恒逸石化股份有限公司是一家产业链一体化、石化化纤主业突出股份制企业（股票代码：000703），公司是全球领先的精对苯二甲酸（PTA）和聚酯纤维（PET）制造商。PTA产能 1350万吨，占全球 40% 的市场份额，排名第一。聚酯产能全国排名前三。集团现有员工10000余名，总资产近400亿元，连年跻身中国企业500强。
恒逸石化虽然是中国化纤行业的佼佼者，但在过去的五年，公司盈利受到严峻挑战。由于全球经济下行的影响，整个行业处于下降通道。2012-2016年， 我国聚酯化工产能加速扩张导致过剩严重，行业开工率从2011年的90%骤降到70%，行业竞争压力大。
面对上述困境，“十三五”为中国石化行业发展明确了主要方向：调结构去产能，创新驱动，绿色低碳发展。大力推进智能制造，加快两化融合。大数据、云计算在化纤生产全流程应用领域的研究。
恒逸石化近几年开始了在智能制造与工业大数据方面的探索。公司打造的聚酯纤维智能工厂，实现了各生产环节的可序化、数字化和智能化。公司在2016年年报中也推出了“互联网+”行动计划，重点推动电子商务、大数据、机器换人、机联网等与公司业务进行结合，推进公司由“制造“向“智造”转型。2016年恒逸石化把智能制造列为公司的三大战略时，由信息化部门牵头推进，这为后来的工业大数据项目做了很好的铺垫。
一. 大数据项目团队搭建
智能制造大数据项目由CIO来统一协调、高效推进各项目开发、落地、实施。公司IT团队的人才结构是跨学科的，除了IT人才，还会招揽有自动化控制、化工、大数据、甚至是项目咨询管理背景的人才。这种跨学科团队即了解新兴的IT技术、又懂生产工艺， 在新技术与工业场景的结合上体现了很大的优势。
当问到什么选择与阿里云合作，廖总回答道：“化纤行业作为典型的流程制造行业，具有工艺一致性和标准程度高的特点，需要复杂的品质管控，整个生产过程都是由系统自动化的控制，数字化程度高，积累了大量相对完整的生产历史数据。然而所有的数据都属于沉睡状态，并不知道如何开发、利用，行业内部也没有找到相关的最佳实践。我们希望能够借助阿里云在云计算与人工智能领域的专业知识，跳出化工行业的传统思维框架，唤醒这些沉睡的数据。”
于是，2017年3月，阿里云数据科学家正式入驻恒逸石化智能制造大数据项目组。项目团队由恒逸石化CIO廖总整体负责，形成由信息化部门、生产部门与阿里云大数据专家组成的三方联合作战团队。
二. 哪里才是痛点
起初，恒逸石化与阿里云大数据团队由于对对方领域的陌生，并不清楚项目该从哪里切入。恒逸石化工艺专家亲自带领阿里云大数据团队下车间实地调研。经过团队多轮讨论，认为从降低能耗入手，项目风险相对较小，也存在较大的提升空间。化纤行业属于高耗能行业，哪怕是提升1%的燃煤效率，即可节省上千万元的成本，潜在效益可观。
锅炉是工厂的核心发电装置。工程师凭借经验对锅炉的各种运行参数进行调节，控制炉温。然而，锅炉设备结构复杂，燃烧过程中变量多，压力、流量、风速、温度都会影响最终的燃烧效率。牵一发而动全身，一个参数的变化会对整个锅炉燃烧过程与燃烧效率造成影响。仅凭经验判断，难以精确数百个变量间的逻辑关系，更无法根据锅炉燃烧状态做实时、动态的参数调节。同时，经验的传承与沉淀也是个问题。经过恒逸石化工艺专家与阿里云大数据专家的评估，一致认为提升燃煤效率“大有可为”，于是定下了工业大数据项目的阶段性目标 - 通过云计算与深度学习识别锅炉燃烧过程中的关键因子，找出最优参数组合，提升燃煤效率。项目团队以杭州聚酯工厂做为试点，并选择了其中的一个燃气锅炉做数据的采集、分析与测试。项目正式启动！
三. 项目过程
很多企业在开展工业大数据项目时，都是倒在了数据采集这一门槛。 而恒逸项目团队在这方面并没有遇到很大的挑战。石化行业的自动化与数字化一直保持较高水平，作为石化行业的领军企业，恒逸多年来一直注重数据的积累，累计了大量的全量历史数据，大大降低了大数据分析的门槛。为减少工程师与阿里云数据专家间的矛盾与误会， 公司为技术骨干增开了培训班，帮助他们了解云计算、大数据等新一代数字技术的价值，以及未来工程师的职能定位，消除他们的顾虑。而阿里云的数据专家们也在积极补课，阅读了大量的设备与工艺资料，以减少专业层面的沟通障碍。就这样，双方逐渐建立了信任。
项目的具体推进可大致分为三个阶段：
阶段一：模型搭建
项目团队收集了过去7天的离线数据，多达几百个不同维度的参数，包括锅炉温度、压力、流量等。数据科学家借助Maxcompute大数据平台，通过数据建模，对工艺参数进行量化分析，寻找关键参数。通过算法与机器学习，参数从最初的几百个缩减到十几个对燃烧温度影响最大的关键参数（具体参数暂不对外公开），并基于这十几个关键参数搭建参数模型。
阶段二：参数调优
阶段一所搭建的模型需要“喂”更多的数据才能验证其准确性。数据专家用最近三个月的离线数据对模型进行验证并对参数做进一步调优。对一些超出工业常识与边界范围的参数设定，工艺师傅们则会给予及时的反馈。就这样，经过多轮的调优，形成了更为优化的参数模型。
阶段三：上线测试
参数模型只有拿到线上实测，才能验证其有效性。上线后的第一次测试结果就超出了大家的预期 – 燃煤效率提升4.1%。这意味着一年即可节省1600万元的燃煤成本。如果在公司内部全面推广，全年燃煤成本节省非常可观。阿里云数据专家民齐（花名）解释说，虽然模型被验证是有效的，但是参数会根据实际的环境变化而动态变化。阿里云借助Data Hub大数据平台对数据进行秒级采集，并每隔两分钟做参数的动态推荐。工艺师傅则会手动录入数据到设备中，实时控制锅炉的燃煤状态。
四. 下一阶段目标
在试验线上所取得的成果证明利用大数据与人工智能技术降低能耗是行之有效的。下一阶段的目标则是经验的复制与推广，横向与纵向并行，最终将试验线中的研发成果在大规模生产中精准落地。
- 横向：能力输出，实现跨工厂的复制与推广。当前项目团队仅是以一家工厂的一个燃烧装置做为试点。项目团队接下来的任务是做知识与经验的沉淀，把能力输出给更多的工艺专家。在阿里云数据科学家有限的协助下，工艺专家可独立调用云计算、大数据、数据模型等技术，自行对设备进行调节。
- 纵向：深化云计算与大数据在核心生产环节中的应用。团队目前正研究如何利用工业大数据提升聚酯生产过程中酸值的稳定性，以及生产设备的预测性维护。同时，设备可自动接收动态工艺参数推荐，并作响应调整，无需人工干预。
五. 恒逸大数据项目引发的思考。
- AI与化工行业天然适配 - 根据中国信息化百人会2016年统计，石化行业的生产设备数字化率与关键工序数字化率分别是53.6%与68.8%，远高于其他工业垂直行业。在数据实时全量采集上，基础相对扎实，更容易形成数据价值闭环。此外，石化行业属于资本密集型产业，设备资产投入大，生产环节中单个工序所产生价值占总价值比重高，因此人工智能技术所带来的ROI也更为可观。
- AI VS工艺专家 - 人工智能专家吴恩达说过，AI的落地应用，是创造了更高级的工作形式，经过培训的员工可以拿到更高的薪资，可以从事更高级的劳动方式。人工智能与工艺专家并不是对立关系，而是相互吸引。 被人工智能技术“加持”的工艺专家会成为企业的核心资产。
- 谁来领导智能制造 - 因该由谁领导企业的智能制造转型，一直存在争议。制造部门凭借其在生产工艺Know-How上的优势，通常会赢得在智能制造项目上的领导权。而恒逸石化向我们展示了信息化部门在智能制造项目上的优势与领导能力。智能制造的数字化、网络化与智能化需要IT赋能，转型成功的信息化部门会从企业的边缘部门跃升到企业的核心部门，成为智能制造创新的引领者。
阿里云创始人王坚博士说过，“没有互联网的制造业没有未来”。衡量经济发展水平的标准将慢慢从以电的消耗向以计算能力的消耗程度转变。制造业会是消耗整个世界计算能力的最重要部分，也许会超过70%。”云计算、大数据与人工智能正成为新的生产要素。生产环境的信息以数字化的方式呈现，数据在两个平行世界间流动并形成闭环，可以创造巨大的商业价值。阿里云在包括天合光能、中策橡胶、协鑫光伏、恒逸石化、固德威力等众多工业大数据项目中，证明了云计算与人工智能在良品率提升、生产工艺优化、设备可预测性维护、降低能耗等场景的巨大潜能。未来，算法工程师下车间与工艺专家一起参数调优，将成为制造“新常态”
鸣谢
恒逸石化首席信息官 廖宁平
恒逸石化信息部副经理 章勇
联系方式
案例研究：阿里云研究中心战略专家 王岳 yvesyue.wy@alibaba-inc.com
阿里云业务专家 逸春 yichun.xyc@alibaba-inc.com
