Aldo Dagnino ABB Advanced Analytics Cary, NC, United States, aldo.dagnino@us.abb.com, Carsten Beuthel S+ Operation Mannheim, Germany, carsten.beuthel@de.abb.com, Thomas-Christian Skovholt Digital Delivery Oslo, Norway, thomas.skovholt@no.abb.com, Martin Hollender, Marcel Dix ABB Corporate Research Ladenburg, Germany, martin.hollender@de.abb.com, marcel.dix@de.abb.com
Las grandes plantas de procesamiento, como las instalaciones petroquímicas y de generación de energía, dependen de complejos sistemas de control para controlar procesos, equipos y operaciones con el fin de obtener buenos resultados. Al principio, los paneles con instrumentos de control conectados a sensores ofrecían información analógica en pantalla a un experto debidamente formado que decidía lo que había que hacer. Se activaban sistemas de emergencia para detener los procesos en riesgo de superar ciertos límites de seguridad, ambientales o económicamente aceptables.
Con la llegada de los sistemas de control distribuido (DCS), los operadores podían controlar los procesos sin comprender los equipos. Configurando y desplegando alarmas con facilidad, los técnicos establecían alarmas en todo el sistema (normalmente, entre el 80 % y el 20 % del rango de funcionamiento de los equipos). El resultado fue la proliferación de alarmas: cada evento activaba una alarma. De repente, las plantas de procesos tuvieron que hacer frente a demasiadas alarmas debido a la excesiva cantidad de datos disponibles, si bien con insuficiente información relevante. El limitado espacio de visualización obligaba a los operadores a seguir los manuales de instrucciones en caso de que se produjera un evento: un proceso laborioso y lento.
Aunque el DCS forma parte del Internet Industrial de las Cosas (IIoT), la cantidad de big data, el nivel de automatización, la disponibilidad de sensores precisos de bajo coste, el almacenamiento ilimitado de datos y la complejidad de la pantalla de visualización requieren un sistema de control más directo que dirija rápidamente la atención de los operadores hacia la información relevante, y con el menor número posible de eventos/alarmas importantes →01. Pero, ¿qué pasaría si los operadores pudieran predecir eventos críticos antes de que sucedan? Se podría evitar la pérdida de producción y rendimiento, averías en los equipos y eventos que amenazan la seguridad ambiental y humana. Para lograr este objetivo final, ABB se ha concentrado en ofrecer a sus clientes este sistema: el Intelligent Alarm Management (IAM) de ABB.
Sistema de alarma inteligente
En la actualidad, el diseño del sistema de gestión de alarmas debe incorporar ergonomía, ingeniería de instrumentación, pensamiento sistémico, análisis avanzado y visualización para mejorar la usabilidad del sistema de control. Aprovechando su experiencia en el ecosistema IIoT y DCS, el IAM resultante de ABB supera los conceptos existentes para perfeccionar el análisis y la usabilidad. No solo incorpora un nivel de análisis adicional para reducir las alarmas molestas (de-chattering), sino que se ha diseñado otro sofisticado segundo nivel de análisis de tres capas. El IAM consta de una capa de datos que extrae alarmas y crea un modelo de datos de alarmas de acuerdo con 25 atributos, una capa de análisis con algoritmos recién desarrollados para analizar de forma precisa y repetida los datos de alarmas, y la capa de visualización de la interfaz gráfica de usuario (GUI) basada en el concepto de diseño de usuario de ABB para consultar los resultados de los análisis →02.
Alarmas en los sistemas de control y su gestión
Fundamentalmente, las alarmas alertan al operador de desviaciones de las condiciones normales de funcionamiento. Para ser eficaces, los operadores deben evaluar de forma rápida y precisa aquellas alarmas que requieren atención y acción inmediatas. Sin embargo, los sistemas convencionales son estáticos; las alarmas no responden a los cambios en el modo de funcionamiento o condiciones de los equipos. Cuando un compresor grande se apaga en una planta petroquímica, muchas de las alarmas resultantes son no críticas y secundarias; superfluas y molestas, estas alarmas hacen que el operador pierda tiempo buscando y analizando. IAM de ABB puede solucionar estos problemas. El sistema dinámico filtra los eventos y las alarmas en función de las condiciones reales de funcionamiento de la planta, despejando así el camino para que los operadores identifiquen y aborden rápidamente las alarmas importantes. Para ello, el IAM realiza una serie de cinco análisis: eliminación profunda del ruido de alarmas (dechattering), análisis de la secuencia de alarmas, análisis de las alarmas críticas, reglas de enmascaramiento y análisis de avalanchas de alarmas. Todos estos métodos están basados en técnicas de minería de datos para identificar patrones de datos.
Desarrollo del IAM
Desarrollado a partir de datos históricos de plantas de procesamiento de petróleo y gas, entre otros, el análisis se basa en conceptos como la basketization o creación de cestas, un proceso que divide los datos en intervalos de tiempo adecuados; y métricas, que permiten priorizar los resultados.
03a. Ejemplo de una cesta de alarmas críticas creada en torno a una alarma crítica específica, C; se utiliza para identificar las secuencias de alarmas que suceden antes y después de este evento específico. En este caso, se han creado cuatro cestas retrospectivas y prospectivas para la alarma crítica C de longitud t. 
03b. Se muestra un ejemplo de creación de cestas de tiempo con el nuevo algoritmo de minería de secuencias de ABB. El algoritmo crea tres cestas de tiempo iguales. Cada cesta contiene las alarmas que figuran en el registro de alarmas: Se ordenan según los registros horarios (la hora en la que se activó cada alarma).
03. La creación de cestas (cestas de tiempo) esimportante para los análisis de secuencias de alarmas y alarmas críticas. Cada tipo deanálisis requiere distintos tipos de cestas.
La basketization se utiliza para almacenar las alarmas repetidas o de corta duración en caso de ruido de alarmas, para dividir las secuencias de alarmas en periodos de tiempo iguales a los del análisis de alarmas secuenciales y para identificar las secuencias de alarmas que ocurren antes o después de un evento específico como en el análisis de alarmas críticas →03. La vida útil de la alarma —el tiempo entre la vuelta al Rtnt normal y el tiempo de activación del Actt de una alarma— y los intervalos de tiempo entre alarmas (TG) —el tiempo entre la activación de una alarma y una segunda alarma que se produce posteriormente (TGB-A = ActtB – ActtA) vienen determinados por atributos de los datos →04; estos se utilizan para el análisis de eliminación de ruido de los registros de alarma aplicando dos algoritmos de nuevo desarrollo: un algoritmo es para la vida de una alarma y su frecuencia de repetibilidad; el otro es para las alarmas repetitivas: aquellas en las que existe un corto intervalo de tiempo entre la activación y la vuelta a la normalidad. El analista realiza primero el análisis de eliminación de ruido y a continuación puede decidir eliminarla del registro de alarmas si procede.
El análisis de modelos de secuencias
Una vez eliminado el ruido del registro de alarmas, el IAM utiliza los tiempos de activación de los datos históricos de las alarmas para identificar y caracterizar las alarmas que a menudo suceden juntas. Utilizando dos medidas importantes: soporte y unión, las secuencias de alarmas pueden clasificarse en función de su importancia [1]. El algoritmo crea cuatro cestas de tiempo equivalentes con una duración específica: cada cesta contiene las alarmas del registro, ordenadas según el momento de activación. El algoritmo de minería de secuencias identifica secuencias cerradas de alarmas con soporte: la proporción de observaciones del conjunto de datos que contiene el conjunto de elementos específicamente definido [1]. A continuación, se utiliza la unión para clasificar los conjuntos de secuencias cerradas conforme a procedimientos aceptados [1].
Análisis de alarmas críticas Los operadores y responsables de una planta de procesos no solo tratan de resolver eventos críticos inmediatamente, sino que también procuran evitar la aparición de eventos a toda costa. El IAM facilita este proceso identificando las alarmas que se producen con frecuencia, antes o después de una alarma crítica (a menudo indicada con fines de seguimiento). Tomando como base las horas de activación de las alarmas que figuran en el histórico de alarmas, y el análisis prospectivo y retrospectivo en un intervalo de tiempo específico (normalmente 60 minutos), el modelo identifica las secuencias de alarmas alrededor de las alarmas críticas. Cada evento se asocia a un nivel de gravedad que determina la criticidad del evento.
Más análisis, mejor funcionalidad
Además de los modelos analíticos de eliminación de ruido, secuencias y alarmas críticas, ABB empleó el análisis de reglas de enmascaramiento y el análisis de avalanchas de alarmas para ofrecer a los operadores una mejor funcionalidad. El método de las reglas de enmascaramiento se utiliza para determinar si la vida útil de una alarma está contenida dentro de la de otra alarma; esto da una idea de si la alarma contenida es redundante o no. Como su propio nombre indica, el análisis de avalanchas de alarmas identifica las oleadas de alarmas que pueden producirse después de determinadas operaciones de la planta: apagado de equipos con fines de mantenimiento preventivo o limpieza, etc. Si no dan lugar a nuevas alarmas, estas avalanchas de alarmas pueden ser «normales» y no requerir ninguna acción adicional por parte del operador.
Visualización de alarmas para impulsar la usabilidad
Tras las exhaustivas pruebas de los modelos analíticos con datos de la industria del gas y el petróleo, un importante contribuyente al desarrollo de los sistemas de alarmas, ABB estudió diversos conceptos de visualización en pantalla. Después de todo, el operador debe saber qué hay que hacer y cuánto tiempo tiene para hacerlo. Las visualizaciones dirigidas reducen la carga del operador, permiten mejores predicciones de eventos y mejoran las configuraciones del sistema de alarmas. [2]. A lo largo del camino, han surgido algunos desafíos conocidos: espacio limitado y demasiados datos en la pantalla; y confusión de colores. Al desarrollar simultáneamente conceptos para representar el análisis de alarmas, permitir el filtrado de datos y el agrupamiento de las visualizaciones: vista de lista convencional →05a, diagramas de anillos →05b, y coordenadas paralelas →05b; se evaluaron criterios como la practicidad, la legibilidad y la eficacia del agrupamiento y se desarrollaron las mejores vistas para los tipos de análisis específicos [2].
05a. Un prototipo de la interfaz de usuario: a la derecha se muestra una vista de lista para el análisis de eventos críticos y a la izquierda aparece un filtro de coordenadas paralelas. 
05b. La pantalla de visualización de anillos incluye los anillos (derecha) y el filtro de coordenadas paralelas (izquierda): cuanto mayor es el segmento de anillos, mayor es el número de secuencias que comienzan con la alarma en cuestión. El tamaño del segmento circular representa la cantidad de alarmas. Cuanto mayor es el segmento, más alarmas con este nombre aparecen. La información detallada sobre las secuencias que contienen la jerarquía que se ha seleccionado se obtiene al pasar el ratón.
05. Las vistas GUI se eligieron para permitir la máxima legibilidad y usabilidad.
Productos de alarmas y visión de ABB
El sistema IAM se ha comercializado y actualmente está incorporado al software ABB Ability™ Symphony® Plus [3]. Básicamente, para llevar a cabo el análisis de alarmas, los datos históricos se importan al IAM como archivos de texto de diversos formatos; los datos se transforman con la ayuda de un archivo de mapeo, ya sea creado o importado, en un modelo global de alarmas (GLAM), que proporciona el mínimo común múltiplo de los datos históricos de las alarmas y establece su almacenamiento →06. El software define actualmente 10 aspectos de alarma diferentes; sin embargo, pueden establecerse hasta 52 aspectos individuales diferentes dependiendo de las necesidades del cliente.
El nuevo sistema, AlarmInsight® y Safety-Insight™ de ABB, se ha diseñado para ayudar a lograr operaciones seguras y fiables en el sector de la automatización de procesos durante todo el ciclo de vida de una planta y abarca la fase de diseño técnico inicial y la fase operativa posterior.
La fase de diseño técnico se basa en datos de ingeniería digitalizados para que las herramientas documenten los riesgos, definan barreras apropiadas y diseñen un sistema de seguridad y alarmas «instrumentado». La segunda, o fase operativa, se basa en datos operativos contextualizados (TI/TO). Esto ayuda a hacer un seguimiento del rendimiento de los sistemas de alarmas y seguridad, transformando los datos en información práctica para permitir una toma de decisiones informadas.
El uso de un análisis avanzado de alarmas elimina las «conjeturas» del proceso de racionalización de alarmas. El deep learning resultante de los análisis puede incorporarse de nuevo a las herramientas de diseño técnico y utilizarse para optimizar o mantener los sistemas de automatización y seguridad. El proceso holístico de ABB completa el soporte de gestión durante todo el ciclo de vida de las alarmas.
La visión de ABB de la gestión de alarmas se deriva de su amplia participación en, y de su compromiso demostrado con, estándares como EEMUA 191 e ISA SP 18.2 que abordan la importancia de una sólida capacidad de gestión de alarmas en las plantas de procesos y su amplia experiencia en plantas de generación de energía. Cada alarma debería alertar, informar y orientar, las alarmas deberían presentarse a un ritmo que los operadores puedan manejar, los problemas detectables deben alertarse lo antes posible y el coste/beneficio del diseño técnico de las alarmas debe ser razonable. Nuestro Ability® Symphony™ Plus HMI, S+ Operations, incorpora las últimas tecnologías de IAM de ABB para hacer realidadesta visión.
El sistema de alarma inteligente de ABB consta de dos partes críticas pero distinguibles que no pueden separarse: la optimización técnica del sistema de alarmas y la optimización de la interfaz hombre-máquina. Este enfoque hacia el desarrollo de alarmas no solo supone para los operadores una mayor concienciación, tiempos de respuesta más rápidos y mejores decisiones, sino que también ofrece a las industrias de procesos la posibilidad de hacer predicciones. Symphony Plus HMI, S+ Operations de ABB con IAM presenta capacidades que van muy por delante de las capacidades descriptivas de los sistemas de gestión de alarmas disponibles en la actualidad.
Agradecimientos
Agradecemos especialmente su colaboración a los miembros originales del equipo de IAM: Jinendra Gugaliya, Marcel Dix, Veronika Domova y Mithun Acharya por su valiosa contribución al proyecto IAM. Además, agradecemos a Roland Weiss y Alf Isaksson su apoyo como directores del programa de investigación durante el proyecto
Referencias
[1] A. Dagnino, “Data Mining Methods to Analyze Alarm Logs in IoT Processes”, in IEEE 15th International Conference on Automation Science and Engineering, August 22-26, Vancouver, Canada, 2019, pp. 1-14.
[2] V. Domova, “Intelligent Alarms Management: Sequences analysis visualization: Guided report on implementation”. ABB Internal Report, 2018, pp. 1-37.
[3] ABB Ability™ Symphony ® Plus, “Intelligent Alarm Management Technical Preview 1: Release Notes in Power Generation & Water”, ABB Internal Report, 2018, pp. 1-57.
