数字化转型的漫长征途

文/Hans-Jürgen Bittermann

图为2019 SPM 智能制造大会的3 个圆桌会议之一，从左至右是Bilfinger Digital Next 公司的首席数字官Franz Xaver Braun 先生、Wacker 化学公司首席技术官、Xervon 维护数字化负责人Jörg Krey 先生以及Konica Minolta 公司的首席数字官Steve Rommel 先生

2019 SPM 大会成功举办——共计170 家运营商、工程师、规划设计师、软件专家和装备供应商企业参加，从数字化双胞胎到数据分析和预测性维护保养，在PROCESS 德文版杂志社为期2 天的第三届SPM 智能制造大会上，与会者们深入探讨了数字化实践案例，收获满满。

在数字化转型过程中，流程工业企业在创新和提高效率2 个方面正面临着巨大考验。因此有些企业彻底重组，改造了自己的经营模式，但有些企业仍然徘徊在工业2.0的状态中。

在由PROCESS 德文版杂志社主办的2019 SPM智能制造大会中，与会者达成了一个重要的共识：可用的数字化转型工具已经广为人知，但它们没有被充分利用，导致这种现象的原因是人们没有正确的认识。

本届SPM 智能制造大会的主持人是Ecodynamics 公司的经济学家Holger Schmidt 博士，他在开幕词中说道：“目前有大约1/3的流程工业企业还没有贯彻落实AI 人工智能的计划，这导致德国的AI 技术处于落后地位。数十年来我们一直是流程工业技术领域中的佼佼者，我们很难接受其他国家在人工智能领域中超越我们，并取得越来越大的成功。”

数字化企业的工程和运营

西门子公司自动化和工程系统领域的副总裁Hartmut Klocker博士的演讲，将听众带回到流程企业的日常生产情境中去。他敦促流程企业要认真考虑数字化技术在工艺设备中的应用潜力，不仅是在新建设备中，还应包括已有的流程设备。而实现这些应用潜力的必要前提就是全部数据的一致性。

在化工领域中，企业对人工智能的期望值很高，适用于化工企业的人工智能所面临的挑战也是巨大的。数字化的目的是使当前的状态数据和信息都能供所有项目参与者使用，并保证数据信息的最新性和一致性，从而避免做出错误决定，减少工程项目施工和设备维护保养的成本与时间。

Covestro 公司也非常关注与数字化技术有关的问题：我们得到的数据采用的是哪种标准化格式？如何将各种不同的工程设计工具链接到一起？负责数字化生产和技术的负责人Hans-Jürgen Weber 博士在他的演讲报告中提出了iPEP 方案，这一方案的原理是从文档管理转向数据和信息的管理。这一方案尤其适合于从工程设计到企业运营的转换过程，因此Covestro 公司与Hexagon Smart Plant 公司进行了密切的合作，他们将所有的数据都储存在云中。因为新设备和原有设备有着不同的标准，在不同国家和地区也有着不同的法律法规规定，这对于一家跨国公司来讲绝不是一件容易的事情。

近几年来，Gendorf 工业园运营管理企业一直在推动人工智能规划设计工具软件的应用和开发工作，仅在过去的2 年时间里就投入了大量的资金。工程项目负责人Mickael Planasch 先生在谈到这一项目的重要性时说道：“公司使用的127种软件工具来自11 家公司的不同产品系列，每年使用这些软件的固定费用就高达40 万欧元。此外，所有软件工具的标准化也不是一件容易的事情。”

“我们的目标是在Covestro 公司的全球生产基地重新定义技术数据和过程管理。”——Hans-Jürgen Weber 博 士，Covestro 公司

艰难的标准化

许多软件细节的标准化耗费员工大量的时间，例如统一是以“bar”或者“bar A”还是“bar ü”为单位来表示压力。“这是在标准化初期就要解决的问题。” Mickael Planasch 先生的建议道：“我们从一开始就要降低对集成式工程解决方案的期望，尤其是在现有设备数字化方面。”

Evonik 公司的Michael wiedau先生和PTC 公司的Reda Mostafa先生介绍了Dexpi 流程工业企业数字化交换项目的进展情况。Dexpi 项目试图在不同的规划设计工具界面中实现语言的标准化。在P&ID 管道仪表流程图的规划设计领域中，人们已经取得了长足的进步。今天的Dexpi 项目对于新用户来讲已经十分成熟，但对于EPC 项目总承包商来讲，Dexpi 项目还有很长的一段路要走，Evonik 公司也还有许多系统发展的工作要做。

可扩展性与可量化的使用价值

Lanxess 公司数字化生产领域的负责人Benedikt Efker 先生在他的报告中也提到了一些实际问题，例如应尽可能在理论上注意哪些优先性问题。他认为没有使用价值的数字化转型是没有意义的，他对数字化经营模式的最主要要求是，其要拥有可扩展性与使用价值的可量化性。

在流程行业中，大数据对流程工艺过程的优化有着很大的帮助，但对预测性维护保养的帮助则较小。在流程设备的维护保养方面，维修工程师的首要责任是提高流程设备的可用性，确保设备正常运行的时间，而不是控制设备停机检修的时间。

数据分析和操作者的认知

人们可以很好地分析数据、储存获得的知识，而人工智能则可以在大量样本中搜索出有用的数据，我们能够将这两种功能结合到一起。西门子公司化学工业数字化和数字化技术负责人Jean Pascal John 先生和Clariant 公司BU 工业和消费者专业技术、EMR 工程师Tobias Reichl 先生表示，他们通过 “以数据驱动的报告系统和控制回路分析”合作项目研究的成果证明了这一点。合作项目需要解决的问题是：报警系统和自动化系统的性能如何？流程企业遇到了哪些降低性能的问题？这些问题的原因是什么？哪些优化改进措施能够带来最大的效益？

合作项目提供了有关系统化改进完善的信息，例如可以优化的控制调节器。由于这一项目是在西门子公司基于云的开放式物联网平台Mindsphere 上进行的，因此Clariant 公司还通过“工具即服务”的方案获得了许多有益的实践经验，并对此感到非常满意。

VTU 工程技术公司资深的数据分析专家Stefan Pauli 博士和EMSR 技术的负责人Herbert Andert 先生，在报告中介绍了数据分析技术在大型流程设备的损伤分析和早期故障检测。研究报告提到了这个案例：某企业2006年投产使用的5 级压缩机因第3级中的滑动密封件损坏而多次故障停机，每一次故障停机都会带来高达6 位数字的经济损失。

从这台压缩机投产使用以来，已经在大约150 个测量点完成了数据检测，尽管经过多次分析，但仍然没有找出故障的起因，在出现故障之前也没有明显的运行偏差。

VTU 公司提出的解决方案是引入专门的机器学习算法，也就是决策树算法。因为这一算法可以提前一周预告设备损伤的情况。

Bilfinger Digital Next 公司的Martin Bergmann 先生介绍了另外一种有趣的数据分析方法：虚拟质量传感器。这里的虚拟意味着对数据进行可靠的评估，被评估数据的基础是虚拟传感器的测量值。虚拟传感器显示的是两次采样之间可能发生的情况，也就是迭代过程中发生的情况。Bilfinger 公司的自动化技术专家可以为非资深的数据分析专家提供解决方案， 在他使用了正确的参数之后就会找出解决问题的途径。

“数字化检测不仅可以节约纸张，而且还可以优化整个工作流程并提高数据质量。”——Benedikt Efker 先生，Lanxess公司

开放的工业联盟

开放式工业4.0 联盟的流程工业工作组联合负责人Marco Colucci 先生在报告中提出：“流程工业领域中已有一些试验性的样本项目，但这些样本项目的附加值是许多流程企业可望而不可及的。”一个重要的原因就是要有相应的平台，即使有了标准和推荐标准，但它们无法使用。

工业4.0 联盟是由市场领军企业成立的、旨在开发可互操作解决方案的生态系统。联盟由38 家技术领先企业组成，可以为流程设备制造商们提供更快实施数字化战略、可靠的且可扩展解决方案、终端到云、到APP 和到综合性集成。对流程设备制造商而言，这一联盟也提供了许多好处，例如开放式的商业模式和服务模式、与其他OEM 生产厂合作开发可互操作的解决方案模块、在开放式架构平台中的集成等。

数字化转型的漫长征途

永安公司智能工厂领域的负责人Matthias Brey 先生预测道：“目前，涉及到智能工厂及其周边设施数字化解决方案的创新速度正呈指数级的增长，但是流程工业企业的现有设备似乎还没有做好在技术、操作方面集成数字化技术的准备。因此，技术更新以及沿纵向和横行的数字化解决方案集成非常有必要。而化工企业因为没有转型压力，远远没有达到在IT 和实际操作中集成数字化技术的成熟度。”