特許7282184IP Force 特許公報全文掲載

ホーム > 特許ランキング > ビューラー　アーゲー > 特許7282184

技術分野

発明の分野 本発明は、産業プロセス制御及び／又は監視システムに関する。特に、本発明は、請求項１に記載の工業プロセスで使用されるコンポーネントに由来する測定データ及び／又はプロセスパラメータをそれぞれ監視することによって、工業機器又は生産プラントにおける機器故障の異常又は早期兆候を検出する方法に関する。本発明は、請求項１５に記載の産業プロセスで使用されるコンポーネントに由来する測定データ及び／又はプロセスパラメータを監視することによって、産業機器又は生産プラントにおける機器故障の異常又は早期兆候を検出するためのシステムに関する。本発明は、自己適応型閉ループ及び／又は自動閉ループ用の開ループ制御装置及び/又はミリング及びローラーシステムの開ループ制御、より具体的には、ローラーフレームを有するミルプラントだけでなく、一般的なミルシステム及びミルプラントも含む。ミリング及びローラーシステムの制御及びステアリング用の装置を制御するためのアプリケーションとは別に、本発明はまた、一般に、工業プロセスで使用されるコンポーネントに由来する信号伝達の異常を検出及び測定するためのシステム及び方法に関する。本発明による装置の可能な用途はまた、リアルタイム又は準リアルタイムの測定及び操作パラメータ、例えばローラー温度、ローラーギャップ、ローラー速度、ローラー押圧力、及び/又は1つ又はさまざまなローラードライブのパワードローなど、の監視を伴う、及び/又は、プロセス監視（測定、監視）及びプラントとプロセスの開ループ及び/又は閉ループ制御を目的とした穀物工場での生産調整及び処理中、例えば水分含有量、タンパク質含有量、デンプン損傷、小麦粉（又はミリング中間体）の灰分（ミネラル物質）、残留デンプン含有量、ミリングの細かさなどの測定変数など、成分又は品質パラメータのリアルタイム又は準リアルタイム測定を伴うミリング及びローラーシステム

発明が解決しようとする課題[発明の詳細な説明]から抜粋

本発明の要約 本発明の目的は、先行技術から知られている不利な点及び技術的問題を克服することである。特に、その目的は、工業プロセスで使用されるコンポーネントに由来する測定及び感覚データの異常を検出するための正確で効率的な制御システム及び方法を提供することである。システムは、大量のアラーム/フォールト情報を、通常の操作とは異なるいくつかのトリガーされた重要なイベントに効率的に抽出する自動化された技術を提供できる必要がある。システムは、リアルタイム又は準リアルタイムで制御及び監視プロセスを実行できる必要がある。より具体的には、本発明の目的は、最適化され自動化された方法でミリング及び/又は破砕を実行するために使用でき、ミルの信頼性を高め、同時に発生する異常に自動的に反応することによって操作を最適化するローラーシステムのミリングラインの自動最適化及び制御のためのインテリジェントな自己適応型開ループ／閉ループ制御装置を提供することである。

課題を解決するための手段[発明の詳細な説明]から抜粋

本発明によれば、本発明の目的は、独立請求項及び従属請求項に特に示されている要素及び組み合わせによって実現及び達成することができる。前述の一般的な説明及び以下の詳細な説明の両方は、例示的かつ説明的なものにすぎず、説明されているように本発明を限定するものではないことを理解されたい。

この特許の権利範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 図１は、産業プラントの自己最適化制御のためのインテリジェントな自己適応制御装置を備えた、産業プラントの監視及び適応プロセスを概略的に示す図を示す
【図2】 図２は、産業プラントにおける監視及び適応プロセスを概略的に示す図を示す。センサーからのデータは定期的に、例えば３分ごとに送信される。
【図3】 図３から１２は、図２による例示的なプラントのプレミアムミリングセクションでのプラントフォールト／サスペンドイベント（ダウンタイム）を示す。ミリング／クリーニング／第１のクリーニングセクションの機械的エラーによる主要なフォールトサスペンド（suspends）イベントは、操作ステータスの概要に示されている。個々のセンサーレベルでの頻繁なフォールトは、それぞれ２０１７年と２０１８年の例示的なデータについて示される。異常は、ミルレベルのセクションで、個々のセンサーについて示されている。最適化と予防保守のためのシグナリングも示されている。図３は、２０１７年から２０１８年の期間における例示的なミル収率(mill yield)の監視を概略的に示す図を示す。
【図4】 図４は、２０１７年から２０１８年の期間における例示的なＦ１収率(F1 yield)の監視を概略的に示す図を示す。
【図5】 図５は、２０１７年から２０１８年の期間における例示的なミリングセクションミリングサスペンドの要約の監視を概略的に示す図を示す。２０１８年のサスペンドイベントの総数は、この例では８０で、合計継続時間(duration)は２日（ｄａｙｓ）２７時間（ｈ）１１分（ｍｉｎ）であった。ミリングセクションにおける最長のサスペンドは、２０１８年１月１日の１４時間（ｈ）５１分（ｍｉｎ）であった。２０１７年のサスペンドイベントの総数は２７５で、合計継続時間は９日（ｄａｙｓ）８時間（ｈ）５８分（ｍｉｎ）であった。合計には、欠落しているイベントは含まれない。
【図6a】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6b】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6c】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6d】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6e】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6f】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6g】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6h】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6i】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6j】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6k】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6l】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6m】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6n】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図6o】 図６ａから図６ｏは、２０１７年１１月１日から１１月３０日までの期間における例示的なミリングプラントのエラー監視を概略的に示す図を示す。
【図7】 図７は、２０１７年から２０１８年の期間における例示的なミリングプラントのエラー監視頻度の要約(summery)を概略的に示す図を示す。図は、第２のクリーニングセクション（ＭＵＥＰＳ００１）、ミリングセクション（ＭＵＥＰＳ００２）、及び第１のクリーニングセクション（ＲＥ１ＰＳ００１）の機械的エラーフォールトのためのプラントサスペンドイベントを週番号別に示す。１０分を超える欠落データ(Missing Data)が上にプロットされている。垂直バーは、フォールトがいつ発生したかを示し、短いタイムスケールのフォールトイベントを可視化するため（１５時間(h)）拡大される。太い縦線は、より長いフォールトイベント又はいくつかの短いフォールトイベントが接近していることを示す。３分より短いフォールトは除外される（データは３分ごとにサンプリングされる）。
【図8a】 図８ａ及び８ｂは、２０１８年の期間ごとの上位１０のフォールトアラームの例を概略的に示す図を示す。
【図8b】 図８ａ及び８ｂは、２０１８年の期間ごとの上位１０のフォールトアラームの例を概略的に示す図を示す。
【図9】 図９は、２０１７年から２０１８年の期間における例示的なプラントの洗浄セクションでのエラー監視を概略的に示す図を示す。本発明のシステム及び方法は、予防的保守又はさらなる監視がｓｏｒｔｅｘのために必要とされる場合、シグナリングを生成することを可能にする。本発明の異常検出方法は、予防保守又は監視を必要とする機器を識別することができる。プロットはいくつかの速報値(preliminary results)を示し、ここで、異常な週は、クリーニングセクション用にオレンジ色でラベル付けされている。図９は、異常なフォールト頻度が検出された速報値を示す。垂直バーは、いつフォールトが発生したかを示し、短いタイムスケールのフォールトイベントを可視化するため、わずかに拡大される。カラーバーは、各フォールト信号の分類を示す。グレーのラベルが付いた期間は、典型的なプラント操作であると想定される。青でラベル付けされた期間は、正常の操作として分類され、オレンジ色のラベルが付いた週は、異常として分類される。欠落データ期間は正常操作として分類され、表示されない。Sｏｒｔｅｘ、ハイレベルセンサー(High Level Sensor)‐ＷＴ、フローバランサー(Flow Balancer)２０３、及びクリーニングセクション（Cleaning Section）は、さまざまなマシンの単なる例であることに注意してください。したがって、図９では、ｓｏｒｔｅｘはより一般的に「マシン１」、ハイレベルセンサー(High Level Sensor)‐ＷＴは「マシン２」、フローバランサー(Flow Balancer)２０３は「マシン３」、クリーニングセクション（Cleaning Section）はシステム全体の「マシン４」と呼ばれることもある。
【図10】 図１０は、例示的なミリングプラントのクリーニングセクションにおける、プラント内のセンサー位置によるエラー監視を概略的に示す図を示している。Ａ－ｘｘｘｘの形式の参照番号は、センサー及びミリングプラントのクリーニングセクションの操作中に測定データをキャプチャする測定デバイスを示し、処理のさまざまな場所で取得される。
【図11】 図１１は、重量スケール(weight scales)及びフローバランサー(flow balancers)による例示的なミリングプラントのクリーニングセクションにおけるエラー監視を概略的に示す図を示す。
【図12】 図１２は、感覚データと測定データのエラー／フォールト(fault)相関を概略的に示す図を示す。プラントの操作の異常を検出する制御装置のための本発明のシステム及び新規の方法は、多数の相関及び感覚値に対処することができる。図１２のコード(chord)プロットは、同時に発生するフォールトを示し、機械的故障間の可能な相関関係を意味する。
【図13】 図１３は、プロセスデータのバイナリ変換を伴う本発明の実施形態の変形を概略的に示す図を示す。典型的には、時系列異常検出アルゴリズムは、異常を検出するため、しきい値や移動平均などに依存する。その結果、振動／ノイズの多い信号（典型的には工業プロセス）による異常イベントが多すぎることが検出される可能性がある。本発明では、感度を増減するようにしきい値を調整できる（異常が垂直線でマークされている図１３を参照）。イベントの各々は、しきい値を超えた場合にＴｒｕｅ／１値（それ以外の場合はＦａｌｓｅ／０）として取得され、バイナリシーケンスが生成される。これにより、しきい値を超える(crossings)頻度を確認できるため、異常な頻度に基づいて異常を分類できる。技術的な利点は、しきい値の過敏性や振動／ノイズの多い産業用ＩｏＴデータについて心配する必要がないことである。
【図14】 図14は、プロセスデータの異常検出を概略的に示す図を示す。ここで、第１のステップでは、バイナリシーケンスは、プロセスデータに適用されたしきい値に基づいて生成される（図１４を参照）。第２のステップでは、本明細書に記載の異常検出がバイナリシーケンスに適用され、それに応じて異常期間にラベルが付けられる。アナログ信号の異常をバイナリベクトルに変換すること、及び次に、本発明による統計的ＨＭＭ（隠れマルコフモデル）異常検出構造を適用することは、技術的にユニークであり、従来技術のシステムのいずれからも導き出すことができない。
【図15】 図１５は、ダウンタイムとエラー感覚データに基づくプロセスデータの異常検出を概略的に示す他の図を示す。ここで、左側のカラム（Downtime）は、時間の経過に伴うさまざまなセクション内のダウンタイム測定値を示し、右側のカラム(Errors)は、上の図では、すべてのマシンでマシンごとに測定された失敗を示し、真ん中の図では、マシンごとのエラータイムを示し、下の図では、日ごとに測定されたエラー頻度を示している。
【図16】 図１６は、図１５に示した例ための感覚データと測定データのエラー／フォールト(fault)相関を概略的に示す別の図を示す。図１６は、産業プロセスで使用されるコンポーネントに由来する感覚又は測定データをトリガーする産業機器又は生産プラントにおける機器障害の異常又は早期兆候を検出するための本発明のシステム及び方法が、検出及び測定されたアラーム頻度(alarms frequencies)、相関、及び異常に基づいて適切なステアリング信号を提供することをどのように可能にするかを図示する。したがって、本発明のシステムは、アラームイベント間の相関をトリガーする、及び／又は時間内に(in time)アラームイベントを視覚化する、及び／又は異常なダウンタイム／アラームの異常検出、及び／又はアラーム再生(playback)及び対応する電子シグナリング生成の技術的に完全に新しい方法を可能にする。

代表図 図1本件の代表的な図

参考文献のリスト １ 産業機器／生産プラント １１ プロセスライン １２ プラントのダウンタイム １３ 監視デバイス １４ 制御／ステアリングデバイス １５ アラームデバイス ２ 測定デバイス／センサー ３ 同じサイズのタイムフレーム ３１ 異常なタイムフレーム ４ 測定及び／又はプロセスパラメータ ４１ 感覚／測定パラメータ ４２ プロセス変数 ４３ 異常なセンサーデータ値 ５ 産業用処理コンポーネント／産業用デバイス ６ 工業プロセス ６１ 発生するアラームイベント ６１１ 発生するアラームイベントの頻度 ６１２ 発生するアラームイベントの頻度パターン ７ 産業機器又は生産プラントの機器の故障の異常又は早期兆候を検出するためのシステム ７１ 監視デバイス ８ 機械学習モジュール ８１ 多次元データ構造 ８１１、８１２、…、８１ｘ 可変隠れマルコフモデルのパラメータ値 ８２１、８２２、…、８２ｘ 保存可能なマルコフ連鎖状態 ８３１、８３２、…、８３ｘ トレーニング済みモデルパラメータ ８２ アラームイベントが発生する正常の状態(normal state)の頻度 ８３ 確率状態値 ８４ 対数しきい値 ８４１ 異常スコア ８５ 対数結果値 ８６ 事前定義された収束しきい値 ９ バイナリコンバータ／微分器 ９１ バイナリ処理コード ９１１ 生成されたバイナリ処理コード ９１２ プレサンプリングされたバイナリ処理コード ９２ しきい値

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

［広告欄］

ログインすれば広告は減ります

ログインすれば広告は減ります

Copyright © Science Impact Inc. All Rights Reserved.