通常情況下，當人們產生新的儀表或自控系統的需求后，就會開始購買必要的設備產品，然后安裝，投入使用，當一切進入正常運行軌道后，工程人員就開始著手下一個項目了。這似乎是順理成章的。但事實上事情并不總是那么簡單——很多時候，我們還需要去驗證系統的性能是否符合要求。 　　 在一個先進的控制系統中，性能測試是試運行的補充。它能夠驗證一個控制系統是否能如同一個整體一樣地工作以達到其預定目標。尋找針對某一項目目標的系統性能指標及其檢驗評價方法與確定該目標本身一樣重要。 “通常情況下，新的狀態下新的系統的性能同老的狀態下老的系統的性能往往沒有可比性。生產及市場狀況的變化會有利于其中某一方，也同時影響它們所能帶來的經濟效益。” 有效的統計測試計劃能夠為系統性能測試工作提供一個嚴格的檢驗機制，使用戶和供應商在分擔項目風險的同時分享收益，這對雙方來說是公平和有益的。 為什么要測試性能？ 　　 事實上，實現基本的功能從來都不是問題——所有知名的供應商都會承諾，他們的信號轉換器能夠測量和傳送信號，他們的DCS能夠根據系統配置和控制程序實現通信和控制功能，他們的終端信號發生器能夠響應控制信號。那么，除了好奇，究竟為什么要進行性能測試呢？ 　　 最明顯也是最基本的原因是，性能調試是系統試運行的必要組成部分。另一個重要原因是，由此能建立起操作員對系統正常工作的信心。操作系統設備的重復勞動性質有可能導致操作員由于疲勞懈怠而引發的突發危險和混亂。通常在危險信號發生時，操作員會第一時間關閉他們所未能完全掌握的系統，并將其切換為手動操作，這樣其實就無法完全發揮自動化控制系統的眾多優勢和功能。 企業的內部預算及會計也同樣需要進行性能測試。在工程領域中，企業經常將各種工程資源集中起來，然后分配給某個或某些特定項目使用。通過測試可以標記部門之間的工程和經營成本的轉讓。 　　 雖然通過講解和示范可以基本滿足上述原因，但是，越來越多的供應商都在合同中規定了進行正式的性能測試的要求。能否確實帶來經濟利益是衡量一個控制系統工程是否先進的主要標準，包括增加產量、提高產品質量，或提高生產效率。而合同往往也明確說明要根據系統實際性能來支付報酬。因此，必須在合同到期前對系統進行性能測試和驗證。而這，并不是個簡單的任務。 　　 要測試那些東西？ 　　 隨著數據采集和處理能力的不斷強大，測試驗證的標準也呈現出多樣化趨勢，因此，決定性能測試方案是一項艱巨的工作。通常需要用各種統計工具來從海量的數據中甄選出具有驗證指標意義的資料。 　　 有兩個基本問題需要解決： 　　■是評估控制系統的技術表現還是評估它所能創造的經濟效益？ 　　■是測試系統的絕對性能還是它的相對性能？ 　　 實際上，控制系統性能測試與經濟無關。過去十年來，測試方式已經從采集歷史數據庫中的數據并加以簡單分析發展到被稱為“狀態監測”的專門學科。許多的供應商也都提供了監測系統工作狀況和提升系統實時性能的相關軟硬件和服務。 　　 數據采集 　　 以Expertune公司（www.expertune.com）開發的PlantTriage軟件為例，該軟件能夠為其監控的每個控制閉環采集多達30項評估標準所必需的數據。評估標準包括從誤差平方積分準則（ISE）這樣熟悉的綜合指標到統計閥程和閥速的診斷指標等一系列的標準。評估標準的進步使得人們可以將一套優秀的自控系統的性能表現通過量化而確實地顯示出來。 　　 過程能力指數是另一個量化系統性能的統計學概念。該指數反應的是樣本變量的概率分布，由變量值相對于規范高低限值之間的標準差來度量。這些參數幫助定義了多項指標。系統性能越好，標準差越小，過程能力指數越高。只有不斷提高指數，控制系統才能“更強”。 　　 過程能力指數（Cp）的最簡單形式表示為變量均值同規定高限（USL）和低限（LSL）差之比，如果用標準差衡量的話，可用以下公式表示： 該公式適用于設定范圍在規范高、低限之間，且其平均值服從正態分布的變量。 　　 “最小方差控制器”是量化控制系統性能的絕對參考之一。這一概念派生出理論上的最小閉環CV（coefficient of variation變異系數）差，并且只有利用完善的過程響應操縱和擾動變量的控制器才能達到該差值。實際生產中，這樣的控制器并不存在，不過即使實際差值較理論值偏大，該理論仍具參考價值。 　　 可以通過Harris Index指數來量化基于該差值的性能比。Harris Index指數定義如下： C表示根據過程時延計算出的最小可能差值的理論值，σ2ACT表示控制器的實際差值。將計算出來的比值常化后，可得到一個0到1.0之間的分布指數： 隨著控制性能的提高，控制器的實際差額逐漸接近最小理論值，該指數逐漸趨于0.0。通常在狀態檢測工具包中可以進行Harris Index指數的計算。 　　 這一概念最大的局限性是，在評估系統性能的時候僅考慮了控制器測量系數的變化，而沒有對會減小CV差的閥門動作量進行限制。在工廠中，控制回路和設備單元之間往往會相互影響或發生擾動，因此我們不希望看到大的MV（mean variation平均變化）差出現。在系統性能評估中這一考慮是非常重要的。系統的整體穩定性比單一控制回路的表現重要的多。 　　 經濟效益 　　 如果只需要進行內部測試，那么測試控制系統的性能是不錯的選擇。因為控制性能的多項測試指標能夠確實地衡量系統是否正常運行，并指導如何對其進行優化。 　　 但是，控制系統性能測試并不能代替其他所有的性能測試——新的控制系統真的能為工廠創造經濟效益嗎？ 　　 與控制性能驗證一樣，驗證經濟效益的第一步是確定經濟效益指標。關鍵績效指標（KPIs）是常用指標之一。 　　 任何團體，基于任何目的，來衡量其業績的任何指標都可以用KPI表示。它既適用于驗證經濟效益又適用于測試控制性能。一個KPI必須是能具體化和量化的，同時，它必須被用來評估一個集體目標的實現。 　　 KPI指標通常被用于長期績效評估，因此它能反映一定范圍內的運行狀態。這一特征使之區別于動態性能測試（DPM），后者利用實時測試反映系統瞬時性能。 　　 為了衡量控制系統的經濟效益，KPI和DPM指標都會生成一個經濟范疇的參數供我們參考。本系列之前的文章對此也有介紹。（見《CE》（英文版）2006年3月刊IP1頁） 　　■更高的產值或產率； 　　■更低的原料進料比（即高收益）；和 　　■更低的單位能耗（即高效率） 　　 這些經濟方面的衡量標準是決定控制系統性能優良與否的最終標準。在系統操作中積累的豐富經驗和教訓，促成了系統性能的不斷完善，但完善永遠是相對而言的——只是一種相對于舊系統性能的完善。 　　 目標：做的更好 　　 要實施一個先進的控制工程項目，首先要進行的是項目研究和評估階段，該階段的目標是鑒定項目投入和評估潛在回報。然后接下來的是合同談判階段、設計施工階段，以及安裝調試階段，這些工作之后，系統才能基本實現全部既定功能。然后還要經歷培訓和整合階段，最后才是性能測試。 “如果一個先進控制工程合同包括性能測試環節，那么實際工程進度和成本估算必須包括實施性能測試所必需的時間和資源。” 項目周期因控制工程規模大小和復雜程度高低而有所不同，同時也會受生產和維護進程安排，以及用戶和供應商的其他協議的影響。通常來說一個項目的周期短則數周，長則一年以上。 　　 同時，為了達成更好的目標，會出現各種改動，從而影響預訂的計劃和系統性能。這些可變因素包括： 　　■影響系統性能和效益的過程設備、儀表和信號發生器； 　　■產品規范、市場需求，和市場價格； 　　■原料和燃料特性、利用率和成本價格； 　　■系統的上行或下行系統及其操作； 　　■周邊（周期）狀況。 　　 通常情況下，新的狀態下新的系統的性能同老的狀態下老的系統的性能往往沒有可比性。生產及市場狀況的變化會有利于其中某一方，也同時影響它們所能帶來的經濟效益。 　　 有效測試 　　 唯一嚴格有效地證明新系統性能的途徑是在現有生產和市場條件下對系統進行切換測試（on-off test）。這意味著系統最終配置必須能支持新舊兩種控制方案。然后按照試驗計劃在新舊系統之間以一定周期和頻率進行切換以獲得足夠的有效統計數據來比較二者的經濟效益指標。 　　 本系列之前的文章曾提到過如何通過生產率、產值和運營成本的變化來計算新控制系統帶來的經濟效益。在切換測試中，這些參數的變化通過被采集的數據的平均值來體現。通過比較新舊系統的參數就能衡量出系統性能的好壞。 為確保統計的有效性，必須回答以下兩個問題： 　　■如何制定測試方案，以確保測試數據能精確反映新舊系統性能差異？ 　　■如何衡量檢驗結果，以準確把握這種差異性確實代表了系統整體的長期的性能？ 　　 這些問題的出現，是因為從有限的數據集合計算出的統計參數值與系統長期運行生成的數據不可能完全等同。這是一個典型的統計分析問題。從有限的數據集合計算出平均值能代表所有可能樣本平均數的有效估計嗎？ 　　 答案是不確定的。我們能做的最好是采集足夠數量的獨立樣本，例如，通過設置足夠長的測試周期使誤差控制在指定范圍的指定出現概率中。 　　 中心極限定理 　　 中心極限定理，這一統計學基本定律，使上述方法成為可能。如果測試數據來源于大量不同的測試運行時段，那么所有運行時段內的樣本就構成了所有可能樣本的集合。如果每個時段足夠長，那么計算出的樣本平均值的分布就會從中心向周圍逐漸分散，盡管單個獨立的數據并不服從正態分布，但真實平均值（未知）卻服從正態分布。 　　 另外，此概率分布的標準差與每個測試運行時段內的樣本數成反比，用公式表示如下： 從以上信息和正態分布的區域特性來看，通過計算所需樣本數來估計系統平均性能是有可能的。 　　 假設，一個控制系統為一個變量，該變量服從標準差是5個單位的概率分布。如果是正態分布的話，有95%的可能性，單個獨立變量將在總體均值1.96個權值內。只有采集足夠的數據才能有95%的可能性讓系統平均性能落在其真值的0.5個單位內。那么可以得出如下公式： 如果獨立樣本的間隔是5分鐘，32個小時內采集的測試數據的最小值可以滿足這一估計水平的需要了。 　　 獲此信息后，就可以根據系統進程運行時一系列的開/關狀態來制定測試 計劃。每一個狀態采集一次數據直到必需數據采集完畢。每次數據采集的時間應該足夠短，以便每一測試計劃可以看做服從系統狀態的正態分布。但是，該時間也要有足夠的長度，使系統有足夠的時間響應擾動并在響應結束后恢復穩定。 　　 每一次狀態轉換后必須有一定的時間以使系統重新找到穩定的數據采集點。否則，性能良好的系統將受到性能欠佳的系統的影響。 　　 名為“狀態轉換性能懲罰”的特殊性能就反映了上述概念，在比較先進過程控制（APC）和基本調節控制（BRC）時起作用。 　　 如果數據采集開始于狀態轉換邊界，在APC將過程轉向合適操作點的同時，原來的低數據讀取速率會降低APC開狀態的性能平均值，同樣，在過程回到先前操作點時，目前的高讀取率也會提高BRC運行狀態的平均值。 　　 為了設計出有效的統計測試方案，一些設計準則已經應運而生。 　　 采用足夠大的樣本間隔，可以成功的讀取實時過程變化，而不是重復讀取相同的狀態或是簡單的擾動；這樣可以確保樣本間的相互獨立性； 　　■設定最小狀態時間=3×（最長擾動處理時間）； 　　■設定最大狀態時間=最小時間+過程擾動最長間隔時間； 　　■設定轉換時間=擾動最長處理時間和設點轉換時間兩者中較長者； 　　■設定單個狀態的長度=最小和最大狀態時間間隔內的隨機變量； 　　■生成一個隨機開關狀態序列，以避免結果偏差。 當測試完成后，可統計每個系統運行的有效平均值。 　　 第二個問題可以用同樣的原則來處理。由于每個性能均值分布都服從正態分布，區間估計的統計方法可以檢驗這些正態分布的區間特性，并為不同的分布分別生成一個估計概率。 　　 例如，假定以下的檢測結果來自一個APC控制系統。 　　 在這個例子中，我們將較好的控制能力和優化方案相結合，使控制變量的標準差從3降低到2，并將它的測試平均值從70個單位提高到80個單位。 　　 雖然試驗數據表明測試平均值提高了10個單位之多，但這種改進無法對所有的操作做出保證。但樣本的數量足以保證了，在測試條件覆蓋大量操作狀態的前提下，實際均值差異至少9.76個單位的概率可以達到95%。 　　 合理地運用該理論，供應商和用戶就有理由相信，通過測試獲得的性能表現能夠有力的證明使用了先進的控制系統后當前系統的性能符合預期。 　　 工程進度和預算 　　 如果操作適當，性能測試本身是一個具有重大意義的進步。如果一個先進控制工程的項目合同包括性能測試環節，那么實際工程進度和成本估算必須包括實施性能測試所必需的時間和資源。否則，任何測試都不能完成，任何結果都不具任何意義。在合同談判時，應該指出有效的統計對于測試成本的重要作用。 　　 具備在新舊系統之間來回切換這一功能會增加系統最終配置的成本和復雜性。為了避免影響實際操作，切換的系統要做的盡可能的精簡。而事實上這一點并不總能實現，特別是如果項目涉及重大硬件變更，比如從手動控制或模擬控制轉為數字控制的時候。 　　 正式的測試前往往需要一份測試計劃，內容包括：進度表、每一個狀態所需的測試持續時間和轉換時間、以及每個階段采集有效數據的要求。此外，它還應當明確操作員注意事項，幫助他們識別和說明可能影響數據采集的各種情況。這種狀態切換和測試全過程需要對操作員進行整體培訓。