化工行業智能工廠建設的實踐與思考

宋 彬 東洋工程(上海)有限公司 上海 200124

近年來，我國化工企業加快了工廠數字化轉型或智能化建設的步伐。2021—2022年，有13個化工行業工廠被國家工信部列入年度智能制造示范工廠，涉及石油煉化及石化下游產品、生物燃料、煤化工、氯堿化工和氟化工等多個領域；既有央企、大型國企，也有民營控股企業。

形成這種局面的原因有很多，從四個方面總結如下：

(1)企業內在動力。無論處于產業鏈上游還是下游，化工企業均面臨著來自各方面的壓力：規模競爭、產能競爭、成本競爭、經濟放緩帶來的需求放緩、產品市場快速演變等。同時，隨著工廠規模的增大，超大規模的一體化基地不斷興起，管理壓力也與日俱增。這些都是企業升級的內在動力。

(2)新技術發展所產生的“技術勢能”。隨著通信技術、云服務、人工智能和大數據處理等領域的不斷進步，目前已達到了足夠的技術高度，使現代工廠從工業3.0時代的工廠自動化提升到數字化、網絡化和智能化成為了可能。

(3)政府推動。2021年12月21日，工信部聯合國家其它七個部門發布了《“十四五”智能制造發展規劃》，確立了智能制造“兩步走”戰略，明確了具體的執行目標，兼顧了“應用端”(即使用服務的企業用戶)和“供給端”(即智能服務技術的提供者)的發展方向，從全局高度指導我國智能制造的發展。2022年11月4日，工信部又發布了《石化行業智能制造標準體系建設指南(2022版)》，為石化行業的智能制造發展提供規范和指導[1-2]。這兩個文件為石化行業智能化建設的發展提供了強勁的推力。

(4)發展趨勢。全球眾多知名化工企業都不同程度地在智能化建設中發力，顯示出同向的發展趨勢，這會刺激企業對自身發展的深度思考和轉變。

綜上所述，作為“應用端”，化工企業應該冷靜思考，選擇合適的發展策略；作為“供給端”，各技術服務企業在項目執行中要深刻理解業主的需求，針對性地提供優良服務?；谙嚓P實踐經驗和思考，對化工行業智能化建設總結如下。

1 化工行業智能建設流程

智能工廠是層層建設的結果。工廠數字化是智能工廠建設的基礎，它將現實世界中的物理對象映射至虛擬的數字世界中，將生產及經營的各種要素以數字形式賦予其上，通過數據實時同步，實現工廠在數字世界中的運行。進一步地，通過先進的數據或應用集成、數據分析、人工智能和功能拓展，實現不同程度的智能化。

自Wolfgang Wahlster等提出“工業4.0”概念以來，眾多工業企業在如何將智能工廠概念變為現實的過程中，做了不懈的努力。我國石化行業的智能化嘗試起步于2012年[3]。這一工作至今仍在不斷探索和嘗試，方法論已漸漸形成：①自企業決策層開始，自上而下貫徹；②從對象元件數字化起，向智能應用拓展的方向，自下而上執行；③以多進程、多層次、迭代式實施為模式發展。

基于成熟的傳統工廠建設流程，化工智能工廠建設的基本過程和主要任務見圖1。

圖1 化工智能工廠建設的基本過程

2 智能化建設的頂層設計

企業智能化建設的頂層設計工作內容主要是：基于需求確立目標[4]，制定策略和架構，分解工作任務，制定進度要求，建立評判機制。它要求決策者實事求是地評估現狀與智能工廠的發展方向，厘清風險，理性地評估方案，做出決策。它的戰略意義重大，體現了企業決策者的決心和意志。

在化工智能工廠建設的頂層設計過程中，需要考慮如下因素：①企業形式；②工廠規模與類型；③投入與收益預期；④工藝特點和項目內容；⑤實施架構、范圍和步驟等。

2.1 企業形式

智能工廠建設能獲得多少支持與企業形式有一定關系。

化工企業形式有很多，如獨資、合資、國有等。不同的企業形式，其決策者風格、企業文化、和投資策略等都有很大差別。不同企業對智能工廠建設的決心、資金、協調能力也各有差異。

智能工廠建設是一個長期的過程，體現的是自上而下的意志。在面對各種阻力和困難時，能否堅持方向；在長周期的建設過程中，能否持之以恒；在投入和產出效果不明顯的情況下，能否不忘初心等。這些都需要企業決策者的勇氣與智慧。體現在頂層設計中，即影響整體方案科學性、規范性、有效性、決心與魄力等。

2.2 工廠規模與類型

化工廠有中小型獨立工廠、大型工廠裝置、一體化基地和異地工廠網絡之分。

工廠規模和類型的影響因素有：投資占比、建設周期、數字基建規模、場景復雜度等。對于新建項目，中小型工廠的智能建設投資占比將非?？捎^。但隨著工廠規模的增大，總投資額度的升高，投資占比會逐漸降低直至趨于穩定；工廠規模增加，其數字基建規模會顯著增大，應用智能場景增多，建設周期增加；場景的復雜程度與具體應用有關，但總體來說，規模愈大愈復雜。

異地工廠網絡可以看作是若干個彼此距離較遠、且具有一定規模的工廠聯合。每個工廠按照同一個或者近似的智能建設方案，各自進行獨立建設，通過數據互聯互通和智能場景的聯合應用實現智能化。需要考慮各工廠當前的建設狀態、建設進度、復雜程度、執行方案、距離遠近以及數據的傳輸成本和安全性等。

2.3 投入與收益預期

考慮到智能化建設的投資成本，在頂層設計時，需要冷靜、客觀、全面地分析成本與收益，不能盲目決策。例如，某項目在預案階段，對智能化建設的投資額度估計不足，概算時，發現項目整體成本遠高于預期投資，不得不對整個項目的建設方案進行反復修改。

此外，智能工廠的投入與收益不一定成正比。有時效果會非常不明顯，甚至是失敗的。例如，某新建工廠為了優化日常設備管理，部署了設備管理系統(EAM)，由于系統定制化不足，場景功能與實際需求存在距離，使用了一段時間之后，逐漸暴露出問題：業務流程不能貼近實際，淪為簡單的“記賬簿”，額外增加了工作量，功能未達預期。

2.4 工藝特點和項目內容

頂層設計可以對企業的“運營痛點”做有針對性的部署。

企業的運營與工藝流程密切相關?；ば袠I屬于流程工業，領域很多，細分行業特點各異。精細化工行業如油墨、涂料、膠粘劑等，其工藝多為批次生產，離散性特征表現較為明顯。具體體現如：批次間工藝差異大、操作多、自動化水平低于流程穩定的工藝、批次間質量控制難等；大化工行業如基礎化工、石油化工和煉化一體化等，是連續性的生產工藝，其特點是：流程穩定，設備可靠，自動化程度高，產品質量穩定。

對于前者，智能化的方向，多為優化生產、提能增效、質量控制等；而后者，多側重于節約能效、資產管理和運營維護更加智能便捷等。

此外，因化工廠危險化學品多，壓力容器或管道危險性大，操作過程風險高，各種技術或規范的相互制約多，大多數裝置技改時間窗口有限，所以無論是新建工廠還是現有工廠改造，都應充分考慮智能工廠軟硬件的可拓展性。

在實際情況中，智能工廠建設還可能面對更多的現實問題。例如，對于現有裝置，如果沒有前期的數字化交付，智能化建設會面臨更大的困難[5]；新老裝置之間，在智能化建設中，業務配套和設施融合有很多現實問題；在長周期的智能化建設過程中，由于概念與技術迭代更新過快，會帶來很多超出預期的矛盾和問題等。

2.5 架構和目標

化工企業所執行的智能化架構可能有差異。

對于全工業行業，世界各主要國家的工廠智能化架構有：

(1)美國基于工業互聯網概念的Industrial Internet Reference Architecture(IIRA)架構模型；

(2)德國基于“工業4.0”概念的Industrie 4.0 Reference Architecture Model (RAMI 4.0)架構模型；

(3)日本工業價值鏈促進會基于“工業價值鏈”概念的Industrial Value Chain Reference Architecture (IVRA)架構模型；

我國有《基于云制造的智能工廠架構要求》(GB/T 39474—2020)。2021年，國家工信部發布的《國家智能制造標準體系建設指南(2021版)》包括了“智能制造系統架構”。

為支持石化行業智能工廠的建設，2022年底，國家工信部在《石化行業智能制造標準體系建設指南(2022版)》中發布了“石化行業智能制造標準體系結構”。同時明確：到2025年初步建成石化行業智能制造標準體系。

在智能化建設過程中，化工企業可以從單一的智能場景入手，以點及面，逐步建設成一定成熟度的智能車間和智能工廠；也可以構造整體系統架構，從基礎設施開始，進行全面的規劃和建設，直到滿足企業智能成熟度目標。前者適用于中小型新建裝置的智能化，或現有工廠改造，以及異地工廠網絡的智能化構建；后者適用于大型化工基地的建設。

3 數字化工廠與數字化交付

3.1 數字化工廠與數字化交付方式

數字化工廠是智能工廠的先期階段，建設基礎是裝置的靜態數據。它的構建需要解決下列問題：數據因何而生，從何而來？如何組織數據？數據能否真實地反映實體對象？

化工裝置的工程信息稱為數字化靜態數據。它的傳統獲取方式是依靠工程竣工時的交付文件。傳統式交付文件內的信息存在很多局限性，無法滿足工廠數字化的需求。執行數字化交付是未來數字化工廠建設的必由之路。兩者之間的主要特點對比見表1。

表1 傳統工程交付與數字化交付的特點對比

3.2 交付體系與數字化建設模式的實踐

采用傳統工程交付的已建項目建設數字化工廠的模式，可以稱之為逆向模式；采用數字化交付標準同步建設裝置實體和數字化工廠的模式，可以稱之為正向模式。目前，國內企業從逆向模式和正向模式分別進行了探索，兩種模式的差異見圖2。

采用數字化交付的正向模式，從工廠設計初期開始即可應用管理機制和體系規范數字化建設，將提高工廠的智能建設效率，是理想的建設方案。它可以使智能工廠的建設具備先天優勢。

3.3 數字化交付中數字化平臺的選擇

數字化交付的一大特色是工廠數字化平臺的應用，它是核心的技術工具，它的選擇需要考慮諸多因素：

(1)兼容性。與第三方數據庫，如MS SQL、Oracle等的兼容。

(2)開放性。即與第三方智能工業應用軟件如ERP，MES，LIMS，WMS等的外部數據集成。

(3)標準化。滿足工程項目的數字化交付標準要求。

(4)集成性能。指對不同品牌設計軟件的數據集成，如3D模型、P&ID設計、儀表設計、管道材料設計等，以及對結構數據和非結構數據文件的集成。

(5)系統性能。如數據加載速度、處理速度、存儲能力、查詢能力與速度和傳輸的速度等是否滿足企業要求。

(6)部署方式是否方便靈活。

(7)數據安全?；て髽I尤其要考慮技術的自主安全性。智能工廠的數據產權屬于化工企業，需要考慮數據或者服務平臺因“供給端”企業變更或消亡等帶來的風險和問題。

(8)可擴展性及人機交互等。目前，工廠數字化平臺供應商及其服務有多種選擇，他們的數字化交付平臺和相關軟件生態見表2和表3。

表2 國際數字化平臺和軟件生態匯總

表3 國內數字化平臺和軟件生態匯總

在國內細分市場中，國際供貨商和國內供貨商各有優勢和缺陷。

國際廠商具有更豐富的經驗與業績，它們是國內大型建設項目的首選，但存在以下不足：①成本高昂；②軟件需要一定程度的定制化，企業需要考慮二次開發的難度；③部分供貨商數字化生態較為封閉；④某些工程設計軟件用戶體驗還需改進。

雖然國內供貨商的設計軟件生態不如國際主流廠商，但他們的優勢在經營靈活，勝在價格和定制化服務。值得強調的是，在當前的國際形勢下，數字化服務的“供給端”屬于國家引導的重點發展領域，有極為重要的戰略高度，使得國內供應商受到特定企業群體的青睞。

3.4 智能工廠建設交付系統的發展

全行業智能化的發展方向就是實體、人工智能和人的融合替代設備與人的簡單結合。工程項目智能化未來也會融入智能工廠的建設當中，將帶來全新的數據與知識交付體系：數字化交付將集合裝置的數字組織模型，與裝置設計的知識庫和裝置工程項目運行階段的相關數據(如設計變更記錄，采購記錄、施工數據等)，與智能工廠無縫連接在一起。它是融合式的知識傳承與數據內嵌，給工廠的智能化建設提供強有力的支持。傳統的項目交付和智能項目和智能工廠融合交付模式見圖3。

圖3 智能項目和智能工廠融合交付

4 智能場景

4.1 應用開發和部署

應用開發和部署，即應用類智能制造場景的營造，是智能工廠的核心部分。它們源于企業的生產實踐，或來自于企業對未來業務的展望與設想，通過各種工業軟件和定制化的數字服務實現。

國家工信部等四部門在2022年9月發布的《智能制造典型場景參考指引》中，針對全工業行業領域，總結了16個環節、45個智能制造典型場景[6]。相比2021年的版本，新增了“數字基建”環節及其系列場景，并對其他場景進行了優化，覆蓋了企業的大部分需求，為智能工廠建設提供了指導。

4.2 化工企業智能場景的現狀

由于行業和需求的差異，不同的企業可以根據自身情況，自主選擇智能場景的建設內容。工信部2021年公布的智能制造示范工廠共110家，其中石化化工企業有7家；2022年智能制造示范工廠共99家，其中石化化工企業有6家，其選擇應用的智能環節分布見圖4。

注：“其他”列，指不屬于《智能制造典型場景參考指引》的環節。圖4 2021年和2022年智能制造示范工廠化工類企業智能環節分布

從圖4可以看出：

(1)應用性智能環節，如生產作業、質量管控、設備管理、安全管控、能源管理和環保管控是石化化工智能工廠優先考慮的對象，體現了化工企業的行業特色。

(2)基礎性智能場景(數字基礎設施集成和工廠數字化設計)的數量明顯增加。

(3)2022年比2021年在供應鏈管理、模式創新等特色應用方面有了零的突破，應用數量增加明顯。

(4)2022年名單中部分環節不在《智能制造典型場景參考指引》的列選之內，說明企業開始更加重視定制化的應用。

5 智能成熟度評估和智能工廠建設的程度

化工企業智能化的程度依靠智能成熟度評估確定。在我國，評估的依據是《智能制造能力成熟度模型》(GB/T 39116—2020)和《智能制造能力成熟度評估方法》(GB/T 39117—2020)。

幾點思考和建議如下：

(1)評估人才職業化建設。

按照《“十四五”智能制造發展規劃》的目標，未來有大量智能工廠建成，需要更多從事評估的人才。他們既要熟悉所屬行業的知識，又要了解智能業務，還要具備職業素養、操守和道德標準。因此，應該鼓勵市場中對評估人才的培養和職業環境的孕育，執業注冊制或許是兼具導向型和成效性的道路。

(2)專業工具的開發。

智能化建設是迭代的過程，有時多年才能達到成熟度目標，所以，成熟度評估報告的存續和管理顯得特別重要。

成熟度評估結論應該客觀、詳實、可靠；評估報告的評估域內容、證據鏈、評估結果和行動項應該格式完整、條理清晰、易于核查追溯；專業的評估工具是必要的。

建議“供給端”企業增加智能成熟度評估工具的開發力度。

(3)評估方法的科學化。

智能制造能力成熟度評估過程需要減少主觀因素，以提高可信性和可靠性。

例如，《智能制造能力成熟度評估方法》中“成熟度要求滿足程度得分”存在“大部分滿足”和“部分滿足”的描述，在實際執行中可能有多種理解，建議盡可能量化相關指標；證據鏈的要求可以具體化、規范化、提供舉例或附以模板等。

隨著不斷地實踐和發展，期待評估方法能更加規范化、科學化，從而促進智能工廠建設行業的健康發展。

6 結語

(1)對于一定規模的化工企業來說，工廠的智能化建設將是大勢所趨。企業的決策者既要避免踟躕不前，又忌盲目跟風；企業可以冷靜、客觀、科學地提出自身的智能化發展戰略。

(2)智能工廠建設是系統工程，并非一堆工業軟件的簡單堆砌或套用。企業應該根據經營情況、企業特點、經營痛點和發展構想，穩步推進智能化建設的進程。

(3)智能工廠的建設是不斷完善的過程，不會一勞永逸，不應松懈、輕視或止步不前。評估應用智能場景的實際效果要從實踐出發、回歸實踐、認真扎實、實事求是。智能成熟度評價也要在實踐中發展進步。

(4)智能工廠建設反映了化工企業的現實需求，符合國家工業發展的方向，有潛力巨大的市場，希望參與各方都能由此獲益。