CC BY
34УДК 681.511.3
А.П. Веревкин1, e-mail: apverevkin@maii.ru;
Д.С. Матвеев1, Т.Х. Галеев1, К.В. Андреев2, Э.А. Ахадов2, А.А. Максименко2
1 ФГБОУ ВПО «Уфимский государственный нефтяной технический университет» (Уфа, Республика Башкортостан, Россия).
2 ООО «ЭТЭК» (Москва, Россия).
Задачи и методы разработки продвинутых систем обеспечения промышленной безопасности
В настоящее время основным и наиболее эффективным инструментом обеспечения промышленной безопасности сложных автоматизированных технологических комплексов (АТК) является применение систем продвинутого (усовершенствованного) управления и обеспечения безопасности. Необходимость таких систем устанавливается в нормативно-технической документации (НТД) в области промышленной безопасности, в частности в международных и российских стандартах. В процессе разработки систем обеспечения безопасности (СОБ) АТК решается комплекс задач, таких как анализ опасностей, оценка текущих и допустимых рисков, обоснование архитектуры, состава, функций и других вопросов, связанных с моделированием, программной и аппаратной реализацией систем. Комплексная проработка вопросов создания продвинутых СОБ в литературе отсутствует. В связи с тем что имеется большое количество не связанных между собой постановок задач, методов, моделей, инструментов для их решения, в работе рассматривается системная модель процедур создания продвинутых СОБ: на стадии проектной документации - выполнение требований НТД по безопасности, на стадии рабочей документации - обеспечение реализуемости.
Ключевые слова: система обеспечения безопасности, нормативно-техническая документация, автоматизированный технологический комплекс, система оперативного диагностирования, опасности, риски, моделирование, прогнозирование, проектирование.
A.P. Verevkin1, e-mail: apverevkin@mail.ru;
D.S. Matveev1, T.K. Galeev1, K.V. Andreev2, E.A. Akhadov2, A.A. Maksimenko2
1 State Educational Institution of Higher Professional Education Ufa State Petroleum Technological University (Ufa, Bashkortostan, Russia).
2 Etek LLC (Moscow, Russia).
Tasks and methods of development advanced systems of industrial safety
Currently, applying advanced (improved) systems of the control and ensuring safety in automated technological complexes is the most effective tool rise efficiency in industry. Technological normative document in the field of industrial safety, in particular in international and Russian standards is establish necessity of such systems. Complex of tasks such as hazard analysis, the assessment of current and acceptable risk, study architecture, composition, functions, and other issues related to simulation hardware and software implementation of the system are solved during the development of safety systems. There is no comprehensive study of the issues of creating advanced safety systems in the scientific literature. Due to a large number of unrelated productions tasks, methods, models and tools, this article deals with system of procedures to create advanced safety systems. Procedures for the implementation of normative and technical documentation requirements for safety at the stage of project documentation, ensuring realizability at the stage of working document discussed.
Keywords: safety system, technological normative document, automated technological complex, on-line diagnostics system, hazard, risks, simulation, prediction, design.
INDUSTRIAL SAFETY
Основным инструментом повышения экономической эффективности автоматизированных технологических комплексов при добыче,переработке нефти и газа является применение систем продвинутого управления и обеспечения безопасности (Advanced Process Control & Safety -APCS) [1-5].
ПОСТРОЕНИЕ APCS-СИСТЕМ -ЭТО КОМПЛЕКСНАЯ ПРОБЛЕМА, ВКЛЮЧАЮЩАЯ В СЕБЯ ТАКИЕ ЗАДАЧИ, КАК:
1) обоснование необходимости и целесообразности решения задач продвинутого управления и обеспечения безопасности (анализ опасностей в тех или иных технологических ситуациях [6-9], оценка эффективности от решения APCS-задач [10-12];
2) оценка текущих и допустимых рисков с учетом характеристик объекта и формирование целевых показателей систем обеспечения безопасности [13-16];
3) формирование задания на проектирование СОБ, включающего обоснование архитектуры, расчет элементов автоматизированных систем управления технологическими процессами (АСУТП) и их взаимодействие [17, 18];
4) разработка прикладных вопросов, связанных с моделированием автоматизированного технологического комплекса, созданием алгоритмического и программного обеспечения, выбором технических средств системы оперативного диагностирования (СОД) и т.д. [4, 5, 19].
По аналогии с проектированием АСУТП три первых задачи отнесем к стадии разработки проектной документации СОБ, т.е. выполнения организационного этапа задач обеспечения безопасности, формирования конфигурации и требуемых характеристик СОБ. Четвертая задача соответствует стадии разработки рабочей документации, когда разрабатываются вопросы реализации СОБ.
Цель работы - системотехнический анализ подходов к разработке продвинутых СОБ в аспектах взаимодействия требований нормативно-технической документации по безопасности(первая стадия) и обеспечения реализуемости (вторая стадия).
На рисунке 1 представлена функциональная модель процесса разработки продвинутых СОБ в соответствии с методологией IDEF0, где ТЗ - задание на проектирование; ТР - технологический регламент; ВНАП - стандарты предприятия; ПД - проектная документация; USD - UniSim Design (среда для моделирования технологических процессов); КМ - компьютерная модель в среде USD; HAZOP - Hazard and operability studies (методика исследования опасности и работоспособности); ПС - продукционные системы; сП - сети Петри; СРПО - средства разработки программного обеспечения; ИМ - имитационная модель; ППР - подсистема принятия решений.
На первой стадии процесса разработки СОБ решаются задачи организационного обеспечения, которые базируются на современной концепции управления безопасностью. В основе управления безопасностью лежит понятие риска и обеспечение приемлемых уровней риска [13-16].
Риск может определяться как сочетание вероятности события и его последствий. Процесс анализа риска включает в себя идентификацию опасностей и оценку величины риска аварии. Обычно используется сценарный подход к моделированию ситуаций. При этом для оценки вероятностей и ущерба при реализации тех или иных сценариев используется сочетание экспертных оценок и проведение расчетов известными методами теории надежности. Анализ объекта по методу HAZOP [6-9] позволяет выявлять отказы и предава-рийные ситуации, оценивать степень тяжести последствий аварий,определять причинно-следственные связи между отказами и аварийными ситуациями на
объекте, формировать рекомендации для лиц, принимающих решения по управлению безопасностью опасных производственных объектов. В ряде случаев, особенно для особо опасных, малоинерционных, вновь проектируемых объектов, при проведении HAZOP-анализа могут использоваться динамические модели АТК и результаты имитационных экспериментов. Результатом выполнения данного этапа является обоснование целевых показателей и требований к характеристикам СОБ, т.е.технические требования на разработку продвинутой СОБ. В международных и аутентичных российских стандартах IEC61508, IEC61511, американском стандарте ANSI/ ISA-S84.01-1996 количественное значение допустимого уровня риска для АТК задано в интервальной шкале (в виде четырех уровней интегральной безопасности SIL - Safety Integrity Level), которая задает требуемую меру снижения риска за счет СОБ, обеспечивающей это снижение. Требования к СОБ здесь определяются в виде интервальных величин - диапазонов стационарного коэффициента готовности (1-PFDAVG), соответствующего требуемому уровню безопасности SIL. Оценка требуемого уровня SIL для конкретного объекта проводится практически экспертным образом на основе информации об объекте и связанных с ним опасностей. Для производств нефтяной и газовой промышленности используются категории 1, 2, 3.
СОД является основным инструментом, который позволяет обеспечить требуемые уровни SIL при ограниченной надежности программно-технических средств АСУТП [16, 20]. На второй стадии решаются задачи разработки и актуализации (адаптации) моделей, используемых в СОД.
МОДЕЛИРОВАНИЕ ЭЛЕМЕНТОВ АТК
Для всех APCS-систем главным классификационным признаком, в соответствии с которым эти системы
Ссылка для цитирования (for citation):
Веревкин А.П., Матвеев Д.С., Галеев Т.Х., Андреев К.В., Ахадов Э.А., Максименко А.А. Задачи и методы разработки продвинутых систем обеспечения промышленной безопасности // Территория «НЕФТЕГАЗ». 2016. № 4. С. 78-85.
Verevkin A.P., Matveev D.S., Galeev T.K., Andreev K.V., Akhadov E.A., Maksimenko A.A. Tasks and methods of development advanced systems of industrial safety (In Russ.). Territorija «NEFTEGAZ» = Oil and Gas Territory, 2016, No. 4, pp. 78-85.
Рис. 1. Функциональная модель процесса разработки продвинутых СОБ в соответствии с методологией IDEF0
Fig. 1. Functional model of the process for advanced security systems development in accordance with the IDEF0 methodology
объединяют в один большой класс, является использование моделей объекта для целей повышения качества переходных процессов, управления по показателям качества продуктов производства (ПК), оптимизации показателей технико-экономической эффективности (ТЭП) и обеспечения безопасности [10, 11]. В СОБ для целей диагностики состояния элементов АТК, мониторинга и прогнозирования технологических ситуаций широко используются прогнозные динамические модели [3, 19]. К таким моделям предъявляются достаточно жесткие требования. Как инструмент для задач анализа состояния АТК они должны быть достаточно точными, разработка и адаптация (актуализация) моделей должны быть не слишком затратными с точки зрения экономических и временных критериев.
Широко используемые методы прямого моделирования требуют привлечения больших объемов декларативных знаний и в конечном счете часто могут быть использованы только для предварительного изучения характеристик объекта, например для определения структуры связей входных и выходных переменных, а также структуры операторов передач этих связей. При обратном моделировании широко используются модели аппроксимационного типа, которые обобщают большие объемы экспериментальной информации,отражают формирование процедурных знаний и поэтому являются феноменологическими, т.е. их использование ограничено конкретными объектами и задачами. Особенно сложны в разработке динамические модели,с использованием которых решаются комплексы задач, включая обеспечение безопасности.
Очевидно, что и тот, и другой подходы по отдельности достаточно затратны и по ресурсам, и по времени. Серьезные проблемы возникают при необходимости использования и адаптации моделей в реальном времени. В связи с этим для решения сложных задач моделирования динамических объектов и систем с применением приемлемых с точки зрения ресурсов и времени разработки затрат развивается направление когнитивного моделирования [4, 5, 21, 22], т.е. использование сочетания теоретических и эмпирических знаний. Процедура моделирования носит дуальный характер, т.е. параллельно проводятся процедуры моделирования, изучения (как правило, на имитационных моделях) и уточнения характеристик объекта с использованием всей доступной информации. Поэтому в целом процесс моделирования представляет итеративную про-
INDUSTRIAL SAFETY
цедуру, в которой на разных стадиях моделирования,использования моделей, оценки их адекватности, адаптации моделей привлекаются методы прямого, обратного и когнитивного моделирования.
Первым шагом при моделировании динамики сложных объектов является создание когнитивной карты. Когнитивная карта (КК) - математическая модель структурного уровня в виде ориентированного графа, отображающего причинно-следственные связи между технологическими параметрами и переменными АТК объекта, которую после доопределения динамическими операторами связей будем называть когнитивной моделью. Общая схема разработки когнитивной модели состоит из нескольких этапов.
НА НАЧАЛЬНОЙ ИТЕРАЦИИ МОДЕЛИРОВАНИЯ ПРОВОДИТСЯ:
1. Определение границ моделирования объекта (системы), т.е. двух множеств - входных и выходных переменных. Выполнение этого этапа базируется на определении цели моделирования и привлечении как теоретических(декларативных), так и эвристических (процедурных) знаний.Заметим, что уже на этом этапе необходимо использовать системный подход к процедуре моделирования при выборе и описании концептов, используя в правильных пропорциях теоретические и эвристические подходы. Это этап концептуального моделирования. Выполнение этапа, особенно для вновь проектируемых объектов, требует привлечения прямых моделей, реализуемых, например, в пакетах USD, HYSIS и т.п. [2, 4, 5, 19]. Для действующих и хорошо изученных объектов достаточными могут оказаться эвристические знания.
2. Определяются внутренние переменные, которые характеризуют состояние объекта моделирования. Входные, выходные и внутренние переменные составляют полное множество концептов на первом шаге моделирования. Между концептами наносятся направленные дуги, отражающие причинно-следственные связи, т.е. составляется КК. Это топологическая модель первого приближения.
С1
С 2
Рис. 2. Фрагмент КК: С1, С2, С3 - концепты; W1, W2 - динамические операторы (передаточные функции, разностные уравнения) Fig. 2. Fragment of a cognitive map: C1, C2, C3 -concepts; W1, W2 - dynamic operators (transfer functions, differential equations)
3. С привлечением теоретических и эвристических знаний задаются структуры операторов связей, т.е. формируется так называемая модель «серого ящика». В зависимости от целей моделирования это могут быть знаковые, статические, функциональные, нечеткие, динамические и прочие операторы, но для целей моделирования объекта диагностики, как правило, используются динамические операторы. В последнем случае целесообразно данный этап разделить на следующие шаги: 3.1. Формирование значений концептов, весов дуг и балансирование модели в статике. На этом шаге могут последовательно назначаться знаковые, нечеткие, статические операторы связей и значения концептов, и на основе анализа связности концептов (т.е. вычисления значений выходных концептов через значения входных и «весов» дуг) модель анализируется на непротиворечивость значений концептов совместно со значениями «весов» и с учетом всех связей КК. Подбор «весов» дуг может проводиться известными методами, из которых наиболее часто используются поисковые (методы нелинейного программирования) либо методы корреляционного типа (алгоритмы Хебба). Получение сбалансированных значений концептов и «весов», которые укладываются в рамки когнитивных представлений об объекте, позволяет считать, что модели концептуального и топологического уровней определены верно, и осуществляется переход к шагу 3.2. В противном случае концептуальная и топологическая модели должны уточ-
Рис. 3. Фрагмент КК с добавленными концептами С31, С32 и единичными связями между концептами С31 -» С3 и С32 -» С3 Fig. 3. Fragment of a cognitive map with added concepts C31, C32 and single bonds between the concepts of C31 and C32 -» C3 -» C3
няться, т.е. этапы 1-3 (до шага 3.1 включительно) выполняются итеративно.
3.2. Формирование статических функциональных операторов связей, учитывающих нелинейность объекта моделирования (шаг не выполняется, если объект не содержит нелинейных элементов). На этом шаге проверяется изоморфизм топологии на полных диапазонах изменения переменных. В случае нарушения изоморфизма при переходе переменных через некоторые характерные значения следует ввести в рассмотрение более одной модели, т.е. модель формируется на принципах ситуационного моделирования.
3.3. Формирование динамических операторов связей. Перспективным видом операторов являются разностные уравнения, поскольку модели с такими операторами связи могут использоваться как в системах реального времени, так и в режиме расчетов off-line. Особенность моделирования разностными уравнениями структур вида (рис. 2) состоит в том, что учет начальных условий для операторов W1, W2 необходимо проводить отдельно, т.е. структура на рисунке 2 должна быть представлена в виде, представленном на рисунке 3. Например, если динамические операторы W1, W2 - это инерционные звенья первого порядка, тогда
С3i+1=C31i+1+C32i+1=C31i(1-т/T1)+К1. C1i.т/T1+C32i(1-т/T2)+К2.C2i.т/T2,
где т - период дискретизации, К1, К2, Т1, Т2 - коэффициенты усиления и постоянные времени инерционных звеньев
TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 4 april 2016
81
ПРОМЫШЛЕННАЯ БЕЗОПАСНОСТЬ
Рис. 4. Компьютерная модель АТК печи
Fig. 4. Computer model of the automated furnace processing facility
Ш1, Ш2 соответственно. Значения К1, К2 определяются на шаге 3.1 или/и 3.2 в случае статических нелинейных связей.
4. Полученная модель проверяется на устойчивость. Например, если КК представляет собой сильносвязанный граф, можно изменить одно из начальных условий (значение какого-либо концепта) и получить решение. Для устойчивой модели значения концептов в установившемся режиме будут те же, что и полученные в результате балансирования модели в статике.
5. Если полученная модель не обладает необходимой прогнозной силой, т.е. уровень ее адекватности не удовлетворителен, итеративная процедура повторяется.
Полученная динамическая модель используется для разработки имитатора ИМ (рис. 1), который позволяет разработать классификатор ситуаций и устройство формирования диагнозов. Рассмотрим основные этапы моделирования объекта диагностирования на примере АТК печи.
В основе функционирования СОД лежит использование информационной избыточности, достигаемой за счет применения комплекса различных имитационных моделей АТК.
В СОСТАВ КОМПЛЕКСА МОДЕЛЕЙ СОД ВХОДЯТ:
1) математическая (компьютерная) модель нормального функционирова-
ния АТК, которая позволяет оценивать работоспособные состояния объекта, характеризуемые определенными значениями технологических параметров. КМ описывает поведение АТК в режиме реального времени, позволяет анализировать его работу, имитировать различные аварийные ситуации, что является существенным моментом ввиду отсутствия такой возможности на находящемся в режиме эксплуатации технологическом объекте (рис. 4). КМ позволяет имитировать статический и динамический режимы работы; 2) математическая модель отказов и предотказовых состояний элементов АТК, которая дает возможность прогнозировать возникновение отказов, обнаруживать отказы и выявлять причины их возникновения. Эвристическое моделирование технологического объекта и системы управления сводится к построению математических моделей отказов и предотказных состояний в виде КК (рис. 5). Вершины графов отображают либо физико-химические операции или явления, происходящие в узлах объекта, либо параметры технологического процесса (например, расход, состав и температура потока, давление и т.д.). Совокупность значений этих переменных определяет состояние, или режим, функционирования АТК. Дуги этого графа отображают причинно-следственные связи между различными
Рис. 5. Когнитивная карта взаимосвязей параметров АТК печи: t , t3"Bux - температура сырья на выходе печи текущая и заданная соответственно; t - температура перевала печи; Fc, Fт - расходы сырья и топлива соответственно; U - выход регулятора; е -ошибка регулирования; wp - передаточная функция регулятора; w - передаточная функция исполнительного устройства; wt, w2, w3, w4, w5 - весовые коэффициенты дуг Fig. 5. Cognitive map of the parameters relationships for the automated furnace processing facility: t , t3" - crude
r О J вых' вых
temperature at the furnace outlet, current and specified, respectively; t - temperature of furnace pass; Fc, FT - crude and fuel flow rate, respectively; U - controller output ; E - control error; wp - transfer function of the regulator; w - transfer function of the actuator; w , w,,
иу ' 1' 2'
w3, w4, w5 - weights factors of arcs
физико-химическими операциями и параметрами объекта. Каждая вершина КК характеризует состояние рассматриваемого элемента АТК в данный момент времени. Динамика процесса определяет время прохождения возмущения от одной вершины к другой. На КК отмечаются критические параметры АТК, выход за допустимые границы которых может привести к тяжелым аварийным ситуациям. Идентификация операторов связей КК сводится к нахождению весовых коэффициентов дуг в виде динамических операторов (передаточных функций,разностных уравнений), определяемых экспериментально.
INDUSTRIAL SAFETY
На основе КК составляется имитационная модель (ИМ) для расчета переменных состояния:
^ (k)=1,8603t (к-1)-
вых4 ' вых4 '
0,9107t (k-2)+0,1116F (к)-
вых4 ' ГПЧ '
0,Ш2Fm(k-1)+0,0004Fc(k)-0,000^(к-1)+0,061^ерС(к); (1)
tм (k)=1,98t (k-1)-0б99t ^-2)+
пер4 ' пер4 ' пер4 '
0,02Fm(k)-0,02Fm(k-1)+0,001Fc(k)-0,001lFc(k-1). Г С (2)
Опыт применения математических моделей на практике показывает необходимость постоянного поддержания их в актуальном состоянии. Это объясняется частыми изменениями в структуре технологического процесса, конъюнктуре производства, заменой (добавлением) контрольно-измерительной аппаратуры и рядом других причин. В этой связи возникает требование к адаптивности применяемых моделей. Синтез адаптивных систем является важнейшей задачей при реализации
функций оптимального управления, диагностирования АТК. В адаптивных системах параметры регулятора меняются вслед за изменением параметров объекта таким образом, чтобы поведение системы в целом удовлетворяло некоторым требованиям. На рисунке 6 представлена функциональная схема адаптации модели АТК. В качестве реального объекта (эталонной модели - ЭМ) применяется компьютерная модель USD, а в качестве имитационных моделей (ИМ) уравнения (1), (2). Параметрическая идентификация при разработке блока адаптации (БА) проводится с применением рекуррентного метода наименьших квадратов. Модель объекта представляется в векторной форме:
У=Хт0,
(3)
x4y(k-1).....y(k-na),
u(k-1).....u(k-nb-1)]
.(4)
9 - вектор, содержащий значения параметров модели, определяется как:
еЧ-э,,...,^ , b0,...,b ].
L 1' n/ 0' nbJ
(5)
где х - вектор, содержащий значения выходов модели у и входов и за предыдущие моменты времени, определяемый как:
При переходе от момента времени k к моменту k+1 в вектор х добавляются вновь измеренные значения выходов и входов, а все остальные значения сдвигаются. Получив рекуррентное соотношение и варьируя значения его коэффициентов на каждом интервале дискретизации, можно адаптировать модель к изменениям в реальном объекте.
МОДЕЛИРОВАНИЕ И РЕАЛИЗАЦИЯ СОД
Обеспечить заданные (или допустимые) уровни безопасности и рисков аварий АТК можно за счет применения методов и технологий предупреждения аварийных ситуаций путем верификации
ВНИМАНИЕ!
Открыта подписка на журналы «ТЕРРИТОРИЯ «НЕФТЕГАЗ» и «КОРРОЗИЯ «ТЕРРИТОРИИ «НЕФТЕГАЗ»! Журналы можно получать в России и в любой стране мира. Подписка оформляется с любого месяца!
ОФРМИТЬ ПОДПИСКУ ВЫ МОЖЕТЕ:
в редакции - по адресу 142784, г. Москва, Киевское ш., БП «Румянцеве», корп. Б, под. 5, эт. 5, оф. 505Б, издательство «Камелот Паблишинг», редакция журнала «Территория «НЕФТЕГАЗ», Тел./факс: +7 (495) 240-54-57, e-mail: info@neftegas.info по каталогу Роспечати - подписной индекс 36129
СТОИМОСТЬ ПОДПИСКИ
по России: для стран СНГ:
(печатной версии) (в электронной версии) (в печатной версии)
1 номер любого журнала..... 2000 руб........ 1900 руб.......... 2400 руб.
б номеров ТНГ................. 12000 руб...... 11400 руб........14400 руб.
12 номеров ТНГ................ 24000 руб...... 22800 руб........ 28800 руб.
15 номеров ТНГ+КТНГ......... 30000 руб...... 28500 руб........ 36000 руб.
ПРОМЫШЛЕННАЯ БЕЗОПАСНОСТЬ
данных, диагностики, мониторинга и прогнозирования состояния технологического оборудования и средств автоматизации либо управления, направленного на минимизацию последствий аварийных событий. Для решения задач оперативного выявления факта, места и причины отказа необходимо применение СОД состояния элементов АТК, разрабатываемых на базе методов математической статистики и анализа, с применением моделей формальных и эвристических процедур мониторинга состояния по диагностическим показателям (ДП). Формирование множества ДП |1 ={§1, |2, 13,..., §п} происходит в результате сравнения реакции объекта Yi и эквивалентной модели Yim на один и тот же входной сигнал Ri.
Процедура диагностирования базируется на проверке условий непротиворечивости значений ДП заданным условиям по точности. Нарушение заданной точности одного или нескольких ДП в соответствующей комбинации указывает на неисправность. Для принятия решения об отказе того или иного элемента
Рис. 6. Функциональная схема адаптации модели АТК
Fig. 6. Functional adaptation circuit of the automated processing facility model
АТК на основе эвристических знаний экспертов о причинах разбалансов и нарушения допустимых границ изменения значений ДП, а также анализа режимов работы и причинно-следственных связей между элементами необходимо сформировать систему продукционных правил (ПП). Моделирование сложных логических последовательностей для получения заключений может проводиться с использованием аппарата сетей Петри [1].
На заключительном этапе разработки СОД с использованием ранее получен-
ных моделей строится имитационная система АТК с интегрированной в нее СОД и проводятся эксперименты по оценке работоспособности и эффективности последней.
ТАКИМ ОБРАЗОМ, ВНЕДРЕНИЕ СОД КАК ОСНОВНОГО ЭЛЕМЕНТА ПРОДВИНУТОЙ СОБ ПОЗВОЛИТ:
1) диагностировать внезапные, постепенные отказы и прогнозировать состояние элементов АСУТП и технологического оборудования;
2) предотвращать развитие аварийных ситуаций (пожары, взрывы, разрушение технологического оборудования) и минимизировать их последствия;
3) снизить периоды простоя технологического оборудования, оптимизировать межремонтные периоды;
4) существенно уменьшить экономический ущерб от аварий, убытки от простоя технологического оборудования, потери продукции и последующего выхода на режим;
5) в целом повысить уровень безопасности производства.
Литература:
1. Веревкин А.П., О.В. Кирюшин. Автоматизация технологических процессов и производств в нефтепереработке и нефтехимии. Уфа: Изд-во УГНТУ, 2005. 71 с.
2. Дозорцев В.М., Э.Л. Ицкович, Д.В. Кнеллер. Усовершенствованное управление технологическими процессами (АРС): 10 лет в России //Автоматизация в промышленности. 2013. № 1. С. 12-19.
3. Terrence BLevins, WiLLy K. Wojsznis, Mark Nixon. Advanced Control Foundation: TooLs, Techniques and Applications. ISA, 2012, 556 p.
4. Веревкин А.П., Матвеев Д.С., Хуснияров М.Х. Обеспечение безопасности трубчатых печей на основе оперативной диагностики аварийных состояний // Территория «НЕФТЕГАЗ». 2010. № 4. С. 14-17.
5. Матвеев Д.С., Чикуров А.В., Хуснияров М.Х., Веревкин А.П., Бахтизин Р.Н. Система оперативного диагностирования автоматизированного технологического комплекса трубчатой печи на основе продукционных правил // Нефтегазовое дело. 2011. № 4. С. 4-13. Режим доступа: http://www. ogbus.ru/authors/Matveev/Matveev_1.pdf. Дата обращения 25.04.2016.
6. ГОСТ Р ИСО/МЭК 31010-2011 Менеджмент риска. Методы оценки риска IEC/ISO 31010:2009 Risk management - Risk assessment techniques. М.: Стандартинформ, 2012. 70 с.
7. ГОСТ Р 51901.11-2005 Менеджмент риска. Исследование опасности и работоспособности. М.: Стандартинформ, 2005. 42 с.
8. ГОСТ Р 51901-2002 Управление надежностью. Анализ риска технологических систем. М.: Госстандарт России, 2002.
9. Хуснияров М.Х., Веревкин А.П., Кузеев И.Р. и др. Техногенный риск и управление промышленной безопасностью нефтеперерабатывающих предприятий: Учеб. пособие / Под ред. М.Х. Хусниярова. Уфа: Нефтегазовое дело, 2012. 312 с.
10. Веревкин А.П. Методика оценки технико-экономической эффективности подсистем АСУТП с учетом затрат на сервисное обслуживание // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2011. № 4. С. 24-28.
11. Веревкин А.П., Зеленов А.С. Модернизация систем управления технологическими процессами на основе анализа показателей технико-экономической эффективности // Территория «НЕФТЕГАЗ». 2008. № 4. С. 24-29.
12. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления. Теория и практика: Учебное пособие. М.: Радиотехника, 2009. 329 с.
13. Международный стандарт IEC 61508 FunctionaL Safety of ELectricaL/ELectronic/ProgrammabLe Electronic Safety ReLated Systems (Функциональная безопасность систем электрических, электронных и программируемых электронных систем, связанных с безопасностью).
14. Международный стандарт IEC 61511 FunctionaL Safety. Safety Instrumented Systems for the Process Industry Sector (Функциональная безопасность: Оборудованные под безопасность системы для перерабатывающего сектора промышленности), разработанный для совместного использования с IEC 61508.
15. РД 03-418-01 (вместо РД 08-120-96) Методические указания по проведению анализа риска опасных промышленных объектов. Утв. ГГТН 01.10.2001. М.: НТЦ «Промышленная безопасность», 2002. 15 с.
16. Веревкин А.П., Качкаев А.В., Тютюников Н.А. Обоснование показателей надежности и построение систем защиты на основе допустимых рисков // Территория «НЕФТЕГАЗ». 2009. № 9. С. 14-19.
17. Приказ Ростехнадзора № 96 от 11.03.2013 «Общие правила взрывобезопасности для взрывопожароопасных химических, нефтехимических и нефтеперерабатывающих производств» (с изм. от 26.11.2015 по приказу № 480).
84
№ 4 апрель 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ
INDUSTRIAL SAFETY
18. Федеральный закон № 116-ФЗ от 21.07.1997 «О промышленной безопасности опасных производственных объектов».
19. Веревкин А.П., Матвеев Д.С., Хуснияров М.Х., Чикуров А.В. Построение математической модели трубчатой печи пиролиза для целей оптимизации режимов и диагностики прогаров змеевика // Нефтегазовое дело. 2010. Т. 8. № 1. С. 70-73.
20. Веревкин А.П., Саитгалиева Г.И. Обоснование выбора комплекса технических средств автоматизации для систем обеспечения безопасности // Территория «НЕФТЕГАЗ». 2015. № 6. С. 26-30.
21. Веревкин А.П., Кирюшин О.В., Уразметов Ш.Ф. Исследование связи между динамической вязкостью и вязкостью полимеров по Муни на примере этиленпропиленовых каучуков для целей управления процессом // Башкирский химический журнал. 2012. Т. 19. № 4. С. 16-19.
22. Веревкин А.П., Калашник Д.В., Хуснияров М.Х. Моделирование оперативного определения индекса расплава для управления процессом производства полиэтилена // Башкирский химический журнал. 2013. Т. 20. № 1. С. 69-74.
References:
1. Verevkin A.P., Kiryushin O.V. Automation of processes and production in oil refining and petrochemicals [Avtomatizacija tehnologicheskih processov i proizvodstv v neftepererabotke i neftehimii]. USPTU Publishing House, Ufa, 2005, 71 pp.
2. Dozortsev V.M., Itskovich E.L., Kneller D.V. Advanced process control (APC): 10 years in Russia [Usovershenstvovannoe upravlenie tehnologicheskimi processami (ARS): 10 let v Rossii]. Avtomatizacija v promyshlennosti = Automation in the industrial sector, 2013, No. 1, P. 12-19.
3. Terrence Blevins, Willy K. Wojsznis, Mark Nixon. Advanced Control Foundation: Tools, Techniques and Applications. ISA, 2012, 556 p.
4. Verevkin A.P., Matveev D.A., Khusniyarov M.Kh. Securing of tube-type furnaces on the basis of the on-line diagnostics of emergency states [Obespechenie bezopasnosti trubchatyh pechej na osnove operativnoj diagnostiki avarijnyh sostojanij]. Territorija «NEFTEGAZ» = Oil and Gas Territory, 2010, No. 4, P. 14-17.
5. Matveev D.S., Chikurov A.V., Khusniyarov M.Kh., Verevkin A.P., Bakhtizin R.N. The system of on-line diagnostics of automated process complex of tube furnace on the basis of production rules [Sistema operativnogo diagnostirovanija avtomatizirovannogo tehnologicheskogo kompleksa trubchatoj pechi na osnove produkcionnyh pravil]. Neftegazovoe delo = Oil and gas business, 2011, No. 4, P. 4-13. Access mode: http://www. ogbus.ru/authors/Matveev/Matveev_1.pdf. Application date 25.04.2016
6. GOST R ISO / IEC 31010-2011 Risk Management. Risk assessment techniques IEC / ISO 31010: 2009 Risk management - Risk assessment techniques (In Russ.). Standardinform, Moscow, 2012, 70 pp.
7. GOST R 11-2005 Risk Management. Hazard and Operability Survey [Menedzhment riska. Issledovanie opasnosti i rabotosposobnosti]. Standardinform, Moscow, 2005, 42 pp.
8. GOST R 51901-2002 Reliability management. Risk analysis of process systems [Upravlenie nadezhnost'ju. Analiz riska tehnologicheskih system]. Gosstandard of Russia, Moscow, 2002.
9. Khusniyarov M. Kh., Verevkin A.P., Kuzeev I.R. and others. Technology-related risk and industrial safety management at oil refineries [Tehnogennyj risk i upravlenie promyshlennoj bezopasnost'ju neftepererabatyvajushhih predprijatij]: Textbook. Edited by M.Kh. Khusniyarov. Neftegazovoe delo, Ufa, 2012. 312 pp.
10. Verevkin A.P. Methods of technical and economic efficiency assessment for process control subsystems based on service costs [Metodika ocenki tehniko-jekonomicheskoj jeffektivnosti podsistem ASUTP s uchetom zatrat na servisnoe obsluzhivanie]. Avtomatizacija, telemehanizacija i svjaz' v neftjanoj promyshlennosti = Automation, telemetry and communication in the oil industry, 2011, No. 4, P. 24-28.
11. Verevkin A.P., Zelenov A.S. Modernization of process control systems based on analysis of technical and economic efficiency indicators [Modernizacija sistem upravlenija tehnologicheskimi processami na osnove analiza pokazatelej tehniko-jekonomicheskoj jeffektivnosti]. Territorija «NEFTEGAZ» = Oil and Gas Territory, 2008, No. 4, P. 24-29.
12. Vasiliev V.I., Ilyasov B.G. Intelligent control systems. Theory and practice [InteUektual'nye sistemy upravlenija. Teorija i praktika]. Textbook. Radiotechnika, Moscow, 2009, 329 pp.
13. International standard IEC 61508 Functional Safety of Electrical/Electronic/Programmable Electronic Safety Related Systems (Functional safety of systems for electrical, electronic and programmable electronic systems related to security).
14. International standard IEC 61511 Functional Safety. Safety Instrumented Systems for the Process Industry Sector developed for joint application with IEC 61508.
15. RD 03-418-01 (instead of RD 08-120-96) Guidelines for risk analysis of hazardous industrial facilities [Metodicheskie ukazanija po provedeniju analiza riska opasnyh promyshlennyh ob'ektov]. Appr. GGTN 01.10.2001, Promyshlennaya bezopasnost' STC, Moscow, 2002, 15 pp.
16. Verevkin A.P., Kachkaev A.V., Tyutyunikov N.A. Validation of reliability indices and protection systems development based on risk tolerance [Obosnovanie pokazatelej nadezhnosti i postroenie sistem zashhity na osnove dopustimyh riskov]. Territorija «NEFTEGAZ» = Oil and Gas Territory, 2009, No. 9, P. 14-19.
17. Rostekhnadzor Order No. 96 dated 03.11.2013 «General rules of explosion safety for explosive chemical, petrochemical and refining industries» [«Obshhie pravila vzryvobezopasnosti dlja vzryvopozharoopasnyh himicheskih, neftehimicheskih i neftepererabatyvajushhih proizvodstv»], rev. dated 26.11.2015 by order No. 480.
18. Federal Law No. 116-FZ dated 21.07.1997 «On industrial safety of hazardous production facilities» [«O promyshlennoj bezopasnosti opasnyh proizvodstvennyh ob'ektov»].
19. Verevkin A.P., Matveev D.A., Khusniyarov M.Kh., Chikurov A.V. Mathematical model development for the tubular pyrolysis furnace for the purposes of modes optimization and coil burnouts diagnostics [Postroenie matematicheskoj modeli trubchatoj pechi piroliza dlja celej optimizacii rezhimov i diagnostiki progarov zmeevika]. Neftegazovoe delo = Oil and gas business, 2010, Vol. 8, No. 1, P. 70-73.
20. Verevkin A.P., Saitgalieva G.I. Justification of the automation hardware selection for security systems [Obosnovanie vybora kompleksa tehnicheskih sredstv avtomatizacii dlja sistem obespechenija bezopasnosti]. Territorija «NEFTEGAZ» = Oil and Gas Territory, 2015, No. 6, P. 26-30.
21. Verevkin A.P., Kiryushin O.V., Urazmetov Sh.F. Investigation of the relationship between the dynamic viscosity and Mooney polymer viscosity evidence from ethylene-propylene rubber for process control purposes [Issledovanie svjazi mezhdu dinamicheskoj vjazkost'ju i vjazkost'ju polimerov po Muni na primere jetilenpropilenovyh kauchukov dlja celej upravlenija processom]. Bashkirskij himicheskij zhurnal = Bashkir chemical journal, 2012, Vol. 19, No. 4, P. 16-19.
22. Verevkin A.P., Kalashnik A.P., Khusniyarov M.Kh. Simulation of on-line definition of the melt index to control the polyethylene manufacturing process [Modelirovanie operativnogo opredelenija indeksa rasplava dlja upravlenija processom proizvodstva polijetilena]. Bashkirskij himicheskij zhurnal = Bashkir chemical journal, 2013, Vol. 20, No. 1, P. 69-74.
TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 4 april 2016
85
