JP2017116424A - 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム - Google Patents
分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム Download PDFInfo
- Publication number
- JP2017116424A JP2017116424A JP2015252480A JP2015252480A JP2017116424A JP 2017116424 A JP2017116424 A JP 2017116424A JP 2015252480 A JP2015252480 A JP 2015252480A JP 2015252480 A JP2015252480 A JP 2015252480A JP 2017116424 A JP2017116424 A JP 2017116424A
- Authority
- JP
- Japan
- Prior art keywords
- value
- correlation
- threshold
- phase difference
- analysis system
- 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.)
- Pending
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
【解決手段】分析システム異常検知装置は、材料を処理するプロセスから取得されるプロセス値を入力値とする関数を用いて、プロセスから採取されるサンプルを分析して得られる分析値の推定値を算出する推定値算出部と、推定値と分析値との相互相関を算出する相互相関算出部と、推定値と分析値との偏差を算出する偏差算出部と、相互相関の位相差が位相差の閾値を超えたか否かを判定する位相差閾値判定部と、相互相関の相関値が相関値の閾値を超えたか否かを判定する相関値閾値判定部と、偏差が偏差の閾値を超えたか否かを判定する偏差閾値判定部とを備える。
【選択図】図1
Description
分析システム異常検知装置は、分析システムの分析計の異常を検知するものである。分析システムの分析計の異常は、分析計が実際に測定した分析値と、分析値の推定値との偏差によって解析される。推定値は、プロセスの分析値の動作を推定するプロセスモデルを用いて算出される。プロセスモデルには、例えば、線形モデル、非線形モデル、むだ時間モデル、時系列モデル等がある。プロセスモデルは、プロセスにおいて取得されるプロセス値(装置の注入量、リサイクル量、温度等)と固定のパラメータを用いた合成関数で表される。分析システムの分析計の異常の検知は、プロセスモデルで推定した推定値と分析値の偏差が所定の閾値の範囲内にあるか否かで判断することができる。
なお、本実施形態では、セパレータ31、サイクロン32、減圧弁41、フィルタ42、気化器43、流量計44、分析計51及びベント52は、機器単体で実現してもよく、また複数の機器で実現してもよい。また、機器単体で複数の機能を実現してもよい。また、各機器は夫々の機能を、ハードウェアで実現してもソフトウェアで実現してもよい。
以上で、図1を用いた、プロセスとプロセスの分析システムとその分析システム異常検知装置の構成の説明を終了する。
推定値(f1(T))を算出する関数は、プロセス値1、プロセス値2及びプロセス値3を入力値とする合成関数(fss)である。合成関数は、プロセス値1、プロセス値2及びプロセス値3を入力変数とする多変数モデルである。推定値算出部11は、複数のプロセス値を入力変数とする多変数モデルを分析値検証用モデルとして推定値(f1(T))を算出する。
複数のプロセス値を入力変数とする多変数モデルには、静特性モデル又は動特性モデルを用いる。
静特性モデルは、例えば、PLS(Partial Least Square:部分最小二乗(線形))モデル、RBF(Radial Basis Function:動径基底関数(非線形))モデル、MLR(Multiple Liner Regulation:線形重回帰)モデル、物理モデル等を用いることができる。
PLSモデルは、相関関係がある複数の入力変数を線形結合したモデルである。MLRモデルは、その値の中心点からの距離のみに依存する実数値関数を用いたモデルである。物理モデルは、物理現象を数式で表現したモデルである。
動特性モデルは、例えば、一次遅れモデル、むだ時間モデル、可変時定数モデル、時系列モデル等である。時系列モデルでは、過去の説明変数を時系列で表現して、過去の説明変数の確率分布から新たな説明変数を算出する。
ステップS11の処理を実行した後、推定値算出部11は、取得したプロセス値1、プロセス値2及びプロセス値3に基づき推定値(f1(T))を算出して相互相関算出部13に出力する(ステップS12)。
dτ=τ1−τ0 ・・・(3)
閾値決定処理は、プロセスの分析システムを構成する機器や配管に変更があった場合に実行することにより、プロセスの分析システムの変更に対応が可能となる。
以上で、図3を用いた、分析システム異常検知装置1における閾値決定処理についての説明を終了する。
ステップS21の処理を実行した後、推定値算出部11は、取得したプロセス値1、プロセス値2及びプロセス値3に基づき推定値(f1(T))を算出し、相互相関算出部13に出力する(ステップS22)。
以上で、図4を用いた、分析システム異常検知装置1における閾値判定処理についての説明を終了する。
以上で、図5〜図8を用いた、相互相関算出部13から出力される相互相関(C(τ))についての説明を終了する。
図9に示す分析システム異常検知装置の構成の他の一例は、図1で説明した分析システム異常検知装置1の機能を分析計51に組込んだ場合の構成例である。
分析システム異常検知部61は分析システム異常検知装置1と同様の機能を有する。また、分析部62は分析計51と同様の機能を有する。すなわち、分析システム異常検知部61は、プロセス21から取得するプロセス値1、プロセス値2及びプロセス値3、並びに分析部62から取得する分析値に基づき、図2等で説明した位相差閾値判定処理、相関値閾値判定処理、及び偏差閾値判定処理を実行するものである。
分析計6は、分析システム異常検知装置1の機能を組込むことにより、分析システム異常検知装置を別途設置する必要が無くなり、コストの削減を図ることが可能となる。
なお、図9に示す図1に示した機器と同じ機器は、図1と同じ符号を付して説明を省略する。
以上で、図9を用いた。分析システム異常検知装置の構成の他の一例の説明を終了する。
11・・・推定値算出部
12・・・偏差算出部
13・・・相互相関算出部
14・・・閾値判定部
141・・・相互相関判定部
1411・・・位相差閾値判定部
1412・・・相関値閾値判定部
142・・・偏差閾値判定部
21・・・プロセス
22、23・・・回収器
31・・・セパレータ
32・・・サイクロン
41・・・減圧弁
42・・・フィルタ
43・・・気化器
44・・・流量計、
51・・・分析計
52・・・ベント
Claims (8)
- 材料を処理するプロセスから取得されるプロセス値を入力値とする関数を用いて、前記プロセスから採取されるサンプルを分析して得られる分析値の推定値を算出する推定値算出部と、
前記推定値と前記分析値との相互相関を算出する相互相関算出部と、
前記推定値と前記分析値との偏差を算出する偏差算出部と、
前記相互相関の位相差が位相差の閾値を超えたか否かを判定する位相差閾値判定部と、
前記相互相関の相関値が相関値の閾値を超えたか否かを判定する相関値閾値判定部と、
前記偏差が偏差の閾値を超えたか否かを判定する偏差閾値判定部と
を備える、分析システム異常検知装置。 - 前記位相差閾値判定部は、前記位相差が位相差の閾値を超えたときに位相差の異常を報知する、請求項1に記載の分析システム異常検知装置。
- 前記相関値閾値判定部は、前記相関値が相関値の閾値を超えたときに相関値の異常を報知する、請求項1又は2に記載の分析システム異常検知装置。
- 前記位相差閾値判定部は、前記推定値と前記分析値に基づき予め算出された位相差を前記位相差の閾値として用い、
前記相関値閾値判定部は、前記推定値と前記分析値に基づき予め算出された相関値を前記相関値の閾値として用いる、請求項1から3のいずれか一項に記載の分析システム異常検知装置。 - 前記分析システム異常検知装置は、前記分析値を生成する分析計に組込まれていることを特徴とする、請求項1から4のいずれか一項に記載の分析システム異常検知装置。
- 前記推定値算出部は、複数のプロセス値を入力値とする合成関数を用いて前記推定値を算出する、請求項1から5のいずれか一項に記載の分析システム異常検知装置。
- 材料を処理するプロセスから取得されるプロセス値を入力値とする関数を用いて、前記プロセスから採取されるサンプルを分析して得られる分析値の推定値を算出する推定値算出ステップと、
前記推定値と前記分析値との相互相関を算出する相互相関算出ステップと、
前記推定値と前記分析値との偏差を算出する偏差算出ステップと、
前記相互相関の位相差が位相差の閾値を超えたか否かを判定する位相差閾値判定ステップと、
前記相互相関の相関値が相関値の閾値を超えたか否かを判定する相関値閾値判定ステップと、
前記偏差が偏差の閾値を超えたか否かを判定する偏差閾値判定ステップと
を含む、分析システム異常検知方法。 - 材料を処理するプロセスから取得されるプロセス値を入力値とする関数を用いて、前記プロセスから採取されるサンプルを分析して得られる分析値の推定値を算出する推定値算出処理と、
前記推定値と前記分析値との相互相関を算出する相互相関算出処理と、
前記推定値と前記分析値との偏差を算出する偏差算出処理と、
前記相互相関の位相差が位相差の閾値を超えたか否かを判定する位相差閾値判定処理と、
前記相互相関の相関値が相関値の閾値を超えたか否かを判定する相関値閾値判定処理と、
前記偏差が偏差の閾値を超えたか否かを判定する偏差閾値判定処理と
をコンピュータに実行させる、分析システム異常検知プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015252480A JP2017116424A (ja) | 2015-12-24 | 2015-12-24 | 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015252480A JP2017116424A (ja) | 2015-12-24 | 2015-12-24 | 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017116424A true JP2017116424A (ja) | 2017-06-29 |
Family
ID=59231761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015252480A Pending JP2017116424A (ja) | 2015-12-24 | 2015-12-24 | 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017116424A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110319918A (zh) * | 2018-03-28 | 2019-10-11 | 深圳金智凌轩视讯技术有限公司 | 通过声音检测设备状态的方法及装置 |
CN112262353A (zh) * | 2018-06-11 | 2021-01-22 | 松下知识产权经营株式会社 | 异常解析装置、制造***、异常解析方法以及程序 |
-
2015
- 2015-12-24 JP JP2015252480A patent/JP2017116424A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110319918A (zh) * | 2018-03-28 | 2019-10-11 | 深圳金智凌轩视讯技术有限公司 | 通过声音检测设备状态的方法及装置 |
CN112262353A (zh) * | 2018-06-11 | 2021-01-22 | 松下知识产权经营株式会社 | 异常解析装置、制造***、异常解析方法以及程序 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3289420B1 (en) | Computer system and method for causality analysis using hybrid first-principles and inferential model | |
EP2132605B1 (en) | Method and system of using inferential measurements for abnormal event detection in continuous industrial processes | |
US9968899B1 (en) | Catalyst transfer pipe plug detection | |
US20200216767A1 (en) | Design Development and Implementation of Analyzer Based Control System and Algorithm | |
Ni et al. | Localized, adaptive recursive partial least squares regression for dynamic system modeling | |
US20120330631A1 (en) | Method and System of Using Inferential Measurements for Abnormal Event Detection in Continuous Industrial Processes | |
US20120053861A1 (en) | On-line monitoring and prediction of corrosion in overhead systems | |
Masuda et al. | Multivariate statistical process control method including soft sensors for both early and accurate fault detection | |
JP2017116424A (ja) | 分析システム異常検知装置、分析システム異常検知方法及び分析システム異常検知プログラム | |
US9458388B2 (en) | Development and implementation of analyzer based on control system and algorithm | |
Xie et al. | Statistical monitoring of dynamic multivariate processes part 1. modeling autocorrelation and cross-correlation | |
Andersen et al. | An easy to use GUI for simulating big data using Tennessee Eastman process | |
US11203570B2 (en) | Virtual sensing method and system for controlling a composition variable in a urea production process | |
Kettunen et al. | Data-based, fault-tolerant model predictive control of a complex industrial dearomatization process | |
US20060277094A1 (en) | Data processing system and method for regulating an installation | |
Lieftucht et al. | Statistical Monitoring of Dynamic Multivariate Processes− Part 2. Identifying Fault Magnitude and Signature | |
RU2788068C2 (ru) | Способ и система виртуального детектирования для управления переменной состава в процессе производства карбамида | |
Sansana et al. | Multirate fusion of data sources with different quality | |
Kaneko et al. | Soft sensors: Chemoinformatic model for efficient control and operation in chemical plants | |
Fernandes | APPLICATION OF DATA RECONCILIATION TO AN ATMOSPHERIC CRUDE UNIT TO CALIBRATE INSTRUMENTS | |
Stone et al. | STOCHASTIC MODELS IN STATISTICAL PROCESS CONTROL: USEFUL TOOLS OR STATISTICAL DIVERSIONS? | |
Haimi et al. | Outlier detection for the denitrifying post-filtration unit of a municipal wastewater treatment plant: The Viikinmäki case |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181018 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190611 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190729 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190910 |