1 前言

自德国提出"工业“4.0”概念以来，世界各大国相继提出了通过信息技术提升传统制造业发展的国家级战略和规划，制造业已成为各国在新一轮工业技术和产业变革中占据制高点的必争战场^[1]。在智能制造新背景下，TE过程(Tennessee Eastman process)的仿真功能已经无法满足面向智能制造的多种仿真需求。TE模型自1993年被DOWNS和VOGEL^[2]提出以来，不断有学者对TE模型进行改进。TE过程本身的内部机理逻辑并未公开，因此RICKER等^[3]于1995年提出对TE过程的非线性建模；BATHELT等^[4]于2016年基于当代编程环境的变化提出了对TE过程仿真模型的改进优化，使得TE模型的仿真运行速度更快，另外还增加了TE过程的被测变量。以上改进工作虽为TE过程在故障诊断、过程控制、系统辨识等领域的应用提供了理论与案例支撑，但并未考虑TE过程在管控能力上的不足。为了适应智能制造背景下的新需求，本文对TE过程管控能力进行扩展设计。

多智能体系统(multi-agent system，MAS)是由多个自主的智能体基于一定协调机制构成的自组织系统，可以利用有限的资源和知识，通过自主智能体之间的交互作用实现复杂问题的求解^[5]。RUIZ等^[6]采用多智能体技术搭建了离散行业智能制造系统仿真平台，并通过实例验证了该技术在分布式结构、可扩展性、容错性等方面的优势。在流程行业中，制造执行系统(manufacturing execution system, MES)业务工作流复杂，且与过程控制系统(process control system, PCS)层生产高度耦合，为仿真建模带来了挑战。MAS分布性、开放性、独立性和模块性等特点使得应用多智能体技术作为化工过程的仿真工具具有一定的优越性。

2 TE过程扩展的设计

根据智能制造价值链横向集成和业务量纵向贯通的特点，利用多层次建模框架^[7]，提出对TE过程进行横向和纵向扩展设计。

2.1 横向扩展

针对传统TE模型存在过程产品单一的问题，对其进行横向扩展。横向扩展主要是对生产能力的扩展，包括增加生产产量、增加产品品种、减少污染排放。以图 1为例，将原始TE过程进行横向扩展为2个厂区，分别为F1和F2。增加厂区2的输入原料K，得到扩产后的产品品种有G、H和M 3种。在流11和流33处增加产品分离装置，从而增加对应产品的3个产品罐。

定义扩展后的TE过程的生产模式共5种，如表 1所示。原始TE过程含有22个连续过程测量变量和12个操作变量，扩展TE过程含有47个连续过程测量变量和22个操作变量。通过横向扩展，扩展TE过程的流程更为复杂、生产能力和产品种类增加。

2.2 纵向扩展

根据ISA95企业集成控制功能模型^[8]，企业管理和控制的大量业务活动在MES层进行，大部分石化企业建成投用的MES软件系统，产生大量生产管控数据^[9]。本文中纵向扩展包括两项内容：1) MES层计划调度指令闭环执行过程的仿真；2) MES层调度指令发起的、在PCS层执行的业务活动仿真，如质检、巡检、设备维修等传统TE过程模型未包括的活动。

在智能制造背景下，扩展后的TE过程仿真系统PCS层功能需求包括质检、巡检、设备维护、生产操作，以满足现场生产人员对现场操作的需求；MES层功能需求包括过程监控、库存管理、生产调度、成本核算等功能，以满足中控室管控人员对生产管控的需求。本文通过多Agent仿真实现对传统TE过程仿真系统的MES层扩展，扩展后的TE过程层级结构如图 2所示。

经过TE过程的纵向扩展，TE扩展过程对底层PCS层采集了多种类别的数据，反映了其生产状态数据在MES层时间尺度和组织架构下的聚集结果，具体定义为MES层纵向数据，如表 2所示。

3 基于多智能体的仿真系统设计与实现

相比于传统TE过程仿真系统对生产机理进行连续时间仿真，本文提出的基于多智能体的TE过程扩展仿真系统是对工厂业务工作流进行离散事件仿真。多智能体仿真系统的设计任务具体包括：MES层工作流设计、企业资源计划(enterprise resource planning, ERP)与PCS集成接口定义、各业务智能体模型定义。其中调度Agent作为MES层的核心管理智能体，协同其他业务智能体完成MES层计划调度指令闭环执行过程。

3.1 智能体间的协作及功能模块

针对TE过程纵向扩展，设计MES层多智能体仿真系统的工作流模型如图 3所示。调度Agent与ERP接口Agent交互信息，接受ERP层的需求，并与成本Agent、监控Agent交互信息，进行调度计划排产；同时与生产操作Agent、巡检Agent、质检Agent和设备维护Agent交互信息，实现生产计划的任务分配。

当ERP层根据上下游供需关系决策的计划指令下达至MES层调度Agent时，MES层会根据现有厂区的库存情况、生产情况、设备情况、成本情况进行计划排产。首先，调度Agent会与库存Agent和成本Agent进行通信，确定生产排产计划，而后下达给生产操作Agent对下层PCS层进行实际操作。在生产过程中，通过质检Agent、巡检Agent、设备维护Agent定时排查化工生产过程的基本情况，通过监控Agent实时监测化工生产过程的运行。调度智能体可选不同的调度策略给出排产方案，包括人工排产策略、操作损耗最低策略与成本最小策略。成本Agent中对应的生产成本计算如下：

$ \begin{array}{c} {\rm Total\_\cos t = Pur{C_1} \times Pur{R_1} + \Pr oS{C_1} \times \Pr o{R_1} + Cpr{C_1} \times Cpr{W_1}}\\ \;\;{\rm + Ste{C_1} \times Ste{R_1} + Pur{C_2} \times Pur{R_2} + \Pr oS{C_2} \times \Pr o{R_2}}\\ \;\; {\rm + Cpr{C_2} \times Cpr{W_2} + Ste{C_2} \times Ste{R_2}} \end{array} $

(1)

其中，过程的生产成本主要包括操作损耗，PurC_{1, 2}, PurR_{1, 2}表示放空阀的成本和放空流量，CprC_{1, 2}, CprW_{1, 2}表示循环压缩机的成本和效率，SteC_{1, 2}, SteR_{1, 2}表示蒸汽的成本和流量，ProC_{1, 2}, ProR_{1, 2}表示产品流出流量的损耗成本和流量。

3.2 系统实现

TE过程的横向扩展由Matlab实现，纵向扩展由AnyLogic^[9]仿真平台实现。数据的存储于Microsoft Sql Server数据库中，并基于数据库完成Matlab仿真数据与AngLogic软件数据的通信。本文使用AnyLogic软件按照2.1节对各Agent进行建模并实现可视化仿真功能，以完成纵向扩展仿真。为了更好地满足不同仿真需求，用户可以对基于扩展后的TE过程仿真系统中一些参数进行自主配置从而生成不同的仿真场景，其中可配置参数主要包括系统各模块的接口参数和MES仿真模块中的Agent参数。

系统的模块包括PCS仿真(Matlab)模块、数据库(Sql Server)模块、MES仿真(AnyLogic)模块，如图 4所示。模块各接口中可配置的参数有故障设置、操作变量、MES输入数据、订单需求。MES仿真模块的多Agent可配置参数有库存Agent中的库存约束、调度Agent中的调度策略、成本Agent中的设备成本、巡检Agent中的巡检路线。在一个仿真周期中，MES仿真模块接收用户配置的订单需求，而后MES仿真模块运行后输出调度指令，用户可以配置故障设置，而后根据调度指令配置操作变量，输入至PCS仿真模块，PCS仿真模块运行后将被测变量输出至数据库存储，而后随同用户配置的MES输入数据输入MES仿真模块，呈现该仿真周期的MES层结果输出。

4 仿真案例

TE过程作为业内公认的标准化工过程，很多学者将TE过程仿真系统作为标准数据来源，从而进行实时优化、控制算法、故障诊断等的方法研究。本节选取故障诊断和计划调度优化两个智能制造典型需求场景，利用拓展后的TE过程仿真系统进行仿真实验。

4.1 故障仿真

案例(1)扩展后的TE过程正常运行一周的情况(S1)与扩展后的TE过程在PCS层发生故障的情况(S2)，故障原因是进料成分存在随机波动。

从图 5可见，S1情况下过程运行稳定，关键变量厂区1与厂区2的反应器压力值稳定，小时成本值也稳定在150元。而S2情况下过程存在随机波动情况，由于控制器的存在，因此压力的波动被及时补偿，波动范围不大，而小时成本值波动较大，最高值接近400元。提取S1与S2情况下的一周罐存量数据可知，S1和S2情况下的一周罐存量保持一致，具体数据如表 3所示，说明在S2扰动的情况下，正常生产运行影响不大。

案例(2)扩展后的TE过程在PCS层发生故障后，由巡检Agent发现问题后采取管控措施的情况(S3)，故障原因是反应器振动巡检数据异常。

由图 6可见，在S3情况下过程运行发生扰动而后恢复。设置在第12 h由巡检人员巡检发现厂区2反应器振动数据异常，而后快速响应启动应急方案检修。经过6 h后，反应器振动问题解决，过程运行趋于稳定。与S1的正常情况对比，巡检发生问题时，厂区2反应器压力出现了小幅下降，检修结束后，反应器压力得到补偿。

案例(3)扩展TE化工过程PCS层正常工作，而质检Agent发生失常故障(S4), 故障原因是分析仪表失常导致记录的成分摩尔比例造成了千分之五的误差。

如图 7所示，在S4情况下生产过程出现未知漂移，厂区1由于变量值超过高限而停产。过程存在质量控制回路，但是由于仪器老化，质检得到的数据存在偏差，导致质量控制回路失效，因此反应器压力不断增加，冷却水流量不断增加试图补偿无果。由于以上原因，小时成本值不断攀升，最后过程运行超出了限制。

案例(4)扩展后的TE过程同时发生案例(1)至(3)中的3种工况(S5)。

如图 8所示，在S5仿真阶段早期，因进料成分存在随机波动，反应器压力也发生随机波动，但由于控制器存在，反应器压力波动被及时补偿。当巡检Agent发现反应振动器数据异常并及时检修后，反应器压力产生波动而后恢复。在仿真阶段后期发生质检Agent故障，厂区1由于变量值超过高限而停产。

4.2 优化仿真

扩展后的TE过程多智能体仿真系统的计划调度及过程管控工作流为：MES在收到ERP层的需求指令后，调度Agent将进行计划排产，而后MES层开始监控生产，当监控Agent监测到生产偏离计划时，触发调度Agent进行再调度。MES层调度Agent分别采用人工经验排产策略、操作损耗最低策略和成本最小策略对5种生产模式进行排产的情况。根据式(1)，类似于文献[2]计算得到5种生产模式下的单位成本和操作损耗(操作损耗为放空阀的成本)，如表 5所示。其中，ERP接口输出的订单需求如表 4所示。

本文在调度Agent配置的3种调度策略，代表生产调度系统数字化升级的进程。调度Agent利用3种调度策略得到的排产方案如下：

(1) 人工经验排产方案：

(2) 操作损耗最低策略：

(3) 生产成本最小策略：

不同调度策略下的生产指标对比如表 6所示，虽然三种策略均满足订单需求，但是成本最小策略的生产成本最低廉，损耗最小策略的操作损耗最小，体现了利用调度Agent自动调度排产策略相比人工经验排产的优势。

按照图 12生产成本最小策略方案对PCS层下达排产指令，通过调度Agent对PCS层接口Agent操作设置第1~5 d的生产模式1的生产操作，根据库存Agent输出第1~5 d的罐存量，监控Agent发现与计划5天周期内的发现该单位生产时间内罐存增量与计划需求不符。因此重新触发调度Agent根据现有库存情况进行再调度。

如表 7所示，第1~4 d厂区库存正常增加，第5 d库存增加异常，可见H产品库存没有增加。原因是第5 d厂区2发生PCS层故障导致停产检修1 d造成的异常。因此，在第6 d初始，更新现有库存值对剩余25 d的生产计划进行再调度。

经计算，再调度排产方案的生产成本为342.48 ＄·h^-1，相较生产成本最小排产方案339.8 ＄·h^-1略大一些，但也能满足订单需求。综上，对于不符指令或异常的操作行为，若能被及时监控，则可以大大提高生产效率，降低生产成本。

5 结论

本文以传统TE化工过程为基础，根据智能制造价值链横向集成和业务量纵向贯通的特点，利用流程工业多层次建模框架，提出了对传统TE过程进行生产能力与管控能力的扩展设计方案，并以TE过程的纵向扩展为基础，构建了一种基于多智能体仿真系统的设计与实现方案。通过故障仿真和优化仿真的案例表明，该原型系统兼具原TE仿真系统设备层的仿真细节和多层次管控能力仿真的可扩展性，可用于仿真分析化工过程智能化升级带来的效益。