石油化工数字科研技术内涵与实践

景 帅，肖文涛

（中国石油化工集团有限公司信息和数字化管理部，北京 100728）

1 时代背景

科学技术作为第一生产力，驱动了人类历史上的蒸汽革命、电力革命、信息革命等3次工业革命，极大推动了人类社会发展和文明进步。进入当今时代，随着以5G、云计算、物理网、大数据、人工智能、区块链等为代表的数字技术对各行各业的深入渗透和强力带动[1-7]，新一轮科技革命和产业变革开始蓬勃发展。为贯彻新发展理念、构建新发展格局，有必要在数字科研上先行一步，抢占智能制造制高点，塑造发展新优势[8]。

石化工业是国民经济的支柱产业之一。作为传统行业的典型代表，石油化工行业曾一度面临高污染、高能耗、高排放等诸多难题。步入新时代，石油化工行业开始建设智能工厂，应用各种新技术、新设备、新材料、新工艺，实现转型升级和绿色发展[9]。其中，石油化工科技贡献了巨大力量。当前以数据为核心要素的第四科研范式已开始在石油化工科研中广泛应用[10]，对引领科研方向、管控科研过程、分析实验结果、缩短研发周期、加速科技转化等都发挥了积极作用。

2 石油化工数字科研发展趋势

纵观历史，人类的科研范式经历了4个发展阶段[11]。

1）第一科研范式——实验观察。早期科学研究主要是记录和描述自然现象。由于受到实验条件的限制，很难精确理解自然现象背后的规律。

2）第二科研范式——理论推导。主要指简化实验模型，去掉复杂干扰，仅保留关键因素，然后通过实验数据归纳、总结、提炼出现象背后的规律，形成理论公式。

3）第三科研范式——模拟计算。当理论公式非常复杂时（如多维高阶偏微分方程组），难以进行理论求解，此时需要将公式离散化，并应用计算机进行数值求解。

4）第四科研范式——大数据分析。当单一事物的演化是由千万条规律或公式组合作用来决定时，前3种科研范式都将失效。此时需要应用某些大数据算法，根据规律的外化数据来构建纯数学混沌模型，在一定范围内来相对准确地预测事物的未来演化。

从第三科研范式开始，通过计算创新来进行科研活动的特征已逐渐显现，拉开了科研业务数字化转型的变革大幕。经过多年发展，石油化工数字科研得到长足发展，其用途已不再只是单纯的方案模拟和数据挖掘，而是逐渐扩展延伸到了实验辅助操作、科研文化构建、科研资源共享、科研条件保障、技术市场转化等范畴[12-18]。基于此，总结石油化工数字科研的主要发展趋势如下：

1）互联网促进建立科研生态圈。宝洁公司依托互联网践行开放式创新战略。在中国、美国、印度等地设立六大创新中心，负责搜索挖掘当地的技术创新和产品创意；在网络上发布原料指标性能需求，招揽先进技术解决方案和买卖知识产权。通过网络化科研，有效加强了跨地域、跨部门和跨学科协作。

2）大数据促进形成第四科研范式。美国于2011年启动“材料基因组计划”[19]，主张利用模拟计算和大数据技术来揭示材料微观结构与宏观性能之间的关联关系，旨在变革材料研发模式，从“直觉＋试错”向“按需设计”转变，有效缩短新材料的研发周期，并降低研发成本。

3）人工智能促进提升实验效率。霍尼韦尔公司采用人工智能技术提升研发能力。在中试车间布置了150多套中试装置，利用人工智能技术控制各种微型反应器和机器人，每天可自动处理约10亿条反应数据，实现实验配方和工艺方案的高效优选。

4）物联网促进变革技术服务模式。壳牌公司建立了油田远程技术服务中心，基于物联网实时采集工业现场数据，全面及时记录井下作业状态，并利用互联网将数据传输至远程网端，再集中遍布全球的优秀专家资源，为钻井作业现场提供远程指导。通过远程服务模式，提升了技术服务效率，降低了技术服务成本。

5）区块链促进保护原始创新。区块链技术的核心用途是验证，核心特征是不可篡改，能够发挥知识产权保护作用，尤其能对很多原始创意起到很好的保护效果。当前已有科研单位开始论证应用区块链技术建设“头脑风暴”会议室，针对某一科研难题组织专家研讨，在讨论中记录和存证每个人的想法贡献。

3 石油化工数字科研内涵要义

及时跟进和融合应用云计算、物联网、区块链、大数据、人工智能等数字技术，孪生出以数据挖掘、计算推理、平台服务为主要科技引领、研发、转化手段的虚拟数字科研世界，实现对传统的以经验、试验、推导为主要研究手段的现实物理科研世界的各类科研要素本体结构（人员、装备、料剂等）、科研要素运动规律（设计、分析、推导等）、科研业务活动过程（审批、学习、巡检等）的映射、并行、指导和替代，从而有效提高精细管理能力、科技研发能力和技术服务能力[20-23]。

基于当前的数字技术发展水平，石油化工数字科研技术的内涵可以具化在以下8个方面。

1）科研管理平台。科技研发重在选准科研方向和纠偏科研过程。建设科研管理平台能够通过分析技术市场数据抓住研发方向，通过课题查重减少重复研究，通过科研流程规范化和材料模板标准化管控研发过程，通过大数据总览课题进展情况并发现存在问题，通过课题数据报表进行研发成本和成果统计等，最终保障科研活动规范、有序、高效进行。

2）计算硬件平台。石油化工科研对计算能力的要求越来越高。在塔器设备研发设计中，网格划分越细密，模拟结构越准确，同时对计算能力要求也越高；在材料性能预测中，神经网络节点数量越多，预测模型训练效果也越好，同时对GPU芯片的要求也越高。因此，有必要建设计算硬件平台，实现算力弹性调度，及时足量满足各创新主体的计算资源需求。

3）工具软件平台。工具软件对石油化工科研至关重要，是数字科研技术体系的重要组成部分。当前的流场模拟、工艺模拟、分子模拟等工具软件常是单机版本，重复采购情况较多，共享利用水平不高。未来可考虑采购网络版本工具软件，并进行平台化共享化部署，以实现对工具软件的动态调度，及时足量满足各创新主体的软件资源需求。

4）实验数据平台。数据已成为石油化工科研的核心要素。利用设备和料剂模拟数据和实验数据，可以构建各类预测模型，预测拟研发产品的性能指标，优先试制和测试具备潜力拟研产品，以缩短研发周期和提高研发效率。为充分利用数据、提高数据质量和汇聚挖掘数据，应当建设试验数据平台，保障数据真实、完整、可追溯，实现数据电子化和共享化。

5）科研知识平台。知识是石油化工科研单位的底蕴所在。当前石油化工科研知识管理面临采集来源多、格式不规范、存储分散化、共享利用难等问题。建设统一的科研知识管理平台有利于实现对知识的广泛采集、自动加工、规范存储和共享传承，有利于盘活科研知识资产和发挥人才培养价值，有利于实现知识智能推介和营造知识精准灌输的学习氛围。

6）条件保障平台。石油化工科技研发离不开科研条件的保障，这其中包括试验装备建设投用、试验料剂采购领用、技术研讨会议场所等各方面的综合保障。建设科研条件保障平台，能够提升科研装备管理维护水平和共享利用效率，指导试验料剂及时采购和优化调配，存证记录原始重大创意，提升“头脑风暴”会议效率，激发科研团队的创新活力。

7）安环管控平台。理化试验，包括小试、中试和工业化试验等，是石油化工科研的重要工作，实验过程中不乏高压、有毒、易燃、易爆、易污染等安全环保隐患。建设安环管控平台能够支持实时采集和动态分析各类风险隐患数据，并及时向有关人员报警和预警，第一时间为有关人员提供应急处置方案和应急资源获取方式，为实验安全保驾护航。

8）技术转化平台。市场应用是科技价值实现的重要一步，是技术研发和应用的桥梁纽带。建设技术转化平台，可以支持技术产品线上推介、知识产权线上交易、专家资源线上会诊、技术应用远程指导等，有效提升科研单位的技术市场开拓能力和响应能力；同时也能支持收集市场一线的科研需求，为科研方向抉择提供最直接最真实的数据支持。

4 石油化工数字科研实践成果

为顺应新一轮产业和技术革命发展大势，中国石化以数字科研内涵为指导，启动了智能化研究院建设，依托数字技术，打造了具有“数字研发、计算创新、开放共享、群智协同”特征的新型石化数字科研创新平台。围绕科研管理、科研创新和技术服务3条主线，建设项目全过程管理、大数据实验室、在线服务中心等应用，全面提升研究院精细管理、科技研发、远程服务能力，取得了以下5个主要成效。

1）科研项目的精细管理

建成项目管理应用，实现科研项目全过程精细化管理和可视化监控。通过打造“产、学、研、用”科研生态圈，实现跨地域、跨组织、跨学科的科研能力协同和资源共享，形成开放协同创新模式。

建成绩效管理应用，设计绩效评价体系，对科研成果、专利申报、论文发表、宣传报道等多类采分点进行数据采集和统计分析，对科研人员的工作绩效进行全面量化评估和精准激励。

2）科研资源的灵活调度

构建石油化工领域科研数据标准体系，按照“1个数据中心、1批数据来源、1张资产目录、1套数据标准、1套服务组件、1套授权机制、1套迭代流程”的原则、理念和方法论，开展科研数据治理，实现项目过程管理、绩效管理、实验料剂管理等多个应用的业务对象的数据同源、统一管理、对外服务，实现对科研数据的灵活调用和开放共享。

3）科研手段的大幅升级

打造数字实验室，优选数据处理算法，深挖大数据内涵规律，实现材料性能预测和按需设计、实验图谱智能识别、实验要素关联分析等，全面提升科研创新质量和效率。

建成X射线衍射图谱分析应用，基于小波变换等数据分析方法[24]，构建谱图解析模型及谱图识别模型，实现分子筛XRD谱图的批量自动识别及分子筛结构参数的自动关联，单张谱图的解析时间从20 min降低到2 min，降低了基础性科研的工作负荷。

建成分子筛合成实验大数据分析应用，利用自然语言识别技术实现科技期刊文献中关键数据的自动提取[25]，单篇文献分析及数据整理时间从小时级降到秒级，极大节省人力整理文献成本，提高工作效率。

建成热模实验数据分析应用，基于装置运行数据自动寻优操作参数，减少甲醇制烯烃（MTO）催化剂评价实验对操作人员能力的依赖，提升了装置控制的及时性和稳定性。

建成催化剂电镜图像识别应用，将传统图像识别算法（空间域、频域滤波、分水岭算法等）与基于深度卷积神经网络的物体检测（YOLO）和实例分割（Mask R-CNN）算法相结合，自动完成电镜图像中不同实例的位置标定和催化剂粒径、层数等信息的统计分析，显著减少基础科研工作负荷，在大幅提升研发效率的同时，避免了科研人员的视力损伤。

建成冷模设备辅助设计应用，运用梯度提升决策树等算法提炼旋风分离器设备的设计参数与运行性能间的规律，利用历史实验数据训练设备性能预测模型，指导设备研发设计，让最具备潜力的设备设计方案优先进入试制和实验。

建成知识管理应用，利用自然语言处理技术实现对洁净炼油、节能环保等领域知识的自动加工存储，提供辅助文献综述和个人知识笔记等工具，提升文献编制效率，缩短知识查询用时，实现炼化知识碎片化处理与问题导向性重构，显著提升核心知识的沉淀和复用率。

建成智能语音应用，实现口述实验记录、智能语音检索、实验标准步骤自动播报等，为科研人员提供更加便捷高效的工作方式。

4）对实验条件的有力保障

建成实验设备与料剂管理应用，完成投资计划、需求计划、维修计划等几十项业务流程线上化，以数字技术赋能实验设备和料剂的全生命周期管理，实现实验设备和料剂资源的优化配置和灵活调用，全面保障实验室资产的安全和保值。

建成实验室报警管理应用，实现对实验室危险气体、温湿度、风速等数据的实时监测，安全巡检信息跟踪与预警，提供完整的安全预案，提高实验室安全管理水平。

5）技术市场的快速响应

建成技术服务管理和在线服务中心等应用，打造“互联网＋技术服务”模式，加强自主技术和产品宣传，规范服务体系，提高企业整体效益，实现近百项专利技术、十几套专利设备和几十种自研产品的线上推介；实现对工业现场的生产工艺、设备状态等信息的全面感知，并由“反复跑现场”技术服务模式向“线上实时视频问答”转变，形成技术服务新业态。新冠疫情期间，试点院业务专家通过在线服务中心，为国内外多家企业的加氢炼化装置提供了换剂开工远程技术指导，助力企业复工复产。

5 未来展望

按照“数据＋平台＋应用”模式开展智能化研究院提升建设，打造“前瞻引领、数字研发、在线转化”的科技服务平台，培养“数据驱动、模型引领、计算创新”的科研理念，孕育“产研互促、群智协同、迭代提升”的循环生态，以数字技术驱动实验设计、操作、分析等全过程自动化、闭环化、迭代化，推动石油化工科研向智能化内涵迈进。