智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
回放
品牌
ARCH
智能制造是制造業轉型升級的主攻方向，十多年來，我國智能制造的發展和培育取得了巨大成就，新形勢下，工業企業，特別是作為“基本盤”的傳統產業，怎樣培育和打造適應新型工業化發展要求的“新質生產力”，推動打造智能制造升級版，已是勢在必行。以人工智能為核心的新一代信息技術與制造業的深度融合，是推動制造業邁向智能制造升級版的關鍵動能，其核心路徑是面向內部從深度上構建工廠內部持續優化與創新體系，面向外部從廣度上構建供應鏈協同制造，并從解決已知問題走向預測未知可能性。
石化行業是典型的傳統產業，是國民經濟的支柱產業，流程復雜、過程表征難、能耗高、潛在的安全環保風險大，在資源優化配置、全局優化控制、安全聯動預警、設備長周期健康運行和供應鏈協同等方面都面臨越來越深刻的挑戰。
人工智能技術，憑借其在數據挖掘、模式識別、預測分析和智能決策等方面的強大能力，與工業技術深度融合， 將不再僅僅是工具，而是重塑企業核心競爭力、生產模式和商業范式的基礎能力，這個能力的角色定位也將發生根本性轉變，將從執行優化控制任務，轉向輔助甚至主導研發創新；從進行生產調度排產，轉向進行多目標、多資源約束和全要素的優化決策；從優化內部流程，轉向打通并優化整個供應鏈生態，成為數據驅動的價值鏈生態的強大樞紐。
面向內部制造，構建工廠持續優化與創新的卓越運營體系，推進知識發現自動化，實現決策自主化與韌性化，這是卓越領航的質變之舉。
一是產品創新，從產品海量實驗數據、經驗數據和文獻數據中挖掘發現規律，預測新分子、新材料的性能，比如，應用生成式AI技術，結合機理模型、物性表征和工藝過程模型等，進行新型催化劑分子、聚合物材料的生成與篩選，并將之從傳統試錯式的研究轉變為可預測的設計。
二是工藝創新， 從實驗室小試、中試，到工業放大實驗、再到工業化生產，基于分子管理結合數字化仿真和機理建模構建從研發到工業化的實驗模擬仿真全鏈條的數字孿生體，用算法對數據自動進行關聯分析、判別數據相似性和同構性，分步解決流程放大過程中存在的工程科學問題。
三是全局優化， AI驅動的系統不再局限于某個點、單個裝置或車間，而是將市場信息、原料價格、產品需求、設備健康狀態、碳排放情況等納入體系綜合考慮，從而推動全廠甚至多個基地的生產計劃、資源配置以及物流調度的優化，在真正意義上實現全局優化，實現整體效益最大化。將碳足跡實時追蹤與優化植入決策環節之中，實現在一定約束下的利益最大化與碳效收益最佳化。例如，建立全廠的能效模型，優化蒸汽、瓦斯、氫氣、電力、水等公用工程的系統運行策略，實現全廠的能效最優。比如，將安全預警系統與應急指揮系統集成，主動發現隱患，自動啟動應急預案，并觸發相關安全聯鎖甚至緊急停車系統等。
四是構建面向過程的數字孿生系統，打造與實際工廠完全一致的虛體模型，形成從產品研發、生產工藝、產品檢驗直到運維服務全生命周期全方位協作的大系統，將生產計劃、調度指揮、實時優化、設備管理、能源管理等系統聯動起來，實現全局性的生產要素優化利用。
五是選擇幾個具有典型需求且效益較好的場景來做試點示范。例如，通過機器學習算法，基于海量歷史運行數據、分子級物性數據和實時工藝質量數據，建立分子級的物性表征和反應過程模型，實時優化控制目標，動態調整工藝參數，使裝置始終在最優工況下穩定運行；再如， 對于一些難以在線檢測的關鍵質量數據，通過人工智能來建立這些質量數據和可直接檢測的相關工藝參數之間的映射模型，實現關鍵質量數據的軟測量； 又如，通過采集設備的各種運行數據(振動、聲音、溫度等)，實現對設備異常狀態的判斷，通過采集的數據信息預測何時可能會發生故障、什么類型的故障會發生等。
面向供應鏈協同，對內，打造基于5G和云邊端協同的數字化技術底座，形成支撐算法、應用、平臺的一站式服務能力，對外，在具備主導地位的前提下結合布局加快供應鏈的協同制造體系建設，進行模式創新與價值共創，從產品供應商轉型為平臺服務和生態賦能者，這是卓越領航的重要使命。
一是平臺化服務輸出， 將領航企業經過實踐驗證的AI模型、工業APP、解決方案(如設備預測性維護、能效優化、資源優化、分子級物性表征和反應模型、過程模擬等)服務化輸出至上下游企業，帶動上下游企業的協同發展，提升協同效率和抗風險韌性。特別是要著力于面向行業中的中小企業，帶動產業鏈整體的提質增效。比如，領航企業可以通過訂閱及數據增值業務等多種方式獲得更多的效益來源，中小企業通過利用這些領先的服務實現低成本轉型升級。
二是網絡化協同制造， 構建以領航企業為核心的產業云平臺。動態匹配供需雙方的個性化訂單/物料互供需求及其產能和物料庫存情況，以數據鏈牽引物流鏈、資金鏈、價值鏈，驅動供應鏈柔性制造精準生產。
三是產品的服務化延伸，發展基于大數據的增值服務，比如，為客戶提供個性化的產品配方解決方案、催化劑工藝技術遠程服務等，從賣產品轉向同時賣服務，通過收集客戶反饋的原料和產品的使用情況數據，持續改進產品配方和性能。
AI賦能智能工廠，絕非一系列孤立AI項目的堆砌，而是一項復雜的系統工程，必須建立堅實的體系化支撐，其總體架構、標準體系以及與之對應的標桿實踐三者的有機融合是一個有效保證。
一是智能工廠的總體架構，它是AI能力的載體和部署藍圖，直接決定了系統的靈活性、擴展性和協同性。首先要打造AI驅動的平臺化核心底座，構建企業級的AI中臺與數據湖倉一體平臺，形成支撐創新體系和卓越運營體系中各項能力的基礎。將分散的算法和模型等AI能力沉淀為可復用的服務，比如，構建關鍵裝置、關鍵流程、能源介質網絡、乃至全廠一體化的數字孿生模型，實現虛實映射與交互，實現從煙囪式開發到組件化賦能的轉變，從而提升創新效率。其次要云邊端協同， 以生產裝置、重大關鍵裝備、能源介質管網、危險源分布為對象，打造和部署邊緣側輕量級數字孿生的AI智能體，實現智能體內部的實時精準執行、實時故障診斷、安全風險識別預警和面向分子管理的實時優化等智能控制。在云端進行復雜模型訓練，支撐油烯芳煉化生產全環節一體化協同優化和全要素約束條件下的資源排產全局優化。第三要開放與生態化， 架構需為未來產業鏈協同預留開放接口，這是實現從內部優化到外部賦能跨越的物理基礎。
二是與之對應的工廠級標準體系，它是確保智能工廠內各部分順暢交互、實現數據與模型自由流動的保障，是將最佳實踐固化為可復制能力的關鍵。首先是數據標準， 統一數據模型、數據質量與治理標準，是確保AI模型獲得高質量數據、實現精準優化的基礎，沒有統一的數據標準和高質量的數據集，全局優化無從談起。第二是模型與接口標準， 建立AI模型全生命周期管理規范、API標準，使得不同來源的模型和服務能夠被靈活組合和調用，支撐起創新體系的快速迭代和生態協同體系的安全開放。第三是在國家和石化行業智能制造標準體系建設指南的指引下，融合相關國家標準、行業標準、團體標準以及企業在實踐中形成的先進企業標準，形成工廠級智能制造標準群，并基于此標準群打造石化行業智能工廠標準體系的試驗田和標桿示范，從而引領整個行業的智能化發展，這也正是領航級工廠的義務所致。
因此，在申報領航級工廠項目時，應明確要求企業要有可行的標準體系打造培育計劃，通過反饋與迭代，驅動架構的演進和標準的完善，使得基于統一架構和標準形成的解決方案被快速、低成本地復制到行業內其他工廠，從而實現智能化能力的規模化推廣。
卓越工廠重在通過AI賦能實現工廠自身運營與知識創新，領航工廠是重在通過 AI對外部生態的賦能與經營模式的根本性重構。走在通往卓越領航的大道上，石化企業在利用AI助力自身轉型升級的過程中，將大力推進人工智能和石化行業的深度融合，推動石化產業從數字化到智能化，并構建與之相適應的人工智能技術體系和業務運營新模式。
人工智能的迭代升級必將徹底顛覆工業企業的傳統生產模式、管理方式與商業范式。因此，企業應當未雨綢繆，以戰略的眼界審時度勢地做好布局，同時又要實事求是，腳踏實地走好每一步，切實把數據作為重要的生產要素，持之以恒地推動AI與業務深度融合，打造安全、高效、綠色、可持續發展的領航工廠，在全球范圍內引領行業發展潮流。
作者：國家智能制造專家委員會委員、國家智能制造標準化委員會專家咨詢組專家 蔣白樺
原標題：智造洞見專欄 | 蔣白樺：走向領航——人工智能賦能石化智能工廠的路徑探索與展望
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
