Cięcie kosztów sterowania

Jednym z najprostszych sposobów obniżenia kosztów sterowania jest zmniejszenie ilości zmiennych. Zaawansowane sterowanie procesami (APC) pozwala zredukować liczbę pętli sterowania danym procesem. Mniej pętli to także łatwiejsze sterowanie.
Jednym z najważniejszych pytań, na które trzeba umieć odpowiedzieć w czasie projektowania lub modernizacji systemu sterowanie, jest pytanie o sposób na obniżenia kosztów. Odpowiedź nie jest prosta, gdyż zagadnienie to jest wielokryteriowe ? trzeba rozważyć wiele kwestii, i to nie tylko w czasie eksploatacji systemu, ale w całym cyklu jego funkcjonowania. Chociaż do głowy może przyjść wiele pomysłów, warto zastanowić się nad zaawansowanym sterowaniem procesami (APC ? advanced process control), które w dobie szybkich urządzeń przetwarzających jest w końcu możliwe do zrealizowania. Ale co się stanie, jeśli zmniejszymy liczbę sterowanych zmiennych? Im mniej zmiennych, tym mniej potrzebnego sprzętu. Proces staje się mniej skomplikowany, łatwiej więc przeszkolić personel. Jak zatem zmniejszyć liczbę pętli sterowania?
Wiele systemów sterowania pracuje z procesami, których zmienne są ze sobą powiązane. Aby sterować takimi procesami przy użyciu prostych i dobrze znanych regulatorów typu jedno wejście-jedno wyjście (np. PID), trzeba przeprowadzić analizę całego procesu i stosować dodatkowe regulatory pośrednie. Zaawansowane sterowanie procesami pozwala sterować sprzężonymi zmiennymi, ponieważ opiera się na algorytmach sterowania typu wiele wejść-wiele wyjść.
Regulator PID, cieszący się w przemyśle niesłabnącą popularnością, ma swoje ograniczenia. Po pierwsze jest to algorytm typu jedno wejście-
-jedno wyjście. Oznacza to, że inżynier musi sam określić, w jaki sposób sygnał z wielu czujników będzie zamieniany w jeden zrozumiały dla regulatora PID sygnał. Zagadnienie odwrotne również nie jest proste ? w jaki sposób z takiego zmieszanego sygnału wejściowego otrzymać poprawny sygnał sterujący dla wielu elementów wykonawczych? Typowym rozwiązaniem jest zastosowanie wielu równoległych regulatorów PID, ale tu również pojawiają się problemy, bo przecież zmienne są sprzężone ? trzeba je wyizolować. Kolejnym wyzwaniem jest dostrojenie tych wszystkich regulatorów. Znane są metody wstępnego strojenia regulatorów PID, ale dostrajanie i tak musi być robione na wyczucie. Strojenie regulatorów obiektu wielowymiarowego jest o tyle trudne, że zmiana jednego ze wzmocnień w danej pętli pociąga za sobą konieczność zmiany nastaw w innej pętli.
Weźmy dla przykładu Tyco Electronics, w którym przeprowadzany jest m.in. proces produkcji kabli koaksjalnych. Proces składa się z podprocesów tworzenia warstwy dielektrycznej, ekranu i osłony zewnętrznej na miedzianym przewodzie.Najważniejsze jest nakładanie warstwy dielektrycznej, gdyż na niej zostają umieszczone kolejne warstwy. To również od niej najbardziej zależą parametry elektryczne wyprodukowanego kabla, takie jak impedancja i pojemność. Proces tworzenia dielektryka na miedzianym przewodzie wymaga kontroliwielu zmiennych określających jego średnicę i jakość oraz wypracowywania wielu zmiennych wyjściowych ? potrzebny jest zatem regulator o wielu wejściach i wyjściach. Trzeba również uwzględnić, że linie produkcyjne pracują z różną prędkością. Aby było jeszcze trudniej, czujniki i elementy wykonawcze są umieszczone w pewnej odległości od siebie. Zależnie od prędkości linii opóźnienia w sygnałach się zmieniają. Tyco Electronics uznało, że najlepszym regulatorem będzie regulator predykcyjny bazujący na modelu (MPC ? model predictive control), ponieważ jest on  w stanie sterować procesami o zmiennym opóźnieniu  i wielu wejściach/wyjściach.
Dr Kimberly Wang, główny inżynier sterowania w Tyco Electronics, stworzyła przy użyciu LabVIEW model procesu na podstawie zgromadzonych histogramów. Na podstawie modelu można było dużo łatwiej nastroić regulatory. Dr Wang zbudowała ponad 10 linii wytwarzania z zaimplementowanymi regulatorami MPC  i zarządzaniem Sześć Sigma. System sterowania nie tylko sprawdza, czy jakość produktu mieści się w zakładanej tolerancji, ale również zatrzymuje automatycznie linię, gdy jakość ta jest gorsza od zakładanej. Linie produkcyjne Tyco Electronics pracują przez 24 h/dobę, przy czym w nocy niepotrzebna jest obecność personelu. Produkcja wzrosła, a dzięki obniżonej awaryjności koszty znacząco spadły. W dalszym ulepszaniu procesu produkcji pomogło National Instruments, które zaimplementowało przyspieszone funkcje testu kabli. Kable niespełniające wymagań technologicznych zostają od razu odpowiednio oznaczone.
Wizja dla trudnych zmiennych
W poprzedniej części przedstawiono problem sterowania układami o wielu wejściach i wielu wyjściach przy użyciu prostych regulatorów. Każdy system sterowania, niezależnie czy prosty, czy rozbudowany, musi mieć jednak dostęp do wiarygodnych pomiarów. A jeśli nie można wykonać bezpośrednich pomiarów interesujących nas zmiennych? Z pomocą mogą przyjść rozwiązania wizyjne.
Z takim problemem podczas produkcji kartonów musiał się zmierzyć Iggesund Workington Mill. System wizyjny pomógł dostarczać niezbędnych danych do oceny procesu formowania kartonów i był wykorzystywany zarówno przez maszyny, jak i przez samych operatorów. Zgrubna analiza zgromadzonych obrazów pozwala ocenić, czy proces przebiega poprawnie. Dzięki dokładnej analizie można stwierdzić, na którym etapie procesu powstaje problem i jak go rozwiązać.
System ma własny sterownik, lampy błyskowe i szybką kamerę. Sterownik dobiera parametry tak, aby uzyskiwać zawsze możliwie najlepszą jakość obrazu. Na podstawie zgromadzonych danych i stworzonego wcześniej modelu przy użyciu LabVIEW System Identification Toolkit udaje się wypracować niezbędne do sterowania procesem zmienne ? prosty sterownik PI (PI ? proportional-integral) kontroluje dozowanie jednego z krytycznych z punktu widzenia produkcji polimeru.
Na rynku dostępnych jest wiele systemów wizyjnych do pomiaru wahań grubości papieru. Większość z nich podaje jednak tylko informację o zmianie parametrów papieru. Informacja nie ma znacznika czasowego, dlatego ciężko jest określić, w którym dokładnie miejscu jakość produktu jest obniżona i co jest tego przyczyną. Dużo łatwiej stworzyć listę elementów, które nie wypływają na proces,ale to nie wystarcza. Iggesund zaproponował nowe uproszczone podejście do optymalizacji procesu formowania kartonów: podział zobrazowanych cech na wzajemnie niezależne zbiory. Jeśli w aktualnym obrazie dana cecha znajdowała się poza odpowiednim dla niej zbiorem, wiadome było, że produkt nie jest odpowiedniej jakości. Ponieważza poszczególne zbiory cech odpowiadały wcześniej określone fragmenty procesu produkcyjnego, można było łatwo określić, co spowodowało obniżenie jakości. Nowy system całkowicie zastąpił stary i przekazuje operatorom informacje o jakości produktu w czasie rzeczywistym.
Obserwatory wielu zmiennych
Wykorzystanie nawet nietypowych czujników takich jak kamery może być niewystarczające dla potrzeb sterowania, gdyż nie wszystkie zmienne, które muszą być sterowane, mogą być zmierzone, a nie wszystkie zmienne, które można mierzyć, muszą być sterowane. W tym miejscu na myśl przychodzą ?wirtualne zmienne? ? zmienne pomocnicze, utworzone na podstawie innych zmiennych. Stosowanie takich zmiennych podyktowane jest prostą regułą mówiącą, że jeśli nie możesz czegoś zmierzyć, to nie możesz tym sterować. Jak więc radzić sobie w takich sytuacjach?  Prace naukowe nad tym zagadnieniem prowadzone są od wielu lat i teraz, wraz z wykorzystaniem zaawansowanego sterowania procesami, mogą być wreszcie zaimplementowane. Zmienne, których nie można w łatwy sposób zmierzyć,  znajdują się w każdym tradycyjnym systemie przemysłowym. Na przykład w przemyśle metalurgicznym ? występujące  w czasie produkcji stali niekorzystne warunki, jak w czasie pomiaru grubości blachy wychodzącej spod walca, utrudniają, a często nawet uniemożliwiają dokonanie pomiaru. Aby uzyskać potrzebną, ale trudną do bezpośredniego pomiaru informację, stosuje się obserwatory. Wartości obserwowanych zmiennych otrzymuje się na podstawie analizy modelu obiektu i innych dostępnych pomiarowo zmiennych. Zaimplementowanie takiej funkcjonalności zaowocowało w Iggesund zwiększeniem wydajności o 25%.
Jednym z problemów tradycyjnej kontroli poziomu pH w przemyśle jest indywidualne monitorowanie poszczególnych zmiennych i ignorowanie interakcji między nimi. Utrzymywanie zadanego poziomu pH korzystnie wpływa na jakość papieru i wydajność produkcji, dlatego Iggesund wykorzystało ideę zaawansowanego zarządzania procesami, która w swoich założeniach bierze pod uwagę interakcje między zmiennymi procesowymi. Stworzono różne modele procesu, na podstawie których udało się określić wartości poszczególnych zmiennych, dla których proces staje się niestabilny.
Iggesund stworzył i zaimplementował predykcyjny algorytm sterowania przy pomocy LabVIEW  i sztucznych sieci neuronowych, który został wzbogacony o mechanizm adaptacyjny. Na utworzony model zostały nałożone ograniczenia wynikające z faktycznych ograniczeń w rzeczywistym systemie. System sterowania na bieżąco porównuje stan procesu ze stanem modelu. Jeśli proces wyjdzie poza określony wcześniej stan normalnej pracy, operator informowany jest o tym sygnałem dźwiękowym. W takiej sytuacji system przekazuje operatorowi dokładne dane o przyczynie problemu i wskazuje najlepszą czynność, którą można podjąć, aby system wrócił do normalnej pracy.
National Instruments wykorzystało LabVIEW do stworzenia modelu poziomu pH i demonstracji, że możliwe jest modelowanie złożonych nieliniowych procesów. Modelowanie poziomu pH wykonywane jest przez narzędzie na bieżąco, ale w tle. Operator otrzymuje informacje o aktualnym i przyszłym poziomie pH. Prognozowanie przyszłego poziomu pH jest możliwe, gdyż rzeczywisty system ma naturalne opóźnienia, które w modelu zostały celowo wyeliminowane. Dzięki temu udało się zmniejszyć wahania poziomu pH i zwiększyć tym samym stabilność całego systemu.
Postęp w dziedzinie komputeryzacji, zwiększająca się nieustannie popularność otwartych interfejsów komunikacji oraz nowoczesne rozwiązania programistyczne pozwalają inżynierom wykorzystywać przemysłowe komputery klasy PC do sterowania dużymi procesami, uzyskując zwiększoną produktywność przy zmniejszonych kosztach.
Javier Gutierrez jest starszym menedżerem sterowania i  symulacji przemysłowych systemów w National Instruments.
Artykuł pod redakcją mgr. inż. Łukasza Urbańskiego, doktoranta w Katedrze Automatyki Przemysłowej i Robotyki Wydziału Elektrycznego Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie.
CE