智能工厂三维数字化指南教学教材.docx
《智能工厂三维数字化指南教学教材.docx》由会员分享，可在线阅读，更多相关《智能工厂三维数字化指南教学教材.docx（28页珍藏版）》请在冰豆网上搜索。
智能工厂三维数字化指南教学教材
智能工厂三维数字化指南
智能工厂三维数字化指南
2016年9月
1.前言
分体系研究单位：
中国石油和化学工业联合会
分体系执行单位：
中国化工经济技术发展中心
北京中科辅龙科技股份有限公司
分体系起草单位：
中国化工经济技术发展中心、北京中科辅龙科技股份有限公司
分体系指导委员会主任：
赵俊贵
分体系指导委员会副主任：
祝昉
分体系专家组成员：
高新民、杨海成、张志檩、谢宏、王同良、李剑峰、陈溯、陈为民、彭连军、宫向阳、何力健、梁坚、杨景杰、闫高斌、夏茂森、罗敏明、罗建平、李松涛、任忠、柯林
分体系工作组组长：
谢宏
分体系工作组成员：
关世太、张春利、翟国丽、宋楠、胡宇、甘雨、张朝明、孙露露
2.引言
2.1数据资产的重要性
设备设施资产是工厂建设投资的成果主体，也是企业生产运营的物质基础。
相应的，设备设施资产在建设、运维直至报废的全生命周期过程中产生了大量数据，形成了设备设施数据资产。
随着经济形势变化的加剧，以及大数据、人工智能等技术爆发式增长，数据资产对于企业的价值日益凸显。
上至企业的发展战略决策，下至资产操作运维工作，良好的数据资产都是设备设施资产绩效的基础和必要保障。
2.2落后的设备设施数据资产造成的影响
落后的设备设施数据资产对企业造成的影响包括：
•增加了企业运营成本，占年收入1.5%（数据来自ARC集团于2010年发布的研究报告）；
•带来了极大的安全隐患；
•严重滞后于企业的精细化管理需求；
•阻碍了企业向智能工厂的演进。
ARC集团的研究报告指出，落后的设备设施数据资产是导致设备设施管理诸多问题的根本性因素。
Studieshaveidentified poorAIMastherootcauseofmanyassetperformanceproblems,suchaspoorassetutilization,lowmaintenanceeffi-ciency,highMROcosts,etc.
研究表明，落后的设备设施数据资产是导致设备设施管理诸多问题的根本性因素，如落后的资产利用率、低维护效率、高维修成本。
——ARC咨询集团,2010年7月
2.3设备设施数据资产的落后现状
国内企业对设备设施数据资产普遍缺乏足够的关注和投入。
一方面，企业在经营数据资产、生产数据资产方面持续投资，形成了完善的管理体系——部署ERP、PI等IT系统，建立了相应的数据维护制度。
另一方面，企业在设备设施数据资产方面投入则明显不足，使得设备设施数据资产普遍存在以下三方面的问题：
•数据缺失：
缺乏对易失效零部件（如轴承、垫片）以及易失效部位（如焊缝、裂纹）的管理、缺少有效的变更管理；
•质量堪忧：
图纸或IT系统中的数据与现场不一致，表现在账卡物不一致、图纸与现场差异30%以上、ERP/EAM系统中设备零部件数据与现场不一致、设备故障往往很难找到有效的数据加以分析等方面；
•可访问性差：
复杂的图纸、多个IT系统、多种编码体系、无法用自然语言描述失效部位等诸多问题，让设备员、专工难以发现潜在的问题以及在短时间内有效地获取信息进行决策。
2.4三维数字工厂是设备设施数据资产管理的最佳实践
三维数字工厂的定义
三维数字工厂是利用工程级三维数字化技术构建的一个物理工厂全生命周期，完整、准确、可用的虚拟镜像。
其本质是通过创新的数据组织方式，记录和管理着物理工厂所有设备设施的本体数据和活动记录，这些数据始终与物理工厂保持同步，并以虚拟现实的交互方式呈现给用户。
三维数字工厂是人和实物资产间的全新纽带，如同互联网改变了人与人的互动一样，三维数字工厂将会改变人与物理工厂的互动。
三维数字工厂是智能工厂的一项关键基础设施，它为我们搭建了一个广阔的技术平台，将持继催生出无数今天我们还不知道的新应用、新商业模式，甚至新的产业。
基于三维数字工厂的数据管理解决方案是设备设施数据资产管理的最佳实践。
Underthecoversoftheir3Dfacadeliesagemofasystemfor managingassetinformationacrossallofanorganization’sO&Msolutions.Itprovideseveryworkerwithanintuitive,seemingly“realworld”portalintoalloftheorganization’sassetinformation.And,thisinformationispresentedinthecontextofa“virtual”plantwhichhelpsthemappreciatethefullimplicationsofeverypieceofdata.
——ARCAdvisoryGroup,2009
专业的数据模型确保数据完整
三维数字工厂采用工程级三维数字化的技术路线，数据模型遵循流程工业专用的设备设施数据框架标准——ISO15926（定义了涵盖设备设施的整个生命周期及其组成部分的描述方式）。
三维数字工厂的数据模型可以完整地描述设备设施的数据范围：
∙从工厂-装置-系统-单元-设备-管线-零部件-连接，完整描述从工厂到零部件及连接部位的粒度；
∙从设计-采购-施工/安装-调试-检验-维修-技改技措-改扩建，完整描述设备设施的全生命周期。
解决数据完整性与可访问性的矛盾
在日常工作过程中，一线业务人员描述零部件或部位时，类似“炉201顶空气预热管线出口第一道闸阀”、“P201北侧第三根柱子管廊上去罐区V402的送料管线上的弯头”的空间位置描述是沟通的主要方式。
三维数字工厂正是基于这一理念，采用虚拟现实技术将资产密集型装置的所有设备设施数据可视化，为一线业务人员提供最直观、自然的数据访问体验，从而彻底解决复杂编码系统带来的混乱和低效等问题。
内置行业标准和规范确保本体数据质量
工程级三维数字化技术起源于设计行业，通过内置各种行业标准和规范，确保设计人员在设计过程中避免低级错误，满足合规性要求。
同样的，将工程级三维数字化技术应用于企业运营阶段的设备设施本体数据构建和维护过程，可以很好地保证数据质量：
∙通过内置材料标准、等级库标准，自动匹配合规的设备设施规格属性，自动校验规格属性错误如管道材质的等级合规性、法兰垫片的规格匹配等；
∙通过内置等级库标准，自动根据连接关系生成连接部位信息，自动校验零部件连接关系正确性；
∙通过空间碰撞检查、点云比对技术检查设备设施空间位置数据错误；
∙通过一致性校验检查系统信息（如工艺流程、腐蚀回路）与数字工厂三维模型的一致性。
直观的交互方式提升活动记录数据质量
相当多类型的设备设施活动记录由一线业务人员进行维护，由于数据分布在不同类别、层级的功能项和表格中，导致一线管理人员和专业管理人员难以核查数据质量。
借助三维数字工厂提供的虚拟现实交互方式，管理人员可以直观、便捷地获取并检查活动记录数据，更容易消除数据的不确定性，在确保活动记录真实有效的同时，还可以发现更多管理上的盲肠死角，提升管理效率。
3.范围与边界
智能工厂的核心是CPS，而CPS的基础是数字化，数字化过程可以缩短，但不可跨越。
在企业运营阶段，数据资产主要包括公司经营管理数据、生产过程数据和设备设施数据三大部分。
其中，设备设施数据描述了企业设备设施的本体数据和活动记录，相比侧重财务管理的资产类数据，更关注对维修维护、安全运行等业务的支撑。
如同经营管理数据和生产过程数据，设备设施数据是企业实现“安稳长满优”目标的重要基石，是企业十分宝贵的数据资产。
本指南适用于石化行业任何阶段、任何规模的企业的三维数字工厂建设，数字化范围从建设期到运营期任何阶段的在建和已建装置，数字化粒度从工厂、装置、系统、单元，到设备、管线、零部件、连接部位。
本指南重点关注设备设施数据资产，经营管理数据和生产过程数据不在本指南的讨论范围内。
4.术语和定义
CPS（信息物理系统,Cyber-PhysicalSystems）是一个综合计算、网络和物理环境的多维复杂系统，通过3C（Computing、Communication、Control）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。
ARC（ARCAdvisoryGroup）：
企业咨询公司，为制造商和供应链厂商，以及技术投资者提供特定业务或行业问题的答案，包括新产品介绍、尽职调查、制订生产和IT策略、技术架构的规划、项目规划以及过程支持。
并且是企业应用软件、工厂系统和自动化解决方案的市场分析、预测和战略报告的主要提供者。
建设期和运营期：
一个工厂的生命周期分为两个阶段，一个是建设期，一个是运营期。
建设期指工厂开工建设的时间年限；运营期是工厂建设完成了之后交付给业主，业主开始进行生产至工程项目计算期末所经历的时间段。
设备拆解模型：
根据企业提供的设备装配图，在工程设计软件中进行设备拆解建模，将设备零件和细节展现出来。
工程点云：
对于企业没有图纸资料或者图纸资料老旧，现场改动大的部分，运用三维激光扫描仪器，对工厂实景扫描，获取工厂资产的三维空间点位坐标、颜色等信息，形成点云数据。
利用点云可以构建精准的三维模型。
工作流：
是指企业内部发生的某项业务从起始到完成，由多个部门、多个岗位、经多个环节协调及顺序工作共同完成的完整过程。
简单地讲，工作流程就是一组输入转化为输出的过程。
ESB（EnterpriseServiceBus）：
企业服务总线。
ODS（OperationDataStorage）：
企业运营数据仓库。
地上管线（groundpipelines）：
敷设在地面以上的管道、电缆和光缆等。
通常用管架、管墩或建筑物做支撑。
地下管线（undergroundpipelines）：
敷设在地面以下的所有管道、电缆、光缆等。
有直接埋地和架设在地沟内两种敷设方式。
工艺流程图（processflowdiagram,PFD）：
用图示的方法把建立化工工艺装置所需的主要设备、管道按工艺要求组合起来，并在图中表示出物流点编号。
监控和数据采集系统（supervisorycontrolanddataacquisitionsystem,SCADAsystem）：
一种具有远程监测控制功能，以多工作站的主站形式通过网络实时交换信息，并可应用遥测技术进行远程数据通信的模块化、多功能、分层分布式控制系统。
管道和仪表流程图（pipingandinstrumentdiagram）简称P&ID（或PID）。
此图上除表示设备外，主要表示连接的管道系统、仪表的符号及管道识别代号等。
借助统一规定的图形符号和文字代号，用图示的方法把建立化工工艺装置所需的全部设备、仪表、管道、阀门及主要管件，按其各自功能以及工艺要求组合起来，以起到描述工艺装置的结构和功能的作用。
5.整体架构
6.
7.
5.1智能工厂三维数字化业务架构
三维数字化的目标是通过对设备设施数据资产的有效治理，构建一个完整、准确、可用的三维数字工厂，并通过数据共享和智能化增值应用为企业运营创造价值。
三维数字工厂的数据组成包括本体数据和活动记录两个部分，前者描述了设备设施的功能、设计性能、结构、使用说明等信息，应采用数字化交付或数字化重建手段完成数据的构建和校验；后者描述了设备操作、检验、维修活动的记录，应采用支持各专业活动的IT系统进行数据采集、校验工作。
数据共享包括面向直接用户的数据呈现和面向其他IT系统的数据服务。
智能化增值应用以三维数字工厂为基础，充分借助三维数字化技术的特性以满足工程建设期和工厂运营期各业务领域的智能化需求。
5.2三维数字工厂IT技术架构
从业务需求的角度，企业应构建基于三维数字工厂的IT系统，利用三维数字化技术实现对设备设施数据资产的有效治理和自然交互，进而实现对现有IT系统的数据补充和交互升级。
从技术架构的角度，企业的传统IT应用系统主要以服务企业内部用户为主，其特点是专业系统数量多、业务交叉、采用独立系统集成架构，其缺点也非常明显：
刚性强、信息孤岛明显、难以快速变化、维护成本高，无法支持快速变革的新业态。
三维数字工厂的企业级IT架构应体现结构型创新，以三维数字化技术对数据管理和共享机制为基础，构建“平台+微服务”的整体架构，实现以设备设施数据资产仓库为核心，以基于角色的可视化工作空间为界面，通过微服务方式实现持续集成和快速迭代上线不同业务时期、多专业领域的智能化增值应用。
设备设施数据资产仓库（AssetInformationRepository）
AIR（AssetInformationRepository）设备设施数据资产仓库，提供设备设施信息、地形信息、三维图形信息、P&ID图纸信息、文档信息的存储、访问、变更服务及基本的管理功能，实现对设备设施数据资产的统一管理和共享。
数字化系统（DigitizingSystem）
DS（DigitizingSystem）数字化系统，提供多源数据转换、数据处理、数据校验等功能，用于构建设备设施数据资产的本体数据，提高数字化成果质量、提高数字化工作效率。
基于角色的可视化工作空间（Role-BasedVisualizationWorkspace）
RBVW（Role-BasedVisualizationWorkspace）基于角色的可视化工作空间，提供一系列配置功能，用于按照用户角色组织微服务组件功能入口，实现以用户角色为导向的功能界面组织，提升易用性。
智能化增值应用
智能化增值应用，以微服务的方式提供多个业务阶段、多种专业领域的智能化应用，其特点是小而精，能够通过持续集成和快速发布适应具体需求，例如工程建设阶段质量管理领域的焊口组批应用，运营阶段设备管理领域的RBI等。
5.3三维数字工厂与传统IT架构相容并行
“独立系统集成”架构是企业相对成熟的IT架构，业务集中的优势与功能复杂交错的问题并存；“平台+微服务”架构具有持续集成和快速发布的特点。
企业在设计IT架构时，应遵循二者相容并存的原则，结合二者的优势为企业服务。
具体而言，新建系统和已经做好微服务升级的系统可以采用微服务架构的模式，传统架构应用系统同时也在运行，二者通过服务总线互通，一起为企业的业务提供IT能力支撑。
需要注意，无论采用哪种架构模式，均应考虑到设备设施数据资产仓库作为数据治理系统的核心地位，确保为企业提供统一的、强有力的数据治理手段。
6.实施过程
石化行业智能工厂三维数字化的实施过程是对企业设备设施数据资产的有效治理和增值利用的过程，鉴于企业设备设施数据资产基础相对薄弱，应采取“系统规划，分步实施，持续改进”的总体建设思路，明确设备设施数据资产的基础地位，通过易扩展的技术路线和IT架构，构建面向各业务领域的统一工作平台，以业务为导向驱动数据资产和智能化增值应用的持续改进。
6.1实施原则
注重实效、前瞻性强
三维数字工厂和智能工厂是企业演进的目标，是方向。
三维数字工厂的建设不能脱离企业内外各方面的客观条件，要立足企业现有基础和发展阶段需求，强调建设的实用性，满足企业不同层面的需求。
在注重实效的前提下，三维数字工厂的建设应尽可能地跟踪国内外先进的IT技术和软件平台，建设要能支撑企业未来几年的业务发展需求，选择的技术应具有一定的前瞻性。
领导重视、流程支持
三维数字工厂是智能工厂的基础设施，三维数字工厂的建设是一个资产创建项目，与物理工厂的建设一样，需要各级领导的切实重视和一系列流程的配套支持。
同样，三维数字工厂也需要建立完整的运行维护机制，以确保其作为基础设施能持续、稳定、高效运行。
系统规划、分步实施
三维数字工厂建设涉及面广、周期长、投入大，是系统性工程，需要紧密围绕企业的发展战略，全面考量现有的基本情况来指导实施，必须对较长周期建设进行总体规划，结合实际情况，从需求出发、从简到繁、从易到难分步实施。
重视基础、持续改进
三维数字工厂建设过程中必须严格遵循国家、行业的相关标准和规范，确保数据资产的质量。
同时，三维数字工厂的建设应考虑系统对未来的适应性和扩展性需求，保护现有投资。
三维数字工厂的建设不是一蹴而就的，是一个长期持续、动态变化的进程，不但需要在使用中长期维护、治理，确保建设成果持续发挥效益，而且必须满足企业发展、业务调整和信息技术发展的诉求，伴随企业成长并长期支撑。
6.2实施路线
实施成果的主体应包括：
“设备设施数据资产”、“三维数字化平台软件”以及“智能化增值应用软件”三个部分，整体实施路线如下图所示：
6.3关键环节及注意事项
共识定位：
智能工厂三维数字化定位于“通过数据治理和增值利用，构建设备设施数据资产的统一工作平台”。
企业内部高层管理者与各利益相关部门应尽早统一认识，避免因具体业务需求对总体目标产生影响。
数据资产构建：
重点和难点在于本体数据的构建。
由于企业设备设施资料基础相对薄弱，情况复杂，本体数据构建的工作量大。
需要多种策略与策略组合：
∙数据模型的设计应符合石化行业专用数据标准，如ISO15926，GB/T18975等。
∙采用“工程技术路线”，利用工程设计软件构建本体数据，借助设计领域数十年三维数字化技术和经验积累，从数据模型、合规性校验等根本性技术上保证数据质量。
∙根据实际业务需求和投资预算可适度降低数据质量要求，利用“工程技术路线”数据模型的扩展性和灵活性为后续质量提升打好基础。
∙在工程建设期，要求总包、设计、施工等参建方全面参与到数字化交付过程中，通过合同约束其交付物范围、质量和格式；执行过程中着眼于过程控制，配合工程建设期智能化应用及时检查，确保数据资产的完整性和质量。
∙在工厂运营期，应根据实际业务需求确定实施范围：
以重点业务应用为目标，可在整个企业范围内采用分专业建模，纲举目张；以重点装置精细化管理为目标，可采用分装置建模，以点带面。
平台基础设施建设，主要指IT架构的设计以及平台软件的选型（或自建）和部署：
∙优先选择以平台为中心的IT架构，通过对原有应用系统的集成和交互升级，充分利用原有系统功能、数据的同时提高其可用性。
∙选择成熟，能规模应用的基础技术，包括设计软件多源数据导入、密集资产复杂场景实时三维渲染技术、基于角色的可视化工作空间等方面。
∙重点关注架构与平台软件的开放性和持续发展能力。
∙考虑对企业不同业务领域的全面支撑。
智能增值应用建设，是一个不断发掘企业“数据”溢出价值，不断提升企业精细化管理，为企业持续增效的过程，也是不断向智能工厂迈进的过程：
•补缺：
利用三维数字工厂带来的新特性和新服务，解决传统IT技术很难解决的老大难业务问题，比如施工进度和质量管理等；
•智能化：
通过智能算法、工业大数据等先进IT技术充分利用三维数字工厂建立的优质设备设施数据资产，进一步发发掘企业设备设施数据的溢出价值。
6.4评估与改进
三维数字化实施宜采用PDCA循环的管理方法，逐步体现、评估三维数字化成效并持续改进：
∙P阶段，制定本次迭代的具体目标、实施范围和实施成果质量标准；
∙D阶段，按照预订的规划，设计详细的实施方案并执行，把控过程关键节点；
∙C阶段，依据质量标准，对本次迭代的实施成果进行评估；
∙A阶段，将优秀实践标准化并复制推广，将遗留问题转入下一个迭代，如此循环，周而复始，螺旋上升。
7.附录
本附录介绍石化行业智能工厂三维数字化的成功实践案例，作为《指南》正文的补充材料供读者参考。
7.1案例一：
某央企地方分公司化工装置运营期三维数字化实践
背景
在央企集团的统一要求下，该地方分公司的经营、生产数据资产得到了良好的管理。
但是在设备设施数据资产方面，虽然企业建设了EM、腐蚀监测、动设备监测等多种IT系统，却始终存在数据分散、数据质量不高、精细化程度差、系统繁杂、易用性差等问题。
借助集团公司智能化建设规划的时机，该企业启动了基于工程技术路线的三维数字化建设项目，希望借此对设备设施数据资产进行治理，并构建统一工作平台。
目标
∙以典型化工装置为试点，采用工程技术路线对该装置各专业的设备设施进行数字化重建，实现对该装置的设备设施数据资产的初步治理。
∙搭建三维数字化平台，与原有应用系统集成，在此基础上建设该装置的多专业统一工作平台。
∙建设面向重点设备设施的智能增值应用，提高动设备管理和腐蚀管理的工作效率，降低检验维修成本，降低安全隐患。
∙复用已建三维GIS系统中的部分数据，在此基础上对数据进行补充和完善，建设HSE领域的增值应用，通过直观的方式展示给相关人员辅助其决策。
∙探索数字化交付，以便从源头开始提升数据质量，最终实现由工程建设各参建方向业主交付有价值、优质的数据资产。
实施过程
1.根据实施目标，确定数据治理的范围为和数据标准为：
o单个典型装置，质量要求满足全面、真实的工程级标准；
o全厂区地形地貌、道路设施，质量要求满足与现场基本一致的仿真级要求。
2.采用“工程技术路线”，结合工程图档、BOM清单、EM系统、现场技术交底、现场测绘等多种资料和技术手段，对典型装置的设备、管道、结构、仪表等设备设施的本体数据进行建模，并确保数据与现场一致。
3.围绕“构建多专业统一工作平台”的目标，采购基础技术成熟的三维数字化平台，关键技术要求包括：
o符合ISO15926标准的数据模型；
o具备以平台为中心的IT架构和良好的扩展能力；
o支持多种主流的工艺设计软件、工程设计软件、机械设计软件及通用建模软件的数据导入；
o提供面向多专业的工作界面；
o具备密集资产的高性能渲染能力。
4.该企业曾经建设过厂区内地下管线三维GIS系统，后因该三维GIS技术路线在数据和平台方面的天然缺陷导致无法支撑设备管理、HSE相关应用而选择放弃。
本次实施过程中，为充分利用该系统中的三维模型成果，将其中全厂地形地貌、道路设施、部分设备等数据导入到三维数字化平台中。
5.基于平台和全厂地形地貌等数据，集成HSE风险管控系统，建设污染排放风险监控、关键装置风险监控、职业危害风险监控、三维事故模拟、施工作业人员定位监控等HSE业务域智能增值应用。
6.基于平台和典型装置三维数字化模型，聚焦具体业务时刻的智能化，建设腐蚀管理、动土作业管理等设备域智能增值应用。
7.基于平台和典型装置三维数字化模型，集成部分原有系统。
8.以某新建装置为试点，探索数字化交付的实施路线和关键技术。
成果
数据方面
建成了与现场一致的典型装置数字化模型，实现了对该装置设备设施数据资产现状的有效治理：
∙模型包括291台设备和1800多条工艺管线（图纸资料仅有1318条）。
模型粒度达到了目前实际业务中管理对象的最小粒度，比如：
阀门、法兰、垫片和焊缝，模型信息包括每个对象完整的工程设计属性以及对象之间的拓扑关系。
此模型能够直接生成实际业务管理中所必须的单线图；
∙31套动静设备的拆解模型，平均每套设备的拆解部件数量大约在400左右，最复杂的单套设备拆解部件数量超过1000；
∙得益于合理的数据标准、合适的技术路线和工具，典型装置的建模，从资料收集到业务部门最终验收仅用时4个月；
∙实施过程中，发现了诸多数据资产异
升级会员 