JP2021051769A - 供給組成を推測するためのデータクレンジングシステムおよび方法 - Google Patents
供給組成を推測するためのデータクレンジングシステムおよび方法 Download PDFInfo
- Publication number
- JP2021051769A JP2021051769A JP2020206767A JP2020206767A JP2021051769A JP 2021051769 A JP2021051769 A JP 2021051769A JP 2020206767 A JP2020206767 A JP 2020206767A JP 2020206767 A JP2020206767 A JP 2020206767A JP 2021051769 A JP2021051769 A JP 2021051769A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- data
- cleansing
- unit
- equipment
- 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 128
- 239000000203 mixture Substances 0.000 title claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 97
- 230000007613 environmental effect Effects 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000003745 diagnosis Methods 0.000 claims abstract description 12
- 239000000047 product Substances 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 31
- 238000004088 simulation Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 230000003862 health status Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000011112 process operation Methods 0.000 claims description 4
- 239000012467 final product Substances 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000004508 fractional distillation Methods 0.000 description 4
- 238000011545 laboratory measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000007670 refining Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003463 adsorbent Substances 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0216—Human interface functionality, e.g. monitoring system providing help to the user in the selection of tests or in its configuration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
Abstract
【課題】実験室データに実質的に依存することなく、環境因子を使用して、プラントオペレーションに関する早期検出および診断を実施する改善されたデータクレンジングシステムおよび方法を提供する。【解決手段】データクレンジングユニットは、少なくとも1つの環境因子に基づいて、プラントのオペレーションに関する早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施し、プラントデータに基づいて、プラントのオペレーション中の機器のエラーを検出するために、供給情報と生成物情報との間の相違を表すオフセット量を計算し、評価する。供給推定ユニットは、計算されたオフセット量に基づいて、機器と関連付けられた供給組成を推定し、エラーを検出するために、少なくとも1つの環境因子に基づいて、計算されたオフセット量を評価する。【選択図】図1
Description
[0001]本出願は、全体として参照により本明細書に援用される2015年3月30日に出願された米国仮特許出願第62/140,043号の、米国特許法第119条(e)に基づく優先権を主張する。
[0002]本発明は、化学プラントまたは精製所などのプラントのためのデータクレンジングプロセスに関し、より詳細には、供給組成を推測するためにデータクレンジングプロセスを実施するための方法およびシステムに関する。
[0003]精製所および石油化学プラントを運用する会社は、通例、今日の環境における厄介な課題に直面する。これらの課題は、利ざやを損なうこと、次第に複雑化する技術、作業員の経験レベルの低減、および絶えず変化する環境規制を含み得る。
[0004]その上、供給価格および生成物価格がより不安定になるにつれて、オペレータは、彼らの利ざやを最適化し得る業務上の意思決定を行うことがより困難であるとしばしば感じる。この不安定さは、予見できる将来に緩和する可能性は低いが、市場機会が生じたときにそれを素早く識別し、反応できる会社に対しては、経済的潜在性を意味することができる。
[0005]資本市場からの圧力は、一般に、事業会社に既存の資産に対する利益を間断なく増大させることを強いる。それに応じて、触媒、吸着剤、機器、および制御システムのサプライヤは、資産のパフォーマンスを増大させることができる、より複雑なシステムを開発する。これら高度なシステムのメンテナンスおよびオペレーションは、一般に、今日の技術者の時間的圧力および制限されたリソースを考慮に入れると、開発、維持、および移転が困難になり得るスキルレベルの増大を要する。これは、これらの次第に複雑化するシステムが、その最高の潜在力に対して常に運用されるわけではないことを意味する。加えて、既存の資産が、その設計限界の近くおよび設計限界を越えて運用されるときには、信頼性の懸念およびオペレーション上のリスクが増大する可能性がある。
[0006]プラントオペレータは、典型的には、上記の課題に、例えば可用性リスク低減などの、いくつかの戦略のうちの1つまたは複数で応答し、価格連鎖および継続的な経済的最適化に取り組む。可用性リスクの低減は、一般に、経済的パフォーマンスを最大化することとは対照的に、妥当なプラントオペレーションを達成することに重点を置く。価格連鎖に取り組むことは、典型的には、供給および生成物のミックスと、資産能力および市場の需要との一致を改善することに重点を置く。継続的な経済的最適化は、プラントのパフォーマンスの経済上およびオペレーション上のギャップを継続的に監視し、埋めるために、ツール、システム、およびモデルをしばしば用いる。
[0007]典型的なデータクレンジングプロセスでは、流量計だけが補正される。データクレンジングは、流量計の較正および流体密度の変化を補正するために実施され、その後、質量バランスの包絡線における流量計の全エラーは、正味の供給流量と正味の生成物流量との間の質量バランスを強制的に100%にするために平均化される。しかし、この従来のデータクレンジングの手法は、利用可能な他の関連プロセス情報(例えば、温度、圧力、および内部流量)を無視しており、重大なエラーの早期検出を考慮に入れない。具体的には、流量計に関連するエラーは、流量計間に分散され、したがって、具体的な流量計のエラーを検出するのは困難である。
[0008]典型的には、プラント測定値は、継続して収集されるセンサデータ、ならびに、断続的にサンプル化され、実験室解析のために実験室に届けられる検査室測定値を含む。このように、実際の運用データに基づいてプラントパフォーマンスを評価するとき、実験室解析後に実験室から戻されるプラント実験室データを受信する際のタイムラグにより、プラントのオペレーションの健康の状態を決定することはしばしば困難である。
[0009]多くの場合、実験室データは、1日または1週に1回などのまばらな時間間隔で収集されるので、その間の実験室データは入手することができず、したがって本質的に古くなる。まばらに更新される実験室データのために、プラントオペレータはしばしば、最後の実験室データのセットがまだ現行の運用データに適していると仮定して、実験室データの最後の利用可能なセットをパフォーマンス評価のために使用する。最後の実験室データのセットはプラントパフォーマンスの評価時には信頼できないことがあるので、この仮定は、往々にして誤りを招き、適していない。
[0010]したがって、実験室データに実質的に依存することなく、環境因子を使用して、プラントオペレーションに関する早期検出および診断を実施する改善されたデータクレンジングシステムおよび方法が必要である。
[0011]本発明の全体的な目的は、化学プラントおよび精製所のオペレーションの効率性を改善することである。本発明のより具体的な目的は、上述の問題のうちの1つまたは複数を克服することである。本発明の全体的な目的は、プラントのオペレーションを改善するための方法を通じて、少なくとも部分的に成就され得る。方法は、プラントオペレーション情報をプラントから取得することを含む。
[0012]本発明は、プラントオペレーション情報をプラントから取得すること、およびプラントプロセスモデルを、プラントオペレーション情報を使用して生成することを含む、プラントのオペレーションを改善するための方法をさらに包含する。本発明は、プラントのオペレーションを改善するための方法をさらに包含する。方法は、プラントオペレーション情報をインターネットで受信すること、およびプラントオペレーション情報を使用してプラントプロセスモデルを自動的に生成することを含む。
[0013]本発明は、強化されたデータクレンジングプロセスを実施して、1つまたは複数の環境因子に基づいて、測定値エラーの早期検出および診断を可能にする。環境因子は、少なくとも1つの1次因子、および任意選択の2次因子を含む。1次因子は、例えば、温度、圧力、供給流量、生成物流量、および同様のものを含む。2次因子は、例えば、密度、具体的な組成、および同様のものを含む。1次因子および2次因子を使用して、測定値とプロセスモデル情報との間の少なくとも1つのオフセットが計算される。オフセットは、利用可能なプラントオペレーションデータと一致する供給組成を推測するために使用されてよい。
[0014]本発明は、構成されたプロセスモデルを使用して、個別のプロセスユニット、オペレーティングブロック、および/または完全な処理システム内の測定値を照合する。実際に測定された値に対するモデルの予測された値の定期的で頻繁な分析は、オペレーションへのインパクトを最小化するように作用され得る、測定値エラーの早期識別を可能にする。
[0015]本発明は、以下の装置、すなわち、圧力センサ、差圧センサ、オリフィス板、ベンチュリ、他の流量センサ、温度センサ、静電容量センサ、重量センサ、ガスクロマトグラフ、湿度センサ、ならびに、当技術分野で周知のように、精製業および石油化学産業でよく見られる他のセンサのうちのいずれかからのプロセス測定値を利用する。さらに、本発明は、ガスクロマトグラフ、液体クロマトグラフ、蒸留測定、オクタン測定、ならびに、精製業および石油化学産業でよく見られる他の検査室測定からのプロセス検査室測定値を利用する。
[0016]プロセス測定値は、以下のプロセス用機器、すなわち、ポンプ、コンプレッサ、熱交換器、加熱炉、コントロールバルブ、分留塔、反応炉、ならびに、精製業および石油化学産業でよく見られる他のプロセス用機器のうちのいずれかのパフォーマンスを監視するために使用される。
[0017]本発明の方法は、好ましくはウェブベースのコンピュータシステムを使用して実装される。このプラットフォーム内で作業プロセスを実行する恩恵は、経済的機会を識別し、捕える、オペレーションによる増大された能力による改善されたプラントの経済的パフォーマンス、パフォーマンスのギャップを埋める維持された能力、従業員の専門知識を活用する増大された能力、および改善されたエンタープライズチューニングを含む。本発明は、高度なコンピューティング技術を他のパラメータと組み合わせて使用して、精製所および石油化学設備などのプラントが運用される手段を変化させることに関する、新しくかつ革新的な手段である。
[0018]本発明は、プラントでデータ収集システムを使用してデータを捕え、そのデータが遠隔地に自動的に送信され、そこで、データは、例えば、エラーおよびバイアスを除去するために点検され、パフォーマンスの結果を計算し、報告するために使用される。プラントおよび/またはプラントの個別のプロセスユニットのパフォーマンスは、1つまたは複数のプロセスモデルによって予測されたパフォーマンスと比較されて、あらゆる運用中の相違、すなわちギャップを識別する。
[0019]予測値と比較された、実際に測定された値を示す日報などの報告が生成され、プラントオペレータおよび/またはプラントもしくはサードバーティのプロセスエンジニアに、例えば、インターネットを介するなどして届けられ得る。識別されたパフォーマンスギャップは、オペレータおよび/またはエンジニアがギャップの原因を識別し、解決することを可能にする。本発明の方法は、プロセスモデルおよびプラントオペレーション情報をさらに使用して、例えば、供給、生成物および価格といった所与の値に対して、最適なプラントオペレーションに収束する最適化ルーチンを動作させる。
[0020]本発明の方法は、プラントが最適な条件で、または最適な条件の近くで継続的に動作することを可能にする設定点または基準点を調節する推奨を可能にする規則的なアドバイスを、プラントオペレータおよび/またはエンジニアに提供する。本発明の方法は、オペレータに、プラントの将来のオペレーションを改善または修正するための代案を提供する。本発明の方法は、プロセスモデルを規則的に維持し、調整して、プラントの真の潜在的なパフォーマンスを正確に表す。本発明の1つの実施形態の方法は、最適条件のオペレーティングポイントを識別し、代替オペレーションを評価し、供給評価を行うために使用される、オペレータの具体的な経済的な尺度に従って構成された経済的最適化ルーチンを含む。
[0021]本発明は、精製所が実際の経済的パフォーマンスと達成可能な経済的パフォーマンスとの間のギャップを埋めるのに役立つ、繰り返し可能な方法を提供する。本発明の方法は、プロセス開発履歴、モデリングおよびストリームの特徴付け、ならびにプラント自
動化の経験を利用して、データセキュリティ、ならびに大量のデータの効率的な集約、調整、および移動を保証することに関する重大な問題に対処する。ウェブベースの最適化は、技術的な専門知識とプラントのプロセスオペレーション要員を仮想方式で接続することによって、最大のプロセスパフォーマンスを達成し、維持するための好ましい実現手段である。
動化の経験を利用して、データセキュリティ、ならびに大量のデータの効率的な集約、調整、および移動を保証することに関する重大な問題に対処する。ウェブベースの最適化は、技術的な専門知識とプラントのプロセスオペレーション要員を仮想方式で接続することによって、最大のプロセスパフォーマンスを達成し、維持するための好ましい実現手段である。
[0022]強化されたワークフローは、構成されたプロセスモデルを利用して、個別のプロセスユニット、オペレーティングブロック、または完全な処理システムのパフォーマンスを監視し、予測し、最適化する。実際のパフォーマンスに対する予測されたパフォーマンスの定期的で頻繁な分析は、財政上のインパクトを最適化するように作用され得る、オペレーション上の矛盾の早期識別を可能にする。
[0023]本明細書で使用される場合、「ルーチン」への言及は、特定のタスクを実施するための一連のコンピュータプログラムまたは命令を言うことを理解されたい。「プラント」への本明細書での言及は、様々なタイプの化学および石油化学の製造または精製設備のいずれかを言うことを理解されたい。プラントの「オペレータ」への本明細書での言及は、プラントにおける日々のオペレーションを監督すること、および/または動作させることに関心があるプラントの立案者、マネージャ、エンジニア、技術者などのことを、限定することなく、言うこと、および/または含むことを理解されたい。
[0024]1つの実施形態において、クレンジングシステムは、測定値エラーの推定および検出を改善するために提供される。サーバは、プラントと通信ネットワークを介して通信するためにクレンジングシステムに連結される。コンピュータシステムは、プラントのオペレーションに関連したプラントデータをネットワークで受信および送信するためのウェブベースのプラットフォームを有する。ディスプレイデバイスは、プラントデータを対話形式で表示する。データクレンジングユニットは、少なくとも1つの環境因子に基づいて、プラントの測定値エラーの早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施するために構成される。供給推定ユニットは、測定された値とシミュレートされた値との間の計算されたオフセット量に基づいて、プラントと関連付けられた供給組成を推定するために構成される。供給推定ユニットは、少なくとも1つの環境因子に基づいて、計算されたオフセット量を評価する。
[0025]別の実施形態では、プラントの測定値エラー検出を改善するためのクレンジング方法が提供され、プラントと通信ネットワークを介して通信するためにクレンジングシステムに連結されたサーバを提供することと、プラントのオペレーションに関連したプラントデータをネットワークで受信および送信するためのウェブベースのプラットフォームを有するコンピュータシステムを提供すること、プラントデータを対話形式で表示するためのディスプレイデバイスであって、プラントデータを図像または文字として受信するために構成されたディスプレイデバイスを提供することと、プラントデータをプラントからネットワークで取得することと、少なくとも1つの環境因子に基づいて、プラントの測定値エラーに関する早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施することと、測定された値とシミュレートされた値との間の相違を表すオフセット量を計算し、評価することと、供給情報と生成物情報との間の計算されたオフセット量に基づいて、プラントと関連付けられた供給組成を推定することと、プラントのオペレーション中の機器のエラーを検出するために、少なくとも1つの環境因子に基づいて、計算されたオフセット量を評価することとを含む。
[0026]本発明の前述ならびに他の態様および特性は、添付の図面と共に考慮されるように、当業者には以下の詳細な説明から明白になる、
[0031]ここで図1を参照すると、全体が10で指定され、本開示の実施形態を使用する、例示的なデータクレンジングシステムは、化学プラントもしくは精製所、またはその一部などの、1つまたは複数のプラント(例えば、プラントA〜プラントN)12a〜12nのオペレーションを改善するために提供される。本データクレンジングシステム10は、少なくとも1つのプラント12a〜12nから取得されたプラントオペレーション情報を使用する。
[0032]本明細書で使用される場合、用語「システム」、「ユニット」、または「モジュール」は、特定用途向け集積回路(ASIC:Application Specific Integrated Circuit)、電子回路、1つまたは複数のソフトウェアもしくはファームウェアプログラムを実行するコンピュータプロセッサ(共有型、専用型、もしくはグループ型)および/またはメモリ(共有型、専用型、もしくはグループ型)、組合せ論理回路、ならびに/あるいは、説明された機能性を提供する他の適切な構成要素のことを言うか、これらの一部であるか、またはこれらを含んでよい。このように、本開示はユニットの特定の例および配置を含むが、他の変更形態が当業者には明白になるので、本システムの範囲はそのように限定されるべきではない。
[0033]データクレンジングシステム10は、(例えば、データベースおよびビデオサーバを含む)サーバまたはコンピューティングデバイス14の中にあるか、またはこれらに連結されてよく、好ましくは安全なクラウドコンピューティングインフラストラクチャを使用して、通信ネットワーク16を介してタスクを実施し、種々の機能ユニットについての関係のあるデータを表示するようにプログラムされている。ダイヤルイン接続、ケーブルモデム、高速ISDN線、および当技術分野で知られた他のタイプの通信方法を使用する、インターネット、ワイヤレスネットワーク(例えば、Wi−Fi)、企業イントラネット、ローカルエリアネットワーク(LAN)、または広域ネットワーク(WAN)、および同様のものなどの他の適切なネットワークが使用され得ることが考えられる。全ての関係のある情報は、データクレンジングシステム10、または(例えば、コンピュータプログラムを搬送するデータストレージデバイスおよび/もしくは機械可読データストレージ媒体のような)コンピューティングデバイス14による検索のためにデータベースに格納され得る。
[0034]さらに、本データクレンジングシステム10は、部分的に、または完全に自動化され得る。本発明の1つの好ましい実施形態において、データクレンジングシステム10は、サードバーティのコンピュータシステムなどの、プラント12a〜12nおよび/またはプラント計画立案の中心から離れたコンピュータシステムによって実施される。本データクレンジングシステム10は、好ましくは、情報をインターネットで取得または受信および送信するウェブベースのプラットフォーム18を含む。具体的には、データクレンジングシステム10は、信号およびパラメータを、プラント12a〜12nのうちの少なくとも1つから通信ネットワーク16を介して受信し、好ましくはリアルタイムで、関連パフォーマンス情報を、オペレータまたはユーザがアクセス可能な対話型ディスプレイデバイス20に表示する。
[0035]本発明の方法を実装するためにウェブベースのシステムを使用することは、経済的機会を識別し、捕える、プラントオペレータによる能力の増大によるプラントの経済的パフォーマンスの改善、プラントのパフォーマンスギャップを埋める能力の維持、および従業員の専門知識を活用し、訓練および開発を改善する能力の増大などの多くの恩恵を提供する。本発明の方法は、プロセス測定値の日々の評価の自動化を考慮に入れ、それによってプラントオペレーション要員から要求される時間および労力がより少なくなることでパフォーマンス点検の頻度を増大させる。
[0036]ウェブベースのプラットフォーム18は、全てのユーザが同じ情報で作業することを可能にし、それによって、最善の手法を共有するための、またはトラブルシューティングを行うための協働環境を作り出す。本発明の方法は、例えば、触媒収率表現、制約、自由度、および同様のものを含み得る完全に構成されたモデルによる、より精密な予測および最適化の結果を提供する。プラントの計画立案およびオペレーションモデルの評価を自動化したルーチンは、適時のプラントモデル調整が、プラントモデルと実際のプラントパフォーマンスとの間のギャップを低減または除去することを可能にする。ウェブベースのプラットフォーム18を使用して本発明の方法を実装することは、複数のサイトを監視すること、およびアップデートすることも考慮に入れ、それによって、設備の立案者が現実的で最適な目標をよりよく提案できる。
[0037]ここで図2を参照すると、本データクレンジングシステム10は、個々のプラント12a〜12nからの実際に測定されたデータを、基準のセットまたはセットポイントに基づいてシミュレーションエンジンからのプロセスモデルの結果と比較して照合するために構成された照合ユニット22を含むことが好ましい。好ましい実施形態において、発見的解析は、実際に測定されたデータおよびプロセスモデルの結果に対して、所定の閾値のセットを使用して実施される。異なるアプリケーションに合わせて統計的解析および他の適切な分析法が使用され得ることも考えられる。
[0038]単なる一例として、温度、圧力、供給組成、分留塔の生成物組成、および同様のものなどのプラント運用パラメータが、個々のプラント12a〜12nから受信される。これらのプラントパラメータは、所定期間中の、プラント12a〜12n内の選択された機器からの実際に測定されたデータを表す。これらのプラントオペレーション上のパラメータの比較は、所定の閾値に基づいた、シミュレーションエンジンからのプロセスモデルの結果を用いて実施される。
[0039]データクレンジングシステム10にはインターフェースモジュール24も含まれ、これは、データクレンジングシステム10と、1つまたは複数の内部または外部データベース26と、ネットワーク16との間のインターフェースを提供する。インターフェースモジュール24は、例えば、ネットワーク16を介したプラントのセンサ、ならびに他の関連システムデバイス、サービス、およびアプリケーションからのデータを受信する。他のデバイス、サービス、およびアプリケーションは、個々のプラント12a〜12nに関連した、1つまたは複数のソフトウェアまたはハードウェア構成要素などを含んでよいが、限定されない。インターフェースモジュール24は、また、データクレンジングシステム10などの個々のユニットおよびモジュール、ならびにその関連付けられたコンピューティングモジュールまたはユニットに通信される信号および/またはパラメータを受信する。
[0040]フローシートの全体のサブセクションに対してデータ照合を実施することによっ
て、特定の機器に関するプロセスデータの実質的に全てが、関連付けられたオペレーション上のプラントパラメータを照合するために使用される。以下により詳細に説明されるように、質量流量などの、少なくとも1つのプラントオペレーション上のパラメータが、質量バランスの補正に利用される。プラント測定値のために計算されたオフセットは、追跡され、後続の検索のためにデータベース26に格納される。
て、特定の機器に関するプロセスデータの実質的に全てが、関連付けられたオペレーション上のプラントパラメータを照合するために使用される。以下により詳細に説明されるように、質量流量などの、少なくとも1つのプラントオペレーション上のパラメータが、質量バランスの補正に利用される。プラント測定値のために計算されたオフセットは、追跡され、後続の検索のためにデータベース26に格納される。
[0041]データクレンジングユニット28は、1つまたは複数の環境因子に基づいて、プラントオペレーションに関する早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施するために提供される。上記で論じられたように、環境因子は、少なくとも1つの1次因子、および任意選択の2次因子を含む。1次因子は、例えば、温度、圧力、供給流量、生成物流量、および同様のものを含む。2次因子は、例えば、密度、具体的な組成、および同様のものを含む。供給情報と生成物情報との間の相違を表すオフセット量が、プラントオペレーション中の具体的な機器のエラーを検出するために計算され、評価される。
[0042]動作時、データクレンジングユニット28は、顧客のサイトまたはプラント12a〜12nからの実際に測定されたデータの少なくとも1つのセットを、例えば、100ミリ秒毎、1秒毎、10秒毎、1分毎、2分毎などの指定された時間間隔で反復的に受信する。データクレンジングのために、受信されたデータは、データクレンジングユニット28によって完全性について分析され、全体のエラーに関して補正される。次に、データは、測定値の問題(例えば、シミュレーションの定常状態を確立するための精度の問題)、および全体的な質量バランス閉鎖に関して補正されて、照合されたプラントデータの重複セットを生成する。
[0043]本データクレンジングシステム10には、補正されたデータがシミュレーションプロセスへの入力として使用されるように構成された予測ユニット34も含まれ、この中でプロセスモデルは、シミュレーションプロセスが、照合されたプラントデータと一致することを保証するように調整される。予測ユニット34は、照合されたプラントデータの出力が、調整されたフローシートに入力され、次に予測されたデータとして生成されることを実施する。それぞれのフローシートは、プロセス設計のユニットのような、仮想のプロセスモデルオブジェクトの集まりであってよい。照合されたデータと予測されたデータとの間の相違であるデルタ値は、実行可能な最適化ケースがシミュレーションプロセス動作のために確立されることを保証するために検証される。
[0044]本データクレンジングシステム10には、調整されたシミュレーションエンジンが、入力として照合されたデータのセットと共に実行される最適化ケースの基礎として使用されるように構成された最適化ユニット36も含まれる。このステップからの出力は、データの新しいセット、言い換えれば、最適化されたデータである。照合されたデータと最適化されたデータとの間の相違は、より大きな経済上の最適条件に到達するためにオペレーションがどのように変更されるべきかについての指標を提供する。この構成では、データクレンジングユニット28は、目的機能を最小化するために、ユーザが構成可能な方法を提供し、それによってプラント12a〜12nの生産を最大化する。
[0045]供給推定ユニット30は、供給(または入力)情報と生成物(または出力)情報との間の計算されたオフセット量に基づいて、具体的なプラント機器と関連付けられた供給組成を推定するために提供される。最初に、供給推定ユニット30は、プラントのオペレーション中の測定値エラーを検出するために、少なくとも1つの環境因子に基づいて、測定された流量とシミュレートされた流量との間の計算されたオフセットを評価する。以下により詳細に説明されるように、最後の既知の信頼できる供給組成が基点として確立され、最後の既知の供給組成が、計算されたオフセットに基づいて、より精密な組成データ
を提供するように修正され得ることも考えられる。
を提供するように修正され得ることも考えられる。
[0046]本データクレンジングシステム10にはまた、少なくとも1つの環境因子に基づいて、測定値のオペレーション上の状態を診断するために構成された診断ユニット32も含まれる。好ましい実施形態において、診断ユニット32は、プラント12a〜12nのうちの少なくとも1つからプラント測定値およびプロセスシミュレーションを受信して、具体的なプラント機器を先取りして評価する。特定のプロセスの様々な制限を評価し、制限の受入れ可能な範囲内に留まるために、診断ユニット32は、例えば、流速、ヒータ、温度の設定点、圧力信号、および同様のものからの、実際の現行のおよび/または履歴上のオペレーション上のパラメータに基づいて、最終的な生成物の目標許容レベルを決定する。
[0047]診断ユニット32は、評価のために、供給推定ユニット30から、計算されたオフセットをさらに受信する。オフセットが、所定の値によって以前に計算されたオフセットと異なるとき、診断ユニット32は、具体的な測定値に欠陥がある、またはエラーがあると決定する。あるケースでは追加の信頼性の発見的解析がこの診断に対して実施され得ることが考えられる。
[0048]動的モデルまたは他の詳細な計算を使用する際に、診断ユニット32は、既存の制限および/または運用条件に基づいて、運用パラメータの境界または閾値を確立する。例示的な既存の制限は、機械的圧力、温度限界、液圧限界、および様々な構成要素の運用寿命を含んでよい。異なるアプリケーションに合わせるために他の適切な制限および条件が考えられる。
[0049]ここで図3を参照すると、データクレンジングユニット28および供給推定ユニット30の例示的な配置が、本データクレンジングシステム10の実施形態に従って示される。1つの実施形態において、データクレンジングユニット28は、シミュレーションエンジンの現行のプロセスモデル、具体的なプラント機器と関連付けられた現行のプラントプロセスデータ、および具体的なプラント機器と関連付けられた現行のプラント実験室データに関するプロセスモデル情報を受信する。供給情報および生成物情報に基づいて計算されたオフセットは、評価のために、供給推定ユニット30に伝送される。また、プラントパフォーマンスフィットパラメータが、供給推定ユニット30に伝送される。
[0050]データクレンジングユニット28によってプロセスモデルの調整を実施した後、プロセスモデルの健康の状態が、調整結果に基づいて決定される。例えば、プロセスモデルの健康の状態は、実際に測定されたデータと計算されたパフォーマンスプロセスモデルの結果との間で測定された許容誤差に基づいて決定されてよい。このように、許容誤差が所定の閾値より大きいとき、アラートメッセージまたは警告信号が生成され、プラント測定値が検査され、矯正されてよい。プロセスモデルの健康の状態に基づいて、新しいプラント運用パラメータが生成され、具体的なプラント機器のパフォーマンスを最適化する。
[0051]同様に、供給推定ユニット30は、供給推定解析のために、プロセスモデル情報、現行のプラントプロセスデータ、および、信頼できる具体的なプラント機器と関連付けられたあらゆる利用可能な従前のプラント実験室データを受信する。供給推定ユニット30は、プロセスモデルの健康の状態を決定するために、プラントパフォーマンスフィットパラメータに基づいて、計算されたオフセットの評価を実施する。
[0052]例えば、プロセスモデルの健康の状態は、2つの異なる時間に計算された2つのオフセットの相違に基づいて決定されてよい。相違が所定の閾値より大きいとき、別のアラートメッセージまたは警告信号が生成されてよい。プロセスモデルの健康の状態に基づ
いて、新しいプラント運用パラメータが生成され、具体的なプラント機器のパフォーマンスを最適化する。
いて、新しいプラント運用パラメータが生成され、具体的なプラント機器のパフォーマンスを最適化する。
[0053]供給推定ユニット30の別の重要な態様は、供給組成が、従前のプラント実験室データに実質的に依存することなく、生成物組成に基づいて推測されてよいということである。好ましい実施形態において、温度または圧力レベルなどの少なくとも1つの環境因子が、生成物組成の信頼性を決定するために評価される。生成物組成が信頼できると決定されたとき、供給組成は、対応するプラント機器と関連付けられた生成物組成に基づいて推定または訂正されてよい。例えば、生成物組成の構成要素解析または成分解析は、供給組成内の対応する成分比率を推測するために実施される。反対に、逆の順番で、生成物組成が、供給組成の構成要素解析または成分解析に基づいて推測されてもよい。
[0054]ここで図4を参照すると、簡素化された流れ図が、本発明の1つの実施形態による、図1および図2のプラント12a〜12nなどの、プラントのオペレーションを改善することに関する例示的な方法に関して図示される。以下のステップは、図1および図2の実施形態に対して主に説明されるが、方法内のステップは、本発明の諸原理を改めることなく、異なる順番または順序に修正され、実行されてよいことを理解されたい。
[0055]方法は、ステップ100で始まる。ステップ102において、データクレンジングシステム10は、プラント12a〜12nの内部またはそこから離れたコンピュータシステムによって開始される。方法は、望ましくは、コンピュータシステムによって自動的に実施されるが、本発明はそのように限定されることを意図されていない。1つまたは複数のステップは、マニュアルオペレーション、またはセンサおよび他の関連システムからのデータ入力を、要望に応じて含むことができる。
[0056]ステップ104において、データクレンジングシステム10は、プラントオペレーション情報またはプラントデータを、プラント12a〜12nから、ネットワーク16を通じて取得する。望ましいプラントオペレーション情報またはプラントデータは、プラントオペレーション上のパラメータ、プラントプロセス条件データまたはプラントプロセスデータ、プラント検査値、および/またはプラントの制約についての情報を含む。本明細書で使用される場合、「プラント検査値」は、運用中のプロセスプラントから取られた、流体の周期的な実験室解析の結果のことを言う。本明細書で使用される場合、「プラントプロセスデータ」は、プロセスプラント内のセンサによって測定されたデータのことを言う。
[0057]ステップ106において、プラントプロセスモデルは、プラントオペレーション情報を使用して生成される。プラントプロセスモデルは、プラントオペレーション情報に基づいて予想されるプラントパフォーマンス、すなわち、どのようにプラント12a〜12nが運用されるかを推定または予測する。プラントプロセスモデルの結果は、プラント12a〜12nの健康状態を監視するために、および、何らかの予期せぬ、または不良な測定値が発生したかどうかを決定するために、使用されることができる。プラントプロセスモデルは、望ましくは、所望のプラントプロセスモデルを決定するために様々なプラント制約でモデル化される反復プロセスによって生成される。
[0058]ステップ108において、プロセスシミュレーションユニットが利用されて、プラント12a〜12nのオペレーションをモデル化する。全体のユニットに対するシミュレーションは、適度な量の時間内に解明するにはかなり大きく複雑なので、それぞれのプラント12a〜12nは、関連ユニットオペレーションからなる、より小さな仮想のサブセクションに分割されてよい。UniSim(登録商標)Design Suiteなどの例示的なプロセスシミュレーションユニットは、米国特許公報第2010/02629
00号、現在は米国特許第9,053,260号で開示され、全体として参照により援用される。他の例示的な関連システムは、同一出願人による米国特許出願第xx/xxx,xxxおよびxx/xxx,xxx(代理人整理番号第H0049260−01−8500、およびH0049324−01−8500は、2016年に3月29日に両方出願された)において開示され、全体として参照により援用される。
00号、現在は米国特許第9,053,260号で開示され、全体として参照により援用される。他の例示的な関連システムは、同一出願人による米国特許出願第xx/xxx,xxxおよびxx/xxx,xxx(代理人整理番号第H0049260−01−8500、およびH0049324−01−8500は、2016年に3月29日に両方出願された)において開示され、全体として参照により援用される。
[0059]例えば、1つの実施形態において、分留塔、ならびに凝縮器、受け器、リボイラ、供給交換器、およびポンプなどの分留塔の関連機器が、サブセクションを作り上げる。温度、圧力、流量、および実験室データを含むユニットからの全ての利用可能なプラントデータは、分散制御システム(DCS:Distributed Control System)の変数として、シミュレーションの中に含まれる。プラントデータの複数のセットが、プロセスモデルおよびモデルフィッティングパラメータに対して比較され、最も小さなエラーを生成する測定値のオフセットが計算される。
[0060]ステップ110において、プラント検査値の古さが、ユーザ定義の古さの尺度に対して評価される。例えば、1つの実施形態において、プラント検査値は、サンプルが現行のプラントプロセスデータから4時間以内に取られた場合に、現行であると考えられる。プラント検査値が現行である場合、制御は、ステップ114に進む。そうでなければ、制御は、ステップ112に進む。
[0061]ステップ112において、プラント検査値の古さが現行でないときは、プラントプロセスデータおよびモデルの計算値が使用されて、現行でないプラント実験室データを推定する。例えば、生成物組成と関連付けられた温度および圧力が、所定の期間にわたり一定で信頼できる場合、供給組成は、最後の既知の生成物組成および現行のプラントプロセスデータに基づいて推定され、または訂正される。
[0062]1つの実施形態において、オフセットは、プラントの温度測定値とモデル内の計算された対応する温度との間の相違として、プラントの圧力測定値とモデル内の計算された対応する圧力との間の相違として、またはプラントの流量測定値とモデル内の計算された対応する流量との間の相違として計算される。オフセットは、プラント測定値のうちの1つまたは複数に対して計算される。1つの実施形態において、これは、オフセットの2乗の合計を最小化するように構成されるSQP(「Sequential Quadratic Programming」)オプティマイザを使用して達成される。1つの実施形態において、UniSim(登録商標) Design Suiteに含まれるSQPオプティマイザが使用される。
[0063]ステップ114において、オフセットおよびモデルパラメータが、プラントプロセスデータと、対応するモデル値との間、ならびにプラント検査値と、対応するモデル値との間の最良の適合を提供するように調節される。オフセットは、プラントプロセスデータおよびプラント検査値と対応するモデル変数との間の相違として計算される。モデルパラメータは、プラントプロセスデータまたはプラント検査値に対応するモデル値間の相互作用を制御する、モデル内の変数である。
[0064]1つの実施形態において、オフセットは、プラントの温度測定値とモデル内の計算された対応する温度との間の相違として、プラントの圧力測定値とモデル内の計算された対応する圧力との間の相違として、プラントの流量測定値とモデル内の計算された対応する流量との間の相違として、または検査室測定値とモデル内の計算された対応する組成との間の相違として計算される。オフセットは、プラント測定値のうちの1つまたは複数に対して計算される
[0065]1つの実施形態において、モデルパラメータは、どのように測定値が相互作用す
るかを左右するプロセスモデル内の変数である。単なる一例として、モデルパラメータは、分留塔におけるトレイの効率性、熱交換器における汚れ係数、または反応炉における反応速度の動的パラメータを指すことがある。
[0065]1つの実施形態において、モデルパラメータは、どのように測定値が相互作用す
るかを左右するプロセスモデル内の変数である。単なる一例として、モデルパラメータは、分留塔におけるトレイの効率性、熱交換器における汚れ係数、または反応炉における反応速度の動的パラメータを指すことがある。
[0066]モデルパラメータおよびオフセットは、測定値と対応するモデル値との間のオフセットが最小化されるように選ばれる。1つの実施形態において、これは、オフセットの2乗の合計を最小化するように構成されるSQPオプティマイザを使用して達成される。1つの実施形態において、UniSim Design Suiteに含まれるSQPオプティマイザが使用される。
[0067]ステップ116において、供給情報と生成物情報との間で測定された、計算されたオフセットが、測定値の予想された変動に基づく評価尺度に基づいて評価される。1つの実施形態において、尺度は、測定センサの予想された反復可能性である。別の実施形態では、尺度は、測定値の履歴上の統計的な反復可能性、例えば、測定値の複数の標準偏差であり得る。
[0068]ステップ118において、オフセットが所定の値より小さいか、または等しいとき、制御はステップ104に戻る。そうでなければ、制御は、ステップ120に進む。大きなエラーを伴う個別の測定値は、フィッティングアルゴリズムから除去されてよく、アラートメッセージまたは警告信号が発せられ、測定値が検査され、矯正される。
[0069]ステップ120において、プラント機器のオペレーション上の状態が、少なくとも1つの環境因子および計算されたオフセットに基づいて診断される。上記で論じられたように、供給情報と生成物情報との間の計算されたオフセットは、具体的な機器の欠陥を検出するために、少なくとも1つの環境因子に基づいて評価される。少なくとも1つのプラント機器が、残りのプラント機器に対して測定値エラーを分散させることなく、欠陥について評価および診断され得るのは有利である。単なる一例として、単一の供給流量計および/または2つの生成物流量計のうちの1つが、その温度、圧力レベル、およびそれぞれの対応するストリームの化学組成に基づいて診断されてよい。方法はステップ122で終了する。
具体的な実施形態
[0070]以下は、具体的な実施形態と共に説明されるが、この説明は、例示すること、ならびに、先述の説明および添付の特許請求の範囲の範囲を限定しないことを意図していることが理解されよう。
具体的な実施形態
[0070]以下は、具体的な実施形態と共に説明されるが、この説明は、例示すること、ならびに、先述の説明および添付の特許請求の範囲の範囲を限定しないことを意図していることが理解されよう。
[0071]本発明の第1の実施形態は、プラントのオペレーションを改善するためのシステムであって、クレンジングシステムは、プラントと通信ネットワークを介して通信するためにクレンジングシステムに連結されたサーバと、プラントのオペレーションに関連したプラントデータをネットワークで受信および送信するためのウェブベースのプラットフォームを有するコンピュータシステムと、プラントデータを対話形式で表示するためのディスプレイデバイスと、少なくとも1つの環境因子に基づいて、プラントのオペレーションに関する早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施するために構成されたデータクレンジングユニットであって、プラントデータに基づいて、プラントのオペレーション中の機器のエラーを検出するために、供給情報と生成物情報との間の相違を表すオフセット量を計算し、評価する、データクレンジングユニットと、供給情報と生成物情報との間の計算されたオフセット量に基づいて、プラントの機器と関連付けられた供給組成を推定するために構成された供給推定ユニットであって、プラントのオペレーション中の機器のエラーを検出するために、少なくとも1つの環境因子に基づいて、計算されたオフセット量を評価する、供給推定ユニットとを含む。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、供給推定ユニットは、最後の既知の供給組成を基点として確立すること、および、計算されたオフセット量に基づいて、より精密な組成データを提供するために、最後の既知の供給組成を修正することを行うように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、プラントからの実際に測定されたデータの少なくとも1つのセットを、所定の時間間隔で反復的に受信するように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、受信されたデータを完全性について分析し、測定値問題および全体的な質量バランス閉鎖に関する受信されたデータ内のエラーを補正し、照合されたプラントデータのセットを生成するように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、補正されたデータが、シミュレーションプロセスへの入力として使用されるように構成され、この中でプロセスモデルは、シミュレーションプロセスが、照合されたプラントデータと一致することを保証するように調整される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、照合されたプラントデータの出力が、調整されたフローシートに入力され、予測されたデータとして生成されるように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、照合されたプラントデータと予測されたデータとの間の相違を表すデルタ値が、実行可能な最適化ケースがシミュレーションプロセス動作のために確立されることを保証するために検証されるように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、プラントからの実際に測定されたデータを、所定の基準のセットまたはセットポイントに基づいて、シミュレーションエンジンからのパフォーマンスプロセスモデルの結果と比較して照合するために構成された照合ユニットをさらに含む。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、照合ユニットは、実際に測定されたデータおよびパフォーマンスプロセスモデルの結果に対して、所定の閾値のセットを使用して発見的解析を実施するように構成され、照合ユニットは、プラントデータをプラントからコンピュータシステムを介して受信するように構成され、受信されたプラントデータは、所定期間中の、プラント内の機器からの実際に測定されたデータを表す。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、プラントの残りの機器に対して測定値エラーを分散させることなく、少なくとも1つの環境因子に基づいてオフセット量を計算することによって、機器のオペレーション上の状態を診断するために構成された診断ユニットをさらに含む。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、診断ユニットは、機器を評価するために、供給情報および生成物情報をプラントから受信すること、ならびに目標許容レベルに基づいて機器のエラーを検出するために、実際の現行のオペレーション上のパラメータおよび履歴上のオペレーション上のパラメータのうちの少なくとも1つに基づいて、最終的な生成物の目標許容レベルを決定することを行うように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、シミュレーションエンジンの現行のプロセスモデル、プラントの機器と関連付けられた現行のプラントプロセスデータ、およびプラントの機器と関連付けられた現行のプラント実験室データのうちの少なくとも1つに関するプロセスモデル情報を受信する。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、評価のために、計算されたオフセットおよび
少なくとも1つのプラントパフォーマンスフィットパラメータを供給推定ユニットに伝送するように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、シミュレーションエンジンのプロセスモデルの調整を実施すること、および、調整結果に基づいてプロセスモデルの健康の状態を決定することを行うように構成され、新しいプラント運用パラメータは、プロセスモデルの健康の状態に基づいて生成され、プラントの機器のパフォーマンスを最適化する。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、供給推定ユニットは、プラントの機器と関連付けられた生成物組成に基づいて供給組成を推測するために、供給推定解析を実施するように構成される。
少なくとも1つのプラントパフォーマンスフィットパラメータを供給推定ユニットに伝送するように構成される。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、データクレンジングユニットは、シミュレーションエンジンのプロセスモデルの調整を実施すること、および、調整結果に基づいてプロセスモデルの健康の状態を決定することを行うように構成され、新しいプラント運用パラメータは、プロセスモデルの健康の状態に基づいて生成され、プラントの機器のパフォーマンスを最適化する。本発明の実施形態は、本段落における先行実施形態から本段落における第1の実施形態までのうちの1つ、いずれか、または全てであり、供給推定ユニットは、プラントの機器と関連付けられた生成物組成に基づいて供給組成を推測するために、供給推定解析を実施するように構成される。
[0072]本発明の第2の実施形態は、プラントのオペレーションを改善するための方法であり、クレンジング方法は、プラントと通信ネットワークを介して通信するためにクレンジングシステムに連結されたサーバを提供することと、プラントのオペレーションに関連したプラントデータをネットワークで受信および送信するためのウェブベースのプラットフォームを有するコンピュータシステムを提供することと、プラントデータを対話形式で表示するためのディスプレイデバイスであって、プラントデータを図像または文字として受信するために構成されたディスプレイデバイスを提供することと、プラントデータをプラントからネットワークで取得することと、少なくとも1つの環境因子に基づいて、プラントのオペレーションに関する早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施することと、プラントデータに基づいて、プラントのオペレーション中の機器のエラーを検出するために、供給情報と生成物情報との間の相違を表すオフセット量を計算し、評価することと、供給情報と生成物情報との間の計算されたオフセット量に基づいて、プラントの機器と関連付けられた供給組成を推定することと、プラントのオペレーション中の機器のエラーを検出するために、少なくとも1つの環境因子に基づいて、計算されたオフセット量を評価することとを含む。本発明の実施形態は、本段落における先行実施形態から本段落における第2の実施形態までのうちの1つ、いずれか、または全てであり、プラントの機器と関連付けられた生成物組成の信頼性を決定するために、所定の期間、少なくとも1つの環境因子を評価することをさらに含む。本発明の実施形態は、本段落における先行実施形態から本段落における第2の実施形態までのうちの1つ、いずれか、または全てであり、供給情報と生成物情報との間の対応するオフセットに基づいて機器のエラーを検出するために、機器の供給情報および生成物情報を評価することをさらに含む。本発明の実施形態は、本段落における先行実施形態から本段落における第2の実施形態までのうちの1つ、いずれか、または全てであり、プラントの機器と関連付けられた生成物組成に基づいて供給組成を推測するために、供給推定解析を実施することをさらに含む。本発明の実施形態は、本段落における先行実施形態から本段落における第2の実施形態までのうちの1つ、いずれか、または全てであり、プラントの残りの機器に対して測定値エラーを分散させることなく、少なくとも1つの環境因子に基づいてオフセット量を計算することによって、機器のオペレーション上の状態を診断することをさらに含む。
[0073]さらに詳述することなく、当業者が本発明を最大限に利用し、本発明の本質的な特徴を容易に確認できる先述の説明を使用して、本発明の精神および範囲から逸脱することなく、本発明の様々な変更および修正を行い、それを様々な用法および条件に適応することができるものと信じられる。したがって、先述の好ましい具体的な実施形態は、例示的なものに過ぎず、本開示の残りの部分をいかなる方法でも限定するものではなく、添付の特許請求の範囲の範囲内に含まれる、様々な変更形態および均等物の配置を含むことを意図するものとして解釈されることになる。
[0074]前述において、全ての温度は摂氏温度で示されており、ならびに全ての部分およ
びパーセンテージは、別段の指示がない限り、重量による。本データクレンジングシステムに関する特定の実施形態が本明細書で説明されたが、より広範な態様における、および以下の特許請求の範囲に規定される本発明から逸脱することなく、変更および修正がなされてよいことが当業者によって理解されるであろう。
びパーセンテージは、別段の指示がない限り、重量による。本データクレンジングシステムに関する特定の実施形態が本明細書で説明されたが、より広範な態様における、および以下の特許請求の範囲に規定される本発明から逸脱することなく、変更および修正がなされてよいことが当業者によって理解されるであろう。
Claims (10)
- プラント[12a〜12n]のオペレーションを改善するためのクレンジング(cleansing)システム[10]であって、
前記プラント[12a〜12n]と通信ネットワーク[16]を介して通信するために前記クレンジングシステム[10]に連結されたサーバ[14]と、
前記プラント[12a〜12n]の前記オペレーションに関連したプラントデータを前記ネットワーク[16]で受信および送信するためのウェブベースのプラットフォームを有するコンピュータシステム[18]と、
前記プラントデータを対話形式で表示するためのディスプレイデバイス[20]と、
少なくとも1つの環境因子(environmental factor)に基づいて、前記プラント[12a〜12n]の前記オペレーションに関する早期検出および診断を可能にするために、強化されたデータクレンジングプロセスを実施するために構成されたデータクレンジングユニット[28]であって、
前記プラントデータに基づいて、前記プラント[12a〜12n]の前記オペレーション中の機器のエラーを検出するために、供給情報と生成物情報との間の相違を表すオフセット量を計算し、評価する、データクレンジングユニット[28]と、
前記供給情報と前記生成物情報との間の前記計算されたオフセット量に基づいて、前記プラント[12a〜12n]の前記機器と関連付けられた供給組成(feed composition)を推定するために構成された供給推定ユニット[30]であって、
前記プラント[12a〜12n]の前記オペレーション中の前記機器の前記エラーを検出するために、前記少なくとも1つの環境因子に基づいて、前記計算されたオフセット量を評価する、供給推定ユニット[30]と
を含む、クレンジングシステム[10]。 - 前記供給推定ユニット[30]は、最後の既知の供給組成を基点(base point)として確立すること、および、前記計算されたオフセット量に基づいて、より精密な組成データを提供するために前記最後の既知の供給組成を修正することを行うように構成される、請求項1に記載のクレンジングシステム。
- 前記データクレンジングユニット[28]は、前記プラント[12a〜12n]からの実際に測定されたデータの少なくとも1つのセットを、所定の時間間隔で反復的に受信するように構成され、
前記データクレンジングユニット[28]は、前記受信されたデータを完全性について分析し、測定値問題および全体的な質量バランス閉鎖(mass balance closure)に関する前記受信されたデータ内のエラーを補正し、照合されたプラントデータのセットを生成するように構成され、
前記データクレンジングユニット[28]は、前記補正されたデータが、シミュレーションプロセスへの入力として使用されるように構成され、この中でプロセスモデルは、前記シミュレーションプロセスが、前記照合されたプラントデータと一致することを保証するように調整される、請求項1に記載のクレンジングシステム。 - 前記データクレンジングユニット[28]は、前記照合されたプラントデータの出力が、調整されたフローシートに入力され、予測されたデータとして生成されるように構成され、
前記データクレンジングユニット[28]は、前記照合されたプラントデータと前記予測されたデータとの間の相違を表すデルタ値が、実行可能な最適化ケースがシミュレーションプロセス動作のために確立されることを保証するために検証されるように構成される、請求項3に記載のクレンジングシステム。 - 前記プラント[12a〜12n]からの実際に測定されたデータを、所定の基準のセットまたはセットポイントに基づいて、シミュレーションエンジンからのパフォーマンスプロセスモデルの結果と比較して照合するために構成された照合ユニット[22]をさらに含み、
前記照合ユニット[22]は、前記実際に測定されたデータおよび前記パフォーマンスプロセスモデルの結果に対して、所定の閾値のセットを使用して発見的解析(heuristic analysis)を実施するように構成され、
前記照合ユニット[22]は、前記プラントデータを前記プラント[12a〜12n]から前記コンピュータシステム[18]を介して受信するように構成され、前記受信されたプラントデータは、所定期間中の、前記プラント[12a〜12n]内の前記機器からの前記実際に測定されたデータを表す、請求項1から4のいずれかに記載のクレンジングシステム。 - 前記プラント[12a〜12n]の残りの前記機器に対して測定値エラーを分散させることなく、前記少なくとも1つの環境因子に基づいて前記オフセット量を計算することによって、前記機器のオペレーション上の状態を診断するために構成された診断ユニット[32]をさらに含み、
前記診断ユニット[32]は、前記機器を評価するために、前記供給情報および前記生成物情報を前記プラント[12a〜12n]から受信すること、ならびに目標許容レベルに基づいて前記機器の前記エラーを検出するために、実際の現行のオペレーション上のパラメータおよび履歴上のオペレーション上のパラメータのうちの少なくとも1つに基づいて、最終的な生成物の前記目標許容レベルを決定することを行うように構成される、請求項1から4のいずれかに記載のクレンジングシステム。 - 前記データクレンジングユニット[28]は、シミュレーションエンジンの現行のプロセスモデル、前記プラント[12a〜12n]の前記機器と関連付けられた現行のプラントプロセスデータ、および前記プラント[12a〜12n]の前記機器と関連付けられた現行のプラント実験室データのうちの少なくとも1つに関するプロセスモデル情報を受信する、請求項1から4のいずれかに記載のクレンジングシステム。
- 前記データクレンジングユニット[28]は、評価のために、前記計算されたオフセットおよび少なくとも1つのプラントパフォーマンスフィット(fit)パラメータを前記供給
推定ユニット[30]に伝送するように構成される、請求項1から4のいずれかに記載のクレンジングシステム。 - 前記データクレンジングユニット[28]は、シミュレーションエンジンのプロセスモデルの調整を実施すること、および、調整結果に基づいて前記プロセスモデルの健康の状態を決定することを行うように構成され、
前記プロセスモデルの健康の前記状態に基づいて新しいプラント運用パラメータが生成され、前記プラント[12a〜12n]の前記機器のパフォーマンスを最適化する、請求項1から4のいずれかに記載のクレンジングシステム。 - 前記供給推定ユニット[30]は、前記プラント[12a〜12n]の前記機器と関連付けられた生成物組成に基づいて前記供給組成を推測するために、供給推定解析を実施するように構成される、請求項1から4のいずれかに記載のクレンジングシステム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562140043P | 2015-03-30 | 2015-03-30 | |
US62/140,043 | 2015-03-30 | ||
US15/084,319 | 2016-03-29 | ||
US15/084,319 US20160292188A1 (en) | 2015-03-30 | 2016-03-29 | Data cleansing system and method for inferring a feed composition |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017550813A Division JP2018515834A (ja) | 2015-03-30 | 2016-03-30 | 供給組成を推測するためのデータクレンジングシステムおよび方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021051769A true JP2021051769A (ja) | 2021-04-01 |
Family
ID=57007548
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017550813A Pending JP2018515834A (ja) | 2015-03-30 | 2016-03-30 | 供給組成を推測するためのデータクレンジングシステムおよび方法 |
JP2020206767A Pending JP2021051769A (ja) | 2015-03-30 | 2020-12-14 | 供給組成を推測するためのデータクレンジングシステムおよび方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017550813A Pending JP2018515834A (ja) | 2015-03-30 | 2016-03-30 | 供給組成を推測するためのデータクレンジングシステムおよび方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20160292188A1 (ja) |
EP (1) | EP3278277A4 (ja) |
JP (2) | JP2018515834A (ja) |
KR (1) | KR102169561B1 (ja) |
CN (1) | CN107533560A (ja) |
RU (1) | RU2690886C2 (ja) |
SG (1) | SG11201707823UA (ja) |
WO (1) | WO2016160906A1 (ja) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9864823B2 (en) | 2015-03-30 | 2018-01-09 | Uop Llc | Cleansing system for a feed composition based on environmental factors |
JP6788349B2 (ja) * | 2016-01-14 | 2020-11-25 | 三菱重工業株式会社 | プラント評価装置及びプラント評価方法 |
US10545487B2 (en) * | 2016-09-16 | 2020-01-28 | Uop Llc | Interactive diagnostic system and method for managing process model analysis |
US10678272B2 (en) | 2017-03-27 | 2020-06-09 | Uop Llc | Early prediction and detection of slide valve sticking in petrochemical plants or refineries |
US10754359B2 (en) | 2017-03-27 | 2020-08-25 | Uop Llc | Operating slide valves in petrochemical plants or refineries |
US10670027B2 (en) | 2017-03-28 | 2020-06-02 | Uop Llc | Determining quality of gas for rotating equipment in a petrochemical plant or refinery |
US10962302B2 (en) | 2017-03-28 | 2021-03-30 | Uop Llc | Heat exchangers in a petrochemical plant or refinery |
US11396002B2 (en) | 2017-03-28 | 2022-07-26 | Uop Llc | Detecting and correcting problems in liquid lifting in heat exchangers |
US10794401B2 (en) | 2017-03-28 | 2020-10-06 | Uop Llc | Reactor loop fouling monitor for rotating equipment in a petrochemical plant or refinery |
US10844290B2 (en) | 2017-03-28 | 2020-11-24 | Uop Llc | Rotating equipment in a petrochemical plant or refinery |
US10752844B2 (en) | 2017-03-28 | 2020-08-25 | Uop Llc | Rotating equipment in a petrochemical plant or refinery |
US11130111B2 (en) | 2017-03-28 | 2021-09-28 | Uop Llc | Air-cooled heat exchangers |
US10794644B2 (en) | 2017-03-28 | 2020-10-06 | Uop Llc | Detecting and correcting thermal stresses in heat exchangers in a petrochemical plant or refinery |
US11037376B2 (en) | 2017-03-28 | 2021-06-15 | Uop Llc | Sensor location for rotating equipment in a petrochemical plant or refinery |
US10816947B2 (en) | 2017-03-28 | 2020-10-27 | Uop Llc | Early surge detection of rotating equipment in a petrochemical plant or refinery |
US10670353B2 (en) | 2017-03-28 | 2020-06-02 | Uop Llc | Detecting and correcting cross-leakage in heat exchangers in a petrochemical plant or refinery |
US10752845B2 (en) | 2017-03-28 | 2020-08-25 | Uop Llc | Using molecular weight and invariant mapping to determine performance of rotating equipment in a petrochemical plant or refinery |
US10663238B2 (en) | 2017-03-28 | 2020-05-26 | Uop Llc | Detecting and correcting maldistribution in heat exchangers in a petrochemical plant or refinery |
US10695711B2 (en) | 2017-04-28 | 2020-06-30 | Uop Llc | Remote monitoring of adsorber process units |
US10913905B2 (en) | 2017-06-19 | 2021-02-09 | Uop Llc | Catalyst cycle length prediction using eigen analysis |
US11365886B2 (en) | 2017-06-19 | 2022-06-21 | Uop Llc | Remote monitoring of fired heaters |
US10739798B2 (en) | 2017-06-20 | 2020-08-11 | Uop Llc | Incipient temperature excursion mitigation and control |
US11130692B2 (en) | 2017-06-28 | 2021-09-28 | Uop Llc | Process and apparatus for dosing nutrients to a bioreactor |
US10994240B2 (en) | 2017-09-18 | 2021-05-04 | Uop Llc | Remote monitoring of pressure swing adsorption units |
US11194317B2 (en) | 2017-10-02 | 2021-12-07 | Uop Llc | Remote monitoring of chloride treaters using a process simulator based chloride distribution estimate |
US11676061B2 (en) | 2017-10-05 | 2023-06-13 | Honeywell International Inc. | Harnessing machine learning and data analytics for a real time predictive model for a FCC pre-treatment unit |
US11105787B2 (en) | 2017-10-20 | 2021-08-31 | Honeywell International Inc. | System and method to optimize crude oil distillation or other processing by inline analysis of crude oil properties |
DE102018202093A1 (de) * | 2018-02-12 | 2019-08-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Berechnung von Datenmodellen in sicherheitskritischen Systemen |
US10901403B2 (en) | 2018-02-20 | 2021-01-26 | Uop Llc | Developing linear process models using reactor kinetic equations |
US10734098B2 (en) | 2018-03-30 | 2020-08-04 | Uop Llc | Catalytic dehydrogenation catalyst health index |
US10953377B2 (en) | 2018-12-10 | 2021-03-23 | Uop Llc | Delta temperature control of catalytic dehydrogenation process reactors |
KR102490281B1 (ko) * | 2020-12-21 | 2023-01-19 | 부산대학교 산학협력단 | 제품 불량 원인 분석 방법 및 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1143677A (ja) * | 1997-07-29 | 1999-02-16 | Idemitsu Kosan Co Ltd | 製造プラント制御システム |
JP2004523841A (ja) * | 2001-03-01 | 2004-08-05 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | プロセス制御プラントデータの遠隔分析 |
US20080222956A1 (en) * | 2005-06-03 | 2008-09-18 | Plasco Energy Group Inc. | System for the Conversion of Coal to a Gas of Specified Composition |
JP2009245225A (ja) * | 2008-03-31 | 2009-10-22 | Sumitomo Chemical Co Ltd | プラント診断方法、プラント診断装置およびプラント診断用プログラム |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6088630A (en) * | 1997-11-19 | 2000-07-11 | Olin Corporation | Automatic control system for unit operation |
US20050027721A1 (en) * | 2002-04-03 | 2005-02-03 | Javier Saenz | System and method for distributed data warehousing |
DE10342769A1 (de) * | 2003-09-16 | 2005-04-21 | Voith Paper Patent Gmbh | System zur computergestützten Messung von Qualitäts- und/oder Prozessdaten |
WO2005124491A1 (en) * | 2004-06-12 | 2005-12-29 | Fisher-Rosemount Systems, Inc. | System and method for detecting an abnormal situation associated with a process gain of a control loop |
RU44840U1 (ru) * | 2004-12-07 | 2005-03-27 | Общество с ограниченной ответственностью "Наука, технология, информатика, контроль" (ООО "Наука") | Автоматизированная система управления предприятия |
EP2437191B1 (en) * | 2005-11-26 | 2017-04-26 | Natera, Inc. | Method and system for detecting chromosomal abnormalities |
JP4270218B2 (ja) * | 2006-03-31 | 2009-05-27 | 株式会社日立製作所 | 燃焼装置を有する制御対象物の制御装置、及びボイラを有するプラントの制御装置 |
US7979192B2 (en) * | 2006-03-31 | 2011-07-12 | Morrison Brian D | Aircraft-engine trend monitoring system |
RU63087U1 (ru) * | 2006-10-26 | 2007-05-10 | Государственное образовательное учреждение высшего профессионального образования "Самарская государственная академия путей сообщения" (СамГАПС) | Автоматизированная система мониторинга на предприятии |
CN102076833A (zh) * | 2008-06-26 | 2011-05-25 | 凯斯勒废物系统公司 | 用于取代烧煤工厂中的煤的工程燃料原料 |
US9053260B2 (en) | 2009-04-13 | 2015-06-09 | Honeywell International Inc. | Utilizing spreadsheet user interfaces with flowsheets of a CPI simulation system |
US20120095808A1 (en) * | 2010-10-15 | 2012-04-19 | Invensys Systems Inc. | System and Method for Process Predictive Simulation |
JP2013109711A (ja) * | 2011-11-24 | 2013-06-06 | Yokogawa Electric Corp | プラントモデル生成装置およびプラント運転支援システム |
US9158302B2 (en) * | 2012-05-04 | 2015-10-13 | Siemens Energy, Inc. | System and method for detecting electric power plant equipment overheating with real-time plural parallel detection and analysis parameters |
CN202987967U (zh) * | 2012-09-14 | 2013-06-12 | 李成辉 | 过滤式液体喷蜡桶 |
CN104298818B (zh) * | 2014-09-26 | 2018-05-25 | 北京理工大学 | 一种端铣加工表面误差预测及仿真方法 |
-
2016
- 2016-03-29 US US15/084,319 patent/US20160292188A1/en not_active Abandoned
- 2016-03-30 JP JP2017550813A patent/JP2018515834A/ja active Pending
- 2016-03-30 SG SG11201707823UA patent/SG11201707823UA/en unknown
- 2016-03-30 WO PCT/US2016/024873 patent/WO2016160906A1/en active Application Filing
- 2016-03-30 EP EP16774053.9A patent/EP3278277A4/en not_active Ceased
- 2016-03-30 CN CN201680021333.XA patent/CN107533560A/zh active Pending
- 2016-03-30 RU RU2017134552A patent/RU2690886C2/ru active
- 2016-03-30 KR KR1020177027847A patent/KR102169561B1/ko active IP Right Grant
-
2020
- 2020-12-14 JP JP2020206767A patent/JP2021051769A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1143677A (ja) * | 1997-07-29 | 1999-02-16 | Idemitsu Kosan Co Ltd | 製造プラント制御システム |
JP2004523841A (ja) * | 2001-03-01 | 2004-08-05 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | プロセス制御プラントデータの遠隔分析 |
US20080222956A1 (en) * | 2005-06-03 | 2008-09-18 | Plasco Energy Group Inc. | System for the Conversion of Coal to a Gas of Specified Composition |
JP2009245225A (ja) * | 2008-03-31 | 2009-10-22 | Sumitomo Chemical Co Ltd | プラント診断方法、プラント診断装置およびプラント診断用プログラム |
Also Published As
Publication number | Publication date |
---|---|
RU2690886C2 (ru) | 2019-06-06 |
WO2016160906A1 (en) | 2016-10-06 |
RU2017134552A (ru) | 2019-04-04 |
RU2017134552A3 (ja) | 2019-04-04 |
KR20170123332A (ko) | 2017-11-07 |
SG11201707823UA (en) | 2017-10-30 |
EP3278277A1 (en) | 2018-02-07 |
EP3278277A4 (en) | 2018-12-05 |
JP2018515834A (ja) | 2018-06-14 |
US20160292188A1 (en) | 2016-10-06 |
CN107533560A (zh) | 2018-01-02 |
KR102169561B1 (ko) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021051769A (ja) | 供給組成を推測するためのデータクレンジングシステムおよび方法 | |
US10839115B2 (en) | Cleansing system for a feed composition based on environmental factors | |
JP6423546B2 (ja) | 高度なデータクレンジングシステムおよび方法 | |
JP6598872B2 (ja) | プロセスモデルを調整するためのシステムおよび方法 | |
US20170315543A1 (en) | Evaluating petrochemical plant errors to determine equipment changes for optimized operations | |
US20180046155A1 (en) | Identifying and implementing refinery or petrochemical plant process performance improvements | |
US20160260041A1 (en) | System and method for managing web-based refinery performance optimization using secure cloud computing | |
CN101601023B (zh) | 热交换器积垢检测 | |
Kirchen et al. | Metrics for the evaluation of data quality of signal data in industrial processes | |
US10901403B2 (en) | Developing linear process models using reactor kinetic equations | |
WO2019005541A1 (en) | ERROR ASSESSMENT OF A PETROCHEMICAL PLANT TO DETERMINE EQUIPMENT CHANGES FOR OPTIMIZED OPERATIONS | |
Barateiro et al. | Fiscal liquid and gaseous hydrocarbons flow and volume measurement: Improved reliability and performance paradigms by harnessing for fourth industrial Revolution | |
WO2019023210A1 (en) | CLEANING SYSTEM FOR CHARGE COMPOSITION BASED ON ENVIRONMENTAL FACTORS | |
US20240035869A1 (en) | Oil and gas metering system | |
Sjulstad et al. | Flow Fusion, Exploiting Measurement Redundancy for Smarter Allocation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201217 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220203 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220901 |