專利名稱：用于空分過程的統(tǒng)計過程控制的制作方法
技術領域：
本發(fā)明涉及的是在把所供入的空氣進行分離而得到氧和氮組份的空分過程中建立統(tǒng)計過程控制的系統(tǒng)。
在制造業(yè)工藝中，統(tǒng)計質量控制技術已用了約70年，但直至最近才在美國工業(yè)上得到廣泛應用。統(tǒng)計過程控制(SPC)是一種使任何制造業(yè)工藝中的變化率下降的系統(tǒng)或基本原理，從而有穩(wěn)定的制造工藝，達到其固有的基準水平。
在制造加工業(yè)中，過程控制具有其獨特的含義，即通常被認為是實時自動管理控制和/或過程的監(jiān)視控制。根據(jù)在任一過程中都有其固有的波動這一事實，才產(chǎn)生了控制的需求。在制造加工業(yè)中的控制目的主要在于對產(chǎn)品質量限制之內(nèi)的可測出的及不可測出的波動均保持有管理控制，從而完成確定的經(jīng)濟目標。產(chǎn)品質量限制一般與控制算法成不等關系，例如產(chǎn)品B含有少于1.7%的組份A。當控制目的為產(chǎn)品質量控制時，限制通常會構成一個限定的指標值和該指標值的容許偏差的形式。
常規(guī)的過程控制綜合使用開環(huán)模式和閉環(huán)模式來完成該過程的控制目的。所謂對過程了解不完整和對該過程引起的各種波動了解不完全指的是實際控制系統(tǒng)需要某些反饋來完成令人滿意的控制水平。反饋的主要好處是，至少在理論上它可以補償任何波動。但是，在觀察到誤差以前，反饋作用并不開始，由此控制作用滯后于由過程的動態(tài)特性造成的波動影響。
如果可以測得波動，前饋控制就能克服擾動對控制變量的影響反應延遲的問題。適當?shù)那梆佔饔每梢苑乐巩敊z測到波動時因處理適當?shù)倪^程變量所引起的誤差。但是，為了得到正確的調(diào)節(jié)方向和量級，就要求對過程中每種波動如何表現(xiàn)有極好的了解。人們必須提前搞清所有可能的波動形式。
另外，統(tǒng)計過程控制(SPC)的目的是使關鍵產(chǎn)品質量特性的變化為最小。統(tǒng)計過程控制(SPC)可用于控制和調(diào)整獨立的或可操作的變量，以保持相關的或輸出的變量穩(wěn)定，但缺乏由過程動力學和連續(xù)時間自動控制理論知識帶來的優(yōu)點。
因此，將統(tǒng)計思想結合實時連續(xù)過程控制是本發(fā)明所述問題的關鍵點。特別是將統(tǒng)計技術與實際存在的控制和監(jiān)視技術結合起來使用以提高空分過程中的所有性能。
本發(fā)明在于在一個連續(xù)操作的空分過程中從各個有用的過程參數(shù)中由電子技術收集大量的過程變量數(shù)據(jù)，并且將初始作為連續(xù)實時模擬測量收集得到的數(shù)據(jù)以數(shù)字的形式存儲到收集數(shù)據(jù)地址的文件中，該數(shù)據(jù)地址在程序控制下與聯(lián)機和脫機計算機裝置相互作用。儲存的過程變量數(shù)據(jù)在程序控制下由脫機計算機裝置進行計算，如用SAS＊軟件系統(tǒng)，并且也可由操作人員把信息輸送到脫機計算機裝置中，以限定數(shù)據(jù)采樣組、作出矩形圖(頻率分布)、建立數(shù)據(jù)的分布形式，根據(jù)采樣的統(tǒng)計數(shù)據(jù)(包括概率密度分布函數(shù)PDF)制定計算數(shù)值的計算公式，作出與確定的分布形式相應的控制圖，該控制圖具＊SAS是一種與其他數(shù)據(jù)地址和用于圖解、統(tǒng)計關系和預測的儀器相連系的統(tǒng)計分析軟件系統(tǒng)，SAS研究所的商標Cary.N.C.有控制極限和中心線，并為預測變化數(shù)據(jù)制出動態(tài)時間級數(shù)模式，所有變量數(shù)據(jù)均儲存在與連機和脫機計算機裝置相互作用的數(shù)據(jù)地址中。在數(shù)據(jù)地址中設置好上述內(nèi)容之后，通過連續(xù)模擬測量收集現(xiàn)行空分過程操作的實時過程變量數(shù)據(jù)，該變量被輸送到連機計算機裝置中，并在該計算機裝置中由程序控制例如用ONSPEC＊控制處理成數(shù)字形式，并把該實時過程變量數(shù)據(jù)用于所確定的控制流程圖上，該流程圖可以直觀地顯示出極限值(I型-(α)誤差的設定范圍)和包括趨勢警告極限值在內(nèi)的警告極限值。同樣，在程序控制下，連機計算機裝置進行計算，并在所作的圖上顯示出對一系列設定數(shù)量的數(shù)據(jù)樣品進行觀察后得到的數(shù)值曲線，以指明是非存在非偶然性的統(tǒng)計數(shù)值，例如實時測量過程變量數(shù)據(jù)中是否有趨勢或漂移。
另外，由連機計算實時測量過程變量數(shù)據(jù)的差值，例如計算實際測量的數(shù)據(jù)樣品值和由波動(ARIMA)＊模式預定值之間的差值，并把這些差值用到由連機作出的控制圖上，差值的圖形也由連機來計算，以便使所有剩余時間級數(shù)的非偶然性狀態(tài)在圖上直觀地顯示出來。
通過觀察實際觀察到的值或差值的圖形，操作人員可以看到是否存在連續(xù)增加或連續(xù)減少的趨勢。在任何情況下，當所采用的預定數(shù)量的樣品在相同的時間間隔內(nèi)持續(xù)存在傾向特性時，則在時間級數(shù)中，特殊過程變量數(shù)據(jù)在統(tǒng)計上就存在著非偶然性特征，并根＊ONSPEC是一種程序，它可以處理現(xiàn)行數(shù)據(jù)、作圖表顯示，監(jiān)視警告條件和對歷史數(shù)據(jù)進行分析，Heuristics注冊商標Inc。
據(jù)直觀的圖形顯示，要求操作人員用統(tǒng)計控制開始對該變量進行檢查，并且通過過程控制可由計算機產(chǎn)生優(yōu)選的過程控制調(diào)節(jié)信號。


圖1為已有技術的商業(yè)空分設備的示意圖;
圖2為本發(fā)明的一個系統(tǒng)方框圖和流程圖;
圖3為本發(fā)明所用的數(shù)據(jù)地址結構的流程圖;
圖4為實施本發(fā)明的過程中所作出的矩形圖的例子圖5為適用于圖4的矩形圖的分布曲線;
圖6為實施本發(fā)明過程中所作出的控制圖的一個例子;
圖7為根據(jù)幾率密度函數(shù)的具有控制極限的控制圖的一個例子;
圖8為表示一個特殊過程變量的趨勢范圍的分布圖;
圖9為根據(jù)控制圖在ARIMA上作出的偏差舉例圖;
圖10(A)-(E)為導出ARIMA模式的流程圖;
圖11為本發(fā)明系統(tǒng)的連機操作流程圖;
圖12、13、14為本發(fā)明實際所用的CRT屏幕;
圖15、16、17、18為結合圖12-14的CRT屏幕的使用所作出的控制圖。
現(xiàn)在參考圖1，這是一個表示已有技術的空分設備的示意圖，供入的空氣在該設備中經(jīng)低溫分離生產(chǎn)出高純度的氣態(tài)氮產(chǎn)品、高純度的液態(tài)和氣態(tài)氧產(chǎn)品及氬產(chǎn)品。
一個已有技術的空分設備，如美國專利US-4，838，913-R.A.Victor，M.J.Lockett這種型號的設備示于圖1中。
＊ARIMA自動回歸積分流動平均值。
參照圖1，供入的空氣401由過濾器402清除掉灰塵和其他顆粒物質，過濾以后的供入空氣403被壓縮機404壓縮到通常為70至170磅/吋2的壓力范圍，將壓縮過的空氣405用凈化器406除掉如水、二氧化碳和碳氫化合物一類的高沸點的雜質。經(jīng)凈化、壓縮過的空氣407被引入到換熱器408中與來自蒸餾塔中的產(chǎn)品和廢氣流進行間接熱交換而被冷卻到接近液化溫度。經(jīng)凈化、壓縮和冷卻過的供入空氣409然后被引入第一蒸餾塔410中，該塔是兩級蒸餾塔設備中的高壓蒸餾塔。蒸餾塔410中的一般操作壓力范圍為50-150磅/吋2之間。在熱交換器408的中部抽出少量的供入空氣440，將其在透平膨脹機441中進行膨脹，并在低于氮氣抽出位置而高于氬蒸餾塔供應抽出位置的某一處被引入到低壓蒸餾塔413中。
在蒸餾塔410中，供入的空氣通過蒸餾被分離成富氮蒸汽和富氧液體。富氮蒸汽411通過管道從蒸餾塔410進入主冷凝器412，該冷凝器最好在第二蒸餾塔413中，該第二塔是兩級蒸餾塔設備中的低壓蒸餾塔。實際上主冷凝器412可以放在蒸餾塔413的壁外。在主冷凝器412中，富氮蒸汽411通過與再蒸餾塔413底部的液體進行間接熱交換而被冷凝，得到的富氮液體414由管路裝置作為回流流入蒸餾塔410。所得到的一部份富氮液體415(通常為20%-50%的范圍內(nèi))在蒸餾塔頂部或頂部附近進入蒸餾塔413中。
把富氧液體416從第一蒸餾塔410中移出并送入氬氣塔頂?shù)睦淠?17中，在此這些富氧液體通過與氬蒸餾塔頂部的蒸汽進行間接熱交換而有一部份被汽化，所得到的蒸汽和液體分別以流體418和442在低于氮抽出位置但高于從氬塔中抽出的流體的進入位置處被輸入到蒸餾塔413中。
第二蒸餾塔413在小于第一蒸餾塔410壓力下工作，其壓力范圍通常在12-30磅/吋2之間。在第二蒸餾塔413中，輸入塔中的流體通過蒸餾被分離成富氮和富氧組份，它們分別作為氮和氧產(chǎn)品被回收。氧產(chǎn)品可以以氣態(tài)和/或液態(tài)產(chǎn)品被回收，它們的純度通常在99%以上。氣體氧產(chǎn)品在高于冷凝器412之處從第二蒸餾塔413中引出，作為流體419通過熱交換器408，然后作為流體420得到回收。液氧產(chǎn)品在主冷凝器412處或高于該處從第二蒸餾塔413中引出，并作為流體421得到回收。通常純度在99.9%以上的氮產(chǎn)品從第二蒸餾塔413中引出，它通過熱交換器408以后作為流體424得到回收。當流體422從第二蒸餾塔413中引出時，其壓力最好要盡可能地低，但應比大氣壓力高，這樣不用輔助泵就可把氮產(chǎn)品從設備中輸出。廢氮氣流425對于通常的分離系統(tǒng)中的工作是必需的，也從搭413中引出流過熱交換器408后作為流體423排空。流體425在蒸餾塔413上低于氮流體415被引入塔中的位置的某處從塔中引出。
圖1中的已有技術的空分系統(tǒng)還包括粗氬的回收?，F(xiàn)再參見圖1，從第二蒸餾塔413中部抽出蒸汽流426，氬在塔中部的濃度為最高或接近最高，一般是10-12%。流體426進入第三塔或氬蒸餾塔427中，并在該塔中向上流動，該塔的工作壓力為12-30磅/吋2，在塔中該流體426通過沿著與下降流體反方向的逆流流動逐漸使氬含量富起來。富氬蒸汽從氬蒸餾塔427流入頂部冷凝器417中，它在該冷凝器中通過與富氧液體416進行間接熱交換而被部份地冷凝，所得到的部份冷凝富氬液體429被送入分離器430，從分離器430中出來的富氬蒸汽431作為粗氬被回收，粗氬的氬濃度通常超過96%，而液體432從分離器430中送入氬蒸餾塔427作為下降液體，下降液體收集在氬塔427的底部，其氧濃度超過流體426中的氧濃度，收集在氬塔底部的液體作為流體433被送入第二蒸餾塔413中。
連機過程計算機100接受來自儀器組740的數(shù)據(jù)，并根據(jù)廣泛了解的知識通過將測量數(shù)據(jù)與預定的設定參考目標值進行比較，從而計算或保持閉環(huán)過程控制設備的設定點。當測量的過程變量在統(tǒng)計學的控制范圍內(nèi)時，例如測量的質量特性具有不隨時間變化的分布時，就可完成對設定點的有效測定，這一點是可以肯定的，同時也是可以預測的。
一個過程變量因普通原因的變化顯著增加，或有特殊原因發(fā)生、或可歸原因造成的變化顯著增加都會嚴重地降低過程控制系統(tǒng)的性能。一旦有因普通原因造成的明顯變化或發(fā)生特殊原因的變化時，(這種變化表示由連機過程控制器100輸送到SPC計算機200中的實時過程變量數(shù)據(jù)缺少統(tǒng)計控制)，如下面所詳述，把來自SPC(統(tǒng)計過程控制)計算機200的設定點調(diào)節(jié)信號在103處加到連機過程控制計算機100中，使特殊控制元件，例如控制閥107的設定點發(fā)生變化，從而按照過程控制方法增加或減少此處的流量，該控制方法為依據(jù)對圖1G處取出的產(chǎn)品氮純度數(shù)據(jù)采樣的非偶然性工況進行設定而作出的過程控制方法。
圖1所示型號的空分設備的主要過程變量在圖1的A-P處進行取樣，這些過程變量的標號為A供入空氣流量
B供入空氣溫度C透平膨脹機入口溫度D透平膨脹機出口溫度E透平膨脹機流量F塔的回流液體純度G產(chǎn)品氮純度H廢氮純度I產(chǎn)品氧純度J產(chǎn)品氧流量K產(chǎn)品氮純度L液氧純度M液氧流量N氬塔供入流體的純度O粗氬產(chǎn)品純度P粗氬產(chǎn)品流量現(xiàn)參照圖2，這是本發(fā)明的系統(tǒng)流程圖，連機過程控制計算機100，例如數(shù)據(jù)通用新星S-10計算機接受從如圖1所示空分過程收集到的儀表數(shù)據(jù)，以建立一個多個過程變量的歷史數(shù)據(jù)庫，例如上述標號A-P的各個過程變量。這些集中數(shù)據(jù)是與連續(xù)操作生產(chǎn)過程，例如與供氣流量(原料流量、液氧純度(產(chǎn)品純度))相關的實時過程變量數(shù)據(jù)，這些數(shù)據(jù)是根據(jù)已有技術在預定采樣的間隔下作為數(shù)據(jù)樣品而獲得的。過程控制計算機100也使用采集的數(shù)據(jù)，用于保持或建立新的設定點，該計算機還根據(jù)所希望的過程控制方法控制該過程，該控制方法根據(jù)已有技術的一般程序應用于過程控制計算機100的程序控制中。為完成本發(fā)明，將所有模擬信號(253)輸入到控制計算機100中，這些信號在計算機中轉換為數(shù)字形式。計算機100通過將文件歸檔或實時地采用商業(yè)上可得到的合適的驅動軟件，例如采用Gould Modbus驅動軟件而將數(shù)字數(shù)據(jù)輸送到計算機120中，并以電子信號儲存于歷史數(shù)據(jù)文件140中，以建立一個能儲存所有過程變量的數(shù)據(jù)庫。作為空分設備，對于每個有意義的變量及每個主要操作模式來講，每24小時的數(shù)據(jù)周期中一般要獲得兩或三組歷史數(shù)據(jù)。每個變量，例如上述所列的A-P的歷史數(shù)據(jù)在脫機計算機120中分別加以分析，以對每個變量進行變量和變量統(tǒng)計特性的測量，所謂變量統(tǒng)計特性例如是有變量測量的分布特性，它包括概率密度分布函數(shù)的測定、自動相關程度的測定，有關的波動特性測定，同樣在脫機計算機120中設計出模式，例如根據(jù)標準差方程技術進行設計，也可以用標準統(tǒng)計軟件，例如用SAS(統(tǒng)計分析系統(tǒng))設計出ARIMA模式(自動回歸積分流動平均值)，該軟件也可用來作矩形圖，并對數(shù)據(jù)組作統(tǒng)計描述。
對于每個特殊變量來講，采樣間隔、分組和數(shù)據(jù)分布形式的指示可通過觀察，由SPC操作人員憑經(jīng)驗來確定，或者在脫機計算機120的幫助下，使用商業(yè)上可得到的合適的軟件，例如SAS來確定，并將信息輸送到數(shù)據(jù)地址160中，例如送入ONSPEC中，然后再輸入到SPC(統(tǒng)計過程控制)處理器200IBMPS-2的記憶器180中。來自數(shù)據(jù)文件140的變量的歷史數(shù)據(jù)在脫機計算機120(或由SPC處理器200)中進行處理，以設計出過程操作期間指示特別原因變化的極限值和警告值，例如對預定數(shù)量的連續(xù)過程變量數(shù)據(jù)點可以設計出趨勢測定標準，這可預測出即將發(fā)生的由特別原因引起的不能接受的變化，在這種場合下，由SPC計算機200產(chǎn)生警告信號245。在脫機計算機120中，用SAS或類似的軟件可以用矩形圖和標準統(tǒng)計技術來建立趨勢警告標準，該警告標準被輸入到準備收集地址160中以及SPC處理器200的記憶器180中。例如，通過對使用SAS軟件的脫機計算機120產(chǎn)生的矩形圖的分析，可以對特殊變量的歷史數(shù)據(jù)的分布形式作出估計，并利用這一信息設計出特定的普通控制圖形，例如由采用SAS軟件的脫機計算機120(或交替地采用周期歷史文件的連機)制出X、S、EWMA、CUSUM和預定的I型-α誤差(置信水平)的控制極限圖。并且把該信息儲存在準備收集地址160中，以供SPC處理器200在屏幕230上作圖形顯示220用。在CRT240上具有曲線圖、矩形圖和其他圖形的直觀顯示235，CRT240上還有由脫機計算器120和SPC處理器200使用連機變量數(shù)據(jù)產(chǎn)生的直觀顯示。在鍵盤終端250上完成直接顯示的調(diào)整和編輯，隨著上述參數(shù)的確立，SPC處理器200接受來自連機處理控制計算機100上的連機實時變量數(shù)據(jù)，它們被顯示在產(chǎn)生的控制圖上，并且監(jiān)測警告指示，由這些圖表和警告提供信號，這將在下面作詳述。
現(xiàn)參看圖3的流程圖，來自運行的空分過程的每個有意義的獨立過程變量，如來自上述所列A-P的變量的歷史數(shù)據(jù)，如圖1所示，它們適當?shù)貜谋粴w檔的計算機記憶文件中，例如從磁盤中取出也可以從現(xiàn)行過程操作的連機儀表上取出，它們分別以電信號輸入到300中。在每個主要操作模式中，對于每個變量每隔24小時就可獲得一至三組數(shù)據(jù)，以便在進行統(tǒng)計控制時得到代表該變量的大量數(shù)據(jù)。對每個獨立變量的大量數(shù)據(jù)，在脫機計算機20(如圖1和圖2)中使用標準統(tǒng)計軟件，例如用SAS進行處理，正如上面所述，就可將這些數(shù)據(jù)提供給由SPC處理器200(圖1和圖2)所用的數(shù)據(jù)地址400中，該數(shù)據(jù)可及時地交替有效地由SPC計算機200進行處理。由于建有數(shù)據(jù)地址400(也如圖2所示)，把310中所示的那類關系式用常規(guī)軟件限定(也被列在其附錄A中)。根據(jù)歷史數(shù)據(jù)作出的矩形圖表示代表特殊變量的頻率分布曲線圖，例如該變量為所列液氧產(chǎn)品(LO2)純度，矩形圖由脫機計算機120在程序控制下在320上制出，如圖4所示的矩形圖是這種圖例。由圖4所示的頻率分布矩形圖可以看出，特殊變量，例如液氧的分布形式可以在330的程序控制下得到并且顯示出來，在此情況下，圖5中顯示出對數(shù)下的正態(tài)分布?；趯^程的時間響應的估計和計算，由脫機計算機在330上能產(chǎn)生出對特殊參數(shù)的采樣間隔和有助于數(shù)據(jù)組的信息，或由SPC使用者通過觀察該矩形圖來決定采樣間隔，采樣分組和分布形式，這些資料由SPC使用者在335輸入。在脫機分析(305)中，公式變換的基本波動模式可以用來預示過程變量的反應時間，然后它給出對采樣率和對分組方法的適當估計，例如反應時間越短，則采樣頻率越高。
測定給定變量的分布特性，可由脫機(也可用連機)采用上述的矩形圖進行研究，對于每個歸檔在數(shù)據(jù)地址160(或在連機實時操作下過程控制計算機100集中數(shù)據(jù)而建立的數(shù)據(jù)地址)中的過程變量的數(shù)據(jù)來講，可以自動地產(chǎn)生出矩形圖。某些變量的分布是由本領域普通技術人員根據(jù)已有技術的考慮和對過程的情況了解而決定的，也可以由操作人員在圖2的135上進行設定。
根據(jù)所述的這種空分過程，在與過程中主要時間常數(shù)相對應的極短時間周期內(nèi)可以得到大量的數(shù)據(jù)，并可反復使用數(shù)據(jù)組。由于在工業(yè)過程中的測量以有干擾信號而聞名，所以數(shù)據(jù)分組是一種適于使干擾達到平衡的技術。
一個小組的采樣多少是過程波動、取得數(shù)據(jù)的難易程度、以及測量過程中固有變化的函數(shù)。在控制理論上建議在各組之間的時間間隔要稍小于系統(tǒng)的時間常數(shù)，這意味著各取樣之間不會發(fā)生大的過程變化，由于在時間間隔小于測量儀表的時間常數(shù)時的采樣采取的是自動校正，而又與過程無關，所以要考慮測量儀器的波動影響。通過研究過程波動和檢查所產(chǎn)生的矩形圖可獲得采樣期間的好的數(shù)據(jù)值。由于可以自動地得到數(shù)據(jù)，如由過程控制計算機100自動地得到數(shù)據(jù)，通常最好在每組中有盡可能多的采樣。能在上述空分過程很好工作的典型小組最好每隔1-2分鐘取3至9個值，在組與組之間的時間可以是0-10分鐘或更多。顯示在圖3中的315上的小組統(tǒng)計計算可用原始數(shù)據(jù)和合適的統(tǒng)計公式計算，并由335指示的相關轉換常數(shù)完成。對每個小組要作適當?shù)慕y(tǒng)計，以滿足實時圖形顯示(如在圖1的CRT240)的使用，這些小組統(tǒng)計也可作為歷史資料在數(shù)據(jù)地址140中歸檔。另外，適當?shù)刈鲞@些統(tǒng)計是為了把它們輸送到ONSPEC環(huán)境中的其他應用程序范圍內(nèi)的FORTRAN或“C”語言子程序里，并由該子程序對它們進行調(diào)節(jié)。
測定分布形式，例如正態(tài)形式，對數(shù)正態(tài)形式、二項式形式、泊松分布形式和由計算機在310、320、325、330和340的分析及計算、或由使用者在335中的設計而測定出的概率密度分布函數(shù)都將導致產(chǎn)生出合適的控制圖，例如由SPC操作人員、或由SAS之類的計算機120或200在程序控制下設計成的如圖6所示的“S”圖和圖7所示的“X”圖。
建立這樣的圖是基于如下的前提，即在統(tǒng)計控制下的過程所產(chǎn)生的數(shù)據(jù)要遵縮這樣的分布，即在整個時間內(nèi)保持穩(wěn)定，并用標準統(tǒng)計技術有經(jīng)驗地將矩形圖的數(shù)據(jù)組模型化，或使矩形圖的數(shù)據(jù)適合于已知預定的解析分布，而圖1所示的空分設備的解析分布常常不是正態(tài)分布。因此，根據(jù)本發(fā)明，將310處組合的概率密度分布函數(shù)(PDF)用以計算出335處所希望設定的在I型(α)誤差范圍內(nèi)的控制極限值，這采用標準統(tǒng)計技術(例如“科學家和工程師的幾率和統(tǒng)計學”第4版，著者Ronald E.Walpole和Raymond，H.Myers;第2和第8章，由程序控制下的脫機計算機120執(zhí)行)。在該方法中，由組中的平均分布情況來確定普通原因的變化。當過程處于對環(huán)路中的變量進行閉環(huán)自動控制時，而且在已知的主要周期分布的整數(shù)倍的時間內(nèi)，對用于作統(tǒng)計分析的數(shù)據(jù)進行處理。通過晝夜地改變環(huán)境條件以及由于硬件的運行不完善和過程其他部份的反應時間不理想而由控制器定期工作，這樣就會引起周期性的波動，在圖6中表示了使用上述技術的控制圖例。
在作控制圖極限時，需要根據(jù)處于統(tǒng)計控制中的過程采樣，而要求用控制圖極限來確定過程是否處于控制中，即確定過程是否為仿真情形。可以假定第一個n組是在控制中，并在此基礎上繼續(xù)計算控制圖極限。然后用于作第一極限組的小組受到檢查以確定它們是否確實受到控制。超過最初測定了的極限值的小組通過編緝被清除掉，再對新的控制圖的極限進行計算，該程序反復進行直至極限和數(shù)據(jù)反映統(tǒng)計控制。為保證在反復“編輯”程序收斂以后保持有效的統(tǒng)計采樣規(guī)模，大量的可利用的始數(shù)據(jù)是很重要的。在某些情況下，由手頭的數(shù)據(jù)可以證明該過程完全失去了控制。對整個過程進行檢查可以找出出問題的原因，例如某個臨時閥發(fā)動器的失靈。在對過程檢修或改變以后，必須重新收集數(shù)據(jù)。
對于特定歷史變量數(shù)據(jù)和I型(α)誤差的可用于確定統(tǒng)計分布，例如正態(tài)分布，對數(shù)正態(tài)分布等的控制極限、UCL(控制上限)、LCL(控制下限)都可在310中由程序控制下的脫機計算機120進行計算，這些控制極限可用到控制圖中，如圖6和圖7的349，346，348就是作為例子作出的，確定控制極限的標準技術示于附錄B中。
在本發(fā)明的實施過程中，要對統(tǒng)計控制中的過程變量的采樣連機測定值的趨勢進行分析以確定某些特殊趨勢范圍，例如采樣間隔是否是連續(xù)采樣，不是連續(xù)增加(達到UCL)，就是逐漸減少(達到LCL)。如果發(fā)生這種情況，則會指出過程變量可能超過特定的極限，它就不再處于統(tǒng)計控制下，此時就存在警告條件，程序控制的SPC計算機200就會發(fā)出可以看到的、或可以聽到的警報或其他的信號。例如在圖(圖7的351上)上打印出信息，則SPC計算機的CRT(圖1和2中的240)顯示器照亮趨勢數(shù)據(jù)，或者在SPC計算機中發(fā)出預錄聲音的警告。
例如，參照圖7的實時過程變量數(shù)據(jù)的X曲線圖，在位置AA和BB之間有10個連續(xù)的取樣(其中有9個趨勢范圍或間隔)，在其中向上的趨勢中，每個連續(xù)樣品的值都比前一個值大。在本發(fā)明中，趨勢的范圍(連續(xù)增加值的)由程序控制下的SPC計算機200進行連機計算和分析，以判定趨勢的范圍是否超過極限范圍(設計的α誤差-置信度所確定的)。對特殊過程變量來講，限定在若干趨勢范圍內(nèi)(圖3中的340)的趨勢警報極限取決于特殊過程變量的歷史數(shù)據(jù)，該歷史數(shù)據(jù)最好是和用于測定控制圖極限的那組數(shù)據(jù)(圖3的300)相同，該組數(shù)據(jù)被儲存在收集數(shù)據(jù)地址160(圖2和圖3)中。由SPC計算機200作出歷史數(shù)據(jù)的趨勢范圍的矩形圖(頻率分布)，歷史數(shù)據(jù)同樣可作為過程變量數(shù)據(jù)，圖8所示的是指數(shù)分布。由SPC計算機200計算出圖7數(shù)據(jù)趨勢范圍分布的概率密度分布函數(shù)(PDF)，并用例如分位點技術對設計的I型(α)誤差(置信度)計算警報極限，這里例如α＝0.05，然后對PDF積分決定該α值的趨勢范圍，這如圖8所示。
趨勢范圍為11.8，取整數(shù)為12，它們表示特殊過程變量趨勢的極限范圍，把這些趨勢范圍儲存在收集數(shù)據(jù)地址160中。所以在圖7所示的情況下(從AA到BB有“10”個趨勢范圍)，并未達到“12”的警報極限(從圖7中可以很容易看出)，而且也不會顯示出警告。但是在AA到BB′之間有12個連續(xù)增加的趨勢范圍，在這種場合下，在采樣時間BB′時會產(chǎn)生趨勢警告信號，這表示特殊過程變量不處于統(tǒng)計控制下。在這種情況下，在過程控制計算機100(圖2)中的設定點可通過來自SPC計算機200中的253處的信號自動調(diào)整，或由SPC操作人員在計算機終端250(圖1)處根據(jù)設定點的控制動作1060(圖12)進行調(diào)整。
除了上述的以外，采用時間級數(shù)模式技術(ARIMA)來提供離散的波動形式，從而對某些獨立的具有自動相關性過程變量的數(shù)據(jù)的變化率進行預測和預示。這樣就形成如下所述的ARIMA(圖3中的350)模式，該模式儲存在收集數(shù)據(jù)地址160中，基于所儲存的、根據(jù)系統(tǒng)數(shù)據(jù)處理頻率可自動地從數(shù)據(jù)地址400中檢出的ARIMA模式，由SPC處理器200的連機在350(圖2)處計算出差值，如計算出特殊變量的模擬設定值與實際值之間的差值，并由連機作出應用到控制圖(可用在ARIMA模式下的標準分布中)上的極限植。
ARIMA(自動回歸積分流動平均值)是用于預測和控制眾多實際變量的時間序列模式。該模式是普通的ARIMA(p，d，q)模式Wt＝δ+φ1Wt-1+φ2Wt-2+φpWt-p+αt-θ1αt-1-θ2αt-2-……-θqαt-q其中Wt＝延遲時間t后的時間級數(shù)變量值;
δ＝常數(shù)偏置項;
φi＝自動回歸項模式系數(shù);
θj＝干擾項的模式系數(shù);
αt＝隨機振動，從其平均值為0，標準差為σa的正態(tài)分布中取樣。
變量Wt可以是原時間級數(shù)值Xt的差值，其差的級數(shù)為d，例如d＝1時，Wt＝Xt-Xt-1。參數(shù)d，δ，φi，θj均可由用戶調(diào)整，這些參數(shù)也可以用SAS時間級數(shù)應用程序在脫機計算機120中適當?shù)氐玫接嬎?最大可能估計)。這些參數(shù)均儲存在記憶器205中(圖2)。
SPC的應用中使用了ARIMA模式來分析過程變量的數(shù)據(jù)，同時還有因考慮了差值而取消了的自動相關性，該差值為模式預置值與觀察值之間的差(Wt-Wt)。該差值由使用了ONSPEC的計算機200來進行計算，并用一個在ONSPEC之外且又與之相連的C程序計算。預置值Wt由下式求得Wt+1＝δ+φ1Wt+1-1+……φpWt+1-p-θ1at+1-1-…θqαt+1-q+αt+1aj不能被觀察到，但可表示為aj＝(Wj-Wj)，j＝t-1，t-2，……，t-q因此aj值是從該模式的過去差值估計出來的。對通常原因或特別原因引起的變化的適當?shù)臋z查可以是在所有時間間隔中的差值的常規(guī)Shewhart的獨立控制圖。
ARIMA時間級數(shù)分析的應用有三個主要步驟·模式的確認·模式的估計·特性分析完成這些步驟的技術公開在“時間級數(shù)分析預測與控制”，著者George E.P.Box和Gwilym M.Jenkins，1976年修改版。有關在常規(guī)SPC，即化學過程控制和時間級數(shù)分析之間關系的討論由“連機統(tǒng)計過程控制”上給出，著者John F.MacGregor，CEP，1988年10月刊。
時間級數(shù)模式(ARIMA)是預測模式，當超出中常范圍時，這些模式用于預測變量值。本文中的SPC(統(tǒng)計過程控制)最主要的預測性是正在進行中的ARIMA時間級數(shù)模式的有效性。ARIMA時間級數(shù)模式把由空分過程引起的所有按時間順序觀察到的集作為起始點。ARIMA時間級數(shù)模式用于基本統(tǒng)計學的預測基礎，該預測是根據(jù)過程曾是什么形式而現(xiàn)在又是什么形式而作出的。時間級數(shù)模式將適當?shù)乜紤]各觀察值之間的統(tǒng)計相關(自動相關性)的自然特性。
要對任何時候均有變量特性的模式，例如ARIMA時間級數(shù)模式的假定作實驗。統(tǒng)計過程控制是由過程運行時的實際觀察值減去預置值而形成的時間級數(shù)的差值來表示的，該差值是獨立正態(tài)分布值的白噪聲序列。ARIMA特性已在上述的G.E.BOX的參考文獻中作了描述。模式的確認就是在脫機計算機120上所作的脫機計算機分析。第一步是選擇一組歷史過程變量數(shù)據(jù)，這些數(shù)據(jù)是根據(jù)過程波動和所有特性的周期分布的時間按適當?shù)臅r間間隔得到收集。通常最好采集各組連續(xù)24小時的數(shù)據(jù)，它們包括每天變化的影響，漂移變化的影響和過程負荷的影響等。在采集數(shù)據(jù)期間，系統(tǒng)應處于正常運行狀況。
要對由所選變量的歷史數(shù)據(jù)作出的矩形圖進行定性檢查以確定過程表現(xiàn)在正常工作狀況。對所有變量數(shù)據(jù)作出PDF控制圖也是極有用的，這樣就可以在采集歷史數(shù)據(jù)期間定性地了解過程中的變化。對數(shù)據(jù)組進行編緝，著手去掉那些被認為“不受控制”的而由常規(guī)SPC檢測卻不認為如此的觀察值。準確的ARIMA的表達取決于在等間隔下過程采樣的連續(xù)記錄，使得刪掉的數(shù)據(jù)能夠把對過程動態(tài)的測定有重要影響的數(shù)據(jù)除掉。
為了給ARIMA模式的估計提供穩(wěn)定的級數(shù)，在該階段中結合預分差變換可以作出基本上不動性的變換，在最普通的形式中＊＊，該變換是Zt＝
LD
DY*t＝(1-BL)D(1-B)dY＊t＊＊“時間級數(shù)預測，統(tǒng)一概念和計算機工具”第二版，著者Bruce L.Bowerman和Richard T.O′connell.
其中Y＊t是經(jīng)過適當?shù)念A差分變換后的級數(shù)值，B是漂移算子，其中BnXt＝Xt-n。
通過檢驗樣品的自動相關性(SAC)和樣品的部份自動相關性(SPAC)的特征，并把它們與已知的理論形式作比較，例如用Box和Jenkins及Bowerman和O′Connell所述的方法進行比較，這樣就可以從實驗上鑒別模式。差分變換及SAC和SPAC函數(shù)的形成要由在如SAS那樣的商業(yè)上可得到的軟件程序控制下的脫機計算機120來完成。
使用SAS或相同的時間級數(shù)模式軟件完成對模式的估計，模式的估計實際上也是特性分析和模式改進步驟。
在此，充分限定了有意義的過程變量的ARIMA模式，例如這種模式是[1-φ1B-φ4B4-φ5B5] Yt＝[1-θ1B-θ2B2-θ5B5-θ6B6]atφ1＝1.12518 θ1＝1.24896φ4＝0.008891 θ2＝0.244529φ5＝0.167527 θ5＝0.113064θ6＝0.103145該模式以不同的形式預測下一次采樣時的Yt值Yt(1)＝(1+φ)Yt-φ1Yt-1+φ4Yt-3-(φ4-φ5)Yt-4-φ5Yt-5-θ1αt-θ2αt-1-θ6αt-5當新的觀察值Yt+1是可用的時候，用常規(guī)的Shewhart方法計算出差值(Yt-Yt+1)并把該差值畫成控制圖。通過比較圖6和圖9可以看到這種近似法的效果。圖6是根據(jù)上述方法由PDF給出的特殊變量的帶有極限值的控制圖。圖9是有與I型誤差同樣大小的誤差、根據(jù)ARIMA作的差值控制圖。在圖9中，根據(jù)ARIMA作的差值控制圖表示的過程，其運行十分清楚，它只有普通原因的變化。根據(jù)對趨勢范圍的習慣統(tǒng)計檢驗和每日變化對該過程變量的影響的了解，通過一個相當少的直接近似獲得相同的結果。
用連機基于ARIMA模式作出如圖9所示的差值控制圖，該控制圖也可根據(jù)系統(tǒng)的操作頻率自動形成。因為在基本上能夠同時完成變量的多個測量時進行分組是合適的，所以ARIMA模式用的數(shù)據(jù)通常不再分組。使用ARIMA模式有兩個好處，它為過程將處于何種狀態(tài)給出定量的估計，相對于過程的方向和一般位置是相反還是一致;給出的歷史狀態(tài)相同則可預示出將來有相同的狀態(tài)。
ARIMA模式更詳細的工作描述示于圖10(A)-(E)的流程圖，附錄B和下面的敘述中。一組歷史過程變量數(shù)據(jù)為作分析在500處被選擇，這組數(shù)據(jù)主要是常用于建立控制極限的數(shù)據(jù)組。它在于對所有已知的周期性干擾的多重積分，這些干擾是過程的典型部份，例如設備的維修。把這些數(shù)據(jù)轉換成普通形式的時間級數(shù)形式，在這種級數(shù)形式中得到這些數(shù)據(jù)。用如SAS程序之類的程序控制的脫機計算機120在510和520處計算樣品自動相關函數(shù)(SAC)和樣品部份自動相關函數(shù)(SPAC)的時間級數(shù)。
SAC在520至560處受到檢查，在550和560處對SAC的特性進行研究以證實它不是極快地中止(530)就是很快地逐漸減少(540)，而這表示級數(shù)是穩(wěn)定的。如果級數(shù)表現(xiàn)有兩種特性滯后，例如記錄測定事件的時間間隔;收斂特性(如果是任意的)，然后程序如下所述在570中繼續(xù)進行。如果級數(shù)未體現(xiàn)出有這些特性，則級數(shù)不能認為是穩(wěn)定的，此時可用差值變換545來得到穩(wěn)定級數(shù)。特別是第一或第二線性差分可在非周期性級數(shù)中產(chǎn)生穩(wěn)定性。該方法論證和SAC及SPAC的計算可以在“時間級數(shù)分析，預測和控制”一書中找到，該書著者為G.E.P.Box和G.M.Jenkins，1976年Holden Day的修訂版。
從570到640對具有穩(wěn)定性的SPAC級數(shù)作檢查，針對上述特征形式和周期性指示，也要研究SPAC。如果級數(shù)真的表現(xiàn)出周期性的話，如上所述，可使用差分變換來產(chǎn)生穩(wěn)定性。
然后將提高了穩(wěn)定級數(shù)的SAC和SPAC的綜合特征用于645中，以在650、660、670和680中確認ARIMA模式的形式。
在650、660和680中顯示出SAC和SPAC的各種綜合特征的形式。
參見圖10(C)，以(p、d、q)來描述ARIMA模式的普通形式690，其中p是自動增加部份序號，d是差分度，q是流動平均值部份的序號，這些都是根據(jù)標準時間級數(shù)的用詞和慣例規(guī)定的。
在700中對模式作估計，在估計步驟中使用常規(guī)參數(shù)估計方法來得到模式參數(shù)，如有條件的最小二乘法、最大似然函數(shù)。由在如SAS之類的程序控制下的脫機計算機200來完成這一步驟。輸出是以模式系數(shù)值和模式常數(shù)項的估計值的形式給出。統(tǒng)計描述的估計結果供分析使用。
由于過于省略推理是良好的時間級數(shù)模式的一個特征，所以在710、720和725中可以檢查假定實驗中的每個估計參數(shù)的t值，假定實驗的參數(shù)值在統(tǒng)計上不同于零。如果不是這樣，就把它從模式的形式中刪掉，并重復該估計步驟。
在730中檢查信息的RSAC735和Box-Ljung統(tǒng)計資料740，該信息適于判斷模式在整個算法中是否可以接受。如果Box-Ljung統(tǒng)計值大于X2臨界值，則該模式被拒絕(770)，如果不是這樣，該模式就被接受(750)，并得到使用(760)。根據(jù)下面所述檢查RSAC，差值樣品自動相關函數(shù)可以對被拒絕的模式加以改進。
如780-800所示，通過確定RSAC和RSPAC的噪聲模式可改進被拒絕的模式。該過程與645-680開始為主模式所用的確定步驟相同，而且對特征的判據(jù)標準相同。
噪聲模式和原來的模式在800中組合在一起后組成普通的ARIMA形式，并進行重新估計，這一過程要反復做，直到得到一個可接受的過于節(jié)省推理的模式。把可接受的模式形式和其參數(shù)值送入數(shù)據(jù)地址160(圖2)中，以便如上所述用于連機計算。
由于修正的ARIMA模式的差值應該形成一個按正態(tài)分布的白噪聲數(shù)列，所以作了正態(tài)分布假設。把上述極限、警告值和模式儲存在數(shù)據(jù)地址160和SPC處理機200中，本發(fā)明的控制系統(tǒng)就可以進行工作。參考流程圖11，把來自空分運行過程的分離變量，如前面所列的A-P的實時數(shù)據(jù)由過程控制計算機100在410中得到(圖2)，并且如圖10所示，在415、310′、345′中進行處理，以便在220上得到前述形式的圖表顯示，由此可以由SPC操作者檢測出警告情況。在流程圖11中，實時數(shù)據(jù)在330′中以小組形式進行編制，如前所述，然后接著在310′中被計算計算每個小組的平均值X，并計算整個基本數(shù)據(jù)組的平均值X;
計算每個小組和組合的基本組數(shù)據(jù)的標準差和偏差;
對小組平均值計算出按指數(shù)律加權的流動平均值(EWMA);
計算累積總量(CUSUM)。
把預定的ARIMA模式與現(xiàn)行數(shù)據(jù)一起用于預測下一步的控制圖的使用，而且用于預測下面的幾個步驟，這對SPC操作者和過程控制的直接觀察有幫助。
對差值(現(xiàn)行測量值和在某個前面的步驟時對后一步驟作出的預測值之間的差值)進行計算。如果該過程處于統(tǒng)計控制下，并且所用的ARIMA模式是正確的話，則差值的時間級數(shù)將是隨機的、獨立的和正態(tài)的分布。否則常規(guī)的Shewart規(guī)則將指示出特殊原因。
由基本數(shù)據(jù)組的平均值范圍計算出小組范圍。
當計算出的值變成有用時，它們就會自動地繪制在相應的控制圖上。
再參考圖12、13和14，下面是本發(fā)明對一個特殊過程變量的特別應用的假定性說明。圖12使用了程序控制后產(chǎn)生出的CRT屏幕1000，從而接受來自SPC操作者的輸入和把這些輸入與由程序控制產(chǎn)生出的經(jīng)過計算以后的統(tǒng)計關系同時顯示出來。圖13表示操作者給屏幕1000的輸入，圖14附帶表示計算出的統(tǒng)計關系。
應注意的是不帶撇的標號指的是屏幕上的位置，帶撇的標號指的是實際數(shù)據(jù)。
1001′-標記名稱 確認過程變量-在該例子中，它是用“LO2 PUR”表示的氧產(chǎn)品純度(圖1中所列的L)。
1002′-最大采樣數(shù) 采樣數(shù)量，主要是根據(jù)1008′和1010′處的觀察值用于連機作分析用的5-50(小組數(shù))
1004′-采樣間隔 每次連續(xù)采樣之間的時間周期例如從5秒到24小時。
1008′，觀察數(shù)1010′ 在觀察間隔時間周期中，要由連機作的數(shù)據(jù)觀察數(shù)，例如(2)分鐘觀察(2)次，(2)次觀察值被平均成(X)，并構成一個樣品(在1002′處設計的(50)個中的一個)。
1012′-圖的形式 控制圖形式列單-選自(1)X和RX和Rm(2)X和S(3)Xma和Rm(4)Xma和Sm在該例子中，選用X和S。這種設計是為了讓計算機在程序控制下，采用預先設定的樣品數(shù)(1002′)、采樣間隔(1004′)和下述的置信水平(α)設定值(1022′，1024′)，由PDF在1001′處對儲存在數(shù)據(jù)地址400(圖3)中的變量的歷史數(shù)據(jù)的預定變量的上下控制極限及中心線進行計算。
1014′-分布 分布的列單選自正態(tài)分布對數(shù)正態(tài)分布二項式分布泊松分布分位點數(shù)在該例子中，選用“對數(shù)正態(tài)分布”，該分布示于圖4中，這是一個歷史數(shù)據(jù)的矩形圖。這種設計是為了讓計算機在程序控制下，用預先設定的樣品數(shù)(1002′)和采樣間隔(1004′)計算出預先設定變量(1001′)的預先設定分布形式(1014′)的概率密度分布函數(shù)(PDF)，所述的預先設定變量采用了儲存在數(shù)據(jù)地址160(圖3)中的過程變量的歷史數(shù)據(jù)。PDF用以計算具有I型(α)誤差的控制極限的基礎，I型誤差例如設定在下面所述1022′和1024′處的置信水平。
1022′，1024′-αU，αL 這些設計是形成I型誤差(置信水平)的概率，它們被用于得到控制極限。主要設計值為0-0.25。在該實施例中，控制圖下限的αL設定為0.025，控制圖上限的αU設定為0.05，這些設計用于計算機根據(jù)PDF的積分來計算控制圖的極限。
1050′-趨勢滯后α 這一設計是確定趨勢范圍的置信水平，該值設定為0.01-0.25，例如圖8的趨勢α值設定在0.05(如圖8所示計算出的趨勢極限值是“12”)，并把該值儲存在數(shù)據(jù)地址160中(圖3)。
如圖13所示，由于上述設計合適，程序控制的計算機將計算并顯示下面的如圖14所示的內(nèi)容1026′;1028′，1032′ 控制上限(1026′)，控制下限(1032′)和X圖及顯示值的中心線(1028′)(圖中選擇“2”表示X和S)。
1034′，1036′，1040′ 計算并顯示出控制上限(1036′)、控制下限(1040′)和“S”圖(標準)的中心線(1034′)。
根據(jù)上述控制圖參數(shù)的建立，所定過程變量的實時采樣被收集和顯示在所選定的控制圖上，如圖15，16所示。圖15和16所示的所給變量處于統(tǒng)計控制之中。圖15中的X-Bar圖的采樣2001和2002因為達到了控制上下限的閾值，所以會發(fā)生警告。這并不說明過程脫出了統(tǒng)計控制，而是應調(diào)查其情況，在α為0.05時有5%的機會產(chǎn)生錯誤信息。
在圖6中，在359和359′處因為達到了控制圖的閥值極限，所以會發(fā)出警告，并且在347處因連續(xù)采樣值(在這情形為6)都在一側(中心線上側或下側)，該數(shù)值還超過了預定的經(jīng)驗數(shù)值，例如(5)，也會產(chǎn)生警告。這說明需要對設定點進行調(diào)整。
在圖14的1052處“ARIMA差值”的選擇給程序控制的計算機發(fā)出指令，由連機產(chǎn)生連機變量的數(shù)據(jù)和所選變量(被形成并儲存在數(shù)據(jù)地址160(圖3)中的)的ARIMA差值，這如上所述。在圖17的控制圖中舉例說明了該差值，這是根據(jù)PDF計算出的差值數(shù)據(jù)、正態(tài)分布和0-0.25的α誤差(置信水平)得到的。圖16表示統(tǒng)計控制下的ARIMA差值的標準獨立Shewhart圖。
圖18是由相同觀察值作出的Rm(移動范圍)圖。
在探測特殊原因變化的情況下，如圖7所示的趨勢范圍AA-BB′中，圖12中1060處的設定點的調(diào)整可用于由SPC計算機200(圖1)給過程控制計算機100提供信號103，使特別過程變量的設定點提高或降低。
權利要求
1.空分過程的統(tǒng)計過程控制方法，該空分過程是為了從送入的空氣中生產(chǎn)一種或多種組份的產(chǎn)品，其中所述過程的每個預定過程變量的歷史數(shù)據(jù)均適用于電學方法，所述方法包括(i)提供一個程序控制的計算機裝置；(ii)根據(jù)所述的至少一個過程變量的所述歷史數(shù)據(jù)的概率密度分布函數(shù)(PDF)由所述計算機裝置用計算機得出分布形式的控制圖參數(shù)和警告極限值；(iii)由所述計算機裝置處理來自所述連機空分過程的所述至少一個過程變量的實時變量數(shù)據(jù)，并根據(jù)所述實時數(shù)據(jù)顯示出數(shù)值；(iv)當達到警報極限時，由所述計算機裝置用計算機產(chǎn)生一個連機警告指示的視覺顯示。
2.根據(jù)權利要求1所述的改進，其中還提供有與所述計算機裝置有相互作用的電信號數(shù)據(jù)地址，以便將所述多個預定過程變量的連續(xù)歷史數(shù)據(jù)儲存在該數(shù)據(jù)地址的數(shù)據(jù)文件中。
3.根據(jù)權利要求1所述的改進，其中所述計算機裝置作出一控制圖，該圖根據(jù)對至少一個所述過程變量的實時數(shù)據(jù)的觀察顯示出所述的參數(shù)和數(shù)值。
4.根據(jù)權利要求1所述的改進，其中把所述的控制圖參數(shù)儲存在所述電信號數(shù)據(jù)地址中。
5.根據(jù)權利要求1所述的改進，其中把各個變量中的一個變量或多個變量的每個預定過程變量的歷史數(shù)據(jù)作為電信號收集至少24小時。
6.根據(jù)權利要求2所述的改進，它還包括將一個或多個空分過程變量的連續(xù)數(shù)據(jù)按預定數(shù)據(jù)采樣組的時間級數(shù)作為電信號儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中的步驟。
7.根據(jù)權利要求6所述的改進，它還包括由所述計算機裝置用計算機產(chǎn)生出所述時間級數(shù)矩形圖的步驟。
8.根據(jù)權利要求3所述的改進，它還包括如下步驟(ⅰ)提供一個與所述計算機裝置具有相互作用的電信號數(shù)據(jù)地址以及把所述控制圖參數(shù)儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅱ)將至少一個所述過程變量的連續(xù)數(shù)據(jù)按預定數(shù)據(jù)采樣組的時間級數(shù)儲存到所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅲ)由所述計算機裝置用計算機產(chǎn)生警告標準;(ⅳ)將所述警告標準儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅴ)根據(jù)所述儲存在數(shù)據(jù)地址的數(shù)據(jù)文件中的時間級數(shù)，由計算機裝置用計算機產(chǎn)生一穩(wěn)定的自動回歸積分流動平均值(ARIMA)的典型級數(shù)模式，以計算出變量數(shù)據(jù)的預測值;(ⅵ)把所述時間級數(shù)模式儲存在數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅶ)由計算機裝置用計算機連機產(chǎn)生所述實時過程變量數(shù)據(jù)和由所述ARIMA模式得到的變量數(shù)據(jù)的預測值間的差值，并由計算機裝置用計算機連機產(chǎn)生差值的控制圖;(ⅷ)由所述計算機裝置用計算機對連機的連續(xù)變量數(shù)據(jù)值的差值產(chǎn)生預定數(shù)的趨勢，并將所示趨勢顯示在所述差值的控制圖上;以及(ⅸ)當連續(xù)變量數(shù)據(jù)值的差值的預定數(shù)的趨勢連續(xù)增加或減少時，由所述計算機裝置的計算機產(chǎn)生一個連機警告指示的視覺顯示。
9.空分過程的統(tǒng)計過程控制方法，該空分過程是為了從所送入的空氣中生產(chǎn)出一種或多種組份的產(chǎn)品，其中所述過程可以運行相當長的一段時間，使所述過程的每個預定過程變量的歷史數(shù)據(jù)作為電信號得到收集，所述方法包括(ⅰ)提供一個在程序控制下能作連機和脫機計算的計算機裝置以及一個與所述計算機裝置相互作用的電信號數(shù)據(jù)地址;(ⅱ)將一個或多個空分過程的變量的連續(xù)歷史數(shù)據(jù)按預定數(shù)據(jù)采樣小組的時間級數(shù)儲存在所述數(shù)據(jù)地址數(shù)據(jù)文件中;(ⅲ)由所述計算機裝置的計算機根據(jù)儲存在數(shù)據(jù)地址的數(shù)據(jù)文件中的所述歷史數(shù)據(jù)時間級數(shù)的概率密度分布函數(shù)(PDF)及所定的置信水平產(chǎn)生出與分布形式相應的控制圖參數(shù);(ⅳ)把所述控制圖參數(shù)儲存到所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅴ)由所述計算機裝置觀察并處理由所述空分連機過程提供的實時變量數(shù)據(jù)，并把所述實時數(shù)據(jù)的觀察值和所述控制圖參數(shù)一起顯示在控制圖上;(ⅵ)由所述計算機裝置的計算機對所述時間級數(shù)中的連續(xù)連機變量數(shù)據(jù)產(chǎn)生出預定數(shù)觀察值的趨勢，并將該趨勢顯示在所述控制圖上;及(ⅶ)當連續(xù)變量值的預定數(shù)的實時值的趨勢連續(xù)增加或連續(xù)減少時，由所述計算機裝置的計算機產(chǎn)生連機警告指示的視覺顯示。
10.根據(jù)權利要求1所述的改進，它還包括附加步驟由所述計算機裝置的計算機產(chǎn)生所述時間級數(shù)的矩形圖，并根據(jù)所述矩形圖確定如何表示所述矩形圖時間級數(shù)的分布形式。
11.根據(jù)權利要求1所述的改進，其中所述空分過程在過程控制計算機的控制之下，該計算機至少用一個由電信號控制的設定點，從而調(diào)節(jié)所述過程的至少一個控制裝置，并且所述方法還包括步驟當達到信號極限時，計算機產(chǎn)生一個電信號，它通知所述過程控制計算機以調(diào)整至少一個所述電控設定點。
12.空分過程的統(tǒng)計過程控制方法，該空分過程是為了從所送入的空氣中生產(chǎn)出一種或多種組份的產(chǎn)品，其中所述過程可以運行足夠長的一段時間，使所述每個預定過程變量的歷史數(shù)據(jù)作為電信號得到收集，所述過程包括(ⅰ)提供一個在程序控制下能作連機和脫機計算的計算機裝置以及一個與所述計算機裝置相互作用的電信號數(shù)據(jù)地址;(ⅱ)將一個或多個空分過程變量的連續(xù)數(shù)據(jù)按規(guī)定數(shù)據(jù)采樣小組的時間級數(shù)儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅲ)由所述計算機裝置的計算機產(chǎn)生所述時間級數(shù)的矩形圖;(ⅳ)根據(jù)所述矩形圖確定如何表示該矩形圖時間級數(shù)的分布形式;(ⅴ)由所述計算機裝置的計算機根據(jù)儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中的所述時間級數(shù)的概率密度分布函數(shù)(PDF)及所設定的I型誤差產(chǎn)生出與所述分布形式相應的控制圖參數(shù);(ⅵ)把所述控制圖參數(shù)儲存到所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅶ)由所述計算機裝置的計算機根據(jù)儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中的所述控制圖參數(shù)產(chǎn)生警告標準;(ⅷ)把所述警告標準儲存在所述數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅸ)根據(jù)所述儲存在數(shù)據(jù)地址的數(shù)據(jù)文件中的時間級數(shù)，由計算機裝置的計算機產(chǎn)生一穩(wěn)定的自動回歸積分流動平均值(ARIMA)的典型級數(shù)模式，以計算出變量數(shù)據(jù)的預測值;(ⅹ)把所述時間級數(shù)模式儲存在數(shù)據(jù)地址的數(shù)據(jù)文件中;(ⅹⅰ)由所述計算機裝置的計算機觀察并處理由所述空分連機過程提供的實時變量數(shù)據(jù)，并根據(jù)概率密度分布函數(shù)(PDF)把所述實時數(shù)據(jù)的觀察值和所述的控制圖上、下參數(shù)一起顯示在控制圖上。
全文摘要
空分設備的統(tǒng)計過程控制系統(tǒng)，使用了連機和脫機計算機裝置，以便限定用于連機過程變量數(shù)據(jù)的控制圖極限、趨勢極限和動態(tài)模式，該連機過程變量數(shù)據(jù)是用于確定統(tǒng)計過程控制的。
文檔編號G05B21/02GK1066618SQ9210342
公開日1992年12月2日 申請日期1992年4月7日 優(yōu)先權日1991年4月8日
發(fā)明者T·C·漢森 申請人:聯(lián)合碳化工業(yè)氣體技術公司