不少做流程工业的工程师都有这种感受：智能化喊了五六年，看了无数展会PPT，真落地上线能稳定出效益的项目，没几个。这篇不是讲概念的，是我这七八年跑了二十多个项目攒下来的踩坑经验，给准备做智能化升级的同行做个参考。
别被“全智能”忽悠了，先把基础数据捋顺
前两年接了个烂尾项目，华东某地炼投了八百万上催化裂化装置的智能优化平台，上线半年连稳定运行都做不到，找我们过来擦屁股。
去了现场一查数据，我直接懵了。核心反应器的24个温度测点，三个传感器坏了大半年没换，数据一直是固定值。原料油密度采样，有的点1分钟一次，有的点2小时一次，缺测率最高到17%。供应商说用AI算法填一下缺值就能跑，结果跑出来的最优反应温度，离设计允许的上限差了整整8度，敢用吗？
很多人上来就要建无人车间，就要全流程智能决策，压根忘了流程工业的根在数据。GB/T 51296-2018《石油化工智能化工厂设计规范》里写得明明白白，核心工艺参数的数据采集准确率不得低于99.5%，完整率不低于99%。大部分智能化项目，还没到拼算法的阶段，就死在这两个指标上了。
说实话，整理数据真的没什么捷径。坏了的传感器赶紧换，采样频率不一致的，要么统一，要么做分层校正，缺数据的要么补采，要么调整测点位置，别想着靠AI填空糊弄过去。我们当时花了三个月才把所有测点梳理清楚，重新校准，光换传感器就花了四十多万，看似慢，后续模型一次跑通，准确率直接到94%，现在已经稳定运行三年，每年帮厂子里省五百万的能耗成本。
能用就好，别追求“通用大模型”的噱头
现在去工业展，十个做智能化的供应商，八个说自己用了千亿参数大模型，动不动就说要颠覆流程工业。听得我头大。
去年给山东一个氯碱厂做蒸发工段的智能化升级，供应商一开始拍胸脯说要用通用大模型做实时操作决策，结果跑出来的结果吓死人：进液流量波动直接超了蒸发器设计允许值5%，差点冲翻了分离器！
流程工业跟离散制造不一样，每一个塔器、每一台换热器的设计参数都是卡死的，任何操作都不能超出工艺边界，通用大模型训练用的是公开数据，哪懂你这套装置的特殊情况？
不过话说回来，不是说大模型完全没用，只是得用对地方。我们后来调整了方案，核心控制还是用基于机理的先进过程控制（APC），只把大模型用来做非核心的故障工单分类、工艺文档检索，异常预测这块用不到一百M参数的小模型，基于APC的历史数据做微调，结果呢？
蒸发工段的整体能耗直接降了3.2%，异常预警提前率达到82%，整个项目的预算还砍了三分之一，投用一年多，稳定得很。
见过太多项目，七成预算砸在大模型授权和服务器硬件上，真正用来做工艺优化、适配装置特性的钱只剩零头，剪彩完了就锁在服务器里吃灰，说白了就是交了智商税。
落地才是王道，别放过一线操作工的经验
我见过太多智能化项目的设计团队，都是办公室里对着CAD和历史数据做模型，从来不去现场跟三班倒的操作工聊。这能做好才怪。
前年给一个合成氨厂做水冷器结垢预测，一开始我们对着历史数据做出来的模型，准确率只有62%，怎么调参数都上不去。后来我跟着厂子里干了二十八年的张师傅转了一个礼拜，才发现问题。
张师傅说，夏天循环水入口温度比冬天高十度以上，结垢速度是冬天的三倍，还有上游原料气偶尔带液，带液之后两三天就能结一厘米厚的垢，我们原来的模型根本没把这两个工况特征加进去。
把这两个参数加到模型输入层之后，重新跑训练集，准确率直接跳到91%，上线半年，提前72小时预测结垢的成功率稳定在88%以上，帮厂里头省下了每年近两百万的除垢停车损失。
GB/T 43433-2023《智能制造 流程工业智能工厂通用技术要求》里明确提到，要建立操作人员经验的数字化转化机制。这真不是写在标准里的空话，是真金白银的效益。很多人说智能化就是要替代人，我看不对，智能化是帮人把隐性经验变成显性的模型，把人从日复一日的盯盘操作里解放出来，去做更有价值的事。
流程工业智能化，不是靠一个大模型、一套平台就能堆出来的。得一步一步踩实，先把数据基础打牢，再选适合自己工艺的方案，最后把一线的经验揉进去，才能拿到真真正正的效益。别被风口上的概念带偏，适合自己装置的，才是最好的。
