04/21/23

PROST årsmøte 11-06-2002

En kort oversikt over noen prosjekter i Cybernetica.

04/21/23

Prosjekter i Cybernetica

• ‘Run-to-run’ optimalisering av batch-prosesser:– Optimalisering av S-PVC polymerisering.

– Optimalisering av ferromangan-raffinering.

• MPC basert på ulineæare fysikalske modeller:– Stabilisering og kvalitets-styring av polypropylen

(PP) polymerisasjons-prosesser.

– Stabilisering og kvalitets-styring av polyetylen (PE) polymerisasjons-prosesser.

– Operatørstøttesystem for S-PVC polymerisasjons-prosesser.

– Styring av Pasta-PVC polymerisasjons-prosess (forstudie).

– Styring av forbrennings- og energigjenvinnings-anlegg.

– Utvikling av Green DP for Kongsberg Simrad.

04/21/23

Prosjekter i Cybernetica

• MPC basert på lineære modeller:– Modellprediktiv regulering av destillasjons-

kolonner.

– Utvikling av MPC basert på lineære tilstandsrom-modeller for Kongsberg Simrad.

• Utvikling av ingeniørsimulator:– Simulator for fenol-formaldehyd batch

polymerisasjons-prosess basert på SIMON.

• Tuning av konvensjonelle reguleringssystemer:– MultiTune lansert som produkt.

• Kurs innen modellprediktiv styring:– 3 kurs høsten 2002 i samarbeid med NTNU. Bidrag

fra Statoil og Borealis.

04/21/23

Agitator - [1/s]

VCM

H2O

PVC

Coolingjacket

Refluxcondenser

Gevinst:

• Redusert batchtid (minst 15 min).

• Redusert bruk av inhibitor.

• Produktkvalitet i henhold til ‘spec’.

Implementering:

• CENIT ModelFit og CENIT BatchOptimize.

• PC med Windows NT som kommuniserer med InfoPlus.21.

• Optimalisert resept overføres til styre-system.

Optimaliserings-problem:

• Pådragene parameteri-seres med ca 80 uavhengige variable.

• NB! Modellen må være tilstrekkelig glatt.

Optimalisering av S-PVC polymerisasjon

• Batch-prosess• Fysikalsk modell:

– Reaksjonskinetikk

– Termodynamikk

– Energibalanse

– Kvalitetsmodell

• ‘Run-to-run’ optimalisering:– Estimering av modell-

parametre etter hver batch:• Modellparametre varierer

med omsetning.

– Optimalisering av temperatur-profil og initiatordosering.

04/21/23

• Samme modell som ovenfor.• On-line modell oppdateres

gjennom batchen:– To varmeovergangstall og

en kinetikkparameter estimeres kontinuerlig.

• MPC-applikasjon i rådgivende modus:

– Predikterer 20 min frem i tid.

– Beregner ‘kjølemargin’.

– Beregner dosering av moderator hvis kjøle-marginen blir negativ.

– Beregner behov for lufting av reflukskondensator.

Gevinst:

• Riktig dosering av inhibitor medfører kortere batchtid.

• Riktig lufting av refluks-kondensator øker kjølekapasiteten.

Implementering:

• CENIT.

• Kommunikasjon via InfoPlus.21.

Operatør-støttesystem for S-PVC polymerisering

04/21/23

Optimalisering av metall-raffinering

• Semibatch-prosess: – Fjerning av karbon fra

ferromangan metall.

• Fysikalsk modell:– Svært ulineær.

– Utviklet og implementert i samarbeid med kunden.

• ‘Run-to-run’ optimalisering:– Estimering av modell-

parametre etter hver batch.

– Optimalisering av pådrags-trajektor før hver batch.

– Gode målinger/analyser før og etter batchen.

Gevinst:

• Minimalisere tap av mangan.

• Karbonkons. i henhold til spesifikasjon.

Implementering:

• CENIT ModelFit og CENIT BatchOptimize.

• Modell implementert i SIMON.

• Optimalisert pådrags-trajektor overføres til styre-system før hver batch.

Optimaliserings-problem:

• Pådragene parameteri-seres med ca 30 uavhengige variable.

• NB! Modellen må være tilstrekkelig glatt.

04/21/23

Modellprediktiv styring av polypropylen (PP) produksjon

• Borealis PP5, Schwechat, Østerike

• 3 N-MPC applikasjoner basert på fysiskalske modeller:

– 11 MV totalt

– 11 CV for stabilisering

– 8 CV for kvalitets-styring

– 77 modelltilstander

• Samarbeid med Borealis:– Modellutvikling

– Modelltilpasning

– Implementering

– Ingangkjøring

Gevinst:

• Økt produksjon (~3%)

• Raskere produkt-overganger

• Mindre “off-spec”

• Okt reproduserbarhet

Implementering:

• BorAPC (OnSpot)

• Windows NT

04/21/23

Modellprediktiv styring av polyetylen (PE) produksjon

• Borealis PE3, Stenungsund, Sverige

• 2 N-MPC applikasjoner basert på fysiskalske modeller er satt i drift 2002.

• Samarbeid med Borealis:– Modellutvikling

– Modelltilpasning

– Implementering

– Ingangkjøring

Gevinst:

• Økt produksjon

• Raskere produkt-overganger

• Mindre “off-spec”.

• Økt reproduserbarhet

Implementering:

• BorAPC (OnSpot)

• Windows NT

04/21/23

Modellprediktiv styring av polyetylen (PE) produksjon

• Borealis PE2, Porvoo, Finland

• 2 N-MPC applikasjoner basert på fysiskalske modeller er i drift siden 1999.

• Cybernetica utvikler:– Modeller for produktkvalitet

– MPC styring av kvalitet

Gevinst:

• Økt produksjon (~3%)

• Raskere produkt-overganger

• Mindre “off-spec”

• Reproduserbarhet

Implementering:

• BorAPC (OnSpot)

• VAX VMS

04/21/23

Modellprediktiv styring forbrennings- og energigjenvinningsanlegg

• Anlegg leveres av Organic Power.

• N-MPC applikasjon basert på fysiskalsk modell er i under utvikling.

• Mål med optimaliserende regulering:

– Regulering av effekt-produksjon.

– Optimal energigjenvinning.

– Regulering av primær- og sekundærkammer.

– Utslipp innenfor ‘spec’.

– Avgasstemp. innenfor spesifiserte grenser.

Implementering:

• CENIT

• Windows NT

• OPC komm. mot PLS.

04/21/23

Kongsberg Simrad GreenDP

Miljøvennlig teknologi

Ulineær modell-prediktiv styring

Metodikk utviklet ved SINTEF / Cybernetica

Basert på CENIT

Kjernen implementert av SINTEF / Cybernetica

04/21/23

Configuration interfaceCENIT overview

N-MPC

GenEstModel

component

CENIT

OPC Client interface

ModelFit

Batch-Optimize

Time seriesdata base

OPC Server interface

04/21/23

Cybernetica personell

Fra venstere: Magne Hillestad, Halgeir Ludvigsen, Bjarne Foss, Jan Gunnar Dyrset, Peter Singstad, Svein Olav Hauger og Tor Steinar Schei.