Model Based Diagnostic Module for a FCC Pilot Plant

Système de diagnostic d'un pilote de FCC à base de modèles

¹ IFP-Lyon
² Institut français du pétrole
³ LAG
⁴ LAAS-CNRS

Corresponding author: benoit.celse@ifp.fr

Abstract

This paper presents a diagnostic module developed by IFP and tested off-line on a FCC (Fluid Catalytic Cracking) pilot plant. The method uses four successive complementary techniques. They enable to go step by step from the observations to a sentence in natural language describing the faults. First, a quantitative causal model is elaborated from a quantitative behavioural model. Causality is obtained from the structure of each equation. Then, global and local alarms are generated using residuals (differences between measures and outputs of the model) and fuzzy logic reasoning. Then, a hitting set algorithm is applied to determine sets of components or equipment which are suspected to have an abnormal behaviour. Finally, expert human operator knowledge about those components is used to identify the fault(s) and produce messages for the operators. This software is currently tested off-line on the FCC pilot plant at IFP. The performance of the diagnostic module is illustrated on four practical scenarios of abnormal behaviour. This work is conducted as part of the CHEM EC funding project.

Résumé

Cet article présente le système de diagnostic ASCO (Aide à la supervision et à la conduite des opérateurs) développé par l'IFP et testé hors ligne sur un pilote de FCC (Fluid Catalytic Cracking). Il fait successivement appel à quatre modules complémentaires. Ces derniers permettent, à partir d'un ensemble d'informations, de fournir aux opérateurs un message indiquant la panne et ses conséquences. Le premier module permet de générer un modèle causal quantitatif de bon fonctionnement du procédé. Le second module effectue la détection de défauts : il déclenche des alarmes à partir des observations. Ces alarmes sont ensuite traitées par le module de localisation (algorithme de hitting set) qui élabore une liste de composants physiques suspectés défaillants. Enfin, la connaissance des experts sur ces composants est traitée automatiquement par le module d'identification qui renvoie un message à l'opérateur. Ce message décrit la défaillance, les actions à entreprendre pour traiter l'opération ou pour la maintenance à effectuer, et les répercussions de la défaillance sur le procédé. Les résultats obtenus sont illustrés par quatre scénarios réels de mauvais comportement. Ce travail a été mené dans le cadre du projet européen CHEM.