БЕНЗОЛДЫҚ КОЛОННА ШЫҒЫСЫНДАҒЫ БЕНЗОЛДЫҢ САПАЛЫҚ КӨРСЕТКІШТЕРІН БАҒАЛАУ ҮШІН ЛИНГВИСТИКАЛЫҚ МОДЕЛЬДЕРІН ҚҰРУ

Қазіргі уақытта мұнай-химия өнеркәсібінің қарқынды дамуына және оның өнімдеріне сұраныстың артуына байланысты сапалы бензол өндіру нысандарының өнімділігін олардыің модельдері негізінде арттыру өзекті ғылыми-практикалық міндетке айналды. Өндірісте бензол сапасының негізгі көрсеткіштері бензол өндіру процесін басқаратын оператор-технологлардың және зауыт зертханасы мамандарының тәжірибесі мен біліміне сүйене отырып, айқынсызда бағаланады. Бұл мақалада бензолдық колонна сияқты нашар формализацияланатын, айқын емес кіріс, шығыс параметрлерімен сипатталатын технологиялық нысандардыжұмыс режимдерін модельдеуге, оптимизациялауға мүмкіндік беретін лингвстикалық модельдерін синтездеу тәсілі ұсынылған. Ұсынылған тәсіл негізінде зерттеу нысаны болып табылатын Атырау мұнай өңдеу зауытының бензолдық колоннасында өндірілетін бензолдың негізгі сапа көрсеткішін бағалаудың лингвистикалық модельдері синтезделді. Алынған лингвистикалық модельдер – ережелер базасы арқылы Fuzzy Logic Toolbox қосымшасынлда зерттелетін бензол колоннасының әртүрлі жұмыс режимдерін айқынсыздықта модельдеу және оптимизациялау жүргізілді. Нәтижесінде жоғары сапалы бензолдың көлемін максимизациялауға мүмкіндік беретін бензолық колоннаның оптималды жұмыс режимі анықталды. Айқынсыздықта күрделі технологиялық нысандардыің лингвистикалық модельдерін синтездеу үшін ұсынылған тәсілдің жаңалығы мен маңыздылығы кіріс және шығыс параметрлері айқын емес нысандардың тиімді лингвистикалық модельдкерін құруға мүмкіндік беруінде. Зерттеу нысанының құрылған лингвистикалық модельдерінің практикалық маңыздылығы айқынсыздықта модельдеу арқылы оның жұмыс режимдерін айқын емес ортада оптимизациялауда.

1. Suleimenov E.Zh. Technological regulations for a benzene production unit / E.Zh. Suleimenov. – Atyrau: Publishing House of Atyrau University of Oil and Gas, 2022. – 167 p.

2. Orazbayeva K.N. Research and construction of mathematical models of reforming section reactors for automated control of a benzene production unit / K.N. Orazbayeva, G.T. Serikova, R.G. Sarmurzina // Scientific and technical journal «Automation, telemechanization and communication in the oil industry». – Moscow: VNIIOENG, 2020. – № 3. – Р. 33-36.

3. Methods of Multi-Criteria Optimization of Technological Processes in a Fuzzy Environment Based on the Simplex Method and the Theory of Fuzzy Sets / B. Orazbayev et al // Mathematics. – 2024. – Vol. 12. – Р.1-22. https://doi.org/10.3390/math12182856.

4. Krivonogov A.A. Application of the Method of Expert Assessments in Determining the Level of Criticality of the Information Security Vulnerability of Smart Contracts / A.A. Krivonogov, Y.N. Philippovich, S.A. Kesel // Software Engineering Application in Systems Design (CoMeSySo. – 2022). Lecture Notes in Networks and Systems, Springer, Cham. – 2023. – Vol 596. https://doi.org/10.1007/978-3-031-21435-6_45.

5. Zimmermann H.-J. Fuzzy Set Theory – and Its Applications: Springer Science+Business Media, LLC / H.-J. Zimmermann // Fifth. Edition, 2023. – 527 p. https://doi.org/10.1007/978-94-010-0646-0.

6. Koveshnikov A.V. Processes for producing benzene by hydrodealkylation of aromatic oxygencontaining raw materials / A.V. Koveshnikov. – Moscow: Oil and Gas. – 2023. – 235 p.

7. Petrov I.Ya. Benzene production from naphtha in oil refineries under deterministic conditions / I.Ya. Petrov, A.G. Byakov, V.N. Dopshak // Chemical Technology. – 2023. – Vol. 48, № 3. – Р. 120-133.

8. Zhilin V.F. Synthesis and technology of producing benzene and toluene / V.F. Zhilin // Russian Chemical Journal. – 2024. – Vol. 55, № 2. – Р. 104-115.

9. Franck H.G. Production and uses of benzene derivatives / H.G. Franck, J.W. Stadelhofer // In: Industrial Aromatic Chemistry. Springer, Berlin, Heidelberg. – 2020. – Vol. 55, № 1. – Р. 132-235. https://doi.org/10.1007/978-3-642-73432-8_5.

10. One-Pass Conversion of Benzene and Syngas to Alkylbenzenes by Cu–ZnO–Al2O3 and ZSM5 Relay / T. Han et al // Catal Lett. – 2022. – Vol. 152. – Р. 467-479. https://doi.org/10.1007/s10562-021-03617-5.

11. Multi-objective Optimization Using Fuzzy and Weighted Sum Approach for Natural Gas Dehydration with Consideration of Regional Climate / Z.Y. Kong et al // Process Integr Optim Sustain. – 2022. – Vol. 6. – Р. 845-862. https://doi.org/10.1007/s41660-022-00247-1.

12. Sarmurzina R.G. Formulation and solution of the problem of selecting optimal operating modes for a benzene production complex in a fuzzy environment / R.G. Sarmurzina, K.N. Orazbayeva // Bulletin of Al-Farabi Kazakh National University, series: mathematics, mechanics, informatics. – 2018. – № 4(67). – P. 170-175.

13. Emelyanova Yu.V. Spectroscopic methods of analysis in analytical chemistry / Yu.V. Emelyanova, M.V. Morozova, E.S. Buyanova // Publishing house of the Ural. University, Ekaterinburg, 2017. – 88 p.

14. Akash M.S.H. Introduction to Spectrophotometric Techniques / M.S.H. Akash, K. Rehman // In: Essentials of Pharmaceutical Analysis. Springer, Singapore. – 2020. – Р. 19-27. https://doi.org/10.1007/978-981-15-1547-7_2.

15. Devore J.L. Modern Mathematical Statistics with Applications / J.L. Devore, K.N. Berk, M.A. Carlton // Springer International Publishing, 2021. – 212 p.

16. Ivanov B.N. Probability Theory and Mathematical Statistics / B.N. Ivanov. – M. Lan, 2024. – 307 p.

17. Bronevich A.G. Statistical classes and fuzzy set theoretical classification of probability distributions / A.G. Bronevich, A.N. Karkishchenko // Statistical Modeling, Analysis and Management of Fuzzy Data. Studies in Fuzziness and Soft Computing, Physica, Heidelberg. – 2022. – Vol. 87. – Р. 173-195. https://doi.org/10.1007/978-3-7908-1800-0_12.

18. Methods Based on Fuzzy Set Theory / J.N. Mordeson et al // Linear Models in the Mathematics of Uncertainty. Studies in Computational Intelligence, Springer, Berlin, Heidelberg. – 2022. – Vol. 463. – Р. 99-114. https://doi.org/10.1007/978-3-642-35224-9_10.

19. Leonkov A.V. Fuzzy Modeling in Matlab and FuzzyTech / A.V. Leonkov // BHV: St. Petersburg, 2nd ed., 2022. – 727 p.

20. Roger Jang J.-S. MATLAB: Fuzzy Logic Toolbox / J.-S. Roger Jang // User's Guide. Springer International Publishing, 2020. – 208 p.