[发明专利]用于监测工业过程系统的技术状态的计算机系统和方法

摘要

提供了用于监测在高级过程控制器（APC）的控制下的工业过程系统（300）的技术状态的计算机系统（100）、计算机实现的方法和计算机程序产品。工业过程系统（300）具有用于处理流动材料的操作（330）。高级过程控制器（APC）响应于一个或多个传感器信号（320）。计算机系统（100）包括：接口模块（110），其被配置成接收技术状态数据（321），该技术状态数据（321）描述了关于相应处理组件或所处理的材料的工业过程系统（300）的当前技术状态，其中技术状态数据（321）对应于一个或多个传感器信号（320）或从一个或多个传感器信号（320）导出。进一步地，该接口在针对工业过程系统的异常现象检测的情况下输出异常现象警报（AA），以使得能够停用高级过程控制器（APC）。该计算机系统进一步包括异常现象检测模块（120），用以将一个或多个机器学习模型（MLMn）应用于接收到的技术状态数据（321）来分析该技术状态数据，以用于检测工业过程系统中普遍存在的异常技术状态的一个或多个指示符。一个或多个机器学习模型（MLMn）在历史原始或预处理的传感器数据上被训练。异常现象检测模块基于一个或多个指示符来生成异常现象警报（AA）。

主权项

1.一种用于监测在高级过程控制器（APC）的控制下的工业过程系统（300）的技术状态的计算机系统（100），所述工业过程系统（300）具有用于处理流动材料的操作部分（330），所述高级过程控制器（APC）响应于一个或多个传感器信号（320），所述计算机系统（100）包括：接口模块（110），其被配置成：接收技术状态数据（321），所述技术状态数据描述了关于相应处理组件或所处理的材料的所述工业过程系统（300）的当前技术状态，其中所述技术状态数据（321）对应于所述一个或多个传感器信号（320）或从所述一个或多个传感器信号（320）导出，以及输出异常现象警报（AA），其被配置成在针对所述工业过程系统的异常现象检测的情况下能够停用所述高级过程控制器（APC）；其特征在于，所述计算机系统进一步包括：异常现象检测模块（120），其被配置成将多个机器学习模型（MLMn）应用于接收到的技术状态数据（321）来分析所述技术状态数据，以用于检测所述工业过程系统中普遍存在的异常技术状态的一个或多个指示符，其中所述多个机器学习模型（MLMn）在历史原始或预处理的传感器数据上被训练，所述异常现象检测模块进一步被配置成基于所述一个或多个指示符来生成所述异常现象警报（AA）；其中，接收到的技术状态数据被分配给信号组（SG1至SG3），并且所生成的异常现象警报是向量（AAv），其中每个向量元素（AA1至AA3）表示针对相应信号组的组异常现象指示符，其中每个向量元素通过应用相应的组特定的机器学习模型（MLM1至MLM3）来确定，并且其中信号组由以下分组准则中的任何一个来定义：基于所述工业过程系统内的相应信号的物理位置的分组、通过相关性分析所标识的相关信号的分组、作为域知识的结果利用依赖性对信号的分组。