4月2~3日，第二屆中國煉油石化科技智能化大會在寧波召開。來自石油石化、設備制造、信息技術等行業的院士、*、企業代表濟濟一堂，探討如何借助大數據、云計算等信息技術，推動石化行業“智能+”發展。
　　“智能生產，就是面向工業生產過程和系統，基于智能感知、人機交互，構建智能化和綠色化的柔性制造模式，重塑產業鏈和價值鏈，實現工藝優化和生產全流程整體優化。”中國工程院院士、過程控制和過程系統工程*錢鋒表示。

　　石化企業生產過程中產生的海量數據，借助信息技術可以強化生產監控、優化生產計劃，為企業管理者提供輔助。

　　開采數據“礦山”

　　石化反應機理復雜，影響過程的因素多，難以用常規方式分析。通過大數據分析，可以從中發現某些異常，或事故模式，對安全生產具有重大意義

　　“智能工廠的數據來源包括企業信息化數據、工業物聯網數據，以及外部跨界數據三大類，數據量大、種類多、來源廣，統計和使用難度大。”中國石化信息化管理部副主任李劍峰表示。

　　據《自動化博覽》雜志刊載文章，乙烯生產裝置需要監控的參數5000余點，一個中等規模的石化企業需要監控的生產參數約10萬點。DCS或SCADA系統的采樣周期為秒級，實時數據庫保存數據的周期通常為1分鐘。按照這樣計算，一個星期內，中型石化企業實時數據庫累積的生產參數可達10億條。

　　大數據分析可以用于優化生產，以及企業管理的各個領域。與傳統數據分析相比，大數據技術注重關聯性分析。大數據重在眾多的因素中研究事物之間的關聯性，試圖發現一些有價值的新現象和新規律，而傳統數據分析方法限于某個局部，造成了數據之間的斷裂，數據中的規律無法充分挖掘。

　　石化行業大數據分析應用多分布于供應鏈優化、庫存管理、資金統一管理和生產監管優化四個模塊。石化企業的生產過程是復雜的物理化學變化過程，影響過程的因素多，機理*復雜，難以用線性手段描述和*方程表達。通過大數據分析，可以從中發現某些異常，或事故模式，對安全生產具有重大意義。

　　推動大數據工業應用

　　借助大數據建模，不僅可以強化企業生產監控，而且可以優化，甚至預測運行狀況

　　未經過梳理的數據*雜亂，經過梳理、統計后，得到初步的信息；將信息的規律分析、總結出來，即獲得知識；將知識進一步應用，利用數據做出決策，這一階段為“智慧”。因此，數據的應用分4個階段：搜集數據、提取信息、獲得知識、進階智慧。

　　借助大數據建模，不僅可以強化企業生產監控，而且可以優化，甚至預測運行狀況。中國石化在智能工廠建設中，與國內重點高校、研究機構合作開展了工業大數據應用的研究和實踐。“目前，我們在生產分析、生產操作、設備運行大數據應用方面取得了階段性進展，為裝置安全平穩運行、精細化生產提供了科學指導。”李劍峰介紹。

　　在煉化企業，因動設備故障引起的非計劃停工占到裝置非計劃停工的70%以上。對于動設備中的關鍵機組，如何定義設備的“不安全狀態”，確定設備的風險狀態，是否能夠有量化的評估指標，一直是煉化企業設備及生產運行人員探索的問題。

　　在茂名石化，中國石化利用大數據對機組運行“健康度”建模，針對每個維度的數據實時分析，采用梯度加速回歸算法對關鍵設備的運行風險、異常進行分析。他們成功提前9個小時對渣油加氫裝置新氫壓縮機的異常狀況預警，及時維修，避免了事故。

　　應用數據分析方法，對煉化企業設備腐蝕風險進行在線實時分析，也能為企業防范腐蝕風險提供及時、量化的決策信息。

　　應用大數據仍存挑戰

　　石化企業數據量大且來源復雜，當前算法、算力等方面仍不足

　　“石化工業大數據在數據治理、應用方面，仍面臨著來自數據、算力和算法，以及工業應用等方面的挑戰。”李劍峰表示。

　　石化企業數據量大且來源復雜。中國石化煉化生產數據超過960PB（拍字節），來源包括ERP、MES等各類信息系統及現場傳感器。數據結構包括結構化、半結構化、非結構化等多種類型，歷史數據量大，處理難度大。

　　相對于國外大型石化企業來說，目前國內石化企業的高性能數據處理中心還在起步階段，存儲資源尚未有效整合。同時，當前學術界、科研單位形成的算法偏重于理論，與工業結合的深度不足。部分算法實現了工業嘗試，但尚未形成規模化應用。

　　工業大數據建模、分析和應用，需要員工具備較強的數學知識，能夠對業務問題模型化，給企業老員工帶來挑戰。大數據分析算法、機理模型和*經驗融合應用的工業軟件偏少，主流工業軟件往往知識側重于單一應用，這也為融合應用帶來了機遇。