Prosessidatan laadun varmentaminen

 

Prosessidata on suurimmalta osalta analogisten mittalaitteiden tuottamia mittausarvoja, joihin aina liittyy oma mittausepävarmuutensa. Mittalaitteet ovat aina enemmän tai vähemmän epästabiileja, ts. mittausarvoissa tapahtuu yleensä jonkinasteista ajallista ryömintää.

Jos mittausarvoja käytetään kahden osapuolen väliseen laskutukseen, niiden epätarkkuus ja ryömintä voivat pahimmillaan viedä pohjan pois koko laskutukselta. Jos prosessidataa käytetään prosessia koskevien johtopäätösten tekoon, virheet ja ryömintä voivat vääristää analyysitulokset täysin harhaan johtaviksi.

Mittausdatan hyväksyttävä laatu merkitsee sitä, että mittausarvoilla on jälki kansainvälisiin mittanormaaleihin, mittausepävarmuus on jatkuvasti hallinnassa ja käyttötarkoitukseen nähden riittävän pieni. Edelleen on pidettävä huolta siitä, että mittaustiedon käsittely- ja siirtoketjut ovat laadunvarmistuksen piirissä.

 

1. Mittausepävarmuus

Mittausepävarmuus on mittaustulokseen liittyvä parametri, joka kuvaa mittaussuureen arvojen oletettua vaihtelua. Tavallisesti puhutaan 95 %:n mittausepävarmuudesta ja sen suuruus ilmaistaan tavallisesti prosentteina mitatusta arvosta.

Jos esimerkiksi mittausepävarmuus on 3 % ja suureen mitattu arvo on 100, suureen todellinen arvo on 95 %:n todennäköisyydellä välillä 97…103.

 

2. Mittausdatan jäljitettävyys kansainvälisiin mittanormaaleihin

Tämä varmistetaan ottamalla sopiva määrä taseen keskeisiä mittauksia säännöllisen kalibrointiohjelman piiriin. Kalibroinneilta edellytetään jäljitettävyyttä todellisiin mittausolosuhteisiin, mikä osassa mittauksia merkitsee kenttäkalibrointia.

 

3. Mittausten jatkuva laadun varmennus

Mittaustarkkuus levitetään energia- ja massataseanalyysejä käyttäen kalibroiduista positioista koko taseen mittauksiin. Jatkuvalla analysoinnilla varmennetaan koko taseen jatkuva mittaustarkkuus.

 

4. Riittävä tarkkuustaso

Riittävä tarkkuustaso on tapauskohtainen. Esim. energian tuotannon hyötysuhteen parantamisessa parantamispotentiaali on prosessista riippuen parista muutamaan prosenttiyksikköön. Keskeisten mittausten mittausepävarmuuden tulisi olla tätä liikkumatilaa selvästi pienempi, jotta hyötysuhteen parantaminen analyysitulosten perusteella olisi mahdollista. Toisena esimerkkinä voisivat olla isot satunnaispäästöt. Niiden identifioimiseksi ja ja vähentämisen ohjaamiseksi riittää verraten vaatimatonkin mittaustarkkuus.

 

5. Mittausketjujen oikeellisuuden varmentaminen

Kenttälaitteen antamaa mittausviestiä siirretään ja muokataan automaatiojärjestelmässä ennenkuin se tallennetaan historiatietokantaan. Samaa mittasuuretta saatetaan mitata useammalla mittalaitteella tai siitä saattaa olla olemassa eri versioita, joista osa on laadussapidon ulkopuolella. Tämän vuoksi on mittausten käsittely- ja siirtoketjut varmennettava analyysien käyttämään prosessidataan asti. Lisäksi on tarkistettava, että analyysit käyttävät vain varmennuksen piiriin kuuluvaa dataa.

Automaatiojärjestelmään tehdään sen käyttöiän aikana muutoksia ja päivityksiä, jotka saattavat aiheuttaa hallitsemattomia muutoksia mittausketjuihin ja sitä kautta prosessidataan. Saatujen kokemusten perusteella erikoisesti automaatiojärjestelmän uusinnat ovat aiheuttaneet perusteettomia muutoksia mittausketjuihin.