CN117724407A - 处理控制系统中的资产管理 - Google Patents

处理控制系统中的资产管理 Download PDF

Info

Publication number
CN117724407A
CN117724407A CN202310931337.3A CN202310931337A CN117724407A CN 117724407 A CN117724407 A CN 117724407A CN 202310931337 A CN202310931337 A CN 202310931337A CN 117724407 A CN117724407 A CN 117724407A
Authority
CN
China
Prior art keywords
asset
output value
assets
value
performance
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.)
Pending
Application number
CN202310931337.3A
Other languages
English (en)
Inventor
P·G·马丁
T·古斯沃斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Schneider Electric Systems USA Inc
Original Assignee
Schneider Electric Systems USA Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Schneider Electric Systems USA Inc filed Critical Schneider Electric Systems USA Inc
Publication of CN117724407A publication Critical patent/CN117724407A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313Resource planning in a project environment
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total 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]
    • G05B19/41865Total 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] characterised by job scheduling, process planning, material flow
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80Management or planning

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了处理控制系统中的资产管理。一种用于改进处理控制系统的生产的系统,包括:处理器;连接到处理控制系统中的一个或多个资产的传感器,人‑机接口以及存储器,其存储在处理器上执行的指令。该系统通过传感器接收处理数据,并确定一个或多个资产的输入成本和一个或多个资产的输出价值。该系统基于所确定的输入成本和输出价值提供一个或多个资产的净产值。该系统在存储器中存储输入成本、输出价值和净产值,并通过人‑机接口在操作中向用户提供输入成本、输出价值以及净产值连同关于每个资产和资产组的资产价值、资产性能和机会成本的关键资产性能信息。

Description

处理控制系统中的资产管理
本分案申请是2016年3月18日递交的题为“处理控制系统中的资产管理”的中国专利申请NO.201610301723.4的分案申请。
背景技术
通常由维护小组负责保持工业处理运营中的资产,而由运营小组负责运营所述资产。所述维护和运营小组工作的对象是共同的资产,并且该两个组织功能需要十分紧密的协作以最大化所述工业资产的性能。不幸的是,事实并非总是如此。在很多工业组织中,该两个小组并不相互协作,反而似乎相互竞争。这导致工业组织的性能不是最满意的。
运营小组和维护小组之间的冲突背后的初级原因是两个小组的初级性能测量倾向于彼此相反。所述维护小组的初级性能测量是典型的资产可用性,然而运营小组的初级性能测量是典型的资产利用。资产可用性是指通过最大化资产的“可使用时间”来保持资产对于运营来说可用。资产利用是指最大化所述资产的生产量。最大化工业资产的资产可用性的一个关键驱动因素是不要激烈的使用资产。然而,运营小组通常要求尽可能激烈的运营所述资产,以达到生产量要求。这意味着资产可用性和资产利用具有相反关系,以及运营小组和维护小组之间的冲突是这种相反关系的直接后果。
自动实时产生针对工业处理的性能测量、考虑到工厂维护小组和运营小组两者的目标并且还自动发起处理活动(例如基于性能测量的维护)的系统可确保小组之间的紧密合作,提高正常运行时间期间的生产率并最小化停机时间导致的中断。
发明内容
简要的说,本发明的方面允许对处理控制系统中资产的管理和控制。在此描述的系统为处理控制系统中的多个资产计算资产的性能测量,并基于所计算的资产性能测量发起处理活动,例如资产维护或运营生产率。所述资产性能测量包括关于运行资产的成本,所述资产使用的原材料成本以及所述资产生产的产品的价值的数据。
在一种形式中,描述了改进处理控制系统的生产的系统。该系统包括处理器、连接到处理控制系统的一个或多个资产的传感器、人-机接口、以及存储资产信息和在处理器上运行的指令的存储器。该系统通过所述传感器接收处理数据并确定所述一个或多个资产的输入成本和输出价值。该系统基于所述确定的输入成本和输出价值提供所述一个或多个资产的净产值。该系统将所述输入成本、输出价值以及净产值存储在存储器中,并通过人-机接口将所述输入成本、输出价值以及净产值提供给用户。该系统使得用户能够通过人-机接口以净产值增加的方式改变所述一个或多个资产的性能。
在另一种形式中,软件指令被存储在一个或多个有形的非易失性计算机可读介质中,并由处理器执行。在另一种形式中,提供一种处理器可执行方法。
其他特征将是部分显而易见的,并且部分将在后续被指出。
附图说明
图1是示出实施本发明的方面的处理控制系统的方框图。
图2是出现在图1所示的处理控制系统的示例性控制器中的多个模块的框图。
图3是根据本发明一个实施例的示例性流程图,其示出了采集数据,计算资产性能以及基于计算的性能改变图1所示系统的处理。
图4是示出根据本发明一个实施例的组成资产性能测量系统的多个模块的方框图。
图5是根据本发明一个实施例的资产可用性和资产利用之间的关系的示意图。
图6是根据本发明一个实施例的基础工业资产的示意图。
图7是根据本发明一个实施例的一组工业资产的示意图。
图8是根据本发明一个实施例的计算输入成本和输出价值的系统的示意图。
图9是根据本发明一个实施例的计算机会成本和资产性能的系统的示意图。
图10是图9所示系统的示意图,其包括在历史数据库中存储计算值。
图11是图4所示的资产性能测量系统连接到原油蒸馏装置(Crude Unit)的框图。
在所有附图中,相同的附图标记代表相同的部件。
具体实施方式
图1显示了一个示例性处理控制系统100的基本框架。在一个实施例中,处理102与控制器104及传感器106通信连接。所示处理具有输入108及110,所述输入包括所述处理产生输出112必要的输入。在一个实施例中,所述输入108包括为处理102提供动力的能量并且输入110包括所述处理102中所使用的物理或化学原材料。所述输出112包括来自所述处理的物理或化学产品或以电力或类似形式产生的能量。
所述控制器104发送数据到处理102,以根据控制器104的目标指导处理102的操作。发送的数据包括在处理中操作多种类型的控制元件(例如阀门,致动器等)的指令。传感器106在多个点监视处理并在这些点采集数据。传感器将所采集的数据发送到控制器104。基于所述采集的数据,控制器104可以随后将附加的指令发送到处理102。以这种方式,系统形成控制反馈回路,其中控制器104对由传感器106观察的处理102的改变进行反应。处理102根据控制器104的指令实施的不同动作可能导致传感器106采集的数据发生改变,引起控制器104响应于上述改变进行进一步的调整。通过实施这种控制反馈回路,处理102可以有效的被控制器104控制。
图2所示的框图是一个示例性控制器200,其包括多个模块,该多个模块可作为控制器104的附加(或作为一部分)或取代控制器104使用。在操作中,本发明的多个方面涉及通过监视成本和生产价值以及通过控制器200以最大化相对于成本产生的价值的方式改变所述处理,提高处理控制系统的生产率和效率。控制器200包括控制策略数据存储模块202,控制处理模块204,资产性能测量模块206,控制输出接口模块208以及传感器输入接口210。该控制输出接口模块208向诸如图1所示的处理102的处理发送数据212,以及所述传感器输入接口210从传感器,例如图1中的传感器106,接收采集的传感器数据214。
控制策略数据存储模块202存储从传感器采集的数据以及包括用于引导所连接的处理的控制策略的数据。在一个实施例中,控制策略包括目标,例如设定点和连接的处理元件的水平。控制器200发送命令数据212到连接的处理,这使得连接的处理以向控制策略的目标移动的方式改变操作。
控制处理模块204将从传感器输入接口210接收的数据处理为可以用来向连接的处理发出正确的命令212的数据。在一个实施例中,传感器数据214是以原始的形式,而控制策略的目标、设置点、或水平不包括与传感器数据214相同的数据。控制处理模块204处理传感器数据214以使其用于确定如何引导连接的处理以实现控制策略目标。
在一个实施例中,控制器200包括资产性能测量模块206。该资产性能测量模块206测量处理的元素或资产的性能,下面将进一步描述。该资产性能测量模块206使用传感器数据214以及从外部源获得的数据216,例如,从商业系统获得的商业数据。使用数据214和216的组合,确定该处理的资产的性能218,并将其从控制器发送给处理控制系统的其他部分进行存储和显示。资产性能测量模块206的功能将进一步描述如下。
图3的流程图描述了处理控制系统的示例性处理控制器使用资产性能测量来提高处理操作中的资产的性能。控制器发送消息到处理,以控制处理(步骤302)。控制器也从处理接收数据,该数据由耦接到处理的传感器采集(步骤304)。控制器包括图2所示的资产性能测量模块,且控制器使用所述资产性能测量模块基于所接收到的数据分析处理的性能(步骤306)。分析完成后,通过一些形式的用户界面,例如可视显示将分析结果提供给用户(步骤308)。该性能分析也被存储在数据库中用于长期评估(步骤310)。该性能分析也可以被处理控制系统使用来改变该处理的控制以提高处理的性能(步骤312)。对处理的改变可以包括例如自动改变该资产的维护表,或改变操作设定点等的动作。
图4是所述系统可以被结构化的方式的示例图。资产性能测量系统400包括一起工作的几个不同的硬件和软件模块,以为用户提供资产性能信息,并响应于该资产性能信息以提高资产性能。该系统400通过传感器输入402被连接到处理控制系统的“资产”。资产可能是任何机械、化学、电气、生物或组合机制或用于将能量和材料转化为具有附加价值的产品或生产的一组机制。传感器输入402将从资产搜集的数据提供给系统400,该数据可以用来确定资产性能。此数据可以包括任何直接从传感器收集的数据,或者也可以是从直接收集的传感器数据中推断出的信息。传感器数据可以在其被收集时被实时提供给系统400。除了传感器输入402,商业输入404也被系统400接收。商业输入404包括来自商业系统406的数据,该商业系统406也被称为企业资源规划(ERP)系统,该数据指示与被监视资产相关的每单位消耗的成本以及资产的输出价值。成本可包括为运营资产而产生的能源成本以及为资产提供所需原材料以进行工作产生的材料成本。该商业输入404可被实时提供,或在可能的情况下接近实时的提供,这取决于所提供的数据类型。
传感器输入402和商业输入404由资产性能算法执行器模块408接收,资产性能算法执行器模块408是可以驻留在分布式控制系统(DCS)中的软件模块。该资产性能算法执行器模块408是可以存储在存储器设备上的软件模块,其可以由分布式控制系统(DCS)的处理器执行。执行器模块408根据接收的传感器输入402和商业输入404实时执行资产性能模型。该模型可以包括用于计算资产的运营的成本、资产的输出的实际价值、资产的输出的潜在价值、资产的实时性能、以及与运营资产相关的机会成本的算法。下面详细描述了这些算法的功能。
资产性能算法执行器模块408计算的实时结果被转移到资产性能历史模块410,其将上述结果存储在历史数据库412中以备后续的访问和分析。随着时间的推移存储结果使得系统能够对过去的数据进行历史分析,并为用户提供寻找资产运营中的模式的能力。这些模式可以被利用来提高资产的效率和维护的状态。除了被资产性能历史模块410存储,执行模块408的结果也可被传输到资产性能显示引擎414,其可被连接到多种不同的人-机接口,如维护站416,运营站418,和工程站420。该站416,418,和420每一个都可以是单独的硬件接口或它们每一个都可以是可以在单个设备上访问的软件接口。显示引擎414可以基于每个站416,418,和420的用户可能的需要为每个站提供不同的信息和不同的外观。维护站416可提供有关资产或已新近固定在资产上的先前问题的维护时间表的信息。运营站418可以提供对资产的当前运营实时的信息。工程站420可以基于采集的存储在历史数据库412中的数据提供长期趋势信息,该信息使得工程师能够查看表明资产随时间运营的效率低下的模式。站416,418和420可通过显示引擎414直接连接到DCS,或可位于别处并通过网络连接接收信息。站416,418,和420可为用户提供更紧密合作的机会,以努力提高资产的生产力。
合作的关键是把资产的可用性和资产利用降级为第二测量,并在运营和维护之间定义公共的主要性能测量,这将驱动合作以及工厂性能管理(performanceplantmanagement)需求。大多数产业化运营的最终目标是最大限度地提高运营的经营业绩,因此共同性能测量应根据每个资产或资产组对经营业绩的贡献。这种基于公共经营业绩的性能测量被称为资产性能。
图5显示了一个简单图500,其描述了垂直轴上的资产可用性与水平轴上的资产利用之间的关系。在许多情况下,资产的扩展或高水平的使用会导致资产的各个部分的损耗,其可能损害生产率并可能需要维护。维护需要资产空闲一定的时间,使其不可用于运营。图5描绘了曲线502,其表示:随着资产被使用的越来越多,资产的有效利用率最初慢慢降低。最终,曲线向下急剧下降,代表资产生产率的大量损失。资产性能向量504代表沿曲线的点,从经营业绩的角度来看该点是运营资产的最佳点。图4中的系统能够监测资产性能,以预测如何建立资产性能向量504,从而导致最大化的生产力以及最小化但有效地间隔的维护停机时间。
本文提出的机制,旨在为复杂工业资产和资产组的资产性能向量的开发提供共同的定义和方法。有了这项资产性能测量作为运营和维护团队的指导性能指标,团队之间的合作水平有望增加,使得能更有效的解决问题和合作,这能够获得跨工业运营的性能改善。
在本申请中定义和使用以下术语。资产性能为资产相对于其潜在经营业绩的经营业绩。资产价值是资产或资产组的商业贡献。能量消耗输入向量是到资产或资产组的能量量输入的向量。工业资产是一种机械、化学、电气、生物或组合的机制,或是用来将能量和材料转化为具有附加价值的产品或生产的一组机制。生产价值是资产或资产组所产生的产品或生产的当前市场价值。价值点是来自具有内在的市场价值的资产或资产组的任何输出。
图6表示一般工业资产模块600。资产602可以是任何一种在工业生产方法设定中使用的设备或机构,其将原材料和能量转换为产品或生产。资产602可以接收一个或多个输入材料604和一个或多个输入能量源606。使用材料604和能源606,资产602执行其所设定的操作,产生一个或多个产品608。
在图7中,工业资产组700是工业资产702的整体集合,其一起表现出作为单一资产的相同的运营特性,并且可以被视为单一的增值资产。工业资产702可接收一个或多个输入材料704和一个或多个输入能量源706。资产集合700中的工业资产702合作生产一个或多个产品708。
在图8中,组合的系统800包括资产或资产集802,其接收材料输入804和能量输入806,并产生产品808。资产性能测量系统810接收来自资产802的基于实时传感器的数据。该系统810使用能量算法模块814计算能量的当前成本,使用材料算法模块812计算材料的当前成本,使用产品算法模块816计算产品的当前价值。主要目的是提供一致的商业价值方法,以测量工业运营中每一个创造价值的资产或资产组的资产性能。资产的资产性能(AP)应该是在任何时间周期内消耗的能量乘以能量成本、在任何时间周期内消耗的材料乘以材料成本、和该时段生产的产品价值的函数。因为可能有多个能量源和材料进入资产或资产组,以及因为资产或资产组可产生多个产品,所有这些变量必须被考虑。因此:
能量值(E)由能量算法模块812根据下列方程确定:
其中:eci是在一段时间内消耗的能量,epi是能量在时间帧内的价格,a是资产或资产组的能源数。E(t)可以通过连接到基于传感器的测量在实时自动化系统中直接建模,所述基于传感器的测量使得资产或资产组中所消耗的能源量能被直接测量或推断出来,并从商业系统或能源供应商检索每个能源的成本。
时间周期(t)内的材料价值(M)由材料算法模块814根据下列方程确定:
其中:mci是在时间周期内消耗的材料量,mpi是在时间周期内消耗的材料的价格,b是资产或资产组的材料数。M(t)可以通过连接到基于传感器的测量在实时自动化系统中直接建模,所述基于传感器的测量使得资产或资产组中所消耗的材量能被直接测量或推断出来,并从商业系统或材料供应商检索每个材料的成本。
时间周期(t)内的生产价值(P)由产品算法模块816根据下列方程确定:
其中:pi是在时间周期内生成的产品量,pvi生产的产品的市场价值,c是资产或资产组生产的产品数。P(t)可以通过连接到基于传感器的测量在实时自动化系统中直接建模,所述基于传感器的测量使得能获取资产或资产组所生产的每种类型的产品数,并重新得到由商业系统或市场定价源产生的每种产品的市场价格。
在图9中,性能测量系统的910利用图8中的模块812、814和816的方程的结果进一步计算性能度量。组合系统900包括资产或资产组902,其接收材料输入904和能量输入906,并产生产品908。实时的资产模型912从资产902接收传感器数据,并使用传感器数据对资产的经营业绩进行建模。监控资产的进行中的经营业绩可以基于采集的传感器数据帮助确定最佳的潜在行为。资产模型912被用于计算资产的潜在资产价值914。此外,传感器数据被实际资产价值模块接收,其实时计算实际的资产价值916。由资产或资产组产生的实时的资产价值(AV)是所述资产组在任何时间周期(t)内创造的实时商业价值。需要注意的是,AV不是资产或资产组整体的盈利能力。而是代表盈利能力的以高频率变化的成分。AV的方程为:
AV(t)=P(t)-(E(t)+M(t))
生产值P(t),能量价值E(t)与材料价值M(t)应在一段时间周期(t)内是相对恒定的。这就要求t被设置为反映商业的动态。由于每个价值度量的动态是处理动态(消费或生产率)和财务动态(成本或市场价值)的函数,以及因为处理动态的定义是实时的,财务动态越来越快,t必须设置为短时间帧(timeframe)以保持精度。
在此提出的资产性能测量结构中的隐式算法(implicit)是被考虑的资产或资产组的输出具有实际市场价值。情况并非总是如此,因为在制造和生产处理中的一些中间产品不能在公开市场上出售。几十年来,工程师们一直在致力于使用复杂的数学分析为这些中间体分配伪价值。从纯商业角度,这种建立伪值的方法无效。因此,资产性能测量系统的基础是只考虑具有实际市场价值的资产输出。可能有必要将基础资产分组到资产组,以正确地利用该性能测量系统。分组到资产组应分析资产到价值点的水平,但也可以得到资产产生的价值的更宽泛的图片,并可以在工厂级甚至多工厂级别进行。
资产价值(AV(t))度量提供了理解每一个资产或资产组目前的经营业绩的基础。关键是要比较当前的资产价值和如果资产运营到其潜力点处资产能够产生的价值。这可以通过使用运营的实时处理和资产模型912及其资产来完成。因此,使用处理的理想运营的模型912及捆绑到自动化系统的资产以获取运营的当前设置(设置点等)和实况处理的实时处理传感器数据,在时间周期t内潜在的资产价值914(AVp(t))可以通过使用设备等级或最佳性能运营水平来计算。
利用实际资产价值和潜在资产价值,资产或资产组的资产性能918(AP(t))可通过下列计算确定:
AP(t)=(AVa(t)/AVp(t))*100
该统计提供了表明从商业角度看资产正在如何运营的百分比。该统计还没有传达出与商业潜在条款中表现不佳的资产相关的商业“痛点(pain)”。这种“痛点”代表表现不佳的资产或资产组的运营的机会成本920(OC)。这可以通过下列方程来完成:
其中T是用于分析的整体时间周期,t代表在T范围内进行AV(t)计算的单个时间段。
这种资产性能测量机制的总体结构如图10所示。这个图显示了在自动化系统域内的资产和资产组机制的结构。这是资产1002的性能测量系统1000,且不表示OC(t)或AV(t)度量可被如何用于决策。资产或资产组1002接收材料输入1004和能量输入1006,并且产生产品1008。资产1002通过传感器连接到性能测量系统1000的自动化系统1010。实时的资产模型1012从资产1002接收传感器数据,并使用传感器数据对资产建模,并基于采集的传感器数据确定最佳潜在行为。资产模型1012被用于计算资产的潜在资产价值1014。此外,实际资产价值模块接收传感器数据,并实时计算实际的资产价值1016。实际资产价值1016和潜在的资产价值1014可以被自动化系统1010用于计算资产性能1018和机会成本价值1020。所有这些值可以被存储在处理历史1022中,后续可通过接口1024访问上述值以用于分析并相对于对资产1002采取的行为进行决策制定。
由于具有在运营(operation)中为每一个创造价值的资产或资产组测量资产价值(AV(t)),资产性能(AP(t))和机会成本(OC(t))的能力,运营、维护和工程将具有用于与组织的运营性资产相关的评估和决策制定的新工具。他们将能够从商业价值的角度查看资产,以基于资产的影响做出好的商业运营决策。
如何将这些度量用于智能决策的制定的一个例子是跨不同时间帧投射当前的OC(t)投射以获得由于表现不佳的资产导致失去的机会的经济测量来确定维修时机。如果,例如,对资产组进行所需的维修的平均时间是t1,且所需维修的费用是c1,则当投射的OC(t1)超过c1时,可以自动触发维修。这可以通过自动化系统中运营的实时工作流引擎的使用而自动施加。可识别更适合于工厂的运营和商业特点的其他关系。
导致一个更为商业导向的资产性能测量系统的发展的前提是,这样的系统将鼓励在工业运营中基于更好的商业的决策,同时鼓励运营和维护以合作获得优较好的结果。图5显示的向量504AP(t)作为运营和维护的收敛度量。向量504也可以从AP(t)、OC(t)AV(T)作为收敛信息。
这些资产的性能指标可用于维修、运营及工程,以对工业运营有正面的商业影响。工业资产随着时间和利用而降低价值,而且运营参数也趋向于变化,因此分析瞬时值和历史性能都至关重要。通过对每一个资产和资产组的使用和经验,可以预期,资产性能动态和关系将被发现。这些关系可以用来开发随着时间推移对资产性能的自动控制响应。
举例来说,某炼油厂的原油单元有原油作为其主要材料输入。原油在熔炉内加热到蒸发点,然后进入分裂蒸馏塔,在其中汽化原油穿过塔上升。由于汽化原油冷却到它达到温度极限的点,该温度极限导致原油的某些成分液化,液化的成分在塔内被捕获,同时纯净的成分如汽油、煤油、柴油和燃料油流出。气体流经该塔的顶部,较重的残留物流出底部,用于后续处理(见下图)。来自原油单元的每一流都具有基本的市场价值。该单元提供了一个有趣即使复杂的单元,来了解与用于测量工业资产的商业影响的机制相关联的概念。
在图11中,分布式控制系统1100被安装在炼油厂,系统负责的一部分是控制原油单元822。企业资源规划(EPR)系统1106被安装,资产性能计算的相关商业度量存储在ERP数据库中,其可通过商业输入1104被资产性能测量系统访问。处理仪表安装在工厂,并通过传感器输入1102连接到DCS,以便使得能够实时对资产性能建模。
原油单元822的基本资产性能测量系统1100包含用于测量原油单元周围的所有的关键处理测量(流量,温度等)的仪表,其通过传感器输入1102实时连接到分布式控制系统(DCS),如图所示。企业资源规划(ERP)系统1106也连接到DCS,每当这些价值在市场上的价值变化或在该公司建立的调拨定价层级变化时,系统1106将通过商业输入1104提供所有相关的商业价值(例如,燃料成本、材料成本、天然气定价、汽油定价、煤油定价、柴油、燃油定价和剩余价值)。这些值将可用于DCS的控制器内的资产性能测量算法执行器1108。资产性能测量算法执行器1108被配置为实时执行资产性能模型,该模型来源于基于传感器的数据和来自ERP系统的商业信息。资产性能算法执行器1108中计算的实时值被实时传输到资产性能历史模块1110,资产性能历史模块1110在历史数据库1112中存储测量。资产性能显示引擎1114,也通常在DCS内,被预先配置有在维修站1116上显示的用于维护专员的仪表盘显示器、在运营商站1118上显示的用于运营商的仪表盘显示器、以及在工程站1120上显示的用于工程师的仪表盘显示器。该实时决策支持信息将使所有三组(维护,运营商和工程师)通过实时反馈他们的行为导致的影响以更有效的方式来执行他们的行动和活动,但其也将鼓励协作和合作,因为这三个团队将致力于共同的资产性能测量。
下面将提供原油单元的资产性能在一个小时内的示例性快照。在实际运营中,这些测量可以被持续计算,并且资产性能仪表盘的显示被不断更新,所以维护、运营、和工程人员可以不断地监控性能,并做出资产的性能如何可以被提高的持续决定。为了这个例子的目的,简化的模型将被用来演示系统的概念。实际的实施可以更严格,复杂,并纳入更多其他的能量和材料源。
示例处理的材料输入是原油,假定分子模型已发展到提供对可以被生成的最佳产品组合的理解。主要能量源是在熔炉中使用的加热原油使其汽化的燃料。输出的产品是天然气,汽油,煤油,柴油,燃料油和残留物。这个例子所用的时间段将是一小时的运行时间。成本和生产价值不一定代表任何实际炼油厂或针对任何特定的时间段。
在这一小时内,假定用于加热熔炉内的原油所使用的燃料的价格每15分钟改变一次。该能量价值是:
在这一小时的每15分钟期间承担以下成本和消耗:
表1:能量消耗成本
价格/m3 消耗(m3) 价格/周期
$15 60,000 $90,000
$18 75,000 $135,000
$13 62,000 $80,600
$16 80,000 $128,000
总成本 $433,600
假设材料成本在一小时中最频繁为每10分钟变化,则材料成本概况基于以下模型。
在一小时中的每10分钟承担以下成本和消耗:
表2:耗油量成本
价格/桶 消耗(桶数) 成本/周期
$100 950 $95,000
$100 1000 $100,000
$110 960 $105,600
$110 900 $99,000
$105 1020 $107,100
$105 1000 $105,000
总成本 $611,700
这将意味着所考虑的一小时生产的总成本为1045300美元。
需要利用下列模型为生产的每种产品计算生产价值:
假定每种产品的价格变动每15分钟变化,提供下列值:
表3:气体生产价值
表4:汽油生产价值
表5:煤油生产价值
表6:柴油生产价值
表7:燃料油生产价值
表8:残留物生产价值
合计,原油单元在一小时内将提供1403170美元的总产值。
本小时内原油单元的资产价值是总产值减去总成本,或1403107-1045300美元,结果为357870美元的资产价值。
下一步是确定原油单元的潜在资产价值,使用相同的原油成分和相同的能量和材料成本作为处理的输入。该假设是,能量和材料输入不约束生产。由于同样的能量和材料成本将用于潜在的资产价值,只有潜在的生产价值需要计算。这通过使用相同的市场价格对每个生产组份(天然气,汽油,煤油,柴油,燃料油和残留物)进行,但最大的潜在产量如下:
表9:气体潜在生产价值
表10:汽油潜在生产价值
表11:煤油潜在生产价值
表12:柴油潜在生产价值
表13:燃料油潜在生产值
表14:残留物潜在生产价值
合计,原油单元在一小时内将提供1534340美元的总潜在产值。
本小时内原油单元的潜在资产价值是总潜在产值减去总成本或1534340-1045300美元,即489040美元。本小时内原油单元的机会成本是由潜在的资产价值减去实际的资产价值,或489040-357870美元,即131170美元。这表明运营可能产生的增量值在其运营到最大潜力时出现。
一小时内原油单元的资产性能是实际资产价值与潜在资产价值的比率,或357870/489040,即在这种情况下为0.74或74%。这代表原油单元的潜力百分比。
最后,该一小时的资产性能向量可以由AP(T)、OC(T),和AV(T)表征,其分别是(74%,131170美元,489040美元)。运营人员可以对处理进行改变以进行增加74%,减少131170美元,和增加489040。这将通过关于三个统计和每个的历史向维护、运营和工程这三个组提供实时反馈来实现。这将允许这三个组中的每一个以最大限度地提高原油单元的资产性能的方式来执行他们的职责。
维护小组可监察资产的性能,并确定机会成本何时增加至需要在该单元上进行正常保养的点。这可以根据维修所提供的经济价值与推迟维修所造成的损失机会进行比较来进行。这使得预防性维护计划根据经济价值来开发而不是像在大多数工业运营中那样使用传统周期表。
运营可利用资产的性能百分比来决定其行动对原油单元性能的影响。如果他们可以正常工作在85%的水平,现在很难超过74%,他们会知道,有一个或多个降低运营价值的关键的根本原因。在调整处理的运营后,如果他们不能达到正常运营的资产性能,他们可考虑其他行动,比如说与维修和工程人员开会,试图识别和修复根本原因。由于运营、维护和工程使用相同的资产性能测量来测量,将产生更加协作和合作的环境。
工程可利用这一信息来评估即刻和长期倡议(initiative),以提高原油单元的资产性能。他们评估的任何倡议的优点不仅在技术上,还在经济上被评判,由于资产价值和机会成本可以直接转化为财务,其将使ROI和现金流的计算能够从任何倡议得到改善。如果工程师得出结论,需要一些先进的控制策略以提高资产的性能,他们可能会估计预期的资产性能改善。资产性能直接与机会成本和资产价值挂钩,因此工程师可以估计由于先进控制的实施而预期的价值提升,一旦解决方案被实施,他们可以直接确定ROI和现金流目标是否被实现。这使得工业企业可以投资到他们知道他们可以获利的地方。
提供的摘要和发明内容用于帮助读者快速确定技术披露的性质。可以理解的是,他们将不被用来解释或限制权利要求的范围或含义。提供的发明内容以简化形式引入了概念的选择,其在具体实施方式中进行进一步叙述。该发明内容不意在确定要求保护的主题的主要特征或基本特征,也不意在用于帮助确定要求保护的主题。
用于举例说明的目的,程序和其他可执行程序组件,如运营系统,在此以离散模块来表示。然而,应该认识到,这样的程序和组件在很多时候驻留在计算装置的不同的存储组件中,并被所述装置的数据处理器执行。
虽然结合示例性计算系统环境进行了描述,本发明许多方面的实施例可用于许多其他通用或专用的计算系统环境或配置。计算系统环境不意在对本发明任何方面的使用范围或功能的限定。该计算系统环境必须能实时访问与资产或资产组相关的基于传感器的数据。此外,该计算系统环境不应该被解释为依赖或要求在示例运营环境中说明的组件的任何一个或组合。公知的计算机系统,环境和/或配置的例子可适合用于本发明的方面包括但不限于,个人电脑,服务器计算机,手持或笔记本电脑,多处理器系统、基于微处理器的系统、机顶盒、可编程电子消费品、移动电话、网络PC、小型机、主机计算机、包括上述的任何系统或设备的分布式计算环境,等等。
本发明的各个方面的实施例在一般情况下可以被描述为数据和/或处理器可执行指令,例如程序模块,存储的一个或多个有形的非易失性存储介质,并由一个或多个处理器或其他设备执行。一般而言,程序模块包括,但不限于,例程,程序,对象,组件和数据结构,其执行特定的任务或实现特定的抽象数据类型。本发明的方面也可以在分布式计算环境中执行,其中任务由通过通信网络连接的远程处理设备执行。在分布式计算环境中,程序模块可以存储在本地和远程存储介质中,包括存储设备。
在操作时,处理器,计算机和/或服务器可以执行处理器可执行的指令(例如,软件,固件和/或硬件)以实现本发明的多个方面,如本发明在此所述的。
本发明的多个方面的实施例可以用处理器可执行指令来实现。处理器可执行指令可以被组织成一个或多个处理器可执行组件或有形的处理器可读存储介质中的模块。本发明的方面可以由任何数量的该组件或模块的组合来实施。例如,本发明的方面不局限于特定的处理器可执行指令或在该图中所描述的具体组件或模块。本发明方面的其他实施例可以包括不同的处理器可执行的指令或组件,其与所示和描述的相比具有更多或更少的功能性。
除非另有说明,在此所示和描述的本发明的方面的实施例中的执行顺序和操作性能不是必须的。也就是说,该操作可以以任何顺序进行,除非另有说明,与在此公开的相比,本发明的方面的实施例可以包括附加或更少的操作。例如,可以设想,在执行某一操作之前,同时,或之后运行另一个操作落入本发明的范围之内。
在介绍本发明的方面的要素或其实施例时,“一”、“一个”、“该”和“所述”理解为具有一个或多个这种元素。术语“包括”、“包含”和“具有”应理解为包括,同时意味着可能有附加元素以外的其他元素。
鉴于上述,可以看到实现了本发明的方面的多个优点,并且获得其他有利的结果可以被获得。
并非所示的或所描述的所有被描述的部件都是必需的。此外,一些实现和实施例可包括附加组件。在不背离所附权利要求的精神或范围的情况下可以改变该组件的布局和类型。另外,可以提供不同的或较少的组件,并且组件可以被组合。作为替代或附加,组件可以通过几个组件来实现。
以上的说明内容以示例的形式,而非限制的形式说明了本发明的多个方面。这种描述使本领域技术人员可以实施并使用本发明的多个方面,并介绍了本发明多个方面的一些实施例、适应、变化、替代和使用,包括目前认为是最好的实施本发明的多个方面的模式。此外,应当理解,本发明的多个方面并不将其应用限于在后续具体实施方式或附图中所描述的组件的构造和排列的细节。本发明的多个方面能够包括其他实施例,并以多种方式进行或实施。同时,可以理解,在此使用的用语和术语是描写的目的,不应被视为限制。
在此详细地描述了本发明的多个方面,很明显,在不背离在附属权利要求中定义的本发明的各方面的范围的情况下进行修改和变化是可能的。在不背离本发明的范围的情况下可以在上述结构、产品和处理中考虑各种变化。在前面的说明书中,已经参照附图描述了各种优选的实施例。但是,显而易见的是,可对其进行各种修改和更改,并且可以实施附加的实时例,而不背离后续权利要求所设定的本发明多个方面的更广泛的范围。说明书和附图相应地应被认为是说明性的而不是限制性的。

Claims (10)

1.一种用于改进处理控制系统的生产的系统,包括:
处理器;
耦接到处理器的一个或多个传感器,所述传感器从处理控制系统中的一个或多个资产采集处理数据;
一个或多个人-机接口,其耦接到处理器和处理;
耦接到处理器的存储器,所述存储器存储一个或多个传感器采集的数据以及处理器可执行指令,所述处理器可执行指令用于:
从一个或多个传感器接收处理数据;
基于从一个或多个传感器接收的处理数据确定一个或多个资产的输入成本;
基于从一个或多个传感器接收的处理数据确定一个或多个资产的输出价值;
基于对所确定的输入成本和所确定的输出价值的比较提供一个或多个资产的净产值;
在存储器中存储所确定的输入成本、所确定的输出价值和净产值;
通过一个或多个人-机接口向用户提供所确定的输入成本、所确定的输出价值和净产值;
基于所确定的输入成本、所确定的输出价值和净产值中的至少一者,以增加净产值的方式自动改变一个或多个资产的行为。
2.根据权利要求1所述的系统,其中输入成本包括能量成本和材料成本。
3.根据权利要求1所述的系统,进一步包括耦接到处理器的商业系统,所述商业系统提供有关一个或多个资产的输入和输出的当前价格的商业数据,其中输入成本和输出价值部分地基于所提供的商业数据来确定。
4.根据权利要求1所述的系统,其中自动改变进一步包括基于所确定的输入成本、所确定的输出价值和净产值自动调度一个或多个资产的维护。
5.根据权利要求1所述的系统,其中输入成本、输出价值和净产值随着传感器数据的接收被实时计算。
6.根据权利要求5所述的系统,进一步包括耦接到存储器的历史数据库,其中输入成本、输出价值和净产值一被计算出则被存储在历史数据库中。
7.根据权利要求5所述的系统,进一步包括用于在一个或多个人-机接口上以趋势图的方式显示输入成本、输出价值和净产值中的至少一者的变化的指令。
8.根据权利要求5所述的系统,进一步包括用于以增加净产值的方式自动改变一个或多个资产的行为的指令。
9.根据权利要求1所述的系统,进一步包括用于基于所接收的处理数据确定一个或多个资产的机会成本的指令。
10.根据权利要求1所述的系统,进一步包括用于基于所接收的处理数据确定一个或多个资产的资产性能值的指令。
CN202310931337.3A 2015-03-20 2016-03-18 处理控制系统中的资产管理 Pending CN117724407A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/664,511 2015-03-20
US14/664,511 US10943195B2 (en) 2015-03-20 2015-03-20 Asset management in a process control system
CN201610301723.4A CN106054827A (zh) 2015-03-20 2016-03-18 处理控制系统中的资产管理

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201610301723.4A Division CN106054827A (zh) 2015-03-20 2016-03-18 处理控制系统中的资产管理

Publications (1)

Publication Number Publication Date
CN117724407A true CN117724407A (zh) 2024-03-19

Family

ID=55587165

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201610301723.4A Pending CN106054827A (zh) 2015-03-20 2016-03-18 处理控制系统中的资产管理
CN202310931337.3A Pending CN117724407A (zh) 2015-03-20 2016-03-18 处理控制系统中的资产管理

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201610301723.4A Pending CN106054827A (zh) 2015-03-20 2016-03-18 处理控制系统中的资产管理

Country Status (4)

Country Link
US (1) US10943195B2 (zh)
EP (2) EP3070656A1 (zh)
CN (2) CN106054827A (zh)
CA (1) CA2924040C (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10318903B2 (en) 2016-05-06 2019-06-11 General Electric Company Constrained cash computing system to optimally schedule aircraft repair capacity with closed loop dynamic physical state and asset utilization attainment control
US10359748B2 (en) * 2017-02-07 2019-07-23 Johnson Controls Technology Company Building energy cost optimization system with asset sizing
US20190180335A1 (en) * 2017-12-08 2019-06-13 Accenture Global Solutions Limited Network infrastructure optimization platform
CN111488957A (zh) * 2020-04-08 2020-08-04 三一重工股份有限公司 工位数字化方法、装置、移动终端和计算机可读存储介质

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5864183A (en) 1996-08-28 1999-01-26 Voith Hydro, Inc. Method and apparatus for optimizing performance of a pump-turbine
CA2321283A1 (en) * 1998-02-20 1999-08-26 Hagen Method Pty. Limited Method and system for controlling processes
US6128540A (en) * 1998-02-20 2000-10-03 Hagen Method Pty. Ltd. Method and computer system for controlling an industrial process using financial analysis
US6068012A (en) 1998-12-29 2000-05-30 Ashland, Inc. Performance-based control system
US6490506B1 (en) 1999-05-21 2002-12-03 Hydro Resource Solutions Llc Method and apparatus for monitoring hydroelectric facility maintenance and environmental costs
JP2001233414A (ja) * 1999-12-16 2001-08-28 Hitachi Ltd 生産計画方法
US7099836B2 (en) * 2000-04-24 2006-08-29 Cichanowicz J Edward Automated method for conducting buy/sell transactions for non-commodity materials or devices
WO2002013105A2 (en) * 2000-08-08 2002-02-14 Transpacific Investments, Inc. Productivity monitoring system and method
US8417360B2 (en) 2001-08-10 2013-04-09 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US8799113B2 (en) * 2001-12-28 2014-08-05 Binforma Group Limited Liability Company Quality management by validating a bill of materials in event-based product manufacturing
US7380213B2 (en) * 2001-12-28 2008-05-27 Kimberly-Clark Worldwide, Inc. User interface for reporting event-based production information in product manufacturing
DE10393080T5 (de) * 2002-10-08 2005-09-29 Invensys Systems, Inc., Foxboro Serviceportal
CN100472509C (zh) * 2003-01-30 2009-03-25 凯洛格·布朗及鲁特有限公司 支持实时操作和维护的装置、方法和系统
US7584165B2 (en) 2003-01-30 2009-09-01 Landmark Graphics Corporation Support apparatus, method and system for real time operations and maintenance
AU2004292078A1 (en) * 2003-10-23 2005-06-02 Intellectual Property Bank Corp. Enterprise evaluation device and enterprise evaluation program
US20060081513A1 (en) * 2004-08-10 2006-04-20 Kenny Garry R Sorting recycle materials with automatically adjustable separator using upstream feedback
DE602006008581D1 (de) * 2005-02-17 2009-10-01 Panasonic Corp Verfahren zur bestimmung von montagebedingungen, vorrichtung zur bestimmung von montagebedingungen und montagevorrichtung
CN1648922A (zh) * 2005-03-03 2005-08-03 南京科远控制工程有限公司 企业管控一体化管理信息控制方法
US6993403B1 (en) * 2005-03-22 2006-01-31 Praxair Technology, Inc. Facility monitoring method
US7899591B2 (en) 2005-07-14 2011-03-01 Accenture Global Services Limited Predictive monitoring for vehicle efficiency and maintenance
US9423989B2 (en) * 2005-10-26 2016-08-23 Xerox Corporation System and method for dynamically reconfiguring one or more autonomous cells in a print shop environment
US8060397B2 (en) 2007-05-04 2011-11-15 Sap Ag Method and system for asset valuation using a statistical approach
CN101477655A (zh) * 2009-02-09 2009-07-08 江苏沙钢集团有限公司 一种分层的mes软件系统架构
EP2224384A1 (en) * 2009-02-25 2010-09-01 Siemens Aktiengesellschaft Method and system for scheduling a manufacturing process
US20120245968A1 (en) * 2011-03-21 2012-09-27 Honeywell International Inc. Building system control and equipment fault and degradation monetization and prioritization
US8533022B2 (en) 2011-09-13 2013-09-10 Nandakumar Krishnan Nair Enterprise wide value chain management system (EVCM) for tracking, analyzing and improving organizational value chain performance and disruptions utilizing corrective actions

Also Published As

Publication number Publication date
EP3070656A1 (en) 2016-09-21
US20160275426A1 (en) 2016-09-22
EP4345705A3 (en) 2024-05-15
CA2924040C (en) 2021-08-24
US10943195B2 (en) 2021-03-09
CA2924040A1 (en) 2016-09-20
EP4345705A2 (en) 2024-04-03
CN106054827A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
US10620598B2 (en) Methods and systems for controlling generating units and power plants for improved performance
JP6109066B2 (ja) エネルギー管理方法
US10287988B2 (en) Methods and systems for enhancing operation of power plant generating units and systems
EP3065008B1 (en) Methods and systems for enhancing control of power plant generating units
US10223167B2 (en) Discrete resource management
US9129231B2 (en) Real time energy consumption analysis and reporting
EP3260934A2 (en) Methods and systems for enhancing operation of power plant generating units
US8670962B2 (en) Process simulation utilizing component-specific consumption data
JP5577087B2 (ja) 運転中の化学プラントのエネルギー消費をモニタリングしかつ分析することにより当該エネルギー消費に関するグラフを生成するための、コンピュータによって実行される方法、プログラムを記録したコンピュータ読み取り可能な記録媒体、および、エネルギー管理システム
US20150178865A1 (en) Total property optimization system for energy efficiency and smart buildings
US20140249876A1 (en) Adaptive Stochastic Controller for Energy Efficiency and Smart Buildings
Xia et al. Modeling and optimizing maintenance schedule for energy systems subject to degradation
CN117724407A (zh) 处理控制系统中的资产管理
CN106774214B (zh) 一种基于设备工况组合的能源调度系统
WO2015013677A2 (en) Total property optimization system for energy efficiency and smart buildings
Confalonieri et al. An AI based decision support system for preventive maintenance and production optimization in energy intensive manufacturing plants
JP2011248614A (ja) 生産ラインの用役ロス量評価システムおよび方法
US20190102750A1 (en) Apparatus and method for determining a maintenance schedule
Bezerra et al. Industrial environment: a strategy for preventive maintenance using Machine Learning to predict the useful life of equipment and Statistical Process Control for Continuous Monitoring of Variables.
Kaufman et al. Industrial energy optimization: managing energy consumption for higher profitability
Rumsa et al. Sustainability performance of ammonia production: the contribution of Industry 4.0 and renewables to enhance the triple bottom line
Haddad et al. Energy flexibility in aerospace manufacturing: The case of low carbon intensity production
Hammer et al. Operations Perspective: Achieving Resource-Productive Operations
Tikhonov et al. SOCIO-ECONOMIC ESSENCE OF ADAPTIVE PROCESSES INTO SMALL INDUSTRIAL ENTERPRISES
Ordonez Giron Optimal Load Management Application for Industrial Customers

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination