JP5179086B2 - 工業プロセスの監視方法及び監視システム - Google Patents

Description

本発明は、工業プロセスの制御方法及び制御システムに関し、主に、プロセスの変数の処理、変形、及びインタープリティングを行うことでプロセスの制御、監視及び最適化を行う方法及びシステムに関する。

石油ガス工業におけるプロセス等の工業プロセスは、多数の変数によって類型化することができ、これら変数の多くは、従来の数学的関係を用いて容易に算出又は予測することはできない。このようなプロセス用に入手できる情報量は肥大化しており、ビジネス技術の複雑化や、個人的、設備的、及び環境的な安全保護のための工業的セキュリティの必要性が増大していることとあいまって、石油ガス工業におけるプロセス等の多変数プロセスの監視をすることは、非常に複雑なタスクとなっている。

種々の工業プロセスに用いられ得る大量の情報であって異なる変数を大量に含み得る情報を正確かつ実効的に監視して、監視されるプロセス内の個々のプロセスあるいはサブプロセスの制御及び／または最適化を、必要に応じて行うことが可能なシステム及び方法が求められている。従って、本発明の主な目的は、予想外の振る舞いをしている特定のプロセスに対してオペレータが集中的に注意をはらうことを可能とするように、上述のようなプロセスの多変数環境を変換するシステム及び方法を提供することにある。また、本発明は、プロセスのパフォーマンスを局所的に、また全体的に最適化することが可能な方法及びシステムを提供することをも目的とする。また、本発明は、プロセスが異常な状態にあることの早期検出及び早期対応を可能とする方法及びシステムを提供することをも目的とする。本発明のその他の利点及び目的は、以下に記述される。

本発明によれば、上述の目的及び利点は容易に得られる。本発明によれば、工業プロセスの監視方法であって、前記プロセスの動作コンディションの二次元表現を含んだ知識ベースを提供するステップと、前記工業プロセスから複数のプロセス変数に対するプロセスリアルタイムデータを得るステップと、前記リアルタイムデータから関連特徴を選択するステップと、前記関連特徴から動作コンディションクラス分類を得るステップと、前記動作コンディションクラス分類を二次元ポイントに変換するステップと、前記知識ベースに前記二次元ポイントを表示するステップと、を含む方法が提供される。更に、本発明によれば、少なくとも２つのプロセス変数を有した工業プロセスの監視システムであって、前記プロセス変数のリアルタイムデータを得るためのセンサ部材と、前記リアルタイムデータを受けて、前記リアルタイムデータから関連特徴を抽出し、前記関連特徴から動作コンディションクラス分類を得るとともに前記動作コンディションクラス分類に対応する二次元ポイントを生成するプロセッサユニットと、プロセス動作コンディションの二次元表現を含むとともに、前記表現における前記ポイントを表示するように前記プロセッサユニットに関連づけられた知識ベースと、を有するシステムが提供される。

以下、本発明のシステム及び方法を表す図面を参照して本発明の実施の形態を詳細に説明する。本発明は、工業プロセスの制御方法及びシステムに関し、主に、複数の変数を有する工業プロセスの監視、制御及び最適化方法及びシステムに関する。これらは、プロセスのトラジェクトリー(trajectory)、いわゆる履歴や軌跡、を構成するように多数の変数を２次元あるいは２変数状態に変換することでなされる。本発明に係るシステムや方法は、多種多様の工業プロセスに適用可能である。本発明が特に有利であるシステム及び方法のうちの一つとしては、石油ガス工業が挙げられ、例えば一つ以上のフィールドや貯蔵庫から、多数の炭化水素採集井(producing well)を監視して各採集井からの生成物を制御、監視及び最適化するのに適している。

本発明では、制御されているプロセスから、種々のプロセス変数のリアルタイム値を得ている。このことは、従来の装置や設備を用いることで達成することができ、当業者には周知である。石油やガスの製造工業において典型的なプロセス変数としては、圧力、温度、流体レベル及び負荷、流体組成、軌道試験関連の変数等が挙げられる。非常に多数となりうる情報の取り扱いが、本発明のベースを構成している。本発明によれば、上述の装置や設備におけるセンサから得られる情報のリアルタイム値を受けるためのシステムが得られ、このシステムは、情報を、種々のプロセスコンディションの表現を含むことが好適である知識ベースに容易に表示することのできるプロセスの現在状態あるいは二次元ポイントへと変換する。

本発明に係るシステムは、好適には、例えばプロセス変数の時間に対する値等のリアルタイムデータを受けると共に格納して二次元ポイントとこれらのポイントの軌跡や履歴を格納するためのデータベースと、本発明における数学的及び知識ベースに関連する機能を達成するためのプロセッサと、を有する。本発明に係るプロセッサは、得られた各ポイントからプロセス挙動の軌跡を生成するようにプログラムされていることが好適である。例えば、監視及び制御される各油井におけるオイル製造が上記プロセスとなる。このようなプロセッサの数学モデルもまた好適には、変数のデータベース及び軌跡データベースに格納されたプロセスの軌跡に集められたデータからプロセス挙動モデルを生成するようにされている。このモデル及びプロセス軌跡データベースを用いて、推測的かつ知識ベースに基づいた本発明に係るモデルは、変数の現在時におけるリアルタイム値を用いて現在時におけるプロセス軌跡を決定するようになっており、またそのようにプログラムされている。そして、本発明に係るモデルは、カレントプロセス軌跡、即ち現在時におけるプロセス軌跡と挙動モデルとを用いて、プロセスの未来推定状態を予測するようにされており、またそのようにプログラムされたものとすることができる。その後、現在時におけるプロセス軌跡と、予測される未来推定状態と、を比較しながら、種々の未来推定状態に対する現在時におけるプロセス軌跡の偏差あるいは逸脱(deviation)を検出するように監視することが好適であり、このような逸脱は、好適には、オペレータの注意を喚起するようにされ、例えば、勧告信号を発行することで注意を喚起させることができる。

例えば、複数の工業プロセスを監視するステップを実行し、動作コンディションクラス分類には、通常動作と異常動作とが含まれるようにし、更に、異常動作を行っている工業プロセスに関しては警告信号を生成するステップを実行するようにしてもよい。このような構成によって、それぞれ非常に多数の変数を含みうる多数のプロセスの監視や制御及び最適化を最小限レベルでの人間の監視によって行うことが可能となり、更に、人間のオペレータは、推定される軌跡からの逸脱、あるいは「軌道外れ」が検出される状況のみに注目すればよくなる。このプロセスは、時間に対しての多数の変数のリアルタイムデータやリアルタイム値が得られるデータ収集から開始される。これらの値のデータベースあるいは履歴的レジストリ(履歴記録)が構築され、このデータベースは、新たに得られたデータによって更新され、好適には連続的に更新される。このように得られたデータからは、クリティカルなデータや特徴が抽出される。これらの特徴は、その後、動作コンディションのクラス分類が得られるように用いられ、このクラス分類は、その後、プロセスコンディションに対応した二次元ポイント(ｘ、ｙ)に変換あるいは融合される。プロセスコンディションは、例えば、時間に対する生成物、動作プロセスコンディション等である。その後、現在時における状態あるいはポイント、リアルタイムデータ値及び履歴的レジストリまたはデータベースを用いて、プロセスの現在時における軌跡が生成され、この軌跡は、その後、軌跡データベースに格納される。上述の二次元ポイントは、知識ベースに、デカルト平面上で表示または描画され、この平面では、相異なるプロセスコンディションの論理配置に対応する領域のマップが表示される。時間に対するそれぞれのポイントによって、軌跡が形成され、この軌跡は、その後好適には、異常な状況を検出するため及びプロセスの推定される新たな状態の決定のために解析される。

集められた総変数データから抽出されるクリティカルなデータは、好適には、その後、例えば主成分分析を通じて、適切でない特徴、あるいはクリティカルなデータとは関連性のない特徴を同定して廃棄することで決定される。残りの関連性のある特徴は、その後、プロセッサへの入力となり、このプロセッサは、好適には、診断用ニューラルネットワークを含む。診断用ニューラルネットワークでは、その後、これらの特徴を、監視される種々の動作コンディションとして、各コンディションにおいてそのようなコンディションが存在するか否かの指標となる確実性の度合いに応じてクラス分類する。このプロセスコンディションのクラス分類は、その後、好適には上述のクラス分類に対応する知識ベースにおける二次元ポイントを決定するためのプロジェクションニューラルネットワーク(projection neural network:投影ニューラルネットワーク)に入力される。このポイントは、その後、プロセスを監視するオペレータに視認されるように知識ベースに表示される。好適には、ディスプレイ上に、当該ディスプレイの監視を更に容易とするために、表示される状態の移動がプロセスの変化のタイプの指標となり得るようにすることで、関連するコンディションを知識ベース上に論理的配置によって位置表示させることが好ましい。例えば、ポンプのコンポーネントに関する問題を表す領域は、好適には、ポンプ故障を表す領域に近接した位置とすることが好ましい。この場合、問題がより重大となるにつれて、知識ベースにおけるポイントをつなげるとポンプ故障領域に向かっていくようになる。勿論、特定のプロセスに対しての知識ベースは、プロセスの熟知性及びノウハウに基づいて構築され得るものであり、各プロセス毎に異なる。

本発明に係る方法やシステムにより制御される典型的なプロセスの変数としては、適切な圧力、温度及び流体体積等のプロセスコンディションや、ポンプ装置等にかかる予測し得ない高負荷や低負荷等の異常なコンディションや、製造される流体の価値及び現在時における電気代等の経済要因や、生産計画比等が挙げらえっる。勿論、プロセスに応じて、種々のその他の変数が関連してくる場合もある。本発明によれば、これらの各変数の価値は、必要に応じて使用されるよう変数データベースに格納される。新たな変数値がデータベースに取り入れられると、本発明のシステムは、新たな二次元ポイントを生成し、これらのポイントを現在時におけるプロセス軌跡に取り入れる。本発明に係るシステムは、更に、監視されるプロセスの挙動モデルの決定に用いることもできる。入手された上述の軌跡及び挙動モデルを用いて、本発明のシステムの知識ベースモデル又はプロセスは、システムによりプロセスから得られる関連するリアルタイム変数プロセスにおけるリアルタイムの現在時における状態の決定に用いられ、また、未来の推定状態の予測、好適にはそのプロセスにおける未来の推定される一連の状態の予測、にも用いられる。プロセス軌跡の現在時におけるポイントは、全軌跡及び時間に対してのプロセスの未来の推定状態とともに、本発明に係るシステムによって解析され、実際のプロセスコンディションにおけるいずれの逸脱も、システムによって検出される。検出された逸脱は、好適には、オペレータの注意を喚起するようにされ、例えば、勧告信号(advisory signal)を通じて注意を喚起し、オペレータがその逸脱に対して調査及び応対を行うことができるようにする。

本発明によれば、逸脱が検出されると、好適には、その逸脱のタイプおよびその原因が判定されるように、かつ、この情報を勧告信号に含ませるように、現在の軌跡に関する各既知の軌跡を解析するための数学的及び知識ベースのモデルをプログラムする。予測された未来の状態は、また、使用されているポンプの異常や過剰なガスあるいは水が生成される等のプロセスの異常を早期に表示して実際に異常が発生する前に調整処置をとることができるように、予測された未来の状態それ自体の監視を行うことが利点のある情報である。図には、本発明に係るシステム及び方法の概略が示される。図示されるように、リアルタイム値Ｘに対して、一連のプロセス変数(Ｖ１，Ｖ２，…Ｖｎ)が監視されている。図示されるように、監視される変数としては、種々のものが用いられるが、通常、圧力、温度、流体レベル(fluid level)及び流体負荷(fluid load)が挙げることができる。リアルタイム値Ｘは、本発明に係るプロセッサに供給され、関連する特徴(f1,f2,…fn)が抽出される。これは、ステップＦ１として図示され、周知の技術、例えば主成分解析やその他の方法を用いて実行される。

図示されるステップF2は、診断用ニューラルネットワークへの関連特徴の入力を示す。この診断用ニューラルネットワークは、関連特徴を入力として、動作コンディションクラス分類を出力として、両者の相関関係を求めるように学習され、あるいは相関関係に関して学習がなされている。このクラス分類は、好適には、種々の発生しうるコンディション(Ｃ１，Ｃ２，…，Ｃｎ)及びそのようなコンディションが発生する確度(likelihood)についての対応確率に対応する一連の識別子である。従って、診断用ニューラルネットワークにより、リアルタイムで各動作コンディションに対して決定された重み付けが与えられる。図において、２つの典型的なコンディションがその確度とともに示されており、具体的には、低負荷コンディションは確度３０％、砂だけのコンディション(プレインサンドコンディション：plain sand condition)は５０％の確度として示される。この情報は、図のＦ３に示されるようにプロジェクションニューラルネットワークに送られ、当該プロジェクションニューラルネットワークによって、コンディションクラス分類に対応する知識ベースにおけるポイントＰの座標に変換される。このポイントＰは、知識ベースにプロットされるか、またはデカルト平面マップ（Ｗ）に表示された場合、特定のプロセスの逸脱もしくは診断を表す。従って、本発明によれば、等式Ｗ＝Ｆ３(Ｆ２(Ｆ１(Ｘ)))は、図による表示(Ｗ)の構築処理を示し、これにより、オペレータは、異常な状況を迅速に検出することが可能となる。ベクトル(Ｘ)は、３つの関数の合成を通じて処理されるプロセス変数の全ての値を含む。これらの関数は、特徴抽出(Ｆ１)、動作コンディションクラス分類(Ｆ２)、及び次元落としあるいはグラフィックビューア(graphic viewer:図での表示)(Ｆ３)である。関数の合成による出力は、上述の二次元空間(Ｗ)に表されるポイント(ｘ,ｙ)であり、これは、上述のように知識ベースである。本発明に係るシステム及び方法は、プロセス最適化工業、プロセスの現在状態の決定及び未来の状態の予測、及び大量のデータや情報ヒエラルキーをユーザーフレンドリーな手法で取り扱う場合におけるそれぞれの既存の問題を解決するものであることは非常に明瞭である。

更に、本発明によれば、数学的又は知識ベースのモデルが構築されるプロセッサまたはプロセッサ群には、変数からクリティカルなデータを抽出して次元落としを実行することのできるニューラルネットワークあるいは主成分解析(principal component analysis :PCA)を含むようにでき、また、クリティカルなデータを直行系の独立した変数に変換するためのコーネン(Kohonen)クラスタリングマップ及びその他のクラスタリングマップを含むようにすることもできる。更に、本発明に係るシステム及び方法によれば、連続的にプロセスの軌跡を格納することで、本発明に係るシステム及び方法の数学的モデルあるいは知識ベースのモデルに対して未来の挙動の予測正確性を大きく向上するために用いられるエキスパート軌跡データベースを構築することができる。

本発明に係るシステム及び方法は、更に、全てのプロセス変数値を用いる場合に比較して、関連する特徴変数を識別及び利用することができるという利点があり、これにより、変数を減少させ、二次元ポイントに変換することも可能である。知識ベースまたはデカルト平面マップにおけるこの二次元ポイントの位置は、プロセスの軌跡及び現在時における動作状態を示すように更新され、これにより、オペレータは、異常な状況を迅速にかつ早期に検出することが可能となる。従って、本発明に係るシステム及び方法は、工業プロセスの監視、制御及び最適化を容易に向上させることができる。

以上、本発明を実施例及び図面を用いて説明したが、本発明は図面に限定されるものではなく、これらは最適実施形態の単なる一例として扱うべきものである。当業者によれば、多くの代替物、修正、変更が可能であることは明らかであろう。従って、これらの代替物、修正、変更等は、添付の請求項の趣旨及び範囲に包含されるものである。

本発明の一実施形態に係るシステムの説明図。

Claims (11)

1. 工業プロセスの監視方法であって、
   前記プロセスの動作コンディションの二次元表現を含んだ知識ベースを提供するステップと、
   前記工業プロセスから複数のプロセス変数に対するプロセスリアルタイムデータを得るステップと、
   前記リアルタイムデータから関連特徴を選択するステップと、
   前記関連特徴から動作コンディションクラス分類を得るステップであって、前記動作コンディションクラス分類は複数のプロセスコンディションと前記複数のプロセスコンディションのそれぞれに対応する確度のファクターとを有するステップと、
   前記動作コンディションクラス分類に対応する二次元ポイントを決定するステップと、
   前記知識ベースに前記二次元ポイントを配置するステップと、
   動作コンディションクラス分類と関連特徴との相関関係に関して学習された診断用ニューラルネットワークを提供するステップと、
   前記動作コンディションクラス分類が得られるように前記関連特徴を前記診断用ニューラルネットワークに入力するステップと、を有し、
   前記知識ベースは、デカルトプロット上に配置されたプロセスコンディションの二次元表現であり、前記ポイントは、前記プロット上の座標のセットであり、および
   前記ポイントの現在時におけるプロセス軌跡を生成するステップと、当該プロセス軌跡を軌跡データベースに格納するステップと、
   前記軌跡データベースと前記現在時におけるプロセス軌跡とから前記工業プロセスの未来の動作コンディションを予測するステップをさらに有する方法。
2. 前記軌跡データベースに基づいて知識ベースモデルを提供し、前記知識ベースモデルと前記現在時におけるプロセス軌跡とを用いて前記未来動作コンディションを予測するステップを有する請求項１記載の方法。
3. 動作コンディションクラス分類と前記知識ベースのポイントとの相関関係に関して学習されたプロジェクションニューラルネットワークを提供するステップと、
   前記動作コンディションクラス分類を前記プロジェクションニューラルネットワークに入力して前記ポイントを得るステップとを有する請求項１記載の方法。
4. 前記リアルタイムデータを変数データベースに格納するステップを有し、および／または前記プロセスが最適化されるように、前記知識ベースに表示される動作コンディションに対応して調整処置を行う請求項１から３のいずれかに記載の方法。
5. 前記工業プロセスは、炭化水素の製造プロセスである請求項１から４のいずれかに記載の方法。
6. 複数の工業プロセスを監視するステップを有し、前記動作コンディションクラス分類には、通常動作と異常動作とが含まれ、更に、異常動作を行っている工業プロセスに関しては警告信号を生成するステップを有する請求項１から５のいずれかに記載の方法。
7. 前記動作コンディションが関連する動作コンディションを含んでおり、および前記関連する動作コンディションが前記知識ベース上に互いに実質的に近接して配置されることを特徴とする請求項１記載の方法。
8. 少なくとも２つのプロセス変数を有する工業プロセスの監視システムであって、
   前記プロセス変数のリアルタイムデータを得るためのセンサ部材と、
   前記リアルタイムデータを受けて、当該リアルタイムデータから関連特徴を抽出し、前記関連特徴から動作コンディションクラス分類を得るとともに前記動作コンディションクラス分類に対応する二次元ポイントを生成するプロセッサユニットと、
   プロセス動作コンディションの二次元表現を含むとともに、前記表現における前記ポイントを配置するように前記プロセッサユニットに関連づけられた知識ベースと、を有し、
   前記知識ベースは、デカルトプロット上に配置されたプロセスコンディションの二次元表現であり、前記ポイントは、前記プロット上の座標のセットであり、
   前記プロセッサユニットは前記二次元ポイントを現在時におけるプロセス軌跡に変換するものであり、および、前記現在時におけるプロセス軌跡を格納する軌跡データベースを更に有しており、
   前記プロセッサユニットは、前記軌跡データベースに基づくとともに未来の動作コンディションを予測するようにされている知識ベースモデルを更に有するシステム。
9. 前記プロセッサユニットは、関連特徴と動作コンディションクラス分類との相関関係に関して学習された診断用ニューラルネットワークを有する請求項８記載のシステム。
10. 前記動作コンディションクラス分類と前記知識ベースのポイントとの相関関係に関して学習されたプロジェクションニューラルネットワークを更に有する請求項８または９記載のシステム。
11. 前記プロセス動作コンディションが関連する動作コンディションを含んでおり、および前記関連する動作コンディションが前記知識ベース上に互いに実質的に近接して配置されることを特徴とする請求項８記載のシステム。

Images