内蒙古海杰职业卫生技术服务有限公司 内蒙古赤峰 024000
摘要：现阶段，有关部门陆续出台多方面扶持政策，推动大数据在工业领域特别是化工领域的应用。在工业领域，大数据主要应用于工艺排程与调度、异常工况诊断与预测、产品检验与质量管理、物流和产品链分析和优化等方面。其中，大数据在化工领域已有若干应用实例，达成了生产过程优化、设备运维改善、下游需求匹配、生产自动化程度提高等效果。大数据应用的深化应以信息资源共享的推进及数据归属、权限和安全界限的明晰为基础，着力于实现工业大数据与工业云的深度融合及人工智能应用的拓展。
关键词：大数据技术；化工领域；工业大数据
引言：当前，国家有关部门已深刻认识到大数据应用迅猛发展的现状和应用前景广阔的预期，提出了一系列产业发展政策和指导性意见，为大数据产业的成长和工业大数据的应用提供了有力的政策保障。在工业应用领域，大数据的应用可以归纳为工艺排程与调度、异常工况诊断与预测、产品检验与质量管理、物流和产品链分析与优化等典型场景。其中，在化学工业中，大数据已有若干研究和生产应用实例，达到了优化生产过程和改善设备运维等应用效果。
1大数据内涵概述
1.1内涵大数据的概念
来源于麦肯锡公司的研究报告，大数据被定义为“无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合”。有人指出，企业利用大数据技术进行数据分析的主要驱动力来自于服务化战略。在《中国制造2025》中，明确提出要坚持创新驱动发展战略，推进信息化与工业化深度融合。如今，我国随着工业云平台、移动互联网和新一代信息技术和制造业的不断融合，大数据技术也越来越多应用到制造企业智能化服务中，带动产品迭代、产能升级，推动制造企业供给侧改革和结构化转型。
1.2大数据技术优势
1.2.1优化组织设计和业务流程
制造企业服务化过程中，在对产品进行设计、生产、交付等环节的服务化参与，势必对其的组织结构重新设计、业务流程进行重组。基于大数据的“信息量化”思维，大数据技术可以对业务的关键节点进行量化，精确分析各部门和流程的执行能力，提升服务化战略下的顾客满意度，提高企业整体效率。
1.2.2推动资源整合与共享
经济全球化时代背景下，制造企业更需要与总体战略规划相匹配的内部能力和外部资源推动服务化发展进程。通过大数据的广泛的边界延伸分析全球消费者和价值链数据，突破成本瓶颈，建立知识共享渠道和高密度的网络结构整合分散资源，促进企业开展失败学习，激发创新性行为。
1.2.3分析把握顾客需求热点和趋势
制造企业如何把握顾客的需求方向并提供多元化服务是服务化转型的重要环节。传统制造企业以生产制造产品为核心业务的生产成本和经营风险不断增加，通过抽样调查等能够获取的数据规模总是有限的，大数据的规模性和高速性使它能不断获取、更新数据。近年来，以大数据为数据驱动，通过对顾客购买行为、偏好反馈和潜在需求的海量数据进行深度挖掘，对调节生产销售的组织设计起到了举足轻重的作用。
2化工领域中大数据技术的实践应用价值体现
（1）优化生产过程。提高生产过程的信息透明度，提升生产效率和产品质量，减少生产成本和资源消耗。（2）改善设备运维。基于设备设计、使用和维修等环节的信息采集、管理和分析，达成设备的持续稳定运转，合理安排设备运维周期，提高设备的可用率。（3）匹配下游需求。基于生产系统的数据收集和分析，进行体系协同优化，降低定制化需求过程的生产成本。（4）提高生产自动化程度。简化、甚至部分代替人工操作，在降低人工工作量的同时提高生产效率。其中，优化生产过程和改善设备运维是当前研究的重点。
3大数据技术在化工领域的应用
3.1成本质量与含量中的应用
含量、质量和成本是评价化工生产流程的关键指标。利用大数据资源和分析方法，分析上述关键指标的影响因素，对可能出现的风险进行预测和管控，可以提高生产的可预测性[1]。比如，某石化企业在催化裂化过程的大数据技术应用项目中，以装置报警诊断、沉降器结焦预测和汽油收率提升为目标，开展了报警合理性分析、频繁报警点归因分析和重要报警点预警、沉降器总结焦量和部分结焦量预测、结焦量变化原因探索和结焦计算器汽油收率优化。通过研究可见，大数据分析得出的关键报警点的根原因和通过经验判断得到的结果基本一致，并据此获得了容易被经验忽略的报警点根原因。
3.2设备运维中的应用
在设备运维方面，对于连续生产装置及设备技术要求高的工序，通常的计划维修方式针对性较差，存在设备失修和维修过频的问题，影响装置的开工率和生产过程的平稳安全。因而需要实现对设备工况的实时监测、预期和控制，改善生产设备的全周期管理水平[2]。比如，某石化企业以Hadoop软件作为大数据分析基础，构建了包括动静态设备、仪表、电气等通用功能模块的预测性维护系统，并对设备的运行状态参数进行实时监控，收集分析数据，实现故障诊断和劣化趋势预测，据此判断设备可能存在的故障风险。根据系统诊断的故障类型，进行现场确认，提前做好维修计划，还为SAP系统以及备件管理系统提供相关信息，调整和优化配件采购计划。
3.3数据存储及分析中的应用
比如，某化工企业收集了各个装置的运行数据并进行存储和分析，采用机器学习或神经网络的方法，探索了装置最优化操作参数[3]。针对四硝酸装置，公司通过DCS系统，收集3个月内所有工艺数据，运用神经网络算法对数据进行分析，采用12个输入参数预测FIQ-137.PV的函数模型，将数学模型引入EDS智能专家分析系统，实现了原料消耗实时显示、理论产量和实际产量计算、在线分析最低经济运行数值、在线物料和热量衡算、故障和设备维护指导、人力资本节约和NO减排等多方面功能，使装置实现安全可靠运行，提高了企业经济效益。
3.4生产工艺改进中的应用
借助于大数据技术的优势，有助于生产工艺的合理改进。比如，某化工企业在聚全氟乙丙烯树脂合成工序和氟橡胶聚合生产过程中采用BDMOS程序进行工艺改进，实现了生产优化及终产物合格率的提高[4]。结果表明，BDMOS软件可用于生产操作的优化，在不改造设备、不干扰生产的条件下，实现工艺过程的改进。由此可见，采用工业DCS数据，通过BDMOS软件进行数据处理，可以实现数据整理和建模，适用于多种工艺过程的模拟、工艺改进和故障分析，具有广泛推广的应用潜力。
结论与发展展望：
为了使大数据在工业领域，尤其是化工领域的应用进一步深入，相关企业和研究主体函需在企业内乃至行业内推进进一步的信息资源共享，打通信息环节和链路，实现工业大数据与工业云的深度融合，提升数据自身的综合价值。在分析方法领域，实现人工智能的应用拓展，运用深度学习、计算机视觉等人工智能技术进行大数据分析和使用，达到从智能车间、智能工厂向智慧车间、智慧工厂的跨越。另一方面，在大数据的收集、储存、分析、开放使用等方面需要厘清数据的归属、权限和安全界限，在共享和利用大数据平台的同时维护数据主体的合法权益。
参考文献：
[1]牟家圆.大数据技术在石油化工销售企业的应用研究[J].石化技术,2019,26(12):208-209.
[2]李雅珺.大数据时代下化工行业管理会计面临挑战及对策研究[J].经济师,2019(10):114.
[3]王印化.大数据背景下能源化工类企业营销创新问题分析[J].经济师,2019(08):286-287.
[4]隋婷.大数据在化工装置操作优化管理中的应用[J].炼油与化工,2019,30(03):42-43.