摘要：随着炼化企业规模化、一体化的发展，生产指挥系统的作用日益重要。文章研发了一套智能生产指挥系统，通过统一的接口和数据质量保证体系，采集全厂关键数据，形成一套关键业务指标，包括计划、生产、装置、储运、能源等业务。创新应用自然语言处理(NLP)与动态数据可视化技术，以先进的大模型为基石，提供智能问答服务，实现自然语言对话式数据查询，变革传统数据交互模式，实现了炼化行业大模型应用场景的落地，推动业务决策更加科学化与智能化。
关键词：智能生产指挥,数据集成,实时监控,智能工厂,大语言模型
0引言
随着中国经济增速换挡以及“双碳”重大战略的持续推行，石化行业面临需求放缓、政策趋紧等多重考验[1]，石油石化行业的发展模式正在发生转变。过去，企业主要依靠投资来推动业务增长，但现在正在向技术创新、管理创新和服务创新转变，许多企业已经开始采用先进的数字技术来优化生产流程、提高效率和降低成本，数字化转型和智能化发展已经成为石油石化行业提升竞争力和实现可持续发展的重大战略[2-6]。
某南方新建大型炼化一体化企业以建设绿色、智能、效益型世界级炼化基地为目标，将数字化、智能化作为全新的生产力要素，设计智能工厂架构，采用EPC模式进行建设，通过建立统一的数据标准体系和模型，实现数据采集和服务自动调度，高效支撑数据在各业务域的流转和应用。
1建设思路与目标
智能生产指挥系统作为智能工厂重要的系统之一，严格遵循智能工厂信息标准体系，由智能工厂的云平台集中供给本系统基础资源，PaaS平台统一管控容器、微服务及DevOps组件，数据中台负责主数据、数据库与接口管理，保障数据统一标准化。辅以仪表盘、趋势图、数据看板及智能问答等界面元素，强化决策支持的直观性与互动性，全面提升用户体验与决策效率。
系统建设目标是：建立以问题导向、事件驱动的全厂生产指挥系统，对企业生产运行、工艺、安环、设备等核心业务重点指标监控，通过各专业系统数据支撑，实现生产过程动态呈现、问题和事件追踪回溯、生产信息的共享与集中指挥，建成纵览全公司的生产经营综合信息化工作平台和智能问答平台。
2智能生产指挥系统架构设计
炼化企业信息系统按照所对应的业务领域，从上到下可以划分为互相关联的3个层次：经营管理层、生产运行层、操作控制层[7]。本系统处于生产运营层，将底层过程控制系统、实时数据库、工业电视系统，中层生产计划与调度系统、生产执行管理系统(MES)、实验室信息管理系统(LIMS)，上层ERP系统等系统的关键数据全面集成，面向公司领导及生产调度人员，提供全厂决策信息。
2.1功能架构
系统应用B/S模式(浏览器/服务器模式)作为平台架构，设计计划管理、储运管理、能源管理、智能问答等功能。总体功能架构如图1所示。
(1)综合信息
全面监控生产经营活动，利用先进数据可视化技术，将复杂数据转化为直观图表和报告，便于管理人员快速把握关键信息，通过无纸化办公提高效率。主要业务指标涵盖炼油综合商品率、特色产品收率、高效产品收率、炼油综合损失率、乙烯能耗、效益利润、成本费用、装置效益、产品价格等。
(2)智能问答
依托于前沿的大规模预训练模型，深度融合自然语言处理(NLP)与动态数据可视化技术，旨在打造一种全新的数据交互体验，用户可通过日常对话形式与系统交流，轻松获取精准信息。
(3)计划管理
实现对全厂计划业务的集中化、自动化管理，按照年度和月度维度，将原油原料进厂、加工生产、产品销售等业务链环节集成在同一平台上，实现端到端的流程可视化和管理。主要业务指标包括计划完成率、累计完成率、均衡超欠等。
(4)储运管理
通过实时数据库技术实现对储罐、码头、汽火车栈桥、固体料仓等储运设备实时运行状态的监控。主要业务指标包括原油、产品、半成品库存，储罐温度、压力、液位、不平衡量等。
(5)生产管理
对主要生产装置的开停工、生产变动等运行状态进行监控，主要指标包括装置侧线收率、产量、装置负荷、平稳率、操作工艺指标等，建立了45套主要装置的实时监控模型，包括进料、日收率、月收率、设计收率、满负荷产量等指标。
(6)能源管理
涵盖了蒸汽、水、氢气、燃料气等能源管理场景，全面监测和分析公用工程系统运行情况。主要指标包括炼油综合能耗、单因耗能、乙烯燃动能耗、装置综合能耗、能源成本价格等。
(7)安全环保
实现全厂安全环保信息的集中管理，包括火灾报警信息、环保监控地图、火炬排放实时监控以及现场风险作业信息等。通过集成火灾报警系统信号实现对火灾的早期检测，集成VOCs系统高灵敏度的气体传感器网络对潜在的气体泄漏进行实时监控。
(8)应急指挥
支持生产调度人员在紧急情况下快速启动应急预案，自动向相关人员发送通知，并实时联动视频监控和数据分析，以实现有效的现场指挥和快速响应。系统集成了3 200路高清视频监控，在发生突发事件时，系统能够迅速定位事件位置，并通过电子地图展示受影响区域。
(9)系统管理
实现了炼化企业全业务多指标灵活配置，包含全系统油种信息配置、产品物料信息配置、储罐罐区位号配置、汽油调合和装置投入产出位号配置、能源介质参数配置等，通过全业务指标的灵活配置，实现不必依赖后端开发即可实现业务规则改变，数据指标随着改变。
2.2技术架构
智能生产指挥系统技术架构共分为四层，包括基础资源层、支撑层、实现层、展示层。具体技术架构如图2所示。
(1)基础资源层
基础资源层通过虚拟化技术将实体的服务器硬件、存储设备、网络设备以及网络安全设备等基础设施抽象化和池化，转化为更加灵活、可管理的虚拟资源，极大提升资源的利用率和部署效率，还为上层应用和服务的运行提供了坚实的基础支撑。
(2)支撑层
支撑层整合了展示组件库和引擎以构建用户界面，利用向量数据库高效处理高维数据查询，以及运用复杂的大模型进行高级数据分析和预测。这一层向上层应用提供业务和数据服务，确保了系统的灵活性、扩展性和维护性。
(3)实现层
实现层整合先进的开发工具与微服务组件，基于HTML5标准构建统一的用户交互界面。技术选型上，采用成熟高效的通用组件，如Spring Boot、Django以及集成开发环境和自动化构建工具，配合服务发现、API网关和消息队列等，构建出稳定、高可用的微服务架构。同时，灵活运用关系型与非关系型数据库及缓存机制，优化数据处理与存储，全面提升系统性能和开发效率。
(4)展示层
展示层作为用户直接接触的界面，以直观且吸引人的方式呈现数据，支持多维度的数据探索和交互，可以兼容多种终端，包括桌面浏览器、移动设备以及大屏幕显示系统，确保了广泛的应用场景覆盖。
3建设与应用成果
3.1建设成果
(1)融合尖端技术，实现生产经营全方位精细化管理
云平台提供了弹性、可扩展的基础资源和云原生支持；微服务技术支持各个模块独立运行，又相互协作；视频监控技术是系统的“敏锐眼睛”，实时监控全厂运行状态，智能识别火灾、泄漏等突发重大事故；数据集成和数据治理技术是系统的“神经中枢”，负责把来自不同源头的数据有序地收集起来，确保数据准确无误；大模型技术是系统的“智慧大脑”，通过深度学习和大规模参数训练，能够理解、解析和预测复杂的数据模式，还能基于这些洞察做出精准决策，并清晰传达指令[8-9]。
(2)实现多元化数据集成与实时监控，提升数据时效性与可用性
在数据集成方面具备高度的兼容性和处理能力，实现了多类型数据融合，根据数据的不同更新频率和重要性，采取不同的访问策略。结构化数据主要通过WebService服务接口实现实时或定期的数据交换，保证数据的最新性和一致性。对于高频率的DCS类实时数据，通过MES提供的数据接口，确保生产过程中关键参数的实时监控和分析。针对视频类非结构化数据，系统直接连接视频网络，实现动态监控画面的即时读取与播放。系统还与三维数字化工厂和安全环保管控系统进行集成，丰富了数据的维度和应用的广度。
(3)融合大模型底座与RAG技术，实现了炼化行业大模型应用场景落地
构建基于通用大模型底座衍生的生产运行、经营销售、装置运行、设备仪表等专业大模型，创新应用自然语言处理(NLP)与动态数据可视化技术，提供智能问答服务，实现自然语言对话式数据查询，变革传统数据交互模式，实现了炼化行业大模型应用场景的落地。大模型采用零一万物发布的Yi-34B-Chat微调模型，向量化模型采用智源研究院研发的bge-large-zh中文版文本表示模型，可将任意文本映射为低维稠密[10]。通过RAG(检索增强生成)技术引用炼化企业专用知识库，提高生成内容的准确性和减少大模型“幻觉”现象；运用DatabaseChat创建了企业智能体“小炼”，允许用户通过类似聊天界面的方式与数据库进行交互[11]。
3.4应用效果
系统自上线以来已稳定运行13个月，监控和跟踪了1 506项生产指标，通过67个接口与MES、能源管理等关键信息系统无缝集成，实现了生产、储运、安全等全流程的动态监控和管理，显著提升了炼化企业的生产效率、降低了运营成本。
(1)提升管理效率与运营效能
系统能够即时处理大量生产数据，提供实时的生产状态反馈，使得管理层能够在第一时间了解生产瓶颈或异常情况，迅速作出调整。例如每天通过系统召开数字化调度早会，汇总生产、财务、库存等多维度数据，形成标准化报表，减少了人工统计的工作量，提高了数据的准确性和时效性，决策周期缩短了约40%，提升了整体运营效率。
(2)实时监控预警，提升生产安全与效率
系统通过收集炼化过程中的温度、压力、流量等实时数据，通过云计算平台进行快速分析与处理，预训练模型能够识别异常模式，一旦检测到潜在风险，如设备故障前兆、超标排放等，立即触发预警机制，通知相关技术人员进行干预。通过实时监控与智能预警，有效避免了多次超标排放事件的发生，避免了巨额罚款和可能的生产中断，设备维护周期延长了30%，意外停机时间减少了50%以上，有效保障了生产安全与连续性。
(3)智能问答实现数据轻松访问、灵活查询
智能问答接入企业各类数据库，提供实时的操作指导、协助员工解决技术问题、辅助维护和故障诊断、安全培训和紧急响应指导等，实现数据轻松访问。例如针对新员工培训和操作规程的查询，通过智能问答模块，能够理解员工提出的问题，并从庞大的知识库中检索出最相关的答案。员工只需通过语音或文本输入问题，即可获得即时反馈，新员工的上岗准备时间缩短了60%，同时错误操作率下降了25%，确保了生产线的安全与合规。
4结语
智能生产指挥系统通过高度集成的数据采集、实时监控和智能问答，为炼化企业提供了一个全面、直观且互动性强的生产管理平台，不仅优化了生产流程，提高了生产效率，还增强了企业对生产运行状态的实时掌控能力，确保了生产的本质安全。
随着技术的不断进步和市场需求的日益增长，智能生产指挥系统将持续演进，进一步融合云计算、大数据、人工智能等先进技术，实现更深层次的数据分析和更精细化的生产管理。
参考文献：
[1]徐海丰.全球炼油化工产业发展新态势及启示[J].国际石油经济,2023(4):37-38.
[2]李承卓,马丹竹,牛皓,等．炼化行业复杂性与碳排放之间的关系[J].石油学报(石油加工),2024(1):239-247.
[3]王华,张春生.新一代炼化智能工厂整体数据架构规划与综合数据库研发[J].现代信息科技,2023,7(12):96-100.
[4]李海生,岳文佳,郭伟,等.生产指挥数智化全面精准管控实践[J].化工管理,2023(8):123-128.
[5]吕晓钢,王鹏飞,封晨,等.基于SpringBoot生产大屏监控系统的设计与实现[C]//天津市电子学会.第三十七届中国(天津)2023’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集.天津：天津市电子学会,2023.
[6]蔡杰英.商业智能可视化大屏展示系统设计与实现[J].计算机时代,2023(6):124-128.
[7]覃伟中,冯玉仲,陈定江,等.面向智能工厂的炼化企业生产运营信息化集成模式研究[J].清华大学学报(自然科学版),2015,55(4):373-377,469.
[8]杨海明.云原生技术推动数字化转型[J].软件和集成电路,2022(6):58-59.
[9]杨鹏.工业互联网平台微服务参考框架标准解读[J].信息技术与标准化,2023(10):14-18.
[10]何铠,管有庆,龚锐.基于深度学习和支持向量机的文本分类模型[J].计算机技术与发展,2022,32(7):22-27.
[11]暴恒,邓理睿,张良,等.基于检索增强的噪声标签细粒度图像分类方法[J].北京航空航天大学学报,2024,50(7):2284-2292.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/81628.html
