生产实时数据作为生产经营活动的源头数据，是油气田企业重要资产，这一点已成行业共识。
中国石油西南油气田川东北作业分公司
旗下宣汉净化厂，正在通过PI System深挖生产实时数据的潜力，构建资产数据体
，在传统净化厂的数字化转型之路上行稳致远
。
目前，
随着数字化转型的持续推进，川东北作业分公司油气田站场、净化厂已基本完成物联网及基础设施建设和生产运行的数字化管控
。
01. 海量数据难题
中国石油西南油气田川东北作业分公司负责川东北天然气项目（罗家寨及滚子坪气田）的开发和生产运营，其气井井均日产能150万立方米/天，6口井累产超20亿立方米。作为中石油第二大硫磺销量单位之一，川东北作业分公司宣汉净化厂是西南地区
首个完成国家新天然气气质标准及尾气排放标准的“双达标”升级改造的净化厂
。
宣汉净化厂拥有
约46600余个采集点位
，数据采集面也相对完整。但
“足够多”的数据采集也带来了不小的问题
，可检测点位呈爆发式增长，各自独立的数据来源和数据类型让整合和监控工作变得犹为吃力。
净化厂在初步实现或具备“全面感知、自动操控”的背景下，尚未构建新型有效监控模式，数据应用仅限于采集数据如报警点设置、实时数据监控等简单利用；难以进行进一步数据整合分析，数据利用率低，监控工作量反向增长。
在数以万计的数据点位中，如何把所需关键信息串联起来，形成“一眼看穿”工艺流程监控新模式？
以往局限于定位、拉表的“见点打点”方式显然不行，大海捞针式找到点位后机械性地形成点位+描述的表单，看似是将数据整合了，然而事实上所有点位仍处于游离和独立的状态，重复同样繁琐的过程，点数多、命名乱，查询不易的问题并没有得到实质性的解决。在历经千辛万苦找到数据点位后，单一的数据罗列又让数据的实际使用者不知从何下手。
02.
新模式推进数据管理和数据治理
在以上背景下，
以“点-线-体”的模式推行数据管理和数据治理，是双向解决信息部门和业务部门老大难问题的关键所在
。
川东北作业分公司在2021年选择了深入运用PI AF：
以“点-线-体”思路建立以实时数据为数据核心、整合关系型设备信息的数字资产工厂
：
-
-
完善动设备运行状态、运行时长统计等基于条件判定的二次计算判断数据
-
-
将来源于PI Point ，全厂主工艺单元、公用工程等全业务覆盖的46000+高频、时序性数据进行数据治理，形成工艺流程的7174个关键数据项。
利用PI AF，川东北作业分公司
以气田开发生产工艺路线为主线，具体功能单元为支线，将实体资产设备和虚体工艺单元贯通，完成了实时点位到工艺单元、资产设备的绑定；实现了关系型数据与资产设备、功能单元的整合
。
在“点”滴必究的详实准备之上，设备和工艺双线并行的轨迹下，川东北作业分公司
通过实时数据治理过程建立了资产框架，同步确定数据管理标准的管治一体化，构建了厂级、装置级、设备（工艺单元）级的数字资产工厂
：
-
完成实时运行参数、计算运行时效、设备基础信息、事件信息等数据的全面整合
-
完成生产实时数据的数据组织模式，形成以工艺路线为路径的树形结构数字资产工厂
-
数字资产工厂结构在前端B/S结构应用中，采用拖拉拽方式进行数据组态应用
03. 创新思路
“是信息驱动还是业务主导？
”
答案是，并行不悖。围绕PI AF，按照“点-线-体”思路，川东北作业分
形成了“业务+信息”的针对性和方向性实时数据治理
。
业务部门数据采集做减法：
相对于“海量数据，不分你我，一口吞掉”，然后再耗费大量时间从中筛选和梳理关键信息的数据治理模式，业务部门始终更熟悉是工艺设备专业技术。
对于工艺和设备管理这样的业务部门，团队以气田开发生产的“工艺路线”为核心，将净化厂脱硫脱水、煤气处理、硫磺回收等工艺单元的相关参数进行构建整合，针对性地进行数据治理，挑出关键信息，让数据以应用场景为导向，为业务所用。
信息部门数据整合做加法：
所谓加法，并不是简单的数据累加，而是利用PI AF和EF等功能通过多条件判断、过程参数建立等方式方法进行数据的二次审定，以实现相关模型的复用；同时，对于实验室分析系统、设备设施信息系统、基础数据库等外部关系型数据，公司通过PI AF 的Table Lookup功能实现了整合。
在这个过程中，信息部门做的最多的不是去绑点和找点，而是新点位的建立，实现了运行状态、运行时长、报警值分析等关键参数的二次计算点创建，对应用场景所需的数据进行了模型化建立，从而对所有同类型的设备进行批量处理，让团队将更多的精力放到其他更具创造性的工作中去。
企业数字化转型离不开数据驱动，而数据驱动的对象最终还是要回归到业务
，所以在转型之旅上，川东北作业分公司致力于以实时数据为核心，以业务为主导，充分发挥业务优势专长，形成业务部门转型的深度参与。
具体而言，表现为以下几点：
-
了解相关设备或工艺参数在工艺树形结构中的层级位置，使用上
不再依赖信息部门进行数据查询
-
降低了业务人员对专用软件、专业系统的使用要求，
最大程度发挥业务专长
-
实现高频实时数据与相关业务数据进行数据分析，
形成数据、业务、分析的有效连接
-
进一步探索历史数据与当前数据变化趋势分析，进行
历史数据故障判断
与
实时数据趋势判断预警
，指导设备故障快速分析与工艺异常监控识别
-
工作重点从数据统计逐步转向
模型建立与数据分析
净化厂利用PI System实现了“一站式数据资产构建”，建立了一个完整的数据工厂，形成了数据分析的基座。
其中值得一提的是，
PI Vision功能可以提供可视化的短期成果
。在实践过程中，短期成果和预期收益处于并重的位置，大多数数字化转型解决方案在长期收益上会有清晰的规划和展示，但以月为单位的短期预期收益相对欠缺。但事实上，短期成果对管理层和一线基层都是提振信心的关键，PI System在这一方面交出了漂亮的答卷。
04.
数据二次利用及构建新型监控模式
数字资产工厂的建立，对传统净化厂在“全面感知”背景下爆发式可监控数据进行了梳理，形成了标准化的工艺及设备监控关键核心数据结构，可由业务人员对所需数据进行自由使用，但数字资产工厂建立仍主要侧重于感知采集层的逻辑整合与实体设备绑定。
利用数字资产工厂的标准化数据，使用PI AF EVENT进行二次数据开发利用，打造了基于事件特征的新型监控模式
。
通过创建相关工艺、设备事件，低成本API接入企业微信进行提醒，达到24小时全时段自动监控与定员覆盖通知，有效应对监控数据增长与员工数量减少的要求，进一步提升业务协同处置时效。实现从“一张图、一览表”的时时监控、岗位监控模式到 “即时通知” 提醒监控、同步知晓模式。
净化厂装置性能考核
通过关系型数据库实验室分析系统的数据整合，实验室分析化验结果如气质组分、硫磺纯度、水含量等组分做为数据点，用于指标型二次计算数据点位建立，提出了一个
「110%」的净化厂装置性能考核思路：
即1套指标体系；
10日内周期；
%达标率。
净化厂装置性能考核通常为3-5年一次，需要在净化厂达到一定工况条件下，在固定时间段内进行取样和相关历史数据采集。而在PI System的助力下，使用集成了外部关系型数据（如实验室分析）的工厂框架构建性能指标，性能考核的结果可在取样分析结果登记完成后立即得出。相应的，数据分析报告的出具也从以往的15天左右制定周期缩短为1-2小时。
基于事件的点式硫化氢探测器通讯状态故障报警
净化厂原料气管线为高含硫天然气介质，沿线共计部署232个点式硫化氢探测器，采用无线通讯就近RTU采集后，经自建光纤回传。
日常运行过程中，由于地处多雨多雷暴山区地带，探测器-RTU采用无线通讯模式，探测器通讯故障为最常见故障。
一张图中能实时显示当前存在通讯故障的探测器及RTU，并根据实时数据进行周期性比例统计，但仅能显示当前状态及占比数量，无直观至具体设备名称的故障提醒，通讯状态受外部环境变化影响存在临时性、偶发性故障，出现故障报错后，安排维护人员至现场后，发现通讯已恢复，对维护安排造成不利影响与资源浪费。
PI Event
Frame，对特定条件下的事件，尤其是在环境状态变化实时监控，运用“不做处理的事件”新思路，简易有效地解决了详细设备定位与故障持续时长统计问题。
通过对点式探测器模板一次性建立判定事件，形成自动刷新的故障设备事件列表。在通讯恢复后，故障事件提示自动从事件列表中移除。同时，维护人员可根据故障持续时长，快速判断确需现场检查维护的设备，对持续时长大于1天的事件，设置企业微信对具体人员进行消息提示。
脱硫是天然气净化过程的重要步骤。天然气所含颗粒杂质会使脱硫溶液产生泡沫，造成了脱硫塔内的“虚假液位”，导致“发泡”现象产生，会直接影响装置的脱硫效果，导致尾气硫化氢超标，引发严重环保问题，甚至可能造成溢流风险。
发泡拦液有大量相关公开发表的研究及论文，从自身实际条件出发，广泛大胆吸收利用公开刊物、论文、研究结论成果，自底向上结合实际生产数据进行验证。
公司采用PI EF，根据公开研究结论，结合实际工况进行条件调整，使用回填（backfill）功能进行模型验证，形成了适用、可用的监控模型，节约了大量的前期研究成本，实现科研到应用的快速转化。
作业公司利用建立的标准化运营数据底座、事件编辑器框架，B/S组态控件,进行操作流程的定制监控仪表盘，并总结出了初期着手标准操作文件SOP特征的
“三明确”
：
-
明确监控值：具有明确的监控点位号或者多监控点位号的组合判断，如“升压速率<=0.1MPa/分钟”、“阀门开度不大于50%”；
-
明确时间特征：具有典型的时间区间。如“1小时内”，“不超过3小时”；
-
明确判断逻辑：具有明确的非直接监控点与操作判断逻辑，如手动阀门操作可通过下游压力、流量变化判断的固定逻辑判断条件；
通过构建工厂生产运营数据底座，形成标准化数据治理模式与标准化可复用模板，多角度上下贯通进行数据整合治理与开发应用，以“千变万化”的数据应用为导向，不断在新感知体态模式下为赋能应用，实现了基于工业大数据驱动的事前预测、事中监控、事后分析业务流程优化模式，进而推动人员能力与组织变革，从内而外地实现“数字化的华丽转身”。
净化厂各工艺单元与油气井生产集输站场相比，工艺相对复杂，各工艺单元又存在较强联系，
因此，传统净化厂的数字化转型不是一蹴而就的短期项目工程。
在以业务为主导的数字化转型驱动力下，基于工艺路线构建的数字资产工厂框架，除应用于流程制造行业的工艺流程数字驱动型管理外，通过进一步叠加设备设计、建造、施工阶段的静态数据，形成针对资产密集型企业设备管理的工程建设与生产运营“数据双底座”，从管理和应用等多角度上下贯通地进行数据整合治理与开发应用，以“千变万化”的数据应用为导向，不断在新感知体态模式下为实际应用场景赋能，形成强大坚固的工业数据基座，进而推动人员能力与组织变革，从内而外地实现“数字化的华丽转身”。
如果您想了解本次数字化解决方案应用案例，欢迎点击文末“阅读原文”获取，或识别下图二维码获取资料
。
