据化学工业联合会和德勤会计事务所2017年10月联合发布的有关工业4.0的调查报告显示，德国化工企业计划在今后3~5年时间里在数字化领域投资数十亿欧元。在2016年的Namur会议上，拜耳公司的Thorsten Pötter先生就将智能数据分析与提高经济效益间的关系进行了比较。在整个生产过程中，大量系统提供了海量的数据。数据分析解决方案不仅要有更好的算法语言和更强大的运算能力，而且还需要解决许多细节问题。因为流程工业领域中的数据源往往是异构数据源。除了各种不同的文件格式外，保存的数据信息也没有足够的时间同步，没有语义的共同定义。因此，大量的数据和实时性要求是一个巨大的挑战。

另一个关键问题是如何把这些数据有机地整合在一起，并了解数据之间的相互关系。现在即便是有了数据，但尚未明确要利用这些数据优化哪一道流程工艺。工厂的负责人把自己的工作重点都集中在如何增加产品收入，但在集团公司领导层中则把重点放在最大程度地减少能源消耗上。

目前正在进行的数字化变革还没有受到这些挑战的影响。例如特种化学品公司赢创公司（Evonik）就在2017年夏季宣布，投资约1亿欧元进行数字化改造。巴斯夫公司也在专注于数字化技术的应用，其核心是引进一台运算能力比以前提高了10倍的超级计算机。巴斯夫公司希望利用数字化技术在计算机上进行虚拟建模和仿真模拟，以及在实验室中进行辅助试验。从中得到的专业技术知识能够帮助企业更好地理解化学产品和流程工艺过程，缩短产品研发和创新的时间。

找到黄金

要想拥有黄金首先要找到黄金，因此路德维希港的巴斯夫人开始借助于数字化技术对环氧乙烷的催化剂数据进行系统的研究。根据数字化技术确定的催化剂配方与应用性能之间的相关性，可以更好、更快且更加准确地预测产品的性能和使用寿命。在涉及到新功能聚合物建模时，数字化技术也能够在寻找稳定的有效成分配方方面提供帮助。巴斯夫的专家从10 000多个选项中计算出最合适的聚合物结构，随后合成得到符合配方的聚合物。

2017年11月Namur大会的赞助商GE公司也采用了智能化的数据分析技术。智能化数据分析的第一个应用实例来自飞机制造领域，该实例进一步明确了智能化数据分析的应用范围。该分析过程收集了35 000个飞机燃气涡轮发动机的数据，处理了每年1亿多个飞行数据。通过将科学的分析方法与海量数据相结合，可以更早、更准确地发现问题，识别错误，减少操作失误。

寻找黄金的替代物

也许还有更加简单的办法。“我们为非数据科学家准备科学数据。”荷兰大学下属子公司Trendminer的D-A-CH经理Lukas Pansegrau博士说道。在使用这一软件时用户不需要具备专业的数据分析技术知识，也无需对数据分析过程建立数学模型。“从数学的角度描述流程工业设备是一件非常复杂的事情。”Pansegrau博士说。因此Trendminer公司更愿意利用设备操作者的经验。这一软件系统将特定时间段内的流程工艺过程情况与过去具有类似结果的工艺过程情况进行比较，并将结果可视化地显示出来。在此基础上，流程设备操作者可以自行决定是否以及如何调整流程设备的运行状况。在Trendminer公司，无论是连续性的还是批次生产的流程工艺过程都由用户自己分析。Trendminer公司的专业团队帮助Pansegrau公司引进了这一软件系统。“用户经过1~3天的培训就能够独立使用这套软件了。” Pansegrau公司相关负责人说到。

例如，某聚合物生产设备在稀释阶段中不断地发生原材料输送的问题，成为整套设备的关键瓶颈并最终导致压力升高。这一现象在4年间不断地重复发生，企业努力地寻找问题的根源，但始终没有找到。Trendminer公司从过去的历史数据中看到了类似的状况，某反应釜在短时间的压力降之后给出了重要的提示信息。在这一反应釜中，按照规定的流程工艺要加入少量的橡胶颗粒。在压力下降时这些橡胶聚合物颗粒会相互粘结在一起，在输送系统中出现小量的积蓄，最终导致压力升高。而这小量积蓄的聚合物颗粒的量是如此之少，以至于双倍的积蓄量也不会在质量控制中检测出来。最终的解决方案是对这一反应釜的压力进行监控，更好地调整压力。用户表示，采取这一措施后，生产效率提高了16%，每年增加了10万美元的经济效益

Pansegrau并不需要具备大数据分析的专业知识。此外，从流程工艺过程中获取正确的数据并不是一件容易的事情。“根据我们的经验，过程分析并不总是确定需要什么，另一方面实验室数据和流程工艺过程数据之间的关联也并不总是正确的。”例如，规定在12点时采集一个数据样本，但实际采集的不一定是12点准时的样本数据。为了避免今后不必要的麻烦，在检验记录中仍然写着12点采集的样本，这就可能在流程工艺过程的研究分析中带来完全不同的结果，而在大数据分析中则没有数据准时性的问题。