Привет! Меня зовут Сергей Кирясов. В СИБУРе работаю около двух лет, а всего в отрасли нефтепереработки и нефтехимии — около семи. На протяжении всей карьеры занимаюсь оптимизацией технологических и бизнес-процессов: ранее повышал эффективность крупного НПЗ и участвовал в нескольких проектах для крупной нефтегазовой компании за рубежом в качестве консультанта. Сегодня я расскажу, что мы в СИБУРе подразумеваем под цифровым двойником технологического процесса и какая от него польза.
Нефтехимия — довольно консервативная отрасль, особенно если это касается технологии производства. Новые процессы разрабатываются десятилетиями, а внесение в них изменений, даже выгодных для бизнеса, требует чрезвычайно взвешенного подхода. На крупнотоннажном производстве не проведешь A/B-тестирование за несколько кликов мышки, при этом некоторые другие современные подходы здесь вполне востребованы. Чем хороша нефтехимия — это реальный сектор. Результат от твоей работы осязаем: ты можешь видеть, что объем производства увеличился, прибыль выросла благодаря более точному прогнозу цены на сырье, а клиент получает товар быстрее благодаря оптимизированной логистике. По уровню автоматизации нефтехимия традиционно одна из передовых отраслей промышленности.
Для начала разберемся с определениями. Терминов существует множество, но для себя мы определяем цифровой двойник как виртуальную копию объекта или процесса, выполненную с достаточной точностью и функционалом, чтобы с ее помощью можно было принимать решения. Дальше все зависит от того функционала, который закладывается в цифровой двойник.
Например, фотография города со спутника на Гугл картах — цифровой двойник этого города, хотя и с весьма ограниченным функционалом. Но если эту фотографию дополнить данными — нанести на карту дороги и улицы, а на улицы добавить информацию об остановках и маршрутах общественного транспорта, интенсивности трафика и дорожных ремонтах, то получится очень полезный цифровой двойник, который есть у каждого из нас в смартфоне — GPS-навигатор. С его помощью можно не только в начале пути выбрать оптимальный способ и маршрут передвижения, но и в процессе корректировать его в зависимости от изменяющейся дорожной ситуации. Кроме того, навигатор подсказывает разрешенную на участке дороги скорость передвижения. Таким образом, цифровой двойник города позволяет нам максимально быстро добраться до пункта назначения и при этом не нарушить скоростной режим.
Если провести параллель с нефтехимией, то задача схожая: максимально эффективно эксплуатировать технологический процесс производства продукции, не нарушая при этом правила безопасности. Эффективность в сложном химическом производстве — понятие комплексное. Важно не только произвести максимальный объем качественной продукции, но и затратить на процесс производства минимальное количество энергоресурсов, выработать минимум побочной продукции, минимизировать износ оборудования и влияние на окружающую среду.
Для решения этой задачи в производстве также используются цифровые двойники — виртуальные копии технологического процесса, разработанные с использованием специализированного программного обеспечения. Они так же, как и GPS-навигатор, позволяют в начале пути выбрать оптимальный способ производства, а в процессе помогают операторам максимально эффективно вести режим в условиях меняющихся внешних факторов. Под внешними факторами подразумевается и состав сырья, и погодные условия, и рыночные предпосылки, и еще много чего, на что оператор повлиять не может, зато может учесть и своевременно отреагировать.
Вот мы и подошли к истинному назначению цифровых двойников технологических процессов нефтехимии. Их цель — в условиях сложных многопараметрических химических процессов помогать аппаратчикам производств, инженерам и технологам принимать оптимальные решения, а в некоторых случаях цифровые двойники позволяют полностью исключить человеческий фактор.
Физико-химическая модель технологического процесса. С использованием базовых законов химической кинетики и термодинамики моделируются физические и химические процессы, происходящие в технологическом оборудовании — тепло- и массообмен, реакционные процессы. Такие модели позволяют проводить what-if- анализ для различного состава сырья, технологических режимов и т. д.
Например, с помощью реализованной нами модели теперь можно проверить чувствительность крупнейшей в стране газофракционирующей установки к изменению состава и расхода сырья, вызванных пуском комплекса «Запсибнефтехим». Оператор может подобрать технологический режим, позволяющий эффективно разделять компоненты, а значит, получать больше целевых продуктов и меньше побочных.
Еще такие модели позволяют разрабатывать новые технологические схемы производства.
Статистическая модель, разработанная с использованием методов продвинутой аналитики. Этот тип моделирования позволяет воссоздать на компьютере любые процессы и явления с достаточным количеством и качеством статистических данных. Используется для дополнения физико-химических моделей или как самостоятельная модель. Такие модели позволяют разрабатывать рекомендательные системы, системы поддержки принятия решения, осуществлять предиктивную диагностику.
Гидродинамическая модель — моделирует динамическое течение жидких и газообразных сред в трубопроводах и аппаратах с учетом массообменных и реакционных процессов. Позволяет выявить неоптимальные параметры течения сред, зоны с риском образования отложений, определить потенциал для интенсификации процесса.
Механическая модель — моделирует механические свойства оборудования во времени в зависимости от механической нагрузки и технологических параметров. Позволяет прогнозировать механические неисправности.
Все приведенные типы моделирования могут дополнять друг друга — давать на выходе данные, необходимые на вход другого типа моделирования.
Цифровой двойник технологического процесса может быть разработан с использованием как одного типа моделирования, так и нескольких. Все зависит от конкретных целей. Как принимается решение, расскажу в следующем пункте.
Как понять, что пора заводить цифрового двойника? Здесь все очень просто.
Первый критерий: цифровой двойник нужен там, где есть потенциал для повышения эффективности процесса за счет разработки технологической модели. Потенциал может быть в сокращении человеческого фактора управления производством, в получении дополнительных данных для принятия решений, в проверке гипотез по повышению эффективности производства и т. д.
Второй критерий: экономический эффект от внедрения цифрового двойника должен быть выше, чем затраты на его разработку.
Технологическая модель — это результат работы кроссфункциональной команды технологов, эксплуатирующих производство, экспертов по моделированию, экспертов по анализу данных, сотрудников заводских лабораторий и еще много кого.
Процесс разработки моделей включает в себя 4 этапа.
1. Подготовительный этап. Еще перед началом разработки цифровой модели менеджер, координирующий разработку, сам разработчик и технолог производства обсуждают, какой точности модель необходима для решения конкретной задачи, анализируют полноту исходных данных для разработки модели требуемой точности. Формируется бизнес-кейс: определяются потенциальный эффект и затраты на разработку. Если эффект выше затрат, переходим к следующему этапу.
2. Этап сбора исходных данных. На этом этапе собираются данные, необходимые для разработки модели: параметры технологического процесса, характеристики используемого оборудования, геометрия аппаратов и трубопроводов, при необходимости проводятся дополнительные лабораторные анализы.
3. Этап разработки. В зависимости от типа моделирования разработка модели ведется в различном программном обеспечении. Физико-химическое моделирование — в программном пакете AspenOne Engineering от компании AspenTech; разработка статистических моделей осуществляется с использованием языка программирования, например Python; гидродинамическое и механическое моделирование — в программных продуктах компании ANSYS.
4. Этап верификации. Разработанная модель сравнивается с реальным производством. Если разработанный двойник обеспечивает необходимую точность, модель можно эксплуатировать, если нет — причины устанавливаются, и модель дорабатывается.
Средний срок разработки цифрового двойника технологического процесса — от 6 до 12 месяцев. А точный срок зависит от необходимой точности модели, наличия и полноты исходных данных и много чего еще.
Перед началом разработки цифровой модели разработчик и технолог производства проводят подготовительный этап: обсуждают, какой точности модель необходима для решения конкретной задачи, анализируют объем исходных данных для разработки модели требуемой точности. За подготовительным этапом следует этап разработки, а за этапом разработки — этап верификации модели с данными реального производства.
Если разработанный двойник обеспечивает необходимую точность, можно начинать эксплуатировать модель. На выходе технолог производства получает конкретные рекомендации по ведению технологического режима.
Если вернуться к примеру с GPS — как посчитать эффект от наличия навигатора в вашем смартфоне? А совокупный эффект от наличия навигатора у большинства участников дорожного движения?
Совокупный эффект от разработки технологических моделей назвать так же непросто. Он складывается не только из прямого эффекта, но и из оптимизации ведения технологического процесса и от решений по модернизации производства. Скорость и качество принятых решений на основе данных цифровых моделей позволит снизить вероятность возникновения аварийных ситуаций. Можно сказать, что наличие цифровых двойников в СИБУРе стало неотъемлемой частью культуры принятия data-driven-решений и достижения «умного результата». В оценках экономического эффекта это сотни миллионов рублей в год.
Что пока нельзя облечь в форму цифрового двойника — так это человека. Иначе мы бы уже инициировали эту технологию :) Так что если вы работаете с данными, любите разбираться в технологических и бизнес-процессах и понимаете, о чем этот блог, у нас есть подборка вакансий СИБУРа.
Нефтехимия — довольно консервативная отрасль, особенно если это касается технологии производства. Новые процессы разрабатываются десятилетиями, а внесение в них изменений, даже выгодных для бизнеса, требует чрезвычайно взвешенного подхода. На крупнотоннажном производстве не проведешь A/B-тестирование за несколько кликов мышки, при этом некоторые другие современные подходы здесь вполне востребованы. Чем хороша нефтехимия — это реальный сектор. Результат от твоей работы осязаем: ты можешь видеть, что объем производства увеличился, прибыль выросла благодаря более точному прогнозу цены на сырье, а клиент получает товар быстрее благодаря оптимизированной логистике. По уровню автоматизации нефтехимия традиционно одна из передовых отраслей промышленности.
Для начала разберемся с определениями. Терминов существует множество, но для себя мы определяем цифровой двойник как виртуальную копию объекта или процесса, выполненную с достаточной точностью и функционалом, чтобы с ее помощью можно было принимать решения. Дальше все зависит от того функционала, который закладывается в цифровой двойник.
Например, фотография города со спутника на Гугл картах — цифровой двойник этого города, хотя и с весьма ограниченным функционалом. Но если эту фотографию дополнить данными — нанести на карту дороги и улицы, а на улицы добавить информацию об остановках и маршрутах общественного транспорта, интенсивности трафика и дорожных ремонтах, то получится очень полезный цифровой двойник, который есть у каждого из нас в смартфоне — GPS-навигатор. С его помощью можно не только в начале пути выбрать оптимальный способ и маршрут передвижения, но и в процессе корректировать его в зависимости от изменяющейся дорожной ситуации. Кроме того, навигатор подсказывает разрешенную на участке дороги скорость передвижения. Таким образом, цифровой двойник города позволяет нам максимально быстро добраться до пункта назначения и при этом не нарушить скоростной режим.
Если провести параллель с нефтехимией, то задача схожая: максимально эффективно эксплуатировать технологический процесс производства продукции, не нарушая при этом правила безопасности. Эффективность в сложном химическом производстве — понятие комплексное. Важно не только произвести максимальный объем качественной продукции, но и затратить на процесс производства минимальное количество энергоресурсов, выработать минимум побочной продукции, минимизировать износ оборудования и влияние на окружающую среду.
Для решения этой задачи в производстве также используются цифровые двойники — виртуальные копии технологического процесса, разработанные с использованием специализированного программного обеспечения. Они так же, как и GPS-навигатор, позволяют в начале пути выбрать оптимальный способ производства, а в процессе помогают операторам максимально эффективно вести режим в условиях меняющихся внешних факторов. Под внешними факторами подразумевается и состав сырья, и погодные условия, и рыночные предпосылки, и еще много чего, на что оператор повлиять не может, зато может учесть и своевременно отреагировать.
Вот мы и подошли к истинному назначению цифровых двойников технологических процессов нефтехимии. Их цель — в условиях сложных многопараметрических химических процессов помогать аппаратчикам производств, инженерам и технологам принимать оптимальные решения, а в некоторых случаях цифровые двойники позволяют полностью исключить человеческий фактор.
Типы моделей цифровых двойников, которые мы используем на нефтехимическом производстве
Физико-химическая модель технологического процесса. С использованием базовых законов химической кинетики и термодинамики моделируются физические и химические процессы, происходящие в технологическом оборудовании — тепло- и массообмен, реакционные процессы. Такие модели позволяют проводить what-if- анализ для различного состава сырья, технологических режимов и т. д.
Например, с помощью реализованной нами модели теперь можно проверить чувствительность крупнейшей в стране газофракционирующей установки к изменению состава и расхода сырья, вызванных пуском комплекса «Запсибнефтехим». Оператор может подобрать технологический режим, позволяющий эффективно разделять компоненты, а значит, получать больше целевых продуктов и меньше побочных.
Еще такие модели позволяют разрабатывать новые технологические схемы производства.
Статистическая модель, разработанная с использованием методов продвинутой аналитики. Этот тип моделирования позволяет воссоздать на компьютере любые процессы и явления с достаточным количеством и качеством статистических данных. Используется для дополнения физико-химических моделей или как самостоятельная модель. Такие модели позволяют разрабатывать рекомендательные системы, системы поддержки принятия решения, осуществлять предиктивную диагностику.
Гидродинамическая модель — моделирует динамическое течение жидких и газообразных сред в трубопроводах и аппаратах с учетом массообменных и реакционных процессов. Позволяет выявить неоптимальные параметры течения сред, зоны с риском образования отложений, определить потенциал для интенсификации процесса.
Механическая модель — моделирует механические свойства оборудования во времени в зависимости от механической нагрузки и технологических параметров. Позволяет прогнозировать механические неисправности.
Все приведенные типы моделирования могут дополнять друг друга — давать на выходе данные, необходимые на вход другого типа моделирования.
Цифровой двойник технологического процесса может быть разработан с использованием как одного типа моделирования, так и нескольких. Все зависит от конкретных целей. Как принимается решение, расскажу в следующем пункте.
«Дорогой, у нас будет цифровой двойник»
Как понять, что пора заводить цифрового двойника? Здесь все очень просто.
Первый критерий: цифровой двойник нужен там, где есть потенциал для повышения эффективности процесса за счет разработки технологической модели. Потенциал может быть в сокращении человеческого фактора управления производством, в получении дополнительных данных для принятия решений, в проверке гипотез по повышению эффективности производства и т. д.
Второй критерий: экономический эффект от внедрения цифрового двойника должен быть выше, чем затраты на его разработку.
Как происходит разработка двойника?
Технологическая модель — это результат работы кроссфункциональной команды технологов, эксплуатирующих производство, экспертов по моделированию, экспертов по анализу данных, сотрудников заводских лабораторий и еще много кого.
Процесс разработки моделей включает в себя 4 этапа.
1. Подготовительный этап. Еще перед началом разработки цифровой модели менеджер, координирующий разработку, сам разработчик и технолог производства обсуждают, какой точности модель необходима для решения конкретной задачи, анализируют полноту исходных данных для разработки модели требуемой точности. Формируется бизнес-кейс: определяются потенциальный эффект и затраты на разработку. Если эффект выше затрат, переходим к следующему этапу.
2. Этап сбора исходных данных. На этом этапе собираются данные, необходимые для разработки модели: параметры технологического процесса, характеристики используемого оборудования, геометрия аппаратов и трубопроводов, при необходимости проводятся дополнительные лабораторные анализы.
3. Этап разработки. В зависимости от типа моделирования разработка модели ведется в различном программном обеспечении. Физико-химическое моделирование — в программном пакете AspenOne Engineering от компании AspenTech; разработка статистических моделей осуществляется с использованием языка программирования, например Python; гидродинамическое и механическое моделирование — в программных продуктах компании ANSYS.
4. Этап верификации. Разработанная модель сравнивается с реальным производством. Если разработанный двойник обеспечивает необходимую точность, модель можно эксплуатировать, если нет — причины устанавливаются, и модель дорабатывается.
Средний срок разработки цифрового двойника технологического процесса — от 6 до 12 месяцев. А точный срок зависит от необходимой точности модели, наличия и полноты исходных данных и много чего еще.
Перед началом разработки цифровой модели разработчик и технолог производства проводят подготовительный этап: обсуждают, какой точности модель необходима для решения конкретной задачи, анализируют объем исходных данных для разработки модели требуемой точности. За подготовительным этапом следует этап разработки, а за этапом разработки — этап верификации модели с данными реального производства.
Если разработанный двойник обеспечивает необходимую точность, можно начинать эксплуатировать модель. На выходе технолог производства получает конкретные рекомендации по ведению технологического режима.
А что на выходе?
Если вернуться к примеру с GPS — как посчитать эффект от наличия навигатора в вашем смартфоне? А совокупный эффект от наличия навигатора у большинства участников дорожного движения?
Совокупный эффект от разработки технологических моделей назвать так же непросто. Он складывается не только из прямого эффекта, но и из оптимизации ведения технологического процесса и от решений по модернизации производства. Скорость и качество принятых решений на основе данных цифровых моделей позволит снизить вероятность возникновения аварийных ситуаций. Можно сказать, что наличие цифровых двойников в СИБУРе стало неотъемлемой частью культуры принятия data-driven-решений и достижения «умного результата». В оценках экономического эффекта это сотни миллионов рублей в год.
Что пока нельзя облечь в форму цифрового двойника — так это человека. Иначе мы бы уже инициировали эту технологию :) Так что если вы работаете с данными, любите разбираться в технологических и бизнес-процессах и понимаете, о чем этот блог, у нас есть подборка вакансий СИБУРа.