某大型石化企业CIO余斌：石化行业数字孪生应用探索
关键讯息，D1时间送达！
某大型石化企业CIO 余斌
信息化通过信息管理提升效率，而提升效率的核心是流程或流程再造。数字化转型的核心是模式和创新，在余斌看来，如果没有模式上的创新，不如老老实实做信息化。
信息化与数字化的区别是什么?余斌提到，原来线下只需要一天就能完成的事情，放在线上可能需要五天才能完成，因为如果只是把线下的工作搬到了线上，并没有进行流程再造，那么效率不增反降。还有一个核心是需要用智能化来解决问题，从信息化到智能化的核心词是助手和效益，数字化转型亦是如此。
智能制造的三个阶段
第一个阶段：数字化制造阶段，典型应用是数字孪生应用。
第二个阶段：网络化制造阶段，是服务+产业链协同应用。
第三个阶段：AI+工业智能应用阶段。
什么是数字孪生?
数字孪生应用的核心词是“模型”，网上有“数据+模型=工业互联网”，或“数据+模型=服务”的说法。余斌强调：很多企业没有达到数字化阶段，没有打好自动化基础或工业基础，数据收不上来，不可能做数字孪生。
余斌举了个简单的例子，地铁的倒闸一刷卡，倒闸打开人就可以过去，它是一个“感知+计算+联网+控制”的系统，是软件+硬件结合的系统，或者是智能嵌入式软件+硬件系统，它是一个CPS系统。如果能理解CPS，就知道数字孪生系统如何跟CPS进行互动。
CPS是数字孪生物理实体的基础单元，数字孪生需要通过CPS系统实现虚实闭环。数字孪生是一个物理实体，它可以是一台设备，可以是生产线，可以是一个工厂，也可以是管理方面的流程。针对物理实体建立一个数字虚体，然后基于数字虚体去研究和优化。优化是一个闭环的过程，这个闭环过程一定会反馈回物理实体，一定有一个CPS(嵌入式软件+硬件的系统)作为它的数据单元。这是余斌对CPS和数字孪生概念的理解。
余斌认为：数字孪生应用是通过对数字虚体的了解和分析，实现对物理实体的优化。数字孪生是数字化阶段的标志性系统，而数字孪生系统是智能制造战略落地的真正抓手。
有些人会将数字孪生和仿真混为一谈，其实仿真只是其中的一项技术，而且是数字孪生整个技术体系中的基础技术。数字孪生的核心技术之一是模型修正技术，指通过对数字虚体的研究，反过来优化物理实体，这时会涉及到模型和建模。例如在化工厂里，温度、压力、环境、原料各方面参数一旦发生变化，模型准确度就会下降，必须定期派专家过去对模型重新校准，如今通过智能化技术，能够通过机器学习自动进行修正，因此模型修正技术是非常关键的一项技术。
数字孪生应用的三个层次
第一个应用层次是“镜”。首先要基于物理实体建一个数字虚体，但是这个孪生的数字虚体还达不到照镜子的程度，核心问题是要把运行数据实时同步到数字虚体中。余斌比喻数字虚体就像人在照镜子，你怎么动镜子里的它就怎么动，人照镜子是有目的的，看看发型乱不乱，脸上脏不脏，数字孪生的目标是通过数字虚体看到物理实体看不到的东西，例如通过数字孪生，马上能看到哪个位置下面有什么管道，跑的什么流体，是什么介质，达到照镜子一样的目的。
第二个应用层次是“警”。拿到大量运行数据的核心作用是模型，用数据建模、分析，实现预测预警。例如针对质量的预测预警，通过采集相关化验的质量数据，可以预测到某一时间段后产品即将低于合格水平，必须如何调整才能保证产品质量合格，这是一个预测预警的应用场景。
第三个应用层次是“精”。除了将运行数据实时同步到数字虚体中，还要通过工艺模型、机理模型进行模拟，模拟后将优化的控制数据传送回去，这时一边是虚拟装置+孪生优化系统，一边是实体装置+自动控制系统，具象到石油化工领域，前面提到的CPS系统就是一个自动控制系统，它能够接收优化控制数据，从而直接调整实际生产，达到精益生产的目标。
石化行业数字孪生应用案例
随后，余斌分享了由清华大学、北京航空航天大学、北京化工大学、华东理工大学等产、学、研、用各领域的11家单位共同建设的数字孪生应用案例。
这个案例来自一个新建的石化企业，首先它具备数字孪生必须的工业基础，自动化控制率接近100%；其次，它基于自主知识产权的工业互联网平台进行建设，在信息化方面，IT基础设施、大数据中心、机房和网络设施齐全。
从需求的角度出发，该项目要实现企业生产的“安、稳、长、满、优”。“安”是安全；“稳”是稳定；“长”是长周期，设备每运行一到两年需要停工检修，每次停工检修需要一到三个月，损失非常大，因此提出了尽量长周期运转的需求。“满”是满负荷，设计2000万吨产能，如果只炼1800万吨，也将造成非常大的损失。“优”是优化，为了实现优化的需求，要实时控制生产过程中的“人、机、料、法、环、测”等因素。
项目建设目标：一是控制误差，误报率<1%;二是模型，模型数量>1000个。余斌强调：虽然数据是核心、是基础，但是真正在企业中发挥关键作用的是模型，没有模型，一堆数据就像散落的珍珠，而把珍珠串成项链就会变成模型，达到数字孪生“镜、警、精”的要求。
该石化企业的数字孪生项目共选了三套比较有代表性的试点装置。一是常减压装置，二是聚丙烯装置，三是PTA装置。针对这三个试点装置，制定了六个应用场景解决方案：分别是物料配方优化，工艺参数设置与仿真，生产过程建模与优化控制，质量管理，设备故障诊断与远程运维，腐蚀管理。
数字孪生总体架构：一是物理空间，由边缘层把数据采集上来，在映射层进行建模，通过机器学习对模型进行修正和优化。其中，模型层主要有两个：一是物理空间实体模型层，二是虚拟空间多维模型层。最终，基于这些数据和模型，该项目实现了6个解决方案，也就是6个应用。
“与传统的系统建设方式不同，我们基于工业互联网平台进行建设，通过数字孪生模型、模型自进化的方法，以及一系列核心技术，最后实现和验证了上述6个解决方案，核心是实现产品质量预测，预测精度≥90%，基本实现关键部件故障预警提前一小时以上，达到了优化控制的目标。”余斌提到。
据介绍，该石化企业的数字孪生项目已在今年4月底通过验收，累计产生1.2亿经济效益。
数字孪生应用展望
余斌认为数字孪生应用有三大发展方向：
一是要向超人工智能的方向发展。数字孪生的发展与人工智能技术密切相关。人工智能分为弱人工智能、强人工智能、超人工智能。比如阿尔法狗下围棋这样专项的人工智能技术，属于弱人工智能;强人工智能是综合性的；而超人工智能需要动用更多计算资源来支撑，已经可以超过人脑去解决问题。数字孪生可以分为设备级、产线级(或装置级)和工厂级。设备级相对简单，如果要做到工厂级，需要更强大的人工智能能力支撑。
二是要向整体最优的方向发展。个体最优不等于整体最优，余斌认为优化好比人锻炼身体，如果只把右腿练的特别粗壮，走路无法平衡。实际生产也是如此，需要做整体优化，以往通过优化的方式实现个体最优，造成了大量的设备损耗，因此通过数字孪生实现整体优化，具有很大的发展空间。
三是向自进化的方向发展。基于数字孪生技术可以实现无人工厂，但是需要由自动化+自主化向自进化的方向发展。以设备在线监测管理为例，之前需要把数据传到云端，由专家定期查看云端中的报表，分析相关的统计数据，然后给出管理建议；现在，如果把专家相关的工业知识直接固化到系统中，能够实现模型的自学习和自进化，那么将不需要专家。
（来源：企业网D1Net）