Robert Siemiński

Sztuczna inteligencja coraz śmielej wchodzi do przemysłu. Wspiera kontrolę jakości, analizuje zużycie energii, wykrywa anomalie i pomaga przewidywać awarie. W każdej z tych funkcji działa jednak na tej samej zasadzie: wyciąga wnioski z dostarczonych danych. Jeżeli dane są niepełne, opóźnione albo zniekształcone, nawet najbardziej zaawansowany algorytm nie odtworzy rzeczywistego stanu procesu.

W dyskusji o przemysłowym AI wiele miejsca poświęca się oprogramowaniu, komunikacji i mocy obliczeniowej. Znacznie mniej uwagi otrzymuje początek całego łańcucha: fizyczny punkt pomiarowy. Tymczasem to właśnie tam powstaje informacja o ciśnieniu, temperaturze lub przepływie, na podstawie której system ma później rozpoznać zmianę warunków pracy.

Wiarygodne pomiary ciśnienia i temperatury fundamentem dla algorytmów

System predykcyjny może zauważyć stopniowy wzrost temperatury, niestabilność ciśnienia albo odchylenie od historycznego profilu pracy urządzenia. Nie zawsze potrafi jednak samodzielnie rozstrzygnąć, czy obserwuje rzeczywistą zmianę procesu, czy problem związany z pomiarem. Przyczyną nietypowych wskazań może być między innymi przegrzanie przyrządu, pulsacja ciśnienia, częściowe zanieczyszczenie przyłącza, nieszczelność, niewłaściwe odpowietrzenie albo opóźniona reakcja czujnika temperatury. Dla algorytmu każda z tych sytuacji jest po prostu zmianą danych. Jeżeli instalacja nie została prawidłowo zaprojektowana, system może wygenerować fałszywy alarm albo, co gorsza, nie rozpoznać rzeczywistej anomalii.

Elementy znajdujące się pomiędzy procesem a przyrządem bywają traktowane jako drugorzędne akcesoria montażowe. W praktyce mają bezpośredni wpływ na trwałość aparatury, możliwość jej obsługi oraz powtarzalność pomiaru. Dobrym przykładem jest rurka syfonowa stosowana w pomiarach ciśnienia gorących mediów, w szczególności pary. Powstający w niej kondensat ogranicza bezpośredni kontakt przyrządu z medium o wysokiej temperaturze. Rurka może również łagodzić wpływ gwałtownych zmian ciśnienia. Brak właściwej ochrony cieplnej może skrócić żywotność przyrządu i zwiększyć ryzyko dryftu wskazań. Podobną rolę systemową pełnią zawory i kurki manometryczne. Pozwalają odciąć przyrząd od procesu, odpowietrzyć układ, przeprowadzić kontrolę lub wymianę oraz porównać wskazania z przyrządem kontrolnym. Bez możliwości okresowej weryfikacji trudno mówić o utrzymaniu jakości danych przez cały okres eksploatacji instalacji.

Ochrona czujników i wpływ armatury na systemy predykcyjne

W pomiarach temperatury ważnym elementem jest osłona czujnika. Chroni go przed ciśnieniem, przepływem, korozją oraz uszkodzeniami mechanicznymi, a jednocześnie umożliwia wymianę przyrządu bez naruszania szczelności procesu. Ochrona ma jednak swoją cenę: konstrukcja osłony wpływa na dynamikę pomiaru. Materiał, średnica, grubość ścianki, długość zanurzeniowa i kontakt czujnika z osłoną mogą zmieniać czas reakcji całego układu. Zbyt masywna osłona może spowodować, że wskazanie będzie poprawne, lecz pojawi się z opóźnieniem. W instalacji sterowanej automatycznie różnica kilkunastu lub kilkudziesięciu sekund może wpłynąć na interpretację dynamiki procesu, a tym samym na decyzję systemu.

Wyobraźmy sobie układ, w którym system analityczny wykrywa coraz większe wahania ciśnienia. Przyczyną może być zużycie pompy, niestabilna praca regulatora albo zmiana parametrów medium. Może nią jednak być także pulsacja przenoszona na przyrząd, częściowo niedrożne przyłącze lub pogarszający się stan punktu pomiarowego. Jeżeli każde odchylenie zostanie uznane za symptom awarii maszyny, utrzymanie predykcyjne zacznie generować niepotrzebne interwencje. Jeżeli natomiast zakłócenia pomiarowe staną się dla systemu nową normą, może on przeoczyć sygnał rzeczywistego zagrożenia.

Przemysłowe zastosowania AI mogą realnie zwiększać dostępność maszyn, ograniczać przestoje i wspierać kontrolę jakości. Nie zwalniają jednak z podstaw inżynierii pomiarowej. Prawidłowy dobór materiału, geometrii, sposobu montażu oraz armatury odcinającej i ochronnej nadal decyduje o tym, czy sygnał odpowiada rzeczywistemu stanowi procesu. Cyfryzacja nie unieważniła praw fizyki. Im bardziej przedsiębiorstwo chce polegać na automatycznej analizie danych, tym większą uwagę powinno poświęcić miejscom, w których te dane powstają. Sztuczna inteligencja może znaleźć zależności niewidoczne dla człowieka, ale nie naprawi przegrzanego przyrządu, niedrożnego przyłącza ani źle dobranej osłony czujnika. Dane dla AI rzeczywiście mogą trafiać do chmury. Ich wiarygodność nadal zaczyna się jednak na hali produkcyjnej.

Robert Siemiński
REM Sp. z o.o. – polski producent armatury i akcesoriów do pomiaru ciśnienia i temperatury