CN103207563B - 一种基于事件跟踪、还原和反馈的生产过程控制方法 - Google Patents
一种基于事件跟踪、还原和反馈的生产过程控制方法 Download PDFInfo
- Publication number
- CN103207563B CN103207563B CN201310128598.8A CN201310128598A CN103207563B CN 103207563 B CN103207563 B CN 103207563B CN 201310128598 A CN201310128598 A CN 201310128598A CN 103207563 B CN103207563 B CN 103207563B
- Authority
- CN
- China
- Prior art keywords
- data
- event
- production
- time
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000009467 reduction Effects 0.000 title abstract description 11
- 238000003860 storage Methods 0.000 claims abstract description 62
- 239000000463 material Substances 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000012546 transfer Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 35
- 238000012360 testing method Methods 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims description 10
- 238000003556 assay Methods 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 8
- 238000004886 process control Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 8
- 239000002994 raw material Substances 0.000 description 6
- 239000002283 diesel fuel Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003197 catalytic effect Effects 0.000 description 4
- 238000003754 machining Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000013256 coordination polymer Substances 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000011265 semifinished product Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 238000005984 hydrogenation reaction Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004523 catalytic cracking Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Control By Computers (AREA)
Abstract
本发明公开了一种基于事件跟踪、还原和反馈的生产过程控制方法,包括如下步骤:根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,得到装置和储罐的事件序列;根据装置和储罐的物理拓扑关系,将与所述事件序列相关的关联事件信息进行合并运算,得到移动序列;根据所述移动序列获取物料在所有装置和储罐之间的转移过程,构建得到生产调度过程描述;将平衡数据和所述的生产调度过程描述,与计划数据和生产调度指令进行对比,当对比结果不符合预期时,相应调整所述计划数据,直至对比结果符合预期。本发明实现了动态生产过程中物流事件和物流移动的跟踪、表达和反馈,实现生产过程结果的最优化。
Description
技术领域
本发明涉及生产过程控制技术领域,具体涉及一种基于事件跟踪、还原和反馈的生产过程控制方法。
背景技术
数据采集是计算机集成制造系统的基础,是生产加工过程实时数据的来源,是实现数据集成的前沿工程。数据采集系统是整个企业生产过程控制系统的一部分,是实现生产企业“管控一体化”的必要环节和措施,数据采集系统完成生产实时数据的采集和转化,提供企业管理信息系统最基本的管控依据。
现代化炼油厂大量采用DCS(Distributed Control System,集散控制系统)、PLC(Programmable Logic Controller,可编程控制器)等自动化仪表及控制设备进行生产过程、公用工程、罐区等的自动化控制。通过实时数据库软件控制常用的底层设备(包括DCS、PLC、罐区自动化系统、化验室数字仪表、流量计等),将现场数据采集到实时数据库。
系统的运行状态向多种流形式映射,其中,生产系统运行的根本目标是按序将原料转化为半成品,进而转化为成品,也即生产系统的各项活动(既包括计划、调度、控制、检验和维修等生产管控功能,也包括加工、移动、存储、回收、废弃等的生产作业),都以生产物流的状态为核心。因此,生产系统的各项状态信息都可以在生产物流信息的基础上进行组织和表达。
生产过程控制系统的首要任务是保证数据采集的实时性、准确性、可靠性、一致性和完整性。通常要求采集包含生产装置、油品罐区、计量系统、公用工程、化验室结果等数据,这些数据涵盖绝大部分生产数据,实现整个生产过程范围内数据的集成,将所有重要的实时数据采集到实时数据库系统中,便于技术人员、管理人员及时地了解到全厂整个生产运转情况。
生产过程中产生的数据蕴含了大量信息,挖掘数据之间的联系、建立数据与生产事件之间的关系是近年来生产过程控制急需解决的问题。
发明内容
本发明提供了一种基于事件跟踪、还原和反馈的生产过程控制方法,实现了动态生产过程中物流事件和物流移动的跟踪、表达和反馈,实现对生产过程调控指令的优化,实现生产过程结果的最优化。
一种基于事件跟踪、还原和反馈的生产过程控制方法,所述生产过程中产生的数据链包括计划数据、真实数据、测量数据和平衡数据,包括如下步骤:
(1)根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,得到装置和储罐的事件序列。
装置即对应流量计,加工事件的起止时间即流量计变化的起止时间;储运事件的起止时间,即储罐中液位变化的起止时间,对生产过程进行跟踪,即可得到装置和储罐的事件序列。
(2)根据装置和储罐的物理拓扑关系,将与所述事件序列相关的关联事件信息进行合并运算,得到移动序列。该移动序列用来表述生产过程的调度过程以及调度过程产生的结果。
(3)根据所述移动序列获取物料在所有装置和储罐之间的转移过程,构建得到生产调度过程描述。所述生产调度过程依据计划数据产生,用以触发生产事件。
(4)将平衡数据和所述的生产调度过程描述,与计划数据和生产调度指令进行对比,当对比结果不符合预期时,相应调整所述计划数据,重复步骤(1)~(3),直至对比结果符合预期。
通过对比结果可以准确观测生产状况,了解原料、半成品、成品的实时动态分布和流动情况,为进一步调整生产计划,获得最优的生产过程调节提供依据。
生产过程中产生的数据链是伴随生产任务而产生的一组数据,经由事件、误差等扰动以及自动或人工协调过程而形成的多组数据的集合,包括计划数据、真实数据(即理论值)、测量数据、平衡数据(即校正值)等。
A、计划数据D1(t):在保证整个生产系统物料平衡的基础上,综合考虑进厂计划、原料属性、装置能力、装置检修计划、销售计划、库存等因素而制定的调度层生产计划,产生的调度层数据。
B、真实数据D2(t),按照生产系统的系统信息以及层次对应关系扩展为装置层数据,即理论值,真实数据可用于与生产过程中产生的实时测量数据参照对比,用以及时发现生产系统的故障。
C、测量数据D3(t),所述测量数据包括装置侧线流量实时测量数据(通过DCS或数据采集系统或者人工读取得到)、储罐库存量变化(通过DCS或数据采集系统或者人工读取得到)和化验数据(实验室分析得到)。
不同测量数据的数据采集周期长短不同,分别定义如下:
TS表示生产调度周期的长度,一般为8小时;
TC表示装置侧线流量实时测量数据的采集周期长度;
TH表示罐区库存量变化的采集周期长度;
TD表示化验数据的采集周期长度;
定义测量数据D3(t)为D3(t)={y(k),H(p),K(q)},其中:
y(k)表示装置侧线流量实时测量数据;
H(p)表示罐区库存量变化;
K(q)表示化验数据。
p,q,k为相应周期中的循环计数变量,例如q为1时,表示第一个周期中采集得到的化验数据。
任何一个调度周期的开始时刻记为起点时刻,计数p,q,k将该起点时刻作为循环计数的起点,在一个调度周期结束的时刻,计数p,q,k均归零。
D、平衡数据D4(t),由于仪表本身缺陷,人工检测、化验取样时间定点不严格、生产方案临时变化会造成数据获取的错漏,DCS数据集成时会产生错漏,实时数据库数据集成时也会产生错漏,因此,实际可测量数据不可避免地带有误差,为了避免出现误差,需要对生产过程的原始数据进行整合,即利用各种数据统计分析方法和生产过程的机理,剔除测量误差,估计不可测量数据,实现物料的平衡,整合后的数据即为平衡数据。
综合计划数据、真实数据、测量数据和平衡数据,定义数据链为D(t)={D1(t),D2(t),D3(t),D4(t)},其中,t为同一调度周期内的连续时间变量。
作为优选,所述根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,具体包括以下步骤:
1-1、依次对比某侧线相邻两个化验点的数据,若相邻两个化验点中至少一种物料属性发生变化,则确定这两点间为事件发生区间;
1-2、依据该侧线流量的实时测量数据得到装置产率数据,若装置产率数据超过正常波动范围变化,则在事件发生区间内搜寻确定装置产率突变点,该突变点即为前一事件的终止时间,同时也为后一事件的起始时间。
事件序列包括装置对应的加工事件以及与该加工事件相关联的储运事件。
定义事件序列为Y={YP,YS},其中,
YP表示加工事件序列;
YS表示储运事件序列。
YP(ti,ti+1)=GP(CP,TP,QP)
=GP(CP(K(q),K(q+1)),TP(Pn,Pn(t)),QP(ya(k),yb(k)…));
其中,
GP表示加工事件序列生成函数;
TP表示加工事件更替时刻的搜索过程函数,在事件发生区间内搜索装置产率数据超过正常波动范围变化的突变点。
Pn表示某一生产计划方案下的侧线产率波动区间;
TP(Pn,Pn(t))的执行过程:采用二分法在给定区间内,找到装置产率发生阶跃变化的时间点,通过对比事件发生区间的起点和事件发生区间的中间位置点的产率,判断这两点间的装置产率是否发生异常变化,如果没有发生异常变化,则在事件发生区间的中间位置点和事件发生区间的终点之间寻找装置产率发生阶跃变化的时间点。
当前时间为ta=(q+1)TD时,CP(K(q),K(q+1))=1or0;当且仅当运算结果为1时,TP(Pn,Pn(ta))=ti+1,其中,n代表装置的不同侧线或者不同的计量点;
QP为装置对应的物料流量累计函数,
a,b表示同一装置的不同侧线;
当t=ti时,取k=0,满足ti+kTC<ti+1;
ti,ti+1分别表示事件的起始时间和终止时间;
GS表示储运事件序列生成函数;
YS(tl,tl+1)=GS(TS,QS)
=GS(TS(YP(ti,ti+1),YP(tj,tj+1)),QS(yc(k),yd(k)…))’
QS为储罐对应的物料流量累计函数,
c,d表示同一储罐的不同侧线;
YP(ti,ti+1)和YP(tj,tj+1)中的事件的起止时间均可以通过各自的GP确定,按照YP(ti,ti+1)和YP(tj,tj+1)中事件的起止时间的先后顺序逐步标定储运事件的交替时刻tl和tl+1,并在tl和tl+1的时间段范围内完成物料流量值的计算,最后输出储运事件
i,j,l均为时间点的计数变量。
所述根据装置和储罐的物理拓扑关系,将与所述事件序列相关的关联事件信息进行合并运算(合并运算过程是以连接移动的两侧装置上的事件序列为基础的),得到移动序列,具体包括以下步骤:
2-1、依据装置和储罐的事件序列中事件的起止时间标定可能存在移动的时段;
2-2、对可能存在移动的时段进行物料移动累积量的计算,若物料移动累积量为零,则不发生移动,若物料累积量不为零,则发生移动;
2-3、计算发生移动的时段的收付物流累积量,得到移动序列。
移动序列的函数表示如下:
TM为移动的时间参数标定函数;
Yz为加工事件;
Yw为储运事件;
ti,ti+1表示一组事件的起止时间点;
tj,tj+1表示一组事件的起止时间点;
CM为判断可能存在移动时段内是否发生移动的比较函数;
zb、wa代表z装置的b侧线以及关联的w装置的a侧线;
QM为可能存在移动时段内,管线上物料移动量的累积计算函数。
移动发生的必须同时具备的三个条件为:
一、发生移动的装置和储罐之间具有物理管线或运输路径;
二、在移动发生的时段内存在物料流动或者运输;
三、移动连接的两侧事件的时间参数均已得到。
因此,移动是两个具有物理连接(管线或路径)的事件序列之间间歇发生的,移动合并器函数V以移动连接的两侧事件各自的交替时刻为其运算的触发时间点。
利用各种数据统计分析方法和生产过程的机理,剔除测量误差,估计不可测量数据,实现物料的平衡,由D3(t)生成D4(t),然后由D4(t)组成生产报表、平衡表、效益测算表、库存变化表由ERP进行审核,将D4(t)和生产调度过程描述与计划数据D1(t)以及调度指令U(t)进行对比,如果对比结果不符合预期,则调整生产过程生成下一个生产周期的计划数据,利用下一个生产周期的计划数据控制生产,再次生成数据链,直至对比结果符合预期。
本发明基于事件跟踪、还原和反馈的生产过程控制方法具有以下优点:
1)弥补了目前生产过程中对于事件信息的忽视,充分利用数据与任务、事件之间的内在联系,形成良好的闭环控制与反馈系统。
2)基于数据链充分还原了生产过程的时空行为及状态,记录了生产过程中每一处变化,反馈机制充分利用生产信息,更好地为生产服务。
3)自动跟踪器和移动合成器改善了基于人工介入的事件跟踪和基于数据平台的事件信息整合的局限性,基于跟踪器和合成器的信息,利用表达器完整地重现了现场的生产事件,紧密跟踪现场状态。
4)本发明所提供的生产过程控制方法可用于研究动态数据校正、全局的故障诊断与安全管控、层次化的数据挖掘等命题。
附图说明
图1为本发明基于事件跟踪、还原和反馈的生产过程控制方法数据链的形成过程示意图;
图2为本发明基于事件跟踪、还原和反馈的生产过程控制方法中加工事件的在线跟踪过程示意图;
图3为本发明基于事件跟踪、还原和反馈的生产过程控制方法中储运事件的在线跟踪过程示意图;
图4为本发明基于事件跟踪、还原和反馈的生产过程控制方法中移动序列的合并过程示意图;
图5为本发明基于事件跟踪、还原和反馈的生产过程控制方法中反馈过程的原理示意图;
图6为本发明基于事件跟踪、还原和反馈的生产过程控制方法的流程图;
图7为本发明基于事件跟踪、还原和反馈的生产过程控制方法的原理示意图;
图8为本发明基于事件跟踪、还原和反馈的生产过程控制方法的系统组成示意图;
图9为实施例中化工厂的设备组成示意图。
具体实施方式
下面结合附图,对本发明基于事件跟踪、还原和反馈的生产过程控制方法做详细描述。
一种基于事件跟踪、还原和反馈的生产过程控制方法,生产过程中产生的数据链包括计划数据、真实数据、测量数据和平衡数据,数据链的形成过程如图1所示。
在保证全厂装置物料平衡的基础上,综合考虑原料进厂计划、原料属性、装置能力、装置检修计划、销售计划、库存等因素,制定的全厂的生产计划数据,作为触发数据链的原动力,在MES层产生D1(ti),同时在MES层产生初始的生产调度指令U1(ti)。MES层的生产调度指令U1(ti)包含加工和储运方案、物料处理量以及时间参数的生产任务,用于表达一个调度周期TS内调度结果的,通常是多装置和多阶段的生产调度指令的动态集合。
D1(ti)按照生产系统信息及层次对应关系分解得到装置层计划数据D2(ti),同时产生的U2(ti)通常为针对多种过程指标,如温度、压力或流率(流量)控制的PID输出变量。
在生产进行的同时,DCS或数据采集系统得到的大量实时测量数据,实验室分析得到的化验数据,人工读取的现场数据,记为D3(ti)={y(ti),H(ti),K(ti)),其中,y(ti)表示ti时刻装置侧线流量实时测量数据;H(ti)表示ti时刻罐区库存量变化;K(ti)表示ti时刻化验数据。
由于仪表本身缺陷,人工检测、化验取样时间定点不严格,生产方案临时变化造成计量统计错漏,DCS数据集成时产生错漏,实时数据库数据集成时产生错漏等原因,导致实际可测量数据不可避免地带有误差,D3(ti)=f((D2(ti),e),其中e为实际可测量数据的误差。
将发生的生产事件简称为任务,包括加工任务和储运任务;将已经执行完成的生产事件简称为事件,包括加工事件和储运事件。
加工任务包含的主要参数有:(1)加工任务的产率模型;(2)物料处理量;(3)任务计划的开始时刻和结束时刻。加工任务切换导致了加工和储运事件更替及物流结构性动态改变,因此,储运事件中的时间参数通过其两侧的加工事件共同确定,凭借参数估计模型的在线应用,实现事件(包括加工事件和储运事件)的自动跟踪,进而在已知的与事件有关的关联事件基础上合并得到相关的移动信息,替代传统控制方法中具有显著缺陷的人工介入方法。
参数估计主要包括三个步骤:首先,根据任务切换过程中的进出物料种类变化,确定事件更替时刻所处的时间区间,进而基于任务切换前后投入与产出的物料比例的突变,搜索并断定确切的事件更替时刻,即划定具体事件的起止时段,进而可以确定其它必要特征对于该事件的从属关系;(2)根据上一步骤中确定的事件起止时刻,对相应事件在这些时刻上的缺失数据通过冗余计算进行弥补,构成完整的事件信息;(3)以任务为基准判定事件状态。
从生产过程控制的反馈角度看,传统的生产过程的控制系统主要依赖变量型的测量数据的反馈,但对于以生产系统、企业或供应链为对象的扩展型控制/决策系统而言,单纯的测量数据远不能满足反馈需求,而必须在保持真实性和时效性的前提下,将规模庞大的测量数据集合转化为能够有序体现生产过程中控制系统状态的结构化信息。
利用各种数据统计分析方法和生产过程的机理对生产过程的测量数据进行整合,即剔除测量误差,估计不可测量数据,实现物料的平衡,进而对生产状况有准确的观测,了解原料、半成品、成品的实时动态分布和流动情况,为企业的生产调度、成本考核和统计分析等提供依据。
下面结合具体的实例对本发明方法做详细说明。
某一石化工厂的生产系统布局如图9所示,图中Unit为装置,Tank为储罐;三套加工装置在实际生产中都是典型的多方案装置,Unitl为I#催化裂化装置,具有汽油加工方案和柴油加工方案,采用的方案按照其进料I常重油和II常重油的混炼比,以及主要产出物是汽油或柴油进行区分;Tank2为催化汽油储罐,Tank3为催化柴油储罐,Tank2储藏的催化汽油一部分用于供应Unit4汽油加氢装置,Tank3储藏的催化柴油一部分用于供应Unit5柴油加氢装置。
表1、表2、表3、表4为某生产调度周期内由计划数据D1(t)得到的装置层的加工任务和储运任务的真实数据D2(t)(即理论值),其中,
表1为Unitl的加工任务A;
表2为Unitl的加工任务B;
表3为Tank 2储运任务;
表4为Tank 3储运任务。
表1
表2
表3
表4
在完整的系统仿真下,各类测量数据按照生产规律自动产生,各项关键方法也正是在这些多类型测量数据的基础上自动和持续执行的,获得质量检验数据和计量数据,产生各装置、储罐的过程测量数据D3(t),因测量数据较多,此处仅列出部分数据,如表5、表6所示。
表5为Tank2的测试数据,时间范围00:00~08:00,表6为Tank2的测试数据,时间范围08:00~16:00。
表5
表6
本发明方法基于事件跟踪、还原和反馈的生产过程控制方法,流程如图6所示,基本原理如图7所示,包括如下步骤:
(1)根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,得到装置和储罐的事件序列(事件序列包括装置对应的加工事件以及与该加工事件相关联的储运事件)。
测量数据包括装置侧线流量实时测量数据、储罐库存量变化和化验数据。分别设定:
TS=TC=24h
TH=8h
TD=4h
其中,TS表示生产调度周期的长度,一般为8小时;
TC表示装置侧线流量实时测量数据的采集周期长度;
TH表示罐区库存量变化的采集周期长度;
TD表示化验数据的采集周期长度。
根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,具体包括以下步骤:
1—1、依次对比某侧线相邻两个化验点的数据,若相邻两个化验点中至少一种物料属性发生变化,则确定这两点间为事件发生区间;
加工事件由跟踪器跟踪,具体跟踪过程如图2所示,依据设定的周期获取不同时间点的化验数据,不同时间点分别为q=8:00,q+1=12:00,q+2=16:00,q+3=20:00,调用CP提取相邻两个时间点的化验数据,对比两个时间点的物料种类,若两个时间点的物料种类存在一种或多种差异,则将该区间确定为事件发生区间,若不存在差异,则该区间没有事件发生。
由表1、表2数据可知,K(q)=K(q+1)≠K(q+2)≠K(q+3),因此,12:00至16:00,16:00至20:00期间均有事件发生。
1-2、依据该侧线流量的实时测量数据得到装置产率数据,若装置产率数据超过正常波动范围变化,则在事件发生区间内搜寻确定装置产率突变点,该突变点即为前一事件的终止时间,同时也为后一事件的起始时间。
在12:00至16:00的区间内,利用二分法搜索装置产率的突变点,通过对比区间起点和中间位置点的产率,不断缩小搜索范围,利用TP计算装置的实时产率,获取Unitl侧线物料产率的突变点为ti=4:00,ti+1=13:08,ti+2=18:00,这三个时刻即为更替时刻,两个加工事件的起止区间为4:00~13:08,13:08~18:00。
然后,进一步在加工事件YP(ti,ti+1)的起止区间内确定其它必要特征,包括各种物料的种类和物料的累计流量,各种物料的累计流量Q(ti,ti+1)在瞬时流率的基础上积算得到,
同理在16:00至20:00区间内可得,tj=4:00,tj+l=8:47,tj+2=15:18。
当Y1 P(ti,ti+1)和Y2 P(tj,tj+1)中的时间参数均已通过其各自的GP确定,按照Y1 P(ti,ti+1)和Y2 P(tj,tj+1)中时间参数的先后秩序逐步标定储运事件交替时刻tl,和tl+1,并在该起止时段上完成量值计算后,输出储运事件Y3 S(tl,tl+1),储运事件的跟踪过程如图3所示。
输出的Unitl的加工事件和储运事件Y={YP,YS},部分举例见表7、表8、表9、表10、表11、表12,其中,
表7为Unitl的加工事件Y1 P(ti,ti+1);
表8为Unitl的加工事件Y1 P(ti+1,ti+2);
表9为Tank2的储运事件Y3 S(tl,tl+1);
表10为Tank2的储运事件Y3 S(tl+1,tl+2);
表11为Tank2的储运事件Y3 S(tl+2,tl+3);
表12为Tank2的储运事件Y3 S(tl+3,tl+4)。
表7
表8
表9
表10
表11
表12
(2)根据装置和储罐的物理拓扑关系,将与事件序列(已跟踪得到的加工事件和储运事件)相关的关联事件信息进行合并运算,得到移动序列,具体包括以下步骤:
2—1、依据装置和储罐的事件序列中事件的起止时间标定可能存在移动的时段;计算TM,k=0,ti=4:00,ti+1=13:08,ti+2=18:00,
tl=4:00,tl+l=8:47,tl+2=13:08,tl+3=15:18,tl+4=18:00,
ti+1=tl+2=13:08,ti+2=tl+4=18:00,可能存在移动的时段为13:08-18:00。
2-2、对可能存在移动的时段进行物料移动累积量的计算,若物料移动累积量为零,则不发生移动,若物料累积量不为零,则发生移动。
调用QM,读取yzb(0),ywa(0),计算Qzb(tl,tl+1):Qzb(tl,tl+1)≈yzb(0)·Tc=147.8,Qwa(tl,tl+1)=Qwa(tl,tl+1)≈yzb(0)·Tc=147.5;判断Qzb(tl,。tl+1)>0,Qwa(tl,tl+1)>0,发生移动。
2-3、计算发生移动的时段的收付物流累积量,得到移动序列。
调用CM,则可输出移动序列的获得由合成器基于事件序列进行,计算流程如图4所示。
以此类推,得到输出结果如表13、表14、表15、表16所示,其中,
表13为Unitl与Tank2之间的移动
表14为Unitl与Tank2之间的移动
表15为Unitl与Tank3之间的移动
表16为Unitl与Tank3之间的移动
表13
表14
表15
表16
(3)根据移动序列获取物料在所有装置和储罐之间的转移过程,构建得到生产调度过程描述;
(4)将平衡数据和生产调度过程描述,与计划数据和生产调度指令进行对比,当对比结果不符合预期时,相应调整计划数据,重复步骤(1)~(3),直至对比结果符合预期。
实现本发明方法的系统组成如图8所示,平衡数据的获取以及生产过程调度的过程描述可以采用现有技术中的方法,每一次对比结果不符合预期之后,重新制定计划数据,并对生产过程中产生的数据链进行跟踪反馈,反馈过程如图5所示,直至对比结果符合预期,即获得最佳的生产过程调控参数。
Claims (4)
1.一种基于事件跟踪、还原和反馈的生产过程控制方法,所述生产过程中产生的数据链包括计划数据、真实数据、测量数据和平衡数据,其特征在于,包括如下步骤:
(1)根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,得到装置和储罐的事件序列;
(2)根据装置和储罐的物理拓扑关系,将与所述事件序列相关的关联事件信息进行合并运算,得到移动序列,具体包括以下步骤:
2-1、依据装置和储罐的事件序列中事件的起止时间标定可能存在移动的时段;
2-2、对可能存在移动的时段进行物料移动累积量的计算,若物料移动累积量为零,则不发生移动,若物料移动累积量不为零,则发生移动;
2-3、计算发生移动的时段的收付物料移动累积量,得到移动序列;
(3)根据所述移动序列获取物料在所有装置和储罐之间的转移过程,构建得到生产调度过程描述;
(4)将平衡数据和所述的生产调度过程描述,与计划数据和生产调度指令进行对比,当对比结果不符合预期时,相应调整所述计划数据,重复步骤(1)~(3),直至对比结果符合预期。
2.如权利要求1所述的基于事件跟踪、还原和反馈的生产过程控制方法,其特征在于,所述测量数据包括装置侧线流量实时测量数据、储罐库存量变化和化验数据。
3.如权利要求1所述的基于事件跟踪、还原和反馈的生产过程控制方法,其特征在于,事件序列包括装置对应的加工事件以及与该加工事件相关联的储运事件。
4.如权利要求1所述的基于事件跟踪、还原和反馈的生产过程控制方法,其特征在于,所述根据数据链中的测量数据,获取装置对应的加工事件的起止时间和储罐对应的储运事件的起止时间,具体包括以下步骤:
1-1、依次对比某侧线相邻两个化验点的数据,若相邻两个化验点中至少一种物料属性发生变化,则确定这两点间为事件发生区间;
1-2、依据该侧线流量的实时测量数据得到装置产率数据,若装置产率数据超过正常波动范围变化,则在事件发生区间内搜寻确定装置产率突变点,该突变点即为前一事件的终止时间,同时也为后一事件的起始时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310128598.8A CN103207563B (zh) | 2013-04-12 | 2013-04-12 | 一种基于事件跟踪、还原和反馈的生产过程控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310128598.8A CN103207563B (zh) | 2013-04-12 | 2013-04-12 | 一种基于事件跟踪、还原和反馈的生产过程控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103207563A CN103207563A (zh) | 2013-07-17 |
CN103207563B true CN103207563B (zh) | 2015-07-08 |
Family
ID=48754823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310128598.8A Expired - Fee Related CN103207563B (zh) | 2013-04-12 | 2013-04-12 | 一种基于事件跟踪、还原和反馈的生产过程控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103207563B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699020A (zh) * | 2013-12-09 | 2015-06-10 | 中芯国际集成电路制造(上海)有限公司 | 系统自动预检方法以及可自动预检的系统 |
CN106292563B (zh) * | 2015-05-29 | 2018-11-02 | 中国科学院过程工程研究所 | 一种工业固废综合利用产业链风险监控管理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694107A (zh) * | 2005-06-20 | 2005-11-09 | 浙江大学 | 一种物流数据校正方法及其系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05346929A (ja) * | 1992-06-13 | 1993-12-27 | Kao Corp | スケジューリング方法 |
-
2013
- 2013-04-12 CN CN201310128598.8A patent/CN103207563B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694107A (zh) * | 2005-06-20 | 2005-11-09 | 浙江大学 | 一种物流数据校正方法及其系统 |
Non-Patent Citations (5)
Title |
---|
"CRUDE OIL SCHEDULING ";Marcus V. Magalhaes 等;《Proceedings Foundations of Computer-Aided Process Operations 》;20031231;全文 * |
"Probabilistic modeling and dynamic optimization for performance improvement and risk management of plant-wide operation";Yu Yang 等;《Computers and Chemical Engineering》;20101231;全文 * |
"一种基于仿真的流程工业生产调度闭环优化方法";邬仲臻 等;《化工自动化及仪表》;20111231;第38卷(第4期);全文 * |
"基于仿真的炼油厂罐区操作再调度策略";王子豪 等;《化工学报》;20120930;第63卷(第9期);全文 * |
"石化企业物料平衡的多层次数据校正方法";陈昌菊;《化工学报》;20100831;第61卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103207563A (zh) | 2013-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10839115B2 (en) | Cleansing system for a feed composition based on environmental factors | |
KR102169561B1 (ko) | 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법 | |
JP6423546B2 (ja) | 高度なデータクレンジングシステムおよび方法 | |
CN107430398B (zh) | 用于调谐工艺模型的系统和方法 | |
CN105844050B (zh) | 基于时间相关的数控机床系统组件更换时间分析方法 | |
US20170315543A1 (en) | Evaluating petrochemical plant errors to determine equipment changes for optimized operations | |
JP4160399B2 (ja) | プロセスプラント内の指標の作成と表示 | |
US6038540A (en) | System for real-time economic optimizing of manufacturing process control | |
US20070100475A1 (en) | Method and apparatus for applying reduced nonlinear models to optimization of an operation | |
US20230053175A1 (en) | Process network with several plants | |
JP2004038596A (ja) | プロセス性能監視とプロセス装置監視および制御への統合 | |
CN105739462A (zh) | 智能即时动态工厂自动化管理系统 | |
CN103207563B (zh) | 一种基于事件跟踪、还原和反馈的生产过程控制方法 | |
Shokri et al. | Real time optimization as a tool for increasing petroleum refineries profits | |
CN106651056B (zh) | 一种基于设备工况组合的能源预测系统 | |
Ungern-Sternberg et al. | Work Center Performance Measurement Based On Multiple Time Series | |
WO2019005541A1 (en) | ERROR ASSESSMENT OF A PETROCHEMICAL PLANT TO DETERMINE EQUIPMENT CHANGES FOR OPTIMIZED OPERATIONS | |
Danilin et al. | Development of System and Methods of Predictive Maintenance in Production Using Industrial Sensors | |
US20240035869A1 (en) | Oil and gas metering system | |
Adjallah et al. | Optimizing the reliability, maintainability and safety data collection process through lifecycle | |
Panse | Proposal of Metrics to Visualise Performance of Prognostics Case Studies in Aerospace | |
Macchietto et al. | Monitoring and on-line optimisation of processes using speedup | |
Petrova | Application of Neural Network Algorithms at a Gas Metering Station | |
Smadi | An Integrated Methodology for Preventive Maintenance Planning | |
Du Toit | Development of a regulatory performance monitoring structure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150708 Termination date: 20190412 |