更改存储为先进的过程控制

多变量模型预测约束控制和实时优化，更广为人知的是MPC技术，已经有了非常好的运行。几十年来，它一直主导着先进过程控制(APC)，排除了大多数其他类型的APC活动。运营公司已经在MPC上投资了数千万美元(总计数亿或数十亿美元)，并获得了数百万美元的回报。

需要更改多变量控件

具有吸引力的闭环多变量控制和实时优化的承诺意味着用户几十年来一直坚持他们对MPC的承诺，尽管它的高成本、脆弱的性能和复杂的所有权需求一直存在，而不是随着时间的推移而改善。

传统的MPC技术所有权模式越来越被认为是不可持续的。MPC已被证明过于昂贵和笨拙，无法形成制造业所需的多变量控制核心竞争力的核心。现在积累的经验表明，与继续努力解决和克服传统MPC的挑战相比，行业多变量控制模式的改变可能更有希望。

多变量控制是基础

MPC技术可以分为三部分:基于模型的控制、实时优化和多变量控制。对于APC的目的，多变量控制是必不可少的部分(注意优化，尽管不一定是实时优化，但总是多变量控制的一部分——参见侧栏)。基于模型的控制和实时优化是MPC技术解决多变量控制问题的一部分，但经验表明，还有其他更简单的方法来解决多变量控制问题，不需要这些复杂的方法。

MPC经常被复杂性所笼罩。查看多变量控制的一个简单方法是，它自动执行单循环控制器调整(设定值和输出更改)，否则这些调整将留给操作团队手动执行。当操作员在一天内对控制器进行调整时(通常有很多次)，这就是手动多变量控制。当APC应用于更好地协调和自动化相关控制器组的调整时，这就是自动(或闭环)多变量控制。与单环控制一样，闭环多变量控制具有更强的时效性和一致性、更少的报警和约束违规、更有效的流程优化等固有优势。在许多应用中，这可以每年赚取数十万甚至数百万美元。

当操作团队执行手动多变量控制时，他们没有详细的过程模型和实时优化器的帮助。这表明自动多变量控制也可以在没有详细模型和实时优化器的情况下，通过自动化操作团队一直手动使用的经过验证的方法来解决。(参见后面的图1解释。)

敢死队:基于模型的控制，实时优化

不仅基于模型的控制和实时优化对于多变量控制的中心目标是可有可无的，而且经验和见解表明，它们可能是未来控制网络层不可取的方面。

基于模型的控制一直是成本和维护的巨大来源。最初的预期是，植物步骤测试，虽然昂贵和侵入性，将是一次性的事件。随着经验的积累，模型实际上是短命的，对性能监视、模型维护和定期重新测试的需求出现了。

如今的MPC技术追求的是连续的在线自适应建模，但这忽略了行业已经从单回路中吸取的教训调音如果自动调优在单循环的基础上不成功，那么在多变量的基础上也不可能成功。同时，它还增加了MPC的另一层所有权成本和复杂性。

本地化控制网络层优化

实时优化一直是MPC所有权挑战的另一个持久来源，因此在控制网络层部署实时优化的增值主张值得重新审查。

控制网络层内的优化充其量是本地化的，包括少量本地可用的输入。有意义的流程优化所需的绝大多数数据输入分布在其他流程单元、业务网络和企业中。在现代工厂中，业务生产计划功能是流程优化的自然中心，而不是控制网络(图1)。业界也已经看到，只有有限数量的数据，以更新的限制或目标的形式，实际上需要从业务层流向控制网络，这是由现代工具和连接容纳的。

在控制网络层运行大量基于模型的控制和实时优化的资源、复杂性和维护在很大程度上已被证明与工业自动化网络的任务标准不兼容。在控制网络层，具有最小固有维护和支持需求的紧凑确定性算法是实现自动化可靠性、网络可靠性和网络安全目标的理想特征。将复杂的基于模型的控制和优化求解器部署到控制网络中并承担很高的持续维护和支持负担与这些原则相冲突。

多变量控制是核心竞争力

图2比较了传统MPC范式和基于行业长期经验的更新的多变量控制范式的关键方面。更新的模式已经成为行业共识，尽管商业上可用的现成产品仍然有限。

传统MPC范式的许多方面是多变量控制的基础，并将被发扬到新的范式中，例如被操纵变量(MVs)，被控制变量(cv)，和矩阵，限制和目标。与此同时，MPC行业已经习惯的其他方面，如工厂测试、详细模型和实时优化，可能会从APC中消失，这是基于对其净利弊的最新评估。

多变量控制的一个核心方面是它成为行业的核心竞争力，这是迫切需要的，因为行业现在可以看到，多变量控制是几乎每个过程操作的核心方面(询问任何操作员)。这意味着多变量控制与良好的单回路控制一样是成功工艺操作的基础。

多变量控制必须发展成为将过程自动化推向下一个水平的核心能力。这符合所有APC和工艺运营利益相关者的最大利益。

什么是“实时”优化?

优化——虽然不一定是实时优化——总是多变量控制的一部分。多变量控制是一种不以单一工作点为目标的二维多环控制策略．相反,它旨在保持工艺的正常运行年代在二维操作窗口内，受流程约束限制。多变量控制也使用剩余MV可用性(也称为剩余自由度)，以在窗口内尽可能地追求优化目标。

绝大多数优化目标和约束极限值由操作员和工程师输入到多变量控制器中，就像单回路控制器的设定值和极限值一样。在适当的情况下，可以从业务层优化解决方案定期更新一些目标和限值(图1)。目标和极限值也可以通过部署在控制层内的优化求解程序与多变量控制一起“实时”确定-这在传统的基于模型的多变量控制技术(MPC)中被称为实时优化。

控制层(这是“实时”)优化在20世纪80年代是有意义的，当时业务层的优化工具的自动化程度较低，层与层之间的连通性较强几乎不存在的。T现在，控制层优化在输入的全局性、工具的复杂性和适当的优化时间尺度方面无法与业务层优化相比。E的经验也实时优化是否与控制网络任务准则相冲突因为确定性算法和最小维护是网络可靠性和网络安全的重要原则。

艾伦·克恩，是所有者， APC性能有限责任公司．编辑:Mark T. 内容经理，控制工程， CFE媒体与技术， mhoske@cfemedia.com．

关键词:先进过程控制(APC)，基于模型的多变量控制(MPC)

考虑一下这个

是你的软件提高或降低流程效率?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。