Новости
09.05.2023
с Днём Победы!
07.03.2023
Поздравляем с Международным женским днем!
23.02.2023
Поздравляем с Днем защитника Отечества!
Оплата онлайн
При оплате онлайн будет
удержана комиссия 3,5-5,5%








Способ оплаты:

С банковской карты (3,5%)
Сбербанк онлайн (3,5%)
Со счета в Яндекс.Деньгах (5,5%)
Наличными через терминал (3,5%)

К ВОПРОСУ ОПТИМИЗАЦИИ РАБОТЫ НЕФТЕПЕРЕРАБАТЫВАЮЩИХ ПРЕДПРИЯТИЙ С ПОМОЩЬЮ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ

Авторы:
Город:
Самара
ВУЗ:
Дата:
28 мая 2016г.

Актуальность исследования интеллектуальных систем (ИС) объясняется стремительным ростом исследований, направленных на совершенствование методов и способов моделирования возможностей и способностей человека, решения задач с помощью программных и аппаратных средств. Развитие ИС обусловило эффективность системы научного сопровождения производственных технологий. Количество ИС на рынке программного обеспечения (ПО) растет как за счет разнообразия их видов, диапазона потенциальных применений, так и за счет увеличения числа разработок западных фирм и продвижения отечественных продуктов, затрудняя выбор нужной интеллектуальной системы управления (ИСУ).

Объективной причиной внедрения ИСУ в решении задач автоматизации и оптимизации процессов нефтеперерабатывающих предприятий является повышение эффективности производства, планирования его ресурсов, точности выполнения проектов. Особая роль уделяется созданию имитационных моделей. Однако, большинство из существующих моделей - статические, динамическая реконфигурация в них либо не возможна, либо затруднительна; размеры системы громоздки; затруднен выбор эффективных управляющих параметров. В соответствии с современными требованиями, системы должны адаптироваться не только к изменениям процесса, но и к динамично меняющимся техническим требованиям производства в режиме реального времени; осуществлять согласованное управление одновременно несколькими сложными процессами. Интеллектуальная среда моделирования позволяет создать «гибкие» имитационные модели, которые смогут работать с большими объемами требуемой информации, снизить риски, связанные с проектированием, мониторингом и эксплуатацией сложных систем.

Задачи, решаемые ИС, определяют виды систем:

1.     Интеллектуальная информационная система - комплекс программных, лингвистических и логико- математических средств для поддержки деятельности человека и поиска информации на естественном языке в режиме продвинутого диалога [10]. Развитие систем информационного обеспечения деятельности человека представляется как:

1)     Развитие информационных систем, где информационной моделью предметной области являются каталоги, классификаторы.

2)     Развитие  автоматизированных  информационных  систем,  информационная  модель  –   массивы информации в виде баз и банков данных. Осуществляют автоматизированный поиск информации, ее обработку, хранение и передачу.

3)     Развитие интеллектуальных информационных систем (ИИС), модель предметной области – система структурированных данных, т.е. базы знаний. Решают «интеллектуальные» задачи (нахождение неизвестных универсальных алгоритмов решения определенных проблем), в которых вместо данных используются знания, вместо алгоритмов функционирования – методы искусственного интеллекта. Задачи можно представить тремя категориями: анализ информации, синтез информации и комбинированные задачи.

2.     Экспертная система – система, способная частично заменить специалиста-эксперта, реализуя его функции в решении проблем.

3.     Расчётно-логическая система – решение задач по декларативным описаниям условий.

4.     Гибридная ИС – синтез нескольких методов имитации человеческой деятельности [7].

5.     Рефлекторная ИС - с помощью алгоритмов формирует ответные реакции на различные комбинации входных воздействий.

Одним из основных направлений развития промышленных интеллектуальных систем является исследования в области нейрокибернетики, т.е. применение нейронных сетей [4].

Разнородность и несовместимость уже внедренных систем, необходимость совместного использования ПО различных производителей на различных платформах, как программных, так и аппаратных, требует интеграции автоматизированных систем [9], которая проходит в двух направлениях: горизонтально и вертикально. Горизонтальная интеграция: объединение независимых систем в единую информационную сеть, что обеспечивает обмен информацией в режиме реального времени между основными и вспомогательными подразделениями, единое пространство информации о процессах. Вертикальная интеграция: осуществляя движение информации от нижнего уровня организации на верхние, передает данных о процессе на уровень бизнес-приложений. Стоит отметить, что уровень датчиков, контроллеров и подсистем нижнего уровня управления работает с большим объемом параметров и информации, которые могут быть недостоверными или нечеткими, процесс передачи данных в системы верхнего уровня должен сопровождаться предварительной обработкой, анализом, агрегированием [1].

Все многообразие систем и средств автоматизации интегрируется в единый комплекс средств управления - IT-архитектуру управления современным предприятием, которую можно визуально представить в виде пирамиды, состоящей из пяти уровней управления (от нижнего к верхнему):

1.     КИП - измерительные приборы, оборудование.

2.     АСУТП - APC и DCS. Классическое представление об АСУТП: основные операции процесса автоматизированы, однако требуется участие оператора в  управлении. DCS  (РСУ) –система, не требующая вмешательства со стороны оператора при ее нормальной работе, но слияние РСУ и, например, SCADA предполагает наличие управляющего воздействия со стороны оператора [13]. APC (системы усовершенствованного управления производством) позволяют автоматически корректировать ход процесса.

3.     MES – АС КУБ, БДРВ, PI System. Осуществление управления производственными процессами, путем сбора данных с нижних уровней, анализ и контроль, осуществление установки связи между производством и отделами предприятия, поставщиками. Важную роль играет визуализация. Цель – оптимизация всего производства.

4.     ERP – EAM, SCM, SAP ERP, SAP HR, PIMS, DPO, ORION. ERP - системы планирования ресурсов предприятия, интегрирующие данные нижних уровней, осуществляющая учетную деятельность, управляет активами НПЗ. SCM - Планирование Цепочек Поставок.

5.     BI/BW - SAP BI, CYO. Осуществление анализа и обработки массивов данных с уровней ERP и MES, внешних источников, формирование отчетности.

На каждом уровне управления достоверная и своевременная информация служит основанием принятия решений. Системы должны осуществлять учет, планирование, контроль и регулирование, информационно- аналитическое обеспечение, специальные функции [3, 8].

Вариативность работы нефтеперерабатывающих заводов (НПЗ) увеличивается за счет таких программных продуктов, как продукты компании «Aspen technology», например [14]: Aspen HYSYS - система точного моделирования технологических процессов нефтегазопереработки; Aspen RefSys - система точного моделирования реакторов нефтепереработки. Также применяются системы класса SCM: Aspen PIMS – экономико-технологическая система моделирования, Aspen DPO – система оптимизации плана поставок и распределения нефтепродуктов и т.п.), предназначены для управления процессом только при фиксированных параметрах других звеньев, т.к. являются изолированными, т.е. программы не смогут учесть таких параметров, как: влияние динамики поставок сырья на вход НПЗ, характер спроса, стоимость нефтепродуктов.

PI System – интеллектуальная информационная система компании OSI Software, основанная на платформе Oracle. Представляет собой архив, является MES-системой для управления базами данных в режиме реального времени. Большинство исследований рассматривают новые подходы к проектированию комплексов информационных моделей процессов обработки данных, производства, методики определения состояний технологических единиц. Для этого на информационной платформе PI System разрабатывается приложения для мониторинга технологических процессов, анализа материальных и энергетических потоков. PI System обеспечивает сбор, хранение и представление в едином формате данных, полученных с нижних уровней управления, реализуя двусторонний обмен данными. Осуществляет не только оптимизацию производственных процессов, но и своевременное информирование, что позволяет: выявлять и устранять неисправности в реальном времени, поддерживать стабильность технологических процессов, составлять отчетность, предотвратить нештатные ситуации.

Рост требований к качеству нефтепродуктов, потребность в расширении их ассортимента, ужесточение экологических норм, суммарное падение спроса при одновременном росте затрат приводит к тому, что ИСУ (являясь рычагом развития бизнеса) – одно из основных условий эффективности нефтеперерабатывающего предприятия, залог его конкурентоспособности.

 

Список литературы

1.     Андриевский А.Л. Разработка системы контроля движения нефтепродуктов нефтехимического предприятия: На примере Ангарской Нефтехимической Компании: Дис. канд. техн. наук: 05.13.06. – М. – 2004. – 177 с.

2.     Валетов В.А., Орлова А.А., Третьяков С.Д. Интеллектуальные технологии производства приборов и систем: учеб. пособие. – СПб: СПб ГУИТМО, – 2008. – 134 с.

3.     Гуськова Е.А., Орлов А.И. Информационные системы управления предприятием в решении задач контроллинга // Контроллинг. – 2003. – № 1.

4.     Девятков В.В. Системы искусственного интеллекта: учеб. пособие. – М.: Изд-во МГТУ им. Баумана, – 2001. – 352с.

5.     Дозорцев В.М., Ефитов Г.Л., Шестаков Н.В. Современные компьютерные системы управления как средство снижения потерь в нефтепереработке // Приборы и системы управления. – 1998. – №7 – с. 13-17.

6.     Карпачев И. Налево пойдешь // Enterprise partner: корпоративные системы – 2000. – №10.

7.     Колесников А.В. Гибридные интеллектуальные системы: Теория и технология разработки / Под ред. А.М. Яшина. – СПб.: Изд-во СПбГТУ, – 2001. – 711 с.

8.     Любавин А.А. Особенности современной методологии внедрения контроллинга в России // Контроллинг – 2002. – №1.

9.     Сибирцев Е.В. Интеграция автоматизированных систем управления // Проблемы развития территории – 2005. – №28 – с.57-62

10. Трофимова Л.А.,Трофимов В.В. Управление знаниями. Учеб.пособ. – СПб.: Изд-во СПбГУЭФ. 2012. – 77с. [с.52]

11. Уайт О. У. Управление производством и материальными запасами в век ЭВМ / Пер. с англ. - М.: Прогресс.1978. – 302 с.

12. Швецов Д. Интеллектуальные системы хранения данных  в  АСУТП // Современные технологии автоматизации: СТА-ПРЕСС, 2011, – №4 – с.42-46.

13. Средства и системы компьютерной автоматизации [Электронный ресурс] - Режим доступа: http://asutp.ru/?p=600055 (дата обращения 06.04.16)

14. Optimize with aspenONE [Электронный ресурс] // AspenTech – Режим доступа: http://www.aspentech.com/products/home/ (дата обращения 06.04.16)

15. PI System [Электронный ресурс] // ИндаСофт – Режим доступа: http://www.indusoft.ru/products/osisoft/PI_SYSTEM/ (дата обращения 06.04.16)