分享

人工智能和化学工业有关系吗?--参加某智能制造会议有感(终结)

 黑炭4qpua8lh19 2017-09-03

在上篇人工智能和化学工业有关系吗?--参加某智能制造会议有感(2)中指出,恒定智能系统--知识自动化才是今后化学工业搞信息化、智能化的重点方向。本篇作为终结篇,说明化学工业智能制造的道路。


三、知识自动化才是化学工业智能制造的主方向


化学工程作为一种典型的工程学科,其特点是半理论半实验。由于一些现象过于复杂,涉及机械、材料、物理、化学、热力学、动力学和传递,多种因素关联偶合在一起,无法通过纯理论逻辑推导得到某些现象的原因或结论,需要在实验室环境下将各种因素分离独立研究(彻底的研究方法),或者综合在一起、只研究主要因素对结果的影响。也就是说,化学工程的大部分理论知识来自于实验室研究。

举一个简单例子,例如一组新的二元体系,在没有汽液平衡实验数据的前提下,有哪种模型敢说它的预测精度在5%内?虽然化工文献和数据库中已经有了上百万组的二元汽液平衡实验数据,化工热力学家研究了近50年的汽液平衡预测模型,但一旦遇到关键应用,还是得去实验室做实验得到实验数据。


又由于化工现象的复杂性,有些现象在工业装置上表现出与实验室实验装置上不同的特性甚至在实验室无法观察到的现象,即所谓的“放大效应”,其本质还是对某些因素考察不清导致没有正确预测。此时,我们可以从工业装置得到反馈从而扩展化学工程的知识。另外,从工业装置运行中,还可以得到大量的操作、维护、安全方面的、超出实验室研究范围的经验性知识。

(虽然化工行业在中国不是什么好形象,在大学也不是什么好专业,但是其学科知识结构、研究方法都比较复杂,在欧美化学工程在工程学科中是一个收入靠前的专业。)


可见,一个化工装置的工艺机理知识基本已经融入到最初的设计中和运行的自动化控制中,已经80%以上实现了知识的自动化;而装置运营知识,主要涉及人员管理、资产设备管理、操作、维护、供应链的知识还是存在于各种SOP中,和作为经验存在于人脑中,这方面离知识自动化还有很在大的距离。


将经验转化为数据,将数据转化为知识,将知识融入到自动化系统中,我想这就是知识自动化,这也是智能制造的核心。


化学工业的知识自动化和智能制造到底能做什么呢?

生产工艺是一个化工企业的核心,化工行业的生产过程数字化、自动化和智能化程度走在整个工业体系的前列,基本已经实现车间无人化生产,但是中央控制室还是坐着人,通过电脑屏幕观察和监测着生产过程,随时准备人工远程干预甚至去现场干预。实际上,我们的最终的产品质量并非一成不变非常稳定,生产过程的原料利用率和能源利用率也并非达到最佳。一个化工装置并非做到自动化、无人化就算实现了智能制造的目标,新目标已经不是满足系统稳定在一个状态,而是让装置系统自动运行在满足装置安全、产品质量约束下,原料、能源、资产利用率最优的状态下。多产品的精细化工工厂还要实现敏捷、柔性以快速应对市场变化和订单要求。


油化工行业的“智能制造”的架构早已确定,即在过程控制、生产管理、经营管理这三个层次实现知识自动化和智能化,分别对应过程控制系统(PCS)、生产执行系统(MES)、企业资源计划(ERP)

(图片来自 “科普化工”公众号)

  • 过程控制系统(PCS): 将表征生产过程的参量为被控制量使之接近给定值或保持在给定范围内的自动控制系统,以DCS和PLC为代表,包括先进过程控制APC。

  • 企业资源计划( ERP ):是对企业资源进行有效综合的计划与管理,功能包括产品定货、原材料采购、配送、销售、会计等一系列业务流,以SAP为代表

  • 生产过程执行管理系统(MES):作为DCS和MES之间的接口,实现生产绩效管理和运行数据的集成,功能模块包括短期生产计划、作业排产和调度(APS)、维护管理、技术信息管理、在线实时优化RTO、产品质量管理LIMS


不管在哪个层级,要让计算机来解决问题,都需要将问题数字化并抽象为数学模型,所以智能化的核心是五个化:'数字化、可视化、模型化、自动化、集成化'。只有将经验、信息通过检测技术来数字化,通过数据可视化分析找到规律,然后将规律转化为数学模型,再通过计算机对数学模型自动求解、自动决策,将决策或结论自动传输给上一层或者下一层,从而达到集成化。这个完整的过程就是知识自动化,知识自动化将人从重复性工作中解脱出来,专注于创新和高附加值的活动,显然它对人才的要求变得更高。


四、业界对智能制造的反应--参会有感


六月初,我参加了第三届中国石油与化工可持续发展论坛中的智能制造分论坛。作为一篇参会感,还是写一些感受吧。


  • 中石化是流程工业“智能制造”的先行者,有清晰的体系结构和路线图

镇海炼化信息中心储祥萍主任报告“生产管控智能化,实现降本增效“,介绍了镇海炼化在于ERP、MES和PCS三个层次的信息化和智能化的方法和工具,实施、使用经验。

查阅资料可以发现,早在工业4.0提出之前的2012年,中国石化开始启动智能工厂总体规划,2014年中石化完成了智能工厂系统设计,并全面启动燕山石化、镇海炼化、茂名石化、九江石化4个试点的建设工作。中石化当之无愧地属于智能制造的先行者,并且是远远走在其他企业前列。


既然中石化为炼油石化行业建立了完整的智能制造体系,那么其他化工公司直接复制他们的工具和方法,是否就能实现智能制造呢?天底下没有靠复制就能成功的事,尤其从石化向化工行业复制。

 第一,石化企业原料原油来源多,组成多变,产品线多且可根据市场调节产品比例,所以生产计划调度尤为重要。而一般化工企业,尤其大宗品化工,原料和产品都比较稳定,在资源调度和生产计划即顶层ERP的设计要简单的多。对多原料多产品多产线的化工企业,值得通过计划调度系统优化生产资源。

第二,上各种智能制造系统的投入和产出比。智能制造的一项主要投入就是各个层次的软件,软件投资的一个特点就是它与装置规模几乎无关,一套软件的价格不会随着装置规模大小发生变化,但产生的效益基本同装置规模成正比,如此看来,软件系统的投资收益也存在几乎是线性的规模效应。中小企业必须用适合中小企业的低成本的软件系统。

第三,三个层次的优化除了PCS直接纯粹和设备通讯外,但是ERP和MES有更多的与人的接口,并涉及到企业的管理文化,系统的投用涉及到管理、文化的变化,或者系统根据企业的管理文化来定制化。涉及到人的东西,就不能简单的复制了。


  • 设备维护诊断还真需要大数据技术

上海精技富华的许哲绍总经理报告了”智慧可靠度两化深度融合体系“,介绍利用大数据技术对动设备运行状态的监控、预维护、和故障诊断。

对此我表示深深的赞同,我在拙文大数据技术会怎样改变化学工业?(2) 中表示,动设备的监测、预维护是大数据技术在化工领域少许的几个可行应用之一。其需要发展的技术:

  1. 新型传感技术:将振动、声音、图像、电流等信号融入监测模型中,一个关键特征信号可以代替几十个关联较弱的信号。而基于大数据的人工智能技术最大的成就就是声音、图像的处理识别,工业上基于这两类信号的应用还比较少,是时候应用它们了。

  2. 信号处理方法和算法:如何将信号现象同故障类型关联起来,需要使用高级模式识别技术。


  • 主流技术服务商技术方案比较接地气

艾默生的瞿昭女士参加了圆桌讨论,回答了我提出的几个问题,非常有逻辑有条理,贴切实际情况,明确指出不能用离散工业的智能制造、工业4.0的概念套用到流程工业,没有任何让我感到夸大智能制造的内容。

艾默生在流程工业的智能制造主推PLANTWEB,底层依然是它的测量仪表,应用层作了一些属于MES的东西,采用工业云进行数据管理,所以应用层的数据接口更简单。

通过线下交流,这个PLANTWEB应用层的一个应用就是基于振动分析的泵、压缩机这些动设备的性能监测,这一点就是在上文“设备维护诊断还真需要大数据技术”提过,所以这个问题大家都比较重视。


五、结语


虽然人工智能的概念现在非常热,讲了无数故事,吸引了无数投资,但是对化学工业(甚至可以扩大到流程工业)的影响基本可以认为忽略不计。化学工业谈智能制造,绝不是依靠基于大数据的人工智能,而是依靠知识、经验的数字化、自动化。


石油化工行业的“智能制造”的框架早已确定,就是在过程控制、生产管理、经营管理这三个层次分别通过PCS、MES和ERP来实现知识自动化和智能化,这是一条靠谱的路。


我之前写了系列大数据的文章,感兴趣者可以阅读。

大数据技术会怎样改变化学工业?(3,终结)

大数据技术会怎样改变化学工业?(2)

大数据技术会怎样改变化学工业?(1)

大数据真的无所不能吗?思维篇(2)

大数据真的无所不能吗?思维篇(1)

大数据没那么神秘:技术篇(2)

大数据没那么神秘: 技术篇(1)


版权声明:作者保留全文版权,任何其他公众号转载需取得作者同意。欢迎转载和转发!

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多