化工企業(yè)：大數據里面能淘金

全球涂料網訊：

隨著先進自控系統(tǒng)和數據采集系統(tǒng)的應用，石油和化工企業(yè)獲取的數據量與日俱增。如何把這些數據科學地利用起來，指導生產運營?清華大學化學工程系過程系統(tǒng)工程研究所袁志宏博士日前在接受記者采訪時表示，將大數據、機器學習、人工智能融入到智能制造的核心技術中，實現石油和化工企業(yè)生產經營的敏捷、柔性、高效、安全，是智能制造的重要發(fā)展方向。

    “當前，隨著自動化、數字化設備的應用，石油和化工企業(yè)數據量急劇增加。以國內某大型石化集團為例，旗下每個裝置平均有600~1000個數據采集點，數據每3分鐘要上傳到集團總部相關部門。目前該集團煉油裝置數據量已經有70TB，并以每年18TB的速度在增長�！痹�志宏告訴記者，“以前，我們苦于缺乏相關的數據，現在如何應用這些海量數據，是行業(yè)智能制造的重要課題�！�

    袁志宏表示，大數據技術應用于石油化工行業(yè)前景廣闊，其中最關鍵的應用就是優(yōu)化生產，也就是用大數據技術來提升石油和化工企業(yè)的經濟效益。對石化企業(yè)而言，由于市場行情的變化，對產品類型和產量的需求是波動的。很多潛在的效益，可以利用大數據工具挖掘出來。

    一方面，可以利用大數據等技術，建立智能混合模型。把單元操作優(yōu)化和全流程優(yōu)化操作結合起來，利用系統(tǒng)工程的理論和技術，建立精度可控的數據驅動代理模型，實現自適應，提升操作精度�！耙�在整個生產管理協(xié)同優(yōu)化，兼顧庫存、市場等各個因素，來指導調度和生產計劃，確定操作條件、產品類型、裝置負荷，實現柔性生產，進而實現效益最優(yōu)化�！痹�志宏說。

    另一方面，可以利用大數據預測市場需求和行情，進而指導生產調度。比如，石化企業(yè)可以利用積累的海量數據進行評估，用大數據來預測市場對汽油柴油需求量的變化情況;在精細化工行業(yè)，則可以利用大數據預判市場行情、指導生產。一旦預判市場行情會不好時，企業(yè)可以減少生產負荷應對市場變化;預判市場需求會提升的時候，提前提升生產負荷，調整產品的產量、品種，確保利潤的最大化。

    據介紹，清華大學陳丙珍院士團隊針對針對催化裂化裝置敏捷、優(yōu)化運行的問題，開發(fā)案例庫匹配驅動的尋優(yōu)策略，對裝置的歷史優(yōu)化加工方案以及相關模擬優(yōu)化數據進行結構化的知識整理和數據挖掘，使得企業(yè)在一體化優(yōu)化方案制訂和實施過程所產生的經驗進行積累和重用，實現裝置更敏捷地響應加工原料變化，捕捉了常規(guī)運營操作中可能忽略掉的那些潛在優(yōu)化機會。

    此外，大數據在行業(yè)應用的場景還有很多。“首先，可以應用于設備的預知性維護。利用大數據技術，通過設備使用頻次、維修頻次、使用時間、運行參數以及更換設備備件等情況，進行數據統(tǒng)計、歸類、趨勢分析，從而為制訂設備預防性維護頻次、設備備件控制計劃、購置設備及購置設備備件廠家等提供依據�！痹�志宏介紹說。

    利用大數據方法還可實現報警管理。袁志宏表示：“現在石油和化工企業(yè)的DCS等，都安裝各種各樣的報警系統(tǒng)。有時候為了確保工藝設備的安全性，報警軟件就裝多了，或者報警點設置多了，系統(tǒng)就會出現亂報或者多報的情況，給操作人員帶來了很大的麻煩。利用大數據技術，可以開發(fā)自動執(zhí)行程序，通過機器自動識別，將一些虛假報警，或者不構成安全威脅的報警過濾掉�！�

    針對催化裂化裝置報警多的問題，清華大學化學工程系系統(tǒng)工程研究所趙勁松教授團隊應用大數據技術與理念，對催化裂化裝置的海量數據進行深層次的數據挖掘，找到問題的關聯(lián)因子，建立預測模型，通過對試點裝置的驗證后，形成可供推廣的風險評估技術，開創(chuàng)了應用大數據技術解決催化裂化裝置生產問題的新途徑。

    在應用大數據的同時，對數據的處理和校正同樣重要。袁志宏認為，現在的石化大數據中，有一些是無效數據。很多數據是來自于ERP、DCS、MES等系統(tǒng)，可能受到某些因素的干擾，某一個值出現大幅瞬時波動，要利用數據處理技術，剔除到一些無效數據，讓數據利用更快速、準確。此外，石油和化工行業(yè)還有很多非結構化的數據，比如視頻、圖像等，要利用先進的數學方法，或者是數據機器學習方法，把這些數據價值開發(fā)出來。