KR102169561B1 - 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법 - Google Patents

Abstract

플랜트의 동작을 향상시키기 위한 클린징 시스템. 서버는 네트워크를 통해 클린징 시스템에 커플링된다. 컴퓨터 시스템은 네트워크를 통해 플랜트 동작과 관련되는 플랜트 데이터를 수신 및 전송하기 위한 웹 기반의 플랫폼을 구비한다. 디스플레이 디바이스가 플랜트 데이터를 상호 작용식으로(interactively) 디스플레이한다. 데이터 클린징 유닛은 적어도 하나의 환경 요인에 기초하여 플랜트 동작의 조기 검출 및 진단을 허용하기 위한 보강된 데이터 클린징 프로세스를 수행하고, 플랜트 데이터에 기초하여 플랜트 동작 동안 기기의 에러를 검출하기 위한 공급물 정보와 생성물 정보 사이의 차이를 나타내는 오프셋 양을 계산 및 평가한다. 공급물 추정 유닛은, 계산된 오프셋 양에 기초하여 기기와 관련되는 공급물 조성을 추정하고, 에러를 검출하기 위한 적어도 하나의 환경 요인에 기초하여 계산된 오프셋 양을 평가한다.

Description

데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법

본 출원은, 35 U.S.C. §119(e) 하에서, 2015년 3월 30일자로 출원된 미국 가출원 제62/140,043호의 우선권을 주장하며, 상기 가출원은 참조에 의해 그 전체가 본원에 통합된다.

본 발명은, 화학 플랜트 또는 정련소(refinery)와 같은 플랜트에 대한 데이터 클린징 프로세스에 관한 것으로, 특히, 공급물 조성(feed composition)을 추론하기(inferring) 위한 데이터 클린징 프로세스를 수행하기 위한 방법 및 시스템에 관한 것이다.

정련소 및 석유 화학 플랜트를 운영하는 회사는, 일반적으로, 오늘날의 환경에서 어려운 도전 과제에 직면해 있다. 이들 도전 과제는, 재정적 마진의 침식, 점점 더 복잡해지는 기술, 인력 경험 수준의 감소, 및 끊임없이 변화하는 환경 규제를 포함할 수 있다.

더구나, 공급물(feed) 및 생성물(product) 가격이 변동함에 따라, 오퍼레이터는, 그들의 재무 마진을 최적화할 수 있는 운영상 의사 결정(operating decision)을 내리는 것이 더 어렵다는 것을 종종 알게 된다. 이 변동성은 알 수 있는 미래에는 완화될 가능성이 없을 수도 있지만; 그러나, 시장 기회가 발생함에 따라 그 시장 기회를 신속하게 파악하고 대응할 수 있는 기업에게는 이 변동성은 경제적 잠재력을 나타낼 수 있다.

자본 시장의 압력은, 일반적으로, 운영 회사에게 현존하는 자산에 대한 수익을 지속적으로 증가시킬 것을 강요한다. 응답으로, 촉매, 흡착제, 기기(equipment), 및 제어 시스템 공급자는, 자산 성능을 향상시킬 수 있는 더욱 복잡한 시스템을 개발한다. 이들 첨단 시스템의 유지 보수 및 동작은, 일반적으로, 오늘날의 기술 인력의 제한된 리소스 및 시간 압박을 고려하면, 개발, 유지 보수 및 이전이 어려울 수 있는 강화된 기술 레벨을 필요로 한다. 이것은, 점점 더 복잡해지는 이들 시스템이 언제나 최고의 잠재성으로 동작되는 것은 아니라는 것을 의미한다. 또한, 현존하는 자산이 그들의 설계 한계에 근접하게 그리고 그 이상으로 동작되는 경우, 신뢰성 문제 및 동작상 리스크가 증가할 수 있다.

플랜트 오퍼레이터는, 통상적으로, 예를 들면, 가용성 리스크 감소, 가치 사슬 작동(working the value chain) 및 지속적인 경제적 최적화와 같은 여러 가지 전략 중 하나 이상을 가지고 상기 도전 과제에 대응한다. 가용성 리스크 감소는, 일반적으로, 경제적 성과를 극대화하는 것과는 대조적으로 적절한 플랜트 동작을 달성하는 데 중점을 둔다. 가치 사슬 작동은, 통상적으로, 자산 기능 및 시장 요구와의 공급물 및 생성물 혼합물의 매칭을 향상시키는 데 중점을 둔다. 지속적인 경제 최적화는, 플랜트 성능에서의 경제적 및 동작상의 격차를 지속적으로 모니터링하고 해소하기 위해, 툴, 시스템 및 모델을 종종 활용한다.

통상적인 데이터 클린징 과정에서, 유량계(flow meter)만이 보정된다. 유량계 캘리브레이션 및 유체 밀도 변화를 보정하기 위해 데이터 클린징이 수행되는데, 데이터 클린징 이후, 물질 수지 엔벨로프(mass balance envelope)에서의 유량계의 총 에러는, 순 공급량과 순 생성물 유량 사이에 100 % 질량 균형을 유지하도록 평균된다. 그러나, 이 종래의 데이터 클린징 기법은, 이용 가능한 다른 관련 프로세스 정보(예를 들면, 온도, 압력 및 내부 플로우)를 무시하고 심각한 에러의 조기 감지를 허용하지 않는다. 구체적으로, 유량계와 관련되는 에러는 유량계 사이에 분배되고, 따라서, 특정한 유량계의 에러를 검출하는 것이 어렵다.

통상적으로, 플랜트 측정치는, 지속성 기반으로 수집되는 센서 데이터뿐만 아니라, 실험실 분석을 위해 간헐적으로 샘플링되어 실험실로 전달되는 실험실 측정치 포함한다. 따라서, 실제 동작 데이터에 기초하여 플랜트 성능을 평가할(evaluating) 때, 실험실 분석 이후 실험실로부터 반환되는 플랜트 실험실 데이터를 수신함에 있어서의 시간 지연으로 인해, 플랜트 동작의 건전성의 상태를 결정하는 것이 종종 어렵다.

많은 경우에서, 실험실 데이터가 드문드문한 시간 간격으로, 예컨대 하루 또는 일주일에 한 번 수집되기 때문에, 실험실 데이터는 해당 기간 동안 이용 불가능하고, 따라서, 본질적으로 시간적으로 뒤처지게 된다. 드문드문 업데이트되는 실험실 데이터로 인해, 플랜트 오퍼레이터는, 종종, 가장 최근의 실험실 데이터 세트가 현재 동작 데이터에 여전히 적합하다고 가정하여, 성능 평가를 위해 실험실 데이터의 가장 최근에 이용 가능했던 세트를 사용한다. 플랜트 성능 평가시 가장 최근의 실험실 데이터가 신뢰 가능하지 않을 수도 있기 때문에, 이 가정은 빈번하게 잘못 인도할 수도 있고 부적절하다.
본 발명의 배경이 되는 기술은 일본 공개특허공보 특개2009-245225호에 개시되어 있다.

따라서, 실험실 데이터에 실질적으로 의존하지 않는 환경 요인을 사용하여 플랜트 동작의 조기 검출 및 진단을 수행하는 향상된 데이터 클린징 시스템 및 방법에 대한 필요성이 존재한다.

본 발명의 일반적인 목적은, 화학 플랜트 및 정련소의 동작 효율성을 향상시키는 것이다. 본 발명의 더욱 구체적인 목적은, 상기에서 설명되는 문제점 중 하나 이상을 극복하는 것이다. 본 발명의 일반적인 목적은, 적어도 부분적으로, 플랜트의 동작을 향상시키기 위한 방법을 통해 달성될 수 있다. 그 방법은 플랜트로부터 플랜트 동작 정보를 획득하는 것을 포함한다.

본 발명은, 플랜트로부터 플랜트 동작 정보를 획득하는 것 및 플랜트 동작 정보를 사용하여 플랜트 프로세스 모델을 생성하는 것을 포함하는 플랜트의 동작을 향상시키기 위한 방법을 더 포함한다. 본 발명은 플랜트의 동작을 향상시키기 위한 방법을 여전히 더 포함한다. 그 방법은, 인터넷을 통해 플랜트 동작 정보를 수신하는 것 및 플랜트 동작 정보를 사용하여 플랜트 프로세스 모델을 자동적으로 생성하는 것을 포함한다.

본 발명은, 하나 이상의 환경 요인에 기초한 측정 에러의 조기 검출 및 진단을 허용하기 위해, 강화된 데이터 클린징 프로세스를 수행한다. 환경 요인은, 적어도 하나의 1차 요인, 및 옵션적인(optional) 2차 요인(선택 사항)을 포함한다. 1차 요인은, 예를 들면, 온도, 압력, 공급물 플로우, 생성물 플로우, 및 등등을 포함한다. 2차 요인은, 예를 들면, 밀도, 특정 조성, 및 등등을 포함한다. 1차 및 2차 요인을 사용하면, 측정치와 프로세스 모델 정보 사이의 적어도 하나의 오프셋이 계산된다. 오프셋은, 이용 가능한 플랜트 동작 데이터와 대응하는 공급물 조성을 추론하는 데 사용될 수 있다.

본 발명은, 구성된 프로세스 모델을 활용하여, 개별 프로세스 유닛, 동작 블록 및/또는 완전한 프로세싱 시스템 내에서 측정치를 조정한다. 실제 측정 값에 대비한 모델 예측 값의 일상적이고 빈번한 분석은, 동작에 대한 영향을 최소화하도록 작용될 수 있는 측정 에러의 조기 식별을 허용한다.

본 발명은 다음의 디바이스: 압력 센서, 차압 센서, 오리피스 플레이트(orifice plate), 벤투리관(venturi), 다른 유량 센서, 온도 센서, 커패시턴스 센서, 중량 센서, 가스 크로마토그래프(gas chromatograph), 습도 센서, 및 정련 및 석유 화학 산업에서 일반적으로 발견되는 다른 센서 중 임의의 것으로부터의 프로세스 측정치를 활용하는데, 이들은 기술 분야에서 공지되어 있다. 또한, 본 발명은 가스 크로마토그래프, 액체 크로마토그래프, 증류 측정, 옥탄가 측정, 및 정련 및 석유 화학 산업에서 일반적으로 발견되는 다른 실험실 측정으로부터 프로세스 실험실 측정치를 활용한다.

프로세스 측정치는, 다음의 프로세스 기기: 펌프, 압축기, 열교환기, 연소 히터, 제어 밸브, 분별 증류탑(fractionation column), 원자로 및 정련 및 석유 화학 산업에서 일반적으로 발견되는 다른 프로세스 기기 중 임의의 것의 성능을 모니터링하기 위해 사용된다.

본 발명의 방법은, 웹 기반의 컴퓨터 시스템을 사용하여 구현되는 것이 바람직하다. 이 플랫폼 내에서 작업 프로세스를 실행하는 이점은, 경제적 기회를 파악하고 포착하는 동작에 의한 향상된 능력, 성능 격차를 해소하는 지속적인 능력, 인적 전문성을 활용하는 향상된 능력, 및 향상된 엔터프라이즈 튜닝(enterprise tuning)에 기인하는 향상된 플랜트 경제적 성능을 포함한다. 본 발명은, 플랜트, 예컨대 정련 및 석유 화학 설비가 동작되는 방식을 변경하기 위해 다른 파라미터와 조합하여 첨단 컴퓨팅 기술을 사용하는 새롭고 혁신적인 방식이다.

본 발명은, 에러 및 바이어스를 제거하기 위해 데이터가 검토되고 성능 결과를 계산 및 보고하기 위해 데이터가 사용되는 원격 위치로 자동 전송되는 데이터를 캡쳐하기 위해 플랜트에서 데이터 수집 시스템을 사용한다. 플랜트 및/또는 플랜트의 개별 프로세스 유닛의 성능은, 하나 이상의 프로세스 모델에 의해 예측되는 성능에 비교되어 임의의 동작 상의 차이 또는 격차를 식별한다.

예측된 값에 비교된 실제 측정된 값을 보여주는 리포트, 예컨대 일일 리포트가 생성될 수 있고, 예컨대, 예를 들면, 인터넷을 통해 플랜트 오퍼레이터 및/또는 플랜트 또는 써드파티 프로세스 엔지니어에게 전달될 수 있다. 식별된 성능 격차는 오퍼레이터 및/또는 엔지니어가 격차의 원인을 식별하고 해결하는 것을 허용한다. 본 발명의 방법은 또한, 예를 들면, 공급물, 생성물 및 가격의 주어진 값에 대한 최적 플랜트 동작에 수렴하는 최적화 루틴을 실행하기 위해 프로세스 모델 및 플랜트 동작 정보를 사용한다.

본 발명의 방법은, 플랜트 오퍼레이터 및/또는 엔지니어에게, 플랜트가 최적의 조건에서 또는 최적의 조건에 더 근접하여 연속적으로 동작하는 것을 허용하는 설정점 또는 참조점을 조정하기 위한 권고를 가능하게 하는 규칙적인 조언을 제공한다. 본 발명의 방법은, 플랜트의 미래의 동작을 향상시키기 위한 또는 수정하기 위한 대안을 오퍼레이터에게 제공한다. 본 발명의 방법은, 플랜트의 실제 잠재적인 성능을 정확하게 나타내기 위해, 프로세스 모델을 정기적으로 유지 및 조정한다. 본 발명의 하나의 실시형태의 방법은, 최적의 동작점을 식별하고, 대안적인 동작을 평가하고 공급물 평가를 행하기 위해 사용되는 오퍼레이터의 특정한 경제적 기준에 따라 구성되는 경제적 최적화 루틴을 포함한다.

본 발명은, 정련기가 실제 및 달성 가능한 경제적 성과 사이의 격차를 해소하는 데 도움을 줄 반복 가능한 방법을 제공한다. 본 발명의 방법은, 프로세스 개발 이력, 모델링 및 스트림 특성 묘사, 및 플랜트 자동화 경험을 활용하여, 데이터 보안을 보장하는 중요한 문제뿐만 아니라, 많은 양의 데이터의 효율적인 집성, 조정 및 이동을 해결한다. 웹 기반의 최적화는, 가상 기반으로, 기술적 전문성과 플랜트 프로세스 운용 직원을 연결하는 것에 의해, 최대 프로세스 성과를 달성하고 유지하는 데 있어서 바람직한 조력자(enabler)이다.

강화된 워크플로우는, 구성된 프로세스 모델을 활용하여, 개별 프로세스 유닛, 동작 블록, 또는 전체 처리 시스템의 성능을 모니터링, 예측 및 최적화한다. 실제 성과에 대비한 예측 성과의 일상적이고 빈번한 분석은, 재정적 영향을 최적화하기 위해 작용될 수 있는, 동작상의 불일치의 조기 식별을 허용한다.

본원에서 사용되는 바와 같이, "루틴"에 대한 언급은, 특정한 태스크를 수행하기 위한 일련의 컴퓨터 프로그램 또는 명령어를 지칭하는 것으로 이해되어야 한다. 본원에서의 "플랜트"에 대한 언급은, 다양한 타입의 화학 및 석유 화학 제조 또는 정련 설비 중 임의의 것을 지칭하는 것으로 이해되어야 한다. 본원에서의 플랜트 "오퍼레이터"에 대한 언급은, 제한 없이, 플랜트 기획자, 관리자, 엔지니어, 기술자 및 플랜트에서 일상적인 동작을 감독 및/또는 수행하는 데 관심이 있는 다른 사람을 가리키는 및/또는 포함하는 것으로 이해되어야 한다.

하나의 실시형태에서, 측정 에러 추정(estimation) 및 검출을 향상시키기 위한 클린징 시스템이 제공된다. 서버는 통신 네트워크를 통해 플랜트와 통신하기 위해 클린징 시스템에 커플링된다. 컴퓨터 시스템은 네트워크를 통해 플랜트의 동작에 관련되는 플랜트 데이터를 송수신하기 위한 웹 기반의 플랫폼을 구비한다. 디스플레이 디바이스가 플랜트 데이터를 상호 작용식으로(interactively) 디스플레이한다. 데이터 클린징 유닛은, 적어도 하나의 환경 요인에 기초하여 플랜트의 측정 에러의 조기 검출 및 진단을 허용하기 위한 강화된 데이터 클린징 프로세스를 수행하도록 구성된다. 공급물 추정 유닛은, 측정된 값과 시뮬레이팅된 값 사이의 계산된 오프셋 양에 기초하여 플랜트와 관련된 공급물 조성을 추정하도록 구성된다. 공급물 추정 유닛은 적어도 하나의 환경 요인에 기초하여 계산된 오프셋 양을 평가한다.

다른 실시형태에서, 플랜트의 측정 에러 검출을 향상시키기 위한 클린징 방법이 제공되는데, 그 방법은, 통신 네트워크를 통해 플랜트와 통신하기 위해 클린징 시스템에 커플링되는 서버를 제공하는 것; 네트워크를 통해 플랜트의 동작에 관련되는 플랜트 데이터를 수신 및 전송하기 위한 웹 기반의 플랫폼을 구비하는 컴퓨터 시스템을 제공하는 것; 플랜트 데이터를 상호 작용식으로 디스플레이하기 위한 디스플레이 디바이스 - 디스플레이 디바이스는 플랜트 데이터를 그래픽적으로 또는 텍스트적으로 수신하도록 구성됨 - 를 제공하는 것; 네트워크를 통해 플랜트로부터 플랜트 데이터를 획득하는 것; 적어도 하나의 환경 요인에 기초하여 플랜트의 측정 에러의 조기 검출 및 진단을 허용하기 위한 강화된 데이터 클린징 프로세스를 수행하는 것; 측정된 값과 시뮬레이팅된 값 사이의 차이를 나타내는 오프셋 양을 계산하고 평가하는 것; 공급물 정보와 생성물 정보 사이의 계산된 오프셋 양에 기초하여 플랜트와 관련되는 공급물 조성을 추정하는 것; 및 플랜트의 동작 동안 기기의 에러를 검출하기 위해 적어도 하나의 환경 요인에 기초하여 계산된 오프셋 양을 평가하는 것을 포함한다.

본 발명의 상기 및 다른 양태 및 피쳐는, 첨부하는 도면과 연계하여 고려될 때, 다음의 상세한 설명으로부터 기술 분야의 합리적인 스킬을 가진 자에게 자명하게 될 것이다.

도 1은 네트워크 인프라(network infrastructure)에서의 본 데이터 클린징 시스템의 예시적인 사용을 예시한다;
도 2는, 본 개시의 실시형태에 따른 기능 유닛을 특징으로 하는 본 데이터 클린징 시스템의 기능 블록도이다;
도 3은, 데이터 클린징 유닛 및 공급물 추정 유닛의 예시적인 배열을 특징으로 하는 본 데이터 클린징 시스템의 기능 블록도이다; 그리고
도 4는 본 데이터 클린징 시스템의 실시형태에 따른 예시적인 데이터 클린징 방법을 예시한다.

이제 도 1을 참조하면, 하나 이상의 플랜트(예를 들면, 플랜트 A, ..., 플랜트 N)(12a~12n), 예컨대 화학 플랜트 또는 정련소, 또는 그 일부의 동작을 향상시키기 위한, 본 개시의 실시형태를 사용하는, 일반적으로 10으로 나타내어지는 예시적인 데이터 클린징 시스템이 제공된다. 본 데이터 클린징 시스템(10)은 적어도 하나의 플랜트(12a~12n)로부터 획득되는 플랜트 동작 정보를 사용한다.

본원에서 사용되는 바와 같이, 용어 "시스템", "유닛" 또는 "모듈"은, 주문형 반도체(Application Specific Integrated Circuit; ASIC), 전자 회로, 하나 이상의 소프트웨어 또는 펌웨어 프로그램을 실행하는 컴퓨터 프로세서(공유형, 전용형 또는 그룹형) 및/또는 메모리(공유형, 전용형, 또는 그룹형), 조합 로직 회로, 및/또는 설명된 기능성을 제공하는 다른 적절한 컴포넌트를 가리킬 수도 있거나, 그 일부일 수도 있거나, 또는 이들을 포함할 수도 있다. 따라서, 본 개시가 유닛의 특정한 예 및 배열을 포함하지만, 다른 수정예가 숙련된 실무자에게 명백하게 될 것이기 때문에, 본 시스템의 범위는 한정되지 않아야 한다.

데이터 클린징 시스템(10)은 서버 또는 컴퓨팅 디바이스(14)(예를 들면, 데이터베이스 및 비디오 서버를 포함함)에 상주하거나 이들에 커플링될 수도 있으며, 통신 네트워크(16)를 통해, 바람직하게는 보안 클라우드 컴퓨팅 인프라를 사용하여 태스크를 수행하도록 그리고 상이한 기능 유닛에 대한 관련 데이터를 디스플레이하도록 프로그래밍된다. 전화 접속 연결(dial-in connection), 케이블 모뎀, 고속 ISDN 회선, 및 기술 분야에서 공지되어 있는 다른 타입의 통신 방법을 사용하여, 인터넷, 무선 네트워크(예를 들면, Wi-Fi(와이파이)), 회사 인트라넷, 근거리 통신망(local area network; LAN) 또는 광역 통신망(wide area network; WAN), 및 등등과 같은 다른 적절한 네트워크가 사용될 수 있다는 것이 고려된다. 모든 관련 정보는, 데이터 클린징 시스템(10) 또는 컴퓨팅 디바이스(14)에 의한 검색을 위해 데이터베이스(예를 들면, 컴퓨터 프로그램을 운반하는 데이터 스토리지 디바이스 및/또는 머신 판독 가능 데이터 저장 매체임)에 저장될 수 있다.

또한, 본 데이터 클린징 시스템(10)은 부분적으로 또는 완전히 자동화될 수 있다. 본 발명의 하나의 바람직한 실시형태에서, 데이터 클린징 시스템(10)은, 플랜트(12a~12n) 및/또는 플랜트 플래닝 센터로부터 원격에 있는, 써드파티 컴퓨터 시스템과 같은 컴퓨터 시스템에 의해 수행된다. 본 데이터 클린징 시스템(10)은, 바람직하게는, 인터넷을 통해 정보를 획득하거나 수신하고 전송하는 웹 기반의 플랫폼(18)을 포함한다. 구체적으로, 데이터 클린징 시스템(10)은, 통신 네트워크(16)를 통해 플랜트(12a~12n) 중 적어도 하나로부터 신호 및 파라미터를 수신하고, 관련된 성능 정보를, 오퍼레이터 또는 유저가 액세스할 수 있는 상호 작용식 디스플레이 디바이스(20) 상에, 바람직하게는 실시간으로, 디스플레이한다.

본 발명의 방법을 구현하기 위한 웹 기반의 시스템을 사용하는 것은, 경제적 기회를 식별하고 포착하는 플랜트 오퍼레이터의 향상된 능력, 플랜트 성능 격차를 해소할 수 있는 지속적인 능력, 및 인적 전문성을 활용하고 트레이닝 및 개발을 향상시키는 능력으로 인한 향상된 플랜트 경제적 성능과 같은 많은 이점을 제공한다. 본 발명의 방법은, 프로세스 측정의 자동화된 일일 평가를 허용하고, 그에 의해 플랜트 운용 직원으로부터 요구되는 더 적은 시간 및 노력으로 성능 검토의 빈도를 증가시킨다.

웹 기반의 플랫폼(18)은, 모든 유저가 동일한 정보를 가지고 작업하는 것을 허용하고, 그에 의해, 모범 사례(best practice)를 공유하거나 또는 문제를 해결할 수 있는 협업 환경을 조성한다. 본 발명의 방법은, 예를 들면, 촉매 수율 표현(catalytic yield representation), 구속 조건, 자유도, 및 등등을 포함할 수 있는 완전히 구성된 모델로 인해 더 정확한 예측 및 최적화 결과를 제공한다. 플랜트 계획 및 동작 모델에 대한 일상적인 자동 평가는, 시기 적절한 플랜트 모델 튜닝이 플랜트 모델과 실제 플랜트 성능 사이의 격차를 감소시키거나 제거하는 것을 허용한다. 웹 기반의 플랫폼(18)을 사용하여 본 발명의 방법을 구현하는 것은, 또한, 다수의 사이트를 모니터링 및 업데이트하는 것을 허용하고, 그에 의해, 시설 기획자가 현실적인 최적의 목표를 제안하는 것을 가능하게 한다.

이제 도 2를 참조하면, 본 데이터 클린징 시스템(10)은, 참조점 또는 설정점의 세트에 기초한 시뮬레이션 엔진으로부터의 프로세스 모델 결과와 비교하여, 각각의 플랜트(12a~12n)로부터의 실제 측정된 데이터를 조정하도록 구성되는 조정 유닛(reconciliation unit; 22)을 포함하는 것이 바람직하다. 바람직한 실시형태에서, 미리 결정된 임계 값의 세트를 사용하여 프로세스 모델 결과와 실제 측정된 데이터에 대해 휴리스틱 분석 수행된다. 통계 분석 및 다른 적절한 분석 기술이 상이한 애플리케이션에 적합하도록 사용될 수 있다는 것이 또한 고려된다.

단지 예로서, 온도, 압력, 공급물 조성, 분별 증류탑 생성물 조성, 및 등등과 같은 플랜트 동작 파라미터가 각각의 플랜트(12a~12n)로부터 수신된다. 이들 플랜트 파라미터는, 미리 결정된 시구간 동안의 플랜트(12a~12n) 내의 기기의 선택된 부분(piece)으로부터의 실제 측정된 데이터를 나타낸다. 이들 플랜트 동작 파라미터와, 미리 결정된 임계 값에 기초한 시뮬레이션 엔진으로부터의 프로세스 모델 결과의 비교가 수행된다.

또한, 데이터 클린징 시스템(10)에는, 데이터 클린징 시스템(10), 하나 이상의 내부 또는 외부 데이터베이스(26), 및 네트워크(16) 사이에 인터페이스를 제공하기 위한 인터페이스 모듈(24)이 포함된다. 인터페이스 모듈(24)은, 예를 들면, 네트워크(16), 및 다른 관련된 시스템 디바이스, 서비스, 및 애플리케이션을 통해 플랜트 센서로부터 데이터를 수신한다. 다른 디바이스, 서비스, 및 애플리케이션은, 각각의 플랜트(12a~12n)에 관련되는 하나 이상의 소프트웨어 또는 하드웨어 컴포넌트, 등등을 포함할 수도 있지만, 그러나 이들로 한정되는 것은 아니다. 인터페이스 모듈(24)은 또한, 데이터 클린징 시스템(10), 및 그것의 관련된 컴퓨팅 모듈 또는 유닛과 같은 각각의 유닛 및 모듈로 전달되는 신호 및/또는 파라미터를 수신한다.

플로우시트의 전체 하위 섹션에 걸쳐 데이터 조정을 수행하는 것에 의해, 특정한 기기에 관련이 있는 실질적으로 모든 프로세스 데이터가 관련된 동작 상의 플랜트 파라미터를 조정하는 데 사용된다. 하기에서 더 상세히 설명되는 바와 같이, 질량 유량(mass flow rate)과 같은 적어도 하나의 플랜트 동작 파라미터는, 물질 수지(mass balance)의 보정에서 활용된다. 플랜트 측정치에 대해 계산되는 오프셋이 후속 검색을 위해 추적되고 데이터베이스(26)에 저장된다.

하나 이상의 환경 요인에 기초하여 플랜트 동작의 조기 검출 및 진단을 허용하기 위한 강화된 데이터 클린징 프로세스를 수행하기 위한 데이터 클린징 유닛(28)이 제공된다. 상기에서 논의되는 바와 같이, 환경 요인은 적어도 하나의 1차 요인 및 옵션적인 2차 요인을 포함한다. 1차 요인은, 예를 들면, 온도, 압력, 공급물 플로우, 생성물 플로우, 및 등등을 포함한다. 2차 요인은, 예를 들면, 밀도, 특정 조성, 및 등등을 포함한다. 플랜트 동작 동안 특정한 기기의 에러를 검출하기 위한 공급물 정보와 생성물 정보 사이의 차이를 나타내는 오프셋 양이 계산 및 평가된다.

동작에서, 데이터 클린징 유닛(28)은, 예를 들면, 매 100밀리초 마다, 매초 마다, 매 10초 마다와 같이 지정된 시간 간격에서 반복적으로 고객 사이트 또는 플랜트(12a~12n)로부터 실제 측정된 데이터의 적어도 하나의 세트를 수신한다. 데이터 클린징을 위해, 수신된 데이터는, 데이터 클린징 유닛(28)에 의해 완전성에 대해 분석되고 전체 에러에 대해 보정된다. 그 다음, 데이터는, 측정 문제(예를 들면, 시뮬레이션 정상 상태를 확립하기 위한 정확도 문제) 및 전체적인 질량 균형 클로저(mass balance closure)에 대해 보정되어 조정된 플랜트 데이터의 중복 세트를 생성한다.

또한, 본 데이터 클린징 시스템(10)에는 시뮬레이션 프로세스에 대한 입력으로서 보정된 데이터가 사용되도록 구성되어 있는 예측 유닛(34)이 포함되는데, 여기서 프로세스 모델은, 시뮬레이션 프로세스가 조정된 플랜트 데이터와 매칭되는 것을 보장하도록 튜닝된다. 예측 유닛(34)은, 조정된 플랜트 데이터의 출력이 튜닝된 플로우시트로 입력되고, 그 다음, 예측된 데이터로서 생성되는 것을 수행한다. 각각의 플로우시트는, 프로세스 설계의 단위인 가상 프로세스 모델 객체의 집합일 수도 있다. 실행 가능한 최적화 사례가 시뮬레이션 프로세스 실행에 대해 확립되는 것을 보장하기 위해, 조정된 데이터와 예측된 데이터의 차이인 델타 값이 검증된다.

또한, 튜닝된 시뮬레이션 엔진이 최적화 사례에 대한 기초로서 사용되도록 구성되어 있는 최적화 유닛(36)이, 본 데이터 클린징 시스템(10)에 포함되는데, 최적화 사례는, 조정된 데이터 세트를 입력으로 하여 실행된다. 이 단계로부터의 출력은 새로운 세트의 데이터, 즉 최적화된 데이터이다. 조정된 데이터와 최적화된 데이터의 차이는, 보다 경제적인 최적 조건을 달성하기 위해 작업이 어떻게 변경되어야 하는지에 관한 지시를 제공한다. 이 구성에서, 데이터 클린징 유닛(28)은, 목적 함수를 최소화하기 위한 유저가 구성 가능한 방법을 제공하고, 그에 의해 플랜트(12a~12n)의 수익성을 최대화한다.

공급물 추정 유닛(30)은, 공급물(또는 입력)과 생성물(또는 출력) 정보 사이의 계산된 오프셋 양에 기초하여 특정한 플랜트 기기와 관련되는 공급물 조성을 추정하기 위해 제공된다. 최초, 공급물 추정 유닛(30)은 플랜트 동작 동안 측정 에러를 검출하기 위해, 적어도 하나의 환경 요인에 기초하여 측정된 플로우와 시뮬레이팅된 플로우 사이의 계산된 오프셋을 평가한다. 하기에서 더 상세히 설명되는 바와 같이, 마지막으로 알려진 신뢰 가능한 공급물 조성이 기준점(base point)으로서 확립되고, 마지막으로 알려진 공급물 조성은 계산된 오프셋에 기초하여 더 정확한 조성 데이터를 제공하도록 수정될 수도 있다는 것이 또한 고려된다.

또한, 본 데이터 클린징 시스템(10)에는, 적어도 하나의 환경 요인에 기초하여 측정의 동작 상태를 진단하도록 구성되는 진단 유닛(32)이 포함된다. 바람직한 실시형태에서, 진단 유닛(32)은 플랜트 기기의 특정 부분을 능동적으로 평가하기 위해 플랜트(12a~12n) 중 적어도 하나로부터 플랜트 측정치 및 프로세스 시뮬레이션을 수신한다. 특정한 프로세스의 다양한 한계를 평가하고 허용 가능한 범위의 한계 내에 머무르기 위해, 진단 유닛(32)은, 예를 들면, 유속, 히터, 온도 설정점, 압력 신호, 및 등등으로부터의 이력적 동작 파라미터(historical operational parameter) 및/또는 실제 현재 파라미터에 기초하여 최종 생성물의 목표 공차 레벨(tolerance level)을 결정한다.

진단 유닛(32)은 또한, 평가를 위해 공급물 추정 유닛(30)으로부터 계산된 오프셋을 수신한다. 오프셋이 이전에 계산된 오프셋과 미리 결정된 값만큼 상이한 경우, 진단 유닛(32)은 특정한 측정이 잘못되었거나 에러가 있다고 결정한다. 소정의 경우에 이 진단에 대해 추가적인 신뢰성 휴리스틱 분석이 수행될 수도 있다는 것이 고려된다.

운동 모델 또는 다른 상세한 계산을 사용함에 있어서, 진단 유닛(32)은 현존하는 한계 및/또는 동작 조건에 기초하여 동작 파라미터의 경계 또는 임계치를 확립한다. 예시적인 현존하는 한계는, 기계적 압력, 온도 제한, 유압 한계, 및 다양한 컴포넌트의 동작 수명을 포함할 수도 있다. 상이한 적용에 적합하도록 다른 적절한 한계 및 조건이 고려된다.

이제 도 3을 참조하면, 데이터 클린징 유닛(28) 및 공급물 추정 유닛(30)의 예시적인 배열이 본 데이터 클린징 시스템(10)의 실시형태에 따라 예시된다. 하나의 실시형태에서, 데이터 클린징 유닛(28)은, 시뮬레이션 엔진의 현재 프로세스 모델에 관련이 있는 프로세스 모델 정보, 특정한 플랜트 기기와 관련되는 현재 플랜트 프로세스 데이터, 및 특정한 플랜트 기기와 관련되는 현재 플랜트 실험실 데이터를 수신한다. 공급물 및 생성물 정보에 기초하여 계산되는 오프셋은, 평가를 위해 공급물 추정 유닛(30)으로 전송된다. 또한, 플랜트 성능 적합 파라미터(plant performance fit parameter)가 공급물 추정 유닛(30)으로 전송된다.

데이터 클린징 유닛(28)에 의해 프로세스 모델의 튜닝을 수행한 이후, 튜닝 결과에 기초하여 프로세스 모델의 건전성의 상태가 결정된다. 예를 들면, 프로세스 모델의 건전성의 상태는, 실제 측정된 데이터와 계산된 성능 프로세스 모델 결과 사이에서 측정되는 에러 마진에 기초하여 결정될 수도 있다. 따라서, 에러 마진이 미리 결정된 임계치보다 크면, 경보 메시지 또는 경고 신호가 생성되어 플랜트 측정치가 검사되고 교정되도록 할 수도 있다. 프로세스 모델의 건전성의 상태에 기초하여, 새로운 플랜트 동작 파라미터가 생성되어 특정한 플랜트 기기의 성능을 최적화한다.

마찬가지로, 공급물 추정 유닛(30)은, 프로세스 모델 정보, 현재의 플랜트 프로세스 데이터, 및 공급물 추정 분석에 대해 신뢰 가능한 특정한 플랜트 기기와 관련되는 이용 가능한 이전의 플랜트 실험실 데이터를 수신한다. 공급물 추정 유닛(30)은 프로세스 모델의 건전성의 상태를 결정하기 위한 플랜트 성능 적합 파라미터에 기초하여 계산된 오프셋의 평가를 수행한다.

예를 들면, 프로세스 모델의 건전성의 상태는, 두 개의 상이한 시간에 계산되는 두 개의 오프셋의 차이에 기초하여 결정될 수도 있다. 차이가 미리 결정된 임계치보다 크면, 다른 경보 메시지 또는 경고 신호가 생성될 수도 있다. 프로세스 모델의 건전성의 상태에 기초하여, 새로운 플랜트 동작 파라미터가 생성되어 특정한 플랜트 기기의 성능을 최적화한다.

공급물 추정 유닛(30)의 다른 중요한 양태는, 공급물 조성이, 이전의 플랜트 실험실 데이터에 실질적으로 의존하지 않고서, 생성물 조성에 기초하여 추론될 수도 있다는 것이다. 바람직한 실시형태에서, 생성물 조성의 신뢰성을 결정하기 위해, 온도 또는 압력 레벨과 같은 적어도 하나의 환경 요인이 평가된다. 생성물 조성이 신뢰 가능한 것으로 결정되면, 대응하는 플랜트 기기와 관련되는 생성물 조성에 기초하여 공급물 조성이 추정 또는 보정될 수도 있다. 예를 들면, 생성물 조성의 성분(component) 또는 원료(ingredient) 분석이 수행되어 공급물 조성에서의 대응하는 성분비를 추론한다. 반대로, 생성물 조성은, 공급물 조성의 성분 또는 원료 분석에 기초하여 역순으로 추론될 수도 있다.

이제 도 4를 참조하면, 본 발명의 하나의 실시형태에 따른, 도 1 및 도 2의 플랜트(12a~12n)와 같은 플랜트의 동작을 향상시키는 예시적인 방법에 대한 간략화된 흐름도가 예시된다. 비록 이하의 단계가 주로 도 1 및 도 2의 실시형태와 관련하여 설명되지만, 방법 내의 단계는 본 발명의 원리를 변경하지 않으면서 상이한 순서 또는 시퀀스로 수정 및 실행될 수도 있다는 것이 이해되어야 한다.

방법은 단계 100에서 시작한다. 단계 102에서, 데이터 클린징 시스템(10)은 플랜트(12a~12n) 내부에 있는 또는 플랜트(12a~12n)로부터 원격인 컴퓨터 시스템에 의해 개시된다. 방법은 컴퓨터 시스템에 의해 자동적으로 수행되는 것이 바람직하지만; 그러나, 본 발명은 그렇게 제한되도록 의도되지는 않는다. 하나 이상의 단계가, 수동 동작 또는 센서 및 다른 관련된 시스템으로부터의 데이터 입력을 원하는 대로 포함할 수 있다.

단계 104에서, 데이터 클린징 시스템(10)은 네트워크(16)를 통해 플랜트(12a~12n)로부터 플랜트 동작 정보 또는 플랜트 데이터를 획득한다. 바람직한 플랜트 동작 정보 또는 플랜트 데이터는, 플랜트 동작 파라미터, 플랜트 프로세스 조건 데이터 또는 플랜트 프로세스 데이터, 플랜트 실험실 데이터 및/또는 플랜트 제약에 관한 정보를 포함한다. 본원에서 사용되는 바와 같이, "플랜트 실험실 데이터"는 동작하는 프로세스 플랜트로부터 취해지는 유체의 주기적 실험실 분석의 결과를 가리킨다. 본원에서 사용되는 바와 같이, "플랜트 프로세스 데이터"는 프로세스 플랜트에서 센서에 의해 측정되는 데이터를 가리킨다.

단계 106에서, 플랜트 동작 정보를 사용하여 플랜트 프로세스 모델이 생성된다. 플랜트 프로세스 모델은, 플랜트 동작 정보, 즉 플랜트(12a~12n)가 동작되는 방법에 기초하여 예상되는 플랜트 성능을 추정 또는 예측한다. 플랜트 프로세스 모델 결과는, 플랜트(12a~12n)의 건전성을 모니터링하도록 그리고 임의의 불만족스런 또는 불량한 측정이 발생했는지의 여부를 결정하도록 사용될 수 있다. 플랜트 프로세스 모델은, 소망하는 플랜트 프로세스 모델을 결정하기 위해 다양한 플랜트 제약 조건에서 모델링하는 반복 프로세스에 의해 생성되는 것이 바람직하다.

단계 108에서, 플랜트(12a~12n)의 동작을 모델링하기 위해, 프로세스 시뮬레이션 유닛이 활용된다. 합리적인 시간 내에 전체 유닛에 대한 시뮬레이션이 상당히 크고 복잡해질 것이기 때문에, 각각의 플랜트(12a~12n)는 관련된 단위 동작으로 구성되는 더 작은 가상 하위 섹션으로 분할될 수도 있다. UniSim® Design Suite와 같은 예시적인 프로세스 시뮬레이션 유닛은, 현재는 미국 특허 제9,053,260호인 미국 특허 공개 공보 제2010/0262900호에서 개시되는데, 이 특허 문헌은 참조에 의해 그 전체가 통합된다. 다른 예시적인 관련 시스템은, 공동으로 양도된 미국 특허 출원 제xx/xxx, xxx호 및 제xx/xxx, xxx호(둘 다 2016년 3월 29일자로 출원된 대리인 문서 번호 H0049260-01-8500 및 H0049323-01-8500)에서 개시되는데, 이들 출원은 참조에 의해 그 전체가 통합된다.

예를 들면, 하나의 실시형태에서, 분별 증류탑 및 그 관련 기기, 예컨대 콘덴서, 리시버, 리보일러, 공급물 교환기, 및 펌프가 하위 섹션을 구성할 것이다. 온도, 압력, 유량 및 실험실 데이터를 비롯한, 유닛으로부터의 모든 이용 가능한 플랜트 데이터가 DCS(Distributed Control System; 분산형 제어 시스템) 변수로서 시뮬레이션에 포함된다. 플랜트 데이터의 다수의 세트가, 프로세스 모델 및 모델 피팅 파라미터에 대해 비교되고 가장 작은 에러를 생성하는 측정 오프셋이 계산된다.

단계 110에서, 플랜트 실험실 데이터의 연령(age)이 유저 정의 연령 기준에 대해 평가된다. 예를 들면, 하나의 실시형태에서, 플랜트 실험실 데이터는 현재 플랜트 프로세스 데이터로부터 4 시간 이내에 샘플을 취한 경우 현재인 것으로 간주된다. 플랜트 실험실 데이터가 현재이면, 제어는 단계 114로 진행한다. 그렇지 않으면, 제어는 단계 112로 진행한다.

단계 112에서, 플랜트 실험실 데이터의 연령이 현재가 아닌 경우, 현재가 아닌 플랜트 실험실 데이터를 추정하기 위해, 플랜트 프로세스 데이터 및 모델 계산이 사용된다. 예를 들면, 생성물 조성과 관련되는 온도 및 압력이 미리 결정된 기간 동안 일관되고 신뢰할 수 있는 경우, 공급물 조성은 마지막으로 알려진 생성물 조성 및 현재 플랜트 프로세스 데이터에 기초하여 추정 또는 보정된다.

하나의 실시형태에서, 플랜트 온도 측정치와 모델에서의 계산된 대응하는 온도 사이의 차이로서; 플랜트 압력 측정치와 모델에서의 계산된 대응하는 압력 사이의 차이로서; 또는 플랜트 유량 측정치와 모델에서의 계산된 대응하는 유량 사이의 차이로서 오프셋이 계산된다. 오프셋은 플랜트 측정치 중 하나 이상에 대해 계산된다. 하나의 실시형태에서, 이것은, 오프셋의 제곱의 합을 최소화하도록 구성되는 SQP("순차 2차 프로그래밍(Sequential Quadratic Programming)") 최적화기(optimizer)를 사용하여 달성된다. 하나의 실시형태에서, UniSim® Design Suite에 포함되는 SQP 최적화기가 사용된다.

단계 114에서, 오프셋 및 모델 파라미터는, 플랜트 프로세스 데이터와 대응하는 모델 값, 및 플랜트 실험실 데이터와 대응하는 모델 값 사이의 최적의 적합을 제공하도록 조정된다. 오프셋은 플랜트 프로세스 데이터 및 플랜트 실험실 데이터와 대응하는 모델 변수 사이의 차이로서 계산된다. 모델 파라미터는 플랜트 프로세스 데이터 또는 플랜트 실험실 데이터에 대응하는 모델 값 사이의 상호 작용을 제어하는 모델에서의 변수이다.

하나의 실시형태에서, 오프셋은, 플랜트 온도 측정치와 모델에서의 계산된 대응하는 온도 사이의 차이로서; 플랜트 압력 측정치와 모델에서의 계산된 대응하는 압력 사이의 차이로서; 플랜트 유량 측정치와 모델에서의 계산된 대응하는 유량 사이의 차이로서; 또는 플랜트 실험실 측정치와 모델에서의 계산된 대응하는 조성 사이의 차이로서 계산된다. 오프셋은 플랜트 측정치 중 하나 이상에 대해 계산된다.

하나의 실시형태에서, 모델 파라미터는 측정이 상호 작용하는 방식을 제어하는 프로세스 모델 내의 변수이다. 단지 예로서, 모델 파라미터는 분별 증류탑의 트레이 효율성, 열 교환기의 오염 계수(fouling factor), 또는 반응기의 반응 속도 운동 파라미터를 가리킬 수도 있다.

모델 파라미터와 오프셋은, 측정 값과 대응하는 모델 값 사이의 오프셋이 최소화되도록 선택된다. 하나의 실시형태에서, 이것은 오프셋의 제곱의 합을 최소화하도록 구성되는 SQP 최적화기를 사용하여 달성된다. 하나의 실시형태에서, UniSim Design Suite에 포함되는 SQP 최적화기가 사용된다.

단계 116에서, 공급물 정보와 생성물 정보 사이에서 측정되는 측정된 계산된 오프셋은, 측정치의 예상된 가변성에 기초하는 평가 기준에 기초하여 평가된다. 하나의 실시형태에서, 기준은 측정 센서의 예상된 반복성이다. 다른 실시형태에서, 기준은 측정의 이력적 통계 반복성(historical statistical repeatability), 예를 들면, 측정의 표준 편차의 배수일 수 있다.

단계 118에서, 오프셋이 미리 결정된 값보다 작거나 같으면, 제어는 단계 104로 복귀한다. 그렇지 않으면, 제어는 단계 120으로 진행한다. 큰 에러를 갖는 개별 측정치가 피팅 알고리즘으로부터 제거될 수도 있고 측정이 검사 및 교정되도록 경보 메시지 또는 경고 신호가 발생될 수도 있다.

단계 120에서, 플랜트 기기의 동작 상태는, 적어도 하나의 환경 요인 및 계산된 오프셋에 기초하여 진단된다. 상기에서 논의되는 바와 같이, 공급물 정보와 생성물 정보 사이의 계산된 오프셋은, 특정한 기기의 고장을 검출하기 위한 적어도 하나의 환경 요인에 기초하여 평가된다. 플랜트 기기의 적어도 하나의 부분이, 플랜트 기기의 나머지에 대한 측정 에러를 분배하지 않고서, 고장에 대해 평가 및 진단될 수 있는 것이 유익하다. 단지 예로서, 단일의 공급물 유량계 및/또는 두 개의 생성물 유량계 중 하나는, 그들의 온도, 압력 레벨, 및 각각의 대응하는 스트림의 화학적 조성에 기초하여 진단될 수 있다. 방법은 단계 122에서 종료한다.

특정한 실시형태

하기의 내용이 특정한 실시형태와 연계하여 설명되지만, 이 설명은 선행 기술 및 첨부된 청구 범위의 범위를 예시하도록 그리고 제한하지 않도록 의도된다.

본 발명의 제1 실시형태는 플랜트의 동작을 향상시키기 위한 시스템인데, 클린징 시스템은, 통신 네트워크를 통해 플랜트와 통신하기 위해 클린징 시스템에 커플링되는 서버; 네트워크를 통해 플랜트의 동작에 관련되는 플랜트 데이터를 수신 및 전송하기 위한 웹 기반의 플랫폼을 구비하는 컴퓨터 시스템; 플랜트 데이터를 상호 작용식으로 디스플레이하기 위한 디스플레이 디바이스; 적어도 하나의 환경 요인에 기초하여 플랜트의 동작의 조기 검출 및 진단을 허용하기 위한 강화된 데이터 클린징 프로세스를 형성하도록 구성되는 데이터 클린징 유닛 - 데이터 클린징 유닛은, 플랜트 데이터에 기초하여 플랜트의 동작 동안 기기의 에러를 검출하기 위한 공급물 정보와 생성물 정보 사이의 차이를 나타내는 오프셋 양을 계산 및 평가함 - ; 및 공급물 정보와 생성물 정보 사이의 계산된 오프셋 양에 기초하여 플랜트의 기기와 관련되는 공급물 조성을 추정하도록 구성되는 공급물 추정 유닛 - 공급물 추정 유닛은, 플랜트의 동작 동안 기기의 에러를 검출하기 위한 적어도 하나의 환경 요인에 기초하여 계산된 오프셋 양을 평가함 - 을 포함한다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 공급물 추정 유닛은, 마지막으로 알려진 공급물 조성을 기준점으로서 확립하도록, 그리고 계산된 오프셋 양에 기초하여 더욱 정확한 조성 데이터를 제공하기 위해 마지막으로 알려진 공급물 조성을 수정하도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 미리 결정된 시간 간격에서 반복적으로 플랜트로부터 실제 측정된 데이터의 적어도 하나의 세트를 수신하도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 완전성에 대해 수신된 데이터를 분석하고 측정 문제 및 질량 균형 클로저에 대해 수신된 데이터에서의 에러를 보정하여 조정된 플랜트 데이터의 세트를 생성하도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 보정된 데이터가 시뮬레이션 프로세스에 대한 입력으로서 사용되도록 구성되고, 시뮬레이션 프로세스에서는, 시뮬레이션 프로세스가 조정된 플랜트 데이터와 매칭되는 것을 보장하도록 프로세스 모델이 튜닝된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 조정된 플랜트 데이터의 출력이 튜닝된 플로우시트에 입력되도록, 그리고 예측된 데이터로서 생성되도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 실행 가능한 최적화 사례가 시뮬레이션 프로세스 실행에 대해 확립되는 것을 보장하기 위해, 조정된 플랜트 데이터와 예측된 데이터 사이의 차이를 나타내는 델타 값이 검증되도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 미리 결정된 참조점 또는 설정점의 세트에 기초하여 시뮬레이션 엔진으로부터의 성능 프로세스 모델 결과와 비교하여, 플랜트로부터의 실제 측정된 데이터를 조정하도록 구성되는 조정 유닛을 더 포함한다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 조정 유닛은 미리 결정된 임계 값의 세트를 사용하여 실제 측정된 데이터와 성능 프로세스 모델 결과에 대해 휴리스틱 분석을 수행하도록 구성되고, 조정 유닛은, 컴퓨터 시스템을 통해 플랜트로부터 플랜트 데이터를 수신하도록 구성되고, 수신된 플랜트 데이터는 미리 결정된 시구간 동안의 플랜트 내의 기기로부터의 실제 측정된 데이터를 나타낸다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 플랜트에 대한 기기의 나머지에 대해 측정 에러를 분배하지 않고서, 적어도 하나의 환경 요인에 기초하여 오프셋 양을 계산하는 것에 의해 기기의 동작 상태를 진단하도록 구성되는 진단 유닛을 더 포함한다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 진단 유닛은, 플랜트로부터 공급물 및 생성물 정보를 수신하여 기기를 평가하도록, 그리고 목표 공차 레벨에 기초하여 기기의 에러를 검출하기 위한 이력적 동작 파라미터 및 실제 현재의 동작 파라미터 중 적어도 하나에 기초하여 최종 생성물의 목표 공차 레벨을 결정하도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 시뮬레이션 엔진의 현재 프로세스 모델, 플랜트의 기기와 관련되는 현재 플랜트 프로세스 데이터, 및 플랜트의 기기와 관련되는 현재 플랜트 실험실 데이터 중 적어도 하나와 관련이 있는 프로세스 모델 정보를 수신한다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 계산된 오프셋 및 적어도 하나의 플랜트 성능 적합 파라미터를 평가를 위해 공급물 추정 유닛으로 전송하도록 구성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 데이터 클린징 유닛은, 시뮬레이션 엔진의 프로세스 모델의 튜닝을 수행하도록, 그리고 튜닝 결과에 기초하여 프로세스 모델의 건전성의 상태를 결정하도록 구성되고, 플랜트의 기기의 성능을 최적화하기 위해 프로세스 모델의 건전성의 상태에 기초하여 새로운 플랜트 동작 파라미터가 생성된다. 본 발명의 한 실시형태는, 본 문단의 제1 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 공급물 추정 유닛은, 플랜트의 기기와 관련되는 생성물 조성에 기초하여 공급물 조성을 추론하기 위한 공급물 추정 분석을 수행하도록 구성된다.

본 발명의 제2 실시형태는, 플랜트의 동작을 향상시키기 위한 방법인데, 클린징 방법은, 통신 네트워크를 통해 플랜트와 통신하기 위해 클린징 시스템에 커플링되는 서버를 제공하는 것; 네트워크를 통해 플랜트의 동작에 관련되는 플랜트 데이터를 수신 및 전송하기 위한 웹 기반의 플랫폼을 구비하는 컴퓨터 시스템을 제공하는 것; 플랜트 데이터를 상호 작용식으로 디스플레이하기 위한 디스플레이 디바이스 - 디스플레이 디바이스는 플랜트 데이터를 그래픽적으로 또는 텍스트적으로 수신하도록 구성됨 - 를 제공하는 것; 네트워크를 통해 플랜트로부터 플랜트 데이터를 획득하는 것; 적어도 하나의 환경 요인에 기초하여 플랜트의 동작의 조기 검출 및 진단을 허용하기 위한 강화된 데이터 클린징 프로세스를 수행하는 것; 플랜트 데이터에 기초하여 플랜트의 동작 동안 기기의 에러를 검출하기 위한 공급물 정보와 생성물 정보 사이의 차이를 나타내는 오프셋 양을 계산 및 평가하는 것; 공급물 정보와 생성물 정보 사이의 계산된 오프셋 양에 기초하여 플랜트의 기기와 관련되는 공급물 조성을 추정하는 것; 및 플랜트의 동작 동안 기기의 에러를 검출하기 위해 적어도 하나의 환경 요인에 기초하여 계산된 오프셋 양을 평가하는 것을 포함한다. 본 발명의 한 실시형태는, 본 문단의 제2 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 플랜트의 기기와 관련되는 생성물 조성의 신뢰성을 결정하기 위해 미리 결정된 기간 동안 적어도 하나의 환경 요인을 평가하는 것을 더 포함한다. 본 발명의 한 실시형태는, 본 문단의 제2 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 공급물 정보와 생성물 정보 사이의 대응하는 오프셋에 기초하여 기기의 에러를 검출하기 위한 기기의 공급물 및 생성물 정보를 평가하는 것을 더 포함한다. 본 발명의 한 실시형태는, 본 문단의 제2 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 플랜트의 기기와 관련되는 생성물 조성에 기초하여 공급물 조성을 추론하기 위한 공급물 추정 분석을 수행하는 것을 더 포함한다. 본 발명의 한 실시형태는, 본 문단의 제2 실시형태까지의 본 문단의 이전 실시형태 중 하나, 임의의 것 또는 전체인데, 플랜트에 대한 기기의 나머지에 대해 측정 에러를 분배하지 않고서, 적어도 하나의 환경 요인에 기초하여 오프셋 양을 계산하는 것에 의해 기기의 동작 상태를 진단하는 것을 더 포함한다.

추가적인 노력 없이, 앞선 설명을 사용하여, 기술 분야에서 숙련된 자는, 본 발명의 사상과 범위를 벗어나지 않고서, 본 발명의 다양한 수정예 및 변경예를 행하도록 그리고 본 발명을 다양한 용도 및 조건에 적응시키도록, 본 발명을 그 완전한 정도까지 활용할 수 있고 본 발명의 본질적인 특성을 쉽게 확인할 수 있을 것으로 믿어진다. 따라서, 전술한 바람직한 특정한 실시형태는, 본 개시의 나머지 부분을 무엇이든지간에 어떠한 방식으로든 제한하는 것이 아니라, 단지 예시적인 것으로 해석되어야 하고, 첨부된 청구범위의 범위 내에 포함되는 다양한 수정예 및 등가의 배열을 포괄하도록 의도된다.

상기의 내용에 있어서, 모든 온도는 섭씨로 기재하였으며, 달리 명시되지 않는 한, 모든 부분 및 백분율은 중량 기준이다. 본 데이터 클린징 시스템의 특정한 실시형태가 본원에서 설명되었지만, 기술 분야의 숙련된 자라면, 본 발명의 광의적 양태에서 그리고 하기의 청구범위에 기재되는 바와 같이, 본 발명을 벗어나지 않고서, 본 발명에 대해 변경 및 수정이 가해질 수도 있다는 것이 인식될 것이다.

Claims (10)

1. 석유 화학 플랜트(12a~12n)를 위한 데이터 클린징 시스템(10)으로서,
   분별 증류탑(fractionation column);
   콘덴서;
   펌프;
   유량계(flow meter)를 포함하는 하나 이상의 센서 - 상기 하나 이상의 센서는 상기 석유 화학 플랜트(12a~12n)의 동작에 관한 동작 데이터를 수집하도록 구성되고, 상기 동작 데이터는 상기 분별 증류탑, 상기 콘덴서, 또는 상기 펌프 중 적어도 하나로부터 수집되고, 상기 동작 데이터는 적어도 하나의 환경 요인, 공급물(feed) 정보, 또는 생성물(product) 정보를 포함함 - ;
   네트워크(16)를 통해 상기 하나 이상의 센서로부터 상기 동작 데이터를 수신하도록 구성된 인터페이스 모듈;
   데이터 클린징 유닛(28) - 상기 데이터 클린징 유닛(28)은,
   적어도 하나의 프로세서; 및
   상기 데이터 클린징 유닛(28)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 데이터 클린징 유닛(28)으로 하여금,
   상기 인터페이스 모듈을 통해 그리고 상기 하나 이상의 센서로부터 상기 적어도 하나의 환경 요인을 수신하게 하고,
   상기 공급물 정보 및 상기 생성물 정보 간의 차이를 나타내는 오프셋 양을 결정하게 하는, 실행가능한 명령어를 저장하는 비일시적 컴퓨터 판독가능한 메모리를 포함함 - ; 및
   공급물 추정 유닛(30) - 상기 공급물 추정 유닛(30)은,
   적어도 하나의 프로세서; 및
   상기 공급물 추정 유닛(30)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 공급물 추정 유닛(30)으로 하여금,
   상기 공급물 정보와 상기 생성물 정보 간의 차이를 나타내는 상기 오프셋 양을 수신하게 하고,
   상기 적어도 하나의 환경 요인을 수신하게 하고,
   상기 적어도 하나의 환경 요인을 사용하여 상기 오프셋 양을 평가하게 하고,
   상기 적어도 하나의 환경 요인을 사용한 상기 오프셋 양의 평가에 기초하여 공급물 조성을 결정하게 하고,
   상기 오프셋 양의 평가에 기초하여, 상기 석유 화학 플랜트(12a~12n)의 동작 동안의 기기 에러를 결정하게 하고,
   상기 석유 화학 플랜트(12a~12n)와 연관된 디스플레이 디바이스에 상기 기기 에러의 경고를 전송하게 하고,
   상기 석유 화학 플랜트(12a~12n)의 성능을 최적화하기 위해 상기 석유 화학 플랜트의 유량에 대한 조정을 하게 하는 메시지를 송신하게 하는, 실행가능한 명령어를 저장하는 비일시적 컴퓨터 판독가능한 메모리를 포함하고, 상기 유량에 대한 조정은 상기 결정된 기기 에러에 기초함 - 을 포함하는 데이터 클린징 시스템(10).
2. 제1항에 있어서, 상기 공급물 추정 유닛(30)의 비일시적 컴퓨터 판독가능한 메모리는, 상기 공급물 추정 유닛(30)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 공급물 추정 유닛(30)으로 하여금,
   기준점(base point)으로서 마지막으로 알려진 공급물 조성을 확립하게 하고,
   상기 오프셋 양에 기초하여 상기 마지막으로 알려진 공급물 조성을 수정하게 하는, 추가의 실행가능한 명령어를 저장하는 것인, 데이터 클린징 시스템(10).
3. 제1항 또는 제2항에 있어서, 상기 데이터 클린징 유닛(28)의 상기 비일시적 컴퓨터 판독가능한 메모리는, 상기 데이터 클린징 유닛(28)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 데이터 클린징 유닛(28)으로 하여금,
   미리 결정된 시간 간격에서 반복적으로 상기 석유 화학 플랜트(12a~12n)의 하나 이상의 센서로부터 실제 측정된 데이터의 세트를 수신하게 하는, 추가의 실행가능한 명령어를 저장하는 것인, 데이터 클린징 시스템(10).
4. 제3항에 있어서, 상기 데이터 클린징 유닛(28)의 상기 비일시적 컴퓨터 판독가능한 메모리는, 상기 데이터 클린징 유닛(28)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 데이터 클린징 유닛(28)으로 하여금,
   완전성에 대해 상기 실제 측정된 데이터의 세트를 분석하게 하고,
   측정 문제에 대해 상기 실제 측정된 데이터의 세트 내의 제1 에러를 보정하게 하고,
   전체 질량 균형 폐쇄(overall mass balance closure)에 대해 상기 실제 측정된 데이터의 세트 내의 제2 에러를 보정하게 하고,
   상기 실제 측정된 데이터의 세트를 사용하여, 조정된 플랜트 데이터의 세트를 생성하게 하는, 추가의 실행가능한 명령어를 저장하는 것인, 데이터 클린징 시스템(10).
5. 제4항에 있어서, 상기 데이터 클린징 유닛(28)의 상기 비일시적 컴퓨터 판독가능한 메모리는, 상기 데이터 클린징 유닛(28)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 데이터 클린징 유닛(28)으로 하여금,
   i) 상기 실제 측정된 데이터의 세트를 시뮬레이션 프로세스 - 상기 시뮬레이션 프로세스에서는, 상기 시뮬레이션 프로세스가 상기 조정된 플랜트 데이터의 세트와 매칭되는 것을 보장하도록 프로세스 모델이 튜닝됨 - 에 대한 입력으로서 사용하는 것,
   ii) 상기 조정된 플랜트 데이터의 세트의 출력을 튜닝된 플로우시트에 입력하고, 상기 조정된 플랜트 데이터의 세트의 출력으로부터 예측된 데이터를 생성하는 것, 또는
   iii) 시뮬레이션 프로세스 실행에 대해 실행 가능한 최적화 사례를 확립하기 위해 상기 조정된 플랜트 데이터의 세트와 상기 예측된 데이터 사이의 차이를 나타내는 델타 값을 검증(validate)하는 것
   중 적어도 하나를 수행하게 하는, 추가의 실행가능한 명령어를 저장하는 것인, 데이터 클린징 시스템(10).
6. 제1항 또는 제2항에 있어서,
   조정 유닛(22)을 더 포함하고, 상기 조정 유닛(22)은,
   적어도 하나의 프로세서; 및
   상기 조정 유닛(22)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 조정 유닛(22)으로 하여금,
   상기 석유 화학 플랜트(12a~12n)의 하나 이상의 센서로부터 실제 측정된 데이터의 세트를 수신하게 하고,
   설정점 또는 미리 결정된 참조점의 세트에 기초하여 시뮬레이션 엔진으로부터의 성능 프로세스 모델 결과와 비교하여 상기 석유 화학 플랜트(12a~12n)로부터의 실제 측정된 데이터의 세트를 조정하게 하는, 실행가능한 명령어를 저장하는 비일시적 컴퓨터 판독가능한 메모리를 포함하는 것인, 데이터 클린징 시스템(10).
7. 제6항에 있어서, 상기 조정 유닛(22)의 상기 비일시적 컴퓨터 판독가능한 메모리는, 상기 조정 유닛(22)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 조정 유닛(22)으로 하여금,
   미리 결정된 임계 값의 세트를 사용하여 상기 실제 측정된 데이터의 세트 및 상기 성능 프로세스 모델 결과에 대한 휴리스틱(heuristic) 분석을 수행하게 하고,
   상기 인터페이스 모듈을 통해 상기 석유 화학 플랜트(12a~12n)로부터 상기 동작 데이터를 수신하게 하는 추가의 실행가능한 명령어를 저장하고, 상기 수신된 동작 데이터는 미리 결정된 시구간 동안의 상기 석유 화학 플랜트(12a~12n)로부터의 실제 측정된 데이터의 세트를 나타내는 것인, 데이터 클린징 시스템(10).
8. 제1항 또는 제2항에 있어서, 진단 유닛(32)을 더 포함하고,
   상기 진단 유닛(32)은,
   적어도 하나의 프로세서; 및
   상기 진단 유닛(32)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 진단 유닛(32)으로 하여금,
   상기 석유 화학 플랜트(12a~12n)의 복수의 상이한 기기에 대한 측정 에러를 분배하지 않고서 상기 오프셋 양을 결정하는 것에 의해 상기 석유 화학 플랜트(12a~12n)의 제1 기기의 동작 상태를 진단하게 하는, 실행가능한 명령어를 저장하는 비일시적 컴퓨터 판독가능한 메모리를 포함하는 것인, 데이터 클린징 시스템(10).
9. 제8항에 있어서, 상기 진단 유닛(32)의 상기 비일시적 컴퓨터 판독가능한 메모리는, 상기 진단 유닛(32)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 진단 유닛(32)으로 하여금,
   상기 석유 화학 플랜트(12a~12n)로부터 상기 공급물 정보 및 상기 생성물 정보를 수신하게 하고,
   실제 현재의 동작 파라미터 또는 이력적 동작 파라미터 중 적어도 하나에 기초하여 최종 생성물의 목표 공차 레벨을 결정하게 하는, 추가의 실행가능한 명령어를 저장하고,
   상기 목표 공차 레벨은 상기 기기 에러를 결정하는 데에 사용되는 것인, 데이터 클린징 시스템(10).
10. 제1항 또는 제2항에 있어서,
    상기 데이터 클린징 유닛(28)의 상기 비일시적 컴퓨터 판독가능한 메모리는, 상기 데이터 클린징 유닛(28)의 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 데이터 클린징 유닛(28)으로 하여금,
    시뮬레이션 엔진의 현재 프로세스 모델, 상기 석유 화학 플랜트(12a~12n)와 연관된 현재 플랜트 프로세스 데이터, 또는 상기 석유 화학 플랜트(12a~12n)와 연관된 현재 플랜트 실험실 데이터 중 적어도 하나에 관한 프로세스 모델 정보를 수신하게 하는, 추가의 실행가능한 명령어를 저장하는 것인, 데이터 클린징 시스템(10).

Images