基于AVEVA集成平臺的自控設計及權限控制

王元飛，史秋華，賈玉明

(中海油石化工程有限公司，山東 青島 266100)

信息技術的發展促進了石化產業的數字化轉型，而石化工程的日趨大型化、復雜化，對工程設計提出了更高的要求[1-3]。項目建設過程中，建設方、各專業設計人員及供貨商之間產生了大量的數據傳遞，致使傳統工程設計對數據整合的效率降低。基于此，為提高各專業間的協調配合，提高設計效率，集成化工程設計得到了重大發展[4]。

AVEVA是一套完整的針對工藝、管道、自控等各專業設計需求而開發的集成設計平臺，其基于數據庫平臺的數據傳遞與共享，提高了設計效率與質量[5]。AVEVA集成平臺分為數據流和三維建模兩部分，數據流設計是以Engineering為數據共享中心的各專業報表及數據表設計；三維建模部分是以PDMS軟件為核心的各專業三維建模協同設計[6]。

目前，國內外許多工程公司對于AVEVA平臺只限于PDMS三維設計開發應用，而針對數據流部分的開發應用涉及較少[7]。本文針對自控專業數據流部分，著重介紹基于SQL數據庫的Instrumentation軟件開發及權限控制。

1 AI軟件功能及工作流程

1.1 AI軟件功能

基于SQL數據庫的AI(AVEVA Instrumentation)軟件是自控專業相對獨立的設計軟件，其開發庫及設計數據均儲存于統一的SQL數據庫內。AI軟件與AVEVA Engineering數據中心可進行數據交互，讀取工藝等專業的設計數據，同時可將儀表安裝條件返回給配管、電氣等專業。

AI軟件共包括Designer，Engineer，Process Engineer，Security Manager，Wiring Manger五大模塊，各模塊之間數據共享，允許不同設計人員在同一模塊或不同模塊中同時開展并完成自控設計工作。五大模塊主要功能及設計文件生成見表1所列。

表1 AI各模塊功能及設計文件生成實現

AI五大模塊可實現包括儀表索引表、控制系統IO表、儀表數據表、Hookup圖、Hookup材料表、電纜表、接線箱端子圖、回路圖在內的設計文件生成，除聯鎖邏輯圖外，基本滿足了自控專業的設計要求。

AI軟件與外部數據交互分為在線和離線兩種方式。在線方式為AI軟件與外部數據接口直接進行數據交互；離線方式是使用Excel文件批量傳輸數據。在完成相應的屬性匹配及關聯后，離線數據傳遞為AI與世宏等軟件的接口設計提供了基礎。

1.2 AI軟件工作流程

在設計過程中，自控專業與工藝、管道、電氣、結構等專業數據交互眾多，傳統設計過程中存在溝通不及時、不準確、不唯一的現象[8]。而在AVEVA設計平臺上，數據流部分設計的數據傳遞在Engineering數據中心實現，方便了數據的共享提取。

AI軟件設計工作流程主要分為項目建立和設計階段兩部分，其中項目建立是指項目創建至接收工藝參數之前的階段；設計階段是指接收工藝參數之后主要由項目設計人員參與的工作階段。項目建立階段是設計階段的基礎，定制的基礎庫及模板庫是項目設計的依據。AI軟件項目建立與設計階段流程如圖1所示。

圖1 AI軟件項目建立及設計階段流程示意

項目建立階段主要根據項目統一規定明確設計范圍、設計原則、設計深度等，定制統一的基礎庫和模板庫。此外，依據項目管理對各設計人員及系統管理員進行權限控制，加強數據庫的管理。

設計階段，AI軟件通過Local Integration和Import模塊在線或離線方式獲得儀表回路位號和儀表位號，以其為對象進行對象的屬性傳遞，然后根據定制的模板完成自控設計文件。該過程中，因離線數據傳遞速度較快，為提高數據傳輸效率，在進行多數據傳遞時，可有效利用Engineering中定制好的導出模板，通過Explore方式實現離線數據的傳遞。

2 建庫開發

標準數據庫的建立是AI軟件開發工作的重點內容，也是標準化建立的深化過程。標準庫建立主要包括基礎庫開發和模板庫開發兩方面。

工程項目的多樣性致使工程設計存在差異化，但同時設計規律相同、共性居多。對于AI建庫開發，策略是建立1個參考標準數據庫；當工程項目有特殊要求時，再參考標準數據庫進行相應的特殊定制。

2.1 基礎庫開發

基礎庫建立作為AI軟件建庫的基礎，重點在于把握專業質量體系文件及設計習慣，總結專業設計文件的屬性、規則等，并將其轉換為特定的種子庫。基礎庫的建立主要包括屬性庫、命名規則庫、接線規則庫、儀表類型庫、Hookup材料庫、儀表電纜庫、控制室內輔助儀表設備庫等七類，包含的主要內容見表2所列。

表2 基礎庫種類及主要內容

基礎數據庫的定制需要注意以下幾點：

1)工藝與自控專業數據傳遞的準確性是由屬性的唯一性保證的，為使AI軟件數據與Engineering數據庫中的屬性數據保持一致，AI軟件屬性庫中工藝屬性的建立需與Engineering數據庫中工藝屬性命名規則相同。

2)在屬性定制中，為保證輸入屬性的規范性并避免大量輸入數據時錯誤的發生，采用定制屬性匹配下拉菜單Pick Lists及手動輸入相結合的方式。

3)分別針對儀表回路及儀表建立命名規則及儀表類型，定制Class規則將其綁定。

4)使用Excel批量導入功能進行庫的建立、開發。

2.2 模板庫開發

模板庫是在基礎庫的基礎上對自控專業各種儀表數據表、索引表報表和標準安裝圖進行對應而建立的，是AI軟件建庫的外在體現。三類模板庫的建立通過不同模塊實現，但使用統一的屬性數據來源。模板庫的主要內容見表3所列。

表3 模板庫類型及主要內容

AI軟件模板庫的建立依據自控專業設計需求開發，并應遵循相關標準規范，是生成最終工程設計文件的基礎。

1)儀表數據表庫。該部分主要包括溫度、壓力、流量、液位、分析儀表、閥門和控制室內輔助儀表等數據表；對應庫需要以已有的Excel模板樣式為基礎，通過Engineer模塊將基礎庫中定義的屬性與模板相應位置進行關聯。

2)報表庫。為降低報表庫模板的開發難度，AI軟件將報表分為特定報表和自定義報表兩類：

a)特定報表。如儀表索引表、控制系統IO表等已定義數據源，使用AI專用報表定制軟件Report Designer進行布局及屬性關聯。

b)自定義報表。該類報表需要使用圖形化SQL查詢語言SQL Query maker定義報表數據源，可生成含任意定義屬性的報表，具有普遍適應性。

3)儀表安裝圖庫。該模板庫預先定制了AutoCAD類型模板，將其分為外框、材料表、位號、典型圖四部分內容，并定義相應的帶有屬性的塊。其后，進入Designer模塊Hookup Catalogue項目，導入定制的AutoCAD模板，打開菜單中的Show Datalink選型，進行屬性關聯。

針對基礎庫及模板庫開發，使用AI軟件進行自控設計，通過項目應用實踐，符合GB/T 51296—2018《石油化工工程數字化交付標準》中規定的數據及文檔要求[9]。

3 權限控制

AI軟件SQL數據庫允許多個用戶同時訪問，且與該項目有關的所有信息均存于同一個數據庫中，合理的權限控制有利于數據庫以及工程設計的管理。權限控制是眾多集成設計平臺的難點內容，AI軟件Security Manager模塊通過菜單式分組細化的方式對管理員及相關設計人員實現了大數據框架下的權限控制，具有較好的易用性。

權限控制包括兩個方面： 相關設計人員具有各區域單元的不同進入/讀寫權限；管理員及各設計人員對AI軟件中各模塊及功能操作具有不同的操作權限。權限控制的基本原理如圖2所示。

圖2 AI權限控制基本原理示意

AI軟件權限控制的基礎元素是組(Group)，授權范圍也是授權于某一組。根據項目工廠層次結構及人員角色，分別建立相應類型的Group；然后，將用戶(Users)根據項目角色及單元綁定到角色組和單元組中，以此實行權限控制。

權限控制的菜單包括對象(Objects)和單元(Areas)兩大類。Objects分別包括AI軟件的Designer，Engineer，Wring Manager，Common Items，Process Engineer共5個模塊；每個模塊又細分基本操作動作，并針對每一項進行細化控制。權限控制機制分為兩步：

1)根據單元組Group確定哪些用戶有進入該單元的權限。

2)根據角色組Group對管理員及相關設計人員的權限進行細化。

若設計人員N既是A單元的設計，也是B單元的校對，該種情況屬于角色交叉，需要細化建組處理，將組Group細化為“單元-角色”的形式。

菜單式權限控制極大程度地明確了各設計人員的軟件操作權限，常見的典型操作權限見表4所列，其中： √代表全權限，×代表無權限，△代表只讀權限。

表4 常見的典型操作權限

4 結束語

本文針對自控專業數據流部分，闡述了基于AI軟件的集成設計平臺開發。根據質量體系及相關標準規范完成統一的基礎庫及模板庫開發，數據庫及模板標準化的建立提高了設計質量及效率；另外，針對平臺應用中的權限控制問題提出了有效的解決方案。目前，AI軟件開發和測試正在逐步完善，規范化、標準化的設計將有利于提高設計質量及效率。