CA2114634A1 - Procede de diagnostic d'un processus evolutif - Google Patents
Procede de diagnostic d'un processus evolutifInfo
- Publication number
- CA2114634A1 CA2114634A1 CA002114634A CA2114634A CA2114634A1 CA 2114634 A1 CA2114634 A1 CA 2114634A1 CA 002114634 A CA002114634 A CA 002114634A CA 2114634 A CA2114634 A CA 2114634A CA 2114634 A1 CA2114634 A1 CA 2114634A1
- Authority
- CA
- Canada
- Prior art keywords
- fact
- quantities
- state
- measured
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Abandoned
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
- G01D1/14—Measuring arrangements giving results other than momentary value of variable, of general application giving a distribution function of a value, i.e. number of times the value comes within specified ranges of amplitude
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/903—Control
- Y10S706/904—Manufacturing or machine, e.g. agricultural machinery, machine tool
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/911—Nonmedical diagnostics
- Y10S706/912—Manufacturing or machine, e.g. agricultural machinery, machine tool
Abstract
2114634 9324808 PCTABS00164 Le procédé de l'invention consiste à établir un état de référence (9) et un état courant (8) pour un processus industriel (1) à partir de grandeurs physiques mesurées (2) sur tous les équipements mettant en oeuvre ce processus. On compare grandeur par grandeur ces deux états (11) en faisant appel à la logique floue pour classer les grandeurs, et on établit un diagnostic (14) à l'aide de règles expertes.
Description
wo 93/24808 ~ L ~ PC~/FR93/00527 PROCEDE DE DIAGNOSTIC D'UN PROCESSUS EVOLUTIF
La présente invention se rapporte à un procédé de diagnostic d'un processus évolutif.
s Le coût des interventions de maintenance réalisées sur des équipements industriels complexes est souvent considéré par les utilisateurs comme trop important. C'est pourquoi les constructeurs de tels équipements se penchent de plus en plus sur les m~éthodes susceptibles d'espacer, voire de supprimer certaines 10 consignes d'entretien sans augmenter la fréquence des pannes ~:
impr~visibles.
Pour ceia une meilleure connaissance d'un certain~nombre de processus de fonctionnem~nt est nécessaire. Les évolutions de ~
I'équipement doivent être cernées; I'état d'avancement des ~ I
dégradations éventuell~s doit être connu.
Les syst~mes expérimentés jusqu'à présent sont plutôt déterministes; ils sont fondés sur le raisonnement suivant:
- si tous les symptômes de l'anomalie x sont présents, alors l'anomalie x est présente.
Cette approche n'est en général pas satisfaisante car il existe des incertitudes liées aux rnesures physiques qui permettent de définir l'état courant de l'équipement; dans la pratique, il arrive presque toujours que l'un o~ l'autre des symptômes prévus ne soit pas présent, tandis que l'anomalie est r~ellement presente.
2s La présente invention a pour objet un procédé de diagnostic d'un processus évolutif, tel qu'un processus de fabrication industriel, cu le fonctionnement d'un équipement, qui permette, en temps réel, d'optimiser les opérations de maintenance, de reconnaltre des situations d'anomalie et de déterminer le plus 30 sûremen~ possible leur~s) cause(s), de remédier le plus rapidement possible à ces anomalies, et de prévoir le plus rapidement et le plus sûrement possible d'éventuelles dégrada~ions de caractéristiques des matériels utilisés pouvant induire de futures panncs, ainsi que ~VO 93/24808 ~ 3 1 P ~ /FR93/00527 d'anticiper l'évolution d'un fonctionnemen~ pour des conditions données d'environnement et de commande.
Le procéd~ de diagnostic conforme à l'invention comporte les étapes suivantes: mesure de grandeurs physiques relatives au processus, détermination de l'état courant à partir de ces grandeurs, détermination, à partir de ces mêmes grandeurs, d'un . -état de référence, comparaison, grandeur par grandeur de ces deux -~tats, ces grandeurs étant pondérées en fonction de leur impor~ance - pour l'évolution du processus. ~ ~-o La présente invention sera mieux comprise à la lecture de Ia description détaillée d'un mode de mise en oeuvre, pris à titre :.
d'exemple non limitatif et illustré par le dessin annex~, sur lequel:
- ia figure 1 est un diagramme d'un procédé conforme à l'invention;
- la figure 2 est un diagramme expliquant le calcul, selon la logique S floue, des~ coefficients de vraisemblance pour déterminer l'appartenance d'un paramètre à une famille de paramètres;
- les figures 3 et 4 sont des diagrammes de domaines auxquels peut appartenir chaque paramètre utilisé par le procédb de l'invention;
- la figure 5 est un tableau explicitant des possibilités de déviations de paramètres par rapport à des états nominaux, tableau pouvant être utilisé par le procédé de l'invention;
- la figure 6 est un tabieau montrant un exemple de règle de diagnostic selon la présente invention.
L'invention est décrite ci-dessous en référence à un 2s procédé de diagnostic, en temps r~el, d'un ~quipement en fonctionnement tel ~u'une station de dessalinisation d'eau de mer, mais ii est bien entendu qu'elle peut s'appliquer à tout processus évolutif, par exemple un équipement, une machine ou un ensemble de machines en fonctionnement, quelle que soit la nature de ces machines (mécanique et/ou électrique etlou chirnique etlou électronique), leur mode de fonctionnement ~continu ou intermittent), leur utilisation ~fabrication de produits, production WO 93/24808 r~ 6 ~ ~ PCl`/FR93/00527 d'énergie, transformation, etc ...) et leur degré de complexit~. Bien entendu, I'invention présente un intérêt partieulier pour le controle et la surveillance d'équipements comportant de nombreux éléments dont l'usure et les conditions de fonctionnement peuvent donner s lieu à des pannes difficilement prévisibles avec les proc~dés connus et/ou dont les causes des pannes sont difficilement détectables ou prévisibles avec les procédés connus.
Le procédé de l'invention est qualifié de procédé de - diagnostic. Ce terme concerne non seulemen~ le diagnostic, mais il o concerne également la surveillance d'un processus, la recherche des meilleures conditions lou des conditions optimales~ de déroulement de ce proeessus, par exemple en vue d'optimiser les interventions de maintenance, détecter les signes avant-coureurs de pannes potentielles, prédire avec une bonne précision le moment où une 15 panne risque d'arriver, et minimiser ies risques d'oocurrence de pannes.
Sur le diagramme de la figure 1, on a représenté en 1 un équipement en fonctionnemen~, qui est donc le siège d'un prooessus évolutif. Un ensemble 2 de capteurs est associé à
20 I'équipement 1. Les capteurs de l'ensemble 2 captent toutes les grandeurs physiques ~ou paramètres) nécessaires pour diagnostiquer l'état de i'é~uipement 1 et en d~terminer l'évolution.
On peut égalemen~ pr~voir des oapteurs 3 d'environnement, par exemple de pression a~mosphérique, de 2s température ext~rieure, ete ... (: n associe des capteurs ~ des commandes externes 4 manoeuvrées par un opéra~eur, par exemple des commandes de d~bit de fluide, de eourant de eharge, de vitesse de rroteurs, etc .
Les informations fournies par tous ces capteurs sont, le 30 cas échéan~, mises en forme en 5: elles sont par exemple numérisées (si elles sont fournies sous forme analo~ique), ou amenées à un même niveau de tension. Cette mise en forme 5 peut WO 93/248n8 ~ PCI`/FR93~00527 également inclure un calcul de paramètres non fournis directement, par exemple le calcul d ' une tension de sortie d' un équipement, connaissant sa tension d'entrée et son gain.
Après la mise en forme 5, on dispose en 6 de tous les s paramètres nécessaires au diagnostic de l'équipement 1. A partir de ces paramètres 6, on établit d ' une part, apr~ès une phase 7 d'enrichissement, un état courant 8 de l'équipement 1. La phase d'enrichissement 7, qui n'est pas nécessaire dans tous les cas, - consiste à calculer certaines grandeurs non mesurables directement,o par exemple un rendement, une section équivalente, une perte de charge, etc, ces grandeurs pouvant être calculées à partir des paramètres mesurés en 6.
D'autre part, à partir des param~tres mesurés en 6, on détermine en temps réel un "état de référence" 9. Cet état de référence est l'image de l'état idéal ou nominal que devrait présenter l'équipement 1 (auquel l'état courant 8 devrait ~re égal), dans !es rnêmes conditions de fonctionnement ten particulier dans les mêmes conditions d'environnement 3 et avec les mêmes commandes externes 4) si tous les éléments composant cet 20 équipement fonctionnaient optimalement avec des caractéristiques nominales. Bien entendu, si l'~tape 7 existe pour ia détermination de l'état 8, il faut prévoir une étape similaire 7A pour la détermination de l'~tat 9.
Cet état de référence 9 peut soit ê~re obten~ directement 2s à partir des paramètres mesurés en 6, soit être produit par simulation ~10) à partir des paramètres mesurés en 6. Cette simulation utilise, de façon connue en soi, un modble math~rnatique de l'équipement 1 dont les grandeurs à'entrée son~ les paramètres mesurés en 6, ou un sous-ensemble de ces paramètres, et les 30 grandeurs de sortie celles définissant l'éta~ de référence 9. Selon une variante de l'invention, la détermination de l'état de référence 9 WO 93/24X0~ 3 '1 PCr/FR93/00527 ~.
peut être faite à partir de données figées stockées dans des tables.
La simulation 10 inclut, le cas ~chéant, I'étape 7A d'enrichissement.
Seion une variante de l'invention, I'état de référence peu~
être obtenu par appren~issage. L'état de référence peut aussi bien s être fixe qu'évolutif (par exemple en fonction de nouvelles conditions de fonctionnement imposées aux équipernents).
La cadence d'aequisition des grandeurs (2, 3 et 4~
relatives au processus dont es~ le siège l'~quipement 1 est - déterminée par la rapidité d'évolution de ce processus et de la 10 rapidit~ aveclaquelle p~ w entse produ-ire des pannes.
Si ce processus est à évolution lente (par exemple un traitement chimique de longue durée) et si des anomalies de fonctionnement des éléments de l'équipement ne peuvent produire des pannes que très lentemsnt, cette cadence peut par exemple ~tre de l'ordre de quelques minutes ou dizaines de minutes. Par contre, si l'on a affaire ~ un processus rapide (parexemple dans un - équipement comportant des machines tournantss ou vibrantes, des dispositifs de traitement ou d'usinage de matériaux à aotion rapide, tels que des machines-outils ou des appareils de traitement de surfaces, en particulier ceux qui doivent fonctionner avec une grande précision), la cadence d'acquisition des mesures par les capteurs 2 peut être par exemple de l'ordre de la seconde, et l'état courant et i'é~at de référenc~ doivent eux aussi être d~terminés rapidement, par exemple toutes les minutes.
2s A partir des deux états 8 et 9, on effectue une comparaison, param~tre ,oar paramètre létaPe 1 1~, en tenant compte de d~viations, c'est-~-dite de situations d'anvmalies répertoriées (éta~s susceptibles d'évoluer vers une panne ou un incident dommageable). Ces paramètres sont affectés de poids qui - 30 -sont fonction par exemple du nombre de prémisses correspondantes .
wo 93/24X0~ pcr/FR93/oos27 En vue d'effectuer cette comparaison "complexe", on fait appel aux techniques de l'intelligence artificielle et de la iogique floue.
Ainsi, un pararnètre X peut appartenir à deux ou plusieurs s familles de paramètres. Si ce paramètre X a la valeur XO (figure 2), il présente selon un principe de logique floue un coefficient de vraisemblance ,lJ1 vis-~-vis de la famille 1 et un coefficient de vraisemblance ,L12 vis-à-vis de la famille 2, ces deux familles présentant un certain recouvrement. Dans le cas de l'invention, on 10 associe à chaque paramètre un seuil qui détermine des domaines dans lesquels vn situe ce paramètre. Par exemple, on délimite trois - domaines: un domaine dit "constant" centré sur la valeur de réf~rence de ce paramètre, dans lequel on considère que le paramètre ne varie pas (pour tenir compte des irnprécisions des 15 mesures et parce que tant que le paramètre ne sort pas de ce domaine, on considère qu'il n'entralne aucun effet néfaste sur l'équipement lui-même ou Çe cas échéant sur les produits fabriqués par l'équipement). Un autre domaine, dit "décroissantn, est celui dans lequel on considare que le pararn~tre diminue ou est inférieur ~
20 sa valeur de référence. Le troisi~me domaine, dit "croissant", est celui dans lequel le paramètre croît ou est supérieur à sa valeur nominale. Bien entendu, I'~nvention n'es~ pas limitée ~ ces trois domaines: on peut en déterminer un plus grand nombre.
On a sch~matisé sur le diagramme de la figure 3 les trois 25 domaines définis ci-dessus. L'axe des abscisses de ce diagramme porte les valeurs d'écarts relatifs X = (P-P ref)/P ref (P--valeur courante du parambtre et P ref = valeur de référence de ce paramètre), et son axe des ordonn~es est gradué en valeurs de ,u ~coefficient de vraisemblance associé à chacun de ces dornaines, 30 similaire à celui dé~ini en référence à la figure 2). On a marqué sur l'axe des abscisses les valeurs -S et ~ S délimitant le domaine "constant". Si, comme indiqué sur la figure 3, X a la valeur X1, le 3 ~
WO 93/24X08 PCl /FR93/00527 paramètre P appartient à deux domaines, mais présente un coefficient ,u1 d'appartenance au domaine "constant" et un coefficient ~2 d'appartenance au domaine "croissant". Les seuils -S
- et +S sont fonction de la précision de mesure des capteurs utilisés, s et ils peuvent être relatifs, ou absolus si la référence et nulle.
En pratique, on peut par exemple (figure 4) r~gler ces seuils à partir d'une analyse statistique sur un ensemble de relevés correspondant à des ~tats de référence, clest-à-dire en l'absence - d'anomalies. On étudi~ aiors la distribution D des écarts relatifs de o chaque param~tre par rapport aux valeurs de référence issues de la modélisation. On détermine ensuite l'écart-type, la moyenne, les valeurs rninimum et maximum et les différents quantiles. On peut alors déterminer les fonctions d'appartenance des paramètres aux domaines précités à l'aide des distributions obtenues. A cet effet, 5 on peut par exemple positionner les seuils de façon que 50 % au moins des valeurs relevees appartiennent au domaine "constant"
avec ~ égal à 1, et que moins de îO % des valeurs relevées appartiennent aux domaines "croissantl' ou "décroissant" avec ~
supérieur à 0,3. Sur les figures 3 et 4, les délimitations de ces 20 domaines sont des segments da droites, mais il est bien entendu que dans la réalité ces délimitations sont des courbes. Cette détermination des écar~s relatifs est not~e 12 en figure 1.
Afin de pouvoir eWectuer une comparaison entre les ~aramatres de l'état couran~ d'un équipement avec ceux d'un état 2s de référence, il faut pouvoir ciasser les paramètres de l'état courant en plusieurs catégories. Chaque paramètre est pius au moins caractéristiqus d'un sympt~me donné.
Selon l'exemple de la figure 5, on a détermin~ quatre catégories de paramètres: primaire, secondaire, tertiaire et - 30 indifférent. On y a appelé "d~viation" un état évoluant vers une panne ou un incident, et les domaines croissant, constant et W() 93/24X08 ~ PCI/FR93/00~27 décroissant sont respectivement figurés par des flèches dirigges vers le haut, horizontalement et vers le bas.
Un paramètre est dit primaire lorsque son écart par rapport à sa valeur de référence est directement évoeateur de la s déviation considérée, cet écart étant physiquement significatif de la déviation;
- il est dit secondaire lorsque son écart est physiquement évocateur de la déviation, mais moins directement lié à celle-ci;
- il est dit tertiaire lorsque son écart est dû à la propagation des o effets directs de la déviation; et - il est dit indifférent si la déviation n'a au~une influence sur lui ou si son écart n'est pas observable ou mesurable.
A partir de ces définitions, on caractérise chaque déviation par un état 4ualitatif dans un tableau tel que celui de la 5 figure 4. Ce tableau comporte une colonne par déviation et une ligne par paramètre. Dans chaque case de ce tableau, on indique le domaine ~tel que détermin~ d'après la figure 3 ou 4~ et la catégorie du paramètre répertorié (primaire, secondaire, tertiaire ou indifférent). Bien entendu, cet exemple n'est pas limitatif, et l'on 20 peut prévoir d'autres catégories, et leur nombre peut être différent.
Le diagnostic est effectué par comparaison (13 en figure 1 ) de l'état courant de l'équipemell~ 1 avec les états qualitatifs relatifs à chaeune des déviations répertoriées dans le tableau ds la figure 5. On associe une règle expsr~e de diagnostic à chaque 25 groupe de sympt~mes. Le diagnostic est obtenu par l'applica~ion, pour chaque d~viation, de trois règles pour l'exemple décrit ici (pour N déviations, on applique 3N règles à savoir une ragle pour chacun des truis paramètres significatifs: primaire, secondaire et tertiaire).
Une règle est définie par des prémisses et une conclusion.
-- 30 Ainsi, par exemple, en figure 6, on a représenté la règle relative à la déviation 1 de la figure 5, pour des paramètres primaires (nom de règle = déviation 1 primaire). Les prémisses tirées de la première wo 93/24X08 ~ pcr/FRs3/oo527 colonne du tableau de la figure 5, concernent done les paramètres 1, 4 et 5, qul sont respectivement croissan~, croissant et décroissant. On pourrait en tirer la conclusion que si l'état courant vérifie ces trois pr~misses, I'existence de la déviation 1 est s confirmée. Ces règles peuvent ~tre facilement modifiées (il suffit de modifier la liste des prémisses), pour tenir compte par exernple d'une modification d'équipement ou d'une meilleure définition des déviations.
Cependant le comportement d'un équipement n'es~ pas l0 forcément prévisible dans ses moindres détaiis et dans toutes les combinaisons de sympt~mes pour diverses raisons telles que:
difficulté de modélisation, environnemen~ non contrôlé, panne de capteur, déviatlon non prévue ...
Par conséquent, I'application d'une règle de la façon l5 suivante: "si toutes les prémisses concernant la déviation X sont présentes aYec un coefficient d'appartenance de 1, alors on diagnostique la déviation X" ne serait pas acceptable, car elie ne permettrait pas d'identifier des déviations pour lesquelles par exemple 90 % des pré~misses sont vérifiées.
Selon 1' invention, on n' impose aueun seuil pour les coefficients d'appartenance pour accepter une règle. Tsutes les règles de diagnostic sont donc acceptables et acceptées, et on obtient donc toutes les conclusions possit)les.
On évalue les catégories élémentaires des paramètres 2s ~primaire, secondaire, ter~iaire~ comme étant la moyenne des coefficients d'appartenance ~) de chacune des prémisses de chaque règle.
Pour chaque déviation, I'évaiuation giobale est obtenue sn calculant la moyenne pondérée des cat~gories élémentaires précitées. On attribue le poids le plus élevé à la catégorie primaire, un poids moins élevé à la catéyorie secondaire, et un poids encore moins élevé à la catégorie tertiaire. On peut ainsi classer les wo 93/24808 ~, `L 3 1~ ~ 3 -i~ PCr/FRs3/00527 différentes déviations ~14 en figure 1~. La conclusion peut être tirée par exemple en estimant que si la valeur de la catégorie considérée dépasse un seuil donné, la déviation correspondante existe effectivement (étape 15 en figure 1).
s Un indice de gravité de la déviation peut être fixé par exemple en calculant une moyenne pondérée des rapports X/seuil lavec X = {P-P ref}/P ref comme déj~ précis~). La pondération est également effectuée comme indiqué ci^dessus, rnais en tenant également compte du fait que la variation (croissant, constant ou - 10 décroissant) est ou non dans le sens attendu d ' apr~s la caractérisation de cette déviation.
Bien entendu, si l'on veut déterminer la ~açon dont un diagnostic a été ~tabli par un calculateur, on peut accéder aux différents paramètres et ~u processus SlJiVi par le calculateur pour 5 établlr le diagnostic.
Lorsque l'équipement 1 est en fonctionnement, on snregistre les valeurs que prennent les paramètres. Le traitement de l'historique de ces valeurs peut donner une indication sur leurs évolutions prévisibles pour des conditions d'environnement données 20 et pour des commandes extérieures données, et le délai avant franchissement d'un seuil jugé critique. Bien entendu, la mesure des paramètres peut se faire ~ une cadence très rapide si ces paramètres sont susceptibles de varier rapidement, mais leur enregistrement peut être effectu~ a des intervalles relativement 2s longs seulement, lorsqu'ils varient de façon significative, afin de ne pas avoir à mérnoriser un trop grand nombre de valeurs. Le trai~ement de l'historique des valeurs mémorisées des différents paramètres peut par exemple consister à approximer leurs évolutions à l'aide de fonctions, ces fonctions peuvent être par 30 ~xemple des polynômes, des exponentielles, etc..., connus en soi.
Les courbes de tendance ainsi obtenues peuvent être affichées sur un écran et/ou imprimées. L'extrapolation permettant de faire des ~0 93/24808 ~ PCr/FR93/005~7 prévisions peut être obtenue (étape 16 en figure 1) par régression linéaire sur le dernier laps de temps de fonctionnemen~. Grâce à ces courbes de ~endance et ~ leur extrapolation, on peut par exemple déterminer le temps pendant lequel l'équipement peut encore s fonctionner sans risque de panne, et améliorer l'exploitation de l'équipement et optimiser sa main~enance.
La présente invention se rapporte à un procédé de diagnostic d'un processus évolutif.
s Le coût des interventions de maintenance réalisées sur des équipements industriels complexes est souvent considéré par les utilisateurs comme trop important. C'est pourquoi les constructeurs de tels équipements se penchent de plus en plus sur les m~éthodes susceptibles d'espacer, voire de supprimer certaines 10 consignes d'entretien sans augmenter la fréquence des pannes ~:
impr~visibles.
Pour ceia une meilleure connaissance d'un certain~nombre de processus de fonctionnem~nt est nécessaire. Les évolutions de ~
I'équipement doivent être cernées; I'état d'avancement des ~ I
dégradations éventuell~s doit être connu.
Les syst~mes expérimentés jusqu'à présent sont plutôt déterministes; ils sont fondés sur le raisonnement suivant:
- si tous les symptômes de l'anomalie x sont présents, alors l'anomalie x est présente.
Cette approche n'est en général pas satisfaisante car il existe des incertitudes liées aux rnesures physiques qui permettent de définir l'état courant de l'équipement; dans la pratique, il arrive presque toujours que l'un o~ l'autre des symptômes prévus ne soit pas présent, tandis que l'anomalie est r~ellement presente.
2s La présente invention a pour objet un procédé de diagnostic d'un processus évolutif, tel qu'un processus de fabrication industriel, cu le fonctionnement d'un équipement, qui permette, en temps réel, d'optimiser les opérations de maintenance, de reconnaltre des situations d'anomalie et de déterminer le plus 30 sûremen~ possible leur~s) cause(s), de remédier le plus rapidement possible à ces anomalies, et de prévoir le plus rapidement et le plus sûrement possible d'éventuelles dégrada~ions de caractéristiques des matériels utilisés pouvant induire de futures panncs, ainsi que ~VO 93/24808 ~ 3 1 P ~ /FR93/00527 d'anticiper l'évolution d'un fonctionnemen~ pour des conditions données d'environnement et de commande.
Le procéd~ de diagnostic conforme à l'invention comporte les étapes suivantes: mesure de grandeurs physiques relatives au processus, détermination de l'état courant à partir de ces grandeurs, détermination, à partir de ces mêmes grandeurs, d'un . -état de référence, comparaison, grandeur par grandeur de ces deux -~tats, ces grandeurs étant pondérées en fonction de leur impor~ance - pour l'évolution du processus. ~ ~-o La présente invention sera mieux comprise à la lecture de Ia description détaillée d'un mode de mise en oeuvre, pris à titre :.
d'exemple non limitatif et illustré par le dessin annex~, sur lequel:
- ia figure 1 est un diagramme d'un procédé conforme à l'invention;
- la figure 2 est un diagramme expliquant le calcul, selon la logique S floue, des~ coefficients de vraisemblance pour déterminer l'appartenance d'un paramètre à une famille de paramètres;
- les figures 3 et 4 sont des diagrammes de domaines auxquels peut appartenir chaque paramètre utilisé par le procédb de l'invention;
- la figure 5 est un tableau explicitant des possibilités de déviations de paramètres par rapport à des états nominaux, tableau pouvant être utilisé par le procédé de l'invention;
- la figure 6 est un tabieau montrant un exemple de règle de diagnostic selon la présente invention.
L'invention est décrite ci-dessous en référence à un 2s procédé de diagnostic, en temps r~el, d'un ~quipement en fonctionnement tel ~u'une station de dessalinisation d'eau de mer, mais ii est bien entendu qu'elle peut s'appliquer à tout processus évolutif, par exemple un équipement, une machine ou un ensemble de machines en fonctionnement, quelle que soit la nature de ces machines (mécanique et/ou électrique etlou chirnique etlou électronique), leur mode de fonctionnement ~continu ou intermittent), leur utilisation ~fabrication de produits, production WO 93/24808 r~ 6 ~ ~ PCl`/FR93/00527 d'énergie, transformation, etc ...) et leur degré de complexit~. Bien entendu, I'invention présente un intérêt partieulier pour le controle et la surveillance d'équipements comportant de nombreux éléments dont l'usure et les conditions de fonctionnement peuvent donner s lieu à des pannes difficilement prévisibles avec les proc~dés connus et/ou dont les causes des pannes sont difficilement détectables ou prévisibles avec les procédés connus.
Le procédé de l'invention est qualifié de procédé de - diagnostic. Ce terme concerne non seulemen~ le diagnostic, mais il o concerne également la surveillance d'un processus, la recherche des meilleures conditions lou des conditions optimales~ de déroulement de ce proeessus, par exemple en vue d'optimiser les interventions de maintenance, détecter les signes avant-coureurs de pannes potentielles, prédire avec une bonne précision le moment où une 15 panne risque d'arriver, et minimiser ies risques d'oocurrence de pannes.
Sur le diagramme de la figure 1, on a représenté en 1 un équipement en fonctionnemen~, qui est donc le siège d'un prooessus évolutif. Un ensemble 2 de capteurs est associé à
20 I'équipement 1. Les capteurs de l'ensemble 2 captent toutes les grandeurs physiques ~ou paramètres) nécessaires pour diagnostiquer l'état de i'é~uipement 1 et en d~terminer l'évolution.
On peut égalemen~ pr~voir des oapteurs 3 d'environnement, par exemple de pression a~mosphérique, de 2s température ext~rieure, ete ... (: n associe des capteurs ~ des commandes externes 4 manoeuvrées par un opéra~eur, par exemple des commandes de d~bit de fluide, de eourant de eharge, de vitesse de rroteurs, etc .
Les informations fournies par tous ces capteurs sont, le 30 cas échéan~, mises en forme en 5: elles sont par exemple numérisées (si elles sont fournies sous forme analo~ique), ou amenées à un même niveau de tension. Cette mise en forme 5 peut WO 93/248n8 ~ PCI`/FR93~00527 également inclure un calcul de paramètres non fournis directement, par exemple le calcul d ' une tension de sortie d' un équipement, connaissant sa tension d'entrée et son gain.
Après la mise en forme 5, on dispose en 6 de tous les s paramètres nécessaires au diagnostic de l'équipement 1. A partir de ces paramètres 6, on établit d ' une part, apr~ès une phase 7 d'enrichissement, un état courant 8 de l'équipement 1. La phase d'enrichissement 7, qui n'est pas nécessaire dans tous les cas, - consiste à calculer certaines grandeurs non mesurables directement,o par exemple un rendement, une section équivalente, une perte de charge, etc, ces grandeurs pouvant être calculées à partir des paramètres mesurés en 6.
D'autre part, à partir des param~tres mesurés en 6, on détermine en temps réel un "état de référence" 9. Cet état de référence est l'image de l'état idéal ou nominal que devrait présenter l'équipement 1 (auquel l'état courant 8 devrait ~re égal), dans !es rnêmes conditions de fonctionnement ten particulier dans les mêmes conditions d'environnement 3 et avec les mêmes commandes externes 4) si tous les éléments composant cet 20 équipement fonctionnaient optimalement avec des caractéristiques nominales. Bien entendu, si l'~tape 7 existe pour ia détermination de l'état 8, il faut prévoir une étape similaire 7A pour la détermination de l'~tat 9.
Cet état de référence 9 peut soit ê~re obten~ directement 2s à partir des paramètres mesurés en 6, soit être produit par simulation ~10) à partir des paramètres mesurés en 6. Cette simulation utilise, de façon connue en soi, un modble math~rnatique de l'équipement 1 dont les grandeurs à'entrée son~ les paramètres mesurés en 6, ou un sous-ensemble de ces paramètres, et les 30 grandeurs de sortie celles définissant l'éta~ de référence 9. Selon une variante de l'invention, la détermination de l'état de référence 9 WO 93/24X0~ 3 '1 PCr/FR93/00527 ~.
peut être faite à partir de données figées stockées dans des tables.
La simulation 10 inclut, le cas ~chéant, I'étape 7A d'enrichissement.
Seion une variante de l'invention, I'état de référence peu~
être obtenu par appren~issage. L'état de référence peut aussi bien s être fixe qu'évolutif (par exemple en fonction de nouvelles conditions de fonctionnement imposées aux équipernents).
La cadence d'aequisition des grandeurs (2, 3 et 4~
relatives au processus dont es~ le siège l'~quipement 1 est - déterminée par la rapidité d'évolution de ce processus et de la 10 rapidit~ aveclaquelle p~ w entse produ-ire des pannes.
Si ce processus est à évolution lente (par exemple un traitement chimique de longue durée) et si des anomalies de fonctionnement des éléments de l'équipement ne peuvent produire des pannes que très lentemsnt, cette cadence peut par exemple ~tre de l'ordre de quelques minutes ou dizaines de minutes. Par contre, si l'on a affaire ~ un processus rapide (parexemple dans un - équipement comportant des machines tournantss ou vibrantes, des dispositifs de traitement ou d'usinage de matériaux à aotion rapide, tels que des machines-outils ou des appareils de traitement de surfaces, en particulier ceux qui doivent fonctionner avec une grande précision), la cadence d'acquisition des mesures par les capteurs 2 peut être par exemple de l'ordre de la seconde, et l'état courant et i'é~at de référenc~ doivent eux aussi être d~terminés rapidement, par exemple toutes les minutes.
2s A partir des deux états 8 et 9, on effectue une comparaison, param~tre ,oar paramètre létaPe 1 1~, en tenant compte de d~viations, c'est-~-dite de situations d'anvmalies répertoriées (éta~s susceptibles d'évoluer vers une panne ou un incident dommageable). Ces paramètres sont affectés de poids qui - 30 -sont fonction par exemple du nombre de prémisses correspondantes .
wo 93/24X0~ pcr/FR93/oos27 En vue d'effectuer cette comparaison "complexe", on fait appel aux techniques de l'intelligence artificielle et de la iogique floue.
Ainsi, un pararnètre X peut appartenir à deux ou plusieurs s familles de paramètres. Si ce paramètre X a la valeur XO (figure 2), il présente selon un principe de logique floue un coefficient de vraisemblance ,lJ1 vis-~-vis de la famille 1 et un coefficient de vraisemblance ,L12 vis-à-vis de la famille 2, ces deux familles présentant un certain recouvrement. Dans le cas de l'invention, on 10 associe à chaque paramètre un seuil qui détermine des domaines dans lesquels vn situe ce paramètre. Par exemple, on délimite trois - domaines: un domaine dit "constant" centré sur la valeur de réf~rence de ce paramètre, dans lequel on considère que le paramètre ne varie pas (pour tenir compte des irnprécisions des 15 mesures et parce que tant que le paramètre ne sort pas de ce domaine, on considère qu'il n'entralne aucun effet néfaste sur l'équipement lui-même ou Çe cas échéant sur les produits fabriqués par l'équipement). Un autre domaine, dit "décroissantn, est celui dans lequel on considare que le pararn~tre diminue ou est inférieur ~
20 sa valeur de référence. Le troisi~me domaine, dit "croissant", est celui dans lequel le paramètre croît ou est supérieur à sa valeur nominale. Bien entendu, I'~nvention n'es~ pas limitée ~ ces trois domaines: on peut en déterminer un plus grand nombre.
On a sch~matisé sur le diagramme de la figure 3 les trois 25 domaines définis ci-dessus. L'axe des abscisses de ce diagramme porte les valeurs d'écarts relatifs X = (P-P ref)/P ref (P--valeur courante du parambtre et P ref = valeur de référence de ce paramètre), et son axe des ordonn~es est gradué en valeurs de ,u ~coefficient de vraisemblance associé à chacun de ces dornaines, 30 similaire à celui dé~ini en référence à la figure 2). On a marqué sur l'axe des abscisses les valeurs -S et ~ S délimitant le domaine "constant". Si, comme indiqué sur la figure 3, X a la valeur X1, le 3 ~
WO 93/24X08 PCl /FR93/00527 paramètre P appartient à deux domaines, mais présente un coefficient ,u1 d'appartenance au domaine "constant" et un coefficient ~2 d'appartenance au domaine "croissant". Les seuils -S
- et +S sont fonction de la précision de mesure des capteurs utilisés, s et ils peuvent être relatifs, ou absolus si la référence et nulle.
En pratique, on peut par exemple (figure 4) r~gler ces seuils à partir d'une analyse statistique sur un ensemble de relevés correspondant à des ~tats de référence, clest-à-dire en l'absence - d'anomalies. On étudi~ aiors la distribution D des écarts relatifs de o chaque param~tre par rapport aux valeurs de référence issues de la modélisation. On détermine ensuite l'écart-type, la moyenne, les valeurs rninimum et maximum et les différents quantiles. On peut alors déterminer les fonctions d'appartenance des paramètres aux domaines précités à l'aide des distributions obtenues. A cet effet, 5 on peut par exemple positionner les seuils de façon que 50 % au moins des valeurs relevees appartiennent au domaine "constant"
avec ~ égal à 1, et que moins de îO % des valeurs relevées appartiennent aux domaines "croissantl' ou "décroissant" avec ~
supérieur à 0,3. Sur les figures 3 et 4, les délimitations de ces 20 domaines sont des segments da droites, mais il est bien entendu que dans la réalité ces délimitations sont des courbes. Cette détermination des écar~s relatifs est not~e 12 en figure 1.
Afin de pouvoir eWectuer une comparaison entre les ~aramatres de l'état couran~ d'un équipement avec ceux d'un état 2s de référence, il faut pouvoir ciasser les paramètres de l'état courant en plusieurs catégories. Chaque paramètre est pius au moins caractéristiqus d'un sympt~me donné.
Selon l'exemple de la figure 5, on a détermin~ quatre catégories de paramètres: primaire, secondaire, tertiaire et - 30 indifférent. On y a appelé "d~viation" un état évoluant vers une panne ou un incident, et les domaines croissant, constant et W() 93/24X08 ~ PCI/FR93/00~27 décroissant sont respectivement figurés par des flèches dirigges vers le haut, horizontalement et vers le bas.
Un paramètre est dit primaire lorsque son écart par rapport à sa valeur de référence est directement évoeateur de la s déviation considérée, cet écart étant physiquement significatif de la déviation;
- il est dit secondaire lorsque son écart est physiquement évocateur de la déviation, mais moins directement lié à celle-ci;
- il est dit tertiaire lorsque son écart est dû à la propagation des o effets directs de la déviation; et - il est dit indifférent si la déviation n'a au~une influence sur lui ou si son écart n'est pas observable ou mesurable.
A partir de ces définitions, on caractérise chaque déviation par un état 4ualitatif dans un tableau tel que celui de la 5 figure 4. Ce tableau comporte une colonne par déviation et une ligne par paramètre. Dans chaque case de ce tableau, on indique le domaine ~tel que détermin~ d'après la figure 3 ou 4~ et la catégorie du paramètre répertorié (primaire, secondaire, tertiaire ou indifférent). Bien entendu, cet exemple n'est pas limitatif, et l'on 20 peut prévoir d'autres catégories, et leur nombre peut être différent.
Le diagnostic est effectué par comparaison (13 en figure 1 ) de l'état courant de l'équipemell~ 1 avec les états qualitatifs relatifs à chaeune des déviations répertoriées dans le tableau ds la figure 5. On associe une règle expsr~e de diagnostic à chaque 25 groupe de sympt~mes. Le diagnostic est obtenu par l'applica~ion, pour chaque d~viation, de trois règles pour l'exemple décrit ici (pour N déviations, on applique 3N règles à savoir une ragle pour chacun des truis paramètres significatifs: primaire, secondaire et tertiaire).
Une règle est définie par des prémisses et une conclusion.
-- 30 Ainsi, par exemple, en figure 6, on a représenté la règle relative à la déviation 1 de la figure 5, pour des paramètres primaires (nom de règle = déviation 1 primaire). Les prémisses tirées de la première wo 93/24X08 ~ pcr/FRs3/oo527 colonne du tableau de la figure 5, concernent done les paramètres 1, 4 et 5, qul sont respectivement croissan~, croissant et décroissant. On pourrait en tirer la conclusion que si l'état courant vérifie ces trois pr~misses, I'existence de la déviation 1 est s confirmée. Ces règles peuvent ~tre facilement modifiées (il suffit de modifier la liste des prémisses), pour tenir compte par exernple d'une modification d'équipement ou d'une meilleure définition des déviations.
Cependant le comportement d'un équipement n'es~ pas l0 forcément prévisible dans ses moindres détaiis et dans toutes les combinaisons de sympt~mes pour diverses raisons telles que:
difficulté de modélisation, environnemen~ non contrôlé, panne de capteur, déviatlon non prévue ...
Par conséquent, I'application d'une règle de la façon l5 suivante: "si toutes les prémisses concernant la déviation X sont présentes aYec un coefficient d'appartenance de 1, alors on diagnostique la déviation X" ne serait pas acceptable, car elie ne permettrait pas d'identifier des déviations pour lesquelles par exemple 90 % des pré~misses sont vérifiées.
Selon 1' invention, on n' impose aueun seuil pour les coefficients d'appartenance pour accepter une règle. Tsutes les règles de diagnostic sont donc acceptables et acceptées, et on obtient donc toutes les conclusions possit)les.
On évalue les catégories élémentaires des paramètres 2s ~primaire, secondaire, ter~iaire~ comme étant la moyenne des coefficients d'appartenance ~) de chacune des prémisses de chaque règle.
Pour chaque déviation, I'évaiuation giobale est obtenue sn calculant la moyenne pondérée des cat~gories élémentaires précitées. On attribue le poids le plus élevé à la catégorie primaire, un poids moins élevé à la catéyorie secondaire, et un poids encore moins élevé à la catégorie tertiaire. On peut ainsi classer les wo 93/24808 ~, `L 3 1~ ~ 3 -i~ PCr/FRs3/00527 différentes déviations ~14 en figure 1~. La conclusion peut être tirée par exemple en estimant que si la valeur de la catégorie considérée dépasse un seuil donné, la déviation correspondante existe effectivement (étape 15 en figure 1).
s Un indice de gravité de la déviation peut être fixé par exemple en calculant une moyenne pondérée des rapports X/seuil lavec X = {P-P ref}/P ref comme déj~ précis~). La pondération est également effectuée comme indiqué ci^dessus, rnais en tenant également compte du fait que la variation (croissant, constant ou - 10 décroissant) est ou non dans le sens attendu d ' apr~s la caractérisation de cette déviation.
Bien entendu, si l'on veut déterminer la ~açon dont un diagnostic a été ~tabli par un calculateur, on peut accéder aux différents paramètres et ~u processus SlJiVi par le calculateur pour 5 établlr le diagnostic.
Lorsque l'équipement 1 est en fonctionnement, on snregistre les valeurs que prennent les paramètres. Le traitement de l'historique de ces valeurs peut donner une indication sur leurs évolutions prévisibles pour des conditions d'environnement données 20 et pour des commandes extérieures données, et le délai avant franchissement d'un seuil jugé critique. Bien entendu, la mesure des paramètres peut se faire ~ une cadence très rapide si ces paramètres sont susceptibles de varier rapidement, mais leur enregistrement peut être effectu~ a des intervalles relativement 2s longs seulement, lorsqu'ils varient de façon significative, afin de ne pas avoir à mérnoriser un trop grand nombre de valeurs. Le trai~ement de l'historique des valeurs mémorisées des différents paramètres peut par exemple consister à approximer leurs évolutions à l'aide de fonctions, ces fonctions peuvent être par 30 ~xemple des polynômes, des exponentielles, etc..., connus en soi.
Les courbes de tendance ainsi obtenues peuvent être affichées sur un écran et/ou imprimées. L'extrapolation permettant de faire des ~0 93/24808 ~ PCr/FR93/005~7 prévisions peut être obtenue (étape 16 en figure 1) par régression linéaire sur le dernier laps de temps de fonctionnemen~. Grâce à ces courbes de ~endance et ~ leur extrapolation, on peut par exemple déterminer le temps pendant lequel l'équipement peut encore s fonctionner sans risque de panne, et améliorer l'exploitation de l'équipement et optimiser sa main~enance.
Claims (13)
1. Procédé de diagnostic d'un processus évolutif, caractérisé par le fait qu'il consiste à : mesurer des grandeurs physiques (2) caractéristiques de ce processus (1), à établir à partir de ces grandeurs un état courant (8) du processus et un état de référence (9) de ce même processus, à comparer ces deux états grandeur par grandeur, ces grandeurs étant pondérées en fonction de leur importance pour l'évolution du processus (11).
2. Procédé selon la revendication 1, caractérisé par le fait que l'on mesure également des grandeurs relatives à
l'environnement (3) et à des commandes externes (4).
l'environnement (3) et à des commandes externes (4).
3. Procédé selon la revendication 1 ou 2, caractérisé en ce que l'on ajoute aux grandeurs mesurées des grandeurs calculées à partir des grandeurs mesurées (7, 7A).
4. Procédé selon l'une des revendications précédentes, caractérisé par le fait que l'on obtient l'état de référence par modélisation (10).
5. Procédé selon l'une des revendications 1 à 3, caractérisé par le fait que l'on obtient l'état de référence à partir de valeurs mémorisées.
6. Procédé selon la revendication 4 ou 5, caractérisé par le fait que l'état de référence est obtenu par apprentissage.
7. Procédé selon la revendication 4, 5 ou 6, caractérisé
par le fait que l'état de référence est évolutif.
par le fait que l'état de référence est évolutif.
8. Procédé selon l'une des revendications précédentes, caractérisé par le fait qu'à partir de la comparaison on effectue un diagnostic.
9. Procédé selon la revendication 8, caractérisé par le fait que le diagnostic est effectué en comparant l'état courant à des états qualitatifs répertoriés caractérisant différentes situations pouvant évoluer vers des pannes.
10. Procédé selon l'une des revendications précédentes, caractérisé par le fait que l'état courant est élaboré en classant les grandeurs mesurées dans des domaines définis par rapport à leurs valeurs de référence.
11. Procédé selon la revendication 10, caractérisé par le fait que les domaines sont définis à partir de valeurs de grandeurs correspondantes relevées en l'absence d'anomalies et en déterminant de façon statistique les limites de ces domaines à partir de la répartition des écarts relatifs de ces grandeurs par rapport à
leur valeur de référence.
leur valeur de référence.
12. Procédé selon la revendication 10 ou 11, caractérisé
par le fait que l'on établit un diagnostic en associant à chaque état qualitatif répertorié susceptible d'évoluer vers une panne une règle experte dont les prémisses qualifient chacune l'appartenance d'une grandeur mesurée à un domaine défini par rapport à la valeur de référence de la grandeur, en calculant la moyenne des coefficients d'appartenance de chaque prémisse, en pondérant la moyenne par un poids fonction du domaine, et en comparant le résultat à un seuil.
par le fait que l'on établit un diagnostic en associant à chaque état qualitatif répertorié susceptible d'évoluer vers une panne une règle experte dont les prémisses qualifient chacune l'appartenance d'une grandeur mesurée à un domaine défini par rapport à la valeur de référence de la grandeur, en calculant la moyenne des coefficients d'appartenance de chaque prémisse, en pondérant la moyenne par un poids fonction du domaine, et en comparant le résultat à un seuil.
13. Procédé selon l'une des revendications précédentes, caractérisé par le fait que l'on établit des courbes de tendance à
partir des grandeurs mesurées (16).
partir des grandeurs mesurées (16).
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR9206708A FR2692037B1 (fr) | 1992-06-03 | 1992-06-03 | Procede de diagnostic d'un processus evolutif. |
FR92/06708 | 1992-06-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CA2114634A1 true CA2114634A1 (fr) | 1993-12-09 |
Family
ID=9430387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CA002114634A Abandoned CA2114634A1 (fr) | 1992-06-03 | 1993-06-02 | Procede de diagnostic d'un processus evolutif |
Country Status (8)
Country | Link |
---|---|
US (1) | US5511004A (fr) |
EP (1) | EP0573357B1 (fr) |
CA (1) | CA2114634A1 (fr) |
DE (1) | DE69324296T2 (fr) |
ES (1) | ES2131563T3 (fr) |
FI (1) | FI940487A0 (fr) |
FR (1) | FR2692037B1 (fr) |
WO (1) | WO1993024808A1 (fr) |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2713791B1 (fr) * | 1993-12-14 | 1996-02-02 | Aerospatiale | Procédé et dispositif pour détecter des incohérences d'opérations dans un système à phases de fonctionnement multiples. |
EP0695441A1 (fr) * | 1994-02-24 | 1996-02-07 | Energy Management Team AG | Procede et dispositif permettant de traiter des variables mesurees |
JPH08249008A (ja) * | 1995-03-09 | 1996-09-27 | Toyota Motor Corp | 等価回路参照型制御装置と制御方法 |
US7630861B2 (en) * | 1996-03-28 | 2009-12-08 | Rosemount Inc. | Dedicated process diagnostic device |
US8290721B2 (en) | 1996-03-28 | 2012-10-16 | Rosemount Inc. | Flow measurement diagnostics |
US6539267B1 (en) | 1996-03-28 | 2003-03-25 | Rosemount Inc. | Device in a process system for determining statistical parameter |
US6017143A (en) | 1996-03-28 | 2000-01-25 | Rosemount Inc. | Device in a process system for detecting events |
US7949495B2 (en) * | 1996-03-28 | 2011-05-24 | Rosemount, Inc. | Process variable transmitter with diagnostics |
US6654697B1 (en) | 1996-03-28 | 2003-11-25 | Rosemount Inc. | Flow measurement with diagnostics |
US7254518B2 (en) * | 1996-03-28 | 2007-08-07 | Rosemount Inc. | Pressure transmitter with diagnostics |
US6021369A (en) * | 1996-06-27 | 2000-02-01 | Yamaha Hatsudoki Kabushiki Kaisha | Integrated controlling system |
US6601005B1 (en) | 1996-11-07 | 2003-07-29 | Rosemount Inc. | Process device diagnostics using process variable sensor signal |
US5956663A (en) * | 1996-11-07 | 1999-09-21 | Rosemount, Inc. | Signal processing technique which separates signal components in a sensor for sensor diagnostics |
US6519546B1 (en) | 1996-11-07 | 2003-02-11 | Rosemount Inc. | Auto correcting temperature transmitter with resistance based sensor |
US6449574B1 (en) | 1996-11-07 | 2002-09-10 | Micro Motion, Inc. | Resistance based process control device diagnostics |
US6434504B1 (en) | 1996-11-07 | 2002-08-13 | Rosemount Inc. | Resistance based process control device diagnostics |
US6754601B1 (en) | 1996-11-07 | 2004-06-22 | Rosemount Inc. | Diagnostics for resistive elements of process devices |
US5905989A (en) * | 1996-11-27 | 1999-05-18 | Bently Nevada Corporation | Knowledge manager relying on a hierarchical default expert system: apparatus and method |
DE69714606T9 (de) * | 1996-12-31 | 2004-09-09 | Rosemount Inc., Eden Prairie | Vorrichtung zur überprüfung eines von einer anlage kommenden steuersignals in einer prozesssteuerung |
DE69818494T2 (de) | 1997-10-13 | 2004-07-01 | Rosemount Inc., Eden Prairie | Übertragungsmethode für Feldvorrichtungen in industriellen Prozessen |
IT1305668B1 (it) * | 1998-03-16 | 2001-05-15 | Electrolux Zanussi Elettrodome | Metodo per il collaudo funzionale rapido di apparecchirefrigeranti |
EP1088211B1 (fr) | 1998-04-17 | 2003-06-25 | Siemens Aktiengesellschaft | Systeme et procede de diagnostic acoustique |
US6615149B1 (en) | 1998-12-10 | 2003-09-02 | Rosemount Inc. | Spectral diagnostics in a magnetic flow meter |
US6611775B1 (en) | 1998-12-10 | 2003-08-26 | Rosemount Inc. | Electrode leakage diagnostics in a magnetic flow meter |
US6298454B1 (en) | 1999-02-22 | 2001-10-02 | Fisher-Rosemount Systems, Inc. | Diagnostics in a process control system |
US8044793B2 (en) | 2001-03-01 | 2011-10-25 | Fisher-Rosemount Systems, Inc. | Integrated device alerts in a process control system |
US7562135B2 (en) * | 2000-05-23 | 2009-07-14 | Fisher-Rosemount Systems, Inc. | Enhanced fieldbus device alerts in a process control system |
US6633782B1 (en) | 1999-02-22 | 2003-10-14 | Fisher-Rosemount Systems, Inc. | Diagnostic expert in a process control system |
US7206646B2 (en) * | 1999-02-22 | 2007-04-17 | Fisher-Rosemount Systems, Inc. | Method and apparatus for performing a function in a plant using process performance monitoring with process equipment monitoring and control |
US6356191B1 (en) | 1999-06-17 | 2002-03-12 | Rosemount Inc. | Error compensation for a process fluid temperature transmitter |
US7010459B2 (en) * | 1999-06-25 | 2006-03-07 | Rosemount Inc. | Process device diagnostics using process variable sensor signal |
DE60014709T3 (de) | 1999-07-01 | 2010-04-15 | Rosemount Inc., Eden Prairie | Zweidraht-sender mit selbstprüfung und niedriger leistung |
US6505517B1 (en) | 1999-07-23 | 2003-01-14 | Rosemount Inc. | High accuracy signal processing for magnetic flowmeter |
US6701274B1 (en) | 1999-08-27 | 2004-03-02 | Rosemount Inc. | Prediction of error magnitude in a pressure transmitter |
US6556145B1 (en) | 1999-09-24 | 2003-04-29 | Rosemount Inc. | Two-wire fluid temperature transmitter with thermocouple diagnostics |
US6934696B1 (en) | 2000-09-15 | 2005-08-23 | Bently Nevada, Llc | Custom rule system and method for expert systems |
US6735484B1 (en) | 2000-09-20 | 2004-05-11 | Fargo Electronics, Inc. | Printer with a process diagnostics system for detecting events |
US20060136142A1 (en) * | 2000-11-02 | 2006-06-22 | Kurt Berlin | Systems, methods and computer program products for guiding selection of a therapeutic treatment regimen based on the methylation status of the DNA |
US6885975B2 (en) * | 2000-11-14 | 2005-04-26 | Rajagopalan Srinivasan | Method and apparatus for managing process transitions |
WO2002071171A2 (fr) * | 2001-03-01 | 2002-09-12 | Fisher-Rosemount Systems, Inc. | Generation et localisation automatiques de commande de travail/commande de pieces |
WO2002071173A2 (fr) * | 2001-03-01 | 2002-09-12 | Fisher-Rosemount Systems, Inc. | Partage de donnees dans une installation de traitement |
US7720727B2 (en) | 2001-03-01 | 2010-05-18 | Fisher-Rosemount Systems, Inc. | Economic calculations in process control system |
US8073967B2 (en) | 2002-04-15 | 2011-12-06 | Fisher-Rosemount Systems, Inc. | Web services-based communications for use with process control systems |
US6629059B2 (en) | 2001-05-14 | 2003-09-30 | Fisher-Rosemount Systems, Inc. | Hand held diagnostic and communication device with automatic bus detection |
US6772036B2 (en) | 2001-08-30 | 2004-08-03 | Fisher-Rosemount Systems, Inc. | Control system using process model |
DE10163569A1 (de) * | 2001-12-21 | 2003-11-06 | Endress & Hauser Gmbh & Co Kg | Verfahren zur Bestimmung und/oder Überwachung einer physikalischen oder chemischen Prozeßgröße |
US6990431B2 (en) * | 2003-06-23 | 2006-01-24 | Municipal And Industrial Data Labs, Inc. | System and software to monitor cyclic equipment efficiency and related methods |
US7018800B2 (en) * | 2003-08-07 | 2006-03-28 | Rosemount Inc. | Process device with quiescent current diagnostics |
US7627441B2 (en) * | 2003-09-30 | 2009-12-01 | Rosemount Inc. | Process device with vibration based diagnostics |
US7523667B2 (en) * | 2003-12-23 | 2009-04-28 | Rosemount Inc. | Diagnostics of impulse piping in an industrial process |
US9201420B2 (en) | 2005-04-08 | 2015-12-01 | Rosemount, Inc. | Method and apparatus for performing a function in a process plant using monitoring data with criticality evaluation data |
US8005647B2 (en) | 2005-04-08 | 2011-08-23 | Rosemount, Inc. | Method and apparatus for monitoring and performing corrective measures in a process plant using monitoring data with corrective measures data |
US8112565B2 (en) * | 2005-06-08 | 2012-02-07 | Fisher-Rosemount Systems, Inc. | Multi-protocol field device interface with automatic bus detection |
US7272531B2 (en) * | 2005-09-20 | 2007-09-18 | Fisher-Rosemount Systems, Inc. | Aggregation of asset use indices within a process plant |
US20070068225A1 (en) | 2005-09-29 | 2007-03-29 | Brown Gregory C | Leak detector for process valve |
US7953501B2 (en) | 2006-09-25 | 2011-05-31 | Fisher-Rosemount Systems, Inc. | Industrial process control loop monitor |
US8788070B2 (en) * | 2006-09-26 | 2014-07-22 | Rosemount Inc. | Automatic field device service adviser |
JP2010505121A (ja) | 2006-09-29 | 2010-02-18 | ローズマウント インコーポレイテッド | 検証を備える磁気流量計 |
CA2695450C (fr) * | 2007-08-03 | 2016-10-18 | Smartsignal Corporation | Approche par classification des approximations pour la concordance de motifs de defaillance |
US8898036B2 (en) | 2007-08-06 | 2014-11-25 | Rosemount Inc. | Process variable transmitter with acceleration sensor |
US8301676B2 (en) | 2007-08-23 | 2012-10-30 | Fisher-Rosemount Systems, Inc. | Field device with capability of calculating digital filter coefficients |
US7702401B2 (en) | 2007-09-05 | 2010-04-20 | Fisher-Rosemount Systems, Inc. | System for preserving and displaying process control data associated with an abnormal situation |
US7590511B2 (en) * | 2007-09-25 | 2009-09-15 | Rosemount Inc. | Field device for digital process control loop diagnostics |
US8055479B2 (en) | 2007-10-10 | 2011-11-08 | Fisher-Rosemount Systems, Inc. | Simplified algorithm for abnormal situation prevention in load following applications including plugged line diagnostics in a dynamic process |
EP2246984B1 (fr) * | 2009-04-28 | 2013-07-03 | VEGA Grieshaber KG | Appareil de diagnostic destinée au contrôle d'un appareil de conversion analogique-numérique |
US7921734B2 (en) * | 2009-05-12 | 2011-04-12 | Rosemount Inc. | System to detect poor process ground connections |
DE102010004745B4 (de) | 2010-01-14 | 2013-10-10 | Phoenix Contact Gmbh & Co. Kg | Verfahren, elektronisches Bauteil und System zur Diagnose von Kommunikationsverbindungen |
US9207670B2 (en) | 2011-03-21 | 2015-12-08 | Rosemount Inc. | Degrading sensor detection implemented within a transmitter |
US9927788B2 (en) | 2011-05-19 | 2018-03-27 | Fisher-Rosemount Systems, Inc. | Software lockout coordination between a process control system and an asset management system |
FR2978577B1 (fr) | 2011-07-26 | 2020-04-03 | Ip Leanware | Dispositif et procede de diagnostic d'un processus industriel evolutif |
US9052240B2 (en) | 2012-06-29 | 2015-06-09 | Rosemount Inc. | Industrial process temperature transmitter with sensor stress diagnostics |
US9207129B2 (en) | 2012-09-27 | 2015-12-08 | Rosemount Inc. | Process variable transmitter with EMF detection and correction |
US9602122B2 (en) | 2012-09-28 | 2017-03-21 | Rosemount Inc. | Process variable measurement noise diagnostic |
DE102013220914B4 (de) * | 2013-10-15 | 2016-07-21 | Conti Temic Microelectronic Gmbh | Verfahren und System zur Positionsbestimmung in einem Verstellsystem |
DE102014108685A1 (de) * | 2014-06-20 | 2015-12-24 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren und Vorrichtung zur Entgleisungserkennung |
RU2707423C2 (ru) * | 2018-04-28 | 2019-11-26 | Общество С Ограниченной Ответственностью "Кловер Групп" | Способ и система для диагностирования промышленного объекта |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4644479A (en) * | 1984-07-31 | 1987-02-17 | Westinghouse Electric Corp. | Diagnostic apparatus |
US4939648A (en) * | 1987-12-02 | 1990-07-03 | Schlumberger Technology Corporation | Apparatus and method for monitoring well logging information |
US5132920A (en) * | 1988-02-16 | 1992-07-21 | Westinghouse Electric Corp. | Automated system to prioritize repair of plant equipment |
US5070468A (en) * | 1988-07-20 | 1991-12-03 | Mitsubishi Jukogyo Kabushiki Kaisha | Plant fault diagnosis system |
DE68926638T2 (de) * | 1988-07-20 | 1996-11-14 | Mitsubishi Heavy Ind Ltd | Fehlerdiagnosesystem für Anlagen |
US5099436A (en) * | 1988-11-03 | 1992-03-24 | Allied-Signal Inc. | Methods and apparatus for performing system fault diagnosis |
US4933882A (en) * | 1988-11-04 | 1990-06-12 | United Technologies Corporation | Regime recognition |
US5009833A (en) * | 1989-01-11 | 1991-04-23 | Westinghouse Electric Corp. | Expert system for surveillance, diagnosis and prognosis of plant operation |
DE69011966T2 (de) * | 1989-06-07 | 1995-03-02 | Canon Kk | Bilderzeugungsgerät. |
JP2502385B2 (ja) * | 1989-09-06 | 1996-05-29 | 株式会社日立製作所 | 内燃機関の燃料量及び点火時期制御方法および装置 |
US5089978A (en) * | 1990-02-09 | 1992-02-18 | Westinghouse Electric Corp. | Automatic plant state diagnosis system including a display selection system for selecting displays responsive to the diagnosis |
US5161110A (en) * | 1990-02-27 | 1992-11-03 | Atlantic Richfield Company | Hierarchical process control system and method |
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
US5357449A (en) * | 1991-04-26 | 1994-10-18 | Texas Instruments Incorporated | Combining estimates using fuzzy sets |
US5285376A (en) * | 1991-10-24 | 1994-02-08 | Allen-Bradley Company, Inc. | Fuzzy logic ladder diagram program for a machine or process controller |
US5351200A (en) * | 1991-11-22 | 1994-09-27 | Westinghouse Electric Corporation | Process facility monitor using fuzzy logic |
-
1992
- 1992-06-03 FR FR9206708A patent/FR2692037B1/fr not_active Expired - Fee Related
-
1993
- 1993-06-02 ES ES93401412T patent/ES2131563T3/es not_active Expired - Lifetime
- 1993-06-02 DE DE69324296T patent/DE69324296T2/de not_active Expired - Fee Related
- 1993-06-02 US US08/182,153 patent/US5511004A/en not_active Expired - Fee Related
- 1993-06-02 EP EP93401412A patent/EP0573357B1/fr not_active Expired - Lifetime
- 1993-06-02 CA CA002114634A patent/CA2114634A1/fr not_active Abandoned
- 1993-06-02 WO PCT/FR1993/000527 patent/WO1993024808A1/fr active Application Filing
-
1994
- 1994-02-02 FI FI940487A patent/FI940487A0/fi unknown
Also Published As
Publication number | Publication date |
---|---|
FR2692037B1 (fr) | 1997-08-08 |
FR2692037A1 (fr) | 1993-12-10 |
US5511004A (en) | 1996-04-23 |
WO1993024808A1 (fr) | 1993-12-09 |
EP0573357B1 (fr) | 1999-04-07 |
DE69324296D1 (de) | 1999-05-12 |
FI940487A (fi) | 1994-02-02 |
ES2131563T3 (es) | 1999-08-01 |
EP0573357A1 (fr) | 1993-12-08 |
FI940487A0 (fi) | 1994-02-02 |
DE69324296T2 (de) | 1999-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2114634A1 (fr) | Procede de diagnostic d'un processus evolutif | |
US11162837B2 (en) | Detecting faults in rotor driven equipment | |
Bafroui et al. | Application of wavelet energy and Shannon entropy for feature extraction in gearbox fault detection under varying speed conditions | |
Asr et al. | Diagnosis of combined faults in Rotary Machinery by Non-Naive Bayesian approach | |
Shen et al. | Fault diagnosis of rotating machinery based on the statistical parameters of wavelet packet paving and a generic support vector regressive classifier | |
US20170293862A1 (en) | Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device | |
Olsson et al. | Fault diagnosis in industry using sensor readings and case-based reasoning | |
Wang et al. | Sensor fusion for online tool condition monitoring in milling | |
JP2018119924A (ja) | 診断装置 | |
FR2714750A1 (fr) | Système et procédé de diagnostic de défaut de machine. | |
FR2783620A1 (fr) | Procede et systeme multidimensionnel de maitrise statistique des processus | |
CN109909803A (zh) | 一种机床主轴异常检测方法 | |
US11544554B2 (en) | Additional learning method for deterioration diagnosis system | |
US20240069539A1 (en) | Sensor-agnostic mechanical machine fault identification | |
US11487640B2 (en) | Replacing stair-stepped values in time-series sensor signals with inferential values to facilitate prognostic-surveillance operations | |
US20220004163A1 (en) | Apparatus for predicting equipment damage | |
CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
JP2002090266A (ja) | 余寿命予測装置 | |
US11341395B2 (en) | Device and method for determining the status of a spindle of a machine tool | |
Geramifard et al. | Continuous health assessment using a single hidden Markov model | |
Liu et al. | A sudden fault detection network based on Time-sensitive gated recurrent units for bearings | |
WO2024014070A1 (fr) | Procédé d'inférence, dispositif d'inférence et programme informatique | |
CN117270514B (zh) | 基于工业物联网的生产过程全流程故障检测方法 | |
Kocijan et al. | Prognosis of gear health using Gaussian process model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FZDE | Discontinued |