蒋白桦：走向领航——人工智能赋能石化智能工厂的路径探索与展望

　　智能制造是制造业转型升级的主攻方向，十多年来，我国智能制造的发展和培育取得了巨大成就，新形势下，工业企业，特别是作为“基本盘”的传统产业，怎样培育和打造适应新型工业化发展要求的“新质生产力”，推动打造智能制造升级版，已是势在必行。以人工智能为核心的新一代信息技术与制造业的深度融合，是推动制造业迈向智能制造升级版的关键动能，其核心路径是面向内部从深度上构建工厂内部持续优化与创新体系，面向外部从广度上构建供应链协同制造，并从解决已知问题走向预测未知可能性。
 

　　石化行业是典型的传统产业，是国民经济的支柱产业，流程复杂、过程表征难、能耗高、潜在的安全环保风险大，在资源优化配置、全局优化控制、安全联动预警、设备长周期健康运行和供应链协同等方面都面临越来越深刻的挑战。
 

　　人工智能技术，凭借其在数据挖掘、模式识别、预测分析和智能决策等方面的强大能力，与工业技术深度融合， 将不再仅仅是工具，而是重塑企业核心竞争力、生产模式和商业范式的基础能力，这个能力的角色定位也将发生根本性转变，将从执行优化控制任务，转向辅助甚至主导研发创新；从进行生产调度排产，转向进行多目标、多资源约束和全要素的优化决策；从优化内部流程，转向打通并优化整个供应链生态，成为数据驱动的价值链生态的强大枢纽。
 

　　面向内部制造，构建工厂持续优化与创新的卓越运营体系，推进知识发现自动化，实现决策自主化与韧性化，这是卓越领航的质变之举。
 

　　一是产品创新，从产品海量实验数据、经验数据和文献数据中挖掘发现规律，预测新分子、新材料的性能，比如，应用生成式AI技术，结合机理模型、物性表征和工艺过程模型等，进行新型催化剂分子、聚合物材料的生成与筛选，并将之从传统试错式的研究转变为可预测的设计。
 

　　二是工艺创新， 从实验室小试、中试，到工业放大实验、再到工业化生产，基于分子管理结合数字化仿真和机理建模构建从研发到工业化的实验模拟仿真全链条的数字孪生体，用算法对数据自动进行关联分析、判别数据相似性和同构性，分步解决流程放大过程中存在的工程科学问题。
 

　　三是全局优化， AI驱动的系统不再局限于某个点、单个装置或车间，而是将市场信息、原料价格、产品需求、设备健康状态、碳排放情况等纳入体系综合考虑，从而推动全厂甚至多个基地的生产计划、资源配置以及物流调度的优化，在真正意义上实现全局优化，实现整体效益最大化。将碳足迹实时追踪与优化植入决策环节之中，实现在一定约束下的利益最大化与碳效收益最佳化。例如，建立全厂的能效模型，优化蒸汽、瓦斯、氢气、电力、水等公用工程的系统运行策略，实现全厂的能效最优。比如，将安全预警系统与应急指挥系统集成，主动发现隐患，自动启动应急预案，并触发相关安全联锁甚至紧急停车系统等。
 

　　四是构建面向过程的数字孪生系统，打造与实际工厂完全一致的虚体模型，形成从产品研发、生产工艺、产品检验直到运维服务全生命周期全方位协作的大系统，将生产计划、调度指挥、实时优化、设备管理、能源管理等系统联动起来，实现全局性的生产要素优化利用。
 

　　五是选择几个具有典型需求且效益较好的场景来做试点示范。例如，通过机器学习算法，基于海量历史运行数据、分子级物性数据和实时工艺质量数据，建立分子级的物性表征和反应过程模型，实时优化控制目标，动态调整工艺参数，使装置始终在最优工况下稳定运行；再如， 对于一些难以在线检测的关键质量数据，通过人工智能来建立这些质量数据和可直接检测的相关工艺参数之间的映射模型，实现关键质量数据的软测量； 又如，通过采集设备的各种运行数据(振动、声音、温度等)，实现对设备异常状态的判断，通过采集的数据信息预测何时可能会发生故障、什么类型的故障会发生等。
 

　　面向供应链协同，对内，打造基于5G和云边端协同的数字化技术底座，形成支撑算法、应用、平台的一站式服务能力，对外，在具备主导地位的前提下结合布局加快供应链的协同制造体系建设，进行模式创新与价值共创，从产品供应商转型为平台服务和生态赋能者，这是卓越领航的重要使命。
 

　　一是平台化服务输出， 将领航企业经过实践验证的AI模型、工业APP、解决方案(如设备预测性维护、能效优化、资源优化、分子级物性表征和反应模型、过程模拟等)服务化输出至上下游企业，带动上下游企业的协同发展，提升协同效率和抗风险韧性。特别是要着力于面向行业中的中小企业，带动产业链整体的提质增效。比如，领航企业可以通过订阅及数据增值业务等多种方式获得更多的效益来源，中小企业通过利用这些领先的服务实现低成本转型升级。
 

　　二是网络化协同制造， 构建以领航企业为核心的产业云平台。动态匹配供需双方的个性化订单/物料互供需求及其产能和物料库存情况，以数据链牵引物流链、资金链、价值链，驱动供应链柔性制造精准生产。
 

　　三是产品的服务化延伸，发展基于大数据的增值服务，比如，为客户提供个性化的产品配方解决方案、催化剂工艺技术远程服务等，从卖产品转向同时卖服务，通过收集客户反馈的原料和产品的使用情况数据，持续改进产品配方和性能。
 

　　AI赋能智能工厂，绝非一系列孤立AI项目的堆砌，而是一项复杂的系统工程，必须建立坚实的体系化支撑，其总体架构、标准体系以及与之对应的标杆实践三者的有机融合是一个有效保证。
 

　　一是智能工厂的总体架构，它是AI能力的载体和部署蓝图，直接决定了系统的灵活性、扩展性和协同性。首先要打造AI驱动的平台化核心底座，构建企业级的AI中台与数据湖仓一体平台，形成支撑创新体系和卓越运营体系中各项能力的基础。将分散的算法和模型等AI能力沉淀为可复用的服务，比如，构建关键装置、关键流程、能源介质网络、乃至全厂一体化的数字孪生模型，实现虚实映射与交互，实现从烟囱式开发到组件化赋能的转变，从而提升创新效率。其次要云边端协同， 以生产装置、重大关键装备、能源介质管网、危险源分布为对象，打造和部署边缘侧轻量级数字孪生的AI智能体，实现智能体内部的实时精准执行、实时故障诊断、安全风险识别预警和面向分子管理的实时优化等智能控制。在云端进行复杂模型训练，支撑油烯芳炼化生产全环节一体化协同优化和全要素约束条件下的资源排产全局优化。第三要开放与生态化， 架构需为未来产业链协同预留开放接口，这是实现从内部优化到外部赋能跨越的物理基础。
 

　　二是与之对应的工厂级标准体系，它是确保智能工厂内各部分顺畅交互、实现数据与模型自由流动的保障，是将最佳实践固化为可复制能力的关键。首先是数据标准， 统一数据模型、数据质量与治理标准，是确保AI模型获得高质量数据、实现精准优化的基础，没有统一的数据标准和高质量的数据集，全局优化无从谈起。第二是模型与接口标准， 建立AI模型全生命周期管理规范、API标准，使得不同来源的模型和服务能够被灵活组合和调用，支撑起创新体系的快速迭代和生态协同体系的安全开放。第三是在国家和石化行业智能制造标准体系建设指南的指引下，融合相关国家标准、行业标准、团体标准以及企业在实践中形成的先进企业标准，形成工厂级智能制造标准群，并基于此标准群打造石化行业智能工厂标准体系的试验田和标杆示范，从而引领整个行业的智能化发展，这也正是领航级工厂的义务所致。
 

　　因此，在申报领航级工厂项目时，应明确要求企业要有可行的标准体系打造培育计划，通过反馈与迭代，驱动架构的演进和标准的完善，使得基于统一架构和标准形成的解决方案被快速、低成本地复制到行业内其他工厂，从而实现智能化能力的规模化推广。
 

　　卓越工厂重在通过AI赋能实现工厂自身运营与知识创新，领航工厂是重在通过 AI对外部生态的赋能与经营模式的根本性重构。走在通往卓越领航的大道上，石化企业在利用AI助力自身转型升级的过程中，将大力推进人工智能和石化行业的深度融合，推动石化产业从数字化到智能化，并构建与之相适应的人工智能技术体系和业务运营新模式。
 

　　人工智能的迭代升级必将彻底颠覆工业企业的传统生产模式、管理方式与商业范式。因此，企业应当未雨绸缪，以战略的眼界审时度势地做好布局，同时又要实事求是，脚踏实地走好每一步，切实把数据作为重要的生产要素，持之以恒地推动AI与业务深度融合，打造安全、高效、绿色、可持续发展的领航工厂，在全球范围内引领行业发展潮流。
 

　　作者：国家智能制造专家委员会委员、‌国家智能制造标准化委员会专家咨询组专家 蒋白桦
 

　　原标题：智造洞见专栏 | 蒋白桦：走向领航——人工智能赋能石化智能工厂的路径探索与展望