日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

★本刊記者/文曉

艾默生數字化轉型資深顧問陳鵬

當前，在國內外宏觀環境之下，石油石化行業面臨著安全、綠色、可持續發展等方面的嚴峻挑戰，數字化轉型的急迫性日益增強。作為石油化工領域自動化、數字化技術的領先供應商，艾默生致力推動石油化工行業發展和變革，如今面對新的挑戰，艾默生數字化轉型資深顧問陳鵬表示：“艾默生在石油化工行業內有能力基于用戶的數字化需求，提供從數字化規劃、設計輔助、技術選擇、產品提供、方案部署、實施效果評估和生命周期服務的一條龍模式，為石油化工企業從工藝設計、自控建設、設備運維、升級改造的全生命周期需求提供有效的產品和解決方案。”

基于Plantweb打造全生命周期解決方案

國內外市場環境的變化給各行各業都帶來全新挑戰。對于石油化工行業，陳鵬分析認為其當前正面臨四大挑戰。

其一，由于各種因素使當前供應鏈和需求端不穩定，原材料和制成品價格大起大落，并且這種情況短期內看不到緩解的跡象。石油化工行業的產品大多屬于大宗商品，附加值低，從原料到成品產出有一定時間差，應對這一不確定性是一大難題。

其二，國家的雙碳政策以及高耗能行業重點領域節能降碳改造指南的落實和實施，對于石油化工行業這樣的能耗大戶來說，不能再延續以往的粗放的能源管理和消耗方式，而需要精益求精，逐步降低生產的能源消耗水平。

其三，作為新能源、新材料，循環經濟產業的上游企業，在這兩個行業需求爆發性增長的階段，及時調整產品結構，加速新產品的研發和投產，將給企業的可持續發展奠定良好的基礎。

其四，煉廠的設備維護同樣面臨著技術迭代、產能升級、新舊設備更新換代。企業需要增強資產設備績效管理，降低設備運維成本，提高設備運行周期。通過數字技術，企業可以對設備進行全生命周期智能管理、診斷與優化運行狀態，延長設備壽命、提高裝置自動化控制率、數據采集率、監控報警點覆蓋率等。正是基于以上挑戰，以及近些年來數字化轉型和智能制造所帶來的變革已深入人心，石油化工行業自動化領域也漸漸從僅需要滿足基本生產向滿足卓越運營和可持續發展方向轉變。

對此，陳鵬深有感觸：“在工廠建設時期，越來越多的石油化工企業不僅要考慮生產過程自動化，還考慮將來的運維自動化以及優化生產和節能減碳。所以越來越多的石油化工企業在建設期間就要著手規劃支撐數字化運行所必須的數字化基礎建設，比如管控一體化、儀表智能化和工業物聯網等；在工廠的運營期間，企業不僅僅滿足于能有合格產品就行，更多的是考慮可持續性，如何在現有的產能基礎上提高產出、降低成本、保障安全、環保低碳等，開始考慮部署生產優化、業務優化、低碳改造、安全保障等一系列數字化運營解決方案。”

面對用戶需求的變化，艾默生公司在完善、整合和拓展公司自有自動化相關的產品和服務的基礎上，構建了較為完整的行業自動化解決方案Plantweb數字生態系統。Plantweb生態系統包含數據采集、安全傳輸、分析應用和專家服務四大板塊，基于一系列創新以及其他領域前沿技術的移植，包含了艾默生公司旗下范圍廣泛的與自動化和數字化相關的過程測量、分析和控制設備，以及控制系統、安全系統、PLC、工業軟件以及工業設計、行業專家服務等。

采訪中，陳鵬表示，艾默生可根據石油化工領域用戶的核心訴求，提供基于Plantweb數字生態系統的解決方案，為用戶量身定制降本增效、節能低碳的自動化和數字化解決方案，覆蓋工廠整個生命周期，從設計建造到擴建改造，是一種較為完整和具有良好投資回報和高性價比的數字化生態解決方案集合。尤其在節能減排和可持續方面，組建了從事政策法規、技術方案、市場推廣、銷售執行和售后服務的專門團隊。

以創新技術賦能未來發展

近年來，隨著人工智能、大數據、云計算、邊緣計算、工業互聯網等新一代信息技術的快速發展，艾默生也開始積極探索新技術的應用場景，為石化行業從設計建造到運行維護提供了眾多有價值的解決方案。

例如，將人工智能技術中的AR、VR應用于人員賦能，圖像識別技術應用于自動巡檢。AR技術應用于現場巡檢人員，通過現場所見很快找到對應設備的相關資料和記錄；VR技術和數字雙胞胎技術結合則可以應用于沉浸式培訓以及工藝的設計與改造。圖像識別應用于巡檢機器人則可以很快發現巡檢區域的異常狀況，大大提升決策速度。

大數據技術運用于優化生產，設備故障診斷和批次尋優。云計算實現了算力共享，使集團公司內部的不同工廠優勢互補、數據共享、低投入高產出，而邊緣計算通過本地建模，分散了集中監控的風險，很大程度上提升了決策輔助的及時性和準確性。

工業物聯網技術使工廠中的設備、人員等數據無縫傳送到中央數據平臺，為大數據采集奠定扎實的基礎，同時可以作為生產運營的補充，應用于以前需要人工采集的生產數據和設備巡檢數據，大大減少現場人員人工采集數據的工作量。同時準確的數據顯示改變了以往人工巡檢需要依靠人員經驗的傳統方式，提升了生產的安全性，減少人員的工作量。

而放眼未來，談及石油化工領域自動化、數字化技術的發展趨勢，陳鵬給出了詳細的分析。

（１）大數據集成需求促進數據采集標準的逐步統一

自主感知數據采集、學習、分析和決策閉環，必須將工廠內甚至外各種相關數據采集過來，這既包括工廠內生產、設備、能源、人員、環境等各要素的數據采集，以及廠內智能裝備及智能產品的數據采集，也包括各種系統接口集成數據。對于這些不同的場景，應用采集數據所采用的各類底層協議，海量不同的通訊設備和傳感器，數據維護難度可想而知。統一數據采集標準是大勢所趨，也是來自流程行業強烈的呼聲。

（2）工業控制系統整體構架向云邊端形式靠攏

ISA95普渡模型定義了自動化工廠的網絡的分層結構，標準發布已將近20年，隨著諸如工業物聯網、數字雙胞胎、人工智能、大數據、云計算、AR、VR、邊緣計算等信息技術的不斷進步，未來石油化工行業的建設越來越依賴于不同領域的數據集合。跨層次相互應用數據不斷增多，工業控制系統將逐漸從底層的分散控制向邊緣控制靠攏，而上層的集中管理向云端管理靠攏。

（3）復雜設備分析平臺采用機理模型和數據模型結合

以往的分析平臺往往采用機理模型作為分析依據，這樣的分析方法適合于簡單設備，而對于較為復雜的設備，尤其是受干擾因素較多的設備，機理模型的準確率大大下降。但伴隨著人工智能以及大數據采集技術的不斷進步，對復雜設備采用數據模型黑箱建模成為可能。然而這種建模花費時間較長，也需要大量數據對模型進行訓練和校正。這樣對于工廠中的不同場景、應用對象、建模范圍、使用人員等不同情況下，采用機理模型和數據模型相結合的方式能夠快速實現分析平臺的部署和應用，采用數據模型加機理模型分析，可以彌補機理模型的魯棒性不足，更好地分析不同工況下同類設備運行的特殊性，對輔助采取個性化決策起到重要作用。

陳鵬表示，當前，在國家戰略和經濟發展的推動下，石油化工行業已經步入全面數字化轉型的關鍵階段，艾默生期待持續以創新技術助力石油化工用戶迎接數字化挑戰，為石油化工產業可持續發展保駕護航。

摘自《自動化博覽》2023年3月刊