一、石油石化行业数字化建设

石油石化行业以“智能制造”“大数据”两大主线,大力推进信息化和石化产业全方位、全角度、全链条的融合,推动公司实体经济和数字经济融合发展,一是大力发展智能制造。围绕全产业链的研发、设计、生产、管理、服务等生产制造环节,分步推进数字化、网络化、智能化建设,打造覆盖研发、设计、制造、服务的石油和石化工业互联网平台,形成协同、智能、开放、共享的新型生产方式、运行模式和服务模式,构建融合创新的石化工业互联网生态体系。二是以产业链为依托,以“大数据+”为手段,在统一技术平台基础上,建设统一销售、采购、物流、金融服务、共享服务等业务平台综合数据中心,形成覆盖全产业链的数字化服务能力。

二、实现效果

面临挑战

  • 生产工艺过程复杂,设备种类繁多、数量庞大;
  • 石化设备价格昂贵,运维成本高;
  • 行业生产具有高危性,对安全要求极为严格;
  • 石油的勘探、开发、加工难度日益增大;
  • 设备运行状态与故障判断智能化程度不足;
  • 信息化管理程度低;
  • 能耗及污染问题亟待解决。

分析方法

基于多种模型和数据库表形成石化工业关键指标分析模型,实现关键设备的动态健康监测、风险评价、故障诊断、安全评价功能,同时,建立石化工业系统危险源智能识别、风险评估等新技术,形成关键机组故障早期故障预警系统,同时加强对生产操作进行监控和预警,对设备的运行耗能进行优化,并根据废料排放情况对生产物资和工艺进行优化,降低排放量,提高设备生产的安全性与高效性。资产档案管理、采集管理、知识库、设备健康管理、安全管理、能效管理、智能决策。

三、商业智能数据分析在石化企业的应用

1、BI分析在石化企业应用的主要方面

石化行业具有多环节、多地域特色,各环节的优化是石化行业最关注的大数据应用领域。石化行业BI数据分析应用多分布于供应链优化、库存管理、资金统一管理和生产监管优化四个模块。

石油石化行业BI应用分析分布

(石油石化行业BI应用分析分布)

2、石化企业数据特征

石化行业企业数据的数据量大,存储格式复杂,数据分散,类型众多,不同类型数据包含的信息各具特点,综合各种数据所包含的信息才能真实反映企业实际状况。

石化行业企业对大数据分析解决方案的需求集中体现在:供应链优化、库存管理、资金统一管理、生产和安全监管的分析。

石化企业应用大数据分析需要解决的问题,主要为缺少数据全方位分析方法、ERP软件处理能力差、实时数据分析能力差、海量数据处理效率低,其分布如下图:

3、大数据分析在石化企业的价值

来自IBM在全球的调研表明,BI数据分析在支持创收策略、实现成本控制方面的价值正在稳步上升。此外,近40%的石油石化企业在采纳BI数据分析后的六个月内就实现了快速的投资回报(ROI)。

通过分析方法和解决方案,可以在大量数据中系统性的发现有用的关系,即实现经验规律的可重复性。通过建立拟合不同模型研究不同关系,直到发现有用信息,即用于分析原因解决问题。发现潜在价值并给出建议,并提供解决方案。

石油石化行业BI分析需要解决的问题分布

(石油石化行业BI分析需要解决的问题分布)

四、Wyn Enterprise方案价值及效果

1、大数据应用日益广泛,利用大数据分析为企业提供决策。

2、随着公司的发展出现多个IT应用系统并积累了大量的数据,合理利用数据优化供应链、库存管理、生产成本控制和安全管理,提升公司的整体竞争力。

3、公司发展提出了大数据时代下如何建设智慧工厂的问题。

4、科学预测:对设备进行预测性维护及动态备件库存,有效降低设备的故障率,降低设备运维投入。

5、节能减排:通过设备用能监测、耗能数据分析,优化设备用能,节省电费支出;同时通过物料优化配置和生产工艺提升,减少废弃物的排放,节约资源的同时节省废物处理的支出,为环保做出贡献。

石油产能综合监控大屏

(石油产能综合监控大屏)