ارزیابی عملکرد سیستم‌های هشدار چندمتغیره مبتنی بر مدل مارکوف

سیستم های هشدار برای حفظ ایمنی و کارایی فرآیندها بسیار مهم هستند. ازآنجاکه بسیاری از متغیرهای فرآیند به یکدیگر وابسته هستند، در این مقاله رفتار یک سیستم هشدار چندمتغیره با استفاده از مدل مارکوف مدلسازی و روشی برای طراحی سیستم های هشدار چندمتغیره معرفی می گردد. در این روش طراحی بر اساس شاخص های هشدار مشترک انجام می‌شود. در این مقاله با استفاده از مدل مارکوف چندمتغیره، یک روش تقریبی برای محاسبه شاخص های مشترک joint far و joint mar برای یک سیستم هشدار m متغیره معرفی شده و این شاخص ها برای یک سیستم هشدار دومتغیره محاسبه می‌گردد. در این روش، از حل یک مسئله بهینه‌سازی خطی و تشکیل ماتریس گذار مدل مارکوف چندمتغیره، شاخص های عملکردی مشترک تعریف می‌گردد. با تعریف شاخص های مشترک، تنظیم پارامترهای سیستم هشدار مانند آستانه و سایر پارامترها (بسته به نوع سناریوی تولید هشدار، متفاوت است) را می‌توان بر اساس این شاخص ها انجام داد. در این مقاله در یکی از موردهای مطالعاتی، از سناریوی پنالتی در فرآیند tennessee استفاده شده و با استفاده از الگوریتم ژنتیک پارامترهای بهینه سیستم هشدار طراحی و با روش های دیگر موجود مقایسه شده است.

Performance Assessment for Multivariate Alarm Systems Based on Markov Model

Alarm systems are essential in safe operation of industrial plants. Since many process variables are interacting with each other, so in this paper, an approximate method is introduced to design and analysis of a multivariate alarm system. In this method, the alarm system is designed base on joint indices. The Joint FAR and Joint MAR are defined for a mvariable alarm system thanks to multivariate Markov scheme. In proposed method, the alarm joint indices are defined by solving a Linear Programing (LP) optimization problem. By defining joint indices, tuning of the alarm parameters (like, threshold and etc.) can be done by these indices instead of correlation analysis. In this paper, penalty scenario and Genetic algorithm are used for alarm generation, and parameter optimization in Tennessee Eastman (TE) Process. The results of proposed method are compared with other methods.