Обзор методов повышения надежности автоматизированных систем управления установки изомеризации

В современном мире автоматизированные системы управления играют важную роль в различных отраслях промышленности, включая нефтегазовую промышленность. Одним из ключевых процессов в данной отрасли является процесс изомеризации, который используется для преобразования углеводородных смесей с целью повышения их октанового числа. В условиях такой сложной технологической цепочки повышение надежности автоматизированных систем управления установок изомеризации становится критически важным. Для этого применяются современные методы и технологии, которые направлены на минимизацию рисков возникновения отказов и сбоев в работе системы, а также на обеспечение бесперебойной и эффективной работы процесса изомеризации.

В данной статье будут рассмотрены современные способы повышения надежности автоматизированных систем управления установок изомеризации, которые помогают обеспечить стабильную и безопасную работу данного технологического процесса. У становки изомеризации имеют большое значение в химической и нефтеперерабатывающей промышленности, а также в производстве топлива и химических веществ. В частности, изомеризация используется для улучшения качества и свойств топлива, такого как бензин, используется в производстве различных химических веществ, например, пластмассы и полимеров. Кроме того, развитие методов изомеризации способствует разработке новых катализаторов, процессов и технологий, что может привести к повышению производительности и снижению затрат в различных отраслях экономики. Это в свою очередь может способствовать росту экономики и обеспечению высоких технологических стандартов в производстве.

Описание технологической схемы установки изомеризации

1.1. Резервирование системы

Метод резервирования основан на очевидной идее замены вышедшего из строя элемента исправным, находящимся в резерве. Однако реализация этой идеи часто становится довольно сложной, если необходимо обеспечить минимальное время перехода в резерв и минимальную стоимость оборудования при заданной вероятности безотказной работы в течение определенного времени (наработки)[5].

Чтобы заменить вышедший из строя элемент, достаточно иметь на складе резервный (запасной) элемент. Однако продолжительность ручной замены составляет единицы часов, что неприемлемо долго для многих систем автоматизации. Использование контроллеров и модулей ввода-вывода со съемными клеммными разъемами и с возможностью "горячей" замены позволяет сократить время вынужденного простоя при условии наличия усовершенствованной системы диагностики неисправностей. Для обеспечения "горячей" замены необходимо обеспечить следующее:

• защита от статического электричества, которое может возникнуть на теле оператора, выполняющего замену устройства;

• необходимая последовательность питающих напряжений и внешних сигналов (для этого, например, используются разъемы с контактами разной длины и секвенсоры внутри устройства);

• защита системы от скачков тока, вызванных зарядкой емкостей подключенного устройства, например, с помощью токоограничивающих резисторов или отдельного источника питания;

• защита устройства от перенапряжения, короткого замыкания, обратной полярности, перенапряжения, неправильного подключения.

Кроме того, для обеспечения "горячей" замены программируемые устройства должны быть предварительно запрограммированы, в сетевые устройства должен быть записан правильный адрес и предусмотрена подсистема автоматической регистрации нового и исключения старого устройства из сети, а также "безударный" режим смены контроллера или ввода-вывода [1,9].

Если резервный элемент является частью системы (а не, скажем, на складе), то это относится к резервным системам с ручной заменой вышедшего из строя элемента.

1.2. Использование диагностики и прогнозирования

Статистические методы прогнозирования.

В методологическом плане основным инструментом любого прогноза является схема экстраполяции. Суть экстраполяции заключается в изучении устойчивых тенденций развития объекта прогнозирования в прошлом и переносе их в будущее. Основой методов экстраполяционного прогнозирования является изучение эмпирических рядов. Эмпирический ряд - это набор наблюдений, полученных последовательно с течением времени.

В статистическом прогнозировании широко используется метод математической экстраполяции, который в математическом смысле означает распространение закона изменения функции из области ее наблюдения на область, лежащую за пределами сегмента наблюдения. Функция представляет собой простую математико-статистическую модель, отражающую зависимость объекта прогнозирования (статистического показателя) от влияющих на него факторов. В качестве факторов могут выступать различные показатели, а также время (номер периода) (в дальнейшем мы будем опираться на эту базу при описании поведения конкретных информационных систем - ред.). Зависимости могут быть однофакторными {y = f(x)} и многофакторными {y = f(x1, x2, ...., xn)} [4].

В этой статье внимание будет уделено функциям с однофакторной зависимостью из-за вводного характера материала и, что более важно, из-за однофакторной природы многих моделей прогнозирования поведения АС (зависимость любого параметра от времени).

Основным этапом экстраполяции тренда (зависимости функции от времени) является выбор оптимального типа функции, описывающей эмпирический ряд. Распространенным методом экстраполяции тренда является метод сопоставления функций. Для этого проводится предварительная обработка и преобразование исходных данных, чтобы облегчить выбор типа зависимости путем сглаживания и выравнивания временных рядов с помощью цифровых фильтров. Основные статистические методы перечислены ниже:

1) Метод скользящего среднего

2) Метод медианной обработки

3) Метод наименьших квадратов

Общий метод для нелинейной модели

Общий метод для всех моделей

Методология автоматизированного прогнозирования в АС

Автоматизация прогнозирования сводится к алгоритмизации конкретной задачи. Рассмотрим общий алгоритм прогнозирования.

Первым шагом является сбор данных для дальнейшего анализа, и в процессе сбора данных необходимо рассчитать оптимальный размер окна. Окно представляет собой выбранный сегмент в ряду значений. Это необходимо для промежуточных расчетов (чтобы выявить какие-либо тенденции в значениях наблюдаемого параметра и локализовать входные данные для последующего анализа). В классическом случае выбор размера окна подбирается "на глаз", но в рамках данной методики предлагается автоматизировать этот выбор. Сравнение расхождения между обработанным рядом и рядом исходных значений позволяет выбрать оптимальный размер окна анализируемого ряда. Далее, на основе методов фильтрации скользящего среднего и медианы, проводится анализ рядов внутри окна, и если есть отклонения по интервалам допустимых значений (что также определяется заранее на этапе определения окна), то применяется метод наименьших квадратов (МНК). выбран в качестве основного метода обработки. В любом другом случае математическая модель строится на основе методов скользящего среднего и медианы [6].

Не менее важным шагом в процессе прогнозирования сложных рядов является также выбор математической и статистической модели для оценки коэффициентов OLS, которая может быть выбрана аналитически на основе геометрической интерпретации или на основе серии вычислений с последующим анализом расхождений между значениями исходных предсказанные и обработанные ряды.

После получения прогноза его анализ и модификация осуществляются в режиме "реального времени", поскольку с истечением времени эмпирический ряд расширяется. Корректировка прогноза и плана осуществляется на основе уже проверенных данных, поступающих в систему. В будущем предполагается, что в подсистеме настройки появятся отрицательные и положительные связи.

Описанный выше алгоритм прогнозирования может стать основой для построения систем прогнозирования поведения других автоматизированных систем управления или информационных систем. Все упомянутые в этом материале методы получения прогноза представляют собой математический аппарат, который может быть перенесен в АС [3].

1.3. Принципы обеспечения программной надёжности АСУ

Построение надежных автоматизированных систем управления включает в себя комплекс мер, направленных на защиту от случайных или преднамеренных воздействий, которые могут привести к нарушению запрограммированного процесса управления.

Комплекс мер состоит из:

-правовых норм;

- морально-этических стандартов;

- административных и организационных мер;

- программного и аппаратного обеспечения.

1. Правовые нормы основаны на законах, указах и подзаконных актах, регулирующих правила обращения с информацией и определяющих меру ответственности за их нарушение.

2. Морально-этические нормы характеризуют нормы поведения обслуживающего персонала, которые традиционно сложились в данном обществе.

3. Административные и организационные меры связаны с подбором и обучением обслуживающего персонала, контролем доступа, организацией хранения, учета и использования документации (информации), организацией кадрового контроля, физическим ограничением передвижения персонала в пределах данного предприятия (кодовые замки, запирающие устройства и т.д.).

4. Программное и аппаратное обеспечение (PTS) связано с

-шифрование информации;

-идентификация (распознавание и аутентификация) пользователей

автоматизированной системы управления;

-контроль целостности информации;

-регистрация и анализ событий в автоматизированной системе управления.

Первые операционные системы персональных компьютеров (MS-DOS, Windows версий до 3.1 включительно) не имели собственных программно-технических средств защиты. Операционные системы Windows NT и Windows 2000 уже имеют программную и аппаратную защиту [2].

Заключение