regeltechniek – Dotx Control Solutions

Six Sigma: De Golden Run

Inleiding

In de procesindustrie verwijst de ‘golden run’ naar een ideale productierun waarin alle operationele parameters perfect worden beheerd, resulterend in een consistente en optimale productkwaliteit gedurende een volledige productiecyclus. Het streven naar deze ideale run is essentieel voor bedrijven die hun processen willen optimaliseren, kosten willen verlagen en een hoge kwaliteit willen garanderen. Geavanceerde Procesbesturing (APC) speelt een cruciale rol bij het realiseren van een ‘golden run’ door nauwkeurige controle, aanpassing aan dynamische omstandigheden en het verminderen van variabiliteit.

Wat is een ‘Golden Run’?

De ‘golden run’ is de perfecte productierun waarin alle parameters, zoals temperatuur, druk, debiet en samenstelling, binnen de ideale grenzen blijven gedurende de hele cyclus. Het bereiken van deze optimale run leidt tot een verhoogde productiviteit, minder afval, lagere energiekosten en een verbeterde productkwaliteit. Dit concept is bijzonder relevant in sectoren zoals de chemische industrie, farmaceutische productie, en voedingsmiddelenverwerking, waar consistentie en kwaliteit van cruciaal belang zijn.

De Rol van Geavanceerde Procesbesturing in het Bereiken van een ‘Golden Run’

Nauwkeurige Controle en Stabiliteit: APC-systemen bieden de mogelijkheid om procesvariabelen nauwkeurig te monitoren en te regelen, waardoor afwijkingen snel kunnen worden gecorrigeerd. Dit is essentieel om een ‘golden run’ te realiseren, omdat zelfs kleine afwijkingen in procesparameters grote invloed kunnen hebben op de kwaliteit van het eindproduct. Bijvoorbeeld, in een destillatieproces kan APC helpen bij het handhaven van de juiste temperatuur en druk, wat essentieel is voor de scheiding van componenten met hoge zuiverheid.
Realtime Aanpassing aan Verstoringen: Een van de belangrijkste voordelen van APC is de mogelijkheid om realtime aanpassingen te maken op basis van veranderingen in de procesomstandigheden. Dit omvat het snel reageren op verstoringen zoals fluctuaties in grondstofkwaliteit of veranderingen in externe omstandigheden. Door gebruik te maken van voorspellende modellen, kan APC de gevolgen van dergelijke verstoringen minimaliseren en ervoor zorgen dat de ‘golden run’ niet wordt onderbroken.
Vermindering van Variabiliteit: Variabiliteit is een belangrijke vijand van de ‘golden run’. APC vermindert variabiliteit door gebruik te maken van geavanceerde algoritmen zoals modelgebaseerde controle en gain scheduling, die de processen voortdurend optimaliseren. Dit zorgt ervoor dat alle kritische parameters binnen de gewenste grenzen blijven, wat resulteert in een consistente productkwaliteit en een betrouwbare productiecyclus.
Optimalisatie van Procesprestaties: APC maakt gebruik van gedetailleerde procesmodellen om de prestaties te optimaliseren en de efficiëntie te verbeteren. Dit omvat het identificeren van de beste operationele instellingen voor verschillende productiefasen en het aanpassen van deze instellingen in realtime om te voldoen aan veranderende eisen. Door deze aanpak kunnen bedrijven hun productieruns verfijnen en dichter bij de ideale ‘golden run’ komen.
Holistische Procesintegratie: APC kan worden geïntegreerd over de gehele productieketen, wat zorgt voor een naadloze samenwerking tussen verschillende procesunits. Deze holistische benadering is cruciaal voor het realiseren van een ‘golden run’ in complexe productieomgevingen, waar elke unit moet bijdragen aan het succes van de totale productiecyclus.

Conclusie

De ‘golden run’ is het ultieme doel in de procesindustrie, waarbij alle aspecten van een productiecyclus perfect worden beheerd om optimale resultaten te bereiken. Geavanceerde Procesbesturing biedt de technologie en methodologieën die nodig zijn om dit ideaal te realiseren door variabiliteit te verminderen, realtime aanpassingen mogelijk te maken en de algehele procesprestaties te optimaliseren. Door APC te integreren in hun operationele strategieën, kunnen bedrijven niet alleen de consistentie en kwaliteit van hun producten verbeteren, maar ook hun algehele efficiëntie en winstgevendheid verhogen.

Six Sigma: De Golden Batch

door Jelle Kalsbeek

Inleiding

In de maakindustrie en procesindustrie staat het concept van de ‘golden batch’ voor de ideale productiecyclus, waarin alle variabelen perfect op elkaar zijn afgestemd om het best mogelijke product te leveren. Het consistent bereiken van deze ideale batch is een belangrijk doel binnen Six Sigma, een methode die zich richt op het minimaliseren van variabiliteit en defecten in processen. Geavanceerde Procesbesturing (APC) biedt krachtige hulpmiddelen om industrieën te helpen dichter bij dit ideaal te komen door de stabiliteit, kwaliteit en efficiëntie van productieprocessen te verbeteren.

Het ‘Golden Batch’ Concept in Six Sigma

Six Sigma-methodologieën zijn gebaseerd op het DMAIC (Define, Measure, Analyze, Improve, Control) raamwerk, dat erop gericht is defecten in elk proces te identificeren en te elimineren. De ‘golden batch’ is de belichaming van wat Six Sigma nastreeft—een productiepartij die perfect overeenkomt met de beoogde specificaties, met minimale afwijkingen in kwaliteit, opbrengst en efficiëntie. Het consistent bereiken van deze batch kan echter uitdagend zijn vanwege procesvariabiliteit, externe verstoringen en de beperkingen van traditionele besturingssystemen.

Hoe Geavanceerde Procesbesturing kan Helpen

Verbeterde Processtabiliteit en Controle: APC-systemen, zoals Model Predictive Control (MPC) en geoptimaliseerde PID-regelaars, maken realtime aanpassingen van procesvariabelen mogelijk. Door continu te monitoren via belangrijke prestatie-indicatoren (KPI’s) zoals temperatuur, druk en doorstroming, kan APC de variabiliteit verminderen die vaak leidt tot afwijkingen van de ‘golden batch’. Bijvoorbeeld in een chemisch mengproces kan een MPC-systeem de concentratie van componenten in realtime optimaliseren, storingen compenseren en ervoor zorgen dat het eindproduct consistent voldoet aan de gewenste specificaties.
Realtime Gegevensintegratie en Analyse: Een van de grote voordelen van APC is het vermogen om enorme hoeveelheden gegevens van verschillende sensoren en controlepunten in realtime te integreren en te analyseren. Deze mogelijkheid is cruciaal voor het handhaven van de ‘golden batch’, omdat het onmiddellijke correctieve maatregelen mogelijk maakt wanneer afwijkingen worden gedetecteerd. Hulpmiddelen zoals de PID Tuner, die zijn ontworpen om regelkringen op basis van procesmodellen nauwkeurig af te stemmen, zijn van cruciaal belang om precieze controle over kritische parameters te bereiken.
Adaptieve en Predictieve Controle Strategieën: Traditionele besturingssystemen hebben vaak moeite met niet-lineariteiten en tijdvertragingen die inherent zijn aan complexe processen. APC-systemen kunnen geavanceerde strategieën zoals gain scheduling en feedforward-regeling implementeren, die zich aanpassen aan veranderingen in de procesdynamiek. Bijvoorbeeld, tijdens de productie van een farmaceutische batch kan het systeem de verwarmingssnelheden dynamisch aanpassen om ervoor te zorgen dat chemische reacties onder optimale omstandigheden plaatsvinden, waardoor de integriteit van de batch wordt gehandhaafd.
Minimale Variabiliteit en Verbeterde Kwaliteit: Een van de kernprincipes van Six Sigma is het verminderen van procesvariabiliteit. APC-systemen excelleren hierin door gebruik te maken van controlegerichte modellen die de impact van verstoringen voorspellen en beperken voordat ze het proces beïnvloeden. Door zelflerende algoritmen toe te passen, kunnen APC-systemen in de loop van de tijd verbeteren en hun strategieën aanpassen op basis van historische gegevens om terugkerende problemen te voorkomen die de ‘golden batch’ in gevaar kunnen brengen.
Optimalisatie van de Gehele Productieketen: APC is niet beperkt tot individuele procesunits, maar kan plant-wide worden toegepast, waardoor elke unit optimaal functioneert en synchroon loopt met andere. Deze holistische benadering is van cruciaal belang in industrieën zoals petrochemie of farmacie, waar de kwaliteit van het eindproduct afhankelijk is van de nauwkeurige controle van meerdere onderling verbonden processen.

Conclusie

De ‘golden batch’ vertegenwoordigt het hoogtepunt van procesefficiëntie en productkwaliteit, een doel dat elke Six Sigma-initiatief nastreeft. Geavanceerde Procesbesturing biedt de hulpmiddelen die nodig zijn om dichter bij dit ideaal te komen door de processtabiliteit te verbeteren, variabiliteit te verminderen en datagedreven beslissingen in realtime mogelijk te maken. Door APC te integreren in Six Sigma-raamwerken kunnen industrieën hun vermogen om consistente, hoogwaardige batches te produceren aanzienlijk verbeteren, wat uiteindelijk leidt tot hogere efficiëntie, minder verspilling en verhoogde winstgevendheid.

Publicatie in Process Control Magazine: Geavanceerde regeling bespaart TATA 30 miljoen.

door Jelle Kalsbeek

Bij Tata Steel in IJmuiden wordt voortdurend gestreefd naar emissievrije productie. Een belangrijk onderdeel hiervan is de optimalisatie van de drukbeheersing in de kooksovens van Kooks- en Gasfabriek 2 (KGF2). DotX Control Solutions, gespecialiseerd in geavanceerde regeltechnische oplossingen, werd enkele jaren geleden ingeschakeld om deze uitdaging aan te gaan. Het resultaat? Een indrukwekkende reductie van de drukvariaties in de gasverzamelleidingen met minimaal 50%. Dit leidde niet alleen tot minder ongewenste emissies maar maakte ook geplande investeringen ter waarde van €30 miljoen in nieuwe hardware overbodig en zorgde voor 100% inzicht in het proces voor de operators.

De bijdrage van DotX omvatte onder andere het ontwikkelen van een ‘Digital Twin’ van het afzuigproces, waarbij door middel van een simulatiemodel de druk in de ovens nauwkeurig werd gereguleerd. Experimentele data en zelflerende ‘feed forward’ Iterative Learning Control (ILC) technieken speelden hierbij een cruciale rol. De succesvolle implementatie van deze technologie resulteerde in een efficiëntere en milieuvriendelijkere productie bij Tata Steel.

Download het volledige artikel door hieronder uw e-mail in te vullen:

Voor meer informatie over hoe DotX Control Solutions kan bijdragen aan uw procesoptimalisatie, neem contact met ons op via info@dotxcontrol.com.

Temperatuurregeling voor een chips-extruder

door Jan Schuurmans

Bij PEPSICO wordt een extruder gebruikt om van ruwe grondstoffen Hamka’s chips te maken. Dit gebeurt door verschillende ingredienten te mixen in een extruder, waar het na verschillende verwarmings ‘zones’ geextrudeerd wordt tot een ‘Hamka’ vormpje. Na deze extrusie wordt het ‘Hamka’ vormpje gebakken, en in een zakje gestopt. Hierbij is een nauwkeurige temperatuursbeheersing in de extruder nodig, want als de vormpjes te heet geextrudeerd worden, zetten ze teveel uit. De klant ondervond hierbij het probleem dat de Hamka chipjes niet meer in het zakje pasten, of er zelfs uit barsten, omdat ze soms te groot waren. Ze hebben Dotx Control Solutions gevraagd om de regeling van de extruder te verbeteren. Om de temperatuursbeheersing te verbeteren, heeft Dotx Control Solutions eerst een simulatiemodel gemaakt het proces. Hiermee is een optimale regelaar ontworpen, geimplementeerd, en getest tijdens productie.

Introductie

PEPSICO gebruikt voor hun proces een extruder. De extruder wordt gevoed door met meerdere ingredienten. De ingredienten gaan door verschillende zones heen van de extruder. Het is belangrijk dat de temperatuur in elke zone op setpoint wordt gehouden. Elke zone in de extruder is voorzien van zijn eigen verhittingselementen. De productkwalitiet is sterk afhankelijk van de juiste temperatuur in elke zone. De huidge temperatuurbeheersing voldoet hier niet aan, er is een maximale absolute afwijking van ongeveer 3 graden, zie figuur 1.

Inhoudsopgave

Introductie
Analyse van de huidige aansturing
Resultaat
Testen
Conclusie

figuur1-2 — Figuur 1: Temperaturen in 3 zones tijdens productie.

Analyse van de huidige aansturing

De extruder heeft meerdere verhittingszones. Elke verhittingszone in de extruder is voorzien van zijn eigen PID regelaar. De uitgang van de regelaar gaat naar een split range. Als het signaal, MV, kleiner is dan nul, dan wordt een PWM signaal uitgestuurd als aansturing van de koelklep. Als MV groter is dan nul, dan wordt de verhitter aangestuurd.

De temperatuurvariaties treden op in een regelmatig patroon. Dit kan worden veroorzaakt door een externe storingvariabele, door niet continue verstelbare actuatoren, of door onjuist ingestelde PID regelingen. Door de implementatie van de PWM, ontstaat er een niet lineaire relatie tussen de uitgang van de PID regeling, MV en de te regelen variabele, de temperatuur.
Daarnaast is er een minimum flow van 6% van de maximale flow. De minimum flow moet zo laag mogelijk gehouden worden. Ten slot werkt de huidige PID regeling maar met één set instellingen voor zowel verhitten als koelen.

Resultaat

Aan de hand van de aangegeven punten in de analyse zijn de volgende oplossingen naar boven gekomen:

Er is een alternatieve berekening voor het PWM signaal geprogrammeerd waardoor de relatie tussen de PID uitsturing en de opwarming en koeling lineair is.
Er is een split-range regeling geimplementeerd, waardoor er nu twee PID regeling zijn: 1 voor koelen, en 1 voor verwarmen. Dit was nodig omdat de dynamica voor koelen en verwarmen sterk verschillen.
Er is een nieuwe PID regelaar geprogrammeerd om een ‘bumpless’ overgang te kunnen realiseren.

Testen

Op basis van de geïmplementeerde verbeteringen zullen er tests worden gedaan voor het verhitten en verkoelen.

Testen bij verhitten

Het effect van verhitten op de temperatuur is als volgt gemodelleerd.

$T = \frac{50 e^{-250s}}{61340 s + 1} MV$

Met
$T$ = temperatuur (graden C)
$MV$ = uitsturing naar verhitter (%)
$s$ = Laplace variable

Daarnaast kan de oude PID regeling als volgt worden gemodelleerd.

$MV = KpSc \left( K_p e + k_i \frac{1}{s} e - K_d T_s \right)$
$e = SP - T$

Met
$KpSc$ = 0.3 (schalingsfactor, gevonden door fitten van data)
$K_p$ = 20 = proportionele versterking
$K_i$ = 1/270 $s^{-1}$ = integrerende versterkings-factor
$K_d$ = 180 s = differentiërende factor
$SP$ = setpoint

Het gesloten lus gedrag is gevalideerd met een setpoint stap experiment, zie figuur 2. Het model en de meting komen goed overeen. Dus kan er worden onderzocht of er betere PID regeling mogelijk is. Verder lijkt de huidige regeling te onvoldoende gedempt.

Figuur2-1 — Figuur 2: Verificatie experiment

In figuur 3 is te zien dat de nieuwe regeling, via de SIMC methode, de temperatuur beter regelt. Er is een verbetering in de MSE van een factor 2.

Testen bij koelen

Het regelen van de temperatuur bij koelen is aangepast: zowel het PWM signaal, als de PID regeling zelf is aangepast. De wijzigingen worden hieronder toegelicht.

De basisperiode van het signaal PMW is aangepast, zie Figuur 4. Daarbij is het signaal nu lineair afhankelijk van de uitgang van de PID regelaar.

Om de PID instellingen aan te passen, is eerst het model geïdentificeerd op basis van een black-box methode. Verder is de Dotx PID Regelaar geimplementeerd. Deze gedraagt zich als volgt:

$MV = Kp \left( e + \frac{1}{T_i s} e - \frac{T_ds}{a T_d s + 1} T \right)$
$e = SP - T$

Met deze twee modellen is een gesloten lus verificatie uitgevoerd, waaruit blijkt dat model en meting goed overeenkomen, zie figuur 5.

figuur2-4 — Figuur 5: verificatie experiment

Verder zijn er nog tests uitgevoerd tijdens de productie met hamka’s en ringlings. Onderstaande figuur laat zien hoe de Dotx regeling de temperatuur snel weer op setpoint krijgt, na een verstoring.

figuur2-6 — Figuur 6: Tests met beide PID regelingen tijdens de productie

Conclusie

Terugkomend op de hoofdvraag:

Kan de temperatuursbeheersing van de extruder worden aangepast, zodat de productkwaliteit in orde is?

Luidt het antwoord: Ja, door de relevante processen van de extruder te modeleren zijn er een aantal verbeteringen doorgevoerd aan de regeling, zoals een split-range regelaar, output linearisatie, en optimale PID instellingen. Daardoor zijn temperatuursvariaties afgenomen van 3C tot 0.5C.

Windturbine: Pitch & Yaw Optimalisatie

door Jelle Kalsbeek

De pitchhoeken van een windturbine worden aanvankelijk ingesteld door een monteur met behulp van een schroevendraaier of een knop om de hoek te fixeren waarop het blad moet zijn wanneer het op 0 graden staat (de fine-pitch hoek). De monteur lijnt de markeringen op het blad en in de neuskegel van de turbine uit om dit te doen.

Optimalizatie algoritme

Met onze automatische regelprocedure past de PLC van de windturbine:

Eerst de relatieve pitchhoeken aan om de onbalans van de rotor te minimaliseren.
Daarna past de computer alle bladhoeken in harmonie aan om de optimale fijne pitchhoek te vinden die de vermogensuitvoer van de turbine maximaliseert.

Een vergelijkbare procedure is ontwikkeld voor de yawhoek:

De yaw-hoek varieert in een stapvormige beweging, bijvoorbeeld van -10, -5, -2, +2, +5, +10 graden.
Een Maximum Power Tracking regeling zorgt ervoor dat continue geoptimaliseerd wordt naar vermogen.
Wanneer de optimale yaw-hoek gevonden is waarbij het geleverde vermogen maximaal is, kan het algoritme stoppen.

Field Test resultaten

De grafiek hieronder toont hoe de optimale yaw-offset convergeert naar zijn uiteindelijke waarde, binnen ongeveer 100 cycli (wat overeenkomt met 30 ‘effectieve’ uren, dat wil zeggen uren waarin de turbine onder de juiste omstandigheden werkt). In deze grafiek was de windvaan eerst gekalibreerd met behulp van een LIDAR, om ons in staat te stellen de geoptimaliseerde yawhoek te controleren. De op LIDAR gebaseerde yawafwijking, weergegeven als een zwarte lijn, bevestigt het resultaat.

Optimalisatie van de yawhoek om het vermogen te optimaliseren.

Waarde voor de klant

Met een geoptimaliseerde yaw & finepitch hoek heeft de klant met field tests laten zien dat gemiddeld genomen:

oscillaties met meer dan 80% kunnen worden verminderd,
terwijl het rendement met 3-6% per jaar kan worden verbeterd.

De klant bied dit inmiddels aan als een ‘upgrade package’ aan bestaande klanten, en de procedure wordt nu standaard tijdens de commissioning van nieuwe turbines uitgevoerd.

Certificering

De optimalisatieprocedure maakt uitsluitend gebruik van standaard aan boord aanwezige sensoren. Na optimalisatie wordt een PV-curveverschil ‘voor’ en ‘na’ gegenereerd, dat kan worden gebruikt om de exacte rendementsverbetering te berekenen. Deze procedure is geverifieerd door een certificatie-instituut en is toegepast op meer dan 20 windturbines in het veld.

Verbeteringen in de regeling van Kooksovens.

door Jelle Kalsbeek

Problem: reduce pressure variations in Cokes furnace 2.
Result: 70% reduction of pressure peaks

First strike (2010)
Cokesovens produceren kooks uit steenkool. Tijdens de productie ontsnappen giftige gassen uit de steenkool en worden afgezogen en getransporteerd naar de gasreinigingsinstallatie.

Het is belangrijk dat de druk in de ovens dicht bij het ingestelde punt wordt gehouden met minimale variaties. Als de druk te hoog stijgt, zal het naar het milieu ontsnappen. Als de druk te laag is, komt er lucht de oven binnen en verbrandt de steenkool/cokes en beschadigt de ovenbekleding. Om nauwkeurige controle mogelijk te maken, wordt de druk op 5 locaties in de oven op het ingestelde punt gehouden door 5 PID-regelaars die de klepposities aanpassen.

In de eerste fase analyseerde DotX gegevens en onderzocht de oorzaak van de drukvariaties en de mogelijkheden om deze te verminderen door het besturingssysteem aan te passen. In 2010 werden op basis van deze analyse de eerste wijzigingen in het besturingssysteem aangebracht:

De PID-regeling werd geoptimaliseerd.
Self Learning Feedforward werd geïmplementeerd als een toevoeging aan 4 PID-regelaars.
Play-compensatie werd geïmplementeerd als een uitbreiding van een van de besturingsuitgangen.

Self Learning Feedforward reageert uitsluitend op een triggervoorwaarde die aan 1 gaat als de oven wordt geladen met nieuwe steenkool. De drukpieken worden duidelijk verminderd met Self Learning Feedforward ingeschakeld. De play-compensatie vermindert het effect van speling tussen de besturingsuitgang (gevraagde kleppositie) en de werkelijke kleppositie. Al met al werden de drukvariaties met 50% verminderd.

Second strike (2020- now)
In 2020 vroeg Tata om advies over verdere vermindering van de drukvariaties. Er werden verschillende mogelijkheden voorgesteld:

Implementeer real-time monitoring van alle PID-regelingen (gereguleerde druk, uitgangen van PID en klepposities).
Maak een model van de druk op basis van eerst beginselen, verifieer het en gebruik het model om een verscheidenheid aan verbeteringen in het besturingssysteem te simuleren.

Het eerste punt, realtime monitoring, is in 2021 door DotX geïmplementeerd in de Azure-omgeving. Deze webtoegang maakt alleen het monitoren van gegevens mogelijk en biedt geen toegang tot enige Tata-computer of PLC. De monitor stelt degenen met toegang in staat om op elk moment en overal de status van de regellussen en de PID-ingangen en -uitgangen te controleren.

De onderstaande afbeelding toont een schermafbeelding van mijn mobiele telefoon (waar het internetadres om veiligheidsredenen is aangepast). Het laat de Procesvariabele (PV) en Setpoint (SP) zien gedurende het afgelopen uur. Als een regellus een probleem ondervindt, wordt er een e-mail gestuurd naar een groep mensen (inclusief DotX), waarin het probleem wordt uitgelegd en wordt gevraagd om actie te ondernemen. Deze e-mailmelding is een aanvulling op de reguliere alarmen in de bedieningsruimte (die soms over het hoofd worden gezien) en biedt ons (DotX) de mogelijkheid om te reageren.

Elke maand maakt DotX een rapport over Key Performance Indicators (KPI’s) op basis van de gegevens en bespreekt de resultaten met Tata. De KPI’s omvatten standaardafwijkingen van PV-SP, frequentiespectrumanalyse (om slecht gedempte oscillaties te detecteren), schattingen van speling in elke actuator en de effectiviteit van het besturingssysteem tijdens het laden (waar de hoogste drukpieken optreden).

Het tweede item (modellerings- en analysestudie) werd in 2020 uitgevoerd en resulteerde in de aanbeveling van Gain Scheduling en verschillende wijzigingen in feedforward.

Elke wijziging in het besturingssysteem werd geëvalueerd met wetenschappelijke procedures, zoals het regelmatig schakelen tussen een nieuwe situatie en de oude situatie gedurende ten minste 5000 keer. Dit stelt hen in staat om het effect op alle PID-regelingen vrij nauwkeurig te berekenen. Als een maatregel succesvol lijkt, wordt deze gedurende een langere periode gemonitord om de ‘gezondheid’ ervan te controleren. Sommige aanpassingen vereisten aanvullende analoge communicatie tussen PLC’s, die werden gerealiseerd door Tata.

Resultaten
Door voortdurende inspanningen om de controle te verbeteren, is het waarschijnlijk dat de standaardafwijkingen van elke regellus zullen blijven afnemen, zoals tot nu toe het geval is.

Back to Control Projects

pH Lus Optimalisatie

door Jan Schuurmans

Results of PID Control optimization of a pH loop

Een biofarmaceutisch bedrijf heeft DotX gevraagd om:

On-site assistentie bij het toepassen van de PID Tuner om 4 regellussen af te stemmen in twee 2000L bioreactoren.
On-site training in PID-afstemming met behulp van de DotX PID Tuner-software.

In deze post leggen we uit hoe we hebben samengewerkt en de geweldige resultaten hebben behaald.

De uitdagingen op het gebied van controle

De bioreactor in kwestie is een modern en hoogtechnologisch apparaat met PID-regellussen voor pH, opgelost zuurstof (DO) en temperatuur. Het meest uitdagende om te controleren is DO, omdat dit wordt geregeld door een mix van gassen, waaronder zuurstof, CO2 en lucht. De PID-uitvoer van de DO-lus is de invoer voor een schema van deze gassen.

Analyse van de PID-lussen

We hebben de regelschema’s en gegevens van de laatste batch geanalyseerd. Uit onze analyse bleek het volgende:

Alle PID-regelafstemmingen konden met minstens een factor 2 worden verbeterd (in termen van reactietijd en demping van de gesloten lus).
Er was een probleem met het schema voor gassen die worden gebruikt om DO te regelen: op een gegeven moment veroorzaakte dit schema instabiel lusgedrag.
Het was nuttig om laagdoorlaatfilters toe te voegen aan het DO-signaal om pieken te voorkomen bij het toepassen van de D-actie in de PID-regelaar.

Resultaat met de DO-lus

Hieronder ziet u gemeten gegevens van de DO-lus vóór optimalisatie (verzameld in een batch ervoor) en daarna (verzameld in de batch na het wijzigen van de PID-instellingen). Duidelijk is dat rond t=75 uur de afwijkingen van het streefdoel met meer dan een factor 10 zijn verminderd. Dit is gedeeltelijk te danken aan de veranderingen in het gasschema en de verbeterde PID-afstemming.

Resultaat met de pH-lus

Hieronder ziet u gemeten gegevens van de pH-lus vóór optimalisatie (verzameld in een batch ervoor) en daarna (verzameld in de batch na het wijzigen van de PID-instellingen). Het is duidelijk dat de reactietijd van de gesloten lus aanzienlijk is verbeterd (met meer dan een factor 4), demping is verbeterd en de afwijkingen van het streefdoel zijn verminderd met meer dan een factor 3.

Auto-Tuning van wind turbine regelaars

door Jan Schuurmans

Traditionele wind turbine regelingen

De regelingen van windturbines evolueeren snel en worden steeds complexer. De eerste regelsystemen voor variabele snelheid van windturbines beheersten alleen de generatorsnelheid en het generatorvermogen. Ze hadden slechts 1 PID-regellus nodig (voor snelheidsregeling via pitch), een koppel-snelheidscurve van de generator en een fine-pitch-schedule. Het afstemmen van het regelsysteem betekende dat slechts een paar parameters, zeg minder dan 5, moesten worden afgestemd.

Moderne windturbine regelingen

Echter, moderne regelaars van windturbines kunnen gemakkelijk 8 of meer PID-lussen draaien in de regelaar van de windturbine, uitgebreid met notch-filters, lead-lag-filters en low-pass-filters, gericht op niet alleen snelheidsregeling, maar ook voor-achterwaartse acceleratieregeling (om bodembelastingen op de toren te verminderen) en regeling van bladbelastingen (om belastingen op de gondel en bladen te verminderen).

Het afstemmen van al deze parameters (meer dan 200!) is niet meer zo eenvoudig, want tegenwoordig hebben we het over het afstemmen van honderden regelparameters. Bijvoorbeeld, het afstemmen van de PIDs voor de regellus van de generatorsnelheid in combinatie met de voor-achterwaartse lus is moeilijk: deze PIDs moeten niet alleen worden beoordeeld op demping en snelheid van reactie, maar ook op hun (grote!) effect op belastingen en pitch-activiteit. Daarnaast is er vaak een sterke interactie tussen deze twee regellussen.

Traditioneel stemden we het regelsysteem handmatig een keer af voor een specifieke configuratie van de windturbine en staken veel moeite in het minimaliseren van de belastingen terwijl we de vermogensafgifte maximaliseerden. Na de eerste (ontwerp van de windturbine) iteratie gingen onze klanten gewoon door met die instellingen terwijl ze de configuratie van de windturbine aanpasten, en pasten alleen de regelparameters aan indien nodig. Er is gewoonweg niet genoeg tijd voor afstemming. Het eindresultaat is een niet-optimaal ontwerp van de windturbine!

Auto Tuning: Optimalisatie naar belasting & vermogen

Om dit te veranderen, begonnen we te experimenteren met automatische tuning methoden. Het idee is relatief eenvoudig: probeer de manier waarop een regeltechnicus (zou moeten) werken te automatiseren. Eerst ontwikkelden we een algoritme dat regelparameters berekent op basis van een gespecificeerde bandbreedte van de gesloten lus (wb). Vervolgens zoeken we naar die wb-waarde die een kostenfunctie minimaliseert die (gewogen) belastingen versus vermogensafgifte bestraft. Bij deze laatste optimalisatie passen we gegevens toe die zijn gegenereerd uit belastingsimulaties op een (aero-elastisch) model.

Als voorbeeld, bekijk de grafieken hierboven. De bandbreedte werd gevarieerd (kruisjes) en voor elke waarde hebben we de toename/afname in vermogen en Ontwerp-Equivalente Belastingen (DELS) berekend, relatief aan een initiële afstemming. De ontwerper van de windturbine kan nu snel het effect van de afstemming beoordelen en beslissen tussen meer belastingvermindering met minder vermogensafgifte of andersom.

De besproken algoritmen zijn niet specifiek voor een bepaalde software voor windturbinebesturing en we hoeven niet op de hoogte te zijn van de details van uw besturingssoftware om dit te laten werken. Als u geïnteresseerd bent, neem dan alstublieft contact met ons op.

Ontwikkelink van een Jachtsimulator

door Jan Schuurmans

Stichting Leeuw vroeg aan DotX om een geoptimaliseerde versie van hun jaagsimulator te ontwikkelen. Deze simulator is een met kabels bediende manipulator die door een operator wordt aangestuurd. De operator ‘lok’ prooidieren om de manipulator te achtervolgen (met vlees). DotX heeft niet alleen nieuwe geoptimaliseerde besturingssoftware ‘op papier’ ontwikkeld, maar ook in de vorm van een spel. Een van de verbeteringen is de toepassing van ‘haptische feedback’. Dat betekent in dit geval dat de joystick tegenkracht geeft wanneer de manipulator een obstakel nadert.

Bijzonderheden: De spanning in de kabels wordt gegenereerd door een besturingsalgoritme dat bestaat uit twee delen. Het eerste deel berekent de gewenste spanningskrachten in drie loodrechte richtingen met behulp van 3 PID-regelaars (1 voor elke richting). Deze drie krachten worden vervolgens verwerkt via een spanningsverdelingsalgoritme in gesloten vorm, zoals beschreven in [1]. De haptische ondersteuning bestaat uit een terugduwkrachtveld rond vaste objecten (zoals muren en stenen in het gebied) dat wordt geschaald op basis van de tijd tot botsing, in de richting van de normaalvector die loodrecht staat op het botsende oppervlak.

https://www.instagram.com/p/BoqTWyJi5g2/?utm_source=ig_embed

[1] T. Lam et al, “Haptic interface in UAV tele-operation using force-stifness feedback”, 2009, IEEE.

Terug naar Projecten

Jaagsimulator

door Jan Schuurmans

Stichting Leeuw asked DotX to develop an optimised version of their hunting-simulator. This simulator is a cable driven manipulator that is controlled by an operator. The operator ’teases’ prey animals to hunt the manipulator (with meat).

DotX has not only developed new optimized control software ‘on paper’, but also in the form of a game. One of the improvements is the application of ‘haptic feedback’. That means, in this case, that the joystick pushes back when the manipulator approaches an obstacel. The tension forces in the cables are generated by a control algorithm consisting of two parts. The first part calculates the desired tension forces in three perpendicular directions using 3 PID controllers (1 for each direction). These three forces are then processed through a tension distribution algorithm in closed-form as described in [1].

The haptic assistance consists of a push-back force field around fixed objects (like walls and stones in the area) that is scaled on the basis of time to collision, in the direction of the normal vector that is perpendicular to the colliding surface.

https://www.instagram.com/p/BoqTWyJi5g2/?utm_source=ig_embed

[1] T. Lam et al, “Haptic interface in UAV tele-operation using force-stifness feedback”, 2009, IEEE.

Inleiding

Wat is een ‘Golden Run’?

De Rol van Geavanceerde Procesbesturing in het Bereiken van een ‘Golden Run’

Conclusie

Inleiding

Het ‘Golden Batch’ Concept in Six Sigma

Hoe Geavanceerde Procesbesturing kan Helpen

Conclusie

Introductie

Analyse van de huidige aansturing

Resultaat

Testen

Testen bij verhitten

Testen bij koelen

Conclusie

Optimalizatie algoritme

Field Test resultaten

Waarde voor de klant

Certificering

Een biofarmaceutisch bedrijf heeft DotX gevraagd om:

De uitdagingen op het gebied van controle

Analyse van de PID-lussen

Resultaat met de DO-lus

Traditionele wind turbine regelingen

Moderne windturbine regelingen

Auto Tuning: Optimalisatie naar belasting & vermogen

Neem contact met ons op