原材料工业是典型的流程工业，具有原料来源多、工艺流程长、工况环境复杂等特点，数字化转型要求高，难度大。近年来，原材料工业积极拥抱新技术、新业态，不断探索与5G、工业互联网、大数据、人工智能的融合发展路径。

流程工业在我国国民经济中占有相当重要的地位，但这些工业企业的生产规模、发展水平参差不齐是目前面临的一个现实问题。有些企业自动化基础比较薄弱；有些企业虽然有比较完善的自控系统，但都是针对具体的工艺段，控制室分散在各个工艺现场，环境相对比较恶劣，噪声粉尘等危害操作人员健康；有些企业已经完成局部的小集控，但并没有彻底解决自动化孤岛，以及信息共享交互、信息集成、信息分析等问题。因此，如何做好流程工业企业的数字化转型， 数字化转型的基础目标是什么，依旧在摸索和探讨之中。

01流程工业数字化转型目标

在流程工业的典型代表如钢铁工业中， 不少企业在智慧制造、 智慧服务中全力探索数字化型实践， 并取得了初步成效。在智慧钢厂的打造中，遍布现场的操作室一律集中到中心，操作岗位一律机器人，设备监测运维一律远程，服务环节一律上线。四个“一律”很好地诠释了流程工业数字化转型的基础目标，明确了流程工业数字化转型的基础目标就是管控一体化及设备远程运维。管控一体化可以面向业务实现工业全流程的集中远控，大幅度提高工序间协同性、生产稳定性，有效提高操作人员的生产效率，实现生产管理模式的创新，从而提高企业的智能化水平。通过远程集中操作监控和远程运维可以实现减员增效，使操作人员远离危险源，本质化解决安全问题；同时集中分析设备运行参数，对设备的运行状态做到事前预警、事先预防、提前处置，从而确保设备的安全稳定运行。

02数据中台

管控一体化平台是以“云+边”为构架的智慧制造基础设施，是对信息化架构的优化演变，打破了“信息孤岛”。基于管控一体化平台完成的数据整合， 可进一步打造面向服务的全流程业务数据中台，从而打造应用互联的数字生态，带动流程工业的智能化、数字化转型，打造面向未来的数字工厂。

数据中台是指通过数据技术对海量数据进行采集、计算、存储和加工，同时统一标准和口径。数据统一后会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。支持海量数据的存储、计算和产品化包装过程，为前台基于数据的定制化创新及为业务中台基于数据反馈的持续演进提供强大支撑。

与数据仓库等传统数据工具相比，数据中台是一种新的理念，以“技术+业务”为双驱动，是企业开展新型运营的中枢系统，是一套可持续“让企业的数据用起来”的机制，一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建一套持续不断把数据变成资产并服务于业务的机制。

数据是每一个企业最宝贵的无形资产，数据中台对企业的刚需价值在于能把企业拥有的“生产资料”转变为一种“数据生产力”。当企业的数据中台搭建起来之后，能够把所有内部数据有机整合、串联起来，形成企业高管、员工、 伙伴共同参与和使用的完全数字化 “工作台”。数据中台示意图如下图所示。

数据中台示意图

管控一体化平台为数据中台提供重要数据源， 为自动化层向数据中心过渡的重要平台；数据中台为企业未来业务的应用提供精准、 全面、快捷的数据服务，为数据中心向业务应用的重要平台。两者为企业数字化转型的重要组成部分，缺一不可。

03数字化转型的关键技术

为了实现数字化转型的基础目标， 即管控一体化和设备远程运维，需要从数据采集、传输、数据存储、数据分析、远程监视、集中远控等方面对现场进行改造升级。应用的关键技术及设备如下：

（1） 边缘计算网关

边缘计算网关首先要解决高频数据的采集，部分工艺数据的分析需要达到毫秒级的采集频率。毫秒的高频采集和存储将产生海量数据，边缘计算网关需要在现场端对数据进行预处理，包括对数据的质量、数据的准确性进行初步判断，过滤出有效数据，完成数据清洗。因此，边缘计算网关一般采用多核 CPU，并自带大容量存储，从而能在本地（边缘端）完成分布式计算存储。同时，边缘计算网关还需具备协议转换和 IP 重新规划的功能。目前国内外主流的 PLC 和 DCS 厂家有西门子、罗克韦尔、施耐德、万科思、浙江中控等，这些厂家产品都有各自的通信协议。接入管控一体化平台时，均需转换成统一标准的 modbus 协议，同时实现不停机接入。

（2） 5G 技术

边缘计算网关采集到数据后， 通常通过就近的有线网络接入，将数据远传到管控中心。但可能存在部分现场网络不方便布线的情况， 这就需要考虑无线技术。大量的工艺数据及设备诊断数据，再加上高频采集的需求将在现场端形成局部的海量数据，传统 3G/4G 的传输不能满足要求。5G 技术的主要技术特点有带宽高、网速快，满足大数据量的快速传输；更低的时延，满足实时性的需求；更广的连接，满足多站点并发采集的需求。因此，基于 5G 技术的边缘计算网关将成为高效可靠的数采远传的一体化解决方案。

（3） 实时数据库技术

随着企业的发展， 各个相关工艺段均有集中实现管控一体化的需求，SCADA 系统的监控规模从之前的几千点， 发展到现在的数万点甚至数十万点的规模， 传统的监控软件已满足不了大数据量的采集和查询的需求， 需自带实时数据库的监控软件来实现大数据量的采集、存储和分析。

（4） 断点续传技术

对于偶发的不可避免的通信中断情况， 为了保证系统数据的完整性，SCADA 系统需支持断点续传功能，即通信故障时，数据暂时缓存在现场的网关控制器中，当通信恢复后，可对缓存的带时标的历史数据进行召唤，并回补到 SCADA 系统的历史数据库中，从而保证系统数据的完整性。

（5） 负载均衡及多重冗余技术

传统的现场控制系统为了保证可靠性， 一般采取的是双机热备的冗余技术。在流程行业完成管控一体化后，SCADA 系统中海量的数据将是企业数字化综合展示和分析的基础和唯一来源，因此对数据可靠性的要求将更高。所有遍布现场的操作室一律集中到管控中心，对 SCADA 软件平台的安全、稳定和可靠的要求，将达到前所未有的高度，因此需考虑应用分布式的多重冗余技术，使数据可以分布地存储在多台服务器上， 服务器甚至可以在异地分布。同时，几个服务器可以共同分担负荷，达到负载均衡的效果，并完成多重冗余。

04工业生产标准数字化转型的路径

当前，工业生产均在进行数字化转型，但是标准使用与其适配性存在问题。工程技术人员获取标准严重依赖专业经验和标准使用背景，因此在选用标准时易出现误区。同时，传统标准无法与工业生产数字化升级协调统一，因而无法实时掌握贯标效果，难以即时发现标准制修订中的指标不完善、不齐全等问题。

国家工信部发布《原材料工业两化深度融合推进计划（2015-2018年）》，“以公共平台建设、智慧工厂示范、技术推广普及为着力点，努力实现流程工业全链条全系统智能化”。伴随着新技术手段不断涌现及应用水平不断提升，高新数字化技术在工业生产领域开始覆盖全产业链，进而促进实时洞察各方需求与定制化生产新模式有机结合。正在进行数字化转型的工业生产领域，最终目标是将人的知识经验通过系统进行固化，减少人的干预，直至实现无人干预的目标。

在生产经营全流程中，通过数字化技术实现最优生产，系统会自动进行生产优化组合，选择最优化的方案执行。在此过程中无法离开标准的规范化作用，然而目前标准普遍处于纸质或PDF版，在标准选择阶段，需通过具有一定专业背景及相关储备的标准使用者经过对标准内容比对和分析，选择适合应用场景的标准进行使用。在标准使用阶段，传统标准的使用只能依靠人工输入的方式与数字化转型的产业链进行联通。

随应用环境复杂程度提升，标准使用过程的效率相应降低。根据ISO/IEC提出的SMART标准数字化路径，实现工业生产应用中标准数字化转型主要分为机器可识别标准、机器可执行标准和机器可决策标准三个阶段。

第一个阶段需实现将传统标准文本转化为机器可识别的文档类型，为接下来进行标准的数字化技术处理奠定基础。目前，对于标准文本的转化分为如下几步：（1）基于PDF文本进行处理，通过OCR技术，利用文档中的暗亮，确定其形状；（2）利用字符识别方法将形状翻译成计算机文字；（3）通过文字软件，结合上下文对最终矢量化文档进行编辑加工。

第二个阶段重点为可根据应用场景选择性地访问附有语义的标准内容，主要实现按照需求获取标准内容。国家标准、行业标准、团体标准等各级标准之间存在技术要求的差异。同时，各领域标准目前已形成体系，各标准范围之间存在关联，标准内容本身也存在联系。在该阶段，需将机器可处理的文档进行数字化加工，赋予其语义，选择最贴合应用环境的知识颗粒度进行标准离散化处理，深度挖掘内容中的相互关联性和系统性，使标准不再以文档的形式独立存在，而是将标准所包含的知识点形成一个属于该领域的知识网络，一个属于该领域标准的“知识大脑”。根据需求输入，经知识网络的分析和匹配，输出与之相关的标准内容，使得标准的内容更具有灵活性和实用性。在该阶段，首先结合具体应用场景对标准中的关键元素进行比对分析，对重要指标内容的限定类和限定项进行总结归纳，获得对接应用场景的基础模型。基于此，对标准信息的实体、实体关系以及属性进行抽取，通过对实体的链接和重复项的合并进行标准知识图谱的融合。最后，借助对标准知识的推理和知识图谱质量评估进行标准知识图谱的加工以及优化。基于标准知识图谱，根据具体应用场景进行智能对接，实现智能问答、适用标准推送等一系列标准服务。

最后一个阶段，机器能够以更为复杂的方式执行或解析与标准相关内容。前两阶段主要基于现有标准，进行标准的数字化，而该阶段覆盖面已不局限于现有标准内容，而是基于大数据等数字化智能化技术，实现标准数字化执行与数字化标准的形成。关联服务于生产现场管控的物联网平台，通过IOT协议、智能传感技术和无线网络通讯协议等技术，对生产现场的设备运行数据、巡检作业数据、安全环保数据、物流数据等进行全面采集。同时，面向企业提供的生产运行综合管理平台，通过对生产过程数据、实时数据、化验分析、计量等生产数据的集成，实现对生产执行、调度、运行等业务领域全覆盖，达到生产信息集成、业务管理协同。

综合采集上层和下层的数据，实现获取不中断的数据流，并通过自学习的方式改善内容处理及访问方式，使用方可通过自动问答或智能推送获取目标标准内容。

标准数字化不仅是标准存在 形式的“数 字化”，还包括标准化的数字化，后者主要是利用数字化技术推动标准化工作的生命周期全过程的发展，更好地实现标准的“管、查、用、编”。如果在生产过程中出现标准的缺失，将在数据链条中得到即时的反馈。同时，随着技术、设备等的发展，标准的技术指标也需进行修订，结合各标准的执行情况和反馈，标准的适配情况也将得到即时预警。基于现有标准知识覆盖及使用情况进行信息收集，依据实际情况进行标准的制修订，以开源的方式进行标准的编写，实现快速迭代和动态更新。针对已形成的标准，工厂可比对已有标准技术指标等相关数据，通过边缘计算技术实现前端状态监控、诊断分析和预警报警等功能，为实现生产现场智能化设备监控维护、生产操作管控、安全环保管控等提供数据支持，促进业务模式提升和变革，为智能生产建设奠定基础。

文章来源： 中国工程科技知识中心，中国信息化周报，人民网