Představení:
StatSoft Power Solutions™ je balíček řešení pro společnosti typu „utility“ určených k:
• optimalizaci výkonu
• zvýšení efektivity stávajícího zařízení
• stabilizaci chodu
• snížení emisí
• předvídání servisních zásahů
Je založené na více jako dvacetiletých zkušenostech při aplikaci dataminingových optimalizačních metod pro optimalizaci procesů v různých odvětvích průmyslu.
StatSoft Power Solutions™ umožní získat velkým i malým provozům maximum z jejich zařízení a řídicích systémů využitím všech shromažďovaných dat k identifikaci příležitostí pro zlepšení, a to dokonce i u starších typů zařízení.
Popis:
Řešení StatSoft Power Solutions™ bylo vyvinuto na základě skutečnosti, že mnoho společností sbírá „množství dat" z provozu a ukládá je do databází (např. OSI PI), nicméně až do nynějška nebyly identifikovány efektivní metody, jak toto bohatství historických dat z procesů využít. To znamená, že množství důležitých informací o efektivnosti chodu zařízení jako celku (např. co se týče emisí) za stávajícího provozu je jednoduše „ztraceno“.
Vyvinuli jsme efektivní (patentované) metodiky pro aplikování pokročilých analytických a optimalizačních metod na historická data z řídících systémů.
Historická provozní data jsou využita k optimalizaci procesů použitím metod, které se:
- zaměřují na získávání skrytých informací z dat, detekci vzorů, shluků apod.
- využívají algoritmy pokročilého získávání informací (data mining) z velmi složitých dat, jejichž výsledkem jsou modely jako:
- např.: rekurzivní dělení, stochastic gradient boosting/bagging of trees, MAR spliny, support vector machines atd.
- používají optimalizační metody s cílem dosažení robustního/stabilního a optimalizovaného výkonu (např. nízké NOx a CO)
Na základě těchto metod společnost StatSoft vyvinula a validovala postup, který:
- využívá historická data, která jsou již běžně sbírána (a byla již nějaký čas sbírána)
- identifikuje v těchto datech specifické provozní parametry, které jsou kritické pro optimální výkonnost zařízení
- staví data miningové modely popisující, jak přesně ovlivňují důležité parametry výkonnost zařízení
- využívá tyto modely pro robustní optimalizaci (optimalizace robustního, stabilního provozu/chodu)
- identifikuje vztahy mezi kritickými provozními parametry a optimální rozsahy parametrů, které jsou následně implementovány do stávajícího řídicího systému
Společnost StatSoft využívá pokročilých data miningových technologií k získaní důležitých (zatím neznámých) informací ze všech dat, které jsou již obvykle shromažďovány, pro:
Závěry odvozené z optimalizační analýzy jsou použity k identifikaci optimalizovaných výkonnostních křivek, které se aplikují na historická data a identifikují, kde a jaké změny jsou v provozu potřebné. tento graf například zobrazuje optimalizovaný primární vzduch jako funkci přísunu paliva.
- tyto výsledky jsou přímo implementovány do stávajícího řídicího systému při využití současných řídicích strategií
Na rozdíl od CFD (Computational Fluid Dynamics) modelování
- analyzujeme aktuální data popisující skutečný „pozorovaný” provoz zařízení během posledních 1 - 2 let nebo déle
Na rozdíl od DOE (navrhování experimentů)
- neprovádíme testování pomocí metody „pokusu a omylu” k nalezení jednoduchých vztahů, ale identifikujeme složité vztahy na základě aplikování obecných nelineárních modelovacích algoritmů („data mining”)
Postup:
Řešení StatSoft Power Solutions™ se skládá ze tří na sebe navazujících etap:
1. Vstupní analýza (Gate Review)
- v první fázi společnost StatSoft společně s klientem (v sídlě klienta) pracuje na revizi dat z procesů popisujících provoz jednotky
- v průběhu revize budou odstraněny chybná a nepřesná data
- vhodnou datovou agregací bude připraven datový soubor (s historickými provozními daty)
- budou identifikovány vhodné transformace dat
- budou odvozeny proměnné odpovídající vstupním parametrům, které je možné nastavit a udržovat pomocí řídícího sytému
- cílem těchto transformací je zajistit průkaznost finálních výsledků - finální doporučení vyplývající z analýzy mohou být bezodkladné a přímo aplikované (např. prostřednictvím operátorů nebo implementované do řídícího systému) k dosažení zvýšené výkonnosti procesů
• výsledky analýz budou zesumarizovány a představeny v závěru 1.fáze
Cílem 1.fáze je:
- vyhodnotit vztahy mezi parametry nalezené v datech
- speciálně prokázat, že v analýzách byly identifikovány spolehlivé a vhodné vzory, které mohou být použity k řízení následné optimalizace procesů
- na základě vzorů, trendů a vztahů nalezených v úvodní analýze poskytnout doporučení pro bezprostřední optimalizaci procesů.
2. Vybudování modelů a identifikace konkrétních příležitostí pro optimalizaci procesů za využití stávajících řídících systémů a strategií
- v této fázi projektu budou nasazeny prediktivní analytické algoritmy a metody za použití softwarové platformy STATISTICA Data Miner k identifikaci důležitých procesních parametrů, které souvisí (mají společné rysy) s variabilitou v důležitých procesních výstupech
- na základě aktuálních historických dat a za pomoci data miningových a prediktivních analytických algoritmů budou následně postavené přesné modely vztahů důležitých procesních parametrů a výstupů
Cílem je identifikovat „proxy modely“ výkonnosti procesů, které jsou dostatečně přesné k dosažení efektivního zlepšení procesů (ve 3.fázi)
3. Validační testování, implementace a ověřování
- ve třetí fázi budou využity pokročilé prediktivní analytické modely a vlastní software pro re-engineering a optimalizaci procesů pro dosažení robustní výkonnosti procesů za přítomnosti normální variability procesních parametrů, ne pod přímou kontrolou řídícího systému nebo operátora (např. výkonová zátěž, kvalita paliva)
- speciální metody dostupné v platformě STATISTICA Data Miner a související softwarové nástroje běžící na skupině vysoko výkonných serverů budou použity k identifikaci nejmenšího počtu procesních změn nezbytných pro dosažení požadovaného robustního provozu
- tato fáze přinese konkrétní reálné (dosažitelné) rozmezí hodnot pro malou podskupinu procesních parametrů, které když budou zachovávány v provozu, lze očekávat požadovaný robustní provoz příslušné jednotky
- budou vytvořeny konkrétní optimální výkonnostní křivky, klíčové procesní parametry vázané na konkrétní ovladače řídícího systému (např. poměr vzduch-palivo) k provedení implementace výsledků do existujícího řídícího systému (bez dodatečných hardwarových a počítačových instalací)
- jakmile budou identifikované optimální hodnoty (rozmezí hodnot) procesních parametrů a výkonnostní křivky, výsledky analytické práce mohou být otestovány v sérii validačních testů. V této fázi budou konzultanti StatSoftu společně s provozními inženýry klienta vykonávat sérii before-after testů, k validaci a kvantifikaci přínosu optimalizační a analytické práce. Eventuálně je možné efektivitu optimalizačního řešení testovat implementací parametrů do stávajícího řídícího systému a následně ji pozorovat a vyhodnocovat v delší časové periodě
- detaily, jak doporučení implementovat do řídícího systému nebo strategie jsou na úsudku klienta
- v závěru 3.fáze bude vypracován finální report a prezentace s uvedenými provozními doporučeními pro optimální výkon způsobem nejvhodnějším pro operátory a pro začlenění do řídícího systému