★本刊记者/文晓

艾默生数字化转型资深顾问陈鹏

当前，在国内外宏观环境之下，石油石化行业面临着安全、绿色、可持续发展等方面的严峻挑战，数字化转型的急迫性日益增强。作为石油化工领域自动化、数字化技术的领先供应商，艾默生致力推动石油化工行业发展和变革，如今面对新的挑战，艾默生数字化转型资深顾问陈鹏表示：“艾默生在石油化工行业内有能力基于用户的数字化需求，提供从数字化规划、设计辅助、技术选择、产品提供、方案部署、实施效果评估和生命周期服务的一条龙模式，为石油化工企业从工艺设计、自控建设、设备运维、升级改造的全生命周期需求提供有效的产品和解决方案。”

基于Plantweb打造全生命周期解决方案

国内外市场环境的变化给各行各业都带来全新挑战。对于石油化工行业，陈鹏分析认为其当前正面临四大挑战。

其一，由于各种因素使当前供应链和需求端不稳定，原材料和制成品价格大起大落，并且这种情况短期内看不到缓解的迹象。石油化工行业的产品大多属于大宗商品，附加值低，从原料到成品产出有一定时间差，应对这一不确定性是一大难题。

其二，国家的双碳政策以及高耗能行业重点领域节能降碳改造指南的落实和实施，对于石油化工行业这样的能耗大户来说，不能再延续以往的粗放的能源管理和消耗方式，而需要精益求精，逐步降低生产的能源消耗水平。

其三，作为新能源、新材料，循环经济产业的上游企业，在这两个行业需求爆发性增长的阶段，及时调整产品结构，加速新产品的研发和投产，将给企业的可持续发展奠定良好的基础。

其四，炼厂的设备维护同样面临着技术迭代、产能升级、新旧设备更新换代。企业需要增强资产设备绩效管理，降低设备运维成本，提高设备运行周期。通过数字技术，企业可以对设备进行全生命周期智能管理、诊断与优化运行状态，延长设备寿命、提高装置自动化控制率、数据采集率、监控报警点覆盖率等。正是基于以上挑战，以及近些年来数字化转型和智能制造所带来的变革已深入人心，石油化工行业自动化领域也渐渐从仅需要满足基本生产向满足卓越运营和可持续发展方向转变。

对此，陈鹏深有感触：“在工厂建设时期，越来越多的石油化工企业不仅要考虑生产过程自动化，还考虑将来的运维自动化以及优化生产和节能减碳。所以越来越多的石油化工企业在建设期间就要着手规划支撑数字化运行所必须的数字化基础建设，比如管控一体化、仪表智能化和工业物联网等；在工厂的运营期间，企业不仅仅满足于能有合格产品就行，更多的是考虑可持续性，如何在现有的产能基础上提高产出、降低成本、保障安全、环保低碳等，开始考虑部署生产优化、业务优化、低碳改造、安全保障等一系列数字化运营解决方案。”

面对用户需求的变化，艾默生公司在完善、整合和拓展公司自有自动化相关的产品和服务的基础上，构建了较为完整的行业自动化解决方案Plantweb数字生态系统。Plantweb生态系统包含数据采集、安全传输、分析应用和专家服务四大板块，基于一系列创新以及其他领域前沿技术的移植，包含了艾默生公司旗下范围广泛的与自动化和数字化相关的过程测量、分析和控制设备，以及控制系统、安全系统、PLC、工业软件以及工业设计、行业专家服务等。

采访中，陈鹏表示，艾默生可根据石油化工领域用户的核心诉求，提供基于Plantweb数字生态系统的解决方案，为用户量身定制降本增效、节能低碳的自动化和数字化解决方案，覆盖工厂整个生命周期，从设计建造到扩建改造，是一种较为完整和具有良好投资回报和高性价比的数字化生态解决方案集合。尤其在节能减排和可持续方面，组建了从事政策法规、技术方案、市场推广、销售执行和售后服务的专门团队。

以创新技术赋能未来发展

近年来，随着人工智能、大数据、云计算、边缘计算、工业互联网等新一代信息技术的快速发展，艾默生也开始积极探索新技术的应用场景，为石化行业从设计建造到运行维护提供了众多有价值的解决方案。

例如，将人工智能技术中的AR、VR应用于人员赋能，图像识别技术应用于自动巡检。AR技术应用于现场巡检人员，通过现场所见很快找到对应设备的相关资料和记录；VR技术和数字双胞胎技术结合则可以应用于沉浸式培训以及工艺的设计与改造。图像识别应用于巡检机器人则可以很快发现巡检区域的异常状况，大大提升决策速度。

大数据技术运用于优化生产，设备故障诊断和批次寻优。云计算实现了算力共享，使集团公司内部的不同工厂优势互补、数据共享、低投入高产出，而边缘计算通过本地建模，分散了集中监控的风险，很大程度上提升了决策辅助的及时性和准确性。

工业物联网技术使工厂中的设备、人员等数据无缝传送到中央数据平台，为大数据采集奠定扎实的基础，同时可以作为生产运营的补充，应用于以前需要人工采集的生产数据和设备巡检数据，大大减少现场人员人工采集数据的工作量。同时准确的数据显示改变了以往人工巡检需要依靠人员经验的传统方式，提升了生产的安全性，减少人员的工作量。

而放眼未来，谈及石油化工领域自动化、数字化技术的发展趋势，陈鹏给出了详细的分析。

（１）大数据集成需求促进数据采集标准的逐步统一

自主感知数据采集、学习、分析和决策闭环，必须将工厂内甚至外各种相关数据采集过来，这既包括工厂内生产、设备、能源、人员、环境等各要素的数据采集，以及厂内智能装备及智能产品的数据采集，也包括各种系统接口集成数据。对于这些不同的场景，应用采集数据所采用的各类底层协议，海量不同的通讯设备和传感器，数据维护难度可想而知。统一数据采集标准是大势所趋，也是来自流程行业强烈的呼声。

（2）工业控制系统整体构架向云边端形式靠拢

ISA95普渡模型定义了自动化工厂的网络的分层结构，标准发布已将近20年，随着诸如工业物联网、数字双胞胎、人工智能、大数据、云计算、AR、VR、边缘计算等信息技术的不断进步，未来石油化工行业的建设越来越依赖于不同领域的数据集合。跨层次相互应用数据不断增多，工业控制系统将逐渐从底层的分散控制向边缘控制靠拢，而上层的集中管理向云端管理靠拢。

（3）复杂设备分析平台采用机理模型和数据模型结合

以往的分析平台往往采用机理模型作为分析依据，这样的分析方法适合于简单设备，而对于较为复杂的设备，尤其是受干扰因素较多的设备，机理模型的准确率大大下降。但伴随着人工智能以及大数据采集技术的不断进步，对复杂设备采用数据模型黑箱建模成为可能。然而这种建模花费时间较长，也需要大量数据对模型进行训练和校正。这样对于工厂中的不同场景、应用对象、建模范围、使用人员等不同情况下，采用机理模型和数据模型相结合的方式能够快速实现分析平台的部署和应用，采用数据模型加机理模型分析，可以弥补机理模型的鲁棒性不足，更好地分析不同工况下同类设备运行的特殊性，对辅助采取个性化决策起到重要作用。

陈鹏表示，当前，在国家战略和经济发展的推动下，石油化工行业已经步入全面数字化转型的关键阶段，艾默生期待持续以创新技术助力石油化工用户迎接数字化挑战，为石油化工产业可持续发展保驾护航。

摘自《自动化博览》2023年3月刊