KR20090074768A - 보일러 튜브 누설들을 검출하기 위한 커넬 기반 방법 - Google Patents

보일러 튜브 누설들을 검출하기 위한 커넬 기반 방법 Download PDF

Info

Publication number
KR20090074768A
KR20090074768A KR1020097007732A KR20097007732A KR20090074768A KR 20090074768 A KR20090074768 A KR 20090074768A KR 1020097007732 A KR1020097007732 A KR 1020097007732A KR 20097007732 A KR20097007732 A KR 20097007732A KR 20090074768 A KR20090074768 A KR 20090074768A
Authority
KR
South Korea
Prior art keywords
algorithm
sensors
boiler
empirical model
residual
Prior art date
Application number
KR1020097007732A
Other languages
English (en)
Other versions
KR101427638B1 (ko
Inventor
제임스 피 헤르조그
Original Assignee
스마트시그널 코포레이션
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 스마트시그널 코포레이션 filed Critical 스마트시그널 코포레이션
Publication of KR20090074768A publication Critical patent/KR20090074768A/ko
Application granted granted Critical
Publication of KR101427638B1 publication Critical patent/KR101427638B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B37/00—Component parts or details of steam boilers
    • F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
    • F22B37/10—Water tubes; Accessories therefor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
    • F28F2265/00—Safety or protection arrangements; Arrangements for preventing malfunction
    • F28F2265/16—Safety or protection arrangements; Arrangements for preventing malfunction for preventing leakage

Abstract

센서들이 모니터하는 모니터되는 시스템에서의 장애들을 진단하기 위한 방법 및 장치가 제공된다.
경험적 모델이 모니터되는 시스템의 타깃 컴포넌트를 위해 생성된다. 경험적 모델은, 모니터되는 시스템의 타깃 컴포넌트를 위해 구성된다. 경험적 모델, 센서들의 예시적인 관찰값(observation)들을 담고 있는 히스토리컬(historical) 데이터 소스와 함께 트레이닝된다. 실질적으로 실시간 추정값들은 타깃 컴포넌트에 대응하는 계측 데이터에 기초하여 생성된다. 실질적으로 실시간 추정값들은 잔차 값들을 제공하기 위하여 센서들로부터의 계측 판독값들과 비교되어서, 차이가 구해진다. 잔차값들은 모니터되는 시스템에서 장애들을 검출하고 위치를 결정하기 위해서 분석된다.

Description

보일러 튜브 누설들을 검출하기 위한 커넬 기반 방법{Kernel-based method for detecting boiler tube leaks}
관련 출원
본 출원은, 전체로서 본 출원에 참조 병합된, 2006년 9월 19일 출원된 미국가출원번호 제60/826,203호의 우선권을 주장하는, 2007년 9월 18일에 출원된 미국출원번호 제11/856,897호의 연속 출원이다.
상업용 석탄으로 가열되는(coal-fired) 파워 플랜트(power plant)가 사용하는 큰 열 교환기(heat exchanger)는 튜브가 누설되기 쉽다. 튜브 누설(tube leak)은, 원래 누설의 점증에 기인한 심각한 물리적 손상 가능성을 나타낸다. 예컨대, 보일러의 과열/재열(superheat/reheat) 섹션에 위치된 스팀 튜브들은 새어나오는 스팀의 고에너지와 연결되는 스팀 튜브들의 근접성 때문에 튜브 누설들이 증대되는 경향이 있다. 심각한 튜브 장애로 인한 결정적인 손해액은 $200만/누설(leak)에서 $1000만/누설 범위일 수 있고, 최고 1주일까지 지속될 수 있는 대수선 때문에 시스템이 다운되게 한다.
튜브 장애들이 초기에 검출되면, 막대한 피해 전에 복구될 수 있고, 이런 복구들은 단지 며칠이 걸리고, 검출이 늦어져서 생긴 막대한 피해와 연관된 비용에 비해 아주 조금만이 든다. 복구 시간은 누설 위치가 복구가 개시되기 전에 식별된다면 또한 감소될 수 있다. 또한 정확한 위치는, 조작자(operator)가 경제적으로 유리하게될 때까지, 수관벽(water wall)과 같은 보일러의 덜 중요한 부분에서 생긴 누설의 복구와 중단을 지연시킬 수 있도록 한다.
보일러 튜브 누설로 인해, 보일러 내의 냉각제(coolant)와 같은 그것의 정규 흐름(flow) 경로로부터 연소 환경으로 직접적으로, 물이 우회된다. 전형적으로 누설로 인해 우회된 물의 양은, 연료/공기 혼합물(fuel/air mixture) 내의 물의 소스(source)들 및 급수(feed water)의 흐름 속도(flow rate)에서의 정상 변화량 (normal variation)에 비교해서 작다. 연료/공기 혼합물(fuel/air mixture) 내의 물의 다른 소스들은 무수하고 미묘하고 다음을 포함한다 : 스팀이 연료를 원자화할 때 사용되는 연소(combustion) 포인트에서 추가되는 물; 오염물질 제어 프로세스들에서 사용되는 물; 매연 분출에서 사용되는 물; 탄화수소 연료들의 연소로부터 형성되는 물; 연료에 의해 가열되는 유리수(free water); 연소 공기(combustion air)가 전달하는 수증기. 이런 것들은, 보일러 튜브 누설들을 검출하기 위한 시도로 사용되고 있는 다양한 종래 방법들에 의한 보일러 튜브 누설의 판별(discrimination)을 혼동시킨다. 또한 플랜트의 정상 동작(operation)은, 계절 변동, 연소 연료의 품질 변동, 및 조작자(operator)의 수동적인 선택들에 의해 영향을 받고, 초기 단계들에서 보일러의 튜브 누설들을 검출하는 것을 극도로 어렵게 만든다.
보일러와 같은, 연속 프로세스의 컴포넌트들에서 장애들을 검출하기 위한 하 나의 시스템 및 방법이, 미국출원공개 번호 제2005/0096757호에서 제안되었다. 그 프로세스의 한 모델은 프로세스의 미리 결정된 수의 동작 파라미터들에 대해 예측 값들을 발생시키기 위해 사용되는, 개선된 패턴 인식 경험적(empirical) 모델과 같은 모델링 기법을 사용해서 개발되고 있다. 모델 내의 동작 파라미터들은, BOP(balance-of-plant)를 통해 스팀/물의 흐름을 모니터하는 센서들로부터 얻는다. BOP는, 스팀/물 혼합물로부터 열 에너지를 추출해서 그것을 전기 에너지로 변환시키는 발전 플랜트의 컴포넌트들을 포함한다. 이와 같이 BOP는 보일러 자체를 배제한다. 모델은, 보일러의 상단으로부터의 과열된 스팀의 흐름 속도와 보일러의 하단으로의 액화된(condensed) 급수의 흐름 속도에 각각 대응하는, BOP로부터 들어오고 나가는 스팀/물의 흐름 속도들을 모니터한다. 정상적인 컨디션들 하에서는, BOP로 유입하는 흐름이 BOP를 나가는 흐름에 의해 균형이 맞춰진다. 이 균형을 뒤엎을 수 있는 비정상적인 컨디션들이 보일러 튜브 누설이다. BOP 상에서의 질량 및 에너지 균형에 입각하여 구축된 이 접근법은, 보일러 튜브 누설을 간접적으로 검출할 수 있다. 그러나 모델이, 보일러의 연료/공기 사이드로부터의 임의의 파라미터를 포함해서, 보일러의 내부의 어떤 동작 파라미터도 모니터하지 않기 때문에, 튜브 누설의 위치를 찾을 수 없다.
필요한 것은 플랜트 내에 나타난 존재하는 계측기(instrumentation)로부터 보일러 튜브 누설의 초기 단계들에서 보일러 튜브 누설을 검출하기 충분할 정도로 감도가 좋은, 화석 연료 파워 플랜트 내의 열 교환 환경을 모니터하는 방식이다.
화석 연료를 공급받는 파워 플랜트 환경의 열 교환기를 모니터하는 방법 및 시스템이, 보일러 튜브 누설의 검출을 위해 제공된다. 본 발명에 따라, 다변수 경험적 모델(multivariate empirical model)이, 보일러에 대한 그리고 보일러와 관련된 계측 데이터로부터 생성되고, 그때 센서들로부터의 판독값들(readings)의 현 세트의 수신에 응답해서 이런 센서들의 실시간 또는 거의 실시간 추정값(estimate)들을 제공한다. 그때 추정값들과 판독값들은, 보일러 튜브 누설들의 표시를 위해 분석되는 잔차값들을 제공하기 위해 비교되어서 차이가 구해진다(differenced). 모델은, 예컨대 센서들의 예시적인 관찰값( observation )으로부터 학습하고( learn ), 바람직하게는 두 단계 추정 프로세스에서 관련된 학습 예들상에 국부화시키는 ( localize ) 능력을 가진, 커넬 기반( kernel - based ) 방법에 의해 제공된다. 마지막으로, 모델은 플랜트 동작(operation)에서 새로운 정상 변화 패턴들을 학습하기 위해 래깅-윈도우 적응(lagging- window adaptation)을 할 수 있다. 보일러 내에 나타나는, 전형적인 모니터링 센서들의 다변수 비모수적인(nonparametric) 모델(압력들, 온도들, 흐름 속도들, 기타 등등)을 구성하기 위해 커넬 기반의 국부화 모델링이 사용될 때, 전형적으로 다른 방법들을 혼동시키는 센서 응답에 대한 물 균형에서의 정상 변화의 효과(effect)가 정확하게 설명될 수 있다.
본 발명은 데이터 히스토리언(historian)들 내의 플랜트 데이터 또는 제어 시스템으로부터 직접적으로 산출된 센서 데이터로의 액세스를 갖는 소프트웨어로서 수행될 수 있다. 본 발명은 실시간 또는 거의 실시간으로 실행될 수 있거나, 플랜트 조작자가 보일러 튜브 누설을 수신하기 위해 원하는 시간 이상의 배치 지연(batch delay)을 갖는 배치 모드에서 실행될 수 있다.
본 발명의 상기 요약은 본 발명의 모든 양상 또는 각 실시 예를 나타내려는 의도가 아니다. 세부적인 기술 및 설명이 본 발명의 많은 실시 예들 및 양상들을 설명할 것이다.
도 1은 본 발명의 접근법을 사용하는 보일러 튜브 누설 모니터링의 프로세스 흐름도이고;
도 2는 본 발명의 하나의 실시 예에 따른 직관적인(intuitive) 비주얼 인터페이스를 도해한 것이고;
도 3은 본 발명에 따라 생성되고, 보일러 튜브 누설을 갖지 않는 보일러의 부분에 대한, 관련 신호 플롯(signal plot)들의 하나의 쌍이고;
도 4는 본 발명에 따라 생성되고, 보일러 튜브 누설을 갖는 보일러의 부분에 대한, 관련 신호 플롯들의 하나의 쌍이고;
도 5는 본 발명의 하나의 실시 예에 따라 하나의 시스템에서 장애들을 진단하기 위한 하나의 모니터링 장치를 도해한다.
당업자는 도면들 내의 요소들이 간단하고 명료하게 할 목적으로 도해되었고, 꼭 일정한 비율로 만들기 위해 그려진 것은 아니라는 것을 알 것이다. 예컨대, 도면들 내의 요소들 중 일부의 치수들이 본 발명의 다양한 실시 예들에 대한 이해를 높이는데 도움을 주기 위해 다른 요소들보다 상대적으로 과장되어 있을 수 있다. 또한 상업적으로 이용가능한 실시 예에서 사용될 수 있거나 필수적인, 일반적이지 만 잘 이해되는 요소들이 본 발명의 이런 다양한 실시 예들의 뷰를 덜 가리기 위해 도시되지 않은 것이 전형적이다.
여기에서 설명되는 일부 실시 예들은 화석 연료 파워 플랜트 내의 보일러로 지시된다. 그러나 당업자는, 교시들이 원자력 파워 플랜트의 스팀 발생기에도 동일하게 적용가능하다는 것을 인지할 것이다.
도 1을 참조하면, 보일러와 관련된 센서 값들의 입력 관찰값(observation)들을 수신하는 단계(100), 및 그것을 국부화 단계(110)로 입력하는 것을 포함하는 본 발명의 방법이 도시된다. 국부화 단계에서, 경험적 모델이 입력 관찰값에 "국부적"이거나 특히 관련된 데이터를 사용하기 위해 조율된다(tuned). 모델의 국부화 조율(tuning) 이후에, 자체의 국부화된 학습 데이터를 갖는 모델은, 단계(120)에서 입력 관찰값의 추정값을 생성하기 위해, 입력 관찰값을 사용한다. 단계(130)에서 추정값이, 입력 관찰값에서 각각의 관심 센서용 잔차값을 형성하기 위해 입력 관찰값과 비교된다. 단계(140)에서, 잔차 신호들이, 그들 중 일부가 튜브 누설 장애(disturbance)를 표시하는지 여부를 결정하고, 만약 그렇다면 보일러 내 어디서 그 장애가 위치되는지를 표시하기 위하여, 패턴 부합 규칙(pattern matching rule)들과 대비하여 테스트된다.
보일러의 정상적인 동작 컨디션들을 특징지우기 위해 충분한 히스토리컬 데이터에 대한 모델 또는 모델들의 트레이닝은 비정상적인 컨디션들(즉 튜브 누설들)의 검출을 가능케 한다. 모델 트레이닝을 위해 사용되는 히스토리컬 데이터의 전형 적인 양은, 보일러의 일반적인 수명을 통해 관찰되는 동작 파라미터들(operating parameter)의 모든 조합을 종종 담고 있지 못하기 때문에, 본 발명은, 동작 파라미터들의 새로운 조합들을 만났을 때, 그리고 새로운 데이터가 튜브 누설 때문에 생기지 않았을 때, 모델을 동적으로 업데이트 하기 위해 아래에서 설명될 추적 적응 알고리즘(trailing adaptation algorithm)을 사용한다.
하나 이상의 모델이 도 1에서 설명되는 것과 같이 추정값들을 생성하기 위해서 사용될 수 있다. 특히 보일러의 부분에 초점을 맞추는 모델들이 개발될 수 있다. 각각의 경우에서, 도 1의 프로세스가 각 모델을 위해 수행된다.
모델 개발( Model Development )
본 발명에서 첫 번째 단계는 타깃 보일러를 위해 적합한 커넬-기반 모델들을 구성하는 것이다. 본 발명이 국부화(localized), 커넬-기반 모델링 기법들의 모든 형태들을 포괄하고 있지만, 본 발명의 바람직한 실시 예는 아래에서 설명될, 국부화, SBM(Similarity-Based Modeling) 알고리즘을 이용한다.
모델링 프로세스는 모든 보일러 센서들의 식별과, 센서들로부터의 대표적인 동작(operating) 데이터의 수집과 함께 시작한다. 바람직하게는, 센서들의 세트가 모든 주요 튜브 번들 영역들(난방로(furnace), 제1 과열기(superheater), 제2 과열기, 재열기(reheater), 절약장치(economizer), 보일러 벽의 열 전송 영역(boiler wall heat transfer region), 기타 등등)으로부터의 측정값(process variable)들을 포함해야 한다. 이용가능하다면, 보일러의 메이크업 물(make-up water)을 측정하거 나 보일러의 영역들을 어쿠스틱하게(acoustically) 모니터하는 센서들이 센서들의 세트 내에 포함되어야 하는데, 그 이유는 이와 같은 센서들이 튜브 누설들에 감도가 좋기 때문이다. 모델 개발은 보일러의 정상 동작 컨디션들을 특징지우기 위해 히스토릭 데이터의 충분한 양을 요구한다. 이 컨디션은 시간당 한번 레이트로 수집되는 동작 데이터의 1년치에 부합한다. 보일러용 동작 및 정비(maintenance) 기록들은, 선택된 동작 주기 동안에 일어날 수 있는 임의의 튜브 누설들의 위치를 식별하기 위해 요청된다.
보일러 센서들의 식별(identification) 및 동작 데이터의 수집 다음에, 동작 데이터가 데이터 필터링 알고리즘들에 의해 비워진다. 데이터 필터링 알고리즘은 모델 트레이닝을 위해 데이터의 적합성을 테스트하고; 비수치(nonnumeric) 값들, 센서 드롭아웃(drop-out), 스파이킹(spiking), 및 저조계속(flat-lining)을 포함하는 다양한 이유들 때문에 데이터를 제거한다. 다수의 이런 효과들을 나타내는 센서들은, 추가적인 모델링의 고려 사항들에서 쉽게 제거될 수 있고 어떤 모델에 포함되지 않을 수 있다. 모델 트레이닝 데이터의 준비에서 중요한 고려사항은, 비정상적인 튜브 장애들과 일치하는 신규한 센서 행동을 모델들이 인식하도록 알려진 지난 튜브 누설 이벤트들 바로 전의 시간 주기들에서 데이터를 제거하는 것이다. 알려진 튜브 누설 이벤트들 전에 제거된 데이터의 주기는, 보일러가 튜브 누설을 지니고 동작할 수 있는 시간의 최대 길이와 동일해야 하는 것이 바람직하다. 경험적으로 튜브 누설 이벤트들 전에 데이터의 1주 내지 2주치를 제거하는 것이 충분한 것으로 보여진다. 필터링 프로세스에서 살아남은 데이터는, 레퍼런스(reference) 관찰값들의 레퍼런스 매트릭스로 결합된다. 각각의 관찰값은 모델 내의 복수의 센서들 각각으로부터의 판독값의 하나의 세트를 포함한다. 매트릭스의 컬럼들은 센서 신호들에 대응하고 매트릭스의 로우들은 관찰값 벡터들(즉 시간의 동일한 포인트에서 수집된 센서 측정값들)에 대응한다. 튜브 누설 이벤트들의 동시 발생과 필터링 알고리즘에 의한 데이터의 제거로, 원래 데이터의 반이 레퍼런스 메트릭스로 끝날 것이라는 것이 경험적으로 보여진다.
데이터 필터링 단계 다음에 계속 실행되는 센서들은, 그 다음에 후보 모델들로 그룹화된다. 센서들은 플랜트 위치와 기능에 기초하여 후보 모델들로 그룹화된다. 예시적인 후보 모델은 주요 보일러 영역 내의 모든 센서들을 담고 있을 수 있다. SBM에 포함될 수 있는 센서들의 개수에 상한이 없다. 그러나 모델들이 많은 센서를 담고 있을 때 센서 트렌드(trend)들을 해석하기 어렵기 때문에 약 150 내지 200개 센서의 실용적인 상한이 확립되었다. 센서들은 임의의 수의 후보 모델들에 할당될 수 있고 관련된 센서들의 서브그룹들이 임의의 수의 후보 모델들 내에 포함될 수 있다.
각 후보 모델을 위해, 트레이닝 알고리즘들을 적용한다. 트레이닝 알고리즘들은, 굉장한 양의 가용(available) 히스토리컬 데이터를, 레퍼런스 데이터의 처리가능하고, 대표적인(representative) 세트[여기서 모델 메모리 또는 H 매트릭스로 식별됨]로 효과적으로 다운샘플링할 수 있다. 하나의 효과적인 트레이닝 알고리즘은 모델 내의 하나의 센서를 위해 전체적인(global) 최대값들 또는 최소값을 포함하는 모든 레퍼런스 벡터들을 선택하는 것을 포함한다. 그 다음에 가용 레퍼런스 관찰값들의 잔여(remaining) 서브세트가 추가된다. 이것은 랜덤 선택에 의해서 행해질 수 있거나, 또는 잔여 벡터들을 레이트(rate) 위해 일정 종류의 거리 메트릭(distance metric)을 사용하고, 그리고 규칙적인 구간들에 포함하기 위해 하나를 선택함으로써 행해질 수 있다. 이것은 요소(elemental) 기반으로 또는 다차원(multidimensional) 기반으로 행해질 수 있다. 예컨대 최소값들 또는 최대값들이 포함된 이후에, 각 가용 레퍼런스 벡터는 주어진 센서 값에 따라 등급이 매겨질 수 있고(ranked), 그 다음에 벡터들이 센서 값의 구간들에 걸쳐서 포함된다(예컨대 각각 5도, 또는 압력의 각각의 0.1 단위). 이것은 모델 내의 하나, 일부, 또는 모든 센서들을 위해 행해질 수 있다. 이것은 요소 메트릭 접근법(elemental metric approach)을 성립시킬 것이다.
후보 모델들은, 트레이닝이 된 이후에, 레퍼런스 매트릭스 내의 잔여 데이터와 비교하여 테스트된다. 이런 테스트들의 결과물들(잔차 신호들)은 모델 등급매기기(grading)를 가능케하기 위해 통계적으로 분석된다. 모델들에 의해 생성된 통계자료(statistics)를 직접적으로 비교함으로써, 성능이 열악한 후보 모델들이 제거될 수 있고, 각 보일러 센서를 위한 베스트 모델이 식별될 수 있다. 각 모델을 위해 평가될 다수의 통계자료가 있고, 가장 중요한 통계자료는 강건성(robustness)이다. 강건성 통계치는 모델이된 센서들 중 각각의 센서 내의 장애들을 검출하기 위한 모델의 성능 측정이다. 그것은 각 모델이된 센서를 위해 테스트 신호에 작은 장애(disturbance)(단차 변화(step change))를 인가함으로써 계산될 수 있다. 장애를 따라가는 모델 추정값의 경향은, 신호의 장애가 있는 영역에 걸쳐서 모델이 계산한 추정값을 그 장애가 제거되었을 때 모델이 계산한 추정값과 비교함으로써 평가될 수 있다.
베스트 후보 모델들로부터의 잔차 신호들은 모델 행동(model behavior)에서 정상 변화를 결정하기 위해 추가로 분석된다. 이 계산에서, H 매트릭스에 적용되는 leave-one-out cross-validation 알고리즘에 의해, 정상 잔차 신호가, 각 모델 센서를 위해 생성된다. 정상 잔차 신호들의 통계적인 분석은 정상 잔차 응답에서의 상위 변화 및 하위 변화의 척도가 된다. 마지막으로 이런 상위 값 및 하위 값은, 각 모델 센서를 위해 잔차 한계값들을 설정하기 위해 전형적으로 2 내지 3의 값인, 사용자가 특정한 인자에 의해 곱해진다. 잔차 한계값들은 정상적인 센서 행동과 비정상적ㅁ인 센서 행동을 구별하기 위한 기준을 만든다.
본 발명에 따라, 모델링 기법이 다양한 알려진 경험적 커넬-기반 모델링 기법들로부터 선택될 수 있다. 예컨대, 커널 회귀법(kernel regression)에 기반한 모델들, 방사식 기반 함수들(radial basis functions), 및 유사성-기반(similarity-based) 모델링이 본 발명의 문맥에서 사용된다. 이런 방법들은 다음 방정식에 의해 설명될 수 있다.
Figure 112009022714492-PCT00001
여기서 센서 신호 추정값들의 벡터
Figure 112009022714492-PCT00002
는 , 센서 신호 측정값들의 입력 벡터
Figure 112009022714492-PCT00003
를 센서 신호 결합(combination)들의 다수의 학습된 스냅샷들
Figure 112009022714492-PCT00004
에 비교하는, 커넬 함수 K 의 결과값들의 가중된 합으로서 생성된다. 커넬 함수 결과값들은, 다수의 방식들로 결정될 수 있는 가중치들
Figure 112009022714492-PCT00005
에 의해 결합된다. 위의 형태는 , 모든 추정된 출력 신호들이 입력 신호들에 의해 또한 나타내지는 "자동연관(autoassociative)" 형태이다. 이것은, 일정 출력 신호 추정값들이 입력들로서 나타내지지 않지만, 대신에 입력들로부터 추론되지는 "추론적인(inferential)" 형태와 대조된다. :
Figure 112009022714492-PCT00006
이때 이 경우에, y-hat은 추론된 센서 추정값이다. 유사한 방식으로, 하나 이상의 센서가 유사하게 추정될 수 있다.
본 발명의 바람직한 실시 예에서 사용되는 바람직한 실시 예는 유사성 기반 모델링, 또는 SBM(similarity based modeling)이다. 이 방법에 따라, 센서 데이터의 다변량 스냅샷들이, 학습된 레퍼런스 관찰값들의 매트릭스 M을 포함하는 모델을 생성하기 위해 사용된다. 장치 행동의 센서 신호 측정값들을 포함하는 새로운 입력 관찰값
Figure 112009022714492-PCT00007
의 제시에 따라, 자동연관 추정값들
Figure 112009022714492-PCT00008
이 수학식 3을 따라 계산된다.
Figure 112009022714492-PCT00009
또한 더 강건성있게(robustly),
Figure 112009022714492-PCT00010
이때 유사성 연산자는 심벌
Figure 112009022714492-PCT00011
에 의해 표시되고, 다수의 대안적인 형태들로부터 선택될 수 있다. 일반적으로 유사성 연산자는 한번에 2개의 벡터들을 비교하고 각각의 이런 비교마다 유사성 측정값을 돌려준다. 유사성 연산자는 전체로서(벡터 대 벡터 비교) 또는 요소별로(elementally) 벡터들에 작용할 수 있고, 그 경우에 벡터의 유사성은 요소 결과들을 평균해서 주어진다. 유사성 연산자는 두 개의 경계값들(예컨대 0에서 1) 사이 범위가 되도록, 비교되는 벡터들이 동일할 때 경계값들 중 하나의 값을 취하고, 비교되는 벡터들이 계속 비유사해질 때 다른 경계값으로 근사된다.
이때 본 발명의 바람직한 실시 예에서 사용될 수 있는, 하나의 유사성 연산 자의 예는 수학식 5와 같이 주어진다.
Figure 112009022714492-PCT00012
여기서
Figure 112009022714492-PCT00013
는 입력 벡터
Figure 112009022714492-PCT00014
와 예시적인 벡터
Figure 112009022714492-PCT00015
사이의 거리에 대해 유사성의 민감도(sensitivity)를 제어하는 폭(width) 파라미터이다. 유사성 연산자의 다른 하나의 예는 수학식 6과 같이 주어진다.
Figure 112009022714492-PCT00016
여기서 N은 주어진 관찰에서 센서 변수들의 개수이고, C 및
Figure 112009022714492-PCT00017
는 선택가능한 터닝 파라미터들이고,
Figure 112009022714492-PCT00018
는 센서 변수
Figure 112009022714492-PCT00019
를 위해 예상되는 범위(range)이고, 센서
Figure 112009022714492-PCT00020
에 대응하는 벡터들
Figure 112009022714492-PCT00021
및
Figure 112009022714492-PCT00022
의 요소들은 개별적으로 다뤄진다.
본 발명의 바람직한 실시 예에 따라, SBM 기반 모델이, 각각의 새로운 입력 관찰값과 함께 실시간으로 생성될 수 있는데, 그 방법은 입력 관찰값과 특정 관련성이 있는 학습된 관찰값들을 참조하는 학습된 레퍼런스 라이브러리 내에 국부화시키고 , 그리고 단지 그 관찰값들로부터 D 매트릭스를 구성함으로써, 실시간으로 생성될 수 있다. 다음 입력 관찰값을 가지고, D 매트릭스는 학습된 레퍼런스 매트릭스의 다른 서브세트로부터 재구성될 것이고, 기타 등등이다. 국부화시키는 다수의 수단이 사용될 수 있고, 입력 벡터와 최근접 이웃(nearest neighbors)들, 및 가장 높은 유사성 점수(highest similarity score)들을 포함한다.
예로서, 본 발명에 따른 추정값들을 생성하기 위해 사용될 수 있는 다른 하나의 예(-학습 커넬 기반 방법(learning kernel based method))은, 자동 연관 형태의 Nadaraya- Watson 방정식에 의해 예증되는, 커넬 회귀법(kernel regression)이다:
Figure 112009022714492-PCT00023
이것이 추론적 형태를 취할 때는 수학식 8과 같다.
Figure 112009022714492-PCT00024
다시 국부화(localization)는 D 매트릭스로 이루어질 레퍼런스 관찰값들을 미리선택하기 위해 사용된다.
국부화의 특정 세부사항들을 참조하면, 추정값이 생성될 입력 관찰값에 의하여, D 매트릭스를 구성하기 위해 사용할 가용 레퍼런스 관찰값들을 정확한( right ) 서브세트상에 국부화시키기 위해 다수의 방법이 사용될 수 있다. 첫 번째 방법에 따라, Euclidean 거리를 포함하는, 다수의 거리 메트릭들로 결정되는, 입력 관찰값에 최근접한 이웃들이 사용될 수 있다. (a) 가장 멀리 포함되는 관찰값이 거리가 어떻게 되는지 상관없이, D 매트릭스내에 포함할 레퍼런스 관찰값들의 필수적인 최소 개수가 선택되도록, 또는 (b) 선택된 거리 내의 모든 레퍼런스 관찰값들이, 얼마나 많이 또는 적게 존재하는지 상관없이 포함되도록, 레퍼런스 관찰값들이 최근접 이웃을 기초로 포함될 수 있다.
국부화의 다른 하나의 방식에 따라, 커넬 유사성 연산자 K 자체가 모든 가용 레퍼런스 벡터 또는 관찰값의 유사성을 측정하기 위해, 입력 관찰값과 함께 사용될 수 있다. 다시, (a) 가장 유사한 레퍼런스 관찰값들의 필수 개수가 포함될 수 있거나, (b) 유사성 한계값을 넘는 모든 레퍼런스 관찰값들이 포함될 수 있다.
상기 변화에 따라, D 매트릭스를 위해 레퍼런스 벡터들을 선택하는 다른 하나의 방식이, 그 기준과 결부된 상기 거리 접근법과 유사성 접근법을 포함할 수 있다. 그 기준은, D 매트릭스가 입력 관찰값의 각 센서 값이 레퍼런스 관찰값들로부터의 낮은 센서 값과 높은 센서 값 범위로 일괄될(bracked) 수 있도록, 즉 입력 관찰값이, D 매트릭스에 포함되었던 모든 레퍼런스 관찰값들을 통해 그 센서를 위해 보여진 값들의 범위 밖의 센서 값을 갖지 않도록 적어도 충분한 레퍼런스 벡터들을 포함해야 한다. 이런 의미에서 입력 센서가 범위 밖에 있다면, 그때 추가의 레퍼런스 벡터들이 그 센서의 범위를 커버할 때까지 추가된다. 적어도 유사성이 있거나, 적어도 거리 내의 어떤 레퍼런스 벡터도 센서의 범위를 커버하기 위해 찾아지지 않는다면, 그때 커버되는 범위 밖에 놓여진 입력 관찰 센서 값을 갖는 D 매트릭스가 사용될 수 있도록, 유사성 또는 거리의 최소 한계값이 사용될 수 있다.
여기서 논의된 것과 같은, 보일러의 모델링을 위한 기본적 접근은, 보일러 성능을 모니터하기 위해 하나의 모델을 사용하고, 난방로, 제1 과열기, 제2 과열기, 재열기, 절약장치(economizer) 섹션들과 같은, 다양한 튜브 번들 지역들을 모니터하기 위해 다수의 다른 모델들을 사용하는 것이다.
보일러 성능 모델은 튜브 누설들에 의해 유도된 보일러 성능에서 미묘한 편차(deviation)들을 검출함으로써 발전하고 있는 튜브 누설들의 가장 이른 표시를 제공하기 위해 설계되었다. 보일러 성능 모델의 주요 구성요소는, 보일러의 연료/공기 사이드와 물/스팀 사이드 모두의 입력 컨디션과 출력 컨디션을 모니터하는 센서들이다. 보일러의 연료/공기 사이드에서, 이것들은 보일러의 난방로 섹션으로의 연료 및 공기의 흐름을 측정하고, 그리고 플랜트의 스택으로의 보일러 밖의 공기 및 연소성 생성물들의 흐름을 측정하는 센서들을 포함한다. 물/스팀 사이드상에서, 이런 것들은 보일러의 열 전송(heat transfer) 섹션(전형적으로 절약장치)으로의 급수의 흐름과 다양한 터빈 단(turbine stage)으로 나아가는 보일러 밖의 포화되고 과열된 스팀의 모든 흐름들을 측정하는 센서들을 포함한다. 개념적으로, 보일러 성능 모델은, 보일러의 연료/공기 컴포넌트 및 물/스팀 컴포넌트를 통해 질량 및 에너지 균형이 잡힌 구성 요소들로 이뤄진다. 모델이 이 2개의 사이드 사이의 경계가 완전한(intact) 동안 수집되는 데이터와 함께 트레이닝되기 때문에, 모델은 이 2개의 사이드 사이의 경계가 보일러 튜브 누설에 의해 파괴되는 때 질량 및 에너지 균형에서의 변화를 검출하도록 설계되었다.
보일러 튜브 장애들 동안에 보일러 성능 모델을 사용한 경험으로, 튜브 누설들과 상호연관된 편차들을 보여주는 중요(key) 보일러 센서들은 다음을 포함한다는 것이 밝혀졌다 : 공기 흐름들, 강제적이고 유발된 통풍(draft) 펌프 흐름(current), 배출구(outlet)의 가스 압력들 및 온도들, 잉여(즉 연소되지 않은) 산소 파편(oxygen fraction)들, 및 스팀 드럼의 레벨들 및 온도들. 초기 경보(warning)를 제공하는 보일러 모델 센서들의 대부분은 보일러를 통한 공기 및 연소 생성물들의 흐름을 모니터한다. 물/스팀 사이드 파라미터들에 대한 튜브 누설들의 효과는 장애 진행의 이후 단계들에서 나타나는 경향이 있다.
보일러의 열 전송 영역들은 튜브들의 내부 상에 높은 압력의 스팀/물 혼합물을 갖고, 외측에 뜨거운 공기/연소 생성물을 갖는 튜브 번들로서 이뤄진다. 열 전 송 모델들의 개수 및 구성(composition)은 보일러 설계 및 설치된 계측기(instrumentation)에 의존한다. 모델들 내에 포함된 대량의 튜브들 내의 스팀/물 혼합물의 온도를 모니터하는 써모커플(thermocouple)이다. 보일러들을 더 잘 계측하기 위해서, 투브 번들 써모커플들의 개수가 쉽게 몇 백개까지 갈 수 있다. 대부분에 있어서, 이런 튜브 번들 써모커플들은 열 전송 영역 외부에서, 부식성 공기/ 연소 생성물 혼합물로부터 떨어져서 위치되고, 그리고 스팀 헤더들과 연결되는 튜브들의 상부 근처에 위치된다.
규칙 개발을 위한 잔차 신호 분석( Residual Signal Analysis for Rule Development )
타깃 보일러용 모델들의 한 세트의 개발 이후에, 보일러로부터 수집된 모든 히스토릭 데이터가 분석된다. 이런 계산들은, 데이터 필터링 알고리즘들에 의해 또는 튜브 누설 이벤트들과의 동시 발생 때문에, 레퍼런스 메트릭스로 추가되는 것이 방지된 임의의 데이터를 포함한다. 관찰값 벡터가 비수치 데이터 값들을 포함하는 이벤트에서, 모델의 자동연관 형태는, 놓친 센서 값을 위해 추론(inferential) 형태로 전환될 수 있다. 이런 계산들은 보일러 튜브 누설의 시그너처(signature)들을 전달하는 잔차 신호들을 산출한다.
모든 수집되는 동작 데이터의 모델링 동안에 생성된 잔차 신호들이, 센서 비정상을 검출하기 위해서 분석된다. 잔차 신호 분석에서 첫 번째 단계는 잔차 신호 편차(deviation)들을 두드러지게 하기 위해서 선형 또는 비선형 윈도우 스무 딩(windowed-smoothing) 알고리즘들(예컨대, 이동 평균(moving average), 메디안(median) 및 올림픽 필터들)을 적용하는 것이다. 다음에, 평탄화(smoothed) 및 비평탄화(unsmoothed) 잔차 신호들이 잔차 한계값 경보 및 윈도우 비율 규칙 알고리즘들을 써서 분석된다. 이런 알고리즘들은 센서 비정상의 개시(onset)를 검출하고 지속성을 측정하기 위해 간단한 수단을 제공한다. 순차 확률비(sequential probability ratio) 테스트 및 run-of-signs 테스트를 포함하는, 다른 민감한 통계적 기법(sensitive statistical technique) 들은, 센서 비정상의 개시(onset)를 검출하고 지속성을 측정하는 추가적인 수단을 제공하기 위해 또한 사용될 수 있다. 편차들을 디스플레이하는 잔차 신호들을 위해, 커넬 회귀 알고리즘 및 SBM 회귀 알고리즘을 포함하는, 1차원 커넬 기법들이 편차들의 변화 비율(rate-of-change)을 계산하기 위해 사용된다.
잔차 신호 분석은, 튜브 누설 장애들을 특징 지우기 위해 사용될 수 있는 시간에 따라 변하는(time- varying) 측정값들의 데이터베이스를 제공한다. 이런 측정값들은, 잔차 신호 비정상을 나타내는 모든 센서들을 위해 개시(onset) 시간, 편차 방향(즉 음 또는 양), 지속기간(duration), 진폭 및 변화 비율(rate of change)을 포함한다. 정비(maintenance) 기록들을 이용해서, 잔차 신호들 및 시간에 따라 변하는 측정값들이, 튜브 누설이 검출되는 시간 또는 보일러가 누설을 수리하기 위해 중단되는 시간에 상대적인 함수들로서 재계산될(recast) 수 있다. 잔차 신호들 및 측정값들이 집합적으로, 각 보일러 장애마다 잔차 신호 시그너처들의 하나의 세트를 형성한다.
유사한 튜브 누설 이벤트들을 그룹화하기 위해 보일러 설계 및 보일러 장애 매커니즘들의 지식 및 정비 기록들을 활용해서, 개개의 장애 유형들의 두드러진 특성들을 식별하기 위해 잔차 신호 시그너처들을 리뷰한다. 이런 작업의 중요 양상은, 트레이닝 프로세스 동안 캡쳐되지 않았던 동작(operation)에서의 변화들에 의해 잔차 신호 시그너처들 중 일부가 설명될 수 있는지 여부를 결정하기 위해 동작 기록들을 리뷰하는 것이다. 잔차 신호 시그너처들의 높은 차원(dimensionality) 때문에, K-means와 같은 분류 알고리즘, LVQ 뉴럴 네트워크 및 SBM 분류 알고리즘들이, 전문가 리뷰를 모면할 수 있는 잔차 신호 시그너처들 내에 숨겨진 공통 특징들을 밝히기 위해 사용될 수 있다. 주어진 장애 유형을 위해 식별되는 두드러진(salient) 잔차 신호 특징들이, 완전한 보일러 튜브 장애 해결책을 제공하기 위해 진단(diagnostic) 규칙(rule)에 넣어질 수 있다.
여기서 논의된 것과 같이, 보일러의 튜브 번들 섹션들을 모니터하기 위해 구성된 열 전송 모델들의 중요 애플리케이션은, 튜브 누설의 위치를 추론하기 위해 튜브 번들 써모커플들의 물리적 위치를 한정하는 데이터와 함께 모델 결과들을 병합하는 것이다. 이런 데이터의 병합은 직관적(intuitive) 비주얼 인터페이스들을 개발할 수 있게 한다.
도 2는 본 발명의 하나의 실시 예에 따른 직관적 비주얼 인터페이스(200)를 도해한다. 비주얼 인터페이스(200)는 컴퓨터 모니터상에 디스플레이될 수 있거나 조작자가 볼 수 있는 다른 어떤 다른 유형의 디스플레이상에 디스플레이될 수 있다. 도 2는 펜하우스(penthouse)로 지칭되는, 보일러(205)의 가장 높은 영역으로부 터, 보일러(205)의 열 전송 섹션들로 내려가면서 주시하는, 보일러의 버드 아이(birds-eye) 뷰를 나타낸다. "난방로"(210)로 명칭을 붙인 도면의 좌측은 보일러(205)의 연소 존(zone)을 나타낸다. 뜨거운 연소 가스들이 난방로(210)로부터 상승해서, 그것들이 튜브들 내의 물/스팀 혼합물을 가열시키는 튜브 번들 영역들을 통해 수평적으로 방향이 바꾸어진다. 도면에서 보이는 것과 같이, 뜨거운 연소 가스들은 좌에서 우로 흐르고, 제2 과가열기(215) 섹션, 재가열기(220) 섹션, 그리고 그 뒤 차례로 제1 과가열기(225) 섹션을 지나간다. 이런 섹션들은 도면의 상부를 따라 명칭이 붙여지고 도면 내에 회색 셰이드(shade)가 있는 영역들에 의해 표현된다. 다양한 튜브 번들 써모커플들을 개략적으로 나타내기 위해 사용되는, 직사각형 격자(grid)들이 이런 영역들 내에 임베디드된다. 직사각형 격자의 사이드들을 따라 수직으로 배열되는 숫자들은 펜던트 숫자들을 나타낸다. 펜던트(pendant)는 공통 헤더에 연결된 스팀 튜브들의 하나의 수집물이다. 도면내에 나타난 보일러(205)의 경우에, 펜던트는, 튜브 번들 영역에 의존하여 22개에서 36개까지의 개별적인 튜브들을 담고 있다. 특정 펜던트 내에서, 스팀 튜브들 중 2개 또는 3개가 써모커플들을 담고 있을 수 있다. 써모커플들이 모니터하는 튜브들을 담고 있는 펜던트들은 빨강에서 파랑까지 다양한 칼라들에 의해 표시된다. 튜브 써모커플(들)이 결핍되거나 그 써모커플(들)이 실행할 수 없는 펜던트들이 격자들 내의 흰 직사각형들에 의해 나타난다.
칼라들이 시간에서 주어진 순간에 써모커플의 모델이 산출하는 정규화된 잔차 값을 나타내기 위해 사용된다. 하나의 써모커플을 위한 잔차 값들은, 그 써모커 플용 모델에서의 정상 변화양의 통계적 측정값으로 정규화된다. 칼라의 개별적인 셰이드(shade)와 대응하는 정규화된 잔차 값들 간의 관계가 도면의 오른쪽에 위치된 수직 칼라 바에 의해 묘사된다.
도 2에 도시된 결과들이 재가열기(220)에서의 보일러 튜브 누설들을 체험한 보일러(205)를 위해 생성되었다. 도 2는 조작자가 튜브 장애 이벤트가 발생했다는 것을 예상해서 보일러(205)를 중단을 개시하는 시간의 6시간 전시간에서 튜브 번들 써모커플들을 위해 정규화된 잔차 신호들을 보여준다. 보일러(205)의 중단 다음에, 정비 직원이 보일러의 모든 튜브 번들 지역들을 검사하고 2개의 재가열기 스팀 튜브들[하나는 펜던트(33)에 있고, 다른 하나는 펜던트(35)에 있음]이 장애가 있다는 것을 발견한다. 실패 튜브를 담고 있었던 펜던트들의 위치가 2개의 검은점(solid black dot)에 의해 묘사된다. 도 2는 장애 스팀 튜브들에 최근접해서 위치되는 써모커플들이 가장 큰 잔차 신호 변화들을 나타내는 것을 보여준다. 재가열기의 펜던트(39)에 위치되는 2개의 써모커플들이, 양의 방향으로 시프트되는 이런 센서들용 정규화된 잔차값들을 나타내기 위해 셰이드되었다(shaded). 재가열기의 펜던트(31) 내의 하나의 동작가능한 써모커플은, 그것의 잔차값이 더 큰 정도로 음의 방향으로 시프트되었다는 것을 표시하기 위해 상이하게 셰이드되었다.
도 2는 연소 가스 흐름 경로를 통해 장애 튜브들의 오른쪽에 위치된 스팀 튜브들이 모델이 예상한 온도보다 더 높은 온도를 체험하고, 이때 장애 튜브들의 왼편에 위치된 스팀 튜브들은 모델이 예상한 온도보다 더 낮은 온도를 체험한다. 온도 프로파일에서의 이런 변화들은 튜브 장애의 방향적 특성 때문이다. 대부분의 경 우들에서, 튜브 장애들은, 튜브 내의 작은 개구(opening) 또는 튜브의 길이를 따라 째진 틈에 의해 특징져진다. 드물게 튜브의 경계선 주변으로 개구가 확장된다. 따라서 높은 압력의 스팀이 우선적으로 한 방향으로 누설로부터 벗어나는 경향이 있다. 실패된 튜브로부터 흐르는 높은 압력의 스팀이 주변 연소 가스들보다 더 차기 때문에, 누설 방향에 따르는 스팀 튜브들이 차게 된다. 높은 압력 스팀은 연소 가스들의 정상 흐름을 방해하고, 연소 가스들을 튜브 장애의 다른 쪽으로 밀고 나가서 누설의 반대쪽에 있는 스팀 튜브들을 가열시킨다. 장애 튜브들로부터 상대적으로 멀리 위치된 써모커플들용 정규화된 잔차 값들은 정상 모델 변화의 경계들 내에 있고, 따라서 도 2의 격자 내의 셰이드된(shaded) 직사각형에 의해 묘사된다.
적응( Adaptation )
모델 트레이닝을 위해 사용되는 히스토리컬 데이터의 전형적인 양이, 보일러의 정상 수명을 통해 관찰되는 동작 파라미터들에서의 모든 조합들을 필수적으로 담고 있지 않기 때문에, 실시간 모니터링 해결책은, 수동적(유저가 유도한) 적응 알고리즘, 추적(trailing) 적응 알고리즘, 범위 밖(out-of-range) 적응 알고리즘, 범위 내(in-range) 적응 알고리즘, 및 제어 변수 유도(control-variable driven) 적응 알고리즘들을 포함하는 다양한 적응 알고리즘들의 애플리케이션에 의해, 모델 정확도를 보전하기 위한 수단과 결합되는 것이 바람직하다. 수동적 적응에서, 유저는 명백한 장애로서 확인된 데이터를 식별하고, 그 데이터는 레퍼런스 데이터의 레퍼토리[그 다음에 그로부터 H 매트릭스가 재구성됨]에 추가된다. 범위 밖 적응에 서, 모든 가용 레퍼런스 데이터를 통해 보여져왔던 것의 범위를 넘어선, 센서용 새로운 최고치들 또는 최하치들을 담고 있는 관찰값들이 레퍼런스 데이터에 추가되고(그리고 선택적으로는 어떤 장애도 그 시기에 발생하지 않았다는 확인한 이후임) H 매트릭스가 즉각적으로 또는 임시로 재구성된다. 대안적으로 새로운 관찰값이 H 매트릭스에 직접적으로 추가될 수 있다. 제어 변수 유도 적응에서, 원래의 레퍼런스 데이터의 시간 프레임 동안에 사용되지 않았던 새로운 제어 세팅들에 대응하는 관찰값들이 레퍼런스 데이터에 추가되고, 그리고 H 매트릭스가 재구성된다. 범위 내 적응에서, 모델의 차원 공간(dimensional space) 내에 희박한 공간(space)들로 구분되는 관찰값들이, 그 관찰 동안에 어떤 장애도 발생하지 않았다는 결정에 따라, 레퍼런스 데이터에 추가된다. 바람직한 실시 예들에서 필요하다면 수동적 적응과 결합하여 추적 적응 알고리즘(아래에서 상술됨)을 사용한다.
추적 적응 알고리즘에서, 현재 분석되고 있는 데이터에 뒤처지는(lag) 히스토리컬 데이터가 연속적으로 H 매트릭스에 추가되고, 따라서 장래 모델링을 위해 이용될 수 있다. 추적 적응 알고리즘은 모니터링 동안에 만나는 추적 데이터의 적합성을 테스트하기 위해 모델 개발 동안에 사용된 동일한 데이터 필터링 알고리즘들을 적용한다. 이것은 부적당한 데이터(비수치(nonnumeric) 값들, 센서 드롭아웃(drop-out), 스파이킹(spiking), 및 저조계속(flat-lining) 데이터)가 H 매트릭스에 추가되는 것을 방지한다. 추적 적응 알고리즘을 적용하기 위해서 사용자는 래그(lag) 타임을 설정하고, H 매트릭스에 최대 크기를 설정하고, 그 최대 크기에 도달했을 때 H 매트릭스로부터 어떻게 데이터를 제거할지 결정해야 한다. 래그(lag) 타임은 보일러가 튜브 누설을 갖고 동작할 수 있는 최대 길이의 시간으로 설정되고, 이것은 전형적으로 1 주 내지 2 주치에 대응한다. 최대 H 매트릭스 크기는 알고리즘 성능(CPU 시간)과 함께 정확한 모델 응답 간의 균형을 맞추는 것에 의해 설정된다. 1000개의 관찰값 벡터들로된 최대 H 매트릭스 크기는 모델 정확도와 알고리즘 성능 간의 좋은 균형을 제공한다는 것을 경험으로 알 수 있다. H 매트릭스로부터 데이터를 제거하는 바람직한 방법은 매트릭스로부터 가장 오래된 관찰값 벡터들을 제거하는 것이다. 유사성에 기반한 다른 기법들이 대안적으로 사용될 수 있다(즉 현재 관찰값 벡터와 가장 유사한 벡터를 제거, H 매트릭스에서 모든 다른 벡터들과 가장 적게 유사한 벡터를 제거, 기타 등등).
추적 적응 알고리즘은, 변화되는 동작 컨디션들에 불구하고, 모델 정확도를 보전할 수 있도록 커넬-기반 국부화 모델을 조절한다. 추적 적응 알고리즘이 지체해서 동작하기 때문에, 베이스라인 파워 레벨을 재설정하는 것과 같은 동작 컨디션들에서의 총체적인 변화들이, 진단(diagnostic) 규칙들에 의해 잘못 해석되는 잔차 신호 시그너처들의 원인이 될 수 있다. 이 효과를 개선시키기 위해, 수동적 적응 알고리즘이, 동작 컨디션들에서의 총체적인 변화들이 관찰되었을 때 즉각적인 모델 조정을 제공하기 위해 사용될 수 있다. 수동적인 적응 알고리즘에서, 사용자는 동작 컨디션들에서의 총체적인 변화가 처음 관찰되었던 시간을 식별한다. 그 다음에 알고리즘은 최대 현재 시각까지 모든 최근에 분석된 데이터를 수집하고, 모델 개발 동안에 사용되었던 동일한 데이터 필터링 알고리즘들 통해 데이터를 전달하고, 그리고 잔여 데이터를 H 매트릭스에 추가한다. 수동적 적응 알고리즘의 다른 하나의 양상은, 동작 컨디션들에서 비정상적인 변화들이 관찰되었을 때, 추적 적응 알고리즘에 의한 자동적 모델 조정을 막기 위해 사용될 수 있다는 것이다. 예컨대 보일러 튜브 누설이 발생했을 때, 유저는 누설에 대응하는 최근에 수집된 데이터를 특정하고, 추적 적응 알고리즘에 의한 고려사항으로 부적합한 것으로 데이터를 식별한다. 이것은 시스템이 처리하는 각 관찰값 벡터에 부착되는 바이너리 플래그의 간단한 세팅으로 달성될 수 있다. 추적 적응 알고리즘이 이런 벡터들을 만났을 때, 알고리즘은 바이너리 플래그들을 판독하고, 그 벡터들이 H 매트릭스에 추가되는 것을 막는다.
추적 적응 알고리즘 및 수동 적응 알고리즘이 변화하는 동작 컨디션들을 캡처하기 위해 H 매트릭스를 연속으로 수정하기 때문에 잔차 한계 값들이 이따금 재계산될 필요가 있다. 한계값들이 H 매트릭스로부터 생성된 정상 잔차 신호들의 통계적 폭의 함수이기 때문에, 한계값들은 H 매트릭스의 상당 부분(fraction)(예컨대 10%)이 대체될 때만 재계산될 필요가 있다.
예
도 3을 참조하면 2개의 플롯이 도시된다. 제1 플롯(300)은 공기 히터 섹션에서 보일러의 압력 하강 센서의 원래 데이터(305) 및 대응하는 모델 추정값(307)을 보여준다. 원래 데이터(305) 및 모델 추정값(307)의 차는 하부 플롯(310)에 도시된 잔차값(315)이다. 잔차값(315)은 통계적으로 결정된 상위 한계값(320) 및 하위 한계값(322) 각각과 비교하여 테스트된다. 보이는 것과 같이, 추정값(307) 및 원래 데이터(305)는 매우 가깝고, 잔차값(315)은 플롯들의 후반까지는 한계값(320)과 한계값(322) 사이에서 잘 행동한다. 플롯들의 후반에서 잔차 초과값(325)은 수선을 위해 보일러를 중단하는 것에 대응하는 것으로 보인다. 본 발명의 모델은 보일러의 이 부분에서 어떤 문제점도 찾을 수 없다.
도 4을 참조하면, 도 3의 대응하는 평행한 공기 히터 부분이 또한 2개의 플롯들과 함께 도시된다. 상부 플롯(400)은 도 3에 도시된 부분과 평행한 공기 히터 부분에서 보일러의 압력 하강 센서의 원래 데이터(405) 및 대응하는 모델 추정값(407)을 도시한다. 원래 데이터(405) 및 모델 추정값(407)의 차는 하부 플롯(410)에 도시된 잔차값(415)이다. 잔차값(415)은 통계적으로 결정된 상위 한계값(420) 및 하위 한계값(422) 각각과 비교하여 테스트된다. 보이는 것과 같이, 추정값(407) 및 원래 데이터(405)는 시간에 걸쳐서 편차가 있고, 원래 데이터(405)는 추정값(407)이 예상했던 것보다 더 낮게 이동한다. 대응하여, 잔차값(415)은 하위 한계값(422)을 넘어서 계속 나아가 수선을 위해 보일러를 중단시킬까지 이른다. 여기서 도시된 편차(425)는 보일러의 중단에 이르는 보일러 튜브 누설을 명시한다.
도 5는 본 발명의 하나의 실시 예에 따라 시스템에서 장애들을 진단하기 위한 모니터링 장치(500)를 도해한다. 보이는 것과 같이, 모니터링 장치는 보일러(505)의 장애들을 모니터한다. 센서들이 보일러(505)를 모니터하기 위해 이용된다. 센서들의 제1 세트(510)가 보일러(505)의 연료/가스 혼합물의 컨디션들을 모니터한다. 센서들의 제2 세트(515)가 보일러(505)의 물/스팀 혼합물의 컨디션들을 모니터한다. 센서들의 제1 세트(510) 및 센서들의 제2 세트(515)가 모니터하는 컨디 션들은 압력들, 온도들, 및 흐름 속도(flow rate)들을 포함한다.
모니터링 장치(500)는 보일러(505)에 대응하는 계측된 데이터를 담고 있는 레퍼런스 데이터 저장소(520)를 포함한다. 모니터링 장치(500)는 또한 프로세서(525)를 포함한다. 프로세서(525)는 (a) 시스템을 모니터하는 센서들의 예시적인 관찰값들로부터 트레이닝되는 비모수적 커넬-기반 방법에 따라, 시스템의 타깃 컴포넌트를 위해 경험적(empirical) 모델을 구성하고, (b) 타깃 컴포넌트에 대응하는 계측(instrumented) 데이터에 기초하여, 실질적인 실시간 추정값(estimate)들을 생성하고; (c) 잔차(residual) 값들을 제공하기 위해, 상기 실질적인 실시간 추정값들을 상기 센서들로부터의 계측 판독값(reading)과 비교하여 차이를 구하고 (differencing); 그리고 (d) 상기 잔차 값들을 분석하여 상기 장애들을 검출하고 상기 모니터되는 시스템 내의 장애들의 위치를 결정한다.
여기서 논의되는 교시들은 센서들이 모니터하는 시스템에서 장애들을 진단하기 위한 방법, 시스템, 및 장치로 지시된다. 경험적 모델은, 모니터되는 시스템의 타깃 컴포넌트를 위해 구성된다. 경험적 모델은, 센서들의 예시적인 관찰값(observation)들을 담고 있는 히스토리컬(historical) 데이터 소스와 함께 트레이닝된다. 실질적으로 실시간 추정값들은 타깃 컴포넌트에 대응하는 계측 데이터에 기초하여 생성된다. 실질적으로 실시간 추정값들은 잔차 값들을 제공하기 위하여 센서들로부터의 계측 판독값들과 비교어서 차이가 구해진다. 잔차값들은 모니터되는 시스템에서 장애들을 검출하고 위치를 결정하기 위해서 분석된다. 적어도 하나의 추론되는 실시간 추정값이 타깃 컴포넌트에 대응하는 데이터에 기초하여 생성될 수 있다.
경험적 모델은, 비모수적(nonparametric) 커널-기반(kernel-based) 방법에 따라 추정되는 센서 값들을 생성하기 위해 이용될 수 있다. 경험적 모델은, 유사성-기반 모델링 방법에 따라 추정되는 센서 값들을 생성할 수 있거나, 또는 커널 회귀(kernel regression) 모델링 방법에 따라 추정되는 센서 값들을 생성할 수 있다.
경험적 모델은, 새로운 입력 관찰값과 관련되는 학 습된 관찰값들을 참조하는 학습된 레퍼런스 ( reference ) 라이브러리 내에서 국부화되는 각각의 새로운 입력 관찰값로 실시간 업데이트될 수 있다.
경험적 모델은 모니터되는 시스템의 동작에서 새로운 정상 변화 패턴들을 학습하기 위해 적응 알고리즘을 구현할 수 있다. 적응은, 래깅 윈도우(lagging-window) 적응 알고리즘, 수동적(유저가 유도한) 적응 알고리즘, 추적(trailing) 적응 알고리즘, 범위 밖(out-of-range) 적응 알고리즘, 범위 내(in-range) 적응 알고리즘, 및 제어 변수 유도(control-variable driven) 적응 알고리즘 중 적어도 하나를 이용할 수 있다.
센서들의 제1 세트가 보일러의 연료/가스의 컨디션들을 모니터하기 위해 이용될 수 있고, 센서들의 제2 세트가 보일러의 물/스팀의 컨디션들을 모니터하기 위해 이용될 수 있다. 타깃 컴포넌트는 화석 연료를 공급받는 파워 플랜트 환경의 보일러일 수 있다.
위에서 설명된 몇몇 실시 예들은 화석 연료 파워 플랜트 내의 보일러를 포함한다. 그러나 당업자는 타깃 컴포넌트가 원자력 파워 플랜트의 스팀 생성기일 수 있다는 것을 인지할 것이다. 이런 경우에, 센서들의 제1 세트는 원자력 파워 플랜트 스팀 발생기의 제1 사이드의 고 압력 물 컨디션들을 모니터할 것이다. 일반적으로, 위에서 논의되는 방법이 이용하는 센서들의 제1 세트는, 스팀 발생 장치의 "고온부(hot side) 컨디션들"을 모니터한다. "고온부"는 전원으로부터 열에너지를 전송하는 유동체를 담고 있다. 전원은 핵원료 파워 플랜트의 원자로 노심(reactor core)이거나 화석 연료 플랜트의 연소 영역(combustion region)이다.
비주얼 인터페이스가 스팀 발생 장치의 컴포넌트들을 그래픽하게 디스플레이하고, 스팀 발생 장치의 튜브 번들 섹션들 내의 써모커플들의 위치들용 잔차 값들을 표시하기 위해 제공될 수 있다.
당업자는 다양한 수정들, 변경들을 인식할 것이고, 그리고 조합들이 본 발명의 사상 및 범위를 벗어남이 없이 위에서 설명된 실시 예에 대하여 만들어질 것이고, 이런 수정들, 변경들, 및 조합들은 본 발명의 개념의 범위 내에 있는 것으로 간주될 것이다.

Claims (23)

  1. 모니터되는 시스템에서 장애(fault)들을 진단하는 방법으로서[상기 모니터되는 시스템은 센서들에 의해 모니터됨],
    상기 모니터되는 시스템의 타깃 컴포넌트를 위해 경험적(empirical) 모델을 구성하고[상기 경험적 모델은, 상기 센서들의 예시적인 관찰값(observation)들을 담고 있는 히스토리컬(historical) 데이터 소스와 함께 트레이닝됨];
    상기 타깃 컴포넌트에 대응하는 계측(instrumented) 데이터에 기초하여, 실질적인 실시간 추정값(estimate)들을 생성하고;
    잔차(residual) 값들을 제공하기 위해, 상기 실질적인 실시간 추정값들을 상기 센서들로부터의 계측 판독값(reading)과 비교하여 차이를 구하고(differencing); 그리고
    상기 잔차 값들을 분석하여 상기 장애들을 검출하고 상기 모니터되는 시스템 내의 상기 장애들의 위치를 결정하는 것;을 포함하는, 방법.
  2. 제1항에 있어서,
    상기 경험적 모델은, 비모수적(nonparametric) 커널-기반(kernel-based) 방법에 따라 추정되는 센서 값들을 생성하는, 방법.
  3. 제2항에 있어서,
    상기 경험적 모델은, 유사성-기반 모델링 방법에 따라 추정되는 센서 값들을 생성하는, 방법.
  4. 제2항에 있어서,
    상기 경험적 모델은, 커널 회귀(kernel regression) 모델링 방법에 따라 추정되는 센서 값들을 생성하는, 방법.
  5. 제1항에 있어서,
    상기 경험적 모델은, 미리 결정된 연관 기준에 따라, 새로운 입력 관찰값과 관련되는 학습된 관찰값들을 참조하는 학습된 레퍼런스(reference) 라이브러리 내에서 국부화되는 각각의 상기 새로운 입력 관찰값로 실시간 업데이트되는, 방법.
  6. 제1항에 있어서,
    상기 경험적 모델은, 상기 모니터되는 시스템의 동작(operation)에서 새로운 정상 변화(normal variation) 패턴들을 학습하기 위해 적응(adaptation) 알고리즘을 구현하는, 방법.
  7. 제6항에 있어서,
    상기 적응 알고리즘은,
    래깅 윈도우(lagging-window) 적응 알고리즘, 수동적(유저가 유도한) 적응 알고리즘, 추적(trailing) 적응 알고리즘, 범위 밖(out-of-range) 적응 알고리즘, 범위 내(in-range) 적응 알고리즘, 및 제어 변수 유도(control-variable driven) 적응 알고리즘 중 적어도 하나를 이용하는, 방법.
  8. 제1항에 있어서,
    상기 타깃 컴포넌트는 스팀 발생 장치의 고온부(hot side) 컨디션들을 모니터하기 위한 센서들의 제1 세트, 및 상기 스팀 발생 장치의 스팀/물 컨디션들을 모니터하기 위한 센서들의 제2 세트를 구비하는 스팀 발생 장치로 이루어진, 방법.
  9. 제8항에 있어서,
    상기 스팀 발생 장치는 화석 연료 파워 플랜트(fossil- fuel power plant)의 보일러인, 방법.
  10. 제8항에 있어서,
    상기 스팀 발생 장치는 원자력 파워 플랜트의 스팀 발생기인, 방법.
  11. 제8항에 있어서,
    상기 스팀 발생 장치의 컴포넌트들을 그래픽하게 디스플레이하고, 그리고 상기 스팀 발생 장치 내에 위치된 튜브-번들 써모커플(tube-bundle thermocouples)들을 위한 잔차 값들을 나타내기 위해 비주얼 인터페이스를 제공하는 것을 더 포함하 는, 방법.
  12. 제1항에 있어서,
    상기 타깃 컴포넌트에 대응하여, 계측(instrumented) 데이터에 기초한 실질적인 실시간 추정값(estimate)들을 생성하는 것은, 적어도 하나의 추론된(inferred) 실시간 추정값을 생성하는 것을 포함하는, 방법.
  13. 센서들에 의해 모니터되는 시스템에서 장애(fault)들을 진단하는 모니터링 장치로서,
    상기 시스템의 타깃 컴포넌트에 대응하는 계측 데이터를 담고 있는 레퍼런스 (reference) 데이터 저장소; 및
    프로세서를 포함하고, 상기 프로세서는,
    상기 모니터되는 시스템의 타깃 컴포넌트를 위해 경험적(empirical) 모델을 구성하고[상기 경험적 모델은, 상기 센서들의 예시적인 관찰값(observation)들을 담고 있는 히스토리컬(historical) 데이터 소스와 함께 트레이닝됨];
    상기 타깃 컴포넌트에 대응하는 계측(instrumented) 데이터에 기초하여, 실질적인 실시간 추정값(estimate)들을 생성하고;
    잔차(residual) 값들을 제공하기 위해, 상기 실질적인 실시간 추정값들을 상기 센서들로부터의 계측 판독값(reading)과 비교하여 차이를 구하 고(differencing); 그리고
    상기 잔차 값들을 분석하여 상기 장애들을 검출하고 상기 모니터되는 시스템 내의 상기 장애들의 위치를 결정하는, 모니터링 장치.
  14. 제13항에 있어서,
    상기 프로세서는, 비모수적(nonparametric) 커널-기반(kernel-based) 방법에 따라 추정되는 센서 값들을 생성하기 위해 경험적 모델을 구성하는, 모니터링 장치.
  15. 제14항에 있어서,
    상기 프로세서는, 유사성-기반 모델링 방법에 따라 추정되는 센서 값들을 생성하기 위해 경험적 모델을 구성하는, 모니터링 장치.
  16. 제14항에 있어서,
    상기 프로세서는, 커널 회귀(kernel regression) 모델링 방법에 따라 추정되는 센서 값들을 생성하기 위해 경험적 모델을 구성하는, 모니터링 장치.
  17. 제13항에 있어서,
    상기 프로세서는, 미리 결정된 연관 기준에 따라, 입력 관찰값과 관련되는 학습된 관찰값들을 참조하는 학습된 레퍼런스(reference) 라이브러리 내에서 국부 화되는 각각의 상기 새로운 입력 관찰값로 실시간 업데이트되는 경험적 모델을 구성하는, 모니터링 장치.
  18. 제13항에 있어서,
    상기 프로세서는, 상기 모니터되는 시스템의 오퍼레이션에서 새로운 정상 변화 패턴들을 학습하기 위해 적응(adaptation) 알고리즘을 구현하는 경험적 모델을 구성하는, 모니터링 장치.
  19. 제18항에 있어서,
    상기 적응 알고리즘은,
    래깅 윈도우(lagging-window) 적응 알고리즘, 수동적(유저가 유도한) 적응 알고리즘, 추적(trailing) 적응 알고리즘, 범위 밖(out-of-range) 적응 알고리즘, 범위 내(in-range) 적응 알고리즘, 및 제어 변수 유도(control-variable driven) 적응 알고리즘 중 적어도 하나를 이용하는, 모니터링 장치.
  20. 제13항에 있어서,
    상기 타깃 컴포넌트의 컴포넌트들을 그래픽하게 디스플레이하고, 그리고 상기 타깃 컴포넌트들 내에 위치된 튜브-번들 써모커플(tube-bundle thermocouples)들을 위한 잔차 값들을 나타내기 위한 비주얼 인터페이스를 더 포함하는, 모니터링 장치.
  21. 모니터되는 시스템에서 튜브 누설 장애들을 특징지우는 방법으로서,
    상기 모니터되는 시스템의 타깃 컴포넌트를 위해 히스토리컬 센서 데이터를 수집하고;
    상기 타깃 컴포넌트 내의 주어진 튜브 누설 장애 유형들과 상관관계에 있는 잔차 신호들을 산출하고;
    적어도 하나의 미리결정된 분석 알고리즘에 따라 잔차 신호 시그너처(signture)들을 발생시키기 위해 상기 잔차 신호들을 분석하고;
    시간에 따라 변하는 계측들의 데이터베이스 내에서 상기 잔차 신호 시그너처들을 수집하고; 그리고
    상기 주어진 튜브 누설 장애 유형들과 관련있는 잔차 신호 시그너처들의 두드러진(salient) 특징들을 특징지우기 위해 적어도 하나의 미리결정된 분류 알고리즘에 따라 잔차 신호 시그너처들의 데이터베이스를 분석하는 것;을 포함하는, 방법.
  22. 제21항에 있어서,
    적어도 하나의 미리결정된 분석 알고리즘은, 잔차 한계값 경고 알고리즘, 윈도우 비율 규칙(window ratio rule) 알고리즘, 순차 확률비(sequential probability ratio) 테스트 알고리즘, 및 알고리즘 중 적어도 하나를 포함하는, 방법.
  23. 제21항에 있어서,
    적어도 하나의 미리결정된 분류 알고리즘은, K-means 알고리즘, LVQ 뉴럴 네트워크(neural network) 알고리즘, 및 SBM 분류(classification) 알고리즘 중 적어도 하나를 포함하는, 방법.
KR1020097007732A 2006-09-19 2007-09-19 보일러 튜브 누설들을 검출하기 위한 커넬 기반 방법 KR101427638B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US82620306P 2006-09-19 2006-09-19
US60/826,203 2006-09-19
US11/856,897 2007-09-18
US11/856,897 US8275577B2 (en) 2006-09-19 2007-09-18 Kernel-based method for detecting boiler tube leaks
PCT/US2007/078906 WO2008036751A2 (en) 2006-09-19 2007-09-19 Kernel-based method for detecting boiler tube leaks

Publications (2)

Publication Number Publication Date
KR20090074768A true KR20090074768A (ko) 2009-07-07
KR101427638B1 KR101427638B1 (ko) 2014-08-07

Family

ID=39189722

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020097007732A KR101427638B1 (ko) 2006-09-19 2007-09-19 보일러 튜브 누설들을 검출하기 위한 커넬 기반 방법

Country Status (8)

Country Link
US (1) US8275577B2 (ko)
EP (1) EP2064626B1 (ko)
JP (1) JP2010504501A (ko)
KR (1) KR101427638B1 (ko)
CA (1) CA2663888C (ko)
PL (1) PL2064626T3 (ko)
PT (1) PT2064626T (ko)
WO (1) WO2008036751A2 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101519447B1 (ko) * 2013-11-26 2015-05-12 한국과학기술원 하이브리드 기술을 이용한 통계적 모델 검사 장치 및 방법
KR20180131239A (ko) * 2017-05-31 2018-12-10 주식회사 지오네트 화력발전 운영 방법 및 시스템
KR20210010194A (ko) * 2019-07-19 2021-01-27 울산과학기술원 딥러닝 기반의 화력 발전소 재과열기 튜브의 누설 감지 방법 및 이를 수행하는 장치
KR20220011546A (ko) * 2020-07-21 2022-01-28 주식회사 다함 스팀 보일러 모니터링 시스템

Families Citing this family (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2631870C (en) * 2005-11-29 2021-07-06 Venture Gain, L.L.C. Residual-based monitoring of human health
US8275577B2 (en) 2006-09-19 2012-09-25 Smartsignal Corporation Kernel-based method for detecting boiler tube leaks
US8311774B2 (en) * 2006-12-15 2012-11-13 Smartsignal Corporation Robust distance measures for on-line monitoring
US9177678B2 (en) * 2009-07-23 2015-11-03 Westinghouse Electric Company Llc Method of processing steam generator tubes of nuclear power plant
US8442853B2 (en) * 2009-10-12 2013-05-14 Patrick D. Abbott Targeted equipment monitoring system and method for optimizing equipment reliability
WO2011087927A1 (en) * 2010-01-14 2011-07-21 Venture Gain LLC Multivariate residual-based health index for human health monitoring
GB2478117B (en) * 2010-02-24 2012-09-12 Alertme Com Ltd Apparatus and method for detecting degradation in heating system performance
KR101094074B1 (ko) 2010-04-22 2011-12-15 주식회사 지오네트 성능저하 및 고장원인 조기 진단을 위한 알고리즘 분석모델 제작방법
JP5672035B2 (ja) * 2011-02-03 2015-02-18 富士通株式会社 入力パラメータ算出方法、装置及びプログラム
US9250625B2 (en) 2011-07-19 2016-02-02 Ge Intelligent Platforms, Inc. System of sequential kernel regression modeling for forecasting and prognostics
US9256224B2 (en) 2011-07-19 2016-02-09 GE Intelligent Platforms, Inc Method of sequential kernel regression modeling for forecasting and prognostics
US8620853B2 (en) * 2011-07-19 2013-12-31 Smartsignal Corporation Monitoring method using kernel regression modeling with pattern sequences
US8660980B2 (en) * 2011-07-19 2014-02-25 Smartsignal Corporation Monitoring system using kernel regression modeling with pattern sequences
EP2560062A1 (en) * 2011-08-16 2013-02-20 ABB Research Ltd. Methods and control systems for controlling an industrial system
US9423407B2 (en) * 2011-09-30 2016-08-23 Westinghouse Electric Company Llc Automated analysis coverage verification (AACV)
WO2013171474A2 (en) * 2012-05-15 2013-11-21 University Of Lancaster Anomalous system state identification
US10679131B2 (en) 2012-07-12 2020-06-09 Eaton Intelligent Power Limited System and method for efficient data collection in distributed sensor measurement systems
US9644991B2 (en) 2012-10-01 2017-05-09 Cooper Technologies Company System and method for support of one-way endpoints in two-way wireless networks
JP6134802B2 (ja) * 2013-09-11 2017-05-24 株式会社日立製作所 時系列データの分析方法、及びその装置
US9699708B2 (en) 2014-01-17 2017-07-04 Cooper Technologies Company Dynamically-selectable multi-modal modulation in wireless multihop networks
US10176032B2 (en) 2014-12-01 2019-01-08 Uptake Technologies, Inc. Subsystem health score
US10984338B2 (en) 2015-05-28 2021-04-20 Raytheon Technologies Corporation Dynamically updated predictive modeling to predict operational outcomes of interest
US10579750B2 (en) 2015-06-05 2020-03-03 Uptake Technologies, Inc. Dynamic execution of predictive models
US10254751B2 (en) 2015-06-05 2019-04-09 Uptake Technologies, Inc. Local analytics at an asset
US10176279B2 (en) 2015-06-05 2019-01-08 Uptake Technologies, Inc. Dynamic execution of predictive models and workflows
US10878385B2 (en) 2015-06-19 2020-12-29 Uptake Technologies, Inc. Computer system and method for distributing execution of a predictive model
US20170076406A1 (en) * 2015-09-15 2017-03-16 General Electric Company Systems and method of monitoring processing systems
WO2017049207A1 (en) 2015-09-17 2017-03-23 Uptake Technologies, Inc. Computer systems and methods for sharing asset-related information between data platforms over a network
JP6841589B2 (ja) 2015-09-25 2021-03-10 三菱重工業株式会社 異常予兆監視システム
US10623294B2 (en) 2015-12-07 2020-04-14 Uptake Technologies, Inc. Local analytics device
US11295217B2 (en) 2016-01-14 2022-04-05 Uptake Technologies, Inc. Localized temporal model forecasting
US10510006B2 (en) * 2016-03-09 2019-12-17 Uptake Technologies, Inc. Handling of predictive models based on asset location
US10796235B2 (en) 2016-03-25 2020-10-06 Uptake Technologies, Inc. Computer systems and methods for providing a visualization of asset event and signal data
US20170353353A1 (en) 2016-06-03 2017-12-07 Uptake Technologies, Inc. Provisioning a Local Analytics Device
US10210037B2 (en) 2016-08-25 2019-02-19 Uptake Technologies, Inc. Interface tool for asset fault analysis
US10474932B2 (en) 2016-09-01 2019-11-12 Uptake Technologies, Inc. Detection of anomalies in multivariate data
US10228925B2 (en) 2016-12-19 2019-03-12 Uptake Technologies, Inc. Systems, devices, and methods for deploying one or more artifacts to a deployment environment
US10579961B2 (en) 2017-01-26 2020-03-03 Uptake Technologies, Inc. Method and system of identifying environment features for use in analyzing asset operation
US10671039B2 (en) 2017-05-03 2020-06-02 Uptake Technologies, Inc. Computer system and method for predicting an abnormal event at a wind turbine in a cluster
US10255526B2 (en) 2017-06-09 2019-04-09 Uptake Technologies, Inc. Computer system and method for classifying temporal patterns of change in images of an area
WO2019022737A1 (en) * 2017-07-26 2019-01-31 Hitachi, Ltd. MAINTENANCE RECOMMENDATION SYSTEM BASED ON FAILURE PREDICTION
KR102025145B1 (ko) * 2017-09-01 2019-09-25 두산중공업 주식회사 플랜트 데이터 예측 장치 및 방법
CN107607321B (zh) * 2017-09-06 2019-11-05 成都大汇物联科技有限公司 一种设备故障精确定位方法
WO2019050726A1 (en) * 2017-09-08 2019-03-14 General Electric Company METHOD AND SYSTEM FOR ESTIMATING BOILER TUBE FAILURE
JP6943698B2 (ja) * 2017-09-11 2021-10-06 三菱パワー株式会社 プラント異常箇所推定システム
US11232371B2 (en) 2017-10-19 2022-01-25 Uptake Technologies, Inc. Computer system and method for detecting anomalies in multivariate data
US10552246B1 (en) 2017-10-24 2020-02-04 Uptake Technologies, Inc. Computer system and method for handling non-communicative assets
US10379982B2 (en) 2017-10-31 2019-08-13 Uptake Technologies, Inc. Computer system and method for performing a virtual load test
US10635519B1 (en) 2017-11-30 2020-04-28 Uptake Technologies, Inc. Systems and methods for detecting and remedying software anomalies
US10815966B1 (en) 2018-02-01 2020-10-27 Uptake Technologies, Inc. Computer system and method for determining an orientation of a wind turbine nacelle
JP6919997B2 (ja) * 2018-02-06 2021-08-18 株式会社日立製作所 制御装置、制御方法、および制御プログラム
US10554518B1 (en) 2018-03-02 2020-02-04 Uptake Technologies, Inc. Computer system and method for evaluating health of nodes in a manufacturing network
US10169135B1 (en) 2018-03-02 2019-01-01 Uptake Technologies, Inc. Computer system and method of detecting manufacturing network anomalies
US10635095B2 (en) 2018-04-24 2020-04-28 Uptake Technologies, Inc. Computer system and method for creating a supervised failure model
US10860599B2 (en) 2018-06-11 2020-12-08 Uptake Technologies, Inc. Tool for creating and deploying configurable pipelines
US10579932B1 (en) 2018-07-10 2020-03-03 Uptake Technologies, Inc. Computer system and method for creating and deploying an anomaly detection model based on streaming data
US11119472B2 (en) 2018-09-28 2021-09-14 Uptake Technologies, Inc. Computer system and method for evaluating an event prediction model
US11181894B2 (en) 2018-10-15 2021-11-23 Uptake Technologies, Inc. Computer system and method of defining a set of anomaly thresholds for an anomaly detection model
KR102176765B1 (ko) * 2018-11-26 2020-11-10 두산중공업 주식회사 연소 최적화를 위한 학습 데이터를 생성하기 위한 장치 및 이를 위한 방법
US11480934B2 (en) 2019-01-24 2022-10-25 Uptake Technologies, Inc. Computer system and method for creating an event prediction model
US11030067B2 (en) 2019-01-29 2021-06-08 Uptake Technologies, Inc. Computer system and method for presenting asset insights at a graphical user interface
US11797550B2 (en) 2019-01-30 2023-10-24 Uptake Technologies, Inc. Data science platform
CN110020476B (zh) * 2019-04-08 2020-06-26 西安交通大学 一种反应堆u型管式蒸汽发生器全三维耦合模型建立方法
CN110007661B (zh) * 2019-04-10 2020-09-04 河北工业大学 一种锅炉燃烧控制系统智能故障诊断方法
US11208986B2 (en) 2019-06-27 2021-12-28 Uptake Technologies, Inc. Computer system and method for detecting irregular yaw activity at a wind turbine
US10975841B2 (en) 2019-08-02 2021-04-13 Uptake Technologies, Inc. Computer system and method for detecting rotor imbalance at a wind turbine
US11892830B2 (en) 2020-12-16 2024-02-06 Uptake Technologies, Inc. Risk assessment at power substations
US11914357B1 (en) * 2020-12-29 2024-02-27 Uchicago Argonne, Llc Physics-constrained fault diagnosis framework for monitoring a standalone component of a thermal hydraulic system
DE102021116562A1 (de) 2021-06-25 2022-12-29 Schenck Process Europe Gmbh Überwachung des betriebs einer maschine
DE102021003960A1 (de) 2021-07-28 2023-02-02 Stöber Antriebstechnik GmbH & Co. KG Verfahren zum Erkennen von drohenden Ausfällen von Komponenten von Maschinen, insbesondere von Antriebseinheiten
DE102021208443A1 (de) 2021-08-04 2023-02-09 BSH Hausgeräte GmbH Erkennung einer Anomalie an einem Haushaltsgerät
BE1030064B1 (nl) * 2021-12-22 2023-07-17 Entras Een werkwijze voor foutdetectie in een energiecentrale
CN114414227B (zh) * 2021-12-29 2023-05-26 华电电力科学研究院有限公司 一种设备碰撞感知方法、装置、设备及存储介质
EP4227659A1 (en) * 2022-02-11 2023-08-16 Basf Se Method and system for detection of leakages in process industry

Family Cites Families (376)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3045221A (en) * 1958-01-22 1962-07-17 Gen Atronics Corp Monitoring device
US3561237A (en) * 1967-11-29 1971-02-09 Westinghouse Electric Corp Predictive gauge control method and apparatus for metal rolling mills
US3651454A (en) * 1969-12-15 1972-03-21 Borg Warner Automotive multiplex system
US3767900A (en) * 1971-06-23 1973-10-23 Cons Paper Inc Adaptive controller having optimal filtering
FR2187919B1 (ko) * 1972-06-15 1974-10-25 Bonvarite
US3851157A (en) 1973-07-09 1974-11-26 United Aircraft Corp Self-correcting feedback control system
US3906437A (en) 1973-09-07 1975-09-16 Textron Inc Device for monitoring the operating parameters of a dynamic system
US3866166A (en) 1974-04-09 1975-02-11 Gen Motors Corp Digital multigage for motor vehicle
US3992884A (en) * 1975-01-03 1976-11-23 Fives-Cail Babcock Thermal power plant
US4067061A (en) 1975-03-18 1978-01-03 Rockwell International Corporation Monitoring and recording system for vehicles
US4060716A (en) 1975-05-19 1977-11-29 Rockwell International Corporation Method and apparatus for automatic abnormal events monitor in operating plants
US4080654A (en) 1976-03-25 1978-03-21 General Signal Corporation Vehicle performance monitor
US4057847A (en) 1976-06-14 1977-11-08 Sperry Rand Corporation Remote controlled test interface unit
US4071898A (en) 1976-06-14 1978-01-31 Sun Shipbuilding & Dry Dock Company Ship performance analyzer
US4212064A (en) 1977-04-05 1980-07-08 Simmonds Precision Products, Inc. Performance advisory system
US4336595A (en) 1977-08-22 1982-06-22 Lockheed Corporation Structural life computer
USRE31750E (en) * 1977-11-25 1984-11-27 Ird Mechanalysis, Inc. Data acquisition system
DE2824190A1 (de) 1978-06-02 1979-12-06 Bosch Gmbh Robert Mikrorechner-system zur steuerung von betriebsvorgaengen in kraftfahrzeugen, mit einer diagnoseeinrichtung zur ueberpruefung des kraftfahrzeuges
JPS5511418A (en) 1978-07-07 1980-01-26 Hitachi Ltd Test operating apparatus of elevator
US4215412A (en) 1978-07-13 1980-07-29 The Boeing Company Real time performance monitoring of gas turbine engines
US4296409A (en) 1979-03-12 1981-10-20 Dickey-John Corporation Combine performance monitor
USRE31582E (en) * 1979-03-23 1984-05-08 Nissan Motor Company, Limited Automatic control system for method and apparatus for checking devices of an automotive vehicle in use with a microcomputer
US4295128A (en) 1979-03-26 1981-10-13 University Of Tennessee Research Corp. Apparatus for measuring the degradation of a sensor time constant
US4271402A (en) 1979-08-29 1981-06-02 General Motors Corporation Motor vehicle diagnostic and monitoring device having keep alive memory
US4334136A (en) 1979-10-01 1982-06-08 Douglas P. Mahan Microwave treating mechanism
JPS5695738A (en) 1979-12-26 1981-08-03 Nippon Denso Co Ltd Method and apparatus for indicating and disposing of abnormal condition
US4402054A (en) 1980-10-15 1983-08-30 Westinghouse Electric Corp. Method and apparatus for the automatic diagnosis of system malfunctions
US4368510A (en) 1980-10-20 1983-01-11 Leeds & Northrup Company Automatic identification system for self tuning process controller
US4480480A (en) 1981-05-18 1984-11-06 Scott Science & Technology, Inc. System for assessing the integrity of structural systems
US4521885A (en) 1983-01-05 1985-06-04 Towmotor Corporation Diagnostic display apparatus
JPS59213548A (ja) 1983-05-17 1984-12-03 Nissan Motor Co Ltd 車両用制御システムの故障診断装置
GB8317224D0 (en) 1983-06-24 1983-07-27 Atomic Energy Authority Uk Monitoring system
US4707796A (en) 1983-10-19 1987-11-17 Calabro Salvatore R Reliability and maintainability indicator
US4677429A (en) 1983-12-01 1987-06-30 Navistar International Transportation Corp. Vehicle information on-board processor
US4517468A (en) 1984-04-30 1985-05-14 Westinghouse Electric Corp. Diagnostic system and method
JPS6149297A (ja) 1984-08-17 1986-03-11 ホーチキ株式会社 火災報知装置
FR2570182B1 (fr) 1984-09-13 1988-04-15 Framatome Sa Methode de validation de la valeur d'un parametre
US4978291A (en) 1985-11-12 1990-12-18 Nakai Gary T Method of regulating the fuel-air mixture in a burner
EP0228636B1 (de) 1985-12-12 1990-06-27 Bayerische Motoren Werke Aktiengesellschaft, Patentabteilung AJ-3 Verfahren zum Ermitteln von Betriebszuständen eines Kraftfahrzeugs
JPS63131847A (ja) 1986-04-28 1988-06-03 Mitsubishi Electric Corp 車両用制御装置
US4841456A (en) 1986-09-09 1989-06-20 The Boeing Company Test system and method using artificial intelligence control
US4965513A (en) 1986-09-30 1990-10-23 Martin Marietta Energy Systems, Inc. Motor current signature analysis method for diagnosing motor operated devices
JPS6390629A (ja) 1986-10-03 1988-04-21 Sanshin Ind Co Ltd 内燃機関の異常警報装置
JPS63133201A (ja) 1986-11-25 1988-06-06 Mitsubishi Electric Corp 車両用制御装置
US5005142A (en) 1987-01-30 1991-04-02 Westinghouse Electric Corp. Smart sensor system for diagnostic monitoring
US4953085A (en) 1987-04-15 1990-08-28 Proprietary Financial Products, Inc. System for the operation of a financial account
US4823290A (en) 1987-07-21 1989-04-18 Honeywell Bull Inc. Method and apparatus for monitoring the operating environment of a computer system
US4773021A (en) 1987-07-31 1988-09-20 General Electric Company Adaptive model-based pressure control and method of resin cure
KR970003823B1 (ko) 1987-09-11 1997-03-22 가부시끼가이샤 야스가와 덴끼 세이사꾸쇼 주기적 목표치에 최적하게 추종하는 제어방식
US4931977A (en) 1987-10-30 1990-06-05 Canadian Marconi Company Vectorial adaptive filtering apparatus with convergence rate independent of signal parameters
DE3816930A1 (de) * 1988-05-11 1989-11-23 Heribert Hiendl Rueckbiegefaehiger betonstahl
US4924418A (en) 1988-02-10 1990-05-08 Dickey-John Corporation Universal monitor
JPH0718779B2 (ja) 1988-02-16 1995-03-06 富士重工業株式会社 車輌診断装置
JPH0776725B2 (ja) 1988-02-18 1995-08-16 富士重工業株式会社 車輌診断装置
JPH01302402A (ja) 1988-03-17 1989-12-06 Toshiba Corp プロセス最適化制御装置
US5251285A (en) 1988-03-25 1993-10-05 Hitachi, Ltd. Method and system for process control with complex inference mechanism using qualitative and quantitative reasoning
JPH0718780B2 (ja) 1988-03-29 1995-03-06 富士重工業株式会社 車輌診断システム
EP0337423B1 (en) 1988-04-13 1995-10-18 Hitachi, Ltd. Process control method and control system
JP2717665B2 (ja) 1988-05-31 1998-02-18 株式会社豊田中央研究所 内燃機関の燃焼予測判別装置
GB8813066D0 (en) 1988-06-02 1988-07-06 Pi Research Ltd Vehicle data recording system
US5003950A (en) 1988-06-15 1991-04-02 Toyota Jidosha Kabushiki Kaisha Apparatus for control and intake air amount prediction in an internal combustion engine
US4951234A (en) * 1988-06-22 1990-08-21 Westinghouse Electric Corp. Monitoring a plurality of identical process parameters
US4985857A (en) 1988-08-19 1991-01-15 General Motors Corporation Method and apparatus for diagnosing machines
US5088058A (en) 1988-08-26 1992-02-11 Unisys Corporation Apparatus and method for evaluating and predicting computer I/O performance using I/O workload snapshots for model input
US4937763A (en) * 1988-09-06 1990-06-26 E I International, Inc. Method of system state analysis
JPH0776736B2 (ja) 1988-09-28 1995-08-16 富士重工業株式会社 車輌診断システム
JPH0776737B2 (ja) 1988-10-21 1995-08-16 富士重工業株式会社 車輌診断システム
US5309351A (en) 1988-10-27 1994-05-03 Texas Instruments Incorporated Communications, information, maintenance diagnostic and training system
US5067099A (en) 1988-11-03 1991-11-19 Allied-Signal Inc. Methods and apparatus for monitoring system performance
US4978909A (en) 1988-11-14 1990-12-18 Martin Marietta Energy Systems, Inc. Demodulation circuit for AC motor current spectral analysis
US5005147A (en) 1988-12-30 1991-04-02 The United States Of America As Represented By The Administrator, The National Aeronautics And Space Administration Method and apparatus for sensor fusion
US5195046A (en) 1989-01-10 1993-03-16 Gerardi Joseph J Method and apparatus for structural integrity monitoring
US5009833A (en) 1989-01-11 1991-04-23 Westinghouse Electric Corp. Expert system for surveillance, diagnosis and prognosis of plant operation
GB8902645D0 (en) 1989-02-07 1989-03-30 Smiths Industries Plc Monitoring
US5119468A (en) 1989-02-28 1992-06-02 E. I. Du Pont De Nemours And Company Apparatus and method for controlling a process using a trained parallel distributed processing network
US5010487A (en) 1989-03-02 1991-04-23 Coltec Industries Inc. Computer-based engine diagnostic method
DE4008560C2 (de) 1989-03-17 1995-11-02 Hitachi Ltd Verfahren und Vorrichtung zum Bestimmen einer Restlebensdauer eines Aggregats
DE69006885T3 (de) 1989-04-14 1999-05-20 Hitachi Ltd Kontrollvorrichtung für Autos.
JPH0692914B2 (ja) 1989-04-14 1994-11-16 株式会社日立製作所 機器／設備の状態診断システム
US4975685A (en) 1989-05-08 1990-12-04 General Motors Corporation Guide path short detector
DE3923432C2 (de) 1989-07-15 1997-07-17 Bodenseewerk Geraetetech Einrichtung zur Erzeugung von Meßsignalen mit einer Mehrzahl von Sensoren
US5166873A (en) 1989-09-13 1992-11-24 Yokogawa Electric Corporation Process control device
US5123017A (en) 1989-09-29 1992-06-16 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Remote maintenance monitoring system
US4990885A (en) 1989-10-11 1991-02-05 Navistar International Transportation Corp. Auxiliary battery monitor
JPH03180968A (ja) 1989-12-08 1991-08-06 Hitachi Ltd データベース検索方法およびこれを用いる書式付き文書出力方法
EP0645675B1 (en) 1990-02-19 2002-05-22 Fuji Photo Film Co., Ltd. Remote management method for photographic equipment
US5052630A (en) 1990-02-27 1991-10-01 Mac Corporation Method and apparatus to reduce material
US5402521A (en) 1990-02-28 1995-03-28 Chiyoda Corporation Method for recognition of abnormal conditions using neural networks
US5164895A (en) 1990-03-16 1992-11-17 Westinghouse Electric Corp. Neutron flux mapping system for nuclear reactors
US5262941A (en) 1990-03-30 1993-11-16 Itt Corporation Expert credit recommendation method and system
US5187735A (en) 1990-05-01 1993-02-16 Tele Guia Talking Yellow Pages, Inc. Integrated voice-mail based voice and information processing system
JPH0425357A (ja) 1990-05-18 1992-01-29 Mitsubishi Electric Corp 投入指示装置
US5063513A (en) 1990-06-15 1991-11-05 Nartron Corporation Vehicle preheater control
US5113483A (en) 1990-06-15 1992-05-12 Microelectronics And Computer Technology Corporation Neural network with semi-localized non-linear mapping of the input space
US5109700A (en) 1990-07-13 1992-05-05 Life Systems, Inc. Method and apparatus for analyzing rotating machines
KR920002268A (ko) 1990-07-17 1992-02-28 유끼노리 가까즈 인텔리젠트가공장치
US5309139A (en) 1990-08-03 1994-05-03 Austin Charles W Vehicle monitoring system
US5210704A (en) 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
US5214582C1 (en) 1991-01-30 2001-06-26 Edge Diagnostic Systems Interactive diagnostic system for an automobile vehicle and method
JP3100406B2 (ja) 1991-03-06 2000-10-16 ジヤトコ・トランステクノロジー株式会社 工作機械の故障予知装置
GB2253933B (en) 1991-03-21 1995-04-26 Mars Inc Device for routing coins
US5481647A (en) 1991-03-22 1996-01-02 Raff Enterprises, Inc. User adaptable expert system
US5255208A (en) 1991-08-08 1993-10-19 Aeg Westinghouse Transportation Systems, Inc. On-line processor based diagnostic system
US5257190A (en) 1991-08-12 1993-10-26 Crane Harold E Interactive dynamic realtime management system for powered vehicles
US5526446A (en) 1991-09-24 1996-06-11 Massachusetts Institute Of Technology Noise reduction system
US5361336A (en) 1991-11-21 1994-11-01 Hewlett-Packard Company Method for controlling an instrument through a common instrument programming interface
US5680541A (en) 1991-12-16 1997-10-21 Fuji Xerox Co., Ltd. Diagnosing method and apparatus
AU668370B2 (en) 1991-12-20 1996-05-02 Snap-On Technologies, Inc. Automotive service equipment expert system
JP3136183B2 (ja) 1992-01-20 2001-02-19 株式会社日立製作所 制御方法
US5410492A (en) 1992-01-29 1995-04-25 Arch Development Corporation Processing data base information having nonwhite noise
US5629872A (en) * 1992-01-29 1997-05-13 Arch Development Corporation System for monitoring an industrial process and determining sensor status
US5459675A (en) * 1992-01-29 1995-10-17 Arch Development Corporation System for monitoring an industrial process and determining sensor status
US5223207A (en) 1992-01-29 1993-06-29 The United States Of America As Represented By The United States Department Of Energy Expert system for online surveillance of nuclear reactor coolant pumps
US5239462A (en) 1992-02-25 1993-08-24 Creative Solutions Groups, Inc. Method and apparatus for automatically determining the approval status of a potential borrower
US5774882A (en) 1992-03-12 1998-06-30 Keen; Regina D. Credit approval system
US5387783A (en) 1992-04-30 1995-02-07 Postalsoft, Inc. Method and apparatus for inserting and printing barcoded zip codes
US5402333A (en) 1992-06-15 1995-03-28 E. I. Du Pont De Nemours & Co., Inc. System and method for improving model product property estimates
US5213080A (en) 1992-07-10 1993-05-25 Gas Research Institute Ignition timing control
US5285494A (en) 1992-07-31 1994-02-08 Pactel Corporation Network management system
US5592396A (en) 1992-08-10 1997-01-07 Ingersoll-Rand Company Monitoring and control of fluid driven tools
US5644463A (en) 1992-10-20 1997-07-01 University Of Washington Adaptive sequential controller with minimum switching energy
US5442553A (en) 1992-11-16 1995-08-15 Motorola Wireless motor vehicle diagnostic and software upgrade system
JP3186866B2 (ja) 1992-11-20 2001-07-11 株式会社東芝 構造部材の劣化・損傷予測方法およびその予測装置
US6002839A (en) 1992-11-24 1999-12-14 Pavilion Technologies Predictive network with graphically determined preprocess transforms
US5311562A (en) 1992-12-01 1994-05-10 Westinghouse Electric Corp. Plant maintenance with predictive diagnostics
US5544320A (en) 1993-01-08 1996-08-06 Konrad; Allan M. Remote information service access system based on a client-server-service model
US5559710A (en) 1993-02-05 1996-09-24 Siemens Corporate Research, Inc. Apparatus for control and evaluation of pending jobs in a factory
US5579232A (en) 1993-03-29 1996-11-26 General Electric Company System and method including neural net for tool break detection
US5479574A (en) 1993-04-01 1995-12-26 Nestor, Inc. Method and apparatus for adaptive classification
US5465321A (en) 1993-04-07 1995-11-07 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Hidden markov models for fault detection in dynamic systems
US5327349A (en) 1993-04-15 1994-07-05 Square D Company Method and apparatus for analyzing and recording downtime of a manufacturing process
US5445347A (en) 1993-05-13 1995-08-29 Hughes Aircraft Company Automated wireless preventive maintenance monitoring system for magnetic levitation (MAGLEV) trains and other vehicles
JP3147586B2 (ja) 1993-05-21 2001-03-19 株式会社日立製作所 プラントの監視診断方法
JP3169036B2 (ja) 1993-06-04 2001-05-21 株式会社日立製作所 プラント監視診断システム、プラント監視診断方法および非破壊検査診断方法
US5421204A (en) 1993-06-08 1995-06-06 Svaty, Jr.; Karl J. Structural monitoring system
US5539638A (en) 1993-08-05 1996-07-23 Pavilion Technologies, Inc. Virtual emissions monitor for automobile
US5386373A (en) 1993-08-05 1995-01-31 Pavilion Technologies, Inc. Virtual continuous emission monitoring system with sensor validation
US5822212A (en) 1993-08-06 1998-10-13 Fanuc Ltd Machining load monitoring system
US5940811A (en) 1993-08-27 1999-08-17 Affinity Technology Group, Inc. Closed loop financial transaction method and apparatus
CN1132565A (zh) 1993-08-27 1996-10-02 杰弗里·A·诺里斯 闭环金融事务处理方法和装置
US5802509A (en) 1993-09-21 1998-09-01 Hitachi, Ltd. Rule generation system and method of generating rule
US6141647A (en) 1995-10-20 2000-10-31 The Dow Chemical Company System and method for integrating a business environment, a process control environment, and a laboratory environment
US5629878A (en) 1993-10-07 1997-05-13 International Business Machines Corporation Test planning and execution models for generating non-redundant test modules for testing a computer system
US5446671A (en) 1993-10-22 1995-08-29 Micron Semiconductor, Inc. Look-ahead method for maintaining optimum queued quantities of in-process parts at a manufacturing bottleneck
US5611052A (en) 1993-11-01 1997-03-11 The Golden 1 Credit Union Lender direct credit evaluation and loan processing system
US5930776A (en) 1993-11-01 1999-07-27 The Golden 1 Credit Union Lender direct credit evaluation and loan processing system
US5808903A (en) 1995-09-12 1998-09-15 Entek Scientific Corporation Portable, self-contained data collection systems and methods
US5463769A (en) 1993-12-15 1995-10-31 International Business Machines Corporation Method and apparatus using dictionary of methods and states for high performance context switching between build and run modes in a computer application builder program
SE9304246L (sv) 1993-12-22 1995-06-23 Asea Brown Boveri Förfarande vid övervakning av multivariata processer
DE59300336D1 (de) 1993-12-24 1995-09-07 Landis & Gry Tech Innovat Ag Steuereinrichtung zur Betätigung von Schalteinrichtungen nach einem Zeitprogramm.
US5566092A (en) 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
US5420571A (en) 1994-01-11 1995-05-30 Honeywell Inc. Switch with end of life prediction capability
US6546363B1 (en) 1994-02-15 2003-04-08 Leroy G. Hagenbuch Apparatus for tracking and recording vital signs and task-related information of a vehicle to identify operating patterns
US5463768A (en) 1994-03-17 1995-10-31 General Electric Company Method and system for analyzing error logs for diagnostics
US5496450A (en) 1994-04-13 1996-03-05 Blumenthal; Robert N. Multiple on-line sensor systems and methods
US5500940A (en) 1994-04-25 1996-03-19 Hewlett-Packard Company Method for evaluating failure in an electronic data storage system and preemptive notification thereof, and system with component failure evaluation
US5817958A (en) 1994-05-20 1998-10-06 Hitachi, Ltd. Plant monitoring and diagnosing method and system, as well as plant equipped with the system
US5704029A (en) 1994-05-23 1997-12-30 Wright Strategies, Inc. System and method for completing an electronic form
US5787000A (en) 1994-05-27 1998-07-28 Lilly Software Associates, Inc. Method and apparatus for scheduling work orders in a manufacturing process
SE504401C2 (sv) 1994-06-02 1997-02-03 Asea Atom Ab Förfarande för att övervaka neutrondetektorer i kärnreaktor
US5792072A (en) 1994-06-06 1998-08-11 University Of Washington System and method for measuring acoustic reflectance
US5586066A (en) 1994-06-08 1996-12-17 Arch Development Corporation Surveillance of industrial processes with correlated parameters
FR2721123B1 (fr) 1994-06-08 1996-09-06 Digilog Procédé et système pour l'estimation optimale non linéaire des processus dynamique en temps réel.
US5481674A (en) 1994-06-20 1996-01-02 Mahavadi; Manohar R. Method and apparatus mapping the physical topology of EDDI networks
JP3253450B2 (ja) 1994-06-21 2002-02-04 株式会社東芝 炉心性能推定装置および炉心性能推定方法
US5502543A (en) 1994-06-28 1996-03-26 Xerox Corporation System for collecting statistical data on remotely monitored machines
US5574387A (en) 1994-06-30 1996-11-12 Siemens Corporate Research, Inc. Radial basis function neural network autoassociator and method for induction motor monitoring
JPH0822403A (ja) 1994-07-11 1996-01-23 Fujitsu Ltd 計算機システムの監視装置
US5486997A (en) 1994-08-04 1996-01-23 General Electric Company Predictor algorithm for actuator control
US5446672A (en) 1994-08-09 1995-08-29 Air Gage Company Machine monitoring system
US5596507A (en) 1994-08-15 1997-01-21 Jones; Jeffrey K. Method and apparatus for predictive maintenance of HVACR systems
US5797133A (en) 1994-08-31 1998-08-18 Strategic Solutions Group, Inc Method for automatically determining the approval status of a potential borrower
US5668944A (en) 1994-09-06 1997-09-16 International Business Machines Corporation Method and system for providing performance diagnosis of a computer system
US5495168A (en) 1994-09-12 1996-02-27 Fluke Corporation Method of signal analysis employing histograms to establish stable, scaled displays in oscilloscopes
US5610339A (en) 1994-10-20 1997-03-11 Ingersoll-Rand Company Method for collecting machine vibration data
US5561431A (en) 1994-10-24 1996-10-01 Martin Marietta Corporation Wavelet transform implemented classification of sensor data
US5835902A (en) 1994-11-02 1998-11-10 Jannarone; Robert J. Concurrent learning and performance information processing system
US5657245A (en) 1994-11-09 1997-08-12 Westinghouse Electric Corporation Component maintenance system
US5553239A (en) 1994-11-10 1996-09-03 At&T Corporation Management facility for server entry and application utilization in a multi-node server configuration
US5671635A (en) 1994-11-14 1997-09-30 Westinghouse Electric Corporation Method and apparatus for monitoring of spring pack displacement of a motor-operated valve
US5617342A (en) 1994-11-14 1997-04-01 Elazouni; Ashraf M. Discrete-event simulation-based method for staffing highway maintenance crews
JPH08249133A (ja) 1994-12-15 1996-09-27 Internatl Business Mach Corp <Ibm> ディスク・ドライブ・アレイの故障対策の方法及びシステム
JPH0973313A (ja) 1995-02-09 1997-03-18 Matsushita Electric Ind Co Ltd 製造計画立案方法および製造計画立案装置
US5696907A (en) 1995-02-27 1997-12-09 General Electric Company System and method for performing risk and credit analysis of financial service applications
US5727163A (en) 1995-03-30 1998-03-10 Amazon.Com, Inc. Secure method for communicating credit card data when placing an order on a non-secure network
US5710723A (en) 1995-04-05 1998-01-20 Dayton T. Brown Method and apparatus for performing pre-emptive maintenance on operating equipment
US5600726A (en) 1995-04-07 1997-02-04 Gemini Systems, L.L.C. Method for creating specific purpose rule-based n-bit virtual machines
US5699403A (en) 1995-04-12 1997-12-16 Lucent Technologies Inc. Network vulnerability management apparatus and method
US5612886A (en) 1995-05-12 1997-03-18 Taiwan Semiconductor Manufacturing Company Ltd. Method and system for dynamic dispatching in semiconductor manufacturing plants
US5774883A (en) 1995-05-25 1998-06-30 Andersen; Lloyd R. Method for selecting a seller's most profitable financing program
US5867118A (en) 1995-06-07 1999-02-02 Lockheed Martin Corporation Apparatus for and method of classifying patterns
US5708780A (en) 1995-06-07 1998-01-13 Open Market, Inc. Internet server access control and monitoring systems
US5819236A (en) 1995-06-12 1998-10-06 Carreker-Antinori, Inc. System and method for providing advance notification of potential presentment returns due to account restrictions
US5764543A (en) 1995-06-16 1998-06-09 I2 Technologies, Inc. Extensible model network representation system for process planning
US5774379A (en) * 1995-07-21 1998-06-30 The University Of Chicago System for monitoring an industrial or biological process
US5680409A (en) 1995-08-11 1997-10-21 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
US5745382A (en) 1995-08-31 1998-04-28 Arch Development Corporation Neural network based system for equipment surveillance
US5663894A (en) 1995-09-06 1997-09-02 Ford Global Technologies, Inc. System and method for machining process characterization using mechanical signature analysis
US5878403A (en) 1995-09-12 1999-03-02 Cmsi Computer implemented automated credit application analysis and decision routing system
SE510029C2 (sv) 1995-10-03 1999-04-12 Volvo Ab Diagnossystem i ett driftsystem för motorer jämte en diagnosfunktionsmodul (DF-modul) i ett driftsystem för motorer
US5946661A (en) 1995-10-05 1999-08-31 Maxager Technology, Inc. Method and apparatus for identifying and obtaining bottleneck cost information
US5761090A (en) * 1995-10-10 1998-06-02 The University Of Chicago Expert system for testing industrial processes and determining sensor status
DE19537694A1 (de) 1995-10-10 1997-04-17 Schenck Ag Carl Verfahren zur Überwachung einer Maschine oder Anlage
US5864773A (en) 1995-11-03 1999-01-26 Texas Instruments Incorporated Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment
US6088686A (en) 1995-12-12 2000-07-11 Citibank, N.A. System and method to performing on-line credit reviews and approvals
US5761640A (en) 1995-12-18 1998-06-02 Nynex Science & Technology, Inc. Name and address processor
US5724254A (en) * 1996-01-18 1998-03-03 Electric Power Research Institute Apparatus and method for analyzing power plant water chemistry
US5845230A (en) 1996-01-30 1998-12-01 Skf Condition Monitoring Apparatus and method for the remote monitoring of machine condition
JP2735064B2 (ja) 1996-01-31 1998-04-02 日本電気株式会社 波形解析装置
US6029097A (en) 1996-02-02 2000-02-22 Siemens Ag Process and system for time control of a basic industry plant
US6076088A (en) 1996-02-09 2000-06-13 Paik; Woojin Information extraction system and method using concept relation concept (CRC) triples
US5745654A (en) 1996-02-13 1998-04-28 Hnc Software, Inc. Fast explanations of scored observations
US5754451A (en) 1996-02-29 1998-05-19 Raytheon Company Preventative maintenance and diagonstic 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
US5946662A (en) 1996-03-29 1999-08-31 International Business Machines Corporation Method for providing inventory optimization
US5956664A (en) 1996-04-01 1999-09-21 Cairo Systems, Inc. Method and apparatus for monitoring railway defects
US5995916A (en) 1996-04-12 1999-11-30 Fisher-Rosemount Systems, Inc. Process control system for monitoring and displaying diagnostic information of multiple distributed devices
US5909368A (en) 1996-04-12 1999-06-01 Fisher-Rosemount Systems, Inc. Process control system using a process control strategy distributed among multiple control elements
US6014645A (en) 1996-04-19 2000-01-11 Block Financial Corporation Real-time financial card application system
US5848396A (en) 1996-04-26 1998-12-08 Freedom Of Information, Inc. Method and apparatus for determining behavioral profile of a computer user
US6110214A (en) 1996-05-03 2000-08-29 Aspen Technology, Inc. Analyzer for modeling and optimizing maintenance operations
US5809490A (en) 1996-05-03 1998-09-15 Aspen Technology Inc. Apparatus and method for selecting a working data set for model development
US5877954A (en) 1996-05-03 1999-03-02 Aspen Technology, Inc. Hybrid linear-neural network process control
US5943634A (en) 1996-05-14 1999-08-24 Csi Technology, Inc. Vibration data analysis based on time waveform parameters
JP3644129B2 (ja) 1996-05-20 2005-04-27 ブラザー工業株式会社 切削加工装置およびその異常検出方法
US5805442A (en) 1996-05-30 1998-09-08 Control Technology Corporation Distributed interface architecture for programmable industrial control systems
US5987434A (en) 1996-06-10 1999-11-16 Libman; Richard Marc Apparatus and method for transacting marketing and sales of financial products
US5764509A (en) * 1996-06-19 1998-06-09 The University Of Chicago Industrial process surveillance system
US6014598A (en) * 1996-06-28 2000-01-11 Arcelik A.S. Model-based fault detection system for electric motors
US5796633A (en) 1996-07-12 1998-08-18 Electronic Data Systems Corporation Method and system for performance monitoring in computer networks
US5751580A (en) 1996-07-26 1998-05-12 Chartered Semiconductor Manufacturing, Ltd. Fuzzy logic method and system for adjustment of priority rating of work in process in a production line
JPH1055497A (ja) 1996-08-09 1998-02-24 Yazaki Corp 故障予知方法、及びこれを用いた制御ユニット並びに負荷制御システム
US5819291A (en) 1996-08-23 1998-10-06 General Electric Company Matching new customer records to existing customer records in a large business database using hash key
US6246972B1 (en) 1996-08-23 2001-06-12 Aspen Technology, Inc. Analyzer for modeling and optimizing maintenance operations
US5963884A (en) 1996-09-23 1999-10-05 Machine Xpert, Llc Predictive maintenance system
US5970430A (en) 1996-10-04 1999-10-19 Fisher Controls International, Inc. Local device and process diagnostics in a process control network having distributed control functions
US5966699A (en) 1996-10-11 1999-10-12 Zandi; Richard System and method for conducting loan auction over computer network
US5818716A (en) 1996-10-18 1998-10-06 Taiwan Semiconductor Manufacturing Company Ltd. Dynamic lot dispatching required turn rate factory control system and method of operation thereof
US5956487A (en) 1996-10-25 1999-09-21 Hewlett-Packard Company Embedding web access mechanism in an appliance for user interface functions including a web server and web browser
US5791147A (en) * 1996-10-28 1998-08-11 Basic Resources, Inc. Power plant performance management systems and methods
US6603487B1 (en) 1996-10-31 2003-08-05 International Business Machines Corporation System for electronically developing and processing a document
US5917428A (en) 1996-11-07 1999-06-29 Reliance Electric Industrial Company Integrated motor and diagnostic apparatus and method of operating same
US6041287A (en) 1996-11-07 2000-03-21 Reliance Electric Industrial Company System architecture for on-line machine diagnostics
US5905989A (en) 1996-11-27 1999-05-18 Bently Nevada Corporation Knowledge manager relying on a hierarchical default expert system: apparatus and method
JP3211689B2 (ja) 1996-11-29 2001-09-25 日本電気株式会社 生産制御装置
US5714683A (en) 1996-12-02 1998-02-03 General Motors Corporation Internal combustion engine intake port flow determination
US5753805A (en) 1996-12-02 1998-05-19 General Motors Corporation Method for determining pneumatic states in an internal combustion engine system
US5950179A (en) 1996-12-03 1999-09-07 Providian Financial Corporation Method and system for issuing a secured credit card
US5757309A (en) 1996-12-18 1998-05-26 The United States Of America As Represented By The Secretary Of The Navy Spatial frequency feature extraction for a classification system using wavelets
US5961560A (en) 1996-12-19 1999-10-05 Caterpillar Inc. System and method for managing access of a fleet of mobile machines to a service resource
EP0851342B1 (en) * 1996-12-27 2003-05-14 STMicroelectronics S.r.l. Coding and memorizing method for fuzzy logic rules and circuit architecture for processing such rules
US5790977A (en) 1997-02-06 1998-08-04 Hewlett-Packard Company Data acquisition from a remote instrument via the internet
US5995911A (en) 1997-02-12 1999-11-30 Power Measurement Ltd. Digital sensor apparatus and system for protection, control, and management of electricity distribution systems
US5913911A (en) 1997-02-14 1999-06-22 Kuhlman Corporation Method and apparatus for concentrating signals
JP3507270B2 (ja) 1997-02-20 2004-03-15 株式会社日立製作所 ネットワーク管理システム、ネットワーク機器、ネットワーク管理方法およびネットワーク管理ツール
US5819029A (en) 1997-02-20 1998-10-06 Brittan Communications International Corp. Third party verification system and method
US5960435A (en) 1997-03-11 1999-09-28 Silicon Graphics, Inc. Method, system, and computer program product for computing histogram aggregations
US5970478A (en) 1997-03-12 1999-10-19 Walker Asset Management Limited Partnership Method, apparatus, and program for customizing credit accounts
US6006192A (en) 1997-03-12 1999-12-21 International Business Machines Corporation Method for production planning in an uncertain demand environment
US6023507A (en) 1997-03-17 2000-02-08 Sun Microsystems, Inc. Automatic remote computer monitoring system
US6013108A (en) 1997-03-18 2000-01-11 Endevco Corporation Intelligent sensor system with network bus
US5930779A (en) 1997-03-25 1999-07-27 Mci Communications Corporation Web based system and method to automate storage of power plant data and calculation of battery reserves
US5832465A (en) 1997-04-07 1998-11-03 General Electric Company Method for building a self-learning evidential reasoning system
KR100205691B1 (ko) 1997-04-29 1999-07-01 정순착 공정 제어용 혼성예측자 및 혼성 예측 방법
US6104965A (en) 1997-05-01 2000-08-15 Motorola, Inc. Control of workstations in assembly lines
US5940298A (en) 1997-05-07 1999-08-17 Vanguard International Semiconductor Corporation Capacity loss control method for preventative maintenance in IC plant
US6236908B1 (en) 1997-05-07 2001-05-22 Ford Global Technologies, Inc. Virtual vehicle sensors based on neural networks trained using data generated by simulation models
US5841677A (en) 1997-05-21 1998-11-24 Taiwan Semiconductor Manufacturing Co., Ltd. Method and apparatus for dispatching lots in a factory
KR100225637B1 (ko) 1997-05-23 1999-10-15 윤종용 공기조화기의 온도제어장치
CA2207670A1 (fr) 1997-05-29 1998-11-29 Andre Marguinaud Procede de synthese d'un filtre numerique a reponse impulsionnelle finie et filtre obtenu selon le procede
US5845627A (en) 1997-05-30 1998-12-08 General Motors Corporation Internal combustion engine pneumatic state estimator
US5933818A (en) 1997-06-02 1999-08-03 Electronic Data Systems Corporation Autonomous knowledge discovery system and method
US5799043A (en) 1997-06-02 1998-08-25 Motorola, Inc. Method and apparatus for decoding a two-level radio signal
US6006260A (en) 1997-06-03 1999-12-21 Keynote Systems, Inc. Method and apparatus for evalutating service to a user over the internet
US5950147A (en) 1997-06-05 1999-09-07 Caterpillar Inc. Method and apparatus for predicting a fault condition
JPH10339630A (ja) 1997-06-10 1998-12-22 Mitsutoyo Corp 三次元測定システム
US6131076A (en) * 1997-07-25 2000-10-10 Arch Development Corporation Self tuning system for industrial surveillance
DE19732046A1 (de) 1997-07-25 1999-01-28 Abb Patent Gmbh Prozeßdiagnosesystem und Verfahren zur Diagnose von Vorgängen und Zuständen eines technischen Prozesses
CA2297489A1 (en) 1997-07-30 1999-02-11 Emory University Novel bone mineralization proteins, dna, vectors, expression systems
US5940812A (en) 1997-08-19 1999-08-17 Loanmarket Resources, L.L.C. Apparatus and method for automatically matching a best available loan to a potential borrower via global telecommunications network
US6112190A (en) 1997-08-19 2000-08-29 Citibank, N.A. Method and system for commercial credit analysis
US5991525A (en) 1997-08-22 1999-11-23 Voyan Technology Method for real-time nonlinear system state estimation and control
US5995947A (en) 1997-09-12 1999-11-30 Imx Mortgage Exchange Interactive mortgage and loan information and real-time trading system
US5960411A (en) 1997-09-12 1999-09-28 Amazon.Com, Inc. Method and system for placing a purchase order via a communications network
US6331864B1 (en) 1997-09-23 2001-12-18 Onadime, Inc. Real-time multimedia visual programming system
US6000832A (en) 1997-09-24 1999-12-14 Microsoft Corporation Electronic online commerce card with customer generated transaction proxy number for online transactions
US6076048A (en) * 1997-09-26 2000-06-13 Betzdearborn, Inc. System and method for least squares filtering based leak flow estimation/detection using exponentially shaped leak profiles
US6026348A (en) 1997-10-14 2000-02-15 Bently Nevada Corporation Apparatus and method for compressing measurement data correlative to machine status
US6240372B1 (en) * 1997-11-14 2001-05-29 Arch Development Corporation System for surveillance of spectral signals
US6021396A (en) 1997-11-19 2000-02-01 International Business Machines Corporation Method to provide sensitivity information for (R,s,S) inventory systems with back-ordered demand
US5987399A (en) * 1998-01-14 1999-11-16 Arch Development Corporation Ultrasensitive surveillance of sensors and processes
US6182022B1 (en) 1998-01-26 2001-01-30 Hewlett-Packard Company Automated adaptive baselining and thresholding method and system
WO1999040453A2 (en) 1998-02-09 1999-08-12 Stephen Barone Motion detectors and occupancy sensors based on displacement detection
US6128540A (en) 1998-02-20 2000-10-03 Hagen Method Pty. Ltd. Method and computer system for controlling an industrial process using financial analysis
US6192352B1 (en) * 1998-02-20 2001-02-20 Tennessee Valley Authority Artificial neural network and fuzzy logic based boiler tube leak detection systems
US6144893A (en) 1998-02-20 2000-11-07 Hagen Method (Pty) Ltd. Method and computer system for controlling an industrial process by analysis of bottlenecks
US6651035B1 (en) * 1998-03-24 2003-11-18 Exergetic Systems Llc Method for detecting heat exchanger tube failures and their location when using input/loss performance monitoring of a power plant
US6418431B1 (en) * 1998-03-30 2002-07-09 Microsoft Corporation Information retrieval and speech recognition based on language models
US6125351A (en) 1998-05-15 2000-09-26 Bios Group, Inc. System and method for the synthesis of an economic web and the identification of new market niches
US6119111A (en) * 1998-06-09 2000-09-12 Arch Development Corporation Neuro-parity pattern recognition system and method
US6141674A (en) 1998-06-10 2000-10-31 Hewlett-Packard Company Reducing the hardware cost of a bank of multipliers by combining shared terms
US6100901A (en) 1998-06-22 2000-08-08 International Business Machines Corporation Method and apparatus for cluster exploration and visualization
US6272449B1 (en) 1998-06-22 2001-08-07 Torrent Systems, Inc. Computer system and process for explaining behavior of a model that maps input data to output data
US6029890A (en) 1998-06-22 2000-02-29 Austin; Frank User-Specified credit card system
US6128543A (en) 1998-06-24 2000-10-03 Hitchner; Jim Method and apparatus for collecting manufacturing equipment downtime data
US6327574B1 (en) 1998-07-07 2001-12-04 Encirq Corporation Hierarchical models of consumer attributes for targeting content in a privacy-preserving manner
ATE236418T1 (de) * 1998-08-17 2003-04-15 Aspen Technology Inc Verfahren und vorrichtung zur sensorbestätigung
US6245517B1 (en) 1998-09-29 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Ratio-based decisions and the quantitative analysis of cDNA micro-array images
DE59904897D1 (de) * 1998-12-03 2003-05-08 Siemens Ag Verfahren und anordnung zur reduktion einer anzahl von messwerten eines technischen systems
US6826552B1 (en) * 1999-02-05 2004-11-30 Xfi Corporation Apparatus and methods for a computer aided decision-making system
US6107919A (en) 1999-02-24 2000-08-22 Arch Development Corporation Dual sensitivity mode system for monitoring processes and sensors
US6266166B1 (en) * 1999-03-08 2001-07-24 Dai Nippon Printing Co., Ltd. Self-adhesive film for hologram formation, dry plate for photographing hologram, and method for image formation using the same
US6941287B1 (en) * 1999-04-30 2005-09-06 E. I. Du Pont De Nemours And Company Distributed hierarchical evolutionary modeling and visualization of empirical data
US7386426B1 (en) * 1999-04-30 2008-06-10 Smartsignal Corporation Method and system for nonlinear state estimation
US6502082B1 (en) * 1999-06-01 2002-12-31 Microsoft Corp Modality fusion for object tracking with training system and method
US20110208567A9 (en) 1999-08-23 2011-08-25 Roddy Nicholas E System and method for managing a fleet of remote assets
US7783507B2 (en) 1999-08-23 2010-08-24 General Electric Company System and method for managing a fleet of remote assets
US6519552B1 (en) * 1999-09-15 2003-02-11 Xerox Corporation Systems and methods for a hybrid diagnostic approach of real time diagnosis of electronic systems
US6522978B1 (en) * 1999-09-15 2003-02-18 General Electric Company Paper web breakage prediction using principal components analysis and classification and regression trees
US6532426B1 (en) * 1999-09-17 2003-03-11 The Boeing Company System and method for analyzing different scenarios for operating and designing equipment
WO2001031514A2 (en) * 1999-10-28 2001-05-03 General Electric Company A process for the monitoring and diagnostics of data from a remote asset
US6591296B1 (en) * 1999-12-15 2003-07-08 General Electric Company Remote notification of machine diagnostic information utilizing a unique email address identifying the sensor, the associated machine, and the associated machine condition
US6731990B1 (en) * 2000-01-27 2004-05-04 Nortel Networks Limited Predicting values of a series of data
US6539343B2 (en) * 2000-02-03 2003-03-25 Xerox Corporation Methods for condition monitoring and system-level diagnosis of electro-mechanical systems with multiple actuating components operating in multiple regimes
US6751575B2 (en) * 2000-02-14 2004-06-15 Infoglide Corporation System and method for monitoring and control of processes and machines
US20030126258A1 (en) 2000-02-22 2003-07-03 Conkright Gary W. Web based fault detection architecture
US6421571B1 (en) 2000-02-29 2002-07-16 Bently Nevada Corporation Industrial plant asset management system: apparatus and method
US7739096B2 (en) * 2000-03-09 2010-06-15 Smartsignal Corporation System for extraction of representative data for training of adaptive process monitoring equipment
US6775641B2 (en) * 2000-03-09 2004-08-10 Smartsignal Corporation Generalized lensing angular similarity operator
US6957172B2 (en) * 2000-03-09 2005-10-18 Smartsignal Corporation Complex signal decomposition and modeling
US6609212B1 (en) * 2000-03-09 2003-08-19 International Business Machines Corporation Apparatus and method for sharing predictive failure information on a computer network
DE60113073T2 (de) 2000-03-10 2006-08-31 Smiths Detection Inc., Pasadena Steuerung für einen industriellen prozes mit einer oder mehreren multidimensionalen variablen
US6952662B2 (en) * 2000-03-30 2005-10-04 Smartsignal Corporation Signal differentiation system using improved non-linear operator
US6609036B1 (en) * 2000-06-09 2003-08-19 Randall L. Bickford Surveillance system and method having parameter estimation and operating mode partitioning
US6917839B2 (en) * 2000-06-09 2005-07-12 Intellectual Assets Llc Surveillance system and method having an operating mode partitioned fault classification model
US6898554B2 (en) * 2000-06-12 2005-05-24 Scientific Monitoring, Inc. Fault detection in a physical system
US6678639B2 (en) * 2000-08-04 2004-01-13 Sun Microsystems, Inc. Automated problem identification system
US6567752B2 (en) * 2000-08-15 2003-05-20 The Penn State Research Foundation General method for tracking the evolution of hidden damage or other unwanted changes in machinery components and predicting remaining useful life
US6587737B2 (en) * 2000-09-14 2003-07-01 Sulzer Makert And Technology Ag Method for the monitoring of a plant
US20030060808A1 (en) 2000-10-04 2003-03-27 Wilk Peter J. Telemedical method and system
AU2002213706A1 (en) * 2000-10-26 2002-05-06 Triant Technologies Inc. Method for estimating and reducing uncertainties in process measurements
US6556939B1 (en) * 2000-11-22 2003-04-29 Smartsignal Corporation Inferential signal generator for instrumented equipment and processes
US7233886B2 (en) * 2001-01-19 2007-06-19 Smartsignal Corporation Adaptive modeling of changed states in predictive condition monitoring
US6859739B2 (en) * 2001-01-19 2005-02-22 Smartsignal Corporation Global state change indicator for empirical modeling in condition based monitoring
US7373283B2 (en) * 2001-02-22 2008-05-13 Smartsignal Corporation Monitoring and fault detection system and method using improved empirical model for range extrema
US6625569B2 (en) * 2001-03-08 2003-09-23 California Institute Of Technology Real-time spatio-temporal coherence estimation for autonomous mode identification and invariance tracking
US7539597B2 (en) * 2001-04-10 2009-05-26 Smartsignal Corporation Diagnostic systems and methods for predictive condition monitoring
US20020183971A1 (en) * 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
US6975962B2 (en) * 2001-06-11 2005-12-13 Smartsignal Corporation Residual signal alert generation for condition monitoring using approximated SPRT distribution
US6526356B1 (en) * 2001-06-19 2003-02-25 The Aerospace Corporation Rocket engine gear defect monitoring method
FR2827436B1 (fr) * 2001-07-16 2004-06-18 Valeo Equip Electr Moteur Agencement de redressement de courant pour machines electriques tournantes, notamment alternateurs pour vehicule automobile
US6590362B2 (en) * 2001-07-27 2003-07-08 Texas A&M University System Method and system for early detection of incipient faults in electric motors
US7089154B2 (en) * 2001-08-09 2006-08-08 Rovsing Dynamics A/S Automatic machinery fault diagnostic method and apparatus
US6687654B2 (en) * 2001-09-10 2004-02-03 The Johns Hopkins University Techniques for distributed machinery monitoring
US7200613B2 (en) 2001-11-09 2007-04-03 Xerox Corporation Asset management system for network-based and non-network-based assets and information
US7085675B2 (en) * 2002-02-06 2006-08-01 The University Of Chicago Subband domain signal validation
US6892163B1 (en) * 2002-03-08 2005-05-10 Intellectual Assets Llc Surveillance system and method having an adaptive sequential probability fault detection test
US6839660B2 (en) * 2002-04-22 2005-01-04 Csi Technology, Inc. On-line rotating equipment monitoring device
US6925357B2 (en) 2002-07-25 2005-08-02 Intouch Health, Inc. Medical tele-robotic system
US6795763B2 (en) 2002-10-30 2004-09-21 Visteon Global Technologies, Inc. Expert-type vehicle steering control system and method
SI1579288T1 (sl) * 2002-11-04 2017-10-30 Ge Intelligent Platforms, Inc. Nadzor stanja sistema z uporabo povratnega lokalnega računalnika za strojno učenje
US7027953B2 (en) * 2002-12-30 2006-04-11 Rsl Electronics Ltd. Method and system for diagnostics and prognostics of a mechanical system
US20040243636A1 (en) * 2003-03-18 2004-12-02 Smartsignal Corporation Equipment health monitoring architecture for fleets of assets
US7050875B2 (en) * 2003-07-01 2006-05-23 General Electric Company System and method for detecting an anomalous condition
US7734400B2 (en) 2003-07-24 2010-06-08 Honeywell International Inc. Fault detection system and method using augmented data and fuzzy logic
US7113890B2 (en) * 2003-10-16 2006-09-26 Abb Inc. Method and apparatus for detecting faults in steam generator system components and other continuous processes
JP2005149137A (ja) * 2003-11-14 2005-06-09 Tokyo Gas Co Ltd 遠隔監視システム、遠隔監視方法、及び遠隔監視プログラム
US7451003B2 (en) 2004-03-04 2008-11-11 Falconeer Technologies Llc Method and system of monitoring, sensor validation and predictive fault analysis
US20050261837A1 (en) * 2004-05-03 2005-11-24 Smartsignal Corporation Kernel-based system and method for estimation-based equipment condition monitoring
US7621141B2 (en) * 2004-09-22 2009-11-24 York International Corporation Two-zone fuzzy logic liquid level control
JP4635194B2 (ja) * 2004-12-02 2011-02-16 財団法人石油産業活性化センター 異常検知装置
US7640145B2 (en) * 2005-04-25 2009-12-29 Smartsignal Corporation Automated model configuration and deployment system for equipment health monitoring
US8275577B2 (en) 2006-09-19 2012-09-25 Smartsignal Corporation Kernel-based method for detecting boiler tube leaks
US8311774B2 (en) 2006-12-15 2012-11-13 Smartsignal Corporation Robust distance measures for on-line monitoring
KR101491196B1 (ko) * 2007-08-03 2015-02-06 스마트시그널 코포레이션 결함 패턴 매칭을 위한 퍼지 분류 접근
US8108136B2 (en) 2007-08-09 2012-01-31 Ford Global Technologies, Llc. Driver advisory system for fuel economy improvement of a hybrid electric vehicle

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101519447B1 (ko) * 2013-11-26 2015-05-12 한국과학기술원 하이브리드 기술을 이용한 통계적 모델 검사 장치 및 방법
KR20180131239A (ko) * 2017-05-31 2018-12-10 주식회사 지오네트 화력발전 운영 방법 및 시스템
KR20210010194A (ko) * 2019-07-19 2021-01-27 울산과학기술원 딥러닝 기반의 화력 발전소 재과열기 튜브의 누설 감지 방법 및 이를 수행하는 장치
KR20220011546A (ko) * 2020-07-21 2022-01-28 주식회사 다함 스팀 보일러 모니터링 시스템

Also Published As

Publication number Publication date
KR101427638B1 (ko) 2014-08-07
EP2064626A2 (en) 2009-06-03
PT2064626T (pt) 2020-07-07
EP2064626B1 (en) 2020-06-03
US8275577B2 (en) 2012-09-25
JP2010504501A (ja) 2010-02-12
WO2008036751A3 (en) 2008-07-24
US20080071501A1 (en) 2008-03-20
CA2663888A1 (en) 2008-03-27
EP2064626A4 (en) 2018-01-17
WO2008036751A2 (en) 2008-03-27
CA2663888C (en) 2016-10-04
PL2064626T3 (pl) 2021-01-11

Similar Documents

Publication Publication Date Title
KR101427638B1 (ko) 보일러 튜브 누설들을 검출하기 위한 커넬 기반 방법
US9968899B1 (en) Catalyst transfer pipe plug detection
JP6037954B2 (ja) ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。
JP5421913B2 (ja) 関連するアプリケーションに対する故障パターンマッチング相互参照のためのファジー分類方法
US7113890B2 (en) Method and apparatus for detecting faults in steam generator system components and other continuous processes
US7827006B2 (en) Heat exchanger fouling detection
JP6116466B2 (ja) プラントの診断装置及び診断方法
JP6884078B2 (ja) プラント異常監視システム
KR102241650B1 (ko) 딥러닝 기반의 화력 발전소 재과열기 튜브의 누설 감지 방법 및 이를 수행하는 장치
Min et al. Demonstration of the validity of the early warning in online monitoring system for nuclear power plants
JP2017010232A (ja) プラント診断装置及びプラント診断方法
KR101094074B1 (ko) 성능저하 및 고장원인 조기 진단을 위한 알고리즘 분석모델 제작방법
He et al. Anomaly detection and early warning via a novel multiblock-based method with applications to thermal power plants
Li et al. Model-based monitoring and fault diagnosis of fossil power plant process units using group method of data handling
Mo et al. Robust fault diagnosis based on clustered symptom trees
Ismail et al. Adoption of intelligent computational techniques for steam boilers tube leak trip
JP6943698B2 (ja) プラント異常箇所推定システム
WO2018003028A1 (ja) ボイラーの故障判定装置、故障判定方法およびサービス方法
JP7142545B2 (ja) ボイラチューブリーク診断システム及びボイラチューブリーク診断方法
US20230394301A1 (en) Device and method for tracking basis of abnormal state determination by using neural network model
Budi et al. Comparison of structural analysis and principle component analysis for leakage prediction on superheater in boiler
Uhrig Potential Use Of Neural Networks In Nuclear Power Plants
Kneile et al. Performance Assessment and Statistical Process Control: An Approach to Operation and Maintenance Cost Reduction
Pan et al. Root cause and fault propagation analysis based on causal graph in chemical processes
Prinsloo Online boiler convective heat exchanger monitoring: a comparison of soft sensing and data-driven approaches

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
LAPS Lapse due to unpaid annual fee