能源化工企业智能工厂解读和实践案例(上)

数据工匠俱乐部 2019/06/12 22:08

引言

“智能制造”“智能工厂”目前是石油石化行业的热门话题。“十二五”期间,中国石化智能工厂建设取得重大突破,4家炼化企业成功试点,打造了中国石化智能工厂1.0版,初步形成了数字化、网络化、智能化的生产运营管理新模式,推动了生产运营模式创新,提升了企业协同优化和分析预测能力。“十三五”期间,中国石化将以“智能制造”“互联网+”为主攻方向,大力推进智能工厂建设,打造智能工厂升级版,实现生产管控一体化、供应链协同一体化和设备资产设计运营一体化,提高资产运营效率,提升资源优化、安全环保、降本增效水平,培育3-5家国家智能制造示范。

然而,目前对智能技术的一些片面理解,对智能工厂项目怎样规划设计、怎样推进等等一系列问题自试点开始就一直困扰着各层级的管理者和不同专业的从业者,影响和制约了智能工厂项目的高效推进与实施。

一、智能工厂发展困惑和认识误区

1.1 目前的困惑

1) 什么是智能工厂?智能工厂与数字化工厂有什么区别?怎样理解“智能”两个字的涵义?

2) 智能工厂的着力点是什么?石化企业智能工厂需要解决的核心问题是什么?

3) “工业互联网平台”与工业4.0的CPS什么关系?石化企业“工业互联网平台”应该具备啥功能?应该建成啥模样才能适应石化企业的智能工厂建设?

4) 工业环境下需要什么样的大数据分析技术(商务智能、营运智能、控制智能)?要解决的业务场景是什么?如何解决?

5) 物联网与传感网有什么区别与联系?石化企业应该采用什么样的无线组网技术(NB-IOT?ZigBee?LoRa?)构建适合自己的传感网或物联网?

1.2 认识的误区

1) 一谈到“智能工厂”或者“智能制造”,很多人首先想到的是智能机器人,似乎有了机器人就是智能工厂了。

2) 不少企业都在被各种各样的“工业4.0解读”、“智能工厂解决方案”、“大数据应用案例”、“工业互联网平台”包围着、忽悠着,眼花缭乱,自我识别能力和顶层设计能力不足。

3) 不同的厂商(硬件产品供应商、软件产品供应商、技术服务提供商)站在各自角度对智能工厂有着不同的解读,有些厂商仅仅是提供某一局部的业务解决方案,也都披上“智能工厂”的外衣。

4) 大数据分析作为当前最时髦的名词,催生了大数据培训、应用生态圈,但目前已有的案例大都集中在营销大数据或互联网大数据,而真正适合工业领域的解决方案并不多,缺少工业环境下大数据分析技术的应用研究,很多人一直试图用商务大数据和互联网大数据思维去推动工业大数据应用,成功案例并不多。

二、国外智能工厂解读

欧洲派: 智能工厂是借助最先进的传感网络技术和人机交互技术,实现有“自我意识、自我学习和自我适应能力”的智能型自动控制系统(比较笼统)。

美国派: 智能工厂是高度集成、高度知识积累与应用、运营和操作普遍模型化的企业,它能最优化地利用信息,进行运营和操作活动。智能最终体现在生产制造过程中的动态运行、高优化决策支持。相当于把KPI变成动态的,而不是固定不变的,系统按照KPI预设方向,自动进行相应的纠正和调控(相对具体)。

“计划不如变化快” ——智能工厂的目的就是要让计划自动去适应变化。早在2014年麦肯锡对中国石化生产运营进行分析后认为:中石化普遍采用的PIMS系统做月度计划的方法,年效益流失在100亿美元以上。原因:当原油性质和组分发生变化后,对计划模型没有进行校正。麦肯锡认为中国石化若实施全流程优化,效益潜力在100-200亿元,其中炼油80%、化工20%——准确掌握在加工原油性质;找出偏差,对模型中进行校正后,重跑PIMS,相当于重设月度KPI。

国外智能工厂十大特征

智能过程制造组织(Smart Process Manufacturing)起源于美国国家科学基金会资助的课题,并逐步发展为包括全美范围内主要石化企业、IT企业和科研院所在内的研究协会。

1) 行动和决策具有适应性、预测性和主动性。 通过合理计划和持续监控,准确应对计划内和计划外的异常情况,实现效率最大化,决策活动均可提前预测、主动处理。

2) 运营资产被模型化并集成,具有自我意识。 此处资产包括了装置、设备、知识、数据以及人力,资产被建模并有效集成后,通过传感器实现状态感知,并具有智能处理能力,所有资产都具有自我意识,能够自我感知。

3) 自动监测生产过程的扰动并调整。 通过对当前情况的评估以及对历史知识的积累和沉淀,针对生产工况的波动,智能工厂能够自动识别并给出应对措施,例如原料供应、工艺改变、装置故障等引起的进料变动和装置波动。 生产过程应该有很强的柔性。

4) 在任何需要时都能获取到可用的、可理解的完整信息,并以最适当的形式展现。 通过高效的信息标准化处理、并集中集成实现同源共享。保证在任何时间都能获得高可用、可理解的数据,并提高丰富的形式展现。

5) 实时异常侦测与处理能力。 智能工厂初步建成,各试点企业的数采率达到95%以上,保证了实时数据采集的完整,以便发现问题,主动采取措施,降低损失。

6) 快速反应,强调主动控制。 强调了实时计算和主动控制的能力,对生产过程能够快速的进行响应。

7) 对环境是可持续发展的,实现最小的环境排放。 对环境进行持续监控和调整,实现最下的环境排放,将对环境的影响降到最低。实现环境友好。

8) 高素质人才是智能流程制造的组成部分。 人在智能工厂依然发挥着决定性的作用,需要具有高素质、丰富经验和知识的人员给予支持。

9) 人机协同。 智能工厂提供必要的信息和分析结果,以及建议处理方案和优选方案,为训练有素的操作人员和管理人员提供支撑,使人员能够更好的进行执行判断和决策。

10) 员工持续培养。 通过人员培训和企业绩效的提升,将有技术的人员和先进的装置结合起来。将智能工厂的价值发挥到极致。

三、智能工厂定义

智能工厂 面向企业整个价值链环节,综合运用现代传感、网络、自动化和智能化等先进技术,与生产过程的工艺和设备运行技术高度集成的新型工厂 ,“快、准、灵”地应对企业复杂内外部环境的变化(key economic and environmental variables), 实现复杂环境下生产运营的高效、节能和可持续发展

新知图谱, 能源化工企业智能工厂解读和实践案例(上)

四、三个维度的解读智能工厂

4.1 从业务角度解读智能工厂

实施“智能工厂”就是实现企业的“卓越运营”。炼化企业是一个复杂的、动态的有机整体,其内部各环节、各要素之间互相制约,由于信息掌控不及时、不全面、不准确、不共享,定量分析手段不完备,导致一些决策长期以来依靠“会议分析”和“知识型管理者”的经验;导致生产、运营方面有异常不能提前预知、出现问题后不能快速分析出原因,反映迟缓。

实现“卓越运营”一直是各个企业努力追求的目标。比如持续不断地开展的资源配置优化、产品结构优化、原料和产品库存优化、加工流程及加工方案优化、装置运行优化等等都是“卓越运营”的实现内容之一。整体表象和具体表象如下:

1)整体现状

企业生产、经营各个环节的决策和执行没有达到“快、准、灵”——信息掌控不准、不全、不快;决策制定不恰当、不及时;措施执行不灵活。离卓越运营还有差距。

2)具体问题

信息采集手段不完善,用于管理决策的信息不全、不及时;

信息集成共享程度不高,信息“孤岛”现象严重;

资源“全局优化”理念落实不够,局部优化难以保证全局最优;

管理决策缺少定量分析手段,多依靠知识型管理者的经验决策;

生产调度离运营调度差距大,考虑经济因素少;

执行结果缺少及时的验证评估手段和及时的闭环管理机制;

装置长周期高效、稳定运行的先进控制及优化手段应用不足;

设备异常不能事前预知,缺少科学的维护管理手段;

安全隐患及生产事故没有主动监控、事前预警;

不同专业管理环节缺少协同工作机制。

3)业务处理过程中存在的问题

①信息不全、信息“孤岛”现象严重。 一是基础设施落后导致数据采集不到;二是数据治理不够。数据存在于各专业信息系统中,没有实现共享,看不同专业的数据需要进不同的系统;三是人为原因造成,人为设置权限就是不让其它专业看到。

②“系统优化”或“全局优化”的理念执行不彻底或没有手段执行彻底。 要么考虑不全面,要么当局部利益与全局利益发生矛盾的时候,缺少定量测算工具,多依靠“知识型”决策者的拍板,难以保证供应链和价值链全局最优。

③信息掌握不及时、分析不及时或没有较好的分析手段, 当有了应对措施以后,要么结果已经变槽、要么已经过了最佳调整期。

④生产调度的执行偏重于既定生产计划的执行或者直接按日历进度执行,考虑经济因素少。 一是没有运营调度的理念;二是即便有些生产管理人员想从经济效益角度考虑生产方案优化的问题,缺少决策工具或决策信息不全;三是部分人员知识不全面,不能全面了解炼化加工过程中各装置、各系统及相互关联和相互影响,限制了能力的发挥。

⑤生产绩效缺少实时或准实时的测算统计手段 ,既不能了解企业的实时利润,也不能及时发现影响月度绩效的相关问题,基本上是在月结之后,依靠“月度经济分析会”进行问题分析汇总。

⑥设备运行、装置运行的异常及隐患不能做到事前预警, 基本是以事后分析为主,被动运维和扯皮现象是常态。

⑦各业务之间没有协同工作机制或者协同工作机制较弱 。“马路警察各管一段”,相互之间分得太清。某专业想做进一步的工作,但往往会受限于其它专业因素的影响无法开展。

⑧借力信息技术不够或认识不到位。 管理的提升、问题的解决等习惯于本专业的思维模式和工作模式,不知道怎样借助信息化手段去实现。

所以,从业务角度“解读”智能工厂,就是要考虑通过智能工厂建设,“让企业整体运作更灵活,让各个业务环节运转更聪明”。一是最大限度地让企业运作过程、各个环节变得更透明——可视化能力;二是当影响生产、经营管理的内外因发生变化以后,生产经营方案(计划、生产装置运行方案、二次物流方案)能够快速适应变化——现状控制能力和快速响应能力;三是能够快速掌握了解生产、经营运行过程中可能存在的异常,并能快速给出合理的解决方案——异常预测能力和问题定位能力。

4.2 从“控制”角度解读智能工厂

控制任务: 利用控制手段,使被控目标达到人们期望的目标。

控制原理: 周期性地测量实际值,并与期望的目标值进行比较,若发现有偏差,就发出调节信号。

应用领域 :经济、社会、工程、生物、环境、医学,是现代社会生活中不可缺少的一部分。

新知图谱, 能源化工企业智能工厂解读和实践案例(上)

工程上常从稳、快、准三个方面来评价控制系统:

稳: 指动态过程的平稳性。

快: 指动态过程的快速性。

准: 指动态过程的最终精度。

从单回路控制,发展到多输入、多输出、多干扰、多变量的大系统控制(整体控制), 后来又发展到智能控制系统。

背景: 控制对象、环境、控制目标或任务的复杂性。

指导思想: 依据人的思维方式和处理问题的技巧,解决那些目前需要人的智能才能解决的复杂的控制问题。

“智能”是一种像人一样获取知识和运用知识的能力。至于如何准确评价智能行为,目前还没有准确的标准。通俗的评价标准:当一个动作完成,分不清是系统还是人完成的时候,可称为智能行为。如果一个系统或机器能够像人那样去执行某种任务,如收集信息、思考决策,然后执行,就可认定这个系统或机器具有“智能性”。

(1)智能系统是指具有一定智能行为的系统,对于一定的输入,它能够产生合适的问题求解的响应。

(2)实际上,人类是最终的智能系统,一个企业的现有组织机构和业务管理模式,如果能够高效、卓越运转的话,本身就是一个“智能”系统,可以不用建设什么智能工厂,但由于各种因素的限制,单靠人的能力达不到。

4.3 从信息角度解读智能化工厂

1) 数字化工厂

数字化工厂起源于机械制造行业,第一大功能:在一个产品生产之前,在计算机的模拟环境中进行设计规划、模拟仿真,经过验证后再实际生产;第二大功能:在实际生产过程中,制造信息实时传递到管理部门,对质量、进度等进行实时管控、指导生产。炼化企业的数字化,计划、模拟、实际操作、指挥等各个环节连贯性不强。

2) 智能化工厂

首先,要实现计划、调度、运行的连贯性,以一个标准、在一个平台上说话;第二,要实现想知道的信息(正常信息、异常信息)能全部知道,能够快速响应(快速决策、快速调度、快速执行);第三,对以上各环节中依靠人难以实现的活动,采用智能化手段实现。提高生产、经营过程可控性、减少人工干预以及合理计划排程。

数字化工厂侧重于产品设计和产品制造之间的沟通,要设计的产品是经过模拟验证了的,比较强调仿真技术的应用。智能化工厂侧重于生产、经营各个环节中的智能活动,具有分析、推理、判断、构思和决策能力,提高对生产、经营过程的可控性。近些年来,数字化工厂和智能化工厂开始向一起靠拢,一是数字化工厂中逐渐体现智能性,二是智能化工厂很多内容是在做数字化工厂的东西。

总结

从业务角度解读: 智能工厂就是企业的“卓越运营”。解决企业信息掌控不准、不全、不快;决策制定不恰当、不及时,没有达到“快、准、灵”的问题。

从控制角度解读: 智能工厂就是“大系统控制”。解决的是业务整体的多输入、多输出、多干扰的复杂控制问题。

从信息角度解读: 智能工厂就是“智能化技术的应用”。解决的是生产经营各环节中依靠传统手段难以实现的活动——借助智能化手段对业务进行“赋能”。

下篇预告

能源化工企业智能工厂解读和实践案例(中)-工业大数据分析技术在动设备运行状态预警预测中的应用

能源化工企业智能工厂解读和实践案例(下)- 齐鲁石化智能工厂建设案例

作者简介

夏茂森, 男,研究生学历,教授级高工。现任中国石化齐鲁分公司信息中心主任,山东大学客座教授。多年来一直从事炼化企业信息技术的推广应用工作,涉及PCS、MES、ERP、决策支持和网络安全等各个应用层面,是过程控制技术(DCS)、实时数据库技术、先进控制技术(APC)、计算机集成制造技术(CIMS)引进中国后的第一批参与者和实践者,近10年来,发表论文150余篇。

数据工匠俱乐部
+ 关注

更多新知