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...4

2. 引 言...4

2.1 数据资产的重要性... 4

2.2 落后的设备设施数据资产造成的影响...4

2.3 设备设施数据资产的落后现状... 6

2.4 三维数字工厂是设备设施数据资产管理的最佳实践... 6

3. 范围与边界... 8

4. 术语和定义... 9

5. 整体架构...11

5.1 智能工厂三维数字化业务架构... 11

5.2 三维数字工厂IT技术架构...11

5.3 三维数字工厂与传统IT架构相容并行...13

6. 实施过程...13

6.1 实施原则... 13

6.2 实施路线... 14

6.3 关键环节及注意事项... 15

6.4 评估与改进... 16

7. 附录... 16

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... 16

7.2 案例二：某央企地方分公司工程建设期三维数字化实践...24

7.3 案例三：某央企地方分公司全厂基于数字化技术的LDAR管理实践...30

7.4 案例四：某地炼地下管线三维数字化实践... 32

7.5 案例五：某民企煤化工项目数字化交付实践... 34

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。

Studies have identified poor AIM as the root cause of many asset performance problems , such as poor asset utilization, low maintenance effi- ciency, high MRO costs, 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。

Under the covers of their 3D facade lies a gem of a system for managing asset information across all of an organization ’s O&M solutions. It provides every worker with an intuitive, seemingly “real world ” portal into all of the organization ’s asset information. And, this information is presented in the context of a “virtual ” plant which helps them appreciate the full implications of every piece of data.

——ARC Advisory Group, 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

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-Physical Systems ）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（ARC Advisory Group ）：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（Enterprise Service Bus）：企业服务总线。

ODS（Operation Data Storage ）：企业运营数据仓库。

地上管线(ground pipelines) ：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(underground pipelines) ：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(process flow diagram, 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(supervisory control and data acquisition system, SCADA system) ：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(piping and instrument diagram) 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

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（Asset Information Repository ）

AIR（Asset Information Repository ）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（Digitizing System ）

DS（Digitizing System ）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-Based Visualization Workspace ）

RBVW （Role-Based Visualization Workspace ）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

“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

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

 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。

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常并一一修正，业务部门对此予以一致好评。

平台方面

建设成果包括：

 建成了管理设备设施数据资产的基础数据仓库，实现了对该装置未来资产变更引起的数据变更 管理，并通过 Web 服务等方式为其他应用系统建立了数据共享机制；

 集成了生产绩效、实时数据、EM、ODS 等多种系统，初步实现了车间技术人员的统一入口，在 此架构基础上，未来计划集成更多的原有系统，充分发挥统一入口的价值。

应用方面

建设成果包括设备域的动设备管理应用、腐蚀管理应用以及安环域的几项智能增值应用：

1. 动设备管理应用

动设备管理主要以动设备为管理对象，集成、记录和显示动设备投用阶段的监测数据和维修数据，

强维修过程控制管理，提供了到期零部件更换提醒、维修过程中关键控制指标提醒等功能，保证设备 的维修质量。主要建设成果包括：

自动生成工单，提升设备员编制工单效率

设备员在编制检修工单时，因设备难易程度以及设备员对设备的掌握程度不同，需要花费 0.5-3 天的时间才能完成，主要原因是设备员要根据设备的检修规程确定工序，并计算每一步工序对应的工 程量，同时，还要确定维修需要准备的物料，每一个环节均需要查看资料或进行现场勘测，费力耗时。

而采用了检修工单编制，设备员只需要选择待维修的设备及作业内容，软件即可自动录入进行该维修 作业的工序、对应工程量以及所需物料，实现真正意义上的“一键操作”，增加了设备员在编制检修工单 时的准确性，并大大提高了工作效率。

自动提示设备维修过程中的关键控制节点，保证维修质量

在动设备管理工作中，动设备检修过程中质量并不受控，返工会时常发生，其主要因素是设备各 部件的装配数值不达标，纠其根本原因，是因为设备种类繁多，关键控制指标也各不相同，设备员并 不完全了解和掌握关键控制数据，从而在维修人员维修时失去有效控制，造成部分设备维修不达标，

短期内又出现故障。通过关键控制指标提醒，设备员可以在设备检修时轻易了解到该设备的拆装步骤以 及关键质量控制节点，有效监管维修人员作业，保证维修质量。

预判零件寿命，提醒设备员检查或更换，降低检修频次

在设备检修过程中，维修对象往往是设备的故障零件，而没有发生故障但接近使用寿命的零件却 容易被忽视，导致设备维修投用后在较短时间内因为接近使用寿用的零件故障而再次维修，从而造成 设备维修频繁，影响生产。通过零件更换提醒功能，基于历次零部件维修情况的统计，软件可以在检 修过程中，对设备的零件使用时间和状态进行统计评估，对没有发生故障但接近使用寿命的零件，提 醒设备员进行检查或更换，从而减少故障检修频次，解决计划维修和故障维修的矛盾，做到没故障不 维修，故障发生后计划维修和故障维修同时进行，延长运行时间。

多层次、多类型的易损件统计，及时了解易损件维修情况

易损件的统计有助于设备员或专工分析设备维修的装配质量、产品质量等等，企业也要求设备员每 月定时统计，但因为易损件数量多、分类复杂，受工况影响，故障情况也各不相同，导致统计任务因缺 乏基础数据而难于落实，统计结果也难以保证准确。通过易损件统计功能，结合检修工单编制功能累 积的数据，设备员可以轻易了解易损件的更换情况、平均寿命、同工况寿命、月消耗情况等，从而更有 效的分析设备的维修质量，及时调整维修策略。

多类型故障率统计，综合分析设备运行情况

目前设备的故障率统计只是单纯的停机故障统计，没有细分设备的运行条件、设备本身老化因素、

设备制造的年代和技术条件，统计缺乏科学性，导致故障率不能反映设备的客观情况，进而不能指导 设备的运行和维护。结合设备的本身条件，软件可提供机型故障率，企业内同类设备故障率、本机历史 运行故障率等统计数据，综合分析设备运行情况。从而有对比，有分析，提高设备运行维护水平。

2. 腐蚀管理应用

利用虚拟现实技术辅助腐蚀管理的应用系统。通过在三维模型中标识腐蚀监测点，集成 EM、腐 蚀在线监测系统、LIMS 等多平台的原始数据，自动推荐扩建部位等功能，帮助设备员实时了解的设备 管线腐蚀情况、制定检验计划，辅助腐蚀管理专业工程师进行专业分析。建设成果除“应用系统集成展 示”、“提醒报警”等基本功能外，还包括：

自动推荐腐蚀速率预警的同机理设备，并自动布点

为防止设备出现腐蚀泄漏等问题，需进行定点测厚检测，当检测后某一监测点腐蚀速率出现高报 预警，要检测与该监测点所在设备同机理的设备，但需要在腐蚀回路图纸单线图等图纸中进行筛选，

交给检测单位进行临时检测，筛选过程复杂检测不及时。使用腐蚀管理系统能自动推荐本次未检测的 同机理设备，在未布点的设备在三维中自动布点，并导出 Excel，避免在大量图纸进行筛选，提高了工 作效率。

对未检的隐患部位进行自动布点扩检

为防止设备或管线出现腐蚀泄漏，需进行定点测厚检测，当检测后某一监测点某一监测点壁厚减 薄率出现高报预警，要对该设备进行扩检。传统工作模式下，设备员需要进入车间现场查看，并在图纸 上进行布点后交给检测单位进行临时检测。该功能根据测厚点布点原则，可自动对该设备或管线未检 的隐患部位进行布点，并导出 Excel。提高扩建工作的智能化程度，提高设备员工作效率，减少人为因 素引起的安全隐患。

3. 安环域

 污染排放风险监管功能包括污染排放点监控、排放设施运行监控，实现了污染排放风险的实时 监控预警，对排放设施故障、污染排放异常或超标自动给出原因分析结果，为异常处置提供对 策措施；

 重大危险源预警，实现了基于虚拟现实技术的移动放射源探伤作业的辐射范围自动计算与预警，

为职业健康保护提供信息化支持；

 事故模拟，基于虚拟现实技术技术实现泄漏事故模拟、火灾事故模拟及爆炸事故模拟，为异常 处置提供决策支持。

 现场人员区域定位监控和现场监控设备管理，实现了对现场施工人员定位监控功能，并在施工 人员进入危险区域时提示报警，保护施工人员人身安全。

数字化交付方面

根据典型装置数据治理成果，制定了对工程建设期数字化交付的要求，并结合工程建设管理过程提出 了数据治理的过程要求和质量控制节点。

小结 &展望

通过项目实践，该企业初步建成了多专业统一工作平台的基础框架和试点，体现了三维数字化技 术在数据治理，信息集成，自然交互，基于空间的智能应用等方面不可替代的优势，是实现企业智能 化的必由之路。在此基础上，企业拟定了新一轮的三维数字化建设规划：

 主要业务领域持续建设智能增值应用，推动三维数字化向智能化转变；

 有节奏，多维度推进数字化工作，同步支撑全面提升核心装置车间的运行管理能力和重点专业 全厂范围的三维数字化智能应用；

 推广数字化交付，为新建装置的运行管理提供数字资产，提升后续 IT 系统的实施效率和数据 质量。

7.2

案例二：某央企地方分公司工程建设期三维数字化实践

背景

在工程建设中，管道施工是整个施工建设过程中的重点工作——工程量约占项目建设总安装工程 量的 40-50%，质量直接决定项目的投产运营安全和后期维护费用投入，高温高压或输送易燃易爆介质 的高后果管线尤甚。因此，实现管道施工进度和质量管理的精细化、标准化、规范化，一直是施工管 理的终极目标。但是在传统的管道施工管理模式下，往往存在管理粗放、信息不透明、瞒报误报、工 作效率低下等问题，造成监管不到位的同时也给投产运营带来了极大的安全隐患。

目标

 借助三维数字化技术，为管道施工进度和质量控制提供有效的管理工具，确保管道施工数据的 完整、真实、及时、透明，在此基础上通过智能增值应用提高工作效率，提升工作质量，最终实 现精益施工。

成果

通过软件采购结合定制开发，该企业成功建设了一套基于三维数字化技术的管道施工管理系统。该 系统以管道焊接质量和进度管理为核心，结合三维可视化技术实现管道施工从开工到试压验收全过程 的数据采集、校验、存储，并对实时工程量、施工进度和质量数据进行了多维度的统计分析，还可同 步生成与过程记录对应的交工资料，为管道施工管理提供了可视化的协同管理工具。主要的应用场景包 括：

焊口预制设计，设计数据无损导入

管道施工前，施工单位根据设计下发的图纸，利用 CAD 手动设计焊口并逐条管线核实材料制定综 合材料计划（扒图扒料），对焊口、综合材料等信息手工录入 excel 形成台账数据库，需要大量技术 人员参与其中，费时费力且准确性低。4D 管道施工利用专业的二次设计软件（内置焊口设计的规则和 生成图纸的规范），对设计移交的三维模型或通过解析模型中间格式文件还原的三维模型进行高效的、

半自动化的焊口设计和图纸生成，依托模型提高焊口、材料等统计数据的准确性和可信度，提高工作效 率，减少技术人员投入。

多维度工作量统计

在工程项目的开始，需要对施工的总工作量进行统计，从现场施工和工程造价的角度分别统计，

而管道本身的数据量是非常庞大的，如一套中型装置的管线会达到几千条甚至上万条，焊缝会达到约 几十万个，人工对这些数据统计本身就很困难，人工统计的工作量可信度非常低。4D 管道施工中的数 据源自于设计模型，保证了数据质量的同时，可以按照不同材质、管径、壁厚和压力等级分别对工作量

进行统计，还可以从工程造价的角度对工程量进行分类统计，管理层可以通过这些准确的数据进行现 场的施工。

分层次直观统计真实、准确和全面的过程数据

施工单位向业主汇报施工进度时往往会出现误报、瞒报等现象，导致管理层无法及时发现问题、调 配资源、准确指导施工生产，进度款拨付缺乏准确的依据，根本原因在于体现进度的基础数据（如焊接 工作量）数量巨大且难以考证。采用 4D 施工进度汇报的方式，通过对过程记录的录入，软件在三维 模型中呈现每道焊口基本信息及过程记录信息 。同时提供图文结合的方式，通过信息下钻的视图展示 各级的进度、质量数据，如：多项目统计->项目统计->区域统计->工作包统计->管线->焊缝，并可以在统 计的基础上进行任意时间段的分析，有助于实时了解工程进展，实时掌控焊接工程质量，为领导决策 提供依据。

无损检测的自动组批点口

管道焊接完成后要依据行业标准规范按比例进行组批点口，委托第三方检验单位进行焊口的检测，

检测结果是衡量管道焊接质量的最重要指标。目前组批点口多依赖于人的经验，人为操作性大，干扰点 口的客观性，使被检口质量情况无法代表所有管道的质量状况。且由于人的经验能力限制，难以满足 规范中各项规则，或增加检验数量致使检测费用的增加。通过 4D 管道施工，内置行业标准和检验规 则，实现自动组批点口，从而达到焊口检验委托的智能化，在保证合规性和客观性的的同时提高检验 委托效率，节省人工投入和时间。

材料状态指导现场施工

管道施工过程中，施工员根据施工计划计算所需材料到库房领用，若存在未到货，尤其是部分缺 货的情况，严重影响管道施工的进度，甚至存在材料到货，施工人员因无法及时获取到货信息而延误 管线的施工，造成众多处于半施工状态的管线无法及时完成试压工作。将材料信息与管道三维模型结 合起来，自动提醒材料完全具备的管线，辅助施工员合理安排施工顺序，缺货材料到货提醒，及时组 织管线继续施工，将在整体上提前管线试压的时间，提高材料统计和领用的效率。

自动生成交工过程资料和报表

施工过程中重实体、轻资料，交工前为了工程交付，集中时间与人员做交工资料，数据不准确、不 全面，甚至存在造假现象，最终交付资料成为“死档案”。通过管理系统保障过程记录的及时采集，同时 集成业务规则使数据自动流向下游处理环节，减少人为操作，交付时自动生成交工资料，也可交付轻 量级的数据结构化系统，通过过程控制保证数据质量，提高交付成果可利用性和交付过程工作效率。还 可以根据对过程数据的组织，自动生成各类进度和质量所需的报表。

小结

相比传统管道施工管理，基于三维可视化技术的管道施工管理系统，实现了施工进度和业务数据 的监管和可视化，实现了部分业务过程的自动化和规范化，提升了企业的精细化管理水平以及对施工 质量和安全的监管效果。同时，通过本次实践，企业积累了优质的管道设施数据资产，为数字化交付 和运营管理提供数据基础，为数字化交付的实施和推广积累了良好的经验。

7.3

案例三：某央企地方分公司全厂基于数字化技术的

实践

背景

应集团公司和地方环保部门的要求，某央企地方分公司于 2016 年启动了 LDAR 专项治理工作。企 业相关部门对已实施 LDAR 治理工作的企业进行了调研，了解到业界普遍采用的传统 LDAR 管理模式具 有以下两方面的问题：

 人工通过 P&ID 图纸结合现场采集密封点信息，建立密封点台帐，往往导致工作量巨大，数据 质量差。

 表格形式的密封点台帐结合现场挂牌的方式造成管理困难，现场维护、维修工作容易造成标识 牌丢失，当发现泄漏时，在台账记录和现场泄漏点的对应上费时费力。

目标

 对全厂主要工艺装置的 P&ID 数据进行数字化重建，实现对全厂设备设施本体数据的初步治理。

 部署智能增值应用，大幅降低建立密封点台帐的工作量，提升数据质量，提升后期 LDAR 闭环 管理的工作效率。

基础设施方面，通过对纸质图纸人工重绘以及电子图档半自动转换相结合的方式，将全厂六十套 主要工艺装置的两千余张 P&ID 图纸全部智能化，并导入三维数字化平台进行统一管理和共享，便于企 业统一管理。图纸上的设备、管道、阀门和仪表的位号、工艺设计参数全部结构化存储，为未来工艺、

生产领域智能增值应用的建设奠定了良好的数据基础。

智能增值应用方面，实现了智能化的 LDAR 管理：

 自动识别 80%的密封点，并自动标识于 P&ID 界面上，帮助车间技术人员通过熟悉的工作界面 执行 LDAR 闭环管理工作。

 自动生成符合《石化行业 VOCs 污染源排查工作指南》要求的密封点台帐，大幅提高了建立台 帐工作效率，保证了台账的数据质量。

小结 &展望

通过本次实践，企业积累了部分设备设施本体数据，建立了面向工艺、生产和设备管理领域的 P&ID 工作空间，具备了建设以工艺、生产为主，设备管理为辅的智能增值应用基础。

7.4

案例四：某地炼地下管线三维数字化实践 背景

设备设施数据资产质量差的直接影响之一，就是地下管线、地下电缆（以下简称地下管线）等隐蔽 设施成为动土施工作业的安全隐患，稍有不慎就可能影响到安全生产甚至发生事故。

相比大型央企，地炼企业动土施工作业的安全隐患更为严重——由于地炼企业信息化投入普遍有 限，设备设施数据资产管理基础薄弱，导致大量的知识和经验仅掌握在部分技术人员头脑中，一方面 加剧了人为因素对施工技术交底的负面影响，另一方面相关人员的流动另企业面临数据资产进一步失 控的风险。

考虑到上述两方面的问题，某地炼企业于 2016 年启动了地下管线三维数字化项目。

目标

 通过勘察测绘技术对全厂地下管线实施数字化重建，构建地下管线的三维数字化模型。

 搭建以地下管线为主的统一工作平台，确保地下管线本体数据得到长期、有效的治理。

 建设地下管线相关智能增值应用，减少人为因素的影响，降低安全隐患，提高工作效率。

成果

数据资产方面，结合工程图档与现场勘查测绘工作，该企业完成了全厂循环水、给水、绿化水、

燃气、排水、电力、电信等管线、电缆的三维数字化工作。

平台方面，构建了统一工作平台对地下管线的本体数据和活动记录进行管理，并将地下管线三维 数字化模型导入平台，纳入平台数据资产的统一管理框架。

智能增值应用方面，建设成果包括：

 动土作业方案编制、方案审核、自动生成交底资料等应用，提高准备工作的效率和质量；

 集成了视频监控系统，并建设了施工区域监控覆盖提醒、自动调整摄像头等应用，帮助管理人 员实施现场监管，遇到突发事件时能够及时了解现场情况。

小结 &展望

通过本次实践，企业对地下管网进行了彻底的治理，并围绕动土作业的准备、现场施工和记录管理 建设了智能增值应用，帮助企业实现了长期、有效的地下管线数据资产治理，降低了安全隐患。同时，

企业建立了一套数据治理的基本框架和工作流程，并计划以此为指导陆续将其他的重点专业纳入整个 治理体系中，逐步完善企业的设备设施数据资产管理。

7.5

案例五：某民企煤化工项目数字化交付实践 背景

在工程建设竣工阶段，总包方需要向业主移交大量的工程图档等档案资料，而此时业主往往无暇 顾及资料的质量，指导投产运营后才发现资料存在缺失、与现场不一致等诸多问题。造成这些问题的主 要原因包括：

 施工过程多关注资产实物，对资料不够重视，致使过程数据记录不准确或者不记录，临近竣工 期才开始补做，数据可信度低；

 缺少校验手段，即便交工资料与现场不一致，业主也难以发现，导致资料无法准确反映物理工 厂；

 施工过程中多数变更以联络单的形式记录，没有及时反映到设计图纸上，竣工图与实体差异 40%~50%，数据可用性差；

 档案以非结构化的 excel、纸质、图片等存档，查阅不便、可访问性差，难以支撑运维应用和数 据分析。

目标

 以结构化的本体数据，为 ERP、EAM 等系统提供数据支撑，降低信息化系统的实施成本，缩短 实施周期；

 在实践过程中形成数字化交付标准和管理制度，指导未来新建装置的数字化交付。

实施策略

 在总包合同中约定数字化交付的内容，明确数据标准、基本流程及质量控制节点；

 由于设计院提供的设计三维模型与实际施工现场相差 40%~50%，为确保最终的数据交付质量，

企业要求各参建方对施工过程中的变更进行严格控制，同时采用三维激光扫描等测绘手段对三 维模型进行校验和修正；

 数字化交付应覆盖设计、采购、施工和试车的相关数据，不能仅关注设计阶段；

 数字化交付不能是竣工时的一个工作环节，而是贯穿整个工程建设期的一项工作内容，为确保 交付数据质量，应将数据治理的流程与施工管理流程相结合。

成果

基础设施方面：通过对设计模型导入、部分重绘、变更修改、现场扫描相结合的方式，将全厂工艺 装置的 800 多台设备、8000 多条管线全部构建成工程级三维数字化模型。

平台方面：

 构建了三维数字化平台对数据进行统一管理，同时以接口、服务等数据共享方式，为 DCS 、EM

、ERP 等系统的实施提供了基础数据。

 并通过基于角色的可视化工作空间，集成了 DCS 、EM、巡检等应用系统的数据或应用服务，构 建了设备管理和生产管理的统一工作平台。

小结 &展望

通过本次实践，企业积累了数字化交付的实践经验，在评估成果和提升需求时，企业相关部门认 为本次实践对数字化交付的关注集中在设计成果，是一次“狭义”的数字化交付，其他对运营管理有价 值的信息，如采购过程中的供应商信息，施工过程中产生的焊缝位置、质量记录信息，试车过程中的 调试数据等信息并未纳入交付范围。为此，企业在原有基础上修正了数据交付要求，定义了新的数字化 交付标准，并将本次实践的成功经验结合新的标准推广到了其他新建装置的规划和建设工作中，旨在 为所有新建装置的设备设施数据资产打下良好的基础。