способ сортировки

процессные переменные
-
[Интент]

Процессные переменные.

Под словосочетанием “процессные переменные” понимаются численные параметры, определяющие текущее состояние технологического процесса. К процессным переменным можно отнести сигналы ввода/вывода, параметры функциональных блоков, локальные и глобальные флаги (переменные), тэги SCADA и т.д.

Процессные переменные делятся на дискретные и аналоговые. Дискретная переменная может принимать конечное число значений из довольно узкого диапазона. На практике под дискретной переменной чаще всего подразумевают величину булевского типа (двоичную), указывающую на одно их двух возможных состояний объекта (или управляющего сигнала), хотя, формально говоря, это не совсем корректно. В общем же случае дискретная переменная аналогична типу enumeration языка C.

Аналоговая переменная может принимать любую величину из ограниченного непрерывного диапазона значений. По типу представления аналоговая переменная больше соответствует вещественному числу.

Как записываются процессные переменные в архив?
Существуют две технологии регистрации значений процессных переменных в архиве:

1.    Циклическая запись ( cyclic archiving) подразумевает периодическую запись текущего значения процессной переменной через заданные пользователем интервалы времени вне зависимости от величины и скорости изменения данной переменной (см. рис. 1). Хотя эта техника не очень экономична, она довольно часто используется для архивации аналоговых переменных. Период циклической записи для каждой переменной настраивается индивидуально и, как правило, лежит в диапазоне от 0.5 с до 10 мин. Как для дискретных переменных, так и быстро изменяющихся аналоговых переменных, подобный подход записи в архив явно не оптимален.

Рис. 1. Циклическая запись процессной переменной в архив.

2.    Архивация по изменению переменной (дельта-архивированиe, delta-archiving). Этот подход предполагает запись переменной в архив только тогда, когда изменение ее значения по сравнению с предыдущим записанным значением (абсолютная разность) достигает определенной величины (дельты, см. рис. 2). Дельта настраивается пользователем и может быть выражена как в абсолютных единицах измерения, так и в процентах от шкалы. Безусловно, это техника более экономична, чем циклическая запись, так как она адаптируется к скорости изменения архивируемой величины. Для дискретных величин – этот подход незаменим. Допустим, у нас есть дискретная переменная, которая изменяется, скажем, раз в час. Зачем же ее архивировать каждую секунду или минуту? Ведь гораздо логичнее записывать значение переменной в архив только в те моменты, когда это значение переходит из 1 в 0 или наоборот.

Рис. 2. Дельта-архивирование процессной переменной.

Куда записывается архив процессных переменных?
Чаще всего используется один из трех вариантов:

1.    Архив записывается в обычный текстовый файл в формате CSV ( comma separated values). Этот файл может храниться как на локальном, так и на сетевом диске. На самом деле архив состоит из множества последовательно создаваемых файлов: система генерирует новый файл архива каждую рабочую смену или сутки. У такого формата представления архива есть неоспоримое преимущество – его можно просмотреть любым текстовым редактором. Его также можно экспортировать в MS Excel и посмотреть в виде таблицы, применив необходимые сортировки и фильтры. Существенный недостаток – это неэкономичность хранения; накопленный таким образом архив занимает неприлично много места на жестком диске. Для уменьшения объема архива можно применить компрессию по алгоритму ZIP или RAR – благо, что текстовые файлы очень хорошо сжимаются.

2.    Архив представляет собой двоичный файл, формат которого зависит от используемого ПО визуализации тех. процесса (SCADA). Очевидно, что это более экономичное представление архива, но для работы с ним обычным экселем уже не обойдешься. При этом формат архива у разных производителей SCADA может сильно различаться. Как и в предыдущем случае, архив состоит из последовательно создаваемых файлов. Вообще, хранить архив в одном большом файле – это не очень хорошо с точки зрения скорости доступа к данным.

3.    Самый прогрессивный способ. Хранение архива в виде реляционной базы данных с поддержкой СУБД SQL. Этот способ позволяет достичь достаточно большой скорости работы с архивом (добавление записей, чтение и обработка данных), при этом сервер SQL может обеспечить оптимальный доступ к истории сразу нескольким десяткам удаленных клиентов. Поскольку доступ к архиву осуществляется по открытому интерфейсу SQL, разработчики имеют возможность создавать клиентские приложения под свои нужды. Но главное преимущество заключается в том, что архив на базе SQL – это отличная возможность для интеграции АСУ ТП с информационными системами более высокого уровня (например, уровня MES). Как правило, для ведения архива SQL и обслуживания клиентов используется достаточно мощная серверная платформа.

Во всех описанных случаях система архивирования процессных переменных – это неотъемлемая часть ПО визуализации технологического процесса. Разница заключается в формате представления архива и технологии доступа.

Какие средства служат для отображения архива? Архив можно отобразить несколькими способами. Самый простой – это представить его в табличной форме и экспортировать, например, в Excel, в котором можно строить графики, диаграммы и делать отчеты. Однако это довольно утомительно и требует много ручного труда.

Более удобный способ – это отображение истории в виде специального динамического (обновляемого автоматически) графика, называемого трендом ( trend). Тренд помещается на мнемосхемы операторского интерфейса в тех места, где это необходимо и удобно оператору. Пример тренда изображен на рисунке ниже.

Рис. 3. Пример исторического тренда, отображающего две процессные переменные.

На тренд можно выводить до 16 переменных одновременно, как дискретных, так и аналоговых. При этом тренд можно строить за произвольный промежуток времени ( time span). Также поддерживается масштабирование ( scaling). Передвигая ползунок ( slider) вдоль шкалы времени можно просматривать точные значения переменных в различные моменты времени в прошлом. Отрезки времени, в течение которых наблюдались аварийные значения переменных, выделяются на тренде контрастным цветом. В общем, тренды – это мощный и очень удобный инструмент, наглядно показывающий поведение переменных в динамике.

[ http://kazanets.narod.ru/AlarmsArchive.htm]

Тематики

• автоматизированные системы

EN

• process values

регрессионный анализ
Метод оценки, использующий регрессионный способ по измеренным значениям, например, для сортировки по классам.
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

регрессионный анализ
Раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости (см. Регрессия) между величинами по данным статистических наблюдений. Итальянский статистик Р.Бенини, как считается, был первым, кто с практической пользой применил в экономике метод множественной регрессии. (1907) Он удачно оценил функцию спроса на кофе в Италии как функцию цен на кофе с одной стороны и на сахар — с другой. История знает, однако, немало ложных выводов, показывающих, что без глубокого анализа доверять обнаруженным регрессионным зависимостям бывает рискованно. Метод Р.а. состоит в выводе уравнения регрессии (включая оценку его параметров), с помощью которого находится средняя величина случайной переменной, если величина другой (или других в случае множественной или многофакторной регрессии) известна. (В отличие от этого корреляционный анализ применяется для нахождения и выражения тесноты связи между случайными величинами)[1]. Практически речь идет о том, чтобы, анализируя множество точек на графике (т.е. множество статистических данных), найти линию, по возможности точно отражающую заключенную в этом множестве закономерность, тенденцию — линию регрессии. Для этого требуется наилучшим образом оценить параметры уравнения. Существует ряд математико-статистических приемов, позволяющих решить эту задачу. В случаях, когда искомая закономерность может быть принята за линейную, наиболее эффективен метод наименьших квадратов. Р.а. применяется в различного рода экономических исследованиях (производственные функции, анализ эластичности спроса от цены и др.), особенно при анализе хозяйственной деятельности предприятий (для определения влияния отдельных факторов на результаты) и во многих других областях экономической науки и хозяйственной практики. Пример: средняя себестоимость поковок в кузнечных цехах московских заводов, по статистическим исследованиям, описывалась уравнением регрессии: Y = 72,8 + 0,605x1 + 0,082x2 + + 0,834x3, где x1 — заработная плата на 1 т поковок; x2 — удельная металлоемкость, x3 — удельные цеховые расходы. Это уравнение означает, что лишний расход одного рубля заработной платы приведет (в среднем в большой массе наблюдений) к повышению себестоимости тонны поковок на 0,605 руб. Соответственно рассчитывается и влияние двух остальных факторов. [1] Впрочем, распространена также более широкая трактовка Р.а., охватывающая и то, что здесь названо корреляционным анализом. И, наконец, ряд авторов считают Р.а. частью теории корреляции как общей теории взаимоотношений между случайными величинами.
[ http://slovar-lopatnikov.ru/]

Тематики

• виды (методы) и технология неразр. контроля
• экономика

EN

• regression analysis

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

Источник: Р 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

Источник: 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения