CN113302635A - 定向流价值分析系统及服务器 - Google Patents

Abstract

一种用于提高性能的系统包括处理器以及非暂态计算机可读介质。所述非暂态计算机可读介质可以包括指令，所述指令可以包括：分配对应于离散决策点的智能体并且分配基于设施拓扑的范围；以及训练所述智能体，以学习决策策略，该决策策略提供智能体在任何时间点针对给定场景能够采取的各个可能的决策的排序。可以在训练阶段期间通过选择使全局奖励的一个或多个因素最大化的动作来确定所述排序，该全局奖励累积调度时段的持续时间内的所有设施操作的价值。

Description

定向流价值分析系统及服务器

相关申请的交叉引用

本申请要求于2018年10月2日提交的标题为“DIRECTIONAL STREAM VALUEANALYSIS SYSTEM AND SERVER”的美国临时申请No.62/740,276、于2018年10月2日提交的标题为“GLOBAL ECONOMIC AND CRITICAL CONSTRAINT ANALYSIS SYSTEM AND SERVER”的美国临时申请No.62/740,322以及于2018年10月2日提交的标题为“AUGMENTED DECISIONSUPPORT FOR PLANT SCHEDULING SYSTEM AND SERVER”的美国临时申请No.62/740,339的权益和优先权，这些美国临时申请的全部内容通过引用并入本文。

背景技术

随着时间的推移，许多工业过程变得越来越复杂。因此，分析和优化这样的过程也变得越来越复杂。

本发明的一些实施例使用按拓扑通知的优化模型在复杂工业过程中的某个点向材料分配价值和流动方向性。

流价值(stream value)是石油工业中熟悉的概念。如本文使用的，流价值是指优化器若在模型中的某个弧处(例如，在管道中或在运输工具上)被提供额外单位的材料可以实现的最优附加利润。

本发明的一些实施例提供了连同流价值的进一步解释信息(对其正确解释非常有用的信息)的计算和显示。具体地，一些实施例报告：管道中的材料流响应于额外单位的变化；管道内其它材料的边际流量(marginal flow)；以及该调整模式的经济影响。

该定量数据对交易员、炼油厂经济学家、过程工程师和线性规划(LP)分析人员是有价值的。一些实施例使得作为后处理步骤，数据能够从LP的详细输出快速重组，因此其恢复不影响原始优化问题的解决。

对复杂工业过程(诸如，炼油厂或其网络)进行建模的非线性程序在其最终优化的线性程序的状态下对大量的经济和微分数据进行编码。该信息一旦被提取出来，对分析人员就可以有很大的价值。

在本发明的一些实施例中，以高级、可访问和可定制的方式处理该信息并将其呈现给用户。一些实施例提供全局经济分析(GEA)，GEA使得优化软件工具(诸如，可从AVEVA集团商购获得的Spiral Suite)的用户能够将边际“因(cause)”的集合分解为一系列“果(effect)”，并将果的大小视为列表，各自伴随经济影响。

工厂调度的目标是为工厂执行或操作团队提供操作指令集(例如，诸如，船舶到达卸货、过程单元进料等)。由于环境的动态性和不确定性，预测未来的决策是非常有挑战性的过程，其需要考虑“假设(what-if)”以得到稳健的决策。尽管输入数据(例如，诸如船舶到达时间)有波动，稳健的决策不需要不断地改变并可以保持所期望的目标。

工厂调度通常包括诸如，为特定船舶卸货选择目的地储罐、为CDU进料选择储罐队列或选择供混合的组分等之类的许多个体决策(以上称为决策点)。另外，由于工厂拓扑内的共享资源(例如，储罐、管线、泵等)，各个体决策可以受到影响或影响其它决策。由于问题的大小和决策的数量，预见该因果效应(causal effect)的任务具有挑战性。

目前，寻找可行的解决方案来确保满足所有的环境约束(例如，诸如，避免油溢出储罐)是有挑战性的。另外，需要对安全进行说明，并且必须尊重所有的操作限制。另外，虽然保持可行是主要关注点，但工厂工作计划需要保持盈利，并且期望该工作计划遵循优化的平均规划。使用现有的解决方案可能费时，而且几乎没有剩下时间调整工作计划来密切遵循有盈利的规划。

附图说明

图1示意性图示了具有管道S的炼油厂中的两个过程单元P1和P2(或者，可替换地，在地理尺度上，带有运输工具的网络中的两个工厂)。

图2示出了将两个输入组分蒸馏成三个塔输出产物的原油蒸馏单元。

图3图示了启用或包括按照本发明的一些实施例的系统和方法的计算机系统。

描述原油蒸馏单元(CDU)的定向流价值分析报告的样式表(crib table)被附加为附表A。

根据定向流价值分析生成的示例电子表格被提供为附表B。

促进临界约束分析的样式表被附加为附表C。

促进全局经济分析的样式表被附加为附表D。

附件E包括用户界面设计。

具体实施方式

在详细说明本发明的任何实施例之前，要理解的是，本发明的应用不限于以下描述中阐述的或者在以下附图中图示的部件的构造和布置的细节。本发明能够有其它实施例并能够以各种方式来实践或执行。另外，要理解的是，本文使用的用词和术语是出于描述的目的，不应该被视为限制。本文中所使用的“包括”、“包含”或“具有”及其变型旨在涵盖此后列出的条目及其等同物以及附加条目。除非另有指定或限制，否则术语“安装”、“连接”、“支撑”和“耦接”及其变型被广泛使用并且涵盖直接和间接安装、连接、支撑和耦接。另外，“连接”和“耦接”不限于物理或机械连接或耦接。

呈现以上讨论是为了使得本领域的技术人员能够做出和使用本发明的实施例。对于本领域的技术人员来说，对所图示实施例的各种修改将是显而易见的，并且在不脱离本发明的实施例的情况下，本文中的一般原理可以被应用于其它实施例和应用。因此，本发明的实施例不旨在限于所示出的实施例，而是将被赋予与本文中公开的原理和特征一致的最广范围。将参考附图来阅读以下详细描述，其中，不同附图中的类似元件具有类似的附图标记。不一定是按比例绘制的附图描绘了所选择的实施例，并不旨在限制本发明的实施例的范围。技术人员将认识到，本文提供的示例具有许多可用的替代方案并且落入本发明的实施例的范围内。

在工业中使用诸如可从AVEVA集团商购获得的Spiral Suite之类的顺序线性优化软件通过对以下进行调整来使利润(或其它目标)最大化：购买原料(原油交易)的数量；工业单位的配置、材料的运输等(操作)；受制于经数学编码的物理、操作、环境、法律约束。

优化后，用户可以请求流价值。流价值与通过优化程序判断的工厂中的额外单位的材料的价值相关。

用户面临的一个技术问题在于，单独的流价值并没有传达该价值是来自下游还是上游，也即，优化器是如何决定使用额外单位的。为了给出具体示例，如图1中示意性图示的，假定用户在流程图中用管道S连接炼油厂中的两个过程单元P1和P2(或者，可替换地，在地理尺度上，带有运输工具的网络中的两个工厂)。

如果用户选择粗体链路并请求其流价值，他们仍然不了解该值是否来源于：由再循环路径或网络全局约束介导的P1输出的减少(节省钱)；P2消耗的增加(带来利润)；或(1)和(2)的复杂组合，如图1中所示。

目前，为了进行该确定，分析人员必须要在进行小的、侵入性调整的情况下运行附加的优化，或者咨询专家；其中任一种都是耗时、昂贵且容易出错的。

本发明的一些实施例的益处在于，它以实施定向信息的方式返回流价值及其分解(breakdown)。例如，它将解决上述分析人员面临的模棱两可问题；例如，如果额外单位的价值100美元，它将报告这是由于(1)、(2)或(3)。此外，通知用户管道中的哪些其它材料被退出到P1或抽到P2中并且数量是多少，连同由于这些流量调整而产生的经济影响。用于计算这些数据的数学技术是快速且稳定的，因为它们不需要附加的模拟或线性程序解析。这加快了分析人员的工作流程，并为模型中经济价值的“流”提供了直观的感受。

考虑将两个输入组分蒸馏成三种塔输出产物的原油蒸馏单元。

如果x的单位被注入塔内并返回价值为每桶56美元的流价值，则各种情况是可能的：它将被直接蒸馏成馏分x₁、x₂和x₃，相对流量y不受影响。在这种情况下，价值将来自于这些产品价值的总和；塔无法处理x，因此价值来自于x的退款；注入x的单位使y被退订，在这种情况下，x的部分价值来自于y的退款，并且由于售出产品y₁、y₂和y₃的退订，损失了部分价值；为了保持其它约束，进行x与y的复杂再平衡，在这种情况下，价值来自由于上游退款和下游销售引起的变化的模式。

若不用本发明的一些实施例，用户访问的全部是根据优化器的材料的价值，即，每桶56美元。一些实施例的创新之处在于，用户现在可以看到产生该价值的进料与输出的再平衡。现在，基于每桶56美元的该估价作出的任何决策都是依据这一丰富的背景报告作出的，而不是孤立地基于数字作出的。

本发明的一些实施例提供了响应于注入了具有固定性质的材料而在线性程序的优化解中计算流组分流量的微分变化的算法。

本发明的一些实施例提供了基于与下游模型构成相互作用的经济影响来分解流价值的算法-其新颖性至少部分地在于根据管道中其它材料的边际组分流量来调整贡献的事实。

在本发明的一些实施例中，这些在工作流程的软件提供中达到顶点，该工作流程使单位的建模材料(例如，原油)能够被注入管道中，并且报告退订或引入的其它建模材料的相对量连同它们的经济影响。在本发明的一些实施例中，调整下游经济影响以将进料再平衡考虑在内。

1.计算流组分流量中的微分变化

在本发明的一些实施例中，计算组分流量的微分变化分三个阶段发生。前两个阶段是预优化；第三个是后优化。

第一，在构造非线性问题的同时，各流量变量(待分析)的拓扑关系被与它与非零系数有冲突的任何等式相关地记录。例如，流量变量可以参与上游或下游意义上的流量平衡。

第二，建立了计算流组分流量变化所需的导数的模式。例如，如果我们要以重量为单位注入与流S中的流量变量w₁对应的单位材料1，则可能需要监视跟踪材料2的相邻体积组分的变量v₂的变化。

第三，在优化了顺序线性程序之后，查询在LP(A)的最终迭代处返回的求解后增强的线性编程矩阵。当注入单位流量时，其它流量组分的变化可以与注入的流量变量与拓扑下游行的交点对应地经由A^-1中的元素与A中的非零系数的合适内积来获得。

2.基于经济影响的流价值分解

在本发明的一些实施例中，流量的注入对由于带索引i的等式而得到的变量j的经济影响是[A]_ij×γ_i，其中，γ_i是行i的双值。这是传统的边际系数分解。通过对下游(或上游)经济影响求和来恢复流价值。

定向流价值分解是通过对下游加权而获得的，并且上游影响是根据注入组分流量的变化。对定向流价值分解求和得到了与边际系数分解相同的流价值。

如果存在多组分流(即，具有许多材料的流)，则本发明的一些实施例通过计算以下来呈现对于注入j的流价值分解：我们计算作为组分k的退订流的由于分量k得到的退订流价值(以上(1)中计算出)与组分k的流价值的乘积；从组分j的边际系数分解开始，再减去响应于注入组分j而通过组分k的边际下游流加权的组分k的边际系数分解。

在本发明的一些实施例中，遵循该过程施加了两组经济影响：由于退订(例如，被退款)组分带来的经济影响；以及由于下游处理的材料带来的剩余经济影响。

3.提供工作流程

用户将期望优化问题，然后能够查看该数据。(1)和(2)中描述的信息可以被重新打包，以便通过各种手段(例如，用户界面、外部报告)呈现给用户。本发明的一些实施例产生采用前面两节中描述的运算并将其体现在Excel报告的等式中的报告。这使用户能够通过相应地调整关于属性和产量平衡的系数来注入优化器未发现的材料。

一旦模型已被优化，分析人员希望检查小的变动对模型的影响。这类工作流程的一些示例包括：读取边际(如果约束被调整，则利润如何变化？)；以及读取流价值(如果在该管道中提供小单位的材料，利润如何变化？)。

边际和流价值是有用的，但是是孤立的，没有解释在没有详细检查模型或专家熟悉模型的情况下为什么假定它们表现出它们的价值。一些炼油厂和网络模型非常复杂使得后续这些替代方案是不切实际的。(相比之下，GEA使得用户能够分解边际；参见下文。)

除了这些方法之外，如果用户希望监视其它种类的改变，则他们可以运行灵敏度分析案例栈(sensitivity analytic case stack)。用分析法多次解析同一模型，每次使指定参数跨预定义的范围步进。然后，用户可以检查每个数据点的解。

灵敏度分析法是非常有用的，但在某些方面是不利的。它们涉及同一模型的多次重新运行，这消耗了时间和计算资源，并返回了大量信息。仅改变单个参数的事实表明，正在重复与优化的其它方面相关的计算工作。因为模型是非线性并且是潜在数值敏感的，所以解析冒的风险是，由于基变换或局部最优值之间的切换，在相邻案例之间的解中发生定量步长的变化。最后，因为一次分析只处理单个参数，所以期望收集到一起并查看许多变化的影响意味着多次分析的保持和求解。

全球经济分析是线性敏感性分析，它使用户能够自行决定他们希望扰动的数量(因)和他们希望测量的所得变化(果)。在一些实施例中，在可配置网格中指定了所期望的因果的情况下，用户可以运行优化器并非常快速稳定地恢复因与果之间的关系。在一些实施例中，这些结果完全是基于线性程序上的单次运行。此外，恢复该信息的处理没有侵入程序语句；也就是说，填充因果网格的计算没有影响优化的解轨迹。

在一些实施例中，因包括：对约束的调整和/或在模型中的某个位置处注入少量材料。

在一些实施例中，果包括：购买和销售的变化；管道中材料的流量或性质的变化；和/或对计算结果和操作参数的改变。

在一些实施例中，将这些因与果组合配对的能力使得用户能够根据他们的需要来处理数百万个潜在问题的子集。

一些实施例提供了新颖、高度可配置的网格，该网格针对其因记录边际效应。

在一些实施例中，其中边际和流价值被设想到作为构建块的“因”并且模型中的所得变化被设想为可以被组合的“果”的框架。

一些实施例使得通过从因果词典中绘制能够实现网格的配置。

一些实施例启用了该网格的填充、后续优化、效应及其经济影响的数值改变。

一些实施例提供了涉及将因分解为果的集合以理解该因的工作流程。这对应于读取因-果网格中的列，并注意所得的果。

一些实施例提供了涉及检查哪些因将能够引起或抵消果的工作流程(关键约束分析)。这对应于跨因果网格中的行读取，并注意到负责的因。

在一些实施例中，用户界面中的因果网格的配置构成请求机制。因果集被传递到优化引擎，并且在非线性问题正在构造时被参考。

在一些实施例中，在问题构造期间，注意要针对哪些因测量哪些果。预料到的是在求解后将需要导数，并且这些被记录下来。

在一些实施例中，在问题被解决之后，再次参考所请求的因果网格，并检查线性程序的最终解状态(包括其导数)，以重构果的大小。如果果与价格挂钩，经济影响就被附加到该果。

在一些实施例中，在流价值/注入充当因的情况下，解析同一管道中的重量与体积组分之间的关系。在因果关系涉及有意义的混合(即，使用模型混合规则)的性质的情况下，经由指数的增量重新混合是使用链、积和商规则的适当组合来完成的。

在本发明的一些实施例中，包括针对工厂(炼油厂和/或矿山)调度问题使用多智能体(multi-agent)架构。在该架构中，各智能体对应于离散的决策点，并基于工厂拓扑被分配范围。

在本发明的一些实施例中，可以训练所有智能体来学习决策策略。该决策策略提供了智能体在每个时间点针对给定场景可以采取的各可能决策的排序。在一些实施例中，在任何决策策略中，对于需要决策的每个时间点，可以得到针对该点处的每个可能决策的定量测量(例如，动作值(action-value))。在一些实施例中，可以在训练阶段期间通过选择使全局奖励的概念最大化的动作来获得排序。

一些实施例包括全局奖励，全局奖励可以在规划调度时段的持续时间内累积所有工厂操作的价值。在一些实施例中，训练阶段可以供智能体用来学习决策策略。在一些实施例中，它可以是基于历史数据(来自过去的决策)、通过采样输入数据(例如，使用蒙特卡罗(Monte Carlo)模拟)获得的基于模拟的数据，或这二者。在本发明的一些实施例中，数据可以为每个智能体提供输入场景以执行多个训练轮次，其中，各智能体探索不同的决策序列及其最终的全局奖励。在这种情形下，训练智能体可以基于最终的全局奖励来更新参与决策序列的各决策的排序。

在一些实施例中，一旦智能体的策略经训练，就可以在关于未来调度场景的预测阶段中使用该策略来推荐调度决策。最后，在一些实施例中，在预测阶段期间，各智能体可以推荐整个工作计划(例如，完全运行)，并用各决策(例如，逐步运行)指导用户，从而提供关于应该采取哪个决策的选项。

在本发明的一些实施例中，考虑到输入数据(例如，诸如，船舶到达时间)的不确定性，智能体可以学习决策策略。在一些实施例中，这可以使得能够推荐更稳健的决策和/或对输入数据的波动更有弹性的决策。

在一些实施例中，在训练过程期间，智能体可以探索本地决策的不同组合，同时监视全局奖励(即，智能体推荐的决策的价值的定量测量)。在一些实施例中，当每个智能体专注于各自的决策点时，全局奖励系统可以将所有智能体的决策考虑在内。在一些实施例中，使用该方法可以确保各智能体将其本地决策对其它智能体的影响考虑在内，并使各智能体能够与其它智能体合作，其共同目标是使全局奖励最大化。

在本发明的一些实施例中，各智能体的决策策略优先级可以是首先推荐可行的解决方案。在一些实施例中，这可以通过任何智能体因打破可行性约束将招致的非常高的惩罚来表示。在一些实施例中，这可以使各智能体推荐最初可行的决策，然后只有在找到可行解决方案的情况下，才提供最优的决策来接收更高的整体全局奖励。

在一些实施例中，各智能体的任务可以是学习产生可行工作计划的决策策略，并推荐遵循优化计划的决策，其中，从优化计划获得的目标被传递给各智能体。在一些实施例中，智能体的目标可以是保持接近计划目标，并推荐在可行时旨在尽可能接近地实现计划目标的决策。在一些实施例中，使用多智能体方法可以有助于确保高级平均规划价值可以被分解为本地和离散的智能体决策。

一些实施例可以改进现有的AVEVA产品，特别是提供其中意图捕捉并解决计划调度问题的统一供应链管理解决方案的Spiral Suite。AVEVA、AVEVA标识和AVEVA产品名称是AVEVA集团或其在美国和外国的附属公司的商标或注册商标。

一些实施例提供了将计划调度问题分解为智能体集合的方法，每个智能体专注于基于工厂拓扑的单个决策。

一些实施例包括确定如何提取特征以确定智能体的决策策略的场景的算法。

一些实施例包括动态规划算法，该动态规划算法用于训练策略并为给定状态下的动作分配价值。在一些实施例中，这包括使用最近邻来基于输入状态特征找到最接近的已知状态。

一些实施例包括基于离散事件模拟器的模拟算法。在一些实施例中，可以使用模拟来评估决策的效应。在一些实施例中，可以在智能体的训练阶段期间使用模拟器来评估每个智能体的决策的价值。

一些实施例包括使用一个或多个蒙特卡罗模拟来采样输入数据并训练智能体的训练算法。这为训练提供了更多场景，从而提高了对未来预测的泛化(generalization)。

一些实施例提供了可以通过将所有智能体的决策考虑在内允许进行智能体协调的全局奖励及其计算算法的归一化。

一些实施例提供了使用决策树回归在智能体的决策的每一步预测附加度量的方法。

一些实施例提供了使用简单的启发式规则来解释智能体的决策策略的元策略(meta-policy)方法。

一些实施例提供了使用深度“Q-网络和增强”来表示和训练每个智能体的策略网络的方法。

一些实施例包括对应于个体客户工厂的多智能体模型的构造。在一些实施例中，各智能体可以对应于可以对每个工厂特定的决策点。

一些实施例提供了训练阶段工厂多智能体模型。一些实施例可以使用历史数据，包括历史报告、操作员日志和/或针对给定场景提供调度决策列表的任何其它形式的数据。一些其它实施例可以使用蒙特卡罗模拟来训练智能体，以探索过去没有经历过的更多状态。

一些实施例提供了完全运行的预测阶段，并可以使用经训练的策略对决策进行排序。例如，在给定新场景的情况下，在一些实施例中，系统可以提取描述情形的特征。一些实施例可以将输入特征传递到智能体决策策略，并获得给定状态下所有可能动作的数字排序。另外，一些实施例包括最优策略场景智能体选择具有代表排序的最高数字的动作。另外，一些实施例可以针对整个规划调度时段调用所有相关智能体，并用所有智能体的推荐填充决策点。

一些实施例提供了逐步预测阶段，并使用经训练的策略并逐步通过每个决策点并调用智能体策略。例如，一些实施例使用离散事件模拟器，离散事件模拟器逐步通过需要采取决策的决策点。另外，在一些实施例中，对于调用相关智能体的每个决策点，系统可以提取每一步的输入特征，将其通过智能体网络馈送，并对决策进行排序。

一些实施例为用户提供选择所推荐决策或者使用户能够选择任何其它动作的选项。一些其它实施例提供了遵循决策的选择选项。一些实施例提供了对智能体的决策的理解。

在一些实施例中，为了便于理解智能体的决策，可以存在针对各决策排序预测的附加度量。在一些实施例中，这些度量包括对是否遵循特定策略以及选择造成可行调度的决策的预测。另外，一些实施例提供了关于最终全局奖励的预测。一些实施例提供了有助于解释智能体正在推荐的决策的数值排序背后的原理的附加度量。在一些实施例中，它还使得能够可视化特定步骤中的各决策的差异和全局影响。一些其它实施例提供了对决策推荐背后的智能体策略的解释。

一些实施例提供了组合启发式规则与决策推荐的方法。在一些实施例中，在训练阶段期间，智能体可以查看可能的动作，并使用动态规划和策略迭代，探索有希望的动作路径，以便找到使全局奖励最大化的决策序列。该步骤与启发式步骤结合，其中，对于各决策点，智能体可以通过使用一组启发式来确定可能的操作。在一些实施例中，这减小了搜索空间，并将启发式规则附加到每个动作。

一些实施例提供了启发式规则，以在预测阶段期间提供最终解释，因为它们解释了怎样采取特定决策的逻辑。在一些实施例中，可以起指导作用的相同的启发式规则集可以与最终的详细决策一起传递给工厂执行团队。

启发式规则的一些非限制示例包括：

(i)在所有可用储罐中选择没有被占用并有最多材料的储罐；

(ii)使用最大可能的抽吸速率；以及

(iii)使排队的船舶的轮候时间最小化。

图1示意性图示了具有管道S的炼油厂中的两个过程单元P1和P2(或者，可替换地，在地理尺度上，带有运输工具的网络中的两个工厂)。

图2示出了将两个输入组分蒸馏成三个塔输出产物的原油蒸馏单元。

图3图示了启用或包括按照本发明的一些实施例的系统和方法的计算机系统。在一些实施例中，计算机系统200可以操作和/或处理以上提到的系统的一个或多个软件模块的计算机可执行代码，包括系统和方法的任何公开的API。另外，在一些实施例中，计算机系统200可以在与系统集成或耦接到系统的一个或多个图形用户界面内操作和/或显示信息。

在一些实施例中，系统200可以包括至少一个包括至少一个处理器232的计算设备。在一些实施例中，至少一个处理器232可以包括驻留在一个或多个服务器平台中或耦接到一个或多个服务器平台的处理器。在一些实施例中，系统200可以包括耦接到能够处理至少一个操作系统240的至少一个处理器232的网络接口250a和应用接口250b。另外，在一些实施例中，耦接到至少一个处理器232的接口250a、250b可以被配置为处理软件模块(例如，诸如，企业应用238)中的一个或多个。在一些实施例中，软件模块238可以包括基于服务器的软件，并可以进行操作以托管至少一个用户帐户和/或至少一个客户端帐户，并进行操作以使用至少一个处理器232在这些帐户中的一个或多个之间进行数据传送。

考虑到以上实施例，应该理解，本发明可以采用各种计算机实现的操作，涉及存储在计算机系统中的数据。此外，在一些实施例中，通篇描述的上述数据库和模型可以将分析模型和其它数据存储在系统200内的计算机可读存储介质上以及耦接到系统200的计算机可读存储介质上。另外，系统的上述应用可以被存储在系统200内的计算机可读存储介质上以及耦接到系统200的计算机可读存储介质上。这些操作是需要对物理量进行物理操纵的操作。通常，这些量采取了能够被存储、传递、组合、比较和以其它方式操纵的电、电磁或磁信号的形式、光或磁-光形式，但不是一定的。在本发明的一些实施例中，系统200可以包括耦接到至少一个数据源237a和/或至少一个数据存储设备237b和/或至少一个输入/输出设备273c的至少一个计算机可读介质236。在一些实施例中，本发明可以被实施为计算机可读介质236上的计算机可读代码。在一些实施例中，计算机可读介质236可以是可以存储数据的任何数据存储设备，该数据此后可以由计算机系统(诸如，系统200)读取。在一些实施例中，计算机可读介质236可以是可以用于有形地存储所期望的信息或数据或指令并可以由计算机或处理器232访问的任何物理或材料介质。在一些实施例中，计算机可读介质236可以包括硬驱动器、网络附加存储器(NAS)、只读存储器、随机存取存储器、基于FLASH的存储器、CD-ROM、CD-R、CD-RW、DVD、磁带、其它光学和非光学数据存储设备。在一些实施例中，各种其它形式的计算机可读介质236可以将指令传送或携带到计算机240和/或至少一个用户231，包括路由器、专用或公共网络、或其它传输设备或信道(有线和无线皆有)。在一些实施例中，软件模块238可以被配置为从数据库(例如，与包括数据源237a和可以包括数据库的数据存储器237b的计算机可读介质236)进行数据的发送和接收，并可以由软件模块238从至少一个其它源接收数据。在一些实施例中，可以在系统内配置软件模块238中的至少一个，以经由呈现在至少一个数字显示器上的至少一个图形用户界面将数据输出到至少一个用户231。

在本发明的一些实施例中，计算机可读介质236可以经由网络接口250a分布在常规计算机网络上，其中，可以以分布式方式存储和执行由计算机可读代码实施的系统。例如，在一些实施例中，系统200的一个或多个组件可以被耦接以通过局域网(“LAN”)239a和/或耦接互联网的网络239b(例如，诸如，无线互联网)来发送和/或接收数据。在一些其它实施例中，网络239a、239b可以包括广域网(“WAN”)、直接连接(例如，通过通用串行总线端口)或其它形式的计算机可读介质236或其任何组合。

在一些实施例中，网络239a、239b的组件可以包括诸如个人计算机之类的任意数量的用户设备，包括例如台式计算机和/或膝上型计算机或通过LAN 239a耦接的任何固定的通常非移动的互联网设备。例如，一些实施例包括通过LAN 239a耦接的个人计算机499，LAN 239a可以被配置用于包括管理员的任何类型的用户。其它实施例可以包括通过网络239b耦接的个人计算机。在一些其它实施例中，系统200的一个或多个组件可以被耦接以通过互联网网络(例如，诸如，网络490b)发送或接收数据。例如，一些实施例包括被无线耦接并经由输入和输出(“I/O”)设备273c访问包括至少一个企业应用238的系统的一个或多个软件模块的至少一个用户231。在一些其它实施例中，系统200可以使得至少一个用户231能够被耦接以通过LAN 239a经由I/O设备237c访问企业应用238。在一些实施例中，用户231可以包括使用台式计算机和/或膝上型计算机或通过互联网239b耦接的任何固定的、通常非移动的互联网设备耦接到系统200的用户231a。在一些其它实施例中，用户231可以包括耦接到系统200的移动用户231b。在一些实施例中，用户231b可以使用任何移动计算设备231c来无线耦接到系统200，包括但不限于个人数字助理和/或蜂窝电话、移动电话或智能电话和/或寻呼机和/或数字平板和/或固定或移动的互联网设备。

描述原油蒸馏单元(CDU)的定向流价值分析报告的样式表被附加为附表A。

根据定向流价值分析生成的示例电子表格被提供为附表B。

促进临界约束分析的样式表被提供为附表C。

促进全球经济分析的样式表被附加为附表D。

附表E包括用户界面设计。

本文描述的形成本发明一部分的任何操作都是可用的机器操作。本发明还涉及用于执行这些操作的设备或装置。可以针对诸如专用计算机之类的所需目的对装置进行特殊构造。当被定义为专用计算机时，计算机还可以执行并非该专用目的一部分的其它处理、程序执行或例程，同时仍然能够针对该专用目的进行操作。可替代地，可以通过由存储在计算机存储器、高速缓存中或通过网络获得的一个或多个计算机程序选择性地激活或配置的通用计算机来处理操作。当通过网络获得数据时，该数据可以供网络(例如，计算资源的云)上的其它计算机处理。

本发明的实施例还可以被定义为将数据从一种状态转换为另一种状态的机器。数据可以表示可以被表现为电子信号并以电子方式操纵数据的制品。在某些情况下，转换后的数据可以被在显示器上直观地描绘，从而表示由数据转换得到的物理对象。转换后的数据可以一般地保存到存储器，或者以使得能够构造或描绘物理和有形对象的特定格式保存。在一些实施例中，操纵可以由处理器执行。在这样的示例中，处理器因此将数据从一个事物转换为另一个事物。更进一步，一些实施例包括可以由可以通过网络连接的一个或多个机器或处理器来处理的方法。各机器都可以将数据从一种状态或事物转换为另一种状态或事物，还可以处理数据，将数据保存到存储器，通过网络传输数据，显示结果或将结果传送到另一个机器。如本文中使用的，计算机可读存储介质是指物理或有形存储器(与信号形成对照)，并包括而不限于以用于有形存储诸如计算机可读指令、数据结构、程序模块或其它数据之类的信息的任何方法或技术实现的易失性和非易失性、可移除和不可移除存储介质。

尽管可以以特定的顺序描述方法操作，但应该理解，可以在操作之间执行其它内务操作(housekeeping operation)，或者可以对操作进行调整，使得它们在稍微不同的时间发生，或者可以分布在使得处理操作能够以与处理关联的各种间隔出现的系统中，只要以所期望的方式执行覆盖操作的处理即可。

本领域的技术人员将理解，尽管以上已经结合特定实施例和示例描述了本发明，但是本发明不一定受此限制，并且众多其它实施例、示例、使用、相对于实施例、示例和使用的修改和偏离旨在被随附的权利要求书所涵盖。本文引用的各专利和公开的全部公开内容通过引用并入，就好像每个这样的专利或公开独立地通过引用并入本文一样。

在随附的权利要求书中阐述了本发明的各种特征和优点。

Claims (1)

1.一种用于提高性能的系统，包括：

处理器，

非暂态计算机可读介质；

其中，所述非暂态计算机可读介质包括被配置为并布置用于使用所述处理器生成决策支持系统的指令，所述指令包括：

分配对应于离散决策点的智能体并且分配基于工厂拓扑的范围；

训练所述智能体，以学习决策策略，该决策策略提供所述智能体在任何时间点针对给定场景能够采取的各个可能的决策的排序；

其中，在训练阶段期间通过选择使全局奖励的一个或多个因素最大化的动作来确定所述排序，所述全局奖励累积调度时段的持续时间内的所有设施操作的价值。

Images