Működő technológia optimalizálása az irányító rendszer modelljének felhasználásával
DOI:
https://doi.org/10.31914/aak.1841Kulcsszavak:
optimalizáció, irányító rendszer modellAbsztrakt
A vegyipari folyamatok optimalizálása elengedhetetlen elvárás. A vegyipar egyike a legmagasabb szinten automatizált iparágaknak, ezért magába foglalja az optimalizálhatóság potenciális lehetőségét a folyamatból érkező nagy mennyiségű adat – esetlegesen a priori információkkal kiegészített – feldolgozásával és az eredményeknek - mint fel nem tárt összefüggéseknek, információknak - a termelőfolyamatban való hasznosításával. Az adatalapú (fekete- vagy szürkedoboz modell) technikákon túl tradicionális modellalapú technikák alkalmazása is szükséges, ráadásul a vegyészmérnöki ismereteket szintetizáló modellekre alapozott algoritmusokat, programokat a fejlett folyamatirányító rendszerek (DCS) tartalmazzák, amelyek felülvizsgálata, továbbfejlesztése, illetve új modellek alkalmazása szintén komoly eredménnyel járhat. Ez a cikk egy működő polimer technológia irányító rendszerének vizsgálatával foglalkozik. Az irányító rendszer modelljének felépítésével és alkalmazásával, valamint az üzemi operátorok szakmai tapasztalatának felhasználásával lehetőség nyílik a termékek paraméterei és a technológiai változók közötti érzékenységvizsgálatokra, a technológia vegyészmérnöki modelljén alapuló állapotbecslő, illetve paraméter identifikáló módszerek fejlesztésére és tesztelésére, a technológia működésének minősítésére, nyomon követésére, illetve új munkapontok, termékek kidolgozására. Cikkünk célja, hogy áttekintse, milyen vizsgálatok és eszközök állhatnak rendelkezésünkre egy komplex, hierarchikusan felépített irányító rendszer felülvizsgálatához, illetve az ehhez kapcsolódó optimalizációs feladatok megoldásához, s bemutassa ezek alkalmazhatóságát egy valós ipari rendszeren.
Hivatkozások
Abonyi, J., Arva, P., Nemeth, S., Vincze, Cs., Bodolai, B., Dobosné, H. Zs., Nagy, G., Németh, M. (2003). Operator Support System for Multi Product Processes - Application to Polyethylene Production, European Symposium on Computer Aided Process Engineering, 14, 347–352. https://doi.org/10.1016/S1570-7946(03)80139-6
Fayyad, U. M., Simoudis, E. (1997). Data mining and knowledge discovery. Tutorial Notes at PADD ’97 – 1st Int. Conf. Prac. App. KDD & Data Mining, London. https://doi.org/10.1023/A:1009771407489
Feil, B., Abonyi, J., Pach, F. P., Nemeth, S., Arva, P., Nemeth, M., Nagy, G. (2004). Semi- mechanistic Models for State Estimation, Soft Sensor for Polymer Melt Index Prediction, Lecture Notes in Computer Science, 3070. 1111–1117. https://doi.org/10.1007/978-3-540-24844-6_174
MacGregor, J. F., Kourti, T. (1995). Statistical process control of multivariate processes, Control Eng. Practice, 3(3), 403–414. https://doi.org/10.1016/0967-0661(95)00014-L
Pach, F. P., Gyenesei, A., Arva, P., Abonyi, J. (2005). Fuzzy Association Rule Mining for Model Structure Identification, 10th Online World Conference on Soft Computing in Industrial Applications. https://doi.org/10.1007/978-3-540-36266-1_25
Pach, F. P., Feil, B., Nemeth, S., Arva, P., Abonyi J. (2006). Process Data Warehousing based Operator Support System for Complex Production Technologies, IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans. https://doi.org/10.1109/TSMCA.2006.859105
Letöltések
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2006 Balaskó Balázs, Németh Sándor, Abonyi János
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
