Моделирование производственных процессов на основе когнитивной информации и временных рядов

А. П. Веревкин, Т. М. Муртазин

Аннотация


Системы усовершенствованного управления (APC-системы) базируются на использовании моделей технологических процессов, позволяющих оперативно прогнозировать изменение технологических параметров (ТП) и показателей качества продуктов (ПКП) производства. Для идентификации структуры и параметров моделей обычно используется статистическая информация, которая представляет собой результаты пассивных экспериментов. Данные режимных параметров в системах управления архивируются в базе данных в виде временных последовательностей без обеспечения их достоверности и однородности. В условиях не стационарности временных рядов и неоднородности данных резко снижается качество моделей расчета ТП и ПКП, поэтому они не могут, как правило, быть применены для разработки моделей без предварительной подготовки. Подготовка направлена на обеспечение условий стационарности рядов, адекватности моделей и включает в себя этапы выделения кластеров (фрагментов) данных и их фильтрацию, для которых в дальнейшем будут формироваться ситуационные модели. Рассматриваются методы приведения данных из архивов АСУТП в общедоступный формат, их фильтрации и кластеризации. Приведено описание методов фильтрации и кластеризации на основе использования так называемых контрольных когнитивных моделей и коэффициентов кросс-корреляции ТП и ПКП.

Ключевые слова


регрессионная модель; временной ряд; кросс-корреляция; когнитивный подход; нормирование.

Полный текст:

PDF

Литература


Веревкин А. П., Кирюшин О. В. Автоматизация технологических процессов и производств в нефтепереработке и нефтехимии. Уфа: УГНТУ, 2005. 71 с. [ A. P. Verevkin, O. V. Kiryushin, Automation of technological processes and productions in oil refining and petrochemistry, (in Russian). Ufa: UGNTU, 2005. ]

Дозорцев В. М., Ицкович Э. Л., Кнеллер Д. В. Усовершенствованное управление технологическими процессами (АРС): 10 лет в России // Автоматизация в промышленности. 2013. № 1. С. 12–19. [ V. M. Dozortcev, E. L. Itckovich, D. V. Kneller, “Advanced Process Control (APC): 10 years in Russia”, (in Russian), in Avtomatizaciya v promyshlennosti, no. 1, pp. 12-19, 2011. ]

Blevins T., Wojsznis W. K., Nixon M. Advanced Control Foundation: Tools, Techniques and Applications. ISA, 2012. 556 p.

Ansari R. M., Bawardi K. M. Multivariable control and advanced monitoring: Applications to hydrocracking process // Saudi Aramco Journal of Technology. 2006. Pp. 33-37.

Challenges and problems with advanced control and optimization technologies (Conference Paper) / M. Campos, et al. // 7th IFAC International Symposium on Advanced Control of Chemical Processes, ADCHEM'09, (Istanbul, Turkey, 12–15 July 2009). 2009. Vol. 7, Iss. 1. Pp. 1-8.

Kadlec P., Gabrys B., Strandt S. Data-driven soft sensors in the process industry // Computers and Chemical Engineering. 2009. Vol. 33, Iss. 4. Pp. 795-814.

Орлова И. В., Половников В. А. Экономико-математические методы и модели: компьютерное моделирование: учеб. пособие. М.: Вузовский учебник, 2007. 365 с. [ I. V. Orlova, V. A. Polovnikov, Economic and mathematical methods and models: computer modeling, (in Russian). Мoscow: Vuzovskij uchebnik, 2007. ]

Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление: пер. с англ. / под ред. В. Ф. Писаренко. М.: Мир, 1974. Кн. 1. 406 с. [ J. Box, G. Jenkins, Time series analysis, forecast and management: translated from English, (in Russian). V. F. Pisarenko (ed.). Мoscow: Mir, 1974. ]

Отнес Р., Эноксон Л. Прикладной анализ временных рядов. М.: Мир, 1982. 428 с. [ R. Otnes, L. Enoxon, Applied time series analysis, (in Russian). Мoscow: Mir, 1982. ]

Тюрин Ю. Н., Макаров А. А. Анализ данных на компьютере / под ред. В. Э. Фигурнова. Изд. 3-е, перераб. и доп. М.: ИНФРА–М, 2002. 528 с. [ U. N. Tyurin, A. A. Makarov, Data analysis on a computer, (in Russian). V. E. Figurnov (ed.). 3-rd edition, reprint and add. Мoscow: INFRA-M, 2002. ]

Домбровский В. В. Эконометрика. [Электронный ресурс]. URL: http://sun.tsu.ru/mminfo/2016/Dombrov-ski/bo-ok/chapter-5/chapter-5─4.htm (дата обращения 10.10.2021). [ V. V. Dombrovsky (2021, Oct. 10), Econometrics. [Online]. Available: http://sun.tsu.ru/mminfo/2016/ Dombrovski/bo-ok/chapter-5/chapter-5─4.htm ]

Васильев В. И., Ильясов Б. Г. Интеллектуальные системы управления. Теория и практика: учебное пособие. М.: Радиотехника, 2009. 329 с. [ V. I. Vasilyev, B. G. Ilyasov, Intelligent control systems. Theory and practice: textbook, (in Russian). Мoscow: Radiotehnika, 2009. ]

Построение математической модели трубчатой печи пиролиза для целей оптимизации режимов и диагностики прогаров змеевика / А. П. Веревкин [и др.] // Нефтегазовое дело. 2010. Т. 8, № 1. С. 70─73. [ A. P. Verevkin, et al., “Construction of a mathematical model of a tubular pyrolysis furnace for the purpose of optimizing the modes and diagnostics of the coil burnout”, (in Russian), in Neftegazovoe delo, vol. 8, no. 1, pp. 70-73, 2010. ]

Веревкин А. П, Калашник Д. В., Хуснияров М. Х. Моделирование оперативного определения индекса расплава для управления процессом производства полиэтилена // Башкирский химический журнал. 2013. Т. 20, № 1. C. 69─74. [ A. P. Verevkin, D. V. Kalashnik, M. H. Khusniyarov, “Modeling of the operational determination of the melt index for the control of the polyethylene production process”, (in Russian), in Bashkirskij himicheskij zhurnal, vol. 20, no. 1, pp. 69-74, 2013. ]

Подготовка данных для построения виртуальных анализаторов в задачах усовершенствованного управления / А. П. Веревкин [и др.] // Автоматизация в промышленности. 2019. № 3. С. 12─17. [ A. P. Verevkin, et al., “Data preparation for building virtual analyzers in advanced management tasks”, (in Russian), in Avtomatizaciya v promishlennosty, no. 3, pp. 12-17, 2019. ]

Веревкин А. П. Когнитивные модели в системах искусственного интеллекта: цели и методы построения // Интеграция науки и образования в вузах нефтегазового профиля-2016: материалы Международной научно-методической конференции, посвященной 60-летию филиала УГНТУв г. Салавате. 2016. С. 167–170. [ A. P.Verevkin, “Cognitive models in artificial intelligence systems: goals and methods of construction”, in Proc. International scientific and methodological Conference dedicated to the 60th anniversary of the Salavats branch of the Ufa State Petroleum Technological University, pp. 167-170, 2016. ]

Веревкин А. П., Муртазин Т. М. Григорьева Ю. Л. Когнитивное моделирование процессов нефтепереработки с упрощенной процедурой адаптации динамических моделей // Территория Нефтегаз. 2018. № 7–8. С. 14─18. [ A. P. Verevkin, T. M. Murtazin, U. L. Grigoryeva, “Cognitive modeling of oil refining processes with a simplified procedure for adapting dynamic models”, (in Russian), in Territoriya Neftegaz, no. 7-8, pp. 14-18, 2018. ]

Гайдамак А. В., Веревкин А. П. Диагностика и повышение точности оценки показателей качества за счет информационной избыточности (на примере реакторного блока установки каталитического риформинга) // «Вопросы естественных и математических наук»: материалы международной заочной научно-практической конференции (27 мая 2013 г.). Новосибирск: СибАК, 2013. С. 154. [ A. V. Gaidamak, A. P. Verevkin, “Diagnostics and improvement of the accuracy of the assessment of quality indicators due to information redundancy (for example, the reactor unit of a catalytic reforming unit)”, (in Russian), in Proc. Questions of natural and mathematical sciences, 2013, p. 154. ]

Методы корреляционного и регрессионного анализа. [Электронный ресурс]. URL: https://scask.ru/g_book_ mkor.php?id=30 (дата обращения 10.10.2021). [ Methods of correlation and regression analysis (2021, Oct. 10). [Online]. Available: https://scask.ru/g_book_mkor.php?id=30.pdf ]




DOI: https://doi.org/10.54708/26585014_2022_41812

Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2022 А. П. Веревкин, Т. М. Муртазин