Der Systembeobachter, ein Ansatz für komplexe chemisch-verfahrenstechnische Prozesse

Die zunehmende Globalisierung und der damit verbundene steigende Wettbewerb konfrontiert die chemisch-verfahrenstechnische Industrie mit Forderungen nach ständig neuen „maßgeschneiderten“ Produkten mit immer spezielleren Eigenschaftskombinationen. Um die damit verbundenen komplexer werdenden verfahrenstechnischen Prozesse optimal beherrschen und eine konstant hohe Qualität der hergestellten Produkte gewährleisten zu können, sind zu jedem Zeitpunkt genaue Kenntnisse des Prozesszustands und der daraus resultierenden Qualitätskenngrößen des Produkts erforderlich. Mit Hilfe prozessbegleitender Simulation lassen sich parallel zum laufenden Prozess auch Prozessgrößen berechnen, die messtechnisch nicht oder nur mit erheblichem Aufwand bestimmt werden können. Obwohl die erzielbaren Vorteile bezüglich Produktqualität, Sicherheit und Produktionskosten unbestritten sind, hat sich ein breiter Einsatz in der chemisch-verfahrenstechnischen Industrie bisher noch nicht eingestellt. Ein Hauptgrund hierfür ist das Fehlen geeigneter Modelle und Verfahren, die eine hinreichend genaue Beschreibung des betrachteten Systems ermöglichen, die gleichzeitig aber mit vertretbarem wirtschaftlichen Aufwand zu entwickeln und in Bezug auf ihre Komplexität im praktischen Einsatz handhabbar sind. Der im Rahmen der vorliegenden Arbeit entwickelte Ansatz des „Systembeobachters“ greift diese in der Literatur seit langem diskutierten Defizite auf. Im Gegensatz zu den klassischen Zustandsbeobachtern betrachtet der hier vorgestellte Ansatz des Systembeobachters Modell und Modellrückführung (Korrektur) als integriertes Gesamtsystem. Durch Berücksichtigung zusätzlichen Prozesswissens z.B. über die komplexen physikalisch-chemischen Zusammenhänge, die Reaktionsmechanismen, Einflussfaktoren auf die Produkteigenschaften, die eingesetzten Mess- und Analyseverfahren sowie Prozessführungsstrategien des betrachteten Prozesses ist der entwickelte Systembeobachter in der Lage, die Ursachen von Abweichungen zwischen Prozessmodell und realem Prozess zu erkennen und durch entsprechende Eingriffe, wie Anpassung der Prozessgrößen oder des zugrunde liegenden Prozessmodells und seiner Parameter, verursachungsgerecht zu korrigieren. Die auf vereinfachenden chemisch-physikalischen Annahmen basierende „intelligente“ Modellrückführung trägt dabei wesentlich zu einer gezielten Reduktion der Komplexität des Verfahrens bei, ohne relevante Informationen zu verlieren und so die geforderte Genauigkeit und Gültigkeit des Ansatzes zu gefährden. Das entwickelte Verfahren zum Beobachterentwurf wurde am Beispiel der Suspensionspolymerisation von Ethylen nach dem Ziegler-Verfahren durchgeführt und in verschiedenen Produktionsanlagen mit Erfolg realisiert. Die im praktischen Betrieb erzielten Ergebnisse bestätigen die theoretischen Überlegungen und untermauern die Eignung des entwickelten Verfahrens für den online-Einsatz im praktischen Betrieb komplexer Produktionsanlagen.

The chemical industry is permanently facing new customer demands for products with property combinations specifically tailored for their intended applications. Production processes of these products are usually very complex due to multi-component mixtures in different phases, various kinetic phenomena, nonlinear dynamic behavior and unpredictable disturbances e.g. caused by quality variations of the feeds or process deficiencies. Additionally, continuous grade changes are necessary in order to gain market flexibility and to reduce storage. As it is often not economically feasible to change the product properties after synthesis, the production processes need to be controlled in very narrow ranges to consistently deliver products with the required properties in constantly high quality. This imposes complex requirements on the process control, which in turn is highly dependent on detailed and timely information about the essential process and resulting product parameters. Model based state estimation and simulation methods can be used to calculate important process and product parameters that cannot be measured directly or require a high effort e.g. laboratory analysis for their determination. This contribution presents the so-called “system observer” as an approach for nonlinear observer design with focus not only on theoretical but also on requirements coming from industrial practice such as real-time conditions, reduced computational complexity, ease of design and application, and reduced implementation and maintenance efforts. Model and model feedback are treated as one integrated system which is designed based on additional process knowledge e.g. about plant operation, experience in production facilities, interactions, measurements, analytics and process control strategies, etc. Using this additional knowledge, the resulting system observer is able to determine causes of deviations between the real process and the model, and thus correct process parameters, inputs and/or the model itself based on the causes of the deviation. The intelligent model feedback of the system observer is based on simplified chemical reaction schemes and contributes significantly to a reduced complexity without loss of relevant information. Approach and design of the system observer are demonstrated using a highly complex polymerization process for the production of polyethylene. The results achieved by the implementation of the system observer together with a superior control algorithm in a production plant are presented.