大数据，石化安全生产“利器”_数据分析师

上月，西部某煤化工企业高压煤浆泵软管半月内三次破损，给安全生产带来极大隐患。怎样才能及时发现并找到装置坏点？类似易损件坏漏是否有规律可循？

　　业内人士近日接受中国化工报记者采访时表示，大型石油化工企业建立的信息系统已经积累了海量数据，利用这些大数据并加以分析，能够不放过任何一处细节，做到定时定量分析，找出如软管破损、洗涤塔水汽比差距大等产生的主要原因，有助于寻找事故规律，从而对症下药，预防事故发生。大数据将成为石油化工安全生产的“利器”。目前，大数据在安全生产上的应用已引起政府层面的关注。

　　看炉渣，这里藏着啥秘密？

　　——大数据分析护航装置安全运行

　　目前，企业的安全生产隐患排查工作主要靠人力，通过人的专业知识去发现生产中存在的安全隐患。这种方式容易受到主观因素影响，且很难界定安全与危险状态，可靠性差；在事故发生后才分析事故原因、追究事故责任、制订防治措施，这种方式也存在着很大局限性，不能达到从源头上防治事故的目的。

　　随着石油化工生产自动化水平的提高，加上互联网的深化应用，已经为安全管理积累了大量数据。通过对海量的生产运行数据、事故数据进行分析，查找事故发生的季节性、周期性、关联性等规律、特征，从而找出事故根源，有针对性地制订预防方案，提升事故源头治理能力，从而提高装置安全、稳定、满负荷运行周期。

　　青海盐湖集团技术员闫吉臣告诉记者，像HAZOP（危险与可操作性分析）等也是寻找隐患与事故产生原因及寻求解决问题的好的办法，最终还是需要通过工艺参数的变化作出预判，提前作出处理，防止故障发生。

　　据了解，煤气化炉在实际运行过程中，煤质控制难度较大，特别是对装置运行影响较大的几个重要参数，如灰熔点、灰分、煤的黏温特性等的变化在运行过程中更是难以掌控，若煤质发生较大波动而气化工艺参数调整不及时，就很容易造成如水系统恶化、气化炉渣堵、壁温超温甚至停车等一系列问题。因此，除了在外围把好煤炭质量关外，在实际运行过程中，如何控制住计划外停车、缩短检修周期等，都需要做更细致的工作。

　　兖矿鲁南化工有限公司经过多年运行，积累了大量的工程操作数据和趋势图，并加以整理分析对比，发现确实有很多工作可以做到有效避免因煤炭波动而造成的系统停车。该公司养成了“看渣”制度。煤渣的颜色和形状最能直接反映出气化炉的总体运行状况。于是操作人员坚持不懈地观察收集不同渣样、对比操作数据等，观察、分析气化炉壁温趋势，确定气化炉炉内流体的流速范围，再以修订的数据确定最佳操作量化区间。该公司多喷嘴气化装置实现了单炉年运行开工率达到97%以上，运行周期和稳定性不断提高。

　　该公司气化分厂厂长李波认为，关注好与气化炉运行相关的每一项数据分析，是装置长周期运行的关键所在。随着习惯的养成，逐步培养技术人员，操作人员在指标稍微变化的同时就能立即发现并及时将相关操作参数调整到最佳状态，保证装置的稳定运行。

　　黏结剂，喷多少合适？

　　——将无形经验转化为可量化标准

　　“2010年，因为工作原因，我接触到了德国一位橡胶行业的博士。当我们谈论在工作中出现的某个问题时，他拿出了像字典一样的一本书，翻到其中一页问我，我们现在出现的问题，是不是这样的？”山东美晨公司总经理孙佩祝说，他顺着德国博士的手指，看到书上形容的情况和他们面临的问题果然一致，上面有照片、有问题描述、有解决方案。

　　难道是未卜先知？当然不是，这是企业将在发展过程中出现的问题、犯过的错误逐一记录，将无形的经验变成了白纸黑字，之后再遇到同样的问题，就能参考资料去解决。

　　这显然需要大量的数据和统计，也确实让山东美晨从中受益良多。孙佩祝举了这样一个例子：车间里有喷黏结剂的工序，有的人喷得多、有的人喷得少，产品质量自然无法统一标准化。在经过了大量数据的统计后，黏结剂的用量有了标准，于是大大提升了产品质量。
 
　　索普集团气化车间主任步建军向记者介绍，对于水煤浆气化来讲，煤浆浓度控制（根据分析结果调整煤量、水量）是通过气化炉温度来调控，也就是通过调氧来实现。但何时调、调多少、调整幅度是多大？这些都需要依据大量的分析数据，分析、形成最优化的参数。

　　步建军进一步介绍，尽管煤气化在国内运行已经有多年历史，但还会有新问题不断出现，意识到未必做得到。另外，一些老装置人才流失严重，人才队伍青黄不接，新员工看再多的案例，但没有亲历过，遇到问题一样束手无策，误操作事故绝大多数会重复发生。因此，通过大数据分析，可以逐步实现程序化、标准化操作，装置运行的稳定性就可以得到保障。

　　对此，业内人士指出，企业最应该重视的是，把日常生产运行中积累的经验、教训，统计成大量的数据分析，并形成可量化的标准，从而把无形的经验转化成大数据，让更多的人在遇到同样问题时知道如何解决。

　　谁来分析，怎么分析？

　　——两大难点制约大数据应用

　　近几年，随着石油化工企业自动化、信息化建设加快，化工企业积累了海量数据。但对如何从海量的数据中挖掘人的不安全行为、物的不安全状态及管理缺陷等有价值信息的认识与能力尚不足。据记者调查，缺少大数据分析应用的意识和工具，是当前制约石油化工大数据应用于安全生产的两大主要因素。

　　首先，缺少高性能大数据分析工具，是石油化工企业应用大数据普遍面临的问题。专家表示，因缺少高性能大数据分析技术工具，实际工作中很难发现微观数据存在的关联、关系和规则，无法从大量的数据中提取更加有用的信息。通过大数据相关技术能让微观数据得到关联，通过表面上不相关的数据可以发现数据背后的秘密。但目前的现状是，石油化工企业极少有专门的数据存储、开发、集成、分析硬件和软件工具。如果没有高性能分析工具，大数据的价值就得不到释放。

　　其次，对数据的深度挖掘和利用还远远不够。汇总建立各细分行业的大小事故数据库，图表、曲线、视频、图片、地理位置信息等数据，实现数据整合、分析、挖掘、展示一体化，并能任意拆分、组合查询，增强自身防范意识，及时发现潜藏规律，提高预防事故的能力，对各企业、行业降低安全事故风险大有裨益。但是，“家丑不可外扬”的固有思想，使一些企业不愿意尽可能多地提供安全事故数据，这在一定程度上阻碍了行业安全大数据库的建设。

　　辽宁恒力石化公司主任赵爽认为，装置运行如果遇到问题，又不能判断出明显的原因时，应该依据数据分析，特别是对于经常出现的问题，比一项一项做实验靠谱。但是，分析这些数据，需要很大功夫，而且不一定很快分析透彻。因此，应用大数据分析事故原因，寻找事故发生的规律，预测未来，从而对症下药，有效遏制事故发生，应当给技术人员时间和机会。闫吉臣表示，就气化炉壁温监测来讲，都知道很重要，但是对于操作人员来说工作量很大，这需要员工具有自觉主动性。