JP5239686B2 - プロセス推定システムおよびプロセス推定方法 - Google Patents

Description

本発明は、プラントの情報に基づいてプロセスに関するデータを推定するプロセス推定システムおよびプロセス推定方法に関する。

プラントで製造される製品の性状等をリアルタイムに分析する方法として、オンライン分析計を用いる方法が採用されている。しかし、オンライン分析計には分析の測定周期が長く、分析の信頼性が低いという問題がある。また、突発的なノイズが発生するという欠点もある。

一方、プラントから得られるプロセス変数に基づき、製品の性状値等を推定する手段としてソフトセンサが使用されている。ソフトセンサでは、性状等の振る舞いを数式モデルで記述しており、プラントからのセンサ値をこの数式モデルに入力することで、性状等を推定している。
特開２００５−３３２３６０号公報 横河技報Vol.50.No.3,p27-30 横河技報Vol.52.No.1,p35-38

ソフトセンサで使用される数式モデルを作成するためには、プラントから得られるプロセス変数および製品の性状値等を同時ソフトセンサに与え、学習させる必要がある。このため、化学プラントのように性状等の分析に多大な時間を要する場合には、分析データ自体が少なく、数式モデルによるモデリングができない場合や、データ数の不足により高い近似性を有する数理統計モデルが得られない場合が多々ある。

本発明の目的は、プロセスに関するデータを広範囲かつ高精度に推定することが可能なプロセス推定システムおよびプロセス推定方法を提供することにある。

本発明のプロセス推定システムは、プラントの情報に基づいてプロセスに関するデータを推定するプロセス推定システムにおいて、プラントからのプロセス変数を物理モデルまたは化学モデルに与えることにより、前記プラントの状態を模擬するシミュレータと、
前記シミュレータにより得られた仮想出力と、前記プラントの状態により定まる、プロセスに関する特定のデータとの対応付けに従って、前記シミュレータから得られる前記仮想出力を受けて前記特定のデータを推定する推定手段と、前記推定手段により推定された前記特定のデータに基づいて、前記プラントの状態を制御する制御装置と、を備えることを特徴とする。
このプロセス推定システムによれば、シミュレータにより得られた仮想出力と、プロセスに関する特定のデータとの対応付けに従って、上記特定のデータを推定するので、プロセスに関するデータを広範囲かつ高精度に推定することが可能となる。

前記対応付けは数学的なモデルとして規定されてもよい。

前記対応付けは、前記仮想出力および前記特定のデータの実際の対応関係に基づいて作成されてもよい。

前記特定のデータは、前記プロセスを介して得られる製品の性状であってもよい。

本発明のプロセス推定方法は、プラントの情報に基づいてプロセスに関するデータを推定するプロセス推定方法において、プラントからのプロセス変数をシミュレータの物理モデルまたは化学モデルに与えることにより、前記プラントの状態を模擬するステップと、前記シミュレータにより得られた仮想出力と、前記プラントの状態により定まる、プロセスに関する特定のデータとの対応付けに従って、前記シミュレータから得られる前記仮想出力を受けて前記特定のデータを推定するステップと、前記推定するステップにより推定された前記特定のデータに基づいて、前記プラントの状態を制御するステップと、を備えることを特徴とする。
このプロセス推定方法によれば、シミュレータにより得られた仮想出力と、プロセスに関する特定のデータとの対応付けに従って、上記特定のデータを推定するので、プロセスに関するデータを広範囲かつ高精度に推定することが可能となる。

前記対応付けを、前記仮想出力および前記特定のデータの実際の対応関係に基づいて作成するステップを備えてもよい。

本発明のプロセス推定システムによれば、シミュレータにより得られた仮想出力と、プロセスに関する特定のデータとの対応付けに従って、上記特定のデータを推定するので、プロセスに関するデータを広範囲かつ高精度に推定することが可能となる。

本発明のプロセス推定方法によれば、シミュレータにより得られた仮想出力と、プロセスに関する特定のデータとの対応付けに従って、上記特定のデータを推定するので、プロセスに関するデータを広範囲かつ高精度に推定することが可能となる。

以下、図１〜図２を参照して、本発明によるプロセス推定システムの一実施形態について説明する。

図１は、本実施形態のプロセス推定システムの構成を示すブロック図である。

図１に示すように、本実施形態のプロセス推定システムは、多変数制御によりプラント１の状態をリアルタイムに制御する多変数制御システム２と、プラント１から得られるデータに基づいてプラント１の状態をリアルタイムに模擬するトラッキングシミュレータ３と、プラントで製造される製品の性状を推定するソフトセンサ４と、を備える。

トラッキングシミュレータ３は、物理・化学法則を利用したモデル（物理モデルおよび化学モデル）によりプラント１を模擬するシミュレータであり、上記モデルにプラント１のデータを入力することにより、実際にはセンサが設置されていない部位のプロセスデータ等を、仮想出力としてリアルタイムに出力することができる。例えば、反応器の温度分布やセンサが挿入不可能な部位の温度、反応器出口での製品の組成などをリアルタイムに演算し、出力することができる。

また、仮想出力として、生産量、全エネルギー量、排出ＣＯ₂量など、物理・化学モデルで記述できる数値であれば、プラント１での生産に関する種々のデータを出力することもできる。

トラッキングシミュレータ３は、プラントからセンサ値などのプロセス変数のデータ群を受け取り、取り込まれたデータ群と上記モデルとの間に矛盾が生じないように、モデル変数を逐次あるいは定期的に更新することで上記物理・化学モデルを最適化し、プラントの挙動を忠実に再現する。

図１に示すように、トラッキングシミュレータ３からの仮想出力は、多変数制御システム２に与えられる。プラントからのセンサ値等のプロセス変数に加えて、トラッキングシミュレータ３の仮想出力を多変数制御システム２に与えることにより、制御モデルの精度を向上させ、より高精度の制御が可能となる。また、トラッキングシミュレータ３の仮想出力として生産量、全エネルギー量、排出ＣＯ₂量などを多変数制御システム２に与えることにより、生産量を設定値として直接指定してプラント１を制御し、あるいは使用エネルギーや排出ＣＯ₂量などの制約を加えてプラント１を制御することも可能となる。

ソフトセンサ４は、例えば、温度、圧力、流量等のセンサ値（プロセス変数）と、製品の性状（例えば、硬度、透明度など）との対応関係を示すモデル（数理統計モデル）式を保持しており、プラント１からのセンサ値をこのモデル式に入力することで、上記性状を推定する。このように、ソフトセンサ４を用いることにより、物理・化学モデルのみで表現することが困難な性状等を推定し、性状推定値として出力することが可能となる。物理・化学モデルが作れないような現象について簡便にモデルが構築できるので、モデル作成に要する工数が大幅に削減される。

なお、ソフトセンサ４による推定の対象は、製品の性状等に限定されず、物理・化学モデルによる記述が困難な他の数値等であってもよい。例えば、製品の流量等を推定することもできる。また、本来的には物理・化学モデルにより記述可能な温度、圧力、流量等の物理量であってもよい。

図１に示すように、ソフトセンサ４には、プラント１からのセンサ値等のみならず、トラッキングシミュレータ３からの仮想出力が与えられる。トラッキングシミュレータ３からの仮想出力を併せてモデル（数理統計モデル）式に入力することで、プラント１で測定不可能な物理量や化学組量等をソフトセンサ４に与えることができるため、より高精度のモデルを構築し、製品の性状等をより正確に推定することが可能となる。

例えば、プラント１において実際に測定可能な入力因子をｘ₁，ｘ₂，ｘ₃、トラッキングシミュレータ３から得られる入力因子（仮想出力）をｚ₁，ｚ₂，ｚ₃とするとき、入力因子としてｘ₁，ｘ₂，ｘ₃のみを用いたモデル式は、

として示される。ここでａ_nおよびｂは係数（フィッティング係数）である。

一方、トラキングシミュレータ３からの入力因子ｚ₁，ｚ₂，ｚ₃が加えられると、モデル式は、

となり、因子数の増加および性状等に影響を与える測定不可能な因子の活用により推定精度が向上する。

図２（ａ）は、推定結果を例示する図であり、入力因子がｘ₁，ｘ₂，ｘ₃のみである場合と比較して、入力因子ｚ₁，ｚ₂，ｚ₃が加えられた場合の推定性状値は、サンプルを各時刻に採取して分析したオフラインでの分析結果によく一致し、すべての時間領域にわたり推定精度の向上がみられる。なお、いずれの場合にも、オンライン分析の結果を推定性状値に反映させた推定動作を実行している。

図２（ｂ）は、ソフトセンサ４のモデル式を作成する際の学習動作を示す図である。

図２（ｂ）に示すように、モデル式を作成するために、ソフトセンサ４にプラント１からの入力因子群およびトラッキングシミュレータ３からの入力因子群と、それらの入力因子群に対応する性状値とを与える。入力因子群は、プラント１を実際に稼動することにより生成し、その稼動条件における製品の性状値はオフラインでの分析またはオンライン分析により得ることができる。プラント１の稼動条件を変えながら入力因子群および性状値をソフトセンサ４に順次、与えることにより、モデル式のフィッティングが実行される。また、通常のプラント稼動時に得られる入力因子群および性状値を用いたフィッティングにより、常時、モデル式の最適化を図ることもできる。

図１（ａ）に示すように、ソフトセンサ４から出力された性状推定値は、多変数制御システム２に与えられる。このように、ソフトセンサ４からの性状推定値を多変数制御システム２に入力することにより、設定値（図１）として、製品の性状値を多変数制御システム２に対し指定することも可能となる。このため、従来のように、温度、流量などのプロセス変数を設定目標値とする制御ではなく、製品の品質等を直接指定した制御を行うことができる。

このように、本実施例のプロセス推定システムによれば、多変数制御装置２に、プラント１から得られるプロセス変数だけでなく、トラッキングシミュレータ３からの仮想出力として生産量、全エネルギー量、排出ＣＯ₂量などの種々のデータや、ソフトセンサ４からの性状推定値などのデータを入力しているので、これらのデータを設定値として直接指定した制御が可能となる。したがって、プラント全体の状況や製品の品質、あるいは製品の流量等を制御パラメータとして制御を効率的、高精度に実行することが可能となる。

また、本実施例のプロセス推定システムによれば、ソフトセンサ４に、プラント１からのセンサ値等のみならず、トラッキングシミュレータ３からの仮想出力を入力するため、推定対象に相関のある入力因子を多数用いたモデル式を使用することができ、高精度に製品の性状等を算出することが可能となる。また、トラッキングシミュレータ３からの仮想出力を用いるため、比較的少ない数の分析データに基づくモデル式の作成が可能となる。このため、データ数の不足によりモデル式の作成が不可能となり、あるいはモデル式の近似性が不足するおそれがなくなる。

さらに、本実施例のプロセス推定システムによれば、プラントの状況を模擬するトラッキングシミュレータ３からの仮想出力を用いて、多変数制御装置２で使用される制御モデルを構築することができる。したがって、従来のように実際のプラントを用いたステップ応答テストに代えて、トラッキングシミュレータ３の仮想出力を用いて制御モデルを構築できるため、実際のプラントでは運転条件を設定し難い広範囲な運転条件を網羅する制御モデルを効率的かつ経済的に構築できる。

図３は、プラントシミュレータに、トラッキングシミュレータ３およびソフトセンサ４の機能を組み込んだ例を示すブロック図である。

図３に示すように、プラントシミュレータ３１には、トラッキングシミュレータ３の機能に相当する物理モデル群と、ソフトセンサ４の機能に相当する数理統計モデルとが搭載され、理統計モデルにおいて物理モデル群から得た物理量に基づく演算を行うことにより、製品の性状や製品の流量等を算出している。図３の例では、実際に計測されたフィード流量、フィード温度、フィード圧力、冷却水温度、冷却水流量に基づいて、物理モデルを用いて反応器出口圧力、反応器出口温度が算出される。また、物理モデルにより得られる物理量に基づいて、数理統計モデルを用いて製品性状および製品流量が推定される。このように、数理統計モデルをプラントシミュレータに組み込むことにより、システムのコストダウンを図ることができる。

図４は、トラッキングシミュレータ３からの仮想出力を、プラント制御システムに入力しない構成例を示すブロック図である。図４の例においても、ソフトセンサ４には、トラッキングシミュレータ３からの仮想出力が入力されているため、ソフトセンサ４において高精度に製品の性状を推定することができる。また、ソフトセンサ４からの性状推定値をプラント制御システム５に入力することにより、製品の性状を直接的な制御パラメータとする制御が可能なことは、図１に示す構成と変わらない。

以上説明したように、本発明のプロセス推定システムおよびプロセス推定方法によれば、シミュレータにより得られた仮想出力と、製品の性状値等のデータとの対応付けに従って、製品の性状値等のデータを推定するので、製品の性状値等のデータを広範囲かつ高精度に推定することが可能となる。

本発明の適用範囲は上記実施形態に限定されることはない。本発明は、プラントの情報に基づいてプロセスに関するデータを推定するプロセス推定システムおよびプロセス推定方法に対し、広く適用することができる。

一実施形態のプロセス推定システムの構成を示すブロック図。 ソフトセンサの動作を示す図であり、（ａ）は推定結果を例示する図、（ｂ）はモデル式を作成する際の学習動作を示す図。 プラントシミュレータにトラッキングシミュレータおよびソフトセンサの機能を組み込んだ例を示すブロック図。 トラッキングシミュレータからの仮想出力を、プラント制御システムに入力しない構成例を示すブロック図。

符号の説明

１ プラント
３ トラッキングシミュレータ（シミュレータ）
４ ソフトセンサ（推定手段）

Claims (6)

1. プラントの情報に基づいてプロセスに関するデータを推定するプロセス推定システムにおいて、
   プラントからのプロセス変数を物理モデルまたは化学モデルに与えることにより、前記プラントの状態を模擬するシミュレータと、
   前記シミュレータにより得られた仮想出力と、前記プラントの状態により定まる、プロセスに関する特定のデータとの対応付けに従って、前記シミュレータから得られる前記仮想出力を受けて前記特定のデータを推定する推定手段と、
   前記推定手段により推定された前記特定のデータに基づいて、前記プラントの状態を制御する制御装置と、
   を備えることを特徴とするプロセス推定システム。
2. 前記対応付けは数学的なモデルとして規定されることを特徴とする請求項１に記載のプロセス推定システム。
3. 前記対応付けは、前記仮想出力および前記特定のデータの実際の対応関係に基づいて作成されることを特徴とする請求項１または２に記載のプロセス推定システム。
4. 前記特定のデータは、前記プロセスを介して得られる製品の性状であることを特徴とする請求項１〜３のいずれか１項に記載のプロセス推定システム。
5. プラントの情報に基づいてプロセスに関するデータを推定するプロセス推定方法において、
   プラントからのプロセス変数をシミュレータの物理モデルまたは化学モデルに与えることにより、前記プラントの状態を模擬するステップと、
   前記シミュレータにより得られた仮想出力と、前記プラントの状態により定まる、プロセスに関する特定のデータとの対応付けに従って、前記シミュレータから得られる前記仮想出力を受けて前記特定のデータを推定するステップと、
   前記推定するステップにより推定された前記特定のデータに基づいて、前記プラントの状態を制御するステップと、
   を備えることを特徴とするプロセス推定方法。
6. 前記対応付けを、前記仮想出力および前記特定のデータの実際の対応関係に基づいて作成するステップを備えることを特徴とする請求項５に記載のプロセス推定方法。

Images