未来石化智能工厂顶层设计：现状、对比及展望

王子宗，高立兵，索寒生

（1 中国石油化工集团有限公司，北京 100728；2 石化盈科信息技术有限责任公司，北京 100020）

经过数十年的发展，我国石化产业的规模、产量和技术能力都有了大幅度提升，产业规模已跻身世界石化大国前列。但是，与高质量发展和建设现代化产业链的要求相比还有差距，主要面临资源与能源利用率偏低、炼油总体产能过剩、化工产品同质化严重和附加值不高、高端制造水平亟待提高、安全环境压力大等问题。在不断加速的能源转型、国家“双碳”战略、日益严格的监管要求和不断变化的市场需求推动下，环境、社会和治理（ESG）成为当务之急。石化工业正通过创新工艺技术与新一代信息通信技术深度融合，发展智能制造，推动可持续发展和循环经济，加快向绿色和高质量方向发展。

发展智能制造是石化工业转型升级的主要路径，不仅有助于石化企业全面提高生产效率、提升效益、改善产品品质，满足新常态下企业创新和升级的需求，还可带动众多新技术、新产品及新装备快速发展，催生新应用、新业态和新模式，推动石化工业实现质量变革、效率变革和动力变革，推动我国石化工业迈向全球产业链中高端。

国家“十三五”规划以来，在国家智能制造战略部署下，工业和信息化部通过产业政策支持的智能制造新模式项目435 项，综合标准化项目163项，极大推动了我国制造业转型升级的进程。石化智能制造也进入到实质性落地阶段，先后有十几家炼化企业入选国家智能制造试点示范、示范工厂或标杆企业。以中国石化集团公司（以下简称中石化）为首的集团型石化企业率先进行智能油田、智能工厂、智能研究院、智能加油站建设，加快数字化转型步伐，起到了良好的引领和示范作用。首批4家试点示范企业的生产数据自动化采集率、先进控制投用率分别提升了20%、10%，均达到了98%以上，外排污染源自动监控率达到100%，劳动生产率提高20%以上，取得了显著的经济效益和社会效益。

早在2012 年，中石化率先在国内提出石化智能工厂概念，按照“六统一”的信息化建设原则，推进智能工厂项目及相关配套信息化项目建设。随着智能工厂试点、推广、提升项目建设的不断深入，石化智能工厂内涵不断发展和丰富，形成了较为完整的石化行业智能工厂理论体系，如图1所示。

图1 石化智能工厂理论框架“123456”演化过程

按照规划，试点阶段为石化智能工厂1.0，提升和推广阶段为石化智能工厂2.0。目前正在进行新一代石化智能工厂（3.0）的规划设计。本文聚焦以下三个问题：石化智能工厂建设面临哪些挑战？智能流程制造有什么发展趋势？如何结合新一代信息通信技术与业务需求，进行未来石化智能工厂顶层设计？

1 石化智能工厂存在的问题及能力需求

1.1 存在的问题

我国石化行业的信息化建设始于20 世纪90 年代，经历了“起步和技术引进”“分散建设”“统一规划、统一建设”“深化应用，集中集成”和“集成共享，协同创新”五个阶段。当前石化智能工厂建设中突出的问题表现如下：一是应用系统众多，系统集成度不够。典型炼化一体化企业的应用系统多达百余套，既有总部统建业务管理系统，也有企业自建专业应用系统，系统间一般是界面集成或应用集成，需要进一步加强系统间的数据共享和业务协同。二是建设重点聚焦在生产运营层，总体呈现“橄榄型”。生产控制层重视不足，智能化程度不高，生产装置工艺流程模拟、实时优化、智能控制技术应用有待提高广度和深度。三是存在信息孤岛，数据标准不统一。没有真正实现“数据的自由流动”，数据资产价值有待挖掘。四是智能化味道不足。对现场一线员工的赋能支撑不够，设备预测性维护、生产全流程优化等重点环节有待突破。五是信息化复合型人才短缺。对于先进过程控制、生产计划优化等应用，因为后台都有模型需要维护，对使用者提出了较高要求，不少企业因人才缺乏而没有达到预期应用效果。

1.2 业务能力需求

通过试点、提升和推广项目，在炼化企业初步沉淀了部分智能化业务应用标准和最佳实践，但在智能感知、工艺机理和工业大数据的混合建模与分析、全流程协同优化控制、知识驱动的智能化操作和智能化决策等方面都需要进一步提升。

（1）生产优化。生产计划优化模型需要更加准确，要结合二次装置的严格机理模型来更新规划模型参数；装置控制优化不但要“卡边”操作，更要实现在线闭环实时优化，以及计划调度与过程控制的集成；从局部优化到全流程优化。

（2）生产管控。现场数据采集要“应采尽采”，全面提升现场感知水平；减少重复性工作，部分环节实现无人化；生产异常能够被快速侦测、识别，结合大数据和专家经验辅助人员操作。

（3）设备管理。实时监测动静电仪等设备的运行状态，进行预警和故障诊断；量化评估潜在风险，进行辅助决策，充分利用专家知识实现风险可控；人员技能培训要更加贴近实战，与实操过程实现紧密结合。

（4）安全环保。加强专业安全管理，覆盖工艺安全、生产安全和设备安全等；加强高风险作业、重大危险源的预测预警，实现事后管理向事前预测的转变；加强环保溯源分析，重点实现废气、废水的溯源；加强环保设施运行优化。

（5）能源及公用工程。实现能源优化由单设备优化、单装置优化向全厂优化、区域优化延伸，提高能源利用效率及能源供应安全；加强水电气风等公用工程数据的全过程采集，能源计量仪表智能化改造，能量利用全过程监测和优化；重点炼油及化工产品的碳足迹管理。

1.3 技术能力需求

（1）建模和仿真。深化建模深度，原油原料实现分子级建模和优化；深化模型应用粒度，加强机理模型、数据模型的混合建模以及多尺度模型融合应用；基于三维、虚拟现实（VR）和数据集成的可视化模型应用。

（2）数据治理。建立数据治理体系，建立数据安全管理办法，制定数据标准和统一架构，实现数据源的唯一性，挖掘数据资产价值。

（3）边缘云平台。统筹规划老系统上云和新老系统融合模式，提升平台能力，赋能企业个性化需求的应用开发。

（4）工控和网络安全。提升网络基础设施风险态势感知和主动预防能力；加强工控安全策略的统一规划、实施和运维。

（5）新技术的深化应用。结合新一代信息技术、智能传感器和智能装备，聚焦工业级业务场景，深化跨学科、跨领域融合创新应用，例如AI、5G+工业互联网、机器视觉、数字孪生等。

2 石化智能制造发展趋势

2.1 工业软件视角

工业软件凝聚了先进的工业研发、设计、管理的理念、知识、方法和工具，是人类工业知识的结晶，也是推进智能制造发展的核心要素和重要支撑。“软件定义”成为新一轮科技革命和产业变革的新特征和新标志。关于石化工业软件的分类和自主软件的成熟度情况、工程设计软件、流程模拟软件以及资产绩效管理（APM）软件等，已经有较为详细的论述，这里仅作几点补充。

2.1.1 机电软一体化

2021年10月，艾默生以60亿美元现金获得艾斯本55%的多数股权，并将旗下OSI Inc 公司的电力软件和地质建模软件业务并入到艾斯本业务。至此，市场占有率靠前的流程模拟软件全部被工业自动化头部企业收购，如表1所示。这表明工业自动化与工业软件结合将更加紧密，向机电软一体化整体解决方案发展。

表1 国际工业自动化企业收购流程模拟软件情况

2.1.2 平台化、组件化和生态化

这里的平台包括2层含义：一是工业软件产品平台化；二是工业互联网（IIoT）。任何单一软件工具的品牌都不再重要，平台成为一种顶层战略。现在的竞争已经不是单一产品的竞争，而是平台的竞争、产品链的竞争、生态圈的竞争。如表2 所示，国际工业企业都推出了自己的工业互联网平台战略。不过，国际企业更强调的是MES/MOM、资产绩效管理、运营绩效管理、能源管理以及流程模拟等工业软件的推广应用，特别是在石化等重资产行业。

表2 自动化工业厂家推出的工业互联网平台

工业互联网带来IT 架构的变化，云边协同新技术架构也为工业软件的研发与应用提供了创新的技术路径与商业模式。传统工业软件通过解耦与重构，向SaaS 化、移动化、IoT 化发展。数据中台、技术中台和业务中台促进了知识的沉淀和复用，通过轻量化工业APP满足个性化需求和快速迭代。IT架构从单机应用到C/S、B/S，发展到云边端协同；部署模式从On premise（企业内部部署）向私有云、公有云以及混合云发展。

2.1.3 软件开发低代码化

在新一代工业软件中，都不同程度融合了机器学习、人工智能、机器人流程自动化（RPA）、低代码开发等技术。低代码应用平台（LCAPs）通过可视化软件功能组件的装配及模型化驱动自动生成运行代码，无需编码或通过少量代码就可以快速生成应用程序，为工程师快速开发可用、好用的工业软件提供了良好的开发环境。低代码开发技术最直接的价值是大幅度降低了成本，并且大幅度提升了效率。其次，技术门槛降低，更懂业务的业务人员可以直接操作配置系统。

2.1.4 软件销售模式订阅化

工具类软件的销售方式，正从一次性许可（License）转向订阅模式（Subscription），主要表现形态就是按年租赁付费。订阅模式的软件并不一定都是基于云部署，可以仍然是在企业内部安装，但是通过订阅定期获得授权密码。例如剑维公司的AVEVA Flex 就是一种全新的商业模式：消除了平台、I/O 和客户端计数；无限制访问数，可视化客户端；根据业务需求动态调整产品使用情况。

2.2 流程工业开放自动化视角

自20 世纪70 年代PLC 和DCS 进入自动化领域之来，处于ISA 95的L1和L2控制层的自动化硬件和软件结构一直没有变动，不同厂家产品间兼容性差，没有互操作性。伴随快速发展的IT 技术和滞后的OT 技术间的矛盾加剧，让最终用户承受着巨大的负担。

当前，工业自动化领域正在基于IEC 61499 标准或其他开放架构，打造设备互操作、系统易重构、软件可移植的开放自动化架构。国际上已经出现两条明显不同的技术路线，一条以美国开放流程自动化论坛（OPAF）为代表的面向流程工业控制系统的开放流程自动化架构（open process automation，OPA），目标是对ISA 95 的L1 和L2 功能标准化，采用对现有DCS、PLC重新定义，以及对先进控制和MES、HMI等的虚拟化技术。另一条是德国流程工业用户组织NAMUR倡议的开放架构（namur open architecture,NOA），坚持在现有工业信息化、自动化金字塔结构的前提下，通过OPC UA（嵌入式过程控制统一架构）与OT技术深度融合，提升运行维护的优化能力。

2.3 工厂建设模式视角

在石化智能工厂工程建设模式上有两大发展趋势：一是向工程设计阶段延伸；二是全厂信息化的EPC模式。

2.3.1 向工程设计端延伸，数字化交付为智能工厂奠定基础

数字化交付是指除了实体的物理工厂外，还需要移交一座依托于数据、文档、三维模型以及它们与工厂对象关联关系的数字化虚拟工厂。随着国家标准《石油化工工程数字化交付标准》（GB/T 51296—2018）颁布实施，国内越来越多的石化工程新建项目采用数字化交付方式，例如目前中石化正以中科炼化一体化、中沙合资聚碳酸酯、古雷炼化一体化、海南炼化百万吨乙烯、镇海炼化的镇海基地一期为代表的工程建设项目上，进行工程数字化交付探索和实践。

工程数字化交付是提升石化企业资产全生命周期管理水平的重要内容。项目前期、设计、采购、施工等“静态信息”构成工程数字化交付的内容，加之项目试车和生产运行等“动态信息”的积累，为运营期智能工厂的建设奠定数字化基础。目前，在数字化交付与接收平台和工具，交付工厂对象的可信单一工程数据源，数据的完整性、合规性和一致性，以及如何支撑生产运营需求等方面还存在标准、规范、技术、安全、知识产权等系列问题，需要进一步研究。

同时，智能工厂的设计理念向前延伸。不同于传统的逆向工程，而是在工程设计阶段就考虑并梳理智能工厂建设需求，提出智能工厂的设计条件，融入各专业设计，开展风险、可靠性等分析，将相关的信息感知、智能运维、生产管控、设备管理、安全环保等要求在设计过程中提前规划，从正向设计推动智能工厂建设。

2.3.2 全厂信息化EPC模式。

伴随大型炼厂及炼化一体化项目的新建以及对老厂的改扩建，全厂信息化的EPC 实施模式应运而生。这种模式的优点是强调设计在整个工程建设过程中的主导作用，有利于设计、采购、施工各阶段工作合理衔接，且质量责任主体明确。EPC总承包模式在工程建设领域已应用成熟，当前大型新建、改扩建炼厂的全厂信息化建设在技术复杂度、投资额度、项目管理难度等方面同样具备采用EPC模式的条件。信息化设计与工程设计同步，实现智能工厂整体规划、整体设计、整体开发、整体实施和统一交付。这一模式已成功运用于中科炼化、古雷石化等多家石油化工企业炼厂的建设。

3 灯塔工厂及启示

从2018 年开始，世界经济论坛（WEF）与麦肯锡咨询公司联合在世界范围内遴选“全球灯塔工厂网络”（global light house network，GLN），评价从价值实现、集成用例、赋能要素和技术平台四大维度。截至2022年3月，全球已选出灯塔工厂103家，其中包括5 家油气、化学品企业，即美国DCP Midstream 公司（丹佛工厂）、巴西MODEC 公司（里约热内卢）、土耳其Petkim 公司（伊兹密尔）、沙特阿美（Khurais胡莱斯油田）以及土耳其STAR 炼油厂（伊兹密尔）。灯塔工厂正在引领第四次工业（4IR）革命技术的普及，包括数字化、自动化、高级分析、预测性分析、VR 和增强现实（AR）以及工业物联网等。通过商业模式创新、智能技术应用，全面提高企业数字化能力，引领未来制造业的转型。

灯塔工厂包括三大类：一是制造型灯塔工厂；二是端到端价值链型灯塔工厂；三是可持续性灯塔工厂。已经总结出124个用例，其中制造型灯塔工厂包括数字装配与加工、数字设备维护、数字化绩效管理、数字质量管理、数字化可持续发展等五大类业务环节的58 个用例，通过优化生产系统，提高运营效率和质量指标，扩大自身竞争优势。

端到端价值链灯塔工厂包括供应网络连接性、端到端产品开发、端到端规划、端到端交付、客户连接等五大类业务环节的66 个用例，通过推出新产品、新服务、高度定制化、更小的批量或者更短的生产周期等方式，改变运营经济性。

分析灯塔工厂成功经验，六大推动因素在先进制造用例的规模化扩展中功不可没，包括：①用敏捷工作方式持续迭代，帮助企业预判技术局限，打破瓶颈；②打造敏捷数字工作室，让业务人员、数据工程师、系统工程师、产品经理共同开展头脑风暴，激发创意；③采用可扩展的工业物联网/数据基础架构；④完善技术生态系统并深化协同效应，合作伙伴能够持续为项目赋能；⑤建设工业物联网学院，通过游戏化、数字化的学习途径，以及虚拟现实、增强现实等工具，有效提升员工技能；⑥成立数字化转型组织，分享最佳实践，开展用例的优先级划分，注重成效和解决方案，推动整个企业开展变革。

4 石化智能制造基本特征、内涵及演进路径

4.1 石化智能制造的基本特征

智能制造已成为全球工业界关注的重点和学术界研究的热点。关于智能制造，英文有两种专用术语广泛使用，即smart manufacturing（SM）和intelligent manufacturing（IM）。王柏村等通过文献计量统计分析研究了SM与IM的起源、定义、发展、关键技术以及参考架构等主题。德国工业4.0 描述了未来制造的关键特征，概括一个核心、两大主题和三项集成，提出了图2(a)中的RAMI4.0 参考模型，对智能制造的定义是：人、机器和资源将会如同在一个社交网络里自然地相互沟通协作，生产出来的智能产品能够理解自己被制造的细节以及将如何使用，并积极协助生产过程。美国国家标准与技术研究院（NIST）提出了图2(b)中的SME（智能制造生态）参考模型，对智能制造的定义是：针对工厂、供应链和客户需求不断变化的要求和条件，能实时响应的一体化协同制造系统。中国国家标准化管理委员会（SAC）提出了图2(c)中的IMSA参考模型。在我国制造强国战略研究报告中，认为智能制造是制造技术与数字技术、智能技术及新一代信息技术的融合，是面向产品全生命周期的具有信息感知、优化决策、执行控制功能的制造系统，旨在高效、优质、柔性、清洁、安全、敏捷地制造产品和服务用户。在工业和信息化部2016 年发布的《智能制造发展规划（2016—2020年）》中给出了智能制造另一个新的表述：智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。此外，还有美国工业互联网参考模型IIRA[图2(d)]、ISO/TC184自动化系统与集成提出的全局三维图[图2(e)]以及日本工业价值链参考模型IVRA[图2(f)]等。

图2 几种主要智能制造参考模型

制造业分为流程工业和离散工业。流程制造的智能化发展面临的问题有其自身特征和技术挑战。石化属于典型的流程工业，其生产过程不同于离散工业，也与一般的流程工业存在较大区别，主要表现在原料物料复杂、工艺装备复杂、产品种类众多、运行条件苛刻、安全环保约束严格等。

石化制造的本质特征表现为：制造流程规模庞大、结构复杂，由多个紧密联系并相互作用的操作单元所组成，在时空上具有多尺度的层次结构和功能结构。从横向上看，制造流程是一系列相关的、异质的物理或化学过程的非线性、动态耦合过程，如“三传一反”，即质量传递、热量传递、动量传递和反应过程；从纵向上看，又是这些过程之间的跨时空尺度嵌套—耦合体系，是由融合复杂物理输入/输出的物质流网络、能量流网络和信息流网络“三网融合与协同”的信息物理系统（CPS）。王基铭、李德芳等对石化信息物理系统（PCPS）的定义、层级特征、计算架构等进行了研究。高立兵等将石化CPS按照自调节与自校正、自感知与自适应、自认知与自学习、自认知和自复制等能力成熟度分为4个等级。中国标准化研究院与中国信息物理系统发展论坛发布的《信息物理系统建设指南》提出了CPS 在石化行业4种应用模式，即人智、辅智、混智和机智。

4.2 石化智能制造的内涵

过程系统工程（PSE）是研究石化智能制造的重要理论、技术和工程方法。PSE研究内容包括化学供应链的创造和操作、过程的改进，解决许多相互冲突目标情况下化学品的发现、设计、制造和配送等。自20 世纪80 年代诞生以来，PSE 与时俱进，伴随信息技术的发展，研究范围也不断扩大。

为了建立石化智能制造理论体系，王子宗等在参考NIST SME 参考模型和石化智能工厂三条业务主线的基础上，提出石化智能制造“三链模型”，分为产品链、资产链和价值链这三条链，三链的交叉处是制造金字塔，如图3所示。三链模型分别对应产品生命周期维度、生产系统周期维度和商业周期维度。对于已知分子结构的大宗基础化学品生产，其工艺路线相对固定，生产流程连续，工艺设计与工程设计合二为一，因而常常重点关注资产链和价值链两个维度。

图3 石化智能制造“三链模型”（修改自文献[10]）

产品链是石化工业价值创造的核心，把低价值原料转化为高价值的产品，包括石油分子管理、产品设计、流程模拟、油品调和等。石油加工过程的本质是将结构分布范围较宽的原油分子，通过选择性分离及定向转化，生产具有特定分子组成的液体燃料、润滑油产品和精细化工品等。基于分子级表征和反应动力学建模已成为石油化工领域的关注热点，并由此催生了分子管理技术的研究和发展。例如，埃克森美孚开发了一套“原油指纹系统”，从原油开始就建立分子水平的“指纹信息”，目的是“把正确的分子，在正确的时间放到供应链的正确位置上”，从而使每桶不同的原料油产生最大的价值。

资产链是实现价值创造的桥梁，包括从工厂可行性研究、概念设计、基础设计、详细设计、采购施工试车、数字化交付到运营与维护的工厂全生命周期。从项目绩效管理（PPM）到资产绩效管理（APM），提高资本性支出（CAPEX）效益，降低运营成本（OPEX）是石化企业资产管理的重点。

价值链是指供应链管理、生产、销售等价值创造活动，包含原油采购、生产计划和调度、生产、储运、销售和服务等。业务流程的数字化可以促成更好的协作、提升灵活性，形成优化的价值链。

制造金字塔是石化企业制造系统的核心，产品链、资产链、价值链在这里汇聚和交互。石化工厂的物理模型遵循ISA106，从下往上分为设备、装置、单元、工厂、企业等五级。

通过分析国际工业软件企业的产品线，可以清晰地看出沿着“三链”打造集成化、一体化的软件整体解决方案这一趋势，也是国际自动化企业收购工业软件完善其软件产品线的逻辑所在。

石化企业的运营管理水平和数字化水平需要综合考察其在三链上的表现，石化智能工厂2.0 建设，已经通过数字化举措对三条链分别进行优化以改进管理运营表现，并取得了一定的成绩。而石化智能工厂3.0 的重点将是进一步解决数据共享和交换、系统间集成和跨链协同等难题。通过新一代信息通信技术和中台技术，可以从三链上在数据和业务两方面打破各个独立子系统以及数据源之间的壁垒，完成跨链的数据融合和业务协同，从而更有效地管理数据资产，优化生产运营，实现更高的灵活性、更高的生产效率、更高的产品质量。这是石化工业数字化转型的驱动力，也是实现石化工业高质量发展追求的目标。在跨越三链协同方面，重点是围绕供应链集成、价值链优化以及工程数据全生命周期管理，如图4所示。

（1）统一供应链管理。统一的企业级供应链管理平台，可基于云端部署，支持SaaS 服务，覆盖各个供应链环节，包括原油采购、生产计划、生产调度、一次分销等，如图4(a)所示。例如，剑维公司的统一供应链管理套件Spiral Suite，集成的软件包括原油物性数据管理（Spiral Assay）、生产计划优化（Spiral Plan）、生产调度优化（Spiral Schedule）、供＆销物流网络优化（Spiral Network）、流程模拟（ROMeo）以及与第三方ERP集成等。

（2）基于产品价值链的多装置动态优化。目前，装置的先进过程控制（APC）、实时优化（RTO）、厂级计划与调度优化还没能实现数据的纵向集成和自由流动，计划目标与装置实际运营情况有一定差距，问题的症结在于计划优化用线性模型来表征非线性过程。国际厂商如艾斯本、剑维、KBC、霍尼韦尔等提出了面向产品价值链的多单元动态优化解决方案，如图4(b)所示。采用分子级炼化一体化价值链表征及多单元动态优化技术，无缝集成严格机理模型、降阶混合模型和计划LP 模型，统一计划和调度、优化操作，以增加效益。基于动态实时优化，可以将生产计划、调度排产、操作优化、操作控制整体贯通，真正做到优化目标从上到下、从全局到局部的层层分解和闭环控制，实现基于产品价值链的优化。

（3）工程数据全生命周期管理。国际厂商如海克斯康、剑维、西门子等公司，面向流程工业提出了“一体化工程到一体化运维”的工程数据资产全生命周期解决方案，如图4(c)所示。彻底打通工厂生命周期的数据流，为工厂的运营维护提供准确、完整的数据支撑，从而能够提高设计效率、降低风险，实现资本项目的投资回报最大化。

图4 跨链协同场景示意

4.3 石化智能制造演进路径

从中远期看，智能制造的发展路径是清晰、可预见的：通过工业化和信息化“两化”深度融合，构建信息物理系统，实现从人全盘控制到人不在现场的完全自治运行。中国工程院周济院士团队提出智能制造的数字化、网络化、智能化三范式及“HCPS 模型”，并认为目前处于HCPS1.5 和HCPS2.0 之间，如图5(a)所示。ABB 公司提出“工业自治六阶段模型”，并认为当前系统介于第2 级和第3 级之间，如图5(b)所示。中石化在智能工厂建设中提出了智能工厂演进5 阶段，如图5(c)所示，目前处于2.0 和3.0 之间，即基于智能制造平台，实现了局部智能应用。上述三种表述形式不同，但观点一致，都认为智能系统最终目标是实现完全自治。

图5 不同智能制造演进路径模型

从近期看，在国家“十四五”规划阶段，石化智能工厂建设需要从装备、感知、控制、操作、运营、决策等层级，以工艺、装置为核心，重点提升全面感知、实时分析、自主决策、精准执行和自主学习等5项核心能力，通过“数据+平台+应用”信息化管理、建设、运维新模式，推动设计、生产、物流、销售与服务等业务环节的数字化转型和智能化提升，形成虚实融合，以数据和模型为驱动、以石化工业互联网平台为支撑的新型制造模式，实现降本、增效、绿色、安全、转模式等五大核心价值。

5 未来石化智能工厂设计思考

未来石化智能工厂建设，是在继承试点项目、推广项目实践成果的基础上，立足新发展阶段、贯彻新发展理念，进行创新发展。特别是在云边端协同、数字资产服务、关键能力提升等方面。核心内涵包括如下内容：一个目标，即创造增长、提升价值（包括运营和财务方面）；一个平台，即边缘云平台；三个支撑体系，即信息和数字化管控体系、数据治理和信息标准化体系、网络安全体系；四方面建设内容，即经营管理、生产运营、工程建设、信息技术支撑和基础设施（向装置层下沉，向决策层拓展，向设计端延伸，向产业链扩维，向分子级深化）；五项能力，即全面感知、实时分析、科学决策、精准执行、自主学习；六化特征，即自动化、数字化、模型化、集成化、孪生化、自主化；60+应用场景，包括经营管理、生产一体化优化、生产操控、供应链管理、设备管理、能源管控、环保管控、安全管控、工程建设等业务域；建设模式，包括“数据+平台+应用”、多级部署、云边端协同；实施路径与策略，包括新老系统数据和应用融合模式（绿地模式、棕地模式、蓝地模式）。

5.1 未来石化智能工厂应具有的核心能力和特征

5.1.1 五项核心能力

未来石化智能工厂需要发展五项核心能力（图6）：全面感知、实时分析、科学决策、精准执行和自主学习。前4项能力构成的“感知-分析-决策-执行”信息流闭环是石化CPS 的基本过程，并具有时间、空间多尺度特征。第5项“自主学习”是人工智能的发展应用，制造系统增加了基于新一代人工智能技术的学习认知部分，不仅具有更加强大的感知、决策与控制的能力，更具有学习能力、产生知识的能力。使石化工业知识的产生、利用、传承和积累效率发生革命性变化，而且可大大提高处理制造系统不确定性、复杂性问题的能力，极大改善制造系统的建模与决策效果。同时，石化制造系统不断突破地域、组织的界限，实现对人才、技术、资金、数据等资源和要素的高效配置，不断孕育新的服务模式与新兴业态。

图6 石化智能工厂的五大核心能力

5.1.2 “六化”特征（见图7）

图7 石化智能工厂“六化”特征

自动化（automation）：包括过程控制自动化，如DCS、PLC、SIS，以及PID 自整定、先进控制（APC）、自动连锁控制、自动切换、一键操作等；装备自动化，如立体仓库、轨道机器人、特种作业机器人；程序性自动化，如低代码应用平台（LCAPs）、机器人流程自动化（RPA）、知识自动化（KA）等。在未来智能工厂建设中需要提高智能装备、机器人及程序自动化技术的使用，减少用工，降低劳动强度，实现重点环节少人化和无人化，提高精准执行的能力。

数字化（digitalization）：数字化指对人、机、料、法、环等核心生产要素的全面感知和数据采集，既包括从MES、SCADA、DCS、PLC、LIMS等系统获取数据，也包括通过物联网、智能传感器、移动终端、机器视觉、智能仪器仪表、在线检测分析仪、可穿戴设备等获取数据。通过提高全面感知能力，实现设备数字化、资源数字化、业务数字化、流程数字化、管理数字化，形成数字资产。数字化解决数据的有无问题，是石化“数据+平台+应用”新模式的基础。

模型化（modeling）：模型泛指实际系统或过程特性的一种表示形式，或映射成的一种结构，如机理模型、数据模型、几何模型、业务模型、信息模型等。建模一直伴随化工的发展，工程师依靠模型进行工程设计、研究和决策制定。化工过程具有多时空尺度特征，需要综合利用化工过程的第一性原理与过程数据，结合人工智能算法进行混合建模，解决化工过程中的模拟、监测、优化和预测等问题。文献[61]综述了智能制造中机理模型、数据模型、混合模型建模技术及应用。文献[64]分析了人工智能和化学工程进行混合建模存在的优势、限制、机遇与挑战。未来石化智能工厂建设要加强与工艺结合，向装置下沉，通过基于模型的系统工程（MBSE）方法，对工厂进行全方位的模型化描述，实现对石化工业知识的固化、沉淀和复用。

集成化（Integrated）：包含两层含义，一是德国工业4.0 提出的纵向集成、横向集成和端到端集成；二是综合集成，包括数据集成、服务集成、应用集成等。无论是德国工业4.0 的三项集成，还是我国的两化融合，尽管语言体系不一样，本质上都是针对多个业务系统数据的互联、互通难题，这是所有国家、企业的共同挑战。未来石化智能工厂建设，既要深化“三链”集成，解决数据的共享和交换问题，更要发展跨越价值链的业务协同。

数字孪生化（digital twinning）：为物理实体、数字实体等可以有数字模型的实体或实体组合建立数字模型的过程。石化数字孪生包括三个核心要素，即模型、数据和服务。数字孪生是解决智能制造信息物理融合难题的一项关键使能技术。基于数字孪生，构建信息物理系统，可以提升虚实互动、实时分析能力，支持全生命周期的持续优化和异常处置。2021 年12 月，工业和信息化部联合八部委印发《“十四五”智能制造发展规划》，规划文件将数字孪生列为智能制造关键核心技术，提出了“数字孪生+”智能场景的描述，这是把数字孪生放到了“通用目的技术”（GPT）的地位。文献[68]综述了数字孪生在流程行业应用的难点和使能技术。目前，数字孪生在石化行业的应用还处于起步阶段。中石化正在开展“数字孪生的智能乙烯工厂”项目。未来，通过构建基于设备级、单元级/装置级、工厂级、企业级数字孪生，基于“数据+算法”，提供数字化服务，实现描述、诊断、预测和决策等服务应用。

自主化（autonomous）：自主化是对系统自感知、自学习、自决策、自执行、自适应等特征的总称。自动化、数字化、模型化、集成化和数字孪生都是自主化的基础，是从数据到信息、知识、智慧（DIKW）的转化。自主化程度是一个持续演进、螺旋上升的过程，是工业人工智能与石化工艺技术的深度融合过程。最终目标是系统可以应对未知变化，人不再必须参与控制过程，形成高度自治型工厂（autonomous factory）。机器感知、情景感知、机器学习、认知智能等都是提高自主化程度的关键技术。

5.2 重点建设内容和建设模式

未来石化智能工厂建设内容重点围绕经营管理、生产运营、工程建设、基础设施支撑和信息化保障体系等4个领域展开，如图8所示。其中，重点考虑如下几点。

图8 石化智能工厂重点建设内容蓝图

（1）向装置层下沉。围绕乙烯、聚烯烃等重要装置，提高生产操控智能化水平，为现场赋能、为基层员工赋能。通过APC、RTO、智能装备、程序自动化、机器视觉等技术，减少用工，降低劳动强度，实现部分环节的少人化和无人化。

（2）向决策层拓展，发展数据智能，发挥数据资产价值。支撑诸如原油市场价格预测、原油采购优化、原油价值链一体化优化、成品油物流优化、基于知识图谱的供应商风险管理、动设备远程运维、工艺远程诊断服务等应用。

（3）向工程设计延伸，推进炼化工程数字化交付平台建设。建立以智能工厂为导向的工程设计标准、规范；建设炼化工程数字化交付平台，以及与运营平台（数字化接收平台）的无缝衔接；深化数字化交付内容和广度，由一次性交付向渐进式交付转变，由固定资产的数字化化交付（设计、采购、施工等过程的工程数据、工程文档、三维模型等数字化信息），向固定资产+无形资产（工艺机理模型）的数字化交付模式发展，推进数字资产和运营数据的融合，形成数字“双底座”。

（4）数字化、网络化“补课”，基础设施升级改造。智能仪表升级改造，实现生产设备、物料、产品、环境、人员的全面感知；增加在线检测分析、特种作业机器人；工业有线和5G 网络升级改造，完善融合通信，形成数字化、网络化的生产环境。

（5）数据治理，统一数据标准。以数据作为战略资产，建设石化数据治理体系，推进数据治理制度流程、数据架构、数据组织、数据集中共享机制和信息标准化体系的建设，持续提升数据质量，形成全业务领域的数据资产。通过边缘云平台，推进数据能力、业务能力、技术能力的沉淀、复用和开放，构建服务化、集约化的应用开发环境，实现数据全生命周期管理和平台数字化运营，敏捷响应数据应用需求，促进数据应用创新。

（6）建设模式。“数据+平台+应用”模式，多级部署，云边协同。可扩展、先进的边缘云平台是未来石化智能工厂技术架构的核心，其关键能力包括：物联感知和边缘计算能力、工厂数字孪生建模能力、企业级数据资源管控能力、企业应用的集成与管控能力、工业知识运行与管控能力。总部与下属企业形成云边端协同，促进知识的沉淀和复用，解决碎片化供给和全局优化需求之间矛盾。构建百花齐放的工业APP 和快速迭代模式，满足企业个性化需求，提升系统纵向贯通性和业务覆盖度，促进业务协同。

（7）实施路径和策略。对于新建工厂，可以采取绿地模式（Greenfield）：直接采用新的边缘云平台架构，应用APP 化，建设基于角色的岗位工作台，例如中科炼化、古雷石化等新建工厂即是这种模式；对于老厂升级以及改扩建工程，需要结合数据治理，统筹考虑新老系统的数据融合和系统集成模式。棕地模式（Brownfield），即现有系统应用升级和重构，将现有系统的数据、应用按照与平台不同等级的成熟度搬到新架构里。蓝地模式（Bluefield）：按照目标架构的要求，有选择性地、将部分数据或者功能模块从老系统搬到新系统里。不管采取哪种模式，建立统一数据架构和标准都是前提条件。

5.3 应用场景

应用场景是推进智能制造落地的重要抓手，世界灯塔工厂目前总结出124个应用场景，工信部针对“5G+工业互联网”发布了20个应用场景，工信部四部委联合发布的《智能制造典型场景参考指引（2021年）》，总结出15个环节52个智能制造典型场景。石化智能工厂场景规划需要考虑如下几点。

（1）综合石化智能工厂2.0建设内容、“5G+工业互联网”、“工业互联网+安全生产”等专项，以及典型企业智能工厂规划方案，形成石化信息化场景全景，是未来石化智能工厂建设的基线。

（2）围绕经营管理、生产一体化优化、生产操控、供应链管理、设备管理、能源管理、环保管控、安全管理、工程建设等业务域，结合新技术发展和业务需求，对单一业务和跨流程业务进行应用场景规划，形成应用场景清单全集。不同企业可以从场景清单中选择重点建设内容，满足个性化需求。

（3）应用场景内容包括针对业务痛点、场景描述、技术要素和预期效果等。按照业务、管理、智能点，可选项、必选项，提升、新建等维度对场景分类、分级。技术要素包括支撑智能场景的技术、支撑系统、数据、模型等要素。预期效果是在财务和运营指标方面的价值实现，包括对效益、效率、质量、安全、环保以及业务模式等方面的影响。

（4）正如国际灯塔工厂带来的启示，数字化的投入和收益，并不是平行线，数字化投入只有跨越某个临界拐点后，才会呈现指数增长。一方面场景应用需要在数量上达到一定规模（灯塔工厂评选要求20个以上），另一方面在业务覆盖面上要达到一定广度，形成集成和协同优势。

6 展望

发展石化智能制造，标准和能力评估不可或缺。目前，按照《国家智能制造标准体系建设指南（2021版）》要求，由中石化牵头编制的《石化行业智能制造标准体系建设指南》已经通过工业和信息化部组织专家评审，进入公开征求意见阶段。下一步需要加快石化行业相关标准的规划和制定，发挥标准在推进石化智能制造有序发展中的指导和规范作用。同时，以国家智能制造能力成熟度模型（GB/T 39116—2020）和评估方法（GB/T 39117—2020）为基础，加快构建石化智能工厂能力成熟度评估体系，从业务、技术、组织和人才等四个方面全方位定性和定量评估，帮助石化企业确定工厂信息化现状水平，明确差距和发展目标，指引智能工厂建设和发展。

突破石化核心工业软件短板，才能牢牢掌握创新发展主动权。需要石化龙头企业发挥市场主体地位，联合高校、科研院所等构建产学研用生态体系，建立企业自主知识产权软件培育体系，发挥国内石化市场规模巨大和场景丰富优势，加强技术攻关和技术成果转化，推进石化自主技术软件化，如实时优化软件、通用流程模拟软件、专用反应器模型软件等，解决“卡脖子”问题。2021年4月，中石化与清华大学成立绿色化工联合研究院，是双方构建产学研用深度融合的技术创新体系的务实之举。同时，对于已有核心软件，如石化MES，需要在软件的设计思想、平台架构、系统功能和用户体验方面持续改进和加快迭代。

新技术的应用应以业务需求为导向，以价值创造为目标。智能工厂建设不能仅仅靠技术、装备投入，追求把技术武装到牙齿，更要重视企业核心竞争力的培育。既需要企业战略、组织机制、业务流程等方面的配合和支撑，也需要培养数字文化、创新文化，以及建设信息化人才梯队。数字化转型是一个长期系统工程，需要把技术植入企业基因，开启一场永无止境的竞争能力进化之旅。