【書類名】 明細書
【発明の名称】 潤滑剤の製造を制御する方法
【特許請求の範囲】
【請求項１】
特定の用途向けの潤滑剤製品の製造に用いる候補潤滑剤基油の潤滑剤性能を予測する方法であって、該候補潤滑剤基油は、複数の組成成分により特徴づけられ、該複数の組成成分は、複数の潤滑剤基油に共通し、各々の組成成分は該潤滑剤基油に対して量が異なり、
潤滑剤基油中の複数の組成成分の内、それらの組み合わせで特定の用途向けの潤滑剤性能の証拠となる、特定の組成成分を識別する工程と、
粘度が異なる複数の潤滑剤製品に関する複数の性能試験により、二つ以上の粘度にて、識別済組成成分の組合せについての許容可能範囲を決定して、該二つ以上の粘度の各粘度での潤滑剤製品に関する組成モデルを定める工程と、
候補潤滑剤基油の粘度値とは異なる粘度値での少なくとも二つの組成モデルのパラメータを調節することによって、上記選択された二つ以上の粘度とは異なる粘度を有する候補潤滑剤基油について粘度の相違を調節する工程と、
候補潤滑剤基油中の識別済組成成分の量を決定する工程と、
候補潤滑剤基油の粘度での、識別済組成成分の組合せでの許容可能範囲を導く工程と、
候補潤滑剤基油中の組合せにおける各識別済組成成分の量が、識別済組成成分についての許容可能範囲内であるか否かを決定する工程とを含む方法。
【請求項２】
特定の潤滑剤用途向けの潤滑剤基油を製造するために、複数の石油精油所ストリームの中から石油精油所ストリームの組合せをブレンドする方法であって、各々の石油精油所ストリームが、複数の組成成分により特徴づけられる潤滑剤基油に有用であり得、該複数の組成成分は、複数の潤滑剤基油に共通し、各々の組成成分は各潤滑剤基油に関して量が異なり、
潤滑剤基油中の複数の組成成分の内、それらの組み合わせで特定の用途向けの潤滑剤性能の証拠となる、特定の組成成分を識別する工程と、
粘度が異なる複数の潤滑剤製品に関する複数の性能試験により、二つ以上の粘度にて、識別済組成成分の組合せについての許容可能範囲を決定して、該二つ以上の粘度の各粘度での潤滑剤製品に関する組成モデルを定める工程と、
石油精油所ストリームのブレンドの粘度値とは異なる粘度値での少なくとも二つの組成モデルのパラメータを調節することによって、上記選択された二つ以上の粘度とは異なる粘度を有する石油精油所ストリームのブレンドについて粘度の相違を調節する工程と、
石油精油所ストリームのブレンドの粘度での、識別済組成成分の組み合わせの許容可能範囲を誘導する工程と、
複数の石油精油所ストリームから製造しようとする潤滑剤基油に関する、石油精油所ストリーム中の識別済組成成分の量を決定する工程と、
上記で誘導した特定の用途向けの潤滑剤基油の前記識別済組成成分に関する許容可能範囲内にある識別済組成成分の組合せに応じて石油精油所ストリームのブレンドの組成を決定する工程と、決定した組成に従って石油精油所ストリームをブレンドする工程とを含む方法。
【請求項３】
精製することによって、石油精油所ストリームから、特定の用途向けの潤滑剤製品の製造に用いられる潤滑剤基油を製造する方法であって、前記潤滑剤基油および前記石油精油所ストリームは、複数の組成成分により特徴づけられ、該複数の組成成分は、潤滑剤基油および石油精油所ストリームに共通し、各々の組成成分は、各潤滑剤基油および各石油精油所ストリームに関して量が異なり、
潤滑剤基油中の複数の組成成分の内、それらの組み合わせで特定の用途向けの潤滑剤性能の証拠となる、特定の組成成分を識別する工程と、
粘度が異なる複数の潤滑剤製品に関する複数の性能試験により、二つ以上の粘度にて、識別済組成成分の組合せについての許容可能範囲を決定して、二つ以上の粘度の各粘度での潤滑剤製品に関する組成モデルを定める工程と、
精製により製造される潤滑剤基油の粘度値とは異なる粘度値での少なくとも二つの組成モデルのパラメータを調節することによって、上記選択された二つ以上の粘度とは異なる粘度を有する精製により製造される潤滑剤基油について粘度の相違を調節する工程と、
潤滑剤基油の粘度での、識別済組成成分の組み合わせの許容可能範囲を誘導する工程と、
特定の用途に関して、潤滑剤基油について選択された粘度での潤滑剤基油において必要とされる識別済組成成分の量を決定する工程と、
前記識別済組成成分に関して、組み合わせで潤滑剤基油の許容可能範囲内にない石油精油所ストリーム中の識別済組成成分の量を決定する工程と、
特定の用途向けの潤滑剤基油の前記識別済組成成分に関する許容可能範囲内の識別済組成成分の組合せを有する潤滑剤基油を製造するために石油精油所ストリームを精製する工程とを含む方法。
【発明の詳細な説明】
【０００１】
本発明は石油系潤滑剤の製造に関する。より詳しくは、本発明は、最終潤滑剤製品の品質およびその性能を組成パラメータに関係づける予測技術を含む方法によって、精製およびブレンドによる潤滑剤品質および潤滑剤製造プロセスを制御する方法に関する。
【０００２】
潤滑油は、通例、２３２℃（４５０°Ｆ）より上の沸点を有する石油留分に基づいている。炭化水素成分の分子量は高く、これらの成分は、主に炭化水素成分のもとになる原油のタイプに応じて考えられる殆どすべての構造および構造タイプを示す。
【０００３】
潤滑剤精製の原理は、経験またはアッセイによって示されるように、適当な原油を、例えば、適切な粘度、酸化安定性および低温での流動性の維持などの所定の特性セットを有する潤滑剤基油に精製できることにある。潤滑剤基油を単離するために用いられる精製プロセスは、現在、好ましくない成分を除去する一組の減法単位操作から成っている。これらの単位操作には、蒸留、溶媒精製、水素処理および脱蝋が挙げられ、それらの各々は基本的に別個のプロセスである。
【０００４】
潤滑剤基油（すなわち、精製原油由来）は潤滑剤成分として使用できるか、あるいは潤滑剤基油は、多少異なった特性を有するもう一つの潤滑剤基油とブレンドすることが可能である。潤滑剤として使用する前の特定の基油は、従来通り、酸化防止剤、極圧添加剤、粘度指数（ＶＩ）改善剤などの一種以上の添加剤とコンパウンドされる。本明細書において用いられる「ストック」という用語は、その用語がさらに修飾されるか否かに関係なく、添加剤のない炭化水素油のみを意味する。「溶媒−精製ストック」または「ラフィネート」という用語は、例えば、フルフラールで溶媒抽出された油を意味する。「脱蝋ストック」という用語は、中に含まれたワックスを除去するか、あるいは別のものに変化させるためのいずれかの方法によって処理され、それによって、その流動点が低下した油を意味する。本明細書において用いられる「ワックス質」という用語は、４℃（＋２５°Ｆ）より高い流動点をもたらすのに十分なワックス含有量の油を意味する。「基油」という用語は、自動車油、船油、油圧油などの製造といった幾つかの特定の最終用途に適するように精製された油を意味する。
【０００５】
高級潤滑油基油の製造のための現行実施技術を図１に示している。全体のプロセスを１０と呼ぶ。第１の工程は、適切な原油の常圧塔残油を減圧蒸留することである（工程１００）。この工程は、軽質１５（７００〜８００°Ｆ）（３７１〜４２７℃）、中２０（８１０〜８９０°Ｆ）（４３２〜４７７℃）および重質３０中性分（８９０〜１０００°Ｆ）（４７７〜５３８℃）ならびに減圧残油４０と呼ばれる７００〜１０００°Ｆ（３７１〜５３８℃）の沸点範囲内の一種以上のローストック（raw stock）を提供する。各ストックは、異なる粘度範囲によって特徴付けられる。例えば、軽質中性ストックが最低の粘度範囲（１００℃で３．５〜５．５ｃＳ ＫＶ）を有し、重質中性ストックが最高の粘度範囲（１００℃で１０．０〜１５．３ｃＳ ＫＶ）を有する。調製後、各ローストックは、芳香族炭化水素に関して選択性であると共に、好ましくない成分を除去する溶媒、例えば、フルフラール、フェノールまたはクロレックスで抽出される（工程１４０）。減圧残油１４０は、通常、溶媒抽出の前に、アスファルト物質を除去する別の工程を要する（工程１２０）。溶媒精製から得られたラフィネートは、一般に非常にワックス質であり、一般に脱蝋操作を要する（工程１６０）。ラフィネートの脱蝋は、一般に、基油に関して所定の流動点または目標流動点をもたらす条件下での溶媒脱蝋または接触脱蝋によって行われる。
【０００６】
潤滑剤基油製造の技術は、さらに、脱蝋されたストックを水素処理する別の工程を要してもよい（工程１８０）。水素処理は、最終潤滑剤製品の仕様に応じて、潤滑剤性能に不利でありうる特定の不純物を除去するためのストックへの水素の添加である。水素処理は、水素が硫黄と結合して硫化水素を生成することから、硫黄を除去するために特に有用である。脱蝋工程（工程１６０）または水素処理工程（工程１８０）のいずれか、あるいはその両方により、最終潤滑剤組成物用の基油として用いるのに十分な品質のストックを提供することができる。
【０００７】
次に、適当な物質または添加剤を、基油の潤滑特性を高め、要求される仕様、例えば粘度指数（ＶＩ）（図６に示した）を満たすように基油に添加する。
【０００８】
歴史的に、潤滑剤の製造には融通性がなかった。新しい粗原料源から製造される基油は、「新」基油であると考えられ、潤滑剤として用いるために承認されなければならない。潤滑剤基油承認システムでは、新しい粗原料から製造される基油は、潤滑油として使用できるようになるまでに、高価で時間がかかる承認プロセスを受けることが必要である。新しい粗原料または新基油から製造されるサンプルの完全な承認には、終了までに一般に５〜１０ヶ月を要する広範なベンチ試験およびエンジン試験を必要とする。プロセス条件の変更にも、さらなるベンチ試験およびエンジン試験を伴う再承認が必要になる。ベンチ試験およびエンジン試験の高いコストは、最もよく用いられる粗原料を除くすべてのプロセス条件の最適化を妨げる。さらに、このシステムを合理化する必要性は、少なくとも一部の地理的場所からの粗原料ミックスの急激な変化、購入基油に対する品質の懸念、高い潤滑剤融通性により得られる経済的利益に対する意欲の結果として、益々重要になってきた。従って、潤滑剤製造における融通性を高め、潤滑剤粗原料、基油およびこれらのストックのブレンドに関する承認システムを合理化することが技術上必要とされている。
【０００９】
本発明によれば、特定の用途向けの潤滑剤の製造に用いるための潤滑剤基油を、特定の方法によって選択することができる。候補潤滑剤基油は、すべての潤滑剤基油に共通している複数の組成成分により特徴付けられ、各組成成分は、各基油に対して量が異なる。最終潤滑剤製品における潤滑剤基油の性能を予測するモデルは、組合わせにより特定の用途向けの潤滑剤性能の証拠となる、潤滑剤基油中の複数の組成成分の内のいくつかの特定成分を識別することにより作製される。
【００１０】
次に、各々が異なる粘度を有する複数の潤滑剤製品に要求される複数の性能試験により識別された識別済組成成分の組合せについて、許容可能範囲を決定する。許容可能領域を決定した後、好ましくは、複数の性能試験により識別された識別済組成成分の組合せに関して決定された、他の少なくとも１つの粘度が異なる基油の許容可能範囲から、組成成分の量を予測することにより、各潤滑剤基油の粘度の相違に対する調節を行う。その後、候補基油を分析して、識別済成分の量を決定する。次に、候補基油中の各識別済成分の量が、その組み合わせにおいて、許容可能性能範囲内であるか否かを決定する。
【００１１】
その組成が組成モデルによって予測された許容可能領域外にある潤滑剤基油もまた、ブレンドして満足な性能の潤滑剤とすることができる。この方法は、上述したように、許容可能領域の決定および粘度の相違の調節から始める。次に、相補的な組成を有する二種以上の潤滑剤基油を選択する。組成モデルによって予測される許容可能領域内において、最終潤滑剤組成を得るために必要な各成分の組み合わせ量を計算する。その後、潤滑剤基油をブレンドする。
【００１２】
潤滑剤の製造に用いられる精油所ストックの範囲において、水素処理条件、溶媒処理速度および温度などの既知の精製パラメータの影響を利用して、予測モデルを、潤滑剤製造プロセスに利用することも可能である。この予測モデルの別の利用において、特定の用途向けの潤滑剤の製造に用いられる、精油所ストリーム由来の潤滑剤基油は、基油および精油所ストリームに共通している複数の組成成分によって特徴付けられる。この方法は、上述したように、許容可能領域の決定および粘度の相違の調節から始める。次に、許容可能潤滑剤性能にその組み合わせで必要とされる識別済組成成分の量を、潤滑剤基油について同定し、精油所ストリーム中の識別済成分の量が、それを組み合わせて、こうした識別済成分に関する許容可能範囲外であることを決定する。その後、精油所ストリームを精製して、モデルによって決定された許容可能範囲内の識別済成分の組合せを有する潤滑剤基油を製造する。
【００１３】
この技術を拡大することによって、潤滑剤基油に精製すべき石油精油所ストリームの組合せを、その後に所望の最終ストックに加工することができる精油所ストリームにブレンドすることができる。この方法は、上述したように、許容可能領域の決定および粘度の相違の調節から始める。次に、精油所ストリームから精製しようとする潤滑剤基油について、識別済組成成分の量を同定し、モデルによって決定された許容可能範囲において、識別済成分の組合せに従ってブレンドの組成を決定する。その後、決定された組成に従ってストリームをブレンドし、精製する。一の変法において、精油所ストリームは粗原料である。この実施形態のもう一つの変法において、精油所ストリームは、精油所内の単位プロセスのいずれか一つから選択される。
【００１４】
本発明において、コンピュータモデル（図７の８０１）を作製し、複数の粘度を有する複数の製品に用いられる潤滑剤基油の品質の予測に用いる。このモデルは、複数の粘度を示す複数の製品に関する主要組成パラメータおよび性能基準の定量的分析に基づいている。こうしたモデルは、本明細書において総合組成モデルと呼び、以後に示すように、通常且つ好ましくは、特定の粘度について開発された組成モデルから構成される。
【００１５】
組成モデルは、特に、新しい潤滑剤基油の組成が、過去に性能試験に合格したか不合格であった既知の潤滑剤基油組成と類似するか否かを予測する。かくして、複数の製品において許容可能性能を示した潤滑剤基油と照らして、新しい潤滑剤基油組成を評価する。
【００１６】
基油特性の統計的分析により、潤滑剤性能を、基油の化学組成から予測できることが示されている。特に、潤滑剤性能の総合予測を得るために、種々の化学組成パラメータを組み合わせる。図２は、本発明の一つの実施形態による基油の潤滑剤性能を予測する方法を示すプロセス流れ図である。組成モデルに組み込まれた組成パラメータは、潤滑剤性能に有意に寄与すると識別された基油の化学成分である（工程２００）。こうした成分の例は、例えば、総硫黄、脂肪族硫黄、塩基性窒素、芳香族分布、窒素、脂肪族化合物分布、脂肪族鎖分岐度、分子量分布またはそれらのあらゆる組合せである。好ましい実施形態は、総硫黄、脂肪族硫黄、塩基性窒素、総芳香族化合物、芳香族環分布またはこれらのパラメータの組合せを含む。
【００１７】
最終潤滑剤組成物における基油の潤滑剤性能を正確に予測する組成モデルを作製するために、最小限、ファクターの内の二つのみを用いる。標準的な分析化学技術に従って、すべての成分を定量的に決定する。例えば、総芳香族化合物をＵＶスペクトルの化学計測相関から決定する。詳しくは、パーキンエルマーＬａｍｂｄａ１９スペクトルメータを用いる。芳香環を分類するために当業者に公知の従来技術によって芳香環分布を決定する。塩基性窒素をＡＳＴＭ方法Ｄ２８９６に準拠して決定する。総硫黄をＡＳＴＭ方法Ｄ２６２２に準拠して決定する。Ａｎａｌ．Ｃｈｅｍ．２７，４９５（１９５５）およびＡｎａｌ．Ｃｈｅｍ．３９，１８１９（１９６７）においてドルシェル（Ｄｒｕｓｈｅｌ）およびミラー（Ｍｉｌｌｅｒ）によって記載された技術による脂肪族硫黄の沃素錯体の定量化に従って、脂肪族硫黄含有率をＵＶスペクトロメトリーで決定することができる。３１０ｎｍで錯体の吸光度を適切に測定するこの方法は、潤滑剤ストックに元来存在する窒素化合物および芳香族炭化水素による干渉がなく、脂肪族硫黄の信頼できる測定法である。
【００１８】
組成モデルの性能パラメータの決定（工程２１０）は、粘度が異なる複数の製品の性能を評価することを含む。以下に記載するような、潤滑剤製品の粘度の相違に応じた組成モデルのパラメータの相違は、粘度に応じて組成パラメータを基準化するのに比べて、優れた潤滑剤性能予測を提供する。従って、製品の粘度は、製品の最終用途の関数である。例えば、組成モデルの性能パラメータには、自動車エンジン潤滑剤のエンジン油性能、船用エンジン潤滑剤の船用エンジン性能、工業装置潤滑剤の工業装置性能および油圧潤滑剤の油圧性能が含まれる。各用途に応じて異なった粘度の製品が要求されるので、組成モデルは、３．５から少なくとも２０ｃＳ（１００℃）の範囲の複数の動粘度を包含する。
【００１９】
粘度の相違に対する調節は、異なる粘度で得られた異なる決定済パラメータを有する類似の組成モデルから誘導される単純な直線内挿によって行うことができる。好ましくはないが、同じ粗原料から類似の粘度指数に加工されたサンプル間の粘度の相違に関するモデルパラメータではなく、組成を基準化することによって粘度変化を調節することも可能である。組成ファクターは、指数法則に従って粘度に対応する。この指数法則において、選択された温度および粘度での組成は、選択された温度および基準温度における粘度間の比のベキ乗（ｐｏｗｅｒ）によって基準化された基準粘度での組成と関連づけられる。この関係において、指数の値は、典型的には、（測定単位およびおそらく他の実験的に決定されたファクターに応じて）上述した組成ファクターに関して−２から２まで変化し、多くの場合においては、値は０．１〜１．０の範囲内にある。基準化関係における最高の感度は、塩基性窒素含有率に関して存在し、最小の感度は、同等の中間順位を占める総芳香族化合物、多環式芳香族化合物（二以上の環）、および硫黄（総硫黄および脂肪族硫黄）に関して存在することが判明した。
【００２０】
組成モデルによって決定された範囲外の粘度の僅かな相違もまた、外挿することが可能である。タイプごとに単一粘度値を使用するのでなく、限られた範囲の粘度値を使用し、潤滑剤タイプ（例えば、軽質および重質の中性分）ごとの組成モデルを作製することが十分であることが見出された。以後に示すように、総合組成モデルは個別の組成モデルを包含する。
【００２１】
性能パラメータの限界は、特定の製品および対応する粘度に特有の工業標準性能試験によって決定される。例えば、軽質中性分から製造された製品の場合、潤滑剤性能を評価できる性能試験の例として、以下の性能試験（特定の用途および許容可能性能レベルを併記する）を用いることができる。潤滑剤製造業者の標準要件に従って他の性能試験を用いてもよい。
【表１】
【００２２】
重質中性分から製造される製品の場合、潤滑剤性能を評価できる性能試験の例として、以下の性能試験（特定の用途および合格性能レベルを併記する）を用いることができる。潤滑剤製造業者の標準要件に従って他の性能試験を用いてもよい。
【表２】
【００２３】
こうした試験は、性能試験の当業者に知られている。組成モデルを作製する目的で、上述した試験のいずれか一つにより試験される場合に、潤滑剤製品は、「合格」または「不合格」のいずれかに指定される。
【００２４】
次に、良好な潤滑剤性能を示す多次元空間における許容可能領域を、主要組成パラメータに対する性能境界（すなわち、「合格」または「不合格」）を定めることにより決定する。これを、広範囲の製品用途および粘度にわたって行う。その後、こうした許容可能領域を、組成モデルで表す。最終的には、可能な限りの基油組成および粘度にわたって、組成モデルにより潤滑剤性能を予測することが可能になる。
【００２５】
総合組成モデルを開発する（工程２２０）ために、最初に、別個の組成モデルを、特定の粘度に関して開発する。試験粘度に関するモデルパラメータを、試験粘度より高く、最も近い粘度におけるモデルのパラメータと試験粘度より低く、最も近い粘度におけるモデルのパラメータ間に内挿することにより見つける。以下は、最初に軽質中性粘度（１００℃の動粘度４．５ｃＳｔ）および重質中性粘度（１００℃の動粘度１２．５ｃＳｔ）について別個の組成モデルを開発することにより総合組成モデルを開発する方法を記載する。これらの粘度で試験されたサンプルの粘度のわずかな相違（例えば、粘度グレード内での）は、粘度に対する組成の典型的な傾向に従って組成を基準化することにより考慮した。当業者であれば、同じ粗原料から得られた複数の粘度を有する組成の傾向に当てはめることにより容易にこれらを決定することができる。
基準化された組成＝（１００℃ｙ ＫＶにおける組成）×（ｙ／基準粘度）＾ｚ。式中、＾は、「〜のベキ乗に対して用いられ」、１００℃における基準動粘度は４．５または１２．５ｃＳｔであり、ｚは一般に０〜１の間である。
【００２６】
上述したことを考慮して、個々の組成モデルに関する許容可能領域の開発（工程２２０）は、あらゆる粘度の基油に関して同じである。一連の基油を、同じ粘度範囲の基油を用いる複数の製品配合物について、性能試験する。好ましくは、個々の潤滑剤製品配合物は、異なる用途、すなわち、自動車用、油圧用、工業用の潤滑剤製品である。本明細書に記載のように、この領域は、配合物ごとの「合格」である点を囲んで描かれ、こうした領域は「不合格」基油を排除する。
【００２７】
許容可能領域、すなわち、配合物ごとの「合格」である点を囲んで描かれる領域を決定するために用いられる方法は、好ましくは、性能試験データのクラスター分析に関する技術である。こうした技術の１つは、例えば、シャラフ（Ｍｕｈａｍｍａｄ Ａ．Ｓｈａｒａｆ）、イルマン（Ｄｅｂｏｒａｈ Ｌ．Ｉｌｌｍａｎ）およびコワルスキー（Ｂｒｕｃｅ Ｒ．Ｋｏｗａｌｓｋｉ）のＣｈｅｍｏｍｅｔｒｉｃｓ，Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，Ｉｎｃ．，Ｎｅｗ Ｙｏｒｋ １９８６によって記載されたＳｏｆｔ Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ａｎａｌｙｓｉｓ（ＳＩＭＣＡ）である。ＳＩＭＣＡモデルは、エンジン試験に合格したか合格しなかったかのいずれかであった基油組成をモデル化するために構築された。しかし、ＳＩＭＣＡモデルは、先ず、基油の特性を選別するために用いられる種々の特徴または変数選択技術に依存している。この選別技術により、分類モデルに関して最適な入力が決定される。合格エンジン試験と不合格エンジン試験との間を判別する変数を選択するために、二つの単変量論である分散重みおよびフィッシャーの重みが用いられる。
【００２８】
分散重みは、所定の特性に関するカテゴリー内分散とカテゴリー内分散の合計の比である。それは二つの分布間の距離を近似する。例えば、基油の％芳香族留分に関する全分散は、Ｃａｔｅｒｐｉｌｌａｒ １−Ｇエンジン試験に合格するために計算され、合格試験に関する分散の合計によって除される。ｎ＞２カテゴリーに関する全体の分散重みは、個々のカテゴリー分散重みの幾何平均である。分散重みは以下の式によって与えられる。
【数１】
式中、
ｗ＝二つのカテゴリーに関する分散重み
ｘ＝基油組成パラメータ、すなわち、硫黄、脂肪族硫黄、塩基性窒素または芳香族分布。
Ｎ＝所定のクラス内のサンプルの数
ＰまたはＦ＝合格データまたは不合格データを表す。
【００２９】
以下は、二つの基油クラスターに関する分散重みの例である。
【００３０】
【表３】
【００３１】
より大きい数値は、カテゴリーが合格試験と不合格試験とを判別する可能性がより高いことを示す。この例において、チオフェンに関する最大数は、それが最も有意であることを示している。こうして、分析において先ず最も有意なカテゴリーの使用を選択することができる。
【００３２】
フィッシャーの重みは、変数の判別用ベキ乗を決定するために、分散の合計で除した二つの分布における平均値間の距離を用いる。結局、ｎ＞２のカテゴリーに関するフィッシャーの重みは、個々のカテゴリーのフィッシャー重みの平均である。フィッシャーの重みは、以下によって与えられる。
【数２】
【００３３】
ＳＩＭＣＡ法は、クラス、すなわち、合格／不合格についてのモデルを構築するために主成分分析を用いている。因子分析は、クラスごとの有意な化学パターンを計算するために用いられる。有意パターンは主成分として知られている。主成分分析は、データ圧縮のための便利な方法を提供する。それは、データ中のいかなる共直線性も除去して、正規直交基準を基準としたデータ（基油組成）の回転も提供する。主成分は、データ（基油特性）に関する新しい軸組を形成する。
【００３４】
二つの主要な統計的検定であるＦ−検定およびマハラノビスの距離は、組成モデルを評価するために用いられる。Ｆ−検定は、サンプルと主成分によって形成された空間との間の距離を説明する残余誤差の目安である。マハラノビスの距離は、組成モデルの組成中心からの距離を説明する。Ｆ−検定は、サンプルに関連した誤差が統計的誤差か否か、あるいはサンプルに関連した誤差が、主成分のデータをモデル化することができないことに起因するか否かを決定する。マハラノビスの距離は、予測が組成モデルの外挿であるか否かを示す。
【００３５】
組成モデルは、未知サンプルを各モデルに投影することにより用いられる。モデルごとの化学パターンを新基油に適用する。残余誤差および各クラスの中心からの距離は、未知サンプルの類似性を決定するための基礎を形成する。未知サンプルは、一つのクラスまたは数クラスに属しうる。
【００３６】
ソフトモデル、すなわち、独立にモデル化されたデータおよび独立モデルのローカルクラスターは、サンプルを正確に予測または分類するために用いられる。例えば、Ｃａｔｅｒｐｉｌｌａｒ１−Ｇ２において合格性能を実証した基油組成は、例えば一つのクラスターと考えることができる。従って、不合格基油組成はもう一つのクラスターである。合格サンプルは、一つのモデルに関する基礎を形成し、不合格サンプルは第２のモデルに関する基礎を形成する。ＳＩＭＣＡは、クラスター分析を主成分回帰と組み合わせる。この技術は、スーパーバイズドリーミングを含む。組成モデルを構築するために用いられるサンプルは分類されなければならない。
【００３７】
ＳＩＭＣＡは、クラスごとの化学パターンを計算するために主成分分析（ＰＣＡ）を用いる。ＰＣＡは、有意な化学パターンを選択するための統計的基礎を提供する。ＰＣＡは、元のデータを再表現するための技術を提供する。元のデータマトリックス、基油特性Ｘｉは、スコアの直線組合せＬｉ（重み）および固有ベクトルパターンＶｉＴに分解される。
Ｘｉ＝ＬｉＶｉＴ （Ａ−３）
【００３８】
マトリックスを分解するために幾つかの技術が利用できる。マトリックスを分解するための一つの技術は、Ｍａｔｒｉｘ Ｃｏｍｐｕｔａｔｉｏｎｓ，２ｎｄ Ｅｄｉｔｉｏｎ，ｐ．７０，Ｔｈｅ Ｊｏｈｎｓ Ｈｏｐｋｉｎｓ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，Ｂａｌｔｉｍｏｒｅ（１９８９）においてゴルブ（Ｇｏｌｂ）、ジェネ（Ｇｅｎｅ Ｈ）およびローン（Ｃｈａｒｌｅｓ Ｖａｎ Ｌｏａｎ）によって記載された特異値分解、ＳＶＤである。
Ｘｉ＝ＵｉＳｉＶｉＴ （Ａ−４）
【００３９】
ＳＶＤは、ＳＩＭＣＡモデルを構築するために使用できる二つの直交マトリックスＵおよびＶを提供する。Ｓマトリックスの対角線は、マトリックスＸＴＸの固有値の正の平方根である特異値を含む。特異値は、マトリックスＸのランクの直接的な指標を提供する。用いられる有意成分の数は、特異値から計算された累積分散によって決定される。マトリックスＶは、Ｘの固有ベクトルを含み、固有ベクトルはデータマトリックスＸ中のサンプルに関する化学パターンとして用いられる。ＵｉＳｉのマトリックス乗法はスコアＬｉを与える。
Ｌｉ＝ＵｉＳｉ （Ａ−５）
【００４０】
「当てはめられた」および「予測された」という用語は、種々の種類の基油を識別するために今用いられている。これらの用語は交換可能ではない。「当てはめられた」という用語は、組成モデルを構築するために基油サンプルを用いたことを示している。「予測された」という用語は、基油サンプルが全くの予測であり、組成モデルの構築において基油サンプルを用いなかったことを示している。後続のすべての式は、Ｍａｔｌａｂへの変換を容易にするために、マトリックス計算に基づいている。Ｍａｔｌａｂは、マスワークス（Ｍａｔｈ Ｗｏｒｋｓ，Ｉｎｃ．）（マサツセッチュ州ナチック）から入手できる商用計算ソフトウェアであり、マトリックスに対する特異値分解ＳＶＤのインプレメンテーションを提供する。
【００４１】
ＳＩＭＣＡモデルは、各クラスの残余誤差を計算することを要求する。主成分分析は、元のデータのある程度の誤差フィルタリングを提供する。従って、各基油特性の残差も検査される。残余誤差は、各成分ボックスの「詰まり具合（ｔｉｇｈｔｎｅｓｓ）」の指標を与える。ＳＩＭＣＡモデルでは、測定された基油特性およびそれらの化学パターンまたは固有ベクトルを用いて、各サンプルの残余誤差を計算している。残余誤差は、直線回帰技術を用いて推定することができる。当てはめられた残余誤差は、観察値Ｘｉと当てはめられた、すなわち、投影されたＸｉ値との間の差として定義される。
【数３】
【００４２】
Ｘｉの当てはめられた値は、以下から計算することができる。
【００４３】
マトリックスＨは、ハットマトリックスと一般に呼ばれ、観察応答を当てはめられた応答に変換する。Ｈマトリックスは、Ｗｅｉｓｂｅｒｇ，Ｓａｎｆｏｒｄ，Ａｐｐｌｉｅｄ Ｌｉｎｅａｒ Ｒｅｇｒｅｓｓｉｏｎ，２ｎｄ Ｅｄｉｔｉｏｎ，ｐ．４７，Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，Ｉｎｃ．Ｎｅｗ Ｙｏｒｋ，１９８５によって記載されたように以下から推定される。
Ｈ＝Ｘ（ＸＴＸ）−１ＸＴ （Ａ−８）
【００４４】
当てはめられた残余誤差は、以下として再表現することができる。
ｅ＝（１−Ｈ）Ｘｉ （Ａ−９）
【００４５】
その最も有意な主成分に切り捨てられた直交マトリックスＵは、ＳＶＤに付随した重要な投影のための基礎を提供する。
ＵｉＵｉＴ＝範囲（Ｘ）上への投影 （Ａ−１０）
【００４６】
Ｘの範囲上への投影は、観察応答を当てはめられた応答に変換するための方法を提供する。データマトリックスＸｉのＳＶＤからＸの範囲上への投影は、ハットマトリックスを推定するための主成分基準法を提供する。
Ｈ＝ＵｉＵｉ Ｔ （Ａ−１１）
【００４７】
当てはめられたデータの残余誤差は、以下の式から推定される。
【数４】
【００４８】
各クラスの残差分散は以下の式から計算される。
【数５】
式中、ＮＳはサンプルの数であり、ＮＶは変数（基油特性）の数であり、ＮＣは主成分の数である。
【００４９】
クラス「ｉ」に投影された未知サンプルの残余誤差Ｘｕは、有意な固有ベクトルおよび特異値から推定される。
Ｕｕ＝ＸｕＶｉＳｉ −１ （Ａ−１４）および
【数６】
【００５０】
未知サンプルの残差分散は、以下によって推定される。
【数７】
【００５１】
Ｆ−検定は、サンプルが組成ボックス（体積）外であるか否かを決定するために用いられる。
【数８】
【００５２】
上で論じたように、ＳＩＭＣＡモデルにおいて用いられる第２の重要な統計量は、ゴードン（Ｇｏｄｏｎ Ａ．Ｄ．），Ｃｌａｓｓｉｆｉｃａｔｉｏｎ，Ｃｈａｐｍａｎ ａｎｄ ｈａｌｌ，１９８１によって記載されたマハラノビスの距離である。この文献は本明細書に引用して援用する。マハラノビスの距離（Ｍ−距離）は、組成モデル空間への投影が外挿であるか否かを示す。Ｍ−距離は以下によって推定される。
【数９】
【００５３】
共分散マトリックスΓは、共分散マトリックスの不偏推定値であり、それを以下から計算することができる。
【数１０】
【００５４】
共分散マトリックスは、ＸｉのＳＶＤの観点から再表現することができる。
【数１１】
【００５５】
当てはめられたサンプルに関するマハラノビスの距離は以下となる。
【数１２】
ここで、
【数１３】
予測されたサンプルに関するマハラノビス（Ｍ）の距離は同様に以下となる。
【数１４】
【００５６】
従って、Ｍの距離対計算されたＦ値のプロットは、基油組成の図示的な表現を提供する。最大のＭの距離は、主成分空間の大きさの直接的な目安である。基油サンプルは、組成モデルを構築するために用いられるデータから計算されたＭの距離を超えるべきではない。Ｆ統計量は、サンプルを主成分空間に投影した後に残る残差のタイプを示す。統計的に有意な数の基油サンプルを用いて開発されたモデルに関するＦの小さい値、即ちＦが４未満で９５％を超える信頼限界は、基油特性残差が零であることを示す。予測誤差は、分析データの収集に付随する標準誤差に起因する。Ｆ値が４より大きい場合、主成分はデータを正確にはモデル化せず、サンプルは組成モデルに当てはまらない。
【００５７】
総合組成モデルに到達するために、軽質および重質の中性分の両方に関する別個の組成モデルを、上述したように構築する。軽質および重質の中性分に関する組成モデルは、上述したようなそれぞれの基油の性能試験ごとに上述したプロセスを繰り返すことにより開発される。
【００５８】
図３は、一般に粘度グレードごとの許容可能領域をどのように開発するかの単純な図解である。図３において、同じ粘度グレードの一連の潤滑剤基油の性能を、二つの性能試験において測定した。性能試験は、同じ潤滑剤製品配合物、または異なる用途、すなわち、自動車油潤滑剤、工業油潤滑剤、船油潤滑剤などに関する製品配合物のいずれかに対しても行うことができた。
【００５９】
さらに図３を参照すると、試験ごとの「合格」領域ｘおよびｚが、一つのグラフ上にプロットされている。簡単のために、ｘおよびｙは、軽質または重質の中性基油のいずれかによって製造された製品に関する二つの性能試験のみについての「合格」領域を表す。重なっている「合格」領域は、軽質または重質の中性基油に関するそれぞれの組成モデルを規定する許容可能領域になり、従って、広範囲の潤滑剤製品にわたって潤滑剤性能を予測する。
【００６０】
粘度の相違に対する調節（工程２３０）を、この時点で、例えば、異なる粘度に対して異なる決定済パラメータを有する類似の組成モデルから誘導される単純直線内挿によって行うことができる。組成モデルによって決定された範囲外での粘度の僅かな相違もまた、外挿することが可能である。上述したような粘度に対する組成の相違の典型的な傾向に従って組成を基準化することによって得られる各粘度グレード内でのサンプル粘度の僅かな相違に関する調節を用いて、タイプごとに単一の粘度値を使用するのでなく、制限された範囲の粘度値を使用する組成モデル、例えば、軽質および重質の中性分などの潤滑剤タイプごとの組成モデルを作製することによりうまくいくことが見出された。従って、一旦それぞれの軽質および重質の中性基油に関する組成モデルを開発すると、総合組成モデルは、軽質および重質の中性モデルから、それらの中間の粘度の基油の許容可能性能領域の正確な内挿を可能にする。内挿は、もう一つの操作によって行われる。
【００６１】
組成モデルを内挿するために、次の組成モデル化原則を用いる。その組成を二つの許容可能な軽質および重質の中性分のブレンドとしてみなすことが可能である場合、中間粘度の基油は承認される。
【００６２】
本発明の一つの実施形態において、組成モデルは、許容可能領域を定めるために長円または楕円を用いるが、他の幾何学的図形を用いることもできる。例えば、許容可能性能領域と呼ばれる「楕円」の主成分両端の単純直線内挿を使用し、あらゆる粘度において異なる長円を用いることができる。しかし、直交軸の直線内挿は直交ではなく、主成分の所望の特性は失われるであろう。
【００６３】
従って、内挿は、楕円を徐々に回転させ、特異値スケールにより楕円軸を膨張／収縮させつつ、一つの楕円をもう一つの楕円に「モーフィング」する、すなわち、粘度の関数として長円の中心を直線的に移動させることにより実行される。これは、組成モデルが同じ「空間」内であり、それらが同じ数の主成分を有する場合に達成することができる。
【００６４】
マトリックス表示法において、スクエア非対称回転変形マトリックスＴが存在し、平均中心直交−正規主成分のマトリックスＶ０に適用されるＴは、もう一つのモデルＶ１の正規直交主成分に対して厳密にＴを回転させる。
ＴＶ０＝Ｖ１ （Ｂ１）
Ｖ０が直交−正規であるので、Ｔは、以下として単純に表現される。
Ｔｖ０Ｖ０＝Ｔ＝Ｖ１Ｖ０ （Ｂ２）
【００６５】
モデル０とモデル１との間の中間軸は、Ｔの部分回転として表現することが可能である。幸いにも、うまく開発された行列代数が部分変換に関して存在する。モデル０（軽質中性）に関してｚ＝０、モデル１（重質中性）に関してｚ＝１と定義するなら、回転軸Ｖｚのどの中間組も、以下として表現することが可能である。
Ｖｚ＝ＴＺＶ０＝ＥＤＺＥＶ０ （Ｂ３）
式中、ＴＺは、Ｔｓ固有分析ＴＥ−ＥＤから計算される、Ｔのｚマトリックスパワーであり、ここでＥは、直交−正規であり、Ｄは対角線であり、ＤＺも対角線であり、Ｄの対角線要素はｚ乗（ｐｏｗｅｒ）に上げられる。Ｔが対称ではないので、ＥとＤの両方は、複素数代数を必要とする、複合固有ベクトル−固有値の共役対を含む。
【００６６】
別の複雑化は、所定のＶ１およびＶ０に関するＶｚを演算する前に対処される必要がある。一つはキラリティであり、他はアラインメントである。キラルオブジェクトは互いの鏡像である。従って、キラルオブジェクトをその鏡像に回転させることは不可能である。同様に、多次元空間における一組の直交ベクトルは、特定の特徴、あるいはキラリティに似ている「方向（ｓｅｎｓｅ）」を有する。中間工程においてベクトルを仮想平面に大幅に変形させない唯一の有効回転は、同じキラリティまたは方向によりベクトル組の間で変換する回転である。従って、この問題を解決するために、中間変換ベクトルＶ０.５が実平面内になるまで、Ｖ１カラムは−１で乗算される。
【００６７】
アラインメントである最後の複雑化の要因は、実平面における可能なすべての回転を計算し、ｚ変化の関数として最小角度変化を伴う回転を見つけるまで、第１の主成分、第２の主成分・・・第Ｎの主成分に関するそれらの回転「距離」を比較することにより解決される。
【００６８】
一旦適切な回転を見つけると、成分モデルパラメータの残りは、それに応じて内挿される。平均、軸スケーリングおよびマハラノビスの距離は直線的に内挿される一方で、ｆ−比および残差分散は二次的に内挿される。
【００６９】
この技術は、それぞれ重質または軽質の中性分より高いまたは低い粘度グレードに拡張することが可能である。例えば、ブライトストック（すなわち、約３０センチストークスのＶＩ）に関する組成モデルを開発することによって、当業者は、重質中性分とブライトストックとの間の粘度範囲にわたって容易に内挿することができる。
【００７０】
すべての粘度の製品に関する製品性能の予測を行い、それらの粘度で予測を実性能と比較する。組成モデルを開発した粘度の間の粘度における予測の正確さが、組成モデルを開発した粘度における正確さより劣る場合、正確さが満足になるまで、追加の組成モデルをより多くの粘度で開発することができる。一旦複数の製品、例えば、ＰＶＬ、ＣＶＬ、船用および工業潤滑剤の全域で総合組成モデルを決定すると、総合組成モデルは、各最終製品配合物の性能レベルを必然的に方眼している。従って、いずれもの方法により選択され、いずれもの粘度を有し、その潤滑剤性能が最終潤滑剤製品配合物において未知である、いかなる潤滑剤基油も、単に主要な組成パラメータの化学的濃度について分析をしさえすればよい（工程２４０）。一旦組成モデルに対して評価されると、潤滑剤基油は、許容可能領域に入るか、入らないかのいずれかである。従って、組成モデルは、潤滑剤基油が、少なくとも現在の形態において、すべての潤滑剤製品中で用いるために許容可能であるか、あるいは、潤滑剤として用いるために許容可能でないかどうかを予測する。
【００７１】
図４は、軽質および重質の中性モデルに関する許容可能組成領域から成る組成モデルを示している。軽質および重質の中性組成モデルに関する許容可能領域間に相当な重なりが存在する一方で、これは、組成モデルを使用するための最も有効な方法ではない。むしろ、組成モデルを使用するための最も有効な方法は、総合組成モデルが極値間の粘度に対してすべての合理的な内挿を用いるような総合的な形態である。軽質および重質の中性分の両方が所定の粗原料から生成されるので、図４に示されるように、組成モデルは、複数の粘度に関する組成モデルによって決定される許容可能領域において重なりが存在するかぎり、多くの粗原料が、複数の粘度にわたって潤滑剤製品用に用いられるのに適している可能性があることを示している。しかし、より低い硫黄および芳香族化合物領域は、軽質中性分については許容可能であるが、重質中性分については許容可能ではない。図示したように、こうした領域は、一般に、良好なＳｅｑｕｅｎｃｅ ＶＥ、Ｍａｃｋ Ｔ−８およびＣＥＯ Ｃａｔｅｒｐｉｌｌａｒ１Ｍ−ＰＣ性能をもたらす。
【００７２】
上述したように、組成モデルは、良好な潤滑剤を与えることが知られている潤滑剤基油組成に基づいている。本発明の他の実施形態において、組成モデルによって「不合格」とされた基油組成を利用することができる。例えば、本発明の一つの実施形態において、「不合格」サンプルは、「合格」した基油とブレンドして、許容可能組成を与えることができる。この実施形態は、図５において示されている。
【００７３】
図５は、組成パラメータとして全硫黄の濃度に対する全芳香族化合物の濃度を用いた軽質中性分に関する組成モデルの許容可能領域の概略的な二次元図を示している。複数の粗原料の軽質中性基油を、全芳香族化合物および全硫黄の相対濃度に従ってグラフ上にプロットしている。粗原料の一部は、組成成分が組成モデルの許容可能領域内にある軽質中性分を生成するが、一部は生成しない。しかし、許容可能領域に入っていない軽質中性分は、許容可能領域に入る基油組成物とブレンドすることが可能である。ブレンドしようとする二種以上の基油間の組成が相補的である場合のみ、基油組成物をブレンドすることが可能である。例えば、図５において、粗原料Ｊから製造された軽質中性基油は、多量の芳香族化合物および高濃度の全硫黄を含有している。粗原料Ｊから製造されたこうした基油は、例えば、組み合わせた製品が組成モデルによって予測された許容可能領域内に十分に入るように、より低いレベルの全芳香族化合物および硫黄を含有する、例えば、粗原料Ｄから製造された軽質中性基油とブレンドすることができた。組成パラメータの濃度を知ることにより、組成パラメータが許容可能領域内であるブレンド基油組成物を得るために必要とされる各基油の量の計算が可能となる（工程２７０および２８０）。
【００７４】
二つの「不合格」基油も、それらの混合物が、その組成パラメータが組成モデルの予測された許容可能領域にある基油を与えるように相補的である限り、こうして混合することが可能である。再び図５を参照すると、例えば、粗原料Ａから製造された軽質中性基油を、粗原料Ｘから製造された軽質中性基油と混合して、「合格」軽質中性基油ＡＸを製造することが可能である。一方で、粗原料Ａから製造された軽質中性基油を、粗原料Ｙから製造された軽質中性基油と混合しても、「合格」混合物とすることはできない。各基油の組成の偏りが、「合格」であるブレンドされた基油を達成するためには十分でないためである。
【００７５】
組成モデルは、既知の精製データを、潤滑剤性能の予測と統合することを可能にする。例えば、世界の粗原料から製造した基油の組成は、当業者による従来の分析技術によって容易に決定することができる。従って、選択された粗原料または選択された基油の精製データのいずれかを知ることによって、選択された粗原料または基油を、組成モデルによって予測された許容可能領域内に精製できるか否かを決定することが可能となる（工程２８５）。粗原料の場合、選択された粗原料の精製データを知ることによって、選択された粗原料を精製して、その組成が組成モデルによって予測された許容可能領域内である基油を生成させることができるか否かを決定することが可能となる。例えば、溶媒抽出、例えば、フルフラール抽出（図１の工程１４０）の過酷性が高くなるにつれて、基油を溶媒抽出する際に、例えば、全芳香族化合物および脂肪族硫黄などの特定の主要組成成分が減少することは、潤滑剤製造の分野において知られている。
【００７６】
この抽出工程において、いかなる商用精油所抽出プロセスも用いることができるが、通常は、抽出プロセスは連続フロープロセスである。殆どの連続フロー商用プロセスにおいて、多数のミキサーが内部にある容器の下方部分に油を導入する。多数のミキサーによって精油所は抽出の過酷性を制御することが可能となる。溶媒を容器の頂上付近に導入する。溶媒は、一般に、ベンゼン、フルフラール、プロパン、フェノールまたはＮ−メチルピロリドンなどと混合した液体二酸化硫黄である。フルフラール抽出は好ましい。その後、溶媒は、容器の底に向けて進み、進んで行くにつれてエキストラクトを溶解する。残りの溶媒−精製ストック、すなわち、ラフィネートは、容器の頂上に上昇し、そして溶媒含有エキストラクトから分離される。
【００７７】
さらに、硫黄および他のヘテロ原子を基油から除去するために、水素処理（図１の工程１８０）も用いることが可能である。いかなる商用精油所水素処理方法も用いることができる。殆どの商用水素処理運転は、２６０〜４２５℃の温度で基油のストリームを水素と混合することを伴う。その後、必要な反応が起きることができるように、水素と混合された油を触媒が充填された容器に投入する。その後、油をフラッシュ槽に送って、接触反応中に生成し得た硫化水素などの無機ヘテロ原子および一切の軽質炭化水素を除去する。
【００７８】
図６において組成パラメータとしての全硫黄に対する全芳香族化合物の濃度を用い軽質中性組成モデルを基準にして、例えば、軽質中性基油に及ぼす商用抽出プロセスの効果を示している。基油を精製して許容可能領域内の組成を生じさせることが可能か否かを決定するために、異なった粗原料から生成した一連の基油をプロットして、基油に及ぼす抽出過酷性の効果を示している。粘度指数（ＶＩ）に及ぼす抽出プロセスの効果も示している。ここで、特定の粗原料から生成した基油が、例えば、粗原料Ｋによって生成した基油のように、組成モデルによって予測された許容可能領域外であるように高い濃度の例えば、全芳香族化合物および全硫黄を有する場合、組成モデルによって予測された許容可能領域に組成が入る点まで基油をさらに精製できる（工程２９０）ことは明らかである。同様に、抽出された基油を上述したように混合して、組成モデルによって予測された許容可能領域内の組成を生じさせることが可能である。
【００７９】
多くの異なる粗原料の精製の効果は、こうした粗原料から生成した基油の組成に基づいてブレンドパラメータの予測を行うことを可能にすることができる。同様に、例えば、図１に示したストリームなどの精油所内のあらゆるストリームの組成および粘度を知ると、組成を予測し、ブレンドすることができ、それはモデルによって決定された許容可能領域内の組成を有する基油にさらに精製する。
【００８０】
溶媒であろうと水素処理であろうと、精製の変化に応じて決まる組成変化はよく知られており、既知の粗原料源から適する精油所ストリームを選択する目的および適する粗原料自体を選択する目的のためにそれを容易にモデル化することができる。特に、例えば、蒸留、溶媒抽出、脱蝋および水素処理などの単位プロセスの効果を本理解によりモデル化し使用することができる。このモデル化には、芳香族化合物のレベルおよびタイプ、硫黄のレベルおよびタイプ、窒素のレベルおよびタイプのような要素が含まれ、必要に応じて他のものを含めることができる。単位プロセスの効果は、蒸留カットポイント、溶媒の使用量および温度、接触時間、脱蝋の適用量および温度分布、水素圧力、温度、触媒タイプ、転化率および水素処理速度のようなパラメータを含むべきである。
【００８１】
ここで図７を参照すると、本発明の一つの実施形態において付属メモリー８０５を有するコンピュータまたはプロセッサー８０３で、上述したように開発された組成モデル８０１を走らせているのが見られる。プロセッサー８０３およびメモリー８０５は、本発明の精神と範囲を逸脱しなければ、それぞれ適切ないかなるプロセッサーおよびメモリーであってもよい。例えば、プロセッサーは、ＰＣベースまたはメインフレームベースであってもよく、メモリーは、ＲＡＭ、ＲＯＭ、あるいはハードドライブなどの適切ないかなる記憶装置であってもよい。
【００８２】
さらに図７を参照すると、組成モデルは、一般に、基油８０７または複数の基油８０７（ブレンドの場合）を表すデータまたは粗原料８０９または複数の粗原料８０９（ブレンドの場合）を表すデータを入力として受信する。粗原料（複数を含む）８０９を表すデータに関して、モデルは、特定の粗原料（複数を含む）８０９の精製データ８１０を表すデータも入力として受信する。一般に、組成パラメータは、実際上、基油（複数を含む）の場合に入力されるか、あるいは粗原料（複数を含む）の場合に予測される。一般に、組成パラメータに関する適切な情報は、基油（複数を含む）の場合にメモリー８０５に貯蔵されているアッセイデータとして入手できる。粗原料の場合、こうした組成パラメータは、これもメモリー８０５に貯蔵されている工業データのライブラリーから予測することができる。一旦こうしたデータを用いて提示されると、組成モデルは、入力された基油（複数を含む）８０７または粗原料（複数を含む）８０９が上述した方法により許容可能であるか否かを予測すると共に、適切な出力８１１を提供する。
【図面の簡単な説明】
【図１】 現在の潤滑剤基油の製造プロセスの概要を示す流れ図である。
【図２】 本発明の方法を示す流れ図である。
【図３】 本発明の一つの実施形態による複数の潤滑剤性能試験のために組成仕様モデルをどのように作製するかを示すグラフである。
【図４】 本発明の一つの実施形態による軽質および重質の中性基油のために開発された組成仕様モデルの重なりを示すグラフである。
【図５】 複数の基油をブレンドして、その組成が組成モデルによって予測された許容可能領域内である生成ブレンド基油を産出する方法と関連して用いられる、軽質中性基油に関する組成仕様モデルを示すグラフである。
【図６】 図５のグラフに似たグラフであり、その組成が組成モデルによって予測された許容可能領域内である基油を得るために抽出過酷性データと併用された図５の組成仕様モデルを示している。
【図７】 本発明の実施形態の運用を示すブロック線図である。
[Document Name] Description [Title of Invention] Method for Controlling Lubricant Production [Claims]
[Claim 1]
A method for predicting the lubricant performance of a candidate lubricant base oil for use in the manufacture of a lubricant product for a particular application, wherein the candidate lubricant base oil is characterized by a plurality of composition components and the plurality of compositions Ingredients are common to a plurality of lubricant base oils, and each component has a different amount relative to the lubricant base oil,
Identifying a particular composition component of the plurality of composition components in the lubricant base oil that, in combination, provides evidence of lubricant performance for a particular application ;
Through multiple performance tests on multiple lubricant products of different viscosities, an acceptable range for a combination of identified composition components is determined at two or more viscosities , and the two or more viscosities at each viscosity are determined. Defining a composition model for the lubricant product;
By adjusting the parameters of at least two compositions model at different viscosity values and viscosity values of the candidate lubricant base oil, the viscosity for a candidate lubricant base oils having different viscosities from the selected two or more viscosity Adjusting the difference between,
Determining the amount of the identified composition component in the candidate lubricant base oil ;
Deriving an acceptable range for the combination of identified composition components at the viscosity of the candidate lubricant base oil; and
Determining whether the amount of each identified composition component in the combination in the candidate lubricant base oil is within an acceptable range for the identified composition component.
[Claim 2]
A method of blending a combination of refinery streams from a plurality of refinery streams to produce a lubricant base oil for a particular lubricant application, wherein each refinery stream has a plurality of refinery streams. May be useful for a lubricant base oil characterized by a composition component, wherein the plurality of composition components are common to a plurality of lubricant base oils, each component having a different amount for each lubricant base oil;
Identifying a particular composition component of the plurality of composition components in the lubricant base oil that, in combination, provides evidence of lubricant performance for a particular application ;
Through multiple performance tests on multiple lubricant products of different viscosities, an acceptable range for a combination of identified composition components is determined at two or more viscosities , and the two or more viscosities at each viscosity are determined. Defining a composition model for the lubricant product ;
By adjusting the parameters of at least two compositions model at different viscosity values and viscosity values of the blend of petroleum refinery streams, a blend of petroleum refinery streams having different viscosities from the selected two or more viscosity Adjusting the difference in viscosity with respect to
Deriving an acceptable range of combinations of identified composition components at the viscosity of a blend of petroleum refinery streams ;
Determining the amount of identified composition component in the petroleum refinery stream for a lubricant base oil to be produced from a plurality of petroleum refinery streams;
Determining a composition of a blend of petroleum refinery streams in accordance with a combination of identification already composition ingredients that are within an acceptable range for the identified pre composition components of the lubricant base oils of the particular application derived above, determined Blending the petroleum refinery stream according to the determined composition .
[Claim 3]
A method for producing a lubricant base oil used in the manufacture of a lubricant product for a specific application from a refinery stream by refining, wherein the lubricant base oil and the petroleum refinery stream comprise a plurality of Wherein the plurality of composition components are common to the lubricant base oil and the petroleum refinery stream, each composition component having a different amount for each lubricant base oil and each petroleum refinery stream,
Identifying a particular composition component of the plurality of composition components in the lubricant base oil that, in combination, provides evidence of lubricant performance for a particular application ;
A plurality of performance tests on a plurality of lubricant products different viscosities at two or more viscosities, to determine the allowable range for the combination of identification already composition components, lubrication at the viscosity of the two or more viscosity A process for defining a composition model for the drug product ,
By the viscosity values of the lubricant base oils produced to adjust the parameters of at least two compositions model at different viscosity values Purification, prepared by purification with different viscosities from said selected two or more viscosity Adjusting the difference in viscosity for the lubricant base oil to be used ;
Deriving an acceptable range of combinations of identified composition components at the viscosity of the lubricant base oil; and
Regarding the particular application, and determining the amount of identification already composition components required in the lubricant base oil in the viscosity selected for the lubricant base oil,
And determining the amount of identification already composition component of the identified already with respect to the composition components, the lubricant base oils of acceptable oil refinery stream not within the combination,
Refining a petroleum refinery stream to produce a lubricant base oil having a combination of identified composition components within an acceptable range for the identified composition components of a lubricant base oil for a particular application. .
DETAILED DESCRIPTION OF THE INVENTION
[0001]
The present invention relates to the production of petroleum-based lubricants. More particularly, the present invention relates to a method of controlling lubricant quality and the lubricant manufacturing process by refining and blending by a method that includes predictive techniques relating quality and performance of the final lubricant product to composition parameters.
[0002]
Lubricating oils are typically based on petroleum fractions having boiling points above 232 ° C. (450 ° F.). The molecular weight of the hydrocarbon components is high, and these components exhibit almost all possible structures and structure types, depending mainly on the type of crude oil from which the hydrocarbon components are based.
[0003]
The principle of lubricant refining, as demonstrated by experience or assay, is a suitable crude oil, a lubricant base oil having a predetermined set of properties such as, for example, maintaining proper viscosity, oxidative stability and low temperature fluidity. It is in that it can be purified. The refining process used to isolate lubricant base oils currently consists of a set of subtractive unit operations that remove unwanted components. These unit operations include distillation, solvent purification, hydroprocessing and dewaxing, each of which is essentially a separate process.
[0004]
A lubricant base oil (ie, refined crude oil derived) can be used as a lubricant component, or the lubricant base oil can be blended with another lubricant base oil having slightly different properties. Certain base oils prior to use as a lubricant are conventionally compounded with one or more additives such as antioxidants, extreme pressure additives, viscosity index (VI) improvers and the like. As used herein, the term “stock” means only hydrocarbon oils without additives, regardless of whether the term is further modified. The term “solvent-purified stock” or “raffinate” means, for example, an oil that has been solvent extracted with furfural. The term “dewaxed stock” means an oil that has been treated by any method to remove the wax contained therein or to change it to another, thereby reducing its pour point. . As used herein, the term “waxy” means an oil with sufficient wax content to provide a pour point higher than 4 ° C. (+ 25 ° F.). The term “base oil” means an oil that has been refined to be suitable for some specific end uses, such as the production of automobile oil, ship oil, hydraulic oil, and the like.
[0005]
The current implementation technique for the production of high-grade lubricant base oil is shown in FIG. The whole process is called 10. The first step is to vacuum distill the appropriate crude atmospheric tower residue (step 100). This process consists of light 15 (700-800 ° F) (371-427 ° C), medium 20 (810-890 ° F) (432-477 ° C) and heavy 30 neutral (890-1000 ° F) ( 477-538 ° C) as well as one or more raw stocks in the boiling range of 700-1000 ° F (371-538 ° C), referred to as vacuum residue 40. Each stock is characterized by a different viscosity range. For example, light neutral stock has the lowest viscosity range (3.5-5.5 cS KV at 100 ° C.), and heavy neutral stock has the highest viscosity range (10.0-15.3 cS KV at 100 ° C. ). After preparation, each raw stock is extracted with a solvent such as furfural, phenol or chlorex that is selective with respect to aromatic hydrocarbons and removes undesirable components (step 140). The vacuum residue 140 usually requires another step of removing asphalt material prior to solvent extraction (step 120). The raffinate obtained from solvent purification is generally very waxy and generally requires a dewaxing operation (step 160). Raffinate dewaxing is generally performed by solvent dewaxing or catalytic dewaxing under conditions that provide a predetermined or target pour point for the base oil.
[0006]
The lubricant base oil production technique may further require another step of hydrotreating the dewaxed stock (step 180). Hydroprocessing is the addition of hydrogen to the stock to remove certain impurities that can be detrimental to lubricant performance, depending on the specifications of the final lubricant product. Hydroprocessing is particularly useful for removing sulfur because hydrogen combines with sulfur to produce hydrogen sulfide. Either the dewaxing step (step 160) or the hydrotreating step (step 180), or both, can provide a stock of sufficient quality to be used as a base oil for the final lubricant composition.
[0007]
Next, suitable substances or additives are added to the base oil to enhance the lubricating properties of the base oil and meet the required specifications, such as the viscosity index (VI) (shown in FIG. 6).
[0008]
Historically, the manufacture of lubricants has not been flexible. Base oils made from new raw sources are considered “new” base oils and must be approved for use as lubricants. In the lubricant base oil approval system, base oils made from new raw materials need to undergo an expensive and time consuming approval process before they can be used as lubricants. Full approval of samples made from new raw materials or new base oils requires extensive bench and engine tests that typically require 5-10 months to complete. Changes in process conditions also require reapproval with additional bench and engine tests. The high cost of bench testing and engine testing hinders optimization of all process conditions except the most commonly used raw materials. In addition, the need to streamline the system is driven by the rapid change in raw mix from at least some geographic locations, quality concerns about purchased base oils, and the willingness to economic benefits derived from high lubricant flexibility. As a result, it has become increasingly important. Therefore, there is a need in the art to increase the flexibility in lubricant manufacture and streamline the approval system for lubricant raw materials, base oils and blends of these stocks.
[0009]
According to the present invention, a lubricant base oil for use in the production of a lubricant for a specific application can be selected by a specific method. Candidate lubricant base oils are characterized by a plurality of composition components that are common to all lubricant base oils, with each composition component having a different amount for each base oil. A model that predicts the performance of the lubricant base oil in the final lubricant product is a combination of several of the components in the lubricant base oil that, when combined, provide evidence of the lubricant performance for a particular application. Made by identifying the components.
[0010]
Next, an acceptable range is determined for the combination of identified composition components identified by a plurality of performance tests required for a plurality of lubricant products, each having a different viscosity. After determining the acceptable region, preferably the amount of the composition component from the acceptable range of at least one other different base oil of different viscosity determined for the combination of identified composition components identified by multiple performance tests. By adjusting the difference in viscosity of each lubricant base oil. The candidate base oil is then analyzed to determine the amount of the identified component. Next, it is determined whether the amount of each identified component in the candidate base oil is within an acceptable performance range for that combination.
[0011]
Lubricant base oils whose composition falls outside the acceptable range predicted by the composition model can also be blended into satisfactory performance lubricants. The method begins with determining the acceptable region and adjusting the viscosity difference, as described above. Next, two or more lubricant base oils having complementary compositions are selected. Within the allowable range predicted by the composition model, the combined amount of each component required to obtain the final lubricant composition is calculated. Thereafter, the lubricant base oil is blended.
[0012]
Predictive models can also be used in the lubricant manufacturing process, utilizing the effects of known refining parameters such as hydroprocessing conditions, solvent processing rates and temperatures, within the range of refinery stock used to manufacture lubricants It is. In another use of this predictive model, a refinery stream-derived lubricant base oil used in the manufacture of a lubricant for a particular application is characterized by multiple compositional components common to the base oil and refinery stream. Attached. The method begins with determining the acceptable region and adjusting the viscosity difference, as described above. Next, the amount of identified component required in that combination for acceptable lubricant performance is identified for the lubricant base oil, and the amount of identified component in the refinery stream combined with these Determine that it is outside the acceptable range for the identified component. The refinery stream is then refined to produce a lubricant base oil having a combination of identified components within an acceptable range determined by the model.
[0013]
By expanding this technology, a combination of petroleum refinery streams to be refined into a lubricant base oil can be blended into a refinery stream that can then be processed into the desired final stock. The method begins with determining the acceptable region and adjusting the viscosity difference, as described above. Next, for the lubricant base oil to be refined from the refinery stream, the amount of identified composition component is identified, and the composition of the blend is determined according to the combination of identified components within an acceptable range determined by the model. The stream is then blended and purified according to the determined composition. In one variation, the refinery stream is a crude feed. In another variation of this embodiment, the refinery stream is selected from any one of the unit processes within the refinery.
[0014]
In the present invention, a computer model (801 in FIG. 7) is prepared and used to predict the quality of the lubricant base oil used in a plurality of products having a plurality of viscosities. This model is based on quantitative analysis of key composition parameters and performance criteria for multiple products exhibiting multiple viscosities. Such a model is referred to herein as an overall composition model and, as will be shown later, usually and preferably consists of a composition model developed for a particular viscosity.
[0015]
The composition model specifically predicts whether the composition of a new lubricant base oil is similar to a known lubricant base oil composition that has previously passed or failed performance tests. Thus, new lubricant base oil compositions are evaluated in light of lubricant base oils that have shown acceptable performance in multiple products.
[0016]
Statistical analysis of base oil properties indicates that lubricant performance can be predicted from the base oil chemical composition. In particular, various chemical composition parameters are combined to obtain a comprehensive prediction of lubricant performance. FIG. 2 is a process flow diagram illustrating a method for predicting lubricant performance of a base oil according to one embodiment of the present invention. The composition parameters incorporated into the composition model are base oil chemical components that have been identified as significantly contributing to lubricant performance (step 200). Examples of such components are, for example, total sulfur, aliphatic sulfur, basic nitrogen, aromatic distribution, nitrogen, aliphatic compound distribution, aliphatic chain branching, molecular weight distribution, or any combination thereof. Preferred embodiments include total sulfur, aliphatic sulfur, basic nitrogen, total aromatics, aromatic ring distribution, or a combination of these parameters.
[0017]
At a minimum, only two of the factors are used to create a composition model that accurately predicts the lubricant performance of the base oil in the final lubricant composition. All components are quantitatively determined according to standard analytical chemistry techniques. For example, the total aromatic compound is determined from the chemical measurement correlation of the UV spectrum. Specifically, a Perkin Elmer Lambda 19 spectrum meter is used. To classify the aromatic rings, the aromatic ring distribution is determined by conventional techniques known to those skilled in the art. Basic nitrogen is determined according to ASTM method D2896. Total sulfur is determined according to ASTM method D2622. Anal. Chem. 27, 495 (1955) and Anal. Chem. In accordance with the quantification of aliphatic sulfur iodine complexes by the technique described by Drushel and Miller in 39, 1819 (1967), the aliphatic sulfur content can be determined by UV spectrometry. This method of adequately measuring the absorbance of the complex at 310 nm is a reliable measurement of aliphatic sulfur without interference from nitrogen compounds and aromatic hydrocarbons originally present in the lubricant stock.
[0018]
Determining the performance parameters of the composition model (step 210) includes evaluating the performance of a plurality of products having different viscosities. Differences in the parameters of the composition model as a function of the differences in the viscosity of the lubricant product, as described below, provide a better prediction of lubricant performance compared to standardizing the composition parameters as a function of viscosity. Thus, product viscosity is a function of the end use of the product. For example, the performance parameters of the composition model include the engine oil performance of an automobile engine lubricant, the ship engine performance of a marine engine lubricant, the industrial equipment performance of an industrial equipment lubricant, and the hydraulic performance of a hydraulic lubricant. Since different viscosity products are required for each application, the composition model includes a plurality of kinematic viscosities ranging from 3.5 to at least 20 cS (100 ° C.).
[0019]
Adjustments to viscosity differences can be made by simple linear interpolation derived from similar composition models with different determined parameters obtained at different viscosities. Although not preferred, it is also possible to adjust the viscosity change by normalizing the composition rather than model parameters for the difference in viscosity between samples processed from the same raw material to a similar viscosity index. The composition factor corresponds to the viscosity according to the power law. In this power law, the composition at the selected temperature and viscosity is related to the composition at the reference viscosity normalized by the power of the ratio between the viscosity at the selected temperature and the reference temperature. In this connection, the value of the index typically varies from -2 to 2 with respect to the composition factor described above (depending on the unit of measure and possibly other experimentally determined factors), and in many cases The value is in the range of 0.1 to 1.0. The highest sensitivity in the normalization relationship exists for basic nitrogen content, and the lowest sensitivity is for total aromatics, polycyclic aromatics (two or more rings), and sulfur Total sulfur and aliphatic sulfur).
[0020]
Slight differences in viscosity outside the range determined by the composition model can also be extrapolated. Rather than using a single viscosity value for each type, it is sufficient to use a limited range of viscosity values to create a composition model for each lubricant type (eg, light and heavy neutrals). It was found that there was. As will be shown later, the overall composition model includes individual composition models.
[0021]
Performance parameter limits are determined by industry standard performance tests specific to the particular product and corresponding viscosity. For example, in the case of a product manufactured from a light neutral component, the following performance test (specific application and acceptable performance level is also shown) can be used as an example of a performance test that can evaluate the lubricant performance. Other performance tests may be used in accordance with the lubricant manufacturer's standard requirements.
[Table 1]
[0022]
In the case of a product manufactured from a heavy neutral component, the following performance test (specific application and acceptable performance level is shown together) can be used as an example of a performance test that can evaluate the lubricant performance. Other performance tests may be used in accordance with the lubricant manufacturer's standard requirements.
[Table 2]
[0023]
Such tests are known to those skilled in performance testing. A lubricant product is designated as either “passed” or “failed” when tested by any one of the tests described above for the purpose of creating a composition model.
[0024]
Next, an acceptable region in multi-dimensional space that exhibits good lubricant performance is determined by defining performance boundaries (ie, “pass” or “fail”) for the main composition parameters. This is done over a wide range of product applications and viscosities. Such acceptable regions are then represented by a composition model. Ultimately, the composition model can predict lubricant performance over as much base oil composition and viscosity as possible.
[0025]
In order to develop an overall composition model (step 220), a separate composition model is first developed for a particular viscosity. The model parameter for the test viscosity is found by interpolating between the model parameter at the closest viscosity above the test viscosity and the model parameter at the closest viscosity below the test viscosity. The following develops an overall composition model by first developing separate composition models for light neutral viscosity (kinematic viscosity at 100 ° C 4.5 cSt) and heavy neutral viscosity (kinematic viscosity at 100 ° C 12.5 cSt): The method to do is described. Slight differences in the viscosities of samples tested at these viscosities (eg, within a viscosity grade) were taken into account by standardizing the composition according to the typical tendency of the composition to viscosity. Those skilled in the art can easily determine these by applying to the tendency of compositions having multiple viscosities obtained from the same raw material.
Standardized composition = (composition at 100 ° C. y KV) × (y / reference viscosity) ^ z. In the formula, ^ is “used for the power of”, the reference kinematic viscosity at 100 ° C. is 4.5 or 12.5 cSt, and z is generally between 0 and 1.
[0026]
In view of the above, the development of acceptable ranges for individual composition models (step 220) is the same for all viscosity base oils. A series of base oils are performance tested on multiple product formulations using base oils in the same viscosity range. Preferably, the individual lubricant product formulations are lubricant products for different applications, i.e. automotive, hydraulic, industrial. As described herein, this region is drawn around the points that are “pass” for each formulation, and these regions exclude “fail” base oils.
[0027]
The method used to determine the acceptable area, ie, the area drawn around the points that are “pass” for each formulation, is preferably a technique for cluster analysis of performance test data. One such technique is described in, for example, Chemometrics, John Wiley & Sons, Inc. by Sharaf (Muhammad A. Sharaf), Illman (Deborah L. Illman) and Kowalski (Bruce R. Kowalski). , New York 1986, Soft Independent Classification Analysis (SIMCA). The SIMCA model was built to model the base oil composition that either passed or failed the engine test. However, the SIMCA model first relies on various feature or variable selection techniques used to screen the base oil characteristics. This sorting technique determines the optimal input for the classification model. Two univariate variance weights and Fisher weights are used to select the variables that discriminate between a passing engine test and a failing engine test.
[0028]
The variance weight is a ratio of the intra-category variance and the intra-category variance for a given characteristic. It approximates the distance between two distributions. For example, the total variance for the% aromatic fraction of the base oil is calculated to pass the Caterpillar 1-G engine test and divided by the sum of the variances for the pass test. The overall variance weight for n> 2 categories is the geometric mean of the individual category variance weights. The variance weight is given by:
[Expression 1]
Where
w = dispersion weight for the two categories x = base oil composition parameters, ie sulfur, aliphatic sulfur, basic nitrogen or aromatic distribution.
N = number of samples in a given class P or F = represents pass or fail data.
[0029]
The following are examples of dispersion weights for two base oil clusters.
[0030]
[Table 3]
[0031]
Larger numbers indicate that the category is more likely to discriminate between pass and fail tests. In this example, the maximum number for thiophene indicates that it is most significant. In this way, the most significant category use can be selected first in the analysis.
[0032]
Fisher's weight uses the distance between the mean values of the two distributions divided by the sum of the variances to determine the variable discriminating power. After all, the Fisher weight for a category of n> 2 is the average of the Fisher weights of the individual categories. Fisher's weight is given by:
[Expression 2]
[0033]
The SIMCA method uses principal component analysis to build a model for class, ie pass / fail. Factor analysis is used to calculate significant chemical patterns for each class. Significant patterns are known as principal components. Principal component analysis provides a convenient method for data compression. It removes any co-linearity in the data and also provides rotation of the data (base oil composition) relative to the orthonormal reference. The principal components form a new framework for data (base oil properties).
[0034]
The two main statistical tests, the F-test and Mahalanobis distance, are used to evaluate the composition model. The F-test is a measure of residual error that explains the distance between the sample and the space formed by the principal components. Mahalanobis distance describes the distance from the composition center of the composition model. The F-test determines whether the error associated with the sample is a statistical error or whether the error associated with the sample is due to the failure to model the principal component data. Mahalanobis distance indicates whether the prediction is an extrapolation of the composition model.
[0035]
The composition model is used by projecting an unknown sample onto each model. The chemical pattern for each model is applied to the new base oil. The residual error and the distance from the center of each class form the basis for determining the similarity of unknown samples. An unknown sample can belong to one class or several classes.
[0036]
Soft models, ie independently modeled data and local clusters of independent models, are used to accurately predict or classify samples. For example, a base oil composition that has demonstrated acceptable performance in Caterpillar 1-G2 can be considered as one cluster, for example. Thus, reject base oil composition is another cluster. Accepted samples form the basis for one model, and rejected samples form the basis for the second model. SIMCA combines cluster analysis with principal component regression. This technique includes supervisory dreaming. Samples used to build a composition model must be classified.
[0037]
SIMCA uses principal component analysis (PCA) to calculate chemical patterns for each class. PCA provides a statistical basis for selecting significant chemical patterns. PCA provides a technique for re-representing the original data. Original data matrix, the base oil properties Xi is decomposed into a linear combination Li (weights) and eigenvector patterns Vi T score.
Xi = LiVi T (A-3)
[0038]
Several techniques are available for decomposing the matrix. One technique for decomposing a matrix is, Matrix Computations, 2 nd Edition, p. 70, The Johns Hopkins University Press, Baltimore (1989), Singular Value Decomposition, SVD, described by Golb, Gene H and Lone (Charles Van Loan).
Xi = UiSiVi T (A-4)
[0039]
SVD provides two orthogonal matrices U and V that can be used to build a SIMCA model. The diagonal of the S matrix contains a singular value that is the positive square root of the eigenvalues of the matrix X T X. The singular value provides a direct measure of the rank of the matrix X. The number of significant components used is determined by the cumulative variance calculated from the singular values. Matrix V includes the eigenvectors of X, which are used as chemical patterns for the samples in data matrix X. UiSi matrix multiplication gives a score Li.
Li = UiSi (A-5)
[0040]
The terms “fitted” and “predicted” are now used to distinguish different types of base oils. These terms are not interchangeable. The term “fitted” indicates that a base oil sample was used to construct a composition model. The term “predicted” indicates that the base oil sample was a complete prediction and did not use the base oil sample in the construction of the composition model. All subsequent equations are based on matrix calculations to facilitate conversion to Matlab. Matlab is commercial computing software available from Math Works, Inc. (Natick, Mass.) And provides an implementation of singular value decomposition SVD for a matrix.
[0041]
The SIMCA model requires that the residual error for each class be calculated. Principal component analysis provides some degree of error filtering of the original data. Therefore, the residual of each base oil characteristic is also inspected. The residual error gives an indication of the “tightness” of each component box. The SIMCA model uses the measured base oil properties and their chemical patterns or eigenvectors to calculate the residual error for each sample. The residual error can be estimated using a linear regression technique. The fitted residual error is defined as the difference between the observed value Xi and the fitted or projected Xi value.
[Equation 3]
[0042]
The fitted value of Xi can be calculated from:
[0043]
Matrix H, commonly referred to as a hat matrix, translates the observed response into a fitted response. H matrix, Weisberg, Sanford, Applied Linear Regression , 2 nd Edition, p. 47, John Wiley & Sons, Inc. Estimated from the following as described by New York, 1985:
H = X (X T X) -1 X T (A-8)
[0044]
The fitted residual error can be re-expressed as:
e = (1-H) X i (A-9)
[0045]
The orthogonal matrix U truncated to its most significant principal component provides the basis for important projections associated with SVD.
UiUi T = Projection over range (X) (A-10)
[0046]
Projection over the range of X provides a way to convert the observation response into a fitted response. Projection of the data matrix Xi onto the SVD to X range provides a principal component reference method for estimating the hat matrix.
H = U i U i T (A-11)
[0047]
The residual error of the fitted data is estimated from the following equation:
[Expression 4]
[0048]
The residual variance for each class is calculated from the following equation:
[Equation 5]
In the formula, NS is the number of samples, NV is the number of variables (base oil characteristics), and NC is the number of main components.
[0049]
The residual error Xu of the unknown sample projected on class “i” is estimated from significant eigenvectors and singular values.
U u = X u V i S i −1 (A-14) and
[0050]
The residual variance of the unknown sample is estimated by
[Expression 7]
[0051]
The F-test is used to determine whether a sample is outside the composition box (volume).
[Equation 8]
[0052]
As discussed above, the second important statistic used in the SIMCA model is the Mahalanobis distance described by Gordon AD, Classification, Chapman and hall, 1981. This document is incorporated herein by reference. Mahalanobis distance (M-distance) indicates whether the projection to the composition model space is extrapolated. The M-distance is estimated by:
[Equation 9]
[0053]
The covariance matrix Γ is an unbiased estimate of the covariance matrix, which can be calculated from:
[Expression 10]
[0054]
The covariance matrix can be re-expressed from the Xi SVD perspective.
[Expression 11]
[0055]
The Mahalanobis distance for the fitted sample is
[Expression 12]
here,
[Formula 13]
The Mahalanobis (M) distance for the predicted sample is similarly:
[Expression 14]
[0056]
Thus, a plot of the distance of M versus the calculated F value provides a graphical representation of the base oil composition. The maximum distance of M is a direct measure of the size of the principal component space. The base oil sample should not exceed the M distance calculated from the data used to build the composition model. The F statistic indicates the type of residual that remains after projecting the sample onto the principal component space. A small value of F for a model developed with a statistically significant number of base oil samples, ie a confidence limit of F less than 4 and greater than 95%, indicates that the base oil characteristic residual is zero. Prediction errors are due to standard errors associated with the collection of analytical data. If the F value is greater than 4, the principal component does not accurately model the data and the sample does not fit the composition model.
[0057]
In order to arrive at an overall composition model, separate composition models for both light and heavy neutrals are constructed as described above. A composition model for light and heavy neutrals is developed by repeating the process described above for each base oil performance test as described above.
[0058]
FIG. 3 is a simple illustration of how to develop an acceptable region for each viscosity grade in general. In FIG. 3, the performance of a series of lubricant base oils of the same viscosity grade was measured in two performance tests. Performance tests could be performed on either the same lubricant product formulation or product formulations for different applications, namely automotive oil lubricants, industrial oil lubricants, ship oil lubricants, and the like.
[0059]
Still referring to FIG. 3, the “pass” regions x and z for each test are plotted on one graph. For simplicity, x and y represent the “pass” region for only two performance tests on products made with either light or heavy neutral base oils. The overlapping “pass” region is an acceptable region that defines the respective composition model for light or heavy neutral base oils, and thus predicts lubricant performance over a wide range of lubricant products.
[0060]
Adjustments to viscosity differences (step 230) can be made at this point, for example, by simple linear interpolation derived from similar composition models having different determined parameters for different viscosities. Slight differences in viscosity outside the range determined by the composition model can also be extrapolated. A single viscosity value for each type, with adjustments for slight differences in sample viscosity within each viscosity grade obtained by standardizing the composition according to the typical tendency of the composition difference to viscosity as described above. Has been found to work well by creating a composition model that uses a limited range of viscosity values, e.g. a composition model for each lubricant type, such as light and heavy neutrals. It was. Thus, once a composition model for each light and heavy neutral base oil is developed, the overall composition model can be derived from the light and heavy neutral models in the acceptable performance region of the intermediate viscosity base oil. Allows accurate interpolation. Interpolation is performed by another operation.
[0061]
To interpolate the composition model, the following composition modeling principle is used. A medium viscosity base oil is approved if its composition can be viewed as a blend of two acceptable light and heavy neutrals.
[0062]
In one embodiment of the invention, the composition model uses an ellipse or ellipse to define the acceptable region, but other geometric shapes can be used. For example, it is possible to use simple ellipses at both ends of the main component of an “ellipse” called an acceptable performance region and use different ellipses at all viscosities. However, linear interpolation of the orthogonal axes is not orthogonal and the desired properties of the principal component will be lost.
[0063]
Interpolation therefore "rotates" one ellipse to another, gradually rotating the ellipse and expanding / contracting the ellipse axis by the singular value scale, ie, the center of the ellipse as a function of viscosity. Is executed by moving the line linearly. This can be achieved if the composition models are in the same “space” and they have the same number of principal components.
[0064]
In the matrix notation, there is a square asymmetric rotational deformation matrix T, and the T applied to the mean center orthogonal-normal principal component matrix V 0 is exactly T for the normal orthogonal principal component of another model V 1. Rotate.
TV 0 = V 1 (B1)
Since V 0 is orthogonal-normal, T is simply expressed as:
Tv 0 V 0 = T = V 1 V 0 (B2)
[0065]
The intermediate axis between model 0 and model 1 can be expressed as a T partial rotation. Fortunately, well-developed matrix algebra exists for partial transformations. If we define z = 0 for model 0 (light neutral) and z = 1 for model 1 (heavy neutral), any intermediate set of rotation axes Vz can be expressed as:
Vz = T Z V 0 = ED Z EV 0 (B3)
Where T Z is the z matrix power of T, calculated from the Ts eigenanalysis TE-ED, where E is orthogonal-normal, D is diagonal, and D Z is also diagonal, The diagonal element of D is raised to z power. Since T is not symmetric, both E and D contain complex eigenvector-eigenvalue conjugate pairs that require complex algebra.
[0066]
Another complication needs to be addressed before computing Vz for a given V 1 and V 0 . One is chirality and the other is alignment. Chiral objects are mirror images of each other. It is therefore impossible to rotate a chiral object to its mirror image. Similarly, a set of orthogonal vectors in a multidimensional space has a “sense” that resembles a particular feature or chirality. The only effective rotation that does not significantly transform the vector into a virtual plane in the intermediate process is a rotation that transforms between vector sets with the same chirality or direction. Therefore, to solve this problem, the V 1 column is multiplied by −1 until the intermediate conversion vector V 0.5 is in the real plane.
[0067]
The last complicating factor of alignment is that the first principal component, the second principal component, and the second principal component are calculated until all possible rotations in the real plane are calculated and a rotation with minimum angular change as a function of z change .. solved by comparing their rotational “distance” with respect to the Nth principal component.
[0068]
Once an appropriate rotation is found, the rest of the component model parameters are interpolated accordingly. Mean, axial scaling and Mahalanobis distance are interpolated linearly, while f-ratio and residual variance are interpolated secondarily.
[0069]
This technique can be extended to higher or lower viscosity grades, each heavy or light neutral. For example, by developing a composition model for bright stock (ie, a VI of about 30 centistokes), one skilled in the art can easily interpolate across the viscosity range between heavy neutral and bright stock. .
[0070]
Predict product performance for products of all viscosities and compare the prediction with actual performance at those viscosities. Develop additional composition models with more viscosities until the accuracy is satisfactory if the accuracy of the predictions in the viscosity between the viscosities that developed the composition model is inferior to the accuracy in the viscosity that developed the composition model Can do. Once the overall composition model is determined across multiple products, such as PVL, CVL, marine and industrial lubricants, the overall composition model necessarily scales to the performance level of each final product formulation. Thus, any lubricant base oil that is selected by any method, has any viscosity, and whose lubricant performance is unknown in the final lubricant product formulation, is simply analyzed for chemical concentrations of key composition parameters. (Step 240). Once evaluated against the composition model, the lubricant base oil either enters the acceptable region or does not. Thus, the composition model predicts whether the lubricant base oil is acceptable for use in all lubricant products, at least in its current form, or not acceptable for use as a lubricant. .
[0071]
FIG. 4 shows a composition model consisting of acceptable composition regions for light and heavy neutral models. While there is considerable overlap between acceptable regions for light and heavy neutral composition models, this is not the most effective way to use composition models. Rather, the most effective way to use the composition model is a comprehensive form in which the overall composition model uses all reasonable interpolations for the viscosity between extremes. Since both light and heavy neutrals are generated from a given raw material, the composition model has overlap in the acceptable region determined by the composition model for multiple viscosities, as shown in FIG. As far as possible, it shows that many raw materials may be suitable for use in lubricant products over multiple viscosities. However, the lower sulfur and aromatic regions are acceptable for light neutrals but not for heavy neutrals. As illustrated, these areas generally provide good Sequence VE, Mack T-8 and CEO Caterpillar 1M-PC performance.
[0072]
As mentioned above, the composition model is based on a lubricant base oil composition that is known to give good lubricants. In other embodiments of the present invention, a base oil composition that has been “failed” by a composition model can be utilized. For example, in one embodiment of the present invention, a “failed” sample can be blended with a “passed” base oil to give an acceptable composition. This embodiment is shown in FIG.
[0073]
FIG. 5 shows a schematic two-dimensional view of the acceptable region of the composition model for light neutrals using the total aromatic concentration relative to the total sulfur concentration as a composition parameter. A plurality of raw crude light neutral base oils are plotted on a graph according to the relative concentrations of total aromatics and total sulfur. Some of the raw materials produce light neutrals whose composition components are within the acceptable range of the composition model, but some do not. However, light neutrals that are not in the acceptable region can be blended with the base oil composition that is in the acceptable region. A base oil composition can be blended only if the composition between the two or more base oils to be blended is complementary. For example, in FIG. 5, the light neutral base oil produced from the crude raw material J contains a large amount of aromatic compounds and a high concentration of total sulfur. Such base oils produced from crude feed J contain, for example, lower levels of total aromatics and sulfur so that the combined product is well within the acceptable range predicted by the composition model, for example And a light neutral base oil produced from the crude raw material D could be blended. Knowing the concentration of the composition parameter allows calculation of the amount of each base oil required to obtain a blend base oil composition whose composition parameter is within the acceptable range (steps 270 and 280).
[0074]
Two “failed” base oils can also be mixed in this way as long as their mixture is complementary to give a base oil whose composition parameters are in the expected acceptable region of the composition model. . Referring to FIG. 5 again, for example, a light neutral base oil produced from the crude raw material A is mixed with a light neutral base oil produced from the crude raw material X to obtain a “pass” light neutral base oil AX. It is possible to manufacture. On the other hand, even if the light neutral base oil produced from the crude raw material A is mixed with the light neutral base oil produced from the crude raw material Y, a “pass” mixture cannot be obtained. This is because the compositional bias of each base oil is not sufficient to achieve a blended base oil that is “pass”.
[0075]
The composition model allows known purification data to be integrated with predictions of lubricant performance. For example, the composition of base oils produced from world crude materials can be readily determined by conventional analytical techniques by those skilled in the art. Therefore, by knowing either the selected crude feedstock or the selected base oil refinement data, whether the selected crude feedstock or base oil can be refined within the acceptable range predicted by the composition model Can be determined (step 285). In the case of a crude feedstock, knowing the refining data of the selected crude feedstock can refine the selected crude feedstock to produce a base oil whose composition is within the acceptable range predicted by the composition model. It becomes possible to determine whether or not it is possible. For example, as solvent extraction, eg, furfural extraction (step 140 in FIG. 1), becomes more severe, certain major compositional components, such as, for example, wholly aromatics and aliphatic sulfur, are used in solvent extraction of the base oil. It is known in the field of lubricant manufacturing that the decrease in
[0076]
Any commercial refinery extraction process can be used in this extraction step, but typically the extraction process is a continuous flow process. In most continuous flow commercial processes, a number of mixers introduce oil into the lower part of the container inside. Numerous mixers allow refineries to control the severity of extraction. Solvent is introduced near the top of the vessel. The solvent is generally liquid sulfur dioxide mixed with benzene, furfural, propane, phenol or N-methylpyrrolidone. Furfural extraction is preferred. The solvent then proceeds toward the bottom of the container and dissolves the extract as it progresses. The remaining solvent-purified stock, i.e. raffinate, rises to the top of the vessel and is separated from the solvent-containing extract.
[0077]
In addition, hydroprocessing (step 180 of FIG. 1) can be used to remove sulfur and other heteroatoms from the base oil. Any commercial refinery hydroprocessing method can be used. Most commercial hydroprocessing operations involve mixing a base oil stream with hydrogen at a temperature of 260-425 ° C. Thereafter, an oil mixed with hydrogen is put into a container filled with a catalyst so that a necessary reaction can take place. The oil is then sent to a flash tank to remove inorganic heteroatoms such as hydrogen sulfide and any light hydrocarbons that may have been produced during the catalytic reaction.
[0078]
FIG. 6 shows the effect of a commercial extraction process on, for example, a light neutral base oil, using the concentration of the total aromatic compound relative to the total sulfur as a composition parameter and using a light neutral composition model as a reference. Extraction severity on base oil by plotting a series of base oils generated from different raw materials to determine whether the base oil can be refined to produce a composition in an acceptable range Shows the effect. The effect of the extraction process on the viscosity index (VI) is also shown. Here, the base oil produced from a specific raw material, for example, the base oil produced from the raw material K, has a high concentration such as wholly aromatic so that it is outside the allowable range predicted by the composition model. Obviously, with the compound and total sulfur, the base oil can be further refined (step 290) to the point where the composition falls within the acceptable range predicted by the composition model. Similarly, the extracted base oil can be mixed as described above to produce a composition within the acceptable range predicted by the composition model.
[0079]
The effect of refining many different raw materials can allow prediction of blend parameters based on the composition of the base oil produced from these raw materials. Similarly, knowing the composition and viscosity of every stream in the refinery, such as the stream shown in FIG. 1, for example, the composition can be predicted and blended, which can determine the composition within the acceptable region determined by the model. Further refine to the base oil you have.
[0080]
Whether it is a solvent or hydrotreating, compositional changes that are dependent on refining changes are well known, with the objective of selecting a suitable refinery stream from a known raw material source and the purpose of selecting a suitable raw material itself. In order to be able to model it easily. In particular, the effects of unit processes such as, for example, distillation, solvent extraction, dewaxing and hydroprocessing can be modeled and used with this understanding. This modeling includes elements such as aromatics levels and types, sulfur levels and types, nitrogen levels and types, and others can be included as needed. Unit process effects should include parameters such as distillation cut point, solvent usage and temperature, contact time, dewaxing application and temperature distribution, hydrogen pressure, temperature, catalyst type, conversion and hydroprocessing rate It is.
[0081]
Referring now to FIG. 7, it can be seen that in one embodiment of the present invention, a computer or processor 803 having an attached memory 805 is running a composition model 801 developed as described above. Processor 803 and memory 805 may be any suitable processor and memory, respectively, without departing from the spirit and scope of the present invention. For example, the processor may be PC-based or mainframe-based, and the memory may be any suitable storage device such as RAM, ROM, or hard drive.
[0082]
Still referring to FIG. 7, the composition model generally inputs data representing a base oil 807 or a plurality of base oils 807 (for blends) or data representing a crude feed 809 or a plurality of crude feeds 809 (for blends). As received. With respect to the data representing the raw material (s) 809, the model also receives as input the data representing the refined data 810 of the particular raw material (s) 809. In general, the composition parameters are actually input in the case of base oil (s) or predicted in the case of crude feed (s). In general, appropriate information regarding composition parameters is available as assay data stored in memory 805 in the case of base oil (s). In the case of raw materials, these composition parameters can be predicted from a library of industrial data, which is also stored in memory 805. Once presented with such data, the composition model predicts whether the input base oil (s) 807 or crude feed (s) 809 is acceptable by the methods described above. Along with providing an appropriate output 811.
[Brief description of the drawings]
BRIEF DESCRIPTION OF DRAWINGS FIG. 1 is a flowchart showing an outline of a current manufacturing process of a lubricant base oil.
FIG. 2 is a flow diagram illustrating the method of the present invention.
FIG. 3 is a graph showing how a composition specification model is created for a plurality of lubricant performance tests according to one embodiment of the present invention.
FIG. 4 is a graph showing the overlap of composition specification models developed for light and heavy neutral base oils according to one embodiment of the present invention.
FIG. 5: Composition for light neutral base oil used in connection with a method of blending multiple base oils to produce a product blend base oil whose composition is within the acceptable range predicted by the composition model. It is a graph which shows a specification model.
6 is a graph similar to the graph of FIG. 5, with the composition specification model of FIG. 5 used in conjunction with extraction severity data to obtain a base oil whose composition is within the acceptable range predicted by the composition model. Is shown.
FIG. 7 is a block diagram showing the operation of the embodiment of the present invention.