KR20060056261A - 알데히드의 제조방법 - Google Patents

알데히드의 제조방법 Download PDF

Info

Publication number
KR20060056261A
KR20060056261A KR1020050110926A KR20050110926A KR20060056261A KR 20060056261 A KR20060056261 A KR 20060056261A KR 1020050110926 A KR1020050110926 A KR 1020050110926A KR 20050110926 A KR20050110926 A KR 20050110926A KR 20060056261 A KR20060056261 A KR 20060056261A
Authority
KR
South Korea
Prior art keywords
neural network
hydroformylation
parameters
parameter
target parameter
Prior art date
Application number
KR1020050110926A
Other languages
English (en)
Inventor
디트마르 틸
카를 디터 프로닝
Original Assignee
셀라네제 쉐미칼스 오이로페 게엠베하
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 셀라네제 쉐미칼스 오이로페 게엠베하 filed Critical 셀라네제 쉐미칼스 오이로페 게엠베하
Publication of KR20060056261A publication Critical patent/KR20060056261A/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07C—ACYCLIC OR CARBOCYCLIC COMPOUNDS
    • C07C45/00—Preparation of compounds having >C = O groups bound only to carbon or hydrogen atoms; Preparation of chelates of such compounds
    • C07C45/49—Preparation of compounds having >C = O groups bound only to carbon or hydrogen atoms; Preparation of chelates of such compounds by reaction with carbon monoxide
    • C07C45/50—Preparation of compounds having >C = O groups bound only to carbon or hydrogen atoms; Preparation of chelates of such compounds by reaction with carbon monoxide by oxo-reactions

Landscapes

  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
  • Low-Molecular Organic Synthesis Reactions Using Catalysts (AREA)

Abstract

본 발명은, 하이드로포밀화 반응에서 우세한 입력 파라미터를 하나 이상의 합성 신경망에 의해 하이드로포밀화 공정의 표적 파라미터에 연관시킴으로써 올레핀을 하이드로포밀화하는 방법에 관한 것이다.
하이드로포밀화 공정, 알데히드의 제조방법, 합성 신경망, 표적 파라미터, 입력 파라미터.

Description

알데히드의 제조방법{Process for preparing aldehydes}
도 1은 하이드로포밀화 공정의 원칙적인 개요도이다.
도 2는 표적 파라미터에 대한 측정치와 계산치 사이의 일치를 나타낸다.
본 발명은 모니터링 및 제어를 위한 합성 신경망을 사용하여 올레핀을 하이드로포밀화하는 방법에 관한 것이다.
하이드로포밀화라는 용어는 올레핀을 전이 금속 촉매의 존재하에 수소 및 일산화탄소와 반응시켜, 사용된 올레핀보다 탄소원자가 하나 더 많은 알데히드 및 알콜을 형성하는 반응을 지칭한다. 하이드로포밀화는 경제적 및 산업적으로 상당히 중요하다: 현재, 전세계적으로 매년 6백만 미터톤 이상의 제품이 하이드로포밀화 공정에 의해 제조된다. 초기에 수득된 알데히드는 그대로 사용되거나, 예를 들면, 알콜, 카복실산, 에스테르 또는 아민을 제조하기 위한 유용한 중간체이다.
하이드로포밀화는 하이드리도금속 카보닐, 바람직하게는 주기율표의 VIII족 전이금속의 하이드리도금속 카보닐에 의해 촉매된다. 전통적인 촉매 금속인 코발트와는 별도로, 로듐계 촉매는 수년 동안 촉매로서 점점 더 많이 사용되고 있다. 코발트와는 달리, 로듐은 보다 저온에서 반응이 이루어지게 한다. 또한, 말단 올레핀이 사용되는 경우, 직쇄 n-알데히드가 우선적으로 형성되며, 이소알데히드가 부수적으로 형성된다. 최종적으로, 포화 탄화수소에 대한 출발 올레핀의 수소화반응은 코발트 촉매를 사용하는 경우에 비해 로듐 촉매의 존재하에서 현저하게 낮아진다.
올레핀계 불포화 화합물의 하이드로포밀화는 리간드로서 3급 유기 포스핀 또는 포스파이트를 포함하는 로듐 카보닐 착화합물을 촉매로서 사용하여 산업적으로 수행된다. 변형 공정 중의 하나에서, 당해 반응은 균질 유기 상에서, 즉 출발 올레핀, 촉매 및 반응 생성물이 용액 상태로 함께 존재하는 상태로 수행된다. 당해 반응 생성물은 통상 혼합물로부터의 증류에 의해 분리되며, 보다 드물게는 추출과 같은 기타 공정에 의해 분리된다. 균질 상에서 수행된 하이드로포밀화 공정은 미국 특허 제4,247,486호에 기재된 바와 같은 재순환 기체 공정의 형태이거나 미국 특허 제4,148,830호에 기재된 바와 같은 액체 재순환 공정의 형태일 수 있다.
추가의 변형 공정에서, 로듐 카보닐 착물 및 수용성 유기 포스핀을 포함하는 수성 촉매 상이 존재한다. 당해 양태는, 예를 들면, DE-B-26 27 354로부터 공지되어 있다. 이의 특정한 이점은 유기 반응 생성물과 수성 촉매 상이, 예를 들면, 상 분리에 의해 용이하게 분리된다는 점이다. 당해 분리는 열 공정 단계를 사용하지 않으면서 온화한 조건하에 수행되며, 형성된 알데히드의 후속 반응의 결과로서 발 생할 수 있는 손실을 피할 수 있다. 액체 유기 상 및 수성 촉매 상의 존재로 인해, 당해 하이드로포밀화 변형 공정은 또한 불균질 공정 또는 2상 공정으로 지칭된다. 이러한 작동 방식으로서 시도되고 시험된 양태는, 예를 들면, EP-B1-0 103 810에 기재되어 있다.
균질 상으로 수행된 하이드로포밀화 공정과 루흐케미/론-파울렝(Ruhrchemie-Poulenc) 공정으로도 공지되어 있는 불균질 하이드로포밀화 공정은 둘 다 산업적으로 실시되고 있으며, 문헌[참조예: C.D.Frohning, C.W. Kohlpaintner in B. Cornils/W.A. Herrmann, Applied Homogeneous Catalysis with Organometallic Compounds, Voume 1, 1st edition, pages 29-104, VCH Weinheim, 1996]에 이해하기 쉽게 기술되어 있다.
언급된 변형 공정에 따라 산업적으로 수행되는 공정은 수년에 걸쳐서 지속적으로 개선되어 왔으므로, 재료와 에너지를 잘 이용하고 공정 신뢰도가 우수하다는 점에서 알 수 있는 바와 같이 고도의 숙련도를 갖는다. 따라서, 프로필렌의 하이드로포밀화에서, 전환율이 사용된 프로필렌을 기준으로 85%를 초과함과 동시에 n-부탄올 대 이소부탄올의 비가 90/10을 초과하는 것으로 보고된다.
도 1은 하이드로포밀화 공정의 원칙적인 개요도이다. 올레핀(2)과 합성 기체(3), 즉 수소와 일산화탄소의 혼합물을 냉각 교반된 반응기(10)로 공급한다. 추가의 공급 라인(4)은 촉매 농도를 유지할 필요가 있을 때 추가의 촉매를 공급하는 데 사용된다. 하이드로포밀화에서 방출된 열은 적합한 냉매(5a 및 5b)에 의해 제공된다. 불활성물의 누적을 제한하기 위해, 방출기체 스트림(6)을 반응기(1)로부 터 회수한다. 미반응 출발 물질, 촉매 및 반응 생성물을 반응기(1)로부터 방출시키고 제1 다운스트림 스테이지(7)에서 분별하며, 이로부터 방출된 촉매(8a)를 회수하고 반응기(1)로 재순환시킨다. 필요한 경우, 촉매(8b)의 일부를 배출하고 후처리 및/또는 재활성화 영역으로 보낸다. 추가의 다운스트림 스테이지(9)에서, 미반응 올레핀 및 합성 기체와 올레핀의 수소화에 의해 형성된 알칸을 촉매 분리후 수득한 반응 혼합물로부터 분리 제거하고, 재순환 기체(10)로서 반응기로 복귀시키며, 반응 시스템에서 불활성물이 누적되지 않도록 서브스트림(11)을 방출 기체로서 배출시킨다. 반응 생성물(12)는 추가의 가공 영역으로 보낸다.
이와 같이 매우 단순화된 도식으로부터도, 당해 하이드로포밀화 공정의 제어 및 모니터링이 단순한 작업으로 보이지 않을 수 있다. 다수의 스트림의 측정 및 조절, 관련 체류시간 및 당해 공정의 여러 지점에서의 온도, 압력 및 농도의 설정 및 조절은 상당히 어려운 작업이다. 이는 작업 시간에 걸쳐서 일정한 활성을 갖지 않고 불가피한 시효처리 공정에 의한 효율성의 견지에서 가변적인 하이드로포밀화 촉매에 의해 더욱 어려워진다. 조절 시스템은, 예를 들면, 설비의 생산율을 일정하게 유지시키기 위해 각각의 작업 온도, 공급량 또는 체류 시간을 변경시킴으로써 이러한 변화에 대응해야 한다. 존재하는 로듐의 양과 리간드 농도를 지속적으로 또는 단계적으로 증가시키는 것은 문헌[참조예: B. Cornils, E. Wiebus, Chem. Ing.-Techn. 1994, 66, 196; E. Wiebus, B. Cornils, Chemtech 1995, 25, 33]에 공지된 바와 같은 공정 조절 시스템에 의해 수행되어야 하는 또 다른 과제이다.
당해 분야의 숙련가들은 문헌[B. Cornils in J. Falbe (Ed.), New Syntheses with Carbon Monoxide, Springer-Verlag, Berlin 1980, 1st edition]으로부터, 하이드로포밀화를 지속적으로 수행하기 위한 반응 파라미터가 자유롭게 선택될 수 없음을 알 것이다. 예를 들면, 다음 일반적인 의존관계가 언급될 수 있다:
(a) 높은 수소 분압은 반응 속도에 긍적적인 영향을 미친다. 그러나, 이와 더블어, 올레핀의 알칸으로의 하이드로포밀화도 증가된다;
(b) 높은 이산화탄소 분압은 반응 속도와 형성된 알데히드의 노말/이소 비에 악영향을 미치며 리간드 분해를 촉진시키지만, 로듐 카보닐 하이드라이드가 안정화된다;
(c) 높은 반응 온도는 반응 속도에 긍적적인 영향을 미치지만, 촉매의 안정성에 악영향을 미친다;
(d) 과량의 리간드는 형성된 알데히드의 노말/이소 비에 바람직한 영향을 미치지만, 반응 속도의 견지에서 불리하다.
이러한 몇몇 예는 하이드로포밀화 반응이 안전하게, 기술적으로 성공적으로, 그리고 경제적으로 성공적으로 수행되도록 다수의 파라미터를 측정 및 조절해야 하며, 이러한 파라미터 중의 일부는 상호 의존적이고/이거나 서로에게 영향을 미침을 명백하게 보여준다. 따라서, 올레핀의 하이드로포밀화가 산업적으로 수행되는 경우, 다수의 공정 파라미터를 서로 조정하고 이들을 조절하여 목적하는 표적 파라미터, 예를 들면, 알데히드 수율 또는 n-알데히드 대 이소-알데히드의 비에 대해 목적하는 수치를 신뢰성 있게 설정할 수 있도록 할 필요가 있다.
하이드로포밀화가 수십 년 동안 대규모로 수행되었음에도 불구하고, 반응식 1에서와 같은 올레핀, 일산화탄소 및 수소 사이의 반응이 온도, 올레핀 분압, 수소 분압, 일산화탄소 분압, 촉매 농도 및 리간드 농도와 같은 공정 파라미터의 함수로서 비율 및 정도의 견지에서 정략적으로 기술될 수 있는 일반적으로 적용 가능한 수학적 모델이 없다는 것이 놀랍다.
Figure 112005066583018-PAT00001
반응속도 등식의 예가 문헌[참조예: S.S. Divekar, R.M. Deshpande, R.V.Chaudari, Catal. Lett. 1993, 21, 191]]에 보고되어 있지만, 이는 이상적인 조건하에 설정된 것으로서, 신뢰성 있는 산업적 반응 과정의 요건에 맞지 않는다.
기체 상, 액체 유기 상 및 액체 수성 촉매 상 사이의 화학반응 뿐만 아니라 물질 전달과 이에 상응하게 이들 세 가지 상의 혼합에 따르는 영향도 고려해야 하는, 수성 촉매 용액의 존재하의 불균질 하이드로포밀화 공정의 모델링은 특정한 어려움을 갖는다[참조: K.-D. Wiese et al., Catalysis Today 79-80(2003)97-103].
따라서, 올레핀의 하이드로포밀화 공정의 모니터링 및 제어는 장기간의 작업에 걸쳐서 획득되는 실험 데이타에 의해 수행되어야 한다.
실험 데이타를 근거로 하며 궁극적으로 완전히 만족스럽지 않은 상태를 개선시키기 위한 접근법들이 알려져 있다.
따라서, EP-B1-589 463은 반응 시스템에서 일산화탄소(CO) 분압을 조절함으 로써 올레핀, 수소 및 CO 사이의 하이드로포밀화 반응에서 형성된 알데히드의 알데히드의 노말/이소 비를 조절하는 방법에 관한 것이다. 청구된 방법에 따르면, CO 분압의 표적 수치는 시스템으로 공급된 합성 기체(CO와 수소와의 혼합물)의 유속 또는 시스템을 떠나는 방출 기체의 유속을 조절함으로써 반응 시스템에 유지시킨다. 공지된 방법은 CO 분압의 측정치를 우선적으로 기술한 다음, CO 분압의 목적치와 실측치 사이의 차로부터 기인하는 제어 파라미터의 생성치를 기술하고, 최종적으로 유속에 영향을 미치는 이들 제어 파라미터의 활용치를 기술하며, 시스템으로 공급된 합성 기체의 유속 또는 시스템을 떠나는 방출 기체의 유속이 다시 한번 영향을 받는다. 공지된 방법에 따라, 단 하나의 입력 파라미터, 즉 CO 분압이 출력 파라미터, 즉 형성된 알데히드의 노말/이소 비와 연관되며, 유지되는 다수의 CO 분압이 사용자에 의해 임의로 기술된다. 추가의 공정 파라미터 및 표적 파라미터는 고려되지 않는다.
SU 1 527 234의 경우, 프로필렌의 하이드로포밀화에서 도입된 프로필렌과 합성 기체의 양은 합성 기체의 양을 요구되는 바와 같이 낮게 유지시킬 목적으로 조절된다. 공급 기체와 방출 기체 각각의 용적이 상호 연관되는 조절 시스템이 기술된다. 추가의 공정 파라미터 및 표적 파라미터는 고려되지 않는다.
본 발명의 목적은, 고려되는 공정 파라미터(입력 파라미터라도 지칭됨)를 하이드로포밀화 공정의 표적 파라미터(출력 파라미터라고도 지칭됨)와 정량적으로 연 관시켜서, 관련 공정 파라미터를 설정함으로써 표적 파라미터에 대한 소정 수치를 달성하는 하이드로포밀화 공정을 제공하는 것이다. 당해 하이드로포밀화 공정은 이러한 방식으로 모니터링 및 제어될 수 있다.
본 발명의 목적은, 하이드로포밀화 반응에서 우세한 입력 파라미터를 하나 이상의 합성 신경망에 의해 하이드로포밀화 공정의 표적 파라미터에 연관시킴으로써 올레핀을 하이드로포밀화하는 방법에 의해 달성된다.
하이드로포밀화 공정의 모니터링 및 제어를 개선하기 위한 통상적인 접근법은 단 하나의 임계 파라미터, 또는 경우에 따라 극소수의 임계 파라미터의 측정 및 조절을 기본으로 하는 반면, 본 발명에 따라 하나 이상의 합성 신경망(Synthetic Neuronal Network; 이후, SNN으로 약칭되기도 함)을 사용하면 완전히 상이한 보다 이해하기 쉬운 과정을 수행할 수 있다.
SNN의 구조 및 기능은 다수의 공정 파라미터가 입력 파라미터로서 처리되도록 하고, 당해 공정의 과정 및 결과에 미치는 각각의 파라미터의 영향력의 평가가 이러한 입력 파라미터로부터 생성되도록 한다. 입력 파라미터로서, 하이드로포밀화 공정의 선행 과정에서 이미 수득된 데이타를 사용할 수 있다. 이러한 과정에서, SNN은 트레이닝 및/또는 재트레이닝된다.
그러나, SNN을 사용하는 바람직한 방법에서, 진행 중인 하이드로포밀화 공정으로부터의 데이타를 SNN에 공급하고, 시간이 경과함에 따라 SNN이 지속적으로 리 트레이닝되고, 진행중인 하이드로포밀화 공정의 상황에 대한 내부 생성 모델의 품질을 자동적으로 보정하여 개선시킨다. 진행 중인 하이드로포밀화 공정 동안 SNN의 독립적 학습 성능이 이러한 방식으로 사용된다.
이러한 과정의 추가의 이점은, 하이드로포밀화 반응 자체로의 개입이 필요한 것이 아니라, SNN이 하이드로포밀화 공정의 모니터링 및 제어에 대해 미리 측정된 데이타만을 사용한다는 점이다.
본 발명의 중요한 양태는, SNN이 입력 파라미터를 처리하여 가중치의 절대치와 부호가 표적 파라미터의 수치에 대해 유력한 입력 파라미터에 상응하게 한다는 것이다.
SNN의 추가의 중요한 특성은, 입력 파라미터를 표적 파라미터에 연관시키는 데 필요한 연산방식이 공지되어 있는 것이 아니라 SNN 자체가 입력 데이타로부터 가중치를 유도할 수 있다는 것이다. 따라서, SNN이 기존의 데이타를 토대로 또는 진행 중인 공정 동안 측정되거나 SNN으로 공급된 데이타를 토대로 트레이닝되거나 재트레이닝되거나 지속적으로 리트레이닝될 수 있다. 따라서, SNN은 하이드로포밀화 공정의 입력 파라미터 또는 공정 파라미터와 출력 파라미터 또는 표적 파라미터 사이의 복잡한 관계를 이들 관계를 정량적으로 기술하는 연산방식으로 독립적으로 전환시킬 수 있다. 일단 연산방식을 유도하면, 후속적으로 입력 파라미터에 대한 새로운 데이타 세트로부터 표적 파라미터를 예측할 수 있다.
하이드로포밀화 반응을 수행하면서, 입력 파라미터 또는 반응 파라미터와 표적 파라미터(예: 올레핀 전환율, 형성된 알데히드의 노말/이소 비, 알칸과 고비점 물질의 형성 또는 촉매 불활성화도) 사이의 주요 의존도는 당해 분야의 숙련가에게 원칙적으로 공지되어 있다. 그러나, 본 발명에 따라 SNN을 처음 사용함으로써 개별 공정 파라미터 사이의 의존도와 이들 상호간의 영향을 측정하고 정량화할 수 있다. 따라서, 하이드로포밀화 반응의 복잡한 관계는 처음에 전체적으로 측정되고 수학적 모델에 의해 정량적으로 기술될 수 있다.
SNN은 시판 중이며, 자유롭게 입수할 수 있는 개수의 입력과 연관되어, 상응하는 다수의 입력 파라미터를 선택할 수 있다. 이들 입력 파라미터는 원칙적으로 자유롭게 선택될 수 있지만, 당해 분야의 숙련가들은 입력 파라미터를 유리하게 선택할 것이며, 당해 입력 파라미터가 공정의 결과, 즉 표적 파라미터에 대해 중요하다는 점은 공지되어 있으며, 이러한 중요성은 특정하게 조사되어야 한다.
도 1에 제시한 바와 같은 하이드로포밀화 공정의 경우, 예를 들면, 다음 입력 파라미터 및 표적 파라미터 또는 출력을 규정할 수 있다.
입력 파라미터 또는 공정 파라미터의 예는 다음과 같다: 도입된 올레핀(2)의 양, 도입된 합성 기체(3)의 양, 반응기(1)에서의 온도, 반응기(1)에서 촉매의 농도, 반응기(1)에서 리간드의 농도, 반응기(1)에서 올레핀의 분압, 반응기(1)에서 수소의 분압, 반응기(1)에서 일산화탄소의 분압, 반응기(1)로부터 방출된 방출 기체(6)의 용적, 반응기(1)로부터 방출된 조 생성물(7)의 양, 촉매 순환량(8)의 용적, 촉매 순환량(8)의 온도, 기체 제거(9)로부터 방출된 방출 기체(11)의 용적, 기체 제거(9)로부터 반응기(1)로 재순환된 재순환 기체(10)의 용적.
표적 파라미터 또는 출력의 예는 다음과 같다: 조 알데히드의 질량, 알데히 드의 노말/이소 비, 형성된 알칸의 질량, 형성된 고비점 물질의 물질, 올레핀 전환율.
필요한 데이타는 임의의 적합한 공급원, 예를 들면, 기존의 데이타 세트로부터 취할 수 있다. 그러나, 입력 파라미터는 바람직하게는 진행 중인 하이드로포밀화 공정 동안 공정 제어 시스템 또는 일부 기타 공정 데이타 로깅 시스템(Process Data Logging System)으로부터 취할 수 있으며, 예를 들면, 데이타 공급원으로의 온-라인 연결에 의해 SNN으로 적합한 방식으로 공급된다. 데이타뱅크 서버에 대한 데이타의 일시적인 저장으로 다량의 데이타의 경우 이점을 제공할 수 있다.
SNN은 적합한 것으로 간주되는 시점에서 소정의 데이타를 제공받으며, 생성된 모델이 입력 파라미터와 표적 파라미터 사이의 관계를 필요하거나 추구되는 정확도로 정량적으로 기술될 때까지 트레이닝된다.
SNN에 의해 측정된 연산방식은 후속적으로 통상적인 모델을 사용하여 최적화 계산을 수행하기 위한 근거로서 작용하며, 통상적인 모델에 대한 공정 파라미터는 하이드로포밀화 반응에서 우세한 SNN에 대한 입력 파라미터에 의해 결정된 범위로 제한된다. 시판 중인 SNN은 이미 SNN에 의해 생성된 연산방식을 사용하는 최적화 계산을 수행하기 위한 적분 기능을 함유하는 경우가 빈번하다. 마찬가지로, SNN에 의해 생성된 연산방식은 통상적인 시판 중인 모델, 예를 들면, 표 계산 프로그램을 통과하여 이와 같이 프로그래밍된 최적화 계산을 수행할 수 있다. SNN에 의해 생성된 연산방식을 토대로 수득된 데이타가 또한 공정 파라미터를 최적화하기 위해 설비 작업자에 의해 수동으로 처리될 수도 있다.
이러한 방식으로 최적화된 공정 파라미터는 하이드로포밀화의 산업적 작업에서 후속적으로 설정된다.
실시예 1
실시예 1은, 다수의 공정 파라미터 또는 입력 파라미터의 함수로서 표적 파라미터를 정량적으로 기술하는 연산방식을 수득할 목적으로 프로필렌의 하이드로포밀화 공정으로부터의 데이타에 대한 SNN의 적용을 설명한다.
불균질 2상 공정에 의한 프로필렌의 지속적 하이드로포밀화 공정을 수행하였다. 트리스(m-설포페닐)-포스핀의 트리나트륨 염(TPPTS)은 물에 용해된 로듐 촉매에 대한 리간드로서 작용한다. 수성 촉매 용액에서 로듐의 농도는 255ppm이고, 리간드/로듐의 몰 비는 87/1이다. 15일의 기간이 경과한 후, 다음 평균 결과가 수득되었다:
(1) 반응기에서의 온도[℃] : 129.2
(2) 촉매 회로의 온도[℃] : 129.9
(3) 반응기의 입구에서 새로운 기체 + 재순환 기체의 혼합물의 온도: 99.7
(4) 공급된 합성 기체(H2 + CO)[촉매 1m3당 1시간 당 표준 3]: 96
(5) 공급된 프로필렌[촉매 1m3당 1시간 당 kg]: 101.7
(6) 반응기에서 프로필렌의 분압[MPa] : 2.0
(7) 조 알데히드의 생산량[촉매 1m3당 1시간 당 kg]: 144.3
[상기 항목(3)에서, 새로운 기체는 하이드로포밀화 반응기로 공급된 프로필렌과 합성 기체의 혼합물인 반면, 재순환 기체는 공정으로부터 분리되고 반응기로 재순환되는 합성 기체, 프로필렌 및 알칸의 혼합물이며, 도 1에서 기호(10)으로 나타낸다; 상기 항목(4)에서, 표준 m3은 표준 입방미터이고, 표준 온도 Ts = 273.15K 및 표준 압력 Ps = 101325Pa에서 측정한다].
완전한 데이타 세트는 위치(1) 내지 (4)에 대해, 그리고 위치(6) 및 (7)에 대해 매 30분 마다 측정한다; 총 722개의 데이타 세트를 이러한 방식으로 수집한다. 작업 관련 중단 또는 고장은 이러한 데이타 세트에 포함되므로, 공정의 전형적인 과정이 기록된다. 722개의 데이타 세트를 SNN(뉴로모델 2.0; 제조원: Atlantec, D 47877 Willich-Munchheide)에 공급하고, 위치(1) 내지 (4) 및 (6)을 입력 파라미터로서 정의하고, 위치(7)을 출력 또는 표적 파라미터로서 정의한다. 722개의 데이타 세트에 의한 SNN의 트레이닝은, 표적 파라미터의 수치 범위의 1.1%의 평균 오차로 입력 파라미터로부터 표적 파라미터를 계산하게 하는 연산방식으로 유도한다. 도 2는 표적 파라미터에 대한 측정치와 계산치 사이의 일치를 나타내며, 이는 특히 공정에 대한 작업 관련 중단을 포함시킨다.
실시예 2
실시예 2는 선행 계산에 따라 조정된 공정 파라미터가 표적 파라미터에 미치 는 긍정적인 영향을 나타낸다.
생성된 조 알데히드의 양에 대한 최적화 계산은 실시예 1에서 수득한 연산방식을 사용하는 시판 소프트웨어에 의해 수행되었다. 시판 SNN 뉴로모델 2.0(제조원: Atlan-tec, D-47877 Willich-Munchheide)로 집적되는 기능 "제네티슈허 옵티미에러(Genetischer Optimierer)R가 이러한 목적에 맞게 사용되었으며, 공정 파라미터는 입력 파라미터에 의해 측정된 범위에 제한된다. 수성 촉매 용액의 로듐 함량과 TPPTS 리간드/로듐의 몰 비는 변경되지 않았다. 다음 결과가 수득되었다:
(1) 반응기에서의 온도[℃] : 계산치 133.2, 최고치 133.0
(2) 촉매 회로의 온도[℃] : 계산치 130.4, 최고치 125.4
(3) 반응기의 입구에서 새로운 기체 + 재순환 기체의 혼합물의 온도: 계산치 97.1, 최고치 110.2
(4) 공급된 합성 기체(H2 + CO)[촉매 1m3당 1시간 당 표준 3]: 계산치 134, 최고치 108
(5) 공급된 프로필렌[촉매 1m3당 1시간 당 kg]: 계산치 126.8, 최고치 109.9
(6) 반응기에서 프로필렌의 분압[MPa] : 계산치 2.03, 최고치 2.02
(7) 조 알데히드의 생산량[촉매 1m3당 1시간 당 kg]: 계산치 206.9, 최고치 172.2
최고치는 실시예 1에서와 같이 고려된 공정 기간에 걸쳐서 SNN을 사용하여 수득된 조 알데히드의 최고 생산량이다. 미리 계산된 작업 상태의 세팅은 다음 결과를 제공한다:
(1) 반응기에서의 온도[℃] : 계산치 133.2, 최고치 133.0
(2) 촉매 회로의 온도[℃] : 계산치 130.4, 최고치 129.4
(3) 반응기의 입구에서 새로운 기체 + 재순환 기체의 혼합물의 온도: 계산치 97.1, 최고치 98.3
(4) 공급된 합성 기체(H2 + CO)[촉매 1m3당 1시간 당 표준 3]: 계산치 134, 최고치 129
(5) 공급된 프로필렌[촉매 1m3당 1시간 당 kg]: 계산치 126.8, 최고치 122
(6) 반응기에서 프로필렌의 분압[MPa] : 계산치 2.0, 최고치 2.0
(7) 조 알데히드의 생산량[촉매 1m3당 1시간 당 kg]: 계산치 206.9, 최고치 196
SNN에 의해 생성된 연산방식에 의해 계산된 수치와 하이드로포밀화 공정에서 수득한 수치를 비교하면, 다수의 미리 계산된 공정 파라미터(입력 파라미터)를 주의깊게 상호 조정함으로써 표적 파라미터 "조 알데히드의 생산량"이 지속적으로 영향을 받는다는 점이 명백하다. 따라서, 공정 파라미터 (1) 내지 (4) 및 (6)을 조정하면, 조 알데히드의 생산량이 촉매 1m3당 1시간당 144.3kg으로부터 196kg으로 현저하게 증가하였다(실시예 2)
본 발명에 따르는 하이드로포밀화방법은, 고려되는 공정 파라미터 또는 입력 파라미터를 하이드로포밀화 공정의 표적 파라미터 또는 출력 파라미터와 정량적으로 연관시킴으로써 진행 중인 하이드로포밀화 공정을 모니터링 및 제어할 수 있다.

Claims (14)

  1. 하이드로포밀화 반응에서 우세한 입력 파라미터를 하나 이상의 합성 신경망(Synthetic Neuronal Network)에 의해 하이드로포밀화 공정의 표적 파라미터에 연관시킴으로써 올레핀을 하이드로포밀화 하는 방법.
  2. 제1항에 있어서, 합성 신경망이 하이드로포밀화 반응에서 우세한 입력 파라미터에 의해 하이드로포밀화 반응을 수행한 후 트레이닝 및/또는 재트레이이닝됨을 특징으로 하는 방법.
  3. 제1항에 있어서, 합성 신경망이 하이드로포밀화 반응에서 우세한 입력 파라미터에 의해 하이드로포밀화 반응을 수행하는 동안 지속적으로 재트레이닝됨을 특징으로 하는 방법.
  4. 제3항에 있어서, 신경망의 지속적인 재트레이닝이, 공정 데이타 로깅 시스템(Process Data Logging System)으로부터 취한, 하이드로포밀화 반응에서 우세한 입력 파라미터를 사용하여 수행됨을 특징으로 하는 방법.
  5. 제1항 내지 제4항 중의 어느 한 항에 있어서, 합성 신경망이 표적 파라미터의 수치에 유력한 입력 파라미터에 따라 입력 파라미터를 처리함을 특징으로 하는 방법.
  6. 제1항 내지 제5항 중의 어느 한 항에 있어서, 합성 신경망에 의한 입력 파라미터와 표적 파라미터의 연관은 입력 파라미터에 의해 측정된 범위를 토대로 하여 표적 파마리터의 최적화를 수행하는 통상적인 모델과 결부됨을 특징으로 하는 방법.
  7. 제1항 내지 제6항 중의 어느 한 항에 있어서, 표적 파라미터가 알데히드 생산량인 합성 신경망이 사용됨을 특징으로 하는 방법.
  8. 제1항 내지 제6항 중의 어느 한 항에 있어서, 표적 파라미터가 n-알데히드 대 이소알데히드의 비인 합성 신경망이 사용됨을 특징으로 하는 방법.
  9. 제1항 내지 제6항 중의 어느 한 항에 있어서, 표적 파라미터가 형성되는 알칸의 양인 합성 신경망이 사용됨을 특징으로 하는 방법.
  10. 제1항 내지 제6항 중의 어느 한 항에 있어서, 표적 파라미터가 고비점 물질의 양인 합성 신경망이 사용됨을 특징으로 하는 방법.
  11. 제1항 내지 제6항 중의 어느 한 항에 있어서, 표적 파라미터가 올레핀 전환 율인 합성 신경망이 사용됨을 특징으로 하는 방법.
  12. 제1항 내지 제11항 중의 어느 한 항에 있어서, 반응기 온도, 촉매 순환 온도, 새로운 기체와 재순환 기체의 혼합물의 온도, 반응기에 공급된 합성 기체의 양 및 반응기 중의 올레핀 분압이 하이드로포밀화 반응에서 우세한 입력 파라미터로서 합성 신경망에 사용됨을 특징으로 하는 방법.
  13. 제1항 내지 제12항 중의 어느 한 항에 있어서, 프로필렌, 1-부텐, 2-부텐, 또는 1-부텐과 2-부텐을 포함하는 혼합물을 올레핀으로서 사용함을 특징으로 하는 방법.
  14. 제1항 내지 제3항 중의 어느 한 항에 있어서, 균질 유기 반응 혼합물에서 수행되거나 불균질 2상 공정으로 수성 촉매 용액을 사용하여 수행됨을 특징으로 하는 방법.
KR1020050110926A 2004-11-19 2005-11-18 알데히드의 제조방법 KR20060056261A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102004055832A DE102004055832A1 (de) 2004-11-19 2004-11-19 Verfahren zur Herstellung von Aldehyden
DE102004055832.9 2004-11-19

Publications (1)

Publication Number Publication Date
KR20060056261A true KR20060056261A (ko) 2006-05-24

Family

ID=35852192

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050110926A KR20060056261A (ko) 2004-11-19 2005-11-18 알데히드의 제조방법

Country Status (7)

Country Link
US (1) US7259279B2 (ko)
EP (1) EP1659107A1 (ko)
JP (1) JP2006143725A (ko)
KR (1) KR20060056261A (ko)
CN (1) CN100345809C (ko)
DE (1) DE102004055832A1 (ko)
PL (1) PL378094A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2446722T5 (es) † 2009-12-22 2020-03-20 Dow Technology Investments Llc Control de la relación aldehído normal:isoaldehído en un proceso de hidroformilación de ligando mixto mediante el control de la presión parcial del gas de síntesis
EP2581362B1 (en) * 2009-12-22 2018-01-31 Dow Technology Investments LLC Controlling the normal:iso aldehyde ratio in a mixed ligand hydroformylation process
KR101342741B1 (ko) 2010-03-09 2013-12-19 주식회사 엘지화학 반응효율이 뛰어난 올레핀의 하이드로포밀화 방법
EP3770144B1 (de) * 2019-07-24 2023-09-06 OQ Chemicals GmbH Kontinuierliches hydroformylierungsverfahren mit katalysatorsubstitution

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1527234A1 (ru) * 1984-12-25 1989-12-07 Научно-производственное объединение по разработке и внедрению нефтехимических процессов "Леннефтехим" Способ автоматического управлени процессом производства масл ных альдегидов оксосинтезом
SG43278A1 (en) * 1992-09-25 1997-10-17 Mitsubishi Chem Corp A method of controlling a hydroformylation reaction
DE19528426C2 (de) * 1995-08-02 2003-04-30 Siemens Ag Verfahren zur Ermittlung von Zustandsparametern eines chemischen Reaktors unter Verwendung künstlicher neuronaler Netze
DE19530049B4 (de) * 1995-08-16 2004-12-23 Thomas Froese Verfahren zur Erkennung von fehlerhaften Vorhersagen in einer neuromodellgestützten oder neuronalen Regelung
DE10227026A1 (de) * 2002-06-17 2004-03-18 Abb Research Ltd. Verfahren und Vorrichtung zur Regelung einer Rauchgasentstickungsanlage

Also Published As

Publication number Publication date
JP2006143725A (ja) 2006-06-08
DE102004055832A1 (de) 2006-06-01
CN1781892A (zh) 2006-06-07
CN100345809C (zh) 2007-10-31
US20060161023A1 (en) 2006-07-20
PL378094A1 (pl) 2006-05-29
EP1659107A1 (de) 2006-05-24
US7259279B2 (en) 2007-08-21

Similar Documents

Publication Publication Date Title
US4277627A (en) Hydroformylation process
JPH02332B2 (ko)
US4260828A (en) Hydroformylation process
KR102286981B1 (ko) 히드로포르밀화 방법
TW201529551A (zh) 氫甲醯化方法
KR20060056261A (ko) 알데히드의 제조방법
EP1390334B1 (en) Hydroformylation process
CA1105946A (en) Hydroformylation process
JP6516670B2 (ja) 連続的ヒドロホルミル化の際に触媒を補充する方法
EP4126806B1 (en) Method for the hydroformylation of olefins
JP2006143725A5 (ko)
Ohtsuka et al. Highly selective hydroformylation of 3, 3, 3-trifluoropropene to 4, 4, 4-trifluorobutanal using Rh/Xantphos catalyst
JP3379550B2 (ja) ヒドロホルミル化反応の制御方法
KR101457734B1 (ko) 올레핀의 하이드로포밀화 반응촉매의 분리 장치와 이를 이용한 분리 방법
JP3379551B2 (ja) ヒドロホルミル化反応の制御方法
US20170158581A1 (en) Use of an advanced multivariable controller to control alphabutol units
CN111320538B (zh) 一种丁烯加氢甲酰化反应液体排出物的分离方法
KR101229195B1 (ko) 올레핀으로부터 고 수율의 알데히드 제조 방법 및 이에 사용되는 반응 장치
CN116997540A (zh) 加氢甲酰化方法
JPH07258143A (ja) アルデヒド類の製造方法

Legal Events

Date Code Title Description
N231 Notification of change of applicant
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid