石油化工數字科研技術內涵與實踐

景 帥，肖文濤

（中國石油化工集團有限公司信息和數字化管理部，北京 100728）

1 時代背景

科學技術作為第一生產力，驅動了人類歷史上的蒸汽革命、電力革命、信息革命等3次工業革命，極大推動了人類社會發展和文明進步。進入當今時代，隨著以5G、云計算、物理網、大數據、人工智能、區塊鏈等為代表的數字技術對各行各業的深入滲透和強力帶動[1-7]，新一輪科技革命和產業變革開始蓬勃發展。為貫徹新發展理念、構建新發展格局，有必要在數字科研上先行一步，搶占智能制造制高點，塑造發展新優勢[8]。

石化工業是國民經濟的支柱產業之一。作為傳統行業的典型代表，石油化工行業曾一度面臨高污染、高能耗、高排放等諸多難題。步入新時代，石油化工行業開始建設智能工廠，應用各種新技術、新設備、新材料、新工藝，實現轉型升級和綠色發展[9]。其中，石油化工科技貢獻了巨大力量。當前以數據為核心要素的第四科研范式已開始在石油化工科研中廣泛應用[10]，對引領科研方向、管控科研過程、分析實驗結果、縮短研發周期、加速科技轉化等都發揮了積極作用。

2 石油化工數字科研發展趨勢

縱觀歷史，人類的科研范式經歷了4個發展階段[11]。

1）第一科研范式——實驗觀察。早期科學研究主要是記錄和描述自然現象。由于受到實驗條件的限制，很難精確理解自然現象背后的規律。

2）第二科研范式——理論推導。主要指簡化實驗模型，去掉復雜干擾，僅保留關鍵因素，然后通過實驗數據歸納、總結、提煉出現象背后的規律，形成理論公式。

3）第三科研范式——模擬計算。當理論公式非常復雜時（如多維高階偏微分方程組），難以進行理論求解，此時需要將公式離散化，并應用計算機進行數值求解。

4）第四科研范式——大數據分析。當單一事物的演化是由千萬條規律或公式組合作用來決定時，前3種科研范式都將失效。此時需要應用某些大數據算法，根據規律的外化數據來構建純數學混沌模型，在一定范圍內來相對準確地預測事物的未來演化。

從第三科研范式開始，通過計算創新來進行科研活動的特征已逐漸顯現，拉開了科研業務數字化轉型的變革大幕。經過多年發展，石油化工數字科研得到長足發展，其用途已不再只是單純的方案模擬和數據挖掘，而是逐漸擴展延伸到了實驗輔助操作、科研文化構建、科研資源共享、科研條件保障、技術市場轉化等范疇[12-18]?；诖?，總結石油化工數字科研的主要發展趨勢如下：

1）互聯網促進建立科研生態圈。寶潔公司依托互聯網踐行開放式創新戰略。在中國、美國、印度等地設立六大創新中心，負責搜索挖掘當地的技術創新和產品創意；在網絡上發布原料指標性能需求，招攬先進技術解決方案和買賣知識產權。通過網絡化科研，有效加強了跨地域、跨部門和跨學科協作。

2）大數據促進形成第四科研范式。美國于2011年啟動“材料基因組計劃”[19]，主張利用模擬計算和大數據技術來揭示材料微觀結構與宏觀性能之間的關聯關系，旨在變革材料研發模式，從“直覺＋試錯”向“按需設計”轉變，有效縮短新材料的研發周期，并降低研發成本。

3）人工智能促進提升實驗效率?；裟犴f爾公司采用人工智能技術提升研發能力。在中試車間布置了150多套中試裝置，利用人工智能技術控制各種微型反應器和機器人，每天可自動處理約10億條反應數據，實現實驗配方和工藝方案的高效優選。

4）物聯網促進變革技術服務模式。殼牌公司建立了油田遠程技術服務中心，基于物聯網實時采集工業現場數據，全面及時記錄井下作業狀態，并利用互聯網將數據傳輸至遠程網端，再集中遍布全球的優秀專家資源，為鉆井作業現場提供遠程指導。通過遠程服務模式，提升了技術服務效率，降低了技術服務成本。

5）區塊鏈促進保護原始創新。區塊鏈技術的核心用途是驗證，核心特征是不可篡改，能夠發揮知識產權保護作用，尤其能對很多原始創意起到很好的保護效果。當前已有科研單位開始論證應用區塊鏈技術建設“頭腦風暴”會議室，針對某一科研難題組織專家研討，在討論中記錄和存證每個人的想法貢獻。

3 石油化工數字科研內涵要義

及時跟進和融合應用云計算、物聯網、區塊鏈、大數據、人工智能等數字技術，孿生出以數據挖掘、計算推理、平臺服務為主要科技引領、研發、轉化手段的虛擬數字科研世界，實現對傳統的以經驗、試驗、推導為主要研究手段的現實物理科研世界的各類科研要素本體結構（人員、裝備、料劑等）、科研要素運動規律（設計、分析、推導等）、科研業務活動過程（審批、學習、巡檢等）的映射、并行、指導和替代，從而有效提高精細管理能力、科技研發能力和技術服務能力[20-23]。

基于當前的數字技術發展水平，石油化工數字科研技術的內涵可以具化在以下8個方面。

1）科研管理平臺?？萍佳邪l重在選準科研方向和糾偏科研過程。建設科研管理平臺能夠通過分析技術市場數據抓住研發方向，通過課題查重減少重復研究，通過科研流程規范化和材料模板標準化管控研發過程，通過大數據總覽課題進展情況并發現存在問題，通過課題數據報表進行研發成本和成果統計等，最終保障科研活動規范、有序、高效進行。

2）計算硬件平臺。石油化工科研對計算能力的要求越來越高。在塔器設備研發設計中，網格劃分越細密，模擬結構越準確，同時對計算能力要求也越高；在材料性能預測中，神經網絡節點數量越多，預測模型訓練效果也越好，同時對GPU芯片的要求也越高。因此，有必要建設計算硬件平臺，實現算力彈性調度，及時足量滿足各創新主體的計算資源需求。

3）工具軟件平臺。工具軟件對石油化工科研至關重要，是數字科研技術體系的重要組成部分。當前的流場模擬、工藝模擬、分子模擬等工具軟件常是單機版本，重復采購情況較多，共享利用水平不高。未來可考慮采購網絡版本工具軟件，并進行平臺化共享化部署，以實現對工具軟件的動態調度，及時足量滿足各創新主體的軟件資源需求。

4）實驗數據平臺。數據已成為石油化工科研的核心要素。利用設備和料劑模擬數據和實驗數據，可以構建各類預測模型，預測擬研發產品的性能指標，優先試制和測試具備潛力擬研產品，以縮短研發周期和提高研發效率。為充分利用數據、提高數據質量和匯聚挖掘數據，應當建設試驗數據平臺，保障數據真實、完整、可追溯，實現數據電子化和共享化。

5）科研知識平臺。知識是石油化工科研單位的底蘊所在。當前石油化工科研知識管理面臨采集來源多、格式不規范、存儲分散化、共享利用難等問題。建設統一的科研知識管理平臺有利于實現對知識的廣泛采集、自動加工、規范存儲和共享傳承，有利于盤活科研知識資產和發揮人才培養價值，有利于實現知識智能推介和營造知識精準灌輸的學習氛圍。

6）條件保障平臺。石油化工科技研發離不開科研條件的保障，這其中包括試驗裝備建設投用、試驗料劑采購領用、技術研討會議場所等各方面的綜合保障。建設科研條件保障平臺，能夠提升科研裝備管理維護水平和共享利用效率，指導試驗料劑及時采購和優化調配，存證記錄原始重大創意，提升“頭腦風暴”會議效率，激發科研團隊的創新活力。

7）安環管控平臺。理化試驗，包括小試、中試和工業化試驗等，是石油化工科研的重要工作，實驗過程中不乏高壓、有毒、易燃、易爆、易污染等安全環保隱患。建設安環管控平臺能夠支持實時采集和動態分析各類風險隱患數據，并及時向有關人員報警和預警，第一時間為有關人員提供應急處置方案和應急資源獲取方式，為實驗安全保駕護航。

8）技術轉化平臺。市場應用是科技價值實現的重要一步，是技術研發和應用的橋梁紐帶。建設技術轉化平臺，可以支持技術產品線上推介、知識產權線上交易、專家資源線上會診、技術應用遠程指導等，有效提升科研單位的技術市場開拓能力和響應能力；同時也能支持收集市場一線的科研需求，為科研方向抉擇提供最直接最真實的數據支持。

4 石油化工數字科研實踐成果

為順應新一輪產業和技術革命發展大勢，中國石化以數字科研內涵為指導，啟動了智能化研究院建設，依托數字技術，打造了具有“數字研發、計算創新、開放共享、群智協同”特征的新型石化數字科研創新平臺。圍繞科研管理、科研創新和技術服務3條主線，建設項目全過程管理、大數據實驗室、在線服務中心等應用，全面提升研究院精細管理、科技研發、遠程服務能力，取得了以下5個主要成效。

1）科研項目的精細管理

建成項目管理應用，實現科研項目全過程精細化管理和可視化監控。通過打造“產、學、研、用”科研生態圈，實現跨地域、跨組織、跨學科的科研能力協同和資源共享，形成開放協同創新模式。

建成績效管理應用，設計績效評價體系，對科研成果、專利申報、論文發表、宣傳報道等多類采分點進行數據采集和統計分析，對科研人員的工作績效進行全面量化評估和精準激勵。

2）科研資源的靈活調度

構建石油化工領域科研數據標準體系，按照“1個數據中心、1批數據來源、1張資產目錄、1套數據標準、1套服務組件、1套授權機制、1套迭代流程”的原則、理念和方法論，開展科研數據治理，實現項目過程管理、績效管理、實驗料劑管理等多個應用的業務對象的數據同源、統一管理、對外服務，實現對科研數據的靈活調用和開放共享。

3）科研手段的大幅升級

打造數字實驗室，優選數據處理算法，深挖大數據內涵規律，實現材料性能預測和按需設計、實驗圖譜智能識別、實驗要素關聯分析等，全面提升科研創新質量和效率。

建成X射線衍射圖譜分析應用，基于小波變換等數據分析方法[24]，構建譜圖解析模型及譜圖識別模型，實現分子篩XRD譜圖的批量自動識別及分子篩結構參數的自動關聯，單張譜圖的解析時間從20 min降低到2 min，降低了基礎性科研的工作負荷。

建成分子篩合成實驗大數據分析應用，利用自然語言識別技術實現科技期刊文獻中關鍵數據的自動提取[25]，單篇文獻分析及數據整理時間從小時級降到秒級，極大節省人力整理文獻成本，提高工作效率。

建成熱模實驗數據分析應用，基于裝置運行數據自動尋優操作參數，減少甲醇制烯烴（MTO）催化劑評價實驗對操作人員能力的依賴，提升了裝置控制的及時性和穩定性。

建成催化劑電鏡圖像識別應用，將傳統圖像識別算法（空間域、頻域濾波、分水嶺算法等）與基于深度卷積神經網絡的物體檢測（YOLO）和實例分割（Mask R-CNN）算法相結合，自動完成電鏡圖像中不同實例的位置標定和催化劑粒徑、層數等信息的統計分析，顯著減少基礎科研工作負荷，在大幅提升研發效率的同時，避免了科研人員的視力損傷。

建成冷模設備輔助設計應用，運用梯度提升決策樹等算法提煉旋風分離器設備的設計參數與運行性能間的規律，利用歷史實驗數據訓練設備性能預測模型，指導設備研發設計，讓最具備潛力的設備設計方案優先進入試制和實驗。

建成知識管理應用，利用自然語言處理技術實現對潔凈煉油、節能環保等領域知識的自動加工存儲，提供輔助文獻綜述和個人知識筆記等工具，提升文獻編制效率，縮短知識查詢用時，實現煉化知識碎片化處理與問題導向性重構，顯著提升核心知識的沉淀和復用率。

建成智能語音應用，實現口述實驗記錄、智能語音檢索、實驗標準步驟自動播報等，為科研人員提供更加便捷高效的工作方式。

4）對實驗條件的有力保障

建成實驗設備與料劑管理應用，完成投資計劃、需求計劃、維修計劃等幾十項業務流程線上化，以數字技術賦能實驗設備和料劑的全生命周期管理，實現實驗設備和料劑資源的優化配置和靈活調用，全面保障實驗室資產的安全和保值。

建成實驗室報警管理應用，實現對實驗室危險氣體、溫濕度、風速等數據的實時監測，安全巡檢信息跟蹤與預警，提供完整的安全預案，提高實驗室安全管理水平。

5）技術市場的快速響應

建成技術服務管理和在線服務中心等應用，打造“互聯網＋技術服務”模式，加強自主技術和產品宣傳，規范服務體系，提高企業整體效益，實現近百項專利技術、十幾套專利設備和幾十種自研產品的線上推介；實現對工業現場的生產工藝、設備狀態等信息的全面感知，并由“反復跑現場”技術服務模式向“線上實時視頻問答”轉變，形成技術服務新業態。新冠疫情期間，試點院業務專家通過在線服務中心，為國內外多家企業的加氫煉化裝置提供了換劑開工遠程技術指導，助力企業復工復產。

5 未來展望

按照“數據＋平臺＋應用”模式開展智能化研究院提升建設，打造“前瞻引領、數字研發、在線轉化”的科技服務平臺，培養“數據驅動、模型引領、計算創新”的科研理念，孕育“產研互促、群智協同、迭代提升”的循環生態，以數字技術驅動實驗設計、操作、分析等全過程自動化、閉環化、迭代化，推動石油化工科研向智能化內涵邁進。