JP2005512051A - 特定の分析データに一致するように計算された既知物質のブレンドとして未知物質を分析し、計算されたブレンドに基づいて未知物質の特性を予測する方法 - Google Patents
特定の分析データに一致するように計算された既知物質のブレンドとして未知物質を分析し、計算されたブレンドに基づいて未知物質の特性を予測する方法 Download PDFInfo
- Publication number
- JP2005512051A JP2005512051A JP2003549904A JP2003549904A JP2005512051A JP 2005512051 A JP2005512051 A JP 2005512051A JP 2003549904 A JP2003549904 A JP 2003549904A JP 2003549904 A JP2003549904 A JP 2003549904A JP 2005512051 A JP2005512051 A JP 2005512051A
- Authority
- JP
- Japan
- Prior art keywords
- unknown
- determining
- assay
- substance according
- unknown substance
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 168
- 239000000126 substance Substances 0.000 title claims abstract description 111
- 239000000203 mixture Substances 0.000 title claims description 76
- 238000001228 spectrum Methods 0.000 claims abstract description 122
- 238000003556 assay Methods 0.000 claims abstract description 106
- 230000009021 linear effect Effects 0.000 claims abstract description 24
- 239000013558 reference substance Substances 0.000 claims abstract description 22
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 9
- 239000010779 crude oil Substances 0.000 claims description 81
- 238000000491 multivariate analysis Methods 0.000 claims description 47
- 238000007689 inspection Methods 0.000 claims description 44
- 238000012360 testing method Methods 0.000 claims description 29
- 238000002156 mixing Methods 0.000 claims description 28
- 230000005484 gravity Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 18
- 238000004821 distillation Methods 0.000 claims description 16
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 15
- 238000009835 boiling Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 6
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 4
- 125000003118 aryl group Chemical group 0.000 claims description 4
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 claims description 4
- 229910052717 sulfur Inorganic materials 0.000 claims description 4
- 239000011593 sulfur Substances 0.000 claims description 4
- 150000001491 aromatic compounds Chemical class 0.000 claims description 3
- 238000004523 catalytic cracking Methods 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims description 3
- 239000010687 lubricating oil Substances 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 239000012188 paraffin wax Substances 0.000 claims description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims description 2
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 claims description 2
- 229910052799 carbon Inorganic materials 0.000 claims description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 50
- 238000012937 correction Methods 0.000 description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 37
- 239000000523 sample Substances 0.000 description 35
- 239000012925 reference material Substances 0.000 description 24
- 239000000463 material Substances 0.000 description 21
- 230000003595 spectral effect Effects 0.000 description 21
- 239000013598 vector Substances 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 14
- 239000003921 oil Substances 0.000 description 13
- 238000002835 absorbance Methods 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 230000000704 physical effect Effects 0.000 description 9
- 229930195733 hydrocarbon Natural products 0.000 description 8
- 150000002430 hydrocarbons Chemical class 0.000 description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000004611 spectroscopical analysis Methods 0.000 description 6
- 239000004215 Carbon black (E152) Substances 0.000 description 5
- 238000001069 Raman spectroscopy Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000012417 linear regression Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 229910004261 CaF 2 Inorganic materials 0.000 description 4
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 239000012491 analyte Substances 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 239000003502 gasoline Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000004817 gas chromatography Methods 0.000 description 3
- 238000004128 high performance liquid chromatography Methods 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009022 nonlinear effect Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000036314 physical performance Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013074 reference sample Substances 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000001237 Raman spectrum Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 150000001336 alkenes Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000002397 field ionisation mass spectrometry Methods 0.000 description 1
- 238000004231 fluid catalytic cracking Methods 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003317 industrial substance Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000003350 kerosene Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000004476 mid-IR spectroscopy Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006902 nitrogenation reaction Methods 0.000 description 1
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 description 1
- 125000001741 organic sulfur group Chemical group 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000005987 sulfurization reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2823—Raw oil, drilling fluid or polyphasic mixtures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Food Science & Technology (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
未知物質の特性を求める方法であって、未知物質のＩＲスペクトルを求める工程、ＩＲスペクトルをデータベース中の既知スペクトルの線形結合にあてはめる工程であって、データベースには、アッセイ特性が既知である参照物質のスペクトルが含まれている工程および参照物質のアッセイ特性から未知物質の特性を求める工程を含む方法が開示される。
Description
本発明は、分光法のような多変量分析技術、または多変量分析技術と検査の組合せを用いて未知物質を分析する方法である。そのような検査は、バルク物質を対象として安価にかつ容易に行いうる物理特性または化学特性の測定であり、例えば、限定されるものではないが、ＡＰＩまたは比重および粘度の測定が挙げられる。未知物質は、その多変量分析データ（例えばスペクトル）、またはその多変量分析データおよび検査データを、データベースに含まれる同一タイプの参照物質の多変量分析データまたは多変量分析データおよび検査データと比較することにより分析される。比較は、データベースに含まれる多変量分析データまたはデータベースに含まれる多変量分析データおよび検査データが未知物質のものに一致する参照物質のサブセットのブレンドを計算するように行われる。次に、参照物質の計算されたブレンドは、参照物質の測定された化学特性、物理特性、および性能特性と、既知のブレンディング関係式を用いて、未知物質の他の化学特性、物理特性、または性能特性を予測するために、使用される。
石油化学業界には、ビジネスの意思決定、操作の計画、制御および最適化、並びに生成物の保証を目的として、プロセスフィードまたは生成物の非常に詳細な分析が必要とされる事例が多く存在する。本明細書中では、そのような詳細分析を、以降「アッセイ」と呼ぶ。原油アッセイは、その一例である。詳細分析で使用される方法は、実施するのにコストと時間がかかる可能性があり、リアルタイムの分析に適していない可能性がある。費用をかけずにかつ時宜を得て詳細分析の情報を提供することのできる代替法を有することが望ましい。本発明は、そのような代替法の１つである。
赤外分光法、特に近赤外分光法は、石油化学製品の定量分析に広く使用されている。ほとんどの用途では、測定されたスペクトルを、物質の化学特性、物理特性、および性能特性に関連づける線形回帰モデルが生成される。化学特性としては、元素組成および分子組成が挙げられるが、これらに限定されるものではない。物理特性としては、密度、粘度および低温流動性（例えば、流動点、曇り点、または凝固点）が挙げられるが、これらに限定されるものではない。性能特性としては、オクタン価およびセタン価が挙げられるが、これらに限定されるものではない。そのような線形回帰モデルは多くの石油化学用途にうまく使用されてきたが、プロセスフィードおよび生成物の詳細分析を行うには、その有用性に限界がある。詳細分析（アッセイ）を行うには、何百もの化学的パラメーター、物理的パラメーターおよび性能パラメーターが必要になって、管理できないほど多数の回帰モデルの開発および保守が要求される可能性がある。更に、対象特性の多くは、線形回帰モデルを用いて容易に予測されない、組成の複雑な非線形関数である可能性もある。最後に、詳細分析（アッセイ）に完全サンプルのサブフラクションの組成および特性のデータが含まれ、これらが完全サンプルのスペクトルに基づく線形回帰モデルを用いて容易に予測されない可能性もある。本発明では、既知参照物質のブレンドとして未知物質を表す新規なアルゴリズム手法を用いて、これらの制約を回避する。本発明によれば、物質の多数の化学特性、物理特性、および性能特性を容易に予測することが可能であり、非線形ブレンディング則が既知であれば、非線形の特性を予測することが可能であり、特性が参照物質の類似のサブフラクションについて測定されており、かつその特性に対するブレンディング関係式が既知であれば、物質の化学特性、物理特性および性能特性を予測することが可能である。
石油化学製品の化学特性、物理特性および性能特性を予測しようとして、線形回帰を伴わない代替法が分光学的データに適用された。例えば、組成の非線形関数である特性の予測を改良するために、非線形後処理法およびニューラルネットワークが利用された。これらの分析を適用する場合、非線形性の問題を扱うことになろうが、そうすると、詳細分析（アッセイ）の予測に必要とされる、管理できないほど数多いモデルの複雑さを増してしまうだけになろう。特性を推測できるようにすべく分析対象物質と十分に類似した参照物質を同定するように、トポロジーに基づく方法がスペクトルデータに適用された。しかしながら、トポロジー法は、任意の分析対象サンプルに十分に類似した参照が存在することを保証するために、本発明よりもかなり緻密なデータベースを必要とする。詳細分析（アッセイ）を行う場合、トポロジー法を利用するのに十分な程度に緻密なデータベースを作成するのに要するコストは、極めて高くつく。いずれの代替法においても、完全サンプルのスペクトルに基づいてサンプルのサブフラクションの特性を確実に予測しうることは実証されていない。
本発明の好ましい実施形態では、広域中間赤外分光法（７０００〜４００ｃｍ−１）を利用するが、他の多変量分析技術を用いて類似の結果を得ることも可能であろう。そのような多変量分析技術には、他の形態の分光法が包含され、例えば、近赤外分光法（１２５００〜７０００ｃｍ−１）、ＵＶ／可視分光法（２００〜８００ｎｍ）、蛍光分光法、およびＮＭＲ分光法が挙げられるが、これらに限定されるものではない。シミュレーテッドガスクロマトグラフィー蒸留（ＧＣＤ）およびマススペクトロメトリーのような多変量分析技術から得られるデータ、またはＧＣ／ＭＳのような組み合わされた多変量分析技術から得られるデータを用いて、類似の分析を行うことも可能であろう。これに関連して、本明細書中では以降、「スペクトル」という単語が用いられる場合、この単語には、分光法、クロマトグラフィー法、分光測定法、またはそれらの組合せのような多変量分析測定法により生成される分析データの任意のベクトルまたは行列（ａｒｒａｙ）が包含される。
本発明は、原油の化学特性、物理特性および性能特性の予測に適用可能である。全原油の特性と、全原油の任意の留出物カットの特性の両方を予測することができる。また本発明は、石油化学プロセスストリームおよび生成物ストリームにも適用可能である。分析で使用される参照物質および分析される未知物質は、プロセスフィードであっても、生成物であっても、その両方であってもよい。例えば、参照物質は、詳細な分子組成分析が行われた接触分解ユニットへの軽油フィードであってもよい。本発明は、未知軽油の分子組成を予測するために使用することができる。また本発明は、潤滑油の抽出および脱蝋のプロセスへの含蝋留出物フィードの、抽出応答データの予測にも適用可能である。抽出応答データとしては、抽出および脱蝋の条件の関数としての、ラフィネートおよび脱蝋ラフィネートの収率、ラフィネートおよび脱蝋ラフィネートの粘度および粘度指数、ラフィネートおよび脱蝋ラフィネートの飽和化合物含有率、並びにラフィネートおよび脱蝋ラフィネートの屈折率が挙げられるが、これらに限定されるものではない。参照物質は、抽出および脱蝋のデータが測定された含蝋留出物フィードサンプルである。本発明は、未知含蝋留出物フィードの抽出および脱蝋のデータを予測するために使用される。
石油化学業界では、ビジネスの意思決定、操作の計画、制御および最適化、並びに生成物の保証を行うために、フィードおよび生成物の物質の極めて詳細な分析（アッセイ）がしばしば利用される。これらの分析のうちで中心をなすのは、原油アッセイである。原油をアッセイする場合、２工程で蒸留が行われる。ＡＳＴＭ Ｄ２８９２（非特許文献１を参照されたい）のような方法が、約６５０°Ｆ（３４３℃）未満で沸騰する留出物カットを単離するために使用される。この蒸留の残留物は、６５０°Ｆから約１０００〜１０５４°Ｆまで（３４３℃から５３８〜５６８℃まで）の範囲をカバーする留出物カットおよび真空残留物カットを生成するように、ＡＳＴＭ Ｄ５２３６のような方法を用いて、更に蒸留される。少なくとも、典型的な生成物またはユニットフィードに対応するカット、例えばＬＰＧ（初留点〜６８°Ｆ）、ＬＳＲ（６８〜１５５°Ｆ）、ナフサ（１５５〜３５０°Ｆ）、灯油（３５０〜５００°Ｆ）、ディーゼル油（５００〜６５０°Ｆ）、真空軽油（６５０°Ｆから１０００〜１０５４°Ｆまで）および真空残留物（１０００〜１０５４°Ｆ＋）が、典型的には単離される。次に、各留出物カットを分析し、元素特性、分子特性、物理特性および／または性能特性を調べる。実施される個々の分析は、カットの典型的な性質に依存する。分析の具体例を表１に示す。これらの分析から誘導されるデータは、典型的には、任意の所望の蒸留範囲の原油品質を推定すべく数学的に操作することのできる電子データベースに保存されるであろう。例えば、ハバーリー・システムズ・インコーポレーテッド（Ｈａｖｅｒｌｙ Ｓｙｓｔｅｍｓ Ｉｎｃ．）およびエイチピーアイ・コンサルタンツ・インコーポレーテッド（ＨＰＩ Ｃｏｎｓｕｌｔａｎｔｓ Ｉｎｃ．）から市販品として原油アッセイライブラリーを入手することが可能である。これらはいずれも、アスペンテック・インコーポレーテッド（Ａｓｐｅｎｔｅｃｈ Ｉｎｃ．）のものと同じように、データを処理するためのツールを提供する。アッセイデータは、クルード・クオリティー・インコーポレーテッド（Ｃｒｕｄｅ Ｑｕａｌｉｔｙ Ｉｎｃ．）により、シェル・オイル・カンパニー（Ｓｈｅｌｌ Ｏｉｌ Ｃｏｍｐａｎｙ）により、およびスタトイル（Ｓｔａｔｏｉｌ）により発表されている。典型的には、特性／蒸留温度データを滑らかな曲線にあてはめる。次に、この曲線を用いて、任意の所望の蒸留カットの特性を推定することができる。
アッセイデータの使用目的に依存して、組織団体ごとに異なるアッセイストラテジーが利用されるであろう。より小さい温度範囲をカバーするより多くの留出物カットを用いれば、特性／温度曲線の確度は改良される。しかしながら、参照分析用の適切なサンプルを提供するために蒸留する必要のある油の体積が増加し、所要の分析数もまた増加する。従って、アッセイのコストおよび日程が増加する。組成およびプロセスモデリングでは、例えば、非特許文献２に記載されているＨＤＨＡ法のように、極めて詳細な分析が利用されることもある。
詳細な原油アッセイは、終了までに数週間〜数ヶ月かかることもある。その結果、ビジネスの意思決定、並びに操作の計画、制御および最適化を行うために用いられるアッセイデータは、ほとんど、現在搬入されている積荷について販売または処理されたものではなく、「代表的な」過去の積荷の実績データである。こうしたアッセイでは、操作に顕著な影響を及ぼす可能性のある積荷間の変動が明らかにならない。非特許文献３には、油品質変動の原因、製油所操作に及ぼすその影響および原油品質モニタリングで使用するための改良された分析技術の必要性が論じられている。ワグエスパックは、原油変動の原因を長期間およびその輸送期間の両方について次のように列挙している：産油層の老化；相対的油田産油量の変化；集油システムにおける原油の混合；バッチインターフェースに関連するパイプラインの劣化；汚染；共通仕様原油ストリームへの著しく異なる品質のストリームの圧入。そのような変動を生じると、原油の価値およびそれから作製しうる生成物は著しく変化する可能性がある。
詳細分析は、多くの石油化学フィードおよび生成物に対して行われる。非特許文献４には、石油化学プロセスのモデリングで使用するための構造化指向ランピング（Ｓｔｒｕｃｔｕｒｅｄ Ｏｒｉｅｎｔｅｄ Ｌｕｍｐｉｎｇ）（ＳＯＬ）スキームが記載されている。ＳＯＬスキームでは、ＨＰＬＣ、フィールドイオン化マススペクトロメトリーおよびガスクロマトグラフィー／マススペクトロメトリー（ＧＣ／ＭＳ）の組合せから収集されたデータが利用される（非特許文献５）。ヤコブ（Ｊａｃｏｂ）ら（非特許文献６）は、潤滑剤製造に関与する種々の精製プロセスへのＳＯＬ法の適用について記載している。ＳＯＬデータを発生させるために使用される分析スキームは、複雑であり、適用するのに時間がかかる。本発明は、最小サンプル体積でＳＯＬデータを迅速に発生する手段を提供することにより、ビジネスの意思決定のためのこれらのＳＯＬベースのプロセスモデルの有用性を最大化するのに役立つ。
赤外分光法およびラマン分光法は、さまざまな石油化学ストリームのプロセス分析のために使用されてきた。ジー・エム・ヒエフトジェ（Ｇ．Ｍ．Ｈｉｅｆｔｊｅ）、ディー・イー・ホニグス（Ｄ．Ｅ．Ｈｏｎｉｇｓ）およびティー・ビー・ハーシュフェルド（Ｔ．Ｂ．Ｈｉｒｓｃｈｆｅｌｄ）は、多重線形回帰（ＭＬＲ）を用いて近赤外（ＮＩＲ）スペクトルから単純な炭化水素混合物の物理特性を予測することについて記載した（１９８９年１月２４日発行の特許文献１）。ディー・エイ・スウィンケルス（Ｄ．Ａ．Ｓｗｉｎｋｅｌｓ）、ピー・エム・フレドリックス（Ｐ．Ｍ．Ｆｒｅｄｒｉｃｋｓ）およびピー・アール・オズボーン（Ｐ．Ｒ．Ｏｓｂｏｒｎ）は、石炭の分析にＦＴ−ＩＲおよび主成分回帰（ＰＣＲ）を適用した（１９８７年１０月２０日発行の特許文献２）。ジェイ・エム・ブラウン（Ｊ．Ｍ．Ｂｒｏｗｎ）は、スペクトルおよび条件つき主スペクトル分析（ＣＰＳＡ）を用いてサンプルの特性および組成データを予測する方法について記載している（１９９２年６月９日発行の特許文献３）。アール・クラーク（Ｒ．Ｃｌａｒｋｅ）は、ラマン分光法を用いて炭化水素の特性を見積もる方法について記載している（１９９２年８月１８日発行の特許文献４）。アール・エイチ・クラーク（Ｒ．Ｈ．Ｃｌａｒｋｅ）およびディー・タング（Ｄ．Ｔａｎｇ）は、炭化水素燃料特性を決定するための方法および中間赤外装置について記載している（１９９３年７月６日発行の特許文献５）。エス・エム・マッガード（Ｓ．Ｍ．Ｍａｇｇａｒｄ）（１９９０年１０月１６日発行の特許文献６）と同じように、ディー・シー・ランバート（Ｄ．Ｃ．Ｌａｍｂｅｒｔ）およびエイ・マーテンス（Ａ．Ｍａｒｔｅｎｓ）（特許文献７および１９９６年２月６日発行の特許文献８）は、ＮＩＲスペクトルおよびＭＬＲを用いるオクタン価の予測について記載している。マッガード（Ｍａｇｇａｒｄ）はまた、ＮＩＲおよびＭＬＲまたは部分最小二乗法（ＰＬＳ）を用いる、ガソリン中のパラフィン、イソパラフィン、芳香族化合物、ナフテンおよびオレフィンの定量（１９９４年９月２０日発行の特許文献９）、ＮＩＲおよびＭＬＲを用いる、ブレンド成分のスペクトルからのブレンド特性の予測（１９９３年６月２９日発行の特許文献１０）、並びにＮＩＲスペクトルを用いる、ガソリンの酸素化物および酸素含有率の予測についても記載している。エス・マッガード（Ｓ．Ｍａｇｇａｒｄ）およびダブリュー・ティー・ウェルシュ（Ｗ．Ｔ．Ｗｅｌｃｈ）は、ＮＩＲスペクトルを用いる中間留出物燃料の有機硫黄含有率の予測について論じている（１９９４年９月２０日発行の特許文献１１）。ジェイ・ビー・クーパー（Ｊ．Ｂ．Ｃｏｏｐｅｒ）、エム・ビー・サムナー（Ｍ．Ｂ．Ｓｕｍｎｅｒ）、ダブリュー・ティー・ウェルシュ（Ｗ．Ｔ．Ｗｅｌｃｈ）およびケイ・エル・ワイズ（Ｋ．Ｌ．Ｗｉｓｅ）は、ラマン分光法を用いるガソリンの酸素および酸素化物含有率の見積もり方法を記載している（１９９７年２月２１日発行の特許文献１２）。アール・アール・ブレドソウ（Ｒ．Ｒ．Ｂｌｅｄｓｏｅ）、ジェイ・ビー・クーパー（Ｊ．Ｂ．Ｃｏｏｐｅｒ）、エム・ビー・サムナー（Ｍ．Ｂ．Ｓｕｍｎｅｒ）、ダブリュー・ティー・ウェルシュ（Ｗ．Ｔ．Ｗｅｌｃｈ）、ビー・ケイ・ウィルト（Ｂ．Ｋ．Ｗｉｌｔ）およびケイ・エル・ワイズ（Ｋ．Ｌ．Ｗｉｓｅ）は、ラマン分光法を用いるガソリンのオクタン価およびリード蒸気圧の予測方法を記載している（１９９９年４月６日発行の特許文献１３）。これらの方法では、典型的には、個々の特性に対する線形モデルが必要であり、従って、組成の非線形関数である特性には必ずしも有用であるとは限らず、分析対象サンプルのサブフラクションの特性の予測にも必ずしも有用であるとは限らない。それらにより最小サンプル体積で迅速分析を行うことができるが、詳細分析に適用した場合、実行できないほど多数のモデルの開発および保守が必要になるであろう。更に、これらのＮＩＲ法の多くは、原油が本質的に不透明であるスペクトル領域で行われる。ラマン法は、典型的には、蛍光の妨害を受けるため原油または他の重質炭化水素には適用できない。これらの方法ではいずれも、赤外スペクトルと検査データとの組合せは利用されていない。
エイ・エスピノサ（Ａ．Ｅｓｐｉｎｏｓａ）、エイ・マーテンス（Ａ．Ｍａｒｔｅｎｓ）、ジー・ベントロン（Ｇ．Ｖｅｎｔｒｏｎ）、ディー・シー・ランバート（Ｄ．Ｃ．Ｌａｍｂｅｒｔ）およびエイ・パスキエ（Ａ．Ｐａｓｑｕｉｅｒ）は、ＭＬＲを用いてブレンド成分の近赤外スペクトルからブレンドの物理特性を予測することについて記載している（特許文献１４および１９９５年１２月１２日発行の特許文献１５）。ＲＯＮのような非線形の特性を予測しようとして、生成物および吸光度の比を組み入れた。エイ・エスピノサ（Ａ．Ｅｓｐｉｎｏｓａ）、ディー・シー・ランバート（Ｄ．Ｃ．Ｌａｍｂｅｒｔ）、エイ・マーテンス（Ａ．Ｍａｒｔｅｎｓ）およびジー・ベントロン（Ｇ．Ｖｅｎｔｒｏｎ）は、ＮＩＲおよびＭＬＲを用いてプロセスフィードのスペクトルからプロセス生成物の特性を予測する方法について記載している（特許文献１６および１９９０年４月２５日発行の特許文献１７）。非線形の特性を取り扱うために、この場合にもまた、生成物および吸光度の比が使用された。ビー・エヌ、ペリー（Ｂ．Ｎ．Ｐｅｒｒｙ）およびジェイ・エム・ブラウン（Ｊ．Ｍ．Ｂｒｏｗｎ）は、線形モデルの結果を後処理することにより非線形の特性の予測を改良する方法について記載している（１９９７年６月２４日発行の特許文献１８）。ジェイ・エム・トルチャード（Ｊ．Ｍ．Ｔｏｌｃｈａｒｄ）およびエイ・ボイド（Ａ．Ｂｏｙｄ）は、炭化水素物理特性を予測するためのＮＩＲおよびニューラルネットワークの使用について記載している（特許文献１９）。組成に対して非線形の関係を有する特性を予測するためにこれらの方法を使用することも可能であろうが、いずれの場合にも、予測される特性ごとに個別のモデルを構築する必要があろう。更に、これらの方法では、いずれも、スペクトルが検査データと組み合わせて使用されていない。
アール・ディフォッギオ（Ｒ．ＤｉＦｏｇｇｉｏ）、エム・サドフカーン（Ｍ．Ｓａｄｈｕｋｈａｎ）およびエム・ランク（Ｍ．Ｒａｎｃ）は、赤外データと痕跡レベルの化合物を示すデータを組み合わせて物質の物理特性を推定する方法について記載している（１９９４年１１月１日発行の特許文献２０）。ディフォッギオ（ＤｉＦｏｇｇｉｏ）らは、赤外データと検査データの使用については教示しておらず、彼らの方法では、推定される特性ごとに個別のモデルを構築する必要があろう。
ビー・デスカレス（Ｂ．Ｄｅｓｃａｌｅｓ）、ディー・ランバート（Ｄ．Ｌａｍｂｅｒｔ）、ジェイ・ライナス（Ｊ．ＬＬｉｎａｓ）、エイ・マーテンス（Ａ．Ｍａｒｔｅｎｓ）、エス・オスタ（Ｓ．Ｏｓｔａ）、エム・サンチェス（Ｍ．Ｓａｎｃｈｅｚ）およびエス・バゲス（Ｓ．Ｂａｇｅｓ）は、ＮＩＲスペクトルから特性を決定するためのトポロジーに基づく方法について記載している（２０００年５月３０日発行の特許文献２１）。彼らの方法では、分析対象サンプルのスペクトルと、データベース中の全参照スペクトルの間のユークリッド距離を計算する。スペクトルが未知スペクトルから所定の距離の範囲内にある参照サンプルを選択し、選択された参照の特性の平均として未知物質の特性を計算する。他の選択肢として、未知物質のスペクトルを、選択された参照の線形結合にあてはめ、未知物質の特性を、参照サンプルの特性の重みつき組合せとして計算することが可能である。非線形の特性は、ブレンディング係数を介して取り扱われる。未知物質から所定の距離の範囲内に十分な参照が存在しない場合、この方法では、参照サンプル間を補間するようにデータベースを緻密化する手段をとる。デスカレス（Ｄｅｓｃａｌｅｓ）らの方法を用いて、未知物質をあたかも参照サンプルのブレンドであるかのように分析することができるが、ブレンド成分は、未知物質のスペクトルにほぼ等しいスペクトルを有するサンプル、即ち、スペクトル空間内の最近接サンプルに限定される。更に、デスカレス（Ｄｅｓｃａｌｅｓ）らは、赤外データと検査データとの組合せについては教示していない。
炭化水素の詳細分析のために、他の方法が利用されてきた。ティー・アール・アッシュ（Ｔ．Ｒ．Ａｓｈｅ）、アール・ダブリュー・カパラ（Ｒ．Ｗ．Ｋａｐａｌａ）およびジー・ルーシス（Ｇ．Ｒｏｕｓｓｉｓ）は、種々の潤滑油製造工程のフィードストリームおよび生成物ストリームの化学特性、性能特性、知覚特性および物理特性を予測するために、ＧＣ／ＭＳデータのＰＬＳモデルを利用した（１９９７年１２月１６日発行の特許文献２２）。ティー・アール・アッシュ（Ｔ．Ｒ．Ａｓｈｅ）、エス・ジー・ルーシス（Ｓ．Ｇ．Ｒｏｕｓｓｉｓ）、ジェイ・ダブリュー・フェドラ（Ｊ．Ｗ．Ｆｅｄｏｒａ）、ジー・フェルシー（Ｇ．Ｆｅｌｓｈｙ）およびダブリュー・ピー・フィッツジェラルド（Ｗ．Ｐ．Ｆｉｔｚｇｅｒａｌｄ）は、原油の物理特性および化学特性を予測するために、ＧＣ／ＭＳデータのＰＬＳモデルを使用した（１９９７年１２月１６日発行の特許文献２３）。いずれの方法でも、予測される特性ごとに個別のモデルが利用された。
アイ・エイチ・チョー（Ｉ．Ｈ．Ｃｈｏ）、ジェイ・ジー・チョイ（Ｊ．Ｇ．Ｃｈｏｉ）およびエイチ・アイ・チャング（Ｈ．Ｉ．Ｃｈｕｎｇ）は、原油を分析するために蒸留ユニットと分光計を組み合わせた装置について記載した（特許文献２４）。各留出物カットの特性ごとに個別の計量化学モデルが利用された。
ケイ・ヒダジャト（Ｋ．Ｈｉｄａｊａｔ）およびエス・エム・チョング（Ｓ．Ｍ．Ｃｈｏｎｇ）は、ＮＩＲスペクトルから原油の全沸点および密度を見積もることについて述べている（非特許文献７）。他の全原油特性および留出物カットの特性については予測されなかった。
本発明は、未知物質の特性を決定する方法である。本発明は、未知物質の多変量分析データを求める工程、多変量分析データを、データベース中の既知多変量分析データの線形結合にあてはめる工程であって、データベースには、アッセイ特性が既知である参照物質の多変量分析データが含まれている工程、および参照物質のアッセイ特性から未知物質の特性を求める工程を含む。
好ましい実施形態では、本方法は、分子成分に関係しないシグナルを多変量分析データから取り除く工程を含む。シグナルを取り除く工程は、未知物質および参照物質の多変量分析データを、取り除くべきシグナルの具体例に直交化させることにより、行うことが可能である。
他の好ましい実施形態では、本方法は、多変量分析データを検査データで拡張して拡張データを形成することにより、未知物質の拡張データを既知参照物質の検査データで拡張された多変量分析データの線形結合にあてはめるようにする工程を更に含む。検査データとしては比重または粘度を用いうるが、これらに限定されるものではない。
本発明は、原油のような未知物質を、あたかも既知の組成および特性の物質のブレンドであるかのように分析する方法である。本発明では、組成および特性があらかじめ測定されている参照物質のデータベースに含まれる多変量分析データ（例えば、スペクトル）、または多変量分析データおよび検査データを利用する。未知物質の多変量分析データまたは多変量分析データ＋検査データを、参照物質の多変量分析データまたは多変量分析データ＋検査データの線形結合にあてはめる。次に、そのように選択された参照物質およびあてはめにより示された割合を使用し、既知のブレンディング関係式を利用することにより、未知物質の組成および特性のデータを計算する。
原油の場合、本発明では、好ましくは７０００〜４００ｃｍ−１の範囲、最も好ましくは６０００〜９００ｃｍ−１の範囲の赤外データを利用する。好ましくは、０．２ｍｍの公称経路長を有するセルを用いて６５±１℃で原油スペクトルを収集する。好ましい範囲内に吸光度が計測器の線形応答範囲を超える部分があれば、その部分をデータ解析から除外することも可能である。同様に、好ましい範囲内に分析対象物質に関してわずかな情報しか含まれず、不十分な信号／雑音を生じたり、干渉を起こしたりしやすい部分があれば、その部分をデータ解析から除外することも可能である。データ解析方法は、このタイプまたは範囲のデータに限定して行われるものではない。同一のデータ解析方法を、近赤外スペクトル、ラマンスペクトル、ＵＶ／可視スペクトル、ＮＭＲスペクトル、ＧＣクロマトグラムまたはＨＰＬＣクロマトグラムに適用することも可能である。
本発明は、２つのモードで行われる。データベース開発モードでは、既知物質（以降「参照物質」と呼ぶ）に関する多変量分析データ（スペクトル等）、検査データおよび詳細分析（アッセイ）データを取得する。分析対象物質を表すものでない種々の変動要因を除去するために、ブラウン（Ｂｒｏｗｎ）の方法（特許文献３）を用いて多変量分析データを前処理する。データベース中の多変量分析データ、または多変量分析データおよび検査データを組み合わせる。分析モードでは、未知物質の多変量分析データまたは多変量分析データおよび検査データを取得する。ブラウンの方法を用いて多変量分析データを前処理し、次いで、未知物質の多変量分析データ、または多変量分析データおよび検査データに最もよく一致する参照物質のブレンドを計算すべく、このデータベースに対して解析を行う。次に、ブレンドおよび割合により示される参照物質、並びに予測される特性に関する既知のブレンディング則を用いて、未知物質の詳細分析（アッセイ）データを予測する。
原油のような物質に対して分光測定を行う場合、収集されたスペクトルには、その物質の有機成分だけに起因するものではないさまざまなシグナルが含まれる可能性がある。例えば、原油のＦＴ−ＭＩＲスペクトルには、分光計光路中の水蒸気および二酸化炭素に起因する吸光度、サンプル中に分散された水に起因する吸光度、散乱に起因するベースライン変動および計測器のドリフトに起因するベースライン変動が含まれる可能性がある。これらの無関係なシグナルを補正しなかった場合、計算されたブレンドおよび予測された特性には、誤差が含まれるおそれがある。
ベースライン変動は、ブラウンの方法（特許文献３）を用いて補正する。ベースライン変動の例として、正規直交多項式を発生させる。スペクトルデータが１つの連続領域をカバーする場合、典型的には、１セットの多項式を利用する。吸光度が計測器の線形応答範囲を超える領域を排除したことによりスペクトルデータが不連続になった場合、好ましくは、部分領域ごとに個別の多項式のセットを発生させる。典型的には、多項式は、全スペクトル範囲をカバーするが、発生させた範囲外ではゼロの値が割当てられた列ベクトルとして保存される。
図１は、３つの異なる分光計で収集されたオルクイデア（Ｏｒｑｕｉｄｅａ）原油のスペクトルの例を示している。計測器の差は、スペクトル間のベースライン変動となって現れる。こうした差を補正しなければ、異なるブレンドが３つのスペクトルに一致すると計算されるおそれがあり、異なる原油特性予測が行われる可能性がある。
図２は、利用しうる多項式補正の例を示している。スペクトルデータは４９９９．６〜９６９．１ｃｍ−１の範囲をカバーし、ＣａＦ２セルウィンドウのカットオフにより、周波数下限が設定される。１．５を超える吸光度を回避するために、３０９６．２〜２７６３．５ｃｍ−１および１５３５．１〜１２８１．５ｃｍ−１の領域をデータから除外する。分光計光路中の二酸化炭素に起因する干渉を回避するために、２４２１．２〜２２４９．６の領域をデータ解析から除外する。除外された領域は、図中では陰影をつけた矩形で示されている。上側周波数範囲４９９９．６〜３０９６．２ｃｍ−１をカバーするように、１セットの直交多項式を発生させる。多項式の第２のセットは、２７６３．５〜１５３５．１ｃｍ−１の範囲をカバーし、２４２１．２〜２２４９．６ｃｍ−１の除外された範囲はゼロに設定される。多項式の第３のセットは、１２８１．５〜９６９．１ｃｍ−１の範囲をカバーする。該当するスペクトル範囲で観測された典型的なベースライン変動を補正するように、多項式の各セットの最大次数を設定する。長期間にわたり代表的な物質のスペクトルを反復して収集し、観測されたベースライン変動を相殺するのに必要とされる多項式の次数を決定することにより、補正に必要な次数を実験的に決定することができる。この例の場合、定数項、一次項および二次項を含む二次多項式（次数２）を上側の２つの周波数領域で使用し、線形（次数１）多項式（定数項および一次項）を下側周波数領域で使用する。
図３は、多項式に直交化させた後の同一の３つの原油のスペクトルを示している。ベースラインの差は、３つのスペクトルが本質的に同一の特性予測結果を与えるように最小化されている。
ベースライン補正列ベクトルは、行列Ｕｐの列を構成する。行列はｆ×ｐ次元である。ここで、ｆは、含まれるスペクトル領域内のスペクトルデータ点の数であり、ｐは、全ての含まれる領域で使用される多項式項の合計数である。
ベースライン変動は、典型的には、計算された多項式を用いて補正可能であるが、他の変動要因は、典型的には、実験的に誘導されたデータを用いて補正される。原油の場合、分散された水に起因する吸収および散乱がしばしば観測される。
図４は、種々のレベルで分散された水を有するショーカーリョ（Ｃｈｏｃａｌｈｏ）原油のサンプルの６つのスペクトルを示している。水は、３４００ｃｍ−１領域の幅広い吸収、１６３０ｃｍ−１近傍のより弱い吸収、および散乱に起因するベースライン変化となって現れる。これらの変動を補正しなかった場合、ブレンド成分は、原油の有機成分との一致ではなく水汚染物質との一致に基づいて選択される可能性があり、誤った特性予測が行われるおそれがある。
水吸収の形は水レベルと原油タイプの両方に依存するので、水補正データを発生させるには、いくつかの具体例のスペクトルが必要とされる。０．１〜４体積％の範囲のレベルの水を、選択された参照原油に添加する。サンプルを振盪させ、そして沈降させる。任意の分散された水を含む原油のスペクトルを出発原油のスペクトルと同じように収集する。図５は、ハイドラン（Ｈｅｉｄｒｕｎ）原油並びに１、２、および４％の水で処理された原油のスペクトル（下から上へ）を示している。有機原油成分に起因する特徴を相殺するように、湿潤原油のスペクトルから出発原油のスペクトルを引くことにより、差スペクトルが発生する。湿潤ハイドラン原油サンプルの差スペクトルの具体例を図６に示す。いくつかの異なる原油について、類似の差スペクトルを発生させる。この例では、アルラヤン（Ａｌ Ｒａｙｙａｎ）原油、ファイフ（Ｆｉｆｅ）原油、ハイドラン原油、フート（Ｈｏｕｔ）原油、オデュデュ（Ｏｄｕｄｕ）原油およびスタグ（Ｓｔａｇ）原油を用いて、水の差スペクトルを発生させた。これらの差スペクトルは、行列Ｘｃの列になる。最初に、多項式に対して行列Ｘｃを直交化させる。
上つき添字ｔは、行列の転置を示す。次に、得られた行列Ｘ’ｗの特異値分解を行う。
ローディング行列Ｕｗの最初の列ベクトルを補正ベクトルとして使用する。原油中の水の場合、典型的には、最初の２つのベクトルを補正として保持する。これらのベクトルを図７にグラフで示す。補正ベクトルを多項式と組み合わせて、補正行列Ｕｃを形成する。
ＵＣ＝［ＵＰ、ＵＷ］ ［３］
ＵＣ＝［ＵＰ、ＵＷ］ ［３］
Ｕｃの列ベクトルは、正規直交型である。湿潤原油（図４）のスペクトルを補正（多項式および分散された水）に直交化させると、水および散乱に起因する変動は最小化され（図８）、その結果、６つのスペクトルが同一の特性予測結果を生じるであろう。
他の補正も適用することも可能である。例えば、ブラウン（特許文献３）により論じられているように、分光計光路中の水蒸気に起因する吸収は、特性予測結果に影響を及ぼす変動となって現れる可能性がある。水蒸気の具体例のスペクトルを収集し、これを用いて水蒸気補正を発生させることができる。具体例のスペクトルは、行列Ｘｖの列を形成する。この行列をあらかじめ計算された全ての補正（例えば、多項式および分散された水）に直交化させる。
次に、直交化行列の特異値分解の計算を行う。
次に、ローディング行列Ｕｖの最初の列をあらかじめ計算された補正と組み合わせる。
ＵＣ＝［ＵＣ、ＵＶ］ ［６］
ＵＣ＝［ＵＣ、ＵＶ］ ［６］
水蒸気については、典型的には、ローディングベクトルが１つだけ保持されるであろう。Ｕｃの列ベクトルは、正規直交型である。
異なる用途、異なる分光計タイプまたは異なるスペクトル範囲に対しては、利用しうる補正のタイプが異なる可能性がある。上記の考察は、どのように補正を計算することができるかを例示したものである。典型的には、最初に多項式補正を計算するが、他の補正を計算する順番は任意である。例えば、分散された水の補正を行う前に水蒸気補正を計算することが可能である。
データベース開発モードでは、参照物質を詳細分析により分析し、これらの物質のスペクトルを収集し、これらの物質の検査データを取得する。原油の場合、詳細分析は原油アッセイである。検査データとしては、ＡＰＩ比重または比重および粘度が挙げられるが、これらに限定されるものではない。粘度は全て、同一の温度で測定しなければならないが、原油分析に使用される典型的な範囲内の任意の温度を使用することができる。流動する原油ストリームのオンライン分析に本発明を使用する場合、スペクトル測定に使用されるのと同一の６５℃で粘度を測定することが好ましいであろう。
２つ以上のセルを用いて参照物質のスペクトルを収集する場合、共通の経路長に合せてスペクトルのスケールを変更する。トルエンのような純粋な物質の吸光度を比較することにより、各セルの相対的経路長を推定する。平均経路長を計算し、スペクトルを収集するのに使用したセルの経路長で平均経路長を割った比により、各スペクトルのスケールを変更する。各スペクトルの経路長を推定するために、ＣＰＳＡモデル（特許文献３）を使用することができる。
スケールの変更された参照物質のスペクトルは、ｆ×ｎ次元の行列Ｘを構成する。ここで、ｎはスペクトルの数である。Ｘを規定の補正に直交化させる。
スケールの変更された参照物質の直交化スペクトル、Ｉ。詳細分析（Ｄ）から得られた結果は、同一のデータベースに保存することもできるし、他の選択肢として、個別のデータベースに保存することもできる。特定の物質のスペクトル、検査および詳細分析を関連づけることができるように、各参照物質に固有の識別子を付与する。
分析モードでは、未知物質のスペクトルｘｕおよび検査データｉｕを取得する。参照物質のスペクトルおよび検査データを収集するのに使用したのと同一の条件下で、スペクトルおよび検査データを収集する。
参照物質のスペクトルに使用したのと同一の補正に対してスペクトルを直交化させる。
分析モードでスペクトルデータだけを使用する場合、最小二乗法アルゴリズムを用いてデータベースに対して直交化スペクトルｘｕ’を分析する。
未知物質のスペクトルを参照物質のスペクトルの線形結合にあてはめる。列ベクトルｃｕは、線形結合の係数を含む。
ブレンディング関係式は、典型的には、正の割合を仮定するので、非負最小二乗法アルゴリズムが好ましい。
好適なアルゴリズムは、非特許文献８に記載されている。好ましいアルゴリズムは、非特許文献９に記載されている。
［１０］で計算された係数を、それらの合計が１になるように規格化する。
［１１］で計算された係数ｃ’ｕは、好ましくはコンピューター上に、単に理論上存在するにすぎないブレンドである「仮想ブレンド」中の参照物質の体積分率を表す。次に、これらの体積分率および参照物質の特性を用いて、既知のブレンディング関係式により「仮想ブレンド」の特性を計算する。「仮想ブレンド」に対して計算されたこれらの特性は、未知物質の特性の予測結果である。
本発明の好ましい実施形態の分析モードでは、未知物質の分析に検査データが含まれる。検査データを体積比ブレンド可能な形態に変換し、スペクトルデータに対して重みづけする。
非負最小二乗あてはめで使用するために、検査データを体積比ブレンド可能な形態に変換しなければならない。成分の体積比率と成分の特性との積の合計として混合物の値を計算することができる場合、特性は体積比ブレンド可能である。多くの特性は体積比ブレンド可能ではないが、体積比ブレンド可能な形態に変換することができる。Ｆは、検査結果Ｉを体積比ブレンド可能な形態Λに変換する関数である。
Λ＝Ｆ（Ｉ） ［１２］
Λ＝Ｆ（Ｉ） ［１２］
比重は、体積比ブレンド可能な特性の例である。ＡＰＩ比重は、使用前に比重に変換する。粘度は、最初に、次の形式の関係式を用いて粘度ブレンディング価に変換する。
ＶＢＮ＝ａ＋ｂｌｏｇ（ｌｏｇ（ｖ＋ｃ）） ［１３］
ＶＢＮ＝ａ＋ｂｌｏｇ（ｌｏｇ（ｖ＋ｃ）） ［１３］
成分の体積分率×成分のＶＢＮの合計として混合物の体積比ブレンディング価を計算し、［１３］の逆変換により混合物の粘度を計算する。
非特許文献１０には、マクスウェル（Ｍａｘｗｅｌｌ）およびレフタス（Ｒｅｆｕｔａｓ）ブレンディング指数が記載されており、両方ともこの形式を有する。本発明の目的では、パラメーターａを０に設定し、パラメーターｂを１に設定する。パラメーターｃは、典型的には、０．６〜０．８の範囲内の値に固定する。粘度が重量に基づいてブレンディングされると仮定される場合、体積比ブレンド可能な数値を取得するために、［１３］から計算されたＶＢＮに物質の比重を掛けることになろう。体積比ブレンド可能な数値を取得するために使用される方法は、典型的には、詳細分析から得られるデータを操作するプログラムで使用される方法に一致するように選択されるであろう。
体積比ブレンド可能な検査データは、２つの理由で、スペクトルデータに対して重みづけしなければならない。第１に、典型的には、検査結果よりも多くのスペクトル点が存在するからである。重みづけをしなければ、検査結果は、二乗和にほとんど寄与せず、計算されたブレンドにほとんど影響を及ぼさないであろう。第２に、いくつかのタイプの検査測定では、検査データの測定誤差の大きさはレベルに依存しないからである。重みづけをすれば、この変動が補償される。
本発明の好ましい実施形態では、検査結果に対する重みづけは、次の方法で計算される。
・データベース中の補正されたスペクトルの平均分散を計算する。
・最小二乗あてはめの公称相関係数Ｒ２ ｎｏｍを選択する。典型的には、０．９９９２〜０．９９９５の範囲の値が使用される。これは、最小二乗法であてはめられると期待されるスペクトル分散の割合を表す。
１点あたりに割り当てられる分散は、次のように推定される。
・ｉｕが未知物質の検査データであり、検査データが体積比ブレンド可能である場合、発表されている再現性相関式を用いて、レベルｉｕの検査データの再現性Ｒ（ｉｕ）を求める。検査データが体積比ブレンド可能でない場合、それを体積比ブレンド可能な形態λｕ＝Ｆ（ｉｕ））に変換し、体積比ブレンド可能な形式で再現性を推定する。
・検査データの重みづけは、次のように計算される。
式中、検査データが体積比ブレンド可能である場合、ＲはＲ（ｉｕ）であり、検査データが体積比ブレンド可能でない場合、ＲはＲ（λｕ）である。αは、異なる検査特性に対して異なりうる調節可能なパラメーターである。αの適正値を決定する方法について、以下で論述する。
・データベース中の補正されたスペクトルの平均分散を計算する。
１点あたりに割り当てられる分散は、次のように推定される。
重みづけされた体積比ブレンド可能な検査データでスペクトルデータを拡張し、最小二乗法を用いて、この組合せに対して最良のあてはめを提供する参照物質の線形結合を計算する。
好ましくは、先に述べたように、非負最小二乗法アルゴリズムを用いて最小二乗あてはめの計算を行う。
［１８］で計算された線形結合は、「仮想ブレンド」の最初の推定値を表す。［１８］で計算された係数を［１１］により規格化する。係数の合計が十分に１に近ければ、［１８］の結果を最終値とする。原油のＦＴ−ＭＩＲスペクトルの場合、［１８］の係数を最終値とするには、合計値ｓが０．９９９９〜１．０００１でなければならない。係数の合計が十分に１に近くない場合、［１８］のスペクトルデータを１／ｓでスケール変更し、最小化を繰り返す。
［１９］で計算された係数を［１１］により規格化する。係数の合計が十分に１に近くなるかまたは反復の最大数を超えるまで、このシーケンスを繰り返す（反復する）。
［１７］中のパラメーターαの好適な値を取得する一方法は、次のとおりである。各検査データに対してαの初期値を選択する。データベース中の参照物質を取り出し、未知物質として扱う。この参照物質のスペクトルおよび検査データを、先に記載した手順（式［１２］〜［２０］）により残りの参照物質と比較して分析する。所望のＲ２でスペクトルをあてはめて次式が成り立つように、αの値を調整する。
原油のＦＴ−ＭＩＲ分析の場合、Ｒ２ ｎｏｍまたはそれよりも良好にあてはめられたスペクトルに対応する検査データ全体にわたり総和をとる。αがこの値をとれば、予測される検査データの誤差分布は、参照方法の再現性と同一の標準偏差を有することになる。検査データの品質が再現性よりも良好な場合、より大きいα値を使用して、より小さい標準偏差で予測を行うことができる。α値を小さくすると、検査特性の予測誤差が増大するであろう。
データベースのサブセットへのあてはめ
全データベースと比較して未知物質を分析することができるが、データベースのサブセットと比較して分析を行うことが有用なこともある。未知物質とサブセットのメンバーの予想される類似性に関する予備知識に基づいて、サブセットを選択することが可能である。例えば、特定グレードの原油の新しいサンプルを、アッセイが行われた同一グレードの参照サンプルからなるサブセットと比較して分析することにより、現在の積荷の特性が、これまでの積荷のものと一致しているかを調べることが可能である。同様に、特定の原産地から入手した原油を、同一の地域から得られた既知の原油からなるサブセットを用いて分析することができる。
全データベースと比較して未知物質を分析することができるが、データベースのサブセットと比較して分析を行うことが有用なこともある。未知物質とサブセットのメンバーの予想される類似性に関する予備知識に基づいて、サブセットを選択することが可能である。例えば、特定グレードの原油の新しいサンプルを、アッセイが行われた同一グレードの参照サンプルからなるサブセットと比較して分析することにより、現在の積荷の特性が、これまでの積荷のものと一致しているかを調べることが可能である。同様に、特定の原産地から入手した原油を、同一の地域から得られた既知の原油からなるサブセットを用いて分析することができる。
ブレンディング則による品質の予測
先に記載した方法および既知のブレンディング関係式を用いて計算された「仮想ブレンド」組成を用いて、品質の予測を行う。物質の実際のブレンドの品質を計算するように設計されたソフトウェアを用いて、予測を行うことも可能である。こうした「ブレンド」計算を行うことのできるソフトウェアは、ハバーリー・システムズ・インコーポレーテッド（Ｈａｖｅｒｌｙ Ｓｙｓｔｅｍｓ Ｉｎｃ．）、エイチピーアイ・コンサルタンツ・インコーポレーテッド（ＨＰＩ Ｃｏｎｓｕｌｔａｎｔｓ Ｉｎｃ．）およびアスペンテック・インコーポレーテッド（Ａｓｐｅｎｔｅｃｈ Ｉｎｃ．）から市販されている。多くの石油会社は、類似の「自社」システムを有している。「ブレンド」計算に利用しうる方法の例を以下に記載する。
先に記載した方法および既知のブレンディング関係式を用いて計算された「仮想ブレンド」組成を用いて、品質の予測を行う。物質の実際のブレンドの品質を計算するように設計されたソフトウェアを用いて、予測を行うことも可能である。こうした「ブレンド」計算を行うことのできるソフトウェアは、ハバーリー・システムズ・インコーポレーテッド（Ｈａｖｅｒｌｙ Ｓｙｓｔｅｍｓ Ｉｎｃ．）、エイチピーアイ・コンサルタンツ・インコーポレーテッド（ＨＰＩ Ｃｏｎｓｕｌｔａｎｔｓ Ｉｎｃ．）およびアスペンテック・インコーポレーテッド（Ａｓｐｅｎｔｅｃｈ Ｉｎｃ．）から市販されている。多くの石油会社は、類似の「自社」システムを有している。「ブレンド」計算に利用しうる方法の例を以下に記載する。
体積比ブレンド可能な特性の場合、参照物質の品質の重みつき合計として、予測品質
を計算する。
式中、ｑは、参照物質の品質を含む列ベクトルであり、ｑｉは、ｉ番目の参照物質の品質である。体積比ブレンド可能な品質としては、以下のものが挙げられるが、これらに限定されるものではない。
・体積％収率
・比重
・ＦＩＡ（ＡＳＴＭ Ｄ１３１９）により測定される飽和化合物または芳香族化合物
・ポンド毎バレルで表される元素データ
・屈折率
・体積％収率
・比重
・ＦＩＡ（ＡＳＴＭ Ｄ１３１９）により測定される飽和化合物または芳香族化合物
・ポンド毎バレルで表される元素データ
・屈折率
多くの特性は、重量（重量比）に基づいてブレンド可能である。重量に基づいてブレンド可能な特性の場合、最小二乗あてはめから計算された体積比係数に、対応する参照物質の比重をかける。予測品質
は、次のように計算される。
Ｐは、参照物質の比重ρｉを含む対角行列である。
は、分析対象未知物質の予測比重である。重量ブレンド可能な特性としては、以下のものが挙げられるが、これらに限定されるものではない。
・ＡＰＩ比重
・重量％収率
・重量パーセントまたは重量基準のＰＰＭで表される元素データ
・中和価
・ＧＣ分析またはＨＰＬＣ分析から誘導される組成データ
・ＡＰＩ比重
・重量％収率
・重量パーセントまたは重量基準のＰＰＭで表される元素データ
・中和価
・ＧＣ分析またはＨＰＬＣ分析から誘導される組成データ
いくつかの特性は、体積基準でも重量基準でも直接ブレンディングすることができない。非特許文献１０には、種々の非線形の特性をブレンディングするのに使用される方法およびそのような方法をどのように開発するかが記載されている。ほとんどの場合、これらの方法では、数学関数を適用してブレンディング価またはブレンディング指数を計算し、これらの価／指数を体積比または重量比でブレンディングし、次に、数学関数の逆関数を用いてブレンドの品質を計算することが必要とされる。先に述べたレフタスブレンディング指数は、非線形の特性をブレンディングする一例である。流動点、曇り点および凝固点のような低温流動性は、典型的には、引火点のような特性の場合と同じように、ブレンディング指数法を用いて計算される。
分布品質、即ち蒸留温度の関数としての品質値は、次のように計算される。留出物カットの収集された蒸留収率曲線（体積％および重量％）並びに品質データを、典型的にはスプラインあてはめにより、滑らかな曲線にあてはめる。滑らかな曲線へのあてはめに基づいて、収率および品質値を〜５℃間隔で計算する。体積比ブレンディング法、重量比ブレンディング法または非線形ブレンディング法を各温度区間のデータに適用し、分布品質の推定値を生成させる。
以下の実施例では、Ｘは、ＣａＦ２ウィンドウおよび公称０．２ｍｍの経路長を有するセルを用いて６５℃で収集された、原油２９７種のＦＴ−ＭＩＲスペクトルからなる。Ｘは、４６８５．２〜３５８６．０ｃｍ−１、２６０８．３〜２５２４．４ｃｍ−１、２２３８．９〜１５３７．０ｃｍ−１および１３４１．２〜１０４５．２ｃｍ−１の領域をカバーする。計測器の線形応答範囲を超える吸光度を回避するために、３０００ｃｍ−１近傍および１５３７．０〜１３４１．２ｃｍ−１の領域を除外する。大気の二酸化炭素に起因する妨害を回避するために、２４００ｃｍ−１近傍の領域を除外する。この経路長のとき、４６８５．２ｃｍ−１を超える領域には、分析で有効に使用するのに十分な程度に強い吸収は含まれない。ＣａＦ２ウィンドウは、約１０４５．２ｃｍ−１未満の周波数の透過を阻止する。
図２に示されるようにベースライン多項式Ｕｐを発生させた。４６８５．２〜３５８６．０ｃｍ−１の領域では、定数項、一次項、二次項、三次項および四次項を使用する。２６０８．３〜１５３７．０ｃｍ−１の領域をカバーするように、個別の定数項、一次項、二次項および三次項を発生させる。１３４１．２〜１０４５．２ｃｍ−１の領域では、定数項、一次項、二次項および三次項を使用する。
２つのタイプの補正を利用した。原油サンプル中の水に対する補正を、先に本明細書中で論じたように発生させた。２８の差スペクトルを使用し、２つの補正項を保持した。また、計測器の光路中の水蒸気に対する補正を、先に本明細書中で論じたように発生させた。水蒸気の６０の具体例のスペクトルを使用し、１つの補正項を発生させた。Ｘ中の原油スペクトルを、先に本明細書中で論じたように多項式および補正に直交化させ、補正されたスペクトルＸ’を生成させる。
この方法の予測性能を評価するために、交差検証法を使用した。２９７の補正された原油スペクトルのうちの１つをＸ’から取り出し、未知物質として処理する。検査データを使用する場合、対応する検査データをＩから取り出す。スペクトルまたはスペクトルおよび検査データを、先に本明細書に記載したように分析し、残りの原油に基づいて「仮想ブレンド」を計算する。次に、計算されたブレンド組成を使用し、既知のブレンディング関係式により原油品質を推定する。各原油を未知物質として１回取り出して、このプロセスを繰り返し２９７回行う。より極限的な組成を有する原油のスペクトルは、データベースから取り出したとき、適切にあてはめることがないので、適切にあてはめられた原油だけを使用して、即ち、式［１８］から得られるＲ２が０．９９９２よりも大きいかまたはそれに等しい原油だけを使用して、本方法の評価を行った。
あてはめに検査データを組み入れる効果を明らかにするために、３セットのデータを提示する。セット１は、ＩＲデータだけを用いて行われるあてはめに用いる。セット２は、３０．１５７８の重み係数α（式［１５］）を有するＡＰＩ比重を組み入れたあてはめに用いる。セット３は、３０．７４９６の重み係数αを有するＡＰＩ比重および８７．１７８３の重み係数を有する４０℃の粘度を組み入れたあてはめに用いる。
図９の（Ａ）は、１９９９年に取得したクウェート（Ｋｕｗａｉｔ）原油のサンプルのスペクトルを示している。スペクトルを多項式および補正項に直交化させた。表２は、より新しいクウェート’００サンプルを除外したデータベース中の２９５の原油スペクトルへのこのスペクトルのあてはめに基づいて計算された「仮想ブレンド」を示している。
図９の（Ｂ）は、セット３として表２に列挙された原油のスペクトルの重みつき合計として発生させた最小二乗あてはめを示している。図９の（Ｃ）は、原油のスペクトルとあてはめとの差を示している。あてはめのＲ２は、０．９９９９よりも大きい。
あてはめに使用した２９５種の原油には、１９９８年に取得したクウェート原油のサンプルが含まれる。この実施例では、経時による原油品質の変化を追跡するためにどのように本発明を使用することができるかを示す。もし原油が変化しなければ、クウェート’９８原油に関連する係数は９０％を超えることが期待されよう。実際には、クウェート’９８スペクトルはあてはめに含まれていないので、原油品質に有意な変化を生じたことが示唆される。このことは、原油のＡＰＩ比重が２９．８°から３０．９°に変化したことにより確認される。本発明によれば、検査データが含まれているかどうかに依存して、３０．６°〜３０．８°の範囲のＡＰＩ比重が予測される。３０．６°〜３０．８°は、ＡＰＩ比重試験法の再現性の範囲内で３０．９°の測定値に一致する。
表３は、予測全原油特性を示し、表４および５は、代表的な留出物カットの予測特性を示している。
留出物カットの品質予測が、全原油サンプルの測定から行われていることに留意されたい。ほとんどの場合、予測品質は、参照測定の再現性の範囲内で測定された品質と一致する。この実施例では、ＩＲスペクトルのみに基づくあてはめ（セット１）と検査データを組み入れたあてはめ（セット２〜４）との間で、予測に有意な差異はみられない。
クウェート’９９の実施例は、本発明の方法と、ビー・デスカレス（Ｂ．Ｄｅｓｃａｌｅｓ）、ディー・ランバート（Ｄ．Ｌａｍｂｅｒｔ）、ジェイ・ライナス（Ｊ．ＬＬｉｎａｓ）、エイ・マーテンス（Ａ．Ｍａｒｔｅｎｓ）、エス・オスタ（Ｓ．Ｏｓｔａ）、エム・サンチェス（Ｍ．Ｓａｎｃｈｅｚ）およびエス・バゲス（Ｓ．Ｂａｇｅｓ）により記載された方法（２０００年５月３０日発行の特許文献２１）の間に有意差があることを示している。２９５の補正された参照スペクトルと、クウェート’９９サンプルの補正されたスペクトルの間のユークリッド距離を計算し、参照サンプルを距離の大きさによりランクづけした。結果を表３の「類似指数」と記された列に示す。デスカレス（Ｄｅｓｃａｌｅｓ）らの方法では、未知物質に最も近い参照を利用する。本発明の本方法では、最も小さいユークリッド距離を有する参照原油（２０００年にアッセイされたバスラ（Ｂａｓｒａｈ）原油）は、あてはめに含まれていなかった。そして、２２番目および２９番目に近い参照があてはめに有意な寄与を示す。
表２〜５の最も右側の列は、あてはめに使用する参照を、中東を起源とするサブセットに制限した場合のデータを示している。サブセットを使用して得られた特性予測結果が、完全なライブラリーを用いて得られた結果とほとんど区別できないことに留意されたい。サブセットを用いて原油データをあてはめる能力を利用すれば、未知物質に関する追加情報を推測することができる。
サブセットへのあてはめを情報の推測に使用することについて、次の実施例により更に例示する。この場合、２０００年にアッセイされたシリアン・ライト（Ｓｙｒｉａｎ Ｌｉｇｈｔ）原油サンプルのデータは、唯一つの参照、即ち、１９９９年にアッセイされたシリアン・ライト原油サンプルのデータにあてはまる。あてはめの結果を表６に示す。
’００サンプルのデータは、０．９９９７のＲ２であてはめることができる。また、検査データを組み入れた場合、参照測定の精度よりも良好にあてはまる。’００サンプルのデータは’９９サンプルだけのデータに適切にあてはめることができるという事実を用いて、原油品質がごくわずかな変化しか生じなかったと推測することができる。この推測が正しいことは、表７の全原油データ、および図１０に示される累積体積収率データにより示される。
表８は、１９９８年に取得したスエズ・ミックス（Ｓｕｅｚ Ｍｉｘ）原油サンプルのスペクトルのあてはめに基づいて計算された「仮想ブレンド」を示す。
この原油のデータを、アフリカ産および中東産の１０７種の原油の参照データにあてはめた。３つのあてはめは全て、０．９９９９よりも大きいＲ２値を有していた。この実施例では、原油ミックスを分析するためにどのように本発明を使用することができるかを示す。従来の１９９５スエズ・ミックスサンプルがデータベースに示されてはいるが、あてはめに顕著に寄与するほど、現在のサンプルに十分に類似してはいないことに留意されたい。予測全原油品質および分布品質を表９〜１１に示す。
セット１〜３と記された列では、このスペクトルをデータベース中の残りの２９６の原油スペクトルにあてはめた。３つのあてはめは全て、０．９９９７よりも大きいＲ２値を有していた。この実施例では、その原油の以前のサンプルがデータベースの中にないときに未知の原油を分析するために本発明をどのように使用しうるかを示している。以前のエスクラボス（Ｅｓｃｒａｖｏｓ）サンプルはデータベース中に示されておらず、「仮想ブレンド」の２５％超に寄与する単一の原油は存在しない。それにもかかわらず、表１３〜１５に示される予測は、ほとんどアッセイデータの再現性の範囲内にあり、極めて適正である。
エスクラボスの実施例は更に、本発明の方法と、ビー・デスカレス（Ｂ．Ｄｅｓｃａｌｅｓ）、ディー・ランバート（Ｄ．Ｌａｍｂｅｒｔ）、ジェイ・ライナス（Ｊ．ＬＬｉｎａｓ）、エイ・マーテンス（Ａ．Ｍａｒｔｅｎｓ）、エス・オスタ（Ｓ．Ｏｓｔａ）、エム・サンチェス（Ｍ．Ｓａｎｃｈｅｚ）およびエス・バゲス（Ｓ．Ｂａｇｅｓ）により記載された方法（２０００年５月３０日発行の特許文献２１）の間に有意差があることを示している。２９６の補正された参照スペクトルと、エスクラボスサンプルの補正されたスペクトルの間のユークリッド距離を計算し、サンプルを距離の大きさによりランクづけした。結果を表１２の「類似指数」と記された列に示す。あてはめの中で最も有意な原油は、分析したスペクトルに「最も近い」スペクトルを有する原油ではない。エスクラボスに最も近い隣接位置を占める原油（２０００年にアッセイされたオデュデュ・ブレンド（Ｏｄｕｄｕ Ｂｌｅｎｄ））は、いずれのあてはめにも含まれていない。２番目および３番目に「近い」サンプルは、構成要素をアフリカ原油のサブセットに制限しないかぎり、あてはめの２％未満を占めるにすぎず、４番目〜１７番目に「近い」サンプルは、あてはめに含まれていない。本発明の方法によれば、原油のさまざまなセットから、赤外スペクトルに固有の組成情報に最もよく一致する組合せを選択できることは明らかである。本発明によりスペクトルのあてはめを行うことにより、データベース中に「最近接」スペクトルを有していない物質でさえも、その品質を予測することができる。
エスクラボスの実施例では更に、分析対象サンプルに関する情報を推測するためにどのように本発明の本方法を使用することができるかが示される。全ライブラリーを用いて分析した場合、アフリカ産の原油は、あてはめ成分の５０％超を占める。実際に、アフリカ原油だけからなるサブセットを用いてエスクラボスデータを適切にあてはめることができる。この種の分析を用いれば、原油サンプルの原産地域を推測することができる。
ＡＰＩ比重や粘度のような検査データを組み入れると、予測される仮想ブレンドに明瞭な効果が現れる。そのようなデータを組み入れたところ、蒸留収率の予測が改良されることがわかった。この改良は、表１６で実証される。
交差検証分析で０．９９９２よりも大きいＲ２値を有する１６１種の原油のあてはめにおける、累積収率および基本品質の予測の標準誤差を示す。ＡＰＩ比重を用いて、またはＡＰＩ比重と４０℃の粘度との組合せを用いて計算されたあてはめでは、累積収率予測の二乗平均（ＲＭＳ）誤差は、ＩＲスペクトルだけを用い計算したときよりも著しく良好である。それらを組み入れたあてはめで計算されたＡＰＩ比重および粘度数もまた、ＩＲに基づく予測と比較して改良される。組成タイプ予測（硫黄、窒素または中和価）に対しては、検査データを組み入れてもわずかな影響しか現れない。
他のタイプの検査データを本発明で利用することができる。そのようなデータの例としては、物質中の硫黄の重量パーセント、または、ガスクロマトグラフィーシミュレーテッド蒸留により推定されるような、ある一定の温度で蒸留して得られる物質のパーセントが挙げられるが、これらに限定されるものではない。
更なる実施例では、原油以外の物質の詳細分析に本発明の本方法を適用できることが示される。本方法を用いれば、接触分解ユニットへのフィードの分子分布および構造指向ランピング（Ｓｔｒｕｃｔｕｒｅ−Ｏｒｉｅｎｔｅｄ Ｌｕｍｐｉｎｇ）（ＳＯＬ）情報を予測することができる。予測される分子分布情報は、利用される特定の参照分析に依存し、沸点範囲の関数として、パラフィン、ナフテンおよび芳香族分子タイプのような情報を含む。構造化指向ランピング（Ｓｔｒｕｃｔｕｒｅｄ Ｏｒｉｅｎｔｅｄ Ｌｕｍｐｉｎｇ）については、プロセスモデリングでのその使用（非特許文献１１）の場合と同じように、クアン（Ｑｕａｎｎ）およびヤッフェ（Ｊａｆｆｅ）により記載されている（非特許文献４）。この実施例では、参照は、典型的には流動接触分解プロセスへのフィードとして使用される成分である４９のバージン軽油およびプロセスストリームからなる。ヤコブ（Ｊａｃｏｂ）、クアン（Ｑｕａｎｎ）、サンチェス（Ｓａｎｃｈｅｚ）およびウェルズ（Ｗｅｌｌｓ）により記載された高詳細炭化水素分析（ＨＤＨＡ）方法（非特許文献２）によりその参照を分析し、ＳＯＬ情報を得た。ＣａＦ２ウィンドウおよび０．５ミリメートルの公称経路長を有するセルを用いて、６０℃で、これらの物質のＦＴ−ＭＩＲスペクトルを得た。５５２４．１〜３１２０．３ｃｍ−１、２６９９．９〜２３８４．５ｃｍ−１および２２９０．１〜１６７９．７ｃｍ−１の領域のデータを分析に使用した。５５２４．１〜３１２０．３ｃｍ−１および２６９９．９〜１６７９．７ｃｍ−１の範囲をカバーする２組の二次多項式を用いて、ベースライン変動を補正した。先に記載したように液体水補正データを発生させた。水が添加されたキャットフィードの２６のスペクトルを収集した。対応する乾燥キャットフィードのスペクトルを差し引くことにより、差スペクトルを発生させた。差スペクトルを多項式補正に直交化させた。得られたデータに対して特異値分解を行い、２つの液体水補正データベクトルを保持した。また、既に述べたようにして、水蒸気に対する追加の補正ベクトルを発生させた。１０の水蒸気スペクトルを多項式および液体水補正データに直交化させた。得られたデータに対して特異値分解を行い、１つの水蒸気補正を保持した。この実施例については、検査データは利用しなかった。
ＳＯＬ情報の予測を実証するために、４９のキャットフィードのうちの所定のサンプルをデータベースから取り出し、あたかもそれらが未知物質であるかのように、残りの４８のサンプルと比較して分析した。３つのキャットフィードサンプルのあてはめのＲ２値および計算されたブレンド組成を表１７に示す。
表１７に示される「仮想ブレンド」を用いて、表１８に示されるようなＳＯＬ情報を計算する。
また、「仮想ブレンド」を用いて、表１９に示されるようなフィードの化学的および物理的特性を予測することもできる。
本発明を用いれば、全物質（例えば全原油）の特性および物質のサブフラクション（例えば留出物カット）の特性を予測することができることは明らかである。本発明により、体積比ブレンド可能な品質（例えば体積％収率）、重量比ブレンド可能な品質（例えば元素組成）または線形ブレンド不可能な品質（例えば低温流動性）を予測することができる。本発明では、スペクトルデータのみに基づいてそのような予測を行うことが可能であるが、検査データを計算に組み入れることにより、いずれかの予測を改良することも可能である。
Claims (66)
- 未知物質のアッセイ特性を求める方法であって、
ａ）該未知物質の多変量分析データを求める工程；
ｂ）該多変量分析データをデータベース中の既知多変量分析データの線形結合にあてはめて該線形結合の係数を求める工程であって、該データベースには、アッセイ特性が既知である参照物質の多変量分析データが含まれている工程；および
（ｃ）該係数と該参照物質のアッセイ特性から、該未知物質の該アッセイ特性を求める工程
を含むことを特徴とする未知物質のアッセイ特性を求める方法。 - 前記未知物質および前記参照物質の多変量分析データから、それらの物質の分子成分に関係しないシグナルを取り除く工程を更に含むことを特徴とする請求項１に記載の未知物質のアッセイ特性を求める方法。
- 前記多変量分析データを検査データで拡張して拡張データを形成することにより、前記未知物質の該拡張データを、前記既知参照物質の検査データで拡張された多変量分析データの線形結合にあてはめるようにする工程を更に含むことを特徴とする請求項１に記載の未知物質のアッセイ特性を求める方法。
- 前記多変量分析データから、その物質の分子成分に関係しないシグナルを取り除く工程；および
前記多変量分析データを検査データで拡張して拡張データを形成することにより、前記未知物質の該拡張データを前記既知参照物質の検査データで拡張された多変量分析データの線形結合にあてはめるようにする工程
を更に含むことを特徴とする請求項１に記載の未知物質のアッセイ特性を求める方法。 - 前記シグナルを取り除く工程は、前記参照物質および前記未知物質の多変量分析データを、取り除くべきシグナルの具体例データに直交化させることにより行われることを特徴とする請求項２または４に記載の未知物質のアッセイ特性を求める方法。
- 前記あてはめは、非負最小二乗法アルゴリズムを用いて求められることを特徴とする請求項１〜５のいずれかに記載の未知物質のアッセイ特性を求める方法。
- 前記多変量分析データは、スペクトルであることを特徴とする請求項１〜６のいずれかに記載の未知物質のアッセイ特性を求める方法。
- 前記スペクトルは、ＩＲスペクトルであることを特徴とする請求項１〜６のいずれかに記載の未知物質のアッセイ特性を求める方法。
- 前記多変量分析データは、クロマトグラムであることを特徴とする請求項１〜６のいずれかに記載の未知物質のアッセイ特性を求める方法。
- 前記検査データは、体積比ブレンド可能な形態であることを特徴とする請求項４または５に記載の未知物質のアッセイ特性を求める方法。
- 前記検査データは、ＡＰＩまたは比重であることを特徴とする請求項４または５に記載の未知物質のアッセイ特性を求める方法。
- 前記検査データは、粘度であることを特徴とする請求項４または５に記載の未知物質のアッセイ特性を求める方法。
- 前記検査データは、ＡＰＩまたは比重、および粘度であることを特徴とする請求項４または５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、前記物質またはそのサブフラクションの化学特性、物理特性、および性能特性であることを特徴とする請求項１〜６のいずれかに記載の未知物質のアッセイ特性を求める方法。
- 前記未知物質は原油であり、前記アッセイ特性は、該全原油またはその任意の蒸留カットの任意の物理特性、化学特性、または性能特性であることを特徴とする請求項１４に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、物理特性であることを特徴とする請求項１５に記載の未知物質のアッセイ特性を求める方法。
- 前記物理特性は、蒸留収率であることを特徴とする請求項１６に記載の未知物質のアッセイ特性を求める方法。
- 前記物理特性は、低温流動性であることを特徴とする請求項１６に記載の未知物質のアッセイ特性を求める方法。
- 前記低温流動性は、凝固点であることを特徴とする請求項１８に記載の未知物質のアッセイ特性を求める方法。
- 前記低温流動性は、曇り点であることを特徴とする請求項１８に記載の未知物質のアッセイ特性を求める方法。
- 前記低温流動性は、流動点であることを特徴とする請求項１８に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、化学特性であることを特徴とする請求項１５に記載の未知物質のアッセイ特性を求める方法。
- 前記化学特性は、元素組成であることを特徴とする請求項２２に記載の未知物質のアッセイ特性を求める方法。
- 前記元素組成は、硫黄含有率であることを特徴とする請求項２３に記載の未知物質のアッセイ特性を求める方法。
- 前記元素組成は、窒素含有率であることを特徴とする請求項２３に記載の未知物質のアッセイ特性を求める方法。
- 前記化学特性は、分子組成であることを特徴とする請求項２２に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、飽和化合物含有率であることを特徴とする請求項２６に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、芳香族化合物含有率であることを特徴とする請求項２６に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、芳香環分布であることを特徴とする請求項２６に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、性能特性であることを特徴とする請求項１５に記載の未知物質のアッセイ特性を求める方法。
- 前記性能特性は、オクタン価であることを特徴とする請求項３０に記載の未知物質のアッセイ特性を求める方法。
- 前記性能特性は、セタン価であることを特徴とする請求項３０に記載の未知物質のアッセイ特性を求める方法。
- 前記特性は、全原油特性であることを特徴とする請求項１５に記載の未知物質のアッセイ特性を求める方法。
- 前記特性は、分布特性であることを特徴とする請求項１５に記載の未知物質のアッセイ特性を求める方法。
- 前記未知物質はプロセスユニットへのフィードであり、前記アッセイ特性は、該フィードまたはその任意のサブフラクションの任意の物理特性、化学特性、または性能特性であることを特徴とする請求項１４に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、物理特性であることを特徴とする請求項３５に記載の未知物質のアッセイ特性を求める方法。
- 前記物理特性は、蒸留収率であることを特徴とする請求項３６に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、化学特性であることを特徴とする請求項３５に記載の未知物質のアッセイ特性を求める方法。
- 前記化学特性は、元素組成であることを特徴とする請求項３８に記載の未知物質のアッセイ特性を求める方法。
- 前記元素組成は、硫黄含有率であることを特徴とする請求項３９に記載の未知物質のアッセイ特性を求める方法。
- 前記元素組成は、窒素含有率であることを特徴とする請求項３９に記載の未知物質のアッセイ特性を求める方法。
- 前記元素組成は、芳香族炭素含有率であることを特徴とする請求項３９に記載の未知物質のアッセイ特性を求める方法。
- 前記化学特性は、分子組成であることを特徴とする請求項３８に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、飽和化合物含有率であることを特徴とする請求項４３に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、沸点の関数であることを特徴とする請求項４４に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、パラフィン含有率であることを特徴とする請求項４３に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、沸点の関数であることを特徴とする請求項４６に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、ナフテン含有率であることを特徴とする請求項４３に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、沸点の関数であることを特徴とする請求項４８に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、芳香族化合物含有率であることを特徴とする請求項４３に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、沸点の関数であることを特徴とする請求項５０に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、芳香環分布であることを特徴とする請求項４３に記載の未知物質のアッセイ特性を求める方法。
- 前記分子組成は、沸点の関数であることを特徴とする請求項５２に記載の未知物質のアッセイ特性を求める方法。
- 前記プロセスユニットは、接触分解ユニットであることを特徴とする請求項３５に記載の未知物質のアッセイ特性を求める方法。
- 前記プロセスユニットは、潤滑油抽出ユニットであることを特徴とする請求項３５に記載の未知物質のアッセイ特性を求める方法。
- 前記物質は、含蝋留出物フィードであることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記サブフラクションは、抽出により生成されたラフィネートであることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、ラフィネート収率であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、ラフィネート粘度であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、ラフィネート粘度指数であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、ラフィネート飽和化合物含有率であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記サブフラクションは、抽出および脱蝋により生成された脱蝋ラフィネートであることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、脱蝋ラフィネート収率であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、脱蝋ラフィネート粘度であることを特徴とする請求項５５に記載の方法。
- 前記アッセイ特性は、脱蝋ラフィネート粘度指数であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
- 前記アッセイ特性は、脱蝋ラフィネート飽和化合物含有率であることを特徴とする請求項５５に記載の未知物質のアッセイ特性を求める方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/023,031 US6662116B2 (en) | 2001-11-30 | 2001-11-30 | Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend |
| PCT/US2002/034390 WO2003048759A1 (en) | 2001-11-30 | 2002-10-25 | Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005512051A true JP2005512051A (ja) | 2005-04-28 |
Family
ID=21812720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003549904A Pending JP2005512051A (ja) | 2001-11-30 | 2002-10-25 | 特定の分析データに一致するように計算された既知物質のブレンドとして未知物質を分析し、計算されたブレンドに基づいて未知物質の特性を予測する方法 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US6662116B2 (ja) |
| EP (1) | EP1463937B1 (ja) |
| JP (1) | JP2005512051A (ja) |
| AR (1) | AR037663A1 (ja) |
| AU (1) | AU2002348087B2 (ja) |
| CA (1) | CA2467147C (ja) |
| MY (1) | MY128833A (ja) |
| NO (1) | NO338499B1 (ja) |
| WO (1) | WO2003048759A1 (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007068857A (ja) * | 2005-08-09 | 2007-03-22 | Kao Corp | 赤外吸収スペクトル測定装置 |
| JP2012018108A (ja) * | 2010-07-09 | 2012-01-26 | Sony Corp | 蛍光強度補正方法及び蛍光強度算出装置 |
| JP2012052985A (ja) * | 2010-09-03 | 2012-03-15 | Sony Corp | 蛍光強度補正方法及び蛍光強度算出装置 |
| JP2015507747A (ja) * | 2012-01-13 | 2015-03-12 | アスペン テクノロジー インコーポレイテッド | 石油精製のために原油の化学組成をキャラクタリゼーションする方法 |
| JP2018503820A (ja) * | 2015-01-05 | 2018-02-08 | サウジ アラビアン オイル カンパニー | 蛍光分光分析による原油およびその留分のキャラクタリゼーション |
| JP2018100903A (ja) * | 2016-12-20 | 2018-06-28 | パナソニックＩｐマネジメント株式会社 | 樹脂判定方法及び装置 |
| US10393723B2 (en) | 2012-01-13 | 2019-08-27 | Aspen Technology, Inc. | Method to represent metal content in crude oils, reactor feedstocks, and reactor products |
| JP2020201174A (ja) * | 2019-06-12 | 2020-12-17 | 国立研究開発法人物質・材料研究機構 | スペクトル解析装置用の成分同定装置及びその方法、コンピュータプログラム |
| JP2021038953A (ja) * | 2019-08-30 | 2021-03-11 | 一般財団法人電力中央研究所 | 物質検査装置、物質検査方法及び物質検査プログラム |
| US11101020B2 (en) | 2017-04-24 | 2021-08-24 | Aspen Technology, Inc. | Molecular characterization method and system |
Families Citing this family (66)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003078985A1 (fr) * | 2002-03-15 | 2003-09-25 | Matsushita Electric Industrial Co., Ltd. | Dispositif d'identification de metal et procede d'identification de metal |
| US6859765B2 (en) * | 2002-12-13 | 2005-02-22 | Lam Research Corporation | Method and apparatus for slope to threshold conversion for process state monitoring and endpoint detection |
| US8512550B2 (en) * | 2004-08-24 | 2013-08-20 | Exxonmobil Research And Engineering Company | Refinery crude unit performance monitoring using advanced analytic techniques for raw material quality prediction |
| US20060047444A1 (en) * | 2004-08-24 | 2006-03-02 | Brown James M | Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend |
| EA011591B1 (ru) * | 2004-09-17 | 2009-04-28 | Бп Ойл Интернэшнл Лимитед | Способ количественного анализа содержащего углеводород сырья |
| US20060086901A1 (en) * | 2004-10-22 | 2006-04-27 | Price L S | Methods and apparatus for improving the reliability and accuracy of identifying, analyzing and authenticating objects, including chemicals, using multiple spectroscopic techniques |
| US7904251B2 (en) * | 2005-01-19 | 2011-03-08 | Exxonmobil Research And Engineering Company | Method for modification of a synthetically generated assay using measured whole crude properties |
| DE102005009195B4 (de) * | 2005-02-22 | 2009-09-24 | Bruker Optik Gmbh | Verfahren und Vorrichtung zum Korrigieren eines Spektrums |
| EP1703272A1 (en) * | 2005-03-16 | 2006-09-20 | BP Chemicals Limited | Measuring near infra-red spectra using a demountable NIR transmission cell |
| EP1736756A1 (en) | 2005-06-20 | 2006-12-27 | Bp Oil International Limited | Development of disposable/Sealable tips for near infra-red (NIR) spectroscopic probes |
| EP1813348A1 (en) | 2006-01-30 | 2007-08-01 | Bp Oil International Limited | Sample Plate for fluid analysis in a refinery process |
| US7389186B2 (en) * | 2006-08-11 | 2008-06-17 | Exxonmobil Research And Engineering Company | Prediction of stream composition and properties in near real time |
| US8682597B2 (en) * | 2007-10-16 | 2014-03-25 | Exxonmobil Research And Engineering Company | Estimating detailed compositional information from limited analytical data |
| US8311955B2 (en) * | 2007-10-30 | 2012-11-13 | Exxonmobil Research And Engineering Company | Bootstrap method for oil property prediction |
| US8150596B2 (en) * | 2008-06-02 | 2012-04-03 | GM Global Technology Operations LLC | Fuel ignition quality detection |
| US8271209B2 (en) * | 2009-12-18 | 2012-09-18 | General Electric Company | Spectral searching method for substance identification |
| US20110213746A1 (en) * | 2010-02-26 | 2011-09-01 | Edita Botonjic-Sehic | Probabilistic scoring for components of a mixture |
| CA2786581A1 (en) * | 2010-05-21 | 2011-11-24 | Halliburton Energy Services, Inc. | Downhole spectroscopic detection of carbon dioxide and hydrogen sulfide |
| US9778240B2 (en) | 2011-02-22 | 2017-10-03 | Saudi Arabian Oil Company | Characterization of crude oil by ultraviolet visible spectroscopy |
| WO2016111962A1 (en) * | 2015-01-05 | 2016-07-14 | Saudi Arabian Oil Company | Characterization of crude oil by ultraviolet visible spectroscopy |
| WO2016111982A1 (en) * | 2015-01-05 | 2016-07-14 | Saudi Arabian Oil Company | Characterization of crude oil by near infrared spectroscopy |
| US10677718B2 (en) | 2011-02-22 | 2020-06-09 | Saudi Arabian Oil Company | Characterization of crude oil by near infrared spectroscopy |
| US10684239B2 (en) | 2011-02-22 | 2020-06-16 | Saudi Arabian Oil Company | Characterization of crude oil by NMR spectroscopy |
| US11022588B2 (en) | 2011-02-22 | 2021-06-01 | Saudi Arabian Oil Company | Characterization of crude oil by simulated distillation |
| US10031121B2 (en) | 2011-02-22 | 2018-07-24 | Saudi Arabian Oil Company | Characterization of an API gravity value of crude oil by ultraviolet visible spectroscopy |
| US9500583B2 (en) | 2011-05-10 | 2016-11-22 | Li Jiang | Method and apparatus for measuring carbon dioxide dissolved in solution and wellbore monitoring systems based thereon |
| US10571452B2 (en) * | 2011-06-28 | 2020-02-25 | Saudi Arabian Oil Company | Characterization of crude oil by high pressure liquid chromatography |
| US10725013B2 (en) | 2011-06-29 | 2020-07-28 | Saudi Arabian Oil Company | Characterization of crude oil by Fourier transform ion cyclotron resonance mass spectrometry |
| CN103134764B (zh) * | 2011-11-23 | 2016-01-20 | 中国石油化工股份有限公司 | 由透射红外光谱预测原油实沸点蒸馏曲线的方法 |
| US9244052B2 (en) | 2011-12-22 | 2016-01-26 | Exxonmobil Research And Engineering Company | Global crude oil quality monitoring using direct measurement and advanced analytic techniques for raw material valuation |
| US10048194B2 (en) | 2012-02-21 | 2018-08-14 | Saudi Arabian Oil Company | Characterization of crude oil by ultraviolet visible spectroscopy |
| WO2016111986A1 (en) * | 2015-01-05 | 2016-07-14 | Saudi Arabian Oil Company | Characterization of crude oil by ultraviolet visible spectroscopy |
| US9665693B2 (en) * | 2012-05-30 | 2017-05-30 | Exxonmobil Research And Engineering Company | System and method to generate molecular formula distributions beyond a predetermined threshold for a petroleum stream |
| CA2872508A1 (en) * | 2012-05-30 | 2013-12-05 | Exxonmobil Research And Engineering Company | Systems and methods for creating a model of composition for a composite formed by combining a plurality of hydrocarbon streams |
| GB201210690D0 (en) * | 2012-06-15 | 2012-08-01 | Beers Centenary De Ag | Infra-red analysis of diamond |
| FR2994263B1 (fr) * | 2012-08-02 | 2018-09-07 | Vit | Procede et dispositif d'identification de materiaux dans une scene |
| US10641750B2 (en) | 2012-08-03 | 2020-05-05 | Conocophillips Company | Petroleum-fluid property prediction from gas chromatographic analysis of rock extracts or fluid samples |
| US20140343914A1 (en) * | 2013-05-16 | 2014-11-20 | Exxonmobil Research And Engineering Company | Systems and methods for creating a model of composition for a composite formed by combining a plurality of hydrocarbon streams |
| PL3004820T3 (pl) * | 2013-05-27 | 2017-09-29 | Gasporox Ab | Układ i sposób określania stężenia gazu w opakowaniu |
| US10101269B2 (en) * | 2014-07-30 | 2018-10-16 | Smiths Detection Inc. | Estimation of water interference for spectral correction |
| US9678002B2 (en) * | 2014-10-29 | 2017-06-13 | Chevron U.S.A. Inc. | Method and system for NIR spectroscopy of mixtures to evaluate composition of components of the mixtures |
| SG11201705505XA (en) | 2015-01-05 | 2017-08-30 | Saudi Arabian Oil Co | Characterization of crude oil and its fractions by thermogravimetric analysis |
| KR20170118714A (ko) | 2015-01-05 | 2017-10-25 | 사우디 아라비안 오일 컴퍼니 | 자외선 가시광선 분광법에 의한 원유의 특성화 |
| SG11201705473XA (en) * | 2015-01-05 | 2017-08-30 | Saudi Arabian Oil Co | Relative valuation method for naphtha streams |
| KR20170119682A (ko) | 2015-01-05 | 2017-10-27 | 사우디 아라비안 오일 컴퍼니 | 근적외선 분광법에 의한 원유의 특성화 |
| US20160195506A1 (en) * | 2015-01-07 | 2016-07-07 | Bharat Petroleum Corporation Ltd. | Estimation of cold-flow properties of refinery product blends |
| KR102089708B1 (ko) * | 2015-06-10 | 2020-03-16 | 사우디 아라비안 오일 컴퍼니 | 레이저 유도 자외선 형광 분광법을 사용한 원유의 특징화 |
| US20170097330A1 (en) * | 2015-10-05 | 2017-04-06 | Honeywell International Inc. | Hybrid analyzer for fluid processing processes |
| WO2018098588A1 (en) * | 2016-12-02 | 2018-06-07 | Lumiant Corporation | Computer systems for and methods of identifying non-elemental materials based on atomistic properties |
| US10657443B2 (en) * | 2017-05-24 | 2020-05-19 | Southwest Research Institute | Detection of hazardous leaks from pipelines using optical imaging and neural network |
| US11085877B2 (en) | 2017-09-08 | 2021-08-10 | Schlumberger Technology Corporation | Apparatus and methods for measuring the refractive index of a fluid |
| CN107958137B (zh) * | 2017-11-27 | 2021-10-26 | 中国石油化工股份有限公司 | 基于Matlab和Excel的催化裂化收率预测方法 |
| EP3861320B1 (en) | 2018-10-02 | 2022-09-07 | ExxonMobil Technology and Engineering Company | Systems and methods for implicit chemical resolution of vacuum gas oils and fit quality determination |
| US11402323B2 (en) | 2018-10-02 | 2022-08-02 | ExxonMobil Technology and Engineering Company | Systems and processes for performance property determination using optical spectral data |
| US11726034B2 (en) | 2019-03-07 | 2023-08-15 | Missouri State University | IR spectra matching methods |
| US11512590B2 (en) | 2019-04-10 | 2022-11-29 | ExxonMobil Technology and Engineering Company | Gathering and segregation of heterogeneous crude sources |
| US11680938B2 (en) | 2019-06-20 | 2023-06-20 | Saudi Arabian Oil Company | System and method of characterizing crude oil and its derivatives by combining total sulfur determination and FT-ICR mass spectrometry |
| US11609197B2 (en) | 2020-06-29 | 2023-03-21 | AD Systems S.A.S. | Smoke point automatic correction |
| US20220017829A1 (en) * | 2020-07-20 | 2022-01-20 | Saudi Arabian Oil Company | Systems and processes for direct converting distillate fractions of crude oil to olefins |
| US20220359046A1 (en) | 2021-04-22 | 2022-11-10 | Fueltrust, Inc. | Machine-learning-based chemical analysis |
| US20220403267A1 (en) * | 2021-06-18 | 2022-12-22 | Mid-Continent Energy Company Inc. | Systems and methods for automated tank monitoring and blending |
| CN113791050A (zh) * | 2021-08-31 | 2021-12-14 | 广东弓叶科技有限公司 | 基于光谱分析的材质分析方法及系统 |
| US11913332B2 (en) | 2022-02-28 | 2024-02-27 | Saudi Arabian Oil Company | Method to prepare virtual assay using fourier transform infrared spectroscopy |
| US11781988B2 (en) | 2022-02-28 | 2023-10-10 | Saudi Arabian Oil Company | Method to prepare virtual assay using fluorescence spectroscopy |
| US11781427B2 (en) | 2022-02-28 | 2023-10-10 | Saudi Arabian Oil Company | Method to prepare virtual assay using ultraviolet spectroscopy |
| CN116030900B (zh) * | 2023-03-24 | 2023-06-16 | 安徽瑞邦数科科技服务有限公司 | 化工产品的成分含量控制方法、装置、设备及存储介质 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60107554A (ja) | 1983-11-16 | 1985-06-13 | Ube Ind Ltd | 未知物質の化学構造を決定する方法および装置 |
| US5119315A (en) * | 1989-04-28 | 1992-06-02 | Amoco Corporation | Method of correlating a record of sample data with a record of reference data |
| US5218529A (en) * | 1990-07-30 | 1993-06-08 | University Of Georgia Research Foundation, Inc. | Neural network system and methods for analysis of organic materials and structures using spectral data |
| US5301125A (en) | 1990-09-26 | 1994-04-05 | Exxon Research & Engineering Company | Spectroscopic determination of amount of one constituent of a fluid mixture in another constituent or in the fluid mixture itself, following separation of the mixture into its constituents |
| MY107650A (en) * | 1990-10-12 | 1996-05-30 | Exxon Res & Engineering Company | Method of estimating property and / or composition data of a test sample |
| US5121337A (en) | 1990-10-15 | 1992-06-09 | Exxon Research And Engineering Company | Method for correcting spectral data for data due to the spectral measurement process itself and estimating unknown property and/or composition data of a sample using such method |
| JP2891795B2 (ja) * | 1991-04-12 | 1999-05-17 | パイオニア株式会社 | 車載ナビゲーション装置 |
| US5412581A (en) * | 1992-11-05 | 1995-05-02 | Marathon Oil Company | Method for measuring physical properties of hydrocarbons |
| JPH0727703A (ja) * | 1993-07-08 | 1995-01-31 | Hitachi Ltd | 多成分物質定量分析法 |
| US5360972A (en) * | 1993-08-17 | 1994-11-01 | Western Atlas International, Inc. | Method for improving chemometric estimations of properties of materials |
| US6070128A (en) | 1995-06-06 | 2000-05-30 | Eutech Engineering Solutions Limited | Method for determining properties using near infra-red (NIR) spectroscopy |
| US5699270A (en) | 1995-06-23 | 1997-12-16 | Exxon Research And Engineering Company | Method for preparing lubrication oils (LAW232) |
| US5699269A (en) | 1995-06-23 | 1997-12-16 | Exxon Research And Engineering Company | Method for predicting chemical or physical properties of crude oils |
| FR2774768B1 (fr) | 1998-02-10 | 2000-03-24 | Inst Francais Du Petrole | Methode de determination d'au moins une propriete physicochimique d'une coupe petroliere |
| KR100326588B1 (ko) | 1998-12-28 | 2002-10-12 | 에스케이 주식회사 | 근적외선분광분석기술을활용한자동원유분석방법 |
-
2001
- 2001-11-30 US US10/023,031 patent/US6662116B2/en not_active Expired - Lifetime
-
2002
- 2002-10-25 EP EP02784304.4A patent/EP1463937B1/en not_active Expired - Lifetime
- 2002-10-25 JP JP2003549904A patent/JP2005512051A/ja active Pending
- 2002-10-25 WO PCT/US2002/034390 patent/WO2003048759A1/en active IP Right Grant
- 2002-10-25 AU AU2002348087A patent/AU2002348087B2/en not_active Expired
- 2002-10-25 CA CA2467147A patent/CA2467147C/en not_active Expired - Lifetime
- 2002-11-08 MY MYPI20024190A patent/MY128833A/en unknown
- 2002-11-21 AR ARP020104475A patent/AR037663A1/es active IP Right Grant
-
2004
- 2004-06-29 NO NO20042754A patent/NO338499B1/no not_active IP Right Cessation
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007068857A (ja) * | 2005-08-09 | 2007-03-22 | Kao Corp | 赤外吸収スペクトル測定装置 |
| US8990024B2 (en) | 2010-07-09 | 2015-03-24 | Sony Corporation | Fluorescence intensity compensation method and fluorescence intensity calculation device |
| JP2012018108A (ja) * | 2010-07-09 | 2012-01-26 | Sony Corp | 蛍光強度補正方法及び蛍光強度算出装置 |
| JP2012052985A (ja) * | 2010-09-03 | 2012-03-15 | Sony Corp | 蛍光強度補正方法及び蛍光強度算出装置 |
| US9934367B2 (en) | 2012-01-13 | 2018-04-03 | Aspen Technology, Inc. | Method of characterizing chemical composition of crude oil for petroleum processing |
| JP2015507747A (ja) * | 2012-01-13 | 2015-03-12 | アスペン テクノロジー インコーポレイテッド | 石油精製のために原油の化学組成をキャラクタリゼーションする方法 |
| US10393723B2 (en) | 2012-01-13 | 2019-08-27 | Aspen Technology, Inc. | Method to represent metal content in crude oils, reactor feedstocks, and reactor products |
| JP2018503820A (ja) * | 2015-01-05 | 2018-02-08 | サウジ アラビアン オイル カンパニー | 蛍光分光分析による原油およびその留分のキャラクタリゼーション |
| JP2018100903A (ja) * | 2016-12-20 | 2018-06-28 | パナソニックＩｐマネジメント株式会社 | 樹脂判定方法及び装置 |
| US11101020B2 (en) | 2017-04-24 | 2021-08-24 | Aspen Technology, Inc. | Molecular characterization method and system |
| JP2020201174A (ja) * | 2019-06-12 | 2020-12-17 | 国立研究開発法人物質・材料研究機構 | スペクトル解析装置用の成分同定装置及びその方法、コンピュータプログラム |
| JP7350274B2 (ja) | 2019-06-12 | 2023-09-26 | 国立研究開発法人物質・材料研究機構 | スペクトル解析装置用の成分同定装置及びその方法、コンピュータプログラム |
| JP2021038953A (ja) * | 2019-08-30 | 2021-03-11 | 一般財団法人電力中央研究所 | 物質検査装置、物質検査方法及び物質検査プログラム |
| JP7262345B2 (ja) | 2019-08-30 | 2023-04-21 | 一般財団法人電力中央研究所 | 物質検査装置、物質検査方法及び物質検査プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1463937B1 (en) | 2020-02-26 |
| AU2002348087B2 (en) | 2007-07-05 |
| EP1463937A4 (en) | 2011-11-30 |
| CA2467147C (en) | 2010-12-14 |
| US6662116B2 (en) | 2003-12-09 |
| NO338499B1 (no) | 2016-08-29 |
| US20030195708A1 (en) | 2003-10-16 |
| AU2002348087A1 (en) | 2003-06-17 |
| EP1463937A1 (en) | 2004-10-06 |
| NO20042754L (no) | 2004-08-30 |
| AR037663A1 (es) | 2004-12-01 |
| WO2003048759A1 (en) | 2003-06-12 |
| MY128833A (en) | 2007-02-28 |
| CA2467147A1 (en) | 2003-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6662116B2 (en) | Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend | |
| AU2005287020B2 (en) | Method of assaying a hydrocarbon-containing feedstock | |
| US10082807B2 (en) | Method of preparing a certified target product from a mixture of components by spectral analysis | |
| US10677718B2 (en) | Characterization of crude oil by near infrared spectroscopy | |
| US20150106031A1 (en) | Characterization of crude oil by near infrared spectroscopy | |
| AU2006206585B2 (en) | Method for modification of a synthetically generated assay using measured whole crude properties | |
| ZA200702715B (en) | Method of assaying a hydrocarbon-containing feedstock | |
| US10012587B2 (en) | Method for characterising a product by means of topological spectral analysis | |
| US10241040B2 (en) | Method for characterizing a product by means of topological spectral analysis | |
| EP3861320B1 (en) | Systems and methods for implicit chemical resolution of vacuum gas oils and fit quality determination | |
| US10627345B2 (en) | Characterization of crude oil by near infrared spectroscopy | |
| WO2020139515A1 (en) | Method for determining the composition and properties of hydrocarbon fractions by spectroscopy or spectrometry | |
| US20230274801A1 (en) | Method to prepare virtual assay using near infrared spectroscopy | |
| WO2016111982A1 (en) | Characterization of crude oil by near infrared spectroscopy | |
| Alves et al. | Near-infrared spectroscopy in analysis of crudes and transportation fuels | |
| US9915606B2 (en) | Method for transferring between spectrometers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051003 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080729 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081027 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090602 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090826 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100309 |