Messanordnung mit Zustandsüberwachung und Verfahren zur Zustandsüberwachung einer Messanordnung

[0001] Die vorliegende Betrifft eine Messanordnung mit Zustandsüberwachung und ein Verfahren zur Zustandsüberwachung einer Messanordnung.

[0002] Gegenwärtig werden für Messanordnungen, die mindestens einen Sensor und eine Vorrichtung zur Mess Wertverarbeitung, beispielsweise einen Messurrformer umfassen, eine Vielzahl von Diagnosefunktionen bereitgestellt. So gehören heute die Diagnose von Mess- oder Zustandsgrößen mit der überwachung mittels Warn- und Alarmgrenzwerten eines Minimal- und Maximalwertes zum Stand der Technik. Damit wird die überwachung einzelner interessierender Sensoreigenschaften gewährleistet.

[0003] Für die Diagnose einzelner, für die Funktion des Systems sehr wichtiger Attribute ist das Verfahren der Vorhersage aufgrund einfacher mathematischer Modelle bekannt, wie beispielsweise in der Patentschrift DE 102 09 318 B4 mit dem Titel „Verfahren zur Ermittlung der verschleißabhängigen Reststandzeit eines elektrochemischen Messsensors" bzw. der Patentschrift DE 101 41 408 B4 mit dem Titel „Verfahren zur Bestimmung der Kalibrier- Intervallzeit von elektrochemischen Messsensoreri" offenbart ist. Dies ermöglicht die Vorhersage eines Zeitpunktes, zu dem ein Grenzwert erreicht bzw. überschritten sein wird.

[0004] Die Offenlegungsschrift DE 10 2004 012 420 Al mit dem Titel

„überwachungsvorrichtung für die Belastung von Messsonden durch Einflüsse aus der Messumgebung" berücksichtigt darüber hinaus auch die aktuellen Eigenschaften der Messumgebung sowie die Historie der Prozesskonditionen. In Abhängigkeit eines Belastungsmodells ist somit eine Bewertung der bereits erfolgten Belastung des Messsystems möglich. Basierend auf dieser Bewertung lassen sich Aussagen über die verbleibende Standzeit des Systems ableiten.

[0005] Wenngleich die genannten Vorgehensweisen bereits ein gewisses Maß an

Diagnosefähigkeit ermöglichen, ist eine verbesserte Kenntnis über den qualitativen Zustand einer Messanordnung im Messbetrieb wünschenswert.

[0006] In Feid, M.; Pandit, M.: „Systematischer Entwurf eines signalbasierten

Fehlerdiagnosesystems", at - Automatisierungstechnik 54 (2006) 1, Oldenbourg bzw. in Hengen, H.; Feid, M.; Pandit, M.: „überwacht lernende Klassifikationsverfahren im überblick", at - Automatisierungstechnik 52 (2004) 3, Oldenbourg werden umfangreiche statistische Ansätze für die Diagnose von Sensorsystemen diskutiert. Die

Besonderheit dieser Methoden ist, dass eine umfangreiche Methodik zur Merkmalssuche und anschließend zur Merkmalsauswahl notwendig ist.

[0007] In Schäfer, R.; Jungmann, M.; Werthschützky,R.: „Selbstdiagnose in der

Durchflussmessung durch Kombination von Wirkdruck- und Vortex-Messung", tm - Technisches Messen 67 (2000) 9, Oldenbourg, wird gezeigt, wie über die Redundanz der Messwerterfassung und die Verfügbarkeit einer Messwerthistorie eine Plausibilitätsprüfung des Messwertes erfolgen kann.

[0008] Basierend auf den hohen Anforderungen an die Qualität, die Verfügbarkeit und die Sicherheit einer Messeinrichtung und deren Messwert(e) ist eine umfassende Diagnose der Messeinrichtung notwendig. Neben dem Messwert sollen einem übergeordneten System oder einem Betreuer der Messeinrichtung Informationen zur Verfügung gestellt werden, die eine Diagnose des Sensors und des Messumformers im Einzelnen und/oder der gesamten Messanordnung hinsichtlich der genannten Anforderungen ermöglicht.

[0009] Zur Erfüllung dieser Anforderung wird erfindungsgemäß die Messanordnung gemäß Anspruch 1 und das Verfahren gemäß Anspruch 8 angegeben.

[0010] Die Diagnose soll eine Bewertung des aktuellen Zustandes der Messanordnung und vorzugsweise eine Prognose des zukünftigen Zustandes beinhalten.

[0011] Die Bewertung des aktuellen Zustandes bezieht sich im Wesentlichen auf

Verfügbarkeit, Sicherheit und Qualität, woraus sich unter anderem auch Aussagen zur Plausibilität des Messwertes und der Glaubwürdigkeit ableiten lassen.

[0012] Bei der Prognose eines zukünftigen Zustandes sind die Zeitpunkte, zu denen eine Wartungsmaßnahme (Kalibrierung, Reinigung, Austausch von Verschleißteilen, Erneuerung von Verbrauchsstoffen oder Austausch von Teil-/Gesamtsystems) mit einer bestimmten Wahrscheinlichkeit notwendig sein wird von Interesse.

[0013] Die erfindungsgemäße Messanordnung umfasst mindestens einen Sensor zum

Erfassen einer Messgröße, und Ausgeben eines messgrößenabhängigen Sensorsignals,

[0014] eine Datenverarbeitungseinheit welche das Sensorsignal auswertet, wobei

[0015] die Datenverarbeitungseinheit einen Datenspeicher umfasst, in welchem unterschiedliche Typen von Betriebsdaten des Sensors gespeichert werden,

[0016] die Datenverarbeitungseinheit Werte für mindestens zwei unterschiedliche

Zustandsgrößen der Messanordnung bestimmt wobei in jede dieser mindestens zwei Zustandsgrößen jeweils Werte von mindestens zwei unterschiedlichen Typen von Betriebsdaten eingehen, wobei

[0017] die Datenverarbeitungseinheit ferner anhand der Werte der mindestens zwei

Zustandsgrößen einen Zustand der Messanordnung klassifiziert, und das Ergebnis der

Klassifizierung ausgibt. [0018] Das erfindungsgemäße Verfahren kann in der Messanordnung implementiert sein, grundsätzlich aber auch außerhalb der Messanordnung in einer separaten

Datenverarbeitungsanlage durchgeführt werden. [0019] Die Betriebsdaten gehen vorzugsweise mit einer vorgegebenen Gewichtung in die

Zustandsgrößen. [0020] In einer derzeit bevorzugten Ausgestaltung der Erfindung können die

Zustandsgrößen Hauptkomponenten sein, die mittels einer Hauptkomponentenanalyse ermittelt wurden. Die Betriebsdaten gehen in einer mittels der

Hauptkomponentenanalyse ermittelten Gewichtung in die Hauptkomponenten ein. [0021] Zur Durchführung der Hauptkomponentenanalyse können für ein Ensemble von

Messanordnungen und deren unmittelbare Prozessumgebung, Betriebsdaten erfasst werden, die zu einem bestimmten und für Diagnosezwecke interessierenden Zustand einer bestimmten Klasse gehören. [0022] Solche Klassen können beispielsweise wartungsbedürftig (allg.), kalibrierungsbedürftig, verschmutzt, driftender Messwert, weggedrifteter Messwert, defekt, etc. sein. [0023] Betriebsdaten bzw. Merkmale der betrachteten Messanordnungen sind beispielsweise

• direkt messbare Größen wie zum Beispiel Innenwiderstand, Ruhestrom elektrische Leistung, und Temperatur

• physikalisch ableitbare Größen wie zum Beispiel pH- Wert, Rauschen

• aus der Historie mathematisch ableitbare Größen wie zum Beispiel Mittelwerte, Variation, zeitliche Trends Ableitungen und

• weitere statistische und modellbasierte Größen.

[0021-] Weitere Betriebsdaten sind Kalibrierdaten wie Nullpunkt und Spanne,

Belastungsdaten eines Sensors, beispielsweise Druck, Vibrationen, Schmutzfracht im Messmedium, usw.

[0025] Sämtliche Daten können von der Messanordnung oder mittels Hilfssensoren ermittelt werden und der Messanordnung in geeigneter Weise bereitgestellt werden.

[0026] Betriebsdaten für optische Sensoren sind beispielsweise:

[0027] Verschmutzungsgrad eines Prozessfensters

[0028] Alter einer LED/einer Photodiode oder Leuchtstärke (eines Referenzsignals)

[0029] Kalibrationskennwerte

[0030] dynamische Kenngrößen (Zeitkonstante).

[0031] Betriebsdaten für für amperometrische Sensoren sind beispielsweise:

[0032] Membranwiderstand

[0033] Stromintegral (Elektrolytalterung)

[0034] dynamische Kenngrößen

[0035] Potentialdifferenz Anode-Ref. -> Schichtaufbau bei Sauerstoffsensor

[0036] Auch bei diesen Sensoren können Belastungsdaten (Temperatur, pH- Wert, Druck, CIP-Zyklen...) eine Rolle spielen.

[0037] Resultat der Datenerfassung ist eine umfangreiche Datentabelle in der zeilenweise die Messanordnungen (Sensoren und Messunformer) und spaltenweise die Betriebsdaten bzw. Merkmale für die verschiedenen Messanordnungen zu finden sind. Diese Darstellung kann geometrisch als ein vieldimensionaler Raum angesehen werden, in dem jede Messanordnung als ein Punkt charakterisiert ist. Sowohl die geometrische Darstellung als auch die tabellarische Darstellung beinhaltet die vollständige Information.

[0038] Zur Auswertung dieser Daten wird eine Hauptkomponentenanalyse der Daten durchgeführt, aus der beispielsweise zwei bis vier Hauptkomponenten resultieren. Eine Allgemeine Darstellung der Hauptkomponentenanalyse ist beispielsweise in Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: „Multivariate Analysemethoden Eine anwendungsorientierte Einführung", 2006, Springer, gegeben. Als mathematisches Verfahren zur Auswertung ist beispielsweise das so genannte NIPALS -Verfahren geeignet.

[0039] Mittels der Hauptkomponentenanalyse wird identifiziert, welche Betriebsdaten in die Definition eines Zustands einer Messanordnung in welchem Maße eingehen. Insoweit als die Anzahl der Hauptkomponenten geringer ist, als die Anzahl der Typen von Betriebsdaten bzw. Merkmalen wird durch die Hauptkomponentenanalyse die Zahl der Dimensionen zur Bewertung einer Messanordnung auf ein praktikables Maß reduziert.

[0040] Der Zustand einer Messanordnung ist im Ergebnis als Punkt auf einer Ebene bzw. in einem beispielsweise zwei bis vierdimensionalen Zustandsraum darstellbar. Die einzelnen Dimensionen (Hauptkomponenten) beinhalten Informationen mehrerer Merkmale bzw. Betriebsdaten und sind somit nicht mehr wie in der vollständigen Darstellung direkt physikalisch interpretierbar.

[0041] Mit dieser reduzierten Darstellung wird der zur Beurteilung einer Messanordnung erhebliche Informationsgehalt der Summe der Betriebsdaten abgebildet. Betriebsdaten

mit geringer oder keiner Variation werden nicht beachtet. Werden die Sensoren entsprechend ihres Zustandes codiert in diesem reduzierten „Diagnosezustandsraum" dargestellt, ist erkennbar, ob sich diese Zustandskiassen wieder abbilden. Ist dies der Fall kann mit einer aus der Hauptkomponentenanalyse abgeleiteten Transformationsvorschrift ein einfaches Diagnosefunktional als Klassifikator in einem Sensor oder einer Messanordnung implementiert werden.

[0042] Die Zustandskiassen sind über die Transformation und einfache Klassifikatoren (Polynom der Hauptkomponenten) zu diagnostizieren.

[0043] In einer Weiterbildung der Erfindung ist die Vorhersage von Zeitpunkten, ab dem der überwachte Sensor einen bestimmten Zustand verlassen bzw. ab dem er einen bestimmten Zustand einnehmen wird. Meist hängen die Sensorzustände von mehreren Betriebsdaten ab, die aufgrund inhärenter physikalischer und chemischer Zusammenhänge nur schwer beschreibbar sind. Durch die Transformation des betrachteten Sensors in den Raum der Hauptkomponenten werden alle inhärenten Zusammenhänge mit abgebildet und die Vorhersage wird, mit zum Teil einfachen mathematischen Modellen wie z.B. der linearen Regression möglich.

[0044] Darüber hinaus ist auf diese Art ein so genanntes Diagnose-Teaching möglich. D.h., wenn ein sich im Betrieb befindlicher Sensor vom Bediener manuell aufgrund von Erfahrung oder Spezialwissen als nicht mehr korrekt funktionierend bewertet wird, können seine Merkmale vermessen werden und somit der Datenpool erweitert werden. So ist bei leistungsfähigen Messeinrichtungen das Quittieren von vagen Diagnosemeldungen und somit ein Lernen möglich. Sensorzustände, bei denen die einzelnen Merkmale die jeweiligen Grenzwerte nicht überschreiten; können somit aufgrund ihrer inneren Zusammenhänge oder Historie korrekt bewertet werden.

[0045] Die Erfindung wird nun anhand eines in den Zeichnungen dargestellten Ausfuhrungsbeispiels erläutert.

[0046] Es zeigt:

[0047] Fig. 1 eine schematische Darstellung einiger Elemente einer erfindungsgemäßen Messanordnung;

[0048] Fig. 2 eine allgemeine Struktur einer Merkmals- bzw. Betriebsdatenmatrix zur Durchführung einer multivariaten Analyse, insbesondere einer Hauptkomponentenanalyse;

[0049] Fig. 3 ein Beispiel einer Merkmalsmatrix für ein Ensemble von pH-Sensoren zur Durchführung einer Haupkomponentenanalyse; und

[0050] Fig. 4 das Ergebnis der Hauptkomponentenanalyse für das Ensemble pH-Sensoren

aus Fig. 3.

[0051] Wie in Fig. 1 dargestellt, umfasst eine erfindungsgemäße Messanordnung einen

Sensor 1 und eine Datenverarbeitungseinheit 2 mit einem Datenspeicher 3, in welchem die Messgröße, und weitere Betriebsdaten gespeichert werden. Die Betriebsdaten können einerseits Sensordaten wie die Messgröße oder beispielsweise Sensortemperatur oder Sensorimpedanz sein, oder Zusatzinformationen wie beispielsweise Kalibrierdaten (Steigung oder Nullpunkt) oder extern ermittelte Prozessdaten, beispielsweise die Zahl von CIP-Zyklen. Aus den im Datenspeicher hinterlegten Betriebsdaten und Datenhistorien können mittels eines Softwaremoduls, welches als Operator 4 bezeichnet ist, abgeleitete Betriebsdaten generiert werden, die zur Bestimmung des Sensorzustands von Interesse sind. Diese abgeleiteten Daten können beispielsweise differenzierte oder integrierte Sensordaten sein oder Daten, die ein Spektrum oder das Rauschen des Sensors beschreiben. Die Betriebsdaten werden dann einem Klassifikator 5 zugeflihrt, der anhand der Betriebsdaten mit den jeweils erforderlichen, vorgegebenen Gewichtungen (Loadings) die Werte der Hauptkomponenten, ermittelt. Damit ist die Position des Sensors bzw. der Massanordnung im Zustandsraum festgelegt, und der Klassifikator kann anhand der Position im Zustandsraum die Klassifizierung des Zustands durchfuhren.

[0052] Welche Betriebsdaten zur Bewertung des Sensorzustands mit welcher Gewichtung beachtlich sind wird für einen Bestimmten Sensortyp mit einer multivariaten Analyse, insbesondere Hauptkomponentenanalyse anhand eines hinreichend großen Ensembles von Messanordnungen dieses Sensortyps ermittelt.

[0053] Dazu werden mehrere als ,gut" befundene Sensoren und mehrere als „schlecht" befundene Sensoren in ihren Merkmalen vermessen, wie in Fig. 2 allgemein und in Fig. 3 für das Beispiel eines pH-Sensors dargestellt ist.

[0054] Ohne Grenzwerte für die einzelnen Merkmale festzulegen, wird eine

Hauptkomponentenanalyse durchgeführt, wodurch die relevanten Informationen verdichtet werden, und Merkmale mit geringem Informationsgehalt unbeachtet bleiben.

[0055] Das Ergebnis der Hauptkomponentenanalyse ist in Fig. 4 dargestellt. Im linken Teilbild der Fig. 4 ist wird erkennbar, dass sich die zwei Gruppen von Sensoren, nämlich ,gut" und „schlecht" im hier aufgespannten zweidimensionalen Diagnosezustandsraum über zwei Hauptkomponenten wieder als getrennte Positionen im Diagnosezustandsraum formieren. Eine Klassifizierung nach ,gut" und „schlecht" wie sie durch die Ellipsen angedeutet ist, kann damit im Messbetrieb nach

Bestimmung der Werte flir die beiden Hauptkomponenten ohne weiteres erfolgen. Die Gewichtung, mit der die einzelnen Sensormerkmale bzw. Betriebsdaten in die Hauptkomponenten eingehen, ist im rechten Teilbild der Fig. 4 dargestellt.

[0056] In einer Weiterbildung der Erfindung wird zur prädiktiven Diagnose die

Veränderung der Position eines Sensors im Diagnosezustandsraum mittels einer Trendanalyse ausgewertet, und es wird eine Prognosen erstellt, wann die Position den Bereich der aktuellen Klasse verlassen wird, bzw. wie lange es noch bis zum Erreichen des Bereichs einer anderen Klasse dauert.

[0057] Das Ausflihrungsbeispiel wurde unter Bezugnahme auf die

Hauptkomponentenanalyse mit zwei Hauptkomponenten beschrieben. Selbstverständlich kann der Diagnosezustandsraum auch mehr als zwei Hauptkomponenten umfassen, beispielsweise drei oder vier. Anstelle der Hauptkomponentenanalyse sind grundsätzlich auch andere Verfahren der multivariaten Analyse anwendbar.