Control Performance Monitoring

Transkript

1 Control Performance Monitoring Ein effizientes Verfahren für die Zustandsüberwachung von Produktionsprozessen In den letzten Jahren wurde das Einsatzgebiet für das Asset Management stark erweitert. Dabei rückte zunehmend auch die Möglichkeit in den Blickpunkt des Interesses, den Wert von Produktionsanlagen durch ein Mehr an Prozessleittechnik zu erhalten oder zu steigern. Die Regelkreisüberwachung (Control Performance Monitoring) hat sich als eine vielversprechende Technik erwiesen, um die Zustandsüberwachung von Anlagen ohne große Zusatzkosten zu verbessern. Autor Dipl.-Ing. Manfred Rode, Jahrgang 1950, Studium der Elektrotechnik an der FH Furtwangen und der Universität Karlsruhe. Seit 1981 bei ABB, ehemals BBC, als Entwicklungsingenieur tätig. Zurzeit ist er im ABB-Forschungszentrum in Ladenburg insbesondere mit der Diagnose und dem Asset Management in der Versorgungstechnik und der allgemeinen Prozessindustrie betraut. i Manfred.Rode@de.abb.com Dem Begriff des Asset Management wurde in den letzten Jahren eine starke Aufmerksamkeit gewidmet. Auch wenn seine Abgrenzung manchmal unscharf ist, zeigt sich doch immer mehr, dass er sich nicht nur auf Geräte und Maschinen beschränkt. Denn die Lebensdauer und damit der Wert von Maschinen und Anlagen hängt wesentlich von ihrem Betriebszustand ab. Ausfälle durch Störungen mindern die Produktion und damit letztlich die Verzinsung des investierten Kapitals. Die Anlage verliert an Wert. Die Zustandsüberwachung (Condition Monitoring) ist ein anspruchsvoller Bestandteil des prozessnahen Asset Managements. Aus funktioneller Sicht wird die Zustandsüberwachung von Feldund Schaltraumgeräten sowie verfahrenstechnischer Anlagenkomponenten unterschieden [1]. Bisher stand die Zustandsüberwachung der Leittechnikkomponenten im Vordergrund. Diese ist vielfach mit dem Begriff intelligenter Komponenten verbunden zum Beispiel Sensoren und Ventile, die sich selbst überwachen und Abweichungen vom Nennzustand melden. So vielversprechend dieser Ansatz ist, er hat einen gravierenden Nachteil: die Kosten, denn die Intelligenz hat ihren Preis. Die Zustandüberwachung verfahrenstechnischer Anlagenkomponenten umfasst ein weites Gebiet. Im Zentrum steht die Verdichtung der Anlagendaten zu Informationen und Wissen über die Anlage. Intelligente Auswerteverfahren helfen dabei, eine objektive Zustandsbewertung zu erhalten. Im einfachsten Fall werden Trends beobachtet. Scheuen Betreiber vor Mehraufwand und -kosten nicht zurück, so finden auch komplexe Auswertealgorithmen ihre Anwendung, zum Beispiel die Residuenanalyse auf der Basis mathematischer Modelle. Eine weitere aus dem kaufmännischen Bereich stammendes Verfahren ist das so 51

2 genannte Data Mining. Hier spiegelt sich der Wunsch der Anlagenbetreiber wider, möglichst ohne Zutun, nur auf Basis von Rohdaten, die in großen Anlagen wie Kraftwerken ja vielfach vorhanden sind, detaillierte Rückschlüsse auf den Anlagenzustand zu ziehen. Es ist nahe liegend, strukturelles Anlagenwissen zu nutzen, um den Anlagenzustand zu beurteilen. Ein essentieller Teil der Anlagenstruktur sind die Regelkreise. Das wird klar, wenn man sich vor Augen führt, welche Funktion Regelkreise in einer Anlage übernehmen. Die Regeldifferenz, ein Maß für die Abweichung des Regelwertes vom Sollwert, ist Auslöser eines Energie- oder Massenstroms. Mit diesem wird die Anlage so beeinflusst, dass Soll- und Regelgrößen wieder übereinstimmen. In diesem Zusammenhang liegt der Vergleich mit einem Muskel nahe. Es gibt Muskeln für den Kraftbedarf (Arm), die Feinmotorik (Finger) und die Dauerbelastung (Herz). So unterschiedlich der Anwendungsfall ist, so ähnlich sind das Wirkungsprinzip und die Symptome, die sich bei einer Überlastung oder Fehlfunktion einstellen. Im einfachsten Fall: Muskelkater. Regelkreise bilden quasi die Muskeln einer Anlage. Anhand ihres Befindens lassen sich Rückschlüsse auf den Anlagenzustand ziehen. Die Möglichkeit, das Regelkreisbefinden als Indikator für den Anlagenzustand heranzuziehen, findet erst seit etwa 15 Jahren breitere Anwendung. Ausgangspunkt war die Papierindustrie. Unter Bezeichnungen wie Control Loop Monitoring, Control Loop Performace Assessment, Loop Auditing und Control Performance Monitoring (CPM) sind ähnliche Methoden zu verstehen. Mittlerweile sind diese Methoden praxiserprobt und funktionell abgerundet. Außer in der Papierindustrie finden sie zunehmend in der chemischen Industrie Anklang. Dies verwundert nicht, wenn man sich vor Augen hält, welche Investitionskosten für einen Regelkreis anfallen. Inklusive Messsystem, Stelleinheit, Regler und Signalübertragung werden leicht Werte von etwa bis erreicht [2]. Mehrkosten von 100 bis 200 pro Regelkreis für die Einführung von CPM spielen da eine weitgehend untergeordnete Rolle. Zudem lässt sich so die Effizienz der für die Mess-, Steuerungs- und Regelungstechnik (MSR) oder die Prozessleittechnik (PLT) zuständigen Ingenieure erhöhen, die oft mehrere hundert Regelkreise überwachen. Neben der Zustandsüberwachung spricht noch ein weiteres Argument für den CPM-Einsatz: die Qualität der Reglereinstellung. Es gibt Abschätzungen, nach denen etwa ein Drittel aller Regelkreise gut und ein weiteres Drittel noch brauchbar arbeiten, während das letzte Drittel entweder vorwiegend von Hand betrieben wird da diese Regelkreise eher schaden als nützen oder eine inakzeptable Regelgüte aufweist. Dieses ungenutzte Verbesserungspotenzial können Unternehmen sich im heutigen Wettbewerb nicht mehr leisten. Mit CPM lässt sich dieses Potenzial aufspüren. Zunehmender Wettbewerbsdruck bewirkt also den Einsatz leistungsfähigerer Steuerungs- und Regelverfahren. Diese setzen voraus, dass die unterlagerten Regelkreise ihre Vorgaben vernünftig umsetzen. Schlecht eingestellte Regelkreise können für den Misserfolg höherer Regelverfahren durchaus mitverantwortlich sein. CPM-Methoden Mit CPM-Methoden lassen sich ohne große Vorkenntnisse Aussagen über die Funktionsfähigkeit und -qualität von Regelkreisen treffen. Diese Methoden sind nicht mit modellgestützten Vorgehensweisen zu vergleichen, die zum Beispiel häufig im Zusammenhang mit Residuenanalysen durchgeführt werden. Der dort anfallende Modellierungsaufwand wird hier absichtlich vermieden. Das Ziel besteht vielmehr darin, tragfähige Beurteilungen für unterschiedliche Regelkreistypen bereitzustellen. Um dieses Ziel zu erreichen, werden Methoden angewendet, die primär statistisch sowie signal- und systemtheoretisch begründet sind. Sie werden so eingesetzt, dass mittels einfacher Verfahren eine gewisse Vorauswahl auffälliger Regelkreise getroffen wird, bevor mittels komplexer mathematischer Methoden eine Abschätzung des Verbesserungspotentials vorgenommen wird. Allen CPM-Methoden ist gemein, dass sie aus den Standardsignalen eines Regelkreises Regelgröße, Stellgröße und Sollwert Aussagen über dessen Funktionsweise ableiten. Randinformationen wie der Regelstreckentyp (Temperatur, Durchfluss, Druck etc.) können dabei ebenso einfließen wie andere Signale (z.b. Hand-/Automatikbetrieb). Eine erste grobe Einteilung der Regelqualität ist auf der Basis einfacher statistischer Kennwerte der Regelkreis-Signale möglich. Neben den Mittel- und Grenzwerten sowie den Standardabweichungen der Zeitreihen können auch Verhältnisse dieser Kennwerte genutzt werden. Angewendet auf die Regeldifferenz oder die Stellgröße lassen sich so beispielsweise Aussagen über eine eventuell bleibende Regelabweichung oder eine unerwünschte Stellgliedbelastung ableiten. Ebenfalls erlauben statistische Kennwerte gewisse Rückschlüsse auf eine ungeeignete Stellgliedwahl. Werden zusätzlich Signale wie der Hand- oder Automatikbetrieb oder die Häufigkeit von Grenzwertverletzungen mit einbezogen, lassen sich weitere brauchbare Aussagen gewinnen. Von einem Regelkreis, der in bestimmten Betriebssituationen überwiegend in Handstellung betrieben wird, lässt sich bereits ohne viel Mathematik auf ein erforderliches Nachtuning schließen. Im Bereich der SPC-Methoden 1 ) hat man sich mit ähnlichen Fragestellungen befasst [3]. Abwandlungen davon finden ebenfalls Anwendung. Diese erlauben es zum Teil, Qualitätszahlen für Regler anzugeben. Zwischenzeitlich werden auch höhere statistische Ansätze eingesetzt, zum Beispiel die Schiefe g, die als Verhältnis des dritten zentralen Momentes zur dritten Potenz der Standardabweichung definiert ist: Die Schiefe ist ein Maß für die Symmetrie einer Verteilung und lässt auf die Regeldifferenz angewendet gewisse Rückschlüsse auf den nichtlinearen Charakter eines Regelkreises zu. Ähnliches gilt auch für den Exzess e, der als Verhältnis des vierten zentralen Momentes zur vierten Potenz der Standarabweichung definiert ist: Diese Kenngröße beschreibt die Abweichung der Verteilung von der Normalverteilung in der Umgebung des Erwartungswertes. Für eine Normalverteilung gilt e = 0 [4]. Aus dem Exzess der Regelgröße lassen sich Aussagen über die Anfälligkeit bezüglich der Messausreißer ableiten. Ausschlaggebend für die starke Verbreitung von CPM waren jedoch nicht 1 ) SPC: Statistical Process Controll 52

3 Bild 2 Bild 1 Beispiel für eine Zeitrasterung zur Sammlung von Regelkreis-Datensätzen. Das LPM- Bedienfenster. die erwähnten einfachen statistischen Berechnungen, sondern der nach Harris (1989) benannte Index. Bei diesem Ansatz wird auf die theoretische Fähigkeit des so genannten Minimum-Varianz- Reglers zurückgegriffen, die Regelgrößenvarianz zu minimieren. Minimale Varianz bedeutet in diesem Zusammenhang, dass die Regelgröße statistisch nahe am Mittelwert liegt. Da es keine kleinere Varianz als die mit einem Minimum-Varianz-Regler erreichbare gibt, ist sie als optimaler Grenzwert und somit als Benchmark geeignet. Der Vorteil der von Harris vorgeschlagenen Berechnungsmethode liegt darin, dass neben den Regelkreis-Signalen nur die Totzeit der Regelstrecke benötigt wird, um Bewertungen durchzuführen. Die Methode gab Anstoß für zahlreiche praxistaugliche Modifikationen. Eine dieser Modifikationen nutzt das Verhältnis der Autokorrelationsfunktion der Regelgröße zum Prediktionshorizont. Der Prädiktionshorizont ist eine feste Größe, die sich aus dem Typ des Regelkreises ergibt. Mit dieser Vorgehensweise wird die Schwierigkeit umgangen, die Impulsantwort des geschlossenen Regelkreises, die für den Harris-Index erforderlich ist, zu bestimmen. Viele CPM-Verfahren beschäftigen sich mit der Analyse periodischer Regelschwingungen von Ventilen infolge einer erhöhten Reibung (Stick-Slip-Problem), durch ungünstige externe Anregungen (Verkopplungen) oder falsche Parametrierung. Die Schwingungen können vor allem dann zu einem erhöhten Energieverbrauch und einer verringerten Produktqualität führen, wenn sie in den mittleren Bereich des Reglerfrequenzgangs fallen. Darüber hinaus sind sie durch kurzfristige Beobachtung selten zu erkennen. Die Analyse der Kreuzkorrelationsfunktion zwischen Stell- und Regelgröße hat sich als nützliches Hilfsmittel erwiesen, um Regelstrecken mit einem Ausgleich von Schwingungen durch falsche 53

4 Bild 3 Das Auditing-Konfigurationsfenster. reicht, ist für die kontinuierliche Beobachtung eine periodisch wiederkehrende Auswertung erforderlich. Da die hier im Mittelpunkt stehenden Änderungen schleichender Natur sind, reicht es gegebenenfalls aus, nur ein oder zwei Mal am Tag eine Auswertung vorzunehmen. Von Bedeutung ist hier die Tendenz. Um statistische Unzulänglichkeiten auszuschalten, bietet es sich jedoch auch für die erstmalige Beurteilung an, auf mehrere Zeitreihen bzw. Datensätze zurückzugreifen (Bild 1). Reglerparametrierung oder durch Ventilreibung (ungerade Funktion) zu unterscheiden [5]. Auch Amplitudenspektrum und Leistungsdichtefunktion werden mittlerweile zur Schwingungsbeurteilung herangezogen. Die aufgeführten Methoden beziehen sich überwiegend auf Einzelregelkreise. Darüber hinaus wurden auch Methoden für verkoppelte Regelkreise entworfen, um den Schwingungsverursacher eindeutig identifizieren zu können. Diese Arbeiten befinden sich allerdings noch in einem frühen Entwicklungsstadium. Außer für einfache Kaskadenregelkreise liegt noch kein ausgereiftes System vor. An der Vielzahl der vorgestellten CPM- Methoden ist leicht ersichtlich, dass es nicht trivial ist, widerspruchsfreie Aussagen zu erhalten. Viel Erfahrung und regelungstechnisches Know-how ist notwendig, um aus vielen Teilaussagen zu einer aussagekräftigen Schlussfolgerung zu kommen. Dieses Wissen wird von den Herstellern entsprechender Tools gut verpackt mitgeliefert. Die Ergebnisse werden oft für verschiedene Bedürfnisse angeboten. Während sich der Betriebsführer nur dafür interessiert, wie viele Regelkreise als gut, mittel oder schlecht einzustufen sind und wie der mittelfristige Trend ist, möchte der MSR- oder PLT- Ingenieur im Detail über die möglichen Ursachen der als schlecht eingestuften Regelkreise informiert werden. Der Loop Performance Manager CPM wird auf der Basis von Offline- Tools angeboten integriert in Reglerbausteine oder als integraler Bestandteil von Asset-Management-Systemen. In letzter Zeit ist ein Trend zu Offline-Tools zu beobachten. Diese bieten den Vorteil, leitsystemunabhängig eingesetzt werden zu können Als Schnittstelle zum Bild 4 Beispiel für einen Standard-Monatsreport. Datenaustausch hat sich OPC 2 ) etabliert. Im Prinzip lassen sich zwei Anwendungsfälle abgrenzen: > Wird CPM zum ersten Mal eingesetzt, gilt es, einen schnellen Überblick über problematische Regelkreise und die zugrunde liegenden Ursachen zu erhalten. > Im laufenden CPM-Betrieb gilt es demgegenüber zu erkennen, ob Regelkreise von ihrem Nennverhalten abweichen. Für die Methoden macht dies keinen Unterschied. Während für die erste Auswahl der problematischen Regelkreise im Prinzip die Bearbeitung einer Zeitreihe aus- Der von ABB entwickelte Optimize IT Loop Performance Manager (LPM) ist ein Beispiel für ein Offline-Tool, das die meisten Anwenderanforderungen an ein CPM-System erfüllt und darüber hinaus auch einen Regler-Tuningteil beinhaltet. Der PLT-Ingenieur braucht somit nicht die Software zu wechseln, wenn er die Einstellung von Regelungen, die als schlecht eingestuften wurden, näher untersuchen und ändern will. Bild 2 zeigt das LPM-Eröffnungsbild. Die Auswahl zwischen Tuning und Auditing erfolgt anhand der Reiter im linken Bildteil. Dabei ist es von Vorteil, dass die hier beschriebene Regelkreisstruktur für das Tuning und auch das Auditing gilt. Im Folgenden wird nur auf den Auditing- Teil eingegangen, dessen Zielrichtung das CPM ist. In die Liste werden die inte- Tabelle 1 Getestete Hypothesen. 2 ) OPC: Object Linking and Embedding for Process Control 54

5 Bild 5 Ausschnitt aus einem Ranking-Report. ressierenden Regelkreise aufgenommen. Üblicherweise werden Regelkreise einer Komponente zusammengefasst (Area). Durch Auswählen der zugehörigen OPC-Tags wird die Verbindung zum OPC-Server hergestellt. Nachdem die Regelkreise von Interesse erfasst und ihren Typen zugeordnet sind, werden nur noch ein paar Angaben zur zeitlichen Rasterung der Datensammlung benötigt (Bild 3). Die Konfigurationsinformation lässt sich auch komfortabel über eine Excel-Schnittstelle einlesen. Einmal wöchentlich und monatlich werden übersichtliche Zusammenfassungen des CPM so genannte Reports automatisch erstellt. Diese können bei Bedarf konfiguriert werden. Hierdurch kann der versierte Anwender selbst vorgeben, welche der berechneten Kenngrößen in den Report einfließen sollen und welche nicht. Dadurch lässt sich eine dem Anwender- Know-how entsprechende Spezialisierung der Auswertungen vornehmen. In Bild 4 wird ein Standard-Monatsreport gezeigt. Hervorzuheben ist die Spalte zur Performance, in der die Gesamtleistungseinstufung für den jeweiligen Regelkreis im Klartext angegeben ist. In diese Einstufung gehen die zehn gewichteten Hypothesen ein, die der LPM momentan überprüft (Tabelle 1). Die Gesamtbeurteilung ist auch Teil des Ranking-Reports (Bild 5). Dieser gibt einen Überblick nach Regelkreiskategorien bzw. Performance und liefert einen schnellen Überblick über die Hit-Liste, das heißt, welche Regelkreise sind die Besten, welche die schlechtesten. Die Reports werden als Tabellenkalkulationen erstellt. Dies ermöglicht es dem Anwender, bei Bedarf, durch den Einsatz von Makros weitergehende Auswertungen vorzunehmen. Daneben gibt es noch weitere Möglichkeiten wie die graphische Anzeige von Indizes oder Signalen, die dem PLT-Ingenieur detailliertere Untersuchungen erlauben. Literatur [1] Nicklaus, E.; Fuß, H.-P.: Online-Asset Management. Automatisierungstechnische Praxis 42 (2000) Nr. 5, S [2] Dittmar, R.; Bebar, M.; Reinig, G.: Control Loop Performance Monitoring Motivation, Methoden, Anwenderwünsche. Automatisierungstechnische Praxis 45 (2003) Nr. 4, S [3] Mittag, H.J.: Qualitätsregelkarten. München: Carl Hanser Verlag, [4] Wernstedt, J.: Experimentelle Prozeßanalyse. München: R. Oldenbourg Verlag, [5] Horch, A.: Condition Monitoring of Control Loops. Doctoral Thesis. Royal Institute of Technology Stockholm, Schweden