基于工業(yè)互聯(lián)網平臺的流程行業(yè)生產線數字孿生應用案例

基于工業(yè)互聯(lián)網平臺的流程行業(yè)生產線數字孿生應用案例恒力石化股份有限公司是世界500強企業(yè)恒力集團的核心無死角式全覆蓋；ERP、MES、設備管理、安環(huán)、LIMS等上層應周期2019.6-2021.12，實施單位為恒力石化股份有限公司、國12能制造研究與實施中的重點和難點是如何解決物理世界和信息息世界與物理世界深度融合，實現企業(yè)“人、機、料、法、環(huán)、面向燃料油的大批量的生產模式轉向多品種小批量化工生產模3過程建立數字孿生對象模型。通過研究信息物理融生產線數字孿生系統(tǒng)的目標是通過物理生產線與虛擬生產4物料配方解決方案適用于原料、產品需求變化較多的生產線，主要方法為多模型優(yōu)化控制和質量卡邊優(yōu)化。多模型優(yōu)化控制一般用于生產過程非線性、原料性質變化、負荷變化、產品加工方案等對軟測量模型和控制模型的參數有較大影響時，能夠提高優(yōu)化的適應性，解決多樣化的原料來源和產品需求問題。通過對優(yōu)化性能、控制（動態(tài)調節(jié)）性能、模型預估性能和過程干擾性能進行分析和報告，控制工程師可以根據這些結果來確定控制器性能的改變并改善控制器性能，如下圖所示：配方和切換管理數軟測量儀但石化生產過程物料變化頻繁、裝置耦合復雜、多層次運行，物質轉化和能量傳遞機理復雜，傳統(tǒng)的機理建模往往難以精確描述復雜過程物質流和能量流耦合、傳遞與反應等關系；數據驅動的建模由于缺乏過程單元內部結構和機理信5息，嚴重依賴于數據樣本的數量和質量，難以對過程機理進行深層次的分析和解釋。但是，機理分析有利于抓住過程的本質特征和主要矛盾，獲得有效的模型結構；數據驅動的方法則可以自動獲取潛藏在數據中的信息和知識。本解決方案綜合二者的優(yōu)點，采用人工智能方法挖掘海量工業(yè)數據內在的知識信息，建立融合數據和機理分析的混合模型，解決石油化工生產過程模型隨原料和產品加工方案變化的難題，開發(fā)出面向原料、產品需求變化的石油化工生模型預估性能和過程干擾性能進行分析和報告，控制工程師可以根據這些結果來確定控制器性能的改變并改善控制器性能。方案如下圖：基于面向原料、產品需求頻繁變化的多模型描述體系和6模型學習方法，本方案在優(yōu)化控制中實現產品質量指標、控制模型的多模型切換控制，并實現卡邊優(yōu)化。方案如下圖所覆蓋內容7中的孿生，利用智能優(yōu)化算法求解熔融指數和等規(guī)度最優(yōu)參數，8將聚丙烯氣相流化床工藝的109種牌號產品性質和生產條件進理解切換過渡過程各工藝變量對熔融指數和等規(guī)指數兩個產品9聚合物反應系統(tǒng)牌號管理具有潛在價值的應用系統(tǒng)，工業(yè)聚管理與配方管理數字孿生系統(tǒng)是具有潛在的推廣價值與市場價工藝參數設計與與仿真解決方案依賴于過程的數據模型，模型參數的準確性影響化工過程數學模型的精確度，而化工過程的數學模型往往是非線性的，這些非線性方程中的參數有些是無法測量或是非常難測量的，尤其是針對具有多單元、多生產線的工藝流程的裝置。因此，需要采用模型參數的智能化擬合技術來建立精準的裝置全流程模型，本方案結合初始化反應動力學參數，并通過智能感知、采集獲取生產過程操作數據，基于數字孿生系統(tǒng)，使用流程模擬軟件建立通用的石化行業(yè)高精度、自適應、自學習的數字孿生過程模型，指導工廠工藝參數調整與設計。方案如下圖所示：覆蓋內容層、操作優(yōu)化層。裝置實時數據通過數據接口送至機理模型層，該層的主要功能是提供氧化和加氫裝置的機理模型和機理工藝操作參數優(yōu)化的功能主要是考慮裝置運行過程中各單元在不同的運行狀況下的約束模型對PTA裝置進行優(yōu)化。由于本案例從恒力石化PTA生產過程以及工業(yè)互聯(lián)網平臺建設基本原理和裝置特性建立能反映原料性質、工藝參數與數據，根據模擬計算預測結果與實際運行數據之間的偏差，調用智能優(yōu)化算法，以偏差最小化為優(yōu)化目標，獲i.通過機理模型自動校正，實現模型實時仿真，并與實際ii.全流程關鍵影響因素辨識與效益模型：基于過程模型和實際運行數據，采用主元分析方法、靈敏度分析方法結合專家經驗知識，從大規(guī)模數據中辨識出影響過程關鍵指標的變量并確定其變化范圍，在此基礎上，綜合裝置iii.裝置操作優(yōu)化：從經濟效益角度出發(fā)，根據實際裝置情件下通過模型和優(yōu)化算法優(yōu)化得到價值最大化的裝置相應操作條件。對產品關鍵指標、裝置能耗進行預測，并與當前產品質量、裝置能耗的實際值比較，累計得到模型的偏差小時平均值，同時結合當前產品價格，以最大化凈利潤為目標，獲得最優(yōu)裝置操作條件，并根據模型的偏差平均值對操作條件進行校正，校正后的結果經過優(yōu)化算法，實現機理模型在線自動校正，提升單裝置和以單裝置/全流程效益最大化或單位能耗最小化等為指標構建優(yōu)化目標函數，開發(fā)適應工業(yè)海量數據的高效優(yōu)化器，可根據目標函數和指定操作變量、約束條件，調用機理模型進行求解，并輸出優(yōu)化后的操作條件，提升在準確模型的基礎上，通過調用優(yōu)化器優(yōu)化過程操作條仿真系統(tǒng)以機理模型為核心，采用接口技術將現場工藝數據實時送入模型中，并將模型計算結果與實際結果進行對比。當工況發(fā)生變化時，自動觸發(fā)模型校正機制，對模型關鍵參數進行校正，保證模型在長周期運行中的準確性，為優(yōu)化系統(tǒng)提供準確的模型基礎。仿真系統(tǒng)的部分結果對比如下圖所示，圖中給出了氧際結果的對比曲線，可以看出，模型模擬結果與實際結果非常接近，且在長期運行情況下能夠及時對模型操作優(yōu)化系統(tǒng)同樣以機理模型為核心，采用接口技術與智能優(yōu)化算法求解器集成。工藝人員可以按需給定操作條件、約束條件的上下限，調整優(yōu)化迭代次數，最終通過優(yōu)化器調用模型求解計算出最優(yōu)的操作條件。操作優(yōu)化系統(tǒng)的部分界面如上圖所示，其中，包括操作條件上下限的輸入、約束條件的輸入、優(yōu)化目標選擇等權限，可以進行調整和模擬。優(yōu)化求解采用一鍵式求解，優(yōu)化結果采用報表形式輸出，下圖為工藝員在以氧化裝置醋酸單耗最小為目標，以進料量和反應溫度為操作條件進行的優(yōu)化求解結果，可以看出，優(yōu)化結果給出了優(yōu)化后的關鍵變量操作方式和優(yōu)化結果，能夠使醋酸單耗下降0.31kg/t.PTA,極大地方便了操作人員優(yōu)化方案的設計和編制。對工藝生產操作優(yōu)化恒力氧化優(yōu)化報表 優(yōu)化時間 優(yōu)化目標2020/5/1513:05單位優(yōu)化前優(yōu)化迭代1優(yōu)化迭代2優(yōu)化迭代3差值1.00*(1)醋酸燃燒單耗最小kg/t35.1235.1234.8534.81-0.31(2)PX單耗最小kg/t655.48655.48655.40655.39-0.09優(yōu)化約束優(yōu)化約束約束下限約束上限*尾氧預測值%v2.732.732.762.740.010.000.00*M1-423A-4-CBAmg/kg2467.162467.162467.172467.170.000.000.00優(yōu)化變量優(yōu)化變量變量下限變量上限*關鍵操作參數漿料一進口流量t/h91.0191.0192.2694.613.6090.00100.00漿料二進口流量t/h318.47318.47318.47318.470.00318.47318.47*反應器溫度C197.44197.44197.19197.15-0.28190.00200.00*結晶器二溫度C187.93187.93188.68188.820.89180.00190.00空氣流量t/h50.9450.9450.9450.940.0050.9450.94空氣流量t/h55.5055.5055.5055.500.0055.5055.50空氣流量t/h55.4955.4955.4955.490.0055.4955.49空氣流量t/h55.5255.5255.5255.520.0055.5255.52空氣流量t/h55.5355.5355.5355.530.0055.5355.53空氣流量t/h56.0056.0056.0056.000.0056.0056.00空氣流量t/h55.4755.4755.4755.470.0055.4755.47空氣流量t/h55.4955.4955.4955.490.0055.4955.49 關鍵產品收率*尾二氧化碳預測值%v1.481.481.451.41-0.06*尾一氧化碳預測值%v0.340.340.310.27-0.07展流程工業(yè)的過程建模優(yōu)化技術是企業(yè)進一步深化認識流程生通用的生產過程建模與控制解決方案，包括數據采集、控制系統(tǒng)。軟測量技術等手段，對裝置或工藝單元進行多變量協(xié)調優(yōu)化控制。具體技術實現是在工業(yè)互聯(lián)網平臺的基礎上，以數字孿生系統(tǒng)的動態(tài)實測虛擬空間多維模型為基礎，兼前饋、反饋、滾動優(yōu)化為一體，在裝置操作平穩(wěn)的基礎上，在每一個運行周期（一般為1分鐘）根據裝置約束條件，通過穩(wěn)態(tài)優(yōu)化（LP或QP）算法尋找裝置效益最佳操作點，并通過動態(tài)控制器驅動裝置平穩(wěn)的向最佳操作點靠近，以實現卡邊操作，從而提高高價值產品收率、降低裝置能耗之目的。方案如下覆蓋內容置產品優(yōu)化為多出PX、多出航空煤油或者多出乙烯裂解料等化關變量變化建立適用于每個工作方案下的產品質量預報模型數字孿生模型集中選取對應的預報模型實現產品質量實時預報（4）使用上述生產過程的數字孿生及其控制系統(tǒng)的數字孿1）開發(fā)云服務模式的生產過程產品質量建模、動態(tài)控制建采用B/S結構的基于ASP.net的云服務程序方式實現產品質量模型建模軟件、預測控制模型建模軟件、預測控制參數組態(tài)與離線仿真軟件等工具軟件，實現人機交互的建模與仿真，輔助進行生產過程優(yōu)化控制系統(tǒng)的設計，用于產品質量預報和管理。各軟件的主要功能點包括：a）產品質量建模按照已經制定的軟測量模型方案，從上傳的數據文件中讀取生產過程歷史數據和產品質量化驗歷史數據，實現數據并基于慢特征回歸、深度學習等先進建模方法建立動態(tài)保存所建立的模型，并將建模過程在訓練集、測試集上的計算結果保存到文件。b）預測控制建模按照已經制定的動態(tài)控制模型方案，從上傳的數據文件中讀取生產過程歷史數據和產品質量軟測量歷史數據，按照被控變量、操作變量、干擾變量分類之后，按照生產方案（如果生產過程非線性比較強，還要按生產工況的關鍵變量分區(qū)域）分成多個數據集，分別進行自動數據清洗，利用稀疏學習等新的辨識建模方法進行過程辨識，先后建立FIR和傳遞函數形式的動態(tài)控制模型集。c）閉環(huán)控制組態(tài)與仿真：使用已建立的動態(tài)控制模型集，對控制變量常規(guī)參數進行組態(tài)，之后對模型集面向不同的生產方案的各個模型分別進行控制、優(yōu)化參數的設計和組態(tài)。基于當前的工況（各變量最新的歷史數據）和通過界面給出的未來的生產方案和操作條件，使用對應的動態(tài)控制模型和參數（如果未來的生產方案有變化，那么對應有模型和參數的切換對閉環(huán)控制進行仿真，推演未來的各被控變量及經濟指標的變化趨勢。基于這些未來的控制效果和經濟指標方面的預測，對物理空間實體的控制模型和參數切換給出指導建議。干點盡可能高；如果石腦油生產PX，柴油經加氫裂化生產乙烯基于數字孿生的產品質量預報用于顯示產品質量變量的計基于數字孿生的優(yōu)化控制仿真預報根據原油與產品質量管原油與產品質量管理根據產品質量預報和產品質量化驗結若本案例有向其他行業(yè)或領域推廣的經驗，描述一下具體的果根據實際過程機理和現場裝置情況修改即可移植到其它生產本方案充分利用先進的自動采集、分析檢驗儀器設備，構建基于工業(yè)互聯(lián)網平臺的產品質量管理系統(tǒng)，通過實時的數據采集與傳輸，將產品實時的質量參數同步至數字孿生系統(tǒng)構建的多時空尺度預測模型中，通過理論模型的分析獲取產品質量偏差，進行卡邊優(yōu)化，實現產品質量的最優(yōu)管理。通過對原材料選購、入廠、加工、產品出廠到用戶服務的所有環(huán)節(jié)質量的監(jiān)控，建立物料走向模型、物料質量傳遞模型、物料質量與工藝參數相關性模型，實現“實驗室基礎—質量監(jiān)控—質量追溯—質量預測”一體化功能。方案如下圖所覆蓋內容（一）基于六西格瑪質量管理體系的生產過程統(tǒng)計六西格瑪管理是一套成熟的質量管理體系，這套體系通過持續(xù)改進產品、服務和過程的質量，實現用戶滿意。它通過系統(tǒng)地、集成地采用質量改進流程，實現無缺陷的過程設計，并對現有過程進行過程定義、測量、分析、改進和評該系統(tǒng)可以探索出影響關鍵產品特性的因素，并確定少數的關鍵因素，對其優(yōu)化。統(tǒng)計過程控制是現代化工業(yè)生產中確保產品質量和可靠性的核心方法之一,而過程能力指數則是度量一個工業(yè)過程能力的重要指標。研究過程能力指數的前提條件就是過程要處于統(tǒng)計控制狀態(tài)，其中的某些變量是可以檢測的，這個過程中采集的數據的分布不應該是隨意變化的，應該服從某單一分布通常為正態(tài)分布，或至少接近正態(tài)分布，且檢測變量的觀察值是相互獨立的從實用的角度出發(fā)，通常情況下，要求檢測變量服從正態(tài)分布。對于過程質量控制主要考慮以下兩個重要指標。工藝過程生產能力（Cpk：Processcapability）定義為一個穩(wěn)定過程的固有變差的總范圍，以6來表述，它反映的是過程的固有能力。它的基本特征為：(1)過程處于統(tǒng)計穩(wěn)定狀態(tài)；(2)過程的各測量值服從正態(tài)分布；(3)測量變差相對較?。?4)僅由于普通原因產生的過程變差,可以通過R/d2工藝過程性能（Ppk：ProcessPerformance）定義的是一個過程變差的總范圍，以6s來表述，反映的是當前過程的(2)當前的過程狀態(tài)不一定很清晰；(3)過程變差包括了普通和特殊兩種原因所造成的變差原因，可用樣本標準偏差S來估算。（二）基于數據驅動產品質量指標軟測量監(jiān)測模型在實施智能控制時，需要對產品的質量指標進行閉環(huán)控制，但由于經濟或技術的原因（如在線分析儀價格昂貴，或者在惡劣的工作環(huán)境下無法正常工作這些質量指標難以進行在線測量，只能通過離線實驗室分析得到分析值。但是實驗室分析數據往往存在長時間滯后的問題，無法滿足在線實時控制和優(yōu)化操作的要求。以本項目聚丙烯裝置為例，在線實時計算的質量指標主要有：熔融指數、等規(guī)度、堆積密度、鋁、鈦、鋁等。以上指標計算通過數據建模服務軟件來完成，該軟件基于LSTM神經網絡的數據驅動模型對目標指標進行預報。無論采用何種方法建立的軟測量模型，都是基于現場采集得到的數據經過優(yōu)化建模而得，但生產裝置在實際運行過程中，隨著操作條件的變化，其過程對象特性不可避免地發(fā)生變化和漂移，所以依據過去工況建立的模型在對后面的參數進行估計時可能會存在一定的誤差。為使計算結果趨于真值，必須對模型在實際使用過程中進行在線校正以提高模型質量管理系統(tǒng)旨在輔助工藝人員實現對于生產過程的平穩(wěn)操作進而提高產品質量的合格率和降低因為生產波動而引起的物能將聚丙烯生產過程的統(tǒng)計控制與六西格瑪管理體系相結合，通過實時計算出的工藝過程生產能力指數Cpk、工藝過程性能指數Ppk、控制限與報警限的分析值，針對生產過程平穩(wěn)控制給出指導建議。在產品質量的管理過程中，熔融指數、等規(guī)度、堆積密度、鋁、鈦、氯等以上指標難以進行在線測量，只能通過離線實驗室分析得到分析值。但是實驗室分析數據往往存在長時間滯后的問題，無法滿足在線實時控制和優(yōu)化操作的要求。該軟件采用基于LSTM神經網絡的數據驅動模型實現對于熔融指數、等規(guī)度、堆積密度、鋁、鈦、氯等產品質量指標的軟測量。從而保證了工藝人員可以在整個產品的生產過程中對于質量指標的實時監(jiān)控，從而能滿足用戶對于實時控制質量指標的需求，有效的提高產品質量，降低成本消耗。通過接口調用質量管理服務軟件對此點位的生產數據進行實時質量管理，通過實時計算出的工藝過程生產能力指數Cpk、工藝過程性能指數Ppk、控制限與報警限的分析值，針對生產過程平穩(wěn)控制給出指導建議。取的生產數據與質量分析數據以時間相同為條件進行數據對齊本案例所采用的的統(tǒng)計過程控制是一種數理統(tǒng)計方法應用檢測數據進行統(tǒng)計分析能夠區(qū)分生產過程中產品質量的正常波質量管理體系相結合能更好的對制造業(yè)產品生產的整個生命周期進行質量管控，可以實現生產過程中各生產條件的平本方案在工業(yè)互聯(lián)網平臺的基礎上，應用了邊緣計算技術、工業(yè)大數據技術、人工智能技術、IoT技術，從傳感器采集數據中提取特征的趨勢曲線，通過大數據分析、挖掘能力和機器學習，提高數字孿生系統(tǒng)設備診斷模型精確性，為技術專家掌握及維護系統(tǒng)運行及提升系統(tǒng)診斷能力提供技術手段，實現設備故障診斷管理水平，降低工廠資產的運營本方案以及數字孿生系統(tǒng)的工業(yè)設備機理模型與算法，實現設備在線狀態(tài)監(jiān)測、故障監(jiān)測與自動診斷、設備趨勢預測等核心功能，提升設備管理的感知控制能力、故障診斷能力、預測能力、分析優(yōu)化能力、決策能力。方案功能架構圖如下所示：覆蓋內容與遠程維護的基礎。邊緣計算技術是基于機械工程、信號處理、孿生體,數據驅動對設備的智能監(jiān)測，實現數字系統(tǒng)與物理系統(tǒng)下圖為一個典型的設備全貌的數字化孿生可視化狀態(tài)監(jiān)測3）系統(tǒng)安裝，初始化設備測點、部件、模型以及相關屬性使用的軟硬件工具：ISEA工業(yè)大數據分析、處理、建模工這方面的投入，隨著邊緣計算、大數據、5G技術、工業(yè)互聯(lián)網本方案基于物理空間實體數字孿生模型層涵蓋資產全生命周期的屬性數據，結合物理空間實體的模型的空間位置，對資產腐蝕進行相應的管理，包括腐蝕回路劃分、抽取、檢測點規(guī)劃、檢測實施及記錄、定點測厚點標識及測厚數據管理等工作?；诠I(yè)互聯(lián)網平臺，物理空間實體數字孿生模型集成了裝置設計資料、采購資料以及介質屬性與生產實時數據，虛擬空間多維模型可根據RBI分析結果，進行智能預警，從而指導設計全面腐蝕管理策略、制定檢測優(yōu)化方案，以低成本完成腐蝕管理與規(guī)劃。數據集成示意圖如下：覆蓋內容業(yè)務數據，實現三維智能模型與腐蝕管理業(yè)務的本上預防和避免