智能制造是制造業(yè)轉型升級的主攻方向，十多年來，我國智能制造的發(fā)展和培育取得了巨大成就，新形勢下，工業(yè)企業(yè)，特別是作為“基本盤”的傳統(tǒng)產(chǎn)業(yè)，怎樣培育和打造適應新型工業(yè)化發(fā)展要求的“新質生產(chǎn)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(yè)的深度融合，是推動制造業(yè)邁向智能制造升級版的關鍵動能，其核心路徑是面向內(nèi)部從深度上構建工廠內(nèi)部持續(xù)優(yōu)化與創(chuàng)新體系，面向外部從廣度上構建供應鏈協(xié)同制造，并從解決已知問題走向預測未知可能性。
 

　　石化行業(yè)是典型的傳統(tǒng)產(chǎn)業(yè)，是國民經(jīng)濟的支柱產(chǎn)業(yè)，流程復雜、過程表征難、能耗高、潛在的安全環(huán)保風險大，在資源優(yōu)化配置、全局優(yōu)化控制、安全聯(lián)動預警、設備長周期健康運行和供應鏈協(xié)同等方面都面臨越來越深刻的挑戰(zhàn)。
 

　　人工智能技術，憑借其在數(shù)據(jù)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(yè)技術深度融合， 將不再僅僅是工具，而是重塑企業(yè)核心競爭力、生產(chǎn)模式和商業(yè)范式的基礎能力，這個能力的角色定位也將發(fā)生根本性轉變，將從執(zhí)行優(yōu)化控制任務，轉向輔助甚至主導研發(fā)創(chuàng)新；從進行生產(chǎn)調(diào)度排產(chǎn)，轉向進行多目標、多資源約束和全要素的優(yōu)化決策；從優(yōu)化內(nèi)部流程，轉向打通并優(yōu)化整個供應鏈生態(tài)，成為數(shù)據(jù)驅動的價值鏈生態(tài)的強大樞紐。
 

　　面向內(nèi)部制造，構建工廠持續(xù)優(yōu)化與創(chuàng)新的卓越運營體系，推進知識發(fā)現(xiàn)自動化，實現(xiàn)決策自主化與韌性化，這是卓越領航的質變之舉。
 

　　一是產(chǎn)品創(chuàng)新，從產(chǎn)品海量實驗數(shù)據(jù)、經(jīng)驗數(shù)據(jù)和文獻數(shù)據(jù)中挖掘發(fā)現(xiàn)規(guī)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(tǒng)試錯式的研究轉變?yōu)榭深A測的設計。
 

　　二是工藝創(chuàng)新， 從實驗室小試、中試，到工業(yè)放大實驗、再到工業(yè)化生產(chǎn)，基于分子管理結合數(shù)字化仿真和機理建模構建從研發(fā)到工業(yè)化的實驗模擬仿真全鏈條的數(shù)字孿生體，用算法對數(shù)據(jù)自動進行關聯(lián)分析、判別數(shù)據(jù)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(yōu)化， AI驅動的系統(tǒng)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(chǎn)品需求、設備健康狀態(tài)、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(chǎn)計劃、資源配置以及物流調(diào)度的優(yōu)化，在真正意義上實現(xiàn)全局優(yōu)化，實現(xiàn)整體效益最大化。將碳足跡實時追蹤與優(yōu)化植入決策環(huán)節(jié)之中，實現(xiàn)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(yōu)化蒸汽、瓦斯、氫氣、電力、水等公用工程的系統(tǒng)運行策略，實現(xiàn)全廠的能效最優(yōu)。比如，將安全預警系統(tǒng)與應急指揮系統(tǒng)集成，主動發(fā)現(xiàn)隱患，自動啟動應急預案，并觸發(fā)相關安全聯(lián)鎖甚至緊急停車系統(tǒng)等。
 

　　四是構建面向過程的數(shù)字孿生系統(tǒng)，打造與實際工廠完全一致的虛體模型，形成從產(chǎn)品研發(fā)、生產(chǎn)工藝、產(chǎn)品檢驗直到運維服務全生命周期全方位協(xié)作的大系統(tǒng)，將生產(chǎn)計劃、調(diào)度指揮、實時優(yōu)化、設備管理、能源管理等系統(tǒng)聯(lián)動起來，實現(xiàn)全局性的生產(chǎn)要素優(yōu)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(shù)據(jù)、分子級物性數(shù)據(jù)和實時工藝質量數(shù)據(jù)，建立分子級的物性表征和反應過程模型，實時優(yōu)化控制目標，動態(tài)調(diào)整工藝參數(shù)，使裝置始終在最優(yōu)工況下穩(wěn)定運行；再如， 對于一些難以在線檢測的關鍵質量數(shù)據(jù)，通過人工智能來建立這些質量數(shù)據(jù)和可直接檢測的相關工藝參數(shù)之間的映射模型，實現(xiàn)關鍵質量數(shù)據(jù)的軟測量； 又如，通過采集設備的各種運行數(shù)據(jù)(振動、聲音、溫度等)，實現(xiàn)對設備異常狀態(tài)的判斷，通過采集的數(shù)據(jù)信息預測何時可能會發(fā)生故障、什么類型的故障會發(fā)生等。
 

　　面向供應鏈協(xié)同，對內(nèi)，打造基于5G和云邊端協(xié)同的數(shù)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(xié)同制造體系建設，進行模式創(chuàng)新與價值共創(chuàng)，從產(chǎn)品供應商轉型為平臺服務和生態(tài)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(yè)經(jīng)過實踐驗證的AI模型、工業(yè)APP、解決方案(如設備預測性維護、能效優(yōu)化、資源優(yōu)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(yè)，帶動上下游企業(yè)的協(xié)同發(fā)展，提升協(xié)同效率和抗風險韌性。特別是要著力于面向行業(yè)中的中小企業(yè)，帶動產(chǎn)業(yè)鏈整體的提質增效。比如，領航企業(yè)可以通過訂閱及數(shù)據(jù)增值業(yè)務等多種方式獲得更多的效益來源，中小企業(yè)通過利用這些領先的服務實現(xiàn)低成本轉型升級。
 

　　二是網(wǎng)絡化協(xié)同制造， 構建以領航企業(yè)為核心的產(chǎn)業(yè)云平臺。動態(tài)匹配供需雙方的個性化訂單/物料互供需求及其產(chǎn)能和物料庫存情況，以數(shù)據(jù)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(chǎn)。
 

　　三是產(chǎn)品的服務化延伸，發(fā)展基于大數(shù)據(jù)的增值服務，比如，為客戶提供個性化的產(chǎn)品配方解決方案、催化劑工藝技術遠程服務等，從賣產(chǎn)品轉向同時賣服務，通過收集客戶反饋的原料和產(chǎn)品的使用情況數(shù)據(jù)，持續(xù)改進產(chǎn)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(tǒng)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(tǒng)的靈活性、擴展性和協(xié)同性。首先要打造AI驅動的平臺化核心底座，構建企業(yè)級的AI中臺與數(shù)據(jù)湖倉一體平臺，形成支撐創(chuàng)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(wǎng)絡、乃至全廠一體化的數(shù)字孿生模型，實現(xiàn)虛實映射與交互，實現(xiàn)從煙囪式開發(fā)到組件化賦能的轉變，從而提升創(chuàng)新效率。其次要云邊端協(xié)同， 以生產(chǎn)裝置、重大關鍵裝備、能源介質管網(wǎng)、危險源分布為對象，打造和部署邊緣側輕量級數(shù)字孿生的AI智能體，實現(xiàn)智能體內(nèi)部的實時精準執(zhí)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(yōu)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(chǎn)全環(huán)節(jié)一體化協(xié)同優(yōu)化和全要素約束條件下的資源排產(chǎn)全局優(yōu)化。第三要開放與生態(tài)化， 架構需為未來產(chǎn)業(yè)鏈協(xié)同預留開放接口，這是實現(xiàn)從內(nèi)部優(yōu)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(nèi)各部分順暢交互、實現(xiàn)數(shù)據(jù)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(shù)據(jù)標準， 統(tǒng)一數(shù)據(jù)模型、數(shù)據(jù)質量與治理標準，是確保AI模型獲得高質量數(shù)據(jù)、實現(xiàn)精準優(yōu)化的基礎，沒有統(tǒng)一的數(shù)據(jù)標準和高質量的數(shù)據(jù)集，全局優(yōu)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(guī)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(diào)用，支撐起創(chuàng)新體系的快速迭代和生態(tài)協(xié)同體系的安全開放。第三是在國家和石化行業(yè)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(yè)標準、團體標準以及企業(yè)在實踐中形成的先進企業(yè)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(yè)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(yè)的智能化發(fā)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(yè)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(tǒng)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(yè)內(nèi)其他工廠，從而實現(xiàn)智能化能力的規(guī)?；茝V。
 

　　卓越工廠重在通過AI賦能實現(xiàn)工廠自身運營與知識創(chuàng)新，領航工廠是重在通過 AI對外部生態(tài)的賦能與經(jīng)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(yè)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(yè)的深度融合，推動石化產(chǎn)業(yè)從數(shù)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(yè)務運營新模式。
 

　　人工智能的迭代升級必將徹底顛覆工業(yè)企業(yè)的傳統(tǒng)生產(chǎn)模式、管理方式與商業(yè)范式。因此，企業(yè)應當未雨綢繆，以戰(zhàn)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(shù)據(jù)作為重要的生產(chǎn)要素，持之以恒地推動AI與業(yè)務深度融合，打造安全、高效、綠色、可持續(xù)發(fā)展的領航工廠，在全球范圍內(nèi)引領行業(yè)發(fā)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