Академический Документы
Профессиональный Документы
Культура Документы
МЕТОДЫ
Мониторинг
1
состояния
технологическ
их процессов
Типовые особенности
химико-технологических
процессов
Химико-технологические процессы отличаются, по крайней
мере наличием одного из следующих факторов:
•потенциальной опасностью;
•плохой наблюдаемостью;
•большим количеством неконтролируемых возмущений;
•высоким уровнем неопределенностей (например, из-за
многоальтернативности характера их протекания);
•требованиями высокоточного соблюдения
регламентных
2 режимов;
•необходимостью использования сложной аналитической
аппаратуры для контроля качества готовой продукции.
Типовые особенности
химико-технологических
процессов
Неопред Многоме
е- рность
ленности
3
Плохая наб-
Нелинейность
людаемость
Зачем нужна система
мониторинга ?
Неопред Многоме
е- рность
ленности
Технологический
Большие процесс получения Отсутствие
возмущени наноматериалов матмоделе
я й
Из ние
а
м ер НелинейностьПлохая наб- ров
ен
ие людаемость ули
г
Мо Ре с ти
к
н ит о АСУ ТП г но
ри Д иа
нг
Вед а ита
про ение АСОД
це с За щ
са У
ЗОНА ОТВЕТСТВЕННОСТИ
СИСТЕМЫ МОНИТОРИНГА И
ДИАГНОСТИКИ
РАБОЧИЙ ДИАПАЗОН СИСТЕМЫ
АВАРИЙНАЯ АВАРИЙНА
ЗАЩИТА ЭКСПЛУА- ЭКСПЛУА- Я ЗАЩИТА
ТАЦИОННАЯ РЕГЛАМЕНТНЫЙ ТАЦИОННАЯ
ЗОНА ДИАПАЗОН ЗОНА
АП ЭП ЭП АП
Qmin (s1=1) Q0 (s1=0) Q0 (s2=0) Qmax (s2=1) Q
При изменении диагностического параметра Q в рабочем диапазоне от
нижнего предельного значения рабочего диапазона Qmin до верхнего
Qmax формируется два показателя, изменяющихся в диапазоне: s =[0,1]
7 1, если Q Qmin 1, если Q Qmax
Q Qmin Q Q0
s1 , если Q [Qmin, Q0 ] s2 , если Q [Q0 , Qmax ]
Q0 Qmin Qmax Q0
0, если Q Q0 0, если Q Q0
ДИАГРАММА ОСНОВНЫХ
ФУНКЦИЙ И ИНФОРМАЦИОННЫХ
СВЯЗЕЙ СИСТЕМЫ
СУЖЕНИЕ ОБЛАСТИ ПОИСКА ПРИЧИНЫ НАРУШЕНИЯ
ЛОКАЛИЗАЦИЯ ПРИЧИНА
ПРОГНОЗ
ОБНАРУЖЕНИЕ ОПЕРАТОР
РЕКОМЕНДАЦИЯ
9 диагностическими моделями
КЛАССИФИКАЦИЯ
ДИАГНОСТИЧЕСКИХ МОДЕЛЕЙ
Диагностические
модели,
строятся на основе
Количественны Качественны
х соотношений х Использующие
соотношений данные с процесса
Тип ДМ
Наблюдате Абстрактные Экспертные Нейронные
Графы Карты МГК
ли, EKF иерархии системы сети
Характеристика
Раннее обнаружение
Да ? ? Да Да Да Да
и диагноз
Локализация Да Нет Нет Да Да Да Да
Робастность Да Да Да Да Да Да Да
Идентификация
неучтенных ? Да Да Нет ? Да Да
нарушений
Адаптивность Нет Да Да Нет ? Нет Нет
Способность к
Нет Да Да Да Да Нет Нет
объяснению
Объемы вычислений Да ? ? Да Да Да Да
Определение
11
множественных Да Да Да Да Нет Нет Нет
нарушений
ТИПЫ НАРУШЕНИЙ
(НЕШТАТНЫХ СИТУАЦИЙ)
По характеру возникновения выделяют нештатные
ситуации, вызванные:
нарушениями в ходе собственно контролируемого
процесса;
нарушениями (отказами) датчиков и измерительной
аппаратуры;
отказами регулирующей аппаратуры
12
По характеру проявления выделяют:
Внезапные (жесткие) нарушения;
Постепенно развивающиеся (мягкие) нарушения
ЭТАПЫ И МЕТОДЫ ДИАГНОСТИКИ
ОБНАРУЖЕНИЕ g (t ) c ; t 1
ФАКТА НАРУШЕНИЯ
ЛОКАЛИЗАЦИЯ
ДЕКОМПОЗИЦИЯ ОБЪЕКТА
НАРУШЕНИЯ (ВЕРХНИЙ УРОВЕНЬ ДМ)
МГК МОДЕЛЬ
ЭКСПЕРТНАЯ МОДЕЛЬ
НЕЙРОННАЯ МОДЕЛЬ
ТИПОВАЯ СТРУКТУРНАЯ СХЕМА
СИСТЕМЫ МОНИТОРИНГА И
ДИАГНОСТИКИ
Данные с датчиков переменных процесса Результаты лабораторных анализов
ДМ для
мониторинга База данных Основная ДМ
Мониторинг
Контроль статистик (проверка гипотез) - Обнаружение
нарушений
Интерпретатор Редактор
Алгоритм построения диагноза базы знаний
14
Подсистема архивации Интерфейс пользователя
Архивы нештатных ситуаций
Тренды режимных параметров
Оператор
ЧТО ТАКОЕ МОНИТОРИНГ?
Мониторинг - процесс наблюдения и регистрации данных о каком
либо объекте на неразрывно примыкающих друг к другу
интервалах времени, в течение которых значения данных
существенно не изменяются
Далее рассматривается только непрерывный мониторинг,
производимый в реальном времени по выборкам текущих
значений переменных с контролируемого процесса
Мониторинг понимается в статистическом смысле:
достоверность его результатов трактуется с какой-то долей
вероятности. Фактически речь идет о проверке гипотезы
15
Н0 о нормальном состоянии объекта против
альтернативной гипотезы Н1 о наличии на объекте какой-
то нештатной ситуации (нарушения).
ОШИБКИ ПРИ МОНИТОРИНГЕ
X UCL
_
Х
LCL
50 51 52 53 54 55 56 57 Время (Номер выборки)
18
X UCL
_
Х
LCL
50 51 52 53 54 55 56 57 Время (Номер выборки)
23
ГОСТ Р 50779.45-2002
Карты кумулятивных (накопительных) сумм
или CUSUM-карты, предложенные Пейджем в
1954г. обычно используются для обнаружения
малых сдвигов в технологическом процессе.
Обладая эффектом подавления шума, они
могут обнаруживать сдвиги в (0,5-2,0) почти в
два раза быстрее, чем карты Шьюхарта с теми
же объемами выборок, но при наличии больших
сдвигов они работают значительно медленнее.
Карты кумулятивных сумм
Методология
29 многомерного контроля технологических
процессов (MSPC) была впервые разработана Harold Hotelling
в 1947 г.
ПОЧЕМУ МНОГОМЕРНЫЙ
КОНТРОЛЬ?
30
_____________
Albin S. The Power of Multivariate Statistical Process Control. Fortaleza: ICIEOM,2006
ПОЧЕМУ МНОГОМЕРНЫЙ
КОНТРОЛЬ?
Предположим, что состояние процесса определяется двумя
независимыми переменными и установлен уровень
значимости для ошибки 1-го рода равным =0,05.
Суммарная вероятность отсутствия ошибок 1-го рода будет:
(1-0,05)(1-0,05)=0,9 .
Т.е. общая вероятность ошибки 1-го рода будет 0,1 -
практически вдвое больше, чем при контроле одной
переменной и возрастает с ростом числа переменных.
При одновременном
31 контроле всего 9 переменных эта
вероятность возрастет до 0,4, т.е. по крайней мере, одна из
переменных будет сообщать о нарушении более чем в трети
выборок.
ИДЕЯ МНОГОМЕРНОГО
МОНИТОРИНГА ТП (MSPC)
При вычислении
Статистика статистикиопределяет
T2k фактически Хотеллинга в (*) требуется
расстояние
обращение корреляционной
по координате матрицы
k от данного вектора S. Эта массива
до центра матрица, как
правило,
данных,плохо обусловлена.
по которым строиласьПоэтому при которое
модель МГК, мониторинге
не с
МГК
должновместо выражения
превышать (*) используется
в норме пороговое значение Сстатистика,
2 Т:
q tk
включающая проекции2 ti исходного вектора х на главные
компоненты (РС), аT вместо
k 1ковариационной
2
sk
CT матрицы S –
диагональная ковариационная
где s2k –дисперсия tk; матрица проекций вектора на
РС МГК-модели: 2 (n 1)qT 1 T
38 СTTk t k (Tq F
Tq()q, (tnk q)
nq
где k индекс
F(q,(n-q)) РС.
- распределение Фишера с q, (n-q) степенями
свободы
ОБНАРУЖЕНИЕ НАРУШЕНИЯ
СТАТИСТИКОЙ Q
Если возникает новая ситуация, которой не было в
исходной модели МГК, ее вектор попадает в
подпространство
Условие обнаружения невязок и обнаруживается
нарушения статистикой с помощью
Q: Q-
статистики (стандартной ошибкой предсказания – SPE).
Q > CQ = gh,2
Статистика Q характеризует расстояние от рабочей точки
где g=b/2a
процесса - весовой параметр;
до гиперплоскости РС: h=2a2/b - число степеней
свободы; a и Tb - оцененные среднее и дисперсия
ˆ ) (x xˆ ) j 1 ( x j xˆ j ) 2
T p
Q e e ( x x
статистики Q соответственно; - уровень значимости.
T
где e ( I P q q ) x - невязки выборки х, j –
P
39
индекс переменной в выборке.
ГЕОМЕТРИЧЕСКАЯ
ИНТЕРПРЕТАЦИЯ
ОПРЕДЕЛЯЮЩАЯ ОПРЕДЕЛЯЮЩАЯ
Q-СТАТИСТКА Т2 -СТАТИСТКА
ОБНАРУЖЕНИЕ ОБНАРУЖЕНИЕ
НАРУШЕНИЯ НАРУШЕНИЯ
Иллюстрация
40 к МГК-модели (Lp – пространство PC;
Lr – пространство невязок.
1000 t, мин 850
ПОСЛЕДОВАТЕЛЬНОСТЬ
ПРОВЕДЕНИЯ МОНИТОРИНГА
Процедура мониторинга в случае применения МГК
будет иметь следующий вид:
1 шаг. Формирование начальной матрицы данных
3 шаг
Х0k (k=0) из (собственно мониторинг).
N строк (измерений) Получение
и р столбцов нового
(значений
вектора наблюдений
переменных) хk+1, егоусловиях
при нормальных центрирование
работынапроцесса.
значение
среднего, нормирование
Нормирование матрицына СКО.на нулевое среднее и
Вычисление
единичную дисперсию. статистик Q и Т 2
и сравнение их с
пороговыми значениями,
2 шаг. Формирование вычисленными
МГК-модели на шаге2.
вычислением
Повторение
нагрузок Рik и счетовпроцедуры шага числа
Тik и определение 3 до компонент
обнаружения
q,нарушения.
учитываемых
41 моделью (например, по доле дисперсии
исходных данных, объясняемых этими q компонентами,
учитываемыми в модели). Вычисление пороговых
значений СQ и СТ для статистик Q и Т2.
Мониторинг нестационарного
технологического процесса с
использованием метода главных
компонент
нормальная
работа
наличие
нарушения
44 60
,% - относительный 40
вклад переменных в
20
Q-статистику
0 20 40 60 80 n
ПРОДОЛЖЕНИЕ СЛЕДУЕТ
45