基于智能体的石化智能工厂信息物理系统实现研究

蒋白桦，吕雪峰，刘玉龙

（石化盈科信息技术有限责任公司，北京100020）

引 言

随着网络通信技术与信息系统智能化进程的快速推进，对于工程系统和计算设备的需求已不仅仅局限于传统系统功能扩充，更关注系统资源合理有效分配和系统性能效能优化，以及服务个性化与用户满意度的提升[1]。在此类需求引导下，信息物理系统(cyber-physical systems，CPS)作为一种新型智能系统引起了各国政府、学术界和商业界的高度重视[2-5]。

解决物理世界与信息世界分离所造成的问题是信息物理系统发展的推动力。CPS是一个综合计算、网络和物理环境的多维复杂系统，将计算嵌入到物理过程中，能够实时感知和控制物理过程，通过计算进程与物理进程相互影响的实时反馈循环，自主地协调物理进程[6-8]。CPS 无缝集成了传感器、网络、计算单元和执行器，通过计算、通信、控制技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务，在电力、石化、医疗等众多领域具有重要而广泛的应用前景。

近年来，CPS已成为国内外学术界和科技界研究的重要方向[7,9-12]，美国国家科学基金委员会将CPS列为重点支持的关键性研究领域。为了在智能电子系统领域占据全球领导地位，欧盟第七框架计划启动了智能嵌入式系统的先进研究项目，该项目将CPS作为智能系统的一个重要发展方向。韩国和日本等国近几年也设立了针对CPS的研究计划。随后，中国在电力领域、汽车制造、智慧医疗、智慧交通等主要工业领域开始对CPS进行了应用研究[13-18]。

石化行业是我国最重要的工业领域之一，行业内在CPS领域的研究力度不断加大。目前针对石化CPS 的研究和探索，将其定位于智能工厂的基础设施[3-5,19]，重点围绕智能工厂建设开展。本文在石化行业CPS 已有理论研究成果基础之上，深入研究面向石化智能工厂，基于智能体（Agent）的石化信息物理系统的实现方法与实践。

1 国内外相关研究现状

1.1 面向石化智能工厂的信息物理系统

新一代信息技术与运营技术、制造技术的融合，给石化工业生产方式带来革命性的变化，产品结构正在发生变革，高性能、高附加值和专用化学品需求日益增加。未来石化工厂是以工业化和信息化深度融合为基础的绿色、高效、安全和可持续的新型智能化工厂。

石化智能工厂面向石化生产的全产业链，将新一代信息技术与现有石化生产过程的工艺和设备运行技术以及人进行深度融合，实现工厂横向、纵向和端到端的高度集成，提升全面感知、预测预警、协同优化、科学决策的四项关键能力，以更加精细和动态的方式提升工厂运营管理水平，并推动形成新的制造和商业模式创新[1,3,20-21]。

石化信息物理系统的建设目的，是构建一个以泛在感知和泛在智能服务为特征的新一代石化生产环境，打造“状态感知-实时分析-科学决策-精准执行”的闭环，将无处不在的传感器、智能硬件、控制系统、计算设施、信息终端通过石化CPS连接成一个智能网络，构建数据自动流动的规则体系，将企业、人、设备、服务之间互联互通，最大限度地开发、整合和利用各类信息资源、知识、智慧，应对制造系统的不确定性，实现制造资源的高效配置，利用石化CPS 打造更加精细和动态的工厂运营管理方式[3-5,19-20]。

CPS 的层级体系，理论界普遍认为可以分为单元级、系统级和SOS级（系统之系统）三个层次，这一划分，从功能范围上界定了CPS 的分级，对规范CPS总体认识、推动CPS发展具有重要意义，但是这种划分并未涉及针对不同行业的具体实践指导方针。具体到石化行业，结合生产企业的特点，石化CPS对应体系结构应该是：单元级CPS对应单装置；系统级CPS 对应一套联合装置、一个完整的加工流程或者一个作业部；系统级CPS面向企业，且基于平台。

1.2 面向智能工厂的智能体技术

石化信息物理系统泛在感知和泛在智能服务能力打造，需要具有自组织能力、学习能力和推理能力的智能技术支撑。智能体是分布式人工智能（DAI）领域的一个基本术语[22]。智能体被认为是一个物理或抽象的、能在一定环境下运行的实体，能作用于自身和环境，并对环境做出反应。智能体具有知识、目标和能力。知识主要包括领域知识、通讯知识、控制知识等；目标可以根据变化情况分为静态目标和动态目标，目标可以通过算法编入或显示给定，或通过通讯获得；能力是指智能体具有推理、决策、规划和控制等的能力。其能力的获得可以给定、学习或通过通讯获得。多智能体系统(MAS)是由多个单智能体组成的集合，该系统可以协调一组智能体的行为，以协同地完成一个任务或求解问题。

多智能体系统的体系结构主要研究如何将多个单智能体组织为一个群体并使各智能体有效地进行协调合作，从而产生总体解决问题的能力[23-28]。目前具有代表性的研究主要有基于符号推理的智能体研究、基于承诺与约定的协作模型、自协调模型等。由于多智能体系统的分布性能、动态性、实时性等特点，近年来的应用领域较为广泛，主要集中在机器人领域[29]、智能交通领域[18]、智能制造领域[30-31]等。

在智能制造领域，有学者定义了基于多智能体系统的智能制造单元，用于物理对象的信息转换、运输、存储和验证。一个智能制造单元可以由其他小的智能制造单元组成，每一个智能制造单元也可以是其他单元的一部分[32]。每个单元又具有相当的自主性和内聚性。基于多智能体系统的智能制造系统可以灵活定义从设计、生产到市场整个制造过程的所有活动，以实现智能制造目的。除此之外，有学者在供应链管理中采用智能体技术，通过有效的资源配置，优化所有连接企业的总体供应链，动态优化材料和库存，增强企业对市场的反应能力。供应链研究的一个重点是不同层次的智能体之间的协调[33]等。

传统的数学模拟和仿真技术难以对石化企业生产的连续性和动态性等复杂特点进行精准描述，也难以解决计算效率与模型可信性之间的矛盾。而智能体则是对于物理实体相关业务规则及工业知识的程序化封装，可实现模型与规则的解耦，可做到动态、灵活及轻量化部署应用，相较于传统实现方式具有更高的封装性、扩展性及复用性。对于石化企业的生产过程，无法用确定的数学模型抽象出可操作的信息物理系统，因此需要借助多智能体的特性，构建具有智能行为的生产实体，依据石化工厂生产特点及属性赋予一定规则，通过个体之间的交互来模拟从个体适应到大规模生产现场的展现，以动态、整体的方法解决石化智能工厂信息物理系统的实现问题。基于智能体的系统在表达实际状况时，通过智能体间的通讯、合作、互解、协调及控制来表达系统的结构、功能特性。通过智能体构建的系统具有自组织能力、学习能力和推理能力。

与传统的数学模拟方法比较，基于智能体的信息物理系统用于解决石化智能工厂建设问题的优势如下：（1）一致性。智能体既能反映生产装置的属性，又能反映生产过程中各种参数变化，能够表现出与生产实体相一致的特性，从而满足高仿真度需求。（2）实时性。智能体可根据石化企业生产特点及属性进行业务计算、报警监控及智能预测等，对动态生产过程做出实时判断。（3）自主性。在基于智能体的CPS 中，每个智能体均能够解决给定子问题，并自主地推理和规划并选择适当的策略。（4）协调性。基于智能体的CPS 是一个协调的系统，智能体之间可通过互相协调去解决大规模的复杂问题。（5）独立性。每个智能体都有自己的进程，可按照各自运行方式独立工作。

2 基于智能体的石化智能工厂信息物理系统构建方法

石化智能工厂的信息物理系统，需要覆盖智能数采、计划排程、物料平衡、预测性维护、石化企业设备大数据分析、炼油工业预测预警大数据分析、炼油生产装置远程技术诊断服务和先进控制等智能化应用，支持全厂生产平衡能力，覆盖全厂生产业务。这样一个高度智能化的综合性制造系统，需要两个必不可少的基础作为支撑。一是需要智能体的强大计算能力作为运行保障；二是需要工厂模型作为工厂信息与实时状态的数字化表述。因此，石化CPS的单元结构应包含协作控制模块和领域处理模块。其中，协作控制模块提供物理信息感知、通信管理、信息调用等功能；领域处理模块由数据库、模型库、规则库和知识库等单元组成。

2.1 石化智能工厂信息物理系统的计算原理

石化智能工厂信息物理系统通用计算模式可视智能体的工作模式，依托三个单元协同予以实现，一是问题求解单元，包括感知、计算、决策、执行四个环节；二是资源库，包含知识和数据；三是协作接口单元。CPS 通过对物理过程进行感知和控制，实现石化信息空间与石化物理空间无缝结合，如图1所示。

图1 石化智能工厂信息物理系统通用计算架构Fig.1 General computing architecture of cyber-physical systems for smart petrochemical factory

其中，问题求解单元根据所获得的任务、自身资源、状态及行为以及其他智能体的环境信息等，利用资源库提供的相关知识和必要数据，进行局部任务规划、推理和决策，产生相应控制信息和数据，控制自身和其他智能体的操作与进行，并监视自身运行状态。

感知环节是通过异构的网络节点，实时、准确、全面、协同、有目标地感知监测物理环境，涉及企业、工厂、生产装置、产品及生产环境状态，如生产装置的运行状态、生产计划指标、非结构化数据的处理等。计算环节利用数据和知识对感知到的信息进行计算分析，处理和管理各种分布式异构单元的生产信息，获得各异构单元内部及异构单元之间的关联性及因果性。决策环节是根据计算的结果，进行对现实的评估和对未来的预测，形成最优化的决策，例如：对设备状态变更、生产计划调整等作出判断。执行环节是对决策的物理实现。将最优化的决策转换成可执行的指令作用于物理对象，如生产装置等。

资源库包含了完成任务所必须的知识和数据。知识包括模型、规则和算法，如生产装置的工艺模型、石化工厂信息模型以及装置操作规则等，石化行业涉及的知识可以归纳总结如图2所示。

数据包括生产装置的实时状态数据、历史生产数据、企业大数据和其他非结构化数据等，总结如图3 所示。其中业务数据/记录数据与供应链管理、生产管控、设备管理、能源管理、安全管控和环保管控等智能工厂业务域对应，这些数据为石化CPS 计算环节提供支撑。

图2 石化智能工厂信息物理系统通用计算模式中的知识库Fig.2 Knowledge base in general computing mode of cyberphysical systems for smart petrochemical factory

协作接口单元负责与其他智能体以及外部环境的交互，获取任务并根据任务的复杂程度和自身的资源、状态和能力寻求协调与合作，同时也向其他智能体提供所需要的能力及服务，实现资源、知识、信息和功能的共享。

2.2 石化智能工厂信息模型

工厂信息模型描述石化企业中生产活动涉及要素的模型抽象，包含企业核心生产领域涉及的物理对象和度量对象，以及这些要素之间的相互关系，为智能工厂应用建设提供统一访问机制、提炼企业内统一的数据描述模型、提炼企业内统一的对象关系模型。工厂信息模型主要描述了模型和关系，模型要素涉及工厂中的生产相关装置、设备、组织模式、人员、相关工作流程，通过继承关系、包含关系、连接关系和关联关系表达模型要素之间的关系。工厂信息模型统一设计、统一建设，可抽象工厂实体、运行机理、人员组织与活动，并进行模拟，集中存储、访问相关联的信息。

图3 石化智能工厂信息物理系统通用计算模式中数据内容Fig.3 Data in general computing architecture of cyber-physical systems for smart petrochemical factory

石化行业智能工厂信息模型主要描述工厂的物理组成、参数指标、度量控制。工厂物理组成描述工厂生产过程中涉及的物理实体的属性，属性信息包括类别、定义和相互间的联系。参数指标描述物理实体的度量指标和行为。度量控制描述工业控制系统和物联终端的指标和参数，包括结构化数据、非结构化数据。基于统一的工厂信息模型建设的实时控制系统、生产及经营管理系统，实现底层控制系统互联和数据互通，各应用通过统一的工厂信息模型进行生产运行数据的存储、调用和信息反馈。

通过统一的工厂信息模型，可提升数据的价值和共享性，打通生产及经营管理各环节系统的融合、交互通道，如图4所示。

智能体是具备感知和响应能力、能够自主行动的逻辑实体，因此可以建在工厂模型的节点上，融合分析、预测预警、决策、执行能力，使其成为智能体。一个智能体可以具备多种处理能力，包括业务计算、智能预测、报警监控等。这些不同的处理能力，由其中包含的智能点（Agentlet）完成，如图5所示。

智能点利用实时数据总线、实时计算框架，实现面向全局的事件驱动机制，如图6 所示。图中，ODS（operational data store）为操作型数据存储，分级分类对企业生产涉及的过程和状态感知数据进行存储，同时基于生产现场发生的时间，与智能体联动，为其提供环境、事件上下文等驱动数据。

2.3 石化智能工厂信息物理系统的构建方法

图4 工厂信息模型的集中集成Fig.4 Centralized integration of factory information model

图5 工厂信息模型中的智能体分布示意图Fig.5 Distribution of agents in the factory information model

图6 智能点的工作机制Fig.6 Working mechanism of agentlet

石化智能工厂信息物理系统构建，需要以工厂模型数据建模为基础。工厂模型是对石化企业物理实体的结构性表达，主要用于定义物理实体的本体属性及实体之间的关系。而工业数据湖可完成对工业现场各种数据源和多种数据类型的统一接入和集中存储，同时提供过程数据和结果数据的存储和访问能力。石化智能工厂涉及的数据量巨大，既包含结构化数据也包含非结构化数据，而且需要对其进行深入分析。在数据湖中，可存储任何形式和任何格式的数据，通过对工业现场数据的实时处理，支撑石化智能工厂相关统计分析及预测预警。因此在石化智能工厂模型构建时，采用了数据湖作为数据支撑工具，为石化智能工厂CPS 提供具备更高灵活性和更高敏捷性的数据基础。

工厂模型对象在物理工厂产生各种数据，这些数据需要通过信息物理系统实现动态感知，完成工厂数据采集，并在知识库和数据库的支撑下，调用智能体的规则引擎、大数据分析引擎、搜索引擎、优化计算服务引擎及专用服务引擎，开展数据的加工、计算、分析，实现全面的数据处理过程，并将处理的结果存入工业数据湖。基于以上设计原则，石化智能工厂信息物理系统体系结构如图7所示。

工厂模型对象和算法目录组合生成编辑器，从而创建智能体，实验室信息管理系统（laboratory information management system，LIMS）、实时数据库（real time data base，RTDB）及物联网（internet of things，IoT）等将数据存储到数据湖，智能体通过订阅得到数据湖中的数据，并构建实时计算框架；使用相关计算引擎对业务数据，利用规则和模型进行分析计算；任务执行单元即业务应用单元，负责感知—计算—决策—执行的处理驱动和控制，同时为避免强耦合，任务执行单元和处理引擎通过服务总线进行交互。

图7 石化智能工厂信息物理系统架构图Fig.7 Architecture of cyber-physical systems for smart petrochemical factory

石化信息物理系统的数据处理，不限于单一的规则解析、实时计算或者大数据分析，而是通过在工厂模型对象上创建智能体的方式，使该工厂模型对象具备各种能力。例如，可针对工厂的某个常减压设备创建智能体，该智能体可以是规则解析(如告警)，可以是实时计算(如统计量的计算)，可以是数据分析(如预测预警)，也可以同时具备多项能力。

在工厂模型对象上创建智能体的本质是，通过建立模型把现实的物理世界抽象化，通过需求不断赋予智能体“IQ”以及“EQ”，使其具有自省能力，感知和预测自身状态的变化，实现活动的协同，并通过可视化界面对每一个智能体进行配置。

其实现过程可分为三个核心步骤。

（1）通过智能体编辑器对一个智能体进行多种配置，每一种配置生成一个智能点，通过配置赋予其能力。

（2）每一个智能点都代表这个智能点的一种能力。具体过程是，首先通过智能体编辑器对一个智能体配置一个智能点；随后每生成一个智能点，数据湖都会通过其数据即服务能力为该智能体提供必要的运算数据，根据配置的智能点计算类型进行计算分析，并将计算分析结果在智能点上展现。

（3）最终，智能体接收数据处理结果，执行该应用的业务功能。

2.4 基于智能体的石化信息物理系统示例

可以选取工厂模型节点层中的储罐作为一个智能体，该智能体可包含多个智能点，例如分别面向温度、压力、液位、付空及收满等属性的预测预警。每个智能点定义一个或一组状态监控参数，这些参数的运行数据将被处理引擎进行实时监控，处理引擎使用监控数据，按照智能点指定的预报警规则和算法，进行预报警运算，以做出预报警事件的判断，实现预报警事件的触发、跟踪和消除，见表1。

3 基于智能体的石化智能工厂信息物理系统工程实践

传统的石化企业信息系统建设，通常围绕不同业务域形成独立的专业管理系统，系统内的配置相对固化，系统之间也缺乏协调与共享。而基于CPS的智能工厂，其生产系统、资源及处理过程具有高水平的中心性、协同性和实时性，同时在资源、成本方面更具优势。基于CPS，智能工厂将按照重视复用性和持续性的中心化原则来设计，因此灵活性、自适应性、学习能力及容错能力成为其固有属性。同时，其优势不仅仅是在特定生产条件下或者特定业务域中的一次性体现，而且最终可以实现基于平台的、面向多套装置、多个加工流程或多个作业部所形成的系统之系统级的部署与应用。石油和化工工业互联网平台（ProMACE）定位于面向石油和化工行业全产业链自主可控的国家级工业互联网平台，是信息物理系统(CPS)在石油和化工行业的具体实现。本部分主要介绍基于该平台的石化智能工厂CPS案例。

表1 基于智能体的储罐CPSTable 1 CPS of storage tank based on agent

3.1 大机组设备健康管理

设备的健康及可靠性管理是其运行维修阶段的关键管理内容。传统的设备管理系统对所有设备的运行状态进行集中管控，虽然可最大化地利用企业现有的设备健康维护资源，但对设备健康状态的动态变化缺乏应变能力，难以做到有效预防。而基于智能体的CPS设备健康管理模式具有自组织能力，可进行实时监测，并判断设备的健康状态，通过其自主控制能力，可实现设备健康预测的分布式增强控制，充分响应设备健康管理中的动态变化。

石化智能工厂试点企业A 基于ProMACE 的石化智能工厂CPS，实现了对大机组设备的健康管理。通过业务模型、案例故障诊断与专家知识库故障诊断的有机结合，实现对关键机组故障的准确定位和寿命预测，为维修决策提供支持，提高企业预知性维修管理水平。试点企业A通过基于智能体的石化智能工厂CPS 实现的大机组健康管理过程如图8所示。

用于大机组设备健康管理的工厂模型主要包括设备故障诊断专家知识库、业务模型及规则库和三维可视化模型，其中，业务模型包括预警报警模型、健康因素关联分析模型、风险评估模型、故障征兆提取模型、寿命预测模型、备件库存优化模型、系统可靠性模型、生产分析模型等近百个，形成40 余个模型规则；三维可视化模型用于快速定位设备健康监测报警部位。

通过ProMACE 的IoT基础设施及智能体数据存储单元，采集设备分类数据、设备特性数据、设备故障数据、维修计划、测量节点等12类主数据。

通过智能体处理引擎单元判定和预测导致设备健康状况不良的故障部位、故障损坏、故障原因和故障时间，并提供处理报警的维修和干预建议；探索和分析设备各健康参数之间的关系和相互影响程度，沉淀专家知识优化故障诊断；通过智能体业务应用单元结合故障诊断结果和维修建议直接创建维修需求并执行。最终实现对策略执行效果的评估，分析导致差距产生的原因，提出消除差距的措施，优化维修策略，最终形成可靠性管理流程、基础管理流程、故障消除流程、策略管理流程、机械完整性流程和设备安全管理流程的闭环，持续改进和提高设备可靠性。

图8 试点企业A大机组健康管理过程示意图Fig.8 Process of health management on large machine units in pilot enterprise A

石化智能工厂试点企业A通过设备健康和可靠性管理项目建设，有效提高设备预知维修和可靠性管理水平。在项目实施并运行的1 年时间内，设备故障率降低10%，设备可用度提高1%，设备维修费用降低5%，设备非计划停机减少2%。

3.2 能源优化

石化企业中传统的能源优化方法基于能源专业管理系统，其不足主要在于：一是无法实时准确地描述石化企业能源消耗状况与模型间复杂的动态关系，石化企业的能耗涉及多种能源媒介的动态变化，且消耗量巨大，导致在能源消耗状态变化时模型无法准确预测实体行为；二是传统优化方法无法充分适应分布式的石化企业能源管理模式。而基于智能体的CPS既可以保障能源优化的实时性需求，又可以充分支持分布式应用，同时可降低系统建设的管理难度和扩展难度。

图9 试点企业B能源在线优化过程示意图Fig.9 On-line optimization for energy in pilot enterprise A

石化智能工厂试点企业B基于石化智能工厂的CPS，以总体效益最大化为目标，实现锅炉效率、汽轮机、换热器、减温减压器等设备的操作优化，效果显著。针对石化企业中蒸汽动力产、转、输，通过构建能源模型实现蒸汽动力原料和产能优化可视化展示能源运行情况，以系统总操作费用最小为目的进行蒸汽优化，降低能耗。

通过ProMACE 的IoT 基础设施，采集、归并、统计能源介质的生产、存储、转换、输送、消耗全过程数据的量值，对蒸汽管网进行智能模拟和动态监测。试点企业B 通过基于智能体的石化智能工厂CPS实现的能源在线优化过程如图9所示。

基于智能体的数据存储单元处理数据包括15类，主要是企业、工厂、车间、界区、装置、测量点、能源节点、管网、平衡表、介质、基本核算单元、复合核算单元、基础指标、复合指标、平衡项。优化覆盖管网结构参数和操作参数，10 小类即管长、外径、壁厚、管件类型、管件个数、保温材质、保温厚度、蒸汽流量、蒸汽压力、蒸汽温度。

基于智能体的处理引擎单元，对能源管理的各种数据成果和评价分析的综合展示功能，支撑企业能源日产耗数据、能源计量仪表情况、能源关键指标、主要管网损失情况的预警、展示、综合分析。智能体的处理引擎单元为事前预测、事中分析、事后追踪，提供统一、多视角决策和分析综合视图，具体业务流程涵盖能源计划、能源运行、能源统计、评价分析、能源优化、能管中心。通过基于智能体的业务应用单元，找出最经济的系统生产运行和规划改造方案，与现场控制系统连接，帮助管理人员随时掌握蒸汽管网各部位的工况，消除盲目性，提高管理水平，增加管网运行的安全性和可靠性，达到节能降耗的效果，在生产运行、管网规划改造、节能降耗等方面，提升管理水平和降低公用工程成本。

试点企业B 在能源优化后，中压蒸汽管网综合实际散热率为1.1%，综合设计散热率为0.6%；低压蒸汽管网综合实际散热率为2.9%，综合设计散热率为1.4%。

4 结 论

本文给出了一种将智能体应用于石化企业工厂模型工作节点，构建具有智能分析、预测预警、生产监测以及可视化能力的石化信息物理系统的方法。石油和化工工业互联网平台是石化信息物理系统的具体实现，在中国石化智能工厂试点企业的应用效果突出，显著提高了企业的经济效益。信息物理系统在石化行业的相关应用，还需要长期的探索与研究，但是CPS 将彻底改变目前石化行业信息化、自动化的理念，促进数据和信息更充分的利用和挖掘，使石化生产更加主动，为提高石化企业生产效率和开发新的业务模式提供可能性。