Dlaczego nie rozumiemy wielowymiarowych systemów sterowania?

Fot. rawpixel.com

Zrozumienie roli wielowymiarowego systemu sterowania w procesach przemysłowych sprzyja tworzeniu bardziej ekonomicznych rozwiązań. Ale nie tylko: zwiększa także zaangażowanie personelu w realizację projektu automatyzacji zakładu.

Chyba najbardziej uniwersalną cechą wielowymiarowego systemu sterowania jest to, że trudno go opisać w prosty sposób. Na ogół wykorzystuje się do tego takie pojęcia, jak modele procesowe, optymalizacje czasu rzeczywistego czy macierze, tj. słownictwo zrozumiałe jedynie dla wąskiego grona inżynierów zajmujących się zaawansowanym sterowaniem procesami. To zaś powoduje, że same systemy również są zrozumiałe jedynie dla nielicznych. A szkoda, bo dogłębne zrozumienie zasad ich funkcjonowania pozwala zaangażować więcej osób w proces automatyzacji, a tym samym zredukować opóźnienia i liczbę alarmów oraz poprawić spójność realizowanych operacji.

Wiedza nie tylko dla specjalistów

W przypadku wielowymiarowych systemów sterowania większość osób zaangażowanych w proces podejmowania decyzji o wdrożeniu takiego systemu działa niejako po omacku, nie rozumiejąc w pełni nie tylko celu, ale i korzyści, implikacji i szans powodzenia takiego projektu. Powoduje to, że są oni zdani na łaskę i niełaskę inżynierów zajmujących się zaawansowanym sterowaniem procesami, którzy powinni, ale często nie potrafią wyjaśnić im przyczyn wysokiej ceny, krótkiego cyklu życia czy wysokich kosztów utrzymania takich systemów.

Teraz, po prawie czterech dekadach obecności na rynku, zaczynamy w końcu lepiej, tj. jakościowo i intuicyjnie rozumieć, co oznacza sterowanie wielowymiarowe i jaką rolę odgrywa w obsłudze procesów przemysłowych. A to może mieć pozytywny wpływ na procesy ich automatyzacji i same systemy, umożliwiając tworzenie prostszego, wydajniejszego oprogramowania, rozwijanie lepiej zdefiniowanych aplikacji i zaangażowanie w ten rozwój wszystkich zainteresowanych stron.

Co to jest sterowanie wielowymiarowe?

Sterowanie wielowymiarowe można zdefiniować jako proces automatyzacji nastawy parametrów zadanych i wyjściowych regulatora pojedynczej pętli. W konwencjonalnych systemach parametry te są wprowadzane ręcznie przez operatorów. W systemach automatycznego sterowania wielowymiarowego, np. w sterowaniu predykcyjnym (MPC) lub nieliniowym (XMC), zadanie to przejmuje system.

Zautomatyzowane sterowanie wielowymiarowe w zamkniętej pętli wielowymiarowej przynosi takie same korzyści jak sterowanie w pojedynczej zamkniętej pętli ? redukuje opóźnienia, sprzyja koherencji, zmniejsza liczbę alarmów i odchyłek od zadanych tolerancji oraz optymalizuje szereg procesów. Często wiąże się to z istotnymi korzyściami operacyjnymi i/lub ekonomicznymi.

Rys. 1. Tradycyjny diagram ograniczeń obrazuje różnice między sterowaniem ręcznym a automatycznym sterowaniem wielowymiarowym. W przypadku sterowania ręcznego operator zawsze pozostawia pewien zapas (margines błędu) między parametrami danego procesu a zadanymi ograniczeniami (tolerancjami) ? na wypadek, gdyby doszło do nieoczekiwanej zmiany lub zakłócenia przebiegu owego procesu. Taka praktyka generuje jednak określone straty ekonomiczne w porównaniu z najbardziej optymalnym przebiegiem operacji. | Źródło: APC Performance LLC

Rola sterowania wielowymiarowego w obsłudze procesów

Znaczenie sterowania wielowymiarowego w procesach przemysłowych wynika generalnie z różnic między zautomatyzowanym sterowaniem wielowymiarowym a sterowaniem manualnym. To drugie stosowane jest w przemyśle niemal od początku ? każdy operator powie, że większość operacji w przemyśle polega na sterowaniu wieloma zmiennymi.

Automatyczne sterowanie wielowymiarowe automatyzuje (przejmuje) zadanie nastawy parametrów zadanych i wyjściowych dla grup powiązanych ze sobą regulatorów. Zwiększa to spójność owych parametrów oraz redukuje opóźnienia, liczbę alarmów i częstotliwość odchyłek od zasadnych ograniczeń, a tym samym optymalizuje całość procesów. Zalety te można także postrzegać jako immanentną cechę sterowania w zamkniętej pętli ? w przeciwieństwie do sterowania w otwartej pętli. Porównanie to ułatwia zrozumienie istoty sterowania wielowymiarowego tym, którzy są przyzwyczajeni do pracy w pojedynczej pętli, a jednocześnie może być z powodzeniem stosowane wobec systemów wielowymiarowych.

Różnice między manualnym a automatycznym sterowaniem wielowymiarowym dobrze ilustruje klasyczny wykres ograniczeń (rys. 1). W przypadku sterowania ręcznego operator zawsze pozostawia pewien zapas (margines błędu) między parametrami danego procesu a zadanymi ograniczeniami (tolerancjami) ? na wypadek, gdyby doszło do nieoczekiwanej zmiany lub zakłócenia przebiegu owego procesu. Taka praktyka generuje jednak określone straty ekonomiczne w porównaniu z najbardziej optymalnym przebiegiem operacji.

Zautomatyzowane sterowanie wielowymiarowe (w zamkniętej pętli) umożliwia zbliżenie się do granic wyznaczanych przez ograniczenia i zapewnia redukcję obszarów buforowych. Wynika to z faktu, że system sterowania jest w stanie automatycznie dostosować parametry procesów do zmiany warunków ich realizacji. W ten sam sposób adaptuje się także do zawężonych ograniczeń, co zwiększa zyski i optymalizuje przebieg operacji. Działa więc de facto w dwóch kierunkach ? z tym samym pozytywnym efektem.

Kiedy stosować sterowanie wielowymiarowe?

Wiele aplikacji z zakresu sterowania wielowymiarowego nie mieści się ani w kryteriach typowych dla sterowania predykcyjnego, ani w tych charakterystycznych dla regulatorów predykcyjnych (regulatorów PID). Są bowiem zbyt małe pod względem macierzy, aby wpisywać się w pierwszą kategorię, i zbyt rozległe, aby do ich obsługi wystarczyła regulacja pojedynczej pętli, jak to ma miejsce w przypadku regulatorów PID.

Dobrze przedstawia to rysunek 2, na którym pokazano te aplikacje z zakresu sterowania wielowymiarowego, które pozostają poza sferą zainteresowania sterowania predykcyjnego. Wykres prezentuje liczbę interwencji operatora, tj. zmian parametrów zadanych, wyjściowych lub trybu pracy, realizowanych przez niego na konsoli sterowniczej w danym odcinku czasu. Wyszczególnia on także 25 najgorzej wypadających urządzeń, czyli regulatorów, które wymagały najwięcej interwencji operatora. Wykres taki można łatwo wygenerować na każdej nowoczesnej konsoli sterowniczej.

Interwencje owe stanowią przykład ręcznego sterowania z uwzględnieniem wielu zmiennych, w przypadku którego operator musi zarządzać grupami powiązanych regulatorów, uwikłany w całą serię czasochłonnych mikrooperacji.

Sterowanie wielowymiarowe ma na celu automatyzację tych procesów ? zamyka pętle sterowania, a tym samym minimalizuje liczbę manualnych interwencji.

Rys. 2. Pomiary w funkcji czasu dostarczają miarodajnych danych, są intuicyjne i uwzględniają horyzont czasowy. Dlaczego więc przemysł przegapił ten fakt? Przecież wykres obrazujący 25 najgorzej wypadających urządzeń (regulatorów, które wymagały najwięcej interwencji operatora) można łatwo wygenerować na każdej nowoczesnej konsoli sterowniczej. | Źródło: APC Performance LLC

Wskaźniki, których nikt nie mierzy

Rysunek 2 może wielu wydawać się znajomy. Podobne wykresy stosowane są w sektorze produkcyjnym coraz częściej ? do ręcznego zarządzania pętlami sterowania i alarmami generowanymi przez urządzenia najczęściej przekraczające zadane tolerancje. Tyle że odnoszą się one na ogół do pętli pojedynczych i relatywnie rzadkich interwencji operatora. Tu sytuacja jest inna: pętle mają bowiem charakter wielowymiarowy (zamknięty), a interwencje są częste.

Tego typu manualne zarządzanie systemem w sytuacji częstych interwencji niesie ze sobą kilka niepożądanych implikacji: powoduje wzrost liczby alarmów i naruszeń ograniczeń, uniemożliwia operatorowi koncentrację na bardziej złożonych zadaniach, a dodatkowo utrudnia optymalizację procesów, gdyż ręczne interwencje z natury rzeczy są mniej dokładne, spóźnione i dalekie od optimum. Lepiej więc zastosować zautomatyzowane sterowanie wielowymiarowe.

Problem jednak w tym, że w sterowaniu wielowymiarowym wykreślanie podobnych wskaźników wciąż jest raczej wyjątkiem niż regułą. A szkoda, bo dostarczają one miarodajnych danych, są intuicyjne i uwzględniają postęp w czasie. Przykład wykresu na rysunku 2 zawiera de facto wszystkie kluczowe elementy wpływające na sukces automatyzacji procesów i jakość pracy z konsolą sterowniczą. Dlaczego więc przemysł przegapił ten fakt? Wydaje się, że zwyczajnie przeoczył te wskaźniki, nie dostrzegając ich wagi.


Allan Kern jest właścicielem firmy APC Performance LLC.