Интеллектуальные системы управления в нефтеперерабатывающей промышленности. - Студенческий научный форум

XIV Международная студенческая научная конференция Студенческий научный форум - 2022

Интеллектуальные системы управления в нефтеперерабатывающей промышленности.

 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Введение

Нефтеперерабатывающая промышленность является отраслью с высокими требованиями к управлению производственными процессами. В наше время немаловажной проблемой является создание концепции систем управления для нефтяных компаний и предприятий.

Нефть – один из важнейших ресурсов Земли. Её добыча и переработка стали актуальными для человечества. Однако в современной обстановке стали важными задачи по добыче нефти новейшим оборудованием, а также применение очистки и переработки с минимальными потерями.

В данной работе рассматриваются интеллектуальные системы управления и их использование в нефтеперерабатывающей промышленности.

Цель реферата – создание структуры, которая будет полезной на соответствующих предприятиях.

Но для того, чтобы добиться цели работы, нужно будет учесть такие распространённые проблемы, как нестабильность спроса; ограничения, накладываемые государством и многие другие. Именно поэтому особенности каждого предприятия, которые могут принести различные риски в будущем, рассматриваются ещё на стадии проектирования.

Также трудоёмким процессом является само внедрение интеллектуальных систем управления в различные производства. В данных ситуациях начальству предприятий нужно учитывать человеческий фактор и помогать своим сотрудникам приспособиться к новым системам всеми возможными способами. Среди этих способов есть поощрение премиями, внедрение команды по обучению работы с интеллектуальными системами и другие.

Чтобы углубиться в данную тематику, изначально необходимо рассмотреть интеллектуальные системы управления отдельно от нефтеперерабатывающей промышленности.

Интеллектуальные системы

Интеллектуальные системы управления (ИСУ) являются предельным по сложности классом систем автоматизированного управления (САУ), ориентированных на приобретение, обработку и использование некоторой дополнительной информации, понимаемой как "знание". Эти системы сделаны для работы с неопределённой информацией о различных качествах объектов и их функционировании. Если уровень неточности данных очень высок, то необходимо применять новые информационные технологии, то есть разрабатывать новые принципы построения интеллектуального управления.

Интеллектуальное управление возникает там, где информация считается совокупностью данных и отношений между ними в текущей трактовке. Для осмысленного управления нужно наличие базы данных, если контекст и взаимоотношения данных постоянны. Если же суть информации достаточно сложна, а цель работы и контекст корректируются по ходу времени, то базе данных необходима реструктуризация внутренних связей. Отличительной чертой интеллектуального управления как раз можно назвать данные требования о реструктуризации, позволяющей активно взаимодействовать с информацией.

Интеллект характеризует то, как система относится к внешнему миру.

Интеллект помогает сформировать образ, который влияет на реакцию на внешние раздражители. Он используется во время взаимодействия с другими сложными системами и реорганизации внутренних связей.

Основной фактор работы интеллектуальных систем связан со знанием. Классическое управление не требует такой комплектации, так как оно не может быть разбито на данные структуры. Управление же через «образ» нуждается в существенном учёте конкретно накопленных знаний и более критично реагирует на изменения информации в процессе работы.

Интеллектуальные свойства системы "объект - управление" имеют дискретное проявление.

Учитывая определения интеллектуальности из базы данных, система может обладать данными свойствами лишь в определённое время. Если быть точнее, то интеллектуальные характеристики проявляются в моменты модификации базы знания, что по сути даёт новый контекст. При стабильной структуре эти свойства не являются необходимыми на постоянной основе.

Аппарат реструктуризации баз знания базируется на механизмах, аналогичных "функции расстановки". Для правомерного использования конечного автомата (компьютера) в составе интеллектуальной системы, теория должна рассматривать возможность построения абстрактных конструкций, реализующих невычислимые в обычном смысле объекты. [1]

Давайте рассмотрим пример схемы адаптивной интеллектуальной системы управления (Рисунок 1).

Рисунок 1 – пример адаптивной интеллектуальной системы управления

Нефтеперерабатывающая промышленность

Нефтеперерабатывающая промышленность является отраслью тяжёлой индустрии, охватывающей переработку нефти и производство нефтепродуктов.

Повышенный интерес к месторождениям нефти и её перегонке с целью получения более ценных продуктов начался в 1-й половине 19 в. В дореволюционной России переработка нефти велась по примитивной технологии; основным продуктом переработки, находившим сбыт, был керосин. Нефтеперерабатывающие предприятия сосредоточивались главным образом на Кавказе (в Баку и Грозном). На долю иностранного капитала приходилось 56% всех капиталовложений в нефтяную промышленность (1917). [2]

Сейчас же основное направление развития нефтепереработки - модернизация и реконструкция действующих нефтеперерабатывающих заводов с опережающим строительством мощностей по углублению переработки нефти, повышению качества нефтепродуктов и производству катализаторов. Таких результатов можно добиться как раз благодаря использованию интеллектуальных систем управления в производственных процессах.

Добыча и переработка нефти были и будут играть важную роль в промышленности. Им в этом помогают достижения науки, предоставляя что-то совершенно новое или оптимизируя технологические и информационные процессы.

Известные методы управления предприятиями и их автоматизации без проблем переживают внедрение новых технологий в разнообразные процессы производства и в сами обслуживающие системы. Самым передовым управлением считается то, в котором принимают участие вычислительная техника, выделяющая важные решения и управляющая большим множеством конструкций. Обратная связь позволяет держать под контролем важнейшие химические процессы производства и следить за их оптимальным протеканием.

Создание интеллектуальных систем представляет собой очень сложный процесс, включающий в себя такие пункты, как обследование производств, разработка концепции автоматизации, проектирование систем управления, техническое сопровождение, консультирование и многие другие. В концепциях должна быть структура всей интеллектуальной системы управления, всевозможные приложения и поставщики программно-технических комплексов. Также там должны присутствовать решения по построению сетевой структуры, график выполнения работ и их этапы.

Разработка и согласование проектных решений происходят на стадии технического проектирования. Этот подход позволяет создавать интеллектуальные системы управления при минимальных затратах ресурсов. Для осуществления данной задумки необходимо решить следующий комплекс задач в лабораторных бизнесс-процессах: сокращение времени проведения анализов с помощью оборудования, стандартизация и систематизация информации, обеспечение конфиденциальности, снижение трудозатрат на документооборот, максимизация пропускной способности, контроль адекватности приборов, уменьшение ввода ошибок и тому подобное.

Системы управления лабораторной информацией должны охватывать все структуры предприятия и предусматривать комплексную автоматизацию управления качеством.

Рассмотрим динамику первичной переработки нефти в России с течением времени, млн тонн (Рисунок 2), чтобы понять всю важность нефтеперерабатывающей промышленности в нашей стране.

Рисунок 2 - динамика первичной переработки нефти в России

Недостатки существующих методов автоматизации

Неустойчивая экономическая ситуация, отсутствие стабильного развития в области нефтепереработки и другие проблемы создают препятствия для роста данной промышленности и внедрения в неё информационных технологий.

Главный внешний недостаток – это колебания в сфере спроса, оказывающие влияние на использование производственных мощностей. Также приносит вред нестабильность поставок, которая зависит от цены, качества, доступности и рентабельности. Кроме того, правительственные постановления тоже накладывают ограничения на поставки продукции.

Осознание всех этих фактов приводит нефтеперерабатывающие компании к использованию аппаратно-программных комплексов поддержки управленческих решений. Они распространяются на технологии моделирования информационных процессов, инструментальные средства проектирования, методы имитационной оптимизации, контроль производительности, управление энергопотреблением и другое.

Ещё один крупный недостаток автоматизации касается переработки отходов производства. В нефтепромышленности они называются нефтешламами. Данные продукты очень опасны для людей и экологии. Состав нефтешлама может отличаться в зависимости от производства. Однако складируют эти отходы часто одинаково – в изношенных и переполненных хранилищах, которые могут находиться вблизи водоёмов. Отсутствие желания выделять нужные средства на утилизацию приводит к тому, что в этой области она становится практически неуправляемой и не имеет возможности быть автоматизированной. Это можно решить включением в технологический ряд управления и создание отчётов о данной деятельности в информационной ветви.

Идеальная модель интеллектуальной системы управления, конечно, подразумевает идеальные ситуации в процессах производства. Однако стремление к этому способствует каким-либо изменениям в лучшую сторону.

Давайте сравним количество отходов нефтепереработки (Рисунок 3) и количество переработанных отходов (Рисунок 4) в нашей стране с течением времени для осознания масштаба проблемы. [3]

Рисунок 3 - количество отходов нефтепереработки в России

Рисунок 4 - количество переработанных отходов от нефти в России

Также можно взглянуть на объединённую статистику данных измерений (Рисунок 5). [4]

Рисунок 5 – объединённая статистика

Разработка идеальной модели интеллектуальной системы

За последние десятилетия произошёл большой скачок в развитии информационных технологий. Устаревшие системы для переработки нефти сталкиваются с множеством проблем. Старые технологии снижают продуктивность и замедляют реорганизацию. По этой причине современные предприятия соревнуются в использовании новейших достижений науки, что повышает конкурентоспособность и положительно влияет на производство.

У каждого предприятия своя индивидуальная ситуация, что делает разработку какой-либо идеальной модели абстрактной без учёта частного. Однако это частное должно быть просчитано ещё на стадии проектирования. На производстве должно присутствовать стремление максимально использовать данные анализов для того, чтобы минимизировать все риски. Таким образом можно избежать проблем и в технологическом, и в экономическом, и в других планах.

В некоторых ситуациях возможно поэтапное введение реконструкции. Непринятие данных мер приведёт к большим убыткам в связи с затратами на техническое обслуживание и меньшими доходами. Главное – отразить реальный объём работ для такого обновления.

Идеальная модель должна сочетать в себе комплекс быстрого реагирования на нестандартные ситуации и адаптированную базу для слаженного действия всех служб. [5]

Главное отличие абстрактной системы от традиционной – это существенный рост показателя производительности при сокращении расходов. Новые интеллектуальные технологии помогают повысить эффективность труда пультовых операторов, инженеров СУ и специалистов ТО.

Заключение

В этой статье показано влияние интеллектуальных систем в модернизации управления в нефтеперерабатывающей промышленности. Раскрыты возможности и особенности производства нефтепродуктов. Отрасль была рассмотрена с разных сторон, что помогло сделать предположение о том, в каком направлении здесь стоит идти, чтобы добиться успеха.

Главный вывод заключается в том, что технологии и научный прогресс несут в себе только помощь для производства. Однако в процессе внедрения нужно учитывать все риски и разбираться с возможными проблемами, чтобы предприятие раскрыло весь свой потенциал.

Список литературы

История интеллектуальных систем [электронный ресурс.] URL: http://lab127.karelia.ru/~ekostq/PUBLIC/IntSrIzm_NEW/page4/page2.html (дата обращения 09.12.2021)

История нефтеперерабатывающей промышленности [электронный ресурс.] URL: https://www.booksite.ru/fulltext/1/001/008/081/476.htm (дата обращения: 09.12.2021)

Отходы нефтепереработки [электронный ресурс.] URL: http://neftehimmash-tto.ru/Neftepererabotka/othodi-neftepererabotki (дата обращения: 09.12.2021)

Сведения об образовании отходов [электронный ресурс.] URL: https://mosenergo.gazprom.ru/ecology/ehkologicheskaya-politika/svedeniya-ob-obrazovanii-otkhodo/ (дата обращения: 09.12.2021)

Сайт о проблемах автоматизации технологических процессов [электронный ресурс.] URL: https://asutp.ru/?p=600113 (дата обращения: 09.12.2021)

Просмотров работы: 65