埃尔法哥哥@| 赛迪徐靖：工业互联网平台赋能垂直行业数字化转型之路（五）石化行业，赛迪观点( 二 ) 石化行业是资产密集型行业

三是预测性维护。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。燕山石化建立了调节阀故障模型，通过对炼化装置流量控制阀进行数据分析和诊断，实现了对控制阀的预测性维护，降低无效维修50%以上，创造直接经济效益近5000万元。
(二)炼化生产
一是工艺优化。在实际炼化生产前，对原油原料、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。中石油云南石化对开工原油的炼化工艺流程进行模拟分析，明确各项操作参数，从而指导生产操作，实现了常减压装置1次开车成功，制氢联合装置核心设备投产1次成功。
二是质量管控。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。中石化九江石化在炼化生产过程中，对各项质量指标进行实时监测和动态分析，实现了油品炼化质量的大幅提升，吨原油除成品油率提高到82% ，产出率提升7个百分点。
三是节能降耗。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。恒逸工业大脑通过对历年锅炉燃烧数据的深度学习，推算出最优的锅炉燃烧参数，燃煤发电效率提升2.6% ，在节煤方面增加了数千万元收入。
(三)供应链协同
一是企业内供应链协同。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。中石化镇海炼化将原油采购、资源配置、装置运行、产品结构、销售物流等进行全流程建模，系统分析供应链协同的重点难点和优化潜力点，测算了各类优化方案637个，累计创效3.9亿元。
二是企业间的供应链协同。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。当前，我国石化产业链的供应链协同正处于探索应用阶段，新冠肺炎疫情期间，基于石化盈科ProMACE工业互联网平台，镇海炼化、恒力石化进行生产动态优化调整，提高防疫所需原材料的供给能力，同时与口罩、防护服生产企业实时对接、协同排产，实现了上下游医卫用品资源配置的动态优化，提升产业链协同效率。
(四)安全巡检
一是生产安全监控。实时采集的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。中石化茂名石化基于工业互联网平台汇聚厂区内外的安全信息，结合安全风险诊断模型，实现了异常状态和安全风险的实时报警，发现并消除了1800多项生产异常问题避免了多起突发事件。
二是管道智能巡检。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，以及连接地理、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。基于ProMACE工业互联网平台，石化盈科在中石化西北油田开展了原油管线泄漏视频智能识别应用，通过训练卷积神经网络，实现视频数据实时分析处理，巡检视频识别效率提高70%以上。
三、推进应用场景落地的着力点
(一)加强底层数据分析，促进边云协同
一是边缘数据采集方面，安装传感器、无人机、摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集油田地质勘探、钻井、开采、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，实现对油田、运输管道、炼化工厂运行状态的全面感知。二是边缘数据分析方面，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。