炭化水素製造施設を操作する方法およびシステム
炭化水素または化学製品を製造する施設を操作するシステムおよび方法において、該施設を数学的にモデル化し；線形および非線形のソルバーを用いて該数学モデルを最適化し；該最適解に基づいて一つまたはそれ以上の製品に対する処方または操作設定点を生成させるシステムおよび方法。一具体化例においては、該数学モデルはさらにプロセス変数および対応する係数を有する多数のプロセス方程式を含んで成り、好ましくは該プロセス変数および対応する係数を使用して線形プログラムの中にマトリックスをつくる。線形プログラムは回帰法または分配回帰法によって実行することができる。逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を線形ソルバーにより、また非線形ソルバーにより計算し、プロセス変数および対応する係数に対する修正値をマトリックスの中に代入する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は炭化水素製造施設を操作する方法およびシステムに関する。特に本発明は線形ソルバーおよび非線形ソルバーのシステムを含んで成るコンピュータ化されたプロセス・シミュレーターを使用する炭化水素製造施設を操作する方法およびシステムに関する。
【背景技術】
【０００２】
炭化水素製造施設は典型的にはガソリン、ディーゼル油、およびアスファルトのような所望の製品を製造するための多数の統合され制御された化学的および／または精製プロセスから成っている。プロセス変数、例えば供給原料の組成；多種多様な処理ユニットおよび装置：操作変数、例えば加工速度、温度、圧力等；製品の規格；市場での制約、例えば有用性および製品の価格；機械的な制約；輸送または貯蔵の際の制約；天候条件；等の要因が多数存在するため、このような統合されたプロセスを効果的に制御し最適化するうえで困難が生じる。例えば、供給原料の組成、例えば石油精製施設に供給される粗製原料油の硫黄含量は、供給するパイプラインまたはタンカーが一つのものから次のものに変わることにより変動する可能性がある。多くの場合精製された製品中の硫黄の量は限定されているとしても、粗製供給油中の硫黄含量の変動は、統合された工程の全体としての収益性を最適化しながら、低硫黄含量のディーゼル油のような適切な製品を製造し配合する上で困難を生じる可能性がある。従って、所望の製品を製造し収益性を最大にする上において精製工程の制御および最適化は重要である。
【０００３】
精製工程の制御は典型的には既知のプロセス制御パラメータ、例えばしばしば高度に自動化されコンピュータ化された複雑なプロセス操作および制御技術によって実現される物質およびエネルギーの収支によって達成される。しかし多くの場合、制御の設定は所望の製品を製造し同時に最大の収益性が得られるようには最適化されていない。その結果、これまで炭化水素の製造工程に対して種々の最適化の技術および図式が適用されてきた。一般に最適化は、既知の関係式および拘束条件、例えば物質とエネルギーの収支、系の動力学等に基づいて或る与えられたプロセスに対し先ず数学的なモデルをつくるかそのシミュレーションを行ない、次いでその数学モデルを解いて１個またはそれ以上の所望の変数を最適化し、典型的には工程の最大の収益性を得るようにコンピュータ・シミュレーションによって達成される。上記のような多数のプロセス変数が与えられた場合、このような数学モデルは非常に大きく且つ複雑になる可能性がある。
【０００４】
プロセスモデルは典型的には二つの範疇に分けることができる。これは両方とも科学的方法の原理、即ち或る一つの現象またはいくつかのグループの現象を観察して記述し、その現象を説明する仮説を組み立て、その仮説を用いて他の現象の存在を予測するか、或いは新しい観測結果を定量的に予測し、幾人かの独立した実験者によって適切に行われた実験によりその予測を実験的に試験することを含む原理に基づいている。第１の範疇は統計に基づいたモデル、例えばデータの多重回帰（多変数）を使用するモデルである。或る曲線（関数）にデータを当てはめる場合、回帰法（ｒｅｇｒｅｓｓｉｏｎ）は、係数、例えばラインと呼ばれる曲線に対する傾斜および切片を変化させることによって、予測した曲線に沿ったデータに対する実際のデータの誤差を最小にする技術である。下記に説明する再帰法（ｒｅｃｕｒｓｉｏｎ）はこれと似ているが、ただ一つの式に対する方法ではなく、一組の式を用いる方法である。第２の範疇は第１原理に基づくモデル、例えば化学熱力学および／または動力学に関して現在認められている法則および理論を用いる方法である。
【０００５】
統計モデルは、実際のプロセスを表すデータの組について現在認められている統計的方法を用いて開発された数学的関係（関数）または論理（もし〜ならば、それで（ｉｆ ｔｈｅｎ）的な表現）として定義することができる。一般に、統計的モデルは資源集約性が大きい傾向がある。何故ならば、これらの方法はプロセスから集められる実際のデータに基づいているからである。例えば統計モデルは、プロセスの試験と実行或いは実験計画のデータに基づいているが、これらを集めるためには多くの労力および実験施設の両方を集約しなければならず、典型的にはそのままでは自動化できない。或いはまた統計モデルはプロセスの日毎の操作収率に基づくこともあり、自動化してデータ源として予算化された日常的な実験室での試料を使用することもできるが、依然として統計的な解析が必要である。
【０００６】
第１原理のモデルは現在認められている科学的な理論または法則（関係および論理）を用いる数学的な関係または論理として定義することができ、この場合これらの理論および法則は実験的な試験を繰り返すことによって既に証明されたものである。第１原理のモデルは典型的には統計モデルに比べて不一致が少ないが、依然として第１原理のモデルは次のような簡単化された式によって示されるように調整されなければならない。
【０００７】
従属変数＝Ａ＊（第１原理モデル）＋Ｂ
ここでＡおよびＢは、体系的な誤差を補正するためにこのモデルが一層うまく現在の操作条件に近似するように調節される係数である。
【０００８】
ひとたびモデルの範疇が選ばれ（即ち統計モデルか第１原理モデルか）、モデル化すべき与えられたプロセスに付随した多くの変数に基づきこのモデルが開発されると、所望の目的を達成するためにこのモデルを解く方法（或る場合にはソルバー（ｓｏｌｖｅｒ）または最適化法と呼ばれる）を使用しなければならない。前述のように、明白で最も普通に行われるビジネスの目的は収益性を最大にすることである。しかし、目的は二つ以上存在することができ、例えばプロセスの操作または顧客の製品に対する規格に対する規制的な要求に合致させる必要がある。このような目的はこのモデルに関する拘束条件と呼ばれる。またプロセスの装置等の技術的な設計の基準に基づく技術的な制約も存在する。従って、多数のビジネスの目的または技術的な制約が存在する場合、このような目的は典型的には収益性を最大にするという主要な目的に対する拘束条件になる。与えられた拘束条件下において収益性を最大にするためにモデルを解くことに関しては、図１に示されているように多くの選択肢が採られる。これはＮＥＯＳ Ｇｕｉｄｅの最適化の木（ツリー）（参照番号２００）として知られており、Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｎｅｒｇｙ − Ａｒｇｏｎｎｅ Ｎａｔｉｏｎａｌ ＬａｂとＮｏｒｔｈｗｅｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙによるものでｗｏｒｌｄ ｗｉｄｅ ｗｅｂから入手できる。図１から分かるように、数学的なソルバーは離散的なソルバー２１０および連続的なソルバー２２０に分類することができ、連続的なソルバーはさらに非拘束的なソルバー２２５または拘束的なソルバー２３０に細分される。上記のように拘束条件が与えられた場合、プロセス・シミュレーターに使用される典型的なソルバーは連続的且つ拘束的なソルバー、例えば拘束された線形プログラム２３５または拘束された非線形プログラム２４０として知られているソルバーである。
【０００９】
線形プログラムは、０でない有限の数の線形方程式および線形不等式（或るベクトルに関し）を仮定し、線形関数（同じベクトルに関し）を最大または最小にする問題を提示する。即ち、線形プログラム（ＬＰ）は次のように表わすことができる問題である（いわゆる標準形）：
Ａｘ ＝ ｂ
ｘ ≧ ０
を条件として
ｃｘ を最小にせよ。
ここでｘは解を見出だすべきベクトルであり、Ａは既知の係数をもつマトリックス、ｃおよびｂは既知係数のベクトルである。表現ｃｘは目的関数と呼ばれ、式Ａｘ＝ｂは拘束条件と呼ばれる。勿論すべての項目は矛盾しない次元をもっていなければならず、必要に応じ記号は移項することができる。マトリックスＡは一般に正方行列ではなく、従って単にＡの逆行列をつくるだけではＬＰの解は得られない。Ａは列の数の方が行の数よりも多く、従ってＡｘ＝ｂは極めて多くの場合不定であり、ｃｘを最小化するｘの選択には大きな許容度が残されている。また線形プログラムは最小化の場合と全く同じ容易さで最大化の問題を取り扱うことができる（実際にはベクトルｃに−１を乗じる）。
【００１０】
非線形プログラム（ＮＬＰ）は次の形に書くことができる問題である。
【００１１】
ｇｉ（ｘ）＝ ０ ｉ＝１，．．．，ｍｌ、ここで ｍｌ ≧ ０
ｈｊ（ｘ）≧ ０ ｊ＝ｍｌ＋１，．．．，ｍ、ここで ｍ ≧ ｍｌ
を条件として
Ｆ（ｘ）を最小にせよ。
【００１２】
即ち、いくつかの変数（ここでｘはベクトル）をもつスカラー値の関数Ｆが一つ存在し、これらの変数の値を限定または定義する役目をする一つまたはそれ以上のこのような他の関数を条件として（恐らく）、関数Ｆを最小にする問題である。Ｆは目的関数と呼ばれ、種々の他の関数は拘束条件と呼ばれる。最大化はＦに−１を乗じることによって達成される。
【００１３】
期待されるように、線形ソルバーを使用してモデルを解く際、モデル化されたプロセスが非線形の挙動を示す場合には誤差が起こる可能性がある。さらに、非線形ソルバーがモデルに対する解に収束するには多大の時間がかかり、特にモデルの中に含まれるプロセス変数に対する初期値または推定値が実際の収束解から遠く離れており、解に達するまで多数の繰り返し計算または再帰計算過程（ｒｅｃｕｒｓｉｏｎ ｐａｓｓ）を必要とする場合はそうである。本発明は、線形および非線形の両方のプロセスの挙動に対し正確なシミュレーションを行うことにより炭化水素製造設備の操作を最適化し、同時に迅速に解へ収束する方法およびシステムに対する必要を提示するものである。
【発明の開示】
【００１４】
本発明の概要
本発明によれば、炭化水素または化学製品を製造する施設を操作する方法において、該施設を数学的にモデル化し；線形および非線形のソルバーを用いて該数学モデルを最適化し；該最適解に基づいて一つまたはそれ以上の製品に対する処方または操作設定点を生成させる方法が提供される。一具体化例においては、該数学モデルはさらにプロセス変数および対応する係数を有する多数のプロセス方程式を含んで成り、好ましくは該プロセス変数および対応する係数を使用して線形プログラムの中におけるマトリックスをつくる。線形プログラムは回帰法または分配回帰法によって実行することができる。逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を線形ソルバーにより、また非線形ソルバーにより計算し、プロセス変数および対応する係数に対する修正値をマトリックスの中に代入する。現在の再帰計算過程に対し線形プログラムによって計算されたプロセス変数および対応する係数についての修正値が、直前の再帰過程に対する対応する値と比較した場合、或る与えられた許容範囲に入るまで回帰計算が続けられる。一具体化例においては、製造施設は石油精製施設、または粗製物の蒸溜、炭化水素の蒸溜、改質、芳香族の抽出、トルエンの不均化、溶媒による脱アスファルト、流動触媒クラッキング（ＦＣＣ）、ガス油の水素化、蒸溜生成物の水素化、異性化、硫酸のアルキル化、および熱電併給（電気−熱同時発生、ｃｏｇｅｎｅｒａｔｉｏｎ）操作のような該施設のユニットであり、これらに対し非線形ソルバーによりシミュレーションを行う。一具体化例においては、生成される処方は、水素、燃料ガス、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品に対する処方である。
【００１５】
また本発明においては、炭化水素または化学製品の製造施設を操作するコンピュータ化されたシステムにおいて、該システムは該施設の数学モデルをつくることを主目的とすコンピュータを含んで成り、該コンピュータは線形および非線形のソルバーを組み合わせて実行することにより該数学モデルを最適化し、最適解に基づいて製品に対する一つまたはそれ以上の処方を生成するシステムが提供される。一具体化例においては、該コンピュータは製造施設の内部においてインターフェースによりプロセス・コントローラーと接続され、最適解に基づいて設定点を与える。他の具体化例においては、水素、燃料ガス、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品を製造するために、石油精製施設の内部で該コンピュータは製品配合システムを制御する。
【００１６】
好適具体化例の詳細な説明
次に添付図面を参照して本発明の好適具体化例をさらに詳細に説明する。
【００１７】
本発明は任意の炭化水素製造施設、例えば石油精製工場、化学工場等に適用することができる。計算システム上に施設または工場のモデル（時にはシミュレーターと呼ばれる）がつくられて最適化すべき全体のプロセスを表わすが、このようなモデルは連絡のために互いに操作的に連結された任意の数の適当なプログラミング層またはモデル・コンポーネント（しばしば製造工程の内部の別々の処理ユニットに対応する）、例えばサイト・モデル、サブモデル等を含んで成っていることができる。プロセス技術者は典型的には製造施設の実世界における性能の正確なシミュレーションを行うためにこのようなモデルをつくることに従事している。モデル・コンポーネントは好ましくはオブゼクト指向プログラミング法またはプログラミング技術、例えばイベント、メソッド、コール等によって操作的に連結されたコンピュータ・プログラムまたはアプリケーションを含んで成っている。本発明を実装する際の適切なコンピュータ言語はＣ＋＋、Ｃ＃、Ｊａｖａ、Ｖｉｓｕａｌ Ｂａｓｉｃ ｆｏｒ Ａｐｐｌｉｃａｔｉｏｎ（ＶＢＡ）、Ｎｅｔ、Ｆｏｒｔｒａｎ等を含んでいる。適当なオブゼクト指向技術には、オブゼクト・リンキング・アンド・エンベッディング（ｏｂｊｅｃｔ ｌｉｎｋｉｎｇ ａｎｄ ｅｍｂｅｄｄｉｎｇ）（ＯＬＥ）、コンポーネント・オブゼクト・モデル（ｃｏｍｐｏｎｅｎｔ ｏｂｊｅｃｔ ｍｏｄｅｌｓ）（ＣＯＭ、ＣＯＭ＋、ＤＬＬ）、アクティブＸデータ・オブゼクト（ａｃｔｉｖｅ Ｘ ｄａｔａ ｏｂｊｅｃｔｓ）（ＡＤＯ）、データ・アクセス・オブゼクト（ｄａｔａ ａｃｃｅｓｓ ｏｂｊｅｃｔｓ）（ＤＡＯ）、メタ言語（ＸＭＬ）等が含まれる。本発明に用いられる適当な計算プラットフォームはＷｉｎｄｏｗｓ ＸＰ、ＯＳＸ等を含んでいる。
【００１８】
図２は炭化水素製造施設の一つのモデルのブロック図であり、この施設はＴｅｘａｓ Ｇｕｌｆ ＣｏａｓｔにあるＡｔｏｆｉｎａ Ｐｅｔｒｏｃｈｅｍｉｃａｌ， Ｉｎｃ．のＰｏｒｔ Ａｒｔｈｕｒ Ｒｅｆｉｎｅｒｙのものである。炭化水素製造施設は典型的には多数の分離した処理ユニットを含んで成り、これが組み合わされて全体の製造施設になっている。複数工場モデル３００はいくつかの操作的に連結されたサブモデルを含んで成り、これらのサブモデルは精製施設の内部で特定の処理ユニットをモデル化するのに使用される。複数工場モデル３００は精製施設のサイトモデル３０５および水蒸気クラッキング装置のサイトモデル３１０を含んで成り、これらのモデルは例えば矢印３０７および３０９によって示されるデータ交換によって連絡のために互いに操作的に連結されている。精製施設のサイトモデル３０５は典型的な精油処理ユニット、例えば粗製原料ユニット、改質、芳香族抽出、溶媒による脱アスファルト、流動触媒クラッキング（ＦＣＣ）、ガス油の水素化処理、溜出物の水素化処理、異性化、硫酸によるアルキル化、熱電併給システム（コゼネレーション）等の施設をモデル化するのに使用される。水蒸気クラッキング装置のサイトモデル３１０は、ナフサの水蒸気クラッキングを行ってエチレンおよびプロピレンを製造するための供給原料をつくる工程のモデル化を行うのに使用される。サイトモデル３０５および３１０は好ましくは線形プログラムであり、さらに好ましくはプロセス・インダストリー・モデリング・システム（ｐｒｏｃｅｓｓ ｉｎｄｕｓｔｒｙ ｍｏｄｅｌｌｉｎｇ ｓｙｓｔｅｍ）（ＰＩＭＳ）、例えばＡｓｐｅｎ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｃ．から市販されているＡｓｐｅｎ ＰＩＭＳＴＭ Ｌｉｎｅａｒ Ｐｒｏｇｒａｍ ｍｏｄｅｌ、またはＨａｖｅｒｌｙ Ｓｙｓｔｅｍｓ，Ｉｎｃ．から市販されているＧＲＴＭＰＳである。ここではこれらの各々は一緒にしてＰＩＭＳ−ＬＰと呼ぶことにする。ＰＩＭＳ−ＬＰはその下位の線形ソルバーであるＣＰＬＥＸ（Ｒ）またはＸＰＲＥＳＳ（Ｒ）のいずれかを使用し、回帰または分配回帰の機能またはそれと同様な機能（非線形機能）を与え、線形ソルバーの中で計算が少なくとも１回行なわれた後、ＰＩＭＩＳ−ＳＩとして知られているシミュレーターのインターフェース（ＳＩ）を介して下位の線形プログラムのマトリックスに使用者がアクセスできるようになっている。
【００１９】
サイトモデルはさらに例えば上記に説明したような特定のユニットに関連した操作的に連結されたサブモデルを含んで成り、このようなサブモデルは任意の範疇（即ち第１原理または統計的な範疇）に属し、任意の適当なソルバー（例えば線形、非線形等）を使用することができる。例えば精製施設のサイトモデル３０５はさらにＵＯＰ ＤＥＭＥＸ Ｐｒｏｃｅｓｓ Ｕｎｉｔ（アスファルトを製造するための脱金属抽出ユニット、また溶媒による脱アスファルト・ユニットとも呼ばれる）シミュレーター３１５は矢印３１７および３１９によって示されているように連絡のために精製施設のＬＰと操作的に連結されており、矢印３２２および３２４で示されるようにＴＤＰ−ＢＴＸ（トルエン不均化反応器およびベンゼン、トルエンおよびキシレンの精溜器）シミュレーター３２０は連絡のために精製施設のＬＰに操作的に連結されている。ＵＯＰ ＤＥＭＥＸ Ｐｒｏｃｅｓｓ Ｕｎｉｔのシミュレーター３１５は、好ましくはＭｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎ製のＥＸＣＥＬのようなスプレッドシートを実装し、ＵＯＰ ＤＥＭＥＸ Ｐｒｏｃｅｓｓ Ｕｎｉｔから入手できる試験−実行データに基づく非線形ソルバーを用いる統計的な多重回帰モデルであることが好ましい。ＴＤＰ−ＢＴＸシミュレーター３２０は好ましくは非線形ソルバーを使用する第１原理のモデルであり、もっと好ましくはＳｉｍＳｃｉから入手できるＰＲＯ／ＩＩ（Ｒ）である。水蒸気クラッキング装置サブモデル３１０はさらに水蒸気クラッキング装置の加熱器のシミュレーター３２５を含んでおり、これは矢印３２７および３２９で示されるように連絡のために水蒸気クラッキング装置のＬＰに操作的に連結されており、該シミュレーターは好ましくは第１原理によるＴｅｃｈｎｉｐ−Ｃｏｆｌｅｘｉｐから市販されているＳＰＹＲＯ（Ｒ）である。図２には示されていないが、例えばＦＣＣ、改質装置、およびガス油水素化装置のような装置に対しては、さらに他のサブモデル、好ましくはＫＢＣ Ａｄｖａｎｃｅ Ｔｅｃｈｎｏｌｏｇｙから入手できるＰｒｏｆｉｍａｔｉｃｓ、Ｈｙｐｒｏｔｅｃｈから入手できるＨＹＳＹＳまたは他の適当な市販のシミュレーターを用いることもできる。
【００２０】
本発明の一具体化例は３層のシステムを含んで成り、この場合、非線形モデルのコンポーネントを使用してユニット・レベルにおける挙動をモデル化し（即ち、ユニット・レベルおよび製品の配合操作を最適化し）、線形モデルのコンポーネントを使用して工場レベルをモデル化し（即ち工場レベルの操作を最適化し）、さらにこれらの線形モデルは施設レベルにおける工場の間の挙動の重なりをモデル化する（即ち複数工場施設に対する統合製造プロセスを全体的に最適化する）ために連結されている。時宜を得た方法で拘束条件下において収益を最大にする正確な解を得るために、ここに記載されたようにＬＰ法をＮＬＰ法と組み合わせると、使用者は時宜を得た正確な解を同時に得ることができる利点が見出だされている。ＬＰ法は典型的には、コストおよび材料の経路を迅速に記述できる（全体的な重なり合い）が、局所的なユニット・プロセスの操作（局所的な相互作用）を時間的に記述するのは困難である。ＮＬＰ法は典型的にはプロセスを一層正確に反映できるが、速度が犠牲にされる。
【００２１】
再帰法および分配再帰（Ｄｉｓｔｒｉｂｕｔｉｖｅ Ｒｅｃｕｒｓｉｏｎ）（ＤＲ）法は、異なった最適化法を結合して解を得る際のモデルの中の不正確なデータを改善するために開発された方法である。再帰法はモデルの解を求め、外部プログラムを使用して最適解を検査し、物理的性質のデータを計算し、計算されたデータを用いてモデルを修正し、再びそのモデルの解を求める方法である。計算されたデータの変化が規定された許容度の範囲内に入るまでこの方法を繰り返す。簡単な再帰法では、使用者の推測値と外部コンピュータ・プログラムで計算された最適解の値の差を修正し、再び最適化する。
【００２２】
分配再帰（ＤＲ）法のモデル構造では、ＬＰの解の外側からＬＰマトリックスの内側へと誤差の計算を移し、これによって連結された上手および下手のプロセス変数に対する誤差を視覚化する。初期的な物理的性質の推定値または推測値を用いて現在のマトリックスを解いた後、その解から新しい値を計算し、他のＬＰの解の中に挿入する。ＤＲと簡単な再帰法との主な相違は、「誤差」と呼ばれる推測値と暫定的な解との間の差の取り扱いである。使用者がＬＰモデルの中の再帰プールの物理的性質を推測する際、典型的には使用者が正しくない推測をするために誤差が生じる。しかしＤＲ再帰モデルでは、材料の上手の製造者は下手の製造者の要求を知っており、逆もまたそうである。そのためＤＲモデルでは、製造コストとモデル化された全体的な施設またはプロセスの一層完全な設計像との間に経済的な釣り合いをとることができる。
【００２３】
上記に説明したように、一つまたは組み合わせられた最適化の方法を使用し、原料油を精製した製品または化学的な供給原料または化学製品に変える場合において最大の収益を見出だすことができる。しかし、ＬＰおよびＮＬＰの両方の最適化法を組み合わせて使用すると、時宜を得た方法で許容される品質の炭化水素製品を製造するための処方が得られる利点があることが見出だされている。この場合ＮＬＰ法はさらにＬＰ法以外のすべての方法を含むものと定義される。再帰法、ＤＲ法および同様な方法はＬＰ法の中に非線形性を導入し、それぞれの逐次的な計算過程において、他の独立変数を一定に保ちながら或る一つの独立変数の限定された変化に対応した従属変数の変化を反映する一層正確な値を用いて線形プログラムのマトリックスを修正する。しかし本発明に従えば、線形プログラムのそれぞれの逐次的な計算過程に対し前の過程から得られた修正された値を代入する（そして収束して解が得られるまで再帰過程を続ける）のではなく、非線形シミュレーターから若干のプロセス変数に対して修正された値を得てこれを線形プログラムに通す。
【００２４】
好ましくは本発明の一具体化例においては、拘束された線形コンポーネントを拘束された非線形モデルのコンポーネントと統合して使用する。例えばＬＰをＮＬＰと統合して使用する。さらに好ましくは本発明においてはＰＩＭＳ−ＬＰとして知られている線形モデルのコンポーネントを拘束された非線形モデルのコンポーネントと統合して使用する。最も好ましくはＰＩＭＳ−ＬＰはさらに一つまたはそれ以上の非線形シミュレーターと統合されたマトリックスを有するＣＰＬＥＸ（Ｒ）線形ソルバーを含み、これをＣＰＬＥＸ（Ｒ）マトリックスに対して直接入出力できる実行時メモリーを通じて（データを再生したり或いは保存したデータを呼び出すのとは対照的に）直接接続された非線形シミュレーターと一緒に使用する。
【００２５】
ＰＩＭＳ−ＬＰは、ＥＸＣＥＬスプレッドシートのようなスプレッドシートまたはＡＣＣＥＳＳデータベースのようなデータベースの周りで設計され（即ちＰＩＭＳ−ＬＰのマトリックスが一つまたはそれ以上のＥＸＣＥＬスプレッドシートおよび／またはＡＣＣＥＳＳデータベースの中に含まれたデータから生成され）、さらにＰＩＭＳ−ＳＩとして知られているアプリケーション・プログラミング用インターフェース（シミュレーター・インターフェース）を含んでいる。これによって他のモデルのコンポーネント（例えば非線形シミュレーター）とＰＩＭＳ−ＬＰとの間を接続して、例えばプロセス変数または下位のスプレッドシートの係数のような情報を交換または修正することができる。別法として、非線形シミュレーターのようなモデルのコンポーネントをＥＸＣＥＬのＶｉｓｕａｌ Ｂａｓｉｃ ｆｏｒ Ａｐｐｌｉｃａｔｉｏｎ（ＶＢＡ）を介してＰＩＭＳ−ＬＰに接続することができる。
【００２６】
本発明の一具体化例においては、水蒸気クラッキング装置のサブモデル３１０はＰＩＭＳ−ＬＰを介してＰＩＭＳ−ＬＰにアクセスし得る入出力スプレッドシートを含んだＥＸＣＥＬワークブック・インターフェースを使用し、ＳＰＹＲＯ（Ｒ）シミュレーター３２５に操作的に結合されたＰＩＭＳ−ＬＰである。好ましくは４枚のスプレッドシートを使用し、２枚はＰＩＭＳの入力用（シート１）および出力用（シート２）であり、２枚はＳＰＹＲＯ（Ｒ）の入力用（シート３）および出力用（シート４）である。例えば入力用のスプレッドシートはＰＩＭＳ−ＬＰから例えば供給速度；供給流の性質（成分、比重、硫黄分等）；ユニットの操作パラメータ（温度、圧力、比率、シベリティ（ｓｅｖｅｒｉｔｙ）、選択性等）；および一般的なＰＩＭＳ−ＬＰの情報（繰り返し過程の数、許容外の事項、目的関数、解の状態、事例番号等）のようなＳＰＹＲＯ（Ｒ）シミュレーターへ情報を入力するためのものである。出力用のスプレッドシートはＳＰＹＲＯ（Ｒ）シミュレーターからＰＩＭＳ−ＬＰへの出力情報、例えば線形プログラムのマトリックスの中の係数の値を変えるベクトル（例えば収率基底ベクトル、供給流性質ベクトル、単位操作パラメータ・ベクトル等）、および計算過程の品質の情報に対する再帰行（ｒｅｃｕｒｓｉｏｎ ｒｏｗ）、容量行（ｃａｐａｃｉｔｙ ｒｏｗ）等のようなＰＩＭＳ−ＬＰの情報を出力するためのものである。収束するまでの処理時間を最低にするためには、これらの入力用および出力用のスプレッドシートはそれぞれの再帰計算過程の度毎に開き、保存し、閉じるのではなく、線形プログラムによる再帰計算を行う間開いたままにしておくことが好ましい。さらに好ましくはＰＩＭＳ−ＬＰのバージョン１２．３以降のスイッチを使用してスプレッドシートを開いたままにしておく。線形プログラム（例えばＰＩＭＳ−ＬＰ）と非線形シミュレーター（例えばＳＰＹＲＯ（Ｒ））の間のＥＸＣＥＬインターフェースに対して例えば次のような規則をつくることによって処理時間をさらに短縮することができる。即ち例えば非線形シミュレーターに対する１回の呼び出しで多重処理を行う；線形プログラムによる回帰計算過程が或る与えられた回数に達した後は非線形シミュレーターだけを走らせる；線形プログラムがうまく行きそうな場合に非線形シミュレーターだけを走らせる；各計算過程の間でコンポーネントの変動が与えられた許容範囲内にある場合には非線形シミュレーターを走らせず、変動が与えられた許容範囲内にあるコンポーネントに対しては新しい係数の再計算を行わない。このような規則はオブジェクト指向プログラミング技術によりＥＸＣＥＬ、ＶＢＡおよびイベント処理プロトコルを用いるメソッドとして適用することができる。下記の例は、ＥＸＣＥＬのイベントが収束の速度を制御するのに使用されるメソッドをどのようにして始動させるかを示す例である。
【００２７】
【表１】
【００２８】
本発明の一具体化例においては、精製施設のサイトモデル３０５は入力用および出力用のスプレッドシートを含むＥＸＣＥＬのワークブックを有するＰＩＭＳ−ＳＩインターフェースを使用してＤＥＭＥＸシミュレーター３１５に操作的に結合されたＰＩＭＳ−ＬＰである。入力用のスプレッドシートは、下記の例に示されるように、ＰＩＭＳ−ＬＰからの情報の入力をＤＥＭＥＸシミュレーターに入力するものである。
【００２９】
【表２】
【００３０】
出力用のスプレッドシートは、下記の例に示されるように、ＳＰＹＲＯシミュレーターからＤＥＭＥＸへ情報を出力するものである。
【００３１】
【表３】
【００３２】
上記の方法は収束のための処理時間を最低にするために使用することができる。
【００３３】
図３は、精製施設の処方ゼネレーター１０と呼ばれる本発明の一具体化例である。この場合、炭化水素製品の規格（区域１３と１５との間のモデル化区域１６によって示される）を生成するために、特に配合された製品、例えば石油精製施設からガソリン、ディーゼル油、＃６オイル、およびアスファルトを製造するための処方をつくるために、統合された線形および非線形モデルのコンポーネントを使用して実世界の操作、実験、管理上のデータ（破線の区域１５の内部で示されている）を有する実世界のプロセス（破線区域１３の内部に示されている）がモデル化される。この処方ゼネレーター１０はコネクター４２および５８を介してアクセスすることができる。図３の具体化例は粗製油の精製を目的としているが、その中の方法論は任意の炭化水素または他の化学製品の製造施設に適用することができる。
【００３４】
図３の区域１３はモデル化すべき天然の炭化水素および／または化学製品のプロセスまたは工場を表わし、これは該プロセス、即ち炭化水素および／または化学製品の合成プログラムへの入力即ち供給を含み、また該プロセスからの出力即ち製品を表わしている。石油精製の文脈においてもっと特定的に述べれば、粗製油供給物１２は精製工程１６で精製され、精製された製品２２が得られる。粗製油供給原料１２は種々の供給原料、例えば現場の在庫品として得られる原料、市場を通じて（例えばタンカー、パイプライン等により）入手できる供給原料、およびこれらの組合せを含んでいることができる。精製工程１６は所望の精製品を製造するための精製工程、ユニット、および配合施設の任意の適当な組合せであることができる。精製工程１６は多数の工程制御装置、例えば温度制御装置、圧力制御装置、組成制御装置、流量制御装置、液位制御装置、弁制御装置、装置制御装置等を含んで成っている。このような制御装置は、工業界においてはしばしば設定点と呼ばれるプロセス制御用の対応する設定値１８を介してコンピュータで制御されることが好ましい。典型的にはプロセス制御用の設定値は、物理的に分離されてコンピュータのネットワークを介して連結されコネクター１４を介してモデル化区域にアクセスできるコンピュータのデータ保存領域（例えばデータベース等）に保存されており、そのアクセスは、本明細書に記載された他のコネクターの場合と同様に、手動または自動的に行うことができ、データの入力および／または出力に使用することができる。精製工程１６はしばしば同様な制御装置に対応している多数のプロセス・センサー、例えば温度センサー、圧力センサー、組成センサー、流量センサー、液位センサー、弁センサー、装置センサー等を含んで成っている。これらのセンサーは未処理のプロセス・データおよび拘束条件２４を生成し、これは典型的には前述のコンピュータのデータ保存区域に保存され、コネクター２０を介してモデル化区域１６にアクセスされる。未処理のプロセス・データは手を加えないプロセス・データを意味し、センサーから直接取り出され、例えば物質および／またはエネルギー収支の調整のような修正または調整を行われていないデータである。未処理のプロセス・データは実世界におけるプロセスの操作条件のスナップ映像を与える。
【００３５】
図３の操作、実験、管理に関するデータ区域１５は、区域１３によって表わされる天然の炭化水素および／または化学製品のプロセスに対する実世界の拘束条件を表わしており、さらに精製施設の操作手順４０、精製施設の管理用の入力３６、現在の供給情報２８、および歴史的な供給情報３０を含んで成り、これらはそれぞれコネクター３４および３８を介してモデル化区域１６が利用することができる。精製施設の管理入力３６は、典型的には自動的にではなく手動で入力されるいくつかの因子、例えば操作上の目標、最適化の目標、技術的サービス、および情報技術の入力を含んでいる。実質的には、これは精製施設の現在の操作に対する管理上の決定およびビジネスの目標を考慮してプロセスをモデル化するための関係の中に入れる場所である。精製施設における操作手順４０は、精製装置の管理に関する決定と似ているが、設計、安全性、環境、および他の同様な拘束条件のような精製施設を操作する確立した指針である。現在の外部からの情報２８は研究および開発の情報のような技術的なデータ、および製品および供給原料に対する実験室での試験結果（例えば組成物の評価）、並びに財務上の情報、例えば商品／製品の価格設定（例えばＮｅｗ Ｙｏｒｋ Ｍｅｒｃａｎｔｉｌｅ Ｅｘｃｈａｎｇｅ ｄａｔａ）およびエネルギー・コスト（例えばＰｌａｔｔｓ Ｇｌｏｂａｌ Ｅｎｅｒｇｙ ｄａｔａ）を含んでいることができる。歴史的な外部情報３０は現在の外部情報２８と同じまたは同様なデータ（例えば未処理のプロセス・データ、歴史的な製品の価格設定、季節的なコストおよび価格設定の傾向、エネルギーのコスト、粗製原料の試験等）を含むことができるが、傾向（動向データ）をモデル化の中に含ませることができるように歴史的な期間を包含している。現在の外部情報２８および歴史的な外部情報３０は、それらが典型的には実際の操作プロセス（未処理のプロセス・データ２４として得られるデータ）に対して外部的な情報源から得られるか誘導されるので外部と呼ばれており、データ保存ユニット３２に保存されそこからアクセスできることが好ましい。
【００３６】
図３に示されておりここで詳細に説明されるように、モデル化区域１６は区域１３によって表わされる天然の炭化水素および／または化学製品のプロセス、および区域１５によって表わされる操作、実験および管理に関するデータとフィードバック・ループの関係でコネクター１４、２０、３４および３８を介して操作的に結合されている。図３のモデル化区域１６はさらにモデル作成段階２６、ソルバーの配列４３、およびモデル出力段階５６を含んで成っている。モデル作成段階２６では、典型的には一人またはそれ以上のプロセス技術者および／またはコンピュータ・プログラマーが関与したプロセス・シミュレーション・モデルが開発され或いはプログラム化される。前に説明したように、モデルは統計および／または第１原理に基づくような任意の範疇のものであることができ、さらに前述のような市販のコンポーネントを含む任意の数のモデルのコンポーネント（好ましくはプロセス内部のユニットに対応する）を含んで成っている。モデルは典型的には公知の数学的および技術的関係および拘束条件、例えば物質・エネルギー収支、化学反応速度論等、並びに前述のような実世界における操作の拘束条件に基づいている。モデルを作成する場合、精製施設の操作手順４０、精製施設の管理のための入力３６、現在の外部情報２８および歴史的な外部情報３０、および未処理のプロセス・データ２４を含む実世界の操作データおよび拘束条件がプロセスからインポーとされる（取り込まれる）。
【００３７】
モデル作成段階２６で作成される数学モデルは、前述の一つまたはそれ以上の非線形シミュレーター（図２のシミュレーター３１５、３２０および３２５に対応）と統合された線形プログラム４１（図２の線形プログラム３０５に対応）を含むソルバー配列４３によって解かれる。好ましくは線形プログラム４１は解に収束するために再帰法または分配再帰法を、さらに好ましくはＰＩＭＳ−ＬＰを使用する。線形プログラム４１はさらにマトリックス・ゼネレーター４４によって線形ソルバー４６およびコンパレーター即ち評価段階４８を含んで成っている。マトリックス・ゼネレーター４４は一組の数学的な式および方程式からマトリックスを生成し、線形ソルバー４６、好ましくはＣＰＬＥＸ（Ｒ）線形ソルバーを用いて解くのに適したマトリックスをつくるためのコンピュータ・アプリケーションまたはプログラムである。好ましくはマトリックス・ゼネレーター４４はＰＩＭＳ−ＬＰのコンポーネントであり、ＣＰＬＥＸ（Ｒ）線形ソルバーの入力要求即ちＡＰＩに適合している。このマトリックスは前述の線形プログラムの標準形に対応し、従属および独立プロセス変数、並びに係数を含んでいる。即ちこれらの変数の各々に対する「調節因子」はマトリックス・ゼネレーター４４によって確立される。２行２列のマトリックスの簡単な例は次の通りである。
【００３８】
【数１】
【００３９】
ここで下記の量は係数と独立変数との内積（ドット・プロダクト）である。
【００４０】
ガソリンの収率 ＝ ａＸ ＋ ｂＹ
ディーゼル油の収率 ＝ ｃＸ ＋ ｄＹ
またＸおよびＹはプロセス変数を表わし、ａ、ｂ、ｃおよびｄは対応する変数の値を調節する係数である。換言すれば、係数ａ、ｂ、ｃおよびｄは該関係式に対する相互作用を表わし、各関係は一つまたはそれ以上の独立変数（ＸおよびＹ）および一つまたはそれ以上の従属変数（ガソリンの収率およびディーゼル油の収率）をもっている。物理的には一つのベクトルは大きさおよび方向の両方を有する量、即ち速度を表わしている。例えば毎時５マイルの速度で移動しているということによって物体の速度を定義するのは不十分である。物体の方向も必要である。即ち物体は毎時５マイルで北東の方向に移動していると言わなければならない。しかし北東とはいくぶん曖昧であり、速度は依然として毎時５マイルであるとしても、物体は毎時４マイルで北の方に、そして同時に毎時３マイルで東の方にと言った方がより適切な言い方である。同様に、上記の簡単化されたマトリックスの例では、ガソリンの収率はプロセス・コンポーネントの中に分割されている。例えばＦＣＣユニットを通してガス油を処理する場合、反応器の温度（Ｘ）が上昇すると、ガソリン（軽い成分）の収率が増加し（「ａ」は正の大きさをもつであろう）、触媒対ガソリンの比（Ｙ）が増加すれば、ガソリンもまた増加し（「ｂ」もまた正の大きさをもつであろう）、この場合すべての影響のサム・プロダクト（ｓｕｍ ｐｒｏｄｕｃｔ）がガソリンの総量を与える。同様に、ＦＣＣによるディーゼル油の収率は温度の上昇と共に増加する（「ｃ」も正の大きさをもつであろう）が、触媒対ガソリンの比が増加すると共に減少する（「ｄ」は負の大きさをもつであろう）。従って炭化水素流はベクトルとして表わすことができ、これらの影響を与える処理コンポーネントのサム・プロダクトはそれらの収率を与える。好ましくはマトリックスの行は独立したプロセス変数から成り、マトリックスの列は従属したプロセス変数から成っている。各変数に対して係数が存在し、独立変数と従属変数との間に関係がない場合、係数は０である。
【００４１】
モデル作成段階２６において、マトリックスの変数および係数に対する初期値（或る場合には初期推定値と呼ばれる）は好ましくは歴史的なデータ、前のシミュレーションの結果、技術者の推測等に基づいて与えられる。これらの値は線形ソルバー４６に通され、該変数および係数に対する計算値が得られる（１回目に通して得た値は１回目の再帰計算過程に対応し、２回目に通して得た値は２回目の再帰計算過程に対応する、以下同様）。任意の適当な線形ソルバー、例えばＡｓｐｅｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｉｎｃ．、Ｆｒｏｎｔｌｉｎｅ Ｓｙｓｔｅｍ，Ｉｎｃ．、ＩＬＯＧ，等から入手できるＣＰＬＥＸ（Ｒ）またはＸＰＲＥＳＳ（Ｒ）を用いることができる。変数に対する推定値が正しくないことが実質的に確かな時は、解に収束するためには多くの再帰計算回数または分配再帰計算回数が必要である。線形プログラムが或る解に収束したかどうかを決定するために、或る与えられた計算過程に対して計算された変数を一組の拘束条件または許容条件と比較する。線形プログラムが収束したかどうかを決定する場合、現在の計算過程の値を直前の計算過程の値と比較して差を決定する。この差が許容値より大きければ、評価は「偽」であり、この線形プログラムは許容し得る解に収束しなかったことになる。従って前述の係数を変更して変数を調節しなければならない。各変数に対し、逐次的な計算過程の間で得られる差を検討し、その線形ソルバーが変数の挙動を正確に表わしているかどうかを決定する。或る種の変数はこのモデルの中でＬＰによって修正されるようにプログラミングされており、他の変数はこのモデルの中でＮＬＰによって修正されるようにプログラミングされている。このようなプログラミングは、モデル化された結果、実世界のプロセスの結果、或いは両方に対し時間の経過に伴う結果を反映するように修正することができる。線形の挙動を示す変数（およびＬＰの内部でプログラミングされた変数）に対しては、ＰＩＭＳ−ＬＰではこのような変数に対する係数は変化しない。即ち、ＬＰ法を用い独立変数を段階的に変化させ典型的なＬＰ法を用い目的関数を最大にする。最後に行った再帰計算過程における独立変数（またアクティビテイ（ａｃｔｉｖｉｔｙ）と呼ばれる）の差が所望の許容度の範囲内で現在の計算過程と同じになったら再帰計算を中止する。このような場合、他の独立変数を同じ値に保った場合、個々の独立変数に関し係数は線形の方程式の傾斜に対応した一定の値になる。これに加えて、非線形の挙動を示すとされる（そして好ましくはＮＬＰに対する入出力ファイルを介してそのままプログラミングされた）変数に対しては、非線形ソルバー５２を外部からＰＩＭＳ−ＬＰの枠組みに付け加え、このような変数に対する係数を調節することができる。非線形ソルバー・システム５２は二つ以上の非線形ソルバーを含んで成ることができ、好適な非線形ソルバー・システムまたはシミュレーターは前に図２に示して説明したものを含んでいる。線形プログラムにより或る与えられた計算過程を行った後、非線形ソルバー・システム５２はコネクター５０を介して非線形挙動を示す変数および対応する係数にアクセスする。ＰＩＭＳ−ＬＰモデルからの出力データを入力として非線形モデルに入れる。非線形モデルは、各独立変数に対し、他のすべての変数を一定に保ちながら予め定められた段階または増分の大きさの範囲内で新しい線形係数（傾斜）を計算する。与えられた一つの計算過程の後でマトリックスの中に存在する係数がコネクター５４を介してアクセスされて調節され、これによって次の回帰計算過程における線形プログラムに使用される係数に対する修正値が得られる。修正された係数（線形および非線形の変数の両方に対し）を用い、各回帰計算過程の間に評価段階４８によって線形ソルバー４６からの結果が検査され、すべての変数が許容範囲内にある場合線形プログラムは解に収束し、解はモデル出力段階５６へ送られる。
【００４２】
モデル出力段階５６は、与えられた操作条件、供給原料、拘束条件等に対し最適化された目標、好ましくは最大の収益性を達成するように精製施設を操作しおよび／または製品を製造するための最適解を含んでいることが好適である。好ましくはモデル出力段階５６は、水素、燃料ガス、液化石油ガス（ＬＰＧ）、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、＃６オイル、およびアスファルトのような製品に対する処方または配合組成を含んで成っている。モデル出力は好ましくはさらに所望の最適化を達成するための炭化水素および／または化学プロセスの操作および管理に関するデータ、情報、修正等を含んでいる。例えば好ましくはモデル出力は、区域１３で表わされる炭化水素および／または化学製品のプロセスにフィードバックされ、手動か或いは好ましくは自動的にプロセスを制御して操作を行い所望の最適化を達成できるような修正されたプロセス制御用の設定１８を含んでいる。また好ましくはモデル出力は供給原料の規格および管理計画、並びに精製施設の操作手順の修正および最適操作を達成するための指針をさらに含んでいる。
【実施例】
【００４３】
下記の実施例は、前述のＤＥＭＥＸユニットに対するマトリックスの小さい部分の一例である。抽出塔は、脱金属処理を行った油（ＤＭＯ）、樹脂、およびアスファルトを含んで成る真空蒸留塔からの塔底部分を受け取るためにつくられている。これに加えて、抽出を行うために溶媒としてプロパンおよびブタンが加えられる。抽出塔の頂部から、ＤＭＯおよび樹脂が集められ、フラッシュ蒸発ドラムの方へ移され、ＤＭＯおよび樹脂の別々の製品がつくられる。抽出塔の底部からアスファルトが集められる。この例に対しては、従属変数は抽出塔からの製品の収率であり、独立変数は抽出塔の温度である。従って供給原料および製品に対するアクティビティ（独立変数）は、物質収支の拘束のために、加えると０にならなければならない。もっと特定的に言えば、抽出塔からの収率を記述する関係は次のようになる。
【００４４】
【数２】
【００４５】
温度は独立変数であり、従ってマトリックス中の列の要素になり、従属変数である収率はマトリックス中の行の要素になるであろう。質量が保存されるために温度のアクティビティの関係は０になる必要がある。
【００４６】
【数２】
【００４７】
以上、本発明の好適具体化例を示して説明したが、当業界の専門家は本発明の精神および範囲を逸脱することなくその変形を行うことができる。従って、本明細書に記載された具体化例は例示の目的のためのものであって本発明を限定するものではない。本発明の範囲内において本発明のシステムの多くの変更および修正が可能である。従って本発明の保護されるべき範囲は上記の具体化例に限定されるものではなく、添付特許請求の範囲によってだけ限定される。これらの特許請求範囲はその主要事項のすべての同等物を包含していなければならない。
【図面の簡単な説明】
【００４８】
【図１】ＮＥＯＳ Ｇｕｉｄｅによる最適化の木（ツリー）。
【図２】本発明によってモデル化されるプロセスのブロック図。
【図３】製品の処方をつくる本発明の具体化例を示す流れ図。
【技術分野】
【０００１】
本発明は炭化水素製造施設を操作する方法およびシステムに関する。特に本発明は線形ソルバーおよび非線形ソルバーのシステムを含んで成るコンピュータ化されたプロセス・シミュレーターを使用する炭化水素製造施設を操作する方法およびシステムに関する。
【背景技術】
【０００２】
炭化水素製造施設は典型的にはガソリン、ディーゼル油、およびアスファルトのような所望の製品を製造するための多数の統合され制御された化学的および／または精製プロセスから成っている。プロセス変数、例えば供給原料の組成；多種多様な処理ユニットおよび装置：操作変数、例えば加工速度、温度、圧力等；製品の規格；市場での制約、例えば有用性および製品の価格；機械的な制約；輸送または貯蔵の際の制約；天候条件；等の要因が多数存在するため、このような統合されたプロセスを効果的に制御し最適化するうえで困難が生じる。例えば、供給原料の組成、例えば石油精製施設に供給される粗製原料油の硫黄含量は、供給するパイプラインまたはタンカーが一つのものから次のものに変わることにより変動する可能性がある。多くの場合精製された製品中の硫黄の量は限定されているとしても、粗製供給油中の硫黄含量の変動は、統合された工程の全体としての収益性を最適化しながら、低硫黄含量のディーゼル油のような適切な製品を製造し配合する上で困難を生じる可能性がある。従って、所望の製品を製造し収益性を最大にする上において精製工程の制御および最適化は重要である。
【０００３】
精製工程の制御は典型的には既知のプロセス制御パラメータ、例えばしばしば高度に自動化されコンピュータ化された複雑なプロセス操作および制御技術によって実現される物質およびエネルギーの収支によって達成される。しかし多くの場合、制御の設定は所望の製品を製造し同時に最大の収益性が得られるようには最適化されていない。その結果、これまで炭化水素の製造工程に対して種々の最適化の技術および図式が適用されてきた。一般に最適化は、既知の関係式および拘束条件、例えば物質とエネルギーの収支、系の動力学等に基づいて或る与えられたプロセスに対し先ず数学的なモデルをつくるかそのシミュレーションを行ない、次いでその数学モデルを解いて１個またはそれ以上の所望の変数を最適化し、典型的には工程の最大の収益性を得るようにコンピュータ・シミュレーションによって達成される。上記のような多数のプロセス変数が与えられた場合、このような数学モデルは非常に大きく且つ複雑になる可能性がある。
【０００４】
プロセスモデルは典型的には二つの範疇に分けることができる。これは両方とも科学的方法の原理、即ち或る一つの現象またはいくつかのグループの現象を観察して記述し、その現象を説明する仮説を組み立て、その仮説を用いて他の現象の存在を予測するか、或いは新しい観測結果を定量的に予測し、幾人かの独立した実験者によって適切に行われた実験によりその予測を実験的に試験することを含む原理に基づいている。第１の範疇は統計に基づいたモデル、例えばデータの多重回帰（多変数）を使用するモデルである。或る曲線（関数）にデータを当てはめる場合、回帰法（ｒｅｇｒｅｓｓｉｏｎ）は、係数、例えばラインと呼ばれる曲線に対する傾斜および切片を変化させることによって、予測した曲線に沿ったデータに対する実際のデータの誤差を最小にする技術である。下記に説明する再帰法（ｒｅｃｕｒｓｉｏｎ）はこれと似ているが、ただ一つの式に対する方法ではなく、一組の式を用いる方法である。第２の範疇は第１原理に基づくモデル、例えば化学熱力学および／または動力学に関して現在認められている法則および理論を用いる方法である。
【０００５】
統計モデルは、実際のプロセスを表すデータの組について現在認められている統計的方法を用いて開発された数学的関係（関数）または論理（もし〜ならば、それで（ｉｆ ｔｈｅｎ）的な表現）として定義することができる。一般に、統計的モデルは資源集約性が大きい傾向がある。何故ならば、これらの方法はプロセスから集められる実際のデータに基づいているからである。例えば統計モデルは、プロセスの試験と実行或いは実験計画のデータに基づいているが、これらを集めるためには多くの労力および実験施設の両方を集約しなければならず、典型的にはそのままでは自動化できない。或いはまた統計モデルはプロセスの日毎の操作収率に基づくこともあり、自動化してデータ源として予算化された日常的な実験室での試料を使用することもできるが、依然として統計的な解析が必要である。
【０００６】
第１原理のモデルは現在認められている科学的な理論または法則（関係および論理）を用いる数学的な関係または論理として定義することができ、この場合これらの理論および法則は実験的な試験を繰り返すことによって既に証明されたものである。第１原理のモデルは典型的には統計モデルに比べて不一致が少ないが、依然として第１原理のモデルは次のような簡単化された式によって示されるように調整されなければならない。
【０００７】
従属変数＝Ａ＊（第１原理モデル）＋Ｂ
ここでＡおよびＢは、体系的な誤差を補正するためにこのモデルが一層うまく現在の操作条件に近似するように調節される係数である。
【０００８】
ひとたびモデルの範疇が選ばれ（即ち統計モデルか第１原理モデルか）、モデル化すべき与えられたプロセスに付随した多くの変数に基づきこのモデルが開発されると、所望の目的を達成するためにこのモデルを解く方法（或る場合にはソルバー（ｓｏｌｖｅｒ）または最適化法と呼ばれる）を使用しなければならない。前述のように、明白で最も普通に行われるビジネスの目的は収益性を最大にすることである。しかし、目的は二つ以上存在することができ、例えばプロセスの操作または顧客の製品に対する規格に対する規制的な要求に合致させる必要がある。このような目的はこのモデルに関する拘束条件と呼ばれる。またプロセスの装置等の技術的な設計の基準に基づく技術的な制約も存在する。従って、多数のビジネスの目的または技術的な制約が存在する場合、このような目的は典型的には収益性を最大にするという主要な目的に対する拘束条件になる。与えられた拘束条件下において収益性を最大にするためにモデルを解くことに関しては、図１に示されているように多くの選択肢が採られる。これはＮＥＯＳ Ｇｕｉｄｅの最適化の木（ツリー）（参照番号２００）として知られており、Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｎｅｒｇｙ − Ａｒｇｏｎｎｅ Ｎａｔｉｏｎａｌ ＬａｂとＮｏｒｔｈｗｅｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙによるものでｗｏｒｌｄ ｗｉｄｅ ｗｅｂから入手できる。図１から分かるように、数学的なソルバーは離散的なソルバー２１０および連続的なソルバー２２０に分類することができ、連続的なソルバーはさらに非拘束的なソルバー２２５または拘束的なソルバー２３０に細分される。上記のように拘束条件が与えられた場合、プロセス・シミュレーターに使用される典型的なソルバーは連続的且つ拘束的なソルバー、例えば拘束された線形プログラム２３５または拘束された非線形プログラム２４０として知られているソルバーである。
【０００９】
線形プログラムは、０でない有限の数の線形方程式および線形不等式（或るベクトルに関し）を仮定し、線形関数（同じベクトルに関し）を最大または最小にする問題を提示する。即ち、線形プログラム（ＬＰ）は次のように表わすことができる問題である（いわゆる標準形）：
Ａｘ ＝ ｂ
ｘ ≧ ０
を条件として
ｃｘ を最小にせよ。
ここでｘは解を見出だすべきベクトルであり、Ａは既知の係数をもつマトリックス、ｃおよびｂは既知係数のベクトルである。表現ｃｘは目的関数と呼ばれ、式Ａｘ＝ｂは拘束条件と呼ばれる。勿論すべての項目は矛盾しない次元をもっていなければならず、必要に応じ記号は移項することができる。マトリックスＡは一般に正方行列ではなく、従って単にＡの逆行列をつくるだけではＬＰの解は得られない。Ａは列の数の方が行の数よりも多く、従ってＡｘ＝ｂは極めて多くの場合不定であり、ｃｘを最小化するｘの選択には大きな許容度が残されている。また線形プログラムは最小化の場合と全く同じ容易さで最大化の問題を取り扱うことができる（実際にはベクトルｃに−１を乗じる）。
【００１０】
非線形プログラム（ＮＬＰ）は次の形に書くことができる問題である。
【００１１】
ｇｉ（ｘ）＝ ０ ｉ＝１，．．．，ｍｌ、ここで ｍｌ ≧ ０
ｈｊ（ｘ）≧ ０ ｊ＝ｍｌ＋１，．．．，ｍ、ここで ｍ ≧ ｍｌ
を条件として
Ｆ（ｘ）を最小にせよ。
【００１２】
即ち、いくつかの変数（ここでｘはベクトル）をもつスカラー値の関数Ｆが一つ存在し、これらの変数の値を限定または定義する役目をする一つまたはそれ以上のこのような他の関数を条件として（恐らく）、関数Ｆを最小にする問題である。Ｆは目的関数と呼ばれ、種々の他の関数は拘束条件と呼ばれる。最大化はＦに−１を乗じることによって達成される。
【００１３】
期待されるように、線形ソルバーを使用してモデルを解く際、モデル化されたプロセスが非線形の挙動を示す場合には誤差が起こる可能性がある。さらに、非線形ソルバーがモデルに対する解に収束するには多大の時間がかかり、特にモデルの中に含まれるプロセス変数に対する初期値または推定値が実際の収束解から遠く離れており、解に達するまで多数の繰り返し計算または再帰計算過程（ｒｅｃｕｒｓｉｏｎ ｐａｓｓ）を必要とする場合はそうである。本発明は、線形および非線形の両方のプロセスの挙動に対し正確なシミュレーションを行うことにより炭化水素製造設備の操作を最適化し、同時に迅速に解へ収束する方法およびシステムに対する必要を提示するものである。
【発明の開示】
【００１４】
本発明の概要
本発明によれば、炭化水素または化学製品を製造する施設を操作する方法において、該施設を数学的にモデル化し；線形および非線形のソルバーを用いて該数学モデルを最適化し；該最適解に基づいて一つまたはそれ以上の製品に対する処方または操作設定点を生成させる方法が提供される。一具体化例においては、該数学モデルはさらにプロセス変数および対応する係数を有する多数のプロセス方程式を含んで成り、好ましくは該プロセス変数および対応する係数を使用して線形プログラムの中におけるマトリックスをつくる。線形プログラムは回帰法または分配回帰法によって実行することができる。逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を線形ソルバーにより、また非線形ソルバーにより計算し、プロセス変数および対応する係数に対する修正値をマトリックスの中に代入する。現在の再帰計算過程に対し線形プログラムによって計算されたプロセス変数および対応する係数についての修正値が、直前の再帰過程に対する対応する値と比較した場合、或る与えられた許容範囲に入るまで回帰計算が続けられる。一具体化例においては、製造施設は石油精製施設、または粗製物の蒸溜、炭化水素の蒸溜、改質、芳香族の抽出、トルエンの不均化、溶媒による脱アスファルト、流動触媒クラッキング（ＦＣＣ）、ガス油の水素化、蒸溜生成物の水素化、異性化、硫酸のアルキル化、および熱電併給（電気−熱同時発生、ｃｏｇｅｎｅｒａｔｉｏｎ）操作のような該施設のユニットであり、これらに対し非線形ソルバーによりシミュレーションを行う。一具体化例においては、生成される処方は、水素、燃料ガス、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品に対する処方である。
【００１５】
また本発明においては、炭化水素または化学製品の製造施設を操作するコンピュータ化されたシステムにおいて、該システムは該施設の数学モデルをつくることを主目的とすコンピュータを含んで成り、該コンピュータは線形および非線形のソルバーを組み合わせて実行することにより該数学モデルを最適化し、最適解に基づいて製品に対する一つまたはそれ以上の処方を生成するシステムが提供される。一具体化例においては、該コンピュータは製造施設の内部においてインターフェースによりプロセス・コントローラーと接続され、最適解に基づいて設定点を与える。他の具体化例においては、水素、燃料ガス、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品を製造するために、石油精製施設の内部で該コンピュータは製品配合システムを制御する。
【００１６】
好適具体化例の詳細な説明
次に添付図面を参照して本発明の好適具体化例をさらに詳細に説明する。
【００１７】
本発明は任意の炭化水素製造施設、例えば石油精製工場、化学工場等に適用することができる。計算システム上に施設または工場のモデル（時にはシミュレーターと呼ばれる）がつくられて最適化すべき全体のプロセスを表わすが、このようなモデルは連絡のために互いに操作的に連結された任意の数の適当なプログラミング層またはモデル・コンポーネント（しばしば製造工程の内部の別々の処理ユニットに対応する）、例えばサイト・モデル、サブモデル等を含んで成っていることができる。プロセス技術者は典型的には製造施設の実世界における性能の正確なシミュレーションを行うためにこのようなモデルをつくることに従事している。モデル・コンポーネントは好ましくはオブゼクト指向プログラミング法またはプログラミング技術、例えばイベント、メソッド、コール等によって操作的に連結されたコンピュータ・プログラムまたはアプリケーションを含んで成っている。本発明を実装する際の適切なコンピュータ言語はＣ＋＋、Ｃ＃、Ｊａｖａ、Ｖｉｓｕａｌ Ｂａｓｉｃ ｆｏｒ Ａｐｐｌｉｃａｔｉｏｎ（ＶＢＡ）、Ｎｅｔ、Ｆｏｒｔｒａｎ等を含んでいる。適当なオブゼクト指向技術には、オブゼクト・リンキング・アンド・エンベッディング（ｏｂｊｅｃｔ ｌｉｎｋｉｎｇ ａｎｄ ｅｍｂｅｄｄｉｎｇ）（ＯＬＥ）、コンポーネント・オブゼクト・モデル（ｃｏｍｐｏｎｅｎｔ ｏｂｊｅｃｔ ｍｏｄｅｌｓ）（ＣＯＭ、ＣＯＭ＋、ＤＬＬ）、アクティブＸデータ・オブゼクト（ａｃｔｉｖｅ Ｘ ｄａｔａ ｏｂｊｅｃｔｓ）（ＡＤＯ）、データ・アクセス・オブゼクト（ｄａｔａ ａｃｃｅｓｓ ｏｂｊｅｃｔｓ）（ＤＡＯ）、メタ言語（ＸＭＬ）等が含まれる。本発明に用いられる適当な計算プラットフォームはＷｉｎｄｏｗｓ ＸＰ、ＯＳＸ等を含んでいる。
【００１８】
図２は炭化水素製造施設の一つのモデルのブロック図であり、この施設はＴｅｘａｓ Ｇｕｌｆ ＣｏａｓｔにあるＡｔｏｆｉｎａ Ｐｅｔｒｏｃｈｅｍｉｃａｌ， Ｉｎｃ．のＰｏｒｔ Ａｒｔｈｕｒ Ｒｅｆｉｎｅｒｙのものである。炭化水素製造施設は典型的には多数の分離した処理ユニットを含んで成り、これが組み合わされて全体の製造施設になっている。複数工場モデル３００はいくつかの操作的に連結されたサブモデルを含んで成り、これらのサブモデルは精製施設の内部で特定の処理ユニットをモデル化するのに使用される。複数工場モデル３００は精製施設のサイトモデル３０５および水蒸気クラッキング装置のサイトモデル３１０を含んで成り、これらのモデルは例えば矢印３０７および３０９によって示されるデータ交換によって連絡のために互いに操作的に連結されている。精製施設のサイトモデル３０５は典型的な精油処理ユニット、例えば粗製原料ユニット、改質、芳香族抽出、溶媒による脱アスファルト、流動触媒クラッキング（ＦＣＣ）、ガス油の水素化処理、溜出物の水素化処理、異性化、硫酸によるアルキル化、熱電併給システム（コゼネレーション）等の施設をモデル化するのに使用される。水蒸気クラッキング装置のサイトモデル３１０は、ナフサの水蒸気クラッキングを行ってエチレンおよびプロピレンを製造するための供給原料をつくる工程のモデル化を行うのに使用される。サイトモデル３０５および３１０は好ましくは線形プログラムであり、さらに好ましくはプロセス・インダストリー・モデリング・システム（ｐｒｏｃｅｓｓ ｉｎｄｕｓｔｒｙ ｍｏｄｅｌｌｉｎｇ ｓｙｓｔｅｍ）（ＰＩＭＳ）、例えばＡｓｐｅｎ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｃ．から市販されているＡｓｐｅｎ ＰＩＭＳＴＭ Ｌｉｎｅａｒ Ｐｒｏｇｒａｍ ｍｏｄｅｌ、またはＨａｖｅｒｌｙ Ｓｙｓｔｅｍｓ，Ｉｎｃ．から市販されているＧＲＴＭＰＳである。ここではこれらの各々は一緒にしてＰＩＭＳ−ＬＰと呼ぶことにする。ＰＩＭＳ−ＬＰはその下位の線形ソルバーであるＣＰＬＥＸ（Ｒ）またはＸＰＲＥＳＳ（Ｒ）のいずれかを使用し、回帰または分配回帰の機能またはそれと同様な機能（非線形機能）を与え、線形ソルバーの中で計算が少なくとも１回行なわれた後、ＰＩＭＩＳ−ＳＩとして知られているシミュレーターのインターフェース（ＳＩ）を介して下位の線形プログラムのマトリックスに使用者がアクセスできるようになっている。
【００１９】
サイトモデルはさらに例えば上記に説明したような特定のユニットに関連した操作的に連結されたサブモデルを含んで成り、このようなサブモデルは任意の範疇（即ち第１原理または統計的な範疇）に属し、任意の適当なソルバー（例えば線形、非線形等）を使用することができる。例えば精製施設のサイトモデル３０５はさらにＵＯＰ ＤＥＭＥＸ Ｐｒｏｃｅｓｓ Ｕｎｉｔ（アスファルトを製造するための脱金属抽出ユニット、また溶媒による脱アスファルト・ユニットとも呼ばれる）シミュレーター３１５は矢印３１７および３１９によって示されているように連絡のために精製施設のＬＰと操作的に連結されており、矢印３２２および３２４で示されるようにＴＤＰ−ＢＴＸ（トルエン不均化反応器およびベンゼン、トルエンおよびキシレンの精溜器）シミュレーター３２０は連絡のために精製施設のＬＰに操作的に連結されている。ＵＯＰ ＤＥＭＥＸ Ｐｒｏｃｅｓｓ Ｕｎｉｔのシミュレーター３１５は、好ましくはＭｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎ製のＥＸＣＥＬのようなスプレッドシートを実装し、ＵＯＰ ＤＥＭＥＸ Ｐｒｏｃｅｓｓ Ｕｎｉｔから入手できる試験−実行データに基づく非線形ソルバーを用いる統計的な多重回帰モデルであることが好ましい。ＴＤＰ−ＢＴＸシミュレーター３２０は好ましくは非線形ソルバーを使用する第１原理のモデルであり、もっと好ましくはＳｉｍＳｃｉから入手できるＰＲＯ／ＩＩ（Ｒ）である。水蒸気クラッキング装置サブモデル３１０はさらに水蒸気クラッキング装置の加熱器のシミュレーター３２５を含んでおり、これは矢印３２７および３２９で示されるように連絡のために水蒸気クラッキング装置のＬＰに操作的に連結されており、該シミュレーターは好ましくは第１原理によるＴｅｃｈｎｉｐ−Ｃｏｆｌｅｘｉｐから市販されているＳＰＹＲＯ（Ｒ）である。図２には示されていないが、例えばＦＣＣ、改質装置、およびガス油水素化装置のような装置に対しては、さらに他のサブモデル、好ましくはＫＢＣ Ａｄｖａｎｃｅ Ｔｅｃｈｎｏｌｏｇｙから入手できるＰｒｏｆｉｍａｔｉｃｓ、Ｈｙｐｒｏｔｅｃｈから入手できるＨＹＳＹＳまたは他の適当な市販のシミュレーターを用いることもできる。
【００２０】
本発明の一具体化例は３層のシステムを含んで成り、この場合、非線形モデルのコンポーネントを使用してユニット・レベルにおける挙動をモデル化し（即ち、ユニット・レベルおよび製品の配合操作を最適化し）、線形モデルのコンポーネントを使用して工場レベルをモデル化し（即ち工場レベルの操作を最適化し）、さらにこれらの線形モデルは施設レベルにおける工場の間の挙動の重なりをモデル化する（即ち複数工場施設に対する統合製造プロセスを全体的に最適化する）ために連結されている。時宜を得た方法で拘束条件下において収益を最大にする正確な解を得るために、ここに記載されたようにＬＰ法をＮＬＰ法と組み合わせると、使用者は時宜を得た正確な解を同時に得ることができる利点が見出だされている。ＬＰ法は典型的には、コストおよび材料の経路を迅速に記述できる（全体的な重なり合い）が、局所的なユニット・プロセスの操作（局所的な相互作用）を時間的に記述するのは困難である。ＮＬＰ法は典型的にはプロセスを一層正確に反映できるが、速度が犠牲にされる。
【００２１】
再帰法および分配再帰（Ｄｉｓｔｒｉｂｕｔｉｖｅ Ｒｅｃｕｒｓｉｏｎ）（ＤＲ）法は、異なった最適化法を結合して解を得る際のモデルの中の不正確なデータを改善するために開発された方法である。再帰法はモデルの解を求め、外部プログラムを使用して最適解を検査し、物理的性質のデータを計算し、計算されたデータを用いてモデルを修正し、再びそのモデルの解を求める方法である。計算されたデータの変化が規定された許容度の範囲内に入るまでこの方法を繰り返す。簡単な再帰法では、使用者の推測値と外部コンピュータ・プログラムで計算された最適解の値の差を修正し、再び最適化する。
【００２２】
分配再帰（ＤＲ）法のモデル構造では、ＬＰの解の外側からＬＰマトリックスの内側へと誤差の計算を移し、これによって連結された上手および下手のプロセス変数に対する誤差を視覚化する。初期的な物理的性質の推定値または推測値を用いて現在のマトリックスを解いた後、その解から新しい値を計算し、他のＬＰの解の中に挿入する。ＤＲと簡単な再帰法との主な相違は、「誤差」と呼ばれる推測値と暫定的な解との間の差の取り扱いである。使用者がＬＰモデルの中の再帰プールの物理的性質を推測する際、典型的には使用者が正しくない推測をするために誤差が生じる。しかしＤＲ再帰モデルでは、材料の上手の製造者は下手の製造者の要求を知っており、逆もまたそうである。そのためＤＲモデルでは、製造コストとモデル化された全体的な施設またはプロセスの一層完全な設計像との間に経済的な釣り合いをとることができる。
【００２３】
上記に説明したように、一つまたは組み合わせられた最適化の方法を使用し、原料油を精製した製品または化学的な供給原料または化学製品に変える場合において最大の収益を見出だすことができる。しかし、ＬＰおよびＮＬＰの両方の最適化法を組み合わせて使用すると、時宜を得た方法で許容される品質の炭化水素製品を製造するための処方が得られる利点があることが見出だされている。この場合ＮＬＰ法はさらにＬＰ法以外のすべての方法を含むものと定義される。再帰法、ＤＲ法および同様な方法はＬＰ法の中に非線形性を導入し、それぞれの逐次的な計算過程において、他の独立変数を一定に保ちながら或る一つの独立変数の限定された変化に対応した従属変数の変化を反映する一層正確な値を用いて線形プログラムのマトリックスを修正する。しかし本発明に従えば、線形プログラムのそれぞれの逐次的な計算過程に対し前の過程から得られた修正された値を代入する（そして収束して解が得られるまで再帰過程を続ける）のではなく、非線形シミュレーターから若干のプロセス変数に対して修正された値を得てこれを線形プログラムに通す。
【００２４】
好ましくは本発明の一具体化例においては、拘束された線形コンポーネントを拘束された非線形モデルのコンポーネントと統合して使用する。例えばＬＰをＮＬＰと統合して使用する。さらに好ましくは本発明においてはＰＩＭＳ−ＬＰとして知られている線形モデルのコンポーネントを拘束された非線形モデルのコンポーネントと統合して使用する。最も好ましくはＰＩＭＳ−ＬＰはさらに一つまたはそれ以上の非線形シミュレーターと統合されたマトリックスを有するＣＰＬＥＸ（Ｒ）線形ソルバーを含み、これをＣＰＬＥＸ（Ｒ）マトリックスに対して直接入出力できる実行時メモリーを通じて（データを再生したり或いは保存したデータを呼び出すのとは対照的に）直接接続された非線形シミュレーターと一緒に使用する。
【００２５】
ＰＩＭＳ−ＬＰは、ＥＸＣＥＬスプレッドシートのようなスプレッドシートまたはＡＣＣＥＳＳデータベースのようなデータベースの周りで設計され（即ちＰＩＭＳ−ＬＰのマトリックスが一つまたはそれ以上のＥＸＣＥＬスプレッドシートおよび／またはＡＣＣＥＳＳデータベースの中に含まれたデータから生成され）、さらにＰＩＭＳ−ＳＩとして知られているアプリケーション・プログラミング用インターフェース（シミュレーター・インターフェース）を含んでいる。これによって他のモデルのコンポーネント（例えば非線形シミュレーター）とＰＩＭＳ−ＬＰとの間を接続して、例えばプロセス変数または下位のスプレッドシートの係数のような情報を交換または修正することができる。別法として、非線形シミュレーターのようなモデルのコンポーネントをＥＸＣＥＬのＶｉｓｕａｌ Ｂａｓｉｃ ｆｏｒ Ａｐｐｌｉｃａｔｉｏｎ（ＶＢＡ）を介してＰＩＭＳ−ＬＰに接続することができる。
【００２６】
本発明の一具体化例においては、水蒸気クラッキング装置のサブモデル３１０はＰＩＭＳ−ＬＰを介してＰＩＭＳ−ＬＰにアクセスし得る入出力スプレッドシートを含んだＥＸＣＥＬワークブック・インターフェースを使用し、ＳＰＹＲＯ（Ｒ）シミュレーター３２５に操作的に結合されたＰＩＭＳ−ＬＰである。好ましくは４枚のスプレッドシートを使用し、２枚はＰＩＭＳの入力用（シート１）および出力用（シート２）であり、２枚はＳＰＹＲＯ（Ｒ）の入力用（シート３）および出力用（シート４）である。例えば入力用のスプレッドシートはＰＩＭＳ−ＬＰから例えば供給速度；供給流の性質（成分、比重、硫黄分等）；ユニットの操作パラメータ（温度、圧力、比率、シベリティ（ｓｅｖｅｒｉｔｙ）、選択性等）；および一般的なＰＩＭＳ−ＬＰの情報（繰り返し過程の数、許容外の事項、目的関数、解の状態、事例番号等）のようなＳＰＹＲＯ（Ｒ）シミュレーターへ情報を入力するためのものである。出力用のスプレッドシートはＳＰＹＲＯ（Ｒ）シミュレーターからＰＩＭＳ−ＬＰへの出力情報、例えば線形プログラムのマトリックスの中の係数の値を変えるベクトル（例えば収率基底ベクトル、供給流性質ベクトル、単位操作パラメータ・ベクトル等）、および計算過程の品質の情報に対する再帰行（ｒｅｃｕｒｓｉｏｎ ｒｏｗ）、容量行（ｃａｐａｃｉｔｙ ｒｏｗ）等のようなＰＩＭＳ−ＬＰの情報を出力するためのものである。収束するまでの処理時間を最低にするためには、これらの入力用および出力用のスプレッドシートはそれぞれの再帰計算過程の度毎に開き、保存し、閉じるのではなく、線形プログラムによる再帰計算を行う間開いたままにしておくことが好ましい。さらに好ましくはＰＩＭＳ−ＬＰのバージョン１２．３以降のスイッチを使用してスプレッドシートを開いたままにしておく。線形プログラム（例えばＰＩＭＳ−ＬＰ）と非線形シミュレーター（例えばＳＰＹＲＯ（Ｒ））の間のＥＸＣＥＬインターフェースに対して例えば次のような規則をつくることによって処理時間をさらに短縮することができる。即ち例えば非線形シミュレーターに対する１回の呼び出しで多重処理を行う；線形プログラムによる回帰計算過程が或る与えられた回数に達した後は非線形シミュレーターだけを走らせる；線形プログラムがうまく行きそうな場合に非線形シミュレーターだけを走らせる；各計算過程の間でコンポーネントの変動が与えられた許容範囲内にある場合には非線形シミュレーターを走らせず、変動が与えられた許容範囲内にあるコンポーネントに対しては新しい係数の再計算を行わない。このような規則はオブジェクト指向プログラミング技術によりＥＸＣＥＬ、ＶＢＡおよびイベント処理プロトコルを用いるメソッドとして適用することができる。下記の例は、ＥＸＣＥＬのイベントが収束の速度を制御するのに使用されるメソッドをどのようにして始動させるかを示す例である。
【００２７】
【表１】
【００２８】
本発明の一具体化例においては、精製施設のサイトモデル３０５は入力用および出力用のスプレッドシートを含むＥＸＣＥＬのワークブックを有するＰＩＭＳ−ＳＩインターフェースを使用してＤＥＭＥＸシミュレーター３１５に操作的に結合されたＰＩＭＳ−ＬＰである。入力用のスプレッドシートは、下記の例に示されるように、ＰＩＭＳ−ＬＰからの情報の入力をＤＥＭＥＸシミュレーターに入力するものである。
【００２９】
【表２】
【００３０】
出力用のスプレッドシートは、下記の例に示されるように、ＳＰＹＲＯシミュレーターからＤＥＭＥＸへ情報を出力するものである。
【００３１】
【表３】
【００３２】
上記の方法は収束のための処理時間を最低にするために使用することができる。
【００３３】
図３は、精製施設の処方ゼネレーター１０と呼ばれる本発明の一具体化例である。この場合、炭化水素製品の規格（区域１３と１５との間のモデル化区域１６によって示される）を生成するために、特に配合された製品、例えば石油精製施設からガソリン、ディーゼル油、＃６オイル、およびアスファルトを製造するための処方をつくるために、統合された線形および非線形モデルのコンポーネントを使用して実世界の操作、実験、管理上のデータ（破線の区域１５の内部で示されている）を有する実世界のプロセス（破線区域１３の内部に示されている）がモデル化される。この処方ゼネレーター１０はコネクター４２および５８を介してアクセスすることができる。図３の具体化例は粗製油の精製を目的としているが、その中の方法論は任意の炭化水素または他の化学製品の製造施設に適用することができる。
【００３４】
図３の区域１３はモデル化すべき天然の炭化水素および／または化学製品のプロセスまたは工場を表わし、これは該プロセス、即ち炭化水素および／または化学製品の合成プログラムへの入力即ち供給を含み、また該プロセスからの出力即ち製品を表わしている。石油精製の文脈においてもっと特定的に述べれば、粗製油供給物１２は精製工程１６で精製され、精製された製品２２が得られる。粗製油供給原料１２は種々の供給原料、例えば現場の在庫品として得られる原料、市場を通じて（例えばタンカー、パイプライン等により）入手できる供給原料、およびこれらの組合せを含んでいることができる。精製工程１６は所望の精製品を製造するための精製工程、ユニット、および配合施設の任意の適当な組合せであることができる。精製工程１６は多数の工程制御装置、例えば温度制御装置、圧力制御装置、組成制御装置、流量制御装置、液位制御装置、弁制御装置、装置制御装置等を含んで成っている。このような制御装置は、工業界においてはしばしば設定点と呼ばれるプロセス制御用の対応する設定値１８を介してコンピュータで制御されることが好ましい。典型的にはプロセス制御用の設定値は、物理的に分離されてコンピュータのネットワークを介して連結されコネクター１４を介してモデル化区域にアクセスできるコンピュータのデータ保存領域（例えばデータベース等）に保存されており、そのアクセスは、本明細書に記載された他のコネクターの場合と同様に、手動または自動的に行うことができ、データの入力および／または出力に使用することができる。精製工程１６はしばしば同様な制御装置に対応している多数のプロセス・センサー、例えば温度センサー、圧力センサー、組成センサー、流量センサー、液位センサー、弁センサー、装置センサー等を含んで成っている。これらのセンサーは未処理のプロセス・データおよび拘束条件２４を生成し、これは典型的には前述のコンピュータのデータ保存区域に保存され、コネクター２０を介してモデル化区域１６にアクセスされる。未処理のプロセス・データは手を加えないプロセス・データを意味し、センサーから直接取り出され、例えば物質および／またはエネルギー収支の調整のような修正または調整を行われていないデータである。未処理のプロセス・データは実世界におけるプロセスの操作条件のスナップ映像を与える。
【００３５】
図３の操作、実験、管理に関するデータ区域１５は、区域１３によって表わされる天然の炭化水素および／または化学製品のプロセスに対する実世界の拘束条件を表わしており、さらに精製施設の操作手順４０、精製施設の管理用の入力３６、現在の供給情報２８、および歴史的な供給情報３０を含んで成り、これらはそれぞれコネクター３４および３８を介してモデル化区域１６が利用することができる。精製施設の管理入力３６は、典型的には自動的にではなく手動で入力されるいくつかの因子、例えば操作上の目標、最適化の目標、技術的サービス、および情報技術の入力を含んでいる。実質的には、これは精製施設の現在の操作に対する管理上の決定およびビジネスの目標を考慮してプロセスをモデル化するための関係の中に入れる場所である。精製施設における操作手順４０は、精製装置の管理に関する決定と似ているが、設計、安全性、環境、および他の同様な拘束条件のような精製施設を操作する確立した指針である。現在の外部からの情報２８は研究および開発の情報のような技術的なデータ、および製品および供給原料に対する実験室での試験結果（例えば組成物の評価）、並びに財務上の情報、例えば商品／製品の価格設定（例えばＮｅｗ Ｙｏｒｋ Ｍｅｒｃａｎｔｉｌｅ Ｅｘｃｈａｎｇｅ ｄａｔａ）およびエネルギー・コスト（例えばＰｌａｔｔｓ Ｇｌｏｂａｌ Ｅｎｅｒｇｙ ｄａｔａ）を含んでいることができる。歴史的な外部情報３０は現在の外部情報２８と同じまたは同様なデータ（例えば未処理のプロセス・データ、歴史的な製品の価格設定、季節的なコストおよび価格設定の傾向、エネルギーのコスト、粗製原料の試験等）を含むことができるが、傾向（動向データ）をモデル化の中に含ませることができるように歴史的な期間を包含している。現在の外部情報２８および歴史的な外部情報３０は、それらが典型的には実際の操作プロセス（未処理のプロセス・データ２４として得られるデータ）に対して外部的な情報源から得られるか誘導されるので外部と呼ばれており、データ保存ユニット３２に保存されそこからアクセスできることが好ましい。
【００３６】
図３に示されておりここで詳細に説明されるように、モデル化区域１６は区域１３によって表わされる天然の炭化水素および／または化学製品のプロセス、および区域１５によって表わされる操作、実験および管理に関するデータとフィードバック・ループの関係でコネクター１４、２０、３４および３８を介して操作的に結合されている。図３のモデル化区域１６はさらにモデル作成段階２６、ソルバーの配列４３、およびモデル出力段階５６を含んで成っている。モデル作成段階２６では、典型的には一人またはそれ以上のプロセス技術者および／またはコンピュータ・プログラマーが関与したプロセス・シミュレーション・モデルが開発され或いはプログラム化される。前に説明したように、モデルは統計および／または第１原理に基づくような任意の範疇のものであることができ、さらに前述のような市販のコンポーネントを含む任意の数のモデルのコンポーネント（好ましくはプロセス内部のユニットに対応する）を含んで成っている。モデルは典型的には公知の数学的および技術的関係および拘束条件、例えば物質・エネルギー収支、化学反応速度論等、並びに前述のような実世界における操作の拘束条件に基づいている。モデルを作成する場合、精製施設の操作手順４０、精製施設の管理のための入力３６、現在の外部情報２８および歴史的な外部情報３０、および未処理のプロセス・データ２４を含む実世界の操作データおよび拘束条件がプロセスからインポーとされる（取り込まれる）。
【００３７】
モデル作成段階２６で作成される数学モデルは、前述の一つまたはそれ以上の非線形シミュレーター（図２のシミュレーター３１５、３２０および３２５に対応）と統合された線形プログラム４１（図２の線形プログラム３０５に対応）を含むソルバー配列４３によって解かれる。好ましくは線形プログラム４１は解に収束するために再帰法または分配再帰法を、さらに好ましくはＰＩＭＳ−ＬＰを使用する。線形プログラム４１はさらにマトリックス・ゼネレーター４４によって線形ソルバー４６およびコンパレーター即ち評価段階４８を含んで成っている。マトリックス・ゼネレーター４４は一組の数学的な式および方程式からマトリックスを生成し、線形ソルバー４６、好ましくはＣＰＬＥＸ（Ｒ）線形ソルバーを用いて解くのに適したマトリックスをつくるためのコンピュータ・アプリケーションまたはプログラムである。好ましくはマトリックス・ゼネレーター４４はＰＩＭＳ−ＬＰのコンポーネントであり、ＣＰＬＥＸ（Ｒ）線形ソルバーの入力要求即ちＡＰＩに適合している。このマトリックスは前述の線形プログラムの標準形に対応し、従属および独立プロセス変数、並びに係数を含んでいる。即ちこれらの変数の各々に対する「調節因子」はマトリックス・ゼネレーター４４によって確立される。２行２列のマトリックスの簡単な例は次の通りである。
【００３８】
【数１】
【００３９】
ここで下記の量は係数と独立変数との内積（ドット・プロダクト）である。
【００４０】
ガソリンの収率 ＝ ａＸ ＋ ｂＹ
ディーゼル油の収率 ＝ ｃＸ ＋ ｄＹ
またＸおよびＹはプロセス変数を表わし、ａ、ｂ、ｃおよびｄは対応する変数の値を調節する係数である。換言すれば、係数ａ、ｂ、ｃおよびｄは該関係式に対する相互作用を表わし、各関係は一つまたはそれ以上の独立変数（ＸおよびＹ）および一つまたはそれ以上の従属変数（ガソリンの収率およびディーゼル油の収率）をもっている。物理的には一つのベクトルは大きさおよび方向の両方を有する量、即ち速度を表わしている。例えば毎時５マイルの速度で移動しているということによって物体の速度を定義するのは不十分である。物体の方向も必要である。即ち物体は毎時５マイルで北東の方向に移動していると言わなければならない。しかし北東とはいくぶん曖昧であり、速度は依然として毎時５マイルであるとしても、物体は毎時４マイルで北の方に、そして同時に毎時３マイルで東の方にと言った方がより適切な言い方である。同様に、上記の簡単化されたマトリックスの例では、ガソリンの収率はプロセス・コンポーネントの中に分割されている。例えばＦＣＣユニットを通してガス油を処理する場合、反応器の温度（Ｘ）が上昇すると、ガソリン（軽い成分）の収率が増加し（「ａ」は正の大きさをもつであろう）、触媒対ガソリンの比（Ｙ）が増加すれば、ガソリンもまた増加し（「ｂ」もまた正の大きさをもつであろう）、この場合すべての影響のサム・プロダクト（ｓｕｍ ｐｒｏｄｕｃｔ）がガソリンの総量を与える。同様に、ＦＣＣによるディーゼル油の収率は温度の上昇と共に増加する（「ｃ」も正の大きさをもつであろう）が、触媒対ガソリンの比が増加すると共に減少する（「ｄ」は負の大きさをもつであろう）。従って炭化水素流はベクトルとして表わすことができ、これらの影響を与える処理コンポーネントのサム・プロダクトはそれらの収率を与える。好ましくはマトリックスの行は独立したプロセス変数から成り、マトリックスの列は従属したプロセス変数から成っている。各変数に対して係数が存在し、独立変数と従属変数との間に関係がない場合、係数は０である。
【００４１】
モデル作成段階２６において、マトリックスの変数および係数に対する初期値（或る場合には初期推定値と呼ばれる）は好ましくは歴史的なデータ、前のシミュレーションの結果、技術者の推測等に基づいて与えられる。これらの値は線形ソルバー４６に通され、該変数および係数に対する計算値が得られる（１回目に通して得た値は１回目の再帰計算過程に対応し、２回目に通して得た値は２回目の再帰計算過程に対応する、以下同様）。任意の適当な線形ソルバー、例えばＡｓｐｅｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｉｎｃ．、Ｆｒｏｎｔｌｉｎｅ Ｓｙｓｔｅｍ，Ｉｎｃ．、ＩＬＯＧ，等から入手できるＣＰＬＥＸ（Ｒ）またはＸＰＲＥＳＳ（Ｒ）を用いることができる。変数に対する推定値が正しくないことが実質的に確かな時は、解に収束するためには多くの再帰計算回数または分配再帰計算回数が必要である。線形プログラムが或る解に収束したかどうかを決定するために、或る与えられた計算過程に対して計算された変数を一組の拘束条件または許容条件と比較する。線形プログラムが収束したかどうかを決定する場合、現在の計算過程の値を直前の計算過程の値と比較して差を決定する。この差が許容値より大きければ、評価は「偽」であり、この線形プログラムは許容し得る解に収束しなかったことになる。従って前述の係数を変更して変数を調節しなければならない。各変数に対し、逐次的な計算過程の間で得られる差を検討し、その線形ソルバーが変数の挙動を正確に表わしているかどうかを決定する。或る種の変数はこのモデルの中でＬＰによって修正されるようにプログラミングされており、他の変数はこのモデルの中でＮＬＰによって修正されるようにプログラミングされている。このようなプログラミングは、モデル化された結果、実世界のプロセスの結果、或いは両方に対し時間の経過に伴う結果を反映するように修正することができる。線形の挙動を示す変数（およびＬＰの内部でプログラミングされた変数）に対しては、ＰＩＭＳ−ＬＰではこのような変数に対する係数は変化しない。即ち、ＬＰ法を用い独立変数を段階的に変化させ典型的なＬＰ法を用い目的関数を最大にする。最後に行った再帰計算過程における独立変数（またアクティビテイ（ａｃｔｉｖｉｔｙ）と呼ばれる）の差が所望の許容度の範囲内で現在の計算過程と同じになったら再帰計算を中止する。このような場合、他の独立変数を同じ値に保った場合、個々の独立変数に関し係数は線形の方程式の傾斜に対応した一定の値になる。これに加えて、非線形の挙動を示すとされる（そして好ましくはＮＬＰに対する入出力ファイルを介してそのままプログラミングされた）変数に対しては、非線形ソルバー５２を外部からＰＩＭＳ−ＬＰの枠組みに付け加え、このような変数に対する係数を調節することができる。非線形ソルバー・システム５２は二つ以上の非線形ソルバーを含んで成ることができ、好適な非線形ソルバー・システムまたはシミュレーターは前に図２に示して説明したものを含んでいる。線形プログラムにより或る与えられた計算過程を行った後、非線形ソルバー・システム５２はコネクター５０を介して非線形挙動を示す変数および対応する係数にアクセスする。ＰＩＭＳ−ＬＰモデルからの出力データを入力として非線形モデルに入れる。非線形モデルは、各独立変数に対し、他のすべての変数を一定に保ちながら予め定められた段階または増分の大きさの範囲内で新しい線形係数（傾斜）を計算する。与えられた一つの計算過程の後でマトリックスの中に存在する係数がコネクター５４を介してアクセスされて調節され、これによって次の回帰計算過程における線形プログラムに使用される係数に対する修正値が得られる。修正された係数（線形および非線形の変数の両方に対し）を用い、各回帰計算過程の間に評価段階４８によって線形ソルバー４６からの結果が検査され、すべての変数が許容範囲内にある場合線形プログラムは解に収束し、解はモデル出力段階５６へ送られる。
【００４２】
モデル出力段階５６は、与えられた操作条件、供給原料、拘束条件等に対し最適化された目標、好ましくは最大の収益性を達成するように精製施設を操作しおよび／または製品を製造するための最適解を含んでいることが好適である。好ましくはモデル出力段階５６は、水素、燃料ガス、液化石油ガス（ＬＰＧ）、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、＃６オイル、およびアスファルトのような製品に対する処方または配合組成を含んで成っている。モデル出力は好ましくはさらに所望の最適化を達成するための炭化水素および／または化学プロセスの操作および管理に関するデータ、情報、修正等を含んでいる。例えば好ましくはモデル出力は、区域１３で表わされる炭化水素および／または化学製品のプロセスにフィードバックされ、手動か或いは好ましくは自動的にプロセスを制御して操作を行い所望の最適化を達成できるような修正されたプロセス制御用の設定１８を含んでいる。また好ましくはモデル出力は供給原料の規格および管理計画、並びに精製施設の操作手順の修正および最適操作を達成するための指針をさらに含んでいる。
【実施例】
【００４３】
下記の実施例は、前述のＤＥＭＥＸユニットに対するマトリックスの小さい部分の一例である。抽出塔は、脱金属処理を行った油（ＤＭＯ）、樹脂、およびアスファルトを含んで成る真空蒸留塔からの塔底部分を受け取るためにつくられている。これに加えて、抽出を行うために溶媒としてプロパンおよびブタンが加えられる。抽出塔の頂部から、ＤＭＯおよび樹脂が集められ、フラッシュ蒸発ドラムの方へ移され、ＤＭＯおよび樹脂の別々の製品がつくられる。抽出塔の底部からアスファルトが集められる。この例に対しては、従属変数は抽出塔からの製品の収率であり、独立変数は抽出塔の温度である。従って供給原料および製品に対するアクティビティ（独立変数）は、物質収支の拘束のために、加えると０にならなければならない。もっと特定的に言えば、抽出塔からの収率を記述する関係は次のようになる。
【００４４】
【数２】
【００４５】
温度は独立変数であり、従ってマトリックス中の列の要素になり、従属変数である収率はマトリックス中の行の要素になるであろう。質量が保存されるために温度のアクティビティの関係は０になる必要がある。
【００４６】
【数２】
【００４７】
以上、本発明の好適具体化例を示して説明したが、当業界の専門家は本発明の精神および範囲を逸脱することなくその変形を行うことができる。従って、本明細書に記載された具体化例は例示の目的のためのものであって本発明を限定するものではない。本発明の範囲内において本発明のシステムの多くの変更および修正が可能である。従って本発明の保護されるべき範囲は上記の具体化例に限定されるものではなく、添付特許請求の範囲によってだけ限定される。これらの特許請求範囲はその主要事項のすべての同等物を包含していなければならない。
【図面の簡単な説明】
【００４８】
【図１】ＮＥＯＳ Ｇｕｉｄｅによる最適化の木（ツリー）。
【図２】本発明によってモデル化されるプロセスのブロック図。
【図３】製品の処方をつくる本発明の具体化例を示す流れ図。
【特許請求の範囲】
【請求項１】
炭化水素または化学製品を製造する施設を操作する方法において、
該施設を数学的にモデル化し；
線形および非線形のソルバーの組み合わせを用いて該数学モデルを最適化し；
該最適解に基づいて製品に対する一つまたはそれ以上の処方または操作設定点を生成させることを含んで成ることを特徴とする方法。
【請求項２】
該数学モデルはさらにプロセス変数および対応する係数を有する多数のプロセス方程式を含んで成ることを特徴とする請求項１記載の方法。
【請求項３】
該プロセス変数および対応する係数を使用して線形プログラムの中におけるマトリックスをつくることを特徴とする請求項２記載の方法。
【請求項４】
再帰法によって該線形プログラムを実行することを特徴とする請求項３記載の方法。
【請求項５】
分配再帰法によって該線形プログラムを実行することを特徴とする請求項３記載の方法。
【請求項６】
逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を線形ソルバーにより計算することを特徴とする請求項４記載の方法。
【請求項７】
逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を非線形ソルバーにより計算することを特徴とする請求項６記載の方法。
【請求項８】
プロセス変数および対応する係数に対する修正値をマトリックスの中に代入することを特徴とする請求項７記載の方法。
【請求項９】
現在の再帰計算過程に対し線形プログラムによって計算されたプロセス変数および対応する係数についての修正値が、直前の再帰計算過程に対する対応する値と比較した場合、或る与えられた許容範囲に入るまで再帰計算を継続することを特徴とする請求項８記載の方法。
【請求項１０】
線形プログラムはＰＩＭＳ−ＬＰであることを特徴とする請求項９記載の方法。
【請求項１１】
線形ソルバーはＣＰＬＥＸまたはＸＰＲＥＳＳであることを特徴とする請求項１０記載の方法。
【請求項１２】
マトリックスのプロセス変数および対応する係数は一つまたはそれ以上のスプレッドシートまたはデータベースに保存されていることを特徴とする請求項１１記載の方法。
【請求項１３】
非線形ソルバーはＰＩＭＳ−ＳＩを介してスプレッドシートにアクセスすることを特徴とする請求項１２記載の方法。
【請求項１４】
非線形ソルバーはＶｉｓｕａｌ Ｂａｓｉｃ ｆｏｒ Ａｐｐｌｉｃａｔｉｏｎ（ＶＢＡ）を介してスプレッドシートにアクセスすることを特徴とする請求項１２記載の方法。
【請求項１５】
製造施設は石油精製施設であることを特徴とする請求項１３記載の方法。
【請求項１６】
粗製物の蒸溜、炭化水素の蒸溜、改質、芳香族の抽出、トルエンの不均化、溶媒による脱アスファルト、流動触媒クラッキング（ＦＣＣ）、ガス油の水素化、蒸溜生成物の水素化、異性化、硫酸のアルキル化、および熱電併給操作から成る群から選ばれる石油精製施設の部分に対し非線形ソルバーによりシミュレーションを行うことを特徴とする請求項１５記載の方法。
【請求項１７】
生成される処方は、水素、燃料ガス、ＬＰＧ、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、＃６オイル、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品に対する処方であることを特徴とする請求項１６記載の方法。
【請求項１８】
プロセス変数は精製施設に対する粗製供給原料の組成を含んでいることを特徴とする請求項１７記載の方法。
【請求項１９】
最適解に基づいて精製施設に対する１種またはそれ以上の粗製供給原料の中から選択を行うことを特徴とする請求項１８記載の方法。
【請求項２０】
炭化水素または化学製品の製造施設を操作するコンピュータ化されたシステムにおいて、該システムは該施設の数学モデルをつくることを主目的とするコンピュータを含んで成り、該コンピュータは線形および非線形のソルバーを組み合わせて実行することにより該数学モデルを最適化し、最適解に基づいて製品に対する一つまたはそれ以上の処方を生成することを特徴とするシステム。
【請求項２１】
該コンピュータは製造施設の内部においてインターフェースによりプロセス・コントローラーと接続され、最適解に基づいて設定点を与えることを特徴とする請求項２０記載のシステム。
【請求項２２】
水素、燃料ガス、ＬＰＧ、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、＃６オイル、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品を製造するために、該コンピュータは石油精製施設の内部で製品配合システムを制御することを特徴とする請求項２１記載のシステム。
【請求項１】
炭化水素または化学製品を製造する施設を操作する方法において、
該施設を数学的にモデル化し；
線形および非線形のソルバーの組み合わせを用いて該数学モデルを最適化し；
該最適解に基づいて製品に対する一つまたはそれ以上の処方または操作設定点を生成させることを含んで成ることを特徴とする方法。
【請求項２】
該数学モデルはさらにプロセス変数および対応する係数を有する多数のプロセス方程式を含んで成ることを特徴とする請求項１記載の方法。
【請求項３】
該プロセス変数および対応する係数を使用して線形プログラムの中におけるマトリックスをつくることを特徴とする請求項２記載の方法。
【請求項４】
再帰法によって該線形プログラムを実行することを特徴とする請求項３記載の方法。
【請求項５】
分配再帰法によって該線形プログラムを実行することを特徴とする請求項３記載の方法。
【請求項６】
逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を線形ソルバーにより計算することを特徴とする請求項４記載の方法。
【請求項７】
逐次行われる再帰計算過程に基づいて、プロセス変数および対応する係数の一部に対する修正値を非線形ソルバーにより計算することを特徴とする請求項６記載の方法。
【請求項８】
プロセス変数および対応する係数に対する修正値をマトリックスの中に代入することを特徴とする請求項７記載の方法。
【請求項９】
現在の再帰計算過程に対し線形プログラムによって計算されたプロセス変数および対応する係数についての修正値が、直前の再帰計算過程に対する対応する値と比較した場合、或る与えられた許容範囲に入るまで再帰計算を継続することを特徴とする請求項８記載の方法。
【請求項１０】
線形プログラムはＰＩＭＳ−ＬＰであることを特徴とする請求項９記載の方法。
【請求項１１】
線形ソルバーはＣＰＬＥＸまたはＸＰＲＥＳＳであることを特徴とする請求項１０記載の方法。
【請求項１２】
マトリックスのプロセス変数および対応する係数は一つまたはそれ以上のスプレッドシートまたはデータベースに保存されていることを特徴とする請求項１１記載の方法。
【請求項１３】
非線形ソルバーはＰＩＭＳ−ＳＩを介してスプレッドシートにアクセスすることを特徴とする請求項１２記載の方法。
【請求項１４】
非線形ソルバーはＶｉｓｕａｌ Ｂａｓｉｃ ｆｏｒ Ａｐｐｌｉｃａｔｉｏｎ（ＶＢＡ）を介してスプレッドシートにアクセスすることを特徴とする請求項１２記載の方法。
【請求項１５】
製造施設は石油精製施設であることを特徴とする請求項１３記載の方法。
【請求項１６】
粗製物の蒸溜、炭化水素の蒸溜、改質、芳香族の抽出、トルエンの不均化、溶媒による脱アスファルト、流動触媒クラッキング（ＦＣＣ）、ガス油の水素化、蒸溜生成物の水素化、異性化、硫酸のアルキル化、および熱電併給操作から成る群から選ばれる石油精製施設の部分に対し非線形ソルバーによりシミュレーションを行うことを特徴とする請求項１５記載の方法。
【請求項１７】
生成される処方は、水素、燃料ガス、ＬＰＧ、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、＃６オイル、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品に対する処方であることを特徴とする請求項１６記載の方法。
【請求項１８】
プロセス変数は精製施設に対する粗製供給原料の組成を含んでいることを特徴とする請求項１７記載の方法。
【請求項１９】
最適解に基づいて精製施設に対する１種またはそれ以上の粗製供給原料の中から選択を行うことを特徴とする請求項１８記載の方法。
【請求項２０】
炭化水素または化学製品の製造施設を操作するコンピュータ化されたシステムにおいて、該システムは該施設の数学モデルをつくることを主目的とするコンピュータを含んで成り、該コンピュータは線形および非線形のソルバーを組み合わせて実行することにより該数学モデルを最適化し、最適解に基づいて製品に対する一つまたはそれ以上の処方を生成することを特徴とするシステム。
【請求項２１】
該コンピュータは製造施設の内部においてインターフェースによりプロセス・コントローラーと接続され、最適解に基づいて設定点を与えることを特徴とする請求項２０記載のシステム。
【請求項２２】
水素、燃料ガス、ＬＰＧ、プロパン、プロピレン、ブタン、ブチレン、ペンタン、ガソリン、改質ガソリン、灯油、航空燃料、高硫黄分ディーゼル油、低硫黄分ディーゼル油、高硫黄分ガス油、低硫黄分ガス油、＃６オイル、およびアスファルトから成る群から選ばれる１種またはそれ以上の製品を製造するために、該コンピュータは石油精製施設の内部で製品配合システムを制御することを特徴とする請求項２１記載のシステム。
【図１】
【図２】
【図３】
【図２】
【図３】
【公表番号】特表２００６−５０３９５７（Ｐ２００６−５０３９５７Ａ）
【公表日】平成１８年２月２日（２００６．２．２）
【国際特許分類】
【出願番号】特願２００４−５４６６８７（Ｐ２００４−５４６６８７）
【出願日】平成１５年７月８日（２００３．７．８）
【国際出願番号】ＰＣＴ／ＵＳ２００３／０２１３１１
【国際公開番号】ＷＯ２００４／０３８５３５
【国際公開日】平成１６年５月６日（２００４．５．６）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
ＪＡＶＡ
ＷＩＮＤＯＷＳ
【出願人】（５０５０４６１１２）フイナ・テクノロジー・インコーポレーテツド (9)
【Ｆターム（参考）】
【公表日】平成１８年２月２日（２００６．２．２）
【国際特許分類】
【出願日】平成１５年７月８日（２００３．７．８）
【国際出願番号】ＰＣＴ／ＵＳ２００３／０２１３１１
【国際公開番号】ＷＯ２００４／０３８５３５
【国際公開日】平成１６年５月６日（２００４．５．６）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
ＪＡＶＡ
ＷＩＮＤＯＷＳ
【出願人】（５０５０４６１１２）フイナ・テクノロジー・インコーポレーテツド (9)
【Ｆターム（参考）】
[ Back to top ]