張 睿 陳 瞭 榮 岡 馮毅萍

(工業(yè)控制技術國家重點實驗室、浙江大學智能系統(tǒng)與控制研究所，浙江 杭州 310027)

基于仿真的物料平衡系統(tǒng)測評

張 睿 陳 瞭 榮 岡 馮毅萍

(工業(yè)控制技術國家重點實驗室、浙江大學智能系統(tǒng)與控制研究所，浙江 杭州 310027)

為了更好地測評石化企業(yè)生產執(zhí)行系統(tǒng)(MES)軟件的物料平衡模塊數據校正功能，提出了一種基于仿真的數據校正結果的測評方法。該方法通過搭建仿真模型產生全廠物流過程的真值，并應用動態(tài)數據驅動方法進行模型參數的修正，即通過向仿真真值添加測量誤差生成誤差可配置的測量值，模擬現場真實的測量網絡;應用物料平衡系統(tǒng)及其內嵌數據協(xié)調算法對測量值進行數據校正得到校正值，將校正值分別與仿真真值、測量值進行對比，定量評估數據協(xié)調算法的性能。相對于僅比較校正值和測量值的原評定方法，該方法能更加精確、全面地測評數據校正算法的效果，并在某石化企業(yè)的案例中得到驗證。

生產執(zhí)行系統(tǒng)(MES) 物料平衡 數據校正 測評與改進 仿真模型

0 引言

生產執(zhí)行系統(tǒng)(manufacturing execution system，MES)通過控制包括物料、設備、人員、流程指令和設施在內的所有工廠資源來提高制造競爭力，確保整個生產行為的最優(yōu)［1］。MES的核心在于準確地跟蹤物流并及時、快速處理生產管理中的問題［2］，為生產執(zhí)行系統(tǒng)中的其他模塊或企業(yè)內其他應用系統(tǒng)提供精確的數據支撐。數據校正是MES軟件應用的重要技術之一，通過綜合集成物流數據，實現對生產信息、儲運信息和質量信息的匯總和管理。通過應用數據校正軟件，實現過失誤差檢測與數據協(xié)調計算，保證物流數據的準確性、完整性和一致性，進而支持生產統(tǒng)計、生產調度和生產計劃等各種應用［3］。

自20世紀60年代開始研究的數據校正技術，能較好地處理過程數據的缺失和誤差，降低變量隨機誤差的影響，剔除人為或者儀表故障引起的顯著誤差。但成熟的數據校正理論算法在工廠的實際應用中效果并不理想，尤其是在面對大規(guī)模全廠級問題時。這是因為生產實際的測量數據很難符合某種既定概率分布，變量協(xié)方差的獲得變得十分困難;同時規(guī)模過大的矩陣延長了求解時間，有些時變的過程連接模型更是加大了求解的難度。

為解決生產實際中的物料平衡問題，MES除了應用傳統(tǒng)數據校正算法，還普遍采取由物流平衡計算和不確定量推理規(guī)則共同組成的數據校正新算法。在針對MES層物料平衡問題中，以物流平衡計算和不確定量推理為主，傳統(tǒng)數據校正技術為輔。相應的軟件主要有Honeywell的Business.FLEX PKSTM，ASPEN Tech的 Plantelligence，Emerson、Siemens、Schneider 的 MES方案，中國石化的SMES等。

對于這類物料平衡模塊的平衡結果，企業(yè)普遍采用如下指標來評價:①平衡推量有解;②單變量協(xié)調率小于設定比率;③全廠平衡內部收益率(inner rate of return，IRR)指標;④節(jié)點殘差率(損失率);⑤進出廠量與庫存變化的差量。

式中:n為節(jié)點個數;mi為變量的測量值;ri為平衡結果。一般認為，IRR指標越小越好，即整體協(xié)調量變化不大。這種思想接近于傳統(tǒng)數據校正的最小二乘。但仔細分析可見，IRR指標并不能完整地反映平衡效果，如假設某變量測量值帶有顯著誤差，該變量的平衡結果偏離真值而接近于測量值，IRR指標相應縮小，給人平衡結果良好的錯覺;而且IRR指標很容易忽略由于系統(tǒng)缺陷而沒有檢測到的顯著誤差。

這種新數據校正技術的結果是否正確，是否足夠接近真實值，從工程化的應用軟件方面來說，無法準確定量測評。要從根本上測評結果，就需要把平衡后的數據與生產數據真值作比較，而不僅僅依靠人的經驗或者平衡結果與測量結果的距離去判斷。唯有用真值進行比對，才能知道平衡的結果是否接近真實。但不論采用何種高等級、高精度的儀表，測量數據總會帶有誤差，也就無法獲得生產真值。

仿真技術是過程系統(tǒng)工程中一門重要的技術。仿真技術在流程行業(yè)的引入，大大提升了工業(yè)設計、制造和培訓的水平。依據一定的方程關系，仿真技術對輸入或者全局變量進行驗證計算，得到真值輸出。真值的獲得，對工藝模擬、物料平衡測評至關重要。針對MES層全廠物料平衡的測評問題，本文提出在測評環(huán)節(jié)引入仿真技術，在待測評的數據校正軟件外搭建特定的符合MES測評需要的平行仿真模型(仿真計算嚴格滿足測評需要模型的各變量真值)，再對平行計算出的真值進行相應誤差化，以測試物料平衡系統(tǒng)對于測量數據的平衡性能。將平衡結果與仿真真值進行比對，構建基于真值的測評指標，可以定量分析平衡效果，是測評物料平衡系統(tǒng)工業(yè)應用的有效輔助手段。比利時學者Radermecker對CAPE-OPEN標準下的應用校正軟件進行過測試［4］，但國內仍無學者對工廠級數據工程軟件進行過基于仿真的全面測評。

1 待測評物料平衡系統(tǒng)介紹

本文測評對象為某真實石化MES物料平衡系統(tǒng)。該系統(tǒng)工作流如圖1所示。系統(tǒng)基于網絡測量層的儀表讀數和生產操作層物料移動操作，建立以班為周期的物料移動操作記錄，通過班移動操作記錄，形成一定周期內滿足標準規(guī)范的物料移動事件或移動記錄，并基于此進行顯著誤差偵破。之后，在準確解析物料移動模塊物理節(jié)點量和物理移動關系的基礎上，利用統(tǒng)一規(guī)則庫、算法庫、工廠模型和模型求解器，自動完成節(jié)點拓撲模型的動態(tài)生成和節(jié)點量平衡計算。最后，采用人機協(xié)同模式對物料進行再次修訂，達到煉化企業(yè)的調度級平衡，為生產調度提供數據支撐。

圖1 物料平衡系統(tǒng)工作流Fig.1 Workflow of material balance system

結合生產實際，測評所選擇的物料平衡系統(tǒng)選用由物流平衡計算和不確定量推理規(guī)則共同組成的新數據校正算法，取代了傳統(tǒng)的數據校正計算。不確定量推理規(guī)則包括進出廠和互供基準、儲罐庫存基準、單路優(yōu)先基準、高準確度節(jié)點基準、收方基準和裝置指標約束等。

2 仿真測評平臺的設計與實現

生產過程數據的實際真值無法獲得，使得數據平衡模塊的測評停留在依據經驗的模糊判斷水平上，缺乏精確的理論依據。如何獲得真值成為物料平衡系統(tǒng)測評的關鍵。應用準確的工廠仿真模型生成過程仿真值并取代真值是唯一有效的方法。仿真真值的應用可以對相應數據平衡模塊的測評提供有力的支撐。因此，以測評為目的，本文開發(fā)了以仿真為基礎的數據平衡軟件測評平臺。其原理為根據待測軟件的模型搭建流程完全匹配的仿真模型，并對模型的匹配性進行驗證。模型生成的仿真值即為真值，按照一定的規(guī)則給側線上的真值加以隨機誤差與顯著誤差，通過實時數據庫導入待測評物料平衡系統(tǒng)進行自動的物料平衡。最后，結合真值，通過提出新的評價指標對平衡結果進行評定和分析。物料平衡系統(tǒng)測評原理圖如圖2所示。另外，系統(tǒng)嵌入了傳統(tǒng)數據校正算法模塊，可將其輸出與系統(tǒng)輸出做進一步對比。

圖2 物料平衡系統(tǒng)測評原理圖Fig.2 Evaluating principle of material balance system

2.1 建模仿真器

流程工業(yè)基礎信息建模包括生產流程建模和基礎數據建模。Visio圖形化建模擁有良好的開放性和兼容性，所以選用圖形化建模方法進行生產流程的輔助建模［5］。模型屬性自定義配置截圖如圖3所示。其中，虛線框內為乙烯裝置配置的屬性數據。

圖3 模型屬性自定義配置Fig.3 Self-defined configuration for model attributes

在圖形化模型庫中，每個基礎設備模型按照功能需求都定義了完備的實體屬性。此外，還通過開放數據庫互連(open database connectivity，ODBC)與后臺的關系數據庫進行交互操作。對于移動關系的連接，本文利用Visio宏功能進行二次開發(fā)，建立FillMvmtProp函數，使得移動拖拽完成后，移動上下游節(jié)點信息進行自動填充，不需要人為補充。

傳統(tǒng)的數據建模是基于導入的靜態(tài)數據。然而隨著傳統(tǒng)仿真與測量技術的發(fā)展提高，傳統(tǒng)的仿真模型利用輸入早期測量的試驗數據進行模擬，其仿真結果已經偏離實際系統(tǒng)的真實行為，不能對系統(tǒng)行為作出準確的分析與預測。因此，需要對仿真系統(tǒng)進行改進，加入反映實際系統(tǒng)真實行為的外來信息，增強模型的準確度。近年來應用工程科學領域出現的動態(tài)數據驅動應用系統(tǒng)(dynamic data driven application system，DDDAS)正是為解決這類問題而生［6］。DDDAS使用模型計算結果和外部數據的差距來控制仿真模型的修正以及外部數據的選取。

在基礎數據模型的設計中，本文對I類變量和II類變量作了區(qū)分。I類變量指在工廠實際中的高精度量，一般不做調整，測量值可作為“真值”，應保證相關變量的仿真結果與實際嚴格相符。II類變量多為裝置側線，在生產實際中相應儀表精度較低或者數據缺失現象嚴重，但若建立的平行模型是準確的，則仿真真值結果經過數據協(xié)調后仍應與原仿真真值一致，否則模型必須作修改。結合生產實際及現場工程師的經驗，本文提出如圖4所示的仿真策略。

圖4 仿真策略Fig.4 Simulation tactics

模型仿真的基本原理是已知上期罐存、進廠量、罐 付出、分流點系數、裝置生產方案，求解移動、裝置進、裝置出、出廠量、罐收、當期罐存。該方法通用于大多數石化企業(yè)MES規(guī)模的仿真求解。

2.2 測量值生成

根據生產實際以及工廠核算基準，進出廠數據為法定經濟核算數據，假設其不存在誤差［7］。罐區(qū)有較高精度儀表，大部分為自動檢尺，測量數據假設不存在隨機誤差，但少數人工檢尺有可能引入顯著誤差。裝置側線的儀表精度較低，加之有可能出現的裝置泄漏或儀表故障，存在大量隨機或顯著誤差。依據以上原則，在測量值生成模塊，對裝置側線仿真真值加入±5%以內的隨機誤差。

默認情況下，隨機選取裝置側線變量數5%的側線數，并加入20% ～30%的顯著誤差。根據案例設計，一般會生成僅含有隨機誤差、獨立側線變量帶顯著誤差、關聯側線變量帶顯著誤差三種不同測量值的情況對校正軟件進行測評。

2.3 測評指標定義

由于沒有明確的評判標準，全廠IRR指標數值的大小和趨勢均不能反映系統(tǒng)校正效果的好壞。可見，唯有獲得真值，將測量值、校正值與真值通過多種評價指標進行對比、分析，才能客觀、準確地評判系統(tǒng)校正效果，并指導系統(tǒng)的改進。

本文定義如下指標［8］:

式中:Ns為仿真采樣次數;n1為正確識別的顯著誤差數;n2為顯著誤差仿真數。OP值越大，表示系統(tǒng)檢測顯著誤差的能力越強。

式中:Ns為仿真測試次數;n為節(jié)點數;ri，k為第i個變量第k次平衡結果;mi，k為第i個變量的仿真測量值;ti，k為該變量仿真真值。

IRR1描述了系統(tǒng)測量值偏離真值的平均程度，IRR1越大，則系統(tǒng)的輸入測量值平均誤差率越大。IRR2描述了系統(tǒng)平衡值偏離真值的平均程度，IRR2越大，則系統(tǒng)的平衡值平均誤差率越大。RT更好地描述了系統(tǒng)修正測量誤差的能力，RT值越小，系統(tǒng)去除誤差的性能越好。

統(tǒng)計數據證明，當系統(tǒng)測量值誤差率增大，帶顯著誤差的變量比例增大時，隨著系統(tǒng)識別、校正顯著誤差能力的下降，IRR值并沒有持續(xù)上漲，所以不可以依據IRR值的變化判斷物料平衡系統(tǒng)數據校正的效果。

3 案例分析

SMES(Sinopec-MES)是以MES集成平臺為核心，上與企業(yè)資源計劃(enterprise resource planning，ERP)層、下與生產操作優(yōu)化控制層集成，提供統(tǒng)一的數據訪問機制的、煉化一體的整體解決方案和應用系統(tǒng)。SMES采取的是“2+1”物料平衡方式，即首先在生產控制層，以裝置為界區(qū)，利用裝置投入產出歷史數據，對裝置側線原始數據進行小范圍的最小二乘的數據協(xié)調［9］。在此基礎之上開展MES層和統(tǒng)計層數據平衡。

調度層的生產平衡策略以進出廠量、罐存變化量等高精度數據協(xié)調裝置側線數據，底層裝置側線協(xié)調原始結果作為調度層側線差量分攤的比例數據參考依據。調度生產平衡的結果傳入統(tǒng)計層。

統(tǒng)計層從物料的角度，對調度層協(xié)調結果的各側線量按單物料進行全廠平衡，找出差異，指導精細化生產管理。調度層和統(tǒng)計層的平衡數據基礎來源于裝置層。這就消除了一個工廠存在多套模型而無法互用，每一層數據獨立無法通信、無法協(xié)同平衡的問題。

相比于傳統(tǒng)數據協(xié)調方法，在面對大規(guī)模問題時，不確定量推理規(guī)則能快速得到一組解，可行性和可操作性遠優(yōu)于傳統(tǒng)協(xié)調方法。在現場，工程師會將SMES系統(tǒng)ERP層的月、旬統(tǒng)計值與工廠實際報表進行對照，以判斷軟件平衡的質量。這種判斷雖然有一定的可靠性，但是失去了及時性，且不利于糾正系統(tǒng)的問題。

基于仿真的測評可以聯合現場操作進行，提高了測評的及時性和有效性。測評結果有利于指導系統(tǒng)進一步修正數據校正算法。

選取SMES3.0中某烯烴廠2011年1季度運行數據搭建仿真案例。該廠一共有8套裝置、37個罐、55個進出廠點、474條側線、237條移動、69個分匯流點。Visio圖形化建模輔助流程建模，通過提取1季度共90天物料日統(tǒng)計平衡數據，通過數據驅動的模型校正系統(tǒng)得到各裝置的投入產出模型，產率模型考慮了裝置的加工損失。

3.1 模型驗證

首先驗證仿真模型與SMES中烯烴廠模型的一致性。模型驗證時校正值誤差率分布圖如圖5所示。經過動態(tài)數據驅動系統(tǒng)的迭代修正，仿真結果帶入待評系統(tǒng)得到的誤差可以忽略不計，說明仿真模型與待評系統(tǒng)中的模型匹配，可以進行測評。

圖5 校正值誤差率分布圖Fig.5 Distribution of corrected error rate

3.2 隨機誤差處理能力測評

將帶有±2%以內隨機誤差的測量值帶入SMES系統(tǒng)中，平衡后得到平衡值。平均誤差率從3.717%下降到1.068%，測量值最大誤差率為“3#丁二烯損失虛擬出廠”的62.658%，平衡后該項校正值誤差率下降到25.712%，誤差率顯著下降，如圖6所示。

圖6 帶2%隨機誤差校正值誤差率分布圖Fig.6 Distribution of corrected value error rate with 2%random error

將產生的50組、連續(xù)7個班次、側線帶±2%以內隨機誤差的仿真測量值，送入SMES生產平衡模塊，7個班次IRR1均值為0.39，IRR2均值為0.21。側線隨機誤差平衡結果如表1所示。

表1 隨機誤差平衡結果比較Tab.1 Comparison of random error balance results

以上結果顯示，對于側線僅存在隨機誤差的情況，SMES數據校正算法的作用不是非常明顯。

3.3 獨立側線誤差處理能力測評

本文將獨立側線定義為單入/單出節(jié)點(罐、裝置或進出廠點)所對應的單獨側線。選取“1#丁二烯裝置工業(yè)用丁二烯出”側線添加35%顯著誤差，其他側線添加±2%以內的隨機誤差，平衡后得到平衡值。測試結果顯示平均誤差率從8.988%下降到0.680%，設置的顯著誤差“1#丁二烯裝置工業(yè)用丁二烯”測量值誤差率為35%，平衡值誤差率為0%，誤差消除。具體誤差率數據對比如圖7所示。

圖7 帶顯著誤差校正值誤差率分布圖Fig.7 Distribution of corrected error rate with significant error

3.4 關聯側線誤差處理能力測評

在所有側線變量上分別選取10%、15%、25%的變量個數，分別加入25%、35%、100%顯著誤差率進行測試。此時的側線變量不再全部是獨立側線，隨著顯著誤差變量數增多，關聯側線越來越多。

進行5×7=35組仿真試驗(連續(xù)7班次，每班次5組數據)。試驗結果如表2所示。

由表2可知，當顯著誤差率不變時，隨著選取添加顯著誤差的變量數量的增加，OP值減小，說明顯著誤差的識別率降低;RT值趨勢不明顯，說明去除顯著誤差的能力變化無法判斷，若要判斷，需要具體分析選取顯著誤差側線之間的關聯關系。選取相同數量的側線添加顯著誤差時，隨著顯著誤差率的增大，OP值減小，顯著誤差的識別率降低，RT值增大，系統(tǒng)去除顯著誤差的能力減弱。

然而，采用式(1)所示IRR判斷系統(tǒng)的校正能力，與本文提出的RT對比得到如圖8所示的評價指標變化趨勢圖。

表2 試驗結果Tab.2 Test results

圖8 評價指標變化趨勢Fig.8 Trend of variation of evaluation index

由圖8可以看出，隨著顯著誤差數量的增加、顯著誤差率的增大，帶顯著誤差的關聯側線數增加，系統(tǒng)排除顯著誤差的能力逐步下降，RT值始終可以正確地反映出系統(tǒng)的變化趨勢，評價系統(tǒng)的校正效果;而IRR值在一定范圍內可以正常反映系統(tǒng)的平衡效果，但誤差數增加到一定程度后，指標便失效。可見，本文引入的RT指標顯著改善了系統(tǒng)對平衡結果的判別。

4 結束語

本文結合模型管理技術、數據驅動模型修正技術，搭建了匹配待評系統(tǒng)中工廠模型的仿真模型。將仿真模型產生的真值及可配置的測量值自動推送到待評物料平衡系統(tǒng)中，并提出一套完善的評價方法，對平衡結果進行測評和分析。文章使用SMES系統(tǒng)中的烯烴廠模型作為測試案例，搭建仿真模型進行驗證，并利用其生成的測量值對SMES物料平衡系統(tǒng)數據校正算法進行了測評。同時，分別選取側線隨機誤差、單一側線顯著誤差、關聯側線顯著誤差等誤差分布形式，對待評軟件進行全方位的測評，選取多種評價指標對結果進行分析。各項結果有效地輔助了生產平衡系統(tǒng)數據校正算法的改進。

［1］褚健，榮岡.流程工業(yè)綜合自動化技術［M］.北京:機械工業(yè)出版社，2004.

［2］王化雨.數據校正技術及其在制造執(zhí)行系統(tǒng)中的應用［D］.杭州:浙江大學，2010.

［3］郭超，金曉明，榮岡.數據校正技術在流程工業(yè)企業(yè)物料平衡中的應用［J］.化工自動化及儀表，2005，32(3):39-41.

［4］ Radermecker E，Dumont M N，Heyen G.Adaptation and testing of data reconciliation software for CAPE-OPEN compliance［J］.Computer Aided Chemical Engineering，2009(26):303-308.

［5］李筧列.流程企業(yè)模型與數據管理研究［D］.杭州:浙江大學，2009.

［6］ Darema F.Dynamic data driven applications systems:a new paradigm for application simulations and measurements［C］∥Computational Science-ICCS，2004:662-669.

［7］張路恒，張平福，董天翔，等.公路進出廠計量管理在石化企業(yè)MES深化應用中的進展［J］.自動化博覽，2010(11):64-66.

［8］ Narasimhan S，Jordache C.Data reconciliation ＆ gross error detection:an intelligent use of process data［M］.Oxford，United Kingdom:Gulf Professional Publishing，2000.

［9］李德芳，蔣白樺，王宏安.石油化工行業(yè)生產執(zhí)行系統(tǒng)應用研究［J］.天津大學學報:自然科學版，2007，40(3):335-341.

Evaluating Material Balance System Based on Simulation

In order to better evalute the results of data correction function of material balance module of MES software in petrochemical enterprises，the evaluation method based on simulation for data correction results is proposed.The true values of the material processes in the whole plant are generated through establishing simulation model，and the correction of model parameters is conducted by applying dynamic driving method.Specifically，through adding measurement error on simulation true value to generate measurement with configurable error，the on-site true measurement network is emulated，by using material balance system and its embedded data coordinate algorithm，the data correction is implemented to obtain corrected value.The corrected value and emulated true value，and measurement are respectively compared to evalute the performance of data coordinate algorithm quantitatively.This method is more accurate than original evaluating method;it evaluates the effects of data correction algorithm comprehensively，and is verified in cases of certain petrochemical enterprise.

Manufacturing execution system(MES)Material balance Data correction Evaluation and improvementSimulation model

TP273

A

國家973基金資助項目(編號:2012CB720500);

國家863基金資助項目(編號:2012AA041102)。

修改稿收到日期:2012-05-29。

張睿(1987-)，女，現為浙江大學控制理論與控制工程專業(yè)在讀博士研究生;主要從事流程工業(yè)數據校正方面的研究。