Управление параметрами технологических процессов нефтепереработки

Цель. Целью данной статьи является разработка референтной модели системы процессов управления параметрами технологических процессов установок, участвующих в производстве товарных нефтепродуктов.

Задачи. Использовать специально разработанные математические модели, позволяющие выбирать оптимально настроенные параметры технологических процессов по критерию минимизации издержек производства; учесть требование, связанное с необходимостью поставки конечных нефтепродуктов в количествах, определяемых на основе системы договоров с клиентами; сформулировать ландшафт процессов нефтеперерабатывающего завода; на этой основе определить основные бизнес-процессы нефтеперерабатывающего завода.

Методология. В качестве методологической основы статьи используются процессный подход, управление процессами, теория принятия решений, теория оптимизации. При проведении исследования использовалась информация о бизнес-процессах нефтеперерабатывающего предприятия, а также результаты исследований по составлению специализированных математических моделей для прогнозной аналитики производства нефтепродуктов.

Результаты. Результатом исследования является модель системы основных бизнес-процессов нефтеперерабатывающего предприятия. Также в статье уделяется внимание последующей автоматизации процессов на основе разработанных моделей.

Выводы. На основе построения ландшафта процессов и выявления основных бизнес-процессов нефтеперерабатывающего завода возможно построить референтную модель системы процессов управления параметрами технологических процессов нефтепереработки. Дальнейшие исследования будут посвящены оптимизации и автоматизации данной системы бизнес-процессов.

1. Wu N. Q. et al. Short-term scheduling of crude oil operations in refinery with high-fusion-point oil and two transportation pipelines // Enterprise Information Systems. 2016. Vol. 10. No. 6. P. 581-610. DOI: 10.1080/17517575.2014.948936

2. Andrade T., Ribas G., Oliveira F. A strategy based on convex relaxation for solving the oil refinery operations planning problem // Industrial & Engineering Chemistry Research. 2016. Vol. 55. No. 1. P. 144-155. DOI: 10.1021/acs.iecr.5b01132

3. Van T. C. et al. Global impacts of recent IMO regulations on marine fuel oil refining processes and ship emissions // Transportation Research Part D: Transport and Environment. 2019. Vol. 70. P. 123-134. DOI: 10.1016/j.trd.2019.04.001

4. Haslenda H., Jamaludin M. Z. Industry to industry by-products exchange network towards zero waste in palm oil refining processes // Resources, Conservation and Recycling. 2011. Vol. 55. No. 7. P. 713-718. DOI: 10.1016/j.resconrec.2011.02.004

5. Froment G. F. Kinetic modeling of acid-catalyzed oil refining processes // Catalysis Today. 1999. Vol. 52. No. 2-3. P. 153-163. DOI: 10.1016/S0920-5861(99)00073-5

6. Wu N. Q., Li Z. W., Qu T. Energy efficiency optimization in scheduling crude oil operations of refinery based on linear programming // Journal of Cleaner Production. 2017. Vol. 166. P. 49-57. DOI: 10.1016/j.jclepro.2017.07.222

7. Khan W. Z. et al. A reliable Internet of Things based architecture for oil and gas industry // 2017 19th International conference on advanced communication Technology (ICACT). IEEE, 2017. P. 705-710. DOI: 10.23919/ICACT.2017.7890184

8. Anderson R. N. ‘Petroleum Analytics Learning Machine'for optimizing the Internet of Things of today's digital oil field-to-refinery petroleum system // 2017 IEEE International Conference on Big Data (Big Data). IEEE, 2017. P. 4542-4545. DOI: 10.1109/BigData.2017.8258496

9. Duan Q. et al. IoT-enabled service for crude-oil production systems against unpredictable disturbance // IEEE Transactions on Services Computing. 2020. Vol. 13. No. 4. P. 759-768. DOI: 10.1109/TSC.2020.2964244

10. Yang Q. et al. Technoeconomic and environmental evaluation of oil shale to liquid fuels process in comparison with conventional oil refining process // Journal of Cleaner Production. 2020. Vol. 255. 120198. DOI: 10.1016/j.jclepro.2020.120198

11. Blagitko B. et al. Contactless IoT Sensor of Liquid Level based on Impedance Method // 2019 XIth International Scientific and Practical Conference on Electronics and Information Technologies (ELIT). IEEE, 2019. P. 132-135. DOI: 10.1109/ELIT.2019.8893371

12. Abhijith H. V., Deepak Raj S., Ramesh Babu H. S. Intelligent Boundary Determination of Oil Spill Detection Using IOT // Proceedings of 3rd International Conference on Internet of Things and Connected Technologies (ICIoTCT). 2018. P. 26-27. DOI: 10.2139/ssrn.3167315

13. Гарина Е. П., Гарин А. П. Формирование ландшафта процессов как исходный этап выделения комплекса бизнес-процессов [Электронный доступ] // Известия Пензенского государственного педагогического университета им. В. Г. Белинского. 2012. № 28. С. 307-312. URL: https://cyberleninka.ru/article/n/formirovanie-landshafta-protsessov-kak-ishodnyy-etap-vydeleniya-komp-leksa-biznes-protsessov (дата обращения: 21.06.2020).

14. Ильин И. В., Коронатов Н. Н. Математическое моделирование управления производством нефтепродуктов // Журнал исследований по управлению. 2020. Т. 6. №. 3. С. 87-94.