实时优化制造价值
如果您有工程资源和业务承诺来提高业务的增值，那么实时流程优化(RPO)可能适合您的组织。
实时过程优化(RPO)定义了优化制造生产过程的经济价值的功能，如生产成本、能源消耗或生产时间的最小值。RPO通常与先进过程控制(APC)相混淆，但它们是互补的功能，而不是等价的。APC是一种技术，旨在提供控制策略，使过程设定值和实际值之间的差异最小化;例如，在过程更改中尽量减少超调量，或在过程中断后尽量减少返回稳定状态的时间。
RPO用于定义APC的目标过程值，基于优化一个或多个业务目标。RPO用于设置许多不同形式的过程控制的目标值——从基本的开/关控制，到比例、积分和微分(PID)控制，直到APC技术的模型预测控制(MPC)，基于模型的控制(MBC)，和动态矩阵控制(DMC)。图1显示了RPO是如何与过程控制的其他方面交互的，以及它是如何适应通常使用的国际自动化学会控制层次。RPO位于实时控制回路和APC之上，利用来自许多来源的信息来确定最优目标，以满足经济业务目标。
基本控制处理单个控制环或有时级联控制循环。APC处理具有相互依赖性的多个控制循环 - 一个将对他人产生影响。RPO通常涵盖几个单位，整个生产线，有时是整个网站，为满足全球最佳的APC或基本控制的目标设置目标。RPO的范围更广泛，机会越好地达到全球最佳解决方案，但RPO已经有效地应用于使用瓶颈或生产限制单元可以获得经济价值的单位集合。这本书，目标:持续改进的过程通过Eli Goldratt，是一个很好的参考，帮助了解何时何时申请优化，并且应该是每个控制工程师库的所需部分。
RPO算法需要多个信息源才能有效:
- 业务定义的关键绩效指标(kpi) -这些定义了最大化或最小化的经济目标。在大多数系统中，RPO算法可能需要找到同时优化几种KPI的解决方案。例如，可能存在一个KPI，其定义了能量的最小使用，以使产品平衡，与用于生产的材料的量平衡，与设备的安全操作限制平衡。生产KPI通常涉及最小使用时间，能量或材料，或者它们涉及最大化质量或吞吐量。优化KPIS由更高级别的业务功能设定，并且可能受到经济和市场因素的影响，例如客户承诺，现货市场价格，销售活动和库存能力。
- 过程模型 -过程模型以正式的数学术语描述系统将如何对不同的操作条件作出反应。在炼油工业中，过程模型可以定义分馏塔分离不同等级原油的程度。在离散制造中，该模型可以定义质量和生产线速度之间的关系。RPO过程模型通常与APC中使用的过程模型相似，但它们包括单元间依赖关系。
- 能力模型,能力模型描述了系统处理不同原材料和不同产品的能力。例如，在加工食品生产中，不同数量的玉米在水分和甜度方面的差异会影响加工时间、产品质量和所消耗的能量。在许多生产设施中，能力模型可以是一个简单的关系，但是在同一条生产线上可以生产许多不同的产品，具有不同的吞吐量、质量、材料、设备和人员使用，那么能力模型可以是材料和资源的复杂关联。
- 约束,定义确定最佳解决方案的各种限制。限制可能包括设备的安全限制，中间体或最终产品的储存限制，最终产品的运输限制，原料可用性和价格，或最终产品价格/数量敏感性。每个约束在优化多维解决方案上定义一个维度。
- 当前形势下,实时流程优化算法需要的最后一个元素是当前的操作条件。当前条件用于计算更改为不同目标集的成本。有时最好在最佳条件下运行，因为切换成本太高。历史值也被用来查看系统的当前变化率，因为改变方向可能会花费大量的时间和成本。
优化方法
优化是一个困难的过程，当有几十个KPI，数百到数千个变量，数百到数千个约束时。已经开发了多种技术来解决这些问题，而且几个世纪以来，数学家是一项严肃的研究领域。有两种方法可以查看优化问题，作为线性或非线性问题。
使用线性方程找到最佳解决方案的线性问题是称为线性编程（LP）的数学分支。如果所有关系都可以通过一组线性方程表示，则可以使用LP技术来查找最佳解决方案。图2示出了具有两个变量的简单示例，表示为线性方程的五个约束，以及一个KPI关系。黄色的形状表示适合约束的可能解决方案。解决方案位于形状的角落，最佳解决方案是最大化或最小化优化KPI的拐角。已经为炼油厂和化工厂优化建立了数万个变量和数千个约束的LPS，而典型的离散制造工厂通常会有数百个变量和数十个约束。
使用LPs发现最优解决方案的关键是发现线性关系。不幸的是，现实生活往往不是线性的。对于非线性情况，有两种方法;一种是假设这些关系在期望的解集中是线性的，并接受答案是近似的，但是接近的。通常，这与检查解是否接近非线性区域相结合，然后使用不同的关系集重新运行算法。
第二个解决方案是运行数百到数千个不同的场景，使用一种称为“峰值搜索”的策略，在这种策略中，场景被用于在多维解空间中“走”到局部最优。由于过程模型的复杂性和非线性，许多炼油厂和化工厂采用寻峰法来确定最优解。通常，这与检查相结合，以确保找到全局最优，而不仅仅是局部峰值。当问题是非线性的时候，您所能期望的最多是“几乎是最优的”，但通常情况下，这与真正的最优相差不到十分之一个百分点。
模型验证
RPO模型的开发非常耗时，需要大量的工程和制造知识。有效的RPO可以给公司带来显著的经济效益，通常会在底线上增加利润的百分比。然而，最好的模型除非是有效的，否则不会提供好处。在ROP项目中，最糟糕的事情之一是产生了明显不起作用的目标，例如不安全或没有使用当前实际能力和能力的知识。
当目标错误时，操作人员将很快开始忽略它们，因为他们将不再信任RPO系统。重要的是要开发一个过程，该过程用于通过将预期结果与度量结果进行比较来定期验证模型。图3说明了RPO项目的典型生命周期，其中使用常规的模型验证和调优来确保生成有效的目标。大多数成功的RPO项目使用数据历史学家来收集数据，并定期运行分析程序来确定实际性能，他们有专门的资源来验证模型并在需要时纠正它们。
多久运行一次RPO和验证
实时流程优化是实时的，但实时时间通常以小时和天而不是秒和毫秒来衡量。运行RPO的速度快于系统对目标变化的响应速度是没有什么用处的。通常，由于目标是由商业经济定义的，它们会每天、每周甚至每月发生变化。一些行业的变化更快，比如电力行业，但大多数行业由于供应链的滞后而发展缓慢。也没有什么需要比需求、约束或能力的变化更快地运行。如果工厂在需求不变、价格不变、能力不变的情况下运行，那么RPO应该发现不需要改变工艺目标。
验证应按常规计划进行，或者在过程能力或约束发生重大变化时进行。例如，如果瓶颈机器被更快的机器替换，那么应该用新功能更新模型。随着时间的推移，设备也会损坏或表现不佳，因此每季度、6个月或一年进行一次验证通常是合理的安排。请记住，未经验证的模型将很快变得不可信和不被使用，所以不要忘记常规验证。
展望未来
一个经常出现的问题是，RPO如何适应新的工业互联网（IIOT）世界？设想IIOT将广泛的传感和计算能力带到制造地点。制造系统将由数百或数千个智能IIOT设备组成，每个设备都与其他设备进行交流和协调。在这个世界上，RPO仍然有很大的好处。RPO设置本地操作的目标，最终指导数千个设备的操作达到最佳过程状态。无疑将开发RPO算法，以利用IIOT云的巨大计算能力。最佳解决方案的峰值狩猎可以很容易地分布，允许所有设备参与发现最佳业务状态。
RPO可用于对其生产过程、依赖性、能力和敏感性有良好理解的公司。RPO最适用于那些你不断发现更好的生产计划和设定值的过程，而你知道你并没有在最佳的商业使用设施。如果您有工程资源和业务承诺来提高您对业务的增值，那么RPO可能适合您的组织。
丹尼斯Brandl创始人兼总裁是BR&L咨询他是ISA 95企业/控制系统集成委员会的活跃成员，MESA B2MML标准的合著者，ISA 99工业网络安全标准委员会的成员，ISA 88批处理系统控制委员会的前主席。并参与了OPC等行业标准的制定。Brandl每月写一个关于制造业IT的专栏控制工程杂志。
-请参阅下面补充的其他文章。
