apc是什么(APC全称是什么)

本文图片来源：CEChina图片来源:CEChina

“高级过程控制和数据分析之间有联系吗？信息技术的最新发展及其在制造业中的应用，为它们之间的联系提供了更多的机会。”

物联网(IoT)、人工智能(AI)、增强现实/虚拟现实(AR/VR)、工业4.0和制造业数字化是信息技术(IT)领域的最新发展。有经验的高级过程控制工程师可能会想，自己的领域和新的数字领域(尤其是有数据分析)有没有什么联系。制造业可以使用大量实时和历史数据。拥有更多数据会提高运营效率吗？

先进过程控制

先进过程控制(APC)的目的是调整单回路控制器的设定值，使关键操作变量接近目标，使操作更接近约束条件，这是局部“优化”的形式。有经验的操作员可以根据他们对过程、当前操作条件和生产计划输入的理解来执行高级过程控制。但是，人类并不像计算机那样不知疲倦地工作，运行速度也远远落后于计算机。

在过去的40年中，先进过程控制不断涌现和发展。它依靠阶跃响应模型(而不是过程知识和经验)来确定要调整的回路和使回路保持在最佳状态的程度。在过去，先进的过程控制可能是一项成本高昂但收效甚微的冒险。因为静态的经济驱动因素，需要不断的修改，所以很难维持。一些制造商做得很好，而其他许多制造商做得不好或没有能力这样做。数据分析有帮助吗？

确定操纵变量和受控变量之间的重要关系，协助高级过程控制设计人员确定适当的控制器规格，并确定对单元和工厂操作的可控性和优化影响不大的变量和变量关系

连接数据分析

数据分析是指使用高级工具(分析和算法)处理原始数据，以生成有用的信息。具体来说，什么是高级过程控制的“有用信息”？这里有五个关于高级过程控制和数据分析的想法。

1实时更新模型的敏感性

原始仪器和分布式控制系统(DCS)的历史和实时数据(例如过程变量、设定值、阀门位置)以及相关的质量(实验室)数据现在通过历史数据库“连接”到现场和企业级。为什么不使用这些数据来连续实时更新驱动高级过程控制模型的关键参数的灵敏度呢？没必要像听起来那么复杂。实现这一目标的算法技术，以及将这些敏感性转移回模型的现有技术，具有适当的内置安全性。

2模型精度

用于驱动现场和企业的生产计划工具(工厂和企业级优化器)，并将主要生产目标下载到高级过程控制的模型如何？现在这些工具的主要问题是缺乏实时执行能力。如果运行工厂优化器，依靠昨天的数据来设定今天的目标，价值是什么？这就是先进过程控制的第一批先驱之一在他的评论中提到的:“只有当可以做出更好的决策时，数据才是有价值的。”根据昨天的数据做今天的决定有什么价值？是零，甚至是负数，因为旧的数据可能会导致错误的决策。

3实时数据分析

如果决策一定要实时，那么再复杂的数据分析也需要实时运行。还是那句话，没有听起来那么复杂。只有非常有限数量的变量需要实时更新，以确保生产计划工具可以下载最佳目标。数据分析应关注这些关键变量。

4设计和范围改进

目前工厂运行的先进过程控制控制器的设计和范围是怎样的？它们可以改进吗？现在很多工厂的控制器最大的一个问题就是太大了。根据标准化的训练计划，设计者测试，使用所有可能的操纵变量(MV)，确认对每个可能的控制/约束变量(CV)的影响，然后将每个变量包括在模型和控制器的设计中。

有经验的操作员可以告诉你哪些变量是重要的。为什么不使用基于数据分析并包含关键生产力指标的数据监控工具？该工具可以处理工厂和实验室数据，识别重要的操纵变量/受控变量关系，帮助高级过程控制设计人员确定适当的控制器规格，并识别对工厂和工厂操作的可控性和优化影响很小的变量和变量关系。

5监测和支持

高级过程控制监控工具如何测量和报告控制器性能？需要考虑的不仅仅是控制器是否运行，有多少操纵变量处于活动状态，还有经济性能。数据分析可以基于企业范围的业务标准和公认的方法，使用工厂和实时经济数据(产品价值、能源成本等。)来计算先进过程控制的“盈利能力”。

“数据分析可以根据企业范围的业务标准，使用实时工厂和经济数据来计算高级过程控制的盈利能力。”

关键概念:

■先进过程控制的设计和范围设置会影响性能。

■先进的过程控制依赖于良好的数据分析来做出最佳决策。

想一想:

如果高级过程控制未能达到预期，请重新检查数据连接、模型和监控。