Til: Aktuelle studenter for Cyberneticas studentprogram Antall sider: 5 Dato:

Transkript

1 Address: Cybernetica AS Leirfossveien 27 N-7038 Trondheim Norway Phone.: Fax: STUDENTOPPGAVER 2016 Til: Aktuelle studenter for Cyberneticas studentprogram Antall sider: 5 Dato: Demonstratorpakke Cybernetica har utviklet en rekke modellbaserte applikasjoner for online-anvendelser for industribedrifter i mange land. Disse anvendelsene er ofte nært knyttet til kundens kjernekompetanse, og applikasjonene er derfor ikke tilgjengelig for andre. Cybernetica har et behov for å kunne demonstrere sin teknologi for nye og eksisterende kunder på en informativ og illustrativ måte. Til dette formålet er det laget enkle eksempelmodeller som kan benyttes for å vise teknologien som Cybernetica tilbyr. Denne oppgaven går ut på å implementere en eller flere av disse eksempelmodellene i Cyberneticas teknolologipakke, slik at metodikken som ligger til grunn blir demonstrert på en god måte. Aktuelle eksempelprosesser er destillasjonskolonne, polymer-reaktor og metallkonverter. Utvikle komplett demonstratorpakke for eksempelprosess(er). Lage presentasjonsmateriell for demonstratorpakken(e) Implementere eksisterende modell(er) i Cybernetica CENIT rammeverk. Utvikle en enkel simulator i Cybernetica ProXim. Sette opp estimerings-case ved hjelp av Cybernetica ModelFit Designe brukergrensesnitt i Cybernetica Viewer og WebViewer. Lagre presentasjonsmateriell for eksempelprosessen(e). Dokumentere arbeidet. Oppgaven kan være egnet som sommerjobb for studenter i 3. eller 4. klasse på Teknisk kybernetikk eller Kjemisk prosessteknologi. Kunnskaper om dynamiske systemer, estimering er en forutsetning. Kjennskap til programmering (C/C++/C#) er en fordel. 2. Optimalisert styring av metallraffinering Cybernetica har samarbeid med en rekke metallprodusenter. For å kunne tilby kundene skreddersydde produkter er metallprodusentene avhengig av å kunne foreta raffinering av metall til ønsket kvalitet. Dette foregår som oftest i batch-prosesser. I denne oppgaven er det aktuelt å lage en ny eller forbedre en eksisterende matematiske modell av en raffineringsprosess. Modellen valideres så mot driftsdata og det skal lages et forslag til optimalisert regulering av raffineringen. Oppgaven vil bli gjennomført i samarbeid med en av våre industrielle partnere i Norge eller EU. Implementere modell for metallraffinering i Cyberneticas verktøy. Demonstrere at modellen kan gjenskape industriell oppførsel. Utvikle system for bedre forståelse og styring av prosessen. Bank account: Web: Org. no: MVA

2 2 / 5 Studentoppgaver 2016 Gjøre seg kjent med Cyberneticas verktøy for modellering, modelltilpasning og regulering. Sette seg inn i metallproduksjon og raffineringsprosesser. Utvikle/videreutvikle modell av metallraffinering. Prosjekt- og masteroppgave: Implementere modellen i Cyberneticas verktøy. Validere modell mot prosessdata fra virkelig prosess. Foreslå forbedret regulering/optimalisering av prosessen. Demonstrere valgt løsning gjennom simuleringer. Oppgaven kan være egnet for studenter i 4. klasse på Teknisk kybernetikk eller Kjemisk prosessteknologi. Forhåndskunnskaper om metallurgiske prosesser forventes ikke, men den som blir ansatt må være villig til å lese seg opp på fagfeltet. Kunnskaper om dynamiske systemer og regulering er en forutsetning. Kjennskap til Matlab og enkel programmering er en fordel, men ikke et krav. 3. Modellbasert prediktiv regulering av kjemisk reaktor Cybernetica arbeider kontinuerlig med utvikling og videreutvikling av modeller for ulike polymerprosesser. Dette inkluderer prosesser for fremstilling av polyolefiner, bindemidler, PVC, og forskjellige emulsjonspolymere. Disse modellene inngår i systemer for on-line estimering (soft sensing), modellbasert prediktiv regulering og on-line optimalisering. For å lette modularisering og gjenbruk av modeller, er det startet et arbeid med å utvikle modellbibliotek basert på modelleringsspråket Modelica og utviklingsverktøyet Dymola. Alternativt utvikles modeller ved å programmere disse direkte i programmerings-språket C/C++. Flere studenter har arbeidet med lignende oppgaver tidligere, og det er lagt et godt grunnlag. Utvikle/videreutvikle modell for industriell polymerprosess Implementere modellen i Modelica eller C/C++ Utvikle on-line tilstands og parameterestimering for prosessen Utvikle og simulere modellbasert prediktiv regulering for denne prosessen. Gjøre seg kjent med aktuelle polymerprosesser og prinsippene for modellering av disse. Implementere eksisterende modeller som moduler i Modelica: o Kinetikkmodell (kjemi) o Masse- og varmebalanse o Reaktorkjøling o Doseringsmekanismer (rør og ventiler) Konfigurere modellene for online bruk. Benytte biblioteket fra sommerjobben til å lage en modell av en industriell reaktor Tilpasse modellen til loggedata fra en industriell prosess Implementere og prøve ut nye ideer for raskere konfigurasjon og identifikasjon av polymermodeller

3 Demonstrere systemet gjennom simuleringer 3 / 5 Studentoppgaver 2016 Konfigurere system for sanntids modelloppdatering (Kalman-filter eller Moving Horizon Estimering ) og utvikle applikasjon for soft sensing. Konfigurere modellbasert prediktiv regulering av en gitt polymerprosess ved hjelp av modeller satt sammen fra modellbiblioteket beskrevet over. Demonstrere valgt løsning gjennom simuleringer. Oppgaven kan være egnet for studenter i 4. klasse på Teknisk kybernetikk eller Kjemisk prosessteknologi. Forhåndskunnskaper om polymerisasjon forventes ikke, men den som blir ansatt må være villig til å lese seg opp på fagfeltet. Kunnskaper om dynamiske systemer og regulering er en forutsetning. Programmeringserfaring og noe kjennskap til Modelica er en fordel, men ikke et krav. 4. Modellering og regulering av energibruk og innemiljø i bygninger Etter hvert som en stadig større del av den elektriske energiforsyningen kommer fra fornybare kilder som sol og vind, blir det mange steder i verden et økende problem at det ikke er samsvar i tid mellom energiforbruk og energiproduksjon. Tidligere har man styrt energiproduksjonen ut fra forbruket, men det er ikke mulig på samme måte med disse energikildene. Da oppstår et behov for å påvirke forbruksmønsteret. Variable priser blir et virkemiddel som blir tatt i bruk mange steder i verden. Til dels kan prisen variere betydelig over et døgn. Enhver bygning har en viss kapasitet til å lagre energi. Det kan utnyttes. Videre er det en del forbruk som uten problemer kan utsettes. Optimal regulering av energibruk og innemiljø i bygninger kan gi mange fordeler. For de som bor og oppholder seg i bygget, vil det bety godt inneklima og behagelig temperatur. For huseieren kan det bety en betydelig besparelse, og for samfunnet en jevnere total energibruk. Oppgaven kan enkelt deles opp, så om ønskelig kan flere studenter kan samarbeide om den. Etablere en oversikt over state of the art, både når det gjelder produkter i markedet og akademisk litteratur. Definere et lite antall test-case. Dette kan være vanlige bolighus med ulike energikilder og ulike ventilasjonsløsninger. Lage detaljerte simuleringsmodeller av testcasene. Dette gjøres i Modelica, delvis ved bruk av tilgjengelige modellbibliotek. Utvikle enklere dynamiske modeller for bruk i estimering og regulering Utvikle on-line tilstands- og parameterestimering basert på de enkle modellene. Utvikle og teste ulike reguleringsstrategier. Sette seg inn i problemstillingen. Definere et første testcase (typisk bolighus). Sette opp modeller i Modelica. Tilpasse modellene til et utvalgt hus og gjennomfør parameterestimering. Gjennomgang av tilgjengelig litteratur på tilstands- og parameterestimering. Utvikling av generelle metoder for modelltilpasning til ulike hus med ulike energikilder og ventilasjonsanlegg.

4 Utprøving av disse teknikkene på casene fra sommerjobben. 4 / 5 Studentoppgaver 2016 Utvikling av modellbasert prediktiv regulering av energibruk og innemiljø i bygninger. Demonstrasjon i simulering av ulike reguleringsstrateger for ulike testcase og scenarier. Oppgaven kan være egnet for studenter i klasse på Teknisk kybernetikk eller Kjemisk prosessteknologi. Kunnskaper om modellering av dynamiske systemer er en forutsetning. Kjennskap til Modelica er en fordel, men ikke et krav. 5. Modellbasert tidligdeteksjon av feil Plutselige feil som kan oppstå i et prosessanlegg, kan lett føre til store økonomiske og materielle tap for en produksjonsbedrift. Ofte er tapt produksjon på grunn av stans det største bidraget. Derfor har alle slike bedrifter et klart fokus på å holde produksjonen i gang. For å redusere risikoen for tap på grunn av utstyrssvikt, har det til nå vært vanlig å gjøre periodisk, preventivt vedlikehold det vil si at utstyrskomponenter byttes før de når forventet levetid. Dette utgjør også en betydelig kostnad. Nå begynner stadig flere selskap med tilstandsbasert vedlikehold. Da legges det opp til at tilstanden til prosessutstyr skal overvåkes, og at feil skal rettes ved behov og før feilen blir kritisk. Ved overgangen til tilstandsbasert vedlikehold, installeres ekstra instrumentering for tilstandsovervåkning. For roterende maskineri er dette velprøvd teknologi; Der finnes det gode systemer for tilstandsovervåkning som i hovedsak er basert på vibrasjonsanalyse. Det kan ikke sies å gjelde for alt annet prosessutstyr. Ekstra instrumentering er også kostbart. Vi vil se på hvordan behovet for ekstra instrumentering kan begrenses ved bruk av modellbaserte teknikker. Her vil dynamiske matematiske modeller av prosessen kombineres med tilstands- og parameterestimering og med algoritmer for feildeteksjon. Etablere en oversikt over state of the art, både når det gjelder industriell praksis og akademisk litteratur. Definere et lite antall test-case. Dette kan være fra et olje- og gass-separasjonsanlegg. Definere naturlige feilscenarier. Lage modeller av testcasene. Det kan gjøres ved bruk av Cyberneticas modellbibliotek i Modelica. Utvikle on-line tilstands- og parameterestimering for prosessen Utvikle og teste ulike metoder tidligdeteksjon av feil. Sette seg inn i problemstillingen. Definere et første testcase med feilsituasjoner. Sette opp modeller i Modelica. Implementere tilstands- og parameterestimering for prosessen, samt algoritmer for feildeteksjon fra litteraturen. Gjennomgang av tilgjengelig litteratur på feildeteksjon og diagnose. Videre arbeid med casene fra sommerjobben; demonstrasjon av prinsippene for tidligdeteksjon av feil i et lite antall eksempler. Mål: å utvikle en mer systematisk metodikk for tidligdeteksjon av feil, om mulig også med diagnose, slik at den feilende prosessenheten kan identifiseres. Dette blir en videreføring av arbeidet fra sommerjobb og prosjektoppgave.

5 Utprøving av algoritmene på loggedata fra reelle prosessanlegg. 5 / 5 Studentoppgaver 2016 Oppgaven kan være egnet for studenter i klasse på Teknisk kybernetikk eller Kjemisk prosessteknologi. Kunnskaper om modellering av dynamiske systemer er en forutsetning. Forøvrig må den som blir ansatt være villig til å lese seg opp på fagfeltet. Kjennskap til Modelica er en fordel, men ikke et krav.