Preview

Надежность и безопасность энергетики

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Обзор статистических методов контроля технологического процесса

https://doi.org/10.24223/1999-5555-2022-15-2-126-135

Аннотация

В настоящее время на теплоэлектростанциях широко распространен контроль технологического процесса путем сравнения текущих параметров с заданной уставкой. Такой подход не позволяет на ранних этапах диагностировать появление тренда, приводящего к аварийному режиму. В свою очередь анализ временных рядов параметров с помощью методов статистического контроля технологического процесса позволяет обнаруживать отклонения от нормального режима работы оборудования до появления аварии. Целью данной работы являлся анализ существующих работ в области применения статистических методов контроля. При проведении анализа использовался метод систематического обзора литературы (SLR). Процесс исследования включал уточнение вопросов исследования, поиск статей по базам данных, формирование критериев оценки статей. Сформулированы особенности технологического процесса на ТЭС, которые накладывают ограничения на применение отдельных методов статистического контроля. В результате исследования были получены 64 публикации, которые были отфильтрованы и классифицированы по группам с рейтингом. Статьи, получившие наибольший рейтинг, использовались для определения наиболее эффективных методов статистического контроля с целью применения на теплоэнергетическом оборудовании. Ответ на поставленные в исследовании вопросы также позволяет выявить существующие проблемы применения статистических методов контроля. Результаты исследования помогут выявить наиболее применимые к теплоэнергетической отрасли статистические методы. Сделан вывод, о том, что наиболее пригодными методами для применения на теплоэнергетическом оборудовании являются методы контрольных карт, как Шухарта, так и Хотеллинга, построенные либо по технологическим параметрам, либо по обобщенной дисперсии, а также использование автокорреляционных моделей.

Об авторах

М. М. Султанов
Филиал ФГБОУ ВО «НИУ «МЭИ» в г. Волжском
Россия

 пр. Ленина, 69, 404111, г. Волжский, Россия 



И. А. Болдырев
Филиал ФГБОУ ВО «НИУ «МЭИ» в г. Волжском
Россия

 пр. Ленина, 69, 404111, г. Волжский, Россия 



М. Е. Шевченко
Филиал ФГБОУ ВО «НИУ «МЭИ» в г. Волжском
Россия

 кафедра Энергетики 

пр. Ленина, 69, 404111, г. Волжский, Россия 



Список литературы

1. de Andrade M. G. et al. Statistical quality control for the evaluation of the uniformity of microsprinkler irrigation with photovoltaic solar energy // Renewable and Sustainable Energy Reviews 2017, 78: 743 – 753.

2. Gao Z., Cecati C., Ding S. X. A survey of fault diagnosis and faulttolerant techniques – Part I: Fault diagnosis with model-based and signal-based approaches // IEEE transactions on industrial electronics 2015, 62 (6): 3757 – 3767.

3. Goldstein M., Dengel A. Histogram-based outlier score (hbos): A fast unsupervised anomaly detection algorithm // KI-2012: poster and demo track 2012, 9.

4. Goldstein M., Uchida S. A comparative evaluation of unsupervised anomaly detection algorithms for multivariate data // PloS one 2016, 11. (4): 31.

5. He Q. P. et al. Statistical process monitoring for IoT-Enabled cybermanufacturing: opportunities and challenges // IFACPapersOnLine 2017, (50) 1: 14946 – 14951.

6. Jardim F. S., Chakraborti S., Epprecht E. K. Two perspectives for designing a phase II control chart with estimated parameters: The case of the Shewhart X Chart // Journal of Quality Technology 2020, (52) 2: 198 – 217.

7. Lai K. H. et al. Tods: An automated time series outlier detection system // arXiv preprint arXiv:2009.09822. 2020.

8. Mengist W., Soromessa T., Legese G. Method for conducting systematic literature review and meta-analysis for environmental science research // MethodsX 2020, (7): 100777.

9. Qin S. J. Survey on data-driven industrial process monitoring and diagnosis // Annual reviews in control 2012, (36) 2: 220 – 234.

10. Tong C. et al. Distributed partial least squares based residual generation for statistical process monitoring // Journal of Process Control 2019, (75): 77 – 85.

11. Triantafyllopoulos K., Bersimis S. Phase II control charts for autocorrelated processes // Quality Technology & Quantitative Management 2016, (13) 1: 88 – 108.

12. an Zyl R., Van der Merwe A. J. Phase I and phase II-control charts for the variance and generalized variance // South African Statistical Journal 2016, (50) 1: 65 – 80.

13. Vasilyeva N. V., Fedorova E. R. Statistical methods of evaluating quality of technological process control of trends of main parameters dependence // Journal of Physics: Conference Series. – IOP Publishing 2018, (1118) 1: 012046.

14. Williams J. D. et al. On the Distribution of Hotelling's T² Statistic Based on the Successive Differences Covariance Matrix Estimator. – Virginia Tech 2004.

15. Wolfe H. A., Taylor A., Subramanyam R. Statistics in quality improvement: Measurement and statistical process control // Pediatric Anesthesia 2021, (31) 5: 539 – 547.

16. Sun B. et al. Building energy doctors: An SPC and Kalman filterbased method for system-level fault detection in HVAC systems // IEEE Transactions on Automation Science and Engineering 2013, (11) 1: 215 – 229.

17. Yan Y., Luh P. B., Sun B. Fault detection of cooling coils based on unscented Kalman filters and statistical process control // 2013 IEEE International Conference on Automation Science and Engineering (CASE). – IEEE 2013;: 237 – 242.

18. Yankovich E., Nevidimova O., Yankovich K. Methods of Statistical Control for Groundwater Quality Indicators // IOP Conference Series: Materials Science and Engineering. – IOP Publishing 2016, (132) 1: 012019.

19. Yin S. et al. A review on basic data-driven approaches for industrial process monitoring // IEEE Transactions on Industrial Electronics 2014, (61) 11: 6418 – 6428.

20. Yin S. et al. Data-based techniques focused on modern industry: An overview // IEEE Transactions on Industrial Electronics 2014, (62) 1: 657 – 667.

21. Zhao H. et al. Multivariate time-series anomaly detection via graph attention network // 2020 IEEE International Conference on Data Mining (ICDM). – IEEE, 2020: 841 – 850.

22. Zwetsloot I. M., Woodall W. H. A review of some sampling and aggregation strategies for basic statistical process monitoring // Journal of Quality Technology 2021, (53) 1: 1 – 16.

23. Алексеева А. В. Применение методов статистического контроля для диагностики вибросостояния гидроагрегата // Вестник Ульяновского государственного технического университета 2019, 1: 67 – 71.

24. Анищенко В. А., Писарук Т. В. Эффективность контроля достоверности измерений в автоматизированных системах управления энергосистемами по предельным значениям // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ 2017, 5: 407 – 416.

25. Антонов Л. В. Разработка метода отслеживания внеплановых всплесков значений производственных характеристик в условиях животноводческого производства // Международный научно-исследовательский журнал 2014, 10-2 (29).

26. Антонов Л. В., Варламов А. Д. Автоматизация процесса мониторинга животноводческого предприятия на основе исследования временных рядов параметров крупного рогатого скота // Современные проблемы науки и образования 2013, 6: 49 – 49.

27. Басиева Ф. Х. Использование статистических методов контроля как инструмент улучшения качества при производстве хлеба // Вестник научных трудов молодых учёных, аспирантов, магистрантов и студентов ФГБОУ ВО "Горский государственный аграрный университет" 2018,: 277 – 279.

28. Безуглов В. А., Безуглов А. М. Анализ статистических аспектов технологических процессов // Актуальные проблемы гуманитарных и естественных наук 2013, 3.

29. Будникова И. К., Приймак Е. В. Моделирование показателей качества технологического процесса с применением программы Statistica // Вестник Казанского технологического университета 2012, (15) 15: 247 – 249.

30. Будникова И. К., Приймак Е. В. Статистические методы контроля качества технологического процесса производства ацетона // Вестник Казанского технологического университета 2012, (15) 20: 199 – 202.

31. Газизов Д. И. Обзор методов статистического анализа временных рядов и проблемы, возникающие при анализе нестационарных временных рядов // Научный журнал 2016, 3 (4).

32. Гарайшина Н. С., Умарова Н. Н. Статистический анализ процесса производства полиальфаолефиновых масел // Вестник Казанского технологического университета 2012, (15) 10: 289 – 292.

33. Гатауллин А. М. Система мониторинга и диагностирования (СМИД) высоковольтного электрооборудования на основе анализа статистических параметров частичных разрядов / А. М. Гатауллин, В. Л. Матухин, Б. А. Наумов // Известия высших учебных заведений. Проблемы энергетики 2013, 7 – 8: 19 – 26.

34. Герасимов О. Н., Доросинский А. Ю. Методика текущего предупредительного статистического контроля // Труды Международного симпозиума «Надежность и качество» 2017, (1): 30 – 32.

35. Грищенко, Д. В. Система непрерывного мониторинга состояния и оперативной диагностики судового роторного оборудования / Д. В. Грищенко // Вестник Астраханского государственного технического университета. Серия: Морская техника и технология 2016, 4: 54 – 62.

36. Гусев А. Л. Параллельный непрерывный статистический контроль для выявления влияния управляющего фактора на управляемый фактор // Евразийское Научное Объединение 2018, 1-1: 3 – 5.

37. Джумагазиева Ш. К. Применение статистических методов контроля качества нефти // Актуальные проблемы гуманитарных и естественных наук 2015, 5: 1.

38. Дорошкевич В. В. Статистические методы контроля // Настоящий сборник составлен по итогам Международной научно-практической конференции «В МИРЕ НАУКИ И ИННОВАЦИЙ», состоявшейся 25 декабря 2016 г. в г. Пермь. В сборнике статей рассматриваются современные вопросы науки, образования и практики применения результатов научных исследований 2016,: 65.

39. Дубов А. В. Автоматизация технического диагностирования аналоговых устройств / А. В. Дубов // Молодой ученый 2010, 5-1: 47 – 51.

40. Жуков А. В., Серёгин А. Р. Многомерный статистический контроль // Academy 2017, (2) 6 (21): 6 – 7.

41. Кан О. А. и др. Обнаружение отклонений параметров технологического процесса в контролируемом объекте // Электронная версия размещается на сайте www. rae. ru 2015,: 186 – 189.

42. Каримов И. И. Использование нечеткого регулятора для определения возмущений по трендам // Современные технологии в образовании и промышленности: от теории к практике 2018,: 292 – 299.

43. Клоченко Ю. А., Воронин К. П., Панкратов А. В. Определение технического состояния газотурбинных энергетических установок на основе обработки эксплуатационных данных // Труды ЦНИИ им. акад. А. Н. Крылова 2016, (92): 173 – 182.

44. Клячкин В. Н. и др. Повышение эффективности алгоритма Хотеллинга при оценке стабильности функционирования объекта // Надежность и качество сложных систем 2019, 4 (28): 127 – 135.

45. Клячкин В. Н., Карпунина И. Н. Статистические методы оценки стабильности функционирования технических систем // Надежность и качество сложных систем 2018, 2 (22): 36 – 42.

46. Клячкин В. Н., Кравцов Ю. А. Обнаружение нарушений при многомерном статистическом контроле технологического процесса // Программные продукты и системы 2016, 3 (115): 192 – 197.

47. Клячкин В. Н., Кравцов Ю. А., Жуков Д. А. Оценка эффективности диагностики состояния объекта по наличию неслучайных структур на карте Хотеллинга // Автоматизация процессов управления 2015, 1: 50 – 56.

48. Клячкин В. Н., Кувайскова Ю. Е., Иванова А. В. Система статистического анализа и контроля стабильности вибраций гидроагрегата // Программные продукты и системы 2018, (31) 3: 620 – 625.

49. Ковалев А. В. Прогнозирование технического состояния технологического оборудования / А. В. Ковалев, Н. Н. Трушин, В. С. Сальников // Известия Тульского государственного университета. Технические науки 2014, 11-2: 554 – 559.

50. Константинова Е. И. Оценка эффективности статистического контроля в условиях нарушения нормальности распределения // Математические методы и модели: теория, приложения и роль в образовании 2009, 1: 81 – 82.

51. Кравцов Ю. А. Анализ нарушений технологического процесса с помощью контрольной карты Хотеллинга // Вестник Ульяновского государственного технического университета 2014, 1 (65): 51 – 54.

52. Михеев М. Ю. и др. Анализ короткого временного ряда в карте контроля качества // Надежность и качество сложных систем 2019, 2 (26): 70 – 78.

53. Морозова А. Е., Юраков Н. С., Юракова Т. Г. Применение статистических методов контроля качества для контроля геометрических параметров изделия в условиях крупносерийного производства // Современные материалы, техника и технологии 2018, 6 (21): 73 – 78.

54. Павлов И. С. О проблемах анализа стационарных и нестационарных временных рядов и путях их решения / И. С. Павлов // Школа молодых ученых : Материалы областного профильного семинара по проблемам естественных наук, Липецк, 11 октября 2019 года. – Липецк: Липецкий государственный педагогический университет имени П. П. Семенова-Тян-Шанского 2019,: 82 – 86.

55. Петухова Я. А., Чередниченко И. А. Статистический подход к контролю качества продукции промышленного предприятия // Актуальные региональные вопросы экономики и управления в условиях инновационной экономики 2016,: 52 – 55.

56. Плотникова А. Г. Статистический анализ параметров технологического процесса / А. Г. Плотникова // Научные исследования: ключевые проблемы III тысячелетия : Сб. ст. по мат. XX Международной научно-практической конференции, Москва, 01–02 ноября 2017 года. – Москва: ПРОБЛЕМЫ НАУКИ 2017: 25 – 27.

57. Прейс В. В. и др. Задачи статистического моделирования процедур непрерывного (выборочного) контроля параметров розлива и упаковки напитков // Известия Тульского государственного университета. Технические науки 2009, 1-1: 205 – 212.

58. Пустохин Д. А., Некрасова А. С. Статистический контроль процессов (SPC). Виды статистического контроля // Система менеджмента качества. Опыт и перспективы 2020, 9: 296 – 299.

59. Рыбалко В. В. Интеллектуальное диагностирование объектов энергетики // Материаловедение. Энергетика 2012, 3 – 2 (154): 70 – 77.

60. Семиохин С. И. Обзор современных подходов к прогнозированию временных рядов // Молодежный научно-технический вестник 2017, 12: 3 – 3.

61. Сычков Н. Г. Статистический контроль стабильности функционирования компьютера // Информатика, моделирование, автоматизация проектирования 2019,: 165 – 168.

62. Ураксеев М. А., Мунасыпов Р. А., Жернаков С. В. Методика обработки цифрового сигнала пирометра для измерения температуры лопаток ГТД на основе статистических и нейросетевых алгоритмов // Вестник Уфимского государственного авиационного технического университета 2011, (15) 3(43): 112 – 116.

63. Хайманонов И. Т. Применение статистических методов контроля качества при производстве вина // Вестник научных трудов молодых учёных, аспирантов, магистрантов и студентов ФГБОУ ВО "Горский государственный аграрный университет" 2018,: 256 – 259.

64. Цуверкалова О. Ф. и др. Статистический анализ состояния технологических систем АЭС // Доклады Томского государственного университета систем управления и радиоэлектроники 2017, (20) 3: 197 – 200.

65. Шарашкина Т. П. Статистический контроль производственного процесса в системе контроля производственных процессов предприятия // Вестник Волжского университета им. В. Н. Татищева 2015, 3 (34): 83 – 90.


Рецензия

Для цитирования:


Султанов М.М., Болдырев И.А., Шевченко М.Е. Обзор статистических методов контроля технологического процесса. Надежность и безопасность энергетики. 2022;15(2):126-135. https://doi.org/10.24223/1999-5555-2022-15-2-126-135

For citation:


Sultanov M.M., Boldyrev I.A., Shevchenko M.E. Overview of statistical methods of process monitoring. Safety and Reliability of Power Industry. 2022;15(2):126-135. (In Russ.) https://doi.org/10.24223/1999-5555-2022-15-2-126-135

Просмотров: 261


ISSN 1999-5555 (Print)
ISSN 2542-2057 (Online)