Pull to refresh

Comments 7

Такое ощущение, что к автору неожиданно подошел безопасник, и: "А что это ты тут такое пишешь? Таак, вот это и это урезать, а вот отсюда и до конца вообще удаляй!". ;)

(。◕‿◕。)  хахах, пока не все нюансы готовы осветить, но стараемся. Обещаю позже вернуться с более развернутым постом, поэтому вопрос к вам - что бы Вы еще хотели узнать о нашей системе RTO?

Поскольку я почти не связан с нефтехимией, статья вызвала интерес чисто с точки зрения повышения кругозора - какие входные данные у вашей модели, откуда они поступают, что за датчики, на что влияет модель (только температура? в одной точке или по зонам? после печи ректификационные колонны стоят, модель ими и управляет? как происходит воздействие на процесс? как процесс на это реагирует и как боретесь с возникновением колебаний?). Как оценивается результат, с какой задержкой это происходит?

А то только начал читать - статья неожиданно закончилась ;)

Понимаю, что это может быть и ноу-хау, и коммерческой тайной, да и просто может быть лень описывать - поэтому можно и не отвечать, не обижусь.

  1. Входные данные - реальные данные с производства, прошедшие обработку (иногда обходимся валидацией, где-то приходится делать реконсиляцию)

  2. Поступают с датчиков производства (расходомеры, термопары, анализаторы и т.д) в базу данных реального времени (БДРВ), откуда мы их и тянем

  3. Модель управляет несколькими параметрами для максимизации экономической функции, в случае печей - это температура, пар разбавления, сырье. На колоннах тоже классические управляемые переменные (MV = manuable value) это флегма, нагрузка на ребойлер и другие. В реакторах уже индивидуально от типа реактора.

  4. Наилучший режим с точки зрения уставки (CV = control value) отправляется в систему СУУТП, которая выдерживает эту уставку несмотря на волатильность режима на производстве.

  5. Результат оцениваем по %времени, который мы провели под уставкой, в течение дня (т.е. текущий режим был равен тому, который мы предлагали). А если брать более долгий горизонт - каждый месяц оцениваем экономический эффект, который принесла модель. Там уже сложный алгоритм )

А можно узнать про используемое ПО? Это полностью свои разработки или покупное от ASPEN/AVEVA/YOKOGAWA и т.п.?

На большинстве реализованных проектов покупали строгую технологическую модель от вендора (например, Spyro от Technip или LVF от Linde), далее на базе VBA в Excel писали функции обработки данных и оптимизации процесса, а колл-функция для запуска модели и парсинга данных написана отдельно на Python, например. В последних проектах уже покупаем лицензии на ПО (например, Aspen), но строгую технологическую модель разрабатываем самостоятельно

Sign up to leave a comment.