專利名稱：：與用于過程中的穩(wěn)態(tài)檢測的多元分析一起使用的統(tǒng)計特征的制作方法
技術(shù)領(lǐng)域：
：本公開內(nèi)容總地來說涉及加工廠"^斷，更具體地說，涉及一種涉及多元統(tǒng)計技術(shù)的監(jiān)控和診斷系統(tǒng)。
背景技術(shù)：
：過程控制系統(tǒng)，例如化學(xué)、石油、或其它過程中所使用的過程控制系統(tǒng)，通常包括一個以上通過模擬總線、數(shù)字總線或模擬/數(shù)字相結(jié)合的總線以可通信方式連接至至少一個主機或操作員工作站以及一個以上過程控制和儀表設(shè)備的集中式或分散式過程控制器?，F(xiàn)場設(shè)備可以是例如閥、閥定位器、開關(guān)、變送器和傳感器(例如溫度傳感器、壓力傳感器和流速傳感器)，它們位于加工廠環(huán)境中，并在諸如開啟或關(guān)閉閥和測量過程參數(shù)、增加或減小流體流量等的過程中施行功能。諸如符合公知的FOUNDATIONFieldbus(以下稱作Fieldbus)協(xié)議或HART⑧協(xié)議的現(xiàn)場設(shè)備之類的智能現(xiàn)場設(shè)備還施行控制運算、報警功能和過程控制器中通常實現(xiàn)的其它控制功能。通常位于加工廠環(huán)境中的過程控制器接收表示現(xiàn)場設(shè)備所進行的或所關(guān)聯(lián)的過程測量值或過程變量的信號和/或與現(xiàn)場設(shè)備有關(guān)的其它信息，并執(zhí)行控制器應(yīng)用程序?？刂破鲬?yīng)用程序?qū)崿F(xiàn)例如不同的控制模塊，這些控制模塊進行過程控制決策，基于所接收的信息生成控制信號，并且與諸如7HART⑧和Fieldbus現(xiàn)場設(shè)備之類的現(xiàn)場設(shè)備中正在施行的控制模塊或塊一起協(xié)調(diào)工作。過程控制器中的控制模塊通過通信線路或信號路徑向現(xiàn)場設(shè)備發(fā)送控制信號，從而控制過程的操作。來自現(xiàn)場設(shè)備和過程控制器的信息對于諸如操作員工作站、維護工作站、個人計算機、手持設(shè)備、歷史數(shù)據(jù)庫、報告發(fā)生器、集中式數(shù)據(jù)庫等的一個以上其它硬件設(shè)備可用，從而使操作員或維護人員能夠施行針對過程的期望的功能，例如改變過程控制例程的設(shè)置、更改過程控制器或智能現(xiàn)場設(shè)備中的控制模塊的操作、查看過程的當(dāng)前狀態(tài)或加工廠中的特定設(shè)備的當(dāng)前狀態(tài)、查看由現(xiàn)場設(shè)備和過程控制器生成的警報、對過程操作進行仿真以訓(xùn)練人員或測試過程控制軟件，以及診斷加工廠中的問題或硬件故障。已知的是，在加工廠環(huán)境中，尤其是在具有大量現(xiàn)場設(shè)備和支持裝置的加工廠中，經(jīng)常會有問題出現(xiàn)。這些問題可能是壞了的或故障的設(shè)備，諸如軟件例程之類的邏輯元件駐留在不正確的模式，過程控制環(huán)路被不正確地調(diào)諧，加工廠中的設(shè)備之間的通信失敗一次以上，等等。這些和其它問題實際上會出現(xiàn)多個，通常會導(dǎo)致過程在異常狀態(tài)下操作(即加工廠處于異常情況)，這經(jīng)常與加工廠的次最佳性能相關(guān)聯(lián)。已經(jīng)建立了很多診斷工具和應(yīng)用程序來檢測和確定加工廠中問題的產(chǎn)生原因，并且一旦問題發(fā)生并被檢測到，就協(xié)助操作員或維護人員診斷并校正這些問題。例如，通常通過諸如直接或無線總線、以太網(wǎng)、調(diào)制解調(diào)器、電話線等的通信連接連接至過程控制器的操作員工作站具有適于運行諸如由愛默生過程管理公司出售的DdtaVTM和Ovation⑧控制系統(tǒng)之類的軟件的處理器和存儲器。這些控制系統(tǒng)具有大量的控制模塊和控制環(huán)路診斷工具。同樣，維護工作站可以通過與控制器應(yīng)用程序相同的通信連接，或通過諸如用于過程控制(OPC)的對象連接和嵌入(OLE)連接、手持連接等連接至過程控制設(shè)備，維護工作站通常包括被設(shè)計為查看由加工廠中的現(xiàn)場設(shè)備生成的維護警報和警告、對加工廠中的設(shè)備進行測試并對現(xiàn)場設(shè)備和加工廠中的其它設(shè)備施行維護活動的一個以上應(yīng)用程序。已經(jīng)建立出類似的診斷應(yīng)用程序來診斷加工廠中的支持裝置的問題。因此，諸如AMSTM程序組來自愛默生過程管理公司的智能設(shè)備管理器之類的商用軟件能夠與現(xiàn)場設(shè)備進行通信，并存儲與現(xiàn)場設(shè)備有關(guān)的數(shù)據(jù)，以確定并跟蹤現(xiàn)場設(shè)備的操作狀態(tài)。同時參考名稱為"IntegratedCommunicationNetworkforuseinaFieldDeviceManagementSystem(用于現(xiàn)場設(shè)備管理系統(tǒng)的集成通信網(wǎng)絡(luò))"的美國專利No.5,960,214。在某些情況下，AMSTM軟件可以用來與現(xiàn)場設(shè)備進行通信以改變現(xiàn)場設(shè)備中的參數(shù)，從而使現(xiàn)場設(shè)備本身運行諸如自校準(zhǔn)例程或自診斷例程之類的應(yīng)用程序，以獲取關(guān)于現(xiàn)場設(shè)備的狀態(tài)或健康等的信息。這些信息可以包括例如狀態(tài)信息(例如是否發(fā)生了警報或其它類似的事件)、設(shè)備配置信息(例如現(xiàn)場設(shè)備當(dāng)前或可能被配置的方式以及現(xiàn)場設(shè)備所使用的測量單元的類型)、設(shè)備參數(shù)(例如現(xiàn)場設(shè)備范圍值和其它參數(shù))等。當(dāng)然，這些信息可以被維護人員用來監(jiān)控、維護和/或診斷現(xiàn)場設(shè)備的問題。類似地，4艮多加工廠都包括諸如CSI系統(tǒng)所提供的MachineryHealth之類的應(yīng)用程序，用于監(jiān)控、診斷和優(yōu)化各種旋轉(zhuǎn)裝置的操作狀態(tài)。維護人員經(jīng)常使用這些應(yīng)用程序來維護或檢查工廠中的旋轉(zhuǎn)裝置的性能，以確定旋轉(zhuǎn)裝置的問題，并確定旋轉(zhuǎn)裝置是否必須被修理或更換以及修理或更換的時間。類似地，4艮多加工廠包括電力控制和診斷應(yīng)用程序，例如由Liebert和ASCO公司提供的那些電力控制和診斷應(yīng)用程序，以控制并維護發(fā)電和配電裝置。同時已知的是，在加工廠中運行諸如實時優(yōu)化器(RTO+)之類的控制優(yōu)化應(yīng)用程序，以優(yōu)化加工廠的控制活動。這種優(yōu)化應(yīng)用程序通常使用復(fù)雜的算法和/或加工廠的模型來預(yù)測可以以何種方式改變輸入以針對諸如利潤之類的某個期望的優(yōu)化變量優(yōu)化加工廠的操作。這些和其它診斷和優(yōu)化應(yīng)用程序通常以全系統(tǒng)為基礎(chǔ)在一個以上操作員或維護工作站中實現(xiàn)，并且可以給操作員或維護人員提供關(guān)于加工廠或加工廠中的現(xiàn)場設(shè)備和裝置的操作狀態(tài)的預(yù)配置顯示。典型的顯示包括接收過程控制器或加工廠中的其它設(shè)備所生成的警報的報警顯示、指示過程控制器和加工廠中的其它設(shè)備的操作狀態(tài)的控制顯示、指示加工廠中的設(shè)備的操作狀態(tài)的維護顯示等。同樣地，這些和其它診斷應(yīng)用程序可以使操作員或維護人員能夠重新調(diào)諧控制環(huán)路或重新設(shè)置其它控制參數(shù)，以運行對一個以上現(xiàn)場設(shè)備的測試，從而確定那些現(xiàn)場設(shè)備的當(dāng)前狀態(tài)，或校準(zhǔn)現(xiàn)場設(shè)備或其它裝置。盡管這些多種應(yīng)用程序和工具可以方便加工廠中的問題識別和校正，但是這些診斷應(yīng)用程序通常被配置為僅在加工廠中已經(jīng)發(fā)生問題之后使用，因此這些診斷應(yīng)用程序僅在加工廠中已經(jīng)存在異常情況之后使用。不幸的是，在使用這些工具來檢測、識別和校正異常情況之前，異常情況可能已經(jīng)存在一段時間，這導(dǎo)致問題被檢測、識別和校正期間加工廠呈現(xiàn)次最佳性能。在很多情況下，控制操作員首先基于警報、警告或加工廠的不良性能檢測到存在某個問題。然后操作員會通知潛在問題的維護人員。維護人員可能檢測到也可能檢測不到實際的問題，并且可能在實際運行測試或其它it斷應(yīng)用程序之前需要進一步的提示，或施行識別實際問題所需的其它活動。一旦問題被識別出，維護人員就可能需要定購零件并調(diào)度維護程序，所有這些都會導(dǎo)致問題的發(fā)生與該問題的校正之間有很長的時間段。在該時間段期間，加工廠可能在通常與工廠的次最佳操作相關(guān)聯(lián)的異常情況下運行。另外，很多加工廠可能會經(jīng)歷在相對較短的時間量內(nèi)在工廠中產(chǎn)生嚴重的代價或損壞的異常情況。例如，如果某些異常情況存在，則即使存在極短的時間量，這些異常情況也會引起對裝置的重大損壞、原材料的損耗或加工廠中的明顯不期望的停工。因此，僅僅在問題已經(jīng)發(fā)生后檢測工廠中的問題，則不管該問題被校正得多快，都會在加工廠中造成嚴重的損耗或損壞。因此，期望首先設(shè)法預(yù)防異常情況的出現(xiàn)，而不是在異常情況出現(xiàn)后再設(shè)法作出反應(yīng)并校正加工廠中的問題。為了采取措施在加工廠中發(fā)生任何重大損失之前阻止已預(yù)測到的異常情況，可以使用一種技術(shù)釆集數(shù)據(jù)，該數(shù)據(jù)使用戶能夠在加工廠中的某些異常情況實際出現(xiàn)之前預(yù)測這些異常情況的發(fā)生。在名稱為"RootCauseDiagnostics(根本原因診斷)"、現(xiàn)為美國專利No.7,085,610的美國專利申請No.09/972,078(部分地基于美國專利申請No.08/623，569,現(xiàn)為美國專利No.6,017,143)中公開了該程序。這兩個申請的全部7>開內(nèi)容由此通過引用合并于此。一般而言，該技術(shù)在加工廠中的諸如現(xiàn)場設(shè)備之類的多個設(shè)備中的每一個設(shè)備中布置統(tǒng)計數(shù)據(jù)采集和處理塊或統(tǒng)計處理監(jiān)控(SPM)塊。該統(tǒng)計數(shù)據(jù)采集和處理塊采集過程變量數(shù)據(jù)，并確定與所采集的數(shù)據(jù)相關(guān)聯(lián)的某些統(tǒng)計測量值，例如均值、中值、標(biāo)準(zhǔn)差等。然后這些統(tǒng)計測量值被發(fā)送給用戶并被分析，以識別已知異常情況在未來發(fā)生的模式。一旦系統(tǒng)預(yù)測到異常情況，即采取措施以校正潛在的問題，并在第一時間避免異常情況。主成分分析(PCA)是已在過程控制行業(yè)中用于分析多維數(shù)據(jù)集的多元數(shù)據(jù)分析技術(shù)。PCA技術(shù)通常涉及將數(shù)據(jù)從多維空間降低到仍然能夠解釋原始數(shù)據(jù)中的大多數(shù)顯著變化的低維空間。例如，PCA可以用于將多元數(shù)據(jù)空間(例如多維數(shù)據(jù))的維度降低到幾維(例如2維或3維)數(shù)據(jù)空間，從而將多維數(shù)據(jù)投影到較低維的主成分空間上(在較低維的主成分空間上對多維數(shù)據(jù)進行計分)。在L.H.Chiang等人在Springer-VerlagLondonLimited,pp.35-54(2001)上發(fā)表的"FaultDetectionandDiagnosisinIndustrialSystems(工業(yè)系統(tǒng)中的故障檢測和診斷)，，和E.L.Russell等人在Springer-VerlagLondonLimited,(2000)上發(fā)表的"Data-DrivenTechniquesforFaultDetectionandDiagnosisinChemicalProcesses(用于化學(xué)過程中的故障檢測和診斷的數(shù)據(jù)驅(qū)動技術(shù))"中，可以找到與工業(yè)過程中用于故障檢測的PCA技術(shù)的典型實現(xiàn)有關(guān)的進一步細節(jié)。多種軟件包提供PCA功能，但是這些包中的絕大多數(shù)使用來自數(shù)據(jù)庫的離線過程數(shù)據(jù)。換句話說，PCA已是一種離線多元統(tǒng)計分析工具。這對于諸如歷史數(shù)據(jù)或已存儲的多維數(shù)據(jù)文件之類的過程數(shù)據(jù)中異常情況的事后分析是有用的，但是不能用于實時(例如，在線數(shù)據(jù)分析)檢測異常情況。某些現(xiàn)有的PCA軟件包可能能夠?qū)?shù)據(jù)進行實時分析，但是只有在該軟件具有通常通過諸如OPC服務(wù)器之類的界面從控制系統(tǒng)對過程數(shù)據(jù)的訪問的li情況下才可以。因此，工廠人員可能會不幸地具有對與控制系統(tǒng)分離的軟件包進行維護的負擔(dān)，包括支持該軟件包對控制系統(tǒng)的訪問以及與控制系統(tǒng)的連接。進一步地，異常過程情況的檢測應(yīng)當(dāng)在任何時候且針對各種異常情況(例如，持續(xù)性過程與一次性方案)都可用，從而使異常情況預(yù)防工具能夠在任何時候針對各種異常情況都展示出警惕性和準(zhǔn)確性。傳統(tǒng)的PCA技術(shù)還可能無法容易地傳達指示過程動態(tài)的信息。PCA分析的結(jié)果，即得分，通常通過作為基本過程數(shù)據(jù)的靜態(tài)表示的散布圖(scatterplot)來顯示。不考慮得分數(shù)據(jù)在散布圖中被記錄或解釋的方式，通常存在與被不正確特征化的數(shù)據(jù)相關(guān)聯(lián)的小的不確定性。如下所述，在沒有更多信息的情況下，過程操作員通常不能確定一給定得分是正常的還是異常的。例如，PCA分析的前兩個主成分捕獲多維數(shù)據(jù)中的最大變化，由于來自PCA分析的前兩個得分表示關(guān)于多維數(shù)據(jù)的行為的最重要信息，包括過程中的最大變化，因而可以繪制這兩個得分。出于這些原因，傳統(tǒng)的PCA技術(shù)在異常情況的檢測中展示出不可靠的性能。PCA得分可能會暗示不存在的異常情況(即錯誤警報)，并且相反地可能在過程正在異常運轉(zhuǎn)時指示正常操作(即遺漏的診斷)。進一步地，為了實現(xiàn)PCA,使用訓(xùn)練數(shù)據(jù)(例如，來自"正常"過程操作的數(shù)據(jù))建立PCA模型，并將得到的模型應(yīng)用于檢測異常過程情況。訓(xùn)練數(shù)據(jù)用于獲得針對主成分的模型。就這一點來說，PCA得分并不直接與實際的過程變量相關(guān)，而且使用PCA監(jiān)控的過程變量的物理過程極限在分析中不起作用，因而需要統(tǒng)計解釋(例如對"數(shù)據(jù)的優(yōu)度"進行量化)。
發(fā)明內(nèi)容的多種技術(shù)。根據(jù)過程的多個過程變量生成采集的過程數(shù)據(jù)。使用過程數(shù)據(jù)的集合生成過程操作的多元統(tǒng)計模型。多元統(tǒng)計模型可以根據(jù)主成分分析(PCA)生成。執(zhí)行該模型以生成分別與過程中的最重要變化相對應(yīng)的一個或多個輸出。生成輸出的統(tǒng)計測量值并將其用于確定過程是與穩(wěn)態(tài)還是與非穩(wěn)態(tài)有關(guān)。穩(wěn)態(tài)或非穩(wěn)態(tài)可以僅根據(jù)與最重要變化(例如，第一主成分)相對應(yīng)的輸出的統(tǒng)計測量值來確定。如果與最重要變化相對應(yīng)的輸出的統(tǒng)計測量值符合穩(wěn)態(tài)標(biāo)準(zhǔn)，則可以確定整個過程處于穩(wěn)態(tài)。可替換地，穩(wěn)態(tài)或非穩(wěn)態(tài)可以根據(jù)分別與過程中的重要變化相對應(yīng)的多個輸出的統(tǒng)計測量值來確定。如果多個輸出的所有統(tǒng)計測量值都滿足穩(wěn)態(tài)標(biāo)準(zhǔn)，則可以確定該系統(tǒng)處于穩(wěn)態(tài)。如果多個輸出的統(tǒng)計測量值中的任意一個不滿足穩(wěn)態(tài)標(biāo)準(zhǔn)，則可以確定該過程處于非穩(wěn)態(tài)。穩(wěn)態(tài)標(biāo)準(zhǔn)可以基于輸出的均值之間的差與該輸出的標(biāo)準(zhǔn)差的比較。均值和標(biāo)準(zhǔn)差可以根據(jù)與過程數(shù)據(jù)的不同采樣窗口相對應(yīng)的輸出生成。穩(wěn)態(tài)標(biāo)準(zhǔn)中所使用的標(biāo)準(zhǔn)差可以是與任意采樣窗口對應(yīng)的標(biāo)準(zhǔn)差，或者可以是所使用的所有采樣窗口的標(biāo)準(zhǔn)差中的最小值。通過監(jiān)控多元統(tǒng)計表示的輸出的統(tǒng)計測量值，可以基于所述表示的與過程的最大變化相對應(yīng)的成分來確定過程的穩(wěn)態(tài)，并且過程的穩(wěn)態(tài)操作可以用作進一步的多元統(tǒng)計分析的基礎(chǔ)，以對處于正常在線狀態(tài)的過程進行建模。圖1是具有包括一個以上操作員和維護工作站、控制器、現(xiàn)場設(shè)備和支持裝置的分布式過程控制系統(tǒng)和網(wǎng)絡(luò)的加工廠的示例性框圖2是圖1的加工廠的一部分的示例性框圖，圖示出位于加工廠的不同元件內(nèi)的異常情況預(yù)防系統(tǒng)的各種部件之間的通信互連；圖3是具有用于監(jiān)控加工廠的操作的操作要求或控制極限的過程變量隨時間的圖4是多個過程變量相對于操作要求或控制極限的圖、圖形或多元視圖，該圖或視圖線過程監(jiān)控的用戶界面；圖5是圖4的視圖在過程變量之一已超出操作要求或控制極限(可以指示異常情況或故障狀況)之后的另一視圖6是根據(jù)本公開內(nèi)容的一方面，為實現(xiàn)主成分分析(PCA)技術(shù)而配置且在用于訓(xùn)練和操作的過程控制系統(tǒng)內(nèi)例示的示例性功能塊的表示；圖7是根據(jù)本公開內(nèi)容的另一方面的PCA技術(shù)實現(xiàn)期間示出的另一示例性PCA功能塊的表示；圖8是根據(jù)本公開內(nèi)容的另一方面的多元監(jiān)控和診斷模塊(MMDM)的框圖，在某些實施例中，該多元監(jiān)控和診斷模塊的部件可以在圖6和7的功能塊中實現(xiàn)；圖9-12是根據(jù)本公開內(nèi)容的另一方面生成的示例性用戶界面顯示，在某些實施例中，該示例性用戶界面顯示可以由圖6和7的功能塊創(chuàng)建或支持，或者由圖8的MMDM工具創(chuàng)建或支持，以用于多元監(jiān)控和故障檢測；圖13-14是根據(jù)另一實施例生成且以與圖9-12的用于多元監(jiān)控和故障檢測的用戶界面顯示類似的方式創(chuàng)建或支持的另一示例性用戶界面顯示；圖15-19是根據(jù)又一實施例生成且以與圖9-12的用于多元監(jiān)控和故障檢測的用戶界面顯示類似的方式創(chuàng)建或支持的又一示例性用戶界面顯示；圖20和21是根據(jù)再一實施例生成且以與圖9-12的用于多元監(jiān)控和故障檢測的用戶界面顯示類似的方式創(chuàng)建或支持的再一示例性用戶界面顯示；圖22和23是根據(jù)本公開內(nèi)容的可以使用圖6和7的功能塊的另一方面的基于PCA的穩(wěn)態(tài)檢測系統(tǒng)和技術(shù)的框圖24是火焰加熱器的示意圖，可應(yīng)用所公開的技術(shù)和本公開內(nèi)容的MMDM工具以進行監(jiān)控、診斷和故障檢測的示例性過程；圖25是基于主成分tl和t2映射到兩維空間的訓(xùn)練數(shù)據(jù)得分的圖形表示，該訓(xùn)練數(shù)據(jù)用于結(jié)合圖24的火焰加熱器的基于PCA的監(jiān)控、診斷和故障4企測；圖26和27是由MMDM工具結(jié)合用于圖24的火焰加熱器的基于PCA的監(jiān)控、診斷和故障檢測生成的示例性用戶界面顯示；圖28是根據(jù)本公開內(nèi)容的另一方面，用于檢測或確定動態(tài)操作的多元統(tǒng)計技術(shù)用作驗證數(shù)據(jù)的原油流速數(shù)據(jù)的圖29是比較與圖20中描繪的流速相關(guān)聯(lián)的實際輸出溫度數(shù)據(jù)(T。ut)和由用于檢測或確定動態(tài)操作的多元統(tǒng)計技術(shù)的PCR模型預(yù)測的輸出溫度的圖30-36是結(jié)合用于檢測或確定動態(tài)操作的多元統(tǒng)計技術(shù)的實施生成的示例性用戶界面顯示；圖37是根據(jù)一個實施例，用于檢測或確定動態(tài)操作的多元統(tǒng)計技術(shù)的流程圖38和39是根據(jù)本公開內(nèi)容的另一方面，比較示例性火焰加熱器的實際輸出溫度數(shù)據(jù)與由可以用于檢測焦化的多元統(tǒng)計模型預(yù)測的數(shù)據(jù)的圖40和41是根據(jù)基于多元統(tǒng)計模型的焦化檢測技術(shù)的一個實施例，比較實際輸出溫度數(shù)據(jù)和預(yù)測輸出溫度數(shù)據(jù)的圖42是論證根據(jù)本公開內(nèi)容的另一方面的用于焦化檢測另一基于非回歸的技術(shù)的針對火焰加熱器輸出溫度的PCA模型參數(shù)的圖43是圖42的圖中描繪的基于非回歸的焦化檢測技術(shù)的一個實施例的流程圖。具體實施例方式現(xiàn)在參見圖1，可實現(xiàn)異常情況預(yù)防系統(tǒng)的示例加工廠10包括通過一個以上通信網(wǎng)絡(luò)與支持裝置一起互連的若干個控制和維護系統(tǒng)。具體而言，圖1的加工廠10包括一個以上過程控制系統(tǒng)12和14。過程控制系統(tǒng)12可以是諸如PROVOX或RS3系統(tǒng)之類的傳統(tǒng)過程控制系統(tǒng)，也可以是任何其它控制系統(tǒng)，所述其它控制系統(tǒng)包括連接至控制器12B和輸入/輸出(I/O)卡12C的操作員接口12A,控制器12B和輸入/輸出(I/O)卡12C又連接至諸如模擬和高速可尋址遠程變送器(HART)@現(xiàn)場設(shè)備15之類的各種現(xiàn)場設(shè)備。過程控制系統(tǒng)14可以是分布式過程控制系統(tǒng)，包括通過諸如以太網(wǎng)15總線之類的總線連接至一個以上分布式控制器14B的一個以上操作員接口14A?？刂破?4B可以是例如得克薩斯州奧斯汀市的愛默生過程管理公司銷售的DeltaVTM控制器或任何其它期望類型的控制器?？刂破?4B通過I/O設(shè)備連接到一個以上現(xiàn)場設(shè)備16,例如HART⑧或Fieldbus現(xiàn)場設(shè)備，或任何其它包括例如使用PROFIBUS、WORLDFIP,Device-Net、AS-Interface以及CAN協(xié)議中的任一種的智能或非智能現(xiàn)場設(shè)備。已知現(xiàn)場設(shè)備16可以向控制器14B提供與過程變量和其它設(shè)備信息有關(guān)的模擬或數(shù)字信息。操作員接口14A可以存儲和執(zhí)行過程控制操作員可用的工具17、19以控制過程的操作，所述工具17、19包括例如控制優(yōu)化器、診斷專家、神經(jīng)網(wǎng)絡(luò)、調(diào)諧器等。更進一步，維護系統(tǒng)，例如執(zhí)行AMS應(yīng)用程序和/或以下所述的監(jiān)控、診斷和通信應(yīng)用程序的計算機，可以連接到過程控制系統(tǒng)12和14或連接到其中的單個設(shè)備以施行維護、監(jiān)控和診斷活動。例如，維護計算機18可以通過任何期望的通信線路或網(wǎng)絡(luò)(包括無線或手持設(shè)備網(wǎng)絡(luò))連接到控制器12B和/或連接到設(shè)備15,以與設(shè)備15通信，并且在某些情況下重新配置設(shè)備15或?qū)υO(shè)備15施行其它維護活動。類似地，諸如AMSTM應(yīng)用程序之類的維護應(yīng)用程序可以安裝在與分布式過程控制系統(tǒng)14相關(guān)聯(lián)的一個以上用戶接口14A上，并由所述用戶接口14A執(zhí)行，以施行包括與設(shè)備16的操作狀態(tài)有關(guān)的數(shù)據(jù)采集的維護和監(jiān)控功能。加工廠IO還包括諸如渦輪機、發(fā)動機等的各種旋轉(zhuǎn)(以及其它)裝置20,這些裝置20通過一些永久性或臨時性通信鏈路(例如，總線、無線通信系統(tǒng)或連接到裝置20以進行讀取而后被拿走的手持設(shè)備)連接到維護計算機22。維護計算機22可以存儲和執(zhí)行例如由CSI(—愛默生過程管理公司)提供的包括可商用的應(yīng)用程序的任意數(shù)目的監(jiān)控和診斷應(yīng)用程序23以及以下所述的用于診斷、監(jiān)控和優(yōu)化旋轉(zhuǎn)裝置20和加工廠中的其它裝置的操作狀態(tài)的應(yīng)用程序、模塊和工具。維護人員通常使用應(yīng)用程序23維護和檢查工廠10中的旋轉(zhuǎn)裝置20的性能，以確定旋轉(zhuǎn)裝置20的問題并確定是16否必須維修或更換旋轉(zhuǎn)裝置20以及維修或更換的時間。在某些情況下，外界顧問或服務(wù)組織可以臨時獲取或測量與裝置20有關(guān)的數(shù)據(jù)，并使用該數(shù)據(jù)對裝置20進行分析，以檢測問題、不良性能或影響裝置20的其它事件。在這些情況下，運行分析的計算機可以通過任何通信線路連接到系統(tǒng)10的其余部分，也可以僅臨時連接到系統(tǒng)10的其余部分。類似地，具有與工廠IO相關(guān)聯(lián)的發(fā)電和配電裝置25的發(fā)電和配電系統(tǒng)24通過例如總線連接到運行并檢查工廠10內(nèi)的發(fā)電和配電裝置25的搡作的另一計算機26。計算機26可以執(zhí)行例如由Liebert和ASCO或其它公司提供的已知電力控制和診斷應(yīng)用程序27，以控制和維護發(fā)電和配電裝置25。再次，在很多情況下，外界顧問或服務(wù)組織可以使用臨時獲取或測量與裝置25有關(guān)的數(shù)據(jù)并使用該數(shù)據(jù)對裝置25施行分析的服務(wù)應(yīng)用程序來檢測問題、不良性能或影響裝置25的其它事件。在這些情況下，運行分析的計算機(例如計算機26)可以不通過任何通信線路連接到系統(tǒng)IO的其余部分，也可以僅臨時連接到系統(tǒng)10的其余部分。如圖l所示，計算機30實現(xiàn)異常情況預(yù)防系統(tǒng)35的至少一部分，具體而言，計算機系統(tǒng)30存儲并實現(xiàn)配置應(yīng)用程序38和作為可選的異常操作檢測系統(tǒng)42,其若干實施例將在下文中更詳細地描述。另外，計算機系統(tǒng)30可以實現(xiàn)警告/警報應(yīng)用程序43。一^:而言，異常情況預(yù)防系統(tǒng)35可以包括可選地位于加工廠10內(nèi)的現(xiàn)場設(shè)備15、16、控制器12B、14B、旋轉(zhuǎn)裝置20或其支持計算機22、發(fā)電裝置25或其支持計算機26、以及任何其它期望設(shè)備和裝置中的異常操作檢測系統(tǒng)、模塊或工具(未在圖1中示出)和/或計算機系統(tǒng)30中的異常操作檢測系統(tǒng)42,或與之通信，以配置這些異常操作檢測系統(tǒng)中的每一個并在這些異常操作檢測系統(tǒng)監(jiān)控時接收關(guān)于這些設(shè)備或子系統(tǒng)的操作的信息。異常情況預(yù)防系統(tǒng)35可以以可通信的方式通過硬線總線45連接到工廠10內(nèi)的至少某些計算機或設(shè)備中的每一個，或者可替代地，可以通過包括例如無線連接、使用OPC(或用于過程控制的OLE)的專用連接、諸如依靠手持設(shè)備采集數(shù)據(jù)等的間歇性連接的任何其它期望通信連接連接到工廠10內(nèi)的至少某些計算機或設(shè)備中的每一個。同樣，異常情況預(yù)防系統(tǒng)35可以通過LAN或諸如因特網(wǎng)、電話連接等的公共連接(在圖1中示出為因特網(wǎng)連接46)獲取與加工廠10內(nèi)的現(xiàn)場設(shè)備和裝置有關(guān)的數(shù)據(jù)以及由例如第三方服務(wù)提供商采集的這種數(shù)據(jù)。進一步，異常情況預(yù)防系統(tǒng)35可以以可通信方式通過包括例如以太網(wǎng)、Modbus、HTML、專有技術(shù)/協(xié)議等的各種技術(shù)和/或協(xié)議連接至工廠10中的計算機/設(shè)備。因此，盡管這里描述了使用OPC以可通信方式將異常情況預(yù)防系統(tǒng)35連接至工廠10中的計算機/設(shè)備的具體示例，但是本領(lǐng)域普通技術(shù)人員將認知到，也可以使用各種其它方法將異常情況預(yù)防系統(tǒng)35連接至工廠10中的計算機/設(shè)備。在任何情況下，異常情況預(yù)防系統(tǒng)35可以與工廠IO的任何計算機、設(shè)備或其它方面通信，從工廠IO的任何計算機、設(shè)備或其它方面接收過程變量數(shù)據(jù)，所述工廠10的任何計算機、設(shè)備或其它方面包括但不限于過程控制系統(tǒng)(例如，DeltaTM、Ovation⑧或其它分布式控制系統(tǒng))、符合各種標(biāo)準(zhǔn)或協(xié)議(例如，F(xiàn)oundationFieldbus、HART、OPC、Modbus、無線等)的設(shè)備和計算機、以及可以與設(shè)備一起實現(xiàn)或遍布于加工廠10中的各種變送器、傳感器和致動器。如下面進一步論述的，由異常情況預(yù)防系統(tǒng)35接收并使用的數(shù)據(jù)可以是諸如來自歷史數(shù)據(jù)庫的數(shù)據(jù)之類的歷史數(shù)據(jù)，但是也可以是在線數(shù)據(jù)(例如，在過程在線時采集的數(shù)據(jù))，所述在線數(shù)據(jù)包括但不限于在線采集的數(shù)據(jù)以及當(dāng)過程正在操作時實時采集的數(shù)據(jù)。作為
背景技術(shù)：
，OPC是建立用于從工廠或過程控制系統(tǒng)訪問過程數(shù)據(jù)的機制的標(biāo)準(zhǔn)。典型地，OPC服務(wù)器在過程控制系統(tǒng)中實現(xiàn)以暴露或提供來自例如現(xiàn)場設(shè)備的過程信息。OPC客戶端創(chuàng)建與OPC服務(wù)器的連接，并將過程信息寫入現(xiàn)場設(shè)備，或從現(xiàn)場設(shè)備中讀取過程信息。OPC服務(wù)器使用OLE技術(shù)(即組件對象模型或COM)與這種客戶端通信，從而使得由客戶端實施的軟件應(yīng)用程序可以訪問來自現(xiàn)場設(shè)備或其它加工廠裝置的數(shù)據(jù)。圖2示出圖l的示例加工廠10的一部分50,以描繪異常情況預(yù)防系統(tǒng)35和/或警告/警報應(yīng)用程序43可以與示例加工廠10的部分50中的各種設(shè)備通信的一種方式。盡管圖2示出異常情況預(yù)防系統(tǒng)35與HART⑧和Fieldbus現(xiàn)場設(shè)備內(nèi)的一個以上異常操作檢測系統(tǒng)之間的通信，但是應(yīng)當(dāng)理解，類似的通信可以發(fā)生在異常情況預(yù)防系統(tǒng)35與加工廠10內(nèi)的其它設(shè)備以及裝置之間，包括圖1中示出的設(shè)備和裝置中的任一種。圖2中示出的加工廠10的部分50包括具有一個以上過程控制器60的分布式過程控制系統(tǒng)54，過程控制器60通過可以是符合任何期望通信或控制器協(xié)議的任何期望類型的1/0設(shè)備的輸入/輸出(I/O)卡或設(shè)備68和70連接到一個以上現(xiàn)場設(shè)備64和66。現(xiàn)場設(shè)備64纟皮示出為HART⑧現(xiàn)場設(shè)備，現(xiàn)場設(shè)備66被示出為Fieldbus現(xiàn)場設(shè)備，但是這些現(xiàn)場設(shè)備可以使用任何其它期望的通信協(xié)議。另外，現(xiàn)場設(shè)備64和66中的每一個可以是任何類型的設(shè)備，例如傳感器、閥、變送器、定位器等，并且可以符合任何期望的開放、專有或其它通信或編程協(xié)議，應(yīng)當(dāng)理解I/O設(shè)備68和70必須與現(xiàn)場設(shè)備64和66所使用的期望協(xié)議相兼容。在任何情況下，可由諸如配置工程師、過程控制操作員、維護人員、工廠管理員、監(jiān)管員等的工廠人員訪問的一個以上用戶接口或計算器72和74(可以是任意類型的個人計算機、工作站等)通過通信線路或總線76被連接至過程控制器60，其中通信線路或總線76可以使用任意期望的硬線或無線通信結(jié)構(gòu)和使用諸如以太網(wǎng)協(xié)議之類的任意期望的或合適的通信協(xié)議來實現(xiàn)。另外，數(shù)據(jù)庫78可以連接至通信總線76,以操作為采集并存儲配置信息以及在線過程變量數(shù)據(jù)、參數(shù)數(shù)據(jù)、狀態(tài)數(shù)據(jù)和與加工廠IO中的過程控制器60以及現(xiàn)場設(shè)備64和66相關(guān)聯(lián)的其它數(shù)據(jù)的歷史數(shù)據(jù)庫。因此，數(shù)據(jù)庫78可以操作為配置數(shù)據(jù)庫，以存儲包括過程配置模塊的當(dāng)前配置，并且在過程控制系統(tǒng)54的控制配置信息下載并存儲到過程控制器60以及現(xiàn)場設(shè)備64和66時存儲過程控制系統(tǒng)54的控制配置信息。同樣地，數(shù)據(jù)庫78可以存儲歷史異常情況預(yù)防數(shù)據(jù)，包括由加工廠10中的現(xiàn)場設(shè)備64和66采集的統(tǒng)計數(shù)據(jù)、根據(jù)由現(xiàn)場設(shè)備64和66采集的過程變量確定的統(tǒng)計19數(shù)據(jù)和以下將描述的其它類型的數(shù)據(jù)。過程控制器60、1/0設(shè)備68和70以及現(xiàn)場設(shè)備64和66通常位于且遍布于有時嚴峻的工廠環(huán)境中，而工作站72、74和數(shù)據(jù)庫78經(jīng)常位于可由操作員、維護人員等輕松訪問的控制室、維護室或其它不太嚴峻的環(huán)境中。一般而言，過程控制器60存儲并執(zhí)行使用多個不同的獨立執(zhí)行的控制模塊或塊實現(xiàn)控制策略的一個以上控制器應(yīng)用程序?？刂颇K中的每一個可以由通常所說的功能塊組成，其中每個功能塊是總控制例程中的一部分或子例程，并且與其它的功能塊結(jié)合起來操作(通過稱為鏈路的通信)，以實現(xiàn)加工廠IO中的過程控制環(huán)路。公知的是，可以作為面向?qū)ο蟮木幊虆f(xié)議中的對象的功能塊通常施行輸入功能、控制功能或輸出功能之一，輸入功能可以與例如變送器、傳感器或其它過程參數(shù)測量設(shè)備相關(guān)聯(lián)，控制功能可以與例如施行PID、模糊邏輯等控制的控制例程相關(guān)聯(lián)，輸出功能控制諸如閥之類的一些設(shè)備的操作，以施行加工廠10中的某些物理功能。當(dāng)然，還存在諸如模型預(yù)測控制器(MPC)、優(yōu)化器等的混合和其它類型的復(fù)雜功能塊。應(yīng)當(dāng)理解的是，盡管Fieldbus協(xié)議和DeltaV系統(tǒng)協(xié)議使用以面向?qū)ο蟮木幊虆f(xié)議設(shè)計和實現(xiàn)的控制模塊和功能塊，但是控制模塊也可以使用包括例如順序功能塊、梯形邏輯等的任意期望的控制編程方案來設(shè)計，并且不限于使用功能塊或任意其它特定的編程技術(shù)來設(shè)計。如圖2所示，維護工作站74包括處理器74A、存儲器74B和顯示設(shè)備74C。存儲器74B以下面的方式存儲針對圖1所討論的異常情況預(yù)防應(yīng)用程序35和警告/警報應(yīng)用程序43，即可以在處理器74A上實現(xiàn)這些應(yīng)用程序以通過顯示器74C(或諸如打印機之類的任意其它顯示設(shè)備)向用戶提供信自一個以上現(xiàn)場設(shè)備64和66中的每一個都可以包括存儲器(未示出)，以存儲諸如用于實現(xiàn)與檢測設(shè)備所檢測的一個以上過程變量有關(guān)的統(tǒng)計數(shù)據(jù)采集的例程和/或以下將描述的用于異常操作檢測的例程之類的例程。一個以上現(xiàn)場設(shè)備64和66中的每一個也可以包括處理器(未示出)，該處理器用于執(zhí)行諸如實現(xiàn)統(tǒng)計數(shù)據(jù)采集的例程和/或用于異常操作檢測的例程之類的例程。統(tǒng)計數(shù)據(jù)采集和/或異常操作檢測不一定由軟件來實現(xiàn)。相反，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)認識到，這種系統(tǒng)可以由一個以上現(xiàn)場設(shè)備和/或其它設(shè)備中的軟件、固件和/或硬件的任意組合來實現(xiàn)。如圖2所示，現(xiàn)場設(shè)備64和66中的某些(和可能所有)現(xiàn)場設(shè)備包括以下將更詳細描述的異常操作檢測(即異常情況預(yù)防)塊80和82。盡管圖2的塊80和82被示為位于設(shè)備64之一和設(shè)備66之一中，但是這些塊或類似的塊可以位于任意數(shù)目的現(xiàn)場設(shè)備64和66中，或者位于其它設(shè)備中，例如控制器60、1/0設(shè)備68、70或圖1中所示的任意設(shè)備。另外，塊80和82可以在現(xiàn)場設(shè)備64和66的任意子集中。一般而言，塊80和82或這些塊的子元件從它們所位于的設(shè)備和/或從其它設(shè)備采集諸如過程變量數(shù)據(jù)之類的數(shù)據(jù)。另外，塊80和82或這些塊的子元件可以出于若干原因?qū)ψ兞繑?shù)據(jù)進行處理并對該數(shù)據(jù)施行分析。例如，被示為與閥相關(guān)聯(lián)的塊80可以具有對閥過程變量數(shù)據(jù)進行分析以確定閥是否處于阻塞狀態(tài)的閥阻塞檢測例程82。另外，塊80可以包括一個以上統(tǒng)計過程監(jiān)控(SPM)塊或單元的集合，例如塊SPM1-SPM4,這些塊可以采集閥中的過程變量或其它數(shù)據(jù)，并對所采集的數(shù)據(jù)施行一個以上統(tǒng)計計算，以確定例如所采集的數(shù)據(jù)的均值、中值、標(biāo)準(zhǔn)差、均方根(RMS)、變化率、范圍、最小值、最大值等和/或檢測所采集的數(shù)據(jù)中的諸如漂移、偏置、噪音、毛刺等事件。所生成的具體統(tǒng)計數(shù)據(jù)和生成的方法并不重要。因此，還可以生成不同類型的統(tǒng)計數(shù)據(jù)，作為以上所述的具體類型的補充或替代。另外，包括已知技術(shù)的多種技術(shù)可以用于生成這類數(shù)據(jù)。這里術(shù)語"統(tǒng)計過程監(jiān)控(SPM)塊"被用于描述對至少一個過程變量或其它過程參數(shù)施行統(tǒng)計過程監(jiān)控的功能，該功能可以由數(shù)據(jù)被采集的設(shè)備中的或甚至是該設(shè)備外部的任意期望的軟件、固件或硬件來實現(xiàn)。應(yīng)當(dāng)理解，由于SPM通常位于在其中設(shè)備數(shù)據(jù)被釆集的設(shè)備中，因此SPM能夠獲得數(shù)量更多并且質(zhì)量更準(zhǔn)確的過程變量數(shù)據(jù)。因此對于所采集的過程變量數(shù)據(jù)，SPM塊通常能夠比21位于其中過程變量數(shù)據(jù)被采集的設(shè)備外部的塊確定更好的統(tǒng)計計算。應(yīng)該理解，盡管在圖2中塊80和82被示為包括SPM塊，但是相反，SPM塊可以是與塊80和82分離的獨立塊，并且可以位于與對應(yīng)的塊80或82相同的設(shè)備中，也可以位于不同的設(shè)備中。這里所討論的SPM塊可以包括已知的FoundationFieldbusSPM塊、或者與已知的FoundationFieldbusSPM塊相比具有不同的或附加能力的SPM塊。這里使用的術(shù)語"統(tǒng)計過程監(jiān)控(SPM)塊"是指采集諸如過程變量數(shù)據(jù)之類的數(shù)據(jù)并對該數(shù)據(jù)施行某些統(tǒng)計處理以確定諸如均值、標(biāo)準(zhǔn)差等的統(tǒng)計測量值的任意類型的塊或元件。因此，該術(shù)語意在覆蓋可以施行該功能的軟件、固件、硬件和/或其它元件，而不管這些元件是否采用功能塊、或其它類型的塊、程序、例程或元件的形式，也不管這些元件是否符合FoundationFieldbus協(xié)議或諸如Profibus、HART、CAN等協(xié)議之類的某些其它協(xié)議。如果需要，塊80、82的基礎(chǔ)操作可以至少部分如美國專利No.6,017,143中所描述的那樣來施行或?qū)崿F(xiàn)，該專利通過引用合并于此。應(yīng)當(dāng)理解，盡管在圖2中塊80和82被示為包括SPM塊，但是SPM塊不是塊80和82所必需的。例如，塊80和82的異常操作檢測例程可以使用未被SPM塊處理的過程變量數(shù)據(jù)來操作。作為另一示例，塊80和82可以各自接收由位于其它設(shè)備中的一個以上SPM塊提供的數(shù)據(jù)，并對該數(shù)據(jù)進行操作。作為再一示例，過程變量數(shù)據(jù)可以通過并不是由很多典型的SPM塊提供的方式來處理。僅作為一個示例，過程變量數(shù)據(jù)可以由諸如帶通濾波器或某種其它類型的濾波器之類的有限脈沖響應(yīng)(FIR)或無限脈沖響應(yīng)(IIR)濾波器濾波。作為另一示例，可以對過程變量數(shù)據(jù)進行削減，從而使其保持在特定的范圍內(nèi)。當(dāng)然，可以對已知的SPM塊進行修改，以提供這種不同的或附加的處理能力。圖2的被示出為與變送器相關(guān)聯(lián)的塊82可以具有分析由變送器采集的過程變量數(shù)據(jù)以確定工廠內(nèi)的線路是否被插接上的線路插接檢測單元。另外，塊82可以包括諸如塊SPM1-SPM4之類的一個以上SPM塊或單元，其例如可以采集變送器內(nèi)的過程變量或其它數(shù)據(jù)，并對所采集的數(shù)據(jù)施行一種以上統(tǒng)計計算以確定所采集的數(shù)據(jù)的例如均值、中值、標(biāo)準(zhǔn)差等。盡管塊80和82被示出為各自包括四個SPM塊，但是塊80和82中也可以具有任意其它數(shù)目的SPM塊來采集和確定統(tǒng)計數(shù)據(jù)?，F(xiàn)為美國專利No.7，079,984的美國專利公開No.2005/0197803("Abnormalsituationpreventioninaprocessplant(力口工廠中的異常情況子貞防)")、美國專利公開No.2005/0197806("Configurationsystemandmethodforabnormalsituationpreventioninaprocessplant(用于力口工廠中的異常情況預(yù)防的配置系統(tǒng)和方法)")以及美國專利公開No.2005/0197805("Datapresentationsystemforabnormalsituationpreventionintheprocessplant(用于加工廠中的異常情況預(yù)防的數(shù)據(jù)呈現(xiàn)系統(tǒng))")中可以找到與異常情況預(yù)防系統(tǒng)及其部件的實現(xiàn)和配置有關(guān)的進一步細節(jié)，上述專利中的每一個出于所有目的通過引用合并與此。在上述異常情況預(yù)防系統(tǒng)和技術(shù)以及所引用的文件中，SPM(或異常情況預(yù)防)塊80、82可以與一個以上異常情況預(yù)防模塊相關(guān)聯(lián)，或被認為是一個以上異常情況預(yù)防模塊的部件。盡管異常情況預(yù)防塊可以駐留于可獲得更快速釆樣的數(shù)據(jù)的現(xiàn)場設(shè)備中，但異常情況預(yù)防模塊也可以駐留于主機系統(tǒng)或控制器中。異常情況預(yù)防模塊可以從一個以上異常情況預(yù)防塊中獲取數(shù)據(jù)，并使用該數(shù)據(jù)做出關(guān)于更大系統(tǒng)的決策。更概括地說，異常情況預(yù)防模塊可以被建立和配置為從一個以上功能塊(例如異常情況預(yù)防塊)接收數(shù)據(jù)，以支持對每種類型的現(xiàn)場設(shè)備、儀表或其它裝置(例如，閥、泵等)的診斷。但是，與異常情況預(yù)防模塊相關(guān)聯(lián)的功能塊可以駐留于與該功能塊被建立所針對的特定裝置不同的設(shè)備中，并且由該設(shè)備實現(xiàn)。在這種情況下，異常情況預(yù)防模塊具有分布式特性。其它異常情況預(yù)防模塊可以完全在諸如過程控制器60之內(nèi)的一個裝置內(nèi)實現(xiàn)，即使針對的是對特定現(xiàn)場設(shè)備的診斷。在任意事件中，可以針對每種裝置類型開發(fā)診斷例程或技術(shù)，以檢測、預(yù)測和預(yù)防裝置(或過程)的異常情況或操作。出于易于描述的目的，米語"異常情況預(yù)防模塊"在這里將用于指代這種例程或技術(shù)。因此異常情況預(yù)防模塊響應(yīng)于施行診斷所需的測量值集合，并且進一步包括(i)將由模塊檢測的異常狀況的集合，以及(ii)將測量值的改變與對應(yīng)的異常狀況聯(lián)系起來的規(guī)則的集合。此外，將提出對下面公開的技術(shù)的描述中的異常情況預(yù)防模塊的參考，并且應(yīng)當(dāng)理解這些技術(shù)也可以與異常情況預(yù)防塊結(jié)合使用。在某些情況下，配置應(yīng)用程序38或異常情況預(yù)防系統(tǒng)35的其它部件可以支持針對每個異常情況預(yù)防模塊的模板的開發(fā)或生成。例如，由DdtaTM控制系統(tǒng)提供的配置和開發(fā)平臺可以用于根據(jù)相應(yīng)合成模板塊創(chuàng)建異常情況預(yù)防模塊的特定事例或例示。盡管結(jié)合圖2示出并描述為異常情況預(yù)防功能，但是上述模塊和塊也可以更廣泛地致力于實現(xiàn)為如下所述的過程監(jiān)控和診斷以及故障檢測所配置的多元統(tǒng)計技術(shù)。在某些情況下，下述技術(shù)可以包括異常情況預(yù)防模塊或塊，或與異常情況預(yù)防模塊或塊集成。在任意情況下，下面對系統(tǒng)和技術(shù)(以及任何模塊、功能塊、應(yīng)用程序、軟件或其它部件及其方面)的參考可以與上述的工作站工具17、19，操作員接口12A、14A,應(yīng)用程序23，異常情況預(yù)防系統(tǒng)25以及接口72、74—起使用、包括在其中，與其集成在一起或與其相關(guān)聯(lián)。這里所描述的監(jiān)控和診斷技術(shù)可以用于檢測已經(jīng)發(fā)生或正在發(fā)生的異常操作，也稱為異常情況或異常狀況。此外，監(jiān)控和診斷技術(shù)也可以用于在異常操作實際發(fā)生之前預(yù)測異常操作的發(fā)生，其目的在于，在過程或加工廠內(nèi)發(fā)生重大損失之前，例如通過與異常情況預(yù)防系統(tǒng)35—起操作，以釆取步驟來預(yù)防所預(yù)測的異常操作。轉(zhuǎn)向圖3,這里描述的若干種多元監(jiān)控和診斷技術(shù)可以基于并合并多元和一元診斷工具的可視化和其它方面。例如，過程變量(PV)在圖3中被示出為具有其對應(yīng)的過程要求，該圖經(jīng)常被稱為休哈特(Shewhart)圖。每個過程變量都可以按照休哈特圖來描述，休哈特圖繪制出變量與控制上限(UCL)100、控制下限(LCL)102和目標(biāo)值104之間的關(guān)系。UCL100和LCL102是真實物理極限而非統(tǒng)計極限。在操作期間，每個過程變量優(yōu)選被限制在其UCL和LCL之間，并且過程變量的理想值為目標(biāo)值。在這些極限內(nèi)時，過程變量被叫做在控制下，否則，過程變量被叫做失控。如所指示的，UCL和LCL表示可以由過程操作要求提供的物理極限。盡管這種可視化的方式基于過程變量數(shù)據(jù)的多維視圖，但是如下所述，這種對過程變量的描述在與基于過程變量歸一化的其它可視化技術(shù)結(jié)合時是有用的。然而，為了參照下面將進一步描述的各方面，提供基本PCA算法的概述。盡管這里PCA作為可以與本公開內(nèi)容的各方面一起使用的多元統(tǒng)計分析被公開，但是應(yīng)當(dāng)理解，也可以使用其它多元統(tǒng)計分析來代替PCA，所述其它多元統(tǒng)計分析包括但不限于主成分回歸(PCR)、偏最小平方(PLS)、費舍判別分析(FDA)或規(guī)范變量分析(CVA)。對于一給定過程、過程單元、過程設(shè)備等，存在大量測量得到的過程變量。這些變量中的每一個都可以用作PCA算法的輸入變量。來自每個過程變量的數(shù)據(jù)被采集特定長度的時間或特定數(shù)目個點，并且在這里被稱為過程變量的觀測值。通常，在PCA中使用的所有過程變量被同時采樣。如果m是輸入變量的數(shù)目，w是每個輸入變量的觀測值的數(shù)目，則矩陣X是包含所有輸入變量的所有觀測值的"xm矩陣。在典型的過程中，某些變量的幅度明顯大于其它變量的幅度。為了保證所有的過程變量對PCA模型具有同等的影響，可以對X數(shù)據(jù)進行自動縮放(對于每個輸入變量，減去均值并除以標(biāo)準(zhǔn)差)。在對輸入變量進行自動縮放之后，通過s-x、x/("-i)計算樣本協(xié)方差矩陣，其中T是矩陣X的轉(zhuǎn)置運算。對樣本協(xié)方差矩陣進行特征值-特征向量分解S=V*D*VT，其中D是包含從最大到最小排序的m個特征值的對角矩陣。V的列是相應(yīng)特征向量，T是矩陣V的轉(zhuǎn)置運算。最大特征值及其相應(yīng)特征向量對應(yīng)于原始輸入空間中包含原始過程數(shù)據(jù)的最大變化量的方向。這被認為是第一主成分。第二大特征值及其相應(yīng)特征向量對應(yīng)于與正交于第一主成分、包含次最大變化量的方向。這繼續(xù)下去，直到創(chuàng)建了解釋所有原始過程數(shù)據(jù)的新正交向量空間為止。在特征值和特征向量計算出來之后，PCA確定哪些特征值和特征向量是通常對應(yīng)于過程中的重要變化的重要主成分，哪些是通常對應(yīng)于噪聲、無關(guān)緊要的。有很多種不同的方法已被提出用來選擇重要主成分的數(shù)目，包括凱澤(Kaiser)法則(選擇特征值大于一的主成分)，變化百分比測試(即選擇解釋數(shù)據(jù)中總變化的特定百分比(例如80%或90%)的主成分的數(shù)目)，平行分析以及交叉驗證。無論使用哪種方法，最終結(jié)果確定為PCA模型保留的重要主成分的數(shù)目a。然后，通過從V中取前a列來創(chuàng)建負荷矩陣Pem畫。原始觀測值到由負荷矩陣定義的子空間上的投影被稱作得分矩陣，并由T二X,P表示。T的列被稱作PCA模型的得分，被引作t,，t2,…ta。負荷矩陣P連同在自動縮放中使用的均值和標(biāo)準(zhǔn)差一起被認為是PCA模型。該PCA模型然后可應(yīng)用于任意未來的數(shù)據(jù)集。在創(chuàng)建了PCA模型之后，可以基于原始過程數(shù)據(jù)創(chuàng)建基于統(tǒng)計的極P艮，以定義由原始數(shù)據(jù)定義的過程的正常操作。所使用的一種方法是霍特林(Hotelling)的丁2測試，但是應(yīng)當(dāng)理解，也可以使用其它方法得到基于統(tǒng)計的極限。當(dāng)?shù)梅殖鰳O限時，這可能是過程中某種事物異常的指示。另外，可替代地，可以應(yīng)用相應(yīng)地限制變化量的2-a和3-(5極限?；趤碜訮CA模型的得分數(shù)據(jù)，可以繪制若干幅圖。最簡單的圖是得分對時間的圖。在該圖中，上限和下限是基于統(tǒng)計創(chuàng)建的，并且如果超出任一閾值，則可以觸發(fā)警報。第二常見的圖是兩個得分的散布圖。最常見的是，前兩個得分t,和t2被繪制，因為這兩個得分描述過程中的最大變化量。在下述的用戶界面中示出了若干個示例性兩個得分的散布圖。在這些以及其它情況下，基于統(tǒng)計的極限可以包括或涉及圍繞正常過程數(shù)據(jù)的圓形或橢圓形。再次，如果得分超出這些極限，則可以觸發(fā)警報。轉(zhuǎn)向圖4和5,并且根據(jù)通常致力于支持多元實時過程數(shù)據(jù)的在線監(jiān)控和分析的本公開內(nèi)容的方面，過程可視化技術(shù)利用多維(或多元)的過程變量數(shù)據(jù)的集合內(nèi)的控制極限，例如與上面的休哈特表相關(guān)聯(lián)的控制極限。盡管是多元數(shù)據(jù)集，但是可以使用如下所述的變換之類的變換以一元形式表示極限。一般而言，變換可以基于一元技術(shù)來監(jiān)控多元數(shù)據(jù)。使用該技術(shù)，可以通過使用單個投影參數(shù)將任意數(shù)目的過程變量的過程數(shù)據(jù)和控制極限進行歸一化并引向同一標(biāo)準(zhǔn)。作為比較，存在用于離線應(yīng)用程序的不同統(tǒng)計工具，并且這些統(tǒng)計工具中的某些可以用于在線監(jiān)控。例如，如上所論述的，主成分分析(PCA)是一種經(jīng)常用于將多元數(shù)據(jù)空間的維度降低到幾維(經(jīng)常是二或三)的技術(shù)。然而，為了實現(xiàn)PCA，使用訓(xùn)練數(shù)據(jù)或來自"正常"過程操作的數(shù)據(jù)建立PCA模型，然后將該模型應(yīng)用于過程的進一步監(jiān)控。如上所論述的，得到的模型是關(guān)于主成分的，主成分是由訓(xùn)練數(shù)據(jù)確定的協(xié)方差矩陣中本質(zhì)上最主要的特征向量。由于這種PCA結(jié)果，也稱為得分，并不直接與真實的過程變量相關(guān)，因此所監(jiān)控的變量的物理過程極限在分析中不再起作用。出于這個原因，當(dāng)使用PCA工具時，某些統(tǒng)計解釋經(jīng)常用于量化"數(shù)據(jù)的優(yōu)度"(即使用霍特林f統(tǒng)計計算95%或99%的置信區(qū)間)。使用一元分析，提出一種確定性方法來利用單個監(jiān)控變量監(jiān)控多元過程數(shù)據(jù)。該方法可以容易地應(yīng)用于離線和在線數(shù)據(jù)監(jiān)控和分析應(yīng)用程序中。下面描述該方法和模型建立。在開始時，Xi，X2，…,X。被公開為表示過程變量。每個變量Xi，i=l，，n,是包含時變數(shù)據(jù)Xi,j的向量，其中j指代Xj的第j個樣本或成分。例如，Xr[xu,Xi,2，…,Xi，m]T，其中T表示Xi的轉(zhuǎn)置運算，m是由數(shù)據(jù)采樣速率和數(shù)據(jù)采集的總時間確定的向量維度。利用這種命名法，根據(jù)變換p,"(;;-a,.)2+^^j描述每個過程變量，其中i=l,,"，j=l，...,m,并且其中y是被指派為將多元過程變量捆扎在一起的變量，a是給變量Xj分配的唯一位置，k,是縮放參數(shù)，且X,」是Xj的第j個成分。由于可以針對每個變量Xi,i=l，...，n,唯一地定義變換Pi，因此可以將多元變換定義為P(y),(y)傘P2(y)……*pn(y》接下來，P被用于導(dǎo)出投影模型M"y^Kp/P(y),其中Kp是縮放因子，M乂y)指代多元投影。使用這些分配，多元數(shù)據(jù)通過單個變量y被投影。圖4和5圖示出多個過程變量(PV1、PV2等)相對于每個變量各自的物理操作極限在單個圖上得到的視圖。圖4描繪出針對每個過程變量都保持在操作極限內(nèi)的數(shù)據(jù)點的圖106。圖5描繪出針對過程變量之一可能已超出其控制極限的另外的數(shù)據(jù)點的圖108。為了進一步圖示出該方法(包括視圖以何種方式指示已超出控制極限)，使用六個過程變量XpX2,X3,X4，Xs和X6提供示例。在正常操作狀況下，這些變量中的每一個都具有由lx」定義的操作極限(假設(shè)數(shù)據(jù)點居中)。利用該信息，每個變換Pi利用系數(shù)kj被調(diào)諧至相同的水平，從而獲得圖4和5的視圖。這有效地定義了一組多元監(jiān)控設(shè)置值。可以看出，這六個過程變量中的每一個針對變量y(橫軸)都具有由ai=-10，-5，0,5,10,15給定的唯一位置。此外，所有的過程變量都由參數(shù)kj調(diào)諧以達到由X仏給定的最大操作范圍的均等最大響應(yīng)或極限。現(xiàn)在，如果在監(jiān)控階段期間六個峰值中的任一個突破過程變量指示符，則該特定變量可能已遇到超出范圍的事件。這在圖5中示出。可以看出，過程變量#2相對于容許極限處于邊緣，而過程變量#4明顯超出跡線。但是，圖5中描繪的情況清楚地圖示出六個過程變量的正常操作狀況。在監(jiān)控階段，圖4和5的事件并不是孤立的，或者說是獨立的事件，它們實際上是持續(xù)改變的變量的可視片段(snippet)或幀。也就是說，當(dāng)新的過程數(shù)據(jù)輸入模型(以給定的采樣速率)時，響應(yīng)即時改變。因此監(jiān)控圖像按照采樣速率被更新，在任意情況下，所述采樣速率可以大約為0.1到1秒或更長。28在該監(jiān)控方法中，當(dāng)所有過程變量的極限已知時，所公開的方法不需要訓(xùn)練數(shù)據(jù)。例如，為了創(chuàng)建多元監(jiān)控，人們應(yīng)用以上描述的設(shè)計程序，并完成利用其它方法不可能得到的一元模型。在其它情況下，如果并非所有的過程變量極限都已知，則可以使用沒有預(yù)定極限的過程變量的訓(xùn)練數(shù)據(jù)來確定在正常過程操作狀況下的過程變量極限，然后可以計算出模型。在已知或未知極限的情況下，可以使用一元分析方法對每個過程變量進行歸一化以定義公共過程變量極限(見例如圖4),并且可以相對于公共過程變量極限監(jiān)控每個過程變量。下面進一步論述的既使用已知過程變量極限又使用未知過程變量極限的歸一化的其它示例可以利用一元分析方法來實現(xiàn)。所公開的一元分析方法不局限于任何特定的過程變量的集合或類型。它可以應(yīng)用于過程變量的任意組合(例如，過程輸入、輸出和外部變量)。另外，一元方法提供創(chuàng)建和分析過程數(shù)據(jù)模式的唯一方式。這些模式可以進一步用于過程診斷，包括異常情況預(yù)防應(yīng)用程序。例如，如果在大多數(shù)時間兩個以上峰值有同步上移或下移的趨勢，則相應(yīng)的過程變量相關(guān)聯(lián)。否則，這些變量不相關(guān)聯(lián)。類似地，一元技術(shù)可以用于估計過程變量是否發(fā)生故障。簡言之，所公開的一元數(shù)據(jù)建模和可視化方法提供使用單個變量實現(xiàn)在線或離線場景的多元監(jiān)控的技術(shù)。如果所有過程變量的極限均已知，則該方法不需要訓(xùn)練數(shù)據(jù)，并且同樣它提供可被過程操作員容易地解釋的監(jiān)控結(jié)果?，F(xiàn)在提供關(guān)于三種可替代方法的進一步信息，這三種可替代方法可以用于歸一化過程變量以采用圖4和5示出的形式顯示。為了描述它們，可以考慮圖3(休哈特圖)中示出的典型過程變量描述。在該圖中，過程變量被限制在UCL100和LCL102之間，并且過程變量的理想值是目標(biāo)值。在這些極限之內(nèi)時，該控制變量被叫做在控制下，否則，該控制變量被叫做失控。如上所論述的，UCL和LCL表示可以通過過程操作需求提供的物理極限?；诖?，可以利用以下數(shù)據(jù)歸一化方法。當(dāng)每個過程變量的控制極限都已知時，可以使用第一方法。具體而言，可以將過程變量PV歸一化為控制極限和目標(biāo)值的函^t:尸廠*=100%乂"乂(尸f-r):0<n<l其中目標(biāo)=丁,cl=|ucl-t|=|lcl—t|。當(dāng)并非所有過程變量的過程變量控制極限都已知時，可以使用第二方法。具體而言，可以將過程變量PV歸一化為當(dāng)過程正常操作時為過程變量采集的訓(xùn)練數(shù)據(jù)集的函數(shù)，該函數(shù)包括在訓(xùn)練數(shù)據(jù)集內(nèi)過程變量的觀測值其中正常過程操作由訓(xùn)練數(shù)據(jù)集T(PV)表示，Mpv是T(PV)的均值，并且CI^T(PV)中的lPV-Mpv匕。第三方法使用統(tǒng)計自動縮放方法，該方法也可以在并非所有過程變量的過程變量控制極限都已知時使用。具體而言，可以將過程變量PV歸一化為當(dāng)過程正常操作時為過程變量采集的訓(xùn)練數(shù)據(jù)集的函數(shù)，該函數(shù)包括在訓(xùn)練數(shù)據(jù)集內(nèi)過程變量的觀測值其中正常過程操作由訓(xùn)練數(shù)據(jù)集T(PV)表示，(72是T(PV)的方差，Mpv是T(PV〉的均值，并且kcj,k4，2，…，n確定統(tǒng)計控制極限(例如3o)?？梢愿鶕?jù)需要結(jié)合所公開的技術(shù)利用這些方法的變體和其它用戶定義的控制極限(以及確定這些控制極限的方法)。上述數(shù)據(jù)監(jiān)控和分析技術(shù)對于快速在線可視化和過程數(shù)據(jù)行為的理解是理想的。它可以用于過程診斷和異常情況預(yù)防應(yīng)用程序。例如，來自遍布于Fieldbus的多個智能設(shè)備的數(shù)據(jù)可以得到快速的分析和監(jiān)控。對于來自傳感器陣列和生物微型陣列(bio-microarmy)的數(shù)據(jù)而言也是如此。監(jiān)控結(jié)果也可以用于過程優(yōu)化和質(zhì)量控制。此外，該方法可以與統(tǒng)計數(shù)據(jù)建模方法一起使用以增強數(shù)據(jù)分析。例如，它可以與PCA方法同時使用以加快和增強對得分數(shù)據(jù)的解釋。根據(jù)公開內(nèi)容的特定方面，上述可視化技術(shù)可以集成在操作員界面中，所述操作員界面以其它方式，例如在處理之后通過如下所述的其它多元統(tǒng)計技術(shù)，顯示過程數(shù)據(jù)。例如，過程變量相對于它們的物理極限的可視化可以與PCA得分圖結(jié)合起來使用以使能關(guān)于過程當(dāng)前狀態(tài)的更準(zhǔn)確決策。上述一元技術(shù)可以并入提供監(jiān)控多元實時過程數(shù)據(jù)的方法的確定性多元數(shù)據(jù)分析工具(其示例將在下文中描述)中。以這種方式，單個變量監(jiān)控模型可以用于多元數(shù)據(jù)的行為的可視化。更概括地說，該方法的優(yōu)點在于所有的過程變量都在單個監(jiān)控變量內(nèi)捆扎在一起。所公開的一元方法很好地適于在線和離線應(yīng)用程序。如以上所提及的，當(dāng)所有過程變量的操作極限都已知時，所公開的方法不需要訓(xùn)練數(shù)據(jù)。與過程變量相關(guān)聯(lián)的操作極限用于建立單個變量監(jiān)控模型。在某些情況下，對于操作極限未知的過程變量，可以使用訓(xùn)練數(shù)據(jù)。模型可以在包括例如DeltaV的若干種軟件平臺上實現(xiàn)?，F(xiàn)在參見圖6和7,本公開內(nèi)容的另一方面致力于由主成分分析(PCA)和其它多元統(tǒng)計技術(shù)提供的功能。PCA和下述其它多元統(tǒng)計技術(shù)可以是過程控制系統(tǒng)的集成部件，例如分布式控制系統(tǒng)DeltaV和Ovation。這種集成支持工廠人員將PCA技術(shù)用于在線監(jiān)控應(yīng)用程序。如下所述，PCA和其它技術(shù)所支持的可視化和警報可以連同諸如以上結(jié)合圖4和5所描述的其它可視化方案集成到控制系統(tǒng)中。出于這些以及其它原因，工廠人員可以利用流線型或單個用戶界面，而不需要監(jiān)控、維護或支持分立的軟件應(yīng)用程序。如下所述，將PCA實現(xiàn)成過程控制系統(tǒng)的一部分也使得使用在線過程數(shù)據(jù)實現(xiàn)監(jiān)控和診斷更加實用。圖6和7描繪過程控制系統(tǒng)內(nèi)的用于實現(xiàn)以上所論述的基于PCA的技術(shù)的示例性PCA功能塊110、112。一般而言，每個PCA功能塊llO、112可以在訓(xùn)練時段采集數(shù)據(jù)，在訓(xùn)練時段結(jié)束時建立PCA模型，而后將PCA模型應(yīng)用于所有的未來數(shù)據(jù)。功能塊110、112的左手側(cè)是PCA的輸入，這些輸入為原始過程變量。功能塊的輸出為對應(yīng)于最重要特征值的得分。例如，功能塊110、112可以是通過也由得克薩斯州奧斯汀市的愛默生過程管理公司銷售的DeltaV頂控制工作室(controlstudio)可獲得的定制功能塊，所述DdtaVTM控制工作室的界面114可以用于描繪功能塊輸入/輸出連接以及其它細節(jié)。在該示例中，可以提供多達20個過程變量作為PCA的輸入。當(dāng)然，通常，可以將任意數(shù)目的數(shù)據(jù)用于PCA。PCA塊llO、112的輸入是正常情況下在DCS中可用的過程變量。還存在可以用于進行主成分回歸(PCR)的過程因變量(YIN)的輸入，主成分回歸是一種可以用在這里所描述的公開方法中的一種以上的統(tǒng)計技術(shù)。盡管所公開的示例示出單個變量，但是應(yīng)當(dāng)理解，通?？梢源嬖诙鄠€因變量。PCA功能塊110、112可以包括若干種用于配置和應(yīng)用PCA模型的操作模式。在示出的示例性實施例中，PCA功能塊llO、112在兩種不同的模式下運行學(xué)習(xí)和監(jiān)控(由學(xué)習(xí)(LEARN)功能塊輸入上的是/否(True/False)確定)。在學(xué)習(xí)模式期間，功能塊從每個輸入變量采集數(shù)據(jù)。例如，當(dāng)用戶發(fā)出學(xué)習(xí)命令時，PCA塊llO、112開始采集所有輸入變量的過程數(shù)據(jù)。過程數(shù)據(jù)被存儲在計算機存儲器中，并且數(shù)據(jù)采集無限期地持續(xù)下去，直到用戶發(fā)出監(jiān)控命令為止。在已采集了足夠量的數(shù)據(jù)之后，用戶向PCA塊發(fā)出監(jiān)控命令。在發(fā)出監(jiān)控命令之后，PCA塊llO、112施行PCA算法以基于所采集的數(shù)據(jù)建立PCA模型。模型的建立可以包括以下步驟自動縮放輸入數(shù)據(jù)(對于每個輸入變量，減去其均值，并除以其標(biāo)準(zhǔn)差)，根據(jù)縮放后的數(shù)據(jù)計算協(xié)方差矩陣，計算特征值和特征向量，確定重要特征向量的數(shù)目以保留PCA負荷矩陣，并使用基于ci的極限或PCA得分的丁2霍特林統(tǒng)計(例如95%或99%)計算統(tǒng)計極限。當(dāng)該計算完成時，PCA塊llO、112前進到監(jiān)控模式，此時其基于輸入至塊的新過程數(shù)據(jù)計算得分。具體而言，新過程數(shù)據(jù)可以是實時生成的在線過程數(shù)據(jù)。如果得分中的任一個超出極限，則這可能指示異常情況，并且塊110、112上的警報參數(shù)被置位。該警報參數(shù)可以與過程控制系統(tǒng)或網(wǎng)絡(luò)的32任意其它部分聯(lián)系起來。可以提供或生成每個PCA結(jié)果的視圖作為控制系統(tǒng)操作員界面的一部分。例如，界面可以用于在DeltaProcessHistoryView(過程歷史查看)中生成繪制隨時間變化的得分的PCA得分圖?？商娲鼗蚋郊拥兀缟厦婧拖旅嫠境龊吞岢龅?，可以在兩維圖上繪制針對兩個PCA得分的數(shù)椐。統(tǒng)計極限計算出也可以通過操作員界面提供的圓形或橢圓形結(jié)果。如果得分超出極限，則可能會觸發(fā)警報。在某些情況下，這里描述的多元監(jiān)控和診斷技術(shù)可以在致力于異常情況預(yù)防的系統(tǒng)的模塊(或其它元件或系統(tǒng)部件)中實現(xiàn)。類似于其它異常情況預(yù)防算法，該技術(shù)可以致力于在異常過程情況出現(xiàn)之前檢測這些異常過程情況。這些算法通常呈現(xiàn)"警惕性"并且對于若干種異常情況都持續(xù)準(zhǔn)確。相應(yīng)地，異常情況預(yù)防模塊可以是持續(xù)性過程，而非提供一次性或非實時的方案。這里描述的多元監(jiān)控和診斷技術(shù)也可以用在批處理中，因而功能塊110、112可以采集針對輸入變量的過程數(shù)據(jù)的不同集合，其中每個集合對應(yīng)于過程的不同在線狀態(tài)。例如，當(dāng)過程以各種能力操作時，用戶可以發(fā)出學(xué)習(xí)命令，從而使過程正常操作時PCA功能塊針對特定能力水平(例如特定在線狀態(tài))采集針對輸入變量的過程數(shù)據(jù)。此后，用戶可以發(fā)出監(jiān)控命令，使PCA塊llO、112施行PCA算法，以基于針對該特定在線狀態(tài)(例如能力水平)采集的數(shù)據(jù)來建立PCA模型。同樣，可以建立多個PCA模型，每個PCA模型對應(yīng)于當(dāng)過程正常操作時該過程的不同在線狀態(tài)。此后，當(dāng)該過程在特定在線狀態(tài)下執(zhí)行時(例如50%的能力)，PCA塊llO、112使用相應(yīng)PCA模型前進到監(jiān)控模式，在監(jiān)控模式下PCA塊110、U2基于輸入到該塊的新過程數(shù)據(jù)計算得分。相應(yīng)地，用戶可以從多個多元統(tǒng)計模型中選擇，以選擇與該過程的在線狀態(tài)最相關(guān)的多元統(tǒng)計模型，以分析該過程的在線、實時操作，從而監(jiān)控該過程、檢測異常情況等。在一個示例中，用戶可以選擇特定的訓(xùn)練會話并決定建立針對過程的特定在線狀態(tài)而定制的新模型。該公開內(nèi)容的這一方面為在線(即實時)多元監(jiān)控和診斷應(yīng)用程序提出一種通用(開源)數(shù)據(jù)驅(qū)動方法。此外，該方法通常支持創(chuàng)建和操縱用于建立在線模型的數(shù)據(jù)，并對用于診斷、故障檢測等的模型參數(shù)進行比較。所公開的方法包括為過程監(jiān)控和診斷定義集成平臺，這最終可以通過使用系統(tǒng)級或聯(lián)網(wǎng)架構(gòu)來實現(xiàn)，例如由得克薩斯州奧斯汀市的愛默生過程管理公司銷售的？13加\\^3@架構(gòu)。所提出的集成平臺基于多元方法，并且可以適應(yīng)不同的計算算法，包括那些在下面描述的檢測技術(shù)中使用的計算算法。關(guān)于數(shù)據(jù)驅(qū)動平臺的開源特性，應(yīng)當(dāng)理解，所公開的方法和系統(tǒng)可以從不同的輸入域(例如FoundationFieldbus、HART、Modbus、OPC、無線等)接收數(shù)據(jù)。所接收的數(shù)據(jù)可以是從任意數(shù)目的不同的變送器、傳感器和致動器采集的在線過程數(shù)據(jù)，并且用于定義多元過程域。相同的數(shù)據(jù)被過程控制系統(tǒng)使用，并且可以存儲在歷史數(shù)據(jù)庫中。圖8中示出通過所公開的系統(tǒng)和模塊的數(shù)據(jù)流。一旦來自過程的數(shù)據(jù)進入所公開的模塊，該數(shù)據(jù)可以用于在線訓(xùn)練、在線監(jiān)控或在同一時段中用于在線訓(xùn)練和在線監(jiān)控。根據(jù)需要，兩個開關(guān)SW1和SW2以支持不同數(shù)據(jù)路徑的方式實現(xiàn)。如果需要訓(xùn)練，可以累積數(shù)據(jù)，直到用戶/操作員停止累積過程為止。該程序可以通過將SW置于在線訓(xùn)練狀態(tài)來完成。任何累積的數(shù)據(jù)可以存儲在文件120中，并且然后用在模型構(gòu)造器或發(fā)生器122中。每個生成的模型可以如所示的那樣被存儲，并且通過例如開關(guān)SW2〗吏其可用于監(jiān)控模式中所涉及的部件。當(dāng)模型構(gòu)造操作完成時，該模型與訓(xùn)練數(shù)據(jù)一起被存儲，典型地，是作為.txt文件存儲在位于數(shù)據(jù)庫或存儲器(驅(qū)動器C:/)中的模型文件夾中?？梢杂稍摂?shù)據(jù)構(gòu)造的模型包括但不限于主成分分析(PCA)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、模糊邏輯和貝葉斯決策樹。每種算法的工具可以由例如異常情況預(yù)防模塊采用下拉窗口的方式提供。這些模型中的每一個都可以用來建立預(yù)測，如下所述。相同的模型也可以用于在線監(jiān)控。當(dāng)模型處于在線監(jiān)控模式時，異常情況預(yù)防模塊使用模型輸出(0/P)生成三種類型的輸出統(tǒng)計、歸一化過程變量(PV)和過程變量(PV)等級。如圖8所示，每個輸出(PV等級、歸一化PV&物理極限以及得分&統(tǒng)計極限)可以進一步用來生成警報狀態(tài)(警報診斷)、視圖(操作員圖形界面)和/或模型的驗證。統(tǒng)計輸出由作為多元數(shù)據(jù)點的低維表示的得分構(gòu)成。低維空間是基于多元域中具有最大數(shù)據(jù)變化的方向獲得的。如以上已論述的，PCA建模是一種可以用于建立得分的技術(shù)，但是其它建模技術(shù)也可以產(chǎn)生得分。統(tǒng)計輸出還可以包含95%(99%)的置信極限或基于cj的極限。以上相對于已知和未知的過程變量極限描述了歸一化過程變量的概念?；谠摳拍?，可以用條形圖(或其它兩維圖)呈現(xiàn)歸一化數(shù)據(jù)。這些圖也可以包含有助于警報識別的物理或過程極限。如下面結(jié)合本公開內(nèi)容的另一方面所描述的，在單個用戶界面中結(jié)合統(tǒng)計極限和物理極限提供一種準(zhǔn)確識別異常情況預(yù)防警報狀態(tài)的有用方式，并且同樣提供支持異常情況預(yù)防啟動的技術(shù)。過程變量等級可能有助于異常情況預(yù)防，因為過程變量等級基本上是針對過程變量的可變性給定該過程變量的等級。過程變量呈現(xiàn)的變化越大，其等級越高。這是一個有用的參數(shù)，因為它可以容易地使用在不同時刻監(jiān)控同一過程情況所獲取的等級被交叉驗證。例如，如果所有的過程變量對于兩個以上監(jiān)控模型均呈現(xiàn)出相同的等級，則監(jiān)控模型中的置信度提高。為了獲取過程變量等級，可以使用下列計算其中PVj。—是第j個過程變量的等級，S是"x"自動縮放協(xié)方差矩陣，"是多元數(shù)據(jù)空間的維度，trS是S的主對角線元素之和，k〈n是主成分空間，對于i-l，…，k,(7i和Pi分別是S的主特征值和特征向量，Pi,j是特征向量Pi的第j個成分，pg也被稱為負荷?？梢詾樗⒌拿總€PCA模型計算等級，并且可以將該等級與其它模型參數(shù)一起存儲在模型文件中。以上公式由模型參數(shù)構(gòu)成，并且以這種方式獲取的過程變量等級與模型密切相關(guān)。因此，如果兩個模型正確地描述了相同的過程事件，則它們將過程變量的等級評定為相同的順序。同樣，可以基于過程變量各自的等級來驗證模型。這在模型不同時通常也是可行的。例如，一個模型可能基于PCA,另一個模型可能基于ANN，并且它們的過程變量等級通常處于相同的順序。當(dāng)過程數(shù)據(jù)是非線性的(即顯著偏離正態(tài)分布)時可能包括例外。進一步需要注意的是，其它模型參數(shù)可以用于模型驗證。諸如特征向量負荷pu和特征值A(chǔ)之類的PCA參數(shù)或者諸如隱藏層的數(shù)目和輸出的數(shù)目之類的ANN參數(shù)也是有用的參數(shù)。每個模型呈現(xiàn)出可以用于驗證任務(wù)的特定參數(shù)集合。根據(jù)本公開內(nèi)容的另一方面，模型輸出數(shù)據(jù)可以用來生成警報狀態(tài)，并且更概括地說，生成供操作員使用的合成多元圖形界面。圖9-13圖示出顯示歸一化過程變量、過程變量等級(參見圖13)、得分和警報狀態(tài)的示例性圖形界面。該圖形界面還包含選項卡，從這些選項卡中可以訪問其它模型信息和圖。如圖13所示，可以在圖13的左上部的變量描述后面的括號中給出過程變量等級[例如，(2)]。在該特定實例中，有10個過程變量，等級范圍從1到10。過程變量S21531具有等級1,表明它是具有最大變化的變量?，F(xiàn)在參見圖14,對BiPlot選項卡130的訪問向操作員提供觀看如得分圖面板132中所描繪的兩個得分顯示。bi-plot(雙圖)用于同時表示得分和在圖中由它們的負荷pij定義的過程變量。線表示有多少主成分存在于過程變量中。例如，可以看出等級為1的過程變量S21531具有最大的第一主成分tl(橫軸)。相反，等級為8的過程變量S21008具有最大的第三主成分t3(縱軸)。這是非常有意義的，因為tl定義數(shù)據(jù)空間中具有最大變化的方向，而t3明顯次要。人們可以通過簡單地改變在圖的右上部的窗口中的顯示來探究過程變量與其它主成分的關(guān)系(例如可以獲得針對tl-t2的得分)。該bi-plot提供一種將在線得分(黑點)與過程變量關(guān)聯(lián)起來的筒單方式。最接近得分的線確定該得分的主要過程變量?，F(xiàn)在由于圖上線總是在相同的位置，且得分是唯一的動態(tài)成分，因此操作員可以快速地理解哪個過程變量或哪組過程變量對于投影到任意給定的時刻的得分而言是最有影響力的。同樣，操作員可以通過單個顯示快速熟悉所有過程變量。關(guān)于實現(xiàn)選項，所公開的用戶界面顯示(以及負責(zé)生成所述用戶界面顯示的系統(tǒng)或模塊)可以在DeltaV、Ovation或任意其它控制系統(tǒng)平臺上實現(xiàn)。例如，為此可以利用基于PCA的功能塊?？商娲兀部梢詫isualBasic(VB)和.NET技術(shù)用作實現(xiàn)平臺。在一種情況下，示例性實現(xiàn)策略可以合并VB.NET和DeltaVTM或Ovation⑧的某些組合。盡管有了前面的描述，但是也可以在不同的軟件平臺(即Java、Delphi、C十+)上完成實現(xiàn)。下面提供關(guān)于圖9-13的操作員顯示界面的進一步細節(jié)。應(yīng)當(dāng)注意到，盡管PCA是有用的，但是PCA技術(shù)并不能容易地傳送關(guān)于過程動態(tài)的信息。這通常是由使用散布圖顯示PCA分析(得分)的結(jié)果造成的。散布圖雖然有用，但是一般是過程數(shù)據(jù)的統(tǒng)計表示。如上所論述的，多維訓(xùn)練或監(jiān)控數(shù)據(jù)集被投影到(得分)到低維主成分空間。通常，前兩個主成分捕獲數(shù)據(jù)中的最大變化，結(jié)果它們利用關(guān)于數(shù)據(jù)行為的最重要信息產(chǎn)生散布圖?；籼亓值膄分布也可以用來計算95%或99%的置信區(qū)間，或應(yīng)用基于C5的極限。該區(qū)間的知識對于檢測異常情況可能是很重要的，因為如果訓(xùn)練數(shù)據(jù)表示正常過程性能，那么對于該區(qū)間內(nèi)的任何新的得分點，人們可以95%(99%)地確定該數(shù)據(jù)點正常。相反，對于該極限區(qū)間外部的得分，人們可以95%(99%)地確定該數(shù)據(jù)點不正常(異常)。從上面的描述中顯而易見，通過散布圖對得分的記錄和解釋導(dǎo)致與被不正確地解釋的數(shù)據(jù)相關(guān)聯(lián)的不確定性的程度。如以上所論述的，不幸的是，經(jīng)驗顯示該方法通常導(dǎo)致錯誤警報。其主要原因是統(tǒng)計計算的極限沒有將過程變量的實際物理極限考慮進來。每個得分是以均值為中心的輸入變量的線性組合。例如，置信極限區(qū)間內(nèi)部和外部有5%(1%)的不確定性，使得不能100%地保證任何給定得分都是正常或異常的，并且傳統(tǒng)的PCA在檢測異常情況上并不總是可靠的。例如，PCA得分可能觸發(fā)不存在的異常情況(錯37誤警報)，并且相反地，PCA得分可能在過程實際上異常運轉(zhuǎn)時指示正常運轉(zhuǎn)(遺漏的診斷)。顯然，當(dāng)確定異常情況并發(fā)布異常警告時，這通常是不可接受的。問題在于當(dāng)人們采用物理極限的相同線性組合時發(fā)生什么。因為過程變量具有不同的數(shù)值范圍，因此對于人們會以何種方式將這些極限變換成PCA得分圖并不總是清楚的。圖9-13的界面顯示盡管致力于前述事項，但是還示出操作員界面可以用來顯現(xiàn)應(yīng)用于當(dāng)前過程數(shù)據(jù)的PCA模型的示例性方式。簡言之，包括可以根據(jù)PCA或其它多元分析生成的PCA得分圖146和可以根據(jù)一元分析生成的物理極限圖148。這兩個圖的組合給出過程的當(dāng)前狀態(tài)的指示。在圖9的示例中，由于PCA得分在統(tǒng)計極限內(nèi)，并且所有的過程變量都在它們的物理極限內(nèi)，因此這指示該過程在正常操作狀況下，并且指示符塊150針對該結(jié)果被突出顯示。圖10圖示出如何根據(jù)PCA得分圖146得出任何事物看起來都正常的示例。然而，過程變量之一已超出其物理操作極限，如物理極限圖148所示。因此，指示符塊152突出顯示遺漏的警報。相反，PCA得分圖也可以在所有的過程變量仍然在它們的物理操作極限的情況下指示存在問題。圖11圖示出這種情況，我們將其稱之為錯誤警報，如指示符塊154所描繪的。因此，當(dāng)PCA圖和物理操作極限顯示都超出時，檢測到真實的警報狀況。在圖12中通過指示符塊156圖示出這種情況。參見圖13，示出圖形表示附有以滑條示出的供選擇先前所釆集的數(shù)椐的集合的用戶可選擇的圖形以及以下拉菜單示出的用戶可選擇的主成分的圖?；瑮l或其它圖形表示使用戶能夠基于該過程的先前操作選擇先前所采集的數(shù)據(jù)，并基于先前所采集的數(shù)據(jù)生成PCA得分。然后可以隨PCA得分更新圖形表示，使得用戶可以容易地訪問和分析異常運轉(zhuǎn)的任何先前過程操作。更進一步，應(yīng)當(dāng)注意到，過程變量可以用它們的過程極限的函數(shù)表示，所述過程極限可以包括如上所論述的公共過程極限。同樣，不同主成分的選擇使用戶能夠觀看對過程具有不同重要程度的不同過程變量的操作，并且可以相應(yīng)地更新圖形表示。圖15-19以與結(jié)合圖9-14的實施例所示出的類似的方式，圖示出呈現(xiàn)動態(tài)過程數(shù)據(jù)視圖與控制極限的PCA得分的示例性用戶界面的不同狀態(tài)。如上所述，七個過程變量的控制極限已歸一化為唯一值，并且如果這種情況的PCA得分超出95%的置信區(qū)間，則可以發(fā)布提醒。這兩個圖形示例對于任何導(dǎo)入數(shù)據(jù)在線同時運行。另外，PCA得分圖包含一個動態(tài)點，過程變量的峰值根據(jù)數(shù)據(jù)輸入對改變進行監(jiān)控。當(dāng)所有的峰值都低于控制極限線160時，該過程在控制下，并且操作正常。相應(yīng)統(tǒng)計得分應(yīng)當(dāng)也在極限圓162之內(nèi)。圖16中描繪了這種情況。類似地，當(dāng)一個以上峰值越過極限線160時，發(fā)生失控或異常狀況，并且PCA得分應(yīng)當(dāng)在極限圓162之外，如圖17所示。也可能會經(jīng)歷錯誤呼叫診斷。在圖18中，盡管所有的過程變量低于極限線160(正常)，但是得分在極限圓162之外(異常)。這種情況明顯是要忽略的錯誤警告。然而，也可能發(fā)生相反的情況。圖19所示的情況示出得分在極限圓162之內(nèi)(正常)，而過程變量指示符指示過程變量#2已違背極限要求(異常)。這是遺漏檢測或遺漏警告的情況。兩個在線圖形表示可以準(zhǔn)確地診斷數(shù)據(jù)點是與正常情況還是與異常過程情況對應(yīng)。此外，如果發(fā)生異常情況，違背正常狀態(tài)的過程變量可以立即被識別出來。然而，過程操作的這些變量的重要性可能不盡相同。對于特定監(jiān)控要求的過程變量的重要性由負荷矩陣P中的PCA負荷值確定。如果用信號指示警告的過程變量與小的PCA負荷值相關(guān)聯(lián)，則它可能對過程操作的重要性很低，并且該警告可以僅僅被歸類為提醒。相反，如果負荷值高，變量很可能對過程操作重要，且應(yīng)當(dāng)建議發(fā)出高度警告。前述視圖技術(shù)和所附的操作員界面可以在任意過程控制系統(tǒng)架構(gòu)或平臺內(nèi)實現(xiàn)，并且在任何情況下，可以得到由上述PCA塊實現(xiàn)的功能的支持。圖20和21描繪根據(jù)所公開的技術(shù)生成的另一可替代操作員界面，這兩種操作員界面都主持如上所述的在線監(jiān)控、診斷和錯誤警報檢測功能。具體而言，圖20以條形圖將過程變量描繪為它們的過程變量極限的百分比，可以包括如上所論述的公共過程變量極限。利用多元統(tǒng)計技術(shù)檢測穩(wěn)態(tài)搡作圖22和23致力于本公開內(nèi)容的另一方面，涉及使用基于PCA的統(tǒng)計特征識別和檢測穩(wěn)態(tài)操作。很多異常情況預(yù)防算法依賴于通過學(xué)習(xí)一個以上過程變量的初始狀態(tài)做出檢測，然后在過程變量以特定方式改變時觸發(fā)警報。然而，這些異常情況預(yù)防算法中很多也需要過程在針對初始狀況的訓(xùn)練之前和做出檢測之前處于穩(wěn)態(tài)。盡管讓人工操作員看著一個以上過程變量的圖，并辨別它們是否處于穩(wěn)態(tài)是很容易的，但是很難創(chuàng)建能夠可靠地做出相同判斷的算法?，F(xiàn)在描述一種致力于檢測過程中的穩(wěn)態(tài)的技術(shù)。該技術(shù)能夠基于監(jiān)控多個過程變量做出判斷。給定過程變量x，可以在給定長度的非交疊釆樣窗口內(nèi)(例如五分鐘)計算均值和標(biāo)準(zhǔn)差。在一個示例中，均值可以通過^=丄^>,計算，標(biāo)準(zhǔn)差可W,=1以通過s-AH^-計算，其中n是樣本的個數(shù)，x,，X2,…，x"是過程變量Vw-lx在采樣窗口內(nèi)獲得的樣本。在該示例中，假設(shè)；,和s,分別是在一個采樣窗口中計算出的均值和標(biāo)準(zhǔn)差，；2和S2分別是在下一采樣窗口中計算出的均值和標(biāo)準(zhǔn)差。那么，如果x，一^l^3.s，則可以說該過程處于穩(wěn)態(tài)。相反，如果一-;2|>3^,則該過程沒有處于穩(wěn)態(tài)。接下來，確定該計算中所使用的■。如果過程處于穩(wěn)態(tài)，并且正確地選擇了采樣窗口，則發(fā)現(xiàn)^《&。在這種情況下，s-^還是s-^無關(guān)緊要。然而，會產(chǎn)生用于宣告穩(wěn)態(tài)的更小極限的更魯棒算法(當(dāng)異常情況預(yù)防模塊開始運行時，可以更加確定該過程確實處于穩(wěn)態(tài))使用Sl和s2的最小值或s-min(s,A)。在這種情況下，宣告穩(wěn)態(tài)的準(zhǔn)則是；,S3.min(^&)。倍數(shù)40"3"可以是用戶可配置的參數(shù)，然而這使得異常情況預(yù)防系統(tǒng)的配置變復(fù)雜，特別是在存在很多過程變量時更是如此。計算過程變量的均值和標(biāo)準(zhǔn)差并確定穩(wěn)態(tài)的功能以及其它功能可以封裝到如上所述的統(tǒng)計過程監(jiān)控(SPM)塊中。根據(jù)本公開內(nèi)容的另一方面，一種穩(wěn)態(tài)檢測技術(shù)包括使用由PCA模型(而非直接由過程變量)生成的得分來確定具有多個過程變量的過程是否處于穩(wěn)態(tài)。圖22圖示出連接至PCA塊172的SPM塊170,可以用于確定具有多個過程變量(IN1，IN2,IN3，…)的系統(tǒng)當(dāng)前是否處于穩(wěn)態(tài)。PCA塊172可以與上述功能塊相對應(yīng)。圖22中所示的示例使用PCA模型的第一得分實現(xiàn)穩(wěn)態(tài)檢測。根據(jù)以上關(guān)于PCA模型的討論，與最大特征值數(shù)值對應(yīng)并且根據(jù)第一負荷向量計算出的第一得分表示過程中的最大變化量。例如，在某些過程中，最大變化量可以與傳播給大多數(shù)其它過程變量的負荷改變相對應(yīng)。在這種情況下，如果只有第一主成分符合穩(wěn)態(tài)標(biāo)準(zhǔn)，則可以確定整個系統(tǒng)處于穩(wěn)態(tài)。雖然第一成分可能是統(tǒng)計上最重要的成分，但可替換的示例可以使用PCA模型的多個得分，如圖23所示。在這種情況下，PCA功能塊172被連接至多個SPM塊170,其中每個SPM塊170監(jiān)控PCA模型的得分中的一個。在這種情況下，對于根據(jù)所選擇的方法(如，凱澤法則、變化百分比、并行分析等)被確定為重要的每個主成分，都會有一個SPM塊170。邏輯模塊174可以用于進行整個系統(tǒng)的穩(wěn)態(tài)確定。如果所有SPM塊170都指示穩(wěn)態(tài)，則可以將整個系統(tǒng)確定為穩(wěn)態(tài)。如果塊170中的任意塊示出非穩(wěn)定過程，則可以確定整個系統(tǒng)未處于穩(wěn)態(tài)。實現(xiàn)該技術(shù)的方法可以包括根據(jù)所有過程變量采集過程數(shù)據(jù)、創(chuàng)建過程的PCA模型、將第一PCA得分連接至統(tǒng)計過程監(jiān)控(SPM)塊以及如果SPM塊宣告第一PCA得分處于穩(wěn)態(tài)則宣告系統(tǒng)處于穩(wěn)態(tài)。SPM塊計算輸入變量在連續(xù)的非交疊采樣窗口中的均值(L和^)和標(biāo)準(zhǔn)差(sl和s2)，并且如果xiS"^min(^，S2),其中n為"f壬意實凄丈,則宣告豐#入哭量處于穩(wěn)、態(tài)。在某些情況下，穩(wěn)態(tài)可以依據(jù)p-;2^"^來確定?？商鎿Q地，穩(wěn)態(tài)可以依據(jù)來確定。在一個示例性實施例中，n=3。以上描述的技術(shù)和方法可以與連接至第二和更高PCA得分以及邏輯模塊的一個以上附加SPM塊一起實現(xiàn)，其中邏輯模塊將SPM塊中每一個的穩(wěn)態(tài)檢測作為輸入，并在所有SPM塊指示穩(wěn)態(tài)時生成指示整個系統(tǒng)處于穩(wěn)態(tài)的輸出信號。附加地，如果SPM塊中的任意塊指示非穩(wěn)定過程，則邏輯才莫塊可以確定整個系統(tǒng)處于非穩(wěn)定過程?？商鎿Q地或作為附加地，可以與SPM塊一起使用其它多元技術(shù)來檢測穩(wěn)態(tài)。這樣的技術(shù)包括PLS、PCR、FDA、CVA等。雖然在圖22和圖23中示出為涉及多個分立的單元，但所公開的技術(shù)和方法也可以在單個集成功能塊(如Fieldbus功能塊)、現(xiàn)場設(shè)備接口模塊、控制系統(tǒng)、單獨的軟件應(yīng)用程序等中實現(xiàn)。瞬時動態(tài)性的檢測圖24-37致力于與使用多元統(tǒng)計技術(shù)的瞬時動態(tài)性的檢測有關(guān)的本公開內(nèi)容的另一方面。在過程操作中經(jīng)常會遇到動態(tài)行為。例如，過程展示由諸如流速之類的輸入或負荷變量的改變導(dǎo)致的瞬時行為。這在火焰加熱器中相當(dāng)普遍，原因在于火焰加熱器經(jīng)常在原油的各種流速下運行。在實施故障或異常情況檢測時，重要的是區(qū)分正常操作狀況與瞬時操作狀況。具體來說，在瞬時區(qū)域中，過程不會以正常方式運轉(zhuǎn)，因此根據(jù)瞬時操作可以很容易得出錯誤的診斷(如，異常操作)。例如，在火焰加熱器中，當(dāng)原油的流速增加時，原油的出口溫度超過正常水平，并且降低到正常水平需要時間。這是因為流速的改變快于被操縱的變量(燃料流速)的改變。換句話說，在一階動態(tài)系統(tǒng)中，最終溫度達到其新的穩(wěn)態(tài)點需要的時間等于時間常數(shù)加任意滯后時間。因此，在檢測故障或異常情況時，區(qū)分動態(tài)瞬時區(qū)域與穩(wěn)態(tài)或設(shè)置點、操作區(qū)域是有用的。根據(jù)本公開內(nèi)容的另一方面，使用多元統(tǒng)計技術(shù)基于例如主成分分析(PCA)來檢測瞬時操作。結(jié)合火焰加熱器中的動態(tài)瞬時現(xiàn)象來描述所公開的技術(shù)，但所公開的技術(shù)還很適于結(jié)合其它過程控制環(huán)境來實施。該檢測方法也可以將基于PCA的技術(shù)與主成分回歸(PCR)集成以區(qū)分諸如火焰加熱器之類的過程中的異常情況與動態(tài)瞬時現(xiàn)象。在火焰加熱器管道中檢測焦化(或淤塞)的示例將被用于說明所提議的方法的魯棒性。在檢測算法中，對過程的瞬時行為進行識別以避免錯誤警報是重要的。瞬時操作期間的檢測可能導(dǎo)致錯誤的結(jié)果和錯誤的警報。還需注意的是，所公開的瞬時檢測技術(shù)可以用于指出諸如蒸餾塔和熱交換器之類的其它過程或單元操作中的瞬時模式。轉(zhuǎn)到圖24，火焰加熱器通常在精煉廠和石化廠中用于將原油或重碳氬化合物的溫度升至某提升的溫度。以180全局指示的火焰加熱器包括一個以上管道182。在該示例中，進料被均勻地分給加熱器通道182。每個管道182充當(dāng)一熱交換器，流入管道182的進料在此處由燃燒的燃料加熱。燃料的流動通常被操縱為達到原油(進料流)的期望的目標(biāo)最終溫度。在也被稱為火焰加熱器的焦化加熱器中，常見的異常狀況是焦化。具體而言，由于火焰加熱器中的溫度提升，原油裂化并形成被稱為焦炭的殘渣碳。焦炭隨時間沉積在也被稱為通道的管路的內(nèi)表面，通常導(dǎo)致管路或火焰加熱器的性能低下。該過程被稱為淤塞。隨著時間的推移，焦化加熱器的性能越來越差，并且可能發(fā)生意外停機以清潔焦化加熱器。在某些實例中，某些管路可能會嚴重堵塞。因此，在焦化加熱器管道內(nèi)對焦炭的形成進行監(jiān)控以調(diào)度單元清潔。焦化加熱器呈現(xiàn)多元數(shù)據(jù)結(jié)構(gòu)，其非常適于利用這里描述的有時被稱為MMDM(即多元監(jiān)控和診斷模塊)工具的多元監(jiān)控和診斷技術(shù)和工具進行分析。例如，可以根據(jù)這里描述的技術(shù)，由MMDM工具對表1中給出的過程變量(PV)進行監(jiān)控和處理。這些過程變量也在圖24中示出。然而，值得注意的是，可以以任意期望的方式，通過如上所述的過程控制系統(tǒng)或網(wǎng)絡(luò)，并且才艮據(jù)諸如PlantWeb⑧數(shù)字工廠架構(gòu)之類的各種不同的架構(gòu)，并利用例如愛默生FOUNDATIONFieldbus設(shè)備(例如MicroMotioncoriolisflowmeters(微運動互補流量計)、柔斯芒特溫度設(shè)備等)，來供應(yīng)過程變量數(shù)據(jù)。<table>tableseeoriginaldocumentpage44</column></row><table>表l、火焰加熱器的監(jiān)控變量圖25呈現(xiàn)在由主成分^和t2定義的空間中根據(jù)PCA建立的訓(xùn)練數(shù)據(jù)得分。在本示例中，針對具有被控制變量的單個設(shè)置點時的多種流速收集基本訓(xùn)練數(shù)據(jù)。大約采集30，000個實時過程數(shù)據(jù)點。訓(xùn)練數(shù)據(jù)用于建立MMDM工具的模型，并且由MMDM工具產(chǎn)生的散布圖之一可以與圖25所示的圖相對應(yīng)。散布圖中的八個簇與訓(xùn)練數(shù)據(jù)中八個不同的流速區(qū)域相對應(yīng)。圖25的圖中示出的虛線190內(nèi)部的區(qū)is戈與圖26和27中示出的橢圓相對應(yīng)，圖26和27則表示99%的置信橢圓。也就是說，橢圓內(nèi)的區(qū)域給出橢圓邊界內(nèi)的任意得分都屬于火焰加熱器單元的正常操作狀況的概率為99%。轉(zhuǎn)到圖26和27，在本公開內(nèi)容的本方面，管道的出口溫度(T。ut)被用作因變量，而其它六個變量被當(dāng)作自變量。自變量被選擇用于監(jiān)控，并用于創(chuàng)建歸一化過程變量數(shù)據(jù)模型以及具有得分圖的PCA模型。過程變量數(shù)據(jù)提供用于模型建立的訓(xùn)練數(shù)據(jù)。然后，該模型被用于為在線監(jiān)控定義操作員用戶界面，如圖26中所描繪的。如上所述，該界面以歸一化和得分圖的方式顯示過程自變量，并顯示過程警報狀態(tài)指示符。一般而言，該界面可以如以上結(jié)合圖8所述的那樣生成，并且可以與結(jié)合圖9-21描述的示例性界面的任意一個或多個方面合并。對于過程因變量(T。ut),訓(xùn)練數(shù)據(jù)被用于創(chuàng)建回歸型的PCR模型。這是由MMDM工具在模型建立會話期間完成的。也就是說，來自PCA模型所創(chuàng)建的數(shù)據(jù)空間的成分被用作創(chuàng)建PCR模型時的自變成分，該PCR模型用于將過程因變量建模為過程自變量的函數(shù)。在界面的環(huán)境中，PCR模型可以通過推操作員界面窗口中的"PCR"鍵來訪問，并且出現(xiàn)圖27所描繪的顯示窗口。該顯示窗口示出了為得分成分T。T2,Tn計算的回歸系數(shù)。為了通過使用建立的PCA模型驗證瞬時行為的檢測，針對各種原油流速創(chuàng)建驗證數(shù)據(jù)集(4300個數(shù)據(jù)點)。圖28示出驗證數(shù)據(jù)的原油流速的七個不同區(qū)域。在本示例中，在驗證數(shù)據(jù)中有六個不同的瞬時(動態(tài))區(qū)域，并且PCR模型被用于根據(jù)驗證數(shù)據(jù)來預(yù)測這些區(qū)域。圖29示出預(yù)測T。ut(Y)與實際T。ut。圖29中所示的迭加的圖展示出PCR模型在預(yù)測穩(wěn)態(tài)和瞬時區(qū)域中的因變量(Y)的成功。瞬時區(qū)域中的預(yù)測稍微滯后，這與預(yù)期相符。盡管如此，驗證數(shù)據(jù)中呈現(xiàn)的六個瞬時區(qū)域在圖29中可清楚地辨認。圖30-34描繪用于瞬時區(qū)域檢測的霍特林(T2)計算的使用以及操作界面的相應(yīng)部分。特別地，圖30示出在瞬時區(qū)域開始的時刻的丁2圖。具體來說，當(dāng)原油的流速開始改變時，丁2出現(xiàn)向上的尖峰。此外，圖30示出操作點位于得分圖Vt3的橢圓的外面。圖31示出即使沒有自變量超出極P艮，PCA也檢測到動態(tài)(瞬時)區(qū)域。當(dāng)動態(tài)瞬時現(xiàn)象發(fā)展時，丁2駐留在可接受極限之外，并且得分圖位于橢圓的外面(圖32)。一旦過程停留在新的穩(wěn)態(tài)區(qū)域(圖33)，丁2響應(yīng)就位于極限之下，并且得分圖位于橢圓區(qū)域的內(nèi)部?？梢钥闯?，PCA得分圖和丁2表示可以用于檢測過程變量中的瞬時現(xiàn)象，并且可以估計瞬時時間常數(shù)。圖34示出由丁2針對整個驗證數(shù)據(jù)檢測到的全部六個瞬時區(qū)域。每個瞬時區(qū)域的寬度表示瞬時持續(xù)時間。圖35和36描繪在PCR分析中不使用被控制變量的方法的結(jié)果。這樣做時，描述了合并被控制變量的有用性以及被控制變量如何影響所提議的方法的檢測魯棒性。在這種工作中使用的焦化加熱器示例中，原油的最終溫度(TF)是被控制變量。在本示例中，希望將原油加熱到期望的設(shè)置點，即最終溫度。如前所述，使用相同訓(xùn)練數(shù)據(jù)的六個自變量中的五個建立PCA模型。新模型通過使用與六變量分析中所使用的驗證數(shù)據(jù)相同的驗證數(shù)據(jù)被驗證。圖35示出新模型不能檢測過程的動態(tài)行為。丁2也利用新模型針對驗證數(shù)據(jù)而獲得。圖36示出在六變量模型中獲得的尖峰不再存在?；谏鲜鰞?nèi)容，在檢測瞬時或動態(tài)行為時，模型中包含被控制變量是有用的，這種方式在被控制變量通常受到負荷或輸入變量改變的直接影響時期望采用。圖37致力于焦化檢測的流程。根據(jù)以上的討論，很明顯在瞬時階段期間，過程動態(tài)地運轉(zhuǎn)，并且預(yù)測的Y不同于實際的Y。這樣，在瞬時狀態(tài)期間，可以利用丁2的行為來完成的異常狀況檢測可能中斷。例如，如果丁2超出極限，則異常狀況檢測可能會失效。如果T2回到可接受范圍內(nèi)，則異常狀況檢測將開始/重新開始。例如，參見圖37，在塊202處，來自過程的在線過程控制數(shù)據(jù)被采集為訓(xùn)練數(shù)據(jù)，在塊204處，根據(jù)所采集在線過程控制數(shù)據(jù)確定自變量和因變量。在塊206處，PCA或其它多元分析技術(shù)被用于自變量，以減小多元數(shù)據(jù)空間的維度。在塊208處，根據(jù)在塊206處執(zhí)行的PCA來確定霍特林(T2)的極限。在塊210處，使用來自PCA模型的成分作為自變量，并使用在塊204處確定的因變量，來建立PCR模型，以建立作為自變量的函數(shù)的因變量的模型。在塊212處，PCA和PCR均可以用于基于監(jiān)控的過程控制變量來對過程進行監(jiān)控，并檢測異常狀況。例如，如果利用PCA檢測到異常狀況，則可以使用PCR來確定異常狀況是瞬時狀況還是實際的(或預(yù)測的)異常狀況。具體而言，PCR可以用于建立關(guān)于瞬時狀況的發(fā)生時間的預(yù)測，并且可以與異常狀況的發(fā)生進行比較。在塊214處，基于監(jiān)控的數(shù)據(jù)生成TM直，并且如果f值處于可接受的極限內(nèi)，則繼續(xù)異常狀況檢測(塊218)，并且可以將發(fā)生的事件作為異常狀況來處理。否則，該流程將發(fā)生的事件確定為瞬時狀況。當(dāng)T2回到可接受的極限內(nèi)時，可以重新開始異常狀況;f企測。所公開的檢測方法和技術(shù)可以應(yīng)用于例如蒸餾塔、熱交換器、渦輪機等的其它過程和單元操作，并且也非常適合于化學(xué)、精煉、電力以及生命科學(xué)工業(yè)中的不同的過程應(yīng)用。根據(jù)本公開內(nèi)容的上述方面，已經(jīng)針對過程操作中的瞬時行為的在線檢測實現(xiàn)了基于PCA的監(jiān)控技術(shù)。PCR回歸技術(shù)也可以用于過程操作中的瞬時行為的在線檢測。PCA和PCR兩種技術(shù)的結(jié)合支持過程警告的特征化，原因在于所公開的技術(shù)能夠區(qū)分異常情況預(yù)防型的警告和由過程瞬時行為導(dǎo)致的警告。通過使用諸如多元回歸、人工神經(jīng)網(wǎng)絡(luò)以及貝葉斯決策樹等技術(shù)，可替換的設(shè)計也是可能的。示例性應(yīng)用焦化加熱器中使用PCA和PCR的焦炭檢測轉(zhuǎn)到圖38-41,本公開內(nèi)容的另一方面致力于使用PCA和PCR技術(shù)來;險測焦化加熱器管道中的焦化(或淤塞)。在以下描述的實施例中，PCA和PCR技術(shù)被用于采集和分析離線數(shù)據(jù)，然后監(jiān)控在線過程以檢測焦化。所公開的方法和技術(shù)可以與控制器、現(xiàn)場設(shè)備和這里描述的其它過程控制系統(tǒng)元件中的任意設(shè)備集成在一起。如下所述，所公開的焦化檢測方法通常包括三個步驟收集訓(xùn)練數(shù)據(jù)，使用PCA和PCR技術(shù)建立模型，以及使用目標(biāo)過程變量的實際值和預(yù)測值來檢測焦化故障。所收集的訓(xùn)練數(shù)據(jù)通常是實時數(shù)據(jù)，其與故障無關(guān)，并且表示負荷變量的期望的操作范圍。例如，訓(xùn)練數(shù)據(jù)可以包括在運行火焰加熱器時期望遇到的最小原油流速和最大原油流速。待建立的模型還可以受益于具有最小流速與最大流速之間的若干個流速。在某些情況下，收集覆蓋負荷變量的每個范圍的訓(xùn)練數(shù)據(jù)，并且訓(xùn)練數(shù)據(jù)還可以包括用于改變負荷變量的瞬時(即動態(tài))數(shù)據(jù)。一般而言，被控制變量的采樣時間和設(shè)置點在整個訓(xùn)練數(shù)據(jù)集中可以保持恒定。在數(shù)據(jù)具有上述特征的情況下，可以以多種方式采集訓(xùn)練數(shù)據(jù)。例如，可以在線采集數(shù)據(jù)，或者可以從過程歷史數(shù)據(jù)庫中提取數(shù)據(jù)。在任何情況下，所公開的方法的實踐不受收集訓(xùn)練數(shù)據(jù)的方式的限制。使用多個過程變量來支持管道中的魯棒焦化檢測。在該示例性情況下，所公開的方法使用表1中給出并在圖24中示出的過程變量。當(dāng)然，管道出口溫度(T。ut)是被監(jiān)控的過程因變量，因為其應(yīng)當(dāng)隨管路內(nèi)焦炭的形成而減小。對于焦化加熱器，隨著焦炭(故障)開始在管路內(nèi)部形成，管路內(nèi)從熱端到冷端的總的熱傳遞降低。與正常操作狀況(無故障)相比，管道出口溫度(T。ut)也應(yīng)當(dāng)降低。表1中的另外六個變量被當(dāng)作自變量。焦化加熱器提供非常適于對利用上述多元監(jiān)控和診斷模塊(MMDM)的分析進行解釋的多元數(shù)據(jù)結(jié)構(gòu)。一旦選擇了用于監(jiān)控的自變量，則所選擇的變量被用于創(chuàng)建歸一化過程變量數(shù)據(jù)模型和具有得分圖的PCA模型。所收集的過程變量數(shù)據(jù)提供用于模型建立的訓(xùn)練數(shù)據(jù)。然后，所建立的模型被用于為在線監(jiān)控生成操作員界面，如上所述。例如如圖26所示，六個過程自變量結(jié)合四個過程警報狀態(tài)指示符以歸一化和得分圖的方式被顯示。模型和操作員界面的細節(jié)已在以上給出。對于過程因變量(T。ut),訓(xùn)練數(shù)據(jù)也可以用于創(chuàng)建回歸型的PCR模型。如上所述，由MMDM工具在實施模型建立流程期間自動完成PCR模型的生成。在界面的環(huán)境中，可以通過選擇操作員界面中的"PCR"鍵訪問PCR模型，這可能生成圖27所示的示例性顯示窗口。如上所述，該顯示窗口示出為得分成分T,，T2,...Tn計算的回歸系數(shù)?，F(xiàn)在描述所公開的適用于焦炭檢測的火焰加熱器監(jiān)控系統(tǒng)和方法的實施例。如果T。w的實際值(Y)持續(xù)低于預(yù)測的值f。ut(t)，則可以指示焦炭形成。例如，這可能意味著實際通道出口溫度持續(xù)低于預(yù)測的溫度。在這種情況下，不會生成錯誤的警報或警告。為此目的，可以使用Y的絕對值或均值。如以下的進一步說明，實際值Y與預(yù)測值f的偏離可以給出焦化嚴重性的準(zhǔn)確指示。該工具可以由工廠工程師和操作員使用，以基于實際的單元性能來調(diào)度單元清潔或停機。在一個示例中，Y/f的比值可以被繪制為時間的函數(shù)，從而使工廠工程師或操作員可以持續(xù)監(jiān)控單元的性能或檢測單元退化或焦化?？商鎿Q地，兩個值之間的差可以作為時間的函數(shù)被監(jiān)控?；赮與f的比值，工廠人員可以決定采取什么樣的行動。由于焦化是較慢的過程，因此工廠人員可能不選擇強制執(zhí)行警報或警告。然而，可以基于閾值極限而激活警告或警報。例如，如果該比值降低到某極限u),則可以發(fā)出警告。例如，如果f5)《義，則可以發(fā)出警告?？梢园l(fā)出各種警告來指示焦化的嚴重性。例如，4指示低焦化，a指示中等焦化等。更一般地，所公開的焦炭檢測方法包括以下步驟獲取足夠的訓(xùn)練數(shù)據(jù)，建立統(tǒng)計模型，以及使用該模型來監(jiān)控單元性能。在一個示例仿真中，焦化加熱器的訓(xùn)練和驗證數(shù)據(jù)由從GSE系統(tǒng)商業(yè)上可獲得的高保真(hi-fidelity)仿真器SSPRO生成，并從SSPRO獲得。采樣速率為一秒。操縱燃料的流速以達到原油的期望的目標(biāo)最終溫度。該仿真可以靈活地引入各種嚴重程度的焦化。該仿真^皮用于獲取訓(xùn)練數(shù)據(jù)和仿真數(shù)據(jù)。七個過程變量纟皮記錄，并#皮用在由MMDM工具提供的多元分析中。針對各種流速來運行訓(xùn)練。原油的流速和入口溫度被允許具有不變的噪聲，從而模擬真實的工廠操作。約30000個實時過程數(shù)據(jù)點被采集。訓(xùn)練數(shù)據(jù)被用于建立MMDM模型，由MMDM工具產(chǎn)生的散布圖在圖25中示出，該圖描繪了與訓(xùn)練數(shù)據(jù)中的八種流動方式對應(yīng)的八個簇。圖25還顯示了99%的置信橢圓。橢圓內(nèi)部的區(qū)域給出橢圓邊界內(nèi)的任意得分都屬于火焰加熱器單元的正常操作狀況的概率為99%。針對各種焦化水平采集若干實時仿真數(shù)據(jù)文件，以測試所提議的異常情況檢測的魯棒性。仿真數(shù)據(jù)點包含好的和故障的數(shù)據(jù)。為了將焦化引入到管道中，有意降低總的熱傳遞系數(shù)(U)。若干數(shù)據(jù)集收集如下。在集1中，系數(shù)U從1000降低到995,然后降低到990、980和950。在集2中，系數(shù)U從1000降低到500。在本示例性應(yīng)用中，為該特定的情況建立的PCR模型為<formula>formulaseeoriginaldocumentpage49</formula>其中B0=316.9227895，=-0.215154485，B2=0.274120980，并且B3=-0.276083039。TPT2,丁3是基于變量的貢獻在線確定的得分成分(驗證數(shù)據(jù))。在使用該模型針對異常狀況(如焦炭)檢測而監(jiān)控新數(shù)據(jù)之前，利用新的驗證數(shù)據(jù)的集合來測試模型，以確保模型的魯棒性。圖38示出PCR模型在預(yù)測Y(T。ut)時的準(zhǔn)確度。該模型具有高于99.9%的準(zhǔn)確度，在數(shù)據(jù)分散于各種操作狀況中(圖25)的情況下，具有極好的準(zhǔn)確度。如果操作狀況的范圍縮小，則準(zhǔn)確度會更高。該模型還可以用于針對比訓(xùn)練數(shù)據(jù)中使用的流速高12%的流速來預(yù)測Y(T。ut)。換句話說，該模型可以用于針對訓(xùn)練數(shù)據(jù)中所使用的流速范圍之外的流速來預(yù)測過程的行為。圖39示出該預(yù)測再次以非常高的準(zhǔn)確度運行。值得注意的是，該模型可以應(yīng)用于保持在訓(xùn)練范圍內(nèi)的數(shù)據(jù)(例如，模型被訓(xùn)練時所針對的范圍)上述模型被用于檢測驗證數(shù)據(jù)中的焦化。該模型能夠針對所有的仿真驗證數(shù)據(jù)來檢測焦化。圖40示出實際的Y低于預(yù)測的Y(f)的程度。實際的Y與f的比值隨著焦化的增加(總的熱傳遞系數(shù)變低)而減小。預(yù)測的Y是正常情況下(無故障/無焦化)的Y值。根據(jù)實際的Y相對于預(yù)測的Y的行為，工廠人員能夠確定管道內(nèi)部的焦化的嚴重性。使用數(shù)據(jù)的另一集合來驗證所提議的監(jiān)控方法。該數(shù)據(jù)的集合包含在正常過程中引入具有高數(shù)值的突然增大的異常情況(焦化)時的數(shù)據(jù)。圖41示出實際的Y與預(yù)測的Y的比值是如何變化的。圖41中數(shù)據(jù)的第一部分展示出該模型在預(yù)測正常行為時的卓越性能?？傊?，上述技術(shù)(以及基本模型)致力于使用PCA和PCR對焦化加熱器管道中的焦化、淤塞和其它異常情況的檢測。為了實現(xiàn)該目的，可以對原油的入口溫度、管道原油流速、原油總流速、管道出口溫度、最終溫度、燃料流速和燃料出口溫度進行監(jiān)控，并且可以將管道出口溫度用作焦化加熱器的性能指示符。在某些情況下，針對模型的訓(xùn)練數(shù)據(jù)的范圍內(nèi)的操作狀況，使用PCA對該性能指示符進行建模，并使用PCR進行預(yù)測。但是，PCR也可用于針對訓(xùn)練數(shù)據(jù)的范圍外的操作狀況對焦化加熱器的關(guān)鍵性能指示符進行預(yù)測。轉(zhuǎn)到圖42和43中提出的公開內(nèi)容的方面，現(xiàn)在描述用于火焰加熱器中的焦化的在線多元監(jiān)控和診斷的基于PCA參數(shù)的技術(shù)。該方法以建立多個主成分分析(PCA)模型并比較不同過程操作狀況的模型參數(shù)為基礎(chǔ)。除了焦化檢測外，所公開的技術(shù)方法對于確定或檢測其它涉及多種不同過程裝置的慢變的過程改變(例如，鍋爐中的煙垢累積，反應(yīng)器、壓縮機、熱交換器、蒸餾塔和隔膜中的淤塞和其它劣化等)也是有效的。如上所述，基于PCA的技術(shù)可以與分布式過程控制系統(tǒng)(DCS)集成在一起，以實現(xiàn)與在線監(jiān)控和診斷的結(jié)合。所公開的技術(shù)還能夠創(chuàng)建和操縱用于建立在線模型并比較模型參數(shù)的數(shù)據(jù)?；赑CA的技術(shù)還可以應(yīng)用到使用主成分回歸(PCR)分析確定焦化加熱器中的焦化水平時的挑戰(zhàn)所呈現(xiàn)出的特定細節(jié)。本公開內(nèi)容的這一方面提供了在不使用基于回歸的方法的情況下檢測諸如焦化之類的慢變的過程改變的方法。相反，所公開的方法以在過程操作期間連續(xù)、重復(fù)或持續(xù)地建立PCA模型并將所建立的模型與正常過程操作狀況下建立的基線模型進行比較為基礎(chǔ)。所公開的技術(shù)在特定應(yīng)用(例如異常情況預(yù)防應(yīng)用)中相比其它使用回歸的方法可提供更魯棒的解決方案，原因在以下給出。例如，基于回歸的技術(shù)在每次從現(xiàn)場設(shè)備通信鏈^各(例如，F(xiàn)ieldbus、Modbus、無線等)中讀取數(shù)據(jù)點時生成預(yù)測。結(jié)果，基于回歸的技術(shù)提供過程狀態(tài)的當(dāng)前預(yù)測，然后通過邏輯對該預(yù)測進行處理或評估，以確定診斷狀態(tài)。這種處理經(jīng)常會由于諸如設(shè)置點和穩(wěn)態(tài)改變之類的動態(tài)過程改變以及數(shù)據(jù)串中的異常噪聲而產(chǎn)生錯誤的警告/警報。這些類型的警告對于搡作員來說通常很麻煩，因此如果不能完全消除的話，也應(yīng)最小化這種警告。作為比較，所公開的方法連續(xù)地或根據(jù)需要在過程操作的背景下創(chuàng)建預(yù)定維度的數(shù)據(jù)文件。然后，使用這些數(shù)據(jù)文件生成用于對過程性能進行評估的PCA模型更新。結(jié)果，由于所公開的方法不完全依賴于當(dāng)前的過程數(shù)據(jù)值，因此可以更加魯棒。替代地，所公開的方法可以根據(jù)基于長期數(shù)據(jù)行為的過程性能診斷來生成警告報告，其中長期數(shù)據(jù)行為由例如數(shù)據(jù)文件的長度來確定。所公開的方法的進一步細節(jié)在以下描述。開始時可以創(chuàng)建訓(xùn)練數(shù)據(jù)文件以建立PCA。訓(xùn)練數(shù)據(jù)可以表示在正常的過程操作狀況下采集的數(shù)據(jù)。如上所述，數(shù)據(jù)文件因此可以包含數(shù)據(jù)行(觀測值)和列，每列與分配的過程變量(PV)相對應(yīng)。過程變量可以是原始數(shù)據(jù)，也可以是根據(jù)原始數(shù)據(jù)得到的統(tǒng)計特征(例如，異常情況預(yù)防塊數(shù)據(jù))。結(jié)果，數(shù)據(jù)文件包括n列和m行，且通常假定111>>11。使用這樣的分配，模型選定n個具有m個觀測值的過程變量，并且包含如上所述被自動伸縮的mxn的數(shù)據(jù)矩陣x。然后，實際模型可通過估計nxn協(xié)方差矩陣S的譜成分來構(gòu)建，其中，S-XT,X/(w-1),用于將S重寫為S-V,D,V7,其中<formula>formulaseeoriginaldocumentpage52</formula>，并且其中0"^=1,...,11是按照從大到小排列的特征值(方差)，并且V的列是相應(yīng)的特征向量。最大的特征值及其對應(yīng)的特征向量對應(yīng)于原始輸入空間中包含原始過程數(shù)據(jù)中最大變化量的方向。這被當(dāng)作第一主成分。第二大特征值及其對應(yīng)的特征向量對應(yīng)于與第一主成分正交的、包含次最大變化量的方向。繼續(xù)本過程，直到創(chuàng)建了解釋所有原始過程數(shù)據(jù)的新的正交向量空間。在計算出特征值和特征向量之后，需要確定哪些是通常與過程中的重要變化相對應(yīng)的重要主成分，哪些是通常與噪聲相對應(yīng)的非重要主成分。應(yīng)該理解，可以使用多種方法來確定重要主成分和非重要主成分，其示例已經(jīng)在上面提供。無論選擇哪種方法，最終結(jié)果是確定會為PCA模型保留的重要主成分的數(shù)目a。然后，通過從V中提取前a列(特征向量)來創(chuàng)建負荷矩陣Pe9Txa。原始觀測值在負荷矩陣所定義的子空間上的投影被稱作得分矩陣，并由T-X,P表示。T的列被稱作PCA模型的得分，被引作tpt2，…"，并且nxa的矩陣P是PCA模型。訓(xùn)練數(shù)據(jù)文件X。為了本公開內(nèi)容的這一方面的目的，可通過選擇對需要分辨的過程行為有影響的過程自變量，并使這些過程自變量由X的前k列來表示，其中k<n，以及通過選擇用于描述過程行為的過程因變量，并使這些過程因變量由X的最后n-k列來表示，其中n-k〉0,來選擇訓(xùn)練數(shù)據(jù)X。如果將要實現(xiàn)回歸技術(shù)，則使用X的前k個過程變量來預(yù)測后n-k個過程變量。但是，當(dāng)建立PCA模型時，X只具有k個過程自變量，而且i^k。這k個過程自變量被用于創(chuàng)建nxa的負荷矩陣P，該矩陣包含用于創(chuàng)建之后被用于對因變量進行預(yù)測的得分H...ta的a個主成分向量(負荷向量)。在所公開的方法中，自變量和因變量結(jié)合起來用于創(chuàng)建訓(xùn)練數(shù)據(jù)文件X。一旦PCA模型被指定，負荷矩陣P-[p,，p2,.,.,pJ就被定義，其中Pi二[Pi,!,…，Pi，k，Pi,k+!，…,p!,n]T是負荷向量，并且i^^，…，a。Pi的前Pi,p…，P,，k成分是與X中的前k個自變量對應(yīng)的負荷值。類似地，Pi,k+,，…，Pi,n成分是與X中后n-k個因變量對應(yīng)的負荷值。結(jié)果，P定義了與原始過程變量直接相關(guān)的相互關(guān)聯(lián)的負荷值的空間。現(xiàn)在，X中n-k個因變量的每一個在該空間中具有由以下公式給定的負荷值度量<formula>formulaseeoriginaldocumentpage53</formula>其中j=k+l，...，n,并且ct,是D中的第i個特征值。負荷值度量Zj是具有以下性質(zhì)的第j個過程因變量的模型結(jié)果。在X和Y是來自相同過程操作并在不同時間采集的數(shù)據(jù)文件，并且Zj和Vj是分別與相同的過程因變量的X和Y對應(yīng)的模型結(jié)果的情況下，如果Zj^Vj,則由第j個過程變量描述的過程行為對于X和Y來說是相似的。作為對比，如果z」#v」，則由第j個過程變量描述的過程行為對于X和Y來說是不同的。這個性質(zhì)對于過程診斷，特別是對于慢變的過程行為的診斷，是有用的。原因在于負荷值度量Zj反映了操作員所指定的時間段內(nèi)的過程行為，因此提供了比回歸方法所給出的最近更新更完整的診斷。焦化加熱器應(yīng)用。前述技術(shù)可用于確定焦化加熱器中的焦化水平。如上所述，數(shù)據(jù)文件X由表1和圖24中定義的過程變量組成。在那個示例中，T。ut是唯一的因變量，而所有其它變量都是自變量。但是，在根據(jù)本公開內(nèi)容這一方面的技術(shù)中，所有的變量都用來創(chuàng)建PCA模型，而不使用PCR。使用這樣的分配，在正常操作狀況下(例如0%的焦化)創(chuàng)建基線模型，并針對T。ut計算負荷值度量Z。然后，針對火焰加熱器中不同的焦化百分比重復(fù)相同處理，圖42示出所獲得的結(jié)果。從圖42可以看出，Z隨焦化百分比的增加而單調(diào)下降，這暗示負荷空間由于過程變量貢獻隨焦化百分比變化所產(chǎn)生的變化而出現(xiàn)了結(jié)構(gòu)性改變。該改變是協(xié)作產(chǎn)生的，并且通過當(dāng)時對一個變量的監(jiān)控不容易確定。基于上述內(nèi)容，通過對Z設(shè)置不同的極限，該技術(shù)可用在診斷/故障檢測方法或系統(tǒng)中。由于每個模型都基于收集模型數(shù)據(jù)所使用的時間長度來表示Z的行為，因此使用該技術(shù)發(fā)出的警告或警報更加可靠。此外，在運行時，檢測方法可對操作者完全透明。這是因為該檢測方法可在監(jiān)控控制臺的后臺運行，并且可被配置為僅在設(shè)置的極限被超過或被破壞時才會將異常情況告警給操作者。圖43中的流程圖示出該方法或系統(tǒng)如何根據(jù)一實施例被實施。使用該方法，可避免錯誤的警報和警告，但是過程參數(shù)的性能會隨時間被嚴格地監(jiān)控。參見圖43，在塊302處，該流程指定數(shù)據(jù)文件X的大小，并基于根據(jù)被監(jiān)控過程的過程變量生成的訓(xùn)練數(shù)據(jù)創(chuàng)建數(shù)據(jù)文件X。如上所討論的，訓(xùn)練數(shù)據(jù)可以與過程的正常在線操作相對應(yīng)。在塊304處，根據(jù)數(shù)據(jù)文件X建立諸如PCA模型的多元模型，并對其進行估計以確定負荷矩陣P和對角矩陣D。如上面所討論的，在塊306處，針對數(shù)據(jù)文件X的因變量來估計Z變量。在塊308處，極限L設(shè)置為在塊308處針對數(shù)據(jù)文件X所估計的Z值。在生成極限L之后，可以針對新的數(shù)據(jù)文件Y重復(fù)從塊302-306的流程，以檢測異常操作。具體而言，可以接收根據(jù)系統(tǒng)的過程變量生成的數(shù)據(jù)，其中該數(shù)據(jù)與過程在線操作時生成的數(shù)據(jù)相對應(yīng)，過程在線操作可以對應(yīng)于該過程正在針對異常操作被監(jiān)控的監(jiān)控狀態(tài)。如上所述，通常在不同的時間從同一過程采集數(shù)據(jù)文件Y的數(shù)據(jù)。在塊310處，指定新的數(shù)據(jù)文件Y的大小，并且創(chuàng)建數(shù)據(jù)文件Y,以對過程的在線操作進行建模。在塊312處，建立諸如PCA模型的多元模型，并對其進行估計以針對數(shù)據(jù)文件Y確定負荷矩陣P和對角矩陣D。在塊314處，針對數(shù)據(jù)文件Y的因變量來估計Z值，并且在塊316處，將數(shù)據(jù)文件Y的Z值與極限L進行比較。如果數(shù)據(jù)文件Y的因變量的Z值超過極限，則在塊318處生成警告以指示異常操作。否則，該流程使用從同一過程生成并且通常在與數(shù)據(jù)文件X和Y不同的時間生成的新數(shù)據(jù)文件而繼續(xù)。因此，該流程可以針對與過程操作的不同時間相對應(yīng)的不同的數(shù)據(jù)文件被重復(fù)，以基于長期數(shù)據(jù)行為檢測與過程中慢變化的改變有關(guān)的異常狀況。盡管塊316指示在Z值大于極限L時可以生成警告，但也應(yīng)該認識到，在Z值小于極限L時也可以生成警告。利用本公開內(nèi)容的這一方面，可以定義PCA模型參數(shù)，并將其應(yīng)用于在線診斷，這在與焦化加熱器中的焦化以及多種過程裝置故障或異常情況結(jié)合時是有用的?？梢岳肞CA負荷和變化信息得出模型參數(shù)，并且可以針對過程因變量或過程自變量定義負荷值度量。在某些情況下，所公開的方法可用于觀察長期的焦化，而不是瞬間或最近的改變。例如，所公開的方法可用于在線長期協(xié)同診斷。可替換地或附加地，所公開的方法可以提供回歸分析的替代方法。所公開的方法可以與包括例如DeltaVTM和Ovation⑧的多種控制系統(tǒng)平臺以及例如柔斯芒特3420FF界面模型的多種過程裝置和設(shè)備結(jié)合起來實施?？商娲兀_的方法和系統(tǒng)可以實施為單獨的異常情況預(yù)防應(yīng)用。在任意情況下，所公開的方法和系統(tǒng)可以被配置為生成警告，并且另外支持火焰加熱器中焦化水平的調(diào)節(jié)。本領(lǐng)域普通技術(shù)人員將認識到，可以以各種方式對以上描述的示例系統(tǒng)和方法進行^('務(wù)改。例如，可以省略塊或重新排列塊的順序，可以增加另外的塊等。例如，對于圖7，塊146可以在流程中的不同點處實施。類似地，塊148可以被實施為分立例程的一部分，因此其可能在圖7的流程的不同點處實際發(fā)生，這依賴于接收到合適的啟動分立例程的命令的時間。以上公開了涉及異常情況預(yù)防模塊和異常情況預(yù)防塊的上述示例，但應(yīng)當(dāng)理解所公開的系統(tǒng)、方法和技術(shù)的實踐并不限于這些上下文。相反，所公開的系統(tǒng)、方法和技術(shù)也非常適于與包括能夠選擇用于監(jiān)控、數(shù)據(jù)采集等的具有不同組織結(jié)構(gòu)、元件布置或分散零件、單元、組件或項的其它集合的任意診斷系統(tǒng)、應(yīng)用程序、例程、技術(shù)或程序一起使用。指定在診斷中使用的過程參數(shù)的其它診斷系統(tǒng)、應(yīng)用程序等也可以被建立或者可以從這里描述的系統(tǒng)、方法和技術(shù)中獲益。然后，參數(shù)的這種單獨指定可以被用于對其所關(guān)聯(lián)的過程數(shù)據(jù)進行定位、監(jiān)控和存儲。此外，所公開的系統(tǒng)、方法和技術(shù)不一定僅僅與過程控制系統(tǒng)的診斷方面一起使用，尤其是在這類方面還沒有被開發(fā)或還處于開發(fā)的早期階段時。相反，所公開的系統(tǒng)、方法和技術(shù)還適于與過程控制系統(tǒng)、加工廠或過程控制網(wǎng)絡(luò)等的任意元素或方面一起使用。這里所描述的方法、過程、程序和技術(shù)可以使用硬件、固件和軟件的任意組合來實現(xiàn)。因此，這里所述的系統(tǒng)和技術(shù)可以在標(biāo)準(zhǔn)多用途處理器中實現(xiàn)，或根據(jù)需要使用專用設(shè)計硬件或固件來實現(xiàn)。當(dāng)以軟件實現(xiàn)時，該軟件可以存儲在任意計算機可讀存儲器中，例如存儲在磁盤、光盤或其它存儲介質(zhì)上，存儲在計算機、處理器、I/O設(shè)備、現(xiàn)場設(shè)備、接口設(shè)備等的RAM或ROM或閃存中。同樣地，該軟件可以通過任意已知的期望的發(fā)送方法，包括例如計算機可讀盤上或其它可傳輸計算存儲機構(gòu)或通信介質(zhì)，發(fā)送給用戶或過程控制系統(tǒng)。通信介質(zhì)通常將計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊或其它數(shù)據(jù)具體體現(xiàn)為諸如載波或其它傳輸機制之類的調(diào)制數(shù)據(jù)信號。術(shù)語"調(diào)制數(shù)據(jù)信號"意指使其一個以上特征以將信息編碼在信號中的方式被設(shè)置或改變的信號。以示例而非限制的方式，通信介質(zhì)包括諸如有線網(wǎng)絡(luò)或直接連接的網(wǎng)絡(luò)之類的有線介質(zhì)和諸如聲、射頻、紅外和其它無線介質(zhì)之類的無線介質(zhì)。因此，該軟件可以通過諸如電話線、因特網(wǎng)等的通信通道發(fā)送給用戶或過程控制系統(tǒng)(這被視為與通過可傳輸存儲介質(zhì)提供這類軟件相同或可互換)。因此，盡管已參考具體的示例描述了本發(fā)明，這些示例僅僅是示例性的，而并不對本發(fā)明構(gòu)成限制，但是對于本領(lǐng)域技術(shù)人員來說，很顯然可以在不超出本發(fā)明的精神和范圍的情況下對所公開的實施例進行改變、增加或刪除。權(quán)利要求1、一種便于檢測加工廠中過程的穩(wěn)態(tài)操作的系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)采集工具，適于從加工廠內(nèi)的過程采集過程數(shù)據(jù)，其中所采集的過程數(shù)據(jù)表示所述過程的操作，并且其中所采集的過程數(shù)據(jù)根據(jù)多個過程變量生成；分析工具，包括多元統(tǒng)計分析引擎，所述多元統(tǒng)計分析引擎適于基于表示過程操作的所采集的過程數(shù)據(jù)的集合生成所述過程操作的表示，其中所述分析工具適于基于所采集的過程數(shù)據(jù)的集合執(zhí)行所述表示，以生成與所述過程中的最大變化量對應(yīng)的第一結(jié)果；以及統(tǒng)計計算工具，適于對與所述過程中的最大變化量對應(yīng)的第一結(jié)果施行統(tǒng)計計算，以生成所述第一結(jié)果的統(tǒng)計測量值，并且適于基于所述統(tǒng)計測量值確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)。2、根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述分析工具適于基于表示過程操作的所采集的過程數(shù)據(jù)的集合執(zhí)行所述表示，以生成與所述過程中的重要變化量對應(yīng)的第二結(jié)果，所述過程中的重要變化量不同于所述過程中的最大變化量。3、根據(jù)權(quán)利要求2所述的系統(tǒng)，其中所述統(tǒng)計計算工具包括第一統(tǒng)計計算工具和第二統(tǒng)計計算工具，其中所述第一統(tǒng)計計算工具適于對所述第一結(jié)果施行統(tǒng)計計算以生成所述第一結(jié)果的統(tǒng)計測量值，并且所述第二統(tǒng)計計算工具適于對所述第二結(jié)果施行統(tǒng)計計算以生成所述第二結(jié)果的統(tǒng)計測量值，并且其中所述第一統(tǒng)計計算工具和所述第二統(tǒng)計計算工具均適于基于相應(yīng)的統(tǒng)計測量值來確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)。4、根據(jù)權(quán)利要求3所述的系統(tǒng)，其中所述第一統(tǒng)計計算工具和所述第二統(tǒng)計計算工具均適于生成與關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的相應(yīng)確定有關(guān)的指示，該系統(tǒng)進一步包括監(jiān)控工具，該監(jiān)控工具適于對第一計算工具和第二計算工具的穩(wěn)態(tài)指示中的每一個進行分析，并適于基于所述第一計算工具和所述第二計算工具所生成的穩(wěn)態(tài)指示中的任意一個確定所述過程的穩(wěn)態(tài)操作狀態(tài)。5、根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述統(tǒng)計計算工具適于對所述第一結(jié)果施行統(tǒng)計計算，以生成所述第一結(jié)果的與所采集的過程數(shù)據(jù)的集合中的第一采樣窗口對應(yīng)的第一均值和第一標(biāo)準(zhǔn)差，并適于生成所述第一結(jié)果的與所采集的過程數(shù)據(jù)的集合中的第二采樣窗口對應(yīng)的第二均值和第二標(biāo)準(zhǔn)差。6、根據(jù)權(quán)利要求5所述的系統(tǒng)，其中所述統(tǒng)計計算工具適于基于所述第一均值和所述第二均值之間的差與所述第一標(biāo)準(zhǔn)差或所述第二標(biāo)準(zhǔn)差中至少之一的比較來確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)。7、根據(jù)權(quán)利要求6所述的系統(tǒng)，其中所述統(tǒng)計計算工具適于基于所述第一均值和所述第二均值之間的差與所述第一標(biāo)準(zhǔn)差和所述第二標(biāo)準(zhǔn)差中的最小值的比較來確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)。8、根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述多元統(tǒng)計分析引擎適于施行主成分分析，以基于表示所述過程操作的所采集的過程數(shù)據(jù)的集合生成所述過程操作的表示，其中所述第一結(jié)果對應(yīng)于根據(jù)所述主成分分析生成的最重要的成分。9、一種便于檢測加工廠中過程的穩(wěn)態(tài)操作的方法，該方法包括從加工廠內(nèi)的過程釆集過程數(shù)據(jù)，其中所采集的過程數(shù)據(jù)表示所述過程的操作，并且其中所釆集的過程數(shù)據(jù)根據(jù)多個過程變量生成；基于表示過程操作的所采集的過程數(shù)據(jù)的集合，生成所述過程操作的多元統(tǒng)計表示；根據(jù)所述多元統(tǒng)計表示生成與所述過程中的最大變化量對應(yīng)的第一結(jié)果；生成所述第一結(jié)果的統(tǒng)計測量值；以及基于第一統(tǒng)計測量值確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。10、根據(jù)權(quán)利要求9所述的方法，進一步包括根據(jù)所述多元統(tǒng)計表示生成與所述過程中的重要變化量對應(yīng)的第二結(jié)果，其中所述過程中的重要變化量不同于所述過程中的最大變化量。11、根據(jù)權(quán)利要求IO所述的方法，進一步包括生成所述第二結(jié)果的統(tǒng)計測量值，其中確定關(guān)于所述過程的穩(wěn)態(tài)操作的存在包括基于所述第一結(jié)果的統(tǒng)計測量值和所述第二結(jié)果的統(tǒng)計測量值確定關(guān)于所述過程的穩(wěn)態(tài)才喿作狀態(tài)的存在。12、根據(jù)權(quán)利要求11所述的方法，進一步包括基于所述第一結(jié)果的統(tǒng)計測量值，生成與穩(wěn)態(tài)操作狀態(tài)的確定有關(guān)的第一指示；以及基于所述第二結(jié)果的統(tǒng)計測量值，生成與穩(wěn)態(tài)操作狀態(tài)的確定有關(guān)的第二指示；其中確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在包括基于第一穩(wěn)態(tài)指示和第二穩(wěn)態(tài)指示中的任意一個，確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。13、根據(jù)權(quán)利要求9所述的方法，其中生成所述第一結(jié)果的統(tǒng)計測量值包括生成所述第一結(jié)果的與所采集的過程數(shù)據(jù)的集合中的第一采樣窗口對應(yīng)的第一均值和第一標(biāo)準(zhǔn)差；以及生成所述第一結(jié)果的與所采集的過程數(shù)據(jù)的集合中的第二采樣窗口對應(yīng)的第二均值和第二標(biāo)準(zhǔn)差。14、根據(jù)權(quán)利要求13所述的方法，其中確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在包括基于所述第一均值和所述第二均值之間的差與所述第一標(biāo)準(zhǔn)差或所述第二標(biāo)準(zhǔn)差中至少之一的比較，確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。15、根據(jù)權(quán)利要求14所述的方法，其中確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在包括基于所述第一均值和所述第二均值之間的差與所述第一標(biāo)準(zhǔn)差和所述第二標(biāo)準(zhǔn)差中的最小值的比較，確定關(guān)于所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。16、根據(jù)權(quán)利要求9所述的方法，其中生成所述過程操作的多元統(tǒng)計表示包括施行主成分分析，以基于表示過程操作的所采集的過程數(shù)據(jù)的集合生成所述過程操作的表示，并且其中生成第一結(jié)果包括生成對應(yīng)于根據(jù)所述主成分分析生成的最重要的成分的第一結(jié)果。17、一種便于檢測加工廠中過程的穩(wěn)態(tài)操作的方法，該方法包括從加工廠內(nèi)的過程采集過程數(shù)據(jù)，其中所采集的過程數(shù)據(jù)表示所述過程的操作，并且其中所采集的過程數(shù)據(jù)根據(jù)所述過程的包括具有多個維度的第一數(shù)據(jù)空間的多個過程變量生成；使用所述過程的所采集的過程數(shù)據(jù)的集合生成過程操作的模型，其中該模型包括當(dāng)所述過程操作時所述過程操作在不同時刻的、在比所述第一數(shù)據(jù)空間具有較低維度的第二數(shù)據(jù)空間內(nèi)的測量值；根據(jù)所述過程操作的模型生成多個輸出，每個輸出對應(yīng)于所述過程中的不同的重要變化；生成所述多個輸出中每個輸出的統(tǒng)計測量值；以及基于多個統(tǒng)計測量值中的任意一個確定所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。18、根據(jù)權(quán)利要求17所述的方法，其中生成模型包括對所采集的過程數(shù)據(jù)的集合施行主成分分析，以便以限定所述第一數(shù)據(jù)空間的子空間的負荷矩陣重要成分。19、根據(jù)權(quán)利要求17所述的方法，其中生成所述多個輸出中每個輸出的統(tǒng)計測量值包括生成所述多個輸出中每個輸出的第一均值和第二均值以及第一標(biāo)準(zhǔn)差和第二標(biāo)準(zhǔn)差，其中所述第一均值和所述第一標(biāo)準(zhǔn)差與所采集的過程數(shù)據(jù)的集合中的第一采樣窗口對應(yīng)，并且所述第二均值和所述第二標(biāo)準(zhǔn)差與所采集的過程數(shù)據(jù)的集合中的第二采樣窗口對應(yīng)，并且其中確定所述過程的穩(wěn)態(tài)操作狀態(tài)的存在包括基于所述多個輸出中任意一個輸出的第一均值和第二均值之間的差與第一標(biāo)準(zhǔn)差或第二標(biāo)準(zhǔn)差中至少之一的比較，確定所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。20、根據(jù)權(quán)利要求19所述的方法，其中確定所述過程的穩(wěn)態(tài)操作狀態(tài)的存在包括基于所述多個輸出中任意一個輸出的第一均值和第二均值之間的差與第一標(biāo)準(zhǔn)差和第二標(biāo)準(zhǔn)差中的最小值的比較，確定所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。21、一種便于檢測加工廠中過程的穩(wěn)態(tài)操作的系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)采集工具，適于從加工廠內(nèi)的過程采集過程數(shù)據(jù)，其中所采集的過程數(shù)據(jù)表示所述過程的操作，其中所采集的過程數(shù)據(jù)根據(jù)所述過程的包括具有多個維度的第一數(shù)據(jù)空間的多個過程變量生成；分析工具，適于基于所述過程的所采集的過程數(shù)據(jù)的集合生成過程操作的模型，其中該模型包括當(dāng)所述過程操作時所述過程操作在不同時刻的、在比所述第一數(shù)據(jù)空間具有較低維度的第二數(shù)據(jù)空間內(nèi)的測量值；并且其中所述分析工具適于執(zhí)行所述過程操作的模型以生成分別與所述過程中的不同的重要變化對應(yīng)的多個輸出；以及統(tǒng)計計算工具，適于對與所述過程中的不同的重要變化對應(yīng)的多個輸出中的每一個施行統(tǒng)計計算，以生成所述多個輸出中每個輸出的統(tǒng)計測量值，并且適于基于多個統(tǒng)計測量值中的任意一個確定關(guān)于所述過程的穩(wěn)態(tài)」搡作狀態(tài)。22、根據(jù)權(quán)利要求21所述的系統(tǒng)，其中所述分析工具包括多元統(tǒng)計引擎，所述多元統(tǒng)計引擎適于對所采集的過程數(shù)據(jù)的集合施行主成分分析，以便以限定所述第一數(shù)據(jù)空間的子空間的負荷矩陣來表示所述過程操作，其中每個輸出對應(yīng)于根據(jù)所述主成分分析生成的不同的重要成分。23、根據(jù)權(quán)利要求21所述的系統(tǒng)，其中所述統(tǒng)計計算工具適于對所述多個輸出中的每一個施行統(tǒng)計計算，以生成所述多個輸出中每個輸出的第一均值和第二均值以及第一標(biāo)準(zhǔn)差和第二標(biāo)準(zhǔn)差，其中所述第一均值和所述第一標(biāo)準(zhǔn)差與所采集的過程數(shù)據(jù)的集合中的第一采樣窗口對應(yīng)，并且所述第二均值和所述第二標(biāo)準(zhǔn)差與所采集的過程數(shù)據(jù)的集合中的第二采樣窗口對應(yīng)，并且其中所述統(tǒng)計計算工具適于基于所述多個輸出中任意一個輸出的第一均值和第二均值之間的差與第一標(biāo)準(zhǔn)差或第二標(biāo)準(zhǔn)差中至少之一的比較來確定所述過程的穩(wěn)態(tài)操作狀態(tài)的存在。24、根據(jù)權(quán)利要求23所述的系統(tǒng)，其中所述統(tǒng)計計算工具適于基于所述多個輸出中任意一個輸出的第一均值和第二均值之間的差與第一標(biāo)準(zhǔn)差和第二標(biāo)準(zhǔn)差中的最小值的比較來確定所述過程的穩(wěn)態(tài)操作狀態(tài)。全文摘要檢測加工廠的過程的穩(wěn)態(tài)操作的方法和系統(tǒng)，包括采集過程數(shù)據(jù)。所采集的過程數(shù)據(jù)根據(jù)所述過程的多個過程變量生成。使用所述過程數(shù)據(jù)生成過程操作的多元統(tǒng)計模型。所述多元統(tǒng)計模型可以根據(jù)主成分分析生成。執(zhí)行該模型以生成與所述過程中的最重要變化相對應(yīng)的輸出。生成所述輸出的統(tǒng)計測量值，并將其用于確定所述過程是與穩(wěn)態(tài)還是與非穩(wěn)態(tài)相關(guān)。文檔編號G05B23/02GK101583914SQ200780043760公開日2009年11月18日申請日期2007年9月28日優(yōu)先權(quán)日2006年9月29日發(fā)明者約翰·菲利普·米勒,馬庫斯·理查德·倫德貝格申請人:費舍-柔斯芒特系統(tǒng)股份有限公司