Система промышленно-технического моделирования (PIMS)
Система PIMS является автоматизированной системой, которая использует методы линейного программирования для оптимизации конфигурации и режимов функционирования промышленно-технологических объектов. Данная система применяется для моделирования непрерывно функционирующих объектов (например, нефтеперерабатывающее производство), использующих нефтехимические продукты, продукты неорганической химии и результаты биохимических операций.
PIMS – это система для разработки моделей линейного программирования, которые позволяют представить промышленный процесс с учетом экономических показателей рассматриваемых установок. Такие возможности позволяют применять систему PIMS в самых различных ситуациях, включая:
· оценка альтернативных видов сырья;
· определение мощности для новых нефтеперерабатывающих заводов;
· оптимизация смеси продуктов для заданного состава сырья;
· оптимизация смешения продуктов и другие технологические решения;
· оценка технологической схемы завода;
· планирование запасов сырья и продуктов.
Основным источником данных для системы PIMS является совокупность таблиц, в которых производится запись задачи (модели) линейного программирования в виде коэффициентов при переменных в уравнениях, неравенствах и целевой функции. Таблицы системы PIMS размещаются на широкоформатных листах системы Excel.
Описание установок, различных технологических узлов выполняется в таблицах подмоделей. Пример, составления данной таблицы приведен на рис. 2
В системе PIMS подводится баланс для всех материалов, участвующих в процессе. По умолчанию материальный баланс составляется в единицах веса и направлен на улучшение общих весовых характеристик установки.
По умолчанию все балансы для материалов задаются системой PIMS в виде неравенств (меньше или равно). В результате при моделировании система PIMS может уменьшить количество материалов, которые мешают достижению допустимого оптимума в модели.
В процессе решения система формирует журнал хода решения (рис 3). Из данного журнала можно выяснить размер решаемой задачи, сделанные системой упрощения, достигнутое значение целевой функции и др.
Результаты расчета в системе PIMS можно представить в виде поточной схемы (рис. 4)
Рисунок 4 – Результаты расчета в программе Pims
РЕШЕНИЕ ЗАДАЧ ОПТИМИЗАЦИИ В ПРОГРАММЕ MATHCAD
Для обучения методике составления задач линейного программирования для оптимизации режимов функционирования промышленных установок можно использовать различные специализированные программы. В методическом указании рассмотрен пример составления и решения задач линейного программирования с использованием программы Mathcad.
Пример решения задач
ЗАДАЧА 1
Постановка задачи
Смешением прямогонного бензина (50 тонн), катализата риформинга (200 тонн) приготавливают бензины АИ-92, АИ-95. Для бензина АИ-95 в смешение разрешается вовлекать МТБЭ, которого на складе имеется 50 тонн.
Определить оптимальное количество компонентов, вовлекаемое для приготовления бензинов с учетом полного использования прямогонного бензина и получения максимальной прибыли. В качестве ограничений на качество полученных бензинов учитывать только октановые числа.
Исходные данные
На складе имеется 200 т катализата риформинга,
50 т прямогонного бензина,
50 т метилтретбутилового эфира (МТБЭ).
Стоимость сырья: прямогонный бензин = 18 т.р./т;
катализат риформинга = 20 т.р./т;
Цена за единицу продукта: АИ-95 = 26 т.р./т;
Качество сырья
(октановое число):катализат риформинга =97 ОЧ ИМ
прямогонный бензин =59 ОЧ ИМ
Плотность = 0,75 г/см 3
Решение задачи
X1 – исходное количество катализата риформинга
X2 – исходное количесство прямогонного бензина
X3 – исходное количество МТБЭ
X4 – количество катализата риформинга, вовлекаемое в смешение для приготовления АИ-92
X5 – количество катализата риформинга, вовлекаемое в смешение для приготовления АИ-95
X6 – количество прямогонного бензина, вовлекаемое в смешение для приготовления АИ-92
X7 – количество прямогонного бензина, вовлекаемое в смешение для приготовления АИ-95
X8 – количество МТБЭ, вовлекаемое в смешение для приготовления АИ-95
X9 – количество полученного бензина АИ – 92
X10 – количество полученного бензина АИ – 95
Составление материального баланса
Необходимо составить материальный баланс по каждому потоку сырья, который действует в системе. Потребленные потоки указываются со знаком плюс, производные со знаком минус.
Aspen PIMS: Введение в планирование процессов нефтепереработки (Introduction to Refinery Planning using Aspen PIMS)
Технический, а также нетехнический персонал без опыта линейного программирования. Кроме того, данный курс предоставляет сотрудникам, хорошо знакомым с LP (но не обязательно знакомым с Aspen PIMS), быстрый способ получить хорошее понимание системы.
Общее представление о Microsoft Windows и практическое знание Microsoft Excel, а также общее понимание взаимодействия между технологиями нефтепереработки и планированием операций.
После завершения курса слушатели получат знания и навыки, позволяющие им:
Getting Started What is Aspen PIMS
Review of Linear Programming Concepts
Aspen PIMS User Interface
Aspen PIMS Data Tables and Table Format
Aspen PIMS Supply and Demand Tables
Review of Economic Concepts
Case Stacking
Product Blending
Process Submodels
Yields that Vary with Feed Quality (Base-Delta)
Pooling and Recursion
Parameter Rows
Crude Distillation Tables
Assay Management
Row and Column Names in the Aspen PIMS Matrix
Miscellaneous Tables
Row and Column Names in the Aspen PIMS Matrix
Troubleshooting
Common Mistakes
Additional Features
Summarize additional features in
PIMS: Сбор и обработка технологической информации
Цифровизация производства подразумевает использование множества датчиков, исполнительных устройств и систем автоматизации, которые предоставляют большой объем данных о состоянии и режимах работы оборудования. Эти данные не достаточно собрать и сохранить. Важно понять, как их можно использовать для повышения производительности и сокращения затрат. Ведь конечная цель цифровой трансформации – это повышение эффективности работы предприятия за счет обеспечения данными сотрудников на всех уровнях управления.
Но для начала «сырые» технологические данные необходимо должным образом получить и обработать:
защитить от потери и искажения при передаче;
убедиться в их полноте и достоверности даже после временной потери связи;
структурировать и математически обработать (округлить, вычислить минимальное/максимальное/среднее значение, просуммировать, сгруппировать и т.д.);
сжать и архивировать без потери полноты и качества;
защитить от потери и искажения при хранении;
своевременно предоставить данные пользователям и смежным системам в необходимом объеме и наиболее подходящем формате.
Именно эти функции выполняют хранилища технологических данных (Historian, PIMS), которые мы создали для таких компаний как Норникель, Кольская ГМК, Алроса, Полюс, Квадра, Иркутская нефтяная компания, Герофарм.
Цели создания хранилища технологических данных:
Предоставление информации для принятия решений
Хранилище выступает единым источником достоверных данных, на основе которых строится управление технологическими и бизнес-процессами предприятия. PIMS предоставляет всем авторизованным пользователям удобный доступ к данным о работе предприятия. За счет этого все процессы становятся более понятными для каждого вовлеченного.
Вовлечение персонала в поиск источников потерь
Если раньше львиную долю времени сотрудники посвящали заполнению и согласованию отчетов, ведению журналов, вводу данных в различные таблицы и системы, то с созданием единого хранилища технологических данных значительная часть этих рутинных задач снимается.
При этом данные становятся доступнее для обработки и анализа, а сотрудники активнее вовлекаются в выявление источников потерь и поиск способов повышения эффективности работы предприятия. Иными словами, после внедрения PIMS у многих сотрудников роли и функции все больше смещаются от контроля и отчетности к анализу и повышению эффективности.
Обеспечение понятных потоков информации
Иногда, если долго активно заниматься автоматизацией, развитием ИТ, регламентацией отчетности, охватывая все больше процессов и все больше людей – систем, таблиц и связей между ними становится настолько много, что оказывается тяжело понять, где находится первоисточник информации и как получить представление о процессе в целом, а не разные точки зрения на него.
После создания хранилища технологических данных все информационные потоки сводятся воедино. В PIMS максимально коротким путем поступают данные из всех доступных источников. Из него же пользователи и системы могут быстро получить достоверные данные с необходимой детализацией и контекстом.
Методология создания систем сбора и обработки информации
Опыт работы научил нас простой истине: не существует производств, с идентичными процессами и системами автоматизации. А значит нет и универсального решения по внедрению PIMS. Поэтому любой проект мы начинаем с проведения комплексного обследования предприятия.
1. Описание существующих систем автоматизации и информационных потоков
Основной целью на начальной стадии реализации проекта является описание всех существующих систем автоматизации, их функций, механизмов взаимодействия, определение возможных методов подключения к единому хранилищу технологических данных.
2. Проработка программно-технического решения
Отказ хранилища, как единого источника данных о производстве, невозможен. Пользователям важна быстрая загрузка данных и их достоверность. Поэтому проработке и тестированию программной и технической архитектуры уделяется очень высокое внимание. Особое внимание уделяется таким показателям, как отказоустойчивость, информационная безопасность, скорость сбора и обработки данных, скорость выдачи данных по запросу смежных систем. Поэтому мы вдумчиво прорабатываем требования к серверному оборудования и каналам связи.
3. Формирование единой информационной модели производства
Когда речь идет о тысячах, десятках и даже сотнях тысяч параметров возникают две главных задачи: как быстро завести их в систему, и как в них ориентироваться. Для решения этих задач создается единая информационная модель производства, в которой по единым шаблонам описываются все объекты, связанные с ними параметры и алгоритмы обработки данных.
4. Нагрузочное и функциональное тестирование
Этот этап необходим, для того чтобы убедиться в правильности выбора программно-технических решений, уточнить требования к ИТ-инфраструктуре и добиться целевых показателей по быстродействию системы.
5. Настройка, конфигурирование и сдача в эксплуатацию
Только когда работоспособность системы проверена в тестовой среде, выполняется настройка хранилища на рабочих серверах, конфигурирование программного обеспечения, интерфейсов связи, загрузка базы данных с последующей передачей хранилища в эксплуатацию.
Все звенья цепи
В исторической перспективе управление цепями поставок — направление молодое, что объяснимо, так как оно полностью связано с развитием информационных технологий. Однако за 30 лет существования развитие этого сегмента стало важным фактором конкурентоспособности компаний, бизнес которых включает сложные и разветвленные логистические схемы
Заезжая на АЗС любой крупной нефтяной компании, мы фактически на 100% уверены, что сможем заправить свою машину именно тем топливом, которое необходимо. При этом мы, разумеется, не задумываемся о том, что находимся в самом конце длинной и сложной цепи, проходя которую, нефть превращается в нефтепродукты, нефтепродукты перемещаются в пространстве всеми возможными видами транспорта (исключая разве что воздушный), проходят несколько этапов накопления и перевалки, в конце концов оказываясь в танках заправочной станции, причем именно в тех объемах и пропорциях, которые необходимы в данном месте в данный момент времени. Любые сбои в этой цепи несут бизнесу проблемы, так как рынок ошибок не прощает: если предложение превысит спрос, придется торговать в убыток, в обратном случае появится упущенная выгода и недовольные клиенты. Сохранять баланс позволяет система управления цепями поставок (Supply Chain Management, SCM), позволяющая не только оперативно вести регулировку всех факторов — от объема производства и продуктовой корзины НПЗ до распределения топлива между станциями, — но и прогнозировать изменение рыночной ситуации.
Рост на падающем рынке
На процессы, входящие в сферу логистики, приходится значительная часть издержек в любой системе «производство — транспортировка — сбыт», а значит, здесь же кроются значительные возможности для оптимизации и повышения эффективности бизнеса. Поэтому максимально рациональному выстраиванию потоков движения сырья и продуктов от производства к потребителю всегда уделяла повышенное внимание любая компания, претендующая на успех. Совершенно новые возможности для этого появились с развитием информационных технологий. С компьютерной революцией связано и появление в 80-х годах прошлого века термина «управление цепями поставок». В числе его авторов такие гуру системной интеграции и оптимизационного консалтинга, как американские i2 Technologies и Аrthur Andersen.*
Крупным компаниям оптимизация в цепях поставок приносит миллионы долларов дополнительной прибыли
«Газпром нефть» развивает свою систему управления цепями поставок на базе продуктов компании AspenTech — ведущего поставщика программного обеспечения для оптимизации и инженерного моделирования производственных процессов в нефтегазовой отрасли. На рынке оптимизационного софта доля AspenTech более 80% — на программных продуктах этого производителя работают практически все НПЗ мира.
* Компании прекратили свое существование: Arthur Andersen — в 2002 году, после скандала вокруг банкротства клиента АА, компании Enron, а i2 Technologies в 2011 году поглощена JDA Software
На оперативном уровне
В России более-менее активное развитие SCM-систем началось лишь в 2000-х. В «Газпром нефти» отправной точкой в реализации программы Supply Chain Management стал 2007 год. Во многом начинать пришлось практически с чистого листа. При распределении нефтепродуктов на этапе планирования практически не учитывались ни изменения производственных планов заводов, ни объемные ограничения рынков, ни информация о ценах и затратах в точках продаж. Использовавшаяся заводами «Газпром нефти» система RPMS имела достаточно серьезные ограничения для развития оптимизационных моделей, к тому же на уровне компании не было единых подходов к использованию моделей планирования, а сами системы моделирования не были интегрированы с информационными системами компании. Не имели особой связи между собой и IT-системы планирования и контроля исполнения планов. Автоматизированной аналитической системы экономического анализа плановых и фактических данных не было вообще. Более того, существовавшая в компании IT-архитектура не позволяла даже получать актуальную детализированную информацию о процессе поставок нефтепродуктов.
Новая система оптимизации планирования производства начала работать на омском и ярославском заводах компании уже в начале 2008 года: место RPMS заняла Aspen PIMS, обладающая похожими принципами работы, но более удачно адаптированная под современные требования пользователей и цели моделирования в переработке, а потому более эффективная и удобная. «Завод — это очень гибкое производство с большим количеством установок, потоков между ними, поэтому просчитать вручную, что мы должны произвести, чтобы получить максимальный эффект, практически невозможно, — пояснил начальник управления оперативного планирования и контроллинга „Газпром нефти“ Владимир Рефлов. — За счет оптимизации корзины нефтепродуктов мы по максимуму извлекаем из нефти наиболее маржинальные продукты, получая дополнительный доход».
Выстраивание потоков движения продуктов от производства к потребителю — важный компонент бизнеса
Систему оптимизацию логистики и продаж развивали также на платформе Aspen — Petroleum Supply Chain Planner (ранее DPO), и именно специалистам «Газпром нефти» впервые в отечественной отраслевой истории развития SCM удалось наиболее эффективно интегрировать ее с системой оптимизационного планирования переработки. «Интегрированная система оптимизационного планирования позволяет достичь синергетического эффекта в процессах распределения и производства нефтепродуктов. В системе оптимизации логистики и продаж мы просчитываем то, что нам нужно произвести на заводах, с тем чтобы с учетом транспортировки, хранения, ценовых и затратных параметров мы получили максимальную маржу, — отметил начальник отдела оптимизационного планирования „Газпром нефти“ Денис Петренчук. — Если описывать процесс в направлении движения материальных потоков, то в PIMS мы просчитываем корзину наиболее маржинальных продуктов и в DPO наиболее эффективно их продаем. Для интеграции этих систем мы вместе со специалистами AspenTech разработав абсолютно новый механизм, который работает до сих пор».
Сегодня уже можно говорить о том, что процессы оперативного планирования в компании автоматизированы на высоком уровне. Однако в управлении оперативного планирования и контроллинга «Газпром нефти» напоминают, что планирование без контроля исполнения планов не стоит практически ничего.
Баланс эффективности
По информации Владимира Рефлова, в рамках системы ERP** SAP выполнение баланса ресурсов контролируется очень жестко — и это тоже уникально для российского рынка, где пока процесс ресурсного планирования, как правило, оторван от процесса выполнения плана продаж трейдинговыми подразделениями. «У нас, если ресурс в балансе не выделен, сбыт продать его не сможет, — пояснил господин Рефлов. — Любые изменения в планах проходят через процедуру дополнительных расчетов, без которой ни одного вагона сверх баланса отгрузить невозможно, все контролируется на аппаратном уровне. Конечно, такая жесткость требует и соответственного качества информации во входных потоках — насколько качественно сделан прогноз, настолько качественным получится и план».
Точность прогнозов сегодня достаточно высока в первую очередь за счет мотивированности самих сбытовых подразделений. «Если неправильно спрогнозированы исходные данные, предприятию на основе баланса выделяется больше ресурса, чем нужно, и исходя из этого формируется план по выручке, который подразделение не сможет выполнить. В противоположной ситуации, то есть при недозаказе продукта, коммерческое подразделение зарабатывает меньше, чем могло бы, а значит, работает неэффективно. Поэтому сейчас все заинтересованы в том, чтобы прогноз был наиболее близок к реальности», — пояснил Владимир Рефлов.
Усовершенствование процесса планирования продолжается, и одно из важнейших направлений развития — формирование оперативных планов на несколько месяцев, так называемое скользящее многопериодное планирование. Развитие этого функционала облегчит жизнь многим подразделениям компании. Производственные подразделения будут иметь четкое представление о том, что их ждет в будущем, и смогут лучше планировать загрузку мощностей и резервуарных парков, что особенно важно при смене сезонов. Логисты смогут с высокой степенью уверенности планировать заказ транспортных мощностей и получат еще один достоверный источник информации для более эффективного взаимодействия с поставщиками логистических услуг. Трейдинговые подразделения смогут лучше прогнозировать свою деятельность и загрузку нефтебазовых мощностей, получат согласованное видение транспортных и производственных возможностей компании, что облегчит принятие решений по достижению оперативных и среднесрочных целей.
Другое направление развития — разработка автоматизированных инструментов календарного планирования. Сейчас календарные планы производства формируются практически вручную, на базе ограниченного функционала платформы Excel. Проблема здесь не только в низкой скорости процесса, но и в его нетиражируемости: навыками и опытом, необходимыми для грамотного формирования календарных планов, обладает ограниченное количество специалистов. Внедрение автоматизированных инструментов делает экспертные знания общим достоянием.
При календарном планировании отгрузок в ручном режиме проблема оперативности уже становится критичной: большое количество информации, с которой работают логисты, делает процесс пересчета планов трудозатратным и долгим. Еще один актуальный SCM-проект — под названием БАЛИ — также направлен на повышение оперативности — оперативности в получении информации, а главное, его реализация позволит сформировать целостную картину исполнения планов по всей цепочке движения нефтепродуктов.
** ERP-система — программный пакет, реализующий стратегию планирование ресурсов предприятия (Enterprise Resource Planning, ERP), позволяющий интегрировать процессы производства, управления трудовыми ресурсами, активами, финансами, ориентированный на непрерывную балансировку и оптимизацию ресурсов предприятия
Aspen PIMS и Aspen Petroleum Scheduler предлагают нефтеперерабатывающим предприятиям новые возможности аналитики
Компания Aspen Technology, поставщик программного обеспечения и услуг для перерабатывающей промышленности, объявила о выпуске новых версий продуктов Aspen PIMS и Aspen Petroleum Scheduler, повышающих эффективность совместной работы специалистов нефтеперерабатывающих предприятий по планированию производства и отгрузки продукции. Новые возможности аналитики обеспечивают специалистам этих служб поддержку при принятии решений, позволяя быстро реагировать на меняющиеся экономические или производственные условия, говорится в сообщении Aspen Technology
В частности, использование новывх версий позволяет улучшить качество совместной работы специалистов благодаря простоте обмена данными о производственных заданиях между службами планирования и отгрузки и добиться более точного соответствия запланированных и фактических результатов. Другое ключевое улучшение в новых версиях — новые мощные аналитические инструменты, такие как Spider Chart и Power Pivot на базе Microsoft Excel, с помощью которых можно визуализировать варианты выбора сырья. По словам разработчков, быстрое сравнение одновременно нескольких возможных сценариев и эффективный обмен информацией внутри организации облегчают выбор оптимального сорта сырой нефти.
«Для любого нефтеперерабатывающего завода сырая нефть — основная статья расходов, поэтому способность быстро и точно выбрать нужное сырье повышает эффективность процессов планирования и увеличивает доходность предприятия, — отметил Сринивас Рачаконда, вице-президент компании Essar. — Мощные возможности аналитики в PIMS позволяют эффективнее оценивать качество сырой нефти, предлагаемой на рынке. Компания Essar постоянно использует новейшие технологические разработки, поэтому мы рады усовершенствованиям в инновационном решении Aspen для планирования».
В Aspen PIMS и Aspen Petroleum Scheduler встроена система интерактивного обучения (Aspen Online Training), что облегчает освоение справочной информации, которая адаптируется к каждому конкретному пользователю. Благодаря этому снижаются расходы на внедрение и обслуживание программного обеспечения.
«Нефтеперерабатывающие предприятия должны быть конкурентоспособными в условиях крайне неустойчивого рынка, особенно с учетом постоянно изменяющихся цен на сырье, — подчеркнул Манолис Коцабасакис, вице-президент компании AspenTech. — Новые возможности совместной работы Aspen PIMS и Aspen Petroleum Scheduler позволят им эффективнее реагировать на волатильность рынка и сближать планы производства и отгрузки продукции, что увеличивает общую доходность предприятия. Наши удобные в использовании решения aspenONE для планирования производства и отгрузки продукции позволяют справляться как с самыми простыми, так и с самыми сложными проблемами оптимизации».
