過程自動化系統的發展現狀與展望

金曉明

摘 要 闡述了過程自動化技術的發展歷程，指出流程工業中過程自動化系統面臨的機遇和挑戰，并對其進行了展望。

關鍵詞 自動化系統 流程工業 智能化 低碳

中圖分類號 TP27? ?文獻標志碼 A? ?文章編號 1000?3932（2024）01?0001?09

以石油、化工、冶金、建材、造紙等基礎原材料行業為主的流程工業是國民經濟的支柱和基礎產業，是我國經濟持續增長的重要支撐力量。流程制造過程通常由一個或多個工業設備組成生產工序，多個生產工序構成全流程生產系統。其功能是將進入的原料加工成為下道工序所需要的半成品材料或產品。要實現生產全流程的質量、產量、消耗及成本等綜合生產指標的優化，必須通過協同各個生產工序來共同實現［1，2］。

過程自動化系統是實現生產全流程智能優化運行的基礎，其不僅要求工序內各單元/設備的控制回路具有很好的性能，確保各單元/設備的工藝參數在目標值范圍內，而且要按過程優化運行的指令與上下游工序的過程控制系統實現一體化協同控制，從而實現整個生產系統的產品質量、產量、消耗及成本等綜合生產指標的優化控制。流程工業各行業既有共同特點，在工藝、設備、流程、運行及安全等方面又有明顯差異［1，2］。

經過數十年的發展，流程工業的生產工藝、裝備及自動化水平都得到了大幅提升。流程企業通常連續過程和批次過程并存，兩種過程的操作各具特點和復雜性，部分大型生產裝置還包含有連續/批次混合過程。在整個全運行周期中，操作人員需要處理升降加工負荷、切換產品牌號、定期設備輪轉、非計劃性檢修等多種非平穩工況問題，一些頻繁啟停的裝置/設備要按程序執行每一步操作，操作人員難以保證時間、幅度的同步，也容易產生錯漏。如何在過程平穩控制的基礎上，通過上述非平穩工況下操作過程的自動化實現生產裝置在整個運行周期內全流程、全工況的自動化，是過程控制界面臨的新挑戰。另一方面，流程企業普遍存在著資源綜合利用率低、生產成本高、能源消耗大及環境污染嚴重等問題，需要建設高效率安全運行、高質量綠色發展的工廠。此外，流程企業還面臨著生產一線用工難問題，通過自動化、智能化手段實現生產區域的“少人化”甚至“無人化”，也是一種新的發展需求。行業中的領先企業已經在規劃生產裝置運行過程的監控與操作。以上的企業需求將為過程自動化系統提供新的發展機遇。

隨著企業數字化轉型、智能化改造的不斷深入，流程企業在高端控制系統、物聯網及可視化等技術領域已取得長足進步。過程自動化企業應充分利用人工智能、大數據、工業互聯網及云計算等新的信息技術，結合過程建模、機理分析和專家知識，研發過程自動化系統的各種新功能，建設生產裝置全流程、全工況過程控制系統，推動流程企業逐步向少人化/無人化自主運行方向發展。

1 發展過程

自動化技術的應用可以追溯到古代的指南車、水運儀象臺等，而工業生產過程自動化則以1788年瓦特首創的蒸汽機調速控制為正式起點。因此，過程自動化幾乎與工業革命同時起步，其自動化裝置以自力式機械裝置為代表。此后，過程自動化系統由簡單到復雜，規模由小到大［3～5］。

從20世紀30年代開始，過程自動化技術及其應用取得了驚人的成就，在工業生產中發揮了關鍵的作用。1933年，Tayor公司（現已并入ABB公司）推出了第1種可調比例的氣動式調節器。1935年，Foxboro公司推出了第1種比例積分式氣動調節器。1940年，Tayor公司首次推出具有PID功能的氣動式調節器。1942年，Tayor公司的ZIEGLER J G和NICHOLSN B公布了著名的PID參數Z?N整定準則。同一時期，以負反饋、穩定性及傳遞函數等為標志的經典控制理論逐步走向成熟。當時，過程控制的研究對象以單輸入單輸出系統為主，采用的儀表是基地式大型儀表和部分氣動單元組合儀表［3～7］。

20世紀50～60年代，根軌跡法、頻域法成為控制系統分析與綜合的經典方法，過程控制的研究對象也從單回路控制擴展到復雜控制，從PID控制律延伸到特殊控制規律。學者們提出了許多切合工業生產實際的比值控制、前饋控制、串級控制、均勻控制、分程控制、選擇性控制及閥位控制等控制策略。以狀態空間分析方法為出發點，形成的包含系統辨識、最優控制及最優估計等核心內容的現代控制理論，不僅在航空、航天及制導等尖端技術領域取得驚人成就，而且為揭示復雜過程控制系統內在規律、實現高水平全局控制奠定了基礎。這一時期，陸續出現了第1臺電子真空管PID控制器和第1臺全晶體管PID控制器，氣動單元組合儀表逐步被電動單元組合儀表所取代；而電子計算機則為實現過程自動化提供了全新的技術手段和工具，如計算機代替模擬調節器的直接數字控制（Direct Digital Control，DDC）和計算機確定模擬控制器或DDC回路最優設定值的監督控制（Supervisory Computer Control，SCC）等［3～7］。

20世紀70～80年代，集成電路和微處理器的工業化生產使電動儀表更可靠，電動Ⅲ型儀表成為主流。隨著微處理器的發展和微型計算機的出現，可編程邏輯控制器（PLC）逐步在離散制造業和間歇生產過程中得到應用推廣。更為重要的是，1975年，霍尼韋爾公司推出了第1臺集散控制系統（DCS）TDC?2000，它代替了原有集中式DDC系統，在工業生產過程中開創了計算機控制的新時代。這一時期，控制理論與其他學科交叉、滲透，向著縱深方向融合發展，開始形成了所謂的大系統理論和智能控制理論，同時現代控制理論中的非線性系統、分布參數系統及隨機控制等也得到了發展。在過程控制領域，預測控制、專家控制、模糊控制及神經網絡控制等先進控制（APC）策略開始實用化，而過程自動化也從過程檢測、控制、執行及分析等擴展到過程及其設備故障診斷、生產計劃和調度等運行過程，自動化儀表的數字化、智能化不斷創新，管控一體化在生產信息管理系統（MIS）建設中得到了初步體

現［3～7］。

20世紀90年代，隨著市場對于流程工業的產品提出多樣化、高品質的要求，同時工業生產也面臨低能耗、低成本及低污染排放等挑戰，自動化儀表向智能化、高可靠性和高精度方向發展，在線分析儀表大量應用于工業生產過程。1992年，現場總線控制系統的出現推動了過程控制系統向網絡化、智能化的方向發展［3～7］。在應用軟件方面，以AspenTech為代表的控制軟件供應商開始推廣APC軟件、流程模擬軟件及實時優化（RTO）軟件等過程優化類軟件，開創了流程行業工業軟件的先河。過程自動化從簡單的參數控制擴展到多變量控制、優化控制及操作優化。為了解決實際生產過程普遍存在的時變不確定性、各種各樣的內外部干擾等問題，魯棒控制理論與應用方法日益受到關注。對于間歇（批次）生產過程，利用歷史批次數據建立迭代學習控制方法也得到了越來越多的工程應用。自動化儀表和控制系統的開放和標準化逐漸開始得到重視，以質量控制為核心的卓越運行操作也成為過程控制的研究對象［3～7］。

21世紀以來，隨著我國工業化進程的加速，計算機技術、通信技術和網絡技術的應用與集成推動過程自動化發生質的飛躍。新一代人工智能、大數據、物聯網及云計算等技術，不僅推動了企業朝網絡化、數字化和智能化方向建設智能工廠，而且改變了過程控制系統、生產管理系統、經營決策系統的軟硬件形態。主流自動化系統供應商推出了“無界自動化”、“工業自主化”等各具特色的過程自動化解決方案。互聯網技術在工業領域的延伸，催生了“工業互聯網平臺+工業APP”的流程企業網絡協同運行管理控制新模式，也促進了過程控制層與生產管理層的一體化融合，形成了生產過程自動化與企業運營自動化兩個自動化系統［8］。數據驅動的控制、知識驅動的控制與傳統控制的融合將催生新的控制理論的萌發。工業智能從傳感、識別、分析及評估等多個維度增加了過程感知能力，而智能機器人等的廣泛應用則大幅提高了過程執行效率。總之，智能制造不僅為過程自動化系統帶來了新的技術手段和發展機遇，同時也對其提出了新的業務場景下的功能要求。

2 機遇與挑戰

在流程工業，過程自動化系統通過監測傳感信號、控制調節閥、變頻器等執行器實現對生產裝置各類工藝參數的有效控制，以實現裝置的自動化運行。與手工生產和半自動化生產相比，自動化生產可以更高效、精確、靈活地完成生產任務，大幅度提高生產效率和產品品質，降低物耗、能耗，提升企業競爭力。

從流程企業智能制造整體架構來看，常規控制屬于基礎控制層，主要采用各類PID控制策略，并在單回路控制的基礎上發展出前饋、串級、均勻、選擇性、分程等復雜控制策略，是生產裝置平穩運行必不可少的手段。但是對于具有多變量、多目標和多約束的復雜工業過程，常規控制缺乏必要的解耦、協同與優化一體化能力。以預測控制、智能控制及軟測量等為核心的先進控制能實現被控變量精準控制和生產單元內或各單元間的多變量協調控制，可顯著提升生產裝置的抗干擾能力、控制系統魯棒性和生產運行平穩性，使裝置在接近其約束邊界的條件下運行（卡邊操作）。基于裝置穩態模型和流程模擬的實時優化則在綜合考慮裝置經濟目標、物理約束以及自由度的前提下，實時求解出滿足最優化經濟目標（或其他業務目標）的最佳工作點及其所對應的工藝參數，并將其傳遞給APC系統，由后者實現運行的最優化［2，9，10］。

2.1 發展機遇

2.1.1 流程行業智能制造的迭代升級促進過程自動化產業的持續增長

制造業是立國之本、強國之基。當前，我國經濟社會以推動高質量發展為主題，產業結構的優化升級至關重要。產業數字化轉型正處于加速發展的關鍵期，流程企業推進智能制造的內在需求極大提升。智能制造是一項整體性強、持續性長的系統工程。隨著自身認識、積累的增加，企業對于智能制造的整體目標、功能設計和應用成效的要求將逐步深化。

過程自動化產業為流程工業提供自動化軟硬件產品、解決方案和技術服務，是支撐各流程行業自動化技術進步、自主創新、裝備升級的戰略性產業，可為流程工業智能制造的規模擴張和應用深化提供重要保障。近年來，過程自動化的產業規模隨智能制造迭代升級而快速擴大。在流程企業不斷向數字化、網絡化和智能化方向發展的過程中，必須采用生產過程全流程自動化技術來保證產品質量、提高生產效率。

處于不同發展階段的流程企業，在其智能制造轉型升級過程中，對于過程自動化技術及解決方案的需求存在較大差異。流程企業不僅需要譜系完整的過程自動化產品，而且需要DCS系統整體實施、控制回路性能優化、APC與RTO等的多層次服務。而一些行業領先企業將過程機理、大數據和人工智能賦能過程自動化系統，以實現全流程智能生產和全系統建模分析，力圖打造貫穿全價值鏈生產、全供應鏈運營、全生命周期管控的一體化智能制造解決方案。

2.1.2 自主運行新需求推動了過程自動化解決方案的深化應用

隨著我國人口紅利的逐步消失，勞動力成本洼地效應逐漸減弱；另一方面，資深員工正逐漸離開工作崗位、而又難以補充新生力量，“用工荒”問題困擾著越來越多的流程企業。為緩解日益上漲的勞動力成本和與日俱增的產業升級壓力，“去技能化”、“機器換人”、“少人化”乃至“無人化”已逐步從設想變成現實。為此，類似汽車“自動駕駛”的生產裝置自主運行新需求應運而生。

從過程自動化的角度看，要實現裝置的自主運行不僅需要采用多層次控制策略來實現裝置正常生產工況下的平穩控制與優化運行，而且要采用程序控制、邏輯控制及狀態轉移控制等策略實現裝置開停車、產品轉產、設備輪換、加工方案改變以及負荷升降等非平穩工況下的操作過程自動化。因此，實現自主運行需要深入理解分析裝置的工藝流程特點、全工況下的過程控制需求，設計并實施高質量、高可靠性和個性化的全工況過程自動化一體化解決方案，配置并完善自動化儀表，逐步升級現有面向單一工況的過程自動化系統，形成一種自主運行的新應用形態。

湖北興發集團新建氯堿裝置時，在完善現場自動化儀表的基礎上，采用中控技術的自主運行解決方案，對生產裝置的啟停操作、順序控制及安全報警等按工藝操作要求進行科學整合，并與裝置全流程先進控制有效結合，實現了上下游單元的生產協同和裝置全流程一鍵啟停，提高了生產運行的可靠性、安全性、平穩性和生產效率；保持了生產操作的一致性，減少人為干擾，降低勞動強度；裝置運行實現了負荷自適應調整，堿產品合格率達到百分之百，現場運行人員減少67%，真正實現了國內少有的無人巡檢、無人操作、無人記錄的“三無工廠”，有效解決了用工難問題，建立起安全、環保、穩定、精細的生產運營管控體系。

2.1.3 新一代信息技術的引入成為過程自動化能力拓展的新引擎

由于終端消費者需求的多樣化，流程工業面臨著對于產品種類、產品質量及生產成本等不斷優化的要求，致使生產流程日益緊湊、工藝指標日趨嚴苛。生產難度的提升、操作彈性的壓縮、安環形勢的嚴峻迫使企業加大投入以實現自動化生產替代傳統人工操作。事實上，任何需要穩定產品質量、提高產品收率、保障安全環保、提升生產效率的流程制造業都需要采用先進的過程自動化系統。

流程工業智能制造的發展，促進了以工業互聯網、5G、大數據、人工智能（AI）及數字孿生等為代表的新一代信息技術在流程工業中的應用，就過程自動化而言，這些技術增強了智能感知與智能控制的能力，例如，通過相機直接讀取并采集現場儀表的讀數，通過智能移動終端實現生產裝置關鍵設備的巡檢，各種基于圖像處理的產品粒徑分布檢測與控制，基于機器視覺的產品色澤/缺陷檢測與控制等，基于AI模型的控制越來越多地走進精餾塔、工業鍋爐等實際應用場景。大數據技術大幅提升了過程歷史數據的價值，可快速地將生產過程過往的最佳實踐轉化成現實運行的標桿，從而打開了機理、知識和數據高度融合的過程控制技術發展新圖景［11，12］。

以產品質量為例，為避免產品的同質化，流程企業不僅需要加快新產品研發，而且需要加強現有產品質量的精益管控。通過對從原料到半成品/中間產品再到最終產品的制造全流程各工序生產過程的實時檢測/分析、質量精準管控，確保在制造過程中實現從原料到產品全價值鏈的高效、綠色增值，并避免出現產品質量指標合格、但質量均一性不佳，影響下游用戶使用的情況。質量精益管控關乎流程企業的生存與發展，也延伸到制造過程的每個環節。從這個意義上看，構建全價值鏈產品質量精益管控系統必須建立在高性能、高可靠的過程自動化之上。

新一代信息技術和過程控制的融合發展必將使過程自動化系統和流程企業智能制造水平達到一個全新的高度。

2.1.4 安全生產和綠色低碳擴大了過程自動化的應用領域與價值

流程工業尤其是石油、化工、醫藥等行業具有易燃易爆、有毒有害等特征，部分物料屬于危化品，部分工藝是危化工藝，安全生產是這些企業的頭等大事。除通過應急管理系統（SES）、緊急停車系統（SIS）及本質安全儀表等構建多重防護之外，過程自動化系統還需要采用抗干擾能力強、魯棒性好的控制策略，在提升生產過程平穩性的同時，增強裝置運行的安全性。2023年3月，國家應急管理部發布了《“工業互聯網+危化安全生產”自動化過程控制優化系統建設應用指南（試行）》等5項指南，明確了對PID回路性能優化、先進控制和實時優化等三層過程自動化系統的建設內容和技術要求。

國家“30?60”雙碳戰略堅定了我國走綠色低碳的發展道路，流程工業領域碳排放在中國碳排放總量中占比超78%，其碳排放的控制是綠色低碳發展能否達成“30?60”目標的關鍵。石油、化工、冶金、建材及造紙等流程行業既要加快數字化轉型升級實現智能制造，又要滿足日益嚴格的綠色低碳標準，以降低資源消耗和減少環境影響，實現經濟效益和社會效益相協調的可持續發展。

流程企業多屬于碳排放和環保重點監管對象，是實現雙碳與環保目標的關鍵點之一。過程自動化系統需要融合綠色制造技術，實現生產過程物料、能源及環保等信息采集監控、智能分析，生產裝置/單元、環保設施的智能感知和過程控制，生產運行高效、綠色、低碳多目標優化，生產運營精細管理與優化等目標，結合設備電氣化改造、清潔能源利用等方式，提升能源產業鏈智能化水平，幫助企業提高能效利用率，實現綠色低碳發展。

高度數字化、網絡化和智能化的流程制造企業將改變供應鏈、物質流、能量流、人員管理及資產管理等方面的業務邏輯，在AI和大數據分析的支持下，全流程、全工況自動化系統將實現端到端一體化生產。過程自動化應當深入挖掘石油、化工、冶金、建材及造紙等典型流程行業對設備、流程的自動化需求，解決“卡脖子”問題，創新核心關鍵技術，發展工業控制軟件，提升高端市場競爭力，以過程自動化新模式去應對未來市場的不確定性。

2.2 未來挑戰

2.2.1 解決“卡脖子”問題，實現過程自動化裝備的全面國產化

與美國、德國及日本等國家知名的自動化公司相比，我國過程自動化起步較晚，早期產品的可靠性與國際知名公司存在較大差異。經過多年來的發展，我國自動化行業廠商的技術水平和產品質量都得到持續提升，已縮小了與國外品牌的差距，并借助國內制造業產業升級的機遇，加快對國外品牌產品的替代速度，國內廠商的市場份額持續擴大。當前，國內廠商除頭部企業外，大多規模偏小，技術力量薄弱，在部分關鍵自動化產品上還難以與國際知名廠商相競爭，為用戶提供全過程的研發、設計、制造及服務的能力也有待提升。

近年來，地緣沖突激化升級，國際貿易摩擦加劇，金融及技術流通等國際態勢瞬息萬變，已成為影響我國制造業長期健康運行的現實安全隱患，過程自動化產業面臨著核心部件“自主、安全、可控”的迫切需求。國內的過程自動化企業只有實現了從硬件到軟件的自主自立，全面掌握核心技術，才可以確保我國工業制造、重大基礎設施等關鍵領域的安全、可控。令人欣喜的是，中控、和利時等公司均已推出100%全國產化DCS系統，并已在石化裝置、火電機組上成功應用。

因此，為增強我國產業鏈供應鏈安全保障能力，自主可控的科技創新是必由之路。過程自動化裝備的全面國產化必將隨著國內信息電子產業的持續發展而逐步變成現實。

2.2.2 面向行業差異性，提供高性能、高可靠的過程自動化系統

以石油、化工、冶金、建材、造紙、制藥、食品與飲料等為代表的流程工業既有其共同特點，在工藝、設備、流程、運行及安全等方面又有顯著的差異。例如：石油（天然氣）行業的上、中游是原油（天然氣）開采、管道運輸過程，高安全性、高可用性、結構緊湊、模塊化設計和遠程監控及操作是上游工廠的典型特征，過程自動化系統需要適應極端環境和有限空間的要求；而以煉油為代表的下游油氣加工企業通常需要保持長周期、滿負荷運行，十分關注安全、環保、成本和資產管理，其過程自動化系統除了克服干擾、保持工藝指標平穩之外，還需利用APC和RTO來充分挖掘生產過程的邊際效益。此外，在油氣行業，必須考慮HSE風險，過程控制系統的安全等級最高，并需要配備完善的火情檢測和氣體檢測系統［9，13～15］。

化工行業的重要特征是產品具有多樣性，從傳統的“三酸兩堿”等大宗原材料到石油化工及衍生物產品，再到聚合物、精細化學品及特種化學品等。化工企業對過程自動化系統通常有本質安全或防爆等功能安全以及信息安全要求。大宗原材料生產與油氣加工類似，十分關注資源、能源效率和生產成本，過程自動化系統常采用APC來快速克服干擾、控制產品質量，并保持長周期最佳運行狀態。特種化學品需要滿足特定客戶的特殊需求，對于上市時間、生產柔性及用戶適用性等更為敏感，其制造過程是配方控制的多產線、多用途批處理過程，能夠有效地生產小批量、多品種的產品。為了滿足產品質量管控、生產過程安全和環境保護要求，需要配備大量傳感器和分析儀［9，15～19］。

冶金行業是典型的連續與批次混合的制造過程，通常采用預處理手段使原材料成分穩定、生產工況平穩，但是生產制造全流程仍存在著生產條件變化頻繁、原料成分波動、機理不清及時間尺度不同等問題，難以建立數學模型，能耗、物耗、質量及效率等運行指標不能在線測量。由于冶金企業的盈利能力取決于生產效率，設備可靠性和高能效生產是過程自動化的主要目標。因此，冶金過程自動化系統需要先進控制算法和調度優化策略的共同支持。高速產線需要非常短的響應時間，這就要求過程控制系統具備高速傳感器、控制器以及快速的通信和信息處理能

力［9，15～19］。

此外，建材與造紙行業也是典型的混合制造過程，對于設備可靠性和高效率生產的要求與冶金行業相類似。制藥行業的特點是其最終產品往往采用批次生產，除需采用類似特種化學品生產的過程自動化系統之外，還需要嚴格遵守藥品生產質量管理規范（GMP）。食品與飲料行業主要是批處理過程，涵蓋發酵、殺菌、油炸、干燥、涂層、成型、灌裝及包裝等生化和物理過程，需要嚴格的操作制度以保證食品安全，實現食品加工全過程、全批次和產品的記錄與跟蹤是該行業過程自動化的核心要求［9，15～19］。

2.2.3 提升行業競爭力，打造過程自動化系列高端產品

在流程工業智能制造市場中，霍尼韋爾、艾默生、西門子、施耐德及橫河等國際知名自動化企業憑借完善的產品體系、數十年的應用積累等優勢，正加快工業數字化、智能化技術布局，結合綠色低碳技術推廣應用，力圖維持其在過程自動化市場上的主導地位。目前，國外主力廠商通過提供更具高附加值的智能制造整體解決方案來占領國內以大型項目、復雜項目為代表的高端市場；而國內頂尖供應商在智能制造解決方案方面已實現突破，技術、服務等綜合能力明顯增強，在高端市場逐漸站穩腳跟，正在加快擴大市場份

額［20］。

自動化企業之間的競爭已不僅是針對單一產品，更多的是針對高附加值的整體解決方案。就過程自動化產品而言，DCS市場集中度較高，國產系統已占據50%以上的市場份額；在安全儀表系統（SIS）市場，國產系統也具有較強的競爭力；自動化儀表領域行業集中度較低，從業企業較多，呈現高度競爭格局，除少數實力雄厚的大型跨國集團外，大部分企業的市場份額都處在較低水平；目前我國儀器儀表市場低端產品過剩，中高端產品仍嚴重依賴進口，未來中高端的智能化儀表發展空間較大。過程自動化軟件領域整體集中度較低，各類供應商憑借自身行業積累，在細分行業中占有一定市場份額，整體發展水平仍不系統、不全面；目前過程自動化軟件市場正呈現加速發展態勢，國內領軍企業將有望脫穎而出，未來市場集中度將加快提升。

過程自動化軟件是過程控制領域知識與專門經驗的標準化、程序化和自動化，可極大地提升過程自動化知識的可重用性、可繼承性和可擴展性。經過長期積累，過程自動化領域已經積累了并且還將繼續積累不同行業核心生產裝置過程自動化系統設計、調試、運行與維護的大量知識與經驗。隨著承載這些知識與經驗的資深員工日漸減少，必須利用工業軟件快速發展的契機，盡快將那些行之有效的過程控制知識與經驗內化到專業的過程自動化軟件之中。

總之，深耕行業自動化領域，要不斷積淀各行業自主可控的過程自動化核心關鍵技術，持續投入新產品和高附加值解決方案研發，通過軟硬件不斷創新發展，打造出過程自動化系列高端產品。

2.2.4 創新服務模式，挖掘過程自動化系統的全方位價值

流程工業歷經多年的快速發展，除少數行業外，新建項目數量正逐漸減少，過程自動化系統的全生命周期運維，快速響應的管家式服務，節能、低碳、增效的產品及解決方案等，都將為流程企業的高質量運行提供保障。過程自動化系統長周期服務能力與應用效果直接影響用戶滿意度與忠誠度，也是用戶在自動化產品升級換代時一種重要的評判依據。因此，過程自動化服務已成為與開拓新項目市場同等重要的領域。

隨著互聯網經濟的不斷發展，依托行業頭部企業運營的線上、線下融合服務新模式應運而生。這種S2B平臺化運營體系和5S店服務模式，可形成規范、迅速、有效的網絡化、平臺化服務體系。這樣，過程自動化系統服務不再局限于面向企業的點對點服務，而是將專業化、高水平、一站式的服務延伸到該企業所在園區的各家用戶，可全方位地挖掘出企業的應用價值。

參 考 文 獻

［1］ 王樹青，戴連奎，于玲.工業過程控制工程［M］.2版.北京：化學工業出版社，2008.

［2］ 中國自動化學會.自動化學科路線圖［M］.北京：中國科學技術出版社，2020.

［3］ 孫優賢，褚健.工業過程控制技術——方法篇［M］.北京：化學工業出版社，2006.

［4］ 何衍慶，黎冰，黃海燕.工業生產過程控制［M］.2版.北京：化學工業出版社，2010.

［5］ 黃德先，黎冰，黃海燕.過程控制系統［M］.北京：清華大學出版社，2011.

［6］ 劉濤，郝首霖，那靖，等.過程辨識建模與控制［M］.北京：化學工業出版社，2021.

［7］ 柴天佑.工業過程控制系統研究現狀與發展方向［J］.中國科學：信息科學，2016，46（8）：1003-1005.

［8］ 褚健，譚彰，楊明明.基于工業操作系統的智能互聯工廠建設探究［J］.計算機集成制造系統，2019，25（12）：3026-3031.

［9］ 利昂·烏爾巴斯，安尼特·克勞澤，延斯·齊格勒.過程控制系統工程［M］.朱振華，譯.北京：機械工業出版社，2018.

［10］ 特倫斯·布萊文思，威利·K.沃伊什尼斯，馬克·尼克松.先進控制基礎：工具、技術和應用［M］.陳德基，王泉，譯.北京：清華大學出版社，2021.

［11］ 張晨，蔣若寧，何冰.工業大數據分析在流程制造行業的應用［M］.北京：電子工業出版社，2020.

［12］ 田文德，崔哲，李傳坤.基于機理特征學習的化工過程異常工況智能識別［M］.北京：化學工業出版社，2021.

［13］ 黃德先，江永亨，金以慧.煉油工業過程控制的研究現狀、問題與展望［J］.自動化學報，2017，43（6）：902-916.

［14］ 黃德先.化工過程先進控制的發展過程、國內特殊問題的解決和展望［J］.化工自動化及儀表，2023，50（5）：597-610.

［15］ 錢鋒，杜文莉，鐘偉民，等.石油和化工行業智能優化制造若干問題及挑戰［J］.自動化學報，2017，43（6）：893-901.

［16］ 柴天佑，丁進良.流程工業智能優化制造［J］.中國工程科學，2018，20（4）：51-58.

［17］ 柴天佑.工業人工智能發展方向［J］.自動化學報，2020，46（10）：2005-2012.

［18］ 柴天佑，劉強，丁進良，等.工業互聯網驅動的流程工業智能優化制造新模式研究展望［J］.中國科學：技術科學，2022，52（1）：14-25.

［19］ 柴天佑.工業人工智能與工業互聯網協同實現生產過程智能化及其未來展望［J］.控制工程，2023，30（8）：1378-1388.

［20］ 桂衛華，曾朝暉，陳曉方，等.知識驅動的流程工業智能制造［J］.中國科學：信息科學，2020，50（9）：1345-1360.

［21］ 李彥瑞，楊春節，張瀚文，等.流程工業數字孿生關鍵技術探討［J］.自動化學報，2021，47（3）：501-514.