工業設備上云是工業互聯網平臺建設和應用的重點、難點，也是切入點，意義十分重大。2018年7月工信部發布的《工業互聯網平臺建設及推廣指南》，提出要“實施工業設備上云‘領跑者’計劃”，并明確了四類十大重點工業設備，即以煉鐵高爐、工業鍋爐、石化設備為代表的高能耗設備，以柴油發動機、大中型電機、大型空壓機為代表的高通用設備，以工程機械、數控機床為代表的高價值設備和以風電、光伏為表的新能源設備。
三年來，工業設備上云取得了重大進展，全國重點工業互聯網平臺連接的工業設備數量超過7300萬臺套，上云深度從狀態監測、故障診斷向預測預警、精準運維演進。為幫助業界進一步明確不同工業設備上云面臨的痛點問題、應用場景、實施路徑和推廣前景，賽迪智庫信息化與軟件產業研究所工業互聯網研究室在調研40余家企業的基礎上，編制形成了“工業互聯網平臺+工業設備上云”系列研究報告。
石油化工設備面臨著設備能耗高、安全風險高、停機損失大和運維難度大等痛點問題。以石化盈科、阿里云等為代表的解決方案企業積極探索基于工業互聯網平臺推動石油化工設備上云，并開展設備節能降耗、設備安全預警、設備預測維護和設備模擬操作等新型應用服務，有效提升了石油化工設備的能源利用效率和運營維護效率。
痛點問題
01設備能耗高
石油化工是高耗能的產業，其能耗量在我國行業耗能中排于第五位，位列金屬冶煉、建材、化工和電力之后。石化企業中工藝設備是生產加工的主體，因此設備能耗是全廠能耗最重要的組成部分，據統計，大型煉廠的全廠能耗組成中，85%-90%為設備能耗，因此對主要耗能裝置進行有效的能耗管理是石化企業節能減排的重點。在傳統模式下，企業難以實時采集、監測、分析設備能耗情況，不能精準確定重點問題環節。
02安全風險高
石化行業的生產設備具有危險性，一旦設備在運行的過程中出現異常高溫、高壓、設備腐蝕泄漏的情況，會引發火災或者爆炸事故，造成人員傷亡。傳統的設備管理方式為定期檢查和定期維護，企業連續生產期間很難及時了解設備內部情況，并準確識別設備故障，造成安全生產的重大隱患。
03停機損失大
石油化工屬于流程行業，一旦某一設備發生設備故障而非計劃臨時停機檢修，將造成整個生產裝置的全面停產(或大幅度減產)，企業的經濟效益損失十分嚴重。通常，一次較大的設備事故(例如壓縮機組轉子損壞)的直接經濟損失大約為百萬元以上，間接經濟損失(裝置產值損失及開、停車放空損失)大約為數千萬元。
04運維難度大
石化大機組等動設備價值高，而且零部件多、結構復雜、故障形式多樣，運維難度較大。傳統的以設備或測點為對象的監測技術，單一的參數指標不能全面體現設備故障特征，導致設備出現異常不能快速定位。同時，由于石化設備復雜，對維修人員的技術和經驗要求高，缺乏經驗的維修人員對機組檢修難以一次合格，存在二次檢修現象。
應用場景
01設備節能降耗
石油化工是高耗能的產業，對石油化工設備進行有效的能耗管理是石化企業節能的重點。一是關鍵耗能設備的數據采集。針對加熱爐、壓縮機、泵等關鍵耗能設備，采集排煙溫度、熱負荷、燃料類型、熱效率、燃料流量、折標系數、空氣過剩系數、壓縮機的流量、出入口溫度、出入口壓力、軸功率、揚程、輸送液體密度等能耗數據。二是節能降耗的模型構建與耗能分析。利用大數據和人工智能技術，結合工業機理和專家知識，構建石化設備能耗模型，分析耗能的關鍵因素，找出能耗最低的工藝參數來指導實際設備生產，提高關鍵耗能設備的維護精度。
例如，恒逸石化與阿里云合作推動石化設備上云，通過對恒逸石化歷年鍋爐燃燒數據進行深度學習，推算出最優的鍋爐燃燒參數，實現了燃煤發電效率提升2.6%，在節煤方面增加了數千萬元收入。
02設備安全預警
設備隱患與故障輕則影響生產，重則容易引發安全事故。實現設備故障風險評估，合理安排處置優先級和措施至關重要。一是設備關鍵安全參數的數據采集。利用傳感器等智能終端，實時采集石化設備運行過程中的工藝參數、維修記錄以及振動等數據，在云端總結提取設備生產過程中的各種風險因素。二是設備安全預警模型的構建與訓練?；谑O備運行機理、行業標準、結合設備管理領域的專家知識和實踐經驗，應用工業大數據算法和人工智能技術，構建重點設備運行、工藝報警、現場報警、作業安全、隱患管理、工藝平穩率等一級、二級設備安全預警模型，并通過對設備歷史數據的挖掘、自學習、訓練識別設備的健康安全邊界，實現對設備健康實時計算分析、故障預警與自動診斷。三是設備安全預警與優化?；谏显剖O備的實時運行數據和設備安全預警模型，實時分析設備關鍵零部件的健康情況，一旦出現設備運行異常和安全風險，提前安全預警，并給出降低設備安全風險的優化方案，指導管理人員操作。
例如，大連恒力石化基于工業互聯云平臺對PTA裝置壓縮機組、高危泵等重要設備進行智能監測，通過實時采集設備的振動與關聯的工藝數據、邊緣計算，構建設備機理與自學習模型，實現對設備健康實時計算分析、故障預警、自動診斷，設備安全預警準確率95%以上，有效確保設備安全。
山東京博石化基于supOS工業操作系統建立了包括事故事件管理、隱患管理、工藝平穩率、重點設備運行、工藝報警、現場報警、作業安全和安全領導力等8個一級指標和30個二級指標。根據不同的風險權重，從公司和車間兩個維度為每個指標賦予不同的扣分系數，經復雜的計算提煉，從而形成可視化、可對比、可執行、可預警的設備的故障風險評估體系。安全指標從上線之初的-1500多，提升并穩定在目前的+70以上;逾期未處理隱患從上線之初的140個左右，下降并穩定在目前的個位數。隱患平均處理時間從上線之初的4.6天，降低至目前的3.8天。
03設備預測維護
推動石化設備上云，可實現石化設備全生命周期的故障預測和主動維護，降低設備非計劃停機的損失。一是設備全生命周期的數據采集。采集石化設備全生命周期的歷史故障、故障數據模型、維修記錄設備振動與關聯工藝實時數據等，以及設備部件結構、參數、功能、機理等數據。二是設備預測性維護模型的構建?；谠O備機理、行業標準、專家知識，應用人工智能、自學習機制并結合知識圖譜技術，構建石化設備預測性維護模型。三是設備故障預測和主動維護?；谏显剖O備的實時運行數據和設備預測性維護模型，對設備健康實時計算分析、預測石化設備關鍵零部件健康變遷與劣化趨勢，預判零部件的損壞時間和剩余使用壽命，實現主動、及時、提前地開展設備維護服務，避免搶修與過度維修，減少非計劃停機。
例如，鎮海煉化開展云上泵群監測，對52套裝置1700余臺高危泵遠程實時狀態監測及診斷，及時發現泵群設備故障信息，2019年主動分析異常107起，建議拆檢40多起，經檢修驗證與診斷結論相符，確保裝置安全、穩定、長周期運行。
石化盈科建設了大型機組管理云平臺，對中石化各分公司400余臺關鍵離心式壓縮機組開展集中監控，提供典型故障智能診斷、專家遠程會診和檢維修指導服務，有效減少機組非計劃停機損失約30%。大連恒力石化工業互聯網設備智能化平臺對動設備開展實時、智能化健康計算分析，實現數據采集、邊緣計算、數據傳輸、健康計算、故障預警、自動診斷、專家協同、維護指導服務閉環智能化運行，關鍵部件故障預警與自動診斷準確率95%以上，有效支撐企業預測維護體系的建設。
04設備操作模擬
石化設備結構復雜，運維難度大，對維修人員的技術和經驗要求高。一是設備運維模擬。在云端構建石化設備數字模型，結合可視化技術，開展模擬的石化設備的機組拆裝、機組試車、應急處置等設備運維培訓，提高人員的設備運維技能，保證機組檢修一次合格。二是設備操作路徑優化?；谑O備數字孿生體，在實際煉化生產前，對工藝配方、工藝流程等全方位模擬仿真，優化石化裝置的操作參數，優化石化裝置的操作路徑，得出最優的煉化生產方案。
例如，石化盈科大型機組管理云平臺中內置MCL和BCL大型機組三維仿真模型，結合VR技術開展機組拆裝、機組試車、機組操作、應急處置等可視化模擬操作，在中石化應用以來，有效提高中石化員工的設備運維水平。中石油云南石化在實際開工前，在云端對開工原油的煉化工藝流程進行模擬分析，明確煉化設備的各項操作參數，從而指導生產操作，實現了常減壓裝置1次開車成功，制氫聯合裝置核心設備投產1次成功。
推廣前景
當前，我國石化行業能耗水平較高，環保壓力日益增大，市場推廣空間巨大。推動石油化工設備上云，可實時采集設備工況數據，結合大數據、人工智能等新興技術，開展設備狀態檢測、安全預警、預測性維護等智能服務，改善能耗水平和綠色生產水平。預計石化設備上云普及率將不斷擴大，設備能耗和污染排放將不斷減少。
文 | 賽迪智庫信軟所工業互聯網研究室 徐靖
（轉載）
