[发明专利]用于化工厂或精炼厂的连续、在线监视的系统与方法

说明书

技术领域

本发明提供了用于化工厂或精炼厂的连续、在线监视方法，更具体而言，涉及在化工厂、精练厂及类似生产设施的连续工作期间用于监视瞬时操作以便预测和/或防止过程失败或其它有害事件发生的近实时系统与方法。

背景技术

现代化工厂和精练厂的监视一般涉及测量并记录很多过程变量的系统。这种系统常常产生大量数据，在这些数据中只有相当小的一部分被实际跟踪并用于检测工厂中会导致危险或别的不期望结果的异常状况。如果更多地使用关于各种过程变量所收集到的信息，则这种异常状况可以更早地被检测到。

过程监视是随着制造商努力地同时提高质量、增加产量并减少成本而变得日益关注的一个领域。这种监视通常涉及操作或工厂的分散和隔离的元素。当象在此所述地这样应用时，多变量统计分析方法能够处理从整个制造厂中所有相关过程收集到的大量数据。

除化工生产工业之外的其它制造工业，例如钢铁、木材制品及纸浆/纸业，也开始对相关过程中收集到的大量数据应用这种多变量统计分析方法。这种方法的一个例子在美国专利No.6,564,119中进行了描述，其中多变量统计监视，特别是主成分分析(PCA)，用于炼钢厂的一部分，以监视铸造过程中可能导致固化钢壳成形后破裂的异常。可以在美国专利No.6,607,577B中到在线监视的另一个例子。在这个例子中，采用多变量统计模型来确定热金属直接脱硫过程中的试剂使用。该系统在计算机上实现，并使用自适应隐性结构投射(PLS)模型来估计满足目标硫浓度的直接脱硫试剂的量。

多变量统计过程控制(SPC)监视技术对批处理监视和错误诊断的使用也已经在专利及期刊文献两者中进行了描述。MacGregor及其合作者[Chemometrics Intell.Lab.Systems，2000年第51卷(1)第125-137页]提出了一种用于利用多变量SPC技术和多块PLS算来分析批量和半批量过程变量轨迹以进行过程的开发和优化的新方法。授予Zhang等人的美国专利No.6,885,907B1描述了在连续炼钢过程中用于瞬时操作的在线监视的近实时系统与方法。很多其它参考文献也建议了多种统计算法和方法来监视工业生产设施中的特定过程。

尽管关于过程数据的特定统计分析方法已经应用到采用批处理监视的工厂或精练厂中的个别过程，但多变量统计方法的开发与成功使用上的障碍也阻止它们以连续的方式在整个化工制造厂或精练厂中实施。由于各种类型的意外或不平衡会在遍及工厂的许多位置出现，使得当非常少或者没有数据可以用于统计分析时很难进行问题的识别并确定其位置，因此这种障碍超过了当只监视工厂一部分时所涉及的那些挑战。因此，需要用于连续地和近实时地监视化工厂或精练厂的基本上整个部分的整体过程的方法。此外，还需要自始至终整合在工厂中的单元操作之间的连续、在线监视系统。

发明内容

一般而言，描述了连续、近实时系统与方法，用于实时地或者近实时地监视化工生产工厂或化工制造过程(例如环氧乙烷/乙二醇生产)，并预测制造过程中的问题。

在本发明的一方面中，描述了用于对化工生产设施中的操作进行连续、近实时监视的方法，该方法包括以下步骤：检索多个被选过程变量的历史过程数据；利用对过程变量的PLS分析来开发多变量统计模型；确定该模型的监视限制；验证模型及在线实施该模型用以进行连续监视，其中，所述模型链接生产过程中的所有共享过程。

附图说明

以下附图构成本说明书的一部分，而且包括这些附图是为了进一步说明本发明的特定方面。通过参考这些图中的一个或多个并结合在此给出的对特定实施方式的具体描述，可以更好地理解本发明。

图1例示了本发明整个系统的示意图。

图2例示了根据本发明一方面的用于模型建立、实施与在线监视的过程的框，其中应用该过程来监视连续或近连续操作的工业过程中的操作。

图3例示了概述应用到本发明的模型建立和开发模块中被选历史数据的步骤的流程图。

图4是根据本发明一方面的例示了在线系统的基本部件的示意图。

图5是根据本发明一方面的例示了过程信息的体系结构和流程的示意图。

图6例示了根据本发明方法操作的工业生产设施的典型概观显示图的视图。

图7例示了用于个别工厂部分的示例多变量概观屏幕。

图8A-8C例示了用于图7所示的X一致性(XCon或SPEx)数据的多变量统计过程控制(MSPC)图、范围贡献选择选项及相对贡献选择选项。

图9例示了用于在图8B的图上所选的时间范围的贡献条状图，其示出了每个模型标签的贡献。