Detail publikace
Optimalizace statistických procesů (PASPO) pro zlepšování procesů v rafinériích
TENG, S. HOW, B. LEONG, W. TEOH, J. CHEE, A. MOTAVASEL, R. LAM, H.
Český název
Optimalizace statistických procesů (PASPO) pro zlepšování procesů v rafinériích
Anglický název
Principal component analysis-aided statistical process optimisation (PASPO) for process improvement in industrial refineries
Typ
článek v časopise ve Web of Science, Jimp
Jazyk
en
Originální abstrakt
Integrated refineries and industrial processing plant in the real-world always face management and design difficulties to keep the processing operation lean and green. These challenges highlight the essentiality to improving product quality and yield without compromising environmental aspects. For various process system engineering application, traditional optimisation methodologies (i.e., pure mix-integer non-linear programming) can yield very precise global optimum solutions. However, for plant-wide optimisation, the generated solutions by such methods highly rely on the accuracy of the constructed model and often require an enumerate amount of process changes to be implemented in the real world. This paper solves this issue by using a special formulation of correlation-based principal component analysis (PCA) and Design of Experiment (DoE) methodologies to serve as statistical process optimisation for industrial refineries. The contribution of this work is that it provides an efficient framework for plant-wide optimisation based on plant operational data while not compromising on environmental impacts.
Český abstrakt
Větší petrochemické závody čelí v průmyslové praxi novým problémům s návrhem i efektivním řízením. Zvyšuje se totiž důraz na jejich energetickou efektivitu i ohleduplnost vůči životnímu prostředí. Tradiční optimalizační metody přináší obvykle velmi přesná řešení pro celou řadu úloh procesního inženýrství. Pro optimalizaci rozsáhlejšího průmyslového závodu však tyto metody nedostačují. Jsou totiž závislé na přesnosti navrženého modelu a v zájmu optimalizace často vyžadují nadměrné zásahy do procesu. Článek řeší tento problém pomocí speciální formulace tzv. analýzy hlavních komponent (PCA) a technikou plánovaných experimentů (DoE). Tyto postupy jsou základem statistické optimalizace procesů pro průmyslové rafinérie. Přínosem práce je popis nové efektivní metody pro optimalizaci celého závodu založenou na provozních datech a zaměřenou na ochranu životního prostředí.
Anglický abstrakt
Integrated refineries and industrial processing plant in the real-world always face management and design difficulties to keep the processing operation lean and green. These challenges highlight the essentiality to improving product quality and yield without compromising environmental aspects. For various process system engineering application, traditional optimisation methodologies (i.e., pure mix-integer non-linear programming) can yield very precise global optimum solutions. However, for plant-wide optimisation, the generated solutions by such methods highly rely on the accuracy of the constructed model and often require an enumerate amount of process changes to be implemented in the real world. This paper solves this issue by using a special formulation of correlation-based principal component analysis (PCA) and Design of Experiment (DoE) methodologies to serve as statistical process optimisation for industrial refineries. The contribution of this work is that it provides an efficient framework for plant-wide optimisation based on plant operational data while not compromising on environmental impacts.
Klíčová slova anglicky
Principal Component Analysis, Design of experiment, Plant-wide optimisation, Statistical process optimisation, PASPO, Big data analytics
Vydáno
10.07.2019
Nakladatel
Elsevier
Místo
Oxford, England
ISSN
0959-6526
Ročník
225
Číslo
1
Strany od–do
359–375
Počet stran
17
BIBTEX
@article{BUT156780,
author="Vítězslav {Máša} and Sin Yong {Teng} and Bing Shen {How} and Pavel {Kuba} and Wei Dong {Leong} and Jun Hau {Teoh} and Adrian Siang Cheah {Chee} and Roxana Zahra {Motavasel} and Lam {Hon Loong},
title="Principal component analysis-aided statistical process optimisation (PASPO) for process improvement in industrial refineries",
year="2019",
volume="225",
number="1",
month="July",
pages="359--375",
publisher="Elsevier",
address="Oxford, England",
issn="0959-6526"
}