있어서, 프로세스 모델로서 뉴런망의 이용 시에 어댑션이 네트웨크 트레이닝과 병행하여 이루어지는 것을 특징으로 하는 방법.
  8. 제 7항에 있어서, 뉴런망은 알고리즘 및/또는 모델의 개선에 이용되며, 이 경우 폐쇄 회로가 형성되며, 이것은 제어 시스템 컴퓨팅 유니트에서 직접 폐쇄된 회로로서 또는 간접적으로 기술 센터에 의해 폐쇄된 회로로서 형성되어 있는 것을 특징으로 하는 방법.
  9. 전술한 항들 중 한 항 또는 다수 항에 있어서, 모델들의 그외 개발은 에벌류션 스트래티지에 의해, 예를 들어 유전 알고리즘에 의해 실시되는 것을 특징으로 하는 방법.
  10. 제 1항 내지 제 9항 중 한 항 또는 다수항에 따라 상기 방법의 실시를 위한 가동 개시- 또는 플랜트 운전 개선 시스템에 있어서, 이것은 플랜트를 원격 조정하는 적어도 하나의 기술 센터를 - 특히 운전 개시- 및/또는 운전 개선 센터 - 가지며, 이것은 데이터 전송 수단을 통해 기술적으로 운전 개시되는 또는 기술적으로 개선하려는 플랜트의 적어도 하나의 제어 시스템 컴퓨팅 유니트와 연결되어 있는 것을 특징으로하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  11. 제 10항에 있어서, 시스템은 기술 센터에서 내부망을 가지며, 이것은 에테르네트로서 적어도 초당 10 메가비트의 전송 속도를 가지는 트위스트 페어-커넥션을 가지며, 또한 프로토콜 TCP-IP에 따라 동작하도록 형성되어 있는 것을 특징으로하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  12. 제 10항 또는 제 11항에 있어서, 시스템은 원격 운전 개시- 또는 운전 개선 네트워크를 가지며, 이것은 종래의 일반적인 데이터 전송 컴포넌트(ISDN, 전화 모뎀, 인터넷-커넥션)를 가지며 또한 적어도 하나의 안전-데이터 전송 장치(화이어월)에 의해 기술 센터와 연결되는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  13. 제 10항, 제 11항 또는 제 12항에 있어서, 운전 개시- 또는 운전 개선 센터는 외부 지점, 예를 들어 프로젝트 사무실을 가지며, 이것은 공간적으로 분리되었지만 데이터 기술적으로 예를 들어 ISDN-라인에 의해 그와 연결되어 있으며 이것과 함께 기술 센터를 형성하는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  14. 제 10항, 제 11항, 제 12항 또는 제 13항에 있어서, 운전 개시- 또는 운전 개선 센터는 수집된 데이터를 위한 평가 소프트웨어를 갖춘 관리자 유니트를 가지며 또한 동시에 관리 일지 기입에 적합하게 형성되어 있는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  15. 제 10항, 제 11항, 제 12항, 제 13항 또는 제 14항에 있어서, 그것은 ISDN- 및 인터넷-커넥션을 위해 루터를 가지며, 이것은 원하는 커넥션을 형성하는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  16. 제 10항 내지 제 15항 중 한 항 또는 다수 항에 있어서, 이것은 이 플랜트의 제어 시스템에서 컴퓨팅 기술적인 기술 모듈, 데이터 수집 유니트 등을 가지며, 또한 센터에서 기술 지식을 갖춘 직원, 개별 클라이언트를 위한 데이터 뱅크, 일반적인 및 클라이언트 고유의 기술 모듈을 특히 플랜트 제어 시스템에 모듈식으로 삽입가능한 형태로 가지는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  17. 제 10항 내지 제 16항 중 한 항 또는 다수 항에 있어서, 이것은 플랜트 제어 시스템에서 플랜트 고유 파라미터의 어댑션을 위한, 플랜트에 고유한 모델의 저장을 위해, 예비 계산 알고리즘의 저장을 위해, 트렌드 추적의 저장을 위해 및 어댑션 알고리즘의 저장을 위해 컴퓨팅 장치를 가지는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  18. 제 10항 내지 제 17항 중 한 항 또는 다수 항에 있어서, 시스템은 플랜트 제어 시스템에서 또는 센터에서 트레이닝을 위해 또는 뉴런망 및 경우에 따라서는 다이어그노즈 메모리의 최적화를 위해 플랜트의 기술상의 최적화에 필요한 컴퓨팅 장치를 가지며, 이것은 데이터 전송 수단 또는 내부 데이터 전송 수단에 의해 영향을 받는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  19. 제 10항 내지 제 18항 중 한 항 또는 다수 항에 있어서, 시스템은 운전 개시- 또는 운전 개선 센터에서 플랜트에 중립적인 이용을 위해 비고유적인 하드웨어 장치, 소프트웨어 툴, 가동 개시 툴, 소프트웨어 개발 툴, 소프트웨어 에벌류션 툴, KNN-트레이닝 툴, 스태티스틱 평가 프로그램 등을 및 플랜트에 고유하게 형성된 특수한 소프트웨어 툴 등을 가지는 것을 특징으로 하는 운전 개시- 또는 플랜트 운전 개선 시스템.
  20. 전술한 항들 중 한 항 또는 다수항에 따라 기술상의 어댑션 최적화를 위한 통신- 및 최적화 시스템을 위한 이용에 있어서, 직접적인 다이얼로그, 기호 변경, 소프트웨어 입력 등이 원격 전송되는 표현, 변경 제안 등을 통해 모니터에 가능해지고 또한 언어 및 화상을 통해 보완 되거나 또는 보충되는 것을 특징으로 하는 이용.
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 true KR20000022063A (ko) 2000-04-25
KR100451676B1 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
US5347446A (en) * 1991-02-08 1994-09-13 Kabushiki Kaisha Toshiba Model predictive control apparatus
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
ATE176953T1 (de) * 1993-01-18 1999-03-15 Siemens Ag Realzeit-steuerungssystem
DE4301360A1 (de) 1993-01-20 1994-07-21 Remis Gmbh Kühlmöbelabdeckung
AU6358394A (en) * 1993-03-02 1994-09-26 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
ES2164357T3 (es) 2002-02-16
DE59704607D1 (de) 2001-10-18
TW369627B (en) 1999-09-11
WO1997050021A1 (de) 1997-12-31
KR100451676B1 (ko) 2004-11-16
EP0906594B1 (de) 2001-09-12
CN1227639A (zh) 1999-09-01
CN1119729C (zh) 2003-08-27
ZA975479B (en) 1999-03-23
EP0906594A1 (de) 1999-04-07
BR9709926A (pt) 1999-08-10
US6438534B1 (en) 2002-08-20
ATE205608T1 (de) 2001-09-15

Similar Documents

Publication Publication Date Title
KR20000022063A (ko) 1차 산업에서 산업용 플랜트를 운전하기 위한 방법 및 시스템
KR100532804B1 (ko) 산업용 플랜트의 자동 운영 방법
EP1021752B1 (en) Model-free adaptive process control
Lazar et al. A remote-control engineering laboratory
US7016743B1 (en) Model-free adaptive control of quality variables
WO2016172514A1 (en) Improving control system resilience by highly coupling security functions with control
Bastogne et al. Multivariable identification of a winding process by subspace methods for tension control
Sepe et al. Web-based virtual engineering laboratory (VE-LAB) for collaborative experimentation on a hybrid electric vehicle starter/alternator
Schroder Intelligent modelling, observation and control for nonlinear systems
DE102020124820A1 (de) Sicherer externer zugriff auf prozesssteuerungsdaten durch eine mobile vorrichtung
Yilmaz et al. Network induced delay of asynchronous motor connected to Profibus-DP networks using fuzzy logic control algorithm
CA2258766C (en) Process and system for commissioning industrial plants, in particular in the primary industry
Oh et al. Self tuning neural network controller for induction motor drives
Kulawski et al. Adaptive control of non-linear plants using neural networks-application to a flux control in AC drive system
Gartlib et al. Intelligent Rolling Stand Control System Using Neural Network
JP2738343B2 (ja) 圧延機の形状制御方法および装置
CN114002957B (zh) 一种基于深度强化学习的智能控制方法及系统
JPS59167708A (ja) プラント計装制御装置
Palm et al. Towards second generation applications of fuzzy control
Pican et al. Neurocontrol of temperatures with OWE neural network architecture in continuous steel annealing furnace
Hoerger et al. Supervisory control for semiconductor processing
Wang et al. Architecture and implementation of intelligent control systems for smart consumer appliances via Internet
CN117452885A (zh) 复杂工业过程的运行决策智能方法及系统
CN116487085A (zh) 一种核电厂应急操作支持系统
Rauma Diagnosis information in meta-rule adaptive fuzzy systems

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