本發(fā)明專(zhuān)利技術(shù)提供過(guò)程監(jiān)視·診斷·支援裝置。根據(jù)實(shí)施方式，上述異常檢測(cè)機(jī)構(gòu)生成與規(guī)定時(shí)刻的時(shí)間序列數(shù)據(jù)對(duì)應(yīng)的異常檢測(cè)用數(shù)據(jù)，并診斷該規(guī)定時(shí)刻的數(shù)據(jù)有無(wú)異常。上述異常主要因素變量分離機(jī)構(gòu)從該規(guī)定時(shí)刻的時(shí)間序列數(shù)據(jù)中分離提取出異常主要因素候補(bǔ)變量。上述異常對(duì)策支援信息提供機(jī)構(gòu)基于上述分離提取出的異常主要因素候補(bǔ)變量、上述相關(guān)信息、上述第2以及上述第3規(guī)則來(lái)提供上述對(duì)策支援信息。
【技術(shù)實(shí)現(xiàn)步驟摘要】
實(shí)施方式涉及在污水處理過(guò)程、排水處理過(guò)程、污泥消化過(guò)程、凈水過(guò)程、給配水過(guò)程、化學(xué)過(guò)程、鋼鐵過(guò)程等過(guò)程系統(tǒng)的監(jiān)視中，能夠在異常時(shí)等非穩(wěn)定時(shí)對(duì)工廠設(shè)備操作人員進(jìn)行支援的過(guò)程(process)監(jiān)視·診斷·支援裝置。
技術(shù)介紹
在污水處理過(guò)程、污泥消化過(guò)程、凈水過(guò)程、給配水過(guò)程等水處理/水運(yùn)用過(guò)程，石油化學(xué)過(guò)程、鋼鐵過(guò)程、或者半導(dǎo)體制造過(guò)程等過(guò)程系統(tǒng)的工廠設(shè)備中，設(shè)置有對(duì)多個(gè)過(guò)程狀態(tài)進(jìn)行測(cè)定的多個(gè)聯(lián)機(jī)傳感器。過(guò)程監(jiān)視裝置(SCADA :Supervisory Control AndData Acquisition)通常將能夠通過(guò)設(shè)置于過(guò)程系統(tǒng)的傳感器組的計(jì)測(cè)而得到的過(guò)程數(shù)據(jù)(流量、溫度、水質(zhì)、操作量等)變換成時(shí)間序列數(shù)據(jù)(趨勢(shì)圖)。工廠設(shè)備管理者(經(jīng)營(yíng)管理者)、運(yùn)行人員(操作人員)通過(guò)監(jiān)視該時(shí)間序列數(shù)據(jù)來(lái)掌握過(guò)程的狀態(tài)，進(jìn)行過(guò)程的運(yùn)轉(zhuǎn)變更、控制。通常對(duì)各個(gè)過(guò)程數(shù)據(jù)的時(shí)間序列數(shù)據(jù)設(shè)定了被稱(chēng)為管理極限等的上下限值。在超過(guò)了該上下限值的情況下發(fā)出警報(bào)。工廠設(shè)備經(jīng)營(yíng)管理者、操作人員基于該警報(bào)來(lái)進(jìn)行工廠設(shè)備運(yùn)用的確認(rèn)、重新設(shè)置。該樣的基于警報(bào)發(fā)出的運(yùn)行管理是工廠設(shè)備運(yùn)用的根本。在更先進(jìn)的工廠設(shè)備的運(yùn)行管理中，不僅要求單純?cè)谶^(guò)程非穩(wěn)定時(shí)采取應(yīng)對(duì)措施，而且還要求在達(dá)到了過(guò)程的規(guī)定目標(biāo)性能的基礎(chǔ)上實(shí)現(xiàn)節(jié)能、節(jié)省成本的運(yùn)用。這里，例如若是污水處理，則規(guī)定目標(biāo)對(duì)應(yīng)于放出水質(zhì)限制的遵守等。如果是凈水處理，則凈水中的殘留氯濃度為規(guī)定上限以下、不存在由隱孢子蟲(chóng)(Cryptosporidium)所代表的各種病原性微生物等成為規(guī)定目標(biāo)。另外，在化學(xué)過(guò)程、鋼鐵過(guò)程中，將制品(石油精制品、鋼鐵)的品質(zhì)(例如純度、強(qiáng)度等)維持為規(guī)定范圍的做法對(duì)應(yīng)于規(guī)定目標(biāo)。此時(shí)，為了不陷入沒(méi)有達(dá)到規(guī)定目標(biāo)的狀態(tài)而監(jiān)視與目標(biāo)性能有關(guān)的過(guò)程的狀態(tài)，迅速檢測(cè)出阻礙規(guī)定目標(biāo)的實(shí)現(xiàn)的各種狀態(tài)變化、異常狀態(tài)，并事先采取對(duì)策成為運(yùn)轉(zhuǎn)管理上的重點(diǎn)。并且，為了在將規(guī)定目標(biāo)的實(shí)現(xiàn)作為條件的基礎(chǔ)上進(jìn)行節(jié)能、節(jié)省成本的運(yùn)用，需要將與目標(biāo)性能、節(jié)能、節(jié)省成本相關(guān)的過(guò)程狀態(tài)總是保持為良好的狀態(tài)，迅速檢測(cè)出即將從良好的狀態(tài)脫離的過(guò)程狀態(tài)變化。作為診斷這樣的過(guò)程的狀態(tài)變化、異常的方法，公知有一種采用了在石油化學(xué)過(guò)程、鋼鐵工廠設(shè)備的領(lǐng)域中利用的“多變量統(tǒng)計(jì)解析方法”的被稱(chēng)為多變量統(tǒng)計(jì)過(guò)程監(jiān)視(MSPC Mult1-Variate Statistical Process Control)的方法。作為在MSPC中最常利用的方法,公知有主成分分析(PCA :Principal ComponentAnalysis)和潛在變量射影法 / 偏最小二乘法(PLS :Projection to Latent Structure/Partial Least Square)。在MSPC中，主要目的在于利用PCA或PLS等多變量解析，來(lái)進(jìn)行(I)工廠設(shè)備的異常征兆的檢測(cè)(Fault Detection)、(2)成為異常主要因素的過(guò)程變量(數(shù)據(jù))的推定(FaultIsolation)。關(guān)于上述(1)，通過(guò)利用多個(gè)過(guò)程變量的相關(guān)信息，能夠檢測(cè)出基于一個(gè)變量無(wú)法檢測(cè)的輕微的異常征兆。關(guān)于上述(2)，在基于由多個(gè)過(guò)程變量合成得到的異常檢測(cè)用數(shù)據(jù)(被稱(chēng)為Q統(tǒng)計(jì)量或霍特林(Hotelling)的T2統(tǒng)計(jì)量)檢測(cè)到異常后，通過(guò)利用表示各過(guò)程數(shù)據(jù)對(duì)該異常檢測(cè)用數(shù)據(jù)的貢獻(xiàn)度的貢獻(xiàn)量這一信息，來(lái)推定作為異常主要因素的候補(bǔ)的過(guò)程變量(數(shù)據(jù))。這樣，如果使用MSPC，則與以往的針對(duì)個(gè)別過(guò)程變量的單純的基于管理極限的監(jiān)視(在生產(chǎn)線等的監(jiān)視中，與MPSC對(duì)照有時(shí)也被稱(chēng)為SPC(Statistical Process Control))相比，能夠進(jìn)行對(duì)工廠設(shè)備經(jīng)營(yíng)管理者、操作人員而言更有用的先進(jìn)的監(jiān)視·診斷。另一方面，在工廠設(shè)備經(jīng)營(yíng)管理者、操作人員等用戶側(cè)，不僅存在上述的(I)異常征兆的檢測(cè)、(2)異常主要因素變量推定，還存在當(dāng)在過(guò)程中發(fā)生了某些異常時(shí)他們應(yīng)該采取什么樣的對(duì)策這一針對(duì)對(duì)策支援信息的更先進(jìn)的強(qiáng)烈潛在需求。該需求尤其在工廠設(shè)備操作人員不熟練的情況下強(qiáng)烈，只有“發(fā)現(xiàn)異常的征兆。”這一信息或“表示異常的過(guò)程變量是〇〇與八八。”這一診斷信息是不充分的，要求“發(fā)現(xiàn)異常征兆，由于認(rèn)為成為其主要因素的變量是〇〇與厶厶，所以推薦采取□□這一對(duì)策。”這一形式的支援信息。這樣的支援信息的需求與上述(I)(2)的 FDI (Fault Detection and Isolation)之間存在大的差異。其理由在于，F(xiàn)DI利用“多變量解析等統(tǒng)計(jì)方法”，能夠不依賴(lài)于對(duì)象過(guò)程地某種程度機(jī)械式地不經(jīng)由工程(engineering)而自動(dòng)地)診斷,與之相對(duì)，在對(duì)策支援信息的提供中一般需要對(duì)象過(guò)程的知識(shí)和使用了該知識(shí)的管理。用于發(fā)出對(duì)策支援信息的異常原因推定方法大多被分類(lèi)成經(jīng)驗(yàn)方法(決策樹(shù)、模示學(xué)習(xí)等)、邏輯方法(物理模型、故障樹(shù)等利用)、知識(shí)工學(xué)方法(專(zhuān)家系統(tǒng)、技術(shù)提取)等。不過(guò)，在使用每一種方法時(shí)，都需要以某種形式具備與對(duì)象過(guò)程有關(guān)的知識(shí)、或者運(yùn)用對(duì)象過(guò)程的操作人員的知識(shí)等。因此，如果進(jìn)行過(guò)程的非穩(wěn)定狀態(tài)(異常狀態(tài))的真因查明和對(duì)策支援，則需要用于對(duì)每個(gè)對(duì)象過(guò)程進(jìn)行診斷系統(tǒng)的制造的大量工程。這樣的需要依賴(lài)于對(duì)象過(guò)程的特征的開(kāi)發(fā)成為對(duì)非穩(wěn)定時(shí)的對(duì)策支援系統(tǒng)開(kāi)發(fā)的進(jìn)展加以妨礙的一個(gè)重要阻礙因素。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)想要解決的課題在于，提供一種能夠以不依賴(lài)于對(duì)象過(guò)程的形式，提供異常時(shí)的對(duì)策支援信息的過(guò)程監(jiān)視·診斷·支援裝置。實(shí)施方式的過(guò)程監(jiān)視·診斷支援裝置具備數(shù)據(jù)收集保存機(jī)構(gòu)、過(guò)程變量分類(lèi)機(jī)構(gòu)、過(guò)程變量相關(guān)定義機(jī)構(gòu)、異常檢測(cè)用數(shù)據(jù)定義機(jī)構(gòu)、異常檢測(cè)用數(shù)據(jù)貢獻(xiàn)量定義機(jī)構(gòu)、異常時(shí)對(duì)策支援信息定義機(jī)構(gòu)、異常檢測(cè)機(jī)構(gòu)、異常主要因素變量分離機(jī)構(gòu)以及異常對(duì)策支援信息提供機(jī)構(gòu)。上述數(shù)據(jù)收集保存機(jī)構(gòu)從計(jì)測(cè)對(duì)象過(guò)程的狀態(tài)量或者操作量的η個(gè)(其中，η > 2)傳感器收集表示計(jì)測(cè)結(jié)果的η個(gè)過(guò)程變量的時(shí)間序列數(shù)據(jù)并進(jìn)行保存。上述過(guò)程變量分類(lèi)機(jī)構(gòu)存儲(chǔ)對(duì)將上述η個(gè)過(guò)程變量分類(lèi)成P個(gè) (其中，I < P < η)輸出變量Y、L個(gè)(其中，I彡L < η)輸入變量U和m個(gè)(其中，O ^ m < η)中間變量Z的結(jié)果進(jìn)行表示的分類(lèi)信息，上述輸出變量Y表示作為上述狀態(tài)量的性能指標(biāo)，上述輸入變量U表示上述操作量,上述中間變量Z表示作為上述狀態(tài)量的管理·監(jiān)視值。上述過(guò)程變量相關(guān)定義機(jī)構(gòu)根據(jù)上述分類(lèi)信息以及上述η個(gè)過(guò)程變量的遍及規(guī)定期間的時(shí)間序列數(shù)據(jù)，來(lái)對(duì)包括上述分類(lèi)后的結(jié)果在內(nèi)地表示該η個(gè)過(guò)程變量相互間的相關(guān)的相關(guān)信息進(jìn)行定義。上述異常檢測(cè)用數(shù)據(jù)定義機(jī)構(gòu)，定義根據(jù)上述η個(gè)過(guò)程變量的遍及規(guī)定期間的時(shí)間序列數(shù)據(jù)來(lái)生成比上述η個(gè)少的q個(gè)(其中，I < q《η)異常檢測(cè)用數(shù)據(jù)的公式、和基于上述異常檢測(cè)用數(shù)據(jù)來(lái)對(duì)異常的有無(wú)或者異常強(qiáng)度進(jìn)行判斷的判斷基準(zhǔn)。上述異常檢測(cè)用數(shù)據(jù)貢獻(xiàn)量定義機(jī)構(gòu)定義上述η個(gè)過(guò)程變量的時(shí)間序列數(shù)據(jù)各自對(duì)上述異常檢測(cè)用數(shù)據(jù)的貢獻(xiàn)量。 上述異常時(shí)對(duì)策支援信息定義機(jī)構(gòu)定義下述規(guī)則第I規(guī)則，提取出成為異常時(shí)的異常主要因素候補(bǔ)的過(guò)程變量即異常主要因素候補(bǔ)變量中的規(guī)定的上位的異常主要因素候補(bǔ)變量；第2規(guī)則，基于上述相關(guān)信息將上述提取出的異常主要因素候補(bǔ)變量分本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種過(guò)程監(jiān)視·診斷·支援裝置，其特征在于，具有：數(shù)據(jù)收集保存機(jī)構(gòu)，從計(jì)測(cè)對(duì)象過(guò)程的狀態(tài)量或者操作量的n個(gè)傳感器收集表示計(jì)測(cè)結(jié)果的n個(gè)過(guò)程變量的時(shí)間序列數(shù)據(jù)并進(jìn)行保存，其中，n≥2；過(guò)程變量分類(lèi)機(jī)構(gòu)，存儲(chǔ)對(duì)將上述n個(gè)過(guò)程變量分類(lèi)成p個(gè)輸出變量Y、L個(gè)輸入變量U和m個(gè)中間變量Z的結(jié)果進(jìn)行表示的分類(lèi)信息，上述輸出變量Y表示作為上述狀態(tài)量的性能指標(biāo)，上述輸入變量U表示上述操作量，上述中間變量Z表示作為上述狀態(tài)量的管理·監(jiān)視值，其中，1≤p＜n，1≤L＜n，0≤m＜n；過(guò)程變量相關(guān)定義機(jī)構(gòu)，根據(jù)上述分類(lèi)信息以及上述n個(gè)過(guò)程變量的遍及規(guī)定期間的時(shí)間序列數(shù)據(jù)，來(lái)對(duì)包括上述分類(lèi)后的結(jié)果在內(nèi)地表示該n個(gè)過(guò)程變量相互間的相關(guān)的相關(guān)信息進(jìn)行定義；異常檢測(cè)用數(shù)據(jù)定義機(jī)構(gòu)，定義根據(jù)上述n個(gè)過(guò)程變量的遍及規(guī)定期間的時(shí)間序列數(shù)據(jù)來(lái)生成比上述n個(gè)少的q個(gè)異常檢測(cè)用數(shù)據(jù)的公式、和基于上述異常檢測(cè)用數(shù)據(jù)來(lái)對(duì)異常的有無(wú)或者異常強(qiáng)度進(jìn)行判斷的判斷基準(zhǔn)，其中，1≤q≤n；異常檢測(cè)用數(shù)據(jù)貢獻(xiàn)量定義機(jī)構(gòu)，定義上述n個(gè)過(guò)程變量的時(shí)間序列數(shù)據(jù)各自對(duì)上述異常檢測(cè)用數(shù)據(jù)的貢獻(xiàn)量；異常時(shí)對(duì)策支援信息定義機(jī)構(gòu)，定義下述規(guī)則：第1規(guī)則，提取出成為異常時(shí)的異常主要因素候補(bǔ)的過(guò)程變量即異常主要因素候補(bǔ)變量中的規(guī)定的上位的異常主要因素候補(bǔ)變量；第2規(guī)則，基于上述相關(guān)信息將上述提取出的異常主要因素候補(bǔ)變量分類(lèi)成上述輸出變量Y、上述輸入變量U和上述中間變量Z；以及第3規(guī)則，根據(jù)該分類(lèi)后的結(jié)果，提供包括對(duì)異常時(shí)的對(duì)策進(jìn)行支援的消息的對(duì)策支援信息；異常檢測(cè)機(jī)構(gòu)，根據(jù)上述保存了的規(guī)定時(shí)刻的上述n個(gè)過(guò)程變量的時(shí)間序列數(shù)據(jù)、以及上述異常檢測(cè)用數(shù)據(jù)定義機(jī)構(gòu)的定義，生成與該規(guī)定時(shí)刻的時(shí)間序列數(shù)據(jù)對(duì)應(yīng)的異常檢測(cè)用數(shù)據(jù)，并基于該異常檢測(cè)用數(shù)據(jù)來(lái)診 斷該規(guī)定時(shí)刻的數(shù)據(jù)有無(wú)異常；異常主要因素變量分離機(jī)構(gòu)，在上述診斷的結(jié)果為有異常的情況下基于上述貢獻(xiàn)量的定義來(lái)計(jì)算該規(guī)定時(shí)刻的時(shí)間序列數(shù)據(jù)的貢獻(xiàn)量，基于上述計(jì)算出的貢獻(xiàn)量以及上述第1規(guī)則從該規(guī)定時(shí)刻的時(shí)間序列數(shù)據(jù)分離提取出異常主要因素候補(bǔ)變量；和異常對(duì)策支援信息提供機(jī)構(gòu)，基于上述分離提取出的異常主要因素候補(bǔ)變量、上述相關(guān)信息、上述第2規(guī)則以及上述第3規(guī)則來(lái)提供上述對(duì)策支援信息。...
【技術(shù)特征摘要】
...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：山中理，平岡由紀(jì)夫，吉澤直人，
申請(qǐng)(專(zhuān)利權(quán))人：株式會(huì)社東芝，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。