Jakie są powszechnie używane algorytmy porównywania redundancji-z dwoma czujnikami?

Można wyróżnić trzy typy popularnych algorytmów porównania redundancji-z dwoma czujnikami: podstawowy typ wprowadzający, zoptymalizowany typ zaawansowany i inteligentny typ adaptacyjny, który można dostosować do różnych poziomów złożoności. Mają następujące szczególne cechy:

 

1. Metoda bezpośredniego porównania ustalonych progów: podstawowy typ wprowadzający

Najbardziej tradycyjny algorytm początkowy, najłatwiejszy w użyciu i odpowiedni do prostych modernizacji w małych i średnich-fabrykach:

Podstawowa logika: Ustal zdefiniowany próg odchylenia; alarm jest natychmiast uruchamiany, jeśli sygnały wyjściowe obu czujników różnią się o więcej niż próg. Nie ma potrzeby dalszego uzasadniania.

Korzyści: wymaga niewielkich prac programistycznych i można go zapisać bezpośrednio w-istniejących sterownikach PLC bez skomplikowanych ustawień.

Wady: Bardzo wysoki wskaźnik fałszywych alarmów; brak możliwości dostosowania się do zmian procesowych i starzenia się czujników; ograniczone do sytuacji, w których wymagane są minimalne wymagania dotyczące niezawodności; obecnie wycofywane.

 

2. Metoda stopniowego porównywania progów dynamicznych: Zoptymalizowany typ zaawansowany

Algorytm szeroko stosowany obecnie w zastosowaniach przemysłowych, odpowiedni do formowania wtryskowego i innych okresowych scenariuszy produkcji:

Podstawowa logika: Ustaw odrębne progi na każdym etapie procesu; poluzować próg podczas faz dynamicznych, takich jak wtrysk, rozruch i zatrzymanie; zaostrzyć próg podczas-etapów produkcji w stanie ustalonym; i zawierają podwójne filtrowanie i opóźnione potwierdzenie w celu zmniejszenia zakłóceń.

Korzyści: Liczba fałszywych alarmów jest zmniejszona o ponad 70% w porównaniu ze stałym progiem; jest łatwy do wdrożenia, nie wymaga zaawansowanej mocy obliczeniowej i może być konfigurowany przez zwykłych inżynierów.

Obowiązujące scenariusze: Obecnie najpopularniejsze rozwiązanie głównego nurtu do wykrywania zwolnień w branży formowania wtryskowego i przetwórstwa.

 

3. 3σ Metoda aktualizacji progu adaptacyjnego na potrzeby zaawansowanej optymalizacji

jeszcze bardziej ogranicza-terminowe fałszywe alarmy, umożliwiając dynamicznemu progowi automatyczną reakcję:

Podstawowa logika: co tydzień gromadzone są dane historyczne dotyczące odchyleń, a zasada 3σ jest wykorzystywana do określenia zwykłego zakresu wahań odchylenia. Próg jest automatycznie dostosowywany w celu uwzględnienia dryftu powodowanego przez stare czujniki.

Korzyści obejmują: 30% mniej fałszywych alarmów niż przy ustawionym progu dynamicznym; silna długoterminowa-stabilność operacyjna; i nie ma potrzeby okresowej zmiany progu przez człowieka.

Odpowiednie sytuacje: Linie produkcyjne masowe, które działają w sposób ciągły i wymagają mniej konserwacji ręcznej.

 

4. Inteligentny typ adaptacyjny: metoda kompensacji dryftu linii bazowej wykładniczo ważona (EWMA)

Inteligentna technika optymalizacji, która bardzo dobrze radzi sobie ze stopniowym starzeniem się czujnika w-najlepszych scenariuszach:

Core Logic: Automatycznie koryguje sygnał wyjściowy starzejącego się czujnika, wykorzystując wykładniczą ważoną średnią ruchomą (EWMA) w celu dostosowania odchylenia linii bazowej między dwoma czujnikami w czasie rzeczywistym. Dopiero gdy odchylenie przekracza zakres korekcji, włącza się alarm.

Korzyści obejmują automatyczne stopniowe starzenie się, bardzo niski-bardzo niski wskaźnik fałszywych alarmów w długim okresie, dłuższy cykl wymiany czujnika i niższe koszty konserwacji.

Wady: Wymaga pewnego przetwarzania, ale jest łatwy w konstrukcji i może być w pełni obsługiwany przez obecne sterowniki PLC.

 

5. Zaawansowany typ inteligentny: technika wykrywania anomalii w uczeniu maszynowym

Wysokiej klasy rozwiązanie-dla linii produkcyjnej, które jest całkowicie zautomatyzowane:

Core Logic: Wykorzystuje historyczne dane normalne do uczenia modeli takich jak Isolation Forest i LSTM, automatycznie uczy się normalnego zakresu odchyleń w różnych procesach i natychmiast wykrywa nieprawidłowe odchylenia.

Korzyści: Niezwykle elastyczna, niewielka liczba fałszywych alarmów w skomplikowanych i dynamicznych operacjach;

Wady: obecnie stosowane wyłącznie w-zaawansowanych scenariuszach medycznych i lotniczych; wymaga dużej ilości danych historycznych do szkolenia; wymaga nieco większej mocy obliczeniowej; nie jest-opłacalne dla małych i średnich-przemysłów.