Gestion d'alarme

Dans un grand nombre d'applications, par exemple la détection incendie, seuls les seuils maximaux, les gradients de température ou la différence de température par rapport à la moyenne sont utilisés pour assurer une protection fiable. Selon les conditions ambiantes et les seuils critiques prévus, on peut définir et revoir individuellement ces paramètres en fonction de la zone de détection afin de les ajuster de façon optimale aux besoins d'une application donnée.

Notre technologie exclusive de gestion d'alarme SmartAlarm™ va bien au-delà de ces simples méthodes.

En collaboration avec des experts de chaque domaine d'application, nous avons développé des méthodes et des algorithmes uniques pour détecter, par exemple, des fuites plus petites, même dans le cas où des conditions ambiantes évoluent et où la fuite elle-même ne génère pas une grande différence de température. Différents algorithmes sont disponibles et appliqués en fonction des conditions spécifiques sur site. SmartAlarm peut même déclencher une alarme dans le cas des d'événements locaux, souvent indétectables par les paramètres des alarmes standards ou qui, au contraire, causeraient de fausses alarmes en raison de l'hypersensibilité des paramètres.

Ces algorithmes analysent les variations historiques de température et les tendances d'un actif complet, par exemple un pipeline ou un câble d'alimentation. Dans le même temps, le système capture le changement et l'influence de la température ambiante pendant le fonctionnement. Combinés, ces éléments d'information produisent des algorithmes statistiques, qui différencient les changements ambiants normaux le long des actifs des événements anormaux, tels que les fuites. On obtient ainsi une détection fiable même dans des conditions rigoureuses et changeantes où il est impossible de régler le système sur des paramètres d'alarme classiques prédéfinis.

En outre, nos alarmes transitoires basées sur l´algorithme Machine Learning (MLTA) identifient les comportements d'actifs anormaux qui, sans cela, resteraient non détectés dans la plage de traces de températures capturées par les systèmes de détection de température distribuée (Distributed Temperature Sensing - DTS). La mise en œuvre de notre technique MLTA permet d'isoler les transitoires thermiques  tout au long des actifs surveillés, ce qui favorise la génération fiable et rapide des alarmes même en cas de petites irrégularités dues à des points froids ou points chauds. 

Dans les domaines des DAS (les systèmes de détection acoustique distribuée) /DVS (les systèmes de détection vibratoires distribuée), l'accent est mis sur une haute probabilité de détection (POD) et un faible taux de fausses alarmes (NAR). Les algorithmes de Machine Learning analysent les modèles acoustiques tels que la magnitude, la propagation spatiale, les plages de fréquences, la durée et le nombre des répétitions, la vitesse et d'autres paramètres. Le système est ainsi capable d'ignorer les activités normales en arrière-plan, tout en reconnaissant les événements d'interférences tierces (Third Party Intrusion - TPI). L'apprentissage automatique de la DAS permet de détecter différents événements tels que les activités d'excavation ou de forage ou la présence de véhicules à proximité ou également des événements tels que des ondes de pression négatives ou un orifice dû des fuites. Les alarmes peuvent alors être déclenchées pour des scénarios définis, basés sur une entente mutuelle avec le client. Il peut s'agir de scénarios tels que l'excavation ou le forage, la présence de véhicules à proximité, des ondes de pression négative et du bruit de cavité générés par des fuites de pipeline ou des risques sous-marins tels que l'ancrage près d'un câble d'alimentation. Grâce à notre logiciel de visualisation d'actifs SmartVision, vous pouvez surveiller facilement ces points d'alarme en un seul coup d'œil.

Différents types d'alarmes peuvent être configurés, notamment:
  • Les alarmes de température : Seuils maximaux, gradients et changements relatifs de température. ​
  • Les alarmes pour signal acoustique : Alarmes basées sur des modèles acoustiques déclenchés par des événements spécifiques.
  • Alarmes transitoires basées sur l´algorithme Machine Learning (MLTA) : Des algorithmes d'alarme complexes permettent d'identifier de façon fiable l'activité anormale pendant le fonctionnement.​
  • État et défauts des systèmes : Toute défaillance des instruments de mesure, des softwares ou des capteurs à fibre optique (rupture de la fibre).
  • Gestion d'alarme sur les capteurs externes : Signaux de tous les capteurs externes. ​​
La gestion d'alarme complète d'actifs de notre module SmartAlarm permet :
  • La configuration de zones d'alarme et de zones d'actifs polygonaux tout au long de l'actif surveillé
  • La définition de seuils et de types d'alarme par zone
  • La transmission des alarmes aux équipements périphériques ou aux systèmes de gestion génériques
  • La gestion d'alarme, par exemple la reconnaissance, l'historique et l'exportation
  • Des listes de tous les instruments de mesure connectés, y compris la surveillance de l'état du système et de la connectivité
  • Des fonctionnalités additionnelles en fonction des besoins du client