智能自動化技術推動石油化工企業數字化轉型升級

林 融

(中國石化工程建設有限公司，北京100101)

0 引言

我國制造業規模已連續9年保持世界第一位，制造業占國內生產總值(gross domestic product,GDP)比重接近35%。但我國制造業大而不強、結構性矛盾突出、自主創新能力較弱、產能過剩等現象嚴重。在此大背景下，黨的十九大報告中提出：我國經濟已由高速增長階段轉向高質量發展階段。當前，我國正處在轉變發展方式、優化經濟結構、轉換增長動力的關鍵時期。

石化工業屬于流程工業。它作為基礎能源和基礎原材料的制造業，對GDP的貢獻率超過22%，已經成為國民經濟持續發展的重要支柱產業。經過數十年的發展，我國石油化工生產技術水平得到了大幅提升，整體實力增長迅速，國際影響力顯著提高，已成為世界上門類齊全、規模龐大的實體經濟。例如，我國煉油能力、乙烯產能位居世界第二位， 對二甲苯、對苯二甲酸等20多種大宗石化產品產能位居世界第一位。然而，與美、歐、日等世界制造強國相比，我國石化工業還存在能耗物耗較高、資源與能源利用率偏低、產品結構性過剩較為嚴重、高端制造水平亟待提高、安全環保水平有待提升等問題，未來發展還面臨著更加嚴峻的資源、市場、環保、競爭等挑戰。這些問題和挑戰促使我國石化企業必須加快數字化轉型升級、提質增效，加快向集約化、高效化、綠色化和智能化等方向發展。

智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿研發、設計、工程、生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。發展智能制造是我國石化工業數字化轉型升級的主要路徑。智能制造一方面有助于石化企業全面提升研發、生產、管理和服務的數字化、網絡化、智能化水平，提高企業生產效率，持續改善產品品質，滿足在新常態下企業迫切希望實現創新和轉型升級的需求；另一方面可帶動眾多新技術、新產品、新裝備[1]快速發展，催生出一大批新應用、新業態和新模式，驅動新業務的快速成長，推動石化工業實現質量變革、效率變革、動力變革，為產業可持續發展注入強有力的新動能，促進石化工業向全球產業鏈的中高端邁進。

本文從剖析石化工業現有生產模式存在的主要問題出發，從三個方面論述如何應用智能自動化技術推動石油化工企業數字化轉型升級，即：①智能自動化系統(intelligent automation system，IAS)的建立；②石化企業數字化轉型升級的目標、特征以及路徑；③石化工業亟須研究解決的五大工程技術問題。最后，對智能自動化技術的應用與發展趨勢提出了幾點建設性意見。

1 石化工業現有生產模式存在的主要問題

1.1 石化工業面臨的主要挑戰

我國石化工業面臨著巨大的挑戰，集中體現在生產規模偏小而能耗偏高、能源消費結構不合理(煤炭比重過大)、原油劣質化導致加工難度大、原料進口依存度高、煉油及原料供給矛盾突出等方面。海外企業與國內企業競爭日益激烈、安全環保節能指標日趨嚴苛，這也對石化企業的運營提出更高要求。

1.2 石化工業現有生產模式存在的主要問題

目前，我國石化工業信息化、智能化主要集中在石化裝置物質轉化過程的自動化。知識獲取、提煉以及決策等知識型工作在資源利用、能源管理、產品創新、安全環保等方面的應用研究還很匱乏。其突出表現在工程數字化交付、深度信息感知、優化生產運行、服務經營決策以及提升安環能效這五方面。

2 智能自動化系統的建立

2.1 IAS的典型組成與架構

石化智能工廠三層架構為企業經營管理層、生產運行管理層、過程控制層。各層分別應用企業資源計劃(enterprise resource planning，ERP)、制造執行系統(manufacturing execution system，MES)和IAS。IAS主要包括近20套控制系統和先進系統，如：分散控制系統與現場總線控制系統(distributed control system/fieldbus control system，DCS/FCS)、安全儀表系統(safety instrumented system, SIS)、火災及氣體檢測系統(fire and gas detection system, FGS)、壓縮機控制系統(compressor control system，CCS)、轉動設備監測系統(machine monitoring system, MMS)、設備包控制系統(programmable logic controller, PLC)、燃燒管理系統(burner management system，BMS)、儀表設備管理系統(asset management system, AMS)、在線分析儀系統(process analyzers system, PAS)、數采與監控(supervisory control and data acquisition，SCADA)系統、先進過程控制(advanced process control，APC)系統、操作數據管理系統(operation data management system，ODS)、先進報警管理系統(advanced alarm management system，AAMS)、控制器性能管理系統(controller performance management system，CPMS)、儲運自動化系統(movement automation system, MAS)、油品移動系統(oil moving system，OMS)、調和控制系統(blending control system, BCS)、儲罐計量系統(tank gaging system, TGS)、貿易交接計量系統(custody transfer system, CTS)、自動腐蝕監測系統(automatic corrosion monitoring system，ACMS)。其核心是DCS/FCS系統級網格。智能自動化系統典型組成與架構如圖1所示。

圖1 智能自動化系統典型組成與架構圖

2.2 石化企業對智能自動化系統的應用需求

IAS應具有自感知、自學習、自決策、自執行、自適應等顯著特點。石化企業對IAS的應用需求及發展趨勢主要包括以下方面。

(1)現場設備網絡層。

在ISA-S95標準模型[3]的5層網絡架構中，在第1層——現場設備網絡層中，廣泛發展應用現場總線技術、工業無線傳感網絡技術，推廣智能測量技術，配合儀表資產管理軟件及軟測量等先進技術，對工藝過程變量進行智能測量與分析。底層智能設備可獨立控制，各系統之間可橫向交換信息，推動石化企業工業物聯網建設。

(2)過程控制網絡層。

在第2層——過程控制網絡中，發展過程控制系統的安全性、容錯性、可靠性(魯棒性)和實時性技術；提高復雜優化算法的可實現性；從集散控制系統向分布式控制系統[4-5]過渡，可實現“分而治之”，即不同類型子控制系統的自主控制。

(3)高級應用網絡層。

在第3層——高級應用網絡中，應用移動互聯網、大數據、云計算、邊緣計算等新技術，開發應用先進報警管理、智能儀表設備管理、控制器性能管理、先進過程控制、在線腐蝕監測、操作員培訓仿真、實時優化等先進系統，提高過程控制系統執行先進報警管理、先進診斷(可預測性維護)、復雜控制、先進控制及實時優化的綜合能力。

(4)隔離緩沖層。

隔離緩沖層(demilitarized zone，DMZ)[6-8]用于設置實時數據庫[6](real-time database，RTDB)系統、備份和恢復系統、系統及網絡安全系統等。

(5)IAS為石化企業上層的制造執行系統(manufacturing execution system，MES)和企業資源規劃(enterprise resource planning，ERP)系統提供管控一體化的生產操作和經營管理的實時數據庫平臺，實現物流、資金流和信息流三流合一，做到信息透明、資源共享，為生產和營銷決策提供可靠的依據，使產品能適應市場需求變化并獲得最大利潤。

(6)在工廠管理信息網絡設置廠級IAS完整性服務器，實現控制系統動態監視，對IAS 系統進行透明管理、監視及分析；對授權修改和非法修改的過程、內容進行追蹤、記錄、統計，實現各種變更的追溯。

(7)IAS具有以下顯著共性特征：①物理/信息系統緊密結合；②分布式感知/計算/控制；③多異構網絡互聯；④海量多源數據并存；⑤高安全性、高可靠性和低(易)維護性。

3 石化企業數字化轉型升級的目標、特征和路徑

3.1 石化智能工廠的內涵

智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。

石化智能工廠是面向石油化工行業的新型制造模式，覆蓋石化生產全產業鏈，將新一代信息通信技術與石化生產過程的資源、工藝、設備和環境以及人的制造活動進行深度融合，提升全面感知、預測預警、協同優化、科學決策的四項關鍵能力。石化智能工廠能以更加精細和靈活的方式提高工廠運營管理水平，并推動形成新的制造和商業模式創新。

石化智能工廠覆蓋石化工業全產業鏈流程，主要包括三個過程域的集成。

一是構建企業內部信息的縱向集成。通過解決企業信息孤島、促進信息網絡與工控網絡的深度融合，實現現場層、車間層、企業層等所有層次，以及研發、生產、銷售等所有環節的信息無縫鏈接。其不僅包括單一環節上的集成(如協同集成設計)，也包括跨環節集成(如工程數字化集成)。

二是構建“油、氣、煉、化、銷、貿、儲、運”全產業鏈的橫向集成。通過整個產業供應鏈的協同優化，將企業內部的業務信息向企業以外的供應商、經銷商、用戶延伸，完成企業與上下游企業以及跨產業的協同運營。

三是構建端到端集成，即貫穿整個價值鏈的工程數字化集成。在所有終端數字化的前提下，完成企業內部、企業之間基于價值鏈的整合，實現從石化工廠設計、工程建設到生產運營的一體化全生命周期管理，以及數字信息與物理實體的無縫融合。

3.2 石化企業數字化轉型升級的目標和特征

石化企業數字化轉型升級具有以下六個細分目標。

①工程設計實現數字化、集成化、柔性化、敏捷化、虛擬化。

通過構建貫穿整個價值鏈的工程數字化端到端集成，實現石化工廠設計、工程建設和生產運營的全生命周期管理。結合工藝過程機理，進行全流程模擬及優化，實現虛擬制造[1]。工程設計包括網絡化協同設計、全流程建模和數字化工廠交付[9-10]等。采用大數據技術，建立石化企業的數字化孿生工廠和無缺陷開車。

②供應鏈管理實現數字化、網絡化、智能化、全球化。

通過構建全產業供應鏈的橫向集成，實現企業內部供應鏈優化協同向全產業供應鏈協同發展，上下游企業以及跨產業的協同運營，商流、信息流、資金流和物流的“四流合一”(包括基于區塊鏈的危化品運輸全過程可信任追溯、基于物聯網的智能化運輸儲運和物流服務等)；促進降本增效、供需匹配和產業升級。

③生產運行實現自動化、可視化、敏捷化、高效化、綠色化和安全化。

圍繞三條業務主線，實現煉化生產集成管控、煉化生產一體化優化和全生命周期資產管理；促進石化工業由高效生產型向環境友好型轉變，在“安、穩、長、滿、優”的基礎上，提高能源、廢物的回收和重復利用率，實現企業內部信息的縱向集成。

依托物聯網和工業互聯網技術，發展基于信息物理系統(cyber-physical system, CPS)的智能裝備，實現分布式網絡化制造[1]。生產運營包括基于物聯網的數據化生產環境、全流程模擬與優化、生產全過程集成管控和優化、面向本質安全運行管控和設備預知性維護等。

④經營決策實現網絡化、敏捷化、智能化。

采用基于知識工作自動化技術，通過石化企業數據倉庫和知識庫的建設，結合專家知識和新一代人工智能來解決經營管理中遇到的復雜決策問題。通過人機智能協同發展，提升企業的經營分析能力、對全過程的預測能力以及市場響應能力，實現石化企業基于人工智能和工業大數據的智能決策。

⑤產業鏈協同實現一體化、大型化、規?；?、集約化、高效化。

通過構建石化數字化工業生態和數字化服務生態兩大生態體系，支撐石化產業鏈向一體化、大型化、規?；约澳茉磁c資源多元化綜合產業鏈發展，實現全產業鏈制造資源和服務能力的協同優化、制造資源產能共享服務，推動石化產業向綠色、低碳發展。

⑥營銷與服務實現數字化、敏捷化、網絡化和全球化。

圍繞智能管道輸送、物流配送、加油/加氣站服務、新一代電子商務、智能金融服務等，打造石化企業一體化銷售與服務體系，以數字化、敏捷化、網絡化驅動實現智慧銷售服務的“互聯網+商業”新模式。

石化智能工廠主要特征如圖2所示。

圖2 智能石化工廠主要特征示意圖

3.3 石化企業數字化轉型升級的路徑

石化智能工廠的數字化轉型升級路徑及應用，重點可以概括為以下六個方面：①工程設計；②供應鏈管理；③生產運營；④經營決策；⑤產業鏈協同；⑥營銷與服務。

石化工業智能化發展路徑如圖3所示。

圖3 石化工業智能化發展路徑示意圖

4 亟須研究解決的五大工程技術問題

4.1 智能工程數字化交付——數字孿生工廠

①構建綜合數字化集成平臺。

建立石化工程服務綜合數字化集成平臺，包含工藝設計、工程設計、工程采購、工程施工、項目開車及項目管理等六項功能。建立石化工廠結構劃分、編碼標識、文檔管理等統一的工廠設計基礎規則，各設計專業基于同一平臺和統一的設計基礎規則進行二維邏輯和三維布置協同設計，實現數據的共享和校驗，保證二維、三維數據的一致性和正確性，減少數據冗余。同時，在平臺上實現項目文檔資料、工作流程以及設計質量的統一管理，實現設計過程網絡化、集成化、協同化，以及工廠設計、工程建設到生產運營的全生命周期管理。

②構建數字化工廠交付平臺。

研發數字化工廠交付平臺。工程設計、采購、施工等階段產生的工程數據是工廠數字化的基礎。通過建立統一的工程主數據及種子文件標準，將工程數據以數字化方式，基于數字化交付平臺提交給業主，為工廠智能化建設和生產運維奠定數字化基礎。

以工業大數據平臺為基礎的智能工程數字化交付——數字孿生工廠如圖4所示。圖4中：精準智能應用為軟件即服務(software-as-a-service，SaaS)云應用；大數據平臺為平臺即服務(platform-as-a-service，PaaS)云平臺。

圖4 以工業大數據平臺為基礎的智能工程數字化交付——數字孿生工廠

4.2 生產與運營全過程信息智能感知與集成

石化生產過程需要大量實時信息?，F有檢測技術受惡劣工況、環境等因素限制，關鍵運行信息和重要過程參數難以精確感知，過程信息不完備，甚至檢測機理失效[1]。為了汲取機理建模和數據驅動建模的優點，需要解決以下工程技術問題[11]。

①高可靠性、強實時性、高精度的信息智能感知。

②實現機理模型與數據模型信息深度融合與動態建模。

4.3 生產過程全流程協同控制與操作優化

石化生產過程包含多個生產工序，而每個生產工序又由一個或多個關聯耦合復雜的工業裝置組成。為了實現生產全流程的產品質量、產量、消耗、成本等綜合生產指標的優化，必須協同各個生產工序來共同完成。為了建立全流程智能協同優化控制系統，使過程生產不依靠人的干預實現制造生產的自主運行[11]，需要應用人工智能技術，解決以下關鍵技術問題。

①工業過程模式識別與知識挖掘。

②融合過程機理、數據和知識的智能模型。

③多維度多目標全流程協同優化控制。

4.4 知識驅動的生產過程計劃調度優化與經營管理決策

目前，石化生產過程缺乏將頂層需求逐步轉化成生產計劃的智能化方法和體系。為了將生產數據、市場規律、先進管理理念等信息轉化為知識，必須建立知識自動化驅動的智能優化決策系統。通過結合工業生產流程、知識工作者自動化以及智能技術，使得企業能夠智能感知物質流、能源流和信息流的狀況并自主學習和主動響應，自適應優化決策企業生產目標、優化配置資源和合理配置與循環利用能源[1，11]。為此，需要解決以下關鍵問題。

①知識模型化與多領域知識融合。

②自主學習與智能優化決策。

4.5 基于自主感知與融合知識的過程風險智能化管理

石化生產規模大、生產條件苛刻，過程中直接或間接使用了大量有毒、易燃易爆的危險化學品。因此，安全和環保貫穿了整個石化生產過程[1]。未來可充分利用多種信息和計算資源，運用以深度學習為代表的新一代人工智能技術對異常進行分析，建立生產調度中心、消防監控指揮中心、應急響應指揮中心三位一體的智能安全管控平臺。為此，需重點解決以下關鍵問題。

①構建過程安全異常信息發展動態鏈。

通過新型智能傳感技術和設備收集生產全流程數據、關鍵機組運行數據、氣體檢測器報警信息、火災探測器報警、現場氣象信息等信息，建立合適的知識庫模型，構建融合多專業的過程安全異常信息發展動態鏈，提高信息集成度。

②建立專家診斷和生產安全事故預警預判模型。

通過傳感技術、大數據、云計算以及人工智能技術，實現過程安全異常信息的溯源，建立事故后果仿真數據庫，為預防事故的發生提供依據。

③建立基于事故劇情的應急響應。

通過現場檢測信息和事故后果仿真數據庫，預測事故后果與發展趨勢，綜合多種信息計算優化疏散與救援路徑，迅速調動救援人員和救援物資，減小風險演化的不確定性，自主評價處置措施效果。

5 結論

智能自動化技術是基于新一代信息通信、物聯網、大數據、云計算和人工智能等前沿發展技術，并結合過程自動化技術、生產運營技術而產生的綜合性技術[12]?？梢灶A測，其在石油化工領域具有以下主要發展趨勢[13]。

①智能自動化技術與工業大數據、分布式云計算、邊緣計算、云邊計算結合、物聯網、時間敏感網(time sensitive network, TSN)等先進技術融合，并結合流程模擬、先進控制算法、實時優化算法、MES、ERP等功能應用系統，構成了開放型自動化架構(open process automation forum，OPAF)[14]。它是石化智能工廠的整體智能自動化解決方案。

②智能自動化技術與IT虛擬化技術、分布式云計算技術結合，過程控制系統采用虛擬核心服務器及虛擬高級應用服務器，并結合“胖、瘦”客戶端操作員站和高級應用工作站，實現了應用軟件組態、調試、控制、操作運維與硬件“脫勾”，大大縮短了工程時間，節省了硬件和系統升級費用。

③智能自動化系統繼續依賴于現場總線技術、工業無線技術的良好發展，使其構成了智能現場層網絡(設備層網絡)，大幅提高了石化工廠的人員、設備、原料、產品、環境等要素信息的自感知能力。

④智能自動化系統的過程輸入/輸出I/O單元現場化、智能化，I/O單元與控制器遠程化，大量應用“通用I/O” 、“網絡I/O” 、“萬能I/O”等新技術產品，大幅節省了電纜、橋架、施工等工程投資。

⑤開發基于智能自動化系統的智能組態軟件和仿真調試軟件，能夠實現自動回路調試、自動邏輯功能測試等功能，并大幅提高石化工廠自動化工程的開工調試及運維效率和準確率。