馮毅萍， 張 益， 趙久強， 榮 岡(浙江大學 控制科學與工程學院，杭州 310027)

0 引 言

隨著智能制造技術的迅猛發(fā)展，石化企業(yè)對集成優(yōu)化控制的需求日益迫切[1]。其核心是以供應鏈經(jīng)營指標為導向，通過企業(yè)級多層次閉環(huán)優(yōu)化控制實現(xiàn)對生產(chǎn)資源的優(yōu)化配置，以及對生產(chǎn)活動的優(yōu)化管控[2-4]。企業(yè)級多層次閉環(huán)管控原理如圖1所示:最內(nèi)層為裝置級控制(Process Control System,PCS)層，對生產(chǎn)工藝參數(shù)實施閉環(huán)控制；生產(chǎn)執(zhí)行(Manufacturing Executive System,MES)層通過生產(chǎn)調(diào)度、生產(chǎn)監(jiān)控、設備管理、生產(chǎn)統(tǒng)計和能源管理等功能模塊來組織生產(chǎn)，著眼于生產(chǎn)運行的優(yōu)化執(zhí)行;企業(yè)資源計劃(Enterprise Resource Planning,ERP)層根據(jù)企業(yè)資源情況及供應鏈信息，對生產(chǎn)進行長周期的計劃優(yōu)化。在企業(yè)級多層次閉環(huán)優(yōu)化系統(tǒng)中，MES層生產(chǎn)調(diào)度是連接計劃和生產(chǎn)的關鍵環(huán)節(jié)。一方面，它對來自ERP的經(jīng)營決策和產(chǎn)品生產(chǎn)計劃進行細化、分解，將生產(chǎn)計劃轉(zhuǎn)化為短周期調(diào)度作業(yè)計劃及工藝操作指令，并下達到過程控制層；另一方面，它實時監(jiān)控調(diào)度指令的執(zhí)行情況，周期性地統(tǒng)計生產(chǎn)績效指標，協(xié)調(diào)各種資源沖突，確保生產(chǎn)計劃的完成[5-6]。生產(chǎn)調(diào)度崗位在企業(yè)生產(chǎn)管理中起到了指揮中心的作用，對于調(diào)度人才的培訓是企業(yè)崗位培訓非常重要的內(nèi)容[7]。

圖1 企業(yè)級多層次閉環(huán)管控原理圖

傳統(tǒng)操作培訓仿真器(Operation Training Simulator,OTS)大多基于PCS層流程模擬軟件，為操作員培訓提供擬實的生產(chǎn)和操作環(huán)境，在國內(nèi)外石化企業(yè)得到了普遍的應用，并已被證實為行之有效的培訓工具[8-9]。為了提高培訓效率，通常把裝置運轉(zhuǎn)操作的主體部分(例如泵和汽輪機的運轉(zhuǎn)、閥門的開關等)和過程控制部分(例如CRT操作)分開進行訓練。通過DCS仿真操作畫面，學員可以實時觀察各相關設備的工作狀態(tài)，并可人為設置故障點，或改變工藝參數(shù)，觀察運行效果。OTS根據(jù)用途不同，可分為通用型仿真器、全范圍仿真器以及縮小范圍仿真器[10]。通用型仿真器不針對具體工廠，基于一般流程，通常用于初期培訓或理論教學。全范圍仿真器基于完整工業(yè)流程仿真，與現(xiàn)場擬合度高，通常用于崗位操作培訓及開停車仿真等。此類仿真器由于規(guī)模大，成本高，需要較長的建設周期。而縮小范圍仿真器則通過保留主要流程，省略次要流程的方法有效降低其開發(fā)成本，性價比較高。

隨著石化智能制造的不斷推進，過程控制相關專業(yè)的實踐課程內(nèi)容需要從原來設備操作層面提升到企業(yè)級生產(chǎn)管控運行層面，仿真實驗系統(tǒng)的功能組成、仿真引擎、培訓場景設置、培訓方式等諸多方面都需要進行相應的提升[9]。本文以企業(yè)級生產(chǎn)管控關鍵環(huán)節(jié)生產(chǎn)調(diào)度崗位為例，提出了一種生產(chǎn)調(diào)度仿真實驗系統(tǒng)，給學生演示企業(yè)級多層次閉環(huán)管控的原理、調(diào)度優(yōu)化理論與工具軟件以及實現(xiàn)優(yōu)化調(diào)度的工作流等。生產(chǎn)調(diào)度仿真系統(tǒng)需要基于企業(yè)級多層次集成仿真平臺，其難點在于構(gòu)建企業(yè)級多層次生產(chǎn)模型、復雜生產(chǎn)流程的調(diào)度優(yōu)化方法、多層次集成管控的方法、仿真引擎以及相應的仿真實驗場景[11-14]。

德國波鴻大學構(gòu)建了面向工業(yè)4.0的生產(chǎn)優(yōu)化仿真教學系統(tǒng)，通過集成商用軟硬件系統(tǒng)構(gòu)成了多層次工廠結(jié)構(gòu)，包括SAP、MES、SCADA、能源監(jiān)控、PLC、HMI等工具軟件，向本科生開展了企業(yè)級多層次管控內(nèi)容的實驗教學[15]；王強等[16]以煉油廠調(diào)度和統(tǒng)計過程為例，開發(fā)了石化企業(yè)MES實驗教學系統(tǒng)，包含裝置校正、調(diào)度平衡和統(tǒng)計平衡等業(yè)務教案；齊瑞超等[17]提出了一種用于工廠建模和仿真的4層框架及基于工廠拓撲網(wǎng)絡的建模與仿真方法，為構(gòu)建可擴展和易配置的仿真模型提供了有益的探索；鄔忠臻等[18]利用流程信息建模、數(shù)據(jù)建模以及時空聚集-映射等仿真建模策略建立了一個石化企業(yè)多層次集成仿真平臺，結(jié)合虛擬現(xiàn)實(virtual reality,VR)可視化平臺，煉油廠PCS仿真演示實驗已在1 200人次生產(chǎn)實習教學環(huán)節(jié)采用[19]。

本系統(tǒng)根據(jù)石化企業(yè)多層次生產(chǎn)的實際情況，充分分析和總結(jié)了企業(yè)生產(chǎn)調(diào)度過程中資源優(yōu)化配置、指令下達、生產(chǎn)監(jiān)控及統(tǒng)計評估等過程，構(gòu)建了包括石化企業(yè)多層次生產(chǎn)仿真模型、生產(chǎn)調(diào)度優(yōu)化模型、優(yōu)化工具及求解器、多層次調(diào)度優(yōu)化工作流模型等全流程調(diào)度仿真實驗系統(tǒng)。較好地滿足企業(yè)級生產(chǎn)調(diào)度多種復雜度實驗場景的教學培訓需求。

1 石化多層次生產(chǎn)模型形式化表達

石化業(yè)務管理層次可分為PCS、MES和ERP層，分別完成廠區(qū)監(jiān)控、操作管理到方案執(zhí)行、生產(chǎn)跟蹤及計劃優(yōu)化等功能。多層次建模通過對被建模對象實體分辨率的層次化劃分以適應不同的應用需求。石化多分辨率層次生產(chǎn)模型可以形式化表示為[21]：

MF=(R,{Mr},{Reli,j})

(1)

式中:MF為多層次生產(chǎn)模型集合;R表示生產(chǎn)加工模型的層次集合;R={0,1,2}分別表示PCS、MES和ERP層；Mr表示第r層的生產(chǎn)層次模型；Reli,j表示第i、j層生產(chǎn)模型之間的空間映射關系，通常i和j代表相鄰層次，且i,j∈R。

第r層仿真模型Mr由第r層內(nèi)的實體(生產(chǎn)設備及儲罐)、實體間的關聯(lián)及層次模型輸入輸出組成，可以表示為：

Mr=(Xr,Yr,Tr,Repr,Ur)

(2)

式中:Xr、Yr表示輸入輸出變量集合;Tr表示該層次模型的時間尺度;Repr表示該層次模型的拓撲結(jié)構(gòu)，Ur表示該層實體對象的模型集合：

Ur={Urv},v=1,2,…,nr

(3)

nr表示此層上的實體數(shù)量。以生產(chǎn)設備為例，其生產(chǎn)模型定義如下：

Urv=(Xr,v,Yr,v,Repr,v,Sr,v,Tr)

(4)

式中Xr,v、Yr,v表示生產(chǎn)設備的輸入輸出物料集合；Repr,v表示生產(chǎn)設備屬性集合，包括設備名稱、標識、類型、描述、加工能力及設計參數(shù)等；Sr,v表示生產(chǎn)設備狀態(tài)集合，包括設備存量變化、加工方案、產(chǎn)率模型、加工損失量、啟用狀態(tài)標識及操作參數(shù)等。

由式(1)～(4)構(gòu)成的模型形式化描述是石化企業(yè)多層次生產(chǎn)模型的一般化表達，通過流程信息、數(shù)據(jù)建模，以及時空聚集-映射等仿真建模策略，可搭建起3層基礎信息模型，實現(xiàn)多層次集成仿真建模。以某煉廠為基礎原型，通過對輸入輸出集及屬性參數(shù)集的具體配置可以構(gòu)建多種生產(chǎn)應用場景的仿真模型，以適應不同難度級別的培訓需求。比如式(4)中生產(chǎn)裝置的產(chǎn)率模型及能耗模型，對應低復雜度仿真，可以配置簡化線性模型。對應中級復雜度仿真，可配置非線性模型,對應高級復雜度仿真，則可以配置帶不確定性擾動的非線性模型。

2 仿真實驗系統(tǒng)的組成

仿真實驗系統(tǒng)由企業(yè)級多層次集成仿真平臺組件庫、多層次生產(chǎn)模型、仿真引擎、工廠案例、可配置的企業(yè)級調(diào)度優(yōu)化場景以及人機界面等部分組成。集成仿真平臺支持多種模擬計算引擎，包括基于機理模型和嚴格的熱力學數(shù)據(jù)的重點裝置動態(tài)過程模擬系統(tǒng)、全流程穩(wěn)態(tài)流程模擬，真實再現(xiàn)工廠操作過程的變化。仿真實驗系統(tǒng)總體組成如圖2所示。其中多層次集成仿真平臺是實驗系統(tǒng)的基礎，其核心功能組件及功能描述如表1所示。

圖2 仿真實驗系統(tǒng)組成示意圖

3 PCS層仿真

本系統(tǒng)以某煉油廠為原型，供應鏈外圍包括油田、碼頭罐、混合原油罐、進出廠邊界、產(chǎn)品罐、分銷中心、客戶端等站點，煉廠內(nèi)部生產(chǎn)環(huán)節(jié)包括常減壓、催化裂化、催化重整、芳烴抽提、加氫精制、氣體分餾、聚丙烯、延遲焦化、溶脫瀝青等裝置。原油采購包括大慶原油、阿曼原油、伊朗輕原油等多種原油，出廠成品油包括苯類、溶劑油類、汽油類、柴油類、燃料油類、化工原料類等20多種細分產(chǎn)品。PCS層工廠實體模型包括16套生產(chǎn)加工裝置，5套調(diào)和裝置，225個分匯流點，138個動態(tài)物理罐，1 745條裝置、分匯流點及物理罐的進出料側(cè)線，839條側(cè)線間移動連接，工藝過程較復雜。

仿真平臺建立了PCS層基礎模型，包含關鍵裝置的多生產(chǎn)方案機理模型、管線連接關系模型和裝置能耗模型等。常減壓蒸餾裝置及催化裂化裝置是煉油企業(yè)上游龍頭裝置，也是對煉廠產(chǎn)品結(jié)構(gòu)分布以及整體經(jīng)濟效益影響最大的裝置，針對這兩個裝置建立了半實物仿真系統(tǒng)，由精餾塔實驗裝置、DCS控制系統(tǒng)及工藝機理模型組成，可精準模擬裝置動態(tài)響應過程。

表1 多層次集成仿真平臺主要功能組件列表

學生可以進行PCS層不同工況下的多種OTS仿真培訓操作，包括①在學習基礎工藝及控制理論知識基礎上，熟悉煉油工藝流程、重點裝置生產(chǎn)控制目標、確定各類仿真初始數(shù)據(jù)。②工藝流程操作訓練(操作開始、停止，操作條件變更)，并分析仿真結(jié)果。③根據(jù)仿真過程故障報警調(diào)整操作條件，查清故障原因并改進操作技能。

本系統(tǒng)不僅關注傳統(tǒng)操作仿真培訓OTS中DCS操控、裝置啟停、報警處置等生產(chǎn)安全穩(wěn)定功能，更注重調(diào)度指令的執(zhí)行率和績效分析。PCS層仿真通過配置多組輸入指令集，可模擬輸出PCS層生產(chǎn)狀態(tài)和產(chǎn)品產(chǎn)量。在半實物仿真環(huán)境下，可直接在DCS監(jiān)控界面觀察生產(chǎn)過程歷史曲線和報表。在MES層和ERP層分別調(diào)用預設的指令集，分別推算出用調(diào)度日報表和計劃月報表表示的生產(chǎn)計劃目標值。通過調(diào)整模型可調(diào)節(jié)參數(shù)集，學生可觀察各種資源因素和操作條件對產(chǎn)量、質(zhì)量、能耗的影響，并統(tǒng)計生產(chǎn)計劃完成率。

4 生產(chǎn)調(diào)度優(yōu)化模型及求解器

生產(chǎn)調(diào)度優(yōu)化模型及求解器是計劃優(yōu)化組件及調(diào)度優(yōu)化組件的核心，本文采用混合整數(shù)線性規(guī)劃(MILP)優(yōu)化模型。

4.1 生產(chǎn)計劃優(yōu)化模型

生產(chǎn)計劃優(yōu)化決策變量通常包括在每個時間周期t∈T內(nèi)的生產(chǎn)量Pl,t以及在每個周期末的庫存水平Sl,t。以生產(chǎn)總成本最小化為例，其簡化的優(yōu)化模型為：

(5)

式中:l表示產(chǎn)品種類;dl,t表示對應產(chǎn)品l在計劃周期末的客戶需求。

4.2 生產(chǎn)調(diào)度優(yōu)化模型

通常生產(chǎn)調(diào)度優(yōu)化以生產(chǎn)加工裝置總成本最小化為目的，其優(yōu)化模型為：

(6)

式中:等號右邊各項分別表示裝置加工成本、產(chǎn)品存儲成本、管線輸送成本及切換成本，符號具體意義參見文后符號列表。與裝置物料平衡和產(chǎn)品質(zhì)量密切相關的約束條件有：

(1) 裝置產(chǎn)量生產(chǎn)平衡模型，表示裝置出料產(chǎn)品流量與進料流量、進料性質(zhì)和操作變量的關系：

QSu,s,t=fu,s(QFu,t,PFu,q,t,Vu,w,t)

(7)

其簡化形式為：

QSu,s,t=αm,u,s,t·QFu,t

(8)

(2) 產(chǎn)品質(zhì)量(物性)模型，表示裝置出料產(chǎn)品性質(zhì)與進料性質(zhì)和關鍵操作變量間的關系：

PSu,s,q,t=fu,s,q(PFu,q,t,Vu,w,t)

(9)

優(yōu)化模塊的結(jié)果包括各裝置加工量、加工方案等調(diào)度指令，可作為輸入指令下達到調(diào)度層仿真模型。當問題規(guī)模較大時，受限于優(yōu)化求解器的計算能力，優(yōu)化模型復雜度通常低于前文所述的仿真模型復雜度，通過兩者模型復雜度的不同配置，可以生動演示由于模型不一致導致的生產(chǎn)過程管控困難。

4.3 優(yōu)化求解器

文獻[20]中采用了多個文獻經(jīng)典案例，涵蓋式(5)～(9)多個決策變量，利用GAMS求解器進行了優(yōu)化工具軟件的使用培訓。隨著煉廠實例規(guī)模的擴大以及對模型精度要求的提高，調(diào)度優(yōu)化模型整型變量劇增，最終導致因規(guī)模龐大而難以求解，此時需要借助模擬仿真系統(tǒng)以及基于仿真的優(yōu)化方法來輔助煉廠的調(diào)度決策優(yōu)化[22-23]。本系統(tǒng)針對MILP問題配置有多種商用求解器，包括DICOPT、CPLEX等，通過GAMS對求解器進行集成。商用求解器對有限復雜度的調(diào)度模型，可以得到理論最優(yōu)解。生產(chǎn)調(diào)度決策器是商用求解器的重要補充，它可以補足理論解未給出的決策變量，并用調(diào)度仿真模型驗證其可行性。還可基于調(diào)度案例庫的初始解，得到某調(diào)度場景的可行解。

4.4 生產(chǎn)調(diào)度業(yè)務工作流模型

實際煉油生產(chǎn)調(diào)度涉及計劃排產(chǎn)優(yōu)化、調(diào)度優(yōu)化、工藝管理、操作指令、過程監(jiān)控、績效分析、統(tǒng)計平衡、能源管理等多個崗位，協(xié)作關系復雜。目前實際工廠生產(chǎn)調(diào)度通常采取調(diào)度人員參與的半自動優(yōu)化調(diào)度系統(tǒng)，其工作流模型如圖3所示。此工作流模型很好地展示了圖1中MES層閉環(huán)控制的過程和原理。

圖3 生產(chǎn)調(diào)度業(yè)務工作流模型

5 結(jié) 語

本文面向智能制造管控系統(tǒng)縱向集成所需的人才實踐教學需求，分析企業(yè)生產(chǎn)調(diào)度集成優(yōu)化控制仿真實驗系統(tǒng)的技術難點及定位?；谄髽I(yè)級多層次集成仿真平臺，構(gòu)建了創(chuàng)新型的石化調(diào)度優(yōu)化仿真實驗系統(tǒng)。不僅可用于石化企業(yè)調(diào)度工程師及相關專業(yè)大學生的實踐教育和培訓，也為對接傳統(tǒng)OTS提供了一種有效途徑。

符號說明

Chs,t——在時間周期t內(nèi)發(fā)生一次切換的成本

Clp,t——在時間周期t內(nèi)管線p單位流量成本

Cru,t——在時間周期t內(nèi)裝置u的固定加工成本

Ctk,t——在時間周期t罐k的存儲單位成本

Cvu,t——在時間周期t內(nèi)裝置u的單位變動加工成本

fs,t——在時間周期t內(nèi)發(fā)生切換為1，否則為0

PFu,q,t——在時間周期t裝置u的進料性質(zhì)

PSu,s,q,t——在時間周期t裝置u的出料s性質(zhì)

QFu,s′,t——在時間周期t內(nèi)裝置u出料s′的量

QFu,t——在時間周期t內(nèi)裝置u進料加工量

QFp,t——在時間周期t內(nèi)管線p流量

QSu,s,t——在時間周期t裝置u的出料s流量

Nl——管線數(shù)量

Ntm——產(chǎn)品罐的數(shù)量

Nu——裝置的總數(shù)

Nv——發(fā)生切換設備的總數(shù)

T——調(diào)度時間尺度

u——裝置的數(shù)量

Vu,w,t——在時間周期t裝置u的關鍵操作變量w值

ZT——生產(chǎn)加工裝置總成本

αm,u,s,t——在時間周期t生產(chǎn)方案為m的裝置u出料s的收率

參考文獻(References)：

[1] LI D F. Perspective for smart factory in petrochemical industry [J]. Computers and Chemical Engineering, 2016, 91(1):136-148.

[2] IGNACIO E G. Advances in mathematical programming models for enterprise-wide optimization [J]. Computers and Chemical Engineering, 2012, 47(1):2-18.

[3] VARMAV A, REKLAITIS G V,Blau, PEKNY J F. Enterprise-wide modeling & optimization—An overview of emerging research challenges and opportunities [J]. Computers and Chemical Engineering, 2007, 31(1):692-711.

[4] ZHAO H, MARIANTHI G I, Nikisha K S,etal. Integrated model of refining and petrochemical plant forenterprise-wide optimization[J]. Computers and Chemical Engineering, 2017, 97(1):194-207.

[5] IIRO H, RASMUS N, ALEXANDER H. Integration of scheduling and control—theory or practice? [J]. Computers and Chemical Engineering, 2009, 33(1): 1909-1918.

[6] JOSE M F, RUBEN R. Architecture of manufacturing scheduling systems: Literature review and an integrated proposal[J]. European Journal of Operational Research, 2010, 205(1): 237-246.

[7] IIRO H, CHRISTOS T M, Peter B,etal. Scope for industrial applications of production scheduling models and solution methods [J]. Computers and Chemical Engineering,2014, 62(1):164-193.

[8] 張志檁.操作員培訓仿真系統(tǒng)OTS應用進展[J].自動化博覽, 2010, 5(1):80-86.

[9] ULRICH T, HORST J R. Operator guidance simulator: A new power plant training tool concept[C]//IFAC Symposium on Power Plants and Power Systems Control, Kananaskis. Canada: 2006, 327-332.

[10] UDO S, CARSTEN R. DUtrain power system handler-the movement of an operator training simulator prototype towards an operational training system[J]. IFAC-Papers On Line, 2016, 49(27):170-177.

[11] RENTZOS L, MAVRIKIOS D, CHRYSSOLOURIS G. A two-way knowledge interaction in manufacturing education: The teaching factory [J]. Procedia CIRP, 2015, 32(1):31-35.

[12] ESQUEMBRE F. Facilitating the creation of virtual and remote laboratories for science and engineering education [J]. IFAC-Papers On Line, 2015, 48(29):49-58.

[13] SHOBRYS D E, WHITE D C. Planning, scheduling and control systems: why cannot they work together [J]. Computers and Chemical Engineering, 2002, 26(2): 149-160.

[14] SEBASTIAN E, IIRO H. Optimal operation: Scheduling, advanced control and their integration[J]. Computers and Chemical Engineering, 2012, 47:121-133.

[15] CLEMENS F, DOROTHEE F. Industry 4.0 learning factory for regional SMEs[J]. Procedia CIRP, 2015, 32(1):88-91.

[16] 王 強, 榮 岡, 李筧列. 石化企業(yè)MES培訓系統(tǒng)的設計與實現(xiàn) [J]. 化工自動化及儀表, 2010, 37(3): 84-90.

[17] 齊瑞超,榮 岡,馮毅萍,等. 智能工廠可配置的多層次建模方法[J]. 化工學報, 2013, 64(12):4344-4356.

[18] 鄔仲臻. 流程工業(yè)多層次集成仿真平臺研究及應用 [D]. 杭州：浙江大學, 2011.

[19] 周澤偉, 馮毅萍, 吳玉成, 等. 基于虛擬現(xiàn)實的流程工業(yè)過程模擬仿真系統(tǒng)[J]. 計算機工程與應用, 2011, 47(10):204-209.

[20] GARC A N, RUIZ-FEMENIA R, CABALLERO J A. Teaching mathematical modeling software for multiobjective optimization in chemical engineering courses [J]. Education for Chemical Engineers, 2012, 7(4): e169-e180.

[21] 馮毅萍, 榮 岡, 張奇然. 石化企業(yè)多分辨率生產(chǎn)模型的建模方法 [J]. 化工學報, 2008, 59(3): 636-645.

[22] WANG Z, LI Z, FENG Y,etal. Integrated short-term scheduling and production planning in an ethylene plant based on Lagrangian decomposition [J]. The Canadian Journal of Chemical Engineering, 2016,94(9): 1723-1739.

[23] JEFFREY D K, DANIELLE Z. Hierarchical decomposition heuristic for scheduling: Coordinated reasoning for decentralized and distributed decision-making problems [J]. Computers and Chemical Engineering, 2008, 32(1): 2684-2705.