用于诊断消息方法和系统与流程

1.本发明涉及一种用于诊断在技术设施运行期间产生的消息的方法，其中，在设施内运行的技术过程借助于过程控制系统来控制。本发明还涉及一种具有配属的计算机程序的用于诊断过程控制系统的消息的相应的系统。


背景技术：

2.在制造技术和过程技术的设施中借助于自动化系统控制技术流程。各个生产步骤或方法技术过程的流程可能经受因生产所决定的波动还有通过技术设施内的故障所产生的波动。因此，为了安全运行和满足定性目标需要监控流程。在此，必须将不正常的、故障所引起的偏差与正常的生产波动或过程波动区分开来。这种不正常的、故障所引起的偏差被称为异常。
3.异常的存在原则上是一种二元结论，然其通常与至少一个其他值相结合，即例如量化偏离正常值程度的值。
4.但是，如果存在异常，则有关它的标量知识不足以理解该异常并规划下一步骤。重要的是提供征兆。征兆是偏离正常状态的指标或迹象。在2017年5月的vdi/vde指南2651第1页“plant asset management(pam)in der prozessindustrie”中，第19页解释了术语“征兆”：因此，征兆通过与参考变量进行比较而从特征(＝特征性的变量，即例如压力、温度或料位)推导出来。因此，例如，仅特征“马达的绕组温度”并不是征兆，因为绝对值并不说明可能的过载。只有与最大允许值或参考值(例如标称值)进行比较，才提供关于偏差的结论。因此，能够例如通过与目标值、极限值、标称值或经验值的比较、通过趋势监控或与模型进行比较来推导出征兆。
5.随后的诊断或原因求出将征兆评估为监控的结果。求出触发征兆的影响势力或过程变量。
6.由自动化系统产生的过程消息使过程设施中的操作员注意到故障引起的与正常运行的偏差。除了用户的操作干预(操作消息)之外，过程消息尤其表征：离开单个过程变量的正常范围(警告)，达到临界值(警报)以及自动化系统的诊断信息(系统消息)。尤其警报消息由于其关键性而需要技术设施的操作员立即、至少及时的处理，以防止质量损失、生产失效、设施失效，以及在最坏的情况下防止参与人员的事故。
7.因此，方法技术设施中的警报为最重要的辅助措施之一，以便通过操作员监控过程并且识别与正常运行的偏差。警报通常实施为测量的或推导的(从其他测量的变量中计算的)变量的固定的或可变的极限值。如果违背极限值，则借助于警报通知操作员。
8.然而，在许多情况下，仅警报信息不足以详细了解变量与其目标值的偏差，或者警报的出现更不足以了解变量与其正常值偏差的原因。更糟糕的是，一个错误情况通常触发多个警报，这使得很难及时鉴别出正确的反应。甚至在最坏的情况下，操作员的错误干预会加重变量与其正常值的偏差并且造成灾难。
9.出于所述原因，操作员必须首先分析：触发过程消息的原因，以便能够采取合适的
措施。为了寻找原因，操作员必须分析各种测量变量、时间曲线和kpi。但是，这因消息和原因而异，使得总是无法将相关情况事先与警报相关联。在操作员站上导航到不同概览视图中的各种值需要时间，并且也会造成部件或信号的混淆。然而，根据问题，详细分析是困难的，尤其在链接的子过程之间的工程相关性增加的情况下。因此，尤其期望能够将各个信号和/或过程变量确定为触发消息的原因。


技术实现要素：

10.因此，本发明的目的是，提出一种用于诊断技术设施的过程控制系统的过程消息的方法和一种相应的适合的系统，其特征在于改进在出现消息的情况下的原因分析。基于此，本发明所基于的目的是提出一种适合的计算机程序。
11.该目的通过独立权利要求1和10的特征实现。此外，目的通过根据权利要求19的计算机程序和根据权利要求20的计算机程序产品来实现。
12.本发明的能够单独使用或彼此组合使用的设计方案是从属权利要求的主题。
13.本发明提出一种用于诊断在技术设施运行期间在过程控制系统中产生的消息的改进的方法。根据本发明，该方法使用自组织图来确定诊断说明，根据所述自组织图能够映射进而确定设施运行的正常行为。能够通过纯数据驱动的方式求出确定的时间间隔的相应的所观察的数据集的与设施正常运行偏差的行为，而有利地更精确且可靠地确定导致触发消息进而导致设施运行行为偏差的原因。
[0014]“自组织图”、kohonen图或kohonen网络(根据teuvo kohonen；英文：self-organizing map，som或self-organizing feature map，soem)在现有技术中是充分已知的。根据2020年2月20日的维基百科，自组织图是一种人工神经网络。其作为一种无监督学习方法是一种强大的数据挖掘工具。其工作原理基于生物学知识，即脑中的大量结构具有线性或平面的拓扑。来自弗劳恩霍夫研究所iosb的christian w.frey的文章“monitoring of complex industrial processes based on self-organising maps and watershed transformations”(其可于2016年3月11在互联网中在网址www.iosb.fraunhofer.de/servlet/is/22544/paper_icit2012_frey.pdf？command＝downloadcontent&filename＝paper_icit2012_frey.pdf得到)中已知一种用于监控复杂工业过程的诊断方法，其中，根据过程变量、即根据测量变量的检测到的值和控制变量的输出给过程的值针对过程的无错误行为来训练自组织图。按照根据上述方法预定的自组织图，将随后的运行行为与训练过的无错的行为进行比较。以这种方式，识别到偏差行为，然后对偏差行为分析过程运行中的可能的错误和原因。
[0015]
从ep3279756b1还已知用于监控技术设施运行的诊断装置和方法，其中，通过使用一个或多个自组织图在梯级链控制中获得可靠的诊断说明。
[0016]
在使用自组织图之前，必须先用所谓的良好数据对所述自组织图进行训练。在自动学习过程中，对于自组织图的每个节点，在数据存储器中存储多个表征设施的无错误运行的数据集，并且对于图的节点，根据该数据集通过学习方法计算并且在该节点存储n元组，该n元组具有无错误运行的过程变量的值，即与节点相关联地存储。以该方式预定的图能够直接被用于进一步分析。为了训练自组织图，使用正常的、无错运行的过程变量的值作为训练数据。在训练中，自组织图在每个节点处存储正常运行的过程变量的典型值作为良
好值。例如，在训练方法开始时，例如能够使用大小为8
×
12节点的图。显然，也能够使用其他大小。在训练后，能够使用训练数据检查图大小。因此，新型诊断有利地几乎不要求操作者了解要监控的设施并且能够在实践中通用地使用。如果在诊断运行中过程变量的值与在之前训练的自组织图的节点处存储的良好值偏差过大，则这在监控的设施中出现错误的指示。仅对于随后分析错误原因才可能需要更详细地了解关于分别在被监控的设施上运行的过程。
[0017]
本发明利用其进行消息诊断：
[0018]
在其最简单的实施变体方案中，在第一步骤中，对出现消息的当前时间间隔的过程变量的数据集检查如下：数据集处于som的哪个区域中，即与通过som的节点表征的正常运行相比当前数据集处于哪里。这通过确定当前时间间隔的数据集与自组织图的所有节点的数据集之间的最小间距来进行。
[0019]
在此，能够任意选择数学间距度量。因此，例如，能够将笛卡尔间距或曼哈顿间距用于两点之间的间距。
[0020]
现在，将从计算得出的节点选定作为用于随后征兆确定的参考。参考节点通常也被称为获胜神经元或胜利节点，因为其会对应于设施的当前的正常运行，即无错运行。通过从当前时间间隔与先前确定的参考节点的数据集做差，确定与当前时间间隔相关的征兆，其中，仅考虑超过预设阈值的过程变量的差值。涉及先前确定的征兆的过程变量被输出。在该实施方案中，根据本发明的方法因此能够实现：确定对于当前设施状态特征性的过程变量，并且在诊断过程消息时支持设施操作员。相同的优点适用于用于诊断技术设施的过程控制系统的消息的相应的系统，其中，该系统包括：至少一个数据存储器，在数据存储器中能够存储具有过程变量的值的表征设施运行的至少一个数据集；和至少一个评估装置，并且评估装置设计用于执行根据更上文描述的实施方式的方法。
[0021]
根据本发明的方法以特别优选的方式适用于连续过程，因为在连续过程中正常运行的确定的工作点反映在自组织图的节点中。
[0022]
术语“系统”能够为硬件系统，例如由服务器、网络和存储单元构成的计算机系统，也能够为软件系统，例如软件架构或更大的软件程序。由硬件和软件构成的混合也是能够考虑的，例如it基础设施，如云结构与其服务。这种基础设施的组成部分通常是服务器、存储器、网络、数据库、软件应用和服务、数据目录和数据管理。尤其虚拟服务器同样属于这种类型的系统。
[0023]
在本发明的另一个实施变体方案中，除了在其中出现消息的当前时间间隔的过程变量的数据集之外，还检查消息在过去出现的频率，由此，在确定征兆时也考虑包含相同消息的历史时间间隔的历史数据集。在这种情况下，通过确定过去时间的数据集与节点的数据集之间的最小间距，在自组织图中鉴别多个获胜节点，获胜节点对应于设施的无错运行。相应地，附加地也通过以下方式确定历史征兆：即还从历史数据间隔与先前确定的获胜节点的数据集作差，其中，仅考虑超过预设阈值的过程变量的差值。涉及先前确定的历史征兆的过程变量被输出。通过考虑具有相同消息的历史时间间隔，与消息、尤其警报关联的过程变量的选择变得更加鲁棒。例如，如果结合消息对于当前时间间隔和对于历史时间间隔在确定征兆之后显示相同的过程变量，则设施操作员能够假设过程变量的相同交互总是导致显示的干扰。
[0024]
在一个特别有利的实施变体方案中，消息诊断的鲁棒性通过如下方式还被进一步提高，即还与其他消息相关地考虑各个消息。在出现消息之后，在该实施变体方案中首先确定消息是否是消息链的一部分并且消息链在过去出现的频率。在该方法的进一步的进程中，对于包含消息链的任意选择的时间间隔使用与在单个消息的情况下相同的方法：即在对于包含消息链的当前和历史时间间隔的数据集确定自组织图的获胜节点之后，确定和评估当前和历史征兆。
[0025]
消息链是通常以确定的顺序或在消息存档中出现重复模式之后出现的消息。消息链通常提供有关运行行为的有价值信息，因为一个事件是另一个事件的结果。然后，在此基础上并基于设施和过程知识，操作员能够做出关于设施的进一步运行的更好的决定。
[0026]
例如，从ep 3 454 154 a1中已知一种用于识别过程消息之间的统计相关性的自动的方法。用于求出消息链的方法被设计成，一次性地分析(例如确定的时间范围内的消息存档的全部消息)给定的数据集，并且为此产生具有结果的封闭的数据集，结果由具有消息链的表格和具有确定的消息之间的相应的转移概率的矩阵构成。
[0027]
消息链的求出例如能够由自身的软件模块负责。在该情况下，特别有利的是，根据本发明的用于诊断消息的系统的评估单元与分析装置连接，分析装置设计用于求出和分析消息链。替代地，为了例如实现简化的数据结构，能够将消息链的求出集成到消息的诊断中。
[0028]
如果征兆在消息链的所有时间点或所考虑的时间间隔中都非常相似，则能够将参与征兆的过程变量的联合集合与当前征兆一起可视化。因此，在更多数量的不同的过程变量作为从当前和历史征兆的求出中的结果的情况下，因此推荐执行征兆的聚类，以实现涉及征兆的过程变量的减少。因此，在本发明的另一有利的设计方案中，执行征兆的聚类，并且然后选择包含例如当前征兆的聚类，并且输出涉及当前征兆的过程变量。在此，能够考虑任意已知的用于聚类的方法。
[0029]
在根据本发明的方法和系统的另一优选的改进形式的范畴中，能够可变地确定所有时间间隔或者根据过程动态来调节时间间隔。这允许诊断应用的用户在评估数据时的任意的灵活性。如果在多个时间单位(例如秒或分钟)上选择时间间隔，则能够有利地显示过程变量的趋势曲线。
[0030]
在消息链的情况下，能够根据鉴别的链选择时间间隔。因此，例如，时间间隔能够始于消息链的开始，即始于第一消息的时间点，并且时间间隔的结束能够以最后消息的时间点结束。但是，根据过程动态，分析的时间段同样能够在消息链出现之前和之后被扩展(例如链开始前10分钟到链结束后5分钟)。
[0031]
在本发明的进一步优选的改进形式中，针对时间间隔的任意选择的时间点来确定征兆。这具有以下优点：在确定征兆时只须计算更少的数据集，进而能够实现更快的确定，即减少计算时间。
[0032]
在另一有利的变体方案中，可变地确定阈值以确定征兆。用于确定征兆的阈值说明：在消息的时间间隔的数据集与获胜节点的数据集之间的差值在某个时间点允许多大。如果阈值选择得相对小，则与消息处于关联的数据集近似于良好数据，即存储在som的节点中的正常运行的数据集。然后，征兆确定或者没有说服力，因为探测到与正常运行的偏差太小。如果选择阈值过大，则在形成征兆时或者考虑过多的过程变量，使得扭曲消息诊断。同
样如训练自组织图的节点那样，能够根据无错运行的数据集自动求出阈值。为此，能够利用数据集求出相应的获胜节点，并且能够确定数据集与所属的获胜节点之间的相应的间距。然后，作为阈值，能够以分别提高例如5至50％、优选15％的安全余量的方式计算并且以该方式预定分别针对数据集得到的、距其获胜节点的间距，以避免错误诊断。
[0033]
在另一有利的实施变体方案中，通过将其他信息与征兆确定组合来细化消息的诊断。有利地，类似的历史事件的测量数据也能够并行显示。如果对于原因和解决方案存储在轮班日志中，则信息会还附加地提高设施操作员的使用。类似事件本身的数据例如允许得出例如过程将如何继续表现的结论。这在诊断消息、例如警报时同样会是非常有用的。
[0034]
在一个实施变体方案中，根据本发明的系统是计算机系统的一部分，该计算机系统在空间上与技术设施的驻地分离。所连接的第二系统于是有利地具有评估单元，所述评估单元能够访问技术设施的部件和/或与其连接的数据存储器，并且所述评估单元设计用于将分析结果可视化并传输至显示单元。以该方式，例如能够实现与云基础设施耦联，这还增加了整体解决方案的灵活性。
[0035]
在技术设施的计算机系统上的本地实施也能够是有利的。因此，例如，过程控制系统的服务器上的实施尤其适合与安全相关的过程。
[0036]
上述目的相应地也通过显示在显示单元上的用户界面(gui，图形用户界面)来实现，用户界面设计用于显示根据本发明的系统的所有变体方案的分析结果。
附图说明
[0037]
下面根据附图并根据实施例更详细地描述和解释本发明。
[0038]
附图示出
[0039]
图1示出技术设施的一个实例，
[0040]
图2示出工艺过程的一个实例。
具体实施方式
[0041]
图1示出作为工艺设施1的实例的简化的示意图，其中，过程2借助于自动化系统或过程控制系统3来控制和/或监控。过程控制系统3包含规划和工程设计工具4、操作和观察设备5和经由总线9彼此连接以进行数据通信的多个自动化设备6、7、8。自动化设备6、7、8根据自动化程序的规定控制方法技术过程2，自动化程序中的一个自动化程序10示例性地在图1中绘出。例如，自动化程序10通常由多个功能模块构成，功能模块能够与分布在自动化系统3中的其他功能模块相互作用。为了控制过程2，使用多种现场设备11、12、13、14用于过程协调。测量变换器用于检测过程变量，即例如温度t、压力p、流速、料位l、介质的密度或气体浓度。通过调整机构能够根据检测到的过程变量、例如根据自动化程序10的预设来相应地影响过程流程。作为调整机构的实例列举调节阀、加热装置或泵。为了监控设施1的运行，检测用于表征设施运行的大量数据集并存储在数据存储器15中。借助于评估装置16进行评估包含特定时间点的过程变量值的数据集，以便确定诊断说明并显示给操作员，因此可能能够采取适当措施以处理错误。
[0042]
在自动化环境中，用于执行根据本发明的方法的评估装置能够有利地设计为软件功能模块，软件功能模块能够在工程设计系统的图形用户界面中与自动化程序的功能模块
链接，并且例如能够加载到自动化设备中。然后，在用于实现自动化技术设施的操作和观察设备5上的人机接口的所谓的面板上显示过程变量的识别到的偏差，该偏差表明设施中的错误。在操作和观察设备的图形用户界面上，如果期望，则能够通过操作员执行对自组织图、阈值或其他参数的变化。
[0043]
以特别有利的方式，根据本发明的、用于监控技术设施、特别是数据存储器和评估装置的运行的诊断系统能够在用于基于云的设施监控的非本地软件环境中实施。来自客户设施的数据借助于软件代理来收集、汇总并发送给服务运营中心，在服务运营中心中，数据存储在远程服务计算机上。在那里，在云环境中，借助不同的“数据分析”软件应用对数据进行半自动评估。在需要时，针对远程服务经过培训的专家能够在该数据库上高效工作。数据分析的结果能够显示在远程服务计算机的监视器上和/或在sharepoint上提供，使得其由最终客户、即技术设施的操作员例如能够在浏览器中查看。
[0044]
根据本发明的方法因此优选地以软件的方式或以软件/硬件的组合的方式来实施，从而本发明还涉及具有可通过计算机执行的程序代码指令的计算机程序，以实施诊断方法。在此上下文中，本发明还涉及一种计算机程序产品，特别是数据载体或存储介质，其具有可通过计算机执行的这种计算机程序。如上所述，这种计算机程序能够预留在或预加载在自动化设备的存储器中，使得在自动化设备运行时自动执行技术设施运行的监控，或者计算机程序能够在技术设施的基于云的监控中预留在或加载在远程服务计算机的存储器中。
[0045]
下面借助图2更详细地描述用于对过程控制系统的消息的根据本发明的诊断的一个实施例。
[0046]
考虑反应器r，在该实施例中在反应器中制造液体混合物，其中，发生放热反应。在此，连续地输送原材料并且导出产品。输送速率用过程变量f_in表示，流出速率用f_out表示。反应器r内的料位l能够在反应期间波动。在反应器r中，混合物以搅拌器转速n搅拌并发生放热反应。因此必须冷却反应器。冷却功率由q_c表示。外部温度t_amb和反应器内部的温度t被连续监控。反应器内混合物的ph值也作为过程变量q_ph被监控。提及的所有物理测量变量都是具有过程变量值的数据集，过程变量借助于相应的传感器和测量变换器被检测并且被存储在数据存储器中。
[0047]
假设安装了相应的系统或软件部件以诊断所考虑的过程，在软件部件中映射自组织图(som)。还假设自组织图利用历史“良好数据”、即用具有表征技术设施无错运行的过程变量的值的训练数据集来训练。som在训练时在每个节点处都存储过程变量的典型值作为良好值，该过程变量表征技术设施的无错误运行。因此，每个节点是n元组，其具有无错运行的n个过程变量的预定值。
[0048]
在该实施例中，现在还假设：例如，在过程控制系统的屏幕上显示警报“反应器中的温度t过高”。对于具有多个过程变量的实际过程，会非常不清楚的是：显示与过程变量相关联的所有测量变量。现在，与根据本发明的方法一致，现在仅显示与一个或多个出现的警报因果关联的那些测量变量。
[0049]
在警报后，还显示警告“料位非常高”和信息“压缩空气压缩机启动”信息。按照根据本发明的方法，现在首先根据链分析识别具有m1＝反应器中的温度t过高”和m2＝“反应器中的料位非常高”的消息链(m1，m2)。因为一旦压缩空气供应低于一定压力就独立于过程
启动压缩空气压缩机，所以这表明：消息“压缩空气压缩机启动”与评估无关。然后求出消息链(m1，m2)在过去出现的频率。在该实施例中假设：消息链在过去一年中出现了27次。如果没有识别出消息链，则仅确定警报的出现频率。对于在其内消息链出现的所有时间间隔，现在发生与历史良好数据的比较。例如，在消息链中，能够将消息链开始的时间点确定为要考虑的时间间隔的开始。通常，时间间隔能够可变地确定，或者根据过程动态来调节。例如，时间间隔能够从消息链开始前10分钟延伸至链结束后5分钟。
[0050]
现在，对于所有时间间隔(在此为当前时间间隔t_akt和27个历史时间间隔dti，其中i＝27)通过以下方式确定i 1个“获胜节点”，例如确定具有i l＝28个时间间隔的过程变量的值的数据集与som的节点处的n元组之间的最小的、在此为笛卡尔间距。选定28个产生的节点kresi。随后，通过以下方式确定当前的和历史征兆，即从时间间隔与之前确定的节点kresi的数据集做差，其中，仅考虑超过预设阈值s_sym的过程变量的差值。如果利用预设的阈值能够清楚地确定征兆，则无需降低阈值。
[0051]
在所考虑的情况下，27个历史数据集的征兆不同，因此执行聚类。这产生两个聚类，这意味着似乎存在两个过程情况，他们在历史上多次出现并且根据其征兆不同：
[0052]
聚类1：
[0053]
δl＝ 5，δt＝ 10，δf_in＝ 2，δf_out＝0，δq_c＝ 3，δn＝0，δq_ph＝0，δt_amb＝0
[0054]
和
[0055]
聚类2：
[0056]
δl＝ 6,δt＝ 11,δf_in＝0,δf_out＝-3，δq_c＝ 3，δn＝0，δq_ph＝0，δt_amb＝0
[0057]
在聚类内，行为分别是相似的，因此，将相应聚类的重点说明为征兆。替代地，也能够选择包含在聚类中的历史情况。
[0058]
在该实例中，当前征兆处于聚类2中。因此，显示料位l、反应器中的温度t、流出速率f_out和冷却功率q_c的过程变量。设施操作员能够从中得出：减少的流出表示反应器中温度过高的原因，从而例如必须手动增加流出。
[0059]
尽管已经通过优选实施例详细说明和描述了本发明，但是本发明不受所公开的示例的限制。本领域的技术人员能够在不脱离由所附权利要求限定的本发明范围的情况下推导出其变体方案。