宋揚

[摘? ? 要] 石油化工企業(yè)內部積累了海量生產(chǎn)經(jīng)營、生產(chǎn)運行、能源消耗、安全環(huán)保等業(yè)務數(shù)據(jù)。這些分散和孤立的數(shù)據(jù)被加工和利用的程度較低，缺少數(shù)據(jù)的統(tǒng)一存儲與管理。大數(shù)據(jù)技術推廣將增強對煉化企業(yè)歷史數(shù)據(jù)和實時數(shù)據(jù)的挖掘、分析和利用，實現(xiàn)系統(tǒng)集中處理和各業(yè)務層面的數(shù)據(jù)共享，提升數(shù)據(jù)價值。

[關鍵詞] 大數(shù)據(jù);數(shù)據(jù)共享;數(shù)據(jù)挖掘

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 05. 041

[中圖分類號] F270.7? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2020）05- 0091- 02

1? ? ? 什么是大數(shù)據(jù)

1.1? ?大數(shù)據(jù)的主要特征

近些年，由于計算機、物聯(lián)網(wǎng)等信息化技術以及傳感技術的發(fā)展，現(xiàn)代生活中出現(xiàn)了“一切皆可數(shù)據(jù)化”的思維，數(shù)據(jù)的產(chǎn)生方式由“人機”“機物”的二元世界向著融合社會資源、信息系統(tǒng)以及物理資源的三元世界轉變，數(shù)據(jù)規(guī)模呈膨脹式發(fā)展，信息技術快速發(fā)展、數(shù)據(jù)存儲和處理成本大幅下降，催生了大數(shù)據(jù)時代的來臨。大數(shù)據(jù)的主要特征我們可以概況為4V+1C，分別代表了Variety（多樣化）、Volume（海量化）、Velocity（快速性）、Value（價值化）以及Complexity（復雜性）。

1.2? ?大數(shù)據(jù)的定義

2015年8月國務院下發(fā)的《促進大數(shù)據(jù)發(fā)展行動綱要》中強調：“大數(shù)據(jù)是以容量大（Volume）、類型多（Variety）、存取速度快（Velocity）、應用價值高（Value）為主要特征的數(shù)據(jù)集合，正快速發(fā)展為對數(shù)量巨大、來源分散、格式多樣的數(shù)據(jù)進行采集、存儲和關聯(lián)分析，從中發(fā)現(xiàn)新知識、創(chuàng)造新價值、提升新能力的新一代信息技術和服務產(chǎn)業(yè)?！?/p>

1.3? ?大數(shù)據(jù)的核心技術

大數(shù)據(jù)技術是繼云計算之后全球最新興起的一項重大IT技術。大數(shù)據(jù)的核心技術包括基于Hadoop的大數(shù)據(jù)基礎平臺、HDFS分布式文件系統(tǒng)、YARN資源管理系統(tǒng)、SPARK大數(shù)據(jù)處理引擎、Storm大數(shù)據(jù)分布式實時計算系統(tǒng)以及R語言等數(shù)據(jù)分析應用技術等。具體分類見表1。

如表1所述，其中Hadoop的大數(shù)據(jù)基礎平臺、SPARK大數(shù)據(jù)處理引擎、Storm大數(shù)據(jù)分布式實時計算系統(tǒng)是當前最重要的三大數(shù)據(jù)分布式計算系統(tǒng)。Hadoop常用于離線的復雜的大數(shù)據(jù)處理，SPARK常用于離線的快速的大數(shù)據(jù)處理，Storm常用于在線的實時的大數(shù)據(jù)處理。

2? ? ? 煉化企業(yè)大數(shù)據(jù)需求

2.1? ?專業(yè)化、精細化管理的需要

煉化企業(yè)在生產(chǎn)技術管理、生產(chǎn)運行成本管理、設備檢維修成本管理等專業(yè)化領域需要進一步挖掘專業(yè)數(shù)據(jù)的價值，通過數(shù)據(jù)模型支持專業(yè)化管理水平提升。歷史數(shù)據(jù)的大量積累，以往多是通過人工經(jīng)驗進行分析應用，沒有充分挖掘數(shù)據(jù)價值，需要通過數(shù)據(jù)分析手段，進一步挖掘數(shù)據(jù)間的關系，用以指導業(yè)務精細化管理。

2.2? ?挖掘數(shù)據(jù)價值、提高生產(chǎn)效益的需要

在外部經(jīng)濟的大環(huán)境下，需要進一步提升企業(yè)經(jīng)營效益，低成本發(fā)展已經(jīng)成為必由之路，需要運用信息化技術，為企業(yè)的生產(chǎn)和經(jīng)營管理提供“抓手”，持續(xù)提高企業(yè)競爭力。目前在生產(chǎn)分析、生產(chǎn)操作、設備運行等環(huán)節(jié)的大數(shù)據(jù)應用均取得了階段性進展，可以為企業(yè)裝置安全平穩(wěn)運行、精細化生產(chǎn)提供科學指導。在國內部分煉廠已經(jīng)展開基于工業(yè)大數(shù)據(jù)應用的智能煉廠試點建設、研究及實踐。見表2。

3? ? ? 煉化企業(yè)的大數(shù)據(jù)應用

3.1? ?數(shù)據(jù)分析完善設備預測性檢修

在設備運行分析和資產(chǎn)預知性維修等方面，機組、閥門等控制設備的常規(guī)性維護手段多為設備定期檢修或故障后維修。難以避免的存在“過修”和“失修”現(xiàn)象，如果在設備正常運轉條件下，大數(shù)據(jù)平臺能夠分析出潛在的故障和原因，實現(xiàn)預知性維修，將能有效減少維修成本，降低非計劃停工風險。

3.1.1? ?實時采集數(shù)據(jù)

實時采集各地區(qū)煉廠的設備運維及資產(chǎn)數(shù)據(jù)。大量連續(xù)數(shù)據(jù)通過密集分布的傳感器及無線通訊網(wǎng)絡向數(shù)據(jù)采集點傳送數(shù)據(jù)，數(shù)據(jù)最終傳送到運營中心的數(shù)據(jù)分析部門。

3.1.2? ?數(shù)據(jù)算法分析

數(shù)據(jù)分析部門利用預知性算法進行大數(shù)據(jù)分析，提前發(fā)現(xiàn)設備資產(chǎn)漏洞。數(shù)據(jù)分析管理員對動態(tài)數(shù)據(jù)進行大數(shù)據(jù)分析，通過設備資產(chǎn)的歷史數(shù)據(jù)及實時數(shù)據(jù)的分析結果可以得出設備運行狀況的發(fā)展趨勢，確定問題發(fā)生位置及發(fā)生根源，并同時通知設備維護團隊進行維護數(shù)據(jù)校驗。

3.1.3? ?運營中心作用

運營中心基于大數(shù)據(jù)分析生成維護及修正計劃，并將文件多點發(fā)送至各級管理層，同時啟動配件請購計劃。運營中心可以優(yōu)化未來的預期模型為制定長期計劃奠定基礎，維護團隊可基于月度或日計劃并優(yōu)化工作優(yōu)先級，資產(chǎn)維護團隊洞察資產(chǎn)性能并了解維護執(zhí)行情況，實現(xiàn)對工作環(huán)境的安全性分析和實時洞察。

3.2? ?數(shù)據(jù)分析優(yōu)化生產(chǎn)提升效益

通過選擇煉化裝置關注的關鍵產(chǎn)品作為控制目標，利用MES系統(tǒng)中裝置歷史生產(chǎn)數(shù)據(jù)，通過大數(shù)據(jù)分析方法建立質量、收率與影響因素的預測模型，當預測到關鍵產(chǎn)品的質量不合格時，則通過最小的操作調整，在最短時間內使得產(chǎn)品質量調整合格。當預測到關鍵產(chǎn)品的質量合格時，則通過尋找效益目標函數(shù)的最優(yōu)值，為各班組快速提供最佳操作方案指導，促進整體操作水平提升，同時為優(yōu)化產(chǎn)品質量、結構及提高高附加值產(chǎn)品的產(chǎn)量提供了有效支撐。預警預測分析針對催化裂化裝置，選擇MES系統(tǒng)中裝置的關鍵工藝點位數(shù)據(jù)，依據(jù)其報警次數(shù)與報警重要性，篩選出關鍵報警點，并結合各點位的歷史生產(chǎn)數(shù)據(jù)，對每個報警點位單獨建立預測模型，提前形成對異常工況的預警機制，輔助操作人員及時進行判斷和預警。分析關鍵報警位點的根原因，在關鍵報警發(fā)生時輔助操作人員準確處理。

收集MES系統(tǒng)中催化裂化裝置歷史生產(chǎn)數(shù)據(jù)、質量檢驗數(shù)據(jù)，利用大數(shù)據(jù)技術并結合機理模型，建立與裝置生產(chǎn)密切相關的質量預測模型，結合當前生產(chǎn)工 況實時預測產(chǎn)品質量，對產(chǎn)品質量進行預把控，并結合工藝卡片給出質檢需求的合理建議，為質檢決策提供支持。

4? ? ? 智能煉廠的發(fā)展趨勢

隨著煉化企業(yè)信息化建設不斷推進，未來的智能煉廠發(fā)展趨勢是利用大數(shù)據(jù)與機器學習等技術，將多維度數(shù)據(jù)進行整合與挖掘，建立生產(chǎn)預測預警模型，對生產(chǎn)裝置中工藝狀態(tài)、操作情況等進行預測;同時對預警事件進行原因分析，評估預警 事件的風險等級;并根據(jù)業(yè)務規(guī)則提供對應的處置方案，使生產(chǎn)運行由傳統(tǒng)的事后管控向事前管控方式進行轉變。

實現(xiàn)自動化設備運行狀態(tài)監(jiān)控、設備預知維護、故障診斷、維護計劃優(yōu)化、備品備件優(yōu)化、檢維修現(xiàn)場監(jiān)控及工作協(xié)同，即從設備出現(xiàn)問題或預計出現(xiàn)問題、檢維修、到設備恢復正常運行的閉環(huán)管理，支持安全生產(chǎn)、高效生產(chǎn)。

機理模型與大數(shù)據(jù)分析模型相結合，基于歷史數(shù)據(jù)庫、實時數(shù)據(jù)，對數(shù)據(jù)進行有效性篩選，找出輸入數(shù)據(jù)和輸出數(shù)據(jù)的關聯(lián)性，并建立預測模型。結合生產(chǎn)要求，計算不同類別目標參數(shù)的最優(yōu)值，并給出推薦的操作參數(shù)。