用于工艺技术设施的诊断方法和诊断系统以及训练方法技术方案

本发明专利技术涉及用于工艺技术设施(10)的诊断方法(1)和诊断系统(50)以及涉及用于这种诊断系统(50)的训练方法(100)。提供至少部分地表征设施状态的设施数据(D)的时间曲线(V)，并且基于设施数据(D)的时间曲线(V)借助于至少两个模型对设施状态进行分类。在此，这些模型在时间窗口(T

【技术实现步骤摘要】
用于工艺技术设施的诊断方法和诊断系统以及训练方法
本专利技术涉及用于工艺技术设施的诊断方法和诊断系统以及用于这种诊断系统的训练方法。
技术介绍
在工艺技术设施中，例如在组分、类型或特性方面改变材料，工艺技术设施例如精炼厂或工厂可以具有极其复杂的结构。设施例如能够由多个、可能彼此联网的和/或彼此相关的部件(即例如阀、传感器、致动器和/或类似部件)组成。这种设施通常通过专用的、尤其基于计算机的或至少计算机辅助的过程控制系统来引导，该过程控制系统在此尤其能够考虑各种部件之间的工艺技术方面的关联性。这种过程控制系统包括自动化技术，尤其是自动化程序以及操作和监控程序。过程控制系统通常可以例如通过控制变量或参数值来预设大部分的边界条件，过程应当在这些边界条件下进行。但是，此外也存在不可由过程控制系统影响的、可能甚至未知的边界条件。因此，在所提及的结构高度复杂的背景下，可靠地预测设施的实际运行状态会是困难的或至少极其高成本的。为了解决这个问题，在原理上已知的是，将当前的设施状态分类。因此能够将设施与正常运行或各种故障运行之一、即与正常运行的偏差相关联。如果存在故障运行，则能够尝试将设施再次转移到正常运行中。在此会成问题的是，可能过晚地识别故障运行以至于无法防止质量损失或甚至生产失效。
技术实现思路
本专利技术的目的是改进工艺技术设施的诊断，尤其及早地识别故障运行的发展。该目的由根据独立权利要求的用于工艺技术设施的诊断方法和诊断系统以及用于这种诊断系统的训练方法来实现。本专利技术的第一方面涉及一种用于工艺技术设施的诊断方法，其具有如下步骤：(i)提供至少部分地表征设施状态的设施数据的时间曲线；(ii)基于设施数据的时间曲线借助于至少两个模型对设施状态进行分类，其中模型在时间窗口方面不同，来自这些时间窗口的设施数据被作为基础；(iii)分别将一置信度与从至少两个模型中得出的分类相关联；和(vi)输出基于设施状态的分类和与其相关联的置信度的诊断信息。在本专利技术的意义上，设施数据尤其是测量变量和/或控制变量。测量变量、即例如设施或设施部件中的温度或压力，例如能够通过相应的传感器来检测。控制变量、即例如阀位置或马达功率，例如能够通过过程控制系统或设施用户来预设。在本专利技术的意义上，设施数据的时间曲线具体是设施数据在预设的时间段上的时间顺序或者设施数据在预设的时间段上的变化。设施数据的时间曲线例如能够以数据集合的形式来提供，这些数据集合包含在预设时间段或时间间隔期间的设施数据。这种数据集合例如能够包含在10秒期间的所有检测到的或预设的测量变量和/或控制变量。在本专利技术的意义上，置信度尤其是给予分类信度的量度。置信度例如能够是以统计的方式确定的分类所具有的概率。置信度尤其能够说明执行分类时所根据的模型有多可靠。本专利技术的一个方面基于如下方法，将至少两个模型用于对工艺技术设施的设施状态分类并且将例如说明分类可靠性的置信度与分类相关联。在此，模型的区别至少在于它们将来自不同时间窗口的设施数据作为输入变量来处理，这些设施数据至少部分表征设施状态。在此，时间窗口优选地表明来自所提供的设施数据的时间曲线中的不同的时间段。通过不同的时间窗口，能够在诊断设施时相应地关于设施状态设定或存在不同的重点，其中，针对每个重点经由相关联的置信度能够给出诊断的可靠性。在此可行的是、并且可能甚至有利的是，时间窗口至少部分重叠。例如，能够以不同的重叠的时间窗口检测不同的系统动态。因此，对设施进行深入的、通过选择不同的时间窗口而灵活的且特别详细的诊断，变得可行。尤其在设施运行期间，能够例如在存储设备中暂存设施数据的时间曲线以进行评估。因此，设施数据能够被理解为历史设施数据，通过借助于至少两个模型评估这些历史设施数据能够获得有关当前设施状态的信息。在此，设施数据的时间曲线能够前瞻性地、即从定义的开始时间点起进行评估，优选在非连续的生产工艺、例如批量或批次过程中进行评估。在此，开始时间点能够处于过去。从开始时间点起，该开始时间点优选地对应于过程的开始，能够将来自不同长度和/或不同时间分辨率的时间窗口中的设施数据作为用于对设施状态尤其连续分类的至少两个模型的基础。替选地，能够回顾性地、即评估直至定义的结束时间点设施数据的时间曲线，优选在连续的生产工艺中进行评估。结束时间点在此优选地与当前时间相对应。时间窗口优选全部延伸直至结束时间点。评估在时间窗口内来自时间曲线的设施数据时，至少两个模型优选使用在相应时间窗口内记录的所有可用的、但至少一部分测量和控制变量。换句话说，在此使用的模型设计用于处理通过时间窗口定义的时间序列。此处使用的模型，与对设施的或正在进行的工艺的单纯建模不同，这种建模预测了设施状态。这种建模通常以作为输入变量的参数集、即例如在固定时间点(例如当前)的所有控制和测量变量为依据。但是，借助于这种建模，仅能通过单独的或独立的、被用在预测的设施状态上的统计学分类方法来进行分类。与此相反，在当前情况下能够通过模型本身进行分类。这也允许将置信度可靠地关联。在下文中，优选地描述本专利技术的优选的实施方式及其改进形式，这些实施方式和改进形式除非明确地被排除在外，分别能够任意地相互组合以及与本专利技术的其他所描述的方面组合。在一个优选的实施方式中，时间窗口在其时间长度方面不同。由此，尤其在对设施数据的时间曲线进行前瞻性评估时，第一分类已经能够提前存在，而其他的、可能更精确或更可靠的分类随后才可用。但是，即使对设施数据的时间曲线进行回顾性评估，例如由于计算时间优势，对基于来自较短时间窗口的设施数据进行的分类能够更早得到。这使得在故障运行的情况下已经能够提前以相应的保护对策或也称为“治疗”的对策作出应对。在此，优选地，时间窗口全部从开始时间点、尤其所提供的时间曲线的开始起延伸。替选地，时间窗口也能够全部延伸直至结束时间点，尤其延伸直至所提供的时间曲线结束。对于在所提供的时间曲线的开始或结束处的时间范围，能够相应地得到在时间上的高度重叠。对来自时间窗口中的设施数据进行尤其连续的评估实现了提前分类，并且在此同时，随着时间窗口长度的增加，评估能够基于愈发更好的信息状况，进而能够通过相应更长的时间序列实现相对于正确分类提高的置信度。在另一优选的实施方式中，时间窗口的时间长度按对数分布。换句话说，时间窗口具有与对数函数相关的或通过对数函数定义的时间长度。当基于来自具有显著不同时间长度的时间窗口的设施数据对设施状态进行分类时，这可以是特别优选的，即一方面，考虑了非常短的时间窗口，并且另一方面考虑了非常长的时间窗口。在此，时间窗口的对数分布使得使用的模型的数量减少，由此能够节省计算时间。这尤其在诊断方法的实时应用方面是特别有利的。在另一优选实施方式中，时间窗口在度量方面不同。例如，不同的时间窗口能够限定设施数据在这其中分别具有不同的时间间隔的时间序列。换句话说，例如不同时间窗口中可以具有不同的时间分辨率。由此，能够特别有效地分析不同的系统动态，并相应可靠地对设施状态进行分类。另外，如有可能也能够通过不同的度本文档来自技高网...

【技术保护点】
1.一种用于工艺技术设施(10)的诊断方法(1)，具有以下步骤：/n-(S1)提供至少部分地表征设施状态的设施数据(D)的时间曲线(V)；/n-(S2a)基于所述设施数据(D)的所述时间曲线(V)借助于至少两个模型对所述设施状态进行分类，其中，所述模型在时间窗口(T

【技术特征摘要】
20190918 EP 19198052.31.一种用于工艺技术设施(10)的诊断方法(1)，具有以下步骤：
-(S1)提供至少部分地表征设施状态的设施数据(D)的时间曲线(V)；
-(S2a)基于所述设施数据(D)的所述时间曲线(V)借助于至少两个模型对所述设施状态进行分类，其中，所述模型在时间窗口(T1、T2、T3)方面不同，作为基础的所述设施数据来自所述时间窗口；
-(S2b)分别将置信度与从至少两个所述模型中得出的分类相关联；和
-(S7)输出基于所述设施状态的所述分类和与所述分类相关联的所述置信度的诊断信息。


2.根据前述权利要求中任一项所述的诊断方法(1)，其特征在于，所述时间窗口(T1、T2、T3)在所述时间窗口的时间长度方面不同。


3.根据权利要求2所述的诊断方法(1)，其特征在于，所述时间窗口(T1、T2、T3)的所述时间长度按对数分布。


4.根据前述权利要求中任一项所述的诊断方法(1)，其特征在于，所述时间窗口(T1、T2、T3)在度量方面不同。


5.根据前述权利要求中任一项所述的诊断方法(1)，其特征在于，所述时间窗口(T1、T2、T3)中的至少一个时间窗口具有对数度量。


6.根据前述权利要求中任一项所述的诊断方法(1)，其特征在于，在时间上按对数间隔开的设施数据(D)被提供为时间曲线(V)。


7.根据前述权利要求中任一项所述的诊断方法(1)，其特征在于，检测与所述设施状态相关的输入信号并且以所述输入信号作为调整所述置信度的基础。


8.根据前述权利要求中任一项所述的诊断方法(1)，其特征在...

【专利技术属性】
技术研发人员：丹尼尔·拉比施，托马斯·比尔魏勒，尼尔斯·祖法勒，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：德国;DE