Анализ временных рядов для оценки исправности регулирующего клапана

Авторы патента:


Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
Анализ временных рядов для оценки исправности регулирующего клапана
G05B19/4186 - Системы программного управления (специальное применение см. в соответствующих подклассах, например A47L 15/46; часы с присоединенными или встроенными приспособлениями, управляющими какими-либо устройствами в течение заданных интервалов времени G04C 23/00; маркировка или считывание носителей записи с цифровой информацией G06K; запоминающие устройства G11; реле времени или переключатели с программным управлением во времени и с автоматическим окончанием работы по завершению программы H01H 43/00)

Владельцы патента RU 2745514:

ФИШЕР КОНТРОЛЗ ИНТЕРНЕШНЕЛ ЛЛС (US)

Защищенные средства передачи данных между технологической установкой и удаленной системой содержат расположенный между ними диод данных, который обеспечивает выход данных из установки, но предотвращает прохождение данных в установку и связанные с ней системы. Затем данные технологической установки из защищенных средств передачи данных анализируют для определения состояний, возникающих на объектах технологической установки в технологической установке, с использованием различных способов машинного обучения. Когда объектом технологической установки является клапан, определяется режим работы клапана, и для каждого режима, в котором работает клапан, применяется различный анализ. Кроме того, данные технологической установки для каждого клапана сравниваются с данными других клапанов той же технологической установки, предприятия, отрасли промышленности и т.д. Соответственно, исправность каждого из клапанов упорядочивается относительно друг друга, и данные технологической установки для каждого клапана отображаются в параллельном сравнении. 2 н. и 19 з.п. ф-лы, 11 ил.

 

ОБЛАСТЬ ТЕХНИКИ

[0001] Данное изобретение в целом относится к технологическим установкам и к системам управления процессом и, в частности, к определению состояний устройств в технологической установке путем анализа данных временных рядов.

УРОВЕНЬ ТЕХНИКИ

[0002] Распределенные системы управления процессом, аналогичные используемым в химических, нефтяных или других технологических установках, обычно содержат один или более контроллеров процесса, соединенных с возможностью связи с одним или более полевых устройств посредством плат или устройств ввода-вывода, аналоговых, цифровых или комбинированных аналоговых/цифровых шин, и/или беспроводного канала связи, или сети. Полевые устройства, которые могут быть, например, клапанами, позиционерами клапанов, исполнительными механизмами, переключателями и передатчиками (например, датчиками температуры, давления, уровня и скорости потока), расположены в технологическом оборудовании и обычно выполняют физические функции или функции управления процессом, такие как открытие или закрытие клапанов, измерение параметров процесса, таких как давление, температура и т.д., и тому подобное для управления одним или более технологических процессов, выполняемых в технологической установке или системе. Интеллектуальные полевые устройства, такие как полевые устройства, соответствующие хорошо известному протоколу Fieldbus, также могут выполнять контрольные вычисления, функции подачи аварийных сигналов и другие функции управления, обычно реализуемые в контроллере. Контроллеры процесса, которые также обычно находятся в производственных условиях, принимают сигналы, характеризующие результаты измерения технологических показателей, выполненные полевыми устройствами, и/или другую информацию, относящуюся к полевым устройствам, например, посредством соответствующей платы или устройства ввода-вывода, и выполняют приложение контроллера, которое запускает, например, различные модули управления, которые принимают решения по управлению процессом, генерируют сигналы управления на основе принятой информации и координируют свои действия с модулями управления или блоками, выполняемыми в полевых устройствах, таких как полевые устройства HART®, WirelessHART® и FOUNDATION® Fieldbus. Модули управления в контроллере передают сигналы управления по линиям связи или каналам связи с полевыми устройствами, чтобы таким образом управлять работой по меньшей мере части технологической установки или системы. В контексте данной заявки, полевые устройства, платы или устройства ввода-вывода и контроллеры обычно называются «устройствами процесса» или «устройствами управления процессом».

[0003] Информация от полевых устройств и контроллера обычно передается по шине данных одному или более другим аппаратным устройствам, таким как рабочие станции оператора, персональные компьютеры или вычислительные устройства, архивные хранилища данных, генераторы отчетов, централизованные базы данных, или другие централизованные административные вычислительные устройства, которые обычно размещаются в диспетчерских или других местах вдали от более суровых условий эксплуатации. Каждое из этих аппаратных устройств обычно объединено в единую систему всей технологической установки или части технологической установки. Эти аппаратные устройства запускают приложения, которые могут, например, позволить оператору выполнять функции, связанные с управлением процессом и/или эксплуатацией технологической установки, такие как изменение настроек процедуры управления процессом, изменение работы модулей управления внутри контроллеров или полевых устройств, просмотр текущего состояния процесса, просмотр аварийных сигналов, генерируемых полевыми устройствами и контроллерами, моделирование операции процесса с целью обучения персонала или тестирования программного обеспечения управления процессом, хранение и обновление базы данных конфигурации и т.д. Магистральная шина передачи данных, используемая аппаратными устройствами, контроллерами и полевыми устройствами, может включать проводной канал связи, беспроводной канал связи или комбинацию проводного и беспроводного каналов связи.

[0004] В качестве примера, система управления DeltaV™, поставляемая компанией Emerson Process Management, включает несколько приложений, хранящихся в и выполняемых различными устройствами, расположенными в различных местах в пределах технологической установки. Приложение конфигурирования, которое постоянно хранится на одной или более рабочих станций или вычислительных устройств, выполнено с возможностью создания или изменения пользователем модулей управления процессом и загрузки этих модулей управления процессом посредством магистральной шины передачи данных в выделенные распределенные контроллеры. Как правило, эти модули управления состоят из соединенных с возможностью связи функциональных блоков, которые являются объектами в протоколе объектно-ориентированного программирования, которые выполняют функции в схеме управления на основании входных данных на ее входе и обеспечивают выходные данные для других функциональных блоков в схеме управления. Приложение конфигурирования может также позволить разработчику конфигурации создавать или изменять интерфейсы оператора, которые используются приложением просмотра для отображения данных оператору и позволяют оператору изменять настройки, такие как заданные значения, в подпрограммах управления процессом. Каждый выделенный контроллер и, в некоторых случаях, одно или более полевых устройств хранит и выполняет соответствующее приложение контроллера, которое запускает назначенные и загруженные в него модули управления для реализации фактических функциональных возможностей управления процессом. Приложения просмотра, которые могут выполняться на одной или более рабочих станций оператора (или на одном или более удаленных вычислительных устройств, соединенных с возможностью связи с рабочими станциями оператора и магистральной шиной передачи данных), принимают данные из приложения контроллера посредством магистральной шины передачи данных и отображают эти данные для разработчиков системы управления процессом, операторов или пользователей, использующих интерфейсы пользователей, и могут предоставлять любое из множества различных представлений, таких как представление оператора, представление инженера, представление технического специалиста и т.д. Приложение архиватора данных обычно хранится в и выполняется устройством архиватора данных, которое собирает и хранит некоторые или все данные, предоставленные по магистральной шине передачи данных, в то время как приложение базы данных конфигурации может работать на еще одном компьютере, подключенном к магистральной шине передачи данных, для хранения текущей конфигурации подпрограммы управления процессом и связанных с ним данных. В альтернативном варианте база данных конфигурации может быть расположена на той же рабочей станции, что и приложение конфигурирования.

[0005] В общем случае система управления процессом технологической установки включает полевые устройства, контроллеры, рабочие станции и другие устройства, которые связаны посредством набора многоуровневых сетей и шин. Система управления процессом, в свою очередь, может быть связана с различными корпоративными и внешними сетями, например, для снижения производственных и эксплуатационных затрат, повышения производительности и эффективности, обеспечения своевременного доступа к информации по управлению процессом и/или информации об установке и т.д. С другой стороны, взаимосвязь технологических установок и/или систем управления процессами с корпоративными и/или внешними сетями и системами повышает риск кибер-вторжений и/или злонамеренных кибератак, которые могут возникнуть в результате ожидаемых уязвимостей в коммерческих системах и приложениях, таких как используемые в корпоративных и/или внешних сетях. Кибер-вторжения и злонамеренные кибератаки на технологические установки, сети и/или системы управления могут негативно повлиять на конфиденциальность, целостность и/или доступность информационных активов, которые, в общем случае, являются уязвимостями, аналогичными уязвимостям компьютерных сетей общего назначения. Однако, в отличие от компьютерных сетей общего назначения, кибер-вторжения в технологические установки, сети и/или системы управления также могут привести к повреждению, разрушению и/или потере не только технологического оборудования, продукции и других физических активов, но также к гибели людей. Например, кибер-вторжение может привести к тому, что процесс станет неконтролируемым и, таким образом, привести к взрывам, пожарам, наводнениям, воздействию опасных материалов и т.д. Таким образом, обеспечение защищенной связи между технологическими установками и системами управления процессом имеет первостепенное значение.

[0006] На Фиг. 1 проиллюстрирована функциональная схема 10 типовых уровней безопасности для системы управления процессом или производственным процессом. На схеме 10 проиллюстрированы взаимосвязи между различными компонентами системы управления процессом, самой системой управления процессом и другими системами и/или сетями, к которым система управления процессом может быть подключена с возможностью связи, а также слои или уровни безопасности, относящиеся к связи в и между системой управления процессом и другими системами/сетями. Уровни безопасности обеспечивают многоуровневый подход к безопасности посредством сегментации или разделения, а различные уровни защищены одним или более межсетевых экранов 12а, 12b, 12с, чтобы обеспечить возможность только авторизованного обмена данными между различными уровнями. На Фиг. 1, уровни безопасности с меньшими номерами ближе к управляемому в режиме реального времени процессу, в то время как уровни безопасности с более высокими номерами в большей степени удалены от выполняемого процесса. Соответственно, уровни доверия (например, относительная степень доверия, что сообщения, пакеты и другие средства обмена данными являются безопасными) являются самыми высокими на уровне устройства (уровень 0), при этом уровни доверия являются самыми низкими выше уровня бизнес-сети (уровень 5), например, в общедоступном Интернете. При использовании логической структуры модели Пердью для иерархии управления, стандартизированной ISA (Международное общество автоматизации) 95.01 - IEC (Международная электротехническая комиссия) 62264-1, системы управления процессами обычно относятся к уровням 0-2, а производственные, корпоративные системы и системы на уровне предприятий обычно относятся к уровням 3-5.

[0007] Примеры разных функциональных возможностей на каждом из разных уровней безопасности показаны на Фиг. 1. Как правило, уровень 0 включает полевые устройства, которые имеют непосредственный контакт с процессом, например, датчики, клапаны, позиционеры клапанов, переключатели, преобразователи и другие устройства, которые выполняют физические и/или функции управления процессом, такие как открытие или закрытие клапанов, измерение параметров процесса, такие как давление, температура и так далее, и тому подобное. Для упрощения иллюстрации на Фиг. 1 типовые полевые устройства не показаны.

[0008] Уровень 1 включает контроллеры и другие устройства 15a-15d управления процессом, которые обеспечивают основное управление операциями процесса в реальном масштабе времени, например, путем приема входных данных от полевых устройств, обработки входных данных с использованием схем, модулей управления или логики и передачи получаемых выходных данных на другие устройства. Например, устройства управления процессом на уровне 1 могут включать контроллеры процесса, программируемые логические контроллеры (PLC), удаленные терминальные устройства (RTU) и тому подобное. Обычно такие устройства управления процессом программируют и/или конфигурируют с помощью соответствующих схем управления. Как показано на Фиг. 1, устройства управления процессом на уровне 1 могут включать устройства, которые выполняют групповое управление 15а, дискретное управление 15b, непрерывное управление 15с, гибридное управление 15d и/или управление других типов.

[0009] Уровень 2 включает устройства и оборудование 18A-18D, которые обеспечивают диспетчерское управление производственным участком. Например, уровень 2 может включать системы 18А аварийной сигнализации и/или оповещения, рабочие станции 18С оператора, другие человеко-машинные интерфейсы (HMI) 18В, 18D и тому подобное. Обычно устройства и оборудование уровня 2 могут осуществлять связь с устройствами 15A-15D уровня 1, а также с устройствами и оборудованием уровня 3, например, через один или более межсетевых экранов 12А, 12В.

[0010] Уровень 3 содержит системы и/или сети предприятия, например, устройства, оборудование и системы 20A-20D, которые управляют работой участка/предприятия и управляют производством или изготовлением требуемой готовой продукции. Например, уровень 3 может включать производственные системы 20А, которые используются для управления производством, отчетности, планирования и т.д.; системы оптимизации 20В, которые используются для повышения качества, производительности, эффективности и т.д.; архиваторы 20С для архивирования данных, генерируемых и/или характеризующих технологическую установку; и/или автоматизированные рабочие места проектировщика или вычислительные устройства 20D, используемые персоналом для проектирования и разработки схем и модулей управления, рабочих станций оператора и/или интерфейсов HMI и т.д.

[0011] Перейдем к уровню 5, при этом уровень 5 обычно содержит бизнес-системы и/или сети, системы и/или сети на уровне предприятия или корпоративные системы и/или сети. Как правило, такие системы и/или сети управляют взаимодействием с системами за пределами предприятия. Например, VPN (виртуальная частная сеть) на уровне предприятия, корпоративные службы доступа в Интернет или службы доступа в Интернет на уровне предприятия и/или другие системы и приложения инфраструктуры ИТ (информационных технологий) могут находиться на уровне 5.

[0012] Уровень 4, который можно рассматривать как продолжение в пределах уровня 5, обычно содержит корпоративные системы или системы на уровне предприятия, которые являются внутренними для предприятия, такие как электронная почта, интранет, бизнес-планирование и логистика участка, инвентаризация, планирование и/или другие корпоративные системы и сети/системы и сети на уровне предприятия.

[0013] Как показано на Фиг. 1, уровень 3 и уровень 4 разделяются демилитаризованной зоной (DMZ) 22, чтобы отделить бизнес-системы и/или сети или системы и/или сети на уровне предприятия от систем и/или сетей технологических установок/процессов, тем самым сводя к минимуму уровень риска, связанного с нарушением безопасности, которому подвергается технологическая установка. Указанная DMZ 22 может включать один или более соответствующих межсетевых экранов 12С и может содержать различные устройства, оборудование, серверы и/или приложения 25A-25F, которые осуществляют связь с устройствами, оборудованием и приложениями, связанными с технологической установкой, на более низких уровнях, и/или с устройствами, оборудованием и приложениями, связанными с предприятием, на более высоких уровнях. Например, DMZ 22 может содержать сервер службы терминалов 25А, сервер 25В управления исправлениями, один или более AV-серверов 25С, один или более архиваторов 25d (которые могут быть зеркальными архиваторами), серверы 25Е функционирования веб-служб и/или один или более серверов 25F приложений и тому подобные. Как правило, для устройств, оборудования и/или приложений на уровнях выше DMZ 22 к устройствам, оборудованию, серверам и/или приложениям 25A-25F могут подключаться только те, которые авторизованы для доступа к технологической установке и ее системам управления, которые, в свою очередь, поддерживают отдельные соединения с нижними уровнями, тем самым защищая технологическую установку и систему управления от атак со стороны систем и/или сетей на уровне предприятия (и выше).

[0014] Перейдем к краткому обсуждению удаленных служб, которые все чаще используются различными пользователями и системами. Например, продукт служб удаленных рабочих столов, предоставляемый операционной системой Microsoft Windows®, позволяет пользователям получать доступ к рабочим столам на основании сеансов, рабочим столам на основании виртуальных машин и/или другим приложениям в центре обработки данных из корпоративной сети и/или из Интернет. Продукт QuickBooks® Online, предоставляемый Intuit®, позволяет пользователям выполнять такие функции учета, как управление денежными потоками, выставление счетов и осуществление онлайн платежей через Интернет. В общем случае, удаленные службы предоставляются одним или более приложений, которые выполняются удаленно из системы или пользователем, который обращается к удаленной службе. Например, одно или более приложений выполняют и управляют данными в удаленном банке серверов, в облаке и т.д., причем доступ к ним осуществляется через одну или более частных и/или общедоступных сетей, таких как сеть на уровне предприятия и/или общедоступная сеть Интернет.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0015] В данной заявке описаны технологии, системы, установки, компоненты, устройства и способы определения состояний устройств в технологической установке с использованием анализа временных рядов. Указанные технологии, системы, установки, компоненты, устройства и способы могут применяться к системам управления производственными процессами, оборудованию и/или установкам, которые в данной заявке взаимозаменяемо называются системами «управления производственным процессом», «управления процессом» или «технологическими» системами, оборудованием и/или установками. Как правило, такие системы и установки обеспечивают распределенное управление одним или более процессов, которые используют для производства, доработки, преобразования, создания или производства физических материалов или продуктов.

[0016] Чтобы обнаружить состояния в или на устройствах управления процессом, одно или более вычислительных устройств принимают значения параметров процесса в течение нескольких моментов времени для параметров процесса, соответствующих объекту технологической установки. Объект технологической установки включает устройство в технологической установке, которое выполняет физическую функцию для управления процессом, такое как клапан, резервуар, смеситель, насос, теплообменник и т.д. В некоторых случаях объект технологической установки может включать контроллер и/или устройство ввода-вывода. В общем случае, объект технологической установки может содержать, преобразовывать, создавать или передавать физические материалы в технологической установке.

[0017] Параметры процесса включают заданные значения или измеренные в технологической установке значения совокупностей данных, протекающих через технологическую установку или устройства, которые выполняют физические функции для управления процессом (например, параметры клапана, параметры полевого устройства, параметры контроллера и т.д.). Например, параметры процесса включают температуру, давление, скорость потока, массу, объем, плотность, площадь и т.д. материала, протекающего через технологическую установку, или его заданные значения. Параметры процесса также включают: сигнал привода клапана, длину хода, давление, температуру и т.д. устройства, которое выполняет физические функции для управления процессом (например, клапана) или его заданные значения.

[0018] Значения параметров процесса принимают защищенным способом, например, через диод данных (о чем ниже написано более подробно), с использованием межсетевых экранов, методов шифрования или любых других подходящих механизмов защиты. Затем вычислительное устройство (устройства) обнаруживает или идентифицирует состояние, возникающее на объекте технологической установки (например, метрику мониторинга производительности, ошибку, утечку, мертвую зону, время запаздывания, механический износ и т.д.), путем применения правил или используя алгоритмы машинного обучения к принятым данным временных рядов.

[0019] В одном примере вычислительное устройство выполняет статистические вычисления для каждого параметра процесса, чтобы определить среднее значение для параметра процесса, среднеквадратичное отклонение, скользящее среднее значение в течение заданного периода времени, убывающее среднее значение в течение заданного периода времени, максимальные/минимальные значения для параметра процесса, амплитуду, фазу и/или частоту волны, соответствующей значениям параметра процесса во времени, и т.д. Затем хронологические показатели сравнивают со статистической моделью, генерируемой с использованием хронологических значений параметров процесса для объектов технологической установки, при этом обнаруживают или идентифицируют полученные состояния объектов технологической установки.

[0020] Статистической моделью может быть, например, дерево решений. Вычислительное устройство может генерировать дерево решений, состоящее из узлов, ветвей и листьев, причем каждый узел представляет тест на статистическую оценку, каждая ветвь представляет результат теста, а каждый лист представляет вероятность того, что объект технологической установки будет находиться в определенном состоянии. Сравнивая вычисленные статистические оценки рассматриваемого объекта управления процессом с деревом решений, вычислительное устройство определяет, что конкретное состояние возникает или присутствует в объекте технологической установки, такое как чрезмерно большая мертвая зона (например, мертвая зона, которая превышает допустимый порог). Вычислительное устройство передает указание определенного состояния на устройство интерфейса пользователя, такое как рабочая станция оператора, чтобы предупредить оператора об этом состоянии. Например, когда клапан в системе управления процессом находится в чрезмерно большой мертвой зоне, оператор получает предупреждение об этом состоянии и может проверить клапан для устранения проблемы.

[0021] В некоторых случаях, например, когда объект технологической установки является клапаном, вычислительное устройство определяет режим работы для объекта технологической установки или клапана (например, цикличность полного хода штока клапана, непрерывное дросселирование, периодическое дросселирование и т.д.) на основании принятых данных параметров процесса или данных клапана. Например, режим работы для клапана определяется на основании принятых значений параметров процесса для параметров процесса, соответствующих клапану, например, определяется на основании принятых значений параметров клапана, соответствующих клапану для одного или более параметров клапана. Вычислительное устройство применяет набор правил к значениям параметров процесса и/или использует алгоритмы машинного обучения для определения режима работы клапана.

[0022] На основании определенного режима работы клапана вычислительное устройство сравнивает статистические оценки для клапана (которые определяются из данных клапана) со статистической моделью, специально генерируемой на основании клапанов, работающих в определенном режиме. В некоторых вариантах реализации изобретения вычислительное устройство генерирует одну или более статистических моделей, зависящих от режима работы. Например, вычислительное устройство может генерировать статистическую модель для определения состояния клапана с использованием хронологических значений параметров процесса, полученных от клапанов, работающих в режиме цикличности полного хода штока клапана. Вычислительное устройство может генерировать вторую статистическую модель для определения состояний клапана с использованием хронологических значений параметров процесса от клапанов, работающих в режиме непрерывного дросселирования, и третью статистическую модель для определения состояний клапана с использованием хронологических значений параметров процесса от клапанов, работающих в режиме периодического дросселирования. Используя статистическую модель для определенного режима работы и принятые данные клапана, вычислительное устройство определяет или идентифицирует состояние, возникающее в клапане.

[0023] Также в некоторых случаях, например, когда объект технологической установки является клапаном, вычислительное устройство сравнивает данные клапана (значения параметра клапана или процесса) для множества клапанов в одной и той же технологической установке, предприятии, отрасли промышленности или во всех отраслях промышленности. Затем вычислительное устройство определяет состояние рассматриваемого клапана по сравнению с другими клапанами и передает указание сравнения (например, показатель относительной исправности) на устройство интерфейса пользователя для отображения оператору или другому вычислительному устройству или приложению. Например, устройство интерфейса пользователя отображает список в порядке значимости каждого из клапанов или представляет в графическом изображении данные клапана одновременно для каждого из клапанов. Кроме того, сравнение используется как дополнительный критерий состояния клапана. Например, когда данные клапана сравниваются со статистической моделью, генерируемой с использованием хронологических значений параметров процесса, вычислительное устройство может определить, что клапан характеризуется чрезмерным временем запаздывания (например, время запаздывания превышает допустимый порог). Однако когда клапан сравнивают со всеми другими клапанами в той же отрасли промышленности, вычислительное устройство может определить, что время запаздывания, которое характеризует клапан, является приблизительно средним значением в отрасли промышленности, и, следовательно, время запаздывания находится в приемлемом диапазоне.

[0024] В одном варианте реализации изобретения способ определения исправности клапана включает прием на вычислительном устройстве данных, соответствующих клапану, расположенному в технологической установке и выполненному с возможностью управлению производственным процессом. Данные клапана включают соответствующие значения параметров клапана для одного или более параметров клапана, например, в течение множества моментов времени. Способ дополнительно включает анализ с помощью вычислительного устройства данных клапана для определения значения параметра исправности устройства в целом клапана и определение с помощью вычислительного устройства показателя относительной исправности клапана на основании сравнения значения параметра исправности устройства, в целом клапана и соответствующих значений параметра исправности устройства в целом множества клапанов. Кроме того, способ включает предоставление показателя относительной исправности клапана по меньшей мере для одного из: отображения на интерфейсе пользователя, хранения в объекте хранения данных или использования приложением.

[0025] В одном варианте реализации изобретения система для определения исправности множества клапанов включает множество клапанов, причем по меньшей мере некоторые из которых используются в технологической установке для управления производственным процессом, и одно или более вычислительных устройств. Одно или более вычислительных устройств содержат один или более процессоров, устройство связи и один или более постоянных машиночитаемых носителей, которые связаны с одним или большим количеством процессоров и с устройством связи. Один или более постоянных машиночитаемых носителей содержат сохраненные на них команды, которые при выполнении одним или большим количеством процессоров вызывают прием одним или более вычислительных устройств данных клапана, соответствующих множеству клапанов, причем данные клапана включают значения соответствующего параметра клапана, каждого клапана, принадлежащего к множеству клапанов, для одного или большего количества параметров клапана в течение множества моментов времени. Команды дополнительно выполняются, чтобы вызвать выполнение одним или более вычислительных устройств анализа соответствующих значений параметров клапана каждого клапана, чтобы определить соответствующее значение параметра исправности устройства в целом для каждого клапана, определить соответствующий показатель относительной исправности для каждого клапана на основании сравнения значений параметра исправности устройства в целом для множества клапанов и предоставление соответствующего показателя относительной исправности каждого клапана по меньшей мере для одного из: интерфейсов пользователя, объекта хранения данных или приложения.

КРАТКОЕ ОПИСАНИЕ ГРАФИЧЕСКИХ МАТЕРИАЛОВ

[0026] На Фиг. 1 показана структурная схема примерных уровней безопасности для системы управления процессом или производственным процессом, содержащая, среди прочего, взаимосвязи между различными примерными компонентами системы управления процессом, самой системой управления процессом и другими примерными системами и/или сетями;

[0027] на Фиг. 2 показана структурная схема примерной технологической установки или системы управления процессом, которая иллюстрирует, среди прочего, взаимосвязи между различными примерными компонентами системы управления процессом, самой системой управления процессом и другими примерными системами и/или сетями;

[0028] на Фиг. 3 показана структурная схема примерной архитектуры безопасности для технологической установки или системы управления процессом;

[0029] на Фиг. 4 показаны примерные значения параметров процесса, собранные в различные моменты времени для объекта технологической установки и которые могут быть проанализированы с использованием алгоритмов, описанных в данной заявке;

[0030] на Фиг. 5 показана блок-схема, иллюстрирующая примерный способ анализа защищенным образом переданных данных технологической установки для определения или идентификации состояния в объекте технологической установки;

[0031] на Фиг. 6А показан пример графического представления хода клапана в процентах, собранного в различные моменты времени для трех клапанов, каждый из которых работает в своем режиме работы;

[0032] на Фиг. 6В показана блок-схема, иллюстрирующая примерный способ, основанный на правилах, для определения или идентификации режима работы клапана на основании значений параметров процесса для клапана;

[0033] на Фиг. 6С показана блок-схема, иллюстрирующая примерный способ машинного обучения для определения или идентификации режима работы клапана;

[0034] на Фиг. 7А показан пример графического представления циклов клапанов, собранных в различные моменты времени для трех разных клапанов;

[0035] на Фиг. 7В показана блок-схема, иллюстрирующая примерный способ сравнения исправности нескольких клапанов друг с другом и определения или идентификации соответствующих состояний клапанов на основании сравнения; и

[0036] на Фиг. 8 показана блок-схема примерного способа мониторинга исправности и/или производительности клапана или другого объекта технологической установки.

ПОДРОБНОЕ ОПИСАНИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

[0037] Как обсуждалось выше, данные технологической установки, которые используются для определения состояния в объекте технологической установки или объекта технологической установки в целом, принимаются защищенным способом в вычислительном устройстве. После того, как данные технологической установки принимаются защищенным способом, данные технологической установки, соответствующие объекту технологической установки, анализируются, чтобы определить или идентифицировать состояние, возникающее в объекте технологической установки или объекта технологической установки в целом. Данные технологической установки могут быть проанализированы путем применения набора правил к значениям параметров процесса, включенных в данные технологической установки, или с использованием, например, различных способов машинного обучения, более подробно описанных ниже. Показатель состояния передается на устройство интерфейса пользователя для предупреждения оператора об этом состоянии и/или предоставляется приложению или службе, соответствующей технологической установке.

[0038] Новые системы, компоненты, установки, способы и технологии, описанные в данной заявке, предназначены для выполнения анализа временных рядов данных технологической установки для определения состояния, возникающего в объекте технологической установки или объекта технологической установки в целом. Данные технологической установки принимаются защищенным способом, что более подробно описано ниже со ссылкой на Фиг. 1-3. Кроме того, анализ временных рядов данных технологической установки более подробно описан ниже со ссылкой на Фиг. 4-8.

[0039] Защита установок и систем управления технологическими процессами от кибер-вторжений и злонамеренных кибератак, как правило, использует многоуровневую или выровненную иерархию безопасности, причем по меньшей мере некоторые из слоев или уровней защищены с помощью межсетевых экранов и других механизмов безопасности. Например, как ранее обсуждалось в отношении Фиг. 1, системы, сети и устройства технологической установки на уровнях 0-3 могут быть защищены от угроз со стороны сетей предприятия на уровнях 4-5 и/или от любых внешних сетей выше уровня 5, использующих сети предприятия, с помощью DMZ 22 и одного или более межсетевых экранов 12с. Однако по мере того, как все больше и больше служб и приложений, работающих с данными технологической установки, перемещаются для удаленного выполнения, например, в сетях и системах за пределами технологической установки (например, на уровнях 4 и/или 5 внутри предприятия или компании), и/или даже в сетях и системах, которые являются внешними по отношению к предприятию или компании (например, выше уровня 5, через Интернет или другую общедоступную сеть), необходимы более надежные технологии предотвращения взлома систем, сетей и устройств технологической установки.

[0040] Для иллюстрации на Фиг. 2 показана структурная схема примерной технологической установки 100, которая может быть защищена с использованием любого одного или более новых способов защиты, описанных в данной заявке. Технологическая установка 100 (которая также взаимозаменяемо упоминается в данной заявке как система 100 управления процессом или оборудование 100 для управления процессом) содержит один или более контроллеров процесса, которые принимают сигналы, указывающие результаты измерений параметров процесса, выполненных полевыми устройствами, обрабатывают эту информацию для реализации процедуры управления и генерируют управляющие сигналы, которые передаются по проводным или беспроводным линиям связи или сетям управления процессом в другие полевые устройства, чтобы управлять операцией процесса в установке 100. Как правило, по меньшей мере одно полевое устройство выполняет физическую функцию (например, открытие или закрытие клапана, повышение или понижение температуры, выполнение измерений, определение состояния и т.д.) для управления операцией процесса. Некоторые типы полевых устройств обмениваются данными с контроллерами посредством устройств ввода-вывода. Контроллеры процесса, полевые устройства и устройства ввода/вывода могут быть проводными или беспроводными, и любое количество и комбинация проводных и беспроводных контроллеров процесса, полевых устройств и устройств ввода/вывода может быть включено в состав оборудования или системы 100 технологической установки.

[0041] Например, Фиг. 2 иллюстрирует контроллер процесса 111, который связан с возможностью обмена данными с проводными полевыми устройствами 115-122 посредством плат ввода/вывода (I/O) 126 и 128, и который соединен с возможностью связи с беспроводными полевыми устройствами 140-146 через беспроводной шлюз 135 и магистраль данных управления процессами или магистральную линию 110. Магистраль данных управления процессами 110 может содержать один или более проводных и/или беспроводных каналов связи, и может быть реализована с использованием любого необходимого или подходящего протокола связи, такого как, например, протокол Ethernet. В некоторых конфигурациях (не проиллюстрированы) контроллер 111 может быть соединен с возможностью связи с беспроводным шлюзом 135 с использованием одной или более коммуникационных сетей, отличных от магистральной линии 110, например, с использованием любого количества других проводных или беспроводных коммуникационных каналов связи, которые поддерживают один или более коммуникационных протоколов связи, например, Wi-Fi или другой протокол беспроводной локальной сети, совместимый с IEEE 802.11, протокол мобильной связи (например, WiMAX, LTE или другой протокол, совместимый с ITU-R), Bluetooth®, HART®, WirelessHART®, Profibus, FOUNDATION® Fieldbus и др.

[0042] Контроллер 111, который может быть, в качестве примера, контроллером DeltaV™, продаваемым компанией Emerson Process Management, может служить для реализации пакетных процессов или непрерывных процессов с использованием по меньшей мере некоторых полевых устройств 115-122 и 140-146. В одном варианте реализации изобретения в дополнение к тому, что он соединен с возможностью связи с магистральной шиной 110 передачи данных для управления процессом, контроллер 111 также соединен с возможностью связи по меньшей мере с некоторыми из полевых устройств 115-122 и 140-146 с использованием любого требуемого аппаратного и программного обеспечения, связанного, например со стандартными устройствами 4-20 мА, платами 126, 128 ввода/вывода и/или любого интеллектуального протокола связи, такого как протокол FOUNDATION® Fieldbus, протокол HART®, протокол WirelessHART® и т.д. На Фиг. 2 контроллер 111, полевые устройства 115-122 и платы 126, 128 ввода/вывода являются проводными устройствами, а полевые устройства 140-146 являются беспроводными полевыми устройствами. Разумеется, проводные полевые устройства 115-122 и беспроводные полевые устройства 140-146 могут соответствовать любому другому требуемому стандарту(ам) или протоколам, таким как любые проводные или беспроводные протоколы, включая любые стандарты или протоколы, которые будут разработаны в будущем.

[0043] Контроллер 111 процесса на Фиг. 2 содержит процессор 130, который реализует или контролирует одну или более процедур 138 управления процессом (например, которые хранятся в памяти 132). Процессор 130 выполнен с возможностью осуществления связи с полевыми устройствами 115-122 и 140-146 и с другими узлами, соединенными с возможностью связи с контроллером 111. Следует отметить, что любые процедуры управления или модули, описанные в данной заявке, могут содержать их части, реализованные или исполняемые различными контроллерами или другими устройствами, если это необходимо. Подобным образом, процедуры управления или модули 138, описанные в данной заявке, которые должны быть реализованы в системе 100 управления процессом, могут принимать любую форму, включая программное обеспечение, встроенное программное обеспечение, аппаратное обеспечение и т.д. Программы управления могут быть реализованы в любом требуемом формате программного обеспечения, таком как использование объектно-ориентированного программирования, многозвенная логика, последовательные функциональные схемы, функциональные блок-схемы или использование любого другого языка программирования или парадигмы проектирования. Процедуры 138 управления могут храниться в памяти 132 любого требуемого типа, такой как оперативное запоминающее устройство (ОЗУ) или постоянное запоминающее устройство (ПЗУ). Подобным образом, процедуры 138 управления могут быть жестко запрограммированы, например, в одном или более ЭППЗУ, ЭСППЗУ, программируемых логических интегральных схемах (ПЛИС) или любых других элементах аппаратного или встроенного программного обеспечения. Таким образом, контроллер 111 может быть выполнен с возможностью реализации стратегии управления или процедуры управления любым требуемым образом.

[0044] Контроллер 111 реализует стратегию управления с использованием, так называемых, функциональных блоков, причем каждый функциональный блок является объектом или другой частью (например, подпрограммой) общей процедуры управления и работает в сочетании с другими функциональными блоками (посредством взаимодействий, называемых связями) для реализации контуров управления процессом в системе 100 управления процессом. Функциональные блоки на основании управления обычно выполняют одну из функций ввода, например связанную с передатчиком, датчиком или другим устройством измерения параметров процесса, функции управления, например связанную с процедурой управления, которая выполняет ПИД (пропорционально-интегрально-дифференцирующее регулирование), нечеткую логику и прочее управление, или функцию вывода, которая управляет работой некоторого устройства, такого как клапан, для выполнения некоторой физической функции в системе 100 управления процессом. Несомненно, существуют гибридные и другие типы функциональных блоков. Функциональные блоки могут храниться в контроллере 111 и выполняться посредством него, что, как правило, имеет место, когда эти функциональные блоки используются для, или связаны со стандартными устройствами 4-20 мА и некоторыми типами интеллектуальных полевых устройств, таких как HART® устройства или могут храниться и реализовываться самими полевыми устройствами, что может иметь место в случае устройств FOUNDATION® Fieldbus. Контроллер 111 может содержать одну или более процедур 138 управления, которые могут реализовывать один или более контуров управления, которые выполняются путем исполнения одного или более функциональных блоков.

[0045] Проводные полевые устройства 115-122 могут быть устройствами любого типа, такими как датчики, клапаны, передатчики, позиционеры и т.д., при этом платы 126 и 128 ввода/вывода могут быть устройствами ввода/вывода любого типа, соответствующими любому требуемому протоколу передачи данных или контроллера. На Фиг. 2 полевые устройства 115-118 являются стандартными устройствами 4-20 мА или устройствами HART®, которые осуществляют связь по аналоговым линиям или комбинированным аналоговым и цифровым линиям с платой 126 ввода/вывода, в то время как полевые устройства 119-122 являются интеллектуальными устройствами, такими как полевые устройства FOUNDATION® Fieldbus, которые осуществляют связь по цифровой шине с платой ввода/вывода 128 с использованием протокола связи FOUNDATION® Fieldbus. Однако в некоторых вариантах реализации изобретения по меньшей мере некоторые из проводных полевых устройств 115, 116 и 118-121 и/или, по меньшей мере, некоторые из плат 126, 128 ввода/вывода дополнительно или альтернативно осуществляют связь с контроллером 111 с использованием магистральной шины 110 передачи данных для управления процессом и/или с помощью других подходящих протоколов системы управления (например, Profibus, DeviceNet, Foundation Fieldbus, ControlNet, Modbus, HART и т.д.).

[0046] На Фиг. 2 беспроводные полевые устройства 140-146 осуществляют связь через беспроводную сеть 170 управления процессом с использованием беспроводного протокола, такого как протокол WirelessHART®. Такие беспроводные полевые устройства 140-146 могут непосредственно осуществлять связь с одним или более другими устройствами или узлами беспроводной сети 170, которые также выполнены с возможностью осуществлять беспроводную связь (например, с использованием указанного беспроводного протокола или другого беспроводного протокола). Для связи с одним или более другими узлами, которые не выполнены с возможностью беспроводной связи, беспроводные полевые устройства 140-146 могут использовать беспроводной шлюз 135, подключенный к магистральной шине 110 передачи данных управления процессом или к другой сети связи управления процессом. Беспроводной шлюз 135 обеспечивает доступ к различным беспроводным устройствам 140-158 сети 170 беспроводной связи. В частности, беспроводной шлюз 135 обеспечивает соединение с возможностью связи между беспроводными устройствами 140-158, проводными устройствами 115-128 и/или другими узлами или устройствами установки 100 управления процессом. Например, беспроводной шлюз 135 может обеспечивать соединение с возможностью связи посредством использования магистральной шины 110 передачи данных для управления процессом и/или использования одной или более других сетей связи технологической установки 100.

[0047] Подобно проводным полевым устройствам 115-122, беспроводные полевые устройства 140-146 беспроводной сети 170 выполняют физические функции управления в технологической установке 100, например, открывают или закрывают клапаны или проводят измерения параметров процесса. Однако беспроводные полевые устройства 140-146 выполнены с возможностью связи с использованием беспроводного протокола сети 170. По существу, беспроводные полевые устройства 140-146, беспроводной шлюз 135 и другие беспроводные узлы 152-158 беспроводной сети 170 являются отправителями и получателями пакетов беспроводной связи.

[0048] В некоторых конфигурациях технологической установки 100 беспроводная сеть 170 содержит не беспроводные устройства. Например, на Фиг. 2, полевое устройство 148, показанное на Фиг. 2 является традиционным устройством 4-20 мА, а полевое устройство 150 является проводным устройством HART®. Для осуществления связи в сети 170 полевые устройства 148 и 150 подключены к сети 170 беспроводной связи через беспроводной адаптер 152А, 152В. Беспроводные адаптеры 152А, 152В поддерживают беспроводный протокол, например, WirelessHART, а также могут поддерживать один или более других протоколов передачи данных, таких как Foundation® Fieldbus, PROFIBUS, DeviceNet и т.д. Кроме того, в некоторых конфигурациях, беспроводная сеть 170 содержит одну или больше точек 155А, 155В доступа к сети, которые могут быть отдельными физическими устройствами, соединенными проводным способом с беспроводным шлюзом 135 или могут быть частью беспроводного шлюза 135 в виде встроенного устройства. Беспроводная сеть 170 также может содержать один или более маршрутизаторов 158 для передачи пакетов от одного беспроводного устройства к другому беспроводному устройству в сети 170 беспроводной связи. На Фиг. 2 показаны беспроводные устройства 140-146 и 152-158, которые осуществляют связь друг с другом и с беспроводным шлюзом 135 по беспроводным линиям 160 сети 170 беспроводной связи и/или посредством магистральной шины 110 передачи данных для управления процессом.

[0049] На Фиг. 2 показана система 100 управления процессом, которая содержит одну или более рабочих станций 171 оператора, которые соединены с возможностью связи с магистральной шиной 110 передачи данных. С помощью рабочих станций 171 оператора операторы могут просматривать и отслеживать выполняемые технологической установкой 100 операции, а также выполнять любые диагностические, корректирующие, обслуживающие и/или другие действия, которые могут потребоваться. По меньшей мере, некоторые из рабочих станций 171 оператора могут быть расположены в различных защищенных зонах в или около установки 100, а в некоторых ситуациях, по меньшей мере некоторые из рабочих станций 171 оператора могут быть расположены удаленно, но, при этом, они соединены с возможностью связи с установкой 100. Рабочие станции 171 оператора могут быть проводными или беспроводными вычислительными устройствами.

[0050] Примерная система 100 управления процессом дополнительно проиллюстрирована как содержащая приложение 172А конфигурирования и базу данных 172В конфигурации, каждая из которых также соединена с возможностью связи с магистральной шиной 110 передачи данных. Как обсуждалось выше, различные экземпляры приложения 172А конфигурирования могут выполняться на одном или более вычислительных устройствах (не показаны), чтобы позволить пользователям создавать или изменять модули управления процессом и загружать эти модули через магистральную шину 110 передачи данных в контроллеры 111, а также позволяют пользователям создавать или изменять интерфейсы оператора, посредством которых оператор может просматривать данные и изменять настройки данных в рамках процедур управления процессом. В базе данных 172В конфигурации хранятся созданные (например, сконфигурированные) модули и/или интерфейсы оператора. Обычно приложение 172А конфигурирования и база данных 172В конфигурации являются централизованными и имеют единый логический вид для системы 100 управления процессом, хотя несколько экземпляров приложения 172А конфигурирования могут выполняться одновременно в системе 100 управления процессом, и база 172В конфигурации может быть реализована на нескольких физических устройствах хранения данных. Соответственно, приложение 172А конфигурирования, база данных 172В конфигурации и интерфейсы пользователей к ней (не показаны) содержат систему 172 конфигурации или разработки для модулей управления и/или отображения. Как правило, но не обязательно, интерфейсы пользователей для системы 172 конфигурации отличаются от интерфейсов рабочих станций 171 оператора, поскольку интерфейсы пользователей для системы 172 конфигурации используются инженерами по конфигурированию и разработке независимо от того, работает ли станция 100 в реальном масштабе времени, в то время как рабочие станции 171 оператора используются операторами во время операций в реальном времени технологической установки 100 (также взаимозаменяемо называемых в данной заявке как «выполняемые» операции технологической установки 100).

[0051] Примерная система 100 управления процессом содержит приложение 173А архивирования данных и базу данных 173В архиватора данных, каждая из которых также соединена с возможностью связи с магистральной шиной 110 передачи данных. Приложение 173А архивирования данных выполнено с возможностью сбора некоторых или всех данных, предоставленных в магистральной шине 110 передачи данных, и для архивации или сохранения данных в базе данных 173В архиватора для долговременного хранения. Подобно приложению 172А конфигурирования и базе данных 172В конфигурации, приложение 173А архивирования данных и база данных 173В архиватора централизованы и имеют единый логический вид для системы 100 управления процессом, хотя несколько экземпляров приложения 173А архивирования данных могут выполняться одновременно в системе 100 управления процессом, причем база данных 173В архиватора может быть реализована на нескольких физических устройствах хранения данных.

[0052] В некоторых конфигурациях система 100 управления процессом содержит одну или более других точек 174 беспроводного доступа, которые осуществляют связь с другими устройствами, используя другие беспроводные протоколы, такие как Wi-Fi или другие протоколы беспроводной локальной сети, совместимые с IEEE 802.11, протоколы мобильной связи, такие как WiMAX (Международная совместимость для микроволнового доступа), LTE (Долгосрочное развитие) или другие совместимые с ITU-R (Сектор радиосвязи Международного союза электросвязи) протоколы, коротковолновая радиосвязь, такая как связь ближнего радиуса действия (NFC) и Bluetooth, или другие протоколы беспроводной связи. Как правило, такие беспроводные точки доступа 174 позволяют переносным или другим портативным вычислительным устройствам (например, устройствам 175 интерфейса пользователя) осуществлять связь через соответствующую беспроводную сеть связи управления процессом, которая отличается от беспроводной сети 170 и которая поддерживает беспроводной протокол, отличный от беспроводного протокола сети 170. Например, беспроводное или портативное устройство 175 интерфейса пользователя может быть мобильной рабочей станцией или диагностическим испытательным оборудованием, которое используется оператором на технологической установке 100 (например, экземпляром одной из рабочих станций 171 оператора). В некоторых случаях, в дополнение к портативным вычислительным устройствам, одно или более устройств управления процессом (например, контроллер 111, полевые устройства 115-122 или беспроводные устройства 135, 140-158) также осуществляют связь с использованием беспроводного протокола, поддерживаемого точками 174 доступа.

[0053] В некоторых конфигурациях система 100 управления процессом содержит один или более шлюзов 176, 178 для систем, которые являются внешними по отношению к ближайшей системе 100 управления процессом. Обычно такими системами являются клиенты или поставщики информации, генерируемой или управляемой системой 100 управления процессом. Например, установка 100 управления процессом может содержать узел 176 шлюза для соединения с возможностью связи ближайшей технологической установки 100 с другой технологической установкой. Дополнительно или в качестве альтернативы, установка 100 управления процессом может содержать узел 178 шлюза для соединения с возможностью связи ближайшей технологической установки 100 с внешней общедоступной или частной системой, такой как лабораторная система (например, система управления лабораторной информацией или LIMS), при этом оператор осуществляет поочередный просмотр: базы данных, системы обработки материалов, системы управления техническим обслуживанием, системы управления запасами продукции, системы планирования производства, системы данных о погоде, системы отгрузки и обработки, системы упаковки, Интернет, системы управления процессом другого поставщика или других внешних систем.

[0054] Следует отметить, что хотя на Фиг. 2 показан только один контроллер 111 с конечным числом полевых устройств 115-122 и 140-146, беспроводных шлюзов 35, беспроводных адаптеров 152, точек 155 доступа, маршрутизаторов 158 и беспроводных сетей 170 связи управления процессом, входящих в состав примерной технологической установки 100, это является только иллюстративным и неограничивающим вариантом реализации изобретения. В установку или систему 100 управления процессом может быть включено любое количество контроллеров 111, причем любой из контроллеров 111 может связываться с любым количеством проводных или беспроводных устройств и сетей 115-122, 140-146, 135, 152, 155, 158 и 170 для управления процессом в установке 100.

[0055] На Фиг. 3 показана структурная схема примерной архитектуры 200 безопасности для технологической установки 100. Для сведения, различные уровни безопасности 0-5, проиллюстрированные на Фиг. 1, показаны в верхней части Фиг. 3 для указания в какие уровни безопасности могут быть входить различные части архитектуры 200 безопасности.

[0056] Как показано на Фиг. 3, одно или более устройств 202 соединены с возможностью связи с одним или более беспроводными шлюзами 205А, 205В, которые, например, могут быть экземплярами беспроводного шлюза 135, показанного на Фиг. 1. Как обсуждалось ранее, беспроводные шлюзы 205А, 205В могут быть расположены на уровне безопасности 1 и/или уровне безопасности 2, например, внутри самой технологической установки 100. Коммуникационные соединения между шлюзами 205А, 205В и устройствами 202 обозначены ссылочными позициями 204А, 204В.

[0057] Набор устройств 202 проиллюстрирован как находящийся на уровне безопасности 0 технологической установки 100 и изображается как содержащий конечное число беспроводных полевых устройств. Однако следует понимать, что концепции и признаки, описанные в данной заявке в отношении устройств 202, могут быть легко применены к любому количеству полевых устройств технологической установки 100, а также к любым типам полевых устройств. Например, полевые устройства 202 могут включать одно или более проводных полевых устройств 115-122, которые соединены с возможностью связи с беспроводными шлюзами 205А, 205В посредством одной или более проводных сетей связи технологической установки 100, и/или полевые устройства 202 могут включают проводные полевые устройства 148, 150, которые подключены к беспроводным адаптерам 152А, 152В.

[0058] Кроме того, следует понимать, что набор устройств 202 не ограничивается только полевыми устройствами, но может дополнительно или альтернативно включать любое устройство или компонент в технологической установке 100, который генерирует данные в результате управления онлайн процессом посредством технологической установки 100. Например, набор устройств 202 может включать диагностическое устройство или компонент, который генерирует диагностические данные, устройство сетевой маршрутизации или компонент, который передает информацию между различными компонентами технологической установки 100 и т.п. Действительно, любой из компонентов, показанных на Фиг. 2 (например, компоненты 111, 115-122, 126, 128, 135, 140-146, 152, 155, 158, 160, 170, 171-176, 178) и другие компоненты, которые не показаны, могут быть устройством, которое генерирует данные для передачи в удаленную систему 210. Таким образом, набор устройств 202 взаимозаменяемо упоминается в данной заявке как «источники 202 данных» или «устройства 202 источника данных».

[0059] На Фиг. 3 дополнительно проиллюстрирован набор удаленных приложений или служб 208, которые могут использоваться для технологической установки 100 и/или которые использует технологическая установка 100. Набор удаленных приложений или служб 208 может выполняться или размещаться в одной или более удаленных системах 210, причем набор удаленных приложений/служб 208, как правило, считается на уровне безопасности 5 или выше. По меньшей мере, некоторые из приложений или служб 208 работают в режиме реального времени с данными в реальном времени, поскольку данные в реальном времени генерируются технологической установкой 100 и принимаются приложениями или службами 208. Другие приложения или службы 208 могут работать или выполняться с данными, генерируемыми технологической установкой, с менее жесткими требованиями к синхронизации. Примеры приложений/служб 208, которые могут выполняться или размещаться в удаленной системе 210 и которые являются потребителями данных, генерируемых технологической установкой 100, включают приложения, которые контролируют и/или определяют состояния и/или события, происходящие на технологической установке 100, и приложения или службы, которые контролируют по меньшей мере часть самого онлайн процесса, который выполняется на технологической установке 100. Другие примеры приложений/служб 208 включают описательную и/или предписывающую аналитику, которая может работать с данными, сгенерированными технологической установкой 100, и, в некоторых случаях, может работать с данными, полученными или обнаруженными при анализе данных, сгенерированных технологической установкой, а также с данными, сгенерированными и полученными от других технологических установок. Еще другие примеры приложений/служб 208 включают одну или более процедур, которые реализуют предписывающие функции и/или изменения, которые должны быть реализованы в технологической установке 100, например, в результате другой службы или приложения. Некоторые примеры приложений и услуг 208 описаны в заявке на патент США №15/274,519, поданной 23 сентября 2016 г. и озаглавленной "Data Analytics Services for Distributed Industrial Performance Monitoring", и в заявке на патент США №15/274,233, поданной в 23 сентября 2016 г. и озаглавленной "Distributed Industrial Performance Monitoring and Analytics", содержание которых полностью включено в данную заявку посредством ссылки. Другие примеры приложений и служб 208 основаны на данных, полученных из анализа хронологических данных, сгенерированных технологической установкой и/или другими технологическими установками, или из сравнения данных для объекта технологической установки с объектов технологической установки того же или аналогичного типа, как более подробно описано ниже.

[0060] Одна или более удаленных систем 210 могут быть реализованы любым приемлемым способом, например, с помощью удаленного банка сетевых серверов, одной или более систем облачных вычислений, одной или более сетей и т.д. Для простоты обсуждения одна или более удаленных систем 210 упоминаются в данной заявке в единственном числе, то есть как «удаленная система 210», хотя следует понимать, что указанный термин может относиться к одной системе, более чем одной системе или любому количеству систем. В некоторых случаях одно или более вычислительных устройств 250, которые выполнены с возможностью анализа данных технологической установки, могут быть включены в состав удаленной системы 210. Например, одно или более удаленных приложений или служб 208 могут выполняться на одном или более вычислительных устройствах 250 для анализа данных технологической установки, генерируемых технологической установкой 100. Следует отметить, что одно или более вычислительных устройств 250 упоминаются в данной заявке в единственном числе, например, «вычислительное устройство 250», однако это используется для удобства чтения, а не для ограничения, причем одно или более вычислительных устройств 250 включает одно, два или любое количество вычислительных устройств.

[0061] В общем случае, архитектура 200 безопасности обеспечивает сквозную защиту от полевого оборудования технологической установки 100, в которой установлены и работают устройства 202, до удаленной системы 210, предоставляющей приложения и/или службы 208, которые используют и обрабатывают данные, генерируемые технологической установкой 100. Таким образом, данные, которые генерируются устройствами 202 и другими компонентами технологической установки 100, могут безопасно передаваться в удаленную систему 210 для использования удаленными приложениями/службами 208, при этом защищая установку 100 от кибератак, вторжений и/или других вредоносных событий. В частности, архитектура 200 безопасности содержит полевой шлюз 212, диод 215 данных и пограничный шлюз 218, расположенный между технологической установкой 100 (например, между беспроводными шлюзами 205А, 205В технологической установки 100) и удаленной системой 210. Как правило, но не обязательно, полевой шлюз 212, диод 215 данных и пограничный шлюз 218 входят в состав уровней безопасности 2-5.

[0062] Основной особенностью архитектуры 200 безопасности является диод 215 данных. Диод 215 данных является компонентом, который реализован в виде аппаратного обеспечения, программно-аппаратного обеспечения и/или программного обеспечения и, в частности, выполнен с возможностью предотвращения двухсторонней передачи данных между технологической установкой 100 и удаленной системой 210. То есть диод 215 данных позволяет потоку данных выходить из системы 100 управления процессом в удаленную систему 210 и предотвращает вход потока данных (например, который передается или отправляется из удаленной системы 210 или других систем) в систему управления 100.

[0063] Соответственно, диод 215 данных содержит по меньшей мере один входной порт 220, который соединен с возможностью связи с полевым шлюзом 212, и по меньшей мере один выходной порт 222, который соединен с возможностью связи с пограничным шлюзом 218. Диод 215 данных также содержит оптоволоконный канал или линию связи любой другой соответствующей технологии, которая соединяет его входной порт 222 с выходным портом 222. Для предотвращения прохождения трафика данных (например, входа) в систему 100 управления процессом в примерном варианте реализации изобретения диод 215 данных исключает или пропускает входной порт для приема данных от пограничного шлюза 218 (или другого компонента с более высоким уровнем безопасности) и/или исключает или пропускает выходной порт для передачи данных к полевому шлюзу 212 (или другому компоненту с более низким уровнем безопасности). В дополнительном или альтернативном варианте реализации изобретения диод 215 данных исключает, пропускает и/или отключает приемопередатчики, которые в противном случае позволили бы передавать данные от выходного порта 222 к входному порту 220, и/или исключали физический канал связи для передачи данных от выходного порта 222 к входному порту 220. Еще дополнительно или в качестве альтернативы, диод 215 данных может поддерживать только однонаправленный поток данных от входного порта 220 к выходному порту 222 посредством программного обеспечения, например, путем вывода или блокировки любых сообщений, полученных на выходном порте 222 от пограничного шлюза 218 (или компонента более высокого уровня безопасности) и/или путем вывода или блокировки любых сообщений, адресованных полевому шлюзу 212 (или компоненту более низкого уровня безопасности).

[0064] Данные, которые выходят из технологической установки 100 и передаются через диод 215 данных от входного порта 220 к выходному порту 222, могут быть дополнительно защищены при прохождении через диод 215 данных посредством шифрования. В одном примере полевой шлюз 212 шифрует данные и доставляет зашифрованные данные на входной порт 220. В другом примере диод 215 данных принимает поток данных от полевого шлюза 212, при этом диод 215 данных шифрует принятый поток данных для передачи данных на выходной порт 222. В одном примере поток данных, который шифруется и транспортируется через диод 215 данных, может быть потоком данных UDP (протокол передачи дейтаграмм) и может быть потоком данных JSON или в другом примере каким-либо другим форматом обмена данных общего назначения.

[0065] Полевой шлюз 212 соединяет с возможностью связи сторону более низкого уровня безопасности диода 215 данных с установкой 100 управления процессом. Как показано на Фиг. 3, полевой шлюз 212 соединен с возможностью связи с беспроводными шлюзами 205А, 205В, которые расположены в полевом оборудовании технологической установки 100 и которые соединены с возможностью связи с одним или более устройствами или источниками данных 202. Как обсуждалось ранее, устройства или источники данных 202 и беспроводные шлюзы 205А, 205В могут осуществлять связь с использованием промышленного протокола WirelessHART или другого подходящего беспроводного протокола, который выполнен с возможностью обеспечения защищенной связи посредством одного или более механизмов защиты. Например, промышленный протокол WirelessHART обеспечивает 128-битное AES шифрование, при этом каналы связи 204А, 204В могут быть соответственно защищены.

[0066] Кроме того, коммуникационное соединение 225 между беспроводными шлюзами 205А, 205В и полевым шлюзом 212 соответственно защищено с использованием того же или другого механизма защиты, который используется для коммуникационных соединений 204А, 204В. В одном примере коммуникационное соединение 225 защищено оболочкой TLS (защита транспортного уровня). Например, беспроводные шлюзы 205А, 205В генерируют пакеты в формате HART-IP, которые защищены оболочкой TLS для передачи к полевому шлюзу 212.

[0067] Таким образом, как описано выше, в варианте реализации изобретения данные или пакеты, сгенерированные устройствами 202, могут быть защищены для передачи 204А, 204В к беспроводным шлюзам 205А, 205В с использованием первого механизма защиты, а потом защищены для передачи 225 от беспроводных шлюзов 205А, 205В к полевому шлюзу 212 с использованием второго механизма защиты, а также защищены для передачи через диод 215 данных с использованием третьего механизма защиты.

[0068] Теперь перейдем к стороне диода 215 данных с более высоким уровнем безопасности, где выход потока данных из диода 215 данных может быть защищен для передачи к пограничному шлюзу 218, если необходимо, с помощью четвертого механизма защиты или с помощью описанного выше одного из механизмов защиты, используемого на стороне диода 215 данных с более низким уровнем безопасности. Дополнительно или в качестве альтернативы, как показано на Фиг. 3, пограничный шлюз 218 может быть защищен межсетевым экраном 228, который может быть межсетевым экраном 12С, показанным на Фиг. 1 или другим межсетевым экраном.

[0069] Данные, передаваемые от пограничного шлюза 218 к удаленной системе 210, могут доставляться с использованием одной или более общедоступных и/или частных сетей, таких как сеть частного предприятия, Интернет, сотовый маршрутизатор, транзитный Интернет или транзитное соединение другого типа. Важно отметить, что данные, проходящие от пограничного шлюза 218 к удаленной системе 210, защищены с помощью пятого механизма защиты или с помощью одного из ранее описанных механизмов защиты. На Фиг. 3 показан поток данных, передаваемый от пограничного шлюза 218 к удаленной системе 210, защищенный с помощью токена SAS (подписи общего доступа), которым можно управлять с помощью службы 230 токенов, предоставляемой в удаленной системе 210. Пограничный шлюз 218 выполняет аутентификацию для службы 230 токенов и запрашивает токен SAS, который может быть действительным только в течение конечного периода времени, например, двух минут, пяти минут, тридцати минут, не более часа и т.д. Пограничный шлюз 218 принимает и использует токен SAS для защиты и аутентификации соединения AMQP (расширенного протокола организации очереди сообщений) с удаленной системой 210, через которую данные контента передаются от пограничного шлюза 218 к удаленной системе 210. Разумеется, использование токенов SAS и протокола AMQP для защиты данных, проходящих между пограничным шлюзом 218 и удаленной системой 210, является лишь одним из многих возможных механизмов защиты. Например, любой один или более из подходящих механизмов защиты Интернета вещей (IOT) может использоваться для защиты данных, проходящих между пограничным шлюзом 218 и удаленной системой 210, например сертификаты Х.509, токены других типов, другие IOT протоколы, такие как MQTT (MQ Telemetry Transport) или ХМРР (расширяемый протокол обмена сообщениями и присутствия) и тому подобные. Например, в этих других вариантах реализации изобретения служба 230 предоставляет и/или выдает соответствующие токены или сертификаты безопасности.

[0070] В удаленной системе 210 аутентификация и/или авторизация пользователя обеспечивается любым одним или более подходящими механизмами 232 защиты аутентификации и/или авторизации. Например, безопасный доступ к удаленной системе 210 может быть предоставлен службой аутентификации домена, службой аутентификации пользователя API и/или любой другой подходящей службой 232 аутентификации и/или авторизации. По существу, только пользователи 235, которые аутентифицированы и/или авторизованы посредством службы 232 аутентификации и/или авторизации, могут получить доступ по меньшей мере к некоторым из данных, которые доступны в удаленной системе 210, которая содержит, в частности, данные, генерируемые устройствами 202.

[0071] Таким образом, как описано выше, архитектура 200 безопасности обеспечивает сквозную защиту для данных, генерируемых устройствами или источниками 202 данных при работе в технологической установке 100 для управления процессом, например, с момента формирования данных источниками 202 данных вплоть до их передачи в удаленную систему 210 для управления одним или более удаленными приложениями или службами 208. Важно, что архитектура 200 безопасности обеспечивает эту сквозную защиту, предотвращая при этом злонамеренные атаки на технологическую установку 100.

[0072] Следует отметить, что хотя на Фиг. 3 беспроводные шлюзы 205А, 205В показаны как соединяющие с возможностью связи устройства или источники 202 данных с полевым шлюзом 212, в некоторых устройствах один или более беспроводных шлюзов 205А, 205В опущены, при этом данные источника передаются из источников 202 данных непосредственно в полевой шлюз 212. Например, источники 202 данных могут передавать данные источника непосредственно в полевой шлюз 212 посредством сети больших данных технологической установки 100. В общем случае, сеть больших данных технологической установки 100 не является магистральной сетью технологической установки 110, а также сеть больших данных не является сетью промышленных протоколов, используемой для передачи сигналов управления между устройствами с использованием промышленного протокола передачи данных (например, Profibus, DeviceNet, Foundation Fieldbus, ControlNet, Modbus, HART и т.д.). Скорее, сеть больших данных технологической установки 100 может быть наложенной сетью, реализованной для технологической установки 100, которая, например, осуществляет потоковую передачу данных между узлами для обработки и анализа данных. Узлы сети больших данных могут содержать, например, источники 202 данных, беспроводные шлюзы 205А, 205В и полевой шлюз 212, а также любой один или более компонентов 111, 115-122, 126, 128, 135, 140-146, 152, 155, 158, 160, 170, 171-176, 178, показанные на Фиг. 2 и другие компоненты. Соответственно, многие узлы сети передачи данных технологической установки содержат, соответственно, выделенный интерфейс для операций технологической установки, который обычно использует промышленный протокол связи, и другой выделенный интерфейс для операций обработки данных/анализа, который может использовать, например, протокол потоковой передачи. Пример сети больших данных, которая может использоваться в технологической установке 100, описан в заявке на патент США №14/507,188, озаглавленной "Regional Big Data in Process Control Systems" и поданной 6 октября 2014 г., содержание которой полностью включено в данную заявку посредством ссылки.

[0073] Далее со ссылкой на Фиг. 3 отмечено, что в некоторых вариантах реализации изобретения вместо одного из беспроводных шлюзов 205А, 205В может использоваться проводной шлюз (не показан). Кроме того, полевой шлюз 212, диод 215 данных и пограничный шлюз 218 могут быть физически совмещены как отображено с помощью этапа 235, показанного на Фиг. 3, или один или более компонентов 212, 215, 218 могут физически располагаться в нескольких местах. Например, одно или более из: полевого шлюза 212, диода 215 данных или пограничного шлюза 218 могут быть расположены в технологической установке 100. Дополнительно или в качестве альтернативы, одно или более из: полевого шлюза 212, диода 215 данных или пограничного шлюза 218 могут быть расположены на удалении от технологической установки 100.

[0074] При необходимости, технологическая установка 100 может обслуживаться более чем одним полевым шлюзом 212, при этом любое количество полевых шлюзов 210 может обслуживаться одним пограничным шлюзом 218. При необходимости, в некоторых вариантах реализации изобретения удаленная система 210 обслуживается более чем одним пограничным шлюзом 218.

[0075] Как обсуждалось ранее, поток данных, который транспортируется через диод 215 данных, является защищенным. Такой поток данных может передаваться через диод 215 данных, например, с использованием последовательной передачи данных или UDP соединения. Однако обеспечение защиты таких соединений без двусторонней передачи данных является сложным и громоздким, так как обычно для UDP соединения и последовательной передачи данных требуется, чтобы обе стороны не только осуществляли передачу данных в двух направлениях (что невозможно при использовании диода 215 данных), но также запоминали и вводили длинные ключевые последовательности. Таким образом, вместо использования традиционной двусторонней передачи данных для защиты передачи данных через однонаправленный диод 215 данных передаваемые данные могут быть защищены посредством процесса обеспечения защиты, используемого между пограничным шлюзом 218 и полевым шлюзом 212. Процесс обеспечения защиты устанавливает уникальный начальный ключ или секретную совокупность данных, которая совместно используется пограничным шлюзом 218 и полевым шлюзом 212 (например, симметричный ключ или симметричная совокупность данных), такой как ключ соединения. Используя ключ соединения, пограничный шлюз 218 и полевой шлюз 212 устанавливают защищенное соединение, которое используется для обмена дополнительным ключом или секретной совокупностью данных, которая, в свою очередь, используется для безопасной передачи потока данных через диод 215 данных. Процесс обеспечения защиты более подробно описан в заявке на патент США №15/332,751, поданной одновременно с данной заявкой и озаглавленной "Secured Process Control Communications" (номер дела патентного поверенного №06005-593588), которая включена в данную заявку посредством ссылки.

[0076] Кроме того, хотя вышеприведенный пример относится к вычислительному устройству 250 для анализа данных технологической установки как компонента удаленной системы 210, которая принимает данные технологической установки через диод 215 данных, это является только одним из многих вариантов реализации изобретения, поскольку вычислительное устройство 250 может принимать защищенным способом данные технологической установки посредством любого подходящего коммуникационного компонента технологической установки 100. Например, вычислительное устройство 250 может быть соединено с возможностью связи с беспроводными шлюзами 205А, 205В, полевым шлюзом 212 или пограничным шлюзом 218. Каналы связи могут быть защищены от устройств 202 до вычислительного устройства 250 посредством алгоритмов шифрования, межсетевых экранов, диода данных или посредством любого другого подходящего механизма безопасности.

[0077] После получения данных технологической установки в вычислительном устройстве 250 указанное вычислительное устройство 250 анализирует данные технологической установки для определения или идентификации состояний в соответствующих объектах технологической установки. Указания состояний затем передаются на устройство 235 пользовательского интерфейса посредством службы аутентификации домена, например, и/или на одну из рабочих станций 171 оператора технологической установки 100 посредством другой сети связи (не показана). Таким образом, оператор может быть оповещен о состояниях, возникающих в различных объектах технологической установки в технологической установке. Затем оператор может предпринять соответствующие действия для устранения проблем, вызванных этими состояниями. В некоторых ситуациях указания определенных состояний различных объектов технологической установки передаются на другие вычислительные устройства, приложения или службы, например, расположенные в удаленной системе 210, в технологической установке 100 или в других местах, для их соответствующего использования и/или анализа.

[0078] Как упомянуто выше, данные технологической установки содержат значения параметров процесса, собранные с течением времени для параметров процесса, соответствующих объекту технологической установки. Параметры процесса включают заданные значения или измеренные в технологической установке значения совокупностей данных, протекающих через технологическую установку или устройства, которые выполняют физические функции для управления процессом (например, параметры клапана, параметры полевого устройства, параметры контроллера и т.д.). Например, параметры процесса включают температуру, давление, скорость потока, массу, объем, плотность или площадь материала, протекающего через технологическую установку, или их заданные значения. Параметры процесса также включают: сигнал привода клапана, длину хода, давление или температуру устройства, которое выполняет физические функции для управления процессом (например, клапан) или их указанные значения. Объект технологической установки включает устройство в технологической установке, которое выполняет физическую функцию для управления процессом, такое как клапан, резервуар, смеситель, насос, теплообменник и т.д. В некоторых случаях объект технологической установки может включать контроллер и/или устройство ввода/вывода. Ниже для иллюстрации описан типовой случай со ссылкой на Фиг. 4, в котором анализируются параметры процесса для клапана для определения состояния клапана.

[0079] На Фиг. 4 проиллюстрирован пример графического изображения 300 значений параметров процесса, собранных в течение времени для параметров процесса, соответствующих клапану, в примерной реализации способов, описанных в данной заявке. Значения параметров процесса были собраны от одного или более устройств 202 и проанализированы в вычислительном устройстве 250. В частности, в этой примерной реализации устройства 202 осуществляли потоковую передачу значений параметров процесса в вычислительное устройство 250 через диод 215 данных в режиме реального времени. Как показано на Фиг. 4, параметры процесса включают сигнал привода для клапана 302, давление материала на входе в клапан 304, температуру материала в клапане 306 и длину хода 308 клапана. Каждое значение параметра процесса включает соответствующую метку времени (например, сигнал привода клапана со значением 80 в момент времени 40).

[0080] Для каждого из параметров 302-308 процесса вычислительное устройство 250 может выполнять статистические вычисления для соответствующих значений параметров процесса, собранных во времени, для генерирования метрики параметра процесса. Например, из значений температуры материала на клапане 306 вычислительное устройство 250 может определять одну или более метрик параметров процесса, таких как средняя температура материала на клапане, среднеквадратичное отклонение температуры, 20-секундное скользящее среднее температуры и/или 20-секундное убывающее среднее температуры, при которой самая последняя температура имеет самый высокий вес, а температура за 20 секунд до этого имеет самый низкий вес. Вычислительное устройство 250 может дополнительно или альтернативно определять амплитуду и частоту волны, создаваемой различными температурами, собранными в течение времени. Кроме того, вычислительное устройство 250 может применять различные фильтры к значениям температуры, чтобы удалять шум и выполнять дополнительные статистические вычисления после применения фильтров.

[0081] Метрики параметров процесса для клапана или объекта технологической установки используются для определения или идентификации состояния, возникающего в клапане/объекте технологической установки. Например, вычислительное устройство 250 использует различные способы машинного обучения для генерирования статистической модели, чтобы определить или идентифицировать, имеет ли место или присутствует конкретное состояние в клапане/объекте технологической установки. Одна статистическая модель может использоваться для определения или идентификации множества состояний, которые могут возникать или присутствовать в объекте технологической установки, или разные статистические модели могут быть специфичными для каждого типа состояния, причем метрики параметров процесса могут применяться к каждой статистической модели для определения или идентификации, какое состояние (если таковое имеется) возникает или присутствует в объекте технологической установки. Одна или более статистических моделей могут генерироваться с использованием подходящих способов машинного обучения, таких как линейная регрессия, полиномиальная регрессия, логистическая регрессия, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей, нейронные сети и т.д.

[0082] В некоторых вариантах реализации изобретения одна или более статистических моделей генерируются с использованием обучающих данных, которые включают хронологические значения параметров процесса, ранее сгенерированные объектами технологической установки технологической установки 100 и/или другими технологическими установками. Значения хронологических параметров процесса могут быть получены из базы данных 173 В архивирования данных, например, как показано на Фиг. 2.

[0083] В некоторых случаях каждое из хронологических значений параметров процесса или множества хронологических значений параметра процесса, соответствующих конкретному интервалу времени (например, часу), классифицируется в подмножество значений параметров процесса, связанных с конкретным состоянием, которое произошло или присутствовало в соответствующем объекте технологической установки во время или соответствует времени, когда были сгенерированы хронологические значения параметров процесса. Например, множество значений температуры может быть классифицировано в подмножество значений параметров процесса, связанных с ошибкой в теплообменнике, когда были собраны значения температуры, например, в течение порогового периода времени ошибки, идентифицируемой в теплообменнике. Кроме того, хронологические значения параметров процесса классифицируются в другое подмножество значений параметров процесса, связанных с нормальной работой объекта технологической установки, когда никакое состояние не возникает или не присутствует в объекте технологической установки во время или приблизительно в то время, когда были сгенерированы хронологические значения параметра процесса. Для генерирования статистической модели вычислительное устройство 250 сравнивает подмножество хронологических значений параметров процесса, связанных с состоянием, с другим подмножеством хронологических значений параметров процесса, которые не связаны с состоянием. Таким образом, вычислительное устройство 250 идентифицирует характеристики параметров процесса, которые указывают, что объект технологической установки испытывает определенное состояние.

Наивный байесовский классификатор

[0084] В некоторых вариантах реализации изобретения способ машинного обучения для генерирования и/или использования статистической модели является наивным байесовским классификатором. Например, вычислительное устройство 250 генерирует статистическую модель для каждого типа состояния, связанного с объектом технологической установки (например, метрики мониторинга производительности, ошибки, утечки, мертвой зоны, времени запаздывания, механического износа и т.д.). В качестве иллюстрации, для конкретного состояния, такого как утечка в теплообменнике, вычислительное устройство 250 классифицирует хронологические значения параметров процесса, связанные с теплообменниками в первое подмножество значений параметров процесса, которые связаны с утечкой из теплообменника, и второе подмножество значений параметров процесса, которые не связаны с утечкой из теплообменника. Затем вычислительное устройство 250 выполняет статистические вычисления для каждого из подмножеств. Например, для каждого хронологического параметра процесса в первом подмножестве вычислительное устройство 250 вычисляет среднее значение соответствующих хронологических значений параметра процесса и среднеквадратичное отклонение соответствующих хронологических значений параметра процесса. Вычислительное устройство 250 также вычисляет среднее и среднеквадратичное отклонение хронологических значений параметров процесса, соответствующих каждому хронологическому параметру процесса во втором подмножестве. В некоторых вариантах реализации изобретения среднее значение для хронологического параметра процесса является взвешенным, причем хронологические значения параметра процесса, собранные ближе по времени к определению состояния, имеют больший вес. Например, при вычислении среднего значения давления, связанного с утечкой, если утечка обнаружена в момент времени t=9 минут, значение давления в момент времени t=8 минут 59 секунд имеет вес выше, чем значение давления в момент времени t=8 минут 40 секунд.

[0085] В некоторых случаях вычислительное устройство 250 генерирует первую статистическую модель с использованием среднего и среднеквадратичного отклонения для каждого хронологического параметра процесса в первом подмножестве (например, связанные с утечкой из теплообменника), предполагая гауссово распределение или любую другую подходящую функцию плотности вероятности. Вычислительное устройство 250 также генерирует вторую статистическую модель, используя среднее и среднеквадратичное отклонение для каждого хронологического параметра процесса во втором подмножестве (например, не связанные с утечкой из теплообменника), предполагая гауссово распределение или любую другую подходящую функцию плотности вероятности.

[0086] В одном примере вычислительное устройство 250 генерирует статистические модели из хронологических параметров процесса, таких как давление, температура и скорость потока объекта технологической установки, такого как теплообменник. В данном примере для первой статистической модели вычислительное устройство 250 определяет среднее давление, среднеквадратичное отклонение давления, среднюю температуру, среднеквадратичное отклонение температуры, среднюю скорость потока и среднеквадратичное отклонение скорости потока для давлений, температур и скоростей потока в первом подмножестве значений параметров процесса (например, связанных с утечкой из теплообменника). Затем вычислительное устройство 250 генерирует распределение давления, распределение температуры и распределение скорости потока для первого подмножества, соответственно. Для второй статистической модели вычислительное устройство 250 определяет среднее давление, среднеквадратичное отклонение давления, среднюю температуру, среднеквадратичное отклонение температуры, среднюю скорость потока и среднеквадратичное отклонение скорости потока для давлений, температур и скоростей потока во втором подмножестве значений параметров процесса (например, не связанных с утечкой из теплообменника). Вычислительное устройство 250 генерирует распределение давления, распределение температуры и распределение скорости потока для второго подмножества соответственно.

[0087] Первую и вторую статистические модели затем сравнивают с метриками параметров процесса, вычисленными на основании данных технологической установки, полученных от технологической установки. На основании сравнения вычислительное устройство 250 определяет, какая из первой и второй статистических моделей более точно соответствует метрикам параметров процесса, например, путем определения соответствующих мер подобия или различия и сравнения соответствующих показателей. Когда метрики параметров процесса более точно соответствуют первой статистической модели, вычислительное устройство 250 определяет, что объект технологической установки, соответствующий метрикам параметров процесса (например, в данном примерном случае, теплообменник), имеет утечку. С другой стороны, когда метрики параметров процесса более точно соответствуют второй статистической модели, вычислительное устройство 250 определяет, что объект технологической установки, соответствующий метрикам параметров процесса (например, в данном примерном случае, теплообменник), не имеет утечки. Как упоминалось выше, метрика параметра процесса вычисляется на основании значений параметров процесса, полученных защищенным способом и собранных в течение определенного времени. Таким образом, используя вышеуказанные технологии, скользящее среднее значений температуры в теплообменнике (например, метрика температуры) может использоваться для обнаружения утечки в теплообменнике.

[0088] Продолжая приведенный выше пример, метрика давления (например, убывающее среднее давлений) сравнивается с распределением давления, сгенерированным в соответствии со средним отклонением среднего давления и среднеквадратичным отклонением давления из первого подмножества значений параметров процесса (например, связанных с утечкой теплообменником). На основании сравнения вычислительное устройство 250 определяет вероятность, соответствующую разности (в среднеквадратичных отклонениях) между метрикой давления и средним давлением для первого подмножества значений параметров процесса. Вычислительное устройство 250 также выполняет аналогичные этапы для определения вероятности, соответствующей разности (в среднеквадратичных отклонениях) между метрикой температуры и средней температурой для первого подмножества значений параметров процесса, и вероятности, соответствующей разности (в среднеквадратичных отклонениях) между метрикой скорости потока и средней скоростью потока для первого подмножества значений параметров процесса. Затем вероятности объединяются (умножаются, агрегируются и т.д.) для определения общей вероятности того, что определенные метрики параметров процесса соответствуют первому подмножеству значений параметров процесса, связанных с утечкой из теплообменника.

[0089] Кроме того, метрика давления, метрика температуры и метрика скорости потока сравниваются с распределением давления, распределением температуры и распределением скорости потока, соответственно, определяемым на основании второго подмножества значений параметров процесса (например, значений, не связанных с утечкой из теплообменника). На основании сравнения вычислительное устройство 250 определяет вероятность, соответствующую разности (в среднеквадратичных отклонениях) между метрикой давления и средним давлением для второго подмножества значений параметров процесса, вероятность, соответствующую разности (в среднеквадратичных отклонениях) между метрикой температуры и средней температурой для второго подмножества и вероятность, соответствующую разности (в среднеквадратичных отклонениях) между метрикой скорости потока и средней скоростью потока для второго подмножества значений параметров процесса. Вероятности объединяются (умножаются, агрегируются и т.д.) для определения общей вероятности того, что метрики параметров процесса соответствуют второму подмножеству значений параметров процесса, которые не связаны с утечкой из теплообменника.

[0090] Затем общая вероятность для первого подмножества сравнивается с общей вероятностью для второго подмножества. Когда общая вероятность для первого подмножества выше, вычислительное устройство 250 определяет, что на соответствующем объекте технологической установки, например, теплообменнике, имеется утечка. В противном случае вычислительное устройство 250 определяет, что соответствующий объект технологической установки, например, теплообменник, не имеет утечки. Как упоминалось выше, вычислительное устройство 250 генерирует статистические модели для каждого типа состояния и определяет, испытывает ли соответствующий объект технологической установки каждый тип состояния, соответственно.

Дерево решений

[0091] В других вариантах реализации изобретения способ машинного обучения для генерирования и/или использования статистической модели представляет собой дерево решений или способ машинного обучения с использованием деревьев решений, таких как случайные леса или бустинг. Например, когда способ машинного обучения представляет собой случайные леса, вычислительное устройство 250 собирает несколько репрезентативных выборок каждых из данных технологической установки. Используя каждую репрезентативную выборку, вычислительное устройство 250 генерирует дерево решений для определения вероятности возникновения состояния в объекте технологической установки. Затем вычислительное устройство 250 агрегирует и/или объединяет каждое из деревьев решений для генерирования статистической модели, например, путем усреднения вероятностей, определенных для каждого отдельного дерева, вычисления средневзвешенного значения, получения большинства голосов и т.д. В некоторых вариантах реализации изобретения вычислительное устройство 250 также может генерировать деревья решений, когда способ машинного обучения является бустингом.

[0092] Каждое дерево решений содержит несколько узлов, ветвей и листьев, причем каждый узел представляет тест по метрике параметра процесса (например, убывающее среднее значение скорости потока больше 20?), при этом каждая ветвь представляет результат теста (например, убывающее среднее значение скорости потока превышает 20), и каждый лист представляет вероятность того, что объект технологической установки испытывает определенный тип состояния. Например, ветви дерева решений представляют вероятности того, что объект технологической установки будет испытывать ошибку, утечку, мертвую зону, время запаздывания, механический износ и т.д. Следовательно, вычислительное устройство 250 может проходить каждое дерево решений с использованием метрик параметров процесса из собранные данных технологической установки, чтобы определить, какие условия, если таковые имеются, испытывает объект технологической установки. Если вероятность того, что объект технологической установки испытывает состояние определенного типа, выше пороговой вероятности (например, 0,5, 0,7, и т.д.), вычислительное устройство 250 определяет, что объект технологической установки испытывает состояние, и передает указание состояния устройству интерфейса пользователя и/или другому вычислительному устройству, службе или приложению.

[0093] Например, вычислительное устройство 250 генерирует дерево решений, содержащее первый узел, который соответствует тому, превышает ли 20-секундное скользящее среднее давление 25. Если 20-секундное скользящее среднее давление не превышает 25, первая ветвь соединяется с первым листовым узлом, что указывает, что вероятность того, что объект технологической установки испытывает механический износ, составляет 0,6. Если показатель давления скользящего среднего за 20 секунд превышает семь, вторая ветвь соединяется со вторым узлом, который соответствует тому, превышает ли среднеквадратичное отклонение температуры 10.

[0094] Если среднеквадратичное отклонение температуры выше 10, третья ветвь соединяется со вторым листовым узлом, что указывает на то, что вероятность того, что объект технологической установки испытывает механический износ, составляет 0,75. Однако если среднеквадратичное отклонение температуры не превышает 10, четвертая ветвь соединяется с третьим листовым узлом, что указывает на то, что вероятность того, что объект технологической установки испытывает механический износ, составляет 0,25. Хотя дерево решений содержит три листовых узла и четыре ветви, это всего лишь пример, приведенный только для иллюстрации. Каждое дерево решений может содержать любое количество узлов, ветвей и листьев, имеющих любое подходящее количество и/или типы тестов для метрик параметров процесса.

[0095] В любом случае, путем объединения и/или агрегации нескольких деревьев решений, как в методах случайных лесов или бустинга, вычислительное устройство 250 идентифицирует метрики параметров процесса, которые являются наиболее важными для определения вероятности того, что объект технологической установки испытывает определенный тип состояния. Наиболее важными метриками параметров процесса являются те, которые чаще всего приводят к раннему расщеплению деревьев решений и в наибольшей степени указывают на то, испытывает ли объект технологической установки определенное состояние. Что касается приведенного выше примера дерева решений, 20-секундное скользящее среднее давление может быть более важным, чем среднеквадратичное отклонение температуры, поскольку среднеквадратичное отклонение температуры в дереве появляется ниже, чем 20-секундное скользящее среднее давление. Следовательно, в данном примере 20-секундное скользящее среднее давление является наиболее важной метрикой параметра процесса.

[0096] В некоторых вариантах реализации изобретения метрикам параметров процесса присваиваются веса в соответствии с их соответствующими уровнями важности. Вычислительное устройство 250 использует присвоенные веса при генерировании статистических моделей. В некоторых случаях метрика параметра процесса, которая является наименее важной, может быть взвешена с коэффициентом 0 или почти 0 для исключения метрики параметра процесса из статистической модели.

Регрессия

[0097] В еще других вариантах реализации изобретения способом машинного обучения для генерирования и/или использования статистической модели является регрессионный анализ, такой как логистическая регрессия, линейная регрессия, полиномиальная регрессия и т.д. Например, в дополнение к классификации хронологических значений параметра процесса в соответствующих подмножествах значений параметров процесса, которые связаны и не связаны с определенным состоянием, каждому хронологическому значению параметра процесса присваивается метрика мониторинга производительности. Метрика мониторинга производительности показывает уровень производительности или рейтинг объекта технологической установки, такой как параметр исправности устройства в целом в соответствии со статусом исправности соответствующего объекта технологической установки.

[0098] На основании хронологических значений параметра процесса и соответствующих метрик мониторинга производительности вычислительное устройство 250 генерирует статистическую модель в виде уравнения, которое наиболее близко аппроксимирует метрики мониторинга производительности из хронологических значений параметра процесса. В некоторых вариантах реализации изобретения обычный метод наименьших квадратов используется для минимизации разницы между значением прогнозируемых метрик мониторинга производительности с использованием статистической модели и фактическими метриками мониторинга производительности, присвоенными хронологическим значениям параметра процесса. Кроме того, различия между значениями каждой прогнозируемой метрики мониторинга производительности с использованием статистической модели и метрики мониторинга производительности (yi) агрегируются и/или объединяются любым подходящим способом для определения среднеквадратичной ошибки (СКО) регрессии. Затем СКО используется для определения стандартной ошибки или среднеквадратичного отклонения (σε) в статистической модели, которая в свою очередь используется для генерирования доверительных интервалов.

[0100] Используя статистическую модель, вычислительное устройство 250 применяет метрики параметров процесса, вычисленные из данных технологической установки, к уравнению, сгенерированному в результате регрессионного анализа (например, сгенерированной статистической модели). Соответственно, вычислительное устройство 250 определяет или идентифицирует метрику мониторинга производительности (например, параметр исправности устройства в целом) для объекта технологической установки.

[0101] Хотя значения параметров процесса включены в графическое изображение на Фиг. 4, они приводятся исключительно для пояснения иллюстрации. Значения параметров процесса могут быть собраны и проанализированы в вычислительном устройстве 250 как точки данных, имеющие соответствующие метки времени (например, как данные временного ряда), без представления значений параметров процесса на дисплее. Кроме того, хотя вычислительное устройство 250 описано как использующее способы машинного обучения для определения или идентификации состояния, возникающего в объекте технологической установки, состояние может быть дополнительно или альтернативно определено или идентифицировано путем применения набора правил. Например, вычислительное устройство 250 идентифицирует чрезмерно большую мертвую зону в клапане путем сравнения разности между сигналом привода для клапана и ходом клапана. Когда разность превышает заданную пороговую величину, вычислительное устройство 250 идентифицирует чрезмерно большую мертвую зону в клапане.

[0102] На Фиг. 5 показана блок-схема, отображающая примерный способ 400 для определения или идентификации состояния в объекте технологической установки на основании анализа данных, принятых защищенным способом. Способ 400 может быть реализован посредством вычислительного устройства 250, как показано на Фиг. 3, или посредством любого подходящего вычислительного устройства, например, посредством приложения или модуля определения режима. Как упомянуто выше, вычислительное устройство 250 может входить в состав удаленной системы 210 и/или может быть соединено с возможностью связи с беспроводными шлюзами 205А, 205В, полевым шлюзом 212, диодом 215 данных и/или пограничным шлюзом 218.

[0103] На этапе 402 хронологические значения параметров процесса получают для нескольких параметров процесса, соответствующих объекту технологической установки (например, клапану, резервуару и т.д.). Каждое из хронологических значений параметра процесса или множество хронологических значений параметра процесса, соответствующих конкретному интервалу времени (например, часу), классифицируются в подмножество значений параметров процесса, которые связаны с конкретным состоянием, которое произошло в соответствующем объекте технологической установки во время или приблизительно в то время, когда были сгенерированы хронологические значения параметра процесса (этап 404). Например, множество значений температуры может быть классифицировано в подмножество значений параметров процесса, связанных с ошибкой в теплообменнике, когда значения температуры были собраны в течение порогового периода времени ошибки, идентифицируемой в теплообменнике. Кроме того, хронологические значения параметра процесса могут быть классифицированы в подмножество значений параметров процесса, которые связаны с нормальной работой объекта технологической установки и/или когда состояние не возникает или не присутствует в объекте технологической установки во время или приблизительно в то же время, когда были хронологические значения параметра процесса.

[0104] На этапе 406 статистическая модель генерируется на основании подмножеств хронологических значений параметра процесса, например, с использованием различных правил и/или способов машинного обучения. Способы машинного обучения могут включать линейную регрессию, полиномиальную регрессию, логистическую регрессию, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей, нейронные сети и т.д. В некоторых вариантах реализации изобретения генерируется одна статистическая модель для определения или идентификации нескольких типов состояний, которые могут возникнуть или могут присутствовать в объекте технологической установки. В других вариантах реализации изобретения для каждого типа состояния, которое может возникать или может присутствовать в объекте технологической установки, генерируется разная статистическая модель. В других вариантах реализации изобретения метрики параметров процесса сравниваются с несколькими статистическими моделями, указывающими различные состояния (или их отсутствие), чтобы определить, какая статистическая модель наиболее вероятно соответствует метрикам параметров процесса.

[0105] В любом случае, на этапе 408 данные технологической установки для объекта технологической установки принимаются защищенным способом. Например, данные технологической установки могут передаваться в вычислительное устройство 250 через диод 215 данных с использованием межсетевых экранов, методов шифрования и/или любых других подходящих механизмов защиты. Данные технологической установки могут включать параметры процесса, соответствующие объекту технологической установки, такие как сигнал привода для клапана, ход клапана, заданное значение хода, плотность, площадь, масса, объем, давление, температура или скорость потока, соответствующая клапану или материалу, протекающему через клапан. В общем случае, данные технологической установки могут быть данными, которые генерируются в результате работы объекта технологической установки, управляющего производственным процессом, и могут описывать поведение или работу объекта технологической установки. Данные технологической установки могут генерироваться или не генерироваться посредством самого объекта технологической установки. Например, данные клапана могут описывать и/или генерироваться самим клапаном (например, мера того, насколько открыт или закрыт клапан), и/или могут описывать и/или генерироваться исполнительным механизмом клапана (например, как часто исполнительный механизм подает определенный сигнал на клапан). Для каждого параметра процесса вычислительное устройство 250 принимает несколько значений параметров процесса в течение нескольких моментов времени. Например, каждое значение параметра процесса содержит соответствующую временную отметку, указывающую, например, когда генерируется значение параметра процесса.

[0106] На этапе 410 одна или более метрик параметров процесса генерируются, определяются и/или вычисляются для каждого параметра процесса на основании соответствующих принятых значений параметров процесса. Метрики параметров процесса включают, например, среднее значение параметра процесса, среднеквадратичное отклонение, скользящее среднее значение в течение заданного периода времени, убывающее среднее значение в течение заданного периода времени, максимальные/минимальные значения для параметра процесса, амплитуду, фазу и/или частоту волны, соответствующей значениям параметра процесса во времени и т.д.

[0107] Каждая из метрик параметров процесса сравнивается со статистической моделью (моделями) (этап 412) для определения или идентифицирования, какие состояния, если таковые имеются, испытывает объект технологической установки (этап 414). Например, когда способ машинного обучения является наивным байесовским классификатором, метрики параметров процесса сравниваются с распределением для подмножества значений параметров процесса, связанных с состоянием, и другим распределением для подмножества значений параметров процесса, которые не связаны с состоянием. Вычислительное устройство 250 определяет, какое распределение более точно совпадает с метриками параметров процесса, и на основании совпадений распределения определяет/идентифицирует, испытывает ли объект технологической установки определенное состояние. В другом примере, когда способ машинного обучения является деревьями решений, случайными лесами или бустингом, вычислительное устройство 250 пересекает узлы деревьев решений, используя метрики параметров процесса, чтобы определить, какие состояния, если таковые имеются, испытывает объект технологической установки. В еще одном примере, когда способом машинного обучения является регрессионный анализ, такой как логистическая регрессия, линейная регрессия, полиномиальная регрессия и т.д., вычислительное устройство 250 применяет метрики параметров процесса к уравнению регрессии для определения или идентификации метрики мониторинга производительности для объекта технологической установки.

[0108] На этапе 416 вычислительное устройство 250 передает указание идентифицированного состояния на устройство 235 интерфейса пользователя, чтобы предупредить оператора об этом состоянии. Указанием состояния может быть аварийное сообщение или сообщение об ошибке, включая тип определенного состояния (например, метрика мониторинга производительности, мертвая зона, механический износ и т.д.), объект технологической установки, испытывающий состояние, значения параметров процесса, используемые для определения состояния, шаги по устранению потенциальных проблем, вызванных состоянием, или любая другая подходящая информация.

[0109] В некоторых вариантах реализации изобретения вычислительное устройство 250 также вызывает генерирование аварийного сигнала или события в технологической установке 100 в соответствии с идентифицированным состоянием для объекта технологической установки. Например, вычислительное устройство 250 передает сообщение на технологическую установку 100 для отображения аварийного сигнала или события для объекта технологической установки или передает запрос на устройство 235 пользовательского интерфейса для передачи сообщения на технологическую установку 100 для отображения аварийного сигнала или события для объекта технологической установки. В других вариантах реализации изобретения вычислительное устройство 250 передает управляющий сигнал на технологическую установку 110 для регулирования работы объекта технологической установки на основании идентифицированного состояния. Например, когда объект технологической установки испытывает утечку, вычислительное устройство 250 передает управляющий сигнал технологической установке 110 для завершения работы объекта технологической установки.

[0110] Когда состояние объекта технологической установки становится известным (например, оператор оценивает объект технологической установки для определения, возникло ли какое-либо состояние в объекте технологической установки), значения параметров процесса добавляются к хронологическим значениям параметров процесса (этап 418) и статистическая модель(и) соответственно обновляется/обновляются. Например, значения параметров процесса сохраняются в базе данных 173В архивирования данных, как показано на Фиг. 2.

[0111] Дополнительно или альтернативно, вычислительное устройство 250 передает указание состояния другому вычислительному устройству, службе или приложению (например, для дальнейшего анализа). Например, приложение или модуль определения состояния в вычислительном устройстве 250 определяет или идентифицирует состояние объекта технологической установки и передает указание идентифицированного состояния другому приложению или модулю в вычислительном устройстве 250 или другом вычислительном устройстве. Другое приложение или модуль может выполнять дополнительный анализ, например, для определения исправности объекта технологической установки по сравнению с другими объектами технологической установки в той же технологической установке 100, предприятии, отрасли и т.д., как более подробно описано ниже со ссылкой на Фиг. 7А-7В. Другое приложение или модуль определяет состояние объекта технологической установки на основании относительной исправности объекта технологической установки.

[0112] В некоторых вариантах реализации изобретения состояние, определенное на основании относительной исправности объекта технологической установки, сравнивается с состоянием, определенным на основании способов машинного обучения. Когда состояние, определенное на основании показателя относительной исправности для объекта технологической установки, и состояние, определенное на основании способов машинного обучения, не согласуются, другое приложение или модуль выполняет дальнейший анализ для определения или идентификации состояния, возникающего в объекте технологической установки и/или передает указания состояний и соответствующие метрики параметров процесса оператору для дальнейшего просмотра.

[0113] Чтобы повысить точность определения или идентификации состояния, возникающего в объекте технологической установки, могут быть сгенерированы отдельные статистические модели соответственно для определенных рабочих характеристик объекта технологической установки. Например, когда объект технологической установки является клапаном, для каждого режима, в котором может работать клапан, генерируются разные статистические модели, такие как цикличность полного хода штока клапана, непрерывное дросселирование, периодическое дросселирование и т.д. Когда вычислительное устройство 250 идентифицирует режим, в котором клапан работает в данный момент (например, как описано выше), значения параметров процесса для клапана сравниваются со статистической моделью, сгенерированной на основании хронологических значений параметров процесса для клапанов, работающих в одном и том же режиме. Таким образом, статистический анализ является более точным. Значения параметров процесса в одном режиме работы могут указывать состояния, отличные от значений параметров процесса в другом режиме работы. Например, хотя конкретная величина времени запаздывания является чрезмерно большой в режиме непрерывного дросселирования, такая же величина времени запаздывания может быть приемлемой в режиме цикличности полного хода штока клапана.

[0114] Статистические модели для каждого режима могут генерироваться аналогичным образом, описанным выше, с использованием различных способов машинного обучения, таких как линейная регрессия, полиномиальная регрессия, логистическая регрессия, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей, нейронные сети и т.д. Хронологические значения параметров процесса дополнительно классифицируются в соответствии с режимом работы соответствующего клапана, и статистические модели генерируются, например, на основании подмножеств хронологических значений параметров процесса для каждого режима работы и/или состояния.

[0115] Однако, перед тем, как значения параметров процесса в режиме он-лайн для клапана сравниваются со статистической моделью для того же режима работы, что и у клапана, вычислительное устройство 250 определяет режим работы клапана. Режим работы клапана может быть определен с использованием того же множества параметров процесса, которое сравнивается со статистической моделью, другого множества параметров процесса или множества параметров процесса, которое перекрывается с множеством параметров процесса, которое сравнивается со статистической моделью. В любом случае примерные параметры процесса для определения режима работы клапана обычно могут включать: ход клапана, заданное значение хода и/или сигнал привода клапана. Чтобы определить режим работы клапана, вычислительное устройство 250 дополнительно или альтернативно использует метрики параметров процесса, основанные на значениях параметров процесса, собранных за определенное время, таких как средний ход клапана за реверсирование, скользящее среднее хода клапана за реверсирование, убывающее среднее хода клапана за реверсирование, среднеквадратичное отклонение хода клапана или количество реверсирований за период времени. (Реверсирование является переходом в движении клапана от открытия к закрытию или от закрытия к открытию).

[0116] В некоторых вариантах реализации изобретения режим работы клапана определяет приложение или модуль определения режима в вычислительном устройстве 250. Затем приложение или модуль определения режима передает указание определенного режима работы на устройство 235 интерфейса пользователя для оповещения оператора о режиме работы. Кроме того, приложение или модуль определения режима может передавать указание определенного режима работы другому приложению или модулю в вычислительном устройстве 250 или другом вычислительном устройстве. Затем другое приложение или модуль использует определенный режим работы, чтобы сравнить параметры процесса в режиме онлайн для клапана со статистической моделью для того же режима работы, что и клапан, для определения или идентификации состояния, если таковое имеется, возникающего на клапане.

[0117] На Фиг. 6А проиллюстрировано примерное графическое изображение 500 данных о ходе клапана, собранных с течением времени для трех клапанов, каждый из которых работает в своем режиме работы, с использованием по меньшей мере некоторых из новых технологий, описанных в данной заявке. Первый клапан 502 работает в режиме цикличности полного хода штока клапана. Второй клапан 504 работает в режиме периодического дросселирования, а третий клапан 506 работает в режиме непрерывного дросселирования. Ход клапана может составлять 0 процентов, когда клапан полностью открыт, 100 процентов, когда клапан полностью закрыт, или где-то между этими значениями (например, 50%). Как показано на Фиг. 6А, ход клапана как функция времени имеет различный график для каждого режима работы.

[0118] Например, ход клапана в случае третьего клапана 506 в режиме непрерывного дросселирования имеет синусоидальный график с постоянной частотой и амплитудой, значительно меньшей, чем 100% (например, 20%). В режиме непрерывного дросселирования третий клапан 506 неподвижен или постоянно перемещается в ответ на регулировки в системе 100 управления процессом. Однако третий клапан 506 не полностью открывается или закрывается в этом режиме, если его работа не прекращается. Ход клапана в случае третьего клапана 506 в момент времени t=15 составляет около 52 процентов (ссылка 506а), в момент времени t=20 составляет около 48 процентов (ссылка 506b) и в момент времени t=25 снова около 52 процентов (ссылка 506с).

[0119] С другой стороны, в режиме цикличности полного хода штока клапана первый клапан 502 переходит от полностью открытого положения в полностью закрытое положение и наоборот, а не открывается и не закрывается частично. Соответственно, ход клапана в случае первого клапана 502 в режиме цикличности полного хода штока клапана имеет график ступенчатой функции, причем ход клапана в случае первого клапана 502 от момента времени t=10 до момента времени t=20 составляет 0 процентов (ссылка 502а), от момента времени t=25 до момента времени t=40 составляет 100 процентов (ссылка 502b), и от момента времени t=42 до момента времени t=60 составляет 0 процентов (ссылка 502с).

[0120] Режим периодического дросселирования является комбинацией режима цикличности полного хода штока клапана и режима непрерывного дросселирования. В режиме периодического дросселирования положение второго клапана 504 чередуется между состоянием дросселирования и полностью закрытым/открытым состоянием. По существу, ход клапана для второго клапана 504 в режиме периодического дросселирования является комбинацией графика ступенчатой функции и синусоидального графика. Ход клапана в случае второго клапана 504 от момента времени t=10 до момента времени t=15 составляет 0 процентов (ссылка 504а), а затем переходит к 30 процентам (ссылка 504b), аналогично ступенчатой функции. Затем с момента времени t=18 до момента времени t=28 ход клапана изменяется по синусоидальному графику на уровне около 30 процентов с амплитудой около 2 процентов. В момент времени примерно t=30 ход клапана возвращается к 0 процентам (ссылка 504с) и сохраняется это значение до момента времени t=35, прежде чем снова перейти к 30 процентам. Ход клапана в случае второго клапана 504 в режиме периодического дросселирования имеет две частоты: первую небольшую частоту, переходящую назад и вперед от 0 процентов до 30 процентов, и вторую большую частоту, изменяющуюся назад и вперед от около 29 процентов до около 31 процента каждый раз, когда ход клапана переходит от 0 процентов до 30 процентов.

[0121] На основании четких графиков на графических изображениях хода клапана как функции времени для различных режимов работы вычислительное устройство 250 определяет режим работы, анализируя данные о ходе клапана с течением времени при работе клапана. В качестве дополнительного или альтернативного варианта, вычислительное устройство 250 анализирует другие значения параметров клапана, такие как сигнал привода, управляющий клапаном, заданное значение хода клапана и/или другие значения параметров клапана с течением времени, чтобы определить режим работы клапана. Другие параметры также могут быть проанализированы для определения режима работы клапана, например давления привода.

[0122] В некоторых вариантах реализации изобретения вычислительное устройство 250 определяет режим работы путем применения набора предварительно определенных правил к параметрам процесса или метрикам параметров процесса. Например, вычислительное устройство 250 может преобразовывать ход клапана с течением времени в частотную область и обнаруживать или идентифицировать, включает ли ход клапана высокие частоты (непрерывное дросселирование), низкие частоты (цикличность полного хода штока клапана) или комбинацию высоких и низких частот (периодическое дросселирование). Вычислительное устройство 250 может применять фильтры, такие как фильтры высоких частот, фильтры низких частот или полосовые фильтры, чтобы определять или идентифицировать частоты и определять соответствующий режим работы клапана.

[0123] В качестве дополнительного или альтернативного варианта, вычислительное устройство 250 вычисляет метрики параметров процесса с помощью данных клапана. Например, с помощью данных об измерениях хода клапана могут быть вычислены метрики параметров процесса, такие как средний ход клапана за реверсирование, скользящее среднее хода клапана за реверсирование, убывающее среднее хода клапана за реверсирование, стандартное отклонение хода клапана, количество реверсирований за определенный период времени и т.д. Например, в случае первого клапана 502 реверсирование происходит примерно в момент времени t=40, потому что клапан закрывается (ход клапана увеличивается) в момент времени t=20, а затем должен открыться (ход клапана уменьшается) в момент времени t=40. В течение этого периода времени ход клапана изменяется от 0 процентов до 100 процентов, поэтому ход клапана за реверсирование составляет 100 процентов. Тем не менее, приведенное выше является лишь примерными параметрами процесса и/или метриками параметров процесса, которые могут использоваться для определения режима работы клапана. Могут использоваться любые подходящие параметры процесса и/или метрики параметров процесса.

[0124] На Фиг. 6В проиллюстрирована блок-схема, представляющая примерный основанный на правилах способ 550 определения или идентификации режима работы клапана. Способ 550 может быть реализован посредством вычислительного устройства 250, как показано на Фиг. 3, или посредством любого подходящего вычислительного устройства, например, посредством приложения или модуля определения режима. Как упомянуто выше, вычислительное устройство 250 может входить в состав удаленной системы 210 и/или может быть соединено с возможностью связи с беспроводными шлюзами 205А, 205В, полевым шлюзом 212, диодом 215 данных и/или пограничным шлюзом 218.

[0125] На этапе 552, значения параметров процесса для клапана (например, значения параметров клапана) принимаются защищенным способом. Например, значения параметров процесса или клапана могут передаваться в вычислительное устройство 250 через диод данных с помощью межсетевых экранов, методов шифрования и/или любых других подходящих механизмов обеспечения защиты. По каждому параметру процесса или параметру клапана вычислительное устройство 250 принимает несколько значений параметров процесса, соответствующих нескольким моментам времени. Каждое значение параметра процесса содержит соответствующую временную отметку, указывающую, когда было сгенерировано значение параметра процесса. Параметры процесса или клапана для определения или идентификации режима работы клапана могут включать то же множество параметров процесса или клапана, которое используется для определения или идентификации состояния, возникающего в клапане (например, как описано в способе 400 в соответствии с Фиг. 5), иное множество параметров процесса или клапана, используемое для определения или идентификации состояния, возникающего в клапане, или перекрывающееся множество параметров процесса или клапана, причем некоторые параметры процесса/клапана в таком множестве являются одинаковыми, а другие являются различными. Параметры процесса/клапана для клапана могут включать измерение или указание хода клапана, сигнал привода для клапана, заданное значение хода клапана, давление привода и т.д.

[0126] В любом случае, на этапе 554, определяются одна или более метрик параметров процесса клапана. Например, для клапана определяется средний ход клапана за цикл. Средний ход клапана за цикл определяется путем вычисления изменения хода клапана каждый раз, когда клапан переходит от открытия к закрытию или от закрытия к открытию, а затем усреднения рассчитанных изменений хода клапана. Например, со ссылкой на графическое изображение 500 хода клапана с течением времени на Фиг. 6А, первый клапан 502 включает изменение хода клапана на 100 процентов с момента времени t=10 до момента времени t=40 (от 0 процентов до 100 процентов). Изменение хода клапана также составляет 100 процентов с момента времени t=42 до момента времени t=60 (от 100 процентов до 0 процентов). Кроме того, изменение хода клапана снова составляет 100 процентов от времени t=70 до t=90. Соответственно, средний ход клапана за цикл составляет 100 процентов. В отличие от этого, третий клапан 506 включает изменение хода клапана примерно на 4 процента с момента времени t=15 до момента времени t=20 (от 52 процентов до 48 процентов), и изменение на 4 процента является постоянным до момента времени t=35, когда изменение хода клапана увеличивается примерно до 10 процентов с момента времени t=30 до момента времени t=35 (от 45 процентов до 55 процентов). Там средний ход клапана за цикл составляет около 7 процентов.

[0127] На этапе 556, вычислительное устройство 250 определяет, является ли средний ход клапана за цикл большим, чем пороговое значение (например, 95 процентов). Когда средний ход клапана за цикл превышает 95 процентов, вычислительное устройство 250 определяет, что режимом работы клапана является режимом цикличности полного хода штока клапана (этап 558). Например, первый клапан 502, как показано на Фиг. 6А, имеет средний ход клапана за цикл, составляющий более 95 процентов, и, следовательно, находится в режиме цикличности полного хода штока клапана. В некоторых вариантах реализации изобретения вычислительное устройство 250 затем выполняет анализ, например, с помощью вышеописанных способов машинного обучения, чтобы определять или идентифицировать состояние, если таковое имеется, возникающее на клапане. Состояние идентифицируется, например, с помощью статистических моделей, генерируемых на основании хронологических значений параметров процесса для клапанов в режиме цикличности полного хода штока клапана. В других вариантах реализации приложение или модуль определения режима в вычислительном устройстве 250 передает указание определенного режима работы на устройство 235 интерфейса пользователя или на другое приложение или модуль в вычислительном устройстве 250 или другом вычислительном устройстве. Другое приложение или модуль может выполнять анализ на основании определенного режима работы и/или данных клапана, например, с помощью вышеописанных способов машинного обучения, чтобы обнаруживать или идентифицировать состояние, если таковое имеется, возникающее на клапане.

[0128] Когда средний ход клапана за цикл не превышает пороговое значение (например, 95 процентов), вычислительное устройство 250 определяет, изменяется ли ход клапана за период времени более чем на пороговый предел погрешности (например, 2 процента) (этап 560). Когда ход клапана не изменяется, вычислительное устройство 250 определяет, что клапан не перемещается и находится в состоянии насыщения (этап 561). С другой стороны, когда ход клапана изменяется, вычислительное устройство 250 определяет, достигают ли иногда значения хода клапана, полученные во время работы в режиме онлайн, отсечки (например, 0 процентов или 100 процентов) (этап 562). Когда значения хода клапана иногда достигают отсечки 0 процентов или 100 процентов (например, по меньшей мере один раз), вычислительное устройство 250 определяет, что режимом работы клапана является периодическое дросселирование (этап 564). Например, ход клапана в случае второго клапана 504, как проиллюстрировано на Фиг. 6А, составляет 0 процентов с момента времени t=10 до момента времени t=15. В некоторых вариантах реализации изобретения вычислительное устройство 250 затем выполняет анализ, например, с помощью вышеописанных способов машинного обучения, чтобы определить или идентифицировать состояние, если таковое имеется, возникающее на клапане. Состояние идентифицируется с помощью статистических моделей, генерируемых на основании хронологических значений параметров процесса для клапанов в режиме периодического дросселирования. В других вариантах реализации изобретения приложение или модуль определения режима в вычислительном устройстве 250 передает указание определенного режима работы на устройство 235 интерфейса пользователя или на другое приложение или модуль в вычислительном устройстве 250 или другом вычислительном устройстве. Затем другое приложение или модуль выполняет анализ, например, с помощью описанных выше способов машинного обучения, чтобы определить или идентифицировать состояние, если таковое имеется, возникающее на клапане.

[0129] С другой стороны, когда значения хода клапана не достигают отсечки 0 процентов или 100 процентов, вычислительное устройство 250 определяет, что режим работы клапана является непрерывным дросселированием (этап 566). Например, ход клапана в случае второго клапана 506, как проиллюстрировано на Фиг. 6А, составляет примерно от 45 процентов до 55 процентов, но никогда не достигает 0 процентов или 100 процентов. В некоторых вариантах реализации изобретения вычислительное устройство 250 затем выполняет анализ, например, с помощью вышеописанных способов машинного обучения, чтобы определить или идентифицировать состояние, если таковое имеется, возникающее на клапане. Состояние идентифицируется с помощью статистических моделей, генерируемых на основании хронологических значений параметров процесса для клапанов в режиме непрерывного дросселирования. В других вариантах реализации изобретения приложение или модуль определения режима в вычислительном устройстве 250 передает указание определенного режима работы на устройство 235 интерфейса пользователя или на другое приложение или модуль в вычислительном устройстве 250 или другом вычислительном устройстве. Затем другое приложение или модуль выполняет анализ, например, с помощью описанных выше способов машинного обучения, чтобы определить или идентифицировать состояние, если таковое имеется, возникающее на клапане.

[0130] Хотя способ 550 включает набор предварительно определенных правил для определения или идентификации режима работы клапана, это всего лишь один пример для простоты иллюстрации. Вычислительное устройство 250 может использовать любой подходящий набор предварительно определенных правил для определения или идентификации режима работы клапана, включая дополнительные или альтернативные правила в правила, включенные в способ 550. Кроме того, хотя набор заранее определенных правил в способе 550 применяется к параметру процесса перемещения клапана, набор предварительно определенных правил может применяться к любому числу параметров процесса для клапана.

[0131] В других вариантах реализации изобретения вычислительное устройство 250 определяет режим работы с помощью различных способов машинного обучения, аналогичных упомянутым выше способам машинного обучения, для определения или идентификации состояния, возникающего на объекте технологической установки. Например, для нескольких параметров процесса, связанных с клапаном (например, ход клапана, сигнал привода клапана, заданное значение хода клапана, давление привода и т.д.), вычислительное устройство 250 принимает хронологические значения параметров процесса, собранные с течением времени, когда каждое из хронологических значений параметров процесса классифицируется по режиму работы для соответствующего клапана. Затем вычислительное устройство 250 анализирует каждое подмножество хронологических значений параметров процесса, соответствующих конкретному режиму работы, чтобы генерировать статистическую модель для каждого режима работы. Когда в вычислительное устройство 250 поступают значения параметров процесса для клапана и соответствующие временные отметки, вычислительное устройство 250 сравнивает значения параметров процесса с каждой статистической моделью, чтобы определить режим работы для клапана.

[0132] На Фиг. 6С проиллюстрирована блок-схема, представляющая примерный способ 580 определения или идентификации режима работы клапана. Способ 580 может быть реализован посредством вычислительного устройства 250, показанного на Фиг. 3, или посредством любого подходящего вычислительного устройства, например, посредством приложения или модуля определения режима. Как упомянуто выше, вычислительное устройство 250 может входить в состав удаленной системы 210 и/или может быть соединено с возможностью связи с беспроводными шлюзами 205А, 205В, полевым шлюзом 212, диодом 215 данных и/или пограничным шлюзом 218.

[0133] На этапе 582, хронологические значения параметров процесса (например, хронологические значения параметров клапана) получают для одного или более параметров процесса (например, одного или более параметров клапана), соответствующих одному или более клапанам. Каждое из хронологических значений параметров процесса содержит соответствующую временную отметку и указание режима работы для соответствующего клапана, когда было сгенерировано хронологическое значение параметра процесса. Каждое из хронологических значений параметров процесса или множество хронологических значений параметров процесса, соответствующее конкретному временному интервалу (например, часу), связанному с конкретным режимом работы соответствующего клапана, классифицируется как попадающее в соответствующее подмножество значений параметров процесса (этап 584). Например, хронологическое значение параметра процесса может быть классифицировано как попадающее в первое подмножество значений параметров процесса, связанных с режимом цикличности полного хода штока клапана, второе подмножество значений параметров процесса, связанных с режимом непрерывного дросселирования, или третье подмножество значений параметров процесса, связанных с режимом периодического дросселирования.

[0134] На этапе 586, статистическая модель генерируется на основании подмножеств хронологических значений параметров процесса/клапана, например, с помощью различных способов машинного обучения. Способы машинного обучения могут включать линейную регрессию, полиномиальную регрессию, логистическую регрессию, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей, нейронные сети и т.д. В некоторых вариантах реализации изобретения генерируется единая статистическая модель для нескольких режимов работы клапана. В других вариантах реализации изобретения для каждого режима работы клапана генерируется своя, отличная, статистическая модель. В других вариантах реализации изобретения метрики параметров процесса, сгенерированные из хронологических значений параметров процесса с течением времени (например, средние значения, скользящие средние и т.д., такие, как описанные выше), сравниваются с несколькими статистическими моделями, указывающими различные режимы работы клапана, чтобы определить, какая характерная для того или иного режима статистическая модель наиболее точно соответствует метрикам параметров процесса. Например, соответствующая мера сходства или различия может быть сгенерирована для каждой статистической модели, характерной для режима (относительно метрик параметров процесса), и сравнена для определения соответствующей статистической модели, характерной для режима.

[0135] В любом случае, на этапе 588, данные клапана для рассматриваемого клапана принимаются защищенным способом. Например, значения параметров процесса или клапана могут передаваться в вычислительное устройство 250 через диод данных с помощью межсетевых экранов, методов шифрования и/или любых других подходящих механизмов защиты. Данные клапана включают значения параметров процесса, соответствующие клапану, такие как значения, соответствующие сигналу привода, измерению хода клапана, заданному значению хода, давлению привода и т.д. Для каждого параметра процесса вычислительное устройство 250 принимает несколько значений параметров процесса, полученных в течение нескольких моментов времени. Каждое значение параметра процесса включает соответствующую временную отметку, указывающую, например, когда было сгенерировано значение параметра процесса.

[0136] Одна или более метрик параметров процесса могут быть сгенерированы для каждого параметра процесса на основании соответствующих значений параметров процесса временных рядов рассматриваемого клапана. Примерные метрики параметров процесса включают средний ход клапана за реверсирование, скользящее среднее хода клапана за реверсирование, убывающее среднее хода клапана за реверсирование, среднеквадратичное отклонение хода клапана, количество реверсирований за определенный период времени, амплитуду, фазу и/или частоту волны, соответствующую ходу клапана с течением времени, и т.д.

[0137] Одна или более метрик параметров процесса сравниваются со статистической моделью (моделями) (этап 590) для определения или идентификации режима работы рассматриваемого клапана (этап 592). Например, когда статистическая модель генерируется с помощью наивного байесовского классификатора, одна или более метрик параметров процесса сравниваются с распределением для подмножества значений параметров процесса, связанных с режимом цикличности полного хода штока клапана, другим распределением для подмножества значений параметров процесса, которые связаны с режимом непрерывного дросселирования, и еще одним распределением для подмножества значений параметров процесса, которые связаны с режимом периодического дросселирования. Вычислительное устройство 250 определяет, какое распределение наиболее точно соответствует метрикам параметров процесса, и соответственно идентифицирует режим работы рассматриваемого клапана. В другом примере, когда статистическая модель генерируется деревьями решений, случайными лесами или бустингом, вычислительное устройство 250 проходит по узлам деревьев решений, используя метрики параметров процесса, чтобы определить режим работы рассматриваемого клапана.

[0138] На основании идентифицированного режима работы рассматриваемого клапана вычислительное устройство 250 выполняет соответствующий анализ, чтобы определять или идентифицировать состояние, если таковое имеется, которое возникает или присутствует в рассматриваемом клапане. Например, когда идентифицированным режимом работы клапана является периодическое дросселирование, вычислительное устройство 250 выполняет анализ, например, с помощью статистической модели, генерируемой на основании хронологических значений параметров процесса клапанов, работающих в режиме периодического дросселирования, для определения или идентификации состояния, если таковое имеется, возникающего в клапане (этап 594а). Когда идентифицированным режимом работы является непрерывное дросселирование, вычислительное устройство 250 выполняет анализ, например, с помощью статистической модели, генерируемой на основании хронологических значений параметров процесса клапанов, работающих в режиме непрерывного дросселирования (этап 594b). Когда идентифицированным режимом работы является цикличность полного хода штока клапана, вычислительное устройство 250 выполняет анализ, например, с помощью статистической модели, генерируемой на основании хронологических значений параметров процесса клапанов, работающих в режиме цикличности полного хода штока клапана (этап 594с).

[0139] В некоторых вариантах реализации изобретения приложение или модуль определения режима в вычислительном устройстве 250 передает указание об определенном режиме работы на устройство 235 интерфейса пользователя, на другое приложение или модуль в вычислительном устройстве 250 и/или на другое вычислительное устройство. Другое приложение, модуль или вычислительное устройство выполняет соответствующий анализ, например, используя способы машинного обучения способы машинного обучения и/или статистические модели, такие как рассмотренные выше, чтобы определить или идентифицировать состояние, если таковое имеется, возникающее или присутствующее в рассматриваемом клапане.

[0140] На этапе 596, состояние клапана определяется или идентифицируется, например, с помощью статистических моделей, генерируемых для такого же режима работы, что и режим работы, идентифицированный для клапана. Например, для статистической модели, соответствующей идентифицированному режиму работы клапана и генерируемой с помощью наивного байесовского классификатора, метрики параметров процесса рассматриваемого клапана сравниваются с распределением для подмножества значений параметров процесса, связанных с состоянием, и сравниваются с другим распределением для подмножества значений параметров процесса, которые не связаны с указанным состоянием. Вычислительное устройство 250 определяет, какое распределение более точно соответствует метрикам параметра процесса, и идентифицирует, испытывает ли рассматриваемый клапан соответствующее состояние. В другом примере для статистической модели, соответствующей идентифицированному режиму работы клапана и соответствующей деревьям решений, случайным лесам или бустингу, вычислительное устройство 250 проходит по узлам деревьев решений, используя метрики параметров процесса рассматриваемого клапана, чтобы определить какие состояния, если таковые имеются, испытывает рассматриваемый клапан. В еще одном примере для статистической модели, соответствующей идентифицированному режиму работы клапана и генерируемой с помощью регрессионного анализа, такого как логистическая регрессия, линейная регрессия, полиномиальная регрессия и т.д., вычислительное устройство 250 применяет метрики параметров процесса рассматриваемого клапана к соответствующему уравнению регрессии, чтобы определить или идентифицировать показатель мониторинга производительности или другое состояние клапана.

[0141] На этапе 598 вычислительное устройство 250 передает указание определенного/идентифицированного состояния на устройство 235 пользовательского интерфейса, например, чтобы предупредить оператора о данном состоянии. Указанием состояния может быть аварийный сигнал или сообщение об ошибке, включая тип определенного состояния (например, мертвая зона, механический износ и т.д.), и идентификацию клапана, испытывающего данное состояние, значения параметров процесса или клапана, используемые для определения данного состояния, шаги для устранения потенциальных проблем, вызываемых состоянием, и/или любую другую подходящую информацию.

[0142] В некоторых вариантах реализации изобретения вычислительное устройство 250 вызывает генерирование аварийного сигнала или события в технологической установке 100 в соответствии с определенным/идентифицированным состоянием клапана. Например, вычислительное устройство 250 передает сообщение на технологическую установку 100, чтобы активировать аварийный сигнал или событие для клапана, или передает запрос на устройство 235 интерфейса пользователя, чтобы передать соответствующее сообщение на технологическую установку 100 для активирования аварийного сигнала или события для клапана. В других вариантах реализации изобретения вычислительное устройство 250 передает управляющий сигнал на технологическую установку 110 для регулировки работы клапана и/или работы технологической установки на основании идентифицированного состояния. Например, когда клапан испытывает утечку, вычислительное устройство 250 передает управляющий сигнал технологической установке 110 для завершения работы клапана.

[0143] Дополнительно или альтернативно, вычислительное устройство 250 передает указание состояния другому вычислительному устройству, службе или приложению (например, для дальнейшего анализа). Например, приложение или модуль определения состояния в вычислительном устройстве 250 определяет или идентифицирует состояние объекта технологической установки и передает указание идентифицированного состояния другому приложению или модулю в вычислительном устройстве 250 или другом вычислительном устройстве. Другое приложение или модуль может выполнять дополнительный анализ, например, для определения исправности объекта технологической установки по сравнению с другими объектами технологической установки в той же технологической установке 100, предприятии, отрасли и т.д., как более подробно описано ниже со ссылкой на Фиг. 7А-7В. Другое приложение или модуль определяет состояние объекта технологической установки на основании относительной исправности объекта технологической установки.

[0144] В некоторых вариантах реализации изобретения состояние, определенное на основании относительной исправности объекта технологической установки, сравнивается с состоянием, определенным на основании способов машинного обучения. Когда состояние, определенное на основании показателя относительной исправности для объекта технологической установки, и состояние, определенное на основании способов машинного обучения, не согласуются, другое приложение или модуль выполняет дальнейший анализ для определения или идентификации состояния, возникающего в объекте технологической установки и/или передает указания состояний и соответствующие метрики параметров процесса оператору для дальнейшего просмотра.

[0145] Следует отметить, что хотя способы 550, 580, проиллюстрированные на Фиг. 6В и 6С, определяют или идентифицируют три режима работы для клапана (цикличность полного хода штока клапана, непрерывное дросселирование и периодическое дросселирование), могут быть идентифицированы дополнительные, альтернативные режимы работы или любое подходящее количество режимов работы.

[0146] Чтобы дополнительно улучшить статистический анализ клапанов, данные клапанов конкретного клапана можно сравнить с данными клапанов для нескольких других клапанов в той же технологической установке, предприятии, отрасли или во всех отраслях. Таким образом, исправность конкретного клапана идентифицируется относительно других работающих в настоящее время клапанов в дополнение к хронологическим параметрам процесса. В некоторых вариантах реализации изобретения состояние определенного клапана оценивается среди каждого из клапанов, работающих на одном и том же технологическом предприятии, предприятии, отрасли или во всех отраслях.

[0147] Например, на основании сравнения значений параметров процесса, соответствующих клапану, с хронологическими значениями параметров процесса, например, с помощью статистических моделей, вычислительное устройство 250 определяет, что в конкретном клапане возникает или присутствует конкретное состояние (например, ошибка). Однако состояние конкретного клапана может оцениваться среди клапанов в технологической установке в соответствии с параметром исправности устройства в целом для каждого из клапанов или каким-то другим параметром процесса, связанным с состоянием ошибки. Таким образом, на основании параметров исправности устройства в целом клапанов вычислительное устройство 250 определяет, что конкретный клапан работает нормально по сравнению с другими клапанами в технологической установке.

[0148] С целью иллюстрации, на Фиг. 7А проиллюстрировано примерное графическое изображение 600 циклов клапанов, собранных с течением времени для трех разных клапанов, причем цикл является реверсированием направления перемещения клапана (например, от открытия к закрытию или от закрытия к открытию). В этом примере цикл клапана используется для генерирования параметра исправности устройства в целом для сравнения каждого из клапанов 602-606, работающих на одной и той же технологической установке 100, предприятии, отрасли или во всех отраслях. Однако это только один пример, и дополнительные или альтернативные параметры процесса или метрики параметров процесса могут использоваться для генерирования параметров исправности устройства в целом.

[0149] В любом случае, для первого клапана 602 количество циклов клапана является постоянным в течение 13-недельного периода времени, в среднем около 11 циклов в час в течение всего времени. Хотя значения варьируются от около 10 циклов в час до около 12 циклов в час, средний уклон или изменение циклов в час практически не меняется. В случае второго клапана 604 количество циклов клапана является постоянным, составляя около 9 циклов в час до 7-й недели. Затем количество циклов клапана увеличивается с 7-й недели до 8-й недели перед выравниванием с постоянным значением около 14 циклов в час с 8-й недели до 13-й недели. Это может указывать на изменение значений параметров процесса или механическое изменение в клапане, такое как механический износ. Для третьего клапана 606 количество циклов клапана соответствует примерно 9,5 циклам в час до 7 недели. Затем количество циклов клапана постепенно увеличивается с течением времени на протяжении 13-й недели до около 16 циклов в час.

[0150] Соответственно, вычислительное устройство 250 определяет показатель относительной исправности для каждого клапана 602, 604, 606 путем сравнения соответствующего параметра исправности устройства в целом клапана с параметрами исправности устройства в целом других клапанов. Показателем относительной исправности клапана может быть указание того, где клапан находится среди других клапанов, процентиль параметра исправности устройства в целом среди параметров исправности устройства в целом клапанов или еще какой-то подходящее указание.

[0151] Например, вычислительное устройство 250 может упорядочить первый клапан 602 как имеющий самый высокий приоритет или присвоить самый высокий параметр исправности устройства в целом первому клапану 602, потому что циклы клапанов в неделю первого клапана 602 являются наиболее постоянными. Второй клапан 604 может быть упорядочен вторым по сравнению с третьим клапаном 606, потому что, хотя количество циклов клапана увеличивается со временем как для клапана 604, так и для клапана 606, количество циклов клапана выравнивается во втором клапане 604, тогда как количество циклов клапана продолжает увеличиваться со временем в третьем клапане 606.

[0152] В некоторых вариантах реализации изобретения графическое изображение 600 передается на устройство 235 пользовательского интерфейса для отображения на интерфейсе пользователя, например, устройства 235 интерфейса пользователя и/или рабочей станции 171 оператора. В качестве дополнительного или альтернативного варианта, данные, включенные в графическое изображение 600, анализируются вычислительным устройством 250. В некоторых вариантах реализации изобретения соответствующие показатели относительной исправности устройства (например, параметры исправности устройства в целом или очередность) для каждого из клапанов 602-606 передаются для отображения на интерфейсе пользователя, например, устройства 235 интерфейса пользователя и/или рабочей станции 171 оператора.

[0153] Параметр исправности устройства в целом для каждого из клапанов 602-606 может быть определен в соответствии с изменением средних циклов клапана в час с течением времени. Состояния, возникающие на клапанах, также определяются или корректируются на основании анализа и передаются на устройство 235 интерфейса пользователя.

[0154] Например, в случае второго клапана 604 вычислительное устройство 250 анализирует значения параметров процесса, соответствующие второму клапану 604, например, с помощью способов машинного обучения, упомянутых выше. Вычислительное устройство 250 также определяет режим работы для второго клапана 604, например, с помощью методов, упомянутых выше, и идентифицирует соответствующую статистическую модель для применения к значениям параметров процесса для определения или идентификации состояния, возникающего во втором клапане 604. Если на основании применяемой статистической модели вычислительное устройство 250 определяет, что второй клапан 604 испытывает механический износ, показатель относительной исправности устройства (например, параметр исправности устройства в целом или параллельное сравнение второго клапана 604 с другими клапанами 602, 606) может использоваться для подтверждения того, что второй клапан 604 действительно испытывает механический износ. С другой стороны, показатель относительной исправности устройства (например, параметр исправности устройства в целом или параллельное сравнение первого клапана 602 с другими клапанами 604, 606) может указывать на то, что первый клапан 602 относительно исправен по сравнению с другими клапанами 604, 606, даже если результат применения статистической модели свидетельствует о том, что клапан 604 испытывает некоторый механический износ. Эта полученная информация может быть предоставлена оператору и/или другому приложению или службе для дальнейшего анализа.

[0155] На Фиг. 7В проиллюстрирована блок-схема, представляющая примерный способ 650 сравнения состояния нескольких клапанов и определения/идентификации соответствующих состояний клапанов на основании данного сравнения. Способ 650 может быть реализован посредством вычислительного устройства 250, показанного на Фиг. 3, или посредством любого подходящего вычислительного устройства. Как упомянуто выше, вычислительное устройство 250 может входить в состав удаленной системы 210 и/или может быть соединено с возможностью связи с беспроводными шлюзами 205А, 205В, полевым шлюзом 212, диодом 215 данных и/или пограничным шлюзом 218.

[0156] На этапе 652, значения параметров процесса (например, значения параметров клапана) множества клапанов принимаются защищенным способом. Например, значения параметров процесса или клапана могут передаваться в вычислительное устройство 250 через диод данных с помощью межсетевых экранов, методов шифрования и/или любых других подходящих механизмов обеспечения защиты. Несколько клапанов могут быть включены в одну и ту же технологическую установку 100, предприятие, отрасль или во все отрасли. Например, параметры процесса для клапанов, внешних по отношению к технологической установке 100, принимаются от шлюзов 176, 178 в системы, которые являются внешними по отношению к системе 100 непосредственного управления процессом.

[0157] Для каждого параметра процесса или клапана вычислительное устройство 250 принимает несколько значений параметров процесса, сгенерированных в нескольких случаях. Каждое значение параметра процесса/клапана содержит соответствующую временную отметку, указывающую, например, на то, когда генерируется параметр процесса. Параметры процесса/клапана, используемые для сравнения состояния клапанов, могут включать то же множество параметров процесса или клапана, которое используется для определения или идентификации состояния, возникающего в клапане (например, как описано в способе 400 в соответствии с Фиг. 5), иное множество параметров процесса или клапана, используемое для определения или идентификации состояния, возникающего в клапане, или перекрывающееся множество параметров процесса или клапана, причем некоторые параметры процесса в таком множестве являются одинаковыми, а другие являются различными. Примерные параметры процесса для клапана включают ход клапана, сигнал привода клапана, заданное значение хода клапана, давление привода и т.д.

[0158] В некоторых вариантах реализации изобретения для каждого из множества клапанов вычислительное устройство 250 определяет одну или более соответствующих метрик параметров процесса для каждого параметра процесса на основании соответствующих значений параметров процесса с течением времени. Метрики параметров процесса включают, например, средний ход клапана за реверсирование, скользящее среднее хода клапана за реверсирование, убывающее среднее хода клапана за реверсирование, среднеквадратичное отклонение хода клапана, количество циклов за период времени, как показано на Фиг. 7А, амплитуду, фазу и/или частоту волны, соответствующие ходу клапана с течением времени, и т.д.

[0159] На этапе 654, выполняется статистический анализ метрик параметров процесса каждого клапана, чтобы определить параметр исправности устройства в целом для клапана. В некоторых вариантах реализации изобретения параметр исправности устройства в целом может быть определен путем применения набора правил к метрикам параметров процесса. Например, как описано со ссылкой на Фиг. 7А, параметр исправности устройства в целом присваивается каждому клапану в соответствии с изменением средних циклов клапана в час с течением времени, при этом параметр исправности устройства в целом уменьшается по мере увеличения изменения средних циклов клапана в час.

[0160] В других вариантах реализации изобретения параметр исправности устройства в целом определяется с помощью одного или более способов машинного обучения, аналогичных способам машинного обучения, описанным выше. Например, один или более способов машинного обучения могут включать регрессионный анализ, такой как логистическая регрессия, линейная регрессия, полиномиальная регрессия и т.д. Кроме того, каждому из хронологических значений параметров процесса для параметров процесса, соответствующих клапанам, присваивается параметр исправности устройства в целом в соответствии со статусом исправности соответствующего клапана.

[0161] На основании значений хронологических параметров процесса и соответствующих параметров исправности устройства в целом вычислительное устройство 250 генерирует статистическую модель в виде уравнения, которое наиболее точно аппроксимирует параметры исправности устройства в целом на основании значений хронологических параметров процесса. В некоторых вариантах реализации изобретения обычный метод наименьших квадратов используют для сведения к минимуму разницы между значением прогнозируемых параметров исправности устройства в целом с помощью статистической модели и фактическими параметрами исправности устройства в целом, присвоенными значениям хронологических параметров процесса. Кроме того, разности между значениями каждого прогнозируемого параметра исправности устройства в целом с помощью статистической модели и параметра исправности устройства в целом (yi) агрегируются и/или объединяются любым подходящим способом для определения среднеквадратичной ошибки (СКО) регрессии. Затем СКО используется для определения стандартной ошибки или среднеквадратичного отклонения (σε) в статистической модели, которая в свою очередь используется для генерирования доверительных интервалов.

[0162] Используя статистическую модель, вычислительное устройство 250 применяет метрики параметров процесса к уравнению, сгенерированному в результате регрессионного анализа. В результате вычислительное устройство 250 идентифицирует параметр исправности устройства в целом для клапана. Этот процесс повторяется для каждого клапана, чтобы определить параметр исправности устройства в целом для каждого клапана.

[0163] С помощью параметров исправности устройства в целом (например, средних циклов клапана за период времени с течением времени и т.д.) вычислительное устройство 250 сравнивает параметр исправности устройства в целом для одного клапана с параметрами исправности устройства в целом для других клапанов в одной и той же технологической установке 100, предприятии, отрасли или во всех отраслях. На основании сравнения вычислительное устройство 250 определяет показатель относительной исправности для каждого клапана. Например, в некоторых вариантах реализации изобретения клапаны упорядочиваются на основании их соответствующих параметров исправности устройства в целом. В других вариантах реализации изобретения клапаны упорядочиваются на основании конкретного параметра процесса или метрики параметра процесса, и несколько упорядочений клапанов генерируются для нескольких параметров процесса и/или метрик параметров процесса.

[0164] В других вариантах реализации изобретения вычислительное устройство 250 определяет среднее и среднеквадратичное отклонение параметров исправности устройства в целом для каждого из клапанов. Затем, предполагая гауссово распределение или любую другую подходящую функцию плотности вероятности, вычислительное устройство 250 определяет процентиль параметра исправности устройства в целом для каждого из клапанов в качестве показателя относительной исправности для каждого клапана. Например, клапан, имеющий параметр исправности устройства в целом, который эквивалентен среднему параметру исправности устройства в целом, может находиться в 50-м процентиле. Другой клапан, имеющий параметр исправности устройства в целом, который составляет 2 среднеквадратичных отклонения относительно среднего параметра исправности устройства в целом, может находиться в 98-м процентиле, а еще один клапан, имеющий параметр исправности устройства в целом, который составляет 1 среднеквадратичное отклонение ниже среднего параметра исправности устройства в целом, может быть в 16-м процентиле.

[0165] На этапе 658, состояние, возникающее в клапане, определяется на основании показателя относительной исправности для клапана. В некоторых вариантах реализации изобретения конкретный параметр процесса или метрика параметров процесса указывает на конкретный тип состояния. Например, клапан, упорядоченный близко к нижним позициям среди клапанов в соответствии с изменением среднего количества циклов клапана в час с течением времени, может испытывать механический износ. Кроме того, в работе клапана, упорядоченного близко к нижним позициям среди клапанов в соответствии с продолжительностью времени запаздывания или величиной мертвой зоны, может наблюдаться чрезмерное время запаздывания или мертвая зона. Кроме того, в клапане, упорядоченном близко к нижним позициям среди клапанов в соответствии с разницей между заданным значением хода клапана и измеренным ходом клапана, вероятно, будет наблюдаться погрешность.

[0166] В других вариантах реализации изобретения показатель относительной исправности для клапана используется в сочетании со способами машинного обучения (такими как способ 400 в соответствии с Фиг. 5) для определения или идентификации состояния, возникающего в клапане. Например, когда состояние, определенное на основании показателя относительной исправности для клапана, и состояние, определенное с помощью способов машинного обучения, согласуются между собой, вычислительное устройство 250 определяет, что состояние, определенное с помощью способов машинного обучения, является точным. С другой стороны, когда состояние, определенное на основании показателя относительной исправности для клапана, и состояние, определенное с помощью способов машинного обучения, не согласуются между собой, вычислительное устройство 250 выполняет дополнительный анализ для определения или идентификации состояния, возникающего в клапане, и/или передает указания состояний и соответствующие метрики параметров процесса оператору для дальнейшего просмотра. В других вариантах реализации изобретения состояние, определенное на основании показателя относительной исправности для клапана, переопределяет состояние, определенное с помощью способов машинного обучения. В результате вычислительное устройство 250 передает указание состояния, определенного на основании показателя относительной исправности для клапана, на устройство 235 интерфейса пользователя, чтобы предупредить оператора о состоянии.

[0167] Например, когда данные клапана сравниваются со статистической моделью, генерируемой с помощью хронологических значений параметров процесса, вычислительное устройство 250 определяет, что в работе клапана наблюдается чрезмерное время запаздывания. Однако при сравнении клапана со всеми другими клапанами в той же отрасли вычислительное устройство 250 определяет, что время запаздывания, которое наблюдается в работе клапана, составляет примерно среднее значение в пределах отрасли, и, следовательно, время запаздывания находится в допустимом диапазоне.

[0168] В другом примере при сравнении данных клапана со статистической моделью, генерируемой с помощью хронологических значений параметров процесса, вычислительное устройство 250 определяет, что величина мертвой зоны для клапана находится в приемлемом диапазоне. Однако при сравнении клапана со всеми другими клапанами в той же отрасли вычислительное устройство 250 определяет, что величина мертвой зоны для клапана находится в 99-м процентиле по сравнению с другими клапанами в той же отрасли. Таким образом, вычислительное устройство 250 определяет, что в клапане наблюдается чрезмерная мертвая зона. Соответственно, вычислительное устройство 250 передает указание о состоянии чрезмерной мертвой зоны в устройство 235 интерфейса пользователя, вызывает генерирование в технологической установке 100 аварийного сигнала или события, которое(ый) указывает на чрезмерную мертвую зону в клапане, или передает управляющий сигнал на технологическую установку 110 для регулирования работы клапана, исходя из чрезмерной мертвой зоны. Например, управляющий сигнал может быть командой на закрытие клапана.

[0169] На этапе 660, указания состояний клапанов передаются в устройство 235 интерфейса пользователя для предупреждения оператора об этих состояниях. В некоторых вариантах реализации изобретения показатели относительной исправности для каждого клапана также передаются в устройство 235 интерфейса пользователя. Например, параметры исправности устройства в целом, а также упорядочение каждого клапана в соответствии с параметрами исправности устройства в целом передаются в устройство 235 интерфейса пользователя. Указанием состояния может быть аварийное сообщение или сообщение об ошибке, включающее тип определенного состояния (например, мертвая зона, механический износ и т.д.), указание клапана, испытывающего данное состояние, значения параметров процесса, используемые для определения состояния, шаги, которые необходимо предпринять для устранения потенциальных проблем, генерируемых данным состоянием, или любые другие подходящие сведения.

[0170] В некоторых вариантах реализации изобретения вычислительное устройство 250 также вызывает генерирование аварийного сигнала или события в технологической установке 100 в соответствии с идентифицированным состоянием для объекта технологической установки. Например, вычислительное устройство 250 передает сообщение на технологическую установку 100 для отображения аварийных сигналов или событий для клапанов или передает устройству 235 интерфейса пользователя запрос на передачу сообщения на технологическую установку 100 для отображения аварийных сигналов или событий для клапанов. В других вариантах реализации изобретения вычислительное устройство 250 передает управляющий сигнал на технологическую установку 110 для регулирования работы объекта технологической установки на основании идентифицированных состояний. Например, когда в клапане происходит утечка, вычислительное устройство 250 передает управляющий сигнал на технологическую установку 110, чтобы прекратить работу клапана.

[0171] Кроме того, для каждого клапана на этапе 662 указания значений параметров процесса за несколько моментов времени передаются в устройство 235 интерфейса пользователя для отображения при параллельном сравнении. Например, на устройство 235 интерфейса пользователя может быть передано графическое изображение 600, как проиллюстрировано на Фиг. 7А. Таким образом, оператор может просматривать изменения значений параметров процесса во времени для каждого из клапанов и может сравнивать клапаны.

[0172] Перейдем теперь к Фиг. 8, при этом на Фиг. 8 проиллюстрирована блок-схема последовательности операций примерного способа мониторинга исправности и/или производительности клапана или другого объекта технологической установки. В варианте реализации изобретения по меньшей мере часть способа 700 выполняется вычислительным устройством 250 и/или удаленным приложением или службой 208. В некоторых вариантах реализации изобретения по меньшей мере часть способа 700 выполняется другим вычислительным устройством, которое расположено в том же месте по отношению к технологической установке 100, например, в вычислительном устройстве, которое соединено с возможностью связи с магистральной шиной 110 передачи данных. Однако примечательно, что способ 700 может выполняться в сочетании с любым из методов, способов, систем, устройств и/или установок, описанных в данной заявке.

[0173] В общем случае способ 700 относится к непрерывному и/или периодическому мониторингу клапана или другого целевого технологического объекта и выполняется при работе клапана, чтобы управлять процессом в технологической установке 100. По существу, с целью иллюстрации, а не ограничения, способ 700 описан в отношении контролируемого клапана. Частота, с которой способ 700 (повторно) выполняется, может быть предварительно определена и/или может основываться, например, на критичности состояния клапана. Конечно, в дополнение к повторяющемуся выполнению, выполнение способа 700 может быть инициировано на основании триггера, такого как событие, которое происходит в технологической установке 100, и/или пользовательского запроса либо команды.

[0174] В любом случае, на этапе 702, способ 700 включает определение того, являются ли активными какие-либо оповещения, соответствующие клапану. Если на этапе 702 способ 700 определяет, что существуют активные оповещения, соответствующие клапану, способ включает уведомление пользователя, например, посредством передачи указания активного(ых) оповещения(й) на интерфейс пользователя на рабочей станции 170 оператора и/или на устройстве 235 интерфейса пользователя (этап 705). Соответствующий приоритет каждого активного оповещения, если необходимо, может передаваться вместе с уведомлением об активном оповещении (этап 705). Соответствующий приоритет может быть определен, например, на основании уровня активного оповещения и измерения или другого указания критичности состояния клапана. После осуществления уведомления пользователя (этап 705) способ 700 продолжает мониторинг исправности и/или производительности клапана (этап 708), и выполнение способа возвращается к этапу 702.

[0175] Если на этапе 702 способ 700 определяет, что нет никаких активных оповещений, соответствующих клапану, выполнение способа 700 переходит к осуществлению одного или более анализов временных рядов для клапана (этап 710). Например, на этапе 710 способ 700 может включать получение данных клапана временных рядов, соответствующих клапану, генерирование одной или более метрик технологической установки на основании данных клапана временных рядов и сравнение сгенерированных метрик технологической установки с одной или более статистических моделей, например, по существу, который описан ранее со ссылкой на Фиг. 5. В некоторых случаях анализ временных рядов для клапана может основываться на определенном режиме работы клапана, как, например, описано ранее со ссылкой на Фиг. 6С. Примеры анализа временных рядов, который может быть выполнен для клапана (этап 710), включают определение уклонов и/или трендов, определение средних значений и других метрик, определение среднеквадратичных отклонений и/или вариаций, сравнение данных клапана с различными пороговыми значениями и/или другой анализ. В варианте реализации изобретения этап 710 включает определение значения или меры параметра исправности устройства в целом клапана и/или значения или меры показателя относительной исправности клапана, например, как ранее описано со ссылкой на Фиг. 7В.

[0176] На этапе 712 способ 700 включает определение того, произошло ли или нет, или наблюдается ли изменение одного или более результатов выполненного анализа временных рядов на этапе 710. Например, результаты самого последнего выполненного анализа временных рядов (этап 710) можно сравнить с хронологическими результатами анализа временных рядов клапана и/или аналогичных клапанов, и/или один или более результатов анализа временных рядов могут соответствовать одному или более контролируемым параметрам клапана. Наличие изменения значения параметра клапана и/или результата анализа временных рядов может быть определено, например, на основании величины отклонения от порогового значения или базового уровня (например, ожидаемого значения и/или режима работы с течением времени), и, при необходимости, величина отклонения, указывающая на наличие изменения, может быть настраиваемой. Примеры изменений, которые можно отслеживать (этап 712), включают изменения сигналов привода, отклонения хода, циклов и/или показателей хода, давления подачи и/или других результатов анализа временных рядов, соответствующих клапанам.

[0177] Если на этапе 712 способ 700 определяет, что изменение не произошло и/или не наблюдается, способ 700 продолжает отслеживать состояние и/или производительность клапана (этап 708), и его выполнение возвращается к этапу 702. Если на этапе 712 способ 700 определяет, что изменение произошло и/или наблюдается, способ 700 необязательно включает определение уровня или степени серьезности изменения (этап 715). Определение серьезности изменения может основываться на значимости измененного значения параметра и/или результата анализа временных рядов, величине изменения значения параметра/результата анализа временных рядов, критичности состояния клапана и/или других факторов.

[0178] На этапе 718 способ 700 включает уведомление пользователя об изменении параметра клапана и/или результате анализа временных рядов и необязательно соответствующей серьезности такого изменения. Например, уведомление об изменении и его серьезности может быть передано на интерфейс пользователя на рабочей станции 170 оператора и/или в устройстве 235 интерфейса пользователя. После завершения уведомления пользователя об изменении (этап 718) способ 700 продолжает отслеживать состояние и/или производительность клапана (этап 708), и его выполнение возвращается к этапу 702.

[0179] Варианты реализации технологий, описанных в данном изобретении, могут включать любое количество следующих аспектов, по отдельности или в комбинации.

[0180] 1. Способ определения состояния объекта технологической установки посредством использования данных, которые защищенным способом передаются от технологической установки в систему облачных вычислений, при этом способ включает: прием в системе облачных вычислений данных, сгенерированных одним или более устройствами технологической установки во время работы технологической установки для управления производственным процессом, причем данные являются изолированными для передачи от одного или более устройств в систему облачных вычислений через диод данных, причем диод данных выполнен с возможностью предотвращения двусторонней передачи данных между сетью технологической установки и сетью системы облачных вычислений; анализ данных в системе облачных вычислений, посредством которого определяют состояние объекта технологической установки, выполняющего физическую функцию по управлению производственным процессом в технологической установке, причем объект технологической установки соответствует одному или более устройствам; и передачу указания состояния объекта технологической установки на устройство интерфейса пользователя, чтобы предупредить оператора об этом состоянии.

[0181] 2. Способ по аспекту 1, отличающийся тем, что прием данных, сгенерированных посредством одного или более устройств включает прием в течение множества моментов времени соответствующих значений параметров процесса для каждого из одного или более параметров объекта технологической установки.

[0182] 3. Способ по любому из предыдущих аспектов, отличающийся тем, что анализ данных, посредством которого определяют состояние объекта технологической установки включает: для каждого из одного или более параметров процесса объединение соответствующих значений параметров процесса одного или более параметров процесса в течение множества моментов времени для генерирования метрики параметра процесса; и определение состояния объекта технологической установки на основании метрики параметра процесса.

[0183] 4. Способ по любому из предшествующих аспектов, отличающийся тем, что объединение соответствующих значений параметров процесса одного или более параметров процесса в течение множества моментов времени для генерирования метрики параметра процесса включает вычисление по меньшей мере одного из: скользящего среднего соответствующих значений параметров процесса или убывающего среднего соответствующих значений параметров процесса в течение множества моментов времени для генерирования параметрической метрики процесса.

[0184] 5. Способ по любому из предшествующих аспектов, дополнительно включающий генерирование статистической модели на основании хронологических значений параметра процесса одного или более параметров процесса; причем определение состояния объекта технологической установки на основании метрики параметра процесса включает применение метрики параметра процесса к статистической модели.

[0185] 6. Способ по любому из предшествующих аспектов, отличающийся тем, что генерирование статистической модели на основании хронологических значений параметра процесса одного или более параметров процесса включает: классификацию каждого хронологического значения параметра процесса как соответствующего первому множеству значений параметров процесса для одного или более объектов технологической установки, которые находятся в определенном состоянии, или как соответствующего второму множеству значений параметров процесса для одного или более объектов технологической установки, которые не находятся в определенном состоянии; и генерирование статистической модели на основании классификаций хронологических значений параметра процесса.

[0186] 7. Способ по любому из предшествующих аспектов, дополнительно включающий: прием указания находится ли объект технологической установки в определенном состоянии или не находится; и обновление хронологических значений параметра процесса, чтобы включить соответствующие значения параметров процесса одного или более параметров процесса объекта установки процесса, и на основании указания находится ли объект технологической установки в определенном состоянии или не находится.

[0187] 8. Способ по любому из предшествующих аспектов, отличающийся тем, что определение состояния объекта технологической установки включает по меньшей мере одно из: определение метрики мониторинга производительности объекта технологической установки или определение по меньшей мере одного из: ошибки, мертвой зоны, времени запаздывания или утечки в объекте технологической установки.

[0188] 9. Способ по любому из предшествующих аспектов, дополнительно включающий инициирование генерирования аварийного сигнала или события в технологической установке на основании определенного состояния объекта технологической установки.

[0189] 10. Способ по любому из предшествующих аспектов, дополнительно включающий передачу управляющего сигнала на технологическую установку для настройки работы объекта технологической установки на основе определенного состояния объекта технологической установки.

[0190] 11. Способ по любому из предшествующих аспектов, отличающийся тем, что прием данных, сгенерированных посредством одного или более устройств включает прием данных в режиме реального времени, передаваемых посредством потоковой передачи от одного или более устройств в систему облачных вычислений через диод данных.

[0191] 12. Способ по любому из предшествующих аспектов, отличающийся тем, что объект технологической установки содержит по меньшей мере одно из: клапан, исполнительного механизма, резервуар, смеситель, насос, теплообменник, полевое устройство, устройство ввода/вывода, контроллер или другое устройство, которое выполняет физическую функцию для управления производственным процессом в технологической установке.

[0192] 13. Способ по любому из предшествующих аспектов, отличающийся тем, что одно или более устройств содержит по меньшей мере одно из: одно или более устройств, входящих в состав объекта технологической установки, полевое устройство, устройство ввода/вывода, контроллер, узел, устройство связи, адаптер, маршрутизатор, шлюз или другое устройство, расположенное в технологической установке.

[0193] 14. Способ по любому из предшествующих аспектов, дополнительно включающий определение режима работы объекта технологической установки, причем анализ данных включает анализ данных, использующий технологию или модель, соответствующую режиму работы объекта технологической установки.

[0194] 15. Система для определения состояния объекта технологической установки технологической установки, при этом система содержит:

[0195] одно или более устройств, соответствующих объекту технологической установки, расположенных на технологической установке и выполняющих физическую функцию для управления производственным процессом;

[0196] диод данных, соединенный с возможностью связи одного или более устройств с одним или более вычислительными устройствами, причем диод данных выполнен с возможностью предотвращения двусторонней передачи данных между сетью технологической установки и одним или более вычислительными устройствами; причем

[0197] одно или более вычислительных устройств, содержащих: один или более процессоров; устройство связи; и один или более постоянных машиночитаемых носителей, соединенных с одним или более процессорами и с устройством связи, причем один или более постоянных машиночитаемых носителей содержат хранящиеся на них команды, которые при выполнении одним или более процессорами вызывают осуществление одним или более вычислительными устройствами:

[0198] приема через диод данных и устройство связи данных, сгенерированных посредством одного или более устройств технологической установки, при этом технологическая установка находится в режиме онлайн, причем данные изолированы для передачи от одного или более устройств к вычислительному устройству через диод данных; анализа данных для определения состояния объекта технологической установки; и передачи через устройство связи на устройство интерфейса пользователя указания состояния для объекта технологической установки, чтобы предупредить оператора об этом состоянии.

[0199] 16. Система по предшествующему аспекту, отличающаяся тем, что данные, генерируемые одним или более устройств, содержат соответствующие значения параметров процесса для каждого из одного или более параметров процесса объекта технологической установки в течение множества моментов времени.

[0200] 17. Система по любому из аспектов 15-16, отличающаяся тем, что: анализ данных для определения состояния объекта технологической установки включает объединение соответствующих значений параметров процесса одного или более параметров процесса в течение множества моментов времени для генерирования одной или более метрик параметра процесса; причем состояние объекта технологической установки определяется на основании одной или более метрик параметра процесса.

[0201] 18. Система по любому из аспектов 15-17, отличающаяся тем, что объединение соответствующих значений параметров процесса включает по меньшей мере одно из: скользящее среднее соответствующих значений параметров процесса или убывающее среднее значение соответствующих значений параметров процесса.

[0202] 19. Система по любому из аспектов 15-18, дополнительно содержащая статистическую модель, генерируемую на основании хронологических значений параметров процесса одного или более параметров процесса; причем состояние объекта технологической установки определяется путем применения одной или более метрик параметра процесса к статистической модели.

[0203] 20. Система по любому из аспектов 15-19, отличающаяся тем, что статистическая модель генерируется на основании классификации каждого хронологического значения параметра процесса как соответствующего первому множеству значений параметров процесса одного или более объектов технологической установки, которые находятся в определенном состоянии, или как соответствующего второму множеству значений параметров процесса одного или более объектов технологической установки, которые не находятся в определенном состоянии.

[0204] 21. Система по любому из аспектов 15-20, отличающаяся тем, что статистическая модель генерируется с использованием одного или более способов машинного обучения, причем один или более способов машинного обучения включают: линейную регрессию, полиномиальную регрессию, логистическую регрессию, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей или нейронные сети.

[0205] 22. Система по любому из аспектов 15-21, отличающаяся тем, что один или более параметров процесса указывают по меньшей мере одно из: давление, температуру, скорость потока, плотность, площадь или объем.

[0206] 23. Система по любому из аспектов 15-22, отличающаяся тем, что определенное состояние клапана включает по меньшей мере одно из: метрику производительности, ошибку, мертвую зону, время запаздывания или утечку на клапане.

[0207] 24. Система по любому из аспектов 15-23, отличающаяся тем, что одно или более устройств включают по меньшей мере одно из: полевое устройство или контроллер, выполняющий процедуру управления, которая использует сигналы, которые являются по меньшей мере одним из: сгенерированными или переданными полевым устройством.

[0208] 25. Система по любому из аспектов 15-24, отличающаяся тем, что объект технологической установки включает по меньшей мере одно из: клапан, полевое устройство, устройство ввода/вывода, контроллер, соединенный с полевым устройством посредством устройства ввода/вывода, резервуар, смеситель, насос или теплообменник.

[0209] 26. Система по любому из аспектов 15-25, дополнительно выполненная с возможностью выполнения способа по любому из аспектов 1-14.

[0210] 27. Способ определения режима работы клапана в технологической установке, при этом способ включает: прием в вычислительном устройстве данных, сгенерированных в результате работы клапана в технологической установке для управления производственным процессом, причем данные клапана включают соответствующие значения параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени; анализ посредством вычислительного устройства данных клапана для определения режима работы клапана из множества режимов работы клапана, причем множество режимов работы клапана включает два или более из: цикличность полного хода штока клапана, непрерывное дросселирование или периодическое дросселирование; и передачу указания идентифицированного режима работы клапана по меньшей мере на одно из: интерфейс пользователя или другое приложение для анализа работы в технологической установке.

[0211] 28. Способ по предшествующему аспекту, отличающийся тем, что соответствующие значения параметров клапана являются первым множеством параметров клапана, причем способ дополнительно включает: выбор на основании идентифицированного режима работы клапана второго множества параметров клапана; анализ второго множества значений параметров клапана второго множества параметров клапана в течение множества моментов времени, посредством которого определяют состояние клапана, причем второе множество значений параметров клапана входит в данные клапана; и передачу указания определенного состояния клапана на интерфейс пользователя.

[0212] 29. Способ по любому из аспектов 27-28, отличающийся тем, что анализ второго множества значений параметров клапана в течение множества моментов времени, посредством которого определяют состояние клапана, включает: объединение второго множества значений параметров клапана в течение множества моментов времени для генерирования одной или более метрик параметра клапана; причем определение состояния клапана основано на одной или более метриках параметра клапана.

[0213] 30. Способ по любому из аспектов 27-29, дополнительно включающий генерирование статистической модели на основании хронологических значений параметров клапана для второго множества параметров клапана, причем хронологические значения параметров клапана генерируется посредством одного или более клапанов, работающих в идентифицированном режиме работы клапана; причем определение состояния клапана на основании одной или более метрик параметра клапана включает применение одной или более метрик параметра клапана к статистической модели.

[0214] 31. Способ по любому из аспектов 27-30, отличающийся тем, что генерирование статистической модели включает генерирование статистической модели с использованием одного или более способов машинного обучения, причем один или более способов машинного обучения включает по меньшей мере одно из: линейную регрессию, полиномиальную регрессию, логистическую регрессию, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей или нейронные сети.

[0215] 32. Способ по любому из аспектов 27-31, дополнительно включающий инициирование генерирования аварийного сигнала или события в технологической установке на основании определенного состояния клапана.

[0216] 33. Способ по любому из аспектов 27-32, отличающийся тем, что определение состояния клапана включает по меньшей мере одно из: определение метрики производительности для клапана, или определение по меньшей мере одного из: ошибки, мертвой зоны, времени запаздывания или утечки на клапане.

[0217] 34. Способ по любому из аспектов 27-33, отличающийся тем, что анализ данных клапана для определения режима работы клапана включает: объединение соответствующих значений параметров клапана указанного клапана в течение множества моментов времени для генерирования метрики параметра клапана указанного клапана; сравнение метрики параметра клапана указанного клапана с множеством статистических моделей, соответственно соответствующих множеству режимов работы клапана, причем каждая статистическая модель соответствует соответствующему режиму работы клапана и генерируется на основании соответствующих хронологических значений параметров клапана одного или более клапанов, работающих в соответствующем режиме работы клапана; и определение режима работы клапана на основании сравнения.

[0218] 35. Способ по любому из аспектов 27-34, отличающийся тем, что анализ данных клапана, включающих соответствующие значения параметров клапана для определения режима работы клапана включает анализ значений, соответствующих по меньшей мере одному из: заданному значению хода клапана, результату измерения хода клапана, инструментальному сигналу привода, давлению исполнительного механизма, циклу хода клапана, счетчику циклов, накопителю хода или управляющему сигналу в течение множества моментов времени для определения режима работы клапана.

[0219] 36. Способ по любому из аспектов 27-35, отличающийся тем, что анализ данных клапана для определения режима работы клапана включает: анализ соответствующих результатов измерения хода клапана в течение множества моментов времени во время работы технологической установки в режиме онлайн для определения среднего хода клапана за цикл; определение того, что клапан работает в режиме цикличности полного хода штока клапана, когда средний ход клапана за цикл превышает пороговый показатель; определение того, что клапан работает в режиме непрерывного дросселирования, когда средний ход клапана за цикл не превышает пороговый показатель; и определение того, что клапан работает в режиме периодического дросселирования, когда работа клапана чередуется между режимом цикличности полного хода штока клапана и режимом непрерывного дросселирования.

[0220] 37. Способ по любому из аспектов 27-36 в сочетании со способом по любому из аспектов 1-14.

[0221] 38. Способ по любому из аспектов 27-37, выполняемых системой по любому из аспектов 15-26.

[0222] 39. Система для определения режима работы клапана в технологической установке, при этом система содержит: клапан, работающий в технологической установке для управления производственным процессом; и

[0223] одно или более вычислительных устройств, содержащих: один или более процессоров; устройство связи; и один или более постоянных машиночитаемых носителей, соединенных с одним или более процессорами и с устройством связи, причем один или более постоянных машиночитаемых носителей содержат хранящиеся на них команды, которые при выполнении одним или более процессорами вызывают осуществление одним или более вычислительными устройствами:

[0224] приема через устройство связи данных, сгенерированных в результате работы клапана в технологической установке для управления производственным процессом, причем данные клапана содержат соответствующие значения параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени; анализа данных клапана для определения режима работы клапана из множества режимов работы клапана, причем множество режимов работы клапана включает два или более из: цикличность полного хода штока клапана, непрерывное дросселирование или периодическое дросселирование; и передачи через устройство связи указания идентифицированного режима работы клапана по меньшей мере на одно из: интерфейс пользователя или другое приложение для анализа работы в технологической установке.

[0225] 40. Система по предшествующему аспекту, отличающаяся тем, что соответствующие значения параметров клапана являются первым множеством параметров клапанов, причем команды выполняются для дальнейшего осуществления вычислительным устройством: выбора на основании идентифицированного режима работы клапана второго множества параметров клапана; анализа второго множества значений параметров клапана из второго множества параметров клапана в течение множества моментов времени для определения состояния клапана, причем второе множество значений параметров клапана входит в данные клапана; и передачи через устройство связи указания определенного состояния клапана на интерфейс пользователя.

[0226] 41. Система по любому из аспектов 39-40, отличающаяся тем, что: анализ второго множества значений параметров клапана в течение множества моментов времени включает объединение второго множества значений параметров клапана в течение множества моментов времени для генерирования метрики параметра клапана указанного клапана; причем состояние клапана определяется на основании метрики параметра клапана.

[0227] 42. Система по любому из аспектов 39-41, дополнительно содержащая статистическую модель, соответствующую идентифицированному режиму работы клапана и генерируемую на основании хронологических значений параметров клапана клапанов, работающих в идентифицированном режиме работы; причем состояние клапана определяется на основании применения метрики параметра клапана к статистической модели, соответствующей идентифицированному режиму работы клапана.

[0228] 43. Система по любому из аспектов 39-42, отличающаяся тем, что статистическая модель генерируется с использованием одного или более способов машинного обучения, причем один или более способов машинного обучения включает по меньшей мере одно из: линейную регрессию, полиномиальную регрессию, логистическую регрессию, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей или нейронные сети.

[0229] 44. Система по любому из аспектов 39-43, отличающаяся тем, что определенное состояние клапана включает по меньшей мере одно из: метрика производительности, ошибка, мертвая зона, время запаздывания или утечка на клапане.

[0230] 45. Система по любому из аспектов 39-44, отличающееся тем, что анализ данных клапана для определения режима работы клапана включает: объединение соответствующих значений параметров клапана указанного клапана в течение множества моментов времени для генерирования метрики параметра клапана указанного клапана; сравнение метрики параметра клапана указанного клапана с множеством статистических моделей, соответственно соответствующих множеству режимов работы клапана, причем каждая статистическая модель соответствует соответствующему режиму работы клапана и генерируется на основании соответствующих хронологических значений параметров клапана одного или более клапанов, работающих в соответствии с соответствующим режимом работы клапана; и идентифицирование режима работы клапана на основании сравнения.

[0231] 46. Система по любому из аспектов 39-45, отличающаяся тем, что множество статистических моделей генерируется с использованием одного или более способов машинного обучения.

[0232] 47. Система по любому из аспектов 39-46, отличающаяся тем, что данные клапана содержат значения параметров клапана указанного клапана, соответствующие по меньшей мере одному из: заданному значению хода клапана, результату измерения хода клапана, инструментальному управляющему сигналу на исполнительный механизм, давлению исполнительного механизма, циклу хода клапана, счетчику циклов, накопителю хода или управляющему сигналу.

[0233] 48. Система по любому из аспектов 39-47, отличающаяся тем, что: анализ данных клапана включает анализ соответствующих результатов измерения хода клапана указанного клапана в течение множества моментов времени во время работы технологической установки в режиме онлайн для определения среднего хода клапана за цикл; определение того, что клапан работает в режиме цикличности полного хода штока клапана, когда средний ход клапана за цикл превышает пороговый показатель; определение того, что клапан работает в режиме непрерывного дросселирования, когда средний ход клапана за цикл не превышает пороговый показатель; и определение того, что клапан работает в режиме периодического дросселирования, когда работа клапана чередуется между режимом цикличности полного хода штока клапана и режимом непрерывного дросселирования.

[0234] 49. Система по любому из аспектов 39-48, отличающаяся тем, что одно или более вычислительных устройств входит в систему облачных вычислений.

[0235] 50. Система по любому из аспектов 39-49, отличающаяся тем, что система облачных вычислений и технологическая установка соединены с возможностью связи через диод данных, причем диод данных выполнен с возможностью предотвращения прохождения потока данных от входа диода в технологическую установку.

[0236] 51. Система по любому из аспектов 39-50, дополнительно выполненная с возможностью выполнения способа по любому из аспектов 27-38.

[0237] 52. Способ определения исправности клапана, включающий: прием в вычислительном устройстве данных, соответствующих клапану, расположенному в технологической установке и выполненному с возможностью управления производственным процессом, причем данные клапана содержат соответствующие значения параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени; анализ посредством вычислительного устройства данных клапана для определения значения параметра исправности устройства в целом указанного клапана; определение посредством вычислительного устройства показателя относительной исправности клапана на основании сравнения параметра исправности устройства в целом указанного клапана и соответствующих значений параметра исправности устройства в целом множества клапанов; и предоставление показателя относительной исправности клапана по меньшей мере для одного из: отображения на интерфейсе пользователя, хранения в объекте хранения данных или использования выполняемым приложением.

[0238] 53. Способ по предшествующему аспекту, отличающийся тем, что: определение показателя относительной исправности клапана на основании сравнения значения параметра клапана об исправности устройства в целом с соответствующими значениями параметров множества клапанов об исправности устройства в целом включает упорядочение множества клапанов на основании значений параметра исправности устройства в целом указанного множества клапанов; и предоставление показателя относительной исправности клапана включает предоставление указания параметра исправности устройства в целом указанного клапана и указания очередности множества клапанов.

[0239] 54. Способ по любому из аспектов 52-53, отличающийся тем, что анализ данных клапана для определения параметра исправности устройства в целом указанного клапана включает: объединение соответствующих значений параметров клапана указанного клапана для одного или более параметров клапанов в течение множества моментов времени для генерирования одной или более метрик параметра клапана; и определение параметра исправности устройства в целом указанного клапана на основании одной или более метрик параметра клапана.

[0240] 55. Способ по любому из аспектов 52-54, дополнительно включающий генерирование статистической модели на основании хронологических значений параметров клапана для одного или более параметров клапанов; причем определение параметра исправности устройства в целом указанного клапана на основании одной или более метрик параметра клапана включает применение одной или более метрик параметра клапана к статистической модели.

[0241] 56. Способ по любому из аспектов 52-55, дополнительно включающий: определение состояния клапана на основании по меньшей мере одного из: параметра исправности устройства в целом указанного клапана или показателя относительной исправности указанного клапана; и передачу указания определенного состояния клапана на интерфейс пользователя.

[0242] 57. Способ по любому из аспектов 52-56, отличающийся тем, что: (i) определенное состояние клапана является первым определенным состоянием; (ii) способ дополнительно включает: генерирование на основании хронологических значений параметров клапана для одного или более параметров клапана статистической модели для определения второго состояния клапана; определение второго состояния клапана путем применения одной или более метрик параметра клапана к статистической модели; и сравнение первого определенного состояния со вторым определенным состоянием; и (iii) передача указания первого определенного состояния клапана на интерфейс пользователя включает передачу указания первого определенного состояния клапана на интерфейс пользователя, когда первое определенное состояние отличается от второго определенного состояния.

[0243] 58. Способ по любому из аспектов 52-57, дополнительно включающий инициирование генерирования аварийного сигнала или события в технологической установке на основании определенного состояния клапана.

[0244] 59. Способ по любому из аспектов 52-58, дополнительно включающий передачу управляющего сигнала на технологическую установку для регулирования работы технологической установки на основании определенного состояния указанного клапана.

[0245] 60. Способ по любому из аспектов 52-59, отличающийся тем, что определение состояния клапана включает по меньшей мере одно из: определение метрики производительности клапана, или определение по меньшей мере одного из: ошибки, мертвой зоны, времени запаздывания, механического износа или утечки на клапане.

[0246] 61. Способ по любому одному из аспектов 52-60, дополнительно включающий: генерирование указаний соответствующих значений параметров клапана множества клапанов для одного или более параметров клапана в течение множества моментов времени; и предоставление интерфейсу пользователя для отображения в виде временных рядов указаний соответствующих значений параметров клапана множества клапанов для одного или более параметров клапана в течение множества моментов времени вместе с соответствующими значениями параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени.

[0247] 62. Способ по любому из аспектов 52-61 в сочетании со способом по любому из аспектов 27-38.

[0248] 63. Система для определения исправности множества клапанов, при этом система содержит: множество клапанов, по меньшей мере некоторые из которых используются в технологической установке для управления производственным процессом; и

[0249] одно или более вычислительных устройств, содержащих: один или более процессоров; устройство связи; и один или более постоянных машиночитаемых носителей, соединенных с одним или более процессорами и с устройством связи, причем один или более постоянных машиночитаемых носителей содержат хранящиеся на них команды, которые при выполнении одним или более процессорами вызывают осуществление одним или более вычислительными устройствами:

[0250] приема данных клапана, соответствующих множеству клапанов, причем данные клапана содержат соответствующие значения параметров клапана каждого клапана, входящего во множество клапанов, для одного или более параметров клапана в течение множества моментов времени; анализа соответствующих значений параметров клапана каждого клапана для определения соответствующего значения параметра исправности устройства в целом для каждого клапана; и определения соответствующего показателя относительной исправности для каждого клапана на основании сравнения значений параметра исправности устройства в целом множества клапанов; и предоставления показателя относительной исправности клапана по меньшей мере для одного из: отображения на интерфейсе пользователя, хранения в объекте хранения данных или использования выполняемым приложением.

[0251] 64. Система по предшествующему аспекту, отличающаяся тем, что: соответствующие показатели относительной исправности множества клапанов определяются на основании очередности множества клапанов на основании значений параметра исправности устройства в целом множества клапанов; и указание очередности множества клапанов предоставляется вместе с показателем относительной исправности каждого клапана.

[0252] 65. Система по любому из аспектов 63-64, отличающаяся тем, что: анализ соответствующих значений параметров клапана каждого клапана включает объединение соответствующих значений параметров клапана указанного клапана в течение множества моментов времени для генерирования метрики параметра клапана указанного клапана; и значение соответствующего параметра исправности устройства в целом для каждого клапана основано на метрике параметра клапана каждого клапана.

[0253] 66. Система по любому из аспектов 63-65, дополнительно содержащая статистическую модель, генерируемую на основании хронологических значений параметра клапана для одного или более параметров клапана; причем значение соответствующего параметра исправности устройства в целом для каждого клапана определяется посредством применения метрики параметра клапана каждого клапана к статистической модели.

[0254] 67. Система по любому из аспектов 63-66, отличающаяся тем, что каждое из хронологических значений параметра клапана связано с соответствующей оценкой исправности устройства для соответствующего клапана, причем статистическая модель генерируется дополнительно на основании соответствующих оценок исправности устройства, связанных с хронологическими значениями параметра клапана.

[0255] 68. Система по любому из аспектов 63-67, отличающаяся тем, что статистическая модель генерируется с использованием одного или более способов машинного обучения, причем один или более способов машинного обучения включает по меньшей мере одно из: линейную регрессию, полиномиальную регрессию, логистическую регрессию, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей или нейронные сети.

[0256] 69. Система по любому из аспектов 63-68, отличающаяся тем, что команды дополнительно выполняются чтобы вызвать осуществление одним или более вычислительных устройств: определения состояния каждого клапана на основании соответствующего показателя относительной исправности каждого клапана; и передачи указания определенного состояния каждого клапана на интерфейс пользователя.

[0257] 70. Система по любому из аспектов 63-69, отличающаяся тем, что определенное состояние каждого клапана включает по меньшей мере одно из: метрику производительности, ошибку, утечку, мертвую зону или механический износ на каждом клапане.

[0258] 71. Система по любому из аспектов 63-70, дополнительно содержащая диод данных, выполненный с возможностью предотвращения двусторонней передачи данных между сетью технологической установки и одним или более вычислительными устройствами; причем данные клапана являются изолированными для передачи от технологической установки к одному или более вычислительному устройству через диод данных.

[0259] 72. Система по любому из аспектов 63-71, отличающаяся тем, что одно или более вычислительных устройств входит в систему облачных вычислений.

[0260] 73. Система по любому из аспектов 63-72, отличающаяся тем, что команды дополнительно выполняются чтобы вызвать осуществление одним или более вычислительных устройств: генерирования указаний соответствующих значений параметров клапана множества клапанов для одного или более параметров клапана в течение множества моментов времени; и предоставления пользовательскому интерфейсу для отображения в виде временных рядов указаний соответствующих значений параметров клапана множества клапанов для одного или более параметров клапана в течение множества моментов времени.

[0261] 74. Система по любому из аспектов 63-73, дополнительно выполненная с возможностью выполнения способа по любому из аспектов 52-62.

[0262] 75. Любой из предшествующих аспектов в сочетании с любым другим из предшествующих аспектов.

[0263] При реализации в виде программного обеспечения любое из приложений, служб, обработчиков, описанных в данной заявке, может храниться в любой материальной, энергонезависимой машиночитаемой памяти, например, на магнитном диске, лазерном диске, твердотельном запоминающем устройстве, молекулярном запоминающем устройстве, оптическом диске или другом носителе данных, в ОЗУ или ПЗУ компьютера или процессора и т.д. Хотя описанные в данной заявке примеры систем описаны как содержащие, наряду с другими компонентами, программное обеспечение и/или встроенное программное обеспечение, выполненное в аппаратном обеспечении, следует отметить, что такие системы являются лишь иллюстративными и не должны рассматриваться как ограничивающие. Например, предполагается, что любое или все из этого: аппаратное обеспечение, программное обеспечение и компоненты встроенного программного обеспечения может быть реализовано исключительно в виде аппаратного обеспечения, исключительно в виде программного обеспечения или в любом сочетании аппаратного и программного обеспечения. Соответственно, хотя описанные в данной заявке примерные системы описаны как реализованные в виде программного обеспечения, выполняемого в процессоре одного или более компьютерных устройств, для специалистов в данной области техники будет очевидным, что приведенные примеры не являются единственным способом реализации данных систем.

[0264] Таким образом, хотя данное изобретение было описано со ссылкой на конкретные примеры, которые приводятся исключительно в иллюстративных целях и не должны ограничивать изобретение, для специалистов в данной области техники будет очевидно, что в описанные варианты реализации изобретения могут быть внесены изменения, дополнения или исключения без отступления от сущности и объема изобретения.

1. Способ определения исправности клапана, при этом способ включает:

прием в вычислительном устройстве данных, соответствующих клапану, расположенному в технологической установке и выполненному с возможностью управления производственным процессом, причем данные клапана содержат соответствующие значения параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени, собранные во время работы клапана в технологической установке;

анализ посредством вычислительного устройства данных клапана для определения значения параметра исправности устройства в целом указанного клапана;

определение посредством вычислительного устройства показателя относительной исправности указанного клапана на основании сравнения значения параметра исправности устройства в целом указанного клапана и соответствующих значений параметра исправности устройства в целом множества клапанов;

и предоставление показателя относительной исправности клапана по меньшей мере для одного из: отображения на интерфейсе пользователя, хранения в объекте хранения данных или использования приложением.

2. Способ по п. 1, отличающийся тем, что:

определение показателя относительной исправности клапана на основании сравнения значения параметра исправности устройства в целом указанного клапана и соответствующих значений параметра исправности устройства в целом множества клапанов включает упорядочение множества клапанов на основании значений соответствующего параметра исправности устройства в целом множества клапанов; и

предоставление показателя относительной исправности клапана включает предоставление указания параметра исправности устройства в целом указанного клапана и указания очередности множества клапанов.

3. Способ по любому из предшествующих пунктов, отличающийся тем, что анализ данных клапана для определения параметра исправности устройства в целом указанного клапана включает:

объединение соответствующих значений параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени для генерирования одной или более метрик параметра клапана; и

определение значения параметра исправности устройства в целом указанного клапана на основании одной или более метрик параметра клапана.

4. Способ по п. 3,

дополнительно включающий генерирование статистической модели на основании хронологических значений параметра клапана для одного или более параметров клапана;

причем определение параметра исправности устройства в целом указанного клапана на основании одной или более метрик параметра клапана включает применение одной или более метрик параметра клапана к статистической модели.

5. Способ по любому из предшествующих пунктов, дополнительно включающий:

определение состояния клапана на основании по меньшей мере одного из: значения параметра исправности устройства в целом указанного клапана или показателя относительной исправности указанного клапана; и

передачу указания определенного состояния указанного клапана на интерфейс пользователя.

6. Способ по п. 5, отличающийся тем, что:

определенное состояние указанного клапана является первым определенным состоянием;

способ дополнительно включает:

генерирование на основании хронологических значений параметров клапана для одного или более параметров клапана статистической модели для определения второго состояния указанного клапана;

определение второго состояния указанного клапана посредством применения одной или более метрик параметра клапана к статистической модели; и

сравнение первого определенного состояния со вторым определенным состоянием; причем

передача указания первого определенного состояния указанного клапана на интерфейс пользователя включает передачу указания первого определенного состояния указанного клапана на интерфейс пользователя, когда первое определенное состояние отличается от второго определенного состояния.

7. Способ по любому из предшествующих пунктов, дополнительно включающий:

инициирование генерирования аварийного сигнала или события в технологической установке на основе определенного состояния указанного клапана.

8. Способ по любому из предшествующих пунктов, дополнительно включающий:

передачу управляющего сигнала на технологическую установку для регулирования работы технологической установки на основании определенного состояния указанного клапана.

9. Способ по любому из пп. 5-8, отличающийся тем, что определение состояния клапана включает по меньшей мере одно из: определение метрики производительности указанного клапана или определение в клапане по меньшей мере одного из: ошибки, мертвой зоны, времени запаздывания, механического износа или утечки на клапане.

10. Способ по любому из предшествующих пунктов, дополнительно включающий:

генерирование указаний соответствующих значений параметра клапана для множества клапанов для одного или более параметров клапана в течение множества моментов времени; и

предоставление на интерфейсе пользователя для отображения изображения временных рядов, указаний соответствующих значений параметров клапана указанного множества клапанов для одного или более параметров клапана в течение множества моментов времени вместе с соответствующими значениями параметров клапана указанного клапана для одного или более параметров клапана в течение множества моментов времени.

11. Система для определения исправности множества клапанов, при этом система содержит:

множество клапанов, по меньшей мере некоторые из которых работают в технологической установке для управления производственным процессом;

и одно или более вычислительных устройств, содержащих:

один или более процессоров;

устройство связи;

и один или более постоянных машиночитаемых носителей, соединенных с одним или более процессорами и с устройством связи, причем один или более постоянных машиночитаемых носителей содержат хранящиеся на них команды, которые при выполнении одним или более процессорами вызывают осуществление одним или более вычислительными устройствами:

приема данных клапана, соответствующих множеству клапанов, причем данные клапана содержат соответствующие значения параметров клапана каждого клапана, входящего во множество клапанов, для одного или более параметров клапана в течение множества моментов времени, собранные во время работы клапана в технологической установке;

анализа соответствующих значений параметров клапана каждого клапана для определения соответствующего значения параметра исправности устройства в целом для каждого клапана;

определение соответствующего показателя относительной исправности для каждого клапана на основании сравнения значений параметра исправности устройства в целом множества клапанов;

и предоставления соответствующего показателя относительной исправности каждого клапана по меньшей мере одному из: интерфейсу пользователя, объекту хранения данных или приложению.

12. Система по п. 11, отличающаяся тем, что:

соответствующие показатели относительной исправности множества клапанов определяются на основании очередности множества клапанов на основании значений параметра исправности устройства в целом множества клапанов; и

указание очередности множества клапанов предоставляется вместе с показателем относительной исправности каждого клапана.

13. Система по п. 11 или 12, отличающаяся тем, что:

анализ соответствующих значений параметров клапана каждого клапана включает объединение соответствующих значений параметров клапана каждого клапана в течение множества моментов времени для генерирования метрики параметра клапана каждого клапана; и

значение соответствующего параметра исправности устройства в целом для каждого клапана основано на метрике параметра клапана каждого клапана.

14. Система по любому из пп. 11-13,

дополнительно содержащая статистическую модель, генерируемую на основании хронологических значений параметра клапана для одного или более параметров клапана; причем

значение соответствующего параметра исправности устройства в целом для каждого клапана определяется посредством применения метрики параметра клапана каждого клапана к статистической модели.

15. Система по п. 14, отличающаяся тем, что каждое из хронологических значений параметра клапана связано с соответствующей оценкой исправности устройства для соответствующего клапана, причем статистическая модель генерируется дополнительно на основании соответствующих оценок исправности устройства, связанных с хронологическими значениями параметра клапана.

16. Система по п. 14 или 15, отличающаяся тем, что статистическая модель генерируется с использованием одного или более способов машинного обучения, включающего по меньшей мере одно из: линейная регрессия, полиномиальная регрессия, логистическая регрессия, наивный байесовский классификатор, деревья решений, случайные леса, бустинг, метод ближайших соседей или нейронные сети.

17. Система по любому из пп. 11-16, отличающаяся тем, что команды дополнительно выполняются, чтобы вызвать осуществление одним или более вычислительных устройств:

определения состояния каждого клапана на основании соответствующего показателя относительной исправности каждого клапана; и

передачи указания определенного состояния каждого клапана на интерфейс пользователя.

18. Система по п. 17, отличающаяся тем, что определенное состояние каждого клапана включает по меньшей мере одно из: метрика производительности, ошибка, утечка, мертвая зона или механический износ на каждом клапане.

19. Система по любому из пп. 11-18,

дополнительно содержащая диод данных, выполненный с возможностью предотвращения двусторонней передачи данных между сетью технологической установки и одним или более вычислительными устройствами; причем

данные клапана являются изолированными для передачи от технологической установки к одному или более вычислительному устройству через диод данных.

20. Система по любому из пп. 11-19, отличающаяся тем, что одно или более вычислительных устройств входят в состав системы облачных вычислений.

21. Система по любому из пп. 11-20, отличающаяся тем, что команды дополнительно выполняются, чтобы вызвать осуществление одним или более вычислительных устройств:

генерирования указаний соответствующих значений параметра клапана множества клапанов для одного или более параметров клапана в течение множества моментов времени; и

предоставления на интерфейсе пользователя для отображения в виде временных рядов, указаний соответствующих значений параметров клапана множества клапанов для одного или более параметров клапана в течение множества моментов времени.



 

Похожие патенты:

Защищенные средства передачи данных между технологической установкой и удаленной системой содержат расположенный между ними диод данных, который обеспечивает выход данных из установки, но предотвращает прохождение данных в установку и связанные с ней системы.

Предложено автоматическое тестирование регулирующих клапанов для диагностики исполнительных механизмов, включая исполнительные механизмы, не оснащенные аналоговыми или дискретными преобразователями положения.

Областью применения является область контроля и диагностирования систем автоматического управления и их элементов. Технический результат заключается в уменьшении вычислительных затрат при поиске неисправных блоков.

Группа изобретений относится к области контроля и может быть использована для исследования функционального поведения компонента технической установки. Техническим результатом является повышение точности определения.

Система управления обслуживанием по износу гидроциклона для управления обслуживанием по состоянию износа в группе из нескольких гидроциклонных сепараторов, производит мониторинг и управление работой нескольких гидроциклонных сепараторов.

Группа изобретений относится в целом к штанговым глубинным насосам и, более конкретно, к способам и устройству для калибровки контроллеров штанговых глубинных насосов.

Изобретение относится к области информационных технологий, а именно к удаленному мониторингу и прогнозированию технического состояния объекта. Технический результат заключается в повышении точности прогнозирования технических характеристик объекта контроля.

Группа изобретений относится к системе и способу управления несколькими электромеханическими приводами, присоединенными к конструкции для ее перемещения и позиционирования.

Изобретение относится к корабельным техническим системам, в том числе к корабельному вооружению, а именно к обработке телеметрических измерений, получаемых в реальном времени.
Изобретение относится к мониторингу электротехнических объектов. В способе многопараметрического контроля состояния сложных электротехнических объектов решают связанную мультифизическую задачу, позволяющую определить дополнительные недоступные эмпирическим путем параметры посредством методологии натурно-модельного эксперимента.

Защищенные средства передачи данных между технологической установкой и удаленной системой содержат расположенный между ними диод данных, который обеспечивает выход данных из установки, но предотвращает прохождение данных в установку и связанные с ней системы.
Наверх