山东清源集团：大步迈向数字化

　　清源集团公司一直注重信息化、数字化的规划建设，并已享受到数字化建设带来的成果。日前，从该公司获悉，清源集团“十四五”期间将继续紧抓5G+、云计算、人工智能、工业互联网、物联网等新技术新应用，力争在数字化转型方面取得更大进步。

　　数字建设硕果丰

　　多年来，通过不断技术进步，清源集团在数字化建设上取得了可喜成绩。

　　集团总经理焦冲表示，在工业互联网平台应用的大背景下，公司生产装置区域基于传感器、自适应感知、精确控制与执行等数据采集技术，实现了设备全生命周期的实时态势感知、远程故障诊断和预测性维护。

　　此外，集团公司自2017年起，对聚焦炼化生产的工艺优化、质量管控、节能降耗场景，推动工艺知识以机理模型、业务模型、算法模型的形式共享、复用、传播，大幅降低知识创新的门槛。

　　针对常规人工巡检速度慢、成本高、效率低、受自然和地理条件制约大的短板，2018年集团规划实施智慧工厂项目，结合自研开发的三维智慧工厂利用传感器、增强现实技术、无人机、设备标识等工具，大幅提高了巡检的实时性、精准性和可视性，提高巡检效率。

　　同时，通过对物理设备的几何形状、功能、历史运行数据、实时监测数据进行数字孪生建模，实时监测设备的各部件的运行情况。将设备的历史故障与维修数据、实时工况数据，与故障诊断知识库相连，利用机器学习和知识图谱技术，实现设备的故障检测、判断与定位。构建设备数字孪生体，实时采集各项内在性能参数，提前预判设备零部件的损坏时间，主动、及时和提前进行维护服务。

　　确保新年开好局

　　“2021年我们将多点发力，多线并举，力争在数字化建设上争取更大突破。”焦冲说，2021年对于清源集团来说是数字化建设的关键一年，也是大步跨越的一年。

　　他表示，将对测量系统、安全仪表系统以及信息采集等自动化仪表进行改造或升级，通过仪器仪表的数字化改造将改善生产装置信息设施、计量仪表两个基础，深化管理软件应用，打好智能化制造建设基础。此外，利用5G网络低延时、高带宽的优势上传4K高清视频，通过系统平台AI分析和云计算在建立的各种信息模型和危险源模型之上完成分析报告，形成对生产区、装卸区、办公区等区域危险源实时报警，整个业务实现视频上传、自动派单、维护、效果管控、回单，形成一个智慧监控闭环。

　　同样是在今年实施的MES智能制造项目，将建立以MES为中心的生产管控信息一体化，发挥其在信息集成系统承上启下的功能，系统涵盖生产计划执行与跟踪、生产物流跟踪与平衡、业务调度与协同、生产成本监控、底层数据集成分析、上层数据集成分解等。通过各类智能改造和5G+基础的建设，建立起扎实、可靠的智慧制造协同管理平台。

　　今年该集团还将实施三维智慧工厂项目，基于三维生产装置模型对操作流程和作业流程全面电子化，逐步完成数字化业务流程梳理、系统平台搭建、三维模型设计、知识管理平台搭建，打通各个IT系统形成自动化与智能化深度应用，做到三维可视化透明生产，最终实现智能化生产与传统工厂生产模式转换。

　　“利用NFC技术和运营商5G网络，将实现巡检点标签登记、数据采集、内容录入、数据实时上传、管理查询、报表分析等一体化智能巡检管理系统。云电商项目通过使用云服务商中间件实现高并发、集群、负载均衡、高可用，支持海量数据存储，更好的应对业务复杂要求，提高应对市场反应机制同时降低了销售成本，为客户提供更便捷、高效的产品渠道。” 焦冲表示。

　　持续发力上新阶

　　对“十四五”期间的数字化建设，该集团充满了信心。第一步，他们将对炼化生产进行升级改造。通过原油原料、工艺流程、炼化设备进行数字孪生建模，对工艺配方、工艺流程等全方位模拟仿真，优化原料配比参数和装置优化路径，得出最优的炼化生产方案。

　　第二步，实时采集和分析油品炼化全流程的质量数据，对各项质量指标进行在线动态分析和预测预警，实现炼化全流程质量跟踪及自动控制。第三步是节能降耗。通过对关键耗能设备和高耗能加工流程的数据采集，结合大数据、人工智能算法和专家知识库，分析耗能的关键因素，找出能耗最低的工艺参数来指导实际生产，提高关键耗能设备的维护精度。

　　供应链方面，企业内部将实时采集和分析供应链运行情况，识别资源配置低效的环节，提出改进方案，提高企业内部资源配置效率。在企业间，以工业互联网平台为连接枢纽，打通石化上游原油供应、中游炼化生产、下游产品销售各环节，优化全产业链资源配置。实时采集炼化生产过程中的各类安全数据，结合安全生产监控模型，对生产异常状态和安全风险实时报警。在油气管道内外利用传感器、智能阴保桩、管道巡检机器人、无人机等数据采集工具，连接地理、气象等环境数据，实现管道内外运行状态的全面感知和实时监测，对管道异常状况(如泄漏)快速定位。

　　加强底层数据分析，促进边云协同也是“十四五”期间重点工作。集团将通过安装传感器、无人机、智能摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集运输、炼化、销售领域的多源设备、异构系统、运营环境、人员等数据，实现对运输管道、炼化工厂运行状态的全面感知。此外，在原油开采装置、炼化重点装置、运输管道关键节点部署机器学习和深度学习算法，在边缘控制器上集成分析引擎，实现对装置的自动调整和优化。在设备管理、质量管控、智能巡检场景下，可以考虑将云端的机器学习模型和深度学习模型，部署在边缘设备端，在模型、数据、服务三方面实现边云协同。

　　不仅如此，集团还将面向设备管理，重点研发炼化重点装置的运行状态监测模型、远程故障诊断模型和预测性维护模型。面向炼化生产，重点研发炼化工艺流程模拟优化模型、聚合物反应模型、换热网络优化模型、公用工程系统优化模型以及能量系统优化模型、生产质量管控模型。面向供应链管理，重点研发原油进口供应链扰动缓解模型、供应链柔性作业模型、供应链均衡协调模型、成本和风险平衡模型、计划和调度模型等。面向安全管理，研发基于多源安全数据融合的火灾爆炸事故风险预警模型、高危设备监测和故障预警模型、危险源监测和预警模型、应急资源管理模型、安全应急调度模型。

　　“我们还将重点研发和推广炼化重点装置的状态监测、远程故障诊断、预测性维护解决方案，提升炼化装置管理水平。通过研发炼化生产装置流程模拟、智能化验室、运营管理优化、生产质量管控等解决方案，实现炼化生产优化。重点研发炼化生产安全监管解决方案、管线漏失动态监测、应急指挥解决方案，实现对炼化生产风险提前报警，对油气长输管道泄漏的实时检测和准确定位。”焦冲说。