Содержание к диссертации
Введение
Глава 1. Обзор современных систем усовершенствованного управления технологическими процессами (АРС) 12
1.1. Анализ уровня автоматизации технологических процессов российских промышленных предприятий 12
1.2. Понятие АРС систем 18
1.3. Поставщики 23
1.4. Краткое описание АРС технологий основных поставщиков 24
1.4.1. Aspen Technology 24
1.4.1.1. Полное наименование системы и ее модулей 24
1.4.1.2. Наличие дополнительно поставляемых решений, расширяющих функциональность 28
1.4.2. Emerson Process Management ЗО
1.4.2.1. Полное наименование системы и ее модулей 30
1.4.2.2. Архитектура решения и описание реализованной функциональности 32
1.4.2.3. Наличие дополнительно поставляемых решений, расширяющих функции системы 34
1.4.3. Honeywell 35
1.4.3.1. Полное наименование системы и ее модулей 35
1.4.3.2. Архитектура решения и описание реализованной функциональности 36
1.4.3.3. Наличие дополнительно поставляемых решений, расширяющих функции системы 37
1.4.3.4. Наличие и возможности интеграции с решениями третьих сторон 38
1.4.3.5. Развитость пользовательского интерфейса 39
1.4.3.6. Состав серверного оборудования, необходимого для оптимальной работы 40
1.4.4. Invensys 40
1.4.4.1. Полное наименование системы и ее модулей 40
1.4.4.2. Наличие дополнительно поставляемых решений 43
1.4.5. Yokogawa/Shell Global Solutions 47
1.4.5.1. Основные продукты и области применения 47
1.4.5.2. Наличие дополнительных решений, расширяющих функции системы 51
1.5. Функциональность решений 53
1.6. Открытость и модульность АРС решений, возможность постепенного наращивания систем 55
1.7. Особенности российских партнеров отдельных разработчиков
1.8. Апробированность АРС решений в России и странах СНГ 56
1.9. Уровень локализации АРС решений 57
1.10. Методологическая оснащенность 58
1.11. Лицензирование и стоимость АРС продуктов и услуг 58
1.12. Экономический эффект от внедрения 59
Глава 2. Разработка алгоритма прогнозирования показателей качества нефтепродуктов 63
2.1. Описание технологического процесса каталитического риформинга бензина 63
2.1.1. Блок предварительной гидроочистки 71
2.1.2. Блок стабилизации гидрогенизата 73
2.1.3. Блок каталитического риформинга 75
2.1.3.1 Реакторное отделение с турбокомпрессором 75
2.1.3.2 Печное отделение и котел-утилизатор 78
2.1.4. Блок стабилизации катализата 80
2.2. Основные факторы, влияющие на процесс гидроочистки 81
2.3. Основные факторы, влияющие на процесс риформинга 83
2.4. Технологические процессы как объекты управления 84
2.4.1. Технологические установки 84
2.4.2. Параметры технологических процессов 85
2.4.3. Решаемые задачи 87
2.4.4. Управление выходом и качеством продуктов 87
2.4.5. Специфика моделирования технологических процессов 88
2.5. Факторные преобразования 89
2.5.1. Постановка задачи 89
2.5.2. Свойства факторных преобразований 90
2.6. Прогнозирование и восстановление данных 93
2.6.1. Определение количества предыстории, включаемых в модели 93
2.6.2. Структура ошибок прогнозирования 95
2.6.3. Показатели точности моделирования 96
2.6.4. Восстановление отдельных данных и определение их достоверности в
совокупности 97
2.7. Построение модели установки каталитического риформинга бензина 97
Глава 3. Нелинейная модель прогноза показателей качества нефтепродуктов 109
3.1. Кластеризация данных 109
3.2. Самоорганизующиеся карты Кохонена 110
3.2.1. Структура сети 111
3.2.2. Алгоритм обучения сети 112
3.3. Работа модели в режиме «совет оператору» 114
3.4. Построение нелинейной модели установки каталитического риформинга бензина .118
Глава 4. STRONG Разработка системы прогнозирования качества продукции на основе данных единого
информационного пространства предприятия STRONG 125
4.1. Краткая характеристика объекта автоматизации 125
4.2. Проблемы взаимодействия уровней оперативного управления производством НПЗ. 126
4.3. Единое информационное пространство 130
4.4. ЦелиАСОУП 133
4.5. Структура АСОУП 134
4.6. Интеграция данных разнородных систем в единое информационное пространство предприятия 135
4.6.1. Требования к внедряемой системе 135
4.6.1.1. Требования к подсистеме сбора и передачи данных 135
4.6.1.2. Требования к подсистеме хранения и обработки информации 136
4.6.1.3. Требования к подсистеме представления информации 137
4.6.1.4. Взаимосвязь со смежными системами 137
4.6.1.5. Требования к режимам функционирования системы 138
4.6.2. Принципы организации информационного пространства 138
4.6.2.1. Модули для интеграции разнородных систем 142
4.6.2.1.1. Интерфейсы сбора данных 142
4.6.2.1.2. Ручной ввод данных 145
4.6.2.2. Подсистема представление информации 147
4.6.2.2.1. Представление информации в виде мнемосхем 151
4.6.2.2.2. Представление информации в виде отчетов 152
4.6.2.3. Подсистема инженерных вычислений 154
4.7. Система моделирования качества продукции 156
4.8. Реализация системы моделирования качества продукции 158
4.8.1. Механизмы интеграции с PI System 159
4.8.1.1. Получение данных из тега Pl-сервера в LabVIEW 162
4.8.2. Структура системы моделирования 166
4.8.2.1. АРМ Конфигурирования 167
4.8.2.2. Сервер моделирования 171
4.8.2.3. АРМ Администратора 172
4.8.2.4. АРМ Пользователя 173
4.9. Методика построения модели и контроля качества продукта для технологического
процесса каталитического риформинга бензина 175
Основные результаты 182
Список литературы 184
- Наличие дополнительно поставляемых решений, расширяющих функциональность
- Блок стабилизации гидрогенизата
- Работа модели в режиме «совет оператору»
- Интеграция данных разнородных систем в единое информационное пространство предприятия
Наличие дополнительно поставляемых решений, расширяющих функциональность
Выгода от использования современных информационных компьютерных технологий в промышленности столь велика и очевидна, что ни одно предприятие не может отказаться от столь мощного средства. Необходимость автоматизации понятна всем, но существует множество путей достижения данной цели. Для выбора наиболее правильного и оптимального пути надо сначала проанализировать доступные на рынке системы автоматизации и уровень развития данных технологических решений.
Сегодня к «нижней» группе задач в иерархии управления производством относят системы типа SCADA (Термин SCADA - это сокращение английского термина Supervisory Control And Data Acquisition -Диспетчерское управление и сбор данных) или DCS (Distributed Control Systems - Распределенная система управления). Оба указанных типа систем принадлежат классу HMI (Human-Machine Interface), что означает «человеко-машинный интерфейс»" в смысле обеспечения двусторонней связи «оператор - технологическое оборудование». HMI это средство отображения и представления технологической информации.
До настоящего времени большинство SCADA-пакетов применялось, как правило, для создания интерфейса оператора и регистрации данных производственного процесса. В редких случаях к этому добавлялись возможности по автоматическому управлению и генерации отчетов.
Интересно отметить, что одни фирмы представляют свои продукты как системы SCADA, а другие как DCS. Выполняемый функционал у этих систем одинаков, различается лишь способ реализации. К классу DCS можно отнести однородные системы, распределенные не только территориально, но и композиционно в том смысле, что они состоят из равноправных разнофункциональных узлов (Рисунок 1). Системы же типа SCADA (Рисунок 2) имеют серверную архитектуру. Выделенный узел осуществляет сбор информации от контроллеров, ее обработку и передачу им управляющих значений. Этот же узел может быть рабочим местом оператора или сервером отдельной операторской станции.
Таким образом, первую группу задач управления промышленным предприятием можно объединить под общим названием - АСУТП.
На сегодняшний день можно с уверенностью говорить, что на большинстве промышленных предприятий технологические процессы функционируют под управлением той или иной SCADA или DCS системы.
Результатом их применения становится «островная» структура производства - система управления построена, но охватывает лишь производственный участок. Функции анализа и вычислений, производимых с информацией, обычно сравнительно ограничены. Предоставление информации специалистам (технологам, инженерам, начальникам участков, экономистам и так далее) затруднено, так как необходимая информация разрознена и требуется время для её получения.
Если взглянуть на производство с высоты корпоративного уровня управления, объединяющего различные бизнесы и производства, то здесь, наиболее часто применяемым инструментом, является ERP (Enterprise Resource Planning- Планирование ресурсов предприятия) система. Система ERP осуществляет распределение ресурсов, контролирует достижение производственных целей и инициирует привлечение ресурсов. В том числе системы такого класса поддерживают MRP (Material Requirements Planning-Планирование потребности в материалах) - метод планирования закупки материалов и комплектующих, их бухгалтерского, управленческого и складского учёта. Основная производственная программа с указанием количества продукта, который нужно произвести, задаёт количество сырья, материалов и комплектующих. Планировщик MRP принимает решение о приобретении или выпуске необходимого количества. Принимается во внимание предполагаемая временная метка потребления ресурса и прогнозируемый срок выполнения заказа на его производство или приобретение. Но даже такой сложный механизм не всегда позволяет выполнить план. Одной из наиболее частых причин отклонения от плана является несоблюдение сроков производства, связанное с «узкими местами»-неадекватным прогнозированием выпуска и низкой эффективности производства. Таким образом, в компании очевидно существование информационного недостатка на границе бизнеса и производства, существование которого непозволительно для участия в конкурентной борьбе за потребителей глобального рынка, которые требуют незамедлительного исполнения заказов, а поставщиков выбирают с минимальными ценами и максимальным качеством. Очевидно, необходима система, которая позволит повысить эффективность производства. Производственное оборудование и выпуск продукции, происходящий в цехах и на установках, необходимо координировать с планированием и учётом работы этого оборудования, и этих установок, но и происходящим в заводоуправлении и офисах. Связь процессов бизнес-уровня и производства на «лицо», однако инструментов, позволяющих организовать на основе информационных технологий прямые связи для передачи управляющих воздействий и получения сигналов контроля - нет. Производственникам нужно программное обеспечение, позволяющее объединить острова автоматизации, собрать информацию в едином хранилище и работать с этой информацией. Подобная система позволяет повысить производительность, снизить уровень запасов незавершённого производства, укоротить производственный цикл, снизить потребление ресурсов, оптимизировать трудозатраты производственного персонала, повысить качество, снизить затраты на ремонт оборудования и многое другое. Традиционные средства такие как ERP (Enterprise Resource Planning), SCM (Supply Chain Management - Системы управления цепочками поставок), CRM (Customer Relationship Management - Система управления взаимоотношений с клиентами) и PLM (Product Lifecycle Management-Управление жизненным циклом изделия) не выполняют этих функций в полном объёме и не предназначены для этого. Наиболее эффективно описанные задачи решаются с помощью MES (Manufacturing Executive System - Производственная исполнительная система).
MES снабжает пользователей системы необходимой производственной информацией и управляет производственными процессами, что позволяет достигать целей бизнеса. MES обеспечивает процессы и системы бизнес-уровня своевременной, агрегированной и достоверной информацией о событиях на производственном уровне.
Блок стабилизации гидрогенизата
Стабильный гидрогенизат (сырье блока риформинга) с выкида насосов Н-8(Н-9) в пределах 80-КЮО мЗ/ч (40-100 мЗ/ч на поток) через электрозадвижку №3 двумя параллельными потоками через клапаны регуляторы расхода поз. FV 3040, FV 3041 подается на смешение с ВСГ, идущим с выкида турбокомпрессора ЦК-1.
Расход ВСГ регистрируется прибором поз. 3042. Соотношение водородсодержащего газа к сырью поддерживается не менее 1000 нмЗ/мЗ сырья.
Далее газосырьевая смесь проходит двумя параллельными потоками межтрубное пространство теплообменников Т-4(1,2,3,4), Т-5(1,2,3,4), в которых нагревается за счет тепла обратного потока продуктов реакции с Р-4 и поступает в печь риформинга П-3 одним потоком.
Печь риформинга состоит из трех секций П-3/1, П-3/2, П-3/3, на входе в печь газосырьевая смесь разделяется на два потока, которые параллельно проходят камеру конвекции, объединяются в один коллектор, проходит последовательно 2 камеры радиации П-3/1 и поступает в реактор Р-2.
Реакции ароматизации бензина протекают с поглощением тепла, вследствие чего температура в реакторах понижается, поэтому для поддержания температуры в пределах 480-530С. в зоне реакции установлены 3 реактора с межступенчатым подогревом газосырьевой и газопродуктовой смеси в конвекционной и радиантной секциях печи П-3.
Из реактора Р-2 газопродуктовая смесь проходит последовательно две камеры радиации печи П-3/2 и поступает в реактор Р-3.
После реактора Р-3 газопродуктовая смесь двумя параллельными потоками проходит камеру радиации печи П-3/3, объединяется в один поток и поступает в реактор Р-4. Рабочая температура на входах газопродуктовой смеси в реакторы (т.е. на выходах из секции печи П-3) регистрируется.
Для безопасной эксплуатации печи П-3 производится замер температуры стенок труб змеевика на выходе из радиантной камеры в общий коллектор. Контроль за температурой в зонах реакции реакторов осуществляется по многозонным термопарам в реакторах Р-1 (1021, 1023) и Р-2 (1046,1047), Р-3 (1049,1050) и Р-4 (1054,1055). Газопродуктовая смесь из реактора Р-4 разделяется на два потока и проходит, соответственно T-4 (4,3,2,1) - Х-3(1,2,3) Т-5 (4,3,2,1)- Х-3(4,5,6) и далее объединяются в один поток, и охлаждаются до температуры не более 45С в водяных холодильниках Х-4/1, 4/2 (или минуя их) поступает в сепаратор высокого давления С-2, где происходит разделение ВСГ и нестабильного катализата.
ВСГ риформинга с верха сепаратора С-2 направляется в сепаратор С-10 и компрессором ЦК-1 возвращается в систему циркуляции риформинга. Избыточное количество ВСГ, образующееся в процессе риформинга подается в систему гидроочистки сырья с нагнетания компрессора через клапан-регулятор давления поз. PV 2060. Уровень в сепараторе С-10 регистрируется двумя уровнемерами поз. 4020, 4021. Жидкий продукт с низа сепаратора С-10 периодически перепускается в С-7, а также имеется возможность дренирования в факельную емкость Е-11
Нестабильный катализат после отделения ВСГ из С-2 через клапан-регулятор уровня в С-2 no3.LV 4018 поступает в сепаратор низкого давления С-7, где происходит дополнительная сепарация газов. Газ из сепаратора С-7 через клапан-регулятор давления в С-7 поз. PV 2068 направляется в топливную сеть. Давление газа в С-7 поддерживается не выше 15 кгс/см2 (1,47МПа). Показания уровня в С-2 дублируются поз.4017.
Уровень нестабильного катализата в сепараторах С-2,7 поддерживается в значениях 20-80% предела измерений.
Печное отделение включает в себя четыре печи: П-1, П-2/2, П-2/4, П-3 и котел - утилизатор КУ-201. Печь П-1 предназначена для подогрева газосырьевой смеси блока гидроочистки до температуры реакции 280-400С (в начале и в конце цикла реакции). Печь П-1 состоит из конвекционной и радиантной камер.
Печь П-2/2 предназначена для подогрева низа колонны К-1 путем циркуляции части нижнего продукта К-1 по змеевикам печи. Печь П-2/2 состоит из конвекционной и радиантной камер.
Печь П-2/4 предназначена для подогрева низа колонны К-2 путем циркуляции части нижнего продукта К-2 по змеевикам печи. Печь П-2/4 состоит из конвекционной и радиантной камер.
Печь П-3 предназначена для подогрева газосырьевой и газопродуктовой смеси блока риформинга. Печь П-3 состоит из трех секций: П-3/1, П-3/2, П-3/3. П-3 имеет одну общую для всех секций конвекционную камеру.
Секции П-3/1,П-3/2 имеют две камеры радиации каждая, П-3/3 имеет одну радиантную камеру.
Работа печей П-1, П-2/2, П-2/4, П-3 предусмотрена на газообразном топливе. Работа горелок печей П-1, П-2/2, П-2/4, П-3/1,2,3 предусмотрена на естественной тяге воздуха. Необходимая тяга создается за счет дымовой трубы А-58 (Н-150м). В камерах печей П-1, П-2/2, П-2/4, П-3/1 установлены приборы разрежения поз.2023, 2013, 2076, 2064, 2065, 2066 соответственно. При снижении разряжения в камерах сгорания печи до 10 кгс/м2 подается световой и звуковой сигнал в операторной.
Дымовые газы от печей П-1, П-2/2, П-2/4, П-3 собираются в общий дымоход и направляются для подогрева воды с целью получения пара 16 кгс/см2 (1,57 МПа) в котле-утилизаторе. Температура дымовых газов до котла-утилизатора и после котла контролируется прибором поз.1104,1193,1105. 2.1.4. Блок стабилизации катализата
Нестабильный катализат из сепаратора С-7 через расходомер поз. 3044, клапан-регулятор уровня в С-7 поз. LV 4019 проходит трубное пространство теплообменника Т-6, поступает на верхнюю часть стабилизационной колонны К-2.
Из верхней части колонны К-2 выводится газ стабилизации, с температурой не выше 80С, а также пары ШФЛУ и орошения, которые охлаждаются и конденсируются в воздушном холодильнике ХК-3/1,2, в водяном ХК-4 до температуры не выше 45 С (имеется возможность байпасировать ХК-4), и поступает в емкость орошения Е-2, где разделяется на газ стабилизации и ШФЛУ.
Работа модели в режиме «совет оператору»
Во многих прикладных задачах измерять степень сходства объектов существенно проще, чем формировать признаковые описания. Например, гораздо легче сравнить два объекта и сказать, что они похожи, чем понять, на основании каких признаков они схожи.
Классификация - задача обнаружения признаков, характеризующих группы объектов исследуемого набора данных - классы. По обнаруженым признакам новый объект можно отнести к тому или иному классу.
Кластеризация - это разбиение элементов некоторого множества на не пересекающиеся подмножества группы, состоящих из схожих объектов схожести. Синонимами термина "кластеризация" являются "автоматическая классификация", "обучение без учителя". Задача кластеризации заключатся в следующем. 110 Имеется обучающая выборка X — \хх,...,Х С X и функция расстояния между объектам и р{х,Х) . Требуется разбить выборку на не пересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из объектов, близких по метрике р , а объекты разных кластеров существенно отличались. При этом каждому объекту х{ є Xі приписывается метка (номер) кластера yi. Целью кластеризации является поиск существующих структур во множестве объектов X , разбив его на группы схожих объектов, и упростить дальнейшую обработку данных, работая с каждым кластером по отдельности. Процесс кластеризации можно разбить на следующие этапы: 1. Выделение характеристик и свойств, которые характеризуют объекты исследования. Это могут быть количественные характеристики (показания датчиков, интервалы...) объекта и качественные характеристики (цвет, статус.) и т.д. 2. Определение метрики. В качестве метрики для объектов с непрерывными и вещественными координатами может быть использована евклидова метрика:
Финский ученый Тойво Кохонен предложил нейросетевую архитектуру для автоматической кластеризации [28]. Основной принцип работы сетей -введение в правило обучения нейрона информации относительно его расположения. «Сигнал в такую нейросеть поступает сразу на все нейроны, а веса соответствующих синапсов интерпретируются как Ill забирает все». Т.е. ненулевой выходной сигнал имеет нейрон, ближайший (в смысле весов синапсов) к подаваемому на вход объекту. В процессе обучения веса синапсов настраиваются таким образом, чтобы узлы решетки располагались в местах локальных сгущений данных, то есть описывали кластерную структуру облака данных, с другой стороны, связи между нейронами соответствуют отношениям соседства между соответствующими кластерами в пространстве признаков» [59, с. 65].
К нейронам одного слоя подходят синапсы, по которым поступает N-мерный входной сигнал. Каждый нейрон в слое характеризуется своим весовым коэффициентом. Положение нейронов так же характеризуется некоторой метрикой и определяется топологией слоя. Возбуждение одного из нейронов приводит к возбуждению связанных с ним, причем это возбуждение с увеличением расстояния от возбужденного нейрона уменьшается. Поэтому центр возникающей реакции слоя на полученное раздражение соответствует местоположению возбужденного нейрона. Изменение входного обучающего сигнала приводит к максимальному возбуждению другого нейрона и соответственно - к другой реакции слоя.
Несмотря на то, что самоорганизующиеся карты Кохонена (СОК), изначально были описаны в нейросетевом языке, удобно рассматривать такие карты как двухмерные сетки узлов. Рассмотрим два варианта соединения узлов с прямоугольной (Рисунок 25а) и гексагональной сеткой (Рисунок 256). В прямоугольной сетке каждый узел соединен с четырьмя соседними, а в гексагональной- с шестью ближайшими узлами.
Этот узел перемещается на заданный шаг по направлению к x(t). Однако, узел перемещается не один, а увлекает за собой определенное количество ближайших узлов из некоторой окрестности на карте. Поясним сказанное: если радиус окрестности равен 1, то вместе с ближайшим узлом по направлению к x(t) двигаются 4 его соседа по карте, в случае прямоугольной сетки, и 6 соседей, в случае гексагональной сетки. Настройку карты можно разбить на два этапа - этап грубой и этап тонкой надстройки. На первом этапе выбирается большие значения окрестностей, и движение узлов носит коллективный характер - в результате карта грубым образом отражает структуру данных; на этапе тонкой подстройки радиус окрестности равен 1-2 и настраиваются уже индивидуальные положения узлов. Характер движения задается так называемыми функциями соседства (neighborhood functions). Функция определяет "меру соседства" узлов Mi и Мс, и изменение векторов веса.
Она должна постепенно уточнять их значения, сначала у большего количества узлов и сильнее, потом у меньшего и слабее. Часто в качестве функции соседства используется гауссовская функция:
Интеграция данных разнородных систем в единое информационное пространство предприятия
Функциональность PI System в значительной мере определяется серверными приложениями (Server Applications), дающими возможность выполнять обработку данных на сервере, исключая необходимость проводить какие-то ни было вычисления на клиентском компьютере.
Приложения (Server Applications) включенные в PI Enterprise Server по умолчанию: a. SQL - подсистема PI-SQL подготавливает и исполняет SQL запросы, адресованные PI-системе. Основным пользователем этой подсистемы является драйвер PI-ODBC. Этот драйвер удовлетворяет стандартам ODBC API и благодаря ему данные PI System представляются организованными в виде таблиц данных. b. РЕ - подсистема PI Performance Equations для вычисления расчетных величин по определенным формулам, производящее расчеты по событиям или времени и помещающее результаты вычислений в архив. Приложение содержит несколько десятков 208 стандартных функций, что делает применение PI Performance Equations достаточно простым, так как это сводится к написанию нужной формулы в одном из полей тега и не требует программирования. c. Totalizer - подсистема PI Totalizer служит для расчета статистических показателей. PI Totalizer позволяет вычислять средние значения, дисперсии, среднеквадратичные отклонения и другие величины. Все вычисления PI Totalizer могут инициироваться и останавливаться по расписанию или при возникновении определенных событий. d. Steam Tables - представляют собой расширение PI Performance Equations и являются полным набором функций для вычисления термодинамических свойств и расчета динамического состояния среды пара и воды. Вычисления базируются на стандартах Американского общества инженеров-механиков (ASME). e. Recalc - подсистема пересчета для PI Performance Equations. Используется для пересчета значений вычислительных тегов при изменении значений (корректировке «задним числом») исходных тегов. f. Alarm - серверное приложение, позволяющее пользователям отслеживать, обрабатывать и квитировать сообщения о тревогах, генерируемые системой при возникновении исключительных ситуаций. PI Alarm наблюдает за изменением контролируемых параметров, таких как: температура, скорость потока или качество продукта, информируя пользователя тогда, когда это действительно необходимо. Важной особенностью является то, что благодаря объединению производственных данных из различных локальных систем автоматизации, обеспечивается возможность формирования сложных выражений для генерации тревог. g. Module Database - структурированная иерархическая база данных. PI Module Database реализует функции структурирования 209 хаотичных технологических данных. С ее помощью становится возможным создавать модели и структуры, представляющие конкретное оборудование, продукцию, персонал, события и многое другое. В PI Module Database можно использовать осмысленные имена в качестве псевдонимов тегов для выборки значений, хранящихся в сервере PI System и других базах данных. Кроме того, PI Module Database позволяет сохранять всю информацию о свойствах конкретного оборудования внутри одного модуля.
В версию PI Enterprise Server Professional включены два дополнительных пакета серверных приложений: - Framework Pack; - Advanced ServerApps. Framework Pack включает в себя в следующие серверные компоненты: a. АСЕ (Advanced Computing Engine) - среда выполнения сложных инженерных расчетов. Используется для анализа производительности и эффективности в реальном времени, подсчета затрат и стоимости выработанного продукта, расчета неизменяемых напрямую величин и вычислений по различным формулам с поправочными коэффициентами. PI АСЕ позволяет создавать шаблоны вычислений для однотипного оборудования, хранящиеся в модулях PI АСЕ, которые помогают стандартизировать и автоматизировать разработку вычислений для технологических процессов, что значительно снижает трудоемкость работы программистов. b. DAP (Data Access Package) - комплекс инструментов для доступа к данным и настройкам PI System включает: i.PI API (Application Programming Interface) - набор библиотек функций, обеспечивающих базовое взаимодействие с PI System. Клиентские приложения PI System, такие как ProcessBook и DataLink, используют функции библиотек PI API. ii.PI SDK (Software Development Kit) - набор инструментов программирования, обеспечивающих доступ к серверу и связанным с ним подсистемами PI System. Поставляется в виде элементов управления ActiveX, вместе со вспомогательными библиотеками кода, а так же с оперативной документацией и примерами кода.
Драйвер PI ODBC (Open Database Connectivity) обеспечивает возможность PI System принимать и выполнять команды SQL, представляя сервер PI как набор реляционных таблиц. Работа драйвера основывается на стандартной технологии ODBC компании Microsoft, что позволяет PI System интегрироваться с любыми информационными системами. iv.Провайдер PI OLEDB (Object Linking and Embedding Database) формирует эффективный интерфейс для взаимодействия современных информационных систем и PI System. Провайдер PI OLEDB использует современную технологию доступа к данным OLEDB компании Microsoft, представляя в реляционном виде подсистемы сервера PI System. с. AF (Analysis Framework) - инструмент для создания моделей и схем производства (организационных, технологических), состоящих из элементов, их взаимосвязей и взаимозависимостей. Элементы модели представляют собой как физические объекты (резервуары, теплообменники, смесители, измерители и т.д.), так и более абстрактные логические конструкции (эффективность, экология и т.д.). Разработанная модель позволяет включить в себя организационно-технологическую структуру предприятия, логику его функционирования, принципы контекстно-зависимого представления данных о производственном процессе. Основываясь на единой модели, доступной любым приложениям PI System, можно проводить различного рода анализ, обработку и представление информации о производстве, поступающую в реальном времени, например, согласование технологических данных, расчет эффективности, анализ простоев технологического оборудования и т.д.