Application of robust statistics on a crude distillation unit
Ham petrol destilasyon ünitesinde sağlam istatistiklerin uygulanması
- Tez No: 453613
- Danışmanlar: DOÇ. DR. BURAK ALAKENT
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Rafineriler, ham petrolü ayrıştıran ve değerli ürünlere dönüştüren oldukça karmaşık ve entegre sistemlerdir. Rafinerilerdeki en önemli süreçlerden birisi ham petrolün rafinerinin diğer bölümlerinde işlenmek üzere ayrıldığı Ham Petrol Destilasyon Ünitesidir (CDU). Ağır Dizel (HD) T95 değeri rafineride önemli bir kalite göstergesidir. Bu çalışmada, süreç değişkenlerini izleme ve HD T95 tahmini için geleneksel ve dayanıklı istatistiksel yöntemler, TÜPRAS İzmit Rafinerisi CDU süreci geçmiş verileri üzerinde uygulanmıştır. Süreç verileri, bir yıllık döneme ait 23 süreç değişkeninin çevrimiçi ölçüm değerlerini ve HD T95'in laboratuvar ölçüm değerlerini içermektedir. Çalışmanın ilk bölümünde, süreç değişkenleri arasındaki ilişkileri tespit edebilmek ve destilasyon sürecindeki anormal çalışma koşullarını ayırt edebilmek için süreç değişkenleri arasındaki ilişkiler analiz edilmiştir. Bu amaçla, süreç verisine Atlanan-Temel Bileşenler Analizi (PCA) ve En Küçük Varyans-Kovaryans Determinantı (MCD)+PCA yöntemleri uygulanmıştır. MCD+PCA yönteminin çalışma koşullarındaki bozuklukların tespitinde daha etkili olduğu tespit edilmiştir. Çalışmanın ikinci bölümünde, En Küçük Kareler yöntemi (LS) ve çeşitli dayanıklı regresyon yöntemlerinin tahmin edici performansları ve kontaminasyon altında tahminlerin kalitelerini belirlemek için RMSE ve MAE metriklerinin kullanım uygunluğunu değerlendirmek amacıyla temiz ve kontamine veriler oluşturularak Monte Carlo (MC) benzetimleri yapılmıştır. En iyi tahmin edici modeller En Küçük Kırpılmış Kareler (LTS) 10%+ En Küçük Kareler (LS) ve LTS20%+LS olarak bulunmuştur. Ayrıca, en yüksek mutlak tahmin hatalarının %70-90'ı dikkate alındığında, RMSE'nin daha güvenilir bir değerlendirme yöntemi olduğu belirlenmiştir. Son bölümde, HD T95 değerleri tahmininde en uygun tahmin yöntemini belirlemek için LS ve dayanıklı regresyon yöntemleri uygulanmış ve karşılaştırılmıştır. En iyi tahmin performansı, %97,5 güven düzeyinde %30 kırpma ile (LTS) yöntemiyle elde edilmiştir. Bu yöntemin tarihsel veri seti üzerine uygulanmasıyla, veri setinin %15'i aykırı gözlem olarak tespit edilmiş ve bu gözlemler veri setinden çıkarıldığı zaman, HD T95 değeri en çok 7 0C hata ile tahmin edilebilmektedir.
Özet (Çeviri)
Refineries are highly complex and integrated systems, separating and transforming crude oil into valuable products. One of the most important processes in refineries is the Crude Distillation Unit (CDU) process, in which raw crude oil is separated into various fractions to be further processed in other parts of the refinery. In the refinery, Heavy Diesel (HD) T95 value is very important quality indicator. In the current study, conventional and robust statistical methods were employed on the historical data of a CDU process in TUPRAS İzmit Refinery for monitoring and HD T95 prediction purposes. Process data consisted of online measurements of process variables and laboratory measurements of HD T95 values for a one-year period. In the first part of the study, trajectories of process variables were analyzed to identify relations between process variables and to distinguish normal from abnormal operating conditions in the distillation history. For this purpose, skipped-Principal Components Analysis (PCA) and Minimum Covariance Determinant (MCD)+PCA methods were applied to process data and MCD+PCA method was found as more efficient method in detecting disturbances in the operation conditions. In the second part of the study, Monte Carlo (MC) simulations were applied by creating clean and contaminated datasets to evaluate predictive performances of LS and various robust regression methods, and to assess the metrics (RMSE, MAE) for evaluating the quality of predictions under contamination. LTS10%+LS and LTS20%+LS were found as best predictive models, and RMSE was found to be reliable in assessing models when 70%-90% of the highest absolute prediction errors were taken into account. In the last section, LS and robust regression methods were applied and compared to select the most convenient prediction method for HD T95 values. The best predictive performance was obtained by LTS30% model with 97.5% CL. By applying this method to historical dataset, 15% of training dataset was detected as outliers and when these outliers were excluded from dataset, the model can predict HD T95 value with a maximum 7 0C error.
Benzer Tezler
- Markov ve Gibbs rastlantı alan modelleri ile doku sentezleme ve sınıflandırma
Texture synthesis and classification using Markov and Gibbs random field models
ERDOĞAN CAMCIOĞLU
Yüksek Lisans
Türkçe
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. ERDAL PANAYIRCI
- Kalman filtresi temelli sensör arıza tespit, teşhis ve ayrıştırma algoritmalarının helikopter dinamik modeline uygulanması
Application of helicopter dynamic modeling of Kalman filter based sensor fault detection, isolation and accommodation algorithms
ÖZLEM DÖKME
Yüksek Lisans
Türkçe
2018
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
- Havacılıkta operasyonel aksaklık sebepli yeni havayolu seçim maliyetlerinin MOORA ve MULTIMOORA ile incelenmesi
Evaluation of new airline selection cost in aviation due to operational irregularities: An application of MOORA and MULTIMOORA methods
ORHAN TAYFUN YILDIZ
Yüksek Lisans
Türkçe
2020
İstatistikİstanbul Ticaret Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÖZLEM DENİZ BAŞAR
- Detecting flemish innovative companies using web scraping
Başlık çevirisi yok
NUSRET İPEK
Yüksek Lisans
İngilizce
2021
İstatistikKatholieke Universiteit Leuven (Catholic University of Leuven)PROF. JAN DE SPİEGELEER