JP2012246490A - 潤滑剤の製造を制御する方法 - Google Patents

Abstract

【課題】最終潤滑剤製品の品質およびその性能を組成パラメータに関係づける予測技術を含む方法によって精製およびブレンドによる潤滑剤品質および潤滑剤製造プロセスを制御する方法を提供する。
【解決手段】付属メモリーを有するコンピュータまたはプロセッサーで、あらかじめ入力した１種若しくは複数種の基油又は粗原料若しくは粗原料の精製データを表すデータを利用し、組成モデルを動作させる。組成モデルは、入力された1種若しくは複数種の基油又は1種若しくは複数種の粗原料のいずれが許容されるものであり、好適な出力を提供するかを予測する。
【選択図】なし

Description

本発明は石油系潤滑剤の製造に関する。より詳しくは、本発明は、最終潤滑剤製品の品質およびその性能を組成パラメータに関係づける予測技術を含む方法によって精製およびブレンドによる潤滑剤品質および潤滑剤製造プロセスを制御する方法に関する。

潤滑油は、通例、２３２℃（４５０°Ｆ）より上で沸騰する石油留分に基づいている。炭化水素成分の分子量は高く、これらの成分は、その製造のもとになる原油のタイプから考えられ得る殆どすべての構造および構造タイプを示す。

潤滑剤精製の原理は、経験またはアッセイによって示されるような適する原油を、例えば、適切な粘度、酸化安定性および低温での流動性の維持などの所定の特性組を有する潤滑剤基油に精製できることである。潤滑剤基油を単離するために用いられる精製プロセスは、現在、好ましくない成分を除去する一組の減法単位操作から成っている。これらの単位操作には、蒸留、溶媒精製、水素処理および脱蝋が挙げられ、それらの各々は基本的に別個のプロセスである。

潤滑剤基油（すなわち、精製原油からの）は潤滑剤成分として使用できるか、あるいは潤滑剤基油は、多少異なった特性を有するもう一つの潤滑剤基油とブレンドすることが可能である。潤滑剤として使用する前の特定の基油は、従来通り、酸化防止剤、極圧添加剤、粘度指数（ＶＩ）改善剤などの一種以上の添加剤とコンパウンドされる。本明細書において用いられる「ストック」という用語は、その用語がさらに修飾されるか否かに関係なく、添加剤のない炭化水素油のみに関連する。「溶媒−精製ストック」または「ラフィネート」という用語は、例えば、フルフラールで溶媒抽出された油に関連する。「脱蝋ストック」という用語は、中に含まれたワックスを除去するか、あるいは別なふうに転化するために、いずれかの方法によって処理され、よってその流動点が低下した油に関する。本明細書において用いられる「ワックス質」という用語は、４℃（＋２５°Ｆ）より高い流動点をもたらすのに十分なワックス含有率の油に関連する。「基油」という用語は、自動車油、船油、油圧油などを製造するためのような幾つかの特定の最終用途のために適する点に向け精製された油を意味する。

高級潤滑油基油の製造のための現行実施技術を図１に示している。全体のプロセスを１０と呼ぶ。第１の工程は、適切な原油からの常圧塔残油を減圧蒸留することである（工程１００）。この工程は、軽質１５（７００〜８００°Ｆ）（３７１〜４２７℃）、中２０（８１０〜８９０°Ｆ）（４３２〜４７７℃）および重質３０中性分（８９０〜１０００°Ｆ）（４７７〜５３８℃）ならびに減圧残油４０と呼ばれる７００〜１０００°Ｆ（３７１〜５３８℃）の沸点範囲内の一種以上のローストックを提供する。各ストックは、異なる粘度範囲によって特徴付けられる。例えば、軽質中性ストックは最低粘度範囲（１００℃で３．５〜５．５ｃＳ ＫＶ）を有し、重質中性ストックは最高粘度範囲（１００℃で１０．０〜１５．３ｃＳ ＫＶ）を有する。調製後、各ローストックは、芳香族炭化水素に関して選択性であると共に好ましくない成分を除去する溶媒、例えば、フルフラール、フェノールまたはクロレックスで抽出される（工程１４０）。減圧残油１４０は、通常、溶媒抽出の前にアスファルト材料を除去する別の工程を要する（工程１２０）。溶媒精製からのラフィネートは、一般に非常にワックス質であり、一般に脱蝋運転を要する（工程１６０）。ラフィネートの脱蝋は、一般に、基油に関する所定の流動点または目標流動点をもたらす条件下での溶媒脱蝋または接触脱蝋によって行われる。

潤滑剤基油製造の技術は、さらに、脱蝋されたストックを水素処理する別の工程を要する（工程１８０）。水素処理は、最終潤滑剤製品仕様書に応じて潤滑剤性能に有害でありうる特定の不純物を除去する目的でのストックへの水素の添加である。水素処理は、水素が硫黄と化合して硫化水素を生成するにつれ硫黄を除去するために特に有用である。脱蝋工程（工程１６０）または水素処理工程（工程１８０）のいずれか、あるいはその両方は、最終潤滑剤配合物用の基油として用いるために十分な品質のストックを産出することが可能である。

次に、適する材料または添加剤は、基油の潤滑特性を高めると共に粘度指数（ＶＩ）（図６に示した）などの必要な仕様を満たすために基油に添加される。

歴史的に、潤滑剤の製造には融通性がなかった。新しい粗原料源から製造される基油は、「新」基油であると考えられ、潤滑剤として用いるために承認されなければならない。潤滑剤基油承認システムは、新しい粗原料から製造される基油が潤滑油として使用できる前に高価で時間がかかる承認プロセスを受けることを要求している。新しい粗原料または新基油から製造されるサンプルに関する完全な承認には、終了するのに一般に５〜１０ヶ月かかる広範なベンチ試験およびエンジン試験を要する。プロセス条件の変更にも別のベンチ試験およびエンジン試験による再承認を要する。ベンチ試験およびエンジン試験の高いコストは、すべてについてプロセス条件の最適化を妨げ、最も多くの場合粗原料をそのまま続けるしかない。さらに、このシステムを合理化する必要性は、少なくとも一部の地理的場所からの粗原料ミックスの急激な変化、購入基油に対する品質の懸念、高まった潤滑剤融通性からの経済的利益に対する意欲の結果として益々重要になってきた。従って、潤滑剤製造における融通性を高め、潤滑剤粗原料、基油およびこれらのストックのブレンドに関する承認システムを合理化することが技術上必要とされている。

本発明によると、特定の用途向けの潤滑剤の製造用の潤滑剤基油を特定の方法によって選択することができる。候補潤滑剤基油は、すべての潤滑剤基油に共通している複数の組成成分により特徴付けられ、各組成成分は、各基油に対して量が異なる。最終潤滑剤製品における潤滑剤基油の性能を予測するモデルは、複数の用途向けの潤滑剤性能を組合せで立証する潤滑剤基油中の複数の組成成分の特定の一つを識別することにより作製される。

次に、各々が異なる粘度を有する複数の潤滑剤製品の要求される複数の性能試験から識別済組成成分の組合せに関する許容可能範囲を決定する。許容可能領域を決定した後、複数の性能試験から識別済組成成分の組合せに関して決定される異なる粘度の基油に関する少なくとも他の一つの許容可能範囲から組成成分の量を予測することにより各潤滑剤基油の粘度の相違に対する調節を好ましくは行う。その後、識別済成分の量を決定するために候補基油を分析する。次に、候補基油中の各識別済成分の組合せた量が許容可能性能範囲内であるか否かを決定する。

その組成が組成モデルによって予測された許容可能領域外になる潤滑剤基油もブレンドして満足な性能の潤滑剤を生成させることができる。この方法は、上述したように、許容可能領域の決定および粘度の相違の調節で始まる。次に、相補的な組成を有する二種以上の潤滑剤基油を選択する。組成モデルによって予測されるような許容可能領域内に最終潤滑剤組成を形成するために組み合わされることが必要とされる各々の量を計算する。その後、潤滑剤基油をブレンドする。

潤滑剤の製造において用いようとする精油所ストックの所定の範囲で、水素処理条件、溶媒処理速度および温度などの既知の精製パラメータの効果を利用して、予測モデルを潤滑剤製造プロセスにも利用することも可能である。予測モデルの利用のこの変形において、精油所ストリームから特定の用途向けの潤滑剤を製造するに当たって用いようとする潤滑剤基油は、基油および精油所ストリームに共通している複数の組成成分によって特徴付けられる。本方法は、上述したように、許容可能領域の決定および粘度の相違の調節で始まる。次に、許容可能潤滑剤性能のために必要とされる組合せでの識別済組成成分の量を潤滑剤基油に関して識別し、精油所ストリーム中の識別済成分の組合せた量がこうした識別済成分に関する許容可能範囲外であることを決定する。その後、モデルによって決定されたような許容可能範囲内の識別済成分の組合せを有する潤滑剤基油を製造するために精油所ストリームを精製する。

この技術を拡大することによって、潤滑剤基油に向け精製しようとする石油精油所ストリームの組合せを精油所ストリームにブレンドすることができ、その後、それを望ましい一種以上の最終ストックに処理することができる。本方法は、上述したように、許容可能領域の決定および粘度の相違の調節で始まる。次に、精油所ストリームから精製しようとする識別済組成成分の量を潤滑剤基油に関して識別し、モデルによって決定されたような許容可能範囲内の識別済成分の組合せに従ってブレンドの組成を決定する。その後、ストリームを決定された組成に従ってブレンドし、精製する。一つの変形において、精油所ストリームは粗原料である。この実施形態のもう一つの変形において、精油所ストリームは、精油所内の単位プロセスのどれか一つから選択される。

現在の潤滑剤基油の製造プロセスの概要を示す流れ図である。 本発明の方法を示す流れ図である。 本発明の一つの実施形態による複数の潤滑剤性能試験のために組成仕様モデルをどのように作製するかを示すグラフである。 本発明の一つの実施形態による軽質および重質の中性基油のために開発された組成仕様モデルの重なりを示すグラフである。 複数の基油をブレンドして、その組成が組成モデルによって予測された許容可能領域内である生成ブレンド基油を産出する方法と関連して用いられる、軽質中性基油に関する組成仕様モデルを示すグラフである。 図５のグラフに似たグラフであり、その組成が組成モデルによって予測された許容可能領域内である基油を得るために抽出過酷性データと併用された図５の組成仕様モデルを示している。 本発明の実施形態の運用を示すブロック線図である。

本発明において、コンピュータモデル（図７の８０１）を作製し、複数の粘度を有する複数の製品用の潤滑剤基油の品質を予測するためにそれを用いる。このモデルは、複数の粘度を示す複数の製品に関する主要成分パラメータおよび性能基準の定量的分析に基づいている。こうしたモデルは、本明細書において総合組成モデルと呼び、以後に示すように、通常且つ好ましくは、特定の粘度に関して開発された組成モデルから成る。

組成モデルは、特に、新しい潤滑剤基油の組成が過去に性能試験に合格したか不合格であった既知の潤滑剤基油組成と似ているか否かを予測する。かくして、複数の製品において許容可能性能を実証した潤滑剤基油に鑑みて、新しい潤滑剤基油組成を評価する。

基油特性の統計的分析によると、潤滑剤性能を基油の化学的組成から予測できることが示された。特に、潤滑剤性能の総合予測を得るために、種々の化学的組成パラメータを組み合わせる。図２は、本発明の一つの実施形態による基油の潤滑剤性能を予測する方法を示すプロセス流れ図である。組成モデルに組み込まれた組成パラメータは、潤滑剤性能に大幅に寄与すると識別された基油の化学的成分である（工程２００）。こうした成分の例は、例えば、総硫黄、脂肪族硫黄、塩基性窒素、芳香族分布、窒素、脂肪族化合物分布、脂肪族鎖分岐度、分子量分布またはそれらのあらゆる組合せである。好ましい実施形態は、総硫黄、脂肪族硫黄、塩基性窒素、総芳香族化合物、芳香族環分布またはこれらのパラメータの組合せを含む。

最終潤滑剤配合物における基油の潤滑剤性能を正確に予測する組成モデルを作製するために、最小限、ファクターの内の二つのみを用いる。標準分析化学技術に従って、すべての成分を定量的に決定する。例えば、総芳香族化合物をＵＶスペクトルの化学計測相関から決定する。詳しくは、パーキンエルマーＬａｍｂｄａ１９スペクトルメータを用いる。芳香族環を分類するために当業者に対して技術上知られている従来技術によって芳香族環分布を決定する。塩基性窒素をＡＳＴＭ方法Ｄ２８９６に準拠して決定する。総硫黄をＡＳＴＭ方法Ｄ２６２２に準拠して決定する。Ａｎａｌ．Ｃｈｅｍ．２７，４９５（１９５５）およびＡｎａｌ．Ｃｈｅｍ．３９，１８１９（１９６７）においてドルシェル（Ｄｒｕｓｈｅｌ）およびミラー（Ｍｉｌｌｅｒ）によって記載された技術による脂肪族硫黄の沃素錯体の定量化に基づいて脂肪族硫黄含有率をＵＶスペクトロメトリーで決定することができる。３１０ｎｍで錯体の吸光度を適切に測定するこの方法は、窒素化合物および芳香族炭化水素原料による潤滑剤基材油への妨害がない信頼できる脂肪族硫黄の決定を提供する。

組成モデルの性能パラメータの決定（工程２１０）は、粘度が異なる複数の製品の性能を評価することを含む。潤滑剤製品の粘度の相違に一致した以下に記載したような組成モデルのパラメータの相違は、粘度によって組成パラメータを基準化するのに比べて優れた潤滑剤性能予測を提供する。従って、製品の粘度は、製品の最終用途の関数である。例えば、組成モデルの性能パラメータには、自動車エンジン潤滑剤のエンジン油性能、船用エンジン潤滑剤の船用エンジン性能、工業装置潤滑剤の工業装置性能および油圧潤滑剤の油圧性能が含まれる。各用途に応じて異なった粘度の製品が要求されるので、組成モデルは、３．５から少なくとも２０ｃＳ（１００℃）の範囲の複数の動粘度を組み込む。

異なった粘度からの異なった決定済パラメータを有する類似の組成モデルから誘導される単純な直線内挿によって粘度の相違に対する調節を行うことができる。同じ粗原料から類似の粘度指数に向け処理されたサンプル間の粘度の相違に関するモデルパラメータではなく組成を基準化することによって粘度変化に対して調節することも、より好ましくはないが可能である。選択された温度および粘度での組成が選択された温度および基準温度における粘度間の比のベキ乗（ｐｏｗｅｒ）によって基準化された基準粘度で組成と関連づけられる指数法則に従って、組成ファクターは粘度で基準化（ｓｃａｌｅ）する。この関係において、指数値は、一般に、上述した組成ファクターに関して−２から２まで異なり（測定単位およびおそらく他の実験的に決定されたファクターに応じて）、多くの場合の値は０．１〜１．０の範囲内である。基準化関係における最高の感度は塩基性窒素含有率に関して存在し、最小の感度は、同等の中間順位を占める総芳香族化合物、多環式芳香族化合物（二以上の環）、および硫黄（総硫黄および脂肪族硫黄）に関して存在することが判明した。

組成モデルによって決定された範囲外の粘度の僅かな相違も外挿することが可能である。タイプごとの粘度の単一値を使用するのでなく粘度値の限定された範囲を使用する、例えば、軽質および重質の中性分などの潤滑剤タイプごとの組成モデルを作製することがうまくいくことが見出された。以後に示すように、総合組成モデルは別個の組成モデルを組み込む。

性能パラメータの限界は、特定の製品および対応する粘度に対する工業標準性能試験仕様によって決定される。例えば、軽質中性分から製造された製品の場合、潤滑剤性能を評価できる性能試験の例として以下の性能試験（特定の用途および許容可能性能レベルが伴う）を用いることができる。潤滑剤製造業者の標準要件に従って他の性能試験を用いてもよい。

重質中性分から製造される製品の場合、潤滑剤性能を評価できる性能試験の例として以下の性能試験（特定の用途および合格性能レベルが伴う）を用いることができる。潤滑剤製造業者の標準要件に従って他の性能試験を用いてもよい。

こうした試験は性能試験の技術上当業者に対して知られている。組成モデルを作製する目的において、上述した試験のいずれか一つにより試験される時に潤滑剤製品は、「合格」または「不合格」のいずれかで呼ばれる。

次に、主要組成パラメータに対する性能境界（すなわち、「合格」または「不合格」）を定めることにより良好な潤滑剤性能を示す多次元空間における許容可能領域を決定する。これは、製品用途および粘度の広い範囲にわたって実行される。その後、こうした許容可能領域を組成モデルによって表す。最終結果は、組成モデルが可能なあらゆる基油組成および粘度にわたって潤滑剤性能を予測することを可能にすることである。

総合組成モデルを開発する（工程２２０）ために、最初に、別個の組成モデルを特定の粘度に関して開発する。最寄りのより高い粘度におけるモデルのパラメータと試験粘度より低い最寄りの粘度におけるモデルのパラメータとの間に内挿することにより試験粘度に関するモデルパラメータを見つける。以下は、最初に軽質中性粘度（１００℃の動粘度４．５ｃＳｔ）および重質中性粘度（１００℃の動粘度１２．５ｃＳｔ）について別個の組成モデルを開発することにより総合組成モデルを開発する方法を記載している。粘度との組成の典型的な傾向に従って組成を基準化することにより粘度グレード内のようなこれらの粘度から試験されたサンプルの粘度の小さい相違を説明した。同じ粗原料から生じる粘度との組成の傾向を以下に当てはめることにより当業者は容易にこれらを決定することができる。
基準化された組成＝（１００℃ｙ ＫＶにおける組成）Ｘ（ｙ／基準粘度）＾ｚ。式中、＾は、「〜のベキ乗に対して用いられ」、１００℃における基準動粘度は４．５または１２．５ｃＳｔであり、ｚは一般に０〜１の間である。

上述したことを考慮して、個々の組成モデルに関する許容可能領域の開発（工程２２０）は、あらゆる粘度の基油に関して同じである。同じ粘度範囲の基油を用いる複数の製品配合物について一連の基油を性能試験する。好ましくは、潤滑剤製品配合物の各々は、異なる用途、すなわち、自動車用、油圧用、工業用向けの潤滑剤製品である。本明細書において記載された領域は、配合物ごとの「合格」である点を囲んで描かれるのに対して、こうした領域は「不合格」基油を排除する。

許容可能領域、すなわち、配合物ごとの「合格」である点を囲んで描かれる領域を決定するために用いられる方法は、好ましくは、性能試験データのクラスター分析が関わる技術である。こうした一つの技術は、例えば、シャラフ（Ｍｕｈａｍｍａｄ Ａ．Ｓｈａｒａｆ）、イルマン（Ｄｅｂｏｒａｈ Ｌ．Ｉｌｌｍａｎ）およびコワルスキー（Ｂｒｕｃｅ Ｒ．Ｋｏｗａｌｓｋｉ）のＣｈｅｍｏｍｅｔｒｉｃｓ，Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，Ｉｎｃ．，Ｎｅｗ Ｙｏｒｋ １９８６によって記載されたＳｏｆｔ Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ａｎａｌｙｓｉｓ（ＳＩＭＣＡ）である。ＳＩＭＣＡモデルは、エンジン試験に合格したか合格しなかったかのいずれかであったモデル基油組成を基準にして構成されていた。しかし、ＳＩＭＣＡモデルは、先ず、基油の特性を選別するために用いられる種々の特徴または変数選択技術に依存している。選別技術は、分類モデルに対する最適入力を決定する。合格エンジン試験と不合格エンジン試験との間を決定する変数を選択するために、二つの単変量戦略である分散重みおよびフィッシャーの重みが用いられる。

分散重みは、所定の特性に関するカテゴリー内分散とカテゴリー内分散の合計の比である。それは二つの分布間の距離を近似する。例えば、基油の％芳香族留分に関する全分散は、Ｃａｔｅｒｐｉｌｌａｒ １−Ｇエンジン試験に合格するために計算され、合格試験に関する分散の合計によって除される。ｎ＞２カテゴリーに関する全体の分散重みは、個々のカテゴリー分散重みの幾何平均である。分散重みは以下の式によって与えられる。

式中、
ｗ＝二つのカテゴリーに関する分散重み
ｘ＝基油組成パラメータ、すなわち、硫黄、脂肪族硫黄、塩基性窒素または芳香族分布。
Ｎ＝所定のクラス内のサンプルの数
ＰまたはＦ＝合格データまたは不合格データを表す。

以下は、二つの基油クラスターに関する分散重みの例である。

より大きい数値は、カテゴリーが合格試験と不合格試験との間を判別するより高い可能性を示す。この例において、チオフェンに関する最大数は、それが最も有意であることを示している。こうして、分析において先ず最も有意なカテゴリーの使用を選択することができる。

フィッシャーの重みは、変数の判別用ベキ乗を決定するために、分散の合計で除した二つの分布における平均値間の距離を用いる。結局、ｎ＞２カテゴリーに関するフィッシャーの重みは、個々のカテゴリーのフィッシャー重みの平均である。フィッシャーの重みは、以下によって与えられる。

ＳＩＭＣＡ法は、クラス、すなわち、合格／不合格ごとのモデルを構築するために主成分分析を用いる。因子分析は、クラスごとの有意な化学パターンを計算するために用いられる。有意パターンは主成分として知られている。主成分分析は、データ圧縮のための便利な方法を提供する。それは、データ中のいかなる共直線性も除去して、正規直交基準を基準としたデータ（基油組成）の回転も提供する。主成分は、データ（基油特性）に関する新しい軸組を形成する。

二つの主要な統計的検定であるＦ−検定およびマハラノビスの距離は、組成モデルを評価するために用いられる。Ｆ−検定は、サンプルと主成分によって形成された空間との間の距離を説明する有意の誤差の目安である。マハラノビスの距離は、組成モデルの組成中心からの距離を説明する。Ｆ−検定は、サンプルに関連した誤差が統計的誤差か否か、あるいはサンプルに関連した誤差がデータをモデル化することを主成分ができないことに起因するか否かを決定する。マハラノビスの距離は、予測が組成モデルの外挿であるか否かを示す。

組成モデルは、未知サンプルを各モデルに投影することにより用いられる。モデルごとの化学パターンは新基油に適用される。有意の誤差および各クラスの中心からの距離は、未知サンプルの類似性を決定するための基礎を形成する。未知サンプルは、一つのクラスまたは数クラスに属しうる。

ソフトモデル、すなわち、独立にモデル化されたデータおよび独立モデルのローカルクラスターは、サンプルを正確に予測または分類するために用いられる。例えば、Ｃａｔｅｒｐｉｌｌａｒ１−Ｇ２において合格性能を実証した、例えば、基油組成は一つのクラスターと考えることができる。従って、不合格基油組成はもう一つのクラスターである。合格サンプルは、一つのモデルに関する基礎を形成し、不合格サンプルは第２のモデルに関する基礎を形成する。ＳＩＭＣＡは、クラスター分析を主成分回帰と組み合わせる。この技術は、スーパーバイズドリーミングを含む。組成モデルを構築するために用いられるサンプルは分類されなければならない。

ＳＩＭＣＡは、クラスごとの化学パターンを計算するために主成分分析（ＰＣＡ）を用いる。ＰＣＡは、有意な化学パターンを選択するための統計的基礎を提供する。ＰＣＡは、元のデータを再表現するための技術を提供する。元のデータマトリックス、基油特性Ｘｉは、スコアの直線組合せＬｉ（重み）および固有ベクトルパターンＶｉ^Ｔに分解される。
Ｘｉ＝ＬｉＶｉ^Ｔ （Ａ−３）

マトリックスを分解するために幾つかの技術が利用できる。マトリックスを分解するための一つの技術は、Ｍａｔｒｉｘ Ｃｏｍｐｕｔａｔｉｏｎｓ，２^ｎｄ Ｅｄｉｔｉｏｎ，ｐ．７０，Ｔｈｅ Ｊｏｈｎｓ Ｈｏｐｋｉｎｓ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，Ｂａｌｔｉｍｏｒｅ（１９８９）においてゴルブ（Ｇｏｌｂ）、ジェネ（Ｇｅｎｅ Ｈ）およびローン（Ｃｈａｒｌｅｓ Ｖａｎ Ｌｏａｎ）によって記載された特異値分解、ＳＶＤである。
Ｘｉ＝ＵｉＳｉＶｉ^Ｔ （Ａ−４）

ＳＶＤは、ＳＩＭＣＡモデルを構築するために使用できる二つの直交マトリックスＵおよびＶを提供する。Ｓマトリックスの対角線は、マトリックスＸ^ＴＸの固有値の正の平方根である特異値を含む。特異値は、マトリックスＸのランクの直接的な指標を提供する。用いられる有意成分の数は、特異値から計算された累積分散によって決定される。マトリックスＶは、Ｘの固有ベクトルを含み、固有ベクトルはデータマトリックスＸ中のサンプルに関する化学パターンとして用いられる。ＵｉＳｉのマトリックス乗法はスコアＬｉを与える。
Ｌｉ＝ＵｉＳｉ （Ａ−５）

「当てはめられた」および「予測された」という用語は、基油の種々の種類を識別するために今用いられている。これらの用語は交換可能ではない。「当てはめられた」という用語は、組成モデルを構築するために基油サンプルを用いたことを示している。「予測された」という用語は、基油サンプルが全くの予測であり、組成モデルの構築において基油サンプルを用いなかったことを示している。後続のすべての式は、Ｍａｔｌａｂへの変換を容易にするために、マトリックス計算に基づいている。Ｍａｔｌａｂは、マスワークス（Ｍａｔｈ Ｗｏｒｋｓ，Ｉｎｃ．）（マサツセッチュ州ナチック）から入手できる商用計算ソフトウェアであり、マトリックスに対する特異値分解ＳＶＤのインプレメンテーションを提供する。

ＳＩＭＣＡモデルは、各クラスの有意の誤差を計算することを要求する。主成分分析は、元のデータの多少の誤差フィルタリングを提供する。従って、各基油特性の残差も検査される。有意な誤差は、各成分ボックスの「詰まり具合（ｔｉｇｈｔｎｅｓｓ）」の指標を与える。ＳＩＭＣＡモデルは、各サンプルの有意の誤差を計算するために、測定された基油特性およびそれらの化学パターンまたは固有ベクトルを用いる。有意の誤差は、直線回帰技術を用いて推定することができる。当てはめられた有意の誤差は、観察値Ｘｉと当てはめられた、すなわち、投影されたＸｉ値との間の差として定義される。

Ｘｉの当てはめられた値は、以下から計算することができる。

マトリックスＨは、ハットマトリックスと一般に呼ばれ、観察応答を当てはめられた応答に変換する。Ｈマトリックスは、Ｗｅｉｓｂｅｒｇ，Ｓａｎｆｏｒｄ，Ａｐｐｌｉｅｄ Ｌｉｎｅａｒ Ｒｅｇｒｅｓｓｉｏｎ，２^ｎｄ Ｅｄｉｔｉｏｎ，ｐ．４７，Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，Ｉｎｃ．Ｎｅｗ Ｙｏｒｋ，１９８５によって記載されたように以下から推定される。
Ｈ＝Ｘ（Ｘ^ＴＸ）^−１Ｘ^Ｔ （Ａ−８）

当てはめられた有意の誤差は、以下として再表現することができる。
ｅ＝（１−Ｈ）Ｘ_ｉ （Ａ−９）

その最も有意な主成分に切り捨てられた直交マトリックスＵは、ＳＶＤに付随した重要な投影のための基礎を提供する。
ＵｉＵｉ^Ｔ＝範囲（Ｘ）上への投影 （Ａ−１０）

Ｘの範囲上への投影は、観察応答を当てはめられた応答に変換するための方法を提供する。データマトリックスＸｉのＳＶＤからＸの範囲上への投影は、ハットマトリックスを推定するための主成分基準法を提供する。
Ｈ＝Ｕ_ｉＵ_ｉ ^Ｔ （Ａ−１１）

当てはめられたデータの有意の誤差は、以下の式から推定される。

各クラスの残差分散は以下の式から計算される。

式中、ＮＳはサンプルの数であり、ＮＶは変数（基油特性）の数であり、ＮＣは主成分の数である。

クラス「ｉ」に投影された未知サンプルの有意の誤差Ｘｕは、有意な固有ベクトルおよび特異値から推定される。
Ｕ_ｕ＝Ｘ_ｕＶ_ｉＳ_ｉ ^−１ （Ａ−１４）および

未知サンプルの残差分散は、以下によって推定される。

Ｆ−検定は、サンプルが組成ボックス（体積）外であるか否かを決定するために用いられる。

上で論じたように、ＳＩＭＣＡモデルにおいて用いられる第２の重要な統計量は、ゴードン（Ｇｏｄｏｎ Ａ．Ｄ．），Ｃｌａｓｓｉｆｉｃａｔｉｏｎ，Ｃｈａｐｍａｎ ａｎｄ ｈａｌｌ，１９８１によって記載されたマハラノビスの距離である。この文献は本明細書に引用して援用する。マハラノビスの距離（Ｍ−距離）は、組成モデル空間への投影が外挿であるか否かを示す。Ｍ−距離は以下によって推定される。

共分散マトリックスΓは、共分散マトリックスの不偏推定値であり、それを以下から計算することができる。

共分散マトリックスは、ＸｉのＳＶＤの観点から再表現することができる。

当てはめられたサンプルに関するマハラノビスの距離は以下となる。

ここで、

予測されたサンプルに関するマハラノビス（Ｍ）の距離は同様に以下となる。

従って、Ｍの距離対計算されたＦ値のプロットは、基油組成のグラフによる表現を提供する。最大のＭの距離は、主成分空間の大きさの直接的な目安である。基油サンプルは、組成モデルを構築するために用いられるデータから計算されたＭの距離を超えるべきではない。Ｆ統計量は、サンプルを主成分空間に投影した後に残る残差のタイプを示す。基油サンプルの統計的に有意な数を用いて開発されたモデルに関するＦの小さい値、Ｆが４未満で９５％を超える信頼限界は、基油特性残差が零であることを示す。予測誤差は、分析データの収集に付随する標準誤差に起因する。Ｆ値が４より大きい場合、主成分はデータを正確にはモデル化せず、サンプルは組成モデルに当てはまらない。

総合組成モデルに到達するために、軽質および重質の中性分の両方に関する別個の組成モデルは上述したように構築される。軽質および重質の中性分に関する組成モデルは、上述したものなどのそれぞれの基油の性能試験ごとに上述したプロセスを繰り返すことにより開発される。

図３は、一般に粘度グレードごとの許容可能領域をどのように開発するかの単純な図解である。図３において、同じ粘度グレードの一連の潤滑剤基油の性能を二つの性能試験において測定した。性能試験は、同じ潤滑剤製品配合物または異なる用途、すなわち、自動車油潤滑剤、工業油潤滑剤、船油潤滑剤などに関する製品配合物のいずれかに関して行うことができた。

さらに図３を参照すると、試験ごとの「合格」領域ｘおよびｚは一つのグラフ上にプロットされている。簡単のために、ｘおよびｙは、軽質または重質の中性基油のいずれかによって製造された製品の二つの性能試験のみに関する「合格」領域を表す。重なり「合格」領域は、軽質または重質の中性基油に関するそれぞれの組成モデルを限定する許容可能領域になり、従って、潤滑剤製品の広い範囲の全域での潤滑剤性能を立証する。

例えば、異なる粘度に対する異なる決定済パラメータを有する類似の組成モデルから誘導される単純直線内挿によって粘度の相違に対する調節（工程２３０）をこの時点で行うことができる。組成モデルによって決定された範囲外の粘度の僅かな相違も外挿することが可能である。上述したような粘度との組成の相違の典型的な傾向に従って組成を基準化することにより行われる各粘度グレード内のサンプルの粘度の僅かな相違に対する調節を用いて、タイプごとの粘度の単一値を使用するのでなく粘度値の限られた範囲を使用する、例えば、軽質および重質の中性分などの潤滑剤タイプごとの組成モデルを作製することがうまくいくことが見出された。従って、一旦それぞれの軽質および重質の中性基油に関する組成モデルを開発すると、総合組成モデルは、軽質および重質の中性モデルから中間粘度の基油の許容可能性能領域の正確な内挿を可能にする。内挿は、もう一つの操作によって行われる。

組成モデルを内挿するために、次の組成モデル化原則を用いる。二つの許容可能な軽質および重質の中性分のブレンドとしてその組成を模擬することが可能である場合、中間粘度の基油は承認される。

本発明の一つの実施形態において、組成モデルは、許容可能領域を定めるために長円または楕円を用いるが、他の幾何学的図形を用いることもできる。例えば、許容可能性能領域と呼ばれる「楕円」の主成分両端の単純直線内挿は、あらゆる粘度において異なる長円を用いるように使用できよう。しかし、直交軸の直線内挿は直交ではなく、主成分の必要な特性は失われるであろう。

従って、内挿は、楕円を徐々に回転させ、特異値スケールにより楕円軸を膨張／収縮させつつ、一つの楕円をもう一つの楕円に「モーフィング」する、すなわち、粘度の関数として長円の中心を直線的に移動させることにより実行される。これは、組成モデルが同じ「空間」内であり、それらが同じ数の主成分を有する場合に達成することができる。

マトリックス表示法において、スクエア非対称回転変形マトリックスＴが存在し、平均中心直交−正規主成分のマトリックスＶ_０に適用されるＴは、もう一つのモデルＶ_１の正規直交主成分に対して厳密にＴを回転させる。
ＴＶ_０＝Ｖ_１ （Ｂ１）
Ｖ_０が直交−正規であるので、Ｔは、以下として単純に表現される。
Ｔｖ_０Ｖ_０＝Ｔ＝Ｖ_１Ｖ_０ （Ｂ２）

モデル０とモデル１との間の中間軸は、Ｔの部分回転として表現することが可能である。幸いにも、うまく開発された行列代数が部分変換に関して存在する。モデル０（軽質中性）に関してｚ＝０、モデル１（重質中性）に関してｚ＝１と定義するなら、回転軸Ｖｚのどの中間組も、以下として表現することが可能である。
Ｖｚ＝Ｔ^ＺＶ_０＝ＥＤ^ＺＥＶ_０ （Ｂ３）
式中、Ｔ^Ｚは、Ｔｓ固有分析ＴＥ−ＥＤから計算される、Ｔのｚマトリックスパワーであり、ここでＥは、直交−正規であり、Ｄは対角線であり、Ｄ^Ｚも対角線であり、Ｄの対角線要素はｚ乗（ｐｏｗｅｒ）に上げられる。Ｔが対称ではないので、ＥとＤの両方は、複素数代数を必要とする、複合固有ベクトル−固有値の共役対を含む。

別の複雑化の要因は、所定のＶ_１およびＶ_０に関するＶｚを計算する前に対処される必要がある。一つはキラリティであり、他はアラインメントである。キラル物体は互いの鏡像である。従って、キラル物体をその鏡像に回転させることは不可能である。同様に、多次元空間における一組の直交ベクトルは、特定の特徴、あるいはキラリティに似ている「方向（ｓｅｎｓｅ）」を有する。中間工程においてベクトルを仮想平面に劇的に変形しない唯一の有効回転は、同じキラリティまたは方向によりベクトル組の間で変換する回転である。従って、この問題を克服するために、中間変換ベクトルＶ_０.５が実平面内になるまで、Ｖ_１カラムは−１で乗算される。

アラインメントである最後の複雑化の要因は、実平面における可能なすべての回転を計算し、ｚ変化の関数として最小角度変化を伴う回転を見つけるまで、第１の主成分、第２の主成分・・・第Ｎの主成分に関するそれらの回転「距離」を比較することにより解決される。

一旦適切な回転を見つけると、成分モデルパラメータの残りは、それに応じて内挿される。平均、軸スケーリングおよびマハラノビスの距離は直線的に内挿される一方で、ｆ−比および残差分散は二次的に内挿される。

この技術は、それぞれ重質または軽質の中性分より高いか低い粘度グレードに拡張することが可能である。例えば、ブライトストック（すなわち、約３０センチストークスのＶＩ）に関する組成モデルを開発することによって、当業者は、重質中性分とブライトストックとの間の粘度範囲にわたって容易に内挿することが可能である。

すべての粘度の製品に関する製品性能の予測を行い、予測をそれらの粘度で実性能と比較する。組成モデルを開発した粘度間の粘度における予測の正確さが組成モデルを開発した粘度における正確さより劣る場合、正確さが満足になるまで追加の組成モデルをより多くの粘度で開発することが可能である。一旦複数の製品、例えば、ＰＶＬ、ＣＶＬ、船用および工業潤滑剤の全域で総合組成モデルを決定すると、総合組成モデルは、各最終製品配合物の性能レベルを必然的に組み込んでいる。従って、いかなる種類の方法によっても選択され、いかなる粘度も有し、その潤滑剤性能が最終潤滑剤製品配合物において未知であるいかなる潤滑剤基油も、主要な組成パラメータの化学的濃度について分析だけはされなければならない（工程２４０）。一旦組成モデルに照らして評価されると、潤滑剤基油は、許容可能領域に入るか、入らないかのいずれかである。従って、組成モデルは、潤滑剤基油がすべての潤滑剤製品中で用いるために許容可能であるか、少なくとも現在の形態を取って、潤滑剤として用いるために許容可能でないかどうかを予測する。

図４は、軽質および重質の中性モデルに関する許容可能組成領域から成る組成モデルを示している。軽質および重質の中性組成モデルに関する許容可能領域間に相当な重なりが存在する一方で、これは、組成モデルを使用するための最も有効なやり方ではない。そうでなく、組成モデルを使用するための最も有効なやり方は、総合組成モデルが極値間の粘度に対して合理的なすべての内挿を用いるような総合的な形態を取ることである。軽質および重質の中性分の両方が所定の粗原料から生成するので、図４に示した組成モデルは、複数の粘度に関する組成モデルによって決定されるような許容可能領域において重なりが存在するかぎり、多くの潜在的な粗原料が複数の粘度にわたって潤滑剤製品用に用いるために適することを示している。しかし、より低い硫黄および芳香族化合物領域は、軽質中性分のために許容可能であるが、重質中性分のために許容可能ではない。図示したように、こうした領域は、一般に、良好なＳｅｑｕｅｎｃｅ ＶＥ、Ｍａｃｋ Ｔ−８およびＣＥＯ Ｃａｔｅｒｐｉｌｌａｒ１Ｍ−ＰＣ性能をもたらす。

上述したように、組成モデルは、良好な潤滑剤を産出することが知られている潤滑剤基油組成に基づいている。本発明の他の実施形態において、組成モデルによって「不合格」と呼ばれた基油組成に対して選択肢が利用できる。例えば、本発明の一つの実施形態において、「不合格」サンプルは、許容可能組成を生じるために「合格」した基油とブレンドすることが可能である。この実施形態は、図５において示されている。

図５は、組成パラメータとして全硫黄に対する全芳香族化合物の濃度を用いた軽質中性分に関する組成モデルの許容可能領域の概略的な二次元の表現を示している。複数の粗原料の軽質中性基油を全芳香族化合物および全硫黄の相対濃度に従ってグラフ上でプロットしている。粗原料の一部は、その組成成分が組成モデルの許容可能領域内に入る軽質中性分を生成するが、一部は生成しない。しかし、許容可能領域に入らない軽質中性分は、許容可能領域に入る基油組成とブレンドすることが可能である。ブレンドしようとする二種以上の基油間の組成が相補的である場合のみ基油組成をブレンドすることが可能である。例えば、図５において、粗原料Ｊから生成した軽質中性基油は、多い量の芳香族化合物および高濃度の全硫黄を含有している。粗原料Ｊから生成したこうした基油は、総合製品が組成モデルによって予測された十分に許容可能領域内であるようにより低いレベルの全芳香族化合物および硫黄を含有する、例えば、粗原料Ｄから生成した軽質中性基油とブレンドすることができた。組成パラメータの濃度を知ることにより、その組成パラメータが許容可能領域内である生成基油組成を達成するために必要とされる各基油の量の計算が可能となる（工程２７０および２８０）。

二つの「不合格」基油もこうして混合することが可能である。但し、その組成パラメータが組成モデルの予測された許容可能領域に入る基油をそれらの混合物がもたらすようにそれらの組成が相補的であることを条件とする。再び図５を参照すると、例えば、粗原料Ａから生成した軽質中性基油を粗原料Ｘからの軽質中性基油と混合して、「合格」軽質中性基油ＡＸを生成させることが可能である。それに反して、粗原料Ａから生成した軽質中性基油を粗原料Ｙからの軽質中性基油と混合して、「合格」混合物を生成させることはできない。各基油の組成の偏りが「合格」生成基油を達成するためには十分に不都合なためである。

組成モデルは、既知の精製データを潤滑剤性能の予測と一体化することを可能にする。例えば、世界の粗原料から生成した基油の組成を当業者による従来の分析技術によって容易に決定することができる。従って、選択された粗原料または選択された基油の精製データのいずれかを知ることによって、選択された粗原料または基油を組成モデルによって予測された許容可能領域内に精製できるか否かを決定することが可能となる（工程２８５）。粗原料の場合、選択された粗原料の精製データを知ることによって、選択された粗原料を精製して、その組成が組成モデルによって予測された許容可能領域内である基油を生成させることができるか否かを決定することが可能となる。例えば、溶媒抽出、例えば、フルフラール抽出（図１の工程１４０）の過酷性が高まるにつれて、基油を溶媒抽出する時に例えば、全芳香族化合物および脂肪族硫黄などの特定の主要組成成分が減少することは潤滑剤製造の技術上知られている。

この抽出工程において、いかなる商用精油所抽出プロセスも用いることができるが、通常は、抽出プロセスは連続フロープロセスである。殆どの連続フロー商用プロセスにおいて、多数のミキサーが内部にある容器の下方部分に油を導入する。多数のミキサーによって精油所は抽出の過酷性を制御することが可能となる。溶媒を容器の頂上付近に導入する。溶媒は、一般に、ベンゼン、フルフラール、プロパン、フェノールまたはＮ−メチルピロリドンなどと混合した液体二酸化硫黄である。フルフラール抽出は好ましい。その後、溶媒は、容器の底に向けて進み、進んで行くにつれてエキストラクトを溶解する。残りの溶媒−精製ストック、すなわち、ラフィネートは、容器の頂上に上昇し、そして溶媒含有エキストラクトから分離される。

さらに、硫黄および他のヘテロ原子を基油から除去するために、水素処理（図１の工程１８０）も用いることが可能である。いかなる商用精油所水素処理方法も用いることができる。殆どの商用水素処理運転は、２６０〜４２５℃の温度で基油のストリームを水素と混合することを伴う。その後、必要な反応が起きることができるように、水素と混合された油を触媒が充填された容器に投入する。その後、油をフラッシュ槽に送って、接触反応中に生成し得た硫化水素などの無機ヘテロ原子および一切の軽質炭化水素を除去する。

図６において組成パラメータとしての全硫黄に対する全芳香族化合物の濃度を用い軽質中性組成モデルを基準にして、例えば、軽質中性基油に及ぼす商用抽出プロセスの効果を示している。基油を精製して許容可能領域内の組成を生じさせることが可能か否かを決定するために、異なった粗原料から生成した一連の基油をプロットして、基油に及ぼす抽出過酷性の効果を示している。粘度指数（ＶＩ）に及ぼす抽出プロセスの効果も示している。ここで、特定の粗原料から生成した基油が、例えば、粗原料Ｋによって生成した基油のように、組成モデルによって予測された許容可能領域外であるように高い濃度の例えば、全芳香族化合物および全硫黄を有する場合、組成モデルによって予測された許容可能領域に組成が入る点まで基油をさらに精製できる（工程２９０）ことは明らかである。同様に、抽出された基油を上述したように混合して、組成モデルによって予測された許容可能領域内の組成を生じさせることが可能である。

多くの異なる粗原料の精製の効果は、こうした粗原料から生成した基油の組成に基づいてブレンドパラメータの予測を行うことを可能にすることができる。同様に、例えば、図１に示したストリームなどの精油所内のあらゆるストリームの組成および粘度を知ると、組成を予測し、ブレンドすることができ、それはモデルによって決定された許容可能領域内の組成を有する基油にさらに精製する。

溶媒であろうと水素処理であろうと、精製の変化に応じて決まる組成変化はよく知られており、既知の粗原料源から適する精油所ストリームを選択する目的および適する粗原料自体を選択する目的のためにそれを容易にモデル化することができる。特に、例えば、蒸留、溶媒抽出、脱蝋および水素処理などの単位プロセスの効果を本理解によりモデル化し使用することができる。このモデル化には、芳香族化合物のレベルおよびタイプ、硫黄のレベルおよびタイプ、窒素のレベルおよびタイプのような要素が含まれ、必要に応じて他のものを含めることができる。単位プロセスの効果は、蒸留カットポイント、溶媒の使用量および温度、接触時間、脱蝋の適用量および温度分布、水素圧力、温度、触媒タイプ、転化率および水素処理速度のようなパラメータを含むべきである。

ここで図７を参照すると、本発明の一つの実施形態において付属メモリー８０５を有するコンピュータまたはプロセッサー８０３で、上述したように開発された組成モデル８０１を走らせているのが見られる。プロセッサー８０３およびメモリー８０５は、本発明の精神と範囲を逸脱しなければ、それぞれ適切ないかなるプロセッサーおよびメモリーであってもよい。例えば、プロセッサーは、ＰＣベースまたはメインフレームベースであってもよく、メモリーは、ＲＡＭ、ＲＯＭ、あるいはハードドライブなどの適切ないかなる記憶装置であってもよい。

さらに図７を参照すると、組成モデルは、一般に、基油８０７または複数の基油８０７（ブレンドの場合）を表すデータまたは粗原料８０９または複数の粗原料８０９（ブレンドの場合）を表すデータを入力として受信する。粗原料（複数を含む）８０９を表すデータに関して、モデルは、特定の粗原料（複数を含む）８０９の精製データ８１０を表すデータも入力として受信する。一般に、組成パラメータは、実際上、基油（複数を含む）の場合に入力されるか、あるいは粗原料（複数を含む）の場合に予測される。一般に、組成パラメータに関する適切な情報は、基油（複数を含む）の場合にメモリー８０５に貯蔵されているアッセイデータとして入手できる。粗原料の場合、こうした組成パラメータは、これもメモリー８０５に貯蔵されている工業データのライブラリーから予測することができる。一旦こうしたデータを用いて提示されると、組成モデルは、入力された基油（複数を含む）８０７または粗原料（複数を含む）８０９が上述した方法により許容可能であるか否かを予測すると共に、適切な出力８１１を提供する。

Claims (35)

1. 複数の潤滑剤基油に共通していると共に各々が基油に対して量が異なる複数の組成成分により特徴づけることが可能である潤滑剤基油であって、特定の用途向けの潤滑剤の製造用の潤滑剤基油の、潤滑剤性能を予測する方法であって、
   複数の用途向けの潤滑剤性能を組合せで立証する潤滑剤基油中の複数の組成成分の特定の一つを識別する工程と、
   粘度が異なる複数の潤滑剤製品に関する複数の性能試験から二つ以上の粘度で識別済組成成分の組合せに関する許容可能範囲を決定して各粘度での組成モデルを定める工程と、候補潤滑基油中の識別済組成成分の量を決定して、候補潤滑基油の粘度で組成成分の許容可能範囲を組合せで誘導する工程と、
   候補潤滑基油中の各識別済成分の組合せた量が識別済成分に関する許容可能範囲内であるか否かを決定する工程とを含む方法。
2. 前記識別済成分ごとの決定済許容可能範囲が、他のいかなる識別済成分からも独立している許容可能範囲およびもう一つの識別済成分の許容可能範囲に相互に関係している許容可能範囲から成る群から選択される請求項１に記載の方法。
3. 前記識別工程が、塩基性窒素、硫黄、脂肪族硫黄、芳香族化合物およびそれらの混合物から成る群から組成成分を選択することを含む請求項１に記載の方法。
4. 前記識別済組成成分の組合せに関する許容可能範囲を粘度が異なる複数の潤滑剤製品に関する複数の性能試験から二つ以上の粘度で決定して各粘度で組成モデルを定め、候補潤滑剤基油の値とは異なる粘度値で少なくとも二つの成分モデルからの成分モデルのパラメータの調節によって、選択された粘度の値とはその粘度が異なる潤滑剤基油に関する粘度の相違に対して調節を行って、候補潤滑剤基油の粘度で組成成分の組合せ許容可能範囲を誘導する請求項１に記載の方法。
5. 候補潤滑剤基油の粘度より高い最寄りの粘度での組成モデルに関する組成モデルパラメータと候補潤滑剤基油の粘度より低い最寄りの粘度での組成モデルパラメータとの間の組成モデルパラメータの内挿によって粘度の相違に対する調節を行う請求項４に記載の方法。
6. 次により高い粘度値および次により低い粘度値での組成モデルの少なくとも一つの組成モデルに関する組成モデルが、粘度による組成の相違を基準化することによって行われる粘度グレード内の粘度の相違に対する調節と合わせて粘度グレードに関する相違を用いて作製される請求項５に記載の方法。
7. 複数の潤滑剤基油が、識別済成分ごとの許容可能範囲内で実施する最終潤滑剤組成中で用いられるべき組合せを定めるために組み合わせる複数の選択された基油の各々の必要な量を決定することにより、かつ最終潤滑剤組成を形成するために必要な量の必要な選択された各基油をブレンドすることにより、特定の用途向けの潤滑剤の製造用の複数の潤滑剤基油の中から選択される請求項１に記載の方法。
8. 前記潤滑剤基油が、前記方法によって行われる決定に従って多くの潤滑剤基油から選択される請求項１に記載の方法。
9. 前記潤滑剤基油が、特定の用途向けの選択された基油に対して許容可能である組成をもたない二つの基油の二成分ブレンドから選択される請求項１に記載の方法。
10. 複数の潤滑剤基油に共通していると共に各々が各基油に対して量が異なる複数の組成成分により特徴づけることが可能である潤滑剤基油のためにそれぞれが有用であることが可能である石油精油所ストリームであって、特定の潤滑剤用途向けの潤滑剤基油の製造用の複数の石油精油所ストリームの中から石油精油所ストリームの組合せをブレンドする方法であって、
    特定の用途向けの潤滑剤性能を組合せで立証する基油中の複数の組成成分の特定の一つを識別する工程と、
    粘度が異なる複数の潤滑剤製品に関する複数の性能試験から少なくとも二つの粘度で識別済組成成分の組合せに関する許容可能範囲を決定し、よって少なくとも二つの粘度の各々において組成モデルを定める工程と、
    候補潤滑基油の粘度で組成成分の許容可能範囲を組合せで誘導する工程と、
    複数の精製ストリームから精製しようとする潤滑剤基油に関する識別済組成成分の量を識別する工程と、
    特定の用途向けの前記識別済成分に関する許容可能範囲内で識別済成分の組合せによりストリームのブレンドの組成を決定する工程と、決定済組成によりストリームをブレンドする工程とを含む方法。
11. 前記候補潤滑剤基油の値とは異なる粘度値での少なくとも二つの組成モデルからの組成モデルのパラメータの調節により、二つの粘度の値とはその粘度が異なる潤滑剤基油に関する粘度の相違に対して調節を行う請求項１０に記載の方法。
12. 前記識別済成分に対する基油のブレンド済組合せの組成が特定の用途向けの基油用の前記識別済成分に関する許容可能範囲内であるように、選択された基油のブレンドのための組成を決定し、該ブレンドのために決定された組成により基油をブレンドすることを含む、いずれも選択された潤滑剤基油として許容可能でない複数の潤滑剤基油をブレンドして特定の用途向けの潤滑剤基油を製造する請求項１０に記載の方法。
13. 前記ブレンドが、特定の用途向けに選択された基油に対して許容可能である組成をもたない二つの基油の二成分ブレンドである請求項１２に記載の方法。
14. 特定の用途向けに選択された基油に関して許容可能ではない基油の組成が、識別済成分の少なくとも一つに対して相補的である請求項１３に記載の方法。
15. 選択された基油に関して許容可能ではない基油の少なくとも一つが、識別済成分の少なくとも一つの量が選択された基油中の前記成分に関する許容可能範囲を下回ると共に、相補的組成を有する基油中の少なくとも一つの成分の前記量が前記成分に関する許容可能範囲を上回る組成を有する請求項１４に記載の方法。
16. 前記候補潤滑剤基油の粘度より次に高い粘度での組成モデルに関する組成モデルパラメータと前記候補潤滑剤基油の粘度の次に低い粘度での組成モデルパラメータとの間の組成モデルパラメータの内挿によって粘度の相違に対する調節を行う請求項１１に記載の方法。
17. 前記候補潤滑剤基油の粘度より次に高い粘度での組成モデルに関する組成モデルパラメータと前記候補潤滑剤基油の粘度の次に低い粘度での組成モデルパラメータとの間の組成モデルパラメータの内挿によって粘度の相違に対する調節を行う請求項１６に記載の方法。
18. 前記候補潤滑剤基油の粘度とは異なる粘度での組成モデルパラメータからの組成モデルパラメータの外挿によって粘度の相違に対する調節を行う請求項１６に記載の方法。
19. 前記識別済成分ごとの決定済許容可能範囲が、他のいかなる識別済成分からも独立している許容可能範囲およびもう一つの識別済成分の許容可能範囲に相互に関係している許容可能範囲から成る群から選択される請求項１０に記載の方法。
20. 前記ストリームのブレンドの組成の決定が、ストリームの組成と、識別済成分によってストリームの組成を潤滑剤基油の組成と相関させる精製処理モデルとにより行われる請求項１３に記載の方法。
21. 基油および精油所ストリームに共通していると共に各々が異なる潤滑剤基油および異なる精油所ストリームに対して量が異なる複数の組成成分により特徴づけることが可能である潤滑剤基油および精油所ストリームであって、精製することにより石油精油所ストリームから特定の用途向けの潤滑剤の製造用の潤滑剤基油を製造する方法特定の用途向けの潤滑剤性能を組合せで立証する基油中の複数の組成成分の特定の一つを識別する工程と、
    複数の異なる粘度を有する複数の潤滑剤製品に関する複数の性能試験から二つ以上の粘度で識別済組成成分の組合せに関する許容可能範囲を決定し、よって二つの粘度の各々において組成モデルを定める工程と、
    特定の用途において許容可能性能に関して潤滑剤基油のために選択された粘度で基油において必要とされる識別済成分の量を決定する工程と、
    前記識別済成分に関して許容可能範囲内ではない精油所ストリーム中の識別済成分の組合せ量を決定する工程と、
    特定の用途において潤滑剤基油の許容可能性能に関して組成範囲内の識別済成分を組合せでもつ潤滑剤基油を製造するために精油所ストリームを精製する工程とを含む方法。
22. 前記候補潤滑剤基油の粘度で組成成分の許容可能範囲を組合せで誘導するために、前記候補潤滑剤基油の値とは異なる粘度値での二つの組成モデルからの組成モデルのパラメータの調節により、二つの粘度の値とはその粘度が異なる潤滑剤基油に関する粘度の相違に対して調節を行うことを含む請求項２１に記載の方法。
23. 前記識別済成分ごとの決定済許容可能範囲が、他のいかなる識別済成分からも独立している許容可能範囲およびもう一つの識別済成分の許容可能範囲に相互に関係している許容可能範囲から成る群から選択される請求項２１に記載の方法。
24. 前記識別工程が、塩基性窒素、硫黄、脂肪族硫黄、芳香族化合物およびこれらの成分の混合物から成る群から組成成分を選択することを含む請求項２１に記載の方法。
25. 前記精油所ストリームが、潤滑剤基油の必要な組成のストリームの組成と、精油所ストリームおよび基油の識別済成分によってストリーム組成を潤滑剤基油の組成と相関させる精製処理モデルとにより精製される請求項２１に記載の方法。
26. 精油所ストリームが原油またはガスオイルである請求項２１に記載の方法。
27. 単位減法精製運転の変化に応じて決まる組成変化を説明する単位減法精製から成る精製プロセスモデルに原油を供する請求項２５に記載の方法。
28. 前記候補潤滑剤基油の粘度より次に高い粘度での組成モデルに関する組成モデルパラメータと前記候補潤滑剤基油の粘度の次に低い粘度での組成モデルパラメータとの間の組成モデルパラメータの内挿によって粘度の相違に対する調節を行う請求項２１に記載の方法。
29. 次のより高い粘度値および次のより低い粘度値での組成モデルの少なくとも一つに関する組成モデルが、粘度による組成の相違を基準化することにより行われる粘度グレード内の粘度の相違に対する調節と合わせて粘度グレードに関する相違を用いて作製される請求項２８に記載の方法。
30. 前記候補潤滑剤基油の粘度とは異なる粘度の組成モデルパラメータからの組成モデルパラメータの外挿によって粘度の相違に対する調節を行う請求項２１に記載の方法。
31. いずれの精製ストリームも選択された潤滑剤基油に向け許容可能精製条件下で精製することが可能ではなく、各識別済成分の組合せ量が特定の用途向けの識別済成分に関する許容可能範囲内である潤滑剤基油に向けブレンド済組合せが精製するようにブレンド済精製ストリームに関する組成が決定され、ストリームを決定済組成によりブレンドする請求項２１に記載の方法。
32. 前記ストリームのブレンドの組成の決定は、ストリームの組成と、識別済成分によってストリームの組成を選択された潤滑剤基油の組成と相関させる精製処理モデルとにより行われる請求項３０に記載の方法。
33. 複数の用途向けの潤滑剤性能を立証する基油中の複数の組成成分の特定の一つを識別する工程と、
    複数の異なる粘度を有する複数の潤滑剤製品に関する複数の性能試験から二つ以上の粘度で識別済組成成分の組合せに関する許容可能範囲を決定し、よって二つの粘度の各々において組成モデルを定める工程と、
    候補潤滑剤基油の粘度で組成成分の許容可能範囲を組合せで誘導するために、二つの粘度の値とはその粘度が異なる潤滑剤基油に関する粘度の相違に対して調節する工程と、
    候補基油中の識別済組成成分の量を決定する工程と、候補基油中の各識別済成分の量が前記識別済成分に関して許容可能範囲内であるか否かを決定する工程から成る工程を実施するためのコンピュータインプレメンテーションインストラクションを有するコンピュータ可読媒体の、基油のすべてに共通していると共に各々が各基油に対して量が異なる複数の組成成分により特徴づけることが可能である潤滑剤基油であって、特定の用途向けの潤滑剤の製造用の複数の基油の中から基油を選択する方法と関連した用途。
34. 前記候補潤滑剤基油の粘度で組成成分の許容可能範囲を組合せで誘導するために、前記候補潤滑剤基油の値とは異なる粘度値で少なくとも二つの組成モデルからの組成モデルのパラメータの調節により、少なくとも二つの粘度の値とはその粘度が異なる潤滑剤基油の粘度の相違に対して調節する工程を実施するためのコンピュータインプレメンテーションインストラクションを有するコンピュータ可読媒体の請求項３３に記載の用途。
35. 前記候補基油として基油の一つを選択する工程と、
    前記候補基油中の識別済組成成分の量を決定する工程と、
    前記候補ストック中の各識別済成分の量が識別済成分に関する許容可能範囲内であるか否かを決定する工程からさらに成る工程を実施するためのコンピュータインプレメンテーションインストラクションを有するコンピュータ可読媒体の請求項３４に記載の用途。

Images