图为时培昕接受媒体采访

对石油和化工行业来说，“大数据”可谓是个既熟悉又陌生的词儿。熟悉是因为它频繁出现在新闻中，陌生则是因为很多人还不清楚大数据到底如何为行业赋能。3月28日，寄云科技董事长时培昕接受中国化工报记者专访，就大数据、工业互联网在石油和化工行业中的落地途径和应用前景进行了探讨。

“如果石油行业不算大数据，那就没有行业算大数据了。”

石油和化工行业是相对传统的工业，很多人还在疑问，这个行业到底适不适用大数据。时培昕指出，石化行业刚刚走过自动化的阶段，加之行业本身正处于智能化升级的热潮中，这正好给大数据技术提供了发挥的空间。他以石油行业为例分析：“如果石油行业不算大数据，那就没有行业算大数据了。大数据所适用的特征石油行业都有，行业涉及的数据非常多，包括油藏地质数据、实时设备数据、记录现场日报、钻井记录数据、检测报告等等。大数据就是要依据庞大的数据量，研究历史趋势和特征，挖掘数据的深层次价值。数字化的手段不仅可以优化石油行业生产过程中的效率、质量、成本等关键指标，还能够通过远程的数据采集和分析建模，实现对分散在全球各地的石油装备的智能运维，降低维修成本、备品备件的库存成本，进而降低运营风险和整体运营成本。”

记者了解到，此前，寄云科技在电力能源、轨道交通、高端制造等领域都有工业大数据相关项目经验，近两年寄云开始涉足石油和化工行业。提到石化行业在工业大数据方面的发展契机，时培昕分析，石化行业与电力、钢铁和高端制造业等一样，是国民发展的基础工业，这类行业有一些共性特点，比如自动化程度相对较高、对生产安全水平和设备的可靠性要求高、对成本控制的需求很大。各环节高度的信息化和自动化就一定会产生大量数据，而这些数据中往往有很多经验和规律可循，对设备运维和成本控制有非常大的帮助，这正是石化企业所需要的。

“大数据不同于控制系统，它有自我演化的过程。”

时培昕谈到，在石化行业，经常有人会向他提出疑问，许多石化企业已采用的自动控制系统就可以采集和处理数据帮助生产，那么大数据技术与这种控制系统之间有什么区别。他告诉记者，首先，控制系统考虑的是短期的判决，是基于简单、明确的指标范围的触发式反应。而大数据技术更多是从海量的优质数据样本里提取并发现规律，总结特征，这些规律不是靠人的经验或者公式就能识别的。比如，在某些领域，甚至经过大数据分析挖掘之后，人们才发现往往就是那些容易被人忽视的指标最终导致了一些安全事故。

他指出：“传统的控制系统与工业大数据技术相比有很多不同：控制系统难以处理非常庞大的数据量，当数万个数据点汇集，控制系统只能做到有限场景的判决，既不全面也不系统；对石化行业来说，很多数据的时间维度可能会拉长到数年，而控制系统是不会保存这么长的维度来做分析的，无法对历史上产生的故障进行保存，就无法形成知识和特征库，更无法实现基于特征的判断；控制系统中一些指标可以直接通过测量的方式来实现，但大数据分析里讲究的是准确度，更多依靠数据样本的多少来决定识别的准确度，有持续的数据采集、存储、处理、建模和分析，规律和特征的总结就会越做越好，结果判决的准确率就越来越高，这就是大数据的威力，它有自我演化和学习的过程。数字化的好处，就是可以把人现在能解决的经验保存下来，把人解决不了或者看不到的东西用数字化手段和模型体现出来，最终实现智能判断。”

“互联网企业要下沉到实业，需要行业专家的共同参与。”

对于石化行业来说，工业互联网、大数据、云计算在行业落地并不是一蹴而就的事情，甚至多数石化企业还不能清晰地把握二者的结合点。行业发展经验的不足也意味着市场空间的巨大。那么作为互联网企业，寄云在下沉实业方面有哪些经验呢？时培昕表示，互联网技术要解决工业中的深层次问题，就必须先理解这个领域具体的装备、工艺、上下游逻辑及其中的技术核心问题，这不仅需要从基础做起，还需要行业专家团队的加入。

时培昕坦言，对互联网企业来说，基础IT层面的算法或者数据处理都不是问题，但真正进入到具体行业中，特别是石化这种分支特别多的专业领域中，关键是怎么结合工业的知识解决工业问题。行业专家不仅要把行业通用知识加入到数据处理方式中来，还要把他们对异常工况的处理经验变成真正能够指导生产的准确结论。大量的专家经验与大量的实时数据结合起来，就可以开发出一些数字化的模型，实现基于特征的判断。结合石化行业客户所提出的具体需求，互联网技术才能融入工业生产过程中。

时培昕还表示，为了积累更多可以在行业中推广复制的经验，他们也正在跟国内不少龙头石化企业合作，尝试以试点项目为抓手，打造更多行业标杆型项目，推动石化行业快速实现智能化升级。

“提升石化安全水平要靠物联网手段。”

近期石化行业安全事故频发，化工企业如何提升安全水平成为各方热议的焦点。对此，时培昕认为，安全生产一方面靠技术手段，另一方面靠严格管理。他告诉记者：“管理是安全的基础，但对于管理者来说，总有一些东西是人为看不见、想不到、无法预测的，这就需要依靠物联网和大数据手段，把原来测不到的地方测到，把原来实时性不够的巡检方式变成实时在线的形式，把原来容易忽视的地方显现出来，去提升企业的感知能力和管控能力。单一的数据采集还不够，企业对采集到的数据还应做深入分析，包括根据趋势的分析做短期预测、根据历史事件相关性做模型，去推测和预警安全隐患。”

时培昕指出，历史经验非常重要，每次有安全事故，全行业都会总结学习引以为戒，就是为了避免犯同样的错误。具体到互联网技术上，这些可能会导致安全事故的禁忌行为就可以不断加入到系统中来进行识别、监测或者报警。而且在化工等连续化生产的工业中，事故往往是异常指标由小到大的传导，最初某一处的异常数据未必能引起操作人员重视，但通过大数据进行规律和特征总结，通过模型建立和预警，这些安全隐患就能减少很多。处理一个危机，有时就能避免一场大的事故。