Построение моделей от Simulator Работает

Дизайн-оф-экспериментов подход имеет то преимущество, обеспечивает основу для создания сложных моделей при минимальных затратах времени и усилий.

При запуске хорошо спланированной набор моделирования работает, вы можете определить, как процесс взаимодействия с переменными и зависят друг от друга в различных условиях эксплуатации. Вы также можете построить математическую модель, вне программ моделирования для представления исследуемой системы.

Simulator программ обычно используются на этапе разработки проекта по прогнозу завода выполнение работ по изучал множество условий. Они также используются, чтобы изучить альтернативные условия работы на существующих объектах. Хотя это мощный инструмент, каждый симулятор запуска просто снимок процесса на выбранных условиях. Это ничего не говорит о тенденциях и взаимодействия на различных условиях. Для того, чтобы определить тех, набор моделирования работает не требуется. Результаты моделирования могут быть регресс построить модель, которая может быть использована для определения результатов конкретной переменной процесс, основанный на разнообразных набор условий, без необходимости запускать симулятор снова. Полученные модели в конечном итоге может быть включена в распределенной системы управления завода (DCS) для оценки результатов и тенденций.

Данная статья предлагает практические дорожная карта "для создания надежной модели системы с использованием моделирования работает. Реальный пример будет представлен показывая, как реализовать подход (7).

Подходы к модели здания

Некоторые подходы могут быть использованы для планирования и оценки результатов тренажер работает. Классической "изменения одной переменной за один раз" стратегии, которая очень широко используется в промышленности на основе традиционной мудрости, что позволяет предположить, что для того, чтобы изучить влияние различных переменных в результатах процесса, каждая переменная должна быть изучена независимо друг от друга различной через несколько уровней, сохраняя при этом другие константы. Тогда второй переменной вычисляется и так далее.

"Изменение одной переменной, в то время," подход имеет то преимущество, сосредоточив свое внимание на одной конкретной переменной и позволяет результатов, которые будут оцениваться с использованием стандартного программного обеспечения таблицы. Недостатки такого подхода в том, что слишком много работает моделирования необходимо изучить последствия всех переменных, оптимальное сочетание всех переменных, никогда не могут быть выявлены, и взаимодействие между факторами, не может быть определена (2). В результате, модель порожденных регресс результатов моделирования выполняется с помощью этого подхода могут быть ненадежными при прогнозировании результатов для некоторых комбинаций переменных.

Другой традиционный подход "наихудший сценарий" стратегии, что приводит к меньшему числу серий, но неудобство, что нет способа узнать, если сценарий действительно изучал худшего. Кроме того, этот подход не генерирует достаточно данных, чтобы построить математическую модель, которая представляет собой всю систему, включая все переменные.

Дизайн-оф-экспериментов (DOE) подход преодолевает ограничения этих традиционных подходов. Тем не менее, это обычно не используется в планировании моделирование выполняется с целью создания модели. Одна из причин этого является то, что МЭ Считается, что применение только в отношении данных, полученных в контролируемых условиях в лаборатории или в производство. Другая причина заключается в том, что инженеры процесс проектирования редко получают профессиональную подготовку в странах с развитой инструменты статистики.

МЭ подход основан на предположении, что индивидуальные и комбинированные эффекты переменных может быть определена путем тщательного планирования работает (или "лечения комбинации"), где многие факторы различны ввода одновременно. Преимущества использования данного технического решения являются:

* Можно изучать сложный процесс, который зависит от многих переменных с относительно небольшим количеством тщательно спланированной моделирования работает.

* Важные переменные могут быть отделены от менее важных, уделяя особое внимание усилиям по вопросу о контроле этих переменных.

* Точный статистического анализа и построения модели может осуществляться с помощью стандартных компьютерных программ.

* Графические возможности энергетики могут быть использованы при интерпретации и отображения результатов.

Недостатком такого подхода НОО, что это требует определенной подготовки в области статистики и статистических компьютерных программ. Она также требует некоторых навыков, чтобы понять и интерпретировать результирующая многомерных моделей. Эти навыки, однако, могут быть разработаны посредством подготовки и опыта.

Использование энергетики в качестве шаблона для построения моделей

Процесс планирования выполняется моделирование с использованием методологии, энергетики не сильно отличается от планирования эксперимента. Во-первых, следует четко определить задачи, а затем выбрать переменные, которые будут изучены, и их практическому диапазонах, и, наконец, подготовить систематический характер, что позволит свести к минимуму количество серий в соответствии с целями (3).

Этот процесс отличается от планирования реального эксперимента только в отношении измерения погрешности эксперимента. Потому что каждый тренажер пробег "совершенный" эксперимент, не неконтролируемых факторов погрешности равно нулю. Таким образом, нет необходимости для блокирования репликации или рандомизации.

Любая предложенная опытно-конструкторских могут быть использованы. Из-за своей простоты, факторный конструкции чаще выбрали. Существует общее заблуждение при применении энергетики заключается в предположении, что только один "эксперимент" будет достаточно, чтобы найти ответы на все вопросы. МЭ является процессом, который может потребоваться несколько этапов (рис. 1). Большую часть времени, несколько "опытов" необходимо будет построить модель желаемого уровня физической подготовки. В начале упражнения, когда число переменных, изучал большой, дробного факторного дизайна могут быть использованы для выявления некоторых жизненно важных переменных.

После того как ключевые переменные определены, можно завершить полный факторный эксперимент для линейных моделей, 2 ^ SUP п ^ (п = число переменных). На данном этапе, линейность предположение может быть проверено путем добавления центральных моментов в модели, либо с помощью центральной составной конструкции с одной центральной точки, 2 ^ SUP п ^ 2n +1. Если кривизна модель является значимой, можно завершить 3 ^ п ^ SUP полный факторный эксперимент. После того как динамика переменных лучше понял, эта модель может быть улучшено с дополнительные рейсы моделирования и применения множественной линейной регрессии методы (4, 5).

После модели с приемлемой подходят разработана, она должна быть проверена на реальных данных процесса. Этот шаг важен, поскольку он определяет, насколько хорошо программа, имитирующая реальный процесс в различных условиях процесса и влияния процесса шума измеряется отклик.

Поломоечные пример

Данное приложение иллюстрирует процесс использования энергетики в плане моделирования выполняется с целью создания модели, который впоследствии был вход на завод DCS. Завод изображен на рисунке 2 является оперативным подразделением, который был построен с целью снижения экологических рисков путем удаления примесей из потока газа перед сбросом в атмосферу. Удаление загрязняющих веществ достигается за счет очистки газа с растворителем. Чистого газа, то в атмосферу выбрасываются и растворителя очищается и вторично в скруббер.

Самое трудное для удаления загрязнений в этой системе бромистого высшего-бутилового эфира (МТБЭ). Это также одна с крупнейших воздействия на окружающую среду. МТБЭ повышает растворимость углеводородов в воде, что увеличивает токсичность любой углеводород разлива нефти в источник воды. Этот процесс моделируется на Аспен Plus. Следующая процедура была использована для сборки модели:

Шаг 1. Проблема определения. Расчетный концентрация МТБЭ в выбросах в зависимости от эксплуатационных параметров и построить модель для включения в завод DCS. Эта модель позволит операторам постоянно проверять концентрации этого загрязнителя и своевременной коррекции процесса. Такой подход является гораздо быстрее, чем полагаться на лабораторный анализ выбросов и значительно дешевле, чем при использовании онлайн хроматографа.

Шаг 2. Учился переменных и их диапазоны. Изучал переменные флэш-барабан давления, температуры конденсатора, флэш-барабан температуры входе и растворителя температуры. Рабочего диапазона для флэш-барабан давление 1-6 фунтов на квадратный дюйм, для конденсатора Температура 20-65F, для температуры входе мигалкой был 150-250F, а также для растворителя температура 50-100F. Чтобы сделать несколько рейсов и тот же файл моделирование, инструмент анализа чувствительности в Аспен Plus был использован.

Шаг 3. Отбор. Дробного факторного 2 ^ ^ SUP 4-1 (8 работает) дизайн был выбран. Результаты показали, что все изученные переменных имеет значительные основные эффекты. Конденсатора температура переменная меньшее воздействие на ответ. Эффекты взаимодействия были значительными. Поэтому следующим шагом было завершить 2 ^ ^ SUP 4 (16 работает) факторный эксперимент. Этот и следующие шаги были выполнены с помощью Minitab статистического программного обеспечения.

Шаг 4. Полная линейная модель. Для того, чтобы завершить 2 ^ ^ SUP 4 факторный эксперимент, только 8 еще работает моделирования требуются. Результаты подтвердили, что температура конденсатора слабее основного эффекта, но его взаимодействие с мигалкой давление один из самых сильных эффектов взаимодействия. Взаимодействие между мигалкой давления и температуры на входе и растворителя температура (3-способ взаимодействия эффект) также является важным. Наличие сильной 3-способ взаимодействия эффект намекнул, что модель была более сложной, чем ожидалось. Следующим шагом было включить центральные пункты для проверки кривизны.

Шаг 5. Кривизна проверки. Центральным композиционным дизайн для 4 переменных требуется 25 очков (2 ^ ^ SUP 4 (2x4) 1). Таким образом, еще девять моделирования запуска. Поскольку результаты показали, что кривизна была значительной, то следующий шаг заключается в завершении 3 ^ ^ SUP 4 факторный (81 работает).

Шаг 6. Ответ конструктора. Этот шаг построения модели требуется значительное количество серий. К этому моменту, трудности в получении подходящих когда флешер давление низкое было видно (рис. 3). Следующим шагом стало работать более моделирования при промежуточных значениях изучали факторы, особенно на более низких уровнях давления флешер для настройки модели.

Шаг 7. Tuned модели. Пятьдесят три моделирования были бежать, и модель была скорректирована множественной линейной регрессии. Полученные закодированные модели, показанные в окне справа, имел коэффициент детерминации R ^ SUP 2 = 0,996.

МТБЭ (частей на миллион) = 14,4 6.4U - 6.35C 5.33D 1.18A ^ SUP 2 ^ ^ 0.58B SUP 2 ^ ^ 0.289C SUP 2 ^ 1.04AB - 1.20AC-0.77AD 0.54CD 1.11ACD 0.894A ^ SUP 2 ^ ^ B 1.29а SUP 2 ^ C ^-1.15a SUP 2 ^ ^ D0.852B SUP 2 ^ - ^ 0.605C SUP 2 ^ - ^ 0.611C SUP 2 ^ D - 0.567D ^ SUP 2 ^ 0.567D SUP ^ 2 ^ C - 0.138A ^ SUP 2 ^ BD 0.552A ^ ^ SUP 2 CD - 0.165B ^ SUP 2 ^ ^ AC 0.21B SUP 2 ^ ^ Д. 1.07C SUP 2 ^ ^ Д. 0.812D SUP 2 ^ AC 0,701 C ^ SUP 3 ^ - ^ 1.98A SUP 3 ^ ^ B 2.07A SUP 3 ^ D 0.128A ^ ^ SUP 3 BCD

, где A = (флешер давление - 3,5) / 2,5

B = (конденсатора температура - 42,5) / 22,5

C = (флешер температура - 200) / 50

D = (растворителя температура - +75) / 25

Эта модель была подтверждена позднее на основе реальных данных растений и включены в систему управления завода в режиме реального времени результаты. Это сэкономило компании $ 300000 - $ 500000 за счет устранения необходимости купить онлайн хроматографа и существенное уменьшение выбросов загрязняющих веществ в окружающую среду.

ЛИТЕРАТУРА

1. Де Маседо, М. и Б. Инаят, "Планирование Моделирование Работает в области дизайна". Труды 16-я ежегодная конференция качества ASQ Отдел управления, Dallas, TX (5 марта 2004).

2. Вортман, Б., Д. Р. Карлсон, "Certified Engineer Primer качества". Совет по качеству Индиана. Terre Haute, И. Н. (1999).

3. Монтгомери, D. C.. "Разработка и анализ экспериментов", второе издание, John Wiley

4. Беренсон, Л. и Д. М. Левин, "Основные статистики предприятий-концепции и ее применения". Prentice Hall колледж Инк, Englewood Cliffs, NJ (1992).

5. Уолпол, RE, и RH-Майерс, "Вероятность и статистика для инженеров и ученых". 5-е изд., Macmillan издательство "Publishing Co, New York, NY (1993).

Магали де Маседо

AADVANVELDHOVEN

Fluor Корпорация

Магали де Маседо является инженер-технолог по химической технологии Центр единица корпорации Fluor (100 Fluor Daniel Drive, Гринвилл, SC 29607, телефон: 864-281-8712; Email: <A HREF = "mailto: magali.demacedo @ плавикового . Ком "> magali.demacedo @ <fluor.com />), с более чем 14 лет опыта работы в процессе, качество и машиностроения. Ее разнообразный опыт технологического процесса включает в себя производственные предприятия, которые производят химикаты, нефтепродукты, полимеры, смолы, силиконы и фармацевтических препаратов. Она также является экспертом в области применения статистических и инструменты системы управления качеством. Она имеет степень бакалавра в области химического машиностроения Федерального университета Рио-Гранде-ду-Норти (Натал, Бразилия) и магистра инженерного менеджмента из Drexel University (Филадельфия, штат Пенсильвания). Она является лицензированным профессиональным инженером, заверенная Шесть Сигма Черный пояс, и один из старших сотрудников Айше.

САД ВАН Veldhoven является инженер-технолог по химической технологии Центр единица корпорации Fluor (100 Fluor Daniel Drive, Гринвилл, SC 29607, телефон: 864-281-8288; Email: <A HREF = "mailto: aad.van.veldhoven @ fluor.com "> aad.van.veldhoven @ <fluor.com />), с более чем 17-летний опыт разработки в области технологических процессов, таких как полиолефины, полимерных прекурсоров, специальные химикаты, ethoxilates, твердые обработки, партии реакций и процессов моделирования Veldhoven получил степень бакалавра наук в области химического машиностроения Haagsche Hogeschool, Гаага, Нидерланды.