[发明专利]异常工业处理操作的自动化检测

说明书

在工业处理中自动化检测装备的异常操作。报告体系架构利用缩放的熵计算，该缩放的熵计算使得能够跨多个时间段比较信号熵，而无需事先知道信号的缩放。报告体系架构将缩放后的熵值与统计分析相结合，以检测表示工业处理中装备的异常操作的异常时间段。报告体系架构生成异常操作的报告，以经由通信网络传输到特定的用户设备。

技术领域

本公开的各方面一般而言涉及以下领域：联网的计算机化工业控制自动化系统和用于监视、记录和显示相关的制造/生产事件和相关联数据的联网的计算机化系统，以及监督级别的控制和制造信息系统。更具体而言，本公开的各方面涉及用于通过熵缩放(entropy scaling)来自动化检测工业处理装备的异常操作的系统和方法。

背景技术

典型的工业处理极其复杂，并且接收到大大超过任何人可能以其原始形式消化的信息量。举例来说，并非没有听说有上千个传感器和控制元件(例如，阀门致动器)监视/控制工业工厂内多阶段处理的各方面。这些传感器类型各异，并且报告处理的变化特征。它们的输出在其测量含义、每次测量发送的数据量以及其测量的频率方面也有类似的变化。关于后者，为了准确性和实现快速响应，这些传感器/控制元件中的一些每秒进行一次或多次测量。单个传感器/控制元件乘以数千个传感器/控制元件(典型的工业控制环境)导致大量数据流入到制造信息和处理控制系统中。

分发来自所有用户设备的整个数据量会使通信网络负担沉重，并且由于发送和与一个或多个用户设备相关联的用户无关的数据而不必要地利用了网络资源。现有技术对数据进行统计分析，以识别一个或多个用户感兴趣的关于工业处理的信息。常规的熵技术在执行熵计算之前需要事先知道关于数据值的缩放。不利的是，如果数据值漂移和/或改变缩放，那么常规的熵将不能进行比较。

发明内容

本公开的各方面在工业处理中检测装备的异常操作并生成异常操作的报告以经由通信网络传输到特定用户设备。报告体系架构利用缩放的熵计算，该缩放的熵计算使得能够跨多个时间段比较信号熵，而无需事先知道信号的缩放。

实现本公开的各方面的系统包括处理器、计算机可读存储设备、报告数据库和报告服务。报告服务包括存储在计算机可读存储设备上的处理器可执行指令，该处理器可执行指令在由处理器执行时配置报告服务以检测工业处理中的操作变化。报告服务接收时间序列(time-series)数据。时间序列数据与处理控制系统相关联，并且表示处理控制系统在时间间隔内的处理控制标签的一个或多个值。示例性且非限制性的处理控制标签包括连续处理中的阀、传感器、泵、罐等的物理特性。报告服务将取回的时间序列数据分配到所述时间间隔的多个子间隔中。每个子间隔包括从时间序列数据中采样的预定数量的个体数据值。报告服务还确定每个子间隔的个体数据值的最小数据值和最大数据值，并对每个子间隔的个体数据值执行熵计算。基于所确定的子间隔的最小数据值和最大数据值来缩放每个子间隔的熵。在一实施例中，基于最大值和最小值之间的差(即，范围)来缩放熵。报告服务通过对每个子间隔执行统计分析来检测一个或多个子间隔相对于期望值是异常的。报告服务还将指示检测到的异常子间隔的至少一个报告发布到报告数据库中。

在其它方面，提供了一种计算机实现的方法和计算机可读存储设备。

其它目的和特征将在下文中部分地清楚并且部分地指出。

附图说明

图1图示了根据一实施例的操作历史记录器(historian)数据模式检测和通信服务系统。

图2图示了图1的操作历史记录器数据模式检测和通信服务系统的报告服务。

图3是图示图2的报告服务的缩放的熵异常检测处理的示例性流程图。

图4A图示了根据一实施例的在几天的时段内计量水的工业处理中的水表的示例性流量轮廓(profile)。

图4B和图4C图示了图4A的示例性流量轮廓的直方图。