JPH07507894A - モデル生産物性質推定値を改良するためのシステムおよび方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 モデル生産物性質推定値を改良するためのシステムおよび方法係属中の特許出願 に対する参照 本出願は、本出願の被譲渡人に譲渡されたＤａｖｉｄ　Ｖ、　Ｃａｒｄｎｅｒに よるＳＹＳＴＥＭ　ＡＮＤ　ＭＥＴｔｌＯＤ　ＦＯＲＩＭＰＲＯＶＥＤ　ＭＯＤ ＥＬ　Ｐ［１ＯＤＵＣＴ　ＦＬＯｆ　ＤＡＴＡ　ＲＥＣＯＮＣＩＬＩＡＴＩＯＮ ”と閧■驕A 同時に提出される米国特許出願（弁護士ドケット１１００．１２１０００）に関 連し、ここでの参照によりその出願の全体が本明細書に組み込まれる。

発明の背景 １、発明の分野 本発明は、閉ループ制御プロセスのための生産物性質推定値の生成のためのシス テムと方法に関し、より詳細には、プロセスモデルからのプロセス流れ（ｊｔｒ ｅｅ−）組成および／または生産物性質の推定のため、および、プロセスの制御 のための改良した推定値の応用のためのシステムおよび方法に関する。

２、関連技術の説明 化学生産物、石油化学生産物および高分子生産物は、通常は一連の複数の操作を 用いて製造する。出口での特定の流れ組成および／または生産物性質を達成する ように特に設計した装備は、これらの操作の各々を実行する。全体の連続した操 作は、１以上の流れを生成することになり、これらの流れは、出口での流れ組成 および／または生産物性質の所定の仕様に適合しなければならない。副生産物の 流れや廃棄物の流れでさえ、純化される有用な生産物の量を一般に制限する仕様 に適合しなければならない。

産業は、装備の調節制御機能の自動化において非常に成功してきた。圧力、温度 、レベルおよび流量の制御は、多くのプロセス操作の安定で予測可能な操作を生 じ、現代の分散制御システムの使用により最も有効に適用できる。

しかし、流れ組成および／または生産物性質（流れ性質の尺度）の制御は、なお 多（は、分析器または実験室の結果の評価の後で操作者が実行する手動操作であ る。実験室またはプロセスの分析器を用いて流れ性質および／または生産物性質 の制御を自動化する試みは、信頼性と精度の限界のため、または、費用の因子の ため、多くは不成功であった。

通常の技法が教えるところでは、これらの問題は、流れ性質値を計算するプロセ スモデルを利用し、次に、閉ループ制御のため計算値を用いることにより大幅に 克服できる可能性がある。コンピュータモデルは、比較的安価であり、信頼性が 高く、しばしば実行できるので、時間の遅れは重要でない。適当に設計すると、 はとんど保守をしなくてもよい。

実際のプロセスと並行に作動するプロセスコンピュータモデルは、ある操作につ いて、供給組成測定値、並びに、圧力、温度および流量の測定値を、出口での流 れ組成と生産物性質の推定値に変換する。

プロセスモデルの使用において課されるい（つかの要求がある。

（１）プロセスモデルに対する入力プロセス変数（供給組成、圧力、温度、レベ ルおよび流量）の精度と信頼性は、保証しなければならない。

（２）プロセスモデルが生成する流れ組成および／または生産物性質の推定値は 、校正した分析値と合理的に一致しなければならない。校正分析値は、プロセス 実験室またはプロセス分析器から得ることができる。もしモデルが流れ性質の合 理的な推定値を与えることができないならば、モデルはほとんど価値がなし）。

（３）１以上の操作を含むプロセスのシミュレーションは、通常は、各操作１二 ついてのエネルギーと材料のバランス関係に基づく詳細な第１原理モデルにより 、広い操作範囲で最も正確に表現される。そのようなモデルは、数千の微分方程 式（変数）と敵方の代数関係式を用いて定義できる。

（４）プロセスのダイナミックなモデルをプロセス操作をシミュレートするため に使用するとき、ダイナミックモデルは、プロセスを忠実に追跡するために（ま 、リアルタイムよりもはやく実行しなければならない。

（５）プロセス操作の定常状態モデルを用いるとき、プロセス操作は、比較的短 い時間間隔内で出口流れ性質尺度に関して定常状態に達しなければならなＬ％。

定常状態モデルは、プロセス操作における成分濃度または生産物性質を長い休止 （ｈｏｌｄｕｐ）期間の後では正確には推定しない。

定常状態モデルとダイナミックモデルとの両方が、全体のプロセスシミュレーシ ョンをするために、プロセス内の別々の操作に適用できる。

ダイナミックモデルを使用すると、どの程度しばしば新しい入力情報でモデルを 再初期化するかという問題が生じる。もしモデルを高い頻度で（１分あたり数回 ）再初期化するならば、積分のための時間増分を非常に短く保つ。これにより、 プロセスを非常に密接に追跡するが、時間制限のために、モデルの複雑さ、入力 データー成性（ｒｅｃｏｎｃｉｌｉａｔｉｏｎ）およびモデルの出力の校正の程 度を非常に制限する。

他方、もし再初期化の頻度を大きく減少すると（１時間あたり数回）、はるかに 広く詳細なモデルを使用して全体のプロセス操作のより広（より現実的なシミュ レーションを得ることができるが、高頻度の詳細は失われる。

通常の技法は、制限した入力データー成性を用いたまたは入力データー成性を全 く用いない非常に制限したモデルを用いた高頻度での再初期化と非常に短い時間 増分での積分を強調する。しかし、これらの技法は、以下で概略を説明するよう な制限を有する。

プロセス制御に用いるダイナミックモデルは、典型的には大きさが非常に制限さ れていて、多くの場合、１ダース以下の部分方程式からなる。これらのモデルは 、典型的には、１つのプロセスまたは１つの性質変数を制御するために設計され る。これらのモデルは、通常は、プロセスを密接に追跡できる高頻度で循環する 洗練したモデルの１部である。このモデル化アプローチは、多成分を有し正確に モデル化すべき多数の微分方程式を必要とする多成分蒸留コラムなどのプロセス をモデル化するのには実際的でない。

大規模な定常状態モデルは、プロセスが定常状態に近い条件ではプロセスに成功 して適用される。しかし、定常状態モデルは、長い成分応答時間を有するシステ ムにおけるトレース不純物レベルを予測するのには非常に非現実的であり、低不 純物レベルでの高純度流れを含む大規模蒸留操作をリアルタイムでシミュレート するのには不適当である。また、大規模定常状態モデルは、操作速度または供給 組成を変えることにより生じる遷移の間での生産物性質および／または流れ成分 を非常に不十分に推定する。

上に説明したように、通常の技法が教えるところでは、モデルは、プロセスの全 部の関連する要素を１つのモデルに組み込むべきである。これは、大きなプロセ スをモデル化する能力を大きく制限する。複数のゆるく結合したモデルを用いて プロセス内の複数の操作を記述すると、プロセスの流れ組成および／または生産 物性質の追跡において個々のモデルの信頼性を増大する。また、このアプローチ は、プロセスにおける異なった操作の記述においてダイナミックモデルと定常状 態モデルの両方の使用を可能にする。

モデル出力だけを修正しモデルパラメータもモデル入力も調節しないことが前に 提案されている。これは、小さな線形モデルについては満足であるが、大規模の 非線形の多成分モデルは、モデルパラメータまたはモデル入力の調節によりモデ ルの直接制御なしではしばしば発散する傾向がある。

カルマンフィルタ設計により説明されるように、通常の技法は、状態変数の間の 全相互作用を考慮するために統計的フィルタ、調整（ａｌｉｇｎｓｅｎｔ）およ び校正の組み合わせを利用し、これを共分散マトリクスにおいて表現する。共分 散マトリクスにおける要素の数は状態変数の数の平方であるので、あきらかに、 処理できる状態変数の数、したがって微分方程式の数は制限される。

現在の技術の教えるところでは、測定値と計算値との差は、算術的差として最も よく決定される。ある状況では、モデル出力を修正するために直接に使用すると きは、これらの差は、負の濃度または生産物性質を実際に生じるかもしれない。

プロセスのダイナミックモデル化は、数時間前のプロセス情報を現在の計算に組 み込むのが非常に困難なやり方で以前に公式化されている。ある場合には、この アプローチは、サンプルが採られる時間にモデルを再初期化し、新情報を組み込 み、次に、そのときから現在までのプロセスの軌跡を再計算している。これは、 全体の蒸留精製系列（ｔｒａｉｎ）などの大きなプロセス操作のシミュレーショ ンを考慮するとき、実際的なアプローチではない。

発明の概要 本発明は、プロセスと並行に実行するプロセスシミュレーションモデルにより生 じる流れ組成および／または生産物性質推定値の正確さと精度を改良するための システムおよび方法を提供する。本発明の一般的なアプローチは、各モデルと各 生産物流れについて、適当なときに、単独でまたは組み合わせて、各種の技法を 使用することである。

１つの技法は、モデルをプロセスと調整（ａｌｉｇｎｍｅｎｔ）　Ｌ／て保っこ とである。この技法の中で、重要な（ｋｅｙ）調節変数のプロセス測定値と計算 値とを比較して、モデルパラメータ、その調節変数のプロセス測定値と計算値と の誤差を、モデル入力信号および／またはモデル出力信号の調整により最小にす るために用いる修正信号を生成する。

第２の技法は、モデルの校正を与える。この技法の中で、モデル流れ性質の推定 値を測定値と比較して、モデルパラメータ、モデル入力信号またはモデル入力性 質信号の調整により出力性質信号の測定値と計算値との間の誤差を最小にするた めに用いる流れ性質の修正信号を生成する。

第３の技法は、流れ性質の修正信号を、モデルの出力性質信号の計算値に直接に 適用して改良した出力性質信号を生成することによりモデルの出力性質推定値を 直接に校正する。

第４の技法は、調整機能にたいして調節をするために、性質尺度修正信号を使用 する。

本発明の好ましい実施例は、「プロセスオートパイロット」としてここでいう、 コンピュータを基にしたシステムである。プロセスオートパイロットは、液体、 蒸気、気体および流動可能な固体などの流動性材料を取り扱う任意の製造プロセ スにおける組成と生産物性質の閉ループ制御を実行するシステムである。たとえ ば、化学製造法プラント、精製所、または高分子プロセスプラントである。組成 と生産物性質の閉ループ制御が成功するためには、制御すべき各流れ成分または 生産物性質を、しばしばかつ正確に、しかも、高レベルの信頼性をもつて推定せ ねばならない。本発明の種々の観点は、生の流量測定信号を処理し、修正した流 量測定信号を精製するために使用される。この修正した流量測定信号は、流れ成 分または生産物性質について要求されるしばしばの正確で信頼性の高い推定値を 与えるシミュレーションへの入力として使用できる。

図面の簡単な説明 本発明の以上の効果及び他の効果は、添付の図面を用いた以下の説明を参照する ことにより、さらによく理解される。ここに、第１図は、本発明の図式的な図を 示す。

第２図は、コンピュータを基にした流量一致システムおよび生産物性質修正シス テムとして実施される本発明の図である。

第３図は、モデル調整・生産物制御システムとして実施される本発明のブロック 図である。

第４図は、コンピュータを基にしたモデル校正・生産物性質修正・生産物性質制 御システムとして実施される本発明のブロック図である。

第５図は、コンピュータを基にしたプロセス流れ組成・生産物性質制御システム として実施される本発明の好ましい実施例のブロック図である。

発明の詳細な説明 本発明の好ましい実施例は、コンピュータを基にしたシステムであり、ここでは 「プロセス・オートパイロット」という。このプロセス・オートパイロットは、 液体、蒸気、気体、流動可能固体などの流動性材料を取り扱う生産方法における 組成・生産物性質の閉ループ制御を実行するためのシステムである。例として、 化学的生産プロセスプラント、精製装置または高分子処理プラントがある。

流れ組成または生産物性質の閉ループ制御が成功するためには、制御される各流 れ組成または生産物性質が、しばしば、正確に、かつ、高レベルの信頼性で、推 定されねばならない。本発明の種々の観点において、生の流量測定信号を処理し て、修正した流量測定信号を作成する。そして、この修正流量測定信号は、流れ 組成または生産物組成の要求される頻度の、正確で信頼できる推定値を与えるシ ミュレーションへの入力として使用できる。

好ましい実施例は、１以上の単位操作（ｏｐｅｒａｔｉｏｎ）を備えるプラント において流れ組成または生産物性質の閉ループ制御を行うので、プロセス・オー トパイロットと名付けられる。これは、通常の操作において操作者が介在するこ とを要求しないように、このプロセスを十分自動化する。

好ましい実施例は、多単位連続プロセス操作の制御において最もよく使用される 。しかし、このシステムは、バッチ操作にも適用できる。バッチ操作は、通常は 単一のプロセス単位で実行される連続的に変化する操作である。

ここで用いられるように、「生産物性質」は、任意のプロセス材料の物理的また は化学的特性の測定値または計算値である。性質は、材料に固有であることもあ り、最終用途の性能を示すこともある。「生産物性質」という用語は、化学工業 における液体または蒸気の流れに用いられるとき、一般に流れ組成を意味する。

成分の数と種類が定義するには多すぎる可能性がある石油精製操作において、生 産物性質は、カット（ｃｕｔ）ポイント温度、フラッシュ点、レイド（Ｒｅｉｄ ）蒸気圧などの性質測定値により特徴づけることができる。固体の流れのための 生産物性質は、通常は、メルトインデックス、分子量分布、粒子径分布などの性 質をいう。

また、生産物性質は、塗料を作るために顔料が使用されるとき生じる光沢や、ガ ソリンのノッキング挙動などの、生産物の最終使用特性であってもよい。

圧力、温度、レベル、流量（ＰＴＬＦ変数という）の機器制御変数は、入力の変 動にもかかわらず、指定された定常状態で作動するプロセス機器を維持するため に制御される。また、あるＰＴＬＦ変数は、操作者がプロセス機器を他の定常状 態に移すために（たとえば生産を増加するために）操作者により調節できるが、 他方、他のＰＴＬＦ変数は、希望の流れ組成および／または生産物性質を維持す るために一定に保持される。

第１図は、流量データ一致（ｒｅｃｏｎｃｉｌｉａｔｉｏｎ）システム１００を 示す。このシステム１００は、プロセス１０４を操作する。本発明は、化学プロ セス、精製および高分子プロセスを含む任意のプロセス１０４に適用可能である 。しばしば、粘性高分子および微細固体を含む、プロセスにおける材料は、流体 として取り扱うことができる。この流体は、プロセスの中で、流れ中に流れる。

プロセスは、通常は１以上の単位からなり、各単位は、反応、蒸留または熱交換 などの特定の処理機能を実行する。これらの単位は、流れを介して相互に結合す る。

本発明の好ましい実施例では、プロセスシミュレーションモデルモジュール（複 数）１１０とデータ一致モジュール１０８は、デジタルコンピュータで実行され る。１つの解釈では、ブロック１０２は、これらの２つのモジュールが実行され るコンピュータプラットフォームとして見ることができる。さらに、第２図に示 すように、データ流量一致システム１０２は、生産物性質制御システム２７０と 組み合わせて使用する。この好ましい実施例では、生産物性質制御システム２７ ０は、生産物性質制御器２４０およびＰＴＬＦ制御器２５０を含み、どちらも、 分散制御システム（ＤＯ３）において実行される。生産物性質制御器２４０およ びＰＴＬＦ制御器２５０は、ともに従来から知られている。ブロック２７０は、 これらのモジュールのためのプラットフォームとしての分散制御システムを示す ものとして解釈できる。

第５図は、コンピュータを基にした流れ組成・生産物性質制御システムとしての 本発明の好ましい実施例（プロセス・オートパイロット）の図式的な図を示す。

このプロセス・オートパイロットにおいて、コンピュータを基にした全モジュー ル４０２．４０４．４１０．４１４．４０６．３１６．１１０．１３０．１０８ ．３０８．３１２は、１台の共通のコンピュータＰＤＯ−１１により実行される 。

しかし、本発明の信号（図では奇数が付される）をモジュールの間でアナログま たはデジタルの手段を介して通信できるかぎり、理解されるように、本発明は、 任意の数と性質のコンピュータプラットフォーム、および、それらにおける任意 のモジュールの分散を考慮する。

］、流量データ一致（ｒｅｃｏｎｃｉｌｉａｔｉｏｎ）以下の説明において、モ デル、シミュレーションおよびシミュレーションモデルという用語を用いる。こ れらの用語は、同じ意味であり、既知の値から希望の値を計算する技術的および 科学的原理を利用するコンピュータを基にした予測器１１０をさす。また、これ らのモデルは、第１原理のモデルともいう。

再び第１図を参照して、プロセスシミュレーションモデルモジュール１１０は、 予測された生産物性質１１７を計算する。この生産物性質１１７は、プロセス・ オートパイロット内における他の処理とともに、プロセスの生産物性質または組 成の閉ループ制御をおこなうために使用できる。また、プロセスシミュレーショ ンモデルモジュール１１０は、他のプロセスオート・パイロット機能により使用 されるＰＴＬＦ変数の推定値を与えるために使用できる。予測された流量値１１ ３は、流量データ一致処理におけるバランスの計算において使用する。

シミュレーションモデルモジュール１１０への入力は、一致（修正）された流量 、温度、圧力およびレベル１１５と性質入力値からなる。性質入力値は、測定値 １１９または推定値（図示しない）であり、一致された組成値１１５を含んでい てもよい。さらに、プロセス・オートパイロットを初期化するため、前もって（ ａ　ｐｒｉｏｒｉ）推定した流量測定値を、初めのシミュレーション結果を発生 するために使用する。これは、プロセス・オートパイロットを使用するために用 いる第１ステツプである。

シミュレーションの好ましい方法は、プロセス中の各単位操作についてのダイナ ミックな、第１原理のモデルを用いる。化学プロセスの第１原理のシミュレーシ ョンは、当業界においてよく知られている。分析モデルであれ数値モデルであれ 、モデル化の任意の方法が使用できる。典型的には、数値的に解くモデルを、は るかに広範囲のプロセス単位をモデル化できるので、使用する。

シミュレーションは、プロセス応答時間よりずっと短い計算サイクルを使用する 。プロセスダイナミックスが可能な最速計算サイクルより速いとき、プロセスは 定常状態にあるようにみえ、定常状態第１原理モデルが十分である。この場合、 全残量（ｉｎｖｅｎｔｏｒｙ）変化速度因子が０である。ダイナミックスシミュ レーションのさらに一般的な場合を、次に説明する。

モデル１１０は、３種の入力を使用できる。第１に、圧力、温度、レベルおよび 流量の最も最近の測定信号１１５を用いねばならない。この流量値は、好ましく は、（生の信号１０９または推定値を使用するとき、初期化の場合を除いて）一 致された信号１１５であり、好ましくは、圧力と温度は、限界値で検査するべき である。

第２種の入力は、供給組成または供給性質１１９である。これらは、実験室また は分析器１１２、または計算される資料から与えることができる。

第３に、シミュレーションモデル１１０は、希望であれば、モデル校正および調 整因子に対する調節を許容できる。モデル校正調節は、蒸留コラムのためのトレ ー効率、反応器のための触媒活性、バイアスモデル流量などのモデルパラメータ を変化する。これを行うのは、測定される生産物性質または流れ組成値をより正 確にモデルに再現させるためである。モデルの連続的な再校正は、モデルの挙動 に対するプロセスの挙動の変化を補償する。調整因子に対する調節は、設備のＰ ＴＬＦ調節変数を一致することにより、モデルとプロセスとの同期を保つ。

モデル（複数）は、１つの固定周波数で実行する。ここで、各々の実行は、プラ ントの所定の時間間隔での操作をシミュレートする。たとえば、プラント操作の ５分間をシミュレートするために、モデルを５分ごとに実行できる。１プロセス は、いくつかのプロセスステップからなることがあり、流量に関して相互に独立 に実行できるいくつかのモデルで表わすこともある。各モデルは、プロセスから の一致した値を用いる各計算サイクルごとに、流量、温度および圧力に関して独 立に初期化する。流量値をモデル間で移送しないので、下流のモデルに影響せず に校正・調整機能により流量値を処理できる。通常、組成値のみをモデル間で移 送する。複数のモデルを切り離すこの方法は、多単位プロセスでの生産物性質値 を正確に信頼性高く追跡する性能を増大する。

妥当性検査モジュール１３０は、まず、（流量測定信号と圧力などの他の種類の センサからの信号を含む）生のセンサ測定信号１０９を入力する。これらの信号 は、全体の誤差を検出するために上限と下限で選別し、そのような場合はデフオ ールド値を代入する。これにより、（妥当化された生の流量測定信号を含む）妥 当化された生のセンサ測定信号１１１を生成し、これを、流量データ一致モジュ ール１０８が使用する。

流量データ一致モジュール１０８は、プロセスシミュレーションモデルモジュー ル１１０が使用する改善された流量測定信号を与える。これは重要である。なぜ なら、不正確な流量測定信号値は、生産物性質の計算値に大きな不正確さを起こ し得るからである。このため、不正確な制御では、規格外の生産物を生産し、成 分やエネルギーの無駄を生じ、生産の好機を失ってしまうことになる。

流量データ一致の多数の観点が、既知のプロセスにしたがって構成される。一致 において用いるバランス（複数）を、各プロセス単位に対するプロセス結合に一 致するように構成する。また、誤差の重みは、各流量測定信号について入力でき る。小さな重みは、信号が不正確であるという予想を示す。大きな重みは、信号 が正確であるという予想を示す。

流量データ一致モジュール１０８は、妥当化した生の流量測定信号１１１、シミ ュレートした（予測した）圧力、温度、レベルおよび流量の測定信号１１３、お よび、ダイナミックシミュレーションモジュール１１０からの残量信号１１３の 変化速度を使用する。流量データ一致モジュール１０８は、（プロセス１０４の ）各単位でのエネルギーと材料のそれぞれの全体のバランスを記述する質量、エ ネルギーおよび／または組成のダイナミックなバランスを使用する。設備の残量 の変化速度が重要なプロセス工程について、残量の変化速度の妥当化した測定値 １１１または推定値１１３を、エネルギーと材料のバランスの関係式の中に組み 込む。

流量データ一致モジュール１０８は、まず、予測した圧力、温度、レベルおよび 流量の測定信号１１３と、希望ならば、−散性の全データ要求を十分満たす、プ ロセスシミュレーションモジュール１１０からの予測した生産物性質信号１１７ を入力する。次に、利用可能なすべての妥当化した生の流量測定信号１１１を、 対応する予測した信号と置き換えるために使用する。さらに、測定されない流量 と他の測定されない変数を、プロセスシミュレーションモデル１１０が直接に推 定する。こうして、完全な１組の流量データ一致モデルデータを作成し、これを 、流量データ一致モジュール１０８が使用する。

さらに、流量データ一致モジュール１０８は、以下のステップを用いて、各単位 での質量バランスとエネルギーバランスを用いて流量値を修正する。まず、流量 と残量蓄積順とその修正因子との積のすべての和が０に等しい（すなわち、バラ ンスをその単位で満足する）ように、各流量信号と各残量蓄積順について、出発 修正因子（１，０に近い）を選択する。各流量信号についての修正因子を１．０ から差し引いて誤差信号を作り、二乗し、次に、２つの重みと乗算する。１つの 重みは、測定における信頼性の程度を反映し、他方の重みは、流量に必要な修正 の程度を反映する。重みづけた二乗誤差を合計して、重みづけた誤差値の和を得 る。

質量バランスとエネルギーバランスは、等号制約条件を構成し、重みづけた誤差 値の和は、各流量信号について修正因子を調整することにより最小にするべき対 象の関数である。解は、当業者に知られている二乗アルゴリズム、非線形プログ ラミングアルゴリズムまたは他の技法を用いて得ることができる。

もし、組成濃度への修正を伴う成分バランスを、追加のバランス条件として含め 、および／あるいは、修正因子を流れエンタルピーに適用するならば、等号制約 条件は、非線形になり、各単位でのバランス関係（等号制約条件）を満足しつつ 、非線形プログラミング技法または他の特殊な技法を、重みづけた誤差値の和を 最小にするために利用しなければならない。

好ましい実施例では、重みづけた誤差値の和を最小にするために、非線形プログ ラミングアルゴリズムを利用する。

収束した解を得たとき、統計的フィルタ４０４のために後で説明する手順を用い て、各修正因子を、その前の移動平均修正因子と比較する。もしこの比較が１以 上の修正因子の大きな変化を検知すると、重みづけた誤差値の和におけるこれら の項のために新しい可変の重みを発生する。そして、全修正因子が移動平均修正 因子の所定の範囲（普通は５のずれ）内に入るまで、または、最大反復回数に達 するまで、または、時間制限を越えるまで、この一致過程を繰り返す。

最終の収束した解を得たとき、指数関数的に重みづけたフィルタにおいて、古い 移動平均修正因子をこの新しい値と組み合わせて、移動平均修正因子の新しい推 定値を発生する。

もし流量信号が極端な修正因子を有していることが分かったなら、これは、流量 を大きく修正したことを意味し、重みづけた二乗誤差項についての可変重みを減 少する。これは、センサ信号を効果的に割り引き、他の修正因子をほとんど変化 せずに、その修正因子により多い修正を吸収させる。

一致を完了すると、各流量信号についての修正因子の新しい移動平均値と、新し い移動平均分散を計算し、重みづけ誤差値の和における項に適用する可変重みの ために更新した値と共に、保存する。

この手順は、プロセス・オートパイロットの各計算サイクルについて実行し、こ れは、１時間あたり数回であってもよい。頻度は、プロセスの性質のダイナミッ クスの時定数に依存し、この時定数に比べて頻繁でなければならない。たとえば 、時定数の１つの推定値は、（その性質に影響する）調節の設定点の段階的変化 に応答して、その新しい定常状態値に半分まで移動するのにかかる時間である。

流量データ一致モジュール１０８は、他のプロセス・オートパイロット過程への 入力として、圧力、温度および流量の信号１１５の修正した１組を発生する。

もし組成の一致も実行するならば、一致した入力組成値１１５も利用できる。

第２図を参照して、ＰＴＬＦ設備調節制御器２５０は、当業者により知られてい る単独ループ、カスケードまたは他の種類の制御器として作動する。流体取り扱 い設備は、比較的広範囲の圧力、温度、レベルおよび流量において作動する。

センサ信号１０９として測定されるこれらの変数は、修正した作動速度でプロセ ス設備の安定で予測可能な操作を与えるように、注意深く制御せねばならない。

通常は、自動制御器２５０に連続的信号を与える正確なセンサ１０６を利用でき ることを主な理由として、これらの変数の自動化した制御が容易に達成できる。

ＰＴＬＦ制御器２５０は、圧力、温度、レベルおよび流量を調節して、設定点値 ２４５．２４７でプロセス設備の安定で予測可能な操作を与える。いくつかのＰ ＴＬＦ制御器は、操作者からのみ制御器設定点調整値２４７を受け取り、他のＰ 　Ｔ　Ｔ、、　Ｆ制御器は、生産物性質制御器２４０からも設定点調整値２４５ を受け取ることができる。ＰＴＬＦ制御器２５０は、アクチュエータ２６０に出 力信号（たとえば制御バルブへのバルブローディング）を送り、ＰＴＬＦ変数を できるだけ設定点の近くに維持する。生産物性質に大きくは影響しないＰＴＬＦ 変数の例は、凝縮物ポットレベル、貯蔵タンク圧力、凝縮器出口水温度である。

生産物性質にしばしば影響するＰＴＬＦ変数の例は、固定床反応器入口温度、蒸 留コラムへのカランドリア（ｃａｌａｎｄｒｉａ）蒸気流量、蒸留コラムでの還 流比である。

好ましい実施例では、ＰＴＬＦ制御器２５０は、分散制御システムを用いて具体 化する。しかし、アナログ流体圧制御器などの任意のものが使用できる。

いくつかのＰＴＬＦ制御器２５０についての設定点２４５は、プロセス分析器ま たは実験室分析１１２からの分析結果１１９の検査の後で操作者により調整でき る。

一方、自動的生産物性質制御は、測定した生産物性質信号１１９または予測した 生産物性質信号１１７または４０１を、ＰＴＬＦ制御器２５０の設定点２４５を 自動的に調節する生産物性質制御器２４０に与えることにより実行できる。効果 的な自動化は、プロセスの変化速度に相対的にしばしば発生する正確で信頼性の 高い生産物性質測定値１１９または生産物性質予測値１１７または４０１を必要 とする。参照番号２３５として示すように、操作者は、生産物性質設定点を調節 して、生産される生産物の生産物性質の仕様に一致させる。

好ましい実施例では、生産物性質制御器２４０は、分散制御システムを用いて実 行する。しかし、アナログ流体圧制御器などの任意の制御器やコンピュータを基 にした監視制御システムを使用できる。

■１校正・調整（ａｌｉｇｎｍｅｎｔ）のシステムと方法本発明の１つの特徴は 、流れ組成、および、プロセス１０４と並行に実行するプロセスシミュレーショ ンモデルが発生する生産物性質推定値の正確さと精度を改善するためのシステム と方法である。本発明の一般的なアプローチは、各モデルおよび各生産物流れに ついて、適当ならば、各種の手順を単独でまたは組合せて使用することである。

１つの手順は、重要な調節変数の計算値と測定値の差を最小にすることにより、 モデルをプロセスと調整して保つことである。第２の手順は、出力性質信号の測 定値と計算値との差を最小にするようにモデルパラメータ、または、入力流量信 号または入力組成信号を一致することにより、モデルを校正する。第３の手順は 、モデル出力性質信号１１７を直接に調節する。第４の手順は、調整制御器３１ ６を調節する。全部で４つの手順の目的は、流れ組成および／または生産物性質 の測定値と計算値との誤差を最小にすることである。

Ａ０校正 第４図は、モデル校正、生産物性質修正および生産物性質制御のコンピュータを 基にしたシステムのブロック図を示す。校正システム４０８は、流れ組成および ／または生産物性質の計算値と測定値との比較に基づく。次に、この差に基づく 調節をモデル１１０、モデル推定値１１７および／または調整システム３１８に 適用する。

生産物性質信号１１９は、オンラインまたはインライン分析器１１２により、ま たは、プロセスから試料を抽出し、それを実験室で分析することにより作る（ま た１１２として示す）。２つの方法で、生産物性質信号１１９を作る。インライ ンの分析は、連続的測定値をつくる。オンラインの試料を基にした分析器からの 分析値は、典型的には、数分ごとから数時間ごとまで頻度が変わる。実験室分析 値は、典型的には、数時間ごとから１日１回まで頻度が変わる。

生産物性質信号１１９は、プロセス１０４の実際の流れ組成と生産物性質を示す 。アナログ生産物性質信号１１９は、デジタル信号を変換し、他のデジタル生産 物性質信号とともに校正・生産物性質修正システム４０８に入力する。本プロセ スの第１原理シミユレーシヨンモジユール１１０は、一致した流量と妥当化した 圧力、温度およびレベルの測定値１１５、および、信号１１９中の供給組成値を 用いて、コンピュータで実行する。このシミュレーションモジュール１１０は、 生産物性質比較モジュール４１０に導入する流れ組成および／または生産物性質 の推定値１１７をつくる。

いくつかのプロセス操作を伴うプロセスにおいて、各プロセス操作から出て行く 流れの一部が分析される。通常は、最終生産物流れ（主生産物と廃棄流れ）が分 析される。しばしば可能なのは、簡単な材料バランス計算を用いて、最終生産物 流れ分析に基づいて内部の流れの１つについての単独の成分の濃度を推定するこ とである。生産物性質変換モジュール４１４は、この機能を実行する。

生産物性質変換モジュール４１４は、生産物性質測定信号１１９を、一致した流 量と予測した生産物性質信号１１７と共に利用して、成分比、流量比および簡単 な材料バランス関係式を用いて通常は分析しない流れについての人工的（ａｒｔ ｉｆｉｃｉａｌ）分析値４０７を出力する。生産物性質比較モジュール４１０は 、これらの分析値４０７を、通常の分析値（生産物性質信号１１９）とともに処 理して、誤差推定値４０５を出力する。この誤差推定値４０５を用いて、近似モ デルを自動的に再校正できる。人工的分析値を用いることにより、校正において シミュレーションモデルを維持する可能性を大きく拡大する。

生産物性質比較モジュール４１０は、分析信号の測定値および／または人工的値 と、サンプルの時点でシミュレーションモデルモジュール１１０により計算した 生産物性質の予測値１１７との間の瞬間の生産物性質誤差４０５を計算する。

瞬間の生産物性質誤差４０５は、算術的差として、測定変数の範囲により除算し た算術的差として、計算値または測定値により除算した算術的差として、計算値 と測定値の自然対数として、または、これらの組み合わせとして、表現できる。

上記の比の自然対数は、誤差の対称性が計算値の付近で確立されているような流 れ成分の低濃度について好ましい。相対的誤差と上記の比の対数も、より高濃度 について利用できる。

誤差を表現するための方法の適当な選択は、誤差と修正作用に対する応答との間 の関係を数倍線形化できる。こうして、誤差のより広い範囲で修正作用をより正 確に実行できる。最良の方法は、しばしば、非現実的な生産物性質の推定値（た とえば負のモル分率）を作る可能性を除くことである。

統計的フィルタモジュール４０４は、瞬間の生産物性質誤差４０５を計算するた びに、対応する生産物性質の移動平均誤差４０３を計算する。瞬間の生産物性質 誤差の各々は、他のものと独立に取り扱う。

誤差４０５と移動平均誤差４０３との差は、二乗すると、瞬間での分散である。

平均分散の倍数で測定した、誤差の平均誤差からのずれを、計算し、通常の頻度 分布に適用して、指数関数的重みづけフィルタについての重みづけ因子を決定す る。このフィルタは、移動平均誤差を更新するために使用する。

上記のずれは、通常の頻度分布に適用すると、より大きなずれの発生の確率の推 定値を得ることができる。もしこのずれが大きいならば、さらにより大きな誤差 の発生の確率は低い。もしこのずれが非常に小さいならば、より大きなずれの発 生の確率は１．０に近付くかもしれず、信号は非常に正確であると考えられる。

より大きな値の発生の確率は、瞬間の生産物性質の誤差４０５の倍数として使用 し、より小さな値の発生の確率は、前の移動平均誤差４０３の倍数として使用す る。この２つの積を加算して、新しい移動平均誤差４０３を得る。

統計的フィルタモジュール４０４は、新しい移動平均誤差を計算するたびに、移 動平均分散を計算する。この新しい移動平均分散は、使用者が選択した固定重み 値を用いる指数関数的に重み付けしたフィルタにおいて、分散の現在の値を、分 散の前の移動平均値と組み合わせて得る。

しばしば、機器またはプロセスの変化により性質信号１１９または４０７が新し い実質的に異なる値に急速に変化する。これにより、誤差信号４０５もまた急に 変化させられる。通常の状況では、誤差信号４０５と移動平均誤差４０３の前の 値との間の突然の大きな差は、新しい誤差信号を誤りであるとして取り扱う原因 となり、新しい移動平均誤差４０３の生成においてほとんど重みを与えられない 。

瞬間の誤差信号４０５は、大きな誤差の反復の結果として移動平均誤差が増加す るまで、大きく割り引かれ続ける。通常は、このことは、移動平均誤差４０３が 真の誤差を反映するまで、多（のサイクルを必要とする。

この問題を克服するため、移動平均誤差から同じ方向にずれが１．０（または他 のしきい値）を越える連続的回数の計数を含む累積総和統計的手順を用いる。

この計数を上記のずれの除数として用いて、誤差４０５の現在値をより大きく前 の移動平均誤差４０３をより小さく重み付けする確率因子をつ（る通常の頻度分 布に適用する人工的ずれを得る。この方法は、ずっと少ないステップで移動平均 誤差４０３を誤差の真の値の方に動かすが、移動平均分散は、比較的歪まないで 保つ。

しばしば、プロセス分析器または実験室分析値の規格化分散は大きく、大きな移 動平均分散を生じる。これが起こると、各々の新しい分析に伴う移動平均誤差４ ０３の大きな変化を防止するのに、フィルタリングは不十分である。これは、生 産物性質の推定値を修正するために用いると、プロセスの誤った制御を起こす。

この変化を防ぐために、使用者が設定した増幅因子を上記のずれに適用して、前 の移動平均誤差４０３をより大きく瞬間の誤差信号４０５をより小さく重み付け するフィルタ重みづけ因子を作るより大きな人工のずれを作る。これは、新しい 移動平均誤差４０３の変動を減少する。

好ましい実施例は、必要ならば、累積的総和と増幅因子との双方を用いて得た人 工のずれを利用する。

しばしば、計算は１つの理由または他の理由で失敗する。これは、通常の操作を 表さない極端に大きな誤差を生じるかもしれない。これらの誤差が移動平均分散 の異常な増加を起こさないように防止することが重要である。１つの極端に大き な誤差が生じる移動平均分散のひずみは、数週間続く可能性がある。

モデルの欠陥による移動平均分散のひずみを防止するために、ひずみがしきい値 より大きいならば、フィルタにおける分散の現在値に乗算する固定重みを、ずれ により除算する。好ましい実施例は、５の限界値を用いる。１からこの減少した 重みを引いた値を、フィルタ計算における前の移動平均分散と乗算する。

流量データ一致の場合、重みづけした二乗誤差の和における各項に適用する可変 重みづけ因子は、測定値の真の値に対する正確さを表わす。真値から離れるほど 、重みづけ因子は小さくなる。可変重み付は因子の機能は、欠陥のあるセンサま たは非常に不正確なセンサからの信号を正確な測定値に相対的に割り引くことを 可能にすることである。これにより、誤った信号についての修正因子が本質的に 全体の修正を吸収することを可能にし、これにより他の修正因子のひずみを防止 する。

好ましい実施例は、調節定数と誤差の積の二乗と１との和の逆数である可変重み づけ因子を利用する。調整可能な定数の適当な選択は、平均値の近くの１つの幅 の中で比較的大きく、その幅の外で急に小さくなる重みづけ因子を生じる。好ま しい実施例において、この調整可能な因子は４である。

この可変の重みづけ因子は、重みづけた誤差値の和を最小にする計算の前に設定 し、計算の間は変化しない。

移動平均可変重みづけ因子は、指数関数的に重みづけた移動平均フィルタと、移 動平均誤差の場合におけるように決定した重みつけ因子とともに用いて、累積和 の計数値または増幅因子を用いずに、瞬間の重みづけ因子から計算できる。しか し、この場合、重みづけ因子の使用は、大きなずれが移動平均値よりはむしろ現 在の値を大きく重みづけることになり、これにより、センサの突然の故障にただ ちに応答する。

フィルタ処理した差４０３を、シミュレーションモジュール１１０からの流れ組 成／生産物性質推定値１１７とともに生産物性質修正器４０２に導入して、流れ 組成／生産物性質の修正値４０１を生じる。生産物性質修正器モジュール４゜２ は、生産物性質平均誤差４０３を導出した方法により生産物性質平均誤差４゜３ を用いて、生産物性質信号１１７の予測値を修正する。この値は、次に、生産物 性質制御器２４０への入力として使用し、また、流量データ一致モジュール１０ ８によって使用する。

流れ組成／生産物性質推定値１１７に対応するフィルタ処理しない差４０３がな い場合は、この流れ組成／生産物性質推定値１１７は、性質推定値４０１として 、変化しないで生産物性質修正器４０２を通る。

校正モジュール４０６は、モデル校正因子４１１を調節して、生産物誤差４゜５ と生産物性質平均誤差４０３をＯに近付ける。校正モジュール４０６は、また、 調整調節器３１６の設定点を調節するための設定点信号５０９を発生できる。

校正因子を調節するための好ましい方法は、標＊ＰＩＤ制御手順を使用する。

この手順は、合理的な調節速度を得つつ、プラントの操作をいちじるしく変更す る程度に生産物性質の計算値を変えることを防止するように、調節（ｔｕｎｅ） できる。

立ち上げの遅れと不感時間の補償などの他の種類の制御手順は、状況が適してい れば、使用できる。

制御手順は、２つの方法で開始できる。通常は、モデル校正パラメータは、新し い分析値を測定したときにのみ更新する。ある場合には、計算サイクルのたびに 制御手順を開始して、プロセスを乱すことなく、最近の測定値の方にモデルをさ らに急速に早く移動することが望ましいかもしれない。

Ｂ、調整（＾ｌｉｇｎｍｅｎｔ） 第３図は、モデル調整システム３１８と性質制御システム２７０のブロック図を 示す。調整システム３１８は、プロセス変数、通常は温度と圧力、の測定値と計 算値の間の比較を利用して、この差を０にするような修正動作を起こす。この修 正行動は、通常は、選択した流量またはモデルパラメータの調節を含む。

センサ１０６は、プロセス１０４から生の圧力、温度、レベルおよび流量の測定 値を得るために用いる。温度と圧力は、通常は、流れ組成および／または生産物 性質の変動に敏感な変数である。調整システム３１８は、圧力および／または温 度が組成に敏感であるときはいつでもモデルをプロセスと調整して保つ手段を与 える。分析値がしばしば得られず、または、存在しないときはいつでも、流量ま たは供給組成を偏らせることなどにより、温度をモデルにより維持するか、また は、調整機能が圧力を維持する。アナログＰＴＬＦ信号は、デジタル信号を変換 し、デジタルＰＴＬＦ信号とともに調整システム３１８にへカする。信号１゜９ は、まず、限界を調べ、妥当性検査器１３０で範囲内に制限する。プロセスの第 １原理シミユレーシヨン１１０は、供給組成１１９の分析的決定値とともに、一 致した流量と、妥当化した温度、圧力およびレベルの測定値１１５を用いて、コ ンピュータで実行する。

プロセス変数比較モジュール３１２は、一致した圧力と温度の信号１１５と圧力 と温度の計算した調節信号１１３との差を、通常は算術的差、相対的差、または 、生のプロセス変数信号１１５の予測したプロセス変数信号に対する比の対数に 基づく相対的差として、決定する。この比較は、差信号３１５を生じる。

もし差信号３１５が大きく変化し得るならば、フィルタ３０８は、各計算サイク ルで差の移動平均値を維持し、更新する。もし差がかなり安定ならば、差は、変 化せずにフィルタ３０８を通り得る。

本発明の第２の実施例は、妥当化した信号１１１を、流量データ一致モジュール １０８を完全にバイパスして、プロセス変数比較モジュール３１２への直接入力 として使用する。

統計的フィルタ３０８は、生産物性質統計的フィルタモジュール４０４と同じ方 法を用いて（すなわち、フィルタは、まず、現在の信号から前のフィルタ処理し た信号を差し引いて分散の尺度を生成し、これを平均分散と組み合わせてずれを 決定する）、処理する各変数について、各計算サイクルについての平均誤差値３ ０９と平均分散を更新する。平均誤差値３０９は、調整モジュール３１８により 決定される。統計的フィルタ３０８は、各計算サイクルで信号を受け取る。

フィルタ処理した差３０９は、次に、調整モジュール３１６により処理する。

調整モジュール３１６は、調節制御調整値３１３をシミュレーションモデルモジ ュール１１０に与えるので、プロセス変数の差３１５とフィルタ処理した差３０ ９をＯの方に近付けることにより、プロセス操作との同期を保つ。もし適当なら ば、他の種類の制御手順も使用できるけれども、モデルを調節する上記の好まし い方法は、ＰＩＤ制御手順を用いる。

簡単な例を用いて、調整機能がどのように作用するかを説明できる。コラムの底 に２成分のほぼ等しいモルの混合物がある２元蒸留分離を考える。この２成分は 、沸点が大きく異なるので、一定圧力での成分変化は、温度変化として急速に検 知される。実際のコラムでは、底の圧力を一定に保持し、一方、制御器は、テー ル（ｔａｉｌｓ）速度を調節して、一定の底の温度したがって一定組成を維持す る。

このコラムをシミュレートするモデルは、モデルの底の温度をプロセスの底の温 度に等しく設定する。次に、シミュレートした底の組成と圧力をシミュレーショ ンから決定する。もしシミュレートした組成が誤っていれば、底圧力の計算値は 、実際の底圧力に一致しない。底圧力、したがって底組成を維持するために、実 際のプロセスと一列に並べた調整制御器を使用して、モデルの底温度と実際のプ ロセスの底温度との差を０に近付けるようにモデルテールを調節する。

底温度測定が非常に雑音を含み大きな固定誤差を有するならば、統計的フィルタ を通して処理し、雑音を除去し、真の底圧力の信頼し得る推定値を得る。こうし て、プロセス条件に近いモデルの底温度と底圧力を用いて、推定したテール濃度 は、実際の濃度を密接に追跡する。

コラムの頂点で、高沸点成分の濃度が非常に低いので、濃度変化は、温度変化に より検出できない。モデルからのオーバーヘッド（ｏｖｅｒｈｅａｄ）流れ組成 値を、オーバーヘッド生産物性質（流れ組成）制御器に直接に与える。この場合 、調整機能性は存在せず、オーバーヘッド流れの周期的分析もないので、モデル を構成する方法、または、モデル組成推定値を直接に推定する方法はない。

しかし、もしオーバーヘッド流れと底流れが周期的に測定されるならば、校正機 能は、濃度の計算値と測定値との間の差を０に近付けるように、シミュレーショ ンモデルの推定値の修正と、モデルの要素の調節とのために使用できる。

オーバーヘッド流れの場合に、高沸点成分の濃度推定値は、オーバーヘッド生産 物性質制御器に導入する前に、移動平均誤差項を用いて直接に調節できる。同じ 誤差項は、校正制御器への入力として利用でき、校正制御器は、オーバーヘッド 流れでの組成の測定値と計算値との差を一致させる方法として、コラムの供給点 の上でのトレー（ｔｒａｙ）効率のモデル値を調節する。

同様に、テール組成の尺度は、計算値と比較でき、組成推定値を直接に推定する ために使用できる移動平均誤差を、組成推定値を底生産物性質（組成）制御に送 る前に決定する。また、同じ移動平均誤差は、校正制御器への入力として使用で き、校正制御器は、供給トレーの下でのトレー効率を調節して、移動平均誤差を ０に近付ける。

最後に、底の移動平均組成誤差は、調整制御器の設定点の調節のために使用でき る。もしたとえば圧力の読みが大きな固定誤差を有するならば、校正制御器は、 その誤差を修正するために調整制御器の設定点にバイアスを置いて使用できる。

こうして、連続的であるが雑音の多い圧力測定は、固定した誤差を有し、プロセ スを調整してモデルを維持するために使用できる。コラムの底のサンプリングが しばしばでないため、サンプルが、分析の間のテール組成の追跡に成功するのに 必要な校正の程度を与えるには不十分であるならば、このアプローチは、特に有 用である。

この例は、校正機能と調整機能と結合したこのモデルが、流れ組成および／また は生産物性質制御器により与えられる生産物性質の推定値を改善するため種々の 組み合わせでどのように使用できるかを説明する。

調整システム３１８と校正・生産物性質修正器システム４０８の組み合わせは、 校正／生産物性質推定値をいくつかの方法で改善する。

第１に、調整関数３１６において、プロセス測定値は生産物性質および／または 流れ組成値と結合され、調整関数３１６は、組成分析値が得られないかしばしば は得られない場合に、モデルをプロセスと調整して保つ。

第２に、校正・生産物修正器システムは、人工的分析値を生成して、通常の分析 セットを増大する。これは、モデルを通して校正点の数を増加し、変化する条件 に自動的に適応するモデルの能力を増大する。

第３に、生産物性質比較は、誤差を決定するもう１つの方法を利用できる。異な った形で決定した誤差の使用は、校正制御器によりうまく扱われる誤差と、変数 またはパラメータに対するモデルの応答との間の関係を線形化するために使用で き、これにより、モデルをより正確で効果的に制御する。

第４に、統計的フィルタは、悪い分析結果の影響を検知し除去するため実験室と 分析器を効果的に利用する手段を提供する。モデルの結果に対して実験室の結果 を効果的に平滑にすることにより、最新のフィルタ処理した差は、悪い分析値に よるプロセス操作の狂いの危険をはるかに少なくして、修正中のモデルの出力に 対して直接に適用できる。

第５に、フィルタを備えることにより、変化を処理し大きな誤差に対してそれ自 体を保護する能力が、生産物性質の推定値の正確さと信頼性を大きく増大する。

第６に、校正制御器は、プラント操作への校正結果の影響を最小にするほど十分 遅（モデルを再校正するように調整できる。

本発明の種々の要素は、ここにまたは組み合わせて使用できる。

図示しないが、随意的に履歴データベースが用いられる。この履歴データベース は、生の流量センサ値１０９と分析値１１９の履歴を保持し、修正した流量値、 修正した生産物性質信号１１７、または、本発明の他の信号のいずれかの履歴を 随意的に格納できる。履歴データベースは、本発明にデータを供給するデータバ ッファとして役立つ。また、これは、種々の増大した信号処理タスクのために本 発明により使用できる履歴データを提供できる。履歴データベースは、好ましい 実施例で使用するが、しかし、主にデータバッファとして機能し、したがって、 本発明または好ましい実施例にとって必須ではない。

■、モジュールの連続 プロセス・オートパイロットは、固定時間間隔で設けた１サイクルでその全機能 を実行し、また、次のサイクルまで経過するアイドル（遊休）時間を有する。

各サイクル中で、種々のモジュールの処理を連続的に実行する。

第１のサイクルで、前の計算値が利用できないとき、プロセス・オートパイロッ トは、全センサ値についての前もって定義した推定値を用いてプロセスシミュレ ーションモデルモジュール１１０を実行することにより、初期化する。これは開 始点を与え、開始点から、シミュレーションがサイクルごとに収束してプロセス を調整するようになる。

次に、第１のサイクル又は後のサイクルかにより、妥当性検査器１３０を実行す る。次に、流量データ一致モジュール１０８を、前に決定した修正生産物性質信 号４０１を用いて妥当化した生のセンサ測定値１１１を用いて、実行し、調節変 数１１３を計算し、生産物性質信号１１７を予測し、こうして、修正流量信号を 生成する。

各サイクルで、新しい実験室又は分析器のデータがあるならば、または、流れ組 成値および／または生産物性質値が一致流量測定値から合成されるならば、生産 物性質変換モジュール４１４を実行する。次に、生産物比較モジュール４１０、 生産物性質のための統計的フィルタ４０４、および、校正モジュール４０６を実 行する。これは、生産物性質信号１１９から生産物性質信号の予測値のドリフト について修正する。

また、各サイクルで、プロセス変数比較モジュール３１２、プロセス変数のため の統計的フィルタ３０８および調整モジュール３１６を実行する。また、これは 、生産物性質信号１１９から生産物性質信号の予測値のドリフトについて修正す る。

次に、生産物性質修正器４０２を実行して、希望の修正した生産物性質信号４０ １を生成する。次に、修正した生産物性質信号４０１を生産物性質制御器２４０ に入力する。次に、シミュレーションモデル１１０を実行して、次のサイクルの ための推定値を生成する。

生産物性質制御器２４０は、それ自身のサイクルで作動し、更新した予測生産物 性質信号の入力と同期できるか、または、最新の生産物性質信号４０１を用いて 同期して機能できる。必要ならば、これを繰り返す。ＰＴＬＦ制御器２５０は、 オートパイロットまたは生産物性質制御器２４０と独立に作動する。生産物性質 制御器２４０が新しい設定点２４５を出力するといつでも、ＰＴＬＦ制御器２５ ０は、新設定点を用いてその独立動作を続ける。

本発明を、その好ましい実施例を用いて特に示し説明したが、当業者が理解する ように、形または詳細の種々の変形が本発明の精神ど範囲から離れずに可能であ る。

第１図 第２図 第３図 第４図 第５図

Claims (1)

1. 【特許請求の範囲】 １．モデルにより生成した流れ組成および／または生産物性質の推定値を処理す るコンピュータを基にした方法であり、（１）１以上の単位と２以上の流れから なるプロセスにおいて、上記の流れの圧力、温度および流量を測定して、生のプ ロセス可変信号を生成し、（２）プロセスモデルを用いて、上記の流れの中の１ 以上の流れについてのプロセス変数信号と、流れ組成および／または生産物性質 信号を予測し、（３）上記の生のプロセス可変信号を上記の予測したプロセス可 変信号と比較して、誤差を決定する方法。 ２．請求項１に記載した方法であって、さらに、調整因子に対する上記の誤差を 用いて上記の誤差の将来の推定値を減少するステップからなる方法。 ３．請求項１に記載した方法であって、上記の誤差を、上記の生のプロセス可変 信号を上記の予測したプロセス可変信号と比較して算術的差を決定することによ り決定する方法。 ４．請求項３に記載した方法であって、上記の誤差を、上記の生のプロセス可変 信号を上記の予測したプロセス可変信号と比較して、上記の算術的差を上記の生 のプロセス可変信号の範囲により除算して得た値に基づいて相対的誤差を決定す ることにより決定する方法。 ５．請求項３に記載した方法であって、上記の誤差を、上記の生のプロセス可変 信号を上記の予測したプロセス可変信号と比較して、上記の算術的差を測定値ま たは計算値により除算して得た値に基づいて相対的誤差を決定することにより決 定する方法。 ６．請求項１に記載した方法であって、上記の誤差を、上記の生のプロセス可変 信号を上記の予測したプロセス可変信号と比較して、上記の算術的差と上記の予 測したプロセス可変信号との比の対数に基づいた相対的誤差を決定することによ り決定する方法。 ７．請求項１に記載した方法であって、さらに、上記の誤差を制御器への入力と して使用し、上記のモデルにおける調整因子を調節するために上記の制御器を使 用して、上記の誤差の将来の推定値を減少する方法。 ８．請求項１に記載した方法であって、さらに、上記の誤差をその移動平均誤差 と比較して分散を決定し、上記の分散を上記の移動平均誤差と比較して、ずれを 決定し、上記のずれと正規頻度分布とを用いて、上記の誤差に対する重み付け因 子を決定し、 上記の重み付け因子、上記の誤差および上記の移動平均誤差を用いて、新しい移 動平均誤差を決定し、 上記の新しい移動平均誤差を制御器への入力として用い、上記の制御器を用いて 上記のモデルにおける調整因子を調節して、上記の誤差の将来の推定値を減少す る方法。 ９．請求項１に記載した方法であって、さらに、上記のずれが上記の誤差と同じ 符号のしきい値を越える連続する数を決定して、計数値を求め、 人工的ずれと正規頻度分布とを用いて、上記の誤差に対する重み付け因子を決定 し、 上記の重み付け因子、上記の誤差および上記の移動平均誤差を用いて、新しい移 動平均誤差を決定し、 上記の新しい移動平均誤差を制御器への入力として用い、上記の制御器を用いて 上記のモデルにおける調整因子を調節して、上記の誤差の将来の推定値を減少す る方法。 １０．請求項９に記載した方法であって、上記の人工的ずれは、上記のずれを上 記の計数値で除算することにより得られる方法。 １１．請求項９に記載した方法であって、上記の人工的ずれは、上記のずれを増 幅因子と乗算することにより得られる方法。 １２．請求項９に記載した方法であって、上記の人工的ずれは、上記のずれを上 記の増幅因子と乗算し上記の計数値で除算することにより得られる方法。 １３．請求項８に記載した方法であって、さらに、上記の分散、上記の平均分数 および上記の固定した重み付け因子を用いて、新しい移動平均誤差を決定する方 法。 １４．請求項１３に記載した方法であって、上記の固定した重み付け因子を、上 記のずれがしきい値を越えるときに上記のずれにより除算することにより調節す る方法。 １５．請求項１に記載した方法であって、さらに、（４）上記のプロセスを作動 して生産物を生産し、（５）上記の予測した流れ組成および／または生産物性質 の値を用いて、操業の対象に従って上記のプロセスの最終制御要素の状態を直接 または間接に変化する方法。 １６．請求項１に記載した方法であって、さらに、（４）上記のプロセスを作動 して上記のプロセス可変信号を生成し、（５）上記の予測した流れ組成および／ または生産物性質に従って、上記のプロセスの最終制御要素の状態を変化し、上 記の予測ステップ（２）は、さらに、上記の予測した流れ組成および／または生 産物性質の信号を予測する方法。 １７．モデルにより生成した流れ組成および／または生産物性質の推定値を処理 するコンピュータを基にしたシステムであって、（ａ）１以上の単位と２以上の 流れからなるプロセスにおいて、２以上の流れから生の圧力信号と温度信号を生 成する２以上のセンサ、（ｂ）一致した受信流量と、限界を検査した圧力、温度 およびレベルの信号、供給組成信号、および、モデル調整因子に結合され、上記 の圧力と温度の予測値を生成する１以上のコンピュータを基にしたプロセスモデ ル、（ｃ）上記の生の圧力と温度の信号と、圧力と温度の予測信号とに結合され 、上記の生の信号と上記の予測信号との差を決定するプロセス変数比較モジュー ル、（ｄ）上記の誤差を入力するように結合され、上記の誤差の統計的履歴から 上記の新しい移動平均誤差を決定する統計的フィルタモジュール、および（ｅ） 上記の移動平均誤差を入力するように結合され、上記のプロセスモデルを調節す るための上記のモデル調整因子を生成する調整モジュールからなるシステム。 １８．請求項１７に記載したシステムにおいて、さらに、上記の流れ組成および ／または生産物性質信号を直接または間接に入力として使用するように結合され 、操業対象に従って上記の状態を変化するように結合され、上記のプロセスの最 終制御要素の状態を変化するための制御器を備えるシステム。 １９．請求項１７に記載したシステムにおいて、上記のダイナミックシミュレー ションは、流れ組成および／または生産物性質信号を生成し、さらに、上記の予 測した流れ組成および／または生産物性質信号を直接または間接に入力として使 用するように結合され、上記の入力と操業対象に従って制御器の出力信号を生産 する流れ組成および／または生産物性質の制御器、および、上記の制御器の出力 信号に従って上記の状態を変化するように結合され、上記のプロセスの状態を変 化するアクチュエータを備えるシステム。 ２０．モデルにより生成した流れ組成および／または生産物性質の推定値を処理 するコンピュータを基にした方法であり、（１）１以上の単位と２以上の流れか らなるプロセスにおいて、上記の流れの流れ組成および／または生産物性質を測 定して、生の流れ組成および／または生産物性質の信号を生成し、 （２）プロセスモデルを用いて、上記の流れの中の１以上の流れについての流れ 組成および／または生産物性質の信号を予測し、（３）上記の生の流れ組成およ び／または生産物性質を上記の予測した流れ組成および／または生産物性質の信 号と比較して、誤差を決定する方法。 ２１．請求項２０に記載した方法であって、さらに、上記の誤差をその移動平均 誤差と比較して分散を決定し、上記の分散を上記の移動平均誤差と比較して、ず れを決定し、上記のずれと正規頻度分布とを用いて、上記の誤差に対する重み付 け因子を決定し、 上記の重み付け因子、上記の誤差および上記の移動平均誤差を用いて、新しい移 動平均誤差を決定し、 上記の新しい移動平均誤差を制御器への入力として用い、上記の制御器を用いて 上記のモデルにおける校正因子を調節して、上記の誤差の将来の推定値を減少す る方法。 ２２．請求項１に記載した方法であって、さらに、上記のずれが上記の誤差と同 じ符号のしきい値を越える連続する数を決定して、計数値を求め、 人工的ずれと正規頻度分布とを用いて、上記の誤差に対する重み付け因子を決定 し、 上記の重み付け因子、上記の誤差および上記の移動平均誤差を用いて、新しい移 動平均誤差を決定し、 上記の新しい移動平均誤差を制御器への入力として用い、上記の制御器を用いて 上記のモデルにおける調整因子を調節して、上記の誤差の将来の推定値を減少す る方法。 ２３．請求項２２に記載した方法であって、上記の人工的ずれは、上記のずれを 上記の計数値で除算することにより得られる方法。 ２４．請求項２２に記載した方法であって、上記の人工的ずれは、上記のずれを 増幅因子と乗算することにより得られる方法。 ２５．請求項２２に記載した方法であって、上記の人工的ずれは、上記のずれを 上記の増幅因子と乗算し上記の計数値で除算することにより得られる方法。 ２６．請求項２１に記載した方法であって、さらに、上記の分散、上記の平均分 散および上記の固定した重み付け因子を用いて新しい移動平均誤差を決定する方 法。 ２７．請求項２６に記載した方法であって、上記の固定した重み付け因子は、上 記のずれがしきい値を超えるときに上記のずれで除算することにより調節される 方法。 ２８．請求項２０に記載した方法であって、上記の誤差は、上記の生の流れ組成 および／または生産物性質の信号を上記の予測した流れ組成および／または生産 物性質の信号と比較して算術的差を決定することにより決定される方法。 ２９．請求項２０に記載した方法であって、上記の誤差は、上記の生の流れ組成 および／または生産物性質の信号を上記の予測した流れ組成および／または生産 物性質の信号と比較し、上記の生の流れ組成および／または生産物性質の範囲に より除算した算術的差に基づいた相対的誤差を決定することにより決定される方 法。 ３０．請求項２０に記載した方法であって、上記の誤差は、上記の生の流れ組成 および／または生産物性質の信号を上記の予測した流れ組成および／または生産 物性質の信号と比較し、上記の組成および／または生産物性質の信号の測定値ま たは計算値により除算した算術的差に基づいた相対的誤差を決定することにより 決定される方法。 ３１．請求項２０に記載した方法であって、上記の差は、上記の生の流れ組成お よび／または生産物性質の信号を上記の予測した流れ組成および／または生産物 性質の信号と比較し、上記の生の流れ組成および／または生産物性質の信号の上 記の予測した流れ組成および／または生産物性質の信号に対する比の対数に基づ いた相対的誤差を決定することにより決定される方法。 ３２．請求項２０に記載した方法であって、さらに、（４）上記のプロセスを作 動して生産物を生産し、（５）上記の予測した流れ組成および／または生産物性 質の値を用いて、操業の対象に従って上記のプロセスの最終制御要素の状態を直 接または間接に変化する方法。 ３３．請求項２０に記載した方法であって、さらに、（４）上記のプロセスを作 動して上記のプロセス可変信号を生成し、（５）上記の予測した流れ組成および ／または生産物性質に従って、上記のプロセスの最終制御要素の状態を変化する し、上記の予測ステップ（２）は、さらに、上記の予測した流れ組成および／ま たは生産物性質の信号を予測する方法。 ３４．モデルにより生成した流れ組成および／または生産物性質の推定値を処理 するコンピュータを基にしたシステムであって、１以上の単位と２以上の流れか らなるプロセスにおいて、２以上の流れから生の流れ組成および／または生産物 性質の信号を生成する２以上のセンサ、一致した受信流量と、圧力、温度および レベルの信号、上記の生の流れ組成および／、または生産物性質の信号、および 、モデル校正因子に結合され、上記の圧力と温度の予測値を生成する１以上のコ ンピュータを基にしたプロセスモデル、上記の一致した流量と、上記の生の流れ 組成および／または生産物性質の信号、および、予測した流れ組成および／また は生産物性質の信号を用いるように結合され、生の流れ組成および／または生産 物性質の信号を欠く流れに対して流れ組成および／または生産物性質の人工的信 号を決定する生産物性質変換モジュール、上記の誤差を入力するように結合され 、上記の誤差の統計的履歴から上記の新しい移動平均誤差を決定する統計的フィ ルタモジュール、上記の新しい移動平均誤差を入力するように結合され、上記の プロセスモデルを調節するための上記のモデル校正因子を生成する校正モジュー ル、および上記の新しい移動平均誤差、および、上記の予測流れ組成および／ま たは生産物性質の信号を入力し、上記の移動平均誤差を上記の流れ組成および／ また生産物性質の信号に適用するように結合され、修正した流れ組成および／ま たは生産物性質信号を生成する生産物性質修正器モジュールからなるシステム。 ３５．請求項３４に記載したシステムにおいて、さらに、上記の流れ組成および ／または生産物性質信号を直後または間接に入力として使用するように結合され 、操業対象に従って上記の状態を変化するように結合され、上記のプロセスの最 終制御要素の状態を変化するための制御器を備えるシステム。 ３６．請求項３４に記載したシステムにおいて、上記のダイナミックシミュレー ションは、流れ組成および／または生産物性質信号を生成し、さらに、上記の予 測した流れ組成および／または生産物性質信号を直接または間接に入力として使 用するように結合され、上記の入力と操業対象に従って制御器の出力信号を生産 する流れ組成および／または生産物性質の制御器、および、上記の制御器の出力 信号に従って上記の状態を変化するように結合され、上記のプロセスの状態を変 化するアクチュエータを備えるシステム。