云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代信息技術(shù)和工業(yè)化的“深度融合”，正在加速傳統(tǒng)制造企業(yè)的轉(zhuǎn)型升級(jí)。智能工廠作為智能制造的重要實(shí)踐模式，核心在于工業(yè)大數(shù)據(jù)的智能化應(yīng)用。煉化企業(yè)是制造業(yè)的重要組成部分，工業(yè)大數(shù)據(jù)處理技術(shù)成為提升煉化企業(yè)核心競(jìng)爭(zhēng)力的關(guān)鍵力量。

1 工業(yè)大數(shù)據(jù)的需求

1.1 工業(yè)大數(shù)據(jù)的概念和特征

《工業(yè)大數(shù)據(jù)白皮書(shū)（2017）》將工業(yè)大數(shù)據(jù)定義為：在工業(yè)領(lǐng)域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計(jì)劃、研發(fā)、設(shè)計(jì)、工藝、制造、采購(gòu)、供應(yīng)、庫(kù)存、發(fā)貨和交付、售后服務(wù)、運(yùn)維、報(bào)廢或回收再制造等整個(gè)產(chǎn)品全生命周期各個(gè)環(huán)節(jié)

所產(chǎn)生的各類數(shù)據(jù)及相關(guān)技術(shù)和應(yīng)用的總稱。工業(yè)大數(shù)據(jù)具有一般大數(shù)據(jù)的數(shù)據(jù)體量大、數(shù)據(jù)類型多、價(jià)值密度低和處理速度快的特征（4V特征），還有區(qū)別于其他行業(yè)大數(shù)據(jù)的自身特點(diǎn)和挑戰(zhàn)：(1)非結(jié)構(gòu)化數(shù)據(jù)比例大，數(shù)據(jù)來(lái)源廣泛且分散：工業(yè)大數(shù)據(jù)有來(lái)源于產(chǎn)品生產(chǎn)現(xiàn)場(chǎng)工業(yè)控制網(wǎng)絡(luò)的監(jiān)控?cái)?shù)據(jù)，有來(lái)源于企業(yè)現(xiàn)有的信息化系統(tǒng)的數(shù)據(jù)，也有來(lái)源于互聯(lián)網(wǎng)的供應(yīng)商、消費(fèi)者數(shù)據(jù)；(2)數(shù)據(jù)相關(guān)性強(qiáng)，既存在關(guān)聯(lián)關(guān)系，也存在因果關(guān)系：工業(yè)大數(shù)據(jù)的產(chǎn)生和應(yīng)用都圍繞產(chǎn)品全生命周期、優(yōu)化生產(chǎn)線、改善供應(yīng)鏈等，數(shù)據(jù)之間存在很強(qiáng)的關(guān)聯(lián)性，并且分析準(zhǔn)確性要求高；(3)時(shí)空序列特性：工業(yè)大數(shù)據(jù)來(lái)源于工業(yè)控制網(wǎng)絡(luò)和各種傳感設(shè)備，具有產(chǎn)生頻率快、嚴(yán)重依賴采集時(shí)間、測(cè)點(diǎn)多、信息量大和穩(wěn)定性要求高等特點(diǎn)，需要采用可靠的數(shù)據(jù)采集、高效的數(shù)據(jù)存儲(chǔ)、快速的海量數(shù)據(jù)處理工具進(jìn)行管理；(4)面向具體工業(yè)領(lǐng)域，專業(yè)性強(qiáng)：工業(yè)大數(shù)據(jù)需要解決面向智能設(shè)備和智能產(chǎn)品的全生命周期、故障檢測(cè)、健康預(yù)測(cè)等深層次分析和應(yīng)用的問(wèn)題。

1.2 煉化企業(yè)的工業(yè)大數(shù)據(jù)

煉化企業(yè)作為典型流程制造模式，生產(chǎn)過(guò)程極其復(fù)雜，具有原料物性、生產(chǎn)工藝、生產(chǎn)裝備復(fù)雜和安全環(huán)境要求高等特點(diǎn)。煉化企業(yè)工業(yè)大數(shù)據(jù)應(yīng)用的難點(diǎn)是打通企業(yè)數(shù)據(jù)采集、集成、管理、分析和應(yīng)用的產(chǎn)業(yè)鏈條，采用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的數(shù)據(jù)思維方式來(lái)進(jìn)行生產(chǎn)過(guò)程管理和創(chuàng)新業(yè)務(wù)活動(dòng)。以數(shù)據(jù)采集為例，煉化企業(yè)石油加工生產(chǎn)過(guò)程不僅涉及多變量協(xié)調(diào)，不同工藝路線、工藝參數(shù)會(huì)產(chǎn)出不同目標(biāo)產(chǎn)品及收率，而且涉及塔類、罐區(qū)、機(jī)泵、管線、換熱設(shè)備等類型眾多的復(fù)雜生產(chǎn)裝備，此外，生產(chǎn)計(jì)劃多變、技術(shù)人員經(jīng)驗(yàn)不足等都是導(dǎo)致數(shù)據(jù)采集困難的主要原因。

煉化企業(yè)智能工廠建設(shè)將以統(tǒng)一工業(yè)大數(shù)據(jù)云平臺(tái)為中心，提高工廠對(duì)不同設(shè)備收集的海量信息進(jìn)行梳理的能力，提高企業(yè)信息系統(tǒng)的計(jì)算能力和數(shù)據(jù)消化能力，實(shí)現(xiàn)對(duì)企業(yè)的產(chǎn)品數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)、銷售數(shù)據(jù)、客戶數(shù)據(jù)的實(shí)時(shí)而有針對(duì)性的分析，對(duì)企業(yè)的研發(fā)、生產(chǎn)、運(yùn)營(yíng)、營(yíng)銷和管理方式進(jìn)行智能化創(chuàng)新，實(shí)現(xiàn)信息流、物流、資金流、知識(shí)流、服務(wù)流的高度集成與融合，使得企業(yè)持續(xù)創(chuàng)新，并不斷開(kāi)發(fā)新產(chǎn)品、新服務(wù)。

2 工業(yè)大數(shù)據(jù)云平臺(tái)

統(tǒng)一的工業(yè)大數(shù)據(jù)云平臺(tái)能提供云計(jì)算和大數(shù)據(jù)能力，建立數(shù)據(jù)共享集群、計(jì)算服務(wù)集群、數(shù)據(jù)倉(cāng)庫(kù)集群，實(shí)現(xiàn)PB級(jí)數(shù)據(jù)存儲(chǔ)。平臺(tái)使用OpenStack實(shí)現(xiàn)硬件資源虛擬化，使用內(nèi)存計(jì)算和內(nèi)存數(shù)據(jù)庫(kù)技術(shù)解決性能問(wèn)題，以有效地支撐各類資源和數(shù)據(jù)實(shí)現(xiàn)面向煉化企業(yè)智能工廠的按需聚合應(yīng)用，支撐海量數(shù)據(jù)的分析處理，統(tǒng)一的大數(shù)據(jù)云平臺(tái)物理結(jié)構(gòu)如圖1所示。

圖1

平臺(tái)基于Lambda架構(gòu)搭建支持多計(jì)算模式的大數(shù)據(jù)系統(tǒng)，整合離線、實(shí)時(shí)和流計(jì)算，可集成Hadoop、Kafka、Storm、Spark、HBase、MPP數(shù)據(jù)庫(kù)等各類大數(shù)據(jù)組件。平臺(tái)使用新一代的MPP并行數(shù)據(jù)庫(kù)集群作為大數(shù)據(jù)處理平臺(tái)的核心，實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的存儲(chǔ)、集成和分析等操作，支持在線查詢、實(shí)時(shí)交互分析、異構(gòu)數(shù)據(jù)處理、高頻歷史數(shù)據(jù)融合探索、可視化數(shù)據(jù)展現(xiàn)，支撐煉化業(yè)務(wù)大數(shù)據(jù)分析應(yīng)用。使用基于Hadoop的數(shù)據(jù)處理技術(shù)管理非/半結(jié)構(gòu)化大數(shù)據(jù)，并用事務(wù)型數(shù)據(jù)庫(kù)支撐智能工廠在線業(yè)務(wù)系統(tǒng)，為平臺(tái)提供數(shù)據(jù)支撐，構(gòu)建智能工廠大數(shù)據(jù)分析和處理平臺(tái)。

3 煉化企業(yè)工業(yè)大數(shù)據(jù)采集

3.1 數(shù)據(jù)采集范圍

煉化企業(yè)工業(yè)大數(shù)據(jù)種類繁多，數(shù)據(jù)采集的范圍包括：生產(chǎn)經(jīng)營(yíng)相關(guān)的業(yè)務(wù)數(shù)據(jù)，來(lái)自于企業(yè)內(nèi)部高度集成的各類信息化系統(tǒng)，企業(yè)信息化系統(tǒng)如圖2所示；設(shè)備物聯(lián)數(shù)據(jù)，來(lái)自于煉化企業(yè)自動(dòng)化控制程度相對(duì)較高的DCS、PLC等系統(tǒng)的感知數(shù)據(jù)；外部數(shù)據(jù)，來(lái)自于互聯(lián)網(wǎng)的行業(yè)、市場(chǎng)和競(jìng)爭(zhēng)對(duì)手等數(shù)據(jù)。

3.2 數(shù)據(jù)采集技術(shù)

3.2.1 現(xiàn)場(chǎng)數(shù)據(jù)采集

融合各種物聯(lián)網(wǎng)感知技術(shù)，以溫度、光敏、視覺(jué)等傳感器為主要采集工具，結(jié)合RFID、條碼掃描器、生產(chǎn)監(jiān)測(cè)設(shè)備、PDA、智能終端等手段采集多源、異構(gòu)數(shù)據(jù)信息，全面感知工廠的生產(chǎn)過(guò)程要素（物料物性參數(shù)、工藝參數(shù)、設(shè)備運(yùn)行等）和安全環(huán)境（可燃有毒有害氣體、污染物、空氣質(zhì)量等），通過(guò)互聯(lián)網(wǎng)或現(xiàn)場(chǎng)總線等技術(shù)進(jìn)行實(shí)時(shí)準(zhǔn)確傳輸，存儲(chǔ)于實(shí)時(shí)數(shù)據(jù)庫(kù)。

3.2.2 業(yè)務(wù)數(shù)據(jù)采集

融合Sqoop、Flume、Fluentd、Logstash、Chukwa、Scribe和并行ETL等多種大數(shù)據(jù)采集技術(shù)和工具，從MES、ERP、PDM、PLM、SAP和CRM等信息化系統(tǒng)采集生產(chǎn)經(jīng)營(yíng)相關(guān)業(yè)務(wù)數(shù)據(jù)，提取系統(tǒng)間共享數(shù)據(jù)，實(shí)現(xiàn)煉化企業(yè)主數(shù)據(jù)管理。

3.2.3 外部數(shù)據(jù)采集

融合Nutch、Snoopy等搜索引擎和Web爬蟲(chóng)技術(shù)，從電商、WEB、自媒體、微信、微博、博客等采集用戶的全網(wǎng)接觸數(shù)據(jù)，全網(wǎng)全流程數(shù)據(jù)采集示意圖如圖3所示。

4 大數(shù)據(jù)分析與處理

4.1 多層次的分析方案

大數(shù)據(jù)分析提供多層次多場(chǎng)景的數(shù)據(jù)分析方案：即席查詢、統(tǒng)計(jì)分析、數(shù)據(jù)挖掘和知識(shí)自動(dòng)化決策，以滿足不同級(jí)別的需求。(1)即席查詢(AdHoc)：用戶根據(jù)特定的需求，靈活地選擇或組合查詢條件，系統(tǒng)能夠快速生成相應(yīng)的統(tǒng)計(jì)報(bào)表；(2)統(tǒng)計(jì)分析：運(yùn)用數(shù)據(jù)統(tǒng)計(jì)分析方法及與分析對(duì)象有關(guān)的知識(shí)，將定量分析與定性分析相結(jié)合，適用于上層應(yīng)用具有明確的業(yè)務(wù)目標(biāo)的場(chǎng)景；(3)數(shù)據(jù)挖掘：基于人工智能、深度學(xué)習(xí)和統(tǒng)計(jì)學(xué)等技術(shù)，高度自動(dòng)化地對(duì)數(shù)據(jù)做出歸納性的推理演繹分析，挖掘出數(shù)據(jù)的潛在價(jià)值，適用于預(yù)測(cè)預(yù)警；(4)知識(shí)自動(dòng)化決策：集成一系列知識(shí)自動(dòng)化算法模型，包括知識(shí)表示、知識(shí)獲取、知識(shí)關(guān)聯(lián)、知識(shí)重組和知識(shí)推理等，適用于發(fā)現(xiàn)和解決生產(chǎn)、管理、調(diào)度流程中的關(guān)鍵決策點(diǎn)的決策問(wèn)題。借助于可視化工具進(jìn)行即席查詢、多維分析、鉆取溯源和推理演繹等數(shù)據(jù)分析活動(dòng)。

4.2 基礎(chǔ)算法模型庫(kù)

在關(guān)聯(lián)分析、分類算法、聚類算法、時(shí)序分析和決策樹(shù)等通用分析挖掘算法的基礎(chǔ)上，構(gòu)建煉化流程制造領(lǐng)域?qū)I(yè)的基本算法模型庫(kù)。利用統(tǒng)計(jì)分析、深度學(xué)習(xí)等理論方法，設(shè)計(jì)領(lǐng)域?qū)I(yè)知識(shí)的獲取、表示、關(guān)聯(lián)方法，深度挖掘領(lǐng)域相關(guān)的物理化學(xué)原理、工藝、制造等知識(shí)，使得工業(yè)大數(shù)據(jù)的分析結(jié)果能夠滿足高置信度的要求。算法模型庫(kù)提供常用的適合R語(yǔ)言和Spark Mlib的分析模型，如Copula（風(fēng)險(xiǎn)分析常用）、ExpSmooth（指數(shù)平滑模型，是比較通用的預(yù)測(cè)模型）、MovingAVG（移動(dòng)平均模型，產(chǎn)品需求增速預(yù)測(cè)常用）和Trend（趨勢(shì)分析）等，此外還有預(yù)警預(yù)測(cè)、滾動(dòng)預(yù)測(cè)等服務(wù)。利用可視化技術(shù)和工具進(jìn)行多維分析、鉆取溯源和推理演繹，可視化展現(xiàn)分析結(jié)果，可根據(jù)不同場(chǎng)景可以選擇不同的分析框架，支持包括SQL、Restful服務(wù)等通用分析接口。研發(fā)基本算法模型庫(kù)，可對(duì)數(shù)據(jù)挖掘分析程序和模型算法進(jìn)行維護(hù)，將模型和算法靜態(tài)化保存以供隨時(shí)調(diào)用。

5 工業(yè)大數(shù)據(jù)智能化應(yīng)用

5.1 智能生產(chǎn)

利用煉化企業(yè)生產(chǎn)線實(shí)時(shí)感知的熱能、溫度、壓力、振動(dòng)和噪聲數(shù)據(jù)，可以實(shí)現(xiàn)設(shè)備診斷、能耗分析、實(shí)時(shí)環(huán)境分析、質(zhì)量事故分析（包括違反生產(chǎn)規(guī)定、零部件故障）等很多形式的分析。通過(guò)對(duì)生產(chǎn)線和生產(chǎn)設(shè)備配備的傳感器進(jìn)行數(shù)據(jù)感知和抓取，對(duì)生產(chǎn)本身進(jìn)行實(shí)時(shí)監(jiān)控（視頻監(jiān)控、可燃及有毒有害氣體報(bào)警等）。實(shí)時(shí)生產(chǎn)數(shù)據(jù)經(jīng)過(guò)大數(shù)據(jù)平臺(tái)快速處理后，反饋到生產(chǎn)過(guò)程中，實(shí)現(xiàn)智能網(wǎng)絡(luò)管理和自適應(yīng)調(diào)整，使工業(yè)控制和管理最優(yōu)化，最大限度使用有限資源，降低工業(yè)和資源的配置成本，使生產(chǎn)過(guò)程能夠高效地進(jìn)行。

5.1.1 產(chǎn)品故障診斷與預(yù)測(cè)

設(shè)備運(yùn)行過(guò)程中的自然磨損會(huì)導(dǎo)致產(chǎn)品品質(zhì)發(fā)生一定的變化。通過(guò)實(shí)時(shí)數(shù)據(jù)感知，監(jiān)控系統(tǒng)運(yùn)行狀態(tài)和異常情況，診斷故障類型、故障部位及原因，預(yù)測(cè)產(chǎn)品的不良概率，預(yù)測(cè)評(píng)估故障風(fēng)險(xiǎn)水平，提前更換配件，從而避免發(fā)生生產(chǎn)故障，實(shí)現(xiàn)產(chǎn)品質(zhì)量控制和生產(chǎn)風(fēng)險(xiǎn)控制。通過(guò)生產(chǎn)過(guò)程中故障相關(guān)因素的精確控制，真正實(shí)現(xiàn)智能化生產(chǎn)。

5.1.2 生產(chǎn)計(jì)劃與排程

生產(chǎn)計(jì)劃與排程是生產(chǎn)管理之核心。大數(shù)據(jù)幫助發(fā)現(xiàn)歷史預(yù)測(cè)與實(shí)際的偏差概率，在有限產(chǎn)能的基礎(chǔ)上，綜合考慮人員市場(chǎng)約束、技能約束、物料約束、工序流程約束、員工行為約束等對(duì)生產(chǎn)的影響，通過(guò)智能優(yōu)化算法，得到合理有效的計(jì)劃排產(chǎn)，并監(jiān)控計(jì)劃與實(shí)際偏差，現(xiàn)場(chǎng)動(dòng)態(tài)調(diào)整計(jì)劃排產(chǎn)。

5.1.3 生產(chǎn)設(shè)備參數(shù)最優(yōu)化

基于產(chǎn)品生產(chǎn)中各個(gè)環(huán)節(jié)的大量運(yùn)行數(shù)據(jù)的挖掘，如生產(chǎn)中的各個(gè)生產(chǎn)設(shè)備數(shù)據(jù)、外部環(huán)境數(shù)據(jù)和產(chǎn)品自身數(shù)據(jù)（如掃描的圖像數(shù)據(jù)、參數(shù)數(shù)據(jù)等）等，根據(jù)各設(shè)備的屬性數(shù)據(jù)和生產(chǎn)連續(xù)監(jiān)測(cè)數(shù)據(jù)，實(shí)現(xiàn)生產(chǎn)設(shè)備參數(shù)最優(yōu)化（見(jiàn)圖4）。

5.1.4 實(shí)時(shí)優(yōu)化能耗

從生產(chǎn)能耗角度看，通過(guò)監(jiān)控生產(chǎn)流程中的耗電、耗水、耗氣（天然氣或者煤氣）、集中供熱耗熱、集中供冷耗冷的實(shí)時(shí)數(shù)據(jù)，能夠發(fā)現(xiàn)能耗的異?；蚍逯登闆r，對(duì)所有流程的大數(shù)據(jù)進(jìn)行分析，實(shí)時(shí)優(yōu)化生產(chǎn)過(guò)程中的能源消耗，會(huì)整體上大幅降低生產(chǎn)能耗。

5.2 網(wǎng)絡(luò)化協(xié)同制造

利用互聯(lián)網(wǎng)技術(shù)，通過(guò)制造過(guò)程與信息化系統(tǒng)的深度集成，與產(chǎn)業(yè)鏈各環(huán)節(jié)緊密協(xié)同，構(gòu)建網(wǎng)絡(luò)化協(xié)同制造服務(wù)平臺(tái)（見(jiàn)圖5）。、

從消費(fèi)者需求開(kāi)始，到接受產(chǎn)品訂單、尋求合作、采購(gòu)原材料或零部件、共同進(jìn)行產(chǎn)品生產(chǎn)、物流、分銷和零售，整個(gè)環(huán)節(jié)都通過(guò)互聯(lián)網(wǎng)聯(lián)接起來(lái)并進(jìn)行實(shí)時(shí)通信，從而確保煉化企業(yè)的最終產(chǎn)品滿足大規(guī)?？蛻舻牟町惢?、個(gè)性化定制需求。

5.2.1 縱向集成：企業(yè)內(nèi)部的協(xié)同制造

縱向集成實(shí)現(xiàn)企業(yè)內(nèi)部各種信息化系統(tǒng)之間進(jìn)行網(wǎng)絡(luò)協(xié)同、實(shí)時(shí)通信和數(shù)據(jù)共享。PLM、ERP、MES、SCM的協(xié)同集成實(shí)現(xiàn)一個(gè)產(chǎn)、銷、研、用深度結(jié)合于一體的協(xié)同制造，有效地解決煉化企業(yè)產(chǎn)品結(jié)構(gòu)與工藝的設(shè)計(jì)問(wèn)題，制定合適的企業(yè)資源計(jì)劃。PLM和ERP的集成主要是通過(guò)產(chǎn)品結(jié)構(gòu)的傳遞完成，而ERP與MES的集成則主要通過(guò)生產(chǎn)計(jì)劃的傳遞完成。

5.2.2 橫向集成：企業(yè)間的協(xié)同制造

煉化企業(yè)通常設(shè)置有不同的生產(chǎn)基地及多個(gè)工廠，橫向集成不但包括不同工廠之間的網(wǎng)絡(luò)協(xié)同，也包括產(chǎn)業(yè)鏈上、下游企業(yè)之間的網(wǎng)絡(luò)協(xié)作。一方面，消費(fèi)者與煉化企業(yè)通過(guò)網(wǎng)絡(luò)化協(xié)同共同進(jìn)行石油化工產(chǎn)品設(shè)計(jì)與研發(fā)，消費(fèi)者介入產(chǎn)品的設(shè)計(jì)生產(chǎn)過(guò)程，滿足個(gè)性化定制需求；另一方面，原材料、資本、設(shè)備等生產(chǎn)資源通過(guò)網(wǎng)絡(luò)化協(xié)同進(jìn)行合理配置，組織動(dòng)態(tài)的石油加工過(guò)程。通過(guò)供應(yīng)鏈上各個(gè)環(huán)節(jié)的大數(shù)據(jù)采集和分析，消費(fèi)者數(shù)據(jù)、煉化企業(yè)業(yè)務(wù)數(shù)據(jù)、供應(yīng)商數(shù)據(jù)被融合到供應(yīng)鏈體系中，使供應(yīng)鏈改進(jìn)和優(yōu)化能夠持續(xù)進(jìn)行，保證了煉化企業(yè)對(duì)消費(fèi)者的敏捷響應(yīng)，滿足差異化市場(chǎng)需求。

6 結(jié)束語(yǔ)

隨著煉化行業(yè)信息化和工業(yè)化的深度融合，煉化企業(yè)智能工廠將成為煉化行業(yè)的發(fā)展愿景。煉化企業(yè)為應(yīng)對(duì)解決生產(chǎn)和經(jīng)營(yíng)所亟需解決的難題，利用統(tǒng)一的大數(shù)據(jù)云平臺(tái)支撐智能生產(chǎn)、網(wǎng)絡(luò)化協(xié)同制造等智能化應(yīng)用，實(shí)現(xiàn)產(chǎn)供銷存一體化運(yùn)營(yíng)，是建設(shè)煉化企業(yè)智能工廠的有益探索。