介质变量和测量变量的测量设备测量精度的预测监控方法技术

本公开涉及介质变量和测量变量的测量设备测量精度的预测监控方法。介质位于设施的容器中，设施独立于测量值操作且其操作包括重复出现的特定操作阶段，期间测量的测量值的特性与在其他时间段测量的测量值区分，当设施正确操作且测量设备符合指定测量精度时，特性符合参考特性。方法包括：在设施操作期间连续记录包括测量值的数据；基于包括在数据中的训练数据确定标识在一个特定操作阶段期间测量的数据集的分类方法；执行分类方法并基于标识的数据集确定指示测量值特性的至少一个性质与参考特性的参考性质的符合程度的符合指示符的时间序列；基于时间序列至少一次确定直到符合程度下降到低于预定最小符合程度的剩余时间；提供通知剩余时间的输出。提供通知剩余时间的输出。提供通知剩余时间的输出。

【技术实现步骤摘要】
介质变量和测量变量的测量设备测量精度的预测监控方法


[0001]本专利技术涉及一种用于预测监控位于设施的容器中的介质的变量以及在设施的操作期间测量这个变量的测量设备的测量精度的方法。

技术介绍

[0002]测量位于容器(例如罐或管道)内部的介质的变量的测量设备用于各种类型的设施，例如重复执行预定间歇过程的设施、工业工厂的设施(例如执行生产过程的生产工厂、化工厂的设施、被设计用于执行生物技术过程的生物技术工厂的设施)和实验室设施。应用于这些应用中的测量设备包括各种类型的设备(例如测量容器中的介质的液位的液位测量设备、测量流过管道的介质的流量的流量计、测量介质的温度的温度测量设备、测量介质的压力的压力测量设备)、以及测量设备，例如测量介质的pH值或介质中所含分析物的浓度的电流测量设备、电位测量设备、光度测量设备或光谱测量设备。
[0003]在许多设施中，过程自动化的方法被应用于基于由测量相应目的所需的参数的测量仪器提供的测量结果来监控、调整和/或控制设施的操作。这些测量仪器包括提供应用于调整和/或控制设施的操作的测量结果的测量仪器，以及提供既不是用于调整也不是用于控制设施的操作的测量值的测量仪器。在下文中，术语测量仪器被用作提供测量结果的任何仪器的通用术语，并且提供测量值的测量仪器子组(其既不用于调整也不用于控制设施的操作)被称为测量设备。测量设备的示例是例如应用于监控由它们测量的变量的测量设备，以及应用于确认介质(例如由设施上生产的中间或最终产品给出的介质)的变量符合特定要求的测量设备。因此，即使这些测量设备既不应用于调整也不应用于控制设施的操作，它们仍然发挥着重要的作用，例如在监测设施的操作方面和/或在确保和/或确认遵守预定的质量标准方面。因此，测量设备不符合所指定的测量精度可能具有严重后果，范围从受损的生产过程、生产和/或销售不合格产品到对人和/或环境的潜在危害。
[0004]测量仪器(包括测量设备)的测量性质(特别是测量精度)随着时间而变化，例如由于老化和/或由于测量仪器暴露于恶劣状况。为了确保测量仪器的正常操作，它们被定期校准并且随后维修、调节或更换，以防在校准期间发现它们不再符合针对它们指定的测量精度。在校准期间，例如，当在校准期间确定的测量仪器的测量误差超过最大允许误差时，确定不符合。
[0005]校准不仅耗费时间和成本高，而且通常需要将测量仪器从过程中移除。例如，包括由H+离子选择性膜封闭的测量室的pH测量仪器的校准通常需要将测量室浸入参考溶液(例如缓冲溶液)中，使得膜的外表面暴露于参考溶液。在某些应用中，移除测量仪器需要中断设施的操作。这对于设施(例如执行化学或生物技术方法或过程的设施)尤其不利，在这些设施中必须确保高标准的卫生甚至无菌。即使校准不需要中断设施的操作，它仍然导致问题，即测量仪器在其被校准的同时无法在设施处进行测量。
[0006]因此，期望将校准的数量减少到确保设施的安全操作以及充分遵守关于由设施执行的任务的以及关于通过执行任务产生的任何中间产品或最终产品的质量标准所需的最
小值。不幸的是，由于影响测量仪器的测量性质的多种影响因素，通常不可能可靠地预测测量仪器的测量性质将下降如此之多以至于由测量仪器提供的测量结果的测量误差超过最大允许误差的未来某个时间点。因此，为了安全起见，由于测量仪器的真实状况，校准通常比可能需要的更频繁地被执行。
[0007]为了改善这种情况，可以优化连续校准之间的校准时间间隔。在这种背景下，EP 2 602 680 B1描述了一种确定特定的测量仪器需要重新校准的优化的下一校准时间的方法。这个下一校准时间是基于蒙特卡罗模拟来确定的，该蒙特卡罗模拟基于在至少两个先前执行的校准期间确定的测量仪器的测量误差和用于确定仅由于相应校准固有的不确定性而导致的相应校准方面的测量误差的概率密度函数来执行。然而，这个方法确实需要两个先前执行的校准以及校准固有的不确定性，这可能并不总是可用的。
[0008]作为替代性方案，可以执行在测量仪器保持在测量位点的同时使得能够对测量变量的测量仪器执行验证、校准和/或调节的方法。示例例如在DE 102018109696 A1中描述。这些方法基于由附加测量仪器执行的变量的参考测量。因此，它们导致了在提供附加测量仪器、执行参考测量以及确保附加测量仪器的足够高的测量精度时涉及的额外的成本和工作量。
[0009]进一步，于2020年4月8日提交的欧洲专利申请号20168733.2中描述了一种操作在操作位点测量变量的测量仪器并且预测监控测量仪器的至少一个特性符合为测量仪器指定的要求的方法。这个方法基于由测量仪器确定的测量值和相对应的参考值之间的连续监控偏差来执行。基于偏差，基于时间序列预测的方法确定直到偏差将超过为偏差定义的偏差范围剩余的剩余时间。因为这种方法是基于被监控的变量和相对应参考值之间的偏差来执行的，所以它只能在相对应的参考值可用时得以应用。

技术实现思路

[0010]本专利技术的目的是提供一种预测监控方法，该方法能够在设施的操作期间监控由测量设备测量的变量和测量设备的测量精度两者，并且不需要变量的参考测量。
[0011]就此而言，本专利技术包括一种预测监控位于设施的容器中的介质的变量以及在设施的操作期间测量这个变量并提供这个变量的测量值的测量设备的测量精度的方法，特别是一种计算机实施的方法，其中设施独立于测量值操作，并且其中设施的操作包括重复出现的特定操作阶段，其中在特定操作阶段期间测量的测量值展现出将这些测量值与在其他时间段期间测量的测量值区分开的特性，并且其中当设施正确操作并且测量设备在相应的特定操作阶段期间符合指定的测量精度时，该特性符合参考特性，这个方法包括以下步骤：
[0012]在设施处安装测量设备；
[0013]在设施操作期间，连续记录数据，包括由测量设备测量的测量值及其测量时间；
[0014]基于已经在训练时间间隔期间记录的包括在这个数据中的训练数据，确定能够标识所记录的数据中包括的各自在特定操作阶段中的一个期间已经被测量的数据集的分类方法，在训练时间间隔期间设施正确操作并且在训练时间间隔期间测量设备符合所指定的测量精度；
[0015]执行分类方法并且基于由分类方法标识的数据集，确定指示包括在数据集中的测量值的特性的至少一个性质与参考特性的相对应的参考性质的符合程度的符合指示符的
时间序列；
[0016]基于时间序列至少一次确定直到由将基于在特定操作阶段的未来出现期间要测量的测量值确定的符合指示符所指示的符合程度将下降到预定的最小符合程度以下剩余的剩余时间；以及
[0017]提供通知剩余时间的输出。
[0018]这种方法提供了这样的优点，即，它可以在设施的操作期间执行，由测量设备测量的测量值在方法的执行期间可用，并且它不需要变量的参考测量。
[0019]进一步，在前提条件下，该设施的操作包括重复出现的特定操作阶段，其中在特定操作阶段期间测量的测量值展现出足够有区别的特性，该方法提供这样的优点，即，特定操作阶段的标识、特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种介质(5)的变量和测量设备(3)的测量精度的预测监控方法，特别是一种计算机实施的方法，所述介质(5)位于设施的容器(1)中，所述测量设备(3)在所述设施的操作期间测量所述变量并提供所述变量的测量值(m(ti))，其中所述设施独立于所述测量值(m(ti))操作，并且其中所述设施的操作包括重复出现的特定操作阶段(Ps)，其中在所述特定操作阶段(Ps)期间测量的测量值(m(ti))展现出将这些测量值(m(ti))与在其他时间段期间测量的测量值(m(ti))区分开的特性(C)，并且其中当所述设施正确操作并且所述测量设备(3)在相应的特定操作阶段(Ps)期间符合指定的测量精度时，所述特性(C)符合参考特性(Cr)，所述方法包括以下步骤：在所述设施处安装所述测量设备(3)；在所述设施的操作期间，连续记录数据(D)，所述数据(D)包括由所述测量设备(3)测量的测量值(m(ti))和它们的测量时间(ti)；基于包括在该数据(D)中的训练数据，确定能够标识所述记录的数据(D)中包括的数据集(S)的分类方法，所述训练数据已经在训练时间间隔(TI)期间被记录，在所述训练时间间隔(TI)期间，所述设施正确操作，并且在所述训练时间间隔期间，所述测量设备(3)符合所指定的测量精度，所述数据集(S)已经各自在所述特定操作阶段(Ps)中的一个期间被测量；执行所述分类方法，并且基于由所述分类方法标识的数据集(S)，确定符合指示符(I)的时间序列(ts)，所述符合指示符(I)指示包括在所述数据集(S)中的测量值(m(ti))的特性(C)的至少一个性质与所述参考特性(Cr)的相对应的参考性质的符合程度；基于所述时间序列(ts)至少一次确定直到由基于将在所述特定操作阶段(Ps)的未来出现期间要测量的测量值(m(ti))确定的符合指示符(I)所指示的符合程度将下降到预定的最小符合程度(Imin)以下剩余的剩余时间(RT)；以及提供通知所述剩余时间(RT)的输出。2.根据权利要求1所述的方法，其中所述特定操作阶段(Ps)是基于关于所述设施的操作的可用的信息预先确定的，或者是基于所述训练数据标识的；和/或所述特定操作阶段(Ps)是：a)在预定间歇过程的每次执行期间出现的操作阶段，其中所述间歇过程在所述设施的操作期间在所述设施上或由所述设施重复执行；b)所述变量应等于常数(K)的操作阶段；c)清洁阶段(Pc)，其中在每个清洁阶段(Pc)期间由所述测量设备(3)测量的所述介质(5)的所述变量是在每个清洁阶段(Pc)期间应用以清洁所述容器(1)的相同清洁剂的变量，或者d)空阶段(Pe)，其中由所述测量设备(3)测量的所述介质(5)的所述变量是在每个空阶段(Pe)期间包括在空容器(1)中的气体或空气的变量。3.根据权利要求1至2所述的方法，其中：所述特性(C)基于所述训练数据和所述参考特性(Cr)中的至少一个来确定，和/或包括所述测量值(m(ti))的至少一个性质，所述性质包括以下中的至少一个：测量值(m(ti))的值；测量值(m(ti))的斜率；能够通过将所述测量值(m(ti))拟合到时间的函数(f(t))确定的至少一个拟合系数以及描述在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的一个
或多个系数的集合；测量值(m(ti))出现在其中的值范围；测量值(m(ti))的分布；由测量值(m(ti))描述的模式；对应于用于在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的模型、确定性模型、统计模型或包括确定性模型分量和统计模型分量的混合模型的模型性质的至少一个性质，以及至少一个其他性质；以及所述参考特性(Cr)是基于所述训练数据确定的和/或包括用于所述特性(C)的每个性质的参考性质，其中所述参考性质代表在所述特定操作阶段(Ps)中的一个期间测量的测量值(m(ti))，同时所述设施正确操作并且所述测量设备(3)符合所指定的测量精度，所述参考性质包括以下中的至少一个：用于测量值(m(ti))的参考值(Kr)、参考斜率、一个或多个参考系数的集合、参考模式、参考分布、用于至少一个模型性质的参考性质以及在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的将预期的至少一个其他参考性质。4.根据权利要求1至3所述的方法，其中：确定所述分类方法包括以下步骤：标识所述特定操作阶段(Ps)、基于所述训练数据标识所述特定操作阶段(Ps)、或者基于所述训练数据和基于关于所述设施的操作的可用的信息确定的特定操作阶段(Ps)的潜在候选来标识所述特定操作阶段(Ps)；基于为所述特定操作阶段(Ps)确定的分类标准来执行所述分类方法，所述分类标准包括以下中的至少一个：关于在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的将预期的值或值范围的至少一个标准、关于由在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的将预期的测量值(m(ti))所描述的模式的至少一个标准、关于在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的将预期的测量值(m(ti))的分布的至少一个标准、与所述测量值(m(ti))的包括在所述特性(C)中的至少一个性质和包括在所述参考特性(Cr)中的相对应的参考性质的符合程度相关的至少一个标准、与用于在所述特定操作阶段(Ps)期间测量的测量值(m(ti))的模型的模型性质相关的至少一个标准以及至少一个其他标准，和/或通过执行以下中的至少一个确定包括在所述数据(D)中并满足应用于标识所述数据集(S)的分类标准的数据集(S)：相关分析、模式识别方法、自相关分析和能够标识满足所述分类标准的数据集(S)的至少一种其他数据分析方法。5.根据权利要求1至4所述的方法，包括以下步骤：标识所述训练数据的子集的至少一个群组(Gj)，其中每个子集由在子集时间间隔期间测量的数据组成，并且其中属于相同群组(Gj)的子集展现出大于或等于所述子集被认为属于所述相同群组(Gj)所需的最小相似度的相似度，其中标识子集的至少一个群组(Gj)通过执行以下中的至少一项来执行：相关性分析、模式识别方法、自相关分析和能够标识代表所述相同操作阶段的子集的至少一种其他数据分析方法；对于所述群组(Gj)中的至少一个，将包括在相应群组(Gj)中的子集应用为代表相同操作阶段的参考集；将所述操作阶段中的已经针对其确定了参考集的一个操作阶段确定为所述特定操作阶段(Ps)，基于代表所述特定操作阶段(Ps)的参考集确定所述特性(C)和所述参考特性(Cr)，以及基于用于所述特定操作阶段(Ps)的参考集，确定用于标识包括在所述记录的数据(D)
中的数据集(S)的分类方法和分类标准中的至少一个。6.根据权利要求5所述的方法，其中已经确定了用于至少两个不同操作阶段的参考集，该方法包括以下步骤中的至少一个：将所述特定操作阶段(Ps)确定为这些不同操作阶段中的具有比至少一个其它操作阶段更长的持续时间和/或更高的出现频率的、已经针对其确定了参考集的一个操作阶段，以及确定所述特定操作阶段(Ps)，使得用于所述特定操作阶段(Ps)的参考集具有比针对至少一个其他操作阶段确定的参考集更高的相似度。7.根据权利要求1至6所述的方法，其中：通过针对由所述分类方法标识的每个数据集(S)，确定所述符合指示符(I)中的一个等于由包括在相应数据集(S)中的测量值(m(ti))所展现出的整个特性(C)和整个参考特性(Cr)的相似度的定量度量，来确定所述时间序列(ts)；或者其中：所述符合指示符(I)指示所述特性(C)的性质中的一个与所述相对应的参考性质的符合程度，并且所述时间序列(ts)的每个符合指示符(I)由包括在所述数据集(S)中的一个中的测量值(m(ti))的该性质给出；或者其中：a)所述特定操作阶段(Ps)操作阶段，其中该操作阶段的每次出现期间，所述变量应该等于相同的常数(K)，b)所述符合指示符(I)由包括在所述数据集(S)中的测量值(m(ti))给出；以及c)当各自由所述测量值(m(ti))中的一个给出的符合指示符(I)超过包括所述参考特性(Cr)中包括的用于常数(K)的目标值或用于常数(K)的参考常数(Kr)的指示符值范围(ΔK)时，所述符合指示符下降到所述最小符合程度(Imin)以下；或者其中：a)所述特定操作阶段(Ps)...

【专利技术属性】
技术研发人员：迪米特里，
申请(专利权)人：恩德莱斯和豪斯集团服务股份公司，
类型：发明
国别省市：