PROST årsmøte 11-06-2002
description
Transcript of PROST årsmøte 11-06-2002
04/21/23
PROST årsmøte 11-06-2002
En kort oversikt over noen prosjekter i Cybernetica.
04/21/23
Prosjekter i Cybernetica
• ‘Run-to-run’ optimalisering av batch-prosesser:– Optimalisering av S-PVC polymerisering.
– Optimalisering av ferromangan-raffinering.
• MPC basert på ulineæare fysikalske modeller:– Stabilisering og kvalitets-styring av polypropylen
(PP) polymerisasjons-prosesser.
– Stabilisering og kvalitets-styring av polyetylen (PE) polymerisasjons-prosesser.
– Operatørstøttesystem for S-PVC polymerisasjons-prosesser.
– Styring av Pasta-PVC polymerisasjons-prosess (forstudie).
– Styring av forbrennings- og energigjenvinnings-anlegg.
– Utvikling av Green DP for Kongsberg Simrad.
04/21/23
Prosjekter i Cybernetica
• MPC basert på lineære modeller:– Modellprediktiv regulering av destillasjons-
kolonner.
– Utvikling av MPC basert på lineære tilstandsrom-modeller for Kongsberg Simrad.
• Utvikling av ingeniørsimulator:– Simulator for fenol-formaldehyd batch
polymerisasjons-prosess basert på SIMON.
• Tuning av konvensjonelle reguleringssystemer:– MultiTune lansert som produkt.
• Kurs innen modellprediktiv styring:– 3 kurs høsten 2002 i samarbeid med NTNU. Bidrag
fra Statoil og Borealis.
04/21/23
Agitator - [1/s]
VCM
H2O
PVC
Coolingjacket
Refluxcondenser
Gevinst:
• Redusert batchtid (minst 15 min).
• Redusert bruk av inhibitor.
• Produktkvalitet i henhold til ‘spec’.
Implementering:
• CENIT ModelFit og CENIT BatchOptimize.
• PC med Windows NT som kommuniserer med InfoPlus.21.
• Optimalisert resept overføres til styre-system.
Optimaliserings-problem:
• Pådragene parameteri-seres med ca 80 uavhengige variable.
• NB! Modellen må være tilstrekkelig glatt.
Optimalisering av S-PVC polymerisasjon
• Batch-prosess• Fysikalsk modell:
– Reaksjonskinetikk
– Termodynamikk
– Energibalanse
– Kvalitetsmodell
• ‘Run-to-run’ optimalisering:– Estimering av modell-
parametre etter hver batch:• Modellparametre varierer
med omsetning.
– Optimalisering av temperatur-profil og initiatordosering.
04/21/23
• Samme modell som ovenfor.• On-line modell oppdateres
gjennom batchen:– To varmeovergangstall og
en kinetikkparameter estimeres kontinuerlig.
• MPC-applikasjon i rådgivende modus:
– Predikterer 20 min frem i tid.
– Beregner ‘kjølemargin’.
– Beregner dosering av moderator hvis kjøle-marginen blir negativ.
– Beregner behov for lufting av reflukskondensator.
Gevinst:
• Riktig dosering av inhibitor medfører kortere batchtid.
• Riktig lufting av refluks-kondensator øker kjølekapasiteten.
Implementering:
• CENIT.
• Kommunikasjon via InfoPlus.21.
Operatør-støttesystem for S-PVC polymerisering
04/21/23
Optimalisering av metall-raffinering
• Semibatch-prosess: – Fjerning av karbon fra
ferromangan metall.
• Fysikalsk modell:– Svært ulineær.
– Utviklet og implementert i samarbeid med kunden.
• ‘Run-to-run’ optimalisering:– Estimering av modell-
parametre etter hver batch.
– Optimalisering av pådrags-trajektor før hver batch.
– Gode målinger/analyser før og etter batchen.
Gevinst:
• Minimalisere tap av mangan.
• Karbonkons. i henhold til spesifikasjon.
Implementering:
• CENIT ModelFit og CENIT BatchOptimize.
• Modell implementert i SIMON.
• Optimalisert pådrags-trajektor overføres til styre-system før hver batch.
Optimaliserings-problem:
• Pådragene parameteri-seres med ca 30 uavhengige variable.
• NB! Modellen må være tilstrekkelig glatt.
04/21/23
Modellprediktiv styring av polypropylen (PP) produksjon
• Borealis PP5, Schwechat, Østerike
• 3 N-MPC applikasjoner basert på fysiskalske modeller:
– 11 MV totalt
– 11 CV for stabilisering
– 8 CV for kvalitets-styring
– 77 modelltilstander
• Samarbeid med Borealis:– Modellutvikling
– Modelltilpasning
– Implementering
– Ingangkjøring
Gevinst:
• Økt produksjon (~3%)
• Raskere produkt-overganger
• Mindre “off-spec”
• Okt reproduserbarhet
Implementering:
• BorAPC (OnSpot)
• Windows NT
04/21/23
Modellprediktiv styring av polyetylen (PE) produksjon
• Borealis PE3, Stenungsund, Sverige
• 2 N-MPC applikasjoner basert på fysiskalske modeller er satt i drift 2002.
• Samarbeid med Borealis:– Modellutvikling
– Modelltilpasning
– Implementering
– Ingangkjøring
Gevinst:
• Økt produksjon
• Raskere produkt-overganger
• Mindre “off-spec”.
• Økt reproduserbarhet
Implementering:
• BorAPC (OnSpot)
• Windows NT
04/21/23
Modellprediktiv styring av polyetylen (PE) produksjon
• Borealis PE2, Porvoo, Finland
• 2 N-MPC applikasjoner basert på fysiskalske modeller er i drift siden 1999.
• Cybernetica utvikler:– Modeller for produktkvalitet
– MPC styring av kvalitet
Gevinst:
• Økt produksjon (~3%)
• Raskere produkt-overganger
• Mindre “off-spec”
• Reproduserbarhet
Implementering:
• BorAPC (OnSpot)
• VAX VMS
04/21/23
Modellprediktiv styring forbrennings- og energigjenvinningsanlegg
• Anlegg leveres av Organic Power.
• N-MPC applikasjon basert på fysiskalsk modell er i under utvikling.
• Mål med optimaliserende regulering:
– Regulering av effekt-produksjon.
– Optimal energigjenvinning.
– Regulering av primær- og sekundærkammer.
– Utslipp innenfor ‘spec’.
– Avgasstemp. innenfor spesifiserte grenser.
Implementering:
• CENIT
• Windows NT
• OPC komm. mot PLS.
04/21/23
Kongsberg Simrad GreenDP
Miljøvennlig teknologi
Ulineær modell-prediktiv styring
Metodikk utviklet ved SINTEF / Cybernetica
Basert på CENIT
Kjernen implementert av SINTEF / Cybernetica
04/21/23
Configuration interfaceCENIT overview
N-MPC
GenEstModel
component
CENIT
OPC Client interface
ModelFit
Batch-Optimize
Time seriesdata base
OPC Server interface
04/21/23
Cybernetica personell
Fra venstere: Magne Hillestad, Halgeir Ludvigsen, Bjarne Foss, Jan Gunnar Dyrset, Peter Singstad, Svein Olav Hauger og Tor Steinar Schei.