生產工藝偏差統計模型的研究與實現

鄭芳雄，安 娜

（中海石油化學股份有限公司，海南東方 572600）

1 前言

化工裝置設備繁多，具有工藝流程長、結構復雜、耦合性高、高溫高壓、易燃易爆等特點，影響正常生產偶然因素很多，因此引發裝置停車事故時有發生，并導致整個生產過程的中斷，嚴重的還會造成裝置破壞和安全事故。重新開車需要對原裝置中的廢氣、廢液進行吹掃，對反應爐和塔罐重新升溫，這將帶來極大的能源浪費和環境污染。深入分析這些停車案例發現，在生產過程中除不可抗力和突發事故以外，大部分引發事故的隱患是一個漸進的過程。事故形成過程中往往存在工藝偏離和設備故障等問題，如果早期通過某種手段發現并及時將隱患或故障排除，那么將使裝置發生停車或事故的風險極大降低。

本模型算法研究通過信息化手段挖掘工藝和設備的運行情況，預見某一設定工藝條件或設備運行狀態偏離要求的管控水平，在這基礎上采取危害和可操作分析（HAZOP），確保工藝偏離在安全風險管控之下，讓工藝安全管理真正形成一個可持續過程。

2 工藝偏差統計模型關鍵技術

2.1 模型目標和判定標準

對工藝參數趨勢向上、趨勢向下、階躍向上、階躍向下、波動向上、波動向下六種工藝偏差類型進行統計分析，得到趨勢方向結果和圖形，并在此基礎上統計累計偏離“眾數”范圍超20d的工藝參數。

2.2 模型算法概述

第一步：直接對原始數據進行趨勢項的擬合，發現異常值對擬合結果的干擾較大，嚴重影響了對整體趨勢的正確判斷；要先剔除異常值，再擬合整體趨勢。

第二步：假設大部分時間內工藝參數都是正常的，所以采用工藝參數的“眾數” 作為“正常值”標準，并將其上下各擴展δ（例如40%）作為上下限（即允許的相對誤差為δ）。此處不再以均值為中心線，因為均值受到了太多異常值（來自停車階段和異常波動階段）的干擾。

第三步：在第二步的基礎上進一步改善上下限，方法是計算所有介于第二步中所確定的“正常值”上下限之間的工藝參數值的均值和標準差，然后采用萊特準則（μ取為眾數，σ是標準差）來界定新的上下限。

第四步：在第三步的基礎上尋找整體趨勢，即對介于第三步中所確定的上下限之間的工藝參數時間序列作基于原始數據和依時間聚合后數據的趨勢分析，具體方法為基于最小二乘法的線性擬合。根據時間項系數估計的顯著性和正負性來判斷工藝參數過程有無整體趨勢以及趨勢的方向。

顯著性：若斜率項p值大于等于預先指定的顯著性水平則認為無整體趨勢，反之，若斜率項p值小于預先指定的顯著性水平，則認為有整體趨勢。

正負性：若斜率項估計為正則有整體上升趨勢，若斜率項估計為負則有整體下降趨勢。

2.3 算法的優越性

選取“眾數”而非“平均值”作為工藝參數的正常值，有效避免了異常值對工藝參數平均值的干擾。在相對誤差限的基礎上，應用萊特準則進一步改良了上下限。運用了時間序列分析中 “對時間趨勢的擬合”這一常規判斷整體趨勢的方法。在對時間趨勢進行擬合的過程中，對工藝參數依不同的時間間隔進行了聚合，并據此計算平均顯著性，從而避免了“過度擬合”和“孤點擬合”的發生，得到更有信度的結論。

2.4 算法的關鍵參數

本算法涉及到四個關鍵參數：①相對誤差：選得太小，剔除的工藝偏差太多，選得太大，剔除的工藝偏差太少；②萊特準則系數：根據概率論中鐘形分布數據的經驗法則，以均值為中心上下各擴展1倍標準差可以涵蓋68%的數據，以均值為中心上下各擴展2倍標準差可以涵蓋95%的數據，以均值為中心上下各擴展3倍標準差可以涵蓋99.7%的數據；③顯著性水平：表示能夠容忍多大概率的“小概率事件”，當整體無趨勢，卻判斷有向上或者向下趨勢的概率應不超過給定的顯著性水平；④觀測點聚合：對數據進行聚合所選取的時間間隔，不同的時間間隔的選取會對計算結果產生不同的影響。聚合得太少，點數太密，擬合結果容易受到局部波動的影響，導致過度擬合。聚合得太多，所有的觀測點都聚合成幾個孤點，擬合將不能正常進行。

2.5 模型效果

模型采用基于最小二乘法的線性擬合，利用時間項系數估計的顯著性和正負性來判斷工藝參數過程有無整體趨勢以及趨勢的方向。

3 信息化實現

3.1 工藝偏差統計模型信息化實現流程

程序界面包含位號列表內容和取數參數，其中位號取數參數有數據起止日期和取數頻率，其中長周期取數頻率默認為1h，取數參數可以根據需求進行調整。在完成位號錄入或選擇和取數參數設定后，點擊“開始”按鈕，就啟動了工藝參數偏差統計計算。其過程如圖1所示。

3.2 結果輸出及整合報告

為了保證最終報告更有效反映工藝的偏離特征，輸出結果整合了數據文檔、偏離趨勢結果文檔、偏離時間點詳細統計文檔、累計偏離20d以上統計文檔。整合輸出結果有效地提示了工藝參數的偏離趨勢，為裝置管理和操作提供了有效的指導。

圖1 核心流程

4 成果與價值

面對潛在性的故障，可以采取預警、危害和可操作性分析（HAZOP）來進行預防和處理，這些顯然都是等故障發生或接近發生的情況下采取的應急措施，然而通過潛在工藝參數的統計分析，可以預見某一設定工藝條件或設備運行狀態偏離要求的管控水平，而且采取信息化手段挖掘工藝和設備的運行情況，讓工藝監控人員和設備運維人員可以提前警覺風險的發生。

該成果通過數學建模對生產過程進行定量分析，為企業生產管理提供科學決策依據，從而提高企業的管理和經濟效益。其結果：有效對生產裝置的工藝過程進行偏差管理；有助各生產單位開展分析風險管理；及時發現和預警工藝偏差，使其能得到糾偏和優化；協助管理部門開展確定偏差評價指標的等評價工作。

5 結論

本文總結分析了化工生產中使用數據集成技術、HAZOP分析結果、統計模型、數據處理和數據庫技術進行研究和應用工藝偏差統計的流程。該應用的實時性、智能化程度、全裝置全覆蓋檢索、故障分析和預防指導等功能對保證化工生產安全具有極其重要的意義，其投用解決了單獨由人工判斷帶來的效率滯后、失誤及遺漏，真正實現化工生產過程中的“防患于未然”，其結果有效引導管理和資源正確的部署方向，全面提升裝置管理的安全和效益。