CN107430706B - 高级数据清理系统和方法 - Google Patents
高级数据清理系统和方法 Download PDFInfo
- Publication number
- CN107430706B CN107430706B CN201680017306.5A CN201680017306A CN107430706B CN 107430706 B CN107430706 B CN 107430706B CN 201680017306 A CN201680017306 A CN 201680017306A CN 107430706 B CN107430706 B CN 107430706B
- Authority
- CN
- China
- Prior art keywords
- data
- plant
- cleaning system
- unit
- simulation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 108
- 238000005201 scrubbing Methods 0.000 title description 4
- 230000008569 process Effects 0.000 claims abstract description 73
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000004140 cleaning Methods 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000003745 diagnosis Methods 0.000 claims abstract description 11
- 239000000047 product Substances 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 14
- 239000002994 raw material Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000012467 final product Substances 0.000 claims description 3
- 238000007670 refining Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005194 fractionation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000002594 sorbent Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
- G01F15/02—Compensating or correcting for variations in pressure, density or temperature
- G01F15/022—Compensating or correcting for variations in pressure, density or temperature using electrical means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
- G01F25/10—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of flowmeters
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Fluid Mechanics (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种用于改进工厂的运营的清理系统。服务器经由通信网络耦合到所述清理系统以便与所述工厂通信。计算机系统具有基于Web的平台以便通过所述网络接收和发送与所述工厂的运营相关的工厂数据。显示设备交互地显示所述工厂数据。数据清理单元被配置为执行增强的数据清理过程,以便允许基于至少一个环境因素对所述工厂的运营进行早期检测和诊断。所述数据清理单元计算和评估表示测量与仿真之间的差异的偏移量,以便基于所述工厂数据检测所述工厂的运营期间的测量误差。
Description
交叉引用
本申请要求根据35U.S.C§119(e)于2015年3月30日提交的美国临时申请第62/140,039号的优先权,其全部内容通过引用并入本文。
技术领域
本发明涉及用于诸如化工厂或炼油厂之类的工厂的数据清理过程,并且更具体地说,涉及一种执行数据清理过程以用于工厂运营的早期故障诊断的方法和系统。
背景技术
在如今的环境下,运营炼油厂和石化厂的公司通常面临着严峻的挑战。这些挑战可以包括不断被侵蚀的财务毛利、日益复杂的技术、工人经验水平的降低、以及不断改变的环境法规。
此外,由于原料和产品价格越来越不稳定,经营者经常发现做出能够优化其财务毛利的经营决策越发困难。可以预见在未来这种不稳定的趋势将持续,但是,对于那些能够快速识别和响应市场机会(当它们出现时)的公司,这代表了经济潜力。
来自资本市场的压力通常迫使运营公司不断增大现存资产的回报。作为响应,催化剂、吸附剂、设备、以及控制系统供应商开发了更复杂的能够增加资产绩效的系统。这些高级系统的维护和运营通常需要提高的技能水平,考虑到如今技术人员的时间压力和有限资源,难以形成、维护和传授这些技能水平。这意味着这些日益复杂的系统不能一直发挥最大潜力。另外,当现存资产运营接近或者超过其设计极限时,会出现可靠性问题和运营风险。
工厂运营者一般用以下几种策略中的一种或几种应对上述挑战,例如,减小可用性风险、建立价值链以及持续经济优化。减小可用性风险一般强调实现充分的工厂运营(与最大化经济绩效相对)。建立价值链一般强调提高原料和产品结构与资产能力和市场需求的匹配。持续经济优化一般采用工具、系统和模型来不断监视和弥补工厂绩效中的经济和运营差距。
在典型的数据清理过程中,只有流量计被纠正。执行数据清理以纠正流量计校准和流体密度变化,之后质量平衡包络中流量计的总误差被平均以强制净原料与净产品流量之间的100%质量平衡。但是,此常规数据清理实践忽略其它可用的相关工艺信息(例如,温度、压力和内部流量)并且不允许显著误差的早期检测。特别是,与流量计相关的误差分散在各流量计之间,所以很难检测特定流量计的误差。
因此,需要一种使用一个或多个环境因素执行工厂运营的早期检测和诊断的改进的数据清理系统和方法。
发明内容
本发明的一个总体目标是提高化工厂和炼油厂的运营效率。本发明的一个更具体的目标是克服上述问题中的一者或多者。通过一种改进工厂的运营的方法能够至少部分地实现本发明的一个总体目标。该方法包括从所述工厂获得工厂运营信息。
本发明进一步包括一种用于改进工厂的运营的方法,该方法包括:从所述工厂获得工厂运营信息;以及使用所述工厂运营信息生成工厂工艺模型。本发明还进一步包括一种用于改进工厂的运营的方法。该方法包括:通过因特网接收工厂运营信息,以及使用所述工厂运营信息自动生成工厂工艺模型。
本发明执行一种增强的数据清理过程,其允许基于一个或多个环境因素对测量误差进行早期检测和诊断。所述环境因素包括至少一个主要因素和可选的次要因素。所述主要因素包括例如温度、压力、原料流量、产品流量等。所述次要因素包括例如密度、具体成分等。利用所述主要因素和次要因素,计算测量与工艺模型信息之间的至少一个偏移。
本发明利用经配置的工艺模型来协调个体工艺单元、操作模块和/或完整处理系统内的测量。对模型预测值和实际测量值的例行和频繁分析允许早期识别测量误差,能够对所述测量误差采取动作以最小化对运营的影响。
本发明利用来自以下任一设备的工艺测量:压力传感器、差动压力传感器、孔板、文氏管、其它流量传感器、温度传感器、电容传感器、重量传感器、气相色谱仪、湿度传感器、以及本领域公知的在炼油和石化行业中常见的其他传感器。另外,本发明利用来自气相色谱仪、液体色谱仪、蒸馏法测量、辛烷测量的工艺实验室测量、以及炼油和气化行业常见的其他实验室测量。
所述工艺测量用于监视以下任一工艺设备的性能:泵、压缩机、换热器、加热炉、控制阀、分馏塔、反应釜以及炼油和石化行业中常见的其他工艺设备。
本发明的方法优选地使用基于Web的计算机系统来实现。在此平台内执行工作过程的益处包括:由于增加的通过运营识别和捕获经济机会的能力而导致提高的工厂经济绩效、持续弥补绩效差距的能力、增加的利用人员专业技术的能力、以及改进的企业调整。本发明是一种新颖和创新的方法,其结合其他参数使用高级计算技术来改变诸如炼油和石化设施之类的工厂的运营方式。
本发明利用工厂处的数据采集系统来捕获数据,数据被自动发送到远程位置,在远程位置处数据被检查以便例如消除误差和偏差并用于计算和报告性能结果。工厂和/或工厂的个体工艺单元的性能被与通过一个或多个工艺模型预测的性能相比较以识别任何运营差异或差距。
可以生成诸如每日报告之类的显示与预测值相比的实际测量值的报告并例如经由因特网将其传送给工厂运营方和/或工厂或第三方工艺工程师。所识别的绩效差距允许运营方和/或工程师识别并解决差距的原因。本发明的方法进一步使用工艺模型和工厂运营信息来运行优化例程,所述优化例程针对例如原料、产品以及价格的给定值收敛于最佳工厂运营。
本发明的方法向工厂运营方和/或工程师提供常规建议,其使能推荐调整设定点或参考点,从而允许工厂一直运行在最优条件下或在接近最优条件下运行。本发明的方法向运营方提供用于改进或修改工厂的未来运营的备选方案。本发明的方法对工艺模型进行常规维护和调谐以正确地表示工厂的真实潜在绩效。本发明的一个实施例的方法包含按照运营方的特定经济准则配置的经济优化例程,所述经济优化例程用于识别最佳运营点、评估替代操作并进行原料评估。
本发明提供一种帮助精炼厂弥补实际和可达到的经济绩效之间的差距的可重复方法。本发明的方法利用工艺开发历史、建模和流表征、以及工厂自动化经验来解决确保数据安全性以及大量数据的高效聚合、调谐及移动的关键问题。基于Web的平台是优选的使能者(enabler),以便通过在虚拟的基础上连接专业技术人员和工厂工艺操作员工来达到并保持最大工艺性能。
增强的工作流利用经配置的工艺模型对个体工艺单元、操作模块或完整过程系统的绩效进行监视、预测和优化。对预测和实际性能的例行和频繁分析允许早期识别运营差异,可以对所述运营差异采取动作以优化财务影响。
如本文中使用的,对“例程”的引用可以被理解为指用于执行特定任务的一系列计算机程序或指令。本文中对“工厂”的引用可以被理解为指各种化学或石化制造或精炼设施中的任一种。本文中对工厂“运营方”的引用可以被理解为指和/或包括(但不限于):工厂规划者、管理者、工程师、技术人员、以及其他关注、监管和/或运行工厂处的日常操作的人员。
在一个实施例中,提供一种用于改进测量误差估计和检测的清理系统。服务器经由通信网络耦合到所述清理系统以便与所述工厂通信。计算机系统具有基于Web的平台以便通过所述网络接收和发送与所述工厂的运营相关的工厂数据。显示设备交互地显示所述工厂数据。数据清理单元被配置为执行增强的数据清理过程,以便允许基于至少一个环境因素对所述工厂的测量误差进行早期检测和诊断。所述数据清理单元计算和评估表示原料或测量信息与产品或仿真信息之间的差异的偏移量,以便基于所述工厂数据检测所述工厂的运营期间的设备或测量误差。
在另一个实施例中,提供一种用于改进工厂的测量误差检测的清理方法,并且所述方法包括:提供经由通信网络耦合到清理系统以便与所述工厂通信的服务器;提供具有基于Web的平台以便通过所述网络接收和发送与所述工厂的运营相关的工厂数据的计算机系统;提供用于交互地显示所述工厂数据的显示设备,所述显示设备被配置为以图形或文本方式接收所述工厂数据;通过所述网络从所述工厂获取所述工厂数据;执行增强的数据清理过程,以便允许基于至少一个环境因素对所述工厂的运营进行早期检测和诊断;以及计算和评估表示原料或测量信息与产品或仿真信息之间的差异的偏移量,以便基于所述工厂数据检测所述工厂的运营期间的设备或测量误差。
从以下结合附图的详细说明,本发明的上述以及其它方面和特征对本领域的技术人员将变得显而易见。
附图说明
图1示出了本数据清理系统在网络基础设施中的示意性使用;
图2是根据本公开的一个实施例的重点示出功能单元的本数据清理系统的功能框图;
图3示出了根据本数据清理系统的一个实施例的示意性数据清理方法。
具体实施方式
现在参考图1,提供一种使用本公开的一个实施例的示意性数据清理系统(总体标示为10),所述数据清理系统用于改进诸如化工厂或精炼厂之类的一个或多个工厂(例如,工厂A…工厂N)或它们的一部分的运营。本数据清理系统10使用从至少一个工厂12a-12na获得的运营信息。
如本文使用的,术语“系统”、“单元”或“模块”可以指以下项、是以下项的一部分、或者包括以下项:专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的计算机处理器(共享的、专用的或者组)和/或存储器(共享的、专用的或组)、逻辑组合电路、和/或用于提供所描述功能的适合组件。因此,虽然本公开包括单元的特定示例和布置,但是由于其他修改将对本领域的技术人员变得显而易见,本系统的范围并不应限于如此的示例和布置。
数据清理系统10可以位于服务器或计算设备14中(包括例如数据库和视频服务器)或优选地使用安全的云计算基础设施经由通信网络16耦合到服务器或计算设备14(包括例如数据库和视频服务器),并且被编程为执行不同功能单元的任务并显示相关数据。构想了可以使用其他适合的网络,例如互联网、无线网络(例如,Wi-Fi)、公司内联网、局域网(LAN)或广域网(WAN)等,它们使用拨号连接、电缆调制解调器、高速ISDN线、以及本领域公知的其他类型的通信方法。所有相关信息能被存储到数据库中以便由数据清理系统10或计算设备14(例如,作为数据存储设备和/或承载计算机程序的机器可读数据存储介质)检索。
此外,本数据清理系统10可以是部分或完全自动化的。在本发明的一个优选实施例中,数据清理系统10由远离工厂12a-12n和/或工厂规划中心的计算机系统(例如第三方计算机系统)执行。数据清理系统10优选地包括通过互联网获取或接收和发送信息的基于Web的平台。具体地说,数据清理系统10经由通信网络16接收来自工厂12a-12n中的至少一个工厂的信号和参数并在运营方或用户可访问的交互式显示设备20上显示(优选地实时显示)相关绩效信息。
使用基于Web的系统来实现本发明的方法提供了许多益处,诸如由于工厂运营方的增加的识别和捕获经济机会的能力而导致提高的工厂经济绩效、持续弥补工厂绩效差距的能力、增加的利用人员专业技术的能力、以及改进培训和开发。本发明的方法允许对过程测量的自动化的日常评估,从而增大绩效审查的频率,减少工厂运营人员所需的时间和工作。
基于Web的平台18允许所用用户使用相同的信息工作,因此创建用于共享最佳实践或排除故障的协作环境。本发明的方法由于完整配置的模型而提供更加精确的预测和优化结果,它们例如能够包括催化剂产量表示(catalytic yield representation)、约束、以及自由度等。工厂规划和运营模型的例行自动化评估允许及时调整工厂模型以便降低或消除工厂模型与实际工厂绩效之间的差距。使用基于Web的平台18实现本发明的方法还允许监视和更新多个站点,从而更好地允许设施规划者提出务实的最优目标。
现在参考图2,优选地,本数据清理系统10包括协调单元22,其被配置为对照来自仿真引擎的基于一组预定参考或设定点的工艺模型结果来协调来自相应工厂12a-12n的实际测量数据。在一个优选实施例中,针对实际测量数据和使用一组预定阈值的工艺模型结果来执行试探分析。还构想了能够使用统计分析和其它适合的分析技术来适合于不同的应用。
仅作为一个例子,从相应工厂12a-12n接收与温度、压力、原料组成、分馏塔等相关的动力学或其他关联的工厂参数。这些工厂参数表示在预定时间周期内来自工厂12a-12n中的选定设备的实际测量数据。执行这些工厂运营参数与来自仿真引擎的基于预定阈值的工艺模型结果的比较。
数据清理系统10中还包括接口模块24,接口模块24用于在数据清理系统10、一个或多个内部或外部数据库26、以及网络16之间提供接口。接口模块24经由网络16接收来自例如工厂传感器的数据和参数、以及其它相关的系统设备、服务器和应用。其它设备、服务器和应用可包括但不限于与相应工厂12a-12n相关的一个或多个软件或硬件组件等。接口模块24还接收信号和/或参数,所述信号和/或参数被传送到相应单元和模块,例如数据清理系统10及其关联的计算模块或单元。
提供一种用于执行增强的数据清理过程的数据清理单元28,以便允许基于一个或多个环境因素对工厂运营进行早期检测和诊断。如上所述,所述环境因素包括至少一个主要因素和可选的次要因素。所述主要因素包括例如温度、压力、原料流量、产品流量等。所述次要因素包括例如密度、具体成分等。计算和评估代表原料和产品信息之间的差异的偏移量,以便检测在工厂运营期间特定设备的误差。
在运营中,数据清理单元28以规定时间间隔(例如,每100毫秒,每秒,每十秒,每分钟,每两分钟等)重复地接收来自客户站点或工厂12a-12n的至少一组实际测量数据。为了进行数据清理,数据清理单元28分析所接收的数据的完整性并纠正总误差。然后,针对测量问题(例如,用于建立仿真稳态的精确性问题)和整体质量平衡闭合(mass balanceclosure)纠正所述数据,以便产生一组重复的协调后的工厂数据。
通过在流程图的完整子部分(sub-section)上执行数据协调,基本上与特定设备相关的所有工艺数据被用于协调关联的运营工厂参数。如下面更详细描述的,在质量平衡的纠正中利用至少一个工厂运营参数,例如质量流量。跟踪针对工厂测量计算的偏移并将其存储在数据库26中以供随后的检索。
本数据清理系统10还包括诊断单元30,诊断单元30被配置为基于至少一个环境因素诊断测量的运营状态。诊断单元30基于至少一个环境因素评估工厂测量与工艺仿真之间的所计算的偏移量,以便检测工厂运营期间特定工厂测量的故障或误差。有利的是能够针对故障评估和诊断至少一个工厂设备而不散布其余工厂设备的测量误差。
在一个优选实施例中,诊断单元30接收来自工厂12a-12n中的至少一个工厂的原料和产品信息以主动评估特定工厂设备。为了评估特定工艺的各种极限并保持在可接受的极限范围内,诊断单元30基于实际的当前和/或历史运营参数(例如来自流量、加热器、温度设定点,压力信号等)确定最终产品的目标容差水平。在偏移与先前计算的偏移的不同达到预定值时,诊断单元30确定特定测量出现故障或存在误差。构想了在特定情况下可以针对此诊断执行额外的可靠性试探分析。
在使用动力学模型和其他详细计算中,诊断单元30基于现有极限和/或运营条件建立运行参数的界限或阈值。示意性现有极限可以包括机械压力、温度极限、液压极限、以及各种组件的工作寿命。构想了其它适当的极限和条件以适合不同的应用。
本数据清理系统10还包括预测单元32,预测单元32被配置为使得纠正后的数据被用作到仿真过程的输入,在所述仿真过程中,工艺模型被调谐以确保所述仿真过程与协调后的工厂数据相匹配。预测单元32执行以使得具有所述协调后的工厂数据的输出被输入到调谐后的调整流程图中并且然后被生成为预测数据。作为工艺设计单元,每个流程图可以是虚拟工艺模型对象的集合。作为协调后的数据与预测数据之间的差异的增量值被验证以确保针对仿真过程运行建立可行的优化例(optimization case)。
本数据清理系统10中还包括优化单元34,优化单元34被配置为使得调谐后的仿真引擎被用作以一组协调后的数据作为输入来运行的优化例的基础。来自该步骤的输出是一组新的数据,即优化后的数据。协调后的数据与优化后的数据之间的差异提供了有关应如何改变运营以达到更好的经济最优的指示。在此配置中,数据清理单元28提供一种用于使目标函数最小化,从而使工厂12a-12n的产出最大化的可由用户配置的方法。
现在参考图3,示出了根据本发明的一个实施例的改进工厂(诸如图1和2的工厂12a-12n)的运营的示意性方法的简化流程图。虽然主要根据图1和图2的实施例描述以下步骤,但是应理解,在不改变本发明的原理的情况下,可以修改并按不同次序或顺序执行本方法中的步骤。
本方法在步骤100开始。在步骤102,由位于工厂12a-12n中或远离工厂12a-12n的计算机系统启动数据清理系统10。本方法理想地由计算机系统自动执行;但是本发明并非旨在被限于此。如所期望的,一个或多个步骤能够包括手动操作或来自传感器或其它相关系统的数据输入。
在步骤104中,数据清理系统10通过网络16获得来自工厂12a-12n的工厂运营信息或工厂数据。期望的工厂运营信息或工厂数据包括工厂运营参数、工厂工艺条件数据、工厂实验室数据和/或有关工厂约束的信息。如本文中使用的,“工厂实验室数据”指从正在运营的处理工厂获取的流体的周期性实验分析结果,“工厂工艺条件数据”指由处理工厂中的传感器测量的数据。
在步骤106中,使用工厂运营信息生成工厂工艺模型。工厂工艺模型基于工厂运营信息(即,工厂12a-12n如何运营)来评估或预测期望的工厂绩效。工厂工艺模型结果能够用于监视工厂12a-12n的运营情况并用于确定是否出现任何干扰或不良测量。理想地由在各种工厂约束下建模以确定理想的工厂工艺模型的重复过程来生成工厂工艺模型。
在步骤108中,利用工艺仿真单元对工厂12a-12n的运营进行建模。由于对整个单元进行仿真的工作繁重且难以在合理的时间量内求解,所以每个工厂12a-12n可以被划分成包括相关单元操作的更小的虚拟子部分。美国专利公开2010/0262900(现在为美国专利9,053,260,其全部内容通过引用并入本文)中披露了示意性工艺仿真单元10,如设计套件。在共同受让的美国专利xx/xxx,xxx和xx/xxx,xxx(代理人案号H0049260-01-8500和H0049324-01-8500,均于2016年3月29日提交,其全部内容通过引用并入本文)中披露了其他示意性相关系统。
例如,在一个实施例中,分馏塔及其相关设备(如它的冷凝器、接收器、再沸器、进料换热器和泵)将构成一个子部分。来自该单元的所有可用工厂数据(包括温度、压力、流量和实验数据)被作为分布式控制系统(DCS)变量包括在仿真中。将多组工厂数据与工艺模型和模型拟合参数相比较并且计算生成最小误差的测量偏移。
在步骤110中,变化大于预定阈值的拟合参数或偏移以及大于预定误差范围的测量可以触发进一步的动作。例如,偏移或拟合参数的较大变化可以表明模型调谐不充分。该组数据的整体数据质量然后可以被标记为有问题。
更具体地说,评估测量值和对应的仿真值以便基于对应的偏移来检测误差。在一个优选实施例中,当测量信息与仿真信息不同步时检测到偏移。系统利用来自多个测量的证据和工艺模型来确定仿真信息。
仅作为一个例子,考虑下面的测量:由50%的组分A和50%的组分B组成并且流量为200磅每小时(90.7kg/hr)的原料和两个产品流,第一产品流由99%的组分A组成并且流量为100磅每小时(45.3/hr),第二产品流由99%的组分B组成并且流量为95磅每小时(43.1/hr)。基于第一性原理模型,总原料必须等于总产品,并且原料中A和B的总量必须等于产品中A和B的总量。第二产品流的预期流量将为100磅每小时(45.3/hr),因此运营方能够评估测量与仿真之间的偏移为5磅每小时(2.27kg/hr)。
在步骤112中,当偏移小于或等于预定值时,控制返回步骤104。否则,控制继续到步骤114。可以从拟合算法消除具有较大误差的个体测量并发出用于检查和校正测量的警报消息或警告信号。
在步骤114中,基于至少一个环境因素诊断测量的运营状态。如上所述,基于至少一个环境因素评估原料和产品信息之间所计算的偏移以便检测特定测量的故障。如果测量被确定为处于故障状态,则向运营方发出警报。本方法在步骤116结束。
具体实施例
尽管以下结合具体实施例进行描述,但是将理解,此描述旨在例示而非限制上述描述和所附权利要求的范围。
本发明的第一实施例是一种用于改进工厂运营的系统,所述清理系统包括:服务器,其经由通信网络耦合到所述清理系统以便与所述工厂通信;计算机系统,其具有基于Web的平台以便通过网络接收和发送与所述工厂的运营相关的工厂数据;显示设备,其用于交互地显示所述工厂数据;以及数据清理单元,其被配置为执行增强的数据清理过程,以便允许基于至少一个环境因素对所述工厂的运营进行早期检测和诊断,其中所述数据清理单元计算和评估表示测量信息与仿真信息之间的差异的偏移量,以便基于所述工厂数据检测所述工厂的运营期间的测量误差。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述至少一个环境因素包括至少一个主要因素和可选的次要因素。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述至少一个主要因素包括温度、压力、原料流量、以及产品流量中的至少一者。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述可选的次要因素包括密度值和具体成分中的至少一者。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述数据清理单元被配置为以预定时间间隔重复地接收来自所述工厂的至少一组实际测量数据。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述数据清理单元被配置为分析接收的数据的完整性,并且针对测量问题和整体质量平衡闭合纠正所述接收的数据中的误差以便生成一组协调后的工厂数据。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述数据清理单元被配置为使得纠正后的数据被用作到仿真过程的输入,在所述仿真过程中,工艺模型被调谐以确保所述仿真过程与所述协调后的工厂数据相匹配。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述数据清理单元被配置为使得具有所述协调后的工厂数据的输出被输入到调谐后的调整流程图中并被生成为预测数据。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述数据清理单元被配置为使得表示所述协调后的工厂数据与所述预测数据之间的差异的增量值被验证以确保针对仿真过程运行建立可行的优化例。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中调谐后的仿真引擎被用作正在被运行的所述可行的优化例的基础且所述协调后的工厂数据被用作输入,并且来自所述调谐后的仿真引擎的输出是优化后的数据。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述协调后的数据与所述优化后的数据之间的差异指示能够被改变以达到所述工厂的更优绩效的一个或多个工厂变量。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,进一步包括协调单元,其被配置为对照来自仿真引擎的基于一组预定参考或设定点的绩效工艺模型结果来协调来自所述工厂的实际测量数据。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述协调单元被配置为针对所述实际测量数据和使用一组预定阈值的所述绩效工艺模型结果来执行试探分析,并且其中所述协调单元被配置为经由所述计算机系统接收来自所述工厂的所述工厂数据,并且所接收的工厂数据表示在预定时段内来自所述工厂的设备的所述实际测量数据。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,进一步包括诊断单元,其被配置为通过基于所述至少一个环境因素计算所述偏移量来诊断测量的运营状态。本发明的一个实施例是本段落中的在先实施例直到本段落中的第一实施例中的一个实施例、任一实施例或全部实施例,其中所述诊断单元被配置为接收来自所述工厂的原料和产品信息以评估所述设备,以及基于实际当前运营参数和历史运营参数中的至少一者确定最终产品的目标容差水平,以便基于所述目标容差水平检测所述设备的误差。
本发明的第二实施例是一种改进工厂运营的方法,所述清理方法包括:提供经由通信网络耦合到清理系统以便与所述工厂通信的服务器;提供具有基于Web的平台以便通过所述网络接收和发送与所述工厂的运营相关的工厂数据的计算机系统;提供用于交互地显示所述工厂数据的显示设备,所述显示设备被配置为以图形或文本方式接收所述工厂数据;通过所述网络从所述工厂获取所述工厂数据;执行增强的数据清理过程,以便允许基于至少一个环境因素对所述工厂的运营进行早期检测和诊断;以及计算和评估表示原料与产品信息之间的差异的偏移量,以便基于所述工厂数据检测所述工厂的运营期间设备的误差。本发明的一个实施例是本段落中的在先实施例直到本段落中的第二实施例中的一个实施例、任一实施例或全部实施例,进一步包括使用所述工厂数据生成工厂工艺模型,基于所述工厂数据使用所述工厂工艺模型来评估或预测期望的工厂绩效。本发明的一个实施例是本段落中的在先实施例直到本段落中的第二实施例中的一个实施例、任一实施例或全部实施例,进一步包括评估所述测量和所述测量的仿真以便检测所述测量的误差。本发明的一个实施例是本段落中的在先实施例直到本段落中的第二实施例中的一个实施例、任一实施例或全部实施例,进一步包括在对应偏移小于或等于预定值时检测所述测量的误差。本发明的一个实施例是本段落中的在先实施例直到本段落中的第二实施例中的一个实施例、任一实施例或全部实施例,进一步包括通过基于所述至少一个环境因素计算所述偏移量来诊断测量的运营状态。
在不进一步阐述的情况下,相信使用前述描述,本领域的技术人员能够在不脱离本发明的精神和范围的情况下最大程度地利用本发明并容易地确定本发明的基本特征,对本发明做出各种改变和修改,并使其适应各种用途和条件。因此,前述优选的具体实施例被理解为仅仅是说明性的,而不是以任何方式限制本公开的其余部分,并且旨在覆盖包括在所附权利要求的范围内的各种修改和等同布置。
在上文中,所有温度的单位为摄氏度,所有部分和百分比按重量计算,除非另有说明。
Claims (9)
1.一种用于改进工厂[12a-12n]的运营的清理系统[10],所述清理系统[10]包括:
服务器[14],其经由通信网络[16]耦合到所述清理系统[10]以便与所述工厂[12a-12n]通信;
计算机系统[18],其具有基于Web的平台以便通过网络[16]接收和发送与所述工厂[12a-12n]的运营相关的工厂数据;
显示设备[20],其用于交互地显示所述工厂数据;以及
数据清理单元[28],其被配置为执行增强的数据清理过程,以便允许基于至少一个环境因素对所述工厂[12a-12n]的运营进行早期检测和诊断,
其中所述数据清理单元[28]计算和评估表示测量信息与仿真信息之间的差异的偏移量,以便基于所述工厂数据检测所述工厂[12a-12n]的运营期间的测量误差,
其中所述数据清理单元[28]被配置为以预定时间间隔重复地接收来自所述工厂[12a-12n]的至少一组实际测量数据;
其中所述数据清理单元[28]被配置为分析接收的数据的完整性,并且针对测量问题和整体质量平衡闭合纠正所述接收的数据中的误差以便生成一组协调后的工厂数据;
其中所述数据清理单元[28]被配置为使得纠正后的数据被用作到仿真过程的输入,在所述仿真过程中,工艺模型被调谐以确保所述仿真过程与所述协调后的工厂数据相匹配;以及
其中所述数据清理单元[28]被配置为使得具有所述协调后的工厂数据的输出被输入到调谐后的调整流程图中并被生成为预测数据。
2.根据权利要求1所述的清理系统,其中所述至少一个环境因素包括至少一个主要因素和可选的次要因素。
3.根据权利要求2所述的清理系统,其中所述至少一个主要因素包括温度、压力、原料流量、以及产品流量中的至少一者。
4.根据权利要求2所述的清理系统,其中所述可选的次要因素包括密度值和具体成分中的至少一者。
5.根据权利要求1所述的清理系统,其中所述数据清理单元[28]被配置为使得表示所述协调后的工厂数据与所述预测数据之间的差异的增量值被验证以确保针对仿真过程运行建立可行的优化例。
6.根据权利要求5所述的清理系统,其中调谐后的仿真引擎被用作正在被运行的所述可行的优化例的基础且所述协调后的工厂数据被用作输入,并且来自所述调谐后的仿真引擎的输出是优化后的数据。
7.根据权利要求6所述的清理系统,其中所述协调后的数据与所述优化后的数据之间的差异指示能够被改变以达到所述工厂[12a-12n]的更优绩效的一个或多个工厂变量。
8.根据权利要求1-4中任一项所述的清理系统,进一步包括协调单元[22],其被配置为对照来自仿真引擎的基于一组预定参考或设定点的绩效工艺模型结果来协调来自所述工厂[12a-12n]的实际测量数据,
其中所述协调单元[22]被配置为针对所述实际测量数据和使用一组预定阈值的所述绩效工艺模型结果来执行试探分析,以及
其中所述协调单元[22]被配置为经由所述计算机系统[18]接收来自所述工厂[12a-12n]的所述工厂数据,并且所接收的工厂数据表示在预定时段内来自所述工厂[12a-12n]的设备的所述实际测量数据。
9.根据权利要求1-4中任一项所述的清理系统,进一步包括诊断单元[30],其被配置为通过基于所述至少一个环境因素计算所述偏移量来诊断测量的运营状态,
其中所述诊断单元[30]被配置为接收来自所述工厂[12a-12n]的原料和产品信息以评估所述设备,以及基于实际当前运营参数和历史运营参数中的至少一者确定最终产品的目标容差水平,以便基于所述目标容差水平检测所述设备的误差。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562140039P | 2015-03-30 | 2015-03-30 | |
US62/140,039 | 2015-03-30 | ||
US15/084,291 US20160292325A1 (en) | 2015-03-30 | 2016-03-29 | Advanced data cleansing system and method |
US15/084,291 | 2016-03-29 | ||
PCT/US2016/024880 WO2016160910A1 (en) | 2015-03-30 | 2016-03-30 | Advanced data cleansing system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107430706A CN107430706A (zh) | 2017-12-01 |
CN107430706B true CN107430706B (zh) | 2020-12-01 |
Family
ID=57007538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680017306.5A Expired - Fee Related CN107430706B (zh) | 2015-03-30 | 2016-03-30 | 高级数据清理系统和方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20160292325A1 (zh) |
EP (1) | EP3278278A4 (zh) |
JP (1) | JP6423546B2 (zh) |
KR (1) | KR102065231B1 (zh) |
CN (1) | CN107430706B (zh) |
MY (1) | MY186339A (zh) |
RU (1) | RU2017132728A (zh) |
SG (1) | SG11201707389VA (zh) |
WO (1) | WO2016160910A1 (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9864823B2 (en) | 2015-03-30 | 2018-01-09 | Uop Llc | Cleansing system for a feed composition based on environmental factors |
US10545487B2 (en) * | 2016-09-16 | 2020-01-28 | Uop Llc | Interactive diagnostic system and method for managing process model analysis |
US10678272B2 (en) | 2017-03-27 | 2020-06-09 | Uop Llc | Early prediction and detection of slide valve sticking in petrochemical plants or refineries |
US10754359B2 (en) | 2017-03-27 | 2020-08-25 | Uop Llc | Operating slide valves in petrochemical plants or refineries |
US10794401B2 (en) | 2017-03-28 | 2020-10-06 | Uop Llc | Reactor loop fouling monitor for rotating equipment in a petrochemical plant or refinery |
US10962302B2 (en) | 2017-03-28 | 2021-03-30 | Uop Llc | Heat exchangers in a petrochemical plant or refinery |
US11396002B2 (en) | 2017-03-28 | 2022-07-26 | Uop Llc | Detecting and correcting problems in liquid lifting in heat exchangers |
US10752844B2 (en) | 2017-03-28 | 2020-08-25 | Uop Llc | Rotating equipment in a petrochemical plant or refinery |
US10816947B2 (en) | 2017-03-28 | 2020-10-27 | Uop Llc | Early surge detection of rotating equipment in a petrochemical plant or refinery |
US10844290B2 (en) | 2017-03-28 | 2020-11-24 | Uop Llc | Rotating equipment in a petrochemical plant or refinery |
US11130111B2 (en) | 2017-03-28 | 2021-09-28 | Uop Llc | Air-cooled heat exchangers |
US11037376B2 (en) | 2017-03-28 | 2021-06-15 | Uop Llc | Sensor location for rotating equipment in a petrochemical plant or refinery |
US10794644B2 (en) | 2017-03-28 | 2020-10-06 | Uop Llc | Detecting and correcting thermal stresses in heat exchangers in a petrochemical plant or refinery |
US10670027B2 (en) | 2017-03-28 | 2020-06-02 | Uop Llc | Determining quality of gas for rotating equipment in a petrochemical plant or refinery |
US10752845B2 (en) | 2017-03-28 | 2020-08-25 | Uop Llc | Using molecular weight and invariant mapping to determine performance of rotating equipment in a petrochemical plant or refinery |
US10663238B2 (en) | 2017-03-28 | 2020-05-26 | Uop Llc | Detecting and correcting maldistribution in heat exchangers in a petrochemical plant or refinery |
US10670353B2 (en) | 2017-03-28 | 2020-06-02 | Uop Llc | Detecting and correcting cross-leakage in heat exchangers in a petrochemical plant or refinery |
US10695711B2 (en) | 2017-04-28 | 2020-06-30 | Uop Llc | Remote monitoring of adsorber process units |
US11365886B2 (en) | 2017-06-19 | 2022-06-21 | Uop Llc | Remote monitoring of fired heaters |
US10913905B2 (en) | 2017-06-19 | 2021-02-09 | Uop Llc | Catalyst cycle length prediction using eigen analysis |
US10739798B2 (en) | 2017-06-20 | 2020-08-11 | Uop Llc | Incipient temperature excursion mitigation and control |
US11130692B2 (en) | 2017-06-28 | 2021-09-28 | Uop Llc | Process and apparatus for dosing nutrients to a bioreactor |
WO2019005541A1 (en) * | 2017-06-30 | 2019-01-03 | Uop Llc | ERROR ASSESSMENT OF A PETROCHEMICAL PLANT TO DETERMINE EQUIPMENT CHANGES FOR OPTIMIZED OPERATIONS |
US10994240B2 (en) | 2017-09-18 | 2021-05-04 | Uop Llc | Remote monitoring of pressure swing adsorption units |
US11194317B2 (en) | 2017-10-02 | 2021-12-07 | Uop Llc | Remote monitoring of chloride treaters using a process simulator based chloride distribution estimate |
US11676061B2 (en) | 2017-10-05 | 2023-06-13 | Honeywell International Inc. | Harnessing machine learning and data analytics for a real time predictive model for a FCC pre-treatment unit |
US11105787B2 (en) | 2017-10-20 | 2021-08-31 | Honeywell International Inc. | System and method to optimize crude oil distillation or other processing by inline analysis of crude oil properties |
WO2019086978A1 (en) * | 2017-10-31 | 2019-05-09 | Abb Schweiz Ag | An augmented flowmeter with a system for simulating fluid parameters |
US10901403B2 (en) | 2018-02-20 | 2021-01-26 | Uop Llc | Developing linear process models using reactor kinetic equations |
US10734098B2 (en) | 2018-03-30 | 2020-08-04 | Uop Llc | Catalytic dehydrogenation catalyst health index |
US10953377B2 (en) | 2018-12-10 | 2021-03-23 | Uop Llc | Delta temperature control of catalytic dehydrogenation process reactors |
KR102394480B1 (ko) * | 2020-09-29 | 2022-05-04 | 인제대학교 산학협력단 | 플랜트 절차서에 포함된 구문 및 의미정보 추출방법 및 그의 시스템 |
CN117938916B (zh) * | 2024-02-29 | 2024-06-07 | 中铁四局集团有限公司 | 一种基于大数据的物联设备智能调度方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004593A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 基于AR(p)模型的过程工业生产过程动态成本控制方法 |
CN103457685A (zh) * | 2012-05-29 | 2013-12-18 | 中国科学院沈阳自动化研究所 | 基于预测补偿的工业无线网络高精度时间同步方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402333A (en) * | 1992-06-15 | 1995-03-28 | E. I. Du Pont De Nemours & Co., Inc. | System and method for improving model product property estimates |
US7206646B2 (en) * | 1999-02-22 | 2007-04-17 | Fisher-Rosemount Systems, Inc. | Method and apparatus for performing a function in a plant using process performance monitoring with process equipment monitoring and control |
WO2001069329A2 (en) * | 2000-03-10 | 2001-09-20 | Cyrano Sciences, Inc. | Control for an industrial process using one or more multidimensional variables |
US6795798B2 (en) * | 2001-03-01 | 2004-09-21 | Fisher-Rosemount Systems, Inc. | Remote analysis of process control plant data |
US20050027721A1 (en) * | 2002-04-03 | 2005-02-03 | Javier Saenz | System and method for distributed data warehousing |
WO2005124491A1 (en) * | 2004-06-12 | 2005-12-29 | Fisher-Rosemount Systems, Inc. | System and method for detecting an abnormal situation associated with a process gain of a control loop |
US7979192B2 (en) * | 2006-03-31 | 2011-07-12 | Morrison Brian D | Aircraft-engine trend monitoring system |
US9053260B2 (en) | 2009-04-13 | 2015-06-09 | Honeywell International Inc. | Utilizing spreadsheet user interfaces with flowsheets of a CPI simulation system |
US9606520B2 (en) * | 2009-06-22 | 2017-03-28 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
JP5461136B2 (ja) * | 2009-09-30 | 2014-04-02 | 三菱重工業株式会社 | プラントの診断方法及び診断装置 |
US8855804B2 (en) * | 2010-11-16 | 2014-10-07 | Mks Instruments, Inc. | Controlling a discrete-type manufacturing process with a multivariate model |
CN102909844B (zh) * | 2012-10-23 | 2014-06-25 | 东南大学 | 一种注塑机工件生产线的生产方法 |
-
2016
- 2016-03-29 US US15/084,291 patent/US20160292325A1/en not_active Abandoned
- 2016-03-30 JP JP2017549264A patent/JP6423546B2/ja not_active Expired - Fee Related
- 2016-03-30 WO PCT/US2016/024880 patent/WO2016160910A1/en active Application Filing
- 2016-03-30 RU RU2017132728A patent/RU2017132728A/ru unknown
- 2016-03-30 SG SG11201707389VA patent/SG11201707389VA/en unknown
- 2016-03-30 MY MYPI2017703327A patent/MY186339A/en unknown
- 2016-03-30 KR KR1020177026099A patent/KR102065231B1/ko active IP Right Grant
- 2016-03-30 CN CN201680017306.5A patent/CN107430706B/zh not_active Expired - Fee Related
- 2016-03-30 EP EP16774055.4A patent/EP3278278A4/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004593A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 基于AR(p)模型的过程工业生产过程动态成本控制方法 |
CN103457685A (zh) * | 2012-05-29 | 2013-12-18 | 中国科学院沈阳自动化研究所 | 基于预测补偿的工业无线网络高精度时间同步方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2018511875A (ja) | 2018-04-26 |
KR102065231B1 (ko) | 2020-01-10 |
EP3278278A1 (en) | 2018-02-07 |
SG11201707389VA (en) | 2017-10-30 |
WO2016160910A1 (en) | 2016-10-06 |
JP6423546B2 (ja) | 2018-11-14 |
US20160292325A1 (en) | 2016-10-06 |
KR20170118811A (ko) | 2017-10-25 |
RU2017132728A3 (zh) | 2019-03-21 |
MY186339A (en) | 2021-07-13 |
CN107430706A (zh) | 2017-12-01 |
RU2017132728A (ru) | 2019-03-21 |
EP3278278A4 (en) | 2018-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107430706B (zh) | 高级数据清理系统和方法 | |
US10839115B2 (en) | Cleansing system for a feed composition based on environmental factors | |
KR102169561B1 (ko) | 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법 | |
US20170315543A1 (en) | Evaluating petrochemical plant errors to determine equipment changes for optimized operations | |
CN107430398B (zh) | 用于调谐工艺模型的系统和方法 | |
US10545487B2 (en) | Interactive diagnostic system and method for managing process model analysis | |
US20180046155A1 (en) | Identifying and implementing refinery or petrochemical plant process performance improvements | |
US20160260041A1 (en) | System and method for managing web-based refinery performance optimization using secure cloud computing | |
RU2357278C2 (ru) | Создание интегрированных предупреждений в технологической установке | |
US6813532B2 (en) | Creation and display of indices within a process plant | |
US20050007249A1 (en) | Integrated alert generation in a process plant | |
CN101601023A (zh) | 热交换器积垢检测 | |
JP2004537773A (ja) | プロセスプラントにおけるキャビテーションの監視システム及び検出方法、並びにフィールドデバイス | |
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 | |
WO2019005541A1 (en) | ERROR ASSESSMENT OF A PETROCHEMICAL PLANT TO DETERMINE EQUIPMENT CHANGES FOR OPTIMIZED OPERATIONS | |
WO2019028020A1 (en) | IMPROVING THE PERFORMANCE OF A REFINERY PROCESS OR A PETROCHEMICAL PLANT | |
WO2019023210A1 (en) | CLEANING SYSTEM FOR CHARGE COMPOSITION BASED ON ENVIRONMENTAL FACTORS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201201 |
|
CF01 | Termination of patent right due to non-payment of annual fee |