【自动化】6大步骤教你如何为过程工业选择最适合的控制系统

2019 年 10 月 30 日 产业智能官

Shady Yehia 控制工程中文版


为了获得更大的市场份额,满足新的应用领域的需求, PLC的生产制造商提出新方法,将PLC与SCADA结合起来,就可以提供与分布式控制系统(DCS)同样的功能。用PLC 和 SCADA替代DCS系统的想法来源于:




  • 不断增加的内存容量和中央处理器单元(CPU)的处理速度,使PLC能够处理更多调节回路;

  • 提供更高的可靠性和可用性,实施不同层次的冗余,几乎可以与DCS冗余性能相媲美;

  • 增加PLC和SCADA之间共享变量数据库功能,在某些情况下,就可以为逻辑控制和HMI实现统一的工程环境。





另外一方面,DCS生产制造商则被推动着努力保护它们的市场份额,尤其是在DCS占据主要地位的石化行业;而且还在不断试图进入到相对没有那么复杂的过程工业,比如水和污水处理工业等(在这些行业中,主要使用PLC)。DCS生产制造商正在:




  • 通过增加先进的过程控制技术,比如神经网络、自适应调节或模型预测控制(MPC)等,来提升过程控制的门槛;

  • 通过满足IEC 61131-3编程标准,来增加离散控制功能,同PLC一样;

  • 大幅度调整硬件价格,以便与高端PLC竞争。

  • 生产制造商已经允许在彼此之间进行某种程度的互换,直到某一水平,两种系统都无法服务于所有的应用。

PLC/DCS选择流程图

流程图描述的是PLC或DCS系统的6步选择流程,以帮助用户确定哪种技术最适合于某种特定应用。每一步都是一个问题,对每个问题的回答有助于用户理清思路。

第1步:过程确实需要实施先进过程控制(APC)吗?

毋庸置疑,传统的调节技术,利用比例-积分-微分(PID)技术,或者结合其它传统调节技术,比如前馈、串级、分程控制、比例调节等,就可以处理绝大多数过程控制应用。然而,由于过程工业的工厂不断对稳定性水平、过程波动水平、以及对包含多变量和较长工艺延时的控制问题,提出更高的要求,因此对先进控制技术,比如神经网络、自适应调节或模型预测控制的需求,一直在稳步增长。DCS生产制造商,在集成APC工程方面处于领先地位;PLC主要应用在传统的控制方法中。如果一个过程需要一个或多个APC技术,那么DCS是首选。

第2步:过程包括很多调节回路吗?

尽管高端PLC系统,完全具有处理多个PID回路和其它调节控制功能的能力,但是单个PLC系统可以处理多少个回路的问题,仍然会限制其在过程工业中替代DCS的能力。

PID回路会消耗大量的内存,急剧增加PLC程序的执行时间。这可能会上升到影响PLC逻辑有效执行的程度。另一方面,DCS则在设计中考虑了这个因素,因为它将控制程序分散到几个CPU中执行,同时还可以在不同CPU之间共享信息。

如果PLC供应商,不能证明其PLC能够在处理所要求数量的回路时,还有能力来处理离散逻辑功能,那么选择DCS将更为明智。

第3步:工艺过程的特性需要操作员控制室吗?

详细的过程信息可视化和频繁的操作员交互,是DCS的主要功能之一。PLC主要面向逻辑执行和过程顺序控制,需要利用SCADA/HMI来扩充能力,以便实现过程信息的可视化,但它所提供的信息一般要少一些。

如果过程不需要操作员进行交互,也不需要从主控室进行24/7小时的监视,那么配置就地HMI的PLC或者安装面板、配置SCADA软件IPC就足够了。在这种情况下,使用DCS系统,或者是从成本角度考虑可能并不划算。这样的例子就是撬装或集成化的系统。

如果运行需要一个完整的控制室,那么无论是DCS还是PLC-SCADA组合,都是可行的选择,即使只有非常少的控制监控回路需要管理。


此图描述的是PLC或DCS系统的6步选择流程,帮助确定哪种技术最适合于某种特定应用。图片来源:Shady Yehia

第4步:是否需要高速离散控制?

谈到离散控制逻辑的执行,PLC没有对手;强大的PLC可以在十分之一秒内,运行具有数千个输入/输出(I/O)信号点的程序而不出任何问题。这就是为什么PLC总是被选择用于执行紧急停机系统的原因。另一方面,DCS在离散控制方面则没有那么快,因为DCS的强项在于处理连续控制回路。

如果过程需要高速执行,那么从技术角度来讲,PLC是首选。如果对于第1步和第2步的回答有1或2个为“是”,说明DCS也是必须选择的,那么可以考虑构建两个隔离的系统——DCS用于过程控制,PLC用于离散控制和安全相关系统。

第5步:工艺过程是否需要频繁的修改?

无论是PLC还是DCS系统,都是可编程的,都可以修改程序、重新编程,甚至初始化到工厂设定状态,重新开始。然而,确实也存在一种可能,对PLC和SCADA的组合执行类似的程序修改,更让人感到头疼。DCS系统的逻辑、HMI、报警和历史参数使用同一个数据库,与此不同,PLC和SCADA系统一般使用不同的数据库,有些时候还需要利用OPC服务器数据库作为桥梁。这就使得为工厂增加一个设备或者修改逻辑是一件费时费力的事情。而且,也会增加组态错误的风险。

如果工艺过程不需要频繁的修改设备或逻辑,那PLC是合适的选择;如果需要频繁的修改,那应该考虑DCS系统,但是需要在回答完最后一个问题之后才能确定。

第6步:工厂员工是否有能力自己修改系统?

在技术选择过程中,并没有考虑硬件成本。大多数PLC和DCS生产制造商,已经证明只要愿意,它们有能力根据项目降低价格。如果考虑控制系统未来的升级,并将其作为系统整个寿命周期内使用成本的一部分时,硬件成本就非常重要了。

PLC供应商目前的商业模式是授权合作伙伴;每个PLC生产制造商都有系统集成商,供应商为其提供良好的PLC、SCADA/HMI、以及其它相关自动化产品的培训。大多数的DCS生产制造商的商业模式为提供工程和集成服务。雇佣系统集成商来执行修改任务,费用可以低至300或400美元/每天,而大多数DCS供应商提供类似的工作的报价为1000美元/每天,有时甚至更多。

为工厂员工提供DCS培训,需要一定的成本,但是从长远的角度考虑,其实是一件非常划算的投资。如果由于工艺过程需要频繁的修改,只能考虑DCS系统;但是工厂员工如果不能执行上述修改任务,那最好选择PLC和SCADA组合,因为这更经济有效。

评估控制器的采购

尽管最近几年,DCS和PLC技术的相似性越来越多,但对每个工艺过程应用需求进行彻底的分析可以发现:单独某个自动化技术可能无法满足目前所有的过程工艺或者未来需求的领域,各种控制产品之间可以取长补短、因需而定。


先进制造业+工业互联网




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进制造业OT(自动化+机器人+工艺+精益)和工业互联网IT(云计算+大数据+物联网+区块链+人工智能)产业智能化技术深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的产业智能化平台;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。


产业智能化平台作为第四次工业革命的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎; 重构设计、生产、物流、服务等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生 新技术、新产品、新产业、新业态和新模式; 引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。

产业智能化技术分支用来的今天,制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中, 利用工业互联网形成数字化、网络化和智能化力量,实现行业的重新布局、企业的重新构建和焕然新生。

版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。




登录查看更多
0

相关内容

模型预测控制是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态,解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关,但是实现则与模型有关。
FPGA加速系统开发工具设计:综述与实践
专知会员服务
62+阅读 · 2020年6月24日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
44+阅读 · 2020年5月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
最新《智能交通系统的深度强化学习》综述论文,22页pdf
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
【精益】精益生产与智能制造的联系和支撑
产业智能官
36+阅读 · 2019年9月14日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
29+阅读 · 2019年7月7日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
【机器学习】如何通过机器学习预测维护设备?
产业智能官
16+阅读 · 2018年7月9日
【智能制造】离散型制造业如何实现智能制造​
产业智能官
7+阅读 · 2017年10月16日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
A General and Adaptive Robust Loss Function
Arxiv
7+阅读 · 2018年11月5日
VIP会员
相关VIP内容
相关资讯
Top
微信扫码咨询专知VIP会员