优化炼油厂的资产性能

这些是全球炼油厂的危险次数。通过定价波动性，监管复杂性和众议潮流的变化，这些公司必须从未在底线之前关注。优化关键任务过程中使用的资本密集资产绩效的盈利能力铰链（图1）。

与此同时，流程行业的现实情况是，许多炼油厂淹没在数据中──从基于历史的流程数据到业务和制造系统上下文数据──渴望洞察。现在，随着工业物联网(IIoT)的兴起，纯粹的数据量正在呈指数级增长。

要清除，数据可用，以及来自其他来源的互补数据，但是从此数据创建值的软件已经非常缺乏。先进的分析软件需要：

• 从工业设置中的所有数据源访问数据
• 上下文化和清除数据以准备分析
• 使工程师和其他过程专家调查和分享见解。

同时，工程师被软件（如电子表格）阻碍，无法高效地执行这些任务，导致投资回报和过度的人力资源要求。甚至如果以机器学习和其他大数据创新的形式部署了先进的分析，甚至可以开始数据科学家和其他IT专家需要收集和准备数据。这种缺乏创新造成了工程师，没有办法结晶洞察力。

今天，海量数据和驱动改进过程结果的见解之间的鸿沟已经被弥合，让工程师能够帮助驱动更好的业务结果。先进的分析软件正在打开一个过程和性能优化的新世界，以极大地改善炼油操作。该软件使用机器学习和其他潜在的创新，让工程师和专家负责从公司的数据中创造价值。

与其他加工企业一样，炼油企业保留了广泛的员工，而这些员工又根据他们的角色有不同的信息需求。维护人员检查诊断、预测和自助分析。工厂和运营经理和员工审查文件，报告和仪表板。团队需要共享知识和协作。运营商和工程师需要对流程和资产性能进行近乎实时的监控。在企业金字塔的顶端，高管们需要信息来做出决策，并采取行动推动盈利。得益于现代先进的分析技术，现在我们可以在不需要数据科学家干预的情况下，为每个角色提供正确的洞察力。

高级分析

先进的分析软件帮助炼油厂解锁知识，使更有效的生产和驱动利润。高级分析方法有两个关键组件。

首先，它应该是为工程师提供有所需经验，专业知识和历史的工程和流程的自助服务。这使工程师能够以生产率，赋权，互动和易用性益处在应用程序级别工作（图2）。此外，工程师，团队，经理和组织可以使用这些新功能来实现整个工厂和公司的福利分配。

其次，高级分析解决方案应包括所创建的见解和底层数据集之间的连接，因此用户只需单击并钻取到感兴趣的数据。高级分析产品应用于生产不仅仅是数据可视化，还要提供对用于生成输出的计算和源的访问。

高级分析解决方案部分地通过使用机器学习和其他内置智能工具来实现这些目标，以简化和加速用户体验（请参阅下面链接的侧栏）。

以下是三个精炼厂用例，演示了机器学习算法在高级分析软件中的应用。虽然这些用例来自炼油厂操作，但大部分分析适用于其他石化工厂。

热交换器监测

该炼厂面临的挑战是主动预测由于污垢导致的热交换器循环结束。这将支持基于风险的维护计划。它还能使处理速度最优化，以提高利润率，使所需热能最优化，以尽量减少经营费用和尽量减少维护费用。

该解决方案是使用专门设计用于处理处理时间序列数据的高级分析应用程序。具体地，它意味着使用第一原理方程来计算来自过程历史记者中的存储温度和流量数据的传热系数（U）。下一步是使用预测工具以创建预测U值数据的模型作为时间的函数，并确定周期结束日期与已知的最小U性能阈值（图3）。一旦将该方法应用于一个热交换器，就可以在整个炼油厂中使用额外的单位。

基于监测热交换器性能下降，益处包括执行基于风险的维护计划。炼油厂还能够根据潜在的速度减少惩罚和计划维护成本优化运营计划。消除了传热限制因导致的生产率降低，节省数百万美元。无计划的热交换器维护最小化，节省成千上万。回报是通过预测和规划实现的，从而避免单一的失败事件。

催化剂末端预测

在这种用例中，挑战是预测固定床催化剂系统的运行结束，以优化附近和长期经济学。这需要选择和检查培训相关性的历史数据，随着新数据可用，这是自动更新的相关性。另一个挑战是提供有识解，以便在炼油厂许可方和催化剂供应商之间进行协作分析和调查。

该解决方案是实施用于计算固定床反应器系统的标准化加权平均床温（WABT）的第一原理方程。接下来，WABT被标准化以进行变量，例如进料速率，饲料和产品质量，以及治疗气体比。然后使用预测来创建模型以将归一化WABT预测为稳态条件内的时间的函数。这使得炼油厂能够确定运行结束日期与已知的WABT性能阈值，并将该方法应用于其其他固定床催化剂过程。

其好处包括监控催化剂失活，以便协同优化近期的经济效益和基于风险的维护计划。更好的运行结束预测允许更有效地分析降低速率和维护成本之间的权衡。通过计算催化剂的使用寿命，可以快速检测意外变化和纠正措施的性能。

盐沉积风险监测

在这种情况下，挑战是识别炼油厂在原油和FCC分馏器开销中以高盐沉积的高风险运行，以及水力加工的流出列车。这些沉积可能导致从高度加速的腐蚀和污垢的计划内停工。结果需要作为连续信号呈现，表达为风险的时间百分比。分析所需的数据驻留在时间戳和其他元数据方面未对齐的多个系统中。

该解决方案是进口时序序列实验室数据（H.₂S，NH._3.，HCl等）和过程数据（温度）。下一步是计算NH的盐沉积温度_4.HS和NH_4.CL，并比较这些值以利用安全边缘的第一原理限制。最后一步是使用偏差搜索和直方图函数来识别高风险时段，并提供风险结果的可视化。

福利包括最小化托盘，交换器和管道中的污垢损失的生产──消除了加速腐蚀的无计划的停机。从加速腐蚀的计划内停工可能会导致安全事故，并在失去的余量机会方面取得数百万美元。无计划的维护大大减少，节省了数千个，通过预测和规划一个失败事件来实现回报。

最后的话

对于这三个例子中的每一个，数据本可以使用电子表格或其他通用软件工具进行分析，但所需的工作量、复杂性和时间都太长了。对于这种替代方法，需要IT和数据科学家的帮助，由于需要协调，增加了复杂性。

这显着降低了所需的努力。它还削减了复杂性，允许炼油厂工程师和专家使用迭代过程直接与兴趣数据进行互动，要求解决这些和其他难度过程问题。