|
 
|
|
|
ANDRA TEKNIKER GoalArt erbjuder ett antal unika metoder för avancerat beslutsstöd. Våra metoder kan lösa larmproblemen för industriella anläggningar och komplexa tekniska produkter. Vår teknologi är överlägsen äldre tekniker. Här följer en kort jämförelse med konkurrerande teknik. 
KONVENTIONELLA STYRSYSTEM Dagens system erbjuder inget stöd för larmanalys, feldiagnos eller prediktion. Leverantörer kan ebjuda sig att "lösa" larmproblemen, men vad man får är en dyr inställning, som i bästa fall endast reducerar antalet okynneslarm. Larmen i en larmkaskad beror inte av felaktig inställning, utan följdfel. Bara en metod för rotfelsanalys kan lösa detta. STATISK LARMPRIORITET Dagens system ger ofta möjlighet att tilldela en statisk prioritet till varje larm, så att viktiga fel kan hanteras först. GoalArt erbjuder tillståndsbaserad larmprioritet, vilket möjliggör dynamisk prioritet beroende på anläggningens driftstillstånd. Det tillåter också att man helt undertrycker larm i tillstånd där de är irrelevanta. Statisk larmprioritet kan inte lösa problemen med larmkaskadar. Det viktigaste felet kan vara en följd av ett mindre viktigt fel. In stället för att hantera det viktigaste felet kan man inbland klara av hela situationen genom en enkel avhjälpning av rotfelet. Bara larmanalys kan hjälpa till med detta. FELTRÄD OCH LOGIK Larmanalys kan genomföras med hjälp av felträd eller styrsystemlogik. I så fall måste man ta hand om varje tänkbar felkombination och verifiera att föeträden är korrekta, vilket betyder att det är omöjligt att åsdtadkomma en komplett lösning. Till och med ett litet system med 15 sensorer (låg / normal / hög) möjliggör över 50 000 000 felfall. En lösning baserad på felträd är alltså i praktiken alltid inkomplett och opålitlig, medan GoalArts larmanalys hanterar samtliga teoretisk möjliga fall korrekt. Det går storlekordningar snabbare att bygga en MFM-modell och MFM kan uttrycka allt som går att göra i felträd. Felträd har alltså ingen fördel jämfört med MFM.  När det gäller tekniska produkter som flygplan, fordon och medicinsk utrustning, hanterar man normalt feldiagnos fenom att skriva dedicerad kod. GoalArts metoder kräver mycket mindre programmeringstid för implementering och uppdatering, och de passar utmärkt at integreras i vanlig kod. Algoritmerna kräver väldigt lite CPU och minne och är skrivna i C och C++. REGELBASERADE EXPERTSYSTEM Vissa leverantörer använder regelbaserade system med antingen diskret eller oskarp logik (fuzzy logic). Det behövs storleksordningar mer implementeringstid för dessa system jämfört med GoalArt, och realtidsegenskaperna hos systemen är ofta dåliga. Det är också mycket svårare att verifiera att en regelbas är korrekt. Regelbaserade sytem lider av samma problem som felträd och logik. LOGIKBASERADE AI-METODER Diagnosmetoder inom artificiell intelligens är ofta baserade på predikatlogik och använder mycket generella metoder för att genomföra resonemang, som till exempel Reiters algoritm. Inom forskningen beskrivs detta ibland som lösningen på feldiagnos. Faktum är dock att dessa system huvudsakligen använts för testning av elektriska kretsar och inte i andra tillämpningar. Metoderna är normal väldigt krävande vad gäller CPU-kraft och kan inte hantra mer än något hundratal objekt. Till sist kan man konstatera att dessa metoder fortfarande är forskning och inte produkter. LÄRANDE SYSTEM Inom forsknignen finns ett stort intresse för lärande system, till exempel Bayesisanska metoder, belief networks och neurala nät. Varför lägga tid på att bygga modeller om man kan låta systemet lära sig från verkligheten? Men hur kan man lära sig att hantera nya, unika och oväntade situationer, eller once-in-a-lifetime events? GoalArts metoder använder tillgänglig designkunskap för att analysera felsituationer som kanske aldrig har uppkommit förut. Det är en klar nackdel att behöva lära sig, om man i stället kan få ett korrekt resultat från första gången, och lärande system är alltid oförutsägbara i nya situationer. BÄTTRE PRESENTATION Dagens styrsystem har mycket bättre presentation är gårdagens. Möjligeten att navigera mellan snygga skärmbilder hjälper operatörerna att förstå till och med komplexa larmsituationer, eller hur? Nej, detta är inte sant. Ingen presentation, oavsett hur lättläst eller pedagogisk den är, låter operatörerna förstå stora larmkaskadar, av den typ som hände i Harrisburg. Det enda sättet att klara av stora larmkaskadar är att använda en automatisk larmanalysalgoritm som stöd för operatörerna. GOALART FINNS NU GoalArt erbjuder ett antal metoder för avancerat beslutsstöd och dessa metoder finns på markanden nu. Vi är djupt inblandade i forskning inom artificell intelligens och reglerteknik, men våra metoder är mogna och tillgängliga, och vi är redo att leverera dem nu. Vi erbjuder produkter, inte forskning. |
||
|
GoalArt, Scheelevägen 17, 223 63 Lund, Tel: 046 286 4880, Fax: 046 286 4882, E-mail: info@goalart.com, Web: www.goalart.com. |