Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-5915
Main Title: Einsatz von Schlüsselindikatoren zur Berücksichtigung unsicherer Randbedingungen in der Anlagenführung
Translated Title: Use of key performance indicators to clarify uncertainties in process monitoring and control
Author(s): Werk, Sebastian
Advisor(s): Wozny, Günter
Referee(s): Wozny, Günter
Manzey, Dietrich
Li, Pu
Granting Institution: Technische Universität Berlin
Type: Doctoral Thesis
Language Code: de
Abstract: Produktionsprozesse in der chemischen Industrie werden von Operateuren in Leitwarten überwacht und gesteuert. Den Produktionsprozessen liegen komplexe dynamische Modelle zugrunde. Die Zielstellung der Operateure besteht darin, die Prozesse hinsichtlich verschiedener, sich teilweise widersprechender Ziele wie Wirtschaftlichkeits- und Qualitätsanforderungen zu steuern. Hierbei stehen oftmals über mehrere Einflussgrößen lediglich stochastische Informationen zur Verfügung, wodurch die Entscheidungsfindung zusätzlich erschwert wird. Zahlreiche Forschungsarbeiten haben gezeigt, dass die mentale Verarbeitung von Wahrscheinlichkeitsinformationen Menschen vor erhebliche Schwierigkeiten stellt. Um einen Teil dieser Schwierigkeiten zu überwinden, wird deshalb die Einführung eines Schlüsselindikators vorgeschlagen, der die Entscheidungsfindung bei Vorliegen von Unsicherheiten erleichtern soll. Die Wirkung dieses Schlüsselindikators wird in dieser Arbeit in einer Vor- und einer Hauptstudie mit einer eigens entwickelten Versuchsumgebung untersucht. Die Vorstudie liefert hierbei erste Hinweise zur Wirkung des Schlüsselindikators und identifiziert erforderliche Anpassungen des Versuchsdesigns. In der Hauptstudie wird die Fragestellung insofern vertieft, als dass auch der Einfluss von Schwierigkeitsgrad und Aufgabenstellung auf die Wirkung des Schlüsselindikators sowie der Einfluss des Schlüsselindikators auf die Interaktion mit der entwickelten Versuchsumgebung evaluiert wird. Die Untersuchungen zeigen, dass die Eignung des Schlüsselindikators von einer Reihe von Randbedingungen abhängig ist und im Falle einer Anwendung in der Praxis eine sorgfältige Schulung der Operateure erfordert. Darüber hinaus hat die Studie ergeben, dass die Steuerung der Versuchsumgebung durch die Bereitstellung des Schlüsselindikators beeinflusst wird. Um den entwickelten Schlüsselindikator in der Praxis einsetzen zu können, ist es erforderlich, dass eine Wahrscheinlichkeitsfunktion ausgewertet wird. Die explizite Berechnung dieser Wahrscheinlichkeitsfunktion wird einer eingehenden Analyse unterzogen. Auf Basis dieser Analyse werden zahlreiche algorithmische Verbesserungsmöglichkeiten entwickelt: Die Berechnung der zweiten Ableitung der Wahrscheinlichkeitsfunktion, die Ausnutzung von bisherigen Rechenergebnissen zur Startwertbestimmung, ein alternatives Nullstellenverfahren sowie die nebenläufige Auswertung wesentlicher Berechnungsschritte. Diese Verbesserungen werden in einem Software-Framework implementiert und die Wirksamkeit wird in drei Fallstudien untersucht. Die Fallstudien ergeben eine erhebliche Reduzierung des erforderlichen Rechenaufwands durch Nutzung der Startwertverfahren und des Verfahrens zur Nullstellenbestimmung. Durch die nebenläufige Berechnung kann auf modernen Rechnerarchitekturen mit parallel geschalteten Recheneinheiten eine starke Reduktion der erforderlichen Rechenzeit erreicht werden. Die Bereitstellung der zweiten Ableitungen der Wahrscheinlichkeitsfunktion führt entgegen der Erwartung zu einer Erhöhung des Rechenaufwandes. Die hierzu durchgeführte Ursachenanalyse identifiziert einen prinzipiellen Fehler in der approximierten expliziten Berechnung der Ableitungen von Wahrscheinlichkeitsfunktionen, der in der vorliegenden Literatur nicht dokumentiert ist. Das Software-Framework zur Auswertung von Wahrscheinlichkeitsfunktionen mit den implementierten algorithmischen Verbesserungen sowie die entwickelte Versuchsumgebung stehen für eine weitere Nutzung in Forschung und Praxis als freie Software zur Verfügung.
Production processes in chemical plants are monitored and controlled by operators in control rooms. The production processes underlie complex dynamic models. The objective of the operators is to control the processes within areas of conflicting objectives, e.g. regarding economical aims and product quality. Within the process monitoring and control, the operator has often only access to stochastic informations about several properties. Several studies have shown, that mental processing of probability informations presents a substantial challenge. To overcome these difficulties and support the decision making process under uncertainties, a key performance indicator is introduced. The impact of this key performance indicator is examined in a pilot and a main study with a specifically developed testing environment. The pilot study gives first indications about the impact of the key performance indicator and identifies necessary adjustments. Thus, the main study also focuses on the influence of task difficulty as well as specific task properties on the indicator’s effect in terms of user performance. Furthermore the effect of the indicator on user interaction with the test environment is analyzed. The study shows, that the suitability of the key performance indicator depends on several conditions and potentially requires thorough training of operators. Furthermore the study shows, that the interaction with the test environment is significantly influenced by the key performance indicator. To apply the developed key performance indicator in real plants, the calculation of a probability function is required. The explicit calculation of this probability function is analized in detail. Based on this analysis several algorithmic improvements are developed, such as the calculation of the second derivative of the probability function, the recycling of recent results for starting values, an alternative root finding method and the concurrent evaluation of essential calculation steps. These algorithmic improvements are implemented in a software framework and evaluated in three case studies. These give evidence of a significant reduction in calculation effort by recycling recent results and using the alternative root finding method. Furthermore, the concurrent calculation helps to reduce the calculation time on modern computers with multiple central processing units to a fraction of the former time span. The provision of the second derivatives of the probability function increases the calculation time contrary to the expectation. The analysis of causes identifies a fundamental error within the approximated explicit calculation of the derivatives of the probability function, which was not documented in the present literature. The software framework for the evaluation of probability functions and the developed testing environment are available as free software for further use in science and practice.
URI: http://depositonce.tu-berlin.de/handle/11303/6365
http://dx.doi.org/10.14279/depositonce-5915
Exam Date: 26-May-2016
Issue Date: 2017
Date Available: 22-May-2017
DDC Class: DDC::600 Technik, Medizin, angewandte Wissenschaften::660 Chemische Verfahrenstechnik::660 Chemische Verfahrenstechnik
DDC::100 Philosophie und Psychologie::150 Psychologie::153 Kognitive Prozesse, Intelligenz
Subject(s): chance constraints
probabilities
stochastic optimization
process monitoring and control
key performance indicators
Wahrscheinlichkeitsnebenbedingungen
Wahrscheinlichkeiten
Anlagenführung
Schlüsselindikatoren
Sponsor/Funder: DFG, GRK 1013/2, prometei
Creative Commons License: https://creativecommons.org/licenses/by/4.0/
Appears in Collections:Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 3 Prozesswissenschaften » Institut für Prozess- und Verfahrenstechnik » Fachgebiet Dynamik und Betrieb technischer Anlagen » Publications

Files in This Item:
File Description SizeFormat 
werk_sebastian.pdf10.06 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.