Optymalna alokacja zapewniająca bezpieczeństwo w układach procesowych oparta na przepływach sieciowych

• Autorzy: Han Z. , Gao J.

Warianty tytułu

EN

Network flow-based optimal allocation for safety in process systems

• Języki publikacji: EN

Abstrakty

EN

Safety is a critical factor to be considered throughout the entire lifetime of process systems in process engineering. This paper presents a novel optimal resource allocation method based on network flows for assuring the safety of process systems. Existing optimal resource allocations for safety mainly depend on physical ways (for example, updating core equipments, and incorporating redundancies), which are not suitable for process systems experiencing frequent malfunctions. As a result, frequent physical allocations are needed, which severely interrupt the normal operation of the entire system. In addition, the physical methods are applied only when system faults accumulate to some extent. The state of a process system in chemical engineering often dithers due to many factors such as uncontrollable energy release and inconsistent production of materials. The frequent dithering can lead to the system failure. It is necessary to be able to avoid the accumulation of errors by controlling the dithering and stabilizing the system state, thus assuring the safety of the process system. In this paper, we propose a network flow-based optimal allocation method to achieve the above goal. Feasible flows will be constructed based on the system’s network flow, system equipment status, and process requirements. The solution formulas to the state variables of the constructed feasible flows give the adjustment values, which are used to control the dithering of the system, thus stabilize the system state. A case study is given to show the application and effectiveness of the proposed method.

PL

Bezpieczeństwo stanowi w inżynierii procesowej czynnik krytyczny, o którym należy pamiętać podczas całego czasu eksploatacji układów procesowych. W niniejszym artykule przedstawiono nową metodę optymalnej alokacji zasobów, opartą na przepływach w sieci, mającą zapewnić bezpieczeństwo układów procesowych. Istniejące optymalne alokacje zasobów wspierające bezpieczeństwo opierają się na rozwiązaniach fizycznych (np. unowocześnianiu podstawowych elementów wyposażenia i wbudowywaniu nadmiarowości) nieodpowiednich dla układów procesowych, które ulegają częstym awariom. Takie rozwiązania pociągają za sobą konieczność częstych alokacji fizycznych, które poważnie zakłócają normalne działanie całego układu. Dodatkowo, metody fizyczne stosuje się tylko wtedy, kiedy uszkodzenia układu nawarstwią sie do pewnego stopnia. Stan układu procesowego w inżynierii chemicznej często ulega wahaniom z powodu wielu czynników, takich jak niekontrolowane uwolnienie energii czy użycie niejednolitych materiałów produkcyjnych. Częste wahania mogą prowadzić do awarii układu. Konieczna jest zatem umiejętność unikania akumulacji błędów poprzez kontrolę wahań i stabilizację stanu układu, co prowadzi do zapewnienia bezpieczeństwa układu procesowego. W niniejszej pracy przedstawiamy metodę optymalnej alokacji, opartą na przepływach w sieci, która umożliwia osiągnięcie powyższego celu. Wedle nowej metody, przepływy osiągalne konstruuje się na podstawie przepływów w sieci układu, stanu wyposażenia układu oraz wymagań procesu. Wzory rozwiązań dla zmiennych stanu konstruowanych przepływów osiągalnych dają wartości korygujące, które używane są do kontrolowania wahań systemu i stabilizacji jego stanu. Prezentowane studium przypadku demonstruje możliwe zastosowania i efektywność proponowanej metody.

Słowa kluczowe

EN

network fow; feasible fow; optimal allocation; process system

PL

przepływ w sieciach; przepływ osiągalny; optymalna alokacja; układ procesowy

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2011
• Tom: nr 1
• Strony: 27--34
• Opis fizyczny: Bibliogr. 34 poz.

Twórcy

autor

Han Z.

autor

Gao J.

• State Key laboratory for Manufacturing Systems Engineering Xi'an Jiaotong University Xi'an, 710049, P.R.China,

Bibliografia

• 5. Ana Q, Esteban G, James DM, Sarah MR. A multiperiod generalized network flow model of the U.S. integrated energy system: Part I - Model description. IEEE Trans Power Syst 2007; 22(2): 829-36.
• 6. Andrew L, Brian R, Fei X, Xingwen Z. Adjusted network flow for the shelf-space allocation problem. Proceedings of the International Conference on Tools with Artificial Intelligence 2002; 224-32.
• 7. Artyom N, Panos P. Adaptive dynamic cost updating procedure for solving fixed charge network flow problems. Comput Optim Appl 2008; 39(1): 37-50.
• 8. Castro J, Nabona N. An implementation of linear and nonlinear multicommodity network flows. Eur J Oper Res 1996; 92(1): 37-53.
• 9. Coit DW, Smith AE. Reliability Optimization of Series-Parallel Systems Using a Genetic Algorithm. IEEE Trans Reliab 1996; 45(2): 254-259.
• 10. Fan Y, Zhong-Ping J, Hao Z. Network flow control under capacity constraints: A case study. Syst Contr Lett 2006; 55(8): 681-688.
• 11. Fathabadi HS, Ghiyasvand M. A new algorithm for solving the feasibility problem of a network flow. Appl Math Comput 2007; 192(2): 429-38.
• 12. Fernando P. A global stability result in network flow control. Syst Contr Lett 2002; 46(3): 165-72.
• 13. Hao Z, Zhong-Ping J, Fan Y, Panwar S. Analysis and comparison of optimization algorithm for network flow control. Decision and Control 2002; Proceedings of the 41st IEEE Conference on 2002; 1(1):1129 - 1134.
• 14. Holmberg K, Joborn M, Melin K. Lagrangian based heuristics for the multicommodity network flow problem with fixed costs on paths. Eur J Oper Res 2008; 188(1): 101-8.
• 15. Konstantinos P, Nikolaos S, Angelo S. An exterior simplex type algorithm for the Minimum Cost Network Flow Problem. Comput Oper Res 2009; 36(4): 1176-1190.
• 16. Levitin G, Amari SV. Multi-state systems with multi-fault coverage. Reliab Eng Syst Saf 2008; 93(11): 1730-39.
• 17. Levitin G, Lisnianski A. Optimizing survivability of vulnerable series–parallel multi-state systems. Reliab Eng Syst Saf 2003; 7(9): 319–31.
• 18. Lisnianski A, Levitin G, Ben-Haim H. Structure optimization of multi-state system with time redundancy. Reliab Eng Syst Saf 2000; 67(2): 103-12.
• 19. Maurras JF, Vaxes Y. Multicommodity network flow with jump constraints. Discrete Math 1997; 165-166: 481-6.
• 20. McCamant S, Ernst MD. Quantitative information flow as network flow capacity. Proceedings of the ACM SIGPLAN Conference on Programming Language Design and Implementation (PLDI) 2008; 193-205.
• 21. Nygard KE, Chandler PR, Pachter M. Dynamic network flow optimization models for air vehicle resource allocation. Proceedings of the American Control Conference 2001; 3: 1853-8.
• 22. Oliveira ARL, Soares S, Nepomuceno L. Short term hydroelectric scheduling combining network flow and interior point approaches. Int J Electr Power Energ Syst 2005; 27(2): 91-99.
• 23. Qi X, Salapaka MV, Voulgaris PG, Khammash M. Structured optimal control with applications to network flow coordination. Proceedings of the American Control Conference 2003; 1: 272-277.
• 24. Ramirez-Marquez JE, Coit DW. Optimization of system reliability in the presence of common cause failures. Reliab Eng Syst Saf 2007; 92(10): 1421-34.
• 25. Shangyao Y, David B, Yosef S. Intermodal pricing using network flow techniques. Transportation Research Part B: Methodological 1995; 29(3): 171-180.
• 26. Suh-Wen C. An efficient algorithm for optimal design of area traffic control with network flows. Appl Math Model 2009; 33(6): 2710-22.
• 27. Suh-Wen C. An iterative scheme for signal settings and network flows. Appl Math Comput 2007; 189(n): 1808-15.
• 28. Suh-Wen C. Joint optimization for area traffic control and network flow. Comput Oper Res 2005; 32(11): 2821-41.
• 29. Swaminathan V, Chakrabarty K. Generalized Network Flow Techniques for Dynamic Voltage Scaling in Hard Real-Time Systems. IEEE/ACM International Conference on Computer-Aided Design, Digest of Technical Papers 2003; 21-5.
• 30. Xiaoyan G, Xiaoming L. A data mining based algorithm for traffic network flow forecasting. Proceedings of the IEEE International Conference on Systems, Man and Cybernetics 2003; 2: 1253-8.
• 31. Xing L, Amari SV. Effective Component Importance Analysis for the Maintenance of Systems with Common-Cause Failures. Int J Reliab Qual Saf Eng 2007; 14(5): 459-478.
• 32. Xing L. Reliability Evaluation of Phased-Mission Systems with Imperfect Fault Coverage and Common-Cause Failures. IEEE Trans Reliab 2007; 56(1): 58-68.
• 33. Xingzhe F, Arcak M, Wen, JT. Robustness of network flow control against disturbances and time-delay. Syst Contr Lett 2004; 53(1): 13-29.
• 34. Yusuf S, Luk W, Sloman M, Dulay N, Lupu EC, et al. Reconfigurable architecture for network flow analysis. IEEE Transactions on Very Large Scale Integration (VLSI) Systems 2008; 16(1): 57-65.