WO2001055806A1 - Verfahren zum automatisierten generieren einer fehlerbaumstruktur - Google Patents

Verfahren zum automatisierten generieren einer fehlerbaumstruktur Download PDF

Info

Publication number
WO2001055806A1
WO2001055806A1 PCT/EP2000/000714 EP0000714W WO0155806A1 WO 2001055806 A1 WO2001055806 A1 WO 2001055806A1 EP 0000714 W EP0000714 W EP 0000714W WO 0155806 A1 WO0155806 A1 WO 0155806A1
Authority
WO
WIPO (PCT)
Prior art keywords
error
data
fault
tree structure
fault tree
Prior art date
Application number
PCT/EP2000/000714
Other languages
English (en)
French (fr)
Inventor
Jari Kallela
Gerhard Vollmar
Szaniszlo SZÖKE
Original Assignee
Abb Research Ltd.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Abb Research Ltd. filed Critical Abb Research Ltd.
Priority to EP00918736A priority Critical patent/EP1252556B1/de
Priority to AU2000239591A priority patent/AU2000239591A1/en
Priority to PCT/EP2000/000714 priority patent/WO2001055806A1/de
Priority to AT00918736T priority patent/ATE242499T1/de
Priority to CN00818685.5A priority patent/CN1433535A/zh
Priority to DE50002501T priority patent/DE50002501D1/de
Publication of WO2001055806A1 publication Critical patent/WO2001055806A1/de
Priority to US10/209,384 priority patent/US7013411B2/en

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics

Definitions

  • the invention relates to a method for the automated generation of an expanded fault tree structure which is adapted to a type of production plant or to a specific production plant.
  • the method is suitable for use in the context of a system for determining the effectiveness (Overall Equipment Effectiveness OEE) and in particular for analyzing the causes of errors.
  • Effectiveness is understood here to mean the term “overall equipment effectiveness, OEE”, which is described, for example, in Robert Hansen: Learning the Power of Overall Equipment Effectiveness, in the conference report 1999 Machinery Reliability Conference and Exposition, “The Meeting of Machinery Reliability Minds”, April 12-14, Chincinnati, Ohio, pages 19 through 30, edited by Industrial Communications, Inc., 1704 Natalie Nehs Dr., Knoxville, TN 37931.
  • OEE all equipment effectiveness
  • OEE is a method for determining a percentage that indicates the extent to which the actual productivity approaches a planned, i.e. predetermined, productivity.
  • FMEA Feilure Modes and Effects Analysis
  • fault tree analysis or statistical evaluation methods, such as the para- to-analysis [John Moubray, RCM2, Butterworth-Heinemann, Second Edition 1997].
  • the fault tree analysis is generally well suited for use in the context of fault cause analysis.
  • an error tree with a structure that is well adapted to the production plant should be available.
  • Such an adapted fault tree structure can be created by evaluating historical data from the production plant.
  • information is usually stored in history databases over longer periods of time, so that the required data are available.
  • Data is either collected directly from the associated production and machine control or from the control system. It is also possible for the machine operator to enter information about the state of production or machine using a data acquisition system (terminal, barcode reader). This makes it possible to save special information about errors in a database.
  • the invention is therefore based on the object of specifying a method which makes it possible, based on a general, non-adapted fault tree structure, to automatically generate an expanded structure which is adapted to a specific production plant.
  • This object is achieved by a method for the automated generation of an extended fault tree structure which is adapted to a production plant type or to a specific production plant and which has the features specified in claim 1.
  • An advantageous embodiment is specified in claim 2.
  • verification scripts are created and stored on the basis of predefined error hypotheses, according to the requirements of which data are retrieved from a data server in order to derive error events.
  • the derived error events are stored in an error database, if appropriate together with additionally entered error events.
  • a fault data classifier carries out a statistical evaluation of the stored fault events at predetermined time intervals and maps its results as weighted fault causes to a stored fault tree structure.
  • a major advantage is that by using the method a system capable of learning is created, which brings about a continuous adaptation of a fault tree structure to the respective production conditions.
  • 1 is a block diagram of a system for performing the method
  • the block diagram according to FIG. 1 shows components of a data processing device 20 which can be part of a system for determining the effectiveness of the production plant and for analyzing the causes of errors.
  • An error data bank 31, an error tree memory 32, and a verification script memory 33 are available as data memories.
  • Error event data can be entered via a data input 11.
  • a display device 12 enables results to be displayed.
  • An output 40 enables the output or forwarding of the generated fault tree structure. Error hypotheses can be entered by means of a hypothesis editor 13.
  • a weighted fault tree with a simple basic structure is previously stored in the fault tree memory 32.
  • the structure of the error tree and the weighting of the individual error causes are automatically changed by the result of the program sequences.
  • the hypothesis configurator 23 is set up to create a verification script on the basis of input fault hypotheses and to store it in the verification script memory 33.
  • the hypothesis verifier 21 is set up to access data from a data server 30 of the control system of the production plant and to derive error events from it in accordance with the requirements of the verification script, additional information about error events that can be entered via the data input 11 being taken into account. It stores determined error events in the error database 31.
  • the fault data classifier 22 is set up to call up the fault events from the fault database 31 at predeterminable time intervals, to classify them and to map them to the fault tree structure as weighted fault causes.
  • step 100 the criteria for verifying error hypotheses are entered.
  • An executable script is generated based on the criteria.
  • 3 shows an example of a script for three error hypotheses.
  • step 200 the script is applied cyclically to data from the control system or control system. 4 shows a typical data set. This data is checked according to the criteria of the verification script. Detected error events are stored in the error database 31 — if appropriate in addition to additionally entered error events.
  • Step 300 classifies the error events. This either happens automatically at fixed time intervals, for example once a month, or the user initiates the classification. The error events are classified according to the frequency of occurrence.
  • Step 400 maps the error events to a logical tree structure.
  • FIG. 6 shows a basic structure of an error tree and
  • FIG. 7 shows an expanded error tree.
  • FIG. 3 shows a script for verifying error hypotheses of a paper machine. These are the fault hypotheses for a pump fault, fiber break and creep speed. If an error is detected, the script writes status information to the error database 31.
  • a data record consists of an identifier (ID) for the signal and its value.
  • ID identifier
  • additional information such as data type, description data and system time may be accessible.
  • signals about the status of the machine, meter readings and engine speeds are often queried. Measured values of physical quantities and error status signals are also helpful for documenting faults.
  • a data record consists of a so-called time stamp (date and time), the production area where the error event occurred, the description of the error event and the corresponding event category as well as the duration of the event.
  • the operator can specify an error cause for the error event.
  • 6 shows the simple basic structure of the weighted fault tree for a paper machine.
  • the paper machine error has the causes of fiber breakage, standstill and creep.
  • the cause of downtime in turn is caused by washing and maintenance. After a classification, the frequency of the occurrence of an error cause can be output as a weight.
  • Fig. 7 shows the automatically expanded fault tree.
  • the basic structure is provided by the fault tree from FIG. 6.
  • a separate verification script was generated for the fiber breakage cause.
  • the error events identified in this script are automatically inserted into the error tree structure as error causes for fiber breakage.

Abstract

Die Erfindung bezieht sich auf ein Verfahren zum automatisierten Generieren einer erweiterten und an einen Produktionsanlagentyp oder an eine spezifische Produktionsanlage angepassten Fehlerbaumstruktur, die insbesondere im Rahmen eines Systems zur Ermittlung der Effektivität (Overall Equipment Effectiveness OEE) und zur Fehlerursachenanalyse verwendbar ist. Das Generieren erfolgt dabei unter Einsatz einer Datenverarbeitungseinrichtung (20) und darin gespeicherter Programme zur Durchführung der Funktionen Hypothesen-Verifizierer (21), Fehlerdaten-Klassifizierer (22) und Hypothesen-Konfigurierer (23), sowie auf der Basis einer vorgegebenen allgemeinen hierarchischen Fehlerbaumstruktur. Die erweiterte und angepasste Fehlerbaumstruktur wird in nachstehenden Schritten erzeugt: der Hypothesen-Verifizierer (21) greift auf Daten eines Datenservers (30) zu, aus denen er gemäss Ausführunganforderungen des Verifikations-Skripts Fehlerereignisse ableitet, und legt diese gegebenenfalls zusammen mit zuvor eingegebenen Fehlerereignissen in einer Fehlerdatenbank (31) ab, und in vorgebbaren Zeitabständen führt der Fehlerdaten-Klassifizierer (22) unter Zugriff auf die Fehlerdatenbank (31) eine Klassifikation der Fehlerereignisse durch, bildet sie als gewichtete Fehlerursachen auf die Fehlerbaumstruktur ab und zeigt die so erweiterte Fehlerbaumstruktur mittels einer Anzeigeeinrichtung (12) an und/oder führt sie einer sonstigen Ausgabeeinrichtung (40) zu.

Description

Verfahren zum automatisierten Generieren einer Fehlerbaumstruktur
Beschreibung
Die Erfindung bezieht sich auf ein Verfahren zum automatisierten Generieren einer erweiterten und an einen Produktionsanlagentyp oder an eine spezifische Produktionsanlage angepaßten Fehlerbaumstruktur.
Das Verfahren ist geeignet zur Verwendung im Rahmen eines Systems zur Ermittlung der Effektivität (Overall Equipment Effectiveness OEE) und dabei insbesondere zur Fehlerursachenanalyse.
Unter Effektivität wird hier der Begriff „Overall Equipment Effectiveness, OEE" verstanden, der beispielsweise beschrieben ist in Robert Hansen: Learning the Power of Overall Equipment Effectivineess, im Konferenzbericht 1999 Machinery Reliability Conference and Exposition, „The Meeting of Machinery Reliability Minds", April 12- 14, Chincinnati, Ohio, Seiten 19 bis 30, herausgegeben von Industrial Communications, Inc., 1704 Natalie Nehs Dr., Knoxville, TN 37931.
OEE ist demnach eine Methode zur Ermittlung einer Prozentzahl die angibt, inwieweit die jeweils tatsächliche Produktivität an eine geplante, also vorgegebene Produktivität heranreicht. OEE wird auch als Multiplikation synergetischer Parameter bezeichnet, die die „Gesundheit" eines Prozesses definieren, nämlich OEE = Verfügbarkeit x Verarbeitungsgeschwindigkeit x Qualität.
Betreiber von Produktionsanlagen sind aus wirtschaftlichen Gründen, sowie zur Sicherung der Produktqualität daran interessiert, eine im ungestörten Betrieb erreichbare Soll-Effektivität zu ermitteln und die jeweils aktuelle Effektivität damit zu vergleichen. Weicht die aktuelle Effektivität vom Sollwert ab, so bedeutet dies Produktivitätsverluste. Es ist dann zu ermitteln, welche Fehlerereignisse vorliegen und was dafür ursächlich ist. Ursachen können ihre Wurzeln im physikalischen, menschlichen oder organisatorischen Bereich haben.
Für die Analyse von Fehlern, also von Ereignissen, die das jeweilige Produktionsziel negativ beeinflussen, können unterschiedliche Methoden und Techniken eingesetzt werden. Die wichtigsten Vertreter sind FMEA (Failure Modes and Effects Analysis), Fehlerbaumanalyse, oder statistische Auswerteverfahren, wie beispielsweise die Pa- reto-Analyse [John Moubray, RCM2, Butterworth-Heinemann, Second Edition 1997].
Die Fehlerbaumanalyse ist grundsätzlich gut geeignet für einen Einsatz im Rahmen einer Fehlerursachenanalyse. Für eine effektive Fehlerursachenanalyse sollte allerdings ein Fehlerbaum mit gut an die Produktionsanlage angepaßter Struktur zur Verfügung stehen.
Eine solche angepaßte Fehlerbaumstruktur läßt sich durch Auswertung historischer Daten aus dem Produktionsbetrieb schaffen. In einem automatisierten Produktionsbetrieb werden nämlich üblicherweise in Historiendatenbanken Informationen über längere Zeiträume hinweg gespeichert, so daß die benötigten Daten zur Verfügung stehen. Daten werden dabei entweder direkt aus der zugehörigen Produktions- und Maschinensteuerung oder aus dem Leitsystem gesammelt. Außerdem ist es möglich, daß der Maschinenoperateur Informationen über den Zustand von Produktion oder Maschine mittels eines Datenakquisitionssystems (Terminal, Barcode Reader) eingibt. Damit ist es möglich, spezielle Information zu Fehlerfällen in einer Datenbank zu speichern.
Ein Problem besteht allerdings darin, daß die Auswertung der großen Datenmenge sehr aufwendig ist. Einmal mit großem Auswerteaufwand erstellte Fehlerbäume werden deshalb im allgemeinen nicht aktualisiert, so daß ein Erfahrungsrückfluß aus dem täglichen Betrieb nicht stattfindet.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren anzugeben, das es ermöglicht, ausgehend von einer allgemeinen, nicht angepaßten Fehlerbaumstruktur automatisiert eine erweiterte und an eine bestimmte Produktionsanlage angepaßte Struktur zu generieren. Diese Aufgabe wird durch ein Verfahren zum automatisierten Generieren einer erweiterten und an einen Produktionsanlagentyp oder an eine spezifische Produktionsanlage angepaßten Fehlerbaumstruktur gelöst, das die im Anspruch 1 angegebenen Merkmale aufweist. Eine vorteilhafte Ausgestaltung ist im Anspruch 2 angegeben.
Bei diesem Verfahren werde auf der Basis vorgegebener Fehlerhypothesen Verifikations-Skripts erstellt und gespeichert, gemäß deren Anforderungen Daten aus einem Datenserver abgerufen werden, um daraus Fehlerereignisse abzuleiten. Die abgeleiteten Fehlerereignisse werden - gegebenenfalls zusammen mit zusätzlich eingegeben Fehlerereignissen in einer Fehierdatenbank abgelegt. Ein Fehlerdaten- Klassifizierer führt in vorgegebenen Zeitabständen eine statistische Auswertung der gespeicherten Fehlerereignisse durch, und bildet seine Ergebnisse als gewichtete Fehlerursachen auf eine gespeicherte Fehlerbaumstruktur ab.
Ein wesentlicher Vorteil besteht darin, daß durch Anwendung des Verfahrens ein lernfähiges System geschaffen wird, das eine kontinuierliche Anpassung einer Fehlerbaumstruktur an jeweilige Produktionsgegebenheiten bewirkt.
Eine weitere Beschreibung der Erfindung und deren Vorteile erfolgt nachstehend anhand eines in Zeichnungsfiguren dargestellten Ausführungsbeispiels.
Es zeigen:
Fig. 1 ein Blockschema eines Systems zur Durchführung des Verfahrens,
Fig. 2 Schritte des Verfahrensablaufs,
Fig. 3 ein Skript zum Verifizieren von Fehlerhypothesen,
Fig. 4 typische Daten aus einem Steuerungssystem,
Fig. 5 Informationen, die in der Fehlerdatenbank gespeichert werden,
Fig. 6 eine einfache Grundstruktur eines gewichteten Fehlerbaums, und
Fig. 7 einen automatisch erweiterten Fehlerbaum.
Das Blockschema gemäß Fig. 1 zeigt Komponenten einer Datenverarbeitungseinrichtung 20, die Teil eines Systems zur Ermittlung der Produktionsanlagen-Effektivität und zur Fehlerursachenanalyse sein kann. Als Software-Komponenten zur Durchführung von Verarbeitungsfunktionen sind ein Hypothesen-Verifizierer 21 , ein Fehler- daten-Klassifizierer 22 und eir Hypothesen-Konfigurierer 23 dargestellt. Als Datenspeicher sind eine Fehlerdate ibank 31 , ein Fehlerbaumspeicher 32, und ein Verifikations-Skript-Speicher 33 voihanden. Über eine Dateneingabe 11 sind Fehlerereignis-Daten eingebbar. Eine An;:eigeeinrichtung 12 ermöglicht die Darstellung von Ergebnissen. Eine Ausgabe 40 ermöglicht die Ausgabe oder Weiterleitung der generierten Fehlerbaumstruktur. Mittels eines Hypotheseneditors 13 sind Fehlerhypothesen eingebbar.
Im Fehlerbaumspeicher 32 ist vorab ein gewichteter Fehlerbaum mit einer einfachen Grundstruktur gespeichert. Die Struktur des Fehlerbaums und die Gewichtung der einzelnen Fehlerursachen werden jeweils automatisiert durch das Ergebnis der Programmabläufe verändert.
Der Hypothesen-Konfigurierer 23 ist dafür eingerichtet, aufgrund eingegebener Fehlerhypothesen ein Verifikations-Skript zu erstellen und im Verifikations-Skript- Speicher 33 zu speichern.
Der Hypothesen-Verifizierer 21 ist dafür eingerichtet, gemäß Anforderungen des Verifikations-Skripts auf Daten eines Datenservers 30 des Leitsystems der Produktionsanlage zuzugreifen und daraus Fehlerereignisse abzuleiten, wobei über die Dateneingabe 11 eingebbare Zusatzinformationen zu Fehlerereignissen berücksichtigt werden. Er legt ermittelte Fehlerereignisse in der Fehlerdatenbank 31 ab.
Der Fehlerdaten-Klassifizierer 22 ist dafür eingerichtet, in vorgebbaren Zeitabständen die Fehlerereignisse aus der Fehlerdatenbank 31 abzurufen, zu klassifizieren und als gewichtete Fehlerursachen auf die Fehlerbaumstruktur abzubilden.
Fig. 2 zeigt die einzelnen Schritte des Verfahren zum automatisierten Generieren einer erweiterten Fehlerbaumstruktur.
In Schritt 100 werden die Kriterien zum Verifizieren von Fehlerhypothesen eingegeben. Anhand der Kriterien wird ein ausführbares Skript erzeugt. Fig. 3 zeigt beispielhaft für drei Fehlerhypothesen ein Skript. In Schritt 200 wird das Skript zyklisch auf Daten aus dem Steuerungssystem bzw. Leitsystem angewandt. Fig. 4 zeigt dazu einen typischen Datensatz. Diese Daten werden entsprechend der Kriterien des Verifikations-Skriptes überprüft. Erkannte Fehlerereignisse werden - gegebenenfalls neben zusätzlich eingegebenen Fehlerereignissen - in der Fehlerdatenbank 31 gespeichert.
Schritt 300 führt eine Klassifikation der Fehlerereignisse durch. Dies geschieht entweder automatisch in festen Zeitintervallen, beispielsweise einmal im Monat, oder der Benutzer initiiert die Klassifizierung. Die Fehlerereignisse werden hinsichtlich der Häufigkeit des Auftretens klassifiziert.
Schritt 400 bildet die Fehlerereignisse auf eine logische Baumstruktur ab. Die Fig. 6 zeigt eine Grundstruktur eines Fehlerbaumes und Fig. 7 einen erweiterten Fehlerbaum.
Fig. 3 zeigt ein Skript zum Verifizieren von Fehlerhypothesen einer Papiermaschine. Es handelt sich hierbei um die Fehlerhypothesen für einen Pumpenfehler, Faserbruch und Kriechgeschwindigkeit. Wird ein Fehler erkannt, dann schreibt das Skript eine Status-Information in die Fehlerdatenbank 31.
Fig. 4 zeigt typische Daten aus einem Steuerungssystem. Ein Datensatz besteht im einfachsten Fall aus einem Identifikator (ID) für das Signal und seinem Wert. Je nach System können zusätzliche Informationen wie Datentyp, Beschreibungsdaten und Systemzeit zugreifbar sein. Zum Verifizieren von Fehlerhypothesen werden häufig Signale zum Status der Maschine, Zählerstände und Motordrehzahlen abgefragt. Zur Dokumentation von Störungen sind zusätzlich Meßwerte von physikalischen Größen und Fehlerzustands-Signale hilfreich.
Fig. 5 zeigt beispielhaft Informationen, die in der Fehlerdatenbank gespeichert werden. Die Datensätze werden chronologisch als Historien abgelegt. Ein Datensatz besteht aus einem sog. Zeitstempel (Datum und Uhrzeit), dem Produktionsbereich, wo das Fehlerereignis aufgetreten ist, der Beschreibung des Fehlerereignisses und der entsprechenden Ereigniskategorie sowie der Dauer des Ereignisses. Zusätzlich kann vom Operateur eine Fehlerursache zum Fehlerereignis angegeben werden. Fig. 6 zeigt die einfache Grundstruktur des gewichteten Fehlerbaums für eine Papiermaschine. Der Papiermaschinenfehler hat die Ursachen Faserbruch, Stillstand und Kriechen. Die Ursache Stillstand hat wiederum die Fehlerursachen Waschen und Instandhalten. Nach einer Klassifikation kann die Häufigkeit des Auftretens einer Fehlerursache als Gewichtung mit ausgegeben werden.
Fig. 7 zeigt den automatisch erweiterten Fehlerbaum. Die Grundstruktur liefert der Fehlerbaum aus Fig. 6. Für die Fehlerursache Faserbruch wurde ein eigenes Verifikations-Skript erzeugt. Die in diesem Skript erkannten Fehlerereignisse werden automatisch als Fehlerursachen für Faserbruch in die Fehlerbaumstruktur eingefügt.

Claims

Patentansprüche
1. Verfahren zum automatisierten Generieren einer erweiterten und an einen Produktionsanlagentyp oder an eine spezifische Produktionsanlage angepaßten Fehlerbaumstruktur, die insbesondere im Rahmen eines Systems zur Ermittlung der Effektivität (Overall Equipment Effectiveness OEE) und zur Fehlerursachenanalyse verwendbar ist, wobei
a) das Generieren unter Einsatz einer Datenverarbeitungseinrichtung (20) und darin gespeicherter Programme zur Durchführung der Funktionen Hypothesen-Verifizierer (21 ), Fehlerdaten-Klassifizierer (22) und Hypothesen- Konfigurierer (23), sowie auf der Basis einer vorgegebenen allgemeinen hierarchischen Fehlerbaumstruktur erfolgt,
b) die Datenverarbeitungseinrichtung (20) Datenspeicher (31 ,32,33) enthält
zur Speicherung von Fehlerereignissen in einer Fehlerdatenbank (31 ), wobei die Fehlerereignisse über eine Dateneingabe (11 ) eingegeben oder aus Daten ermittelt werden, die aus einem Datenserver (30) abgerufen werden, sowie zur Speicherung der vorgegebenen und der generierten Fehlerbaumstruktur in einem Fehlerbaumspeicher (32), und zur Speicherung von Verifikations-Skripts für die Verifikation von Fehlerhypothesen in einem Verifikations-Skript-Speicher (33),
a) mittels eines Hypotheseneditors (13) Fehlerhypothesen eingebbar und änderbar sind, und wobei
b) die erweiterte und angepaßte Fehlerbaumstruktur in nachstehenden Schritten erzeugt wird: der Hypotnesen-veπtϊ ierer (21 ) greift auf Daten des Datenservers (30) zu, aus denen er gemäß Λusführunganforderungen des Verifikations-Skripts Fehlerereignisse ablei :et, und legt diese gegebenenfalls zusammen mit zuvor eingegebenen Fehlerereignissen in der Fehlerdatenbank (31) ab, und
in vorgebbaren Zeitabständen führt der Fehlerdaten-Klassifizierer (22) unter Zugriff auf die Fehlerdatenbank (31 ) eine Klassifikation der Fehlerereignisse durch, bildet sie als gewichtete Fehlerursachen auf die Fehlerbaumstruktur ab und zeigt die so erweiterte Fehlerbaumstruktur mittels einer Anzeigeeinrichtung (12) an und/oder führt sie einer sonstigen Ausgabeeinrichtung (40) zu.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, daß mittels des Fehlerdaten-Klassifizierers (22) in vorgebbaren Zeitabständen eine selbsttätige Überprüfung der Häufigkeit des Auftretens bestimmter Fehlerursachen durchgeführt wird, und abhängig von der damit ermittelten Fehlerursachen-Relevanz die Fehlerbaumstruktur und das Verifikations-Skript geändert werden.
PCT/EP2000/000714 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur WO2001055806A1 (de)

Priority Applications (7)

Application Number Priority Date Filing Date Title
EP00918736A EP1252556B1 (de) 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur
AU2000239591A AU2000239591A1 (en) 2000-01-29 2000-01-29 Method for automatic fault tree synthesis
PCT/EP2000/000714 WO2001055806A1 (de) 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur
AT00918736T ATE242499T1 (de) 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur
CN00818685.5A CN1433535A (zh) 2000-01-29 2000-01-29 用于自动生成故障树结构的方法
DE50002501T DE50002501D1 (de) 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur
US10/209,384 US7013411B2 (en) 2000-01-29 2002-07-29 Method for the automated generation of a fault tree structure

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2000/000714 WO2001055806A1 (de) 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US10/209,384 Continuation US7013411B2 (en) 2000-01-29 2002-07-29 Method for the automated generation of a fault tree structure

Publications (1)

Publication Number Publication Date
WO2001055806A1 true WO2001055806A1 (de) 2001-08-02

Family

ID=8163813

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2000/000714 WO2001055806A1 (de) 2000-01-29 2000-01-29 Verfahren zum automatisierten generieren einer fehlerbaumstruktur

Country Status (7)

Country Link
US (1) US7013411B2 (de)
EP (1) EP1252556B1 (de)
CN (1) CN1433535A (de)
AT (1) ATE242499T1 (de)
AU (1) AU2000239591A1 (de)
DE (1) DE50002501D1 (de)
WO (1) WO2001055806A1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003060618A1 (en) * 2001-12-21 2003-07-24 Honeywell International Inc. Method and apparatus for retrieving event data related to an activity
DE10210565A1 (de) * 2002-03-09 2003-09-18 Abb Research Ltd System und Verfahren zur Vorhersage von Störungsauswirkungen
CN100459462C (zh) * 2002-08-29 2009-02-04 华为技术有限公司 通讯系统故障诊断方法和系统
CN104683129A (zh) * 2013-11-28 2015-06-03 富士通株式会社 诊断树建立方法、网络故障诊断方法及其节点
CN106411579A (zh) * 2016-09-13 2017-02-15 深圳市金立通信设备有限公司 一种运行错误信息的处理方法及终端和系统

Families Citing this family (59)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2000264369A1 (en) * 2000-07-22 2002-02-05 Abb Research Ltd System and method for generating an xml-based error model
GB2373607B (en) * 2001-03-23 2003-02-12 Sun Microsystems Inc A computer system
US7447742B1 (en) * 2001-03-30 2008-11-04 Mirapoint Software, Inc. Dual-frame user interface on generic client software
DE10146901A1 (de) * 2001-09-24 2003-05-15 Abb Research Ltd Verfahren und System zur Bearbeitung von Fehlerhypothesen
US7131032B2 (en) * 2003-03-13 2006-10-31 Sun Microsystems, Inc. Method, system, and article of manufacture for fault determination
US20050038697A1 (en) * 2003-06-30 2005-02-17 Aaron Jeffrey A. Automatically facilitated marketing and provision of electronic services
US7237266B2 (en) * 2003-06-30 2007-06-26 At&T Intellectual Property, Inc. Electronic vulnerability and reliability assessment
US7409593B2 (en) * 2003-06-30 2008-08-05 At&T Delaware Intellectual Property, Inc. Automated diagnosis for computer networks
US7231550B1 (en) * 2003-10-31 2007-06-12 Sun Microsystems, Inc. Event protocol and resource naming scheme
US7249283B2 (en) * 2004-03-22 2007-07-24 Xerox Corporation Dynamic control system diagnostics for modular architectures
WO2006035931A1 (ja) * 2004-09-30 2006-04-06 Toshiba Solutions Corporation 情報システムの信頼性評価システム、信頼性評価方法、信頼性評価プログラム
US20060095230A1 (en) * 2004-11-02 2006-05-04 Jeff Grier Method and system for enhancing machine diagnostics aids using statistical feedback
US7600200B2 (en) * 2005-03-28 2009-10-06 Honeywell International Inc. Display of historical information related to field devices used in process control plants
US8219917B2 (en) * 2005-07-26 2012-07-10 International Business Machines Corporation Bubbling up task severity indicators within a hierarchical tree control
US7500142B1 (en) * 2005-12-20 2009-03-03 International Business Machines Corporation Preliminary classification of events to facilitate cause-based analysis
JP2007226398A (ja) * 2006-02-22 2007-09-06 Hitachi Ltd データベース接続管理方法及び計算機システム
US7770052B2 (en) * 2006-05-18 2010-08-03 The Boeing Company Collaborative web-based airplane level failure effects analysis tool
US7643916B2 (en) 2006-06-14 2010-01-05 Spx Corporation Vehicle state tracking method and apparatus for diagnostic testing
US9081883B2 (en) 2006-06-14 2015-07-14 Bosch Automotive Service Solutions Inc. Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan
US8762165B2 (en) 2006-06-14 2014-06-24 Bosch Automotive Service Solutions Llc Optimizing test procedures for a subject under test
US8423226B2 (en) * 2006-06-14 2013-04-16 Service Solutions U.S. Llc Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan
US8428813B2 (en) 2006-06-14 2013-04-23 Service Solutions Us Llc Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan
US20070293998A1 (en) * 2006-06-14 2007-12-20 Underdal Olav M Information object creation based on an optimized test procedure method and apparatus
US20100324376A1 (en) * 2006-06-30 2010-12-23 Spx Corporation Diagnostics Data Collection and Analysis Method and Apparatus
US7958407B2 (en) * 2006-06-30 2011-06-07 Spx Corporation Conversion of static diagnostic procedure to dynamic test plan method and apparatus
US7954008B2 (en) * 2007-01-15 2011-05-31 Microsoft Corporation Objective assessment of application crashes from a customer environment
JP5075465B2 (ja) * 2007-04-20 2012-11-21 株式会社東芝 インシデント・アクシデントレポート分析装置、方法、およびプログラム
US7694192B2 (en) * 2007-05-21 2010-04-06 International Business Machines Corporation Assisted problem remediation
US9442620B2 (en) * 2007-08-21 2016-09-13 Oracle International Corporation Navigation systems with event notification
US7681086B2 (en) * 2007-09-20 2010-03-16 Embraer- Empresa Brasileira De Aeronautica S.A. Fault tree map generation
US20090216584A1 (en) * 2008-02-27 2009-08-27 Fountain Gregory J Repair diagnostics based on replacement parts inventory
US20090216401A1 (en) * 2008-02-27 2009-08-27 Underdal Olav M Feedback loop on diagnostic procedure
US8239094B2 (en) * 2008-04-23 2012-08-07 Spx Corporation Test requirement list for diagnostic tests
US8648700B2 (en) * 2009-06-23 2014-02-11 Bosch Automotive Service Solutions Llc Alerts issued upon component detection failure
CN101788395B (zh) * 2010-01-22 2011-10-26 西南交通大学 地源热泵中央空调系统房间过热故障诊断检测方法及设备
JP5880866B2 (ja) * 2010-04-22 2016-03-09 日本電気株式会社 ランタイムシステムの故障の木解析の方法、システム及びプログラム
US8464102B2 (en) * 2010-12-23 2013-06-11 GM Global Technology Operations LLC Methods and systems for diagnosing hardware and software faults using time-stamped events
KR101599160B1 (ko) * 2011-10-19 2016-03-02 쟈트코 가부시키가이샤 Ft도 작성 지원 장치 및 ft도 작성 지원 방법
TWI453665B (zh) * 2012-06-15 2014-09-21 Univ Nat Kaohsiung 1St Univ Sc Event Analysis System of Mystery Tree and Its Analytical Method
US8583659B1 (en) * 2012-07-09 2013-11-12 Facebook, Inc. Labeling samples in a similarity graph
CN103577672B (zh) * 2012-08-01 2016-12-21 王振华 故障事件分析系统及其分析方法
CN102955715A (zh) * 2012-11-20 2013-03-06 中国兵器工业计算机应用技术研究所 一种故障树的建立方法
US9417628B2 (en) * 2013-03-13 2016-08-16 Western Digital Technologies, Inc. Production failure analysis system
US9430311B2 (en) 2013-07-23 2016-08-30 Halliburton Energy Services, Inc. Cause and effect mapping for failure mode effect analysis creation and risk management
CN104932428A (zh) * 2014-03-18 2015-09-23 中芯国际集成电路制造(上海)有限公司 硬件早期故障探测方法和装置
US10796315B2 (en) * 2014-12-15 2020-10-06 Siemens Aktiengesellschaft Automated recertification of a safety critical system
US10241852B2 (en) * 2015-03-10 2019-03-26 Siemens Aktiengesellschaft Automated qualification of a safety critical system
US20160327607A1 (en) * 2015-05-06 2016-11-10 Airbus Operations Limited Methods and systems for transforming fault tree diagrams of engineering systems
US10061670B2 (en) * 2015-12-28 2018-08-28 Siemens Aktiengesellschaft Method and apparatus for automatically generating a component fault tree of a safety-critical system
CN108700873B (zh) * 2016-03-09 2022-02-11 西门子股份公司 用于自动化系统的现场设备的智能嵌入式控制系统
US9940235B2 (en) 2016-06-29 2018-04-10 Oracle International Corporation Method and system for valid memory module configuration and verification
CN106292583B (zh) * 2016-08-16 2018-08-31 苏州朋泰智能科技有限公司 基于分布式mes的柔性制造系统的纠错方法及装置
CN106354118B (zh) * 2016-08-25 2019-08-09 株洲中车时代电气股份有限公司 一种基于故障树的列车故障诊断系统及方法
CN107065819B (zh) * 2016-12-28 2019-05-21 中国航空工业集团公司西安飞机设计研究所 一种结合功能流程图的故障树建立方法
US11361237B2 (en) 2018-07-27 2022-06-14 Conduent Business Services, Llc Methods and systems for performing predictive maintenance on vehicle components to prevent cascading failure in a transportation system
CN110045712B (zh) * 2019-03-06 2020-10-16 吉利汽车研究院（宁波）有限公司 一种控制器故障处理方法、装置及终端
CN111736568A (zh) * 2020-05-20 2020-10-02 天津市天锻压力机有限公司 一种实时数据库的故障快速诊断方法及系统
CN111830931B (zh) * 2020-07-15 2021-08-20 中国科学院微电子研究所 一种dcs系统的故障诊断方法
CN116992958B (zh) * 2023-09-27 2024-03-12 中国长江电力股份有限公司 基于故障知识库自动生成fta实时动态树的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5305426A (en) * 1991-05-15 1994-04-19 Kabushiki Kaisha Toshiba Plant operation support system for diagnosing malfunction of plant

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4632802A (en) * 1982-09-16 1986-12-30 Combustion Engineering, Inc. Nuclear plant safety evaluation system
US5067099A (en) * 1988-11-03 1991-11-19 Allied-Signal Inc. Methods and apparatus for monitoring system performance
JPH0816956B2 (ja) * 1990-01-18 1996-02-21 株式会社日立製作所 フォールト・トリー表示方法、フォールト・トリー表示装置およびプロセス診断支援システム
JP2985505B2 (ja) * 1991-07-08 1999-12-06 株式会社日立製作所 品質情報収集診断システム及びその方法
US5566092A (en) * 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
WO1995027236A1 (de) * 1994-03-31 1995-10-12 Siemens Aktiengesellschaft Verfahren zur automatischen diagnose von störungsfällen
US5544308A (en) * 1994-08-02 1996-08-06 Giordano Automation Corp. Method for automating the development and execution of diagnostic reasoning software in products and processes
US7823015B2 (en) * 2001-02-20 2010-10-26 Siemens Aktiengesellschaft Method and device for determining a full error description for at least on part of a technical system computer program element and computer-readable storage medium
US6907545B2 (en) * 2001-03-02 2005-06-14 Pitney Bowes Inc. System and method for recognizing faults in machines
US6820044B2 (en) * 2001-10-09 2004-11-16 University Of Maryland Method and apparatus for a common-cause failure module for probabilistic risk assessment tools
GB0127551D0 (en) * 2001-11-16 2002-01-09 Abb Ab Analysing events

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5305426A (en) * 1991-05-15 1994-04-19 Kabushiki Kaisha Toshiba Plant operation support system for diagnosing malfunction of plant

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CAMARINOPOULOS L ET AL: "EINE METHODE ZUR AUTOMATISCHEN FEHLERBAUMENTWICKLUNG. A METHOD FOR AUTOMATIC FAULT TREE SYNTHESIS", ANGEWANDTE INFORMATIK. APPLIED INFORMATICS,DE,VIEWEG UND SOHN VERLAG GMBH. BRAUNSCHWEIG, vol. 27, no. 9, 1 September 1985 (1985-09-01), pages 389 - 399, XP000715927, ISSN: 0013-5704 *
SURYAPRAKASA RAO KAVURI ET AL: "AN INTERRUPTION TREE MODEL TO EVALUATE SYSTEM PERFORMANCE OF INDUSTRIAL PROCESSING COMPLEX", PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS,US,NEW YORK, IEEE, vol. -, 14 November 1989 (1989-11-14), pages 1224 - 1225, XP000129962 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003060618A1 (en) * 2001-12-21 2003-07-24 Honeywell International Inc. Method and apparatus for retrieving event data related to an activity
DE10210565A1 (de) * 2002-03-09 2003-09-18 Abb Research Ltd System und Verfahren zur Vorhersage von Störungsauswirkungen
CN100459462C (zh) * 2002-08-29 2009-02-04 华为技术有限公司 通讯系统故障诊断方法和系统
CN104683129A (zh) * 2013-11-28 2015-06-03 富士通株式会社 诊断树建立方法、网络故障诊断方法及其节点
CN104683129B (zh) * 2013-11-28 2019-02-15 富士通株式会社 诊断树建立方法、网络故障诊断方法及其节点
CN106411579A (zh) * 2016-09-13 2017-02-15 深圳市金立通信设备有限公司 一种运行错误信息的处理方法及终端和系统

Also Published As

Publication number Publication date
DE50002501D1 (de) 2003-07-10
EP1252556A1 (de) 2002-10-30
US7013411B2 (en) 2006-03-14
EP1252556B1 (de) 2003-06-04
CN1433535A (zh) 2003-07-30
AU2000239591A1 (en) 2001-08-07
ATE242499T1 (de) 2003-06-15
US20030028823A1 (en) 2003-02-06

Similar Documents

Publication Publication Date Title
EP1252556B1 (de) Verfahren zum automatisierten generieren einer fehlerbaumstruktur
EP1250632B1 (de) System und verfahren zur ermittlung der produktionsanlagen-effektivität, von fehlerereignissen und der fehlerursachen
EP2122428B1 (de) Verfahren und system zur ermittlung von zuverlässigkeitsparametern einer technischen anlage
EP0789861B1 (de) Verfahren zur analyse von prozessdaten einer technischen anlage
WO2002013015A1 (de) System zur ermittlung von fehlerursachen
DE69930501T2 (de) Ultrasensitive überwachung von sensoren und prozessen
DE69910800T2 (de) Verfahren und Vorrichtung zur Überwachung des Betriebszustandes einer einzelnen Maschine
DE102010052998A1 (de) Software-zentrierte Methodik für die Überprüfung und Bestätigung von Fehlermodellen
DE102009024101A1 (de) Verfahren zum Aufbereiten von Prozesszustandsdaten und/oder Maschinenzustandsdaten einer Werkzeugmaschine
DE19758077A1 (de) Einrichtung zum Steuern des Prüfens von integrierten Schaltkreisen
DE102004024262A1 (de) Wissensbasiertes Diagnosesystem für ein komplexes technisches System mit zwei getrennten Wissensbasen zur Verarbeitung technischer Systemdaten und zur Verarbeitung von Kundenbeanstandungen
DE60219821T2 (de) Verfahren und gerät zum wiedergewinnen von zeitreihedaten, die mit einer aktivität in beziehung stehen
EP0789864B1 (de) Überwachungssystem für eine technische anlage
EP3210088B1 (de) Verfahren und assistenzsystem zur erkennung einer störung in einer anlage
DE102007039531A1 (de) Verfahren zum Beschaffen von instandhaltungsrelevanten Informationen zu einer Anlage
EP1657670A1 (de) System und Verfahren zur Status- und Fortschriftskontrolle eines technischen Prozesses oder eines technischen Projektes
DE102004015503A1 (de) Verfahren und Vorrichtung zum Korrigieren diagnostischer Analysekonzepte in komplexen Systemen
DE102004029222A1 (de) Verbesserungsunterstützungssystem
EP1250666B1 (de) Verfahren zum automatisierten ermitteln von fehlerereignissen
DE10238831A1 (de) Verfahren und Vorrichtung zur Prozessoptimierung
DE112020003659T5 (de) Verfahren zur diagnose von anomalien, vorrichtung zur diagnose von anomalienund programm zur diagnose von anomalien
DE10146901A1 (de) Verfahren und System zur Bearbeitung von Fehlerhypothesen
EP3340250B1 (de) Bauteilidentifikation bei der fehlerbehandlung von medizinischen geräten
EP3812949A1 (de) Konfigurierbarer digitaler zwilling
DE19742448C1 (de) Diagnosemodul zum Erstellen einer Diagnose für elektrisch ansteuerbare Systeme und Diagnoseeinrichtung zum Erstellen einer Gesamtsystemdiagnose

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AL AM AU AZ BA BB BG BR BY CA CN CR CU CZ DM EE GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LV MA MD MG MK MN MW MX NO NZ PL RO RU SD SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GH GM KE LS MW SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
WWE Wipo information: entry into national phase

Ref document number: 2000918736

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 008186855

Country of ref document: CN

Ref document number: 10209384

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2000918736

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 2000918736

Country of ref document: EP