1

Détection et isolation de défauts dans les procédés industriels

Introduction

2

Notion de défaut

Événement qui modifie fonctionnement procédé de sorte que performances dégradées ou objectif pas atteint

Exemples• Dérive de capteur• Fuite dans un réservoir• Friction importante dans vanne• Endommagement bille dans un roulement• Court-circuit entre spires d’un enroulement

moteur

3

Le monitoring classique

Poste opérateur – Ensemble structuré hiérarchique de synoptiques

Comparaisons signaux mesurés à valeurs limites fixes et/ou tests sur le gradient du signal

Alarme: opérateur choisit synoptique avec information détaillée concernant signal déduit action à entreprendre

4

Limitations

Détection de défauts importants (et pas de défauts naissants)

Peu d’aide à l’analyse de la source du défaut

Etape supplémentaire : supervision

5

Automatisation intégrée

D. Maquin et J. Ragot (2000) Diagnostic des systèmes linéaires, page 12, Hermes

6

Pourquoi déceler défauts naissants ?

Meilleure aide à la décision pour l’opérateur

Maintenance prédictive

Reconfiguration automatique de régulateur

(systèmes autonomes)

7

Conséquences

Moins d’arrêts inopinés de l’installation Produit de meilleure qualité (meilleur respect

des tolérances) Diminution des coûts de maintenance Meilleur respect des contraintes

environnementales …..

8

Notion de redondance

Redondance matérielle

inconvénients: côut, encombrement, …

applications où la sécurité est critique

(nucléaire, aviation, …) Redondance analytique

Vérifier compatibilité entre mesures de différents types et modèle mathématique du système supervisé.

9

Structure d’un système de DID

Système supervisé

Générateur de résidus

Module de décision

Résidus Défauts vraisemblables

Amplitude du défaut

Entrées connues

Perturbations

Sorties mesurées

10

Exemple simpliste (1)

)()( tatv

)()()( tftvtv vm )()()( tftata am

Relation vitesse accélération

Equations de mesure

)()()()()( tftftatvtr avmm

Générateur de résidu

11

Exemple simpliste (2)

Système de décision

Comparaison de r(t) à un seuil Généralisation

• Combinaison de différentes équations du modèle de façon à atteindre isolation des défauts (détermination de l’élément défectueux)

• Prise en compte du bruit de mesure et des erreurs de modélisation dans le processus de décision

12

Application industrielle – Détection d’encrassement d’un bouilleur (1)

Output :vapour

Steam

Water

S

E

Liquidpurge

FC

PVGvapPG

Gintot TS PS

GoutInput :Fluid toevaporate

Tin

LC

Gpurge

13

Application industrielle – Détection d’encrassement d’un bouilleur (2)Juste après maintenance

2 2.5 3 3.5 4 4.5

x 104Time (*1 min)

Gou

t

2 2.5 3 3.5 4 4.5

x 104Time (*1min)

ri

2 2.5 3 3.5 4 4.5

x 104

0

Time (*1 min)

Gou

t

2 2.5 3 3.5 4 4.5

x 104time (*1min)

ri

Juste avant maintenance suivante

14

Application industrielle – Détection d’encrassement d’un bouilleur (3)

0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5

x 1 04

0

te m p s (m in )

ri

October 97

0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5

x 1 04

0

te m p s (m in )

ri

November 97

0 0. 5 1 1. 5 2 2. 5 3 3. 5 4 4. 5

x 104

0

te mp s (min)

ri

December 97

0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5

x 1 04

0

te m p s (m in )

ri

January 98

0 0 .5 1 1 .5 2 2 .5 3 3 .5 4 4 .5

x 1 04

0

te m p s (m in )

ri

February 98

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

x 104

0

temp s (min)

ri

March 98

0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5

x 1 04

0

t e m p s (m in)

ri

April 98

0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5

x 1 04

0

t e m p s (m in )

ri

May 98

Replacement of thereboiler