Проверка и согласование данных

Проверка и согласование данных промышленного процесса или, короче, проверка и согласование данных (DVR) - это технология, которая использует информацию о процессе и математические методы для автоматического обеспечения проверки данных и согласования путем корректировки измерений в промышленных процессах. Использование цифрового видеорегистратора позволяет извлекать точную и надежную информацию о состоянии промышленных процессов из необработанных данных измерений и дает единый согласованный набор данных, представляющих наиболее вероятную операцию процесса.

• 1 Модели, данные и ошибки измерений
  • 1.1 Типы ошибок
  • 1.2 Необходимость устранения ошибок измерения
• 2 История
• 3 Согласование данных
  • 3.1 Резервирование
    • 3.1. 1 Пример вычисляемых и невычисляемых систем
  • 3.2 Преимущества
• 4 Проверка данных
  • 4.1 Фильтрация данных
  • 4.2 Проверка результатов
  • 4.3 Обнаружение общих ошибок
• 5 Расширенная проверка и согласование данных
  • 5.1 Термодинамические модели
  • 5.2 Устранение серьезных ошибок
  • 5.3 Рабочий процесс
• 6 Приложения
• 7 См. Также
• 8 Ссылки

Промышленные процессы, например, химические или термодинамические процессы на химических заводах, нефтеперерабатывающих заводах, объектах добычи нефти или газа или электростанциях часто представлены двумя основными способами:

1. Модели, которые выражают общую структуру процессов,
2. Данные который отражает состояние процессов в данный момент времени.

Модели могут иметь разные уровни детализации, например, можно nвключайте простые массы или составные балансы сохранения или более продвинутые термодинамические модели, включая законы сохранения энергии. Математически модель может быть выражена нелинейной системой уравнений $F\; (y)\; =\; 0\; \{\backslash \; displaystyle\; F\; (y)\; =\; 0\; \backslash ,\}$в переменных $y\; =\; (y\; 1,\dots ,\; yn)\; \{\backslash \; displaystyle\; y\; =\; (y\_\; \{1\},\; \backslash \; ldots,\; y\_\; \{n\})\}$, который включает в себя все вышеупомянутые системные ограничения (например, масса или тепло уравновешиваются вокруг единицы). Переменной может быть температура или давление в определенном месте на заводе.

Типы ошибок

• Случайные и систематические ошибки
• 

  Нормально распределенные измерения без смещения.

• 

  Нормально распределенные измерения со смещением.

Данные обычно происходят из измерений, выполненных в разных местах на промышленной площадке, например, измерения температуры, давления, объемного расхода и т. Д. Чтобы понять основные принципы DVR, важно сначала осознать, что Измерения растений никогда не бывают правильными на 100%, т.е. исходные измерения $y\; \{\backslash \; displaystyle\; y\; \backslash ,\}$не являются решением нелинейной системы $F\; (y)\; =\; 0\; \{\backslash \; displaystyle\; F\; (\; у)\; =\; 0\; \backslash ,\; \backslash !\}$. При использовании измерений без коррекции для создания балансов завода обычно возникают неточности. Ошибки измерения можно разделить на два основных типа:

1. случайные ошибки из-за внутренней датчика точности и
2. систематические ошибки (или грубые ошибки) из-за калибровки датчика или неправильной передачи данных.

Случайные ошибки означает, что измерение $y\; \{\backslash \; displaystyle\; y\; \backslash ,\; \backslash !\}$- случайная величина со значением mean $y\; \ast \; \{\backslash \; displaystyle\; y\; ^\; \{*\}\; \backslash ,\; \backslash !\}$, где $y\; \ast \; \{\backslash \; displaystyle\; y\; ^\; \{*\}\; \backslash ,\; \backslash !\}$- истинное значение, которое обычно неизвестно. систематическая ошибка, с другой стороны, характеризуется измерением $y\; \{\backslash \; displaystyle\; y\; \backslash ,\; \backslash !\}$, которое является случайной величиной со средним средним $y\; ¯\; \{\backslash \; displaystyle\; \{\backslash \; bar\; \{y\}\}\; \backslash ,\; \backslash !\}$, что не равно истинному значению $y\; \ast \; \{\backslash \; displaystyle\; y\; ^\; \{*\}\; \backslash ,\; \}$. Для простоты получения и реализации оптимального решения для оценки и на основе аргументов, что ошибки являются суммой многих факторов (так что Центральная предельная теорема имеет некоторый эффект), согласование данных предполагает, что эти ошибки равны нормально распределенный.

К другим источникам ошибок при расчете балансов предприятия относятся технологические сбои, такие как утечки, немоделированные тепловые потери, неправильные физические свойства или другие физические параметры, используемые в уравнениях, а также неправильная структура, такая как немоделированные байпасные линии. Другие ошибки включают немоделированную динамику предприятия, такую ​​как изменения задержек, и другие нестабильности в работе предприятия, которые нарушают стационарные (алгебраические) модели. Дополнительные динамические ошибки возникают, когда измерения и образцы не берутся одновременно, особенно лабораторные анализы.

Обычная практика использования средних значений по времени для ввода данных частично снижает динамические проблемы. Однако это не полностью устраняет несоответствия по времени для нечасто отбираемых данных, таких как лабораторные анализы.

Такое использование средних значений, таких как скользящее среднее, действует как фильтр нижних частот, поэтому высокочастотный шум в основном устраняется. В результате на практике сверка данных в основном заключается в корректировке систематических ошибок, таких как смещения.

Необходимость устранения ошибок измерения

ISA-95 - международный стандарт для интеграции корпоративных систем и систем управления. В нем утверждается, что:

Согласование данных - серьезная проблема для интеграции системы управления предприятием.. Данные должны быть действительными, чтобы быть полезными для корпоративной системы. Данные часто необходимо определять на основе физических измерений, которые связаны с факторами погрешности. Обычно это необходимо преобразовать в точные значения для корпоративной системы. Это преобразование может потребовать ручного или интеллектуального согласования преобразованных значений [...]. Необходимо настроить системы, чтобы гарантировать отправку точных данных в производство и из производства. Непреднамеренные ошибки оператора или технические ошибки могут привести к слишком большому объему производства, слишком низкому производству, неправильному производству, неправильному инвентаризации или отсутствию инвентаря.

Цифровые видеорегистраторы становятся все более важными из-за производственных процессов становится все более и более сложным. DVR начался в начале 1960-х годов с приложений, направленных на закрытие материальных остатков в производственных процессах, где были доступны исходные измерения для всех переменных. При этом была поставлена ​​задача выявления и устранения грубой ошибки . В конце 1960-х и 1970-х годах неизмеряемые переменные учитывались в процессе согласования данных. DVR также стал более зрелым благодаря рассмотрению общих систем нелинейных уравнений, исходящих из термодинамических моделей. Были введены квазистационарная динамика для фильтрации и одновременной оценки параметров во времени. в 1977 году Стэнли и Мах. Динамический DVR был сформулирован как задача нелинейной оптимизации Либманом и др. в 1992 г.

Согласование данных - это метод, нацеленный на исправление ошибок измерения, вызванных шумом измерения, то есть случайных ошибок. Со статистической точки зрения основное предположение состоит в том, что в наборе измерений не существует систематических ошибок , поскольку они могут искажать результаты согласования и снижать надежность согласования.

Учитывая $n\; \{\backslash \; displaystyle\; n\}$измерений $yi\; \{\backslash \; displaystyle\; y\_\; \{i\}\}$, согласование данных можно математически выразить как задача оптимизации следующего вида:

$min\; x,\; y\; \ast \; \sum \; i\; =\; 1\; n\; (yi\; \ast \; -\; yi\; \sigma \; i)\; 2\; при\; условии\; F\; (x,\; y\; \ast )\; =\; 0\; y\; min\; \le \; y\; \ast \; \le \; y\; max\; x\; min\; \le \; x\; \le \; x\; max,\; \{\backslash \; displaystyle\; \{\backslash \; begin\; \{align\}\; \backslash \; min\; \_\; \{x,\; y\; ^\; \{*\}\}\; \backslash \; sum\; \_\; \{i\; =\; 1\}\; ^\; \{n\}\; \backslash \; left\; (\{\; \backslash \; frac\; \{y\_\; \{i\}\; ^\; \{*\}\; -\; y\_\; \{i\}\}\; \{\backslash \; sigma\; \_\; \{i\}\}\}\; \backslash \; right)\; ^\; \{2\}\; \backslash \backslash \; \{\backslash \; text\; \{при\; условии\}\}\; F\; (x,\; y\; ^\; \{\; *\})\; =\; 0\; \backslash \backslash \; y\; \_\; \{\backslash \; min\}\; \backslash \; leq\; y\; ^\; \{*\}\; \backslash \; leq\; y\; \_\; \{\backslash \; max\}\; \backslash \backslash \; x\; \_\; \{\backslash \; min\}\; \backslash \; leq\; x\; \backslash \; leq\; x\; \_\; \{\backslash \; max\},\; \backslash \; end\; \{выровнено\}\}\; \backslash ,\; \backslash !\}$

где $yi\; \ast \; \{\backslash \; displaystyle\; y\_\; \{i\}\; ^\; \{*\}\; \backslash ,\; \backslash !\}$- согласованное значение $i\; \{\backslash \; displaystyle\; i\; \}$-е измерение ($i\; =\; 1,\dots ,\; n\; \{\backslash \; displaystyle\; i\; =\; 1,\; \backslash \; ldots,\; n\; \backslash ,\; \backslash !\}$), $yi\; \{\; \backslash \; displaystyle\; y\_\; \{i\}\; \backslash ,\; \backslash !\}$- измеренное значение $i\; \{\backslash \; displaystyle\; i\}$-го измерения ($i\; =\; 1,\dots ,\; n\; \{\backslash \; displaystyle\; i\; =\; 1,\; \backslash \; ldots,\; n\; \backslash ,\; \backslash !\}$), $xj\; \{\backslash \; displaystyle\; x\_\; \{j\}\; \backslash ,\; \backslash !\}$- это $j\; \{\backslash \; displaystyle\; j\}$-я неизмеряемая переменная ($j\; =\; 1,\dots ,\; m\; \{\backslash \; displaystyle\; j\; =\; 1,\; \backslash \; ldots,\; m\; \backslash ,\; \backslash !\}$) и $\sigma \; i\; \{\backslash \; displaystyle\; \backslash \; sigma\; \_\; \{i\}\; \backslash ,\; \backslash !\}$является стандартным отклонение $i\; \{\backslash \; displaystyle\; i\}$-го измерения ($i\; =\; 1,\dots ,\; n\; \{\backslash \; displaystyle\; i\; =\; 1,\; \backslash \; ldots,\; n\; \backslash ,\; \backslash !\}$), $F\; (x,\; y\; \ast )\; =\; 0\; \{\backslash \; displaystyle\; F\; (x,\; y\; ^\; \{*\})\; =\; 0\; \backslash ,\; \backslash !\}$являются $p\; \{\backslash \; displaystyle\; p\; \backslash ,\; \backslash !\}$ограничения равенства процессов и $x\; min,\; x\; max,\; y\; min,\; y\; max\; \{\backslash \; displaystyle\; x\; \_\; \{\backslash \; min\},\; x\; \_\; \{\backslash \; max\},\; y\_\; \{\; \backslash \; min\},\; y\; \_\; \{\backslash \; max\}\; \backslash ,\; \backslash !\}$- границы измеряемых и неизмеряемых переменных.

Термин $(yi\; \ast \; -\; yi\; \sigma \; i)\; 2\; \{\backslash \; displaystyle\; \backslash \; left\; (\{\backslash \; frac\; \{y\_\; \{i\}\; ^\; \{*\}\; -\; y\_\; \{i\}\}\; \{\backslash \; sigma\; \_\; \{i)\; \}\}\}\; \backslash \; right)\; ^\; \{2\}\; \backslash ,\; \backslash !\}$называется штрафом за измерение i. Целевая функция - это сумма штрафов, которая будет обозначаться ниже как $f\; (y\; \ast )\; =\; \sum \; i\; =\; 1\; n\; (yi\; \ast \; -\; yi\; \sigma \; i)\; 2\; \{\backslash \; displaystyle\; f\; (y\; ^\; \{*\; \})\; =\; \backslash \; sum\; \_\; \{i\; =\; 1\}\; ^\; \{n\}\; \backslash \; left\; (\{\backslash \; frac\; \{y\_\; \{i\}\; ^\; \{*\}\; -\; y\_\; \{i\}\}\; \{\backslash \; sigma\; \_\; \{i\}\}\}\; \backslash \; right)\; ^\; \{\; 2\}\}$.

Другими словами, нужно минимизировать общую поправку (измеренную методом наименьших квадратов), которая необходима для удовлетворения системных ограничений. Кроме того, каждый член наименьших квадратов взвешивается по стандартному отклонению соответствующего измерения. Стандартное отклонение связано с точностью измерения. Например, при уровне достоверности 95% стандартное отклонение составляет примерно половину точности.

Резервирование

• Датчик и топологическое резервирование
• 

  Резервирование датчика возникает из-за наличия нескольких датчиков одного и того же количества в одно и то же время в одном месте.

• 

  Топологическая избыточность, возникающая из информации модели, с использованием ограничения сохранения массы $a\; =\; b\; +\; c\; \{\backslash \; displaystyle\; a\; =\; b\; +\; c\; \backslash ,\; \backslash !\}$, например, можно вычислить $c\; \{\backslash \; displaystyle\; c\; \backslash ,\; \backslash !\}$, когда $a\; \{\backslash \; displaystyle\; a\; \backslash ,\; \backslash !\}$и $b\; \{\backslash \; displaystyle\; b\; \backslash ,\; \backslash \; !\}$известны.

Согласование данных в значительной степени опирается на концепцию избыточности, чтобы как можно меньше корректировать измерения, чтобы удовлетворить ограничения процесса. Здесь избыточность определяется иначе, чем избыточность в теории информации. Вместо этого избыточность возникает из объединения данных датчика с моделью (алгебраические ограничения), иногда более конкретно называемого «пространственной избыточностью», «аналитической избыточностью» или «топологической избыточностью».

Избыточность может быть связана с избыточностью датчика, когда датчики дублируются, чтобы иметь более одного измерения одной и той же величины. Избыточность также возникает, когда одна переменная может быть оценена несколькими независимыми способами из отдельных наборов измерений в заданное время или период усреднения по времени с использованием алгебраических ограничений.

Избыточность связана с концепцией наблюдаемости. Переменная (или система) является наблюдаемой, если модели и измерения датчиков могут использоваться для однозначного определения ее значения (состояния системы). Датчик считается избыточным, если его удаление не приводит к потере наблюдаемости. Строгое определения наблюдаемости, вычислимости и избыточности, а также критерии ее определения были установлены Стэнли и Махом для этих случаев с установленными ограничениями, такими как алгебраические уравнения и неравенства. Далее мы проиллюстрируем некоторые особые случаи:

Топологическая избыточность тесно связана со степенями свободы ($dof\; \{\backslash \; displaystyle\; dof\; \backslash ,\; \backslash !\}$) математической системы, т. е. минимальное количество единиц информации (т. е. измерений), необходимых для вычисления всех переменных системы. Например, в приведенном выше примере для сохранения потока требуется, чтобы $a\; =\; b\; +\; c\; \{\backslash \; displaystyle\; a\; =\; b\; +\; c\; \backslash ,\}$. Чтобы вычислить третью, нужно знать значения двух из трех переменных. Степень свободы модели в этом случае равна 2. Для оценки всех переменных необходимо как минимум 2 измерения, а для избыточности - 3.

Говоря о топологической избыточности, мы должны различать измеряемые и неизмеряемые переменные. Далее обозначим через $x\; \{\backslash \; displaystyle\; x\; \backslash ,\; \backslash !\}$неизмеряемые переменные и $y\; \{\backslash \; displaystyle\; y\; \backslash ,\; \backslash !\}$измеряемые переменные. Тогда система ограничений процесса становится $F\; (x,\; y)\; =\; 0\; \{\backslash \; displaystyle\; F\; (x,\; y)\; =\; 0\; \backslash ,\; \backslash !\}$, что является нелинейной системой в $y\; \{\backslash \; displaystyle\; y\; \backslash ,\; \backslash !\}$и $x\; \{\backslash \; displaystyle\; x\; \backslash ,\; \backslash !\}$. Если система $F\; (x,\; y)\; =\; 0\; \{\backslash \; displaystyle\; F\; (x,\; y)\; =\; 0\; \backslash ,\; \backslash !\}$вычисляется с помощью $n\; \{\backslash \; displaystyle\; n\; \backslash ,\; \}$даны измерения, тогда уровень топологической избыточности определяется как $red\; =\; n\; -\; dof\; \{\backslash \; displaystyle\; red\; =\; n-dof\; \backslash ,\; \backslash !\}$, т.е. число дополнительных измерений, которые доступны поверх тех измерений, которые необходимы для того, чтобы просто рассчитать систему. Другой способ просмотра уровня избыточности - использовать определение $dof\; \{\backslash \; displaystyle\; dof\; \backslash ,\}$, которое представляет собой разницу между количеством переменных (измеренных и неизмеренных) и количеством переменных. уравнения. Тогда получается

$красный\; =\; n\; -\; dof\; =\; n\; -\; (n\; +\; m\; -\; p)\; =\; p\; -\; m,\; \{\backslash \; displaystyle\; \{\backslash \; begin\; \{align\}\; red\; =\; n-dof\; =\; n-\; (n\; +\; mp)\; =\; pm.,\; \backslash \; end\; \{align\}\}\}$

т.е. избыточность - это разница между количеством уравнений $p\; \{\backslash \; displaystyle\; p\; \backslash ,\}$и количеством неизмеряемых переменных $m\; \{\backslash \; displaystyle\; m\; \backslash ,\}$. Уровень полного резервирования складывается из резервирования датчика и топологического резервирования. Мы говорим о положительной избыточности, если система вычислима, а полная избыточность положительна. Можно видеть, что уровень топологической избыточности зависит только от количества уравнений (чем больше уравнений, тем выше избыточность) и количества неизмеряемых переменных (чем больше неизмеряемых переменных, тем ниже избыточность), а не от количества измеряемых переменных..

Простой подсчет переменных, уравнений и измерений неадекватен для многих систем, нарушается по нескольким причинам: (a) Части системы могут иметь избыточность, а другие нет, а некоторые части могут даже не быть возможно вычислить, и (b) нелинейности могут привести к различным выводам в разных рабочих точках. В качестве примера рассмотрим следующую систему с 4 потоками и 2 модулями.

Пример вычислимых и невычислимых систем

• Вычислительные и невычислимые системы
• 

  Вычислительная система, от $d\; \{\backslash \; displaystyle\; d\; \backslash ,\; \backslash !\}$единица может вычислить $c\; \{\backslash \; displaystyle\; c\; \backslash ,\; \backslash !\}$, и зная $a\; \{\backslash \; displaystyle\; a\; \backslash ,\; \backslash !\}$дает $b\; \{\backslash \; displaystyle\; b\; \backslash ,\; \backslash !\}$.

• 

  невычислимая система, зная, что $c\; \{\backslash \; displaystyle\; c\; \backslash ,\; \backslash !\}$не дает информации о $a\; \{\backslash \; displaystyle\; a\; \backslash ,\; \backslash !\}$и $b\; \{\backslash \; displaystyle\; b\; \backslash ,\; \backslash !\}$.

Мы включаем только ограничения сохранения потока и получаем $a\; +\; b\; =\; c\; \{\backslash \; displaystyle\; a\; +\; b\; =\; c\; \backslash ,\; \backslash !\}$и $c\; =\; d\; \{\backslash \; displaystyle\; c\; =\; d\; \backslash ,\; \backslash !\}$. Возможно, что система $F\; (x,\; y)\; =\; 0\; \{\backslash \; displaystyle\; F\; (x,\; y)\; =\; 0\; \backslash ,\; \backslash !\}$не вычислима, даже если $p\; -\; m\; \ge \; 0\; \{\backslash \; displaystyle\; pm\; \backslash \; geq\; 0\; \backslash ,\; \backslash !\}$.

Если у нас есть измерения для $c\; \{\backslash \; displaystyle\; c\; \backslash ,\; \backslash !\}$и $d\; \{\backslash \; displaystyle\; d\; \backslash ,\; \backslash !\}$, но не для $a\; \{\backslash \; displaystyle\; a\; \backslash ,\; \backslash !\}$и $b\; \{\backslash \; displaystyle\; b\; \backslash ,\; \backslash !\}$, то система не может быть вычислена (знание $c\; \{\backslash \; displaystyle\; c\; \backslash ,\; \backslash !\}$не дает информации о $a\; \{\backslash \; displaystyle\; a\; \backslash ,\; \backslash !\; \}$и $b\; \{\backslash \; displaystyle\; b\; \backslash ,\; \backslash !\}$). С другой стороны, если $a\; \{\backslash \; displaystyle\; a\; \backslash ,\; \backslash !\}$и $c\; \{\backslash \; displaystyle\; c\; \backslash ,\; \backslash !\}$известны, но не $b\; \{\backslash \; displaystyle\; b\; \backslash ,\; \backslash !\}$и $d\; \{\backslash \; displaystyle\; d\; \backslash ,\; \backslash !\}$, тогда система может быть вычислена.

В 1981 году критерии наблюдаемости и избыточности были доказаны для такого рода потоковых сетей, включающих только ограничения баланса массы и энергии. После объединения всех входов и выходов объекта в «узел среды» потеря наблюдаемости соответствует циклам неизмеряемых потоков. Это видно во втором случае выше, когда потоки a и b находятся в цикле неизмеренных потоков. Далее следует классификация избыточности путем тестирования пути неизмеренных потоков, поскольку это привело бы к неизмеряемому циклу, если бы измерение было удалено. Измерения c и d избыточны во втором случае, описанном выше, даже если часть системы ненаблюдаема.

Преимущества

Избыточность может использоваться как источник информации для перекрестной проверки и корректировки измерений $y\; \{\backslash \; displaystyle\; y\; \backslash ,\; \backslash !\}$и повышают их точность и точность: с одной стороны, они согласовали. Кроме того, представленная выше проблема согласования данных также включает неизмеренные переменные $x\; \{\backslash \; displaystyle\; x\; \backslash ,\; \backslash !\}$. На основе избыточности информации можно рассчитать оценки этих неизмеряемых переменных, а также их точность. В промышленных процессах эти неизмеряемые переменные, которые обеспечивает согласование данных, называются программными датчиками или виртуальными датчиками, где аппаратные датчики не установлены.

Проверка данных обозначает все действия по проверке и проверке до и после этапа согласования.

Фильтрация данных

Фильтрация данных обозначает процесс обработки измеренных данных таким образом, что значения становятся значимыми и лежат в диапазоне ожидаемых значений. Фильтрация данных необходима перед процессом согласования, чтобы повысить надежность этапа согласования. Есть несколько способов фильтрации данных, например, получение среднего нескольких измеренных значений за четко определенный период времени.

Проверка результата

Проверка результата - это набор действий по проверке или проверке, предпринятых после процесса согласования, который учитывает измеренные и неизмеряемые переменные, а также согласованные значения. Подтверждение результатов охватывает, но не ограничивается, анализ штрафов для определения надежности согласования или связанные проверки, чтобы гарантировать, что согласованные значения лежат в определенном диапазоне, например температура должна быть в разумных пределах.

Обнаружение грубых ошибок

Проверка результатов может включать статистические тесты для проверки достоверности согласованных значений, путем проверки наличия грубых ошибок в наборе измеренных значений. Эти тесты могут быть, например,

• критерием хи-квадрат (глобальный тест)
• индивидуальным тестом.

Если в наборе измеренных значений нет грубых ошибок, то каждый штрафной член в целевой функции является случайной величиной, которая нормально распределена со средним значением, равным 0, и дисперсией, равной 1. Следовательно, целевая функция является случайной величиной, которая следует распределению хи-квадрат, поскольку это сумма квадратов нормально распределенных случайных величин. Сравнение значения целевой функции $f\; (y\; \ast )\; \{\backslash \; displaystyle\; f\; (y\; ^\; \{*\})\; \backslash ,\; \backslash !\}$с заданным процентилем $P\; \alpha \; \{\backslash \; displaystyle\; P\; \_\; \{\backslash \; alpha\}\; \backslash ,\}$функции плотности вероятности распределения хи-квадрат (например, 95-й процентиль для 95% достоверности) указывает, существует ли грубая ошибка : Если $f\; (y\; \ast )\; \le \; P\; 95\; \{\backslash \; displaystyle\; f\; (y\; ^\; \{*\})\; \backslash \; leq\; P\_\; \{95\}\}$, то с вероятностью 95% грубых ошибок не существует. Тест хи-квадрат дает лишь приблизительное указание на наличие грубых ошибок, и его легко провести: нужно только сравнить значение целевой функции с критическим значением распределения хи-квадрат.

В индивидуальном тесте каждый штрафной член целевой функции сравнивается с критическими значениями нормального распределения. Если $i\; \{\backslash \; displaystyle\; i\}$-й штрафной член находится за пределами 95% доверительного интервала нормального распределения, то есть основания полагать, что это измерение имеет грубую ошибку.

Расширенная проверка и согласование данных (DVR) - это интегрированный подход, объединяющий методы согласования и проверки данных, который характеризуется

• сложными моделями, включающими помимо массы уравновешивает также термодинамику, баланс импульса, ограничения равновесия, гидродинамику и т. д.
• методы исправления грубых ошибок для обеспечения осмысленности согласованных значений,
• надежные алгоритмы для решения проблемы согласования.

Термодинамические модели

Простые модели включают только массовые балансы. При добавлении в модель термодинамических ограничений, таких как энергетический баланс, ее объем и уровень избыточности увеличиваются. В самом деле, как мы видели выше, уровень избыточности определяется как $p\; -\; m\; \{\backslash \; displaystyle\; pm\}$, где $p\; \{\backslash \; displaystyle\; p\}$- количество уравнений. Включение энергетических балансов означает добавление уравнений в систему, что приводит к более высокому уровню избыточности (при условии, что доступно достаточное количество измерений или, что эквивалентно, не слишком много неизмеряемых переменных).

Устранение общих ошибок

Рабочий процесс расширенной проверки и согласования данных.

Грубые ошибки - это систематические ошибки измерения, которые могут искажать результаты согласования. Следовательно, важно выявить и устранить эти грубые ошибки в процессе сверки. После согласования могут быть применены статистические тесты, которые показывают, существует ли грубая ошибка где-то в наборе измерений. Эти методы исправления грубых ошибок основаны на двух концепциях:

• устранение грубых ошибок
• уменьшение грубых ошибок.

Устранение грубых ошибок определяет одно измерение, на которое смещена систематическая ошибка, и исключает это измерение из набор данных. Определение отбрасываемого измерения основано на различных видах штрафных терминов, которые выражают, насколько измеренные значения отклоняются от согласованных значений. Как только обнаруживаются грубые ошибки, они исключаются из измерений, и согласование может быть выполнено без этих ошибочных измерений, которые портят процесс согласования. При необходимости исключение повторяют до тех пор, пока в наборе измерений не исчезнет грубая ошибка.

Снижение общей погрешности направлено на ослабление оценки неопределенности подозрительных измерений так, чтобы согласованное значение находилось в доверительном интервале 95%. Расслабление обычно находит применение, когда невозможно определить, какое измерение около одной единицы отвечает за грубую ошибку (эквивалентность грубых ошибок). Тогда погрешности измерений увеличиваются.

Важно отметить, что устранение грубых ошибок снижает качество согласования, либо уменьшается избыточность (устранение), либо увеличивается неопределенность измеренных данных (ослабление). Следовательно, его можно применять только тогда, когда начальный уровень избыточности достаточно высок, чтобы гарантировать, что согласование данных все еще может быть выполнено (см. Раздел 2,).

Рабочий процесс

Расширенные решения DVR предлагают интеграцию упомянутых выше методов:

1. сбор данных из архиватора данных, базы данных или ручного ввода
2. проверка данных и фильтрация необработанные измерения
3. согласование данных отфильтрованных измерений
4. проверка результатов
   • проверка диапазона
   • устранение грубых ошибок (и возврат к шагу 3)
5. результат сохранение (необработанные измерения вместе с согласованными значениями)

Результатом расширенной процедуры DVR является согласованный набор проверенных и согласованных данных процесса.

DVR находит применение в основном в отраслях промышленности, где измерения неточны или даже отсутствуют, например, в восходящем секторе, где поток метры сложно или дорого разместить (см.); или если точные данные имеют большое значение, например, по соображениям безопасности на атомных электростанциях (см.). Другой областью применения является мониторинг производительности и процессов (см.) В нефтепереработке или в химической промышленности.

Поскольку DVR позволяет надежно вычислять оценки даже для неизмеряемых переменных, Немецкое инженерное общество (VDI Gesellschaft Energie und Umwelt) приняло технологию DVR как средство замены дорогостоящих датчиков в атомной энергетике. (см. норму VDI 2048).

• Моделирование процесса
• Пинч-анализ
• Промышленные процессы
• Химическая инженерия

• Alexander, Dave, Tannar, Dave Wasik, Larry "Mill Information System использует динамическое согласование данных для точного учета энергии »TAPPI Fall Conference 2007. [1]
• Ранкин, Дж. и Васик, Л.« Динамическое согласование данных процессов периодического производства целлюлозы (для онлайн-прогнозирования) »PAPTAC Spring Конференция 2009.
• С. Нарасимхан, К. Джордач, Согласование данных и обнаружение грубых ошибок: интеллектуальное использование данных процесса, Golf Publishing Company, Хьюстон, 2000.
• V. Веверка, Ф. Мадрон, «Материальный и энергетический баланс в перерабатывающих отраслях», Elsevier Science BV, Амстердам, 1997.
• J. Romagnoli, M.C. Санчес, Обработка и согласование данных для операций химического процесса, Academic Press, 2000.