唤醒沉睡数据 打造石化“智能+”
2019/4/17
关键字：
来源：[互联网]
[中国石化报2019-04-16]大数据分析可以用于优化生产，以及企业管理的各个领域。与传统数据分析相比，大数据技术注重关联性分析
4月2~3日，第二届中国炼油石化科技智能化大会在宁波召开。来自石油石化、设备制造、信息技术等行业的院士、专家、企业代表济济一堂，探讨如何借助大数据、云计算等信息技术，推动石化行业“智能+”发展。
“智能生产，就是面向工业生产过程和系统，基于智能感知、人机交互，构建智能化和绿色化的柔性制造模式，重塑产业链和价值链，实现工艺优化和生产全流程整体优化。”中国工程院院士、过程控制和过程系统工程专家钱锋表示。
石化企业生产过程中产生的海量数据，借助信息技术可以强化生产监控、优化生产计划，为企业管理者提供辅助。
开采数据“矿山”
石化反应机理复杂，影响过程的因素多，难以用常规方式分析。通过大数据分析，可以从中发现某些异常，或事故模式，对安全生产具有重大意义
“智能工厂的数据来源包括企业信息化数据、工业物联网数据，以及外部跨界数据三大类，数据量大、种类多、来源广，统计和使用难度大。”中国石化信息化管理部副主任李剑峰表示。
据《自动化博览》杂志刊载文章，乙烯生产装置需要监控的参数5000余点，一个中等规模的石化企业需要监控的生产参数约10万点。DCS或SCADA系统的采样周期为秒级，实时数据库保存数据的周期通常为1分钟。按照这样计算，一个星期内，中型石化企业实时数据库累积的生产参数可达10亿条。
大数据分析可以用于优化生产，以及企业管理的各个领域。与传统数据分析相比，大数据技术注重关联性分析。大数据重在众多的因素中研究事物之间的关联性，试图发现一些有价值的新现象和新规律，而传统数据分析方法限于某个局部，造成了数据之间的断裂，数据中的规律无法充分挖掘。
石化行业大数据分析应用多分布于供应链优化、库存管理、资金统一管理和生产监管优化四个模块。石化企业的生产过程是复杂的物理化学变化过程，影响过程的因素多，机理十分复杂，难以用线性手段描述和精确方程表达。通过大数据分析，可以从中发现某些异常，或事故模式，对安全生产具有重大意义。
推动大数据工业应用
借助大数据建模，不仅可以强化企业生产监控，而且可以优化，甚至预测运行状况
未经过梳理的数据十分杂乱，经过梳理、统计后，得到初步的信息；将信息的规律分析、总结出来，即获得知识；将知识进一步应用，利用数据做出决策，这一阶段为“智慧”。因此，数据的应用分4个阶段：搜集数据、提取信息、获得知识、进阶智慧。
借助大数据建模，不仅可以强化企业生产监控，而且可以优化，甚至预测运行状况。中国石化在智能工厂建设中，与国内重点高校、研究机构合作开展了工业大数据应用的研究和实践。“目前，我们在生产分析、生产操作、设备运行大数据应用方面取得了阶段性进展，为装置安全平稳运行、精细化生产提供了科学指导。”李剑峰介绍。
在炼化企业，因动设备故障引起的非计划停工占到装置非计划停工的70%以上。对于动设备中的关键机组，如何定义设备的“不安全状态”，确定设备的风险状态，是否能够有量化的评估指标，一直是炼化企业设备及生产运行人员探索的问题。
在茂名石化，中国石化利用大数据对机组运行“健康度”建模，针对每个维度的数据实时分析，采用梯度加速回归算法对关键设备的运行风险、异常进行分析。他们成功提前9个小时对渣油加氢装置新氢压缩机的异常状况预警，及时维修，避免了事故。
应用数据分析方法，对炼化企业设备腐蚀风险进行在线实时分析，也能为企业防范腐蚀风险提供及时、量化的决策信息。
应用大数据仍存挑战
石化企业数据量大且来源复杂，当前算法、算力等方面仍不足
“石化工业大数据在数据治理、应用方面，仍面临着来自数据、算力和算法，以及工业应用等方面的挑战。”李剑峰表示。
石化企业数据量大且来源复杂。中国石化炼化生产数据超过960PB（拍字节），来源包括ERP、MES等各类信息系统及现场传感器。数据结构包括结构化、半结构化、非结构化等多种类型，历史数据量大，处理难度大。
相对于国外大型石化企业来说，目前国内石化企业的高性能数据处理中心还在起步阶段，存储资源尚未有效整合。同时，当前学术界、科研单位形成的算法偏重于理论，与工业结合的深度不足。部分算法实现了工业尝试，但尚未形成规模化应用。
工业大数据建模、分析和应用，需要员工具备较强的数学知识，能够对业务问题模型化，给企业老员工带来挑战。大数据分析算法、机理模型和专家经验融合应用的工业软件偏少，主流工业软件往往知识侧重于单一应用，这也为融合应用带来了机遇。