کنترل

رویکردهای نوین کنترل صنعتی

چکیده بخش دوم رویکردهای نوین کنترل صنعتی (موحدی/ رزمی)


در قسمت نخست این نوشتار، ضمن آشنایی با معضلات و مشکلات عدیده موجود در صنایع فرآیندی، با این مفهوم آشنا شدیم که فناوری های نوین کنترلی می تواند بسیاری از نابسامانی های فرآیندی را از پیش روی صنایع بردارد. اما به صرف در دسترس بودن این فناوری ها، مشکلات صنعت برطرف نخواهد شد و همتی بالاتر برای به کارگیری آن نیاز هست. برای ترغیب صاحبان صنایع، ضمن معرفی سه تجربه موفق در صنایع بزرگ و مثال های کاربردی، سعی شد با ذکر آمار و ارقام مخاطب را با منافعی که می تواند به دست آورد، آشنا ساخت. در بخش دوم و پایانی با روش های نوین کنترلی، به ویژه کنترل کننده های تطبیقی، کنترل کننده های پیش بین مبتنی بر مدل، کنترل کننده های عصبی و … آشنا خواهیم شد. بدیهی است هدف اصلی اینگونه مقالات می تواند فرهنگ سازی و ترغیب صاحبان صنایع بزرگ صنایع جهت روی آوردن به رویکردهای نوین کنترل صنعتی باشد.

رویکرد‌های نوین کنترل صنعتی جایگزین روش های کلاسیک

محمد حسن موحدی
دبیر انجمن مهندسان کنترل و ابزاردقیق ایران
[email protected]

دکتر هادی رزمی
گروه مهندسی برق، واحد تهران شرق، دانشگاه آزاد اسلامی، تهران، ایران
[email protected]

با وجود پیشرفت‌های شگرف در علوم مهندسی، به ویژه صنایع الکترونیک و تجهیزات مبتنی بر ریزپردازنده، صنایع فرآیندی، همچنان رغبت شایانی به استفاده از فناوری های نوین کنترلی ندارد. معرفی قابلیت سامانه‌های کنترل پیشرفته‌ی فرآیندها (APC) در صنعت و عمومیت این بحث در میان کاربران، سبب بروز ابهاماتی در برخی محفل‌های علمی و صنعتی شده است. برای مثال، برخی از شرکت های بزرگ طراحی و مهندسی، APC را مقوله‌ای سخت‌افزاری دانسته و پیاده سازی آن را فقط در فلسفه ی کنترل و طراحی حلقه های کنترلی جستجو می‌کنند. در مقابل، عده‌ای دیگر آن را از جنس نرم‌افزار دانسته و تحقق آن را با استفاده از رویکردهای نوین کنترلی دنبال می‌کنند. از جانب دیگر، مدافعان رویکرد دوم، زمان فعلی را بهترین مقطع برای بهره‌گیری از رویکردهای نوین کنترلی می‌دانند. البته، عدم احساس نیاز عده‌ای از کاربران و صاحبان صنایع به استفاده از فناوری های نوین و مقاومت در مقابل طرح آن در صنعت جای تعجب ندارد. این نوشتار سعی دارد با بیانی نه چندان تئوریک، تنها به رویکردهای نوین و کاربردی تئوری APC بپردازد. برای این منظور، ابتدا با ذکر مقدمه‌ای کوتاه، به بیان تاریخچه‌ی کنترل پیشرفته ی فرآیند و تعاریف مقدماتی آن پرداخته شده است. در ادامه، با طرح سؤال «چرا APC» سعی شده است علاوه بر تبیین حداقل نیازهای طراحی و پیاده‌سازی، به نحو مقتضی پاسخ سؤال فوق داده شود. آن‌چه در این بخش مهم است، دسته‌بندی روش‌های گوناگون کنترل نوین و بیان روند شکل‌گیری این روش‌ها می‌باشد. در بخش بعدی، سه مثال کاربردی و موفق از طراحی و پیاده سازی کنترل پیشرفته‌ی فرآیندها از نقطه نظر صنعت، جهت مقایسه با نگرش آکادمیک ارائه شده است. در پایان نیز، رویکردهای نوین کنترل پیش بین با قابلیت کاهش میزان مصرف انرژی، افزایش درجه ی خلوص محصول و ارتقاء بهره وری در صنایع فرآیندی معرفی شده‌اند. هدف از ارائه ی این مقاله، فراهم آوردن شرایطی است که تمام پتانسیل‌های موجود در علم مهندسی کنترل در صنایع کشور ایران به کار گرفته شود.

واژه‌های کلیدی: کنترل پیشرفته‌ی فرآیند، بهینه‌سازی، انرژی، بهبود کیفیت

۴. روش های نوین کنترلی
۴.۱. کنترل کننده‌ی پیش بین به روش اسمیت
با توجه به این‌که کنترل کننده‌های PID برای فرآیندهای با تأخیر زمانی نسبتاً زیاد، فرآیندهای غیرخطی، فرآیندهای چند متغیره و فرآیندهایی که دارای پیچیدگی بوده و مدل ریاضی دقیقی ندارند، قابل استفاده نیست شاید بهترین روش برای کنترل این‌گونه فرآیندها استفاده از کنترل‌کننده‌های پیش‌بین از جمله روش پیشنهادی اسمیت باشد. در این روش، اسمیت، با افزایش مفاهیم اولیه ی پیش‌بین و کاهش دادن اثر خطاهایی که به علت تأخیر زمانی پسخوری می‌شود بر مشکلات کنترلی فائق می‌شویم. در بسیاری از کنترل‌کننده‌های موجود، از روش اسمیت به صورت یک بلوک کنترلی استفاده شده است. بدیهی است چنان‌چه تأخیر زمانی نداشته باشیم، هنوز بهترین گزینه همان کنترل‌کننده‌های PID است. برای مقابله با تأخیر زمانی (که در تابع فرآیند باعث می‌شود منحنی فاز سیگنال ورودی به کنترل‌کننده به حالت غیر مینیمم فاز تبدیل شود) اسمیت در سال ۱۹۵۷ با ارایه ی روش خود و معرفی کنترل‌کننده‌ی پیش‌بین، توانست پارامتر تأخیر زمان را از سیگنال ورودی به کنترل کننده حذف نماید. در این روش با پیش‌بینی خروجی فرآیند، سیگنال ورودی به کنترل‌کننده را پیش‌بینی نموده و سبب حذف شدن عبارت دارای تأخیر زمانی خواهد شد. به این ترتیب مانع از ورود سیگنال دارای تأخیر زمانی به کنترل‌کننده شده و فرآیند به طور بی درنگ کنترل می‌شود.

رویکرد‌های نوین کنترل صنعتی

شکل ۱۱ . کنترل‌کننده‌ی پیش‌بین به روش اسمیت

۴.۲. کنترل‌کننده‌های تطبیقی
روش مناسب و قابل تحسین دیگر، همان استفاده از کنترل‌کننده‌ی تطبیقی است. در این‌جا پارامترهای خطی مدل متناسب با شرایط و مشخصات فرآیند در حال تغییر خواهد بود. متناسب با پارامترهای فوق، مقادیر نقاط تنظیم کنترل‌کننده محاسبه و به کنترل‌کننده اعمال می‌شود (شکل۱۲).

رویکرد‌های نوین کنترل صنعتی

شکل ۱۲. بلوک دیاگرام شکل ساده شده‌ای از یک کنترل‌کننده‌ی تطبیقی

متناظر با تغییراتی که به طور فیزیکی و مطابق با شرایط واقعی در پارامترهای فرآیند داریم، نقاط تنظیم (SP) به دست آمده نیز به روز شده و به کنترل کننده اعمال می‌گردد. اغلب آن‌چه امروزه به عنوان کنترل کننده‌های خودتنظیم توسط سازندگان متعدد ارایه می‌شود بر همین اساس و با مدل‌سازی سری‌های زمانی خطی کار می‌کنند. از نظر تئوری، هر فرآیندی می‌تواند با کنترل‌کننده‌های تطبیقی کنترل شود، هر چند دلایلی هم ارایه شده است که چنان‌چه سامانه‌ و مدل فرآیند غیرخطی باشد مکانیزم‌های تطبیقی نمی‌تواند به خوبی تغییرات فرآیند را دنبال کند. بنابراین توصیه شده است برای مدل‌سازی فرآیندهای غیرخطی از سری‌های زمانی غیرخطی و شبکه‌های عصبی استفاده شود و برای کنترل آن نیز از کنترل کننده‌های PID (خودتنظیم یا غیر خود تنظیم) کمک بگیریم.

۴.۳. کنترل پیش‌بین، کنترل پیش‌بین مبتنی بر مدل
کنترل پیش‌بین با نگرش‌های مختلف قابل اجرا بوده و دامنه‌ی بکارگیری این روش‌ها، بستگی به نوع فرآیند و خواسته‌ی کاربر دارد. نمونه‌ای از کنترل پیش‌بین، همان کنترل‌کننده‌ی پیش‌خوری است که در قسمت نخست این نوشتار نحوه‌ی اجرای آن برای کنترل دمای یک مبدل حرارتی تشریح شد. هم‌چنین از نظر تئوری، پیاده‌سازی مفهوم کنترل پیش‌بین می‌تواند در چارچوب یک کنترل‌کننده‌ی تطبیقی هم دیده شود. شکل ۱۳ بلوک دیاگرام نمونه‌ای از این کنترل‌کننده را نمایش می‌دهد.

رویکرد‌های نوین کنترل صنعتی

شکل ۱۳. نمایی ساده از یک کنترل‌کننده‌ی پیش‌بین تطبیقی

کنترل‌کننده‌های GMV کلاسیک نمونه‌ای از پیاده‌سازی این مفهوم است. روش کنترل GMV، مجذور وزن داده شده اختلاف بین مقادیر مطلوب و خروجی‌های پیش‌بینی شده را به حداقل می‌رساند. دامنه و وسعت پیش‌بینی در حد همان تأخیر زمانی سامانه‌ی ما است که معمولاً این تأخیر دارای مقداری ثابت می باشد. به عبارتی روش GMV نمی تواند به طور مؤثر در کنترل فرآیندهای دارای قیود و یا با تأخیر زمانی متغیر کاربرد داشته باشد. این محدودیت، دانشمندان علم کنترل را به طرف استفاده از روش DMC سوق داد. روش DMC نیز همان ایده‌های پذیرفته شده در GMV را توسعه داده و به کار می‌گیرد با این تفاوت که مدل‌های مورد استفاده به گونه‌ای طراحی شده است که سامانه‌ی کنترل ما را به طرف پیش‌بینی خروجی‌ها در زمان آینده هدایت می‌کند. معمولاً محدودیت زمانی در این روش، بین بالاترین و پایین‌ترین تأخیر زمانی است. این عمل برای مقابله با گوناگونی تأخیرهای زمانی است که تا حدود زیادی هم باعث مقاوم شدن سامانه‌ می‌شود. در مورد قیود فرآیندی می‌توان محدودیت جریان سیالات در یک لوله با قطر ثابت، مقدار دما و فشار مجاز در یک فرآیند و میزان آلودگی‌های مجاز زیست محیطی در یک واحد تولیدی را مثال زد. امروزه عبارت کنترل پیش‌بین دارای دامنه‌ی کاربرد وسیعی در فرآیندهای گوناگون برای رسیدن به مفهوم پیش‌بین می‌باشد که کنترل‌کننده‌ی طراحی شده می‌تواند خطی یا غیرخطی باشد. روش MPC با توجه به توانایی‌های زیر امروزه در صنایع مدرن و مراکز پژوهشی مطرح می‌باشد:
1. قابلیت‌های بالای کنترلی (از جمله همخوانی MPC با کنترل چند متغیره، مقابله با تأخیرهای فرآیندی در فرآیندهای کُند و به اصطلاح تنبل، مقابله با عوامل ناخواسته از جمله نویز و اغتشاش)؛
2. برآورده شدن خواسته‌های بهره‌بردار؛
3. دارای قابلیت پیاده‌سازی در صنعت.

۵. الگوریتم‌های مطرح کنترلی
بعد از به دست آوردن مدل فرآیند، گام بعدی انتخاب «راهبرد کنترلی» و «الگوریتم‌های قابل اجرا» است. قابل ذکر است که معمولاً روش مدل کردن فرآیند و راهبرد کنترل در یک مرحله انتخاب و نهایی می‌شود. آن‌چه در ادامه‌ی بحث می‌آید معرفی تعدادی از الگوریتم‌های کنترلی قابل اجرا در کنترل واحدهای فرآیندی است.

۵.۱. کنترل پیش بین مبتنی بر مدل
می‌دانیم، به دست آوردن یک مدل ساده شده و گویا از فرآیند به هر روش، تنها بخشی از کار طراحی و اجرای سامانه ی کنترل بوده که، به جز برآورده ساختن هدف‌های کنترلی، پاسخ‌گوی بهره‌بردار در رفع بعضی از ابهامات ایمنی فرآیند یا مشکلات بهره‌برداری و همچنین راه‌گشای آموزش کارکنان تازه کار خواهد بود. حال برای تحقق کامل مفاهیم کنترلی، واحد مدل‌سازی شده نیز مدل فوق را به طرف کسب مشخصات و پارامترهای تحت کنترل تا حصول نتایج مطلوب هدایت می‌کند. قطعاً راهبرد کنترلی انتخاب شده نیز به نوع مدل‌سازی انتخابی بستگی خواهد داشت. برای مثال، اساس کار ساده‌ترین روش کنترل‌کننده‌ی مبتنی بر مدل در بلوک دیاگرام شکل ۱۴ نشان داده شده است.

رویکرد‌های نوین کنترل صنعتی

شکل ۱۴. اساس یک کنترل کننده‌ی مبتنی بر مدل

مطابق با آن‌چه شکل ۱۴ نمایش می‌دهد، چنان‌چه در مدل سازی فرآیند نهایت دقت شده باشد و همچنین در صورت معکوس‌پذیری مدل فرآیند، می‌توان امیدوار بود که واحد فرآیندی به نحو مطلوب و در حد هدایت خروجی فرآیند به طرف مقادیر مطلوب قابل کنترل باشد. اولین اتفاقی که در این راستا می‌افتد، اثرات پویایی و تغییر اطلاعات فرآیندی واحد تحت کنترل توسط بلوک معکوس فرآیند خنثی می‌شود، بنابراین در این حالت و مطابق با تئوری می‌توان مدعی شد که خروجی فرآیند با خروجی مطلوب منطبق می‌شود! (کنترل تمام عیار و بدون نقص). پس اولین نیاز اجرایی چنین کنترلی، داشتن مدل دقیق شبیه‌سازی شده از فرآیند است. از جانب دیگر، در پیاده سازی مدل هر فرآیندی، نباید چنین انتظار داشته باشیم که مدل به دست آمده دارای چنان دقتی باشد که با معکوس کردن آن نیز تمامی پارامترها و خصوصیات فرآیند مورد نظر در جایگاه واقعی خود باقی بماند. به بیان دیگر محدودیت‌های عملی همواره ما را وادار به ساده‌سازی می‌کند به طوری‌که مثلاً در مدل سازی به روش جعبه سیاه، کل فرآیند به صورت یک جعبه ی سیاه دیده می‌شود و در روند شبیه‌سازی مدل جزئیات داخل جعبه مورد نظر نیست. در کنترل هر فرآیندی به لحاظ پیچیدگی آن فرآیند، مشکل بودن شناسایی پارامترها و همچنین مشکلاتی که در استخراج مدل پیش رو داریم، معمولاً از مدل جعبه سیاه استفاده می‌شود که این ایده ما را از تحمل هزینه‌های بالای مدل‌سازی به روش‌های دیگر رها می‌سازد. البته مدل‌سازی فرآیند برای مقاصد کنترلی باید با رعایت دقت و در نظر داشتن جزئیات، مشخصه‌ها و ظرافت‌های فرآیندی در مدل به دست آمده باشد، تا کنترل‌کننده بتواند روند تغییرات پارامترهای فرآیندی را با دقت تحت نظر داشته باشد. به این منظور مدل جعبه سیاه می‌تواند مفید باشد به طوری که در پیش بین بودن نتیجه تغییر پارامترهای فرآیند تحت کنترل (در توابع انتقال خطی و یا توصیف سری‌های زمانی نیز) تا حدودی مفید، رایج و مورد تأیید کاربر می‌باشد. از دیگر سو، در طراحی‌های مختلف ممکن است طراحان از سری‌های زمانی غیر خطی همچون شبکه‌های عصبی نیز استفاده کنند. در ادامه برخی از روش‌های معمول کنترلی در APC (آکادمیک) بطور مختصر تشریح شده است.

۵.۲. کنترل کننده‌ی مبتنی بر شبکه‌های عصبی
شبکه‌های عصبی به عنوان رویکردی نوین در مدل سازی مطرح بوده و به واسطه‌ی امکان انجام حجم زیادی از عملیات محاسباتی در زمان کوتاه توانسته است در مدل سازی فرآیندهای غیر خطی کاربرد داشته باشد. اساس کار شبکه های عصبی مبتنی بر یک نرون بیولوژیک شبیه‌سازی شده است. در مغز انسان تقریبا ۱۰۱۰ نرون وجود دارد و هر نرون تقریباً به ۱۰۴ نرون دیگر متصل است! نرون، عنصر یا معادل یک سلول اصلی مغز است. علاوه بر مغز، ارتباط بین سلول‌های مغز و ماهیچه‌ها یا اعضای حسی، از طریق شبکه ی عصبی (نرون‌ها) برقرار می‌شود. از جانب دیگر هر نرون طبیعی، ورودی‌های متعددی را می‌پذیرد و بیش از یک خروجی دارد. از جمله ویژگی شبکه‌های عصبی مصنوعی، می‌توان اشاره داشت به:
ن امکان فراگیری در شبکه‌های عصبی (این نوع شبکه‌ها به مرور و در حین کار، آموزش می‌بینند)؛
• سرعت محاسباتی فوق‌العاده بالایی دارند؛
• در مقایسه با برنامه‌های رایانه ای، کمتر دچار وقفه می‌شود؛
• دارای کاربرد ویژه در کنترل فرآیندهای غیرخطی است که به سادگی مدل نمی‌شوند؛
• امکان بکار‌گیری شبکه‌ی عصبی در تمام علوم (به ویژه علومی که نیاز به حجم محاسبات زیادی دارد) وجود دارد!
با توانایی‌های یاد شده امروزه شبکه‌های عصبی مصنوعی در طراحی‌ها و به ویژه پروژه‌های جدید مراکز علمی و تحقیقاتی مطرح بوده و حضور آن در صنعت نیز دور از انتظار نیست.
الگوریتم‌های بیان شده تمامی الگوریتم‌های موجود نیست. آن‌چه نیاز به یادآوری مجدد دارد همان موضوع تکراری است که انتخاب هر کدام از روش‌های فوق در کنترل یک فرآیند، یا کنترل در صنعت می‌تواند متأثر از موارد زیر باشد:
• نوع فرآیند و نیاز آن صنعت؛
• خواسته‌های کاربر و فرهنگ حاکم بر کارفرما؛
• طراح و تجربه یا قابلیت‌های علمی وی؛
• نوع قرارداد، تجربه و قابلیت های سازنده سامانه کنترل؛
• محدودیت‌ها (اعم از محدودیت‌های فرهنگی، اجرایی، مالی و …)؛
• نوع تعاملات بین کاربر و طراح در حین طراحی و اجرا.
* * *

۶. نتیجه گیری
بدون شک، کاهش مصرف انرژی یکی از دستاوردهای مهم و بزرگ استفاده از روش‌های نوین کنترلی است. اما صاحبان صنایع نباید به همین یک مورد اکتفا کنند. امروزه مبحث کاهش انرژی با توجه به محدودیت‌های منابع آن بحث روز دنیا می‌باشد. بنابراین کارشناسان مختلف در صنایع متفاوت تلاش‌های گسترده‌ای در جهت بهینه نمودن مصرف انرژی انجام داده‌اند که یکی از آن‌ها استفاده از روش‌های کنترل پیشرفته ی فرآیندها جهت بهینه‌سازی مصرف انرژی می‌باشد. در جدول ۱ و ۲ به ترتیب نتایج حاصل از بکارگیری کنترل پیش‌بین مبتنی بر مدل و به تبع آن سود گزارش شده در پالایشگاه‌ها [10] آورده شده است.

جدول ۱. نتایج حاصل از بکارگیری MPC گزارش شده توسط شرکت‌های مختلف
نوع فرآیند مزایای حاصله
واحدهای پالایشگاهی ۳ تا ۷ درصد صرفه‌جویی در مصرف خوراک
واحدهای پتروشیمی افزایش تولید تا ۷ درصد، کاهش ضایعات و تغییرات مرحله‌ای سریع‌تر
صنایع تولید کاغذ ۵ تا ۱۰ درصد بهبود بازیابی و خروجی، کاهش آلودگی
واحدهای نیروگاهی ۱ تا ۵ درصد کارایی حرارتی بالاتر، بهبود پایداری و کاهش انتشار گازهای NOX
صنایع غذایی ۵ تا ۱۰ درصد تولید بیشتر و اتلاف کمتر انرژی
صنایع فلزی و معدنی ۵ تا ۱۰ درصد تولید بیشتر و اتلاف کمتر انرژی

جدول ۲. نمونه ای از سود گزارش شده در پالایشگاه‌ها بعد از استفاده‌ی MPC
میزان سود حاصله (دلار در سال) ظرفیت (بشکه در روز) واحد پالایشگاهی
۴.۵۰۰.۰۰۰ تا ۲.۲۵۰.۰۰۰
۱۵۰.۰۰۰ Crude Unit
۴.۲۰۰.۰۰۰ تا ۱۰.۵۰۰.۰۰۰
۷۰.۰۰۰ FCCU
۱.۵۰۰.۰۰۰ تا ۴.۵۰۰.۰۰۰
۵۰.۰۰۰ Cat Reformer
۲.۲۵۰.۰۰۰ تا ۴.۵۰۰.۰۰۰
۵۰.۰۰۰ Hydrocracker
۱.۳۵۰.۰۰۰ تا ۳.۱۵۰.۰۰۰
۳۰.۰۰۰ Alkylation
۱.۴۴۰.۰۰۰ تا ۴.۸۰۰.۰۰۰
۴۰.۰۰۰ Delayed Coker
۱.۲۰۰.۰۰۰ تا ۲.۴۰۰.۰۰۰
۴۰.۰۰۰ Light End Units
۷۶۵.۰۰۰ تا ۲.۴۰۰.۰۰۰
۳۰.۰۰۰ Isomerization

همان‌طور که در جداول بالا مشاهده می‌شود کنترل پیشرفته‌ی فرآیندها تأثیر بسزایی در کاهش مصرف انرژی و به تبع آن افزایش کارایی اقتصادی واحدهای صنعتی دارد. همچنین در [11] تأثیر عوامل مختلف در صرفه‌جویی انرژی در مجتمع LNG پتروناس مالزی مورد بررسی قرار گرفته و از بین تمامی عوامل موثر، تأثیر بهبود راهبردهای کنترل، بیشترین مقدار (یعنی ۴۴ درصد) بیان شده است که نشانگر نقش و تأثیر بسزای «بهبود راهبردهای کنترل» در صرفه‌جویی مصرف انرژی می‌باشد.

۷. پیشنهادات
کنترل پیشرفته ی فرآیندها در تمام فرآیندهای پیوسته به ویژه فرآیندهای پالایشگاهی و مجتمع های پتروشیمی کاربرد داشته و تأثیر بسزایی در کاهش مصرف انرژی خواهد داشت. ناگفته نماند، MPC محدود به فرآیندهای پیوسته در مقیاس بزرگ نمی‌شود و ظرفیت اجرا برای کنترل بسیاری از تجهیزات فرآیندی بزرگ و کوچک را دارد. از طرفی، به دلیل کاهش سال به سال قیمت سخت‌افزارهای رایانه ای و افزایش قابلیت اطمینان این ادوات، هزینه‌ی استفاده از آن نیز در حال کاهش است. با توجه به این که در حال حاضر با وجود قابلیت بالا و گستردگی استفاده از آن در صنایع روز دنیا، این نوع مفاهیم متأسفانه به طور محدود و ناچیزی در صنایع کشورمان مورد استفاده قرار می‌گیرند، امید است نگارش این مقاله در معرفی و بکارگیری این ابزار جهت کاهش مصرف انرژی مفید واقع شده باشد. در این میان اما، نباید از نقش فرهنگ‌سازی و معرفی روش‌‎های کنترلی پیشرفته، بیان مزایا و کاربردهای آن و همچنین تشویق کارفرمایان و بهره‌برداران واحدهای فرآیندی در استفاده از این روش غافل شد. بنابراین پیشنهاد می‌شود:
• برگزاری همایش در مناطق ویژه و شهرک های صنعتی به منظور فرهنگ سازی استفاده از رویکردهای کنترل نوین؛
• اهتمام متولیان صنایع فرآیندی در گنجاندن مفاهیم کنترلی APC و MPC در مشخصات فنی پروژه‌های آینده؛
• روی آوردن به تنظیم پارامترهای حلقه‌های کنترل در سامانه‌ی کنترل سنتی، به منظور کاهش شرایط توقف‌های ناخواسته و افزایش؛
• نوسازی واحدهای فرآیندی فرسوده، به ویژه نوسازی سامانه‌های کنترلی واحدهای فرآیندی به منظور بهره‌گیری از فناوری‌های نوین در کنترل و ابزاردقیق در جهت کاهش توقف‌های ناخواسته واحدهای فرآیندی و پالایشگاه‌ها؛
• بازنگری در راهبرد کنترلی واحدهای فرآیندی (طرح های جدید و واحدهای بهره برداری)؛
• شناسایی، تعمیر و رفع عیب از تجهیزات معیوب و فرسوده از جمله ماشین‌های ثابت فرآیندی ، ماشین‌های دوار (مانند کمپرسورها)، شیرهای کنترل ، شیرهای اطمینان و شیرهای مسدود کننده ؛
• محاسبات مجدد اندازه‌ی شیرهای کنترل (با توجه به این‌که معمولاً CV شیرهای کنترل به عنوان عنصر نهایی کنترل بالاتر از آن‌چه در محاسبات به دست می‌آید، لحاظ می‌شود)؛
و دیگر اقدامات موردی، بخش عمده‌ای از عملیات غیرقابل پیش‌بینی که سبب تولید محصولات زاید و هدر رفتن انرژی در واحدهای عملیاتی می‌شود را به حداقل برساند. ضمن این‌که با یک سرمایه‌گذاری کوچک بازدهی و راندمان واحد فرآیندی ما نیز افزایش خواهد یافت.
شایان ذکر است در واحدهای فرآیندی دقت نظر بهره‌برداران در زمان عملیات، خود به تنهایی جلوی تولید بسیاری از ضایعات و اتلاف انرژی را خواهد گرفت. البته تمام این موارد نباید ما را از وظایفی که در زمان طراحی و اجرای پروژه‌ها داریم دور نموده و یک اشتباه را در تمام پالایشگاه‌ها و به تبعیت از اولین طراحی ناقص خود، تکرار نماییم!
منابع و مراجع:
[1] T. E. Marlin, Process Control: McGraw-Hill New York, 1995.
[2] M. J. Willis and M. T. Tham, “Advanced process control,” Department of Chemical and Process Engineering, University of Newcastle Upon Tyne, UK, 1994.
[3] R. R. Rhinehart, M. L. Darby, and H. L. Wade, “Choosing advanced control,” ed: Elsevier, 2011.
[4] H. Wakasugi and K. Sueyoshi, “Energy-saving Solutions by Advanced Process Control (APC) Technology,” Yokogawa Technical Report English Edition, 2010.
[5] R. Amrit, W. Canney, P. Carrette, R. Linn, A. Martinez, A. Singh, et al., “Platform for Advanced Control and Estimation (PACE): Shell’s and Yokogawa’s Next Generation Advanced Process Control Technology,” IFAC-PapersOnLine, vol. 48, pp. 1-5, 2015.
[6] B. P. Sheehan and X. F. Zhu, “Improving energy efficiency,” 2020.
[7] M. Porru, R. Baratti, and J. Alvarez, “Energy saving through control in an industrial multicomponent distillation column,” IFAC-PapersOnLine, vol. 48, pp. 1138-1143, 2015.
[8] D. Morrison, “Is it time to replace PID?,” ISA InTech Magazine, 2005.
[9] C. Von Altrock, Fuzzy logic and neurofuzzy applications explained: Prentice-Hall, Inc., 1995.
[10] O. Smith, “Closer Control of Loops with Dead Time,” Chemistry Engineering Progress, vol. 53, pp. 217-219, 1957.
[11] F. Omar, “Energy Management Initiative at Petronas LNG Complex,” in 23rd World Gas Conference, Amsterdam, The Netherlands, 2006, pp. 2571-2581.

برای امتیاز به این نوشته کلیک کنید!
[کل: 0 میانگین: 0]

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *