验证控制系统性能
过去是直截了当的。当需要新的仪器或自动控制应用时，购买、安装和调试必要的设备。当它顺利运行时，每个人都转向下一个项目。事情不再那么简单了——性能通常需要证明。
|
过去是直截了当的。当需要新的仪器或自动控制应用时，购买、安装和调试必要的设备。当它顺利运行时，每个人都转向下一个项目。事情不再那么简单了——性能通常需要证明。
在高级控制系统项目中，性能测试是在基本调试中断的地方进行的。它根据控制系统的功能目标测试控制系统作为一个整体的运行情况。根据项目目标确定度量和测试系统性能的指标和方法与确定目标本身一样重要。
统计上有效的测试计划为测试系统性能提供了严格的机制。它提供的结果允许用户和供应商共享项目风险和回报，以实现他们的共同利益。
为什么要测试性能?
实现基本操作几乎从来都不是问题——所有信誉良好的供应商都将确保变送器将测量和传输信号，DCS将根据其配置和编程进行通信和功能，最终执行器将响应其控制信号。那么，除了健康的好奇心之外，进行性能测试的原因是什么呢?
最明显和最必要的原因是将调试和调优应用程序作为基本系统调试的一部分。一个密切相关的原因是建立操作员对系统的信心。操作一个过程工厂是一种责任，它可能出乎意料地突然从安静的无聊转变为危险和压倒性的混乱。在出现问题的第一个迹象时，操作人员会迅速禁用他们不了解的系统并切换手动控制，从而失去系统可以提供的所有好处。
内部预算和会计也可能需要性能测试。工程资源通常集中在公司层面，并借给运营工厂用于特定项目。测试可能是部门间操作和工程成本转移的标志。
对于这些原因，通过解释和演示进行测试就足够了。然而，越来越多的供应商合同要求进行正式的性能测试。先进的控制项目通常是基于期望系统将提供特定的经济效益——增加产量，更好的产品质量，或更高的操作效率。合同的结构通常使获得的利益影响支付给供应商的款项。因此，在签订合同之前，必须证明合同的履行情况。这不是一项简单的任务。
测量什么
决定如何度量性能是具有挑战性的，因为随着数字系统收集和处理数据的能力不断增强，可能的度量标准也在不断扩展。统计技术对于将这些堆积如山的数据简化为有意义的指标至关重要。
两个基本问题是:
测试测量的是控制性能还是经济性能?
绩效是用绝对还是相对来衡量?
控制绩效以非经济的方式衡量系统行为。在过去的十年里，测量控制性能的技术已经从简单的统计数据演变为“状态监测”的学科。许多供应商提供实时监控和评估控制系统运行状况和性能的软件包。
数据收集
Expertune的PlantTriage (www.expertune.com)就是一个例子。它收集必要的数据来评估它所监测的每个控制回路的多达30个指标。测量指标的范围从集成平方误差(ISE)等熟悉的指标到诊断指标，如阀门行程总量和反转次数。这些指标的改进可以量化高级控制系统可以提供的性能改进。
| 数据收集的开始和结束时间影响高级过程控制和基本调节控制的比较。 |
过程能力是使用统计量化控制性能的另一个概念。它检查一个变量在其设定点附近的频率分布，以标准偏差测量，与变量的高和低规格限制有关。根据这些参数定义了几种形式的能力指标。它们的形式是这样的，当更严格的控制降低了测量的标准偏差时，指标值就会增加
变化，使控制系统“更有能力”。
能力指标的最简单形式(Cp)将一个变量在其均值附近的变化与其规格上限(USL)和下限(LSL)之间的差异进行比较，其中s等于测量变化的标准差:
Cp= (usl - lsl) / 6ó
这种形式可以应用于设定点在高下限之间且其均值周围的分布为正态分布的变量。
“最小方差控制器”的概念为量化控制性能提供了绝对参考。在这个概念下，有一个理论上的最小闭环CV方差，只有通过控制器使用对被操纵变量和干扰变量的过程响应的完美模型才能实现。这种假设和其他假设使得不可能实现这样的控制器，但是这个最小方差的大小对于任何实际控制器都是有用的绝对参考，其方差将更大。
哈里斯指数被定义为基于这种差异来量化绩效比率。定义为:
做艾滋病病毒= o2MVC /o2行为
o2MVC理论的最小可能方差，是从过程死时间计算出来的，andó2行为是由实控制器实现的方差。将这个比率归一化会创建一个在0到1.0范围内变化的指数:
ç=1 - (ó2MVC /o2行为）
随着控制的改进，实控制器得到的方差接近理论最小值，该指标接近0.0。状态监测包通常包括该指标的计算。
也许这个概念最大的限制是它在评估控制性能时只考虑控制器测量的方差。该概念不惩罚减少CV方差所需的阀门移动量。在工业装置中，回路可以相互作用并将干扰传递给其他回路和单元，大的MV变化是不可接受的。在评估控制性能时，这是一个重要的考虑因素。总体稳定性通常比单个控制回路的性能更重要。
经济表现
如果性能测试是为了内部目的而进行的，那么测试控制性能可能是正确的选择。控制性能的各种指标给出了系统现在如何运行以及如何使其运行得更好的最实际的指示。
但是测试控制性能并不能回答每个基于性能的合同所提出的问题:新的控制系统真的能为工厂赚钱吗?
和以前一样，第一步是确定经济表现的指标。关键绩效指标(kpi)最常用于此目的。
KPI可以是反映任何组织、任何目的的成功绩效的任何指标。适用于经济性能和控制性能。唯一的要求是指标是具体的和可量化的，并且它衡量组织目标的实现。
通常，kpi评估长期的性能指标，因此它们反映了广泛的操作条件。这一特点使其与动态性能测量(DPM)概念区别开来，后者实时呈现瞬时性能测量指标。
在度量控制系统的经济性能时，KPI(和DPM)通常会将值放在本系列前一篇文章中讨论的经济类别之一上(CE， 2006年3月，IP1):
更高的生产率和/或产品价值;
更低的原料进料率(更高的产量);和
单位生产能耗更低(效率更高)。
从经济角度衡量这些效益是先进控制系统性能的最终证明。与先前控制系统下的性能相比，比较总是相对测量控制系统运行所提供的改进。
移动目标:改进
高级控制项目通常从研究和评估阶段开始，以确定和估计证明项目成本合理的潜在收益。接下来是合同谈判阶段、设计和工程阶段、安装和调试阶段，然后应用程序才能完全发挥作用。在最终进行性能测试之前，可能会有一个培训和集成阶段。
高级控制项目所需的时间因系统大小和复杂程度而异。它还将受到诸如生产和维护时间表以及用户和供应商人员的其他承诺等问题的影响。它可以是几个星期到一年多的时间。
在此期间，许多变更会影响最初的理由和控制系统满足或超越改进目标的能力。这些包括:
影响操作效率和能力的工艺设备、仪表或执行器;
产品规格、市场需求或者市场价格;
饲料和/或燃料特性、可用性或成本;
上游和/或下游操作或设备;和
环境(季节)条件。
通常，将新系统在新条件下的性能与旧系统在旧条件下的历史性能进行比较并不是有效的比较。工厂和市场条件的变化将有利于这一种制度或另一种制度，并扭曲它们的经济性能的比较。
有效的测试
证明新控制系统所提供的效益的唯一严格方法是在当前工厂和市场条件下进行开关测试。这意味着最终的配置必须允许同时操作旧的和新的控制方案。然后，计划好的测试可以在系统之间频繁和长时间地来回切换，以提供统计上有效的比较其经济性能指标的数据。
本系列的前一篇文章展示了如何通过生产率、产品价值和运营成本的变化来计算先进控制系统提供的经济效益。在开/关测试期间，将收集数据并取平均值以测量这些参数的变化。性能证明是基于新旧系统的这些度量之间的差异所带来的好处。
是统计学上有效的，必须回答两个问题:
该如何测试流程以确保为每个系统的操作计算的度量准确地代表旧系统和新系统的性能?
给定测试结果度量的差异，这种差异在所有时间内准确地表示操作的确定性是多少?
出现这些问题是因为不能假设从有限数据集计算的统计参数值等于所有时间的操作值。这是统计分析中的一个经典问题。如何确保从有限数据集计算出的平均值是对所有可能样本的平均值的有效估计?
没有确定的答案。最好的方法是选取足够多的独立样本，例如进行足够长的测试，以确保误差在指定概率的指定范围内。
中心极限定理
统计学的一个基本原理，中心极限定理，使这成为可能。如果从许多不同的测试运行中收集数据，则每次运行构成所有可能样本集中的一组样本。如果每次运行时间足够长，计算平均值的分布将以正态形式的(未知的)真实平均值为中心并向周围扩散。即使单个数据集不具有正态分布，这也是正确的。
此外，该分布的标准差与每次运行的样本数成反比:
o米=ó / [n]1/2where
o米=运行均值分布的标准差;
ó =所有样本值分布的标准差;和
N =每次测试运行的样本数。
根据这些信息和正态分布的面积特性，可以计算出估计性能均值到指定概率所需的样本数。
例如，假设一个控制系统一直保持一个变量的标准偏差为5个单位。对于正态分布，任何单个值都有95%的概率在总体均值的1.96个标准差范围内。如果希望收集足够的数据，使计算的性能平均值有95%的概率在其真实值的0.5个单位以内，则:
(0.5/1.96) = 5/ [n]1/2
在哪里
N = 385
如果独立样本之间的间隔为5分钟，则至少需要32小时的测试数据才能达到这种确定性水平。
有了这些信息，就可以为操作过程中过程干扰活跃时的一系列开/关状态制定测试计划。在每个状态中收集运行数据，直到获得必要的数据为止。每个状态的时间应该足够短，以便每个方案都能看到运行条件的正常变化。然而，它也必须足够长，以使控制系统对干扰作出反应并恢复稳定。
必须允许在每次状态更改之后有一个转换时间，以获得恢复数据收集的稳定起点。否则，表现较差的系统将从表现较好的系统那里窃取信贷。
图“状态转换性能惩罚”显示了高级过程控制(APC)和基本监管控制(BRC)系统之间的比较概念。
如果数据收集开始于过渡边界，则APC导通状态的平均值将被较低的读数拉低，而APC控制将过程移动到最佳工作点。同样，当过程返回到先前控制系统下的工作点时，整个BRC状态操作的平均值将被更高的读数提高。
已经制定了设计统计有效检验的准则。
使用足够大的采样间隔，以便连续读数表明实际过程变化，而不是简单的噪声或重复读数相同的条件;这确保了样本是相互独立的;
设置最小状态时间= 3x(最长扰动沉降时间);
设置最大状态时间=最小时间+过程扰动之间的最长间隔;
设过渡时间=最长扰动稳定时间或设定点变化稳定时间，取其大者;
设置每个状态的长度=最小和最大状态时间之间的随机变化;和
生成开/关状态的随机序列，以避免结果偏向任何一个。
测试完成后，统计上有效的平均值将用于每个系统的操作。
第二个问题可以用同样的原则来解决。由于每个性能均值的分布都是正态分布，因此区间估计的统计技术可以检查这些正态分布的面积特性，并为其差异的有效性生成概率估计。
例如，假设APC控制系统的测试结果如下。
在这个例子中，更好的控制和优化的结合将受控变量的变化从3个减少到2个，并在测试期间将其平均值从70个提高到80个。
虽然在测试过程中，测试数据显示操作手段之间的差异为10，但并不能保证所有操作都有这种改善。但样本数量足以确保95%的概率，即在测试所涵盖的操作条件范围内，实际均值之间的差异至少为9.76个单位。
当这一级别的规则被应用于性能测试时，供应商和用户可以合理地同意，在测试期间获得的性能优势证明了先进控制系统可以预期的持续性能。
计划、预算
如果做得好，性能测试本身就是一项重要的工作。如果一个高级控制项目的合同包括性能测试，一个现实的项目进度表和成本估计必须包括必要的时间和资源。否则，任何测试都将是不完整的，结果将在统计上不确定。统计有效性与所需测试成本的重要性应该在合同谈判中解决。
包括在新旧控制系统之间来回切换的能力，增加了最终系统配置的成本和复杂性。为了避免干扰操作，转移必须是无颠簸的。这可能并不总是可行的，特别是如果项目涉及重大的硬件更改，如从手动或模拟控制切换到数字控制。
正式测试需要一个计划来定义每个状态的时间表和持续时间，包括转换阶段，以及在可以收集有效数据的操作阶段的需求。它应该包括一种方法来添加操作员注释，以识别和澄清影响收集数据的条件。切换和测试程序需要对操作人员进行培训。
示例测试数据
| APC掉 | APC上 | |
| 测试的意思 | 70 | 80 |
| 检验标准差 | 3. | 2 |
| 样本数量 | 300 | 300 |
均值差的统计置信度
| %置信水平 | 实际均值的最小差异 |
| 99 | 9.66 |
| 98 | 9.70 |
| 95 | 9.76 |
| 90 | 9.81 |
| 作者信息 |
| Lew Gordon是英维思的首席应用工程师;．这是他的过程控制系列的第九篇文章。要全部阅读，在最上面搜索“卢”看看“文章”下面。 |
您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。
