The object of research, development or design (in Russian) : Объекты исследования - первичные и вторичные процессы переработки нефти производства нефтепродуктов (жирных газов, авиационного и моторного топлив и др.).

The object of research, development or design (in Kazakh) : Зерттеу объектілері - мұнай өнімдерін (майлы газдар, авиациялық және мотор отындары және т.б.) өндірудің мұнайды өңдеудің бастапқы және қайталама процестері.

Aim of work (in Russian) : Целью проекта является повышение ресурсоэффективности и энергосбережения технологии приготовления продуктов нефтепереработки (жирных газов, авиационного и моторного топлив и др.) методом гибридного моделирования.

Aim of work (in Kazakh) : Жобаның мақсаты гибридті модельдеу әдісімен мұнай өңдеу өнімдерін (майлы газдар, авиациялық және мотор отындары және т.б.) дайындау технологиясының ресурс тиімділігі мен энергия үнемдеуін арттыру болып табылады.

Методы исследования (на русском) : "Расчёт материального и теплового баланса выполняется численными методами, обеспечивающими согласование экспериментальных и расчетных данных, а также определение распределения потоков и энергопотребления системы. В рамках гибридного подхода применяется сочетание физико-химических моделей и алгоритмов машинного обучения. Нейронные сети и методы регрессии используются для аппроксимации сложных нелинейных зависимостей между параметрами, а алгоритмы оптимизации — для подбора технологических режимов, обеспечивающих максимальную производительность и энергоэффективность. Результаты моделирования интерпретируются с использованием методов анализа чувствительности и валидации моделей по промышленным данным. Это позволяет оценить влияние ключевых факторов на выход целевых продуктов и подтвердить адекватность разработанной гибридной модели для последующего применения в оптимизации и управлении технологическими процессами."

Методы исследования (на казахском) : Материалдық және жылу балансын есептеу эксперименттік және есептік деректерді үйлестіруді, сондай-ақ жүйенің ағындары мен энергия тұтынуының таралуын анықтауды қамтамасыз ететін сандық әдістермен жүзеге асырылады. Гибридтік тәсіл аясында физика-химиялық модельдер мен машиналық оқыту алгоритмдерінің үйлесімі қолданылады. Нейрондық желілер мен регрессия әдістері параметрлер арасындағы күрделі сызықтық емес тәуелділіктерді жуықтау үшін қолданылады, ал оңтайландыру алгоритмдері максималды өнімділік пен энергия тиімділігін қамтамасыз ететін технологиялық режимдерді таңдау үшін қолданылады. Модельдеу нәтижелері сезімталдықты талдау және өнеркәсіптік деректер модельдерін тексеру әдістерін қолдану арқылы түсіндіріледі. Бұл мақсатты өнімдердің шығуына негізгі факторлардың әсерін бағалауға және технологиялық процестерді оңтайландыру мен басқаруда кейіннен қолдану үшін әзірленген гибридті модельдің барабарлығын растауға мүмкіндік береді."

Obtained results and novelty (in Russian) : "Научная новизна выполненных работ заключается в разработке и реализации для условий казахстанского нефтеперерабатывающего предприятия комплексного гибридного подхода. Такой подход (1) формализует технологическую схему в виде диалогового окна с привязкой к реальным эксплуатационным данным; (2) объединяет модуль физико-химической симуляции процесса с математической моделью компаундирования и блоком машинного обучения; (3) дополняет математическое моделирование систематическим DOE-анализом чувствительности и оценкой поблочной маржинальности. Это позволяет прогнозировать качество и выходы продуктов, ранжировать потоки и режимные параметры в экономический результат за счет машинного обучения. "

Obtained results and novelty (in Kazakh) : "Орындалған жұмыстардың ғылыми жаңалығы қазақстандық мұнай өңдеу кәсіпорнының жағдайлары үшін кешенді гибридті тәсілді әзірлеу мен іске асыруда жатыр. Бұл тәсіл (1) Технологиялық схеманы нақты пайдалану деректерімен байланыстырылған диалогтық терезе түрінде ресімдейді; (2) процестің физика-химиялық модельдеу модулін математикалық құрастыру моделімен және машиналық оқыту блогымен біріктіреді; (3) математикалық модельдеуді жүйелі Doe сезімталдығын талдаумен және блоктық маржаны бағалаумен толықтырады. Бұл өнімнің сапасы мен шығымдылығын болжауға, ағындар мен режим параметрлерін Машиналық оқыту арқылы экономикалық нәтижеге бөлуге мүмкіндік береді. "

The main constructive and technical economic indicators (in Russian) : "К основным конструкторским показателям относятся построение технологической схемы в виде диалогового окна с привязкой к реальным эксплуатационным данным; разработка параметров свойств компонентов нефтепродуктов с учётом их нелинейности; реализация обмена данными между симулятором процесса и модулем компаундирования; создание набора верификационных сценариев (не менее 10 промышленных кейсов) для регулярной проверки модели. К технико-экономическим показателям относятся достигнутые метрики прогнозной точности (MAE по RON ≤ 0,6 пункта; погрешность по сере ≤ 10 % от спецификации; отклонение по RVP ≤ 0,2 psi), высокая объяснённая вариация целевых свойств (82,6 %) и устойчивость результатов чувствительного анализа (91 %). Разработанная модель поблочной маржинальности создают инструмент для оценки экономической эффективности вариантов изменения состава сырья, рецептур компаундирования и режимных параметров без вмешательства в реальный технологический процесс, что формирует основу для последующего количественного расчёта эффекта по снижению удельных затрат на энергию, сокращению выпуска некондиционного продукта и повышению ресурсоэффективности переработки."

The main constructive and technical economic indicators (in Kazakh) : "Негізгі конструкторлық көрсеткіштерге нақты пайдалану деректерімен байланыстырылған диалогтық терезе түріндегі технологиялық схеманы құру; мұнай өнімдерінің құрамдас бөліктерінің қасиеттерінің параметрлерін олардың сызықтық учетомстігін ескере отырып әзірлеу; процесс симуляторы мен компаундтау модулі арасында деректер алмасуды іске асыру; үлгіні тұрақты тексеру үшін верификациялық сценарийлер жиынтығын (кемінде 10 өнеркәсіптік кейс) құру жатады. Техникалық-экономикалық көрсеткіштерге болжамды дәлдіктің қол жеткізілген көрсеткіштері (RON ≤ 0,6 пункті бойынша MAE; спецификациядан ≤ 10% күкірт бойынша қателік; RVP ≤ 0,2 PSI бойынша ауытқу), нысаналы қасиеттердің жоғары түсіндірмелі вариациясы (82,6 %) және сезімтал талдау нәтижелерінің тұрақтылығы (91%) жатады. Блоктық маржаның әзірленген моделі шикізат құрамын өзгерту нұсқаларының экономикалық тиімділігін бағалау құралын жасайды, нақты технологиялық процеске араласпай композициялық формулалар мен режим параметрлері, бұл энергияның нақты шығындарын азайту, кондиционерленбеген өнім шығаруды азайту және өңдеудің ресурстық тиімділігін арттыру бойынша әсерді кейіннен сандық есептеу үшін негіз болады."

Level of implementation (in Russian) : На данном этапе внедрение не предусмотрено.

Level of implementation (in Kazakh) : Осы кезеңде енгізу қарастырылмаған.

Efficiency (in Russian) : Эффективность работы можно расчитать только после внедерения, на даннном этапе не предусмотрены.

Efficiency (in Kazakh) : Жұмыстың тиімділігін тек енгізуден кейін ғана есептеуге болады, осы кезеңде ол қарастырылмаған.

Field of application (in Russian) : Результаты проекта могут быть использованы в работе научно-исследовательских организаций, образовательных учреждениях, научном сообществе, производственных предприятиях. Область применения – нефтепереработка, нефтехимия. Данные будут опубликованы в статьях.

Field of application (in Kazakh) : Жобаның нәтижелері ғылыми-зерттеу ұйымдарының, білім беру мекемелерінің, ғылыми қауымдастықтың және өндірістік кәсіпорындардың жұмысында қолданылуы мүмкін. Қолдану саласы – мұнай өңдеу, мұнай химиясы. Деректер мақалаларда жарияланатын болады.