SYSTEMS-BASED APPROACH TO OPTIMIZING THE BLENDING MANAGEMENT

Кувыкин В.И.¹, Мелешкевич М.А.², Наумова С.В.³  

¹ORCID: 0000-0002-5283-0028, Доктор физико-математических наук, ООО «ЛУКОЙЛ-Нижегороднефтеоргсинтез»

²ORCID: 0000-0003-1823-4131, OOO«ЛУКОЙЛ-Нижегороднефтеоргсинтез»,

³ORCID: 0000-0002-7017-380X, ООО «ЛУКОЙЛ-Нижегороднефтеоргсинтез»

СИСТЕМНЫЙ ПОДХОД К ОПТИМИЗАЦИИ УПРАВЛЕНИЯ СМЕШЕНИЕМ

Аннотация

С целью оптимизации управления смешением использован системный подход для интеграции данных систем смешения продуктов, оптимального  планирования и согласования баланса в единую информационную систему. Для организации взаимодействия построена универсальная математическая модель процесса, представляющая пересечение множеств моделей оптимального плана и баланса. Все элементы построенной информационной системы взаимодействуют между собой максимально эффективно для достижения единой цели предприятия. Практическая реализация системного подхода описана на примере смешения бензинов.

Ключевые слова: исследование операций, модели, методы оптимизации, смешение, компьютерные приложения.

Kuvykin V.I.¹, Meleshkevich M.A.²,Naumova S.V. ³

¹ORCID: 0000-0002-5283-0028, Doctor of Physico-Mathematical Scienes, OOO “LUKOIL-Nizhegorodnefteorgsintez”

²ORCID: 0000-0003-1823-4131 OOO “LUKOIL-Nizhegorodnefteorgsintez”

³ORCID: 0000-0002-7017-380X, OOO “LUKOIL-Nizhegorodnefteorgsintez”

SYSTEMS-BASED APPROACH TO OPTIMIZING THE BLENDING MANAGEMENT

Abstract

Systems-based approach is used to optimize the blending management in order to integrate mixing system with optimal planning and the balance reconciliation systems into a single information system. Interaction is based on the universal mathematical model, representing the intersection of the sets of optimal plan and balance reconciliation models. All designed information system elements work together as efficiently as possible to achieve the global goal of the enterprise. The implementation of the systems-based approach for gasoline blending is described.

Keywords: operations research, models, optimization methods, mixing, computer applications.

Одной из важных задач на сегодняшнем этапе развития  является оптимизация операций смешения, которая используется в самых различных производствах: переработке сельскохозяйственной продукции [1], нефтехимической промышленности и других производствах [2,3].

Увеличить эффективность операций возможно за счет интеграции систем разного уровня управления в единое информационное пространство [4,5]. Для успешной интеграции требуется построить математическую модель, объединяющую бизнес-процессы [6].

Целью настоящей работы является использование системного подхода для интеграции моделей смешения, оптимального планирования, согласования баланса и анализа поступающей информации  для оптимизации управления смешением.

Для отдельно взятой автоматизированной системы зачастую рассматривается самый простой случай, когда требуется обратить в максимум (минимум) один-единственный критерий L. Когда речь идет о сложных операциях, затрагивающих разнообразные процессы производства, то их эффективность, как правило, не может быть полностью охарактеризована с помощью единственного показателя L [7].

На практике системный подход в исследовании операций сводится  к тому, что каждое звено, работа которого оптимизируется, рассматривается как часть другой, более обширной системы, и выявляется, как влияет работа данного звена на работу всей системы в целом [7].

С точки зрения системного анализа в данной работе автоматизированный узел смешения бензинов принимается в качестве системы, согласование баланса включено в подсистему, APS-модель (Advanced Planning & Scheduling) объемного и календарного планирования рассматривается как надсистема.

Математическая модель поточной схемы производства для согласования материального баланса может быть записана следующим образом:

By = 0,                                                        (1)

где y - вектор переменных, описывающий потоки, остатки продукции на складе,  потери; B – матрица балансовых уравнений. Множество переменных y_i модели баланса обозначим U₁.

Обозначим подмножество измеряемых величин , а сами измерения через y₀. В качестве критерия оптимизации подсистемы L₁ рассмотрим минимизацию квадратичной формы [2]:

.                                               (2)

Здесь k_i - коэффициенты, характеризующие погрешности соответствующих измерений. Подчеркнем, что в задаче (1), (2) переменными могут быть и качественные характеристики [3].

Критерий оптимизации для системы смешения L2, как правило, может быть выбран из нескольких возможных: минимизация стоимости смеси, минимизация отклонений по качеству или минимизация отклонения текущей рецептуры от заданной.

Одной из основных задач управления производством является увеличение маржинальной прибыли. Для этой цели разработаны и успешно применяются  методы математического программирования [7,8]. Так наиболее часто используемую на практике задачу линейного программирования для n действительных переменных x_i и целевой функции L3 можно сформулировать следующим образом

,                                                        (3)

,                                                                       (4)

где A - матрица  размера m × n,

.                              (5)

Компоненты векторов c_i и b_i – константы, знаком T обозначено транспонирование. Система (3) - (5) относится к APS-моделям, множество переменных модели обозначим U₃.

Рис. 1 - Схема интеграции автоматизированных систем управления

Возможность провести анализ количественных и качественных показателей системы позволяет специально созданное ИT-приложение интеграции данных различных систем управления [9]. Взаимосвязь предлагаемой системы интеграции и анализа данных с системами материального баланса, лабораторного контроля, управления смешением и планирования производства представлена на рис.1.

Интеграция осуществляется на основе математической модели, которую назовем универсальной моделью процесса. Множество переменных универсальной модели U представим пересечением множеств , для уравнений смешения задач (1), (3). За основу при практической реализации  может быть взята модель оптимального планирования (3). Использование единой модели существенно улучшает обмен  и анализ информации.

Для выполнения системных требований важно установить иерархию целей и предложить алгоритм согласования целей. На рис.2 показана схема иерархии целей на трех уровнях: подсистема, система и надсистема.

Рис. 2 - Схема  иерархии целей. L₁, L₂, L₃ - целевые функции

По предприятию маржинальная прибыль L₃ задается решением задачи линейного программирования, которая и определяет глобальную цель. С другой стороны, необходимо осуществить и обратную связь с учетом достижений звеньев нижнего уровня и избежать появления «узких мест».

Известно, что в автоматизированных системах основным фактором является корректность работы измерительных приборов, участвующих в оптимизации процесса [2]. На первом этапе рассматриваются слагаемые (2) критерия L₁, при согласовании баланса выделяются грубые ошибки передачи данных и неисправность приборов, выявляются систематические ошибки измерительных систем, затем принимаются меры для их устранения.

На втором этапе системный подход застрагивает производственную часть: сравниваются плановые и согласованные значения, контролируются загрузки установок и качественные характеристики потоков компонентов. По результатам анализа принимаются решения по управлению производственным процессом для минимизации отклонения от плановых значений. При необходимости вносятся изменения в модель планирования.

И третий этап - это организация системы снабжения и сбыта, принятие оперативно-бюджетных решений при изменении конъюнктуры рынка или корректировка рецептур, либо режимов производственных мощностей, либо модели предприятия с пересчетом целевой функции надсистемы L₃.

Эффективность управления зависит от менеджерских решений, информационная система дает лишь возможность объективного анализа [9].  Оптимизация управления смешением позволяет максимизировать приращение маржинальной прибыли  для величины  по сравнению со значением   без системы интеграции

.                                                 (6)

Приведенный в статье метод был применен на нефтеперерабатывающем предприятии ООО «ЛУКОЙЛ-Нижегороднефтеоргсинтез» при управлении производством бензинов. Станция смешения производит до 4 млн. т. товарных бензинов в год. Используются разработки компании Honeywell (RPMS, Production Balance, OpenBPC). Для показателей качества применяются поточные анализаторы фирмы Bruker.

Интеграция производится на основе универсальной математической модели, включающей потоки с показателями качества, в основу положена модель оптимального планирования. Подсистема согласования данных включает такую же математическую модель потоков и качества. Для интеграции, мониторинга смешения и поддержки принятия управленческих решений используется ИT-приложение собственной разработки Quality & Quantity Blending Balance [9]. Программа  позволяет консолидировать данные, оценивать работу средств измерения и качество продукции.

Набольший эффект достигается за счет своевременных управленческих решений по настройке приборного учета, рецептур, уменьшения отклонений от плановых значений. Описанные меры улучшают работу автоматизированной системы смешения и приводят к уменьшению запаса по качеству.

Следующий по значимости эффект связан с оптимизацией загрузки мощностей. Анализ плановых и согласованных значений позволяет своевременно скорректировать технологических режимы работы установок, улучшать APS-модель, выдерживать календарный график производства.

Расчет эффекта  проведен в системе  LP-моделирования на основе данных до и после внедрения системы интеграции на основе  критерия оптимизации (6). Для предприятия с приведенными выше характеристиками возможно получение $0.12/bbl дополнительной маржинальной прибыли без изменения существующего оборудования.

Таким образом, в работе приведена практическая реализация системного подхода, который предполагает объединение и анализ данных из систем управления смешением, планирования и сведения материального баланса. Разработан алгоритм построения универсальной математической модели, включающей потоки с показателями качества, являющейся основой успешной системной интеграция. Описан опыт использования предложенных решений для оптимизации управления смешением бензинов.

Список литературы / References

1. Stokes J. R., Tozer P. R. Optimal Feed Mill Blending // Review of Agricultural Economics. – 2006. – V.28. – P. 543–552.
2. Narasimhan S., Jordache C. Data reconciliation and gross error detection: – Houston: Golf Publishing Company, 2000. –406 p.
3. Кувыкин В.И. Согласование баланса при смешении бензинов // Инновации в науке. – 2016. – №8 (57). – С. 22-27.
4. Chu Y., You F. Model-based integration of control and operations: Overview, challenges, advances, and opportunities // Computers and Chemical Engineering. – 2015. – V 83. – P. 2–20.
5. Кувыкин В.И. Использование моделей бизнес-процессов НПЗ в системах планирования и учёта. // Мир нефтепродуктов. Вестник нефтяных компаний. – 2013. – № 7. – С. 47-48.
6. Кувыкин В.И., Петухов М.Ю. Построение моделей бизнес-процессов в системах автоматизации НПЗ // Автоматизация в промышленности. – 2012. – № 10. – С. 39-42.
7. Вентцель Е.С. Исследование операций: задачи, принципы, методология. – М.: Советское радио, 1988. – 208 с.
8. Кувыкин В.И., Кувыкина Е.В., Петухов М.Ю. Анализ оптимальных решений в задачах нелинейного программирования // Вестник Нижегородского университета им. Н.И. Лобачевского. – 2011. – №4-5. – С. 2285-2286.
9. Kuvykin V. I., Matveev A.E., Naumova S.V., Potekhina E.V. Application of system analysis for gasoline blending benefits estimation // В сборнике: Актуальные вопросы современных математических и естественных наук. –2016. –С. 65-67.

Список литературы латинскими символами / References in Roman script

1. Stokes J. R., Tozer P. R. Optimal Feed Mill Blending // Review of Agricultural Economics. – 2006. – V.28. – P. 543–552.
2. Narasimhan S., Jordache C. Data reconciliation and gross error detection: an intelligent use of process data. – Houston: Golf Publishing Company, 2000. –406 p.
3. Kuvykin V.I. Soglasovanie balansa pri smeshenii benzinov [Gasoline Blending Balance Reconciliation] // Innovacii v nauke [Innovations in Science]. - 2016. - № 8 (57). - P. 22-27. [in Russian]
4. Chu Y., You F. Model-based integration of control and operations: Overview, challenges, advances, and opportunities // Computers and Chemical Engineering. – 2015. – V 83. – P. 2–20.
5. Kuvykin V.I. Ispol'zovanie modelej biznes-processov NPZ v sistemah planirovanija i uchjota [Refynary busyness process models application in plan and accounting systems]. // Mir nefteproduktov. Vestnik neftjanyh kompanij [Wold of Oil Products. The Oil Companies’ Bulletin]. - 2013. - № 7. - P. 47-48. [in Russian]
6. Kuvykin V.I., Petukhov M.Yu. Postroenie modelej biznes-processov v sistemah avtomatizacii NPZ //. [Building business process models in oil refinery automation systems]. // Avtomatizacija v promyshlennosti [Automation in Industry]. – 2012. – № 10. – P. 39-42. [in Russian]
7. Ventcel' E.S. Issledovanie operacij: zadachi, principy, metodologija [Operations research: problems, principles, methodology]. – M.: Sovetskoe radio, 1988. – 208 p. [in Russian].
8. Kuvykin V.I., Kuvykina E.V., Petuhov M.Yu. Analiz optimal'nyh reshenij v zadachah nelinejnogo programmirovanija [The Analysis Of Optimal Solutions In Non Linear Programming Problems] // Vestnik Nizhegorod-skogo universiteta im. N.I. Lobachevskogo [Vestnik of Lobachevsky University of Nizhni Novgorod]. – 2011. – № 4-5. – P. 2285-2286. [in Russian].
9. Kuvykin V. I., Matveev A.E., Naumova S.V., Potekhina E.V. Application of system analysis for gasoline blending benefits estimation // V sbornike: Aktual'nye voprosy sovremennyh matematicheskih i estestvennyh nauk [Collection of scientific works:Actual questions of modern mathematical and natural sciences]. – 2016. – P. 65-67.