Open- oder closed-loop
Die Anpassung basiert entweder nur auf den Anfangswerten des Prozesses und der Steuerungsinputs, was man open-loop nennt, oder mit einem Feedback des Outputs, closed-loop genannt. Im zweiten Fall wird zwar weit in die Zukunft prognostiziert, es wird aber nur die aktuellste Steuerungsanweisung in die Praxis umgesetzt. Danach wird in einem rollierenden Verfahren in Abhängigkeit der tatsächlichen Qualität bzw. des Feedbacks die Optimierung neu berechnet und wiederum nur der aktuellste Wert verwendet. Open-loops sind leicht zu implementieren, stabil und ergeben immer die gewünschte Lösung, funktionieren jedoch nur in geschlossenen, nicht dynamischen Systemen und können daher nur selten in der Praxis angewendet werden. Closed-loops können durch die Berücksichtigung des Outputs in der Optimierung den vorgegebenen Zustand auch dann erreichen, wenn das System nicht geschlossen ist, d.h. wenn es nicht geplante Änderungen geben kann. Allerdings sind die Ergebnisse dann nicht zwingend global, sondern nur lokal optimal. Die Feedbackoptimierung ist allgemein allerdings sehr komplex und schwierig zu implementieren: So kann es zu Stabilitätsproblemen kommen, die zu Konvergenzschwierigkeiten führen. Die Aufstellung und Implementierung eines geeigneten Algorithmus und Modelles ist daher meist sehr zeitaufwändig und damit kostenintensiv. Um die Stabilität und Konvergenz besser im Griff zu haben, werden in der Industrie allgemein nur lineare oder quadratische Zielfunktionen verwendet, die zusammen mit den Nebenbedingungen ein konvexes Optimierungsmodell ergeben. Bei konvexen Modellen ist jedes lokale Optimum gleichzeitig ein globales. Somit reicht es hier aus, im Lösungsprozess nur nach lokalen Optima zu suchen. Wenn man die Verbindung zwischen dem Zustand des Prozesses und Steuerungsinputs parametrisieren kann, lässt sich zeigen, dass das Optimierungsproblem immer eine Lösung hat und zu dieser Lösung konvergiert. Besonders geeignet für die Anwendung von MPC sind Prozesse, bei denen der Zeitversatz zwischen Steuerungsparametern und dem Output (Qualitätsmessung) sehr hoch ist, es eine starke Interaktion zwischen Steuerungsparametern und Qualität gibt oder die Nebenbedingungen für die Steuerung sehr wichtig sind.
SPS-MAGAZIN 9/2017: Im Jahr nach Picasso
SPS-MAGAZIN 10/2017: Die Macht der Datenanalyse
SPS-MAGAZIN 11/2017: Was kann TSN beitragen?
Stuttgarter Innovationstage 2018
Der revolutionäre Ansatz von Steuerungen aus der Cloud stand oft in Konflikt mit konservativen IT-Vorgaben und stellte daher Partner mit großen IT-Infrastrukturen vor organisatorische Hürden. Um einen engen Austausch über verschiedene Fachbereiche hinweg zu fördern veranstaltet das ISW der Universität Stuttgart zum zweiten Mal die ‚Stuttgarter Innovationstage – Steuerungstechnik aus der Cloud‘. Mit Vorträgen aus den Fachbereichen klassische Automatisierungstechnik und IT sowie juristischen und mathematischen Aspekten können Teilnehmer am 30. und 31. Januar 2018 in Stuttgart einen ersten Schritt zum interdisziplinären Wissensaustausch machen.
