未來石化智能工廠頂層設計：現狀、對比及展望

王子宗，高立兵，索寒生

（1 中國石油化工集團有限公司，北京 100728；2 石化盈科信息技術有限責任公司，北京 100020）

經過數十年的發展，我國石化產業的規模、產量和技術能力都有了大幅度提升，產業規模已躋身世界石化大國前列。但是，與高質量發展和建設現代化產業鏈的要求相比還有差距，主要面臨資源與能源利用率偏低、煉油總體產能過剩、化工產品同質化嚴重和附加值不高、高端制造水平亟待提高、安全環境壓力大等問題。在不斷加速的能源轉型、國家“雙碳”戰略、日益嚴格的監管要求和不斷變化的市場需求推動下，環境、社會和治理（ESG）成為當務之急。石化工業正通過創新工藝技術與新一代信息通信技術深度融合，發展智能制造，推動可持續發展和循環經濟，加快向綠色和高質量方向發展。

發展智能制造是石化工業轉型升級的主要路徑，不僅有助于石化企業全面提高生產效率、提升效益、改善產品品質，滿足新常態下企業創新和升級的需求，還可帶動眾多新技術、新產品及新裝備快速發展，催生新應用、新業態和新模式，推動石化工業實現質量變革、效率變革和動力變革，推動我國石化工業邁向全球產業鏈中高端。

國家“十三五”規劃以來，在國家智能制造戰略部署下，工業和信息化部通過產業政策支持的智能制造新模式項目435 項，綜合標準化項目163項，極大推動了我國制造業轉型升級的進程。石化智能制造也進入到實質性落地階段，先后有十幾家煉化企業入選國家智能制造試點示范、示范工廠或標桿企業。以中國石化集團公司（以下簡稱中石化）為首的集團型石化企業率先進行智能油田、智能工廠、智能研究院、智能加油站建設，加快數字化轉型步伐，起到了良好的引領和示范作用。首批4家試點示范企業的生產數據自動化采集率、先進控制投用率分別提升了20%、10%，均達到了98%以上，外排污染源自動監控率達到100%，勞動生產率提高20%以上，取得了顯著的經濟效益和社會效益。

早在2012 年，中石化率先在國內提出石化智能工廠概念，按照“六統一”的信息化建設原則，推進智能工廠項目及相關配套信息化項目建設。隨著智能工廠試點、推廣、提升項目建設的不斷深入，石化智能工廠內涵不斷發展和豐富，形成了較為完整的石化行業智能工廠理論體系，如圖1所示。

圖1 石化智能工廠理論框架“123456”演化過程

按照規劃，試點階段為石化智能工廠1.0，提升和推廣階段為石化智能工廠2.0。目前正在進行新一代石化智能工廠（3.0）的規劃設計。本文聚焦以下三個問題：石化智能工廠建設面臨哪些挑戰？智能流程制造有什么發展趨勢？如何結合新一代信息通信技術與業務需求，進行未來石化智能工廠頂層設計？

1 石化智能工廠存在的問題及能力需求

1.1 存在的問題

我國石化行業的信息化建設始于20 世紀90 年代，經歷了“起步和技術引進”“分散建設”“統一規劃、統一建設”“深化應用，集中集成”和“集成共享，協同創新”五個階段。當前石化智能工廠建設中突出的問題表現如下：一是應用系統眾多，系統集成度不夠。典型煉化一體化企業的應用系統多達百余套，既有總部統建業務管理系統，也有企業自建專業應用系統，系統間一般是界面集成或應用集成，需要進一步加強系統間的數據共享和業務協同。二是建設重點聚焦在生產運營層，總體呈現“橄欖型”。生產控制層重視不足，智能化程度不高，生產裝置工藝流程模擬、實時優化、智能控制技術應用有待提高廣度和深度。三是存在信息孤島，數據標準不統一。沒有真正實現“數據的自由流動”，數據資產價值有待挖掘。四是智能化味道不足。對現場一線員工的賦能支撐不夠，設備預測性維護、生產全流程優化等重點環節有待突破。五是信息化復合型人才短缺。對于先進過程控制、生產計劃優化等應用，因為后臺都有模型需要維護，對使用者提出了較高要求，不少企業因人才缺乏而沒有達到預期應用效果。

1.2 業務能力需求

通過試點、提升和推廣項目，在煉化企業初步沉淀了部分智能化業務應用標準和最佳實踐，但在智能感知、工藝機理和工業大數據的混合建模與分析、全流程協同優化控制、知識驅動的智能化操作和智能化決策等方面都需要進一步提升。

（1）生產優化。生產計劃優化模型需要更加準確，要結合二次裝置的嚴格機理模型來更新規劃模型參數；裝置控制優化不但要“卡邊”操作，更要實現在線閉環實時優化，以及計劃調度與過程控制的集成；從局部優化到全流程優化。

（2）生產管控?，F場數據采集要“應采盡采”，全面提升現場感知水平；減少重復性工作，部分環節實現無人化；生產異常能夠被快速偵測、識別，結合大數據和專家經驗輔助人員操作。

（3）設備管理。實時監測動靜電儀等設備的運行狀態，進行預警和故障診斷；量化評估潛在風險，進行輔助決策，充分利用專家知識實現風險可控；人員技能培訓要更加貼近實戰，與實操過程實現緊密結合。

（4）安全環保。加強專業安全管理，覆蓋工藝安全、生產安全和設備安全等；加強高風險作業、重大危險源的預測預警，實現事后管理向事前預測的轉變；加強環保溯源分析，重點實現廢氣、廢水的溯源；加強環保設施運行優化。

（5）能源及公用工程。實現能源優化由單設備優化、單裝置優化向全廠優化、區域優化延伸，提高能源利用效率及能源供應安全；加強水電氣風等公用工程數據的全過程采集，能源計量儀表智能化改造，能量利用全過程監測和優化；重點煉油及化工產品的碳足跡管理。

1.3 技術能力需求

（1）建模和仿真。深化建模深度，原油原料實現分子級建模和優化；深化模型應用粒度，加強機理模型、數據模型的混合建模以及多尺度模型融合應用；基于三維、虛擬現實（VR）和數據集成的可視化模型應用。

（2）數據治理。建立數據治理體系，建立數據安全管理辦法，制定數據標準和統一架構，實現數據源的唯一性，挖掘數據資產價值。

（3）邊緣云平臺。統籌規劃老系統上云和新老系統融合模式，提升平臺能力，賦能企業個性化需求的應用開發。

（4）工控和網絡安全。提升網絡基礎設施風險態勢感知和主動預防能力；加強工控安全策略的統一規劃、實施和運維。

（5）新技術的深化應用。結合新一代信息技術、智能傳感器和智能裝備，聚焦工業級業務場景，深化跨學科、跨領域融合創新應用，例如AI、5G+工業互聯網、機器視覺、數字孿生等。

2 石化智能制造發展趨勢

2.1 工業軟件視角

工業軟件凝聚了先進的工業研發、設計、管理的理念、知識、方法和工具，是人類工業知識的結晶，也是推進智能制造發展的核心要素和重要支撐?！败浖x”成為新一輪科技革命和產業變革的新特征和新標志。關于石化工業軟件的分類和自主軟件的成熟度情況、工程設計軟件、流程模擬軟件以及資產績效管理（APM）軟件等，已經有較為詳細的論述，這里僅作幾點補充。

2.1.1 機電軟一體化

2021年10月，艾默生以60億美元現金獲得艾斯本55%的多數股權，并將旗下OSI Inc 公司的電力軟件和地質建模軟件業務并入到艾斯本業務。至此，市場占有率靠前的流程模擬軟件全部被工業自動化頭部企業收購，如表1所示。這表明工業自動化與工業軟件結合將更加緊密，向機電軟一體化整體解決方案發展。

表1 國際工業自動化企業收購流程模擬軟件情況

2.1.2 平臺化、組件化和生態化

這里的平臺包括2層含義：一是工業軟件產品平臺化；二是工業互聯網（IIoT）。任何單一軟件工具的品牌都不再重要，平臺成為一種頂層戰略?，F在的競爭已經不是單一產品的競爭，而是平臺的競爭、產品鏈的競爭、生態圈的競爭。如表2 所示，國際工業企業都推出了自己的工業互聯網平臺戰略。不過，國際企業更強調的是MES/MOM、資產績效管理、運營績效管理、能源管理以及流程模擬等工業軟件的推廣應用，特別是在石化等重資產行業。

表2 自動化工業廠家推出的工業互聯網平臺

工業互聯網帶來IT 架構的變化，云邊協同新技術架構也為工業軟件的研發與應用提供了創新的技術路徑與商業模式。傳統工業軟件通過解耦與重構，向SaaS 化、移動化、IoT 化發展。數據中臺、技術中臺和業務中臺促進了知識的沉淀和復用，通過輕量化工業APP滿足個性化需求和快速迭代。IT架構從單機應用到C/S、B/S，發展到云邊端協同；部署模式從On premise（企業內部部署）向私有云、公有云以及混合云發展。

2.1.3 軟件開發低代碼化

在新一代工業軟件中，都不同程度融合了機器學習、人工智能、機器人流程自動化（RPA）、低代碼開發等技術。低代碼應用平臺（LCAPs）通過可視化軟件功能組件的裝配及模型化驅動自動生成運行代碼，無需編碼或通過少量代碼就可以快速生成應用程序，為工程師快速開發可用、好用的工業軟件提供了良好的開發環境。低代碼開發技術最直接的價值是大幅度降低了成本，并且大幅度提升了效率。其次，技術門檻降低，更懂業務的業務人員可以直接操作配置系統。

2.1.4 軟件銷售模式訂閱化

工具類軟件的銷售方式，正從一次性許可（License）轉向訂閱模式（Subscription），主要表現形態就是按年租賃付費。訂閱模式的軟件并不一定都是基于云部署，可以仍然是在企業內部安裝，但是通過訂閱定期獲得授權密碼。例如劍維公司的AVEVA Flex 就是一種全新的商業模式：消除了平臺、I/O 和客戶端計數；無限制訪問數，可視化客戶端；根據業務需求動態調整產品使用情況。

2.2 流程工業開放自動化視角

自20 世紀70 年代PLC 和DCS 進入自動化領域之來，處于ISA 95的L1和L2控制層的自動化硬件和軟件結構一直沒有變動，不同廠家產品間兼容性差，沒有互操作性。伴隨快速發展的IT 技術和滯后的OT 技術間的矛盾加劇，讓最終用戶承受著巨大的負擔。

當前，工業自動化領域正在基于IEC 61499 標準或其他開放架構，打造設備互操作、系統易重構、軟件可移植的開放自動化架構。國際上已經出現兩條明顯不同的技術路線，一條以美國開放流程自動化論壇（OPAF）為代表的面向流程工業控制系統的開放流程自動化架構（open process automation，OPA），目標是對ISA 95 的L1 和L2 功能標準化，采用對現有DCS、PLC重新定義，以及對先進控制和MES、HMI等的虛擬化技術。另一條是德國流程工業用戶組織NAMUR倡議的開放架構（namur open architecture,NOA），堅持在現有工業信息化、自動化金字塔結構的前提下，通過OPC UA（嵌入式過程控制統一架構）與OT技術深度融合，提升運行維護的優化能力。

2.3 工廠建設模式視角

在石化智能工廠工程建設模式上有兩大發展趨勢：一是向工程設計階段延伸；二是全廠信息化的EPC模式。

2.3.1 向工程設計端延伸，數字化交付為智能工廠奠定基礎

數字化交付是指除了實體的物理工廠外，還需要移交一座依托于數據、文檔、三維模型以及它們與工廠對象關聯關系的數字化虛擬工廠。隨著國家標準《石油化工工程數字化交付標準》（GB/T 51296—2018）頒布實施，國內越來越多的石化工程新建項目采用數字化交付方式，例如目前中石化正以中科煉化一體化、中沙合資聚碳酸酯、古雷煉化一體化、海南煉化百萬噸乙烯、鎮海煉化的鎮?；匾黄跒榇淼墓こ探ㄔO項目上，進行工程數字化交付探索和實踐。

工程數字化交付是提升石化企業資產全生命周期管理水平的重要內容。項目前期、設計、采購、施工等“靜態信息”構成工程數字化交付的內容，加之項目試車和生產運行等“動態信息”的積累，為運營期智能工廠的建設奠定數字化基礎。目前，在數字化交付與接收平臺和工具，交付工廠對象的可信單一工程數據源，數據的完整性、合規性和一致性，以及如何支撐生產運營需求等方面還存在標準、規范、技術、安全、知識產權等系列問題，需要進一步研究。

同時，智能工廠的設計理念向前延伸。不同于傳統的逆向工程，而是在工程設計階段就考慮并梳理智能工廠建設需求，提出智能工廠的設計條件，融入各專業設計，開展風險、可靠性等分析，將相關的信息感知、智能運維、生產管控、設備管理、安全環保等要求在設計過程中提前規劃，從正向設計推動智能工廠建設。

2.3.2 全廠信息化EPC模式。

伴隨大型煉廠及煉化一體化項目的新建以及對老廠的改擴建，全廠信息化的EPC 實施模式應運而生。這種模式的優點是強調設計在整個工程建設過程中的主導作用，有利于設計、采購、施工各階段工作合理銜接，且質量責任主體明確。EPC總承包模式在工程建設領域已應用成熟，當前大型新建、改擴建煉廠的全廠信息化建設在技術復雜度、投資額度、項目管理難度等方面同樣具備采用EPC模式的條件。信息化設計與工程設計同步，實現智能工廠整體規劃、整體設計、整體開發、整體實施和統一交付。這一模式已成功運用于中科煉化、古雷石化等多家石油化工企業煉廠的建設。

3 燈塔工廠及啟示

從2018 年開始，世界經濟論壇（WEF）與麥肯錫咨詢公司聯合在世界范圍內遴選“全球燈塔工廠網絡”（global light house network，GLN），評價從價值實現、集成用例、賦能要素和技術平臺四大維度。截至2022年3月，全球已選出燈塔工廠103家，其中包括5 家油氣、化學品企業，即美國DCP Midstream 公司（丹佛工廠）、巴西MODEC 公司（里約熱內盧）、土耳其Petkim 公司（伊茲密爾）、沙特阿美（Khurais胡萊斯油田）以及土耳其STAR 煉油廠（伊茲密爾）。燈塔工廠正在引領第四次工業（4IR）革命技術的普及，包括數字化、自動化、高級分析、預測性分析、VR 和增強現實（AR）以及工業物聯網等。通過商業模式創新、智能技術應用，全面提高企業數字化能力，引領未來制造業的轉型。

燈塔工廠包括三大類：一是制造型燈塔工廠；二是端到端價值鏈型燈塔工廠；三是可持續性燈塔工廠。已經總結出124個用例，其中制造型燈塔工廠包括數字裝配與加工、數字設備維護、數字化績效管理、數字質量管理、數字化可持續發展等五大類業務環節的58 個用例，通過優化生產系統，提高運營效率和質量指標，擴大自身競爭優勢。

端到端價值鏈燈塔工廠包括供應網絡連接性、端到端產品開發、端到端規劃、端到端交付、客戶連接等五大類業務環節的66 個用例，通過推出新產品、新服務、高度定制化、更小的批量或者更短的生產周期等方式，改變運營經濟性。

分析燈塔工廠成功經驗，六大推動因素在先進制造用例的規?；瘮U展中功不可沒，包括：①用敏捷工作方式持續迭代，幫助企業預判技術局限，打破瓶頸；②打造敏捷數字工作室，讓業務人員、數據工程師、系統工程師、產品經理共同開展頭腦風暴，激發創意；③采用可擴展的工業物聯網/數據基礎架構；④完善技術生態系統并深化協同效應，合作伙伴能夠持續為項目賦能；⑤建設工業物聯網學院，通過游戲化、數字化的學習途徑，以及虛擬現實、增強現實等工具，有效提升員工技能；⑥成立數字化轉型組織，分享最佳實踐，開展用例的優先級劃分，注重成效和解決方案，推動整個企業開展變革。

4 石化智能制造基本特征、內涵及演進路徑

4.1 石化智能制造的基本特征

智能制造已成為全球工業界關注的重點和學術界研究的熱點。關于智能制造，英文有兩種專用術語廣泛使用，即smart manufacturing（SM）和intelligent manufacturing（IM）。王柏村等通過文獻計量統計分析研究了SM與IM的起源、定義、發展、關鍵技術以及參考架構等主題。德國工業4.0 描述了未來制造的關鍵特征，概括一個核心、兩大主題和三項集成，提出了圖2(a)中的RAMI4.0 參考模型，對智能制造的定義是：人、機器和資源將會如同在一個社交網絡里自然地相互溝通協作，生產出來的智能產品能夠理解自己被制造的細節以及將如何使用，并積極協助生產過程。美國國家標準與技術研究院（NIST）提出了圖2(b)中的SME（智能制造生態）參考模型，對智能制造的定義是：針對工廠、供應鏈和客戶需求不斷變化的要求和條件，能實時響應的一體化協同制造系統。中國國家標準化管理委員會（SAC）提出了圖2(c)中的IMSA參考模型。在我國制造強國戰略研究報告中，認為智能制造是制造技術與數字技術、智能技術及新一代信息技術的融合，是面向產品全生命周期的具有信息感知、優化決策、執行控制功能的制造系統，旨在高效、優質、柔性、清潔、安全、敏捷地制造產品和服務用戶。在工業和信息化部2016 年發布的《智能制造發展規劃（2016—2020年）》中給出了智能制造另一個新的表述：智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。此外，還有美國工業互聯網參考模型IIRA[圖2(d)]、ISO/TC184自動化系統與集成提出的全局三維圖[圖2(e)]以及日本工業價值鏈參考模型IVRA[圖2(f)]等。

圖2 幾種主要智能制造參考模型

制造業分為流程工業和離散工業。流程制造的智能化發展面臨的問題有其自身特征和技術挑戰。石化屬于典型的流程工業，其生產過程不同于離散工業，也與一般的流程工業存在較大區別，主要表現在原料物料復雜、工藝裝備復雜、產品種類眾多、運行條件苛刻、安全環保約束嚴格等。

石化制造的本質特征表現為：制造流程規模龐大、結構復雜，由多個緊密聯系并相互作用的操作單元所組成，在時空上具有多尺度的層次結構和功能結構。從橫向上看，制造流程是一系列相關的、異質的物理或化學過程的非線性、動態耦合過程，如“三傳一反”，即質量傳遞、熱量傳遞、動量傳遞和反應過程；從縱向上看，又是這些過程之間的跨時空尺度嵌套—耦合體系，是由融合復雜物理輸入/輸出的物質流網絡、能量流網絡和信息流網絡“三網融合與協同”的信息物理系統（CPS）。王基銘、李德芳等對石化信息物理系統（PCPS）的定義、層級特征、計算架構等進行了研究。高立兵等將石化CPS按照自調節與自校正、自感知與自適應、自認知與自學習、自認知和自復制等能力成熟度分為4個等級。中國標準化研究院與中國信息物理系統發展論壇發布的《信息物理系統建設指南》提出了CPS 在石化行業4種應用模式，即人智、輔智、混智和機智。

4.2 石化智能制造的內涵

過程系統工程（PSE）是研究石化智能制造的重要理論、技術和工程方法。PSE研究內容包括化學供應鏈的創造和操作、過程的改進，解決許多相互沖突目標情況下化學品的發現、設計、制造和配送等。自20 世紀80 年代誕生以來，PSE 與時俱進，伴隨信息技術的發展，研究范圍也不斷擴大。

為了建立石化智能制造理論體系，王子宗等在參考NIST SME 參考模型和石化智能工廠三條業務主線的基礎上，提出石化智能制造“三鏈模型”，分為產品鏈、資產鏈和價值鏈這三條鏈，三鏈的交叉處是制造金字塔，如圖3所示。三鏈模型分別對應產品生命周期維度、生產系統周期維度和商業周期維度。對于已知分子結構的大宗基礎化學品生產，其工藝路線相對固定，生產流程連續，工藝設計與工程設計合二為一，因而常常重點關注資產鏈和價值鏈兩個維度。

圖3 石化智能制造“三鏈模型”（修改自文獻[10]）

產品鏈是石化工業價值創造的核心，把低價值原料轉化為高價值的產品，包括石油分子管理、產品設計、流程模擬、油品調和等。石油加工過程的本質是將結構分布范圍較寬的原油分子，通過選擇性分離及定向轉化，生產具有特定分子組成的液體燃料、潤滑油產品和精細化工品等?；诜肿蛹壉碚骱头磻獎恿W建模已成為石油化工領域的關注熱點，并由此催生了分子管理技術的研究和發展。例如，?？松梨陂_發了一套“原油指紋系統”，從原油開始就建立分子水平的“指紋信息”，目的是“把正確的分子，在正確的時間放到供應鏈的正確位置上”，從而使每桶不同的原料油產生最大的價值。

資產鏈是實現價值創造的橋梁，包括從工廠可行性研究、概念設計、基礎設計、詳細設計、采購施工試車、數字化交付到運營與維護的工廠全生命周期。從項目績效管理（PPM）到資產績效管理（APM），提高資本性支出（CAPEX）效益，降低運營成本（OPEX）是石化企業資產管理的重點。

價值鏈是指供應鏈管理、生產、銷售等價值創造活動，包含原油采購、生產計劃和調度、生產、儲運、銷售和服務等。業務流程的數字化可以促成更好的協作、提升靈活性，形成優化的價值鏈。

制造金字塔是石化企業制造系統的核心，產品鏈、資產鏈、價值鏈在這里匯聚和交互。石化工廠的物理模型遵循ISA106，從下往上分為設備、裝置、單元、工廠、企業等五級。

通過分析國際工業軟件企業的產品線，可以清晰地看出沿著“三鏈”打造集成化、一體化的軟件整體解決方案這一趨勢，也是國際自動化企業收購工業軟件完善其軟件產品線的邏輯所在。

石化企業的運營管理水平和數字化水平需要綜合考察其在三鏈上的表現，石化智能工廠2.0 建設，已經通過數字化舉措對三條鏈分別進行優化以改進管理運營表現，并取得了一定的成績。而石化智能工廠3.0 的重點將是進一步解決數據共享和交換、系統間集成和跨鏈協同等難題。通過新一代信息通信技術和中臺技術，可以從三鏈上在數據和業務兩方面打破各個獨立子系統以及數據源之間的壁壘，完成跨鏈的數據融合和業務協同，從而更有效地管理數據資產，優化生產運營，實現更高的靈活性、更高的生產效率、更高的產品質量。這是石化工業數字化轉型的驅動力，也是實現石化工業高質量發展追求的目標。在跨越三鏈協同方面，重點是圍繞供應鏈集成、價值鏈優化以及工程數據全生命周期管理，如圖4所示。

（1）統一供應鏈管理。統一的企業級供應鏈管理平臺，可基于云端部署，支持SaaS 服務，覆蓋各個供應鏈環節，包括原油采購、生產計劃、生產調度、一次分銷等，如圖4(a)所示。例如，劍維公司的統一供應鏈管理套件Spiral Suite，集成的軟件包括原油物性數據管理（Spiral Assay）、生產計劃優化（Spiral Plan）、生產調度優化（Spiral Schedule）、供＆銷物流網絡優化（Spiral Network）、流程模擬（ROMeo）以及與第三方ERP集成等。

（2）基于產品價值鏈的多裝置動態優化。目前，裝置的先進過程控制（APC）、實時優化（RTO）、廠級計劃與調度優化還沒能實現數據的縱向集成和自由流動，計劃目標與裝置實際運營情況有一定差距，問題的癥結在于計劃優化用線性模型來表征非線性過程。國際廠商如艾斯本、劍維、KBC、霍尼韋爾等提出了面向產品價值鏈的多單元動態優化解決方案，如圖4(b)所示。采用分子級煉化一體化價值鏈表征及多單元動態優化技術，無縫集成嚴格機理模型、降階混合模型和計劃LP 模型，統一計劃和調度、優化操作，以增加效益?；趧討B實時優化，可以將生產計劃、調度排產、操作優化、操作控制整體貫通，真正做到優化目標從上到下、從全局到局部的層層分解和閉環控制，實現基于產品價值鏈的優化。

（3）工程數據全生命周期管理。國際廠商如?？怂箍?、劍維、西門子等公司，面向流程工業提出了“一體化工程到一體化運維”的工程數據資產全生命周期解決方案，如圖4(c)所示。徹底打通工廠生命周期的數據流，為工廠的運營維護提供準確、完整的數據支撐，從而能夠提高設計效率、降低風險，實現資本項目的投資回報最大化。

圖4 跨鏈協同場景示意

4.3 石化智能制造演進路徑

從中遠期看，智能制造的發展路徑是清晰、可預見的：通過工業化和信息化“兩化”深度融合，構建信息物理系統，實現從人全盤控制到人不在現場的完全自治運行。中國工程院周濟院士團隊提出智能制造的數字化、網絡化、智能化三范式及“HCPS 模型”，并認為目前處于HCPS1.5 和HCPS2.0 之間，如圖5(a)所示。ABB 公司提出“工業自治六階段模型”，并認為當前系統介于第2 級和第3 級之間，如圖5(b)所示。中石化在智能工廠建設中提出了智能工廠演進5 階段，如圖5(c)所示，目前處于2.0 和3.0 之間，即基于智能制造平臺，實現了局部智能應用。上述三種表述形式不同，但觀點一致，都認為智能系統最終目標是實現完全自治。

圖5 不同智能制造演進路徑模型

從近期看，在國家“十四五”規劃階段，石化智能工廠建設需要從裝備、感知、控制、操作、運營、決策等層級，以工藝、裝置為核心，重點提升全面感知、實時分析、自主決策、精準執行和自主學習等5項核心能力，通過“數據+平臺+應用”信息化管理、建設、運維新模式，推動設計、生產、物流、銷售與服務等業務環節的數字化轉型和智能化提升，形成虛實融合，以數據和模型為驅動、以石化工業互聯網平臺為支撐的新型制造模式，實現降本、增效、綠色、安全、轉模式等五大核心價值。

5 未來石化智能工廠設計思考

未來石化智能工廠建設，是在繼承試點項目、推廣項目實踐成果的基礎上，立足新發展階段、貫徹新發展理念，進行創新發展。特別是在云邊端協同、數字資產服務、關鍵能力提升等方面。核心內涵包括如下內容：一個目標，即創造增長、提升價值（包括運營和財務方面）；一個平臺，即邊緣云平臺；三個支撐體系，即信息和數字化管控體系、數據治理和信息標準化體系、網絡安全體系；四方面建設內容，即經營管理、生產運營、工程建設、信息技術支撐和基礎設施（向裝置層下沉，向決策層拓展，向設計端延伸，向產業鏈擴維，向分子級深化）；五項能力，即全面感知、實時分析、科學決策、精準執行、自主學習；六化特征，即自動化、數字化、模型化、集成化、孿生化、自主化；60+應用場景，包括經營管理、生產一體化優化、生產操控、供應鏈管理、設備管理、能源管控、環保管控、安全管控、工程建設等業務域；建設模式，包括“數據+平臺+應用”、多級部署、云邊端協同；實施路徑與策略，包括新老系統數據和應用融合模式（綠地模式、棕地模式、藍地模式）。

5.1 未來石化智能工廠應具有的核心能力和特征

5.1.1 五項核心能力

未來石化智能工廠需要發展五項核心能力（圖6）：全面感知、實時分析、科學決策、精準執行和自主學習。前4項能力構成的“感知-分析-決策-執行”信息流閉環是石化CPS 的基本過程，并具有時間、空間多尺度特征。第5項“自主學習”是人工智能的發展應用，制造系統增加了基于新一代人工智能技術的學習認知部分，不僅具有更加強大的感知、決策與控制的能力，更具有學習能力、產生知識的能力。使石化工業知識的產生、利用、傳承和積累效率發生革命性變化，而且可大大提高處理制造系統不確定性、復雜性問題的能力，極大改善制造系統的建模與決策效果。同時，石化制造系統不斷突破地域、組織的界限，實現對人才、技術、資金、數據等資源和要素的高效配置，不斷孕育新的服務模式與新興業態。

圖6 石化智能工廠的五大核心能力

5.1.2 “六化”特征（見圖7）

圖7 石化智能工廠“六化”特征

自動化（automation）：包括過程控制自動化，如DCS、PLC、SIS，以及PID 自整定、先進控制（APC）、自動連鎖控制、自動切換、一鍵操作等；裝備自動化，如立體倉庫、軌道機器人、特種作業機器人；程序性自動化，如低代碼應用平臺（LCAPs）、機器人流程自動化（RPA）、知識自動化（KA）等。在未來智能工廠建設中需要提高智能裝備、機器人及程序自動化技術的使用，減少用工，降低勞動強度，實現重點環節少人化和無人化，提高精準執行的能力。

數字化（digitalization）：數字化指對人、機、料、法、環等核心生產要素的全面感知和數據采集，既包括從MES、SCADA、DCS、PLC、LIMS等系統獲取數據，也包括通過物聯網、智能傳感器、移動終端、機器視覺、智能儀器儀表、在線檢測分析儀、可穿戴設備等獲取數據。通過提高全面感知能力，實現設備數字化、資源數字化、業務數字化、流程數字化、管理數字化，形成數字資產。數字化解決數據的有無問題，是石化“數據+平臺+應用”新模式的基礎。

模型化（modeling）：模型泛指實際系統或過程特性的一種表示形式，或映射成的一種結構，如機理模型、數據模型、幾何模型、業務模型、信息模型等。建模一直伴隨化工的發展，工程師依靠模型進行工程設計、研究和決策制定?；み^程具有多時空尺度特征，需要綜合利用化工過程的第一性原理與過程數據，結合人工智能算法進行混合建模，解決化工過程中的模擬、監測、優化和預測等問題。文獻[61]綜述了智能制造中機理模型、數據模型、混合模型建模技術及應用。文獻[64]分析了人工智能和化學工程進行混合建模存在的優勢、限制、機遇與挑戰。未來石化智能工廠建設要加強與工藝結合，向裝置下沉，通過基于模型的系統工程（MBSE）方法，對工廠進行全方位的模型化描述，實現對石化工業知識的固化、沉淀和復用。

集成化（Integrated）：包含兩層含義，一是德國工業4.0 提出的縱向集成、橫向集成和端到端集成；二是綜合集成，包括數據集成、服務集成、應用集成等。無論是德國工業4.0 的三項集成，還是我國的兩化融合，盡管語言體系不一樣，本質上都是針對多個業務系統數據的互聯、互通難題，這是所有國家、企業的共同挑戰。未來石化智能工廠建設，既要深化“三鏈”集成，解決數據的共享和交換問題，更要發展跨越價值鏈的業務協同。

數字孿生化（digital twinning）：為物理實體、數字實體等可以有數字模型的實體或實體組合建立數字模型的過程。石化數字孿生包括三個核心要素，即模型、數據和服務。數字孿生是解決智能制造信息物理融合難題的一項關鍵使能技術?；跀底謱\生，構建信息物理系統，可以提升虛實互動、實時分析能力，支持全生命周期的持續優化和異常處置。2021 年12 月，工業和信息化部聯合八部委印發《“十四五”智能制造發展規劃》，規劃文件將數字孿生列為智能制造關鍵核心技術，提出了“數字孿生+”智能場景的描述，這是把數字孿生放到了“通用目的技術”（GPT）的地位。文獻[68]綜述了數字孿生在流程行業應用的難點和使能技術。目前，數字孿生在石化行業的應用還處于起步階段。中石化正在開展“數字孿生的智能乙烯工廠”項目。未來，通過構建基于設備級、單元級/裝置級、工廠級、企業級數字孿生，基于“數據+算法”，提供數字化服務，實現描述、診斷、預測和決策等服務應用。

自主化（autonomous）：自主化是對系統自感知、自學習、自決策、自執行、自適應等特征的總稱。自動化、數字化、模型化、集成化和數字孿生都是自主化的基礎，是從數據到信息、知識、智慧（DIKW）的轉化。自主化程度是一個持續演進、螺旋上升的過程，是工業人工智能與石化工藝技術的深度融合過程。最終目標是系統可以應對未知變化，人不再必須參與控制過程，形成高度自治型工廠（autonomous factory）。機器感知、情景感知、機器學習、認知智能等都是提高自主化程度的關鍵技術。

5.2 重點建設內容和建設模式

未來石化智能工廠建設內容重點圍繞經營管理、生產運營、工程建設、基礎設施支撐和信息化保障體系等4個領域展開，如圖8所示。其中，重點考慮如下幾點。

圖8 石化智能工廠重點建設內容藍圖

（1）向裝置層下沉。圍繞乙烯、聚烯烴等重要裝置，提高生產操控智能化水平，為現場賦能、為基層員工賦能。通過APC、RTO、智能裝備、程序自動化、機器視覺等技術，減少用工，降低勞動強度，實現部分環節的少人化和無人化。

（2）向決策層拓展，發展數據智能，發揮數據資產價值。支撐諸如原油市場價格預測、原油采購優化、原油價值鏈一體化優化、成品油物流優化、基于知識圖譜的供應商風險管理、動設備遠程運維、工藝遠程診斷服務等應用。

（3）向工程設計延伸，推進煉化工程數字化交付平臺建設。建立以智能工廠為導向的工程設計標準、規范；建設煉化工程數字化交付平臺，以及與運營平臺（數字化接收平臺）的無縫銜接；深化數字化交付內容和廣度，由一次性交付向漸進式交付轉變，由固定資產的數字化化交付（設計、采購、施工等過程的工程數據、工程文檔、三維模型等數字化信息），向固定資產+無形資產（工藝機理模型）的數字化交付模式發展，推進數字資產和運營數據的融合，形成數字“雙底座”。

（4）數字化、網絡化“補課”，基礎設施升級改造。智能儀表升級改造，實現生產設備、物料、產品、環境、人員的全面感知；增加在線檢測分析、特種作業機器人；工業有線和5G 網絡升級改造，完善融合通信，形成數字化、網絡化的生產環境。

（5）數據治理，統一數據標準。以數據作為戰略資產，建設石化數據治理體系，推進數據治理制度流程、數據架構、數據組織、數據集中共享機制和信息標準化體系的建設，持續提升數據質量，形成全業務領域的數據資產。通過邊緣云平臺，推進數據能力、業務能力、技術能力的沉淀、復用和開放，構建服務化、集約化的應用開發環境，實現數據全生命周期管理和平臺數字化運營，敏捷響應數據應用需求，促進數據應用創新。

（6）建設模式?！皵祿?平臺+應用”模式，多級部署，云邊協同?？蓴U展、先進的邊緣云平臺是未來石化智能工廠技術架構的核心，其關鍵能力包括：物聯感知和邊緣計算能力、工廠數字孿生建模能力、企業級數據資源管控能力、企業應用的集成與管控能力、工業知識運行與管控能力?？偛颗c下屬企業形成云邊端協同，促進知識的沉淀和復用，解決碎片化供給和全局優化需求之間矛盾。構建百花齊放的工業APP 和快速迭代模式，滿足企業個性化需求，提升系統縱向貫通性和業務覆蓋度，促進業務協同。

（7）實施路徑和策略。對于新建工廠，可以采取綠地模式（Greenfield）：直接采用新的邊緣云平臺架構，應用APP 化，建設基于角色的崗位工作臺，例如中科煉化、古雷石化等新建工廠即是這種模式；對于老廠升級以及改擴建工程，需要結合數據治理，統籌考慮新老系統的數據融合和系統集成模式。棕地模式（Brownfield），即現有系統應用升級和重構，將現有系統的數據、應用按照與平臺不同等級的成熟度搬到新架構里。藍地模式（Bluefield）：按照目標架構的要求，有選擇性地、將部分數據或者功能模塊從老系統搬到新系統里。不管采取哪種模式，建立統一數據架構和標準都是前提條件。

5.3 應用場景

應用場景是推進智能制造落地的重要抓手，世界燈塔工廠目前總結出124個應用場景，工信部針對“5G+工業互聯網”發布了20個應用場景，工信部四部委聯合發布的《智能制造典型場景參考指引（2021年）》，總結出15個環節52個智能制造典型場景。石化智能工廠場景規劃需要考慮如下幾點。

（1）綜合石化智能工廠2.0建設內容、“5G+工業互聯網”、“工業互聯網+安全生產”等專項，以及典型企業智能工廠規劃方案，形成石化信息化場景全景，是未來石化智能工廠建設的基線。

（2）圍繞經營管理、生產一體化優化、生產操控、供應鏈管理、設備管理、能源管理、環保管控、安全管理、工程建設等業務域，結合新技術發展和業務需求，對單一業務和跨流程業務進行應用場景規劃，形成應用場景清單全集。不同企業可以從場景清單中選擇重點建設內容，滿足個性化需求。

（3）應用場景內容包括針對業務痛點、場景描述、技術要素和預期效果等。按照業務、管理、智能點，可選項、必選項，提升、新建等維度對場景分類、分級。技術要素包括支撐智能場景的技術、支撐系統、數據、模型等要素。預期效果是在財務和運營指標方面的價值實現，包括對效益、效率、質量、安全、環保以及業務模式等方面的影響。

（4）正如國際燈塔工廠帶來的啟示，數字化的投入和收益，并不是平行線，數字化投入只有跨越某個臨界拐點后，才會呈現指數增長。一方面場景應用需要在數量上達到一定規模（燈塔工廠評選要求20個以上），另一方面在業務覆蓋面上要達到一定廣度，形成集成和協同優勢。

6 展望

發展石化智能制造，標準和能力評估不可或缺。目前，按照《國家智能制造標準體系建設指南（2021版）》要求，由中石化牽頭編制的《石化行業智能制造標準體系建設指南》已經通過工業和信息化部組織專家評審，進入公開征求意見階段。下一步需要加快石化行業相關標準的規劃和制定，發揮標準在推進石化智能制造有序發展中的指導和規范作用。同時，以國家智能制造能力成熟度模型（GB/T 39116—2020）和評估方法（GB/T 39117—2020）為基礎，加快構建石化智能工廠能力成熟度評估體系，從業務、技術、組織和人才等四個方面全方位定性和定量評估，幫助石化企業確定工廠信息化現狀水平，明確差距和發展目標，指引智能工廠建設和發展。

突破石化核心工業軟件短板，才能牢牢掌握創新發展主動權。需要石化龍頭企業發揮市場主體地位，聯合高校、科研院所等構建產學研用生態體系，建立企業自主知識產權軟件培育體系，發揮國內石化市場規模巨大和場景豐富優勢，加強技術攻關和技術成果轉化，推進石化自主技術軟件化，如實時優化軟件、通用流程模擬軟件、專用反應器模型軟件等，解決“卡脖子”問題。2021年4月，中石化與清華大學成立綠色化工聯合研究院，是雙方構建產學研用深度融合的技術創新體系的務實之舉。同時，對于已有核心軟件，如石化MES，需要在軟件的設計思想、平臺架構、系統功能和用戶體驗方面持續改進和加快迭代。

新技術的應用應以業務需求為導向，以價值創造為目標。智能工廠建設不能僅僅靠技術、裝備投入，追求把技術武裝到牙齒，更要重視企業核心競爭力的培育。既需要企業戰略、組織機制、業務流程等方面的配合和支撐，也需要培養數字文化、創新文化，以及建設信息化人才梯隊。數字化轉型是一個長期系統工程，需要把技術植入企業基因，開啟一場永無止境的競爭能力進化之旅。