JP2021101388A - 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 - Google Patents
予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 Download PDFInfo
- Publication number
- JP2021101388A JP2021101388A JP2021064734A JP2021064734A JP2021101388A JP 2021101388 A JP2021101388 A JP 2021101388A JP 2021064734 A JP2021064734 A JP 2021064734A JP 2021064734 A JP2021064734 A JP 2021064734A JP 2021101388 A JP2021101388 A JP 2021101388A
- Authority
- JP
- Japan
- Prior art keywords
- model
- unit
- plant
- process model
- operating unit
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 456
- 230000008569 process Effects 0.000 title claims abstract description 143
- 238000010276 construction Methods 0.000 title claims description 16
- 238000004148 unit process Methods 0.000 claims abstract description 234
- 238000005259 measurement Methods 0.000 claims abstract description 70
- 239000002994 raw material Substances 0.000 claims description 66
- 238000004821 distillation Methods 0.000 claims description 56
- 230000006870 function Effects 0.000 claims description 28
- 239000000203 mixture Substances 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 21
- 239000007788 liquid Substances 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 15
- 230000001131 transforming effect Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000009423 ventilation Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 239000002609 medium Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 239000012535 impurity Substances 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 238000007637 random forest analysis Methods 0.000 description 7
- 238000010977 unit operation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000001451 molecular beam epitaxy Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000005273 aeration Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000010992 reflux Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000006163 transport media Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Images
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
Description
過去30年間にわたって、第一原理モデルをリアルタイム最適化、高度プロセス制御(アドバンスプロセス制御)(APC)などの用途にオンラインで配備するために多大な労力が費やされてきた。第一原理モデルをこのような用途に配備するための過去のアプローチは、手動での長期にわたる高価なモデル構成を必要とし、かつ、常に専門家の介入を伴うものであった。これらの過去のアプローチは、しばしば、第一原理モデルをプラントプロセス用に構築、校正及び配備するのに、熟練のプロセスエンジニア(専門家)による数週間ないし数ヶ月間の期間を要するものであった。そのため、最小限の労力により第一原理モデルを(特には、動作中心型用途に)オンラインで実装することが、プラントオペレータやエンジニアの重要な目標である。
図1は、本発明のいくつかの実施形態において、ユニットプロセス(動作中心型)モデルを、構築、校正及びオンラインで配備するように構成されたコンピュータシステム100を示すブロック図である。コンピュータシステム100は、産業プラント及び化学プラント等のプラントのネットワークインフラストラクチャ内で構成されている。コンピュータシステム100は、モデル変換手段140、モデル校正手段150及び配備エンジン160を実行するように構成された少なくとも1つのコンピュータ(例えば、アプリケーションサーバ等)を含む。コンピュータシステム100は、さらに、ディスプレイ装置上に構成されたユーザインターフェース(例えば、グラフィカルなユーザインターフェース等)110、およびデータサーバ135に接続された集中データストア(データベース)130を含む。前記コンピュータシステムは、さらに、前記プラントでの動作ユニットを物理的に測定及び制御する計器装置180A〜180I(例えば、センサ、メータ、プローブ、バルブ、アクチュエータ、ゲージ、ヒータ等)と通信可能に接続されている計測制御操業コンピュータ175で構成された、分散制御システム170を備える。ユーザインターフェース110、(データサーバ135を介して)集中データストア130、モデル変換手段140、モデル校正手段150、配備エンジン160および分散制御システム175は、コンピュータシステム100内においてプラントネットワーク120によって通信可能に接続されている。
図2〜図4は、本発明の実施形態において用いられる例示的なユーザインターフェース画面200〜400を示す概略図である。モデル変換手段140は、ユニットプロセスモデルを構築するプロセスの一部として、例示的なユーザインターフェース画面200〜400をユーザに表示してもよい。図2に、ソースモデル(プラントワイド第一原理プロセスモデル)からユニットプロセス第一原理モデルを生成するための例示的なユーザインターフェース画面200を示す。例示的なユーザインターフェース画面200によって、ユーザは、前記ユニットプロセスモデルの名前205を入力でき、当該ユニットプロセスモデルに関する説明220を入力できる。例示的なユーザインターフェース画面200によって、さらに、前記ユニットプロセスモデルに変換したいソースモデル210をユーザは選択できる。例示的なユーザインターフェース画面200は、選択されたソースモデル230をグラフィカルに表示する。この選択されたソースモデル230は、その動作ユニット235,240,245など、ならびに当該動作ユニット235,240,245など間の材料、エネルギー及び情報の流れを表示することを含む。
図5は、本発明の実施形態においてユニットプロセスモデルを構築する、コンピュータに実装される方法500を示すフロー図である。一部の実施形態では、図1のモデル変換手段140が方法500を実行することにより、前記ユニットプロセスモデルを構築する。方法500は、ステップ510にて開始する。
図6Aは、本発明の実施形態においてユニットプロセスモデルを校正する、コンピュータに実装される方法600を示すフロー図である。方法600は、図5の方法500により生成された前記ユニットプロセスモデルを校正するのに用いられてもよい。一部の実施形態では、図1のモデル校正手段150が方法600を実行することにより、前記ユニットプロセスモデルを構築する。図6Aの実施形態では、前記ユニットプロセスモデルが第一原理モデルである。方法600は、前記ユニットプロセスモデルをオンラインで機能するように校正して、プラントにおいて前記モデル化された動作ユニットに関するリアルタイムの意思決定を促す。方法600は、当該校正の一部として、前記ユニットプロセスモデルのコンポーネンを調和させて、プラントでの物理的な計器装置(例えば、図1の108A〜108I等)からリアルタイムで収集された測定値を用いて当該モデルがオンラインで機能することを可能にする。これにより、調和された前記ユニットプロセスモデルは、プラントでの前記動作ユニットに関するプラント操業を正確に監視及び予測することが可能となる。さらに、このオンラインモデルは、前記モデル化された動作ユニットについてのリアルタイムの正確な予測分析を、プラント制御システム(例えば、図1のコンピュータ175等)やプラント従事者(例えば、プラントエンジニアおよびオペレータ等)に出力することが可能となる。
方法600は、ステップ605にて開始する。方法600はステップ610にて、ユニットプロセスモデルについての前記構成ファイルを読み出す。一部の実施形形態では、当該ユニットプロセスモデルは方法500により生成されたものであり、当該構成ファイルは方法500のステップ580で保存されたものである。方法600はステップ615にて、前記ユニットプロセスモデルによりモデル化された前記動作ユニットに入る原料ストリームのベース原料組成を読み出す(初期化する)。方法600(ステップ615)は、前記ユニットプロセスモデルを(図5を参照しながら説明したように)構築するのに用いられた前記ソースモデルから、前記モデル化された動作ユニットのベース原料組成を読み出してもよい。方法600(ステップ615)は、前記モデル化された動作ユニットの各主要成分についての原料組成範囲を、前記ベース原料組成を基準とする割合で算出してもよい。
方法600はステップ630にて、生成された前記データセットを用いて、前記ユニットプロセスモデルにおける前記モデル化された流量を調和させる。当該調和により、前記ユニットプロセスモデルは、プラントでの前記モデル化された動作ユニット(又は他の動作ユニット)の物理的な流量計器によりリアルタイムで収集された測定値を用いて機能する(駆動される)ことが可能となる。一部の実施形態では、モデル校正手段150の流量調和部がステップ630を実行してもよい。前記ユニットプロセス(第一原理)モデルの流量調和は、プラントシステムが定常状態にあるときの前記モデル化された動作ユニットの正確なプロキシ(代理)として当該モデルが使用されることが可能となるように、当該モデルについての校正パラメータを算出することを伴う。流量調和用の校正パラメータは、前記動作ユニットに入る製品ストリームの流量オフセットである。流量オフセットは、プラントでの前記動作ユニットの物理的な流量計器により測定された流量値と前記ユニットプロセスモデルにより算出された流量値との差分(すなわち、流量オフセット値=観測プラント値−モデル予測値)である。方法600(ステップ630)が流量調和を実行するには、これらの製品ストリームの原料組成が判明している必要がある。しかし、原料組成を算出するには原料推定手段が必要になるのに対して、原料推定手段は、調和されたユニットプロセス(第一原理)モデルが既に利用可能である場合にしか構築されることができない。方法600が、流量調和を実行する前に(ステップ615で)前記ソースモデルからの原料組成を初期化していたのは、流量調和と原料推定手段の構築との依存関係に対処するためである。
方法600はステップ635にて、生成された前記データセット(ステップ625)を用いて、前記ユニットプロセスモデルにおける前記モデル化された温度を調和させる。当該調和により、前記ユニットプロセスモデルは、プラントでの前記モデル化された動作ユニット(又は他の動作ユニット)の物理的な温度計器によりリアルタイムで収集された測定値を用いて機能する(駆動される)ことが可能となる。一部の実施形態では、モデル校正手段150の温度調和部がステップ635を実行してもよい。前記ユニットプロセス(第一原理)モデルの温度調和は、当該モデルの流量調和(ステップ630)と同様に、プラントシステムが定常状態にあるときの前記モデル化された動作ユニットの正確なプロキシ(代理)として当該モデルが使用されることが可能となるように、当該モデルについての校正パラメータを算出することを伴う。前記モデル化された動作ユニットが蒸留塔であるときの当該校正パラメータは、当該モデル化された動作ユニットについての効率パラメータ(変数)及び通気パラメータ(変数)である。方法600(ステップ635)は、前記効率パラメータを、プラント測定値とモデル予測との間の誤差を最小にする解設定時に計算エンジンによって動かされる自由度として設定する。
方法600はステップ640にて、前記ユニットプロセスモデルにおいて原料推定手段を構築する。一部の実施形態では、モデル校正手段150の原料推定手段構築部がステップ640を実行してもよい。方法600(ステップ640)は、プラントでの(前記ユニットプロセスモデルによりモデル化された)前記物理的な動作ユニットに入る原料ストリームの組成を推定するために前記原料推定手段を構築する。方法600(ステップ640)は、(630〜635から出力された)調和された前記ユニットプロセスモデルを用いて、前記原料推定手段を構築するのに用いられる原料推定手段データセットを生成する。方法600(ステップ640)は、当該原料推定手段データセットを生成するのに:(i)ステップ615で決定された、動作ユニットの各主要成分についての前記原料組成範囲;及び(ii)ステップ620で決定された、校正された前記時間ホライズンにわたる前記動作ユニットの各MVの範囲;を用いる。
ユニットプロセスモデルが蒸留塔動作ユニットを表したものである場合には、方法600が、さらに、ステップ650にて、当該ユニットプロセスモデルの流体力学的モデルを調整する。一部の実施形態では、モデル校正手段150の流体力学的モデル調整部がステップ650を実行してもよい。前記流体力学的モデルは、前記蒸留塔の各段での液体・蒸気往来を表す。(前記ユニットプロセスモデルの一部としての)当該流体力学的モデルは、蒸留塔が飛沫同伴、フラッディング、またはウィーピングなどの動作上の問題に遭遇しているか否かを判定するように前記ユニットプロセスモデルにより用いられる。フラッディングリスクに関する塔動作の安定性は、十分確立されたフラッディング相関式(例えば、H.Z. Kister and J.R. Haas, Chem. Eng. Prog., 86(9), page 63 (1990)、J.R Fair, Petro/Chem Eng., 33(10), page 45 (1961)等を参照のこと。これらの全体は、参照をもって本明細書に取り入れたものとする。)により定量化されることができる。これらの相関式は、動作変数(例えば、トレイ蒸気流量及びトレイ液体流量等)ならびにパラメータ(例えば、システムフォーミング(foaming)ファクタ等)からフラッディング率(FF)を算出する。前記流体力学的モデルのフラッディング率の算出値に基づき、前記蒸留塔についての動作領域は、図6Cに示すように、安定動作ゾーン(FF<80%)と、不安定動作ゾーン(80%≦FF<90%)と、問題ゾーン(FF>90%:動作上の問題に遭遇する)という3種類の主なゾーンに分けられることができる。前記蒸留塔における所与の段の液体・蒸気流量は、前記3種類のゾーンのうちのどのゾーンで当該塔の所与の段が動作しているかを示す。
図7は、例えば実装された配備モジュール160等により本発明の実施形態においてユニットプロセスモデルを配備する、コンピュータに実装される方法700を示すフロー図である。方法700は、ステップ710にて開始する。方法700はステップ720にて、校正された前記ユニットプロセスモデルを記憶した前記構成ファイル(コンフィグレーションファイル)を読み出し、当該構成ファイルをリアルタイムプラントデータと関連付けて、前記モデルをオンラインで動的に実行する。一部の実施形態では、前記構成ファイルは、構築方法500及び校正方法600により生成された、保存及び構成されたファイルとして取り出されたものである。方法700(ステップ720)は、まず、前記ユニットプロセスモデルにおける変数を、(図5のステップ560〜ステップ570で提供された)当該変数それぞれのマッピングされた計器タグに結び付ける。方法700は、次に、ステップ730にて、前記リアルタイムプラントヒストリアンから、測定されたプラントデータを取り出し、取り出された当該データを適応させる(すなわち、内挿及び平均化する)。前記リアルタイムプラントヒストリアンは、集中プラントデータストア130に位置してもよい。当該測定されたプラントデータは、方法500のステップ560〜ステップ570からのマッピングされた前記計器タグに対応する。
ルールエンジンが、本発明の実施形態において予測知見及び指示案内のために生成されてもよい。ルールエンジンは、ドメイン固有論理に関連して、少なくとも1つのモデルの組合せを参照する。例えば、前記ルールエンジンは、(例えば、図8Bに示すようなユーザインターフェースを介した)ユーザ入力と、(一部の実施形態では、方法500により生成されたモデルによって算出される)第一原理モデル予測と、プラントタグデータとの組合せを、入力として受け取ってもよい。前記ルールエンジンは、多数の事象を予測するのに用いられてもよい。当該多数の事象は、:(i)物理的な計器により得られたプラント測定値と第一原理モデル予測との不一致;および(ii)差し迫った不所望の動作事象;を含む。前記ルールエンジンは、予測された事象に基づいて、当該事象の警告や改善措置の提案を発行することができる。前者の例示的な事象種類(すなわち、プラント測定値と第一原理モデル予測との不一致)は、前記第一原理モデルが最新(現在)の設備操業に関してもはや適切に校正されていないことや、前記物理的な計器においてドリフトが発生している可能性があり当該物理的な計器の再校正が必要であることをユーザに知らせるのに用いられることができる。
Score = Sum(Coeffi*(Xi-Constanti)^Exponenti)
Else:
Score = 0
図9に、本発明が実装され得るコンピュータネットワーク又は同様のデジタル処理環境を示す。
なお、本発明は、態様として以下の内容を含む。
〔態様1〕
コンピュータに実装され、オンラインのユニットプロセスモデルを生成する方法であって、
産業プラントのプラントワイドプロセスモデルであって、前記産業プラントのオフライン操業を実行するように構成されているプラントワイドプロセスモデルを特定する過程と、
特定された前記プラントワイドプロセスモデルに含まれる、モデル化された動作ユニットであって、前記産業プラントにおける実際の動作ユニットに対応するモデル化された動作ユニットを選択する選択過程と、
特定された前記プラントワイドプロセスモデルを、選択された前記モデル化された動作ユニットのユニットプロセスモデルに変換する変換過程と、
前記ユニットプロセスモデルを、前記実際の動作ユニットの計器によって収集されたリアルタイム測定値に基づいて機能できるように再校正する再校正過程と、
再校正された前記ユニットプロセスモデルであって、前記実際の動作ユニットの前記計器によって収集されたリアルタイム測定値に基づいて、前記産業プラントにおける前記実際の動作ユニットの動作挙動を予測するKPIを算出するユニットプロセスモデルを前記産業プラントにおいてオンラインで配備する配備過程と、
前記実際の動作ユニットを、当該実際の動作ユニットの予測された前記動作挙動に従って制御する制御過程と、
を備える、方法。
〔態様2〕
態様1に記載の方法において、前記プラントワイドプロセスモデルが第一原理モデルであり、かつ、前記変換過程及び前記再校正過程から得られる前記ユニットプロセスモデルが第一原理モデルである、方法。
〔態様3〕
態様1に記載の方法において、前記動作ユニットが蒸留塔である、方法。
〔態様4〕
態様1に記載の方法において、特定された前記プラントワイドプロセスモデルを変換する前記変換過程が、
選択された前記モデル化された動作ユニットとは無関係な変数及び式を除去する除去副過程、
選択された前記モデル化された動作ユニットの仕様を標準仕様に置換する置換副過程、
計算基準を標準形式に変換する変換副過程、
選択された前記モデル化された動作ユニットのプロセス変数
を再設定する再設定副過程、ならびに
選択された前記モデル化された動作ユニットの制御ループであって、選択された前記モデル化された動作ユニットの動作目的を特定する制御ループを決定する決定副過程、
を含む、方法。
〔態様5〕
態様4に記載の方法において、前記プロセス変数を再設定する前記再設定副過程が、
選択された前記モデル化された動作ユニットの操作変数及び出力変数を特定すること、ならびに
特定された前記操作変数及び前記出力変数のそれぞれを、少なくとも1つの計器タグにマッピングすること、
を有する、方法。
〔態様6〕
態様1に記載の方法において、前記ユニットプロセスモデルを再校正する前記再校正過程が、
リアルタイムプラントヒストリアンから取り出されたプラントデータに基づくデータセットであって、校正された時間ホライズン中に定常状態で収集された、前記プラントデータのサブセットを含むデータセットを生成する生成副過程、
前記ユニットプロセスモデルにおけるモデル化された流量を調和させる副過程であって、前記ユニットプロセスモデルが前記産業プラントにおいて実際の流量計器によって収集された測定値を用いて機能することを可能にする、流量調和副過程、
前記ユニットプロセスモデルにおけるモデル化された温度を調和させる副過程であって、前記ユニットプロセスモデルが前記産業プラントにおいて実際の流量計器によって収集された測定値を用いて機能することを可能にする、温度調和副過程、
選択された前記モデル化された動作ユニットに入る原料ストリームの組成を前記ユニットプロセスモデルが推定することを可能にする原料推定手段を構築する構築副過程、ならびに
選択された前記モデル化された動作ユニットが蒸留塔である場合、前記ユニットプロセスモデルにおける当該蒸留塔の内部の液体・蒸気往来流を表す流体力学的モデルを調整する調整副過程、
を含む、方法。
〔態様7〕
態様6に記載の方法において、モデル化された流量を調和させる前記流量調和副過程又はモデル化された温度を調和させる前記温度調和副過程が、さらに、
前記実際の計器それぞれにおける期待誤差を選択すること、
前記データセットの前記プラントデータを、トレーニングセットとテストセットに分けること、
最適化モデルを前記トレーニングセットにおける各データ点について生成することであって、当該最適化モデルの解を求めることにより、前記モデル化された流量又は前記モデル化された温度についての校正パラメータを決定すること、および
シミュレーションモデルを前記テストセットにおける各データ点について生成することであって、当該シミュレーションモデルの解を求めることにより、決定された前記校正パラメータの品質を決定すること、
を有する、方法。
〔態様8〕
態様7に記載の方法において、前記モデル化された流量についての前記校正パラメータが、前記実際の流量計器によって測定された流量と前記ユニットプロセスモデルによって算出された流量との差分を表す流量オフセットである、方法。
〔態様9〕
態様7に記載の方法において、前記モデル化された温度についての前記校正パラメータが、
前記実際の温度計器によって測定された温度と前記ユニットプロセスモデルによって算出された温度との分離度を表す効率パラメータ、および
前記実際の動作ユニットにおいて測定された圧力降下が前記ユニットプロセスモデルによって算出された圧力降下と合致するか否かを表す通気パラメータを含む、方法。
〔態様10〕
態様1に記載の方法において、再校正された前記ユニットプロセスモデルを前記産業プラントにおいてオンラインで配備する前記配備過程が、
前記ユニットプロセスモデルの動的に実行可能なバージョンを生成する副過程であって、前記実際の動作ユニットの前記計器によるリアルタイム測定値を前記ユニットプロセスモデルによって算出される対応する数値にリンクする変数を生成する、副過程、
前記実際の動作ユニットのリアルタイム測定値を取り出す副過程であって、前記モデルに、リンクされた変数をリアルタイム測定値と関連付けて設定する、副過程、
前記ユニットプロセスモデルの前記動的に実行可能なバージョンの解を求める副過程であって、リンクされた変数を算出されるモデル値に関連付けて設定し、前記モデル化された動作ユニットのKPIについての数値を決定する、副過程、ならびに
決定された前記KPIを、当該KPIに基づいて前記実際の動作ユニットを予測及び制御するように構成されたプラントコンピュータによるアクセスのために、リアルタイムヒストリアンに書き込む副過程、
を含む、方法。
〔態様11〕
態様1に記載の方法において、さらに、
再校正された前記ユニットプロセスモデルを、前記実際の動作ユニットの事象についての指示案内のユーザへの提供を自動化しているルールエンジンを生成するように適用する過程、
を備える、方法。
〔態様12〕
オンラインのユニットプロセスモデルを生成するコンピュータシステムであって、
プロセッサと、
コンピュータコード命令が記憶されたメモリと、
を備え、前記メモリは、前記プロセッサにより実行されると前記コンピュータコード命令が
a)モデル変換手段であって、
産業プラントのプラントワイドプロセスモデルであって、前記産業プラントのオフライン操業を実行するように構成されたプラントワイドプロセスモデルを取得し、
取得された前記プラントワイドプロセスモデルに含まれる、モデル化された動作ユニットであって、前記産業プラントでの実際の動作ユニットに対応するモデル化された動作ユニットを選択し、
取得された前記プラントワイドプロセスモデルを、選択された前記モデル化された動作ユニットのユニットプロセスモデルに変換するように構成された、モデル変換手段、
b)前記モデル変換手段に応答して、前記ユニットプロセスモデルを再校正するように構成されたモデル校正手段であって、前記再校正により、前記ユニットプロセスモデルが、前記実際の動作ユニットの計器によって収集されたリアルタイム測定値に基づいて機能できるようにする、モデル校正手段、および
c)再校正された前記ユニットプロセスモデルを前記産業プラントにおいてオンラインで配備するように接続された配備エンジンであって、配備された前記ユニットプロセスモデルは、前記実際の動作ユニットの前記計器によって収集されたリアルタイム測定値に基づいて、前記産業プラントでの前記実際の動作ユニットの動作挙動を予測するKPIを算出する、配備エンジン
を当該コンピュータシステムに実装させるように、前記プロセッサに作動的に接続されており、
前記配備エンジンは、前記実際の動作ユニットを、当該実際の動作ユニットの予測された前記動作挙動に従って制御するように構成された制御システム通信する、コンピュータシステム。
〔態様13〕
態様12に記載のコンピュータシステムにおいて、取得された前記プラントワイドプロセスモデルおよび再校正された前記ユニットプロセスモデルが第一原理モデルである、コンピュータシステム。
〔態様14〕
態様12に記載のコンピュータシステムにおいて、前記動作ユニットが蒸留塔である、コンピュータシステム。
〔態様15〕
態様12に記載のコンピュータシステムにおいて、前記モデル変換手段が、さらに、前記プラントワイドプロセスを、
選択された前記モデル化された動作ユニットとは無関係な変数及び式を除去し、
選択された前記モデル化された動作ユニットの仕様を標準仕様に置換し、
計算基準を標準形式に変換し、
選択された前記モデル化された動作ユニットのプロセス変数を再設定し、
選択された前記モデル化された動作ユニットの制御ループであって、選択された前記モデル化された動作ユニットの動作目的を特定する制御ループを決定することによって
変換するように構成されている、コンピュータシステム。
〔態様16〕
態様15に記載のコンピュータシステムにおいて、前記モデル変換手段が、さらに、前記プロセス変数を、
選択された前記モデル化された動作ユニットの操作変数及び出力変数を特定し、
特定された前記操作変数及び前記出力変数のそれぞれを、少なくとも1つの計器タグにマッピングすることによって
再設定するように構成されている、コンピュータシステム。
〔態様17〕
態様12に記載のコンピュータシステムにおいて、前記モデル校正手段が、
リアルタイムプラントヒストリアンから取り出されたプラントデータに基づくデータセットであって、校正された時間ホライズン中に定常状態で収集された、前記プラントデータのサブセットを含むデータセットを生成するように構成されたデータセット生成部、
前記ユニットプロセスモデルにおけるモデル化された流量を調和させるように構成された流量調和部であって、当該調和は、前記ユニットプロセスモデルが前記産業プラントにおいて実際の流量計器によって収集された測定値を用いて機能することを可能にする、流量調和部、
前記ユニットプロセスモデルにおけるモデル化された温度を調和させるように構成された温度調和部であって、当該調和は、前記ユニットプロセスモデルが前記産業プラントにおいて実際の流量計器によって収集された測定値を用いて機能することを可能にする、温度調和部、
選択された前記モデル化された動作ユニットに入る原料ストリームの組成を前記ユニットプロセスモデルが推定することを可能にする原料推定手段を構築するように構成された原料推定手段構築部、ならびに
選択された前記モデル化された動作ユニットが蒸留塔である場合、前記ユニットプロセスモデルにおける当該蒸留塔の内部の液体・蒸気往来流を表す流体力学的モデルを調整するように構成された流体力学的モデル調整部、
を含む、コンピュータシステム。
〔態様18〕
態様17に記載のコンピュータシステムにおいて、前記流量調和部および前記温度調和部が、さらに、
前記実際の計器それぞれにおける期待誤差を選択し、
前記データセットの前記プラントデータを、トレーニングセットとテストセットに分けて、
最適化モデルを前記トレーニングセットにおける各データ点について生成し、当該最適化モデルの解を求めることにより、前記モデル化された流量又は前記モデル化された温度についての校正パラメータを決定し、
シミュレーションモデルを前記テストセットにおける各データ点について生成し、当該シミュレーションモデルの解を求めることにより、決定された前記校正パラメータの品質を決定するように構成されている、コンピュータシステム。
〔態様19〕
態様18に記載のコンピュータシステムにおいて、前記校正パラメータが:
前記モデル化された流量については、前記実際の流量計器によって測定された流量と前記ユニットプロセスモデルによって算出された流量との差分を表す流量オフセットであり、
前記モデル化された温度については、前記実際の温度計器によって測定された温度と前記ユニットプロセスモデルによって算出された温度との分離度を表す効率パラメータ、および前記実際の動作ユニットにおいて測定された圧力降下が前記ユニットプロセスユニットによって算出された圧力降下と合致するか否かを表す通気パラメータである、コンピュータシステム。
〔態様20〕
態様12に記載のコンピュータシステムにおいて、前記配備モジュールが、さらに、
前記実際の動作ユニットの前記計器によるリアルタイム測定値を前記ユニットプロセスモデルによって算出される対応する数値にリンクする変数を生成することを含み、前記ユニットプロセスモデルの動的に実行可能なバージョンを生成し、
前記実際の動作ユニットのリアルタイム測定値を取り出し、前記モデルに、リンクされた変数をリアルタイム測定値と関連付けて設定し、
前記ユニットプロセスモデルの前記動的に実行可能なバージョンの解を求め、リンクされた変数を算出されるモデル値と関連付けて設定し、前記モデル化された動作ユニットのKPIの数値を決定し、
決定された前記KPIを、当該KPIに基づいて前記実際の動作ユニットを予測及び制御するように構成されたプラントコンピュータによるアクセスのために、リアルタイムヒストリアンに書き込むように構成されている、コンピュータシステム。
〔態様21〕
態様12に記載のコンピュータシステムにおいて、前記配備モジュールが、さらに、再校正された前記ユニットプロセスモデルを適用し、前記実際の動作ユニットの事象についての指示案内のユーザへの提供を自動化しているルールエンジンを生成する、コンピュータシステム。
〔態様22〕
コード命令が記憶された非過渡的なコンピュータ読取り可能記憶媒体、
を備える、コンピュータプログラムプロダクトであって、
前記記憶媒体は、オンラインのユニットプロセスモデルを生成するプロセッサにより実行されると前記コード命令が、当該プロセッサに:
産業プラントのプラントワイドプロセスモデルであって、前記産業プラントのオフライン操業を実行するように構成されているプラントワイドプロセスモデルを取得する手順、
取得された前記プラントワイドプロセスモデルに含まれる、モデル化された動作ユニットであって、前記産業プラントにおける実際の動作ユニットに対応するモデル化された動作ユニットを選択する手順、
取得された前記プラントワイドプロセスモデルを、選択された前記モデル化された動作ユニットの第一原理ユニットプロセスモデルに変換する手順、
前記ユニットプロセスモデルを、前記実際の動作ユニットの計器によって収集されたリアルタイム測定値に基づいて機能できるように再校正して、再校正された第一原理ユニットプロセスモデルとする手順、
再校正された前記第一原理ユニットプロセスモデルであって、前記実際の動作ユニットの前記計器によって収集されたリアルタイム測定値に基づいて、前記産業プラントにおける前記実際の動作ユニットの動作挙動を予測するKPIを算出する第一原理ユニットプロセスモデルを前記産業プラントにおいてオンラインで配備する手順、
前記実際の動作ユニットを、当該実際の動作ユニットの予測された前記動作挙動に従って制御する手順
を実行させるように、当該プロセッサに作動的に接続されている、コンピュータプログラムプロダクト。
Claims (22)
- コンピュータに実装され、オンラインのユニットプロセスモデルを生成する方法であって、
産業プラントのプラントワイドプロセスモデルであって、前記産業プラントのオフライン操業を実行するように構成されているプラントワイドプロセスモデルを特定する過程と、
特定された前記プラントワイドプロセスモデルに含まれる、モデル化された動作ユニットであって、前記産業プラントにおける実際の動作ユニットに対応するモデル化された動作ユニットを選択する選択過程と、
特定された前記プラントワイドプロセスモデルを、選択された前記モデル化された動作ユニットのユニットプロセスモデルに変換する変換過程と、
前記ユニットプロセスモデルを、前記実際の動作ユニットの計器によって収集されたリアルタイム測定値に基づいて機能できるように再校正する再校正過程と、
再校正された前記ユニットプロセスモデルであって、前記実際の動作ユニットの前記計器によって収集されたリアルタイム測定値に基づいて、前記産業プラントにおける前記実際の動作ユニットの動作挙動を予測するKPIを算出するユニットプロセスモデルを前記産業プラントにおいてオンラインで配備する配備過程と、
前記実際の動作ユニットを、当該実際の動作ユニットの予測された前記動作挙動に従って制御する制御過程と、
を備える、方法。 - 請求項1に記載の方法において、前記プラントワイドプロセスモデルが第一原理モデルであり、かつ、前記変換過程及び前記再校正過程から得られる前記ユニットプロセスモデルが第一原理モデルである、方法。
- 請求項1に記載の方法において、前記動作ユニットが蒸留塔である、方法。
- 請求項1に記載の方法において、特定された前記プラントワイドプロセスモデルを変換する前記変換過程が、
選択された前記モデル化された動作ユニットとは無関係な変数及び式を除去する除去副過程、
選択された前記モデル化された動作ユニットの仕様を標準仕様に置換する置換副過程、
計算基準を標準形式に変換する変換副過程、
選択された前記モデル化された動作ユニットのプロセス変数
を再設定する再設定副過程、ならびに
選択された前記モデル化された動作ユニットの制御ループであって、選択された前記モデル化された動作ユニットの動作目的を特定する制御ループを決定する決定副過程、
を含む、方法。 - 請求項4に記載の方法において、前記プロセス変数を再設定する前記再設定副過程が、
選択された前記モデル化された動作ユニットの操作変数及び出力変数を特定すること、ならびに
特定された前記操作変数及び前記出力変数のそれぞれを、少なくとも1つの計器タグにマッピングすること、
を有する、方法。 - 請求項1に記載の方法において、前記ユニットプロセスモデルを再校正する前記再校正過程が、
リアルタイムプラントヒストリアンから取り出されたプラントデータに基づくデータセットであって、校正された時間ホライズン中に定常状態で収集された、前記プラントデータのサブセットを含むデータセットを生成する生成副過程、
前記ユニットプロセスモデルにおけるモデル化された流量を調和させる副過程であって、前記ユニットプロセスモデルが前記産業プラントにおいて実際の流量計器によって収集された測定値を用いて機能することを可能にする、流量調和副過程、
前記ユニットプロセスモデルにおけるモデル化された温度を調和させる副過程であって、前記ユニットプロセスモデルが前記産業プラントにおいて実際の温度計器によって収集された測定値を用いて機能することを可能にする、温度調和副過程、
選択された前記モデル化された動作ユニットに入る原料ストリームの組成を前記ユニットプロセスモデルが推定することを可能にする原料推定手段を構築する構築副過程、ならびに
選択された前記モデル化された動作ユニットが蒸留塔である場合、前記ユニットプロセスモデルにおける当該蒸留塔の内部の液体・蒸気往来流を表す流体力学的モデルを調整する調整副過程、
を含む、方法。 - 請求項6に記載の方法において、モデル化された流量を調和させる前記流量調和副過程又はモデル化された温度を調和させる前記温度調和副過程が、さらに、
前記実際の計器それぞれにおける期待誤差を選択すること、
前記データセットの前記プラントデータを、トレーニングセットとテストセットに分けること、
最適化モデルを前記トレーニングセットにおける各データ点について生成することであって、当該最適化モデルの解を求めることにより、前記モデル化された流量又は前記モデル化された温度についての校正パラメータを決定すること、および
シミュレーションモデルを前記テストセットにおける各データ点について生成することであって、当該シミュレーションモデルの解を求めることにより、決定された前記校正パラメータの品質を決定すること、
を有する、方法。 - 請求項7に記載の方法において、前記モデル化された流量についての前記校正パラメータが、前記実際の流量計器によって測定された流量と前記ユニットプロセスモデルによって算出された流量との差分を表す流量オフセットである、方法。
- 請求項7に記載の方法において、前記モデル化された温度についての前記校正パラメータが、
前記実際の温度計器によって測定された温度と前記ユニットプロセスモデルによって算出された温度との分離度を表す効率パラメータ、および
前記実際の動作ユニットにおいて測定された圧力降下が前記ユニットプロセスモデルによって算出された圧力降下と合致するか否かを表す通気パラメータを含む、方法。 - 請求項1に記載の方法において、再校正された前記ユニットプロセスモデルを前記産業プラントにおいてオンラインで配備する前記配備過程が、
前記ユニットプロセスモデルの動的に実行可能なバージョンを生成する副過程であって、前記実際の動作ユニットの前記計器によるリアルタイム測定値を前記ユニットプロセスモデルによって算出される対応する数値にリンクする変数を生成する、副過程、
前記実際の動作ユニットのリアルタイム測定値を取り出す副過程であって、前記モデルに、リンクされた変数をリアルタイム測定値と関連付けて設定する、副過程、
前記ユニットプロセスモデルの前記動的に実行可能なバージョンの解を求める副過程であって、リンクされた変数を算出されるモデル値に関連付けて設定し、前記モデル化された動作ユニットのKPIについての数値を決定する、副過程、ならびに
決定された前記KPIを、当該KPIに基づいて前記実際の動作ユニットを予測及び制御するように構成されたプラントコンピュータによるアクセスのために、リアルタイムヒストリアンに書き込む副過程、
を含む、方法。 - 請求項1に記載の方法において、さらに、
再校正された前記ユニットプロセスモデルを、前記実際の動作ユニットの事象についての指示案内のユーザへの提供を自動化しているルールエンジンを生成するように適用する過程、
を備える、方法。 - オンラインのユニットプロセスモデルを生成するコンピュータシステムであって、
プロセッサと、
コンピュータコード命令が記憶されたメモリと、
を備え、前記メモリは、前記プロセッサにより実行されると前記コンピュータコード命令が
a)モデル変換手段であって、
産業プラントのプラントワイドプロセスモデルであって、前記産業プラントのオフライン操業を実行するように構成されたプラントワイドプロセスモデルを取得し、
取得された前記プラントワイドプロセスモデルに含まれる、モデル化された動作ユニットであって、前記産業プラントでの実際の動作ユニットに対応するモデル化された動作ユニットを選択し、
取得された前記プラントワイドプロセスモデルを、選択された前記モデル化された動作ユニットのユニットプロセスモデルに変換するように構成された、モデル変換手段、
b)前記モデル変換手段に応答して、前記ユニットプロセスモデルを再校正するように構成されたモデル校正手段であって、前記再校正により、前記ユニットプロセスモデルが、前記実際の動作ユニットの計器によって収集されたリアルタイム測定値に基づいて機能できるようにする、モデル校正手段、および
c)再校正された前記ユニットプロセスモデルを前記産業プラントにおいてオンラインで配備するように構成された配備エンジンであって、配備された前記ユニットプロセスモデルは、前記実際の動作ユニットの前記計器によって収集されたリアルタイム測定値に基づいて、前記産業プラントでの前記実際の動作ユニットの動作挙動を予測するKPIを算出する、配備エンジン
を当該コンピュータシステムに実装させるように、前記プロセッサに作動的に接続されており、
前記配備エンジンは、前記実際の動作ユニットを、当該実際の動作ユニットの予測された前記動作挙動に従って制御するように構成された制御システム通信する、コンピュータシステム。 - 請求項12に記載のコンピュータシステムにおいて、取得された前記プラントワイドプロセスモデルおよび再校正された前記ユニットプロセスモデルが第一原理モデルである、コンピュータシステム。
- 請求項12に記載のコンピュータシステムにおいて、前記動作ユニットが蒸留塔である、コンピュータシステム。
- 請求項12に記載のコンピュータシステムにおいて、前記モデル変換手段が、さらに、前記プラントワイドプロセスを、
選択された前記モデル化された動作ユニットとは無関係な変数及び式を除去し、
選択された前記モデル化された動作ユニットの仕様を標準仕様に置換し、
計算基準を標準形式に変換し、
選択された前記モデル化された動作ユニットのプロセス変数を再設定し、
選択された前記モデル化された動作ユニットの制御ループであって、選択された前記モデル化された動作ユニットの動作目的を特定する制御ループを決定することによって
変換するように構成されている、コンピュータシステム。 - 請求項15に記載のコンピュータシステムにおいて、前記モデル変換手段が、さらに、前記プロセス変数を、
選択された前記モデル化された動作ユニットの操作変数及び出力変数を特定し、
特定された前記操作変数及び前記出力変数のそれぞれを、少なくとも1つの計器タグにマッピングすることによって
再設定するように構成されている、コンピュータシステム。 - 請求項12に記載のコンピュータシステムにおいて、前記モデル校正手段が、
リアルタイムプラントヒストリアンから取り出されたプラントデータに基づくデータセットであって、校正された時間ホライズン中に定常状態で収集された、前記プラントデータのサブセットを含むデータセットを生成するように構成されたデータセット生成部、
前記ユニットプロセスモデルにおけるモデル化された流量を調和させるように構成された流量調和部であって、当該調和は、前記ユニットプロセスモデルが前記産業プラントにおいて実際の流量計器によって収集された測定値を用いて機能することを可能にする、流量調和部、
前記ユニットプロセスモデルにおけるモデル化された温度を調和させるように構成された温度調和部であって、当該調和は、前記ユニットプロセスモデルが前記産業プラントにおいて実際の温度計器によって収集された測定値を用いて機能することを可能にする、温度調和部、
選択された前記モデル化された動作ユニットに入る原料ストリームの組成を前記ユニットプロセスモデルが推定することを可能にする原料推定手段を構築するように構成された原料推定手段構築部、ならびに
選択された前記モデル化された動作ユニットが蒸留塔である場合、前記ユニットプロセスモデルにおける当該蒸留塔の内部の液体・蒸気往来流を表す流体力学的モデルを調整するように構成された流体力学的モデル調整部、
を含む、コンピュータシステム。 - 請求項17に記載のコンピュータシステムにおいて、前記流量調和部および前記温度調和部が、さらに、
前記実際の計器それぞれにおける期待誤差を選択し、
前記データセットの前記プラントデータを、トレーニングセットとテストセットに分けて、
最適化モデルを前記トレーニングセットにおける各データ点について生成し、当該最適化モデルの解を求めることにより、前記モデル化された流量又は前記モデル化された温度についての校正パラメータを決定し、
シミュレーションモデルを前記テストセットにおける各データ点について生成し、当該シミュレーションモデルの解を求めることにより、決定された前記校正パラメータの品質を決定するように構成されている、コンピュータシステム。 - 請求項18に記載のコンピュータシステムにおいて、前記校正パラメータが:
前記モデル化された流量については、前記実際の流量計器によって測定された流量と前記ユニットプロセスモデルによって算出された流量との差分を表す流量オフセットであり、
前記モデル化された温度については、前記実際の温度計器によって測定された温度と前記ユニットプロセスモデルによって算出された温度との分離度を表す効率パラメータ、および前記実際の動作ユニットにおいて測定された圧力降下が前記ユニットプロセスモデルによって算出された圧力降下と合致するか否かを表す通気パラメータである、コンピュータシステム。 - 請求項12に記載のコンピュータシステムにおいて、前記配備エンジンが、さらに、
前記実際の動作ユニットの前記計器によるリアルタイム測定値を前記ユニットプロセスモデルによって算出される対応する数値にリンクする変数を生成することを含み、前記ユニットプロセスモデルの動的に実行可能なバージョンを生成し、
前記実際の動作ユニットのリアルタイム測定値を取り出し、前記モデルに、リンクされた変数をリアルタイム測定値と関連付けて設定し、
前記ユニットプロセスモデルの前記動的に実行可能なバージョンの解を求め、リンクされた変数を算出されるモデル値と関連付けて設定し、前記モデル化された動作ユニットのKPIの数値を決定し、
決定された前記KPIを、当該KPIに基づいて前記実際の動作ユニットを予測及び制御するように構成されたプラントコンピュータによるアクセスのために、リアルタイムヒストリアンに書き込むように構成されている、コンピュータシステム。 - 請求項12に記載のコンピュータシステムにおいて、前記配備エンジンが、さらに、再校正された前記ユニットプロセスモデルを適用し、前記実際の動作ユニットの事象についての指示案内のユーザへの提供を自動化しているルールエンジンを生成する、コンピュータシステム。
- コード命令が記憶された非過渡的なコンピュータ読取り可能記憶媒体、
を備える、コンピュータプログラムプロダクトであって、
前記記憶媒体は、オンラインのユニットプロセスモデルを生成するプロセッサにより実行されると前記コード命令が、当該プロセッサに:
産業プラントのプラントワイドプロセスモデルであって、前記産業プラントのオフライン操業を実行するように構成されているプラントワイドプロセスモデルを取得する手順、
取得された前記プラントワイドプロセスモデルに含まれる、モデル化された動作ユニットであって、前記産業プラントにおける実際の動作ユニットに対応するモデル化された動作ユニットを選択する手順、
取得された前記プラントワイドプロセスモデルを、選択された前記モデル化された動作ユニットの第一原理ユニットプロセスモデルに変換する手順、
前記ユニットプロセスモデルを、前記実際の動作ユニットの計器によって収集されたリアルタイム測定値に基づいて機能できるように再校正して、再校正された第一原理ユニットプロセスモデルとする手順、
再校正された前記第一原理ユニットプロセスモデルであって、前記実際の動作ユニットの前記計器によって収集されたリアルタイム測定値に基づいて、前記産業プラントにおける前記実際の動作ユニットの動作挙動を予測するKPIを算出する第一原理ユニットプロセスモデルを前記産業プラントにおいてオンラインで配備する手順、
前記実際の動作ユニットを、当該実際の動作ユニットの予測された前記動作挙動に従って制御する手順
を実行させるように、当該プロセッサに作動的に接続されている、コンピュータプログラムプロダクト。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662359379P | 2016-07-07 | 2016-07-07 | |
US62/359,379 | 2016-07-07 | ||
JP2019500348A JP2019521444A (ja) | 2016-07-07 | 2017-07-05 | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019500348A Division JP2019521444A (ja) | 2016-07-07 | 2017-07-05 | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021101388A true JP2021101388A (ja) | 2021-07-08 |
JP7394805B2 JP7394805B2 (ja) | 2023-12-08 |
Family
ID=59579903
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019500348A Pending JP2019521444A (ja) | 2016-07-07 | 2017-07-05 | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 |
JP2021064734A Active JP7394805B2 (ja) | 2016-07-07 | 2021-04-06 | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019500348A Pending JP2019521444A (ja) | 2016-07-07 | 2017-07-05 | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10990067B2 (ja) |
EP (1) | EP3482261B1 (ja) |
JP (2) | JP2019521444A (ja) |
WO (1) | WO2018009546A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
US11754998B2 (en) | 2019-10-18 | 2023-09-12 | Aspentech Corporation | System and methods for automated model development from plant historical data for advanced process control |
US11853032B2 (en) | 2019-05-09 | 2023-12-26 | Aspentech Corporation | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10990067B2 (en) | 2016-07-07 | 2021-04-27 | Aspen Technology, Inc. | Computer system and method for the dynamic construction and online deployment of an operation-centric first-principles process model for predictive analytics |
US11310125B2 (en) | 2018-05-25 | 2022-04-19 | At&T Intellectual Property I, L.P. | AI-enabled adaptive TCA thresholding for SLA assurance |
EP3605249A1 (de) * | 2018-08-02 | 2020-02-05 | Siemens Aktiengesellschaft | Verfahren zur synchronisierung, verfahren zum betreiben einer industriellen anlage, vorrichtung, computerprogrammprodukt und computerlesbares medium |
US11934159B2 (en) | 2018-10-30 | 2024-03-19 | Aspentech Corporation | Apparatus and methods for non-invasive closed loop step testing with controllable optimization relaxation |
DK3705963T3 (da) * | 2019-03-08 | 2022-10-24 | Abb Schweiz Ag | Hensigtsbaseret automatisk teknisk fremgangsmåde |
US20200387818A1 (en) * | 2019-06-07 | 2020-12-10 | Aspen Technology, Inc. | Asset Optimization Using Integrated Modeling, Optimization, and Artificial Intelligence |
US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
GB201913601D0 (en) * | 2019-09-20 | 2019-11-06 | Microsoft Technology Licensing Llc | Privacy enhanced machine learning |
US20210125068A1 (en) * | 2019-10-28 | 2021-04-29 | MakinaRocks Co., Ltd. | Method for training neural network |
CN114787837A (zh) | 2019-11-26 | 2022-07-22 | 巴斯夫欧洲公司 | 采用机器学习方法预测工业老化过程 |
JP6939872B2 (ja) * | 2019-12-13 | 2021-09-22 | 栗田工業株式会社 | 蒸留塔管理システム、蒸留塔状態分析方法及び蒸留塔管理方法 |
CN111210131B (zh) * | 2019-12-30 | 2023-08-18 | 浙江中控技术股份有限公司 | 面向流程工业的物料统计平衡方法 |
EP3862832A1 (en) * | 2020-02-07 | 2021-08-11 | Basf Se | Generating a representation of a process network comprising at least two interconnected chenical plants |
US11698609B2 (en) * | 2020-02-20 | 2023-07-11 | Honeywell International Inc. | Cascaded model predictive control with abstracting constraint boundaries |
US11656606B2 (en) | 2020-08-20 | 2023-05-23 | International Business Machines Corporation | Site-wide operations management optimization for manufacturing and processing control |
WO2022120360A1 (en) * | 2020-12-03 | 2022-06-09 | Aspen Technology, Inc. | Method and system for process schedule reconciliation using machine learning and algebraic model optimization |
US11774924B2 (en) | 2020-12-03 | 2023-10-03 | Aspentech Corporation | Method and system for process schedule reconciliation using algebraic model optimization |
RU2754239C1 (ru) * | 2020-12-22 | 2021-08-30 | Владимир Сергеевич Пахомов | Способ структурно-параметрического синтеза средств поддержки принятия решений при управлении развитием сложной организационно-технической системы и устройство для его реализации |
WO2022242843A1 (en) | 2021-05-19 | 2022-11-24 | Glass Service, A.S. | Method of control, control system and glass furnace, in particular for temperature/thermal control |
WO2023012007A1 (en) * | 2021-08-06 | 2023-02-09 | Basf Se | Method for monitoring and/or controlling a chemical plant using hybrid models |
US20240022492A1 (en) * | 2022-07-12 | 2024-01-18 | Parallel Wireless, Inc. | Top KPI Early Warning System |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6088630A (en) * | 1997-11-19 | 2000-07-11 | Olin Corporation | Automatic control system for unit operation |
JP2002526852A (ja) * | 1998-10-06 | 2002-08-20 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 製造システムを監視、かつ制御する方法およびシステム |
JP2005332360A (ja) * | 2004-04-22 | 2005-12-02 | Yokogawa Electric Corp | プラント運転支援装置 |
WO2012118067A1 (ja) * | 2011-02-28 | 2012-09-07 | 横河電機株式会社 | エネルギー管理方法およびそのシステム並びにgui方法 |
JP2013535730A (ja) * | 2010-07-23 | 2013-09-12 | サウジ アラビアン オイル カンパニー | データ収集および制御のための統合ノードを提供する機械、コンピュータプログラム製品、およびコンピュータで実施する方法 |
US9046881B2 (en) * | 2002-10-22 | 2015-06-02 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
US20160171414A1 (en) * | 2014-12-11 | 2016-06-16 | Saudi Arabian Oil Company | Method for Creating an Intelligent Energy KPI System |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7447554B2 (en) * | 2005-08-26 | 2008-11-04 | Cutler Technology Corporation | Adaptive multivariable MPC controller |
US8380842B2 (en) | 2007-04-26 | 2013-02-19 | Mtelligence Corporation | System and methods for the universal integration of plant floor assets and a computerized management system |
DE112009005510A5 (de) * | 2008-01-31 | 2013-06-20 | Fisher-Rosemount Systems, Inc. | Robuster adaptiver modellprädiktiver Regler mit Abstimmung zum Ausgleich einer Modellfehlanpassung |
US9141911B2 (en) * | 2009-05-29 | 2015-09-22 | Aspen Technology, Inc. | Apparatus and method for automated data selection in model identification and adaptation in multivariable process control |
US8452459B2 (en) * | 2009-08-31 | 2013-05-28 | Fisher-Rosemount Systems, Inc. | Heat exchange network heat recovery optimization in a process plant |
US8452719B2 (en) * | 2010-06-29 | 2013-05-28 | Rockwell Automation Technologies, Inc. | Extrapolating empirical models for control, prediction, and optimization applications |
US9529348B2 (en) * | 2012-01-24 | 2016-12-27 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for deploying industrial plant simulators using cloud computing technologies |
US9535808B2 (en) | 2013-03-15 | 2017-01-03 | Mtelligence Corporation | System and methods for automated plant asset failure detection |
WO2015149928A2 (en) * | 2014-03-31 | 2015-10-08 | Basf Se | Method and device for online evaluation of a compressor |
US10031510B2 (en) | 2015-05-01 | 2018-07-24 | Aspen Technology, Inc. | Computer system and method for causality analysis using hybrid first-principles and inferential model |
US20170308802A1 (en) | 2016-04-21 | 2017-10-26 | Arundo Analytics, Inc. | Systems and methods for failure prediction in industrial environments |
US10990067B2 (en) | 2016-07-07 | 2021-04-27 | Aspen Technology, Inc. | Computer system and method for the dynamic construction and online deployment of an operation-centric first-principles process model for predictive analytics |
EP3295611B1 (en) | 2016-07-13 | 2018-12-05 | Incelligent P.C. | Early warning and recommendation system for the proactive management of wireless broadband networks |
JP7107926B2 (ja) | 2016-10-21 | 2022-07-27 | データロボット, インコーポレイテッド | 予測データ分析のためのシステムおよび関連する方法および装置 |
US20180157225A1 (en) | 2016-12-05 | 2018-06-07 | Honeywell International Inc. | Apparatus and method for automatic model identification from historical data for industrial process control and automation systems |
JP6928119B2 (ja) | 2017-06-02 | 2021-09-01 | アスペン テクノロジー インコーポレイテッド | 予測推論モデルをオンラインで構築し配備するコンピュータシステム及び方法 |
JP7460657B2 (ja) | 2019-05-09 | 2024-04-02 | アスペンテック・コーポレーション | 機械学習を専門知識及び第一原理と組み合わせて行うプロセス産業のモデリング |
US20200387818A1 (en) | 2019-06-07 | 2020-12-10 | Aspen Technology, Inc. | Asset Optimization Using Integrated Modeling, Optimization, and Artificial Intelligence |
-
2017
- 2017-07-05 US US16/308,190 patent/US10990067B2/en active Active
- 2017-07-05 WO PCT/US2017/040725 patent/WO2018009546A1/en active Search and Examination
- 2017-07-05 JP JP2019500348A patent/JP2019521444A/ja active Pending
- 2017-07-05 EP EP17751159.9A patent/EP3482261B1/en active Active
-
2021
- 2021-04-06 JP JP2021064734A patent/JP7394805B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6088630A (en) * | 1997-11-19 | 2000-07-11 | Olin Corporation | Automatic control system for unit operation |
JP2002526852A (ja) * | 1998-10-06 | 2002-08-20 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 製造システムを監視、かつ制御する方法およびシステム |
US9046881B2 (en) * | 2002-10-22 | 2015-06-02 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
JP2005332360A (ja) * | 2004-04-22 | 2005-12-02 | Yokogawa Electric Corp | プラント運転支援装置 |
JP2013535730A (ja) * | 2010-07-23 | 2013-09-12 | サウジ アラビアン オイル カンパニー | データ収集および制御のための統合ノードを提供する機械、コンピュータプログラム製品、およびコンピュータで実施する方法 |
WO2012118067A1 (ja) * | 2011-02-28 | 2012-09-07 | 横河電機株式会社 | エネルギー管理方法およびそのシステム並びにgui方法 |
US20160171414A1 (en) * | 2014-12-11 | 2016-06-16 | Saudi Arabian Oil Company | Method for Creating an Intelligent Energy KPI System |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11853032B2 (en) | 2019-05-09 | 2023-12-26 | Aspentech Corporation | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
US11754998B2 (en) | 2019-10-18 | 2023-09-12 | Aspentech Corporation | System and methods for automated model development from plant historical data for advanced process control |
US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
Also Published As
Publication number | Publication date |
---|---|
JP7394805B2 (ja) | 2023-12-08 |
JP2019521444A (ja) | 2019-07-25 |
EP3482261A1 (en) | 2019-05-15 |
US20190179271A1 (en) | 2019-06-13 |
WO2018009546A1 (en) | 2018-01-11 |
EP3482261B1 (en) | 2021-05-05 |
US10990067B2 (en) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7394805B2 (ja) | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 | |
JP7461440B2 (ja) | 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法 | |
JP6928119B2 (ja) | 予測推論モデルをオンラインで構築し配備するコンピュータシステム及び方法 | |
JP7009438B2 (ja) | 時系列パターンモデルを用いて主要パフォーマンス指標(kpi)を監視するコンピュータシステム及び方法 | |
JP2019521444A5 (ja) | ||
JP6985833B2 (ja) | データ処理装置、制御システム、データ処理方法及びプログラム | |
KR20100042293A (ko) | 화학 플랜트 또는 정제소를 연속해서 온라인 모니터하는 시스템 및 방법 | |
KR20180104542A (ko) | 해석 장치, 해석 방법 및 기억 매체 | |
KR102343752B1 (ko) | 프로세스 장치에서 전체 프로세스 섹션의 상태를 자동 모니터링하고 측정하는 컴퓨터 실행 방법 및 시스템 | |
US20190164102A1 (en) | Operational improvement effect calculation device, operational improvement effect calculation method and recording medium | |
JP6216294B2 (ja) | 重回帰分析装置および重回帰分析方法 | |
JP2022035686A (ja) | 診断装置及びパラメータ調整方法 | |
AU2024201310A1 (en) | Methods for identifying key performance indicators | |
JP6458157B2 (ja) | データ分析装置および分析方法 | |
EP4120148A1 (en) | Parameter adjusting device, inference device, parameter adjusting method, and parameter adjusting program | |
JP7020500B2 (ja) | 予測モデルの生成方法、金属材料の腐食量予測方法、予測モデルの生成プログラムおよび予測モデルの生成装置 | |
JPWO2018002967A1 (ja) | 情報処理システム、情報処理方法、及び、プログラム | |
EP4020102A1 (en) | System and method for operating an industrial process | |
EP4160344A1 (en) | Monitoring apparatus, monitoring method, and monitoring program | |
WO2023233858A1 (ja) | ニューラルネットワークの計算装置及び計算方法 | |
JP7443609B1 (ja) | 学習装置、学習方法及び学習プログラム | |
US20230400821A1 (en) | Control device and control method | |
WO2023181320A1 (ja) | モデル処理装置、モデル処理方法、及び、記録媒体 | |
US20220261393A1 (en) | Methods for analysis of time series sensor measurements in physical systems | |
EP4102319A1 (en) | Control device, control method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210428 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230302 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230807 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7394805 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |