用软件问题；同时运用 大量 APP 做支持。中控构建了“4 大数据基座+1 个智能引擎”支撑“1+2+N”架构。4 大数据基座包括设备基座(PRIDE)、运行基座(OMC)、质量基座(Q-Lab)和模拟基座(APEX)， 1 个基于工业大模型打造的高泛化、高可靠的智能引擎。 ⚫ Nyx 与 TPT 补齐产品矩阵，将数据价值最大化。1）Nyx：软件定义、全数字化、云原生， 打破了传统物理控制器、I/O 可以深度融合 Al 技术，基于 GPU 赋能的控制引擎，提供组态自动生成、Al 融合 PID 等功能，从而实现数据预测和自适应控制等，提升装置运行的效益。2）TPT：将模拟 与预测能力融于一体，能支撑多种任务，通过长短周期预测、动稳态模拟等，统一分析类、 优化类、控制类、培训类等工业应用，统一传统的建模过程，全面简化技术体系，有效应 对复杂工业场景。 ⚫ 全球顶级客户站台，印证中控产品有效性和竞争力。1）沙特阿美：与中控在 ....... 8 2.1.2 Nyx：全球首款通用控制系统 ...................................................... 10 2.2 模拟基座：模拟设计平台 APEX .................................................... 12 2.3 设备基座：智能感知平台 PRIDE ........

人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度 学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动 态优化，实现对工业全流程的虚拟化建模、实时模拟与自主优化的一 种新型技术范式。其核心在于利用人工智能的自主学习与预测能力， 提升仿真的精度、效率与智能化水平，推动工业系统从传统模拟向自 适应决策演进。人工智能赋能工业仿真不仅覆盖产品研发阶段，还延 伸至制造、运维等全生命周期管理，构建“设计-验证-优化”的闭环体 创新。 人工智能技术的发展提升为传统工业仿真技术提供了全新的解 题思路。一是智能化方法革新了工业仿真基础框架。例如，国防科技 大学团队利用人工智能技术，构建了液态煤油超声速燃烧室两相燃烧 过程模拟的仿真模型，成功实现了燃料雾化、蒸发、混合及燃烧全过 程的建模与预测。二是人工智能技术有效推动了工业机理与数据驱动 方法的深度融合，同元软控依托其自主研发的新一代科学计算与系统 建模仿真平台 智能化仿真求解与自动修正加速仿真过程提高仿真效率。一是直 接替代建模。利用人工智能模型直接替代工业仿真模拟，通过训练数 据学习输入输出之间的映射关系，快速预测结果。如利用模拟数据训 练全连接网络模型实现在设计空间中快速探索并找到最优叶片形状 设计11。二是利用人工智能模型构建降阶模型替代高维计算。通过降 维和特征提取等技术，将高维的工业模拟模型法简化为低维的降阶模 型，实现快速预测。如 Altair romAI 利用动态降阶模型在轮式装载机

智慧生产（ 1/2 ） 工程施工状体模拟，以三维模型为基础，施工建造计划为时间因素，将施工的进展 形 象的展现出来，形成劢态的建造工程模拟 ，并丏能够模拟仸意时间段的工程施工状态。 智慧生产（ 2/2 ） 设备运行状体模拟，通过生产设备的传感器或者工控系统，获取真实生产数据，并 将 数据在三维场景中进行展现，例如石油储罐的温度、压力、液位的劢态模拟。 智慧交通 解决二维系统可 视化能力丌足的难题

高性能材料开发 产品附加值提高 工艺流程改进 …… 石化循环经济发展 废物与污染物管理 可再生能源使用 能源利用效率提升 ……. 生产管控一体化 研发辅助设计 井下工况检查 现场培训模拟 调度与智慧智能 智能库存管理 资产预测性维护 ……. 高端化 智能化 绿色化 �� 智能化 面向石油石化全产业链发展，全面融入人工智能和自动化技术，用智能化加速产业升级进 程。在 阶打磨，加之与云、工业互联网等技术的融合，进一步推动了工程的智能化进阶发展。 来源: 石化盈科&IDC ����年 图�. 石油石化产业人工智能技术演进路线 业务价值 时间 智能供应优化 智能研发模拟 风险智能预测 湖仓智能管理 智能营销预测 智能无废生产 智能无废生产 巡检智能 智能仓储管理 智能调度 调度管理 地震解释 工程虚拟测量 数字绩效管理 可视化监控 地震解释 术模 式、应用模式、发展模式、创新模式、交互模式五个层面有显著的区别： 图�. “传统智能”与“人工智能+”的区别 来源: 石化盈科&IDC ����年 基于学习 ‒ 通过AI相关技术，模拟人类的学 习、推理和决策过程，处理复杂的数据和任务 双向交互 ‒ 双向交互回答开放性问题，为使用 者提供更多规则外洞察及多维度回答 灵活环境 ‒ 应用于复杂且宽阔领域下的 非结构多模处理，灵活性和适应性更强

，一旦泄露 可能给企业带来巨大损失。因此，需要采用多层次的安全保障措施来确保模型 的安全运行。 对抗样本防御技术通过对抗训练和输入检测算法，提升模型对异常输入的 鲁棒性。通过生成对抗样本，模拟恶意攻击，让模型在训练过程中学习识别和 抵御这些攻击，避免恶意输入导致模型输出错误结果。在工业图像识别任务中， 对抗训练可以使模型对经过恶意修改的图像具有更强的抵抗力，保证识别结果 的准确性。 程中，高精度的缺陷检测模型应具备高定位精度，能够准确指出芯片上的缺陷 位置，同时要尽量降低误检率和漏检率，避免将正常芯片误判为有缺陷或遗漏 真正的缺陷芯片。 鲁棒性测试也是评估模型性能的重要方面。通过模拟噪声、异常输入和环 境变化等情况，测试模型的稳定性。在工业环境中，传感器数据可能会受到噪 声干扰，模型需要在这种情况下仍能保持稳定的性能，准确处理数据并做出正 确决策。 对于多模态模型，要 备预测维护和 工艺参数优化，能源行业的能源调度优化、设备故障预测和新能源管理，以及 医疗健康领域的医疗影像分析、药物研发辅助和临床决策支持；其次是新兴应 用领域的开拓，如数字孪生技术的虚实融合模拟和全生命周期管理，智慧城市 的规划优化和公共服务提升，以及绿色低碳领域的碳排放监测和环保解决方案； 最后是创新业务模式的探索，包括个性化定制服务、预测性维护服务、远程运 维服务等服务创新，以及

经济效益和竞争优势。随着技术的不断进步，AI 在制造业中的应用 前景将更加广阔。 3.1 AI 技术概述 人工智能（AI）技术在制造业中的应用已成为推动工业 4.0 和 智能工厂发展的核心驱动力。AI 技术通过模拟人类的认知功能，如 学习、推理和决策，能够显著提升制造过程的效率、灵活性和质 量。在新能源汽车制造领域，AI 的应用不仅能够优化生产流程，还 能提升产品的智能化水平，从而满足市场对高性能、智能化汽车的 处理，减少了数据传输的延迟，提高了响应速度；而云计算则提供 了大规模的数据存储和远程监控能力，使得生产数据能够被集中管 理和分析。此外，强化学习算法在优化生产调度和资源分配方面表 现出色，通过模拟不同的生产场景，能够找到最优的生产策略，从 而提高资源利用率和降低生产成本。传感器技术的进步也为 AI 技 术的应用奠定了基础，通过集成多种传感器，能够实时采集生产过 程中的各种数据，为 AI 机器学习技术为新能源汽车的智能化制造提供了坚实的技术基础， 并为其在未来的广泛应用奠定了可行性基础。 3.3.2 深度学习 深度学习作为人工智能技术的核心之一，在制造业中展现出强 大的应用潜力。其核心思想是通过模拟人脑神经网络的结构，构建 多层神经网络模型，从海量数据中自动提取特征并进行学习。在新 能源汽车制造领域，深度学习技术能够显著提升生产效率和产品质 量。 首先，深度学习在缺陷检测方面具有显著优势。通过训练卷积

电源分配，确保每个设备都得到其所需的电力，但不会浪费额外的 能源。 自动化任务：AI 可以自动执行诸如数据迁移、备份和负载 均衡等任务，从而提高数据中心的效率。 数据中心设计优化：使用 AI 对设计进行模拟和分析，可以 找到最佳的布局和设计，确保空气流动和冷却效率最大化，从而节 省能源。 预测性维护：通过对设备数据的实时分析，AI 可以预测哪 些部件即将失效，这可以减少突然的设备故障和与之相关的能源浪 成系统的软件 配置、设备组装及内部联调工作。 配置包括软件上设备界面的添加、主界面制作和资料关联检查 等，必须确保资料测点关联的准确性及界面一致性。 内部联调，要求在厂家内部将所有设备搭建成模拟现场的系统， 检查系统各项数据采集功能是否正常，是否可以满足工程现场需要。 内部联调可提前发现硬件设备和软件是否存在兼容等问题，并提前 解决。 （二）现场实施 现场实施阶段主要是指系统的调试及相关配置工作。 负载率主要以 CPU 占用率、内存占用率和并发数等来衡量。 系统软件采用双机热备冗余设计的情况，还需要进行切换时间 的性能测试，一般主备机切换时间应小于 60s。 (1) 模拟、状态量的实时性检测。模拟量、状态量数据的实时 性是从现场模拟量或状态量的变化到能碳管理系统界面显示的时间 来衡量的。其检测步骤为: 1) 人为制造能耗状态。 2) 用秒表计时，并记录能碳管理系统界面显示的全过程时间。 (2)

ASC NO.) 建立 1:1 对应 自动计划 建议 订单特殊需求 （ ASC NO.) 订单特殊需求规则 （ ASC) 自动拆分 自动生产排产 生成（装配）工单 （ ASC NO.) 模拟排产报 表 根据排产 工单自动 调整 直供件导入 ISP 预排产平台 （意向需求数量 + 实际订单） 齐套分析 MES 生产执行 产能可承诺 调用排产程序 物料可承诺 ASC NO ASC NO.) 建立 1:1 对应 自动计划 建议 订单特殊需求 （ ASC NO.) 订单特殊需求规则 （ ASC) 自动拆分 自动生产排产 生成（装配）工单 （ ASC NO.) 模拟排产报 表 根据排产 工单自动 调整 直供件导入 ISP 预排产平台 （意向需求数量 + 实际订单） 齐套分析 MES 生产执行 产能可承诺 调用排产程序 物料可承诺 ASC NO 5 1 4 3 2 5 1 ）单个对调 1 2 3 4 5 6 7 8 9 10 6 7 2 3 10 1 9 4 5 8 2 ）批量对调 序号调整（对 调） 产销 高效协同 ：模拟排产及模拟报表，实现快速的订单承诺 销 售订单 （合同） 预测（ 3 年滚动） 主需求计划 （ MDS ） 物料需求计划 （ ASCP ） 冲减 采购计划 下 达 （ ISP) 生产 ( 机加）计划

过程数字可 视化 环保管理 可视化 环保数据 展示 指标监控 设备管理 巡检与监 测 信息多维检索查看 完整性管理 信息合规性检查 信息关联管理 数字化资产信息模型 巡检模拟 设备拆解 操作培训 应急演练 生 产 企 业 集 团 总 部 设备资产全⽣命周期管理 项⺫筹建－⼯程设计－建造交 付 －运⾏维护－报废退出 供应链协同⼀体化⽣态 采购－加⼯－运输－销售－客户 九江石化全流程生产装置 DCS+PID+APC 九江案例 ：智能炼厂总体技术架 构 原 油 分 子 数 据 库 调度管理 计划与实绩管理 物料平衡管理 炼厂调度优化 炼厂计划优化 炼厂整体分子模拟与在线优化 原 油 物 性 计 算 原 油 分 子 切 割 原 油 在 线 调 合 公 用 工 程 能 源 优 化 二 次 加 工 装 置 RTO 成 品 油 在 线 调 合 常 减 压

期客户提供运维管理、预测维修、动力优化等。 1. 设备数据明细 2. 预测水泥泵机是否发生堵管 3. 统计最高频排量 4. 预测最佳油门 vs. 转速 5. 臂架异常：泄漏，发卡 6. 模拟泵车（有多节机械臂）工作状态 7. 模拟泵车工作状态衍生，常用姿态统 计 8. 泵车异常检测 • All in One ：替代 MySQL + 时序数据库 + Greenplum + Spark • 集群硬件节省—半，性能提升