优化意味着更高的利润
无论如何，每个制造商都必须解决一个基本的优化问题——如何以尽可能少的成本生产出最有价值的产品。特别是在石油化工和消费品等产量大、利润低的行业，利润取决于从现有原材料中挤出每一点成品，并节省每一分钱的劳动力和材料成本。
|
不管怎样，每个制造商都必须解决一个基本的问题优化问题是——如何以尽可能低的成本生产出最有价值的产品。特别是在石油化工和消费品等产量大、利润低的行业，利润取决于从现有原材料中挤出每一点成品，并节省每一分钱的劳动力和材料成本。
工业自动化行业的存在是为了寻求更大的盈利能力。最早的循环控制器被设计用来维持工厂中所有的流量、压力和温度，以最大限度地提高最终产品的质量。高质量的产品意味着更高的销售价格和更高的利润。今天，集成控制系统不仅能够将单个过程变量维持在其设定值，而且能够选择优化整个过程的盈利能力的设定值。
优化的例子
利润优化可能是一个复杂的问题，涉及成千上万的收入和费用变量。任何数量的解决方案都是可能的，但只有一个可以真正是最优的，找到它需要大量的数学工作。相反，考虑一个每个电话用户都面临的更简单的优化问题——获得最优惠的长途电话服务。
假设只有三种话费结构可用于长途电话。A方案为一周内的所有通话提供每分钟10美分的固定费用。B方案每次通话前20分钟收费1美元，此后每分钟收费10美分。C方案收取6.25美元的周末无限通话费用，工作日每分钟10美分的通话费用。这些是条件这个问题隐含地定义了它的解。
那么，哪个更好呢?这取决于目标而且约束问题和它的条件。目标准确地定义了什么是“好交易”。“约束条件决定了在众多可能的解决方案中可以考虑哪一种。不符合问题约束的解决方案将被排除，无论它们在纸上表现得多么优。
在这个例子中，大多数呼叫者的目标是尽量减少每个月的电话费。其他人可能需要每月固定付款所能购买的最长使用电话时间。聪明的打电话者会考虑到限制因素，比如他们在家使用手机的时间，以及他们愿意让每个电话打多长时间。
对于有不同目标和不同约束的呼叫者来说，“最好”的交易是不同的。对于一个只在周末打电话的人来说，C计划是解决问题的最佳方案。相反，对于那些在工作日打很多短电话而周末没有短电话的人来说，A方案是最优的。B方案最适合平均每次通话至少10分钟的工作日来电者。
并发症
现在，从一个大公司电话系统管理员的角度考虑相同的问题。公司里的每个呼叫者都有不同的目标和不同的约束条件，并不是所有这些都能同时满足。这是一个多变量优化问题。总体最优解决方案可能使任何单个呼叫者的电话账单最小化，也可能不会，但通过明智地平衡所有竞争需求，可以使公司的总电话账单最小化。
如果长途话费在白天发生变化，问题就会变得更加复杂。这是一个实时优化问题，因为最优解取决于每分钟变化的条件。当问题的条件随机变化时，实时优化问题尤其难以解决。
最复杂的是多变量的，实时的，非线性优化问题。非线性问题所涉及的条件不能用简单的代数表达式来表示，如电话话费。非线性问题通常有成千上万的解，每一个解都是最优的。通常很难确定是哪一种当地的解决方案给出了整体或在全球范围内不需要逐个检查的最优解。
解决方案
幸运的是，所有这些问题都有解决方案，并且有几个软件包可以帮助找到它们。有些专门用于工业控制问题，有些则更通用。Visual Solutions (Westford, Mass.)的OptimizePro就是前者的一个例子。它可以用来确定闭环控制器的最优参数，例如给出最小的设置时间和最小的超调量所需的PID常数。OptimizePro从用户提供的初始猜测开始，搜索满足问题所有约束的最佳解决方案。
比较流行的通用优化软件包分别是MathWorks(马萨诸塞州纳蒂克)和Wolfram Research(伊利诺伊州香槟市)的Matlab和Mathematica。MATLAB的优化工具箱和Mathematica的全局优化工具集提供了解决最复杂优化问题的预编码算法。如果用户可以用数学术语详细描述问题的条件、目标和约束条件，那么任何一个包都可以用数值方法解决问题。
例如，假设皇冠山公司有两个电话用户——杰克和吉尔。系统管理员M.古斯知道他们每个电话每分钟花10美分，杰克每个月说话的时间至少是吉尔的两倍。如果电话总预算限制在每月45美元，吉尔每个月至少花100分钟打电话，M. Goose可以期望为长途服务支付的最低费用是多少?
这个图表给出了答案。目标、条件和约束都被简化为优化软件可以处理的代数表达式。用户还选择了解决问题的程序。有几个选项，但这是一个经典的情况线性规划．线性规划算法本质上是一个试错搜索例程。它系统地选择勉强满足约束条件的某些解决方案，然后确定最能满足问题总体目标的解决方案。
在这个例子中，答案很简单——如果杰克和吉尔都尽量少说话，M. Goose的总电话费就会降到最低。注意，这个解决方案位于两个约束的交集。这是约束优化问题的典型结果。如果不能完全满足理论最优解，那么只能用最接近的解来勉强满足最严格的约束条件。
霍尼韦尔的Profit Suite技术采用分层方法进行控制和优化。在第一层，Profit Controller提供局部控制和优化。每个利润控制器使用霍尼韦尔的RMPCT控制技术，为过程的某些部分提供多变量模型预测控制和动态优化。用于大规模优化和动态协调底层Proft控制器。在这两个层次上，达到最优目标的最优动态路径是在每分钟的基础上确定的，以考虑相互作用和控制/约束相互作用。在顶层，ProfitMax使用整个过程的第一性原理非线性模型来计算优化目标和过程增益和经济信息，然后可以下载到利润优化器和利润控制器。
真正的问题
这正是一个典型的加工厂所发生的，无论最终产品是石油、化学品还是狗粮。产能和安全限制通常会阻止生产过程以绝对最大速度全速运行。必须找到一个可接受的操作点，满足所有限制，并尽可能最大化盈利能力。
这就是为什么线性规划是专门为过程控制应用设计的所有最流行的优化软件的基本工具。例如，来自The Foxboro Company (Foxboro, Mass.)的Connoisseur使用线性规划算法为过程控制系统中的所有循环搜索最优设定值。过程数学模型通过指定每个过程变量如何依赖于所有其他变量来提供问题的条件。
一旦确定了最佳设定值，Connoisseur可以自动将它们下载到分布式控制系统(DCS)或独立的循环控制器中进行实现。这是一个例子分级控制．每个单独的控制器都试图满足其设定值所定义的单独目标。优化控制系统总体目标的设定值在控制层次结构的较高级别上选择。每个循环之间的所有交互都在设定值的选择中考虑。
具有全厂优化功能的分层控制系统也可从霍尼韦尔Hi-Spec Solutions (Phoenix, arizona .)， Intelligent optimization (Houston, Tex.)， ADERSA (Verrieres-le-Buisson, France)和AspenTech (Houston, Tex.)获得。霍尼韦尔通过其Profit Suite技术实现了一种不同的分层控制策略。
更好的模型
其中一些供应商还提供实时优化软件。例如，AspenTech的RT-OPT监测植物的植物行为，并相应地更新其过程模型。这说明了由于污垢、设备磨损等原因，工艺变量之间的关系可能随着时间的推移而发生的任何变化。RT-OPT有了更准确、最新的过程模型，可以安全地推动工厂非常接近其约束条件的运行。一个不太准确的模型将需要一个更保守的工作点和更大的安全裕度。
对模型准确性的追求一直是流程优化软件供应商和用户持续关注的问题。有时是一组简单的方程第一原理如热力学和物理定律就足以表示行为过程。然而，在较大的工厂中，过程要复杂得多，控制过程行为的理论原则并不完全明显。
在这种情况下，一个经验模型通常用于定义优化问题的条件。经验模型涉及的方程适合过程数据的数值，而不是分析。这些方程的参数可能有也可能没有任何物理意义，但如果选择正确，这些方程仍然可以显示一个过程变量如何依赖于所有其他变量。来自Pavilion Technologies (Austin, Tex.)的Process Perfecter和来自AspenTech (Pittsburgh, Pa.)的NeuralWare部门的neuop Optimizer都使用人工神经网络和历史流程数据对流程进行建模和经验优化。
应用程序
到目前为止，本文中提到的大多数供应商都在德克萨斯州设有办事处(如果不是总部的话)，这并不是巧合。在线优化和控制技术的商业化在很大程度上是由石油化工行业的经济需求推动的。一家炼油厂每小时生产18.9万升燃料，每加仑仅提高一美分的盈利能力，每天将净赚1.2万美元。来自SIMSCI (Brea, california)的ROMeo和来自Hyprotech (Calgary, Alberta, Canada)的HYSYS实时优化(HYSYS. rto +)是另外两个软件包，旨在解决炼油和石化行业中遇到的多变量过程优化问题。
GE大陆控制公司(Houston, Tex.)将其MVC优化技术特别用于化工设施。化学过程往往比精炼过程更非线性，需要更复杂的实时建模和优化技术。目前受益于优化软件的其他行业包括航空航天、采矿和食品加工。来自PSE Optima (Salt Lake City, Ut.)的前瞻性优化控制器用于所有这些的全局优化。
优化工具在聚合物生产、发电和纸浆造纸等不同行业中不断发现新的应用。改进的优化技术也在开发中。谁知道呢，也许有人最终会想出如何找到最划算的长途电话!
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。
