Honeywell UniSim Design Suite

多用途仿真
全面的、基于第一性原理的热力学和单元操作模型可为流程工业的项目和/或资产生命周期带来诸多益处。用户可以快速创建稳健、逼真的过程仿真模型，用于离线和在线（数字孪生）应用。

使用直观易用的图形界面创建和可视化工艺流程图。 
根据行业标准，确定设备的尺寸、规格和适用材料。 
准确预测饲料变化、异常情况和替代操作对安全、生产和盈利能力的影响。 
优化设计以满足运营和业务目标。  
利用 UniSim 模型作为数字孪生体，监控工厂性能和设备可靠性。

UNISIM API 和 ALTVIEW
UniSim API 相较于传统的 COM/OLE 接口有了显著的提升，它提供了一个现代化的 SDK，兼容 Python 和 .NET 等语言。UniSim AltView 提供了一种无需编写代码即可直接使用的 UniSim Design 视图，而 UniSim API Python SDK 的参考实现则进一步增强了易用性。借助 Designer 工具，用户可以在本地设计和创建屏幕；Runner 工具则允许非专业人士远程启动仿真，从而使 UniSim Design 对广大用户而言都易于上手且高效。

UniSim API – SDK 与较新的语言（例如：Python、.NET）兼容
UniSim AltView – UniSim Design 的另一种视图（即开即用，无需编码）UniSim API Python SDK 的参考实现
设计师 – 负责本地屏幕的设计和制作。
Runner——由非专业人员远程启动

支持可持续发展目标的功能
碳捕获与封存（CCS）

针对纯二氧化碳和高二氧化碳含量气体混合物的专用属性包。
增强型固态形成闪蒸求解器。
CO2 冻结析出实用程序，用于预测形成温度和固态 CO2 冻结析出。
二氧化碳/温室气体排放核算

该工具可根据任何流程图的电力和公用设施消耗量估算二氧化碳排放量。
排放公用事业公司可以对范围 1 和范围 2 的排放进行分类。
计算温室气​​体甲烷（CH4）和一氧化二氮（N2O）以及（现有）二氧化碳的排放量。
绿色氢气（H2）

具有预定义参数的碱性（AEL）和PEM电解槽流程图。
用户可修改参数以匹配技术许可方的信息。
 

 
界面简洁，功能直观
人性化的功能使流程图绘制变得直观快捷。 

调整方法和调整分组。
并行运行多个案例。
直观的导航和搜索选项。
个人漂浮装置 (PFD) 的易用性。 
增强了电子表格功能。
基于UOP尺寸的初步设备设计工具。
 

 
具备混合模型的AI/ML能力
在过程建模领域，将第一性原理模型与数据驱动模型（例如人工智能和机器学习）相结合，为实现特定目标提供了一种强有力的途径。通过为第一性原理模型补充额外的结构，并利用过程数据进行校准，可以显著提高预测的准确性。该系统结合了第一性原理模型和数据驱动的机器学习模型，旨在实现特定目标。它包含可配置的数据驱动模型类型，称为机器学习评估器，支持线性模型和神经网络模型。

通过添加额外结构来补充基于第一性原理的模型，以提高使用过程数据校准后的预测精度。
同时利用 UniSim Design 顺序模型和 UniSim EO 流程图模型
使用对象面板中的新混合开发器 (HD) 单元操作进行混合模型配置
支持线性模型和神经网络模型的可配置数据驱动模型类型（机器学习评估器）
可以选择使用开源工具（例如 TensorFlow Keras、Scikit-Learn 或 PyTorch）从外部训练机器学习模型。
 

 
多用途仿真
全面的、基于第一性原理的热力学和单元操作模型可为流程工业的项目和/或资产生命周期带来诸多益处。用户可以快速创建稳健、逼真的过程仿真模型，用于离线和在线（数字孪生）应用。

使用直观易用的图形界面创建和可视化工艺流程图。 
根据行业标准，确定设备的尺寸、规格和适用材料。 
准确预测饲料变化、异常情况和替代操作对安全、生产和盈利能力的影响。 
优化设计以满足运营和业务目标。  
利用 UniSim 模型作为数字孪生体，监控工厂性能和设备可靠性。
 

 
UNISIM API 和 ALTVIEW
UniSim API 相较于传统的 COM/OLE 接口有了显著的提升，它提供了一个现代化的 SDK，兼容 Python 和 .NET 等语言。UniSim AltView 提供了一种无需编写代码即可直接使用的 UniSim Design 视图，而 UniSim API Python SDK 的参考实现则进一步增强了易用性。借助 Designer 工具，用户可以在本地设计和创建屏幕；Runner 工具则允许非专业人士远程启动仿真，从而使 UniSim Design 对广大用户而言都易于上手且高效。

UniSim API – SDK 与较新的语言（例如：Python、.NET）兼容
UniSim AltView – UniSim Design 的另一种视图（即开即用，无需编码）UniSim API Python SDK 的参考实现
设计师 – 负责本地屏幕的设计和制作。
Runner——由非专业人员远程启动
 

 
支持可持续发展目标的功能
碳捕获与封存（CCS）

针对纯二氧化碳和高二氧化碳含量气体混合物的专用属性包。
增强型固态形成闪蒸求解器。
CO2 冻结析出实用程序，用于预测形成温度和固态 CO2 冻结析出。
二氧化碳/温室气体排放核算

该工具可根据任何流程图的电力和公用设施消耗量估算二氧化碳排放量。
排放公用事业公司可以对范围 1 和范围 2 的排放进行分类。
计算温室气​​体甲烷（CH4）和一氧化二氮（N2O）以及（现有）二氧化碳的排放量。
绿色氢气（H2）

具有预定义参数的碱性（AEL）和PEM电解槽流程图。
用户可修改参数以匹配技术许可方的信息。
 

 
界面简洁，功能直观
人性化的功能使流程图绘制变得直观快捷。 

调整方法和调整分组。
并行运行多个案例。
直观的导航和搜索选项。
个人漂浮装置 (PFD) 的易用性。 
增强了电子表格功能。
基于UOP尺寸的初步设备设计工具。
 

 
具备混合模型的AI/ML能力
在过程建模领域，将第一性原理模型与数据驱动模型（例如人工智能和机器学习）相结合，为实现特定目标提供了一种强有力的途径。通过为第一性原理模型补充额外的结构，并利用过程数据进行校准，可以显著提高预测的准确性。该系统结合了第一性原理模型和数据驱动的机器学习模型，旨在实现特定目标。它包含可配置的数据驱动模型类型，称为机器学习评估器，支持线性模型和神经网络模型。

通过添加额外结构来补充基于第一性原理的模型，以提高使用过程数据校准后的预测精度。
同时利用 UniSim Design 顺序模型和 UniSim EO 流程图模型
使用对象面板中的新混合开发器 (HD) 单元操作进行混合模型配置
支持线性模型和神经网络模型的可配置数据驱动模型类型（机器学习评估器）
可以选择使用开源工具（例如 TensorFlow Keras、Scikit-Learn 或 PyTorch）从外部训练机器学习模型。
 

界面简洁，功能直观
人性化的功能使流程图绘制变得直观快捷。 

调整方法和调整分组。
并行运行多个案例。
直观的导航和搜索选项。
个人漂浮装置 (PFD) 的易用性。 
增强了电子表格功能。
基于UOP尺寸的初步设备设计工具。

具备混合模型的AI/ML能力
在过程建模领域，将第一性原理模型与数据驱动模型（例如人工智能和机器学习）相结合，为实现特定目标提供了一种强有力的途径。通过为第一性原理模型补充额外的结构，并利用过程数据进行校准，可以显著提高预测的准确性。该系统结合了第一性原理模型和数据驱动的机器学习模型，旨在实现特定目标。它包含可配置的数据驱动模型类型，称为机器学习评估器，支持线性模型和神经网络模型。

通过添加额外结构来补充基于第一性原理的模型，以提高使用过程数据校准后的预测精度。
同时利用 UniSim Design 顺序模型和 UniSim EO 流程图模型
使用对象面板中的新混合开发器 (HD) 单元操作进行混合模型配置
支持线性模型和神经网络模型的可配置数据驱动模型类型（机器学习评估器）
可以选择使用开源工具（例如 TensorFlow Keras、Scikit-Learn 或 PyTorch）从外部训练机器学习模型。