侯曉峰

（中海石油化學(xué)股份有限公司，海南 東方 572633）

0 引言

目前國(guó)內(nèi)大型石化企業(yè)基本上已完成實(shí)時(shí)數(shù)據(jù)庫(kù)、MES系統(tǒng)等本地化的信息系統(tǒng)建設(shè)，實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)作為企業(yè)生產(chǎn)管理的基礎(chǔ)存儲(chǔ)了大量的生產(chǎn)過(guò)程數(shù)據(jù)，其對(duì)生產(chǎn)運(yùn)營(yíng)具有非常高的應(yīng)用價(jià)值，面對(duì)寶貴的數(shù)據(jù)資源，在未來(lái)建設(shè)工業(yè)互聯(lián)網(wǎng)平臺(tái)過(guò)程中如何保護(hù)和利用已有的信息資源，如何搭建符合石化行業(yè)特點(diǎn)的互聯(lián)網(wǎng)平臺(tái)是未來(lái)工業(yè)互聯(lián)網(wǎng)建設(shè)必須考慮和兼顧的問(wèn)題。

作為重資產(chǎn)的石化行業(yè)，未來(lái)建設(shè)的工業(yè)互聯(lián)網(wǎng)平臺(tái)與眾多互聯(lián)網(wǎng)企業(yè)、消費(fèi)級(jí)物聯(lián)網(wǎng)、離散制造物聯(lián)網(wǎng)存在很大的差異，其頂層設(shè)計(jì)必須根據(jù)石化行業(yè)特點(diǎn)和管理需求、利用已有的成熟算法和模型、基于現(xiàn)有的海量數(shù)據(jù)等進(jìn)行平臺(tái)搭建和功能實(shí)現(xiàn)。

未來(lái)工業(yè)互聯(lián)網(wǎng)的建設(shè)，單純的實(shí)現(xiàn)軟件功能并非工業(yè)互聯(lián)網(wǎng)的最終目標(biāo)。行業(yè)內(nèi)各企業(yè)的生產(chǎn)管理水平參差不齊，工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)軟件平臺(tái)化將帶來(lái)更多的是整個(gè)行業(yè)管理思路的可復(fù)制化、行業(yè)內(nèi)部的資源可配置化，這是行業(yè)產(chǎn)生效益的源泉。因此，通過(guò)工業(yè)互聯(lián)網(wǎng)平臺(tái)推廣行業(yè)內(nèi)優(yōu)秀的管理思路、科學(xué)的計(jì)算規(guī)則和先進(jìn)的算法模型，將相關(guān)成熟的軟件系統(tǒng)云端化、服務(wù)化以便為石化行業(yè)的生產(chǎn)運(yùn)營(yíng)發(fā)揮更大的價(jià)值。

1 架構(gòu)設(shè)計(jì)和應(yīng)用

1.1 系統(tǒng)架構(gòu)

根據(jù)工業(yè)互聯(lián)網(wǎng)總體架構(gòu)的規(guī)劃，基于產(chǎn)品化的工業(yè)互聯(lián)網(wǎng)平臺(tái)，在PaaS層之上實(shí)現(xiàn)指標(biāo)偏差管理模型和功能。

圖1 工業(yè)互聯(lián)網(wǎng)總體架構(gòu)Fig.1 Overall architecture of industrial Internet

工業(yè)互聯(lián)網(wǎng) SaaS層提供了APP開(kāi)發(fā)的服務(wù)支撐能力，通過(guò)快速迭代實(shí)現(xiàn)工業(yè)應(yīng)用的持續(xù)集成、持續(xù)交付。工業(yè)應(yīng)用通過(guò)網(wǎng)關(guān)實(shí)現(xiàn)對(duì)后端實(shí)時(shí)數(shù)據(jù)庫(kù)服務(wù)的調(diào)用和構(gòu)建相關(guān)功能模塊的實(shí)現(xiàn)業(yè)務(wù)能力共享，并通過(guò)平臺(tái)網(wǎng)關(guān)統(tǒng)一為企業(yè)提供業(yè)務(wù)及技術(shù)支撐。

在IaaS層將搭建實(shí)時(shí)數(shù)據(jù)服務(wù)，該服務(wù)把各企業(yè)已有的生產(chǎn)過(guò)程、資產(chǎn)架構(gòu)等業(yè)務(wù)數(shù)據(jù)，通過(guò)應(yīng)用架構(gòu)服務(wù)的方式提供給 PaaS和 SaaS層APP使用。鑒于業(yè)務(wù)現(xiàn)狀分析的種種特點(diǎn)，不能機(jī)械地按照工業(yè)互聯(lián)網(wǎng)的分層把實(shí)時(shí)數(shù)據(jù)歸集到邊緣計(jì)算層去進(jìn)行數(shù)據(jù)采集處理，須針對(duì)企業(yè)的網(wǎng)絡(luò)現(xiàn)狀、系統(tǒng)的平滑過(guò)渡以及對(duì)已有資源的投資，采用微服務(wù)的方式率先進(jìn)行數(shù)據(jù)的轉(zhuǎn)接是最佳的實(shí)現(xiàn)方式。

1.2 實(shí)時(shí)數(shù)據(jù)服務(wù)

以國(guó)內(nèi)應(yīng)用最為廣泛的實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng) PI系統(tǒng)為例，海量的歷史數(shù)據(jù)接入到工業(yè)互聯(lián)網(wǎng)系統(tǒng)進(jìn)行建模分析需要打通數(shù)據(jù)渠道。PI數(shù)據(jù)一般通過(guò)三種方式進(jìn)行獲取，包括 SDK調(diào)用、Web Service和 PI SQL Das（PI SQL Data Access Server），通過(guò)分別對(duì)上述三種方式進(jìn)行了深入的刨析，最終確定采用PI SQL DAS的方式。

1.2.1 SDK調(diào)用

PI系統(tǒng)提供了完善的SDK開(kāi)發(fā)程序包，通過(guò)其API的調(diào)用，可以高效獲取和利用PI系統(tǒng)里面的數(shù)據(jù)，但目前該開(kāi)發(fā)包僅支持Windows平臺(tái)進(jìn)行開(kāi)發(fā)，支持 C#等編程語(yǔ)言，要求 Dot Net Framework 4.62以上版本的支持。該方式不能支持跨平臺(tái)，從OSI Soft長(zhǎng)遠(yuǎn)的技術(shù)路線RoadMap上來(lái)看，在未來(lái)的一段時(shí)間也沒(méi)有明確支持跨平臺(tái).Net Core Framework的計(jì)劃，因此該技術(shù)路線不適合在PaaS平臺(tái)上使用。

1.2.2 Web Service

通過(guò)開(kāi)發(fā)Restful的Web Service調(diào)用接口是實(shí)現(xiàn)數(shù)據(jù)互聯(lián)互通的方式之一。Web Service自帶跨平臺(tái)和跨語(yǔ)言的特征，可以實(shí)現(xiàn) Linux和Windows平臺(tái)之間互操作，也可以被java、C#等語(yǔ)言調(diào)用。但是由于 Web Service基于 XML（Extensible Markup Language）擴(kuò)展型可標(biāo)記語(yǔ)言和Soap（Simple Object Access Protocol）簡(jiǎn)單對(duì)象存取協(xié)議，數(shù)據(jù)通過(guò)文本的方式進(jìn)行描述，相對(duì)于比特化的二進(jìn)制傳輸方式，XML序列化造成了數(shù)據(jù)膨脹，加大了傳輸?shù)臄?shù)據(jù)量，降低了數(shù)據(jù)傳輸效率。

針對(duì)偏差統(tǒng)計(jì)的大數(shù)據(jù)模型而言，傳輸?shù)臄?shù)據(jù)量較大，經(jīng)測(cè)試，采用Web Service方式的數(shù)據(jù)傳輸，效率僅相當(dāng)于二進(jìn)制方式的30%～60%，因此Web Service方式亦不適合本應(yīng)用的需求。

1.2.3 PI SQL DAS

PI SQL Data Access Server是PI系統(tǒng)原廠提供的數(shù)據(jù)接口服務(wù)，其系統(tǒng)可靠性和效率均得到極大的保證。同時(shí)，通過(guò)OleDB、ODBC和JDBC的接口，可支持跨平臺(tái)和多種語(yǔ)言的訪問(wèn)，其數(shù)據(jù)訪問(wèn)效率僅次于SDK方式，因此首選該方式實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)的訪問(wèn)。

實(shí)時(shí)數(shù)據(jù)服務(wù)采用在IaaS層的虛擬主機(jī)上安裝PI SQL Data Access Server（簡(jiǎn)稱PI SQL DAS），通過(guò)https通道與PI JDBC客戶端進(jìn)行通訊，使PaaS層具有為上層應(yīng)用提供跨平臺(tái)實(shí)時(shí)數(shù)據(jù)訪問(wèn)服務(wù)的能力。

PI SQL DAS有獨(dú)立部署和中間件部署的兩種架構(gòu)，為了有效地支持跨平臺(tái)和 Linux操作系統(tǒng)，接口服務(wù)器采用中間件的技術(shù)架構(gòu)進(jìn)行部署。各基地的傳感器數(shù)據(jù)實(shí)時(shí)傳輸?shù)絇I Server進(jìn)行存儲(chǔ)，然后通過(guò)企業(yè)內(nèi)網(wǎng)連接到工業(yè)互聯(lián)網(wǎng)平臺(tái)的DAS數(shù)據(jù)訪問(wèn)服務(wù)器，通過(guò)轉(zhuǎn)換將 PI API/SDK接口獲取的數(shù)據(jù)通過(guò) OLE DB接口協(xié)議對(duì)外提供，工業(yè)互聯(lián)網(wǎng)平臺(tái)APP獲取各自所需數(shù)據(jù)實(shí)現(xiàn)業(yè)務(wù)功能。

1.3 指標(biāo)偏差服務(wù)

指標(biāo)偏差統(tǒng)計(jì)模型是用R語(yǔ)言進(jìn)行搭建的，R語(yǔ)言是用于統(tǒng)計(jì)分析，圖形表示和報(bào)告的編程語(yǔ)言和軟件環(huán)境。未來(lái)指標(biāo)偏差模型將單獨(dú)運(yùn)行于容器之中，采用微服務(wù)的方式對(duì)SaaS層的應(yīng)用提供計(jì)算和結(jié)果。

系統(tǒng)調(diào)用R語(yǔ)言有兩種方式，一種是Rserve的方式，這是一個(gè)基于TCP/IP的服務(wù)器，通過(guò)二進(jìn)制協(xié)議傳輸數(shù)據(jù)，可以提供遠(yuǎn)程連接，使得客戶端語(yǔ)言能夠調(diào)用R；另一種是通過(guò)Java/R Interface接口，調(diào)用R的動(dòng)態(tài)鏈接庫(kù)從而利用R中的函數(shù)。

本應(yīng)用采用第一種方式，實(shí)現(xiàn)模型與R運(yùn)行環(huán)境的松耦合，指標(biāo)偏差模型依賴于底層的PaaS平臺(tái)服務(wù)、R Serve計(jì)算引擎和實(shí)時(shí)數(shù)據(jù)服務(wù)，通過(guò)指標(biāo)偏差統(tǒng)計(jì)模型向上提供工藝參數(shù)、設(shè)備參數(shù)等的偏差計(jì)算微服務(wù)接口。

2 偏差統(tǒng)計(jì)模型

在石化行業(yè)通常的工藝管理中，通過(guò)平穩(wěn)考核和上下限監(jiān)控可以發(fā)現(xiàn)并校正短期內(nèi)的參數(shù)偏差，對(duì)于尚未超出報(bào)警值的緩慢趨勢(shì)變化缺乏有效的監(jiān)控手段，而從統(tǒng)計(jì)過(guò)程控制（SPC，Statistical Process Control）來(lái)看，這種參數(shù)的偏差正是一種有效的反饋信息，可以幫助企業(yè)在早期及時(shí)發(fā)現(xiàn)系統(tǒng)性因素出現(xiàn)的征兆，預(yù)防問(wèn)題的發(fā)生，幫助企業(yè)真正作到“事前”預(yù)防和控制。與以往采用人工調(diào)取長(zhǎng)時(shí)間的趨勢(shì)圖來(lái)進(jìn)行參數(shù)偏差辨別的方式相比，本應(yīng)用功能采用了先進(jìn)的計(jì)算機(jī)算法進(jìn)行統(tǒng)計(jì)分析，結(jié)果可靠客觀，有效的杜絕了眼睛識(shí)別的誤差，降低了工作強(qiáng)度提高勞動(dòng)生產(chǎn)率。

指標(biāo)偏差統(tǒng)計(jì)是一個(gè)依據(jù)SPC的思想實(shí)現(xiàn)的借助數(shù)理統(tǒng)計(jì)方法的進(jìn)行過(guò)程控制的分析，根據(jù)規(guī)則確定眾數(shù)、正常值范圍，計(jì)算兩條藍(lán)線之間所有觀測(cè)值的標(biāo)準(zhǔn)差，根據(jù)萊特準(zhǔn)則，以黑線為中心，上下各擴(kuò)展得到兩條綠色水平線（以下簡(jiǎn)稱綠線），對(duì)綠線之間的工藝參數(shù)值進(jìn)行時(shí)間趨勢(shì)項(xiàng)的擬合（基于最小二乘法），來(lái)預(yù)測(cè)工藝參數(shù)有整體上升、下降或不變趨勢(shì)。

如下圖所示是一個(gè)工藝參數(shù)半年的運(yùn)行數(shù)據(jù)曲線，可以看到中間的大波動(dòng)是處于停車狀態(tài)，通過(guò)算法的處理可以有效排除掉這些異常工況的數(shù)據(jù)。

通過(guò)統(tǒng)計(jì)學(xué)的方法對(duì)實(shí)時(shí)數(shù)據(jù)庫(kù)中存儲(chǔ)的海量過(guò)程歷史數(shù)據(jù)進(jìn)行分析，從而找出發(fā)生偏差的指標(biāo)參數(shù)供工藝、設(shè)備、儀表人員進(jìn)行進(jìn)一步的深入分析，查找偏差的原因，及時(shí)發(fā)現(xiàn)隱患。

圖2 實(shí)時(shí)數(shù)據(jù)的正常值區(qū)間Fig.2 Normal range of real time data

圖3 模型異常偏差結(jié)果Fig.3 Model abnormal deviation results

3 工業(yè)APP

工業(yè)互聯(lián)網(wǎng)APP（以下簡(jiǎn)稱工業(yè)APP）是工業(yè)互聯(lián)網(wǎng)的基礎(chǔ)上應(yīng)用，承載了工業(yè)領(lǐng)域特定的知識(shí)和經(jīng)驗(yàn)，是工業(yè)技術(shù)軟件化的重要成果，通過(guò) APP實(shí)現(xiàn)軟件為生產(chǎn)賦能、賦值、賦智的作用。

偏差統(tǒng)計(jì)大數(shù)據(jù)模型的APP的業(yè)務(wù)邏輯在模型中實(shí)現(xiàn)，APP進(jìn)一步實(shí)現(xiàn)人機(jī)的交互，相關(guān)業(yè)務(wù)流程設(shè)計(jì)如圖4所示。

圖4 工業(yè)APP業(yè)務(wù)流程Fig.4 Business process of industrial app

通過(guò)配置設(shè)置需要模型監(jiān)控的位號(hào)組，系統(tǒng)定期進(jìn)行大數(shù)據(jù)分析計(jì)算，結(jié)果通過(guò)郵件方式通知業(yè)務(wù)人員進(jìn)行處理，系統(tǒng)提供自動(dòng)報(bào)告生成及導(dǎo)出的功能，對(duì)分析結(jié)果進(jìn)行在線分析和評(píng)估、處置措施等，最終形成閉環(huán)管理。

4 結(jié)論

結(jié)合石化行業(yè)特點(diǎn)和管理需求，基于成熟的工業(yè)云平臺(tái)，設(shè)計(jì)和開(kāi)發(fā)工藝指標(biāo)偏差統(tǒng)計(jì)模型及相關(guān)功能，實(shí)現(xiàn)其微服務(wù)化和平臺(tái)化的部署。本文驗(yàn)證了工廠本地實(shí)時(shí)數(shù)據(jù)庫(kù)與工業(yè)云結(jié)合的技術(shù)方案的可行性。解決了企業(yè)在工業(yè)互聯(lián)網(wǎng)建設(shè)過(guò)程中的相關(guān)技術(shù)難題，打通了云平臺(tái)和企業(yè)實(shí)時(shí)數(shù)據(jù)庫(kù)的生產(chǎn)、工藝、設(shè)備數(shù)據(jù)鏈路，并為石化行業(yè)工業(yè)互聯(lián)網(wǎng)的建設(shè)、本地化生產(chǎn)應(yīng)用系統(tǒng)往云平臺(tái)的遷移提供了可借鑒的樣板。