RU2216573C2

RU2216573C2 - Method of lubricants production management

Info

Publication number: RU2216573C2
Application number: RU2001123931/09A
Authority: RU
Inventors: Джеймс Уильям ГЛИСОН; Уильям Фрэнсис ХИНИ; Юджинио САНЧЕС; Висванатан ВИСВЕСВАРАН
Original assignee: Мобил Ойл Корпорейшн
Priority date: 1999-01-29
Filing date: 2000-01-27
Publication date: 2003-11-20
Also published as: EP1155357A1; JP2012246490A; KR20010089767A; WO2000045228A1; KR100682553B1; EP1155357A4; AU756690B2; JP2002535481A; CA2359669C; CA2359669A1; JP5524436B2; WO2000045228A9; AU3474600A; JP5608712B2

Abstract

FIELD: petroleum refining industry, grease materials production. SUBSTANCE: invention is dealt with production of lubricants on the basis of petroleum derivatives processing. The method provides for, that using the computer or the processor to which the storage device is connected, they make a model of all production components. Such a model of production components usually includes as the input data the information on the base component (or components in case of a blend), or the data representing raw materials (types of the raw materials in case of a blend). The model of the components may be added with the input data, presenting information on the specific raw materials (types of raw materials). For the raw materials (types of raw materials) refinings such model of parameters of the components may be simulated using data from the industrial data library, that are also recorded in the storage device. After such data are fed into the model of components the computer makes conclusion, whether that base component (components) or raw materials (types of the raw materials) are acceptable, and forms the corresponding output data. EFFECT: method allows to increase lubricants production management versatility at a change of production conditions and simplification of raw materials certification system. 45 cl, 7 dwg

Description

Настоящее изобретение направлено на производство смазочных материалов на основе нефтепродуктов. В частности, настоящее изобретение относится к способу управления качеством смазочных материалов и управления процессом, основанным на рафинировании и смешивании, с помощью способа, который включает технологию прогнозирования качества конечного продукта смазочного материала и его рабочих характеристик на основе параметров составляющих компонентов. The present invention is directed to the production of petroleum-based lubricants. In particular, the present invention relates to a method for controlling the quality of lubricants and controlling a process based on refining and blending using a method that includes a technology for predicting the quality of the final lubricant product and its performance based on the parameters of the constituent components.

Смазочные масла, по большей части, основаны на фракциях нефти, с температурой кипения выше 232^oС (450^oF). Молекулярный вес их углеводородных составляющих является высоким, и эти составляющие имеют почти все возможные структуры и типы структур, зависящие в значительной степени от типа сырой нефти, из которой они были получены.Lubricating oils, for the most part, are based on petroleum fractions with boiling points above 232 ^° C (450 ^° F). The molecular weight of their hydrocarbon constituents is high, and these constituents have almost all possible structures and types of structures, depending largely on the type of crude oil from which they were obtained.

Суть рафинирования при производстве смазочных материалов состоит в том, что подходящая сырая нефть на основании экспериментальных данных или на основании данных анализа может быть рафинирована с получением базового компонента смазочного материала, который имеет заранее определенный набор свойств, таких как, например, соответствующая вязкость, стабильность параметров при окислении и сохранение жидкого состояния при низких температурах. Процесс рафинирования, применяемый для изолирования базового компонента смазочного материала, в настоящее время состоит из набора типовых субтрактивных операций, в процессе которых удаляют нежелательные компоненты. Такие типовые операции включают дистилляцию, сольвентную очистку, гидрообработку и депарафинизацию, каждая из которых, в принципе, представляет собой процесс разделения. The essence of refining in the production of lubricants is that a suitable crude oil, based on experimental data or on the basis of analysis data, can be refined to obtain a base component of a lubricant that has a predetermined set of properties, such as, for example, appropriate viscosity, stability of parameters during oxidation and maintaining a liquid state at low temperatures. The refining process used to isolate the base component of a lubricant currently consists of a set of typical subtractive operations that remove unwanted components. Such typical operations include distillation, solvent treatment, hydroprocessing and dewaxing, each of which, in principle, is a separation process.

Базовый компонент смазочного материала (то есть, полученный из рафинированной сырой нефти) может использоваться в качестве смазочного компонента, или может смешиваться с другим базовым компонентом смазочного материала, имеющим несколько отличающиеся свойства. Конкретный базовый компонент, перед использованием его в качестве смазочного материала, обычно смешивают с одной или большим количеством добавок, таких как антиоксиданты, добавки, работающие при избыточных давлениях, и добавки, улучшающие коэффициент вязкости (V. I.). Используемый здесь термин "компонент", независимо от того, будет ли этот термин определен дополнительно, относится только к углеводородному маслу без добавок. Термин "компонент, рафинированный растворителем" или "рафинат", относится к маслу, которое было получено способом сольвентной экстракции, например, с помощью фурфурола. Термин "депарафинированный компонент" относится к маслу, которое было обработано любым способом для удаления парафина, содержащегося в масле, или другим способом для его преобразования, что, таким образом, понижает температуру потери текучести масла. Термин "парафинистое", используемый здесь, относится к маслу с достаточно большим содержанием парафина, что приводит к потере текучести при температуре выше 4^oС (+25^oF). Термин "базовый компонент" относится к маслу, рафинированному до степени, пригодной для определенного практического использования, такого, как приготовление автомобильных масел, масел для морских двигателей, гидравлических масел и т.п.A base component of a lubricant (i.e., derived from refined crude oil) may be used as a lubricant component, or may be mixed with another base component of a lubricant having slightly different properties. A particular base component, before being used as a lubricant, is usually mixed with one or more additives, such as antioxidants, additives operating at overpressure, and viscosity index improvers (VI). As used herein, the term “component”, whether or not this term is further defined, refers only to hydrocarbon oil without additives. The term "solvent-refined component" or "raffinate" refers to oil that has been prepared by solvent extraction, for example using furfural. The term "dewaxed component" refers to an oil that has been treated in any way to remove the paraffin contained in the oil, or in any other way to convert it, thereby lowering the temperature of the fluidity loss of the oil. The term "paraffin", as used here, refers to an oil with a sufficiently high paraffin content, which leads to a loss of fluidity at temperatures above 4 ^o C (+25 ^o F). The term "base component" refers to an oil refined to an extent suitable for a particular practical use, such as the preparation of automobile oils, marine oils, hydraulic oils, and the like.

Используемый в настоящее время на практике способ приготовления базовых компонентов высококачественных смазочных масел изображен на фиг.1. Весь процесс обозначен цифрой 10. Первый этап представляет собой вакуумную перегонку остатка соответствующей сырой нефти, полученной в атмосферной колонне (этап 100). На этом этапе получают один или большее количество базовых компонентов с диапазоном температуры кипения от 700^oF (371^oC) до 1000^oF (538^oC), которые обозначаются как легкие 15 (от 700 до 810^oF), средние 20 (от 810 до 890^oF) и тяжелые 30 (от 890 до 1000^oF) нейтральные компоненты, а также вакуумный остаток 40. Каждый из них характеризуется различным диапазоном вязкости, например, легкие нейтральные базовые компоненты имеют самый низкий диапазон вязкости (от 3,5 до 5,5 сантистокс KV при 100^oС), и тяжелые нейтральные компоненты имеют наивысший диапазон вязкости (от 10,0 до 15,3 сантистокс KV при 100^oС). После приготовления каждый сырой компонент проходит экстракцию растворителем, например, фурфуролом, фенолом или хлорексом, который является избирательным растворителем для ароматических углеводородов и который удаляет нежелательные компоненты (этап 140). Вакуумный остаток 40 обычно требует применения дополнительного этапа для удаления асфальтенового материала перед этапом экстракции растворителем (этап 120). Рафинат после этапа сольвентной очистки обычно является сильно парафинизированным и для него обычно требуется депарафинизация (этап 160). Депарафинизацию рафинатов обычно выполняют с помощью депарафинизации растворителем или путем каталитической депарафинизации в условиях, которые позволяют получить заранее заданное значение температуры текучести базового компонента.Currently used in practice, the method of preparing the basic components of high-quality lubricating oils is depicted in figure 1. The whole process is indicated by the number 10. The first step is the vacuum distillation of the residue of the corresponding crude oil obtained in an atmospheric column (step 100). At this stage, one or more basic components are obtained with a boiling range from 700 ^o F (371 ^o C) to 1000 ^o F (538 ^o C), which are designated as light 15 (from 700 to 810 ^o F), medium 20 ( from 810 to 890 ^o F) and heavy 30 (from 890 to 1000 ^o F) neutral components, as well as a vacuum residue of 40. Each of them has a different viscosity range, for example, light neutral base components have the lowest viscosity range (from 3, 5 to 5.5 centistokes KV at 100 ^o C), and heavy neutral components have the highest viscosity range (from 10.0 to 15.3 sa ntistox KV at 100 ^o C). After preparation, each crude component is extracted with a solvent, for example, furfural, phenol or chlorex, which is a selective solvent for aromatic hydrocarbons and which removes unwanted components (step 140). Vacuum residue 40 typically requires the use of an additional step to remove asphaltene material before the solvent extraction step (step 120). The raffinate after the solvent purification step is usually highly paraffinized and usually requires dewaxing (step 160). The dewaxing of raffinates is usually carried out by dewaxing with a solvent or by catalytic dewaxing under conditions that allow you to obtain a predetermined value of the pour point of the base component.

При производстве базового компонента машинного масла может дополнительно потребоваться этап гидрообработки депарафинизированного базового компонента (этап 180). Гидрообработка представляет собой добавление водорода к базовому компоненту с целью удаления определенных загрязнителей, которые могут ухудшить свойства смазочного материала, в зависимости от спецификаций конечного продукта смазочного материала. Гидрообработка особенно является полезной для удаления серы, поскольку водород соединяется с серой, формируя сероводород. Этап депарафинизации (этап 160) или этап гидрообработки (этап 180), или оба эти этапа, могут позволить получить компонент с достаточным качеством, которое позволяет использовать его в качестве базового компонента для смазочного материала конечного состава. In the manufacture of a base component of a machine oil, an additional step may be a hydrotreatment step for the dewaxed base component (step 180). Hydrotreating is the addition of hydrogen to the base component in order to remove certain contaminants that may impair the properties of the lubricant, depending on the specifications of the final product of the lubricant. Hydrotreating is especially useful for removing sulfur, since hydrogen combines with sulfur to form hydrogen sulfide. The dewaxing step (step 160) or the hydroprocessing step (step 180), or both of these steps, can provide a component with sufficient quality, which allows it to be used as a base component for a lubricant of a final composition.

Затем к базовому компоненту добавляют соответствующие материалы или добавки для улучшения смазочных свойств базового компонента, а также для удовлетворения требований спецификаций, таких как требование в отношении коэффициента вязкости (VI) (как показано на фиг. 6). Then, appropriate materials or additives are added to the base component to improve the lubricating properties of the base component, as well as to meet the requirements of specifications, such as the requirement for viscosity coefficient (VI) (as shown in FIG. 6).

Исторически производство смазочных материалов было неизменным. Базовый компонент, получаемый из новых источников сырья, рассматривался как "новый" базовый компонент и должен был быть сертифицирован для использования его в качестве смазочного материала. В соответствии с системой сертификации базовых компонентов машинных масел требовалось, чтобы базовый компонент, получаемый из нового сырья, подвергался дорогостоящему и длительному процессу сертификации прежде, чем его можно было использовать в качестве смазочного материала. Полная сертификация образцов, полученных из нового сырья или базового компонента, требовала значительных объемов лабораторных и машинных испытаний, которые, в общем, полностью занимали от 5 до 10 месяцев. Изменения условий процесса производства также требовали получения повторного сертификата с проведением дополнительных лабораторных и машинных испытаний. Высокая стоимость лабораторных и машинных испытаний позволяла проводить оптимизацию условий производства только для наиболее часто используемых видов сырья. Кроме того, необходимость упрощения этой системы стала чрезвычайно важной в результате быстрых изменений в составе видов сырья, поступающих, по меньшей мере, из некоторых географических мест, проблем с обеспечением качества при закупках базовых компонентов, и получения экономической выгоды от увеличения гибкости применения машинных масел. Поэтому в данной области техники существует потребность в повышении гибкости при производстве смазочных материалов и в упрощении системы сертифицирования сырья для машинных масел, базовых компонентов и смесей этих базовых компонентов. Historically, the production of lubricants has been unchanged. The base component, obtained from new sources of raw materials, was considered as a “new” base component and had to be certified for use as a lubricant. In accordance with the certification system for basic components of machine oils, the base component obtained from new raw materials was required to undergo an expensive and lengthy certification process before it could be used as a lubricant. Full certification of samples obtained from new raw materials or the base component required significant volumes of laboratory and machine tests, which generally took 5 to 10 months to complete. Changes in the conditions of the production process also required a second certificate with additional laboratory and machine tests. The high cost of laboratory and machine tests allowed optimization of production conditions only for the most commonly used types of raw materials. In addition, the need to simplify this system has become extremely important as a result of rapid changes in the composition of raw materials coming from at least some geographical locations, problems with quality assurance in the procurement of basic components, and economic benefits from increased flexibility in the use of machine oils. Therefore, in the art there is a need to increase flexibility in the production of lubricants and to simplify the certification system of raw materials for machine oils, base components and mixtures of these base components.

В соответствии с настоящим изобретением, базовый компонент смазочного материала, предназначенный для использования в процессе производства смазочного материала для конкретного применения, может быть выбран с помощью определенного способа. Базовый компонент - кандидат смазочного материала - характеризуется множеством составляющих компонентов, которые являются общими для всех базовых компонентов смазочного материала, и количественное содержание каждого составляющего компонента является разным для каждого базового компонента. Модель, позволяющая производить прогнозирование свойств базового компонента смазочного материала в конечном продукте, формируется путем идентификации конкретного компонента из множества составляющих компонентов в базовом компоненте смазочного материала, которые являются определяющими для свойств смазочного материала для множества вариантов применения в комбинации. In accordance with the present invention, a base component of a lubricant for use in a lubricant manufacturing process for a particular application can be selected using a specific method. The base component — the lubricant candidate — is characterized by many constituent components that are common to all base components of the lubricant, and the quantitative content of each constituent component is different for each base component. A model that allows predicting the properties of the base component of the lubricant in the final product is formed by identifying a specific component from the set of constituent components in the base component of the lubricant that are decisive for the properties of the lubricant for many applications in combination.

Затем определяется приемлемый диапазон для комбинации идентифицированных составляющих компонентов с помощью множества тестов свойств, требуемых для множества продуктов смазочных материалов, в которых смазочный материал имеет различную вязкость. После того как будет определен приемлемый диапазон, предпочтительно, выполняются корректировки отклонений вязкости каждого базового компонента смазочного материала путем прогнозирования количества составляющих компонентов, по меньшей мере, из одного другого приемлемого диапазона для базового компонента с другим значением вязкости, в котором приемлемый диапазон определен для комбинации идентифицированных составляющих компонентов на основании множества испытаний их рабочих характеристик. Затем анализируют базовый компонент - кандидат для определения количества идентифицированных компонентов. Затем определяется, является ли количество каждого идентифицированного компонента, в комбинации, в базовом компоненте - кандидате в пределах приемлемого диапазона свойств. An acceptable range is then determined for the combination of identified constituent components using a variety of property tests required for a variety of lubricant products in which the lubricant has a different viscosity. Once an acceptable range has been determined, it is preferable to correct the viscosity deviations of each base component of the lubricant by predicting the number of constituent components from at least one other acceptable range for the base component with a different viscosity value in which an acceptable range is determined for the combination of identified constituent components based on many tests of their performance. Then analyze the basic component - the candidate to determine the number of identified components. It is then determined whether the amount of each identified component, in combination, in the base component is a candidate within an acceptable range of properties.

Базовые компоненты смазочных материалов, состав которых выходит за пределы приемлемого диапазона, спрогнозированного с помощью модели составляющих компонентов, также могут смешиваться для формирования смазочного материала с удовлетворительными свойствами. Этот способ начинается с определения приемлемого диапазона и корректировки отклонений вязкости, как описано выше. Затем выбирают два или большее количество базовых компонентов смазочного материала с взаимодополняющими составами. Вычисляют количество каждого требуемого компонента, который должен комбинироваться, для определения окончательного состава смазочного материала в пределах приемлемого диапазона в соответствии с прогнозом по модели составляющих компонентов. Затем производят смешивание базовых компонентов смазочного материала. Basic lubricant components whose composition is outside the acceptable range predicted by the component model can also be mixed to form a lubricant with satisfactory properties. This method begins by determining an acceptable range and correcting viscosity deviations, as described above. Then, two or more basic components of a lubricant with complementary formulations are selected. The amount of each required component to be combined is calculated to determine the final lubricant composition within an acceptable range in accordance with the forecast based on the model of the component components. Then produce the mixing of the basic components of the lubricant.

Модель для прогнозирования может также применяться для процесса производства смазочного материала с использованием степени воздействия известных параметров рафинирования, таких как условия гидрообработки, скорость обработки растворителем и температура, в заданном диапазоне рафинированных базовых компонентов, которые используются при производстве смазочных материалов. В данном варианте применения прогнозирующей модели, базовый компонент смазочного материала, который должен использоваться при производстве смазочного материала для конкретного варианта применения из потока рафинирования, характеризуется множеством составляющих компонентов, являющихся общими для данного базового компонента и потока рафинирования. Этот способ начинается с определения приемлемого диапазона корректировки отклонений вязкости, как описано выше. Затем определяется количество идентифицированных составляющих компонентов для базового компонента смазочного материала, которые в комбинации являются необходимыми для обеспечения приемлемых свойств смазочного материала, и определяется количество идентифицированных компонентов в комбинации, в потоке рафинирования, которое выходит за пределы приемлемого диапазона для этих идентифицированных компонентов. Затем производится рафинирование в потоке рафинирования для производства базового компонента смазочного материала, который имеет комбинацию идентифицированных компонентов в пределах приемлемого диапазона, определенного с помощью модели. The forecasting model can also be applied to the lubricant production process using the degree of exposure to known refining parameters, such as hydroprocessing conditions, solvent processing speed and temperature, in a given range of refined base components that are used in the manufacture of lubricants. In this application of the predictive model, the base component of the lubricant to be used in the manufacture of the lubricant for a particular application from the refining stream is characterized by a plurality of constituent components that are common to the base component and the refining stream. This method begins by determining an acceptable range for adjusting viscosity deviations, as described above. Then, the number of identified constituent components for the base component of the lubricant, which in combination are necessary to ensure acceptable properties of the lubricant, is determined, and the number of identified components in combination, in a refining stream that is outside the acceptable range for these identified components, is determined. Refining is then performed in a refining stream to produce a base component of a lubricant that has a combination of identified components within an acceptable range defined by the model.

При расширении данной техники, комбинация потоков рафинирования нефти, которые должны пройти рафинирование для получения базового компонента смазочного материала, может смешиваться в потоке рафинирования, который может затем обрабатываться для получения требуемого конечного компонента или компонентов. Этот способ начинается с определения приемлемого диапазона и корректировки отклонений вязкости, как описано выше. Затем определяют количество идентифицированных составляющих компонентов для базового компонента смазочного материала, который должен пройти рафинирование из потоков рафинирования, и определяют состав смеси в соответствии с комбинацией идентифицированных компонентов в пределах приемлемого диапазона, который определяют с помощью модели. Потоки затем смешивают в соответствии с определенным составом и производят их рафинирование. В одном из вариантов потоки рафинирования представляют собой сырую нефть. В другом варианте воплощения потоки рафинирования выбирают из любого из типовых процессов при рафинировании. With the extension of this technique, the combination of refining streams that must be refined to produce a base component of a lubricant can be mixed in a refining stream that can then be processed to produce the desired final component or components. This method begins by determining an acceptable range and correcting viscosity deviations, as described above. Then, the amount of identified constituent components for the base component of the lubricant to be refined from the refining streams is determined, and the composition of the mixture is determined in accordance with a combination of identified components within an acceptable range, which is determined using the model. The streams are then mixed in accordance with a specific composition and are refined. In one embodiment, the refining streams are crude oil. In another embodiment, refining streams are selected from any of the typical refining processes.

На чертежах:
фиг. 1 изображает схему, представляющую современный процесс производства базового компонента машинного масла;
фиг.2 - схему процесса, представляющую способ в соответствии с настоящим изобретением;
фиг.3 - график, представляющий, как модель спецификации составляющих компонентов составляется для множества тестов свойств смазочного материала в соответствии с одним из вариантов воплощения настоящего изобретения;
фиг. 4 - график, представляющий перекрытие моделей спецификации составляющих компонентов, разработанных для легких и тяжелых нейтральных базовых компонентов в соответствии с одним из вариантов воплощения настоящего изобретения;
фиг.5 - график, представляющий модель спецификации составляющих компонентов для легких нейтральных базовых компонентов, где подобный график используется вместе со способом смешения множества базовых компонентов для получения конечного смешанного базового компонента, состав которого находится в пределах приемлемого диапазона, спрогнозированного с помощью модели составляющих компонентов;
фиг. 6 - график, аналогичный графику, изображенному на фиг.5, и представляет модель спецификации составляющих компонентов по фиг.5, используемую с данными степени воздействия экстракции для получения базового компонента, состав которого находится в пределах приемлемого диапазона, спрогнозированного с помощью модели составляющих компонентов; и
фиг.7 - блок-схему, иллюстрирующую работу одного из вариантов воплощения настоящего изобретения.In the drawings:
FIG. 1 is a diagram showing a modern process for manufacturing a base component of engine oil;
2 is a process diagram representing a method in accordance with the present invention;
Fig. 3 is a graph showing how a specification model of constituent components is compiled for a plurality of lubricant property tests in accordance with one embodiment of the present invention;
FIG. 4 is a graph representing an overlap of component specification models developed for light and heavy neutral base components in accordance with one embodiment of the present invention;
5 is a graph representing a component component specification model for light neutral base components, where a similar schedule is used in conjunction with a method of mixing a plurality of base components to produce a final mixed base component whose composition is within an acceptable range predicted by the component component model;
FIG. 6 is a graph similar to that shown in FIG. 5 and represents a model for the specification of constituent components of FIG. 5 used with data on the degree of impact of extraction to produce a base component whose composition is within an acceptable range predicted by the constituent component model; and
7 is a flowchart illustrating the operation of one embodiment of the present invention.

В настоящем изобретении создана и используется компьютерная модель 801 на фиг. 7 для прогнозирования качества базового компонента смазочного материала, предназначенного для использования во множестве продуктов, имеющих множество величин вязкости. Эта модель основана на количественном анализе ключевых составляющих параметров и критериев свойств для множества продуктов, представляющих множество величин вязкости. Такая модель называется здесь общей моделью составляющих компонентов и, как будет показано ниже, обычно и предпочтительно состоит из моделей составляющих компонентов, разработанных для конкретных величин вязкости. In the present invention, the computer model 801 of FIG. 7 to predict the quality of the base component of a lubricant intended for use in a variety of products having many viscosity values. This model is based on a quantitative analysis of key constituent parameters and property criteria for a variety of products representing multiple viscosity values. Such a model is referred to herein as a general component component model and, as will be shown below, usually and preferably consists of component component models designed for specific viscosity values.

Модели составляющих компонентов, кроме других характеристик, позволяют спрогнозировать, является ли состав нового базового компонента смазочного материала аналогичным или отличающимся от известных составов базовых компонентов смазочных материалов, которые ранее прошли или не прошли испытания рабочих характеристик. Таким образом, производится оценка новых составов базовых компонентов смазочных материалов, с точки зрения базовых компонентов смазочных материалов, которые показали приемлемые рабочие характеристики во множестве продуктов. Models of constituent components, among other characteristics, make it possible to predict whether the composition of the new base component of the lubricant is similar or different from the known compositions of the base components of the lubricant that have previously passed or failed the performance test. Thus, the evaluation of the new compositions of the basic components of the lubricants, from the point of view of the basic components of the lubricants, which showed acceptable performance in many products.

Статистический анализ свойств базового компонента показал, что рабочие характеристики смазочного материала могут быть спрогнозированы по химическому составу базового компонента. В частности, различные химические параметры состава комбинируют для получения полного прогноза рабочих характеристик смазочного материала. На фиг.2 изображена схема процесса, иллюстрирующего способ прогнозирования рабочих характеристик смазочного материала базового компонента в соответствии с одним из вариантов воплощения настоящего изобретения. Параметры составляющих компонентов, которые входят в модель составляющих компонентов, представляют собой химические компоненты базового компонента, которые были определены как существенные для рабочих характеристик смазочного материала (этап 200). Примеры таких компонентов представляют собой общее количество серы, алифатической серы, азотистых оснований, распределение ароматических соединений, азота, распределения алифатических соединений, степень разветвления алифатической цепи, распределение молекулярного веса или какие-либо их комбинации. Предпочтительный вариант воплощения включает общее количество серы, алифатической серы, азотистого основания, общее количество ароматических соединений, распределение ароматического кольца или комбинацию этих параметров. A statistical analysis of the properties of the base component showed that the performance of the lubricant can be predicted by the chemical composition of the base component. In particular, various chemical parameters of the composition are combined to obtain a complete forecast of the performance of the lubricant. 2 is a process diagram illustrating a method for predicting the performance of a lubricant of a base component in accordance with one embodiment of the present invention. The parameters of the constituent components that are included in the constituent component model are the chemical components of the base component that have been identified as essential to the performance of the lubricant (step 200). Examples of such components are the total amount of sulfur, aliphatic sulfur, nitrogen bases, distribution of aromatic compounds, nitrogen, distribution of aliphatic compounds, degree of branching of the aliphatic chain, molecular weight distribution, or any combination thereof. A preferred embodiment includes the total amount of sulfur, aliphatic sulfur, a nitrogenous base, the total amount of aromatic compounds, the distribution of the aromatic ring, or a combination of these parameters.

Как минимум, только два из этих факторов используют для создания модели состава компонентов для точного прогнозирования рабочих характеристик смазочного материала базового компонента в конечном составе смазочного материала. Количественное содержание всех компонентов определяется в соответствии со стандартными методиками аналитической химии. Например, общее количество ароматических соединений определяют по хемометрической корреляции ультрафиолетового спектра. В частности, используется спектрометр Перкина-Элмера Лямбда 19. Распределение ароматического кольца определяется с помощью обычных методик классификации ароматических колец, известных для специалистов в данной области техники. Азотистое основание определяется в соответствии с методом D2896 стандарта ASTM. Общее количество серы определяется с помощью метода D2622 стандарта ASTM. Содержание алифатической серы может быть определено способом ультрафиолетовой спектрофотометрии на основе определения количественного состава йодистого комплекса алифатических сульфидов в соответствии с методикой, описанной авторами Друшел и Миллер, Anal. Chem. 27, 495 (1955); и Anal. Chem. 39, 1819 (1967). Этот способ, с помощью которого, по существу, измеряется степень поглощения комплекса на длине волны 310 нм, обеспечивает надежное определение алифатической серы, с учетом помех, оказываемых азотными соединениями и ароматическими углеводородами, которые всегда присутствуют в сырье, используемом при производстве машинных масел. At least only two of these factors are used to create a component composition model for accurately predicting the lubricant performance of the base component in the final lubricant composition. The quantitative content of all components is determined in accordance with standard methods of analytical chemistry. For example, the total amount of aromatic compounds is determined by the chemometric correlation of the ultraviolet spectrum. In particular, a Perkin-Elmer Lambda 19 spectrometer is used. The distribution of the aromatic ring is determined using conventional aromatic ring classification techniques known to those skilled in the art. Nitrogen base is determined in accordance with ASTM Method D2896. Total sulfur is determined using ASTM Method D2622. Aliphatic sulfur content can be determined by ultraviolet spectrophotometry based on the quantitative composition of the iodide complex of aliphatic sulfides in accordance with the method described by Drushel and Miller, Anal. Chem. 27, 495 (1955); and Anal. Chem. 39, 1819 (1967). This method, which essentially measures the degree of absorption of the complex at a wavelength of 310 nm, provides a reliable determination of aliphatic sulfur, taking into account the interference from nitrogen compounds and aromatic hydrocarbons, which are always present in the raw materials used in the manufacture of machine oils.

Определение параметра рабочих характеристик модели составляющих компонентов (этап 210) содержит оценку рабочих параметров множества продуктов, имеющих различные величины вязкости. Отклонения в параметрах модели составляющих компонентов, как описано ниже, в соответствии с отклонениями вязкости продуктов смазочных материалов обеспечивают исключительную степень прогнозирования рабочих характеристик смазочных материалов по сравнению с масштабированием параметров составляющих элементов в соответствии с их вязкостью. Величины вязкости продуктов, таким образом, являются функцией конечного использования продуктов. Например, рабочие параметры модели составляющих элементов включают рабочие характеристики моторного масла для смазочных материалов автомобильных двигателей, рабочие характеристики морских двигателей для смазочных материалов морских двигателей, рабочие характеристики для промышленного оборудования для смазочных материалов промышленного оборудования и рабочие характеристики для гидравлического оборудования для гидравлических смазочных материалов. Поскольку каждый вариант применения требует использования продуктов с различной вязкостью, модель составляющих компонентов, таким образом, содержит множество кинетических вязкостей в диапазоне от 3,5 до, по меньшей мере, 20 сантистоксов (100^oС).Determining the performance parameter model of the constituent components (step 210) comprises evaluating the performance parameters of a plurality of products having different viscosity values. Deviations in the parameters of the model of constituent components, as described below, in accordance with deviations in the viscosity of the lubricant products provide an exceptional degree of prediction of the performance of lubricants compared to scaling the parameters of the constituent elements in accordance with their viscosity. The viscosity values of the products are thus a function of the end use of the products. For example, the operating parameters of a constituent element model include engine oil performance for automotive engine lubricants, marine engine performance for marine engine lubricants, industrial equipment performance for industrial equipment lubricants, and hydraulic equipment performance for hydraulic lubricants. Since each application requires the use of products with different viscosities, the model of constituent components, thus, contains many kinetic viscosities in the range from 3.5 to at least 20 centistokes (100 ^o C).

Корректировки отклонений вязкости могут быть выполнены с помощью простой линейной интерполяции, полученной по аналогичным моделям составляющих компонентов, которые имеют различные определенные параметры по различным величинам вязкости. Кроме того, возможно, хотя это является менее предпочтительным, регулировать изменения вязкости путем масштабирования состава, а не параметров моделей для отклонений вязкости между образцами, которые прошли обработку для аналогичного коэффициента вязкости из одного и того же сырья. Факторы состава масштабируют по вязкости в соответствии с законом степени, где состав при определенной температуре и вязкости относится к составу с опорной величиной вязкости в масштабе, определяемом степенью отношения величин вязкости при выбранной температуре и исходной температуре; при такой взаимосвязи величина экспоненты изменяется обычно от -2 до 2 (в зависимости от единицы измерения и, возможно, от других факторов, определяемых эмпирически) для факторов состава, указанных выше, величина которых по многих случаях находится в диапазоне от 0,1 до 1,0. Наибольшая чувствительность взаимозависимости масштабирования, как было определено, существует по отношению к содержанию азотистых оснований, и наименьшая к общему количеству ароматических соединений, полициклических ароматических соединений (два или большее количество колец), а также к сере (общему количеству и алифатической сере), которые занимают сравнимые промежуточные ранги. Correction of viscosity deviations can be performed using simple linear interpolation obtained by similar models of constituent components, which have various defined parameters for different viscosity values. In addition, it is possible, although this is less preferable, to control changes in viscosity by scaling the composition rather than model parameters for viscosity deviations between samples that have been processed for a similar viscosity coefficient from the same raw material. Composition factors are scaled by viscosity in accordance with the law of degree, where the composition at a certain temperature and viscosity refers to a composition with a reference value of viscosity on a scale determined by the degree of ratio of viscosity values at a selected temperature and initial temperature; with this relationship, the exponent usually varies from -2 to 2 (depending on the unit of measurement and, possibly, from other factors determined empirically) for compositional factors mentioned above, the value of which in many cases is in the range from 0.1 to 1 , 0. The greatest sensitivity of the scaling interdependence, as was determined, exists with respect to the content of nitrogen bases, and the least to the total number of aromatic compounds, polycyclic aromatic compounds (two or more rings), as well as to sulfur (total and aliphatic sulfur), which occupy comparable intermediate ranks.

Меньшие отклонения вязкости за пределами диапазона, определенного с помощью модели композиционного состава, также могут быть экстраполированы. Было определено, что можно удовлетворительно генерировать модели композиционного состава для каждого типа смазочного материала как, например, для легких и тяжелых нейтральных материалов, с использованием ограниченного диапазона величин вязкости, вместо использования единичной величины вязкости для каждого типа. Как будет показано ниже, полная модель составляющих компонентов будет содержать отдельные модели составляющих компонентов. Smaller viscosity deviations beyond the range determined by the compositional model can also be extrapolated. It has been determined that it is possible to satisfactorily generate compositional models for each type of lubricant, such as for light and heavy neutral materials, using a limited range of viscosity values, instead of using a unit viscosity value for each type. As will be shown below, a complete model of component components will contain separate models of component components.

Ограничения параметров рабочих характеристик определяют с помощью стандартных испытаний рабочих характеристик, которые являются конкретными для каждого конкретного продукта и соответствующих вязкостей. Например, для продуктов, изготовленных из легкого нейтрального сырья, могут использоваться следующие испытания рабочих характеристик (которые сопровождаются конкретным вариантом применения и приемлемым уровнем рабочих характеристик) в качестве примеров испытаний рабочих характеристик, с помощью которых можно сделать оценку рабочих характеристик смазочного материала. Другие испытания рабочих характеристик могут использоваться в соответствии со стандартными требованиями производителя смазочного материала. Limitations of performance parameters are determined using standard performance tests that are specific to each product and its corresponding viscosities. For example, for products made from light neutral raw materials, the following performance tests (which are accompanied by a specific application and an acceptable level of performance) can be used as examples of performance tests that can be used to evaluate the performance of a lubricant. Other performance tests may be used in accordance with the standard requirements of the lubricant manufacturer.

Тест - Уровень рабочей характеристики
Sequence IIIE (Автомобильные масла) - АСЕА А3-96
Sequence VE (Автомобильные масла) - АСЕА А3-96
Mack T-8 (Автомобильные масла) - Mack EOL
TOST life (Гидравлические масла) - > 1500 ч
Для продуктов, изготовленных из тяжелого нейтрального сырья, следующие испытания рабочих характеристик (которые сопровождаются конкретным вариантом применения и приемлемым уровнем рабочих характеристик) могут использоваться в качестве примера тестов рабочих характеристик, с помощью которых могут быть оценены рабочие характеристики смазочного материала. Другие испытания рабочих характеристик могут использоваться в соответствии со стандартными требованиями производителя смазочного материала:
Тест - Уровень рабочей характеристики
Catl-G2/1M-PC (Масла для морских двигателей) - CF
CatlM-PC (Автомобильные масла) - CF
TOST life (Гидравлические масла) - > 1000 ч
Специалистам в данной области техники известны такие испытания, которые применяются для тестирования рабочих характеристик. Для построения модели композиционных составляющих продукты смазочного материала, при тестировании в соответствии с одной из вышеприведенных методик испытаний, обозначаются либо как "прошедшие", либо "не прошедшие" испытания. Затем, определяется приемлемая область в многомерном пространстве, которая указывает на хорошие рабочие характеристики смазочного материала путем определения границ рабочих характеристик (то есть, "прохождения" или "непрохождения" испытаний) по отношению к ключевым параметрам составляющих элементов. Это выполняется в отношении широкого диапазона вариантов применения продукта и степени вязкости. Такая приемлемая область затем представляется моделью композиционных составляющих. Конечный результат состоит в том, что модель составляющих компонентов позволяет произвести прогноз рабочих характеристик смазочного материала в отношении всех возможных составов и величин вязкости базового компонента.Test - Performance Level
Sequence IIIE (Automotive Oils) - ACEA A3-96
Sequence VE (Automotive Oils) - ACEA A3-96
Mack T-8 (Car Oils) - Mack EOL
TOST life (Hydraulic oils) -> 1500 h
For products made from heavy neutral raw materials, the following performance tests (which are accompanied by a specific application and an acceptable level of performance) can be used as an example of performance tests that can be used to evaluate the performance of a lubricant. Other performance tests may be used in accordance with the standard requirements of the lubricant manufacturer:
Test - Performance Level
Catl-G2 / 1M-PC (Marine Engine Oils) - CF
CatlM-PC (Car Oils) - CF
TOST life (Hydraulic oils) -> 1000 h
Those skilled in the art will recognize tests that are used to test performance. To build a model of composite constituents, lubricant products, when tested in accordance with one of the above test methods, are designated as either “passed” or “failed” tests. Then, an acceptable region in the multidimensional space is determined, which indicates good lubricant performance by determining the boundaries of the performance (ie, “passing” or “failing” the tests) with respect to the key parameters of the constituent elements. This is true for a wide range of product applications and degrees of viscosity. Such an acceptable region is then presented as a model of composite components. The end result is that the model of the constituent components allows the prediction of the performance of the lubricant in relation to all possible compositions and viscosity values of the base component.

Для разработки полной модели составляющих компонентов (этап 220), сначала разрабатывают отдельные модели составляющих компонентов для конкретных величин вязкости. Параметры модели для значения тестовой вязкости находят путем интерполяции между параметрами модели и следующей, более высокой величиной вязкости, и параметрами модели для ближайшей величины вязкости, меньшей, чем тестовая вязкость. Ниже описано, как разрабатывают полную модель составляющих компонентов путем первоначальной разработки отдельных моделей составляющих компонентов для легкой нейтральной вязкости (кинематическая вязкость при 100^oС составляет 4,5 сантистоксов) и тяжелой нейтральной вязкости (кинематическая вязкость при 100^oС составляет 12,5 сантистоксов). Небольшие отклонения вязкости испытуемых образцов от этих величин вязкости, такие, которые находятся в пределах величины вязкости данного сорта масла, учитывают путем масштабирования состава в соответствии с типичными тенденциями состава по вязкости. Они могут быть непосредственно определены специалистами в данной области техники путем приближения тенденций в составе к величинам вязкости, полученным из одного и того же сырья:
Масштабируемый состав=(состав при у KV 100^oС)•(у/исходная вязкость)^z,
где ^ обозначает "в степени"; исходная величина кинематической вязкости при 100^oС равна 4,5 или 12,5 сантистоксов; и z обычно выбирают от 0 до 1.To develop a complete model of the constituent components (step 220), first develop separate models of the constituent components for specific viscosity values. The model parameters for the test viscosity value are found by interpolation between the model parameters and the next higher viscosity, and the model parameters for the closest viscosity, lower than the test viscosity. The following describes how to develop a complete model of constituent components by initially developing separate models of constituent components for light neutral viscosity (kinematic viscosity at 100 ^° C is 4.5 centistokes) and heavy neutral viscosity (kinematic viscosity at 100 ^° C is 12.5 centistokes) . Small deviations of the viscosity of the test samples from these viscosity values, such that are within the viscosity value of a given oil grade, are taken into account by scaling the composition in accordance with typical viscosity composition trends. They can be directly determined by experts in the field of technology by approximating trends in composition to viscosity values obtained from the same raw material:
Scalable composition = (composition at у KV 100 ^o С) • (у / initial viscosity) ^ z,
where ^ stands for "in degree"; the initial value of the kinematic viscosity at 100 ^o With equal to 4.5 or 12.5 centistokes; and z is usually selected from 0 to 1.

С учетом вышеизложенного, разработка приемлемого диапазона (этап 220) для отдельных моделей составляющих компонентов выполняется одинаково для базовых компонентов всех величин вязкости. Ряд базовых компонентов и рабочих характеристик проходят испытания рабочих характеристик для множества составов продуктов, в которых используются базовые компоненты одного диапазона вязкости. Предпочтительно, каждый состав продуктов смазочного материала представляет собой продукты смазочного материала для различных вариантов применения, то есть, автомобильные, гидравлические, промышленные и т.д. Как было указано, области образуют вокруг точек, которые "прошли" испытания для каждого состава, так, что эти области исключают базовые компоненты, "не прошедшие" испытания. Based on the foregoing, the development of an acceptable range (step 220) for individual models of constituent components is performed identically for the basic components of all viscosity values. A number of base components and performance tests pass performance tests for a variety of product formulations that use base components of the same viscosity range. Preferably, each composition of the lubricant products is lubricant products for various applications, i.e., automotive, hydraulic, industrial, etc. As indicated, areas form around points that have "passed" tests for each composition, so that these areas exclude basic components that have not "passed" tests.

Способ, применяемый для определения приемлемых областей, то есть, областей, вычерченных вокруг точек, которые "прошли" испытания для каждого состава, предпочтительно, представляет собой способ, включающей кластерный анализ данных испытания рабочих характеристик. Один из таких способов представляет собой, например, мягкий анализ независимой классификации (SIMCA), описанный авторами Мухаммад А. Шараф, Дебора Л. Иллман и Брюс Р. Ковальски, Chemometriсs, Джон Увили и сыновья. Инк., Нью-Йорк, 1986 г. Модели SIMCA были построены для моделирования составов базовых компонентов, которые либо проходят, либо не проходят испытания на двигателе. Модели SIMCA, однако, прежде всего, зависят от различных рабочих характеристик или переменных методик выбора, используемых для отсеивания свойств базового компонента. Методика отсеивания определяет оптимальные входные данные для модели классификации. Для выбора переменных используются две одновариантные стратегии, вариации и веса Фишера, которые позволяют произвести дискриминацию между прохождением и непрохождением испытаний двигателя. The method used to determine acceptable areas, that is, areas drawn around points that have "passed" tests for each composition, is preferably a method that includes a cluster analysis of performance test data. One such method is, for example, soft analysis of independent classification (SIMCA), described by the authors Muhammad A. Sharaf, Deborah L. Illman and Bruce R. Kowalski, Chemometriсs, John Uvili and sons. Inc., New York, 1986 SIMCA models were built to simulate the composition of basic components that either pass or fail engine tests. SIMCA models, however, are primarily dependent on various performance characteristics or variable selection techniques used to filter out the properties of the base component. The screening technique determines the optimal input data for the classification model. Two univariate strategies, variations and Fisher weights are used to select variables, which allow discrimination between passing and not passing engine tests.

Вес отклонения представляет собой отношение отклонения между категориями и суммой отклонений внутри категории для данной рабочей характеристики. Она аппроксимирует расстояние между двумя распределениями. Например, общее отклонение для процентного содержания фракции ароматических соединений в базовом компоненте вычисляют для прохождения испытаний на двигателе Caterpillar 1-G и делят на сумму отклонений для прошедших испытания. Общие веса отклонений для n>2 категорий представляет собой геометрическое среднее весов отклонений индивидуальной категории. Веса отклонений определяются с помощью следующей формулы:

где w = вес отклонения для двух категорий;
х = составляющий параметр базового компонента, то есть, сера, алифатическая сера, азотистые основания или распределение ароматических соединений;
N = количество образцов для данного класса;
Р или F обозначают данные по прошедшим или не прошедшим испытания.Deviation weight is the ratio of deviation between categories and the sum of deviations within a category for a given performance characteristic. It approximates the distance between the two distributions. For example, the total deviation for the percentage of the aromatic fraction in the base component is calculated for testing on a Caterpillar 1-G engine and divided by the sum of the deviations for the tested ones. The total deviation weights for n> 2 categories is the geometric mean of the deviation weights of the individual category. Deviation weights are determined using the following formula:

where w = weight deviation for two categories;
x = constituent parameter of the base component, that is, sulfur, aliphatic sulfur, nitrogenous bases or the distribution of aromatic compounds;
N = number of samples for this class;
P or F denote data on past or failed tests.

В табл. 1 приведен пример весов отклонения для двух кластеров базовых компонентов. In the table. Figure 1 shows an example of deviation weights for two clusters of base components.

Большие значения указывают на большую вероятность того, что эта категория отличается по прошедшим и не прошедшим испытания. В данном примере большее число для тиофенов указывает, что оно является наиболее значимым. Таким образом, сначала для использования можно выбирать наиболее существенные категории анализа. Larger values indicate a greater likelihood that this category is different in past and not tested. In this example, a larger number for thiophenes indicates that it is the most significant. Thus, at first, the most significant categories of analysis can be selected for use.

Для определения весового коэффициента Фишера используют расстояние между средними значениями в двух распределениях, поделенное на сумму отклонений, для определения степени дискриминации переменных. В целом, весовой коэффициент Фишера для n>2 категорий представляют собой среднее значение весовых коэффициентов Фишера индивидуальной категории. Весовой коэффициент Фишера определяют по следующей формуле:

В способе SIMCA используют анализ принципиальных составляющих для построения модели для каждого класса, то есть, прохождения/непрохождения испытаний. Факторный анализ используют для вычисления существенной химической структуры для каждого класса. Существенные структуры известны как принципиальные компоненты. Анализ принципиальных компонентов представляет собой удобный способ сжатия данных. Он также обеспечивает вращение данных (состава базового компонента) для ортогонального базиса, который удаляет какие-либо колинеарности данных. Принципиальные компоненты формируют новый набор осей для данных (свойств базового компонента).To determine the Fisher weight coefficient, the distance between the average values in the two distributions, divided by the sum of the deviations, is used to determine the degree of discrimination of the variables. In general, the Fisher weights for n> 2 categories represent the average of the Fisher weights for the individual category. The Fisher weight coefficient is determined by the following formula:

The SIMCA method uses the analysis of fundamental components to build a model for each class, that is, passing / not passing tests. Factor analysis is used to calculate the significant chemical structure for each class. Essential structures are known as principal components. Analysis of principal components is a convenient way to compress data. It also provides data rotation (the composition of the base component) for an orthogonal basis, which removes any collinearity of the data. Fundamental components form a new set of axes for data (properties of the base component).

Для оценки моделей, составляющих компонентов используют два основных статистических теста, F-тест и дистанция Махаланобиса (Mahalanobis Distance). F-тест представляет собой измерение остаточной ошибки, которое описывает расстояние между образцом и пространством, определяемым основными компонентами. Дистанция Махаланобиса описывает расстояние от центроида составляющих модели составляющих компонентов. F-тест определяет, является ли ошибка, связанная с образцом, статистической ошибкой или она вызвана неспособностью основных компонентов моделировать данные. Расстояние Махаланобиса указывает, является ли прогноз экстраполяцией модели составляющих компонентов. Two basic statistical tests, the F-test and the Mahalanobis Distance, are used to evaluate the models that make up the components. The F-test is a residual error measurement that describes the distance between the sample and the space determined by the main components. The Mahalanobis distance describes the distance from the centroid of the component components of the model. The F-test determines whether the error associated with the sample is a statistical error or is it caused by the inability of the main components to model the data. The Mahalanobis distance indicates whether the forecast is an extrapolation of the model of constituent components.

Модели составляющих компонентов используются путем проецирования неизвестных образцов на каждую модель. Химическая структура для каждой модели прикладывается для нового базового компонента. Остаточная ошибка и расстояние от центроида для каждого класса формируют основу для определения схожести неизвестных образцов. Неизвестные образцы могут принадлежать к одному или нескольким классам. Component component models are used by projecting unknown samples onto each model. The chemical structure for each model is applied to the new base component. The residual error and the distance from the centroid for each class form the basis for determining the similarity of unknown samples. Unknown samples may belong to one or more classes.

Мягкие модели, то есть, локальные кластеры данных, смоделированных независимо, и независимые модели используются для точного прогноза или классификации образцов. Например, составы базовых компонентов, которые продемонстрировали способность прохождения испытаний, например. Caterpillar 1-G2, могут рассматриваться как один кластер; составы базовых компонентов, не прошедших испытания, поэтому, представляют собой другой кластер. Образцы, прошедшие испытания, будут формировать основу для одной модели, и образцы, не прошедшие испытания, формируют основу для второй модели. Модель SIMCA комбинирует кластерный анализ с регрессией принципиальных компонентов. Эта методика включает управляемое обучение; образцы, используемые для построения моделей составляющих компонентов, должны быть классифицированы. Soft models, that is, local clusters of data modeled independently, and independent models are used to accurately predict or classify samples. For example, the compositions of the base components that have demonstrated the ability to pass tests, for example. Caterpillar 1-G2, can be considered as one cluster; the compositions of the basic components that have not passed the test, therefore, represent a different cluster. Samples tested will form the basis for one model, and samples not tested will form the basis for the second model. The SIMCA model combines cluster analysis with regression of fundamental components. This technique includes guided learning; Samples used to construct models of constituent components should be classified.

В модели SIMCA используется анализ основных компонентов (РСА) для вычисления химической структуры для каждого класса. РСА представляет собой статистическую основу для выбора существенных химических структур. РСА представляет собой методику повторного выражения исходных данных. Матрица исходных данных, свойства базового компонента X_i разлагаются в линейную комбинацию величин подсчета, L_i (веса) и структуры V_i ^T собственного вектора:
X_i=L_iV_i ^T. (A-3)
Для разложения матрицы используется ряд методик. Одна методика разложения матрицы представляет собой Разложение сингулярной величины (SVD), как описано авторами Голуб, Гене X., и Чарльз Ван Лоан, в Matrix Computations, 2-ое издание, стр.70, Johns Hopkins University Press, Балтимор (1989 г.):
X_i=U_iS_iV_i ^T. (A-4)
SVD позволяет получить две ортогональные матрицы U и V, которые могут использоваться для построения модели SIMCA. Диагональ S матрицы содержит сингулярные величины, которые представляют собой положительные квадратные корни собственных значений матрицы Х^TХ. Собственные значения позволяют получить прямую индикацию ранга матрицы X. Количество используемых существенных компонентов определяется с помощью кумулятивного отклонения, которое вычисляется по сингулярным величинам. Матрица V содержит собственные вектора X, причем эти собственные вектора используются как химическая структура для образцов в матрице Х данных. Перемножение матриц U_iS_i позволяет получить множество L_i.The SIMCA model uses Principal Component Analysis (PCA) to calculate the chemical structure for each class. PCA is a statistical basis for the selection of significant chemical structures. PCA is a technique for re-expressing raw data. The source data matrix, the properties of the basic component X _{i are} decomposed into a linear combination of counting values, L _i (weight) and structure V _i ^{T of} the eigenvector:
X _i = L _i V _i ^T. (A-3)
To decompose the matrix, a number of techniques are used. One matrix decomposition technique is Singular Value Decomposition (SVD), as described by Golub, Gene X., and Charles Van Loan, in Matrix Computations, 2nd Edition, p. 70, Johns Hopkins University Press, Baltimore (1989). ):
X _i = U _i S _i V _i ^T. (A-4)
SVD allows you to get two orthogonal matrices U and V, which can be used to build a SIMCA model. The diagonal S of the matrix contains singular values, which are the positive square roots of the eigenvalues of the matrix X ^T X. The eigenvalues provide a direct indication of the rank of the matrix X. The number of essential components used is determined using the cumulative deviation, which is calculated from the singular values. Matrix V contains the eigenvectors X, and these eigenvectors are used as the chemical structure for the samples in the data matrix X. Multiplication of the matrices U _i S _i allows us to obtain the set L _i .

L_i=U_iS_i. (A-5)
Термины "эмпирический" и "прогнозируемый" будут теперь использоваться для идентификации различных видов базовых компонентов. Эти термины не являются взаимозаменяемыми. Термин "эмпирический" указывает, что для построения модели составляющих компонентов использовался образец базового компонента. Термин "прогнозируемый" указывает, что образец базового компонента представляет собой действительный прогноз и не использовался для построения модели составляющих компонентов. Все уравнения, которые приведены ниже, основаны на матричных вычислениях для обеспечения перевода в Matlab. Matlab представляет собой программное обеспечение для коммерческих вычислений, поставляемое компанией Math Works, Inc., (город Нэйтик, штат Массачусетс), и обеспечивает выполнение разложения сингулярной величины для матриц SVD.L _i = U _i S _i . (A-5)
The terms “empirical” and “predicted” will now be used to identify different types of basic components. These terms are not used interchangeably. The term “empirical” indicates that a model of the base component was used to build the model of the component components. The term “predicted” indicates that the sample of the base component is a valid forecast and was not used to build a model of the component components. All of the equations below are based on matrix calculations to ensure translation in Matlab. Matlab is a commercial computing software provided by Math Works, Inc., of Natic, Mass., And provides singular value decomposition for SVD matrices.

Модель SIMCA требует, чтобы вычислялась остаточная ошибка для каждого класса. Анализ основных компонентов обеспечивает определенную фильтрацию ошибки исходных данных. Поэтому остаточное свойство каждого базового компонента также подвергается анализу. Остаточная ошибка представляет собой указание на "плотность" каждой клетки составляющего компонента. В модели SIMCA используются измеренные свойства базового компонента и их химический состав, или собственные вектора базового компонента и их химический состав, или собственные вектора для вычисления остаточной ошибки для каждого образца. Оценка остаточной ошибки может быть сделана с использованием методик линейной регрессии. Эмпирическая остаточная ошибка определяется как разность между наблюдаемой величиной X_i и эмпирическими, то есть, спроецированными величинами X_i:

,

.The SIMCA model requires that the residual error for each class be calculated. Analysis of the main components provides a certain filtering of the error of the source data. Therefore, the residual property of each base component is also analyzed. The residual error is an indication of the "density" of each cell of the constituent component. The SIMCA model uses the measured properties of the base component and their chemical composition, or the eigenvectors of the base component and their chemical composition, or eigenvectors to calculate the residual error for each sample. Estimation of residual error can be done using linear regression techniques. The empirical residual error is defined as the difference between the observed value of X _i and empirical, that is, projected values of X _i :

,

.

Эмпирические величины X_i могут быть вычислены на основании того, что:
матрица Н обычно обозначается как матрица покрытия и преобразует наблюдаемые отклики в эмпирические отклики. Оценку матрицы Н производят следующим образом
H=X(X^TX)^-1X^T, (A-8)
как описано авторами Вайсбер, Санфорд, Applied, Linear Regression, 2-е издание, стр. 47, John Wiley & Sons, Inc., Нью-Йорк, 1985 г. Эмпирическая остаточная ошибка может быть повторно выражена как
e=(1-H)X_i. (A-9)
Ортогональная матрица U, усеченная до ее наиболее существенных основных компонентов, представляет собой основу для важной проекции, связанной с SVD:
U_iU_i ^T = проекция на ранг (Х). (A-10)
Проекция на ранг Х представляет собой способ преобразования наблюдаемых откликов в эмпирические отклики. Проекция на диапазон Х из SVD матрицы X_i данных позволяет получить способ, основанный на основных компонентах, предназначенных для оценки матрицы покрытия:
H=U_iU_i ^T. (A-11)
Затем производят оценку остаточной ошибки эмпирических данных по следующему уравнению:

.Empirical quantities X _i can be calculated based on the fact that:
matrix H is usually denoted as a coverage matrix and transforms the observed responses into empirical responses. The matrix H is estimated as follows
H = X (X ^T X) ^-1 X ^T , (A-8)
as described by Weissber, Sanford, Applied, Linear Regression, 2nd Edition, p. 47, John Wiley & Sons, Inc., New York, 1985. Empirical residual error can be re-expressed as
e = (1-H) X _i . (A-9)
The orthogonal matrix U, truncated to its most essential basic components, is the basis for an important projection associated with SVD:
U _i U _i ^T = projection onto rank (X). (A-10)
Projection onto rank X is a way of transforming observed responses into empirical responses. The projection on the range X from the SVD matrix X _i data allows you to get a method based on the main components for evaluating the coverage matrix:
H = U _i U _i ^T. (A-11)
Then, the residual error of the empirical data is estimated using the following equation:

.

Остаточное отклонение каждого класса вычисляют по уравнению:

,
где NS представляет собой количество образцов, NV - количество отклонений (свойств базовых компонентов) и NC представляет собой количество основных компонентов.The residual deviation of each class is calculated by the equation:

,
where NS is the number of samples, NV is the number of deviations (properties of the base components) and NC is the number of main components.

Остаточную ошибку неизвестного образца Х_u, спроецированного в класс "i", оценивают по существенным собственным векторам и сингулярным величинам:
U_u=X_uV_iS_i ^-1 (А-14)
и

.The residual error of an unknown sample X _u projected into class "i" is estimated from the essential eigenvectors and singular values:
U _u = X _u V _i S _i ^-1 (A-14)
and

.

Остаточные отклонения неизвестных образцов оценивают по формулам:

,
B_i=V_iS_i ^-1U_i ^TX_i, (A-17)

,

,
F-тест используют для определения, находится ли образец за пределами клетки (объема) составляющих компонентов:

.Residual deviations of unknown samples are estimated by the formulas:

,
B _i = V _i S _i ^-1 U _i ^T X _i , (A-17)

,

,
The F-test is used to determine if the sample is outside the cell (volume) of the constituent components:

.

Как было описано выше, вторая важная статистика, используемая в моделях SIMCA, представляет собой дистанцию Махаланобиса, как описано автором Гордон А.Д. в публикации Classification, Чапмэн и Холл, 1981 г., которая приводится здесь в качестве ссылки. Дистанция Махаланобиса (М-расстояние) указывает, является ли экстраполяцией проекция на пространство модели составляющих компонентов. М-дистанцию оценивают по формуле:

.As described above, the second important statistic used in SIMCA models is the Mahalanobis distance, as described by the author Gordon A.D. in Classification, Chapman and Hall, 1981, which is incorporated herein by reference. The Mahalanobis distance (M-distance) indicates whether the projection onto the model space of the constituent components is extrapolated. M-distance is estimated by the formula:

.

Ковариационная матрица Г представляет собой несмещенную оценку ковариационной матрицы и вычисляется по формуле:

.The covariance matrix G is an unbiased estimate of the covariance matrix and is calculated by the formula:

.

Ковариационная матрица может быть повторно выражена в терминах SVD X_i:

.The covariance matrix can be re-expressed in terms of SVD X _i :

.

Дистанция Махаланобиса для эмпирических образцов становится равной:
Г_i ^-1=(NS-1)(V_iS_i ²V_i ^T)^-1, (A-24)
где
(V_iS_i ²F_i ^T)^-1=(V_i ^T)^-1(S_i ²)^-1(V_i)^-1, (A-25)
V_i ^T=V_i ^-1, (A-26)
Г_i ^-1=(NS-1)(V_iS_i ^-2V_iSUPT) (A-27)

,

,
и аналогично дистанция Махаланобиса (М) для спрогнозированных образцов становится равной:

.The Mahalanobis distance for empirical samples becomes equal:
G _i ^-1 = (NS-1) (V _i S _i ² V _i ^T ) ^-1 , (A-24)
Where
(V _i S _i ² F _i ^T ) ^-1 = (V _i ^T ) ^-1 (S _i ² ) ^-1 (V _i ) ^-1 , (A-25)
V _i ^T = V _i ^-1 , (A-26)
G _i ^-1 = (NS-1) (V _i S _i ^-2 V _i SUPT) (A-27)

,

,
and similarly, the Mahalanobis distance (M) for the predicted samples becomes equal to:

.

Таким образом, график дистанции М по вычисленной величине F представляет собой графическое представление состава базового компонента. Максимальная величина дистанции М представляет собой прямое измерение размера пространства основного компонента. Образцы базовых компонентов не должны превышать дистанцию М, вычисленную по данным, используемым для построения модели составляющих компонентов. Статистика F указывает на тип остатков, которые остаются после того, как образец будет спроецирован на пространство основного компонента. Малые величины F для модели, разработанной со статистически существенным количеством образцов основного масла, F<4, >95% представляет собой доверительную границу, указывающую на отсутствие остатков свойства базового компонента. Ошибки прогнозирования вызваны нормальными ошибками, связанными со сбором данных анализа. Если величина F будет больше 4, это означает, что основные компоненты не точно моделируют данные, и образец не попадает в модель составляющих компонентов. Thus, the distance graph M according to the calculated value F is a graphical representation of the composition of the base component. The maximum distance M is a direct measurement of the size of the space of the main component. Samples of basic components should not exceed the distance M calculated from the data used to build the model of component components. Statistics F indicates the type of residues that remain after the sample is projected onto the space of the main component. Small F values for a model developed with a statistically significant number of samples of the main oil, F <4,> 95%, is a confidence limit indicating the absence of residual properties of the base component. Prediction errors are caused by normal errors associated with the collection of analysis data. If the value of F is greater than 4, this means that the main components do not accurately model the data, and the sample does not fall into the model of component components.

Для получения полной модели составляющих компонентов строят отдельные модели составляющих компонентов, как для легких, так и для тяжелых нейтральных компонентов, как описано выше. Эти модели составляющих компонентов для легких и тяжелых нейтральных компонентов разрабатывают путем повторения вышеописанного процесса для каждого теста для рабочих характеристик для соответствующего базового компонента, таких, как описаны выше. To obtain a complete model of component components, separate models of component components are constructed for both light and heavy neutral components, as described above. These component component models for light and heavy neutral components are developed by repeating the above process for each performance test for the corresponding base component, such as those described above.

На фиг. 3 представлена упрощенная иллюстрация того, как, в общем, разрабатывают приемлемую область для каждого сорта вязкости. На фиг.3 представлены рабочие характеристики ряда базовых компонентов смазочных материалов одинакового сорта вязкости, которые измерялись в двух тестах на рабочие характеристики. Тесты на рабочие характеристики могут выполняться либо для одного и того же состава продукта смазочного материала, либо в отношении составов продуктов, предназначенных для различных вариантов применения, например, для автомобильных смазочных материалов, промышленных смазочных материалов, смазочных материалов морских двигателей и т.д. In FIG. Figure 3 is a simplified illustration of how, in general, an acceptable area is developed for each grade of viscosity. Figure 3 presents the performance of a number of basic components of lubricants of the same grade of viscosity, which were measured in two performance tests. Performance tests can be performed either for the same lubricant product composition, or for product formulations intended for various applications, such as automotive lubricants, industrial lubricants, marine engine lubricants, etc.

Как видно на фиг.3, области "прохождения" испытаний, х и z, для каждого теста обозначены на одном графике. Для простоты х и у представляют области "прохождения" испытаний только для двух тестов рабочих характеристик продуктов, выполненных либо для легкого, либо для тяжелого нейтрального базового компонента. Области перекрытия "прохождения" испытаний представляют собой приемлемую область, определяющую соответствующую модель составляющих компонентов для легких или тяжелых нейтральных базовых компонентов, и являются, таким образом, прогнозирующей рабочей характеристикой смазочного материала в пределах широкого диапазона продуктов смазочных материалов. As can be seen in figure 3, the area of "passing" the test, x and z, for each test are indicated on the same graph. For simplicity, x and y represent the "pass" test areas for only two performance tests of products, performed for either a light or heavy neutral base component. Areas of overlapping test passes are an acceptable area defining an appropriate component model for light or heavy neutral base components, and are thus predictive of the performance of a lubricant within a wide range of lubricant products.

Коррекция отклонений вязкости (этап 230) может быть выполнена в этой точке с помощью, например, простой линейной интерполяции, получаемой с помощью аналогичных моделей составляющих компонентов, имеющих отличающиеся определенные параметры для отличающихся значений вязкости. Незначительные отклонения в степени вязкости за пределами диапазона, определенного моделью составляющих компонентов, также могут быть экстраполированы. Оказалось удовлетворительным генерировать модели составляющих компонентов для каждого типа смазочного материала такого, как, например, легкие и тяжелые нейтральные компоненты, с использованием ограниченного диапазона величин вязкости вместо использования одиночного значения вязкости для каждого типа, с корректировками для незначительных вариаций значений вязкости образцов в пределах каждого сорта вязкости, выполненных путем масштабирования состава в соответствии с обычными тенденциями вариаций состава с вязкостью, как описано выше. Таким образом, после разработки модели состава компонентов для соответственно легких и тяжелых нейтральных основных компонентов, полная модель составных компонентов позволяет выполнить точную интерполяцию приемлемых областей рабочих характеристик базовых компонентов с промежуточными значениями вязкости по легким и тяжелым нейтральным моделям. Интерполяция выполняется с помощью других действий. The correction of viscosity deviations (step 230) can be performed at this point using, for example, simple linear interpolation obtained using similar models of constituent components having different specific parameters for different viscosity values. Slight deviations in viscosity beyond the range defined by the component model can also be extrapolated. It turned out to be satisfactory to generate models of constituent components for each type of lubricant, such as, for example, light and heavy neutral components, using a limited range of viscosity values instead of using a single viscosity value for each type, with adjustments for minor variations in the viscosity values of samples within each grade viscosity, made by scaling the composition in accordance with the usual trends in the composition with viscosity, as described neck. Thus, after developing a model of the composition of components for light and heavy neutral basic components, respectively, a complete model of composite components allows accurate interpolation of acceptable performance ranges of basic components with intermediate viscosity values for light and heavy neutral models. Interpolation is performed using other actions.

Для интерполяции моделей составляющих компонентов используют следующий принцип моделирования составляющих компонентов: базовый компонент промежуточной вязкости принимается, если возможно имитировать его состав как смесь двух приемлемых легкого и тяжелого нейтральных компонентов. To interpolate the models of component components, the following principle of modeling component components is used: the basic component of intermediate viscosity is adopted if it is possible to simulate its composition as a mixture of two acceptable light and heavy neutral components.

В одном из вариантов воплощения настоящего изобретения в модели составляющих компонентов для определения приемлемых областей используются эллипсы или эллипсоиды, однако, могут также использоваться другие геометрические фигуры. Например, может использоваться такая простая линейная интерполяция концов основных компонентов "эллипсоида", обозначенного как область приемлемых рабочих характеристик, что для каждого значения вязкости будет использоваться различный эллипс. Линейные интерполяции ортогональных осей, однако, не являются ортогональными, и желательные свойства основных компонентов могут быть потеряны. In one embodiment of the present invention, ellipses or ellipsoids are used in the constituent component model to determine acceptable regions, however, other geometric shapes can also be used. For example, you can use such a simple linear interpolation of the ends of the main components of the "ellipsoid", designated as the region of acceptable performance, so that for each viscosity value a different ellipse will be used. Linear interpolations of the orthogonal axes, however, are not orthogonal, and the desired properties of the main components may be lost.

Таким образом, интерполяции выполняются путем "плавного" преобразования одного эллипсоида в другой, то есть, линейного преобразования центра эллипса как функции вязкости, при постепенном вращении эллипсоида, и растяжении/сжатии осей эллипсоида в соответствии с их шкалами сингулярной величины. Это может быть выполнено, если модели составляющих компонентов будут находиться в одном "пространстве" и будут иметь одинаковое количество основных компонентов. Thus, interpolations are performed by "smoothly" converting one ellipsoid to another, that is, linearly transforming the center of the ellipse as a function of viscosity, during the gradual rotation of the ellipsoid, and stretching / compressing the axes of the ellipsoid in accordance with their singular scale. This can be done if the models of the component components will be in the same "space" and will have the same number of main components.

При вращении матрицы используется квадратная несимметричная матрица Т преобразований вращением, которая применяется к матрице V₀ средне-сцентрованных ортонормальных основных компонентов, которая будет вращать ее точно в ортогональные основные компоненты другой модели V₁:
TV₀=V₁. (B1)
Поскольку V₀ является ортонормальной, Т выражается просто как
T_V0V₀=T=V₁V₀. (B2)
Промежуточные оси между моделью 0 и моделью 1 могут быть выражены как фракционные вращения Т. К счастью, для фракционных преобразований существует хорошо проработанная алгебра матриц. Если мы определяем z=0 для модели 0 (легкий нейтральный компонент), и z= 1 для модели 1 (тяжелый нейтральный компонент), любой промежуточный набор вращаемых осей V_z может быть выражен как:
V_z=T^zV₀=ED^zEV₀, (B3)
где Т^z представляет собой матрицу Т в степени z, которая вычисляется из собственного анализа Тs Т Е - Е D, где Е является ортонормальной и D диагональной, и D^z также является диагональной, с элементами диагонали D, возведенными в степень z. Поскольку Т является несимметричной, как Е, так и D будут содержать сопряженные пары комплексных собственных векторов - собственных величин, которые требуют применения комплексной алгебры.When the matrix is rotated, a square asymmetric matrix of T transformations by rotation is used, which is applied to the matrix V _{0 of the} middle-centered orthonormal main components, which will rotate it exactly into the orthogonal main components of another model V ₁ :
TV ₀ = V ₁ . (B1)
Since V ₀ is orthonormal, T is simply expressed as
T _V0 V ₀ = T = V ₁ V ₀ . (B2)
The intermediate axes between model 0 and model 1 can be expressed as fractional rotations of T. Fortunately, there is a well-developed matrix algebra for fractional transformations. If we define z = 0 for model 0 (light neutral component), and z = 1 for model 1 (heavy neutral component), any intermediate set of rotated axes V _z can be expressed as:
V _z = T ^z V ₀ = ED ^z EV ₀ , (B3)
where T ^z is a matrix of T in degree z, which is calculated from the own analysis of Ts T E - E D, where E is orthonormal and D diagonal, and D ^{z is} also diagonal, with elements of diagonal D raised to the power z. Since T is asymmetric, both E and D will contain conjugate pairs of complex eigenvectors - eigenvalues that require the use of complex algebra.

Перед вычислением V_z для данного V₁ и V₀ необходимо разрешить дополнительные сложности. Одна из них представляет собой хиральность, и другая представляет собой совмещение. Хиральные объекты представляют собой зеркальное отображение друг друга. Поэтому становится невозможным вращать хиральный объект в его зеркальное изображение. Аналогично, набор ортогональных векторов в многомерном пространстве имеет определенные характеристики или "смысл", которые аналогичны хиральности. Единственные разрешенные варианты вращения, которые не приводят к значительной деформации векторов в воображаемых плоскостях, в промежуточных этапах, представляют собой те, которые преобразуются между наборами векторов с одинаковой хиральностью или смыслом. Таким образом, для преодоления этой проблемы колонки V₁ перемножают на -1 до тех пор, пока векторы V_0,5 промежуточных преобразований не будут находиться в действительной плоскости.Before calculating V _z for a given V ₁ and V ₀ , additional difficulties must be resolved. One of them is chirality, and the other is a combination. Chiral objects are mirror images of each other. Therefore, it becomes impossible to rotate a chiral object in its mirror image. Similarly, a set of orthogonal vectors in multidimensional space has certain characteristics or “meaning” that are similar to chirality. The only allowed rotation options that do not lead to significant deformation of vectors in imaginary planes in the intermediate stages are those that are converted between sets of vectors with the same chirality or meaning. Thus, to overcome this problem, columns V _{1 are} multiplied by -1 until the vectors V _{0.5 of the} intermediate transformations are in the real plane.

Последняя сложность с совмещением решается путем вычисления всех возможных вращений в действительной плоскости и сравнения "расстояния их вращения для 1-го, 2-го, . .., N-го основных компонентов до тех пор, пока не будет найдено вращение с минимальным угловым изменением, как функция изменения z. Как только будет найдено надлежащее вращение, остальные параметры модели составляющих компонентов будут интерполированы соответствующим образом. Среднее значение, масштабирование оси и дистанция Махаланобиса интерполируются линейно, в то время как отношение f и остаточное отклонение интерполируются квадратично. The last difficulty with alignment is solved by calculating all possible rotations in the real plane and comparing the "distances of their rotation for the 1st, 2nd, ..., Nth main components until a rotation with a minimum angular change is found as a function of changing z. Once the proper rotation is found, the remaining parameters of the component component model will be interpolated accordingly. The average value, axis scaling and Mahalanobis distance are interpolated linearly, while elations f and the residual deviation interpolated quadratically.

Эта технология может быть расширена на более высшие или низшие сорта вязкости, чем у тяжелых или легких нейтральных компонентов, соответственно. Например, путем разработки модели составляющих компонентов для высоковязкого цилиндрового масла (брайтсток) (то есть, VI составляет приблизительно 30 сантистоксов), специалист в данной области техники может свободно провести интерполяцию для диапазонов вязкости между тяжелыми нейтральными компонентами и брайтстоком. This technology can be extended to higher or lower grades of viscosity than heavy or light neutral components, respectively. For example, by developing a model of constituent components for high viscosity cylinder oil (Brightstock) (i.e., VI is approximately 30 centistokes), one skilled in the art can freely interpolate for viscosity ranges between heavy neutral components and brightstock.

Прогноз рабочих характеристик для продуктов всех значений вязкости выполняют и сравнивают с действительными рабочими характеристиками для этих значений вязкости. Если точность прогноза для вязкостей между величинами, для которых были разработаны модели составляющих компонентов, будет меньше, чем для величин вязкости, для которых были разработаны модели составляющих компонентов, могут быть разработаны дополнительные модели составляющих компонентов для большего количества значений вязкости, до тех пор, пока не будет достигнута удовлетворительная точность. После того как будет определена полная модель составляющих компонентов для множества продуктов, например, PVL, CVL, морские и промышленные смазочные материалы, эта полная модель составляющих компонентов обязательно включает уровни рабочих характеристик для каждого конечного состава продукта. Таким образом, любой базовый компонент смазочного материала, выбранный в соответствии с любым из способов, имеющим любое значение вязкости, причем рабочие характеристики этого смазочного материала являются неизвестными, состав конечного продута смазочного материала должен быть просто проанализирован в отношении химических концентраций ключевых параметров составляющих компонентов (этап 240). После проведения оценки по модели составляющих компонентов, базовый компонент смазочного материала либо попадает в приемлемую область, либо нет. Таким образом, модель составляющих компонентов позволяет производить прогнозирование, является ли базовый компонент смазочного материала приемлемым для использования во всех продуктах смазочных материалов или не приемлемым для использования в качестве смазочного материала, по меньшей мере, в его данной форме. The performance forecast for products of all viscosity values is performed and compared to the actual performance for these viscosity values. If the forecast accuracy for viscosities between the values for which models of constituent components have been developed is less than for viscosities for which models of constituent components have been developed, additional models of constituent components can be developed for more viscosities until satisfactory accuracy will not be achieved. Once a complete component model is defined for many products, such as PVL, CVL, marine and industrial lubricants, this complete component model necessarily includes performance levels for each final product composition. Thus, any base component of the lubricant selected in accordance with any of the methods having any viscosity value, the performance of this lubricant being unknown, the composition of the final product of the lubricant should be simply analyzed in relation to the chemical concentrations of the key parameters of the constituent components (step 240). After evaluating the component model, the base component of the lubricant either falls into an acceptable area or not. Thus, the model of constituent components allows predicting whether the base component of a lubricant is acceptable for use in all lubricant products or not acceptable for use as a lubricant, at least in its given form.

На фиг. 4 изображена модель составляющих компонентов, составленная из приемлемых областей составляющих компонентов для моделей легких и тяжелых нейтральных компонентов. Хотя на чертеже наблюдается значительное перекрытие между приемлемыми областями для моделей составляющих компонентов легких и тяжелых нейтральных компонентов, такое использование модели составляющих компонентов не является самым эффективным. Наиболее эффективным способом использования модели составляющих компонентов скорее является ее полная форма, поскольку в такой полной модели составляющих компонентов используются все разумные интерполяции для значений вязкости между этими крайними значениями. Поскольку как легкий, так и тяжелый нейтральные компоненты изготовлены из данного сырья, модель составляющих компонентов, такая, как изображена на фиг. 4, указывает, что большое количество потенциальных видов сырья являются пригодными для использования их для продуктов смазочного материала с множеством значений вязкости, до тех пор, пока они перекрываются в приемлемых областях, которые определяются с помощью модели составляющих компонентов для множества значений вязкости. Область пониженного содержания серы и ароматических соединений, однако, является приемлемой для легких нейтральных компонентов, но не приемлема для тяжелых нейтральных компонентов. Как показано на чертеже, такая область, в общем, позволяет получить хорошие характеристики для Sequence VE, Mack Т-8 и СЕО Caterpillar 1M-PC. In FIG. Figure 4 shows a component component model made up of acceptable component component regions for light and heavy neutral component models. Although the drawing shows a significant overlap between acceptable areas for models of the constituent components of light and heavy neutral components, such a use of the model of constituent components is not the most effective. The most efficient way to use the component component model is rather its full form, since such a complete component component model uses all reasonable interpolations for the viscosity values between these extreme values. Since both light and heavy neutral components are made from this raw material, a model of constituent components, such as that shown in FIG. 4 indicates that a large number of potential types of raw materials are suitable for use with lubricant products with many viscosity values, as long as they overlap in acceptable areas, which are determined using the model of constituent components for many viscosity values. The region of low sulfur and aromatic compounds, however, is acceptable for light neutral components, but not acceptable for heavy neutral components. As shown in the drawing, this area, in General, allows to obtain good characteristics for the Sequence VE, Mack T-8 and CEO Caterpillar 1M-PC.

Как описано выше, модель составляющих компонентов основывается на составах базового компонента смазочного материала, известного, как дающего хорошие смазочные материалы. В других вариантах воплощения настоящего изобретения возможны варианты выбора для тех составов базовых компонентов, которые были обозначены моделью составляющих компонентов как "не прошедшие" испытания. Например, в одном из вариантов воплощения настоящего изобретения "не прошедший" испытания образец может смешиваться с базовым компонентом, который "прошел" испытания, для получения приемлемого состава. Этот вариант воплощения изображен на фиг.5. As described above, the model of constituent components is based on the compositions of the base component of the lubricant, known as giving good lubricants. In other embodiments of the present invention, choices are possible for those base component formulations that have been designated as “failed” by the constituent component model. For example, in one embodiment of the present invention, the “failed” test sample can be mixed with a base component that “passed” the test to obtain an acceptable formulation. This embodiment is depicted in FIG. 5.

На фиг.5 изображено приближение двумерного представления приемлемой области модели составляющих компонентов для легкого нейтрального компонента с концентрацией общего содержания ароматических соединений в зависимости от общего содержания серы, как составляющих параметров. Легкие нейтральные базовые компоненты множества видов сырья обозначены на графике в соответствии с относительными концентрациями общего количества ароматических соединений и общего количества серы. Некоторые из видов сырья позволяют получить легкие нейтральные компоненты, составляющие компоненты которых попадают в приемлемую область модели составляющих компонентов, а некоторые не позволяют. Те, которые не попадают в приемлемую область, однако, могут быть смешаны с составами базовых компонентов, которые попадают в приемлемую область. Составы базовых компонентов могут смешиваться только, если составы между двумя или большим количеством базовых компонентов, которые должны смешиваться (этап 260), являются взаимодополняющими. Например, на фиг.5 легкий нейтральный базовый компонент, полученный из сырья J, содержит высокое количество ароматических соединений и высокую концентрацию общего количества серы. Такой базовый компонент, полученный из сырья J, может смешиваться с легким нейтральным базовым компонентом, полученным из сырья D, например, который содержит более низкий уровень, как общего количества ароматических соединений, так и серы так, что полученный в результате продукт будет уверенно попадать в приемлемую область, в соответствии с прогнозом, выполненным с помощью модели составляющих компонентов. Знание концентрации составляющих параметров позволяет вычислять количество каждого базового компонента, требуемое для получения результирующего состава базовых компонентов, составляющие параметры которого будут в пределах приемлемой области (этапы 270 и 280). Figure 5 shows the approximation of a two-dimensional representation of an acceptable region of the model of constituent components for a light neutral component with a concentration of the total content of aromatic compounds, depending on the total sulfur content, as constituent parameters. Light neutral basic components of many types of raw materials are indicated on the graph in accordance with the relative concentrations of the total amount of aromatic compounds and the total amount of sulfur. Some of the types of raw materials make it possible to obtain light neutral components, the constituent components of which fall into an acceptable region of the model of constituent components, and some do not. Those that do not fall into an acceptable region, however, can be mixed with formulations of base components that fall into an acceptable region. The compositions of the base components can only be mixed if the compositions between two or more base components that are to be mixed (step 260) are complementary. For example, in FIG. 5, a light neutral base component obtained from feedstock J contains a high amount of aromatic compounds and a high concentration of total sulfur. Such a base component obtained from raw material J can be mixed with a light neutral basic component obtained from raw material D, for example, which contains a lower level of both the total amount of aromatic compounds and sulfur so that the resulting product will surely fall into acceptable area, in accordance with the forecast made using the model of component components. Knowing the concentration of the constituent parameters allows you to calculate the amount of each basic component required to obtain the resulting composition of the basic components, the constituent parameters of which will be within an acceptable area (steps 270 and 280).

Два "не прошедших" испытания базовых компонента также могут быть скомбинированы таким же образом, если только их составы будут взаимодополняющими таким образом, чтобы их комбинация привела к получению базового компонента, составляющие параметры которого попали бы в приемлемую область, спрогнозированную моделью составляющих компонентов. Как можно снова видеть на фиг.5, легкий нейтральный базовый компонент, полученный из сырья А, например, может быть скомбинирован с легким нейтральным базовым компонентом, полученным из сырья X, для формирования "проходящего" испытания легкого нейтрального базового компонента АХ. В противоположность этому, легкий нейтральный базовый компонент, полученный из сырья А, не может быть скомбинирован с легким нейтральным базовым компонентом, полученным из сырья Y так, чтобы была получена "проходящая" испытание комбинация, поскольку смещение в составе каждого базового компонента не является в достаточной степени пригодным для получения "проходящего" испытание базового компонента. Two “failed” tests of the basic components can also be combined in the same way, provided that their compositions are complementary in such a way that their combination results in a basic component whose constituent parameters fall into an acceptable region predicted by the constituent component model. As can be seen again in FIG. 5, a light neutral base component obtained from feed A, for example, can be combined with a light neutral base component obtained from feed X to form a “passing” test of the light neutral base component AX. In contrast, the light neutral base component obtained from feedstock A cannot be combined with the light neutral base component obtained from feed Y so that a “passable” test combination is obtained, since the bias in the composition of each base component is not sufficient suitable for obtaining a “passing” test of the base component.

Модель составляющих компонентов позволяет произвести интеграцию известных данных по рафинированию с прогнозом рабочих характеристик смазочного материала. Например, составы базовых компонентов, полученных из имеющихся в мире видов сырья, могут быть прямо определены с помощью обычных аналитических методик специалистами в данной области техники. Таким образом, знание либо выбранного сырья, либо данных рафинирования выбранного базового компонента, позволяет определить, могут ли выбранное сырье или базовый компонент быть рафинированы так, чтобы они попали в приемлемую область, которая была спрогнозирована с помощью модели составляющих компонентов (этап 285). В случае определенного вида сырья, зная данные рафинирования выбранного сырья, становится возможным определить, может ли выбранное сырье быть рафинировано для получения базового компонента, состав которого будет находиться в приемлемой области, спрогнозированной с помощью модели составляющих компонентов. Например, в данной области техники производства машинного масла известно, что при повышении степени воздействия при экстракции растворителем, например, фурфуролом (этап 140 на фиг.1), определенные ключевые составляющие элементы, такие как, например, общее количество ароматических соединений или алифатической серы, уменьшается при экстракции базового компонента с помощью растворителя. The component model allows the integration of known refining data with a prediction of lubricant performance. For example, the compositions of the basic components obtained from the world's available raw materials can be directly determined using conventional analytical techniques by those skilled in the art. Thus, knowing either the selected raw material or the refining data of the selected base component, it can be determined whether the selected raw material or base component can be refined so that it falls into an acceptable area that was predicted using the constituent component model (step 285). In the case of a certain type of raw material, knowing the refining data of the selected raw material, it becomes possible to determine whether the selected raw material can be refined to obtain a basic component whose composition will be in an acceptable region predicted using the component components model. For example, it is known in the art for the manufacture of engine oil that when the degree of exposure is increased by extraction with a solvent, for example furfural (step 140 in FIG. 1), certain key constituent elements, such as, for example, the total amount of aromatic compounds or aliphatic sulfur, decreases when the base component is extracted with a solvent.

Для этого этапа экстракции может использоваться любой коммерческий способ рафинирования экстракцией, однако, обычно процесс экстракции представляет собой непрерывный процесс. В большинстве коммерческих непрерывных процессов масло подают в нижнюю часть резервуара с множеством смесителей, установленных внутри него. Множество смесителей позволяет при рафинировании управлять степенью воздействия при экстракции. Растворитель вводят вблизи к верхней части резервуара. Растворитель обычно представляет собой жидкую двуокись серы, смешанную с бензолом, фурфуролом, пропаном, фенолом, N-метилпирролидоном или тому подобное. Экстракция фурфуролом является предпочтительной. Растворитель, который работает таким образом, распространяясь по направлению к донной части резервуара, растворяет экстракт по мере его движения. Остающийся компонент сольвентной очистки, или рафинат, поднимается к верхней части резервуара и отделяется от экстракта, содержащего растворитель. For this extraction step, any commercial refining method can be used, however, usually the extraction process is a continuous process. In most commercial continuous processes, oil is fed to the bottom of the tank with many mixers installed inside it. Many mixers make it possible to control the degree of impact during extraction during refining. The solvent is introduced near the top of the tank. The solvent is usually liquid sulfur dioxide mixed with benzene, furfural, propane, phenol, N-methylpyrrolidone or the like. Furfural extraction is preferred. A solvent that works this way, spreading toward the bottom of the tank, dissolves the extract as it moves. The remaining solvent treatment component, or raffinate, rises to the top of the tank and is separated from the solvent-containing extract.

Кроме того, гидрообработка (этап 180 на фиг.1) также может использоваться для удаления серы и других гетероатомов из базового компонента. При этом может использоваться любой коммерческий способ гидрообработки при рафинировании. Большая часть коммерческих способов гидрообработки приводит к перемешиванию потока базового компонента с водородом при температурах от 260 до 425^oС. Масло, комбинированное с водородом, затем подают в резервуар, заполненный катализатором, в котором могут происходить требуемые реакции. Масло затем направляют в испарительную колонну для удаления неорганических гетероатомов, таких как сероводород, и любых легких углеводородов, которые могут быть образованы во время каталитической реакции.In addition, hydroprocessing (step 180 in FIG. 1) can also be used to remove sulfur and other heteroatoms from the base component. In this case, any commercial method of hydroprocessing during refining can be used. Most commercial hydroprocessing methods mix the base component stream with hydrogen at temperatures from 260 to 425 ^° C. The oil combined with hydrogen is then fed to a reservoir filled with catalyst, in which the required reactions can occur. The oil is then sent to an evaporation column to remove inorganic heteroatoms, such as hydrogen sulfide, and any light hydrocarbons that may be formed during the catalytic reaction.

Результат воздействия процессов коммерческой экстракции на, например, легкие нейтральные базовые компоненты показан по отношению к легкой нейтральной модели составляющих компонентов с концентрацией общих ароматических соединений по отношению к общему количеству серы в качестве составляющих параметров, представленных на фиг.6. Для определения, может ли базовый компонент быть рафинирован для получения состава, находящегося в приемлемой области, отображается набор базовых компонентов, полученных из различных видов сырья, для иллюстрации воздействия степени экстракции на базовые компоненты. Степень воздействия процессов экстракции на индекс вязкости (VI) также показана на чертеже. Очевидно, что, если базовый компонент, полученный из определенного сырья, имеет высокую концентрацию, например, общего количества ароматических соединений и общего количества серы так, что он будет находиться за пределами приемлемой области, спрогнозированной моделью составляющих компонентов, такой, например, как базовый компонент, полученный из сырья К, этот базовый компонент может быть дополнительно рафинирован (этап 290) до такой степени, когда его состав попадет в приемлемую область, спрогнозированную с помощью модели составляющих компонентов. Аналогично, экстрагированные базовые компоненты могут быть скомбинированы таким образом, как было описано выше, для получения составов, находящихся в пределах приемлемой области спрогнозированной модели составляющих компонентов. The result of the effects of commercial extraction processes on, for example, light neutral basic components is shown with respect to a light neutral model of constituent components with a concentration of total aromatic compounds with respect to the total amount of sulfur as constituent parameters shown in Fig.6. To determine whether the base component can be refined to formulate in an acceptable area, a set of base components obtained from various types of raw materials is displayed to illustrate the effect of the degree of extraction on the base components. The degree of influence of the extraction processes on the viscosity index (VI) is also shown in the drawing. Obviously, if the base component obtained from a certain raw material has a high concentration of, for example, the total amount of aromatic compounds and the total amount of sulfur so that it will be outside the acceptable area predicted by the model of constituent components, such as, for example, the base component obtained from raw materials K, this basic component can be further refined (step 290) to the extent that its composition falls into an acceptable region predicted using the model of components of mponentov. Similarly, the extracted base components can be combined in the manner described above to formulations that are within an acceptable region of the predicted model of constituent components.

Степень воздействия рафинирования на ряд различных видов сырья позволяет произвести прогнозирование параметров смеси, которая будет изготовлена на основании состава базовых компонентов, полученных из этих видов сырья. Аналогично, зная состав и вязкость любого потока при рафинировании, такого, например, как представлен на фиг.1, можно сделать прогноз состава и произвести его смешивание, которое при дальнейшем рафинировании позволяет получить базовый компонент, имеющий состав, находящийся в пределах приемлемой области, определенной с помощью данной модели. The degree of impact of refining on a number of different types of raw materials allows predicting the parameters of the mixture, which will be made on the basis of the composition of the basic components obtained from these types of raw materials. Similarly, knowing the composition and viscosity of any stream during refining, such as, for example, shown in Fig. 1, it is possible to make a composition forecast and mix it, which, when refined further, allows one to obtain a base component having a composition within an acceptable region defined using this model.

Изменения состава, которые зависят от изменений процесса сольвентной очистки или гидрообработки, являются хорошо известными и могут быть легко смоделированы с целью выбора подходящих потоков рафинирования из известных источников сырья и для выбора самих подходящих видов сырья. В частности, степень воздействия типовых процессов, таких как, например, дистилляция, экстракция растворителем, депарафинизация и гидрообработка, могут быть смоделированы и могут использоваться в соответствии с настоящим изобретением. Это моделирование включает такие элементы, как уровень и тип ароматических соединений, уровень и типы серы, уровень и типы азота, и, если потребуется, может включать другие параметры. В степень воздействия типовых процессов следует включать такие параметры, как температуры кипения фракции дистилляции, дозировка и температура растворителя, увеличение времени контакта, дозы депарафинизации и температурные профили, давление водорода, температура, тип катализатора, скорость преобразования и обработки водородом. Changes in composition, which depend on changes in the process of solvent treatment or hydrotreatment, are well known and can be easily modeled in order to select suitable refining streams from known sources of raw materials and to select the most suitable types of raw materials themselves. In particular, the degree of impact of typical processes, such as, for example, distillation, solvent extraction, dewaxing and hydrotreating, can be modeled and can be used in accordance with the present invention. This simulation includes elements such as the level and type of aromatic compounds, the level and types of sulfur, the level and types of nitrogen, and, if necessary, may include other parameters. The degree of influence of typical processes should include such parameters as boiling points of the distillation fraction, dosage and temperature of the solvent, increase in contact time, dewaxing doses and temperature profiles, hydrogen pressure, temperature, type of catalyst, conversion rate and hydrogen treatment.

Рассмотрим теперь фиг.7, на которой можно видеть, что в одном из вариантов воплощения настоящего изобретения модель 801 обработки рафинированием, разработанная как описано выше, работает на компьютере или процессоре 803, к которому подключено запоминающее устройство 805. Процессор 803 и запоминающее устройство 805 могут представлять собой подходящий процессор и запоминающее устройство, соответственно, без отхода от объема и сущности настоящего изобретения. Например, процессор может представлять собой процессор на основе персонального компьютера или на основе универсальной вычислительной машины, и запоминающее устройство может представлять собой ОЗУ, ПЗУ или любое соответствующее устройство накопления информации, такое как жесткий диск и т.п. Referring now to FIG. 7, it can be seen that, in one embodiment of the present invention, the refining processing model 801, developed as described above, runs on a computer or processor 803 to which a storage device 805 is connected. A processor 803 and a storage device 805 may be a suitable processor and memory, respectively, without departing from the scope and spirit of the present invention. For example, the processor may be a processor based on a personal computer or on the basis of a universal computer, and the storage device may be RAM, ROM, or any corresponding information storage device, such as a hard disk or the like.

Как видно на фиг.7, на вход модели обработки обычно поступают данные, представляющие базовый компонент 807 или базовые компоненты 807, такие как газойли (в случае смеси), или данные, представляющие сырье 809 или несколько видов сырья 809 (в случае рафинирования). Что касается данных, представляющих сырье (виды сырья) 809, на вход модели также могут поступать данные, представляющие данные 810 рафинирования конкретного сырья (видов сырья) 809. Как правило, параметры составляющих, фактически, вводятся в случае базового компонента (компонентов), или производится их прогнозирование в случае сырья (видов сырья). Обычно соответствующая информация по составляющим параметров является доступной как экспериментальные данные, которые записаны в запоминающем устройстве 805 в случае базового компонента (компонентов). В случае сырья такие параметры составляющих могут быть спрогнозированы из данных промышленной библиотеки, которые также записаны в запоминающем устройстве 805. После ввода таких данных модель составляющих компонентов производит прогнозирование, являются ли введенный базовый компонент (компоненты) 807 или сырье (виды сырья) 809 приемлемыми в соответствии со способом, описанным выше, и вычисляет соответствующие выходные данные 811. As can be seen in Fig.7, the input of the processing model usually receives data representing the base component 807 or basic components 807, such as gas oils (in the case of a mixture), or data representing raw materials 809 or several types of raw materials 809 (in the case of refining). As for the data representing the raw materials (types of raw materials) 809, data representing the refining data 810 of a particular raw material (types of raw materials) 809 may also be input to the model. As a rule, the parameters of the components are, in fact, entered in the case of the basic component (s), or they are forecasted in the case of raw materials (types of raw materials). Typically, the relevant information on the constituent parameters is available as experimental data that is recorded in the storage device 805 in the case of the base component (s). In the case of raw materials, such parameters of the components can be predicted from the industrial library data, which are also recorded in the storage device 805. After entering such data, the model of component components predicts whether the input base component (s) 807 or raw materials (types of raw materials) 809 are acceptable in in accordance with the method described above, and calculates the corresponding output data 811.

Claims

1. A method for predicting the performance of a base component of a lubricant intended for use in the manufacture of a lubricant for a specific application, wherein this base component is characterized by a plurality of constituent components that are common to a plurality of base components of a lubricant, and the amount of each constituent component in a corresponding base component variously, comprising the following steps: identifying a particular set of constituent components ntov a lubricant base stock that, in combination characterize the performance of the lubricant for a variety of applications; determining an acceptable range for the combination of identified constituent components for two or more viscosity values from a plurality of performance tests of a plurality of lubricants having different viscosity values, to determine a model of constituent components for each viscosity value; determining the number of identified component components in the base component of the candidate lubricant to obtain an acceptable range of component components in combination with a viscosity value of the base component of the candidate lubricant, and determining whether the amount of each identified component in the base component of the candidate in combination is within an acceptable range for the identified components .

2. The method according to p. 1, characterized in that a certain acceptable range for each identified component is selected from the group consisting of an acceptable range that is independent of any other identified component, and an acceptable range associated with an acceptable range of another identified component.

3. The method according to p. 1, characterized in that the identification step comprises the selection of constituent components from the group consisting of nitrogen bases, sulfur, aliphatic sulfur, aromatic compounds and combinations thereof.

4. The method according to p. 1, characterized in that an acceptable range for a combination of identified constituent components is determined for two or more viscosity values from a variety of performance tests for a variety of lubricant products having different viscosity values, to determine the model of constituent components for each viscosity value, and the viscosity deviation is adjusted for the base components of the lubricant, the viscosity values of which differ from the selected elichin viscosity, by adjusting the model components constituting parameters of the at least two models of the components at values of viscosity differing from the values of viscosity lubricant base stock candidate for an acceptable range of the components in combination with the value of viscosity lubricant base stock candidate.

5. The method according to p. 4, characterized in that the correction of viscosity deviations is performed by interpolating the parameters of the component components model between the parameters of the component components model for the components of the component models with a viscosity value that is closest and higher than the viscosity of the base component of the lubricant candidate, and parameters models of constituent components at a degree of viscosity that is closest and lower than the degree of viscosity of the base component of the candidate lubricant.

6. The method according to p. 5, characterized in that the models of the constituent components for at least one of the models of the constituent components at the next higher viscosity and the next lower viscosity are generated with a change in the viscosity level with the correction of viscosity deviations within this viscosity levels, which are obtained by scaling the deviations of the composition with respect to viscosity.

7. The method according to p. 1, characterized in that the plurality of base components of the lubricant are selected from the set of base components of the lubricant intended for use in the production of lubricant for a particular application by determining the required amount of each of the many selected base components for combination, for determining the combination to be used in the final composition of the lubricant whose performance is within an acceptable area for each identified component, and carry out the mixing of the required amount of each selected base component, which is necessary for the formation of the final composition of the lubricant.

8. The method according to p. 1, characterized in that the base component of the lubricant is selected from a number of basic components of the lubricant in accordance with the definition made using this method.

9. The method according to p. 1, characterized in that the base component of the lubricant is selected from a double mixture of two base components, none of which has a composition that is acceptable for the selected base component for a specific application.

10. A method of mixing a combination of oil refining streams from a plurality of such refining streams to produce a base lubricant component for a particular lubricant application, each of which flows can be used for lubricant base components characterized by a plurality of constituent components that are common to a plurality of base components, and each component component has a different quantitative composition in relation to each basic component the one containing the following steps: identification of specific components from the plurality of constituent components in the base component, which in combination form a set of lubricant operating properties for a particular application; determining an acceptable area for the combination of identified constituent components for at least two viscosity values from a plurality of performance tests for a plurality of lubricants with different viscosities, thereby defining a model of constituent components for each of these at least two values viscosity; obtaining an acceptable region of constituent components in combination with a viscosity value of the base component of the lubricant candidate; identifying the quantitative composition of the identified constituent components for the base component of the lubricant to be refined from a plurality of refining streams; determining the composition of the mixture of streams in accordance with a combination of identified components within an acceptable area for such identified components for a particular application, and mixing the streams in accordance with a specific composition.

11. The method according to p. 10, characterized in that the correction of viscosity deviations for the basic components of the lubricant, the viscosity values of which differ from these two viscosity values, by adjusting the model parameters of the component components of at least two models of component components for viscosity values different from the viscosity values of the base component of the candidate lubricant.

12. The method according to p. 10, characterized in that many of the basic components of the lubricants are mixed to obtain the basic component of the lubricant for a specific application, in which none of the many basic components is acceptable as the selected base component of the lubricant, and this the method includes determining a composition for a mixture of selected base components, such that this composition of a mixed combination of base components with respect to the identified components is found within the acceptable range for such identified components for the base component for a particular application, and mix the base components in accordance with the composition defined for the mixture.

13. The method according to p. 12, characterized in that the mixture is a double mixture of two basic components, none of which has a composition that is acceptable for the selected basic component for a specific application.

14. The method according to p. 13, characterized in that the compositions of the base components, which are not acceptable for the selected base component for a specific application, are complementary to at least one of the identified components.

15. The method according to p. 14, characterized in that at least one of the base components, which is not acceptable for the selected base component, has a composition in which the amount of at least one of the identified components is below an acceptable range for this component in the selected base component and the amount of the same at least one component in the base component having a complementary composition is higher than the acceptable range for this component.

16. The method according to p. 11, characterized in that the viscosity deviations are corrected by interpolating the parameters of the component components model between the parameters of the component components model for the component components model at a viscosity value that is next and higher than the viscosity value of the candidate base lubricant component, and model parameters of the constituent components for a viscosity value that is the following and below the viscosity value of the candidate base lubricant component.

17. The method according to p. 16, characterized in that the viscosity deviations are corrected by interpolating the parameters of the component components model between the parameters of the component components model for the component components model with a viscosity value of the following and higher than the viscosity value of the candidate base component of the lubricant, and model parameters constituent components with a viscosity value of the following and below a viscosity value of a candidate base lubricant component.

18. The method according to p. 16, characterized in that the viscosity deviations are corrected by extrapolating the model parameters of the component components from the model parameters of the component components at viscosity values different from the viscosity values of the base component of the lubricant candidate.

19. The method according to p. 10, characterized in that a certain acceptable range for each identified component is selected from the group consisting of an acceptable range that is independent of any other identified components, and an acceptable range that is in relation to an acceptable range another identified component.

20. The method according to p. 13, characterized in that the determination of the mixture of the composition of the mixture of streams is performed in accordance with the composition of the streams and the refining processing model, which correlates the composition of the stream with the composition of the base component of the lubricant in accordance with the identified components.

21. A method of manufacturing a lubricant that is used in the manufacture of a lubricant for a particular application from an oil refining stream by refining a base component of a lubricant, and this refining stream is characterized by a plurality of constituent components that are common to the base component and to the refining stream, each constituent the component differs in quantity for different base components of the lubricant and for different streams of raffia nation, containing the following steps: identification of specific constituent components from a plurality of constituent components in the base component, which in combination form the lubricant performance for a particular application; determining an acceptable range for the combination of identified constituent components for two or more viscosity values from a plurality of performance tests for a plurality of lubricant products, each lubricant product having a specific viscosity, the plurality of lubricant products having many different viscosity values, thereby determining thus, a model of constituent components for every two viscosity values; determining the number of identified components that are necessary for the base component, at the amount of viscosity selected for this base component of the lubricant, to obtain acceptable performance in a particular application; determining the amount of identified components in the refining stream in a combination that does not fall within an acceptable range for such identified components, and determining the refining flows to obtain a base component of a lubricant having identified components in combination in the ranges of constituent components for acceptable performance of the base component of the lubricant in specific application.

22. The method according to p. 21, characterized in that it includes the correction of viscosity deviations for the basic components of the lubricant, the viscosity values of which differ from those two viscosity values, by adjusting the model parameters of the component components based on two models of component components for viscosity values different from the viscosity of the base component of the candidate lubricant to determine an acceptable range of constituent components in combination for the viscosity of the base component andidata lubricant.

23. The method according to p. 21, characterized in that a certain acceptable range for each identified component is selected from the group consisting of an acceptable range that is independent of any other identified component and from an acceptable range that is interconnected with an acceptable range of another identified component.

24. The method according to p. 21, characterized in that the identification step comprises the selection of constituent components from the group consisting of nitrogen base, sulfur, aliphatic sulfur, aromatic compounds and a combination of these components.

25. The method according to p. 21, characterized in that the refining streams are refined in accordance with the composition of the stream for the composition required for the base component of the lubricant, and a refinement treatment model that correlates the composition of the stream with the composition of the base component of the lubricant in accordance with the identified components refining stream and base component.

26. The method according to p. 21, characterized in that the refining streams are crude oil or gas oil.

27. The method according to p. 25, characterized in that the crude oil is subjected to modeling of the refining process, consisting of a typical subtractive refining, which performs calculations of changes in composition, which depend on changes in the operations of a typical subtractive refining.

28. The method according to p. 21, characterized in that the viscosity deviations are corrected by interpolating the parameters of the component components model between the parameters of the component components model at a viscosity value of the next and higher than the viscosity value of the candidate base component of the lubricant, and the model parameters of the component components at the viscosity of the next and lower than the viscosity of the candidate base component of the lubricant.

29. The method according to p. 28, characterized in that the models of the constituent components for at least one of the models of the constituent components with a viscosity value of the next and higher and the next and lower are generated with deviations within the viscosity grade with adjustments for viscosity deviations within viscosity grades, which are made by scaling the deviations of the composition with a given viscosity value.

30. The method according to p. 21, characterized in that the correction of viscosity deviations is performed by extrapolating the model parameters of the constituent components from the model parameters of the constituent components for viscosity values different from the viscosity of the candidate base lubricant component.

31. The method according to p. 21, characterized in that none of the refining streams can be refined under acceptable refining conditions in the selected base component of the lubricant and the composition for mixed refining streams is determined so that the mixed combination will be refined in the base component of the lubricant in which the amount of each identified component in combination will be within an acceptable range for such identified components for a particular application, and these streams are mixed according to a specific composition.

32. The method according to p. 30, characterized in that the determination of the composition of the mixture of flows is carried out in accordance with the composition of these flows and the refining processing model, which correlates the composition of the stream with the composition of the selected base component of the lubricant in accordance with the identified components.

33. A device for predicting the performance of a base component of a lubricant intended for use in the manufacture of a lubricant for a particular application, each of the base components being characterized in accordance with a plurality of constituent components that are common to all base components, each of which differs in the quantity for each base component containing a computer and a machine-readable drive having executable computer instructions for performing the following steps: identifying specific constituent components from a plurality of constituent components in a base component that form lubricant performance for a variety of applications; determining an acceptable range for the combination of identified constituent components for two or more viscosity values based on a plurality of performance tests for a plurality of lubricant products, each lubricant product having a specific viscosity value, the plurality of lubricant products having many different viscosity values, determining thus, a model of constituent components for at least two viscosity values; adjusting viscosity deviations for the base components of lubricants whose viscosity values differ from these two viscosity values to determine an acceptable range of constituent components in combination with the viscosity value of the base component of the lubricant candidate; determining the amounts of identified constituent components in the base component of the candidate; and determining whether the quantity for each identified component in the base component of the candidate is within an acceptable range for such an identified component.

34. The device according to p. 33, characterized in that the drive contains instructions for the steps of adjusting the viscosity deviations of the base components of lubricants, the viscosity values of which differ from these at least two viscosity values, by adjusting the model parameters of the constituent components, at least two models of constituent components for viscosity values different from the viscosity value of the base component of the lubricant candidate to obtain an acceptable range as constituents in combination with the value of viscosity lubricant basestock candidate.

35. The device according to p. 34, characterized in that the drive contains instructions for performing the following steps: selecting one of the basic components as the basic component of the candidate, determining the amounts of identified component components in the basic component of the candidate and determining whether the quantity of each identified component is in the base component of the candidate within an acceptable range for the identified component.