Chemicals and Petrochemicals

MATLAB e Simulink per il settore chimico e dei materiali

Gli ingegneri usano MATLAB e Simulink per analizzare dati di sensori in tempo reale, implementare strategie di controllo e creare sistemi di manutenzione predittiva che si fondano sui big data e sul machine learning.

MATLAB e Simulink aiutano gli ingegneri a:

Sviluppare sistemi di manutenzione predittiva applicando tecniche numeriche sui dati di sensori ad alta velocità
Usare il machine learning con dati storici per risolvere i problemi di processo
Usare la modellazione dei dati per migliorare la performance dei processi
Sviluppare e implementare strategie di controllo predittivo avanzato (APC)
Adottare la digitalizzazione senza dipendere da data scientist o personale IT

“Come società di produzione, non abbiamo dei data scientist con esperienza nel machine learning, ma MathWorks ci ha fornito gli strumenti e le conoscenze tecniche con cui, nel giro di pochi mesi, siamo riusciti a sviluppare un sistema di manutenzione preventiva per la produzione.”
Dr. Michael Kohlert, Mondi Gronau

Guarda un esempio

Big data e analisi predittiva in Shell

Shell rileva eventi e anomalie in impianti chimici utilizzando l’analisi predittiva con MATLAB.

Test di progettazione e integrazione basati su modelli di strumenti di perforazione di petrolio e gas alla Baker Hughes - GE

Shell e l’AACoE mostrano come usare MDCS per portare ai propri ingegneri strumenti AI semplici per velocizzare i processi aumentando la loro affidabilità.

Manutenzione predittiva di una turbina a vapore

Scopri come gli ingegneri Sasol hanno implementato un programma di manutenzione predittiva end-to-end per le turbine a vapore presso la raffineria Sasol.

Oltre i simulatori di processo

In genere,i tradizionali simulatori di processo, riescono a coprire condizioni stazionarie, ma non sono in grado di gestire la natura dinamica degli input degli impianti veri. Con MATLAB, puoi scrivere le tue equazioni e i tuoi algoritmi in modo da avere il pieno controllo dell’intero modello.

Puoi anche integrare MATLAB con i simulatori di processo come Aspen Plus e gPROMS per operazioni personalizzate, analisi avanzate e per la progettazione di schemi di controllo e l’utilizzo di routine di ottimizzazione come gli algoritmi genetici.

Gemelli digitali per la produzione di petrolio e gas (48:37)

Manutenzione predittiva per l’ottimizzazione degli asset

Ottimizzare gli asset con la manutenzione predittiva e l’elaborazione di segnali

MATLAB può aiutarti a sviluppare algoritmi di manutenzione predittiva personalizzati per le operazioni specifiche e per il profilo architettonico della tua strumentazione. Usa Predictive Maintenance Toolbox per progettare indicatori di condizione e stimare la vita utile residua delle tue apparecchiature.

Puoi utilizzare Signal Processing Toolbox per automatizzare il monitoraggio della prestazione dei tuoi loop di controllo, determinare da remoto l’entità della corrosione o vaiolatura delle tubature e per rilevare la posizione e la quantità di perdite nelle stesse.

Scopri come (39:51) Tupras ha implementato un sistema automatizzato di valutazione delle prestazioni del loop di controllo nelle proprie raffinerie.

Per saperne di più sulla manutenzione predittiva

Machine learning e big data

Le applicazioni interattive di Statistics and Machine Learning Toolbox ti consentono di applicare tecniche di machine learning senza dover essere un esperto di scienza dei dati. Inoltre, MATLAB fornisce un ambiente unico e ad alte prestazioni per lavorare con i big data, con o senza struttura. Ciò ti consente di effettuare la rilevazione e la diagnosi dei guasti più rapidamente e monitorare più efficacemente i processi.

Scopri come i ricercatori I²C²hanno analizzato milioni di righe di dati di processo e sviluppato modelli di machine learning per prevedere le proprietà funzionali del latte in polvere.

Deep learning ed elaborazione di immagini

Con solo poche righe di codice MATLAB, puoi costruire modelli di deep learning che utilizzano i dati di processo per prevedere condizioni anomale. Usa le applicazioni di Image Processing Toolbox per automatizzare i processi comuni come la segmentazione dei dati immagine e l’elaborazione in batch di grandi gruppi di dati immagine. Puoi utilizzare MATLAB nelle applicazioni per l’elaborazione delle immagini come la caratterizzazione di fiamma, l’imaging termico delle apparecchiature e il controllo qualità delle pellicole in plastica. Con il deep learning di MATLAB, potrai ottenere rappresentazioni di funzionalità direttamente dai dati immagine e video.

Miglioramento dei processi grazie alla modellazione dei dati

Utilizza gli strumenti di analisi multivariata di MATLAB per stabilire le variabili indipendenti trainanti che condizionano le prestazioni dei processi. System Identification Toolbox ti consente di creare e utilizzare modelli di sistemi dinamici che non sono facilmente modellabili sulla base di principi primi e specifiche. Questo toolbox ti consente, inoltre, di realizzare stime interattive online sui parametri e sullo stato.

Scopri come Shell utilizza MATLAB (3:35) per sviluppare modelli e ottimizzare in tempo reale un processo dibatch.

Sviluppare e implementare strategie APC

Puoi usare i prodotti per controlli MATLAB per progettare schemi di controllo ed eseguire simulazioni dinamiche per un'analisi migliore del comportamento dell’impianto. Progetta, simula e distribuisci controller predittivi di modelli lineari e non lineari per il tuo impianto utilizzando Model Predictive Control Toolbox.

I progettisti di controlli possono anche integrare modelli di processi da Aspen Plus e gPROMS in Simulink. In questo modo, potrai ridistribuire i modelli esistenti per progettare una strategia di controllo nel tuo ambiente preferito.

Leggi come Tata Steel ha risparmiato il 40% di energia nelle proprie torri di raffreddamento industriali ottimizzando la strategia di controllo grazie a un gemello digitale.

Digitalizzazione

MathWorks può aiutarti ad adottare e implementare strategie di big data specifiche per le necessità della tua azienda. Puoi usare i toolbox pre-integrati in MATLAB e le architetture di riferimento per semplificare una vasta gamma di applicazioni: dall’integrazione con i sistemi IT aziendali, il cloud e le infrastrutture dei dati di produzione, fino alla scalabilità dei tuoi calcoli in cluster o all’impiego dei tuoi modelli come applicazioni da condividere con chi non è utente MATLAB.

Scopri come collegarti direttamente con i sistemi PI AVEVA™ e abilitare l’intelligenza operativa in tempo reale.

Guarda come Shell è passata alla digitalizzazione (29:14) usando MATLAB Production Server. Gli ingegneri Shell hanno automatizzato i loro processi per integrare dati da diverse fonti, creare modelli costruttiv, impiegando le loro analisi su sistemi cloud e aziendali.

Chiusura del ciclo con la distribuzione DCS

Gli algoritmi MATLAB possono essere integrati con numerosi sistemi di controllo distribuito utilizzando Industrial Communication Toolbox. Il toolbox consente di accedere a dati OPC storici e in tempo reale direttamente da MATLAB e Simulink. È possibile leggere, scrivere e registrare dati OPC da dispositivi quali sistemi di controllo distribuito, controllo di supervisione e acquisizione dati e controllori logici programmabili. Industrial Communication Toolbox consente inoltre di utilizzare sensori Modbus, dati da server PI e altri storici dei dati di sistema conformi agli standard OPC DA, HDA e UA.

Scopri come Genentech utilizza MATLAB e Industrial Communication Toolbox per costruire una piattaforma di sviluppo di algoritmi di controllo di supervisione per bioreattori.

“Un altro vantaggio derivante dall’aver sviluppato il nostro sistema in MATLAB e Simulink è che possiamo acquisire l’esperienza e le conoscenze organizzative degli ingegneri di Johnson Matthey piuttosto che affidarci a una soluzione non personalizzata offerta da un’altra società.”
Tim Watling, Johnson Matthey