智能工厂对石化行业的影响

基于对智能工厂发展驱动力的理解，一项研究提出了生命周期蓝图以及基于共识的运营和技术路线图。目前，石化行业正面临新的困境，这些困境来自更严格的环保和节能法规、降低产品成本的压力、多种原材料来源、特殊的客户需求、组合和供应链优化以及其他因素。物联网、云计算、机器人和大数据技术都是新一轮科技进步的一部分。此外，由于信息技术 (IT) 与运营和制造技术的集成，石化行业的生产模式也发生了革命性的变化。

本文从价值链、生产和服务模式、管理和控制链以及能源约束等角度分析了智能石化工厂面临的最新变化。通过与主流研究的对比，对智能石化工厂的定义和内涵进行了讨论，提出了智能石化工厂的技术体系和路线图，并总结了有待研究的关键热点技术。

石化行业智能工厂的推论

学术界和工业界从不同角度定义了"智能工厂"。工业 4.0 主要从以 CPS（网络物理系统）为核心的智能生产的角度来定义智能工厂，而 SMLC（智能制造领导联盟）主要从知识和建模的角度来讨论智能工厂。从整合工业化和 IT 应用的角度来看，智能工厂非常棒，专注于炼油和化工业务。石化行业的智能工厂可以从两个角度来定义：

1.石化行业的智能工厂专注于石化产品的整个工业生产链。为了实现工厂的横向、纵向和端到端整合，它将下一代 IT 与人员、流程/设备操作技术和现有石化生产流程紧密结合起来。此外，它以更细腻、更动态的方式提高工厂运营和管理的水平，并通过优化整体位置感知、预测预警、协同优化和科学决策这四项关键能力，促进制造和商业模式的创新。

2.在石化领域，智能工厂创造了新一代石化生产环境，其特点是无处不在的传感和智能服务，通过 CPS 将到处存在的传感器、智能硬件、控制系统、计算设施和信息终端连接成一个智能网络。这是为了了解业务、人员、事物和服务是如何联系在一起的，并尽可能生产、整合和使用信息资源、知识和专业技能。

简而言之，石化行业的智能工厂是一种全新的尖端设施，专注于实现工厂的卓越运营，同时也是环保、高效、安全且可持续的。

石化行业的机遇与挑战

运营灵活性

运营灵活性，即能够快速适应因原料、市场需求和价格变化而导致的不断变化的情况，是智能流程制造的基本特征之一。这种扰动无疑会对工厂的绩效产生重大影响。因此，转换运营方法至关重要，例如重建工艺流程以及改变温度、流速和压力。这里的第一个问题是，最低级别的控制系统如何快速到达正确的设定点。

尽管现有信息不可能涵盖所有想得到的操作实例，但从工业角度来看，专业人员的启发式知识和操作专业知识是最佳选择。知识型方法的准确性是第二重困难。从学术角度来看，基于模型的实时优化是主要策略。第一个问题是，在哪里可以找到值得信赖的化学处理装置的第一性原理模型，尤其是复杂的反应器；二是如何有效求解实时优化模型；第三是行业是否会接受优化结果。

可调数据驱动建模

在上一小节中，我们讨论了解决受制于颇具挑战性的第一性原理模型的优化模型所面临的困难。一个潜在的选择是使用数据驱动的替代模型来代替原来的第一性原理模型。许多统计技术已经用于创建缺陷检测、过程控制和优化的替代模型，包括神经网络、支持向量机和数学规划。当创建替代模型时，务必要考虑其预期用途和实施情况，例如是否将用于工艺流程图优化或趋势预测。

采用神经网络驱动的替代模型进行工艺流程图优化，可能会带来巨大的计算挑战，并且无法产生高精度的结果。无论使用何种技术来创建替代模型，外部延展性都至关重要。在这种情况下，第一个问题是，需要多少数据集来创建高精度的替代模型；第二个问题是，如何创建一个可调整的数据驱动模型。应该使用工业数据集来验证准确性。

整个炼油厂或石化工厂的计划和调度

炼油厂或石化工厂在规划和安排各种作业时，数学建模和全局优化可为降低成本、扩大利润、提高能效和满足需求提供重要的前景。直到最近，对整个炼油厂或石化工厂进行全面规划和安排才成为可能，这是智能制造的一个重要组成部分。原油混合和加工、加工单位活动以及产品混合和分销构成了大部分业务。

结论

石化行业"智能工厂"的技术愿景和蓝图是围绕石化工厂计算而构建的，并扩展了传统的化学工程模拟。这允许通过实际工厂和虚拟工厂的并行操作和协作来控制和管理实际工厂。石化行业智能工厂的技术框架认为，对物理环境的全面了解是建设智能工厂的关键，并且具有优化和决策能力的智能业务应用程序可以促进跨部门合作和全球石化生产优化。

此外，我们更加重视人的因素，以创造以人为中心的下一代生产和运营中心。这样一来，合适的人员可在合适的时间和地点获得必要的信息和资源，以创新业务模式。最后，在考虑工业发展模式的同时，主要需要对关键技术进行调查，以实现优先发展。在成功开发智能工厂之前，必须在应用需求和相关技术的驱动下做大量的工作，因为关于这一主题的研究仍处于早期阶段，相关的理论研究最近才开始。