基于生產數據的原油加工事件跟蹤和還原

張睿，馮毅萍，榮岡

（浙江大學工業控制技術國家重點實驗室，浙江 杭州 310027）

引 言

生產調度是連接生產計劃和生產活動的紐帶，起著承上啟下的作用[1]。生產調度按照生產計劃來組織生產，并根據生產狀況及時調整企業的生產活動。生產調度使生產能均衡、穩定、安全地進行，并合理調配物料和能源，最大限度發揮資源的效能，使各生產環節能有效配合和緊密銜接[2]。

煉油企業生產調度中，原油調度是根據生產作業計劃制定的生產方案，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，又要考慮加工方案執行的時間順序和裝置的連續進料生產，這對確保生產正常、均衡和高效運行有重要意義。Shah[3]建立了原油調度的混合整數線性規劃模型，同時將原油調度問題分為上游原油卸載調度和下游原油加工調度模型。本文的方法即應用于下游原油加工調度。Kelly等[4]提出求解原油調度的物性計算問題。Yu等[5]建立了一種基于歷史操作數據建立概率模型并進行動態優化的方法。HONEYWELL、ASPEN均開發了生產調度、罐區調度的專用軟件，國內石化企業在過去20年信息化進程中，逐步建立了調度管理信息系統和生產執行系統，作為生產調度的工具。但對調度執行結果的反饋卻始終是空白。

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

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

數據的準確性，跟蹤的及時性，是人工監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度結果的及時反饋和生產優化閉環控制的效果。傳統的人工記錄方法，其跟蹤還原精度和及時性的決定因素為人工記錄數據的準確性和人工績效，不完全可控。而本文提出的方法其決定因素為數據的準確性與完整性，而工廠平衡數據的引入提高了數據的準確性與完整性。

實際上，隨著每一個調度令的下達，數據采集系統在其新的采集周期內，會獲得新的生產數據，生產系統在這里作為一個離散事件系統也會隨之進入新的狀態。新的數據與系統的新狀態共同作為該調度令執行的直接結果，兩者之間，存在著必然的聯系。對于煉油生產過程，這里的數據除了傳統的連續測量儀表的實時采集數據，設備、管線啟停的開關量數據，化驗分析數據，還有調度指令集電子文檔、MES系統操作日志等計算機電子記錄等，這些多源數據涵蓋大部分生產信息。但是如何有效地利用這些信息，進一步挖掘生產數據與離散事件之間的聯系少有研究。通過數據對人的行為和系統關聯事件的研究在制造業、通信行業等很多領域內都有一些研究成果[7-9]，但在流程工業很少有人挖掘。于是，本文利用多源數據之間的冗余性關系，挖掘數據蘊含的信息，歸納出一套方法，建立起數據與生產事件之間的關系。

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

圖1 基于生產數據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，計算機仿真技術可以在信息化平臺虛擬仿真生產物流。由于仿真模型復雜性和仿真系統運行成本高，實際上，大部分生產企業只能依賴生產測量數據在計算機信息管理系統中重構生產物流真實狀態。又由于經濟條件、測量技術等原因的限制，實際測量數據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、正確地重構生產物流真實狀態，為調度事件的準確跟蹤和反饋帶來了困難。

數據校正技術是流程工業綜合自動化和企業資源規劃的數據支撐，其目的是獲取一組既滿足平衡關系又精確的生產過程數據。目前 MES系統利用軟件對石化企業的生產數據進行校正和推量，并通過制定數據平衡規則,使企業全部物料與能源數據實現日平衡,提高了生產經營統計的及時性和準確性[10]。因此，根據合理的校正和推量方法，將生產測量數據轉化為滿足跟蹤需求的平衡數據，構造合理的數據鏈，是進行在線事件跟蹤的基本前提。基于目前應用廣泛的數據校正和推量規則，本文采用的數據鏈構造方法為數據跟蹤提供了支撐。

綜上，本文提出一種生產事件跟蹤的數據鏈模型，基于數據校正和推量規則進行的數據鏈重構，為在線跟蹤提供了準確的數據支撐，并提出了一種依據數據與離散事件之間的聯系，實時地對調度令的執行結果，即調度事件進行自動跟蹤和還原的方法，并以原油加工調度為例，證明該方法的可用性。可以真實復現調度令傳遞的過程，深入評估其有效性、安全性和執行度，可以及時有效地進行生產評估、績效考核，同時指導下一周期生產指令的下達和執行。

1 基本概念

1.1 數據

數據反映了生產系統的某一狀態或特征，作為信息的一種表現形式和載體，其組合所蘊含的信息量更加龐大。數據原子模型的基本元素包括測量對象、數據類型、采集方法、采集時間、可信度等，定義如下

數據鏈是系統隨著調度令的產生和執行，數據集不斷刷新產生的一批數據的組合，其基本元素包括輸入、輸出、初始數據序列、過程數據序列等。定義為

隨著數據鏈的輸入即調度指令，數據鏈依次重構，S1→S2→S3→S4…，在石化企業生產過程中，按數據流程的產生順序，數據鏈分為計劃數據、指令數據、測量數據和平衡數據。

數據鏈狀態的組合定義為數據集D(t)

1.2 離散事件系統

離散事件系統（discrete event system, DES）是一組元素的集合, 為了達到某些目的, 這些元素以某些規則相互作用、關聯而集合在一起。離散事件系統規范(discrete event system specification,DEVS)[11]是由 Zeigler提出的 M&S(modeling and simulation)結構，是一種描述離散事件形式化的方法。

離散事件系統原子模型基本元素包括輸入事件集合、輸出事件集合、系統初始狀態、系統狀態集合、內外部轉移函數、時間遞推函數等[12]

Ramadge等[13]提出了離散事件系統的圖形化描述方法。如圖2所示為連續時間上的一個基本離散事件系統的狀態軌跡，事件是狀態之間的轉換，用不同的拉丁字母做出了標注，通常表示引起狀態轉換的不同物理現象，如裝置停工、換油、開始接油等。可以用Y={α,δ,β,β,α,δ,…}來表示某一簡單的事件序列。其中α、δ等依次不同時發生。

圖2 離散事件系統的狀態軌跡[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可以在不同的時刻執行于不同的裝置。在這種模型中，將事件點定義為任務的開始，不像其他模型要定義開始和結束兩個事件點[15]。

本文中僅研究煉油企業中與數據緊密相關的兩類基本事件Y={Yp,Ys}①加工設備事件序列Yp，如生產方案調整引起的裝置出料屬性變化或進料量調整引起的出料量變化；②容積設備事件序列Ys，把引起容積設備狀態變化的事件定義為“容積設備事件”。Ys與Yp通過移動事件產生相互對應關系。Pinto等[16]用甘特圖展示了調度令對容積設備的影響，即產生的罐區調度結果，如圖3所示，從管道向罐區輸送原油和向設備供應原油的加工設備事件通過移動，與容積設備事件有著對應關系，可以由輸油事件和供油事件推算容積設備事件。

圖3 罐區調度甘特圖Fig.3 Gantt chart of tank scheduling

當設備加工事件的測量數據存在誤差或時延，則跟蹤及還原的容積設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，或設備供應量誤差等。本文提出的方法，在滿足數據準確的基礎上，利用數據的冗余信息，盡量還原如圖3所示的準確的容積設備調度事件。

圖4 不準確的數據分析得到的罐區調度甘特圖Fig.4 Gantt chart of tank scheduling based on inaccurate dataanalysis

1.3 數據與事件

在離散事件系統中，隨著調度令的執行，系統狀態改變，多源數據隨之實時更新，若排除異常波動的影響，檢測到的數據產生變化，一段過渡狀態后進入穩定狀態，直到下一個事件發生打破這種穩態。裝置級事件點模型任務開始時間可以定義為指令下達的時間，也可定義為進入穩定狀態的時間。認為指令下達時間就是系統進入穩定狀態的時間。

但是數據的檢測并不能連續時間進行，所以利用各監測數據的冗余信息進行分析提取，根據本文提出的跟蹤與還原方法就可以準確還原事件序列。可以以如下優化命題來表示狀態跟蹤與還原的目的

1.4 移動

移動物流描述了系統最根本的物理結構[17]。在石化企業中，物流過程包含了原油生產和加工過程中物料轉變和轉移的重要信息，是企業建模和集成的基礎。在DEVS中，移動是流程企業中特有的原子DEVS模型之間交互的一種表現，物流從一個DEVS原子模型流動到另一個模型，就產生一條移動，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

移動是聯系加工設備事件和容積設備事件的紐帶，在確定了物理結構上相連的加工設備和容積設備在相同時間段內的事件序列之后，進行對應和組合的過程定義為移動合成。

移動是事件變遷的表征，加工設備事件的發生必然對應某條移動的變化。因此，移動也是調度令的執行在系統物理結構上最直觀的表現。通過確定移動序列的上述基本元素，就可以復現調度令傳遞的過程，將其與調度令執行的預期效果進行對比，就可以深入評估其有效性、安全性和執行度。

各基本概念之間關聯的示意圖如圖5所示。

圖5 基本概念之間關聯Fig.5 Relationship between basic concepts

2 事件的跟蹤與還原的方法

隨著調度令的產生和執行，數據采集系統在其新的采集周期內，會獲得新的生產數據，數據鏈進行重構，生產系統在這里作為一個離散事件系統也會隨之進入新的狀態。新的數據與系統的新狀態共同作為該調度令執行的直接結果，兩者之間存在著必然的聯系。本文提出的方法利用數據和狀態之間的聯系，利用冗余性分析，通過分析調度令執行時數據鏈重構的過程，跟蹤系統的狀態變化，即還原出調度令的執行效果。

2.1 數據鏈的重構

本文方法的效果取決于數據鏈重構后獲得數據的準確性、判別系統狀態發生改變的方法的準確性、建立的數據變化與狀態聯系的正確性。

首先需要保證數據鏈重構過程中可控環節的數據準確性，即D3(t)通過物料平衡達到D4(t)這一環節。

圖6 不準確的離散事件系統的狀態軌跡Fig 6 State trajectory of an inaccurate DES

按照調度令執行的過程和調度令對工廠的重大意義，不準確的事件系統不僅會對跟蹤的反饋造成影響，導致反饋信息出錯，進而影響工廠的閉環控制，造成決策失誤。

數據校正技術是在數據鏈D(t)=中D3(t)D4(t)的轉換中的關鍵技術。解決的基本問題是利用冗余信息剔除原始數據中的顯著誤差，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有過程性能分析和對未來操作預測的影響，并設法估計出未測量變量以提高未測量變量計算結果的置信度[18]。

為解決生產實際中的物料平衡問題，目前MES應用軟件的普遍采取物流平衡計算和不確定量推理規則共同組成的新數據校正算法。

石化企業中，直接服務于生產統計的進出廠點儀表精度高，測量結果作為經濟結算的依據。儲罐在物料收付前后和班次交接時刻均有檢尺，生產管理上要求的測量精度較高，而生產裝置側線的測量值是一段時間的累積量，一般供實時監控參考，誤差比較大[19]。

參考上述經驗，本文借鑒了幾條簡單的遵循優先級的規則，用于不確定量推理[20]：

① 進出廠和互供點的精度為100%；

② 罐庫不可調整；

③ 單路優先基準，高準確度節點處于單收或者單付狀態時，優先分配與之相關移動量；

④ 高準確度節點基準，由用戶確定，收付誤差按（1?準確度）和原始值的權重分配；

⑤ 收方基準，對于沒有定義準確度的場景，以收方為準。

在現代 MES系統中，數據校正系統已在該企業的物料平衡中得到了長期應用，將數據校正技術和工廠實際結合，是解決問題的關鍵[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，傳統的數據校正技術為輔。通過制定嚴格的推量規則，以計量精度較高的儀表或計量數據為“基準”。根據工藝原理、物質守恒原理和數學原理對需要搜集的其他統計數據進行推量。

2.2 跟蹤與還原步驟

本文提出的跟蹤與還原，建立在以下假設之上：①假設一，假設指令下達的時間就是指令開始執行的時間，忽略系統的響應時間和內部響應函數；②假設二，假設指令執行后系統立即發生狀態轉移，不研究系統的過渡狀態。在以上假設之下，本方法的基本思路如下。

（1）對選取的不同對象分別建模。

加工設備的DEVS原子模型可定義為[10]

其中，Q(in),Q(out)之間的關系為

容積設備的DES原子模型定義為

其中，Q(in),Q(out),v之間的關系為

（2）根據對象的規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據變化的觀測，判斷引起狀態變化的事件的發生。

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

表1 加工設備事件下設備生產狀態變化的情況Table 1 Transformation of production status under different unit event

輸出事件為

a.進料的種類和流量發生變化，表現為ΔQ(in)或ΔK(in)，同時引起B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為加工設備狀態變化事件的判斷函數

當（a）中未發現Cp=1則繼續執行如下判斷

c.出料的流量及走向變化，表現為ΔQ(out)或ΔK(out)。這類變化往往是由調度指令引起的，即X={δQ(out)orδK(out)}。X中的δQ(out)和Y中的ΔQ(out)不同。δQ(out)是輸入的調度指令，它可以改變輸出的物流，而ΔQ(out)是有關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a、b中未發現Cp=1則執行如下判斷

當發現有進料或出料種類的變化，即

則后續判斷需要考慮不同數據采集周期的差異。在數據量龐大時，節約時間的搜索方法是：首先找到物料種類發生變化的TD周期(ti,ti+1)，采用二分法在該區間內找到設備操作參數改變后，系統狀態發生改變的時間點。則該時間點按照定義即為加工設備事件的開始時間，之后系統進入穩態，直到另一事件發生，打破穩態，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 對于容積設備 與加工設備相對應，把引起容積設備狀態變化的因素定義為“容積設備事件”，主要是一些容積設備的調度事件，引起其狀態變化的情況如表2所示。與加工設備不同，容積設備的進出料之間不存在必然的聯系。

表2 容積設備事件下設備狀態變化的情況Table 2 Transformation of production status under different tank event

b.出料的流量及走向變化，表現為ΔQ(out)，這類變化往往是由調度引起的，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的理論，加工設備的…作為δ觸發了容積設備狀態的改變，按照(tm,tm+1)…中事件的起止時間的先后順序逐步標定加工設備連接的容積設備所發生的事件的交替時刻tl和tl+1，并在tl和tl+1的時間段范圍內完成物料流量值的計算，最后輸出容積設備事件YS(tl,tl+1)。

加工設備對應的物料流量累計計算式為

容積設備對應的流量累計計算式為

加工設備事件的要素為起止時間及期間累積流量

容積設備事件要素為起止時間及期間累積流量

加工設備事件和容積設備事件的跟蹤過程如圖7、圖8所示。

（3）以狀態轉移事件的起止時間為界，合成移動序列。

移動發生必須同時具備3個條件：一是發生移動的裝置和儲罐之間具有物理管線或運輸路徑；二是在移動發生的時段內存在物料流動；三是移動連接的兩側事件的時間參數均已得到。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生的，移動合并以移動連接的兩側事件各自的交替時刻為其運算的觸發時間點。

要確定移動所有的基本元素才能為調度令的執行判斷提供有力證據。而移動合成在這里給定了X,Y,ρ，通過判斷，以連接移動的兩側設備上的事件序列為基礎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依據加工設備和容積設備的事件序列中事件的起止時間標定可能存在移動的時段；②對可能存在移動的時段進行物料移動累積量的計算，若物料移動累積量為零，則不發生移動，若物料累積量不為零，則發生移動；③計算發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組成如下

移動是生產調度最核心的反應，由生產數據經過處理、跟蹤、合成得到的移動信息，及時地還原了生產過程時空行為及狀態，反映了生產過程調度指令的結果，充分地利用生成的這一信息，與計劃指令、調度指令進行對比分析，可以更加及時有效地指導生產，優化生產方案。這一方法彌補了流程企業生產過程中對數據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據平臺的事件信息整合的局限性，充分利用數據與事件之間的內在聯系，形成了良好的信息反饋系統。

已經證明本方法在原油加工調度區域中起到了預期的效果，但是目前的研究僅限于區域內小范圍調度事件的還原，接下來的工作將會證明此方法可以應用于全流程數據的處理和分析。

圖8 容積設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 數據鏈重構案例

對于一條移動關系，目標是尋找到一個協調值Xi。對于整個儲罐收付的測量網絡，優化求解的目標函數可描述為

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側線監測進料Xr1=50，各側線測量值不平衡。

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

協調結果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側線監測出料=50

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

協調結果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度中舉例說明。某煉油企業的原油罐區生產系統布局如圖 10所示，圖中STank代表Storage Tank位于廠區外，CTank代表Charging Tank為原油罐區儲罐位于廠區內，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調度周期內下達的供油、接油、輸油指令見表4～表6。測量數據的采集周期Tc=1h；罐區庫存量變化的采集周期TH=8h；化驗數據的采集周期TD=3h。

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

加工設備事件由跟蹤器跟蹤，具體跟蹤過程如圖7所示，依據設定的周期獲取不同時間點的化驗數據，不同時間點分別為q=3:00,q+1=6:00,q+2=9:00,…,q+7=24:00，調用CP提取相鄰兩個時間點的化驗數據，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，則將該區間確定為事件發生區間，若不存在差異，則該區間沒有事件發生。

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

由化驗數據可知

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期間有進料切換事件發生。

依據該側線流量的平衡數據得到裝置產率數據，若裝置產率數據超過正常波動范圍變化，則在事件發生區間內搜尋確定裝置產率突變點，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 加工設備事件分析結果Table 7 Analysis results of unit event

廠內短管道輸油時間可忽略不計，則相應容積設備事件的起止時間與加工設備事件相同。通過對各儲罐庫存平衡數據的分析，可得到儲罐油品進出量。根據調度日志，該調度時間段內沒有罐內油品切換及調和事件發生。根據平衡數據得到表8。

表8 罐區平衡表Table 8 Tank area balance sheet

根據裝置和儲罐的物理拓撲關系，將與事件序列（已跟蹤得到的加工設備事件和容積設備事件）相關的關聯事件信息進行合并運算，得到移動序列，具體包括以下步驟。

① 依據裝置和儲罐的事件序列中事件的起止時間標定可能存在移動的時段；計算

表9 CTank11容積設備事件列表Table 9 Event list of CTank11

表10 平衡數據還原的移動序列列表Table 10 Movement list restored by balanced data

表11 測量數據還原的移動序列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行物料移動累積量的計算，若物料移動累積量為零，則不發生移動，若物料累積量不為零，則發生移動。

調用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，發生移動。

③ 計算發生移動的時段的收付物流累積量，得到移動序列。

以此類推，得到輸出結果如表10所示。

本文所示方法使用的罐存及裝置側線流量數據為生產平衡數據，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，調用罐存及側線測量數據進行計算，不僅對系統狀態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數據鏈的多源數據，排除擾動的影響，對原油加工事件進行準確及時的跟蹤和還原。

4 結 論

本文提出一種生產事件跟蹤的數據鏈模型，基于裝置校正和推量規則進行的構造滿足跟蹤需求的數據鏈，為在線跟蹤提供了準確的數據支撐，并提出了一種依據數據與離散事件之間的聯系，實時地對調度令的執行結果，即調度事件進行自動跟蹤和還原的方法，并以原油加工調度為例，證明該方法的可用性。本方法可以真實重現調度令傳遞的過程，深入評估其有效性、安全性和執行度，其結果可以及時有效地進行生產評估、績效考核，同時指導下一周期生產指令的下達和執行。

符 號 說 明

AtomicDATA——數據原子模型

B(j)——設備某條側線的出料轉化率

CM——給定時段內移動發生的判斷函數

CP——加工設備狀態變化事件的判斷函數

DATAchain——數據鏈模型

D(t)——數據集

D1(t)——計劃數據集

D2(t)——調度指令數據集

D3(t)——測量數據集

D4(t)——平衡數據集

e——誤差

i，j——側線上某個節點

in——設備輸入側線

K(t)——化驗實時測量數據

Lj——第j個罐的盈虧

MA(in,i)——設備進料方案

MA(out,j)——設備出料方案

Movement ——移動模型

N——數據類型

O——測量對象

out ——設備輸出側線

p——加工設備

Q——物料轉移的總量

Q(t)——加工設備側線流量實時測量數據

Q(in,i)——設備進料側線某節點流量實時測量數據，物性數據為K(in,i)

Q(in,t)——Q(in,t)=[Q(in,i)]加工設備進料量的集合

Q(out,j)——設備進料側線某節點流量實時測量數據，物性數據為K(out,j)

QAP——設備對應的物料流量累計函數

QAM——可能存在移動時段內，管線上物料移動量的累積計算函數

Qab——設備側線上的a點到b點流量累積量

ΔQ(in)——進料量變化量

ΔQ(out)——輸出物流的改變，生產事件的一種

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

R——數據可信度

S——過程狀態，過程數據集合或系統狀態集合，參照具體對象

s——容積設備

s0——初始值，初始數據集或系統初始狀態，參照具體對象

T——生產調度時間周期

Ts——容積設備庫存數據采集周期

Tp——加工設備側線流量采集周期

TD——化驗數據采集周期

Tank ——容積設備DES原子模型

t——時間，指當前時刻或結束時刻

t0——初始時刻

tn,tn+1——某一事件對應時間段的起止時間

U(t)——調度指令

Unit ——加工設備DES原子模型

v(t)——容積設備庫存實時測量數據

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——容積設備事件

Yp——加工設備事件

ρ——物料屬性

λ——SY，輸出函數

[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), 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(現代經濟信息), 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