圖片來源：APC Performance

作者 | Allen Kern

“

閉環多變量控制更具及時性和一緻性，以及更少的報警和約束沖突，從而可以實現更有效的過程優化。

”

多變量模型預測控制和實時優化，也被稱為MPC技術，已經在工業領域中獲得了很好的應用。很多企業在MPC上投資了數千萬美元，同時也獲得了高額的回報。多年來它一直主導着先進過程控制（APC）技術，以更好的改進過程控制或解決與過程相關的特定問題。

閉環多變量控制和實時優化帶來的誘人前景，讓最終用戶數十年來一直堅持對MPC的承諾，盡管其高昂的成本、脆弱的性能和複雜的所有權要求，并沒有随着時間的流逝而得到顯著改善。

越來越多的觀點認為，傳統的MPC技術所有權範式是不可持續的。MPC已被證明過于昂貴且笨拙，無法成為制造業所需的多變量控制功能的核心。過往經驗表明，與需要持續解決問題和克服傳統MPC的挑戰相比，改變行業的多變量控制範式可能更具希望。

MPC技術通常包括3部分：基于模型的控制、實時優化和多變量控制。對于APC而言，多變量控制是必不可少的部分（優化，盡管不一定是實時優化，始終是多變量控制的一部分）。基于模型的控制和實時優化，是MPC技術解決多變量控制問題的一部分，但經驗表明，還有其它一些更簡單的方法，可以解決多變量控制問題。

MPC以其複雜而著稱。有一種簡單方法，可以查看多變量控制，那就是自動執行單回路控制器調整（設定值和輸出變化），否則需要由運營團隊手動調整。如果操作人員要在一天的運營中手動調整控制器（通常需要很多次），這就是手動多變量控制。将APC用于更好地協調和自動調整相關控制器組的調整，即為自動或閉環多變量控制。

像單回路控制一樣，閉環多變量控制具有以下固有優勢：閉環多變量控制更具及時性和一緻性，産生更少的報警和約束沖突，從而可以實現更有效的過程優化。在很多應用中，它每年可以帶來數十萬甚至數百萬美元的收益。

基于模型的控制和實時優化對多變量控制的中心目标并不是必不可少的，而且經驗和見解表明它們可能是控制網絡層未來不受歡迎的方面。

基于模型的控制，一直是成本和維護的巨大來源。最初認為，雖然工廠步驟測試昂貴且具有侵入性，但它隻是一次性事件。随着經驗的積累，模型實際上是“短命”的，因此需要進行性能監控、模型維護和定期重新測試。

當今的MPC技術正在尋求連續的在線自适應建模，但這忽略了業界已經從單回路自動調整中學到的教訓——如果自動調整不能在單回路的基礎上獲得成功，那麼在多變量的基礎上也不能成功。同時，它可能給MPC增加了額外的擁有成本和複雜性。

實時優化一直是MPC所有權挑戰的另一個持續來源，因此在控制網絡層部署實時優化的價值主張需要重新審視。

控制網絡層内的優化最多隻能在本地進行，這包括一小部分本地可用的輸入。有意義的過程優化所需的絕大多數輸入數據，都駐留在其它過程單元、業務網絡和企業中。在現代工廠中，業務生産計劃是過程優化的自然所在地，而不是控制網絡（圖1）。實際上隻有有限的數據（以更新限值或目标的形式），從業務層向下傳輸至控制網絡，而控制網絡則由現代工具和連接性提供。

▎圖1：業務層生産計劃是過程優化的自然歸宿。在控制網絡層，在可靠性和網絡安全性方面，優化與任務原則相沖突，并且可能會從控制網絡層消失。

事實證明，在控制網絡層運行大規模基于模型的控制和實時優化所需的資源、複雜性和維護，與工業自動化網絡的任務不兼容。在控制網絡層中，具有最小、固定的維護和支持需求的緊湊型确定性算法，是自動化可靠性、網絡可靠性和網絡安全目标的期望特性。将複雜的基于模型的控制和優化求解器部署到控制網絡時，會帶來很高的日常維護和支持負擔，與這些原則相沖突。

圖2比較了傳統的MPC範式和基于工業長期經驗而更新的多變量控制範式的關鍵方面。盡管業界仍然可以買到“剩餘”的現成産品，但更新的範式已成為業界的共識。

▎圖2：基于模型的多變量控制與更新的多變量控制的特性對比。

傳統MPC範式的很多方面是多變量控制的基礎，在新的範式中也是如此，例如操縱變量（MV）、受控變量（CV）、矩陣、限值和目标等概念。同時，行業已經習慣的MPC的其他方面，如工廠測試、詳細模型和實時優化，基于對其淨利弊的最新評估，可能會從APC的未來中消失。

多變量控制的一個核心方面是它成為了一個行業的核心競争力，這是迫切需要的，因為現在多變量控制幾乎是每個過程操作的核心（可以向任何運行人員求證）。這意味着多變量控制和良好的單回路控制一樣是過程成功運行的基礎。

多變量控制必須發展成為一項核心競争力，才能将過程自動化提升到新的水平。這符合所有APC和過程行業利益相關者的最大利益。

延伸閱讀

什麼是“實時”優化？

優化（盡管不一定非得實時優化）始終是多變量控制的一部分。多變量控制是一種二維多回路控制策略，不針對單個操作點。相反，它旨在将過程運營保持在二維過程窗口内，并以過程約束限值為界。多變量控制還使用剩餘的MV可用性（也稱為剩餘自由度），在窗口内盡可能實現目标優化。

就像單回路控制器的設定值和限值一樣，操作人員和工程師将絕大多數優化目标和約束限值輸入到多變量控制器中。在适當情況下，可能從業務層優化解決方案中定期更新一些目标值和限值。目标值和限值也可以通過在控制層内部署的優化求解程序與多變量控制一起“實時”确定，這在傳統的基于模型的多變量控制技術中被稱為“實時優化”。

在1980年代，控制層（即“實時”）優化是有意義的，當時業務層中的優化工具自動化程度較低，并且層之間幾乎沒有連接。現在，就輸入的全局性、工具的複雜性和合适的優化時間尺度而言，控制層優化無法與業務層優化相匹敵。經驗還表明，實時優化與控制網絡任務标準相沖突，因為确定性算法和最小維護是網絡可靠性和網絡安全目的的重要原則。

關鍵概念：

■ 了解為什麼需要改變多變量控制。

■ 自動多變量控制優于手動多變量控制。

思考一下：

您的軟件是提升還是降低了過程控制效率？