張睿，馮毅萍，榮岡

（浙江大學(xué)工業(yè)控制技術(shù)國家重點實驗室，浙江 杭州 310027）

引 言

生產(chǎn)調(diào)度是連接生產(chǎn)計劃和生產(chǎn)活動的紐帶，起著承上啟下的作用[1]。生產(chǎn)調(diào)度按照生產(chǎn)計劃來組織生產(chǎn)，并根據(jù)生產(chǎn)狀況及時調(diào)整企業(yè)的生產(chǎn)活動。生產(chǎn)調(diào)度使生產(chǎn)能均衡、穩(wěn)定、安全地進(jìn)行，并合理調(diào)配物料和能源，最大限度發(fā)揮資源的效能，使各生產(chǎn)環(huán)節(jié)能有效配合和緊密銜接[2]。

煉油企業(yè)生產(chǎn)調(diào)度中，原油調(diào)度是根據(jù)生產(chǎn)作業(yè)計劃制定的生產(chǎn)方案，安排原油卸載、輸送到混合的全過程，這既要考慮油罐中油量的變化以保證安全生產(chǎn)，又要考慮加工方案執(zhí)行的時間順序和裝置的連續(xù)進(jìn)料生產(chǎn)，這對確保生產(chǎn)正常、均衡和高效運行有重要意義。Shah[3]建立了原油調(diào)度的混合整數(shù)線性規(guī)劃模型，同時將原油調(diào)度問題分為上游原油卸載調(diào)度和下游原油加工調(diào)度模型。本文的方法即應(yīng)用于下游原油加工調(diào)度。Kelly等[4]提出求解原油調(diào)度的物性計算問題。Yu等[5]建立了一種基于歷史操作數(shù)據(jù)建立概率模型并進(jìn)行動態(tài)優(yōu)化的方法。HONEYWELL、ASPEN均開發(fā)了生產(chǎn)調(diào)度、罐區(qū)調(diào)度的專用軟件，國內(nèi)石化企業(yè)在過去20年信息化進(jìn)程中，逐步建立了調(diào)度管理信息系統(tǒng)和生產(chǎn)執(zhí)行系統(tǒng)，作為生產(chǎn)調(diào)度的工具。但對調(diào)度執(zhí)行結(jié)果的反饋卻始終是空白。

調(diào)度令是石化企業(yè)的一種傳統(tǒng)的生產(chǎn)指揮手段，為了及時交流生產(chǎn)經(jīng)營情況，分析研究生產(chǎn)經(jīng)營中出現(xiàn)的新問題，特別是調(diào)整生產(chǎn)，處理異常，防范事故，企業(yè)需要及時簽發(fā)下達(dá)各種調(diào)度令，以確保企業(yè)生產(chǎn)經(jīng)營的正常穩(wěn)定進(jìn)行[6]。雖然是一種傳統(tǒng)的指揮手段，并隨著時間的推移，使用了各種先進(jìn)的通訊和控制手段，但仍然在企業(yè)的生產(chǎn)經(jīng)營中具有不可替代的地位。但是，在企業(yè)中對調(diào)度令執(zhí)行結(jié)果的跟蹤與反饋卻并沒有隨著信息化進(jìn)程和生產(chǎn)執(zhí)行系統(tǒng)的普遍應(yīng)用而取得同步的發(fā)展。信息沒有及時地分析與反饋，使得生產(chǎn)調(diào)度的優(yōu)化并沒有形成及時的閉環(huán)控制。這有多重原因的影響，包括：①調(diào)度優(yōu)化模型的理論計算結(jié)果不能覆蓋全部調(diào)度操作，需要專家經(jīng)驗干預(yù)，傳統(tǒng)的事件跟蹤也因此不得不依靠人工監(jiān)測與記錄；②生產(chǎn)調(diào)度日報沒有對生產(chǎn)調(diào)度指令集每一條指令的執(zhí)行效果進(jìn)行一一對應(yīng)的記錄。對調(diào)度指令集的有效性、安全性、執(zhí)行度等指標(biāo)，不能及時評估，更難以將生產(chǎn)績效與生產(chǎn)調(diào)度令執(zhí)行的全過程進(jìn)行因果關(guān)聯(lián)。

對于事件跟蹤，傳統(tǒng)的人工監(jiān)測與記錄存在多重弊端，包括：①數(shù)據(jù)來源多樣性，使得單純依靠人工經(jīng)驗對事件進(jìn)行跟蹤容易產(chǎn)生人為差錯；②事件的復(fù)雜性可能導(dǎo)致人工判斷無法準(zhǔn)確地判定事件的真實狀態(tài)；③人工方式的跟蹤與判別通常滯后于系統(tǒng)的實時運行時序，從而影響系統(tǒng)的正常運行和信息的時效性。

數(shù)據(jù)的準(zhǔn)確性，跟蹤的及時性，是人工監(jiān)測與記錄無法克服的弊端，也正是事件跟蹤的難點所在。也不可避免地影響了調(diào)度結(jié)果的及時反饋和生產(chǎn)優(yōu)化閉環(huán)控制的效果。傳統(tǒng)的人工記錄方法，其跟蹤還原精度和及時性的決定因素為人工記錄數(shù)據(jù)的準(zhǔn)確性和人工績效，不完全可控。而本文提出的方法其決定因素為數(shù)據(jù)的準(zhǔn)確性與完整性，而工廠平衡數(shù)據(jù)的引入提高了數(shù)據(jù)的準(zhǔn)確性與完整性。

實際上，隨著每一個調(diào)度令的下達(dá)，數(shù)據(jù)采集系統(tǒng)在其新的采集周期內(nèi)，會獲得新的生產(chǎn)數(shù)據(jù)，生產(chǎn)系統(tǒng)在這里作為一個離散事件系統(tǒng)也會隨之進(jìn)入新的狀態(tài)。新的數(shù)據(jù)與系統(tǒng)的新狀態(tài)共同作為該調(diào)度令執(zhí)行的直接結(jié)果，兩者之間，存在著必然的聯(lián)系。對于煉油生產(chǎn)過程，這里的數(shù)據(jù)除了傳統(tǒng)的連續(xù)測量儀表的實時采集數(shù)據(jù)，設(shè)備、管線啟停的開關(guān)量數(shù)據(jù)，化驗分析數(shù)據(jù)，還有調(diào)度指令集電子文檔、MES系統(tǒng)操作日志等計算機電子記錄等，這些多源數(shù)據(jù)涵蓋大部分生產(chǎn)信息。但是如何有效地利用這些信息，進(jìn)一步挖掘生產(chǎn)數(shù)據(jù)與離散事件之間的聯(lián)系少有研究。通過數(shù)據(jù)對人的行為和系統(tǒng)關(guān)聯(lián)事件的研究在制造業(yè)、通信行業(yè)等很多領(lǐng)域內(nèi)都有一些研究成果[7-9]，但在流程工業(yè)很少有人挖掘。于是，本文利用多源數(shù)據(jù)之間的冗余性關(guān)系，挖掘數(shù)據(jù)蘊含的信息，歸納出一套方法，建立起數(shù)據(jù)與生產(chǎn)事件之間的關(guān)系。

本文對流程企業(yè)信息管理系統(tǒng)(ERP/MES/PCS)中與物流生產(chǎn)加工相關(guān)的動態(tài)數(shù)據(jù)集進(jìn)行了分析，提出了一種生產(chǎn)事件演變的數(shù)據(jù)鏈概念模型，將物流動態(tài)數(shù)據(jù)集劃分為計劃數(shù)據(jù)、指令數(shù)據(jù)、物流真實狀態(tài)、測量數(shù)據(jù)和平衡數(shù)據(jù)。該數(shù)據(jù)鏈概念模型可以描述、表達(dá)、分析生產(chǎn)管理者（人），通過計算機信息管理系統(tǒng)（信息化平臺）對真實物理世界（生產(chǎn)過程）進(jìn)行管理和控制的全部活動，即調(diào)度事件的演變過程。其參與事件跟蹤與還原方法的基本框架如圖1所示。

圖1 基于生產(chǎn)數(shù)據(jù)的事件跟蹤及還原方法的基本框架Fig.1 Basic framework of event tracing and restoring method

理論上，計算機仿真技術(shù)可以在信息化平臺虛擬仿真生產(chǎn)物流。由于仿真模型復(fù)雜性和仿真系統(tǒng)運行成本高，實際上，大部分生產(chǎn)企業(yè)只能依賴生產(chǎn)測量數(shù)據(jù)在計算機信息管理系統(tǒng)中重構(gòu)生產(chǎn)物流真實狀態(tài)。又由于經(jīng)濟條件、測量技術(shù)等原因的限制，實際測量數(shù)據(jù)不可避免地帶有測量誤差、測量時延、測量缺失，難以全面、及時、正確地重構(gòu)生產(chǎn)物流真實狀態(tài)，為調(diào)度事件的準(zhǔn)確跟蹤和反饋帶來了困難。

數(shù)據(jù)校正技術(shù)是流程工業(yè)綜合自動化和企業(yè)資源規(guī)劃的數(shù)據(jù)支撐，其目的是獲取一組既滿足平衡關(guān)系又精確的生產(chǎn)過程數(shù)據(jù)。目前 MES系統(tǒng)利用軟件對石化企業(yè)的生產(chǎn)數(shù)據(jù)進(jìn)行校正和推量，并通過制定數(shù)據(jù)平衡規(guī)則,使企業(yè)全部物料與能源數(shù)據(jù)實現(xiàn)日平衡,提高了生產(chǎn)經(jīng)營統(tǒng)計的及時性和準(zhǔn)確性[10]。因此，根據(jù)合理的校正和推量方法，將生產(chǎn)測量數(shù)據(jù)轉(zhuǎn)化為滿足跟蹤需求的平衡數(shù)據(jù)，構(gòu)造合理的數(shù)據(jù)鏈，是進(jìn)行在線事件跟蹤的基本前提。基于目前應(yīng)用廣泛的數(shù)據(jù)校正和推量規(guī)則，本文采用的數(shù)據(jù)鏈構(gòu)造方法為數(shù)據(jù)跟蹤提供了支撐。

綜上，本文提出一種生產(chǎn)事件跟蹤的數(shù)據(jù)鏈模型，基于數(shù)據(jù)校正和推量規(guī)則進(jìn)行的數(shù)據(jù)鏈重構(gòu)，為在線跟蹤提供了準(zhǔn)確的數(shù)據(jù)支撐，并提出了一種依據(jù)數(shù)據(jù)與離散事件之間的聯(lián)系，實時地對調(diào)度令的執(zhí)行結(jié)果，即調(diào)度事件進(jìn)行自動跟蹤和還原的方法，并以原油加工調(diào)度為例，證明該方法的可用性。可以真實復(fù)現(xiàn)調(diào)度令傳遞的過程，深入評估其有效性、安全性和執(zhí)行度，可以及時有效地進(jìn)行生產(chǎn)評估、績效考核，同時指導(dǎo)下一周期生產(chǎn)指令的下達(dá)和執(zhí)行。

1 基本概念

1.1 數(shù)據(jù)

數(shù)據(jù)反映了生產(chǎn)系統(tǒng)的某一狀態(tài)或特征，作為信息的一種表現(xiàn)形式和載體，其組合所蘊含的信息量更加龐大。數(shù)據(jù)原子模型的基本元素包括測量對象、數(shù)據(jù)類型、采集方法、采集時間、可信度等，定義如下

數(shù)據(jù)鏈?zhǔn)窍到y(tǒng)隨著調(diào)度令的產(chǎn)生和執(zhí)行，數(shù)據(jù)集不斷刷新產(chǎn)生的一批數(shù)據(jù)的組合，其基本元素包括輸入、輸出、初始數(shù)據(jù)序列、過程數(shù)據(jù)序列等。定義為

隨著數(shù)據(jù)鏈的輸入即調(diào)度指令，數(shù)據(jù)鏈依次重構(gòu)，S1→S2→S3→S4…，在石化企業(yè)生產(chǎn)過程中，按數(shù)據(jù)流程的產(chǎn)生順序，數(shù)據(jù)鏈分為計劃數(shù)據(jù)、指令數(shù)據(jù)、測量數(shù)據(jù)和平衡數(shù)據(jù)。

數(shù)據(jù)鏈狀態(tài)的組合定義為數(shù)據(jù)集D(t)

1.2 離散事件系統(tǒng)

離散事件系統(tǒng)（discrete event system, DES）是一組元素的集合, 為了達(dá)到某些目的, 這些元素以某些規(guī)則相互作用、關(guān)聯(lián)而集合在一起。離散事件系統(tǒng)規(guī)范(discrete event system specification,DEVS)[11]是由 Zeigler提出的 M&S(modeling and simulation)結(jié)構(gòu)，是一種描述離散事件形式化的方法。

離散事件系統(tǒng)原子模型基本元素包括輸入事件集合、輸出事件集合、系統(tǒng)初始狀態(tài)、系統(tǒng)狀態(tài)集合、內(nèi)外部轉(zhuǎn)移函數(shù)、時間遞推函數(shù)等[12]

Ramadge等[13]提出了離散事件系統(tǒng)的圖形化描述方法。如圖2所示為連續(xù)時間上的一個基本離散事件系統(tǒng)的狀態(tài)軌跡，事件是狀態(tài)之間的轉(zhuǎn)換，用不同的拉丁字母做出了標(biāo)注，通常表示引起狀態(tài)轉(zhuǎn)換的不同物理現(xiàn)象，如裝置停工、換油、開始接油等?？梢杂肶={α,δ,β,β,α,δ,…}來表示某一簡單的事件序列。其中α、δ等依次不同時發(fā)生。

圖2 離散事件系統(tǒng)的狀態(tài)軌跡[13]Fig.2 State trajectory of DES[13]

Ierapetritou等[14]提出了裝置級事件點模型，在他們的模型中首先提出了事件點的概念，即沿著時間軸的一系列時間點，表征任務(wù)的開始或裝置的開始使用。對于不同的裝置，事件點的分布是不一樣的，這樣允許不同的任務(wù)可以在不同的時刻執(zhí)行于不同的裝置。在這種模型中，將事件點定義為任務(wù)的開始，不像其他模型要定義開始和結(jié)束兩個事件點[15]。

本文中僅研究煉油企業(yè)中與數(shù)據(jù)緊密相關(guān)的兩類基本事件Y={Yp,Ys}①加工設(shè)備事件序列Yp，如生產(chǎn)方案調(diào)整引起的裝置出料屬性變化或進(jìn)料量調(diào)整引起的出料量變化；②容積設(shè)備事件序列Ys，把引起容積設(shè)備狀態(tài)變化的事件定義為“容積設(shè)備事件”。Ys與Yp通過移動事件產(chǎn)生相互對應(yīng)關(guān)系。Pinto等[16]用甘特圖展示了調(diào)度令對容積設(shè)備的影響，即產(chǎn)生的罐區(qū)調(diào)度結(jié)果，如圖3所示，從管道向罐區(qū)輸送原油和向設(shè)備供應(yīng)原油的加工設(shè)備事件通過移動，與容積設(shè)備事件有著對應(yīng)關(guān)系，可以由輸油事件和供油事件推算容積設(shè)備事件。

圖3 罐區(qū)調(diào)度甘特圖Fig.3 Gantt chart of tank scheduling

當(dāng)設(shè)備加工事件的測量數(shù)據(jù)存在誤差或時延，則跟蹤及還原的容積設(shè)備事件也會存在誤差或時延，如圖4所示，誤差會使得接收原油總量與輸送的不等，增加錯誤的time slot，或設(shè)備供應(yīng)量誤差等。本文提出的方法，在滿足數(shù)據(jù)準(zhǔn)確的基礎(chǔ)上，利用數(shù)據(jù)的冗余信息，盡量還原如圖3所示的準(zhǔn)確的容積設(shè)備調(diào)度事件。

圖4 不準(zhǔn)確的數(shù)據(jù)分析得到的罐區(qū)調(diào)度甘特圖Fig.4 Gantt chart of tank scheduling based on inaccurate dataanalysis

1.3 數(shù)據(jù)與事件

在離散事件系統(tǒng)中，隨著調(diào)度令的執(zhí)行，系統(tǒng)狀態(tài)改變，多源數(shù)據(jù)隨之實時更新，若排除異常波動的影響，檢測到的數(shù)據(jù)產(chǎn)生變化，一段過渡狀態(tài)后進(jìn)入穩(wěn)定狀態(tài)，直到下一個事件發(fā)生打破這種穩(wěn)態(tài)。裝置級事件點模型任務(wù)開始時間可以定義為指令下達(dá)的時間，也可定義為進(jìn)入穩(wěn)定狀態(tài)的時間。認(rèn)為指令下達(dá)時間就是系統(tǒng)進(jìn)入穩(wěn)定狀態(tài)的時間。

但是數(shù)據(jù)的檢測并不能連續(xù)時間進(jìn)行，所以利用各監(jiān)測數(shù)據(jù)的冗余信息進(jìn)行分析提取，根據(jù)本文提出的跟蹤與還原方法就可以準(zhǔn)確還原事件序列?？梢砸匀缦聝?yōu)化命題來表示狀態(tài)跟蹤與還原的目的

1.4 移動

移動物流描述了系統(tǒng)最根本的物理結(jié)構(gòu)[17]。在石化企業(yè)中，物流過程包含了原油生產(chǎn)和加工過程中物料轉(zhuǎn)變和轉(zhuǎn)移的重要信息，是企業(yè)建模和集成的基礎(chǔ)。在DEVS中，移動是流程企業(yè)中特有的原子DEVS模型之間交互的一種表現(xiàn)，物流從一個DEVS原子模型流動到另一個模型，就產(chǎn)生一條移動，因此移動的基本元素包括移動起始點、終止點、起始時間、終止時間、移動物料的屬性以及移動物料的總量等。參照DEVS的定義法，移動的定義如下

移動是聯(lián)系加工設(shè)備事件和容積設(shè)備事件的紐帶，在確定了物理結(jié)構(gòu)上相連的加工設(shè)備和容積設(shè)備在相同時間段內(nèi)的事件序列之后，進(jìn)行對應(yīng)和組合的過程定義為移動合成。

移動是事件變遷的表征，加工設(shè)備事件的發(fā)生必然對應(yīng)某條移動的變化。因此，移動也是調(diào)度令的執(zhí)行在系統(tǒng)物理結(jié)構(gòu)上最直觀的表現(xiàn)。通過確定移動序列的上述基本元素，就可以復(fù)現(xiàn)調(diào)度令傳遞的過程，將其與調(diào)度令執(zhí)行的預(yù)期效果進(jìn)行對比，就可以深入評估其有效性、安全性和執(zhí)行度。

各基本概念之間關(guān)聯(lián)的示意圖如圖5所示。

圖5 基本概念之間關(guān)聯(lián)Fig.5 Relationship between basic concepts

2 事件的跟蹤與還原的方法

隨著調(diào)度令的產(chǎn)生和執(zhí)行，數(shù)據(jù)采集系統(tǒng)在其新的采集周期內(nèi)，會獲得新的生產(chǎn)數(shù)據(jù)，數(shù)據(jù)鏈進(jìn)行重構(gòu)，生產(chǎn)系統(tǒng)在這里作為一個離散事件系統(tǒng)也會隨之進(jìn)入新的狀態(tài)。新的數(shù)據(jù)與系統(tǒng)的新狀態(tài)共同作為該調(diào)度令執(zhí)行的直接結(jié)果，兩者之間存在著必然的聯(lián)系。本文提出的方法利用數(shù)據(jù)和狀態(tài)之間的聯(lián)系，利用冗余性分析，通過分析調(diào)度令執(zhí)行時數(shù)據(jù)鏈重構(gòu)的過程，跟蹤系統(tǒng)的狀態(tài)變化，即還原出調(diào)度令的執(zhí)行效果。

2.1 數(shù)據(jù)鏈的重構(gòu)

本文方法的效果取決于數(shù)據(jù)鏈重構(gòu)后獲得數(shù)據(jù)的準(zhǔn)確性、判別系統(tǒng)狀態(tài)發(fā)生改變的方法的準(zhǔn)確性、建立的數(shù)據(jù)變化與狀態(tài)聯(lián)系的正確性。

首先需要保證數(shù)據(jù)鏈重構(gòu)過程中可控環(huán)節(jié)的數(shù)據(jù)準(zhǔn)確性，即D3(t)通過物料平衡達(dá)到D4(t)這一環(huán)節(jié)。

圖6 不準(zhǔn)確的離散事件系統(tǒng)的狀態(tài)軌跡Fig 6 State trajectory of an inaccurate DES

按照調(diào)度令執(zhí)行的過程和調(diào)度令對工廠的重大意義，不準(zhǔn)確的事件系統(tǒng)不僅會對跟蹤的反饋造成影響，導(dǎo)致反饋信息出錯，進(jìn)而影響工廠的閉環(huán)控制，造成決策失誤。

數(shù)據(jù)校正技術(shù)是在數(shù)據(jù)鏈D(t)=中D3(t)D4(t)的轉(zhuǎn)換中的關(guān)鍵技術(shù)。解決的基本問題是利用冗余信息剔除原始數(shù)據(jù)中的顯著誤差，降低隨機誤差對測量值的影響，盡可能減少或去除測量誤差對于現(xiàn)有過程性能分析和對未來操作預(yù)測的影響，并設(shè)法估計出未測量變量以提高未測量變量計算結(jié)果的置信度[18]。

為解決生產(chǎn)實際中的物料平衡問題，目前MES應(yīng)用軟件的普遍采取物流平衡計算和不確定量推理規(guī)則共同組成的新數(shù)據(jù)校正算法。

石化企業(yè)中，直接服務(wù)于生產(chǎn)統(tǒng)計的進(jìn)出廠點儀表精度高，測量結(jié)果作為經(jīng)濟結(jié)算的依據(jù)。儲罐在物料收付前后和班次交接時刻均有檢尺，生產(chǎn)管理上要求的測量精度較高，而生產(chǎn)裝置側(cè)線的測量值是一段時間的累積量，一般供實時監(jiān)控參考，誤差比較大[19]。

參考上述經(jīng)驗，本文借鑒了幾條簡單的遵循優(yōu)先級的規(guī)則，用于不確定量推理[20]：

① 進(jìn)出廠和互供點的精度為100%；

② 罐庫不可調(diào)整；

③ 單路優(yōu)先基準(zhǔn)，高準(zhǔn)確度節(jié)點處于單收或者單付狀態(tài)時，優(yōu)先分配與之相關(guān)移動量；

④ 高準(zhǔn)確度節(jié)點基準(zhǔn)，由用戶確定，收付誤差按（1?準(zhǔn)確度）和原始值的權(quán)重分配；

⑤ 收方基準(zhǔn)，對于沒有定義準(zhǔn)確度的場景，以收方為準(zhǔn)。

在現(xiàn)代 MES系統(tǒng)中，數(shù)據(jù)校正系統(tǒng)已在該企業(yè)的物料平衡中得到了長期應(yīng)用，將數(shù)據(jù)校正技術(shù)和工廠實際結(jié)合，是解決問題的關(guān)鍵[21]。針對MES層物料平衡問題，以物流平衡計算和不確定量推理為主，傳統(tǒng)的數(shù)據(jù)校正技術(shù)為輔。通過制定嚴(yán)格的推量規(guī)則，以計量精度較高的儀表或計量數(shù)據(jù)為“基準(zhǔn)”。根據(jù)工藝原理、物質(zhì)守恒原理和數(shù)學(xué)原理對需要搜集的其他統(tǒng)計數(shù)據(jù)進(jìn)行推量。

2.2 跟蹤與還原步驟

本文提出的跟蹤與還原，建立在以下假設(shè)之上：①假設(shè)一，假設(shè)指令下達(dá)的時間就是指令開始執(zhí)行的時間，忽略系統(tǒng)的響應(yīng)時間和內(nèi)部響應(yīng)函數(shù)；②假設(shè)二，假設(shè)指令執(zhí)行后系統(tǒng)立即發(fā)生狀態(tài)轉(zhuǎn)移，不研究系統(tǒng)的過渡狀態(tài)。在以上假設(shè)之下，本方法的基本思路如下。

（1）對選取的不同對象分別建模。

加工設(shè)備的DEVS原子模型可定義為[10]

其中，Q(in),Q(out)之間的關(guān)系為

容積設(shè)備的DES原子模型定義為

其中，Q(in),Q(out),v之間的關(guān)系為

（2）根據(jù)對象的規(guī)模和跟蹤還原的需求，選取合適的基本模型，通過對基本模型平衡數(shù)據(jù)變化的觀測，判斷引起狀態(tài)變化的事件的發(fā)生。

① 對于加工設(shè)備 在不同的“加工設(shè)備事件”下，設(shè)備的進(jìn)出物料的種類和走向有所不同（表1）。

表1 加工設(shè)備事件下設(shè)備生產(chǎn)狀態(tài)變化的情況Table 1 Transformation of production status under different unit event

輸出事件為

a.進(jìn)料的種類和流量發(fā)生變化，表現(xiàn)為ΔQ(in)或ΔK(in)，同時引起B(yǎng)的變化，即X={ΔQ(in)或ΔK(in)}。通過檢測ΔQ(in)以及K(in)。并判定ΔQ(in)≠0 或K(t)≠K(t+1)的時間點。

定義Cp為加工設(shè)備狀態(tài)變化事件的判斷函數(shù)

當(dāng)（a）中未發(fā)現(xiàn)Cp=1則繼續(xù)執(zhí)行如下判斷

c.出料的流量及走向變化，表現(xiàn)為ΔQ(out)或ΔK(out)。這類變化往往是由調(diào)度指令引起的，即X={δQ(out)orδK(out)}。X中的δQ(out)和Y中的ΔQ(out)不同。δQ(out)是輸入的調(diào)度指令，它可以改變輸出的物流，而ΔQ(out)是有關(guān)輸出物流改變的輸出事件。但需要通過檢測ΔQ(out)來判斷δQ(out)。

當(dāng)a、b中未發(fā)現(xiàn)Cp=1則執(zhí)行如下判斷

當(dāng)發(fā)現(xiàn)有進(jìn)料或出料種類的變化，即

則后續(xù)判斷需要考慮不同數(shù)據(jù)采集周期的差異。在數(shù)據(jù)量龐大時，節(jié)約時間的搜索方法是：首先找到物料種類發(fā)生變化的TD周期(ti,ti+1)，采用二分法在該區(qū)間內(nèi)找到設(shè)備操作參數(shù)改變后，系統(tǒng)狀態(tài)發(fā)生改變的時間點。則該時間點按照定義即為加工設(shè)備事件的開始時間，之后系統(tǒng)進(jìn)入穩(wěn)態(tài)，直到另一事件發(fā)生，打破穩(wěn)態(tài)，該時間點為的終止時間，同時也為另一加工事件的開始時間。

② 對于容積設(shè)備 與加工設(shè)備相對應(yīng)，把引起容積設(shè)備狀態(tài)變化的因素定義為“容積設(shè)備事件”，主要是一些容積設(shè)備的調(diào)度事件，引起其狀態(tài)變化的情況如表2所示。與加工設(shè)備不同，容積設(shè)備的進(jìn)出料之間不存在必然的聯(lián)系。

表2 容積設(shè)備事件下設(shè)備狀態(tài)變化的情況Table 2 Transformation of production status under different tank event

b.出料的流量及走向變化，表現(xiàn)為ΔQ(out)，這類變化往往是由調(diào)度引起的，即X={δQ(out)}，輸出事件為ΔQ(out)=Qnew(out)?Qold(out)。通過檢測ΔQ(out)的變化來判斷δQ(out)的發(fā)生以及時間點。

中的事件的起止時間均可以通過各自的GP確定。按照上述離散事件系統(tǒng)的理論，加工設(shè)備的…作為δ觸發(fā)了容積設(shè)備狀態(tài)的改變，按照(tm,tm+1)…中事件的起止時間的先后順序逐步標(biāo)定加工設(shè)備連接的容積設(shè)備所發(fā)生的事件的交替時刻tl和tl+1，并在tl和tl+1的時間段范圍內(nèi)完成物料流量值的計算，最后輸出容積設(shè)備事件YS(tl,tl+1)。

加工設(shè)備對應(yīng)的物料流量累計計算式為

容積設(shè)備對應(yīng)的流量累計計算式為

加工設(shè)備事件的要素為起止時間及期間累積流量

容積設(shè)備事件要素為起止時間及期間累積流量

加工設(shè)備事件和容積設(shè)備事件的跟蹤過程如圖7、圖8所示。

（3）以狀態(tài)轉(zhuǎn)移事件的起止時間為界，合成移動序列。

移動發(fā)生必須同時具備3個條件：一是發(fā)生移動的裝置和儲罐之間具有物理管線或運輸路徑；二是在移動發(fā)生的時段內(nèi)存在物料流動；三是移動連接的兩側(cè)事件的時間參數(shù)均已得到。因此，移動是兩個具有物理連接（管線或路徑）的事件序列之間間歇發(fā)生的，移動合并以移動連接的兩側(cè)事件各自的交替時刻為其運算的觸發(fā)時間點。

要確定移動所有的基本元素才能為調(diào)度令的執(zhí)行判斷提供有力證據(jù)。而移動合成在這里給定了X,Y,ρ，通過判斷，以連接移動的兩側(cè)設(shè)備上的事件序列為基礎(chǔ)的合并和累計運算將得到t0,t,Q。過程如圖9所示，具體包括以下步驟：①依據(jù)加工設(shè)備和容積設(shè)備的事件序列中事件的起止時間標(biāo)定可能存在移動的時段；②對可能存在移動的時段進(jìn)行物料移動累積量的計算，若物料移動累積量為零，則不發(fā)生移動，若物料累積量不為零，則發(fā)生移動；③計算發(fā)生移動的時段的收付物流累積量，得到移動序列。

圖7 加工設(shè)備事件的在線跟蹤過程流程Fig 7 Flow of unit event online tracing process

獲得移動序列的函數(shù)組成如下

移動是生產(chǎn)調(diào)度最核心的反應(yīng)，由生產(chǎn)數(shù)據(jù)經(jīng)過處理、跟蹤、合成得到的移動信息，及時地還原了生產(chǎn)過程時空行為及狀態(tài)，反映了生產(chǎn)過程調(diào)度指令的結(jié)果，充分地利用生成的這一信息，與計劃指令、調(diào)度指令進(jìn)行對比分析，可以更加及時有效地指導(dǎo)生產(chǎn)，優(yōu)化生產(chǎn)方案。這一方法彌補了流程企業(yè)生產(chǎn)過程中對數(shù)據(jù)蘊含的時間信息的忽視，改善了基于人工介入的事件跟蹤和基于數(shù)據(jù)平臺的事件信息整合的局限性，充分利用數(shù)據(jù)與事件之間的內(nèi)在聯(lián)系，形成了良好的信息反饋系統(tǒng)。

已經(jīng)證明本方法在原油加工調(diào)度區(qū)域中起到了預(yù)期的效果，但是目前的研究僅限于區(qū)域內(nèi)小范圍調(diào)度事件的還原，接下來的工作將會證明此方法可以應(yīng)用于全流程數(shù)據(jù)的處理和分析。

圖8 容積設(shè)備事件的在線跟蹤過程流程Fig 8 Flow of tank event online tracing process

3 案例說明

3.1 數(shù)據(jù)鏈重構(gòu)案例

對于一條移動關(guān)系，目標(biāo)是尋找到一個協(xié)調(diào)值Xi。對于整個儲罐收付的測量網(wǎng)絡(luò)，優(yōu)化求解的目標(biāo)函數(shù)可描述為

圖9 移動合成過程流程Fig 9 Flow of movement combination process

其中，Lj為第j個罐的盈虧。

舉例如下。

例1 罐T2向裝置U1和罐T1供油，罐存減少Δ2=80，罐T1的罐存增加Δ1=40，U1側(cè)線監(jiān)測進(jìn)料Xr1=50，各側(cè)線測量值不平衡。

已知：=50, Δ1=40, Δ2=80，按照收方基準(zhǔn)，存在約束X1+X2=Δ2。

協(xié)調(diào)結(jié)果X=[40.9 39.1]

例2 罐T3向罐T1輸油，罐T1和裝置U1共同向罐T2供油，罐 T1的罐存增加Δ1=40，罐 T2的罐存增加Δ2=80，U1側(cè)線監(jiān)測出料=50

已知：50, Δ1=40, Δ2=80, Δ3=80，按照既定約束基準(zhǔn)，存在約束X1+X2= Δ2,X3?X2= Δ1。

協(xié)調(diào)結(jié)果X=[40.9 39.1 70.9]

3.2 事件跟蹤與還原案例

下面，在某煉油廠的原油加工調(diào)度中舉例說明。某煉油企業(yè)的原油罐區(qū)生產(chǎn)系統(tǒng)布局如圖 10所示，圖中STank代表Storage Tank位于廠區(qū)外，CTank代表Charging Tank為原油罐區(qū)儲罐位于廠區(qū)內(nèi)，中間連接的是5 km長輸油管線，通過長輸油管線的輸油時間不可忽略。該企業(yè)年度計劃購入原油及其基本屬性見表3。

圖10 某煉油廠原油加工流程Fig 10 Flow of crude oil processing

表3 煉油廠計劃購入原油及其基本屬性Table 3 Crude oil procurement plan and physical properties

24 h調(diào)度周期內(nèi)下達(dá)的供油、接油、輸油指令見表4～表6。測量數(shù)據(jù)的采集周期Tc=1h；罐區(qū)庫存量變化的采集周期TH=8h；化驗數(shù)據(jù)的采集周期TD=3h。

表4 24 h供油指令列表Table 4 Crude oil feeding instructions in 24 h

加工設(shè)備事件由跟蹤器跟蹤，具體跟蹤過程如圖7所示，依據(jù)設(shè)定的周期獲取不同時間點的化驗數(shù)據(jù)，不同時間點分別為q=3:00,q+1=6:00,q+2=9:00,…,q+7=24:00，調(diào)用CP提取相鄰兩個時間點的化驗數(shù)據(jù)，對比兩個時間點的物料種類，若兩個時間點的物料種類存在一種或多種差異，則將該區(qū)間確定為事件發(fā)生區(qū)間，若不存在差異，則該區(qū)間沒有事件發(fā)生。

表5 24 h接油指令列表Table 5 Crude oil receiving instructions in 24 h

表6 24 h輸油指令列表Table 6 Crude oil transportation instructions in 24 h

由化驗數(shù)據(jù)可知

因此，可以確定CDU1在21:00～24:00期間，CDU2在6:00～9:00、18:00～21:00期間，CDU3在12:00～15:00期間有進(jìn)料切換事件發(fā)生。

依據(jù)該側(cè)線流量的平衡數(shù)據(jù)得到裝置產(chǎn)率數(shù)據(jù)，若裝置產(chǎn)率數(shù)據(jù)超過正常波動范圍變化，則在事件發(fā)生區(qū)間內(nèi)搜尋確定裝置產(chǎn)率突變點，該突變點即為前一事件的終止時間，同時也為后一事件的起始時間。

表7 加工設(shè)備事件分析結(jié)果Table 7 Analysis results of unit event

廠內(nèi)短管道輸油時間可忽略不計，則相應(yīng)容積設(shè)備事件的起止時間與加工設(shè)備事件相同。通過對各儲罐庫存平衡數(shù)據(jù)的分析，可得到儲罐油品進(jìn)出量。根據(jù)調(diào)度日志，該調(diào)度時間段內(nèi)沒有罐內(nèi)油品切換及調(diào)和事件發(fā)生。根據(jù)平衡數(shù)據(jù)得到表8。

表8 罐區(qū)平衡表Table 8 Tank area balance sheet

根據(jù)裝置和儲罐的物理拓?fù)潢P(guān)系，將與事件序列（已跟蹤得到的加工設(shè)備事件和容積設(shè)備事件）相關(guān)的關(guān)聯(lián)事件信息進(jìn)行合并運算，得到移動序列，具體包括以下步驟。

① 依據(jù)裝置和儲罐的事件序列中事件的起止時間標(biāo)定可能存在移動的時段；計算

表9 CTank11容積設(shè)備事件列表Table 9 Event list of CTank11

表10 平衡數(shù)據(jù)還原的移動序列列表Table 10 Movement list restored by balanced data

表11 測量數(shù)據(jù)還原的移動序列Table 11 Movement list restored by measurement data

ti=tl=8:00,ti+2=tl+4=21:00，可能存在完整移動的時段為8:00～21:00。

② 對可能存在移動的時段進(jìn)行物料移動累積量的計算，若物料移動累積量為零，則不發(fā)生移動，若物料累積量不為零，則發(fā)生移動。

調(diào)用QM，對于1#油品讀取yCTank1(tl),yCTank2(tl)，計算QCTank2(tl,tl+1)=0,QCTank2(tl,tl+1)10,QCDU1(tl,tl+1)≈yCDU1(0)·Tc=10；判斷QCTank1(tl,tl+1)>0,QCDU1(tl,tl+1)>0，發(fā)生移動。

③ 計算發(fā)生移動的時段的收付物流累積量，得到移動序列。

以此類推，得到輸出結(jié)果如表10所示。

本文所示方法使用的罐存及裝置側(cè)線流量數(shù)據(jù)為生產(chǎn)平衡數(shù)據(jù)，所以移動列表所見移動始量與移動終量相等。

以相同的跟蹤還原方法，調(diào)用罐存及側(cè)線測量數(shù)據(jù)進(jìn)行計算，不僅對系統(tǒng)狀態(tài)改變的時間點判斷即移動起始時間判斷造成干擾，且移動始量為129.8與移動終量126.7不能完全相等，如表11所示。

因此，上述方法可以基于生產(chǎn)數(shù)據(jù)鏈的多源數(shù)據(jù)，排除擾動的影響，對原油加工事件進(jìn)行準(zhǔn)確及時的跟蹤和還原。

4 結(jié) 論

本文提出一種生產(chǎn)事件跟蹤的數(shù)據(jù)鏈模型，基于裝置校正和推量規(guī)則進(jìn)行的構(gòu)造滿足跟蹤需求的數(shù)據(jù)鏈，為在線跟蹤提供了準(zhǔn)確的數(shù)據(jù)支撐，并提出了一種依據(jù)數(shù)據(jù)與離散事件之間的聯(lián)系，實時地對調(diào)度令的執(zhí)行結(jié)果，即調(diào)度事件進(jìn)行自動跟蹤和還原的方法，并以原油加工調(diào)度為例，證明該方法的可用性。本方法可以真實重現(xiàn)調(diào)度令傳遞的過程，深入評估其有效性、安全性和執(zhí)行度，其結(jié)果可以及時有效地進(jìn)行生產(chǎn)評估、績效考核，同時指導(dǎo)下一周期生產(chǎn)指令的下達(dá)和執(zhí)行。

符 號 說 明

AtomicDATA——數(shù)據(jù)原子模型

B(j)——設(shè)備某條側(cè)線的出料轉(zhuǎn)化率

CM——給定時段內(nèi)移動發(fā)生的判斷函數(shù)

CP——加工設(shè)備狀態(tài)變化事件的判斷函數(shù)

DATAchain——數(shù)據(jù)鏈模型

D(t)——數(shù)據(jù)集

D1(t)——計劃數(shù)據(jù)集

D2(t)——調(diào)度指令數(shù)據(jù)集

D3(t)——測量數(shù)據(jù)集

D4(t)——平衡數(shù)據(jù)集

e——誤差

i，j——側(cè)線上某個節(jié)點

in——設(shè)備輸入側(cè)線

K(t)——化驗實時測量數(shù)據(jù)

Lj——第j個罐的盈虧

MA(in,i)——設(shè)備進(jìn)料方案

MA(out,j)——設(shè)備出料方案

Movement ——移動模型

N——數(shù)據(jù)類型

O——測量對象

out ——設(shè)備輸出側(cè)線

p——加工設(shè)備

Q——物料轉(zhuǎn)移的總量

Q(t)——加工設(shè)備側(cè)線流量實時測量數(shù)據(jù)

Q(in,i)——設(shè)備進(jìn)料側(cè)線某節(jié)點流量實時測量數(shù)據(jù)，物性數(shù)據(jù)為K(in,i)

Q(in,t)——Q(in,t)=[Q(in,i)]加工設(shè)備進(jìn)料量的集合

Q(out,j)——設(shè)備進(jìn)料側(cè)線某節(jié)點流量實時測量數(shù)據(jù)，物性數(shù)據(jù)為K(out,j)

QAP——設(shè)備對應(yīng)的物料流量累計函數(shù)

QAM——可能存在移動時段內(nèi)，管線上物料移動量的累積計算函數(shù)

Qab——設(shè)備側(cè)線上的a點到b點流量累積量

ΔQ(in)——進(jìn)料量變化量

ΔQ(out)——輸出物流的改變，生產(chǎn)事件的一種

δQ(out)——δQ(out)∈U(t)，輸出物流改變的指令，調(diào)度指令的一種

R——數(shù)據(jù)可信度

S——過程狀態(tài)，過程數(shù)據(jù)集合或系統(tǒng)狀態(tài)集合，參照具體對象

s——容積設(shè)備

s0——初始值，初始數(shù)據(jù)集或系統(tǒng)初始狀態(tài)，參照具體對象

T——生產(chǎn)調(diào)度時間周期

Ts——容積設(shè)備庫存數(shù)據(jù)采集周期

Tp——加工設(shè)備側(cè)線流量采集周期

TD——化驗數(shù)據(jù)采集周期

Tank ——容積設(shè)備DES原子模型

t——時間，指當(dāng)前時刻或結(jié)束時刻

t0——初始時刻

tn,tn+1——某一事件對應(yīng)時間段的起止時間

U(t)——調(diào)度指令

Unit ——加工設(shè)備DES原子模型

v(t)——容積設(shè)備庫存實時測量數(shù)據(jù)

W——采集方法

X——輸入，對于不同對象有具體的含義

Xr——付方儀表測量值

Xg——收方儀表測量值

Y——輸出，對于不同對象有具體的含義

Ys——容積設(shè)備事件

Yp——加工設(shè)備事件

ρ——物料屬性

λ——SY，輸出函數(shù)

[1]Yao Jianchu(姚建初). A system for intelligent optimization design in CIPS [J].Computer Integrated Manufacturing Systems(計算機集成制造系統(tǒng)), 2000, 6(5): 39-42

[2]Xu Yongmao(徐思懋). CIMS in the process industry [J].Control and Instruments in Chemical Industry(化工自動化及儀表), 1997, 24(3):58-62

[3]Shah N. Mathematical programming techniques for crude oil scheduling [J].Computers and Chemical Engineering,1996, 20:1227-1232

[4]Kelly J D, Mann J L. Crude-oil blend scheduling optimization: an application with multi-million dollar benefits(Part Ⅰ)[J].Hydrocarbon Processing,2003, 82(5): 47-53

[5]Yu Y, Lee J M. Probabilistic modeling and dynamic optimization for performance improvement and risk management of plant-wide operation[J].Computers & Chemical Engineering,2010, 34(4):567-579

[6]Berglund M, Karltun J. Human, technological and organizational aspects influencing the production scheduling process [J].International Journal of Production Economics, 2007, 110(1):160-174

[7]Klein D F. Beyond significance testing: reforming data analysis methods in behavioral research[J].American Journal of Psychiatry,2005, 162(3): 643-644

[8]Cieslak R, Desclaux C, Fawaz A S,et al. Supervisory control of discrete-event processes with partial observations [J].IEEE Transactions on Automatic Control,1988, 33(3): 249-260

[9]Baykaso?lu A, G??ken M, ?zbak?r L,et al. Composite dispatching rule generation through data mining in a simulated job shop//Modeling, Computation and Optimization in Information Systems and Management Sciences[C]. Berlin: Springer Berlin Heidelberg,2008: 389-398

[10]Qin Yaming(秦亞明). Analysis on the role of MES system in petrochemical enterprise statistical calculation [J].Modern Economic Information(現(xiàn)代經(jīng)濟信息), 2012, 3: 45

[11]Zeigler B. Theory of Modeling and Simulation[M]. New York: John Wiley,1976

[12]Zheng Liyu(鄭麗鈺). Multi-level modeling and simulation of material flow process for petrochemical industries based on DEVS[D].Hangzhou: Zhejiang University, 2008

[13]Ramadge P J G, Wonham W M. The control of discrete event systems[J].Proceedings of the IEEE,1989, 77(1): 81-98

[14]Ierapetritou M G, Floudas C A. Effective continuous-time formulation for short–term scheduling(Ⅰ): Multipurpose batch processes [J].Industrial and Engineering Chemistry Research, 1998a, 37:4341-4359

[15]Floudas C A, Lin X. Continuous-timeversusdiscrete-time approaches for scheduling of chemical processes: a review [J].Computers and Chemical Engineering, 2004, 28: 2109-2119

[16]Pinto J M, Joly M, Moro L F L. Planning and scheduling models for refinery operations [J].Computers & Chemical Engineering, 2000,24(9): 2259-2276

[17]Hua B, Zhou Z Y, Cheng S W. A hierarchical model architecture for enterprise integration in chemical industries [J].Chinese Journal of Chemical Engineering,2001, 9(4): 395-401

[18]Wang Xu(王旭). Research on multi-layer data rectification algorithm for process industry and its application[D]. Hangzhou: Zhejiang University, 2008

[19]Chen Changju(陳昌菊), Feng Yiping(馮毅萍), Xu Hua(許華), Rong Gang(榮岡). Multiscale data rectification method with application to material balance in petrochemical enterprises [J].CIESCJournal(化工學(xué)報),2010, 61(8): 1919-1926

[20]Dong Tianxiang(董天翔). Research and development of a multi-layer material balance and analysis software for process industrial application[D]. Hangzhou: Zhejiang University, 2010

[21]Guo Chao(郭超), Jin Xiaoming(金曉明), Rong Gang(榮岡).Application of data reconciliation method in material balance in process industry [J].Control and Instruments in Chemical Industry(化工自動化儀表), 2005, 32(3): 39-41