RU2628146C2 - Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве - Google Patents

Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве Download PDF

Info

Publication number
RU2628146C2
RU2628146C2 RU2014119873A RU2014119873A RU2628146C2 RU 2628146 C2 RU2628146 C2 RU 2628146C2 RU 2014119873 A RU2014119873 A RU 2014119873A RU 2014119873 A RU2014119873 A RU 2014119873A RU 2628146 C2 RU2628146 C2 RU 2628146C2
Authority
RU
Russia
Prior art keywords
parameter
failure
value
measured value
devices
Prior art date
Application number
RU2014119873A
Other languages
English (en)
Other versions
RU2014119873A (ru
Inventor
Эрик АМУССУГА
Ив ТИЛЛО
Original Assignee
Альстом Текнолоджи Лтд
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 Альстом Текнолоджи Лтд filed Critical Альстом Текнолоджи Лтд
Publication of RU2014119873A publication Critical patent/RU2014119873A/ru
Application granted granted Critical
Publication of RU2628146C2 publication Critical patent/RU2628146C2/ru

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42307—Compare actual feedback with predicted, simulated value to detect run away

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Debugging And Monitoring (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

Группа изобретений относится к вычислительной технике и может быть использована для обнаружения отказов в промышленной установке. Техническим результатом является обеспечение предупредительного обнаружения отказов. Способ осуществляется в по меньшей мере одном наблюдаемом устройстве в группе, содержащей по меньшей мере два устройства, наблюдаемое устройство имеет по меньшей мере один первый параметр, коррелированный по меньшей мере с одним вторым параметром по меньшей мере одного второго устройства в группе, упомянутые параметры представляют переменные состояния упомянутых устройств, при этом способ содержит: предсказание значения первого параметра, исходя из измеренного значения второго параметра; сравнение предсказанного значения первого параметра и измеренного значения первого параметра; и анализ результата сравнения, осуществляемого на этапе сравнения, чтобы обнаруживать потенциальный отказ. 4 н. и 11 з.п. ф-лы, 5 ил., 1 табл.

Description

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
Изобретение относится к области техники предупредительного обнаружения отказов в промышленной установке.
Предупредительное обнаружение неизбежных отказов в устройствах в промышленной установке является необходимым для минимизации последствий таких отказов. Это дает возможность программирования профилактического технического обслуживания для предотвращения таких отказов, минимизирующего потенциальные последствия на выходе установки.
Для осуществления такого обнаружения в промышленной установке, как известно, используют способы предупредительного обнаружения отказа по меньшей мере в некоторых из устройств в установке.
Изобретение более конкретно относится к способу, компьютерной программе, установке и модулю для предупредительного обнаружения отказа в устройстве.
ПРЕДШЕСТВУЮЩИЙ УРОВЕНЬ ТЕХНИКИ
Предупредительное обнаружение отказов в промышленной установке обычно влечет за собой индивидуальное наблюдение каждого из устройств в установке.
Это индивидуальное наблюдение за каждым из устройств осуществляется с помощью способа обнаружения отказов, который состоит в измерении одного или нескольких параметров устройства, чтобы определить, выходит ли параметр(ы) за рамки так называемой схемы нормальной работы.
Однако, хотя такой способ может быть подходящим для некоторых типов устройств, оснащающих промышленные установки, он остается зависимым от сведений о так называемых нормальных режимах работы и неисправных режимах работы устройств, находящихся под наблюдением. Кроме того, даже для устройств, для которых эти режимы работы являются полностью известными, обнаружение отказавшего режима работы обычно является поздним и почти никогда предупредительным. В заключение, такой способ обнаружения является подходящим только для обнаружения полностью определенных отказов, связанных с четко определенными отказавшими режимами работы. Следовательно, не является возможным обнаружить отказ, для которого неисправный режим работы устройства не имеет определения.
КРАТКОЕ ОПИСАНИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ
Настоящее изобретение имеет целью устранить эти недостатки.
Для этого изобретение обеспечивает способ предупредительного обнаружения отказа в по меньшей мере одном наблюдаемом устройстве в группе, состоящей по меньшей мере из двух устройств, наблюдаемое устройство имеет по меньшей мере один первый параметр, коррелированный по меньшей мер, с одним вторым параметром по меньшей мере одного второго устройства в группе, упомянутые параметры представляют переменные состояния упомянутых устройств, способ включает в себя следующие этапы:
A) предсказание значения первого параметра исходя из измеренного значения второго параметра;
B) сравнение предсказанного значения первого параметра с измеренным значением первого параметра; и
C) анализ результата сравнения, осуществляемого на этапе B), для обнаружения потенциального отказа.
Такой способ позволяет выполнять предупредительное (профилактическое) обнаружение отказа в находящемся под наблюдением устройстве на основании измерений по меньшей мере одного параметра, представляющего значение состояния второго устройства, причем этот параметр - коррелируемый с параметром наблюдаемого устройства. Этапы предсказания значения первого параметра исходя из второго параметра и сравнения предсказанного значения первого параметра на основании второго параметра и измеренного значения первого параметра позволяют обнаружить ошибку корреляции между первым параметром и вторым параметром, которая может быть характерной для потенциального отказа в наблюдаемом устройстве. Такая ошибка корреляции имеет место, если предсказанное значение первого параметра и фактическое измерение этого параметра расходятся.
Наблюдаемое устройство и второе устройство являются преимущественно резервированными устройствами.
Термин "резервированные устройства" используется, чтобы означать устройства одинакового типа, работающие параллельно в установке.
Такой способ является особенно подходящим для резервированных устройств, между которыми имеется высокая степень корреляции, когда они находятся в действии.
Анализ результата сравнения, осуществляемого на этапе B), предпочтительно состоит в проверке, имеется ли ошибка корреляции между первым параметром и вторым параметром во время t.
Такая проверка присутствия ошибки корреляции позволяет идентифицировать потенциальный отказ, который не будет идентифицируемым путем обнаружения неисправного режима работы, поскольку для некоторых отказов параметры могут оставаться в пределах границ нормальных рабочих параметров наблюдаемого устройства.
Способ преимущественно дополнительно включает в себя этап диагностирования типа отказа, если обнаружен потенциальный отказ.
Если потенциальный отказ обнаружен, такой этап позволяет диагностировать тип отказа и усовершенствовать планирование соответствующей процедуры технического обслуживания.
Диагностирование типа отказа преимущественно состоит в выполнении по меньшей мере одного испытания наблюдаемого устройства.
Предсказание значения первого параметра исходя из измеренного значения второго параметра предпочтительно основывается на модели предсказания, определенной путем обучения отношению связности (когерентности) между предварительно измеренными значениями первого параметра и второго параметра.
Такая модель предсказания, определяемая путем процесса обучения, позволяет адаптировать модель при всяком отношении связности между первым и вторым параметрами, в результате чего не является необходимым знать корреляционную связь точно до использования способа в промышленной установке.
В предпочтительном осуществлении изобретения обучение осуществляется способом обучения, использующим систему нейронной сети.
Такая система нейронной сети является особенно подходящей для реализации гибкого и приспосабливаемого способа обучения при любой корреляционной связи между первым и вторым параметрами.
В другом осуществлении изобретения обучение осуществляется способом обучения статистического типа.
Такой способ обучения статистического типа представляет легкий путь получения корреляционной связи между первым и вторым параметрами.
Этапы A), B) и C) способа по изобретению преимущественно систематически повторяются, пока не будет обнаружена ошибка корреляции между первым и вторым параметрами.
Повторение этапов A), B) и C) делает возможным выполнения контроля наблюдаемого устройства непрерывно и в режиме реального времени, тем самым предлагая раннее обнаружение потенциального отказа в наблюдаемом устройстве.
В первом варианте изобретения модель предсказания, определенная для данного времени t, периодически корректируется в виде функции значений первого и второго параметров, измеренных в момент времени, предшествующий времени t.
Это коррекция модели позволяет скорректировать медленный уход корреляционной связи между первым и вторым параметрами, тем самым ограничивая риск несвоевременного обнаружения потенциального отказа, связанного с этим уходом, а не с фактическим риском отказа в устройстве.
В другом варианте изобретения модель предсказания, определенная для данного времени t, систематически корректируется в виде функции значений первого и второго параметров, измеренных в момент времени, предшествующий времени t.
В одном конкретном применении способа по изобретению по меньшей мере одним устройством в группе является силовой трансформатор с масляной изоляцией или силовой выпрямитель.
Изобретение также обеспечивает компьютерную программу для выполнения способа по изобретению, при ее исполнении на компьютере, причем компьютерная программа включает в себя инструкции для выполнения этапов:
A) предсказания значения первого параметра исходя из измеренного значения второго параметра;
B) сравнения предсказанного значения первого параметра с измеренным значением первого параметра; и
C) анализа результата сравнения, осуществляемого на этапе B), для обнаружения потенциального отказа.
Согласно предложению возможности реализации способа предупредительного обнаружения отказов, такая компьютерная программа, если реализована в установке, позволяет обнаруживать отказы предупредительно, тем самым ограничивая последствия, которые любой такой отказ может иметь на выходе установки.
Изобретение дополнительно обеспечивает установку, включающую в себя группу из по меньшей мере двух устройств, наблюдаемое устройство, имеющее по меньшей мере один первый параметр, коррелированный по меньшей мере с одним вторым параметром по меньшей мере одного второго устройства в группе, упомянутые параметры представляют переменные состояния упомянутых устройств, упомянутая установка характеризуется тем, что она дополнительно включает в себя:
- систему сбора данных, приспособленную для измерения первого и второго параметров;
- модуль обработки, приспособленный для осуществления связи с системой сбора данных и для предсказания значения первого параметра исходя из измеренного значения второго параметра и сравнения предсказанного значения первого параметра с измеренным значением первого параметра; и
- модуль принятия решений, приспособленный анализировать результат сравнения предсказанного значения первого параметра с измеренным значением упомянутого первого параметра, чтобы обнаруживать потенциальный отказ.
Такая установка делает возможным изготовление с ограниченным риском отказов.
Установка может преимущественно дополнительно включать в себя модуль диагностики, приспособленный для связи с процессорной системой и для определения типа отказа.
Такой модуль диагностики позволяет определять тип отказа, который был обнаружен.
В одном конкретном применении по меньшей мере одно устройство в группе является силовым трансформатором с масляной изоляцией или силовым выпрямителем.
Изобретение дополнительно обеспечивает модуль для предупредительного обнаружения отказа, являющийся приспособленным для обнаружения ошибки корреляции по меньшей мере между двумя параметрами, представляющими соответственные переменные состояния наблюдаемого устройства и второго устройства, оба устройства принадлежат к группе устройств, установленных в установке по изобретению, упомянутый модуль включает в себя:
- средство предсказания, чтобы предсказывать значение первого параметра исходя из измеренного значения второго параметра;
- средство сравнения, чтобы сравнивать предсказанное значение первого параметра с измеренным значением именно этого первого параметра; и
- средство анализа, чтобы анализировать результат сравнения, осуществляемого средством сравнения, для обнаружения потенциального отказа.
Такой модуль может быть компьютерной программой или автоматической системой управления, включающей в себя упомянутое средство.
Если включен в установку по изобретению, такой модуль позволяет обнаруживать отказ предупредительным образом.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Настоящее изобретение можно лучше понять после прочтения описания вариантов осуществления данного изобретения, представленных в качестве лишь неограничительной иллюстрации, и обращения к прилагаемым чертежам, на которых:
Фиг. 1 - схематичное представление модуля для предупредительного обнаружения отказа;
Фиг. 2 - блок-схема основных этапов способа по изобретению;
Фиг. 3 показывает пример установки, в которой используется способ по изобретению;
Фиг. 4 - представление двух графиков измеренных параметров и предсказанного параметра в течение использования способа по изобретению в установке, как показана на Фиг. 3, когда потенциальный отказ не обнаруживается; и
Фиг. 5 - график, показывающий сравнительное изменение параметра наблюдаемого устройства и предсказанного значения именно этого параметра, когда способ по изобретению используется в установке, как показана на Фиг. 3, и потенциальный отказ обнаруживается во время td.
ПОДРОБНОЕ ОПИСАНИЕ КОНКРЕТНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ
Изобретение относится к способу предупредительного обнаружения отказа в находящемся под наблюдением устройстве в установке.
Наблюдаемое устройство является первым устройством в группе по меньшей мере из двух устройств установки. Наблюдаемое устройство имеет по меньшей мере одну переменную состояния со значением, которое составляет первый параметр. По меньшей мере одно второе устройство в группе имеет переменную состояния со значением, которое составляет второй параметр. Наблюдаемое устройство и второе устройство в группе расположены в установке таким образом, что в действии первый параметр и второй параметр являются связанными корреляционной связью. Термин "корреляционная связь" используется, чтобы означать, что первый параметр является коррелированным со вторым параметром.
В предпочтительном варианте изобретения наблюдаемое устройство и второе устройство в группе являются двумя резервированными устройствами в установке. Вследствие такого резервирования имеется, следовательно, простая корреляционная связь между первым параметром и вторым параметром в том, что наблюдаемое устройство и второе устройство в группе имеют сходные рабочие условия.
В этом варианте первый параметр и второй параметр соответственно представляют значение одной и той же переменной состояния для наблюдаемого устройства и второго устройства в группе.
Первый и второй параметры могут равным образом представлять две различные операции или переменные состояния, соответственно для наблюдаемого устройства и второго устройства в группе, связанные прямой или косвенной корреляционной связью. Одной такой корреляционной связью является, например, зависимость, которая может существовать между температурой наблюдаемого устройства и электрической мощностью, потребленной вторым устройством, или давлением в приводном механизме наблюдаемого устройства и расходом газа для второго устройства.
В другом варианте изобретения наблюдаемое устройство и второе устройство в группе являются двумя нерезервированными устройствами в установке. В этом варианте первый и второй параметры могут быть связаны корреляционной связью на основании связи причины и следствия, связанной, например с фактом, что наблюдаемое устройство и второе устройство расположены в такой же технологической линии или подчиняются идентичным рабочим условиям, наблюдаемое устройство и второе устройство в группе подвергаются идентичной электромагнитной помехе, например.
Для обеспечения возможности, чтобы способ предупредительного обнаружения отказа использовался в наблюдаемом устройстве, установка дополнительно включает в себя, как показано на Фиг.1:
- систему 10 сбора данных, приспособленную измерять первый и второй параметры;
- модуль 21 обработки, приспособленный осуществлять связь с системой 10 сбора данных и предсказывать значение первого параметра, исходя из измеренного значения второго параметра, и сравнивать предсказанное значение первого параметра с измеренным значением первого параметра;
- модуль 25 принятия решений, приспособленный анализировать результат сравнения предсказанного значения первого параметра с измеренным значением упомянутого первого параметра, чтобы обнаруживать потенциальный отказ; и
- модуль 30 диагностики, приспособленный диагностировать тип отказа при обнаружении модулем принятия решений потенциального отказа.
Без выхода за рамки объема изобретения, система 10 сбора данных, модуль 22 обработки, модуль 25 принятия решений и модуль 30 диагностики могут быть компьютерными программами или подпрограммами, исполняемыми компьютером, автоматическими системами управления или подсистемами автоматических систем управления, или гибридной комбинацией компьютерных программ и электронных устройств.
Система 10 сбора данных приспособлена предоставлять измерения первого и второго параметров. Здесь термин "приспособлена" означает, что с этой целью система 10 сбора данных включает в себя измерительное средство, такое как датчики переменных состояния, соответствующих упомянутым параметрам, или что система сбора данных осуществляет связь с соответствующими устройствами, чтобы восстановить значения соответствующих переменных состояния.
Система 10 сбора данных предпочтительно приспособлена предоставлять измерения первого и второго параметров по существу одновременно. Однако в равной степени допустимо для системы 10 сбора данных измерять первый и второй параметры с разностью времен. Эта разность времен преимущественно меньше некоторого заданного времени, являющегося характеристическим для динамики изменения переменных состояния, соответствующих первому и второму параметрам, чтобы сделать возможным определение корреляционной связи.
В действии, система 10 сбора данных подает на модуль 21 обработки значения первого и второго параметров.
Компонент 22 предсказания в модуле 21 обработки приспособлен определять предсказанное значение первого параметра исходя из значения второго параметра. Это предсказанное значение предпочтительно определяется с помощью модели, соответствующей корреляционной связи между первым и вторым параметрами.
В предпочтительном варианте осуществления изобретения модель получают способом обучения, который использует систему нейронной сети, например, или является моделью статистического типа. Такой способ обучения состоит в выполнении модулем предварительной стадии обучения. Такая стадия обучения включает в себя определение корреляционной связи между предварительно измеренными значениями первого и второго параметров и определения модели предсказания, которая использует корреляционную связь, определенную путем процесса обучения. Таким образом, не является необходимым при этом знать заранее корреляционную связь между первым и вторым параметрами.
Поскольку способы обучения известны специалисту в данной области техники, независимо, используют ли они систему нейронной сети, или имеют статистический тип, они не описываются дополнительно в настоящем документе.
Именно в этом предпочтительном варианте осуществления изобретения компонент 22 предсказания приспособлен регулярно корректировать модель предсказания вне стадии обучения, модель предсказания, обновляемая во время t в виде функции измеренных значений первого и второго параметров в один или несколько моментов времени, предшествующих времени t.
Компонент 22 предсказания образует средство предсказания.
Компонент 23 сравнения модуля 21 обработки приспособлен сравнивать предсказанное значение, подаваемое компонентом 22 предсказания, с измеренным значением первого параметра. Предсказанное значение сравнивается с измеренным значением первого параметра. Измеренное значение первого параметра, с которым сравнивается предсказанное значение, является значением первого параметра, которое измеряется по существу одновременно с измерением второго параметра, или с разностью во времени относительно измерения второго параметра, на основе которого предсказывается предсказываемое значение.
Сравнение состоит в определении разности между предсказанным значением и измеренным значением первого параметра, например, или в измерении соотношения между предсказанным значением и измеренным значением первого параметра.
Компонент 23 сравнения образует средство сравнения.
Модуль 25 анализа обменивается информацией с модулем 21 обработки и приспособлен анализировать результат сравнения предсказанного значения и измеренного значения первого параметра, осуществляемого модулем 21 обработки. Этот анализ состоит в проверке, имеется ли ошибка корреляции между первым параметром и вторым параметром во время t. Присутствие такой ошибки корреляции является характеристикой потенциального отказа в наблюдаемом устройстве.
Если сравнение состоит в определении разности между предсказанным значением и измеренным значением первого параметра, анализ и обнаружение ошибки корреляции состоят в определении, является ли абсолютное значение этой разности больше, чем заранее установленный порог для обнаружения потенциального отказа.
Если сравнение состоит в измерении соотношения между предсказанным значением и измеренным значением первого параметра, анализ и обнаружение ошибки корреляции состоят в определении, уходит ли упомянутое отношение значительно от единицы.
Модуль 25 анализа образует средство анализа.
Модуль 21 обработки и модуль 25 анализа могут образовывать модуль 20 для предупредительного обнаружения отказа.
Модуль 30 диагностики обменивается информацией с модулем 25 анализа и приспособлен осуществлять, в случае необходимости, одно или несколько испытаний наблюдаемого устройства и определять тип отказа, воздействующего на наблюдаемое устройство, на основе результата сравнения предсказанного значения с измеренным значением первого параметра, и на основе результата испытания или испытаний.
Таким образом, модуль 30 диагностики образует средство диагностики, приспособленное определять тип отказа.
Установка приспособлена осуществлять способ предупредительного обнаружения отказа, этот способ включает в себя три различные стадии:
- стадию L) обучения;
- стадию A), B), C) обнаружения; и
- стадию D) диагностики.
Стадия обучения, реализуемая с помощью системы 10 сбора данных и модуля 21 обработки, состоит в определении модели предсказания путем процесса обучения. Такая стадия L) обучения может включать в себя этапы:
- измерения значений первого и второго параметров с помощью системы сбора в течение так называемого времени обучения td;
- определения модуля предсказания, например, путем способа обучения, использующего нейронную сеть или статистического типа, на основе значений первого и второго параметров, измеренных в течение времени td обучения.
Нужно отметить, что в одной конкретной реализации изобретения способ обнаружения не требует включения стадии обучения, предсказание затем осуществляется в соответствии с моделью предсказания, определенной заранее при вводе установки в действие.
Если способ включает в себя стадию L) обучения, как только эта стадия обучения была выполнена, и модель предсказания была определена, этап наблюдения реализуется системой 10 сбора данных, модулем 21 обработки и модулем 25 анализа.
Этап наблюдения содержит следующие этапы:
A) предсказание значения первого параметра исходя из измеренного значения второго параметра;
B) сравнение предсказанного значения первого параметра с измеренным значением второго параметра; и
C) анализ результата сравнения, осуществляемого на этапе B), для обнаружения потенциального отказа.
Этап A) может включать в себя подэтапы измерения значений первого и второго параметров во время t и предсказания значения первого параметра на основе модуля предсказания и измеренного значения второго параметра.
В варианте осуществления, в котором компонент 22 предсказания приспособлен регулярно корректировать модель предсказания, этап A) дополнительно включает в себя подэтап, который может выполняться систематически или регулярно и состоит в коррекции модели предсказания, определенной во время стадии L) обучения в виде функции значений первого и второго параметров, измеренных в момент времени, предшествующий времени t.
В течение этапа наблюдения этапы A), B) и C) систематически повторяются, если не обнаружен потенциальный отказ.
Если потенциальный отказ обнаружен на этапе C), модуль 30 диагностики исполняет стадию D) диагностики.
Стадия D) диагностики состоит в:
- выполнении по меньшей мере одного испытания наблюдаемого устройства; и
- анализе результата испытания и сравнения, выполняемого на этапе B) стадии наблюдения для того, чтобы определить тип обнаруженного отказа.
В предпочтительном осуществлении изобретения стадия D) диагностики включает в себя предварительный этап выбора одного или нескольких испытаний из набора испытаний; выбор испытания или испытаний основывается на сравнении, выполненном на этапе B) стадии наблюдения.
Стадия D) диагностики предпочтительно также включает в себя этап аварийной сигнализации, на которой выдается отчет о потенциальном обнаруженном отказе, эта стадия состоит в выдаче отчета об обнаружении отказа и типе отказа, воздействующего на наблюдаемое устройство.
В другом варианте изобретения способ не требует включения стадии диагностики. Этап C) анализа тогда включает в себя этап связи, который, если обнаружен потенциальный отказ, указывает, что потенциальный отказ был обнаружен, и что, следовательно, техническому специалисту необходимо вмешаться, чтобы диагностировать тип обнаруженного отказа.
Пример 1
Способ может быть реализован в установке подачи энергии для агрегата электролиза алюминия, как показано на Фиг. 3, например. Такая установка приспособлена для подачи энергии, необходимой для выполнения электролиза. С этой целью установка включает в себя четыре группы устройств, каждая включает в себя первый силовой трансформатор H1, H2, H3, H4, систему F1, F2, F3, F4 электрического фильтра, второй силовой трансформатор G1, G2, G3 и G4, называемый выпрямительным трансформатором (для питания выпрямителя), и два выпрямителя R1, R1', R2, R2', R3, R3', R4 и R4'.
В такой установке каждый из выпрямительных трансформаторов G1, G2, G3, и G4 является трансформатором с масляной изоляцией, и рассматриваемым значением состояния является температура масла, которым изолируют упомянутый трансформатор.
Выпрямительные трансформаторы G1, G2, G3 и G4 являются подобными трансформаторам, расположенным параллельно и подчиняющимися идентичным условиям. Вследствие этого они являются резервированными, и их значения состояния таким образом подвергаются сходным изменениям. Параметры, представляющие значения состояния трансформаторов, такие как температура масла, например, являются, следовательно коррелированными друг с другом.
Когда способ предупредительного обнаружения отказов используется в такой установке, наблюдаемым устройством является трансформатор G4, первым параметром является температура T4 масла в трансформаторе G4, вторыми устройствами являются выпрямительные трансформаторы G1, G2 и G3, и вторыми параметрами являются температуры T1, T2 и T3 выпрямительных трансформаторов G1, G2 и G3, соответственно.
Таблица 1
Корреляционная матрица температур трансформаторов G1, G2, G3, G4 и предсказанная температура трансформатора G4
T1 T2 T3 T4 T4
pred
T1 1
T2 0,87921435 1
T3 0,86503341 0,86350753 1
T4 0,85206744 0,86972233 0,92700625 1
T4pred 0,9207585 0,91936226 0,97348029 0,93331393 1
Вышеупомянутая таблица показывает корреляционную матрицу, которая получена путем выполнения стадии L) обучения с использованием способа обучения на основании нейронной сети с четырьмя входами. Вследствие близости значений к значению 1, такая матрица показывает высокую корреляцию между значениями T1, T2, T3 и T4.
В течение этой стадии обучения устанавливается модель предсказания, делая возможным предсказание значения T4 в виде функции значений T1, T2 и T3. Чтобы проверить, что предсказание является корректным, значение T4pred предсказывается в каждый момент времени t стадии L) обучения исходя из значений T1, T2 и T3. Таблица 1 также показывает корреляцию между T4 и T4pred. Корреляционное значение 0,93331393 между значением T4 и значением T4pred указывает хорошее соответствие между моделью предсказания и измерениями T4.
На Фиг. 4 показаны результаты, полученные при использовании способа в такой установке. Верхняя часть Фиг. 4 представляет график, показывающий изменение входных значений T1, T2 и T3, и нижняя часть Фиг. 4 показывают этап сравнения T4 и T4pred.
Изменения температур T1, T2 и T3, показанные в нижней части Фиг. 4, являются сходными. Однако, из-за многих зависимостей от параметров, таких как площади, подлежащие обработке электролизом, наружная температура, изменения электродов, и т.д., такие изменения нельзя смоделировать просто. Следовательно, нелегко определить для каждой из этих температур T1, T2 и T3 так называемый нормальный режим работы, который позволит обнаруживать потенциальный отказ на основании выхода температуры вне допустимых пределов этого режима работы. Это применяется таким же образом к температуре T4.
Исполнение стадии проверки показывается в нижней части Фиг. 4 графиком, показывающим изменение T4pred и вычисленную разность между T4 и T4pred.
Таким образом, в течение стадии проверки, на протяжении 18 дней, видно, что вычисленная разность между T4 и T4pred остается менее, чем 2°C. В установке без возможности отказа, способ наблюдения позволяет предсказать температуру наблюдаемого устройства с достаточным разрешением, чтобы обнаружить какую-либо ошибку корреляции, которая может быть связана с аномалией в наблюдаемом устройстве, которая может привести к отказу.
На Фиг. 5 показано обнаружение ошибки корреляции. График по Фиг. 5 создан при точно таких же условиях в такой же установке, что и график в нижней части Фиг. 4. В первой части графика, перед временем td, разность значения между T4 и T4pred остается низкой, эти два значения подвергаются сходным изменениям. Во время td виден резкий рост 99 температуры T4, который отсутствует в T4pred. Это увеличивает разность между T4 и T4pred, которое уходя далеко за масштабную полоску в 10°C, приводит к обнаружению аномалии в наблюдаемом устройстве. Такая аномалия, являясь ошибкой корреляции, анализируется в течение этапа анализа в качестве указывающей присутствие потенциального отказа. Этот потенциальный отказ в наблюдаемом устройстве затем подтверждается и идентифицируется во время стадии D) диагностики.
Хотя в описанном выше варианте осуществления способ корреляции относится к предсказанию одного параметра наблюдаемого устройства исходя из параметра одного второго устройства в установке, способ может быть приспособлен к наблюдению одного или нескольких параметров наблюдаемого устройства с предсказанием этого или этих параметров из одного или нескольких параметров для одного или нескольких вторых устройств в установке без выхода за рамки объема изобретения.

Claims (29)

1. Способ предупредительного обнаружения отказа в по меньшей мере одном наблюдаемом устройстве из группы, содержащей по меньшей мере два устройства, причем это наблюдаемое устройство имеет по меньшей мере один первый параметр (Т4), коррелированный с по меньшей мере одним вторым параметром (Т1, Т2, Т3) по меньшей мере одного второго устройства в этой группе, при этом наблюдаемое устройство и второе устройство являются резервированными устройствами, причем упомянутые параметры представляют переменные состояния упомянутых устройств, при этом способ отличается тем, что включает в себя следующие этапы:
A) предсказание значения (T4pred) первого параметра, исходя только из измеренного значения второго параметра (T1, Т2, Т3);
B) сравнение предсказанного значения (T4pred) первого параметра с измеренным значением первого параметра (Т4); и
C) анализ результата сравнения, осуществленного на этапе В), для обнаружения ошибки корреляции, которая относится к потенциальному отказу.
2. Способ по п. 1, отличающийся тем, что анализ результата сравнения, осуществляемого на этапе В), состоит в проверке того, имеется ли ошибка корреляции между первым параметром (Т4) и вторым параметром (T1, Т2, Т3) во время t.
3. Способ по п. 1, отличающийся тем, что дополнительно включает в себя этап диагностирования типа отказа, если потенциальный отказ обнаружен, причем данный этап заключается в:
выполнении по меньшей мере одного испытания наблюдаемого устройства,
анализе результата этого испытания и сравнения, выполненного на этапе В) стадии наблюдения, чтобы определить тип обнаруженного отказа.
4. Способ по п. 3, отличающийся тем, что диагностирование типа отказа состоит в выполнении по меньшей мере одного испытания наблюдаемого устройства.
5. Способ по п. 1, отличающийся тем, что предсказание значения первого параметра (Т4), исходя из измеренного значения второго параметра (T1, Т2, Т3), основывается на модели предсказания, определенной путем предварительного обучения отношению связности между предварительно измеренными значениями первого параметра (Т4) и второго параметра (T1, Т2, Т3).
6. Способ по п. 5, отличающийся тем, что обучение осуществляется методом обучения, использующим систему нейронной сети.
7. Способ по п. 5, отличающийся тем, что обучение осуществляется методом обучения статистического типа.
8. Способ по п. 2, отличающийся тем, что этапы А), В) и С) систематически повторяются, пока не будет обнаружена ошибка корреляции между первым параметром (Т4) и вторым параметром (Т1, Т2, Т3).
9. Способ по п. 5, отличающийся тем, что модель предсказания, определенная для данного времени t, периодически корректируется в зависимости от значений первого и второго параметров (Т4, T1, Т2, Т3), измеренных во время, предшествующее времени t.
10. Способ по любому из предшествующих пунктов, отличающийся тем, что по меньшей мере одно устройство в упомянутой группе является силовым трансформатором (H1, Н2, Н3, Н4, G1, G2, G3, G4) с масляной изоляцией или силовым выпрямителем (R1, R2, R3, R4).
11. Машиночитаемое запоминающее устройство, в котором реализована компьютерная программа для выполнения способа по любому из предшествующих пунктов, при ее исполнении на компьютере, отличающееся тем, что компьютерная программа включает в себя инструкции для выполнения этапов:
A) предсказания значения (T4pred) первого параметра, исходя только из измеренного значения второго параметра (T1, Т2, Т3);
B) сравнения предсказанного значения (T4pred) первого параметра с измеренным значением первого параметра (Т4); и
C) анализа результата сравнения, осуществленного на этапе В), чтобы обнаруживать ошибку корреляции, которая относится к потенциальному отказу.
12. Установка, включающая в себя группу из по меньшей мере двух устройств, при этом наблюдаемое устройство имеет по меньшей мере один первый параметр (Т4), коррелированный с по меньшей мере одним вторым параметром (T1, Т2, Т3) по меньшей мере одного второго устройства в этой группе, при этом наблюдаемое устройство и второе устройство являются резервированными устройствами, причем упомянутые параметры (T1, Т2, Т3, Т4) представляют переменные состояния упомянутых устройств, при этом упомянутая установка отличается тем, что дополнительно включает в себя:
систему (10) сбора данных, выполненную с возможностью измерять первый и второй параметры (T1, Т2, Т3, Т4);
модуль (21) обработки, выполненный с возможностью осуществлять связь с системой сбора данных и предсказывать значение первого параметра (Т4), исходя только из измеренного значения второго параметра (T1, Т2, Т3), и сравнивать предсказанное значение (T4pred) первого параметра с измеренным значением первого параметра (Т4); и
модуль принятия решений (25), выполненный с возможностью анализировать результат сравнения предсказанного значения (T4pred) первого параметра и измеренного значения первого параметра (Т4), чтобы обнаруживать ошибку корреляции, которая относится к потенциальному отказу.
13. Установка по п. 12, отличающаяся тем, что дополнительно включает в себя модуль (30) диагностики, выполненный с возможностью осуществлять связь с процессорной системой и определять тип отказа.
14. Установка по п. 12, отличающаяся тем, что по меньшей мере одно устройство в упомянутой группе является силовым трансформатором (H1, Н2, Н3, Н4, G1, G2, G3, G4) с масляной изоляцией или силовым выпрямителем (R1, R2, R3, R4).
15. Модуль (20) для предупредительного обнаружения отказа, отличающийся тем, что выполнен с возможностью обнаруживать ошибку корреляции между по меньшей мере двумя параметрами (Т1, Т2, Т3, Т4), представляющими соответственные переменные состояния наблюдаемого устройства и второго устройства, оба из которых принадлежат к группе устройств, установленных в установке по п. 12, и тем, что упомянутый модуль включает в себя:
средство предсказания для предсказания значения первого параметра (Т4), исходя только из измеренного значения второго параметра (T1, Т2, Т3);
средство сравнения для сравнения предсказанного значения (T4pred) первого параметра и измеренного значения того же самого первого параметра (Т4); и
средство анализа для анализа результата сравнения, осуществленного средством сравнения, чтобы обнаруживать ошибку корреляции, которая относится к потенциальному отказу.
RU2014119873A 2011-10-17 2012-10-16 Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве RU2628146C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1159360 2011-10-17
FR1159360A FR2981474B1 (fr) 2011-10-17 2011-10-17 Procede de detection preventive d'une panne d'un appareil, programme d'ordinateur, installation et module de detection preventive d'une panne d'un appareil
PCT/EP2012/070455 WO2013057085A1 (fr) 2011-10-17 2012-10-16 Procede de detection preventive d'une panne d'un appareil, programme d'ordinateur, installation et module de détection préventive d'une panne d'un appareil

Publications (2)

Publication Number Publication Date
RU2014119873A RU2014119873A (ru) 2015-11-27
RU2628146C2 true RU2628146C2 (ru) 2017-08-15

Family

ID=47049152

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014119873A RU2628146C2 (ru) 2011-10-17 2012-10-16 Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве

Country Status (6)

Country Link
US (1) US9664725B2 (ru)
EP (1) EP2769303A1 (ru)
CA (1) CA2851124C (ru)
FR (1) FR2981474B1 (ru)
RU (1) RU2628146C2 (ru)
WO (1) WO2013057085A1 (ru)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10705761B2 (en) 2018-09-14 2020-07-07 Yandex Europe Ag Method of and system for scheduling transmission of I/O operations
RU2731321C2 (ru) * 2018-09-14 2020-09-01 Общество С Ограниченной Ответственностью "Яндекс" Способ определения потенциальной неисправности запоминающего устройства
US10908982B2 (en) 2018-10-09 2021-02-02 Yandex Europe Ag Method and system for processing data
US10996986B2 (en) 2018-12-13 2021-05-04 Yandex Europe Ag Method and system for scheduling i/o operations for execution
US11003600B2 (en) 2018-12-21 2021-05-11 Yandex Europe Ag Method and system for scheduling I/O operations for processing
US11010090B2 (en) 2018-12-29 2021-05-18 Yandex Europe Ag Method and distributed computer system for processing data
US11048547B2 (en) 2018-10-09 2021-06-29 Yandex Europe Ag Method and system for routing and executing transactions
US11061720B2 (en) 2018-09-14 2021-07-13 Yandex Europe Ag Processing system and method of detecting congestion in processing system
US11184745B2 (en) 2019-02-06 2021-11-23 Yandex Europe Ag Actor system and method for transmitting a message from a first actor to a second actor
US11288254B2 (en) 2018-10-15 2022-03-29 Yandex Europe Ag Method of and system for processing request in distributed database

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016008987B4 (de) * 2015-07-31 2021-09-16 Fanuc Corporation Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
CN106423611A (zh) * 2016-10-14 2017-02-22 深圳万发创新进出口贸易有限公司 一种等离子喷涂设备用无水切断保护系统
FR3060803B1 (fr) 2016-12-20 2021-12-10 Ondilo Procede pour maintenir un equilibre d'un parametre physico-chimique d'un milieu, produit programme d'ordinateur et moyen electronique associes
US11054342B2 (en) * 2017-02-20 2021-07-06 Lifewhere, Llc System for abnormal condition detection using nearest neighbor
FR3074590B1 (fr) * 2017-12-04 2023-03-17 Soc Air France Methode de prediction d'une anomalie de fonctionnement d'un ou plusieurs equipements d'un ensemble
US10396897B1 (en) * 2018-04-17 2019-08-27 General Electric Company Systems and methods for predicting defects in optical transceiver devices
DE102018121270B4 (de) * 2018-08-31 2023-12-21 Volkswagen Aktiengesellschaft Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
CN110287640B (zh) * 2019-07-03 2023-10-13 辽宁艾特斯智能交通技术有限公司 照明设备的寿命预估方法、装置、存储介质及电子设备
RU2719507C1 (ru) * 2019-12-16 2020-04-20 федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" Способ оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования
KR20230061480A (ko) * 2021-04-09 2023-05-08 히타치 에너지 스위처랜드 아게 진단 파라미터 예측 에러의 변동을 이용한 전기 장비의 상태 결정

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1629898A1 (ru) * 1989-01-27 1991-02-23 Горьковский Политехнический Институт Устройство дл диагностики и прогнозировани отказов
RU2164009C2 (ru) * 1994-08-12 2001-03-10 Микро Моушн, Инк. Способ и устройство для обнаружения и коррекции ошибок в расходомере с использованием эффекта кориолиса

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0810363B1 (en) * 1996-05-28 2004-07-28 Matsushita Electric Industrial Co., Ltd. Air/fuel ratio control apparatus that uses a neural network
US5754963A (en) * 1996-07-30 1998-05-19 Hitachi America, Ltd. Method and apparatus for diagnosing and isolating faulty sensors in a redundant sensor system
US6073262A (en) * 1997-05-30 2000-06-06 United Technologies Corporation Method and apparatus for estimating an actual magnitude of a physical parameter on the basis of three or more redundant signals
DE19801177C2 (de) * 1998-01-15 2000-04-13 Jochen Pischel Verfahren zum Zuteilen von industriellen oder technologischen Ressourcen in technischen Systemen
US6345369B1 (en) * 1998-11-12 2002-02-05 International Business Machines Corporation Environmental and power error handling extension and analysis for systems with redundant components
US6459901B1 (en) * 1999-07-01 2002-10-01 At&T Corp. Wireless network resource allocation
US6898554B2 (en) * 2000-06-12 2005-05-24 Scientific Monitoring, Inc. Fault detection in a physical system
US6487847B1 (en) * 2000-11-03 2002-12-03 General Electric Company Gas turbine engine fuel control system
US6615146B1 (en) * 2000-11-22 2003-09-02 International Business Machines Corporation Failure detection of an isolation device with PFA signal generation in a redundant power supply system
US6859739B2 (en) * 2001-01-19 2005-02-22 Smartsignal Corporation Global state change indicator for empirical modeling in condition based monitoring
JP2005518178A (ja) * 2002-02-13 2005-06-16 コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト 電動機のエラー検出方法
US6892163B1 (en) * 2002-03-08 2005-05-10 Intellectual Assets Llc Surveillance system and method having an adaptive sequential probability fault detection test
US7552005B2 (en) * 2004-03-16 2009-06-23 Honeywell International Inc. Method for fault diagnosis of a turbine engine
US7415328B2 (en) * 2004-10-04 2008-08-19 United Technologies Corporation Hybrid model based fault detection and isolation system
WO2006070689A1 (ja) * 2004-12-28 2006-07-06 Tokyo Electron Limited 半導体製造装置、当該半導体製造装置における異常の検出、異常の原因の特定或いは異常の予測を行う方法、並びに当該方法を実施するためのコンピュータプログラムを記録した記憶媒体
US7280941B2 (en) * 2004-12-29 2007-10-09 General Electric Company Method and apparatus for in-situ detection and isolation of aircraft engine faults
US7277823B2 (en) * 2005-09-26 2007-10-02 Lockheed Martin Corporation Method and system of monitoring and prognostics
US7256605B2 (en) * 2005-11-14 2007-08-14 Semiconductor Components Industries, L.L.C. Diagnostic circuit and method therefor
JP2008004641A (ja) * 2006-06-20 2008-01-10 Toshiba Corp 不良検出システム、不良検出方法及びプログラム
FR2911972B1 (fr) * 2007-01-30 2009-03-27 Hispano Suiza Sa Procede de surveillance de moteurs d'avion
US7900118B2 (en) * 2007-02-12 2011-03-01 Phison Electronics Corp. Flash memory system and method for controlling the same
US8067856B2 (en) * 2008-09-04 2011-11-29 Intel Corporation Power management system
US8955365B2 (en) * 2008-12-23 2015-02-17 Embraer S.A. Performance monitoring and prognostics for aircraft pneumatic control valves
US8375255B2 (en) * 2009-12-23 2013-02-12 At&T Intellectual Property I, Lp Device and method for detecting and diagnosing correlated network anomalies
US8862433B2 (en) * 2010-05-18 2014-10-14 United Technologies Corporation Partitioning of turbomachine faults
AU2011265563B2 (en) * 2010-12-24 2016-09-22 Commonwealth Scientific And Industrial Research Organisation System and method for detecting and/or diagnosing faults in multi-variable systems
US9050894B2 (en) * 2011-07-06 2015-06-09 General Electric Company System and method for predicting mechanical failure of a motor
US9201113B2 (en) * 2012-12-17 2015-12-01 General Electric Company Systems and methods for performing redundancy tests on turbine controls

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1629898A1 (ru) * 1989-01-27 1991-02-23 Горьковский Политехнический Институт Устройство дл диагностики и прогнозировани отказов
RU2164009C2 (ru) * 1994-08-12 2001-03-10 Микро Моушн, Инк. Способ и устройство для обнаружения и коррекции ошибок в расходомере с использованием эффекта кориолиса

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10705761B2 (en) 2018-09-14 2020-07-07 Yandex Europe Ag Method of and system for scheduling transmission of I/O operations
RU2731321C2 (ru) * 2018-09-14 2020-09-01 Общество С Ограниченной Ответственностью "Яндекс" Способ определения потенциальной неисправности запоминающего устройства
US11055160B2 (en) 2018-09-14 2021-07-06 Yandex Europe Ag Method of determining potential anomaly of memory device
US11061720B2 (en) 2018-09-14 2021-07-13 Yandex Europe Ag Processing system and method of detecting congestion in processing system
US11449376B2 (en) 2018-09-14 2022-09-20 Yandex Europe Ag Method of determining potential anomaly of memory device
US10908982B2 (en) 2018-10-09 2021-02-02 Yandex Europe Ag Method and system for processing data
US11048547B2 (en) 2018-10-09 2021-06-29 Yandex Europe Ag Method and system for routing and executing transactions
US11288254B2 (en) 2018-10-15 2022-03-29 Yandex Europe Ag Method of and system for processing request in distributed database
US10996986B2 (en) 2018-12-13 2021-05-04 Yandex Europe Ag Method and system for scheduling i/o operations for execution
US11003600B2 (en) 2018-12-21 2021-05-11 Yandex Europe Ag Method and system for scheduling I/O operations for processing
US11010090B2 (en) 2018-12-29 2021-05-18 Yandex Europe Ag Method and distributed computer system for processing data
US11184745B2 (en) 2019-02-06 2021-11-23 Yandex Europe Ag Actor system and method for transmitting a message from a first actor to a second actor

Also Published As

Publication number Publication date
CA2851124C (fr) 2020-11-03
US20140285212A1 (en) 2014-09-25
CA2851124A1 (fr) 2013-04-25
FR2981474B1 (fr) 2013-12-27
EP2769303A1 (fr) 2014-08-27
RU2014119873A (ru) 2015-11-27
FR2981474A1 (fr) 2013-04-19
WO2013057085A1 (fr) 2013-04-25
US9664725B2 (en) 2017-05-30

Similar Documents

Publication Publication Date Title
RU2628146C2 (ru) Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве
JP4927271B2 (ja) センサ故障の検出、分離及び調整法
CA2679128C (en) Method and system of using inferential measurements for abnormal event detection in continuous industrial processes
Hashemian State-of-the-art predictive maintenance techniques
KR20190022112A (ko) 자동화 설비의 고장 예측 장치, 이를 이용한 고장 예측 시스템 및 고장 예측 방법
KR101613100B1 (ko) 통신 이상 검출 장치, 통신 이상 검출 방법 및 기록매체
KR101532843B1 (ko) 스마트 센서를 이용한 원전 유압밸브의 온라인 감시 시스템
CN103149475A (zh) 电力设备故障诊断方法及系统
WO2018235399A1 (ja) プラント支援評価システム及びプラント支援評価方法
JP2012018623A (ja) 異常データ分析システム
KR20210109136A (ko) 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 장치 및 그 시스템
CN116047207A (zh) 一种核电厂电动阀性能故障诊断评估方法
KR102041683B1 (ko) 결함 예측 방법
JP2011107760A (ja) プラント異常検出装置
CN109240253A (zh) 一种在线设备诊断及预防性维护方法及系统
KR101399488B1 (ko) 원전 저널 베어링 온라인 결함 진단 시스템
EP2618231A2 (en) System and method for monitoring, diagnostics, and prognostics
JP2014026327A (ja) 実稼働データによる機器の状態診断装置
KR102470112B1 (ko) 원전의 지능형 상태감시 방법 및 시스템
Haves et al. Model-based performance monitoring: Review of diagnostic methods and chiller case study
WO2020204043A1 (ja) 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法
RU2454692C1 (ru) Способ повышения достоверности поступающей информации в автоматизированной системе управления технологическими процессами, функционирующей в условиях крайнего севера
JP2012014222A (ja) センサ状態判定装置
KR20210109753A (ko) 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 비상 발전기
CN105303315B (zh) 一种计及检修随机性影响的电力设备可靠性评估方法

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20191017