DETECCIÓN DE EVENTOS ANÓMALOS UTILIZANDO ANÁLISIS DE COMPONENTES PRINCIPALES.

Un sistema de control de procesos para detectar eventos anómalos en un proceso con una o más variables independientes y una o más variables dependientes,

sistema que comprende medios (14 a 21) para medir valores de dichas una o más variables independientes y dependientes, un medio (22) de control de procesos que comprende un modelo predictivo para calcular valores previstos (28 a 31) de dichas una o más variables dependientes a partir de los valores medidos de dicha una o más variables independientes, un medio (23) de cálculo de valores residuales para dichas una o más variables dependientes a partir la diferencia entre los valores previstos y medidos de dichas una o más variables dependientes, y un medio (23) para llevar a cabo un análisis de componentes principales sobre los valores residuales, en el que el medio (22) de control de procesos es un medio de control predictivo multivariable y el análisis de componentes principales tiene como resultado la entrega de uno o más valores de puntuaciones, valores T 2 y valores Q, identificándose un evento anómalo a partir de uno o más de los mismos, caracterizado porque las contribuciones de variable Q o T 2 (109, 108) de un punto de datos (107) asociado con un evento anómalo, se comparan con una base de datos de contribuciones de variable Q o T 2 asociadas con eventos anómalos conocidos, con el objeto de identificar el comienzo de un evento anómalo conocido

Esta descripción se refiere al campo de la detección de eventos anómalos, específicamente a la utilización de métodos estadísticos de múltiples variables en la detección de eventos anómalos en un proceso.

En petroquímica y en los procesos de refinería, es importante la detección rápida y eficiente de desviaciones respecto al funcionamiento normal o ideal, para mantener la eficiencia de la producción. En un proceso típico, se establecen puntos de alarma para parámetros operativos importantes, tales como temperaturas, presiones y caudales en diversas partes del proceso, puntos de alarma que pueden visualizarse adecuadamente en un monitor de una unidad de control. Los puntos de alarma pueden ser utilizados para avisar a un operador a través de señales visuales y/o audibles, de manera que pueda adoptarse una intervención manual, si es necesario.

A menudo, los métodos de detección de fallos son de naturaleza univariante, en cuyo caso cada variable del proceso es analizada y controlada independientemente. However, Martin y otros, en IEE Proc. Control Theory Appl., 143(2), páginas 132 a 144 (1996), describen la utilización de métodos estadísticos de múltiples variables para la detección de eventos anómalos en un proceso. En un ejemplo, pueden obtenerse valores previstos de variables dependientes, llevando a cabo un análisis de mínimos cuadrados parciales (PLS, partial least squares) basado en los valores de las variables independientes. A continuación, se utilizan las diferencias entre los valores previstos a partir del análisis PLS y los valores medios de las variables dependientes, para destacar cualesquiera desviaciones respecto del comportamiento esperado u óptimo.

Asimismo, Wachs y Lewin, en “Dynamics and Control of Process Systems”, 1998 volumen 1, páginas 87 a 92 (Oxford), dan a conocer que, llevando a cabo un análisis de componentes principales sobre los valores residuales entre un modelo de primeros principios y un proceso simulado, es decir las diferencias entre los valores previstos y calculados de las variables dependientes, puede proporcionarse un medio preciso de identificación de cualesquiera desviaciones respecto del comportamiento esperado u óptimo, y asimismo de qué variables están involucradas en la desviación.

Sin embargo, un problema con dichos métodos es que para el análisis predictivo se requiere tanto una base de datos histórica de los datos de proceso, como un modelo desarrollado a partir de los principios, los cuales son laboriosos y costosos de desarrollar e implementar.

MacGregor y otros (Computers and Chemical Engineering, 29, 2005, 1217 a 223), dan a conocer métodos de variable latente basados en datos, para el análisis, la monitorización y el control de procesos.

De acuerdo con un primer aspecto de la presente exposición, se da a conocer un sistema de control de procesos para detectar eventos anómalos en un proceso con una o más variables independientes y una o más variables dependientes, sistema que comprende medios para medir valores de dichas una o más variables independientes y dependientes, un medio de control de procesos que comprende un modelo predictivo para calcular valores previstos de dichas una o más variables dependientes a partir de los valores medidos de dichas una o más variables independientes, un medio para calcular valores residuales de dichas una o más variables dependientes a partir de la diferencia entre los valores previstos y medidos de dichas una o más variables dependientes, y un medio para llevar a cabo un análisis de componentes principales sobre los valores residuales, en el que el medio de control de procesos es un medio de control predictivo multivariable.

De acuerdo con un segundo aspecto de la presente exposición, se da a conocer un método para detectar eventos anómalos en un proceso, proceso que comprende una o más variables independientes y una o más variables dependientes, método que implica la utilización de medios para medir valores de dichas una o más variables independientes y dependientes, y un medio de control de procesos que comprende un modelo predictivo para calcular valores previstos de dichas una o más variables dependientes a partir de los valores medidos de dichas una

o más variables independientes, comprendiendo el método medir valores de dichas una o más variables independientes y de dichas una o más variables dependientes, calcular valores previstos de dichas una o más variables dependientes a partir de los valores medidos de dichas una o más variables independientes, calcular valores residuales para dichas una o más variables dependientes a partir de las diferencias entre los valores previstos y medidos de dichas una o más variables dependientes, y llevar a cabo un análisis de componentes principales sobre los valores residuales, en el que el medio de control de procesos es un medio de control predictivo multivariable.

El medio de control predictivo multivariable (MPC, multivariable predictive control) tiene un modelo predictivo, el cual es capaz de predecir valores de dichas una o más variables dependientes a partir de los valores medidos de dichas uno más variables independientes. Puede controlar el proceso con capacidad de control predictivo, alterando variables independientes para llegar a los valores de las variables dependientes deseadas. El modelo predictivo puede asociarse adicionalmente con límites superiores e inferiores asignados, de las variables independientes y dependientes, para asegurar que el proceso funciona en el interior de un contorno operativo deseado, predeterminado. Habitualmente estos límites están en el interior de cualesquiera limites de activación o de alarma que pueden estar ya asociados con el medio de control de procesos. Habitualmente se utiliza una técnica de optimización de programación lineal para determinar qué variable o variables independientes variar, y en qué extensión, con el objeto de mantener el proceso en el interior del contorno predeterminado.

Una ventaja de utilizar un modelo predictivo MPC es que la detección de eventos anómalos puede basarse en un modelo existente, basado en el funcionamiento de la planta, en lugar de tener que desarrollar y crear un modelo partir de primeros principios, por ejemplo reuniendo y analizando una gran cantidad de datos de procesos reunidos históricamente.

Otra ventaja de un modelo predictivo MPC es que puede ser transferido. Por ejemplo, cuando el proceso es la destilación de petróleo crudo, un modelo predictivo desarrollado para una unidad de destilación de petróleo crudo puede ser transferido a una unidad de destilación de crudo diferente pero similar, que utiliza asimismo un medio MPC. Esto ahorra una cantidad sustancial de tiempo durante el arranque o la puesta en marcha, puesto que lleva menos tiempo adaptar un modelo existente para una nueva unidad que construir un modelo completamente nuevo.

Un ejemplo de un medio de MPC es un sistema de control dinámico matricial (DMC, dynamic matrix control), del cual se describe un ejemplo en el documento US 4 349 869. Los modelos generados por los sistemas DMC son adaptados y actualizados continuamente durante el funcionamiento normal del proceso, en el cual se introducen deliberadamente perturbaciones en el proceso variando una o más de las variables independientes durante el funcionamiento, y midiendo los efectos de dichas una o más variables dependientes. Se miden los efectos sobre las variables independientes, y el modelo predictivo es actualizado y adaptado correspondientemente. Esto puede ser ventajoso puesto que los valores previstos de las variables dependientes del proceso están basados en datos de funcionamiento recientes, y puede evitar la necesidad de mantenimiento manual de los modelos predictivos.

Puede aplicarse una corrección adicional a los valores previstos de las variables dependientes o a los valores residuales, para eliminar los efectos resultantes de discrepancias o desajustes entre los valores de las variables dependientes calculados por el modelo predictivo, y las variables dependientes medidas realmente durante el funcionamiento normal en ausencia del evento anómalo. Esto puede conseguirse utilizando, por ejemplo, una red neuronal o aplicando técnicas tales como análisis no lineal de mínimos cuadrados parciales o análisis dinámico de la correlación canónica. Teniendo en cuenta dicho desajuste, se reduce la probabilidad de falsa detección de eventos anómalos.

A menudo, los procesos pueden tener más de un modo de funcionamiento estable, y estos pueden ser muy diferentes dependiendo de la naturaleza... [Seguir leyendo]

1. Un sistema de control de procesos para detectar eventos anómalos en un proceso con una o más variables independientes y una o más variables dependientes, sistema que comprende medios (14 a 21) para medir valores de dichas una o más variables independientes y dependientes, un medio (22) de control de procesos que 5 comprende un modelo predictivo para calcular valores previstos (28 a 31) de dichas una o más variables dependientes a partir de los valores medidos de dicha una o más variables independientes, un medio (23) de cálculo de valores residuales para dichas una o más variables dependientes a partir la diferencia entre los valores previstos y medidos de dichas una o más variables dependientes, y un medio (23) para llevar a cabo un análisis de componentes principales sobre los valores residuales, en el que el medio (22) de control de procesos es un medio de control predictivo multivariable y el análisis de componentes principales tiene como resultado la entrega de uno o más valores de puntuaciones, valores T2 y valores Q, identificándose un evento anómalo a partir de uno o más de los mismos, caracterizado porque las contribuciones de variable Q o T2 (109, 108) de un punto de datos (107) asociado con un evento anómalo, se comparan con una base de datos de contribuciones de variable Q o T2 asociadas con eventos anómalos conocidos, con el objeto de identificar el comienzo de un evento anómalo conocido.

2. Un sistema como el reivindicado en la reivindicación 1, en el que el medio (22) de control de procesos es un sistema de control dinámico matricial.

3. Un sistema como el reivindicado en la reivindicación 1 o la reivindicación 2, que comprende adicionalmente un medio para aplicar una corrección a los valores previstos de una o más de las variables dependientes o de los residuos, para explicar el desajuste entre los valores previstos y los medidos de las variables dependientes en ausencia de un evento anómalo, en el que dicho medio es un ordenador programado.

4. Un sistema como el reivindicado en cualquiera de las reivindicaciones 1 a 3, en el que el medio para calcular los valores residuales y/o las medias para llevar a cabo un análisis de componentes principales sobre los valores residuales, es un ordenador programado (23).

25 5. Un sistema como el reivindicado en cualquiera de las reivindicaciones 1 a 4, en el que los resultados (24) del análisis de componentes principales son realimentados al medio (22) de control de procesos.

6. Un sistema como el reivindicado en la reivindicación 5, en el que la acción correctora asociada con un evento anómalo identificado es alimentada automáticamente al medio (22) de control de procesos.

7. Un sistema como el reivindicado en cualquiera de las reivindicaciones 1 a 6, en el que el medio (22) de control de procesos tiene más de un modelo predictivo para diferentes modos estables de funcionamiento del proceso.

8. Un sistema como el reivindicado en cualquiera de las reivindicaciones 1 a 7, en el que el proceso es un proceso de refinería.

9. Un sistema como el reivindicado en la reivindicación 8, en el que el proceso de refinería es la destilación de petróleo crudo.

35 10. Un método para detectar eventos anómalos en un proceso, proceso que comprende una o más variables independientes y una o más variables dependientes, medios (14 a 21) para medir valores de dichas una o más variables independientes y dependientes, y un medio (22) de control de procesos que comprende un modelo predictivo para calcular valores previstos (28 a 31) de dichas una o más variables dependientes, a partir de los valores medidos de dichas una o más variables independientes, método que comprende medir valores de dichas una o más variables independientes y de dichas una o más variables dependientes, calcular valores previstos (28 a 31) de dichas una o más variables dependientes a partir de los valores medidos de dichas una o más variables independientes, calcular valores de residuos para dichas una o más variables dependientes a partir de las diferencias entre los valores previstos y medidos de dichas una o más variables dependientes, y llevar a cabo un análisis de componentes principales sobre los valores de residuos, en el que el medio (22) de control de procesos es

45 un medio de control predictivo multivariable, y el análisis de componentes principales tiene como resultado la entrega de uno o más valores de puntuaciones, valores de T2 y valores de Q, identificándose un evento anómalo a partir de uno o más de los mismos, caracterizado porque las contribuciones de variable Q o T2 (109, 108) de un punto de datos (107) asociado con un evento anómalo, se comparan con una base de datos de contribuciones de variable Q o T2 asociadas con eventos anómalos conocidos, con el objeto de identificar el comienzo de un evento anómalo conocido.

11. Un método como el reivindicado en la reivindicación 10, en el que el proceso comprende un sistema de control de procesos como el reivindicado en cualquiera de las reivindicaciones 1 a 9.

12. Un método como el reivindicado en la reivindicación 10 o la reivindicación 11, en el que el proceso es un proceso de refinería.

13. Un método como el reivindicado en la reivindicación 12, en el que el evento anómalo está asociado con el punto de inflamación de una fracción (9 a 13) derivada de una torre (1) de destilación de petróleo crudo.

14. Un método como el reivindicado en la reivindicación 13, en el que la fracción es queroseno (10).