使用多阶段数据分离的推理过程建模、质量预测及故障检测制造技术

本发明专利技术涉及使用多阶段数据分离的推理过程建模、质量预测及故障检测。过程建模技术使用从典型的过程的历史数据开发的单一的统计模型，使用该模型对过程的多个不同过程状态进行质量预测和故障检测。建模技术为一系列的产品等级、生产量等中的每个确定过程参数的均值(和可能的标准差)，比较在线过程参数测量值与这些均值，且在单一过程模型中使用这些比较实施对该过程中的多个状态的质量预测和故障检测。由于只更新过程模型的过程参数的均值和标准差，所以当过程在任何已定义的过程阶段或状态中运行时能够用单一过程模型实施质量预测及故障检测。此外，可以对各过程参数手动或自动地校正该过程模型的敏感度(鲁棒性)以随时间调整或自适应该模型。

【技术实现步骤摘要】
使用多阶段数据分离的推理过程建模、质量预测及故障检测
本专利大体涉及过程控制系统建模，更具体地，涉及使用多阶段或多状态数据分离来执行连续处理或批处理中的过程建模、质量预测以及故障检测的方法。
技术介绍
过程控制系统，例如用于化学、石油或者其他过程的过程控制系统，通常包括一个或者多个过程控制器，以及通过模拟、数字或者组合的模拟/数字总线通信地耦合到至少一个主机或者操作员工作站，并耦合到一个或者多个现场设备的输入/输出(I/O)设备。现场设备，可以是例如阀、阀定位器、开关和变送器(例如温度、压强和流速传感器)，其在过程中执行例如打开或者关闭阀以及测量过程控制参数的过程控制功能。过程控制器接收表示由现场设备所进行的过程测量的信号，处理该信息以实现控制例程，并且生成控制信号，该控制信号通过总线或者其他通信线被发送至现场设备以控制该过程的运行。以此方式，过程控制器可以通过总线和/或其他通信链路使用现场设备来执行和协调控制策略。来自现场设备和控制器的过程信息可以为由操作员工作站(例如基于处理器的系统)执行的一个或更多应用(即例程、程序等)可用，以使得操作员能够执行关于过程的所需的功能，例如查看过程的当前状态(例如通过图形用户界面)，评估该过程，修改该过程的运行(例如通过可视的对象图)等等。很多过程控制系统还包括一个或多个应用站，这些应用站通常使用个人电脑、笔记本或者类似装置实现，并且通过局域网(LAN)通信地耦合至控制器、操作员工作站和过程控制系统内的其他系统。每个应用站可以包括显示过程控制信息的图形化用户界面，该过程控制信息包括与过程、过程故障检测信息和/或过程状态信息相关联的质量参数值、过程变量值。通常地，在图形化用户界面中显示过程信息受限于与该过程相关联的每个过程变量的值的显示。在一些情况中，过程控制系统可以描绘一些过程变量之间的简单关系以估计与该过程相关联的质量度量，该过程和/或其他过程变量通常仅能够在生产完成之后被详细分析。用于过程质量预测和故障检测的预测性建模的使用开始在连续处理和批处理中流行起来。正如已知地，连续处理以连续方式对一组连续提供的原材料进行处理，以制造产出的产品。一般而言，在连续处理中使用的过程控制器试图将过程中特定位置的各种过程参数保持一致。然而，由于连续处理的生产量、所制得的产品的类型或等级、投入过程中的原材料的外包装等会有规律地变化，因而难以在线地(即过程在运行中)执行过程产出的质量预测，这是由于过程参数值可能基于生产量、所制得的产品等级等的改变而在任意特定位置变化。另一方面，批处理通常通过不同数量的阶段或步骤运行，以作为一个“批次”地一并处理一个共同组的原材料，以生产产品。一个批处理的多个阶段或步骤可以使用相同的设备来执行，例如容器罐，而其他的阶段或步骤可以在其他设备中执行。然而，由于温度、压强、浓度或者被处理材料的其他参数在批次运行期间随着时间变化很多次，而材料却保持在相同的位置，因此难以确定批处理在批次运行的任意时间是否以与可能生产具有所需质量度量的最终产品相同的方式运行。因此，也难以执行批处理中的质量预测和故障检测。一种已知的预测当前正在运行的进程是否正常进行或者处于所需的规范内(并且因而产生具有所需质量度量的产品)的方法包括：将正在运行的过程的运行期间所得到的各种过程变量测量与在之前运行的过程进行期间所得到的类似测量进行比较，其中之前运行过程的产出已经被测量或以其他方式已知。然而，正如上文所说明的，连续处理的运行会基于产量和产品等级变化，而批处理的时间长度会变化，也即，其完成批次所需的时间变化，这使得难以知道之前过程运行的哪个时间最适合在线过程的当前所测量的参数。此外，在所需情况中，过程变量能够在过程运行期间大范围地变化，与一个选定的之前过程的那些变量相比，最终产品的质量没有显著降低。因此，如果不是实际不可行的话，通常难以识别过程的一个特定的之前运行，该运行能够被用于所有情况中以测量或预测随后过程运行的质量。一个更先进的克服了上面指出的问题中的一个问题的分析正在进行的连续处理和批处理结果的方法包括基于过程的各个运行创建用于该过程的统计模型。这种技术包括从一个过程的多个不同运行或在一个过程中的多个不同时间收集一组过程变量(参数)的每一个的数据。之后，所收集的参数或质量数据被用于创建该过程的统计模型，该统计模型表示产生所需质量度量的过程的“正常”运行，这种过程的统计模型然后能够被用于分析在特定的过程实现期间所得到的不同的过程参数测量是如何统计地关联于在被用于开关该模型的过程中所得到的相同的测量，例如，这种统计模型可以被用于提供每个测量的过程参数的中间值，或者关联于每个测量的过程变量的标准差，该过程变量是在能够与当前过程变量相比较的过程运行期间的任意特定时间或位置所测量的，比如，这种统计模型可以被用于预测过程的当前状态将如何影响或关联于在过程结束或输出时生产的产品的最终质量。通常地，线性和非线性统计地给予模型的过程预测器能够被用于预测在线测量不可用的产品质量参数。这种过程参数预测器已知有各种不同的名称，包括：例如软传感器或推理传感器以及类似的传感器。事实上，有些种类的给予模型的线性预测器被用于执行过程内的过程参数预测，这些给予模型的预测器中最有优势的是多线性退化(MLR)预测器、主成分回归分析(PCR)预测器、主成分分析(PCA)预测器、偏最小二乘(PLS)预测器以及判别分析(DA)预测器。这些预测器能够被用于离线和在线分析工具中以预测参数，例如由过程生产的产品的质量测量。此外，已知使用PCA技术来执行过程中的故障检测。然而，已知的基于模型的预测器具有一个显著的缺陷，它们不能针对变化着的过程状态来调节其中所使用的预测性过程模型，这种变化的过程状态可能由，例如生产率或产量变化、产品等级变化，引起。事实上，为了使用现有技术来对付这个问题，必须为每个可能的生产率或产品等级来构造不同的模型。然而，这种技术导致预测器非常复杂，难以构造或使用，这是因为推导、存储和使用多个预测性模型变得非常耗费处理器，要求大量的存储空间，并且过于复杂而难以在实时系统中实现和维护。因此，虽然已知使用统计过程建模技术来对过程建模，例如连续处理，但是这些建模过程技术通常使得在一个连续处理稳定或很好地定义的情况下良好工作，也即，在所制得的产品变化很小，或者过程的产量变化很小的情况下。因此，在许多例子中，用于故障检测和预测的分析工具，例如PLA和PLS技术，的在线实现被限制在生产单独产品的连续处理中。在许多例子中，过程通常被作为具有一组固定的测量和实验室分析的单独单元处理。对于这种过程、单独的PLA或PLS模型可以被推导并应用于在线环境中。不幸地是，这些技术并不能满足连续处理或批处理的要求，在这些连续处理或批处理中，可以使用一个或更多个不同的工厂设备(在不同时间)来生产多个等级的产品，或者具有可变的产量，或者在其中运行条件有规律的变化。
技术实现思路
一种过程建模技术使用由典型过程的历史数据推导的单独统计模型，例如PLS、PCR、MLR等模型，并且将这个模型用于各种不同的过程状态的质量预测或故障检测。更具体地，这种建模技术确定针对一组产品等级、产量等的每一个的过程参数的均值(以及可能的标准差)，将在线过程参本文档来自技高网...

【技术保护点】
一种用于生成在分析过程的运行中使用的过程模型的、计算机实施的方法，所述过程能在由与所述过程相关联的状态变量所定义的多个不同的过程状态中运行，所述方法包括：在所述过程的运行期间，从所述过程收集训练数据，所述训练数据包括一组过程参数中的每一个的值、所述状态变量的值以及与多个不同过程测量次数中的每一个相关联的结果变量的值；使用计算机处理设备，将所述训练数据划分成数据时间片以便为每一个数据时间片产生一组时间分片的数据，其中每组时间分片的数据包括所述一组过程参数中的每一个的值、所述状态变量的值以及所述结果变量的值；将所述多组时间分片的数据存储在计算机存储器中；使用计算机处理设备，根据所述训练数据确定一组过程状态均值，所述一组过程状态均值包括用于所述过程状态中的每一个的状态变量均值以及用于所述过程状态中的每一个的一个或多个过程参数均值；将所述一组过程状态均值存储在计算机存储器中；通过计算机处理设备，使用所存储的过程状态均值，推导所述数据时间片中的每一个的一组时间片均值，所述多组时间片均值中的每一个包括所述过程参数中的每一个的时间片均值；使用计算机处理设备，推导每个数据时间片的一组偏离所述均值的偏差，所述特定的数据时间片的所述一组偏离所述均值的偏差包括：对于在所述特定的数据时间片内的每个过程参数，使用所述特定的数据时间片的所述过程参数值以及所述特定的数据时间片的、所述过程参数的所述时间片均值来推导所述特定的数据时间片的、所述过程参数的所述偏离所述均值的偏差；以及使用计算机处理设备，使用所述数据时间片的所述多组偏离所述均值的偏差以及所述数据时间片的所述结果变量值，生成过程模型。...

【技术特征摘要】
2011.09.19 US 61/536,4231.一种用于生成在分析过程的运行中使用的过程模型的、计算机实施的方法，所述过程能在由与所述过程相关联的状态变量所定义的多个不同的过程状态中运行，所述方法包括：在所述过程的运行期间，从所述过程收集训练数据，所述训练数据包括一组过程参数中的每一个的值、所述状态变量的值以及与多个不同过程测量次数中的每一个相关联的结果变量的值；使用计算机处理设备，将所述训练数据划分成数据时间片以便为每一个数据时间片产生一组时间分片的数据，其中每组时间分片的数据包括所述一组过程参数中的每一个的值、所述状态变量的值以及所述结果变量的值；将所述多组时间分片的数据存储在计算机存储器中；使用计算机处理设备，根据所述训练数据确定一组过程状态均值，所述一组过程状态均值包括用于所述过程状态中的每一个的状态变量均值以及用于所述过程状态中的每一个的一个或多个过程参数均值；将所述一组过程状态均值存储在计算机存储器中；通过计算机处理设备，使用所存储的过程状态均值，推导所述数据时间片中的每一个的一组时间片均值，所述多组时间片均值中的每一个包括所述过程参数中的每一个的时间片均值；使用计算机处理设备，推导每个数据时间片的一组偏离所述均值的偏差，特定的数据时间片的所述一组偏离所述均值的偏差包括:对于在所述特定的数据时间片内的每个过程参数，使用所述特定的数据时间片的所述过程参数值以及所述特定的数据时间片的、所述过程参数的所述时间片均值来推导所述特定的数据时间片的、所述过程参数的所述偏离所述均值的偏差；以及使用计算机处理设备，使用所述数据时间片的所述多组偏离所述均值的偏差以及所述数据时间片的所述结果变量值，生成过程模型。2.根据权利要求1所述的计算机实施的方法，其中生成所述过程模型包括生成使用所述过程参数的其他组偏离所述均值的偏差来预测所述结果变量的值的过程模型。3.根据权利要求1所述的计算机实施的方法，还包括：在生成所述过程模型之前，过滤每组偏离所述均值的偏差中的所述偏离所述均值的偏差中的一个或多个。4.根据权利要求3所述的计算机实施的方法，其中过滤所述偏离所述均值的偏差中的一个或多个包括：使用具有基于与正经历过程状态变化的过程相关联的所述过程参数中的一个或多个的时间响应的时间常数的低通滤波器，低通过滤所述偏离所述均值的偏差中的所述一个或多个。5.根据权利要求1所述的计算机实施的方法，其中将所述训练数据划分成数据时间片包括相对于彼此地时移所述训练数据中的所述过程参数值中的一个或多个、所述状态变量值以及所述结果变量值以便形成所述数据时间片。6.根据权利要求5所述的计算机实施的方法，其中所述时移包括：在所述过程参数中的至少一个或所述状态变量和所述结果变量之间进行互相关以便确定与所述过程参数中的所述至少一个或所述状态变量和所述结果变量相关联的时间延迟量，以及以所述时间延迟量、相对于所述结果变量的所述结果变量值时移所述过程参数中的所述至少一个的过程参数值或所述状态变量的所述状态变量值，从而所述每个数据时间片包括相对于所述结果变量值在时间上移位的所述过程参数值中的至少一个或状态变量值。7.根据权利要求1所述的计算机实施的方法，其中生成过程模型包括生成质量预测模型。8.根据权利要求7所述的计算机实施的方法，其中生成质量预测模型包括生成偏最小二乘模型、神经网络模型、或多元线性回归模型中的一个。9.根据权利要求1所述的计算机实施的方法，其中生成过程模型包括生成故障检测模型。10.根据权利要求9所述的计算机实施的方法，其中生成所述故障检测模型包括生成主成分分析模型。11.根据权利要求1所述的计算机实施的方法，其中将所收集的数据划分成数据时间片包括：相对于所述训练数据中的所述结果变量值时移所述训练数据中的所述过程参数值中的一个或多个以及所述状态变量值。12.根据权利要求1所述的计算机实施的方法，其中所述状态变量表明产品档次、所述过程的产量、生产率、或所述过程的扰动量。13.根据权利要求1所述的计算机实施的方法，还包括：作为所生成的过程模型的部分，存储所述过程状态的所确定的过程状态均值。14.根据权利要求13所述的计算机实施的方法，还包括：从所述运行的过程收集新的过程参数值和状态变量值，以及使用所收集的新的过程参数值和所述状态变量值和所述过程状态均值来推导所生成的过程模型的输入以便推导所述结果变量的估计。15.根据权利要求14所述的计算机实施的方法，还包括：在所述过程的正进行的运行期间，使用所述结果变量的所述估计来进行所述过程的质量预测或故障检测。16.根据权利要求14所述的计算机实施的方法，包括：使用所述运行的过程的所收集的新的过程参数值和所述状态变量值来基于作为所述过程模型的部分存储的所述过程状态均值而确定一组时间片的偏离所述均值的偏差。17.根据权利要求1所述的计算机实施的方法，其中推导所述数据时间片中的每一个的所述一组时间片均值包括：对于特定的数据时间片中的每个过程参数，使用所述特定的数据时间片的所述状态变量的所述值和所述特定的数据时间片的所述状态变量的所述值落入其间的所述过程状态的所述状态变量均值来确定所述特定的数据时间片的插值因子，以及使用所述插值因子和所述特定的数据时间片的所述状态变量的所述值落入其间的所述过程状态的所述过程参数均值的所述值来确定所述特定的数据时间片的所述过程参数中的每一个的所述时间片均值。18.一种用于形成过程预测模型的、计算机实施的方法，包括：对于多个过程参数中的每一个，从运行的过程收集一组过程参数的过程参数值、状态变量的状态变量值和结果变量的结果变量值；使用计算机处理设备，确定一组过程状态均值，其中所述一组过程状态均值包括：对于多个过程状态中的每一个，当所述过程在所述多个过程状态中的每一个中运行时所述状态变量的平均值和所述过程参数中的每一个的平均值；使用计算机处理设备，对于多组时间有关的数据中的每一组，使用所述过程状态均值和与多组时间有关的数据中的每一组相关联的所述状态变量的值来确定所述一组过程参数中的每一个的时间片均值；使用计算机处理设备，使用所述多组时间有关的数据中的每一组的所述时间片均值和所述过程参数值来确定所述多组时间有关的数据中的每一个的所述过程参数中的每一个的偏离均值的偏差；在计算机处理设备内，使用所述多组时间有关的数据中的每一个的所述过程参数中的每一个的所确定的偏离均值的偏差和所述多组时间有关的数据中的每一个的所述结果变量值来生成过程预测模型，其能在计算机处理设备上运行以预测所述过程内的所述结果变量。19.根据权利要求18所述的计算机实施的方法，还包括确定所述多个过程状态中的每一个的状态变量范围的定义，以及其中确定一组过程状态均值包括：对于所述多个过程状态中的每一个，使用落入每个特定的过程状态的所定义的状态变量范围内的所述状态变量值来确定所述状态变量的平均值，使用与落入每个特定的过程状态的所定义的状态变量范围内的状态变量值相关联的所述过程参数值来确定过程参数均值。20.根据权利要求18所述的计算机实施的方法，其中所生成的过程预测模型使用多组所述过程参数的偏离所述均值的偏差来预测所述结果变量的值。21.根据权利要求18所述的计算机实施的方法，还包括：在生成所述过程预测模型之前，过滤所述偏离所述均值的偏差中的一个或多个。22.根据权利要求18所述的计算机实施的方法，还包括：在确定一组过程状态均值之前，通过在时间上相对于彼此时移所述过程参数值中的一个或多个、所述状态变量值以及所述结果变量值而形成多组时间有关的数据中的每一个，以便形成具有来自不同测量次数的数据的所述多组时间有关的数据。23.根据权利要求22所述的计算机实施的方法，还包括在所述过程参数中的至少一个或所述状态变量和所述结果变量之间进行互相关以便确定与所述过程参数或所述状态变量和所述结果变量相关联的时间延迟量，以及以所述时间延迟量、相对于所述结果变量的所述结果变量值时移所述过程参数的所述过程参数值或所述状态变量的所述状态变量值，以便每组时间有关的数据包括在相对于所述结果变量值在时间上位移的所述过程参数值或所述状态变量值中的至少一个。24.根据权利要求18所述的计算机实施的方法，其中生成过程预测模型包括生成偏最小二乘模型、神经网络模型、多元线性回归模型或主成分分析模型中的一个。25.根据权利要求18所述的计算机实施的方法，其中对于多组时间有关的数据中的每一组确定所述一组过程参数中的每一个的时间片均值包括：使用特定的一组时间有关的数据的所述状态变量的所述值和所述特定的一组时间有关的数据的所述状态变量的所述值落入其间的所述过程状态的所述状态变量均值，来确定所述特定的一组时间有关的数据的插值因子，以及使用所述插值因子和与所述一组时间有关的数据的所述状态变量的所述值落入其间的所述过程状态相关联的所述过程参数的所述过程参数均值的所述值，来确定所述特定一组时间有关的数据的所述过程参数的所述过程参数均值。26.一种用于在运行的过程中测量过程质量或过程故障的、计算机实施的方法，包括：在计算机存储器中存储过程预测模型，其中所述过程预测模型作为一组输入取得一组过程参数中的每一个的一组偏离均值的偏差以及作为输出产生预测的过程质量值或过程故障值；对于多个测量次数，在所述过程的在线运行期间，从所述过程收集所述一组过程参数中的每一个的过程参数数据和过程状态变量的过程状态变量数据；使用计算机处理设备，推导一系列数据时间片，每个数据时间片包括所述一组过程参数中的每一个的过程参数值以及过程状态变量值；使用计算机处理设备，确定所述数据时间片中的每一个的所述过程参数中的每一个的偏离均值的偏差；以及使用计算机处理设备，当在所述计算机处理设备上执行所述过程预测模型的时候将所述数据时间片中的每一个的所确定的偏离均值的偏差作为输入提供给所述过程预测模型以产生所述过程质量值或所述过程故障值的预测。27.根据权利要求26所述的计算机实施的方法，还包括使用所述过程质量值或所述过程故障值的所述预测来改变所述过程的所述运行。28.根据权利要求26所述的计算机实施的方法，还包括使用所述过程质量值或所述过程故障值的所述预测来将过程运行的问题通知用户。29.根据权利要求26所述的计算机实施的方法，其中确定所述数据时间片中的每一个的所述偏离所述均值的偏差包括将过程参数的过程参数值与该过程参数的时间片均值相比较。30.根据权利要求29所述的计算机实施的方法，其中确定所述数据时间片中的每一个的所述偏离所述均值的偏差包括根据作为所述过程预测模型的部分而存储的一组存储的过程状态均值确定时间片的特定的过程参数的时间片均值。31.根据权利要求30所述的计算机实施的方法，其中确定时间片的特定的过程参数的时间片均值，包括使用所述数据时间片的所述状态变量的所述值和所述数据时间片的所述状态变量的所述值落入其间的过程状态的存储的状态变量均值，来确定所述数据时间片的插值因子；以及使用所述插值因子和所述数据时间片的所述状态变量...

【专利技术属性】
技术研发人员：T·L·布莱文斯，W·K·沃杰斯尼斯，M·J·尼克松，J·M·卡尔德维尔，
申请(专利权)人：费希尔罗斯蒙特系统公司，
类型：发明
国别省市：