关于化工行业智能化应用的展望

何德颂，汪志伟

（中国五环工程有限公司，湖北武汉430223）

近年来，随着大数据、云计算、移动物联网等新技术的迅猛发展，理论建模、技术创新、软硬件升级等的整体推进，人工智能正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升[1-2]。人工智能已成为各国各行业相互竞争的高地。2011年，德国在汉诺威工业博览会中提出“工业4.0”概念[3]，美国随后提出“国家制造业创新网络”（NNMI）计划，拟通过“互联网+工业”驱动工业变革，实现再工业化发展，重振美国制造业竞争力[4]。2015年，立足国际产业变革大势，国务院正式印发“中国制造2025”计划，旨在实现制造强国的战略目标[5]。化工行业属于相对传统的流程工业领域，具备投资大、风险大和环保监测要求严等特点，数字化及智能化的应用是很有意义的。同时，由于化工行业设计过程复杂，自动化程度要求高，生产流程长，生产过程弹性大，且产品运营受市场影响因素多[6]，因此，化工行业对信息化与智能化的要求相对较高。

事实上，无论国外还是国内，制造行业都比较容易实现数字化工厂和人工智能应用，例如已投入使用的西门子Amberg工厂[7]、奥迪智能汽车制造工厂和海尔互联网柔性生产线[8]等。但是流程工业领域的数字化和智能化仍有很大发展空间，目前还没有流程工业的工厂实现了符合绩效的数字化工厂。本文基于化工行业特点及现状，讨论化工厂数字化交付、智能化应用方向及行业发展的局限性，最后展望其智能化应用前景。

1 智能化的应用

化工行业的“智能工厂”架构可按3个层级建立：智能控制层，主要对应过程控制系统（PCS），也包括常说的数据采集系统；智能生产层，主要对应生产执行系统（MES）；智能运营层，主要对应企业资源计划（ERP），也有学者在第三个层级之上定义了智能决策层。

此外，人工智能的兴起也推动工程公司的设计流程向智能化方面发展。由多专业协同设计平台、工厂三维模型、工程信息数据库及成品文件数字化交付等组成的智能设计模式已逐渐应用于各工程公司的项目实践过程中。工厂的建设周期也逐渐从生产运营期向工程建设期延伸，实现了智能工厂与工程同步设计、同步实施、同步投用。基于以上分析，化工行业智能化应用包含智能设计、智能控制、智能生产和智能运营，其智能化应用构架如图1所示。

图1 化工行业智能化应用构架示意

在智能化工厂的基础设施建设方面，通过应用数据库搭建信息化平台，提高了生产运营效率。应用数据库具有分类存取、预处理计算、数据共享、长期存储、便于调用、并发访问等机制和特点，利于实现分类、汇总、筛选、过滤、统计、索引、排列、分析、预处理等功能的实现和扩展。

1.1 智能设计

设计是工程的基础，关系到整个工厂的智能化建设。智能设计将设计规则转化为机器规则，并利用专家系统进行分析，在人尽可能少干预的情况下给出推荐的设计方案。设计成品通过数据载体（也称数字化方式）移交给客户，人工智能在工程设计中主要可应用于如下方面。

1.1.1 智能工艺设计

工艺是化工设计的源头，传统模式下，工艺专业运用项目设计基础和流程模拟软件进行工艺设计和工艺流程模拟计算，计算得到的物料和热量平衡结果通过图形和表格形式输出，作为下游专业条件。人工智能模式下的流程模拟应该根据项目条件模拟出多个不同的流程方案供选择。不同的流程使用不同的条件，则投资回报、产品分布、适应条件、环境适应性和经济效益也是不同的，是“活的”流程模拟。

此外，还可定制管道仪表流程图（P&ID）的设计规则，然后利用规则将物流和设备等信息倒入P&ID。人工智能不仅能实现P&ID的智能编制，还能自动生成并发送各专业条件，有效避免了条件往来过程中容易发生的人为失误，不仅可以保证数据的唯一性、自动版次设计、自动互提条件、根据流程模拟的结果提出限制条件和设计注意事项、提出不同的设计规则，还可以给出预估的工程量和设计周期。

1.1.2 工程设计

工程设计的本质就是依照客户需求，遵循相关设计标准及规范，用图纸和文字描述将要实施和实现的工程，建设将来的运行工厂。人工智能应用可以将项目工程设计标准和规范内容作为约束条件，将项目分解并编制设计流程和进度，一方面形成设计元素和步序，就像生产线上的组合部件，另一方面提示设计人员操作和启动相应的环节。这些工作的前提是将设计规则转化为机器规则，建立规则库，利用人工智能功能进行编排和建立设计组件，采用专家系统进行分析，给出推荐设计方案和设计进度表并检查敦促执行，最终由设计人员确定、审核，不仅保证了设计质量，还能提高设计效率、保证设计周期。

智能设计采用版次设计，根据设计条件的输入和成熟情况分版次提交下游设计条件和本岗位设计文件，实现设计的循序渐进，分阶段、分版次出图，减少了重复劳动、减少错误、减轻设计负荷。

1.2 智能控制

一般而言，化工生产过程相对复杂，中间产品多，产品具备高压高温、易燃易爆、易污染等特点，需要对其进行实时、准确、完整的过程监测与控制。化工行业的智能控制在PCS中实现，PCS是包含定值控制、随动控制、预测控制、前馈控制、选择控制、超驰控制、辨识控制、变值控制、提量控制和降量控制等方式的自动控制系统，过程自动化基于DCS/PLC和现场总线等技术搭建智能控制平台，属于智能化工厂的操作控制层。此外，PCS层还应解决生产过程中的设备状态、安全环保等方面的监控与操作，其相关子系统包括压缩机组和泵组的控制系统、加热炉的燃烧器管理系统、化学品罐区的罐表系统和烟气在线监测系统等。

化工行业智能系统的操作控制基于现有数据获取和控制方式，利用机器学习算法解析过程数据，进行自组织自适应的深度学习和智能控制决策，在操作工尽可能少干预的情况下，保证生产过程的安全平稳运行。

1.3 智能生产

化工生产是复杂的连续流程，智能生产管理利用生产管理数学模型，在工厂生产能力和裕度的约束条件下，根据电子商务和订单条件，计算并选定合适的经济效益指标、较低的原材料成本、较低的能源消耗、合适的资源调用与消耗、确定工作量和生产进度，及时响应和适应生产条件，安排生产订单和任务，发布生产和调度指令，形成订单的排产序列和预计产品发运进度。实现经济效益最大化为目标的生产操作优化方案，包括设备状态和流程的在线模拟、仪表在内的设备维护智能化、不良状态预测、工厂风险防范及预处理、智能应急指挥系统等内容。

车间生产过程执行管理系统是智能生产的重要内容，衔接智能控制和智能运营两个层级，需要实现生产绩效管理、优化生产流程，提高生产操作效率。相关功能包括作业排产和调度，维护管理、技术信息管理，短期生产计划，仿真培训系统和在线实时优化等。

1.4 智能运营

化工厂的运营受市场影响因素多，原材料的紧缺和销售价格的波动等均可能影响工厂的正常生产和运营。现在的运营模式已经从物料资源管理、财务资源管理、信息资源管理、人力资源管理和企业信息门户等方面利用ERP软件建立了现代化的企业资源管理平台，但在应对市场的过程中，还有进一步改进的余地。工厂运营不能适应市场变化的原因很多，主要是经营部门执行的能力和有效管理的水平，这也恰恰是智能运营所能解决的问题。

为了实现工厂生产对市场的适应和准确灵活的反应，使生产运营提供有效的解决方案，智能运营系统涵盖电子商务、订单管理、企业原料管理、化工生产、产品库存、产品出厂与送达、智能工厂综合门户等环节，实现生产计划统计、生产调度跟踪（调度日报）、物料配送、仓库/罐区管理、进出厂物流等功能，使企业生产管理、生产调度指挥和经营管理适应市场，为企业实现良好的经济效益、较低的原材料和能源消耗。

2 数字化交付

工厂信息数字化是最终智能化运行和维护的基础，设计成品的数字化交付不仅提高了建设阶段的设计效率、降低图纸交付和使用过程的成本、便于使用和查看、易于管理检索和调用，还可为数字化工厂、智能化运营系统的建设提供数据基础。目前国内外工程公司只有少数项目实现了数字化交付，设计过程远没有达到“智能化”程度和应有的水平。

2.1 设计平台

目前，部分工程公司已经采用以配管和工艺为主线的设计软件，但也还有一些工程公司主要采用Excel和CAD辅助工程设计，自动化程度不高。数字化设计平台可对项目的设计过程实施信息化管理，通过多专业协同设计，最终向用户交付数字化成品文件。以工艺专业数据作为设计条件，配管专业为模型主体进行工程设计，专业间的数据传递在平台内部直接传递，实现工程数据的版次控制，避免数据冗余和不一致，减少差错、提高设计效率。仪表专业相关设计平台框架如图2所示。

数字化交付需要将设计资料从文档转化为数据，所以必须采用软件设计，才能实现数据的一致性和完整性，实现三维模型和二维图纸的数据化。

2.2 案例分析

以某2.05 kt/d合成氨项目的数字化移交方案为例，该项目采用AVEVA Plant设计平台解决跨专业设计协同、跨地区提交资料、项目工程信息化管理，最终以数据成品和图纸成品两种方式交付设计文件。

图2 仪表专业相关设计平台示意

在设计协同层面，多个专业在同一数据环境和资料平台工作，减少了专业间资料交付的差错、提高了交付效率和设计质量。工艺专业通过子平台实现了图例库创建及相关规则定制，最终完成智能P&ID的绘制。仪表专业通过子平台实现了材料库的建立和各种输出文件模板的订制，与数据流转平台进行传递数据的映射规则等。管道布置等相关专业通过子平台实现了工厂全比例三维模型建立，包括工厂内的大型设备、塔、压缩机、透平机、泵、风机、换热器、缓冲罐、中大口径管道和阀门、设备基础、结构平台、管廊、仪表/电气桥架、接线箱、操作柱、就地控制盘、分析小屋和各种支架等；基于三维模型进行全厂管道、设备、基础及电缆桥架等模块的碰撞检查。各相关专业通过数据流转平台实现工艺仪表条件、管道命名表、管嘴数据和仪表接口尺寸等设计中间条件的数据直接传递。

采用PDMS设计的某2.05 kt/d合成氨工厂三维模型如图3所示。PDMS解决了设备和配管的安装图，优化了空间利用率和材料统计效率，通过实时可视化碰撞检查保证了整体设计结果的准确性，但还需在应力计算等其他专业配套软件方面进行进一步的开拓和融合。

设计完成后，可以进入数字化移交阶段，向业主交付数字化工厂的设计成品，将相关专业的设计、采购、施工等相关图纸、数据、文档和三维模型全部集合到用户应用界面中。内容包含：

1)所设计的合成氨工厂全厂的工艺流程图、各专业的设计内容、相关的图纸、规格文件、采购文件、数据表、安装图及各类设计规定、手册和设计变更单等，工厂的数据化图纸和文件内容涵盖工程设计及施工阶段所修改的全部设计信息。

图3 合成氨工厂全比例三维模型示意

2)采用符合设计规范和用户规定的格式和内容形式，所交付的三维模型信息与其他相关图纸、数据表、文档中的相关信息保持一致。

3)工厂的数字化交付，可以给业主将来的工厂运营、维护提供便利的信息查询和数据支持，提供了工厂信息化的基础，比传统的设计图纸和文件的交付方式，使用、查询、利用等方面都很方便。

综上所述，目前的数字化设计和交付还仅停留在计算机辅助设计的水平，虽然比以前的纸质交付方式和人工设计方式前进了一大步，但距离智能化设计还有一定差距，还不能满足智能化工厂的需要。

3 发展的局限性

3.1 行业特性

化工厂的流程精细复杂，工况随原料和产品变化而变化，涉及化工工艺、热工工艺、水处理工艺等，与设备、配管、土建、结构、电气、仪表、消防和安全环保等多个专业相关，设计、施工复杂，多工种交叉，是复杂的系统工程。设计、施工、开车及运行数据的积累对于运行和维护非常重要。

目前化工行业的人工智能应用还仅仅处于起步和探索阶段，各种基础条件也很缺乏，主要体现在如下几个方面：

1)数字化设计的差距。工程设计仅仅处于计算机辅助设计和三维配管的程度，水平较低。现有软件虽然号称已提供完整的数字化交付设计平台，实际相差甚远。与工程公司的设计模式存在很大差异，不但不能节省工作量，反而造成设计阶段诸多障碍。此外，设计软件基本功能和可扩展性差，各专业难以因地制宜的对其进行调整，设计工作量增加、效率较低。

2)工艺流程和分包设备缺少综合考虑的控制策略。化工厂的压缩机组、加热炉、风机和泵等关键设备的控制策略多由供货商根据设备本身情况提供，没有与工艺流程结合起来考虑，有的设备控制方案与工艺流程还有矛盾，资料的欠缺也使设计停留在原始状态。工厂工艺流程的整体控制方案也受到专利商的限制，也不是工程公司进行统一设计和规划的工作范围，更不能实现人工智能的流程条件，难以达到整体最优。

3)流程工业的智能工厂缺乏建设动力和相关技术。发达国家的化工工业已是夕阳工业，正逐渐向发展中国家转移。发展中国家的化工工业处于初级生产及资本和技术的积累阶段，缺乏智能工厂的兴趣和资金。目前国际上对于流程工业智能工厂的理论、定义、建设均不明确，多是仪表供应商或软件集成商的宣传，多有偏颇和片面。一些企业或工程公司购买各类功能单一的应用软件进行物理堆积，并没有从智能工厂的方面考虑问题，也无有效数据的积累和流通。无论是工程设计、施工建设方面，还是工厂运行方面，目前也没有可以用于化工厂的人工智能软件。

3.2 投资效益

任何一项技术的发展均需要利益的推动，而智能工厂的投入相对较大，短期经济效益却不明显。一方面是流程工业的智能化工厂的目标、方法、工具、途径、行为不明确，没有成型和成熟的软件和集成系统，另一方面是不具备用于人工智能化工厂的建设、运行、维护的数学模型，对于化工工业这类高危险、多变化的流程工业，不可能采用不成熟的软件。

4 展 望

生产工艺是化工企业的核心，化工行业的生产过程数字化、自动化和智能化是为工艺服务的，可通过生产工艺操作的安、稳、长、满、优获得经济效益。但是，市场的变化、原料性质的变化、市场对产品需要的变化都会影响经济效益，化工厂的人工智能应用就是试图解决这些问题从而取得经济效益。该目标使工厂不再局限在加工状态，而是让系统自动运行在满足装置安全、产品质量的约束下，原料、能源、资产利用率达到最优，适应多产品的精细化工工厂实现及时响应和柔性生产，应对市场变化和订单要求。

在技术发展方面，为提高工厂的智能化水平，可引入相对成熟的声音和图像处理及识别技术。例如在动设备的预维护、罐区的泄漏检测、炉膛的火焰检测等过程中，可将传统的振动、压力和温度结合声音、图像和电流等信号融入监测模型中，通过分析多种类型的特征信号，实现对工厂状态的有效监控。另外，通过信号处理算法和高级模式识别技术将信号现象同故障类型进行对比，实现智能在线故障诊断方法，该方向有待进一步的探讨。

不管在哪个层级，要让计算机来解决问题，都需要将问题数字化并建立数学模型，所以智能化的核心是五个化：“数字化、可视化、模型化、自动化、集成化”。只有将经验、信息通过检测技术数字化，通过数据可视化分析找到规律，然后将规律转化为数学模型，再通过计算机对数学模型自动求解、自动决策，将决策或结论自动传输给上一层或者下一层，从而达到集成化。这个完整过程就是知识自动化，知识自动化将人从重复性工作中解脱出来，从而专注于创新和高附加值的活动，减少生产对人的依赖，发挥人的作用。综合本文所述，智能化工厂的构建是一项需要探索、研究、开发、投资、积累的，有待时日的系统工程。