Peter Singstad er NFAs ekspert innenfor modellbasert prediktiv regulering (MPC).
Peter Singstad er NFAs ekspert innenfor modellbasert prediktiv regulering (MPC). (Bilde: Cybernetica)

Peter Singstad, NFAs ekspert på MPC, tar pulsen på teknologien

Modellbasert prediktiv regulering, altså MPC, er i kraftig utvikling.

Peter Singstad

  • Adm. dir. i Cybernetica.
  • Født i 1958.
  • Siv.ing og dr. ing. fra NTH (NTNU) i 1982/1992.
  • Arbeidet ved Sintef Reguleringsteknikk fra 1983-2000.
  • Sentral i etableringen av Cybernetica i 2000.

Cybernetica AS

  • Leverer egenutviklede løsninger for modellbasert regulering og dynamisk optimalisering av industrielle prosesser.
  • Hoverområdene er olje og gass, polymer- og metallindustri.
  • Omsetning 13 millioner (2011).
  • Eksporterer 20 prosent.

Modellbasert prediktiv regulering (MPC)

MPC er i kraftig utvikling. Utviklingen startet industrielt innen raffineri. Der ble teknologien tatt i bruk som overordnet regulering – ved at MPC-regulatoren beregner settpunkt til et stort antall basisregulatorer (ofte 30 eller flere).

Fortsatt er langt de feste anvendelsene rundt om i verden å finne innen raffineri og petrokjemi. Typisk for disse applikasjonene er at prosessen skal drives innenfor et lite variasjonsområde. Da kan prosessen med god nøyaktighet beskrives av lineære modeller med konstante parametre. Derfor er de fleste kommersielle MPC-produkter basert på lineære, eksperimentelle modeller, der parametrene bestemmes gjennom systematiske eksperimenter i anlegget.

MPC-teknologien kombinerer foroverkobling, tilbakekobling og multivariabel regulering i én og samme algoritme. Videre tilbyr MPC-teknologien en systematisk håndtering av prosessbegrensninger, noe enkelte fremhever som den viktigste suksessfaktoren.

Etter hvert blir MPC tatt i bruk på stadig flere anvendelsesområder og i nye industrigrener. Nyere MPC-teknologi gjør det mulig å regulere prosesser over større variasjonsområder (for eksempel ved produktoverganger eller i satsvise prosesser), ved at ikke-lineære prosessmodeller tas i bruk. Da blir det samtidig mulig å regulere variable som ikke direkte kan måles. Regulatoren kan gjøres adaptiv og mindre sårbar for langsomme endringer i anlegget (for eksempel på grunn av slitasje og groing), og vedlikeholdskostnadene kan reduseres vesentlig uten at kvaliteten forringes. Teknologien har en del år vært brukt med hell i polymerindustri, og begynner nå å få innpass i finkjemi, farmasi, olje og gass og i metallurgisk industri.

Tekst: Tom Kristian Venger, NFA

Foto: Basf og Cybernetica

Hva står i fokus i ditt ekspertområde nå?

Avansert regulering blir tatt i bruk innen nye og mer krevende anvendelsesområder. Mens Modellbasert Prediktiv Regulering (MPC) må betraktes som moden teknologi innen raffineri og deler av petrokjemisk industri, er fortsatt mye ugjort innen kjemisk, metallurgisk og næringsmiddelindustri og oppstrøms innen petroleumssektoren.

I de nye markedssegmentene ser vi at bruk av ulineære, fysikalske prosessmodeller vinner fram, i motsetning til de tradisjonelle, lineære sprangresponsmodellene som har vært brukt siden 1970-tallet. Anvendelsene blir mer krevende, for eksempel ved produksjon av serier med spesialkvaliteter, hyppige produktoverganger og batchprosesser. Et typisk trekk er også at det er mangel på gode målinger, slik at modeller brukes til ‘soft sensing’.

Hva er trendene i markedet?

Stadig flere prosessindustribedrifter ser modellbasert styring som et strategisk virkemiddel til å opprettholde konkurranseevnen. Det handler om å øke produksjonen, oppnå jevnere kvalitet samt å redusere forbruket av råvarer og energi. I enkelte tilfeller er det også mulig å produsere nye produktkvaliteter.

Hva er de største utfordringene?

Til topps: MPC kan vri noen ekstra prosenter ut av produksjonen.
Til topps: MPC kan vri noen ekstra prosenter ut av produksjonen. Basf

 

Dårlige tider blant annet i byggenæring og bilindustri gjør at også store deler av prosessindustrien har slitt med lave priser og redusert lønnsomhet.

Global konkurranse gjør at prosessindustrien stadig er i endring. Til dels er dette en fordel, fordi økt spesialisering og høye produksjonsvolum innen snevre produktspektre gjør det mer lønnsomt å investere i avansert teknologi generelt, og modellbasert regulering spesielt. Samtidig skaper hyppige endringer en utfordring på vedlikehold av avanserte løsninger.

Hvordan løses disse utfordringene?

Det ser ut til at de dårlige tidene fører til ytterligere konsolidering i industrien. Videre påvirkes naturligvis investeringsviljen – til dels ved kutt i investeringene – men like ofte ser vi ser vi at industrien velger strategisk investering i avansert regulering for å bedre lønnsomheten.

Vi ser et økt fokus på vedlikehold. Den generelle IT-utviklingen har gjort det mulig å utføre omfattende og effektivt vedlikehold av applikasjoner langt borte, gjennom sikker fjernaksess mot produksjonsanlegget.

Hvordan er tilbakebetalingen (Return On Investment)?

Produksjonsøkningen er typisk på 2 – 5 prosent for et anlegg som var veldrevet i utgangspunktet. I spesielle tilfelle har gevinsten vært på hele 20 prosent. I tillegg oppnås jevnere kvalitet.

Tilbakebetalingstiden er ofte under 6 måneder. Den bør være under ett år, ellers taper man konkurransen med andre forbedringsprosjekter.