Fallstudie S-101 · Debutanizer-Kolonne Case study S-101 · debutanizer column
Vom öffentlichen Datensatz zum belastbaren Business Case - in fünf Schritten. From a public data set to a defensible business case - in five steps.
Eine Debutanizer-Kolonne trennt Butan (C4) aus unstabilisiertem Naphtha: Über Kopf geht LP-Gas, im Sumpf bleibt die Benzinkomponente. Den Butangehalt im Sumpfprodukt misst ein Gaschromatograph - der sitzt jedoch nicht am Sumpf, sondern zwei Kolonnen weiter stromabwärts, am Kopf des Deisopentanizers. Bis das Produkt dort ankommt und analysiert ist, vergehen laut Paper 30–75 Minuten; im Datensatz entspricht die Verzögerung rund 45 Minuten (8 Messintervalle à 6 min). Es liegt zwar alle 6 Minuten ein Laborwert vor - aber jeder beschreibt den Zustand von vor 45 Minuten: Die Anlage wird im Rückspiegel gefahren. A debutanizer column separates butane (C4) from unstabilized naphtha: LP gas leaves overhead, the gasoline blendstock stays in the bottoms. The butane content of the bottom product is measured by a gas chromatograph - which, however, sits not at the bottoms but two columns further downstream, at the overhead of the deisopentanizer. Until the product arrives there and is analysed, 30–75 minutes pass according to the paper; in the data set the delay corresponds to about 45 minutes (8 sampling intervals of 6 min). A lab value does arrive every 6 minutes - but each one describes the state of 45 minutes ago: the plant is driven by looking in the rear-view mirror.
Vereinfachte, eigene Darstellung nach Pani et al. (2016), Abb. 1. x1–x7 sind die sieben Prozessmessungen, die der Soft-Sensor nutzt. Der Gaschromatograph sitzt zwei Kolonnen stromabwärts - daher die Totzeit; der Soft-Sensor säße direkt am Sumpf des Debutanizers. Die stromabwärtigen Ziele (Reformer, Isomerisierung, Benzin-Pool) sind die übliche Raffineriekonfiguration - das Paper selbst nennt sie nicht. Simplified own rendering after Pani et al. (2016), Fig. 1. x1–x7 are the seven process measurements the soft sensor uses. The gas chromatograph sits two columns downstream - hence the dead time; the soft sensor would sit directly at the debutanizer bottoms. The downstream destinations (reformer, isomerization, gasoline pool) are the usual refinery configuration - the paper itself does not name them.
Wohin geht das Produkt? Der Debutanizer-Sumpf ist das Rohbenzin - noch kein fertiger Kraftstoff. Der Naphtha-Splitter teilt es in zwei Hälften, weil beide unterschiedlich veredelt werden müssen: schweres Naphtha in den Reformer, leichtes in die Isomerisierung. Der Deisopentanizer zieht daraus vorab das Isopentan ab - es hat von Natur aus schon rund 92 Oktan und würde in der Isomerisierung nur Reaktorvolumen kosten, ohne besser zu werden. Alle drei Ströme laufen am Ende im Benzin-Pool zusammen - und mit ihnen jedes Kilo Butan, das im Sumpf bleiben darf. Where does the product go? The debutanizer bottoms is raw gasoline - not yet a finished fuel. The naphtha splitter divides it in two because the halves need different upgrading: heavy naphtha to the reformer, light naphtha to isomerization. The deisopentanizer pulls the isopentane out beforehand - it already has around 92 octane by nature and would merely occupy reactor volume in isomerization without getting better. All three streams eventually meet in the gasoline pool - and with them every kilo of butane allowed to stay in the bottoms.
Quelle: A.K. Pani, K.G. Amin, H.K. Mohanta (2016): Soft sensing of product quality in the debutanizer column with principal component analysis and feed-forward artificial neural network. Alexandria Engineering Journal 55, 1667–1674 (Open Access). Grundlage ist der offene Benchmark-Datensatz - ~10 Tage Kolonnenbetrieb, 2 394 Messpunkte im 6-Minuten-Takt -, den Fortuna et al. öffentlich bereitgestellt haben und auf dem auch dieses Paper rechnet. Alle Aussagen gelten zunächst nur für diese eine Kolonne. Source: A.K. Pani, K.G. Amin, H.K. Mohanta (2016): Soft sensing of product quality in the debutanizer column with principal component analysis and feed-forward artificial neural network. Alexandria Engineering Journal 55, 1667–1674 (open access). The basis is the open benchmark data set - ~10 days of column operation, 2,394 samples at 6-minute intervals - publicly shared by Fortuna et al. and also used by this paper. All statements initially apply to this one column only.
Eine Totzeit von 45 Minuten zwingt zu Vorsicht: Damit die Qualitätsgrenze trotz verspäteter Information sicher eingehalten wird, muss der Sollwert weiter von ihr entfernt liegen, als der Prozess es eigentlich erlauben würde. Dieser erhöhte Sicherheitsabstand ist gebundenes Potenzial - kein Mangel der Fahrweise, sondern die vernünftige Antwort auf eine späte Messung. Die Frage dieser Fallstudie: Kann ein Soft-Sensor - ein Rechenmodell, das den Laborwert in Echtzeit schätzt - die Information früher liefern, den nötigen Abstand verkleinern und so zur Wirtschaftlichkeit der Anlage beitragen? A 45-minute dead time demands caution: to keep the quality limit safely despite delayed information, the setpoint must sit further away from it than the process would actually allow. This increased safety margin is locked-up potential - not a flaw in how the plant is run, but the sensible response to a late measurement. The question of this case study: can a soft sensor - a computational model estimating the lab value in real time - deliver the information earlier, shrink the required margin, and thus contribute to plant economics?
Die Logik, mit der die Prozessindustrie seit Jahrzehnten bessere Messung in Geld übersetzt. The logic by which the process industry has turned better measurement into money for decades.
Der Sensor nutzt nur, was die Anlage ohnehin misst: Temperaturen, Druck und Flüsse der letzten zwei Stunden - plus den letzten verfügbaren Laborwert als Anker. Er schätzt nicht den Absolutwert, sondern die Änderung seit diesem Anker; das Modell dahinter ist eine Support Vector Regression mit linearem Kernel. Wichtig: Das Labor wird nicht ersetzt, sondern ergänzt - jeder neue Laborwert setzt den Sensor auf die gemessene Wahrheit zurück, dazwischen überbrückt er die Totzeit. The sensor uses only what the plant measures anyway: temperatures, pressure and flows of the past two hours - plus the last available lab value as an anchor. It does not estimate the absolute value but the change since that anchor; the model behind it is a support vector regression with a linear kernel. Importantly, the lab is not replaced but complemented - every new lab value resets the sensor to the measured truth; in between, it bridges the dead time.
Feine Zeitskala: Alle 6 Minuten wird eine Probe gezogen (Punkte), doch ihr Ergebnis liegt erst ~45 Minuten später vor - die letzten acht Proben sind noch unterwegs (hohle Punkte). Der jüngste nutzbare Laborwert (orange) beschreibt den Zustand von vor 45 Minuten; das Modell kombiniert ihn mit den Trends der Prozessgrößen zur Schätzung für jetzt. Fine time scale: a sample is drawn every 6 minutes (dots), but its result arrives only ~45 minutes later - the last eight samples are still in transit (hollow dots). The most recent usable lab value (orange) describes the state of 45 minutes ago; the model combines it with the process trends into an estimate for now.
Wann ist so ein Sensor gut genug? Die Bezugsgröße ist die Schwankung des Butangehalts im Sumpf selbst - nicht die der Temperaturen oder Drücke. Über die zehn Tage des Datensatzes schwankt er mit einer Standardabweichung von 0,159, also knapp 16 % des Messbereichs. Genau diese Streuung möchte der Betrieb kleiner haben. When is such a sensor good enough? The reference quantity is the variation of the butane content in the bottoms itself - not that of temperatures or pressures. Across the ten days of the data set it varies with a standard deviation of 0.159, i.e. just under 16 % of the measuring range. That is precisely the scatter operations would like to reduce.
Wie groß ist davon der Teil, den die 45 Minuten verursachen? Das lässt sich messen: Man prüft, wie genau sich der aktuelle Butangehalt aus dem vorliegenden, 45 Minuten alten Laborwert überhaupt noch bestimmen lässt. Ein Rest bleibt dabei immer offen - im Mittel 0,090. Das ist der blinde Fleck, den die Totzeit erzeugt. How much of that is caused by the 45 minutes? It can be measured: you check how precisely the current butane content can still be determined from the available, 45-minute-old lab value. A remainder always stays open - on average 0.090. That is the blind spot created by the dead time.
Der graue Abschnitt ist in beiden Balken derselbe - was der alte Laborwert schon hergibt, bleibt ja bestehen. Der mittlere Abschnitt unten ist das, was das Modell zusätzlich erschließt; nur der orange Rest bleibt unbekannt. Aufgeteilt wird nach Anteil an der Varianz, deshalb addieren sich die Prozentwerte sauber, während die Einzelwerte 0,132 und 0,090 nicht linear 0,159 ergeben. The grey section is identical in both bars - what the old lab value already gives you does not go away. The middle section below is what the model adds on top; only the orange remainder stays unknown. The split is by share of the variance, which is why the percentages add up cleanly while the individual values 0.132 and 0.090 do not add linearly to 0.159.
Die Grafik zeigt, wie die beiden Zahlen zusammengehören: Der obere Balken ist die gesamte Schwankung des Butangehalts. Gut zwei Drittel davon lassen sich aus dem alten Laborwert bereits ableiten - wer weiß, wo er vor 45 Minuten stand, weiß ungefähr, wo er jetzt steht. Das knappe restliche Drittel ist der blinde Fleck, die 0,090. Der Soft-Sensor schrumpft genau diesen Fleck auf 0,048, also auf 9 % der Schwankung. Die Differenz von rund 23 Prozentpunkten ist der Teil, der überhaupt erst regelbar wird. The chart shows how the two figures belong together: the upper bar is the total variation in butane content. A good two thirds of it can already be derived from the old lab value - knowing where you stood 45 minutes ago tells you roughly where you stand now. The remaining scant third is the blind spot, the 0.090. The soft sensor shrinks exactly that spot to 0.048, i.e. to 9 % of the variation. The difference of about 23 percentage points is the part that becomes controllable in the first place.
Damit ein Sensor an dieser Lücke überhaupt etwas ändern kann, darf er nicht selbst zur Streuquelle werden. Messfehler und Prozessstreuung addieren sich quadratisch: Liegt der Sensorfehler bei einem Drittel der Prozessstreuung, vergrößert er das Gesamtbild nur noch um rund 5 % - er verschwindet praktisch im Rauschen. Daraus die Faustregel der Prozessmesstechnik und der konkrete Zielwert für diese Kolonne: 0,159 / 3 = 0,053. For a sensor to change anything about that gap, it must not become a source of scatter itself. Measurement error and process scatter add in quadrature: if the sensor error is one third of the process scatter, it inflates the overall picture by only about 5 % - it practically disappears into the noise. Hence the rule of thumb in process instrumentation, and the concrete target for this column: 0.159 / 3 = 0.053.
Der orange umrandete Balken ist der blinde Fleck aus der Grafik darüber - die Genauigkeit, mit der die Anlage heute fährt. Der Soft-Sensor schätzt denselben Wert mit Fehler 0,048, also etwa halb so ungenau, und ist der einzige Ansatz unter der Schwelle. Ein klassisches Modell auf dem Laborwert kommt nah heran, reißt sie aber knapp. Alle drei Ansätze wurden über die vollen zehn Tage verglichen, wobei jeder Abschnitt von einem Modell vorhergesagt wurde, das ihn nie gesehen hat. The bar outlined in orange is the blind spot from the chart above - the accuracy the plant runs on today. The soft sensor estimates the same value with an error of 0.048, i.e. about half as imprecise, and is the only approach below the threshold. A classic model on the lab value comes close but just misses it. All three approaches were compared across the full ten days, each stretch predicted by a model that never saw it.
Mit dem Sensorfehler aus Schritt 300 lässt sich per Monte-Carlo-Simulation durchspielen, wie sich die neue Messgüte auf den Prozess auswirken könnte. Dabei wird auch variiert, wie stark die Information tatsächlich in die Fahrweise einfließt - denn ein Sensor nützt nur, wenn er benutzt wird: von „kaum genutzt" bis „voll genutzt", kombiniert mit zufällig gezogenen echten Störungsverläufen aus den Messdaten. Zusammen: 20 000 Szenarien. With the sensor error from step 300, a Monte Carlo simulation can play out how the new measurement quality could affect the process. It also varies how strongly the information actually flows into operation - because a sensor only helps if it is used: from "barely used" to "fully used", combined with randomly drawn real disturbance sequences from the measurement data. Together: 20,000 scenarios.
Echte Skala in Prozent des Messbereichs: Je ruhiger der Prozess (schmalere Kurve), desto näher darf der Sollwert an die Grenze - bei gleicher Überschreitungswahrscheinlichkeit. Die Knöpfe stellen die Varianzreduktion ein, die in der Simulation zum jeweiligen Perzentil gehört. Der Shift wirkt klein - was er wert ist, zeigt Schritt 500. True scale in percent of measuring range: the steadier the process (narrower curve), the closer the setpoint may sit to the limit - at the same violation probability. The buttons set the variance reduction that belongs to each percentile in the simulation. The shift looks small - what it is worth is shown in step 500.
Das Ergebnis ist bewusst eine Bandbreite statt einer Zahl. P10 ist das vorsichtige Ende: Sensor wird kaum genutzt, ungünstige Störungen - nur 10 von 100 Szenarien lieferten weniger. P90 ist das günstige Ende: Sensor voll genutzt - 90 von 100 Szenarien lieferten weniger. Wer mit P10 plant, plant konservativ. The result is deliberately a range, not a single number. P10 is the cautious end: sensor barely used, unfavourable disturbances - only 10 of 100 scenarios delivered less. P90 is the favourable end: sensor fully used - 90 of 100 scenarios delivered less. Planning with P10 means planning conservatively.
Oben: die echte Verteilung aller 20 000 Simulationsergebnisse (keine Schemakurve). Unten, im selben Maßstab: der Sollwert-Shift, den man für P10, P50 und P90 fahren würde. Top: the real distribution of all 20,000 simulation results (not a schematic curve). Below, at the same scale: the setpoint shift you would run for P10, P50 and P90.
Ein Betreiber, der seine echten Zahlen kennt - Durchsatz, Preise, Dampfkosten, Messbereich - kann aus dem Sollwert-Shift unmittelbar seine eigene Euro-Aussage ableiten. Genau diese Zahlen gibt das Paper nicht her. Gerechnet ist deshalb ein Beispiel: eine Kolonne mit 30 t/h Sumpfstrom, also rund 250 000 t Benzinkomponente im Jahr. An dieser Bezugsgröße wird auch greifbar, wie aus wenigen Zehntel-Prozentpunkten Butan ein fünfstelliger Jahresbetrag wird. An operator who knows their real numbers - throughput, prices, steam cost, measuring range - can derive their own euro statement directly from the setpoint shift. The paper does not provide exactly those numbers. What is computed here is therefore an example: a column with 30 t/h of bottoms, i.e. around 250,000 t of gasoline blendstock per year. That reference size also makes it tangible how a few tenths of a percentage point of butane turn into a five-figure annual amount.
24.000 €€24,000
pro Jahr · Kolonne mit 30 t/h Sumpfstrom per year · column with 30 t/h bottoms
58.000 €€58,000
pro Jahr · Kolonne mit 30 t/h Sumpfstrom per year · column with 30 t/h bottoms
120.000 €€120,000
pro Jahr · Kolonne mit 30 t/h Sumpfstrom per year · column with 30 t/h bottoms
Angenommene Werte: 30 t/h Sumpfstrom · 8 300 h/a · 120 €/t Preisdifferenz Benzin−LPG · 8 MW Reboiler · Messbereich 0–5 Gew.-% C4 Assumed values: 30 t/h bottoms · 8,300 h/a · €120/t price gap gasoline−LPG · 8 MW reboiler · range 0–5 wt-% C4