主题：【原创】化工过程控制的实践 -- 润树
惊喜：所有在本帖先送花者得【通宝】一枚
恭喜：你意外获得【西西河通宝】一枚
谢谢：作者意外获得【西西河通宝】一枚
鲜花已经成功送出。
此次送花为【有效送花赞扬，涨乐善、声望】
从上一节我们可以看到，基于过程机理模型的静态优化系统，需要花费大量时间来建立模型，成本很高。除此之外，它还有两个局限，一是当过程受到干扰而未到达稳态时不能进行优化，二是对于不能建模的过程束手无策。因此，不需要过程模型的在线搜索系统在这些方面就具有相对的优势。下面介绍的相关积分优化系统即是这样的在线搜索优化系统，材料是由北京优化佳控制技术有限公司的创始人王建博士提供的。王建是晨枫和我的大学同班同学，在学期间就显示了很高的科学技术才能。我对他在过程控制领域所取得的成就深感敬佩，同时也要感谢他为本章内容提供丰富材料供选择。有进一步兴趣的朋友还可以从他的网站获得更多信息。
1994年9月，在我来美国6年整时，终于有了第一次的回国之行。我的第一站是北京，参加由中石油主办，中石化和休斯敦华人石油协会协办的科技研讨会。是时我刚从原来工作的C公司转到B公司，C公司的老板P先生知道我要去北京，希望与我同行，去会见那里的一个潜在客户。趁此机会，我想把DCI优化技术和产品介绍给他，于是把这个想法告诉了在上海的王建。王建说正好他们在北京燕山炼油厂做了一个DCI的应用项目，他很乐意到北京来带我们去实地看一看。
在会议开始的前一天晚上，中石油的总裁盛华仁先生在长城饭店设宴招待中美全体与会代表，席开数十桌，规格据说是每人400元，是我迄今为止所见最为豪华的宴会。进入宴会大厅，前面站着一排礼仪小姐，大多来自欧美各国。有些代表感到很惊奇，纷纷上前与她们合影。后来看到，这些人都是为前面的主席桌服务的，其它各桌则分别由一个中国小姐服务。总共有十几道菜，做得很精致，都是分盘送到每个人面前。宴会快结束时，大家都到处走动找认识的人和前面主席桌的人碰杯。我领着P先生上前与盛华仁碰杯合影，他们简单交谈了几句，希望今后能够相互合作云云，乃场面上的客套话。
王建晚一天才来。第二天他带我们去看了燕山炼油厂脱蜡装置的DCI优化系统，可惜当天该装置在维修，我们未能看到该系统的在线运作。中午，该厂的接待处负责人在厂招待所设席款待我们，另有数人作陪。席间，谈到前两天晚上的宴会，我说与在美国的宴会比较起来，400元还是很值的。该负责人不知是听我说出400元的数目贬低了他招待所的价值，还是真心疼钱，就说，400元可是一个普通人几个月的伙食费。我听了很有些羞愧难当，因为我自己也是从艰苦生活中过来的。
此行虽未导致王建和C公司之间的技术合作，我和王建的联系却因此而频繁起来，包括在他去英国做访问学者的那一年。王建从英国回国后，就从学校出来自己干，为石化工业做DCI优化应用服务。过了两年，他希望我能帮助他把DCI技术推广到美国来，于是我们考虑在美国注册成立一个公司。由于我不能下决心放弃现有的工作以及其它一些原因，包括王建来美的签证等问题，最后我们的梦想未能实现。1999年，王建在北京中关村的科学园区成立了自己的公司，就是现在的优化佳控制有限公司。目前该公司已走上良好的发展之路，我衷心祝愿王建和他的公司取得更大的成功。
天衣无缝，排版别具一格！
爱听！
润树你是一边写论文一边写花边啊
没办法，喜欢看花边
我们动身去北京前，中国驻休斯敦总领馆也设宴招待了全体赴会代表。我通知了P先生，可是他搞错了时间，晚几天才去，结果不得其门而入。还好他家离领事馆也不远。 这是我在北京见到他时他告诉我的，我只能连声说抱歉，他倒并不很介意，而且也难说是谁的错。
到了北京，自然要去登长城。我早去过的，但总得让P先先生也了个心愿，做一回好汉。我约好了过去的一个学生做向导，临出发前，P先生来北京会见的公司又派了一位漂亮的女员工L来作陪，这样我们就是四人同行，打一辆出租车正好满座。
这L女士是我的四川老乡，北京二外毕业的，专业是法语，英语也不差。但我们三位国人坐在后排，一路都是说母语。P先生坐在前面自然插不上话，大概有点郁闷，不过到底看风景前面要方便一些。 风景看久了，P先生就发议论了，说靠近八达岭长城的那些山可能是怎么怎么形成的，至少有多少年历史云云。我们对地质学一窍不通，只能佩服他知识渊博。
知识丰富对登长城却没多大帮助。当我们几个按年轻人的正常速度爬到近一半时，才发觉P先生不见了。L女士赶快回去找，过了好大会儿才见她扶着P先生走上来。到了我们跟前，P先生一屁股坐下来，脸色煞白，然后就呕吐起来，L女士赶快给他递手帕。P先生感觉很难堪，忙说可能是早餐吃的东西不适。至此我才意识到，P先生到底是年过半百的人，平时在美国路都没有走多少，更何谓登山。我们也无心再继续往上走，让P先生歇息了一会儿，就往下走了。下山其实更难，小腿会打颤，因此P先生一路都是由L女士搀扶，我看了很感动。回到旅馆不久，L女士的公司又差她给P先生送来一瓶酒，说是对他的身体不适表示慰问。但我想P先生一定不愿更多的人知道此事。顺便说一下，P先生是犹太人。他后来对我说，我的那位学生是他平生见过的最漂亮的女子。我转告了她，她说老外的眼睛很怪。但实话说，她确实又漂亮又优雅。在那之前好几年，我曾经把她介绍给我的一位朋友，他也因此在研究生毕业后分到了北京，在清华大学的一个研究所工作。可惜他们后来没成，这个故事留待今后再写吧。
我在离开北京的前一天晚上约L女士出来吃饭。我们坐在长城饭店靠近顶楼一层的餐馆，临窗看着下面街上的汽车穿流不息，别有一翻情趣。L女士说她很快就要去法国，与那里的男朋友相聚。她到法国后我们还通过几次信，不久她说男朋友与她分手了。她后来又有了新的男朋友，自己也开始在巴黎的一个旅行社做事。再后来她给我打过一次电话，说自己结婚了，并希望我能向她在美国留学的弟弟介绍一些找工作的经验。我要她让她的弟弟给我联系，可是后来一直没有他的消息。再后来，我和L女士也失去了联系。
这段可是不折不扣的花边了
觉不觉得旅行是件很好的事？很多旅行时的事隔了好些年想起都还记得很清楚，美好的也更美好。
六年半，连讲师都没提上，够惨。
统计的过程控制（Statistical Process Control, SPC）在制造业是一个很常见的词。这里的过程，并非单指化工的，而是泛指一切具有因果关系的生产/制造程序。人们用数理统计的理论对这些过程进行分析和控制，从而获得有益的结果。
说起数理统计，我们多数人都不陌生，它不但在工程技术领域广为人知，而且也广泛地应用于社会科学领域和我们的日常生活中。我们知道，科学理论是对世界上那些具有确定性的事物的研究而得出的一般规律，由这些规律所描述的事物的现象和特性是可以确切不移地被重复观察或再现的。而数理统计的理论所研究的对象和由此研究所得出的结论，却大多具有某种程度的不确定性。用来描述这种不确定性的概念，就是我们耳熟能详的概率。
数理统计在化工过程控制的应用中主要有两方面的功能，一是它的描述性（descriptive），即对过程变量本身的变化特性，比如平均值，标准差等，进行定义和计算；二是它的推测性（inferential），即将一个或多个变量输入某个数学模型，比如多项式，来对另一变量进行回归计算。前者的作用是显而易见的，而后者可以帮助控制工程师找出影响过程变量变化的因数，从而对某些不易直接测量的变量进行推测计算，或者通过改变这些影响变量来改善/控制被影响变量的品质 （这也是盛行于工业界的6倍标准差-Six Sigma的主要内容）。将这些功能在计算机上实现的，有通用的数理统计软件，象Minitab，也有专门针对化工过程的建模软件，像Aspen IQ，Pavilion Process Insight等。即使像MPC的建模软件，也运用了数理统计的计算技术，只不过针对过程变量的动态特性加进了时间因数而已。
改善被控变量的品质，主要体现在减小其标准差。一般地说，几乎所有被控变量的平均值，都等于或很接近于其控制设定点。但它们的标准差却可以有很大的差别。控制效果好的，标准差就小，反之就大。而减小标准差，在多数情况下，都可带来生产效益的提高。比如一个化学反应器要防止它在自燃点的条件下操作，通常是计算和控制它接近自燃点的程度，当其低于预设下限值时，装置就会自动保护停车。如果这个值的不良控制导致其上下波动较大，就只能把控制点设定得离下限值较远的地方。而这样做往往是以牺牲生产效率为代价的。因此，如果能够减小其波动幅度（以标准差来衡量），那么就可以将控制点设定在离下限值较近之处。又比如被控变量是精馏塔的产品的杂质度时，通常希望它能接近该产品的指标上限，这样可以降低分离要求，从而减少单位产量的能源消耗。下面这个数据曲线显示，是用来说明这个概念的：左半部分标准差较大，平均值较小；右半部分降低了标准差，控制平均值可安全上移。
图5.0.1 改善变量变化特性的图示说明
5.1 数理统计软件Minitab
Minitab的功能很多，但归纳起来还是在对变量进行定性描述和推测计算两方面。
我们来看一个由在线分析仪得到的某反应器的物料浓度变量，它的典型数理定性描述如下所示。从这个描述我们可以知道，它的5097个数据近似于正态分布，平均值是33.44%，标准差是4.004%。还有其它一些数理特性，不赘述。
图5.1.1 某变量的数理特性
这台在线分析仪可靠性不高，其中一个主要因数是采样管道常被物料中的固体颗粒堵塞。为此，该装置的控制工程师拟用Minitab建立模型，由其它过程变量来推测计算该物料浓度。然而，经过多种变量的组合，均无法找到一个较好的模型。下面的这个模型是最好的一个，但其标准差S仍很高，不能适合工程需要。
该模型是：
AI123 = - 3566 - 0.000788*TI06 + 30.5*TI08 - 0.0636*TI08S
+ 0.408*PDI08
式中，AI123是浓度，TI06是反应塔塔底温度，TI08是塔板6温度，TI08S是塔板6温度的平方项，PDI08是塔压差。
Predictor Coef SE Coef T P
Constant -3565.6 431.5 -8.26 0.000
TI06 -0.00078751 0.00002240 -35.16 0.000
TI08 30.484 3.705 8.23 0.000
TI08S -0.063624 0.007943 -8.01 0.000
PDI08 0.4076 0.3721 1.10 0.273
S = 3.05020 R-Sq = 42.0% R-Sq(adj) = 42.0%
Analysis of Variance
Source DF SS MS F P
Regression 4 34339.9 8585.0 922.75 0.000
Residual Error 5092 47374.4 9.3
Total 5096 81714.3
图5.1.2 模型结果的图像描述
这里建模不成功的原因在于，Minitab这样的数理软件只适合于处理静态数据，即各变量之间的关系，不受时间变化的影响。对于化工类的过程，如果对变量的数据进行了时间足够长的平均值计算，而排除了它们之间的动态关联，那么用Minitab来建立数理模型才是可行的。
当然，要找出一个过程多变量输入对单变量或多变量输出之间的静态关系，一个系统性的方法是，用Minitab提供的阶乘实验（factorial design）等实验设计（Design of Experiment, DOE)步骤，对过程进行双位式的扰动，记录下各输出对这些扰动的静态响应值（排除动态关联），再用Minitab的相关分析（correlation analysis)和回归分析（regression analysis)，来辨别输出变量对各输入变量的敏度。这种方法被6倍标准差的黑带大师（Master Blackbelt）大为看重。但是，对于真正了解过程的工程技术人员来说，这种方法有点像杀鸡用牛刀，小题大做了。