ES3054983T3 - Analysis method and devices therefor - Google Patents

Analysis method and devices therefor

Info

Publication number
ES3054983T3
ES3054983T3 ES20728915T ES20728915T ES3054983T3 ES 3054983 T3 ES3054983 T3 ES 3054983T3 ES 20728915 T ES20728915 T ES 20728915T ES 20728915 T ES20728915 T ES 20728915T ES 3054983 T3 ES3054983 T3 ES 3054983T3
Authority
ES
Spain
Prior art keywords
failure
plant
situation
failure situation
values
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
ES20728915T
Other languages
English (en)
Inventor
Simon Alt
Tobias Schlotterer
Daniel Voigt
Markus Hummel
Jens Berner
Hauke Bensch
Philipp Oetinger
Stefano Bell
Martin Weickgenannt
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Duerr Systems AG
Original Assignee
Duerr Systems AG
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
Priority claimed from DE102019112099.3A external-priority patent/DE102019112099B3/de
Priority claimed from DE102019206839.1A external-priority patent/DE102019206839A1/de
Application filed by Duerr Systems AG filed Critical Duerr Systems AG
Application granted granted Critical
Publication of ES3054983T3 publication Critical patent/ES3054983T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B16/00—Spray booths
    • B05B16/20—Arrangements for spraying in combination with other operations, e.g. drying; Arrangements enabling a combination of spraying operations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B16/00—Spray booths
    • B05B16/60—Ventilation arrangements specially adapted therefor
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D13/00—Electrophoretic coating characterised by the process
    • C25D13/22—Servicing or operating apparatus or multistep processes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B15/00—Machines or apparatus for drying objects with progressive movement; Machines or apparatus with progressive movement for drying batches of material in compact form
    • F26B15/10—Machines or apparatus for drying objects with progressive movement; Machines or apparatus with progressive movement for drying batches of material in compact form with movement in a path composed of one or more straight lines, e.g. compound, the movement being in alternate horizontal and vertical directions
    • F26B15/12—Machines or apparatus for drying objects with progressive movement; Machines or apparatus with progressive movement for drying batches of material in compact form with movement in a path composed of one or more straight lines, e.g. compound, the movement being in alternate horizontal and vertical directions the lines being all horizontal or slightly inclined
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B21/00—Arrangements for supplying or controlling air or other gases for drying solid materials or objects
    • F26B21/30—Controlling, e.g. regulating, parameters of gas supply
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B25/00—Details of general application not covered by group F26B21/00 or F26B23/00
    • F26B25/009—Alarm systems; Safety systems, e.g. preventing fire and explosions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B3/00—Drying solid materials or objects by processes involving the application of heat
    • F26B3/02—Drying solid materials or objects by processes involving the application of heat by convection, i.e. heat being conveyed from a heat source to the materials or objects to be dried by a gas or vapour, e.g. air
    • F26B3/04—Drying solid materials or objects by processes involving the application of heat by convection, i.e. heat being conveyed from a heat source to the materials or objects to be dried by a gas or vapour, e.g. air the gas or vapour circulating over or surrounding the materials or objects to be dried
    • 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
    • G05B23/0256—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 injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/006—Identification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B2210/00—Drying processes and machines for solid objects characterised by the specific requirements of the drying goods
    • F26B2210/12—Vehicle bodies, e.g. after being painted
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/805—Real-time

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Metallurgy (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Microbiology (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Para proporcionar un método para el análisis de fallos en una planta de procesamiento, por ejemplo una planta de pintura, mediante el cual se puedan analizar situaciones de fallo de forma fácil y fiable, según la invención dicho método comprende lo siguiente: identificar, en particular de forma automática, una situación de fallo en la planta de procesamiento (101); almacenar, en una base de datos de fallos (136), un registro de datos de situación de fallo para cada situación de fallo que se haya identificado; determinar automáticamente una causa de fallo para la situación de fallo, y/o determinar automáticamente valores de proceso relevantes para la situación de fallo, sobre la base del registro de datos de fallo para la respectiva situación de fallo que se haya identificado. (Traducción automática con Google Translate, sin valor legal)

Description

[0001] DESCRIPCIÓN
[0002] Método de análisis y dispositivos correspondientes
[0003] La presente invención se refiere a un método para el análisis de fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0004] La patente de EE. UU. núm. US 2010/083029 A1 da a conocer un algoritmo de autooptimización para la resolución de problemas en tiempo real mediante el uso de datos históricos. Tras recibir las características de síntomas de fallo de un fallo de producto o proceso, el algoritmo consulta los datos de fallo históricos para encontrar síntomas de fallo históricos y acciones correctivas que coincidan con dichas características de síntomas de fallo.
[0005] El documento DE 102006056879 A1 da a conocer un método de protocolización de fallos para una planta de recubrimiento, que comprende los siguientes pasos: adquisición continua de registros de datos de proceso de la planta de recubrimiento, en donde cada registro de datos de proceso se asigna a momentos operativos específicos de la planta de recubrimiento y contiene varios datos de proceso de la planta de recubrimiento; almacenamiento de los registros de datos de proceso adquiridos; detección de un posible estado de fallo en la planta de recubrimiento; y generación de una notificación de fallo al detectarse un estado de fallo de la planta de recubrimiento. Además, el método de protocolización de fallos permite almacenar la notificación de fallo sincronizada temporalmente con los registros de datos almacenados.
[0006] La presente invención se basa en el objetivo de proporcionar un método para el análisis de fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, mediante el cual las situaciones de fallo puedan analizarse de forma sencilla y fiable.
[0007] La patente de EE. UU. núm. US 2009/216393 A1 revela un método para la detección de anomalías basada en datos en el que se monitorizan los parámetros de varios subsistemas, se recopilan datos y se generan variables de monitorización para activar alarmas cuando se excede un umbral y para identificar la causa utilizando un diagrama de contribución.
[0008] Este objetivo se resuelve mediante un método de análisis de fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0009] El método para el análisis de fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, comprende preferiblemente lo siguiente:
[0010] - en particular, la detección automática de una situación de fallo en la planta de ingeniería de procesos; - almacenamiento de un registro de datos de situación de fallo para cada situación de fallo detectada en una base de datos de fallo;
[0011] - determinación automática de una causa de fallo para la situación de fallo y/o determinación automática de los valores de proceso relevantes para la situación de fallo basándose en el registro de datos de fallo de una situación de fallo detectada respectiva.
[0012] En el marco de esta descripción y de las reivindicaciones adjuntas, se entiende por valores de proceso que causan la situación de fallo aquellos valores de proceso que, en particular, causan y/o están relacionados con dicha situación de fallo.
[0013] El término "en particular" se utiliza en esta descripción y en las reivindicaciones adjuntas únicamente para describir posibles características facultativas y/u opcionales.
[0014] Puede resultar ventajoso que la situación de fallo se detecte automáticamente mediante un sistema de aviso. Según la invención, se prevé que, para determinar automáticamente la causa de fallo para la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, uno o más valores de proceso se vinculen automáticamente a la situación de fallo en función de uno o más de los siguientes criterios de vinculación: - una asignación de un valor de proceso a la misma parte de la planta de ingeniería de procesos en la que ocurrió la situación de fallo;
[0015] - un vínculo entre un valor de proceso y una situación de fallo histórica debido a una selección activa por parte de un usuario.
[0016] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que, para determinar automáticamente la causa de fallo para la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, uno o más valores de proceso se vinculan automáticamente a la situación de fallo en función de uno o más de los siguientes criterios de vinculación:
[0017] - una vinculación previa desde un sistema de aviso;
[0018] - una selección activa del valor de proceso por parte de un usuario.
[0019] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que, para determinar automáticamente la causa de fallo para la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, se lleve a cabo automáticamente una priorización automática de los valores de proceso asociados con la situación de fallo basada en uno o más de los siguientes criterios de priorización: - una relevancia de proceso para los valores de proceso;
[0020] - una posición de un valor de proceso o de un sensor que determina el valor de proceso dentro de la planta de ingeniería de procesos;
[0021] - una magnitud de desviación de un valor de proceso con respecto a una ventana de proceso definida y/o con respecto a un estado normal;
[0022] - una priorización de los valores de proceso históricos en situaciones de fallo históricas;
[0023] - adopción de una priorización de la causa del fallo y/o de los valores de proceso a partir de un sistema de aviso;
[0024] - una priorización realizada por un usuario.
[0025] La priorización basada en la relevancia de proceso de los valores de proceso se realiza preferiblemente de forma que se dé mayor prioridad a los valores de proceso críticos para el proceso.
[0026] En el marco de esta descripción y las reivindicaciones adjuntas, se entiende por valor de proceso crítico para el proceso, en particular, un valor de proceso que se almacena como crítico para el proceso en el sistema de aviso y/o que ha sido definido como crítico para el proceso por un usuario.
[0027] La priorización basada en la posición del valor de proceso o de un sensor que determine el valor de proceso dentro de la planta de ingeniería de procesos se lleva a cabo preferiblemente de tal manera que los valores de proceso que se asignan a la misma parte de la planta, a una parte cercana y/o a una comparable, reciban una mayor prioridad.
[0028] En el marco de esta descripción y de las reivindicaciones adjuntas, se entiende por partes de la planta comparables, en particular, aquellas partes de la planta con una estructura similar o idéntica.
[0029] Entre las partes de la planta comparables se incluyen, por ejemplo, plantas de suministro de aire industrial idénticas o similares, módulos de acondicionamiento idénticos o similares de una planta de suministro de aire industrial, o bombas o motores idénticos o similares.
[0030] Una posición del sensor que determina el valor de proceso se identifica preferiblemente en la planta de ingeniería de procesos utilizando una nomenclatura de un sistema de numeración (el llamado "sistema de numeración de la planta").
[0031] Los valores de proceso se identifican preferiblemente de forma unívoca mediante el sistema de numeración. Preferiblemente, los valores de proceso se priorizan según su designación en el sistema de numeración. Para la identificación inequívoca de los sensores y/o valores de proceso, el sistema de numeración incluye preferiblemente la designación de una unidad funcional, la designación de un grupo funcional de la unidad funcional respectiva y/o la designación de un elemento funcional del grupo funcional respectivo al que se asigna el sensor y/o valor de proceso respectivo.
[0032] Además, puede ser ventajoso que la designación inequívoca de un valor de proceso utilizando el sistema de numeración incluya una designación del tipo de variable medida, por ejemplo, una temperatura, un caudal o una presión.
[0033] Por ejemplo, una planta de suministro de aire de una planta de pintura es una unidad funcional, en donde un módulo de acondicionamiento de la planta de suministro de aire es un grupo funcional y en donde una bomba de la planta de suministro de aire es un elemento funcional.
[0034] Preferiblemente, el estado normal de un valor de proceso se determina utilizando un método para la detección de anomalías y/o fallos.
[0035] Una priorización basada en una priorización de valores de procesos históricos en situaciones de fallo históricas se lleva a cabo preferiblemente de forma que los valores de proceso se prioricen de manera análoga a la situación de fallo histórica.
[0036] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que, para determinar automáticamente la causa de fallo para la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, se sugieran otras causas de fallo y/o valores de proceso, realizándose la sugerencia automáticamente con base en uno o más de los siguientes criterios de sugerencia:
[0037] - una relevancia de proceso para los valores de proceso;
[0038] - una posición de un valor de proceso o de un sensor que determina el valor de proceso dentro de la planta de ingeniería de procesos;
[0039] - una magnitud de desviación de un valor de proceso con respecto a una ventana de proceso definida y/o con respecto a un estado normal;
[0040] - una priorización de valores de proceso históricos en situaciones de fallo históricas;
[0041] - dependencias físicas de los valores de proceso.
[0042] Se propone de manera preferentemente preferida un valor de proceso crítico para el proceso.
[0043] Una propuesta basada en una posición del valor de proceso o de un sensor que determine el valor de proceso dentro de la planta de ingeniería de procesos se realiza preferiblemente de tal manera que sea más probable que se propongan valores de proceso que estén asignados a la misma parte de la planta, a una parte cercana y/o a una parte comparable.
[0044] Preferiblemente, los valores de proceso se proponen en función de su designación en el sistema de numeración.
[0045] Una propuesta basada en una priorización de valores de proceso históricos en situaciones de fallo históricas se formula preferiblemente de forma que se propongan preferiblemente los valores de proceso con alta prioridad en la situación de fallo histórica.
[0046] Para determinar una propuesta basada en las dependencias físicas de los valores de proceso, las dependencias físicas están preferiblemente definidas como una regla experta por un usuario.
[0047] Preferiblemente, una priorización de las causas de fallo y/o valores de proceso propuestos puede ser modificada por el usuario.
[0048] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que las situaciones históricas de fallos se determinen a partir de una base de datos de fallo en función de uno o más de los siguientes criterios de similitud:
[0049] - una clasificación de fallo de situaciones de fallo históricas;
[0050] - una situación de fallo histórica en la misma parte o en una parte comparable de la planta;
[0051] - valores de proceso idénticos o similares de la situación de fallo histórica a los valores de proceso de la situación de fallo detectada.
[0052] Se identifican de manera preferentemente preferida las situaciones de fallo históricas con una clasificación de fallo idéntica a la situación de fallo identificada.
[0053] Preferiblemente, un algoritmo de comparación determina la identidad o similitud entre los valores de proceso de la situación de fallo histórica y los valores de proceso de la situación de fallo detectada.
[0054] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que los valores de proceso históricos se determinen a partir de una base de datos de proceso que son idénticos o similares a los valores de proceso de la situación de fallo detectada.
[0055] Preferiblemente, se consulta una base de datos de proceso para determinar los valores de proceso históricos. Puede ser ventajoso determinar la identidad o similitud de los valores de proceso mediante un algoritmo de comparación.
[0056] La determinación de los valores de proceso históricos se realiza preferiblemente de forma automática.
[0057] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que los valores de proceso históricos determinados se marquen como pertenecientes a una situación de fallo histórica.
[0058] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que el registro de datos de situación de fallo para una situación de fallo detectada se almacene en una base de datos de fallo.
[0059] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que cada registro de datos de identificación de fallos incluye uno o más de los siguientes datos de situación de fallo:
[0060] - una clasificación de fallo de la situación de fallo;
[0061] - valores de proceso vinculados a la situación de fallo en función de una vinculación previa de un sistema de aviso;
[0062] - información sobre el momento en que se produjo una situación de fallo respectiva;
[0063] - información sobre la duración de la ocurrencia de una situación de fallo respectiva;
[0064] - información sobre el lugar donde se produjo una situación de fallo respectiva;
[0065] - alarmas;
[0066] - avisos de estado.
[0067] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que el registro de datos de situación de fallo de una situación de fallo respectiva incluya datos de identificación de fallos para la identificación inequívoca de la situación de fallo detectada.
[0068] Los datos de identificación de fallos se utilizan preferiblemente para designar de forma unívoca una situación de fallo.
[0069] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que los datos de documentación y los datos de corrección de fallo se almacenen en el registro de datos de situación de fallo para cada situación de fallo.
[0070] Los datos de documentación incluyen preferiblemente instrucciones de funcionamiento, manuales, diagramas de circuitos, diagramas de procesos y/o hojas de datos de las partes de la planta afectadas por una situación de fallo concreta.
[0071] Los datos de corrección de fallo incluyen preferiblemente información sobre cómo corregir una situación de fallo, en particular instrucciones sobre las acciones a seguir para corregir la situación de fallo.
[0072] En particular, un usuario también puede agregar datos de documentación y datos de corrección de fallo al registro de datos de situación de fallo.
[0073] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que los valores de proceso se almacenen de manera sincronizada en el tiempo con una situación de fallo detectada durante el funcionamiento de la planta de ingeniería de procesos.
[0074] En una configuración del método para el análisis de fallos en una planta de ingeniería de procesos, se prevé que los valores de proceso se acompañan de un sello de tiempo mediante el cual los valores de proceso se pueden asignar de forma unívoca a un punto en el tiempo.
[0075] La presente invención se refiere además a un sistema de análisis de fallos para el análisis de fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, que está diseñado y configurado para llevar a cabo el método según la invención para el análisis de fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0076] La presente invención se refiere además a un sistema de control industrial que incluye un sistema de análisis de fallos según la invención.
[0077] La presente invención se refiere además a un método para predecir desviaciones de proceso en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0078] La presente invención se basa en el objetivo adicional de proporcionar un método para predecir desviaciones de proceso en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, mediante el cual las desviaciones de proceso se pueden predecir de forma sencilla y fiable.
[0079] Este objetivo se resuelve mediante un método para predecir desviaciones de proceso en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0080] El método para predecir desviaciones de proceso en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, comprende preferiblemente lo siguiente:
[0081] - creación automática de un modelo de predicción;
[0082] - predicción de desviaciones de proceso durante el funcionamiento de la planta de ingeniería de procesos utilizando el modelo de predicción.
[0083] Preferiblemente, una desviación de proceso con respecto a los valores de proceso críticos para la producción puede predecirse utilizando el modelo de predicción.
[0084] En una realización del método para predecir desviaciones de proceso, se prevé que el método para predecir desviaciones de proceso se lleve a cabo en una planta de suministro de aire industrial, en una estación de pretratamiento, en una estación de recubrimiento por inmersión catódica y/o en una estación de secado. Las plantas de suministro de aire industrial, las estaciones de pretratamiento y/o las estaciones de recubrimiento por inmersión catódica son plantas de ingeniería de procesos particularmente lentas.
[0085] Por lo tanto, los valores de proceso críticos para la producción de dichas plantas de ingeniería de procesos cambian muy lentamente durante su funcionamiento.
[0086] Debido a la alta inercia de este tipo de plantas de ingeniería de procesos, es preferible predecir con antelación cualquier desviación de proceso durante el funcionamiento de la planta de ingeniería de procesos utilizando el modelo de predicción.
[0087] Idealmente, esto puede resultar en un ahorro de tiempo para la reparación y/o el mantenimiento de dichas plantas de ingeniería de procesos antes de que ocurra una desviación de proceso.
[0088] Una planta de suministro de aire industrial comprende preferiblemente varios módulos de acondicionamiento, por ejemplo, un módulo de precalentamiento, un módulo de refrigeración, un módulo de calentamiento posterior y/o un módulo humidificador.
[0089] Preferiblemente, el modelo de predicción desarrollado es transferible a plantas de ingeniería de procesos similares.
[0090] Por ejemplo, es posible que un modelo de predicción creado para una estación de pretratamiento pueda utilizarse para una estación de recubrimiento por inmersión catódica.
[0091] En una configuración del método para predecir desviaciones de proceso, se prevé que las desviaciones de proceso de los valores de proceso críticos para la producción en la planta de ingeniería de procesos se predigan mediante el modelo de predicción, en particular sobre la base de los cambios en los valores de proceso durante el funcionamiento de la planta de ingeniería de procesos.
[0092] En el marco de esta descripción y de las reivindicaciones adjuntas, se entiende por valores de proceso críticos para la producción en particular aquellos valores de proceso cuya desviación de una ventana de proceso específica conduce a una desviación de calidad, en particular a defectos de calidad.
[0093] Los valores de proceso críticos para la producción de una planta de suministro de aire industrial incluyen, por ejemplo, la temperatura y la humedad relativa del aire acondicionado por la planta de suministro de aire industrial, en particular en la parte de salida de la planta de suministro de aire industrial.
[0094] El aire acondicionado, suministrado mediante una planta de suministro de aire industrial, se dirige a una planta de pintura, preferiblemente a una cabina de pintura, influyendo así de manera preferiblemente directa en la calidad del tratamiento de las piezas tratadas en la cabina de pintura, en particular las carrocerías de vehículos tratadas en la cabina de pintura.
[0095] Por ejemplo, es posible utilizar el modelo de predicción para predecir desviaciones de proceso con respecto a los valores de proceso críticos para la producción para un horizonte de predicción de al menos aproximadamente 10 minutos, por ejemplo, de al menos aproximadamente 15 minutos, preferiblemente de al menos aproximadamente 20 minutos.
[0096] En una configuración del método para predecir desviaciones de proceso, se prevé que los valores de proceso y/o las variables de estado se almacenen durante el funcionamiento de la planta de ingeniería de procesos durante un periodo determinado para crear automáticamente el modelo de predicción.
[0097] Si la planta de ingeniería de procesos es una planta de suministro de aire industrial, los valores de proceso y/o variables de estado almacenados incluyen preferiblemente lo siguiente:
[0098] - variables objetivo de la planta de suministro de aire industrial, en particular la temperatura y la humedad relativa del aire acondicionado por la planta de suministro de aire industrial, en particular en una parte de salida de la planta de suministro de aire industrial;
[0099] - variables de ajuste, en particular posiciones de válvula de las válvulas de los módulos de calefacción y/o refrigeración de la planta de suministro de aire industrial, frecuencias de rotación de las bombas, en particular la bomba del humidificador, y/o frecuencias de rotación de los ventiladores;
[0100] - variables internas, en particular las temperaturas de suministro y/o retorno en los módulos de calefacción y/o refrigeración de la planta de suministro de aire industrial y/o las condiciones del aire entre los módulos de acondicionamiento;
[0101] - variables de perturbación medidas, en particular la temperatura exterior y/o la humedad relativa del aire exterior en un punto de inyección de la planta de suministro de aire industrial;
[0102] - variables de perturbación no medidas; y/o
[0103] - variables de estado, en particular bomba del humidificador (encendido/apagado), modo manual para bombas (encendido/apagado), válvulas de suministro (abiertas/cerradas), ventilador (encendido/apagado).
[0104] En el marco de esta descripción y las reivindicaciones adjuntas, se entiende por valores de proceso, en particular, señales continuas dependientes del tiempo.
[0105] En el marco de esta descripción y las reivindicaciones adjuntas, se entiende por variables de estado, en particular, eventos discretos dependientes del tiempo.
[0106] En una configuración del método para predecir desviaciones de proceso, se prevé que el periodo predeterminado durante el cual se almacenan los valores de proceso y/o las variables de estado durante el funcionamiento de la planta de ingeniería de procesos se determine en función de uno o más de los siguientes criterios:
[0107] - la planta de ingeniería de procesos se encuentra en estado operativo, particularmente en el caso de una operación de producción, al menos aproximadamente al 60 %, preferiblemente al menos aproximadamente al 80 %, dentro del periodo predeterminado;
[0108] - la planta de ingeniería de procesos se encuentra en un estado de producción al menos aproximadamente al 60 %, preferiblemente al menos aproximadamente al 80 %, dentro del periodo predeterminado;
[0109] - la planta de ingeniería de procesos se opera durante el periodo predeterminado, en particular utilizando todas las estrategias operativas posibles;
[0110] - un número predeterminado de desviaciones de proceso y/o casos de avería dentro del periodo de tiempo especificado.
[0111] Si la planta de ingeniería de procesos es una planta de suministro de aire industrial, preferiblemente se encuentra en estado operativo para una operación de producción si:
[0112] - un ventilador de la planta de suministro de aire industrial está en funcionamiento (la variable de estado del ventilador es "encendido");
[0113] - los módulos de acondicionamiento de la planta de suministro de aire industrial funcionan en modo automático; - al menos una válvula de control está abierta; y/o
[0114] - la bomba del humidificador está en funcionamiento (la variable de estado de la bomba del humidificador es "encendida").
[0115] En el marco de esta descripción y las reivindicaciones adjuntas, se entiende por estado de producción de una planta de ingeniería de procesos, en particular, que las variables objetivo de la planta de ingeniería de procesos se encuentran dentro de una ventana de proceso específica.
[0116] Si la planta de ingeniería de procesos es una planta de suministro de aire industrial, se encuentra en un estado de producción cuando las variables objetivo de la planta de suministro de aire industrial, en particular una temperatura y una humedad relativa del aire acondicionado por la planta de suministro de aire industrial, en particular en una parte de salida de la planta de suministro de aire industrial, se encuentran dentro de una ventana de proceso especificada.
[0117] Una estación de pretratamiento o una estación de recubrimiento por inmersión catódica solo puede funcionar en particular con una única estrategia operativa.
[0118] Una planta de suministro de aire industrial puede funcionar en particular con diversas estrategias operativas, dependiendo en particular de las condiciones ambientales.
[0119] Una planta de suministro de aire industrial puede funcionar, por ejemplo, con las siguientes estrategias operativas: calefacción-humidificación, refrigeración-calefacción, refrigeración-humidificación, refrigeración, calefacción, humidificación.
[0120] Si la planta de ingeniería de procesos es una planta de suministro de aire industrial, es particularmente concebible que los valores de proceso y/o las variables de estado se almacenen para la creación automática del modelo de predicción durante un periodo de, por ejemplo, al menos aproximadamente 6 meses, en particular durante un periodo de al menos aproximadamente 9 meses, preferiblemente durante un periodo de al menos aproximadamente 12 meses.
[0121] Si la planta de ingeniería de procesos es una estación de pretratamiento o una estación de recubrimiento por inmersión catódica, es particularmente concebible que los valores de proceso y/o las variables de estado se almacenen para la creación automática del modelo de predicción durante un periodo de, por ejemplo, al menos aproximadamente 2 semanas, en particular durante un periodo de al menos aproximadamente 4 semanas, preferiblemente durante un periodo de al menos aproximadamente 6 semanas.
[0122] Por ejemplo, es concebible que se produzcan al menos aproximadamente 30, preferiblemente al menos aproximadamente 50, desviaciones de proceso y/o casos de avería dentro del periodo dado.
[0123] En particular, también es posible que el periodo predeterminado durante el cual se almacenan los valores de proceso y/o las variables de estado durante el funcionamiento de la planta de ingeniería de procesos comprenda varios subperiodos no contiguos.
[0124] Si el periodo durante el cual se almacenan los valores de proceso y/o las variables de estado durante el funcionamiento de la planta de ingeniería de procesos comprende varios subperiodos no contiguos, preferiblemente cada uno de los subperiodos exhibe uno o más de los siguientes criterios:
[0125] - una duración mínima del subperiodo, por ejemplo, al menos aproximadamente 30 minutos;
[0126] - un funcionamiento de la planta de ingeniería de procesos en un estado de producción y/o estacionario al comienzo del subperiodo;
[0127] - un funcionamiento de la planta de ingeniería de procesos en un estado estacionario al final de un subperiodo.
[0128] En una configuración del método para predecir desviaciones de proceso, se prevé que se lleve a cabo un procedimiento de aprendizaje automático para crear el modelo de predicción, mediante el cual se utilizan los valores de proceso y/o las variables de estado almacenadas durante el periodo predeterminado para crear el modelo de predicción.
[0129] Los procedimientos de aprendizaje automático utilizados para crear automáticamente el modelo de predicción incluyen preferiblemente uno o más de los siguientes: aumento de gradiente, bosque aleatorio, máquina de vectores de soporte.
[0130] En una configuración del método para predecir desviaciones de proceso, se prevé que el procedimiento de aprendizaje automático se lleve a cabo sobre la base de características que se extraen de los valores de proceso y/o variables de estado almacenadas durante el periodo predeterminado.
[0131] En una configuración del método para predecir desviaciones de proceso, se prevé que se utilice uno o más de los siguientes para extraer las características:
[0132] - indicadores estadísticos;
[0133] - coeficientes de un análisis de componentes principales;
[0134] - coeficientes de regresión lineal;
[0135] - frecuencias y/o amplitudes dominantes del espectro de Fourier.
[0136] Los indicadores estadísticos incluyen, por ejemplo, un mínimo, un máximo, una mediana, una media y/o una desviación estándar.
[0137] En una configuración del método para predecir desviaciones de proceso, se prevé que se utilice un número seleccionado de registros de datos de predicción con desviación de proceso y un número seleccionado de registros de datos de predicción sin desviación de proceso para entrenar el modelo de predicción.
[0138] En particular, es concebible que el número seleccionado de registros de datos de predicción con desviación de proceso corresponda al menos aproximadamente al número seleccionado de registros de datos de predicción sin desviación de proceso.
[0139] En particular, es concebible que el número seleccionado de registros de datos de predicción con desviación de proceso y el número seleccionado de registros de datos de predicción sin desviación de proceso sean idénticos. En una configuración del método para predecir desviaciones de proceso, se prevé que la selección del número de registros de datos de predicción con desviación de proceso se base en uno o más de los siguientes criterios: - un intervalo de tiempo mínimo entre dos registros de datos de predicción con desviación de proceso;
[0140] - una selección automática basada en reglas definidas;
[0141] - una selección realizada por un usuario.
[0142] Por ejemplo, un intervalo de tiempo mínimo entre dos registros de datos de predicción con desviación de proceso es, por ejemplo, de al menos aproximadamente dos horas.
[0143] En una configuración del método para predecir desviaciones de proceso, se prevé que los registros de datos de predicción con desviación de proceso se marcan como tales si se produce una desviación de proceso dentro de un intervalo de tiempo predeterminado.
[0144] Un intervalo de tiempo predeterminado consta preferiblemente de un lapso de tiempo del registro de datos de predicción y un horizonte de predicción seleccionado.
[0145] Por ejemplo, es posible que el lapso de tiempo del registro de datos de predicción sea de 30 minutos y que el horizonte de predicción elegido sea de 15 minutos.
[0146] Un registro de datos de predicción sin desviación de proceso se marca como tal si no existe ninguna desviación de proceso dentro del intervalo de tiempo predeterminado.
[0147] En una configuración del método para predecir desviaciones de proceso, se prevé que los valores de proceso y/o las variables de estado almacenadas durante el periodo predeterminado se resuman en registros de datos de predicción a través del preprocesamiento.
[0148] En una configuración del método para predecir desviaciones de proceso, el preprocesamiento incluye lo siguiente:
[0149] - regularización de los valores de proceso almacenados durante el periodo predeterminado;
[0150] - resumen de los valores de proceso y/o variables de estado en registros de datos de predicción dividiendo los valores de proceso y/o variables de estado en ventanas de tiempo con un desplazamiento temporal.
[0151] Preferiblemente, la duración de una ventana de tiempo es mayor que el desplazamiento temporal.
[0152] La duración de una ventana de tiempo es, por ejemplo, de 30 minutos.
[0153] El desplazamiento temporal es, por ejemplo, de 5 minutos.
[0154] Preferiblemente, los registros de datos de predicción sucesivos en el tiempo comprenden valores de proceso y/o variables de estado con una superposición temporal, por ejemplo, de 5 minutos.
[0155] La presente invención se refiere además a un sistema de predicción para predecir desviaciones de proceso en una planta de ingeniería de procesos, que está diseñado y configurado para llevar a cabo el método según la invención para predecir desviaciones de proceso en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0156] La presente invención se refiere además a un sistema de control industrial que incluye un sistema de predicción según la invención.
[0157] El método según la invención para predecir desviaciones de proceso tiene preferiblemente una o más de las características y/o ventajas descritas en relación con el método según la invención para el análisis de fallos. El método según la invención para el análisis de fallos preferiblemente también tiene una o más de las características y/o ventajas descritas en relación con el método según la invención para predecir desviaciones de proceso.
[0158] La presente invención se refiere además a un método para la detección de anomalías y/o fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0159] La presente invención se basa en el objetivo adicional de proporcionar un método para la detección de anomalías y/o fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, mediante el cual se puedan detectar de forma fácil y fiable anomalías y/o situaciones de fallo.
[0160] Este objetivo se resuelve mediante un método para la detección de anomalías y/o fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura.
[0161] El método para la detección de anomalías y/o fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura, comprende preferiblemente lo siguiente:
[0162] - creación automática de un modelo de anomalías y/o fallos de la planta de ingeniería de procesos, que incluye información sobre la probabilidad de aparición de valores de proceso;
[0163] - lectura automática de los valores de proceso de la planta de ingeniería de procesos durante su funcionamiento;
[0164] - detección automática de una anomalía y/o una situación de fallo mediante la determinación de una probabilidad de aparición utilizando el modelo de anomalías y/o fallos basado en los valores de proceso leídos de la planta de ingeniería de procesos y verificando la probabilidad de aparición con respecto a un umbral. Preferiblemente, el método para la detección de anomalías y/o fallos puede utilizarse para identificar situaciones de fallo, es decir, defectos y/o averías de componentes, sensores y/o actuadores.
[0165] Preferiblemente, el método para la detección de anomalías y/o fallos en una planta de ingeniería de procesos puede utilizarse para determinar automáticamente un estado normal de la planta de ingeniería de procesos. El modelo de anomalías y/o fallos se puede utilizar para describir, en particular, relaciones estáticas y/o dinámicas en la planta de ingeniería de procesos.
[0166] En el marco de esta descripción y las reivindicaciones adjuntas, se entiende por anomalía, en particular, una desviación de un valor de proceso con respecto a un estado normal.
[0167] El modelo de anomalías y/o fallos incluye preferiblemente un gráfico estructural.
[0168] El gráfico estructural incluye en particular varias camarillas, en donde las relaciones entre los nodos de una camarilla respectiva se describen preferiblemente mediante una función de densidad de probabilidad.
[0169] Utilizando una camarilla del gráfico estructural, se describen preferiblemente las relaciones para los sensores y/o actuadores de la planta de ingeniería de procesos.
[0170] Preferiblemente, se detecta una anomalía cuando se queda por debajo de un umbral para la probabilidad de aparición de un valor de proceso en una camarilla de un gráfico estructural del modelo de anomalías y/o fallos. Puede resultar ventajoso que una anomalía detectada se muestre gráficamente al usuario junto con las variables de proceso anómalas.
[0171] En una configuración del método para la detección de anomalías y/o fallos, se prevé que
[0172] - el modelo de anomalías y/o fallos incluya datos estructurales que contienen información sobre una estructura de proceso en la planta de ingeniería de procesos, y/o que
[0173] - el modelo de anomalías y/o fallos incluya datos de parametrización, que contienen información sobre las relaciones entre los valores de proceso de la planta de ingeniería de procesos.
[0174] Los datos estructurales incluyen, en particular, información sobre las relaciones entre sensores y/o actuadores en la planta de ingeniería de procesos.
[0175] Los datos de parametrización incluyen, en particular, información sobre la probabilidad de aparición de los valores de proceso.
[0176] En particular, se utilizan datos estructurales y/o datos de parametrización para crear el modelo de anomalías y/o fallos.
[0177] En una configuración del método para la detección de anomalías y/o fallos, se prevé que se lleven a cabo uno o más de los siguientes pasos para crear el modelo de anomalías y/o fallos:
[0178] - identificación estructural para determinar la estructura de proceso de la planta de ingeniería de procesos; - determinación de relaciones causales en la estructura de proceso identificada de la planta de ingeniería de procesos;
[0179] - parametrización estructural de las relaciones en la estructura de proceso determinada de la planta de ingeniería de procesos.
[0180] El modelo de anomalías y/o fallos incluye preferiblemente información estructural, información de relaciones causales y/o información de parametrización estructural.
[0181] Preferiblemente, la parametrización estructural puede facilitarse mediante la identificación estructural.
[0182] En particular, la identificación estructural permite reducir el esfuerzo de parametrización y, por lo tanto, en particular, el esfuerzo computacional para la parametrización estructural.
[0183] En una configuración del método para la detección de anomalías y/o fallos, se prevé que, durante la identificación estructural para determinar la estructura de proceso de la planta de ingeniería de procesos, se determine un gráfico estructural que, en particular, representa las relaciones en la planta de ingeniería de procesos.
[0184] El gráfico estructural incluye preferiblemente varios nodos y varias aristas que conectan los nodos por pares. El gráfico estructural incluye preferiblemente varias camarillas.
[0185] Puede resultar ventajoso identificar relaciones en el gráfico estructural determinado utilizando la identificación estructural.
[0186] En una configuración del método para la detección de anomalías y/o fallos, se prevé que la determinación del gráfico estructural se lleve a cabo utilizando uno o más de los siguientes:
[0187] - un procedimiento de aprendizaje automático;
[0188] - conocimiento experto;
[0189] - diagramas de circuitos y/o diagramas de procesos conocidos;
[0190] - designaciones en un sistema de numeración de la planta de ingeniería de procesos.
[0191] Puede ser ventajoso utilizar una nomenclatura de un sistema de numeración (el llamado "sistema de numeración de planta") en la planta de ingeniería de procesos para la identificación estructural, en particular para determinar el gráfico estructural, por ejemplo, mediante un análisis semántico.
[0192] El sistema de numeración incluye, en particular, información sobre una unidad funcional, por ejemplo, el tipo de planta de una planta de ingeniería de procesos, información sobre un grupo funcional de la unidad funcional respectiva, información sobre un elemento funcional del grupo funcional respectivo y/o información sobre un tipo de datos.
[0193] Preferiblemente, el sistema de numeración comprende varios niveles.
[0194] Por ejemplo, el primer nivel del sistema de numeración incluye información sobre una unidad funcional particular.
[0195] Un segundo nivel del sistema de numeración incluye, por ejemplo, información sobre un grupo funcional particular.
[0196] Un tercer nivel del sistema de numeración incluye, por ejemplo, información sobre un elemento funcional particular.
[0197] Un cuarto nivel del sistema de numeración incluye, por ejemplo, información sobre un tipo de datos particular. Preferiblemente, un registro de datos del sistema de numeración comprende designaciones inequívocas de los elementos funcionales de la planta de ingeniería de procesos.
[0198] Por ejemplo, una designación inequívoca para un elemento funcional incluye información sobre el primer, segundo, tercer y/o cuarto nivel.
[0199] Preferiblemente, el análisis semántico implica extraer información del registro de datos del sistema de numeración, por ejemplo, basándose en designaciones inequívocas de los elementos funcionales de la planta de ingeniería de procesos.
[0200] Preferiblemente, se realizan una o más búsquedas de cadenas en un registro de datos del sistema de numeración durante el análisis semántico.
[0201] En particular, se puede prever que se extraiga información de un registro de datos del sistema de numeración. En la extracción de información, en particular se realiza una primera búsqueda de cadenas en el registro de datos del sistema de numeración, mediante la cual se obtiene un registro de datos extraído.
[0202] La información extraída del registro de datos del sistema de numeración se categoriza preferiblemente para el análisis semántico.
[0203] Por ejemplo, durante la categorización, se realiza una segunda búsqueda de cadenas en el registro de datos extraído, que se obtiene durante la extracción de la información.
[0204] Por ejemplo, es concebible que, en el análisis semántico, en particular en una o más búsquedas de cadenas, sea posible identificar qué variable física se mide con un elemento sensor.
[0205] Ejemplos de variables físicas identificables mediante análisis semántico incluyen: variables termodinámicas (temperatura y/o humedad); variables hidráulicas (presión, volumen y/o nivel de llenado); variables mecánicas (velocidad, par y/o posición de rotación); variables eléctricas (frecuencia, voltaje, corriente y/o potencia eléctrica).
[0206] Además, puede ser ventajoso si se pueden identificar variables de estado durante el análisis semántico, en particular durante una o más búsquedas de cadenas.
[0207] Las variables de estado identificables mediante análisis semántico incluyen, por ejemplo, la siguiente información: información sobre el estado operativo de una bomba humidificadora (encendida/apagada); información sobre un modo manual para bombas (encendido/apagado); información sobre el estado de apertura de una válvula de suministro (abierta/cerrada); información sobre el estado operativo de un ventilador (encendido/apagado).
[0208] La determinación del gráfico estructural utilizando un procedimiento de aprendizaje automático se lleva a cabo preferiblemente utilizando medidas de asociación, que pueden representar relaciones no lineales, por ejemplo, utilizando transinformación ("información mutua").
[0209] En el marco de esta descripción y de las reivindicaciones adjuntas, se entiende por conocimiento experto, por ejemplo, el conocimiento sobre las relaciones entre los sensores en el proceso.
[0210] Preferiblemente, las aristas entre los nodos del gráfico estructural pueden excluirse preconfigurando dicho gráfico estructural con información proveniente de conocimiento experto, diagramas de circuitos conocidos o diagramas de procesos. Esto reduce considerablemente el esfuerzo computacional necesario para determinar el gráfico estructural.
[0211] Los valores de proceso se identifican preferiblemente de forma inequívoca utilizando el sistema de numeración ("sistema de numeración de la planta").
[0212] Por lo tanto, puede ser ventajoso si el gráfico estructural se determina utilizando la designación inequívoca de los valores de proceso.
[0213] En particular, es concebible que el gráfico estructural determinado mediante un procedimiento de aprendizaje automático se verifique en cuanto a su plausibilidad utilizando conocimiento experto, diagramas de circuitos conocidos y/o diagramas de procesos y/o las designaciones en el sistema de numeración de la planta de ingeniería de procesos.
[0214] En una configuración del método para la detección de anomalías y/o fallos, se prevé que la planta de ingeniería de procesos para la identificación estructural, en particular para determinar el gráfico estructural, se estimule con señales de prueba.
[0215] Preferiblemente, las anomalías y/o situaciones de fallo se generan deliberadamente durante la excitación con señales de prueba.
[0216] Se generan señales de prueba, teniendo en cuenta en particular los datos de diseño. En concreto, se pueden definir límites para las señales de prueba en función de los datos de diseño; por ejemplo, al especificar funciones por pasos, se puede definir una amplitud máxima para los pasos de la variable de ajuste.
[0217] En el marco de la presente descripción y de las reivindicaciones adjuntas, por datos de diseño se entiende en particular una o más de la siguiente información:
[0218] - tipo de sensor (sensor de temperatura, sensor de flujo, sensor de posición de válvula, sensor de presión, etc.) y/o tipo de actuador (válvula, ventilador, compuerta, motor eléctrico);
[0219] - rangos de valores admisibles para sensores y/o actuadores;
[0220] - tipo de señal del sensor y/o actuador (flotante, entero).
[0221] En particular, la planta de ingeniería de procesos se excita dinámicamente utilizando las señales de prueba. Las señales de prueba son, en particular, señales mediante las cuales se pueden modificar las variables de ajuste en la planta de ingeniería de procesos. Por ejemplo, las variables de ajuste de válvulas y/o bombas en la planta de ingeniería de procesos se modifican mediante las señales de prueba.
[0222] En una configuración del método para la detección de anomalías y/o fallos, se prevé que la determinación de relaciones causales en la estructura de proceso determinada de la planta de ingeniería de procesos se lleve a cabo utilizando uno o más de los siguientes:
[0223] - señales de entrada del sistema y señales de salida del sistema generadas durante la excitación de la planta de ingeniería de procesos con señales de prueba;
[0224] - conocimiento experto;
[0225] - diagramas de circuitos y/o diagramas de procesos conocidos;
[0226] - designaciones en un sistema de numeración de la planta de ingeniería de procesos.
[0227] Las relaciones causales en la estructura de proceso determinada se derivan, por ejemplo, de las señales de entrada del sistema y señales de salida del sistema de la planta de ingeniería de procesos determinadas durante la excitación de la planta de ingeniería de procesos con señales de prueba, por ejemplo, basándose en la evolución temporal respectiva de las señales de entrada del sistema y señales de salida del sistema. Alternativa o adicionalmente, es concebible que se puedan derivar relaciones causales a partir de las señales de entrada del sistema y señales de salida del sistema determinadas durante la excitación de la planta de ingeniería de procesos con señales de prueba utilizando métodos de inferencia causal.
[0228] En el marco de esta descripción y las reivindicaciones adjuntas, se entiende por relaciones causales las direcciones particulares de causalidad, es decir, las "direcciones de las flechas", en el gráfico estructural determinado.
[0229] Preferiblemente, los valores de proceso que son causales de una anomalía detectada se pueden encontrar utilizando las relaciones causales determinadas en la estructura de proceso determinada o en el gráfico estructural determinado.
[0230] En una configuración del método para la detección de anomalías y/o fallos, se prevé que se utilice uno o más de los siguientes para la parametrización estructural de las relaciones en la estructura de proceso determinada de la planta de ingeniería de procesos:
[0231] - método para determinar funciones de densidad de probabilidad, en particular modelos de mezcla gaussiana; - relaciones físicas conocidas entre los valores de proceso;
[0232] - mapas de características físicas de los elementos funcionales de la planta de ingeniería de procesos, por ejemplo, mapas de características de las válvulas.
[0233] Preferiblemente, la parametrización estructural se lleva a cabo utilizando métodos para determinar funciones de densidad de probabilidad, en particular utilizando modelos de mezcla gaussiana.
[0234] Puede resultar ventajoso si las relaciones entre dos variables del elemento funcional pueden describirse utilizando mapas de características físicas de los elementos funcionales de la planta de ingeniería de procesos. Utilizando un mapa de características conocido de una válvula se puede describir, por ejemplo, la relación entre la posición de la válvula y el caudal volumétrico.
[0235] En una configuración del método para la detección de anomalías y/o fallos, se prevé que los datos del funcionamiento regular de la planta de ingeniería de procesos y/o los datos obtenidos mediante la excitación de la planta de ingeniería de procesos mediante señales de prueba se utilicen para la parametrización estructural utilizando métodos para determinar funciones de densidad de probabilidad, en particular utilizando modelos de mezcla gaussiana.
[0236] Por ejemplo, para la parametrización estructural, se utilizan variables de ajuste, medición y/o control almacenadas en una base de datos, en particular, con la ayuda de métodos para determinar funciones de densidad de probabilidad.
[0237] Preferiblemente, para la parametrización estructural se utilizan datos del funcionamiento continuo de la planta de ingeniería de procesos mediante métodos para determinar funciones de densidad de probabilidad, que se almacenan durante un periodo de al menos 2 semanas, preferiblemente al menos 4 semanas, por ejemplo, al menos 8 semanas.
[0238] En una configuración del método para la detección de anomalías y/o fallos, se prevé que los datos utilizados para la parametrización estructural mediante métodos para determinar funciones de densidad de probabilidad, en particular mediante modelos de mezcla gaussiana, se preprocesen antes de la parametrización estructural. Durante el preprocesamiento, se excluyen preferiblemente los datos del funcionamiento normal de la planta en función de las alarmas y los bits de estado que describen el estado de la planta de ingeniería de procesos, excluyendo los estados operativos de la planta de ingeniería de procesos que no están listos para la operación o la producción (por ejemplo, parada de la planta, fases de mantenimiento, etc.).
[0239] Además, puede ser ventajoso preprocesar los datos del funcionamiento normal de la planta mediante el filtrado, por ejemplo, utilizando filtros de paso bajo y/o filtros Butterworth.
[0240] Preferiblemente, los datos de funcionamiento regular se interpolan a un tamaño de paso de tiempo uniforme. En una configuración del método para la detección de anomalías y/o fallos, se prevé que al crear el modelo de anomalías y/o fallos se defina un umbral para la probabilidad de aparición de un valor de proceso, en donde se detecta una anomalía si no se alcanza el umbral.
[0241] Preferiblemente, el umbral se establece automáticamente.
[0242] El umbral se determina preferiblemente utilizando un proceso de optimización no lineal, por ejemplo, el método de Nelder-Mead.
[0243] Alternativa o adicionalmente, es posible que el umbral pueda determinarse utilizando cuantiles.
[0244] Los umbrales para la probabilidad de aparición de los valores de proceso preferiblemente pueden optimizarse, por ejemplo, especificando una "tasa de falsos positivos".
[0245] Preferiblemente, los umbrales se ajustan después de la primera creación del modelo de anomalías y/o fallos, particularmente en caso de un número excesivo de alarmas de fallo.
[0246] En una configuración del método para la detección de anomalías y/o fallos, se prevé que el método para la detección de anomalías y/o fallos identifique la causa de fallo de una anomalía detectada y/o una situación de fallo conocida.
[0247] En particular, la causa del fallo se puede identificar utilizando el gráfico estructural del modelo de anomalías y/o fallos.
[0248] Preferiblemente, el gráfico estructural se visualiza para que el usuario pueda identificar la anomalía y/o la situación de fallo y/o identificar la causa del fallo.
[0249] El gráfico estructural permite, en particular, realizar un “análisis de causa raíz”. En particular, se pueden identificar valores de proceso anómalos dentro de la estructura de proceso de la planta de ingeniería de procesos.
[0250] Preferiblemente, una anomalía detectada puede ser marcada por un usuario como una situación de fallo o una alarma de fallo.
[0251] Las situaciones de fallo se almacenan, en particular, en una base de datos de fallo.
[0252] En una configuración del método para la detección de anomalías y/o defectos, se prevé que la planta de ingeniería de procesos incluya o esté formada por una o más de las siguientes estaciones de tratamiento de una planta de pintura:
[0253] - estación de pretratamiento;
[0254] - estación para recubrimiento por inmersión catódica;
[0255] - estaciones de secado;
[0256] - planta de suministro de aire industrial;
[0257] - robot pintor.
[0258] La presente invención se refiere además a un sistema de detección de anomalías y/o fallos para la detección de anomalías y/o fallos, diseñado y configurado para llevar a cabo el método según la invención de detección de anomalías y/o fallos en una planta de ingeniería de procesos, por ejemplo, en una planta de pintura. El sistema de detección de anomalías y/o fallos es, en particular, un sistema de aviso mediante el cual se puede detectar automáticamente una situación de fallo en la planta de ingeniería de procesos.
[0259] La presente invención se refiere además a un sistema de control industrial que incluye un sistema de detección de anomalías y/o fallos según la invención.
[0260] El método según la invención para la detección de anomalías y/o fallos tiene preferiblemente una o más de las características y/o ventajas descritas en relación con el método según la invención para el análisis de fallos y/o el método según la invención para predecir desviaciones de proceso.
[0261] El método según la invención para el análisis de fallos y/o el método según la invención para predecir desviaciones de proceso preferiblemente tienen una o más de las características y/o ventajas descritas en relación con el método según la invención para la detección de anomalías y/o fallos.
[0262] Otras características y/o ventajas de la invención son objeto de la siguiente descripción y de la representación gráfica de ejemplos de realización.
[0263] Los dibujos muestran en la:
[0264] Fig.1 una representación esquemática de una planta de ingeniería de procesos y un sistema de control industrial;
[0265] Fig.2 una representación esquemática de una planta de ingeniería de procesos, en particular una planta de pintura;
[0266] Fig.3 una representación esquemática de una planta de suministro de aire industrial;
[0267] Fig.4 la representación esquemática de la planta de suministro de aire industrial de la Fig. 3 en caso de aparición de una situación de fallo;
[0268] Fig.5 la representación esquemática de la planta de suministro de aire industrial de la Fig. 3 en caso de aparición de otra situación de fallo;
[0269] Fig.6 la representación esquemática de la planta de suministro de aire industrial de la Fig. 3 en caso de aparición de otra situación de fallo;
[0270] Fig.7 otra representación esquemática de una planta de suministro de aire industrial;
[0271] Fig.8 la representación esquemática de la planta de suministro de aire industrial de la Fig. 7 en un estado operativo sin desviación de proceso;
[0272] Fig.9 la representación esquemática de la planta de suministro de aire industrial de la Fig. 7 en un estado operativo con una desviación de proceso debido a condiciones ambientales cambiantes;
[0273] Fig.10 la representación esquemática de la planta de suministro de aire industrial de la Fig. 7 en un estado operativo con una desviación de proceso debido a la activación de un sistema de recuperación de calor; Fig.11 la representación esquemática de la planta de suministro de aire industrial de la Fig. 7 en un estado operativo con una desviación de proceso debido al fallo de una válvula;
[0274] Fig.12 una representación esquemática de los valores de proceso resumidos en registros de datos de predicción;
[0275] Fig.13 una representación esquemática de los registros de datos de predicción de la Fig. 12, que están designados como registros de datos de predicción con desviación de proceso y como registros de datos de predicción sin desviación de proceso;
[0276] Fig.14 una representación esquemática de una estación de pretratamiento;
[0277] Fig.15 una representación esquemática de los pasos del método para crear un modelo de anomalías y/o fallos de la estación de pretratamiento;
[0278] Fig.16 una representación esquemática de un gráfico con una estructura de proceso derivada de la estación de pretratamiento en la Fig.14;
[0279] Fig.17 una camarilla de un gráfico factorial;
[0280] Fig.18 un modelo de relación funcional en la camarilla de la Fig.17; y
[0281] Fig.19 una camarilla correspondiente a la camarilla de la Fig.17, que se amplía en un nodo al asignarle una causa de fallo.
[0282] En todas las figuras, los elementos idénticos o funcionalmente equivalentes se designan con los mismos signos de referencia.
[0283] La Fig. 1 muestra un sistema de control industrial para una planta 101 de ingeniería de procesos, designada en su conjunto por 100.
[0284] La planta 101 de ingeniería de procesos es, por ejemplo, una planta 104 de pintura, que se muestra en particular en la Fig.2.
[0285] Con referencia a las Fig.1 a 6, se explica en particular un método para el análisis de fallos en la planta 101 de ingeniería de procesos, en particular en la planta 102 de pintura.
[0286] Con referencia a las Fig.1, 2 y 7 a 13, se explica en particular un método para predecir desviaciones de proceso en la planta 101 de ingeniería de procesos, en particular en la planta 102 de pintura.
[0287] Con referencia a las Fig.1, 2 y 14 a 19, se explica en particular un método para la detección de anomalías y/o fallos en la planta 101 de ingeniería de procesos, en particular en la planta 102 de pintura.
[0288] La planta 101 de ingeniería de procesos que se muestra en la Fig. 2, en particular la planta 102 de pintura, comprende preferiblemente varias estaciones 104 de tratamiento para el tratamiento de piezas 106 de trabajo, en particular para el tratamiento de carrocerías 108 de vehículo.
[0289] En la forma de realización de la planta 102 de pintura que se muestra en la Fig. 2, las estaciones 104 de tratamiento están particularmente unidas entre sí y, por lo tanto, forman una línea 110 de pintura.
[0290] Para el tratamiento de las piezas 106 de trabajo, en particular para pintar carrocerías 108 de vehículo, las piezas 106 de trabajo pasan preferiblemente por las estaciones 104 de tratamiento una tras otra.
[0291] Por ejemplo, es concebible que una pieza 106 de trabajo pase por estaciones 104 de tratamiento sucesivas en el orden especificado.
[0292] Una pieza 106 de trabajo se pretrata en una estación 112 de pretratamiento y se transporta desde la estación 112 de pretratamiento a una estación para recubrimiento 114 por inmersión catódica.
[0293] Desde la estación de recubrimiento 114 por inmersión catódica, la pieza 106 de trabajo se transporta a una estación 116 de secado posterior a la estación de recubrimiento 114 por inmersión catódica después de que se le haya aplicado un recubrimiento.
[0294] Después de que el recubrimiento aplicado a la pieza 106 de trabajo en la estación de recubrimiento 114 por inmersión catódica se haya secado en la estación 116 de secado, la pieza 106 de trabajo se transporta preferiblemente a una cabina 118 de capa base, en la cual se aplica nuevamente un recubrimiento a la pieza 106 de trabajo.
[0295] Después de que se haya aplicado el recubrimiento en la cabina 118 de capa base, la pieza 106 de trabajo se transporta preferiblemente a una estación 120 de secado de capa base.
[0296] Después de que el recubrimiento aplicado a la pieza 106 de trabajo en la cabina 118 de capa base se haya secado en la estación 120 de secado de capa base, la pieza 106 de trabajo se transporta preferiblemente a una cabina 122 de barnizado, en la cual se aplica un recubrimiento adicional a la pieza 106 de trabajo.
[0297] Después de que se haya aplicado el recubrimiento en la cabina 122 de barnizado, la pieza 106 de trabajo se alimenta preferiblemente a una estación 124 de secado de barnizado.
[0298] Después de que el recubrimiento aplicado a la pieza 106 de trabajo en la cabina 122 de barnizado se haya secado en la estación 124 de secado de barnizado, la pieza 106 de trabajo se alimenta preferiblemente a una estación 126 de control al final del proceso de producción.
[0299] En la estación 126 de control, el control de calidad se lleva a cabo preferiblemente por un inspector de calidad, por ejemplo, mediante una inspección visual.
[0300] La planta 101 de ingeniería de procesos, en particular la planta 102 de pintura, incluye preferiblemente también una planta 128 de suministro de aire industrial para acondicionar el aire, que se suministra, por ejemplo, a la cabina 118 de capa base y/o a la cabina 122 de barnizado.
[0301] La planta 128 de suministro de aire industrial permite preferiblemente el ajuste de una temperatura y/o una humedad relativa del aire suministrado a la cabina 118 de capa base y/o a la cabina 122 de barnizado.
[0302] Mediante el sistema 100 de control industrial, se puede controlar preferiblemente un proceso de producción, en particular un proceso de pintura, en las estaciones 104 de tratamiento de la planta 101 de ingeniería de procesos, en particular la planta 102 de pintura.
[0303] Preferiblemente, el sistema 100 de control industrial también incluye un sistema 130 de control de procesos. El sistema 100 de control industrial que se muestra en la Fig.1 incluye preferiblemente también una base 132 de datos.
[0304] La base 132 de datos del sistema 100 de control industrial comprende preferiblemente una base 134 de datos de proceso y una base 136 de datos de fallo.
[0305] Además, puede ser ventajoso si el sistema 100 de control industrial incluye un sistema 138 de aviso y un sistema 140 de análisis.
[0306] El sistema 100 de control industrial incluye preferiblemente también un sistema 142 de visualización, mediante el cual un usuario puede visualizar información.
[0307] Preferiblemente, el sistema 142 de visualización comprende una o más pantallas en las que se puede mostrar información.
[0308] El sistema 140 de análisis comprende preferiblemente un sistema 144 de análisis de fallos o está formado por este.
[0309] Además, puede ser ventajoso si el sistema 138 de aviso incluye o está formado por un sistema 146 de predicción para predecir las desviaciones de proceso en la planta 101 de ingeniería de procesos.
[0310] Alternativa o adicionalmente, es posible que el sistema 138 de aviso incluya un sistema 148 de detección de anomalías y/o fallos.
[0311] El sistema 144 de análisis de fallos está específicamente diseñado y configurado para llevar a cabo el método de análisis de fallos en la planta 101 de ingeniería de procesos como se explica en las Fig.1 a 6.
[0312] El sistema 146 de predicción está específicamente diseñado y configurado para llevar a cabo el método para predecir las desviaciones de proceso en la planta 101 de ingeniería de procesos como se explica en las Fig.1, 2 y 7 a 13.
[0313] El sistema 148 de detección de anomalías y/o fallos está en particular diseñado para llevar a cabo el método de detección de anomalías y/o fallos en la planta 101 de ingeniería de procesos como se explica en las Fig.1, 2 y 14 a 19.
[0314] La planta 128 de suministro de aire industrial que se muestra en las Fig. 3 a 6 comprende preferiblemente varios módulos 150 de acondicionamiento, por ejemplo, un módulo 154 de precalentamiento, un módulo 156 de refrigeración, un módulo 158 de calentamiento posterior y/o un módulo 160 humidificador.
[0315] Por ejemplo, la planta 128 de suministro de aire industrial de la planta 102 de pintura es una unidad funcional, en donde un módulo 150 de acondicionamiento de la planta 128 de suministro de aire es un grupo funcional y en donde una bomba 152 de circulación de la planta de suministro de aire es un elemento funcional (véanse las Fig.3 a 6).
[0316] Además de las bombas 152 de circulación del módulo de precalentamiento, el módulo 156 de refrigeración y el módulo 158 de calentamiento posterior, la planta 128 de suministro de aire industrial incluye preferiblemente también una bomba 153 humidificadora del módulo 160 humidificador.
[0317] También puede ser ventajoso si la planta 128 de suministro de aire incluye un ventilador 162.
[0318] La planta 128 de suministro de aire incluye preferiblemente también un sistema 164 de recuperación de calor para la recuperación de calor.
[0319] La planta 128 de suministro de aire se puede alimentar preferiblemente con un flujo 165 de aire de su entorno. Un flujo 167 de aire acondicionado mediante la planta 128 de suministro de aire puede suministrarse preferiblemente a la cabina 118 de capa base y/o a la cabina 122 de barnizado.
[0320] La planta de suministro de aire incluye preferiblemente sensores no mostrados en las figuras, mediante los cuales se pueden registrar los valores de proceso.
[0321] Por ejemplo, los siguientes valores de proceso pueden detectarse utilizando los sensores, que preferiblemente se identifican cada uno con un signo de referencia en las Fig.3 a 6:
[0322] - temperatura 166 exterior;
[0323] - humedad 168 exterior;
[0324] - temperatura 170 del aire acondicionado por la planta de suministro de aire industrial;
[0325] - humedad 172 del aire acondicionado por la planta de suministro de aire industrial;
[0326] - flujos 174, 176, 178 volumétricos en los módulos 150 de acondicionamiento;
[0327] - posiciones 180, 182, 184 de válvulas de las válvulas 181, 183, 185 en los módulos 150 de acondicionamiento. Además, puede ser ventajoso si se registra una frecuencia 193 de rotación para la bomba 153 humidificadora y una frecuencia 195 de rotación para el ventilador 194.
[0328] Preferiblemente, los valores 166 a 184 de proceso se almacenan en la base 134 de datos de proceso.
[0329] Además, se puede prever que se registren las siguientes variables de estado, que preferiblemente también se indican mediante un signo de referencia en las Fig.3 a 6:
[0330] - estado 186, 188, 190 de bomba de las bombas 152 de circulación de los módulos 150 de acondicionamiento y estado 192 de bomba de la bomba 153 humidificadora (encendido/apagado);
[0331] - estado 194 de ventilador (encendido/apagado);
[0332] - estado 196, 198, 200 de válvula de los módulos 150 de acondicionamiento (cerrado/abierto);
[0333] - estado 202 del sistema 164 de recuperación de calor (encendido/apagado).
[0334] Preferiblemente, las variables 186 a 202 de estado también se almacenan en la base 134 de datos de proceso. El método para el análisis de fallos en la planta 101 de ingeniería de procesos se explica preferiblemente ahora con referencia a las Fig.3 a 6.
[0335] La planta 128 de suministro de aire industrial conforma, a este respecto, en particular la planta 101 de ingeniería de procesos.
[0336] A continuación, se presentan diversas situaciones de ejemplo que ilustran la funcionalidad del sistema 144 de análisis de fallos.
[0337] Situación ejemplar 1 (véase la Fig.4):
[0338] (Fuga en la válvula)
[0339] Se produce una fuga en la válvula del módulo 154 de precalentamiento. Se mide un caudal 174 volumétrico > 0. El estado 186 de la bomba es "apagada" y el estado 196 de válvula de la válvula de control es "cerrada". La situación de fallo se almacena en el sistema de aviso como lógica (estado 186 de la bomba = "apagada"; caudal 174 volumétrico > 0 y estado 196 de la válvula "cerrada"). Por lo tanto, el sistema de aviso almacena los valores de proceso y estado preferiblemente como una vinculación previa.
[0340] Los pasos para el análisis de fallos cuando se produce un aviso debido a una fuga en la válvula son preferiblemente los siguientes:
[0341] 1) El aviso se muestra al usuario a través del sistema 142 de visualización, por ejemplo, a través de una pantalla del sistema 142 de visualización.
[0342] 2) El usuario desea analizar la situación y abre una ventana de diagnóstico.
[0343] 3) La ventana de diagnóstico muestra al usuario el valor 174 de proceso, que está previnculado al aviso, así como las variables 186 y 196 de estado. El sistema 144 de análisis de fallos recibe preferiblemente esta información directamente del sistema 138 de aviso.
[0344] 4) Preferiblemente no se realiza una priorización de los valores de proceso asociados con la situación de fallo, ya que solo el valor 174 de proceso se asigna a la situación de fallo.
[0345] 5) El usuario guarda la situación de fallo con la vinculación en la base 136 de datos de fallo.
[0346] 6) Si se repite la situación de fallo "fuga de válvula" en la misma válvula o en una similar, preferiblemente se mostrará al usuario la situación de fallo comparable.
[0347] Situación ejemplar 2 (véase la Fig.5):
[0348] (Se supera la temperatura 170 del aire acondicionado por la planta 128 de suministro de aire industrial debido a una temperatura 166 exterior excesivamente alta)
[0349] La temperatura 170 del aire acondicionado por la planta 128 de suministro de aire industrial se ha excedido, porque la temperatura 166 exterior está fuera de una ventana de diseño de la planta 128 de suministro de aire industrial.
[0350] El aviso se genera cuando el aire acondicionado por la planta 128 de suministro de aire industrial abandona una ventana de proceso predefinida de temperatura 170 y es informado por el sistema 138 de aviso al sistema 142 de visualización.
[0351] El aviso está vinculado al valor de temperatura 170 para el aire acondicionado por la planta 128 de suministro de aire industrial. Sin embargo, el aviso no está vinculado a la temperatura 166 exterior.
[0352] Los pasos para el análisis de fallos cuando el aviso se produce debido a un cambio de temperatura son preferiblemente los siguientes:
[0353] 1) El aviso se muestra al usuario a través del sistema 142 de visualización, por ejemplo, a través de una pantalla del sistema 142 de visualización.
[0354] 2) El usuario desea analizar la situación y abre una ventana de diagnóstico.
[0355] 3) La ventana de diagnóstico muestra el valor 170 de proceso, que está asociado con el aviso.
[0356] 4) Preferiblemente no se realiza una priorización de los valores de proceso asociados con la situación de fallo, ya que solo el valor 166 de proceso se asigna a la situación de fallo.
[0357] 5) Además, se recomiendan preferiblemente los siguientes valores de proceso al usuario:
[0358] - humedad 172 del aire acondicionado por la planta de suministro de aire industrial (variable crítica para el proceso, muestra anomalía en el comportamiento);
[0359] - temperatura 166 exterior (muestra anomalía en el comportamiento);
[0360] - humedad 168 exterior (muestra anomalía en el comportamiento).
[0361] 6) El usuario selecciona los valores de proceso sugeridos y los agrega a la situación de fallo.
[0362] 7) El usuario puede determinar directamente la causa de la desviación de temperatura a partir del sistema 140 de análisis, en particular a partir del sistema 144 de análisis de fallos, ya que se le sugieren los valores de proceso relevantes.
[0363] 8) El usuario añade documentación sobre la situación de fallo junto con una sugerencia para la corrección del fallo.
[0364] 9) El usuario guarda la situación de fallo, junto con la vinculación y los documentos, en la base de datos de fallo.
[0365] 10) El sistema 144 de análisis de fallos registra preferiblemente, además de un ID de fallo, una clasificación de fallo (aumento de temperatura), una ubicación de fallo (parte de escape de la planta 128 de suministro de aire industrial), referencias (ID) de las variables 170, 172, 166, 168 de proceso en el orden priorizado y un conjunto de características (por ejemplo, valores medios, mínimo, máximo, dispersión de las variables de proceso durante la ocurrencia de la situación de fallo) así como la duración temporal desde la ocurrencia de la situación de fallo hasta el momento de almacenamiento o el final de la situación de fallo.
[0366] Situación ejemplar 3 (véase la Fig.5):
[0367] (Se supera la temperatura 170 del aire acondicionado por la planta de suministro de aire industrial debido a una temperatura exterior excesivamente alta)
[0368] Se vuelve a superar la temperatura 170 del aire acondicionado por la planta de suministro de aire industrial debido a la temperatura exterior. El patrón de fallo es similar al de la Situación ejemplar 2.
[0369] Los pasos de análisis cuando el aviso se produce debido a un cambio de temperatura son preferiblemente los siguientes:
[0370] 1) El aviso se muestra al usuario a través del sistema 142 de visualización, por ejemplo, a través de una pantalla del sistema 142 de visualización.
[0371] 2) El usuario desea analizar la situación de fallo y abre una ventana de diagnóstico.
[0372] 3) La ventana de diagnóstico muestra al usuario los valores 170, 172, 166, 168 de proceso asociados con el aviso en el orden descrito.
[0373] 4) La lista de procesos y su priorización resultan de una situación de fallo similar. La similitud con la situación de fallo de la Situación ejemplar 2 se determina mediante el sistema 144 de análisis de fallos a través de una comparación métrica de los valores de proceso.
[0374] 5) Al usuario se le muestra una situación de fallo similar.
[0375] 6) El usuario puede utilizar los historiales de valores de proceso en el orden de prioridad que se muestra, así como los documentos de situaciones de fallo similares que se le muestran, para encontrar una solución. 7) El usuario guarda la situación de fallo.
[0376] Situación ejemplar 4 (véase la Fig.6):
[0377] (Avería en un sistema de suministro)
[0378] Se suministra muy poco gas combustible a un quemador en el módulo 154 de precalentamiento. El caudal 174 volumétrico disminuye.
[0379] Para obtener más gas combustible, se abre más la válvula 181 del módulo 154 de precalentamiento y cambia la posición 180 de la válvula.
[0380] La válvula 185 del módulo 158 de calentamiento posterior también se abre para compensar la avería en el módulo 154 de precalentamiento. La posición 184 de la válvula cambia.
[0381] La avería no puede ser compensada debido a la baja temperatura 166 exterior y la temperatura 170 del aire acondicionado por la planta de suministro de aire industrial baja.
[0382] Los pasos de análisis cuando se recibe el aviso debido a la avería en el sistema de suministro son preferiblemente los siguientes:
[0383] 1) El aviso se muestra al usuario a través del sistema 142 de visualización, por ejemplo, a través de una pantalla del sistema 142 de visualización.
[0384] 2) El usuario desea analizar la situación de fallo y abre una ventana de diagnóstico.
[0385] 3) Debido a la priorización en el sistema 138 de aviso, la ventana de diagnóstico muestra al usuario el valor 170 de proceso asociado con el aviso.
[0386] 4) No se realiza ninguna priorización.
[0387] 5) Se proponen los siguientes valores de proceso:
[0388] - humedad 172 del aire acondicionado por la planta de suministro de aire industrial (variable crítica para el proceso, muestra anomalía en el comportamiento);
[0389] - caudal 174 volumétrico, posición 180 de válvula, posición 186 de válvula (dependiendo de la desviación del estado normal).
[0390] 6) Las situaciones de fallo de las situaciones de ejemplo 2 y 3 no se clasifican como similares (comportamiento de señal diferente debido a la gran diferencia métrica en los valores de proceso).
[0391] 7) Los valores de proceso sugeridos pueden añadirse a la situación de fallo y guardarse en la base de datos de fallo.
[0392] El método para predecir desviaciones de proceso en la planta 101 de ingeniería de procesos se explica preferiblemente ahora con referencia a las Fig.7 a 13.
[0393] Si la planta 101 de ingeniería de procesos es una planta 128 de suministro de aire industrial, los valores de proceso y/o las variables de estado almacenados incluyen preferiblemente lo siguiente (véase la Fig.7): - variables 204 objetivo de la planta 128 de suministro de aire industrial, en particular la temperatura 170 y la humedad 172 relativa del aire acondicionado mediante la planta 128 de suministro de aire industrial, en particular en una parte de salida de la planta 128 de suministro de aire industrial;
[0394] - variables 206 de ajuste, en particular posiciones 180, 182, 184 de válvulas de las válvulas de los módulos 154, 156, 158 de calefacción y/o refrigeración de la planta 128 de suministro de aire industrial, frecuencias 193 de rotación de las bombas 152, en particular de la bomba 153 humidificadora, y/o frecuencias 195 de rotación de los ventiladores 162;
[0395] - variables 208 internas, en particular las temperaturas 210 de suministro y/o retorno en los módulos 154, 156, 158 de calefacción y/o refrigeración de la planta 128 de suministro de aire industrial y/o condiciones del aire entre los módulos 150 de acondicionamiento;
[0396] - variables 210 de perturbación medidas, en particular la temperatura 166 exterior y/o la humedad 168 relativa del aire exterior en una parte de entrada de la planta 128 de suministro de aire industrial;
[0397] - variables 212 de perturbación no medidas; y/o
[0398] - variables 214 de estado, en particular bomba 153 humidificadora (encendida/apagada); modo manual para bombas 152, 153 (encendido/apagado); válvulas 181, 183, 185 de suministro, ventilador 162 (encendido/apagado).
[0399] A continuación, se describen diversos estados operativos ejemplares a partir de los cuales se puede observar la funcionalidad del sistema 146 de predicción.
[0400] Estado operativo ejemplar 1:
[0401] (sin desviación)
[0402] La Fig. 8 muestra un primer estado operativo ejemplar de la planta 128 de suministro de aire industrial sin desviación de proceso. Este primer estado operativo ejemplar representa, por lo tanto, preferiblemente un caso positivo.
[0403] La temperatura 166 exterior y la humedad 168 exterior no son constantes. El módulo 154 de precalentamiento y el módulo 160 humidificador están activos.
[0404] Un sistema de control de la planta 128 de suministro de aire industrial mantiene la temperatura 170 y la humedad 172 relativa del aire acondicionado por la planta 128 de suministro de aire industrial a un valor constante.
[0405] Según las variables 214 de estado (ventilador 162 = "encendido" y modo de válvula y bomba = "automático"), la planta 128 de suministro de aire industrial está operativa.
[0406] Debido a la temperatura 170 constante y la humedad 172 relativa del aire acondicionado por la planta 128 de suministro de aire industrial, la planta 128 de suministro de aire industrial también está preferiblemente lista para la producción.
[0407] Estado operativo ejemplar 2:
[0408] (Aumento de la temperatura 166 exterior con disminución de la humedad 168 relativa exterior por encima de los parámetros de diseño; influencia de una variable 210 de perturbación medida sobre la variable 204 objetivo) La Fig. 9 muestra un segundo estado operativo ejemplar de la planta 128 de suministro de aire industrial con un aumento de la temperatura 166 exterior y una disminución de la humedad 168 relativa exterior debido a un cambio en el clima.
[0409] Los valores de proceso muestran el siguiente comportamiento:
[0410] a) El aumento de la temperatura 166 exterior después del cambio de clima está fuera de los parámetros de diseño.
[0411] b) El sistema de control reduce la potencia del módulo 154 de precalentamiento, que hasta ahora estaba activo. c) Dado que la reducción de la potencia de calentamiento es insuficiente, el sistema de control abre la válvula 183 del módulo 156 de refrigeración, aumentando así la potencia de refrigeración.
[0412] d) El sistema de control aumenta la frecuencia 193 de rotación de la bomba 153 humidificadora para compensar la disminución de la humedad 168 exterior.
[0413] e) Dado que la capacidad de refrigeración es insuficiente debido al diseño demasiado pequeño del módulo 156 de refrigeración, existe una desviación en la temperatura 170 del aire acondicionado por la planta 128 de suministro de aire industrial.
[0414] El abandono de la ventana de proceso especificada para la temperatura 170 se retrasa debido a la inercia de la planta 128 de suministro de aire industrial y a la compensación del sistema de control.
[0415] Estado operativo ejemplar 3:
[0416] (Cambio a funcionamiento en invierno con recuperación de calor; influencia de una variable 212 de perturbación no medida sobre la variable 204 objetivo)
[0417] La Fig.10 muestra un tercer estado operativo ejemplar de la planta 128 de suministro de aire industrial cuando se enciende el sistema 164 de recuperación de calor, que calienta el flujo 165 de aire a partir del calor residual en condiciones climáticas frías.
[0418] El sistema 164 de recuperación de calor se activa mediante una válvula manual, por lo que la influencia de la recuperación de calor por parte del sistema 164 de recuperación de calor no es medible (variable 212 de perturbación no medida).
[0419] Los valores de proceso muestran el siguiente comportamiento:
[0420] a) La potencia de calentamiento del sistema 164 de recuperación de calor aumenta; el valor no es medible. b) La válvula 181 del módulo 154 de precalentamiento se cierra debido al aumento de la potencia de calentamiento.
[0421] c) En el módulo 156 de refrigeración, la válvula 183 se abre para mantener la temperatura proporcionando potencia de refrigeración adicional.
[0422] d) La frecuencia 193 de rotación de la bomba 153 humidificadora es ajustada por el sistema de control para que se mantenga la humedad 172 del aire del aire acondicionado mediante la planta 128 de suministro de aire industrial.
[0423] e) Se produce una desviación de temperatura 170 en el aire acondicionado por la planta 128 de suministro de aire industrial debido a que el módulo 156 de refrigeración no puede compensar la entrada de calor con la suficiente rapidez. Esta desviación se retrasa debido a la inercia de la planta 128 de suministro de aire industrial y a la compensación del sistema de control.
[0424] Estado operativo ejemplar 4:
[0425] (Fallo de la válvula 181 del módulo 154 de precalentamiento)
[0426] La Fig.11 muestra un cuarto estado operativo ejemplar de la planta 128 de suministro de aire industrial con un fallo de la válvula 181 del módulo 154 de precalentamiento.
[0427] Los valores de proceso muestran el siguiente comportamiento:
[0428] a) La válvula 181 del módulo 154 de precalentamiento se cierra debido a un fallo del dispositivo, reduciendo así la potencia de calentamiento.
[0429] b) La válvula 185 del módulo 158 de calentamiento posterior se abre para compensar la potencia de calentamiento faltante.
[0430] c) Dado que la capacidad de calentamiento del módulo 158 de calentamiento posterior es insuficiente, existe una desviación en la temperatura 170 del aire acondicionado mediante la planta 128 de suministro de aire industrial.
[0431] El método para predecir las desviaciones de proceso en la planta 101 de ingeniería de procesos, en particular en la planta de suministro de aire industrial, se explica a continuación con respecto a los estados operativos 1 a 4 descritos anteriormente.
[0432] Preferiblemente, los estados operativos 2 a 4 con desviación de proceso durante el funcionamiento de la planta 128 de suministro de aire industrial se pueden predecir utilizando el método para predecir desviaciones de proceso con un horizonte 216 de predicción de, por ejemplo, aproximadamente 15 minutos.
[0433] La base de datos para entrenar un modelo de predicción es un lapso de tiempo en el que la planta 128 de suministro de aire industrial está en caso de normalidad (>80 %) en un estado operativo listo (véase el estado operativo ejemplar 1).
[0434] Los datos registrados contienen ejemplos de estados operativos 2 a 4, preferiblemente varias veces en cada caso. Estos pueden haber ocurrido durante el funcionamiento normal o, alternativamente, pueden haber sido inducidos intencionalmente, por ejemplo, cerrando una válvula 181, 183, 185.
[0435] Preferiblemente, los datos posteriormente se preprocesan y regularizan, como se puede ver, por ejemplo, en la Fig. 12. Allí, se muestran como ejemplos la posición 180 de válvula de la válvula 181 del módulo 154 de precalentamiento, así como la temperatura 170 y la humedad 172 relativa del aire del aire acondicionado por la planta 128 de suministro de aire industrial.
[0436] Los datos regularizados se dividen, por ejemplo, en ventanas 218 de tiempo de 30 minutos, cada una con un desfase temporal de, por ejemplo, 5 minutos.
[0437] Los datos regularizados en la ventana 218 de tiempo forman en particular registros de datos de predicción, en particular registros de datos de predicción sin desviación 220 de proceso y registros de datos de predicción con desviación 222 de proceso (véase la Fig.7).
[0438] Para los registros de datos de predicción con desviación 222 de proceso, las variables 214 de estado se utilizan para verificar si la planta 101 de ingeniería de procesos estaba lista para operar (por ejemplo, ventilador 162 "encendido", módulo 150 de acondicionamiento en modo automático).
[0439] - En caso negativo: los registros de datos de predicción correspondientes con desviación 222 de proceso se descartan y no se utilizan para entrenar el modelo de predicción.
[0440] - En caso afirmativo: los registros de datos de predicción correspondientes con una desviación 222 de proceso son adecuados para entrenar el modelo de predicción.
[0441] Debido a un intervalo de tiempo mínimo de, por ejemplo, una hora, en la Fig. 7 solo se selecciona un registro de datos de predicción con desviación 222 de proceso.
[0442] Una selección de registros de datos de predicción sin desviación 220 de proceso se lleva a cabo preferiblemente de forma análoga a la selección de registros de datos de predicción con desviación 222 de proceso.
[0443] Con un intervalo de tiempo mínimo de, por ejemplo, una hora, solo se selecciona un registro de datos de predicción sin desviación 220 de proceso para entrenar el modelo de predicción.
[0444] A continuación, las características se extraen preferiblemente de los registros de datos de predicción seleccionados sin desviación 220 de proceso y de los registros de datos de predicción seleccionados con desviación 222 de proceso.
[0445] Para la extracción de características se utilizan indicadores estadísticos como el mínimo, el máximo, la mediana, la media y/o la desviación estándar. Los coeficientes de regresión lineal también pueden resultar ventajosos para la extracción.
[0446] El entrenamiento del modelo de predicción se basa preferiblemente en las características extraídas de los registros de datos de predicción seleccionados sin desviación 220 de proceso y en los registros de datos de predicción seleccionados con desviación 222 de proceso, en particular mediante un procedimiento de aprendizaje automático, por ejemplo, mediante el uso de aumento de gradiente.
[0447] Utilizando el modelo de predicción entrenado, las desviaciones de proceso de los valores de proceso críticos para la producción en la planta 128 de suministro de aire industrial se predicen preferiblemente en función de los cambios en los valores de proceso durante el funcionamiento de la planta 128 de suministro de aire industrial.
[0448] El modelo de predicción se explica en particular utilizando los estados operativos ejemplares 2 a 4:
[0449] Estado operativo ejemplar 2:
[0450] El modelo de predicción pronostica una desviación de proceso tras el aumento de temperatura. Esto se basa en las variables 210 de perturbación medidas, en particular la temperatura 166 exterior y la humedad 168 exterior, la respuesta de los módulos 150 de acondicionamiento y el perfil de temperatura 170 del aire acondicionado por la planta 128 de suministro de aire industrial en la parte de salida.
[0451] Estado operativo ejemplar 3:
[0452] El modelo de predicción pronostica un aumento de temperatura de la temperatura 170 en el aire acondicionado por la planta 128 de suministro de aire industrial tras la activación del sistema de recuperación de calor. Esto se basa en la respuesta de los módulos 150 de acondicionamiento y en el perfil de temperatura 170 del aire acondicionado por la planta 128 de suministro de aire industrial en la parte de salida.
[0453] Estado operativo ejemplar 4:
[0454] El modelo de predicción predice el aumento de temperatura de la temperatura 170 del aire acondicionado por la planta 128 de suministro de aire industrial en función de las condiciones climáticas y la posición 180 de válvula de la válvula 181 del módulo 156 de precalentamiento.
[0455] El método para la detección de anomalías y/o fallos en la planta 101 de ingeniería de procesos se explica preferiblemente ahora con referencia a las Fig.14 a 19.
[0456] El método para la detección de anomalías y/o fallos identifica preferiblemente situaciones de fallo, en particular defectos y/o averías de componentes, sensores y/o actuadores.
[0457] Por ejemplo, la estación 112 de pretratamiento constituye, a este respecto, la planta 101 de ingeniería de procesos.
[0458] La estación 112 de pretratamiento comprende preferiblemente una cubeta 224 de pretratamiento en la que se pueden pretratar las piezas 106 de trabajo, preferiblemente carrocerías 108 de vehículo.
[0459] La estación 112 de pretratamiento comprende preferiblemente además una primera bomba 226, una segunda bomba 228, un intercambiador 230 de calor y una válvula 232.
[0460] Los valores V62Punto, S86, T95, T85, T15 y T05 de proceso reciben su designación en base a una designación inequívoca en un sistema de numeración de la planta 101 de ingeniería de procesos.
[0461] Los valores T95, T85, T15 y T05 de proceso representan, en particular, temperaturas dentro de la planta 101 de ingeniería de procesos, en particular dentro de la estación 112 de pretratamiento.
[0462] El valor S86 de proceso es una posición de válvula de la válvula 232.
[0463] El valor V62Punto de proceso es un caudal volumétrico.
[0464] Preferiblemente, con el fin de llevar a cabo el método de detección de anomalías y/o fallos, se crea un modelo 233 de anomalías y/o fallos de la planta 101 de ingeniería de procesos, en particular de la estación 112 de pretratamiento, que incluye información sobre la probabilidad de aparición de los valores de proceso antes mencionados (véase la Fig.15).
[0465] La creación del modelo 233 de anomalías y/o fallos se lleva a cabo preferiblemente de la siguiente manera: En primer lugar, se generan señales de prueba, teniendo en cuenta en particular los datos 234 de diseño, como parte de una generación 236 de señales de prueba.
[0466] En particular, con base en los datos 234 de diseño, se especifican límites para las señales de prueba, por ejemplo, una amplitud máxima de los pasos de la variable de ajuste al especificar funciones por pasos.
[0467] Los datos 234 de diseño incluyen, por ejemplo, una o más de las siguientes informaciones:
[0468] - tipo de sensor (sensor de temperatura, sensor de flujo, posición de la válvula, sensor de presión, etc.) y/o tipo de actuador (válvula, ventilador, compuerta, motor eléctrico);
[0469] - rangos de valores admisibles para sensores y/o actuadores;
[0470] - tipo de señal del sensor y/o actuador (flotante, entero).
[0471] La planta 101 de ingeniería de procesos, en particular la estación 112 de pretratamiento, se excita preferiblemente de forma dinámica mediante señales de prueba. Esto se indica en la Fig. 15 con el signo de referencia 238. Es posible que se generen deliberadamente anomalías y/o situaciones de fallo durante la excitación con señales de prueba.
[0472] Cuando la planta 101 de ingeniería de procesos, en particular la estación 112 de pretratamiento, se estimula con señales de prueba, preferiblemente se generan señales 240 de entrada del sistema y señales 242 de salida del sistema.
[0473] Las señales 240 de entrada del sistema y las señales 242 de salida del sistema se almacenan preferiblemente en una base 244 de datos de señal de prueba.
[0474] Posteriormente, se realiza preferiblemente una identificación 246 estructural de la planta 101 de ingeniería de procesos, en particular de la estación 112 de pretratamiento. También se determina preferiblemente un gráfico 247 estructural de la planta 101 de ingeniería de procesos, en particular de la estación 112 de pretratamiento (véase la Fig.16).
[0475] La identificación 246 estructural, en particular la determinación del gráfico estructural, se lleva a cabo preferiblemente utilizando un procedimiento de aprendizaje automático, preferiblemente utilizando medidas de asociación mediante las cuales se pueden representar relaciones no lineales, por ejemplo, mediante transinformación ("información mutua").
[0476] Además, puede ser ventajoso utilizar el conocimiento 248 experto para la identificación 246 estructural, es decir, en particular, el conocimiento sobre las relaciones en el proceso.
[0477] Por ejemplo, se pueden excluir las aristas entre nodos del gráfico estructural que se va a determinar mediante la preconfiguración del gráfico estructural utilizando información de conocimiento experto, diagramas de circuitos conocidos o diagramas 250 de procesos. Esto reduce considerablemente el esfuerzo computacional necesario para determinar el gráfico estructural.
[0478] Además, puede ser ventajoso si el gráfico estructural se determina utilizando la designación inequívoca de los valores de proceso basada en un sistema de numeración de la planta 101 de ingeniería de procesos, en particular la estación 112 de pretratamiento, es decir, basada en una nomenclatura 252 de la designación de los valores de proceso.
[0479] En particular, es concebible que el gráfico estructural determinado mediante el procedimiento de aprendizaje automático se verifique para comprobar su plausibilidad utilizando el conocimiento 248 experto, diagramas de circuitos conocidos y/o esquemas 250 de procesos y/o las designaciones en el sistema de numeración de la planta 101 de ingeniería de procesos (nomenclatura 252).
[0480] Preferiblemente, a continuación, se determinan las relaciones 254 causales en la estructura de proceso determinada, en particular las "direcciones de las flechas" en el gráfico de la estructura determinada.
[0481] Las relaciones 254 causales en la estructura de proceso determinada se derivan, por ejemplo, de las señales 240 de entrada del sistema y las señales 242 de salida del sistema de la planta 101 de ingeniería de procesos determinadas durante la excitación de la planta 101 de ingeniería de procesos con señales de prueba, por ejemplo, sobre la base del curso temporal respectivo de las señales 240 de entrada del sistema y las señales 242 de salida del sistema.
[0482] Alternativa o adicionalmente, es concebible que las relaciones 254 causales se deriven de las señales 240 de entrada del sistema y las señales 242 de salida del sistema determinadas durante la excitación de la planta 101 de ingeniería de procesos con señales de prueba mediante un proceso de inferencia causal.
[0483] Para determinar las relaciones 254 causales, también se utiliza preferiblemente conocimiento 248 experto, diagramas 250 de proceso y/o designaciones en el sistema de numeración de la planta 101 de ingeniería de procesos (nomenclatura 252).
[0484] Preferiblemente, los valores de proceso que son causales de una anomalía detectada se pueden encontrar en la estructura de proceso determinada o en el gráfico estructural determinado utilizando las relaciones 254 causales determinadas.
[0485] Después de la identificación 246 estructural y/o la determinación de las relaciones 254 causales, se lleva a cabo preferiblemente una parametrización 256 estructural.
[0486] La identificación 246 estructural simplifica preferiblemente la parametrización 256 estructural. El esfuerzo computacional para la parametrización 256 estructural puede reducirse preferiblemente mediante la identificación 246 estructural.
[0487] La parametrización 256 estructural se lleva a cabo preferiblemente utilizando un proceso para determinar funciones de densidad de probabilidad, en particular utilizando modelos de mezcla gaussiana.
[0488] La parametrización 256 estructural se lleva a cabo, por ejemplo, para la función f1 de densidad de probabilidad conjunta de la camarilla 258 que se muestra en la Fig. 17 utilizando modelos de mezcla gaussiana (véase la Fig.18).
[0489] Preferiblemente, el conocimiento 248 experto también se utiliza para la parametrización 256 estructural. Para la parametrización 256 estructural, se utilizan relaciones físicas conocidas entre los valores de proceso y/o los mapas de características físicas de los elementos funcionales de la planta 101 de ingeniería de procesos, en particular la estación de pretratamiento. Por ejemplo, se utiliza un mapa de características de la válvula 232.
[0490] Además, puede ser ventajoso utilizar el conocimiento 248 experto sobre situaciones de fallo para la parametrización 256 estructural.
[0491] Utilizando un mapa de características de válvula conocido de la válvula 232, por ejemplo, se puede describir una relación entre la posición S86 de válvula y el flujo V62Punto volumétrico.
[0492] Para la parametrización 256 estructural utilizando métodos para determinar funciones de densidad de probabilidad, en particular utilizando modelos de mezcla gaussiana, se utilizan preferiblemente datos de la operación regular de la planta 101 de ingeniería de procesos, en particular la estación 112 de pretratamiento, almacenados en una base 260 de datos operativos, y/o datos de la base 244 de datos de señal de prueba. Por ejemplo, para la parametrización 256 estructural, se utilizan métodos para determinar funciones de densidad de probabilidad, en particular, variables de ajuste, medición y/o control almacenadas en una base 244, 260 de datos.
[0493] Preferiblemente, para la parametrización 256 estructural, se utilizan datos de la operación continua de la planta 101 de ingeniería de procesos, en particular de la estación de pretratamiento, utilizando métodos para determinar funciones de densidad de probabilidad, que se almacenan durante un periodo de al menos 2 semanas, preferiblemente al menos 4 semanas, por ejemplo, al menos 8 semanas.
[0494] Es preferible preprocesar los datos antes de la parametrización 256 estructural.
[0495] Durante el preprocesamiento, se excluyen preferiblemente los datos de la planta 101 de ingeniería de procesos que no se encuentren en estados operativos o listos para la producción de la planta 101 de ingeniería de procesos (por ejemplo, parada de la planta, fases de mantenimiento, etc.), en particular en función de las alarmas y los bits de estado que describen el estado de la planta 101 de ingeniería de procesos, en particular la estación 112 de pretratamiento.
[0496] Además, puede ser ventajoso si los datos de la planta 101 de ingeniería de procesos se preprocesan mediante filtrado, por ejemplo, utilizando filtros de paso bajo y/o filtros Butterworth.
[0497] Preferiblemente, los datos también se interpolan a un tamaño de paso de tiempo uniforme.
[0498] Al crear el modelo 233 de anomalías y/o fallos, se define preferiblemente un umbral para la probabilidad de aparición de un valor de proceso como parte de una optimización 264 de umbral.
[0499] Preferiblemente, el umbral de probabilidad de aparición se establece de forma que se detecte una anomalía si no se alcanza dicho umbral.
[0500] El umbral se determina preferiblemente utilizando un método de optimización no lineal, por ejemplo, el método de Nelder-Mead.
[0501] Alternativa o adicionalmente, es posible que el umbral se determine utilizando cuantiles.
[0502] Los umbrales para la probabilidad de aparición de los valores de proceso preferiblemente pueden optimizarse, por ejemplo, especificando una "tasa de falsos positivos".
[0503] Además, es posible que los umbrales se ajusten después de la primera creación del modelo 233 de anomalías y/o fallos, particularmente en caso de un número excesivo de alarmas de fallo.
[0504] La detección de anomalías y/o fallos utilizando el modelo 233 de anomalías y/o fallos se lleva a cabo preferiblemente de la siguiente manera:
[0505] Por ejemplo, la válvula 232 puede fallar, lo que provoca una desviación de los valores del sensor del estado normal representado en las distintas camarillas.
[0506] Las probabilidades de ocurrencia de los valores del sensor en las camarillas se evalúan durante el funcionamiento de la planta 101 de ingeniería de procesos, en particular durante el funcionamiento de la estación 112 de pretratamiento, y si los umbrales calculados son inferiores, se detectan anomalías en las diversas camarillas.
[0507] El fallo de la válvula 232 inicialmente conduce a una anomalía en la camarilla 258 de la posición S86 de válvula, en donde el sistema 148 de detección de anomalías y/o fallos emite un aviso.
[0508] Con el tiempo, surgen otras anomalías debido a la propagación de fallos, que posteriormente también afectan a la variable relevante para el proceso, por ejemplo, la temperatura T35 de cubeta de la cubeta 224.
[0509] Preferiblemente, el aviso del sistema 148 de detección de anomalías y/o fallos contiene una o más de las siguientes informaciones:
[0510] - momento de detección de la anomalía;
[0511] - camarilla o camarillas de ocurrencia de la anomalía con sensores involucrados.
[0512] La detección temprana de la anomalía y el aviso al usuario pueden prevenir preferiblemente una desviación en la variable relevante del proceso, es decir, la temperatura T35 de cubeta de la cubeta 224, si la intervención se realiza a tiempo.
[0513] El usuario puede entonces definir una causa del fallo, es decir, el fallo de la válvula, para la aparición de la anomalía.
[0514] Al asignar la causa del fallo, la camarilla 258 se amplía en un nodo 266 y la función de densidad de probabilidad de los datos anómalos se integra en el contexto funcional (véase la Fig.19).
[0515] Tras integrar la causa del fallo, se ejecuta el método de detección de anomalías y/o fallos como antes. Cuando se produce una anomalía, también se muestran las probabilidades de las causas de fallo definidas.
[0516] Un usuario ahora recibe una o más de las siguientes informaciones a través del aviso del sistema 148 de detección de anomalías y/o fallos:
[0517] - momento de detección de la anomalía;
[0518] - camarilla o camarillas de ocurrencia de la anomalía con sensores involucrados;
[0519] - probabilidades de las causas de fallo definidas.

Claims (15)

1. REIVINDICACIONES
1. Método para el análisis de fallos en una planta (101) de ingeniería de procesos, por ejemplo, en una planta (102) de pintura, comprendiendo el método lo siguiente:
- reconocer, en particular de forma automática, una situación de fallo en la planta (101) de ingeniería de procesos;
- guardar un registro de datos de situación de fallo en relación con la situación de fallo identificada respectiva en una base (136) de datos de fallo;
- determinar automáticamente la causa de fallo de la situación de fallo y/o determinar automáticamente los valores de proceso relevantes para la situación de fallo en base al registro de datos de fallo de la situación de fallo identificada respectiva,
caracterizado por que
para determinar automáticamente la causa de fallo de la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, uno o más valores de proceso se vinculan automáticamente a la situación de fallo en función de uno o más de los siguientes criterios de vinculación:
- una asignación de un valor de proceso a la misma parte de la planta (101) de ingeniería de procesos en la que ocurrió la situación de fallo;
- un vínculo entre un valor de proceso y una situación de fallo histórica causada por una selección activa realizada por un usuario.
2. Método según la reivindicación 1, caracterizado por que, para determinar automáticamente la causa de fallo de la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, uno o más valores de proceso también se vinculan automáticamente a la situación de fallo en función de uno o más de los siguientes criterios de vinculación:
- una vinculación previa desde un sistema de aviso;
- una selección activa del valor de proceso realizada por un usuario.
3. Método según la reivindicación 2, caracterizado por que, para determinar automáticamente la causa de fallo de la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, se realiza una priorización automática de los valores de proceso vinculados a la situación de fallo en función de uno o más de los siguientes criterios de priorización:
- una relevancia de proceso para los valores de proceso;
- una posición de un valor de proceso o de un sensor que determina el valor de proceso dentro de la planta (101) de ingeniería de procesos;
- una magnitud de desviación de un valor de proceso con respecto a una ventana de proceso definida y/o con respecto a un estado normal;
- una priorización de los valores de proceso históricos en situaciones de fallo históricas;
- adopción de una priorización de la causa de fallo y/o los valores de proceso de un sistema (138) de aviso; - una priorización realizada por un usuario.
4. Método según una de las reivindicaciones 1 a 3, caracterizado por que, para determinar automáticamente la causa de fallo de la situación de fallo y/o los valores de proceso relevantes para la situación de fallo, se sugieren causas de fallo y/o valores de proceso adicionales, en donde las sugerencias se realizan automáticamente en función de uno o más de los siguientes criterios de sugerencia:
- una relevancia de proceso para los valores de proceso;
- una posición de un valor de proceso o de un sensor que determina el valor de proceso dentro de la planta (101) de ingeniería de procesos;
- una magnitud de desviación de un valor de proceso con respecto a una ventana de proceso definida y/o con respecto a un estado normal;
- una priorización de los valores de proceso históricos en situaciones de fallo históricas;
- dependencias físicas de los valores de proceso.
5. Método según una de las reivindicaciones 1 a 4, caracterizado por que las situaciones históricas de fallos se determinan a partir de una base (136) de datos de fallo en función de uno o más de los siguientes criterios de similitud:
- una clasificación de fallo de la situación de fallo histórica;
- una situación de fallo histórica en la misma parte de la planta o en una comparable;
- valores de proceso idénticos o similares a los de la situación de fallo histórica y a los valores de proceso de la situación de fallo identificada.
6. Método según una de las reivindicaciones 1 a 5, caracterizado por que los valores de proceso históricos que son idénticos o similares a los valores de proceso de la situación de fallo identificada se determinan a partir de una base (134) de datos de proceso.
7. Método según la reivindicación 6, caracterizado por que los valores de proceso históricos determinados se caracterizan por pertenecer a una situación de fallo histórica.
8. Método según una de las reivindicaciones 1 a 7, caracterizado por que el registro de datos de situación de fallo se guarda en una base (136) de datos de fallo para una situación de fallo identificada.
9. Método según la reivindicación 8, caracterizado por que un registro de datos de identificación de fallos respectivo comprende uno o más de los siguientes datos de situación de fallo:
- una clasificación de fallo de la situación de fallo;
- valores de proceso vinculados a la situación de fallo en función de una vinculación previa de un sistema de aviso;
- información sobre el momento en que se produjo la respectiva situación de fallo;
- información sobre la duración de la ocurrencia de una situación de fallo respectiva;
- información sobre la ubicación de la ocurrencia de la respectiva situación de fallo;
- alarmas;
- avisos de estado.
10. Método según la reivindicación 8 o 9, caracterizado por que el registro de datos de situación de fallo de una situación de fallo correspondiente comprende datos de identificación de fallos para identificar inequívocamente la situación de fallo identificada.
11. Método según una de las reivindicaciones 8 a 10, caracterizado por que los datos de documentación y los datos de corrección de fallo se guardan en el registro de datos de situación de fallo de una situación de fallo correspondiente.
12. Método según una de las reivindicaciones 8 a 11, caracterizado por que los valores de proceso se guardan de manera sincronizada temporalmente con una situación de fallo identificada durante el funcionamiento de la planta (101) de ingeniería de procesos.
13. Método según una de las reivindicaciones 8 a 12, caracterizado por que los valores de proceso se dotan con un sello de tiempo que puede utilizarse para asignar inequívocamente los valores de proceso a un momento determinado.
14. Sistema (144) de análisis de fallos para el análisis de fallos en una planta (101) de ingeniería de procesos, por ejemplo, en una planta (102) de pintura, diseñado y configurado para ejecutar el método de análisis de fallos en una planta (101) de ingeniería de procesos, por ejemplo, en una planta (102) de pintura, según una de las reivindicaciones 1 a 13.
15. Sistema (100) de control industrial que comprende un sistema (144) de análisis de fallos según la reivindicación 14.
ES20728915T 2019-05-09 2020-04-29 Analysis method and devices therefor Active ES3054983T3 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102019112099.3A DE102019112099B3 (de) 2019-05-09 2019-05-09 Überwachungsverfahren für eine Applikationsanlage und entsprechende Applikationsanlage
DE102019206839.1A DE102019206839A1 (de) 2019-05-10 2019-05-10 Analyseverfahren und Vorrichtungen hierzu
PCT/DE2020/100360 WO2020224718A1 (de) 2019-05-09 2020-04-29 Analyseverfahren und vorrichtungen hierzu

Publications (1)

Publication Number Publication Date
ES3054983T3 true ES3054983T3 (en) 2026-02-09

Family

ID=73051439

Family Applications (1)

Application Number Title Priority Date Filing Date
ES20728915T Active ES3054983T3 (en) 2019-05-09 2020-04-29 Analysis method and devices therefor

Country Status (10)

Country Link
US (1) US20220237064A1 (es)
EP (1) EP3966648B1 (es)
JP (1) JP7657733B2 (es)
KR (1) KR20220007641A (es)
CN (1) CN113874801A (es)
DE (1) DE112020002303A5 (es)
ES (1) ES3054983T3 (es)
PL (1) PL3966648T3 (es)
PT (1) PT3966648T (es)
WO (1) WO2020224718A1 (es)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022531714A (ja) 2019-05-09 2022-07-08 デュール システムズ アーゲー 分析方法及びそのための装置
DE112020002299A5 (de) 2019-05-09 2022-03-03 Dürr Systems Ag Verfahren zur Analyse von Qualitätsmängeln
PT3966650T (pt) 2019-05-09 2024-04-04 Duerr Systems Ag Processo para o controlo e pós-tratamento de peças de trabalho, instalação de controlo e instalação de tratamento
JP2022531717A (ja) 2019-05-09 2022-07-08 デュール システムズ アーゲー 工作物を管理する方法、管理設備及び処理設備
EP3966647B1 (de) 2019-05-09 2025-10-29 Dürr Systems AG Analyseverfahren und vorrichtungen hierzu
DE102020127852A1 (de) 2020-10-22 2022-04-28 Dürr Systems Ag Betriebsverfahren für eine Beschichtungsanlage und entsprechend angepasste Beschichtungsanlage
CN112612247B (zh) * 2020-12-05 2021-11-26 瑞涯科技(上海)股份有限公司 一种用计算机仿真分析软件诊断数控机床故障的方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0634404A (ja) * 1992-07-14 1994-02-08 Japan Steel Works Ltd:The 故障診断支援方法及び装置
US7246156B2 (en) * 2003-06-09 2007-07-17 Industrial Defender, Inc. Method and computer program product for monitoring an industrial network
DE102006056879A1 (de) * 2006-12-01 2008-06-05 Dürr Systems GmbH Fehlerprotokollierungsverfahren für eine Beschichtungsanlage
US8255100B2 (en) * 2008-02-27 2012-08-28 The Boeing Company Data-driven anomaly detection to anticipate flight deck effects
US7962472B2 (en) * 2008-09-29 2011-06-14 International Business Machines Corporation Self-optimizing algorithm for real-time problem resolution using historical data
WO2010082322A1 (ja) 2009-01-14 2010-07-22 株式会社日立製作所 装置異常監視方法及びシステム
US20130173332A1 (en) * 2011-12-29 2013-07-04 Tom Thuy Ho Architecture for root cause analysis, prediction, and modeling and methods therefor
JP5897845B2 (ja) 2011-08-24 2016-03-30 新日鐵住金株式会社 故障復旧支援システム
JP5534239B2 (ja) 2011-09-06 2014-06-25 株式会社日立製作所 プラントデータ表示装置、プラントデータ表示方法及びプログラム
WO2014145977A1 (en) * 2013-03-15 2014-09-18 Bates Alexander B System and methods for automated plant asset failure detection
US9665843B2 (en) * 2013-06-03 2017-05-30 Abb Schweiz Ag Industrial asset health profile
JP2015184942A (ja) 2014-03-25 2015-10-22 株式会社日立ハイテクノロジーズ 故障原因分類装置
JP6482817B2 (ja) 2014-10-22 2019-03-13 株式会社日立製作所 プラント監視支援システム及びプラント監視支援方法
CN104359915B (zh) 2014-12-08 2017-05-10 合肥京东方光电科技有限公司 一种涂胶检测方法及涂胶检测装置
US10072675B2 (en) * 2016-04-21 2018-09-11 Energy Recovery, Llc System for using pressure exchanger in dual gradient drilling application
JP6862190B2 (ja) 2017-01-24 2021-04-21 株式会社東芝 プロセス診断装置、プロセス診断方法及びプロセス診断システム
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
WO2020062186A1 (en) * 2018-09-29 2020-04-02 Siemens Aktiengesellschaft Industrial device matching method and apparatus
US12105581B2 (en) * 2020-10-07 2024-10-01 Mitsubishi Electric Corporation Failure symptom detection system, failure symptom detection method, and recording medium

Also Published As

Publication number Publication date
US20220237064A1 (en) 2022-07-28
EP3966648B1 (de) 2025-10-29
JP2022532090A (ja) 2022-07-13
PT3966648T (pt) 2026-01-06
WO2020224718A1 (de) 2020-11-12
EP3966648A1 (de) 2022-03-16
KR20220007641A (ko) 2022-01-18
JP7657733B2 (ja) 2025-04-07
CN113874801A (zh) 2021-12-31
PL3966648T3 (pl) 2026-03-23
DE112020002303A5 (de) 2022-03-03

Similar Documents

Publication Publication Date Title
JP7606981B2 (ja) 分析方法及びそのための装置
JP7657733B2 (ja) 分析方法及びそのための装置
JP2025160212A (ja) 分析方法及びそのための装置
CN107111286B (zh) 用于诊断和控制的自动化功能测试
Pang et al. An integrated LSTM-AM and SPRT method for fault early detection of forced-oxidation system in wet flue gas desulfurization
Gao et al. Data mining and data-driven modelling for Air Handling Unit fault detection
DE102019206839A1 (de) Analyseverfahren und Vorrichtungen hierzu
CN115943353A (zh) 用于确定机器的运行异常的原因的系统和方法以及计算机程序和电子可读的数据载体
Boulanouar et al. Fuzzy prognosis system for decision making to vibrations monitoring in gas turbine
KR102566876B1 (ko) 비지도 학습 방법을 활용한 레이다 시스템용 공기건조장비의 이상 탐지 시스템 및 방법
KR102830189B1 (ko) 가상센서 기반 대기 품질 진단 시스템
CN118776601A (zh) 用于识别保护壳体中的腐蚀性环境气候的设备和方法
Eredics et al. Data cleaning for an intelligent greenhouse
RU2784981C1 (ru) Способ диагностики и мониторинга аномалий в кибер-физической системе
Danti et al. Anomaly Detection in a Micro-CHP Using Convolutional Autoencoders and Fine Tuning for Domain Adaptation
CN119541696A (zh) 异常数据的检测方法、装置、电子设备及存储介质
Eredics et al. Data Cleaning and Anomaly Detection for an Intelligent Greenhouse
CN120160809A (zh) 一种空气弹簧系统运行监测方法及相关设备
Gopalan et al. Evaluation of the Performance of Machine Learning Algorithms for Time Series Symptom Detection in Air Handling Units: A Case Study
DE102019206844A1 (de) Analyseverfahren und Vorrichtungen hierzu
DE102019206837A1 (de) Analyseverfahren und Vorrichtungen hierzu
CN119491833A (zh) 一种基于数据分析的消防排烟风机远程控制方法
Martínez¹ et al. A Data-Driven Approach for Components
CN120448782A (zh) 一种物业服务中的故障检测方法及装置
Shevlyagina Fault Detection and Diagnosis